基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了更加精确、快速地对城市中移动对象的交通模式进行检测,提出了利用停留点和运动特征进行交通模式检测的并行算法.首先,提取出不同交通模式中停留点特征,即分别对各种交通模式的停留点进行识别,并通过聚类算法挖掘不同交通模式特有的停留点特征.然后,提取出不同交通模式中的运动特征,主要包括最大速度、平均速度、停止率等.利用提取的停留点特征和运动特征构建分类器,以预测新轨迹的交通模式.最后,提出了基于Spark的并行算法进行交通模式检测.实验结果表明,停留点特征和运动特征能够更大程度地呈现出不同交通模式之间的区别,且检测精度高于其他方法.此外,并行算法可以提高交通模式的识别效率.
推荐文章
基于时间序列聚类的轨迹停留点检测算法
轨迹数据
停留点
数据场
时间序列聚类
基于CUDA的视频运动目标检测算法并行实现
目标检测
能量优化
并行计算
统一计算设备架构
提取局部特征的机械异常运行检测算法
机械运行
局部特征
轮廓匹配
异常信息
基于SIFT特征与预测的运动目标检测算法
目标检测
SIFT特征
旋转参数模型
动态场景
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于停留点和运动特征的交通模式并行检测算法
来源期刊 东南大学学报(英文版) 学科 工学
关键词 交通模式检测 停留点 轨迹分类 轨迹挖掘并行化
年,卷(期) 2019,(1) 所属期刊栏目
研究方向 页码范围 22-29
页数 8页 分类号 TP301.6
字数 1303字 语种 英文
DOI 10.3969/j.issn.1003-7985.2019.01.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 吉根林 南京师范大学计算机科学与技术学院 138 2757 22.0 50.0
5 赵斌 南京师范大学计算机科学与技术学院 35 306 7.0 17.0
6 周星星 南京师范大学计算机科学与技术学院 7 17 2.0 4.0
10 赵竹珺 南京师范大学计算机科学与技术学院 2 13 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (4)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
交通模式检测
停留点
轨迹分类
轨迹挖掘并行化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
东南大学学报(英文版)
季刊
1003-7985
32-1325/N
大16开
南京四牌楼2号
1984
eng
出版文献量(篇)
2004
总下载数(次)
1
论文1v1指导