CN104636611A - 城市道路/路段的车辆速度评估方法 - Google Patents

Abstract

本发明公开了一种基于3G手机移动信令大数据的城市道路/路段的车辆速度评估方法，包括步骤：①构建定位数据库，②用户手机在线定位，③计算车辆道路/路段平均速度指标。本发明通过对手机App心跳数据进行处理，结合基站和路网数据，得到手机位置和车辆速度数据，解决了传统定位手段“切换”事件数据方法数据量小，定位精度较低等关键问题，具有可靠性高，道路匹配错误率低和数据量大等优点。

Description

城市道路/路段的车辆速度评估方法

技术领域

本发明涉及一种基于3G手机移动信令的大数据进行城市道路/路段的车辆速度评估方法，属于手机定位和交通信息采集处理技术领域。

背景技术

近年来，随着科学水平和人们生活质量的普遍提高，机动车的保有量也显著的上升，这带来了一系列严峻的交通问题，拥堵现象随处可见。城市的交通拥挤给城市的交通规划带来了新的挑战，为了缓和解决城市交通问题，交通信息的采集和处理显得越来越重要。

目前交通信息采集技术分为固定型采集技术和移动型采集技术两种。固定型采集技术包括线圈检测、红外线检测和雷达检测，这些采集方式由于安装位置固定，只能获取特定点的交通信息，难以检测路段的交通信息，受到采集范围的局限性，而且受到工作环境的影响，造成采集精度的不稳定。移动式采集技术相对于固定型采集技术而言，它不需要将检测器固定在道路网，而是通过车载设备与信息采集系统的其他组成部分进行信息交换，以实现信息采集，主要包括GPS浮动车数据采集技术、手机定位采集技术。浮动车数据采集技术依靠安装有GPS定位和无线通信装置的普通车辆，如出租车、公交车、警车等返回的GPS数据与GIS、无线通信技术组合来获取交通信息，适用性较强(可用于各等级道路)、精度高、可全天候工作等特点但这种方法的缺点是采集到的交通信息数据的可靠性依赖于道路上的浮动车比率和采集频率。由于安装GPS终端的出租车主要在城市活动，无法大范围覆盖路网范围。

近年来，随着手机定位技术的日渐成熟，利用手机定位技术来采集交通数据也备受国内外关注。它是在对用户手机进行定位的基础上，到达对车辆的实时跟踪，从而获取相关的交通参数，具有投资小、覆盖范围广、海量数据等特点，具有广阔的应用前景。但目前手机定位技术主要是GPS定位技术和基于手机通讯或基站切换信号数据，两种方法都有不同的局限性。GPS定位技术来说十分依赖于定位精度有很大关系，GPS卫星信号易受电磁干扰和高大的群楼建筑物影响而使定位精度降低，甚至出现没有信号的情况，另外，用户不可能每时每刻都打开GPS进行定位，这为我们进行交通数据采集造成了难度。

因此，基于基站切换的手机定位法被运用到了交通数据采集中，所谓切换，就是指手机不断地移动，由上一个基站的服务覆盖区向下一个基站的变换。在切换过程中，手机与基站间发生数据的交换，然后结合初始位置和扇区信息确定手机位置。但是该过程是一个被动过程，数据采集频率较低造成了车辆速度估计的准确性较低。

近年，物联网(车联网)、云计算、移动互联网等新的技术，以及基于新商业模式技术集成的出现使得国内ITS原有技术瓶颈可能获得重大突破，信息的全面感知和互动、高速传输、智能处理、可靠发布等变得更容易实施、成本更低、效果更好。基于IT新技术的新业务不断扩张，在信息服务领域正逐步打破行业界限，进而对各个传统领域的发展产生深刻影响。多数手机系统需要网络即时通信服务的App都有“心跳”机制，即App后台唤醒机制，主要用于App与服务器之间进行信息沟通。这就像人们的心跳一样，持续不断维持着手机与基站的联系，不断进行数据传送。“心跳”信息的传递时单向的，即只有从用户手机等终端发送到应用服务器。当前，这种机制被手机应用广泛借用，像一些主流App应用QQ、微信、飞信、微博等都采用了这种机制，由终端定时向应用服务器发送简短的信息。新版的QQ“心跳”周期为180秒，微信为300秒，此外手机上还装有其他系统自带的和用户安装的App。这样，用户手机与基站连接的频率较高，App“心跳”数据比OIDD数据刷新周期要短的多，更适合用来做路况交通分析研究。而基于手机3G移动信令的海量用户流量数据，即手机App的“心跳”数据，使得每分钟都可以对手机持有者位置作较高精度的分析。

然而目前来说3G大数据却没有得到广泛合理的利用，面对当前交通信息采集方式可靠性不高，覆盖率低的缺点，实有必要提出一种新的方法来充分利用手机大数据在采集信息方面的巨大优势。

发明内容

本发明的核心在于运用手机App在待机过程中的主动数据交换来进行城市道路/路段的车辆速度估算。相对于传统定位手段“切换”事件数据法，

本发明把手机App的“心跳数据”和交通信息采集联系在一起，在传统交通检测数据的基础上，对手机App“心跳”数据进行分析，通过对移动手机基站信号变化的实时位置推算，来估算给定城市道路/路段的车辆速度，提高交通信息采集的范围和可靠性，给城市交通规划提供巨大的数据量。方法如下：

当手机使用者驾驶或者乘坐车辆行驶在城市道路上时，手机上的App如：微信、QQ、微博等，会发生频繁的数据交换活动即所谓的“心跳”数据(大概一分钟一次)，该过程的过程不依赖于用户操作，而每次的数据交换活动中，用户端将给基站发送当前位置附近基站及信号强度数据。通过对手机基站信号强度数据的分析判断出车辆的初步位置，再将其匹配到道路上，将车辆当前位置坐标和时间返回到交通中心，然后通过连续的用户数据计算手机用户移动速度，该速度用于表征道路交通运行速度。

为达到以上目的，本发明采用的技术方案如下：

一种基于3G手机移动信令大数据的城市道路/路段的车辆速度评估方法，其特点在于，该方法包括如下步骤：

①构建定位数据库，具体步骤如下：

1.1采集各基站的信号强度与地理位置坐标信息，构建一个城市道路/路段位置定位数据库；

1.2将城市道路路网分割成多个泰森多边形；

1.3将所述的各泰森多边形分割成多个栅格，在每个栅格的道路上选取多个采集点；

1.4采集所有信号采集点的信号强度数据，以信号强度直方图的形式按照栅格的分组标准存储在数据库中。

②用户手机在线定位：用户在一个未知位置s收到了一系列信号强度数据s＝(s₁,...,s_q)，它包括了在该点可见基站1～q的信号强度数据。该在线定位阶段主要包含区域定位、栅格定位、指纹匹配：

(1)区域定位：由于城市路网十分庞大，对采集点的匹配带来了复杂性，无法快速的进行运算。现有位置指纹定位优选算法在灵活性上存在不足，因此，需要对用户的位置进行初步模糊的定位来简化匹配复杂程度。基站返回的信号强度数据往往包括三个以上的基站ID和信号强度，选取信号强度最强的基站ID，将其定位在定位数据库建立方法中划分的对应泰森多边形中。

(2)栅格定位：在线定位阶段，用户在一个未知位置s处接收到基站1～q的信号强度序列s＝(s₁,...,s_q)。P(L|s)表示未知点s落在栅格L的概率，我们希望得到获得该信号强度序列可能性最大的栅格L，即

argmax_L[P(L|s)]

运用贝叶斯公式得到

$P\left(L\right|s)]=\frac{P\left(s\right|L)\·P\left(L\right)}{P\left(s\right)}$

P(s|L)表示未知点在栅格L内时获得信号序列s＝(s₁,...,s_q)的似然概率；P(L)为位于栅格L的概率；P(s)为常量。

一般不考虑历史状态位置信息的情况下，P(L)为常量，最大后验概率问题可以转化为最大似然概率(ML)问题。即

argmax_L[P(L|s)]＝argmax_L[P(s|L)]

栅格L内有N_j个信号采集点则

$P\left(s\right|L)=\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}P\left(s\right|l_j)$

P(s|l_j)表示未知点在信号采集点l时获得信号序列s＝(s₁,...,s_q)的概率

未知位置s获得信号采集点l_j的概率P可以在定位数据库建立阶段中的直方图里运用统计方法得到，即

$P\left(s\right|l_j)=\underset{i=1}{\overset{q}{\mathrm{\Π}}}P\left(s\right|l_j)$

则

$P\left(s\right|L)=\underset{j=1}{\overset{N_j}{\mathrm{\Σ}}}\underset{i=1}{\overset{q}{\mathrm{\Π}}}P\left(s_i\right|l_j)$

将此过程运用在泰森多边形内每个栅格上，可以得到每个栅格的概率P(s|L)，选取概率值最大的栅格即argmax_L[P(L|s)]作为未知位置s所在栅格。栅格定位的主要目的是减少第三步指纹匹配的计算次数，同时提高指纹匹配的准确性。

(3)指纹匹配：在栅格L中，需要找到一个最大后验概率此时信号采集点l_j为未知位置s最可能落入点。同上，运用贝叶斯公式：

$P\left(l_j\right|s)]=\frac{P\left(s\right|l_j)\·P\left(l_j\right)}{P\left(s\right)}$

式中：P(s|l_j)表示未知点落在l_j时获得信号序列s＝(s₁,...,s_q)的似然概率；P(l_j)为位于信息采集点l_j的概率；P(s)为常量。

一般不考虑历史状态位置信息的情况下，P(l_j)为常量，最大后验概率问题可以转化为最大似然概率(ML)问题。即

$\arg {\max }_{l_j}\left[P\left(l_i\right|s)\right]=\arg {\max }_{l_j}\left[P\left(s\right|l_j)\right]$

在栅格定位阶段我们已得到未知位置s获得信号采集点l_j的概率P(s|l_j)

$P\left(s\right|l_j)=\underset{i=1}{\overset{q}{\mathrm{\Π}}}P\left(s\right|l_j)$

所在的点，即为未知位置s最可能存在的点，得到用户所在位置并存入数据库。

③计算车辆道路/路段平均速度指标。

由于手机位置信息能够表示手机用户的位置和时间信息，经处理，在用户移动时可以根据用户所属路段的不同位置和时间判断用户的移动速度，结合同一路段所有用户的移动速度可以计算某一时间段内该路段的平均通行速度。

利用移动定位数据计算道路平均速度不仅需要准确的路段匹配，还需要有很高的实时要求。此处通过两次处理解决以上问题。第一次是通过邻近原则及方向一致原则提高手机数据与路段的准确性(对应下述步骤3.2)。由于根据手机基站进行定位存在一定误差，通过同一用户连续几个数据点的移动方向与所属各条路段的方向比较，确定车辆移动方向，筛除非正常方向数据点。第二次是筛除与路段速度计算无关的手机数据信息(对应下述步骤3.3)。大量的数据不是在移动状态产生的，不能用于路段速度计算，因此首先需要过滤去除非移动点，提取出移动点。

具体步骤如下：

3.1.提取路段的地理位置信息和该路段内用户手机的定位位置；

3.2.通过同一用户连续几个数据点的移动方向与所属各条路段的方向比较，确定车辆移动方向，筛除非正常方向数据点；

3.3.计算路段上所有用户的移动速度并滤除低速度(低于10公里/小时)及静止数据点；

3.4.计算道路出行平均速度。

与现有技术相比，本发明的有益效果是：

(1)利用手机3G大数据覆盖率高，采集频率高的特点，将手机基站定位方法运用到了路段车辆速度的计算上，在减少人力物力的同时，提高了计算结果的准确性和及时性。

(2)提高了手机定位精度，解决了传统的信号场强定位法(RSS)定位精度不高和指纹识别方法(SSF)覆盖面小的缺陷。

(3)使用了区域匹配、栅格匹配和指纹匹配的三次匹配步骤，减少了计算次数，结合了手机基站的定位方法，在路况车速调查中能得出同类技术所不能得到的详细、实时的数据，为公众出行选择提供更好的技术支持。

附图说明

图1为本发明实施例中的实施流程原理图

图2为本发明实施例中的手机基站信号数据。

图3为本发明实施例中定位数据库建立方法中的直方图。

图4为本发明实施例中区位定位中的泰森多边形。

图5为本发明实施例中栅格定位中的栅格图。

图6为本发明确定车辆道路/路段平均速度流程图。

具体实施方式

下面结合实施例和附图对本发明作进一步说明，但不应以此限制本发明的保护范围。

手机系统需要网路即时通信服务的App在后台唤醒过程中与基站进行交互式连接，将基站信号数据提供给通讯服务商，手机信号数据格式如图2所示。

首先对手机定位数据库进行构建，其目的是为了建立一个手机接收附近可见基站(按照信号强度进行排序)信号强度的数据库，该数据库覆盖范围是城市每条道路的每个位置。

数据库构建步骤具体如下所示：

1.1采集各基站的信号强度与地理位置坐标信息(可由通讯公司提供)，构建一个城市道路/路段位置定位数据库；

1.2将城市道路路网分割成多个泰森多边形，泰森多边形的划分标准是，在同一泰森多边形内，所有信号采集点接收到的信号最强数据是同一基站提供的；

1.3将所述的各泰森多边形分割成多个栅格，在每个栅格的道路上选取多个采集点；

1.4采集所有信号采集点的信号强度数据，以信号强度直方图的形式按照栅格的分组标准存储在数据库中。

本实施例中，操作人员按每间隔50米(或视附近基站数量而定)站在道路的各个位置l上去获取在该采集点附近可见基站的信号强度数据与地理位置坐标等数据，并将这些信息录入到数据库中，每个采集点收集的次数为50次。将数据的结果以信号强度概率统计直方图的形式表示出来，如图3。然后，按照每个采集点在50次的采集中信号强度最高的基站ID对地图进行区域划分，得到图4中的泰森多边形，即每个多边形里面的信号采集点收到该ID基站的信号强度是最强的。接下来，对泰森多边形内进一步进行栅格划分如图5所示，栅格的边长为200米，并对数据库以栅格L为标准进行分组。

将基站信号数据进行处理，首先选取信号最强的基站ID，将本次心跳数据归入到对应的泰森多边形内进行指纹匹配。其次，计算出此次用户信息落入在各个栅格的后验概率，并进行比较，落入概率最大的栅格为该用户所在的区域。随后在该栅格内计算出用户落在每个数据采集点的后验概率，找出该用户最大可能落入的点设定为该用户的地理位置，获取经纬度。

再通过GSM、CDMA等移动通信网络将手机信息(手机ID号和经纬度)发送至信息中心；在信息中心通过对当前时间段获取的所有手机数据信息进行筛选和处理来获取车辆速度等交通参数。速度计算方案具体流程如图6所示：首先，读取路段信息，并按照用户编号提取该路段所有用户的定位位置。接下来是数据的处理阶段，本专利采用两次数据处理来剔除掉无关数据，保留与路段车辆速度相关的用户定位数据。首先是筛选、去除非正常方向数据点。然后进行用户移动速度的计算，在计算结果的基础上进行第二次数据处理，滤除掉低速度(低于10公里/小时)和静止数据点。最后，对所有手机用户移动速度进行平均，得到道路/路段的平均车辆速度。另外，结合其他来源的路况信息为交通诱导和管理提供数据支持，从而使交通信息的发布更好地服务于交通出行者。

Claims (10)

1.一种基于3G手机移动信令大数据的城市道路/路段的车辆速度评估方法，其特征在于，该方法包括如下步骤：

①构建定位数据库；

②用户手机在线定位；

③计算车辆道路/路段平均速度指标。

2.如权利要求1所述的车辆速度评估方法，其特征在于，所述的步骤①构建定位数据库，具体包括以下步骤：

1.1采集各基站的信号强度与地理位置坐标信息，构建一个城市道路/路段位置定位数据库；

1.2将城市道路路网分割成多个泰森多边形；

1.3将所述的各泰森多边形分割成多个栅格，在每个栅格的道路上选取多个采集点；

1.4采集所有信号采集点的信号强度数据，以信号强度直方图的形式按照栅格的分组标准存储在数据库中。

3.如权利要求1所述的车辆速度评估方法，其特征在于上述步骤②用户手机在线定位，具体包括以下步骤：

2.1获取用户手机信号强度数据，并进行分析，选取信号强度最强点的基站ID，将其归入对应的泰勒多边形内；

2.2对所述的泰勒多边形内的栅格进行检索，匹配出与当前用户位置可能性最高的栅格；

2.3从所述数据库中提取出该栅格内的数据采集点位置定位数据，与被定位点的采样数据进行位置定位匹配，获取用户手机的地理位置信息。

4.如权利要求1所述的车辆速度评估方法，其特征在于上述步骤③包括以下步骤：

3.1提取路段的地理位置信息，即经纬度和步骤②中得到的该路段内用户手 机的定位位置；

3.2通过同一用户连续几个数据点的移动方向与所属各条路段的方向比较，确定车辆移动方向，筛除非正常方向数据点；

3.3计算路段上所有用户的移动速度并滤除低于10公里/小时及静止数据点；

3.4计算道路出行平均速度。

5.如权利要求1所述的车辆速度评估方法，其特征在于：数据产生过程是通过手机内各种App应用产生的状态更新和消息推送过程中，手机会自动检测附近基站的信号强度，并选取信号强度最强的点作为传输渠道，而基站信号数据会返回给通讯公司，该过程完全是一个自动过程。

6.如权利要求1所述的车辆速度评估方法，其特征在于：手机返还给基站的数据包括可见基站的ID，信号强度，扇区，时间信息；基站的地理坐标数据由通讯公司提供。

7.如权利要求2所述的车辆速度评估方法，其特征在于：步骤1.2所述的泰森多边形的划分标准是，在同一泰森多边形内，所有信号采集点接收到的信号最强数据是同一基站提供的。

8.如权利要求2所述的车辆速度评估方法，其特征在于：步骤1.3所述的栅格为边长为200米的正方形，覆盖在整个多边形中。

9.如权利要求3所述的车辆速度评估方法，其特征在于，所述的步骤2.2栅格匹配方法，具体包括如下步骤：

①设用户在一个未知位置s处接收到基站1～q的信号强度序列s＝(s₁,...,s_q)；

②计算获得该信号强度序列可能性最大的栅格L，公式如下：

argmax_L[P(L|s)]

式中：P(L|s)表示未知位置s落在栅格L的后验概率，P(s|L)为未知位置s在栅格L内时获得信号序列s＝(s₁,...,s_q)的似然概率，P(L)为位于栅格L的概率，P(s)为未知位置s处获得当前信号强度序列的概率；

③设栅格L内有N_j个信号采集点得到概率值最大的栅格作为未知位置s所在栅格，公式如下：

式中：P(s|l_j)为未知位置s在信号采集点l_j时获得信号序列s＝(s₁,...,s_q)的似然概率。

10.如权利要求3所述的车辆速度评估方法，其特征在于，所述的步骤2.3位置定位匹配方法，具体包括如下步骤：

①在栅格L中找出信号采集点l_j为未知位置s最可能落入点的地理位置，公式如下：

式中，P(l_j|s)表示未知位置s落在信号采集点l_j的概率；

②从定位数据库中获取该信号采集点的经纬度作为用户定位位置。