CN101650876B

CN101650876B - 城市路段交通流平均速度获取方法

Info

Publication number: CN101650876B
Application number: CN2009101047112A
Authority: CN
Inventors: 孙棣华; 廖孝勇; 刘卫宁; 赵敏; 宋伟; 周舒杰
Original assignee: Chongqing University
Current assignee: Suzhou Yunshou Software Technology Co Ltd
Priority date: 2009-08-26
Filing date: 2009-08-26
Publication date: 2011-07-06
Anticipated expiration: 2029-08-26
Also published as: CN101650876A

Abstract

本发明公开一种城市路段平均速度获取方法；包括如下步骤：接收浮动车发回的GPS定位数据，过滤错误数据后，将GPS定位数据匹配到地理信息系统中，按路段进行分组；判断路段上浮动车的GPS数据量是否充分，若GPS数据量充分，则对浮动车数据进行适当过滤后，计算出路段平均速度并存储在存储设备中；若GPS数据量不充分，则利用历史数据和当前数据，计算出路段平均速度并存储在存储设备中；本发明合理判断GPS数据量是否充分，对数据量充分和不充分的路段采用不同的方法获取交通流平均速度，并考虑信号灯和公交车站带来的影响，使获取的平均速度准确、可靠。

Description

城市路段交通流平均速度获取方法

技术领域

本发明涉及交通信息检测技术领域，特别涉及道路实时交通状态检测中的一种路段平均速度获取方法。

背景技术

道路交通状态的获取是实现城市交通智能化管理的重要基础，为解决城市日益严重的交通阻塞问题提供了依据。而路段平均速度作为表征道路交通状态的最基本的参数之一，在道路交通状态估计中发挥着日益重要的作用。近年来，利用浮动车(Floating Vehicles Equipped with GPS)技术获取路段平均速度已成为研究热点，浮动车借助安装于车内的GPS装置，将通过该GPS装置获取的实时位置和瞬时速度，通过无线通信发送到控制中心进行分析。但是，国内用于计算路段平均速度的浮动车GPS数据量有限，所以需要判断估计时段内接收到的数据量是否满足直接估计路段平均速度的要求，然而，现有方法单凭最小覆盖率的计算结果进行判断，判断标准过于绝对，与城市道路复杂的路况不符；并且，当数据量满足直接估计路段平均速度的要求时，现有的方法要么不考虑瞬时速度，直接用路段长度和经过时间计算道路的区间速度，这种方法准确度高，但计算量大，计算周期长；要么直接用瞬时速度计算道路的平均速度，这种方法计算速度快，计算的结果准确度不高；当数据量不满足直接估计路段平均速度的要求时，现有方法仅利用历史数据进行道路平均速度估计，没有利用当前时段接收的数据。综上，现有的方法获取的城市路段交通流平均速度不够准确，难以满足支撑实现合理的城市交通智能化管理的需要。

发明内容

有鉴于此，为了解决上述问题，本发明提供一种城市路段交通流平均速度获取方法，合理判断GPS数据量是否充分，使获取的平均速度准确、可靠。

本发明的目的是这样实现的：城市路段交通流平均速度获取方法，包括如下步骤：

1)接收浮动车发回的GPS定位数据，过滤错误数据后，将GPS定位数据匹配到地理信息系统中，按路段进行分组；

2)判断路段上浮动车的GPS数据量是否充分，若GPS数据量充分，则执行步骤3)，若GPS数据量不充分，则执行步骤4)；

3)对公交浮动车在车站区域内瞬时速度小于阈值的数据进行过滤，然后计算出路段平均速度并存储在存储设备中；

4)利用历史数据和当前数据，获得路段平均速度并存储在存储设备中。

进一步，所述步骤2)具体包括如下步骤：

21)用最小覆盖率方法计算所需的浮动车数量n；

22)将路段上浮动车数量n与GPS数据记录量N作为特征参数，进行模糊化后，建立浮动车数量n与GPS数据记录量N的隶属函数曲线；

23)建立评价集与模糊后的特征参数的关系模式；

24)根据隶属函数曲线与关系模式，得到特征参数与评价集之间的模糊隶属矩阵；

25)根据模糊隶属矩阵，获得路段对各GPS数据量充分度的隶属度矩阵；

26)根据最大隶属度原则，判断GPS数据量是否充分；

进一步，步骤3)中，通过如下步骤获得路段平均速度：

31)对公交浮动车在车站区域内瞬时速度小于阈值的数据进行过滤；

32)获得单车区间速度；

33)将单车区间速度加权平均，获得多车区间速度；

34)将浮动车的多个瞬时速度加权融合，获得多车瞬时速度；

35)将多车区间速度与多车瞬时速度加权融合，获得路段平均速度并存储在存储设备中；

进一步，步骤31)中，当车站区域前方附近有交通信号灯时，则按照信号灯绿信比过滤掉车站区域内瞬时速度小于阈值的数据；

进一步，步骤32)中采用如下方法获得单车区间速度：

若浮动车第一个位置数据L_i，j(T₁)和最后一个位置数据L_i，j(T_z)落在路段i的端点N_s(i)和N_e(i)上，则单车区间速度通过式(1)进行计算：

\overset{&OverBar;}{v_{j}} = \frac{L_{1}}{T_{1} - T_{s} \cdot r} - - - (1)

其中，T₁为浮动车在L_i，j(T₁)和L_i，j(T_z)两点之间的行驶时间，T_s为停站时间，L₁是线性化后的区间路段长度，若车站在两点之间，则r为1，若L_i，j(T₁)或L_i，j(T_z)在车站内，r为0-1之间的随机数，若无车站，则r为0；

若浮动车第一个位置数据L_i，j(T₁)和最后一个位置数据L_i，j(T_z)均在路段i的端点N_s(i)和N_e(i)之间，则区间总长度为L₁被点L_i，j(T₁)和L_i，j(T_z)分成l₁、l₂和l₃三部分，对这3部分分别进行计算，处于L_i，j(T₁)和L_i，j(T_z)之间的l₂段的单车区间速度通过式(1)计算，计算时，式(1)中L₁为线性化后l₂段的长度；将估计时段中在l₁和l₃段上所有浮动车的瞬时速度作算术平均，得到l₁和l₃段的平均速度，以l₁、l₂和l₃为权重加权融合得到单车区间速度v_j；

进一步，步骤4)具体包括如下步骤：

41)利用历史数据，通过指数平滑法获得历史平均速度；

42)判断GPS数据量为欠充分还是不充分，若为不充分，则将历史平均速度作为当前时段的路段平均速度，若为欠充分，则执行步骤43)；

43)将浮动车的多个瞬时速度加权融合，获得当前平均速度；

44)采用变形指数平滑法将历史平均速度与当前平均速度融合，获得路段平均速度并存储在存储设备中。

本发明的城市路段交通流平均速度获取方法，合理判断GPS数据量是否充分，对数据量充分和不充分的路段采用不同的方法获取交通流平均速度，并考虑信号灯和车站带来的影响，使获取的平均速度准确、可靠；在进一步的技术方案中，将多车区间速度与多车瞬时速度加权融合获得路段平均速度，准确度高、计算量小、易于实现。

本发明的其他优点、目标，和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述：

图1示出了城市路段交通流平均速度获取方法的流程示意图；

图2示出了指数平滑法的变形示意图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。

参见图1，本实施例的城市路段交通流平均速度获取方法，包括如下步骤：

1)接收浮动车发回的GPS定位数据，将错误数据过滤，然后将GPS定位数据匹配到GIS电子地理信息系统中，按对应路段进行分组；所述路段是在GIS电子地图中，预先划定的由若干条首尾相连且具有唯一属性信息的线段组成的折线，一条道路可由若干条路段组成；所述匹配，是利用GIS电子地图中的路网信息和GPS定位数据信息，确定浮动车行驶的道路及其在道路上的位置，通过匹配，可提高定位精度；

2)判断路段上浮动车的GPS数据量是否充分，若GPS数据量充分，则执行步骤3)，若GPS数据量不充分，则执行步骤4)；具体包括如下步骤：

21)根据实际交通检测数据表明，对于给定路段，在估计时间间隔内，车辆速度服从正态分布，浮动车区间速度平均值v同样服从正态分布，运用区间估计理论，对于给定置信水平1-α，有：

P (| \frac{v - μ}{σ / \sqrt{n}} | \leq z_{\frac{α}{2}}) &GreaterEqual; 1 - a,

若给定速度允许的估计绝对误差值为±d km/h，有：

\overset{&OverBar;}{v} + \frac{z_{\frac{σ}{2}} σ}{\sqrt{n}} - (\overset{&OverBar;}{v} - \frac{z_{\frac{α}{2}} σ}{\sqrt{n}}) \leq 2 d,

从而：路段上浮动车数量

n &GreaterEqual; {(\frac{z_{\frac{α}{2}} σ}{d})}^{2} .

其中，z是在1-α的置信水平n-1自由度下正态分布的分位数；σ是浮动车样本速度标准差；

22)将路段上浮动车数量n与GPS数据记录量N作为特征参数，特征参数的权重集W＝(W_n，W_N)＝(0.5，0.5)，对于每一个特征参数，均采用包含三个语言变量的模糊子集来描述：{小，中，大}，获得到模糊化后的浮动车数量n和GPS数据记录总量N的隶属函数曲线，令GPS数据量充分度的评价集V＝{很充分、充分、欠充分、不充分}；

23)建立评价集与模糊后的特征参数的关系模式，具体见下表：

24)根据隶属函数曲线与关系模式，得到特征参数与评价集之间的模糊隶属矩阵R：

R = (\begin{matrix} r_{13} & r_{13} & r_{12} & r_{11} \\ r_{13} & r_{12} & r_{12} & r_{11} \end{matrix});

式中：r_ij表示第i(i＝1，2)个因素对第j个模糊语言子集的隶属度，其中j＝1，2，3，分别对应语言变量“小”、“中”、“大”；

25)根据模糊隶属矩阵，通过下式，获得路段对各GPS数据量充分度的隶属度矩阵B：

B＝WoR；

其中：“o”表示模糊合成运算，本实施例中，选用模型

进行模糊合成运算，b_j表示该路段对该GPS数据量充分度的隶属度；

26)根据最大隶属度原则，确定GPS数据量的充分度，很充分和充分级别属于充分范围；数据量欠充分和不充分属于不充分范围，若GPS数据量充分，则执行步骤3)，若GPS数据量不充分，则执行步骤4)；

3)对公交浮动车在车站区域内瞬时速度小于阈值的数据进行过滤。过滤掉上述数据后，获得路段平均速度；具体包括如下步骤：

31)对公交浮动车在车站区域内瞬时速度小于阈值的数据进行过滤。当车站车站区域前方附近有交通信号灯，则按照信号灯绿信比过滤掉车站区域内瞬时速度小于阈值的数据。所述绿信比是指信号灯一个周期内可用于车辆通行的时间比例，利用绿信比可以适当排除公交车站对其前方交通信号灯范围内道路交通流的影响，提高路段平均速度的准确性；

32)根据步骤31)过滤后的GPS数据，获得单车区间速度；根据不同情况，方法分别如下：

若浮动车j第一个位置数据L_i，j(T₁)和最后一个位置数据L_i，j(T_z)落在路段i的端点N_s(i)和N_e(i)上，则浮动车j的单车区间速度通过式(1)进行计算：

\overset{&OverBar;}{v_{j}} = \frac{L_{1}}{T_{1} - T_{s} \cdot r} - - - (1)

若浮动车j第一个位置数据L_i，j(T₁)和最后一个位置数据L_i，j(T_z)均在路段i的端点N_s(i)和N_e(i)之间，则区间总长度L₁被点L_i，j(T₁)和L_i，j(T_z)分成l₁、l₂和l₃三部分，对这3部分分别进行计算，处于L_i，j(T₁)和L_i，j(T_z)之间的l₂段的单车区间速度通过式(1)计算，计算时，式(1)中L₁为线性化后l₂段的长度；将估计时段中在l₁和l3段上所有浮动车的瞬时速度作算术平均，得到l₁和l₃段的平均速度，以l₁、l₂和l₃为权重加权融合得到在路段i的单车区间速度v_j；

若浮动车j只有一个数据L_i，j(T)在路段i的端点N_s(i)和N_e(i)之间，则需要根据车流是连续变化的原理从相邻路段i-1和i+1上寻找离该车最近的GPS数据，然后再按照浮动车j第一个位置数据L_i，j(T₁)和最后一个位置数据L_i，j(T_z)均在路段i的端点N_s(i)和N_e(i)之间的计算方法计算浮动车j在路段i的单车区间速度v_j。

33)将当前路段所有浮动车的单车区间速度v_j加权平均，获得多车区间速度v_int；选取浮动车j的区间速度v_j对路段平均速度反映的完整程度α_j为权重；

34)将从GPS装置直接得到的多个浮动车的瞬时速度值按照聚类的原理进行分区域划分，瞬时速度值落在某个区域内的数量越多，其区域具有较高的可信度，取相对较大的权重；瞬时速度值落在某个区域内的数量越少，其区域则具有较小的可信度，取相对较小的权重，然后将区域权重和瞬时速度加权融合得到多车瞬时速度结果v_ins。

例：设瞬时速度值可能落入的范围划分为7个区间，分别为：0-10、10-20、20-30、30-40、40-50、50-60和60以上，分布在各个区间内的瞬时速度具体分布如下：

区间	0-10	10-20	20-30	30-40	40-50	50-60	＞60
								数值	7	1216	2520	3339	4045	5358	62
		19			474949

各区间瞬时速度的权重为：

W_{1} = W_{7} = \frac{1}{1^{2} + 3^{2} + 2^{2} + 2^{2} + 5^{2} + 2^{2} + 1^{2}} = \frac{1}{48}

W_{2} = \frac{3}{1^{2} + 3^{2} + 2^{2} + 2^{2} + 5^{2} + 2^{2} + 1^{2}} = \frac{3}{48}

W_{3} = W_{4} = W_{6} = \frac{2}{1^{2} + 3^{2} + 2^{2} + 2^{2} + 5^{2} + 2^{2} + 1^{2}} = \frac{2}{48}

W_{5} = \frac{5}{1^{2} + 3^{2} + 2^{2} + 2^{2} + 5^{2} + 2^{2} + 1^{2}} = \frac{5}{48}

v_ins为：

\overset{&OverBar;}{v_{ins}} = \frac{1}{48} (7 + 62) + \frac{3}{48} (12 + 16 + 19) + \frac{2}{48} [(25 + 20) + (33 + 39) + (53 + 58)]

+ \frac{5}{48} (40 + 45 + 47 + 49 + 49) = 37.8

35)将多车区间速度v_int与多车瞬时速度v_ins加权融合，获得路段平均速度v_i：

v_i＝W_intv_int+W_insv_ins

根据前文所述，区间速度的准确度较高，而瞬时速度的计算速度最快，因此权重W_int、W_ins的分配具体详见下表：

权重分配表还可以细分，本发明权重W_int、W_ins分别取0.5、0.5，可使计算的速度和准确度较为均衡。

4)利用历史数据和当前数据，获得路段平均速度，具体包括如下步骤：

41)利用前5个时段的路段平均速度，通过指数平滑法获得历史平均速度；

43)将浮动车的多个瞬时速度按照步骤34)得到多车瞬时速度v_ins，由于GPS数据量不充分，因此，只能用多车瞬时速度去替代当前路段平均速度。

44)采用变形指数平滑法将历史平均速度与当前平均速度融合，获得路段平均速度。

参见图2，左侧为传统的指数平滑法，其实质是用上一期的实际值和预测值来预测这一期的预测值，即用h_t-1和h_t-1来预测h_t，右侧为本发明的变形指数平滑法，其具体变化是：沿用上一期的实际值h_t-1和预测值h_t-1来预测这一期的预测值，称之为暂时预测值z_t，把瞬时速度结果作为这一期的实际值，称之为暂时实际值z_t，再用这一期的暂时预测值z_t和暂时实际值z_t预测这一期的预测值h_t。

以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims

1.城市路段交通流平均速度获取方法，其特征在于：包括如下步骤：

2)判断路段上浮动车的GPS数据量是否充分，若GPS数据量充分，则执行步骤3)，若GPS数据量不充分，则执行步骤4)；所述步骤2)具体包括如下步骤：

21)用最小覆盖率方法计算所需的浮动车数量n；

23)建立评价集与模糊后的特征参数的关系模式；

25)根据模糊隶属矩阵，获得路段对各GPS数据量充分度的隶属度；

26)根据最大隶属度原则，判断GPS数据量是否充分；

3)对公交浮动车在车站区域内瞬时速度小于阈值的数据进行过滤，然后通过如下步骤获得路段平均速度并存储在存储设备中：

32)获得单车区间速度；

33)将单车区间速度加权平均，获得多车区间速度；

34)将浮动车的多个瞬时速度加权融合，获得多车瞬时速度；

4)利用历史数据和当前数据，获得路段平均速度并存储在存储设备中；具体包括如下步骤：

41)利用历史数据，通过指数平滑法获得历史平均速度；

43)将浮动车的多个瞬时速度加权融合，获得当前平均速度；

2.如权利要求1所述的城市路段交通流平均速度获取方法，其特征在于：步骤31)中，当车站区域前方附近有交通信号灯时，则按照信号灯绿信比过滤掉车站区域内瞬时速度小于阈值的数据。

3.如权利要求1所述的城市路段交通流平均速度获取方法，其特征在于：步骤32)中采用如下方法获得单车区间速度：

\overset{&OverBar;}{v_{j}} = \frac{L_{1}}{T_{1} - T_{s} \cdot r} - - - (1)

若浮动车第一个位置数据L_i，j(T₁)和最后一个位置数据L_i，j(T_z)均在路段i的端点N_s(i)和N_e(i)之间，则区间总长度被点L_i，j(T₁)和L_i，j(T_z)分成l₁、l₂和l₃三部分，对这3部分分别进行计算，处于L_i，j(T₁)和L_i，j(T_z)之间的l₂段的单车区间速度通过式(1)计算，计算时，式(1)中L₁为线性化后L₂段的长度；将估计时段中在l₁和l₃段上所有浮动车的瞬时速度作算术平均，得到l₁和l₃段的平均速度，以l₁、l₂和l₃为权重加权融合得到单车区间速度