CN103632541A - 交通事件路链检测与数据填补方法 - Google Patents

Abstract

本发明公开了一种交通事件路链检测与数据填补方法，属于智能交通技术领域。所述方法包括：获取交通事件文字信息描述的受影响路链，获取所述受影响路链的上下游扩展路链；以交通事件所属采样周期为基准，获取所述受影响路链及上下游扩展路链的前M个采样周期的路况信息，M大于1；根据所述路况信息确定交通事件所属路链；根据所述路况信息填补数据缺失路链的路况信息。本发明针对目前事件路链判断和数据填补方法的缺点，根据交通事件发生时上下游路链交通流的时空变化规律，确定具体的交通事件路链，并对数据缺失路链进行填补，完善智能交通信息系统的发布系统，为出行者提供完整的路况信息，从而降低交通事件对路况带来的负面影响。

Description

交通事件路链检测与数据填补方法

技术领域

本发明涉及智能交通技术领域，特别涉及一种交通事件路链检测与数据填补方法。

背景技术

随着社会和经济的发展，交通拥挤和污染问题已经是城市发展面临的重大问题。由于城市的发展空间有限，很多城市采用智能交通技术，通过各种方法向驾驶员提供路况信息，为他们的出行提供参考，合理选择出行路径，从而达到缓解拥堵、节能减排的目的。

目前，很多城市都建立了基于出租车的浮动车信息采集系统，该系统利用定位技术、无线通信技术和信息处理技术，可实现对道路上行驶的出租车的GPS位置信息、行驶方向等数据的采集，并结合城市道路路网数据，对采集到的出租车数据进行地图匹配、路径推测和状态判断等处理，主要用于提供道路交通状况。由于浮动车行驶路径具有随机性，因此每个采样周期获取的数据并不能覆盖所有路链。在正常交通状况下，可以通过历史数据对缺失路况信息进行填补。但是当发生偶发性交通事件时，路况信息不能通过简单的历史数据填补。因此如何借助已经发布的交通事件信息对路况信息进行填补是研究的热点和难点。

对于交通事件路链检测，有些系统根据上游行车道及事发点的交通量与密度，来确定交通事件的发生位置，但是出租车采集的浮动车数据并不能覆盖整个路链的交通量和密度。对于数据缺失路况信息的填补，有些系统对同一道路在相同时间段内的所有路况数据进行聚类处理，得出的路况变化趋势，建立道路交通路况趋势模式库，根据模式库填补缺失路况。但是这种方法对历史交通事件信息量的要求很大，历史上同一路链在一个时间段内发生的交通事件并不能包含未来发生的交通事件所有类型，所建立的道路交通路况趋势模式库存在局限性。

发明内容

有鉴于此，本发明的目的在于提供一种交通事件路链检测与数据填补方法，包括：

获取交通事件文字信息描述的受影响路链，获取所述受影响路链的上下游扩展路链；

以交通事件所属采样周期为基准，获取所述受影响路链及上下游扩展路链的前M个采样周期的路况信息，M大于1；

根据所述路况信息确定交通事件所属路链；

根据所述路况信息填补数据缺失路链的路况信息。

本发明针对目前事件路链判断和数据填补方法的缺点，根据交通事件发生时上下游路链交通流的时空变化规律，确定具体的交通事件路链，并对数据缺失路链进行填补，完善智能交通信息系统的发布系统，为出行者提供完整的路况信息，从而降低交通事件对路况带来的负面影响。

附图说明

图1为本发明实施例提供的交通事件路链检测与数据填补方法流程图；

图2为本发明实施例中交通事件路链和下游第一条路链的速度变化趋势示意图；

图3为本发明实施例中交通事件路链和下游第一条路链的速度差值变化趋势示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

本发明实施例针对目前事件路链判断和数据填补方法的缺点，根据交通事件发生时上下游路链交通流的时空变化规律，确定具体的交通事件路链，并对数据缺失路链进行填补，完善智能交通信息系统的发布系统，为出行者提供完整的路况信息，从而降低交通事件对路况带来的负面影响。

图1为本发明实施例提供的交通事件路链检测与数据填补方法流程图，包括以下步骤：

步骤101、获取交通事件文字信息描述的受影响路链。根据交通事件文字信息的描述获取受影响路链，并记录受影响的路链个数，用imp_num表示；定义link_info_1为通过交通事件文字信息的描述获取的第一条受影响路链，time_info为获取交通事件信息的时间。

步骤102、获取交通事件文字信息描述的受影响路链的上下游扩展路链。通过对交通事件文字信息与路况信息的分析得知，文字信息获取的路链有时并不能完全包含实际受影响路链，因此在判断事件路链时，向上下游分别扩展部分路链，f₁为向上游扩展的路链数，f₂为向下游扩展的路链数。

步骤103、以获取交通事件信息所属采样周期为基准，获取所述受影响路链及上下游扩展路链的前几个采样周期的路况信息。一般获取前6个采样周期的路况。在本实施例中以5分钟为一个采样周期，一天24小时共有288个采样周期，具体时间编号格式为yyyymmdd_xxx，获取交通事件信息时间标号为211，编号为20120301_211，如表1所示：

表1

步骤104、确定交通事件所属路链。定义i为采样周期标号，j为路链标号，v(i，j)为第i个采样周期路链j的速度，v_indicat(i,j)为第i个采样周期路链j的预测速度。Δv(i，j)为第i个采样周期路链j的速度与路链(j+1)的速度差值，Δv(i，j)=v(i，j+1)-v(i，j)，link_incident为发生交通事件的路链标号。

发生交通事件时，交通事件路链成为瓶颈，车辆不能顺利通过，产生拥挤波，拥挤波不断向上游传播。交通事件路链的速度会在短期内首先降低，上游路链的速度会随后降低，而下游路链的速度反而会处于较高水平或不断上升的状态。交通事件路链和下游第一条路链的速度变化趋势如图2所示，两者之间的差值变化趋势如图3所示。

由于上下游路链的速度差值相同情况下，速度本身很低的路链受影响更明显，如v(i，j)=60km/h和v(i，j)=30km/h，差值Δv(i，j)同样是15km/h，前者降低了25%，后者却降低50%，差异很大。因此这里加入比值Rato(i，j)来反映这种差异：

Ratio(i，j)=Δv(i，j)/v(i，j)

为了防止路链速度偶然波动引起的错误判断，考虑多个采样周期的速度差比值的和：

$\mathrm{Sum}\_\mathrm{ratio}(\mathrm{time}\_\mathrm{info},j)=\underset{i=\mathrm{time}\_\mathrm{info}-N-1}{\overset{\mathrm{time}\_\mathrm{info}}{\mathrm{\Σ}}}\mathrm{Ratio}(i,j)$

式中，N为考虑的采样周期个数。

路链中Sum_ratio(time_info，j)值最大者，对应的j即为寻找的交通事件路链，即link_incident。Sum_ratio(time_info,link_incident)的具体计算公式为：

$\mathrm{Sum}\_\mathrm{ratio}(\mathrm{time}\_\mathrm{info},\mathrm{link}\_\mathrm{incident})$

$=\underset{j=\mathrm{link}\_\mathrm{info}\_1-f_1}{\overset{\mathrm{link}\_\mathrm{info}\_1+\mathrm{imp}\_\mathrm{num}+f_2}{\mathrm{Max}}}\mathrm{Sum}\_\mathrm{ratio}(\mathrm{time}\_\mathrm{info},j)$

从表2可以看到，在获取交通事件信息时，路链101138456的速度差比值之和最大，为6.887，因此判断路链101138456为交通事件路链。

表2

步骤105、填补数据缺失路链的路况信息。根据交通事件发生时，交通事件路链首先产生拥挤，拥挤波不断向上游传播的规律（如表1所示），确定数据缺失路况信息的填补方法为：如果数据缺失路链为交通事件路链，则用该路链上一采样周期的速度填补缺失路况信息；如果数据缺失路链位于交通事件路链的上游，则用该路链上一采样周期相邻下游路链的路况信息填补；如果数据缺失路链位于交通事件路链的下游，则用该路链上一采样周期的路况信息填补。具体计算公式为：

$v\_\mathrm{indicat}(i,j)=\left\{\begin{array}{cc}v(i,j),& v(i,j)>0\\ v\_\mathrm{indicat}(i-1,j+1),& v(i,j)\&le;0\mathrm{and\; j}<\mathrm{link}\_\mathrm{incident}\\ v\_\mathrm{indicat}(i-1,j),& v(i,j)\&le;0\mathrm{and\; j}\&GreaterEqual;\mathrm{link}\_\mathrm{incident}\end{array}\right.$

关于交通事件情况下路况信息填补，本实施例是根据已经发布的交通事件信息结合实时采集的出租车浮动数据对缺失的路况信息进行填补，其实也可以通过采用线圈检测探测事件发生地点，历史路况数据填补缺失数据，其目的都是一样的，就是利用各种方式使城市交通路况信息更完整。

以上实施例能有效利用实时获取的交通事件信息和浮动车数据，对缺失路况信息进行填补，为出行者提供更完整、高效的路况信息，从而有效避开交通拥挤路链，合理使用城市有限的交通基础设施，使城市路网运行效益最大化，达到缓解拥堵、节能减排的目的。

本实施例采用的方案更加简单易懂，且节省存储空间，实时运行过程中，不依赖历史同期数据，也不用考虑流量、密度等其他交通状态参数和影响因素，提高了系统运行效率和系统实施的可行性，满足交通信息发布高效、快捷的要求。

总之，以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (5)

1.一种交通事件路链检测与数据填补方法，其特征在于，包括：

获取交通事件文字信息描述的受影响路链，获取所述受影响路链的上下游扩展路链；

以交通事件所属采样周期为基准，获取所述受影响路链及上下游扩展路链的前M个采样周期的路况信息，M大于1；

根据所述路况信息确定交通事件所属路链；

根据所述路况信息填补数据缺失路链的路况信息。

2.根据权利要求1所述的交通事件路链检测与数据填补方法，其特征在于，所述采样周期为5分钟，所述M的值为6。

3.根据权利要求1或2所述的交通事件路链检测与数据填补方法，其特征在于，所述确定交通事件所属路链的步骤具体包括：

设置i为采样周期标号，j为路链标号，v(i，j)为第i个采样周期路链j的速度，Δv(i，j)为第i个采样周期路链j的速度与路链(j+1)的速度差值，Δv(i，j)=v(i，j+1)-v(i，j)，link_incident为发生交通事件的路链标号，time_info为获取交通事件信息的时间；

设置Ratio(i，j)=Δv(i，j)/v(i，j)；

N个采样周期的速度差比值的和为：

$\mathrm{Sum}\_\mathrm{ratio}(\mathrm{time}\_\mathrm{info},j)=\underset{i=\mathrm{time}\_\mathrm{info}-N-1}{\overset{\mathrm{time}\_\mathrm{info}}{\mathrm{\&Sigma;}}}\mathrm{Ratio}(i,j);$

路链中Sum_ratio(time_info，j)值最大者，对应的j为确定的交通事件所属路链link_incident。

4.根据权利要求3所述的交通事件路链检测与数据填补方法，其特征在于，当j为确定的交通事件所属路链link_incident时，

$\mathrm{Sum}\_\mathrm{ratio}(\mathrm{time}\_\mathrm{info},\mathrm{link}\_\mathrm{incident})$

$=\underset{j=\mathrm{link}\_\mathrm{info}\_1-f_1}{\overset{\mathrm{link}\_\mathrm{info}\_1+\mathrm{imp}\_\mathrm{num}+f_2}{\mathrm{Max}}}\mathrm{Sum}\_\mathrm{ratio}(\mathrm{time}\_\mathrm{info},j)$

其中，imp_num为受影响路链的个数，link_info_1为通过交通事件文字信息的描述获取的第一条受影响路链，f₁为向上游扩展的路链数，f₂为向下游扩展的路链数。

5.根据权利要求4所述的交通事件路链检测与数据填补方法，其特征在于，所述填补数据缺失路链的路况信息的步骤具体包括：

如果数据缺失路链为交通事件路链，则用该路链上一采样周期的速度填补缺失路况信息；如果数据缺失路链位于交通事件路链的上游，则用该路链上一采样周期相邻下游路链的路况信息填补；如果数据缺失路链位于交通事件路链的下游，则用该路链上一采样周期的路况信息填补；

公式为：

$v\_\mathrm{indicat}(i,j)=\left\{\begin{array}{cc}v(i,j),& v(i,j)>0\\ v\_\mathrm{indicat}(i-1,j+1),& v(i,j)\&le;0\mathrm{and\; j}<\mathrm{link}\_\mathrm{incident}\\ v\_\mathrm{indicat}(i-1,j),& v(i,j)\&le;0\mathrm{and\; j}\&GreaterEqual;\mathrm{link}\_\mathrm{incident}\end{array}\right.$

其中，v_indicat(i,j)为第i个采样周期路链j的预测速度。

Images