CN103226892B - 一种优化型的道路拥塞状态发现方法 - Google Patents

Abstract

本发明提供一种优化型的道路拥塞状态发现方法，步骤如下：一、利用浮动车在行驶过程中定期采集车辆编号、位置、速度、时间和车辆类型等信息，并传送到数据中心；二、数据中心对上述数据进行过滤，并根据位置信息与GIS系统匹配得到浮动车所在路段，将浮动车数据存储到行车路段数据库中该路段对应的位置；三、数据中心从行车路段数据库中抽取各路段的路段信息集，结合车辆类型及速度的权重，计算速度的加权平均值，得到速度异常信息；四、统计一预设时间内各路段速度异常信息出现的次数，若达到预设值，则该路段拥塞；从而实现交通拥塞点的识别。本发明是一种更为高效、可靠、动态的道路拥塞状态发现方法，可提高路段拥塞状态发现的准确度。

Description

一种优化型的道路拥塞状态发现方法

【技术领域】

本发明涉及一种优化型的道路拥塞状态发现方法。

【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。哪些路段经常拥堵？在什么时间段经常拥堵？其拥堵程度如何？目前在公众出行等交通信息服务系统中，这些信息往往只能根据长期的统计资料以及出行者本人的经验，实现一定程度的交通堵塞点静态信息服务，尚没有有效的方法提供动态的交通堵塞点信息服务。这些方式只是长期的数据经验的累计，无法实现道路中交通堵塞点信息的动态更新。

在目前的公共出行等交通信息服务系统中，拥塞信息的发现往往都是通过长期的统计资料以及出行者本人的经验，提供的信息也主要是静态的交通拥塞点信息服务。随着浮动车技术越来越广泛的应用，本发明结合浮动车的特点提出了一种优化型的道路拥塞状态发现方法。由浮动车在行驶过程中定期采集车辆编号、位置、速度、时间和车辆类型等信息，数据中心对上述数据进行过滤后，利用位置信息进行地图匹配得到浮动车所在路段，并结合车辆类型及速度的权重，计算速度的加权平均值，得到速度异常信息，统计一预设时间内各路段速度异常信息出现的次数，若达到预设值，则该路段拥塞。与已有的同类方法相比，该方法结合车辆类型及速度的权重（其中不同的车辆类型权重不同，不同的速度权重不同），计算速度的加权平均值，得到速度异常信息，可以得到动态的、准确的交通拥塞点的信息。对于各类交通信息服务系统有着重要的意义。

【发明内容】

本发明要解决的技术问题，在于提供一种优化型的道路拥塞状态发现方法，是一种更为高效、可靠、动态的道路拥塞状态发现方法，可提高路段拥塞状态发现的准确度。

本发明是这样实现的：

一种优化型的道路拥塞状态发现方法，所述方法包括如下步骤：

步骤10、浮动车在行驶过程中根据采样周期τ定期采集车辆编号u、位置l、速度v、时间t和车辆类型h信息，得到浮动车行车数据序列x_i，x_i=<u_i,l_i,v_i,t_i,h_ci/h_di/h_ei/h_fi>，其中i为数据序列x的编号，所述下标c、d、e、f分别代表浮动车中的出租车、私家车、货车以及公交车，并通过移动蜂窝通信技术传送到数据中心；

步骤20、数据中心对各浮动车行车数据序列进行过滤，并根据位置l的信息与地理信息系统即GIS系统匹配得到浮动车所属路段，将浮动车行车数据序列存储到数据库中对应路段的路段行车信息集；

步骤30、数据中心再从数据库中抽取各路段的路段行车信息集，结合车辆类型及速度的权重后，计算速度的加权平均值，得到速度异常信息；

步骤40、统计路段行车信息集在一预设时间段内各路段速度异常信息出现的次数，若达到设定值，则该路段拥塞；从而实现交通拥塞点的识别。

进一步地，所述步骤20具体包括如下步骤：

步骤21、数据中心对上传的行车数据序列x_i，x_i=<u_i,l_i,v_i,t_i,h_ci/h_di/h_ei/h_fi>，提取x_i的速度信息v_i，对v_i进行数据过滤，即判断v_i是否小于等于v_M，所述v_M是系统预设的一速度即当速度v_i大于v_M时，道路不会发生拥堵状态；若v_i≤v_M，则进入下一步骤，若v_i＞v_M，则返回步骤21判断下一个行车数据；

步骤22、从行车数据序列x_i中提取位置l_i信息，与GIS系统进行匹配，得到位置l_i所属的路段r_s，其中s为路段编号，并将所述行车数据序列x_i存储到行车路段数据库Q中与路段r_s对应的路段行车信息集q_s中，所述行车路段数据库Q表示为Q={q₁,q₂,q₃,...,q_s}，其中q_s表示路段编号s对应的路段行车信息集。

进一步地，所述步骤30具体包括如下步骤：

步骤31、从所述行车路段数据库Q中提取各路段行车信息集q_s在当前时间之前的一时间段T₁内路段r_s的行车数据列x_i，获得时间段T₁内的路段行车信息子集A_s,即

步骤32、将路段行车信息子集A_s中各浮动车辆速度v_i信息与一速度权重对照表M进行对照，得到所述速度v的速度权重；

所述速度权重对照表M表示为M={m₁,m₂,m₃,...,m_k}，其中m_k为速度权重对照序列，即m_k=<ε_k,α_k>，其中下标k为速度权重对照序列编号，其中ε_k为所述速度权重对照序列浮动车辆速度的范围值，α_k为所述序列的车辆速度范围值对应的速度权重，并且所述速度权重与车辆速度大小成正比；

将A_s中同一浮动车辆类型，即分别将出租车、私家车、货车以及公交车的车辆速度与对应的速度权重的乘积进行累加，得到出租车、私家车、货车以及公交车各自对应的速度加权平均值即其中α_j为速度v_j对应的速度权重且j∈i，获得速度加权平均值序列B_s，所述所述出租车速度加权平均值为私家车速度加权平均值为货车速度加权平均值为以及公交车速度加权平均值为

步骤33、将所述速度加权平均值序列B_s中各速度加权平均值分别乘以相对应的车辆类型权重p，并进行累加，得到路段r_s的速度加权平均值即其中p_c,p_d,p_e,p_f分别为出租车、私家车、货车以及公交车对应的车辆类型权重，并且p_c＞p_d＞p_e＞p_f；

步骤34、设定一速度值v₀′，当车辆速度小于v₀′时，则判定车辆以超低速信息行驶，即异常；判断是否小于v₀′，若是，则记录为速度异常信息，并存储到行车路段数据库Q中；若否，则执行步骤35；

步骤35、判断s是否是最后一个路段编号，若是,则系统返回步骤10；若否，则将s加1重复步骤31。

进一步地，所述步骤40具体包括如下步骤：

步骤41、设定一数值N，当速度异常信息次数超过N时，则判定为一交通拥堵点；

步骤42、从行车数据库Q中提取在一预设时间段T₂内路段r_s的速度异常信息，并统计速度异常信息次数n_s，且路段编号s的初始值为1，所述的T₂等于整数倍的T₁；判断n_s是否大于N，若是，则识别该路段为交通堵塞点；若否，则执行下一步骤；

步骤43、判断s是否是最后一个路段编号，若是,则系统返回步骤10；若否，则将s加1重复步骤41。

本发明具有如下优点：

本发明为交通信息服务系统提出一种更为高效、可靠、动态的道路拥塞状态发现方法，可提高路段拥塞状态发现的准确度。在该方法中，为了实现道路拥塞状态发现，首先利用浮动车在行驶过程中定期采集车辆编号、位置、速度、时间和车辆类型等信息，并将采集得到的数据传送到数据中心；同时数据中心对上述数据进行过滤，并根据位置信息与GIS系统匹配得到浮动车所在路段，将浮动车数据存储到历史记录数据库中该路段对应的位置；再次数据中心从历史记录数据库中抽取各路段的路段信息集，结合车辆类型及速度的权重，计算速度的加权平均值，得到速度异常信息；最后统计一预设时间内各路段速度异常信息出现的次数，若达到预设值，则该路段拥塞；从而实现交通拥塞点的识别。

【附图说明】

下面参照附图结合实施例对本发明作进一步的说明。

图1是本发明的系统流程图。

图2是本发明的数据过滤、匹配算法流程图。

图3是本发明中速度异常信息获取算法流程图。

图4是本发明中交通拥塞点识别算法流程图。

【具体实施方式】

请参阅图1～4所示，对本发明的实施例进行详细的说明。

本发明涉及一种优化型的道路拥塞状态发现方法，所述方法包括如下步骤：

步骤10、浮动车在行驶过程中根据采样周期τ定期采集车辆编号u、位置l、速度v、时间t和车辆类型h信息，得到浮动车行车数据序列x_i，x_i=<u_i,l_i,v_i,t_i,h_ci/h_di/h_ei/h_fi>，其中i为数据序列x的编号，所述下标c、d、e、f分别代表浮动车中的出租车、私家车、货车以及公交车，并通过移动蜂窝通信技术传送到数据中心；

步骤20、数据中心对各浮动车行车数据序列进行过滤，并根据位置l的信息与地理信息系统即GIS系统匹配得到浮动车所属路段，将浮动车行车数据序列存储到数据库中对应路段的路段行车信息集；

步骤30、数据中心再从数据库中抽取各路段的路段行车信息集，结合车辆类型及速度的权重后，计算速度的加权平均值，得到速度异常信息；

步骤40、统计路段行车信息集在一预设时间段内各路段速度异常信息出现的次数，若达到设定值，则该路段拥塞；从而实现交通拥塞点的识别。

较优的，所述步骤20具体包括如下步骤：

步骤21、数据中心对上传的行车数据序列x_i，x_i=<u_i,l_i,v_i,t_i,h_ci/h_di/h_ei/h_fi>，提取x_i的速度信息v_i，对v_i进行数据过滤，即判断v_i是否小于等于v_M，所述v_M是系统预设的一速度即当速度v_i大于v_M时，道路不会发生拥堵状态；若v_i≤v_M，则进入下一步骤，若v_i＞v_M，则返回步骤21判断下一个行车数据；

步骤22、从行车数据序列x_i中提取位置l_i信息，与GIS系统进行匹配，得到位置l_i所属的路段r_s，其中s为路段编号，并将所述行车数据序列x_i存储到行车路段数据库Q中与路段r_s对应的路段行车信息集q_s中，所述行车路段数据库Q表示为Q={q₁,q₂,q₃,...,q_s}，其中q_s表示路段编号s对应的路段行车信息集。

较优的，所述步骤30具体包括如下步骤：

步骤31、从所述行车路段数据库Q中提取各路段行车信息集q_s在当前时间之前的一时间段T₁内路段r_s的行车数据列x_i，获得时间段T₁内的路段行车信息子集A_s,即

步骤32、将路段行车信息子集A_s中各浮动车辆速度v_i信息与一速度权重对照表M进行对照，得到所述速度v的速度权重；

所述速度权重对照表M表示为M={m₁,m₂,m₃,...,m_k}，其中m_k为速度权重对照序列，即m_k=<ε_k,α_k>，其中下标k为速度权重对照序列编号，其中ε_k为所述速度权重对照序列浮动车辆速度的范围值，α_k为所述序列的车辆速度范围值对应的速度权重，并且所述速度权重与车辆速度大小成正比；

将A_s中同一浮动车辆类型，即分别将出租车、私家车、货车以及公交车的车辆速度与对应的速度权重的乘积进行累加，得到出租车、私家车、货车以及公交车各自对应的速度加权平均值即其中α_j为速度v_j对应的速度权重且j∈i，获得速度加权平均值序列B_s，所述所述出租车速度加权平均值为私家车速度加权平均值为货车速度加权平均值为以及公交车速度加权平均值为

步骤33、将所述速度加权平均值序列B_s中各速度加权平均值分别乘以相对应的车辆类型权重p，并进行累加，得到路段r_s的速度加权平均值即其中p_c,p_d,p_e,p_f分别为出租车、私家车、货车以及公交车对应的车辆类型权重，并且p_c＞p_d＞p_e＞p_f；

步骤34、设定一速度值v₀′，当车辆速度小于v₀′时，则判定车辆以超低速信息行驶，即异常；判断是否小于v₀′，若是，则记录为速度异常信息，并存储到行车路段数据库Q中；若否，则执行步骤35；

步骤35、判断s是否是最后一个路段编号，若是,则系统返回步骤10；若否，则将s加1重复步骤31。

较优的，所述步骤40具体包括如下步骤：

步骤41、设定一数值N，当速度异常信息次数超过N时，则判定为一交通拥堵点；

步骤42、从行车数据库Q中提取在一预设时间段T₂内路段r_s的速度异常信息，并统计速度异常信息次数n_s，且路段编号s的初始值为1，所述的T₂等于整数倍的T₁；判断n_s是否大于N，若是，则识别该路段为交通堵塞点；若否，则执行下一步骤；

步骤43、判断s是否是最后一个路段编号，若是,则系统返回步骤10；若否，则将s加1重复步骤41。

例如，本发明步骤32中的速度权重对照表M可用下表1表示：

表1速度权重对照表M

不同车辆类型的权重值可用下表2表示：

表2车辆类型权重p

车辆类型	出租车pc	私家车pd	货车pe	公交车pf
					权重	0.4	0.3	0.2	0.1

本发明为交通信息服务系统提出一种更为高效、可靠、动态的道路拥塞状态发现方法，可提高路段拥塞状态发现的准确度。在该方法中，为了实现道路拥塞状态发现，首先利用浮动车在行驶过程中定期采集车辆编号、位置、速度、时间和车辆类型等信息，并将采集得到的数据传送到数据中心；同时数据中心对上述数据进行过滤，并根据位置信息与GIS系统匹配得到浮动车所在路段，将浮动车数据存储到历史记录数据库中该路段对应的位置；再次数据中心从历史记录数据库中抽取各路段的路段信息集，结合车辆类型及速度的权重，计算速度的加权平均值，得到速度异常信息；最后统计一预设时间内各路段速度异常信息出现的次数，若达到预设值，则该路段拥塞；从而实现交通拥塞点的识别。

虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (3)

1.一种优化型的道路拥塞状态发现方法，其特征在于：所述方法包括如下步骤：

步骤10、浮动车在行驶过程中根据采样周期τ定期采集车辆编号u、位置l、速度v、时间t和车辆类型h信息，得到浮动车行车数据序列x_i，x_i＝＜u_i,l_i,v_i,t_i,h_ci/h_di/h_ei/h_fi＞，其中i为数据序列x的编号，下标c、d、e、f分别代表浮动车中的出租车、私家车、货车以及公交车，并通过移动蜂窝通信技术传送到数据中心；

步骤20、数据中心对各浮动车行车数据序列进行过滤，并根据位置l的信息与地理信息系统即GIS系统匹配得到浮动车所属路段，将浮动车行车数据序列存储到数据库中对应路段的路段行车信息集；

步骤30、数据中心再从数据库中抽取各路段的路段行车信息集，结合车辆类型及速度的权重后，计算速度的加权平均值，得到速度异常信息；

步骤40、统计路段行车信息集在一预设时间段内各路段速度异常信息出现的次数，若达到设定值，则该路段拥塞；从而实现交通拥塞点的识别；所述步骤20具体包括如下步骤：

步骤21、数据中心对上传的行车数据序列x_i，x_i＝＜u_i,l_i,v_i,t_i,h_ci/h_di/h_ei/h_fi＞，提取x_i的速度信息v_i，对v_i进行数据过滤，即判断v_i是否小于等于v_M，所述v_M是系统预设的一速度即当速度v_i大于v_M时，道路不会发生拥堵状态；若v_i≤v_M，则进入下一步骤，若v_i＞v_M，则返回步骤21判断下一个行车数据；

步骤22、从行车数据序列x_i中提取位置l_i信息，与GIS系统进行匹配，得到位置l_i所属的路段r_s，其中s为路段编号，并将所述行车数据序列x_i存储到行车路段数据库Q中与路段r_s对应的路段行车信息集q_s中，所述行车路段数据库Q表示为Q＝{q₁,q₂,q₃,...,q_s}，其中q_s表示路段编号s对应的路段行车信息集。

2.根据权利要求1所述的一种优化型的道路拥塞状态发现方法，其特征在于：所述步骤30具体包括如下步骤：

步骤31、从所述行车路段数据库Q中提取各路段行车信息集q_s在当前时间之前的一时间段T₁内路段r_s的行车数据列x_i，获得时间段T₁内的路段行车信息子集A_s,即

步骤32、将路段行车信息子集A_s中各浮动车辆速度v_i信息与一速度权重对照表M进行对照，得到速度权重；

所述速度权重对照表M表示为M＝{m₁,m₂,m₃,...,m_k}，其中m_k为速度权重对照序列，即m_k＝＜ε_k,α_k＞，其中下标k为速度权重对照序列编号，其中ε_k为所述速度权重对照序列浮动车辆速度的范围值，α_k为所述序列的车辆速度范围值对应的速度权重，并且所述速度权重与车辆速度大小成正比；

将A_s中同一浮动车辆类型，即分别将出租车、私家车、货车以及公交车的车辆速度与对应的速度权重的乘积进行累加，得到出租车、私家车、货车以及公交车各自对应的速度加权平均值即其中α_j为速度v_j对应的速度权重且j∈i，获得速度加权平均值序列B_s，所述所述出租车速度加权平均值为私家车速度加权平均值为货车速度加权平均值为以及公交车速度加权平均值为

步骤33、将所述速度加权平均值序列B_s中各速度加权平均值分别乘以相对应的车辆类型权重p，并进行累加，得到路段r_s的速度加权平均值即其中p_c,p_d,p_e,p_f分别为出租车、私家车、货车以及公交车对应的车辆类型权重，并且p_c＞p_d＞p_e＞p_f；

步骤34、设定一速度值v₀'，当车辆速度小于v₀'时，则判定车辆以超低速信息行驶，即异常；判断是否小于v₀'，若是，则记录为速度异常信息，并存储到行车路段数据库Q中；若否，则执行步骤35；

步骤35、判断s是否是最后一个路段编号，若是,则系统返回步骤10；若否，则将s加1重复步骤31。

3.根据权利要求2所述的一种优化型的道路拥塞状态发现方法，其特征在于：所述步骤40具体包括如下步骤：

步骤41、设定一数值N，当速度异常信息次数超过N时，则判定为一交通拥堵点；

步骤42、从行车路段数据库Q中提取在一预设时间段T2内路段r_s的速度异常信息，并统计速度异常信息次数n_s，且路段编号s的初始值为1，所述的T₂等于整数倍的T₁；判断n_s是否大于N，若是，则识别该路段为交通堵塞点；若否，则执行下一步骤；

步骤43、判断s是否是最后一个路段编号，若是,则系统返回步骤10；若否，则将s加1重复步骤41。