win8风格手机网站模板seo搜索引擎优化培训班

尽管交通数据获取日益丰富，但在交通流量估计与优化的研究中，仍面临“细节性”与“完整性”难以兼得的困境。如果能够获得一个具备最精细分辨率和全局完整性的城市级车辆连续轨迹数据集，也即“全息交通数据”（holographic traffic data），将成为该领域的重大突破。这类数据可完整重现交通流演化的每一个细节，并揭示城市中个体的出行行为模式。

由于宣城市的自动车辆识别（AVI）设备覆盖率极高，我们构建了一个为期一个月、涵盖每日约 8 万辆车的连续轨迹数据集。该数据记录了车辆准确的路口通过时间，并完全避免了路径估计误差。在这样的全息交通数据支持下，交通流的演化过程可以被精确复现。

本数据集是中国宣城市的城市级交通流数据集，包含以下三类数据：

---

1. 为期一个月的重采样交通流数据，包括定点环形检测器数据和动态浮动车数据（FCD）：

Resampled Traffic Flow Data of Xuancheng City

• loop_data.csv：环形检测器的位置设在道路段中间，提供以 5 分钟为间隔的速度与流量数据。

• fcd_data.csv：浮动车数据提供了 500 辆商业车辆每 10 秒的轨迹。

• road_network_segment_level.csv：道路段级别的网络描述信息。

---

2. 一个月加密的轨迹数据与命令行工具：

Command Line Tool for Virtual Traffic Flow Detection of Xuancheng City

该命令行工具允许用户自定义环形检测器和浮动车的位置及其他参数，并生成个性化检测结果，同时确保个体轨迹数据不被滥用。

• fullTraj.zip：宣城市所有车辆的一个月全息轨迹数据。

• command_line_tool.csv：虚拟交通流检测的命令行工具，内含用户说明文档及一日轨迹的演示数据。该工具支持 Windows、Linux 和 macOS 系统。

---

3. 一小时原始车牌识别（LPR）数据，用于复现轨迹重建方法：

Trajecory Reconstruction Related Data of Xuancheng City

• lpr.csv：工作日早高峰（8:00–9:00）期间的原始 LPR 数据。

• signal.csv：与 LPR 同时间段的交通信号灯数据，是轨迹重建算法的辅助输入。

• road_network_stream_level.csv：面向流级别轨迹重建的道路网络结构信息。