CN110838232A - 基于过车电警数据的单一车辆od获取方法 - Google Patents
基于过车电警数据的单一车辆od获取方法 Download PDFInfo
- Publication number
- CN110838232A CN110838232A CN201910922312.0A CN201910922312A CN110838232A CN 110838232 A CN110838232 A CN 110838232A CN 201910922312 A CN201910922312 A CN 201910922312A CN 110838232 A CN110838232 A CN 110838232A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- passing
- downstream
- vehicle travel
- electric alarm
- 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
Links
Images
Classifications
-
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/02—Registering or indicating driving, working, idle, or waiting time only
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Abstract
基于过车电警数据的单一车辆OD获取方法,首先获取过车电警数据等交通原始数据,进行数据预处理,并对历史数据进行分析,计算出所有相邻电警卡口的过车时间阈值;然后,基于过车电警数据,生成待查询车辆的车辆出行记录及相应的过车时间,并利用过车时间阈值来识别车辆OD及其车辆出行轨迹;最后,根据路口上下游关系,检查和修补车辆出行轨迹,并在地图上进行展示。本发明充分利用了过车电警数据,在分析历史数据的基础上,设计了过车时间阈值,从而可以获得更加准确的单一车辆OD;同时,车辆出行轨迹的检查和修补,弥补原始数据的缺失问题,更好地适应了实际的交通环境。本发明方法具有操作流程简单、计算成本低、适用性强等特点。
Description
技术领域
本发明涉及智能交通领域的单一车辆OD(Origin-Destination)获取,即单一车辆的交通起点和终点调查。单一车辆OD获取可以用于分析交通需求,并作为交通规划、交通设计、交通评价和道路建设的依据。
背景技术
随着城市经济的发展和规模的扩大,机动车保有量同步快速增长。由于车辆出行需求量的增涨,以及出行需求分布的不均匀,产生了交通拥堵和环境污染等城市交通问题。以交通信号控制为核心的智能交通系统的建设,可以在较大程度上减少交通事故、缓解交通拥堵和降低环境污染。但智能交通系统功能和优势的充分发挥需要依赖准确的交通需求分析,而交通需求分析的基础就是车辆OD获取。单一车辆OD获取,即单一车辆的交通起点和终点调查,它可以真实地反映车辆的出行规律,是交通需求分析的关键内容,可以作为城市交通规划、交通设计、交通评价和道路建设的基础数据,为交通管理者提供决策依据。
传统的车辆OD获取方法采用人工调查法,包括家庭访问法、路边询问法、表格调查法、电话询问法等。通过调查获得居民的车辆出行信息,进行统计分析得到车辆OD,然后采用近似抽样分布的方法计算推测出整体车辆OD矩阵。这种方法耗费的人力物力资源极大,时间成本高,且样本不准确、数量有限,获得的数据质量也不高。
随着交通信息化水平的提高,越来越多的研究着重于利用新技术来获取车辆OD,包括浮动车技术、手机信令技术、车牌识别技术等。其中,浮动车技术由于存在着样本数据有限的缺陷,车辆OD调查的准确性不高,而手机信令技术则由于涉及到居民个人隐私,并且数据量大,车辆OD获取的难度也相当大。由线圈、车辆检测器、摄像头等设备组成的卡口电警系统可以利用摄像头的车牌识别技术识别出过往车辆的车牌,通过匹配车牌数据和道路路口数据,可以计算出车辆OD情况。相对于其它技术而言,无论是调查成本还是准确度,利用车牌识别技术的卡口电警系统在车辆OD获取方面都具有明显优势。但是,在实际交通应用中,由于卡口电警系统不能覆盖路网所有交叉路口,再加上天气状况或车牌污损等外部原因会影响车牌的识别,因此,通过卡口电警系统获取的过车电警数据常常会存在重复和缺失,影响车辆OD的准确获取。
综上所述,目前,现有的车辆OD获取方法主要存在以下问题:1)传统的车辆OD获取方法采用人工方式,这种方法耗费资源大,时间成本高,且数据质量不高、准确率差,不能满足实际的交通需求分析;2)其它现有的车辆OD获取方法也存在着一些问题:浮动车技术有样本数据有限、获取精度低等缺点,手机信令技术有数据获取难度大、计算成本高等问题,而现有卡口电警系统则存在覆盖面有限、获取精度受多种外部因素干扰等缺陷和不足。
发明内容
本发明要克服现有技术的上述不足之处,提供一种基于过车电警数据的单一车辆OD获取方法。
本发明首先获取交通原始数据,并进行数据预处理,清除异常过车电警数据,并对历史过车电警数据进行分析,计算出所有相邻电警卡口的过车时间阈值。然后,根据车牌信息,从过车电警数据中生成待查询车辆的车辆出行记录及相应的过车时间,并利用过车时间阈值来识别车辆OD及其车辆出行轨迹。最后,根据路口上下游关系,对车辆出行轨迹的连通性进行检查和修补,从而获得完整的车辆出行轨迹,在地图上进行展示。本发明充分利用了过车电警数据,在分析计算的基础上,设计了过车时间阈值,可以有效地识别车辆OD;同时,车辆出行轨迹的检查和修补,可以获得完整的车辆出行轨迹,弥补原始数据的缺失问题。
本发明是通过以下技术方案达到上述目的,即基于过车电警数据的单一车辆OD获取方法,具体的实施步骤如下:
(1)获取交通原始数据。通过智能交通系统或其它交通管理信息系统,获取卡口电警系统的过车电警数据和电警卡口位置数据,即GPS(Global Positioning System:全球定位系统)位置信息,并提取路口上下游关系表。
过车电警数据存储电警设备和过车车辆等信息,主要包括设备ID、设备名称、车牌号、车牌类型、车型、车道编号和过车时间戳等,其中,设备ID和设备名称是电警卡口抓拍设备的信息,车牌号、车牌类型和车型等是被抓拍车辆的信息,车道编号是指被抓拍车辆行驶的车道信息,包括车辆行驶方向和车道号码等,过车时间戳是指车辆通过此电警卡口被抓拍时的时间戳信息。电警卡口位置数据存储电警设备的位置信息和相邻下游电警卡口信息,主要包括设备ID、设备名称、GPS位置、对应路口名称、右转下游设备ID、直行下游设备ID和左转下游设备ID等,其中,设备ID和设备名称是电警卡口抓拍设备的信息,GPS位置是电警卡口的GPS位置信息,对应路口名称是电警卡口对应的路口信息,右转下游设备ID、直行下游设备ID和左转下游设备ID分别是当前抓拍设备在右转、直行和左转三个方向的相邻下游电警卡口信息。路口上下游关系表存储当前路口多个方向的下游路口信息,主要包括当前路口名称、东下游路口名称、南下游路口名称、西下游路口名称和北下游路口名称等,其中,当前路口名称是指待查询的当前路口信息,东下游路口名称、南下游路口名称、西下游路口名称和北下游路口名称则分别是当前路口四个下游方向的路口信息。
从过车电警数据中可以获取车辆的过车车牌、过车时间戳和电警卡口等信息,在此基础上,综合电警卡口位置数据,可以获知车辆经过的路口信息,再根据路口上下游关系表,则可以获得完整的车辆OD及其车辆出行轨迹。
(2)数据预处理。对步骤(1)获取的过车电警数据进行数据预处理。在实际交通应用中,获取的过车电警数据,由于自身硬件设备故障、天气变化、车牌污损等原因,存在数据缺失和数据重复等数据异常等情况,而数据预处理可以处理这些异常数据,如剔除无效车牌数据,剔除30秒内同一路口同一方向车牌号相同的过车电警记录等。
(3)计算所有相邻电警卡口的过车时间阈值。详细计算过程如下:
s31.根据步骤(1)获取的电警卡口位置数据,可以获得所有相邻电警卡口的集合;
s32.从相邻电警卡口集合中,依次选择两个相邻电警卡口;
s33.从步骤(2)处理后的过车电警数据中,随机选择某一天的数据,计算通过这两个相邻电警卡口的所有车辆的过车时间,并将这些过车时间从小到大排序,得到过车时间序列{t1,t2,…,tn},其中,n为通过这两个相邻电警卡口的车辆总数,过车时间的单位为秒;
s35.综合考虑天气变化、信号配时等因素的影响,最终取过车时间阈值Tc=2ts作为这两个相邻电警卡口的过车时间阈值;
s36.重复步骤s32至s35,直至完成所有相邻电警卡口的过车时间阈值的计算。
(4)根据输入车牌信息,在过车电警数据的基础上,生成车辆出行记录,并计算过车时间。详细处理过程如下:
s41.输入需要查询的车牌信息;
s42.从步骤(2)处理后的过车电警数据中,提取指定时间段内待查询车辆的所有过车电警记录,并按时间从小到大进行排序;
s43.依次选择时间上相邻的两条过车电警记录,并综合步骤(1)获取的电警卡口位置数据,生成并存储为一条车辆出行记录,同时计算这条车辆出行记录的过车时间Tpass。车辆出行记录数据主要包括车牌号、上游设备ID、上游设备名称、上游路口名称、下游设备ID、下游设备名称、下游路口名称、上游过车时间戳、下游过车时间戳和过车时间等,其中,车牌号是指被抓拍车辆的信息,上游设备ID和上游设备名称是指上游路口电警卡口的抓拍设备信息,下游设备ID和下游设备名称是指下游路口电警卡口的抓拍设备信息,上游路口名称和下游路口名称分别是指上游设备和下游设备所在路口的名称,它们可以从电警卡口位置数据中获取,上游过车时间戳是指车辆通过上游抓拍设备时被抓拍的时间信息,下游过车时间戳是指车辆通过下游抓拍设备时被抓拍的时间信息,而过车时间是指下游过车时间戳和上游过车时间戳的差值,单位为秒;
s44.重复步骤s43,直至完成所有过车电警记录的处理,最终获得指定时间内待查询车辆的完整车辆出行记录。
(5)获取待查询车辆的车辆OD及其车辆出行轨迹。车辆OD数据主要包括车牌号、O点设备ID、O点设备名称、O点设备GPS信息、O点路口名称、O点过车时间戳、D点设备ID、D点设备名称、D点设备GPS信息、D点路口名称、D点过车时间戳、车辆出行总时间等。其中,O点设备ID、O点设备名称、O点设备GPS信息、O点路口名称和O点过车时间戳等是车辆出行起点的相关信息,而D点设备ID、D点设备名称、D点设备GPS信息、D点路口名称和D点过车时间戳等是车辆出行终点的相关信息,车辆出行总时间则是车辆出行起点和车辆出行终点之间的行驶时间。车辆OD及其车辆出行轨迹的获取详细过程如下:
s51.对步骤(3)生成的待查询车辆的车辆出行记录按时间从小到大进行排序;
s52.依次提取一条待查询车辆的车辆出行记录;
s53.识别待查询车辆的车辆出行起点。如果这是第一条车辆出行记录,则识别为一次车辆出行,把这条记录对应的上游路口记为一次车辆出行起点,并记入车辆出行轨迹;
s54.识别待查询车辆的车辆出行终点。比较这条记录的过车时间Tpass和对应的两相邻电警卡口的过车时间阈值Tc,如果这条车辆出行记录的过车时间不大于对应的两相邻电警卡口的过车时间阈值,即Tpass≤Tc,则这条记录不是车辆出行终点,把相应路口记入车辆出行轨迹,并转至步骤s52,继续提取下一条车辆出行记录;如果这条车辆出行记录的过车时间大于对应的两相邻电警卡口的过车时间阈值,即Tpass>Tc,则认定这是待查询车辆的一次出行结束,把这条记录对应的下游路口记为这一次的车辆出行终点,并记入车辆出行轨迹;
s55.继续判断待查询车辆的当前车辆出行记录。如果这条记录不是待查询车辆的最后一条车辆出行记录,则判断这是车辆停留点,同时把这次车辆出行终点记为下一次车辆出行起点,记入车辆出行轨迹,并转至步骤s52,继续提取下一条车辆出行记录;如果这是最后一条待查询车辆的车辆出行记录,则车辆OD及其车辆出行轨迹获取结束。
(6)检查和修补待查询车辆的车辆出行轨迹。根据步骤(1)获取的路口上下游关系表和步骤(4)识别的车辆OD及其车辆出行轨迹,检查过车路径的连通性,如果存在路径缺失,则基于车辆空间上的行为特征或者利用最短路径算法进行过车路径修补,从而获得完整的车辆出行轨迹。详细处理过程如下:
s61.根据步骤(1)获取的路口上下游关系表,检查车辆出行轨迹的上下游连通性;
s62.初次修补缺失点。如果存在缺失点,则从步骤(4)提取的指定车辆的过车电警数据,找到缺失点对应的过车电警记录,根据被抓拍车辆的车道信息确定车辆流向,再根据步骤(1)获取的电警卡口位置数据,可以得到下游路口名称,补入车辆出行轨迹中。如果被抓拍车辆的车道信息存在多个流向,转入步骤s64;
s63.再次检查车辆出行轨迹的上下游连通性。若轨迹连通,则修补完成。若仍存在路径缺失,进入步骤s64;
s64.利用最短路径算法还原两路口之间的最短路径,完成车辆出行轨迹修补。
(7)展示待查询车辆的车辆OD及其车辆出行轨迹。将电警卡口的GPS数据和道路路网的交叉路口进行位置匹配,在道路矢量地图上绘制单一车辆的车辆出行轨迹。
本发明的有益效果在于:(1)本发明充分利用了过车电警数据,操作流程简单、计算成本低、适用性强,符合实际的交通环境。(2)本发明根据历史数据,设计了过车时间阈值,可以有效地识别车辆OD及其车辆出行轨迹,同时车辆出行轨迹的检查和修补,可以弥补数据缺失问题,从而获得完整的车辆出行轨迹。
附图说明
图1是本发明方法的总体流程图。
图2是本发明方法的过车时间阈值计算流程图。
图3是本发明方法的车辆OD及其车辆出行轨迹获取流程图。
具体实施方式
下面结合附图进一步说明本发明的技术方案。
本发明的基于过车电警数据的单一车辆OD获取方法,具体的实施步骤如下:
(1)获取交通原始数据。通过智能交通系统或其它交通管理信息系统,获取卡口电警系统的过车电警数据和电警卡口位置数据,即GPS(Global Positioning System:全球定位系统)位置信息,并提取路口上下游关系表。
过车电警数据存储电警设备和过车车辆等信息,主要包括设备ID、设备名称、车牌号、车牌类型、车型、车道编号和过车时间戳等,其中,设备ID和设备名称是电警卡口抓拍设备的信息,车牌号、车牌类型和车型等是被抓拍车辆的信息,车道编号是指被抓拍车辆行驶的车道信息,包括车辆行驶方向和车道号码等,过车时间戳是指车辆通过此电警卡口被抓拍时的时间戳信息。电警卡口位置数据存储电警设备的位置信息和相邻下游电警卡口信息,主要包括设备ID、设备名称、GPS位置、对应路口名称、右转下游设备ID、直行下游设备ID和左转下游设备ID等,其中,设备ID和设备名称是电警卡口抓拍设备的信息,GPS位置是电警卡口的GPS位置信息,对应路口名称是电警卡口对应的路口信息,右转下游设备ID、直行下游设备ID和左转下游设备ID分别是当前抓拍设备在右转、直行和左转三个方向的相邻下游电警卡口信息。路口上下游关系表存储当前路口多个方向的下游路口信息,主要包括当前路口名称、东下游路口名称、南下游路口名称、西下游路口名称和北下游路口名称等,其中,当前路口名称是指待查询的当前路口信息,东下游路口名称、南下游路口名称、西下游路口名称和北下游路口名称则分别是当前路口四个下游方向的路口信息。
从过车电警数据中可以获取车辆的过车车牌、过车时间戳和电警卡口等信息,在此基础上,综合电警卡口位置数据,可以获知车辆经过的路口信息,再根据路口上下游关系表,则可以获得完整的车辆OD及其车辆出行轨迹。
(2)数据预处理。对步骤(1)获取的过车电警数据进行数据预处理。在实际交通应用中,获取的过车电警数据,由于自身硬件设备故障、天气变化、车牌污损等原因,存在数据缺失和数据重复等数据异常等情况,而数据预处理可以处理这些异常数据,如剔除无效车牌数据,剔除30秒内同一路口同一方向车牌号相同的过车电警记录等。
(3)计算所有相邻电警卡口的过车时间阈值。详细计算过程如下:
s31.根据步骤(1)获取的电警卡口位置数据,可以获得所有相邻电警卡口的集合;
s32.从相邻电警卡口集合中,依次选择两个相邻电警卡口;
s33.从步骤(2)处理后的过车电警数据中,随机选择某一天的数据,计算通过这两个相邻电警卡口的所有车辆的过车时间,并将这些过车时间从小到大排序,得到过车时间序列{t1,t2,…,tn},其中,n为通过这两个相邻电警卡口的车辆总数,过车时间的单位为秒;
s35.综合考虑天气变化、信号配时等因素的影响,最终取过车时间阈值Tc=2ts作为这两个相邻电警卡口的过车时间阈值;
s36.重复步骤s32至s35,直至完成所有相邻电警卡口的过车时间阈值的计算。
(4)根据输入车牌信息,在过车电警数据的基础上,生成车辆出行记录,并计算过车时间。详细处理过程如下:
s41.输入需要查询的车牌信息;
s42.从步骤(2)处理后的过车电警数据中,提取指定时间段内待查询车辆的所有过车电警记录,并按时间从小到大进行排序;
s43.依次选择时间上相邻的两条过车电警记录,并综合步骤(1)获取的电警卡口位置数据,生成并存储为一条车辆出行记录,同时计算这条车辆出行记录的过车时间Tpass。车辆出行记录数据主要包括车牌号、上游设备ID、上游设备名称、上游路口名称、下游设备ID、下游设备名称、下游路口名称、上游过车时间戳、下游过车时间戳和过车时间等,其中,车牌号是指被抓拍车辆的信息,上游设备ID和上游设备名称是指上游路口电警卡口的抓拍设备信息,下游设备ID和下游设备名称是指下游路口电警卡口的抓拍设备信息,上游路口名称和下游路口名称分别是指上游设备和下游设备所在路口的名称,它们可以从电警卡口位置数据中获取,上游过车时间戳是指车辆通过上游抓拍设备时被抓拍的时间信息,下游过车时间戳是指车辆通过下游抓拍设备时被抓拍的时间信息,而过车时间是指下游过车时间戳和上游过车时间戳的差值,单位为秒;
s44.重复步骤s43,直至完成所有过车电警记录的处理,最终获得指定时间内待查询车辆的完整车辆出行记录。
(5)获取待查询车辆的车辆OD及其车辆出行轨迹。车辆OD数据主要包括车牌号、O点设备ID、O点设备名称、O点设备GPS信息、O点路口名称、O点过车时间戳、D点设备ID、D点设备名称、D点设备GPS信息、D点路口名称、D点过车时间戳、车辆出行总时间等。其中,O点设备ID、O点设备名称、O点设备GPS信息、O点路口名称和O点过车时间戳等是车辆出行起点的相关信息,而D点设备ID、D点设备名称、D点设备GPS信息、D点路口名称和D点过车时间戳等是车辆出行终点的相关信息,车辆出行总时间则是车辆出行起点和车辆出行终点之间的行驶时间。车辆OD及其车辆出行轨迹的获取详细过程如下:
s51.对步骤(3)生成的待查询车辆的车辆出行记录按时间从小到大进行排序;
s52.依次提取一条待查询车辆的车辆出行记录;
s53.识别待查询车辆的车辆出行起点。如果这是第一条车辆出行记录,则识别为一次车辆出行,把这条记录对应的上游路口记为一次车辆出行起点,并记入车辆出行轨迹;
s54.识别待查询车辆的车辆出行终点。比较这条记录的过车时间Tpass和对应的两相邻电警卡口的过车时间阈值Tc,如果这条车辆出行记录的过车时间不大于对应的两相邻电警卡口的过车时间阈值,即Tpass≤Tc,则这条记录不是车辆出行终点,把相应路口记入车辆出行轨迹,并转至步骤s52,继续提取下一条车辆出行记录;如果这条车辆出行记录的过车时间大于对应的两相邻电警卡口的过车时间阈值,即Tpass>Tc,则认定这是待查询车辆的一次出行结束,把这条记录对应的下游路口记为这一次的车辆出行终点,并记入车辆出行轨迹;
s55.继续判断待查询车辆的当前车辆出行记录。如果这条记录不是待查询车辆的最后一条车辆出行记录,则判断这是车辆停留点,同时把这次车辆出行终点记为下一次车辆出行起点,记入车辆出行轨迹,并转至步骤s52,继续提取下一条车辆出行记录;如果这是最后一条待查询车辆的车辆出行记录,则车辆OD及其车辆出行轨迹获取结束。
(6)检查和修补待查询车辆的车辆出行轨迹。根据步骤(1)获取的路口上下游关系表和步骤(4)识别的车辆OD及其车辆出行轨迹,检查过车路径的连通性,如果存在路径缺失,则基于车辆空间上的行为特征或者利用最短路径算法进行过车路径修补,从而获得完整的车辆出行轨迹。详细处理过程如下:
s61.根据步骤(1)获取的路口上下游关系表,检查车辆出行轨迹的上下游连通性;
s62.初次修补缺失点。如果存在缺失点,则从步骤(4)提取的指定车辆的过车电警数据,找到缺失点对应的过车电警记录,根据被抓拍车辆的车道信息确定车辆流向,再根据步骤(1)获取的电警卡口位置数据,可以得到下游路口名称,补入车辆出行轨迹中。如果被抓拍车辆的车道信息存在多个流向,转入步骤s64;
s63.再次检查车辆出行轨迹的上下游连通性。若轨迹连通,则修补完成。若仍存在路径缺失,进入步骤s64;
s64.利用最短路径算法还原两路口之间的最短路径,完成车辆出行轨迹修补。
(7)展示待查询车辆的车辆OD及其车辆出行轨迹。将电警卡口的GPS数据和道路路网的交叉路口进行位置匹配,在道路矢量地图上绘制单一车辆的车辆出行轨迹。
如附图1,本发明方法首先获取电警卡口系统的过车电警数据、电警卡口位置数据和路口上下游关系表等交通原始数据;然后,对过车电警数据进行数据预处理,消除各种数据异常现象,包括无效数据和重复数据;接着,随机选择某一天的历史过车电警数据进行分析,计算出所有相邻电警卡口的过车时间阈值,同时,根据车辆车牌信息,在过车电警数据的基础上,生成待查询车辆在指定时间内的车辆出行记录,并计算相应的过车时间;随后,利用设计的过车时间阈值,对车辆出行记录进行识别和判断,获得待查询车辆的车辆OD及其车辆出行轨迹,并根据路口上下游关系表,对待查询车辆的车辆出行轨迹进行检查和修补;最后,对电警卡口的GPS数据和道路路网的交叉路口进行匹配,在地图上展示待查询车辆的车辆OD及其车辆出行轨迹。
如附图2,本发明方法设计的过车时间阈值的计算流程为:首先,获取所有相邻电警卡口的集合;然后,依次选择两个相邻电警卡口,并随机选择某一天的历史过车电警数据,计算所有通过这两个相邻电警卡口的所有车辆的过车时间,并按从小到大排序,得到过车时间序列{t1,t2,…,tn};接着,计算时间即80%的车辆可以通过这两个相邻的电警卡口的时间,并综合考虑其它因素的影响,最终设置这两个相邻电警卡口的过车时间阈值为Tc=2ts。最后,重复上述步骤,直至完成所有相邻电警卡口的过车时间阈值的计算。
如附图3,本发明方法的车辆OD及其车辆出行轨迹的获取步骤为:首先,把待查询车辆的车辆出行记录按时间从小到大排序;然后,依次提取一条车辆出行记录,如果这是待查询车辆的第一条出行记录,则把该记录对应的上游路口记为一次车辆出行起点,并记入车辆出行轨迹;接着,比较该记录的过车时间Tpass和对应的两相邻电警卡口的过车时间阈值Tc,如果Tpass≤Tc,则该记录不是车辆出行终点,把相应路口记入车辆出行轨迹,继续提取下一条车辆出行记录,如果Tpass>Tc,则将该记录对应的下游路口记为车辆出行终点,并记入车辆出行轨迹;随后,继续判断当前车辆出行记录,如果该记录不是待查询车辆的最后一条车辆出行记录,判断这是车辆停留点,同时把这次车辆出行终点作为下一次车辆出行起点,记入车辆出行轨迹,并继续提取下一条车辆出行记录;如果这是待查询车辆的最后一条车辆出行记录,则车辆OD及其车辆出行轨迹获取结束。
实验结果表明,本发明提出的基于过车电警数据的单一车辆OD获取方法是有效的,相对于其它方法,本发明充分考虑了过车电警数据,在历史数据分析的基础上,设计了过车时间阈值,从而可以获得更加准确的单一车辆OD。而且针对实际交通数据缺失问题,设计了车辆出行轨迹的检查和修补方案,更好地适应了实际的交通环境,整个方法具有操作流程简单,计算容易和适用性强等特点。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.基于过车电警数据的单一车辆OD获取方法,包括如下步骤:
(1)获取交通原始数据;通过智能交通系统或其它交通管理信息系统,获取卡口电警系统的过车电警数据和电警卡口位置数据,并提取路口上下游关系表;
过车电警数据存储电警设备和过车车辆等信息,主要包括设备ID、设备名称、车牌号、车牌类型、车型、车道编号和过车时间戳等,其中,设备ID和设备名称是电警卡口抓拍设备的信息,车牌号、车牌类型和车型等是被抓拍车辆的信息,车道编号是指被抓拍车辆行驶的车道信息,包括车辆行驶方向和车道号码等,过车时间戳是指车辆通过此电警卡口被抓拍时的时间戳信息;电警卡口位置数据存储电警设备的位置信息和相邻下游电警卡口信息,主要包括设备ID、设备名称、GPS位置、对应路口名称、右转下游设备ID、直行下游设备ID和左转下游设备ID等,其中,设备ID和设备名称是电警卡口抓拍设备的信息,GPS位置是电警卡口的GPS位置信息,对应路口名称是电警卡口对应的路口信息,右转下游设备ID、直行下游设备ID和左转下游设备ID分别是当前抓拍设备在右转、直行和左转三个方向的相邻下游电警卡口信息;路口上下游关系表存储当前路口多个方向的下游路口信息,主要包括当前路口名称、东下游路口名称、南下游路口名称、西下游路口名称和北下游路口名称等,其中,当前路口名称是指待查询的当前路口信息,东下游路口名称、南下游路口名称、西下游路口名称和北下游路口名称则分别是当前路口四个下游方向的路口信息;
(2)数据预处理;对步骤(1)获取的过车电警数据进行数据预处理;在实际交通应用中,获取的过车电警数据,由于自身硬件设备故障、天气变化、车牌污损等原因,存在数据缺失和数据重复等数据异常等情况,而数据预处理可以处理这些异常数据;
(3)计算所有相邻电警卡口的过车时间阈值;详细计算过程如下:
s31.根据步骤(1)获取的电警卡口位置数据,可以获得所有相邻电警卡口的集合;
s32.从相邻电警卡口集合中,依次选择两个相邻电警卡口;
s33.从步骤(2)处理后的过车电警数据中,随机选择某一天的数据,计算通过这两个相邻电警卡口的所有车辆的过车时间,并将这些过车时间从小到大排序,得到过车时间序列{t1,t2,…,tn},其中,n为通过这两个相邻电警卡口的车辆总数,过车时间的单位为秒;
s35.综合考虑天气变化、信号配时等因素的影响,最终取过车时间阈值Tc=2ts作为这两个相邻电警卡口的过车时间阈值;
s36.重复步骤s32至s35,直至完成所有相邻电警卡口的过车时间阈值的计算;
(4)根据输入车牌信息,在过车电警数据的基础上,生成车辆出行记录,并计算过车时间;详细处理过程如下:
s41.输入需要查询的车牌信息;
s42.从步骤(2)处理后的过车电警数据中,提取指定时间段内待查询车辆的所有过车电警记录,并按时间从小到大进行排序;
s43.依次选择时间上相邻的两条过车电警记录,并综合步骤(1)获取的电警卡口位置数据,生成并存储为一条车辆出行记录,同时计算这条车辆出行记录的过车时间Tpass;车辆出行记录数据主要包括车牌号、上游设备ID、上游设备名称、上游路口名称、下游设备ID、下游设备名称、下游路口名称、上游过车时间戳、下游过车时间戳和过车时间等,其中,车牌号是指被抓拍车辆的信息,上游设备ID和上游设备名称是指上游路口电警卡口的抓拍设备信息,下游设备ID和下游设备名称是指下游路口电警卡口的抓拍设备信息,上游路口名称和下游路口名称分别是指上游设备和下游设备所在路口的名称,它们可以从电警卡口位置数据中获取,上游过车时间戳是指车辆通过上游抓拍设备时被抓拍的时间信息,下游过车时间戳是指车辆通过下游抓拍设备时被抓拍的时间信息,而过车时间是指下游过车时间戳和上游过车时间戳的差值,单位为秒;
s44.重复步骤s43,直至完成所有过车电警记录的处理,最终获得指定时间内待查询车辆的完整车辆出行记录;
(5)获取待查询车辆的车辆OD及其车辆出行轨迹;车辆OD数据主要包括车牌号、O点设备ID、O点设备名称、O点设备GPS信息、O点路口名称、O点过车时间戳、D点设备ID、D点设备名称、D点设备GPS信息、D点路口名称、D点过车时间戳、车辆出行总时间等;其中,O点设备ID、O点设备名称、O点设备GPS信息、O点路口名称和O点过车时间戳等是车辆出行起点的相关信息,而D点设备ID、D点设备名称、D点设备GPS信息、D点路口名称和D点过车时间戳等是车辆出行终点的相关信息,车辆出行总时间则是车辆出行起点和车辆出行终点之间的行驶时间;车辆OD及其车辆出行轨迹的获取详细过程如下:
s51.对步骤(3)生成的待查询车辆的车辆出行记录按时间从小到大进行排序;
s52.依次提取一条待查询车辆的车辆出行记录;
s53.识别待查询车辆的车辆出行起点;如果这是第一条车辆出行记录,则识别为一次车辆出行,把这条记录对应的上游路口记为一次车辆出行起点,并记入车辆出行轨迹;
s54.识别待查询车辆的车辆出行终点;比较这条记录的过车时间Tpass和对应的两相邻电警卡口的过车时间阈值Tc,如果这条车辆出行记录的过车时间不大于对应的两相邻电警卡口的过车时间阈值,即Tpass≤Tc,则这条记录不是车辆出行终点,把相应路口记入车辆出行轨迹,并转至步骤s52,继续提取下一条车辆出行记录;如果这条车辆出行记录的过车时间大于对应的两相邻电警卡口的过车时间阈值,即Tpass>Tc,则认定这是待查询车辆的一次出行结束,把这条记录对应的下游路口记为这一次的车辆出行终点,并记入车辆出行轨迹;
s55.继续判断待查询车辆的当前车辆出行记录;如果这条记录不是待查询车辆的最后一条车辆出行记录,则判断这是车辆停留点,同时把这次车辆出行终点记为下一次车辆出行起点,记入车辆出行轨迹,并转至步骤s52,继续提取下一条车辆出行记录;如果这是最后一条待查询车辆的车辆出行记录,则车辆OD及其车辆出行轨迹获取结束;
(6)检查和修补待查询车辆的车辆出行轨迹;根据步骤(1)获取的路口上下游关系表和步骤(4)识别的车辆OD及其车辆出行轨迹,检查过车路径的连通性,如果存在路径缺失,则基于车辆空间上的行为特征或者利用最短路径算法进行过车路径修补,从而获得完整的车辆出行轨迹;详细处理过程如下:
s61.根据步骤(1)获取的路口上下游关系表,检查车辆出行轨迹的上下游连通性;
s62.初次修补缺失点;如果存在缺失点,则从步骤(4)提取的指定车辆的过车电警数据,找到缺失点对应的过车电警记录,根据被抓拍车辆的车道信息确定车辆流向,再根据步骤(1)获取的电警卡口位置数据,可以得到下游路口名称,补入车辆出行轨迹中;如果被抓拍车辆的车道信息存在多个流向,转入步骤s64;
s63.再次检查车辆出行轨迹的上下游连通性;若轨迹连通,则修补完成;若仍存在路径缺失,进入步骤s64;
s64.利用最短路径算法还原两路口之间的最短路径,完成车辆出行轨迹修补;
(7)展示待查询车辆的车辆OD及其车辆出行轨迹;将电警卡口的GPS数据和道路路网的交叉路口进行位置匹配,在道路矢量地图上绘制单一车辆的车辆出行轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910922312.0A CN110838232A (zh) | 2019-09-27 | 2019-09-27 | 基于过车电警数据的单一车辆od获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910922312.0A CN110838232A (zh) | 2019-09-27 | 2019-09-27 | 基于过车电警数据的单一车辆od获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110838232A true CN110838232A (zh) | 2020-02-25 |
Family
ID=69575306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910922312.0A Pending CN110838232A (zh) | 2019-09-27 | 2019-09-27 | 基于过车电警数据的单一车辆od获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838232A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768619A (zh) * | 2020-06-16 | 2020-10-13 | 苏州大学 | 一种基于卡口数据的快速路车辆od点确定方法 |
CN111932893A (zh) * | 2020-08-25 | 2020-11-13 | 上海宝康电子控制工程有限公司 | 基于信号与电警数据融合技术实现路段状态研判处理的方法 |
CN113140114A (zh) * | 2021-03-09 | 2021-07-20 | 中山大学 | 一种基于行程时间估计的车辆出行路径重构方法 |
CN113223293A (zh) * | 2021-05-06 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 路网仿真模型的构建方法、装置及电子设备 |
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 |
CN114566053A (zh) * | 2022-03-03 | 2022-05-31 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路交通量预测优化算法 |
CN114863675A (zh) * | 2022-04-08 | 2022-08-05 | 北京工业大学 | 基于路警数据融合的重点车辆位置推测与异常报警方法 |
CN115206095A (zh) * | 2022-06-28 | 2022-10-18 | 公安部交通管理科学研究所 | 一种卡口过车轨迹数据重构方法 |
CN115273476A (zh) * | 2022-08-09 | 2022-11-01 | 公安部交通管理科学研究所 | 确定车辆通行起始位置位于目标区域的方法 |
CN115206095B (zh) * | 2022-06-28 | 2024-05-14 | 公安部交通管理科学研究所 | 一种卡口过车轨迹数据重构方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930668A (zh) * | 2009-04-29 | 2010-12-29 | 上海电器科学研究所(集团)有限公司 | 车牌识别的道路交通od信息采集系统及其处理方法 |
CN104715612A (zh) * | 2013-12-12 | 2015-06-17 | 南京中兴力维软件有限公司 | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 |
EP2887326A1 (en) * | 2013-12-20 | 2015-06-24 | Q-Free ASA | Zone detection in a GNSS system |
CN106846538A (zh) * | 2015-12-04 | 2017-06-13 | 杭州海康威视数字技术股份有限公司 | 过车记录处理方法和装置 |
CN107657813A (zh) * | 2017-09-21 | 2018-02-02 | 中交第二公路勘察设计研究院有限公司 | 基于行车轨迹的高速公路交通执法判别方法 |
CN108320503A (zh) * | 2018-01-19 | 2018-07-24 | 江苏本能科技有限公司 | 基于点位识别的车辆行驶查询方法及系统 |
CN108717790A (zh) * | 2018-07-06 | 2018-10-30 | 广州市交通运输研究所 | 一种基于卡口车牌识别数据的车辆出行分析方法 |
CN109243173A (zh) * | 2018-08-15 | 2019-01-18 | 广州市市政工程设计研究总院有限公司 | 基于道路高清卡口数据的车辆轨迹分析方法及系统 |
CN109345823A (zh) * | 2018-09-19 | 2019-02-15 | 连云港杰瑞电子有限公司 | 一种基于大数据的智能交通数据分析系统 |
CN109584553A (zh) * | 2018-11-29 | 2019-04-05 | 中电海康集团有限公司 | 一种基于时空信息的路段关联度缺失补全方法 |
CN109686091A (zh) * | 2019-01-17 | 2019-04-26 | 中南大学 | 一种基于多源数据融合的交通流量填补算法 |
-
2019
- 2019-09-27 CN CN201910922312.0A patent/CN110838232A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930668A (zh) * | 2009-04-29 | 2010-12-29 | 上海电器科学研究所(集团)有限公司 | 车牌识别的道路交通od信息采集系统及其处理方法 |
CN104715612A (zh) * | 2013-12-12 | 2015-06-17 | 南京中兴力维软件有限公司 | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 |
EP2887326A1 (en) * | 2013-12-20 | 2015-06-24 | Q-Free ASA | Zone detection in a GNSS system |
CN106846538A (zh) * | 2015-12-04 | 2017-06-13 | 杭州海康威视数字技术股份有限公司 | 过车记录处理方法和装置 |
CN107657813A (zh) * | 2017-09-21 | 2018-02-02 | 中交第二公路勘察设计研究院有限公司 | 基于行车轨迹的高速公路交通执法判别方法 |
CN108320503A (zh) * | 2018-01-19 | 2018-07-24 | 江苏本能科技有限公司 | 基于点位识别的车辆行驶查询方法及系统 |
CN108717790A (zh) * | 2018-07-06 | 2018-10-30 | 广州市交通运输研究所 | 一种基于卡口车牌识别数据的车辆出行分析方法 |
CN109243173A (zh) * | 2018-08-15 | 2019-01-18 | 广州市市政工程设计研究总院有限公司 | 基于道路高清卡口数据的车辆轨迹分析方法及系统 |
CN109345823A (zh) * | 2018-09-19 | 2019-02-15 | 连云港杰瑞电子有限公司 | 一种基于大数据的智能交通数据分析系统 |
CN109584553A (zh) * | 2018-11-29 | 2019-04-05 | 中电海康集团有限公司 | 一种基于时空信息的路段关联度缺失补全方法 |
CN109686091A (zh) * | 2019-01-17 | 2019-04-26 | 中南大学 | 一种基于多源数据融合的交通流量填补算法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768619A (zh) * | 2020-06-16 | 2020-10-13 | 苏州大学 | 一种基于卡口数据的快速路车辆od点确定方法 |
CN111932893A (zh) * | 2020-08-25 | 2020-11-13 | 上海宝康电子控制工程有限公司 | 基于信号与电警数据融合技术实现路段状态研判处理的方法 |
CN113140114B (zh) * | 2021-03-09 | 2022-07-29 | 中山大学 | 一种基于行程时间估计的车辆出行路径重构方法 |
CN113140114A (zh) * | 2021-03-09 | 2021-07-20 | 中山大学 | 一种基于行程时间估计的车辆出行路径重构方法 |
CN113223293A (zh) * | 2021-05-06 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 路网仿真模型的构建方法、装置及电子设备 |
CN113223293B (zh) * | 2021-05-06 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 路网仿真模型的构建方法、装置及电子设备 |
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 |
CN114566053A (zh) * | 2022-03-03 | 2022-05-31 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路交通量预测优化算法 |
CN114863675A (zh) * | 2022-04-08 | 2022-08-05 | 北京工业大学 | 基于路警数据融合的重点车辆位置推测与异常报警方法 |
CN114863675B (zh) * | 2022-04-08 | 2023-12-29 | 北京工业大学 | 基于路警数据融合的重点车辆位置推测与异常报警方法 |
CN115206095A (zh) * | 2022-06-28 | 2022-10-18 | 公安部交通管理科学研究所 | 一种卡口过车轨迹数据重构方法 |
CN115206095B (zh) * | 2022-06-28 | 2024-05-14 | 公安部交通管理科学研究所 | 一种卡口过车轨迹数据重构方法 |
CN115273476A (zh) * | 2022-08-09 | 2022-11-01 | 公安部交通管理科学研究所 | 确定车辆通行起始位置位于目标区域的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110838232A (zh) | 基于过车电警数据的单一车辆od获取方法 | |
CN109643485B (zh) | 一种城市道路交通异常检测方法 | |
CN110111575B (zh) | 一种基于复杂网络理论的城市交通流量网络分析方法 | |
Lin et al. | A review of travel-time prediction in transport and logistics | |
CN111612670B (zh) | 一种构建机动车排放清单的方法、装置和计算机设备 | |
CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN112447041B (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
Bejan et al. | Statistical modelling and analysis of sparse bus probe data in urban areas | |
CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
You et al. | A GPS data processing framework for analysis of drayage truck tours | |
CN111768619A (zh) | 一种基于卡口数据的快速路车辆od点确定方法 | |
Byon et al. | Travel time collection and traffic monitoring via GPS technologies | |
Byon et al. | Bunching and headway adherence approach to public transport with GPS | |
CN113868492A (zh) | 一种基于电警、卡口数据的可视化od分析方法及应用 | |
Rogers | Creating and evaluating highly accurate maps with probe vehicles | |
CN114501336B (zh) | 一种公路出行量测算方法、装置、电子设备及存储介质 | |
CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
CN111444286B (zh) | 一种基于轨迹数据的远距离交通节点关联性挖掘方法 | |
Borowska-Stefańska et al. | Application of Intelligent Transportation Systems in Analyses of Human Spatial Mobility in Cities | |
Golze et al. | Impact analysis of accidents on the traffic flow based on massive floating car data | |
Exner et al. | Monitoring Street Infrastructures with Artificial Intelligence | |
Young et al. | Visualizations of Travel Time Performance Based on Vehicle Reidentification Data | |
Şerban et al. | Statistical analysis using machine learning algorithms in traffic control | |
Mahanti | Aggregate calibration of microscopic traffic simulation models | |
CN116469252A (zh) | 一种目标行程识别方法及系统 |
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: 20200225 |
|
WD01 | Invention patent application deemed withdrawn after publication |