论文摘要
车辆轨迹数据中蕴含城市交通和移动对象行为的宏观信息,从中可以挖掘出有价值的城市交通趋势和车辆行为模式等信息,分析轨迹数据对于指导智能交通管理有重大意义.针对车辆轨迹数据的无序性和现行方法缺少对于轨迹整体趋势有较为精确地描述的问题,提出一种基于密度的轨迹聚类方法.首先按照角度阈值与长度限制划分轨迹,然后通过新的对称距离函数衡量轨迹段之间的相似度,最后对于聚类结果生成相应的多代表性轨迹.对3个轨迹数据集的实验结果表明,该方法生成的多代表性轨迹能较好地描述聚类整体趋势,为交通运输管理系统提供参考.
论文目录
文章来源
类型: 期刊论文
作者: 路强,杨贵冰,檀俊滔,余烨,Xiaohui Yuan
关键词: 车辆轨迹,聚类,多代表性轨迹,交通趋势
来源: 计算机辅助设计与图形学学报 2019年07期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 公路与水路运输
单位: 合肥工业大学计算机与信息学院VCC研究室,工业安全与应急技术安徽省重点实验室(合肥工业大学),Department of Computer Science and Engineering, University of North Texas
基金: 安徽省自然科学基金(1708085MF158,1708085QF137),国家自然科学基金(61602146),国家留学基金(201706695044),合肥工业大学智能制造技术研究院科技成果转化及产业化重点项目(IMICZ2017010)
分类号: U491
页码: 1194-1202
总页数: 9
文件大小: 1866K
下载量: 128