导读:本文包含了动态交通数据论文开题报告文献综述及选题提纲参考文献，主要关键词:城市交通系统,交通诱导系统,自匹配数据融合,动态GIS路网
动态交通数据论文文献综述
李祖文,何增镇,苏红帆,农昭光[1]（2019）在《基于自匹配模块的城市交通数据动态融合处理系统》一文中研究指出为了有效改善城市交通的路况,结合动态的数据采集模块、动态GIS路网、动态数据去噪模块以及自匹配数据融合模块等,针对交通信息处理、共享和发布中的技术难点,设计基于自匹配模块的城市交通数据动态融合处理系统。通过对多条道路的路况进行实时地监管和数据分析,从而满足交通参与者在城市交通方面的出行道路信息、信息管理和路况管理等各种需求。(本文来源于《计算机应用与软件》期刊2019年06期）
王小霞,傅惠,杨马进,卢建锋[2]（2016）在《动态交通数据丢失的补齐方法研究》一文中研究指出数据丢失是动态交通数据采集中的常见现象,丢失数据的补齐质量对交通信息的准确性具有重要影响。本文根据交通数据随时间变化的特点,利用交通检测器采集到的动态数据,对训练数据进行了4种插值方法的插值效果比较,进行了少量数据丢失和大量数据丢失的补齐方法研究,建立了拟合多项式函数,根据保形拟合确定了合理的补齐数值,补齐数据和原始数据的平均相对误差5.0%,数据补齐精度高。(本文来源于《内蒙古农业大学学报(自然科学版)》期刊2016年03期）
徐程,曲昭伟,陶鹏飞,金盛[3]（2016）在《动态交通数据异常值的实时筛选与恢复方法》一文中研究指出针对实际中检测器原始交通数据存在的大量缺失与异常的实际情况,论文通过分析数据采样间隔与交通流叁参数内在关系等因素的影响,设计了4步骤的数据筛选方法,包括初步筛选、阈值筛选、交通流理论筛选和质量控制筛选;提出了基于时间序列、历史数据、空间位置及时空相关性的四种在不同条件下应用的数据恢复方法;以此为基础建立了标准的数据预处理流程。通过北京快速路实际数据验证表明,算法能够有效剔除异常数据,异常数据恢复精度低于10%,同时具有很强的实时性和稳定性,能够满足工程实际的应用。(本文来源于《哈尔滨工程大学学报》期刊2016年02期）
陆百川,郭桂林,肖汶谦,张海,张凯[4]（2016）在《基于多尺度主元分析法的动态交通数据故障诊断与修复》一文中研究指出针对动态交通数据的故障问题,提出了一种改进的多尺度主元分析(MSPCA)方法及数据修复模型。利用小波包多尺度分解将每个变量一次分解成逼近系数和多个尺度的细节系数,并在各个尺度矩阵建立相应的主元分析模型。以模型统计量控制限为阈值,对小波系数重构得到综合主元分析模型,并将故障数据分离出来。利用数据修复模型以及根据时间相关性和空间相关性计算出各组数据的相关系数,并估算出故障数据的真实值。最后给出了各种仿真结果。(本文来源于《重庆交通大学学报(自然科学版)》期刊2016年01期）
魏国容[5]（2012）在《基于SCATS的动态交通数据预处理方法研究》一文中研究指出智能交通系统在城市道路交通管理与控制中的应用越来越广泛，而交通信息数据的采集是智能交通系统的基础。通过检测器获得的交通流量等信息，对各种交通项目的实施和评价起着至关重要的作用。目前城市智能交通信号控制系统在进行交通信息采集时，大部分采用的是感应线圈检测器。检测数据在采集、传输与处理的过程中，由于设备故障、软件突发问题等原因，易导致数据出现错误、丢失、异常等问题，需采用数据预处理技术对检测到的问题数据进行识别与修正。在线圈检测器本身的检测原理限制及工作环境等影响下，检测数据容易产生偏差。另外，尽管目前对数据质量控制模型的研究较多，但无论问题数据的识别与修复技术如何先进，其基本原理仍然是通过使用各种方法得到与实际数据比较贴近的近似值，检测数据误差问题仍普遍存在。若直接将这些存在问题的数据应用于系统控制，必然会对系统的运行效果产生影响。基于现有的数据质量控制模型，本文通过数据统计分析与仿真分析两种方法研究了智能交通信号控制系统数据预处理方法。首先，通过对SCATS系统信号控制原理及算法的深入研究，分析其对检测数据误差问题的处理能力。然后，通过对实测交通数据的统计分析，得出交通流数据的时间分布规律以及基于多车道流向车辆行驶分布规律的空间分布规律，对质量控制模型中问题数据的判别与修正方法提供了理论支撑。针对数据误差普遍存在的情况，通过现场实测数据与检测数据的对比统计分析，研究了数据误差的分布规律，弥补当前对于线圈检测数据误差研究方面的缺乏。最后，通过实例分析，验证数据预处理方法的实用性和有效性。(本文来源于《湖南大学》期刊2012-10-01）
姜桂艳,牛世峰,李红伟[6]（2011）在《动态交通数据质量评价方法研究》一文中研究指出为了保证交通管理系统所获得数据的准确性,在分析缺失数据、异常交通状态数据和错误数据3种非正常交通数据分类及特点的基础上,针对缺失数据设计了存在性评价方法,运用增益放大原理建立了异常性评价法,首次将异常性评价引入交通数据质量评价过程,基于正态分布的68-95-99.7法则,利用纵向时间序列建立了评价数据真实性的动态阈值评价法,并给出这3种数据质量评价方法组合使用的流程.实测数据验证表明,真实性评价法的评价效果明显优于固定阈值法和交通流理论法,异常性评价法优于经典的加州算法.(本文来源于《北京工业大学学报》期刊2011年08期）
姜桂艳,常安德,牛世峰,丛玉良,程德明[7]（2011）在《基于BP神经网络的交通数据序列动态可预测性分析方法》一文中研究指出为了进一步改善交通数据序列短时多步预测的效果,提出了交通数据序列动态可预测性分析的思想,在设计了交通数据序列动态可预测性关联数据特征指标的基础上,基于BP神经网络建立了交通数据序列动态可预测性分析方法,运用某城市快速路主线与匝道车辆检测器的实际数据对该方法进行了验证,并与不同固定预测步数条件下的预测效果进行了对比分析.结果表明,所提出的方法能对交通数据序列的可预测性进行在线分析,在保持预测精度的情况下,可最大限度地增加交通数据短时预测的步数.(本文来源于《北京工业大学学报》期刊2011年07期）
姚琛[8]（2010）在《基于信息提取计算的动态交通数据分析及应用》一文中研究指出交通数据是开展一切与交通相关问题研究的基础,其中对动态交通数据的处理和分析更是影响现代智能交通管控系统成效的关键。目前,随着大量各式数据采集设备的投入使用,以及通讯技术的飞速发展,交通数据从“量”到“质”都有了很大的提升,这为更好地掌握交通状态,更有效地解决交通问题提供了基础支撑,但同时这也向交通数据处理提出了挑战。面临着如此海量的,标准、形式各异的交通数据,如何对数据进行融合,使其间形成互补,从而避免重迭浪费；如何对数据进行挖掘,发现其间内在联系,进而获取交通状态；如何对数据进行快速智能分析,减少反应时间,从而满足实时交通控制需求,成为现代交通数据处理技术的应有之义和迫切需求。信息提取计算技术(Granular Computing)是目前信息智能处理领域研究的新热点,它以“粒度”思想为指导,实现对研究对象的定义、度量和推理,即从不同角度、不同层次分析处理问题,以求得最优近似解。信息提取计算技术在处理信息时并不拘泥于细节,因此在对海量、模糊、不确定、不完整的信息进行分析运算时表现出独特的优势。当前,信息提取计算理论已成功应用于模式识别、图像处理、智能搜索等领域,但在交通信息处理方面尚缺乏完整的理论体系和实践案例。论文在分析动态交通数据特点、信息提取计算技术适用范围以及现代智能交通管理对数据处理工具需求的基础上,将信息提取计算技术应用于动态交通数据处理(其中包含交通流量、平均车速等数据),构建交通信息提取计算技术理论体系,描述其一般建模流程,分别以“短时交通流预测”、“路网交通拥堵路段识别”、“交通异常数据检测”为例,详细介绍了交通信息提取计算技术应用过程,并验证其效果。主要内容如下：(1)信息提取计算理论研究。该部分详细介绍了信息提取计算理论的产生、演变过程,并从方法论及实际应用两个方面论述了其发展的必然性。通过对该理论基本概念、所研究基本问题和所依托基本数学工具的论述,确定了其理论研究框架和工程适用领域。最后简要概括该理论的基本模型及算法。(2)交通信息提取计算理论框架及建模。该部分将信息提取计算技术引入到动态交通数据处理领域,采取继承和发扬并重的策略,搭建了完整的交通信息提取计算理论框架。一方面,继承信息提取计算技术的思想理念和本质特征；另一方面,将已有用于交通数据处理领域的好方法与信息提取计算技术相融合。同时,该部分还提出了基于交通信息提取计算理论建模的思路、原则和一般建模流程。(3)基于交通信息提取计算的短时交通流预测。该部分选择短时交通流预测为研究对象,构建基于交通信息提取计算的短时交通流预测模型。该模型以粗糙集和神经网络作为构造并计算信息颗粒的工具。首先,利用粗糙集构造交通数据预处理颗粒,约简原始数据属性及数量,同时提取数据间关系规则。其次,利用规则构造基于神经网络的短时交通流预测信息颗粒,完成对交通流的短时预测,并对预测模型进行时空拓展研究。(4)基于交通信息提取计算的路网交通拥堵研究。该部分将交通信息提取计算技术用于路网交通拥堵识别,采用模糊商空间理论构造拥堵判别模型。首先,建立路网交通拥堵影响因子评价体系；其次,利用模糊商空间理论对模型输入数据进行分层次规约,选择合适的粒度对所研究路网的各路段进行聚类分析；最后,根据不同粒度层次,分析聚类结果,确定拥堵路段。(5)基于交通信息提取计算的交通异常数据检测。该部分构造基于交通信息提取计算回归预测模型对交通异常数据进行检测。模型以粗糙集和最小二乘支持向量机弱耦合为基础,首先利用粗糙集对原始交通数据进行属性和数量约简,对不同交通参数的属性值进行排序并确定回归预测模型的输入参数集；其次,将最小二乘法引入到支持向量机中,对交通异常数据进行检测。(本文来源于《西南交通大学》期刊2010-11-01）
梁华[9]（2010）在《省域公路网动态交通信息采集与交通数据中心的设计》一文中研究指出针对广东省公路网既有交通信息资源现状,设计了省域公路网动态交通信息采集技术方案,研究提出了网交通数据中心的总体系统框架和应用软件系统构件,对目前省域公路网交通运输信息化具有参考意义。(本文来源于《公路交通科技(应用技术版)》期刊2010年05期）
段仲渊,李锋,彭坷珂[10]（2009）在《基于动态交通数据的城市轨道客流模型改进方法——以深圳市为例》一文中研究指出交通模型是交通规划、设计、研究的重要工具和手段,传统的基于居民出行抽样调查标定的基年交通模型受调查数据质量的影响存在一定的局限性。结合智能交通采集的动态交通数据中改进交通模型重要方向。本文结合深圳市城交通仿真系统一期工程建设及应用,探讨基于动态交通数据下的城市交通模型改进方法。(本文来源于《中国城市交通规划2009年年会暨第23次学术研讨会论文集人性化城市综合交通体系规划与实践》期刊2009-10-22）
动态交通数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
数据丢失是动态交通数据采集中的常见现象,丢失数据的补齐质量对交通信息的准确性具有重要影响。本文根据交通数据随时间变化的特点,利用交通检测器采集到的动态数据,对训练数据进行了4种插值方法的插值效果比较,进行了少量数据丢失和大量数据丢失的补齐方法研究,建立了拟合多项式函数,根据保形拟合确定了合理的补齐数值,补齐数据和原始数据的平均相对误差5.0%,数据补齐精度高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态交通数据论文参考文献
[1].李祖文,何增镇,苏红帆,农昭光.基于自匹配模块的城市交通数据动态融合处理系统[J].计算机应用与软件.2019
[2].王小霞,傅惠,杨马进,卢建锋.动态交通数据丢失的补齐方法研究[J].内蒙古农业大学学报(自然科学版).2016
[3].徐程,曲昭伟,陶鹏飞,金盛.动态交通数据异常值的实时筛选与恢复方法[J].哈尔滨工程大学学报.2016
[4].陆百川,郭桂林,肖汶谦,张海,张凯.基于多尺度主元分析法的动态交通数据故障诊断与修复[J].重庆交通大学学报(自然科学版).2016
[5].魏国容.基于SCATS的动态交通数据预处理方法研究[D].湖南大学.2012
[6].姜桂艳,牛世峰,李红伟.动态交通数据质量评价方法研究[J].北京工业大学学报.2011
[7].姜桂艳,常安德,牛世峰,丛玉良,程德明.基于BP神经网络的交通数据序列动态可预测性分析方法[J].北京工业大学学报.2011
[8].姚琛.基于信息提取计算的动态交通数据分析及应用[D].西南交通大学.2010
[9].梁华.省域公路网动态交通信息采集与交通数据中心的设计[J].公路交通科技(应用技术版).2010
[10].段仲渊,李锋,彭坷珂.基于动态交通数据的城市轨道客流模型改进方法——以深圳市为例[C].中国城市交通规划2009年年会暨第23次学术研讨会论文集人性化城市综合交通体系规划与实践.2009