CN104318766B - 一种公交gps轨迹数据的路网匹配方法 - Google Patents
一种公交gps轨迹数据的路网匹配方法 Download PDFInfo
- Publication number
- CN104318766B CN104318766B CN201410567664.6A CN201410567664A CN104318766B CN 104318766 B CN104318766 B CN 104318766B CN 201410567664 A CN201410567664 A CN 201410567664A CN 104318766 B CN104318766 B CN 104318766B
- Authority
- CN
- China
- Prior art keywords
- section
- point
- candidate matches
- tracing point
- candidate
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种公交GPS轨迹数据的路网匹配方法,包括:步骤一、采集一个时间段内一辆公交车的所有GPS轨迹数据;步骤二在公交路网数据结构中,为一个轨迹点确定至少一个候选匹配路段并构成一个候选匹配路段集合;步骤三、逐个对除第一个轨迹点之外的剩余轨迹点的候选匹配路段集合进行判断,为每个轨迹点确定至少一个匹配点;步骤四、将所有的轨迹点的匹配点连接成多条候选行车轨迹,将匹配点个数最多的候选行车轨迹判定为行车轨迹;步骤五、所述行车轨迹经过若干的路段,从而确定每个路段上匹配有k个轨迹点。本发明将GPS轨迹点尽可能真实地归属到公交路网数据结构中,从而准确判断出车辆某时刻在道路上的实际行驶位置,以获得准确的路况信息。
Description
技术领域
本发明涉及交通领域,尤其涉及一种公交GPS轨迹数据的路网匹配方法。
背景技术
目前路况信息的判断需要借助公交车GPS轨迹数据,判断过程中,需要先将GPS轨迹数据匹配至路网中。浮动车数据反映在地图上是一个个具有空间坐标的离散点要素,但受到在GPS定位和信息传输过程、地图矢量化过程、不同空间坐标参考系的选取和相互转换过程中多种因素的共同作用,使其绝大多数游离于路网线要素之外,无法与道路直接进行空间关系的分析和处理。因此,将浮动车GPS定位点尽可能真实地归属到城市路网中的某路段,确定并得到车辆某时刻的道路实际行驶位置的处理过程,是路网匹配算法的主要内容。
经典的路网匹配算法不具有普适性。候选匹配路段是指分布于浮动车GPS定位点周围的可能与之匹配的路段集合。从全路网线要素中快速检索出每个GPS定位点的候选匹配路段是一个高效路网匹配算法的前提。通过划分网格来打断道路,并采用某种数据结构和建立相应编码规则的方法,具有索引方法灵活、提取目标要素快速等突出特点,在地理空间数据的处理上应用广泛,但在实际使用中也存在着一些不足,进而使路况信息的计算准确度不够,不能真实反映地实际的路况信息。
(1)网格划分法带来大量零碎路段
由于地图格网的网格大小相同,而城市路网疏密程度不同,因而不好控制道路打断后的路段长度,在实现过程中往往会出现大量被截断且长度较小的零碎路段,给匹配处理额外增加了一定程度的性能负担。例如,采用200米×200米的网格对全路网进行网格划分,产生的线路总长小于10米的路段数达到了一定比例。
(2)候选匹配路段所在格网的查找过程较为复杂
在匹配过程中,首先需要查找待匹配点周围的候选匹配路段。基于网格划分的检索方法是利用GPS定位点距离网格四条边的距离,并对比GPS定位点精度的阈值范围来判断是否获取当前网格或某几个周边邻域网格中的路段。但由于邻域网格数量随位置有3个、5个、8个,随方向有上、下、左、右、左上、左下、右上、右下多种情况,因而查找过程较为复杂,且容易将本身不符合条件的路段也作为候选考虑对象,需要进一步判断才能排除。
因此,需要设计一种不额外增加网格打断的路段、匹配结果准确的路网匹配方法。
发明内容
针对上述技术问题,本发明提供了一种将公交GPS轨迹数据准确匹配至路网中的方法。
本发明提供的技术方案为:
一种公交GPS轨迹数据的路网匹配方法,包括:
步骤一、采集一个时间段内一辆公交车的所有GPS轨迹数据,每组GPS轨迹数据包括时间值和经纬度坐标,利用经纬度坐标确定一个轨迹点,将所有的轨迹点根据时间先后顺序排序;
步骤二、对所有的轨迹点依次执行以下计算:在公交路网数据结构中,为一个轨迹点确定至少一个候选匹配路段并构成一个候选匹配路段集合,计算该轨迹点在每个候选匹配路段上的投影点并以投影点作为候选匹配点;
步骤三、为第一个轨迹点确定唯一的一个匹配路段和一个匹配点,逐个对除第一个轨迹点之外的剩余轨迹点的候选匹配路段集合进行判断:对于第N个轨迹点,
(1)当其仅有一个该候选匹配路段属于第N-1个轨迹点的任一个候选匹配点所在路段的第M级后继路段时,则将第N个轨迹点在该候选匹配路段上的候选匹配点判定为匹配点,
(2)当有多个候选匹配路段属于第N-1个轨迹点的其中一个候选匹配点所在路段的第M级后继路段时,则再对每一个候选匹配路段进行以下判断:如果在一个候选匹配路段的第Z级后继路段是第N+1个轨迹点的候选匹配路段,则将第N个轨迹点在该候选匹配路段上的候选匹配点判定为匹配点,并依次计算第1个轨迹点的匹配点到第N+1个轨迹点的所有候选匹配点的第一行驶距离,如果一个候选匹配路段的第Z级至第Z+a级后继路段都不是第N+1个轨迹点的候选匹配路段,则计算第1个轨迹点的匹配点到该候选匹配路段的第Z+a级后继路段的终点的第二行驶距离,将多个候选匹配路段进行比较,当一个候选匹配路段的第二行驶距离均大于剩余的候选匹配路段的第一行驶距离,则将该候选匹配路段从候选匹配路段集合中剔除,其中,M为取值大于等于1的正整数,Z、a为取值大于等于1的正整数,
其中,N为取值大于1的正整数,每进行完一个轨迹点的候选匹配路段集合的判断,N取值加1,重复执行上述过程;
步骤四、将所有的轨迹点的匹配点连接成多条候选行车轨迹,其中,同一个轨迹点的不同匹配点属于不同的候选行车轨迹,将匹配点个数最多的候选行车轨迹判定为行车轨迹;
步骤五、所述行车轨迹经过若干的路段,从而确定每个路段上匹配有k个轨迹点。
优选的是,所述的公交GPS轨迹数据的路网匹配方法中,Z取值为1,a取值为2。
优选的是,所述的公交GPS轨迹数据的路网匹配方法中,所述步骤三中,逐个对除第一个轨迹点之外的剩余轨迹点的候选匹配路段集合进行判断的具体过程为:
步骤①
从第i-1个轨迹点在相应的第1个候选匹配路段Q(i-1),1上的候选匹配点P(i-1),1’开始,逐个对第i-1个轨迹点的所有候选匹配点进行以下计算:
计算当前候选匹配点P(i-1),d’所在路段R(i-1),d的第一级后继路段集合R(i-1), d’与第i个轨迹点的候选匹配路段集合Qi的交集,其中,d表示候选匹配点的编号,
如交集中存在1个元素q,则将该元素保留在候选匹配路段集合Qi,j,对第i-1个轨迹点的下一个候选匹配点进行计算;
如交集中存在s个元素q,则从第1个元素开始逐个对该s个元素进行以下判断:计算当前元素qt的第一级后继路段集合R(i-1),t’与第i+1个轨迹点的候选匹配路段集合Qi+1的交集,如交集不为空,则将当前元素qt保留在第i个轨迹点的候选匹配路段集合中,逐个计算第一个轨迹点的候选匹配点P1’与第i+1个轨迹点Pi+1的所有候选匹配点P(i+1)’之间的第一行驶距离,并记为Se,其中,e代表第i+1个轨迹点的候选匹配点的编号,第i+1个轨迹点对应有E个候选匹配点,e为1到E的整数,如交集为空,则继续计算当前元素qt的第二级后继路段集合R(i-1),t”与第i+1个轨迹点的候选匹配路段集合Qi+1的交集,如交集为空,则逐个计算第一个轨迹点的候选匹配点P1’与第二级后继路段集合R(i-1),t”中所有元素r(i-1),t”的终点之间的第二行驶距离,并记为Sf,其中,f代表第二级后继路段集合R(i-1),t”中元素r(i-1),t”的编号,第二级后继路段集合R(i-1),t”中元素r(i-1),t”的个数为F,当当当前元素qt的所有的Sf值大于所有候选匹配路段的所有的Se,则当前元素qt从第i个轨迹点的候选匹配路段集合Qi中剔除,当对s个元素都计算完成,对第i个轨迹点的下一个候选匹配点进行计算;
如交集为空,则逐个选择第一级后继路段集合R(i-1),d’中的所有元素r(i-1), d’,进行以下计算:计算当前元素r(i-1),d’的第二级后继路段集合R(i-1),d”与第i个轨迹点的侯选匹配路段集合Qi的交集,如交集为空,则放弃当前元素,并对第i个轨迹点的下一个候选匹配点进行计算;
步骤②当对第i-1个轨迹点的所有候选匹配点进行上述计算过程,则对第i个轨迹点的所有候选匹配点执行步骤①,重复步骤①,直至为每个轨迹点都选定至少一个候选匹配路段,相应的候选匹配点被判定为匹配点。
优选的是,所述的公交GPS轨迹数据的路网匹配方法中,所述的所述步骤四中,如存在至少两条匹配点个数最多的候选行车轨迹,则分别对至少两条匹配点个数最多的候选行车轨迹进行以下计算:
对于任一条候选行车轨迹,其匹配有L个轨迹点,为方位角差值绝对值αi,j、投影距离di,j以及该候选行车轨迹的行驶距离S分别分配权重λ1、λ2和λ3,其中,该候选行车轨迹的行驶距离S为该候选行车轨迹所匹配的第1个轨迹点和最后一个轨迹点之间的行驶距离,则计算累计误差θ,
其中,将θ最小的一条候选行车轨迹判定为行车轨迹,一个轨迹点的方位角差值αi,j为该轨迹点与其匹配路段的方位角差值的绝对值,一个轨迹点的投影距离di,j为该轨迹点到其匹配路段的垂直距离。
优选的是,所述的公交GPS轨迹数据的路网匹配方法中,所述步骤二中,任一个轨迹点Pi的候选匹配路段集合的判断过程包括以下步骤:
所述公交路网数据结构中,以该轨迹点为圆心以GPS数据精度为半径设计一圆形的缓冲区,与该缓冲区相交或相切的若干路段构成候选匹配路段集合。
优选的是,所述的公交GPS轨迹数据的路网匹配方法中,所述步骤二中,任一个轨迹点Pi的候选匹配路段集合的判断过程还包括以下步骤:当所述轨迹点的瞬时速度大于一个候选匹配路段的限速时,则将该候选匹配路段从候选匹配路段集合剔除,如小于等于该候选匹配路段的限速时,则保留。
优选的是,所述的公交GPS轨迹数据的路网匹配方法中,所述步骤二中,任一个轨迹点Pi的候选匹配路段集合的判断过程还包括以下步骤:如所述轨迹点与一个候选匹配路段的方位角差值的绝对值αi,j>90°,则将该候选匹配路段从候选匹配路段集合剔除,如0≤αi,j≤90°,则保留。
优选的是,所述的公交GPS轨迹数据的路网匹配方法中,所述步骤二中,所述公交路网数据结构的构建过程具体为:
实际的公交路网包含形成在道路网上的若干条公交线路,将实际的具有相同站位号的多个公交站点合并并称为站位点,将不同的公交线路彼此相交的点称为线路交点,将道路路口或道路等级发生变化的点称为路口节点;用节点和线段构建公交路网数据结构,在公交路网数据结构中,将实际的公交站点、站位点、线路交点和路口节点均采用节点表示,位于一个道路上的同向且相邻的两个节点之间由一线段连接,将该线段定义为路段,用于表示一个单方向的实际的道路段,并且将该道路段的方位角和方向作为该路段的关联属性。
优选的是,所述的公交GPS轨迹数据的路网匹配方法中,所述步骤二中,将位于一个道路上的同向且具有相同站名的公交站点中相隔距离小于5m的公交站点合并,并在所述公交路网数据结构中由一个节点表示,所述线路交点为线路分叉点或线路汇合点,其中,线路分叉点为不同的公交线路之间由重叠段进入非重叠段的点,线路汇合点为不同的公交线路之间由非重叠段进入重叠段的点。
优选的是,所述的公交GPS轨迹数据的路网匹配方法中,在两个候选匹配点中,以第一个候选匹配点为起点沿其所在路段行进,依次经过X个中间路段,一直行进至第二个候选匹配点,并以第二候选匹配点为终点,所行进的距离定义为两个候选匹配点之间的行驶距离,其中,X≥0。
本发明具有以下有益效果:
本发明在将多辆公交车的GPS轨迹数据向公交路网数据结构中进行匹配时,采用多种参数结合的方式进行判别,尤其是利用同一公交车在一个时间序列中前后轨迹点的候选匹配路段之间的连通性,将GPS轨迹点尽可能真实地归属到公交路网数据结构中,从而准确判断出车辆某时刻在道路上的实际行驶位置,以获得准确的路况信息;本发明还设计了公交路网数据结构,该公交路网数据结构充分考虑了实际公交路网的特点,利用点要素和线要素构建整个公交路网数据结构,使公交路网在地图表现上呈现出两条不同方向的单线,任何同向路段都没有多个线要素重叠的情况,使某一路段匹配的多辆公交车的平均速度能够准确反映出该路段的路况。
附图说明
图1为本发明所述的现有技术中路网数据结构的结构示意图;
图2为本发明所述的实际的公交路网特征示意图;
图3为本发明所述的公交路网数据结构的一个实施例的示意图,图3显示了单方向的公交路网数据结构;
图4为本发明所述的公交GPS轨迹文本数据;
图5为本发明所述的公交GPS轨迹数据向公交路网数据结构匹配的流程图;
图6为本发明所述的轨迹点的缓冲区的示意图;
图7为本发明所述的一辆公交车在一个时间序列中轨迹点序列的示意图;
图8为本发明所述的利用行驶速度对候选匹配路段进行判断的示意图,图8(1)和图8(2)分别对应于两个时刻的情况;
图9为本发明所述的利用行驶方向对候选匹配路段进行判断的示意图,图9(1)和图9(2)分别对应直线道路段和曲线道路段上的情况;
图10为本发明所述的利用投影距离对候选匹配路段进行判断的示意图;
图11为本发明所述的利用行驶距离对候选匹配路段进行判断的示意图;
图12为本发明所述的在计算机中生成的虚拟的公交路网的示意图;
图13为本发明所述的计算得到的全路网路况图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明提供一种公交GPS轨迹数据的路网匹配方法,包括:
步骤一、采集一个时间段内一辆公交车的所有GPS轨迹数据,每组GPS轨迹数据包括时间值和经纬度坐标,利用经纬度坐标确定一个轨迹点,将所有的轨迹点根据时间先后顺序排序;
步骤二、对所有的轨迹点依次执行以下计算:在公交路网数据结构中,为一个轨迹点确定至少一个候选匹配路段并构成一个候选匹配路段集合,计算该轨迹点在每个候选匹配路段上的投影点并以投影点作为候选匹配点;
步骤三、为第一个轨迹点确定唯一的一个匹配路段和一个匹配点,逐个对除第一个轨迹点之外的剩余轨迹点的候选匹配路段集合进行判断:对于第N个轨迹点,
(1)当其仅有一个该候选匹配路段属于第N-1个轨迹点的任一个候选匹配点所在路段的第M级后继路段时,则将第N个轨迹点在该候选匹配路段上的候选匹配点判定为匹配点,
(2)当有多个候选匹配路段属于第N-1个轨迹点的其中一个候选匹配点所在路段的第M级后继路段时,则再对每一个候选匹配路段进行以下判断:如果在一个候选匹配路段的第Z级后继路段是第N+1个轨迹点的候选匹配路段,则将第N个轨迹点在该候选匹配路段上的候选匹配点判定为匹配点,并依次计算第1个轨迹点的匹配点到第N+1个轨迹点的所有候选匹配点的第一行驶距离,如果一个候选匹配路段的第Z级至第Z+a级后继路段都不是第N+1个轨迹点的候选匹配路段,则计算第1个轨迹点的匹配点到该候选匹配路段的第Z+a级后继路段的终点的第二行驶距离,将多个候选匹配路段进行比较,当一个候选匹配路段的第二行驶距离均大于剩余的候选匹配路段的第一行驶距离,则将该候选匹配路段从候选匹配路段集合中剔除,其中,M为取值大于等于1的正整数,Z、a为取值大于等于1的正整数,
其中,N为取值大于1的正整数,每进行完一个轨迹点的候选匹配路段集合的判断,N取值加1,重复执行上述过程;
步骤四、将所有的轨迹点的匹配点连接成多条候选行车轨迹,其中,同一个轨迹点的不同匹配点属于不同的候选行车轨迹,将匹配点个数最多的候选行车轨迹判定为行车轨迹;
步骤五、所述行车轨迹经过若干的路段,从而确定每个路段上匹配有k个轨迹点。
所述的公交GPS轨迹数据的路网匹配方法中,Z取值为1,a取值为2。
所述的公交GPS轨迹数据的路网匹配方法中,所述步骤三中,逐个对除第一个轨迹点之外的剩余轨迹点的候选匹配路段集合进行判断的具体过程为:
步骤①
从第i-1个轨迹点在相应的第1个候选匹配路段Q(i-1),1上的候选匹配点P(i-1),1’开始,逐个对第i-1个轨迹点的所有候选匹配点进行以下计算:
计算当前候选匹配点P(i-1),d’所在路段R(i-1),d的第一级后继路段集合R(i-1), d’与第i个轨迹点的候选匹配路段集合Qi的交集,其中,d表示候选匹配点的编号,
如交集中存在1个元素q,则将该元素保留在候选匹配路段集合Qi,j,对第i-1个轨迹点的下一个候选匹配点进行计算;
如交集中存在s个元素q,则从第1个元素开始逐个对该s个元素进行以下判断:计算当前元素qt的第一级后继路段集合R(i-1),t’与第i+1个轨迹点的候选匹配路段集合Qi+1的交集,如交集不为空,则将当前元素qt保留在第i个轨迹点的候选匹配路段集合中,逐个计算第一个轨迹点的候选匹配点P1’与第i+1个轨迹点Pi+1的所有候选匹配点P(i+1)’之间的第一行驶距离,并记为Se,其中,e代表第i+1个轨迹点的候选匹配点的编号,第i+1个轨迹点对应有E个候选匹配点,e为1到E的整数,如交集为空,则继续计算当前元素qt的第二级后继路段集合R(i-1),t”与第i+1个轨迹点的候选匹配路段集合Qi+1的交集,如交集为空,则逐个计算第一个轨迹点的候选匹配点P1’与第二级后继路段集合R(i-1),t”中所有元素r(i-1),t”的终点之间的第二行驶距离,并记为Sf,其中,f代表第二级后继路段集合R(i-1),t”中元素r(i-1),t”的编号,第二级后继路段集合R(i-1),t”中元素r(i-1),t”的个数为F,当当当前元素qt的所有的Sf值大于所有候选匹配路段的所有的Se,则当前元素qt从第i个轨迹点的候选匹配路段集合Qi中剔除,当对s个元素都计算完成,对第i个轨迹点的下一个候选匹配点进行计算;
如交集为空,则逐个选择第一级后继路段集合R(i-1),d’中的所有元素r(i-1), d’,进行以下计算:计算当前元素r(i-1),d’的第二级后继路段集合R(i-1),d”与第i个轨迹点的侯选匹配路段集合Qi的交集,如交集为空,则放弃当前元素,并对第i个轨迹点的下一个候选匹配点进行计算;
步骤②当对第i-1个轨迹点的所有候选匹配点进行上述计算过程,则对第i个轨迹点的所有候选匹配点执行步骤①,重复步骤①,直至为每个轨迹点都选定至少一个候选匹配路段,相应的候选匹配点被判定为匹配点。
所述的公交GPS轨迹数据的路网匹配方法中,所述的所述步骤四中,如存在至少两条匹配点个数最多的候选行车轨迹,则分别对至少两条匹配点个数最多的候选行车轨迹进行以下计算:
对于任一条候选行车轨迹,其匹配有L个轨迹点,为方位角差值绝对值αi,j、投影距离di,j以及该候选行车轨迹的行驶距离S分别分配权重λ1、λ2和λ3,其中,该候选行车轨迹的行驶距离S为该候选行车轨迹所匹配的第1个轨迹点和最后一个轨迹点之间的行驶距离,则计算累计误差θ,
其中,将θ最小的一条候选行车轨迹判定为行车轨迹,一个轨迹点的方位角差值αi,j为该轨迹点与其匹配路段的方位角差值的绝对值,一个轨迹点的投影距离di,j为该轨迹点到其匹配路段的垂直距离。
所述的公交GPS轨迹数据的路网匹配方法中,所述步骤二中,任一个轨迹点Pi的候选匹配路段集合的判断过程包括以下步骤:所述公交路网数据结构中,以该轨迹点为圆心以GPS数据精度为半径设计一圆形的缓冲区,与该缓冲区相交或相切的若干路段构成候选匹配路段集合。
所述的公交GPS轨迹数据的路网匹配方法中,所述步骤二中,任一个轨迹点Pi的候选匹配路段集合的判断过程还包括以下步骤:当所述轨迹点的瞬时速度大于一个候选匹配路段的限速时,则将该候选匹配路段从候选匹配路段集合剔除,如小于等于该候选匹配路段的限速时,则保留。
所述的公交GPS轨迹数据的路网匹配方法中,所述步骤二中,任一个轨迹点Pi的候选匹配路段集合的判断过程还包括以下步骤:如所述轨迹点与一个候选匹配路段的方位角差值的绝对值αi,j>90°,则将该候选匹配路段从候选匹配路段集合剔除,如0≤αi,j≤90°,则保留。
所述的公交GPS轨迹数据的路网匹配方法中,所述步骤二中,所述公交路网数据结构的构建过程具体为:实际的公交路网包含形成在道路网上的若干条公交线路,将实际的具有相同站位号的多个公交站点合并并称为站位点,将不同的公交线路彼此相交的点称为线路交点,将道路路口或道路等级发生变化的点称为路口节点;用节点和线段构建公交路网数据结构,在公交路网数据结构中,将实际的公交站点、站位点、线路交点和路口节点均采用节点表示,位于一个道路上的同向且相邻的两个节点之间由一线段连接,将该线段定义为路段,用于表示一个单方向的实际的道路段,并且将该道路段的方位角和方向作为该路段的关联属性。
所述的公交GPS轨迹数据的路网匹配方法中,所述步骤二中,将位于一个道路上的同向且具有相同站名的公交站点中相隔距离小于5m的公交站点合并,并在所述公交路网数据结构中由一个节点表示,所述线路交点为线路分叉点或线路汇合点,其中,线路分叉点为不同的公交线路之间由重叠段进入非重叠段的点,线路汇合点为不同的公交线路之间由非重叠段进入重叠段的点。
所述的公交GPS轨迹数据的路网匹配方法中,在两个候选匹配点中,以第一个候选匹配点为起点沿其所在路段行进,依次经过X个中间路段,一直行进至第二个候选匹配点,并以第二候选匹配点为终点,所行进的距离定义为两个候选匹配点之间的行驶距离,其中,X≥0。
在利用公交车GPS轨迹数据计算路况信息时,可以普通的道路网数据结构作为公交路网数据结构,并将GPS轨迹数据匹配至道路网数据结构中(如图1所示)。上述普通的道路网数据结构是将路口简化为一个节点,相邻两个节点之间通过线段连接,该线段用以表示一个单向的道路段。
另外为了获得更精确地路况信息,本发明也设计了一种公交路网数据结构。为了将复杂多线重叠情况下各线路数据对此段道路路况的影响考虑进来,除了公交线路行车轨迹固定等一般特点之外,这里更加关注实际的公交路网以及运营过程中的以下特征,如图2所示:
(1)上下行双向。大多数公交线路都分为上行、下行两个行驶方向,且二者拥有较强的对称性。少数公交线路呈现环状或单向。
(2)线路之间的重叠段和非重叠段。不同公交线路的行驶路线中会出现若干重叠的路段和非重叠的路段,其中也包含独立行驶在同一路段的不同专线上的情况。
(3)上下行站点并非完全对应。部分公交线路上下行过程中同名站点的位置并不是完全对称分布在同一条道路的两侧,甚至少数公交线路的部分上下行站点也非成对出现(上行有某站点而下行没有,反之亦然)。
(4)同一站位点包含多条线路的站点。即同一个公交站台包含有相隔几米到十几米的多条线路的站点。
(5)兴趣区多以区间的形式呈现。公交系统在运营调度中非常关注线路的某个区间或整条线路(首末站形成的区间)的路况信息。
(6)动态变更的区间车。公交线路或车辆在遇到交通管制或临时调度等需要时,常常需要临时增减或调整车辆行驶区间,通常这种临时性的变更多以公交站点为首末点。
结合上述公交路网的结构特点,将普通道路网结构进行调整,主要包括:细化各类功能性节点、对符合条件的公交站点按站位点合并处理、使公交线路在各节点处断开、重叠区段线路归一化,以及建立空间索引关系和属性编码。如图3所示,处理后的公交路网,总体呈现一种双向、同向单线、按各类节点分隔的类似于路段链模式的路网结构,空间上表现出“节点-线段-区间-线路”的图层拓扑关系。公交路网中点要素和线要素与其属性之间的关系由传统的N∶1转变成了1∶N,即整个路网在地图表现上呈现出两条不同方向的单线,任何同向路段都没有多个线要素重叠的情况;在属性表达上,点和线要素记录或关联了通过它们的所有站点和线路编号。
在所述的公交路网数据结构中,结合图3所示:
(1)节点(Node)
站位点:将具有同一站位号的多个公交站点合并为一个站位点,该点的属性表会关联此站位号下所有站点的属性信息。
公交站点:每条公交线路上下行方向分别设置的一系列车辆停靠站点,站点属性即包含自身的站名、站点编号、线路编号,也包含对应的站位编号等信息。本发明中保留了同向公交线路上相隔距离较远的同名站点,同理合并了相隔距离非常接近的同名站点。这一相隔距离较远或较近的判断是基于经验作出的,一般是5米。
线路分叉点:多条公交线路之间由重叠段进入非重叠段的节点,常常位于路口或车道变更的起点。
线路汇合点:多条公交线路之间由非重叠段进入重叠段的节点,常常位于路口或不同车道的汇合点。将线路分叉点和线路汇合点都认为是一种线路交点。
路口节点:分布于道路路口或道路等级发生变化的节点处。
(2)路段(Segment)
同向且相邻的两个节点之间的线路片段,它也是这种公交路网结构中线状要素的最小单元。一个路段用于表示一个单方向的实际的道路段,并且该道路段的行驶方向(用该道路段的方位角为表示)作为该路段的关联属性。
(3)区间(Interzone)
某条公交线路上的一系列同向且首尾相连的路段所组成的路段集合,其中区间的起点和终点无须位于公交线路的首站和末站。
(4)线路(Busline)
某完整公交线路,上行和下行分别对应一条。在这种公交路网结构中它也可以看作是起点对应线路首站,终点对应线路末站的特殊区间。
需要注意的是,在本发明中,将实际的一条双向道路看做是两条平行的方向相反的道路进行处理。
公交GPS数据作为一种浮动车数据,会受到在GPS定位和信息传输过程、地图矢量化过程、不同空间坐标参考系的选取和相互转换过程中多种因素的共同作用,发生偏离公交线路的情况,因此需要进行公交GPS离散点和公交路网之间的路网匹配处理,确定并得到公交车相对准确的时空位置。如图3-1所示,是公交GPS轨迹的文本数据格式。从中可以看出,公交GPS数据拥有线路归属,即每条记录对应的公交线路;没有上下行标识,上下行归属需要后续判断;具有日期时间、经纬度、瞬时速度和方位角信息,可作为地图匹配逻辑判别依据。
除短时调度和线路变更外,公交行驶线路相对固定,能在一定程度上简化匹配算法的若干步骤,但仍面临着如区间车、临时交通管制、线路分叉点和汇合点的周围、专线行驶路段等复杂情形。在本发明的一个实施例中,采用以线路归属为主,利用四参数(速度相符、方向相似、投影距离和行驶距离最小)进行综合判别的逻辑匹配方法,处理并生成公交GPS数据的路网匹配结果,其中主要的匹配流程如图5所示。
结合图5,以下将对本实施例的匹配过程进行具体说明,在对匹配过程进行描述时,仅以一个时间周期T(或者说一个时间段T)内所采集的GPS轨迹数据为例来进行说明,主要实现步骤如下:
步骤1.读取一个时间周期T的浮动车GPS轨迹数据记录,记为G,并按照车辆编号分组。
步骤2.获取一个分组(即一辆车)的所有GPS数据记录,并按照时间先后顺序排列,读取第一条记录,记为g。
步骤3.生成定位点g(即轨迹点)的最大有效阈值缓冲区,记为Pg,并利用空间面线关系判断Pg中是否存在路段。如果是,将路段加入候选匹配路段集合,记为M;如果否,读取该分组的下一条记录记为g,并转到步骤3。
步骤4.判断定位点g的行驶速度和行驶方向,是否至少与候选匹配路段集合M中一条路段的最高限速相符,以及与路段首末节点向量的方向夹角小于90度。如果是,生成g的候选匹配点并将匹配结果加入临时匹配结果表;如果否,读取该分组的下一条记录记为g,并转到步骤3。
步骤5.判断当前分组中是否还存在未匹配的数据记录。如果是,读取该分组的下一条记录记为g,并转到步骤3;如果否,对该分组所有定位点的候选匹配点和候选匹配路段进行投影距离和行车距离的判别。
步骤6.确定该分组车辆的最终行车轨迹,并将各定位点的唯一匹配点和匹配路段加入匹配结果表。
步骤7.判断G中是否还存在未匹配的浮动车GPS分组记录。如果是,读取下一个浮动车分组的GPS数据记录,并转到步骤2;如果否,停止匹配流程,路网匹配结束。
举例说明上述步骤3中生成定位点并利用空间面线关系判断是否存在路段的过程(见图6)。P1、P2、P3、P4分别是GPS定位点生成的缓冲区多边形(实际上是一个圆形区域),其半径设定为浮动车数据的最大有效阈值(即GPS轨迹数据的精度),并可以根据各批次采集装置的精度要求对采集到的数据进行标识和分类赋值,形成不同大小的缓冲区多边形;Seg1、Seg2、...、Seg11分别为各类节点形成的路段。综合考虑二者的空间面线关系,得到关于P1的相交路段Seg2,P2的相切路段Seg5,P3的相交路段Seg7和Seg9。其中,P1、P2、P3与路段相切或相交,对应定位点与路段距离小于或等于最大有效阈值,属于有效漂移点;P4与路段Seg3和Seg11相离,对应定位点为漂移严重的无效点;Seg2是P1对应定位点的候选匹配路段、Seg5是P2对应定位点的候选匹配路段;Seg7和Seg9是P3对应定位点的两条候选匹配路段。基于上述方法,可以确定出每个轨迹点的候选匹配路段集合。
对于公交车和出租车等多种浮动车数据类型,在地理空间或城市路网中的整体表现是一个时间意义上的点集,即,一组GPS轨迹数据可以定义成一个具有方位角、瞬时速度、公交车编号等属性的一个轨迹点,该轨迹点的坐标由该组GPS轨迹数据的经纬度确定。不同车辆在一段时间内拥有不同的信息记录条数和不同的行车路径,而且每辆车的一个时间序列很可能出现因漂移过于严重或发生数据丢失而断开成若干子序列的情况,如图7示。图7中,整个的时间序列中,Position(2)和Position(5)对应的数据丢失,导致在后续分析中实际处理的轨迹点序列只有Position(1)、Position(3)、Position(4)、Position(6)四个轨迹点,因此,需要综合该行驶车辆每对前后时间点的有效信息,分析和推测出车辆在这个时段内的行驶路线。
基于缓冲区可以为每个轨迹点判断出一个候选匹配路段集合,为了确定每个轨迹点最终匹配的路段,则还需要继续进行筛选和判断。轨迹判别分析是路网匹配的又一重要内容,其目的就是尽可能快速和真实地确定出行驶车辆在一段时间内或一个路况信息更新周期内的路网行车轨迹。针对上述部分轨迹点会发生偏移等特点,本发明在一个实施例中设计并提出了一种四参数行车轨迹判别方法,即从车辆的行驶速度、行驶方向、线路投影距离和最大行车距离四个方面设定判别条件来进行综合评价,并对每个浮动车定位点的候选匹配路段集进行正确取舍,从而最终得出各同名车辆在某时间周期内的整体行车轨迹。
(1)利用行驶速度对候选匹配路段进行判断
每条浮动车数据记录都拥有对应采集时刻的车辆瞬时速度,而对于城市道路来说,一方面会有道路类型和道路等级之分,不同等级的道路拥有不同的最高行驶速度;另一方面,不同道路路段的最大行驶速度也会根据交通限速标志或标线,存在着地理分布和时间区段上的差异性。因此,在对多条候选匹配路段进行后续判别时,首先可以用车辆行驶速度和不同道路最高限速值的大小关系进行初判。
举例来说,如图8所示,分别是Time1和Time2两个时刻(其中,Time1和Time2分属于两个不同时段)根据行驶速度和道路限速的关系来判别候选匹配路段的情况。1)Time1时刻:已知定位点P的候选匹配路段分别是Seg1和Seg2,Seg1在此时段的道路最高限速为Vmax1,Seg2在此时段的道路最高限速为Vmax2,定位点P的瞬时速度为Vp,Vp大于Vmax2且小于Vmax1,因而在车辆正常行驶情况下,可以推测出定位点P的可能匹配路段为Seg2,即此时可以将Seg1从定位点P的候选匹配路段集合中剔除,而保留Seg2;2)Time2时刻:已知定位点P′的候选匹配路段也是Seg1和Seg2,Seg1在此时段的道路最高限速仍为Vmax1,但Seg2在此时段的道路最高限速变为V′max2,相应速度关系变为Vp′大于V′max2且小于Vmax1,因而一般情况下,可以得出定位点P的可能匹配路段为Seg1,即此时可以将Seg2从定位点P的候选匹配路段集合中剔除,而保留Seg1。
(2)利用行驶方向对候选匹配路段进行判断
经过行驶速度参数的初步判别,一部分GPS定位点的候选匹配路段得到了确定,但仍有相当一部分数据由于其所在路段的限速相同,或行驶速度处在一个较宽泛的数值范围,而无法只用二者的速度关系就能得出唯一的匹配路段,这就需要引入第二个参数,即行驶方向来进行后续判定。
这里的行驶方向是一个瞬时概念,其取值不总是与道路或路段方向保持一致,在实际行车过程中会随着当时的驾驶情况(直行、左转、右转等)发生较大的偏差。但是,在正常行驶状态(即不发生逆行、倒车等突发状况)的前提下,车辆行驶方向的取值总能保持在一定的变化区间内,而且与所在道路段的方向具有较大的相似性。车辆行驶方向由方位角表示,在进行比较时,已经将实际的道路段的方位角作为关联属性赋予公交路网数据结构中的相应路段,一个道路段的方位角就是其行驶方向与正北方向所成的夹角。
如图9所示,分别是在直线道路和曲线道路条件下根据行驶方向来取舍候选匹配路段的处理规则。图9(1)中:已知Nodei和Nodej是某道路的两个相邻节点,浮动车P行驶在它们生成的路段Segi,j内,其正常行驶状态下的众多方向dir1、dir2、dir3始终与道路段方向Dirroad保持着一定范围内的一致性,即方向夹角不会超过90度。在这个例子中,所谓浮动车的正常行驶状态下的众多方向是从GPS轨迹数据中的方位角确定的。图9(2)中:浮动车定位点P位于曲线道路Road的某个路段Segi,j中,P的候选匹配点P’继承了P的方向属性记为Dirp’,根据几何关系容易得出Dirp’即是过候选匹配点P’并与路段Segi,j相切的切线方向,而此时由于道路方向代表的是整条道路的方向,不能精确表达浮动车P位于某个区间的走向,因此,通过连接路段始末节点Nodei和Nodej从而形成一个有向线段,并以它的方向作为道路方向进行后续的方向夹角比较判断。实际上,浮动车P此时位于曲线道路的一个曲线路段Segi,j上,而该曲线路段的行驶方向则由始末节点之间的有向线段进行表示。
基于上述行驶方向,将不符合条件的候选匹配路段从候选匹配路段集合中剔除,符合判别条件的一方面继续参与后续参数判别,另一方面分别记录方位角差值,参与最终的权重分析。
(3)利用投影距离对候选匹配路段进行判断
投影距离判别方法指的是浮动车定位点向各候选匹配路段分别映射投影并生成候选匹配点,通过判断定位点与候选匹配点的最小投影距离,来筛选各候选匹配路段的过程。
一般情况下,如图10所示的Con1状态,某时段T的同名浮动车的两个定位点P1和P2,在经过行驶速度和行驶方向的判别后,P1确定了其候选匹配点P1’和匹配路段Seg1,Seg2和Seg3是Seg1的两条后继路段,将P2分别向其两条候选匹配路段Seg2和Seg3映射投影,并得到候选匹配点P2’和P2”以及投影距离r1和r2,由于r1小于r2,在其他参数都相似的前提下,可以判断Seg2为P2的匹配路段,而{Seg1,Seg2}为该浮动车在时段T的行车轨迹。这里并不是说要直接对P2的候选匹配路段做出选择,投影距离只能作为最终判断的一个参数,如果两条候选匹配路段的其他参数都相近,才会考虑投影距离相对较小的候选匹配路段。具体结合前文的方位角差值、投影距离做出综合判断的过程,将在后文中进行说明。
(4)利用行驶距离对候选匹配路段进行判断
行车距离判别是指在上述三个方面的判别规则基础上,基于各同名浮动车在某时间序列中前后定位点的候选匹配路段之间的连通性,并表现为路段上的累计行驶距离处于一定阈值并达到最小。
对于其中第N个轨迹点,分为以下两种情况:
(1)当其仅有一个该候选匹配路段属于第N-1个轨迹点的任一个候选匹配点所在路段的第M级后继路段时,则将第N个轨迹点在该候选匹配路段上的候选匹配点判定为匹配点。这里M为取值为大于等于1的正整数,通常为1;但也存在不为1的情况,在路段被划分得较细时,会出现两个轨迹点之间经过了不止一段的路段。
(2)当有多个候选匹配路段属于第N-1个轨迹点的其中一个候选匹配点所在路段的第M级后继路段时,则再对每一个候选匹配路段进行以下判断:如果在一个候选匹配路段的第Z级后继路段是第N+1个轨迹点的候选匹配路段,则将第N个轨迹点在该候选匹配路段上的候选匹配点判定为匹配点,并依次计算第1个轨迹点的匹配点到第N+1个轨迹点的所有候选匹配点的第一行驶距离,如果一个候选匹配路段的第Z级至第Z+a级后继路段都不是第N+1个轨迹点的候选匹配路段,则计算第1个轨迹点的匹配点到该候选匹配路段的第Z+a级后继路段的终点的第二行驶距离,将多个候选匹配路段进行比较,当一个候选匹配路段的第二行驶距离均大于剩余的候选匹配路段的第一行驶距离,则将该候选匹配路段从候选匹配路段集合中剔除,其中,M为取值大于等于1的正整数,Z、a为取值大于等于1的正整数。同样地,Z通常为1;但也存在不为1的情况,在路段被划分得较细时,会出现两个轨迹点之间经过了不止一段的路段。而a一般取值为2。当M不为1时,实际也就是后一个轨迹点的候选匹配路段集合与前一个轨迹点的第一级后继路段集合的交集为空集的情况。如果不能依据上述条件将某一候选匹配路段剔除,就将其保留在候选匹配路段集合中,最终通过匹配点个数、累计误差将行车轨迹判断出来。
上述“后继路段”指的是位于某一路段A后侧的、与前一路段同向的、可与前一路段连通的路段,与路段A直接连通的路段为第一级后继路段,与第一级后继路段直接连通的为路段A的第二级后继路段,以此类推,与第M-1个后继路段直接连通的为第M级后继路段。举例来说,图11中,路段1的第一级后继路段有路段2、路段3和路段4,路段1的第二级后继路段有路段5、路段6、路段7、路段8、路段9,路段1的第三级后继路段有路段10、路段12、路段11和路段13。可以将路段1的第二级后继路段成为路段1的后继路段的后继路段。
上述“第一行驶距离”为,在两个候选匹配点之间,从第一个候选匹配点开始,经过若干的中间路段,向第二候选匹配点行进的距离。从图11中,P1’和P2’之间的行驶距离就是,P1’到其所在路段的终点加上路段3的起点到P2’的距离;P1’和P3’之间的距离就是,P1’到其所在路段的终点加上途径的路段3的长度再加上路段6的起点到P3’的距离。
在具体执行上述过程时,此判别方法是先假定某同名车辆某时间序列段的第一个定位点的匹配点已经确定,然后继续追踪后一个定位点的候选匹配路段集合是否与前一个点的候选匹配点所在路段或所在路段的后继路段集合存在交集,这时大致可以分为三种情况:1)交集为空,则继续追踪前一定位点候选匹配点所在路段各后继路段的后继路段集合(实际也是前一定位点候选匹配点所在路段的第二级后继路段集合);2)交集中只存在一个元素,则该候选匹配路段暂定为该点的匹配点,并继续按此方法追踪下一个定位点;3)交集中存在多个元素,则分别记录路段起点到候选匹配点的距离,并继续按此方法追踪下一个定位点。
当该同名车辆某时间序列各个定位点考虑完成后,各定位点成功匹配到路段的候选匹配点越多的那一条路径即为该车某一时期的行驶轨迹,如果出现多条备选路径(也就是候选行车轨迹),此时需要综合考虑并取各个点在上述方位角差值、投影距离,以及整条行车轨迹的行驶距离三个参数上的记录数值最小,即取累积误差较小(拥有更高的逻辑相似度)的那一组。累计误差的具体公式为:
其中,假设一条候选行车轨迹匹配有L个轨迹点,为方位角差值αi,j、投影距离di,j以及该条候选行车轨迹的行驶距离S分别分配权重λ1、λ2和λ3。需要说明的是,上述参数的权重分配默认是相等的,具体应用中可将长期的匹配结果与真实结果进行比对,按照具体的统计结果进行权重的调整。
举例来说,如图11所示,已知某浮动车在一时间周期T的定位点分布分别为P1、P2、P3、P4;P1的候选匹配路段1和候选匹配点P1’;P2的候选匹配路段3、4和候选匹配点P2’、P2”;P3的候选匹配路段6、7和候选匹配点P3’、P3”;P4的候选匹配路段11和候选匹配点P4’;且P1、P2、P3、P4由于在行驶速度、行驶方向和投影距离判别上的差异性较小,还无法确定唯一的匹配路段。当确定了P1的匹配路段1,引入行车距离判别规则进行分析:1)路段1的同向连通路段为2、3、4,路段3、4处于P2的候选匹配路段集合,按路段3、4行车的距离累计为Dis13、Dis14;路段2不处于P2的候选匹配路段集合且它的同向连通路段不是路段3、4,而此时按路段2的行车距离累计为Dis12,路段2的行车距离的计算方法为P1’到路段1的终点的距离加上路段2的长度,早已大于Dis13或Dis14,也就是说,车辆不可能行驶到P2’或P2”之后又折回到路段2的后继路段上去,这违背了大多数情况下的常识,因而排除路段2。2)同理讨论路段3,其同向连通路段5、6、7,容易排除路段5(路段5的排除方法与排除路段2的过程是一样的,只是在计算行车距离时,路段5的行车距离应为P1’到路段1的终点的距离加上路段3的长度再加上路段5的长度,),并累计行车路段{1,3,6}和{1,3,7}的距离Dis136、Dis137。3)讨论路段4,其同向连通路段8、9均不在P3的候选匹配路段集合,则继续追踪8、9的同向连通路段10、12,发现路段10、12也不在P3的候选匹配路段集合,并且此时途径路段总长度已经超出了Dis136或Dis137,停止追踪并排除路段4,这里途径路段总长度指的是P1’到路段1的终点的距离加上路段4的长度加上路段9的长度再加上路段10或12的长度。到此,已经将候选匹配点P1’的后继路段集合中的元素分析完成,并且确定了P2的匹配路段3,之后进行路段3的后继路段集合的分析,这个后继路段集合中路段5和路段6和路段7,并确定出P3的候选匹配路段集合中有候选匹配路段6和候选匹配路段段7。4)基于已能确定的行车轨迹{1,3},按照相同追踪判别方法得到经过P3和P4候选匹配路段的两条候选行车轨迹{1,3,7,10,11}和{1,3,6,11}。构建候选行车轨迹时,是将候选匹配点依次连接起来,并且每个轨迹点的不同候选匹配点必须分配在不同的候选行车轨迹上。
图11所示出的是一个前一个轨迹点的候选匹配点的后继路段集合与后一个轨迹点的候选匹配路段集合的交集不为空的例子,如果二者的交集为空,比如假设图11中P2不存在,只有P1、P3、P4,P1’的后继路段2、3、4都没有在P3的候选匹配路段上,则分别判断路段2的后继路段集合是否与P3的候选匹配路段相交,如不相交,则基本可以认为后继路段2不属于任一条候选行车轨迹,将其放弃;路段3的后继路段集合有路段5、路段6和路段7,而路段6和路段7属于P3的候选匹配路段集合,并计算出Dis136、Dis137,之后就分别以路段6和路段7的后继路段集合,分别将两个后继路段集合与P4的候选匹配路段集合进行比较;而路段4的后继路段集合中有路段9、路段8,路段8和路段9也不属于P3的候选匹配路段集合,将该路段4放弃。
对于这两条候选行车轨迹都匹配有4个轨迹点,而且其他参数方位角差值和投影距离都比较接近,且两条轨迹均处于各路段按最大行驶速度在已设定时间频率下的行驶距离阈值范围,那么此时综合分析两条轨迹各点的四参数值,并最终取累积误差较小(即拥有更高的逻辑相似度或匹配度)的那一组,即{1,3,6,11}。
在确定了一条行车轨迹之后,该行车轨迹所匹配的轨迹点及其匹配点都是确定的,就可以再进行路况信息的计算。
在上述实施例的匹配过程中,先采用了行驶速度、方位角差值对候选匹配路段进行了筛选,但是也可以在没有这两种筛选过程、或者仅采用其中之一,仅通过行驶距离进行判别也是可行的,在整个过程中采用越多的参数进行筛选,可以有效提高匹配的效率和准确度;另外,在通过行驶距离进行判别时,可以仅通过匹配点个数来决定行车轨迹,在匹配点个数一致时,才需要采取累积误差进行判别。
在本发明中,路况信息是通过路段的平均速度来表征的。将所有的公交车的所有轨迹点都匹配到公交路网数据结构中后,各条路段上分布着数量不等、编号不同的车辆候选匹配点,每个路段匹配有h辆公交车,同一辆公交车在同一个路段上匹配有k组GPS轨迹数据。在一个路况信息更新周期T内(通常更新周期为5min,采集频率为30s,一辆同名车辆拥有10个轨迹点),既存在着同名车辆(所谓同名车辆就是同一辆公交车)在同一路段拥有不止一个候选匹配点的情况,也存在不同车辆候选匹配点同时归属于这一路段的情况。为了提供实时的路况信息,就需要定期更新GPS轨迹数据,并利用更新的GPS轨迹数据重新计算路段的平均速度,在本发明中,更新周期设定为5min。因此,路段平均速度的计算过程主要分为两个步骤:
(1)计算路段上同名车辆候选匹配点的平均速度。路段内各同名浮动车的路段平均速度为时间周期T内该路段区间上浮动车瞬时速度Vm,1、Vm,2、…、Vm,k的算术平均值,其计算公式为
式中,——编号为m的浮动车候选匹配点的平均瞬时行车速度,候选匹配点的平均瞬时行车速度也就是相应轨迹点的瞬时速度;
k——路况更新周期T内匹配在该路段上的候选匹配点个数,也是该路段上的轨迹点的个数;
Vm,n——编号为m的浮动车的第n个候选匹配点的瞬时行车速度。
(2)计算路段的平均速度。在各路段同名车辆候选匹配点平均速度值的基础上,计算路段内所有候选匹配点的路段平均速度,作为该路段单元的平均行车速度。计算公式为
式中,——该路段的平均速度;
h——该路段上不同名浮动车候选匹配点的个数,也是不同浮动车轨迹点的个数;
Vm——编号为m的浮动车候选匹配点该路段的平均行车速度。
经过各路段平均速度的计算,已经基本完成了由“车的信息”向“路的信息”的转化。
上述过程给出了某一路段的路况信息的计算方法,对于兴趣区间,也可以计算某一区间的路况信息,由于一个区间实际是由几个连续的路段构成的,因此,只要将这几个路段所匹配的轨迹点确定出来,仍然使用公式(3-1)和公式(3-2)计算出来,此时k代表的区间内的候选匹配点个数。
在完成上述路况信息的计算之后,要将路况信息反映到公交路网数据结构中去。首先将路网中各道路或路段按照其道路等级分层,再分别对每个图层按照拥堵等级与平均行车速度关系(如表3-1所示),指定图层中各要素的地图渲染规则并保存,最后统一加载所有拥有路况渲染规则的图层,发布成全路网地图服务。随着路段平均速度周期性的变化,研究区全路网的路况专题图也随之更新。
表3-1道路类型、拥堵等级与速度关系表
此外,分别对公交车按照当量小汽车换算系数换算并计算研究区域整体路网的交通拥堵指数(TrafficPerformanceIndex,TPI),生成全路网路况数据指标。
为了说明本发明的应用效果,提供以下实施例。
如图12所示,选取了北京市西城区范围内部分公交线路,共计387条,按照公交路网数据结构进行矢量化处理并在计算机中生成虚拟的西城区公交路网,然后基于这些线路的公交GPS数据执行上述路况信息处理和计算方法,最终形成针对不同业务需求的公交路况专题图。
将选取的387条公交线路生成虚拟的公交路网,如图12所示。其中,节点层可分为公交站点、路口节点、线路分叉点和汇合点三层,这里只显示了公交站点层;路段层是这种双向、单线公交路网经这些节点断开的线路片段;区间层可分为每条线路的站区间层,以及某条线路的站区间集合(临时图层);线路层即上下行分开的整条公交线路。
查询组成全路网的387条公交线路对应的公交GPS数据,并读取一个更新周期的记录。选取2012年某天09:30:00至09:35:00的所有公交GPS数据,执行上述实施例中的路网匹配算法并按照各等级道路的路段平均速度划分等级统计生成全路网路况图,其中灰色表示无数据,结果如图13所示。线条越粗则拥堵情况越严重。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种公交GPS轨迹数据的路网匹配方法,其特征在于,包括:
步骤一、采集一个时间段内一辆公交车的所有GPS轨迹数据,每组GPS轨迹数据包括时间值和经纬度坐标,利用经纬度坐标确定一个轨迹点,将所有的轨迹点根据时间先后顺序排序;
步骤二、对所有的轨迹点依次执行以下计算:在公交路网数据结构中,为一个轨迹点确定至少一个候选匹配路段并构成一个候选匹配路段集合,计算该轨迹点在每个候选匹配路段上的投影点并以投影点作为候选匹配点;
步骤三、为第一个轨迹点确定唯一的一个匹配路段和一个匹配点,逐个对除第一个轨迹点之外的剩余轨迹点的候选匹配路段集合进行判断:对于第N个轨迹点,
(1)当其仅有一个该候选匹配路段属于第N-1个轨迹点的任一个候选匹配点所在路段的第M级后继路段时,则将第N个轨迹点在该候选匹配路段上的候选匹配点判定为匹配点,
(2)当有多个候选匹配路段属于第N-1个轨迹点的其中一个候选匹配点所在路段的第M级后继路段时,则再对每一个候选匹配路段进行以下判断:如果在一个候选匹配路段的第Z级后继路段是第N+1个轨迹点的候选匹配路段,则将第N个轨迹点在该候选匹配路段上的候选匹配点判定为匹配点,并依次计算第1个轨迹点的匹配点到第N+1个轨迹点的所有候选匹配点的第一行驶距离,如果一个候选匹配路段的第Z级至第Z+a级后继路段都不是第N+1个轨迹点的候选匹配路段,则计算第1个轨迹点的匹配点到该候选匹配路段的第Z+a级后继路段的终点的第二行驶距离,将多个候选匹配路段进行比较,当一个候选匹配路段的第二行驶距离均大于剩余的候选匹配路段的第一行驶距离,则将该候选匹配路段从候选匹配路段集合中剔除,其中,M为取值大于等于1的正整数,Z、a为取值大于等于1的正整数,
其中,N为取值大于1的正整数,每进行完一个轨迹点的候选匹配路段集合的判断,N取值加1,重复执行上述过程;
其中,所述后继路段为位于一个路段A后侧的、与该路段A同向的、可与该路段A连通的路段,与路段A直接连通的路段为第一级后继路段,与第一级后继路段直接连通的为路段A的第二级后继路段,与第M-1个后继路段直接连通的为路段A的第M级后继路段;
步骤四、将所有的轨迹点的匹配点连接成多条候选行车轨迹,其中,同一个轨迹点的不同匹配点属于不同的候选行车轨迹,将匹配点个数最多的候选行车轨迹判定为行车轨迹;
步骤五、所述行车轨迹经过若干的路段,从而确定每个路段上匹配有k个轨迹点。
2.如权利要求1所述的公交GPS轨迹数据的路网匹配方法,其特征在于,Z取值为1,a取值为2。
3.如权利要求2所述的公交GPS轨迹数据的路网匹配方法,其特征在于,所述步骤三中,逐个对除第一个轨迹点之外的剩余轨迹点的候选匹配路段集合进行判断的具体过程为:
步骤①
从第i-1个轨迹点在相应的第1个候选匹配路段Q(i-1),1上的候选匹配点
P(i-1),1’开始,逐个对第i-1个轨迹点的所有候选匹配点进行以下计算:
计算当前候选匹配点P(i-1),d’所在路段R(i-1),d的第一级后继路段集合R(i-1), d’与第i个轨迹点的候选匹配路段集合Qi的交集,其中,d表示候选匹配点的编号,
如交集中存在1个元素q,则将该元素保留在候选匹配路段集合Qi,j,对第i-1个轨迹点的下一个候选匹配点进行计算;
如交集中存在s个元素q,则从第1个元素开始逐个对该s个元素进行以下判断:计算当前元素qt的第一级后继路段集合R(i-1),t’与第i+1个轨迹点的候选匹配路段集合Qi+1的交集,如交集不为空,则将当前元素qt保留在第i个轨迹点的候选匹配路段集合中,逐个计算第一个轨迹点的候选匹配点P1’与第i+1个轨迹点Pi+1的所有候选匹配点P(i+1)’之间的第一行驶距离,并记为Se,其中,e代表第i+1个轨迹点的候选匹配点的编号,第i+1个轨迹点对应有E个候选匹配点,e为1到E的整数,如交集为空,则继续计算当前元素qt的第二级后继路段集合R(i-1),t”与第i+1个轨迹点的候选匹配路段集合Qi+1的交集,如交集为空,则逐个计算第一个轨迹点的候选匹配点P1’与第二级后继路段集合R(i-1),t”中所有元素r(i-1),t”的终点之间的第二行驶距离,并记为Sf,其中,f代表第二级后继路段集合R(i-1),t”中元素r(i-1),t”的编号,第二级后继路段集合R(i-1),t”中元素r(i-1),t”的个数为F,当当前元素qt的所有的Sf值大于所有候选匹配路段的所有的Se,则当前元素qt从第i个轨迹点的候选匹配路段集合Qi中剔除,当对s个元素都计算完成,对第i-1个轨迹点的下一个候选匹配点进行计算;
如交集为空,则逐个选择第一级后继路段集合R(i-1),d’中的所有元素r(i-1), d’,进行以下计算:计算当前元素r(i-1),d’的第二级后继路段集合R(i-1),d”与第i个轨迹点的侯选匹配路段集合Qi的交集,如交集为空,则放弃当前元素,并对第i-1个轨迹点的下一个候选匹配点进行计算;
步骤②当对第i-1个轨迹点的所有候选匹配点进行上述计算过程,则对第i个轨迹点的所有候选匹配点执行步骤①,重复步骤①,直至为每个轨迹点都选定至少一个候选匹配路段,相应的候选匹配点被判定为匹配点。
4.如权利要求1或2所述的公交GPS轨迹数据的路网匹配方法,其特征在于,所述的所述步骤四中,如存在至少两条匹配点个数最多的候选行车轨迹,则分别对至少两条匹配点个数最多的候选行车轨迹进行以下计算:
对于任一条候选行车轨迹,其匹配有L个轨迹点,为方位角差值绝对值αi,j、投影距离di,j以及该候选行车轨迹的行驶距离S分别分配权重λ1、λ2和λ3,其中,该候选行车轨迹的行驶距离S为该候选行车轨迹所匹配的第1个轨迹点和最后一个轨迹点之间的行驶距离,则计算累计误差θ,
其中,将θ最小的一条候选行车轨迹判定为行车轨迹,一个轨迹点的方位角差值绝对值αi,j为该轨迹点与其匹配路段的方位角差值的绝对值,一个轨迹点的投影距离di,j为该轨迹点到其匹配路段的垂直距离。
5.如权利要求1或2所述的公交GPS轨迹数据的路网匹配方法,其特征在于,所述步骤二中,任一个轨迹点Pi的候选匹配路段集合的判断过程包括以下步骤:
所述公交路网数据结构中,以该轨迹点为圆心以GPS数据精度为半径设计一圆形的缓冲区,与该缓冲区相交或相切的若干路段构成候选匹配路段集合。
6.如权利要求5所述的公交GPS轨迹数据的路网匹配方法,其特征在于,所述步骤二中,任一个轨迹点Pi的候选匹配路段集合的判断过程还包括以下步骤:当所述轨迹点的瞬时速度大于一个候选匹配路段的限速时,则将该候选匹配路段从候选匹配路段集合剔除,如小于等于该候选匹配路段的限速时,则保留。
7.如权利要求6所述的公交GPS轨迹数据的路网匹配方法,其特征在于,所述步骤二中,任一个轨迹点Pi的候选匹配路段集合的判断过程还包括以下步骤:如所述轨迹点与一个候选匹配路段的方位角差值的绝对值αi,j>90°,则将该候选匹配路段从候选匹配路段集合剔除,如0≤αi,j≤90°,则保留。
8.如权利要求7所述的公交GPS轨迹数据的路网匹配方法,其特征在于,所述步骤二中,所述公交路网数据结构的构建过程具体为:
实际的公交路网包含形成在道路网上的若干条公交线路,将实际的具有相同站位号的多个公交站点合并并称为站位点,将不同的公交线路彼此相交的点称为线路交点,将道路路口或道路等级发生变化的点称为路口节点;用节点和线段构建公交路网数据结构,在公交路网数据结构中,将实际的公交站点、站位点、线路交点和路口节点均采用节点表示,位于一个道路上的同向且相邻的两个节点之间由一线段连接,将该线段定义为路段,用于表示一个单方向的实际的道路段,并且将该道路段的方位角和方向作为该路段的关联属性。
9.如权利要求8所述的公交GPS轨迹数据的路网匹配方法,其特征在于,所述步骤二中,将位于一个道路上的同向且具有相同站名的公交站点中相隔距离小于5m的公交站点合并,并在所述公交路网数据结构中由一个节点表示,所述线路交点为线路分叉点或线路汇合点,其中,线路分叉点为不同的公交线路之间由重叠段进入非重叠段的点,线路汇合点为不同的公交线路之间由非重叠段进入重叠段的点。
10.如权利要求1或2所述的公交GPS轨迹数据的路网匹配方法,其特征在于,在两个候选匹配点中,以第一个候选匹配点为起点沿其所在路段行进,依次经过X个中间路段,一直行进至第二个候选匹配点,并以第二候选匹配点为终点,所行进的距离定义为两个候选匹配点之间的行驶距离,其中,X≥0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410567664.6A CN104318766B (zh) | 2014-10-22 | 2014-10-22 | 一种公交gps轨迹数据的路网匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410567664.6A CN104318766B (zh) | 2014-10-22 | 2014-10-22 | 一种公交gps轨迹数据的路网匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104318766A CN104318766A (zh) | 2015-01-28 |
CN104318766B true CN104318766B (zh) | 2016-06-08 |
Family
ID=52373990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410567664.6A Expired - Fee Related CN104318766B (zh) | 2014-10-22 | 2014-10-22 | 一种公交gps轨迹数据的路网匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318766B (zh) |
Families Citing this family (76)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808554B (zh) * | 2014-12-30 | 2019-09-24 | 高德软件有限公司 | 一种轨迹数据匹配方法和装置 |
CN105989145B (zh) * | 2015-02-28 | 2020-02-21 | 中国移动通信集团辽宁有限公司 | 公交线路的自动更新方法、设备及系统 |
CN104732789B (zh) * | 2015-04-08 | 2017-03-01 | 山东大学 | 一种基于公交车 gps 数据生成道路路网地图的方法 |
CN104809907B (zh) * | 2015-04-28 | 2017-05-17 | 贵州中科汉天下信息技术有限公司 | 一种自动获知公交线路改道的方法 |
CN106291630B (zh) * | 2015-05-29 | 2019-03-01 | 骑记(厦门)科技有限公司 | 漂移数据修正方法和装置 |
CN106846538B (zh) | 2015-12-04 | 2019-12-03 | 杭州海康威视数字技术股份有限公司 | 过车记录处理方法和装置 |
CN105489008B (zh) * | 2015-12-28 | 2018-10-19 | 北京握奇智能科技有限公司 | 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 |
CN105509753B (zh) * | 2015-12-28 | 2019-01-25 | 北京握奇智能科技有限公司 | 一种基于浮动车卫星定位数据的地图匹配方法及系统 |
CN105608898B (zh) * | 2016-03-24 | 2019-05-03 | 福建工程学院 | 一种基于交通轨迹的驾驶员兴趣点发现方法及系统 |
CN105930917A (zh) * | 2016-04-10 | 2016-09-07 | 厦门卫星定位应用股份有限公司 | 一种在电子地图上生成公交线路的方法及系统 |
CN105890599A (zh) * | 2016-04-12 | 2016-08-24 | 上海牵挂网络科技有限公司 | 一种基于地理位置足迹噪点的过滤算法 |
CN106289036B (zh) * | 2016-08-03 | 2019-05-10 | 福建工程学院 | 一种基于浮动车数据分析的道路宽度测量方法 |
CN106407378B (zh) * | 2016-09-11 | 2020-05-26 | 复旦大学 | 一种重新表示路网轨迹数据的方法 |
CN106205133B (zh) * | 2016-09-12 | 2018-09-25 | 深圳市海力特科技有限责任公司 | 基于浮动车gps信息识别城市道路行驶方向的方法 |
CN106781459B (zh) * | 2016-11-30 | 2019-05-28 | 贵州智通天下信息技术有限公司 | 一种拆分路线轨迹的方法 |
CN106705976A (zh) * | 2016-12-06 | 2017-05-24 | 北京中交兴路信息科技有限公司 | 一种路网匹配方法及装置 |
CN106855415B (zh) * | 2017-01-09 | 2020-03-03 | 北京京东尚科信息技术有限公司 | 地图匹配方法和系统 |
CN108805315A (zh) * | 2017-04-27 | 2018-11-13 | 上海博泰悦臻网络技术服务有限公司 | 根据轨迹点绘制出行轨迹的方法及系统、车载终端及车辆 |
CN108877211A (zh) * | 2017-05-15 | 2018-11-23 | 杭州远眺科技有限公司 | 一种基于稀疏gps数据的路段行程速度计算方法 |
CN107248282B (zh) * | 2017-06-29 | 2021-07-02 | 浩鲸云计算科技股份有限公司 | 获取道路运行状态等级的方法 |
CN107330088A (zh) * | 2017-07-04 | 2017-11-07 | 上海交通大学 | 一种基于gps轨迹数据的出行段识别方法 |
CN109307513B (zh) * | 2017-07-26 | 2022-05-10 | 厦门雅迅网络股份有限公司 | 一种基于行车记录的实时道路匹配方法及系统 |
DE102017216237A1 (de) * | 2017-09-14 | 2019-03-14 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Ermitteln eines Verlaufs von Fahrspuren eines Straßennetzes sowie Servervorrichtung zum Durchführen des Verfahrens |
CN107818426B (zh) * | 2017-11-23 | 2020-02-04 | 南京行者易智能交通科技有限公司 | 一种统计公交车运营班次的方法和装置 |
CN108182800B (zh) * | 2017-12-08 | 2020-08-11 | 北京中交兴路信息科技有限公司 | 一种货运交通信息处理方法及设备 |
CN108021686B (zh) * | 2017-12-14 | 2021-03-23 | 东南大学 | 一种快速匹配电子地图中公交线路与道路网络的方法 |
JP6988450B2 (ja) * | 2017-12-22 | 2022-01-05 | 株式会社デンソー | 交差点内の走行軌道データ生成装置、交差点内の走行軌道データ生成プログラム及び記憶媒体 |
CN108806301B (zh) * | 2018-04-18 | 2021-02-26 | 上海城市交通设计院有限公司 | 一种公交车辆信息的自动识别方法 |
CN108766031B (zh) * | 2018-05-29 | 2020-11-24 | 京东数字科技控股有限公司 | 一种检测车道障碍物的方法和装置 |
CN108776727B (zh) * | 2018-05-29 | 2021-10-29 | 福州大学 | 一种基于出租车轨迹数据的道路几何特征提取方法 |
CN108922178B (zh) * | 2018-07-01 | 2020-05-01 | 北京工业大学 | 基于公交多源数据的公交车辆实时满载率计算方法 |
CN108806257B (zh) * | 2018-07-04 | 2020-11-10 | 河海大学 | 一种道路拥堵区域和拥堵路段的识别方法 |
CN108900978B (zh) * | 2018-08-06 | 2020-12-04 | 北京交通大学 | 一种基于移动终端信令数据的城市主干道路连接方法 |
CN109035783B (zh) * | 2018-09-17 | 2021-06-11 | 东南大学 | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 |
CN109405839B (zh) * | 2018-10-23 | 2022-04-12 | 南京林业大学 | 一种基于多路径的交通网络离线地图匹配算法 |
CN111105627B (zh) * | 2018-10-25 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 路段平均速度的确定方法、装置及系统 |
CN109544914B (zh) * | 2018-11-09 | 2021-08-03 | 西南交通大学 | 一种基于历史gps轨迹的共享单车逆行行为识别方法 |
CN109596131A (zh) * | 2018-11-16 | 2019-04-09 | 浩鲸云计算科技股份有限公司 | 一种公交线路与路段关系识别的方法 |
CN109357686A (zh) * | 2018-11-19 | 2019-02-19 | 北京金州世纪信息技术有限公司 | 一种车辆行驶路径确定方法及装置 |
CN111721306B (zh) * | 2019-03-20 | 2022-07-05 | 北京嘀嘀无限科技发展有限公司 | 道路匹配方法、装置、电子设备及可读存储介质 |
CN111753030B (zh) * | 2019-03-28 | 2024-06-11 | 北京交研智慧科技有限公司 | 构建公交路网与道路网的联合拓扑的方法、装置及上位机 |
CN109916414B (zh) * | 2019-03-29 | 2021-07-09 | 百度在线网络技术(北京)有限公司 | 地图匹配方法、装置、设备和介质 |
CN110232470B (zh) * | 2019-04-11 | 2023-01-31 | 创新先进技术有限公司 | 一种确定车辆行驶路径的方法及装置 |
CN110006442B (zh) * | 2019-04-17 | 2021-06-01 | 北京百度网讯科技有限公司 | 导航方法、装置、设备和介质 |
CN111858785B (zh) * | 2019-04-29 | 2024-04-30 | 武汉四维图新科技有限公司 | 地图离散型要素的匹配方法、装置、系统及存储介质 |
CN110267221B (zh) * | 2019-05-30 | 2022-11-11 | 深圳市秒加能源科技有限公司 | 基于物联网的无线电子收费系统 |
CN110363990A (zh) * | 2019-07-15 | 2019-10-22 | 广东工业大学 | 一种公交畅行指数获取方法、系统及装置 |
CN110634290B (zh) * | 2019-09-12 | 2020-06-09 | 北京航空航天大学 | 一种基于自行车轨迹数据的逆行行为识别方法 |
CN112584316B (zh) * | 2019-09-30 | 2024-02-06 | 沈阳美行科技股份有限公司 | 一种室内行车定位方法、装置、设备及存储介质 |
CN110706477B (zh) * | 2019-10-12 | 2021-07-20 | 杭州律橙电子科技有限公司 | 一种公交站点匹配方法 |
CN111047860B (zh) * | 2019-12-02 | 2021-01-08 | 安徽百诚慧通科技有限公司 | 一种车辆运行轨迹提取方法 |
CN112985371B (zh) * | 2019-12-12 | 2023-02-28 | 杭州海康威视数字技术股份有限公司 | 路径确定方法、装置及设备 |
CN112967491A (zh) * | 2019-12-13 | 2021-06-15 | 百度在线网络技术(北京)有限公司 | 路况发布方法和装置、电子设备、存储介质 |
CN111007544A (zh) * | 2019-12-18 | 2020-04-14 | 南京智慧交通信息有限公司 | 一种基于线路轨迹的公交车前后车距离测算方法 |
CN111189459B (zh) * | 2020-01-10 | 2023-12-22 | 成都信息工程大学 | 一种定位信息与道路匹配的方法和装置 |
CN111627204B (zh) * | 2020-03-10 | 2021-08-17 | 蘑菇车联信息科技有限公司 | 路径确定方法、装置、电子设备及存储介质 |
CN111737378A (zh) * | 2020-03-26 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 道路通行方向识别方法、装置、计算机设备和存储介质 |
CN113495938B (zh) * | 2020-04-07 | 2024-02-27 | 阿里巴巴集团控股有限公司 | 一种公交运行线路的获取方法、装置及电子设备 |
CN111862659B (zh) * | 2020-06-30 | 2022-04-22 | 中冶智诚(武汉)工程技术有限公司 | 一种gps轨迹数据匹配和补全的方法 |
CN111968398B (zh) * | 2020-07-14 | 2022-07-29 | 深圳市综合交通运行指挥中心 | 公共交通工具的运行状态确定方法、装置、终端及介质 |
CN111862662B (zh) * | 2020-07-21 | 2021-08-20 | 上海晨擎信息科技有限公司 | 一种基于公交运行数据的公交线路调整监测方法 |
CN111739304B (zh) * | 2020-08-24 | 2020-12-04 | 深圳市都市交通规划设计研究院有限公司 | 基于车辆轨迹和线路线形数据的班次认定方法及系统 |
CN112185153B (zh) * | 2020-09-27 | 2021-09-28 | 腾讯科技(深圳)有限公司 | 一种车辆行驶路线确定方法、装置、设备及介质 |
CN112381906B (zh) * | 2020-10-13 | 2023-04-07 | 厦门市国土空间和交通研究中心(厦门规划展览馆) | 一种公交模型基础线网自动绘制方法 |
CN112530158B (zh) * | 2020-10-27 | 2022-05-13 | 北方信息控制研究院集团有限公司 | 一种基于历史轨迹的路网补充方法 |
CN112344947B (zh) * | 2020-11-23 | 2023-05-16 | 北京嘀嘀无限科技发展有限公司 | 地图匹配方法、装置、电子设备和计算机可读存储介质 |
CN112255652A (zh) * | 2020-11-26 | 2021-01-22 | 中铁第五勘察设计院集团有限公司 | 一种北斗车辆定位数据和铁路线路数据的匹配方法及系统 |
CN112748736B (zh) * | 2020-12-22 | 2023-01-06 | 潍柴动力股份有限公司 | 车辆驾驶的辅助方法及装置 |
CN112732857B (zh) * | 2021-01-20 | 2022-04-22 | 腾讯科技(深圳)有限公司 | 路网处理方法、装置、电子设备以及存储介质 |
CN112800161B (zh) * | 2021-02-08 | 2022-03-25 | 腾讯科技(深圳)有限公司 | 路网匹配方法和装置、存储介质及电子设备 |
CN113155139B (zh) * | 2021-06-28 | 2021-11-16 | 中移(上海)信息通信科技有限公司 | 车辆轨迹纠偏方法、装置及电子设备 |
CN113723715B (zh) * | 2021-11-01 | 2022-03-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 公交线网自动匹配道路网络方法、系统、设备及存储介质 |
CN114358416A (zh) * | 2021-12-31 | 2022-04-15 | 广东工业大学 | 基于多源交通数据的公交路网分区方法、系统、设备和介质 |
CN115424446B (zh) * | 2022-11-03 | 2023-02-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 用于交通组织评估的道路网络拓扑简化方法 |
CN116153085B (zh) * | 2023-04-18 | 2023-08-08 | 浙江口碑网络技术有限公司 | 逆行行为处理方法、路网数据提供方法、装置 |
CN116204576B (zh) * | 2023-05-04 | 2023-08-01 | 北京城建交通设计研究院有限公司 | 一种公共交通数据生成gtfs格式数据的生成方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101919366B1 (ko) * | 2011-12-22 | 2019-02-11 | 한국전자통신연구원 | 차량 내부 네트워크 및 영상 센서를 이용한 차량 위치 인식 장치 및 그 방법 |
CN103149576B (zh) * | 2013-01-29 | 2014-12-17 | 武汉大学 | 一种浮动车数据的地图匹配方法 |
CN103295414B (zh) * | 2013-05-31 | 2016-01-20 | 北京建筑大学 | 一种基于海量历史gps轨迹数据的公交车到站时间预测方法 |
-
2014
- 2014-10-22 CN CN201410567664.6A patent/CN104318766B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104318766A (zh) | 2015-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104318766B (zh) | 一种公交gps轨迹数据的路网匹配方法 | |
CN101325004B (zh) | 一种实时交通信息的数据补偿方法 | |
Chen et al. | B-Planner: Night bus route planning using large-scale taxi GPS traces | |
Ault et al. | Reinforcement learning benchmarks for traffic signal control | |
CN102592447B (zh) | 一种基于fcm的区域路网的道路交通状态判别方法 | |
CN107330559A (zh) | 一种多起终点多车型混载的定制公交线路规划方法 | |
CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
CN103198104A (zh) | 一种基于城市智能公交系统的公交站点od获取方法 | |
Noruzoliaee et al. | Truck platooning in the US national road network: A system-level modeling approach | |
CN102169524A (zh) | 城市轨道交通网络客流分布的分阶段多路径模型算法 | |
CN104809112A (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN102436466A (zh) | 基于gis分类的公交换乘查询方法 | |
CN110222786A (zh) | 基于出行信息的动态拼车方法及系统 | |
CN103680127A (zh) | 一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法 | |
CN110276973A (zh) | 一种路口交通规则自动识别方法 | |
CN102968900A (zh) | 一种对rfid交通数据进行处理的方法 | |
CN111314857B (zh) | 一种基于过车视频数据的车辆实时出行轨迹获取方法 | |
CN108765961A (zh) | 一种基于改进型限幅平均滤波的浮动车数据处理方法 | |
CN105608528A (zh) | 基于大数据分析的出租车驾驶员收入-压力评估方法和系统 | |
CN106250511A (zh) | 基于车辆定位数据的旅行时间信息处理方法与系统 | |
CN112784000A (zh) | 基于出租车轨迹数据的寻客方法 | |
CN112991743A (zh) | 基于行驶路径的实时交通风险ai预测方法及其系统 | |
Aqib et al. | A deep learning model to predict vehicles occupancy on freeways for traffic management | |
CN104679951A (zh) | 一种多因素空间聚类的城市街区功能区划方法 | |
CN107229988A (zh) | 一种智能路侧设备的选址优化方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160608 Termination date: 20211022 |
|
CF01 | Termination of patent right due to non-payment of annual fee |