CN115641721A - 多来源交通流指标融合及基于融合指标的路况计算方法 - Google Patents

多来源交通流指标融合及基于融合指标的路况计算方法 Download PDF

Info

Publication number
CN115641721A
CN115641721A CN202211554669.6A CN202211554669A CN115641721A CN 115641721 A CN115641721 A CN 115641721A CN 202211554669 A CN202211554669 A CN 202211554669A CN 115641721 A CN115641721 A CN 115641721A
Authority
CN
China
Prior art keywords
traffic flow
mileage
interval
road condition
speed
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
Application number
CN202211554669.6A
Other languages
English (en)
Other versions
CN115641721B (zh
Inventor
王鑫之
齐家
朱磊
胡昕宇
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.)
Nanjing Microvideo Technology Co ltd
Original Assignee
Nanjing Microvideo Technology Co ltd
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 Nanjing Microvideo Technology Co ltd filed Critical Nanjing Microvideo Technology Co ltd
Priority to CN202211554669.6A priority Critical patent/CN115641721B/zh
Publication of CN115641721A publication Critical patent/CN115641721A/zh
Application granted granted Critical
Publication of CN115641721B publication Critical patent/CN115641721B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明涉及多来源交通流指标融合及基于融合指标的路况计算方法，基于里程桩建立离散化路网；获取浮动车交通流指标及路网封闭区间的断面检测交通流指标，所述封闭区间以里程桩为入口或出口；所述交通流指标包括交通流速度；以里程桩区间为单位，将不同来源的空间连续交通流指标离散化；将每个里程桩区间的不同来源交通流指标融合。在融合不同来源交通流指标后，将融合后的交通流速度转换为里程桩区间路况，合并离散路网获取空间连续的高速路况。本发明的方法充分利用多来源路况数据，基于设计的融合算法实现任意时间切片上全路网路况数据融合，从而输出更精准、覆盖更全面的路况数据。

Description

多来源交通流指标融合及基于融合指标的路况计算方法
技术领域
本发明属于智慧交通信息化领域，涉及多来源交通流指标融合及基于融合指标的路况计算方法。
背景技术
随着我国机动车保有量的不断提高，公路交通拥堵状况愈加严重，路况数据已成为道路管理方及广大交通参与者共同关心的话题。路况数据分为定量和定性两种，前者指具体的交通运行状况指标（下称“交通流指标”），如交通量、车速等，后者指交通运行情况描述，如缓行、拥堵、严重拥堵，后者一般由前者转化而来，且更易于理解，因此，下文中路况均指定性路况。
当前计算路况主要依赖浮动车及断面检测两大类数据，前者通过采集手机、车载设备等GPS数据，从而实现车速计算，进一步转化为浮动车处的路况，后者通过视屏检测、图像识别、雷达感应、地磁感应等方式，获取断面处的交通流指标，如车速、交通量等，进一步的经过转换获取断面处的路况。然而，当前路况计算及有效应用存在若干问题与难点：
（1）浮动车路况基于小样本，不足以代表完整路况
当前浮动车数据主要有：1）地图服务商（图商）采集的用户手机GPS数据，2）两客一危车辆GPS数据，3）特种车辆GPS数据等。当前图商采集的手机GPS数据为主。然而，各图商只能采集到各自用户的GPS数据用于计算路况，从而无法对完整路网运行状况进行描述，两客一危车辆、特种车辆等亦存在无法表述完整路况的问题。
（2）断面检测点的空间分布较稀疏，无法描述完整的路况
断面检测需依赖特定设施，如摄像机、雷达、地磁线圈等，因其设施昂贵，维护成本高，当前只会布置于路网关键点位或路段，其检测数据空间范围覆盖不足，无法描述完整的路况。
（3）各来源路况描述不一致
路况描述不一致的原因有两点：1）各来源计算得到的交通流指标不一致，原因为依赖的数据及计算原理均有差异；2）将交通流指标转化为路况的方式不一致。路况描述不一致的问题使得道路管理方及广大交通参与者无法准确获取道路运行状况。
对于以上问题，在以往的业务应用中通常会选取单一的路况数据。如在交通调查业务中，其会选取断面检测数据，从而获取道路关键点或关键路段的运行状况；又如在道路运行主动管控业务中，其会选取单一来源的浮动车路况，从而获取粒度较细的路况数据用于精准管控。但是，采用单一来源路况数据会带来空间覆盖率及准确率不足的问题，进而对上层业务的精准性及服务质量造成影响。
发明内容
本发明的第一目的在于，针对多来源、不完备的多来源路况数据，提供一种多来源交通流指标融合方法。
为实现本发明的上述目的，本发明采用如下方案：
一种多来源交通流指标融合方法，包括：
获取浮动车交通流指标及路网封闭区间的断面检测交通流指标，所述封闭区间以里程桩为入口或出口；所述交通流指标包括交通流速度；
以里程桩区间为单位，将不同来源的空间连续交通流指标离散化；
将每个里程桩区间的不同来源交通流指标融合，包括：
如果里程桩区间包含于封闭区间，同时包含于浮动车路线或与其相交，则对浮动车进行权重分配，以浮动车交通流速度的加权值作为里程桩区间的交通流速度；
如果里程桩区间仅包含于浮动车路线或与其相交，则以浮动车交通流速度均值作为里程桩区间的交通流速度；
如果里程桩区间仅包含于封闭区间，则以封闭区间的交通流速度作为里程桩区间的交通流速度；
如果不属于上述情况，则里程桩区间的交通流速度判定为无限大。
作为一种优选的实施方式，所述方法还包括，补充虚拟里程桩对里程桩加密。在路况业务中，拥堵起点或终点不一定在里程桩附近，如拥堵起点为G2503 第100.75公里处，使用最近里程桩G2503 K100+700或G2503 K100+800进行代替则会产生50米误差。因此，为得到精度更高的路况，本发明在当前固有里程桩的基础上，补充虚拟里程桩，对里程桩进行加密，得到更高精度的离散化路网。
作为一种优选的实施方式，采用空间线性插值方法补充虚拟里程桩，对里程桩进行加密。
作为一种优选的实施方式，将不同来源的空间连续交通流指标离散化的方式为：
对于浮动车数据源，将浮动车路线转换为与里程桩桩号一致的坐标系，对于与浮动车路线相交或被包含的里程桩区间，其对应的交通流指标为关联的浮动车的交通流指标；
对于封闭区间数据源，里程桩区间对应的交通流指标关联为包含该里程桩区间的封闭区间的交通流指标。
作为一种优选的实施方式，所述交通流指标还包括交通流密度，利用封闭区间的交通流密度和浮动车的交通流速度对浮动车进行权重分配。
作为一种优选的实施方式，所述权重分配的原则为：
断面交通流速度大于等于浮动车速度均值的情况下，权重为浮动车速度的单调递增函数；
断面交通流速度小于浮动车速度均值的情况下，权重为浮动车速度的单调递减函数；
当交通流指标包括交通流密度时，结合交通流密度约束权重，设置最大权重与最小权重的差值为交通流密度的单调递减函数。
本发明的多来源交通流指标融合方法充分利用高速公路交通空间特性，基于里程桩建立离散化路网，充分利用多个来源的交通流指标数据，通过可变加权平均进行融合得到统一且准确度更高的交通流指标，并利用断面检测交通流数据与浮动车数据进行互补，衡量全路网空间运行状况。
本发明的第二目的在于提供一种基于融合指标的高速路况计算方法，包括：利用上述方法融合不同来源交通流指标后，将融合后的交通流速度转换为里程桩区间路况，合并离散路网获取空间连续的高速路况。
作为一种优选的实施方式，所述合并离散路网包括：以封闭区间为上限，对空间连续且路况相同的里程桩区间进行合并。
作为一种优选的实施方式，所述方法还包括，在合并离散路网后进行空间平滑修正。
作为一种优选的实施方式，所述空间平滑修正包括：
对于两个空间连续的里程桩合并区间，如果两个里程桩合并区间空间连续，且两个里程桩合并区间的长度比符合预设阈值，则将两个里程桩合并区间合并；
所述里程桩合并区间指合并后的里程桩区间。
本发明的高速路况计算方法，充分利用多来源路况数据，基于设计的融合算法实现任意时间切片上全路网路况数据融合，从而输出更精准、覆盖更全面的路况数据。
本发明具有如下有益效果：
1）在交通管控领域，本发明所生成的融合路况数据，可提供管理者提供更精准覆盖面更广的路网运行状况，帮助其提升交通运行主动管控、历史路况研判、人员及管制设施配置等业务的水平；
2）在出行服务领域，更精准全面的融合路况数据可帮助交通参与者更合理的制定出行计划、切换形式路线、避免拥堵及交通事故等；
3）在数据治理领域，本发明将多个来源的数据进行***性的整合与优化，从而在数据管理、数据发布与存储、数据生命周期管理、数据质量管控等方面提高数据治理水平。
附图说明
图1是基于多来源交通流指标融合的高速路况计算IDEF图。
具体实施方式
实施例1
本实施例具体说明基于多来源交通流指标融合方法。
本案采用批式处理，每次计算接收某一时间切片上的多来源全路网运行状况指标数据，输出为融合后的路况数据。
如图1所示，多来源交通流指标融合的技术方案包括如下步骤：
A1. 离散路网准备
本步骤的目标为：1）对里程桩进行加密，利用加密后的里程桩将路线进行切割，得到离散化路网，便于后续将各来源交通流指标数据进行空间对齐与融合。2）获得加密后里程桩间的拓扑结构，便于后续离散路网合并及空间连续性修正。
里程桩是垂直***路侧的长条状物体，其具有编号--里程桩号，用于标识路线上的空间位置，如G2503 K100+700，指G2503路线，距离起点第100.7公里处。高速公路里程桩的特点为，间隔为100米，其密度较高，且布于路的两侧，同一位置处路两侧的里程桩号一致。
本发明中会使用到里程桩间拓扑结构，其要求拓扑节点编号唯一，因此此处将同一位置的上下行里程桩分别定义为1方向和0方向以示区分，如G2503 K100+700处，上行方向里程桩号为 G2503 K100+700｜1，下行为G2503 K100+700｜0。
本步骤的前置条件为加密前的里程桩区间。在高速公路场景中，里程桩区间指两个相邻里程桩之间的路线，为LineString，里程桩区间具体定义如下：
Figure 605007DEST_PATH_IMAGE001
是里程桩的集合；
Figure 820350DEST_PATH_IMAGE002
是里程桩区间的集合，区间记为
Figure 334508DEST_PATH_IMAGE003
；
Figure 526455DEST_PATH_IMAGE004
是一个映射，将每个里程桩区间映射到一个由两个里程桩组成的有序对上。
基于以上定义，下面对里程桩进行空间线性加密，并生成加密后的里程桩区间，具体过程如下。
设需***一定数量的虚拟里程桩，使得加密后的里程桩间隔为
Figure 199882DEST_PATH_IMAGE005
米，其中
Figure 819082DEST_PATH_IMAGE006
。对任意一个里程桩区间
Figure 820536DEST_PATH_IMAGE007
，设其起点为
Figure 317639DEST_PATH_IMAGE008
，终点为
Figure 845572DEST_PATH_IMAGE009
，则生成加密后的里程桩、里程桩区间具体步骤：
S1：取
Figure 307778DEST_PATH_IMAGE003
的
Figure 858845DEST_PATH_IMAGE010
等分点，从起点至终点分别为
Figure 454911DEST_PATH_IMAGE011
，其中
Figure 276499DEST_PATH_IMAGE012
；
S2：构造虚拟里程桩集合
Figure 175185DEST_PATH_IMAGE013
；
S3：使用
Figure 275865DEST_PATH_IMAGE011
将区间
Figure 613305DEST_PATH_IMAGE003
打断，构造里程桩区间集合
Figure 725618DEST_PATH_IMAGE014
，构造关联函数
Figure 857522DEST_PATH_IMAGE015
；
S4：计算
Figure 669665DEST_PATH_IMAGE016
作为新的里程桩集合
Figure 482900DEST_PATH_IMAGE001
，
Figure 777615DEST_PATH_IMAGE017
作为新的里程桩区间集合
Figure 408316DEST_PATH_IMAGE002
，将映射
Figure 827797DEST_PATH_IMAGE018
与
Figure 507040DEST_PATH_IMAGE019
合并作为新的映射
Figure 220043DEST_PATH_IMAGE018
。
其中步骤S1取LineString等分点及S4将LineString打断有通用方法，此处不做介绍。遍历所有里程桩区间
Figure 959329DEST_PATH_IMAGE020
，执行上述步骤A1 S1~S4，则所得到的
Figure 131684DEST_PATH_IMAGE021
则为加密后的里程桩集合，
Figure 349039DEST_PATH_IMAGE022
为加密后的里程桩区间，里程桩间隔为
Figure 680663DEST_PATH_IMAGE023
米。
A2. 断面交通流指标区间化
断面检测类的交通流指标，仅表征断面附近的交通状况。然而在高速交通实务中，路网分布广泛，而断面检测造价较高，因此对一个封闭区间（指起点及终点为收费站或枢纽，中间无其他出口的区间）一般仅布设一个断面检测点。
考虑到封闭区间内，车辆出入口唯一，对于稳定流，即无排队现象，进入封闭区间的车流量等于离开的车流量，该断面检测到的交通量可以代表区间内任意一点的交通量，对于非稳定流，即有排队现象，断面检测点的交通量为区间内交通量的均值，因此本发明采用断面检测交通流指标近似代替该封闭区间交通流指标。该方法空间粒度较为粗糙，对拥堵路况感知不够灵敏，因此需在步骤A4、A5中与浮动车数据进行融合。
本步骤的前置条件为封闭区间，及断面检测点与封闭区间关系，且封闭区间的坐标系与里程桩区间一致，为方便后续处理，此外要求封闭区间的起点或终点为里程桩。需注意的是，一个断面检测点只属于一个封闭区间，一个封闭区间包含一个或多个检测点，具体定义如下：
Figure 262954DEST_PATH_IMAGE024
是断面检测点集合的集合，断面检测点记为
Figure 751967DEST_PATH_IMAGE025
；
Figure 569750DEST_PATH_IMAGE026
是封闭区间集合，封闭区间记为
Figure 427984DEST_PATH_IMAGE027
；
Figure 181177DEST_PATH_IMAGE028
是一个映射，将一个封闭区间映射至一个或多个断面检测点；
本发明所需交通流指标为：封闭区间某时间切片
Figure 452758DEST_PATH_IMAGE029
上的交通流密度
Figure 778960DEST_PATH_IMAGE030
及交通流速度
Figure 694963DEST_PATH_IMAGE031
。断面检测数据中直接包含每辆过车的行驶速度，因此对一个封闭区间
Figure 946953DEST_PATH_IMAGE032
，其交通流速度为
Figure 643513DEST_PATH_IMAGE033
其中，
Figure 537520DEST_PATH_IMAGE034
Figure 996445DEST_PATH_IMAGE035
表示
Figure 888178DEST_PATH_IMAGE036
时间段内通过检测点
Figure 166975DEST_PATH_IMAGE037
的车辆数，
Figure 864672DEST_PATH_IMAGE038
表示集合
Figure 817585DEST_PATH_IMAGE039
的元素个数。
交通流密度
Figure 676957DEST_PATH_IMAGE040
无法从断面检测数据中直接获得，其计算方式为
Figure 583995DEST_PATH_IMAGE041
其中，
Figure 491908DEST_PATH_IMAGE042
其中，
Figure 299327DEST_PATH_IMAGE043
根据式(1)及式(2)，则可计算出所有封闭区间
Figure 126338DEST_PATH_IMAGE044
的交通流速度及交通流密度，具体如下：
Figure 691311DEST_PATH_IMAGE045
是封闭区间集合；
Figure 199653DEST_PATH_IMAGE046
是封闭区间交通流速度集合；
Figure 425360DEST_PATH_IMAGE047
是封闭区间交通流密度集合；
Figure 360955DEST_PATH_IMAGE048
是一个映射，将一个封闭区间映射至其交通流速度；
Figure 678804DEST_PATH_IMAGE049
是一个映射，将一个封闭区间映射至其交通流密度。
A3. 空间连续交通流指标离散化
本步骤将空间连续的交通流指标离散化，包括基于浮动车的空间连续交通流指标及A2中获得的封闭区间交通流指标。因A2中获得区间交通流指标为估计值（采用断面交通流指标推算得来），其作用与基于浮动车直接获得的数据有所差异，具体见A4，因此本步骤将其进行区分处理。
A3.1 基于浮动车的空间连续交通流指标离散化
设有
Figure 725257DEST_PATH_IMAGE050
个浮动车数据源，记某时间切片上所有基于浮动车获得的交通流指标数据为集合
Figure 569586DEST_PATH_IMAGE051
（fc为floating car，即浮动车），对任意一条数据
Figure 189265DEST_PATH_IMAGE052
，记路线为
Figure 587886DEST_PATH_IMAGE053
，记交通流速度为
Figure 703609DEST_PATH_IMAGE054
，则
Figure 605706DEST_PATH_IMAGE055
的离散化过程如下。
S1：将
Figure 650148DEST_PATH_IMAGE053
转换为与桩号***一致的坐标系；
S2：提取与
Figure 4906DEST_PATH_IMAGE053
相交或被包含的里程桩区间
Figure 658741DEST_PATH_IMAGE056
，作为集合
Figure 415344DEST_PATH_IMAGE057
；
S3：对所有的里程桩区间
Figure 896267DEST_PATH_IMAGE058
，记其对应交通流速为
Figure 3900DEST_PATH_IMAGE054
；
遍历所有
Figure 461426DEST_PATH_IMAGE052
，执行上述步骤A3.1 S1~S3，则将所有
Figure 275798DEST_PATH_IMAGE052
转化为里程桩维度的记录，其形式如下：
涉及里程桩区间集合
Figure 724359DEST_PATH_IMAGE057
；
涉及里程桩区间浮动车交通流速度集合
Figure 53710DEST_PATH_IMAGE059
，任一里程桩区间浮动车交通流速度记为
Figure 49347DEST_PATH_IMAGE060
；
Figure 187068DEST_PATH_IMAGE061
为一个映射，其将里程桩区间与其对应浮动车交通流速度相关联。
注意到，因有
Figure 242748DEST_PATH_IMAGE050
个浮动车数据源，此处一个里程桩区间可能对应多个速度。
A3.2 对A2封闭区间交通流指标离散化
记某个时间切片上A2中获得的全部封闭区间交通流指标数据为集合
Figure 357597DEST_PATH_IMAGE062
，对任意一条数据
Figure 891347DEST_PATH_IMAGE063
（
Figure 883573DEST_PATH_IMAGE064
为estimation，即估计值），其路线为
Figure 172472DEST_PATH_IMAGE065
，交通流速度为
Figure 945256DEST_PATH_IMAGE066
，交通流密度为
Figure 220380DEST_PATH_IMAGE067
，则
Figure 427633DEST_PATH_IMAGE068
的离散化过程如下。
S1：提取被
Figure 825116DEST_PATH_IMAGE065
包含的里程桩区间
Figure 616354DEST_PATH_IMAGE056
，作为集合
Figure 586847DEST_PATH_IMAGE069
；
S2：对所有的里程桩区间
Figure 881562DEST_PATH_IMAGE070
，记其对应交通流速度为
Figure 43422DEST_PATH_IMAGE066
，对应交通流密度为
Figure 26683DEST_PATH_IMAGE067
。
遍历所有
Figure 237085DEST_PATH_IMAGE063
，执行上述步骤A3.2 S1～S2，则将所有
Figure 651886DEST_PATH_IMAGE063
转化为里程桩维度的记录，其形式如下：
涉及里程桩集合
Figure 474393DEST_PATH_IMAGE069
；
涉及里程桩区间断面估计速度集合
Figure 974644DEST_PATH_IMAGE071
，交通流密度集合
Figure 457578DEST_PATH_IMAGE072
；
Figure 992465DEST_PATH_IMAGE073
为一个映射，其将里程桩区间与其对应断面估计交通流速度相关联；
Figure 574756DEST_PATH_IMAGE074
为一个映射，其将里程桩区间与其对应断面估计交通流密度相关联。
A4. 离散路网交通流指标融合
基于步骤A3，本步骤的目标为，将每个里程桩区间的多个来源的交通流指标进行融合，具体过程如下。
对于每个里程桩区间
Figure 594927DEST_PATH_IMAGE007
，其融合后的交通流速度为
Figure 615973DEST_PATH_IMAGE075
其中：
Figure 677469DEST_PATH_IMAGE076
Figure 758558DEST_PATH_IMAGE077
，
Figure 30139DEST_PATH_IMAGE078
，
Figure 90761DEST_PATH_IMAGE079
，
Figure 6765DEST_PATH_IMAGE080
是权重转换函数，此处
Figure 258755DEST_PATH_IMAGE081
需满足以下要求，
Figure 17632DEST_PATH_IMAGE082
在获取交通流密度指标的情况下，补充下式进行权重分配：
Figure 380480DEST_PATH_IMAGE083
其中：
Figure 980351DEST_PATH_IMAGE084
其中：
Figure 340925DEST_PATH_IMAGE085
，
Figure 321520DEST_PATH_IMAGE086
，
Figure 222480DEST_PATH_IMAGE087
表示
Figure 440971DEST_PATH_IMAGE059
中最大值，
Figure 972447DEST_PATH_IMAGE088
表示
Figure 879485DEST_PATH_IMAGE059
中最小值。
实施例2
本实施例具体说明基于实施例1获取的融合指标计算高速路况的方法。
A5. 离散路网路况计算
本步骤基于步骤A4所得
Figure 646453DEST_PATH_IMAGE031
进一步将里程桩区间交通流指标转换为里程桩区间路况，根据公安部技术监督委员推荐性行标《道路交通拥堵度评价方法》（GA/T 115-2020），交通流速度与路况转换标准如下，
Figure 719451DEST_PATH_IMAGE089
其中
Figure 156249DEST_PATH_IMAGE090
为路况，即condition，Ⅰ表示严重拥堵，Ⅱ表示中度拥堵，Ⅲ表示轻度拥堵，Ⅳ表示畅通。结合式(3)与式(4)，对所有里程桩区间
Figure 314698DEST_PATH_IMAGE020
进行路况转换，即可得到每个里程桩区间的定性路况，其形式如下：
里程桩区间集合
Figure 855663DEST_PATH_IMAGE091
；
里程桩区间路况集合
Figure 314326DEST_PATH_IMAGE092
；
Figure 515500DEST_PATH_IMAGE093
为一个映射，其将里程桩区间与其对应路况相关联。
A6. 离散路网合并及空间平滑修正
截至步骤A5，已完成每个里程桩区间的路况计算，然而当前的空间粒度较细，且区间长度为
Figure 895666DEST_PATH_IMAGE023
米（见步骤A1），路网较为破碎，不便于后续分析及展示。因此本步骤的目标为，对空间连续且路况相同的里程桩区间进行合并，同时进行空间平滑修正，如某条道路上第
Figure 974742DEST_PATH_IMAGE094
至
Figure 225595DEST_PATH_IMAGE095
个里程桩区间路况为Ⅰ（严重拥堵），第
Figure 597671DEST_PATH_IMAGE096
个里程桩区间路况为Ⅳ（畅通），第
Figure 996291DEST_PATH_IMAGE097
至
Figure 941375DEST_PATH_IMAGE098
为里程桩区间路况为Ⅰ（严重拥堵），且在当前路程桩区间粒度下，每个区间长度
Figure 109052DEST_PATH_IMAGE099
较短，因此将区间进行平滑修正为路况Ⅰ，即将区间
Figure 652028DEST_PATH_IMAGE094
至
Figure 519970DEST_PATH_IMAGE098
合并为路况为Ⅰ的严重拥堵路线较为合理。
此外，本步骤对离散路网合并的上限为封闭区间（见步骤A2），即不同封闭区间的里程桩区间，即使路况一致且空间连续，也不会进行合并。其原因有以下三点：1）高速公路场景下，封闭区间较长，以此为上限已能够避免路网过于破碎的问题；2）在高速公路管理侧，收费站和枢纽是路网内重要节点，无论是收费业务、交通管控业务，还是交通大数据分析等，都以收费站和枢纽对路网进行分割；3）在公众出行领域，往往在收费站及枢纽处才能进行道路转换，因此以封闭区间为上限的路况数据能够满足公众对路况判断的需求。
本步骤具体过程如下：
对任意一个封闭区间
Figure 642647DEST_PATH_IMAGE100
，提取被
Figure 664829DEST_PATH_IMAGE027
包含的里程桩区间
Figure 473648DEST_PATH_IMAGE003
，作为集合
Figure 784543DEST_PATH_IMAGE101
，则封闭区间
Figure 507649DEST_PATH_IMAGE027
内的里程桩区间合并过程如下：
S1：初始化有序
Figure 118759DEST_PATH_IMAGE102
元组
Figure 505003DEST_PATH_IMAGE103
，用于存储合并后的路况数据；
S2：初始化有序
Figure 834353DEST_PATH_IMAGE102
元组
Figure 829991DEST_PATH_IMAGE104
；
S3：随机选取一个里程桩区间
Figure 561186DEST_PATH_IMAGE105
，添加
Figure 383911DEST_PATH_IMAGE106
至集合
Figure 934978DEST_PATH_IMAGE104
，其中
Figure 796624DEST_PATH_IMAGE107
；
S4：提取
Figure 382326DEST_PATH_IMAGE003
的起点、终点里程桩，
Figure 844794DEST_PATH_IMAGE108
；
S5：取集合
Figure 820840DEST_PATH_IMAGE101
中起点为
Figure 423860DEST_PATH_IMAGE009
的里程桩区间
Figure 598489DEST_PATH_IMAGE109
；
S6：若存在，且
Figure 261551DEST_PATH_IMAGE110
，则从右侧添加
Figure 288676DEST_PATH_IMAGE111
至有序
Figure 492124DEST_PATH_IMAGE102
元组
Figure 458943DEST_PATH_IMAGE104
，并以
Figure 761748DEST_PATH_IMAGE109
的终点
Figure 571441DEST_PATH_IMAGE112
替代S5中
Figure 188367DEST_PATH_IMAGE009
，重新执行步骤S5～S6；
S7：若不存在，则取集合
Figure 104633DEST_PATH_IMAGE101
中终点为
Figure 578340DEST_PATH_IMAGE008
的里程桩区间
Figure 672067DEST_PATH_IMAGE113
；
S8：若存在，且
Figure 922045DEST_PATH_IMAGE114
，则从左侧添加
Figure 863456DEST_PATH_IMAGE115
至有序
Figure 367118DEST_PATH_IMAGE102
元组
Figure 26770DEST_PATH_IMAGE104
，并以
Figure 313395DEST_PATH_IMAGE113
的起点
Figure 926954DEST_PATH_IMAGE116
替代S7中
Figure 273622DEST_PATH_IMAGE008
，重新执行步骤S7～S8；
S9：若不存在，说明与
Figure 279624DEST_PATH_IMAGE003
空间连续且路况相同的里程桩区间已全部添加至有序
Figure 369940DEST_PATH_IMAGE102
元组
Figure 115304DEST_PATH_IMAGE104
中。按顺序提取
Figure 367294DEST_PATH_IMAGE104
中全部里程桩区间，合并为路线
Figure 329434DEST_PATH_IMAGE117
，取
Figure 629965DEST_PATH_IMAGE104
中第一个元素中里程桩区间的起点，记为
Figure 462792DEST_PATH_IMAGE118
，取最后一个元素中里程桩区间的终点，记为
Figure 449465DEST_PATH_IMAGE119
，计算
Figure 367742DEST_PATH_IMAGE104
的元素个数
Figure 471965DEST_PATH_IMAGE120
，记其路况为
Figure 690456DEST_PATH_IMAGE121
，添加有序五元组
Figure 284249DEST_PATH_IMAGE122
至集合
Figure 253604DEST_PATH_IMAGE103
；
S10：提取
Figure 958255DEST_PATH_IMAGE104
中全部里程桩区间为集合
Figure 703357DEST_PATH_IMAGE123
，并以
Figure 468051DEST_PATH_IMAGE124
作为新的集合
Figure 423237DEST_PATH_IMAGE101
；
S11：若
Figure 433044DEST_PATH_IMAGE125
，则重新执行S2～S10，否则终止合并。
对所有封闭区间
Figure 298232DEST_PATH_IMAGE044
，执行上述S1～S11，则可得到每个封闭区间所对应的路况信息
Figure 233827DEST_PATH_IMAGE126
，其中保存该封闭区间内每个相同路况且空间连续区间的路线
Figure 410730DEST_PATH_IMAGE127
，所覆盖里程桩区间个数
Figure 988342DEST_PATH_IMAGE128
，起点
Figure 271818DEST_PATH_IMAGE129
，终点
Figure 50418DEST_PATH_IMAGE130
，路况
Figure 917880DEST_PATH_IMAGE131
。将所有封闭区间路况信息合并，即可得全高速范围内的空间连续且路况相同的路况信息，记为集合
Figure 830341DEST_PATH_IMAGE132
，其中
Figure 466859DEST_PATH_IMAGE133
表示第
Figure 681939DEST_PATH_IMAGE095
个封闭区间对应的路况信息。
接下来进一步对合并后的路况数据做空间平滑修正，需注意的是，此处仍以封闭区间为上限。
对任意一个封闭区间
Figure 538162DEST_PATH_IMAGE100
，其对应路况为
Figure 988735DEST_PATH_IMAGE103
，则该封闭区间的空间平滑修正过程如下：
S1：初始化迭代次数
Figure 10918DEST_PATH_IMAGE134
；
S2：若
Figure 459217DEST_PATH_IMAGE135
，取第
Figure 973375DEST_PATH_IMAGE136
个有序五元组
Figure 932366DEST_PATH_IMAGE137
，否则终止循环，且
Figure 543476DEST_PATH_IMAGE103
为封闭区间
Figure 224993DEST_PATH_IMAGE027
空间平滑修正后的结果；
S3：取集合
Figure 960867DEST_PATH_IMAGE103
中起点为
Figure 956505DEST_PATH_IMAGE119
的有序五元组
Figure 200885DEST_PATH_IMAGE138
；
S4：若存在，记
Figure 787724DEST_PATH_IMAGE139
。
1）若
Figure 276474DEST_PATH_IMAGE140
，则判定
Figure 75803DEST_PATH_IMAGE138
可被
Figure 661505DEST_PATH_IMAGE122
平滑修正，使用
Figure 389552DEST_PATH_IMAGE141
替代
Figure 693494DEST_PATH_IMAGE103
，并重新返回执行步骤S1；
2）若
Figure 93251DEST_PATH_IMAGE142
，则与1）相反使用
Figure 267881DEST_PATH_IMAGE143
替代
Figure 337468DEST_PATH_IMAGE103
，并重新返回执行步骤S1；
3）若
Figure 364592DEST_PATH_IMAGE144
，则无需空间平滑修正，继续执行S6及后续步骤
其中
Figure 568040DEST_PATH_IMAGE145
为提前设置的阈值，
Figure 597176DEST_PATH_IMAGE146
表示路线
Figure 103244DEST_PATH_IMAGE117
与
Figure 850620DEST_PATH_IMAGE147
的空间合并；
S5：若不存在，则取集合
Figure 296907DEST_PATH_IMAGE103
中终点为
Figure 242866DEST_PATH_IMAGE118
的有序五元组
Figure 919835DEST_PATH_IMAGE148
；
S6：若存在，记
Figure 154507DEST_PATH_IMAGE149
。
1）若
Figure 699758DEST_PATH_IMAGE150
，则判定
Figure 204951DEST_PATH_IMAGE148
可被
Figure 380718DEST_PATH_IMAGE122
平滑修正，使用
Figure 40369DEST_PATH_IMAGE151
替代
Figure 61415DEST_PATH_IMAGE103
，并重新返回执行步骤S1；
2）若
Figure 247545DEST_PATH_IMAGE152
，则与1）相反，使用
Figure 830099DEST_PATH_IMAGE153
替代
Figure 711467DEST_PATH_IMAGE103
，并重新返回执行步骤S1；
3）若
Figure 801783DEST_PATH_IMAGE154
，则无需空间平滑修正，则使用
Figure 780103DEST_PATH_IMAGE136
＋1代替
Figure 297672DEST_PATH_IMAGE136
，回到步骤S2继续执行；
S7：若不存在，则使用
Figure 495698DEST_PATH_IMAGE136
＋1代替
Figure 920863DEST_PATH_IMAGE136
，回到步骤S2继续执行。
对每个封闭区间
Figure 19269DEST_PATH_IMAGE100
，执行上述S1～S7，对应所得的
Figure 379843DEST_PATH_IMAGE103
即为
Figure 298120DEST_PATH_IMAGE027
经空间平滑修正后的路况信息，则最终的路况数据集合为
Figure 28441DEST_PATH_IMAGE155
，即经离散路网合并及空间平滑后的全高速路网路况信息，其中每个元素为路线、路况等级、起点、终点信息。

Claims (10)

1.一种多来源交通流指标融合方法，其特征在于，包括：
基于里程桩建立离散化路网；
获取浮动车交通流指标及路网封闭区间的断面检测交通流指标，所述封闭区间以里程桩为入口或出口；所述交通流指标包括交通流速度；
以里程桩区间为单位，将不同来源的空间连续交通流指标离散化；
将每个里程桩区间的不同来源交通流指标融合，包括：
如果里程桩区间包含于封闭区间，同时包含于浮动车路线或与其相交，则对浮动车进行权重分配，以浮动车交通流速度的加权值作为里程桩区间的交通流速度；
如果里程桩区间仅包含于浮动车路线或与其相交，则以浮动车交通流速度均值作为里程桩区间的交通流速度；
如果里程桩区间仅包含于封闭区间，则以封闭区间的交通流速度作为里程桩区间的交通流速度；
如果不属于上述情况，则里程桩区间的交通流速度判定为无限大。
2.根据权利要求1所述的方法，其特征在于，还包括，补充虚拟里程桩对里程桩加密。
3.根据权利要求2所述的方法，其特征在于，采用空间线性插值方法补充虚拟里程桩，对里程桩进行加密。
4.根据权利要求1所述的方法，其特征在于，将不同来源的空间连续交通流指标离散化的方式为：
对于浮动车数据源，将浮动车路线转换为与里程桩桩号一致的坐标系，对于与浮动车路线相交或被包含的里程桩区间，其对应的交通流指标为关联的浮动车的交通流指标；
对于封闭区间数据源，里程桩区间对应的交通流指标关联为包含该里程桩区间的封闭区间的交通流指标。
5.根据权利要求1所述的方法，其特征在于，所述交通流指标还包括交通流密度，利用封闭区间的交通流密度和浮动车的交通流速度对浮动车进行权重分配。
6.根据权利要求1或5所述的方法，其特征在于，所述权重分配的原则为：
断面交通流速度大于等于浮动车速度均值的情况下，权重为浮动车速度的单调递增函数；
断面交通流速度小于浮动车速度均值的情况下，权重为浮动车速度的单调递减函数；
当交通流指标包括交通流密度时，结合交通流密度约束权重，设置最大权重与最小权重的差值为交通流密度的单调递减函数。
7.一种基于融合指标的高速路况计算方法，其特征在于，包括：利用权利要求1~6任一项所述方法融合不同来源交通流指标后，将融合后的交通流速度转换为里程桩区间路况，合并离散路网获取空间连续的高速路况。
8.根据权利要求7所述的方法，其特征在于，所述合并离散路网包括：以封闭区间为上限，对空间连续且路况相同的里程桩区间进行合并。
9.根据权利要求7或8所述的方法，其特征在于，还包括，在合并离散路网后进行空间平滑修正。
10.根据权利要求9所述的方法，其特征在于，所述空间平滑修正包括：
对于两个空间连续的里程桩合并区间，如果两个里程桩合并区间空间连续，且两个里程桩合并区间的长度比符合预设阈值，则将两个里程桩合并区间合并；
所述里程桩合并区间指合并后的里程桩区间。
CN202211554669.6A 2022-12-06 2022-12-06 多来源交通流指标融合及基于融合指标的路况计算方法 Active CN115641721B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211554669.6A CN115641721B (zh) 2022-12-06 2022-12-06 多来源交通流指标融合及基于融合指标的路况计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211554669.6A CN115641721B (zh) 2022-12-06 2022-12-06 多来源交通流指标融合及基于融合指标的路况计算方法

Publications (2)

Publication Number Publication Date
CN115641721A true CN115641721A (zh) 2023-01-24
CN115641721B CN115641721B (zh) 2023-04-07

Family

ID=84948415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211554669.6A Active CN115641721B (zh) 2022-12-06 2022-12-06 多来源交通流指标融合及基于融合指标的路况计算方法

Country Status (1)

Country Link
CN (1) CN115641721B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117253364A (zh) * 2023-11-15 2023-12-19 南京感动科技有限公司 交通拥堵事件提取与态势融合方法与***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104658252A (zh) * 2015-02-10 2015-05-27 交通运输部科学研究院 基于多源数据融合的高速公路交通运行状态的评估方法
CN105489004A (zh) * 2015-11-25 2016-04-13 杭州电子科技大学 面向道路实时速度计算的卡口与浮动车数据融合方法
CN109308805A (zh) * 2018-08-20 2019-02-05 广东交通职业技术学院 一种基于自适应加权平均数据融合的路网mfd估测方法
CN109686090A (zh) * 2019-01-17 2019-04-26 中南大学 一种基于多源数据融合的虚拟交通流量计算方法
CN111724589A (zh) * 2020-06-03 2020-09-29 重庆大学 一种基于多源数据的高速公路断面流量估计方法
CN112419712A (zh) * 2020-11-04 2021-02-26 同盾控股有限公司 道路断面车速检测方法及***
US20220222556A1 (en) * 2020-04-30 2022-07-14 Shandong Jiaotong University Road traffic jam early warning method and system
CN114999162A (zh) * 2022-08-02 2022-09-02 北京交研智慧科技有限公司 一种道路交通流量获取方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104658252A (zh) * 2015-02-10 2015-05-27 交通运输部科学研究院 基于多源数据融合的高速公路交通运行状态的评估方法
CN105489004A (zh) * 2015-11-25 2016-04-13 杭州电子科技大学 面向道路实时速度计算的卡口与浮动车数据融合方法
CN109308805A (zh) * 2018-08-20 2019-02-05 广东交通职业技术学院 一种基于自适应加权平均数据融合的路网mfd估测方法
CN109686090A (zh) * 2019-01-17 2019-04-26 中南大学 一种基于多源数据融合的虚拟交通流量计算方法
US20220222556A1 (en) * 2020-04-30 2022-07-14 Shandong Jiaotong University Road traffic jam early warning method and system
CN111724589A (zh) * 2020-06-03 2020-09-29 重庆大学 一种基于多源数据的高速公路断面流量估计方法
CN112419712A (zh) * 2020-11-04 2021-02-26 同盾控股有限公司 道路断面车速检测方法及***
CN114999162A (zh) * 2022-08-02 2022-09-02 北京交研智慧科技有限公司 一种道路交通流量获取方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117253364A (zh) * 2023-11-15 2023-12-19 南京感动科技有限公司 交通拥堵事件提取与态势融合方法与***
CN117253364B (zh) * 2023-11-15 2024-01-26 南京感动科技有限公司 交通拥堵事件提取与态势融合方法与***

Also Published As

Publication number Publication date
CN115641721B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
US9564048B2 (en) Origin destination estimation based on vehicle trajectory data
US8392109B2 (en) Methodology and system for routing optimization in GPS-based Navigation, combining dynamic traffic data
CN109544932A (zh) 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法
CN106197458A (zh) 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法
US8260532B2 (en) Traffic probe in-vehicle map-based process to reduce data communications and improve accuracy
CN102622880A (zh) 一种交通信息数据修复方法及装置
Kianfar et al. Placement of roadside equipment in connected vehicle environment for travel time estimation
EP3671689A1 (en) Method and apparatus for dynamic speed aggregation of probe data for high-occupancy vehicle lanes
Wang et al. Exploring operating speeds on urban arterials using floating car data: Case study in Shanghai
KR101913134B1 (ko) 지능형 교통정보 시스템의 차선별 교통 속도 정보 생성 장치
CN109377758B (zh) 一种行驶时间预估方法及***
EP3671126A1 (en) Method, apparatus, and system for providing road closure graph inconsistency resolution
CN115641721B (zh) 多来源交通流指标融合及基于融合指标的路况计算方法
Oskarbski et al. Estimating the average speed of public transport vehicles based on traffic control system data
CN106469503B (zh) 一种预测交通事件影响范围的方法和装置
Bogenberger et al. Quality management methods for real-time traffic information
CN116933958B (zh) 一种基于刷卡数据的地铁换乘站换乘客流估计方法
CN110211380B (zh) 一种多源交通数据融合的高速公路拥堵区间探测方法
CN106651061A (zh) 一种基于dsrc数据与点检测器数据的实时融合方法
CN110175218A (zh) 生成导航播报内容的方法、装置、设备和计算机存储介质
Gong et al. Estimating link travel time with sparse GPS data on highway corridors
JP6214827B1 (ja) 燃費推定システム、燃費推定方法および燃費推定プログラム
Han et al. Spatiotemporal congestion recognition index to evaluate performance under oversaturated conditions
CN111640303A (zh) 城市通勤路径识别方法及设备
Xu et al. Identifying and Tracking Network-Wide Traffic Congestion Based on Mapping-to-Cells Vehicle Trajectory Data

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