CN107958302A - 基于虚拟拓扑交通网络的经验路径规划方法 - Google Patents
基于虚拟拓扑交通网络的经验路径规划方法 Download PDFInfo
- Publication number
- CN107958302A CN107958302A CN201711146754.8A CN201711146754A CN107958302A CN 107958302 A CN107958302 A CN 107958302A CN 201711146754 A CN201711146754 A CN 201711146754A CN 107958302 A CN107958302 A CN 107958302A
- Authority
- CN
- China
- Prior art keywords
- node
- virtual
- ready
- signal lamp
- taxi
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及基于虚拟拓扑交通网络的经验路径规划方法,提出选用路段的中点为节点对传统路网进行重构,并利用出租车轨迹数据计算的任意相邻节点间平均耗时,以对虚拟网络赋权,接着利用DIJKSTRA算法规划任意两节点间的路径,完成经验路径规划模型的构建。本发明将交叉口处的耗时巧妙的隐含于相邻节点对的通行时间中,将路段的通行时间和交叉口的拖延时间合二为一,且无需考虑节点处的拖延时间,因而能够准确的估算行程的时间并以此规划最优的路径,更有利于精准导航。
Description
技术领域
本发明涉及城市内部行车导航技术,特别涉及基于虚拟拓扑交通网络的经验路径规划方法。
背景技术
使用者对于导航系统最关注的性能之一,是在城市内行车导航系统能否在出发地与目的地之间,规划出一条最佳路径(通行时间最少),以供使用者能快速且无障碍地到达目的地。
一种常用的车辆路规划方法是经验导航模型法,比如2016年2月公布于《交通运输研究》杂志的《基于典型经验路径库的路径规划算法》译文,提出利用出租车驾驶员对道路熟悉的经验来辅助车辆路径规划。首先,通过采集的浮动车(主要指装载有GPS的出租车)历史GPS数据提取出租车的载客轨迹;然后,通过地图匹配,将载客轨迹序列转化为路段的序列,并结合现实路网的道路等级自动划分成交通网格拓扑。最后,基于典型经验路径库的路径规划算法(例如:单源最短路径算法DIJKSTRA算法)在交通网络拓扑中规划出最佳的车辆行车路径提供给使用者。
在上述经验导航模型中,通行时间的估算是其核心要素。利用浮动车估算通行时间的方法主要包括两类,其一是基于路段的方法,这类方法将路径分成相互连接的一段一段的路段,路径通行时间包括路段上的行车时间和交叉口或者信号灯处的拖延时间。然而对于交叉口(尤指带信息灯的交叉口)处的路段部分,其上的行车时间很难估算;更重要的是,车辆在交叉口(尤指带信息灯的交叉口)处的拖延时间由于车速波动大且车辆通行方式多样,则更加难以度量。而这类方法在估算路段通行时间和交叉口拖延时间时,大都存在假设过多、情景过于细分和参数设置过多等不足,导致方法的适应性差且估算结果不准。第二类方法基于组合路段的方法,此种方法将路径分解成粗粒度的组合路段(每个组合路段由数条连接的路段组成),分别估算每个组合路段的通行时间,然后累加所有组合路段计算整个路径的通行时间。此方法的优点是,每个组合路段通行时间隐含其内部的交通状况,包括路口、信号灯及拐弯信息等,因而无需考虑组合路段内部的复杂情况。但这类方法有以下不足:其一,存在将路径划分为恰当的组合路段的问题,而路径的划分本身就是一个复杂的组合优化问题;其二,很多出租车轨迹无法参与组合路段通行时间的估算,导致大量轨迹信息丢失;最后,各组合路段连接处耗时的估算也无法回避。
经研究,交叉口(尤其是带信号灯的交叉口)是行程时间估算不准的症结所在。本发明提出选用路段的中点为节点对传统路网进行重构,并利用出租车轨迹数据计算的任意相邻节点间平均耗时,以对虚拟网络赋权,接着利用DIJKSTRA算法规划任意两节点间的路径,完成经验路径规划模型的构建。
发明内容
本发明所要解决的技术问题是经验导航模型法中“交叉口”行程时间估算不准,导致估算的行程时间不准确,规划的路径不是最优,导航不够精准。
为解决上述问题,本发明提供一种基于虚拟拓扑交通网络的经验路径规划方法,其特征在于,包括:
1)获取原始路网和出租车轨迹数据;
2)将出租车轨迹匹配到原始路网上,舍弃不能匹配的出租车轨迹;
3)生成交通信号灯集:
结合原始路网和真实交通信号灯,提取真实交通信号灯生成交通信号灯集;
4)生成新节点集:
以所述的交通信号灯集中的交通灯信号灯为断点,对出租车轨迹进行拆分,取拆分后的出租车轨迹段的中点为节点,按此种方式遍历所有出租车轨迹并删除重复节点以生成新节点集;
5)生成虚拟拓扑交通网络:
以出租车轨迹上节点的连接方式为依据,将所述的新节点集内的所有相邻节点连接构建虚拟拓扑交通网络;
6)构建带权的虚拟拓扑交通网络:
第一步,获得通过节点的时刻:
获取出租车打点记录,根据出租车轨迹,若出租车打点位置刚好位于节点上,则记录通过节点的时刻t;否则根据打点与节点在出租车轨迹上的位置关系分成四种情形计算通过节点的时刻t:a、节点前方有打点而后方无打点;b、节点前方和后方都有打点;c、节点前方无打点而后方有打点;d、节点前方和后方均无打点;
对于情形a:设位于节点前方的打点的速度为v2、时刻为t2、离节点的距离为D2,当打点时刻t2的速度v2大于5米/秒时,通过过节点的时刻t计算方式如下:
当打点时刻t2的速度V2小于5米/秒时,找到此打点的上一打点,设速度为v1、时刻为t1、离节点的距离为D1,通过过节点的时刻t计算方式如下;
对于情形b:设位于节点前方的打点的速度为v2、时刻为t2、离节点的距离为D2,位于节点后方的打点的速度为v1、时刻分别为t1、离节点的距离为D1;则通过节点的时刻t通过下式计算:
对于情形c:设位于节点后方的打点的速度为v1、时刻为t1、离节点的距离为D1,当打点时刻t1的速度v1大于5米/秒时,通过过节点的时刻t计算方式如下:
当打点时刻t1的速度V1小于5米/秒时,找到此打点的下一打点,设速度为v2、时刻为t2、离节点的距离为D2,通过过节点的时刻t计算方式如下;
对于情形d:寻找离节点最近的前方和后方打点,设位于节点前方的打点的速度为v2、时刻为t2、离节点的距离为D2,位于节点后方的打点的速度为v1、时刻分别为t1、离节点的距离为D1;则通过节点的时刻t通过下式计算:
第二步,获取通过两个节点的通行时间:
通过相邻的两个节点的时刻相减则获取通过两个节点的通行时间;
第三步,求取通过两个节点的通行时间均值:
求取所有相关出租车轨迹在该通过相邻的两个节点间的通行时间,然后取均值,以此均值作为连接此两节点的权重;
第四步,对所述的虚拟拓扑交通网络中所有相邻的两个节点,采用上述方式求取其权重,以此构建带权的虚拟拓扑交通网络;
7)具体路径的规划:
获取车辆的起点和终点,具体路径通过如下方式规划:
第一步确定与起点和终点对应的节点:找与起点路网距离最近的节点作为虚拟的起点,与终点路网距离最近的节点作为虚拟终点;
第二步使用DIJKSTRA算法在所述的带权的虚拟拓扑交通网络上求取虚拟的起点与虚拟的终点两节点间的最短路径;
第三步,若车辆起点与终点与确定的虚拟起点节点和虚拟终点不重合,比较起点和虚拟起点节点离虚拟起点节点相邻节点的路网距离,如果前者小于后者,则直接让起点与虚拟起点节点的相邻节点相连,否则起点直接连接到虚拟起点节点,终点也采取同样的处理方式,这样就可以获得一条完整的规划路径。
进一步地,所述的“3)生成交通信号灯集:”还可以采用如下方式生成通信号灯集:
结合原始路网和真实交通信号灯,先选取城市路网中二股或者多股车流的交汇处设为候选虚拟交通信号灯;然后开展真实交通信号灯的泛化和删除操作;最后实施虚拟交通信号灯的关联、删除和泛化操作;生成包括真实和虚拟信号灯的交通信号灯集;所述的关联、删除和泛化操作如下:
a)信号灯的泛化:
将离真实交通信号灯一定路网距离内已有的虚拟交通信号灯或者在交叉口处新增设的“虚拟交通信号灯”归并到其影响范围内,视为同一信号灯集;
b)虚拟信号灯的关联:关联是将距离小于一定路网距离的两个或者多个虚拟信号灯当成同一信号灯;
c)信号灯的删除:删除离真实交通信号灯一定路网距离范围的虚拟交通信号灯;并按行驶反方向,删除离虚拟交通信号灯一定路网距离范围的其它交虚拟交通信号灯。
进一步地,根据是否工作日、是否上下班高峰、天气的好坏等影响车流的因素对统计周期划分区间为多种情景,根据每个情景下的出租车轨迹对虚拟拓扑交通网络赋权,生成对应情景带权的虚拟拓扑交通网络。
进一步地,根据不同的情景生成对应情景带权的虚拟拓扑交通网络后,事先规划任意两节点间的最短路径并保存起来,在实时具体路径的规划时直接读取对应的路径。
进一步地,所述的“4)生成新节点集”还可以采取如下方法选取节点生成新节点集:
选取出租车轨迹段离上游信号灯1/3轨迹段长度处作为新的节点生成新节点集;
或统计出租车轨迹路段上各点的车辆运动速度,取平均速度最大处的点作为新的节点生成新节点集;
或使用交通信号灯集直接对原始路网进行拆分,取拆分后每条路段的中点生成新的节点集,然后根据原始路网的连接方式将新节点集内的所有相邻节点连接构建虚拟拓扑交通网络。
进一步地,所述的“7)路径的规划”中的第一步确定起点或者终点与之对应的节点,还可以采取方法如下:
使用DIJKSTRA算法求得离起点一定路网距离的所有节点,对终点采取同样的处理方式,选择起点附近的这些节点与终点附近的这些节点间路径耗时最短的那对节点作为虚拟的起点和终点。
进一步地,所述的“6)对虚拟拓扑交通网络赋权:”中a、b、c、d四种情形中,计算得出相邻节点的通行时间隔超出一般节点通行2倍以上而难以准确估算通过节点的时刻,将轨迹在节点处打断分成两条轨迹或者直接舍弃。
进一步地,所述的“c)信号灯的删除:删除离真实交通信号灯一定路网距离”中的一定路网距离为100米-200米。
进一步地,所述的“a)信号灯的泛化:”和所述的“b)虚拟信号灯的关联:”中的一定路网距离是指100米。
进一步地,所述的1)-7)由具有信息计算处理能力的物理设备,包括但不限于中央服务器;
所述的“1)获取原始路网和出租车轨迹数据;”是从预先记录有原始路网和出租车轨迹数据的数据库中获取;
所述的“7)具体路径的规划:”中“获取车辆的起点和终点”是从使用者在人机交互设备上输入的信息而获得;
所述的“7)具体路径的规划:”后还包括:将最终生成的规划路径通过人机设备反馈给使用者的步骤;
所述的出租车“打点”是指出租车在此位置通过车上相关的设备记录至少包括车辆识别号、位置、速率、时刻和车辆状态信息,并反馈给中央服务器存储在数据库中;
所述的“6)构建带权的虚拟拓扑交通网络:”是指从预先记录有出租车单点信息的数据库中获取获取出租车打点记录。
与现有技术相比本发明的有益效果在于:选用路段的中点为节点对传统路网进行重构,将交叉口处的耗时巧妙的隐含于相邻节点对的通行时间中,将路段的通行时间和交叉口的拖延时间合二为一,且无需考虑节点处的拖延时间,因而能够准确的估算行程的时间并以此规划最优的路径,更有利于精确导航。
附图说明
附图1为本发明的一个实施例的流程图。
附图2为本发明的一个实施例的构建虚拟拓扑交通网络的示意图。
具体实施方式
为了进一步公开本发明,对本发明的技术方案做的详细说明下面:
发明人长期研究发现:传统路网的拓扑表达中使用交叉口作为节点划分路段,而车辆通过这些节点的速度波动大且存在多种通行方式,通常包括直行、左转、右转和掉头等,这种表达方式不便于计算车辆在路段上的行驶时间和在节点处的拖延时间。而路段中间的点(比如中点)具有车辆运行速度平稳且通行方式单一(直行)的特征,便于计算车辆通过它的时刻。因此本发明公开一种技术方案如下:
如图1、图2所示,一种基于虚拟拓扑交通网络的经验路径规划方法,其特征在于,包括:
1)获取原始路网和出租车轨迹数据;
2)将出租车轨迹匹配到原始路网上,舍弃不能匹配的出租车轨迹;
3)生成交通信号灯集:
结合原始路网和真实交通信号灯,提取真实交通信号灯生成交通信号灯集;
4)生成新节点集:
以所述的交通信号灯集中的交通灯信号灯为断点,对出租车轨迹进行拆分,取拆分后的出租车轨迹段的中点为节点,按此种方式遍历所有出租车轨迹并删除重复节点以生成新节点集;
5)生成虚拟拓扑交通网络:
以出租车轨迹上节点的连接方式为依据,将所述的新节点集内的所有相邻节点连接构建虚拟拓扑交通网络;
6)构建带权的虚拟拓扑交通网络:
第一步,获得通过节点的时刻:
获取出租车打点记录,根据出租车轨迹,若出租车打点位置刚好位于节点上,则记录通过节点的时刻t;否则根据打点与节点在出租车轨迹上的位置关系分成四种情形计算通过节点的时刻t:a、节点前方有打点而后方无打点;b、节点前方和后方都有打点;c、节点前方无打点而后方有打点;d、节点前方和后方均无打点;(在出租车轨迹上,位于节点的出租车行驶方向同向为前方,反方向为后方)
对于情形a:设位于节点前方的打点的速度为v2、时刻为t2、离节点的距离为D2,当打点时刻t2的速度v2大于5米/秒时,通过过节点的时刻t计算方式如下:
当打点时刻t2的速度V2小于5米/秒时,找到此打点的上一打点,设速度为v1、时刻为t1、离节点的距离为D1,通过过节点的时刻t计算方式如下;
对于情形b:设位于节点前方的打点的速度为v2、时刻为t2、离节点的距离为D2,位于节点后方的打点的速度为v1、时刻分别为t1、离节点的距离为D1;则通过节点的时刻t通过下式计算:
对于情形c:设位于节点后方的打点的速度为v1、时刻为t1、离节点的距离为D1,当打点时刻t1的速度v1大于5米/秒时,通过过节点的时刻t计算方式如下:
当打点时刻t1的速度V1小于5米/秒时,找到此打点的下一打点,设速度为v2、时刻为t2、离节点的距离为D2,通过过节点的时刻t计算方式如下;
对于情形d:寻找离节点最近的前方和后方打点,设位于节点前方的打点的速度为v2、时刻为t2、离节点的距离为D2,位于节点后方的打点的速度为v1、时刻分别为t1、离节点的距离为D1;则通过节点的时刻t通过下式计算:
第二步,获取通过两个节点的通行时间:
通过相邻的两个节点的时刻相减则获取通过两个节点的通行时间;
第三步,求取通过两个节点的通行时间均值:
求取所有相关出租车轨迹在该通过相邻的两个节点间的通行时间,然后取均值,以此均值作为连接此两节点的权重;
第四步,对所述的虚拟拓扑交通网络中所有相邻的两个节点,采用上述方式求取其权重,以此构建带权的虚拟拓扑交通网络;
7)具体路径的规划:
获取车辆的起点和终点,具体路径通过如下方式规划:
第一步确定与起点和终点对应的节点:找与起点路网距离最近的节点作为虚拟的起点,与终点路网距离最近的节点作为虚拟终点;
第二步使用DIJKSTRA算法在所述的带权的虚拟拓扑交通网络上求取虚拟的起点与虚拟的终点两节点间的最短路径;
第三步,若车辆起点与终点与确定的虚拟起点节点和虚拟终点不重合,比较起点和虚拟起点节点离虚拟起点节点相邻节点的路网距离,如果前者小于后者,则直接让起点与虚拟起点节点的相邻节点相连,否则起点直接连接到虚拟起点节点,终点也采取同样的处理方式,这样就可以获得一条完整的规划路径。
本技术方案,提出选用路段的中点为节点,对传统路网重构形成一个虚拟拓扑交通网络,并利用出租车轨迹数据计算的任意相邻节点间平均耗时,以对虚拟网络赋权,最后利用DIJKSTRA算法规划任意两节点间的路径。新网络将通过交叉口(尤其是交通信号灯)处的耗时巧妙的隐含于相邻节点对的通行时间中,且无需处理节点处的拖延时间,因而能够准确的估算行程的时间并以此规划最优的路径。
前述方案中,“4)生成新节点集”时选取了出租车轨迹段的中点为新节点,此种选取节点的方式简单易操作。经过研究,发现由于交通信号灯的影响范围主要集中于其上游区域,轨迹段或者路段的中点与其上游交通信号灯之间的部分受信号灯影响小,因而,此部分路段上(离信号灯一定范围外)的点都可选作新的节点,如离上游信号灯1/3轨迹段或者路段长度处的点。也可以统计轨迹段或者路段上各点的车辆运动速度,取平均速度最大处的点作为新的节点。还可以使用交通信号灯集直接对原始路网进行拆分,取拆分后每条路段的中点生成新的节点集,然后根据原始路网的连接方式将新节点集内的所有相邻节点连接构建虚拟拓扑交通网络。
前述技术方案以有交通信号灯的交叉口划分路段并获得新的节点集,这种处理方式存在一定的问题,如果两个相邻交通信号灯(连接此两信号灯的路段中间不包含其它信号灯)相距较远或者连接两者间的通行方式数目较多时,由于每种通行方式都会产生一个新的节点,导致获得的新的节点集数目过多且空间分布混乱。比如,一条主干道及对应的辅道,在主干道的两端有两个交通信号灯,主干道和辅道之间有多达五组出入口,假设有出租车从第一个交通信号灯处进入,从第二个交通信号灯处驶离,出租车在两交通信号灯之间可能的通行方式有16种(不允许在同一组出入口驶出又进入),当每种通行方式都有对应的出租车轨迹时,这一路段将会产生16个新的节点,出现节点数目过多空间分布混乱的局面。因此需要在这条路中间加入分割点对路段分段,本技术方案中将这些加入的分割点称为“虚拟信号灯”(也称作“虚拟交通信号灯”),下面将说明这些虚拟信号灯的加入准则。
说明这些虚拟信号灯的加入准则前先定义几个信号灯的操作方式:1)信号灯的泛化;2)虚拟信号灯的关联;3)信号灯的删除。
信号灯的泛化。将离交通信号灯(包括虚拟和真实信号灯)一定路网距离内(100米)内的交叉口归并到其影响范围内,即归并交叉口处已有的虚拟交通信号灯或者在交叉口处再增设”虚拟交通信号灯”,只是这些归并或者增设的信号灯与原有信号灯标识号相同,为同一信号灯集。虽然这些信号灯集占据一定的空间范围,在发明中将信号灯集当成点要素处理。
虚拟信号灯的关联。本发明的所使用的导航路网中,同一路口中各方向的信号灯标识号相同,当成同一信号灯。如十字路口的四个交通信号灯视作同一信号灯。与真实信号灯处理方式类似,关联是将距离相近的虚拟信号灯当成同一信号灯处理。
信号灯的删除。a)删除离真实交通信号灯一定路网距离范围(100米-200米)的虚拟交通信号灯。b)按行驶反方向,删除离虚拟交通信号灯一定路网距离范围(100米-200米)的其它交虚拟交通信号灯。
信号灯的泛化和关联操作两者具有类似的功能和作用,其主要不同在于泛化操作处理的对象包括真实的和虚拟的两类交通信号灯,而关联操作只针对虚拟的交通信号灯。
基于以上三种操作方式,虚拟交通信号灯具体步骤设置如下:
选出候选的交通信号灯。选择城市路网中二股或者多股车流的交汇处。
与真实交通信号灯的泛化和删除操作。
虚拟交通信号灯的关联操作;虚拟交通信号灯的删除操作;虚拟交通信号灯的泛化操作。
此三个步骤按顺序执行,每个步骤内部有先后。
是此,对前述方案中“3)生成交通信号灯集”提出一种改进方案如下:
结合原始路网和真实交通信号灯,先选取城市路网中二股或者多股车流的交汇处设为候选虚拟交通信号灯;然后开展真实交通信号灯的泛化和删除操作;最后实施虚拟交通信号灯的关联、删除和泛化操作;生成包括真实和虚拟信号灯的交通信号灯集;所述的关联、删除和泛化操作如下:
a)信号灯的泛化:
将离真实交通信号灯一定路网距离内已有的虚拟交通信号灯或者在交叉口处新增设的“虚拟交通信号灯”归并到其影响范围内,视为同一信号灯集;
b)虚拟信号灯的关联:关联是将距离小于一定路网距离的两个或者多个虚拟信号灯当成同一信号灯;
c)信号灯的删除:删除离真实交通信号灯一定路网距离范围的虚拟交通信号灯;并按行驶反方向,删除离虚拟交通信号灯一定路网距离范围的其它交虚拟交通信号灯。
一条路径的好坏不是静态的,此刻认为优良的路径在另外一个时刻可能就变成差的路径。因为路径的通行耗时与车流存在密切关系,而车流在一天中的变化通常非常大,工作日与周末车流也存在很大的差异,工作日与周末车流一天的变化趋势也不尽相同,另外天气的好坏(下雨与否、大雾)对车辆的运行速度也会产生很大的影响,从而影响路径的好坏。而在前述技术方案中,计算任意两相邻节点的通行时间时,采用的是统计周期内的平均值,采取均值的处理方式会抹平上述的各种差异,导致推荐的路径与真实情况不符,可用性差。有必要对上述模型加以修正,一种解决办法是根据影响车流的因素对统计周期划分区间。常用的影响车流的因素包括上下班高峰、工作日和天气等。如根据是否上下班高峰和是否恶劣天气这两个标准可以将统计周期划分为四个细分的类别。然后对每个细分的类别分别建模,方法与上等同,只是求路网权重时使用的是每个统计区间内的轨迹对象。根据上下班对车流的影响可以分多级,如非上下班高峰期、上下班高峰初期和末期、上下班高峰期,对恶劣天气也可以分多级,如,非恶劣天气、一般恶劣天气、严重恶劣天气,当然级别还可以更多。同时也可以加入其它分类标准,具体采用多少标准和每个标准使用的等级个数可以根据实际需要进行设置。只要统计区间内的样本量足够大,统计的结果都是可信的,得到的模型也是可用和稳健的。
是此,对前述技术方案改进如下:根据是否工作日、是否上下班高峰、天气的好坏等影响车流的因素对统计周期划分区间为多种情景,根据每个情景下的出租车轨迹对虚拟拓扑交通网络赋权,生成对应情景带权的虚拟拓扑交通网络。
在实时交互时,可以根据不同的场景读取不同的新路网,规划出更准确的路径。
本发明提出的方法由具有信息计算处理能力的物理设备进行处理。一种常通常的应用场景是整个系统至少包括中央服务器(包括数据库,数据库中预先装载由地图数据)、装载在出租车上的GPS、人机交互系统以及能与中央服务器通讯的设备。本发明提出的前述技术方案由中央服务器处理执行,其中:
所述的1)-7)由具有信息计算处理能力的物理设备,包括但不限于中央服务器;
所述的“1)获取原始路网和出租车轨迹数据;”是从预先记录有原始路网和出租车轨迹数据的数据库中获取;
所述的“7)具体路径的规划:”中“获取车辆的起点和终点”是从使用者在人机交互设备上输入的信息而获得;
所述的“7)具体路径的规划:”后还包括:将最终生成的规划路径通过人机设备反馈给使用者的步骤;
所述的出租车“打点”是指出租车在此位置通过车上相关的设备记录至少包括车辆识别号、位置、速率、时刻和车辆状态信息,并反馈给中央服务器存储在数据库中;
所述的“6)构建带权的虚拟拓扑交通网络:”是指从预先记录有出租车单点信息的数据库中获取获取出租车打点记录。
只要在本发明技术方案可以直接推导、合理解释等未尽说明之处,均在本发明保护范围之内。
Claims (10)
1.一种基于虚拟拓扑交通网络的经验路径规划方法,其特征在于,包括:
1)获取原始路网和出租车轨迹数据;
2)将出租车轨迹匹配到原始路网上,舍弃不能匹配的出租车轨迹;
3)生成交通信号灯集:
结合原始路网和真实交通信号灯,提取真实交通信号灯生成交通信号灯集;
4)生成新节点集:
以所述的交通信号灯集中的交通灯信号灯为断点,对出租车轨迹进行拆分,取拆分后的出租车轨迹段的中点为节点,按此种方式遍历所有出租车轨迹并删除重复节点以生成新节点集;
5)生成虚拟拓扑交通网络:
以出租车轨迹上节点的连接方式为依据,将所述的新节点集内的所有相邻节点连接构建虚拟拓扑交通网络;
6)构建带权的虚拟拓扑交通网络:
第一步,获得通过节点的时刻:
获取出租车打点记录,根据出租车轨迹,若出租车打点位置刚好位于节点上,则记录通过节点的时刻t;否则根据打点与节点在出租车轨迹上的位置关系分成四种情形计算通过节点的时刻t:a、节点前方有打点而后方无打点;b、节点前方和后方都有打点;c、节点前方无打点而后方有打点;d、节点前方和后方均无打点;
对于情形a:设位于节点前方的打点的速度为v2、时刻为t2、离节点的距离为D2,当打点时刻t2的速度v2大于5米/秒时,通过过节点的时刻t计算方式如下:
当打点时刻t2的速度V2小于5米/秒时,找到此打点的上一打点,设速度为v1、时刻为t1、离节点的距离为D1,通过过节点的时刻t计算方式如下;
对于情形b:设位于节点前方的打点的速度为v2、时刻为t2、离节点的距离为D2,位于节点后方的打点的速度为v1、时刻分别为t1、离节点的距离为D1;则通过节点的时刻t通过下式计算:
对于情形c:设位于节点后方的打点的速度为v1、时刻为t1、离节点的距离为D1,当打点时刻t1的速度v1大于5米/秒时,通过过节点的时刻t计算方式如下:
当打点时刻t1的速度V1小于5米/秒时,找到此打点的下一打点,设速度为v2、时刻为t2、离节点的距离为D2,通过过节点的时刻t计算方式如下;
对于情形d:寻找离节点最近的前方和后方打点,设位于节点前方的打点的速度为v2、时刻为t2、离节点的距离为D2,位于节点后方的打点的速度为v1、时刻分别为t1、离节点的距离为D1;则通过节点的时刻t通过下式计算:
第二步,获取通过两个节点的通行时间:
通过相邻的两个节点的时刻相减则获取通过两个节点的通行时间;
第三步,求取通过两个节点的通行时间均值:
求取所有相关出租车轨迹在该通过相邻的两个节点间的通行时间,然后取均值,以此均值作为连接此两节点的权重;
第四步,对所述的虚拟拓扑交通网络中所有相邻的两个节点,采用上述方式求取其权重,以此构建带权的虚拟拓扑交通网络;
7)具体路径的规划:
获取车辆的起点和终点,具体路径通过如下方式规划:
第一步确定与起点和终点对应的节点:找与起点路网距离最近的节点作为虚拟的起点,与终点路网距离最近的节点作为虚拟终点;
第二步使用DIJKSTRA算法在所述的带权的虚拟拓扑交通网络上求取虚拟的起点与虚拟的终点两节点间的最短路径;
第三步,若车辆起点与终点与确定的虚拟起点节点和虚拟终点不重合,比较起点和虚拟起点节点离虚拟起点节点相邻节点的路网距离,如果前者小于后者,则直接让起点与虚拟起点节点的相邻节点相连,否则起点直接连接到虚拟起点节点,终点也采取同样的处理方式,这样就可以获得一条完整的规划路径。
2.根据权利要求1所述的基于虚拟拓扑交通网络的经验路径规划方法,其特征在于:所述的“3)生成交通信号灯集:”还可以采用如下方式生成通信号灯集:
结合原始路网和真实交通信号灯,先选取城市路网中二股或者多股车流的交汇处设为候选虚拟交通信号灯;然后开展真实交通信号灯的泛化和删除操作;最后实施虚拟交通信号灯的关联、删除和泛化操作;生成包括真实和虚拟信号灯的交通信号灯集;所述的关联、删除和泛化操作如下:
a)信号灯的泛化:
将离真实交通信号灯一定路网距离内已有的虚拟交通信号灯或者在交叉口处新增设的“虚拟交通信号灯”归并到其影响范围内,视为同一信号灯集;
b)虚拟信号灯的关联:关联是将距离小于一定路网距离的两个或者多个虚拟信号灯当成同一信号灯;
c)信号灯的删除:删除离真实交通信号灯一定路网距离范围的虚拟交通信号灯;并按行驶反方向,删除离虚拟交通信号灯一定路网距离范围的其它交虚拟交通信号灯。
3.根据权利要求1所述的基于虚拟拓扑交通网络的经验路径规划方法,其特征在于:根据是否工作日、是否上下班高峰、天气的好坏等影响车流的因素对统计周期划分区间为多种情景,根据每个情景下的出租车轨迹对虚拟拓扑交通网络赋权,生成对应情景带权的虚拟拓扑交通网络。
4.根据权利要求3所述的基于虚拟拓扑交通网络的经验路径规划方法,其特征在于:
根据不同的情景生成对应情景带权的虚拟拓扑交通网络后,事先规划任意两节点间的最短路径并保存起来,在实时具体路径的规划时直接读取对应的路径。
5.根据权利要求1所述的基于虚拟拓扑交通网络的经验路径规划方法,其特征在于:所述的“4)生成新节点集”还可以采取如下方法选取节点生成新节点集:
选取出租车轨迹段离上游信号灯1/3轨迹段长度处作为新的节点生成新节点集;
或统计出租车轨迹路段上各点的车辆运动速度,取平均速度最大处的点作为新的节点生成新节点集;
或使用交通信号灯集直接对原始路网进行拆分,取拆分后每条路段的中点生成新的节点集,然后根据原始路网的连接方式将新节点集内的所有相邻节点连接构建虚拟拓扑交通网络。
6.根据权利要求1所述的基于虚拟拓扑交通网络的经验路径规划方法,其特征在于:所述的“7)路径的规划”中的第一步确定起点或者终点与之对应的节点,还可以采取方法如下:
使用DIJKSTRA算法求得离起点一定路网距离的所有节点,对终点采取同样的处理方式,选择起点附近的这些节点与终点附近的这些节点间路径耗时最短的那对节点作为虚拟的起点和终点。
7.根据权利要求1所述的基于虚拟拓扑交通网络的经验路径规划方法,其特征在于:所述的“6)对虚拟拓扑交通网络赋权:”中a、b、c、d四种情形中,计算得出相邻节点的通行时间隔超出一般节点通行2倍以上而难以准确估算通过节点的时刻,将轨迹在节点处打断分成两条轨迹或者直接舍弃。
8.根据权利要求2所述的基于虚拟拓扑交通网络的经验路径规划方法,其特征在于:所述的“c)信号灯的删除:删除离真实交通信号灯一定路网距离”中的一定路网距离为100米-200米。
9.根据权利要求2所述的基于虚拟拓扑交通网络的经验路径规划方法,其特征在于:所述的“a)信号灯的泛化:”和所述的“b)虚拟信号灯的关联:”中的一定路网距离是指100米。
10.根据权利要求1所述的基于虚拟拓扑交通网络的经验路径规划方法,其特征在于:
所述的1)-7)由具有信息计算处理能力的物理设备,包括但不限于中央服务器;
所述的“1)获取原始路网和出租车轨迹数据;”是从预先记录有原始路网和出租车轨迹数据的数据库中获取;
所述的“7)具体路径的规划:”中“获取车辆的起点和终点”是从使用者在人机交互设备上输入的信息而获得;
所述的“7)具体路径的规划:”后还包括:将最终生成的规划路径通过人机设备反馈给使用者的步骤;
所述的出租车“打点”是指出租车在此位置通过车上相关的设备记录至少包括车辆识别号、位置、速率、时刻和车辆状态信息,并反馈给中央服务器存储在数据库中;
所述的“6)构建带权的虚拟拓扑交通网络:”是指从预先记录有出租车单点信息的数据库中获取获取出租车打点记录。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711146754.8A CN107958302B (zh) | 2017-11-17 | 2017-11-17 | 基于虚拟拓扑交通网络的经验路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711146754.8A CN107958302B (zh) | 2017-11-17 | 2017-11-17 | 基于虚拟拓扑交通网络的经验路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107958302A true CN107958302A (zh) | 2018-04-24 |
CN107958302B CN107958302B (zh) | 2020-09-08 |
Family
ID=61965026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711146754.8A Active CN107958302B (zh) | 2017-11-17 | 2017-11-17 | 基于虚拟拓扑交通网络的经验路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107958302B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109166307A (zh) * | 2018-06-15 | 2019-01-08 | 中国地质大学(武汉) | 一种交通路网时空可达性的可视化隐喻表达方法及系统 |
CN109583626A (zh) * | 2018-10-30 | 2019-04-05 | 厦门大学 | 路网拓扑重建方法、介质及系统 |
WO2020093385A1 (en) * | 2018-11-07 | 2020-05-14 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining link topology relationships |
CN111402585A (zh) * | 2020-03-25 | 2020-07-10 | 中南大学 | 偶发性拥堵路径的探测方法 |
CN111444286A (zh) * | 2019-09-19 | 2020-07-24 | 北京航空航天大学 | 一种基于轨迹数据的远距离交通节点关联性挖掘方法 |
CN111678527A (zh) * | 2020-06-12 | 2020-09-18 | 北京京东乾石科技有限公司 | 路径网络图生成方法及装置、电子设备和存储介质 |
CN112330056A (zh) * | 2020-11-23 | 2021-02-05 | 北京嘀嘀无限科技发展有限公司 | 路线确定方法、装置、电子设备和计算机可读存储介质 |
CN113255088A (zh) * | 2021-05-21 | 2021-08-13 | 上海天壤智能科技有限公司 | 一种卡口过车记录的数据补全方法及系统 |
CN113344721A (zh) * | 2021-06-07 | 2021-09-03 | 北京优全智汇信息技术有限公司 | 基于ai智能审核方法与系统 |
CN113465601A (zh) * | 2021-05-13 | 2021-10-01 | 上海师范大学 | 一种基于可视路径的室内导航 |
CN113673919A (zh) * | 2020-05-15 | 2021-11-19 | 北京京东乾石科技有限公司 | 多车协同路径确定方法及装置、电子设备和存储介质 |
CN114495514A (zh) * | 2022-02-16 | 2022-05-13 | 中南大学 | 一种多源数据协同的车辆违规掉头热点区域识别方法 |
CN115347562A (zh) * | 2022-08-23 | 2022-11-15 | 国网天津市电力公司 | 一种ai技术下配电网抢修快速抵达方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004012247A (ja) * | 2002-06-05 | 2004-01-15 | Matsushita Electric Ind Co Ltd | 経路探索装置 |
CN102435200A (zh) * | 2011-09-05 | 2012-05-02 | 广东东纳软件科技有限公司 | 一种路径快速规划方法 |
CN102853842A (zh) * | 2012-05-15 | 2013-01-02 | 董路 | 导航路径的规划方法、装置及系统 |
CN104200127A (zh) * | 2014-09-25 | 2014-12-10 | 武汉大学 | 基于道路转角权重的最优路径分析方法 |
CN104331743A (zh) * | 2014-10-11 | 2015-02-04 | 清华大学 | 一种基于多目标优化的电动车辆出行规划方法 |
-
2017
- 2017-11-17 CN CN201711146754.8A patent/CN107958302B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004012247A (ja) * | 2002-06-05 | 2004-01-15 | Matsushita Electric Ind Co Ltd | 経路探索装置 |
CN102435200A (zh) * | 2011-09-05 | 2012-05-02 | 广东东纳软件科技有限公司 | 一种路径快速规划方法 |
CN102853842A (zh) * | 2012-05-15 | 2013-01-02 | 董路 | 导航路径的规划方法、装置及系统 |
CN104200127A (zh) * | 2014-09-25 | 2014-12-10 | 武汉大学 | 基于道路转角权重的最优路径分析方法 |
CN104331743A (zh) * | 2014-10-11 | 2015-02-04 | 清华大学 | 一种基于多目标优化的电动车辆出行规划方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109166307B (zh) * | 2018-06-15 | 2021-11-05 | 中国地质大学(武汉) | 一种交通路网时空可达性的可视化隐喻表达方法及系统 |
CN109166307A (zh) * | 2018-06-15 | 2019-01-08 | 中国地质大学(武汉) | 一种交通路网时空可达性的可视化隐喻表达方法及系统 |
CN109583626A (zh) * | 2018-10-30 | 2019-04-05 | 厦门大学 | 路网拓扑重建方法、介质及系统 |
CN109583626B (zh) * | 2018-10-30 | 2020-12-01 | 厦门大学 | 路网拓扑重建方法、介质及系统 |
WO2020093385A1 (en) * | 2018-11-07 | 2020-05-14 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining link topology relationships |
CN111444286A (zh) * | 2019-09-19 | 2020-07-24 | 北京航空航天大学 | 一种基于轨迹数据的远距离交通节点关联性挖掘方法 |
CN111444286B (zh) * | 2019-09-19 | 2022-06-21 | 北京航空航天大学 | 一种基于轨迹数据的远距离交通节点关联性挖掘方法 |
CN111402585A (zh) * | 2020-03-25 | 2020-07-10 | 中南大学 | 偶发性拥堵路径的探测方法 |
CN113673919A (zh) * | 2020-05-15 | 2021-11-19 | 北京京东乾石科技有限公司 | 多车协同路径确定方法及装置、电子设备和存储介质 |
CN111678527A (zh) * | 2020-06-12 | 2020-09-18 | 北京京东乾石科技有限公司 | 路径网络图生成方法及装置、电子设备和存储介质 |
CN112330056A (zh) * | 2020-11-23 | 2021-02-05 | 北京嘀嘀无限科技发展有限公司 | 路线确定方法、装置、电子设备和计算机可读存储介质 |
CN112330056B (zh) * | 2020-11-23 | 2024-06-07 | 北京嘀嘀无限科技发展有限公司 | 路线确定方法、装置、电子设备和计算机可读存储介质 |
CN113465601A (zh) * | 2021-05-13 | 2021-10-01 | 上海师范大学 | 一种基于可视路径的室内导航 |
CN113255088A (zh) * | 2021-05-21 | 2021-08-13 | 上海天壤智能科技有限公司 | 一种卡口过车记录的数据补全方法及系统 |
CN113344721A (zh) * | 2021-06-07 | 2021-09-03 | 北京优全智汇信息技术有限公司 | 基于ai智能审核方法与系统 |
CN114495514A (zh) * | 2022-02-16 | 2022-05-13 | 中南大学 | 一种多源数据协同的车辆违规掉头热点区域识别方法 |
CN115347562A (zh) * | 2022-08-23 | 2022-11-15 | 国网天津市电力公司 | 一种ai技术下配电网抢修快速抵达方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107958302B (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107958302A (zh) | 基于虚拟拓扑交通网络的经验路径规划方法 | |
Lopez et al. | Microscopic traffic simulation using sumo | |
CN108629974B (zh) | 顾及城市道路交通网络特征的交通运行指数建立方法 | |
CN108256553B (zh) | 车辆搭载无人机双层路径的构造方法及装置 | |
Friedrich et al. | Timetable-based transit assignment using branch and bound techniques | |
CN110648022B (zh) | 一种考虑站点全覆盖的接驳地铁的社区公交线网与发车频率同步优化方法 | |
CN104952248B (zh) | 一种基于欧氏空间的车辆汇聚预测方法 | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划系统及方法 | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN103903468B (zh) | 道路拥堵时间预警方法及装置 | |
CN108681796B (zh) | 基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法 | |
CN103208034B (zh) | 一种轨道交通客流分布预测模型建立及预测方法 | |
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 | |
CN108592928B (zh) | 车辆搭载无人机双层路径的构造方法及装置 | |
CN113335310B (zh) | 基于决策的运动规划方法、装置、电子设备及存储介质 | |
CN110096804A (zh) | 基于移动终端数据的高速公路服务区的布局方法及系统 | |
CN106530779A (zh) | 一种基于城市交通控制信号灯的路径规划方法及系统 | |
CN103258440A (zh) | 一种基于道路属性和实时路况的行车轨迹还原算法 | |
CN109520499A (zh) | 基于车辆gps轨迹数据实现区域实时等时线的方法 | |
Rilett et al. | Simulating the TravTek route guidance logic using the INTEGRATION traffic model | |
CN113779430A (zh) | 路网数据生成方法、装置、计算设备和存储介质 | |
CN109472976A (zh) | 一种用于重载大型车辆的智能出行应用系统 | |
CN113793500B (zh) | 城市交通道路可计算路网的构建方法及系统 | |
Kušić et al. | Building a motorway digital twin in SUMO: Real-time simulation of continuous data stream from traffic counters | |
CN107588779B (zh) | 一种基于任意两节点间行程时间的车辆智能导航方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |