CN109191883A - 一种基于群智感知的智能交通系统 - Google Patents

一种基于群智感知的智能交通系统 Download PDF

Info

Publication number
CN109191883A
CN109191883A CN201811145054.1A CN201811145054A CN109191883A CN 109191883 A CN109191883 A CN 109191883A CN 201811145054 A CN201811145054 A CN 201811145054A CN 109191883 A CN109191883 A CN 109191883A
Authority
CN
China
Prior art keywords
module
congestion
road
path
information
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.)
Pending
Application number
CN201811145054.1A
Other languages
English (en)
Inventor
邢建川
张易丰
康亮
丁志新
何梦晗
赵士凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201811145054.1A priority Critical patent/CN109191883A/zh
Publication of CN109191883A publication Critical patent/CN109191883A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Abstract

本发明提供了一种基于群智感知的智能交通系统，包括后台服务端和智能终端，智能终端设置有通讯服务模块，以及通过通讯服务模块与后台服务端通信连接的登录注册模块、通讯录管理模块、拼车通信模块、实时路况推送模块、拼车好友推荐模块。在实时路况推送模块中由于采用车辆加速度信息进行实时交通状况判定，解决了传统设备获取实时交通时高造价、不灵活的问题；在拼车好友推荐模块中采用Circle‑based改进算法进行路径空间相似度的计算，消除了Circle‑based算法存在的盲点区域，提高了路径空间相似度计算的精度。

Description

一种基于群智感知的智能交通系统
技术领域
本发明涉及公共交通服务技术领域，特别是涉及一种基于群智感知的智能交通系统。
背景技术
近年来，随着社会经济的发展，城市化历程不断深入，机动车的保有量呈爆发式增长，交通的拥堵不但增加了出行时间和油耗成本在出行中，同时也加剧了对环境的污染以及交通事故事发率的提升。智能交通可以在不增加交通设施的基础上，通过智能交通系统为用户提供服务从而提高交通设施的运行效率。在过去的20年里，中国实施的智能交通系统在缓解拥堵，改善道路交通安全和减少污染方面发挥了积极作用，但是还有一些问题以及挑战制约着我国智能交通系统的发展。
例如，现如今对实时交通数据的采集主要使用固定式传感器收集数据采集和使用浮动车技术实现数据采集，但采用固定式传感器需要安装大量的固定设备于道路之上，这样投资以及维护成本是巨大的；浮动车技术是通过在公交车或者出租车上安装GPS定位系统，通过对车辆的行驶速度、时间分析得出交通状况，这种方式相对于固定式传感器的方法而言，更具有灵活性并且降低了安装成本以及维护成本，但是公交车以及出租车的行驶路线不可能覆盖整个城市网络；另外，现有的拼车软件的一个问题是在路径匹配时仅简单地对上车地点以及目的地点进行搜索匹配，并没有包含对线路的匹配。
因此，有需要设计一种更合理的智能交通系统以解决上述问题。
发明内容
鉴于上述现有技术中的不足之处，本发明提供了一种运用智能终端上的低耗设备收集车辆感知数据以及位置信息，进行实时路况判断以及拼车好友推荐的系统，克服了现有数据收集方式成本高和灵活性差的缺陷。并且在实时路况判断方面，基于群智感知框架，设计了一种基于行驶加速度判别车辆道路拥堵状态的方法，相比于传统的监测方法不但花销低而且具有较高的准确度；在拼车好友推荐方面，通过智能终端对每日用户出行路线进行收集并且与其他用户的出行路线进行匹配，向该用户推荐匹配度高的用户成为好友，好友之间可以通过商定来促成拼车行为，并对现有的路线匹配算法进行了改进，提高了算法的准确度。
本发明解决技术问题所采用的技术方案如下：
一种基于群智感知的智能交通系统，包括后台服务端和智能终端，所述智能终端设置有智能交通模块，该智能交通模块包括登录注册模块、通讯录管理模块、拼车通信模块、实时路况推送模块、拼车好友推荐模块以及通讯服务模块，其中登录注册模块、通讯录管理模块、拼车通信模块、实时路况推送模块和拼车好友推荐模块这五个功能模块通过通讯服务模块与后台服务端通信连接，后台服务端接收到用户传送的信息后对信息类型进行判断，根据信息类型发送信息到不同的功能模块处理，在功能模块对数据进行处理后，再把处理结果通过通讯服务模块返回给用户。
其中，通讯服务模块用于为系统提供通讯服务功能，支持系统的正常运行。登录注册模块用于在Android客户端为用户提供注册和登录功能。通讯录管理模块用于完成用户好友的添加和删除功能。拼车通信模块用于为用户好友之间提供聊天功能。
实时路况推送模块用于根据智能终端接收到的道路拥堵判定对象的感知数据和位置信息为用户提供实时路况拥堵状态的推送服务，对接收到的道路拥堵判定对象的感知数据和位置信息进行拥堵状态分类处理的方法包括：
步骤1、收集到的道路拥堵判定对象的感知数据和位置信息经过重定向机制得到车辆在行驶方向上的实时加速度信息；
步骤2、对车辆行驶方向的实时加速度时间序列中的缺失值以及异常值采用均值填充法进行处理；
步骤3、在完成加速度的重定向以及对异常值、丢失值的处理后，提取道路拥堵判定对象的道路拥堵特征向量；
步骤4、将不同道路拥堵判定对象的道路拥堵特征向量，以及提取所述道路拥堵特征向量的时间窗口的时间段内道路的实际拥堵状况作为一组数据集，采集若干组数据集，其中一半的数据集用于构成训练样本集，剩余的一半数据集用于构成测试样本集，将训练样本集和测试样本集依次代入分类模型，训练决策树、随机森林和xgboost三种分类器模型并选出更适用于本发明的分类器模型；
步骤5、利用数据特征向量和选出的分类器模型实现对道路拥堵类别的判定。
优选地，在步骤3提取数据特征时，还包括：除了选取一段时间内的加速度序列作为特征，同时选择了8个常见的时间域统计量作为特征。
优选地，在步骤4通过分类模型对道路状况进行分类时，还包括：对于分类器的选择中，提出了一种新的指标用户定量分析不同的分类器对于本方案的适用程度。
拼车好友推荐模块用于向用户推荐具有相似出行路线的好友，即推荐好友的路径与用户的基准路径具有高时空相似度，时空相似度采用时间相似度和空间相似度的乘积度量，其中，时间相似度为基准路径和待匹配路径的重叠时长与基准路径和待匹配路径的总时长减去基准路径和待匹配路径的重叠时长的比值，空间相似度的计算采用Circle-based改进算法，具体包括：
步骤1、分别以基准路径中采集的每一个经纬度坐标点为圆心、该经纬度坐标点与基准路径中相邻两个经纬度坐标点之间的距离中较大的一个距离的一半为半径作出一系列圆；
步骤2、计算待匹配路径中采集的各经纬度坐标点落入所述基准路径中每一个经纬度坐标点所构建的圆形区域内以及落入这些圆形区域构成的盲点区域的点的总个数；
步骤3、通过所述待匹配路径中的经纬度坐标点落入基准路径中每一个经纬度坐标点所构建的圆形区域内以及落入这些圆形区域构成的盲点区域的点的总个数与待匹配路径上采集的经纬度坐标点总个数的比值计算空间相似度。
本发明提供了一种运用智能手机上的低耗设备收集车辆感知数据以及位置信息，进行实时路况判断以及拼车好友推荐的智能交通系统，通过运用智能手机这种日益普及的设备来代替传统设备可以解决传统设备获取实时交通时高造价、高维护成本、不灵活等问题；同时对收集到的感知数据进行处理时，采用了重定向机制得到车辆在行驶方向上的加速度信息，并对该信息进行数据清洗，保证了数据的可靠性；在提取数据特征时，增加了8个常见的时间域统计量作为特征，保证了模型预测的准确性；并提出了一种新的指标用于定量分析不同的分类器对于本方案的适用程度，可以更客观全面的选择适合的分类器；采用Circle-based算法的改进方法有效地克服了盲点区域的存在，提高了计算精度，并且在判断待匹配路径中的经纬度坐标点是否落入盲点区域时，采用了海伦公式计算三角形面积，使得判断方法不受二维坐标系的约束，更具有普适性。
附图说明
图1是本发明的系统功能架构图；
图2是本发明的拥堵状态分类处理整体流程图；
图3是本发明中智能终端传感器及汽车坐标系示意图；
图4是现有技术中Circle-based算法的基于圆形区域的路径匹配算法图；
图5是本发明中Circle-based改进算法的盲点区域图；
图6是本发明中Circle-based改进算法中盲点区域消除图；
图7是本发明中Circle-based改进算法的实验运行结果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
本发明提出了一种运用驾驶人员智能终端上搭载的传感器模块和GPS定位模块收集车辆行驶中感知数据以及位置信息，进行实时路况判断以及拼车好友推荐的系统，克服了现有数据收集方式成本高和灵活性差的缺陷。并且在实时路况判断方面，基于群智感知框架，设计了一种基于行驶加速度判别车辆道路拥堵状态的方法，相比于传统的监测方法不但花销低而且具有较高的准确度；在拼车好友推荐方面，通过智能终端对每日用户出行路线进行收集并且与其他用户的出行路线进行匹配，向该用户推荐匹配度高的用户成为好友，好友之间可以通过商定来促成拼车行为，并对现有的路线匹配算法进行了改进，提高了算法的准确度。
本发明的基于群智感知的智能交通系统属于传统的C/S(客户端/服务端)架构，系统的客户端既是信息的收集端也是服务享受端。本系统客户端为Android智能终端，用户通过智能终端中的传感器以及GPS定位模块收集到感知数据以及位置信息后通过WI-FI网络、4G网络或者3G网络传送给后台服务端。后台服务端主要由两部分组成，应用程序服务器以及负责分布式算计和存储的Hadoop集群。后台服务端接收到客户端发送的信息，经过处理后向客户端提供相应的服务。
如图1所示，本发明的智能交通系统包括后台服务端和智能终端，所述智能终端设置有智能交通模块，该智能交通模块包括登录注册模块、通讯录管理模块、拼车通信模块、实时路况推送模块、拼车好友推荐模块(即同线好友推荐模块)以及通讯服务模块，其中登录注册模块、通讯录管理模块、拼车通信模块、实时路况推送模块和拼车好友推荐模块这五个功能模块通过通讯服务模块与后台服务端通信连接，后台服务端接收到用户传送的信息后对信息类型进行判断，根据信息类型发送信息到不同的功能模块处理，在功能模块对数据进行处理后，再把处理结果通过通讯服务模块返回给用户。
进一步地，用户通过登录注册模块登录成功后，通讯录管理模块、拼车通信模块、实时路况推送模块、拼车好友推荐模块之间可相互独立或相互关联实现相应的功能，例如，当用户需要使用该智能交通系统实现拼车功能时，首先通过登录注册模块登录成功，然后拼车好友推荐模块为用户推荐合适的拼车好友，并利用拼车通信模块与该拼车好友取得联系，协商拼车事宜，完成拼车后，在行驶过程中，用户可以通过实时路况推送模块了解附近实时的交通拥堵状态；另外，若用户仅需要了解附近的实时交通拥堵状态而不需要拼车时，只需要在通过登录注册模块登录成功后，直接通过实时路况推送模块了解附近实时的交通拥堵状态；若用户仅需要通过该智能交通系统添加好友，只需要在通过登录注册模块登录成功后，直接通过通讯录管理模块获取好友列表并添加好友。
通讯服务模块用于为系统提供通讯服务功能，支持系统的正常运行，例如在为用户推送实施路况时，需要获得在线的用户连接信息才可以实现推送功能。通讯服务模块为其他模块的实现提供了基础，服务端不管在接收信息或者发送信息都需要通过通讯服务模块来实现。
登录注册模块用于在Android客户端为用户提供注册和登录功能，登录注册模块包括注册模块和登录模块，注册模块用于实现注册功能，登录模块用于实现登录功能，所述注册模块在屏幕上提示用户输入新用户名，后台服务端对新用户名进行验证，验证成功后在屏幕上提示用户输入两次密码，否则在屏幕上提示用户重新输入新用户名，两次输入密码相同时在屏幕上提示输入用户其他信息，否则在屏幕上提示用户重新输入两次密码，若用户其他信息验证成功并提交成功后，返回注册成功信号到注册模块并在屏幕上显示注册成功，同时跳转到登录页面，否则，返回注册失败信号到注册模块并在屏幕上提示重新输入用户其他信息，所述登录模块在屏幕上提示用户输入登录信息，输入的登录信息发送到后台服务器的用户验证模块，用户验证模块搜索是否存在与输入的登录信息相同的用户信息：若有，则返回登录成功信号到登录模块并提示用户选择相应的功能模块；若无，则返回登录错误信号到登录模块并在屏幕上提示用户重新输入登录信息。
通讯录管理模块主要包括添加好友模块和删除好友模块，添加好友模块用于完成用户好友的添加功能，删除好友模块用于完成用户好友的删除功能，所述添加好友模块在智能终端登录成功后向后台服务端发出获取推荐好友列表信息，后台服务端从数据库中查询好友列表，返回未被添加的好友信息到智能终端，用户根据推荐的列表选择好友信息执行添加操作；所述删除好友模块在智能终端登录成功后向后台服务端发出删除好友列表信息，后台服务端从数据库中删除该好友列表信息并反馈该删除好友列表信息到智能终端，用户根据该反馈信息执行删除操作。
拼车通信模块用于在智能终端登录成功后为用户好友之间提供聊天功能，例如，持有ID为1234的客户端的用户甲与持有ID为4321的客户端的用户乙进行通信，首先客户端1234与后台服务端建立连接，用户甲通过客户端输入，将消息连同目的ID一同发送给后台服务端；后台服务端通过目的ID在线程管理器找到对应的Socket连接，通过Socket推送消息到用户乙所持有客户端上。
实时路况推送模块用于根据智能终端接收到的道路拥堵判定对象的感知数据和位置信息为用户提供实时路况拥堵状态的推送服务。该模块分为三个子模块：数据采集模块、地址转换模块，以及路况推送模块，用于实现数据收集功能和路况推送功能。数据采集模块主要完成的任务是收集感知信息和位置信息，其中，感知数据以及位置信息是通过智能终端中的传感器模块和GPS定位模块，以时间间隔1秒周期性采集的车辆行驶过程中的加速度信息、G PS定位信息和时间戳信息；地址转换模块完成的任务是将收集到的感知数据以及位置信息发送给后台服务端，后台服务端通过百度地图SDK中的反向地理编码将位置信息转换为标准地址；实时路况推送功能完成的任务是对客户端传来的感知信息和位置信息进行处理，得到所需结果并推送到所需用户，具体为检查短暂时间段内是否发送过该标准地址拥堵状态的推送信息；如果短暂时间段内发送过该标准地址的拥堵状态，则结束，在屏幕上提示用户已发送过该标准地址的拥堵状态；如果没有发送过该标准地址的拥堵状态，则对接收到的感知数据和位置信息进行拥堵状态分类处理，得出拥堵状态分类结果；将该标准地址的拥堵状态分类结果向以该标准地址为圆心，2千米为半径的圆形区域内的用户进行推送，在用户屏幕上显示拥堵状态分类结果，并将推送结果存入数据库。
其中，如图2所示，对接收到的道路拥堵判定对象的感知数据以及位置信息进行拥堵状态分类处理的方法包括：
步骤1、获取道路拥堵判定对象的实时加速度时间序列：
通过重定位机制对智能终端中的传感器模块和GPS定位模块采集到的加速度信息、GPS定位信息和时间戳信息进行处理，得到车辆行驶方向的实时加速度时间序列；
步骤2、数据清洗处理：
对车辆行驶方向的实时加速度时间序列中的缺失值以及异常值采用均值填充法进行处理；
步骤3、提取道路拥堵判定对象的道路拥堵特征向量：
选取时间窗口为N的时间段内的清洗后的车辆行驶方向的实时加速度时间序列，时间序列中的数据点按时间先后顺序依次编号为x1～xN，同时统计所述时间窗口内的8个时间域统计量，构成编号依次为xN+1～xN+8的数据点，基于上述N+8个数据点得到当前道路拥堵判定对象的道路拥堵特征向量，
其中，8个时间域统计量具体为：
平均值最大值最小值
标准偏差
平均误差
偏度
均方根振幅
峰态
其中，N＝180；
步骤4、构建交通道路拥堵判定分类器：
将不同道路拥堵判定对象的道路拥堵特征向量，以及提取所述道路拥堵特征向量的时间窗口的时间段内道路的实际拥堵状态作为一组数据集，其中拥堵状态包括三种：道路通畅、轻微拥堵和严重拥堵；
采集2000组数据集，其中1000组用于构成训练样本集，剩余的1000组用于构成测试样本集；
采用训练样本集分别训练决策树、随机森林和xgboost三种分类器，每种分类器用于对三种道路拥堵状态进行类别判定，所述道路拥堵类别包括：道路通畅、轻微拥堵和严重拥堵；
采用测试样本集分别对训练完成的三种分类器进行测试：将测试样本集分别输入三种分类器，得到所述测试样本集在不同分类器上运行完成的时间，记其中最小运行完成时间为Tmin，最大运行完成时间为Tmax，采用评价标准TAP作为分类器性能的评价指标，选出TAP值最大的分类器作为交通道路拥堵判定分类器，
其中TP代表把正类预期为正类的数量，FP表示把负类预测为正类的数量，T为所述测试样本集在当前分类器中的运行时间，ω1和ω2表示预设权重，ω1取值为0.9，ω2取值为0.1；
步骤5、交通道路拥堵判定：
提取当前待判定对象的道路拥堵特征向量，通过所述交通道路拥堵判定分类器对当前待判定对象进行道路拥堵类别判定，得到当前待判定对象的道路拥堵类别。
如图3所示，所述重定位机制包括：
步骤1.1、从手机坐标系转换到几何坐标系：通过智能终端中的传感器模块感应出重力矢量以及磁性向北的磁性矢量，由重力矢量以及磁性向北的磁性矢量的交叉乘积得出几何坐标系中的东西矢量，再将重力矢量和东西向量交叉乘积得出南北矢量，由重力矢量、东西矢量、南北矢量三个相互垂直的矢量组成几何坐标系，旋转矩阵表示为：
通过旋转矩阵R-1，计算出几何坐标系中的加速度矩阵A′＝A·R-1，其中A为手机坐标系中的加速度矩阵，进而得到磁西向，磁北向和重力向量方向的加速度时间序列；
步骤1.2、从几何坐标系转换到汽车坐标系：通过智能终端中的传感器模块获取的位置点求出车辆运行矢量，计算出磁性向北的磁性矢量和车辆运行矢量之间的偏离角度，根据所述偏离角度和磁北向的加速度时间序列计算出车辆在实际运行方向上的加速度时间序列。
拼车好友推荐模块分为三个子模块：信息获取模块、定位判断模块和好友推荐模块，用于实现数据收集功能和好友推荐功能。信息获取模块的主要任务是智能终端通过GPS定位模块从车辆起点开始以时间间隔1秒周期性地获取车辆的经纬度坐标点，在一段时间过后或者一段行程行驶完毕后，得到车辆行车路径信息，将包含经纬度坐标点的路径信息存储在本地数据库中；定位判断模块的主要任务是智能终端通过通讯服务模块发送本地数据库中包含经纬度坐标点的路径信息到后台服务端，后台服务端接收用户传送来的包含经纬度坐标点的路径信息后，经过百度地图API判断经纬度坐标点是否正确定位于道路上，经纬度坐标点定位正确后将包含经纬度坐标点的路径信息存储到HBase数据库中；好友推荐模块的主要任务后台服务端中的数据库从HBase数据库中获取基准路径，并根据基准路径的时间段和城市标签筛选出与基准路径在同城并且在同一天的其他用户路径作为待匹配路径，基准路径与待匹配路径作时空相似度计算并且按照时空相似度降序排序，后台服务端向基准路径用户推荐与其拥有高时空相似度路径的用户成为好友，将该好友信息返回到智能终端。
在日常生活中，对于拼车好友的推荐，除了用户间的空间相似度作为参考依据外，时间的相似度也应该作为推送的参考依据。因为可能存在这种情况，虽然两个用户的出行相似度很高，但是一个是早上出行，一个是晚上出行。这种情况下两个用户是无法达成拼车行为的，没有推荐的必要。为了使推送的好友完成拼车行为的成功率提高，在推荐时需要同时考虑两条路径的时间相似度以及空间相似度。对时间相似度与空间相似度进行归一化处理转化为时空相似度。定义时空相似度的范围为[0,1]，当时空相似度为1时代表两条路径不管从时间相似度还是空间相似度上均完全相似，当为0时代表不相似。
任意一条待匹配路径TRA2与基准路径TRA1之间的时空相似度计算公式为：
SATSim(TRA1,TRA2)＝S(TRA1,TRA2)×TimSim(TRA1,TRA2) (公式1)
其中，S(TRA1,TRA2)代表路径TRA1和TRA2的空间相似度，
路径TRA1和TRA2的时间相似度计算公式为：
其中，Overlap(TRA1,TRA2)代表路径TRA1和TRA2在时间上的重叠时长，L(TRA1)和L(TRA2)分别代表路径TRA1和TRA2在时间上的总时长。
在对空间相似度S(TRA1,TRA2)进行计算时，本发明针对原有Circle-based算法存在盲点区域，提出一种新的基于三角形面积对比法消除盲点区域的方法。传统的Circle-based算法对于两条路径的相似度计算原理是通过计算一条路径点落入另一条路径所构建的圆形区域内点的个数来计算相似度。如图4所示由实心圆构成的为基准路径TRA1，而由空心圆构成的为待匹配路径TRA2。在TRA1和TRA2中，从起点开始，对于TRA1中采集的每个经纬度坐标点，计算该经纬度坐标点与相邻两个经纬度坐标点之间的距离，并选取其中较大的距离的一半作为半径，构建一个以该经纬度坐标点为圆心，上述半径作为R的圆形区域，求出TRA2中所有落在TRA1构建的圆形区域内的经纬度坐标点的个数与TRA2采集的总经纬度坐标点个数的比值，即可得出TRA1与TRA2的相似度。
由于Circle-based算法构建的圆形区域会存在盲点区域。如果路径点落入了盲点区域，算法将对该点判断错误。如图5所示，假设由实心圆构建的路径为TRA1，由空心圆构建的路径为TRA2。由图中可以看出两条路径的实际相似度应该为100％，但是在用Circle-based算法计算过程中发现路径TRA2中有两点落在由TRA1构成的圆形区域之外，使得计算所得的路径相似度只有60％，这与实际相似度相差较大。本发明在Circle-based算法的基础上提出了一种基于三角形面积对比法来提高计算精度，减少了因为盲点区域存在造成的计算相似度与实际相似度的误差，使计算所得相似度更加接近实际相似度。
如图6所示为路径点Pi与Pi+1构成的圆形区域以及对比路径点Tj。AB为两个圆形区域的公切线。Ri为圆Pi的半径，Ri+1为圆Pi+1的半径并且Ri>Ri+1。图中Tj明显落于Pi与Pi+1构成的圆形区域的盲区内，如果用Circle-based算法判定得出的结论即该点与路径PiPi+1不匹配。但实际情况是Tj到Pi与Pi+1形成的路径之间的距离是小于Ri的。所以只要判断出Tj到直线PiPi+1的距离小于等于Ri就可得出该点与对比路径是匹配的。但是由于本方案中通过智能终端的GPS定位得到的是地球的经纬度坐标，所以无法像二维坐标系中建立坐标系进行计算。
从图6中可求得的数据如下：Ri、Ri+1、|PiPi+1|、|PiTj|、|Pi+1Tj|。通过观察发现图6中ΔB PiPi+1与ΔTjPiPi+1为同底的三角形，所以可以通过对比ΔBPiPi+1与ΔTjPiPi+1的面积得出Tj点是否在盲区内。该方法相当于重新构建了一个以Ri和PiPi+1为边长的平行四边形，而该平行四边形完全覆盖住盲点区域，所以如何求得ΔBPiPi+1与ΔTjPiPi+1的面积是本算法的关键。
(1)ΔTjPiPi+1面积的计算
由于|PiPi+1|、|PiTj|、|Pi+1Tj|是已知的，通过海伦公式可求得ΔTjPiPi+1面积。海伦公式如下：
公式4中a、b、c分别代表三角形的三条边。代表半周长(周长的一半)公式如下：
(2)ΔBPiPi+1面积的计算
ΔBPiPi+1的面积也可用海伦公式求得面积，但是|BPi+1|未知。通过观察可得由点PiPi+1AB构成的四边形为直角梯形并且梯形中|PiPi+1|、|Pi+1A|、|PiB|已知。过Pi+1作垂线到BPi，与BPi的交点为C，因此|BC|＝Ri+1，|Pi+1C|＝|AB|，根据勾股定理计算|BPi+1|。然后通过公式3和公式4计算出ΔBPiPi+1的面积。
比较ΔTjPiPi+1面积和ΔBPiPi+1面积的大小，若ΔTjPiPi+1面积<ΔBPiPi+1面积，则点Tj与Pi与Pi+1形成的路径是匹配的。
为了验证Circle-based改进算法相对于Circle-based算法是否有精确度上的提升，采集31条相近路径信息，选择一条路径作为原始路径，其他30条路径作为对比路径，用于判定其与原始路径的相似度，对这31条路径分别使用Circle-based算法以及Circle-based改进算法进行计算。
实验结果如图7所示，横轴代表路径编号，纵轴代表相似度。图7表明，两种算法在处理同一批数据时，Circle-based改进算法计算出的相似度和Circle-based算法所计算出的相似度在两条路径的相似度越高的情况下，精度提高的越明显。但是在所匹配的两条路径相似度本身不高时，精度提高得不明显，正如图中所示，在相似度60％以下时两种算法的计算出的相似度基本没什么差别，但是在相似度60％以上时，由改进算法计算出的相似度有较明显的精度上的提高。分析产生这样的原因是，本发明提出的改进算法的原理是消除Circle-based算法在计算时出现的盲点区域，盲点区域相对于Circle-based算法构建的圆形区域并不大。所以落入盲点区域的路径点的数目是随着两条路径的相似度提高而提高的，只有当两条路径的相似度越高时才可能有越多的点落入盲点区域。综上所述，本发明提出的Circle-based改进算法可以有效的消除盲点区域提高计算的精度。
本发明提供了一种基于群智感知的智能交通系统，通过运用智能手机这种日益普及的设备来代替传统设备可以解决传统设备获取实时交通时高造价、高维护成本、不灵活等问题；同时在收集加速度信息的过程中，采用重定向机制得到车辆在行驶方向上的加速度信息，并对该信息进行数据清洗，保证了数据的可靠性；在提取数据特征时，增加了8个常见的时间域统计量作为特征，保证了模型预测的准确性；并提出了一种新的指标用于定量分析不同的分类器对于本方案的适用程度，可以更客观全面的选择适合的分类器；另外，采用Circle-based改进算法进行路径空间相似度计算，可以消除Circle-based算法存在的盲点区域，从而提高路径空间相似度计算的精度。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种基于群智感知的智能交通系统，包括后台服务端和智能终端，其特征在于，所述智能终端设置有智能交通模块，该智能交通模块包括登录注册模块、通讯录管理模块、拼车通信模块、实时路况推送模块、拼车好友推荐模块以及通讯服务模块，其中登录注册模块、通讯录管理模块、拼车通信模块、实时路况推送模块和拼车好友推荐模块这五个功能模块通过通讯服务模块与后台服务端通信连接，后台服务端接收到用户传送的信息后对信息类型进行判断，根据信息类型发送信息到不同的功能模块处理，在功能模块对数据进行处理后，再把处理结果通过通讯服务模块返回给用户；
其中，所述实时路况推送模块包括：
数据采集模块，用于在智能终端登录成功后，运用驾驶人员智能终端上搭载的传感器模块和GPS定位模块，以时间间隔1秒周期性采集车辆过程行驶中的感知数据以及位置信息，其中，感知数据以及位置信息包括加速度信息、GPS定位信息和时间戳信息；
地址转换模块，用于将收集到的感知数据以及位置信息发送给后台服务端，后台服务端通过百度地图SDK中的反向地理编码将位置信息转换为标准地址；
路况推送模块，用于检查短暂时间段内是否发送过该标准地址拥堵状态的推送信息，如果短暂时间段内发送过该标准地址的拥堵状态，则结束，在屏幕上提示用户已发送过该标准地址的拥堵状态，如果没有发送过该标准地址的拥堵状态，则对接收到的感知数据以及位置信息进行拥堵状态分类处理，得出拥堵状态分类结果，将该标准地址的拥堵状态分类结果向以该标准地址为圆心，2千米为半径的圆形区域内的用户进行推送，在用户屏幕上显示拥堵状态分类结果，并将推送结果存入后台服务端的数据库；
其中，对接收到的感知数据以及位置信息进行拥堵状态分类处理的方法包括：
步骤1、获取道路拥堵判定对象的实时加速度时间序列：
通过重定位机制对智能终端中的传感器模块和GPS定位模块采集到的加速度信息、GPS定位信息和时间戳信息进行处理，得到车辆行驶方向的实时加速度时间序列，
其中，所述重定位机制包括：
步骤1.1、从手机坐标系转换到几何坐标系：通过智能终端中的传感器模块感应出重力矢量以及磁性向北的磁性矢量，由重力矢量以及磁性向北的磁性矢量的交叉乘积得出几何坐标系中的东西矢量，再将重力矢量和东西向量交叉乘积得出南北矢量，由重力矢量、东西矢量、南北矢量三个相互垂直的矢量组成几何坐标系，旋转矩阵表示为：
通过旋转矩阵R-1，计算出几何坐标系中的加速度矩阵A′＝A·R-1，其中A为手机坐标系中的加速度矩阵，进而得到磁西向，磁北向和重力向量方向的加速度时间序列；
步骤1.2、从几何坐标系转换到汽车坐标系：通过智能终端中的传感器模块获取的位置点求出车辆运行矢量，计算出磁性向北的磁性矢量和车辆运行矢量之间的偏离角度，根据所述偏离角度和磁北向的加速度时间序列计算出车辆在实际运行方向上的加速度时间序列；
步骤2、数据清洗处理：
对车辆行驶方向的实时加速度时间序列中的缺失值以及异常值采用均值填充法进行处理；
步骤3、提取道路拥堵判定对象的道路拥堵特征向量：
选取时间窗口为N的时间段内的清洗后的车辆行驶方向的实时加速度时间序列，时间序列中的数据点按时间先后顺序依次编号为x1～xN，同时统计所述时间窗口内的8个时间域统计量，构成编号依次为xN+1～xN+8的数据点，基于上述N+8个数据点得到当前道路拥堵判定对象的道路拥堵特征向量，
其中，8个时间域统计量具体为：
平均值最大值最小值
标准偏差
平均误差
偏度
均方根振幅
峰态
其中，N＝180；
步骤4、构建交通道路拥堵判定分类器：
将不同道路拥堵判定对象的道路拥堵特征向量，以及提取所述道路拥堵特征向量的时间窗口的时间段内道路的实际拥堵状态作为一组数据集，其中实际拥堵状态包括三种：道路通畅、轻微拥堵和严重拥堵；
采集2000组数据集，其中1000组用于构成训练样本集，剩余的1000组用于构成测试样本集；
采用训练样本集分别训练决策树、随机森林和xgboost三种分类器，每种分类器用于对三种道路拥堵状态进行类别判定，所述道路拥堵类别包括：道路通畅、轻微拥堵和严重拥堵；
采用测试样本集分别对训练完成的三种分类器进行测试：将测试样本集分别输入三种分类器，得到所述测试样本集在不同分类器上运行完成的时间，记其中最小运行完成时间为Tmin，最大运行完成时间为Tmax，采用评价标准TAP作为分类器性能的评价指标，选出TAP值最大的分类器作为交通道路拥堵判定分类器，
其中TP代表把正类预期为正类的数量，FP表示把负类预测为正类的数量，T为所述测试样本集在当前分类器中的运行时间，ω1和ω2表示预设权重，ω1取值为0.9，ω2取值为0.1；
步骤5、交通道路拥堵判定：
提取当前待判定对象的道路拥堵特征向量，通过所述交通道路拥堵判定分类器对当前待判定对象进行道路拥堵类别判定，得到当前待判定对象的道路拥堵类别。
所述拼车好友推荐模块包括：
信息获取模块，用于在智能终端登录成功后，采用智能手机上的GPS定位模块从车辆起点开始以时间间隔1秒周期性地获取车辆的经纬度坐标点，在一段时间后或一段行程行驶完毕后，得到车辆路径信息，将包含经纬度坐标点的路径信息存储在本地数据库中；
定位判断模块，用于将本地数据库中包含经纬度坐标点的路径信息传送到后台服务端，经过百度地图API判断经纬度坐标点是否正确定位于道路上，经纬度坐标点定位正确后将包含经纬度坐标点的路径信息存储到HBase数据库中；
好友推荐模块，用于使后台服务端中的数据库从HBase数据库中获取基准路径，并根据基准路径的时间段和城市标签筛选出与基准路径在同城并且在同一天的其他用户路径作为待匹配路径，基准路径与待匹配路径作时空相似度计算并且按照时空相似度降序排序，后台服务端向基准路径用户推荐与其拥有高时空相似度路径的用户成为好友，将该好友信息返回到智能终端；
其中，任意一条待匹配路径TRA2与基准路径TRA1之间的时空相似度计算公式为：SATSim(TRA1,TRA2)＝S(TRA1,TRA2)×TimSim(TRA1,TRA2)，
其中，S(TRA1,TRA2)代表路径TRA1和TRA2的空间相似度，
代表路径TRA1和TRA2的时间相似度，Overlap(TRA1,TRA2)代表路径TRA1和TRA2在时间上的重叠时长，L(TRA1)和L(TRA2)分别代表路径TRA1和TRA2在时间上的总时长；
空间相似度S(TRA1,TRA2)的计算方法包括：
步骤1、分别以所述基准路径中的每一个经纬度坐标点为圆心、该经纬度坐标点与基准路径中相邻两个经纬度坐标点之间的距离中较大的一个距离的一半为半径作出一系列圆；
步骤2、计算所述待匹配路径中的各经纬度坐标点落入所述基准路径中每一个经纬度坐标点所构建的圆形区域内以及落入这些圆形区域构成的盲点区域的点的总个数；
步骤3、通过所述待匹配路径中的经纬度坐标点落入基准路径中每一个经纬度坐标点所构建的圆形区域内以及落入这些圆形区域构成的盲点区域的点的总个数与待匹配路径上获取的经纬度坐标点总个数的比值计算空间相似度；
其中，计算待匹配路径中的任意经纬度坐标点Tj落入盲点区域的方法为：
用点Pi和Pi+1表示基准路径中的任意两个相邻经纬度坐标点，Ri和Ri+1分别表示以点Pi、Pi+1到为圆心的圆的半径，其中Ri>Ri+1；
作出两个圆形区域的公切线AB，其中A为该切线与以Pi+1为圆心的圆的交点，B为该切线与以Pi为圆心的圆的交点，求出Ri、Ri+1、|PiPi+1|、|PiTj|、|Pi+1Tj|的值，其中，||表示两点之间的距离；
过Pi+1作垂线到BPi，与BPi的交点为C，因此|BC|＝Ri+1，|Pi+1C|＝|AB|，根据勾股定理计算|BPi+1|，然后利用海伦公式求出ΔTjPiPi+1和ΔBPiPi+1的面积，比较ΔTjPiPi+1和ΔBPiPi+1的面积大小，若ΔTjPiPi+1面积<ΔBPiPi+1面积，则所述待匹配路径中的经纬度坐标点Tj落入分别以Pi和Pi+1为圆心，Ri和Ri+1为半径作出的两个圆所构成的盲点区域。
2.根据权利要求1所述的智能交通系统，其特征在于，所述登录注册模块包括注册模块和登录模块，所述注册模块在屏幕上提示用户输入新用户名，后台服务端对新用户名进行验证，验证成功后在屏幕上提示用户输入两次密码，否则在屏幕上提示用户重新输入新用户名，两次输入密码相同时在屏幕上提示输入用户其他信息，否则在屏幕上提示用户重新输入两次密码，若用户其他信息验证成功并提交成功后，返回注册成功信号到注册模块并在屏幕上显示注册成功，同时跳转到登录页面，否则，返回注册失败信号到注册模块并在屏幕上提示重新输入用户其他信息；
所述登录模块在屏幕上提示用户输入登录信息，输入的登录信息发送到后台服务端的用户验证模块，用户验证模块搜索是否存在与输入的登录信息相同的用户信息：若有，则返回登录成功信号到登录模块并提示用户选择相应的功能模块；若无，则返回登录错误信号到登录模块并在屏幕上提示用户重新输入登录信息。
3.根据权利要求2所述的智能交通系统，其特征在于，所述通讯录管理模块主要包括添加好友模块和删除好友模块，所述添加好友模块在智能终端登录成功后向后台服务端发出获取推荐好友列表信息，后台服务端从数据库中查询好友列表，返回未被添加的好友信息到智能终端，用户根据推荐的列表选择好友信息执行添加操作；所述删除好友模块在智能终端登录成功后向后台服务端发出删除好友列表信息，后台服务端从数据库中删除该好友列表信息并反馈该删除好友列表信息到智能终端，用户根据该反馈信息执行删除操作。
4.根据权利要求2所述的智能交通系统，其特征在于，所述拼车通信模块用于在智能终端登录成功后为用户好友之间提供聊天功能。
5.根据权利要求1-4任意一项所述的智能交通系统，其特征在于，所述后台服务端主要由两部分组成：应用程序服务器以及负责分布式算计和存储的Hadoop集群。
6.根据权利要求1-4任意一项所述的智能交通系统，其特征在于，所述智能终端为Android智能终端。
CN201811145054.1A 2018-09-29 2018-09-29 一种基于群智感知的智能交通系统 Pending CN109191883A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811145054.1A CN109191883A (zh) 2018-09-29 2018-09-29 一种基于群智感知的智能交通系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811145054.1A CN109191883A (zh) 2018-09-29 2018-09-29 一种基于群智感知的智能交通系统

Publications (1)

Publication Number Publication Date
CN109191883A true CN109191883A (zh) 2019-01-11

Family

ID=64907909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811145054.1A Pending CN109191883A (zh) 2018-09-29 2018-09-29 一种基于群智感知的智能交通系统

Country Status (1)

Country Link
CN (1) CN109191883A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376665A (zh) * 2018-10-29 2019-02-22 重庆科技学院 基于群智感知的出租车驾驶员的驾驶行为评估系统
CN110020686A (zh) * 2019-04-10 2019-07-16 浙江大学城市学院 一种基于群智感知传感数据的路面异常检测方法
CN110619403A (zh) * 2019-08-19 2019-12-27 杭州飞步科技有限公司 一种拼车方法和装置、电子设备、存储介质
CN110852524A (zh) * 2019-11-19 2020-02-28 腾讯科技（深圳）有限公司 时间窗口的确定方法、装置、设备及存储介质
CN111666839A (zh) * 2020-05-25 2020-09-15 东华大学 一种基于改进Faster RCNN的道路行人检测系统
CN113159577A (zh) * 2021-04-22 2021-07-23 电子科技大学 基于群智感知的城市道路规划方法
CN113271546A (zh) * 2021-04-26 2021-08-17 重庆凯瑞特种车有限公司 一种垃圾收运智慧管理平台
CN113570862A (zh) * 2021-07-28 2021-10-29 太原理工大学 一种基于XGboost算法的大型交通拥堵预警方法
CN113722400A (zh) * 2021-09-08 2021-11-30 电子科技大学 一种基于群智感知的数据采集系统及方法
CN113741530A (zh) * 2021-09-14 2021-12-03 电子科技大学 一种基于多无人机群智感知的数据采集方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376665A (zh) * 2018-10-29 2019-02-22 重庆科技学院 基于群智感知的出租车驾驶员的驾驶行为评估系统
CN110020686A (zh) * 2019-04-10 2019-07-16 浙江大学城市学院 一种基于群智感知传感数据的路面异常检测方法
CN110020686B (zh) * 2019-04-10 2020-12-01 浙江大学城市学院 一种基于群智感知传感数据的路面异常检测方法
CN110619403A (zh) * 2019-08-19 2019-12-27 杭州飞步科技有限公司 一种拼车方法和装置、电子设备、存储介质
CN110852524B (zh) * 2019-11-19 2023-04-18 腾讯科技（深圳）有限公司 时间窗口的确定方法、装置、设备及存储介质
CN110852524A (zh) * 2019-11-19 2020-02-28 腾讯科技（深圳）有限公司 时间窗口的确定方法、装置、设备及存储介质
CN111666839A (zh) * 2020-05-25 2020-09-15 东华大学 一种基于改进Faster RCNN的道路行人检测系统
CN113159577A (zh) * 2021-04-22 2021-07-23 电子科技大学 基于群智感知的城市道路规划方法
CN113159577B (zh) * 2021-04-22 2022-05-03 电子科技大学 基于群智感知的城市道路规划方法
CN113271546A (zh) * 2021-04-26 2021-08-17 重庆凯瑞特种车有限公司 一种垃圾收运智慧管理平台
CN113570862A (zh) * 2021-07-28 2021-10-29 太原理工大学 一种基于XGboost算法的大型交通拥堵预警方法
CN113570862B (zh) * 2021-07-28 2022-05-10 太原理工大学 一种基于XGboost算法的大型交通拥堵预警方法
CN113722400A (zh) * 2021-09-08 2021-11-30 电子科技大学 一种基于群智感知的数据采集系统及方法
CN113741530A (zh) * 2021-09-14 2021-12-03 电子科技大学 一种基于多无人机群智感知的数据采集方法

Similar Documents

Publication Publication Date Title
CN109191883A (zh) 一种基于群智感知的智能交通系统
US11107352B2 (en) Routing both autonomous and non-autonomous vehicles
CN110361024A (zh) 利用车辆组标识的动态车道级车辆导航
US9652983B2 (en) Traffic surveillance and guidance system
WO2015051718A1 (zh) 一种动态轨迹导航方法及云平台
CN106576383A (zh) 用于改进蜂窝电话通信的无人飞行器的部署标准
CN109084794B (zh) 一种路径规划方法
EP2770481A2 (en) Method of using virtual gantries to optimize the charging performance of in-vehicle parking systems
CN108492557A (zh) 基于多模型融合的高速公路拥堵等级判断方法
EP1177508A2 (en) Apparatus and methods for providing route guidance for vehicles
WO2021082464A1 (zh) 预测车辆的目的地的方法和装置
CN112991743B (zh) 基于行驶路径的实时交通风险ai预测方法及其系统
CN110118567A (zh) 出行方式推荐方法及装置
GB2576312A (en) Method and system of recommending a place to park
CN110472999A (zh) 基于地铁和共享单车数据的客流模式分析方法及装置
CN111798165B (zh) 一种基于大数据的机场出租车调度系统
CN105096584A (zh) 一种交通决策支持方法、装置及系统
CN106846214A (zh) 分析交通枢纽可达性对区域公共运输方式竞争影响的方法
CN112005562A (zh) 使用实时位置数据确定车辆拥挤度
Saremi et al. Combining map-based inference and crowd-sensing for detecting traffic regulators
CN109489679A (zh) 一种导航路径中的到达时间计算方法
CN110349428A (zh) 识别用户是否正在前往公交站点的方法及装置
CN114648057A (zh) 交通路线的生成方法、装置、电子装置和存储介质
CN112434844A (zh) 基于凸包计算和遗传算法排序线网的新开及延长方法
Ou et al. Big-data-based analysis on the relationship between taxi travelling patterns and taxi drivers' incomes

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190111

WD01 Invention patent application deemed withdrawn after publication