CN101989381A - 基于浮动车技术的道路单向限行与通行状态识别方法 - Google Patents

Abstract

本发明提供一种基于浮动车技术的道路单向限行与通行状态识别方法，利用大量装备GPS等车载定位系统的浮动车在其行驶过程中定期采集并传送回数据中心的车辆编号、位置、方向和速度信息，经滤波后得到道路行车数据并提取道路的单向限行与通行动态第一特征因子，同时系统对道路行车数据库进行数据挖掘，得到道路在相应时间窗的单向限行与通行统计第二特征因子，通过所述第一特征因子与对应的所述第二特征因子进行匹配，从而系统可自动识别道路的单向限行与通行状态。本发明为各类交通信息服务系统提供动态的、准确的道路单向限行与通行状态变化信息，不仅信息获取渠道成本低，而且信息更新及时可靠，对各类交通信息服务系统有着重要的意义。

Description

基于浮动车技术的道路单向限行与通行状态识别方法

【技术领域】

本发明属于信息技术应用领域。具体是涉及交通信息服务系统中道路单向限行与通行状态的识别方法，为公众出行等提供动态的道路单向限行与通行状态的交通信息服务。

【背景技术】

浮动车技术，也被称作“探测车”，已经被广泛使用，其基本原理是：根据装备车载全球定位系统的浮动车在其行驶过程中定期记录的车辆位置，方向和速度信息，应用地图匹配、路径推测等相关的计算模型和算法进行处理，使浮动车位置数据和城市道路在时间和空间上关联起来。目前在公众出行等交通信息服务系统中，由于市政施工等原因导致的道路单向限行与通行状态变化需要由路政等施工单位实时上报，再发布给公众以指导出行。因此，这种基于手动模式的原始方法，不仅依赖于路政等施工单位进行信息上报的实时性，而且部分系统由于缺乏这类路政信息的获取渠道而无法为公众提供动态的道路单向限行与通行状态信息服务。该方法不仅更新周期长，而且更新成本高，无法实现道路单向限行与通行状态变化的动态更新。

【发明内容】

本发明所要解决的技术问题在于提供一种基于浮动车技术的道路单向限行与通行状态识别方法，其克服了背景技术中，更新周期长，而且更新成本高，无法实现道路单向限行与通行状态变化的动态更新的不足。

本发明是这样实现的：一种基于浮动车技术的道路单向限行与通行状态识别方法，其特征在于：包括以下步骤：

步骤10、利用浮动车在行驶过程中采集车辆编号、位置、方向和速度信息，并将采集到的数据信息传送到数据服务中心；

步骤20、数据服务中心对所述数据信息中的速度信息进行预处理，得到道路行车数据并提取道路的单向限行与通行动态第一特征因子；

步骤30、数据服务中心对所述数据库进行数据挖掘，得到道路在相应时间窗的单向限行与通行统计第二特征因子；

步骤40、数据服务中心对所述第一特征因子与对应所述第二特征因子进行匹配，当匹配距离超过设定阈值则表明道路的当前状态发生改变，此时系统自动识别道路的单向限行与通行状态。

本发明的优点在于：利用大量的浮动车在行驶过程中采集信息，并通过单向限行与通行动态第一特征因子与统计第二特征因子匹配，来识别道路的单向限行与通行状态，可实现交通图层道路信息的动态更新，为各类交通信息服务系统提供动态的、准确的道路单向限行与通行状态变化信息，不仅信息获取渠道成本低，而且信息更新及时可靠，对各类交通信息服务系统有着重要的意义。

【附图说明】

图1是本发明的基于浮动车技术的道路单向限行与通行状态识别方法的系统框架图。

图2是本发明的道路单向限行与通行动态第一特征因子提取算法流程图。

图3是本发明的道路单向限行与通行统计第二特征因子提取算法流程图。

图4是本发明的一种道路单向限行与通行状态变化发现及其状态识别算法流程图。

【具体实施方式】

下面结合图1至图4对本发明进行详细的说明。

一种基于浮动车技术的道路单向限行与通行状态识别方法，包括以下步骤：

步骤10、利用浮动车在行驶过程中采集车辆编号、位置、方向和速度信息，并将采集到的数据信息传送到数据服务中心；

步骤20、数据服务中心对所述数据信息中的速度信息进行预处理，得到道路行车数据并提取道路的单向限行与通行动态第一特征因子；

步骤30、数据服务中心对所述数据库进行数据挖掘，得到道路在相应时间窗的单向限行与通行统计第二特征因子；

步骤40、数据服务中心对所述第一特征因子与对应所述第二特征因子进行匹配，当匹配距离超过设定阈值则表明道路的当前状态发生改变，此时系统自动识别道路的单向限行与通行状态。

如图1所示，为本发明的基于浮动车技术的道路单向限行与通行状态识别方法的系统框架图，其中详细展示了基于浮动车技术的道路单向限行与通行状态变化发现及其状态识别系统所包括的四个部分，其中每个部分产生的结果作为下一个部分数据处理的对象。

第一个部分进行的是基于滑动时间窗的浮动车行车数据采样，得到浮动车当前行车数据序列；在第二部分中经过数据滤波和车路匹配等数据预处理后，得到道路行车数据并提取道路单向限行与通行动态第一特征因子，同时将道路行车数据存入数据服务中心的数据库中；第三部分对道路行车数据库进行数据挖掘，提取在相应时间窗的道路单向限行与通行统计第二特征因子；第四部分，根据道路单向限行与通行动态第一特征因子和统计第二特征因子的匹配距离检测道路状态变化，并进一步识别出道路的单向限行与通行状态。

如图2所示，为道路单向限行与通行动态第一特征因子提取算法流程图，其主要步骤为：

步骤1：利用装备GPS等车载定位系统的浮动车以周期τ定期采集车辆编号i、位置l、方向c和速度信息v，得到数据信息集合x_i<l_i，c_i，v_i>，并将采集得到的数据通过移动蜂窝通信等技术传送到数据服务中心，将所述浮动车在给定的、且用于分段采样的滑动时间窗T₁内，其采样数据集合为m辆浮动车的n阶序列

X(m，n)＝{<l_i，j，c_i，j，v_i，j>|i∈[1，m]，j∈[1，n]}

其中， $n=\frac{T_1}{\mathrm{\&tau;}}.$

步骤2：对每辆浮动车的行车数据序列，将其速度在ΔT内一直都低于υ的干扰数据滤除，从而得到有效的浮动车行车数据序列；

$\stackrel{\&OverBar;}{X}(m,n)=\{x_{i,j}\&Element;X(m,n)|\&ForAll;i\&Exists;j(v_{i,j}\&GreaterEqual;\mathrm{\&upsi;})\},j\&Element;[k,k+\frac{\mathrm{\&Delta;T}}{\mathrm{\&tau;}}]$

其中， $k\&Element;[1,n-\frac{\mathrm{\&Delta;T}}{\mathrm{\&tau;}}]$

步骤3：对得到的有效浮动车行车数据序列，根据其车辆编号和位置属性构造有效行车路线特征向量

$L_i=<l_{i,1},...,l_{i,j},...,l_{i,n}>|x_{i,j}\&Element;\stackrel{\&OverBar;}{X}(m,n)$

并得到行车路线特征向量表示库为

S(m)＝{L_i|i∈[1，m]}

然后将行车路线特征向量库与地理信息系统中的道路数据匹配，得到各路段的道路行车数据

其中，分别为该路段的上下行车流量与平均车速。

步骤4：对得到的道路行车数据，提取其单向限行与通行动态第一特征因子

其中，α和β分别为车流量与车速的权重，且有α+β＝1。

如图3所示，为道路单向限行与通行统计第二特征因子提取算法流程图，其主要步骤为：

步骤1：以给定的时间窗T₂，对数据库中的各道路行车数据抽取在时间窗T₂内的行车统计数据

其中，

分别为该路段在时间窗T₂内的上下行车流量与车速的统计均值。

步骤2：对得到的道路行车统计数据，提取其单向限行与通行统计第二特征因子

如图4所示，是一种道路单向限行与通行状态变化发现及其状态识别算法流程图。对每一条道路其识别步骤如下：

步骤1：计算道路单向限行与通行动态第一特征因子与统计第二特征因子的匹配距离

若η＞Δ，则表明当前的单向限行与通行状态可能发生改变，转步骤2；

步骤2：若单向限行与通行动态第一特征因子

则表明该路段被设置为单向限行道路，否则转步骤3；

步骤3：若单向限行与通行动态第一特征因子

则表明该道路被恢复为双向通行道路，否则转步骤1。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (6)

1.一种基于浮动车技术的道路单向限行与通行状态识别方法，其特征在于：包括以下步骤：

步骤10、利用浮动车在行驶过程中采集车辆编号、位置、方向和速度信息，并将采集到的数据信息传送到数据服务中心；

步骤20、数据服务中心对所述数据信息中的速度信息进行预处理，得到道路行车数据并提取道路的单向限行与通行动态第一特征因子；

步骤30、数据服务中心对所述数据库进行数据挖掘，得到道路在相应时间窗的单向限行与通行统计第二特征因子；

步骤40、数据服务中心对所述第一特征因子与对应所述第二特征因子进行匹配，当匹配距离超过设定阈值则表明道路的当前状态发生改变，此时系统自动识别道路的单向限行与通行状态。

2.根据权利要求1所述的基于浮动车技术的道路单向限行与通行状态识别方法，其特征在于：所述步骤10进一步具体为：

利用装备车载定位系统的浮动车以周期τ定期采集车辆编号i、位置l、方向c和速度信息v，得到数据信息集合x_i＝<l_i，c_i，v_i>，并将采集得到的数据通过移动蜂窝通信等技术传送到数据服务中心。

3.根据权利要求2所述的基于浮动车技术的道路单向限行与通行状态识别方法，其特征在于：所述浮动车在给定的、且用于分段采样的滑动时间窗T₁内，其采样数据集合为m辆浮动车的n阶序列

X(m，n)＝{<l_i，j，c_i，j，v_i，j>|i∈[1，m]，j∈[1，n]}

其中， $n=\frac{T_1}{\mathrm{\&tau;}}.$

4.根据权利要求3所述的基于浮动车技术的道路单向限行与通行状态识别方法，所述步骤20进一步包括：

数据服务中心将非正常行驶的干扰数据滤除，得到有效的道路行车路线数据集合为

$\stackrel{\&OverBar;}{X}(m,n)=\{x_{i,j}\&Element;X(m,n)|\&ForAll;i\&Exists;j(v_{i,j}\&GreaterEqual;\mathrm{\&upsi;})\},j\&Element;[k,k+\frac{\mathrm{\&Delta;T}}{\mathrm{\&tau;}}]$

其中， $k\&Element;[1,n-\frac{\mathrm{\&Delta;T}}{\mathrm{\&tau;}}],$

从而得到有效的浮动车数据，进而得到对应的行车路线特征向量表示

$L_i=<l_{i,1},...,l_{i,j},...,l_{i,n}>|x_{i,j}\&Element;\stackrel{\&OverBar;}{X}(m,n)$

并构造行车路线特征向量库为

S(m)＝{L_i|i∈[1，m]}

然后将行车路线特征向量库与地理信息系统中的道路数据匹配，得到各路段的道路行车数据

其中，

分别为该路段的上下行车流量与平均车速，进而抽取其单向限行与通行动态第一特征因子

其中，α和β分别为车流量与车速的权重，且有α+β＝1，

同时，数据服务中心将道路行车数据存入数据服务中心的数据库中。

5.根据权利要求4所述的基于浮动车技术的道路单向限行与通行状态识别方法，所述步骤30进一步包括：

以给定的时间窗T₂，对数据库中各路段的道路行车数据做统计分析

其中，分别为该路段在时间窗T₂内的上下行车流量与车速的统计均值，然后抽取得到该时间窗的单向限行与通行统计第二特征因子

6.如权利要求4、5所述的基于浮动车技术的道路单向限行与通行状态识别方法，所述步骤40进一步包括：

如果道路被设置为单向限行或恢复为双向通行，则单向限行与通行动态第一特征因子将显著偏离相应时间窗的统计第二特征因子，匹配距离为如果，η大于△，则表明当前的单向限行与通行状态可能发生改变，再判断道路状态，如果单向限行与通行动态第一特征因子

大于δ₁，则该道路段被设置为单向限行道路，如果

小于δ₂，则该道路被恢复为双向通行道路，此时完成了系统自动识别道路的单向限行与通行状态。

Images