CN107591003A - 基于车辆识别数据的城市路网消散能力提取方法 - Google Patents
基于车辆识别数据的城市路网消散能力提取方法 Download PDFInfo
- Publication number
- CN107591003A CN107591003A CN201711011509.6A CN201711011509A CN107591003A CN 107591003 A CN107591003 A CN 107591003A CN 201711011509 A CN201711011509 A CN 201711011509A CN 107591003 A CN107591003 A CN 107591003A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road network
- time
- data
- identification data
- 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.)
- Granted
Links
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于车辆识别数据的城市路网消散能力提取方法,以城市路网内车辆识别数据为支撑,以车辆在路网内的连续通行行为跟踪为基础,构建样本车辆在时间维度的路网通行行为轨迹,以时间汇集方式实现短时间隔内宏观路网总体车辆行为特征分析,根据路网车辆存在量与消散量的变化关系,提取路网交通流消散能力;本发明以当前国内的交通流数据采集条件为前提,以数据驱动思想,从车辆行为分析角度出发,在海量的路网内过车号牌识别数据中提取路网宏观层面的固有性能特征,弥补当前无法通过建模等方法精确获取这一特性指标的缺陷。
Description
技术领域
本发明涉及一种基于车辆识别数据的城市路网消散能力提取方法。
背景技术
物联网技术的发展正催生精细化的道路交通采集技术的进步,随着实时获取的交通数据质量如时空维度的颗粒度及可靠性、道路网络层级的交通数据完整性等的提高与改善,国内外学界越来越关注高精度、高分辨率数据在城市道路交通流运行性能评价等研究中的作用。
鉴于我国当前主流的城市道路交通流运行数据采集条件,依托于高清卡口设备以及车驾管理数据库,能够实现对主次干道路网内车辆的全样本感知与识别。通过对路网内行驶车辆的全样本检测,以大数据驱动思想能够对路网宏观层级的特征进行分析与提取。
其中,路网消散能力指标能够反映道路交通***服务水平,在交通***规划、供需分析、交通流运行管理中发挥重要作用,但当前尚缺乏一种简单可靠的疏散能力提取方法。
发明内容
本发明的目的是提供一种基于车辆识别数据的城市路网消散能力提取方法,基于车辆识别数据实现对城市路网内全样本车辆通行行为跟踪,进一步通过数据集聚分析提取路网消散能力指标,解决现有技术中存在的缺乏一种简单可靠的疏散能力提取方法的问题。
该种数据驱动的路网交通消散能力提取方法,基于车辆识别数据实现路网内车辆行驶行为的精细感知,通过个体车辆通行行为的集聚分析,从路网车辆的实际通行行为表现中捕捉路网消散能力特征,为交通组织规划、交通管控策略等提供具有现实指导意义的路网交通特性指标。
本发明的技术解决方案是:
一种基于车辆识别数据的城市路网消散能力提取方法,基于城市路网内车辆识别数据,构建样本车辆在时间维度的路网通行行为轨迹,以时间汇集方式实现短时间隔内宏观路网总体车辆行为特征分析,根据路网车辆存在量与消散量的变化关系,提取路网交通流消散能力;具体步骤如下:
步骤1、获取分析时段内的路网范围内各检测点位的车辆识别数据,包含车辆号牌号码、检测时间、检测点位;其中检测点位为数据采集设备安装的交叉口或路段;将分析时段划分若干短时间隔,对各短时间隔内的车辆行为数据进行时间汇集;
步骤2、对过车检测数据进行质量检测与数据清洗,过滤异常数据;其中异常数据包含车辆识别异常数据、检测时间戳异常数据;
步骤3、从经过数据清洗的数据中提取号牌号码信息,根据号牌数据分析每一样本车辆出行行为特征;出行行为特征分析包含车辆出行时间区间确定、车辆出行行为时序轨迹绘制;
步骤4、基于车辆出行行为轨迹对各短时间隔内的路网车辆存在量Et与消散量Dt进行统计;其中车辆存在量由出行行为轨迹的出行起始点以及轨迹线段表征;车辆消散量由出行轨迹的终点表征;
步骤5、根据各短时间隔内的车辆出行行为状态(Et,Dt),绘制路网车辆存在量与消散量的散点图,通过曲线拟合提取两参数的函数关系Dt=f(Et),根据路网通行能力确定Et的有效取值区间,获取最大函数值Dmax,即为城市路网消散能力。
进一步地,步骤1中,车辆识别数据通过检测点位安装的能够对经过车辆进行自动识别的交通检测***动态采集或从交通检测***的数据存储数据库中提取。
进一步地,步骤1中,分析时段取大于1小时且不超过24小时的时长区间。
进一步地,步骤3中,车辆出行时间区间为存在连续通行记录的时间范围;车辆出行行为时序轨迹是能够在时间坐标系下表示车辆连续通行状态的虚拟轨迹。
进一步地,步骤3具体为,按号牌号码将分析时段内的所有样本数据进行汇集,就任一存在有效识别数据的车辆而言,将其在分析时段内的识别数据按时序排列,在时间轴上对车辆存在过车检测记录的时间点进行标记,根据时间轴上的标记点分布情况,确定车辆的连续出行时间区间,绘制车辆的出行行为轨迹。
进一步地,连续出行时间区间的分析方法为:将首个标记点作为连续出行区间的起点;逐一计算后续相邻标记点间的间隔长度,若存在间隔长度大于判断阈值Tgap,则判断该时间间隔内,车辆发生两次出行行为,将该间隔的两端点分别作为前次出行终点与后次出行起点;以此方法对所有标记点进行分析,将车辆在分析时段内的最后一个标记点作为其最后一次出行的终点;由起点与终点对应的时间刻度确定连续出行时间区间。
进一步地,绘制车辆的出行行为轨迹具体为,根据车辆连续出行时间区间,绘制线段联结其起点与终点。
进一步地,步骤4中,对各短时间隔内的车辆存在量与车辆消散量进行逐一统计,具体为,
按公式Et=No+Nl计算路网车辆存在量,其中Et为路网车辆存在量,No为轨迹起点数,Nl为轨迹线条数;按Dt=ND计算车辆消散量,其中Dt为路网车辆消散量,ND为轨迹终点数。
本发明的有益效果是:该种基于车辆识别数据的城市路网消散能力提取方法,以海量的车辆通行识别数据为支撑,通过绘制虚拟出行行为轨迹形式,以抽象且直观的可视化方法将车辆在路网通行行为时间特征表达出来,以时间汇集方式实现个体车辆行为特征的集聚分析,通过路网车辆存在量与消散量的关系拟合提取路网消散能力指标。本发明以当前国内的交通流数据采集条件为前提,以数据驱动思想,从车辆行为分析角度出发,在海量的路网内车辆识别数据中提取路网宏观层面的固有性能特征,弥补当前无法通过建模等方法精确获取这一特性指标的缺陷。
附图说明
图1是本发明实施例基于车辆识别数据的城市路网消散能力提取方法的流程示意图。
图2是实施例中异常数据的示意图。
图3是实施例中出行行为轨迹的示意图。
图4是实施例中存在量-消散量关系散点图及曲线拟合示意图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例
实施例的基于车辆识别数据的城市路网消散能力提取方法,以城市路网内车辆识别数据为支撑,以车辆在路网内的行为轨迹跟踪为基础,构建样本车辆在时间维度的路网通行行为轨迹,以时间汇集方式实现短时间隔内宏观路网总体车辆行为特征分析,根据路网车辆存在量与消散量的变化关系,提取路网交通流消散能力。
如图1,实施例方法的具体步骤如下:
步骤1、获取分析时段内的路网范围内各检测点位的车辆识别数据,包含车辆号牌号码、检测时间、检测点位;其中检测点位为数据采集设备安装的交叉口或路段;车辆识别数据通过检测点位安装的能够对经过车辆进行自动识别的交通检测***动态采集。
在一个实例中,车辆识别数据可以从检测路段断面过车情况智能高清卡口以及交叉口进口道的电子警察***通过过车抓拍与号牌识别获取;在另一个实例中,从路侧RFID设备中获取车牌号与位置信息;在另一个实例中,车辆识别数据从交通检测***的数据存储数据库中提取。
在一个实例中,分析时段取大于1小时,不超过24小时的时长区间,如8:00-10:00的高峰时段,以5分钟为数据处理分析的时间单位,将分析时段划分若干短时间隔,对各短时间隔内的车辆行为数据进行时间汇集。
在一个实例中,车辆识别数据汇总的检测点位是检测设备布设的交叉口或路段的编号或名称;在一个实例中,检测点位通过设备编号以及设备与点位的映射关系处理确定。
步骤2、对过车检测数据进行质量检测与数据清洗,过滤异常数据;其中异常数据包含车辆识别异常数据、检测时间戳异常数据。
在一个实施例中,对于高清卡口***采集获取的车辆识别数据中号牌号码字段为“未识别”、检测时间字段数据明显异常等原始数据需要在该步骤内进行删除,图2所示为部分异常数据。
步骤3、从经过数据清洗的数据中提取号牌号码信息,并根据号牌数据分析每一样本车辆出行行为特征;出行行为特征分析包含车辆出行时间区间确定、车辆出行行为时序轨迹绘制。
其中,车辆出行时间区间为存在连续通行记录的时间范围;车辆出行行为时序轨迹是能够在时间一维坐标系下表示车辆连续通行状态的虚拟轨迹。
在一个实例中,将分析时段内的所有样本数据按号牌号码进行分类,就任一存在有效识别数据的车辆而言,将其在分析时段内的识别数据按时序排列,在时间轴上对车辆存在过车检测记录的时间点进行标记,根据时间轴上的标记点分布情况,确定车辆的连续出行时间区间,绘制车辆的出行行为轨迹。其中,连续出行时间区间分析方法为:将首个标记点作为连续出行区间的起点;逐一计算后续相邻标记点间的间隔长度,若存在间隔长度大于判断阈值Tgap(在该实例中,阈值长度取20min),则判断该时间间隔内,车辆发生两次出行行为,将该间隔的两端点分别作为前次出行终点与后次出行起点;以此方法对所有标记点进行分析,将车辆在分析时段内的最后一个标记点作为其最后一次出行的终点;由起点与终点对应的时间刻度确定连续出行时间区间。根据连续出行时间区间,绘制线段联结其起点与终点,如图3所示。
步骤4、基于车辆出行行为轨迹对各短时间隔内的路网车辆存在量Et与消散量Dt进行统计;其中车辆存在量由出行行为轨迹的出行起始点以及轨迹线段表征;车辆消散量由出行轨迹的终点表征。
在一个实例中,以5min为短时间隔长度,将8:00~10:00的研究区间划分为24个短时间隔,按公式Et=No+Nl计算路网车辆存在量,其中Et为路网车辆存在量,No为轨迹起点数,Nl为轨迹线条数;按Dt=ND计算车辆消散量,其中Dt为路网车辆消散量,ND为轨迹终点数;每一辆车在一个短时间隔内的存在量或消散量计数中最多可记一次;起点的判别方法为:存在一个点且时序后方连接有线条的,将其作为车辆行驶轨迹起点;终点的判别方法是:存在一个点且时序前方连接有线条的,或存在一个点其时序前后都没有线条连接的,将其判断为车辆行驶轨迹终点。以此统计方法对各短时间隔内的车辆存在量与车辆消散量进行逐一统计。
步骤5、根据各短时间隔内的车辆出行行为状态(Et,Dt),绘制路网车辆存在量与消散量的散点图,通过曲线拟合提取两参数的函数关系Dt=f(Et),根据路网通行能力确定Et的有效取值区间,获取最大函数值Dmax,即为城市路网消散能力。
在一个实例中,根据步骤4的Et、Dt统计情况,将对应的(Et,Dt)作为每个短时间隔内的车辆出行行为状态,并在存在量-消散量的坐标系中绘制散点图,通过曲线拟合,得到Et、Dt关系函数;路网通行能力S,则可确定Et的有效区间为[0,S],在此区间内提取Et、Dt关系函数f(Et)的最大值Dmax,即为路网消散能力。
Claims (8)
1.一种基于车辆识别数据的城市路网消散能力提取方法,其特征在于:基于城市路网内车辆识别数据,构建样本车辆在时间维度的路网通行行为轨迹,以时间汇集方式实现短时间隔内宏观路网总体车辆行为特征分析,根据路网车辆存在量与消散量的变化关系,提取路网交通流消散能力;具体步骤如下:
步骤1、获取分析时段内的路网范围内各检测点位的车辆识别数据,包含车辆号牌号码、检测时间、检测点位;其中检测点位为数据采集设备安装的交叉口或路段;将分析时段划分若干短时间隔,对各短时间隔内的车辆行为数据进行时间汇集;
步骤2、对过车检测数据进行质量检测与数据清洗,过滤异常数据;其中异常数据包含车辆识别异常数据、检测时间戳异常数据;
步骤3、从经过数据清洗的数据中提取号牌号码信息,根据号牌数据分析每一样本车辆出行行为特征;出行行为特征分析包含车辆出行时间区间确定、车辆出行行为时序轨迹绘制;
步骤4、基于车辆出行行为轨迹对各短时间隔内的路网车辆存在量Et与消散量Dt进行统计;其中车辆存在量由出行行为轨迹的出行起始点以及轨迹线段表征;车辆消散量由出行轨迹的终点表征;
步骤5、根据各短时间隔内的车辆出行行为状态(Et,Dt),绘制路网车辆存在量与消散量的散点图,通过曲线拟合提取两参数的函数关系Dt=f(Et),根据路网通行能力确定Et的有效取值区间,获取最大函数值Dmax,即为城市路网消散能力。
2.如权利要求1所述的基于车辆识别数据的城市路网消散能力提取方法,其特征在于:步骤1中,车辆识别数据通过检测点位安装的能够对经过车辆进行自动识别的交通检测***动态采集或从交通检测***的数据存储数据库中提取。
3.如权利要求1所述的基于车辆识别数据的城市路网消散能力提取方法,其特征在于:步骤1中,分析时段取大于1小时且不超过24小时的时长区间。
4.如权利要求1所述的基于车辆识别数据的城市路网消散能力提取方法,其特征在于:步骤3中,车辆出行时间区间为存在连续通行记录的时间范围;车辆出行行为时序轨迹是能够在时间坐标系下表示车辆连续通行状态的虚拟轨迹。
5.如权利要求1所述的基于车辆识别数据的城市路网消散能力提取方法,其特征在于:步骤3具体为,按号牌号码将分析时段内的所有样本数据进行汇集,就任一存在有效识别数据的车辆而言,将其在分析时段内的识别数据按时序排列,在时间轴上对车辆存在过车检测记录的时间点进行标记,根据时间轴上的标记点分布情况,确定车辆的连续出行时间区间,绘制车辆的出行行为轨迹。
6.如权利要求5所述的基于车辆识别数据的城市路网消散能力提取方法,其特征在于:连续出行时间区间的分析方法为:将首个标记点作为连续出行区间的起点;逐一计算后续相邻标记点间的间隔长度,若存在间隔长度大于判断阈值Tgap,则判断该时间间隔内,车辆发生两次出行行为,将该间隔的两端点分别作为前次出行终点与后次出行起点;以此方法对所有标记点进行分析,将车辆在分析时段内的最后一个标记点作为其最后一次出行的终点;由起点与终点对应的时间刻度确定连续出行时间区间。
7.如权利要求5所述的基于车辆识别数据的城市路网消散能力提取方法,其特征在于:绘制车辆的出行行为轨迹具体为,根据车辆连续出行时间区间,绘制线段联结其起点与终点。
8.如权利要求1-7任一项所述的基于车辆识别数据的城市路网消散能力提取方法,其特征在于:步骤4中,对各短时间隔内的车辆存在量与车辆消散量进行逐一统计,具体为,
按公式Et=No+Nl计算路网车辆存在量,其中Et为路网车辆存在量,No为轨迹起点数,Nl为轨迹线条数;按Dt=ND计算车辆消散量,其中Dt为路网车辆消散量,ND为轨迹终点数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711011509.6A CN107591003B (zh) | 2017-10-26 | 2017-10-26 | 基于车辆识别数据的城市路网消散能力提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711011509.6A CN107591003B (zh) | 2017-10-26 | 2017-10-26 | 基于车辆识别数据的城市路网消散能力提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107591003A true CN107591003A (zh) | 2018-01-16 |
CN107591003B CN107591003B (zh) | 2020-04-03 |
Family
ID=61045368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711011509.6A Active CN107591003B (zh) | 2017-10-26 | 2017-10-26 | 基于车辆识别数据的城市路网消散能力提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107591003B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510735A (zh) * | 2018-04-09 | 2018-09-07 | 宁波工程学院 | 一种城市道路交叉口早晚高峰分转向流量的预测方法 |
CN111680888A (zh) * | 2020-05-19 | 2020-09-18 | 重庆市交通规划研究院 | 基于rfid数据确定路网容量的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101546478A (zh) * | 2009-04-29 | 2009-09-30 | 上海电器科学研究所(集团)有限公司 | 基于车牌识别数据的交通流集散分析***及其处理方法 |
CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
CN103996289A (zh) * | 2014-06-06 | 2014-08-20 | 北方工业大学 | 一种流量-速度匹配模型及行程时间预测方法及*** |
CN106971534A (zh) * | 2017-02-09 | 2017-07-21 | 江苏智通交通科技有限公司 | 基于号牌数据的通勤出行特征分析方法 |
CN107123276A (zh) * | 2016-08-25 | 2017-09-01 | 苏州华川交通科技有限公司 | 利用低抽样率gps数据的交叉口车辆排队长度估算方法 |
CN107146414A (zh) * | 2017-06-28 | 2017-09-08 | 江苏智通交通科技有限公司 | 基于车辆识别的路网通行能力提取方法 |
CN107195180A (zh) * | 2017-06-08 | 2017-09-22 | 青岛海信网络科技股份有限公司 | 一种基于电警数据的交通出行轨迹提取方法和装置 |
-
2017
- 2017-10-26 CN CN201711011509.6A patent/CN107591003B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101546478A (zh) * | 2009-04-29 | 2009-09-30 | 上海电器科学研究所(集团)有限公司 | 基于车牌识别数据的交通流集散分析***及其处理方法 |
CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
CN103996289A (zh) * | 2014-06-06 | 2014-08-20 | 北方工业大学 | 一种流量-速度匹配模型及行程时间预测方法及*** |
CN107123276A (zh) * | 2016-08-25 | 2017-09-01 | 苏州华川交通科技有限公司 | 利用低抽样率gps数据的交叉口车辆排队长度估算方法 |
CN106971534A (zh) * | 2017-02-09 | 2017-07-21 | 江苏智通交通科技有限公司 | 基于号牌数据的通勤出行特征分析方法 |
CN107195180A (zh) * | 2017-06-08 | 2017-09-22 | 青岛海信网络科技股份有限公司 | 一种基于电警数据的交通出行轨迹提取方法和装置 |
CN107146414A (zh) * | 2017-06-28 | 2017-09-08 | 江苏智通交通科技有限公司 | 基于车辆识别的路网通行能力提取方法 |
Non-Patent Citations (2)
Title |
---|
刘思妍: "城市道路交通流预测方法的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
王硕: "诱导条件下的动态交通分配方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510735A (zh) * | 2018-04-09 | 2018-09-07 | 宁波工程学院 | 一种城市道路交叉口早晚高峰分转向流量的预测方法 |
CN111680888A (zh) * | 2020-05-19 | 2020-09-18 | 重庆市交通规划研究院 | 基于rfid数据确定路网容量的方法 |
CN111680888B (zh) * | 2020-05-19 | 2023-06-06 | 重庆市交通规划研究院 | 基于rfid数据确定路网容量的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107591003B (zh) | 2020-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105976617B (zh) | 非法营运车辆检测方法和*** | |
CN103646187B (zh) | 一种统计周期内车辆出行路线及od矩阵获取方法 | |
CN110717433A (zh) | 一种基于深度学习的交通违规分析方法及装置 | |
CN103714363B (zh) | 一种机动车尾气烟度视频识别*** | |
CN104464295B (zh) | 一种基于视频的高架入口匝道智能限行方法 | |
CN107705564B (zh) | 基于手机定位的高速公路车辆行驶轨迹识别***及方法 | |
CN110533885A (zh) | 城市内涝监测预警***及预警方法 | |
CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN110164132B (zh) | 一种道路交通异常的检测方法及*** | |
CN107204115B (zh) | 干线车流停车率估计方法 | |
CN106940931B (zh) | 基于定位数据的卡口设备数据质量检验方法 | |
CN101882374A (zh) | 一种车辆行程分布综合信息分析***及方法 | |
CN110176139A (zh) | 一种基于dbscan+的道路拥堵识别可视化方法 | |
CN110379169B (zh) | 基于视频号牌设备的待转区车道饱和车头时距计算方法 | |
CN110807919A (zh) | 基于过车数据的城市路网交通运行态势评价方法 | |
CN108961747A (zh) | 一种不完备卡口数据条件下的城市道路交通状态信息提取方法 | |
CN103077610A (zh) | 一种路段旅行时间估计的方法和*** | |
CN104732205A (zh) | 一种高速公路逃费稽查的*** | |
DE112019000714T5 (de) | Glasfasererfassung zur autobahninstandhaltung | |
CN112512020A (zh) | 一种基于多源数据融合的交通状态弱信号感知研判方法 | |
CN103236162A (zh) | 一种基于视频分析的信号交叉口通行能力分析方法 | |
CN105336166A (zh) | 基于车载蓝牙的交通特征参数提取方法 | |
CN108091137A (zh) | 一种信号灯控制方案的评价方法及装置 | |
CN107146414A (zh) | 基于车辆识别的路网通行能力提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 211100 No. 19 Suyuan Avenue, Jiangning Economic and Technological Development Zone, Nanjing City, Jiangsu Province Patentee after: JIANGSU ZHITONG TRAFFIC TECHNOLOGY Co.,Ltd. Address before: 210006, Qinhuai District, Jiangsu, Nanjing should be 388 days street, Chenguang 1865 Technology Creative Industry Park E10 building on the third floor Patentee before: JIANGSU ZHITONG TRAFFIC TECHNOLOGY Co.,Ltd. |