CN100357987C - 城市路网交通流区间平均速度的获取方法 - Google Patents

Abstract

一种城市路网交通流区间平均速度的获取方法，在综合考虑GPS数据接收中出现的各种误差、GIS中道路特征以及司机的人为因素的基础上，采用最近邻法得到初步地图匹配结果，通过A*算法，找出每两个点之间的最短路径，实时、智能恢复车辆行驶轨迹，并考虑车辆数据的前后联系及路况，先后对可疑匹配点及已形成的车辆行驶轨迹进行修正，得到车辆精确定位，最后由车辆行驶轨迹计算得到单位路段的平均上行速度、下行速度以及综合区间平均速度，并显示于数字地图上。本发明实时性强、精度高，且不需要角度传感器等硬件设施，降低了系统成本和系统设计的复杂程度，提高了系统性能。

Description

城市路网交通流区间平均速度的获取方法

技术领域

本发明涉及一种城市路网交通流区间平均速度的获取方法，用于实时、动态地从全球定位系统(GPS)数据得到车辆精确定位和行驶轨迹，并结合地理信息系统(GIS)进行城市交通流双向区间平均速度的计算，属于智能交通技术领域。

背景技术

智能交通系统(ITS)是经济发展所带来的众多交通问题的理想解决方案，它代表了交通系统的发展趋势。随着微型嵌入式技术、GPS卫星定位技术、通信技术以及地理信息系统(GIS)的日趋成熟，基于GPS/GIS的城市交通信息系统的开发与应用在智能交通系统领域正日益受到重视，并显示出巨大的经济和社会效益。城市交通信息系统为智能交通提供重要技术支撑和信息平台；它实时、动态地反映监测车辆及城市总体交通流的状态，为车辆监控和动态导航，交通拥堵原因分析，交通流诱导决策，城市道路的合理规划提供了重要实际依据。城市路网交通流区间平均速度的获取是城市交通信息系统中的一项关键技术，车辆的精确定位和轨迹跟踪是后续工作的基础，而基于此的区间平均速度是交通流的重要参数之一，可为动态导航、交通疏导提供直接可靠的依据。

城市路网交通流速度信息的数据来源获取方式有多种，主要有在地下埋设感应线圈监测器(如澳大利亚SCATS系统)，安装视频检测设备等。这些研究在某些方面取得了成功并具有其实用价值，但在城市路网交通流速度的计算上存在局限性：1)感应线圈监测器可得到多种交通流参数，速度估计是间接计算结果，精度不高，计算复杂；重新铺设感应线圈困难大，添置设备费用高，且使用寿命受人为破坏因素影响大。2)视频检测对硬件设备要求较高，而且受天气影响大。3)都存在检测范围受硬件铺设条件影响的问题，只能对城市主要干道进行检测。采用GPS车辆定位作为数据来源可以有效的解决上述问题。GPS信号覆盖面广，受天气影响小，硬件只需添置便宜的GPS车载定位系统；并且现在国内已有城市将GPS车辆用于车辆调度系统，这使得GPS车辆数据可以方便得到。

区间平均速度可定义为1)车辆行驶路程与该路程对应的平均行驶时间的比或2)某一时刻路段上所有车辆地点速度的平均值。其中定义2)获得的速度观测的统计分布更符合实际速度分布，并且更适合用于交通量大的城市路网。区间平均速度综合考虑了不同车辆行驶状态、红绿灯的影响和路段信息，可宏观反映道路的速度信息可为道路拥堵状况、交通压力评估、出行时间估计和动态导航提供直接的数据依据。由GPS数据实时地计算得到车辆精确定位和行驶轨迹的直接应用区间平均速度，简便实用，国内目前尚未有具体研究成果和实际应用系统。

发明内容

本发明的目的在于针对现有技术的上述不足及实际需要，提供一种从全球定位系统(GPS)数据获得城市路网交通流区间平均速度的方法，实时而准确地为城市交通信息综合估算提供必要的基础数据及重要参数。

为实现这样的目的，本发明在综合考虑GPS数据接收中出现的各种误差、GIS中道路特征以及司机的人为因素的基础上，采用最近邻法得到初步地图匹配结果，通过A*算法，找出每两个点之间的最短路径，实时、智能恢复车辆行驶轨迹，并考虑车辆数据的前后联系及路况，先后对可疑匹配点及已形成的车辆行驶轨迹进行修正，得到车辆精确定位，最后由车辆行驶轨迹计算得到单位路段的平均上行速度、下行速度以及综合区间平均速度，并显示于数字地图上。

本发明的方法包括以下几个步骤：

1、用最近邻法进行地图匹配

输入城市车辆实时的GPS定位数据及GIS信息，将车辆GPS的位置数据视为散点数据向周围道路垂直投影，并计算投影距离，若其中某散点数据的最短投影距离大于预先设置的阈值，则认为是错误匹配点，将其过滤掉，否则取其最短投影距离所对应的道路为车辆所在的行驶道路，对应的投影点为车辆匹配后的位置，得到初步结果，完成从点到线的地图匹配。

最近邻法的地图匹配主要为克服GPS定位数据与GIS数据的误差。GPS定位实时地提供了车辆三维位置、三维速度和时间信息，但三维到二维坐标系的转换误差以及GPS信号的系统内部误差和外部突变误差都会使GPS数据产生漂移现象，出现较大的偏差甚至丢失，这造成了错误的GPS数据。GIS道路数据质量不但受到自身精度、数据年龄、地图比例尺、地图投影等的影响。这些误差使得车辆的GPS的位置数据不准确处在GIS的道路上，而处在道路周围。基于地图匹配的假设：车辆一直在道路上行驶，用最近邻法将车辆的GPS定位数据修正到车辆行驶的道路上。

2.车辆轨迹的形成

对步骤1中得到的分散车辆匹配点，按照匹配点的时间顺序采用A*算法，把前一个时间的车辆匹配点视为初始节点，下一个时间的车辆匹配点视为目标节点，搜索车辆可能达到的整个路网空间图，直至发现目标节点为止，回溯搜索路径，就得到两个点之间的最短路径，记录下来。按上述方法依次连接每辆车的所有匹配点，形成车辆轨迹，完成整个车辆行驶轨迹线与城市道路的匹配。对所有车辆进行同样处理，得到路网中所有车辆的行驶轨迹。

本步骤针对步骤1得到的分散车辆匹配点结果，分离出单辆车轨迹信息，并结合地图匹配的一个假设：车辆行驶具有连续性。A*算法属于启发式搜索算法，启发式搜索优先顺着有启发性和具有特定信息的节点搜索下去，这些节点是达到目标节点的最佳路径上的节点。

3、不确定定位数据的判别与处理

首先根据投影距离和同一车辆行驶轨迹上临近点所在道路的信息计算匹配点的可信度，投影距离越大匹配点可信度越低，孤立于临近点所在道路的匹配点可信度也设为低。另一个直观并关键的评价原则为：在路口有折返行为，即连续通过相同路径两次的匹配点可直接列入不确定车辆定位数据点。其次对不确定车辆定位数据点向步骤2中得到的车辆行驶轨迹所在道路进行投影，若投影距离在阈值内，不确定车辆定位数据点修改成功，按照新的匹配点修正该段的车辆行驶轨迹；反之，不确定车辆定位数据点修改失败，认为车辆原来的行驶轨迹匹配正确。对所有车辆进行同样处理，得到路网中所有车辆修正后的行驶轨迹。

不确定车辆定位数据点主要是因为最近邻法得到的初步定位数据没有考虑车辆数据的前后联系，其主要出现在道路交叉口，而这种交叉路口处的车辆匹配一直是地图匹配的重点和难点。本步骤基于如下假设：在两个匹配点之间，车辆正常行驶，即车辆可选择最短道路路径或最简单路径行驶。最简单路径指车辆在两个测得的GPS车载定位数据点之间经过道路节点最少，行驶路径的结构最简单。本步骤以已有的初步定位和车辆轨迹数据为良好基础，进一步考虑到车辆的历史数据和后续数据，对不确定车辆定位数据点进行处理和纠正，并得到修正过的更精确的车辆轨迹。

4、路网区间平均速度计算

首先由步骤3中修正后的单辆车行驶轨迹提供的车辆位置信息与所在道路信息得到车辆在轨迹上的路程值，再利用GPS车辆数据中的时间信息，两者相除得到车辆在行驶轨迹上行程速度。对路网中的每辆车用相同方法得到所有车辆在行驶轨迹上的行程速度。然后以路段为基本单位，找出在规定时间内行驶在指定路段上的所有车辆，对这些车辆的速度做滤波处理，对滤波后所有车辆的速度取几何平均值，得到该路段的道路区间平均速度，从而得到路网区间平均速度；考虑车辆通过道路节点顺序的不同，得到车辆在道路上的不同行驶方向，从而将车辆的速度信息分类，得到道路的平均上行速度、下行速度，并动态显示于GIS地图上。

本发明在基于GIS和GPS技术构建的城市交通信息系统中可以实时、准确地提供车辆信息及路网状况的基本状态信息及分布情况。路网区间平均速度形象地描述大城市车辆的“潮汐流”现象，并为公共交通调度、车辆动态导航、道路拥堵的监测与排除、城市交通规划等提供了实际数据和决策参考，避免了这些领域传统方法的盲目性和经验性，具有较大的经济效应和社会效应。本系统基于上海市实际数据设计实施，实时性强、精度高、效率好，可在不需要角度传感器等硬件设施的条件下方便的实施。

附图说明

图1为城市交通信息系统结构框架图。

图2为最近邻法基本原理图。

图3为车辆轨迹形成前的匹配点分布状况的典型分类示意图。

图4为不确定定位数据修正示意图。

其中，图4(a)为错误的点匹配图，图4(b)为相应数据修正以后的结果图。

图5为在市中心繁华地段节选的地图匹配及轨迹跟踪结果的实例。

图6为城市交通信息平台系统中路网平均行程速度的显示图。

具体实施方式

以下结合附图及具体的实施例对本发明的技术方案作进一步描述。

实施例以上海市GIS数据，大众出租车公司提供的3000辆左右出租车GPS数据为实例数据处理，处理周期T为10分钟，周期选择主要考虑到红绿灯周期性和交通行为的周期性变化。实际行进中出租车数据的GPS定位数据间隔20秒，数据较为稀疏，且连续数据间可能跨过一个或多个路段，没有陀螺仪提供的方向数据，无法用到DR算法；城市路网中道路间距小、拓扑结构复杂、信息多样化。

本发明采用如图1所示的处理流程，以实时的GPS车载数据及GIS数据作为输入数据，统一应用最近邻法进行地图匹配，通过A*算法进行车辆轨迹跟踪，再根据车辆数据的前后联系及路况，对不确定定位数据进行判别，处理得到修正后的车辆行驶轨迹，并据此计算单位路段的平均上行速度、下行速度以及综合区间平均速度，显示于数字地图上。本发明中，处理的中间数据及最后的结果统一放在数据库中保存，可用于交通诱导、动态导航等系统。

本发明具体实施步骤如下：

1、用最近邻法进行地图匹配

将10分钟的出租车GPS数据同时读入，并将位置数据视为散点数据用最近邻法进行统一的地图匹配，将车辆的GPS定位数据修正到车辆行驶的道路上。具体实施时的基本原理如图2所示，即要搜索一段道路，使点P到其投影距离最短，投影点即所求的匹配点。实际操作时，应选定一定区域范围内的路段作为候选道路，加快算法速度。图2中，点P是待匹配点，L1、L2是周围的候选道路，P1、P2为投影点。设A(x₁，y₁)、B(x₂，y₂)为候选道路的两端点，k为道路斜率，待匹配点坐标(x，y)，投影点坐标(x_p，y_p)。如图2，当用两点式表示线段方程式时，投影距离公式可表示为：

$d=\frac{x(y_2-y_1)-y(x_2-x_1)+x_2{y}_1+x_1{y}_2}{\sqrt{{(y_2-y_1)}^2+{(x_2-x_1)}^2}}---\left(1\right)$

投影点的计算公式为：

$\left\{\begin{array}{c}k=(y_2-y_1)/(x_2-x_1)\\ x_p=(k^2{x}_1+\mathrm{ky}-{\mathrm{ky}}_1+x)/(1+k^2)\\ y_p=k(x_p-x_1)+y_1\end{array}\right.---\left(2\right)$

这里的最短投影距离设置阈值为10m，当其值过大时，认为是错误匹配点，过滤掉，得到初步结果。阈值设置综合考虑到了城市路网的密度与GPS数据误差。最近邻法对应的投影点为车辆匹配后的位置，完成从点到线的地图匹配。

2、车辆轨迹的形成

对步骤1中得到的分散车辆匹配点，按照匹配点的时间顺序采用A*算法，把前一个时间的车辆匹配点视为初始节点，下一个时间的车辆匹配点视为目标节点，搜索车辆可能达到的整个路网空间图，直至发现目标节点为止，回溯搜索路径，就得到两个点之间的最短路径，记录下来。具体情况分类如图3所示，对于如图3(a)、(b)所示的同一路段和连续路段的情况，处理较简单；对于如图3(c)跨街区的复杂情况，主要用A*算法解决，重点讨论如下：

系统的路网结构是事先得到的固定不变的，属于静态最短路径计算，因此本发明采用了静态最短路径计算中效率较高的A*算法。A*算法属于启发式搜索算法，搜索过程从给定的初始状态开始，搜索整个可能达到的状态空间图，直至发现目标状态为止。启发式搜索优先顺着有启发性和具有特定信息的节点搜索下去，这些节点可能是达到目标节点的最佳路径上的节点。在启发式搜索中，启发函数的设计将决定搜索时耗以及能否寻找到最优解，是算法的关键。本发明中A*算法的评价函数定义为：

f(n)＝g(n)+h(n)    (3)

其中，1)f(n)是从初始点通过节点n到达目标点的估价函数；

2)g(n)是在状态空间中从初始节点到n节点的实际代价，g(n)的定义式为：

g(n)＝d(n)+αc(n)    (4)

d(n)为起始点到节点n实际轨迹的长度，c(n)为节点n的扩展层数，α是两者的比例因子。

3)h(n)是从节点n到目标节点最佳路径的估计代价。它决定了搜索的效率和可采纳性。对于几何路网来说，可以取两点间欧氏距离作为估价值，由于估价值h(n)≤n到目标节点的距离实际值，算法具有可采纳性，能得到最优解。

对以上公式进行修改，可以得到几个不同的有实用意义的估价函数：

1)当d(n)＝0时，f(n)＝g(n)+h(n)＝c(n)+h(n)，评估准则意味着车辆选择交叉路口和转弯较少的状况简单的道路行驶。

2)当c(n)＝0时，f(n)＝g(n)+h(n)＝d(n)+h(n)，评估准则意味着车辆选择路径距离最短的道路行驶。

3)当d(n)＝0，h(n)＝0，算法本质为广度优先算法。

按上述方法依次连接每辆车的所有匹配点，形成车辆轨迹，完成整个车辆行驶轨迹线与城市道路的匹配。对所有车辆进行同样处理，得到路网中所有车辆的行驶轨迹。

3、不确定定位数据的判别与处理

根据投影距离和同一车辆行驶轨迹上临近点所在道路的信息计算匹配点的可信度，投影距离越大匹配点可信度越低，孤立于临近点所在道路的匹配点可信度也设为低。另一个直观并关键的评价原则为：在路口有折返行为，即连续通过相同路径两次的匹配点可直接列入不确定车辆定位数据点。其次对不确定车辆定位数据点向步骤2中得到的车辆行驶轨迹所在道路进行投影，若投影距离在阈值内，不确定车辆定位数据点修改成功，按照新的匹配点修正该段的车辆行驶轨迹；反之，不确定车辆定位数据点修改失败，认为车辆原来的行驶轨迹匹配正确。如图4所示，点A、B、C分别为车辆行驶轨迹上的按时间顺序排列的匹配点，判断B为不确定匹配点。图4(a)中，先不考虑点B，用A*算法找出点A到C的路径T_AC，然后完成点B到T_AC投影，因为投影距离在阈值内，修改成功，重新按照新的匹配点修正该段的车辆行驶轨迹，如图4(b)为修正后的车辆行驶轨迹。图5为在市中心繁华地段节选的地图匹配及轨迹跟踪结果的实例，图中圆圈标记的位置根据以上步骤修改的不确定定位数据的实例。对所有车辆进行同样处理，得到路网中所有车辆修正后的行驶轨迹。

不确定车辆定位数据点主要是因为最近邻法得到的初步定位数据没有考虑车辆数据的前后联系，其主要出现在道路交叉口，而这种交叉路口处的车辆匹配一直是地图匹配的重点和难点。本步骤基于如下假设：在两个匹配点之间，车辆正常行驶，即车辆可选择最短道路路径或最简单路径行驶。最简单路径指车辆在两个测得的GPS车载定位数据点之间经过道路节点最少，行驶路径的结构最简单。本步骤以已有的初步定位和车辆轨迹数据为良好基础，进一步考虑到车辆的历史数据和后续数据，对不确定车辆定位数据点进行处理和纠正，并得到修正过的更精确的车辆轨迹。

4、路网区间平均速度计算

首先由步骤3中修正后的单辆车行驶轨迹提供的车辆位置信息与所在道路信息得到车辆在轨迹上的路程值，再利用GPS车辆数据中的时间信息，两者相除得到车辆在行驶轨迹上行程速度。行程速度的估计取包含交通流周期信息的道路交叉点分段，根据车辆轨迹估计车辆通过道路交叉点时的速度与时间。对路网中的每辆车用相同方法得到所有车辆在行驶轨迹上的行程速度。然后以路段为基本单位，找出在规定时间内行驶在指定路段上的所有车辆，对这些车辆的速度做滤波处理，对滤波后所有车辆的速度取几何平均值，得到该路段的道路区间平均速度，从而得到路网区间平均速度；考虑车辆通过道路节点顺序的不同，得到车辆在道路上的不同行驶方向，从而将车辆的速度信息分类，得到道路的平均上行速度、下行速度。动态显示于GIS地图上，如图6所示，城市交通信息系统以不同的颜色对路网平均行程速度进行区分和显示。

Claims (1)

1、一种城市路网交通流区间平均速度的获取方法，其特征在于包括如下步骤：

1)用最近邻法进行地图匹配：输入城市车辆实时的全球定位系统定位数据及地理信息系统信息，将车辆的位置数据视为散点数据向周围道路垂直投影，并计算投影距离，若其中某散点数据的最短投影距离大于预先设置的阈值，则认为是错误匹配点，将其过滤掉，否则取其最短投影距离所对应的道路为车辆所在的行驶道路，对应的投影点为车辆匹配后的位置，得到初步结果，完成从点到线的地图匹配；

2)车辆轨迹的形成：对步骤1)中得到的分散车辆匹配点，按照匹配点的时间顺序采用A*算法，把前一个时间的车辆匹配点视为初始节点，下一个时间的车辆匹配点视为目标节点，搜索车辆可能达到的整个路网空间图，直至发现目标节点为止，回溯搜索路径，得到两个点之间的最短路径，记录下来；按上述方法依次连接每辆车的所有匹配点，形成车辆轨迹，完成整个车辆行驶轨迹线与城市道路的匹配；对所有车辆进行同样处理，得到路网中所有车辆的行驶轨迹；

3)不确定定位数据的判别与处理：根据投影距离和同一车辆行驶轨迹上临近点所在道路的信息计算匹配点的可信度，并将连续通过相同路径两次的匹配点直接列入不确定车辆定位数据点，对不确定车辆定位数据点向步骤2)中得到的车辆行驶轨迹所在道路进行投影，若投影距离在阈值内，不确定车辆定位数据点修改成功，按照新的匹配点修正该段的车辆行驶轨迹；反之，不确定车辆定位数据点修改失败，认为车辆原来的行驶轨迹匹配正确；对所有车辆进行同样处理，得到路网中所有车辆修正后的行驶轨迹；

4)路网区间平均速度计算：由步骤3)中修正后的单辆车行驶轨迹提供的车辆位置信息与所在道路信息得到车辆在轨迹上的路程值，利用全球定位系统车辆数据中的时间信息，得到车辆在行驶轨迹上行程速度，并用相同方法得到路网中所有车辆在行驶轨迹上的行程速度；然后以路段为基本单位，找出在规定时间内行驶在指定路段上的所有车辆，对这些车辆的速度做滤波处理，对滤波后所有车辆的速度取几何平均值，得到该路段的道路区间平均速度，从而得到路网区间平均速度；由车辆通过道路节点顺序的不同，得到车辆在道路上的不同行驶方向，从而将车辆的速度信息分类，得到道路的平均上行速度、下行速度，并动态显示于地理信息系统地图上。

Images