CN103077610A - 一种路段旅行时间估计的方法和*** - Google Patents

Abstract

本发明提出一种路段旅行时间估计的方法及***，其中该方法包括：在上游卡口和下游卡口采集预定时间内通过车辆的信息，并进行车牌匹配，得到车辆旅行时间信息集；对所述车辆旅行时间信息集进行数据预处理；对预处理后的所述时间信息集进行分布检验以判断分布模式；以及根据判断出的所述分布模式，计算路段旅行时间估计值。本发明具有智能程度高，操作简便，计算结果客观度准确度高的优点。

Description

一种路段旅行时间估计的方法和***

技术领域

本发明属于城市道路智能交通管理与信息服务领域，特别涉及一种路段旅行时间估计的方法和***。

背景技术

近年来，我国城市道路交通管理水平不断提高，同时，为有效管理各类交通违法行为，目前我国众多城市在城市信号控制交叉口或路段安装了大量的综合违法监测***，而随着视频技术的发展，这些综合违法监测***在进行违法行为抓拍的同时，能够同时作为分散在城市中的道路卡口使用，可以记录下所有通过路口的车辆的相关信息，主要包括：识别的车牌号、通过路口的时间、车辆在路口的转向、速度等。

同时，道路路段旅行时间是出行者信息服务***中的重要组成部分，为出行者提供当前或估计的旅行时间将可以有效的改善出行者出行行为和提高出行舒适性。但在当前城市道路交通流检测手段下，实时获得全部路段的旅行时间具有较大的困难。

因此，目前对于城市交通信息服务***而言，如何实现有效的、自动化的旅行时间估计已经成为城市道路智能交通管理与信息服务的一个重要问题。

发明内容

本发明的目的在于，提供一种能够实现实时采集城市道路路段旅行时间的技术，解决现有技术中缺乏大量实时数据支持来获得城市道路路段旅行时间的问题。

为了实现上述目的，针对城市道路路段旅行时间估计的需求，本发明的一个目的在于提出一种简便客观的路段旅行时间估计方法，本发明的另一个目的在于提出一种简便客观的路段旅行时间估计***，

根据本发明实施例的路段旅行时间估计的方法，包括:在上游卡口和下游卡口采集预定时间内通过车辆的信息，并进行车牌匹配，得到车辆旅行时间信息集；对所述车辆旅行时间信息集进行数据预处理；对预处理后的所述时间信息集进行分布检验以判断分布模式；以及根据判断出的所述分布模式，计算路段旅行时间估计值。

在本发明的一个实施例中,所述进行数据预处理包括：利用四分位数据筛选法对所述车辆旅行时间信息集中的噪声数据进行筛除。

在本发明的一个实施例中,所述进行分布检验以判断分布模式包括：利用卡方检验来检验旅行时间信息的概率分布函数是否为预设分布中的一种。

在本发明的一个实施例中,所述预设分布包括正态分布、对数正态分布、伽马分布和韦伯分布。

根据本发明实施例的路段旅行时间估计的***，包括：采集单元，所述采集单元用于在上游卡口和下游卡口采集预定时间内通过车辆的信息；车牌数据匹配单元，所述车牌数据匹配单元用于进行车牌匹配，得到车辆旅行时间信息集；数据预处理单元，所述数据预处理单元用于对所述车辆旅行时间信息集进行数据预处理；分布检验单元，所述分布检验单元用于对预处理后的所述时间信息集进行分布检验以判断分布模式；以及旅行时间计算单元，所述旅行时间计算单元用于根据判断出的所述分布模式，计算路段旅行时间估计值。

在本发明的一个实施例中，所述数据预处理单元利用四分位数据筛选法对所述车辆旅行时间信息集中的噪声数据进行筛除。

在本发明的一个实施例中，所述分布检验单元利用卡方检验来检验旅行时间信息的概率分布函数是否为预设分布中的一种。

在本发明的一个实施例中，所述预设分布包括正态分布、对数正态分布、伽马分布和韦伯分布。

本发明基于已有成熟的交通管理***,对其数据进行深入挖掘和复用,且计算过程简便,自动化、智能化程度高，具有满足在线实时运算、计算结果客观度准确度高的优点。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明实施例的路段旅行时间估计的方法的流程图；和

图2是本发明实施例的路段旅行时间估计的***的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，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，也可以是电连接；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，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

如图1所示，根据本发明实施例的路段旅行时间估计的方法，包括以下步骤:

S1.在上游卡口和下游卡口采集预定时间内通过车辆的信息，并进行车牌匹配，得到车辆旅行时间信息集。

具体地，以两个安装卡口***的断面之间的道路作为一个双向路段，则其中一个方向的路段作为单向路段，也是本方法的基本研究对象。对于一个单向路段，其上游断面为A，下游断面为B，以某一确定时间段（如15分钟）作为一个研究周期。在每个时间段结束时，收集所有在本时间段内通过B断面的车辆的车牌数据、通过时刻、断面信息等，形成车辆信息集b。以车辆集b为基础上，以车牌比对的方式到A断面本时刻之前的卡口数据库中寻找车辆集b中的车辆出现在A断面的卡口数据库中的记录，并将过去一定时间内的所有出现在A断面数据库中的车辆集b中的车辆记录信息提取出来，主要包括经过A断面的时刻。将提取出来的先经过A断面后通过B断面的车辆在B、A断面通过的时刻进行对比，即进行匹配，可以获得每辆车经过AB单向路段的所需时间信息集a。需要说明的是，对于车牌匹配而言，如果有记录并且所匹配的记录之间的时间差满足以下条件：1.下游时间晚于上游时间；2.上下游时间差在一个合理的区间内，对于这样的记录则进行一一匹配，同时也说明该车辆连续通过了这两个卡口或检测断面。

S2.对车辆旅行时间信息集进行数据预处理。即对于步骤S1所获得的时间信息集a，利用四分位法进行异常数据的剔除，去掉明显不能代表单向路段AB过去一段时间内的车辆旅行时间数值。

具体地，通过步骤S1可以获得通过某个路段或者某两个卡口断面之间的车辆匹配数据，这些数据有以下属性：车牌，经过上游路口时间，经过下游路口时间，上游路口编号，下游路口编号，车道，车型。将这些数据存储在预处理单元的内存当中等待进一步处理。具体方法如下：针对当个车辆的每一条匹配记录，计算上下游卡口之间的时间差，作为一个新的字段存储于之前的内存数据中。对该路段的每一条匹配记录都进行该处理。随后，通过四分位数据处理法，将时间差字段数据不符合筛选标准的记录作为噪声数据进行筛除。四分位法的具体算法如下：

Z=[Q_0.25-1.5R,Q_0.75+1.5R]

R=Q_0.75-Q_0.25

以上两式中，Z表示有效数据区间，时间差数值不在该区间内的数据都将被筛除，Q_0.25、Q_0.75分别为下、上四分位值，R表示四分位极差。最后将剩余的匹配记录作为该路段有效的视频识别记录存储于数据库中，以待进一步处理。

S3.对预处理后的时间信息集进行分布检验以判断分布模式。

具体地，对于分布检验而言，该方法为：将数据预处理单元处理获得的数据，导入到分布检验单元。该单元利用matlab语言编译，使用卡方检验旅行时间的概率密度分布的假设。原假设：

H₀：旅行时间t的概率密度函数满足某种具体的分布形式。

然后选取一定的假设检验标准去验证是否接受原假设。

常用的假设检验的方法有：u检验法、t检验法、χ²检验法、F检验法，秩和检验等。基于前面选取的待检验的概率分布形式，假设检验的方法选取χ²检验法。χ²统计量：

${\mathrm{\χ}}^2=\underset{1}{\overset{N}{\mathrm{\Σ}}}{(Q_i-E_i)}^2/{E_i}^2$

式中O_i是观测频数，E_i是某种分布式的期望频数。

当样本量足够大的时候，上述的χ²统计量满足近似的χ²分布。假设检验的标准：

若

时，则在显著性水平α下拒绝H₀，否则接受H₀。

可以从χ²值的表格中读取，其中，α为显著性水平，一般取为0.05；v为χ²分布的自由度。

S4.根据判断出的分布模式，计算路段旅行时间估计值。

具体地，对于旅行时间计算而言，根据上述的假设检验得到的检验结果，结合相对应的估计参数，可以计算出旅行时间，具体的算法如下：

正态分布：

$y=f\left(x\right|\mathrm{\μ},\mathrm{\σ})=\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{e}^{\frac{-{(x-\mathrm{\μ})}^2}{{2\mathrm{\σ}}^2}}$

Mean=μ,Variance=σ²

对数正态分布：

$y=f\left(x\right|\mathrm{\μ},\mathrm{\σ})=\frac{1}{\mathrm{x\σ}\sqrt{2\mathrm{\π}}}{e}^{\frac{-{(\ln x-\mathrm{\μ})}^2}{{2\mathrm{\σ}}^2}}$

$\mathrm{Mean}=e^{\mathrm{\μ}+{\mathrm{\σ}}^2/2},\mathrm{Variance}=e^{\mathrm{\μ}+{\mathrm{\σ}}^2}\·(e^{{\mathrm{\σ}}^2}-1)$

伽马分布：

$y=f\left(x\right|a,b)=\frac{1}{b^a\mathrm{\Γ}\left(a\right)}{x}^{a-1}{e}^{\frac{-x}{b}}$

Mean=ab,Variance=ab²

韦伯分布：

$y=f\left(x\right|a,b)={\mathrm{ba}}^{-b}{x}^{b-1}{e}^{{-\left(\frac{x}{a}\right)}^b}{I}_{(0,\∞)}\left(x\right)$

Mean=a[Γ(1+b^-1)],Variance=a²[Γ(1+2b^-1)-Γ(1+b^-1)²]

需要说明的是，如果步骤S3的检验结果是符合某种分布，则利用该分布的求期望值的方法求的路段的旅行时间，如果由于数据量过少而无法进行拟合，则直接使用正态分布的方法求的期望值来作为路段旅行时间。

本发明的路段旅行时间估计的方法具有计算原理清晰、智能程度高，操作简便，可移植性强、计算结果客观度准确度高的优点。

如图2所示，根据本发明实施例的路段旅行时间估计的***包括：采集单元100、车牌数据匹配单元200，数据预处理单元300，分布检验单元400以及旅行时间计算单元500。

具体地，采集单元100用于在上游卡口和下游卡口采集预定时间内通过车辆的信息；车牌数据匹配单元200用于进行车牌匹配，得到车辆旅行时间信息集；数据预处理单元300用于对车辆旅行时间信息集进行数据预处理；分布检验单元400用于对预处理后的时间信息集进行分布检验以判断分布模式；旅行时间计算单元500用于根据判断出的分布模式，计算路段旅行时间估计值。

在本发明的一个实施例中，数据预处理单元300利用四分位数据筛选法对车辆旅行时间信息集中的噪声数据进行筛除。

在本发明的一个实施例中，分布检验单元400利用卡方检验来检验旅行时间信息的概率分布函数是否为预设分布中的一种。

在本发明的一个实施例中，预设分布包括正态分布、对数正态分布、伽马分布和韦伯分布。

本发明的路段旅行时间估计的***具有实施简单、实时性高、自动化、智能化程度高，安装简便、兼容性强、操作简便，计算结果客观度准确度高的优点。

为使本领域技术人员更好地理解本发明，下面选取一条路段做为实例来作介绍。

现从已有数据中选取一天（2011年06月16日）的数据进行研究。所选路段为“光辉桥东->永安里东天桥”，路段长为1600米，属于城市快速路。该天内该路段的旅行时间匹配的数据如下表所示。

表1车辆旅行时间信息集表格

ID	车牌	入口ID	入口时间	出口ID	出口时间	用时（S）
							1308154035140_4	京BJ99**	5013	2011/6/16 0:00:01	5003	2011/6/16 0:00:01	101
1308154035140_28	京BM38**	5013	2011/6/16 0:00:14	5003	2011/6/16 0:00:14	102
							1308154035156_89	京BL40**	5013	2011/6/16 0:00:43	5003	2011/6/16 0:00:43	109
1308154035156_74	京GC08**	5013	2011/6/16 0:00:52	5003	2011/6/16 0:00:52	91
							1308154155078_18	京J917**	5013	2011/6/16 0:02:08	5003	2011/6/16 0:02:08	103
1308154155078_25	京MX23**	5013	2011/6/16 0:02:17	5003	2011/6/16 0:02:17	97
							1308154155078_62	京BM75**	5013	2011/6/16 0:02:32	5003	2011/6/16 0:02:32	98
1308154155093_154	京JX62**	5013	2011/6/16 0:03:27	5003	2011/6/16 0:03:27	98
							1308154155093_177	京BJ22**	5013	2011/6/16 0:03:40	5003	2011/6/16 0:03:40	97
......	......	......	......	......	......	......

考虑到在实际的道路行驶中不同时刻的旅行时间是不同的，但是在较短的时间段内的车辆的旅行时间可以认为不致相差太大，如果相差太大，例如有个别车辆的旅行时间明显超过其他车辆，则可认为该车辆由于停车等问题导致旅行时间过长，不代表本路段的旅行时间。在这里取15分钟作为确定的时间段，在15分钟之内应用四分位法进行数据的处理。

在处理后的数据基础上，应用分布检验及旅行时间估计，获得该路段的每15分钟的分布形式、平均旅行时间和方差，下表为对所选取的道路在6月16日的6:00-12:00的数据每隔15分钟进行一次估计，（25-48编号代表的是6:00-12:00的每15分钟的时段），包括分布形式、旅行时间参数的估计。

表2路段的分布模式和参数估计值

时间段	分布形式	T（s）	Sigma
				25	1	101.839	2.93433
26	3	105.385	8.65181
				27	3	119.248	9.57473
28	1	135.984	3.06143
				29	3	140.539	12.197
30	1	142.842	3.91196
				31	3	122.651	9.74012
32	2	125.881	9.04943
				33	3	133.803	13.2904
34	1	127.73	3.32183
				35	3	121.618	8.10597
36	3	129.357	12.6305
				37	2	140.108	14.2286
38	4	209.757	44.9522
				39	3	210.731	35.071
40	1	198.804	4.80519
				41	3	143.969	19.5725
42	2	133.504	21.6559
				43	2	116.709	9.89332
44	3	117.43	10.4772
				45	2	113.801	12.0441
46	2	112.447	9.42264
				47	2	107.657	8.50931
48	3	106.789	7.87982

注：分布形式，1代表正态分布；2代表对数正态分布；3代表Gamma分布；4代表Weibull分布；0：表示该时间段内无数据。

从上表可以得到每个时段的平均旅行时间估计值。

需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。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示例。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示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种路段旅行时间估计的方法，其特征在于，包括：

在上游卡口和下游卡口采集预定时间内通过车辆的信息，并进行车牌匹配，得到车辆旅行时间信息集；

对所述车辆旅行时间信息集进行数据预处理；

对预处理后的所述时间信息集进行分布检验以判断分布模式；以及

根据判断出的所述分布模式，计算路段旅行时间估计值。

2.如权利要求2所述的方法，其特征在于，所述进行数据预处理包括：利用四分位数据筛选法对所述车辆旅行时间信息集中的噪声数据进行筛除。

3.如权利要求1和2所述的方法，其特征在于，所述进行分布检验以判断分布模式包括：利用卡方检验来检验旅行时间信息的概率分布函数是否为预设分布中的一种。

4.如权利要求1-3所述的方法，其特征在于，所述预设分布包括正态分布、对数正态分布、伽马分布和韦伯分布。

5.一种路段旅行时间估计的***，其特征在于，包括：

采集单元，所述采集单元用于在上游卡口和下游卡口采集预定时间内通过车辆的信息；

车牌数据匹配单元，所述车牌数据匹配单元用于进行车牌匹配，得到车辆旅行时间信息集；

数据预处理单元，所述数据预处理单元用于对所述车辆旅行时间信息集进行数据预处理；

分布检验单元，所述分布检验单元用于对预处理后的所述时间信息集进行分布检验以判断分布模式；以及

旅行时间计算单元，所述旅行时间计算单元用于根据判断出的所述分布模式，计算路段旅行时间估计值。

6.如权利要求6所述的方法，其特征在于，所述数据预处理单元利用四分位数据筛选法对所述车辆旅行时间信息集中的噪声数据进行筛除。

7.如权利要求5和6所述的方法，其特征在于，所述分布检验单元利用卡方检验来检验旅行时间信息的概率分布函数是否为预设分布中的一种。

8.如权利要求5-7所述的方法，其特征在于，所述预设分布包括正态分布、对数正态分布、伽马分布和韦伯分布。

Images