一种基于数据融合的车辆时空轨迹重构方法技术

本发明专利技术公开了一种基于数据融合的车辆时空轨迹重构方法，方法包括：(1)浮动车时空轨迹重构算法，利用卡口AVI数据和GPS数据的关联性，简化地图匹配流程，基于分段三次Hermit插值法，对已知轨迹的缺失或未知的轨迹段进行修复，得到完整的浮动车时空轨迹曲线，并从中提取交通流基本图参数，作为全时空车辆轨迹重构算法的输入。(2)全时空车辆轨迹重构算法，在Newell冲击波模型中引入车辆顺序变量，用车辆顺序的变化表征车辆的超车行为，推导其与空间、时间和累计车辆数的数学关系，将轨迹重构问题转化为车辆顺序的求解问题，实现目标时段内路段上所有车辆的时空轨迹重构，有助于准确把握道路交通运行状态，实时而精准的进行交通管理与控制。管理与控制。管理与控制。

【技术实现步骤摘要】
一种基于数据融合的车辆时空轨迹重构方法


[0001]本专利技术涉及交通规划与管理领域，具体涉及一种基于数据融合的城市快速路车辆时空轨迹重构方法。

技术介绍

[0002]根据来源划分，当前主流的交通数据可以分为传统的固定位置检测数据和移动检测数据两大类。固定位置检测数据以视频监测卡口的自动车辆识别数据(AVI)为主，移动检测数据包含浮动车GPS数据、手机信令数据等。然而，由于资金限制，卡口视频设备安装位置十分有限，大多数安装在交叉口上下游位置，并且由于环境和设备本身的影响，采集数据会存在较多的错误和缺失。浮动车GPS数据也受限于设备和环境遮挡的影响，检测数据存在采样率低、采样时间间隔不统一、轨迹漂移和缺失问题。此外，由于交通数据行业分散，不同源交通数据监管缺乏共享机制与统一标准，导致了“交通信息孤岛”现象，单一数据源的挖掘分析效率低下，结果的实际应用价值不大。现有研究中大多数针对单一交通数据源进行轨迹进行挖掘分析，采用数据融合方法的研究较少，且结果有待商榷。因此，如何将异源数据有效融合，提高数据质量和使用效率，进一步深入挖掘潜在的交通信息，是一个亟待解决的问题。
[0003]车辆轨迹重构问题可以分为两类。第一类是针对已知部分轨迹的车辆轨迹重构，可以描述为：基于离散或不完整的车辆轨迹，利用有效的插值或递推算法对缺失或未知的轨迹段进行修复，从而恢复出完整平滑的车辆时空轨迹曲线。第二类是针对未知轨迹车辆的轨迹重构，可以描述为：基于已知的完整车辆轨迹，利用交通模型原理或数据驱动方法推断出未知轨迹车辆的时空轨迹。尽管移动检测数据可以在短时间间隔内提供空间上连续的信息，但更提供该类数据的车辆到道路交通流中渗透率较低，只占整个交通流的一小部分，重构出全部车辆的时空轨迹仍然是一个巨大挑战。典型的轨迹重构方法是利用卡口AVI数据或固定线圈检测数据对车辆轨迹进行估计，重构出的车辆轨迹的准确性与卡口或线圈检测器的布设密度存在较大的关联性。而随着交通数据采集技术的多元化发展，近年来许多学者尝试采用多源数据融合的方法对车辆轨迹进行重构，有效克服了单一数据源低采样率和估计精度不高等缺陷，这也成为轨迹重构的重要研究方向之一。
[0004]针对上述问题，面向我国城市道路交通状态评估与优化的实际需求，本专利技术以城市快速路为研究对象，提出一种基于数据融合的城市快速路车辆时空轨迹重构方法。

技术实现思路

[0005]本专利技术目的：在于提供一种基于数据融合的车辆时空轨迹重构方法，利用路网GIS数据、浮动车GPS数据和视频卡口AVI数据，以城市快速路为研究范围，在路段层面重建车辆的时空轨迹图谱，从而把握准确的交通流状态，为交通管控和决策提供参考。
[0006]为实现以上功能，本专利技术设计一种基于数据融合的车辆时空轨迹重构方法，针对目标路段上各浮动车，执行以下步骤1
‑
步骤4，针对目标路段上所有车辆，执行步骤5，获得
目标路段上所有车辆的行驶轨迹，进一步构建考虑超车行为的车辆时空轨迹重构模型，完成目标路段的交通管控：
[0007]步骤1：采集目标路段各卡口的AVI数据，以及目标路段上各浮动车的GPS数据，分别构建AVI数据集、GPS数据集，以浮动车的车牌号为标识，分别从GPS数据集中提取各浮动车的车牌号所对应的轨迹点，并按照每辆浮动车的车牌号所对应的轨迹点的采样时间排序，获得每辆浮动车离散的轨迹点序列；
[0008]步骤2：基于地图匹配方法中的几何匹配法，利用AVI数据和GPS数据中的关联特征，确定各浮动车的轨迹点所对应的匹配道路，完成浮动车轨迹的修正；
[0009]根据球面距离计算公式计算各浮动车的轨迹点之间的距离，完成浮动车轨迹的时空坐标转换，获得离散的浮动车时空轨迹；
[0010]步骤3：基于分段三次hermit插值法，对步骤2所获得的浮动车时空轨迹的缺失段进行插值，获得连续且平滑的浮动车时空轨迹；
[0011]步骤4：基于三角型基本图模型，并基于步骤3所获得的浮动车时空轨迹，提取交通流参数，交通流参数包括自由流速度、交通流激波波速、阻塞密度；
[0012]步骤5：在LWR模型和Newell模型中引入车辆顺序变量，用车辆顺序的变化表示车辆的超车行为，通过推导车辆顺序变量与空间、时间、累计车辆数的数学关系，将车辆轨迹重构问题转化为车辆顺序的求解问题，并以各交通流参数为输入、以所有车辆在目标路段上的重构轨迹为输出，构建考虑超车行为的车辆时空轨迹重构模型，并应用车辆时空轨迹重构模型，完成目标路段的交通管控。
[0013]有益效果：相对于现有技术，本专利技术的优点包括：
[0014]本专利技术基于插值算法的浮动车时空轨迹重构方法。研究面向数据融合的GPS轨迹修正方法，利用卡口AVI数据和GPS数据在时间、空间和身份标识等纬度上的关联性简化地图匹配的候选路径集，提高了GPS轨迹修正的效率。通过时空坐标转换得到离散的浮动车时空轨迹。基于分段三次Hermit插值等四种插值方法，结合实际时空轨迹特征进行修正，对浮动车时空轨迹缺失段进行插值补全，可得到所有浮动车的时空轨迹图谱。
[0015]本专利技术提出考虑超车行为的车辆时空轨迹重构算法。基于LWR模型和Newell模型基本原理，研究累计车辆数、空间和时间三者的数学关系，引入车辆顺序变量，用车辆顺序的变化表征车辆的超车行为，推导了车辆空间位置与车辆顺序相对于时间的数学关系式，建立了考虑超车行为的车辆时空轨迹重构模型。提出的轨迹重构算法可以对研究路段和研究时段内所有车辆的时空轨迹进行重建，并进行可视化展示，进一步可提取交通流特征参数，实现交通流状态的精准把控，为交通控制与管理提供参考价值。
附图说明
[0016]图1是基于数据融合的车辆时空轨迹重构方法的流程图；
[0017]图2是根据本专利技术实施例提供的车辆轨迹数据提取的流程图；
[0018]图3(a)是根据本专利技术实施例提供的GPS轨迹修正流程图；
[0019]图3(b)是根据本专利技术实施例提供的时空坐标转换图；
[0020]图4是根据本专利技术实施例提供的交通流激波波速提取过程图
[0021]图5是根据本专利技术实施例提供的全时空轨迹重构场景图；
[0022]图6是根据本专利技术实施例提供的基于分段三次Hermit插值得到的浮动车时空轨迹图；
[0023]图7是根据本专利技术实施例提供的上下游卡口累计流量函数分段线性化结果图；
[0024]图8是根据本专利技术实施例提供的浮动车观测轨迹与重构轨迹对比图；
[0025]图9是根据本专利技术实施例提供的全时空车辆轨迹重构结果图；
[0026]图10是根据本专利技术实施例提供的浮动车轨迹重构三种误差结果分布图；
[0027]图11是根据本专利技术实施例提供的从时空轨迹图提取交通流特征参数示例图。
具体实施方式
[0028]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0029]本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据融合的车辆时空轨迹重构方法，其特征在于，针对目标路段上各浮动车，执行以下步骤1
‑
步骤4，针对目标路段上所有车辆，执行步骤5，获得目标路段上所有车辆的行驶轨迹，进一步构建考虑超车行为的车辆时空轨迹重构模型，完成目标路段的交通管控：步骤1：采集目标路段各卡口的AVI数据，以及目标路段上各浮动车的GPS数据，分别构建AVI数据集、GPS数据集，以浮动车的车牌号为标识，分别从GPS数据集中提取各浮动车的车牌号所对应的轨迹点，并按照每辆浮动车的车牌号所对应的轨迹点的采样时间排序，获得每辆浮动车离散的轨迹点序列；步骤2：基于地图匹配方法中的几何匹配法，利用AVI数据和GPS数据中的关联特征，确定各浮动车的轨迹点所对应的匹配道路，完成浮动车轨迹的修正；根据球面距离计算公式计算各浮动车的轨迹点之间的距离，完成浮动车轨迹的时空坐标转换，获得离散的浮动车时空轨迹；步骤3：基于分段三次hermit插值法，对步骤2所获得的浮动车时空轨迹的缺失段进行插值，获得连续且平滑的浮动车时空轨迹；步骤4：基于三角型基本图模型，并基于步骤3所获得的浮动车时空轨迹，提取交通流参数，交通流参数包括自由流速度、交通流激波波速、阻塞密度；步骤5：在LWR模型和Newell模型中引入车辆顺序变量，用车辆顺序的变化表示车辆的超车行为，通过推导车辆顺序变量与空间、时间、累计车辆数的数学关系，将车辆轨迹重构问题转化为车辆顺序的求解问题，并以各交通流参数为输入、以所有车辆在目标路段上的重构轨迹为输出，构建考虑超车行为的车辆时空轨迹重构模型，并应用车辆时空轨迹重构模型，完成目标路段的交通管控。2.根据权利要求1所述的一种基于数据融合的车辆时空轨迹重构方法，其特征在于，步骤S1中，GPS数据集中包括每辆浮动车的轨迹点，且GPS数据集中每辆浮动车的轨迹点按时间戳排序，以浮动车的车牌号为标识，从GPS数据中提取每辆浮动车的车牌号所对应的轨迹点，并按照每辆浮动车的车牌号所对应的轨迹点的采样时间排序，获得每辆浮动车离散的轨迹点序列P
probe
＝(p1,p2,...,p
i
,
…
,p
n
)，其中p1,p2,
…
,p
i
,
…
,p
n
表示车牌号所对应的各轨迹点，n为轨迹点总数。3.根据权利要求2所述的一种基于数据融合的车辆时空轨迹重构方法，其特征在于，步骤S2的具体步骤如下：步骤2.1：分别取AVI数据集中上游卡口和下游卡口AVI数据的车牌和时间字段，判断浮动车j的车牌号是否在其中且连续通过上游卡口和下游卡口，若是，则认为浮动车j通过目标路段；否则认为浮动车j未通过目标路段，取下一辆浮动车的车牌号重复上述判断过程，直至所有浮动车判断完毕；步骤2.2：通过卡口AVI数据约束确定匹配路段后，针对轨迹点p
i
，基于几何匹配法获得轨迹点p
i
在目标路段的道路中心线上的投影点e
i
，取下一个轨迹点重复上述匹配过程，直至所有轨迹点匹配完毕，则输出修正后的轨迹点序列(e1,e2,
…
,e
i
,
…
,e
n
)，其中e1,e2,
…
,e
i
,
…
,e
n
表示修正后的各轨迹点，n为轨迹点总数；步骤2.3：根据球面距离计算公式，计算轨迹点p
i
、p
j
之间的距离d
ij
如下式：d
ij
≈cos
‑1(sinβ
i
·
sinβ
j
+cosβ
i
·
cosβ
j
·
cosΔα)
·
R
式中，Δα＝α
i
‑
α
j
，其中α
i
、α
j
分别为轨迹点p
i
、p
j
的经度，β
i
、β
j
分别为轨迹点p
i
、p
j
的纬度，R为地球半径；构建以目标路段的上游卡口为起点的离散浮动车时空轨迹序列(t1,x1),(t2,x2),
…
,(t
n
,x
n
)，其中t1,t2,
…
,t
n
、x1,x2,
…
,x
n
分别为轨迹点p1,p2,
…
,p
n
的时间、空间位置。4.根据权利要求3所述的一种基于数据融合的车辆时空轨迹重构方法，其特征在于，步骤S3的具体步骤如下：步骤3.1：根据分段三次Hermit插值法，对于浮动车时空轨迹序列(t1,x1),(t2,x2),...,(t
i
,x
i
),
…
,(t
n
,x
n
)，在区间[t
i
‑1,t
i
]上的插值条件如下式：其中，f(t)为插值函数，其表达式以分段三次多项式表示为如下形式：步骤3.2：构建Hermit插值法的基函数如下式：式中，Φ
′
i
‑1(t)、Φ
′
i
(t)均为三次多项式，称为三次Hermit插值多项式的基函数；步骤3.3：对步骤3.2所构建的Hermit插值法的基函数两边求导：结合步骤3.1所述插值条件，可得下式：记Δ
i
＝t
i
‑
t
i
‑1，基函数的表达式如下式：针对上式两边求导可得下式：其中c和d表达式如下式：求解获得的表达式如下式：
分别求解获得Φ
i
‑1(t)、Φ
i
(t)的表达式如下式：多项式x
i
(t)的表达式如下式：通过求解每个插值区间上的多项式表达式，获得分段三次Hermit多项式表达式X(t)；步骤3....

【专利技术属性】
技术研发人员：任刚，诸赛，邓玥，马景峰，曹奇，李大韦，吴辰旸，晁晓宁，
申请(专利权)人：东南大学，
类型：发明
国别省市：