CN114676917A - 一种空驶出租汽车空间分布评估方法及系统 - Google Patents
一种空驶出租汽车空间分布评估方法及系统 Download PDFInfo
- Publication number
- CN114676917A CN114676917A CN202210320840.0A CN202210320840A CN114676917A CN 114676917 A CN114676917 A CN 114676917A CN 202210320840 A CN202210320840 A CN 202210320840A CN 114676917 A CN114676917 A CN 114676917A
- Authority
- CN
- China
- Prior art keywords
- track
- road
- data
- time
- point
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000011084 recovery Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- 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
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种空驶出租汽车空间分布评估方法及系统,该方法包括以下步骤:(1)获取包含车辆载客信息的稀疏的车辆轨迹数据以及路网数据并进行预处理;(2)构建路网拓扑关系并对轨迹数据进行地图匹配;(3)基于稀疏的车辆轨迹数据,利用最短路径算法恢复精细车辆轨迹信息,包括途经节点及时间;(4)面向具体应用确定时空分析单元,计算在相应时空窗口下空驶车辆数量,基于此评估区域空驶车辆空间分布。该方法及系统有利于提高空驶出租汽车空间分布评估的准确性。
Description
技术领域
本发明属于空间信息技术领域,具体涉及一种空驶出租汽车空间分布评估方法及系统。
背景技术
巡游车和网约车是城市出租汽车的两个主要组成部分,也是城市居民的关键出行方式。通过车辆协同调度,能够提高出租汽车的整体运能,从而提升人群流动效率,降低单位运能能耗和污染物排放,进而提高企业运营收益,具有显著的社会与经济效益。评估短时间内、局部区域车辆的空驶情况是开展车辆协同调度时的关键指标。
目前对于区域可调度车辆的潜力的评估方法主要基于轨迹数据计算,主要有以下两种:其一是基于区域运营车辆流入与流出量等提取运营车辆的非热点区域,基于供需平衡的调度策略使不同环境下出租车运力与客流量基本一致且调度成本最低;其二是通过强化学习等算法对运营车辆的运营状态与轨迹进行仿真与模拟实现位置预测,并依据预测结果,考虑车辆空载和距离情况设计调度算法。
现有技术存在的缺点主要有以下方面:首先,基于区域运行车辆流入流出构建的方法中,现有研究目标时间段范围较大(例如早高峰、工作、晚高峰时段),不适用于时间精度较高的应用场景,而且当目标时段精细化时,稀疏的轨迹数据会直接影响算法结果的有效性;其次,智能算法适用于特定的应用场景且计算效率较低,不具有较好的迁移效果。
发明内容
本发明的目的在于提供一种空驶出租汽车空间分布评估方法及系统,该方法及系统有利于提高空驶出租汽车空间分布评估的准确性
为实现上述目的,本发明采用的技术方案是:1.一种空驶出租汽车空间分布评估方法,其特征在于,包括以下步骤:
(1)获取包含车辆载客信息的稀疏的车辆轨迹数据以及路网数据并进行预处理;
(2)构建路网拓扑关系并对轨迹数据进行地图匹配;
(3)基于稀疏的车辆轨迹数据,利用最短路径算法恢复精细车辆轨迹信息,包括途经节点及时间;
(4)面向具体应用确定时空分析单元,计算在相应时空窗口下空驶车辆数量,基于此评估区域空驶车辆空间分布。
进一步地,所述步骤(1)具体包括以下步骤:
(101)获取包含车辆载客信息的车辆轨迹数据;
(102)剔除数据中的异常值,包括数值为空以及位于目标区域空间范围之外的记录;
(103)对轨迹数据进行排序:将车辆ID相同的数据进行归集,并按照时间顺序进行排列;
(104)获取目标区域路网数据,并剔除包括人行道、步行街的车辆无法行驶的道路数据。
进一步地,所述步骤(2)具体包括以下步骤:
(201)对路网进行拓扑关系修正:建立交通路网的连通规则,检测并修正路网拓扑错误,保证道路两端节点与其他道路节点连接;
(202)构建道路网络模型:以道路交叉节点为点,两节点间的距离为边的权重,建立道路弧段-节点网络模型;
(203)计算轨迹数据匹配路段:将轨迹位置记录与路网数据按照最邻近原则进行匹配,确定各轨迹点所在路段编号;
(204)确定轨迹数据地图匹配位置:将轨迹点与匹配路段最邻近距离所对应的位置点作为地图匹配位置。
进一步地,所述步骤(2)中,以道路交叉节点作为交汇点,两道路交叉点间线要素作为边,其权重为该线要素的长度,建立道路弧段-节点网络模型;
将出租汽车轨迹数据记录pn表示为由位置(xn,yn)、时间tn、状态sn组成的四元组:
pn=(xn,yn,tn,sn) (1)
相应的出租汽车原始轨迹数据T表示为集合:
T=[p1,p2,p3,...,pn] (2)
车辆轨迹恢复旨在根据路网恢复相临轨迹点之间途经的位置、时间和状态信息,由pn-1、pn组成的轨迹分段Segn:
Segn=[pn-1,pn] (3)
基于最短投影距离法对浮动车轨迹数据进行地图匹配与轨迹数据位置校正;以出租汽车轨迹点为圆心,设定阈值为半径建立目标搜索范围,将目标搜索范围内路网线要素作为候选匹配道路,以此计算车辆轨迹点到各候选匹配道路的投影距离,选择投影距离最小的路段作为匹配道路,并将所述匹配道路上轨迹投影点作为校正点,将该车辆轨迹点位置更新为校正点位置,将道路唯一编号作为新属性赋值给轨迹点。
进一步地,所述步骤(3)中,对于每对相临的原始车辆轨迹记录,按如下方法恢复精细车辆轨迹信息:
(301)将道路节点与车辆轨迹点融合;将轨迹数据的地图匹配位置,作为所在路段的新的节点,对原有路段进行打断,并将该节点与相邻节点的距离作为权重,更新道路网络模型;
(302)通过最短路径算法计算相临车辆轨迹点之间的最短路径;
(303)计算相临车辆轨迹点之间途经节点及时间;以相临车辆轨迹点之间的最短路径中的节点对车辆轨迹空间数据进行精细化恢复,在此基础上,根据每个节点距离前后两个轨迹记录点的路径距离评估途经时间;
(304)将评估的途经节点和时间信息与原始轨迹数据按时间顺序进行融合进行合并,形成完整的高精度车辆轨迹数据。
进一步地,所述步骤(4)具体包括以下步骤:
(1)确定时间分析单元;
(2)确定空间划分单元;
(3)确定时空分析单元;根据时间和空间分析单元的划分规则分别建立编码规则,利用在时间与空间维度上的编码表示特定时空分析单元G(t,g),其中t和g分别表示时间维度和空间维度编码;
(4)计算空驶出租汽车空间分布;对于每一个时空分析单元G(t,g),计算其中运营状态为空载的车辆数量,将其作为评估区域空驶出租汽车空间分布指标;基于GIS平台对空载车辆分布进行符号化,对空驶车辆空间分布进行可视化表达。
本发明还提供了一种空驶出租汽车空间分布评估系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现上述的方法步骤。
与现有技术相比,本发明具有以下有益效果:提供了一种基于稀疏轨迹数据的高时空精度空驶出租汽车空间分布评估方法及系统,该方法能够利用稀疏的车辆数据恢复高时空精度的车辆轨迹,相比于现有技术,不仅获取了车辆轨迹位置信息,同时也获得车辆途经各位置的时间信息,具有较高的时间与空间精度。在此基础上,本发明实现了高时空精度区域空驶车辆空间分布评估,可以用于支撑高时空精度城市出租汽车可调度潜力的评估。因此,本发明具有很强的实用性和广阔的应用前景。
附图说明
图1是本发明实施例的方法实现流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供了一种空驶出租汽车空间分布评估方法,其特征在于,包括以下步骤:
(1)获取包含车辆载客信息的稀疏的车辆轨迹数据以及路网数据并进行预处理。
具体地,步骤(1)按如下步骤实现:
(101)获取包含车辆载客信息的车辆轨迹数据。
(102)剔除数据中的异常值,包括数值为空以及经度和纬度位于目标区域空间范围之外的记录。
(103)对轨迹数据进行排序:将车辆ID相同的数据进行归集,并按照时间顺序进行排列。
(104)获取目标区域路网数据,并剔除包括人行道、步行街的车辆无法行驶的道路数据。
(2)构建路网拓扑关系并对轨迹数据进行地图匹配。
具体地,步骤(2)按如下步骤实现:
(201)对路网进行拓扑关系修正:建立交通路网的连通规则,检测并修正路网拓扑错误,保证道路两端节点与其他道路节点连接。
(202)构建道路网络模型:以道路交叉节点为点,两节点间的距离为边的权重,建立道路弧段-节点网络模型。
(203)计算轨迹数据匹配路段:将轨迹位置记录与路网数据按照最邻近原则进行匹配,确定各轨迹点所在路段编号。
(204)确定轨迹数据地图匹配位置:将轨迹点与匹配路段最邻近距离所对应的位置点作为地图匹配位置。
GIS中的几何网络由边和交汇点这两类要素组成且边必须满足在交汇点处与其他边相连。本发明对于路网建立拓扑关系,设置交通路网的连通规则,消除路网拓扑错误,保证道路两端结点与其他道路结点连接。以道路交叉节点作为交汇点,两道路交叉点间线要素作为边,其权重为该线要素的长度,建立道路弧段-节点网络模型。
将出租汽车轨迹数据记录pn表示为由位置(xn,yn)、时间tn、状态sn组成的四元组:
pn=(xn,yn,tn,sn) (1)
相应的出租汽车原始轨迹数据T表示为集合:
T=[p1,p2,p3,...,pn] (2)
车辆轨迹恢复旨在根据路网恢复相临轨迹点之间途经的位置、时间和状态信息,由pn-1、pn组成的轨迹分段Segn:
Segn=[pn-1,pn] (3)
基于最短投影距离法对浮动车轨迹数据进行地图匹配与轨迹数据位置校正。以出租汽车轨迹点为圆心,设定阈值为半径建立目标搜索范围,将目标搜索范围内路网线要素作为候选匹配道路,以此计算车辆轨迹点到各候选匹配道路的投影距离,选择投影距离最小的路段作为匹配道路,并将所述匹配道路上轨迹投影点作为校正点,将该车辆轨迹点位置更新为校正点位置,将道路唯一编号作为新属性赋值给轨迹点。
(3)基于稀疏的车辆轨迹数据,利用最短路径算法恢复精细车辆轨迹信息,包括途经节点及时间。
具体地,对于每对相临的原始车辆轨迹记录,按如下方法恢复精细车辆轨迹信息:
(301)将道路节点与车辆轨迹点融合。将轨迹数据的地图匹配位置,作为所在路段的新的节点,对原有路段进行打断,并将该节点与相邻节点的距离作为权重,更新道路网络模型。
(302)通过最短路径算法计算相临车辆轨迹点之间的最短路径。具体算法可根据实际需要选择A*、Floyd等算法。
(303)计算相临车辆轨迹点之间途经节点及时间。以相临车辆轨迹点之间的最短路径中的节点对车辆轨迹空间数据进行精细化恢复,在此基础上,根据每个节点距离前后两个轨迹记录点的路径距离评估途经时间。
(304)将评估的途经节点和时间信息与原始轨迹数据按时间顺序进行融合进行合并,形成完整的高精度车辆轨迹数据。
下面以Segn=[pn-1,pn]为例,说明恢复车辆轨迹的具体方法。
需要强调,本实施例采用A*算法来计算最短路径。选择该算法的原因是其在保证了路径最优性的同时,加入了目标节点的距离信息,提升了搜索效率。其他算法可参考该流程开展相应的计算工作。A*算法是全局路径规划中一种启发式搜索算法,在Diikstra算法的基础上引入了启发式函数h(n),h(n)表示了当前节点到目标节点的估计代价。其估价函数表示为:
f(n)=g(n)+h(n) (4)
式中:g(n)表示累积代价,即对从初始节点到节点n的累计真实代价;h(n)表示目标代价,即节点n到目标节点的估计代价;f(n)表示估价函数,即从初始节点经过当前节点n,再到目标节点的估计代价。其中,g(n)是从起点u0到当前节点n已付出的代价,h(n)是从当前节点n到目标节点v的代价估计函数必须保证h(n)≤h*(n),其中h*(n)是从当前点到目标点的实际最小代价。
(4)面向具体应用确定时空分析单元,计算在相应时空窗口下空驶车辆数量,基于此评估区域空驶车辆空间分布。
具体地,步骤(4)按如下步骤实现:
(1)确定时间分析单元。参考具体应用需求确定时间分析单元,其中较小的时间分析单元能够支撑更为精细的决策,在没有进一步明确需求的情况下,可以按5分钟、10分钟等时间尺度进行划分。
(2)确定空间划分单元。参考具体应用需求进行确定,较小的空间分析单元能够支撑更为精准的研究区域位置,在没有进一步明确需求的情况下,可以以现有的空间划分单元为参照,例如区、街道、交通分析小区等,也可以采用规则的空间网格进行划分,例如将目标区域按照边长相等的规则空间网格进行划分,网格边长决定了空间划分单元的精细程度。
(3)确定时空分析单元。根据时间和空间分析单元的划分规则分别建立编码规则,利用在时间与空间维度上的编码表示特定时空分析单元G(t,g),其中t和g分别表示时间维度和空间维度编码。
(4)计算空驶出租汽车空间分布。对于每一个时空分析单元G(t,g),计算其中运营状态为空载的车辆数量,将其作为评估区域空驶出租汽车空间分布指标。
对每个时空分析单元,统计其中空载车辆个数。对于目标研究时间段内车辆轨迹数据,删除具有载客状态的车辆在该时段内的全部轨迹;对每个时空分析单元内空载车辆数量进行统计,对于分析单元内具有多次经过的空载车辆,仅作一次统计。
最后,基于GIS平台对空载车辆分布进行符号化,对空驶车辆空间分布进行可视化表达。
本实施例还提供了一种空驶出租汽车空间分布评估系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现上述的方法步骤。
本实施例以国内某大城市2020年某日包括23661辆车、189558条记录的网约车轨迹数据集为例,分析测试本发明方法对于高时空精度区域运营车辆可调度潜力评估的有效性。
阈值的选取与所研究的问题和研究区域的路网特征、轨迹密度相关。较好地,在本实施例中,地图匹配阈值取为100米,在10分钟时间窗口、300米网格分辨率的情况下,测试结果表明:(1)经本发明方法恢复,轨迹数据的时间采样间隔从原来的平均345秒,提高到平均42秒,表明了本发明方法在回复车辆高时空精度轨迹的有效性。(2)在8:55至9:05分时间窗口下,格网编号为70的区域,本发明评估的空载车辆为10辆,相比于原始数据的2辆,有明显的提高,表明未进行精细化处理之前,车辆可调度潜力被显著低估。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (8)
1.一种空驶出租汽车空间分布评估方法,其特征在于,包括以下步骤:
(1)获取包含车辆载客信息的稀疏的车辆轨迹数据以及路网数据并进行预处理;
(2)构建路网拓扑关系并对轨迹数据进行地图匹配;
(3)基于稀疏的车辆轨迹数据,利用最短路径算法恢复精细车辆轨迹信息,包括途经节点及时间;
(4)面向具体应用确定时空分析单元,计算在相应时空窗口下空驶车辆数量,基于此评估区域空驶车辆空间分布。
2.根据权利要求1所述的一种空驶出租汽车空间分布评估方法,其特征在于,所述步骤(1)具体包括以下步骤:
(101)获取包含车辆载客信息的车辆轨迹数据;
(102)剔除数据中的异常值,包括数值为空以及位于目标区域空间范围之外的记录;
(103)对轨迹数据进行排序:将车辆ID相同的数据进行归集,并按照时间顺序进行排列;
(104)获取目标区域路网数据,并剔除包括人行道、步行街的车辆无法行驶的道路数据。
3.根据权利要求1所述的一种空驶出租汽车空间分布评估方法,其特征在于,所述步骤(2)具体包括以下步骤:
(201)对路网进行拓扑关系修正:建立交通路网的连通规则,检测并修正路网拓扑错误,保证道路两端节点其他道路节点连接;
(202)构建道路网络模型:以道路交叉节点为点,两节点间的距离为边的权重,建立道路弧段-节点网络模型;
(203)计算轨迹数据匹配路段:将轨迹位置记录与路网数据按照最邻近原则进行匹配,确定各轨迹点所在路段编号;
(204)确定轨迹数据地图匹配位置:将轨迹点与匹配路段最邻近距离所对应的位置点作为地图匹配位置。
4.根据权利要求3所述的一种空驶出租汽车空间分布评估方法,其特征在于,所述步骤(2)中,以道路交叉节点作为交汇点,两道路交叉点间线要素作为边,其权重为该线要素的长度,建立道路弧段-节点网络模型;
将出租汽车轨迹数据记录pn表示为由位置(xn,yn)、时间tn、状态sn组成的四元组:
pn=(xn,yn,tn,sn) (1)
相应的出租汽车原始轨迹数据T表示为集合:
T=[p1,p2,p3,...,pn] (2)
将车辆轨迹点与路网节点融合,将目标轨迹点所在道路与轨迹点位置打断,将轨迹点与该点相临道路节点作为点,将轨迹点与相临道路节点的距离作为权重,添加至道路网络模型中;
车辆轨迹恢复旨在根据路网恢复相临轨迹点之间途经的位置、时间和状态信息,由pn-1、pn组成的轨迹分段Segn:
Segn=[pn-1,pn] (3)
基于最短投影距离法对浮动车轨迹数据进行地图匹配与轨迹数据位置校正;以出租汽车轨迹点为圆心,设定阈值为半径建立目标搜索范围,将目标搜索范围内路网线要素作为候选匹配道路,以此计算车辆轨迹点到各候选匹配道路的投影距离,选择投影距离最小的路段作为匹配道路,并将所述匹配道路上轨迹投影点作为校正点,将该车辆轨迹点位置更新为校正点位置,将道路唯一编号作为新属性赋值给轨迹点。
5.根据权利要求1所述的一种空驶出租汽车空间分布评估方法,其特征在于,所述步骤(3)中,对于每对相临的原始车辆轨迹记录,按如下方法恢复精细车辆轨迹信息:
(301)将道路节点与车辆轨迹点融合;将轨迹数据的地图匹配位置,作为所在路段的新的节点,对原有路段进行打断,并将该节点与相邻节点的距离作为权重,更新道路网络模型;
(302)通过最短路径算法计算相临车辆轨迹点之间的最短路径;
(303)计算相临车辆轨迹点之间途经节点及时间;以相临车辆轨迹点之间的最短路径中的节点对车辆轨迹空间数据进行精细化恢复,在此基础上,根据每个节点距离前后两个轨迹记录点的路径距离评估途经时间;
(304)将评估的途经节点和时间信息与原始轨迹数据按时间顺序进行融合进行合并,形成完整的高精度车辆轨迹数据。
7.根据权利要求1所述的一种空驶出租汽车空间分布评估方法,其特征在于,所述步骤(4)具体包括以下步骤:
(1)确定时间分析单元;
(2)确定空间划分单元;
(3)确定时空分析单元;根据时间和空间分析单元的划分规则分别建立编码规则,利用在时间与空间维度上的编码表示特定时空分析单元G(t,g),其中t和g分别表示时间维度和空间维度编码;
(4)计算空驶出租汽车空间分布;对于每一个时空分析单元G(t,g),计算其中运营状态为空载的车辆数量,将其作为评估区域空驶出租汽车空间分布指标;基于GIS平台对空载车辆分布进行符号化,对空驶车辆空间分布进行可视化表达。
8.一种空驶出租汽车空间分布评估系统,其特征在于,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如权利要求1-7任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210320840.0A CN114676917B (zh) | 2022-03-29 | 一种空驶出租汽车空间分布评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210320840.0A CN114676917B (zh) | 2022-03-29 | 一种空驶出租汽车空间分布评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114676917A true CN114676917A (zh) | 2022-06-28 |
CN114676917B CN114676917B (zh) | 2024-07-02 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739322A (zh) * | 2023-08-16 | 2023-09-12 | 天津市政工程设计研究总院有限公司 | 基于服务获取指数的出租车供需评估方法、设备及介质 |
CN117475639A (zh) * | 2023-12-26 | 2024-01-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 融合不同频率车辆定位数据的桥梁车辆时空分布识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2120015A2 (en) * | 2008-05-15 | 2009-11-18 | Denso Corporation | Apparatus and program for finding the position of a vehicle |
CN103247167A (zh) * | 2012-02-14 | 2013-08-14 | 北京掌城科技有限公司 | 一种获取空驶出租车信息的方法 |
CN105608528A (zh) * | 2015-12-18 | 2016-05-25 | 东南大学 | 基于大数据分析的出租车驾驶员收入-压力评估方法和系统 |
CN112885094A (zh) * | 2021-01-27 | 2021-06-01 | 福州大学 | 一种多类型运营车辆协调发展区域识别方法 |
WO2022032781A1 (zh) * | 2020-08-12 | 2022-02-17 | 深圳技术大学 | 车流量特征提取方法及系统 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2120015A2 (en) * | 2008-05-15 | 2009-11-18 | Denso Corporation | Apparatus and program for finding the position of a vehicle |
CN103247167A (zh) * | 2012-02-14 | 2013-08-14 | 北京掌城科技有限公司 | 一种获取空驶出租车信息的方法 |
CN105608528A (zh) * | 2015-12-18 | 2016-05-25 | 东南大学 | 基于大数据分析的出租车驾驶员收入-压力评估方法和系统 |
WO2022032781A1 (zh) * | 2020-08-12 | 2022-02-17 | 深圳技术大学 | 车流量特征提取方法及系统 |
CN112885094A (zh) * | 2021-01-27 | 2021-06-01 | 福州大学 | 一种多类型运营车辆协调发展区域识别方法 |
Non-Patent Citations (1)
Title |
---|
陈丽昌: "城市公交车辆空驶问题分析及应对策略研究", 人民公交, 20 December 2021 (2021-12-20), pages 55 - 59 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739322A (zh) * | 2023-08-16 | 2023-09-12 | 天津市政工程设计研究总院有限公司 | 基于服务获取指数的出租车供需评估方法、设备及介质 |
CN116739322B (zh) * | 2023-08-16 | 2023-12-22 | 天津市政工程设计研究总院有限公司 | 基于服务获取指数的出租车供需评估方法、设备及介质 |
CN117475639A (zh) * | 2023-12-26 | 2024-01-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 融合不同频率车辆定位数据的桥梁车辆时空分布识别方法 |
CN117475639B (zh) * | 2023-12-26 | 2024-04-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 融合不同频率车辆定位数据的桥梁车辆时空分布识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Tang et al. | A mixed path size logit-based taxi customer-search model considering spatio-temporal factors in route choice | |
Li et al. | Emission pattern mining based on taxi trajectory data in Beijing | |
CN102087788A (zh) | 基于浮动车车速置信度的交通状态参数估计方法 | |
CN108961758A (zh) | 一种基于梯度提升决策树的路口展宽车道探测方法 | |
CN112991743B (zh) | 基于行驶路径的实时交通风险ai预测方法及其系统 | |
CN110413855B (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
CN102968900A (zh) | 一种对rfid交通数据进行处理的方法 | |
CN112784000B (zh) | 基于出租车轨迹数据的寻客方法 | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 | |
CN106949897B (zh) | 一种在地图中生成道路的方法及装置 | |
CN113888867B (zh) | 一种基于lstm位置预测的车位推荐方法及系统 | |
CN112559909B (zh) | 一种基于gcn嵌入空间聚类模型的商业区发现方法 | |
CN117053819B (zh) | 一种基于gis的货车路线自动规划系统 | |
Menguc et al. | A data driven approach to forecasting traffic speed classes using extreme gradient boosting algorithm and graph theory | |
CN114676917B (zh) | 一种空驶出租汽车空间分布评估方法及系统 | |
CN111784027A (zh) | 计及地理信息的城市范围电动汽车充电需求预测方法 | |
Al Mahmud et al. | Impact of pedal powered vehicles on average traffic speed in dhaka city: A cross-sectional study based on road class and timestamp | |
CN114676917A (zh) | 一种空驶出租汽车空间分布评估方法及系统 | |
CN115293585B (zh) | 一种基于gis-t搭建路网机动车动态排放清单的方法 | |
CN116664025A (zh) | 装卸货位置点生成方法、装置及设备 | |
CN114743050A (zh) | 一种驾驶员人像预分类方法、图像分类装置以及存储介质 | |
EP3922947A2 (en) | Traffic analytics system for defining road networks | |
CN114840984A (zh) | 一种考虑出行路径决策的电动汽车充电负荷时空预测方法 | |
Badrestani et al. | Real-time travel time estimation using matrix factorization |
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 |