CN108492564B - 基于路网匹配测量高速公路车辆行驶速度的方法及系统 - Google Patents

Abstract

本发明提供一种基于路网匹配测量高速公路车辆行驶速度的方法及系统。方法包括：S1，基于隐马尔可夫模型，根据用户的移动轨迹，获取用户所乘坐车辆的行驶道路；S2，将移动轨迹中的每一个定位点映射至行驶道路中的对应路段，生成对应的映射定位点，将所有路段中的映射定位点以时间顺序顺次连接，组成车辆的行驶轨迹；S3，根据行驶轨迹，获取车辆的行驶速度。本发明根据用户的移动轨迹，计算被定位手机所在车辆在高速公路上的行驶速度，以便全程且实时地监测车辆的行驶速度。既能为出行车辆提供准确的路况信息，而且抗干扰能力强，还能对超速驾驶行为进行警告和遏制，更有利于提高整个路网的风险预测、预警和预防能力。

Description

基于路网匹配测量高速公路车辆行驶速度的方法及系统

技术领域

本发明涉及交通信息技术领域，更具体地，涉及一种基于路网匹配测量高速公路车辆行驶速度的方法及系统。

背景技术

随着我国工业化、城镇化的进程不断加快，我国高速公路里程迅猛增加，在城际旅客出行和货物运输中发挥着至关重要的作用。对高速公路的运行车速进行实时的、全程的监控，既能为出行车辆提供准确的路况信息，也能对超速驾驶行为进行警告和遏制，更有利于提高整个路网的风险预测、预警和预防能力。但是目前高速公路的测速方式多为“点测速”方案，难以提供实时的、全程的速度监控，造成了时间和空间上的监管盲区；同时，各类反测速设备、手机应用的普及，使得一般的测速方式容易受到干扰，导致超速驾驶行为无法得到有效治理。因而，开发一种新的高速公路车辆测速方式势在必行。

现有的相关文献、专利介绍如下：

相关文献1：李友兵.基于GPS的高速公路车速监控与管理系统研究[D].西南交通大学,2015.在车辆上安装GPS接收机芯片，接收并记录卫星观测数据，在卡口处及时解算车辆全程的行驶速度与相应位置，并与电子地图上对应位置的限速值比较，以检测车辆是否超速。

相关文献2：于洁潇,刘开华,史伟光.基于RFID的高速公路车辆测速及定位方法[J].计算机工程,2010,36(24):1-3.将无源、只读射频卡安装在高速公路路肩或隔离带处，并在车辆中安装车载阅读器。车载阅读器不断发射电磁波，并不断接收到多个射频卡的回波信号，通过分析不同回波信号的不同频率，可测得多普勒频移，计算出行驶速度。同时，解析回波信号的射频识别码，能够确定车辆所处位置以及对应的限速值，从而达到监测超速的目的。

相关文献3：韩莹.基于ZigBee技术的无线定位及测速系统的设计与实现[D].哈尔滨工程大学,2012.该系统主要由车载待测节点、协调器以及部署在道路上的固定节点组成。通过测量待测节点和固定节点之间的信号强度，由协调器利用RSSI测距和三边定位算法，计算出车辆的实时速度。

相关文献4：张森,缪新顿,彭璇.江苏高速公路区间测速系统建设与应用[J].中国交通信息化,2013(10):73-75.通过在同一路段上部署两个相邻的视频监控点，记录车辆经过两个监控断面的时间，来计算车辆在该路段上的平均速度，对超速违法行为进行自动检测和记录。

相关专利1：彭大芹，刘艳林，易燕，等.基于手机信令数据计算高速公路路段平均速度的方法:CN106530716A[P].2017.对高速公路网做网格化处理，将基站映射到路网上，基于映射结果划分路段，之后根据手机用户信令数据构建用户运动轨迹，并利用用户访问基站、运动方向等信息进行地图匹配，最终在各路段上计算用户的平均速度。

相关专利2：王广善.一种基于手机信令的高速公路实时路况监测方法:CN104978858A[P].2015.首先对高速路沿线进行无线网络覆盖测试，建立“虚拟监测点”，然后采集、解析用户信令数据，识别在高速路行驶的用户，并将相应用户与高速沿线基站匹配，得到行驶轨迹，最终给出用户在各路段的平均行驶速度。

相关专利3：金蓓弘，崔艳玲，张扶桑.一种基于数据融合的高速公路路况信息实时获取方法:CN106205114A[P].2016.根据手机信令初步估算出车辆的路段平均速度，再结合浮动车的GPS数据以及来自感应线圈的车辆测速数据，对整体路网的车速情况进行估计、还原。

综上，现有的相关文献、专利存在以下几点局限：1)大部分方案需要大规模地部署新的硬件设备，造成系统建设、维护、升级成本高，部署周期长的缺点；2)部分方案虽然保证了全程测速，但不具备实时性，需要车辆经过卡口或视频监控点才能得到测速信息；3)大部分测速方案的时-空粒度较粗糙，以区间测速为主，缺少在任意时刻、任意位置处测速的能力。

发明内容

本发明提供一种克服现有的车辆测速方法所需的硬件设备多且缺乏实时性等问题的基于路网匹配测量高速公路车辆行驶速度的方法及系统。

根据本发明的一个方面，提供基于路网匹配测量高速公路车辆行驶速度的方法，包括：

S1，基于隐马尔可夫模型，根据用户的移动轨迹，获取所述用户所乘坐车辆的行驶道路；其中，所述移动轨迹中包含多个定位点，每一个定位点包含时间标签和位置标签，所述行驶道路包括至少一个路段；

S2，将所述移动轨迹中的每一个定位点映射至所述行驶道路中的对应路段，生成对应的映射定位点，将所有路段中的映射定位点以时间顺序顺次连接，组成所述车辆的行驶轨迹；

S3，根据所述行驶轨迹，获取所述车辆的行驶速度。

优选地，步骤S1之前还包括：

基于三边定位算法，获取所述用户的原始移动轨迹，所述原始移动轨迹由多个定位点组成；

基于角度滤波算法，通过宽度为3的第一滑动窗口，以时间顺序顺次检测所述原始移动轨迹中的每个定位点是否为异常定位点，并修正所述原始移动轨迹中的异常定位点；其中，在每一次检测过程中，所述第一滑动窗口中包含3个窗格，每一个窗格中包含一个定位点；

通过初始宽度为w₀的第二滑动窗口，检测所述原始移动轨迹中是否包含冗余定位点，并修正所述原始移动轨迹中的冗余定位点；其中，在每一次检测过程中，所述第二滑动窗口中包含至少w₀个窗格，每一个窗格中包含一个定位点；

在所述异常定位点和所述冗余定位点修正完成后，获取所述用户的移动轨迹。

优选地，所述基于角度滤波算法，通过宽度为3的第一滑动窗口，以时间顺序顺次检测所述原始移动轨迹中的每个定位点是否为异常定位点，并修正所述原始移动轨迹中的异常定位点，具体包括：

对于每一次检测过程，将所述第一滑动窗口的最左侧窗格中的第一定位点作为第一向量的起点，将所述第一滑动窗口的中间窗格中的第二定位点作为所述第一向量的终点，连接所述第一定位点和所述第二定位点，生成所述第一向量；将所述第一滑动窗口的中间窗格中的第二定位点作为第二向量的起点，将所述第一滑动窗口的最右侧窗格中的第三定位点作为所述第二向量的终点，连接所述第二定位点和所述第三定位点，生成所述第二向量；

若所述第一向量和所述第二向量间的夹角小于或等于预设角度阈值，则以所述第二向量的起点作为检测起点，开始下一次检测过程；

若所述第一向量和所述第二向量间的夹角大于所述预设角度阈值，则判定所述第二向量的终点为所述异常定位点；将所述第二向量的中点作为所述第二向量的修正后的终点，将所述修正后的终点作为检测起点，开始下一次检测过程。

优选地，所述通过初始宽度为w₀的第二滑动窗口，检测所述原始移动轨迹中是否包含冗余定位点，并修正所述原始移动轨迹中的冗余定位点，具体包括：

对于每一次检测过程，获取所述第二滑动窗口的最右侧窗格中的定位点与最左侧窗格中的定位点间的第一距离，若所述第一距离小于第一距离阈值，则判定所述用户的状态为驻留状态；

若所述用户的状态为驻留状态，则每获取一个定位点，将所述第二滑动窗口的长度更新一次；其中，将所述第二滑动窗口的长度更新一次是指将所述第二滑动窗口向右增加一个窗格；

经过预设时长之后，获取更新后的第二滑动窗口中所有定位点的几何中心；

获取所述更新后的第二滑动窗口的最右侧窗格中的定位点与所述几何中心间的第二距离；若所述第二距离大于第二距离阈值，则判定所述用户的状态为行驶状态；

若所述用户的状态为行驶状态，则将所述更新后的第二滑动窗口中所有定位点合并为合并定位点，并将所述合并定位点的时间标签设置为所述更新后的第二滑动窗口的最右侧窗格中的定位点的时间标签；

以所述合并定位点为起点，在获取w₀个定位点之后，通过所述初始宽度为w₀的第二滑动窗口，开始下一次检测过程。

优选地，步骤S1具体包括：

S11，根据所述用户的移动轨迹，获取所述移动轨迹中每一个定位点的观测概率p(x_i|r_i ^m)和转移概率

其中，所述观测概率p(x_i|r_i ^m)为若所述用户所乘坐车辆的行驶道路为r_i ^m，则观测到定位点x_i的概率，所述转移概率

为在i时刻，若所述用户所乘坐车辆的行驶道路为r_i ^m，则下一时刻i+1时刻，所述用户所乘坐车辆的行驶道路为

的概率；

S12，基于所述隐马尔可夫模型中的动态规划Viterbi算法，根据所述移动轨迹中每一个定位点的观测概率p(x_i|r_i ^m)和转移概率

解码出所述用户所乘坐车辆的行驶道路。

优选地，步骤S2具体包括：

S21，对于所述移动轨迹中的每一个定位点，在所述行驶道路中，获取距离所述每一个定位点的最近路段；

S22，获取所述每一个定位点在所述最近路段上的投影点，将所述投影点作为所述每一个定位点对应的映射定位点；

S23，将所有路段中的映射定位点以时间顺序顺次连接，组成所述车辆的行驶轨迹。

优选地，步骤S3具体包括：

S31，对于任一时间区间[t₁,t₂]，获取所述任一时间区间内的所有映射定位点

S32，根据所述所有映射定位点

获取所述车辆的行驶速度v_smooth为

其中，v_q-k-1,q-k表示所述车辆从映射定位点

到映射定位点

时的速度，

表示映射定位点

到映射定位点

的路程，t_q-k-t_q-k-1表示所述车辆从映射定位点

到映射定位点

时的时长，w_q-k为所述速度的权重，

优选地，所述方法还包括：

对于任一时间区间，根据所述行驶轨迹，获取所述任一时间区间内的所有映射定位点；以时间顺序，将所述所有映射定位点排序后生成映射定位点集合；

获取所述映射定位点集合的左端点和右端点；

以所述左端点为第一圆心，以k·σ_x为半径画圆，与所述行驶道路相交于p₁、p₂两点；以所述右端点为第二圆心，以k·σ_x为半径画圆，与所述行驶道路相交于q₁、q₂两点；则所述车辆在所述任一时间区间内的最大速度v_max和最小速度v_min分别为

其中，σ_x为定位误差的标准差，k为尺度系数；

根据所述半径和定位误差的分布律，获取所述任一时间区间的置信度；

根据所述最大速度、所述最小速度和所述置信度，获取所述车辆在所述任一时间区间的速度范围。

优选地，所述方法还包括：

在任一时间区间内，对于所述行驶道路中的任一路段，获取所述任一路段中所有车辆的行驶速度的累积分布函数，在所述累积分布函数纵坐标的延伸方向上，分别获取第一速度值和第二速度值；

获取大于所述第一速度值且小于所述第二速度值的所有速度值，组成速度值集合，计算所述速度值集合的平均值，作为所述任一路段的实时运行速度。

根据本发明的一个方面，提供基于路网匹配测量高速公路车辆行驶速度的系统，包括：

移动轨迹获取模块，用于基于隐马尔可夫模型，根据用户的移动轨迹，获取所述用户所乘坐车辆的行驶道路；其中，所述移动轨迹中包含多个定位点，每一个定位点包含时间标签和位置标签，所述行驶道路包括至少一个路段；

行驶轨迹获取模块，用于将所述移动轨迹中的每一个定位点映射至所述行驶道路中的对应路段，生成对应的映射定位点，将所有路段中的映射定位点以时间顺序顺次连接，组成所述车辆的行驶轨迹；

行驶速度获取模块，用于根据所述行驶轨迹，获取所述车辆的行驶速度。

本发明提供的基于路网匹配测量高速公路车辆行驶速度的方法及系统，根据用户的移动轨迹，计算被定位手机所在车辆在高速公路上的行驶速度，以便全程且实时地监测车辆的行驶速度。既能为出行车辆提供准确的路况信息，而且抗干扰能力强，还能对超速驾驶行为进行警告和遏制，更有利于提高整个路网的风险预测、预警和预防能力。

附图说明

图1为根据本发明实施例提供的一种三边定位技术的原理图；

图2为根据本发明实施例提供的基于路网匹配测量高速公路车辆行驶速度的方法流程图；

图3为根据本发明实施例提供的一种用户的移动轨迹异常示意图；

图4为根据本发明实施例提供的一种在用户驻留时网络侧所采集到的定位点的分布示意图；

图5为根据本发明实施例提供的一种异常定位点的修正过程示意图；

图6为根据本发明实施例提供的一种基于隐马尔可夫模型的道路匹配的过程示意图；

图7为根据本发明实施例提供的一种基于隐马尔可夫模型的道路匹配结果示意图；

图8为根据本发明实施例提供的一种将定位点映射至对应路段的方法示意图；

图9为根据本发明实施例提供的一种获取车辆的速度区间的方法示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

需要说明的是，本发明实施例提供的基于路网匹配测量高速公路车辆行驶速度的方法及系统可应用在多种场景中，本实施例仅将该方法及系统应用在多种场景中的高速公路场景进行说明。

随着移动通信技术的发展，高速公路已基本实现移动网络全覆盖，乘客所携带的手机与移动网络存在着高频次的信令、业务通信。依托现有的移动网络硬件设备，借助基站三边定位技术，网络侧可利用其与手机的通信信号的传输时间，对手机进行实时、主动定位。这些位置信息将以时空坐标的形式被网络侧获取，可以将这些坐标点映射到高速公路上，并借此估计乘客的移动速度，可达到对其所乘车辆进行实时、全程测速监控的目的。

为了更好地理解本发明实施例的方案，以下对于基站三边定位技术作出具体说明：在移动网络中，一部手机可同时与多个基站进行信令交换。图1为根据本发明实施例提供的一种三边定位技术的原理图，如图1(a)所示，手机与三个基站同时通信，通过测量信号强度或信号在手机与基站之间的行程时间，可估算出手机到三个基站的距离l₁,l₂,l₃。以基站位置为圆心，分别以l₁,l₂,l₃为半径作圆，在地图的二维平面中相交于一点，该点即为手机所在位置，列出方程组求解该位置：

l₁＝(x₁-x₀)²+(y₁-y₀)²,

l₂＝(x₂-x₀)²+(y₂-y₀)²,

l₃＝(x₃-x₀)²+(y₃-y₀)²,

其中，(x₀,y₀)为手机位置坐标，(x_i,y_i),i＝1,2,3,为三个基站的坐标。然而，由于估算距离存在误差，如图1(b)所示，三个圆可能并不相交于一点，而是交于一块区域，因此上述方程组往往为超定方程组，一般采用最小二乘法求取手机的近似位置。

为简化表述，若无特别说明，后文中的“定位”均代表“三边定位”。

图2为根据本发明实施例提供的基于路网匹配测量高速公路车辆行驶速度的方法流程图，如图2所示，该方法包括：

S1，基于隐马尔可夫模型，根据用户的移动轨迹，获取所述用户所乘坐车辆的行驶道路；其中，所述移动轨迹中包含多个定位点，每一个定位点包含时间标签和位置标签，所述行驶道路包括至少一个路段；

S2，将所述移动轨迹中的每一个定位点映射至所述行驶道路中的对应路段，生成对应的映射定位点，将所有路段中的映射定位点以时间顺序顺次连接，组成所述车辆的行驶轨迹；

S3，根据所述行驶轨迹，获取所述车辆的行驶速度。

本实施例的目的是通过用户的移动轨迹，计算用户所在车辆在高速公路上的行驶速度，以便全程且实时地监测车辆的行驶速度。

其中，用户的移动轨迹由若干定位点X＝[(t₁,l₁),(t₂,l₂),...,(t_n,l_n)]组成，其中第i条记录x_i＝(t_i,l_i)表示测量时刻为t_i，测得位置为l_i的定位点。定位位置以经纬度坐标l_i＝(lat_i,lng_i)的形式描述。

需要说明的是，用户的移动轨迹可通过多种方式获取，其中，最常见的获取方式是通过三边定位技术获取用户的移动轨迹。

三边定位技术产生三边定位数据，三边定位数据来自于移动网络侧对手机发起的主动位置测量，每次测量的结果为一组时空数据(用户ID|时间|经纬度坐标)，连续的位置测量产生时空点序列，构成了用户的移动轨迹。截取适当长度的轨迹匹配到高速公路上，并将定位点映射到公路上，计算出车辆在相应路段的行驶速度。

本实施例提供的方法，根据用户的移动轨迹，计算被定位手机所在车辆在高速公路上的行驶速度，以便全程且实时地监测车辆的行驶速度。既能为出行车辆提供准确的路况信息，而且抗干扰能力强，还能对超速驾驶行为进行警告和遏制，更有利于提高整个路网的风险预测、预警和预防能力。

基于上述实施例，步骤S1之前还包括：

基于三边定位算法，获取所述用户的原始移动轨迹，所述原始移动轨迹由多个定位点组成；

基于角度滤波算法，通过宽度为3的第一滑动窗口，以时间顺序顺次检测所述原始移动轨迹中的每个定位点是否为异常定位点，并修正所述原始移动轨迹中的异常定位点；其中，在每一次检测过程中，所述第一滑动窗口中包含3个窗格，每一个窗格中包含一个定位点；

通过初始宽度为w₀的第二滑动窗口，检测所述原始移动轨迹中是否包含冗余定位点，并修正所述原始移动轨迹中的冗余定位点；其中，在每一次检测过程中，所述第二滑动窗口中包含至少w₀个窗格，每一个窗格中包含一个定位点；

在所述异常定位点和所述冗余定位点修正完成后，获取所述用户的移动轨迹。

具体地，基站三边定位技术相比GPS技术而言，有着较大的误差，通常可达几十米甚至数百米，尤其当手机与基站的通信受到树木、地形以及其他车辆的遮挡时，定位受到的干扰尤为严重。该尺度的误差反映到用户移动轨迹上，会产生与用户实际运动趋势不符的局部轨迹。图3为根据本发明实施例提供的一种用户的移动轨迹异常示意图，如图3(a)所示，用户的实际运动趋势为由北向南，而定位点x_i到定位点x_i+1处，出现了与运动趋势明显相反的局部轨迹异常。这种由定位误差引起的局部轨迹异常，在随后的地图匹配阶段会造成如图3(b)所示的“折返错误”。“折返错误”对速度估计造成干扰，因此须检测、消除这类异常。

车辆在高速公路行驶期间，会产生驻留行为，例如进入服务区停留、在应急停车带停留、发生交通拥堵时行驶缓慢等。在驻留期间，移动网络可持续对用户发起定位，并产生一系列定位点。图4为根据本发明实施例提供的一种在用户驻留时网络侧所采集到的定位点的分布示意图，如图4所示，这些定位点集中在用户真实停留的位置附近，但由于定位误差的存在，散落在一定范围之内，呈团簇状出现。如果不检测出驻留点、将其周围的定位点团簇合并，则速度估计算法会在团簇内估算出无意义的速度值，且团簇点会降低道路匹配算法的效率。

本实施例提供的方法，通过基站三边定位技术，获取用户的原始移动轨迹，并修正原始移动轨迹中的异常定位点和冗余定位点，减小了由于异常定位点的存在所造成的后续对于获取车辆行驶速度的干扰，提高了车辆行驶速度的精确度；并且，对由于用户的驻留所产生的团簇点进行修正，提高了后续对于道路匹配的效率，进而提高了获取车辆行驶速度的实时性。

基于上述实施例，在本实施例中，所述基于角度滤波算法，通过宽度为3的第一滑动窗口，以时间顺序顺次检测所述原始移动轨迹中的每个定位点是否为异常定位点，并修正所述原始移动轨迹中的异常定位点，具体包括：

对于每一次检测过程，将所述第一滑动窗口的最左侧窗格中的第一定位点作为第一向量的起点，将所述第一滑动窗口的中间窗格中的第二定位点作为所述第一向量的终点，连接所述第一定位点和所述第二定位点，生成所述第一向量；将所述第一滑动窗口的中间窗格中的第二定位点作为第二向量的起点，将所述第一滑动窗口的最右侧窗格中的第三定位点作为所述第二向量的终点，连接所述第二定位点和所述第三定位点，生成所述第二向量；

若所述第一向量和所述第二向量间的夹角小于或等于预设角度阈值，则以所述第二向量的起点作为检测起点，开始下一次检测过程；

若所述第一向量和所述第二向量间的夹角大于所述预设角度阈值，则判定所述第二向量的终点为所述异常定位点；将所述第二向量的中点作为所述第二向量的修正后的终点，将所述修正后的终点作为检测起点，开始下一次检测过程。

具体地，图5为根据本发明实施例提供的一种异常定位点的修正过程示意图，如图5(a)所示，角度滤波算法利用宽度为3的滑动窗口，顺次检测轨迹中的所有定位点。将滑动窗口中的三个点记为x_i-1,x_i,x_i+1，按照测量时刻的先后顺序将其依次连接，得到两个向量

如图5(b)所示，当两向量的夹角α大于阈值α_max，则认为出现局部轨迹异常，并取x_i,x_i+1的连线中点x'_i+1代替二者，记为：

并以该点为起点，继续移动滑动窗口进行角度滤波。

基于上述实施例，在本实施例中，所述通过初始宽度为w₀的第二滑动窗口，检测所述原始移动轨迹中是否包含冗余定位点，并修正所述原始移动轨迹中的冗余定位点，具体包括：

对于每一次检测过程，获取所述第二滑动窗口的最右侧窗格中的定位点与最左侧窗格中的定位点间的第一距离，若所述第一距离小于第一距离阈值，则判定所述用户的状态为驻留状态；

若所述用户的状态为驻留状态，则每获取一个定位点，将所述第二滑动窗口的长度更新一次；其中，将所述第二滑动窗口的长度更新一次是指将所述第二滑动窗口向右增加一个窗格；

经过预设时长之后，获取更新后的第二滑动窗口中所有定位点的几何中心；

获取所述更新后的第二滑动窗口的最右侧窗格中的定位点与所述几何中心间的第二距离；若所述第二距离大于第二距离阈值，则判定所述用户的状态为行驶状态；

若所述用户的状态为行驶状态，则将所述更新后的第二滑动窗口中所有定位点合并为合并定位点，并将所述合并定位点的时间标签设置为所述更新后的第二滑动窗口的最右侧窗格中的定位点的时间标签；

以所述合并定位点为起点，在获取w₀个定位点之后，通过所述初始宽度为w₀的第二滑动窗口，开始下一次检测过程。

具体地，采用初始宽度为w₀的滑动窗口检测停留点。滑动窗口最右侧的窗格为最新获取的定位点x_i，最左侧窗格则为定位点

计算两点之间的距离，如果小于阈值d_min则认为用户发生停留。从该时刻起，每获取一个定位点，就将滑动窗口向右增加一格。在i+t时刻，计算窗口内所有的点的几何中心

接着计算当前时刻位置l_i+t与驻留点中心

的距离，如果大于阈值d'_min，则认为用户离开驻留点，恢复行驶。

此时，将窗口中的驻留点合并为一个点x'_i+t：

需要说明的是，合并点的时间设置为最后窗口内最后一个点的时间标签，以便与后续速度估计算法保持一致。随后在获取w₀个定位点之后，重新开始驻留点检测，并将滑动窗口的长度恢复为w₀。

基于上述实施例，本实施例中对步骤S1作出具体说明，步骤S1具体包括：

S11，根据所述用户的移动轨迹，获取所述移动轨迹中每一个定位点的观测概率p(x_i|r_i ^m)和转移概率

其中，所述观测概率p(x_i|r_i ^m)为若所述用户所乘坐车辆的行驶道路为r_i ^m，则观测到定位点x_i的概率，所述转移概率

为在i时刻，若所述用户所乘坐车辆的行驶道路为r_i ^m，则下一时刻i+1时刻，所述用户所乘坐车辆的行驶道路为

的概率；

S12，基于所述隐马尔可夫模型中的动态规划Viterbi算法，根据所述移动轨迹中每一个定位点的观测概率p(x_i|r_i ^m)和转移概率

解码出所述用户所乘坐车辆的行驶道路。

具体地，为了准确计算用户的移动速度，需要将定位点轨迹匹配到高速路网上，即需要将用户的移动轨迹还原其在高速公路上的运动路径。采用基于隐马尔可夫模型(HMM)的道路匹配算法。HMM的模型要素在该场景下的具体解释为：

观测变量O_i：对应着i时刻的用户定位点x_i，它是可观测的，i＝1,2,3,...,N；

隐藏状态S_i：对应着i时刻用户实际行驶的道路r_i，它是不可观测的、待估计的，i＝1,2,3,...,N；

候选隐藏状态

用户的定位点x_i有可能是在周边任意道路r_i ^m上被观测到的，即单凭借观测点x_i推测用户实际行驶的道路，将得到一系列候选道路r_i ^m，i＝1,2,3,...,N，m＝1,2,3,...,M.

观测概率

对应着p(xi|ri^m)，即如果用户行驶于道路ri^m，那么观测到定位点x_i的概率即为p(x_i|r_i ^m).

转移概率

对应着

即如果用户在i时刻行驶于道路ri^m，那么下一时刻i+1其行驶于

的概率为

图6为根据本发明实施例提供的一种基于隐马尔可夫模型的道路匹配的过程示意图，图6给出了上述概念的直观展示。

于是，道路匹配的任务为：已知用户的定位轨迹X＝[x₁,x₂,...,x_N]，利用HMM算法还原出用户最有可能行驶过的路径R＝[r₁,r₁,...,r_N]。为此，首先给出观测概率和转移概率的数学表达式，然后利用Viterbi算法估计出路径R。

对于观测概率p(x_i|r_i ^m)，假设定位算法的噪声服从高斯分布，那么在道路r_i ^m上测量得到定位点x_i的概率即为：

其中|x_i-r_i ^m|表示定位点x_i到道路r_i ^m的距离，距离越小，则在道路r_i ^m上观测到定位点的概率越大；σ_x表示定位噪声的标准差。

对于转移概率

通过指数分布建模：

其中

||x_i-x_i+1||表示两个时刻定位点之间的距离，

表示用户在两个道路之间的路程，则di表示了两者的差值，差值越小，用户在两个道路间的转移概率则越大；β为归一化参数，可利用数据集训练得到。

图7为根据本发明实施例提供的一种基于隐马尔可夫模型的道路匹配结果示意图，如图7所示，通过动态规划Viterbi算法，即可解码出最大似然行驶路径R＝[r₁,r₁,...,r_N]。

基于上述实施例，本实施例对步骤S2作出具体说明，步骤S2具体包括：

S21，对于所述移动轨迹中的每一个定位点，在所述行驶道路中，获取距离所述每一个定位点的最近路段；

S22，获取所述每一个定位点在所述最近路段上的投影点，将所述投影点作为所述每一个定位点对应的映射定位点；

S23，将所有路段中的映射定位点以时间顺序顺次连接，组成所述车辆的行驶轨迹。

具体地，完成道路匹配后，需要将定位点映射到它匹配到的路段上面，以便进行速度估计。图8为根据本发明实施例提供的一种将定位点映射至对应路段的方法示意图，如图8所示，在电子地图中，每一条道路r_i被拆分为若干个路段seg₁,seg₂,...,seg_p。对于每一个定位点x_i，在其匹配到的道路r_i寻找距离最近的路段seg_i，从x_i向seg_i做垂线，交于

点，该点即为

在路段seg_i上的映射点。

由于定位误差的存在，完成映射后有可能出现

与

的位置与用户运动趋势不符的情况，此时的x_i与x_i+1不足以被角度滤波滤除，因此需要在映射完成后直接处理映射点

与

用类似修正冗余定位点的方式，求

的中点x'_i，再将x'_i映射到seg_i得到

并用

来替代

与

需要说明的是，完成上述步骤后，得到手机用户在高速公路上行驶的映射轨迹点

它反映的是单个用户的移动轨迹，而车辆载客数量往往大于1，因此可以通过合并相似手机轨迹得到车辆轨迹，合并后的轨迹通常具有更密集的映射点。注意，该步骤的目的是提升轨迹精度(采样率)，并不影响前后步骤的正常执行，因此可以被省略。

具体的方法是计算两条轨迹之间的相似度，设两条映射点轨迹分别为X'_a＝[(t^a ₁,l^a ₁),(t^a ₂,l^a ₂),...,(t^a _m,l^a _m)]和X'_b＝[(t^b ₁,l^b ₁),(t^b ₂,l^b ₂),...,(t^b _n,l^b _n)]，m≤n。首先，两点之间的时空距离计算公式为

d＝δ_sd_s+δ_td_t

d_t＝|t_i-t_j|

d_s表示两个映射点之间的路程长度，d_t表示两个点之间的时间距离。δ_s，δ_t分别是空间和时间的加权系数，一般取δ_s＝δ_t＝0.5。然后，对于轨迹a(相对较短的轨迹)中的每一个点在轨迹b中找到与它时空距离最短的点，求出它们之间的距离，对所有点的距离求和得到轨迹之间的距离，两条轨迹a和b之间的距离计算公式为

对于轨迹距离小于一定阈值的轨迹认为他们位于同一辆很可能在同一辆车辆上，将他们的轨迹合并，即合并后的轨迹为他们所有的映射点的合集。

本实施例提供的方法，通过合并相似手机轨迹得到车辆轨迹，得到了更密集的映射点，提升了车辆轨迹的精度，能够获取到更精确的车辆行驶速度。

基于上述实施例，本实施例中S3具体包括：

S31，对于任一时间区间[t₁,t₂]，获取所述任一时间区间内的所有映射定位点

S32，根据所述所有映射定位点

获取所述车辆的行驶速度v_smooth为

其中，v_q-k-1，q-k表示所述车辆从映射定位点

到映射定位点

时的速度，

表示映射定位点

到映射定位点

的路程，t_q-k-t_q-k-1表示所述车辆从映射定位点

到映射定位点

时的时长，w_q-k为所述速度的权重，

具体地，当估算车辆行驶速度即平滑速度时，考察在时间区间[t₁,t₂]内的映射点轨迹

利用每两个轨迹点之间的速度的加权和，来估计当前时刻的速度：

其中，v_q-k-1,q-k表示车辆从映射点

到

时的速度，w_q-k为该速度的权重，k越大(时间离当前时刻越远)，则权重w_q-k越小。权重取值可根据数据集进行训练、调整，在此给出一个启发式表达式：

其中，k＝0代表当前时刻的速度，其权重w_q最大，近似于0.5，之后的权重从0.25开始递减，由于

因此保证了所有权重求和为1。

基于上述实施例，本实施例还包括：

对于任一时间区间，根据所述行驶轨迹，获取所述任一时间区间内的所有映射定位点；以时间顺序，将所述所有映射定位点排序后生成映射定位点集合；

获取所述映射定位点集合的左端点和右端点；

以所述左端点为第一圆心，以k·σ_x为半径画圆，与所述行驶道路相交于p₁、p₂两点；以所述右端点为第二圆心，以k·σ_x为半径画圆，与所述行驶道路相交于q₁、q₂两点；则所述车辆在所述任一时间区间内的最大速度v_max和最小速度v_min分别为

其中，σ_x为定位误差的标准差，k为尺度系数；

根据所述半径和定位误差的分布律，获取所述任一时间区间的置信度；

根据所述最大速度、所述最小速度和所述置信度，获取所述车辆的速度范围。

具体地，先确定速度估计的时间范围[t_i,t]，其中t即为当前时刻，t_i为t之前的任意时刻，若t-t_i较大，则速度估计的准确性较强，实时性较弱，若t-t_i较小则反之。取包含于时间区间[t_i,t]内的全部轨迹映射点，记为

若[t_i,t]范围内没有映射点，则取时间戳离t最近的两个点。

图9为根据本发明实施例提供的一种获取车辆的速度区间的方法示意图，如图9所示，当估算速度区间时，分别以

的首位两点

作为圆心，以k·σ_x为半径画圆，分别与高速公路相交于p₁,p₂,q₁,q₂四点，其中σ_x为定位误差的标准差，k为尺度系数。可得车辆在轨迹

范围内的最大速度、最小速度分别为：

此处，利用高速公路在短距离内接近于直线的特性，可将圆心到交点的距离近似为k·σ_x，则无须计算两圆与公路的相切坐标，直接可得：

该速度区间的置信度可由定位误差的分布，以及k·σ_x的取值计算求得，记为α(k·σ_x)。

根据最大速度、最小速度和置信度，获取所述车辆的速度范围。

基于上述实施例，本实施例还包括：

在任一时间区间内，对于所述行驶道路中的任一路段，获取所述任一路段中所有车辆的行驶速度的累积分布函数，在所述累积分布函数纵坐标的延伸方向上，分别获取第一速度值和第二速度值；

获取大于所述第一速度值且小于所述第二速度值的所有速度值，组成速度值集合，计算所述速度值集合的平均值，作为所述任一路段的实时运行速度。

具体地，测算高速路网中各个路段的实时车辆运行速度，对于路网的状态监控、风险评估等具有重要意义。对于指定的路段r，在时间区间[t_i,t_j]内，若共有M辆车产生定位数据，则首先按照上述步骤估算相关车辆的实时速度

其次，统计速度的累计分布，取累积分布函数纵坐标15％与85％处对应的速度值，分别记为v₁₅,v₈₅；最终，取大于v₁₅且小于v₈₅的速度值，计算其平均值，作为该路段的实时运行速度v_r：

基于上述实施例，本实施例提供基于路网匹配测量高速公路车辆行驶速度的系统，该系统包括：

移动轨迹获取模块，用于基于隐马尔可夫模型，根据用户的移动轨迹，获取所述用户所乘坐车辆的行驶道路；其中，所述移动轨迹中包含多个定位点，每一个定位点包含时间标签和位置标签，所述行驶道路包括至少一个路段；

行驶轨迹获取模块，用于将所述移动轨迹中的每一个定位点映射至所述行驶道路中的对应路段，生成对应的映射定位点，将所有路段中的映射定位点以时间顺序顺次连接，组成所述车辆的行驶轨迹；

行驶速度获取模块，用于根据所述行驶轨迹，获取所述车辆的行驶速度。

需要说明的是，上述移动轨迹获取模块、行驶轨迹获取模块和行驶速度获取模块配合以执行上述实施例中的基于路网匹配测量高速公路车辆行驶速度的方法，该系统的具体功能参见上述的提取方法的实施例，此处不再赘述。

最后，本发明的方案仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于路网匹配测量高速公路车辆行驶速度的方法，其特征在于，包括：

S1，基于隐马尔可夫模型，根据用户的移动轨迹，获取所述用户所乘坐车辆的行驶道路；其中，所述移动轨迹中包含多个定位点，每一个定位点包含时间标签和位置标签，所述行驶道路包括至少一个路段；

S2，将所述移动轨迹中的每一个定位点映射至所述行驶道路中的对应路段，生成对应的映射定位点，将所有路段中的映射定位点以时间顺序顺次连接，组成所述车辆的行驶轨迹；

S3，根据所述行驶轨迹，获取所述车辆的行驶速度；

步骤S1之前还包括：

基于三边定位算法，获取所述用户的原始移动轨迹，所述原始移动轨迹由多个定位点组成；

基于角度滤波算法，通过宽度为3的第一滑动窗口，以时间顺序顺次检测所述原始移动轨迹中的每个定位点是否为异常定位点，并修正所述原始移动轨迹中的异常定位点；其中，在每一次检测过程中，所述第一滑动窗口中包含3个窗格，每一个窗格中包含一个定位点；

通过初始宽度为w₀的第二滑动窗口，检测所述原始移动轨迹中是否包含冗余定位点，并修正所述原始移动轨迹中的冗余定位点；其中，在每一次检测过程中，所述第二滑动窗口中包含至少w₀个窗格，每一个窗格中包含一个定位点；

在所述异常定位点和所述冗余定位点修正完成后，获取所述用户的移动轨迹；

所述基于角度滤波算法，通过宽度为3的第一滑动窗口，以时间顺序顺次检测所述原始移动轨迹中的每个定位点是否为异常定位点，并修正所述原始移动轨迹中的异常定位点，具体包括：

对于每一次检测过程，将所述第一滑动窗口的最左侧窗格中的第一定位点作为第一向量的起点，将所述第一滑动窗口的中间窗格中的第二定位点作为所述第一向量的终点，连接所述第一定位点和所述第二定位点，生成所述第一向量；将所述第一滑动窗口的中间窗格中的第二定位点作为第二向量的起点，将所述第一滑动窗口的最右侧窗格中的第三定位点作为所述第二向量的终点，连接所述第二定位点和所述第三定位点，生成所述第二向量；

若所述第一向量和所述第二向量间的夹角小于或等于预设角度阈值，则以所述第二向量的起点作为检测起点，开始下一次检测过程；

若所述第一向量和所述第二向量间的夹角大于所述预设角度阈值，则判定所述第二向量的终点为所述异常定位点；将所述第二向量的中点作为所述第二向量的修正后的终点，将所述修正后的终点作为检测起点，开始下一次检测过程。

2.根据权利要求1所述的方法，其特征在于，所述通过初始宽度为w₀的第二滑动窗口，检测所述原始移动轨迹中是否包含冗余定位点，并修正所述原始移动轨迹中的冗余定位点，具体包括：

对于每一次检测过程，获取所述第二滑动窗口的最右侧窗格中的定位点与最左侧窗格中的定位点间的第一距离，若所述第一距离小于第一距离阈值，则判定所述用户的状态为驻留状态；

若所述用户的状态为驻留状态，则每获取一个定位点，将所述第二滑动窗口的长度更新一次；其中，将所述第二滑动窗口的长度更新一次是指将所述第二滑动窗口向右增加一个窗格；

经过预设时长之后，获取更新后的第二滑动窗口中所有定位点的几何中心；

获取所述更新后的第二滑动窗口的最右侧窗格中的定位点与所述几何中心间的第二距离；若所述第二距离大于第二距离阈值，则判定所述用户的状态为行驶状态；

若所述用户的状态为行驶状态，则将所述更新后的第二滑动窗口中所有定位点合并为合并定位点，并将所述合并定位点的时间标签设置为所述更新后的第二滑动窗口的最右侧窗格中的定位点的时间标签；

以所述合并定位点为起点，在获取w₀个定位点之后，通过所述初始宽度为w₀的第二滑动窗口，开始下一次检测过程。

3.根据权利要求1所述的方法，其特征在于，步骤S3具体包括：

S31，对于任一时间区间[t₁,t₂]，获取所述任一时间区间内的所有映射定位点

S32，根据所述所有映射定位点

获取所述车辆的行驶速度v_smooth为

其中，v_q-k-1,q-k表示所述车辆从映射定位点

到映射定位点

时的速度，

表示映射定位点

到映射定位点

的路程，t_q-k-t_q-k-1表示所述车辆从映射定位点

到映射定位点

时的时长，w_q-k为所述速度的权重，

4.根据权利要求1所述的方法，其特征在于，还包括：

对于任一时间区间，根据所述行驶轨迹，获取所述任一时间区间内的所有映射定位点；以时间顺序，将所述所有映射定位点排序后生成映射定位点集合；

获取所述映射定位点集合的左端点和右端点；

以所述左端点为第一圆心，以k·σ_x为半径画圆，与所述行驶道路相交于p₁、p₂两点；以所述右端点为第二圆心，以k·σ_x为半径画圆，与所述行驶道路相交于q₁、q₂两点；则所述车辆在所述任一时间区间内的最大速度v_max和最小速度v_min分别为

其中，σ_x为定位误差的标准差，k为尺度系数；

根据所述半径和定位误差的分布律，获取所述任一时间区间的置信度；

根据所述最大速度、所述最小速度和所述置信度，获取所述车辆在所述任一时间区间的速度范围。

5.基于路网匹配测量高速公路车辆行驶速度的系统，其特征在于，包括：

移动轨迹获取模块，用于基于隐马尔可夫模型，根据用户的移动轨迹，获取所述用户所乘坐车辆的行驶道路；其中，所述移动轨迹中包含多个定位点，每一个定位点包含时间标签和位置标签，所述行驶道路包括至少一个路段；

行驶轨迹获取模块，用于将所述移动轨迹中的每一个定位点映射至所述行驶道路中的对应路段，生成对应的映射定位点，将所有路段中的映射定位点以时间顺序顺次连接，组成所述车辆的行驶轨迹；

行驶速度获取模块，用于根据所述行驶轨迹，获取所述车辆的行驶速度；

所述移动轨迹获取模块，还用于基于三边定位算法，获取所述用户的原始移动轨迹，所述原始移动轨迹由多个定位点组成；

基于角度滤波算法，通过宽度为3的第一滑动窗口，以时间顺序顺次检测所述原始移动轨迹中的每个定位点是否为异常定位点，并修正所述原始移动轨迹中的异常定位点；其中，在每一次检测过程中，所述第一滑动窗口中包含3个窗格，每一个窗格中包含一个定位点；

通过初始宽度为w₀的第二滑动窗口，检测所述原始移动轨迹中是否包含冗余定位点，并修正所述原始移动轨迹中的冗余定位点；其中，在每一次检测过程中，所述第二滑动窗口中包含至少w₀个窗格，每一个窗格中包含一个定位点；

在所述异常定位点和所述冗余定位点修正完成后，获取所述用户的移动轨迹；

所述基于角度滤波算法，通过宽度为3的第一滑动窗口，以时间顺序顺次检测所述原始移动轨迹中的每个定位点是否为异常定位点，并修正所述原始移动轨迹中的异常定位点，具体包括：

对于每一次检测过程，将所述第一滑动窗口的最左侧窗格中的第一定位点作为第一向量的起点，将所述第一滑动窗口的中间窗格中的第二定位点作为所述第一向量的终点，连接所述第一定位点和所述第二定位点，生成所述第一向量；将所述第一滑动窗口的中间窗格中的第二定位点作为第二向量的起点，将所述第一滑动窗口的最右侧窗格中的第三定位点作为所述第二向量的终点，连接所述第二定位点和所述第三定位点，生成所述第二向量；

若所述第一向量和所述第二向量间的夹角小于或等于预设角度阈值，则以所述第二向量的起点作为检测起点，开始下一次检测过程；

若所述第一向量和所述第二向量间的夹角大于所述预设角度阈值，则判定所述第二向量的终点为所述异常定位点；将所述第二向量的中点作为所述第二向量的修正后的终点，将所述修正后的终点作为检测起点，开始下一次检测过程。

Images