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:
目前的路口识别算法多数在密集采样的全球定位系统(GPS)轨迹数据基础上,采用车辆行驶方向转变作为依据进行路口识别.但稀疏采样的GPS轨迹数据由于采样时间间隔较长,无法准确模拟出车辆行驶方向.为此,针对交叉路口容易发生停车现象的特点,提出一种GPS轨迹数据的路口识别方法.从稀疏采样的GPS轨迹数据中提取出行驶轨迹的停车点及其后续点作为研究对象,依据改进GDBSCAN算法对提取出的停车点进行聚类,判断停车事件发生的热区.运用提取出的后续点对热区进行连通性计算,并根据连通性确定是否存在路口.实验结果表明,该路口识别方法具有较好的识别能力,且与DBSCAN算法相比,聚类速度明显提高.
推荐文章
基于增强字典稀疏表示分类的SAR目标识别方法
合成孔径雷达
目标识别
增强字典
稀疏表示分类
基于多稀疏分布特征和最近邻分类的物体识别方法
物体识别
稀疏表示
最近邻距离
梯度
街区距离
采用稀疏SIFT特征的车型识别方法
深度学习
车型识别
稀疏特征
尺度不变转换特征
线性支持向量机分类
基于稀疏表示的快速l2-范数人脸识别方法
人脸识别
稀疏表示
特征融合
字典缩减
正则化最小二乘法
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 基于稀疏采样GPS轨迹数据的路口识别方法
来源期刊 计算机工程 学科 工学
关键词 稀疏采样 出租车 全球定位系统 轨迹数据 停车点 路口识别
年,卷(期) 2019,(5) 所属期刊栏目 开发研究与工程应用
研究方向 页码范围 291-297
页数 7页 分类号 TP18
字数 4452字 语种 中文
DOI 10.19678/j.issn.1000-3428.0052124
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 范太华 西南科技大学计算机科学与技术学院 27 127 5.0 10.0
2 陈亚玲 西南科技大学计算机科学与技术学院 3 45 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (12)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1956(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(4)
  • 参考文献(2)
  • 二级参考文献(2)
2016(3)
  • 参考文献(2)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 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
稀疏采样
出租车
全球定位系统
轨迹数据
停车点
路口识别
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
论文1v1指导