CN102542617B - 一种复杂路网的路径识别标识站设置方法 - Google Patents
一种复杂路网的路径识别标识站设置方法 Download PDFInfo
- Publication number
- CN102542617B CN102542617B CN201010614216.9A CN201010614216A CN102542617B CN 102542617 B CN102542617 B CN 102542617B CN 201010614216 A CN201010614216 A CN 201010614216A CN 102542617 B CN102542617 B CN 102542617B
- Authority
- CN
- China
- Prior art keywords
- road network
- path
- beacon station
- probability
- section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种复杂路网的路径识别标识站设置方法,包括如下步骤:第一步,收集、整理拟设置路径识别标识站路网的路网资料;第二步,根据第一步收集和整理的所述路网资料建立路网模型,计算路网中任意起点和终点间的所有候选路径及其先验概率P(l);第三步,计算指定标识站设置方法下,车辆行驶过路径l时的路径识别概率P(l|Z);第四步,计算在指定标识站设置方法Z下的路网识别概率;第五步,计算所有标识站设置方法下的路网识别概率,在路网识别概率大于一定阈值的约束条件下,搜索所述标识站的最优设置方案。本方法从概率论和最优化的角度出发,能够给出满足约束条件的最优标识站设置方案,能够用于复杂高速公路路网的标识站设置。
Description
技术领域
本发明属于智能交通领域,涉及公路交通、模式识别技术、最优化技术和概率统计技术,用于高速公路多路径识别系统标识站的最优化设置。
背景技术
随着国家高速公路网主干线、省高网及各地市高速公路的陆续建成通车,并入联网收费网络,高速公路网络化结构日益形成。高速公路网络化结构给用户更多路径选择,极大方便了用户出行。
目前,我国高速公路大部分省份实施了联网收费,一般采用封闭式收费制式。封闭式收费根据车辆类型(如客车按照车型、货车实施计重收费)及行驶里程进行收费。高速公路网络化结构发展促进了联网收费,减少了主线站的数目,减少了停车缴费的次数,进一步方便了用户的出行。然而,高速公路网络化的结构也给联网收费的管理带来新的问题——多路径问题。
多路径指一对入、出口之间将存在两条或多条可供车辆选择行驶的路径,即为多路径(又称“二义性路径”)。由于高速公路投资主体的多元化,多路径的存在使得通行费的征收、计算、拆分、结算等一系列技术问题变得异常复杂甚至无所适从,进而影响到高速公路的整体效能和服务水平的发挥。
目前,通过在高速公路必要路段设置路径识别标识站系统,采用基于射频或车牌识别技术的识别系统来实现车辆路径的精确识别,是高速公路联网收费中多路径识别可行的解决方案。无论采用射频还是车牌识别技术,都需要考虑标识站的设置位置和数目,以保证既能准确识别路径,又能够节约投资。
一种复杂路网中标识站的设置方法不仅可以满足路径识别率的要求,还可以尽可能减少标识站点的数目,以节省标识站设置费用,极大地提高了标识站的实用性和经济性。
发明内容
本发明的目的是提供一种复杂路网的路径识别标识站设置方法解决上述问题。
为了实现上述发明目的,本发明采用的技术方案如下:
本发明中,为了便于分析,将路网中枢纽互通定义为“节点”;将两个节点之间不经过第三个节点的连接称为基本路段,以下简称“路段”。若两个路段有且只有一个相同的节点,则称这两个路段相连,否则这两个路段不相连。图2中①、②等均为路网中的节点,连接①、②的线段为路网中的一条路段,图中节点①简写为“节点1”。连接节点X和节点Y之间的有向路段E(节点X,节点Y),简写为“E(X,Y)”,表示从节点X到节点Y的路段。
本发明中,路径为由一个节点开始(简称为起点),经过一个或多个顺次连接、互不重复的路段(其中,相邻的路段有且只有一个共同的节点,不相邻的路段没有共同的节点),而终止于另一个节点(简称为终点)的基本路段序列。路径用l表示。
如图2所示,以节点3为起点、节点18为终点的路径集合为:
l3,18={3,E(3,X1),E(X1,X2),…,E(Xn-1,Xn),E(Xn,18),18}
其中第k条路径为:
l3,18(k)={3,E(3,8),E(8,7),E(7,11),E(11,18),18}
设路网中节点的集合为D={D1,D2,...,DN},共有N个节点。路段集合为E={E1,E2,...,EM},共有M个路段。由于路径中不存在重复的路段,因此构成任意一条路径l的路段个数均不会超过路网中路段的总数M。
本发明中,假设每个路段设置标识站个数不超过1个,且标识站的检测概率均为P(P为一大于0小于1的常数),即当某车辆行驶过标识站时,标识站能以P的概率检测出该车辆。用z表示路段上标识站个数为z,z取值为0或1。当z取值为0表示路段上没有设置标识站;z取值为1表示路段上设置了标识站。则路网中标识站的设置可以用M维的向量Z=(z1,z2...,zM-1,zM)T表示,Z中第i维变量zi表示路网中第i个路段上标识站个数。
本方法通过对路网拓扑结构、里程、费率等资料的综合分析,给出标识站最优设置方案,以提高多路径的识别率,并降低标识站的建设成本,进而降低运营期的维护成本。
本发明提供了一种复杂路网的路径识别标识站设置方法,它主要包括收集路网资料、建立路网模型、计算路径识别概率、计算路网识别概率和搜索最优标识站设置方案等五个部分,具体内容如下:
步骤1:收集、整理路网资料:收集路网拓扑结构和路网信息,包括里程、费率、断面交通量等,建立路网拓扑结构并完成路网资料的标注;
步骤2:建立路网模型:根据路网拓扑结构,搜索路网中任意起点和终点间的候选路径及先验概率;
步骤3:计算指定标识站设置方法下的路径识别概率:将路网中标识站设置用状态向量来表示,计算指定标识站状态Y下路径l的识别概率,进而计算车辆行驶过路径l时的识别概率P(l|Z);
步骤4:计算在指定标识站设置方法Z下的路网识别概率:利用步骤2中的先验概率,按照步骤3计算路网的识别概率P(G|Z);
步骤5:搜索最优标识站设置方案:在路网识别概率大于一定阈值的约束条件下,搜索标识站个数最少的标识站设置方法。
本发明路径识别标识站的设置方法,与现有技术相比,其优点在于:
1.本发明的路径识别方法综合考虑了交通量、里程、费率等因素,能够得到较合理的结果。
2.本发明将概率论和最优化理论用于求解最优标识站的设置方案,保证了标识站设置方案为满足要求的最优化设置。
3.本发明的标识站设置方法既可以作为计算机应用程序的组成部分,运行于标识站相关的算法和程序中,也可以运行于高速公路路径分析和通行费计算相关算法中。
附图说明
图1为本发明一种复杂路网的路径识别标识站设置方法的流程图;
图2为路网图示例。
图3为标识站设置方法示意图。
其中图3中共设置了12个标识站,分别为标识站1、标识站2......标识站12,在图3中分别用101、102、103......109、110、111、112表示。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
图1示出了根据本发明一种复杂路网的路径识别标识站设置方法的整体流程图。以下将参考图1,对本发明的一种复杂路网的路径识别标识站设置方法的各个步骤进行详细描述。
步骤一:收集、整理路网资料。
1.路网资料的收集
影响标识站设置的因素包括:路网的拓扑结构、里程、费率、交通量、车道宽度及路况等。图2示出了路网图。
2.路网资料的标注
根据收集到的路网资料,按上述定义,依次标出路网中的节点,从而得到路网中节点和路段位置、数量,路网中节点间、路段间及节点与路段的连接关系,并可标注出路网中路段的里程、费率、车流密度及路况等。
步骤二:建立路网模型。
1.搜索起点Ds和终点De的路径
(1)初始化:路段第一次迭代
对路网中第k个路段Ek:若路段Ek的两个节点中有一个节点为起点Ds,则路段Ek产生一条路径l:(Ds,Ek,Dn),其中Dn为路段Ek的另一个节点;否则不产生路径。遍历路网中所有的路段即可得到第一次迭代后起点Ds和终点De之间的路径。
(2)迭代I:I=2:M
遍历I-1阶段的路径,若该路径的终点为De,则该路径形成I阶段的一条路径,否则对这条路径l:遍历路网中所有的路段若路段的两个节点中有一个为则该路段和路径l:形成的新路径为l:(其中为路段的另一个节点),如果节点没有在路径l:的路段中出现过且新路径l:没有在第I阶段已产生的路径中出现过,则该新路径l:为第I阶段的一条新路径。
(3)在第M阶段中,终点为De的路径即为起点Ds到终点De之间的候选路径。
2.搜索路网中的路径
遍历路网中所有的起点Ds和终点De,使用2中所述方法搜索起点Ds和终点De之间的路径,其中,s=1:N,e=1:N,e≠s,N为路网中节点数量。完成对所有起点和终点之间的路径搜索后即可获得路网中的所有路径,最后计算路径的先验概率:
其中C(l)表示组成路径l的各路径车流密度、里程、费率、路况归一化的均值,用公式表示,wi为车流密度、里程、费率、路况对路径选择影响的权重,ρi为对应的车流密度、里程、费率、路况归一化到[0,1]的结果。
步骤三:计算指定标识站设置方法下的路径识别概率。
1.计算在指定标识站状态Y下经过起点Ds和终点De的路径l的识别概率P(l|Y)
路网中有许多路段,其中有些路段上有标识站,当路段的标识站检测到行驶过该路段的车辆时,标识站的状态就为1;反之路段的标识站没有检测到车辆时标识站的状态为0。同样,可以认为当某个标识站的状态为1时车辆肯定行驶过该标识站所在的路段。若路网中有n个标识站,n个标识站的状态向量为Y=(y1,y2...,yn)T,其中yi表示路径上第i个标识站的状态。若某个标识站yk的状态为1,则表示车辆行驶过yk所在的路段。
在标识站状态为Y时,首先遍历状态向量Y的每一维(每一维对应一个标识站),找出状态为1的所有标识站,也即所有状态为1的标识站所在路段定义函数为:若路径Li的起点Ds,终点为De,且经过所有的路段时,的值为1,否则为0。则路径l的识别概率为:
2.计算车辆行驶过路径l时的路径l识别概率P(l|Z)
车辆经过某条路径时,车辆就会依次经过该路径上每一个路段,此时在路径中路段上存在的标识站出现1(即检测到行驶过的车辆)的概率为P,不在路径上的标识站出现0状态的概率为1。若在标识站设置方法Z下路网上有n个标识站,其中车辆行驶过的路径上有q个标识站,依次为Y=(y1,y2...,yn)T,则可以用向量Y=(y1,y2...,yn)T表示路径上标识站的状态序列。其中yi表示路径上第i个标识站的状态。定义函数g(i,l)为:若第i个标识站所在的路段在路径l上,g(i,l)为1,否则为0。则在标识站设置方法Z下车辆行驶过路径l的路径识别概率P(l|Z)由公式(3)计算:
步骤四:计算在标识站设置方法Z下路网识别概率P(G |Z)
首先遍历路网中所有的路径,每个路径都有一个先验概率P(ln),然后使用步骤三中所述方法计算在标识站设置方法Z下的路径识别概率P(ln|Z),最后计算路网的识别概率P(G|Z)为:
步骤五:搜索最优标识站设置方案
标识站设置优化目标:在满足约束条件P(G|Z)≥T的情况下(T为最低允许的路网识别概率阈值),标识站个数越少越好即
Z的不同取值对应不同的标识站设置方法,由于Z最多有2M个不同的取值,则对应2M种不同的标识站设置方法。图3给出了一种标识站设置方法,图中共设置了12个标识站,分别用标识站1、标识站2......标识站12表示。
遍历每种标识站设置方法Z=(00…0):(11…1),使用步骤四中所述方法计算不同标识站设置方法Z下的路网识别概率P(G|Zi):
1.若两种标识站设置方法下的路网识别概率P(G|Za)、P(G|Zb)均大于目标值T,且标识站的个数相同,则选择识别概率高的设置方法;
2.若两种标识站设置方法下Za、Zb的路网识别概率均大于目标值T,则选择标识站个数少的设置方法;
3.遍历所有的设置方法后,满足路网的识别率大于指定阈值T条件下标识站个数最少的设置方法即为本专利的标识站设置方法。
以上通过具体的和优选的实施例详细的描述了本发明,但本领域技术人员应该明白,本发明并不局限于以上所述实施例,凡在本发明的精神和原则之内,所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种复杂路网的路径识别标识站设置方法,其特征在于,包括如下步骤:
第一步,收集、整理拟设置路径识别标识站路网的路网资料;
第二步,根据第一步收集和整理的所述路网资料建立路网模型,计算路网中任意起点和终点间的所有候选路径及其先验概率P(l);
第三步,找到在所述路网模型中的所有标识站设置方法,并分别计算每种标识站设置方法下车辆行驶过路径l时的路径识别概率P(l|Z);其中Z为标识站设置方法;
第四步,根据所述路径识别概率P(l|Z)及先验概率P(l)分别计算每种标识站设置方法下的路网识别概率;
第五步,设置一个阈值T,选择路网识别概率大于所述阈值的标识站设置方法作为本路网的标识站设置方法;
第六步:根据设置方案在路网中设置标示站。
2.根据权利要求1所述一种复杂路网的路径识别标识站设置方法,其特征在于:在所述第一步中,所述的路网资料包括路网拓扑结构图和路网信息,所述路网信息包括里程、费率、断面交通量;将所述路网信息标注在所述路网拓扑结构图上,得到所述路网拓扑结构图中的节点和路段位置,并获得节点的数量及连接关系。
3.根据权利要求1所述一种复杂路网的路径识别标识站设置方法,其特征在于:在所述第二步中,所述先验概率P(l)由各路段的车流密度、里程、费率、路况归一化的均值表示,通过如下公式计算得到:
其中C(l)表示组成路径l的各路径车流密度、里程、费率、路况归一化的均值,用公式 表示,wi为车流密度、里程、费率、路况对路径选择影响的权重,ρi为对应的车流密度、里程、费率、路况归一化到[0,1]的结果;
所述候选路径通过迭代的方法得到:当计算起点Ds到终点De之间的候选路径时,初始化为路段第一次迭代,对路网中第k个路段Ek,若路段Ek的两个节点中有一个节点为起点Ds,则路段Ek产生一条路径L:(Ds,Ek,Dn),其中Dn为路段Ek的另一个节点,否则不产生路径,遍历路网中所有的路段即可得到第一次迭代后起点Ds和终点De之间的候选路径;在第2至第M次迭代,遍历I-1阶段的路径,按照路径产生规则顺次迭代;在第M次迭代时即得到起点Ds和终点De之间的路径,通过遍历路网中所有的起点Ds和终点De得到所有的路网中的所有的候选路径,其中s=1:N,e=1:N,e≠s,N为路网中节点的数量,M为路段总个数。
4.根据权利要求1所述一种复杂路网的路径识别标识站设置方法,其特征还在于:在 每种标识站设置方法下,所述路网识别概率通过以下公式得到:
其中,P(G|Z)为路网识别概率,P(ln|Z)为车辆行驶过路网中的第n条路径l时的路径识别概率,P(ln)为路网中第n条路径的先验概率,Y为标识站状态的集合。
5.根据权利要求4所述一种复杂路网的路径识别标识站设置方法,其特征在于:所述的路径识别概率P(l|Z)通过以下公式计算:
其中,P(li|Y)为指定标识站状态Y下经过起点Ds和终点De的路径l的识别概率, P为一个路段上存在的标识站检测到行驶过的车辆的概率,yi为路径上第i个标识站的状态,函数g(i,l)的定义为:若第i个标识站所在的路段在路径l上,g(i,l)为1,否则为0。
6.根据权利要求1~5任意之一所述一种复杂路网的路径识别标识站设置方法,其特征在于:所述第五步中,当路网识别概率大于所述阈值T的标识站设置方法不止一种时,将所述标识站个数最少的标识站设置方法作为本路网的标识站设置方案。
7.根据权利要求6所述一种复杂路网的路径识别标识站设置方法,其特征在于:当多种标识站设置方法的路网识别概率均大于所述阈值T,且各方法的标识站个数相同时,选取路网识别概率较高的设置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010614216.9A CN102542617B (zh) | 2010-12-30 | 2010-12-30 | 一种复杂路网的路径识别标识站设置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010614216.9A CN102542617B (zh) | 2010-12-30 | 2010-12-30 | 一种复杂路网的路径识别标识站设置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102542617A CN102542617A (zh) | 2012-07-04 |
CN102542617B true CN102542617B (zh) | 2014-07-23 |
Family
ID=46349427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010614216.9A Active CN102542617B (zh) | 2010-12-30 | 2010-12-30 | 一种复杂路网的路径识别标识站设置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102542617B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011083375A1 (de) * | 2011-09-26 | 2013-03-28 | Robert Bosch Gmbh | Verfahren zur Übermittlung von Routendaten für die Verkehrstelematik |
CN110619426B (zh) * | 2019-08-19 | 2022-05-13 | 招商华软信息有限公司 | 一种路网模型的构建方法、装置、设备和存储介质 |
CN110570534B (zh) * | 2019-09-12 | 2021-08-31 | 招商华软信息有限公司 | 一种费率的处理方法、装置、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2030913A1 (en) * | 1990-11-27 | 1992-05-28 | William K. Brockelsby | Highway vehicle identification system with high gain antenna |
US5250955A (en) * | 1992-06-05 | 1993-10-05 | Lockheed Information Services Company | State entry beacon system |
CN1936966A (zh) * | 2006-07-31 | 2007-03-28 | 孔强 | 基于射频识别的高速公路车辆行驶路径识别系统 |
CN201054714Y (zh) * | 2007-06-15 | 2008-04-30 | 深圳市金溢科技有限公司 | 一种用于多义性路径识别的路侧基站 |
CN201654851U (zh) * | 2010-03-26 | 2010-11-24 | 河南德孚莱智能交通有限公司 | 电子不停车收费系统路径标识站 |
-
2010
- 2010-12-30 CN CN201010614216.9A patent/CN102542617B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2030913A1 (en) * | 1990-11-27 | 1992-05-28 | William K. Brockelsby | Highway vehicle identification system with high gain antenna |
US5250955A (en) * | 1992-06-05 | 1993-10-05 | Lockheed Information Services Company | State entry beacon system |
CN1936966A (zh) * | 2006-07-31 | 2007-03-28 | 孔强 | 基于射频识别的高速公路车辆行驶路径识别系统 |
CN201054714Y (zh) * | 2007-06-15 | 2008-04-30 | 深圳市金溢科技有限公司 | 一种用于多义性路径识别的路侧基站 |
CN201654851U (zh) * | 2010-03-26 | 2010-11-24 | 河南德孚莱智能交通有限公司 | 电子不停车收费系统路径标识站 |
Also Published As
Publication number | Publication date |
---|---|
CN102542617A (zh) | 2012-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104318758B (zh) | 基于多层次多模式的公交线网规划方法 | |
CN103310651B (zh) | 一种基于实时路况信息的公交到站预测方法 | |
CN103177561B (zh) | 公交实时路况的生成方法 | |
CN105118294B (zh) | 一种基于状态模式的短时交通流预测方法 | |
CN108010316A (zh) | 一种基于路网模型的道路交通多源数据融合处理方法 | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN104217579B (zh) | 基于路段子网络冗余度的交通网络关键路段搜索方法 | |
CN103984994B (zh) | 一种城市轨道交通客流高峰持续时间预测方法 | |
CN105243844A (zh) | 一种基于手机信令的道路状态识别方法 | |
CN109859480B (zh) | 基于复杂网络的拥堵路段建模和评估方法 | |
CN109859495A (zh) | 一种基于rfid数据获取区间速度的方法 | |
CN103106787A (zh) | 一种前瞻性解决城市交通拥堵的系统 | |
CN104766475A (zh) | 一种城市交通瓶颈挖掘方法 | |
CN114866969B (zh) | 基于手机信令大数据的地铁清分清算方法与系统 | |
CN102968900A (zh) | 一种对rfid交通数据进行处理的方法 | |
CN104217593A (zh) | 一种面向手机移动速度的路况信息实时获取方法 | |
CN103632541B (zh) | 交通事件路链检测与数据填补方法 | |
CN108062860A (zh) | 基于拥塞传播分析的道路瓶颈识别方法及其系统 | |
Yue et al. | Urban traffic bottleneck identification based on congestion propagation | |
CN102542617B (zh) | 一种复杂路网的路径识别标识站设置方法 | |
CN102567389A (zh) | 组合交通网络的形成方法和设备、路径搜索方法和设备 | |
CN104821086B (zh) | 一种定位大规模交通网络中低效路段组合的方法 | |
CN107085939A (zh) | 一种基于路网等级划分的高速公路vms布局优化方法 | |
CN102156909A (zh) | 一种基于手机信号数据的轨道交通出行方式识别方法 | |
CN110674990A (zh) | 设置滑动窗口更新机制的即时配送路径选择方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |