●前言
上篇城市交通數據基礎知識
第1章 緒論
1.1 研究背景及意義
1.2 智能交通繫統介紹
1.2.1 智能交通繫統的定義
1.2.2 智能交通繫統的發展
1.2.3 智能交通繫統的處理過程
1.3 浮動車采集路況信息技術
1.4 交通軌跡數據挖掘介紹
1.5 交通擁堵的研究現狀
1.5.1 交通擁堵評估的研究現狀
1.5.2 交通擁堵預測的研究現狀
第2章 城市交通相關數據
2.1 浮動車數據
2.1.1 北京市出租車數據集
2.1.2 紐約市出租車數據集
2.1.3 紐約市共享單車數據集
2.1.4 其他數據集
2.2 道路數據
2.3 地圖興趣點數據
2.4 本章小結
第3章 城市交通數據的清洗
3.1 清洗無效點
3.2 清洗無效軌跡
3.3 清洗時間相關的無效數據
3.4 清洗無效乘客狀態
3.5 清洗無效停靠點
3.6 本章小結
第4章 交通數據的地圖匹配
4.1 地圖匹配問題來源
4.2 地圖匹配算法分類
4.2.1 基於幾何方法的地圖匹配算法
4.2.2 基於概率方法的地圖匹配算法
4.2.3 基於高級方法的地圖匹配算法
4.2.4 基於采樣點範圍的地圖匹配算法
4.3 常用的地圖匹配算法
4.3.1 局部性匹配算法
4.3.2 GeoHash算法
4.3.3 時空匹配算法
4.3.4 全局匹配算法
4.3.5 MapInfo電子地圖匹配介紹
4.4 本章小結
第5章 交通流數據相關參數
5.1 參數提取
5.2 交通流相關基本參數
5.2.1 計算交通量
5.2.2 計算平均速度
5.2.3 計算平均密度
5.2.4 基於行程時間比
5.2.5 基於擁堵裡程比例
5.3 計算道路速度
5.4 計算擁堵閾值
5.5 交通流參數分布特性
5.5.1 交通量時空分布特性
5.5.2 平均速度時空分布特性
5.6 本章小結
中篇交通擁堵識別與預測模型
第6章 基於離線交通軌跡的數據壓縮
6.1 地圖信息分塊
6.1.1 繪制原始地圖
6.1.2 地圖分塊方法
6.2 軌跡信息壓縮算法
6.2.1 軌跡信息壓縮算法分類
6.2.2 軌跡信息壓縮基本算法
6.2.3 空間數據壓縮算法
6.2.4 實時數據壓縮算法
6.3 軌跡壓縮實驗數據處理及分析
6.4 本章小結
第7章 基於交通軌跡的擁堵識別
7.1 交通擁堵識別模型框架
7.2 交通擁堵特征參數
7.2.1 標準化處理評價指標
7.2.2 權重繫數判定方法
7.2.3 計算參數綜合測度值
7.2.4 確定擁堵等級閾值
7.2.5 定位應用
7.2.6 在線監控算法小結
7.3 交通軌跡在線監控模擬實驗
7.3.1 在線監控算法實驗
7.3.2 實驗總結
7.4 交通擁堵識別算法
7.4.1 交通擁堵識別算法概述
7.4.2 交通擁堵識別算法結果
7.5 本章小結
第8章 基於深度學習的短時交通擁堵預測模型
8.1 深度學習概述
8.2 基於深度學習的短時交通擁堵預測模型框架
8.3 基於SAE的短時交通量預測模型
8.3.1 輸入向量的選擇
8.3.2 模型的訓練
8.3.3 實驗環境
8.3.4 性能指標
8.3.5 參數的確定
8.3.6 預測結果
8.4 基於SAE的短時交通平均速度預測模型
8.4.1 輸入特征向量的選擇
8.4.2 模型的訓練
8.4.3 參數的確定
8.4.4 預測結果
8.5 短時交通擁堵預測結果
8.6 本章小結
下篇交通數據可視化
第9章 交通擁堵等級判定及可視化
9.1 可視化概述
9.2 路網擁堵等級評估與可視化
9.2.1 路網擁堵等級評估
9.2.2 路網擁堵等級可視化
9.3 道路擁堵等級評估與可視化
9.3.1 道路擁堵等級評估
9.3.2 道路擁堵等級可視化
9.4 道路擁堵排名評估及可視化
9.4.1 道路擁堵排名評估
9.4.2 道路擁堵可視化
9.5 本章小結
第10章 交通擁堵的可視化設計與實現
10.1 交通可視化研究現狀
10.2 交通擁堵展示的不同視角
10.2.1 地圖視圖
10.2.2 道路列表視圖
10.2.3 條件篩選視圖
10.2.4 道路速度視圖
10.3 可視化數據選擇
10.3.1 道路數據提取
10.3.2 GPS數據處理實現
10.3.3 地圖匹配實現
10.3.4 道路速度表建立
10.3.5 推薦擁堵閾值計算與擁堵檢測實現
10.4 可視化窗口實現與擁堵分析案例
10.4.1 地圖視圖實現
10.4.2 道路列表視圖實現
10.4.3 條件篩選器實現
10.5 交通可視化主界面
10.6 本章小結
參考文獻
附錄A 交通量時空分布特性結果圖
附錄B 平均速度時空分布特性結果圖
附錄C 交通擁堵識別結果圖
附錄D 交通量預測結果圖
附錄E 平均速度預測結果圖
附錄F 交通擁堵等級預測結果圖
