CN112017429B - 一种基于货车gps数据的治超监测布点方法 - Google Patents

一种基于货车gps数据的治超监测布点方法 Download PDF

Info

Publication number
CN112017429B
CN112017429B CN202010660866.0A CN202010660866A CN112017429B CN 112017429 B CN112017429 B CN 112017429B CN 202010660866 A CN202010660866 A CN 202010660866A CN 112017429 B CN112017429 B CN 112017429B
Authority
CN
China
Prior art keywords
road
point
vehicle
passing
truck
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.)
Active
Application number
CN202010660866.0A
Other languages
English (en)
Other versions
CN112017429A (zh
Inventor
蔡铭
黄沼沣
由林麟
王理民
钟舒琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202010660866.0A priority Critical patent/CN112017429B/zh
Publication of CN112017429A publication Critical patent/CN112017429A/zh
Application granted granted Critical
Publication of CN112017429B publication Critical patent/CN112017429B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种基于货车GPS数据的治超监测布点方法，该方法对车辆GPS数据进行筛选与清洗，获取货运车辆的GPS数据；然后，基于出行角度以及货车速度来划分车辆出行状态，识别货车出行停留点，标记货车出行链；接着，基于方向匹配法与最短距离法，将货车出行轨迹中的移动点匹配至城市路网上；然后，构建日均过车频次与日均过车数两个评价指标，计算每条道路货车的日均过车频次与日均过车数量；然后，根据日均过车频次与日均过车数构建道路综合过车指标，对路段进行布点重要度排序，选取综合过车指标值靠前的路段，组成监测布点方案；最后，构建日均检测车辆比和货车出行覆盖率两个评估指标，对新增监测点位后的治超监控效果进行评估。

Description

一种基于货车GPS数据的治超监测布点方法
技术领域
本发明涉及科技治超监控技术领域，更具体地，涉及一种基于货车GPS数据的治超监测布点方法。
背景技术
历年来，由于货物运输市场不规范、运价低、货运量巨大，再加上执法部门查处超限超载手段落后单一，执法人员配备不足等原因，导致企业和驾驶员存在侥幸心理，在经济利益的驱使下超限超载现象严重。货运车辆超限超载往往导致交通事故频发，危害道路与桥梁的使用寿命。因此，城市科技治超工作仍是一个亟待解决的问题。
对治超监测布点的合理选取是科技治超的重要基础工作。但是现有的研究主要体现在公路货车超限超载治理对策以及科技治超管理***的设计方面。然而，货运车辆的行驶路径是制定监测点布局中直观且重要的因素，货车作为超载行为的重要载体，其行驶路径的集中路段通常也是超载行为的高发地。目前，在利用货车GPS数据的治超研究中，局限于对货源地和高速路的研究。随着城市道路的发展，高速公路及城市快速路在各出入口均设有称重设备，超载车辆无法进入通行，货车被分流到各区国道、省道以及市内道路。因此，需要一种基于货车GPS数据分析的治超监测布点方法，实现大区域路网下的快速选取监测点，以弥补现有监测布点的监测不足问题以及克服传统现场调查法的人力、物力大的问题，也为城市治超布点提供有力的数据支撑。
申请号为201510645296.7的专利说明书中公开了一种城市道路交通检测器布点的方法，本申请使用一个无向图G(V,E)对城市道路网建模，且每一条路分配三个参数：是否安装有交通检测器的布尔型变量，被检测出或推算出的布尔型变量以及在整个道路网中的重要性；对整个模型优化，决定最大化的检测重要路段；然而，该专利无法实现大区域路网下的快速选取监测点，以弥补现有监测布点的监测不足问题以及克服传统现场调查法的人力、物力大的问题，也为城市治超布点提供有力的数据支撑。
发明内容
本发明提供一种基于货车GPS数据的治超监测布点方法，该方法可实现大区域路网下的快速选取监测点，以弥补现有监测布点的监测不足问题。
为了达到上述技术效果，本发明的技术方案如下：
一种基于货车GPS数据的治超监测布点方法，包括以下步骤：
S1：对车辆GPS数据进行筛选与清洗，获取货运车辆的GPS数据；
S2：基于出行角度以及货车速度来划分车辆出行状态，识别货车出行停留点，标记货车出行链；
S3：基于方向匹配法与最短距离法，将货车出行轨迹中的移动点匹配至城市路网上；
S4：构建日均过车频次与日均过车数两个评价指标，计算每条道路货车的日均过车频次与日均过车数量，并进行分析；
S5：根据日均过车频次与日均过车数构建道路综合过车指标，对路段进行布点重要度排序，选取综合过车指标值靠前的路段，组成监测布点方案；
S6：构建日均检测车辆比和货车出行覆盖率两个评估指标，对新增监测点位后的治超监控效果进行评估。
进一步地，所述步骤S1中数据清洗过程是：
选取城市货运车辆的GPS数据，清除超出路网经纬度范围内的以及同一辆车在时间上重复的GPS数据。
进一步地，所述步骤S2中货车停留点识别与出行链标记方式是：
由于存在等红绿灯或临时停车的情况，速度为0的数据不一定为停留状态的数据；动态调整判断停留点的阈值，将同一辆车连续x秒或以上速度为0的GPS数据标记为停留点数据；将车辆的GPS数据根据时间排序，对于连续标记为停留点的GPS数据视为一个停留点簇，相邻停留点簇之间的GPS数据即为一条出行链，根据用户的出行链条数及时间顺序，第一条出行链内的移动点标记为1，以此类推，第N条出行链内的移动点标记为N。
进一步地，所述步骤S3中的路网匹配过程是：
S31：统一空间坐标系；
S32：GPS数据的定位精度较高，且每一个数据点均带有方向角字段，因此基于方向匹配法与最短距离法将GPS数据匹配至路网中。
进一步地，所述步骤S31的具体过程是：
浮动车GPS数据是以经纬度作为坐标，采用WGS84空间坐标系；为了计算GPS点离道路的距离，在进行路网匹配之前，需要将坐标转换为投影坐标，GPS坐标和路网地图的坐标均转化为同一个投影坐标下进行计算，所采用的投影坐标是：Xian_1980_3_Degree_GK_Zone_38，WKID为2362。
进一步地，所述步骤S32的具体过程是：
1)、路网打断：将路网中所有连续的折线路段打断为小线段，计算所有线段的行车方向与正北方向的顺时针夹角为方向角；
2)、路段搜索：对于每一个GPS点，搜索以其为中心、边长为w米正方形内的所有路段，标记为备选路段；
3)、方向与距离计算：计算GPS点与所有备选路段的距离L，及GPS点的车辆角度与所有备选路段的方向角之差
Figure BDA0002578513460000032
GPS点的角度相差4度等同于GPS点远离道路1米，因此根据以下公式计算所有备选路段与GPS点的距离G值：
Figure BDA0002578513460000033
4)、路段选取：选取G值最小的路段，并判断其距离L是否大于25m，若其距离L小于25m，则该路段为该GPS点匹配的路段，否则记GPS点无法匹配至路网；其中，选取25米作为阈值是因为民用GPS的误差范围最大为25米。
进一步地，所述步骤S4中的日均过车频次与日均过车数在指平均每天经过该路段的车次数与车辆数，其统计方法为：遍历每天每辆车的每次出行，查找货车每次出行经过的路段后进行路段去重，对每段路的相应过车频次或过车数进行叠加，最后对其取平均值得到日均过车频次和日均过车数。
进一步地，所述步骤S5中的综合过车指标是指将所有路段的日均过车频次和日均过车数两个指标分别进行最大最小归一化处理，并加权平均后得到各路段的综合过车指标Qi，排除已建或已规划点位后，选取Qi值前M位的路段作为待选路段；然后，聚合部分连续或相近路段的监测点位，将部分内部道路或村道的监测点位转移至其连接的公路上，最终汇总得到治超监测布点方案，综合过车指标计算公式如下：
Figure BDA0002578513460000031
其中，Qi为第i条路段的综合过车指标，Fi为第i条路段的日均过车频次，Ni为第i条路段的日均过车数，系数α、β默认为0.5。
进一步地，所述步骤S6中的日均检测车辆比的计算公式如下：
日均检测车辆比指日均经过治超点位的车辆数的百分比，其计算公式为：
Figure BDA0002578513460000041
上式中Rv指日均检测车辆比，t为统计的天数，Vi为第i天经过治超点位的车辆数，Ai为第i天有出行的车辆数。
进一步地，货车出行覆盖率的计算公式如下：
货车出行覆盖率指经过治超点位的出行次数的百分比，其计算公式为：
Figure BDA0002578513460000042
Figure BDA0002578513460000043
假设有n辆浮动车数据，每辆浮动车可以划分为m次出行，上式中Rd指治超出行覆盖率，eik用来标识第i辆车的第k次出行是否经过已建设或已规划的治超点所在的路段。
与现有技术相比，本发明技术方案的有益效果是：
本发明方法充分利用了货车GPS数据所具有的样本量大、定位精度高、上传频次高等优势，以数据化驱动治超工作，可以科学地规划和建设科技治超监测布点，弥补了传统治超监测点布点时以经验判断为主，缺乏数据支撑的不足，有利于形成完善的科技治超监测网；同时，对大区域城市路网的快速筛选监测布点，可以克服传统现场调查法在人力、物力等方面带来的困难，提高了布点效率。
附图说明
图1为货运车辆行驶轨迹分析流程图；
图2为某市路网图层与已建或已规划治超监测点示意图；
图3为新增治超监测点布点方案示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
如图1所示，一种基于货车GPS数据的治超监测布点方法，包括以下步骤：
S1：对车辆GPS数据进行筛选与清洗，获取货运车辆的GPS数据；
S2：基于出行角度以及货车速度来划分车辆出行状态，识别货车出行停留点，标记货车出行链；
S3：基于方向匹配法与最短距离法，将货车出行轨迹中的移动点匹配至城市路网上；
S4：构建日均过车频次与日均过车数两个评价指标，计算每条道路货车的日均过车频次与日均过车数量，并进行分析；
S5：根据日均过车频次与日均过车数构建道路综合过车指标，对路段进行布点重要度排序，选取综合过车指标值靠前的路段，组成监测布点方案；
S6：构建日均检测车辆比和货车出行覆盖率两个评估指标，对新增监测点位后的治超监控效果进行评估。
步骤S1中数据清洗过程是：
选取城市货运车辆的GPS数据，清除超出路网经纬度范围内的以及同一辆车在时间上重复的GPS数据。
步骤S2中货车停留点识别与出行链标记方式是：
由于存在等红绿灯或临时停车的情况，速度为0的数据不一定为停留状态的数据；动态调整判断停留点的阈值，将同一辆车连续x秒或以上速度为0的GPS数据标记为停留点数据；将车辆的GPS数据根据时间排序，对于连续标记为停留点的GPS数据视为一个停留点簇，相邻停留点簇之间的GPS数据即为一条出行链，根据用户的出行链条数及时间顺序，第一条出行链内的移动点标记为1，以此类推，第N条出行链内的移动点标记为N。
步骤S3中的路网匹配过程是：
S31：统一空间坐标系；
S32：GPS数据的定位精度较高，且每一个数据点均带有方向角字段，因此基于方向匹配法与最短距离法将GPS数据匹配至路网中。
步骤S31的具体过程是：
浮动车GPS数据是以经纬度作为坐标，采用WGS84空间坐标系；为了计算GPS点离道路的距离，在进行路网匹配之前，需要将坐标转换为投影坐标，GPS坐标和路网地图的坐标均转化为同一个投影坐标下进行计算，所采用的投影坐标是：Xian_1980_3_Degree_GK_Zone_38，WKID为2362。
步骤S32的具体过程是：
1)、路网打断：将路网中所有连续的折线路段打断为小线段，计算所有线段的行车方向与正北方向的顺时针夹角为方向角；
2)、路段搜索：对于每一个GPS点，搜索以其为中心、边长为w米正方形内的所有路段，标记为备选路段；
3)、方向与距离计算：计算GPS点与所有备选路段的距离L，及GPS点的车辆角度与所有备选路段的方向角之差
Figure BDA0002578513460000062
GPS点的角度相差4度等同于GPS点远离道路1米，因此根据以下公式计算所有备选路段与GPS点的距离G值：
Figure BDA0002578513460000063
4)、路段选取：选取G值最小的路段，并判断其距离L是否大于25m，若其距离L小于25m，则该路段为该GPS点匹配的路段，否则记GPS点无法匹配至路网；其中，选取25米作为阈值是因为民用GPS的误差范围最大为25米。
步骤S4中的日均过车频次与日均过车数在指平均每天经过该路段的车次数与车辆数，其统计方法为：遍历每天每辆车的每次出行，查找货车每次出行经过的路段后进行路段去重，对每段路的相应过车频次或过车数进行叠加，最后对其取平均值得到日均过车频次和日均过车数。
步骤S5中的综合过车指标是指将所有路段的日均过车频次和日均过车数两个指标分别进行最大最小归一化处理，并加权平均后得到各路段的综合过车指标Qi，排除已建或已规划点位后，选取Qi值前M位的路段作为待选路段；然后，聚合部分连续或相近路段的监测点位，将部分内部道路或村道的监测点位转移至其连接的公路上，最终汇总得到治超监测布点方案，综合过车指标计算公式如下：
Figure BDA0002578513460000061
其中，Qi为第i条路段的综合过车指标，Fi为第i条路段的日均过车频次，Ni为第i条路段的日均过车数，系数α、β默认为0.5。
步骤S6中的日均检测车辆比的计算公式如下：
日均检测车辆比指日均经过治超点位的车辆数的百分比，其计算公式为：
Figure BDA0002578513460000071
上式中Rv指日均检测车辆比，t为统计的天数，i为第i天经过治超点位的车辆数，Ai为第i天有出行的车辆数。
货车出行覆盖率的计算公式如下：
货车出行覆盖率指经过治超点位的出行次数的百分比，其计算公式为：
Figure BDA0002578513460000072
Figure BDA0002578513460000073
假设有n辆浮动车数据，每辆浮动车可以划分为m次出行，上式中Rd指治超出行覆盖率，eik用来标识第i辆车的第k次出行是否经过已建设或已规划的治超点所在的路段。
以某市内的浮动车GPS数据为例对上述各个步骤进行详细说明。
首先，对某市2020年5月的浮动车GPS数据进行数据筛选，清除某市行政区域外的GPS数据以及同一辆车在时间上重复的数据，共获取普通货运823辆，重型货车24877辆，危险货运1956辆，总共27656辆货运车；选取某市路网图层，共有道路9824条，其中高速路507条，国道296条，快速路145条，主要道路2835条，次要道路3836条，省道946条，县乡道路956条，县乡村内部道路303条；标记已建设或已规划的治超监测点位，如图2所示。
其次，根据货车停留点识别方法和出行链提取原则，对清洗后的某市货运车辆GPS数据进行出行链提取。其中，本发明将同一辆车连续90秒或以上速度为0的GPS数据标记为停留点数据。
然后，将GPS坐标和路网地图坐标转化为同一个投影坐标。将某市路网打断为小线段，计算所有线段的行车方向与正北方向的顺时针夹角度数，记为方向角；并搜索以每一个GPS点为中心、边长为150米正方形范围内的所有路段，标记为备选路段；接着计算GPS点的车辆角度与所有备选路段的方向角之差以及GPS点与所有备选路段的距离；最后，选取距离最小的路段作为匹配路段，完成货车GPS点的路网匹配。
接着，在排除已建设和已规划监测点路段的前提下，通过遍历每辆车每天的出行，查找货车每次出行经过的路段，并进行路段去重。对每段路的相应过车频次和过车数进行叠加，最后对其取平均值得到日均过车频次和日均过车数，统计数据如表1、表2所示：
表1排除已建或已规划点位后日均过车频次的道路数分布
Figure BDA0002578513460000081
表2排除已建或已规划点位后日均过车数的道路数分布
Figure BDA0002578513460000082
紧接着，进行道路综合过车指标计算与分析，由于高速公路及城市快速路为封闭型道路，且在各出入口均设有称重设备，超载车辆无法进入通行，因此在货运车辆行驶轨迹分析中将排除高速公路和城市快速路，针对省县乡道及城市主干路、次干路、支路等非封闭型道路进行治超监测点布点分析。对于科技治超监测点的布局而言，若货运车辆的某次出行经过了一个或以上已建或已规划治超监测点，则表明该次出行已经处于某市科技治超监测***的监测中。因此在规划新的科技治超监测点时，也应基于排除已建或已规划点位后的综合过车指标来排序选取。经过对所有道路的综合过车指标分析和排序，最终筛选了综合过车指标前60位的路段作为监测点位布点待选路段，部分数据如表3所示。
表3综合过车指标前60的部分路段
Figure BDA0002578513460000083
由于待选路段存在部分连续或相近的监测点位，且部分监测点位处于内部道路或者村道上。因此，需要对连续或相近的点位进行聚合，并将道路等级较低的点位转移至其连接的公路上。最终，结合路段附近的产业结构，汇总得到21个应设点的治超监测点位，布点示意图如图3所示。
最后，计算新增治超监测点位前后的日均检测车辆比和货车出行覆盖率。由统计结果可知，日均出行车辆总数为20497辆，日均出行总次数为229083次。新增监测点前，经过现有的已建设的治超点的日均检测车辆数为13120辆，日均出行次数为53657次；新增21个治超点后，经过治超点的日均检测车辆数为15758辆，日均检测车辆比为76.9％，提高了12.9％；经过治超点的日均出行次数为81998次，货车出行覆盖率提高了12.4％。
综上所述，某市现有的已建设或已规划的治超点涵盖了部分货车行驶路线，如果再增加基于GPS数据分析所选取的21个治超点，则能进一步涵盖更多的货车行驶路段，提高城市路网的治超效果。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (3)

1.一种基于货车GPS数据的治超监测布点方法，其特征在于，包括以下步骤：
S1：对车辆GPS数据进行筛选与清洗，获取货运车辆的GPS数据；
S2：基于出行角度以及货车速度来划分车辆出行状态，识别货车出行停留点，标记货车出行链；
S3：基于方向匹配法与最短距离法，将货车出行轨迹中的移动点匹配至城市路网上；
S4：构建日均过车频次与日均过车数两个评价指标，计算每条道路货车的日均过车频次与日均过车数量，并进行分析；
S5：根据日均过车频次与日均过车数构建道路综合过车指标，对路段进行布点重要度排序，选取综合过车指标值靠前的路段，组成监测布点方案；
S6：构建日均检测车辆比和货车出行覆盖率两个评估指标，对新增监测点位后的治超监控效果进行评估；
所述步骤S1中数据清洗过程是：
选取城市货运车辆的GPS数据，清除超出路网经纬度范围内的以及同一辆车在时间上重复的GPS数据；
所述步骤S2中货车停留点识别与出行链标记方式是：
由于存在等红绿灯或临时停车的情况，速度为0的数据不一定为停留状态的数据；动态调整判断停留点的阈值，将同一辆车连续x秒或以上速度为0的GPS数据标记为停留点数据；将车辆的GPS数据根据时间排序，对于连续标记为停留点的GPS数据视为一个停留点簇，相邻停留点簇之间的GPS数据即为一条出行链，根据用户的出行链条数及时间顺序，第一条出行链内的移动点标记为1，以此类推，第N条出行链内的移动点标记为N；
所述步骤S3中的路网匹配过程是：
S31：统一空间坐标系；
S32：GPS数据的定位精度较高，且每一个数据点均带有方向角字段，因此基于方向匹配法与最短距离法将GPS数据匹配至路网中；
所述步骤S31的具体过程是：
浮动车GPS数据是以经纬度作为坐标，采用WGS84空间坐标系；为了计算GPS点离道路的距离，在进行路网匹配之前，需要将坐标转换为投影坐标，GPS坐标和路网地图的坐标均转化为同一个投影坐标下进行计算，所采用的投影坐标是：Xian_1980_3_Degree_GK_Zone_38，WKID为2362；
所述步骤S32的具体过程是：
1)、路网打断：将路网中所有连续的折线路段打断为小线段，计算所有线段的行车方向与正北方向的顺时针夹角为方向角；
2)、路段搜索：对于每一个GPS点，搜索以其为中心、边长为w米正方形内的所有路段，标记为备选路段；
3)、方向与距离计算：计算GPS点与所有备选路段的距离L，及GPS点的车辆角度与所有备选路段的方向角之差
Figure FDA0003260714180000011
GPS点的角度相差4度等同于GPS点远离道路1米，因此根据以下公式计算所有备选路段与GPS点的距离G值：
Figure FDA0003260714180000012
4)、路段选取：选取G值最小的路段，并判断其距离L是否大于25m，若其距离L小于25m，则该路段为该GPS点匹配的路段，否则记GPS点无法匹配至路网；其中，选取25米作为阈值是因为民用GPS的误差范围最大为25米；
所述步骤S4中的日均过车频次与日均过车数指平均每天经过该路段的车次数与车辆数，其统计方法为：遍历每天每辆车的每次出行，查找货车每次出行经过的路段后进行路段去重，对每段路的相应过车频次或过车数进行叠加，最后对其取平均值得到日均过车频次和日均过车数；
所述步骤S5中的综合过车指标是指将所有路段的日均过车频次和日均过车数两个指标分别进行最大最小归一化处理，并加权平均后得到各路段的综合过车指标Qi，排除已建或已规划点位后，选取Qi值前M位的路段作为待选路段；然后，聚合部分连续或相近路段的监测点位，将部分内部道路或村道的监测点位转移至其连接的公路上，最终汇总得到治超监测布点方案，综合过车指标计算公式如下：
Figure FDA0003260714180000021
其中，Qi为第i条路段的综合过车指标，Fi为第i条路段的日均过车频次，Ni为第i条路段的日均过车数，系数α、β默认为0.5。
2.根据权利要求1基于货车GPS数据的治超监测布点方法，其特征在于，所述步骤S6中的日均检测车辆比的计算公式如下：
日均检测车辆比指日均经过治超点位的车辆数的百分比，其计算公式为：
Figure FDA0003260714180000022
上式中Rv指日均检测车辆比，t为统计的天数，Vi为第i天经过治超点位的车辆数，Ai为第i天有出行的车辆数。
3.根据权利要求2基于货车GPS数据的治超监测布点方法，其特征在于，货车出行覆盖率的计算公式如下：
货车出行覆盖率指经过治超点位的出行次数的百分比，其计算公式为：
Figure FDA0003260714180000023
Figure FDA0003260714180000024
假设有n辆浮动车数据，每辆浮动车划分为m次出行，上式中Rd指治超出行覆盖率，eik用来标识第i辆车的第k次出行是否经过已建设或已规划的治超点所在的路段。
CN202010660866.0A 2020-07-10 2020-07-10 一种基于货车gps数据的治超监测布点方法 Active CN112017429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010660866.0A CN112017429B (zh) 2020-07-10 2020-07-10 一种基于货车gps数据的治超监测布点方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010660866.0A CN112017429B (zh) 2020-07-10 2020-07-10 一种基于货车gps数据的治超监测布点方法

Publications (2)

Publication Number Publication Date
CN112017429A CN112017429A (zh) 2020-12-01
CN112017429B true CN112017429B (zh) 2021-11-09

Family

ID=73499800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010660866.0A Active CN112017429B (zh) 2020-07-10 2020-07-10 一种基于货车gps数据的治超监测布点方法

Country Status (1)

Country Link
CN (1) CN112017429B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112748452B (zh) * 2020-12-11 2022-09-23 上海城市交通设计院有限公司 一种基于路网数据的gps轨迹清洗方法
CN112255653A (zh) * 2020-12-22 2021-01-22 长沙树根互联技术有限公司 一种行驶轨迹生成方法及装置
CN113538072A (zh) * 2021-09-16 2021-10-22 深圳市城市交通规划设计研究中心股份有限公司 一种货运车辆的出行链智能识别方法、装置及电子设备
CN116307931B (zh) * 2023-05-08 2023-08-04 广州市交通规划研究院有限公司 一种面向城市货运物流链的多源数据融合分析方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104282151A (zh) * 2014-09-30 2015-01-14 北京交通发展研究中心 基于高频卫星定位数据的实时浮动车路径匹配方法
CN205405893U (zh) * 2016-03-08 2016-07-27 山东交通学院 基于北斗车联网的货车超载实时监控***
CN106652483A (zh) * 2017-03-06 2017-05-10 同济大学 利用检测设备在区域公路网布设交通信息检测点的方法
CN106781494A (zh) * 2016-12-31 2017-05-31 中国科学技术大学 一种基于车辆轨迹与流量的机动车尾气遥测设备布点方法
CN110796858A (zh) * 2019-10-24 2020-02-14 山东科技大学 一种基于视频过车数据的车辆轨迹预测方法及***
CN111126713A (zh) * 2019-12-31 2020-05-08 方正国际软件(北京)有限公司 基于卡口数据的时空热点预测方法、装置及控制器

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101617543B1 (ko) * 2014-10-06 2016-05-02 주식회사 만도 차량 위급상황 감지 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104282151A (zh) * 2014-09-30 2015-01-14 北京交通发展研究中心 基于高频卫星定位数据的实时浮动车路径匹配方法
CN205405893U (zh) * 2016-03-08 2016-07-27 山东交通学院 基于北斗车联网的货车超载实时监控***
CN106781494A (zh) * 2016-12-31 2017-05-31 中国科学技术大学 一种基于车辆轨迹与流量的机动车尾气遥测设备布点方法
CN106652483A (zh) * 2017-03-06 2017-05-10 同济大学 利用检测设备在区域公路网布设交通信息检测点的方法
CN110796858A (zh) * 2019-10-24 2020-02-14 山东科技大学 一种基于视频过车数据的车辆轨迹预测方法及***
CN111126713A (zh) * 2019-12-31 2020-05-08 方正国际软件(北京)有限公司 基于卡口数据的时空热点预测方法、装置及控制器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于GPS数据的货运特征分析_以深圳市为例;张天怡 等;《品质交通与协同共治——2019年中国城市交通规划年会论文集》;20191016;全文 *
基于货运卡车轨迹大数据的货运OD信息提取方法研究;李江涛;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20200115;正文第2、5、9、13-18、24-26、34-35、46-47页 *

Also Published As

Publication number Publication date
CN112017429A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN112017429B (zh) 一种基于货车gps数据的治超监测布点方法
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN102968901B (zh) 获取区域拥堵信息的方法及区域拥堵分析装置
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
CN105913661B (zh) 一种基于收费数据的高速公路路段交通状态判别方法
CN104851287B (zh) 基于视频检测器的城市道路路段行程时间检测方法
CN111091720A (zh) 基于信令数据和浮动车数据的拥堵路段识别方法及装置
CN105825669A (zh) 一种识别城市快速路交通瓶颈的***和方法
Lu et al. Characterization of truck traffic in California for mechanistic–empirical design
CN105139638A (zh) 一种出租车载客点选取的方法及***
CN110363985A (zh) 一种交通数据分析方法、装置、存储介质及设备
CN112150802B (zh) 基于地面公交运行状态可靠性的城市道路等级划分方法
US10339799B2 (en) Method and system to identify congestion root cause and recommend possible mitigation measures based on cellular data and related applications thereof
Hossain et al. Traffic Congestion Monitoring in The Selected Transport Axis of Chittagong City
CN105070060B (zh) 一种基于公交车载gps数据的城市道路交通状态判别方法
CN106530700A (zh) 一种基于固定检测器的判别交通拥堵的方法
Hossain et al. Vehicle characteristics and roadway level of service of industrial zone: a typical example of Gazipur Chowrasta Intersection
CN107248282B (zh) 获取道路运行状态等级的方法
CN113870559B (zh) 一种基于大数据车联网的交通流量计算方法
Oskarbski et al. Impact of intelligent transport systems services on the level of safety and improvement of traffic conditions
Barchański Analysis of critical gap times and follow-up times at selected, median, uncontrolled T-intersections differentiated by the nature of the surrounding
CN105023063B (zh) 公交线网新能源公交车运行能耗指标体系的建立方法
Kumar et al. Level of service of urban and rural roads-a case study in Bhimavaram
Huo et al. Development of Level-of-Service Criteria based on a Single Measure for BRT in China
CN113723761B (zh) 一种基于运行数据的多维度城市公交运行服务可靠度评价方法

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
OL01 Intention to license declared
OL01 Intention to license declared