CN109584561A - 基于浮动车数据的城市道路交通运行状态评价方法 - Google Patents

Abstract

本发明提供了一种基于浮动车数据的城市道路交通运行状态评价方法，包括：通过浮动车搭载的卫星定位装置实时采集浮动车轨迹数据；根据浮动车数据计算各区域内的交通总延误、平均延误、延误比、平均速度和速度比；对交通指标进行同趋化和标准化；通过主成分分析法对同趋化和标准化后的各指标进行主成分提取，并计算交通运行状态综合指标值；对交通运行状态综合指标值归一化处理，通过归一化处理的综合指标值对城市道路交通运行状态评价，综合指标值越小，表示交通状况越好。本发明的方法综合了速度和延误等指标，且各项指标及权重的确定方法均通过数据求得，使城市道路交通运行状态评价更加客观和准确。

Description

基于浮动车数据的城市道路交通运行状态评价方法

技术领域

本发明涉及智能交通领域，尤其涉及一种基于浮动车数据的城市道路交通运行状态评价方法。

背景技术

随着浮动车技术的发展，智能交通领域在信号控制、状态识别和拥堵监测等方面越来越离不开浮动车数据的支持和完善。由于浮动车技术具有准确性、实时性和稳定性等特点，因此浮动车数据常常作为基础数据被广泛应用于城市交通的各个方面。然而，目前基于浮动车数据的城市道路交通运行状态的评价主要基于拥堵里程数、拥堵持续时间和平均速度等指标，但是由于拥堵的判别指标也是通过速度来判断，所以该评价体系过分依赖于速度这一指标，而忽略了延误对交通状态的影响。而在实际应用中，平均延误更能反映出区域路网内车辆的平均拥堵状态；延误比可以反映出司机及乘客在路网内的直观拥堵感受；总延误反映出路网内车辆的总体运行状态，是集计了车流量的延误总和。因此，需要一种综合延误和速度等指标的城市道路交通运行状态评价方法。

发明内容

本发明提供了一种基于浮动车数据的城市道路交通运行状态评价方法，以综合延误和速度等指标的城市道路交通运行状态评价方法。

为了实现上述目的，本发明采取了如下技术方案。

一种基于浮动车数据的城市道路交通运行状态评价方法，包括：

通过浮动车搭载的卫星定位装置采集和存储浮动车轨迹数据；

提取所需的浮动车数据并计算各区域内的交通总延误、平均延误、延误比、平均速度和速度比；

对所述的交通总延误、平均延误、延误比、平均速度和速度比进行同趋化和标准化；

通过主成分分析法对所述同趋化和标准化后的各指标进行主成分提取，并计算交通运行状态综合指标值；

对所述的交通运行状态综合指标值归一化处理，通过归一化处理的综合指标值对城市道路交通运行状态评价，所述的综合指标值越小，表示交通状况越好。

进一步地，该方法还包括将交通运行状态按照综合指标值大小分为不同级别，根据级别的高低绘制城市道路交通运行状态评价图。

进一步地，通过浮动车搭载的卫星定位装置实时采集浮动车轨迹数据，包括所述的采集的浮动车轨迹数据包括浮动车经度、浮动车纬度、时间和速度，所述的数据传输间隔应≥10s。

进一步地，根据所述的浮动车数据计算各区域内的交通总延误、平均延误、延误比、平均速度和速度比，包括：所述的交通总延误、平均延误、延误比、平均速度和速度比根据下式(1)～(5)所示：

其中D、r_d、r_v分别代表区域交通总延误、平均延误、延误比、平均速度和速度比；d_i代表第i条轨迹的延误；n代表浮动车轨迹数量；代表第i条轨迹的自由流行程时间；v_i代表第i条轨迹的速度；代表第i条轨迹的自由流速度。

进一步地，对所述的交通总延误、平均延误、延误比、平均速度和速度比进行同趋化和标准化，包括：

对所述的速度和速度比取倒数，使之数值越大，表示交通状态越差；

采用Z-Score标准化法对所述的交通总延误、平均延误、延误比、平均速度和速度比进行无量纲化处理，所述的Z-Score公式如下式(6)所示：

其中，为第j项指标的平均值，var(X_j)为第j项指标的方差。

进一步地，通过主成分分析法对所述同趋化和标准化后的各指标进行主成分提取，并计算交通运行状态综合指标值，包括：

通过对所述同趋化和标准化后的各指标的相关性进行判定，得到相应的变量相关系数矩阵R，求出R的特征根λ_i和相应的标准正交特征向量l_i，将矩阵R的特征值由小到大排列顺序，并计算主成分的方差贡献率提取主成分时，要满足矩阵R的特征值由小到大得到的前p个主成分的方差贡献率的和大于85％，其中p为小于或等于5的正整数；

根据所述的提取的主成分和对应的方差贡献率计算交通运行状态综合指标值，所述的综合指标值根据下式(7)计算：

I＝w₁F₁+w₂F₂+...+w_pF_p (7)

其中，F₁...F_p为提取的主成分，w₁...w_p为对应的方差贡献率。

进一步地，对所述的交通运行状态综合指标值归一化处理，包括根据最大值-最小值法对所述的交通运行状态综合指标值归一化处理。

进一步地，最大值-最小值法根据下式(8)计算：

其中,I'为归一化处理后的交通运行状态综合指标值，I为原交通运行状态综合指标值，I_max和I_min分别为最大和最小的交通运行状态综合指标值。

由上述本发明的基于浮动车数据的城市道路交通运行状态评价方法提供的技术方案可以看出，本发明的方法综合了速度和延误等指标，且各项指标及权重的确定方法均通过数据求得，使城市道路交通运行状态评价更加客观和准确；仅需要浮动车数据和城市道路的GIS电子地图即可实现，不需要人工调查，节省了财力物力；浮动车采集的数据保存在数据库中，可以随时调用，方便快捷；可以实时的进行交通运行状态评价，也可以分时段对交通运行状态进行评价，并针对拥堵区域进行分析决策，可以根据评价结果实时的对交通状况进行处理。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为实施例一的一种基于浮动车数据的城市道路交通运行状态评价方法流程图；

图2是实施例二的流程示意图；

图3是实施案例二的交通运行状态评价图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

本实施例的基于浮动车数据的城市道路交通运行状态评价方法，旨在实现不同区域的交通运行状态评价，确定其拥堵程度，以对城市交通管理与决策起指导性作用。

实施例一

图1为本实施例的一种基于浮动车数据的城市道路交通运行状态评价方法流程图，包括：

S1通过浮动车搭载的卫星定位装置采集和存储浮动车轨迹数据。

通过浮动车搭载的卫星定位装置实时采集浮动车轨迹数据，并进行存储，采集的浮动车轨迹数据包括浮动车经度、浮动车纬度、时间和速度，数据传输间隔应≥10s。

S2提取所需的浮动车数据，并计算各区域内的交通总延误、平均延误、延误比、平均速度和速度比。

其中，交通总延误、平均延误、延误比、平均速度和速度比根据下式(1)～(5)所示：

其中D、r_d、r_v分别代表区域交通总延误、平均延误、延误比、平均速度和速度比；d_i代表第i条轨迹的延误；n代表浮动车轨迹数量；代表第i条轨迹的自由流行程时间；v_i代表第i条轨迹的速度；代表第i条轨迹的自由流速度。

S3对所述的交通总延误、平均延误、延误比、平均速度和速度比进行同趋化和标准化。

具体包括：

对所述的速度和速度比取倒数，使之数值越大，表示交通状态越差；

采用Z-Score标准化法对所述的交通总延误、平均延误、延误比、平均速度和速度比进行无量纲化处理，所述的Z-Score公式如下式(6)所示：

其中，为第j项指标的平均值，var(X_j)为第j项指标的方差。

S4通过主成分分析法对所述同趋化和标准化后的各指标进行主成分提取，并计算交通运行状态综合指标值。

主成分分析法能够通过“降维”作用提取出几个主要成分，消除指标间的相关性，并计算各成分的权重，从而进行综合评价。

其中，因子模型的一般形式为：x_i＝a_i1F₁+a_i2F₂+...a_ijF_j...+a_ipF_p+e_i，其中a_ij为因子载荷，F_j为公共因子也被称为主成分，e_i为特殊因子，x_i为第i项指标。

通过对所述同趋化和标准化后的各指标的相关性进行判定，得到相应的变量相关系数矩阵R，求R的特征根λ_i和相应的标准正交特征向量l_i，则因子载荷通过因子模型中的因子载荷可以判断各项主成分对各项指标的解释度，因子载荷越大，则该主成分对该指标的解释度越高。对因子载荷矩阵进行求逆运算，得到公共因子系数矩阵，该矩阵为主成分与指标之间线性方程的系数矩阵，可以反向求得主成分与各指标之间的关系。将相关系数矩阵R的特征值由小到大排列顺序，即λ₁＞λ₂＞...＞λ_n，并计算主成分的方差贡献率为提取主成分时，要满足矩阵R的特征值由小到大得到的前p个主成分的方差贡献率的和大于85％，其中p为小于或等于5的正整数，提取出的前p个主成分表示为F₁,F₂,...,F_p，这样才能充分反映出原始交通状态指标的主要信息。

根据所述的提取的主成分和对应的方差贡献率计算交通运行状态综合指标值，所述的综合指标值根据下式(7)计算：

I＝w₁F₁+w₂F₂+...+w_pF_p (7)

S5对所述的交通运行状态综合指标值归一化处理，通过归一化处理的综合指标值对城市道路交通运行状态评价，所述的综合指标值越小，表示交通状况越好。

对所述的交通运行状态综合指标值归一化处理，包括根据下式(8)最大值-最小值法对所述的交通运行状态综合指标值归一化处理：

其中,I'为归一化处理后的交通运行状态综合指标值，I为原交通运行状态综合指标值，I_max和I_min分别为最大和最小的交通运行状态综合指标值。

进一步地，该方法还包括将交通运行状态按照综合指标值大小分为不同级别，根据级别的高低绘制城市道路交通运行状态评价图。

将总评价指标由小到大排序，按照百分位数划分为6级。0-10％为A级，表示区域道路交通状态非常畅通，没有拥堵；10％-30％为B级，表示区域道路交通状态很畅通，几乎没有拥堵；30％-50％为C级，表示区域道路交通状态较为畅通，有少量拥堵发生；50％-70％为D级，表示区域道路交通状态较为拥堵，拥堵较为明显；70％-90％为E级，表示区域道路交通状态很拥堵，拥堵较为严重；90％-100％为F级，表示区域道路交通状态非常拥堵，区域道路拥堵非常严重，可能会蔓延，造成大面积交通瘫痪。

最后可以将交通运行状态进行可视化展示。将城市各个区域的交通运行状态用ArcGIS软件绘制在地图上，颜色越深代表交通越拥堵，颜色越浅代表交通越畅通，得到城市道路总体交通运行状态评价图。通过该评价图可以直观的看出交通拥堵所在区域，对交通运营管理决策起到了重要的指导作用。

本领域技术人员应能理解上述评价指标的划分类型仅为举例，其他现有的或今后可能出现的评价指标的划分类型如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

实施例二

本实施例以北京市五环范围内工作日全天的交通状态为例进行路网交通状态评价，图2是实施例二的流程示意图，参照图2，具体步骤如下：

(1)数据采集。

提取通过浮动车搭载的卫星定位装置采集并存储的浮动车轨迹数据数，数据为2012年11月的出租车轨迹数据，根据北京市路网地图，对轨迹数据进行预处理操作，包括坐标转换，剔除错误数据，筛选出工作日五环范围内的数据。

(2)区域交通运行状态提取。

将北京市五环范围划分成30×30的矩形网格，每个网格的边长约为1km。(在方法迁移中，也可以不划分网格，采用任意形状的区域范围)通过下式(1)～(5)计算各区域内的交通总延误、平均延误、延误比、平均速度、速度比等交通状态特征。

其中D、r_d、r_v分别代表区域交通总延误、平均延误、延误比、平均速度和速度比；d_i代表第i条轨迹的延误；n代表浮动车轨迹数量；代表第i条轨迹的自由流行程时间；v_i代表第i条轨迹的速度；代表第i条轨迹的自由流速度。

(3)对各项交通状态特征标准化处理。按照下式(6)对各区域内的交通总延误、平均延误、延误比、平均速度、速度比等交通状态特征进行Z-Score标准化处理，得到无量纲的交通状态指标。

其中，为第j项指标的平均值，var(X_j)为第j项指标的方差。

(4)通过SPSS软件对5项指标进行主成分分析。

通过SPSS软件分析共提取出3项主成分，分别记为F1，F2和F3。每项主成分的方差贡献率分别为50.172％，22.714％和19.555％，总的方差贡献率为92.441％，满足总方差贡献率大于85％的条件。根据SPSS软件计算得到每项主成分的值，并根据下式(7)求得各区域的总评价指标得分。将该评价指标按照下式(8)进行归一化处理，得到归一化交通运行状态评价指标。

I＝w₁F₁+w₂F₂+...+w_pF_p (7)

其中,w₁...w_p为每项主成分的方差贡献率，F₁...F_p为每项主成分值，I'为归一化处理后的交通运行状态综合指标值，I为原交通运行状态综合指标值，I_max和I_min分别为最大和最小的交通运行状态综合指标值。

(5)交通运行状态分级。

将总评价指标由小到大排序，按照百分位数划分为6级。0-10％为A级，表示区域道路交通状态非常畅通，没有拥堵；10％-30％为B级，表示区域道路交通状态很畅通，几乎没有拥堵；30％-50％为C级，表示区域道路交通状态较为畅通，有少量拥堵发生；50％-70％为D级，表示区域道路交通状态较为拥堵，拥堵较为明显；70％-90％为E级，表示区域道路交通状态很拥堵，拥堵较为严重；90％-100％为F级，表示区域道路交通状态非常拥堵，区域道路拥堵非常严重，可能会蔓延，造成大面积交通瘫痪。

(6)交通运行状态可视化展示。

将各个网格区域的交通运行状态用ArcGIS软件绘制在地图上，得到城市道路总体交通运行状态评价图，图3是实施案例二的交通运行状态评价图,如图3所示。颜色越深代表交通越拥堵，颜色越浅代表交通越畅通。通过该评价图可以直观的看出交通拥堵所在区域，对交通运营管理决策起到了重要的指导作用。

用本发明实施例的方法进行基于浮动车数据的城市道路交通运行状态评价的具体过程与前述方法实施例类似，此处不再赘述。

综上所述，本发明实施例通过利用大数据方法求得的总延误、平均延误、延误比、平均速度、速度比的交通状态特征，通过主成分分析法得到各指标的权重，并计算交通运行状态综合指标。将交通运行状态按照指标大小分为A、B、C、D、E、F等六种级别，并绘制城市道路交通运行状态评价图，确定其拥堵程度，对城市交通管理与决策起指导性作用。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

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，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种基于浮动车数据的城市道路交通运行状态评价方法，其特征在于，包括：

通过浮动车搭载的卫星定位装置采集和存储浮动车轨迹数据；

提取所需的浮动车数据并计算各区域内的交通总延误、平均延误、延误比、平均速度和速度比；

对所述的交通总延误、平均延误、延误比、平均速度和速度比进行同趋化和标准化；

通过主成分分析法对所述同趋化和标准化后的各指标进行主成分提取，并计算交通运行状态综合指标值；

对所述的交通运行状态综合指标值归一化处理，通过归一化处理的综合指标值对城市道路交通运行状态评价，所述的综合指标值越小，表示交通状况越好。

2.根据权利要求1所述的方法，其特征在于，所述的方法还包括将交通运行状态按照综合指标值大小分为不同级别，根据级别的高低绘制城市道路交通运行状态评价图。

3.根据权利要求1所述的方法，其特征在于，所述的通过浮动车搭载的卫星定位装置实时采集浮动车轨迹数据，包括所述的采集的浮动车轨迹数据包括浮动车经度、浮动车纬度、时间和速度，所述的数据传输间隔应≥10s。

4.根据权利要求1所述的方法，其特征在于，所述的根据所述的浮动车数据计算各区域内的交通总延误、平均延误、延误比、平均速度和速度比，包括：所述的交通总延误、平均延误、延误比、平均速度和速度比根据下式(1)～(5)所示：

其中D、r_d、r_v分别代表区域交通总延误、平均延误、延误比、平均速度和速度比；d_i代表第i条轨迹的延误；n代表浮动车轨迹数量；代表第i条轨迹的自由流行程时间；v_i代表第i条轨迹的速度；代表第i条轨迹的自由流速度。

5.根据权利要求1所述的方法，其特征在于，所述的对所述的交通总延误、平均延误、延误比、平均速度和速度比进行同趋化和标准化，包括：

对所述的速度和速度比取倒数，使之数值越大，表示交通状态越差；

采用Z-Score标准化法对所述的交通总延误、平均延误、延误比、平均速度和速度比进行无量纲化处理，所述的Z-Score公式如下式(6)所示：

其中，为第j项指标的平均值，var(X_j)为第j项指标的方差。

6.根据权利要求1所述的方法，其特征在于，所述的通过主成分分析法对所述同趋化和标准化后的各指标进行主成分提取，并计算交通运行状态综合指标值，包括：

通过对所述同趋化和标准化后的各指标的相关性进行判定，得到相应的变量相关系数矩阵R，求出R的特征根λ_i和相应的标准正交特征向量l_i，将矩阵R的特征值由小到大排列顺序，并计算主成分的方差贡献率提取主成分时，要满足矩阵R的特征值由小到大得到的前p个主成分的方差贡献率的和大于85％，其中p为小于或等于5的正整数；

根据所述的提取的主成分和对应的方差贡献率计算交通运行状态综合指标值，所述的综合指标值根据下式(7)计算：

I＝w₁F₁+w₂F₂+...+w_pF_p (7)

其中，F₁...F_p为提取的主成分，w₁...w_p为对应的方差贡献率。

7.根据权利要求1所述的方法，其特征在于，所述的对所述的交通运行状态综合指标值归一化处理，包括根据最大值-最小值法对所述的交通运行状态综合指标值归一化处理。

8.根据权利要求7所述的方法，其特征在于，所述的最大值-最小值法根据下式(8)计算：

其中,I'为归一化处理后的交通运行状态综合指标值，I为原交通运行状态综合指标值，I_max和I_min分别为最大和最小的交通运行状态综合指标值。