一种面向手机移动速度的路况信息实时获取方法技术

本发明专利技术公开了一种面向手机移动速度的路况信息实时获取方法，属于智能交通领域，该方法包括：历史交通数据挖掘，道路交通状态推测，道路旅行速度计算。本发明专利技术是面向手机信令数据计算出的手机移动速度，对这些移动速度进行融合计算进而获得路况信息。由于手机移动速度的获取原理是基于网络的无线定位技术，因此这充分利用了已有的移动通讯设施和网络资源，可以以很少的投资实现覆盖全路网、全天候的道路实时交通信息采集。所以面向手机移动速度的路况信息融合计算能够满足广阔地区实时路况计算的需求。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，属于智能交通领域，该方法包括：历史交通数据挖掘，道路交通状态推测，道路旅行速度计算。本专利技术是面向手机信令数据计算出的手机移动速度，对这些移动速度进行融合计算进而获得路况信息。由于手机移动速度的获取原理是基于网络的无线定位技术，因此这充分利用了已有的移动通讯设施和网络资源，可以以很少的投资实现覆盖全路网、全天候的道路实时交通信息采集。所以面向手机移动速度的路况信息融合计算能够满足广阔地区实时路况计算的需求。【专利说明】
本专利技术涉及智能交通领域，特别是一种面向手机移动速度的路况信息实时获取方 法。
技术介绍
近年来，信息技术不断应用到交通运输领域，交通信息资源不断地丰富，交通信息 服务的手段逐渐地完善。通过向公众提供交通信息，可以为出行者在出行前作出良好规划、 在出行中规避拥堵路段，从而达到有效利用道路、减少拥堵的目的。 高效的实时交通信息采集是先进交通信息服务系统的基础。交通信息采集方式分 为固定式采集和移动式采集两种。传统的固定式采集方式因其成本高昂、需要人工维护、易 磨损等特点使其难以实现覆盖全路网的交通信息采集。近年来，随着无线传感器网络和定 位技术（如GPS)的快速发展，众多具有定位功能的无线手持设备和车载设备大量普及，移 动式采集方式得到了快速的发展。现有的基于浮动车的路况信息服务系统提供的交通信息 在城区道路覆盖率和准确率均达到了相当高的水平。然而由于现有浮动车数据源大多来源 于出租车和公交车，使得在城市周边（郊区、高速公路）仍然存在明显的数据缺失现象。基 于无线移动定位技术的交通数据采集技术由于其投资小，数据量大，采集覆盖范围广等特 点，可有效地弥补现有采集方式的不足，正日益受到交通机构的重视。目前，以无线移动定 位数据作为数据源进行路况信息计算已成为交通信息处理技术的一个重要发展方向。 综上所述，实现基于无线移动定位的交通信息处理技术具有十分重要的现实意 义。现有的基于无线移动定位的交通信息处理技术方案分为两大类：采用高精度定位数据 计算路况信息和采用基于基站切换定位数据计算路况信息。采用高精度定位数据计算路况 信息技术成熟，准确率高，但由于高精度定位数据成本较高且涉及用户隐私问题，在现有条 件下难以大规模采集，无法真正发挥无线移动数据特点。而采用基于基站切换定位原理计 算路况方式由于其定位精度低，直接导致了计算出的路况信息不准确，甚至错误。 基于手机移动信令的交通信息处理技术，其原理是基于基站切换计算路况信息， 其面临着诸多挑战。如手机载体来源广泛，既可来自道路旁徒步的人群，也可来公交车及小 汽车的乘客，也可来自驾驶非机动车的驾驶员，但只有载体为道路上机动车里的手机用户 才是可用于路况计算的样本，由于载体难以区分，造成了计算出的路况信息不能如实地反 映道路的交通状况；又如手机移动信令数据具有随机性强、定位精度低等特点，并且在相邻 的不同时间段内接打电话（触发通信事件）的手机用户样本量波动较大，从而对道路旅行 速度的计算造成了偏差（抖动）；这些情形都使得路况息计算得不准确。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种面向手机移动速度的路况信息实时获取方 法，以达到提高路况计算的精度，实现准确的、实时的和覆盖范围广的路况信息计算的目 的，而最终的目的是提高智能交通系统的服务质量。 本专利技术的实施例提供了，路况信 息融合是对每条道路上所有移动手机产生的路况信息做进一步的融合处理，生成以道路为 单位的实时动态交通信息。包括 ： 步骤一、历史交通数据挖掘； 步骤二、道路交通状态推测； 步骤三、道路旅行速度计算。 本专利技术应用现有的手机移动速度数据，进而对其融合计算获得路况信息。由于面 向手机移动速度的路况信息融合计算方法充分利用了已有的移动通讯设施和网络资源，可 以以很少的投资实现覆盖全路网、全天候的道路实时交通信息采集，因此面向手机移动速 度的路况信息融合计算方法能够满足广阔地区实时路况计算的需求。 【专利附图】【附图说明】 图1为手机移动速度获取的原理不意图；图1 (a)为如一个基站覆盖区域，图1 (b) 为相邻两个基站覆盖的交界区域实为发生手机基站切换的区域，即切换区，图1(C)为下一 个基站覆盖区域； 图2为本专利技术实施例提供的面向手机移动速度的路况信息实时获取方法的流程 图； 图3为本专利技术实施例提供的历史交通数据挖掘流程图； 图4为本专利技术实施例提供的道路旅行速度计算流程图。 【具体实施方式】 为使本专利技术的目的、技术方案和优点更加清楚，下面结合附图对本专利技术作进一步 的详细描述。 本实施例应用现有的手机移动速度数据，进而对其融合计算获得路况信息。由于 面向手机移动速度的路况信息实时获取方法充分利用了已有的移动通讯设施和网络资源， 可以以很少的投资实现覆盖全路网、全天候的道路实时交通信息采集，因此面向手机移动 速度的路况信息融合计算方法能够满足广阔地区实时路况计算的需求。本专利技术实施例根据 手机移动速度数据的特点，提出历史交通数据挖掘方法，道路交通状态推测方法，道路旅行 速度计算方法，从而得到路况信息。 本实施例应用的手机移动速度数据是在运营商提供的活跃手机用户的手机移动 信令数据的基础上计算而来，活跃用户指触发移动通信事件（通话、短信接发、正常位置更 新等）的用户。手机移动速度数据的数据格式如下表所示。 表 1 【权利要求】1. ，其特征在于，包括： 步骤一、历史交通数据挖掘； 步骤二、道路交通状态推测； 步骤三、道路旅行速度计算。2. 根据权利要求1所述的面向手机移动速度的路况信息实时获取方法，其特征在于， 所述的历史交通数据挖掘方法具体包括： 提取特征值，建立特征向量，构造训练元组，执行元组集合的训练； 其中，所述提取特征值的方法具体包括： 从历史交通数据的所有字段中提取与道路交通状态相关的字段，时间段序号的字段和 道路上移动手机用户个数的字段，即提取时间段序号特征值和道路上移动手机用户个数的 特征值； 其中，所述建立特征向量的方法具体包括： 根据以上提取出的特征值，建立特征向量，把每个特征值都作为特征向量的一个分 量； 其中，所述构造训练元组的方法具体包括： 根据以上建立的特征向量，构造训练元组，把特征向量的每个分量都作为训练元组的 一个属性，最后还要添加一个类标签属性，类标签属性是指道路交通状态，具体利用〇代表 畅通、1代表缓慢、2代表拥堵，来源于浮动车技术（F⑶）获取的道路交通状态； 其中，所述执行元组集合的训练具体包括： 输入元组集合到决策树训练模型中，执行训练学习任务。3. 根据权利要求1所述的面向手机移动速度的路况信息实时获取方法，其特征在于， 所述的道路交通状态推测方法具体包括： 利用决策树训练模型对历史元组集合训练出的特征参数，从而判断当前的即实时的待 分类特征向量的分类结果，即道路交通状态识别。4. 根据权利要求1所述的面向手机移动速度的路况信息实时获取方法，其特征在于， 所述的道路旅行速度计算的步骤具体包括： a、 采用KMeans聚类算法对当前的即实时的同一时间段内的手机移动速度聚成3个簇， 这本文档来自技高网...

【技术保护点】
一种面向手机移动速度的路况信息实时获取方法，其特征在于，包括： 步骤一、历史交通数据挖掘； 步骤二、道路交通状态推测； 步骤三、道路旅行速度计算。

【技术特征摘要】

【专利技术属性】
技术研发人员：诸彤宇，宋志新，刘帅，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11