CN110211380B - 一种多源交通数据融合的高速公路拥堵区间探测方法 - Google Patents
一种多源交通数据融合的高速公路拥堵区间探测方法 Download PDFInfo
- Publication number
- CN110211380B CN110211380B CN201910479607.5A CN201910479607A CN110211380B CN 110211380 B CN110211380 B CN 110211380B CN 201910479607 A CN201910479607 A CN 201910479607A CN 110211380 B CN110211380 B CN 110211380B
- Authority
- CN
- China
- Prior art keywords
- level
- data
- station
- road
- expressway
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Abstract
本发明提出了一种多源交通数据融合的高速公路拥堵区间探测方法。本发明对高速公路路径识别系统的识别数据、联网收费系统收费站流水数据、两客一危重点车辆GPS轨迹数据三类交通数据作数据预处理,并对高速公路路网进行多层次的路网划分;利用预处理后的三类交通源数据及划分的路网,对第一层次的路网、第二层次的路网以及第三层次的路网上的数据进行匹配;使用三个层次匹配的数据,利用层次拥堵区间探测框架计算得出多层次的高速公路各基本路段的交通状态。本发明使拥堵区间探测结果更为可靠,可探测得到多层次的拥堵区间分布结果,且可减少数据计算量,提高探测速度。
Description
技术领域
本发明属于多源交通数据挖掘技术领域,涉及一种多源交通数据融合的高速公路拥堵区间探测方法。
背景技术
随着我国经济的发展以及城市化建设,城市之间的联系也越发紧密,高速公路作为城际之间的生命线,其重要性不言而喻。而由于天气、路面状况及突发事件等诸多因素,高速公路中也会出现交通拥挤的问题。为了便于对高速公路进行更好地监管,需要获取高速公路上的交通状况信息,因此需要利用可获取的数据对高速公路上的交通状态进行识别以获取相关信息。目前对于高速公路拥堵事件的研究主要可分为两方面的内容:一方面是对高速公路的拥堵事件进行定义、模拟和影响因素分析;另一方面是采用数据及适宜的方法对高速公路的拥堵事件进行识别,数据源通常有高速公路上设置的感应器(线圈等)数据、实时采集的高速公路联网收费数据、高速公路监控设备的视频图像数据以及浮动车轨迹数据等,采用的识别方法也可分为经典统计判别方法、机器学习方法和其他判别方法等。
目前的方法多为使用单一的交通数据源来实现高速公路的拥堵探测,但各类数据各有优缺点,只使用一类数据来探测拥堵会使结果出现偏差,因此对于使用多源交通数据来探测高速公路拥堵事件,综合多源交通数据的优势使探测结果更为可靠仍有待探讨和探究。
发明内容
为解决上述问题,本发明通过利用高速公路上路径识别系统的识别数据、联网收费数据和两客一危重点车辆GPS轨迹数据等三类数据,采用模糊综合评价算法进行高速公路路段的交通状态识别,构建了多层次的拥堵区间探测框架,从而实现对高速公路多层次的交通状态识别,弥补了综合使用多源交通数据进行高速公路拥堵探测的不足。
本发明所采用的技术方案是一种多源交通数据融合的高速公路拥堵区间探测方法,其特征在于,包括以下步骤:
步骤1:对高速公路路径识别系统的识别数据、联网收费系统收费站流水数据、两客一危重点车辆GPS轨迹数据三类交通数据作数据预处理,并对高速公路路网进行多层次的路网划分;
步骤2:利用预处理后的三类交通源数据及划分的路网,对第一层次的路网、第二层次的路网以及第三层次的路网上的数据进行匹配;
步骤3:使用三个层次匹配的数据,利用层次拥堵区间探测框架计算得出多层次的高速公路各基本路段的交通状态。
作为优选,步骤1中所述高速公路路径识别系统的识别数据包括:
字段有车牌号码即I_platenum、识别站点编码即I_station、识别设备编码即I_equocode、识别时间即I_time;
数据预处理步骤包括:
无车牌记录过滤:剔除I_platenum字段中不符合车牌标准的记录;
剔除重复记录:根据I_platenum、I_station和I_time三个字段来保留唯一一条记录,即某一台车在一定时刻在一定站点被识别;
步骤1中所述联网收费系统收费站流水数据包括:
字段有车辆号牌即T_platenum、车辆进入收费站的编码即T_station_in、车辆离开收费站的编码即T_station_out、车辆进入收费站的时间即T_time_in、车辆离开收费站的时间即T_time_out;
数据预处理步骤包括:
数据修正:根据车辆进出收费站的编码T_station_in与T_station_out,剔除编码缺失或不存在于收费站点字典中的记录;
数据清洗:根据车辆进出收费站的编码T_station_in与T_station_out,剔除进出站编码相同的记录,不考虑该种情况;根据T_platenum、T_station_in、T_station_out、T_time_in、T_time_out字段剔除重复项,只保留唯一记录,即一台车在一定时刻进入收费站,在一定时刻下高速离开收费站;
步骤1中所述两客一危重点车辆GPS轨迹数据包括:
字段有车辆号牌G_platenum、记录时间G_time、经度G_longitude、纬度G_latitude、速度G_velocity、方向角G_direction;
数据处理步骤包括:
数据清洗:
根据G_platenum、G_time、G_longitude与G_latitude字段剔除重复项,即在某台车辆在某个时间对应一个经纬度位置;
根据方位角G_direction字段,如果大于360°或者小于0°视为异常数据,予以剔除;
根据G_time、G_latitude、G_longitude字段来计算相邻两点之间的平均速度G_velocity_new,若大于150km/h则视为异常数据,予以剔除;
地图匹配:对道路路段作缓冲区分析,再将路段缓冲区与轨迹点作相交处理,以此筛选出路段上的轨迹点,接着对轨迹点和路段作近邻分析,即可确定轨迹点所属的道路段G_road;
步骤1中所述对高速公路路网进行多层次的路网划分遵循的路网划分规则由第一层次路网划分规则、第二层次路网划分规则以及第三层次路网划分规则构成;
所述第一层次路网划分规则为:根据高速公路上路径识别点的位置进行划分,若边界无布设的识别点,则使用附近的收费站点位置代替,由此产生了第一层次的高速公路;
对于一条东西向或者南北向的高速公路,其上有M个识别点,N个收费站点:识别站点I_station_p[Ilat_p,Ilon_p](p∈[1,M]),收费站点T_station_q[Tlat_q,Tlon_q](p∈[1,N]),其中Ilat_p为第p个识别站点的纬度,Tlat_q为第q个收费站点的纬度,Ilon_p为第p个识别点的经度,Tlon_q为第q个收费站点的经度,T_station_1为起点收费站,T_station_N为终点收费站,根据高速公路上的M个识别站点可将路网划分为M+1段;
所述第一层次路网划分规则将路网划分为M+1段,即有两段经纬度点确定的高速公路路段:
R1_1([Tlat_1,Tlon_1],[Ilat_1,Ilon_1]),长度为L11km;
R1_2([Ilat_1,Ilon_1],[Ilat_2,Ilon_2]),长度为L12km;
……
R1_M([Ilat_M-1,Ilon_M-1],[Ilat_M,Ilon_M]),长度为L1Mkm;
R1_M+1([Ilat_M,Ilon_M],[Tlat_N,Tlon_N]),长度为L1M+1km;
其中,R1_1、R1_2……R1_M+1为第一层次道路划分得到的M+1段路段;
所述第二层次路网划分规则为:在所述第一路网划分规则基础上,根据收费站位置进行再划分,由此产生了第二层次的高速公路;
根据所述高速公路,所述第二层次路网划分规则根据第一层次中划分的M+1段高速公路路段进行判断,对于第t段高速公路(t∈[1,M+1]),其中有k个收费站(k∈[0,N-2]),则将第t段高速公路划分为k+1段,由两端经纬度确定的高速公路路段与上述第一层次高速公路类似,以此类推共可划分得到M+N-1段高速公路R2_1、R2_2……R2_M+N-1,其长度为L21、L22……L2M+N-1;所述第三路网划分规则为:在所述第二路网划分规则基础上,根据道路长度再进行细分,将在所述第二路网划分规则基础上中的每一路段按照1km的道路长度进行划分,由此可产生第三层次的高速公路;
根据所述高速公路,所述第二路网划分规则中M+N-1段高速公路,从一个端点起按s=1km长度划分,第三层次可将R2_h路段分为nh=L2h/s(h∈[1,M+N-1])段,其中每一路段为R3_w(w∈[1,nh])。
作为优选,步骤2中所述数据进行匹配的规则由第一层次数据匹配规则、第二层次数据匹配规则、第三层次数据匹配规则构成;
所述第一层次数据匹配规则:
分别实现识别系统识别数据与收费站收费数据之间和对识别系统识别数据之间的匹配,对于前者如步骤1中所述第一路网划分规则中得到的路段R1_1([Tlat_1,Tlon_1],[Ilat_1,Ilon_1]),根据收费站T_station_1,识别点I_sation_1中数据的车牌号码T1_platenum、I1_platenum,选出车牌号码相同的记录,提取成一条记录为(T1_platenum,T1_time_in,I1_time),对于后者如路段R1_2([Ilat_1,Ilon_1],[Ilat_2,Ilon_2]),根据识别点I_station_1、I_station_2中数据车牌号码I1_platenum、I2_platenum选出车牌号码相同的记录,提取出记录为(I1_pltenum,I1_time,I2_time);
所述第二层次数据匹配规则:
分别实现对识别系统识别数据与收费站收费数据之间的匹配和收费站收费数据之间的匹配,匹配规则同所述第一多层多源数据匹配规则;
所述第三层次数据匹配规则:
使用预处理后的轨迹点数据,步骤1中所述第三路网划分规则中划分的路段筛选出其上的轨迹点数据记录为(G_platenum,G_time,G_latituede,G_lonitude,G_velocity_new,G_road),其中G_road对应路段相应的编码;
作为优选,使用三个层次匹配的数据,利用层次拥堵区间探测框架计算得出多层次的高速公路各基本路段的交通状态,具体实现包括如下:
采用模糊综合评价算法对第一层次的高速公路各基本路段进行探测,若交通状态为0或3及以上则进入第二层次判断,否则其第二层次划分的各基本路段状态与第一层次相同;
采用模糊综合评价算法对第二层次的高速公路各基本路段交通状态进行判断,若与第一层次相同则第三层次划分的各级本路段状态与第一、二层次状态一致;若与第一层次状态不符则进入第三层次判断;
采用模糊综合评价算法对第三层次划分的各基本路段交通状态进行判断。
所述采用模糊综合评价算法具体实现包括以下子步骤:
步骤3.1,建立高速公路交通状态评判对象因素集U=[V,T];
高速公路交通状态评判对象因素集中的评判因素分别为平均车流速度V与平均延误时间T,其计算公式分别为:
其中:是基本路段上车流的平均速度,N是基本路段上某时间段内的车辆总数,是第i辆车在基本路段上的平均速度,lj是第j个基本路段的长度,t1和t2则是车辆经过基本路段两端的时间,对应步骤2中匹配规则1、2中提取的两端的时间。
ΔT(i,j)=T(i,j)-T0(i,j);
其中:是基本路段上车辆的平均延误时间,ΔT(i,j)是第i辆车经过基本路段j的行程延误时间,N是某时间段内基本路段上的车辆总数,lj是基本路段T(i,j)的弧长,T(i,j)是第i辆车经过基本路段j的实际所用时间,T0(i,j)是按高速公路设计速度行驶通过基本路段j的所用时间;
步骤3.2,建立高速公路交通状态评判结果集:
F=[f1,f2,f3,f4,f5];
根据我国公路各级服务水平的交通流状态划分标准,在本发明中将高速公路的交通状态划分为五类,f1、f2、f3、f4、f5分别对应了畅通、较畅通、较拥挤、拥挤和拥堵这五类交通状态;
步骤3.3,建立单因素评判:
构建从评判对象因素集U到结果集F的单一因素映射,采用梯形隶属度函数,分别计算得到两个评判对象因素相对于评判结果的隶属度函数值R1=[μ1(V),μ2(V),μ3(V),μ4(V),μ5(V)]、R2=[ρ1(T),ρ2(T),ρ3(T),ρ4(T),ρ5(T)];
在单因素评判中因素映射中,采用的梯形隶属度函数中的分界值对于不同设计速度的高速公路有所不同,设定高速公路的设计速度有VDi(i=1,2,3…m),对应的平均车流速度因素分界值依次为:V1_VDi、V2_VDi,V3_VDi,V4_VDi,平均车流延误时间因素分界值依次为:T1_VDi、T2_VDi,T3_VDi,T4_VDi,高速公路单因素评判梯形隶属度函数如下所示:
步骤3.4,进行综合因素评判:
采用加权平均型综合函数对单因素评判结果进行综合,其中模糊集A=[a1,a2],单因素评价矩阵通过加权平均综合函数计算得到综合评价矩阵B=[b1,b2,b3,b4,b5],其中b1=a1*μ1(V)+a2*ρ1(T),从b1等五个数值中选择最大的一个数值对应的评判结果作为高速公路基本路段的交通状态。
相对于现有技术,本发明的有益效果是:本发明充分综合多源数据中包含的交通流状态信息,提出固定点与轨迹流数据层次融合的拥堵区间探测的框架,利用多源数据进行拥堵区间探测,使拥堵区间探测结果更为可靠,可探测得到多层次的拥堵区间分布结果,通过判断条件可减少数据计算量,提高探测速度。
附图说明
图1:是本发明方法的流程图;
图2:是本发明实施例的层次拥堵区间探测的流程图;
图3:是本发明实施例的实验区域图;
图4:是本发明实施例的实验区域三个层次的拥堵区间分布图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的实施背景是以湖南省长株潭城市群核心部分为试验区域,包括长沙、株洲、湘潭三个城市的范围,选取长株潭城市群区域的高速公路路网作为发明实施对象。
请见图1,本发明提供的一种多源交通数据融合下的高速公路层次拥堵区间探测方法,包括以下步骤:
步骤1:对高速公路路径识别系统的识别数据、联网收费系统收费站流水数据、两客一危重点车辆GPS轨迹数据三类交通数据作数据预处理,并对高速公路路网进行多层次的路网划分。
步骤1中所述高速公路路径识别系统的识别数据包括:
字段有车牌号码即I_platenum、识别站点编码即I_station、识别设备编码即I_equocode、识别时间即I_time;
数据预处理步骤包括:
无车牌记录过滤:剔除I_platenum字段中不符合车牌标准的记录;
剔除重复记录:根据I_platenum、I_station和I_time三个字段来保留唯一一条记录,即某一台车在一定时刻在一定站点被识别;
步骤1中所述联网收费系统收费站流水数据包括:
字段有车辆号牌即T_platenum、车辆进入收费站的编码即T_station_in、车辆离开收费站的编码即T_station_out、车辆进入收费站的时间即T_time_in、车辆离开收费站的时间即T_time_out;
数据预处理步骤包括:
数据修正:根据车辆进出收费站的编码T_station_in与T_station_out,剔除编码缺失或不存在于收费站点字典中的记录;
数据清洗:根据车辆进出收费站的编码T_station_in与T_station_out,剔除进出站编码相同的记录,不考虑该种情况;根据T_platenum、T_station_in、T_station_out、T_time_in、T_time_out字段剔除重复项,只保留唯一记录,即一台车在一定时刻进入收费站,在一定时刻下高速离开收费站;
步骤1中所述两客一危重点车辆GPS轨迹数据包括:
字段有车辆号牌G_platenum、记录时间G_time、经度G_longitude、纬度G_latitude、速度G_velocity、方向角G_direction;
数据处理步骤包括:
数据清洗:
根据G_platenum、G_time、G_longitude与G_latitude字段剔除重复项,即在某台车辆在某个时间对应一个经纬度位置;
根据方位角G_direction字段,如果大于360°或者小于0°视为异常数据,予以剔除;
根据G_time、G_latitude、G_longitude字段来计算相邻两点之间的平均速度G_velocity_new,若大于150km/h则视为异常数据,予以剔除;
地图匹配:对道路路段作缓冲区分析,再将路段缓冲区与轨迹点作相交处理,以此筛选出路段上的轨迹点,接着对轨迹点和路段作近邻分析,即可确定轨迹点所属的道路段G_road;
步骤1中所述对高速公路路网进行多层次的路网划分遵循的路网划分规则由第一层次路网划分规则、第二层次路网划分规则以及第三层次路网划分规则构成;
所述第一层次路网划分规则为:根据高速公路上路径识别点的位置进行划分,若边界无布设的识别点,则使用附近的收费站点位置代替,由此产生了第一层次的高速公路;
以长韶娄高速为例,这是一条东西向的高速公路,当M=3,N=8时,其上有三个识别点及八个收费站点,从东向西站点分别为:
第一起点收费站:T_station_1[Tlat_1,Tlon_1],
第二收费站点:T_station_2[Tlat_2,Tlon_2],
第一识别站点:I_station_1[Ilat_1,Ilon_1],
第三收费站点:T_sation_3[Tlat_3,Tlon_3],
第四收费站点:T_sation_4[Tlat_4,Tlon_4],
第二识别站点:I_station_2[Ilat_2,Ilon_2],
第五收费站点:T_sation_5[Tlat_5,Tlon_5],
第六收费站点:T_sation_6[Tlat_6,Tlon_6],
第七收费站点:T_sation_7[Tlat_7,Tlon_7],
第三识别站点:I_station_4[Ilat_3,Ilon_3],
第八终点收费站:T_station_8[Tlat_8,Tlon_8];
其中,Tlat_1为第一起点收费站的纬度,Tlat_2为第二收费站点的纬度,Tlat_3为第三收费站点的纬度,Tlat_4为第四收费站点的纬度,Tlat_5为第五收费站点的纬度,Tlat_6为第六收费站点的纬度,Tlat_7为第七收费站点的纬度,Tlat_8为第八终点收费站的纬度,Ilat_1为第一识别站点的纬度,Ilat_2为第二识别站点的纬度,Ilat_3为第三识别站点的纬度,Tlon_1为第一起点收费站的经度,Tlon_2为第二收费站点的经度,Tlon_3为第三收费站点的经度,Tlon_4为第四收费站点的经度,Tlon_5为第五收费站点的经度,Tlon_6为第六收费站点的经度,Tlon_7为第七收费站点的经度,Tlon_8为第八终点收费站的经度,Ilon_1为第一识别站点的经度,Ilon_2为第二识别站点的经度,Ilon_3为第三识别站点的经度;
所述第一层次路网划分规则将路网划分为四段,即有两段经纬度点确定的高速公路路段:
R1_1([Tlat_1,Tlon_1],[Ilat_1,Ilon_1]),长度为L11=30.15km;
R1_2([Ilat_1,Ilon_1],[Ilat_2,Ilon_2]),长度为L12=35.99km;
R1_3([Ilat_2,Ilon_2],[Ilat_3,Ilon_3]),长度为L13=19.83km;
R1_4([Ilat_3,Ilon_3],[[Tlat_8,Tlon_8]),长度为L14=10.71km;;
其中,R1_1、R1_2、R1_3、R1_4以此为从第一起点收费站T_station_1到第八终点收费站T_station_8分成的四段,Tlat_1为第一起点收费站的纬度,Tlat_8为第八终点收费站的纬度,Ilat_1为第一识别站点的纬度,Ilat_2为第二识别站点的纬度,Ilat_3为第三识别站点的纬度,Tlon_1为第一起点收费站的经度,Tlon_8为第八终点收费站的经度,Ilon_1为第一识别站点的经度,Ilon_2为第二识别站点的经度,Ilon_3为第三识别站点的经度;
所述第二层次路网划分规则为:在所述第一路网划分规则基础上,根据收费站位置进行再划分,由此产生了第二层次的高速公路;
根据所述东西向的长韶娄高速公路,所述第二层次路网划分规则将路网划分为十段:
R2_1([Tlat_1,Tlon_1],[Tlat_2,Tlon_2]),长度为L21=17.0km;
R2_2([Tlat_2,Tlon_2],[Ilat_1,Ilon_1]),长度为L22=13.15km;
R2_3([Ilat_1,Ilon_1],[Tlat_3,Tlon_3]),长度为L23=18.3km;
R2_4([Tlat_3,Tlon_3],[Tlat_4,Tlon_4]),长度为L24=7.7km;
R2_5[Tlat_4,Tlon_4],[Ilat_2,Ilon_2]),长度为L25=9.96km;
R2_6([Ilat_2,Ilon_2],[Tlat_5,Tlon_5]),长度为L26=8.97km;
R2_7([Tlat_5,Tlon_5],[Tlat_6,Tlon_6]),长度为L27=4.83km;
R2_8([Tlat_6,Tlon_6],[Tlat_7,Tlon_7]),长度为L28=1.37km;
R2_9([Tlat_7,Tlon_7],[Ilat_3,Ilon_3]),长度为L29=4.45km;
R2_10([[Ilat_3,Ilon_3],[Tlat_8,Tlon_8]),长度为L210=10.7km;
所述第三路网划分规则为:在所述第二路网划分规则基础上,根据道路长度再进行细分,将在所述第一路网划分规则基础上中的每一路段按照1km的道路长度进行划分,由此可产生第三层次的高速公路;
根据所述东西向的高速公路,所述第二路网划分规则中十段高速公路,从一个端点起按s=1km长度划分,第三层次可将R2_1路段分为n1=L21/s段、可将R2_2路段分为n2=L22/s段、可将R2_3路段分为n3=L23/s段、可将R2_4路段分为n4=L24/s段、可将R2_5路段分为n5=L25/s段、可将R2_6路段分为n6=L26/s段、可将R2_7路段分为n7=L27/s段、可将R2_8路段分为n8=L28/s段、可将R2_9路段分为n9=L29/s段、可将R2_10路段分为n10=L210/s段;
步骤2:利用预处理后的三类交通源数据及划分的路网,对第一层次的路网、第二层次的路网以及第三层次的路网上的数据进行匹配;
步骤2中所述数据进行匹配的规则由第一层次数据匹配规则、第二层次数据匹配规则、第三层次数据匹配规则构成;
所述第一层次数据匹配规则:
分别实现识别系统识别数据与收费站收费数据之间和对识别系统识别数据之间的匹配,对于前者如步骤1中所述第一路网划分规则中得到的路段R1_1([Tlat_1,Tlon_1],[Ilat_1,Ilon_1]),根据收费站T_station_1,识别点I_sation_1中数据的车牌号码T1_platenum、I1_platenum,选出车牌号码相同的记录,提取成一条记录为(T1_platenum,T1_time_in,I1_time),对于后者如路段R1_2([Ilat_1,Ilon_1],[Ilat_2,Ilon_2]),根据识别点I_station_1、I_station_2中数据车牌号码I1_platenum、I2_platenum选出车牌号码相同的记录,提取出记录为(I1_pltenum,I1_time,I2_time);
所述第二层次数据匹配规则:
分别实现对识别系统识别数据与收费站收费数据之间的匹配和收费站收费数据之间的匹配,匹配规则同所述第一多层多源数据匹配规则;
所述第三层次数据匹配规则:
使用预处理后的轨迹点数据,步骤1中所述第三路网划分规则中划分的路段筛选出其上的轨迹点数据记录为(G_platenum,G_time,G_latituede,G_lonitude,G_velocity_new,G_road),其中G_road对应路段相应的编码;
步骤3:使用三个层次匹配的数据,利用层次拥堵区间探测框架计算得出多层次的高速公路各基本路段的交通状态,如图2所示;
步骤3中所述利用层次拥堵区间探测框架计算得出多层次的高速公路各基本路段的交通状态,具体实现包括如下:
采用模糊综合评价算法对第一层次的高速公路各基本路段进行探测,若交通状态为0或3及以上则进入第二层次判断,否则其第二层次划分的各基本路段状态与第一层次相同;
采用模糊综合评价算法对第二层次的高速公路各基本路段交通状态进行判断,若与第一层次相同则第三层次划分的各级本路段状态与第一、二层次状态一致;若与第一层次状态不符则进入第三层次判断;
采用模糊综合评价算法对第三层次划分的各基本路段交通状态进行判断。
所述采用模糊综合评价算法具体实现包括以下子步骤:
步骤3.1,建立高速公路交通状态评判对象因素集U=[V,T];
高速公路交通状态评判对象因素集中的评判因素分别为平均车流速度V与平均延误时间T,其计算公式分别为:
其中:是基本路段上车流的平均速度,N是基本路段上某时间段内的车辆总数,是第i辆车在基本路段上的平均速度,lj是第j个基本路段的长度,t1和t2则是车辆经过基本路段两端的时间,对应步骤2中匹配规则1、2中提取的两端的时间。
ΔT(i,j)=T(i,j)-T0(i,j);
其中:是基本路段上车辆的平均延误时间,ΔT(i,j)是第i辆车经过基本路段j的行程延误时间,N是某时间段内基本路段上的车辆总数,lj是基本路段T(i,j)的弧长,T(i,j)是第i辆车经过基本路段j的实际所用时间,T0(i,j)是按高速公路设计速度行驶通过基本路段j的所用时间;
步骤3.2,建立高速公路交通状态评判结果集:
F=[f1,f2,f3,f4,f5];
根据我国公路各级服务水平的交通流状态划分标准,在本发明中将高速公路的交通状态划分为五类,f1、f2、f3、f4、f5分别对应了畅通、较畅通、较拥挤、拥挤和拥堵这五类交通状态;
步骤3.3,建立单因素评判:
构建从评判对象因素集U到结果集F的单一因素映射,采用梯形隶属度函数,分别计算得到两个评判对象因素相对于评判结果的隶属度函数值R1=[μ1(V),μ2(V),μ3(V),μ4(V),μ5(V)]、R2=[ρ1(T),ρ2(T),ρ3(T),ρ4(T),ρ5(T)];
在单因素评判中因素映射中,采用的梯形隶属度函数中的分界值对于不同设计速度的高速公路有所不同,设定高速公路的设计速度有VDi(i=1,2,3…m),对应的平均车流速度因素分界值依次为:V1_VDi、V2_VDi,V3_VDi,V4_VDi,平均车流延误时间因素分界值依次为:T1_VDi、T2_VDi,T3_VDi,T4_VDi,当VD1=120km/h时,对应的分界值:V1_VD1=108km/h,V2_VD1=90km/h,V3_VD1=78km/h,,V4_VD1=53km/h,,T1_VD1=0.25min/km,T2_VD1=0.5min/km,,T3_VD1=0.83min/km,T4_VD1=1.17min/km。.
高速公路单因素评判梯形隶属度函数如下所示:
步骤3.4,进行综合因素评判:
采用加权平均型综合函数对单因素评判结果进行综合,其中模糊集A=[a1,a2],单因素评价矩阵通过加权平均综合函数B=A°R=[b1,b2,b3,b4,b5]计算得到综合评价矩阵B=[b1,b2,b3,b4,b5],其中b1=a1*μ1(V)+a2*ρ1(T),从b1等五个数值中选择最大的一个数值对应的评判结果作为高速公路基本路段的交通状态。
在本发明中,模糊集A=[a1,a2]中将平均车流速度的权重取为0.63,平均延误时间的权重取为0.37,即A=[0.63,0.37]。
以下通过实验示例对本发明做进一步的阐述:
实验区域如图3所示,利用2018年2月1日09:00-10:00一小时内的多源交通数据(路径识别系统识别数据、联网收费系统收费站流水数据和两客一危重点车辆GPS轨迹数据)进行了实验,多层次的路段交通状态分布结果如图4所示,图中颜色为红色的路段表示该路段发生了拥堵事件,由图中可直观地发现:上行路段比下行路段中出现拥堵的路段数目更多,且拥堵多发生在多条高速公路的交叉位置处,此外,在路段中间也常有拥堵发生。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (1)
1.一种多源交通数据融合的高速公路拥堵区间探测方法,其特征在于,包括以下步骤:
步骤1:对高速公路路径识别系统的识别数据、联网收费系统收费站流水数据、两客一危重点车辆GPS轨迹数据三类交通数据作数据预处理,并对高速公路路网进行多层次的路网划分;
步骤2:利用预处理后的三类交通源数据及划分的路网,对第一层次的路网、第二层次的路网以及第三层次的路网上的数据进行匹配;
步骤3:使用三个层次匹配的数据,利用层次拥堵区间探测框架计算得出多层次的高速公路各基本路段的交通状态;
步骤1中所述高速公路路径识别系统的识别数据包括:
字段有车牌号码即I_platenum、识别站点编码即I_station、识别设备编码即I_equocode、识别时间即I_time;
数据预处理步骤包括:
无车牌记录过滤:剔除I_platenum字段中不符合车牌标准的记录;
剔除重复记录:根据I_platenum、I_station和I_time三个字段来保留唯一一条记录,即某一台车在一定时刻在一定站点被识别;
步骤1中所述联网收费系统收费站流水数据包括:
字段有车辆号牌即T_platenum、车辆进入收费站的编码即T_station_in、车辆离开收费站的编码即T_station_out、车辆进入收费站的时间即T_time_in、车辆离开收费站的时间即T_time_out;
数据预处理步骤包括:
数据修正:根据车辆进出收费站的编码T_station_in与T_station_out,剔除编码缺失或不存在于收费站点字典中的记录;
数据清洗:根据车辆进出收费站的编码T_station_in与T_station_out,剔除进出站编码相同的记录,不考虑该种情况;根据T_platenum、T_station_in、T_station_out、T_time_in、T_time_out字段剔除重复项,只保留唯一记录,即一台车在一定时刻进入收费站,在一定时刻下高速离开收费站;
步骤1中所述两客一危重点车辆GPS轨迹数据包括:
字段有车辆号牌G_platenum、记录时间G_time、经度G_longitude、纬度G_latitude、速度G_velocity、方向角G_direction;
数据处理步骤包括:
数据清洗:
根据G_platenum、G_time、G_longitude与G_latitude字段剔除重复项,即在某台车辆在某个时间对应一个经纬度位置;
根据方位角G_direction字段,如果大于360°或者小于0°视为异常数据,予以剔除;
根据G_time、G_latitude、G_longitude字段来计算相邻两点之间的平均速度G_velocity_new,若大于150km/h则视为异常数据,予以剔除;
地图匹配:对道路路段作缓冲区分析,再将路段缓冲区与轨迹点作相交处理,以此筛选出路段上的轨迹点,接着对轨迹点和路段作近邻分析,即可确定轨迹点所属的道路段G_road;
步骤1中所述对高速公路路网进行多层次的路网划分遵循的路网划分规则由第一层次路网划分规则、第二层次路网划分规则以及第三层次路网划分规则构成;
所述第一层次路网划分规则为:根据高速公路上路径识别点的位置进行划分,若边界无布设的识别点,则使用附近的收费站点位置代替,由此产生了第一层次的高速公路;
对于一条东西向或者南北向的高速公路,其上有M个识别点,N个收费站点:识别站点I_station_p[Ilat_p,Ilon_p](p∈[1,M]),收费站点T_station_q[Tlat_q,Tlon_q](p∈[1,N]),其中Ilat_p为第p个识别站点的纬度,Tlat_q为第q个收费站点的纬度,Ilon_p为第p个识别点的经度,Tlon_q为第q个收费站点的经度,T_station_1为起点收费站,T_station_N为终点收费站,根据高速公路上的M个识别站点可将路网划分为M+1段;
所述第一层次路网划分规则将路网划分为M+1段,即有两段经纬度点确定的高速公路路段:
R1_1([Tlat_1,Tlon_1],[Ilat_1,Ilon_1]),长度为L11km;
R1_2([Ilat_1,Ilon_1],[Ilat_2,Ilon_2]),长度为L12km;
……
R1_M([Ilat_M-1,Ilon_M-1],[Ilat_M,Ilon_M]),长度为L1Mkm;
R1_M+1([Ilat_M,Ilon_M],[Tlat_N,Tlon_N]),长度为L1M+1km;
其中,R1_1、R1_2……R1_M+1为第一层次道路划分得到的M+1段路段;
所述第二层次路网划分规则为:在所述第一层次路网划分规则基础上,根据收费站位置进行再划分,由此产生了第二层次的高速公路;
根据所述高速公路,所述第二层次路网划分规则根据第一层次中划分的M+1段高速公路路段进行判断,对于第t段高速公路(t∈[1,M+1]),其中有k个收费站(k∈[0,N-2]),则将第t段高速公路划分为k+1段,由两端经纬度确定的高速公路路段与上述第一层次划分的得到高速公路类似,以此类推共可划分得到M+N-1段高速公路R2_1、R2_2……R2_M+N-1,其长度为L21、L22……L2M+N-1;所述第三层次路网划分规则为:在所述第二层次路网划分规则基础上,根据道路长度再进行细分,将在所述第二层次路网划分规则基础上中的每一路段按照1km的道路长度进行划分,由此可产生第三层次的高速公路;
根据所述高速公路,所述第二层次路网划分规则中M+N-1段高速公路,从一个端点起按s=1km长度划分,第三层次可将R2_h路段分为nh=L2h/s(h∈[1,M+N-1])段,其中每一路段为R3_w(w∈[1,nh]);
步骤2中所述数据进行匹配的规则由第一层次数据匹配规则、第二层次数据匹配规则、第三层次数据匹配规则构成;
所述第一层次数据匹配规则:
分别实现识别系统识别数据与收费站收费数据之间和对识别系统识别数据之间的匹配,对于前者如步骤1中所述第一层次路网划分规则中得到的路段R1_1([Tlat1,Tlon1],[Ilat1,Ilon1]),根据收费站T_station_1,识别点I_sation_1中数据的车牌号码T1_platenum、I1_platenum,选出车牌号码相同的记录,提取成一条记录为(T1_platenum,T1_time_in,I1_time),对于后者如路段R1_2([Ilat1,Ilon1],[Ilat2,Ilon2]),根据识别点I_station_1、I_station_2中数据车牌号码I1_platenum、I2_platenum选出车牌号码相同的记录,提取出记录为(I1_pltenum,I1_time,I2_time);
所述第二层次数据匹配规则:
分别实现对识别系统识别数据与收费站收费数据之间的匹配和收费站收费数据之间的匹配,匹配规则同所述第一层次数据匹配规则;
所述第三层次数据匹配规则:
使用预处理后的轨迹点数据,步骤1中所述第三层次路网划分规则中划分的路段筛选出其上的轨迹点数据记录为(G_platenum,G_time,G_latituede,G_lonitude,G_velocity_new,G_road),其中G_road对应路段相应的编码;
步骤3中所述使用三个层次匹配的数据,利用层次拥堵区间探测框架计算得出多层次的高速公路各基本路段的交通状态,具体实现包括如下:
采用模糊综合评价算法对第一层次的高速公路各基本路段进行探测,若交通状态为0或3及以上则进入第二层次判断,否则其第二层次划分的各基本路段状态与第一层次相同;
采用模糊综合评价算法对第二层次的高速公路各基本路段交通状态进行判断,若与第一层次相同则第三层次划分的各级本路段状态与第一、二层次状态一致;若与第一层次状态不符则进入第三层次判断;
采用模糊综合评价算法对第三层次划分的各基本路段交通状态进行判断;
所述采用模糊综合评价算法具体实现包括以下子步骤:
步骤3.1,建立高速公路交通状态评判对象因素集U=[V,T];
高速公路交通状态评判对象因素集中的评判因素分别为平均车流速度V与平均延误时间T,其计算公式分别为:
其中:是基本路段上车流的平均速度,N是基本路段上某时间段内的车辆总数,是第i辆车在基本路段上的平均速度,lj是第j个基本路段的长度,t1和t2则是车辆经过基本路段两端的时间,对应步骤2中匹配规则1、2中提取的两端的时间;
ΔT(i,j)=T(i,j)-T0(i,j);
其中:是基本路段上车辆的平均延误时间,ΔT(i,j)是第i辆车经过基本路段j的行程延误时间,N是某时间段内基本路段上的车辆总数,lj是基本路段T(i,j)的弧长,T(i,j)是第i辆车经过基本路段j的实际所用时间,T0(i,j)是按高速公路设计速度行驶通过基本路段j的所用时间;
步骤3.2,建立高速公路交通状态评判结果集:
F=[f1,f2,f3,f4,f5];
根据我国公路各级服务水平的交通流状态划分标准,将高速公路的交通状态划分为五类,f1、f2、f3、f4、f5分别对应了畅通、较畅通、较拥挤、拥挤和拥堵这五类交通状态;
步骤3.3,建立单因素评判:
构建从评判对象因素集U到结果集F的单一因素映射,采用梯形隶属度函数,分别计算得到两个评判对象因素相对于评判结果的隶属度函数值R1=[μ1(V),μ2(V),μ3(V),μ4(V),μ5(V)]、R2=[ρ1(T),ρ2(T),ρ3(T),ρ4(T),ρ5(T)];
在单因素评判中因素映射中,采用的梯形隶属度函数中的分界值对于不同设计速度的高速公路有所不同,设定高速公路的设计速度有VDi(i=1,2,3…m),对应的平均车流速度因素分界值依次为:V1_VDi、V2_VDi,V3_VDi,V4_VDi,平均车流延误时间因素分界值依次为:T1_VDi、T2_VDi,T3_VDi,T4_VDi,高速公路单因素评判梯形隶属度函数如下所示:
步骤3.4,进行综合因素评判:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910479607.5A CN110211380B (zh) | 2019-06-04 | 2019-06-04 | 一种多源交通数据融合的高速公路拥堵区间探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910479607.5A CN110211380B (zh) | 2019-06-04 | 2019-06-04 | 一种多源交通数据融合的高速公路拥堵区间探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110211380A CN110211380A (zh) | 2019-09-06 |
CN110211380B true CN110211380B (zh) | 2021-05-04 |
Family
ID=67790625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910479607.5A Active CN110211380B (zh) | 2019-06-04 | 2019-06-04 | 一种多源交通数据融合的高速公路拥堵区间探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211380B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114267173B (zh) * | 2021-12-13 | 2023-08-18 | 河北雄安京德高速公路有限公司 | 高速公路时空特征的多源数据融合方法、装置及设备 |
CN115359655A (zh) * | 2022-08-03 | 2022-11-18 | 中远海运科技股份有限公司 | 一种基于层次聚类算法的高速公路监测系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542801A (zh) * | 2011-12-23 | 2012-07-04 | 北京易华录信息技术股份有限公司 | 一种融合多种交通数据的交通状况预测系统及方法 |
CN102637357A (zh) * | 2012-03-27 | 2012-08-15 | 山东大学 | 一种区域交通状态评价方法 |
CN105702041A (zh) * | 2016-04-21 | 2016-06-22 | 东南大学 | 基于神经网络的高速公路多源数据融合状态估计系统及方法 |
CN106503829A (zh) * | 2016-09-26 | 2017-03-15 | 同济大学 | 一种基于多源数据的城市公共开放空间的拥挤度预测方法 |
CN106846805A (zh) * | 2017-03-06 | 2017-06-13 | 南京多伦科技股份有限公司 | 一种动态路网交通需求预测方法及其系统 |
CN106933956A (zh) * | 2017-01-22 | 2017-07-07 | 深圳市华成峰科技有限公司 | 数据挖掘方法和装置 |
CN109002905A (zh) * | 2018-06-25 | 2018-12-14 | 北京嘀嘀无限科技发展有限公司 | 预估到达时间的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015033153A2 (en) * | 2013-09-04 | 2015-03-12 | Zero360, Inc. | Processing system and method |
-
2019
- 2019-06-04 CN CN201910479607.5A patent/CN110211380B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542801A (zh) * | 2011-12-23 | 2012-07-04 | 北京易华录信息技术股份有限公司 | 一种融合多种交通数据的交通状况预测系统及方法 |
CN102637357A (zh) * | 2012-03-27 | 2012-08-15 | 山东大学 | 一种区域交通状态评价方法 |
CN105702041A (zh) * | 2016-04-21 | 2016-06-22 | 东南大学 | 基于神经网络的高速公路多源数据融合状态估计系统及方法 |
CN106503829A (zh) * | 2016-09-26 | 2017-03-15 | 同济大学 | 一种基于多源数据的城市公共开放空间的拥挤度预测方法 |
CN106933956A (zh) * | 2017-01-22 | 2017-07-07 | 深圳市华成峰科技有限公司 | 数据挖掘方法和装置 |
CN106846805A (zh) * | 2017-03-06 | 2017-06-13 | 南京多伦科技股份有限公司 | 一种动态路网交通需求预测方法及其系统 |
CN109002905A (zh) * | 2018-06-25 | 2018-12-14 | 北京嘀嘀无限科技发展有限公司 | 预估到达时间的方法及系统 |
Non-Patent Citations (2)
Title |
---|
Estimating multi-year origin-destination demand using high-granular multi-source traffic data;Wei Ma 等;《Transportation Research Part C: Emerging Technologies》;20181130;第96-121页 * |
基于模糊识别的高速公路交通拥挤预测算法;董敏娥;《科学技术与工程》;20120930;第12卷(第25期);第6541-6544页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110211380A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913661B (zh) | 一种基于收费数据的高速公路路段交通状态判别方法 | |
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
US7755509B2 (en) | Use of pattern matching to predict actual traffic conditions of a roadway segment | |
CN101965601B (zh) | 驾驶辅助装置及驾驶辅助方法 | |
CN109686090B (zh) | 一种基于多源数据融合的虚拟交通流量计算方法 | |
CN112365711B (zh) | 一种基于车牌识别数据的车辆轨迹重构方法 | |
Veloso et al. | Sensing urban mobility with taxi flow | |
CN110176139A (zh) | 一种基于dbscan+的道路拥堵识别可视化方法 | |
WO2011060727A1 (zh) | 路况预测的方法及装置 | |
CN110211380B (zh) | 一种多源交通数据融合的高速公路拥堵区间探测方法 | |
CN111768619A (zh) | 一种基于卡口数据的快速路车辆od点确定方法 | |
CN103177595A (zh) | 一种基于实时交通信息的动态路径寻优系统及方法 | |
CN111581538A (zh) | 一种基于高速公路收费数据的高速交通流状态推断方法 | |
CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
CN112017429A (zh) | 一种基于货车gps数据的治超监测布点方法 | |
CN114005275B (zh) | 一种基于多数据源融合的高速公路车辆拥堵判别方法 | |
Chepuri et al. | Travel time reliability analysis on selected bus route of mysore using GPS data | |
CN115641721B (zh) | 多来源交通流指标融合及基于融合指标的路况计算方法 | |
Pandey et al. | Assessment of Level of Service on urban roads: a revisit to past studies. | |
CN110491157A (zh) | 一种基于停车场数据和卡口数据的车辆关联方法 | |
CN113870559B (zh) | 一种基于大数据车联网的交通流量计算方法 | |
CN111931968B (zh) | 一种应用手机gps数据来优化公共自行车站点布局的方法 | |
Hu et al. | Evaluating Bicycling Environments with Trajectory Data on Shared Bikes: A Case Study of Beijing | |
CN114091581A (zh) | 一种基于稀疏轨迹的车辆运营行为类型识别方法 | |
Golze et al. | Impact analysis of accidents on the traffic flow based on massive floating car data |
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 |