CN102663890B - 利用浮动车数据确定禁左交限路口的方法 - Google Patents

Abstract

本发明公开了一种利用浮动车数据确定禁左交限路口的方法，属于智能交通领域，包括：建立路网拓扑结构，在所述路网拓扑结构中生成候选左拐路口，将浮动车数据匹配到路网拓扑结构中，遍历路网拓扑结构中每个候选左拐路口的出路链和入路链的浮动车数据，得到每个候选左拐路口的出路链与入路链上所匹配到的浮动车数据次数的比值，根据所述比值确定禁左交限路口。本发明针对当前发现交限的方法中存在的问题，利用浮动车FCD技术在交通信息采集方面的优势，充分挖掘出其中蕴含的丰富的交通信息。通过对大量的浮动轨迹的计算和分析，自动化并准确地提取城市的道路路***限信息。

Description

利用浮动车数据确定禁左交限路口的方法

技术领域

本发明涉及智能交通领域，特别涉及一种利用浮动车数据确定禁左交限路口的方法。

背景技术

交通限制是指公安机关交通管理部门根据法律法规，对车辆和行人在道路上通行以及其他与交通有关的活动所制定的带有疏导、禁止、限制或指示性质的具体规定。交通限制有多种形式，禁左属于其中的一种，它是城市信号交叉路口禁止左转弯的简称。

浮动车FCD(Floating CarData，FCD)技术是一种新兴的交通信息采集方式。与传统的道路检测技术和视频监控技术等固定点采集手段相比，浮动车采集具有低成本、易安装、易维护、抗干扰性强、测量范围广、测量参数多样、采集信息具有实时性和动态性等优势。因而，基于浮动车的交通信息采集方式逐渐趋于主导地位。

基于浮动车的动态交通信息服务有其独到的优势，特别是在数据量较大的情况下，采用浮动车数据处理***，能够获得较为全面的城市交通状况。利用大量的浮动车数据，可以比较准确的得到浮动车的轨迹，目前的浮动车***在环路主路和高速路上已经取得了较高的准确率。

当前，发现禁左路口的工作主要通过实际路测、收听广播等人工手段完成，这种方法不可避免的造成工作量大、时间及金钱成本高，同时禁左信息无法及时正确的更新等缺点。

发明内容

有鉴于此，本发明的目的在于提供一种利用浮动车数据确定禁左交限路口的方法，用于自动化并准确地提取城市的道路路口禁左交限信息。

本发明提供了一种利用浮动车数据确定禁左交限路口的方法，包括：

建立路网拓扑结构，在所述路网拓扑结构中生成候选左拐路口，将浮动车数据匹配到所述路网拓扑结构中，遍历所述路网拓扑结构中每个候选左拐路口的出路链和入路链的浮动车数据，得到每个候选左拐路口的出路链与入路链上所匹配到的浮动车数据次数的比值，根据所述比值确定禁左交限路口；

其中，在将浮动车数据匹配到所述路网拓扑结构的步骤之前，还进一步包括：对浮动车数据进行预处理，将每5分钟的浮动车数据文件按照禁左交限时段合并成新的文件；

在根据所述比值确定禁左交限路口的步骤前还进一步包括：对每个时段的候选左拐路口的出路链与入路链上所匹配到的浮动车数据次数的比值F做均值平滑处理：

F_i＝(F_i-1+F_i+F_i+1)/3

其中，F_i-1、F_i、F_i+1分别代表了第i-1、i、i+1时段的F值。

本发明针对海量的浮动车数据进行分析，对于任意左拐路口，如果找不出有左拐的车辆轨迹或者只有极少数的车辆左拐，则基本确定这条道路是禁止左拐的。本发明针对当前发现交限的方法中存在的问题，利用浮动车FCD技术在交通信息采集方面的优势，充分挖掘出其中蕴含的丰富的交通信息。通过对大量的浮动轨迹的计算和分析，自动化并准确地提取城市的道路路***限信息。

附图说明

图1为本发明实施例提供的利用浮动车数据确定禁左交限路口的方法流程图；

图2为本发明实施例中左拐路口的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

本发明实施例针对当前发现交限的方法中存在的问题，利用浮动车FCD技术在交通信息采集方面的优势，充分挖掘出其中蕴含的丰富的交通信息。通过对大量的浮动轨迹的计算和分析，自动化并准确地提取城市的道路路***限信息。

通过对长期积累的、海量的浮动车数据分析可知，正常情况下(即没有禁左等交通限制)某个十字路口直行、左拐或右拐的车辆轨迹均应该存在。对于任意的一个道路路口，如果找不出有左拐的车辆轨迹或者只有极少数的车辆左拐，则基本上可以认为这条道路是禁止左拐的。

如图1所示，为本发明实施例提供的利用浮动车数据确定禁左交限路口的方法流程图，包括以下步骤：

步骤101、建立路网拓扑结构。目前大城市路网密集，一些特殊道路结构越来越复杂，同时高效的地图匹配和路径推测算法也应该整合相适应的路网数据结构，单一的平面路网结构已经无法满足数据处理的需要，本实施例就是通过对基本道路空间数据的分层处理和抽象，建立基于节点－路段－路链的三层路网数据结构。

在三层路网数据结构中，每一条路链是由一系列有序的节点构成的，根据节点是否为某条路链的端节点(起始节点或者终止节点)而分为连通性节点和普通节点，任意两个相邻节点之间构成一条路段，通过遍历每条路链的端节点是否与另一条路链的端节点相等，就可以判断出任意两条路链之间是否为彼此的前驱路链或者后继路链(若路链A是路链B的入路链，则称路链A是路链B的前驱路链；若路链C是路链D的出路链，则称路链C是路链D的后继路链)，由此得到了路网中路链之间的连接关系，从而建立起完整的路网拓扑结构。

步骤102、在路网拓扑结构中生成候选左拐路口。

根据生成的路网拓扑结构，结合路口的定义，找出最原始的左拐路口。如图2所示，本实施例中，将某个路链的角度定义为：此路链与正北方向的夹角，范围是0～360°。当入路链与出路链的夹角满足一定条件时就构成左拐路口，该条件为：

定义入路链的角度为angle1，出路链的角度为angle2，同时定义两个正整数min和max(0<min<180、0<max<180、min<max)，符合以下三种情况之一就构成一个左拐路口：

当angle1<min时，angle2满足：

angle1+360-max≤angle2≤angle1+360-min；

当min≤angle1≤max时，angle2满足：angle2≤angle1-min或angle2≥angle1+360-max；

当angle1>max时，angle2满足：angle1-max≤angle2≤angle1-min。

另外，为了便于之后的地图匹配，需要对左拐路口做一个补充定义：构成左拐路口的入路链和出路链的长度均不小于150米，且二者的等级(路链本身的属性，地图输入数据中的等级字段就代表了某个路链的属性)均大于等于2。因此，需要对挑选出来的左拐路口的入路链和出路链进行扩展，分别找到与此路口的入路链和出路链夹角最小的前驱路链和后继路链，并把此路链加入到路口的入路链和出路链中，继续进行路口扩展，使每一个路口的入路链和出路链的长度之和都不小于150米，以保证浮动车能够顺利的匹配到某一条路链上。这一过程称之为路口扩展。

路口经过扩展以后，很有可能会变为同一个路口，因为扩展后每个路口的入路链和出路链可能由多条路链构成(这种情况通常发生在路口是交叉点内link时，就是通常意义上理解的路口里面的路链，比如构成“口”字形路口的4条路链均为交叉点内link)，如果不进行去重操作的话，程序的效率会降低，同时如果这个路口确实是交限路口的话，程序返回的结果也会有重复，这样就会影响正确率。这一过程称之为去重，具体可以根据路口的出、入路链完全一致判断两个路口是否重复，对于重复的路口只保留一个路口即可。

经过以上扩展和去重处理，就得到了候选左拐路口。

步骤103、浮动车数据预处理。由于本实施例基于大量的浮动车数据进行计算，同时需要考虑时段因素，而目前的浮动车原始数据是以5分钟一个文件的形式保存的，所以需要将这些分散的数据重新组织，并按时段分别积累成一个个的新数据形式，将每5分钟的文件按照禁左交限时段合并成新的文件。

步骤104、将浮动车数据匹配到路网拓扑结构中(禁左交限时段内的数据是由多条记录构成的，逐条记录进行匹配)。浮动车信息处理的主要对象是浮动车发送来的GPS定位数据，由于存在着GPS定位误差、坐标系转换误差、道路电子地图精度误差等，会造成车辆GPS定位点偏离车辆行驶道路的情况。这就需要进行地图匹配，目的是确定车辆在路网拓扑结构中的准确位置。按照固定的经纬度间距，将城市路网分割成一定数量的小网格，并进行标号，通过GPS点所在的经纬度，可以判断出此GPS点所在的小网格号，同时由于路链也是由节点构成，因此可以知道每个小网格内包含哪些路链，引入匹配函数的公式，计算GPS点所在的小网格内每条路链的匹配函数值，取匹配函数值最小的路链作为GPS点所在的路链。

步骤105、遍历每一个候选左拐路口的出、入路链，获取每一个候选左拐路口出路链上匹配到的浮动车数据次数与入路链上匹配到的浮动车数据次数的比值。分别计数匹配到路口的出路链和入路链上浮动车数据的次数，当计算完所有累积的浮动车GPS数据时，得到每一个候选左拐路口分别匹配到出路链和入路链的数目。

将一个路口的出路链上匹配到的浮动车GPS数据次数与入路链上匹配到的GPS数据次数的比值定义为F值，F为：

$F=\frac{\mathrm{count}(\mathrm{ID},\mathrm{Link}3,\mathrm{\&epsiv;},T)}{\mathrm{count}(\mathrm{ID},\mathrm{Link}1,\mathrm{\&epsiv;},T)}\&times;100\%$

其中，ID表示此路口的序号，Link1表示路口的入路链，Link3表示路口的左拐出路链，ε表示两个GPS投影点之间的有效时间间隔(本实施例中定义ε为5分钟)，T表示要加载多长时间的浮动车数据。count(ID，Link，ε，T)表示在T时期内，在有效的时间间隔ε条件下，某个路口的某条路链上匹配到的浮动车GPS数。当count(ID，Link1，ε，T)等于0时，F值定义为“-1”。

步骤106、对每个时段的F值做均值平滑处理。这里的每个时段指的是禁左交限的时段，就像在实际生活中看到的，禁左交限的时段有时是半个小时划分的(例如:7:30-9:30之间禁左),有时则是一小时划分的(例如:7:00-20:00之间禁左),步骤105结束后,每个交限时段的F值就计算出来了，步骤106实际上就是对步骤105得到的F值进行均值平滑处理。本实施例采用的平滑算法是收集一组F值的观察值，计算这组观察值的均值，利用这一均值作为下一期的预测值。在移动平均值的计算中包括的过去观察值的实际个数，必须一开始就明确规定。在本实施例中，选取的观察值个数为3。平滑公式为：

F_i＝(F_i-1+F_i+F_i+1)/3

其中，F_i-1、F_i、F_i+1分别代表了第i-1、i、i+1时段的F值。

步骤107、根据F值确定禁左交限路口。当F值大于0，并且小于一设定的阈值，同时count(ID，Link，ε，T)大于另一设定的阈值时(当原始浮动车的数据为一个月时期内的数据时,建议F值和count(ID，Link，ε，T)值的阈值分别选取1％和100)，认为此路口存在禁左交限，分时段提取出有禁左交限的路口，这是因为禁左交限通常都是具有时段限制的，所以需要分时段提取。

以上方法将现有发现交限信息所采取的人工手段改进为自动发现，并针对交限路口发现模型进行了深入研究和验证，实现了以自动化的方式补充和指导人工信息采集，为生产部门提供技术支持，将大大提高生产部门的工作效率及质量。

总之，以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (6)

1.一种利用浮动车数据确定禁左交限路口的方法，其特征在于，包括：

建立路网拓扑结构，在所述路网拓扑结构中生成候选左拐路口，将浮动车数据匹配到所述路网拓扑结构中，遍历所述路网拓扑结构中每个候选左拐路口的出路链和入路链的浮动车数据，得到每个候选左拐路口的出路链与入路链上所匹配到的浮动车数据次数的比值，根据所述比值确定禁左交限路口；

其中，在将浮动车数据匹配到所述路网拓扑结构的步骤之前，还进一步包括：对浮动车数据进行预处理，将每5分钟的浮动车数据文件按照禁左交限时段合并成新的文件；

在根据所述比值确定禁左交限路口的步骤前还进一步包括：对每个时段的候选左拐路口的出路链与入路链上所匹配到的浮动车数据次数的比值F做均值平滑处理：

F_i＝(F_i-1+F_i+F_i+1)/3

其中，F_i-1、F_i、F_i+1分别代表了第i-1、i、i+1时段的F值。

2.根据权利要求1所述的利用浮动车数据确定禁左交限路口的方法，其特征在于，所述在路网拓扑结构中生成候选左拐路口的步骤具体包括：

设置入路链的角度为angle1，出路链的角度为angle2，同时设置两个正整数min和max，其中0<min<180、0<max<180，min<max，则符合以下三个条件之一就构成一个左拐路口：

当angle1<min时，angle2满足：

angle1+360-max≤angle2≤angle1+360-min；

当min≤angle1≤max时，angle2满足：angle2≤angle1-min或angle2≥angle1+360-max；

当angle1>max时，angle2满足：angle1-max≤angle2≤angle1-min。

3.根据权利要求2所述的利用浮动车数据确定禁左交限路口的方法，其特征在于，生成候选左拐路口后的步骤还进一步包括：

对左拐路口的入路链和出路链进行扩展，分别找到与所述入路链和出路链夹角最小的前驱路链和后继路链，并把所述前驱路链和后继路链分别加入到所述入路链和出路链，直到扩展后的入路链和出路链的长度都不小于150米；

如果扩展后的入路链和出路链完全一致，则进行去重处理。

4.根据权利要求3所述的利用浮动车数据确定禁左交限路口的方法，其特征在于，所述得到每个候选左拐路口的出路链与入路链上所匹配到的浮动车数据次数的比值的步骤具体包括：

设置所述比值为F，则F为：

$F=\frac{\mathrm{count}(\mathrm{ID},\mathrm{Link}3,\mathrm{\&epsiv;},T)}{\mathrm{count}(\mathrm{ID},\mathrm{Link}1,\mathrm{\&epsiv;},T)}\&times;100\%$

其中，ID为该候选左拐路口的序号，Link1为该路口的入路链，Link3为该路口的左拐出路链，ε为两个GPS投影点之间的有效时间间隔，T为要加载多长时间的浮动车数据；count(ID，Link，ε，T)表示在T时期内，在有效的时间间隔ε条件下，某路口的某路链上匹配到的浮动车数据；当count(ID，Link1，ε，T)等于0时，F值定义为“-1”。

5.根据权利要求4所述的利用浮动车数据确定禁左交限路口的方法，其特征在于，所述根据所述比值确定禁左交限路口的步骤具体为：

当F值大于0，并且小于第一阈值，同时count(ID，Link，ε，T)大于第二阈值时，则该候选左拐路口存在禁左交限，分时段提取出有禁左交限的路口。

6.根据权利要求5所述的利用浮动车数据确定禁左交限路口的方法，其特征在于，当原始浮动车的数据为一个月时期内的数据时，则所述第一阈值为1％，所述第二阈值为100。