CN100589143C - 判断浮动车行驶状态的方法及装置 - Google Patents

Abstract

本发明公开一种判断浮动车行驶状态的方法及装置，涉及道路交通路况信息的处理应用领域，以甄别并剔除干扰数据、准确地判断浮动车的行驶状态。该方法包括如下步骤：获取浮动车数据；选择实时地、时间连续地、潜在的无效数据形成采样区间；提取所述采样区间中特征数据；根据所述特征数据的后验概率判断所述浮动车是否处于行驶状态。本发明提供的技术方案可以广泛应用于智能交通系统中。

Description

判断浮动车行驶状态的方法及装置

技术领域

本发明涉及道路交通路况信息的处理应用领域，尤其涉及一种判断浮动车行驶状态的方法及装置。

背景技术

浮动车技术是国际智能交通系统(ITS，Intelligent Transportation System)中所采用的获取实时道路交通信息的先进技术手段之一。其基本原理是通过装备车载全球定位系统和无线通信系统的浮动车在其行驶过程中发送车辆位置、方向和速度等信息，在处理中心应用相关的计算模型和算法进行处理，最终得到浮动车所经道路的交通拥堵信息。浮动车(Float Car Data)也称之为探测车(Probe car)，是安装有定位装置和移动通信装置，可以定时记录和上传位置信息的车辆。在实际应用中，出租车、公交车、货运车、长途车以及载有定位功能手机的车辆均可以作为浮动车。

在正常的行驶状态下，浮动车在道路上的行驶速度代表了道路上的交通拥堵状态，然而这些车辆所具有的某些特殊行驶特征往往给路况计算的准确性造成消极影响。如出租车会在一定的时间段内处在停驶状态或在道旁及宾馆等地待客，系统则会根据此时车辆的行驶速度而做出该区域交通拥堵的误判。鉴于系统接收的浮动车数据中充斥着大量的上述干扰数据，在进行进一步处理之前，对浮动车的行驶状态进行分析，甄别并剔除干扰数据，将极大提高路况信息计算的准确性并提升系统处理的整体效率。

现有的判断浮动车行驶状态的技术包括：

将车速小于1.8公里/小时的数据都认为处于停车状态。由于全球定位系统GPS存在精度误差为5-10米，浮动车最小的回报间隔是20秒，在车辆静止时还是会产生回报位置漂移的现象，漂移的车速＝10米/20秒＝1.8公里/小时。

由于停车分两种情况：一种是被动停车，车辆遇到交叉口红灯、拥堵、事故情况发生的停车行为，在进行道路状况分析时需要包含这种停车行为；一种是主动停车，指驾驶员有目的的停车行为，在进行道路状况分析时需要排除这种停车行为。

然而，现有技术无法有效地判别浮动车的行驶状态是处于主动停驶状态还是被动停驶状态；而且，实际中，浮动车记录的GPS数据要超过全球定位系统GPS的理论误差值，现有的技术方案并未通过实验对参数的种类和有效值进行深入的分析；从而，现有技术无法甄别并剔除干扰数据、准确地判断浮动车的行驶状态。

发明内容

本发明提供一种判断浮动车行驶状态的方法及装置，以甄别并剔除干扰数据、准确地判断浮动车的行驶状态。

为达到上述目的，本发明采用如下技术方案：

一方面，提供一种判断浮动车行驶状态的方法，包括：

获取浮动车数据；

选择实时的、时间连续的、潜在的无效数据形成采样区间；

提取所述采样区间中的特征数据；

根据所述特征数据的后验概率判断所述浮动车是否处于停驶状态。

一方面，提供一种判断浮动车行驶状态的装置，包括：

获取模块，用于获取浮动车数据；

采样区间形成模块，用于选择所述获取模块获取的实时的、时间连续的、潜在的无效数据形成采样区间；

提取模块，用于提取所述采样区间形成模块形成的采样区间中的特征数据；

判断模块，用于根据所述提取模块提取的特征数据的后验概率判断所述浮动车是否处于停驶状态。

本发明提供的判断浮动车行驶状态的方法及装置：通过选择实时的、时间连续的、潜在的无效数据形成采样区间；然后，提取采样区间中的特征数据；根据该特征数据的后验概率判断浮动车是否处于停驶状态。其中，该停驶状态即指主动停驶状态，而被动停车归为拥堵及缓慢行驶状态；从而将处于停驶状态的数据剔除，准确地判断浮动车的行驶状态，得到实时的路况信息。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明判断浮动车行驶状态的方法流程图；

图2为本发明选择所需的数据形成采样区间的方法流程图；

图3为本发明根据特征数据的后验概率判断浮动车是否处于停驶状态的方法流程图；

图4为本发明判断浮动车行驶状态的装置结构图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述仅仅是本发明一部分，而不是全部。基于本发明中，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他，都属于本发明保护的范围。

浮动车存在三种行驶状态：(I)畅通行驶状态(时速30公里/每小时以上)；(II)停驶状态；(III)拥堵及缓慢行驶状态(时速30公里/每小时以下)。在本发明中，停驶状态即指主动停驶状态，而被动停车归为拥堵及缓慢行驶状态。根据浮动车记录包含的瞬时速度信息可以较准确地辨别正常状态，但由于浮动车数据具有一定的误差，在低速情况下区分状态(II)和状态(III)具有一定的困难，需要结合浮动车的经纬度坐标变化，时间特性等其他数据特征，设计适当的方法来判断。为甄别并剔除干扰数据、准确地判断浮动车的行驶状态，本发明提供一种判断浮动车行驶状态的方法，如图1所示，包括如下步骤：

S1，获取浮动车数据。该数据包括：车辆标识、定位时间、所述车辆的经度和维度、瞬时速率、和所述车辆的状态。

在该步骤中之前，还需要车载全球定位系统采集并上传实时的数据(又称：浮动车数据记录)。

S2，选择实时地、时间连续地、潜在的无效数据形成采样区间。

在该步骤之前，预先设置该采样区间的时间长度和所述数据为潜在的无效数据的条件。例如：由于浮动车在间隔15秒至120秒内记录一次浮动车数据，可以将整个采样区间的时间长度设置为大于240秒至360秒，即采样区间至少有两个或两个以上连续的数据。其中，采样区间的数据是时间连续的，浮动车会在一段时间内保持同一行驶状态，因此一个状态下的浮动车数据记录不是单独存在的，停驶或者红绿灯等间歇性停车都可能包含若干条数据记录。该数据为潜在的无效数据的条件可以根据实验得出的统计经验值进行设置。例如：该条件包括：

条件1.采样区间任意一条记录的GPS速度应当在8km/h以下；

条件2.采样区间中任意两条相邻记录的时间差应当在240秒以内；

条件3.采样区间中任意两个相邻采样点的距离应当在30米-40米以内。其根据在于：车辆定位数据的最主要问题在于它的准确性，由于定位误差的影响，车辆的轨迹点无法准确定位到道路上，只能分布于道路的两旁，即定位坐标点有漂移情况，一般情况下的误差为30-40米左右。

与上述设置相对应的，以一辆浮动车的数据处理为例，本发明选择所需的数据形成采样区间可以通过如下步骤实现，如图2所示，包括：

S2.1，遍历浮动车数据，读取当前采样周期内的浮动车数据。

S2.2，判断浮动车数据中是否存在同时满足条件1、条件2和条件3的数据，如果是，则转到步骤S2.3；否则返回步骤S2.1。

S2.3，判断系统中是否有缓存的上一采样周期的无效数据，如果是，则转到步骤S2.4；否则转到步骤S2.5。

S2.4，将当前采样中满足条件1、2和3的数据记录与上一采样周期的无效数据形成采样区间。

S2.5，判断当前数据的采样周期是否大于预置的采样区间的时间长度，如果是，则转到步骤S2.6；否则转到步骤S2.1。

S2.6，将实时地、时间连续地、潜在的无效数据形成采样区间。

S2.7，缓存采样区间内的无效数据。

该采样区间的浮动车数据为潜在的停驶状态下的数据。

S3，提取该采样区间中的特征数据。

根据实验和统计经验值得出的无效数据的时间特性、密度特性、飘逸特性和状态特性中的一种或多种特性提取S2中潜在的无效数据中的特征数据。

时间特征：采样周期所包含的数据所跨越的时间长短，采样开始时间所处时段；例如，如果采样区间处在凌晨，那么其记录无效的可能性就很大。

密度特征：在二维空间上包含采样区间内采样点的分布所构成的最小内切圆的半径，单位面积内采样点的个数等；例如，内切圆半径越小，单位面积内的采样点个数越多，说明浮动车记录无效的可能性越大。

飘逸特征：主要指采样点位移矢量的角度变化，相邻两个采样点构成一个位移矢量，相邻位移矢量构成一个夹角，故可定义位移矢量角度的平均变化来反映采样点的飘移程度。位移矢量的角度变化越剧烈，说明采样点漂移特性体现得越明显，故其记录无效的可能性越大。

状态特性：主要指记录的车辆运营状态或车辆运行状态，运营状态中有运营车辆的空载和载客信息等，当出租车处于空载状态时，车辆停驶的可能性就会较大；运行状态包括发动机状态、ACC状态等，当车辆发动机处于停止状态时或Acc为关闭状态时，车辆的停驶状态可能性会较大。

其中，提取出来的特征数据为离散的数据，该特征数据在步骤S2的基础上进一步接近无效。

S4，根据该特征数据的后验概率判断该浮动车是否处于行驶状态。

如图3所示，该步骤可以具体包括：

S4.1，根据每一个特征数据的先验概率和类条件概率通过贝叶斯公式计算得到任一特征数据的后验概率。

根据贝叶斯公式，在先验概率和类条件概率已知的情况下可以获知特征数据的后验概率。其中，该先验概率和类条件概率可以根据实验和统计经验值获取。对于离散化的每一个特性数据，可以获知其处在既定特征值时采样区间内均为无效记录的概率。

以提取出的5个特征数据为例，分别设提取的特征数据为X_i(i∈[1，5])，设y表征浮动车记录的无效性，则有当x∈X_i时浮动车记录无效的概率为：

$P(y=\mathrm{false}|x\∈X_i)=\frac{p(x\∈X_i|y=\mathrm{false})\·p(y=\mathrm{false})}{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}(p(x\∈X_j|y=\mathrm{false})\·p(y=\mathrm{false}))}$

根据每一个数据特征参数的具体值，可以对应一个属于[0，1]的后验概率值。对于每个数据特征参数有后验概率统计分别结果。例如：

1).特征数据T1

P(abnormal|T1)＝f1(T1)

2).特征数据T2

P(abnormal|T2)＝f2(T2)

3).特征数据T3

P(abnormal|T3)＝f3(T3)

4).特征数据T4

P(abnormal|T4)＝f4(T4)

5).特征数据T5

P(abnormal|T5)＝f5(T5)

…

S4.2，根据所有特征数据的后验概率计算状态判断参数。

根据实验和统计经验值获取权系数向量： $\left\{\begin{array}{c}{\mathrm{\ω}}^{*}=[a,b,c,d,e,...]\\ a+b+c+d+e+...=1\end{array}\right.,,$ 通过权值计算的方法，将五个数据特征合成为状态判读参数：

P(y＝false)

＝a·f1(T1)+b·f2(T2)

+c·f3(T3)+d·f4(T4)

+e·f5(T5)+...

其中，上述省略号为提取的特征数据的数量大于5时进行同样的处理。

S4.3，判断所述状态判断参数是否大于阀值b^*(该阈值根据大量的实验和统计经验值进行设定)；如果是，则转步骤S4.4；否则转步骤S4.5。

S4.4，判断该浮动车在采样周期内处于停驶状态。

S4.5，判断该浮动车在该采样周期内处于拥堵或缓慢行驶状态。

在步骤S4.3至S4.5中，将状态判断参数与阀值b^*进行比较，如果P(y＝false)≥b^*，则认为此采样区间内的记录无效，浮动车在采样周期内处于停驶状态。否则认为有效，根据采样区间数据满足的条件判断该浮动车在该采样周期内处于拥堵或缓慢行驶状态。

本发明中，获取浮动车数据之后，还可以通过比较该数据中的瞬时速率与畅通门限值(根据统计经验值进行设定，通常时速在30公里/每小时以上)的大小，如果所述瞬时速率大于所述畅通门限值，则判断所述浮动车处于畅通行驶状态。

本发明提供的判断浮动车行驶状态的方法通过选择实时的、时间连续的、潜在的无效数据形成采样区间；然后，提取采样区间中的特征数据；根据该特征数据的后验概率判断浮动车是否处于停驶状态。其中，该停驶状态即指主动停驶状态，而被动停车归为拥堵及缓慢行驶状态；从而将处于停驶状态的数据剔除，准确地判断浮动车的行驶状态，得到实时的路况信息。同时，在获取到浮动车数据后，根据该数据的瞬时速率可以判断是否处于畅通行驶状态。数据的提取及行驶状态的判断都是在大量的实验基础上，通过统计经验值进行设置，与实际情况相符，而且剔除干扰数据后的浮动车数据可以供后台的处理中心进一步判断浮动车的行驶状态，从而更准确地分析出路况信息。

为甄别并剔除干扰数据、准确地判断浮动车的行驶状态，本发明提供一种判断浮动车行驶状态的装置，如图4所示，包括：

获取模块1，用于获取浮动车数据；

采样区间形成模块3，用于选择获取模块1获取的实时的、时间连续的、潜在的无效数据形成采样区间；

提取模块5，用于提取采样区间形成模块3形成的采样区间中的特征数据；

判断模块7，用于根据提取模块5提取的特征数据的后验概率判断浮动车是否处于停驶状态。

其中，采样区间形成模块3可以进一步包括：

第一设置单元31，用于设置采样区间的时间长度和数据为潜在的无效数据的条件；以及

选择单元33，用于从获取模块1获取的数据中选择满足第一设置单元31设置的时间长度和条件的数据形成采样区间。

提取模块5可以进一步包括：

第二设置单元51，用于设置无效数据的特性，特性包括时间特性、密度特性、飘逸特性和状态特性中的一种或多种；以及

提取单元53，用于根据第二设置单元51设置的无效数据的特性提取潜在的无效数据中的特征数据。

判断模块7可以进一步包括：

后验概率计算单元71，用于根据每一个特征数据的先验概率和类条件概率通过贝叶斯公式计算得到提取单元5提取的任一特征数据的后验概率；

状态判断参数计算单元73，用于根据后验概率计算单元71计算得出的所有特征数据的后验概率计算状态判断参数；

行驶状态判断单元75，用于判断状态判断参数计算单元73计算得出的状态判断参数是否大于阀值；如果是，则判断浮动车在采样周期内处于停驶状态；否则，判断浮动车在采样周期内处于拥堵或缓慢行驶状态。

其中，行驶状态判断单元75还用于比较获取模块1获取的数据中的瞬时速率与畅通门限值的大小，如果瞬时速率大于畅通门限值，则判断浮动车当前处于畅通行驶状态。

本发明提供的判断浮动车行驶状态的装置通过采样区间形成模块3选择实时的、时间连续的、潜在的无效数据形成采样区间；然后，提取模块5提取采样区间中的特征数据；判断模块7根据该特征数据的后验概率判断浮动车是否处于停驶状态。其中，该停驶状态即指主动停驶状态，而被动停车归为拥堵及缓慢行驶状态；从而将处于停驶状态的数据剔除，准确地判断浮动车的行驶状态，得到实时的路况信息。同时，在获取到浮动车数据后，根据该数据的瞬时速率可以判断是否处于畅通行驶状态。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (11)

1、一种判断浮动车行驶状态的方法，其特征在于，包括：

获取浮动车数据；

选择实时的、时间连续的、潜在的无效数据形成采样区间；

提取所述采样区间中的特征数据；

根据所述特征数据的后验概率判断所述浮动车是否处于停驶状态。

2、根据权利要求1所述判断浮动车行驶状态的方法，其特征在于，所述选择实时地、时间连续地、潜在的无效数据形成采样区间之前还包括：

设置所述采样区间的时间长度和所述数据为潜在的无效数据的条件。

3、根据权利要求1所述判断浮动车行驶状态的方法，其特征在于，所述提取所述采样区间中特征数据包括：

根据无效数据的时间特性、密度特性、飘逸特性和状态特性中的一种或多种特性提取所述潜在的无效数据中的特征数据。

4、根据权利要求1所述判断浮动车行驶状态的方法，其特征在于，所述根据所述特征数据的后验概率判断所述浮动车是否处于停驶状态包括：

根据每一个特征数据的先验概率和类条件概率通过贝叶斯公式计算得到任一特征数据的后验概率；

根据所有特征数据的后验概率计算状态判断参数；

判断所述状态判断参数是否大于阈值；如果是，则判断所述浮动车在采样周期内处于停驶状态；否则，判断所述浮动车在所述采样周期内处于拥堵或缓慢行驶状态。

5、根据权利要求1至4任一所述判断浮动车行驶状态的方法，其特征在于，获取的所述浮动车的数据包括：

车辆标识、定位时间、所述车辆的经度和维度、瞬时速率、和所述车辆的状态。

6、根据权利要求5所述判断浮动车行驶状态的方法，其特征在于，所述获取浮动车数据之后还包括：

比较所述瞬时速率与畅通门限值的大小，如果所述瞬时速率大于所述畅通门限值，则判断所述浮动车处于畅通行驶状态。

7、一种判断浮动车行驶状态的装置，其特征在于，包括：

获取模块，用于获取浮动车数据；

采样区间形成模块，用于选择所述获取模块获取的实时的、时间连续的、潜在的无效数据形成采样区间；

提取模块，用于提取所述采样区间形成模块形成的采样区间中的特征数据；

判断模块，用于根据所述提取模块提取的特征数据的后验概率判断所述浮动车是否处于停驶状态。

8、根据权利要求7所述判断浮动车行驶状态的装置，其特征在于，所述采样区间形成模块包括：

第一设置单元，用于设置所述采样区间的时间长度和所述数据为潜在的无效数据的条件；

选择单元，用于从所述获取模块获取的数据中选择满足所述第一设置单元设置的时间长度和条件的数据形成采样区间。

9、根据权利要求7所述判断浮动车行驶状态的装置，其特征在于，所述提取模块包括：

第二设置单元，用于设置无效数据的特性，所述特性包括时间特性、密度特性、飘逸特性和状态特性中的一种或多种；

提取单元，用于根据所述第二设置单元设置的无效数据的特性提取所述潜在的无效数据中的特征数据。

10、根据权利要求7所述判断浮动车行驶状态的装置，其特征在于，所述判断模块包括：

后验概率计算单元，用于根据每一个特征数据的先验概率和类条件概率通过贝叶斯公式计算得到所述提取模块提取的任一特征数据的后验概率；

状态判断参数计算单元，用于根据所述后验概率计算单元计算得出的所有特征数据的后验概率计算状态判断参数；

行驶状态判断单元，用于判断所述状态判断参数计算单元计算得出的状态判断参数是否大于阀值；如果是，则判断所述浮动车在采样周期内处于停驶状态；否则，判断所述浮动车在所述采样周期内处于拥堵或缓慢行驶状态。

11、根据权利要求10所述判断浮动车行驶状态的装置，其特征在于，

所述行驶状态判断单元还用于比较所述获取模块获取的数据中的瞬时速率与畅通门限值的大小，如果所述瞬时速率大于所述畅通门限值，则判断所述浮动车当前处于畅通行驶状态。

Images