给大家推荐5篇关于城市交通的计算机专业论文

今天分享的是关于城市交通的5篇计算机毕业论文范文, 如果你的论文涉及到城市交通等主题,本文能够帮助到你

基于网络爬虫和GIS技术的公共自行车系统空间分析

这是一篇关于城市交通,公共自行车,网络爬虫,地理信息系统,空间分析的论文, 主要内容为公共自行车作为一种新的交通方式,其具有低碳、灵活等特点,既可直接满足短距离出行需求,又能补充公共交通的可达性,深受很多市民的欢迎。但是,由于公共自行车站点规划多偏重于公交车站、住宅小区及公共设施附近,交通出行时空分布的不均衡性容易造成车辆偏集,出现部分站点无车可借或没有空余桩位还车的问题,即便加强车辆调度也很难有效地解决。所以,掌握公共自行车使用的时空特征对优化公共自行车系统运行是很有必要的。公共自行车系统运行过程中产生两类不同的海量数据,即站点数据和用户数据。前者主要是各站点的实时车辆数与空桩数,连同站点名称、经纬度等信息,由管理者发布在官网上,以方便用户借还。后者是用户刷卡数据,包括用户及车辆编号、借还车时间与站点等,主要用于系统经营管理分析,很少公开。本研究利用互联网爬虫技术获取公共自行车站点数据、城市POI数据和站点间路网距离数据。通过空间数据统计分析,定量把握公共自行车系统站点布设情况、站点使用情况及用户使用特性。本研究的成果为优化公共自行车系统站点布设提供了相应的理论参考和决策支持。

海量城市交通数据可视化与人类出行行为的可视分析研究

这是一篇关于可视分析,城市交通,拥堵分析,GPS数据的论文, 主要内容为随着数据采集技术的发展以及数据分析的需求变化,人们已经走进了大数据时代,在电商、公共服务、医疗、教育等多个行业中都已经出现了大数据的身影。而在现如今城市和道路的背景下,交通日渐繁忙,拥堵也随之产生。通过海量大数据对拥堵情况和行政分区交通情况进行研究,将有助于专业人士探索到大量样本所体现出的规律,得出准确真实的分析结果,对城市规划和道路设计进行改进,提高人民幸福指数,降低事故发生率。交通数据可以很好地反映出道路拥堵的时空特性和人民的出行选择倾向,为城市的建设提供有力的理论基础。可视分析技术能够将海量数据按照一定的需求展示出来,更加直观、简洁,便于研究人员发现数据中呈现出的规律和特征。因此,本文在利用大数据技术的基础上,采取可视分析的手段,设计一个对海量交通数据进行处理和分析的系统架构,并将对其解决方案进行详细的阐述。本文的主要工作内容如下:(1)基于海量GPS数据的数据库构建与管理。本文对实验使用的GPS数据和路网数据进行了预处理,去掉错误数据、不合理数据,修补缺失数据。同时,为了提高GPS数据的准确性,对预处理后的GPS数据进行了地图匹配工作。对路网数据则进行了转换和展示,并剔除了不需要的信息部分。最后,配置环境搭建一个数据库用于存储处理完毕的数据,供给后续选用。(2)针对研究问题的关键点进行了分析。本文针对当前道路交通特点和城市规划中可能产生的问题,分析了系统功能上、性能上的需求,以及可视化的需求。(3)设计并实现了一个基于可视分析的海量交通数据分析系统。以任务的需求为基础,遵循系统架构设计原则,应用多种可视化方法,对系统的功能模块进行设计与实现。系统包括区域分析模块、和拥堵分析模块和轨迹模块,区域分析探索城市各区域的交通出行规律以及行政区划与聚类划分的对比,道路分析研究用户选择的路段速度变化详情,轨迹模块展示车辆出行轨迹。(4)大规模真实交通数据验证。本文使用真实的成都市出租车GPS数据用于此可视化系统进行试验,验证系统的正确运行,分析系统的结果,通过区域间流量探索行政分区设置的问题,根据实际情况选择瓶颈路段探索交通拥堵问题,并选择特征车辆分析出行问题,提出一些建议。

考虑共享自动驾驶汽车的出行行为分析与经营策略研究

这是一篇关于城市交通,共享自动驾驶汽车,出行方式选择,交通均衡,经营策略的论文, 主要内容为近年来人工智能领域的跨越式发展使自动驾驶汽车迎来其发展的黄金高峰期,将促使交通系统更加智能化。共享自动驾驶汽车(Shared Autonomous Vehicle,SAV)是自动驾驶与共享出行理念充分融合的产物,是由运营商控制、旨在为出行者提供公共出行服务的一种新型出行方式。SAV实现商业化是未来交通发展的必然趋势,研究传统出行模式与SAV共存情形下通勤者的出行行为及运营商的最优经营策略具有重要现实意义,将会为相关部门的政策制定提供理论参考和决策依据。首先,在交通系统中引入SAV出行模式,研究SAV与普通汽车共存背景下,SAV公司如何根据运营目标优化经营策略并影响通勤者出行方式选择。分析固定需求和弹性需求下,SAV公司追求系统总成本最小或系统净收益最大和利润最大时的最优经营策略,即SAV票价和容量,进而得到均衡时模式划分情况,SAV最优发车数,系统总成本或系统净收益,以及公司利润等指标。研究发现,SAV公司垄断经营会收取较高的票价,提供容量较小的车型。在系统最优情形下,SAV公司无法获得正利润,需要政府补贴运营。其次,构建Stackelberg三阶段博弈模型,研究在利润最大化的垄断市场或双寡头非合作竞争市场中,政府如何通过SAV容量来调控整个交通系统处于系统最优情形。该问题为双层规划,上层政府确定SAV容量,下层垄断运营商或双寡头运营商确定SAV票价及地铁票价。研究发现,SAV容量对票价制定的影响在一定程度上取决于交通市场的性质,且双寡头市场比垄断市场对出行者及整个社会更有利;还发现两种情形下SAV票价随容量的增加而降低,地铁票价在垄断情形下不随SAV容量变化,在双寡头情形中呈现先下降再上升的趋势。最后,在SAV与地铁双模式交通系统中,构建基于Logit的随机均衡选择模型分析出行者在两种交通方式之间的决策,并研究在三种情形(系统净收益最大、SAV追求利润最大化且地铁由政府运营、地铁追求利润最大化且SAV由政府运营)下的SAV及地铁定价情况及相应模式划分。研究发现,在系统净收益最大化的目标下总出行需求最大,且SAV票价最低,还发现当SAV乘客的单位时间成本减少系数越小或地铁车内拥挤系数越大时出行者越倾向于SAV出行。

基于原子交互的交通卡口可视分析系统

这是一篇关于城市交通,可视分析,卡口数据,交通流量预测的论文, 主要内容为随着城市化的快速推进,国民经济飞速发展,城市机动车保有量快速增长,如何解决城市中的交通问题也成为当今研究重点。同时,交通相关数据也被重视起来,大量的交通卡口数据通过安装在道路路口的摄像头等设备采集并进行研究分析。这些复杂多维的交通卡口数据,对于数据分析系统的要求越来越高。现有的数据分析系统主要针对当前用户需求,本文通过和交通方面专家合作将交通问题进行分解,并提出运用原子交互的方式来解决现有和未来可能出现的交通问题。可视分析技术结合了可视化、人机交互和自动分析技术使数据分析过程透明化能帮助人们可以从卡口数据中得到更多有用的信息。因此,本文提出运用可视分析技术来分析交通卡口数据。本文设计了一个基于Web平台的可视分析系统,主要对城市道路监控卡口数据进行可视分析,通过交通信息提取并进行原子化来满足研究人员的复杂需求,并通过类似流量密度图,流量时序图等可视分析工具对一个城市的交通状况进行探索。本文还使用可视分析技术对基于神经网络模型的交通流量进行越策。本文的主要工作和成果如下:(1)车辆数据清理。数据可视分析的核心就是数据,需要对数据进行清洗来达到最佳的可视效果。由于车牌遮挡或者天气可见度低,卡口拍摄的图片质量不佳,通过图像处理得到的数据可能出现错误。本文在对数据进行可视分析前先将卡口数据转换成轨迹数据,从而对个别出错车辆数据属性进行修正。(2)交通问题分解。传统的可视分析系统,往往只满足于当前的需求,可扩展性较差。本文提出了一个将交通问题分析任务进行分解的方法,它将每个分析任务分解成类别原子和数字原子,并将上述两种原子与可视化原子组合进行可视分析,来满足将来可能出现的研究人员需求。(3)神经网络预测交通流量过程可视化。本文还提出对神经网络进行交通流量预测过程可视化,通过可视化工具对神经网络训练过程和结果进行可视分析,帮助研究人员构建更合理的神经网络结构来交通流量预测。(4)B/S架构下的可视分析系统。本系统采用了浏览器与服务器的模式设计方式,这种方式具有较强的可移植性,同时现阶段有很多可视分析函数库支持这种方式。通过服务器进行主要运算,降低研究人员使用可视分析系统的硬件需求。本系统以交通卡口数据为基础,为了解决海量卡口数据的存储问题,系统采用Mongodb作为数据分布式存储平台。通过将交通问题分解成原子再重组来满足复杂的研究需求,并运用不同的可视分析工具探索城市交通问题。系统还设计了基于神经网络的交通流量预测可视分析模块,帮助研究人员对流量预测这一热门问题进行研究。