بکارگیری الگوریتم های تطبیق نقشه به‌منظور استخراج اطلاعات ترافیکی از خطوط سیر حاصل از GPS با نرخ نمونه‌برداری پایین

Abstract

از میان روش­های مختلف جمع­آوری اطلاعات ترافیکی،GPS به علت هزینه پایین‌تر، دسترسی و فراوانی بیشتر، از محبوبیت خاصی برخوردار است. عامل اصلی اطمینان از پارامترهای ترافیکی محاسبه‌شدهاز خطوط سیرGPS، اطلاع از مکان صحیح خودرو بر روی قطعات جاده است. این عمل کلیدی توسط الگوریتم­های تطبیق نقشه صورت می­گیرد.درصد بالایی از خطوط سیر­ GPS تولید شده از GPS تلفن همراه،خودروهای مجهز به GPS،ناوگان حمل­و­نقل عمومی و شبکه­های اجتماعی با نرخ نمونه­برداری پایین دو تا شش دقیقه تولید می­شوند. بنابراین تعیین یک الگوریتم تطبیق نقشه مناسب برایکاهش خطای داده­های مذکور ضروری بنظر می­رسد. در این مقاله هدف، معرفی، مقایسه و تحلیل نتایج تطبیق داده­های خطوط سیر GPS با دو الگوریتم ST-matching و IVMM برای داده­های با نرخ پایین و سپس تهیه نقشه سرعت ترافیکی از داده­های تطبیق شده است. از ویژگی­های بارز الگوریتم ST-matching در نظرگرفتن همزمان توپولوژی و ویژگی­های مکانی ویژگی زمانی است. درروش IVMM نه‌تنها از اطلاعات مکانی و زمانی بلکه از یک استراتژی رأی­مبنا به‌منظور مدل­کردن وزن تأثیرات متقابل بین نقاطGPS بهره­گرفته­می­شود. به‌منظور تست و ارزیابی این دو الگوریتم از داده­های ناوگان حمل­ونقل عمومی اتوبوس‌رانی شهر تهران با نرخ نمونه­برداری دو دقیقه استفاده‌شده است.الگوریتم ST-matching برای تطبیق هر نقطه نمونه برداری فقط یک نقطه قبل از آن را در نظر می­گیرد و برای نقطه اول نقطه ماقبل وجود ندارد، بنابراین الگوریتم به نقطه شروع وابستگی زیادی دارد. الگوریتم IVMM با مدل‌سازی تأثیرات متقابل نقاط نمونه­برداری نتایج مؤثرتر و مستحکم­تری را ارائه می­دهد. تابع وزن فاصله نقش مهمی در الگوریتم IVMM ایفا می­کند. با افزایش مقدار پارامتر بتا در ابن تابع دقت تطبیق نقشه نیز افزایش می­یابد. دقت به­دست­آمده از روش IVMM 88 % و روش ST-matching 73% است. نتایج حاصل از این مقاله نشان می­­دهدالگوریتم IVVM درمقایسه با ST-matching به‌طور قابل‌توجهی بهتر عمل می­نماید.هم چنین در مواجهه با گردش­های UشکلIVVM نتایج بهتری را ارائه می­دهد.