CN111047860A - 一种车辆运行轨迹提取方法 - Google Patents
一种车辆运行轨迹提取方法 Download PDFInfo
- Publication number
- CN111047860A CN111047860A CN201911216173.6A CN201911216173A CN111047860A CN 111047860 A CN111047860 A CN 111047860A CN 201911216173 A CN201911216173 A CN 201911216173A CN 111047860 A CN111047860 A CN 111047860A
- Authority
- CN
- China
- Prior art keywords
- time
- path
- road
- different
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Radar, Positioning & Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明的一种车辆运行轨迹提取方法,可解决城区驾驶车辆行驶路径难确定的技术问题。采用以下步骤:获取某一天的所有电子警察、卡口的过车数据;确定某辆车的相邻检测点位可直接相连形成有效路径;在相邻检测点位不能直接相连情况下,提取相连检测点之间所有可能的有效路径;基于提取的有效路径和互联网的各个时段不同路段的运行数据信息,确定不同路径的耗时;将可能路径的耗时与相邻检测点的时间差值进行对比,确定最优的车辆行驶路径集;采用模糊综合评价法确定最优的行驶路径。本发明可为城区道路交通网络任意时段内路段交通量分配、交通出行诱导以及路网规划提供关键的数据支撑,可降低通行成本,提高出行效率,具有广阔的应用前景。
Description
本发明涉及交通规划建设、车辆路径提取技术领域,具体涉及一 种车辆运行轨迹提取方法。
背景技术
交通是国民经济和社会发展的基础性产业和服务性行业。随着经 济发展、计算机和信息技术的进步,智能交通在大数据背景下,城市 交通数据的获取和提取有效的交通信息是未来智能交通应用发展的基 石。
在科技强警的要求下,全国各大城市路网中都布设了大量的电子 警察和卡口设备,整个城市的这些设备每天都会产生海量的数据信息。 这些数据信息除查询违法车辆及一些缉查布控要求外,作为改善交通 运行,提升交通通行效率的交通数据没有被应用。这主要因为缺少对 这些数据进行深度挖掘的方法。在互联网地图的迅速发展下,其获得 的实时路段运行数据信息和深度挖掘电子警察、卡口设备海量的交通 信息是实现智慧出行、安全出行、高效出行、绿色出行的大数据基础, 数据挖掘获得车辆路径信息能够为出行者的智慧、安全、高效和绿色 出行需求进行科学的交通管理和规划,另外,基于城区海量的车辆路 径信息,交通管理者能够深度了解交通拥堵的根源,帮助其作出更科 学和多样的管理措施来缓解城区交通压力。
城区全时段车辆运行轨迹提取是交通路径规划的基础,是决定诱 导路径、制定的管控措施科学高效合理的关键,直接关系到交通分配 精度的高低。目前,关于基于电子警察提取车辆运行轨迹方法都进行 了大量研究,取得了很多理论与实际成果。其中,基于电子警察过车 数据提取全时段单个车辆的行驶路径信息等。但是,未考虑电子警察 城区布设不全或检测数据丢失和错误等情况存在,对于相邻检测点位 之间存在的可能性行驶路径缺少相关的研究方法。因此,考虑实际应 用过程中的多种可能情况下,准确的确定城区全时段车辆行驶路径信 息显得尤为重要,另外车辆运行轨迹提取方法产生的交通数据能够为 城区道路管控措施的制定、交通出行诱导以及路网规划提供关键的数 据支撑。为降低社会成本,提高社会出行效率,具有十分广阔的应用 前景。
发明内容
本发明的一种车辆运行轨迹提取方法,可解决城区驾驶车辆行驶 路径难确定的技术问题。
为实现上述目的,本发明采用了以下技术方案:
一种车辆运行轨迹提取方法,包括如下步骤:
车辆运行轨迹提取方法,通过电警、卡口设备获取不同点位设备 抓拍的过车数据信息,并获取互联网平台上车辆在不同路段和时间长 度上的运行数据信息,其特征在于:
包括以下步骤:
S100、获取某一天的所有电子警察、卡口的过车数据,并按车牌 进行分类和处理。
S200、确定某辆车的相邻检测点位可直接相连形成有效路径。
S300、在某辆车的相邻检测点位不能直接相连情况下,提取相连 检测点之间所有可能的有效路径。
S400、基于S300提取的有效路径和互联网平台各个时段不同路段 的运行数据信息,确定不同路径的耗时。
S500、基于S400将不同路径耗时与相邻检测点时间差值进行对比, 确定最优的车辆行驶路径集。
S600、基于S500产生的行驶路径集,分析交通路径的影响因素, 构建交通路径可靠性综合函数确定最优的行驶路径。
进一步的,所述S100获取某一天所有电子警察、卡口的过车数据, 并按车牌进行分类和处理。具体包括:
S101、获取城区某一天的所有电子警察、卡口的过车数据,提取 所有过车数据的检测设备ID、车牌号、检测时间、路段编号、检查区 域距下游路口长度等信息并生成数据条,按车牌号对所有数据条进行 分类。
S102、每一类数据按照检测时间的先后顺序生成新的数据表,新 的数据表增设“直连”一栏,该栏填入的数据只有0和1,最后一个检 测点不用填写。该栏数据由步骤S200确定。
进一步的,所述步骤S200确定某辆车的相邻检测点位可直接相连 形成有效路径;具体包括:
S201、获取城区所有路网信息数据库,构造表示原始地理信息的 路网G,将路网结点抽象为路网G中的结点pi,而路网相邻结点间的路 段可抽象为路网G中的边lij的连通性,路网信息图G={V,L,T},其中 V(G)={p1,p2,…,pn}为结点集,n表示结点个数;L(pi,pj)={lij,lji,dij}表示路 网结点之间路段的矢量集合,其中lij表示从节点vi到节点vj的路段,dij表示 从节点vi到节点vj的路段长度值;T(lij)={Tpj,ts,tl,tr,tu}表示路网中路段lij的下游路口信号周期及其转向信息的矢量矩阵集合,其中Tpj为路口pj的信号周期,口ts为lij的下游路口直行连接的路段ljx,也可为空,即为禁 止直行;tl为lij的下游路口左转连接的路段ljx,也可为空,即为禁止左转; tr为lij的下游路口右转连接的路段ljx,也可为空,即为禁止右转;tu为lij的下游路口掉头连接的路段lji,也可为空,即为禁止掉头。
S202、按照分类数据表中先后顺序,依次提取两两相邻的过车数 据信息,将第一条数据和第二条数据作为一组、第二条数据和第三条 数据作为一组,依次类推。
S203、通过城区所有路网信息数据库,将所有分组的第一条过车 数据中的路段编号可知电子警察、卡口抓拍位置的下游交口,明确的 交口信息再通过路网信息数据库的转向信息可知下游的路段编号集合。
S204、将分组中第二条过车数据的路段编号与S203下游的路段编 号集合中的路段编号进行逐个对比,若存在一致的路段编号,则相邻 检测点位可直接相连形成有效路径,数据表“直连”一栏填1。若没有, 数据表“直连”一栏填0,并进入步骤S300。
进一步的,所述步骤S300在某辆车的相邻检测点位不能直接相连 情况下,提取相连检测点之间所有可能的有效路径;具体包括:
S301、确定求出相邻两个检测时间ti和ti+1的差值:
△t=ti+1-ti,i=1,2,…,n-1 (13)
S302、采用双向追溯确定所有可能的在相邻检测点间的行驶路径, 即将分组的第一条过车检测点为起点,根据路网信息逐渐向下游延伸 构建树结构的路径网络;将分组的第二条过车检测点为终点,根据路 网信息逐渐向上游延伸构建树结构的路径网络。预先设定构建双向树 结构的路劲网络层数为Q。
S303、通过城区所有路网信息数据库,将所有分组的第一条过车 数据中的路段编号可知电子警察抓拍位置的下游交口,明确的交口信 息再通过路网信息数据库的转向信息可知下游的路段编号集合D1。根据 下游的路段编号集合确定其各自下游的路口,通过路网信息数据库的 转向信息可知下游的路段编号集合D2;如此不断进行运算,得知Q代 分支路段编号信息集合Dq。并基于Q代运算将不同阶段路段编号集合 顺次生成不同交通路径的信息表
S304、每组中第二条过车数据的路段编号通过城区所有路网信息 数据库的转向信息确定其上游路口,明确的路口信息再通过路网信息 数据库的转向信息可知上游的路段编号集合U1。根据上游的路段编号集 合确定其各自上游的路口,通过路网信息数据库的转向信息可知上游 的路段编号集合U2;如此不断进行运算,得知Q代分支路段编号信息 集合Uq。并基于Q代运算将不同阶段路段编号集合顺次生成不同交通 路径的信息表
S305、将信息表某条路径信息中节点按由上游路口到下游路口 的节点顺序提取节点信息,并在信息表中搜索含有同样节点的交通 路径。提取信息表有共同节点的上游交通路径信息,提取信息表有共同节点的上游交通路径信息,并将两者合并为一条完整的交通路 径信息表
进一步的,所述S400步骤基于S300、S200提取的有效路径和互 联网平台各个时段不同路段的运行数据信息,确定不同路径的时间耗 费值;具体包括:
S401、依次获取S305步骤的所有交通路径,并提取交通路径中若 干个路段长度信息;获取各个路段在相邻两个检测时间区间[ti,ti+1]内 互联网平台的平均运行速度数据,得出第一阶段不同路径的耗时,即:
ts1——第一阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查 取平均值,单位:秒;
v′i——时间区间[ti,ti+1]内路段i平均运行速度,单位:米/秒。
S402、计算得出车辆进入路段i时间为(ti+△t′i),进入路段i+1 的时间为(ti+△t′i+1),其中△t′i为:
△t′i——进入路段i时间与第一条检测时间第二阶段差值,单位: 秒;
di——路段i的路段长度,单位:米;
v′i——路段i平均运行速度,单位:米/秒;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查 取平均值,单位:秒;
△ti——相邻两个检测时间ti和ti+1的差值。
S403、获取互联网平台在时间区间[ti+△t′i,ti+△t′i+1]路段i上的 平均行驶速度数据,得出第二阶段不同路径的耗时,即:
ts2——第二阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查 取平均值,单位:秒;
v″i——时间区间[ti+△t'i,ti+△t'i+1]内路段i平均运行速度,单位: 米/秒;
S404、计算得出车辆进入路段i时间为(ti+△t″i),进入路段i+1 的时间为(ti+△t″i+1),即:
△t″i——进入路段i时间与第一条检测时间第三阶段差值,单位: 秒;
di——路段i的路段长度,单位:米;
v″i——时间区间[ti+△t″i,ti+△t″i+1]路段i平均运行速度,单位:米/ 秒;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查 取平均值,单位:秒;
△ti——相邻两个检测时间ti和ti+1的差值;
S405、获取互联网平台在时间区间[ti+△t″i,ti+△t″i+1]路段i上的 平均行驶速度数据,得出第三阶段不同路径的耗时,即:
ts3——第三阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查 取平均值,单位:秒;
v″′i——时间区间[ti+△t″′i,ti+△t″′i+1]内路段i平均运行速度,单位: 米/秒;
tsK——第k阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查 取平均值,单位:秒;
进一步的,所述S500步骤基于S400将不同路径的耗时与相邻检 测点的时间差值进行对比,确定最优的车辆行驶路径集。具体包括:
S501、基于互联网平台的运行数据,得出第K阶段不同路径耗时 减去相邻检测点时间差值的绝对值进行判别,即
|tsK-△ti|≤△ti/10 (20)
tsK——第k阶段交通路径的时间耗费值,单位:s;
△ti——相邻两个检测时间ti和ti+1的差值。
S502、判断相邻检测点之间的所有可能车辆行驶路径,将满足式 (20)的路径保存在车辆行驶路径集中,并按照不同路径耗费时间减 去相邻检测点时间差值的绝对值从小到大排序。
进一步的,所述S600步骤基于S500步骤产生的行驶路径集,分 析交通路径的影响因素,构建交通路径可靠性综合函数确定最优行驶 路径。具体包括:
S601、路径耗时与检测时间差值、路径所需转弯数、节点周期长 短是影响驾驶员路径选择的重要因素,构建含以上三个因素的交通路 径可靠性综合函数F(x1,x2,x3)。影响因素包括路径耗时与检测时间差 值、路径所需转弯数、节点周期长短的因素集U可以定义为:U={路 径耗时与检测时间差值、路径所需转弯数、节点周期长短},表示为: U={u1,u2,u3}。
S602、因素权重;因素集U上的因素模糊子集A记为模糊向量 A=(a1,a2,a3),其中ai表示单因素ui在总体评价因素中所起作用大小的 度量,0≤ai≤1;不同地区ai取值存在差异,通过问卷调查获取模糊向 量得平均值A=(0.54,0.29,0.17)。
S603、影响因素归一化。因素集U上的因素模糊子集B记为模糊 向量B=(b1,b2,b3)T,其中bj表示单因素ui归一化的值。
(1)路径耗时与检测时间差值的归一值
b1——为路径耗时与检测时间差值的归一值;
tsk——为第K阶段交通路径的耗时,单位:s;
△ti——相邻两个检测时间ti和ti+1的差值;
(2)路径所需转弯数的归一值
b2——路径所需转弯数的归一值;
g1——相邻检测点之间不同路径需要统计左转次数,单位:次;
g2——相邻检测点之间不同路径需要统计右转次数,单位:次;
g3——相邻检测点之间不同路径需要统计直行合计次数,单位: 次;
m1——左转关系系数,不同地区取值不同,平均值可取0.5;
m2——右转关系系数,不同地区取值不同,平均值可取0.8;
m3——直行关系系数,不同地区取值不同,平均值可取1.0;
(3)节点周期长短的归一值
按现行信号路口的信号周期长短划分四个区间,每个区间的路口 周期长短进行调研得出路口信号周期系数。
b3——节点周期长短的归一值;
h1——不同路径通过信号周期小于等于80秒的路口数,单位:个;
h2——不同路径通过信号周期大于80秒小于等于110秒的路口数, 单位:个;
h3——不同路径通过信号周期大于110秒小于等于140秒的路口 数,单位:个;
h4——不同路径通过信号周期大于140秒的路口数,单位:个;
w1——不同路径通过信号周期小于等于80秒的系数;
w2——不同路径通过信号周期大于80秒小于等于110秒的系数;
w3——不同路径通过信号周期大于110秒小于等于140秒的系数;
w4——不同路径通过信号周期大于140秒的系数;
得出不同车辆行驶路径的因素模糊子集B=(b1,b2,b3)T;
S604、构建综合函数F(x1,x2,x3)。F(x1,x2,x3)函数值越大代表 提取的路径可靠性越高,即为最优路径;
F(x1,x2,x3)=AB=(a1,a2,a3)(b1,b2,b3)T (24)
通过式(24)运算得出不同车辆行驶路径的可靠性综合函数值最 高的交通路径为相邻检测时间内车辆行驶路径。
本发明可为城区道路交通网络任意时段内路段交通量分配、交通 出行诱导以及路网规划提供关键的数据支撑。为降低社会成本,提高 社会出行效率,具有十分广阔的应用前景。
附图说明
图1是本发明的方法流程示意图;
图2是城区车辆行驶路径网络示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结 合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、 完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是 全部的实施例。
本发明实施例所述的车辆运行轨迹提取方法,如附图1和图2所示 的通过获取城区电子警察和卡口设备获取的过车数据、路网信息及互 联网平台车辆运行数据来展示本方法的工作流程:
S100、获取某一天的所有电子警察、卡口的过车数据,并按车牌 进行分类和处理。
S200、确定某辆车的相邻检测点位可直接相连形成有效路径。
S300、在某辆车的相邻检测点位不能直接相连情况下,提取相连 检测点之间所有可能的有效路径。
S400、基于S300提取的有效路径和互联网平台各个时段不同路段 的运行数据信息,确定不同路径的耗时。
S500、基于S400将不同路径耗时与相邻检测点时间差值进行对比, 确定最优的车辆行驶路径集。
S600、基于S500产生的行驶路径集,分析交通路径的影响因素, 构建交通路径可靠性综合函数确定最优的行驶路径。
上述步骤可进一步解释为:
S100、获取某一天所有电子警察、卡口的过车数据,并按车牌进 行分类和处理。具体包括:获取城区某一天的所有电子警察、卡口的 过车数据,提取所有过车数据的检测设备ID、车牌号、检测时间、路 段编号、检查区域距下游路口长度等信息并生成数据条,按车牌号对 所有数据条进行分类。每一类数据按照检测时间的先后顺序生成新的 数据表,新的数据表增设“直连”一栏,该栏填入的数据只有0和1, 最后一个检测点不用填写。见表1-1。
表1-1过车数据信息表
S200、确定某辆车的相邻检测点位可直接相连形成有效路径。具 体包括:
S201、获取城区所有路网信息数据库,构造表示原始地理信息的 路网G,将路网结点抽象为路网G中的结点pi,而路网相邻结点间的路 段可抽象为路网G中的边lij的连通性,路网信息图G={V,L,T},其中 V(G)={p1,p2,…,pn}为结点集,n表示结点个数;L(pi,pj)={lij,lji,dij}表示路 网结点之间路段的矢量集合,其中lij表示从节点vi到节点vj的路段,dij表示 从节点vi到节点vj的路段长度值;表示路网中路段lij的下游路口信号周期及其转向信息的矢量矩阵集合,其中为路口pj的信号周期,口ts为lij的下游路口直行连接的路段ljx,也可为空,即为禁 止直行;tl为lij的下游路口左转连接的路段ljx,也可为空,即为禁止左转; tr为lij的下游路口右转连接的路段ljx,也可为空,即为禁止右转;tu为lij的下游路口掉头连接的路段lji,也可为空,即为禁止掉头。见表1-2。
表1-2城区交通网络及其相关属性信息表
S202、按照分类数据表中先后顺序,依次提取两两相邻的过车数 据信息,将第一条数据和第二条数据作为一组、第二条数据和第三条 数据作为一组,依次类推。
S203、通过城区所有路网信息数据库,将所有分组的第一条过车 数据中的路段编号可知电子警察、卡口抓拍位置的下游交口,明确的 交口信息再通过路网信息数据库的转向信息可知下游的路段编号集合。
S204、将分组中第二条过车数据的路段编号与S203下游的路段编 号集合中的路段编号进行逐个对比,若存在一致的路段编号,则相邻 检测点位可直接相连形成有效路径,数据表“直连”一栏填1。若没有, 数据表“直连”一栏填0,并进入步骤S300。见表1-1。
S300、在某辆车的相邻检测点位不能直接相连情况下,提取相连 检测点之间所有可能的有效路径;具体包括:
S301、确定求出相邻两个检测时间的差值为:△t=98S (25)
S302、采用双向追溯确定所有可能的在相邻检测点间的行驶路径, 即将分组的第一条过车检测点为起点,根据路网信息逐渐向下游延伸 构建树结构的路径网络;将分组的第二条过车检测点为终点,根据路 网信息逐渐向上游延伸构建树结构的路径网络。设定构建双向树结构 的路劲网络层数Q=3。
S303、通过城区所有路网信息数据库,将所有分组的第一条过车 数据中的路段编号可知电子警察抓拍位置的下游交口,明确的交口信 息再通过路网信息数据库的转向信息可知下游的路段编号集合D1。根据 下游的路段编号集合确定其各自下游的路口,通过路网信息数据库的 转向信息可知下游的路段编号集合D2;如此不断进行运算,得知3代分 支路段编号信息集合D3。并基于3代运算将不同阶段路段编号集合顺次 生成不同交通路径的信息表见表1-3。
序号 | 起点路段编号 | D<sub>1</sub> | D<sub>2</sub> | D<sub>3</sub> |
1 | l<sub>5,6</sub> | l<sub>6,10</sub> | l<sub>10,9</sub> | l<sub>9,5</sub> |
2 | l<sub>5,6</sub> | l<sub>6,10</sub> | l<sub>10,9</sub> | l<sub>9,13</sub> |
3 | l<sub>5,6</sub> | l<sub>6,10</sub> | l<sub>10,14</sub> | l<sub>14,13</sub> |
4 | l<sub>5,6</sub> | l<sub>6,10</sub> | l<sub>10,14</sub> | l<sub>14,15</sub> |
5 | l<sub>5,6</sub> | l<sub>6,10</sub> | l<sub>10,11</sub> | l<sub>11,15</sub> |
6 | l<sub>5,6</sub> | l<sub>6,10</sub> | l<sub>10,11</sub> | l<sub>11,12</sub> |
7 | l<sub>5,6</sub> | l<sub>6,10</sub> | l<sub>10,11</sub> | l<sub>11,7</sub> |
8 | l<sub>5,6</sub> | l<sub>6,7</sub> | l<sub>7,3</sub> | l<sub>3,2</sub> |
9 | l<sub>5,6</sub> | l<sub>6,7</sub> | l<sub>7,3</sub> | l<sub>3,4</sub> |
10 | l<sub>5,6</sub> | l<sub>6,7</sub> | l<sub>7,8</sub> | l<sub>8,4</sub> |
11 | l<sub>5,6</sub> | l<sub>6,7</sub> | l<sub>7,8</sub> | l<sub>8,12</sub> |
12 | l<sub>5,6</sub> | l<sub>6,7</sub> | l<sub>7,11</sub> | l<sub>11,10</sub> |
13 | l<sub>5,6</sub> | l<sub>6,7</sub> | l<sub>7,11</sub> | l<sub>11,15</sub> |
14 | l<sub>5,6</sub> | l<sub>6,7</sub> | l<sub>7,11</sub> | l<sub>11,12</sub> |
15 | l<sub>5,6</sub> | l<sub>6,2</sub> | l<sub>2,3</sub> | l<sub>3,7</sub> |
16 | l<sub>5,6</sub> | l<sub>6,2</sub> | l<sub>2,3</sub> | l<sub>3,4</sub> |
17 | l<sub>5,6</sub> | l<sub>6,2</sub> | l<sub>2,1</sub> | l<sub>1,5</sub> |
S304、每组中第二条过车数据的路段编号通过城区所有路网信息 数据库的转向信息确定其上游路口,明确的路口信息再通过路网信息 数据库的转向信息可知上游的路段编号集合U1。根据上游的路段编号集 合确定其各自上游的路口,通过路网信息数据库的转向信息可知上游 的路段编号集合U2;如此不断进行运算,得知3代分支路段编号信息集合Uq。并基于3代运算将不同阶段路段编号集合顺次生成不同交通路径 的信息表见表1-4。
序号 | 终点路段编号 | u<sub>1</sub> | u<sub>2</sub> | u<sub>3</sub> |
1 | l<sub>11,15</sub> | l<sub>12,11</sub> | l<sub>16,12</sub> | l<sub>15,16</sub> |
2 | l<sub>11,15</sub> | l<sub>12,11</sub> | l<sub>8,12</sub> | l<sub>7,8</sub> |
3 | l<sub>11,15</sub> | l<sub>12,11</sub> | l<sub>8,12</sub> | l<sub>4,8</sub> |
4 | l<sub>11,15</sub> | l<sub>7,11</sub> | l<sub>6,7</sub> | l<sub>5,6</sub> |
5 | l<sub>11,15</sub> | l<sub>7,11</sub> | l<sub>6,7</sub> | l<sub>10,6</sub> |
6 | l<sub>11,15</sub> | l<sub>7,11</sub> | l<sub>6,7</sub> | l<sub>2,6</sub> |
7 | l<sub>11,15</sub> | l<sub>7,11</sub> | l<sub>3,7</sub> | l<sub>2,3</sub> |
8 | l<sub>11,15</sub> | l<sub>7,11</sub> | l<sub>3,7</sub> | l<sub>4,3</sub> |
9 | l<sub>11,15</sub> | l<sub>7,11</sub> | l<sub>8,7</sub> | l<sub>12,8</sub> |
10 | l<sub>11,15</sub> | l<sub>7,11</sub> | l<sub>8,7</sub> | l<sub>4,8</sub> |
11 | l<sub>11,15</sub> | l<sub>10,11</sub> | l<sub>9,10</sub> | l<sub>13,9</sub> |
12 | l<sub>11,15</sub> | l<sub>10,11</sub> | l<sub>9,10</sub> | l<sub>5,9</sub> |
13 | l<sub>11,15</sub> | l<sub>10,11</sub> | l<sub>6,10</sub> | l<sub>2,6</sub> |
14 | l<sub>11,15</sub> | l<sub>10,11</sub> | l<sub>6,10</sub> | l<sub>5,6</sub> |
15 | l<sub>11,15</sub> | l<sub>10,11</sub> | l<sub>6,10</sub> | l<sub>7,6</sub> |
16 | l<sub>11,15</sub> | l<sub>10,11</sub> | l<sub>14,10</sub> | l<sub>13,14</sub> |
17 | l<sub>11,15</sub> | l<sub>10,11</sub> | l<sub>14,10</sub> | l<sub>15,14</sub> |
S305、将信息表某条路径信息中节点按由上游路口到下游路口 的节点顺序提取节点信息,并在信息表中搜索含有同样节点的交通 路径。提取信息表有共同节点的下游交通路径信息,提取信息表有共同节点的上游交通路径信息,并将两者合并为一条完整的交通路 径信息表见表1-5。
S400、基于S300、S200提取的有效路径和互联网平台各个时段不 同路段的运行数据信息,确定不同路径的时间耗费值;具体包括:
S401、依次获取S305步骤的所有交通路径,并提取交通路径中若 干个路段长度信息;获取各个路段在相邻两个检测时间区间[ti,ti+1]内 互联网平台的平均运行速度数据,得出第一阶段不同路径的耗时,即:
ts1——第一阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,通过调查取 平均值5,单位:秒;
v′i——时间区间[ti,ti+1]内路段i平均运行速度,单位:米/秒。
S402、计算得出车辆进入路段i时间为(ti+△t′i),进入路段i+1 的时间为(ti+△t′i+1),其中△t′i为:
△t′i——进入路段i时间与第一条检测时间第二阶段差值,单位: 秒;
di——路段i的路段长度,单位:米;
v′i——路段i平均运行速度,单位:米/秒;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查 取平均值,单位:秒;
△ti——相邻两个检测时间ti和ti+1的差值。
S403、获取互联网平台在时间区间[ti+△t′i,ti+△t′i+1]路段i上的 平均行驶速度数据,得出第二阶段不同路径的耗时,即:
ts2——第二阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,通过调查取 平均值5,单位:秒;
v″i——时间区间[ti+△t′i,ti+△t′i+1]内路段i平均运行速度,单位: 米/秒;
S404、计算得出车辆进入路段i时间为(ti+△t″i),进入路段i+1 的时间为(ti+△t″i+1),即:
△t″i——进入路段i时间与第一条检测时间第三阶段差值,单位: 秒;
di——路段i的路段长度,单位:米;
v″i——时间区间[ti+△t″i,ti+△t″i+1]路段i平均运行速度,单位:米/ 秒;
o——交叉口内的通行时间,不同地区数值存在差异,通过调查取 平均值5,单位:秒;
△ti——相邻两个检测时间ti和ti+1的差值;
S405、获取互联网平台在时间区间[ti+△t″i,ti+△t″i+1]路段i上的 平均行驶速度数据,得出第三阶段不同路径的耗时,即:
ts3——第三阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,通过调查取 平均值5,单位:秒;
v″′i——时间区间[ti+△t″i,ti+△t″i+1]内路段i平均运行速度,单位: 米/秒;
ts5——第5阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,通过调查取 平均值5,单位:秒;
根据步骤S401-S406得出表1-6。
表1-6第5阶段不同路径的耗时表
序号 | 起点路段编号 | 中间路段编号 | 终点路段编号 | t<sub>s5</sub>(秒) |
1 | l<sub>5,6</sub> | l<sub>6,10</sub>--l<sub>10,11</sub> | l<sub>11,15</sub> | 332.1 |
2 | l<sub>5,6</sub> | l<sub>6,7</sub>--l<sub>7,11</sub> | l<sub>11,15</sub> | 322.5 |
3 | l<sub>5,6</sub> | l<sub>6,2</sub>--l<sub>2,3</sub>--l<sub>3,7</sub>--l<sub>7,11</sub> | l<sub>11,15</sub> | 502.3 |
4 | l<sub>5,6</sub> | l<sub>6,7</sub>--l<sub>7,8</sub>--l<sub>8,12</sub>--l<sub>12,11</sub> | l<sub>11,15</sub> | 427.6 |
5 | l<sub>5,6</sub> | l<sub>6,10</sub>--l<sub>10,9</sub>--l<sub>9,13</sub>--l<sub>13,14</sub>--l<sub>14,10</sub>--l<sub>10,11</sub> | l<sub>11,15</sub> | 661.5 |
6 | l<sub>5,6</sub> | l<sub>6,10</sub>--l<sub>10,14</sub>--l<sub>14,15</sub>--l<sub>15,16</sub>--l<sub>16,12</sub>--l<sub>12,11</sub> | l<sub>11,15</sub> | 508.7 |
7 | l<sub>5,6</sub> | l<sub>6,10</sub>--l<sub>10,11</sub>--l<sub>11,12</sub>--l<sub>12,8</sub>--l<sub>8,7</sub>--l<sub>7,11</sub> | l<sub>11,15</sub> | 617.8 |
8 | l<sub>5,6</sub> | l<sub>6,7</sub>--l<sub>7,3</sub>--l<sub>3,2</sub>--l<sub>2,6</sub>--l<sub>6,10</sub>--l<sub>10,11</sub> | l<sub>11,15</sub> | 808.9 |
9 | l<sub>5,6</sub> | l<sub>6,7</sub>--l<sub>7,3</sub>--l<sub>3,4</sub>--l<sub>4,8</sub>--l<sub>8,12</sub>--l<sub>12,11</sub> | l<sub>11,15</sub> | 582.3 |
10 | l<sub>5,6</sub> | l<sub>6,7</sub>--l<sub>7,3</sub>--l<sub>3,4</sub>--l<sub>4,8</sub>--l<sub>8,7</sub>--l<sub>7,11</sub> | l<sub>11,15</sub> | 609.4 |
11 | l<sub>5,6</sub> | l<sub>6,7</sub>--l<sub>7,11</sub>--l<sub>11,12</sub>--l<sub>12,8</sub>--l<sub>8,7</sub>--l<sub>7,11</sub> | l<sub>11,15</sub> | 607.2 |
12 | l<sub>5,6</sub> | l<sub>6,7</sub>--l<sub>7,11</sub>--l<sub>11,10</sub>--l<sub>10,6</sub>--l<sub>6,7</sub>--l<sub>7,11</sub> | l<sub>11,15</sub> | 808.0 |
13 | l<sub>5,6</sub> | l<sub>6,2</sub>--l<sub>2,3</sub>--l<sub>3,7</sub>--l<sub>7,8</sub>--l<sub>8,12</sub>--l<sub>12,11</sub> | l<sub>11,15</sub> | 608.0 |
14 | l<sub>5,6</sub> | l<sub>6,2</sub>--l<sub>2,3</sub>--l<sub>3,4</sub>--l<sub>4,8</sub>--l<sub>8,7</sub>--l<sub>7,11</sub> | l<sub>11,15</sub> | 603.8 |
15 | l<sub>5,6</sub> | l<sub>6,2</sub>--l<sub>2,3</sub>--l<sub>3,4</sub>--l<sub>4,8</sub>--l<sub>8,12</sub>--l<sub>12,11</sub> | l<sub>11,15</sub> | 576.8 |
S500、基于S400将不同路径的耗时与相邻检测点的时间差值进行 对比,确定最优的车辆行驶路径集。具体包括:
S501、基于互联网平台的运行数据,得出第5阶段不同路径耗时 减去相邻检测点时间差值的绝对值进行判别,即
|ts5-△ti|≤△ti/20 (32)
ts5——第五阶段交通路径的时间耗费值,单位:s;
△ti——相邻两个检测时间ti和ti+1的差值。
S502、判断相邻检测点之间的所有可能车辆行驶路径,将满足式 (32)的路径保存在车辆行驶路径集中,并按照不同路径耗费时间减 去相邻检测点时间差值的绝对值从小到大排序。见表1-7。
表1-7最优的车辆行驶路径表
序号 | 起点路段编号 | 中间路段编号 | 终点路段编号 | t<sub>s5</sub>(秒) |
1 | l<sub>5,6</sub> | l<sub>6,10</sub>--l<sub>10,11</sub> | l<sub>11,15</sub> | 332.1 |
2 | l<sub>5,6</sub> | l<sub>6,7</sub>--l<sub>7,11</sub> | l<sub>11,15</sub> | 322.5 |
S600、基于S500步骤产生的行驶路径集,分析交通路径的影响因 素,构建交通路径可靠性综合函数。具体包括:
S601、路径耗时与检测时间差值、路径所需转弯数、节点周期长 短是影响驾驶员路径选择的重要因素,构建含以上三个因素的交通路 径可靠性综合函数F(x1,x2,x3)。影响因素包括路径耗时与检测时间差 值、路径所需转弯数、节点周期长短的因素集U可以定义为:U={路 径耗时与检测时间差值、路径所需转弯数、节点周期长短},表示为: U={u1,u2,u3}。
S602、因素权重。因素集U上的因素模糊子集A记为模糊向量 A=(a1,a2,a3),其中ai表示单因素ui在总体评价因素中所起作用大小的 度量,0≤ai≤1。不同地区ai取值存在差异,通过问卷调查获取模糊向 量A=(0.54,0.29,0.17)。
S603、影响因素归一化。因素集U上的因素模糊子集B记为模糊 向量B=(b1,b2,b3)T,其中bj表示单因素ui归一化的值。
(1)路径耗时与检测时间差值的归一值:
b1——路径耗时与检测时间差值归一值;
ts5——第五阶段交通路径的时间耗费值,单位:s;
△ti——相邻两个检测时间ti和ti+1的差值。
(2)路径所需转弯数的归一值:
b2——路径所需转弯数归一值;
g1——相邻检测点之间不同路径需要统计左转次数,单位:次;
g2——相邻检测点之间不同路径需要统计右转次数,单位:次;
g3——相邻检测点之间不同路径需要统计直行合计次数,单位: 次;
m1——左转关系系数,不同地区取值不同,本次取值0.5;
m2——右转关系系数,不同地区取值不同,本次取值0.8;
m3——直行关系系数,不同地区取值不同,本次取值1.0。
(3)节点周期长短的归一值
按现行信号路口的信号周期长短划分四个区间,每个区间的路口 周期长短进行调研得出路口信号周期系数表1-8。
b3——节点周期长短归一值;
h1——不同路径通过信号周期小于等于80秒的路口数,单位:个;
h2——不同路径通过信号周期大于80秒小于等于110秒的路口数, 单位:个;
h3——不同路径通过信号周期大于110秒小于等于140秒的路口 数,单位:个;
h4——不同路径通过信号周期大于140秒的路口数,单位:个;
w1——不同路径通过信号周期小于等于80秒的系数;
w2——不同路径通过信号周期大于80秒小于等于110秒的系数;
w3——不同路径通过信号周期大于110秒小于等于140秒的系数;
w4——不同路径通过信号周期大于140秒的系数;
表1-8路口信号周期系数表
序号 | 信号周期区间 | 信号周期系数w<sub>i</sub> |
1 | T≤80s | 0.9 |
2 | 80s<T≤110s | 0.8 |
3 | 110s<T≤140s | 0.7 |
4 | T>140s | 0.6 |
综述所述,得出不同车辆行驶路径的因素模糊子集B=(b1,b2,b3 )T。见表1-9。
表1-9不同车辆行驶路径的因素模糊子集
序号 | 起点路段编号 | 中间路段编号 | 终点路段编号 | 因素模糊子集B |
1 | l<sub>5,6</sub> | l<sub>6,10</sub>--l<sub>10,11</sub> | l<sub>11,15</sub> | (0.975,0.700,0.767)<sup>T</sup> |
2 | l<sub>5,6</sub> | l<sub>6,7</sub>--l<sub>7,11</sub> | l<sub>11,15</sub> | (0.995,0.833,0.733)<sup>T</sup> |
S604、构建综合函数F(x1,x2,x3)。F(x1,x2,x3)函数值越大代表 提取的路径可靠性越高,即为最优路径。
F(x1,x2,x3)=AB=(a1,a2,a3)(b1,b2,b3)T (36)
通过式(36)运算得出不同车辆行驶路径的可靠性综合函数值。 见表1-10可知相邻监测点交通路径l5,6--l6,7--l7,11--l11,15的综合函数值 最高,得出车辆全时段交通路径为l1,5--l5,6--l6,7--l7,11--l11,15--l15,16。
表1-10不同车辆行驶路径的因素模糊子集
序号 | 起点路段编号 | 中间路段编号 | 终点路段编号 | 综合函数F(x<sub>1</sub>,x<sub>2</sub>,x<sub>3</sub>) |
1 | l<sub>5,6</sub> | l<sub>6,10</sub>--l<sub>10,11</sub> | l<sub>11,15</sub> | 0.86 |
2 | l<sub>5,6</sub> | l<sub>6,7</sub>--l<sub>7,11</sub> | l<sub>11,15</sub> | 0.90 |
本发明实施例是针对一种车辆运行轨迹提取方法设计,重点是考 虑现有电子警察和卡口设备获取的数据内容,结合互联网数据构建行 车路径提取的算法流程,期间需要完善与路径提取算法相适应的路网 信息图,对这些数据信息深度挖掘处理是构建科学有效路径提取的基 础;然后分析影响驾驶员行驶路径的影响因素,并设置其权重和归一 化处理,最后建立路径可靠性综合函数模型。研究成果可为为城区道 路管控措施的制定、交通出行诱导以及路网规划提供关键的数据支撑。 为降低社会成本,提高社会出行效率,具有十分广阔的应用前景。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管 参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员 应当理解:其依然可以对前述各实施案例所记载的技术方案进行修改, 或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不 使相应技术方案的本质脱离本发明各实施案例技术方案的精神和范围。
Claims (7)
1.一种车辆运行轨迹提取方法,通过电警、卡口设备获取单个车辆时间长度上的不同点位抓拍的过车数据信息,通过互联网平台上车辆在不同路段和时间长度上的运行数据信息,其特征在于:
包括以下步骤:
S100、获取某一天的所有电子警察、卡口的过车数据,并按车牌进行分类和处理;
S200、确定某辆车的相邻检测点位可直接相连形成有效路径;
S300、在某辆车的相邻检测点位不能直接相连情况下,提取相连检测点之间所有可能的有效路径;
S400、基于S300提取的有效路径和互联网平台各个时段不同路段的运行数据信息,确定不同路径的耗时;
S500、基于S400将不同路径耗时与相邻检测点时间差值进行对比,确定最优的车辆行驶路径集;
S600、基于S500产生的行驶路径集,分析交通路径的影响因素,构建交通路径可靠性综合函数确定最优的行驶路径。
2.根据权利要求1所述的车辆运行轨迹提取方法,其特征在于:所述S100获取某一天所有电子警察、卡口的过车数据,并按车牌进行分类和处理;具体包括:
S101、获取城区某一天的所有电子警察、卡口的过车数据,提取所有过车数据的检测设备ID、车牌号、检测时间、路段编号、检查区域距下游路口长度等信息并生成数据条,按车牌号对所有数据条进行分类;
S102、每一类数据按照检测时间的先后顺序生成新的数据表,新的数据表增设“直连”一栏,该栏填入的数据只有0和1,最后一个检测点不用填写。
3.根据权利要求2所述的车辆运行轨迹提取方法,其特征在于:所述步骤S200确定某辆车的相邻检测点位可直接相连形成有效路径;具体包括:
S201、获取城区所有路网信息数据库,构造表示原始地理信息的路网G,将路网结点抽象为路网G中的结点pi,而路网相邻结点间的路段可抽象为路网G中的边lij的连通性,路网信息图G={V,L,T},其中V(G)={p1,p2,…,pn}为结点集,n表示结点个数;L(pi,pj)={lij,lji,dij}表示路网结点之间路段的矢量集合,其中lij表示从节点vi到节点vj的路段,dij表示从节点vi到节点vj的路段长度值; 表示路网中路段lij的下游路口信号周期及其转向信息的矢量矩阵集合,其中为路口pj的信号周期,ts为lij的下游路口直行连接的路段ljx,也可为空,即为禁止直行;tl为lij的下游路口左转连接的路段ljx,也可为空,即为禁止左转;tr为lij的下游路口右转连接的路段ljx,也可为空,即为禁止右转;tu为lij的下游路口掉头连接的路段lji,也可为空,即为禁止掉头;
S202、按照分类数据表中先后顺序,依次提取两两相邻的过车数据信息,将第一条数据和第二条数据作为一组、第二条数据和第三条数据作为一组,依次类推;
S203、通过城区所有路网信息数据库,将所有分组的第一条过车数据中的路段编号可知电子警察、卡口抓拍位置的下游交口,明确的交口信息再通过路网信息数据库的转向信息可知下游的路段编号集合;
S204、将分组中第二条过车数据的路段编号与S203下游的路段编号集合中的路段编号进行逐个对比,若存在一致的路段编号,则相邻检测点位可直接相连形成有效路径,数据表“直连”一栏填1;若没有,数据表“直连”一栏填0,并进入步骤S300。
4.根据权利要求3所述的车辆运行轨迹提取方法,其特征在于:所述步骤S300在某辆车的相邻检测点位不能直接相连情况下,提取相连检测点之间所有可能的有效路径;具体包括:
S301、确定求出相邻两个检测时间ti和ti+1的差值:
△t=ti+1-ti,i=1,2,…,n-1 (1)
S302、采用双向追溯确定所有可能的在相邻检测点间的行驶路径,即将分组的第一条过车检测点为起点,根据路网信息逐渐向下游延伸构建树结构的路径网络;将分组的第二条过车检测点为终点,根据路网信息逐渐向上游延伸构建树结构的路径网络;预先设定构建双向树结构的路劲网络层数为Q。
S303、通过城区所有路网信息数据库,将所有分组的第一条过车数据中的路段编号可知电子警察抓拍位置的下游交口,明确的交口信息再通过路网信息数据库的转向信息可知下游的路段编号集合D1;根据下游的路段编号集合确定其各自下游的路口,通过路网信息数据库的转向信息可知下游的路段编号集合D2;如此不断进行运算,得知Q代分支路段编号信息集合Dq;并基于Q代运算将不同阶段路段编号集合顺次生成不同交通路径的信息表
S304、每组中第二条过车数据的路段编号通过城区所有路网信息数据库的转向信息确定其上游路口,明确的路口信息再通过路网信息数据库的转向信息可知上游的路段编号集合U1;根据上游的路段编号集合确定其各自上游的路口,通过路网信息数据库的转向信息可知上游的路段编号集合U2;如此不断进行运算,得知Q代分支路段编号信息集合Uq;并基于Q代运算将不同阶段路段编号集合顺次生成不同交通路径的信息表
5.根据权利要求4所述的车辆运行轨迹提取方法,其特征在于:所述S400步骤基于S300提取的有效路径和互联网平台各个时段不同路段的运行数据信息,确定不同路径的时间耗费值;具体包括:
S401、依次获取S305步骤的所有交通路径,并提取交通路径中若干个路段长度信息;获取各个路段在相邻两个检测时间区间[ti,ti+1]内互联网平台的平均运行速度数据,得出第一阶段不同路径的耗时,即:
ts1——第一阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查取平均值,单位:秒;
v′i——时间区间[ti,ti+1]内路段i平均运行速度,单位:米/秒;
S402、计算得出车辆进入路段p时间为(ti+△t′i),进入路段i+1的时间为(ti+△t′i+1),其中△t′i为:
△t′i——进入路段i时间与第一条检测时间第二阶段差值,单位:秒;
di——路段i的路段长度,单位:米;
v′i——路段i平均运行速度,单位:米/秒;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查取平均值,单位:秒;
△ti——相邻两个检测时间ti和ti+1的差值。
S403、获取互联网平台在时间区间[ti+△t'i,ti+△t'i+1]路段i上的平均行驶速度数据,得出第二阶段不同路径的耗时,即:
ts2——第二阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查取平均值,单位:秒;
v″i——时间区间[ti+△t'i,ti+△t'i+1]内路段i平均运行速度,单位:米/秒;
S404、计算得出车辆进入路段i时间为(ti+△t″i),进入路段i+1的时间为(ti+△t″i+1),即:
△t″i——进入路段i时间与第一条检测时间第三阶段差值,单位:秒;
di——路段i的路段长度,单位:米;
v″i——时间区间[ti+△t″i,ti+△t″i+1]路段i平均运行速度,单位:米/秒;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查取平均值,单位:秒;
△ti——相邻两个检测时间ti和ti+1的差值;
S405、获取互联网平台在时间区间[ti+△t″i,ti+△t″i+1]路段i上的平均行驶速度数据,得出第三阶段不同路径的耗时,即:
ts3——第三阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查取平均值,单位:秒;
v″′i——时间区间[ti+△t″i,ti+△t″i+1]内路段i平均运行速度,单位:米/秒;
tsK——第k阶段交通路径的耗时,单位:秒;
di——路段i的路段长度,单位:米;
o——交叉口内的通行时间,不同地区数值存在差异,需通过调查取平均值,单位:秒;
6.根据权利要求5所述的车辆运行轨迹提取方法,其特征在于:所述S500步骤基于S400将不同路径的耗时与相邻检测点的时间差值进行对比,确定最优的车辆行驶路径集;具体包括:
S501、基于互联网平台的运行数据,得出第K阶段不同路径耗时减去相邻检测点时间差值的绝对值进行判别,即
|tsK-△ti|≤△ti/10 (8)
tsK——第k阶段交通路径的时间耗费值,单位:s;
△ti——相邻两个检测时间ti和ti+1的差值;
S502、判断相邻检测点之间的所有可能车辆行驶路径,将满足式(8)的路径保存在车辆行驶路径集中,并按照不同路径耗费时间减去相邻检测点时间差值的绝对值从小到大排序。
7.根据权利要求6所述的车辆运行轨迹提取方法,其特征在于:所述S600步骤基于S500步骤产生的行驶路径集,分析交通路径的影响因素,构建交通路径可靠性综合函数;具体包括:
S601、路径耗时与检测时间差值、路径所需转弯数、节点周期长短是影响驾驶员路径选择的重要因素,构建含以上三个因素的交通路径可靠性综合函数F(x1,x2,x3);影响因素包括路径耗时与检测时间差值、路径所需转弯数、节点周期长短的因素集U可以定义为:U={路径耗时与检测时间差值、路径所需转弯数、节点周期长短},表示为:U={u1,u2,u3}。
S602、因素权重;因素集U上的因素模糊子集A记为模糊向量A=(a1,a2,a3),其中ai表示单因素ui在总体评价因素中所起作用大小的度量,0≤ai≤1;不同地区ai取值存在差异,通过问卷调查获取模糊向量得平均值A=(0.54,0.29,0.17)。
S603、影响因素归一化。因素集U上的因素模糊子集B记为模糊向量B=(b1,b2,b3)T,其中bj表示单因素ui归一化的值。
(1)路径耗时与检测时间差值的归一值
b1——为路径耗时与检测时间差值的归一值;
tsk——为第K阶段交通路径的耗时,单位:s;
△ti——相邻两个检测时间ti和ti+1的差值;
(2)路径所需转弯数的归一值
b2——路径所需转弯数的归一值;
g1——相邻检测点之间不同路径需要统计左转次数,单位:次;
g2——相邻检测点之间不同路径需要统计右转次数,单位:次;
g3——相邻检测点之间不同路径需要统计直行合计次数,单位:次;
m1——左转关系系数,不同地区取值不同,平均值可取0.5;
m2——右转关系系数,不同地区取值不同,平均值可取0.8;
m3——直行关系系数,不同地区取值不同,平均值可取1.0;
(3)节点周期长短的归一值
按现行信号路口的信号周期长短划分四个区间,每个区间的路口周期长短进行调研得出路口信号周期系数。
b3——节点周期长短的归一值;
h1——不同路径通过信号周期小于等于80秒的路口数,单位:个;
h2——不同路径通过信号周期大于80秒小于等于110秒的路口数,单位:个;
h3——不同路径通过信号周期大于110秒小于等于140秒的路口数,单位:个;
h4——不同路径通过信号周期大于140秒的路口数,单位:个;
w1——不同路径通过信号周期小于等于80秒的系数;
w2——不同路径通过信号周期大于80秒小于等于110秒的系数;
w3——不同路径通过信号周期大于110秒小于等于140秒的系数;
w4——不同路径通过信号周期大于140秒的系数;
得出不同车辆行驶路径的因素模糊子集B=(b1,b2,b3)T;
S604、构建综合函数F(x1,x2,x3)。F(x1,x2,x3)函数值越大代表提取的路径可靠性越高,即为最优路径;
F(x1,x2,x3)=AB=(a1,a2,a3)(b1,b2,b3)T (12)
通过式(12)运算得出不同车辆行驶路径的可靠性综合函数值最高的交通路径为相邻检测时间内车辆行驶路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911216173.6A CN111047860B (zh) | 2019-12-02 | 2019-12-02 | 一种车辆运行轨迹提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911216173.6A CN111047860B (zh) | 2019-12-02 | 2019-12-02 | 一种车辆运行轨迹提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111047860A true CN111047860A (zh) | 2020-04-21 |
CN111047860B CN111047860B (zh) | 2021-01-08 |
Family
ID=70233231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911216173.6A Active CN111047860B (zh) | 2019-12-02 | 2019-12-02 | 一种车辆运行轨迹提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047860B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112309118A (zh) * | 2020-11-03 | 2021-02-02 | 广州市交通规划研究院 | 一种基于时空相似度的车辆轨迹推算方法 |
CN112712701A (zh) * | 2021-01-06 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 基于识别装置的路线确定方法、装置、设备及存储介质 |
CN114328594A (zh) * | 2021-11-25 | 2022-04-12 | 北京掌行通信息技术有限公司 | 一种车辆的行驶路径判定方法、装置、存储介质及终端 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258440A (zh) * | 2013-05-02 | 2013-08-21 | 同济大学 | 一种基于道路属性和实时路况的行车轨迹还原算法 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN104866670A (zh) * | 2015-05-25 | 2015-08-26 | 武汉大学 | 基于gps时空轨迹的路网拓扑变化自动检测方法及*** |
CN106023589A (zh) * | 2016-06-16 | 2016-10-12 | 北京航空航天大学 | 一种基于卡口数据的车辆轨迹重构方法 |
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 |
CN107567405A (zh) * | 2015-05-12 | 2018-01-09 | 大众汽车有限公司 | 确定用于车辆的轨迹 |
CN108961747A (zh) * | 2018-07-03 | 2018-12-07 | 北京航空航天大学 | 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 |
CN109035783A (zh) * | 2018-09-17 | 2018-12-18 | 东南大学 | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 |
CN109243173A (zh) * | 2018-08-15 | 2019-01-18 | 广州市市政工程设计研究总院有限公司 | 基于道路高清卡口数据的车辆轨迹分析方法及*** |
CN109448370A (zh) * | 2018-10-29 | 2019-03-08 | 东南大学 | 一种基于车辆轨迹数据的交通控制子区划分方法 |
CN109584553A (zh) * | 2018-11-29 | 2019-04-05 | 中电海康集团有限公司 | 一种基于时空信息的路段关联度缺失补全方法 |
JP2019074459A (ja) * | 2017-10-18 | 2019-05-16 | 株式会社ゼンリンデータコム | 経路探索装置、経路を探索する方法、コンピュータプログラム |
CN109816976A (zh) * | 2019-01-21 | 2019-05-28 | 平安科技(深圳)有限公司 | 一种交通管理方法及*** |
CN109887288A (zh) * | 2019-03-27 | 2019-06-14 | 江苏智通交通科技有限公司 | 一种基于出行结构的城市路网诱导方案发布方法和*** |
-
2019
- 2019-12-02 CN CN201911216173.6A patent/CN111047860B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258440A (zh) * | 2013-05-02 | 2013-08-21 | 同济大学 | 一种基于道路属性和实时路况的行车轨迹还原算法 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN107567405A (zh) * | 2015-05-12 | 2018-01-09 | 大众汽车有限公司 | 确定用于车辆的轨迹 |
CN104866670A (zh) * | 2015-05-25 | 2015-08-26 | 武汉大学 | 基于gps时空轨迹的路网拓扑变化自动检测方法及*** |
CN106023589A (zh) * | 2016-06-16 | 2016-10-12 | 北京航空航天大学 | 一种基于卡口数据的车辆轨迹重构方法 |
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 |
JP2019074459A (ja) * | 2017-10-18 | 2019-05-16 | 株式会社ゼンリンデータコム | 経路探索装置、経路を探索する方法、コンピュータプログラム |
CN108961747A (zh) * | 2018-07-03 | 2018-12-07 | 北京航空航天大学 | 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 |
CN109243173A (zh) * | 2018-08-15 | 2019-01-18 | 广州市市政工程设计研究总院有限公司 | 基于道路高清卡口数据的车辆轨迹分析方法及*** |
CN109035783A (zh) * | 2018-09-17 | 2018-12-18 | 东南大学 | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 |
CN109448370A (zh) * | 2018-10-29 | 2019-03-08 | 东南大学 | 一种基于车辆轨迹数据的交通控制子区划分方法 |
CN109584553A (zh) * | 2018-11-29 | 2019-04-05 | 中电海康集团有限公司 | 一种基于时空信息的路段关联度缺失补全方法 |
CN109816976A (zh) * | 2019-01-21 | 2019-05-28 | 平安科技(深圳)有限公司 | 一种交通管理方法及*** |
CN109887288A (zh) * | 2019-03-27 | 2019-06-14 | 江苏智通交通科技有限公司 | 一种基于出行结构的城市路网诱导方案发布方法和*** |
Non-Patent Citations (3)
Title |
---|
ZHANBO SUN,XUEGANG (JEFF) BAN: "Vehicle trajectory reconstruction for signalized intersections using mobile traffic sensors", 《TRANSPORTATION RESEARCH PART C》 * |
梁伟涛: "基于出租车轨迹数据挖掘的最优路径规划研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
陆佳炜: "基于***最优的城市道路交通流实时诱导研究", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112309118A (zh) * | 2020-11-03 | 2021-02-02 | 广州市交通规划研究院 | 一种基于时空相似度的车辆轨迹推算方法 |
CN112712701A (zh) * | 2021-01-06 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 基于识别装置的路线确定方法、装置、设备及存储介质 |
CN114328594A (zh) * | 2021-11-25 | 2022-04-12 | 北京掌行通信息技术有限公司 | 一种车辆的行驶路径判定方法、装置、存储介质及终端 |
CN114328594B (zh) * | 2021-11-25 | 2022-11-01 | 北京掌行通信息技术有限公司 | 一种车辆的行驶路径判定方法、装置、存储介质及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN111047860B (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109448370B (zh) | 一种基于车辆轨迹数据的交通控制子区划分方法 | |
CN111047860B (zh) | 一种车辆运行轨迹提取方法 | |
CN102521965B (zh) | 基于车牌识别数据的交通需求管理措施效果评价方法 | |
CN106856049B (zh) | 基于卡口号牌识别数据的关键交叉口需求集聚分析方法 | |
CN116797055B (zh) | 一种基于物联网的城市道路规划方法及*** | |
CN104778245A (zh) | 基于海量车牌识别数据的相似轨迹挖掘方法及装置 | |
CN106097717B (zh) | 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法 | |
CN106710208A (zh) | 交通状态的获取方法及装置 | |
Mondal et al. | Identifying traffic congestion pattern using k-means clustering technique | |
CN110807919A (zh) | 基于过车数据的城市路网交通运行态势评价方法 | |
CN104318324A (zh) | 基于出租车gps记录的机场巴士站点及路线规划方法 | |
CN112163166B (zh) | 检测道路属性的方法、装置、计算机可读介质及电子设备 | |
CN113112816B (zh) | 一种车辆在路段平均行驶延误的提取方法 | |
Zhao et al. | The creation of a representative driving cycle based on intelligent transportation system (ITS) and a mathematically statistical algorithm: A case study of Changchun (China) | |
CN110413855A (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
CN116628455A (zh) | 一种城市交通碳排放监测与决策支持方法及*** | |
CN111307164A (zh) | 一种低采样率轨迹地图匹配方法 | |
CN110675631A (zh) | 一种交通流溯源分析方法及*** | |
Elleuch et al. | Towards an efficient traffic congestion prediction method based on neural networks and big GPS data | |
CN111444286B (zh) | 一种基于轨迹数据的远距离交通节点关联性挖掘方法 | |
Al-Naim et al. | Review and comparison of prediction algorithms for the estimated time of arrival using geospatial transportation data | |
CN108764518B (zh) | 一种基于物联网大数据的交通资源动态优化方法 | |
CN114973671B (zh) | 公路网od数据处理方法、装置、设备及存储介质 | |
CN116432933A (zh) | 一种基于卡口数据的个体车辆出行起讫点判别方法 | |
CN111177294B (zh) | 基于车辆轨迹数据求解交叉口中介中心性的方法 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 707-710, 7th floor, building B3, innovation industrial park, No. 800, Wangjiang West Road, hi tech Zone, Hefei City, Anhui Province Patentee after: Anhui Baicheng Huitong Technology Co.,Ltd. Address before: Room 707-710, 7th floor, building B3, innovation industrial park, No. 800, Wangjiang West Road, hi tech Zone, Hefei City, Anhui Province Patentee before: ANHUI BAI CHENG HUI TONG TECHNOLOGY CO.,LTD. |
|
CP01 | Change in the name or title of a patent holder |