CN102280031A - 一种基于浮动车数据的路口交通状态识别方法 - Google Patents

Abstract

本发明公开一种基于浮动车数据的路口交通状态识别方法，该方法通过引入路口交通信号控制周期的时长，使在进行交通识别时考虑到浮动车数据受路口信号灯影响的因素；并利用GIS网格进行检测区域快速匹配，实时感知路口交通状态，使得本发明基于浮动车数据的路口交通状态识别方法可以实时感知交通状态，无延时，并且识别的准确率高。

Description

一种基于浮动车数据的路口交通状态识别方法

技术领域

本发明涉及一种交通状态识别方法，尤其是一种基于浮动车数据的路口交通状态识别方法。

背景技术

浮动车数据(floating car data，FCD)作为一种新兴的交通信息源，可利用车载GPS定位系统采集车辆的定位信息，同时将定位信息通过无线通讯系统传输到信息处理中心，在信息中心采用相关的计算模型和算法对数据进行实时分析与处理，从而得到城市的交通状况实时态势。与传统的道路检测技术和视频监控技术等固定点采集手段相比，浮动车具有低成本、易安装、易维护、测量范围广、实时性和动态性等优势。因此，基于浮动车的交通信息采集和处理方式在ITS中逐渐趋于主导地位。

利用浮动车数据进行交通状态识别是一个新兴的课题。车辆的行驶速度较快，要求浮动车数据上报速率较高；同时一个城市通常会有上千辆的浮动车在路面上行驶。因此对海量浮动车数据处理提出一定的处理速度要求。

目前解决上述问题的常用方案是结合地理信息系统对浮动车数据进行匹配，再通过速度、方向等实时信息及历史点进行识别。其处理流程如下：

1、接收浮动车数据；

2、利用GIS道路分析功能进行路段匹配；

3、对路段内同一方向的所有浮动车数据进行融合；

4、根据融合后的平均速度识别交通状态。

其中，GIS为地理信息系统(Geographical Information system)，是指在计算机软硬件支持下，把各种地理信息按照空间分布及属性，以一定的格式输入、存储、检索、更新、显示、制图、综合分析和应用的技术系统。

但是，现有的这种常用方案需要对所有路段及所有浮动车数据进行计算，计算量较大，随车浮动车数据的增加给系统扩容带来一定风险；当浮动车行驶到路口时，其速度受交通信号灯影响较大，即当红灯时，速度减小甚至为0千米/小时，因此可能会带来误判。

故，需要提供一种新的技术方案以解决上述问题。

发明内容

针对现有技术存在的问题和不足，本发明的目的是提供一种识别准确率高的基于浮动车数据的路口交通状态识别方法。

为实现上述目的，本发明基于浮动车数据的路口交通状态识别方法可采用如下技术方案：一种基于浮动车数据的路口交通状态识别方法，其特征在于：该方法包括以下步骤：

(1)、制作道路路口各方向的网格数据，所述网格的属性数据包括路口编号以及方向编号，所述路口编号表示该路口的唯一编号，所述方向编号用以表示路口的方向；

(2)、获取道路路口交通信号控制周期参数，该参数至少包括路口编号以及路口交通信号控制周期的时长，其中，该路口编号即为步骤(1)中设定的路口编号；路口交通信号控制周期的时长用C来表示，单位为秒；

(3)、实时获取浮动车信息；

(4)、与路口网格数据进行匹配，利用获取的浮动车信息中的车速及行驶方向进行筛选，当速度大于5公里/小时或行驶方向与道路方向相反则不进行计算；

设浮动车当前经度为Loncur，当前纬度为Latcur，网格坐标为X、Y，则：

X＝(Loncur-Lonstart)×100000

Y＝(Latcur-Latstart)×100000

通过X，Y坐标直接定位网格，从而快速匹配网格属性数据，获取浮动车处于哪个路口哪个方向的检测区域内，从而取得相应的路口编号与方向编号；

设P为等待周期，Tcur为当前定位时间，Tstart为首次进入该检测区域的时间，C为该路口的路口交通信号控制周期的时长，则：

$P=\frac{\mathrm{Tcur}-\mathrm{Tstart}}{C};$

(5)、根据设定的阀值进行交通状态预测与判断，设S为当前交通状态，取值为0(畅通)、1(排队)、2(拥堵)，Pu为等待周期上限阀值，Pd为等待周期下限阀值，有如下关系：

如果P＞Pu，则S＝2

否则如果P＞Pd，则S＝1

否则S＝0。

本发明与现有技术相比：通过引入路口交通信号控制周期的时长，使在进行交通识别时考虑到浮动车数据受路口信号灯影响的因素；并利用GIS网格进行检测区域快速匹配，实时感知路口交通状态，使得本发明基于浮动车数据的路口交通状态识别方法可以实时感知交通状态，无延时，并且识别的准确率高。

附图说明

图1为本发明基于浮动车数据的路口交通状态识别方法的流程图。

图2为本发明中设置路口各方向的网格的示意图。

具体实施方式

下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

请结合图1及图2所示，本发明提供了一种基于浮动车数据的路口交通状态识别方法，该方法包括以下步骤：

(1)、制作道路路口各方向的网格数据，所述网格的属性数据包括路口编号、方向编号及关注标识，所述路口编号表示该路口的唯一编号，所述方向编号用以表示路口的方向，该方向编号与路口信号灯的信号控制系统中的方向编一致(如1北、2东、3南、4西、5东北、6西北、7东南、8西南)；关注标识为落在该网格内的浮动车数据是否需要进行处理，标识为0时表示不处理，标识为非0时表示需要处理。利用专业的GIS工具制作网格数据，网格的大小为经向0.00001度，纬向0.00001度，设地图起始经度为Lonstart，起始纬度为Latstart，终止经度为Lonend，终止纬度为Latend，网络矩阵列空间大小为MSize，则：

$\mathrm{MSize}=\left(\frac{\mathrm{Lonend}-\mathrm{Lonstart}}{0.00001}\right)\×\left(\frac{\mathrm{Latend}-\mathrm{Latstart}}{0.00001}\right).$

(2)、获取道路路口交通信号控制周期参数，该参数至少包括路口编号以及路口交通信号控制周期的时长，其中，该路口编号即为步骤(1)中设定的路口编号；路口交通信号控制周期的时长用C来表示，单位为秒。

(3)、实时获取浮动车信息，该浮动车信息包括浮动车属性数据以及当前浮动车信息，所述浮动车属性数据至少包括车牌号码、车辆类型、最新一次的路口编号、最新一次的方向编号以及首次进入最新检测区域的时间；所述当前浮动车信息至少包括车牌号码、车辆类型、当前浮动车所在经度、当前浮动车所在纬度、当前浮动车方向角、当前浮动车速度以及GPS定位时间(精确到秒)。其中，当前浮动车方向角为相对于正北方向的顺时针偏向角。

(4)、与路口网格数据进行匹配，利用获取的浮动车信息中的车速及行驶方向进行筛选，当速度大于5公里/小时或行驶方向与道路方向相反则不进行计算；

设浮动车当前经度为Loncur，当前纬度为Latcur，网格坐标为X、Y，则：

X＝(Loncur-Lonstart)×100000

Y＝(Latcur-Latstart)×100000

通过X，Y坐标直接定位网格，从而快速匹配网格属性数据，获取浮动车处于哪个路口哪个方向的检测区域内，从而取得相应的路口编号与方向编号；

设P为等待周期，Tcur为当前定位时间，Tstart为首次进入该检测区域的时间，C为该路口的路口交通信号控制周期的时长，则：

$P=\frac{\mathrm{Tcur}-\mathrm{Tstart}}{C}.$

(5)、根据设定的阀值进行交通状态预测与判断，设S为当前交通状态，取值为0(畅通)、1(排队)、2(拥堵)，Pu为等待周期上限阀值，Pd为等待周期下限阀值，有如下关系：

如果P＞Pu，则S＝2

否则如果P＞Pd，则S＝1

否则S＝0。

另外，可选择的步骤：系统应定时检查检测区域内是否存在浮动车辆，如果不存在浮动车辆则需要清除该路口该方向的交通状态。

本发明与现有技术相比：通过引入路口交通信号控制周期的时长，使在进行交通识别时考虑到浮动车数据受路口信号灯影响的因素；并利用GIS网格进行检测区域快速匹配，实时感知路口交通状态，使得本发明基于浮动车数据的路口交通状态识别方法可以实时感知交通状态，无延时，识别的准确率高，并且计算量小，可处理大量实时浮动车数据。

Claims (3)

1.一种基于浮动车数据的路口交通状态识别方法，其特征在于：该方法包括以下步骤：

(1)、制作道路路口各方向的网格数据，所述网格的属性数据包括路口编号以及方向编号，所述路口编号表示该路口的唯一编号，所述方向编号用以表示路口的方向；

(2)、获取道路路口交通信号控制周期参数，该参数至少包括路口编号以及路口交通信号控制周期的时长，其中，该路口编号即为步骤(1)中设定的路口编号；路口交通信号控制周期的时长用C来表示，单位为秒；

(3)、实时获取浮动车信息；

(4)、与路口网格数据进行匹配，利用获取的浮动车信息中的车速及行驶方向进行筛选，当速度大于5公里/小时或行驶方向与道路方向相反则不进行计算；

设浮动车当前经度为Loncur，当前纬度为Latcur，网格坐标为X、Y，则：

X＝(Loncur-Lonstart)×100000

Y＝(Latcur-Latstart)×100000

通过X，Y坐标直接定位网格，从而快速匹配网格属性数据，获取浮动车处于哪个路口哪个方向的检测区域内，从而取得相应的路口编号与方向编号；

设P为等待周期，Tcur为当前定位时间，Tstart为首次进入该检测区域的时间，C为该路口的路口交通信号控制周期的时长，则：

$P=\frac{\mathrm{Tcur}-\mathrm{Tstart}}{C};$

(5)、根据设定的阀值进行交通状态预测与判断，设S为当前交通状态，取值为0(畅通)、1(排队)、2(拥堵)，Pu为等待周期上限阀值，Pd为等待周期下限阀值，有如下关系：

如果P＞Pu，则S＝2

否则如果P＞Pd，则S＝1

否则S＝0。

2.如权利要求1所述的基于浮动车数据的路口交通状态识别方法，其特征在于：在步骤(1)中，设网格的大小为经向0.00001度，纬向0.00001度，设地图起始经度为Lonstart，起始纬度为Latstart，终止经度为Lonend，终止纬度为Latend，网络矩阵列空间大小为MSize，则：

$\mathrm{MSize}=\left(\frac{\mathrm{Lonend}-\mathrm{Lonstart}}{0.00001}\right)\×\left(\frac{\mathrm{Latend}-\mathrm{Latstart}}{0.00001}\right).$

3.如权利要求1或2所述的基于浮动车数据的路口交通状态识别方法，其特征在于：所述步骤(3)中的浮动车信息包括浮动车属性数据以及当前浮动车信息，所述浮动车属性数据至少包括车牌号码、车辆类型、最新一次的路口编号、最新一次的方向编号以及首次进入最新检测区域的时间；所述当前浮动车信息至少包括车牌号码、车辆类型、当前浮动车所在经度、当前浮动车所在纬度、当前浮动车方向角以及当前浮动车速度：其中，当前浮动车方向角为相对于正北方向的顺时针偏向角。

Images