CN113706875B - 一种道路功能研判方法 - Google Patents

一种道路功能研判方法 Download PDF

Info

Publication number
CN113706875B
CN113706875B CN202111267216.0A CN202111267216A CN113706875B CN 113706875 B CN113706875 B CN 113706875B CN 202111267216 A CN202111267216 A CN 202111267216A CN 113706875 B CN113706875 B CN 113706875B
Authority
CN
China
Prior art keywords
vehicle
road
track
bayonet
satellite positioning
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
Application number
CN202111267216.0A
Other languages
English (en)
Other versions
CN113706875A (zh
Inventor
林涛
潘嘉杰
罗钧韶
唐先马
柯尼
梁嘉贤
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.)
Shanghai Shenyan Urban Transportation Co ltd
Shenzhen Urban Transport Planning Center Co Ltd
Original Assignee
Shanghai Shenyan Urban Transportation Co ltd
Shenzhen Urban Transport Planning Center Co Ltd
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 Shanghai Shenyan Urban Transportation Co ltd, Shenzhen Urban Transport Planning Center Co Ltd filed Critical Shanghai Shenyan Urban Transportation Co ltd
Priority to CN202111267216.0A priority Critical patent/CN113706875B/zh
Publication of CN113706875A publication Critical patent/CN113706875A/zh
Application granted granted Critical
Publication of CN113706875B publication Critical patent/CN113706875B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种道路功能研判方法，该方法包括步骤：获取卡口车辆数据和浮动车数据，所述卡口车辆数据包括由道路卡口获得的卡口车辆识别标记，所述浮动车数据包括卫星定位坐标；根据所述卡口车辆数据生成卡口车辆轨迹；根据所述浮动车数据生成浮动车的卫星定位轨迹；将所述卫星定位轨迹与城市路网进行匹配，生成浮动车轨迹；根据所述卡口车辆轨迹和所述浮动车轨迹构建多源车辆轨迹数据库；根据所述多源车辆轨迹数据库进行道路功能研判。本发明的有益效果：能够更加全面精确地进行道路功能研判分析。

Description

一种道路功能研判方法
技术领域
本发明涉及交通出行分析技术领域，具体而言，涉及一种道路功能研判方法。
背景技术
道路交通改善是城市交通拥堵治理的重要内容，道路交通改善策略则是以道路功能为依据，需对道路功能进行研判分析。道路功能的研判是指行驶在道路上车辆与道路的关系研判，需要对经过目标路段的车辆行驶轨迹进行交通溯源。道路功能研判能帮助交通规划人员掌握道路上行驶车辆的来源与去向、出行距离等情况，分析道路规划设计与实际功能使用是否匹配，以辅助城市道路升级和改造规划。
道路功能研判的关键是进行车辆轨迹的溯源分析，传统的车辆溯源主要依靠人工问卷调查，但问卷调查范围有限，数据容量低，且调查过程需要大量的人力和时间，无法有效支撑整个城市任意道路的功能研判。另外通过建立宏观交通模型能够实现道路交通溯源分析，但交通模型通常需要结合居民出行调查数据进行，居民出行调查周期长、成本大，不适合频繁地进行，而宏观交通模型的精度也有待提高。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题，为达上述目的，本发明提供了一种道路功能研判方法，包括步骤：
获取卡口车辆数据和浮动车数据，其中，所述卡口车辆数据包括由道路卡口获得的卡口车辆识别标记，所述浮动车数据包括卫星定位坐标；
根据所述卡口车辆数据生成卡口车辆轨迹，根据所述浮动车数据生成浮动车的卫星定位轨迹；
将所述卫星定位轨迹与城市路网进行匹配，生成浮动车轨迹；
根据所述卡口车辆轨迹和所述浮动车轨迹构建多源车辆轨迹数据库；
根据所述多源车辆轨迹数据库进行道路功能研判。
进一步地，所述卡口车辆识别标记包括卡口车辆车牌，所述根据所述卡口车辆数据生成卡口车辆轨迹包括：
根据所述卡口车辆车牌确定卡口车辆的起终点轨迹，其中，所述卡口车辆的起终点轨迹包括卡口车辆依次途径的卡口分布轨迹；
根据所述卡口车辆的起终点轨迹和最短路径算法生成所述卡口车辆在所述城市路网中的所述卡口车辆轨迹。
进一步地，所述将所述卫星定位轨迹与城市路网进行匹配，生成浮动车轨迹包括：
获取所述卫星定位轨迹的各个卫星定位坐标与所述城市路网中的路段的匹配度；
针对每个所述卫星定位坐标，确定多个所述路段中匹配度最大的路段为所述卫星定位坐标的最优匹配路段；
将多个所述最优匹配路段依次连接得到所述浮动车轨迹。
进一步地，所述获取所述卫星定位轨迹的各个卫星定位坐标与所述城市路网中的路段的匹配度包括：
针对每个所述卫星定位坐标，构建匹配路段集，其中，所述匹配路段集包括所述城市路网中的多个路段；
确定所述卫星定位坐标与所述匹配路段集中各个所述路段的最短距离和垂点；
获取与所述卫星定位坐标在时间上相邻的卫星定位坐标；
确定所述卫星定位坐标与所述相邻的卫星定位坐标的行驶方向角；
根据所述最短距离、所述行驶方向角和所述路段相对于所述垂点的路段方向角确定所述匹配度。
进一步地，根据第一公式确定所述匹配度，所述第一公式包括：
Figure 100002_DEST_PATH_IMAGE001
；
其中，
Figure 581664DEST_PATH_IMAGE002
表示所述最短距离，
Figure 100002_DEST_PATH_IMAGE003
和
Figure 758697DEST_PATH_IMAGE004
表示所述行驶方向角，
Figure 100002_DEST_PATH_IMAGE005
和
Figure 215086DEST_PATH_IMAGE006
表示所述路段方向角，
Figure 100002_DEST_PATH_IMAGE007
表示预设路段距离权重，
Figure 970552DEST_PATH_IMAGE008
表示匹配度。
进一步地，所述构建匹配路段集包括：
将所述城市路网所处的地图分割为多个网格单元；
构建路段匹配缓冲区，其中，所述路段匹配缓冲区包括所述卫星定位坐标所处的网格单元和与所述卫星定位坐标所处的网格单元相邻的网格单元；
根据所述匹配缓冲区构建匹配路段集，所述匹配路段集包括所述匹配缓冲区中的各个路段。
进一步地，所述浮动车包括营运车辆；所述根据所述浮动车数据生成浮动车的卫星定位轨迹包括：
根据所述卫星定位坐标和所述卫星定位坐标对应的的定位时间确定所述营运车辆的出行链；
根据所述出行链以及所述营运车辆的营运情况生成所述营运车辆的起终点轨迹，其中，所述营运车辆的起终点轨迹表示所述营运车辆每次运营的所述卫星定位轨迹。
进一步地，道路功能研判方法还包括：
筛除所述卡口车辆轨迹中的异常数据，其中，所述异常数据包括标记为不可靠出行的所述卡口车辆轨迹；和/或
将标记为所述不可靠出行的所述卡口车辆轨迹用于道路功能研判；
其中，当判定所述卡口车辆的起终点轨迹的起点或终点对应的卡口不属于停车点卡口时，标记所述卡口车辆的起终点轨迹为不可靠出行，根据标记为所述不可靠出行的所述卡口车辆的起终点轨迹生成的所述卡口车辆轨迹同样被标记为不可靠出行。
进一步地，所述根据所述卡口车辆数据生成卡口车辆轨迹还包括：
针对标记为所述不可靠出行的所述卡口车辆的起终点轨迹，判断所述卡口车辆的起终点轨迹中相邻卡口的通行时间是否超过预设时间阈值；
若是，则将所述相邻卡口的轨迹从所述卡口车辆的起终点轨迹中进行轨迹切分；
根据切分后的所述卡口车辆的起终点轨迹生成标记为所述不可靠出行的所述卡口车辆轨迹。
进一步地，根据所述多源车辆轨迹数据库进行道路功能研判包括：
获取需要研判的研判道路；
根据所述多源车辆轨迹数据库获得所述研判道路的研判道路车辆轨迹；
根据所述研判道路车辆轨迹的起终点定位信息确定交通片区的起终点交通量；和/或
根据所述研判道路车辆轨迹确定所述研判道路的交通流量分布，所述交通流量分布包括各个所述研判道路的交通流量百分比分布；和/或
根据所述研判道路车辆轨迹确定车辆出行距离，根据所述车辆出行距离确定出行距离分布情况。
本发明中的道路功能研判方法，基于卡口车辆轨迹和浮动车轨迹构建多源车辆轨迹数据库，其中，在城市路网中，视频卡口设备布置得相对充足，由此获得的车辆数据相对较为全面，覆盖范围较广，且对不同类型的车辆均能够进行识别，浮动车轨迹包括卫星定位坐标，卫星定位具有覆盖范围广，定位精度高的特点，根据浮动车数据生成浮动车轨迹时，能够使得轨迹的生成更加容易和精确，更完整地体现浮动车的活动范围。由此，通过结合卡口车辆轨迹和浮动车轨迹能够更加全面地构建城市路网中的多源车辆轨迹数据库，进而，将多源车辆轨迹数据库用于道路功能研判，如进行关于片区的起终点溯源分布分析、对路段流量溯源分布分析等，通过对城市路网进行更加全面、精确的分析，以便于进行更加合理的道路规划设计以及对道路功能进行改善。
附图说明
图1为本发明实施例中的道路功能研判方法的流程图；
图2为本发明实施例中的旅行时间分布图；
图3为本发明实施例中将城市路网划分为网格的示意图；
图4为本发明实施例中对研判道路进行研判分析流程图；
图5为本发明实施例中中国广东省深圳市的片区级OD溯源分布示意图；
图6为本发明实施例中路段级流量溯源分布示意图；
图7为本发明实施例中研判道路的车辆出行距离分布示意图；
图8为本发明实施例中的道路功能研判系统中模块的功能示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，参考术语“实施例”、“一个实施例”和“一个实施方式”等的描述意指结合该实施例或实施方式描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示实施方式中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实施方式。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或实施方式以合适的方式结合。
参照图1所示，本发明实施例提出了一种道路功能研判方法，包括步骤：
S1、获取卡口车辆数据和浮动车数据，其中，所述卡口车辆数据包括由道路卡口获得的卡口车辆识别标记，所述浮动车数据包括卫星定位坐标；
S2、根据所述卡口车辆数据生成卡口车辆轨迹，根据所述浮动车数据生成浮动车的卫星定位轨迹；
S3、将所述卫星定位轨迹与城市路网进行匹配，生成浮动车轨迹；
S4、根据所述卡口车辆轨迹和所述浮动车轨迹构建多源车辆轨迹数据库；
S5、根据所述多源车辆轨迹数据库进行道路功能研判。
本发明实施例中的道路功能研判方法基于道路视频卡口设备和卫星定位设备（GPS、北斗卫星定位等），对车辆数据进行获取，具体地，基于道路视频卡口获取卡口车辆数据，以及基于卫星定位系统或取浮动车数据中的卫星定位坐标，由于卡口车辆数据包括卡口车辆识别标记，如卡口车辆车牌等，由此，对应于同一车牌的卡口车辆，即可以通过道路卡口的识别而得到卡口车辆轨迹。对于浮动车的轨迹识别，可通过浮动车数据中的卫星定位坐标生成浮动车的卫星定位轨迹，可以理解，对于同一浮动车，所述卫星定位轨迹可根据卫星定位时刻依次排序的卫星定位坐标生成，进而基于卫星定位轨迹，与城市路网进行匹配，而生成浮动车轨迹。
本实施例中，基于卡口车辆轨迹和浮动车轨迹构建多源车辆轨迹数据库，其中，在城市路网中，视频卡口设备布置得相对充足，由此获得的车辆数据相对较为全面，覆盖范围较广，且对不同类型的车辆均能够进行识别，卫星定位具有覆盖范围广，定位精度高的特点，由此本实施例中获取的浮动车数据在进行浮动车轨迹生成时，能够使得轨迹的生成更加容易和精确，更完整地体现浮动车的活动范围。由此，结合卡口车辆轨迹和浮动车轨迹能够更加全面地构建城市路网中的多源车辆轨迹数据库，进而，将多源车辆轨迹数据库用于道路功能研判，如进行关于片区的起终点溯源分布分析、对路段流量溯源分布分析等，通过对城市路网进行更加全面、精确的分析，以便于进行更加合理的道路规划设计以及对道路功能进行改善。
可以理解，对于通过卡口获取的卡口车辆数据，除可包括卡口车辆车牌外，对于同一车牌的卡口车辆，各个卡口获得的卡口车辆数据，还可包括获取该卡口车辆车牌的卡口检测器标识符，对应城市路网中，不同的卡口对应有不同的检测器标识符，以及卡口识别到卡口车辆车牌时的检测时间，相对应地，还可包括车辆速度、车辆类型，该卡口检测器所处的车道等，由此对卡口车辆数据进行进一步地完善，在城市路网中，当每个卡口获得卡口车辆车牌时，均能够进一步得到具有上述数据的卡口车辆数据，以使得在基于卡口车辆数据生成卡口车辆轨迹时，能够更加方便，且更加精确，以及能够对识别得到卡口车辆轨迹的卡口车辆进行标记。
对于基于卫星定位得到的浮动车轨迹，可以理解，需要在浮动车上对应设置有卫星定位装置，在本发明的一个可选的实施例中，浮动车包括营运车辆，其上设置有卫星定位装置，在获取其卫星定位坐标时，还可对应获取浮动车识别标记，以及对于同一浮动车，体现其具体运动状态的数据信息，即浮动车数据还可包括浮动车车牌、卫星定位坐标的定位时刻、速度、海拔高度、行驶方向、营运车辆营运情况等，由此对浮动车数据进行进一步地完善，以使得浮动车轨迹的生成更加精确。
在一可选的实施例中，卡口车辆数据和浮动车数据所包括的具体数据部分和数据类型可如表1和表2中所示。
表1：卡口数据标准格式表
数据元名称 数据元类型 定义
检测器标识符 字符型 检测器的惟一标识
车牌号码 字符型 检测车辆的车牌号码
流水时间 时间戳 检测数据的检测时间
车道代码 字符型 检测器的车道编码
检测车辆速度 整型 车辆驶过道路检测断面的瞬时速度
表2：浮动车数据标准格式表
数据元名称 数据元类型 定义
车牌号码 字符型 车牌号码，唯一标识
定位时刻 时间戳 卫星定位对应时刻
经度 浮点型 经度
纬度 浮点型 纬度
高度 浮点型 海拔高度
速度 浮点型 速度
行驶方向 整型 行驶方向，与正北方向的顺时针夹角
车辆类型 整型 出租车、网约车、货运车、客运车、危险品运输车等车辆类型
载客状态 整型 出租车、网约车字段，包括空载、重载、接单、停运状态
车辆位置类型 字符型 网约车字段、包括经营上线、经营下线、乘客上车、乘客下车、订单派单类型
订单编号 字符型 网约车字段，订单的唯一编号
对于上述的浮动车数据和卡口车辆数据，可以进行数据标准化清洗，对格式错误、日期错误、卫星定位坐标（经纬度）错误以及空值等无效或不一致的数据进行处理，并且以预设的标准化输入格式对卡口车辆数据和卫星定位坐标进行转换，标准化后的数据格式即为上述表1和表2中所示的数据格式，以此便于得到更加精确的多源车轨迹和卡口车辆轨迹，减少干扰项。
在一可选的实施例中，浮动车数据也可包括基于电子标签设施采集的车辆数据，如基于RFID获得的车辆数据，进而浮动车数据进行进一步地完善，使得浮动车轨迹更加完整。
在本发明的一个可选的实施例中，所述卡口车辆识别标记包括卡口车辆车牌，所述根据所述卡口车辆数据生成卡口车辆轨迹包括：
根据所述卡口车辆车牌确定卡口车辆的起终点轨迹，其中，所述卡口车辆的起终点轨迹包括卡口车辆依次途径的卡口的卡口分布轨迹；
根据所述卡口车辆的起终点轨迹和最短路径算法生成所述卡口车辆在所述城市路网中的所述卡口车辆轨迹。
在本实施例中，在生成卡口车辆轨迹时，根据卡口车辆数据的卡口车辆车牌确定卡口车辆的起终点轨迹（OD轨迹，O即ORIGIN，指出行的出发地点，D即DESTINATION，指出行的目的地），在道路功能研判中，车辆具有起点和终点的出行可以视为车辆的一次出行，具有较高的研判价值，因此本实施例中，通过卡口车辆数据确定起终点轨迹用于生成卡口车辆轨迹，进而用于构建多源车辆轨迹数据库，以便于进行精确合理的道路功能研判分析，对于城市路网中各个卡口，按卡口检测同一卡口车辆的的检测时间，进行排序，即能够得到每辆卡口车辆的全天的出行链，其中，可按照时间的排序，按第一个卡口为起点卡口，最后一个卡口为终点卡口，从而确定卡口车辆的起终点轨迹，而为了更准确地确定卡口车辆的起终点轨迹，而得到可靠的起终点轨迹，可按照卡口车辆在出行中“停车场出、停车场进”的规律，提取卡口车辆每次出行的起终点轨迹，也即所述卡口车辆的起终点轨迹的起点和终点均为停车场卡口。相关实施例中，若以出行链中第一个卡口和最后一个卡口作为起终点所生成的卡口车辆的起终点轨迹中的其中一个卡口不为停车场卡口时，对于该卡口车辆的起终点轨迹，以及根据该卡口车辆的起终点轨迹生成的卡口车辆轨迹，可以标记为不可靠出行，而在构建多远车车辆轨迹数据库时，仅采用可靠的起终点轨迹而将标记为不可靠出行的起终点轨迹筛除，以此避免在进行道路功能研判时受到干扰。
可以理解，对于通过卡口获取的卡口车辆的起终点轨迹，该起终点轨迹表示的是卡口车辆依次途径的卡口分布轨迹，其只具有途径卡口信息，轨迹中所经过的道路需要对每两个相邻的卡口之间的道路行驶轨迹进行推算，由此，本实施例中，在根据卡口车辆的起终点轨迹所生成卡口车辆轨迹时，对每两个相邻的卡口，通过最短路径算法，确定两卡口之间的最短行驶轨迹，进而对于所有卡口，各个最短行驶轨迹相连即得到卡口车辆轨迹。具体地，对应于城市路网，先按照卡口经纬度坐标，将卡口与城市路网进行关联匹配，得到每个卡口所在的道路与对应的检测方向，通过最短路算法计算每两个卡口之间的最短行驶轨迹，输出车辆的道路行驶轨迹（卡口车辆轨迹）。可以理解，在操控车辆时，驾驶员会优先以路程最少的路径进行驾驶，因此，本实施例中采用最短路径算法得到的最短路径，进而得到的卡口车辆轨迹已能够较为合理的体现实际交通情况，进而便于进行道路功能研判分析。
在一可选的实施例中，在生成卡口车辆轨迹时，对于各个卡口车辆，可按卡口车辆车牌编号进行分组，进而通过分组处理得到不同分组的卡口车辆轨迹，以此便于进行多源车辆数据库的构建和道路功能研判分析。
在本发明的一个可选的实施例中，道路功能研判方法还包括：
筛除所述卡口车辆轨迹中的异常数据，所述异常数据包括标记为不可靠出行的所述卡口车辆轨迹；和/或
将标记为所述可靠出行的所述卡口车辆轨迹用于道路功能研判；
其中，当判定所述卡口车辆的起终点轨迹的起点或终点对应的卡口不属于停车点卡口时，标记所述卡口车辆的起终点轨迹为不可靠出行，根据标记为所述不可靠出行的所述卡口车辆的起终点轨迹生成的所述卡口车辆轨迹同样被标记为不可靠出行。
在上述实施例中，根据卡口车辆数据生成的卡口车辆的起终点轨迹，进而生成的卡口车辆轨迹中，可能存在部分轨迹的起点和终点不属于根据停车场卡口确定的起点或终点，由此，卡口车辆的起终点轨迹被标记为不可靠出行，根据卡口车辆的起终点轨迹同样被标记为不可靠出行，因此对于这些标记为不可靠出行的卡口车辆轨迹，可以视为异常数据，而在进行多源车辆数据库构建时进行筛除，以此在通过多源车辆数据库对道路功能进行研判时，能够减少干扰，特别是利用出行的起终点进行的道路功能研判中，能够使得研判更加精确。在相关实施例中，对于标记为不可靠出行的卡口车辆轨迹，结合可靠出行的卡口车辆轨迹数据，亦可以用于道路交通流量的研判分析，如判断道路断面的分类型车辆流量和分担比例等，由此，本发明可对不可靠的出行轨迹进行处理后用于更好地进行道路交通流量研判分析。
在本发明的一个可选的实施例中，所述根据所述卡口车辆数据生成卡口车辆轨迹还包括：
针对标记为所述不可靠出行的所述卡口车辆的起终点轨迹，判断所述卡口车辆的起终点轨迹中相邻卡口的通行时间是否超过预设时间阈值；
若是，则将所述相邻卡口的轨迹从所述卡口车辆的起终点轨迹中进行轨迹切分；
根据切分后的所述卡口车辆的起终点轨迹生成标记为所述不可靠出行的所述卡口车辆轨迹。
本实施例中，在需要通过不可靠出行的卡口车辆轨迹进行道路功能研判时，可以对的卡口车辆的起终点轨迹进行处理，而得到相对符合需求的卡口车辆轨迹，以用于研判分析，其中，对于标记为不可靠出行的卡口车辆的起终点轨迹，若相邻卡口之间的通行时间超过了预设时间阈值，则将相邻卡口的轨迹从整个卡口车辆的起终点轨迹中切分，而最终得到切分后的卡口车辆的起终点轨迹，进而生成上述标记为不可靠出行的所述卡口车辆轨迹，以用于道路功能研判。
其中，所述预设时间阈值的生成方法可以包括：
根据所述相邻卡口的历史通行数据确定所述相邻卡口的实际通行时间；
根据所述实际通行时间构建时间分布关系；
根据所述时间分布关系确定所述预设时间阈值。
具体地，在一实施例中，利用历史卡口检测数据计算所有卡口对的实际旅行时间，构建旅行时间分布图，取历史旅行的80%分位点的旅行时间为卡口对的合理旅行时间，参照图2，即时间分布图中80%分位点对应的旅行时间值为所述预设时间阈值，大于80%分位点旅行时间值认为车辆在卡口间发生停留行为，由此进行车辆轨迹的切分处理。
在卡口车辆轨迹和多源车轨迹中，均可能包括各项异常数据，因此在构建多源车辆轨迹数据库时，均可将这些异常数据进行筛除，异常数据库可以包括各类车辆出行距离极大值、出行距离极小值、速度异常值等。
在本发明的一个可选的实施例中，所述将所述卫星定位轨迹与城市路网进行匹配，生成浮动车轨迹包括：
获取所述卫星定位轨迹的各个卫星定位坐标与所述城市路网中的路段的匹配度；
针对每个所述卫星定位坐标，确定多个所述路段中匹配度最大的路段为所述卫星定位坐标的最优匹配路段；
将多个所述最优匹配路段依次连接得到所述浮动车轨迹。
由于根据卫星定位坐标生成的卫星定位轨迹可能与城市路网存在区别，因此，需要将卫星定位轨迹与城市路网进行匹配，而得到基于城市路网的浮动车轨迹。在本实施例中，卫星定位轨迹根据由多个卫星定位坐标依照定位时间的排序而生成，以此根据卫星定位坐标与城市路网中的路段的匹配度将卫星定位轨迹与城市路网进行匹配。
其中，每个卫星定位坐标，其在城市路网中可能存在可以匹配的多个路段，其针对每个路段均可以基于一匹配度的计算规则得到一匹配度，如基于卫星定位坐标与路段的距离、方向角构建的匹配度计算规则等，可以理解，当与路段的距离小，匹配度可能越大，实际浮动车轨迹中，车辆偏向于以该路段进行行驶，因此，对于每个卫星定位坐标，确定匹配度最大的路段为该卫星定位坐标的最优匹配路段，而多个最优匹配路段依次连接即得到所述浮动车轨迹，其中，在某些情况下，两个相邻的卫星定位坐标确定的最优匹配路段存在间隔，对于这些最优匹配路段，可以通过最短路径规划算法确定其之间的路段，进而将两个最优匹配路段连接。
在本发明的一个可选的实施例中，所述获取所述卫星定位轨迹的各个卫星定位坐标与所述城市路网中的路段的匹配度包括：
针对每个所述卫星定位坐标，构建匹配路段集，其中，所述匹配路段集包括所述城市路网中的多个路段；
确定所述卫星定位坐标与所述匹配路段集中各个所述路段的最短距离和垂点；
获取与所述卫星定位坐标在时间上相邻的卫星定位坐标；
确定所述卫星定位坐标与所述相邻的卫星定位坐标的行驶方向角；
根据所述最短距离、所述行驶方向角和所述路段相对于所述垂点的路段方向角确定所述匹配度。
在本实施例中，匹配度的计算规则基于卫星定位坐标与路段的最短距离、卫星定位坐标与相邻的卫星定位坐标的行驶方向角和路段相对于垂点的起始点方向建立，其中垂点即卫星定位坐标朝路段作垂线形成的交点。对于一个卫星定位坐标（GPS点）b，其在匹配路段集中的候选匹配路段ij,匹配度为
Figure 297629DEST_PATH_IMAGE008
，I ij 由卫星定位坐标与候选匹配路段的最短距离d ij b 和夹角δ大小决定，夹角δ由卫星定位坐标的行驶方向角和路段方向角计算得到，以此通过方向角和距离构建路段与卫星定位坐标的关系，以合理确定匹配度，最终得到合理的匹配路段，以使得浮动车轨迹的生成更加合理准确。
其中，具体地，根据第一公式确定所述匹配度，所述第一公式包括：
Figure 598291DEST_PATH_IMAGE001
；
其中，
Figure 276397DEST_PATH_IMAGE002
表示所述最短距离，
Figure 304396DEST_PATH_IMAGE003
和
Figure 751558DEST_PATH_IMAGE004
表示所述行驶方向角，
Figure 206810DEST_PATH_IMAGE005
和
Figure 372212DEST_PATH_IMAGE006
表示所述路段方向角，
Figure 203902DEST_PATH_IMAGE007
表示预设路段距离权重，
Figure 771149DEST_PATH_IMAGE008
表示匹配度。
针对于每个卫星定位坐标b，基于匹配路段集S，可以计算卫星定位坐标b与路段集S中路段ij的最短距离d ij b 和垂点a ij b 。
针对于每个卫星定位坐标b和路段垂点a ij b ，计算点i→a方向角α ij 和点a→j方向角β ij 即能够得到两个路段方向角。
针对于每个卫星定位坐标b取相邻的卫星定位坐标，分别为前点c和后点d，计算点c→b的方向角α和点b→d的方向角β，以此得到行驶方向角，如不存在前点或后点，则只需计算一边的方向角。
基于上述确定的各项参数，基于第一公式，即能够得到各个路段的匹配度
Figure 397303DEST_PATH_IMAGE008
。本实施例中预设路段距离权重可采用0.8，对应的方向角的权重即1-0.8，即0.2。卫星定位坐标与候选匹配的路段的距离是影响匹配度指标大小的关键。由于定位误差等原因在城市交叉口和高架路容易造成匹配错误，因此需要判断匹配路段与前路段的路径连续性和行驶距离合理性，计算路段与前路段的连通性和行驶距离，剔除非连通路段十分必要。本实施例中，综合考虑匹配度和路径距离选择最优匹配路段，进而能够更加合理地确定多源车轨迹。
在本发明的一个可选的实施例中，所述构建匹配路段集包括：
将所述城市路网所处的地图分割为多个网格单元；
构建路段匹配缓冲区，其中，所述路段匹配缓冲区包括所述卫星定位坐标所处的网格单元和与所述卫星定位坐标所处的网格单元相邻的网格单元；
根据所述匹配缓冲区构建匹配路段集，所述匹配路段集包括所述匹配缓冲区中的各个路段。
本实施例中，通过构件路段匹配缓冲区，进而提取路段匹配缓冲区中的路段以进行匹配路段集的构建，其中具体地，对于城市路网，将其所处的地图分割为多个网格单元，对应地，可以确定卫星定位轨迹的卫星定位坐标，如GPS点所处的网格单元，由此将该网格单元与相邻的多个网格单元构建为缓冲区，参照图3，本发明设置所处网格单元及周边网格单元，即一共9个网格单元作为缓冲区并用于匹配路段的选择。由此通过路段匹配缓冲区的构建，能够便于在确定卫星定位坐标时，生成匹配路段集，以用于准确合理的进行路段匹配。以此能够快捷地生成多源车轨迹。
在本发明的一个可选的实施例中，所述浮动车包括营运车辆；所述根据所述浮动车数据生成浮动车的卫星定位轨迹包括：
根据所述卫星定位坐标和所述卫星定位坐标对应的定位时间确定所述营运车辆的出行链；
根据所述出行链以及所述营运车辆的营运情况生成所述营运车辆的起终点轨迹，其中，所述营运车辆的起终点轨迹表示所述营运车辆每次运营的所述卫星定位轨迹。
本实施例中，浮动车包括营运车辆，如出租车、网约车、两客一危或货运车等，对于营运车辆，其活动范围较大，且出行链较为复杂，往往具有往返等轨迹，因此对于营运车辆，得到的卫星定位轨迹为每一次运营的卫星定位轨迹，以此便于进行道路功能研判分析，其中，基于卫星定位坐标和各个卫星定位坐标对应的定位时间确定的出行链为营运车辆的全天出行链，而对于营运车，通常可以在获取卫星定位坐标时同时获取其它类型的浮动车数据，如上述的营运情况，例如营运情况中的载客状态、车辆位置类型、网约车的订单数据等，由此可基于得到的全天出行链，以及营运车辆的营运情况对出行链进行分割，而得到具有每次运营起终点的起终点轨迹，以此便于进行道路研判分析。
其中，具体地，对于出租车，其获取起终点轨迹的过程可包括：
筛选剔除停运和非营运状态下的数据；
按车辆车牌进行分组，并对组内数据按卫星定位时刻进行排序，得到每辆出租车的全天出行链；
对于每辆出租车的全天出行链，识别其营运情况中载客状态变化的位置点，其中，载客状态变化即空载转重载、重载转空载变化；
根据载客状态变化的位置点，切分出行链，输出出租车载客营运的起终点轨迹。
对于网约车，其获取起终点轨迹的过程可包括：
按网约车订单编号进行分组，并对组内数据按卫星定位时刻进行排序，得到每辆网约车每次订单的出行链；
对网约车订单的出行链，识别其营运情况中派单位置、乘客上车位置和乘客下车位置，其中乘客上车位置即为出行起点，乘客下车位置即为出行终点，输出网约车的各个订单的起终点轨迹。
对于两客一危、货运车等，其获取起终点轨迹的过程可包括：
按车辆车牌编号进行分组，并对组内数据按卫星定位时刻进行排序，得到每辆车的全天出行链；
对一辆车的全天出行链，识别其全天的多个停留点集合。对于每个停留点集合，符合以下三个条件：1）停留点集合内每个停留点的行驶速度低于5km/h；2）停留点集合内停留点是时间连续的GPS轨迹点；3）停留点集合的停留总时长大于30分钟；
根据车辆停留点集合，切分全天出行链，两个停留点集合间的卫星定位轨迹即为一次出行，输出车辆起终点轨迹。
其中，对于卫星定位坐标，可筛选剔除其中的漂移数据，以使得轨迹确定更加精确。
在本发明的一个可选的实施例中，根据所述多源车辆轨迹数据库进行道路功能研判包括：
获取需要研判的研判道路；
根据所述多源车辆轨迹数据库获得所述研判道路的研判道路车辆轨迹；
根据所述研判道路车辆轨迹的起终点定位信息确定交通片区的起终点交通量；和/或
根据所述研判道路车辆轨迹确定所述研判道路的交通流量分布，所述交通流量分布包括各个所述研判道路的交通流量百分比分布；和/或
根据所述研判道路车辆轨迹确定车辆出行距离，根据所述车辆出行距离确定出行距离分布情况。
参照图4所示，在本实施例中，在根据多源车辆轨迹数据库进行道路功能研判时，可进行道路的交通溯源和服务功能等研判。
其中，道路的交通溯源可包括确定片区级OD溯源分布，具体地，根据所述研判道路车辆轨迹的起终点定位信息，如起终点经纬度确定交通片区的起终点交通量。参照图5所示，本实施例中在片区级OD溯源分布分析时，根据研判道路车辆轨迹的起终点定位信息，与片区进行匹配关联，得到车辆出发和到达片区。进一步集计研判道路的片区出行OD交通量，用于从空间上分析道路流量的来源和去向。片区级OD溯源分布可包括行政区级、街道级和交通小区级，分析车辆对象可包括小汽车、客运和货运等。
道路的交通溯源还可包括确定路段级流量溯源分布，具体地，根据所述研判道路车辆轨迹确定所述研判道路的交通流量分布，所述交通流量分布包括各个所述研判道路的交通流量百分比分布。参照图6所示，本实施例中在路段级流量溯源分布分析时，根据研判道路车辆轨迹中车辆途径路段信息分别集计路段的交通流量值，得到交通流量分布，用于分析道路中各个断面的交通转换情况，分析车辆对象可包括小汽车、客运和货运等。
道路的服务功能分析可包括出行距离分析，具体地，根据所述研判道路车辆轨迹确定车辆出行距离，根据所述车辆出行距离确定出行距离分布情况。参照图7所示，本实施例中在出行距离分析时，根据研判道路车辆轨迹计算其出行距离并生成出行距离分布曲线，分析短距离、中距离和长距离出行比例，进一步计算道路服务车辆的平均出行距离，研判城市道路设计等级与实际服务功能是否匹配。出行距离分析可还包括平均出行距离分析等。
在相关实施例中道路的服务功能分析可还包括交通比例，需结合上述可靠出行和不可靠出行的卡口车辆轨迹数据，如客货运交通比例、过境/对外/内部交通比例分析等，以分析道路的交通需求构成和承担功能。
本发明另一实施例中的一种道路功能研判系统，参照图8所示，包括车辆轨迹处理模块和道路功能研判分析模块，车辆轨迹处理模块用于对卡口车辆数据和浮动车数据进行处理生成卡口车辆轨迹和浮动车轨迹，进而构建多源车辆轨迹数据库；车辆轨迹处理模块用于根据所述多源车辆轨迹数据库进行道路功能研判。
在一可选的实施例中，还包括数据预处理模块，以对卡口车辆数据和浮动车数据进行标准化清理。
本发明所述的道路功能研判系统与上述的道路功能研判方法的有益效果相近似，在此不再进行赘述。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (8)

1.一种道路功能研判方法，其特征在于，包括：
获取卡口车辆数据和浮动车数据，其中，所述卡口车辆数据包括由道路卡口获得的卡口车辆识别标记，所述浮动车数据包括卫星定位坐标；
根据所述卡口车辆数据生成卡口车辆轨迹，根据所述浮动车数据生成浮动车的卫星定位轨迹；
将所述卫星定位轨迹与城市路网进行匹配，生成浮动车轨迹；
根据所述卡口车辆轨迹和所述浮动车轨迹构建多源车辆轨迹数据库；
根据所述多源车辆轨迹数据库进行道路功能研判；
还包括：筛除所述卡口车辆轨迹中的异常数据，其中，所述异常数据包括标记为不可靠出行的所述卡口车辆轨迹；和/或
将标记为所述不可靠出行的所述卡口车辆轨迹用于道路功能研判；
其中，当判定卡口车辆的起终点轨迹的起点或终点对应的卡口不属于停车点卡口时，标记所述卡口车辆的起终点轨迹为不可靠出行，根据标记为所述不可靠出行的所述卡口车辆的起终点轨迹生成的所述卡口车辆轨迹同样被标记为不可靠出行；所述卡口车辆的起终点轨迹包括所述卡口车辆依次途径的卡口分布轨迹；
所述根据所述卡口车辆数据生成卡口车辆轨迹包括：
针对标记为所述不可靠出行的所述卡口车辆的起终点轨迹，判断所述卡口车辆的起终点轨迹中相邻卡口的通行时间是否超过预设时间阈值；
若是，则将所述相邻卡口的轨迹从所述卡口车辆的起终点轨迹中进行轨迹切分；
根据切分后的所述卡口车辆的起终点轨迹生成标记为所述不可靠出行的所述卡口车辆轨迹。
2.根据权利要求1所述的道路功能研判方法，其特征在于，所述卡口车辆识别标记包括卡口车辆车牌；所述根据所述卡口车辆数据生成卡口车辆轨迹包括：
根据所述卡口车辆车牌确定卡口车辆的起终点轨迹；
根据所述卡口车辆的起终点轨迹和最短路径算法生成所述卡口车辆在所述城市路网中的所述卡口车辆轨迹。
3.根据权利要求1所述的道路功能研判方法，其特征在于，所述将所述卫星定位轨迹与城市路网进行匹配，生成浮动车轨迹包括：
获取所述卫星定位轨迹的各个卫星定位坐标与所述城市路网中的路段的匹配度；
针对每个所述卫星定位坐标，确定多个所述路段中匹配度最大的路段为所述卫星定位坐标的最优匹配路段；
将多个所述最优匹配路段依次连接得到所述浮动车轨迹。
4.根据权利要求3所述的道路功能研判方法，其特征在于，所述获取所述卫星定位轨迹的各个卫星定位坐标与所述城市路网中的路段的匹配度包括：
针对每个所述卫星定位坐标，构建匹配路段集，其中，所述匹配路段集包括所述城市路网中的多个路段；
确定所述卫星定位坐标与所述匹配路段集中各个所述路段的最短距离和垂点；
获取与所述卫星定位坐标在时间上相邻的卫星定位坐标；
确定所述卫星定位坐标与所述相邻的卫星定位坐标的行驶方向角；
根据所述最短距离、所述行驶方向角和所述路段相对于所述垂点的路段方向角确定所述匹配度。
5.根据权利要求4所述的道路功能研判方法，其特征在于，根据第一公式确定所述匹配度，所述第一公式包括：
Figure DEST_PATH_IMAGE001
；
其中，
Figure 109249DEST_PATH_IMAGE002
表示所述最短距离，
Figure DEST_PATH_IMAGE003
和
Figure 557548DEST_PATH_IMAGE004
表示所述行驶方向角，
Figure DEST_PATH_IMAGE005
和
Figure 619176DEST_PATH_IMAGE006
表示所述路段方向角，
Figure DEST_PATH_IMAGE007
表示预设路段距离权重，
Figure 545544DEST_PATH_IMAGE008
表示匹配度。
6.根据权利要求4所述的道路功能研判方法，其特征在于，所述构建匹配路段集包括：
将所述城市路网所处的地图分割为多个网格单元；
构建路段匹配缓冲区，其中，所述路段匹配缓冲区包括所述卫星定位坐标所处的网格单元和与所述卫星定位坐标所处的网格单元相邻的网格单元；
根据所述匹配缓冲区构建匹配路段集，所述匹配路段集包括所述匹配缓冲区中的各个路段。
7.根据权利要求1所述的道路功能研判方法，其特征在于，所述浮动车包括营运车辆；所述根据所述浮动车数据生成浮动车的卫星定位轨迹包括：
根据所述卫星定位坐标和所述卫星定位坐标对应的定位时间确定所述营运车辆的出行链；
根据所述出行链以及所述营运车辆的营运情况生成所述营运车辆的起终点轨迹，其中，所述营运车辆的起终点轨迹表示所述营运车辆每次运营的所述卫星定位轨迹。
8.根据权利要求1-7任一项所述的道路功能研判方法，其特征在于，根据所述多源车辆轨迹数据库进行道路功能研判包括：
获取需要研判的研判道路；
根据所述多源车辆轨迹数据库获得所述研判道路的研判道路车辆轨迹；
根据所述研判道路车辆轨迹的起终点定位信息确定交通片区的起终点交通量；和/或
根据所述研判道路车辆轨迹确定所述研判道路的交通流量分布，所述交通流量分布包括各个所述研判道路的交通流量百分比分布；和/或
根据所述研判道路车辆轨迹确定车辆出行距离，根据所述车辆出行距离确定出行距离分布情况。
CN202111267216.0A 2021-10-29 2021-10-29 一种道路功能研判方法 Active CN113706875B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111267216.0A CN113706875B (zh) 2021-10-29 2021-10-29 一种道路功能研判方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111267216.0A CN113706875B (zh) 2021-10-29 2021-10-29 一种道路功能研判方法

Publications (2)

Publication Number Publication Date
CN113706875A CN113706875A (zh) 2021-11-26
CN113706875B true CN113706875B (zh) 2022-03-18

Family

ID=78647464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111267216.0A Active CN113706875B (zh) 2021-10-29 2021-10-29 一种道路功能研判方法

Country Status (1)

Country Link
CN (1) CN113706875B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071929B (zh) * 2023-03-06 2023-08-01 深圳市城市交通规划设计研究中心股份有限公司 基于卡口车牌识别数据的实时路况监测系统及其方法
CN117556157B (zh) * 2024-01-10 2024-04-05 每日互动股份有限公司 一种卡口位置的定位方法、装置、介质及设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100117864A1 (en) * 2008-11-12 2010-05-13 Kirill Makukhin Vehicle identification and speed detection method and system
CN101901546B (zh) * 2010-04-29 2012-06-27 上海迪爱斯通信设备有限公司 基于动态信息的智能交通调度指挥及信息服务方法及系统
CN104240507B (zh) * 2014-09-18 2016-08-24 银江股份有限公司 一种基于多视角融合的交通小区划分方法
US9564048B2 (en) * 2014-12-18 2017-02-07 Sap Se Origin destination estimation based on vehicle trajectory data
CN107730887B (zh) * 2017-10-17 2020-05-15 海信集团有限公司 实现交通流量预测的方法及装置、可读存储介质
CN109686090B (zh) * 2019-01-17 2020-03-27 中南大学 一种基于多源数据融合的虚拟交通流量计算方法
CN112598898A (zh) * 2020-11-30 2021-04-02 北京世纪高通科技有限公司 一种卡口轨迹生成方法及装置

Also Published As

Publication number Publication date
CN113706875A (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
CN113706875B (zh) 一种道路功能研判方法
CN102521965B (zh) 基于车牌识别数据的交通需求管理措施效果评价方法
CN107563566B (zh) 一种基于支持向量机的公交站间运行时间区间预测方法
CN112509356B (zh) 一种车辆行驶路线生成方法及系统
CN110807919A (zh) 基于过车数据的城市路网交通运行态势评价方法
CN109166317B (zh) 基于状态特征的城市交通路径通过时间确定方法
CN106428558A (zh) 一种基于空‑轨两用无人机的轨道综合巡检方法
CN105810006A (zh) 路边停车位的识别方法及系统
CN111210612A (zh) 基于公交gps数据与站点信息提取公交线路轨迹的方法
CN107886188B (zh) 液化天然气公交尾气排放预测方法
CN106097717A (zh) 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法
Figliozzi et al. Algorithms for studying the impact of travel time reliability along multisegment trucking freight corridors
CN114282033B (zh) 一种基于gps纠偏及公路病害智能上报系统
CN114139251B (zh) 一种边境地区陆路口岸整体布局方法
Flaskou et al. Analysis of freight corridors using GPS data on trucks
CN104200659A (zh) 一种不按规定线路行驶的重点车辆交通违法行为判定方法
CN112036757A (zh) 基于手机信令和浮动车数据的停车换乘停车场的选址方法
CN107993441B (zh) 一种货车常跑路线的预测方法及装置
CN112017429A (zh) 一种基于货车gps数据的治超监测布点方法
Pinjari et al. Using truck fleet data in combination with other data sources for freight modeling and planning.
CN114912689A (zh) 基于地图网格索引和xgboost的超限车辆目的地预测方法及系统
CN110675631A (zh) 一种交通流溯源分析方法及系统
Cyril et al. Electronic ticket machine data analytics for public bus transport planning
CN101750082A (zh) 基于决策圈的路段识别匹配方法
CN116090785B (zh) 针对大型活动散场场景两阶段的定制公交规划方法

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