CN112562334A - 基于浮动车数据的弯曲路段实时速度计算方法、装置及介质 - Google Patents

Abstract

本发明公开了一种基于浮动车数据的弯曲路段实时速度计算方法、装置及介质，属于数据挖据技术领域。本发明提出了基于浮动车数据清洗的弯曲路段实时速度计算方法，首先利用浮动车的时空信息计算速度样本用来替换浮动车数据中的瞬时速度，根本上解决浮动车瞬时速度失真问题，进一步提高了速度样本的质量，从而提高了路段速度估算的准确性。本发明利用真实海量GPS数据以及地图道路数据，数据具有数据量大、数据准确性高等特点。

Description

基于浮动车数据的弯曲路段实时速度计算方法、装置及介质

技术领域

本发明属于数据挖据技术领域，具体涉及到一种基于浮动车数据的弯曲路段实时速度计算方法。

背景技术

近年来，基于浮动车数据的智能交通系统被广大的研究者开发出来并予以运用。然而，路段速度作为众多智能交通系统的关键参数，其准确性和实时性直接关联着智能交通系统提供的服务质量。目前，获取该参数主要利用浮动车瞬时速度(GPS传感器上传记录)的简单估算方式，导致该参数的估算与道路速度的真实情况偏差较大，进一步导致基于该参数的诸多服务质量不高。特别是在弯曲度较大的路段，瞬时速度的变化较大，相邻两个测量值的差异往往超出了其正常波动的范围，因此不能直接反映车辆的实时速度。因此，如何基于浮动车数据计算弯曲路段实时速度是目前亟待解决的技术问题。

发明内容

本发明的目的在于解决现有技术中存在的问题，并提供一种基于浮动车数据的弯曲路段实时速度计算方法。

本发明所采用的具体技术方案如下：

一种基于浮动车数据的弯曲路段实时速度计算方法，其步骤如下：

S1:获取目标区域内所有浮动车上传的最近时间片对应的车辆GPS数据，其中每条GPS轨迹点数据包含数据ID、车牌号码、经纬度坐标和记录时间；同时获取包含目标区域地图中所有路段信息的路网数据，每条路段信息包括：路段ID、路段长度、起点经纬度和终点经纬度；

S2：对车辆GPS数据中具有GPS漂移的轨迹点进行清洗过滤，将清洗后的车辆GPS数据按照每条GPS数据中的经纬度坐标信息确定其在路网中所在的路段ID，然后针对每条路段构建路段轨迹地图，所述路段轨迹地图中记录有路段ID以及该路段中所有车辆的轨迹点，每辆车在该路段的所有轨迹点按照时间顺序排列组成一个轨迹样本；对于每一个轨迹样本，任意两个相邻且未跨越路口的轨迹点构成一个速度样本，而两个相邻但跨越路口的轨迹点则不作为速度样本进行滤除；

S3：以路段在所述路网数据中的路段长度与路段起点到终点之间的距离的比值作为路段弯曲程度的表征，通过阈值法将目标区域内所有路段分为非弯曲路段和弯曲路段两类；

S4：针对每条弯曲路段，将当日浮动车数据中所有经过该弯曲路段的轨迹点匹配在路段上，然后从路段起点开始，每隔设定的步长间隔选取一个轨迹点作为该路段位置的分割点，整条弯曲路段表示为分割点集合；

S5：针对每个条路段，计算轨迹样本内每一个速度样本中两个轨迹点之间路段的实时速度，其中：

针对每条非弯曲路段，获取该路段中每一个轨迹样本中的所有速度样本，根据每个速度样本中两个轨迹点记录的经纬度坐标和记录时间，直接换算为这两个轨迹点之间的直线距离和时间差，进而得到路段的实时速度；

针对每条弯曲路段，获取该路段中每一个轨迹样本中的所有速度样本，根据每个速度样本中两个轨迹点记录的经纬度坐标，确定在该条弯曲路段中这两个轨迹点之间的所有分割点，然后根据两个轨迹点之间所有相邻点的线段长度加和作为两个轨迹点之间的真实行车距离，最后以每个速度样本中两个轨迹点的真实行车距离和记录时间的时间差计算得到路段的实时速度；

S6：针对所述路段轨迹地图中的每一个速度样本，更新其对应的两个轨迹点之间的实时速度，形成路段速度地图。

作为优选，所述的步骤S2中，对车辆GPS数据中具有GPS漂移的轨迹点进行清洗过滤的方法如下：

根据连续轨迹点的欧氏距离，设定连续两个轨迹点的欧式距离的正常范围阈值，若一辆车出现超过正常范围阈值的轨迹点，则将这些轨迹点进行过滤。

作为优选，所述的步骤S3中，区分弯曲路段和非弯曲路段的方法如下：

S31：从路网数据中得到每个路段的起点经纬度R.GPS_s、终点经纬度R.GPS_e和路段长度R.length，然后计算每条路段的弯曲程度R.w，计算公式为：

其中dist(R.GPS_s,R.GPS_e)表示起点经纬度R.GPS_s和终点经纬度R.GPS_e之间的直线距离。

S32：然后根据弯曲程度阈值R.w_min将路网中所有的路段分成两类，若路段的R.w≥R.w_min则该路段为弯曲路段，否则该路段为非弯曲路段。

作为优选，所述的弯曲程度阈值R.w_min设定为1.2。

作为优选，所述的步骤S4中，整条弯曲路段的分割点集合表示为R＝<sp₁,sp₂,......,sp_n>；其中sp_i表示第i个分割点，n为整条弯曲路段的分割点总数。

作为优选，所述的步骤S4中，相邻两个分割点之间的步长间隔为20～30米。

作为优选，所述的步骤S5中，计算每一个速度样本中两个轨迹点之间路段的实时速度的方法如下：

从所述路段轨迹地图中获得所有路段中的轨迹样本，针对每一个轨迹样本中的每一个速度样本，计算该速度样本中两个连续轨迹点TP_i-1和TP_i之间的实时速度，计算公式为：

其中，T为两个连续轨迹点v_i-1和v_i的记录时间间隔，L代表车辆在路段上两个连续轨迹点TP_i-1和TP_i之间的真实行车距离，计算公式为：

其中，dist(,)表示计算两个点的经纬度坐标之间的直线距离；A.GPS表示点A的经纬度坐标；轨迹点TP_i-1和TP_i之间的所有分割点为<sp_s,sp₂,......,sp_e>；

表示路段属于非弯曲路段，R∈R_bend表示路段属于弯曲路段。

作为优选，所述的浮动车为出租车。

第二方面，本发明提供了一种基于浮动车数据的弯曲路段实时速度计算装置，其包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现如第一方面任一项方案所述的基于浮动车数据的弯曲路段实时速度计算方法。

第三方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如第一方面任一项方案所述的基于浮动车数据的弯曲路段实时速度计算方法。

本发明相对于现有技术而言，具有以下有益效果：

本发明提出了基于浮动车数据清洗的弯曲路段实时速度计算方法，首先利用浮动车的时空信息计算速度样本用来替换浮动车数据中的瞬时速度，根本上解决浮动车瞬时速度失真问题，进一步提高了速度样本的质量，从而提高了路段速度估算的准确性。本发明利用真实海量GPS数据以及地图道路数据，数据具有数据量大、数据准确性高等特点。

附图说明

图1为基于浮动车数据的弯曲路段实时速度计算方法流程图；

图2为浮动车GPS数据表；

图3为GPS漂移示意图；

图4路口失效问题路段选择示意图；

图5为路段轨迹地图；

图6为弯曲路段样本点采样和轨迹点跨越弯曲路段与路口示意图

图7为路段速度地图示意图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。

如图1所示，在本发明的一个较佳实施例中，提供了一种基于浮动车数据的弯曲路段实时速度计算方法，其步骤如下：

S1:获取目标区域内所有浮动车上传的车辆GPS数据，车辆GPS数据是由大陆的轨迹点数据信息组成的。其中每条GPS轨迹点数据至少包含数据ID、车牌号码、经纬度坐标和记录时间；同时获取包含目标区域地图中所有路段信息的路网数据，每条路段信息至少包括：路段ID、路段长度、起点经纬度和终点经纬度。

由于本发明中需要计算实时速度，因此需要获取最近时间片对应的车辆GPS数据，历史的车辆GPS数据亦可存储于数据库中以供调用。本实施例中，浮动车为出租车，其GPS数据表参见图2所示，每条GPS记录包含七个重要属性：ID、车牌号码(EQUIP_ID)、经度坐标(CROSS_X)、纬度坐标(CROSS_Y)、记录时间(GPS_DATE)、瞬时速度(SPEED)、车头行驶方向(DIRECT)、载客状态(STATUS，1表示载客状态，0表示空载状态)。另外，获取的路网数据则为全区域的地图路网数据，路段信息包括：道路的名称、路段的等级、路段编号、路段长度、起点经度、起点纬度、终点经度、终点纬度、中点经度、中点纬度。

读入的出租车车辆GPS数据集中存在“脏数据”，为了过滤掉这些“脏数据”，针对少量的GPS漂移严重的轨迹点需要进行GPS漂移过滤和当连续两个轨迹点跨越路口时解决路口失效问题，再针对每条路段构建路段轨迹地图。

其中，GPS漂移是指由于GPS定位设备的准确性问题，其获取的前后轨迹点的可能出现大范围变动，明显不符合政策的车辆位置变化范围。若一辆车的定位数据不断发生大范围漂移，则视为是异常数据。另外，所谓路口失效问题，是指当连续两个轨迹点跨越路口时，由于路口红绿灯等待问题会导致其计算出的速度样本偏低，并且无法准确估算每一辆车在路口等待红绿灯的准确时间，因此这类速度样本在路段速度估计时不具有代表性。所以，当连续两个轨迹点越路口时，将不进行速度样本计算。

本发明中，“脏数据”过滤和路段轨迹地图构建的具体过程参见S2。

S2：对车辆GPS数据中具有GPS漂移的轨迹点进行清洗过滤，清洗方式可以根据连续轨迹点的欧氏距离，设定连续两个轨迹点的欧式距离的正常范围阈值，若一辆车出现超过正常范围阈值的轨迹点，则将这些轨迹点进行过滤。

然后，将清洗后的车辆GPS数据按照每条GPS数据中的经纬度坐标信息，按照就近原则确定其在路网中所在的路段ID。由此，即可针对每条路段构建路段轨迹地图Road_TrajecoryMap，其中Road_TrajecoryMap中记录有路段ID以及该路段中所有车辆的轨迹点，每辆车在该路段的所有轨迹点按照时间顺序排列组成一个轨迹样本，轨迹样本可以车牌号码作为唯一标识符。每一个轨迹样本中相邻的两个轨迹点可用于计算着两个轨迹点之间的车辆行驶速度，但是此处需要考虑前述的路口失效问题，若连续两个轨迹点越路口时，将不进行速度样本计算。因此在本发明中，对于每一个轨迹样本，任意两个相邻且未跨越路口的轨迹点构成一个速度样本，而两个相邻但跨越路口的轨迹点则不作为速度样本进行滤除。

S3：以路段在路网数据中的路段长度与路段起点到终点之间的距离的比值作为路段弯曲程度的表征，通过阈值法将目标区域内所有路段分为非弯曲路段和弯曲路段两类。

上述阈值法区分弯曲路段和非弯曲路段的方法实现如下：

S31：从路网数据中得到每个路段的起点经纬度R.GPS_s、终点经纬度R.GPS_e和路段长度R.length，然后计算每条路段的弯曲程度R.w，计算公式为：

其中dist(R.GPS_s,R.GPS_e)表示起点经纬度R.GPS_s和终点经纬度R.GPS_e之间的直线距离。R.w的值越大代表该路段的弯曲越厉害。

S32：然后根据弯曲程度阈值R.w_min将路网中所有的路段分成两类，若路段的R.w≥R.w_min则该路段为弯曲路段，否则该路段为非弯曲路段，以公式表示为：

其中弯曲路段记为R_bend，非弯曲路段记为

区分弯曲路段的目的是因为对于弯曲路段，不能用简单的首尾轨迹点之间的直线距离来计算真实的行车距离，需要通过弯曲路段样本采样来计算真实行车距离，具体的采样方法如S4。

S4：针对每条弯曲路段，将当日浮动车数据(例如，可采用当前时间前24小时内的所有时间片的浮动车数据)中所有经过该弯曲路段的轨迹点匹配在路段上，然后从路段起点开始，每隔设定的步长间隔选取一个轨迹点作为该路段位置的分割点sp，整条弯曲路段表示为分割点集合。相邻两个分割点之间的步长间隔l可根据实际调整，一般设为l＝20～30米。即从路段起点开始，从该路段匹配的所有轨迹点中选择一个与起点路程距离为l的轨迹点作为第一个分割点sp₁，然后再从分割点sp₁开始，从该路段后续匹配的所有轨迹点中选择一个与sp₁点路程距离为l的轨迹点作为第二个分割点sp₂，依次类推。

因此，整条弯曲路段的分割点集合表示为R＝<sp₁,sp₂,......,sp_n>；其中sp_i表示第i个分割点，n为整条弯曲路段的分割点总数。利用日浮动车数据匹配进行分隔的方法，可以有效避免地图中路段数据不准确带来的误差。

S5：针对每个条路段，计算轨迹样本内每一个速度样本中两个轨迹点之间路段的实时速度，其中：

针对每条非弯曲路段，获取该路段中每一个轨迹样本中的所有速度样本，根据每个速度样本中两个轨迹点记录的经纬度坐标和记录时间，直接换算为这两个轨迹点之间的直线距离和时间差，进而得到路段的实时速度。

针对每条弯曲路段，获取该路段中每一个轨迹样本中的所有速度样本，根据每个速度样本中两个轨迹点记录的经纬度坐标，确定在该条弯曲路段中这两个轨迹点之间的所有分割点，然后根据两个轨迹点之间所有相邻点的线段长度加和作为两个轨迹点之间的真实行车距离，最后以每个速度样本中两个轨迹点的真实行车距离和记录时间的时间差计算得到路段的实时速度。

在本实施例中，上述计算每一个速度样本中两个轨迹点之间路段的实时速度的方法如下：

从路段轨迹地图Road_TrajecoryMap中获得所有路段中的轨迹样本，针对每一个轨迹样本中的每一个速度样本，计算该速度样本中两个连续轨迹点TP_i-1和TP_i之间的实时速度，计算公式为：

其中，T为两个连续轨迹点v_i-1和v_i的记录时间间隔，T＝Tp_i.date-Tp_i-1.date，TP_i.date表示轨迹点TP_i的记录时间，TP_i-1.date表示轨迹点TP_i-1的记录时间。L代表车辆在路段上两个连续轨迹点TP_i-1和TP_i之间的真实行车距离，计算公式为：

其中，dist(,)表示计算两个点的经纬度坐标之间的直线距离；A.GPS表示点A的经纬度坐标；轨迹点TP_i-1和TP_i之间的所有分割点为<sp_s,sp₂,......,sp_e>；

表示路段属于非弯曲路段，R∈R_bend表示路段属于弯曲路段。

S6：当S5中针对路段轨迹地图中每一个轨迹样本中的每一个速度样本，获取到该速度样本对应的两个轨迹点之间的实时速度后，即可将其更新关联至路段轨迹地图的数据表中，形成路段速度地图。

该路段速度地图可以根据实际需要，结合至不同的应用场景中，例如展示地图上不同路段的当前实时路况速度。由于路段速度地图中同一路段可能存在多个轨迹样本，因此若要显示某一路段上不同位置的速度，可以将该路段中不同轨迹样本在同一位置的实时速度进行平均，作为该位置最终的实时速度。当然，也可以采用其他的方式来处理这些数据。

实施例

下面将上述实施例S1～S5的方法应用至一个具体实例数据中，以展示其技术效果。

1.数据获取：

本实例以2013年8月28日到2013年9月15日的南昌出租车车辆GPS数据为实验数据，数据集中总共包含3600辆出租车，共超过1亿条记录，其中每条GPS记录包含七个重要属性：ID、车牌号码、经度坐标、纬度坐标、记录时间、瞬时速度、车头行驶方向、载客状态(1表示载客状态，0表示空载状态)图2列出了若干条数据记录。

同时还需获取南昌市的路网信息，获取的路网数据则为全区域的地图路网数据，路段信息包括：道路的名称、路段的等级、路段编号、路段长度、起点经度、起点纬度、终点经度、终点纬度、中点经度、中点纬度。

2.脏数据清洗处理：

(1)由于众多出租车在城市路网中行驶，平均每隔一段时间上传该车轨迹点(Tp)。

因为浮动车记录的GSP定位存在误差，本发明所用到的数据集大部分定位误差都在合理范围。然而针对少量的GPS漂移严重的轨迹点需要在匹配路段的过程前进行过滤。如图3展示了某辆车的轨迹点在两个圈出区域内来回漂移。本实例设定了连续轨迹点的欧式距离的正常范围阈值，若一辆车连续出现超过阈值的轨迹点，则将这些轨迹点进行过滤。

过滤清洗后的车辆GPS数据，可以按照每条GPS数据中的经纬度坐标信息匹配确定其在路网中所在的路段ID，然后针对每条路段构建路段轨迹地图Road_TrajecoryMap，Road_TrajecoryMap中记录有路段ID以及该路段中所有车辆的轨迹点，在该路段中的所有车辆的轨迹点又包含了车牌号码和按时间顺序排列的轨迹点。每辆车在该路段的所有轨迹点按照时间顺序排列组成一个轨迹样本，以车牌号码为标识符。

(2)除此之外，还需要解决路口失效问题。当连续两个轨迹点跨越路口时，由于路口红绿灯等待问题会导致其计算出的速度样本偏低，并且无法准确估算每一辆车在路口等待红绿灯的准确时间，因此这类速度样本在路段速度估计时不具有代表性。本发明中，当连续两个轨迹点越路口时，将不进行速度样本计算。如图4所示，只计算<Tp2,Tp3>和<Tp4,Tp5>的速度样本，而不计算<Tp1,Tp2>和<Tp5,Tp6>的速度样本。因此，对于每一个轨迹样本，任意两个相邻且未跨越路口的轨迹点构成一个速度样本，而两个相邻但跨越路口的轨迹点则不作为速度样本进行滤除。

本实施例中，Road_TrajecoryMap的存储形式如图5所示。

在完成数据预处理之后，为了获取路段R在当前时刻t的通行速度R.v，可以根据最近的时间片[t-Δt,t]在R路段上行驶的浮动车的速度进行估算。因此，首先需要计算浮动车在该时间片内上传的Tp信息属于哪个路段，然后将属于路段R的Tp信息放到集合Road_TrajecoryMap中，然后根据同一辆车连续两个轨迹点的真实行车距离和时间间隔来计算速度，将Road_TrajecoryMap中所有记录计算得到的速度样本放到集合Road_VelocityMap(路段速度地图)中，其中速度样本按照时间先后顺序排列。该过程的具体实现过程参见后续步骤。

3.弯曲路段识别和采样

路网G是城市道路的真实映射，所以会出现很多弯曲路段，针对弯曲路段，本发明进行了特殊处理。处理方法如下：从地图给出的路段数据中得到每个路段的起点经纬度R.GPS_s、终点经纬R.GPS_e和路段长度R.length。根据公式(1)计算每条路段的弯曲程度，弯曲程度记为R.w，R.w的值越大则代表该路段的弯曲的越厉害：

dist(R.GPS_s,R.GPS_e)表示起点经纬度R.GPS_s和终点经纬度R.GPS_e之间的直线距离。

根据路段弯曲程度阈值R.w_min将路网中所有路段分成两个类，一类为非弯曲路段

另一类为弯曲路段(R_bend)。值得注意的是，在理论上非弯曲路段的R.w应该等于1，考虑误差和轻微弯曲对计算速度样本影响不大，这里我们将R.w_min设定为1.2。分类标准具体如表1所示：

表1弯曲路段分类

由于路段的弯曲是不规则的，如图6中弯曲路段R所示，轨迹点Tp₁和Tp₂所跨却的部分接近于直线，其弯曲程度远小于Tp₂和Tp₃所跨越的部分。因此不能简单的用dist(Tp_i.GPS,Tp_i+1.GPS)*R.w来得到车辆的真实的行车距离。为此，本实例提供了一种新的方法来计算跨越弯曲路段的真实行车距离。具体步骤如下：

步骤1：利用1天的浮动车数据，将所有的轨迹点按照其经纬度值依据就近原则匹配在最近的路段上。

步骤2：对于弯曲路段，从路段起点开始，每隔20米到30米选取一个轨迹点作为该路段的样本点sp。

步骤3：整条弯曲路段的分割点集合表示为用R＝<sp₁,sp₂,......,sp_n>来表示。

上述步骤所述的弯曲路段样本点抽取过程如6(A)所示。

4.计算速度样本：

为了获取路段R在当前时刻t的通行速度R.v，根据[t-Δt,t]时间片中在R路段上行驶的浮动车的速度进行估算，可以很容易从该时间片中的浮动车数据获得轨迹点信息。首先将所有轨迹点按照时间顺序添加到各自的匹配路段中，这里用双层映射的数据结构来保存该时间片中的所有轨迹点，即前述图5所示的Road_TrajecoryMap，外层映射的key为路段ID，value为匹配在该路段中的所有车辆的轨迹点；内层映射的key为车牌号码，value为按时间顺序排列的轨迹点。

根据轨迹点信息，可以根据公式(2)计算出连续两个轨迹点的速度，

上式中，T为两个连续轨迹点v_i-1和v_i的记录时间间隔，L代表车辆在路段上两个连续轨迹点TP_i-1和TP_i之间的真实行车距离。

因此，我们在计算速度样本时可以分为以下两个步骤：

步骤1：计算L：

弯曲路段对车辆真实行车距离的影响，并且对弯曲路段进行了样本抽取。因此，可以通过公式(3)来计算L。

上式中L₁表示连续两个轨迹点落在非弯曲路段上，行车距离可以直接通过两点间的欧式距离计算得到；L₂表示连续两个轨迹点落在弯曲路段上，则根据该弯曲路段所记录的样本点R<sp₁,sp₂,......,sp_n>，将Tp_i-1和Tp_i所跨越的样本点间距相加即可得到车辆真实的行车距离。

步骤2：计算T：

T＝Tp_i.date-Tp_i-1.date ，落在同一路段 (4)

TP_i.date表示轨迹点TP_i的记录时间，TP_i-1.date表示轨迹点TP_i-1的记录时间。

5.路段速度地图构建

根据上述公式计算完该时间片[t-Δt,t]内所有的速度样本，并将所有速度样本替代数据结构Road_TrajecoryMap中内层映射中的value。更新后的数据结构记为Road_VelocityMap如图7所示。

另外，在其他实施例中，还可以基于上述方法，提供一种基于浮动车数据的弯曲路段实时速度计算装置，其包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现如前述方案所述的基于浮动车数据的弯曲路段实时速度计算方法。

另外，在其他实施例中，还可以基于上述方法，提供一种计算机可读存储介质，该存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如前述方案所述的基于浮动车数据的弯曲路段实时速度计算方法。

需要注意的是，存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。当然，还装置中还应当具有实现程序运行的必要组件，例如电源、通信总线等等。

以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (10)

1.一种基于浮动车数据的弯曲路段实时速度计算方法，其特征在于，步骤如下：

S1:获取目标区域内所有浮动车上传的最近时间片对应的车辆GPS数据，其中每条GPS轨迹点数据包含数据ID、车牌号码、经纬度坐标和记录时间；同时获取包含目标区域地图中所有路段信息的路网数据，每条路段信息包括：路段ID、路段长度、起点经纬度和终点经纬度；

S2：对车辆GPS数据中具有GPS漂移的轨迹点进行清洗过滤，将清洗后的车辆GPS数据按照每条GPS数据中的经纬度坐标信息确定其在路网中所在的路段ID，然后针对每条路段构建路段轨迹地图，所述路段轨迹地图中记录有路段ID以及该路段中所有车辆的轨迹点，每辆车在该路段的所有轨迹点按照时间顺序排列组成一个轨迹样本；对于每一个轨迹样本，任意两个相邻且未跨越路口的轨迹点构成一个速度样本，而两个相邻但跨越路口的轨迹点则不作为速度样本进行滤除；

S3：以路段在所述路网数据中的路段长度与路段起点到终点之间的距离的比值作为路段弯曲程度的表征，通过阈值法将目标区域内所有路段分为非弯曲路段和弯曲路段两类；

S4：针对每条弯曲路段，将当日浮动车数据中所有经过该弯曲路段的轨迹点匹配在路段上，然后从路段起点开始，每隔设定的步长间隔选取一个轨迹点作为该路段位置的分割点，整条弯曲路段表示为分割点集合；

S5：针对每个条路段，计算轨迹样本内每一个速度样本中两个轨迹点之间路段的实时速度，其中：

针对每条非弯曲路段，获取该路段中每一个轨迹样本中的所有速度样本，根据每个速度样本中两个轨迹点记录的经纬度坐标和记录时间，直接换算为这两个轨迹点之间的直线距离和时间差，进而得到路段的实时速度；

针对每条弯曲路段，获取该路段中每一个轨迹样本中的所有速度样本，根据每个速度样本中两个轨迹点记录的经纬度坐标，确定在该条弯曲路段中这两个轨迹点之间的所有分割点，然后根据两个轨迹点之间所有相邻点的线段长度加和作为两个轨迹点之间的真实行车距离，最后以每个速度样本中两个轨迹点的真实行车距离和记录时间的时间差计算得到路段的实时速度；

S6：针对所述路段轨迹地图中的每一个速度样本，更新其对应的两个轨迹点之间的实时速度，形成路段速度地图。

2.如权利要求1所述的基于浮动车数据的弯曲路段实时速度计算方法，其特征在于，所述的步骤S2中，对车辆GPS数据中具有GPS漂移的轨迹点进行清洗过滤的方法如下：

根据连续轨迹点的欧氏距离，设定连续两个轨迹点的欧式距离的正常范围阈值，若一辆车出现超过正常范围阈值的轨迹点，则将这些轨迹点进行过滤。

3.如权利要求1所述的基于浮动车数据的弯曲路段实时速度计算方法，其特征在于，所述的步骤S3中，区分弯曲路段和非弯曲路段的方法如下：

S31：从路网数据中得到每个路段的起点经纬度R.GPS_s、终点经纬度R.GPS_e和路段长度R.length，然后计算每条路段的弯曲程度R.w，计算公式为：

其中dist(R.GPS_s,R.GPS_e)表示起点经纬度R.GPS_s和终点经纬度R.GPS_e之间的直线距离。

S32：然后根据弯曲程度阈值R.w_min将路网中所有的路段分成两类，若路段的R.w≥R.w_min则该路段为弯曲路段，否则该路段为非弯曲路段。

4.如权利要求1所述的基于浮动车数据的弯曲路段实时速度计算方法，其特征在于，所述的弯曲程度阈值R.w_min设定为1.2。

5.如权利要求1所述的基于浮动车数据的弯曲路段实时速度计算方法，其特征在于，所述的步骤S4中，整条弯曲路段的分割点集合表示为R＝<sp₁,sp₂,......,sp_n>；其中sp_i表示第i个分割点，n为整条弯曲路段的分割点总数。

6.如权利要求1所述的基于浮动车数据的弯曲路段实时速度计算方法，其特征在于，所述的步骤S4中，相邻两个分割点之间的步长间隔为20～30米。

7.如权利要求1所述的基于浮动车数据的弯曲路段实时速度计算方法，其特征在于，所述的步骤S5中，计算每一个速度样本中两个轨迹点之间路段的实时速度的方法如下：

从所述路段轨迹地图中获得所有路段中的轨迹样本，针对每一个轨迹样本中的每一个速度样本，计算该速度样本中两个连续轨迹点TP_i-1和TP_i之间的实时速度，计算公式为：

其中，T为两个连续轨迹点v_i-1和v_i的记录时间间隔，L代表车辆在路段上两个连续轨迹点TP_i-1和TP_i之间的真实行车距离，计算公式为：

其中，dist(,)表示计算两个点的经纬度坐标之间的直线距离；A.GPS表示点A的经纬度坐标；轨迹点TP_i-1和TP_i之间的所有分割点为<sp_s,sp₂,......,sp_e>；

表示路段属于非弯曲路段，R∈R_bend表示路段属于弯曲路段。

8.如权利要求1所述的基于浮动车数据的弯曲路段实时速度计算方法，其特征在于，所述的浮动车为出租车。

9.一种基于浮动车数据的弯曲路段实时速度计算装置，其特征在于，包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现如权利要求1～8任一项所述的基于浮动车数据的弯曲路段实时速度计算方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1～8任一项所述的基于浮动车数据的弯曲路段实时速度计算方法。

Images