CN109871876B - 一种基于浮动车数据的高速公路路况识别与预测方法 - Google Patents

Abstract

本发明公开了一种基于浮动车数据的高速公路路况识别与预测方法，包括如下步骤：基于原始GPS轨迹数据，进行数据预处理；基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度；基于速度计算网格内的交通流参数，以空间网格和时间网格为单元，计算每个单元内的交通流参数值；基于主成分分析的交通状态参数降维，简化了数据的维数，实现了对数据中无关特征的舍弃；基于k‑means的交通状态聚类分析，对不同交通状态进行识别；构建不同时间尺度的特征，建立基于长短期记忆神经网络LSTM的各交通状态量预测模型。本发明能够对高速公路交通状态进行精准识别，并对其演变趋势进行预测。

Description

一种基于浮动车数据的高速公路路况识别与预测方法

技术领域

本发明涉及交通大数据技术领域，尤其是一种基于浮动车数据的高速公路路况识别与预测方法。

背景技术

随着社会经济的不断快速发展，作为国家动脉的高速公路网，在国家经济建设与发展中承担着重要的作用，保持其良好的运行状态也成为交通管理部门的重要人物。以往对于高速公路状态的监控预测主要依赖于固定检测器数据，此类数据往往具有覆盖面不广、不够灵活的特点。

随着GPS设备的推广，浮动车数据的量级不断增长；相较于传统检测器的较高的维护管理成本，浮动车数据具有获取简单，成本较低的特征；因此浮动车数据也成为了高速公路监控及预测的一个新的重要数据来源。与传统检测器数据不同，浮动车数据具有时空覆盖面广的特点，几乎包含道路全程的各个位置的信息；同时，浮动车数据由于相关设备的覆盖率问题，具有一定的稀疏性，因此在具体的数据挖掘方法方面需要进行特别的考量。本发明基于浮动车数据，重点探究高速公路交通状态的识别划分方法；对拥堵时空维度的发展进行预测算法构建。本项研究，能够基于实时数据对高速公路的交通状态进行精确识别，从而获知拥堵热点地区，进行精准交通改善；基于深度学习的拥堵预测，对拥堵的演变进行研究，能够为管理部门进行提前出警，提升交通事件处理效率，为道路畅通提供技术支持。

发明内容

本发明所要解决的技术问题在于，提供一种基于浮动车数据的高速公路路况识别与预测方法，能够对高速公路交通状态进行精准识别，并对其演变趋势进行预测。

为解决上述技术问题，本发明提供一种基于浮动车数据的高速公路路况识别与预测方法，包括如下步骤：

(1)基于原始GPS轨迹数据，进行数据预处理；

(2)基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度；

(3)基于步骤(2)中获得的各轨迹点的瞬时速度，以及各轨迹点的时间网格、空间网格编号，以空间网格和时间网格为单元，计算每个单元内的交通流参数值；

(4)针对步骤(3)获取的网格交通流参数，利用基于主成分分析的方法对交通状态参数降维，简化了数据的维数，实现了对数据中无关特征的舍弃；

(5)基于降维后的交通流参数，利用k-means算法进行交通状态聚类分析，对不同交通状态进行识别；

(6)构建不同时间尺度的特征，基于步骤(5)获得的交通状态标签进行研究路段拥堵分析，建立基于长短期记忆神经网络LSTM的典型交通状态量预测模型。

优选的，步骤(1)中，原始GPS轨迹数据包括：车牌号，采样点经度，采样点纬度，采样时间，采样时间和采样日期。

优选的，步骤(1)中，基于原始GPS轨迹数据，进行数据预处理具体包括如下步骤：

(11)坐标转换；采取UTM平面坐标，将WGS-84坐标投影到UTM平面上，将经纬度转换为X，Y坐标；

(12)空间网格化处理；空间网格指基于高速公路的GIS形文件，将整条研究公路等长度进行路段划分，将轨迹点投影至相应路段，以各个小路段为研究单元进行分析，提取交通参数，处理结果为每个采样点增加一个代表路段编号的字段；采样记录i所属路段编号id_i计算方法如公式(1)，s_i为采样点距起点距离，grid_interval为自定义的路段长度；

(13)时间网格化处理；由于每个轨迹点的时间戳对应于一个精确的时间点，很难出现时间和空间位置完全相同的大量轨迹数据点，因此在时间维度也需要进行网格划分，将全天24小时，以一定的粒度进行离散化，处理结果为每个采样点增加一个代表时间网格编号的字段。

优选的，步骤(2)中，基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度具体包括如下步骤：

(21)将原始数据按照“车牌号”，“时间”，“日期”三个字段进行排序；

(22)将原始数据中“车牌号”、“采样时间”以及经坐标转换获得的“X”、“Y”四个字段分别前移一位，获得四个新字段“车牌号_new”，“采样时间_new”，“X_new”，“Y_new”四个新字段，对于各对应字段有：字段[i]＝字段_new[i-1]；

(23)计算临时字段“flag”，计算方法如公式(2)；

当“flag”为0时，代表相邻两记录来源于不同车辆，对应于不同的轨迹序列，不应用于速度计算，将“flag”值为0的记录全部删除；

(24)计算临时字段“花费时间”和“距离”，分别代表车辆行驶在两轨迹点间的时间和距离，计算如公式(3)、(4)；

花费时间[i]＝采样时间_new[i]-采样时间[i] (3)

(25)计算字段“速度”，此时经过处理的原始数据，在某些编程环境下，可直接对各字段进行向量计算，大大降低了计算复杂度，减少了程序耗时，计算如公式(5)；

(26)对获取的速度进行筛选，去除数值异常的数据，保留5％到95％分位的记录。

优选的，步骤(3)中，基于步骤(2)中获得的各轨迹点的瞬时速度，以及各轨迹点的时间网格、空间网格编号，以空间网格和时间网格为单元，计算每个单元内的交通流参数值具体包括如下步骤：

(31)计算网格平均速度v_ins，如公式(6)，其中：代表第i个路段，第j个时间段的平均速度，v_k代表网格(路段)内第k个轨迹点的速度值，n为该网格轨迹点的数量；

(32)计算网格中位速度v_mid，即第i个路段，第j个时间段的中位速度；

(33)计算网格速度标准差std_v，即每个网格内速度的标准差；

(34)计算各网格浮动车流量q_grid，对于i路段，j时间段内的记录，删去重复的车牌值，进而统计唯一值的数量，获取网格浮动车流量；

(35)网格低速次数count_slow，指网格内速度小于某一特定阈值的记录数，定义车辆k在第i个路段，第j个时间段中速度序列，序列长度为m：

假设网格中共有n辆车，定义网格低速次数为：

(36)计算车速比r_v；

首先计算网格自由流车速v_min，选取网格自由流车速作为对网格车速的修正参数，取全天各网格中速度记录的最大值；

v_f＝max({v_t|t∈(0-24)}) (10)

优选的，步骤(4)中，针对步骤(3)获取的网格交通流参数，利用基于主成分分析的方法对交通状态参数降维，简化了数据的维数，实现了对数据中无关特征的舍弃具体包括如下步骤：

(41)基于步骤(3)所述方法，计算指定时间段内各路段、各时间段的交通状态参数，作为模型训练的样本；每个样本包括网格平均速度v_ins、网格中位速度v_mid、网格速度标准差std_v、网格浮动车流量q_grid、网格低速次数count_slow、车速比r_v六个参数，数据集x＝(x₁,x₂,x₃,x₄,x₅,x₆)＝(v_ins,v_mid,std_v,q_grid,count_slow,r_v)；

(42)计算数据集x的协方差矩阵∑；

∑_i,j＝cov(x_i,x_j) (12)

(43)对于协方差矩阵∑，假设其特征值按降序排列为：λ₁,λ₂,…λ₆，其对应的特征向量为：α₁,α₂,…,α₆。则相应的，第k主成分为：

其中，对于第k主成分z_k，其能够解释的总体方差的比例为：

(44)选取前m个特征向量，计算对应的m个主成分，实现对原始数据的特征降维，m取为3。

优选的，步骤(5)中，基于降维后的交通流参数，利用k-means算法进行交通状态聚类分析，对不同交通状态进行识别具体包括如下步骤：

(51)将24小时以2小时为间隔划分为12个不同时段，在经过主成分分析降维后，应用k-means算法对每个时段的样本进行单独的聚类分析；聚类簇的数量设置为3；

(52)将获得聚类标签的降维后样本与原始样本进行匹配，对每个聚类各参数的数值分布进行统计分析，获取各聚类中心的数值特征；

(53)对各路段各交通状态出现次数进行统计计数，识别拥堵热点路段；对各时段各交通状态数进行统计，识别单日交通状态演变特征；

(54)针对重点路段，对于全天不同时段，分析交通状态逐日变化情况。

优选的，步骤(6)中，构建不同时间尺度的特征，基于步骤(5)获得的交通状态标签进行研究路段拥堵分析，建立基于长短期记忆神经网络LSTM的典型交通状态量预测模型具体包括如下步骤：

(61)对于原始数据集，将预测时刻的速度等变量作为因变量，与前20分钟，前30分钟，前一天的相同时刻的变量进行匹配，形成多个训练集及测试集；

(62)对不同变量分别构建LSTM预测模型，利用训练集进行模型训练，利用测试集进行模型精度的检验；

(63)基于步骤(5)获得的各交通状态聚类中心，将预测值根据距离与聚类中心进行匹配，从而得到交通状态预测值。

本发明的有益效果为：本发明以浮动车数据为基础，首先对原始轨迹数据进行坐标变换，网格划分，将整条线路按一定间隔进行离散化处理，划分为等间隔路段，同时将时间进行网格化处理，提升了数据处理的效率，克服了轨迹数据的稀疏特征；之后基于轨迹坐标，计算相邻更新点之间车辆的平均车速，从而获得速度序列，根据此速度序列，以一定粒度的空间网格和时间网格为集计单元，计算各单元的6类交通流参数(网格平均速度v_ins，网格中位速度v_mid，网格速度标准差std_v，网格浮动车流量q_grid，网格低速次数count_slow，车速比r_v)，获取了能较完整表征交通流特征描述性变量；在获取的描述性变量的基础上，采用主成分分析方法，对数据集进行降维，基于降维后的结果，利用k-means聚类方法，获取同一天不同时段各路段的交通状态聚类中心的变化趋势，识别拥堵常发路段及常发时段；比较单一路段各时段的拥堵变化逐日变化特征；因此，本发明方法可以准确地，实时地对交通状态进行识别，并为交通管理部门提供了一种新的高精度拥堵热点路段时段识别方法。

附图说明

图1为本发明的方法流程示意图。

图2为本发明各交通状态速度分布示意图。

图3为本发明单日内不同路段拥堵状态发生次数分布示意图。

图4为本发明单日内不同时段拥堵状态发生次数分布示意图。

图5为本发明的速度预测模型预测值与真实值对比示意图。

具体实施方式

如图1所示，一种基于浮动车数据的高速公路路况识别与预测方法，包括如下步骤：

(1)基于原始GPS轨迹数据，进行数据预处理；

(2)基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度；

(3)基于速度计算网格内的交通流参数，以空间网格和时间网格为单元，计算每个单元内的交通流参数值；

(4)基于主成分分析的交通状态参数降维，简化了数据的维数，实现了对数据中无关特征的舍弃；

(5)基于k-means的交通状态聚类分析，对不同交通状态进行识别；

(6)构建不同时间尺度的特征，建立基于长短期记忆神经网络LSTM的各交通状态量预测模型。

下面结合实例和说明书附图对本发明作进一步的说明。该实例选取的数据来自广州机场高速三元里收费站至机场南收费站全场约26km的路段。该实例的编程及数据处理均在Python3.5环境中完成。

步骤一：基于原始GPS轨迹数据(主要字段包括：车牌号，采样点经度，采样点纬度，采样时间，采样日期)，进行数据预处理。

步骤1：将WGS-84坐标投影到UTM平面上，将经纬度转换为X，Y坐标。字段如表一，由于使用了一周的数据，将“weekday”(星期)字段作为日期使用。

表1原始数据字段名

步骤2：空间网格化处理。以100米为粒度进行路段划分(空间网格)。

步骤3：时间网格化处理。以10分钟为粒度进行时间网格的划分。

经过步骤2及步骤3，获得两个新字段：

表2新字段名

步骤二：基于网格划分结果的速度计算方法。

步骤1：将原始数据按照“carid”，“signaltime”，“weekday”三个字段进行排序。

步骤2：将原始数据中“carid”，“signaltime”，以及经坐标转换获得的“X_utm”，“Y_utm”四个字段分别前移一位，获得四个新字段“carid_new”，“signaltime_new”，“X_utm_new”，“Y_utm_new”四个新字段。

步骤3：计算临时字段“flag”，计算方法如公式(2)。

当“flag”为0时，代表相邻两记录来源于不同车辆，对应于不同的轨迹序列，不应用于速度计算，将“flag”值为0的记录全部删除。

步骤4：计算临时字段“花费时间”和“距离”，分别代表车辆行驶在两轨迹点间的时间和距离，计算如公式(3)、(4)。

步骤5：计算字段“速度”，此时经过处理的原始数据，在Python环境下，使用pandas模块，对各字段进行向量计算，计算如公式(5)。

步骤6：对获取的速度进行筛选，去除数值异常的数据(负值等)，保留5％到95％分位的记录。

步骤三：基于速度计算网格内的交通流参数。

步骤1：利用pandas内置函数，以“grid_id”，“time_id”进行分组，计算各网格平均速度v_ins。

步骤2：利用pandas内置函数，以“grid_id”，“time_id”进行分组，计算各网格中位速度。

步骤3：利用pandas内置函数，以“grid_id”，“time_id”进行分组，计算网格速度标准差std_v。

步骤4：计算各网格浮动车流量q_grid，对于i路段，j时间段内的记录，删去重复的车牌值，进而统计唯一值的数量，获取网格浮动车流量。

步骤5：计算网格低速次数count_slow。

步骤6：利用pandas内置函数，计算车速比r_v。

步骤四：基于主成分分析的交通状态参数降维。

步骤1：在pandas环境下进行编程，筛选出指定时间段的记录，以空间网格和时间网格进行集计，计算网格平均速度v_ins，网格中位速度v_mid，网格速度标准差std_v，网格浮动车流量q_grid，网格低速次数count_slow，车速比r_v六个参数。

步骤2-4：使用Python环境下scikit-learn机器学习模块中的主成分分析函数，得到3个主成分。

步骤五：基于k-means的交通状态聚类分析。

步骤1：将24小时以2小时为间隔划分为12个不同时段，在经过主成分分析降维后，应用k-means算法对每个时段的样本进行单独的聚类分析；聚类簇的数量设置为3。

步骤2：将获得聚类标签的降维后样本与原始样本进行匹配，对每个聚类各参数的数值分布进行统计分析，获取各聚类中心的数值特征。图2为某一天8时至10时的各聚类速度分布。

步骤3：对各路段各交通状态出现次数进行统计计数，识别拥堵热点路段；对各时段各交通状态数进行统计，识别单日交通状态演变特征。图3为某日各路段拥堵状态出现次数统计，图4为某日各时段拥堵状态出现次数统计。

步骤六：基于长短期记忆神经网络(LSTM)的交通状态预测模型。

步骤1：对于原始数据集，将预测时刻的速度等变量作为因变量，与前20分钟，前30分钟，前一天的相同时刻的变量进行匹配，形成多个训练集及测试集。随机抽取10000个样本进行训练及测试，其中训练集占总样本数的80％，测试集占总样本数的20％。

步骤2：对不同变量分别构建LSTM预测模型，利用训练集进行模型训练，利用测试集进行模型精度的检验。附图4为速度预测模型的预测值与实际值对比图，准确率达到85％。

Claims (6)

1.一种基于浮动车数据的高速公路路况识别与预测方法，其特征在于，包括如下步骤：

(1)基于原始GPS轨迹数据，进行数据预处理；

(2)基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度；

(3)基于步骤(2)中获得的各轨迹点的瞬时速度，以及各轨迹点的时间网格、空间网格编号，以空间网格和时间网格为单元，计算每个单元内的网格交通流参数；具体包括如下步骤：

(31)计算网格平均速度v_ins，如公式(6)，其中：代表第i个路段，第j个时间段的平均速度，v_k代表网格内第k个轨迹点的速度值，n为该网格轨迹点的数量；

(32)计算网格中位速度v_mid，即第i个路段，第j个时间段的中位速度；

(33)计算网格速度标准差std_v，即每个网格内速度的标准差；

(34)计算各网格浮动车流量q_grid，对于i路段，j时间段内的记录，删去重复的车牌值，进而统计唯一值的数量，获取网格浮动车流量；

(35)网格低速次数count_slow，指网格内速度小于某一特定阈值的记录数，定义车辆k在第i个路段，第j个时间段中速度序列，序列长度为m：

假设网格中共有n辆车，定义网格低速次数为：

(36)计算车速比r_v；

首先计算网格自由流车速v_min，选取网格自由流车速作为对网格车速的修正参数，取全天各网格中速度记录的最大值；

v_f＝max({v_t|t∈(0-24)}) (10)

(4)针对步骤(3)获取的网格交通流参数，利用基于主成分分析的方法对交通状态参数降维，简化了数据的维数，实现了对数据中无关特征的舍弃；具体包括如下步骤：

(41)基于步骤(3)所述方法，计算指定时间段内各路段、各时间段的交通状态参数，作为模型训练的样本；每个样本包括网格平均速度v_ins、网格中位速度v_mid、网格速度标准差std_v、网格浮动车流量q_grid、网格低速次数count_slow、车速比r_v六个参数，数据集x＝(x₁,x₂,x₃,x₄,x₅,x₆)＝(v_ins,v_mid,std_v,q_grid,count_slow,r_v)；

(42)计算数据集x的协方差矩阵∑；

∑_i,j＝cov(x_i,x_j) (12)

(43)对于协方差矩阵∑，假设其特征值按降序排列为：λ₁,λ₂,…λ₆，其对应的特征向量为：α₁,α₂,…,α₆，则相应的，第k主成分为：

其中，对于第k主成分z_k，其能够解释的总体方差的比例为：

(44)选取前m个特征向量，计算对应的m个主成分，实现对原始数据的特征降维，m取为3；

(5)基于降维后的交通流参数，利用k-means算法进行交通状态聚类分析得到交通状态标签，对不同交通状态进行识别；

(6)构建不同时间尺度的特征，基于步骤(5)获得的交通状态标签进行研究路段拥堵分析，建立基于长短期记忆神经网络LSTM的典型交通状态量预测模型。

2.如权利要求1所述的基于浮动车数据的高速公路路况识别与预测方法，其特征在于，步骤(1)中，原始GPS轨迹数据包括：车牌号，采样点经度，采样点纬度，采样时间，采样时间和采样日期。

3.如权利要求1所述的基于浮动车数据的高速公路路况识别与预测方法，其特征在于，步骤(1)中，基于原始GPS轨迹数据，进行数据预处理具体包括如下步骤：

(11)坐标转换；采取UTM平面坐标，将WGS-84坐标投影到UTM平面上，将经纬度转换为X，Y坐标；

(12)空间网格化处理；空间网格指基于高速公路的GIS形文件，将整条研究公路等长度进行路段划分，将轨迹点投影至相应路段，以各个小路段为研究单元进行分析，提取交通参数，处理结果为每个采样点增加一个代表路段编号的字段；采样记录i所属路段编号id_i计算方法如公式(1)，s_i为采样点距起点距离，grid_interval为自定义的路段长度；

(13)时间网格化处理；由于每个轨迹点的时间戳对应于一个精确的时间点，很难出现时间和空间位置完全相同的大量轨迹数据点，因此在时间维度也需要进行网格划分，将全天24小时，以一定的粒度进行离散化，处理结果为每个采样点增加一个代表时间网格编号的字段。

4.如权利要求1所述的基于浮动车数据的高速公路路况识别与预测方法，其特征在于，步骤(2)中，基于网格划分结果的速度计算方法，利用轨迹点间的欧式距离和行驶时间计算获得的行程车速作为车辆在更新点处的瞬时速度具体包括如下步骤：

(21)将原始数据按照“车牌号”，“时间”，“日期”三个字段进行排序；

(22)将原始数据中“车牌号”、“采样时间”以及经坐标转换获得的“X”、“Y”四个字段分别前移一位，获得四个新字段“车牌号_new”，“采样时间_new”，“X_new”，“Y_new”四个新字段，对于各对应字段有：字段[i]＝字段_new[i-1]；

(23)计算临时字段“flag”，计算方法如公式(2)；

当“flag”为0时，代表相邻两记录来源于不同车辆，对应于不同的轨迹序列，不应用于速度计算，将“flag”值为0的记录全部删除；

(24)计算临时字段“花费时间”和“距离”，分别代表车辆行驶在两轨迹点间的时间和距离，计算如公式(3)、(4)；

花费时间[i]＝采样时间_new[i]-采样时间[i](3)

(25)计算字段“速度”，此时经过处理的原始数据，在某些编程环境下，可直接对各字段进行向量计算，大大降低了计算复杂度，减少了程序耗时，计算如公式(5)；

(26)对获取的速度进行筛选，去除数值异常的数据，保留5％到95％分位的记录。

5.如权利要求1所述的基于浮动车数据的高速公路路况识别与预测方法，其特征在于，步骤(5)中，基于降维后的交通流参数，利用k-means算法进行交通状态聚类分析得到交通状态标签，对不同交通状态进行识别具体包括如下步骤：

(51)将24小时以2小时为间隔划分为12个不同时段，在经过主成分分析降维后，应用k-means算法对每个时段的样本进行单独的聚类分析；聚类簇的数量设置为3；

(52)将获得聚类标签的降维后样本与原始样本进行匹配，对每个聚类各参数的数值分布进行统计分析，获取各聚类中心的数值特征；

(53)对各路段各交通状态出现次数进行统计计数，识别拥堵热点路段；对各时段各交通状态数进行统计，识别单日交通状态演变特征；

(54)针对重点路段，对于全天不同时段，分析交通状态逐日变化情况。

6.如权利要求1所述的基于浮动车数据的高速公路路况识别与预测方法，其特征在于，步骤(6)中，构建不同时间尺度的特征，基于步骤(5)获得的交通状态标签进行研究路段拥堵分析，建立基于长短期记忆神经网络LSTM的典型交通状态量预测模型具体包括如下步骤：

(61)对于原始数据集，将预测时刻的速度变量作为因变量，与前20分钟，前30分钟，前一天的相同时刻的变量进行匹配，形成多个训练集及测试集；

(62)对不同变量分别构建LSTM预测模型，利用训练集进行模型训练，利用测试集进行模型精度的检验；

(63)基于步骤(5)获得的各交通状态聚类中心，将预测值根据距离与聚类中心进行匹配，从而得到交通状态预测值。