一种基于抽样轨迹数据的交叉口到达率估计方法技术

本发明专利技术涉及一种基于抽样轨迹数据的交叉口到达率估计方法，包括以下步骤：1)获取抽样车辆轨迹数据，并将排队轨迹间的到达率预处理成到初始到达率矩阵；2)根据初始到达率矩阵，通过奇异值阈值算法对初始到达率矩阵中的空值进行填充得到填充后的到达率矩阵；3)对填充后的到达率矩阵进行修正和修补后得到最终的到达率矩阵，对每个周期的到达率向量进行累加乘以单位时间间隔的长度得到每个周期的流量。与现有技术相比，本发明专利技术具有一般性强、拓展性好、适用性广等优点。

【技术实现步骤摘要】
一种基于抽样轨迹数据的交叉口到达率估计方法
本专利技术涉及城市交通信息领域，尤其是涉及一种基于抽样轨迹数据的交叉口到达率估计方法。
技术介绍
在城市信控交叉口，每个信号周期内通过的流量对交通状态估计和信号控制优化具有重要作用，现有的交通检测主要是通过以线圈为代表的固定检测器获取流量数据从而对实际到达流量进行估计，随着车辆定位和车联网技术的发展和普及，实时的轨迹数据逐渐应用于城市交通管理。以上海市为例，当前全市已经基于5万辆出租车和2万辆公交车建立了浮动车系统，每天的数据传输频率为10-30秒；全国最大的车辆共享企业，滴滴出行基于1750万个注册用户的海量数据库每天都会处理多达70TB的GPS轨迹数据，传输频率为1-3秒。轨迹数据一方面传输频率比传统线圈检测数据(一般为10-60秒的传输频率)要小得多，能够捕捉到更准确的车流运行信息；另一方面，轨迹数据的应用空间范围没有限制，更适用于路网层面长期宏观的检测需求，在交通检测和管理系统的应用具有良好前景。传统流量估计的研究主要是基于定点检测器实现，预测方法包括滤波算法等数理统计方法和基本图、元胞传输模型等模型解析法。基于定点检测器的流量估计方法主要存在设备布设和维护成本高、上传频率低的问题，而且得到的速度、流量等检测指标是基于检测步长的平均值，不能体现交通流的波动性和随机性。数理统计方法一般是历史检测数据实现，而且模型参数大多需要实证数据标定；基于基本图的方法同样要基于历史数据拟合交通流参数的关系，一般性较差；而元胞传输模型等模型解析的方法都存在特定假设，对交通流参数之间的关系进行了抽象，例如模拟到达分布、同质化假设等等，虽然考虑了交通流的随机特性，但对于交通流参数量化关系的假设因地而异，适用范围有限。利用轨迹做流量估计的研究出现较晚，现有国内外的基于轨迹数据进行流量估计的研究同样可以分为基于概率论和基于交通波理论两类方法。虽然轨迹数据具有精度高实时性强的优势，但在实际应用中由于捕获率低存在数据稀疏、预测误差大的问题。针对这个问题，基于概率论的方法通常是假设车辆到达服从某种分布从而利用抽样轨迹数据对分布参数进行估计；而基于交通波的方法则是轨迹启停的关键点对排队进行估计，结合流密速的关系标定得到周期流量。部分研究则通过抽样轨迹的排队位置分布和样本的随机分布对抽样率进行估计从而间接得到流量。类似地，现有的利用轨迹数据的流量估计方法的估计精度和所采用的车辆到达分布假设有较大关联，对交通需求和应用场景较为敏感。因此，建立一个一般性和适用性较强的周期流量估计方法对于轨迹数据的进一步应用推广具有重要的现实意义。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于抽样轨迹数据的交叉口到达率估计方法。本专利技术的目的可以通过以下技术方案来实现：一种基于抽样轨迹数据的交叉口到达率估计方法，包括以下步骤：1)获取抽样车辆轨迹数据，并将排队轨迹间的到达率预处理成到初始到达率矩阵；2)根据初始到达率矩阵，通过奇异值阈值算法对初始到达率矩阵中的空值进行填充得到填充后的到达率矩阵；3)对填充后的到达率矩阵进行修正和修补后得到最终的到达率矩阵，对每个周期的到达率向量进行累加乘以单位时间间隔的长度得到每个周期的流量。所述的步骤1)具体包括以下步骤：11)将通过交叉口进口道的抽样轨迹数据的位置信息预处理成与停车线的相对距离，根据每个轨迹点的速度判断车辆在该点的运行状态是否停车，从而得到抽样轨迹中的排队车辆加入排队的关键点，对每个周期内相邻两条排队轨迹之间的间隔，计算该间隔的到达率，则有：其中，j为周期编号，k为轨迹编号，Kj为周期j的抽样轨迹数，λk,j为周期j第k-1条轨迹与第k条轨迹的到达间隔之间的到达率，Sstop-bar为进口道停车线的位置，Sk,Sk-1分别为轨迹k和k-1加入排队的位置，Tk,Tk-1分别为轨迹k和k-1加入排队的时刻；12)获取每个周期的到达率向量定义一个单位时间间隔将所有周期的到达率向量标准化，则每个单位时间间隔的到达率的计算式为：其中，上标0表示初始单位到达率，为周期j单位时间间隔i的初始到达率，Ki,j为周期j单位时间间隔i内的排队轨迹数，Δ为单位时间间隔的时长，Tk,i为单位时间间隔i和轨迹k-1和k的到达间隔重叠的时间；13)将排队轨迹间的到达率预处理成到初始到达率矩阵，则有：其中，为初始到达率矩阵，C为时段内的周期长度，J为研究时段内的周期数，I为一个信号周期内的单位间隔数，且所述的步骤12)中，每个周期的到达率向量的表达式为：所述的步骤12)中，单位时间间隔i和轨迹k-1和k的到达间隔重叠的时间Tk,i的计算式为：其中，TΔ,i,TΔ,i+1为单位时间间隔i和i+1的起始时刻。所述的步骤2)中，由于抽样轨迹中的非排队车辆无法反映非停车车辆到达区间的到达率，因此，初始的到达率矩阵中最后一条排队轨迹之后的单位到达率为空值。所述的步骤2)具体包括以下步骤：21)采用核范数替代矩阵的秩，则到达率矩阵的空值填充问题表示为：其中，||||*为矩阵的核范数，ΛJ×I为估计的到达率矩阵，即填充后的到达率矩阵，PΩ(·)表示初始矩阵中已知的元素，即已知的单位到达率；22)采用奇异值阈值算法求解得到的序列收敛于空值填充问题的一个近似问题，则有：其中，τ为比较阈值项，Λ为估计的到达率矩阵ΛJ×I。所述的步骤3)中，利用历史抽样轨迹中排队轨迹和非排队轨迹的流量比对填充后的非停车间隔到达率进行修正，并对没有抽样轨迹的周期采用近邻周期的到达率均值进行修补，得到最终的到达率矩阵，对每个周期的到达率向量进行累加乘以单位时间间隔长度得到每个周期的流量，则有：若周期长度不能被单位时间间隔整除，则周期流量为：所述的排队轨迹和非排队轨迹的流量比Rq的表达式为：其中，qnon-stopped为历史抽样轨迹中非排队轨迹的数量，qqueued为历史抽样轨迹中排队轨迹的数量。对填充后的非停车间隔到达率进行修正具体为对非排队车辆的到达率进行比例缩放，则有：其中，为修正后的周期j内非排队到达时间间隔i的到达率，为矩阵填充后周期j内非排队到达时间间隔i的到达率估计值，为矩阵填充后周期j内排队到达时间间隔i的到达率估计值，Δcr为标定的周期内排队车流和非排队车流的分界间隔的编号。对没有抽样轨迹的周期采用近邻周期的到达率均值进行修补，具体为：其中，为空值周期j内单位时间间隔i的到达率修补值。与现有技术相比，本专利技术具有以下优点：一、一般性强：本专利技术不需要对交叉口的车辆到达进行假设，也不需要历史数据用于参数标定，通过单纯的轨迹数据驱动挖掘周期之间和周期内车辆到达的时间关联关系，具有较强的嫁接性。二、拓展性好：本方法以抽样轨迹数据为唯一的数据输入本文档来自技高网...

【技术保护点】
1.一种基于抽样轨迹数据的交叉口到达率估计方法，其特征在于，包括以下步骤：/n1)获取抽样车辆轨迹数据，并将排队轨迹间的到达率预处理成到初始到达率矩阵；/n2)根据初始到达率矩阵，通过奇异值阈值算法对初始到达率矩阵中的空值进行填充得到填充后的到达率矩阵；/n3)对填充后的到达率矩阵进行修正和修补后得到最终的到达率矩阵，对每个周期的到达率向量进行累加乘以单位时间间隔的长度得到每个周期的流量。/n

【技术特征摘要】
1.一种基于抽样轨迹数据的交叉口到达率估计方法，其特征在于，包括以下步骤：
1)获取抽样车辆轨迹数据，并将排队轨迹间的到达率预处理成到初始到达率矩阵；
2)根据初始到达率矩阵，通过奇异值阈值算法对初始到达率矩阵中的空值进行填充得到填充后的到达率矩阵；
3)对填充后的到达率矩阵进行修正和修补后得到最终的到达率矩阵，对每个周期的到达率向量进行累加乘以单位时间间隔的长度得到每个周期的流量。


2.根据权利要求1所述的一种基于抽样轨迹数据的交叉口到达率估计方法，其特征在于，所述的步骤1)具体包括以下步骤：
11)将通过交叉口进口道的抽样轨迹数据的位置信息预处理成与停车线的相对距离，根据每个轨迹点的速度判断车辆在该点的运行状态是否停车，从而得到抽样轨迹中的排队车辆加入排队的关键点，对每个周期内相邻两条排队轨迹之间的间隔，计算该间隔的到达率，则有：



其中，j为周期编号，k为轨迹编号，Kj为周期j的抽样轨迹数，λk，j为周期j第k-1条轨迹与第k条轨迹的到达间隔之间的到达率，Sstop-bar为进口道停车线的位置，Sk，Sk-1分别为轨迹k和k-1加入排队的位置，Tk，Tk-1分别为轨迹k和k-1加入排队的时刻；
12)获取每个周期的到达率向量定义一个单位时间间隔将所有周期的到达率向量标准化，则每个单位时间间隔的到达率的计算式为：



其中，上标0表示初始单位到达率，为周期j单位时间间隔i的初始到达率，Ki，j为周期j单位时间间隔i内的排队轨迹数，Δ为单位时间间隔的时长，Tk，i为单位时间间隔i和轨迹k-1和k的到达间隔重叠的时间；
13)将排队轨迹间的到达率预处理成到初始到达率矩阵，则有：



其中，为初始到达率矩阵，C为时段内的周期长度，J为研究时段内的周期数，I为一个信号周期内的单位间隔数，且


3.根据权利要求2所述的一种基于抽样轨迹数据的交叉口到达率估计方法，其特征在于，所述的步骤12)中，每个周期的到达率向量的表达式为：





4.根据权利要求2所述的一种基于抽样轨迹数据的交叉口到达率估计方法，其特征在于，所述的步骤12)中，单位时间间隔i和轨迹k-1和k的到达间隔重叠的时间Tk，i的计算式为：



其中，TΔ，i，TΔ，i+1为单位时间间隔i和i+1的起始时刻。


5.根据权利要求1所述的一种基于抽样轨迹数据的交叉口到达率估计...

【专利技术属性】
技术研发人员：唐克双，姚佳蓉，谈超鹏，孙剑，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31