專利名稱：交通流狀態(tài)分析所需的探測車采樣量的獲取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種交通運(yùn)輸技術(shù)領(lǐng)域中信息處理的方法，具體是一種交通流狀態(tài)分析所需的探測車采樣量的獲取方法。
背景技術(shù)：
隨著智能交通技術(shù)的發(fā)展，城市交通流的動態(tài)估計受到了越發(fā)廣泛的關(guān)注。而交通狀態(tài)估計離不開準(zhǔn)確可靠的交通信息，因此檢測信息方法的精度決定了交通狀態(tài)估計的準(zhǔn)確性。城市路網(wǎng)交通流檢測信息方法有多種，主要有磁頻感應(yīng)線圈檢測法，視頻檢測法等。這些研究在某些方面取得了成功并具有其實(shí)用價值，但在城市路網(wǎng)交通流速度的計算上存在局限性。感應(yīng)線圈監(jiān)測器可得到多種交通流參數(shù)，鋪設(shè)感應(yīng)線圈困難大，添置設(shè)備費(fèi)用高，且使用壽命受人為破壞因素影響大。視頻檢測對硬件設(shè)備要求較高，受天氣影響大。應(yīng)用全球衛(wèi)星定位系統(tǒng)(GPS(全球衛(wèi)星定位系統(tǒng)))的信息檢測方法，通過對移動車輛進(jìn)行實(shí)時監(jiān)控，動態(tài)獲取時間、位置、速度等車輛定位信息，具有精度高，數(shù)據(jù)量大，城市范圍內(nèi)分布廣泛，受天氣影響小等優(yōu)點(diǎn)，是目前獲取實(shí)時交通信息最有效的方法。因此越來越多地學(xué)者投入到用GPS(全球衛(wèi)星定位系統(tǒng))探測車數(shù)據(jù)進(jìn)行交通流狀態(tài)分析的研究中，并得到了快速的發(fā)展。然而究竟需要多大樣本的探測車才能夠準(zhǔn)確進(jìn)行交通狀態(tài)估計是當(dāng)前首要解決的問題。
近年來，國際上很多學(xué)者嘗試用GPS(全球衛(wèi)星定位系統(tǒng))探測車信息來計算路段平均速度和行程時間，針對需要多大樣本的探測車(即探測車采樣量)這一問題，進(jìn)行了大量的研究。其中代表性的是1998年Quiroga和Bullock在《Institute of Transportation Engineers》期刊第68卷第8期92-98頁發(fā)表的“Determination of sample sizes for travel time studies”一文中，提出的獲取探測車采樣量的標(biāo)準(zhǔn)方差模型。該模型通過引入一個置信區(qū)間為1-α，自由度為n-1的t分布，樣本速度的標(biāo)準(zhǔn)方差s和自定義的速度誤差εα，獲取最小探測車數(shù)。應(yīng)用該模型獲取能夠有效的獲取探測車采樣量。2000年Chen和Chien在《TransportationResearch Board》第79屆年會上發(fā)表的“Determining the number of probe vehicles forfreeway travel time estimation using microscopic simulation”一文中，對標(biāo)準(zhǔn)方差模型進(jìn)行了改進(jìn)，引入了相對的速度誤差εγ，和n個探測車計算出來的路段平均速度x來獲取更加精確的探測車采樣量。這兩種模型由于能夠有效的獲取探測車采樣量，近年來在采樣量估計中得到了廣泛的應(yīng)用。然而由于兩種模型都假設(shè)路段中的車輛都服從正態(tài)分布行駛，這在實(shí)際道路交通中是不可能的；此外由于樣本速度的標(biāo)準(zhǔn)方差s需要由n計算，導(dǎo)致模型方程沒有封閉解，必須進(jìn)行迭代求解，這也增加了實(shí)際應(yīng)用中問題的復(fù)雜性。
經(jīng)對現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，新加坡學(xué)者Cheu和Lee于2002年在《Computer-Aided Civil and Infrastructure Engineering》期刊第17期53-60頁發(fā)表的“Vehicle Population and Sample Size for Arterial Speed Estimation”(主干道速度估計所需的探測車采樣量)一文中，提出了一種獲取探測車采樣量的模型。該模型既保留了標(biāo)準(zhǔn)方差模型的優(yōu)點(diǎn)，最重要的是克服了標(biāo)準(zhǔn)方差模型需要迭代求解的不足。同時Cheu提出的要保證計算出的路網(wǎng)平均速度的絕對誤差低于95％(或小于5.0km/h)，每條路段上GPS(全球衛(wèi)星定位系統(tǒng))探測車的數(shù)量必須大于10輛的結(jié)論，大大方便了實(shí)際的道路交通管理。然而Cheu沒有考慮到GPS(全球衛(wèi)星定位系統(tǒng))空重車信息發(fā)送周期差異，這嚴(yán)重影響了計算結(jié)果的準(zhǔn)確性。此外，由于沒有提出詳細(xì)的解析式，導(dǎo)致不能快速準(zhǔn)確的獲取探測車采樣量，很大程度上制約了方法的推廣。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對上述不足及實(shí)際需要，提出一種交通流狀態(tài)分析所需的探測車采樣量的獲取方法。本發(fā)明有效地克服了現(xiàn)有技術(shù)需要大量先驗(yàn)的、復(fù)雜的信息等問題，具有運(yùn)算簡便、可靠性高、實(shí)用性強(qiáng)等優(yōu)點(diǎn)，為整個城市交通的控制提供信息資料。
本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括以下步驟①對GPS(全球衛(wèi)星定位系統(tǒng))探測車數(shù)據(jù)進(jìn)行預(yù)處理目前能夠獲取到的GPS(全球衛(wèi)星定位系統(tǒng))探測車數(shù)據(jù)主要包括車輛位置、時間、狀態(tài)、車速、行駛方向等屬性。預(yù)處理主要針對路段上速度為0的GPS(全球衛(wèi)星定位系統(tǒng))探測車。這些探測車包括兩部分由于嚴(yán)重?fù)矶露俣葹?的探測車，和車輛長時間停在某處一直沒有行駛而導(dǎo)致速度為0的探測車。
前者是路段交通流分析中的關(guān)鍵部分，是正確數(shù)據(jù)；后者是干擾數(shù)據(jù)，因此需要對這部分?jǐn)?shù)據(jù)進(jìn)行相應(yīng)的判別和處理。本發(fā)明采用的判別方法就是對車輛進(jìn)行跟蹤，如果發(fā)現(xiàn)該速度在超過一個信號周期的長時間段內(nèi)始終為0時，表明該數(shù)據(jù)是干擾數(shù)據(jù)，在進(jìn)行預(yù)處理時將該數(shù)據(jù)剔除。
②將GPS(全球衛(wèi)星定位系統(tǒng))探測車與GIS(地理信息系統(tǒng))地圖進(jìn)行匹配獲取地理信息系統(tǒng)提供的路網(wǎng)GIS(地理信息系統(tǒng))信息和預(yù)處理后的GPS(全球衛(wèi)星定位系統(tǒng))探測車信息，將車輛GPS(全球衛(wèi)星定位系統(tǒng))的位置數(shù)據(jù)視為散點(diǎn)數(shù)據(jù)向周圍道路垂直投影，并計算投影距離，若其中某散點(diǎn)數(shù)據(jù)的最短投影距離大于預(yù)先設(shè)置的閾值，則認(rèn)為是錯誤匹配點(diǎn)，將其過濾掉，否則取其最短投影距離所對應(yīng)的道路為車輛所在的行駛道路，對應(yīng)的投影點(diǎn)為車輛匹配后的位置，得到初步結(jié)果，完成從點(diǎn)到線的地圖匹配。
第三、獲取路段平均速度城市路網(wǎng)中交叉口將道路隔離成上行和下行兩個有向路段。以時間段T內(nèi)處于單位有向路段上的GPS數(shù)據(jù)采樣點(diǎn)為對象，對其進(jìn)行距離、時間、速度三維空間的曲面擬合建模，得到T時間段內(nèi)該單位有向路段在時空上的速度分布曲面。具體方法是根據(jù)有效的數(shù)據(jù)點(diǎn)的數(shù)目確定曲面擬合模型的階數(shù)，進(jìn)而確定曲面擬合模型所需要的GPS數(shù)據(jù)點(diǎn)的最小值M。然后對速度分布曲面在道路方向上積分，得到該時段單位有向路段的平均速度vi(t)。
第四、路網(wǎng)探測車采樣量的獲取探測車采樣量n，是能夠準(zhǔn)確計算出路網(wǎng)中各個路段平均速度所需要的GPS探測車數(shù)量。它取決于車輛速度、道路等級、路段長度和探測車采樣頻率f(t)等因素。采樣頻率f(t)是指一個采樣周期內(nèi)，探測車駛過該路段提供的GPS數(shù)據(jù)的個數(shù)，取決于探測車在路段的平均速度。
由于GP探測車主要包括不載客的空車和載客的重車，并且空重車發(fā)送信息的周期存在很大差異。令Li為路段i(i＝1，2....N)的長度，TL和TH分別為空車和重車發(fā)送數(shù)據(jù)的時間，nL(t)和nH(t)是采樣周期內(nèi)空車和重車的數(shù)量(需要通過統(tǒng)計歷史GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)來獲取)，vi(t)為采樣周期的路段平均速度。路段i的探測車采樣頻率公式為fi(t)=nL(t)*Livi(t)*TL+nH(t)*Livi(t)*YHnL(t)+nH(t)]]>本發(fā)明提出的路網(wǎng)所需的探測車采樣量模型為n≥Σi=1NMifi(t)ϵγ(1-e)]]>e是GPS(全球衛(wèi)星定位系統(tǒng))探測車定位誤差，εγ是路段平均速度的置信度，Mi為路段平均速度擬合模型所需要的GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)點(diǎn)的最小值。
本發(fā)明與現(xiàn)有技術(shù)相比的顯著效果在于本發(fā)明應(yīng)用GPS(全球衛(wèi)星定位系統(tǒng))信息檢測法獲取到的移動車輛(探測車)定位數(shù)據(jù)精度高達(dá)95％，數(shù)據(jù)量大，可以覆蓋到路網(wǎng)中所有車輛。本發(fā)明應(yīng)用的時空曲面擬合模型運(yùn)算速度快(運(yùn)算時間為15～25秒)，可以實(shí)現(xiàn)對路段平均速度的實(shí)時同步獲取。因此本發(fā)明能夠快速、準(zhǔn)確的獲取交通流狀態(tài)分析所需的探測車采樣量，為整個城市的交通控制提供實(shí)時、準(zhǔn)確的信息資料。應(yīng)用本發(fā)明獲取的探測車樣本進(jìn)行城市交通狀態(tài)分析，準(zhǔn)確率可達(dá)到90％左右。


圖1為本發(fā)明提出的城市路網(wǎng)所需的探測車采樣量計算方法的流程框圖。
圖2為某路段24小時平均速度變化。
圖3為上海市內(nèi)環(huán)路網(wǎng)交通流狀態(tài)分析所需的最小探測車采樣量。3(a)是主干路網(wǎng)所需的最小探測車采樣量，3(b)是次干路網(wǎng)所需的最小探測車采樣量，3(c)是支路網(wǎng)所需的最小探測車采樣量，3(d)是整個內(nèi)環(huán)路網(wǎng)所需的最小探測車采樣量。
具體實(shí)施例方式
下面結(jié)合附圖對本發(fā)明的實(shí)施例作詳細(xì)說明本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
為了更好地理解本實(shí)施例提出的方法，選取上海市內(nèi)環(huán)路網(wǎng)進(jìn)行交通流狀態(tài)分析實(shí)例，可以應(yīng)用于不同城市不同路網(wǎng)。本實(shí)施例要求提供上海市內(nèi)環(huán)一個月內(nèi)GPS(全球衛(wèi)星定位系統(tǒng))系統(tǒng)車輛衛(wèi)星定位數(shù)據(jù)，包括采樣車標(biāo)號，時間，位置，速度，運(yùn)行方向，車輛狀態(tài)等信息。還有上海市內(nèi)環(huán)路網(wǎng)的GIS(地理信息系統(tǒng))信息。
如圖1所示，本實(shí)施例具體實(shí)施步驟如下①對GPS(全球衛(wèi)星定位系統(tǒng))探測車數(shù)據(jù)進(jìn)行預(yù)處理獲取到的GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)是以車的ID標(biāo)號進(jìn)行存儲的。首先依據(jù)探測車的ID標(biāo)號對車輛進(jìn)行跟蹤，如果探測車的所有速度值都為0，則斷定該車是異常車輛，刪除該文件；然后看該輛車在超過一個紅綠燈信號周期時間段內(nèi)速度一直為0，則判定該時間段車輛提供的是無效數(shù)據(jù)，刪除該時間段內(nèi)車輛的所有信息。異常數(shù)據(jù)處理后將GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)按照時間順序存儲，將8分鐘內(nèi)所有車輛的GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)存儲到一個文件。方便進(jìn)行動態(tài)交通流分析。
②將GPS(全球衛(wèi)星定位系統(tǒng))探測車與GIS(地理信息系統(tǒng))地圖進(jìn)行匹配由于GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)中探測車的位置是用經(jīng)緯度坐標(biāo)來表示的，因此進(jìn)行地圖匹配之前應(yīng)該進(jìn)行坐標(biāo)變換，變換成GIS(地理信息系統(tǒng))中的城建坐標(biāo)。然后將8分鐘的出租車GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)同時讀入，并將位置數(shù)據(jù)視為散點(diǎn)數(shù)據(jù)用最近鄰法進(jìn)行統(tǒng)一的地圖匹配，將車輛的GPS(全球衛(wèi)星定位系統(tǒng))定位數(shù)據(jù)修正到車輛行駛的道路上。最后依據(jù)車輛運(yùn)行方向進(jìn)行車輛軌跡跟蹤，再根據(jù)車輛數(shù)據(jù)的前后聯(lián)系及路況，對不確定定位數(shù)據(jù)進(jìn)行判別，處理得到修正后的車輛行駛軌跡，最終完成車輛向道路的地圖匹配。
③獲取路段平均速度把各個探測車GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)視為路段上交通采樣點(diǎn)(li，ti，vi)。以8分鐘為一個時間段(全天分為180個時段)，對單位有向路段上的所有GPS(全球衛(wèi)星定位系統(tǒng))采樣點(diǎn)數(shù)據(jù)進(jìn)行時空曲面擬合得出曲面擬合，得到速度分布曲線。然后在時間和空間方向上分別進(jìn)行積分，得到8分鐘(480秒)內(nèi)路段k的平均速度v。
v%=∫0LkΣi=0αΣj=0βaijlit0j·dlLk]]>v=∫0480v%dt480]]>其中，l為探測車到路段起始點(diǎn)的距離，v是路段t0時刻的瞬時平均速度。aij為擬合多項(xiàng)式的系數(shù)，由采樣周期內(nèi)的GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)信息確定。α，β為擬合時l和t的最高次數(shù)，由擬合路段上有效GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)點(diǎn)的個數(shù)決定。具體取值如表1所示

表1GPS(全球衛(wèi)星定位系統(tǒng))data為路段上有效GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)點(diǎn)的個數(shù)，決定了擬合模型中α，β的次數(shù)。M是擬合模型所需要的GPS(全球衛(wèi)星定位系統(tǒng))數(shù)據(jù)點(diǎn)的最小值。從數(shù)據(jù)的有限性和實(shí)際路況考慮，本實(shí)例中中選取MAX(α)＝2，MAX(β)＝3。圖2是依據(jù)表一的方法動態(tài)選取擬合模型計算出的某路段24小時的平均速度。
④路網(wǎng)探測車采樣量的獲取統(tǒng)計GPS(全球衛(wèi)星定位系統(tǒng))探測車的歷史數(shù)據(jù)，計算出平均一天中各個時段路網(wǎng)中重車和空車的數(shù)量。選取重車反饋信息的周期為2分鐘，空車反饋信息的周期為20秒。依據(jù)采樣頻率公式計算出各個時段的采樣頻率f(t)。由于路網(wǎng)中的探測車數(shù)據(jù)量隨時間段變化很大，因此本實(shí)例中依據(jù)路網(wǎng)中實(shí)際探測車數(shù)自適應(yīng)選取擬合模型計算采樣量。表二列出了自適應(yīng)選取模型階數(shù)的方法和不同時段上海市內(nèi)環(huán)交通流狀態(tài)分析所需的最小GPS(全球衛(wèi)星定位系統(tǒng))探測車采樣量。自適應(yīng)選取交通流分析模型方法及計算結(jié)果詳見表2

表2圖3是分別采用表2的自適應(yīng)曲面擬合模型和三次曲面擬合模型計算出的上海市內(nèi)環(huán)路網(wǎng)交通流狀態(tài)分析所需的最小探測車采樣量。其中a是主干路網(wǎng)所需的最小探測車采樣量，b是次干路網(wǎng)所需的最小探測車采樣量，c是支路網(wǎng)所需的最小探測車采樣量，d是整個內(nèi)環(huán)路網(wǎng)所需的最小探測車采樣量。其中白天為3000輛左右，這與上海內(nèi)環(huán)真實(shí)路況保持了良好的一致性。
從本實(shí)施例中可以看出按照本實(shí)施例獲取的GPS(全球衛(wèi)星定位系統(tǒng))探測車樣本可以有效地用于城市路網(wǎng)的交通流狀態(tài)分析。
權(quán)利要求
1.一種交通流狀態(tài)分析所需的探測車采樣量的獲取方法，其特征在于，包括以下步驟①對GPS探測車數(shù)據(jù)進(jìn)行預(yù)處理，對車輛進(jìn)行跟蹤，如果發(fā)現(xiàn)該速度在超過一個信號周期的長時間段內(nèi)始終為0時，表明該數(shù)據(jù)是干擾數(shù)據(jù)，在進(jìn)行預(yù)處理時將該數(shù)據(jù)剔除；②將GPS探測車與GIS地圖進(jìn)行匹配；③獲取路段平均速度；④路網(wǎng)探測車采樣量的獲取。
2.根據(jù)權(quán)利要求1所述的交通流狀態(tài)分析所需的探測車采樣量的獲取方法，其特征是，所述的對GPS探測車數(shù)據(jù)進(jìn)行預(yù)處理，是指目前能夠獲取到的GPS探測車數(shù)據(jù)包括車輛位置、時間、狀態(tài)、車速、行駛方向?qū)傩裕活A(yù)處理針對路段上速度為0的GPS探測車。
3.根據(jù)權(quán)利要求1所述的交通流狀態(tài)分析所需的探測車采樣量的獲取方法，其特征是，所述的將GPS探測車與GIS地圖進(jìn)行匹配，是指獲取地理信息系統(tǒng)提供的路網(wǎng)GIS信息和預(yù)處理后的GPS探測車信息，將車輛GPS的位置數(shù)據(jù)視為散點(diǎn)數(shù)據(jù)向周圍道路垂直投影，并計算投影距離，若其中某散點(diǎn)數(shù)據(jù)的最短投影距離大于預(yù)先設(shè)置的閾值，則認(rèn)為是錯誤匹配點(diǎn)，將其過濾掉，否則取其最短投影距離所對應(yīng)的道路為車輛所在的行駛道路，對應(yīng)的投影點(diǎn)為車輛匹配后的位置，得到初步結(jié)果，完成從點(diǎn)到線的地圖匹配。
4.根據(jù)權(quán)利要求1所述的交通流狀態(tài)分析所需的探測車采樣量的獲取方法，其特征是，所述的獲取路段平均速度，是指城市路網(wǎng)中交叉口將道路隔離成上行和下行兩個有向路段，以時間段T內(nèi)處于單位有向路段上的GPS數(shù)據(jù)采樣點(diǎn)為對象，對其進(jìn)行距離、時間、速度三維空間的曲面擬合建模，得到T時間段內(nèi)該單位有向路段在時空上的速度分布曲面。
5.根據(jù)權(quán)利要求1或者4所述的交通流狀態(tài)分析所需的探測車采樣量的獲取方法，其特征是，所述的獲取路段平均速度，具體方法是根據(jù)有效的數(shù)據(jù)點(diǎn)的數(shù)目確定曲面擬合模型的階數(shù)，進(jìn)而確定曲面擬合模型所需要的GPS數(shù)據(jù)點(diǎn)的最小值M，然后對速度分布曲面在道路方向上積分，得到該時段單位有向路段的平均速度vi(t)。
6.根據(jù)權(quán)利要求1所述的交通流狀態(tài)分析所需的探測車采樣量的獲取方法，其特征是，所述的探測車采樣量，其量值n，是能夠準(zhǔn)確計算出路網(wǎng)中各個路段平均速度所需要的GPS探測車數(shù)量，它取決于車輛速度、道路等級、路段長度和探測車采樣頻率f(t)，采樣頻率f(t)是指一個采樣周期內(nèi)，探測車駛過該路段提供的GPS數(shù)據(jù)的個數(shù)，取決于探測車在路段的平均速度；由于GP探測車主要包括不載客的空車和載客的重車，并且空重車發(fā)送信息的周期存在很大差異，令Li為路段i的長度，i＝1，2....N，TL和TH分別為空車和重車發(fā)送數(shù)據(jù)的時間，nL(t)和nH(t)是采樣周期內(nèi)空車和重車的數(shù)量，需要通過統(tǒng)計歷史GPS數(shù)據(jù)來獲取，vi(t)為采樣周期的路段平均速度，路段i的探測車采樣頻率公式為fi(t)=nL(t)*Livi(t)*TL+nH(t)*Livi(t)*THnL(t)+nH(t);]]>路網(wǎng)所需的探測車采樣量模型為n≥Σi=1NMifi(t)ϵγ(1-e)]]>e是GPS探測車定位誤差，εγ是路段平均速度的置信度，Mi為路段平均速度擬合模型所需要的GPS數(shù)據(jù)點(diǎn)的最小值。
全文摘要
本發(fā)明涉及的是一種交通運(yùn)輸技術(shù)領(lǐng)域中交通流狀態(tài)分析所需的探測車采樣量的獲取方法。包括1)對GPS探測車數(shù)據(jù)進(jìn)行預(yù)處理；2)將GPS探測車與GIS地圖進(jìn)行匹配；3)獲取路段平均速度；4)路網(wǎng)探測車采樣量的獲取通過對車輛進(jìn)行跟蹤，剔除干擾數(shù)據(jù)；應(yīng)用最近鄰法進(jìn)行統(tǒng)一的地圖匹配；然后用時空曲面擬合模型獲取有向路段的平均速度；通過統(tǒng)計GPS探測車的歷史數(shù)據(jù)，統(tǒng)計一天中各個時段路網(wǎng)中GPS探測車重車和空車的平均數(shù)，應(yīng)用采樣頻率公式計算出各個時段的采樣頻率；最后依據(jù)本發(fā)明提出的探測車采樣量模型，實(shí)現(xiàn)對整個路網(wǎng)所需的探測車采樣量的獲取。具有獲取信息簡便、可靠性高、實(shí)用性強(qiáng)等優(yōu)點(diǎn)，為整個城市交通的控制提供信息資料。
文檔編號G01S1/00GK101067902SQ20061011889
公開日2007年11月7日 申請日期2006年11月30日 優(yōu)先權(quán)日2006年11月30日
發(fā)明者高玲玲, 李志鵬, 劉允才 申請人:上海交通大學(xué)