CN105575120A - 面向道路实时速度计算的浮动车数据停车行为模式清洗方法 - Google Patents

Abstract

一种面向道路实时速度计算的浮动车数据停车行为模式清洗方法，包括如下步骤：步骤(1)读取地图数据，地图数据包括路段编号、路段点位信息，将地图网格化得到“网格—路段编号”映射表；步骤(2)根据“车牌号”、“创建时间”升序读取当前时间前设定时间片的浮动车数据；步骤(3)计算车辆连续两次记录的距离和时间差，然后通过距离和时间差计算速度，并根据“网格—路段编号”映射表将该速度添加到第二次记录的车辆点位信息所在的路段编号上；步骤(4)根据以上步骤得到该时间片各个路段上各个车辆的速度列表；步骤(5)识别并剔除速度列表中由于“伪停止行为”造成的异常停止点，并返回速度列表。本发明能有效识别浮动车停车行为。

Description

面向道路实时速度计算的浮动车数据停车行为模式清洗方法

技术领域

本发明涉及于数据挖据技术领域，具体涉及到一种面向道路实时速度计算的浮动车数据停车行为模式清洗方法。

背景技术

道路速度是交通指挥、导航、出行诱导、拥堵治理等宏观、微观应用的前提，是重要的基础性数据。因此获得更加接近于真实的数据

浮动车数据作为交通数据的重要组成部分之一，在实时道路通行速度计算得到了广泛的应用。对现有的浮动车数据进行试验研究时可以发现，浮动车异常停止行为产生的数据被应用于实时道路通行速度计算中会严重影响其速度的准确性。由于浮动车数据量大，且异常停止行为个别行为且无规律可循，人为很难及时的发现和剔除。

发明内容

为了克服已有无法有效识别停车行为的不足，本发明提供一种有效识别浮动车停车行为的面向道路实时速度计算的浮动车数据停车行为模式清洗方法。

本发明解决其技术问题所采用的技术方案是：

一种面向道路实时速度计算的浮动车数据停车行为模式清洗方法，所述清洗方法包括如下步骤：

步骤(1).读取地图数据，地图数据包括路段编号(LDID)、路段点位信息，将地图网格化得到“网格—路段编号”映射表；

步骤(2).根据“车牌号”、“创建时间”升序读取当前时间前设定时间片的浮动车数据，浮动车数据包括车牌号码CPHM、点位信息GPS_FDC和创建时间CJSJ；

步骤(3).计算车辆连续两次记录的距离和时间差，然后通过距离和时间差计算速度，并根据“网格—路段编号”映射表将该速度添加到第二次记录的车辆点位信息所在的路段编号上；

步骤(4).根据以上步骤得到该时间片各个路段上各个车辆的速度列表；

步骤(5).识别并剔除速度列表中由于“伪停止行为”造成的异常停止点，并返回速度列表，过程如下：

5-1.在步骤(4)得到的数据结构LDID_SpeedMap中循环遍历获取LDID中CPHM_k的速度列表speedList_j，循环遍历speedList_j中所有的速度v_i，如果v_i＝0且v_i+s≠0，0<s<＝n-i，s为连续停止点的个数，则“伪停止行为”过程的车辆速度记录个数δ＝s+1；

5-2.根据公式(2)计算“伪停止行为”车辆速度突变阈值SPSSC；当i≠1时公式左边为该速度列表第一个停止点前的所有速度记录的平均速度，当i＝1时，以该路段上一时刻的平均速度v_t作为平均速度阈值；

$SPSSC=\left\{\begin{array}{cc}\frac{\underset{f=1}{\overset{i-1}{\&Sigma;}}{v}_f}{i-1}*\mathrm{\&delta;},& i\&NotEqual;1\\ v_t*\mathrm{\&delta;},& i=1\end{array}\right\}---\left(2\right)$

5-3.若v_i+s＞＝SPSSC，则该速度记录为“伪停止行为”造成的突变速度，从速度列表中剔除连续停止点的速度记录和突变速度速度记录；

5-4.完成“伪停止行为”识别和剔除后返回一个新的LDID_SpeedMap。

进一步，所述清洗方法还包括如下步骤：

步骤(6).识别并剔除速度列表中由于“真停止行为”造成的异常停止点，并返回速度列表，过程如下：

6-1.经过步骤(5)后从新的LDID_SpeedMap中循环遍历获取LDID中CPHM_k的速度列表speedList_j，循环遍历speedList_j中所有的速度v_i，如果v_i＝0且v_i+s≠0，0<s<＝n-i，s为连续停止点的个数；若s>＝3则认为该车出现了“停止行为”跳至6-2判断是否属于“路口停止行为”；

6-2.得到该停止行为的v_i对应的LDID和GPS_FDC_i，遍历intersectionMap，若intersectionMap中存在该LDID则说明该LDID为路口路段，若不存在进入6-3；从intersectionMap中获取该LDID对应的路口点(GPS_QD,GPS_ZD),通过公式(3)计算GPS_FDC_i与路口的距离并取其最小值L，若L<L_min,则认为该“停止行为”属于“路口停止行为”不进行剔除，否则进入6-3判断是否属于“集体停止行为”；

L＝min(abs(GPS_FDC_i-GPS_QD),abs(GPS_FDC_i-GPS_ZD)(3)

6-3.得到该停止行为的v_i对应的CJSJ_i和GPS_FDC_i，循环遍历该LDID下其他车辆的速度列表若出现“停止行为”获取其对应停止点的GPS_FDC_i'和CJSJ_i'，根据公式(4)、公式(5)计算判断条件，

abs(GPS_FDC_i-GPS_FDC_i')＜Δs_min,i≠i'(4)

abs(CJSJ_i-CJSJ_i')＜Δt_min,i≠i'(5)

若该LDID下其他车辆都满足以上判断条件则认为该停止行为属于“集体停止行为”不进行剔除，否则该停止行为属于“真停止行为”，并从速度列表中剔除连续停止点的速度记录；

6-4.完成“真停止行为”识别和剔除后返回一个新的LDID_SpeedMap。

再进一步，所述清洗方法还包括如下步骤：

步骤(7).经过以上步骤后计算LDID对应的所有速度记录的平均速度并存于数据库实时速度表中，更新时间片重复步骤(2)至步骤(6)。

更进一步，所述步骤(3)中，速度计算过程如下：

3-1.根据步骤(2)得到各个车辆在该时间片下的所有记录，记为{CPHM_k}_{GPS_FDC_i,CJSJ_i},k∈Ki∈n,n为所有记录的个数,K为该时间片车辆的总数；

3-2.根据公式(1.1)或(1.2)计算车辆速度v_i,得到车辆速度列表{CPHM_k}_{v_i,GPS_FDC_i,CJSJ_i}。

采用的是连续两次记录的GPS点的绝对距离，作为车辆的行驶距离，

1)在未跨路段的情况下使用公式(1.1)

$v_i=\frac{abs(GPS\_{\mathrm{FDC}}_i-GPS\_{\mathrm{FDC}}_{i-1})}{{\mathrm{CJSJ}}_i-{\mathrm{CJSJ}}_{i-1}}---\left(1.1\right)$

2)在跨路段的情况下使用公式(1.2)

$v_i=\frac{abs(GPS\_{\mathrm{FDC}}_i-GPS\_{\mathrm{JD}}_i)+abs(GPS\_{\mathrm{JD}}_i-GPS\_{\mathrm{FDC}}_{i-1})}{{\mathrm{CJSJ}}_i-{\mathrm{CJSJ}}_{i-1}}---\left(1.2\right)$

GPS_JD_i为连续两次记录的GPS点，在跨路段时，两条路段的交点的点位信息。

所述步骤(7)中，根据LDID_SpeedMap获取LDID下所有车辆速度列表的速度记录并根据公式(6)计算LDID对应的平均速度，并存入数据库实时道路速度表中供其他应用使用。

$v_{avg}=\frac{\underset{k=1}{\overset{K}{\&Sigma;}}\underset{i=1}{\overset{n_k}{\&Sigma;}}{v}_i}{K\&CenterDot;n_k}---\left(6\right)$

K为该LDID下的车辆数，n_k为第k辆车的速度记录个数。

本发明的技术构思为：根据实时的浮动车数据，计算出浮动车行驶速度并添加到相应的路段中，得到路段中各个车辆的速度列表并识别异常停止行为并且剔除异常速度。

所述浮动车是指城市公共交通中的出租车和公交车。浮动车在车辆行驶过程中会每隔一段时间(一般为30秒)上传一次数据，数据包括：浮动车车牌号、浮动车位置信息(GPS)、数据创建时间等；“停止行为”包括“正常停止行为”和“异常停止行为”。“正常停止行为”包括：

“路口停止行为”：车辆停在路口(多数情况下在等待红灯属于交通过程中的正常现象)

“集体停止行为”：指所有浮动车在同一时间同一地点停止的行为(在遇到拥堵的情况下会出现也属于交通过程中的正常现象)。

“异常停止行为”包括：

“真停止行为”：车辆异常停止(个别车辆长时间停在一个点，在交通过程中属于个别行为为异常现象)

“伪停止行为”：数据上传异常造成的停止，表现为连续出现速度为0的点，且在该点之后速度突变。(如图1所示)。

从数据本身的特点来区分“真停止行为”、“伪停止行为”。“真停止行为”包括“真停止_个体行为”和“真停止_群体行为”。本方案识别的是“真停止_个体行为”，这种停止的个体行为是计算道路速度时的干扰因素，在计算道路实时速度时不予计入样本数据。对于本专利所阐述的“伪停止行为”，主要是指那些因设备故障、传输网络故障、或数据库写入故障等导致的看上去像停止行为的数据样本。这些停止行为虽然在数据形式上表现为停止，但数据生产和传输链路错误导致的可能性更大，或者说，我们认为其是“伪停止行为”。将这种“伪停止行为”也排除在计算道路实时速度的样本数据之外。

本发明的有益效果主要表现在：在大数据量且无规律可循的浮动车数据中快速并且准确的识别数据中的两种停止行为并剔除，在保证数据的实时性的同时，极大的增加了实时速度的准确性。

附图说明

图1是“伪停止行为”说明图。

图2是跨路段的情况下车辆的行驶距离计算示意图。

图3是面向道路实时速度计算的浮动车数据停车行为模式清洗方法的流程图。

图4是LDID_SpeedMap数据结构图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图4，一种面向道路实时速度计算的浮动车数据停车行为模式清洗方法，定义相关符号如下：

v_i：车辆速度,单位km/h,i∈n,n为单个时间片下某车在同一个LDID上的速度记录个数。

v_avg：路段平均速度,单位km/h。

δ：“伪停止行为”过程的车辆速度记录个数(速度连续为0的次数加上1次速度突变)。

SPSSC(StopPointSpeedSuddenChange):“伪停止行为”车辆速度突变阈值。

Δt_min：同一路段不同车辆的速度记录时间差阈值(设值30秒)。

Δs_min：同一路段不同车辆的速度记录位置间隔阈值(设置50米)

L_min：判断车辆是否停在路口的距离阈值(设置50米)。

所述浮动车数据停车行为模式清洗方法包括如下步骤：

步骤(1).地图数据预处理：

1-1.读取地图数据，地图数据包括路段编号(LDID)、起点点位信息(GPS_QD)、终点点位信息(GPS_ZD)、中点点位信息(GPS_MD)，将地图网格化(网格边长100-300米)得到“网格—路段编号”映射表(如表1所示)。

表1

1-2.因为路段的联通性，路段1与路段2之间终点与起点相连(即为同一个点)，统计地图数据中所有路段的起点和终点，得到“点-路段编号”映射表(如表2所示)。

表2

1-3.根据“点-路段编号”映射表找到三叉路口或者十字路口的点即LDID个数大于等于3的点，形成新的“点-路段编号”映射表称为“路口点映射表”，将“路口点映射表”进行翻转形成“路段编号—点”映射表(如表3所示，注：Value中记录的是该路段属于三叉路口或者十字路口的点位信息，若某路段的起点和终点都属于三叉路口或者十字路口点则Value中记录该路段的起点点位信息和终点点位信息，若只有其中某一个点为三叉路口或者十字路口点，则只记录该点的点位信息)称为“路口路段映射表”记intersectionMap。

表3

步骤(2).根据“车牌号码”、“创建时间”升序读取当前时间往前一个时间片(5min)的浮动车数据，浮动车数据包括车牌号码(CPHM)、点位信息(GPS_FDC)、创建时间(CJSJ)。

步骤(3).计算道路速度：

3-1.根据步骤(2)得到各个车辆在该时间片下的所有记录，记为{CPHM_k}_{GPS_FDC_i,CJSJ_i},k∈Ki∈n,n为所有记录的个数,K为该时间片车辆的总数。

3-2.根据公式(1.1)或(1.2)计算车辆速度v_i,得到车辆速度列表{CPHM_k}_{v_i,GPS_FDC_i,CJSJ_i}。

采用的是连续两次记录的GPS点的绝对距离，作为车辆的行驶距离。

1)在未跨路段的情况下使用公式(1.1)

$v_i=\frac{abs(GPS\_{\mathrm{FDC}}_i-GPS\_{\mathrm{FDC}}_{i-1})}{{\mathrm{CJSJ}}_i-{\mathrm{CJSJ}}_{i-1}}---\left(1.1\right)$

2)在跨路段的情况下使用公式(1.2)

$v_i=\frac{abs(GPS\_{\mathrm{FDC}}_i-GPS\_{\mathrm{JD}}_i)+abs(GPS\_{\mathrm{JD}}_i-GPS\_{\mathrm{FDC}}_{i-1})}{{\mathrm{CJSJ}}_i-{\mathrm{CJSJ}}_{i-1}}---\left(1.2\right)$

GPS_JD_i为连续两次记录的GPS点，在跨路段时，两条路段的交点的点位信息。

步骤(4).根据速度列表中的GPS_FDC_i匹配“网格—路段编号”映射表，得到GPS_FDC_i所属网格的所有LDID,计算GPS_FDC_i与各个LDID的GPS_MD计算距离，取距离最小的LDID作为该点匹配的路段，并将该速度列表添加到LDID中，得到数据结构LDID_SpeedMap(如图3所示)。步骤(5).识别并剔除“伪停止行为”：

5-1.在数据结构LDID_SpeedMap中循环遍历获取LDID中CPHM_k的速度列表speedList_j，循环遍历speedList_j中所有的速度v_i，如果v_i＝0(即停止点)且v_i+s≠0(0<s<＝n-i，s为连续停止点的个数)，则“伪停止行为”过程的车辆速度记录个数δ＝s+1。

5-2.根据公式(2)计算“伪停止行为”车辆速度突变阈值SPSSC。当i≠1时公式左边为该速度列表第一个停止点前的所有速度记录的平均速度，当i＝1时，以该路段上一时刻的平均速度v_t作为平均速度阈值。

$SPSSC=\left\{\begin{array}{cc}\frac{\underset{f=1}{\overset{i-1}{\&Sigma;}}{v}_f}{i-1}*\mathrm{\&delta;},& i\&NotEqual;1\\ v_t*\mathrm{\&delta;},& i=1\end{array}\right\}---\left(2\right)$

5-3.若v_i+s＞＝SPSSC，则该速度记录为“伪停止行为”造成的突变速度，从速度列表中剔除连续停止点的速度记录和突变速度速度记录。

5-4.完成“伪停止行为”识别和剔除后返回一个新的LDID_SpeedMap。

举例：

在数据结构LDID_SpeedMap中获取某路段某辆车的速度列表，按时间顺序为(35.52，27.89，0，0，131.07，32.12，9.1，33.17)，单位均为km/h。此时我们可以发现连续停止点个数为2个则“伪停止行为”SPSSC(速度突变阈值)＝(35.52+27.89)/2*(2+1)＝31.7*3＝95.1；95.1<131.07则认为该行为为“伪停止行为”。

步骤(6).识别并剔除“真停止行为”

举例：“真停止行为”，如下表所示：同一路段中在同一时间片只有一辆车出现了停车行为。即该行为为“真停止行为”

浙CT1**0	速度	浙CT3**3	速度	浙CT3**7	速度	浙CT5**6	速度
								8:55:45	12.29	8:55:24	0	8:55:35	34.4	8:55:49	55.5
8:56:03	42.26	8:55:36	0	8:56:07	24.33	8:56:15	28.56
								8:56:25	27.62	8:55:57	4.93	8:56:31	85.7	8:56:51	0
8:56:44	8.29	8:56:18	11.14	8:57:02	25.41	8:57:14	36.2
								8:56:44	8.29	8:56:37	19.19	8:57:32	75.01	8:57:50	32.5
8:57:04	47.48	8:56:55	8	8:58:03	21.49	8:58:14	47.82
								8:57:25	50.36	8:56:55	8	8:58:32	0	8:58:50	22.25
8:57:43	50.5	8:57:17	0	8:58:56	11.25	8:59:15	28.98
								8:58:04	21	8:57:36	18.24	8:59:23	54.17	8:59:48	18
8:58:24	27	8:57:55	0	8:59:23	54.46
								8:58:45	25.07	8:58:17	0
8:59:04	22.03	8:58:37	2.7
								8:59:25	4.29	8:58:56	0
8:59:45	19.35	8:59:18	12.27

6-1.经过步骤(5)后从新的LDID_SpeedMap中循环遍历获取LDID中CPHM_k的速度列表speedList_j，循环遍历speedList_j中所有的速度v_i，如果v_i＝0(即停止点)且v_i+s≠0(0<s<＝n-i，s为连续停止点的个数)；若s>＝3则认为该车出现了“停止行为”跳至6-2判断是否属于“路口停止行为”。

6-2.得到该停止行为的v_i对应的LDID和GPS_FDC_i。遍历intersectionMap，若intersectionMap中存在该LDID则说明该LDID为路口路段，若不存在进入6-3。从intersectionMap中获取该LDID对应的路口点(GPS_QD,GPS_ZD),通过公式(3)计算GPS_FDC_i与路口的距离并取其最小值L，若L<L_min,则认为该“停止行为”属于“路口停止行为”不进行剔除，否则进入6-3判断是否属于“集体停止行为”。

L＝min(abs(GPS_FDC_i-GPS_QD),abs(GPS_FDC_i-GPS_ZD)(3)

6-3.得到该停止行为的v_i对应的CJSJ_i和GPS_FDC_i，循环遍历该LDID下其他车辆的速度列表若出现“停止行为”获取其对应停止点的GPS_FDC_i'和CJSJ_i'，根据公式(4)、公式(5)计算判断条件，

abs(GPS_FDC_i-GPS_FDC_i')＜Δs_min,i≠i'(4)

abs(CJSJ_i-CJSJ_i')＜Δt_min,i≠i'(5)若该LDID下其他车辆都满足以上判断条件则认为该停止行为属于“集体停止行为”不进行剔除，否则该停止行为属于“真停止行为”，并从速度列表中剔除连续停止点的速度记录。

6-4.完成“真停止行为”识别和剔除后返回一个新的LDID_SpeedMap。

步骤(7).处理完该时间片所有的数据之后，根据LDID_SpeedMap获取LDID下所有车辆速度列表的速度记录并根据公式(6)计算LDID对应的平均速度，并存入数据库实时道路速度表中供其他应用使用。

$v_{avg}=\frac{\underset{k=1}{\overset{K}{\&Sigma;}}\underset{i=1}{\overset{n_k}{\&Sigma;}}{v}_i}{K\&CenterDot;n_k}---\left(6\right)$

K为该LDID下的车辆数，n_k为第k辆车的速度记录个数。

更新时间片，重复步骤(2)至步骤(6)。

Claims (5)

1.一种面向道路实时速度计算的浮动车数据停车行为模式清洗方法，其特征在于：所述清洗方法包括如下步骤：

步骤(1).读取地图数据，地图数据包括路段编号LDID、路段点位信息，将地图网格化得到“网格—路段编号”映射表；

步骤(2).根据“车牌号”、“创建时间”升序读取当前时间前设定时间片的浮动车数据，浮动车数据包括车牌号码CPHM、点位信息GPS_FDC和创建时间CJSJ；

步骤(3).计算车辆连续两次记录的距离和时间差，然后通过距离和时间差计算速度，并根据“网格—路段编号”映射表将该速度添加到第二次记录的车辆点位信息所在的路段编号上；

步骤(4).根据以上步骤得到该时间片各个路段上各个车辆的速度列表；

步骤(5).识别并剔除速度列表中由于“伪停止行为”造成的异常停止点，并返回速度列表，过程如下：

5-1.在步骤(4)得到的数据结构LDID_SpeedMap中循环遍历获取LDID中CPHM_k的速度列表speedList_j，循环遍历speedList_j中所有的速度v_i，如果v_i＝0且v_i+s≠0，0<s<＝n-i，s为连续停止点的个数，则“伪停止行为”过程的车辆速度记录个数δ＝s+1；

5-2.根据公式(2)计算“伪停止行为”车辆速度突变阈值SPSSC；当i≠1时公式左边为该速度列表第一个停止点前的所有速度记录的平均速度，当i＝1时，以该路段上一时刻的平均速度v_t作为平均速度阈值；

$SPSSC=\left\{\begin{array}{c}\frac{\underset{f=1}{\overset{i-1}{\&Sigma;}}{v}_f}{i-1}*\mathrm{\&delta;},i\&NotEqual;1\\ v_t*\mathrm{\&delta;},i=1\end{array}\right\}---\left(2\right)$

5-3.若v_i+s＞＝SPSSC，则该速度记录为“伪停止行为”造成的突变速度，从速度列表中剔除连续停止点的速度记录和突变速度速度记录；

5-4.完成“伪停止行为”识别和剔除后返回一个新的LDID_SpeedMap。

2.如权利要求1所述的一种面向道路实时速度计算的浮动车数据停车行为模式清洗方法，其特征在于：所述清洗方法还包括如下步骤：

步骤(6).识别并剔除速度列表中由于“真停止行为”造成的异常停止点，并返回速度列表，过程如下：

6-1.经过步骤(5)后从新的LDID_SpeedMap中循环遍历获取LDID中CPHM_k的速度列表speedList_j，循环遍历speedList_j中所有的速度v_i，如果v_i＝0且v_i+s≠0，0<s<＝n-i，s为连续停止点的个数；若s>＝3则认为该车出现了“停止行为”跳至6-2判断是否属于“路口停止行为”；

6-2.得到该停止行为的v_i对应的LDID和GPS_FDC_i，遍历intersectionMap，若intersectionMap中存在该LDID则说明该LDID为路口路段，若不存在进入6-3；从intersectionMap中获取该LDID对应的路口点(GPS_QD,GPS_ZD),通过公式(3)计算GPS_FDC_i与路口的距离并取其最小值L，若L<L_min,则认为该“停止行为”属于“路口停止行为”不进行剔除，否则进入6-3判断是否属于“集体停止行为”；

L＝min(abs(GPS_FDC_i-GPS_QD),abs(GPS_FDC_i-GPS_ZD)(3)

6-3.得到该停止行为的v_i对应的CJSJ_i和GPS_FDC_i，循环遍历该LDID下其他车辆的速度列表若出现“停止行为”获取其对应停止点的GPS_FDC_i'和CJSJ_i'，根据公式(4)、公式(5)计算判断条件，

abs(GPS_FDC_i-GPS_FDC_i')＜Δs_min,i≠i'(4)

abs(CJSJ_i-CJSJ_i')＜Δt_min,i≠i'(5)

若该LDID下其他车辆都满足以上判断条件则认为该停止行为属于“集体停止行为”不进行剔除，否则该停止行为属于“真停止行为”，并从速度列表中剔除连续停止点的速度记录；

6-4.完成“真停止行为”识别和剔除后返回一个新的LDID_SpeedMap。

3.如权利要求2所述的一种面向道路实时速度计算的浮动车数据停车行为模式清洗方法，其特征在于：所述清洗方法还包括如下步骤：

步骤(7).经过以上步骤后计算LDID对应的所有速度记录的平均速度并存于数据库实时速度表中，更新时间片重复步骤(2)至步骤(6)。

4.如权利要求1～3之一所述的一种面向道路实时速度计算的浮动车数据停车行为模式清洗方法，其特征在于：所述步骤(3)中，速度计算过程如下：

3-1.根据步骤(2)得到各个车辆在该时间片下的所有记录，记为{CPHM_k}_{GPS_FDC_i,CJSJ_i},k∈Ki∈n,n为所有记录的个数,K为该时间片车辆的总数；

3-2.根据公式(1.1)或(1.2)计算车辆速度v_i,得到车辆速度列表{CPHM_k}_{v_i,GPS_FDC_i,CJSJ_i}。

采用的是连续两次记录的GPS点的绝对距离，作为车辆的行驶距离，

1)在未跨路段的情况下使用公式(1.1)

$v_i=\frac{abs(GPS\_{\mathrm{FDC}}_i-GPS\_{\mathrm{FDC}}_{i-1})}{{\mathrm{CJSJ}}_i-{\mathrm{CJSJ}}_{i-1}}---\left(1.1\right)$

2)在跨路段的情况下使用公式(1.2)

$v_i=\frac{abs(GPS\_{\mathrm{FDC}}_i-GPS\_{\mathrm{JD}}_i)+abs(GPS\_{\mathrm{JD}}_i-GPS\_{\mathrm{FDC}}_{i-1})}{{\mathrm{CJSJ}}_i-{\mathrm{CJSJ}}_{i-1}}---\left(1.2\right)$

GPS_JD_i为连续两次记录的GPS点，在跨路段时，两条路段的交点的点位信息。

5.如权利要求1～3之一所述的一种面向道路实时速度计算的浮动车数据停车行为模式清洗方法，其特征在于：所述步骤(7)中，根据LDID_SpeedMap获取LDID下所有车辆速度列表的速度记录并根据公式(6)计算LDID对应的平均速度，并存入数据库实时道路速度表中供其他应用使用。

$v_{avg}=\frac{\underset{k=1}{\overset{K}{\&Sigma;}}\underset{i=1}{\overset{n_k}{\&Sigma;}}{v}_i}{K\&CenterDot;n_k}---\left(6\right)$

K为该LDID下的车辆数，n_k为第k辆车的速度记录个数。