道路線性自動(dòng)識(shí)別方法研究.pdf

1、由于我國車輛保有量的快速增長,催生了諸如網(wǎng)絡(luò)地圖繪制、車輛定位和導(dǎo)航、智能交通系統(tǒng)等對(duì)實(shí)時(shí)更新、準(zhǔn)確、詳細(xì)的數(shù)字化地理交通信息服務(wù)的大量需求.近些年國家加大對(duì)基礎(chǔ)設(shè)施的投資,道路的新建、拓寬和改建速度加快,現(xiàn)有的道路信息不準(zhǔn)確和不完整性,即現(xiàn)勢性差已成為亟待解決的問題.
　　論文在國家自然科學(xué)基金"基于人車環(huán)境動(dòng)態(tài)數(shù)據(jù)協(xié)同推演的汽車駕駛傾向性辨識(shí)方法研究",山東省自然科學(xué)基金"基于交通態(tài)勢評(píng)估的道路安全推理研究"和淄博市科技發(fā)展項(xiàng)

2、目"城市道路威脅評(píng)估方法研究"的支持下,采用不同算法,著重對(duì)道路信息包括道路線形自動(dòng)分類和出行者個(gè)性出行信息進(jìn)行了深入研究.
　　為了可持續(xù)性地更新道路信息數(shù)據(jù)庫,利用車載GPS產(chǎn)生的大量路徑跟蹤軌跡信息,快速捕捉道路信息變化,分別提出了基于增量式貝葉斯分類器,LVQ(Learning VectorQuantization Network)-Boosting模型和改進(jìn)的SLFNs算法的道路線形自動(dòng)分類方法.
　　貝葉斯增量方

3、法以數(shù)據(jù)流分類為基礎(chǔ),將增量學(xué)習(xí)理論應(yīng)用于樸素貝葉斯算法;LVQ-Boosting算法以LVQ為基礎(chǔ)分類器,采用改進(jìn)的Boosting算法進(jìn)行網(wǎng)絡(luò)集成,進(jìn)～步提高LvQ的泛化能力,從而獲得一個(gè)使用弱分類算法卻具有強(qiáng)分類性能的分類器;另外,利用軟測量思想,提出將一趟聚類算法與基于奇異值分解的單隱含層前饋神經(jīng)網(wǎng)絡(luò)分類算法相結(jié)合,建立一個(gè)高效混合分類器,該分類器結(jié)構(gòu)簡單,而且具有較低的計(jì)算復(fù)雜度.此外,還結(jié)合道路交通條件和環(huán)境變化信息,分析道

4、路交通易變性對(duì)道路線形抽取的影響,研究從GPS數(shù)據(jù)中快速、準(zhǔn)確捕獲道路變化,分類道路特征類型和提取新路的方法.
　　三種方法均以GPS定位點(diǎn)坐標(biāo)、速度,道路水平曲率和行駛方向作為基本識(shí)別特征和輸入變量,以直線型道路,曲線型道路,丁字路口,十字路口和環(huán)交路等道路線形特征作為輸出變量,實(shí)現(xiàn)自動(dòng)識(shí)別道路線形特征,快速分組道路特征類型的目的.實(shí)驗(yàn)結(jié)果表明,三種數(shù)據(jù)分類算法均具有較高的道路線形的識(shí)別效率和精度,且改進(jìn)的SL,FNs算法的識(shí)別

5、能力最優(yōu).
　　此外,針對(duì)出行者個(gè)體需求的差異性,利用Weka分析平臺(tái),以某一駕車出行者為例,挖掘出行者出行信息規(guī)律,生成出行信息的分類決策樹和關(guān)聯(lián)規(guī)則,對(duì)出行者的出行信息進(jìn)行定量分析,歸納出出行者對(duì)各類出行信息的個(gè)性要求.而且通過分類分析得到了出行信息的分類結(jié)果,通過關(guān)聯(lián)分析得到了出行者個(gè)性出行信息間的相關(guān)性,通過聚類分析呈現(xiàn)出出行信息的相對(duì)聚集現(xiàn)象.緩解出行者面對(duì)大量出行信息時(shí)產(chǎn)生的過激反應(yīng)、集聚反應(yīng)等現(xiàn)象,從而為出行者提供便