CN101270997A - 基于gps数据的浮动车动态实时交通信息处理方法 - Google Patents

Abstract

本发明公开了一种基于GPS数据的浮动车动态实时交通信息处理方法，包括如下步骤：1.GPS点数据预处理以及地图预处理措施；2.根据投影距离和方位角进行点匹配选择备选路段集；3.运用考虑前后点间拓扑关系的改进的最优路径选择法确定正确匹配路段并找出行驶路径(其中包括针对城市复杂路网的特殊区域节点处理方法)；4.计算路径平均行驶速度，按速度公式统计生成路网速度专题图。本发明基于GPS数据的浮动车动态实时交通信息处理方法能较好的适用于立交遍布、主辅路交错的现代复杂城市路网，既能满足大数据量GPS数据实时计算的速度要求，又能获得较高的匹配精确度。

Description

基于GPS数据的浮动车动态实时交通信息处理方法

技术领域

本发明涉及智能交通应用领域，特别是一种基于GPS数据的浮动车动态信息实时处理方法。

背景技术

随着社会的发展，城市交通流量不断加大，交通拥堵现象时有发生。为此加强交通管理，疏导交通就十分重要，而关键就在于对交通状态的实时监控。

浮动车系统作为一种新的交通流信息采集技术，在大城市迅速发展起来。浮动车通常是指具有定位和无线通信装置的车辆，浮动车系统一般由三个部分组成：车载设备、无线通信网络和数据处理中心。浮动车将采集所得的位置和时间数据上传给数据处理中心，由数据处理中心对数据进行存储、预处理，然后结合地图利用相关模型计算或预测车辆行驶速度、路段行程时间等道路运行参数。相对于固定检测器数据采集技术，浮动车系统具有建设周期短、投资少、覆盖范围广、数据精度高、实时性强、受天气影响小等诸多优点。浮动车实时计算系统能为相关部门提供城市道路实时交通状况信息，长期积累的道路运行历史数据也可为城市道路建设规划、拥堵缓解等各项工作提供定量数据分析基础。

浮动车数据的应用是和道路紧密联系的，只有判断出车辆在哪条具体的道路上行驶，才能将GPS数据转化为道路交通状态。而由于车载GPS终端采集的经纬度坐标和电子地图本身都具有一定的误差，尤其是GPS位置数据往往带有二三十米的水平误差，因而导致车辆坐标无法与电子地图中与之行驶相对应的道路对象相吻合，在未经匹配的系统界面上就表现为车辆并非行驶在道路上。因此必须采用道路匹配算法，使车辆定位点与相应的道路相匹配，而将该点直接匹配到道路中心线上。

对于车载导航来说，目前主要有三种途径来提高匹配准确度，一是靠GPS差分法，实时的差分GPS可以将水平位置精度提高到1米至5米的水平，从而满足城市道路的匹配精度要求；二是通过同时获取其它辅助信息来减少定位误差，如通过旋转罗盘、车辆里程表或其它一些航位推算方法来纠正GPS的位置误差；第三种则是根据车辆实际行驶于路上而发展的几何算法。

浮动车关键技术中的地图匹配技术的概念来源于车辆导航系统，但由于两者数据采集频率不同，匹配目的不同，实时性要求不同，匹配规模不同而存在较大的差异。对于浮动车系统而言，导航系统通常采用的通过差分、旋转罗盘、航位推算等匹配方法显然不太适用，地图匹配技术更多的是依靠复杂的数学算法来判断车辆的真实行驶轨迹，这就是我们的发明目标内容。

对于地图匹配技术，目前很多学者已经提出了若干种地图匹配算法，适用于浮动车系统的匹配算法可分为点到点匹配、点到线匹配和线到线三种。其原理都是以模式识别理论为基础，以某个车辆位置点或某段车行轨迹曲线作为待匹配样本，以该点或该轨迹曲线附近的所有道路上的位置点或道路曲线作为模板，通过待匹配样本与模板间的匹配，选择形状相似度最高的模板作为匹配结果。但是根据具体数据情况系统功能要求的不同，这些算法各有各的优势，也各有各的局限性。

而目前实际运营的基于GPS数据的浮动车数据匹配算法在应用于现代城市复杂路网时主要要面对三大关键技术难点：

1.数据需要实时处理，数据量较大，因此对系统的计算速度性能要求较高；

2.数据间隔一般较大，导致定位点信息之间的相关性比较差，；

3.现代城市路网密集且结构复杂，因此对系统的匹配容错率要求较高。

这三个难点使得上述已有算法在应用于复杂城市路网的浮动车实时计算系统时，往往都不能获得理想的计算效果。点到点和点到线匹配方法，一般算法简单满足实时计算速度性能要求，但往往只适用于全国的高速路网等结构简单的大路网，在道路密集、结构复杂的城市区域都会产生很高的匹错率；而基于轨迹曲线的线到线匹配算法，虽然容错率高且已有一些较为成熟的算法可以借鉴，但是这些算法都需要先获得准确的轨迹曲线作为匹配样本，因此只适用于GPS采集间隔5秒以内的高密度时序数据集，对于采集间隔长达到1分钟以上的GPS轨迹点来说，前后两点差距会达到1-2公里，其间可能通过了很复杂的城市路网，如立交匝道等，前后点间的相关性差就决定了整个匹配算法不能采用要求相关性很强的线到线匹配算法。另外考虑到从数据预处理到地图匹配到道路平均旅行速度的统计计算到拥堵专题图的生成，整套过程都需要实时完成，而浮动车采集的GPS数据量又很大，综合计算效率问题，也不太适合这些利用神经网络等能取得高精度但很复杂的线到线匹配方法。另外目前较为先进的考虑了拓扑关系的点到线匹配法虽然在不大量增加计算复杂程度的情况下提高了一般城市路网的匹配精度，但在主辅路和复杂立交匝道出入口等区域仍然得不到理想的匹配容错性能，而现代都市一般都复杂立交系统密布，各条高速路、城市快速路以及部分主干道都设有主辅路，浮动车频繁上下主辅路，过立交，几乎很少有一次完整的出行能够避开这些系统只行驶于简单的平面城市道路系统，因此这一部分误差不可忽视。

发明内容

本发明的目的为提供一种适用于立交遍布、主辅路交错的现代复杂城市路网，匹配精确度高而又能满足实时计算性能要求的基于GPS数据的浮动车动态实时交通信息处理方法。

实现上述发明目的的技术方案如下：

基于GPS数据的浮动车动态实时交通信息处理方法包括如下步骤：

1.GPS点数据预处理，包括本身错误数据的过滤和根据浮动车状态的数据过滤，以及地图预处理措施；

2.先根据GPS点到周围路段的投影距离以及车辆行驶方位角与路段方向角的差值不超过最大误差范围进行点到线匹配，从而确定备选路段集；

3.运用考虑前后点间拓扑关系的改进的最优路径选择法确定车辆在路网的正确位置点和它的行驶路径，其中包括了高匹错率复杂区域的特殊处理方法。具体如下：

a.如果备选路段集合中路段数＝0，匹配失败，直接进入下一点匹配过程；

b.如果备选路段集合中路段数＝1，则直接以此路段上的投影点作为匹配点，根据两点间时间差和速度值理论范围确定最大允许旅行距离，搜索与前点间的最优路径，若存在路径，则路径匹配成功，将旅行距离除以旅行时间即得平均旅行速度，反之匹配失败，只将此投影点作为下一匹配点的前点；

c.如果备选路段集合中路段数＞1，则一一求得各路段上投影点，并以最大允许旅行距离为条件搜索与前点间的最优路径，若只搜到一个点存在可达路径，此点即为匹配结果点，根据这条路径计算平均旅行速度；若无一个点存在连通路径，同样只将此投影点作为下一匹配点的前点；若搜到可达路径的点数＞1，则转到步骤d；

d.按照各投影点与前点间路径长度从小到大排序，若第二个值比第一个值大于一个阈值以上，则此最短路径对应的投影点为匹配点；若两条路径间距离差值在这个阈值以内，就可能碰到了主辅路、立交匝道出入口等复杂区域的匹配问题，按步骤e执行；

e.判断两个路段是否起始于一个节点且离此节点距离在一个阈值以内，若是，将该节点作为匹配点不会造成与下一点间的路径匹配错误，而且短距离的旅行长度偏差也不会造成较大旅行速度误差，如果不满足这两项条件，则转入步骤f；

f.搜索该车辆该计算周期内起点到终点的最优路径，计算各点到该路径的投影距离、方位角偏差加权和，取最小者为匹配结果。

4.计算路径平均行驶速度，按速度公式统计生成速度专题图。

步骤1中所述数据过滤措施，是由于城市中GPS终端被建筑物遮挡或者其它一些客观原因会造成GPS数据产生漂移甚至严重错误；另外，对于目前大多以出租车为主的浮动车系统，考虑到出租车驾驶行为与普通车有所差异，不能很好反应当前真实道路运行状况，因此，在进行其它处理前，对接收到的GPS点数据进行预处理是十分必要的。

所述本身错误的数据过滤措施包括位置控制和速度值控制，即接收到的GPS经纬度坐标要位于该城市地理范围之内，GPS速度值要位于车辆理论速度最小与最大值之间；

所述根据浮动车状态的数据过滤措施为将上传数据的出租车记录为空载、驻车以及停运的数据进行提前剔除；

步骤1所述地图预处理措施主要为保证地图匹配的正常进行以及有助于计算速度的提高，具体包括：1.地理范围及详细程度的确定：以城市中心区为研究范围，另外，把基础路网中胡同类路径也进行了过滤，减少不必要的匹配工作量；2.地图投影变换：由于地图匹配中测距的需求，球面经纬度的GPS点数据需要实时投影变换到平面坐标系下，因此也需要预先将路网底图投影到同一平面坐标下；3.路网拓扑的建立：参与匹配的底图路网包括路段层和节点层，使节点层中每个节点具备唯一ID，路段划线方向与实际通行方向一致，起始点号明确。处理后的路网具备完整的路网拓扑关系(包括路网的连通性和方向性)，从而保证了应用网络拓扑关系增强的地图匹配算法的可行性；4.路网的双向显示：路网双方向道路中心线平移开10米间隔，使路网更为符合实际情况，也方便了最后路网速度图的双向显示；5.路网的格网分层：将目标研究领域路网图层按经纬度等间距分格并按照编号顺序存储，在给定待匹配的GPS点后，用折半查找法快速就能找到该点所在的网格号，从而提高了路段检索效率。

步骤4中所述按速度公式统计路段平均旅行速度，是由于在一般为5分钟的一个浮动车实时系统计算周期里，存在多于一辆车驶过同一个路段，该路段就会对应多条旅行速度记录，因此需要采用速度公式(1)来统计得到该计算周期内路段的平均旅行速度。

式中，V——道路的平均旅行速度；

Li——第i条记录在该路段上行驶的距离；

Vi——第i条记录在该路段上行驶的速度。

本发明基于GPS数据的浮动车动态实时交通信息处理方法能较好的适用于立交遍布、主辅路交错的现代复杂城市路网，既能满足大数据量GPS数据实时计算的速度性能要求，又能获得较高的匹配精确度。

附图说明

图1为本发明数据处理流程图

图2为实施例中北京市浮动车实时计算系统界面图

图3为系统处理真实浮动车过主辅路并行及复杂立交区域的匹配结果图

图4为车牌识别、固定检测器(RTMS)和浮动车三种数据计算结果的比较图

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

目前北京市浮动车系统充分利用现有的出租车安防、调度系统的数据采集系统，通过接入现有出租调度中心获取出租车实时GPS数据，在计算中心进行实时数据处理。目前参与计算的出租车在7000辆左右，占出租车总量的10％以上，占机动车总数的2.5％。每辆车大约每分钟上传一个GPS点数据，数据内容包括车辆编号、上传时间、经纬度坐标、瞬时速度、方位角、运营状态等信息。部署于数据处理中心的浮动车动态实时交通信息处理系统以5分钟为计算周期，目前中心每天接收到的数据量为600M左右。北京市浮动车系统典型地体现了现代城市浮动车系统所面临的三大技术难点特征：数据量大、前后数据位置相关性差、路网结构复杂。

以北京市为例，如图1所示的基于GPS数据的浮动车动态实时交通信息处理方法，包括如下步骤：

步骤1.GPS点数据预处理，包括本身错误数据的过滤和根据浮动车状态的数据过滤，以及地图预处理措施；

本身错误的数据过滤措施又包括位置控制和速度值控制。位置控制是指接收到的GPS经纬度坐标要位于北京市地理范围之内，这就排除了因建筑物遮挡等原因引起的严重数据漂移错误；速度值控制指的是GPS速度值要小于北京市区道路最高限速100公里/小时以内。

根据出租车状态的数据过滤是由于考虑到处于非载客状态的出租车出于工作需要常常会泊于路边或沿路缓慢行驶待客，这部分采集回来的数据并不能真正反映当时的路况信息，而且当GPS数据显示瞬时速度很小的时候往往会产生严重的静态漂移现象，所以如果这部分数据参与计算也会影响到其它数据的处理结果，并导致最终结果失真。因此在本系统中将记录为空载、驻车以及停运的数据作为第二类逻辑过滤数据进行提前剔除，以求最真实地反映当前路况。

电子路网底图的预处理主要包括1.地理范围及详细程度的确定：目前北京市大部分的出租车还是活跃在五环以内，人们最关心的也是五环以内的城市中心区实时路况，所以本次研究确定以五环为研究范围。另外，基础路网中也包含了胡同类路径，这些小路往往已经伸入小区内部，也不是人们所关心的路段范围，因此把基础路网中胡同类路径也进行了过滤。这类过滤减少了参与搜索的路径数量，减少了不必要的工作量，大大提高了匹配效率；2.地图投影变换：原始GPS接收机接收数据以及地理底图路网数据都为WGS84经纬度坐标数据，考虑到地图匹配中测距的需求要把这些待匹配的GPS点数据与地理底图数据投影变换到同一平面坐标系统下，本系统中将路网底图预先投影到WGS84UTM平面坐标下，GPS点数据投影变换实时进行；3.路网拓扑的建立：保证了路网的连通性以及方向性。最后参与匹配的底图路网包括路段层和节点层，节点层中每个节点具备唯一ID，路段划线方向与实际通行方向一致，起始点号明确，处理后路网具备逻辑清晰的几何拓扑关系；4.路网的双向显示：路网双方向道路中心线平移开10米间隔，使路网更为符合实际情况，也方便了最后路网速度图的双向显示。5.路网的格网分层：将目标研究领域路网图层按经纬度等间距分格并按照编号顺序存储，在给定待匹配的GPS点后，用折半查找法快速就能找到该点所在的网格号，从而提高了路段检索效率。

步骤2.根据GPS点到周围路段的投影距离以及GPS点瞬时方位角与路段方位角差值进行点匹配，将投影距离小于本系统最大GPS水平误差40m和方位角差值小于45°的路段归入备选路段集；

步骤3.运用考虑前后点间拓扑关系的改进的最优路径选择法确定车辆在路网中的正确位置点及其行驶路径；

最优路径选择算法部分在充分利用道路网连通性和方向性拓扑关系的基础上，针对北京市复杂道路匹配遇到的实际情况，增加了主辅路和立交匝道出入口区域的特殊节点匹配处理方法，具体算法步骤如下所示：

a.如果备选路段集合中路段数＝0，匹配失败，直接进入下一点匹配过程；

b.如果备选路段集合中路段数＝1，则直接以此路段上的投影点作为匹配点，根据两点间时间差和速度值理论范围确定最大允许旅行距离，搜索与前点间的最优路径，若存在路径，则路径匹配成功，将旅行距离除以旅行时间即得平均旅行速度；反之匹配失败，只将此投影点作为下一匹配点的前点；

c.如果备选路段集合中路段数＞1，则一一求得各路段上投影点，并以最大允许旅行距离为条件搜索与前点间的最优路径，若只搜到一个点存在可达路径，此点即为匹配结果点，根据这条路径计算平均旅行速度；若无一个点存在连通路径，同样只将此投影点作为下一匹配点的前点；若搜到可达路径的点数＞1，则转到步骤d；

d.按照各投影点与前点间路径长度从小到大排序，若第二个值比第一个值大于一个阈值(该阈值比较敏感，根据北京市实际情况，经测试后取100m为阈值)以上，则此最短路径对应的投影点为匹配点；若两条路径间距离差值在该阈值以内，就可能碰到了主辅路、立交匝道等复杂区域的匹配问题，按步骤e执行；

e.判断两个路段是否起始于一个节点且离此节点距离在阈值内，若是，将该节点作为匹配点不会造成与下一点间的路径匹配错误，而且短距离的旅行长度偏差也不会造成较大旅行速度误差。如果不满足这两项条件，则转入步骤f。

f.搜索该车辆该计算周期内起点到终点的最优路径，计算各点到该路径的投影距离、方位角偏差加权和，取最小者为匹配结果。

步骤4.计算路径平均行驶速度，按速度公式统计生成速度专题图。

按上述4步骤法建设完成的北京市浮动车动态实时交通信息计算系统界面如图2所示。系统以北京市五环作为地理计算范围，以5分钟为计算周期，实时计算上5分钟接收到的GPS点数据，根据地图匹配结果计算平均旅行速度，最后统计生成上5分钟的路网速度专题图。

为了验证上述算法的可行性及实际运行效率，下面通过3天实际数据的系统测试，分别从数据过滤合理性、地图匹配效率与精度对本发明应用于复杂城市路网的性能表现作进一步说明。

数据过滤合理性

表1GPS点匹配结果

如表1中结果所示，对GPS原始点数据进行了错误数据过滤和根据出租车状态的数据过滤后，单点匹配精度得到了大幅上升。另外从匹配上数据的计算情况看，过滤后路网平均速度升高，与待客出租有主动缓慢行驶行为，不能很好反映当时真实交通状况的预测也是吻合的。

地图匹配效率与精度

系统首先采用了目前较为先进的考虑了路网拓扑关系的点到线匹配算法，该算法首先根据GPS点到周围路段的投影距离和车辆行驶方位角与路段方向角的差值确定匹配路段，然后搜索前后点间最优路径作为匹配路径。前面已经提及，该算法虽然在不大量增加计算复杂程度的情况下提高了一般城市路网的匹配精度，但在主辅路和复杂立交匝道等区域仍然得不到理想的匹配容错性能，而现代都市一般都复杂立交系统密布，各条高速路、城市快速路以及部分主干道都设有主辅路，因此这一部分误差不可忽视。

然后系统采用了本发明中使用的地图匹配算法，通过判断两个最短路径长度之差是否在一定阈值内并且两个路段是否起始于一个节点来特殊处理主辅路及立交匝道出入口处的匹配细节问题，算法将此节点作为匹配点，这样就不会造成与下一点间的路径匹配错误，而且该算法利用路网拓扑结构的连通性和方向性，通过搜索最短路径法辅助判断匹配路段，并且以搜索到的该路径作为前后点之间的行驶轨迹，弥补大采集时间间隔位置点数据之间的间断性。

表2为算法改进前后匹配对照

算法测试时将北京市浮动车实时计算系统部署于个人PC机上，从3天真实数据计算结果比较了前后算法的匹配速度，另外抽取几辆样本车的全天连续GPS点作为试验数据与人工辨识的真实轨迹作比较测试了前后算法的匹配精度。从表2的测试结果看，本发明中使用的地图匹配算法速度完全满足目前浮动车数量下100个点/秒的要求(7000辆车高峰时间5分钟约上传数据30000条)，也达到了理想的匹配精度提升。该算法从实践意义上满足目前北京市浮动车动态实时交通信息计算系统的性能要求。

表2

	匹配速度(点/秒)	匹配精度
			改进前算法	520	83.0％
改进后算法	313	95.6％

如图3所示，为系统处理真实浮动车过主辅路并行及复杂立交区域的匹配结果，系统采用的匹配算法能准确辨识出车辆的真实行驶轨迹。

为了验证浮动车系统按速度公式统计的道路平均旅行速度的准确度，方法精度测试另外将车牌识别数据和固定检测器数据(RTMS)速度值与浮动车系统的计算结果作了对比。其中车牌识别是在北四环主路间距约3千米的两座天桥上架设摄像机，每台摄像机负责一条车道，同时记录上下游两个断面的交通流状况，通过车牌识别软件获取这一路段的平均旅行速度，由于车牌识别的准确率较高，且与浮动车系统一样计算的都是路段的平均旅行速度，可以将其作为真值与同时间该路段的浮动车计算结果进行比较。另外检测器数据所得的速度值是利用交管部门布置在同一路段上的固定检测设备测得的速度值的平均值，检测器经调准后所测速度值也较为可靠，可作为比较参考值。从图4所示的实验结果看，浮动车与车牌识别检测结果及检测器结果吻合度均较好，结果比较理想。

Claims (4)

1. 基于GPS数据的浮动车动态实时交通信息处理方法包括如下步骤：

一.GPS点数据预处理，包括本身错误数据的过滤和根据浮动车状态的数据过滤，以及地图预处理措施；

二.根据GPS点到周围路段的投影距离和方位角差值进行点匹配，从而确定备选路段集；

三.运用考虑前后点间拓扑关系的改进的最优路径选择法确定正确匹配路段，并找出浮动车行驶路径，具体如下：

a.如果备选路段集合中路段数＝0，匹配失败，直接进入下一点匹配过程；

b.如果备选路段集合中路段数＝1，则直接以此路段上的投影点作为匹配点，根据两点间时间差和速度值理论范围确定最大允许旅行距离，搜索与前点间的最优路径，若存在路径，则路径匹配成功，将旅行距离除以旅行时间即得平均旅行速度，反之匹配失败，只将此投影点作为下一匹配点的前点；

c.如果备选路段集合中路段数＞1，则一一求得各路段上投影点，并以最大允许旅行距离为条件搜索与前点间的最优路径，若只搜到一个点存在可达路径，此点即为匹配结果点，根据这条路径计算平均旅行速度；若无一个点存在连通路径，同样只将此投影点作为下一匹配点的前点；若搜到可达路径的点数＞1，则转到步骤d；

d.按照各投影点与前点间路径长度从小到大排序，若第二个值比第一个值大于一个阈值以上，则此最短路径对应的投影点为匹配点；若两条路径间距离差值在这个阈值以内，就可能碰到了主辅路、立交匝道出入口等复杂区域的匹配问题，按步骤e执行；

e.判断两个路段是否起始于一个节点且离此节点距离在一个阈值以内，若是，将该节点作为匹配点不会造成与下一点间的路径匹配错误，而且短距离的旅行长度偏差也不会造成较大旅行速度误差，如果不满足这两项条件，则转入步骤f；

f.搜索该车辆该计算周期内起点到终点的最优路径，计算各点到该路径的投影距离、方位角偏差加权和，取最小者为匹配结果。

四.计算路径平均行驶速度，按速度公式统计生成速度专题图。

2. 根据权利要求1所述的基于GPS数据的浮动车动态实时交通信息处理方法，其特征为步骤1中所述本身错误的数据过滤措施包括地理位置控制和速度值控制，即接收到的GPS经纬度坐标要位于该城市地理范围之内，GPS速度值要位于车辆理论速度最小与最大值之间；

3. 根据权利要求1所述的基于GPS数据的浮动车动态实时交通信息处理方法，其特征为步骤1中所述浮动车为出租车，浮动车状态的数据过滤为将上传数据的出租车记录为空载、驻车以及停运的数据进行提前剔除。

4. 根据权利要求1所述的基于GPS数据的浮动车动态实时交通信息处理方法，其特征为步骤1中所述地图预处理措施为，1.地理范围及详细程度的确定：以城市中心区为研究范围，另外，把基础路网中胡同类路径也进行了过滤；2.地图投影变换：将路网底图预先投影到平面坐标系下，GPS点数据投影变换实时进行；3.路网拓扑的建立：参与匹配的底图路网包括路段层和节点层，使节点层中每个节点具备唯一ID，路段划线方向与实际通行方向一致，起始点号明确，保证路网的连通性和方向性；4.路网的双向显示：路网双方向道路中心线平移开10米间隔，使之与现实情况相符并便于双向显示；5.路网的格网分层：将目标研究领域路网图层按经纬度等间距分格并按照编号顺序存储，以提高路段搜索效率。

Images