CN103337189A - 一种基于路段动态划分的车辆路径诱导方法 - Google Patents

Abstract

本发明公开了一种基于路段动态划分的车辆路径诱导方法，该方法可通过路段动态划分建立动态路网连通图，搜寻最优路径，实现动态导航。具体包括以下步骤，首先，交通中心通过车联网技术采集车辆的实时信息，利用基于密度的聚类算法（如DBSCAN方法）定时对区域路段进行动态划分，并生成路网的动态连通图；其次，车辆通过发送自身的位置及目的地信息，向交通信息中心请求最优路径；最后，交通信息中心根据车辆的位置及目的地信息，在路网的动态连通图上通过最短路径算法生成最优路径，并传输给车辆，实现路径诱导。本发明的优点为：能够生成实时准确的路网动态连通图，从而为出行者提供最优的路径诱导，缓解城市拥堵，提高行车效率。

Description

一种基于路段动态划分的车辆路径诱导方法

技术领域

本发明涉及车联网技术和无线通信技术领域，具体来说，是一种基于路段动态划分的车辆路径诱导方法。

背景技术

近年来，我国交通行业蓬勃发展，居民汽车保有量大幅度上升，随之而来的城市道路拥堵频繁发生，直接造成诸如燃油消耗，空气污染以及出行者出行时间大量浪费的问题。因此，实现智能、动态的路径诱导成为交通部门与出行者关注的热点内容。

随着无线通信和移动计算技术的迅速发展，网络移动终端已经扩展应用到车载平台上。基于先进的无线通信技术、车联网技术，车辆之间、车辆与交通管控中心之间可以实现高效的数据传输、信息发布功能。基于无线通信技术，车辆与网络后台服务器组建无线数据传输网络，使得集成了移动通信设备的车载终端能够通过无线网络向网络后台服务器传回自身状态以及周围环境的信息，并由交通管控中心在网络平台上对多终端、多元化的数据信息进行加工融合、建模分析与计算、共享和信息查询发布。

目前，利用浮动车技术采集路网车辆位置信息，现有建立路网连通图方法是以采集到的每个路段的车辆的平均速度作为这条路段的权重，而未考虑到路段（特别是较长路段）上车辆分布的不均匀性及路段不同区域车辆行驶速度的差异，通过这样的路网连通图计算得到的最优路径并不理想。

发明内容

为了解决上述问题，本发明提出一种基于路段动态划分的车辆路径诱导方法，通过下述步骤实现：

步骤1：所驾驶车辆每间隔T1时刻获取目的地的经纬度信息、车辆当前位置、速度信息，发送到交通信息服务中心。

步骤2：交通信息中心实时采集路网内全部车辆的当前位置、速度信息，每间隔T2时刻通过下述步骤进行动态路径划分，具体为：

A、通过地图匹配算法，在交通信息中心地理信息库中查询各车辆对应的自然路段，并将各车辆所处自然路段的两个自然节点坐标与车辆位置、速度信息，以及车辆位置、速度信息采集的时间存放于交通信息中心内部数据库中。

B、利用基于密度的聚类算法对每个自然路段上全部车辆，通过下述方法进行聚类处理：

Ⅰ、按carid_i中i由1至n的顺序读取交通信息中心内部数据库中自然路段内全部车辆的位置、速度信息，并顺序存放至列表carpointList中。

Ⅱ、从carpointList中读取第一辆车的位置信息，计算第一辆车与其余车辆间的距离；其中，与第一辆车间的距离小于或等于设定距离阈值e的车辆对应的车辆位置信息，以及第一辆车的车辆位置信息构成子聚类1；且与第一辆车间的距离小于或等于设定的距离阈值e的车辆对应的车辆位置信息，以及第一辆车的车辆位置信息作为子聚类1的元素，存放入temppoint数组中。

在temppoint数组中，若子聚类1中的元素数量大于或等于设定的最小密度阀值minp，则将子聚类1中的车辆位置信息对应的车辆进行标记；同时，作为groupList数组中的一个元素。

Ⅲ、从carpointList中读取第二辆车的位置信息，若第二辆车已经标记，则执行步骤Ⅳ；若第二辆车未被标记，则计算第二辆车与其余车辆间的距离；其中，与第二辆车间的距离小于或等于设定阈值e的车辆对应的车辆位置信息，以及第二辆车的车辆位置信息构成子聚类2；且与第二辆车间的距离小于或等于设定阈值e的未标记车辆对应的车辆位置信息，以及第二辆车的车辆位置信息作为子聚类2的元素，存放入temppoint数组中；

在temppoint数组中，若子聚类2中的元素数量大于或等于设定的最小密度阀值minp，则将子聚类2中的车辆位置信息对应的车辆进行标记；同时将子聚类2存放入groupList数组中，作为groupList数组中的一个元素。

Ⅳ、从carpointList中依次读取第三辆车至第k辆车的位置信息，重复执行Ⅲ，而最后剩余未标记车辆的车辆位置信息视为噪声点。

Ⅴ、对groupList数组内存储的x个子聚类中具有相同车辆位置信息的子聚类进行合并，形成一个聚类。

C、计算各个自然路段的权重；

若第k个子路段中同时具有聚类与子聚类，即步骤B中x>1，则将步骤B中各个自然路段内的各个聚类与子聚类均作为自然路段的子路段，则自然路段被分成k个子路段，各个子路段的长度l_k为各个子路段中距离自然路段两个自然节点距离最近的两车辆的间距；由此通过下式可得到各个自然路段中各子路段内车辆的平均速度

为：

$v_m^k=\frac{1}{D_k}\underset{g=1}{\overset{D_k}{\mathrm{\Σ}}}{v}_g^k---\left(1\right)$

式（1）中，

为第k个子路段中第g个车辆的速度；D_k为第k个子路段中的车辆的总数；

此时，自然路段中第k个子路段的通行时间t_k为：

$t_k=\frac{l_k}{v_m^k}---\left(2\right)$

式（2）中，l_k为第k个子路段的长度；

将各个自然路段中的相邻子路段内间距最小的两车辆间的路段作为未划分路段，则自然路段中的全部未划分路段的总通行时间t_others为：

$t_{\mathrm{others}}=\frac{l-\underset{k=0}{\overset{\mathrm{subNum}}{\mathrm{\Σ}}}{l}_k}{V_{\max }}---\left(3\right)$

式（3）中l为自然路段的总长度；l_k为第k个子路段的长度；V_max为自然路段的设计速度，即为车辆在该自然路段行驶的允许的最大速度；sumNum为自然路段内子路段的数量；

由此通过下式得到各个自然路段的权重w_rs为：

$w_{\mathrm{rs}}=\underset{k=0}{\overset{\mathrm{subNum}}{\mathrm{\Σ}}}{t}_k+t_{\mathrm{others}}---\left(4\right)$

若自然路段内第k个子路段中没有子聚类或仅有一个子聚类，则此时自然路段的平均速度为：

$v_m=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{v}_i---\left(5\right)$

式（5）中，v_i为自然路段中第i个车辆的速度；n为自然路段中车辆的总数；

此时，自然路段中各个子路段的通行时间t为：

$t=\frac{l}{v_m}---\left(6\right)$

式（6）中，l为自然路段的长度；

则自然路段的权重w_rs为：

w_rs＝t                     （7）

由此通过步骤C可将路网建立成连通网络图G（N,E,W）；N为连通网络图中的自然节点数，N={1,2,3,…，h}；E为连通网络图中所有自然路段的集合：E＝{e_rs|(r,s)∈N×N}；r、s分别为各个自然路段的两个端点；W为连同网络图中各个自然路段的权重集合，W＝{w_rs}；w_rs为自然路段e_rs的权重。

步骤3：通过最短路径算法得到时间最短路径。

本发明的优点在于：

1、本发明基于路段动态划分的车辆路径诱导方法，为出行者提供最优的路径诱导，缓解城市拥堵，提高行车效率。

2、本发明基于路段动态划分的车辆路径诱导方法，将路段动态分成若干子路段，通过计算各子路段的通行时间，然后合成路段的通行时间，这样可以准确地计算各路段的权重，生成实时的路网连通图，然后可以利用最短路径算法求出最佳路径。

附图说明

图1为本发明基于路段动态划分的车辆路径诱导方法整体流程图；

图2为本发明方法中进行聚类处理的流程图。

具体实施方式

本发明一种基于路段动态划分的车辆路径诱导方法，如图1所示，通过下述步骤实现：

步骤1：所驾驶车辆获取自身当前状态信息（位置信息、速度信息）与目的地信息，发送到交通信息服务中心；

如图1所示，驾驶员在人机交互***中输入目的地，此时无线通讯设备建立与交通信息中心服务器基于TCP/IP协议的socket通讯，待socket通讯建立完毕，每间隔T1时刻（1分钟或根据需要进行设定），由车载控制单元获取人机交互***中目的地的经纬度信息，以及由卫星定位***和车速传感器获取的所驾驶车辆当前位置信息（经纬度信息）与车速信息，并一同打包形成数据包后，通过无线通讯模块发送到交通信息服务中心。

上述车载控制单元还将驾驶员输入目的地的经纬度存储于车载控制单元中的车载端数据库内，且当驾驶员输入目的地的经纬度变化时（即驾驶员输入新的目的地），则替换车载端数据库内已存储的目的地经纬度数据。

步骤2：交通信息中心实时采集路网内全部车辆当前的状态信息，进行动态路径划分；

交通信息中心根据路网内全部车辆状态信息，每间隔T2时刻通过下述步骤进行动态路径划分，具体为：

A、通过地图匹配算法（如：浮动车快速匹配算法），根据采集到的路网内全部车辆的位

置信息，在交通信息中心地理信息库中查询各车辆对应的自然路段，并将各车辆所处自然路段的两个自然节点（路段的两个端点）坐标（经纬度）与车辆的状态信息，以及状态信息采集时间存放于交通信息中心内部数据库<路段划分表>中，数据的格式如下：

<roadid，(startpoint)，(endpoint)，(carid_i，location，speed，time)>。其中，roadid为自然路段的编号；startpoint为自然路段中一个自然节点的坐标，作为自然路段的起始点；endpoint为自然路段中另一个自然节点的坐标，作为自然路段的终点；(carid_i，location，speed，time)中，carid_i为该自然路段中第i辆车的车牌号，按照车辆离起始点距离大小递减排序；i为车辆编号，i=1、2、3、……、n；n为该自然路段中车辆的总数；location为车辆的位置信息；speed为车辆当前车速信息；time为交通信息中心采集车辆状态信息时的时间。

B、利用基于密度的聚类算法（如：DBSCAN算法）对每个自然路段上全部车辆，通过下述方法进行聚类处理，如图2所示：

Ⅰ、按顺序（carid_i中i由1至n顺序）读取交通信息中心内部数据库<路段划分表>中自然路段内全部车辆的位置信息与速度信息，并顺序存放至列表carpointList中；

Ⅱ、从carpointList中读取第一辆车的位置信息（carid中i=1的车辆位置信息），计算第一辆车与其余车辆间的距离；其中，与第一辆车间的距离小于或等于设定距离阈值e的车辆对应的车辆位置信息，以及第一辆车的车辆位置信息构成子聚类1；且与第一辆车间的距离小于或等于设定的距离阈值e的车辆对应的车辆位置信息，以及第一辆车的车辆位置信息作为子聚类1的元素，存放入temppoint数组中；而与第一辆车间的距离中大于设定距离阈值e的车辆对应的车辆位置信息，不进行处理。

在temppoint数组中，若子聚类1中的元素数量大于或等于设定的最小密度阀值minp，则将子聚类1中的车辆位置信息对应的车辆进行标记；同时，作为groupList数组中的一个元素；若子聚类1中的元素数量小于设定的最小密度阀值minp，则不对子聚类1进行处理。

上述若第一辆车与其余车辆间的距离均大于设定的距离阈值e时，则没有形成子聚类，不对第一辆车与其余车辆的车辆位置信息进行处理。

Ⅲ、从carpointList中读取第二辆车的位置信息（carid中i=2的车辆位置信息），若第二辆车已经标记，则跳过步骤Ⅲ，执行步骤Ⅳ；若第二辆车未被标记，则计算第二辆车与其余车辆间的距离；其中，与第二辆车间的距离小于或等于设定阈值e的车辆对应的车辆位置信息，以及第二辆车的车辆位置信息构成子聚类2；且与第二辆车间的距离小于或等于设定阈值e的未标记车辆对应的车辆位置信息，以及第二辆车的车辆位置信息作为子聚类2的元素，存放入temppoint数组中；而与第二辆车间距离中大于设定距离阈值e的未标记车辆对应的车辆位置信息，不进行处理。

在temppoint数组中，若子聚类2中的元素数量大于或等于设定的最小密度阀值minp，则将子聚类2中的车辆位置信息对应的车辆进行标记；同时将子聚类2存放入groupList数组中，作为groupList数组中的一个元素；若子聚类2中的元素数量小于设定的最小密度阀值minp，则不对子聚类2进行处理。

上述若第二辆车与其余车辆间的距离均小于设定距离阈值时，则没有形成子聚类，不对第二辆车与其余车辆的车辆位置信息进行处理。

Ⅳ、从carpointList中依次读取第三辆车至第k辆车的位置信息（carid中i=3,4,……k的车辆位置信息），重复执行Ⅲ，而最后剩余未标记车辆的车辆位置信息视为噪声点；由此在groupList数组中存储有x个子聚类，x为自然数；且若x为0或1时，则说明carpointList中全部车辆位置信息对应的车辆均未标记（全部为噪声点）或仅存在一个聚类，则直接进入步骤C；若x>1时，则进行步骤V。

Ⅴ、对groupList数组内存储的x个子聚类中具有相同车辆位置信息的子聚类进行合并，形成一个聚类。

通过上述方法，可在每个自然路段上生成q个聚类与p个子聚类，0≤q≤x，0≤p≤x。

C、计算各个自然路段的权重（通行时间）；

若步骤B中x>1,将步骤B中各个自然路段内的各个聚类与子聚类均作为自然路段的子路段，则自然路段被分成k个子路段，k=p+q，各个子路段的长度l_k为各个子路段中距离自然路段两个自然节点距离最近的两车辆的间距；由此通过下式可得到各个自然路段中各子路段内车辆的平均速度

为：

$v_m^k=\frac{1}{D_k}\underset{g=1}{\overset{D_k}{\mathrm{\&Sigma;}}}{v}_g^k---\left(1\right)$

式（1）中，

为第k个子路段中第g个车辆的速度；D_k为第k个子路段中的车辆的总数；

此时，自然路段中第k个子路段的通行时间t_k为：

$t_k=\frac{l_k}{v_m^k}---\left(2\right)$

式（2）中，l_k为第k个子路段的长度；

将各个自然路段中的相邻子路段内间距最小的两车辆间的路段作为未划分路段，则自然路段中的全部未划分路段的总通行时间t_others为：

$t_{\mathrm{others}}=\frac{l-\underset{k=0}{\overset{\mathrm{subNum}}{\mathrm{\&Sigma;}}}{l}_k}{V_{\max }}---\left(3\right)$

式（3）中l为自然路段中全部未划分路段的总长度；l_k为第k个子路段的长度；V_max为自然路段的设计速度，即为车辆在该自然路段行驶的允许的最大速度；sumNum为自然路段内子路段的数量，sumNum=p+q；

由此通过下式得到各个自然路段的权重w_rs为：

$w_{\mathrm{rs}}=\underset{k=0}{\overset{\mathrm{subNum}}{\mathrm{\&Sigma;}}}{t}_k+t_{\mathrm{others}}---\left(4\right)$

若自然路段内第k个子路段中没有子聚类或仅有一个子聚类，即步骤B中x为0或者1，则此时自然路段的平均速度为：

$v_m=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{v}_i---\left(5\right)$

式（5）中，v_i为自然路段中第i个车辆的速度；n为自然路段中车辆的总数；

此时，自然路段中各个子路段的通行时间t为：

$t=\frac{l}{v_m}---\left(6\right)$

式（6）中，l为自然路段的长度；

则自然路段的权重w_rs为：

w_rs＝t                   （7）

由此通过步骤C可将路网建立成连通网络图G（N,E,W），N为连通网络图中的自然节点数，N={1,2,3,…，h}；E为连通网络图中所有自然路段的集合，E＝{e_rs|(r,s)∈N×N}；r、s分别为各个自然路段的两个端点；W为连同网络图中各个自然路段的权重集合，W＝{w_rs}；w_rs为自然路段e_rs的权重。

步骤3：通过最短路径算法得到时间最短路径；

⑴、交通信息中心提取步骤1中车载端控制单元发送的数据包内所驾驶车辆位置信息以及目的地经纬度信息；

⑵、通过将所驾驶车辆位置信息与目的地经纬度信息，在地理信息库中查询当前所驾驶车辆以及目的地所处的路段；

⑶、将步骤⑴提取的所驾驶车辆位置信息以及目的地经纬度信息分别作为起始点和终点，在由步骤2中得到的连通网络图G中利用最短路径算法（如：Dijsktra算法）得到起点与终点间通行时间最短的路径。

步骤4：交通信息中心将步骤3中得到的起点与终点间通行时间最短的路径，通过无线通讯模块发送到车载控制单元中，最终通过车载控制单元发送到车载导航地图中进行显示。

Claims (3)

1.一种基于路段动态划分的车辆路径诱导方法，其特征在于：通过下述步骤实现：

步骤1：所驾驶车辆每间隔T1时刻获取目的地的经纬度信息、车辆当前位置、速度信息，发送到交通信息服务中心；

步骤2：交通信息中心实时采集路网内全部车辆的当前位置、速度信息，每间隔T2时刻通过下述步骤进行动态路径划分，具体为：

A、通过地图匹配算法，在交通信息中心地理信息库中查询各车辆对应的自然路段，并将各车辆所处自然路段的两个自然节点坐标与车辆位置、速度信息，以及车辆位置、

速度信息采集的时间存放于交通信息中心内部数据库中；

B、利用基于密度的聚类算法对每个自然路段上全部车辆，通过下述方法进行聚类处理：

Ⅰ、按carid_i中i由1至n的顺序读取交通信息中心内部数据库中自然路段内全部车辆的位置、速度信息，并顺序存放至列表carpointList中；

Ⅱ、从carpointList中读取第一辆车的位置信息，计算第一辆车与其余车辆间的距离；其中，与第一辆车间的距离小于或等于设定距离阈值e的车辆对应的车辆位置信息，以及第一辆车的车辆位置信息构成子聚类1；且与第一辆车间的距离小于或等于设定的距离阈值e的车辆对应的车辆位置信息，以及第一辆车的车辆位置信息作为子聚类1的元素，存放入temppoint数组中；

在temppoint数组中，若子聚类1中的元素数量大于或等于设定的最小密度阀值minp，则将子聚类1中的车辆位置信息对应的车辆进行标记；同时，作为groupList数组中的一个元素；

Ⅲ、从carpointList中读取第二辆车的位置信息，若第二辆车已经标记，则执行步骤Ⅳ；若第二辆车未被标记，则计算第二辆车与其余车辆间的距离；其中，与第二辆车间的距离小于或等于设定阈值e的车辆对应的车辆位置信息，以及第二辆车的车辆位置信息构成子聚类2；且与第二辆车间的距离小于或等于设定阈值e的未标记车辆对应的车辆位置信息，以及第二辆车的车辆位置信息作为子聚类2的元素，存放入temppoint数组中；

在temppoint数组中，若子聚类2中的元素数量大于或等于设定的最小密度阀值minp，则将子聚类2中的车辆位置信息对应的车辆进行标记；同时将子聚类2存放入groupList数组中，作为groupList数组中的一个元素；

Ⅳ、从carpointList中依次读取第三辆车至第k辆车的位置信息，重复执行Ⅲ，而最后剩余未标记车辆的车辆位置信息视为噪声点；

Ⅴ、对groupList数组内存储的x个子聚类中具有相同车辆位置信息的子聚类进行合并，形成一个聚类；

C、计算各个自然路段的权重；

若第k个子路段中同时具有聚类与子聚类，即步骤B中x>1，则将步骤B中各个自然路段内的各个聚类与子聚类均作为自然路段的子路段，则自然路段被分成k个子路段，各个子路段的长度l_k为各个子路段中距离自然路段两个自然节点距离最近的两车辆的间距；由此通过下式可得到各个自然路段中各子路段内车辆的平均速度为：

$v_m^k=\frac{1}{D_k}\underset{g=1}{\overset{D_k}{\mathrm{\&Sigma;}}}{v}_g^k---\left(1\right)$

式（1）中，

为第k个子路段中第g个车辆的速度；D_k为第k个子路段中的车辆的总数；

此时，自然路段中第k个子路段的通行时间t_k为：

$t_k=\frac{l_k}{v_m^k}---\left(2\right)$

式（2）中，l_k为第k个子路段的长度；

将各个自然路段中的相邻子路段内间距最小的两车辆间的路段作为未划分路段，则自然路段中的全部未划分路段的总通行时间t_others为：

$t_{\mathrm{others}}=\frac{l-\underset{k=0}{\overset{\mathrm{subNum}}{\mathrm{\&Sigma;}}}{l}_k}{V_{\max }}---\left(3\right)$

式（3）中l为自然路段中全部未划分路段的总长度；V_max为自然路段的设计速度，即为车辆在该自然路段行驶的允许的最大速度；sumNum为自然路段内子路段的数量；

由此通过下式得到各个自然路段的权重w_rs为：

$w_{\mathrm{rs}}=\underset{k=0}{\overset{\mathrm{subNum}}{\mathrm{\&Sigma;}}}{t}_k+t_{\mathrm{others}}---\left(4\right)$

若自然路段内第k个子路段中没有子聚类或仅有一个子聚类，则此时自然路段的平均速度为：

$v_m=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{v}_i---\left(5\right)$

式（5）中，v_i为自然路段中第i个车辆的速度；n为自然路段中车辆的总数；

此时，自然路段中各个子路段的通行时间t为：

$t=\frac{l}{v_m}---\left(6\right)$

式（6）中，l为自然路段的长度；

则自然路段的权重w_rs为：

w_rs＝t              （7）

由此通过步骤C可将路网建立成连通网络图G（N,E,W），其中，N为连通网络图中的自然节点数，N={1,2,3,…，h}；E为连通网络图中所有自然路段的集合，E＝{e_rs|(r,s)∈N×N}；r、s分别为各个自然路段的两个端点；W为连同网络图中各个自然路段的权重集合，W＝{w_rs}；w_rs为自然路段e_rs的权重；

步骤3：通过最短路径算法得到时间最短路径。

2.如权利要求1所述一种基于路段动态划分的车辆路径诱导方法，其特征在于：所述交通信息中心数据库内数据格式如下：<roadid，(startpoint)，(endpoint)，(carid_i，location，speed，time)>；其中，roadid为自然路段的编号；startpoint为自然路段中一个自然节点的坐标，作为自然路段的起始点；endpoint为自然路段中另一个自然节点的坐标，作为自然路段的终点；(carid_i，location，speed，time)中，carid_i为该自然路段中第i辆车的车牌号，按照车辆离起始点距离大小递减排序；i为车辆编号，i=1、2、3、……、n；n为该自然路段中车辆的总数；location为车辆的位置信息；speed为车辆当前车速信息；time为交通信息中心采集车辆状态信息时的时间。

3.如权利要求1所述一种基于路段动态划分的车辆路径诱导方法，其特征在于：所述步骤3具体为：交通信息中心通过将所驾驶车辆位置信息与目的地经纬度信息，在地理信息库中查询当前所驾驶车辆以及目的地所处的路段；并将所驾驶车辆位置信息以及目的地经纬度信息分别作为起始点和终点，在连通网络图G中利用最短路径算法，得到起点与终点间通行时间最短的路径。

Images