书籍详情
城市计算中交通拥堵评估与预测方法及应用
作者：徐秀娟，赵小薇 著
出版社：科学出版社
出版时间：2019-12-01
ISBN：9787030626356
定价：¥99.00
购买这本书可以去
内容简介
《城市计算中交通拥堵评估与预测方法及应用》属于城市计算中智能交通领域的图书之一，主要针对国内城市浮动车数据挖掘与处理的发展现状，基于浮动车相关的交通大数据，探讨智能交通大数据的分析和挖掘方法，并综合利用数据挖掘的理论与方法，对交通大数据典型应用场景进行探讨，用于支撑城市的交通规划和运营。《城市计算中交通拥堵评估与预测方法及应用》主要研究内容包括：交通大数据基本类型与处理技术、交通流参数、交通数据的分析、交通拥堵的评估、交通拥堵的预测和交通短时客流预测。《城市计算中交通拥堵评估与预测方法及应用》可为全方位、大数据、高效运行的基于交通数据的拥堵分析提供理论与技术支持。
作者简介
暂缺《城市计算中交通拥堵评估与预测方法及应用》作者简介
目录
目录
前言
上篇城市交通数据基础知识
第1章绪论 3
1.1 研究背景及意义 3
1.2 智能交通系统介绍 7
1.2.1 智能交通系统的定义 7
1.2.2 智能交通系统的发展 8
1.2.3 智能交通系统的处理过程 9
1.3 浮动车采集路况信息技术 10
1.4 交通轨迹数据挖掘介绍 12
1.5 交通拥堵的研究现状 15
1.5.1 交通拥堵评估的研究现状 15
1.5.2 交通拥堵预测的研究现状 17
第2章 城市交通相关数据 19
2.1 浮动车数据 19
2.1.1 北京市出租车数据集 19
2.1.2 纽约市出租车数据集 21
2.1.3 纽约市共享单车数据集 24
2.1.4 其他数据集 25
2.2 道路数据 26
2.3 地图兴趣点数据 29
2.4 本章小结29
第3章 城市交通数据的清洗 30
3.1 清洗无效点 30
3.2 清洗无效轨迹 32
3.3 清洗时间相关的无效数据 33
3.4 清洗无效乘客状态 34
3.5 清洗无效停靠点 35
3.6 本章小结 38
第4章 交通数据的地图匹配 39
4.1 地图匹配问题来源 39
4.2 地图匹配算法分类 40
4.2.1 基于几何方法的地图匹配算法 40
4.2.2 基于概率方法的地图匹配算法 42
4.2.3 基于高级方法的地图匹配算法 42
4.2.4 基于采样点范围的地图匹配算法 42
4.3 常用的地图匹配算法 43
4.3.1 局部性匹配算法 43
4.3.2 GeoHash算法 45
4.3.3 时空匹配算法 50
4.3.4 全局匹配算法 52
4.3.5 MapInfo电子地图匹配介绍 52
4.4 本章小结 53
第5章 交通流数据相关参数 54
5.1 参数提取 54
5.2 交通流相关基本参数 55
5.2.1 计算交通量 55
5.2.2 计算平均速度 56
5.2.3 计算平均密度 57
5.2.4 基于行程时间比 58
5.2.5 基于拥堵里程比例 59
5.3 计算道路速度 61
5.4 计算拥堵阈值 63
5.5 交通流参数分布特性 64
5.5.1 交通量时空分布特性 64
5.5.2 平均速度时空分布特性 70
5.6 本章小结 75
中篇交通拥堵识别与预测模型
第6章 基于离线交通轨迹的数据压缩 79
6.1 地图信息分块 80
6.1.1 绘制原始地图 81
6.1.2 地图分块方法 82
6.2 轨迹信息压缩算法 85
6.2.1 轨迹信息压缩算法分类 85
6.2.2 轨迹信息压缩基本算法 88
6.2.3 空间数据压缩算法 90
6.2.4 实时数据压缩算法 96
6.3 轨迹压缩实验数据处理及分析 100
6.4 本章小结 101
第7章 基于交通轨迹的拥堵识别 103
7.1 交通拥堵识别模型框架 104
7.2 交通拥堵特征参数 105
7.2.1 标准化处理评价指标 105
7.2.2 权重系数判定方法 105
7.2.3 计算参数综合测度值 107
7.2.4 确定拥堵等级阈值 107
7.2.5 定位应用 108
7.2.6 在线监控算法小结 109
7.3 交通轨迹在线监控模拟实验 110
7.3.1 在线监控算法实验 110
7.3.2 实验总结 113
7.4 交通拥堵识别算法 113
7.4.1 交通拥堵识别算法概述 113
7.4.2 交通拥堵识别算法结果 114
7.5 本章小结 118
第8章 基于深度学习的短时交通拥堵预测模型 120
8.1 深度学习概述 120
8.2 基于深度学习的短时交通拥堵预测模型框架 126
8.3 基于SAE的短时交通量预测模型 128
8.3.1 输入向量的选择 128
8.3.2 模型的训练 128
8.3.3 实验环境 131
8.3.4 性能指标 131
8.3.5 参数的确定 132
8.3.6 预测结果 134
8.4 基于SAE的短时交通平均速度预测模型 138
8.4.1 输入特征向量的选择 138
8.4.2 模型的训练 138
8.4.3 参数的确定 140
8.4.4 预测结果 140
8.5 短时交通拥堵预测结果 143
8.6 本章小结 145
下篇交通数据可视化
第9章 交通拥堵等级判定及可视化 149
9.1 可视化概述 150
9.2 路网拥堵等级评估与可视化 152
9.2.1 路网拥堵等级评估 152
9.2.2 路网拥堵等级可视化 153
9.3 道路拥堵等级评估与可视化 156
9.3.1 道路拥堵等级评估 156
9.3.2 道路拥堵等级可视化 158
9.4 道路拥堵排名评估及可视化 161
9.4.1 道路拥堵排名评估 161
9.4.2 道路拥堵可视化 161
9.5 本章小结 163
第10章 交通拥堵的可视化设计与实现 164
10.1 交通可视化研究现状 164
10.2 交通拥堵展示的不同视角 166
10.2.1 地图视图 166
10.2.2 道路列表视图 167
10.2.3 条件筛选视图 168
10.2.4 道路速度视图 169
10.3 可视化数据选择 170
10.3.1 道路数据提取 170
10.3.2 GPS数据处理实现 171
10.3.3 地图匹配实现 173
10.3.4 道路速度表建立 173
10.3.5 推荐拥堵阈值计算与拥堵检测实现 174
10.4 可视化窗口实现与拥堵分析案例 176
10.4.1 地图视图实现 176
10.4.2 道路列表视图实现 177
10.4.3 条件筛选器实现 178
10.5 交通可视化主界面 179
10.6 本章小结 180
参考文献 181
附录A 交通量时空分布特性结果图 186
附录B 平均速度时空分布特性结果图 189
附录C 交通拥堵识别结果图 192
附录D 交通量预测结果图 195
附录E 平均速度预测结果图 198
附录F 交通拥堵等级预测结果图 201
前言
上篇城市交通数据基础知识
第1章绪论 3
1.1 研究背景及意义 3
1.2 智能交通系统介绍 7
1.2.1 智能交通系统的定义 7
1.2.2 智能交通系统的发展 8
1.2.3 智能交通系统的处理过程 9
1.3 浮动车采集路况信息技术 10
1.4 交通轨迹数据挖掘介绍 12
1.5 交通拥堵的研究现状 15
1.5.1 交通拥堵评估的研究现状 15
1.5.2 交通拥堵预测的研究现状 17
第2章 城市交通相关数据 19
2.1 浮动车数据 19
2.1.1 北京市出租车数据集 19
2.1.2 纽约市出租车数据集 21
2.1.3 纽约市共享单车数据集 24
2.1.4 其他数据集 25
2.2 道路数据 26
2.3 地图兴趣点数据 29
2.4 本章小结29
第3章 城市交通数据的清洗 30
3.1 清洗无效点 30
3.2 清洗无效轨迹 32
3.3 清洗时间相关的无效数据 33
3.4 清洗无效乘客状态 34
3.5 清洗无效停靠点 35
3.6 本章小结 38
第4章 交通数据的地图匹配 39
4.1 地图匹配问题来源 39
4.2 地图匹配算法分类 40
4.2.1 基于几何方法的地图匹配算法 40
4.2.2 基于概率方法的地图匹配算法 42
4.2.3 基于高级方法的地图匹配算法 42
4.2.4 基于采样点范围的地图匹配算法 42
4.3 常用的地图匹配算法 43
4.3.1 局部性匹配算法 43
4.3.2 GeoHash算法 45
4.3.3 时空匹配算法 50
4.3.4 全局匹配算法 52
4.3.5 MapInfo电子地图匹配介绍 52
4.4 本章小结 53
第5章 交通流数据相关参数 54
5.1 参数提取 54
5.2 交通流相关基本参数 55
5.2.1 计算交通量 55
5.2.2 计算平均速度 56
5.2.3 计算平均密度 57
5.2.4 基于行程时间比 58
5.2.5 基于拥堵里程比例 59
5.3 计算道路速度 61
5.4 计算拥堵阈值 63
5.5 交通流参数分布特性 64
5.5.1 交通量时空分布特性 64
5.5.2 平均速度时空分布特性 70
5.6 本章小结 75
中篇交通拥堵识别与预测模型
第6章 基于离线交通轨迹的数据压缩 79
6.1 地图信息分块 80
6.1.1 绘制原始地图 81
6.1.2 地图分块方法 82
6.2 轨迹信息压缩算法 85
6.2.1 轨迹信息压缩算法分类 85
6.2.2 轨迹信息压缩基本算法 88
6.2.3 空间数据压缩算法 90
6.2.4 实时数据压缩算法 96
6.3 轨迹压缩实验数据处理及分析 100
6.4 本章小结 101
第7章 基于交通轨迹的拥堵识别 103
7.1 交通拥堵识别模型框架 104
7.2 交通拥堵特征参数 105
7.2.1 标准化处理评价指标 105
7.2.2 权重系数判定方法 105
7.2.3 计算参数综合测度值 107
7.2.4 确定拥堵等级阈值 107
7.2.5 定位应用 108
7.2.6 在线监控算法小结 109
7.3 交通轨迹在线监控模拟实验 110
7.3.1 在线监控算法实验 110
7.3.2 实验总结 113
7.4 交通拥堵识别算法 113
7.4.1 交通拥堵识别算法概述 113
7.4.2 交通拥堵识别算法结果 114
7.5 本章小结 118
第8章 基于深度学习的短时交通拥堵预测模型 120
8.1 深度学习概述 120
8.2 基于深度学习的短时交通拥堵预测模型框架 126
8.3 基于SAE的短时交通量预测模型 128
8.3.1 输入向量的选择 128
8.3.2 模型的训练 128
8.3.3 实验环境 131
8.3.4 性能指标 131
8.3.5 参数的确定 132
8.3.6 预测结果 134
8.4 基于SAE的短时交通平均速度预测模型 138
8.4.1 输入特征向量的选择 138
8.4.2 模型的训练 138
8.4.3 参数的确定 140
8.4.4 预测结果 140
8.5 短时交通拥堵预测结果 143
8.6 本章小结 145
下篇交通数据可视化
第9章 交通拥堵等级判定及可视化 149
9.1 可视化概述 150
9.2 路网拥堵等级评估与可视化 152
9.2.1 路网拥堵等级评估 152
9.2.2 路网拥堵等级可视化 153
9.3 道路拥堵等级评估与可视化 156
9.3.1 道路拥堵等级评估 156
9.3.2 道路拥堵等级可视化 158
9.4 道路拥堵排名评估及可视化 161
9.4.1 道路拥堵排名评估 161
9.4.2 道路拥堵可视化 161
9.5 本章小结 163
第10章 交通拥堵的可视化设计与实现 164
10.1 交通可视化研究现状 164
10.2 交通拥堵展示的不同视角 166
10.2.1 地图视图 166
10.2.2 道路列表视图 167
10.2.3 条件筛选视图 168
10.2.4 道路速度视图 169
10.3 可视化数据选择 170
10.3.1 道路数据提取 170
10.3.2 GPS数据处理实现 171
10.3.3 地图匹配实现 173
10.3.4 道路速度表建立 173
10.3.5 推荐拥堵阈值计算与拥堵检测实现 174
10.4 可视化窗口实现与拥堵分析案例 176
10.4.1 地图视图实现 176
10.4.2 道路列表视图实现 177
10.4.3 条件筛选器实现 178
10.5 交通可视化主界面 179
10.6 本章小结 180
参考文献 181
附录A 交通量时空分布特性结果图 186
附录B 平均速度时空分布特性结果图 189
附录C 交通拥堵识别结果图 192
附录D 交通量预测结果图 195
附录E 平均速度预测结果图 198
附录F 交通拥堵等级预测结果图 201
猜您喜欢
