基于互联网地图的矢量路况数据生成与应用方法研究

来源 :地理信息世界 | 被引量 : 0次 | 上传用户:c1133186
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
城市交通路况数据对交通治理、交通拥堵预测等研究具有重要意义,针对常规交通路况数据获取成本高、难度大等问题,本文提出一种基于互联网地图的矢量路况数据生成与分析方法.该方法通过互联网地图提供的实时路况信息,利用网络抓取、GIS空间数据处理和图像识别等技术,将互联网实时路况瓦片数据自动化处理成矢量路况数据,便于交通运行特征分析.最后以重庆主城内环范围为例,基于百度地图实时路况自动生成不同时间段的矢量路况数据,利用此数据进行出行时空特征分析.实验证明该方法具有可操作性、通用性和有效性.
其他文献
县域是实现新型城镇化的重要平台和关键地域单元,揭示县域碳排放的时空格局演变及其驱动因素对于完善中国新型城镇化战略和促进生态文明建设、绿色转型发展具有重要意义.本文使用2000-2017年中国县域碳排放数据,分析了县域人均碳排放的总体变化、区域差异、时空格局及集聚特征,并在STIRPAT模型和环境库茨涅茨曲线(EKC)假说下,运用面板分位数回归解释社会经济发展对县域人均碳排放的动态影响.结果表明:①中国县域人均碳排放呈现先急后缓的增长趋势.人均碳排放水平差异加大,且呈上升趋势,西部地区县域人均碳排放差距悬殊
由于开放街道地图(OpenStreetMap OSM)贡献者的非专业性,其贡献经验对数据质量有着非常重要的影响,因此聚类分析不同经验的贡献者具有实际意义.在将贡献者信息特征分为3类的基础上,提出一种改进的加权主成分分析方法(WPCA)对志愿者的贡献特征进行分组归一化、加权和降维,然后采用高斯混合模型(GMM)方法将贡献者聚类成4个不同的组,最后将结果与主成分分析法(PCA)、K-Means组合方法进行比较.通过比较分析,改进WPCA与GMM组合方法比PCA与K-Means组合方法的贡献者分类效果更好.