CN104916129A - 基于大规模卡口过车数据的道路实时通行速度计算方法 - Google Patents

Abstract

本发明公开了一种基于大规模卡口过车数据的道路实时通行速度计算方法。本发明首先计算出相邻卡口对：设定过车量阈值，读取历史过车数据，顺序经过两卡口的车辆数大于该阈值，则认为该两卡口是一对相邻卡口对。然后根据最短路径算法得到计算出两相邻卡口之间沿地图的最短路径及该路径的长度。最后根据实时过车数据，得到相邻卡口对速度列表，剔除异常速度，计算平均速度作为卡口对速度，加权平均得到道路实时通行速度。在发明中使用了过车数据分片的方法，可以使用任意长时间段的卡口过车数据计算得到相邻卡口对集合。

Description

基于大规模卡口过车数据的道路实时通行速度计算方法

技术领域

本发明属于海量数据挖掘技术领域，具体涉及到一种基于卡口的道路实时通行速度计算方法。

背景技术

随着经济和社会的发展，城市规模日益扩大，城市人口数量急剧增加，城市车辆不断增多。对城市而言，机动车辆增长与道路增长的速度差距更大，由此导致的交通拥挤问题也日益加剧。事实上，无论是在发达国家还是发展中国家，城市交通拥挤的现象随处可见，城市的交通状况正日益恶化。

随着信息社会的发展特别是智能交通的发展，世界各地都在建立信息化的交通管理系统，对交通车辆进行科学合理的管理和疏导，以提高对道路的使用效率。其中，道路通行速度的实时获取是各个工作开展的前提和关键。

发明内容

本发明针对现有技术的不足，提供了一种基于大规模卡口过车数据的道路实时通行速度计算方法。

本发明中所谓的卡口是指设置有交通监控设备的道路监控点，用于过车数据的采集，过车数据是指经过卡口的车辆信息，包括车辆的“车牌号码”、“卡口编号”和“过车时间”；相邻卡口对是指物理位置相邻、可被车辆依次顺序经过的卡口对。

本发明的主要目标和内容即是,从卡口的过车数据中计算出城市道路的实时通行速度。

本发明技术方案的主要构思是：通过历史过车数据找出相邻卡口对，计算出相邻卡口对沿地图的最短路径，然后根据实时过车数据计算出相邻卡口对速度，并分配到该路径包含的各条道路上，最终获取各条道路的实际通行速度。

本发明方法包括以下步骤：

①计算出相邻卡口对：设定过车量阈值，读取历史过车数据，顺序经过两卡口的车辆数大于该阈值，则认为该两卡口是一对相邻卡口对。

②根据最短路径算法得到计算出两相邻卡口之间沿地图的最短路径及该路径的长度。

③根据实时过车数据，得到相邻卡口对速度列表，剔除异常速度，计算平均速度作为卡口对速度，加权平均得到道路实时通行速度。

本发明具有的有益效果：

本发明可使用所有的车辆的运行轨迹，使用的数据量更多，得出的速度更准确，可以做到每分钟更新一次的实时速度。而传统的基于浮动车轨迹的计算方法由于只包含部分车辆(出租车或者公交车)的数据，一般只能反映需要客户人群多且行驶通畅的路段，而不能代表城市中所有车辆的行车习惯。同时，本发明使用了过车数据分片的方法，可以使用任意长时间段的卡口过车数据自动获取相邻卡口对集合，避免了人工操作。而且，对于某条道路，本发明计算得出的道路实时速度包括了该道路两个方向的速度，而传统的基于浮动车轨迹的计算方法计算得出的道路实时速度只有一个，是两个方向上速度的平均。最后，本方明使用了最短路径算法，适用于路网复杂的城市道路通行速度计算。

附图说明

图1是最短路径算法的流程图；

图2是计算相邻卡口对实时速度的流程图；

图3是地图网格图；

图4是最短路径相关图；

图5是映射表相关图；

图6是以车辆A为例的速度计算图；

图7是加权平均计算道路速度的一个例图。

具体实施方式

以下结合附图对本发明作进一步说明。

本发明包括如下步骤：

①计算出相邻卡口对：设定过车量阈值，读取历史过车数据，顺序经过两卡口的车辆数大于该阈值，则认为该两卡口是一对相邻卡口对。

②根据最短路径算法得到计算出两相邻卡口之间沿地图的最短路径及该路径的长度，如图1所示。

③根据实时过车数据，得到相邻卡口对速度列表，剔除异常速度，计算平均速度作为卡口对速度，加权平均得到道路实时通行速度，如图2所示。

以下将对上述内容作进一步说明。

步骤(1).输入城市的呈矩形状的地图数据、卡口数据和卡口过车数据，其中地图数据包括各条道路的道路ID(唯一编号)、两端点经度坐标和纬度坐标、中点经度坐标和纬度坐标；卡口数据包括各个卡口的经纬度坐标以及卡口编号；卡口过车数据包括车牌号码、卡口编号以及过车时间(即通过相应卡口的时间)。

步骤(2).得到相邻卡口集合：统计在某一确定的时间间隔内顺序经过任意两个卡口的车辆数，如经过两个卡口的车辆数大于设定的过车量阈值时，则认为该两卡口是一对相邻卡口对，将该两卡口编号存入相邻卡口对集合；为了避免取任意长时间段的卡口过车数据来计算相邻卡口对集合时可能导致的内存溢出问题，实际中将卡口过车数据分成多个片段的数据来计算，最后汇总。

步骤(3).初始化地图网格：将地图分成由相同边长的方形网眼组成的网格(参见图3)；若某条道路的中点经纬度坐标在某个方形网眼中，则认为该道路位于该网眼中，将该道路ID放至该网眼对应的“网眼-道路列表”中；若没有对应的“网眼-道路列表”，则为该网眼新建一张空的“网眼-道路列表”，并放入该道路ID；采取这种“懒汉式”的方式来创建“网眼-道路列表”，使得只有在包含至少一条道路的网眼中才有“网眼道路列表”，减少了空间的浪费。

步骤(4).得到最短路径：依次读取步骤(2)获得的某个相邻卡口对，根据两卡口经纬度坐标，分别计算出两卡口位于的方形网眼；分别获取俩卡口所在方形网眼以及环绕该方形网眼的周边8个方形网眼的道路ID集合，将每条道路近似为包含两端点的线段，对于其中一个卡口，计算该卡口到所有这些线段的距离，取其中最小距离所对应的道路，若该距离不大于设定的近邻阈值，则认为该卡口位于该道路，否则不属于任何道路，认为该卡口的地理信息有问题，跳过对该对相邻卡口对的处理，转至步骤(5)；然后以两卡口所在方形网眼为对角端点，确定两卡口的“通行矩形区域”，并得到该“通行矩形区域”中所有方形网眼的道路ID集合；创建相邻卡口对所对应的“通行区域图”，其中“通行矩形区域”中所有道路作为“通行区域图”的顶点，有相同端点的道路认为是相邻顶点，连接相邻顶点的线段作为“通行区域图”的边，边的长度为两道路中点到公共端点距离的和。基于该“通行区域图”利用Dijkstra方法计算出两相邻卡口之间的最短路径及该路径的长度(参见图4)。

步骤(5).重复执行步骤(4)，直至所有相邻卡口对都得到处理。

步骤(6).新建一张空的外映射表outMap，外映射表的key为的车牌号码，value为对应车辆最近时刻经过某一卡口的卡口编号以及过车时间，记外映射表outMap中的每条映射记录为：{车牌号码，卡口编号，过车时间}。

步骤(7).等待t分钟(t一般取1或者2分钟)，以当前时间为基点，按过车时间的升序读取最近T分钟(T一般取5、6、7、8、9或10分钟)内的卡口过车数据，保存至“最近过车数据集合”；同时新建一张空的内映射表inMap，其结构同外映射表；新建内映射表inMap的原因如下：假设当前时刻为0时刻，读取[-T,0)间隔中经过的过车数据，若只有一张外映射表outMap，实时速度计算完成后，外映射表outMap保存的是0时刻前的车辆映射记录；而下次计算实时速度时，当前时刻为t时刻，读取[-T+t,t)间隔中经过的过车数据，在计算时，外映射表outMap中的车辆映射记录与当前车辆信息不是前后相邻关系，不能用来计算速度；为了避免这种情况的发生，引入内映射表inMap；(参见图5，只有外映射表outMap情况与引入了内映射表inMap情况的对比，其中只有外映射表outMap时，第一次计算后，外映射表outMap中保存的是p4点信息，而引入了内映射表inMap时，第一次计算后，外映射表outMap中保存的是p1点信息，内映射表inMap保存的是p4点信息；在图6中，取t＝1,T＝5，虚线箭头是引入了内映射表inMap后的计算速度时的效果，例如，第一次的p2与p1结合计算，p3与p2结合计算,第二次的p2与第一次的p1结合计算)。

步骤(8).按过车时间顺序读取“最近过车数据集合”中的某条卡口过车数据{车牌号码，卡口编号，过车时间}＝{A,b1,t1}，若该条过车数据是[-T,-T+t)间隔中经过的过车数据，则执行步骤(9)，否则该条过车数据是[-T+t,0)间隔中经过的过车数据,执行步骤(10)。

步骤(9).在外映射表outMap中查找“车牌号码”为A的映射记录，若找不到，则在外映射表outMap中添加一条映射记录{A,b1,t1}；否则假设外映射表outMap中找到的映射记录为{A,b2,t2}，查看<b2,b1>是否是相邻卡口对；若是相邻卡口对，则根据公式：车辆速度＝[卡口对路径长度]/(t1-t2)，计算出车辆速度，然后将该车辆速度放入<b2,b1>卡口对的“卡口对-车辆速度列表”中；若不是相邻卡口对则不做处理；不管是否属于相邻卡口对最终都要将外映射表outMap中的映射记录{A,b2,t2}更改为{A,b1,t1}，转步骤(12)。

步骤(10).在内映射表inMap中查找“车牌号码”为A的映射，若找不到，转步骤(11)，否则记找到的映射记录为{A,b2,t2}，查看<b2,b1>是否是相邻卡口对；若是相邻卡口对，则根据公式：车辆速度＝[卡口对路径长度]/(t1-t2)，计算出车辆速度，然后将该车辆速度放入<b2,b1>卡口对的“卡口对-车辆速度列表”中；若不是相邻卡口对则不做处理；不管是否属于相邻卡口对最终都要将内映射表inMap中的映射记录更改为{A,b1,t1}，转步骤(12)。

步骤(11).在外映射表outMap中查找“车牌号码”为A的映射记录，若找到的映射记录为{A,b3,t3}，查看<b3,b1>是否是相邻卡口对；若是相邻卡口对，则根据公式：车辆速度＝[卡口对路径长度]/(t1-t3)，计算出车辆速度，然后将该车辆速度放入<b3,b1>卡口对的“卡口对-车辆速度列表”中；若不是相邻卡口对则不做处理；最终都在内映射表inMap中添加映射记录{A,b1,t1}。

步骤(12).重复执行步骤(8)，直至[-T,0]间隔内“最近过车数据集合”中的所有卡口过车数据都得到处理。

步骤(13).读取某对“卡口对-车辆速度列表”中的数据，利用格拉布斯准则剔除其中的异常数据，选取的显著性水平α＝0.9；剔除异常数据后剩下的数据个数若大于3个，则求出它们的平均值，作为该卡口对的实时通行速度，否则认为无法计算实时通行速度。

步骤(14).重复执行步骤(13)，直至所有“卡口对-车辆速度列表”都得到处理。

步骤(15).对于获得了实时速度的相邻卡口对，将该卡口对之间的最短路径中的每条道路的速度均设为该卡口对的实时通行速度；若一条道路按此法可由多个相邻卡口对得到多个速度，则将这些速度的加权平均值计为该道路的实时通行速度，公式为其中v_i表示道路i的实时通行速度，l_i表示道路i的路径长度，表示一系列相邻卡口对，这些相邻卡口对之间的最短路径中包含道路i，l_k表示某个相邻卡口对k之间的最短路径长度，l_i表示相邻卡口对i之间的最短路径长度，v_k表示相邻卡口对k之间的实时通行速度；如图7所示，要计算道路pq的实时通行速度v_pq，道路pq的路径长度记为l_pq，相邻卡口对AB、CD、EB的路径长度分别记为l_AB、l_CD、l_EB，相邻卡口对AB、CD、EB的实时速度分别记为v_AB、v_CD、v_EB，包含道路pq的相邻卡口对路径集合记为有则速度计算式为：

$v_{\mathrm{pq}}=\frac{\frac{l_{\mathrm{pq}}}{l_{\mathrm{AB}}}\&CenterDot;v_{\mathrm{AB}}+\frac{l_{\mathrm{pq}}}{l_{\mathrm{CD}}}\&CenterDot;v_{\mathrm{CD}}+\frac{l_{\mathrm{pq}}}{l_{\mathrm{EB}}}\&CenterDot;v_{\mathrm{EB}}}{\frac{l_{\mathrm{pq}}}{l_{\mathrm{AB}}}+\frac{l_{\mathrm{pq}}}{l_{\mathrm{CD}}}+\frac{l_{\mathrm{pq}}}{l_{\mathrm{EB}}}}$

步骤(16).重复执行步骤(7)-(15)，更新每条道路的实时通行速度。

Claims (1)

1.基于大规模卡口过车数据的道路实时通行速度计算方法，其特征在于该方法包括如下步骤：

步骤(1).输入城市的呈矩形状的地图数据、卡口数据和卡口过车数据，其中地图数据包括各条道路的道路ID、两端点经度坐标和纬度坐标、中点经度坐标和纬度坐标；卡口数据包括各个卡口的经纬度坐标以及卡口编号；卡口过车数据包括车牌号码、卡口编号以及过车时间；

步骤(2).统计在某一确定的时间间隔内顺序经过任意两个卡口的车辆数，如经过两个卡口的车辆数大于设定的过车量阈值时，则认为该两卡口是一对相邻卡口对，将该两卡口编号存入“相邻卡口对集合”；

步骤(3).将地图分成由相同边长的方形网眼组成的网格；若某条道路的中点经纬度坐标在某个方形网眼中，则认为该道路位于该网眼中，将该道路ID放至该网眼对应的“网眼-道路ID列表”中；

步骤(4).依次读取步骤(2)获得的某个相邻卡口对，根据两卡口经纬度坐标，分别计算出两卡口位于的方形网眼；获取卡口所在方形网眼以及环绕该方形网眼的周边八个方形网眼的道路ID集合，将每条道路近似为包含两端点的线段，计算该卡口到所有这些线段的距离，取其中最小距离所对应的道路，若该距离不大于设定的近邻阈值，则认为该卡口位于该道路，否则不属于任何道路，跳过对该相邻卡口对的处理，转至步骤(5)；然后以两卡口所在方形网眼为对角端点，确定两卡口的“通行矩形区域”，并得到该“通行矩形区域”中所有方形网眼的道路ID集合；创建相邻卡口对所对应的“通行区域图”，其中“通行矩形区域”中所有道路作为“通行区域图”的顶点，有相同端点的道路认为是相邻顶点，连接相邻顶点的线段作为“通行区域图”的边，边的长度为两道路中点到公共端点距离的和；基于该“通行区域图”利用Dijkstra方法计算出两相邻卡口之间的最短路径和路径长度；

步骤(5).重复执行步骤(4)，直至所有相邻卡口对都得到处理；

步骤(6).新建一张空的外映射表outMap，外映射表的key为的车牌号码，value为对应车辆最近时刻经过某一卡口的卡口编号以及过车时间，记外映射表outMap中的每条映射记录为：{车牌号码，卡口编号，过车时间}；

步骤(7).等待t分钟，以当前时间为基点，按过车时间读取最近T分钟内的卡口过车数据，保存至“最近过车数据集合”；同时新建一张空的内映射表inMap，其结构同外映射表；

步骤(8).按过车时间顺序读取“最近过车数据集合”中的某条卡口过车数据{车牌号码，卡口编号，过车时间}＝{A,b1,t1}，若该条过车数据是[-T,-T+t)间隔中经过的过车数据，则执行步骤(9)，否则该条过车数据是[-T+t,0)间隔中经过的过车数据,执行步骤(10)；

步骤(9).在外映射表outMap中查找“车牌号码”为A的映射记录，若找不到，则在外映射表outMap中添加一条映射记录{A,b1,t1}；否则假设外映射表outMap中找到的映射记录为{A,b2,t2}，查看<b2,b1>是否是相邻卡口对；若是相邻卡口对，则根据公式：车辆速度＝[卡口对路径长度]/(t1-t2)，计算出车辆速度，然后将该车辆速度放入<b2,b1>卡口对的“卡口对-车辆速度列表”中；若不是相邻卡口对则不做处理；不管是否属于相邻卡口对最终都要将外映射表outMap中的映射记录{A,b2,t2}更改为{A,b1,t1}，转步骤(12)；

步骤(10).在内映射表inMap中查找“车牌号码”为A的映射，若找不到，转步骤(11)，否则记找到的映射记录为{A,b2,t2}，查看<b2,b1>是否是相邻卡口对；若是相邻卡口对，则根据公式：车辆速度＝[卡口对路径长度]/(t1-t2)，计算出车辆速度，然后将该车辆速度放入<b2,b1>卡口对的“卡口对-车辆速度列表”中；若不是相邻卡口对则不做处理；不管是否属于相邻卡口对最终都要将内映射表inMap中的映射记录更改为{A,b1,t1}，转步骤(12)；

步骤(11).在外映射表outMap中查找“车牌号码”为A的映射记录，若找到的映射记录为{A,b3,t3}，查看<b3,b1>是否是相邻卡口对；若是相邻卡口对，则根据公式：车辆速度＝[卡口对路径长度]/(t1-t3)，计算出车辆速度，然后将该车辆速度放入<b3,b1>卡口对的“卡口对-车辆速度列表”中；若不是相邻卡口对则不做处理；最终都在内映射表inMap中添加映射记录{A,b1,t1}；

步骤(12).重复执行步骤(8)，直至[-T,0]间隔内“最近过车数据集合”中的所有卡口过车数据都得到处理；

步骤(13).读取某对“卡口对-车辆速度列表”中的数据，利用格拉布斯准则剔除其中的异常数据，选取的显著性水平α；剔除异常数据后剩下的数据个数若大于三个，则求出它们的平均值，作为该卡口对的实时通行速度，否则认为无法计算实时通行速度；

步骤(14).重复执行步骤(13)，直至所有“卡口对-车辆速度列表”都得到处理；

步骤(15).对于获得了实时通行速度的相邻卡口对，将该卡口对之间的最短路径中的每条道路的速度均设为该相邻卡口对的实时通行速度；若一条道路按此法可由多个相邻卡口对得到多个速度，则将这些速度的加权平均值计为该道路的实时通行速度，公式为其中v_i表示道路i的实时通行速度，表示一系列相邻卡口对，这些相邻卡口对之间的最短路径中包含道路i，l_k表示某个相邻卡口对k之间的最短路径长度，l_i表示相邻卡口对i之间的最短路径长度，v_k表示相邻卡口对k之间的实时通行速度；

步骤(16).重复执行步骤(7)-(15)，更新每条道路的实时通行速度。