文献综述（或调研报告）：
1、异常数据处理
在使用出租车GPS数据进行交通状况分析前，需要对数据中的异常数据进行处理。出租车与一般车辆驾驶行为有明显差异，出租车在运营中一直处于“寻找客源——上客——载客行驶——下客”依次循环的状态[1]。应该从数据中去除处于（1）上下客状态（2）在路测或者停车场停放等待乘客上车（3）空载时降低速度寻找客源，三种状态的出租车数据。对于处理停车数据的方面，Hariharan and Toyama[2]提出一种基于漫游距离以及停留时间的停车检测算法。但出租车和一般车辆驾驶行为有所不同，在此基础上，Tang[3]等人对算法进行改进,使其更适合于出租车停车状态检测。对于GPS设备以及在传输过程中产生的异常数据的处理方面。巴兴强等人[4]利用车辆瞬间速度阈值检验法去除错误数据。胡启洲等[20]提出通过使用最小插值法补充丢失的定位数据。Wang[5]等人指出相关的研究方法可以被分类为，统计学方法、距离度量法、聚类分析法以及分类分析法[6,7]。
2、GPS数据处理
（1）样本量确定
万宇基于概率统计的思想，认为路段上的车辆速度是服从正态分布的，利用区间估计理论，提出满足路段平均速度估计的浮动车样本数量的确定方法[8]。Park, Zhang, Lord[9]利用高斯混合模型对美国爱斯汀州IH-35高速公路的多种形态的速度数据特征进行了分析，其中参数标定采用的是基于马尔科夫-蒙特卡洛取样的贝叶斯估计方法，结果表明这种方法能够描述实际交通数据的多峰、偏峰现象。买艳辉[10]等人提出在确定速度分布服从高斯混合分布的前提下,利用高斯混合模型对拥堵特征进行定量分析，得出的数量指标能够描述交通拥堵的严重程度、波动程度、各种状态的混合权重。
（2）信号点与路段匹配
杨海强[11]等人将城市划分为网格，将同一网格内所有的平均速度的计算平均值视为该网格的平均速度。郭雪婷[12]等人利用路段平行四边形边界经纬度信息识别车辆所属路段，并通过将经纬度各减去一个常数的方法，将经纬度数值缩小表示以优化数据处理时间。巴兴强[4]等人利用点线投影法将数据点与道路匹配。
（3）交通流参数计算
对于道路拥堵状态的检测，一般采用平均行程速度作为用于评估的交通流参数指标。许国淼[1]等人提出基于自适应加权指数平滑法的路段平均行程速度估计方法。沙云飞 [13]等将 GPS数据接收间隔分为lt;10 秒、20-30 秒、40-60 秒三种情况，分别提出了平均速度的计算公式。田世艳[14]提出当一条自然路段距离较长或者交通状态差别较大（如路段两边有标志性建筑、大型超市、商场、停车场等）时，在实际应用中直接采用整条路段的平均速度来描述整条道路的交通状态并不合理，并采用临界长度[15]将较长路段划分为若干子路段的方法获得更为准确的行程速度。关于子路段的划分，徐国淼[1]遵循路段之间无缝连接以及一个交叉口包含在一个路段范围内的原则。江龙晖[16]提出子路段应该在一个合理的长度范围以保证数据结果的准确性，并采用最小最大原则来确定子路段的长度，计算得出在数据反映时间不超过60s的状况下，子路段长度Llt;400m时满足要求。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
