CN102184636B - 基于浮动车技术的道路拓宽识别方法 - Google Patents

Abstract

本发明提供一种基于浮动车技术的道路拓宽识别方法，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；再对数据信息中的速度信息进行预处理，得到有效的行车路线特征向量表示库；其次在交通图层道路特征向量库中提取待匹配道路路元，在行车路线特征向量表示库中提取待匹配路线，将待匹配道路路元与待匹配路线进行道路匹配获得浮动车路线的数据匹配集；最后根据浮动车路线的数据匹配集求浮动车车流量、平均车速、分布区域宽度并与交通图层原有记录进行比较，判断其道路是否拓宽。本发明为各类交通信息服务系统提供动态的、准确的道路拓宽变化信息，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拓宽识别方法

【技术领域】

本发明属于信息技术应用领域，具体是涉及交通图层中道路拓宽识别方法，为交通图层提供道路拓宽信息的交通信息服务。

【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。

路宽信息是交通图层的重要属性之一，其交通图层都含有道路特征向量库，通过发现道路拓宽信息并对交通图层进行动态更新有利于更科学地进行交通诱导。目前，交通图层的道路拓宽信息由交通图层更新时进行道路级别的变更，或由测绘部门和交通部门进行实地探测后，再统一发布交通图层属性信息实现。因此，目前道路拓宽信息探测方法不仅更新周期长，而且更新成本高，无法实现交通图层道路拓宽信息的动态更新。

【发明内容】

本发明要解决的技术问题，在于提供一种基于浮动车技术的道路拓宽识别方法，其克服了背景技术中，更新周期长，而且更新成本高，无法实现道路拓宽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拓宽识别方法，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，得到有效的道路行车路线数据集合，并根据有效的道路行车数据得到对应的行车路线特征向量，由各行车路线特征向量构造行车路线特征向量表示库；

步骤30、在交通图层道路特征向量库中提取待匹配道路路元，在所述行车路线特征向量表示库中提取待匹配路线，将所述待匹配道路路元与所述待匹配路线进行道路匹配来获得浮动车路线的数据匹配集；

步骤40、根据浮动车路线的数据匹配集对匹配的路元的浮动车车流量进行计算、对匹配的道路的行车数据的平均车速进行计算、对数据匹配集上的所有路线求取任意两条线路的最大横向间距，并从其各横向间距中获得道路浮动车数据分布区域宽度；将所述浮动车车流量、平均车速、浮动车数据分布区域宽度与交通图层原有记录的浮动车车流量、平均车速、浮动车数据分布区域宽度进行比较，判断其道路是否拓宽。

本发明具有如下优点：利用大量的浮动车在行驶过程中采集信息，并在给定的时间段中抽取数据来获得浮动车数据序列，将采集的信息进行数据预处理来获得行车路线特征向量表示库，在交通图层道路特征向量库中提取待匹配道路路元，在所述行车路线特征向量表示库中提取待匹配路线，将所述待匹配道路路元与所述待匹配路线进行道路匹配来获得浮动车路线的数据匹配集，并进行拓宽计算来获得道路拓宽信息，从而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、准确的道路拓宽状态变化信息，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拓宽识别方法的系统框架图。

图2是本发明对道路行车信息数据预处理并获得行车路线特征向量表示库的算法流程图。

图3是本发明的基于浮动车的道路匹配与道路拓宽计算的算法流程图。

【具体实施方式】

本发明为基于浮动车技术的道路拓宽识别方法，该方法包括以下步骤：

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，得到有效的道路行车路线数据集合，并根据有效的道路行车数据得到对应的行车路线特征向量，由各行车路线特征向量构造行车路线特征向量表示库；

步骤30、在交通图层道路特征向量库中提取待匹配道路路元，在所述行车路线特征向量表示库中提取待匹配路线，将所述待匹配道路路元与所述待匹配路线进行道路匹配来获得浮动车路线的数据匹配集；

步骤40、根据浮动车路线的数据匹配集对匹配的路元的浮动车车流量进行计算、对匹配的道路的行车数据的平均车速进行计算、对数据匹配集上的所有路线求取任意两条线路的最大横向间距，并从其各横向间距中获得道路浮动车数据分布区域宽度；将所述浮动车车流量、平均车速、浮动车数据分布区域宽度与交通图层原有记录的浮动车车流量、平均车速、浮动车数据分布区域宽度进行比较，判断其道路是否拓宽。

如图1所示，为基于浮动车技术的交通堵塞点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交通堵塞点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指定时间段[T₀-ΔT，T₀]的浮动车行车数据抽样，得到浮动车数据集合序列；在第二部分中经过数据滤波和行车路线特征向量构造等数据预处理后，最终得到行车路线特征向量表示库；第三部分，将浮动车行车路线与交通图层道路进行道路匹配，生成浮动车路线的数据匹配集，通过比较道路的浮动车数据分布中的最大间距、浮动车车流量及其平均车度以计算道路是否有拓宽。

如图2所示，是本发明对道路行车信息数据预处理并获得行车路线特征向量表示库的算法流程图，其主要步骤为：

步骤1：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以周期τ定期采集车辆编号i、位置1、方向c和速度信息v，得到数据信息集合xi＝<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中心，形成海量的浮动车数据库。

设当前时间点为T₀，在浮动车数据库中抽取最近时间段[T₀-ΔT，T₀]内的数据，其中ΔT为系统可调参数，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， $n=\frac{\mathrm{\&Delta;T}}{\mathrm{\&tau;}};$

对于ΔT的选择可通过逼近法进行优化，首先应足够大以保证浮动车数据在所需计算的整条道路中有足够的覆盖率和覆盖强度，同时ΔT也应尽可能小，以减少长时间历史数据对计算的干扰，并提高系统对道路拓宽发现的准确度。

步骤2：对于在正常道路上行驶的车辆，其速度不可能在Δt内一直都低于正常速度υ，因此需要将这部分数据滤除，同时，由于浮动车活动范围非常广，为了提高系统效率，应对进行计算的交通图层平面区域A外的数据进行滤除，即有效的道路行车数据集合为

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

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

从而得到待计算的道路行车数据，然后根据有效的道路行车数据得到对应的行车路线特征向量，表示为

$L_{i(p,q)}=<l_{i,p},l_{i,p+1},\&CenterDot;\&CenterDot;\&CenterDot;,l_{i,p}>|x_{i,j}\&Element;\stackrel{\&OverBar;}{X}(m,n)$ 其中，当表示车辆i的整个路线集时，p为1，q为n；

并构造行车路线特征向量表示库为

S(m)＝{L_i|i∈[1，m]}最后存入浮动车数据库。

如图3所示，是本发明的基于浮动车的道路匹配与道路拓宽计算的算法流程图，具体步骤如下：

在交通图层道路特征向量库中提取待匹配道路路元即将提取的整条道路按方向的不同进行分段，同一方向的为一路元，设路元r_a的中点位置为e且方向为d，则该路元可表示为r_a(e，d)；

抽取行车路线特征向量表示库S(m)中的任意浮动车行车路线数据L_i(为一条行车路线)，经过滤波后再通过折半查找算法与路元r_a(e，d)进行匹配计算，设路元r_a与行车路线L_i的匹配算子为M(r_a，L_i)，则有M(r_a，L_i)∈[0，1]；其中，值为0表示匹配不成功，否则为1表示匹配成功；

将行车路线数据L_i进行分段为：

L_i＝L_i，(1，n)＝L_{i，(1，a-1)}∪L_i，(a，b)∪L_{i，(b+1，n)}，其中a与b分别路线分段的两个节点，且有a∈[2，n-2]，b∈[3，n-1]及a＜b；

若M(r_a，L_{i，(1，a-1)})∨M(r_a，L_{i，(b+1，n)})＝0且M(r_a，L_i，(a，b))＝1，则称L_i，(a，b)与路元r_a(e，d)匹配；

生成与该路元匹配的浮动车路线的数据匹配集：

$m_{r_a(e,d)}=<L_{i1,(p1,q1)},L_{i2,(p2,q2)},\&CenterDot;\&CenterDot;\&CenterDot;,L_{\mathrm{ib},(\mathrm{pb},\mathrm{qb})}>|x_{i,j}\&Element;\stackrel{\&OverBar;}{X}(m,n)$

其中L_{i1，(p1，q1)}表示该路元匹配的第一条行车路线数据，其浮动车ID编号为i1，且在整个行车路线中，与路元具体匹配的位置为p1与p2两个数据点间的线段，p1∈[1，n-1]，p2∈[2，n]。同理有L_{i2，(p2，q2)}，直到L_{ib，(pb，qb)}，表示共有b条行车路线数据与该路元相匹配。

根据浮动车路线的数据匹配集对匹配的路元r_a(e，d)的浮动车车流量

进行计算，即在ΔT时间内的浮动车数量

，同时将浮动车车流量

与交通图层原有记录的进行比较，当浮动车车流量

明显小于原有记录的时，继续进行道路匹配；当浮动车车流量明显大于原有记录的

时同时，再进行对匹配的道路的行车数据的平均车速

计算，即有 $V_{r_a}=E\left(v_{i,j}\right)|\&ForAll;x_{i,j}\&Element;m_{r_a}(e,d);$ 将浮动车平均车速

与交通图层原有记录的

进行比较；当浮动车平均车速

小于交通图层原有记录的

时，继续进行道路匹配，当浮动车平均车速明显大于交通图层原有记录的

时，进行下面步骤；

取浮动车路线的数据匹配集中的任意两条路线l_ia与l_ib，构造如下的行车路线特征向量距离算子：

D(l_ia，l_ib，r_a(e，d))＝d(l_ia*(cosα+isinα)，l_ib*(cosβ+isinβ))，其中α＝d_ia-d，β＝d_ib-d，其d(l₁，l₂)为两线l1和l2之间的距离，其下标ia，ib表示在路线分段的节点a和b下对应浮动车编号组合；

对匹配的路元的浮动车路线的数据匹配集上的所有路线求取任意两条线路的最大横向间距：w_i＝max(D(l_ia，l_ib，r_a(e，d)))，并从其各横向间距中获得道路浮动车数据分布区域宽度，即为选取两条线路间的最大距离：浮动车数据浮动车数据分布区域宽度W_ra＝max(D(l_ia，l_ib，r_a(e，d)))+σ，i∈[1，n]，其中

，而σ为误差修正值，以减少计算误差；将该浮动车数据分布区域宽度W_ra与该交通图层原有记录的

进行比较；

若浮动车车流量

，平均车速

及浮动车数据分布区域宽度W_ra均明显大于交通图层原有记录的

则可推断出该匹配的道路路元已进行拓宽，即有：

$\left.\begin{array}{c}{W}_{r_a}>\stackrel{\&OverBar;}{W_{r_a}}+\mathrm{\&Delta;W}\\ F_{\mathrm{ra}}>\stackrel{\&OverBar;}{F_{\mathrm{ra}}}+\mathrm{\&Delta;F}\\ V_{\mathrm{ra}}>\stackrel{\&OverBar;}{V_{\mathrm{ra}}}+\mathrm{\&Delta;V}\end{array}\right\}$ →道路路元r_a(e，d)已拓宽，其中ΔW为在Δt时间内最大横向间距，ΔF为在Δt时间内浮动车车流量，ΔV为在Δt时间内平均车速；将该道路加入到道路拓宽信息集中，同时将计算结果集

保存，作为下次计算的比较依据。

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拓宽识别方法，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，得到有效的道路行车路线数据集合，并根据有效的道路行车数据得到对应的行车路线特征向量，由各行车路线特征向量构造行车路线特征向量表示库；

步骤30、在交通图层道路特征向量库中提取待匹配道路路元，在所述行车路线特征向量表示库中提取待匹配路线，将所述待匹配道路路元与所述待匹配路线进行道路匹配来获得浮动车路线的数据匹配集；

步骤40、根据浮动车路线的数据匹配集对匹配的路元的浮动车车流量进行计算、对匹配的道路的行车数据的平均车速进行计算、对数据匹配集上的所有路线求取任意两条线路的最大横向间距，并从其各横向间距中获得道路浮动车数据分布区域宽度；将所述浮动车车流量、平均车速、浮动车数据分布区域宽度与交通图层原有记录的浮动车车流量、平均车速、浮动车数据分布区域宽度进行比较，判断其道路是否拓宽。

2.根据权利要求1所述的基于浮动车技术的道路拓宽识别方法，其特征在于：所述步骤10进一步包括：

利用装备GPS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1、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技术传送到数据服务中心，形成浮动车数据库。

3.根据权利要求2所述的基于浮动车技术的道路拓宽识别方法，其特征在于：在所述的浮动车数据库中抽取指定时间段[T₀-ΔT，T₀]内的数据，其中T₀为定义的当前时间点，ΔT为系统可调参数，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， $n=\frac{\mathrm{\&Delta;T}}{\mathrm{\&tau;}}.$

4.根据权利要求3所述的基于浮动车技术的道路拓宽识别方法，所述步骤20进一步包括：

将非正常行驶的速度即在Δt内一直都低于正常速度υ的干扰数据滤除，且应对进行计算的交通图层平面区域A外的数据也进行滤除；得到有效的道路行车路线数据集合为

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

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

从而得到待计算的道路行车数据，然后根据有效的道路行车数据得到对应的行车路线特征向量，表示为

$L_{i(p,q)}=<l_{i,p},l_{i,p+1},\&CenterDot;\&CenterDot;\&CenterDot;,l_{i,p}>|x_{i,j}\&Element;\stackrel{\&OverBar;}{X}(m,n)$ 其中，当表示车辆i的整个路线集时，p为1，q为n；

并构造行车路线特征向量表示库为

S(m)＝{L_i|i∈[1，m]}最后存入浮动车数据库。

5.根据权利要求4所述的基于浮动车技术的道路拓宽识别方法，所述步骤30进一步包括：

在交通图层道路特征向量库中提取待匹配道路路元即将提取的整条道路按方向的不同进行分段，同一方向的为一路元，设路元r_a的中点位置为e且方向为d，则该路元可表示为r_a(e，d)；

抽取行车路线特征向量表示库S(m)中的任意浮动车行车路线数据L_i，经过滤波后再通过折半查找算法与路元r_a(e，d)进行匹配计算，设路元r_a与行车路线L_i的匹配算子为M(r_a，L_i)，则有M(r_a，L_i)∈[0，1]；其中，值为0表示匹配不成功，否则为1表示匹配成功；

将行车路线数据L_i进行分段为：

L_i＝L_i，(1，n)＝L_{i，(1，a-1)}∪L_i，(a，b)∪L_{i，(b+1，n)}其中a与b分别路线分段的两个节点，且有a∈[2，n-2]，b∈[3，n-1]及a＜b；

若M(r_a，L_{i，(1，a-1)})∨M(r_a，L_{i，(b+1，n)})＝0且M(r_a，L_i，(a，b))＝1，则称L_i，(a，b)与路元r_a(e，d)匹配；

生成与该路元匹配的浮动车路线的数据匹配集：

$m_{r_a(e,d)}=<L_{i1,(p1,q1)},L_{i2,(p2,q2)},\&CenterDot;\&CenterDot;\&CenterDot;,L_{\mathrm{ib},(\mathrm{pb},\mathrm{qb})}>|x_{i,j}\&Element;\stackrel{\&OverBar;}{X}(m,n)$

其中L_{i1，(p1，q1)}表示该路元匹配的第一条行车路线数据，其浮动车ID编号为i1，且在整个行车路线中，与路元具体匹配的位置为p1与p2两个数据点间的线段，p1∈[1，n-1]，p2∈[2，n]；同理有L_{i2，(p2，q2)}，直到L_{ib，(pb，qb)}，表示共有b条行车路线数据与该路元相匹配。

6.如权利要求5所述的基于浮动车技术的道路拓宽识别方法，所述步骤40进一步包括：

根据浮动车路线的数据匹配集对匹配的路元r_a(e，d)的浮动车车流量

进行计算，即在ΔT时间内的浮动车数量

，同时对匹配的道路的行车数据的平均车速

进行计算，即有

将浮动车车流量

及平均车速

分别与交通图层原有记录的

与

进行比较；

取浮动车路线的数据匹配集中的任意两条路线l_ia与l_ib，构造如下的行车路线特征向量距离算子：

D(l_ia，l_ib，r_a(e，d))＝d(l_ia*(cosα+isinα)，l_ib*(cosβ+isinβ))，其中α＝d_ia-d，β＝d_ib-d，其d(l₁，l₂)为两线l1和l2之间的距离；

对匹配的路元的浮动车路线的数据匹配集上的所有路线求取任意两条线路的最大横向间距：w_i＝max(D(l_ia，l_ib，r_a(e，d)))，并从其各横向间距中获得道路浮动车数据分布区域宽度，即为选取两条线路间的最大距离：浮动车数据分布区域宽度W_ra＝max(D(l_ia，l_ib，r_a(e，d)))+σ，i∈[1，n]，其中

，而σ为误差修正值，以减少计算误差；将该浮动车数据分布区域宽度W_ra与该交通图层原有记录的

进行比较；

若浮动车车流量

，平均车速

及浮动车数据分布区域宽度W_ra均明显大于交通图层原有记录的

则可推断出该匹配的道路路元已进行拓宽，即有：

$\left.\begin{array}{c}{W}_{r_a}>\stackrel{\&OverBar;}{W_{r_a}}+\mathrm{\&Delta;W}\\ F_{\mathrm{ra}}>\stackrel{\&OverBar;}{F_{\mathrm{ra}}}+\mathrm{\&Delta;F}\\ V_{\mathrm{ra}}>\stackrel{\&OverBar;}{V_{\mathrm{ra}}}+\mathrm{\&Delta;V}\end{array}\right\}$ →道路路元r_a(e，d)已拓宽，其中ΔW为在Δt时间内最大横向间距，ΔF为在Δt时间内浮动车车流量，ΔV为在Δt时间内平均车速；将该道路加入到道路拓宽信息集中，同时将计算结果集

保存，作为下次计算的比较依据。

Images