基于粗糙集理论的实时数据驱动弹道重构

实时详细的车辆轨迹数据可用于估计交通参数，以提高交通控制系统的效率。 由于GPS数据的频率低，从GPS设备获得的原始车辆轨迹可能不完整。 这导致信息丢失或参数估计错误。 为了从车辆轨迹数据获得更准确的交通信息，有必要重建或完成原始车辆轨迹。 但是，对于实时轨迹重建，有两个问题需要解决。 一种是实时的原始轨迹构造。 另一个是原始的轨迹重建。 为了解决这两个问题，本文提出了一种分布式交通管理框架和一种数据驱动的轨迹重构算法。 首先将从在路段上行驶的车辆获取的GPS数据传送到本地交通管理中心，以实现地图匹配，以构建原始车辆轨迹。 使用基于粗糙集理论的数据驱动轨迹重建方法，可以在本地中心实时重建这些原始轨迹。 为了获得更详细的重构车辆轨迹，选择合理的条件和决策属性以基于历史轨迹数据集建立轨迹决策系统。 使用粗糙集理论计算基于可分辨性的属性权重，以选择用于车辆轨迹重构的轨迹决策规则。 仿真表明，提出的实时数据驱动的轨迹重构方法可以利用历史交通轨迹数据集实现车辆轨迹的重构。