CN105006149B - 交通路况估计动态迭代方法 - Google Patents
交通路况估计动态迭代方法 Download PDFInfo
- Publication number
- CN105006149B CN105006149B CN201510406126.3A CN201510406126A CN105006149B CN 105006149 B CN105006149 B CN 105006149B CN 201510406126 A CN201510406126 A CN 201510406126A CN 105006149 B CN105006149 B CN 105006149B
- Authority
- CN
- China
- Prior art keywords
- section
- variance
- vehicle
- hourage
- dynamic iterations
- 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.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公布了交通路况估计动态迭代方法,该方法利用现有收费记录数据,通过动态迭代方法复现道路的运行状况,包括针对每条OD记录,计算得到该车辆在路网中行驶的最短路径;反演车辆在该最短路径各路段上的行车状态,得到基于匀速假设的各路段各时刻的流量和速度;对所有车辆记录进行动态迭代反演;当计算得到的方差f(x)大于或等于设定方差阈值时,通过方差均衡化调整方差进行动态迭代;得到最终反演结果。本发明将时间连续化,通过动态迭代使每次迭代各轨迹点在时空上作调整,设从而确保复现道路运行状况结果的合理性和准确性,可帮助实时监测道路运行情况。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种根据历史收费数据对高速公路状态进行估计的动态迭代方法。
背景技术
随着我国经济的快速发展,公路交通技术的发展和管理效率的提高变得至关重要。高速公路交通***是典型的复杂***,而该***的复杂性以道路的网络结构为基础。有效地对交通道路状况进行准确度量是提升高速公路运营管理水平与服务质量的基础。
交通网络的拓扑结构与道路的交通参数能够在一定程度上反映交通网络的性能,然而要从更全面的角度评估交通网络的性能,则需将交通网络拓扑结构与交通网络中历史的和当前的交通流状况相结合。交通网络的性能度量主要包含了整体路网的整体通行效率、各组成部分(如进出口、路段等)的交通模式、道路通行能力随交通量增加表现出的可扩展性以及根据实时交通流状况的环境污染和能耗状态的度量等。
目前,为了解路网交通状况,通常采用车辆的平均速度法,即按照十五分钟为换分时间窗口(时窗),对每条轨迹进行时窗分配,再对每个窗口内的数据进行统计计算,得到交通状况。此现有方法属离散静态方法,在空间上抹杀了各路段之间的实际速度差异,在时间上用离散时段,降低了时变精度,在统计计算上也未能准确归纳每一条数据(车辆OD)应有的时空位置点,因此,采用平均速度法对路网交通状况进行估计的准确性不高。
发明内容
为了克服上述现有技术的不足,本发明基于交通流模型知识,根据路口进出车辆的数据推求(反演)当时路网上交通状况,具体提供一种交通路况估计动态迭代方法,将时间连续化,进行联动的迭代计算,使每次迭代时各轨迹点在时空上作调整,通过设定全局优化目标和严格的约束条件,确保估计结果复现道路运行状况的合理性和准确性,可帮助实时监测道路运行情况。
本发明提供的技术方案是:
一种交通路况估计动态迭代方法,该方法利用现有收费记录数据,通过动态迭代方法复现道路的运行状况,具体包括如下步骤:
1)取出行车记录,包括路网中所有的起点和终点OD记录;
2)针对每条OD记录,计算得到车辆在路网中行驶的最短路径,由多个路段组成,记作{Section1,Section2,…,Sectionn};
3)基于匀速假设,计算得到车辆进入各个路段的时刻{t1,t2,…,tn},反演车辆在该最短路径各路段上的行车状态,得到基于匀速假设的各路段各时刻的流量和速度;
4)对所有车辆记录进行动态迭代反演;
针对全路网的OD车辆记录,根据式1计算方差f(x),判断方差f(x)是否满足设定的方差阈值;
f(x)=min(∑iD(Ti),if i∈Snon-free) (式1)
式1中,min()表示优化目标是最小值;Snon-free是所有的非自由流的原子路段;D(Ti)为方差计算公式D(x)=E(x2)-E(X)2,其中,x是该路段的旅行时间的平均值,X为该路段的旅行时间的集合;E(X)是该路段的旅行时间的平均值;i是路段的编号;Ti第i个原子路段上所有的OD记录的旅行时间向量;
当计算得到的方差f(x)小于设定的方差阈值时,结束动态迭代反演,进入步骤5);当计算得到的方差f(x)大于或等于设定方差阈值时,进行如下循环:
41)针对路网中的每个路段,根据权重分配原则计算得到该路段的速度的期望中值:
式2中,mti是第i个路段的旅行时间的中值;tij为第j个OD记录在第i个路段上的旅行时间;Tj为第j个原子路段上所有的OD记录的旅行时间向量;车辆旅行时间越长,在计算时权重越小;
42)针对每条OD记录和步骤41)中得到的路段速度的期望中值,根据再分配原则,通过方差均衡化调整方差,使tij向着与mti的差减小的方向进行迭代:
tij=tij+alpha*(mti-tij) (式3)
式3中,tij为第j个OD记录在第i个路段上的旅行时间;mti是第i个路段的旅行时间的中值;alpha是系数,通过经验或者实际情况确定,取值范围为0.01~0.1;
5)循环过程结束后,根据每个OD记录在各个路段中分配到的旅行时间,得到反演结果,包括各个路段最终的速度和路段流量。
针对上述交通路况估计动态迭代方法,进一步地,
步骤4)所述方差阈值具体根据路段的车辆数或不同的路段进行设定和调整。在本发明实施例中,所述方差阈值设定为200。
步骤41)所述权重分配原则指的是行程越短的车,其旅行时间越可靠,计算路段速度的期望中值时赋予的权重越大。
步骤42)所述方差均衡化具体是将车辆OD记录上次迭代时在其所途径的各个路段分配的旅行时间与路段期望的方差均衡化。
与现有技术相比,本发明的有益效果是:
针对历史交通路况进行估计(反演),现有技术大多采用车辆平均速度法,该方法为离散静态方法,即按十五分钟换分时间窗口,每条轨迹进行时窗分配,再对每个窗口内数据进行统计,因此,该方法在空间上抹杀了各路段之间的实际速度差异,在时间上用离散时段,降低了时变精度,在统计计算上也未能准确归纳每一条数据(车辆OD)应有的时空位置点。
本发明基于交通流模型知识,根据路口进出车辆的数据推求当时路网上交通状况,具体提供一种交通路况估计动态迭代方法,动态迭代方法的原理是将时间连续化,联动地进行迭代计算,使每次迭代各轨迹点在时空上作调整,设定全局优化目标和严格的约束条件,从而确保复现道路运行状况结果的合理性和准确性,可帮助实时监测道路运行情况。在此基础上,进一步预测分析未来走向态势,协助决策。
附图说明
图1为本发明提供的交通路况估计动态迭代方法的流程框图。
图2为本发明提供的动态迭代反演算法具体步骤的流程框图。
图3为本发明实施例中的路网和最短路径地图的示意图,
其中,1—画圈部分中的路段为实施例中的车辆最短路径。
具体实施方式
下面结合附图,通过实施例进一步描述本发明,但不以任何方式限制本发明的范围。
本发明提供一种用于交通路况估计的动态迭代方法,该方法利用现有的收费记录数据,通过动态迭代方法复现道路的运行状况,可为实时监测道路运行情况提供帮助,在此基础上,可进一步预测分析道路未来的走向态势,起到辅助决策的作用。
用于交通路况估计的动态迭代方法具体包括如下步骤:
1)取出行车记录;
取出路网中所有的起点和终点(OD)记录;
2)针对每条OD记录,计算车辆在路网中行驶的最短路径;
针对每条OD记录,根据其起点终点计算在路网中的最短路径,由多个路段组成,记作{Section1,Section2,…,Sectionn};
3)基于匀速假设,反演车辆在该最短路径各路段上的行车状态,得到基于匀速假设的各路段各时刻的流量和速度;
根据其起点终点时间以及匀速行驶的假设,计算得到车辆进入各个路段的时刻{t1,t2,…,tn},则相应路段相应时刻的流量Flow(Sectioni,ti)增加1,相应路段相应时刻的速度Speed(Sectioni,ti)的统计样本量增加1;
4)对所有车辆记录进行动态迭代反演;
针对所有记录进行步骤3)所述计算完毕后,通过公式计算得到方差f(x):
f(x)=min(∑iD(Ti),if i∈Snon-free) (式1)
式1中,min()表示优化目标是最小值;Snon-free是所有的非自由流的原子路段;D(Ti)为方差计算公式D(x)=E(x2)-E(X)2,其中,x是该路段的旅行时间的平均值,X为该路段的旅行时间的集合;E(X)是该路段的旅行时间的平均值;i是路段的编号;Ti第i个原子路段上所有的OD记录的旅行时间向量;
针对全路网的OD车辆记录,根据公式计算方差f(x),判断方差f(x)是否满足设定阈值;阈值根据经验和实际应用进行设定和调整;具体地,阈值根据路段的车辆数或不同的路段有不同的选择。当计算得到的方差f(x)小于设定阈值时,结束动态迭代反演,进入步骤5);当计算得到的方差f(x)大于或等于设定阈值时,进行如下循环:
41)针对路网中的每个路段,根据权重分配原则(即行程越短的车,其旅行时间越可靠,正在计算中值时赋予的权重越大),计算得到该路段的速度的期望中值:
式2中,mti是第i个路段的旅行时间的中值;tij为第j个OD记录在第i个路段上的旅行时间;Tj为第j个原子路段上所有的OD记录的旅行时间向量;车辆旅行时间越长,在计算时权重越小;
42)针对每条OD记录和上一步中得到的路段速度的期望中值,根据再分配原则是将车辆OD记录上次迭代时在其所途径的各个路段分配的旅行时间与路段期望的方差均衡化。方差均衡化是指调整让tij向着与mti的差减小的方向进行迭代:
tij=tij+alpha*(mti-tij) (式3)
式3中,tij为第j个OD记录在第i个路段上的旅行时间;mti是第i个路段的旅行时间的中值;alpha是系数,通过经验或者实际情况确定,取值范围为0.01~0.1;
5)循环过程结束后,根据每个OD记录在各个路段中分配到的旅行时间,得到反演结果,包括各个路段最终的速度和路段流量。
下面通过实例对本发明进行进一步说明。
实例1:
收费记录数据的优势主要体现在收费记录是车辆进入并离开路网的完整记录,内容包含了车辆车牌、车型、车辆进入和离开路网的时间和站点等重要信息。简单地来说,假设所有车辆在路网中匀速行驶,所有车辆选择起点到终点的最短路径行驶,那么已知车辆进入、离开路网的站点和时间,则可以推算出车辆的速度以及任意时刻车辆在路网中的位置,即所处的路段。进一步可以统计出各个路段的流量和平均速度。如此一来,便可以由路口进出车辆的收费数据复现道路运行状况。
图3是安徽省路网的一部分,收集该部分路网的收费记录,执行如下操作:
1)针对每一条车辆记录,根据其起点和终点计算在路网中的最短路径;
最短路径由多个路段组成,即{Section1,Section2,…Sectionn},该最短路径共有n个路段。目前根据起点和终点计算在路网中的最短路径的方法可采用Dijkstra算法(迪杰斯特拉算法)计算获得,如图3所示,画圈部分中的路段为该车辆的最短路径。
2)根据其起点和终点的时间以及匀速行驶的假设,对应该最短路径中的n个路段{Section1,Section2,…Sectionn},计算车辆进入各个路段的时刻,记作{t1,t2,…tn};进一步计算获得该车在每个路段用的时间;
时间单位精度为分钟;本实施例中,t1=3min;
示意代码如下:
3)所有记录计算完毕之后,则进入迭代反演步骤,图2为动态迭代反演算法具体步骤的流程框图,具体执行如下操作:
31)通过方差计算公式(上文式1)得到方差f(x);若方差f(x)的值小于等于设定的阈值则结束操作;
示意代码如下:
本实施例中,设定阈值是200,计算得到方差f(x)的值是243,方差f(x)大于设定阈值,进入如下循环,包括步骤32a)~32b):
32a)针对路网中的每个路段,根据权重分配原则计算得到该路段的速度的期望中值;
权重分配原则即行程越短的车,其旅行时间越可靠,正在计算中值时赋予的权重越大。通过上述式2计算得到该路段的速度的期望中值。本实施例中,计算得到第一个路段的速度的期望中值是2min;
32b)针对每条OD记录和上一步中得到的路段速度中值,根据再分配原则将车辆OD记录上次迭代时在其所途经的各个路段分配的旅行时间与路段期望的方差均衡化;
方差均衡化具体是通过上述式3做调整,让第j个OD记录在第i个路段上的旅行时间tij向着与第i个路段的旅行时间的中值mti的差减小的方向进行迭代;本实施例中,tij=3+0.1*(2-3)=2.7。
33)针对全路网的OD车辆记录,根据公式1计算方差f(x);看f(x)是否满足小于阈值的条件。本实施例此步骤计算得到f(x)为190,小于阈值200,循环结束;
示意代码如下:
34)循环过程结束后,根据每个OD记录在各个路段中分配到的旅行时间tij,得到最终的速度和路段流量。
根据得到的最终的速度和路段流量,可以得到更加真实的路网内的实时情况,为进一步的分析交通情况提供有力的保障。
需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (5)
1.一种交通路况估计动态迭代方法,该方法利用现有收费记录数据,通过动态迭代方法复现道路的运行状况,具体包括如下步骤:
1)取出行车记录,包括路网中所有的起点和终点OD记录;
2)针对每条OD记录,计算得到车辆在路网中行驶的最短路径,由多个路段组成,记作{Section1,Section2,…,Sectionn};
3)基于匀速假设,计算得到车辆进入各个路段的时刻{t1,t2,…,tn},反演车辆在该最短路径各路段上的行车状态,得到基于匀速假设的各路段各时刻的流量和速度;
4)对所有车辆记录进行动态迭代反演;
针对全路网的OD车辆记录,根据式1计算方差f(x),判断方差f(x)是否满足设定的方差阈值;
f(x)=min(∑iD(Ti),if i∈Snon-free) (式1)
式1中,min()表示优化目标是最小值;Snon-free是所有的非自由流的原子路段;D(Ti)为方差计算公式D(x)=E(x2)-E(X)2,其中,x是该路段的旅行时间的平均值,X为该路段的旅行时间的集合;E(X)是该路段的旅行时间的平均值;i是路段的编号;Ti第i个原子路段上所有的OD记录的旅行时间向量;
当计算得到的方差f(x)小于设定的方差阈值时,结束动态迭代反演,进入步骤5);当计算得到的方差f(x)大于或等于设定方差阈值时,进行如下循环:
41)针对路网中的每个路段,根据权重分配原则计算得到该路段的速度的期望中值:
式2中,mti是第i个路段的旅行时间的中值;tij为第j个OD记录在第i个路段上的旅行时间;Tj为第j个原子路段上所有的OD记录的旅行时间向量;车辆旅行时间越长,在计算时权重越小;
42)针对每条OD记录和步骤41)中得到的路段速度的期望中值,根据再分配原则,通过方差均衡化调整方差,使tij向着与mti的差减小的方向进行迭代:
tij=tij+alpha*(mti-tij) (式3)
式3中,tij为第j个OD记录在第i个路段上的旅行时间;mti是第i个路段的旅行时间的中值;alpha是系数,通过经验或者实际情况确定,取值范围为0.01~0.1;
5)循环过程结束后,根据每个OD记录在各个路段中分配到的旅行时间,得到反演结果,包括各个路段最终的速度和路段流量。
2.如权利要求1所述交通路况估计动态迭代方法,其特征是,步骤4)所述方差阈值具体根据路段的车辆数或不同的路段进行设定和调整。
3.如权利要求2所述交通路况估计动态迭代方法,其特征是,所述方差阈值设定为200。
4.如权利要求1所述交通路况估计动态迭代方法,其特征是,步骤41)所述权重分配原则指的是行程越短的车,其旅行时间越可靠,计算路段速度的期望中值时赋予的权重越大。
5.如权利要求1所述交通路况估计动态迭代方法,其特征是,步骤42)所述方差均衡化具体是将车辆OD记录上次迭代时在其所途径的各个路段分配的旅行时间与路段期望的方差均衡化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510406126.3A CN105006149B (zh) | 2015-07-10 | 2015-07-10 | 交通路况估计动态迭代方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510406126.3A CN105006149B (zh) | 2015-07-10 | 2015-07-10 | 交通路况估计动态迭代方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105006149A CN105006149A (zh) | 2015-10-28 |
CN105006149B true CN105006149B (zh) | 2017-07-21 |
Family
ID=54378802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510406126.3A Expired - Fee Related CN105006149B (zh) | 2015-07-10 | 2015-07-10 | 交通路况估计动态迭代方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105006149B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993436A (zh) * | 2017-11-22 | 2018-05-04 | 思建科技有限公司 | 一种基于obd的路况预测方法及*** |
CN110322054B (zh) * | 2019-06-14 | 2023-04-28 | 中交第一公路勘察设计研究院有限公司 | 一种公路路段交通监测器的优化布设方法 |
CN110617834B (zh) * | 2019-10-31 | 2021-02-26 | 电子科技大学 | 一种高斯过程路网下的最短路径规划方法 |
CN112837542B (zh) * | 2020-12-30 | 2022-04-08 | 北京掌行通信息技术有限公司 | 一种高速公路段交通量统计方法、装置、存储介质及终端 |
CN113223293B (zh) * | 2021-05-06 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 路网仿真模型的构建方法、装置及电子设备 |
CN113954868B (zh) * | 2021-10-08 | 2023-04-25 | 南京航空航天大学 | 一种基于时空交通模型的车道级路径规划方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4847772A (en) * | 1987-02-17 | 1989-07-11 | Regents Of The University Of Minnesota | Vehicle detection through image processing for traffic surveillance and control |
CN101510357B (zh) * | 2009-03-26 | 2011-05-11 | 美慧信息科技(上海)有限公司 | 一种基于手机信号数据检测交通状态的方法 |
WO2011126215A2 (ko) * | 2010-04-09 | 2011-10-13 | 고려대학교 산학협력단 | 양방향 통신 기능을 결합한 차량용 네비게이터 기반 실시간 교통망 구조 제어와 연계한 교통 흐름 제어 및 동적 경로 제공 시스템 및 그 방법 |
CN103050009B (zh) * | 2013-01-21 | 2015-02-18 | 北京世纪高通科技有限公司 | 一种提供动态交通信息的方法、装置及*** |
-
2015
- 2015-07-10 CN CN201510406126.3A patent/CN105006149B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN105006149A (zh) | 2015-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105006149B (zh) | 交通路况估计动态迭代方法 | |
Cortes et al. | General-purpose methodology for estimating link travel time with multiple-point detection of traffic | |
US7953544B2 (en) | Method and structure for vehicular traffic prediction with link interactions | |
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 | |
CN103903430B (zh) | 一种采用多源同构数据的行程时间动态融合预测方法 | |
CN112489426B (zh) | 一种基于图卷积神经网络的城市交通流量时空预测方案 | |
Singh et al. | Estimation of traffic densities for multilane roadways using a markov model approach | |
CN109410587B (zh) | 一种城市快速路的宏观交通流参数估计方法 | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN106652441A (zh) | 一种基于时空数据的城市道路交通状态预测方法 | |
CN102629418A (zh) | 基于模糊卡尔曼滤波的交通流参数预测方法 | |
CN108417032B (zh) | 一种城市中心区路边停车需求分析预测方法 | |
CN105046956A (zh) | 一种基于转向系数的交通流模拟及预测方法 | |
CN109544916B (zh) | 一种基于抽样轨迹数据的路网车辆od估计方法 | |
CN111583628B (zh) | 基于数据质量控制的道路网重型货车交通流量预测方法 | |
CN106899306A (zh) | 一种保持移动特征的车辆轨迹线数据压缩方法 | |
CN110930693B (zh) | 一种用于道路断面的在线短时交通流预测方法 | |
CN112633602B (zh) | 一种基于gis地图信息的交通拥堵指数预测方法及装置 | |
CN113947899B (zh) | 一种低渗透率轨迹数据下排队服务时间动态估计方法 | |
Mittal et al. | Network flow relations and travel time reliability in a connected environment | |
CN110796876A (zh) | 基于卡尔曼滤波的路段车辆总数估计方法 | |
CN105185106A (zh) | 一种基于粒计算的道路交通流参数预测方法 | |
CN114970815A (zh) | 一种基于改进pso算法优化lstm的交通流预测方法及装置 | |
CN116052435A (zh) | 一种城市道路拥堵影响范围界定与道路影响力计算方法 | |
Cipriani et al. | Traffic state estimation based on data fusion techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170721 Termination date: 20210710 |
|
CF01 | Termination of patent right due to non-payment of annual fee |