一种基于浮动车OD数据的卡口传感器部署方法技术

本发明专利技术涉及一种基于浮动车OD数据的卡口传感器部署方法，主要包括以下步骤：(1)读取浮动车历史数据，进行预处理得到浮动车OD数据集X；(2)计算浮动车OD数据集X中的任意两点的距离，得到距离矩阵D＝(dij)n×n；(3)对浮动车OD数据集X进行基于密度和参考距离的聚类算法分析；(4)对步骤(3)得到的每个簇类数据集Xk进行第二次聚类算法分析并作去噪处理得到城市出行密集区；(5)对城市出行密集区进行地图匹配并编号；(6)根据城市交通干道信息确定卡口传感器的部署位置。本发明专利技术方法可行性强，计算量降低且运算速度快，可以为城市卡口传感器部署提供实践指导方案。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种基于浮动车OD数据的卡口传感器部署方法，主要包括以下步骤：(1)读取浮动车历史数据，进行预处理得到浮动车OD数据集X；(2)计算浮动车OD数据集X中的任意两点的距离，得到距离矩阵D＝(dij)n×n；(3)对浮动车OD数据集X进行基于密度和参考距离的聚类算法分析；(4)对步骤(3)得到的每个簇类数据集Xk进行第二次聚类算法分析并作去噪处理得到城市出行密集区；(5)对城市出行密集区进行地图匹配并编号；(6)根据城市交通干道信息确定卡口传感器的部署位置。本专利技术方法可行性强，计算量降低且运算速度快，可以为城市卡口传感器部署提供实践指导方案。【专利说明】-种基于淳动车0D数据的卡口传感器部署方法
本专利技术涉及智能交通领域，尤其涉及一种基于浮动车0D数据的卡口传感器部署 方法。
技术介绍
伴随着微电子技术、计算机技术、数字通信技术、网络技术以及人工智能等各种高 新技术的不断发展，全球智能交通技术（ITS)得到迅速发展，现代交通传感器在交通控制 和管理上应用得到不断发展和升级。依靠从传感器获得的交通流数据对中心商业区、交通 主干线和高速公路制定交通管理策略已成为常见课题。 近年来，卡口传感器作为一种功能强大的新型传感器，在我国华东、华南部分省市 的部署力度不断加强。卡口监控系统集高清晰摄像、图像处理、视频监控、图像识别、通信、 自动控制等多项技术为一体，为打击肇事逃逸、侦破机动车盗抢以及其它涉案车辆提供准 确的证据和信息，为维护交通治安、加强公安交通管理提供有力保障。然而，国内已有的卡 口系统几乎都是各自相对独立设置的卡口点，彼此之间并不相互关联。卡口系统建设过程 中往往存在调研论证不够充分深入、方案不够周详、布点不尽合理、可操作性较差等问题， 大大地削弱了卡口系统应有作用的有效发挥，无法形成有效的监控网络。 由于经济的发展，城市面积不断扩大，道路不断增多，城市路网的密度也持续增 大，如何在路网中合理部署卡口传感器对于卡口系统的建设非常重要。目前，传感器部署方 面的研究仍处于学术探讨阶段，还未形成较完善的理论体系。现有的方法来主要集中在利 用能耗和覆盖率为目标函数，利用优化算法设计无线传感器节点部署，例如专利《一种传感 器网络的节点部署方法和节点》、专利《一种无线传感器网络的节点定位方法》，文献《基于 覆盖率的传感器优化部署算法》等。研究人员往往基于理论研究，在假设的理想环境下基于 目标函数给出一种最优的节点部署方法，而很少有可应用的实际性方案。另外，根据交通数 据信息设计传感器部署方案研究还未涉及。 浮动车数据是近年来ITS中所获取的最重要交通数据之一，其输出结果不仅能为 相关部门提供道路实时交通状况信息，，而且可为道路建设规划、拥堵缓解等各项工作提 供定量数据分析基础。其中，浮动车0D(起屹点）数据，代表人们出行的起点和终点，反映 了城市交通中的出行密集程度。为此设计一种基于浮动车0D数据的卡口传感器部署方法 是有必要的。
技术实现思路
本专利技术为克服上述的不足之处，目的在于提供一种基于浮动车0D数据的卡口传 感器部署方法，通过对浮动车0D数据的获取，计算距离矩阵，进行聚类分析得到城市出行 密集区，并进行地图匹配，进而实现在城市的交通干道信息的基础上确定卡口传感器的部 署方法，以实现卡口系统的有效监控；该方法可行性强，计算量降低且运算速度快，为城市 卡口传感器部署提供了实践指导方案。 本专利技术是通过以下技术方案达到上述目的：一种基于浮动车0D数据的卡口传感 器部署方法，包括如下步骤： (1)读取浮动车历史数据，进行预处理得到浮动车0D数据集X ; (2)计算浮动车0D数据集X中的任意两点的距离，得到距离矩阵D = (φρηχη ; (3)对浮动车0D数据集X进行基于密度和参考距离的聚类算法分析； (4)对步骤（3)得到的每个簇类数据集Xk进行第二次聚类算法分析并作去噪处理 得到城市出行密集区； (5)对城市出行密集区进行地图匹配并编号； (6)根据城市交通干道信息确定卡口传感器的部署位置。 作为优选，所述步骤（1)浮动车历史数据中包括六种数据项：日期数据项、车辆编 号数据项、时间数据项、经度数据项、纬度数据项、空重车数据项。 作为优选，所述步骤（1)预处理得到浮动车0D数据集X的方法如下： (1)数据判别规则的设计：判断每条记录是否包含浮动车数据应有的六个数据 项，若不包含则不做保存直接读取下一条；若包含则进入各数据项的判别； (2)数据的筛选：判断浮动车载客状态持续时间，删除不正常载客时间的浮动车 数据；保留车辆状态从0变化到1和车辆状态从1变化到0的数据，删除其他数据（状态从 0变化到0或者状态从1变化到1); (3)整理筛选后的浮动车数据，提取浮动车经纬度数据并存储为浮动车0D数据集 X ;记X的元素为Xi，其中i = 1，2,…，η代表数据ID ;Xi = (Xi，yi)，其中Xi代表i点经度， yi代表i点纬度。 作为优选，所述的各数据项的判别包括如下规则： 1)日期/时间数据项清洗规则：a.判断数据项中是否为空值；b.判断数据项中是 否包含非数值型字符；c.判断数据项中的数值是否为所设定的日期/时间范围内； 2)车辆编号数据项清洗规则：a.判断数据项中是否为空值；b.判断数据项中是否 包含非数值型字符；c.判断数据项中的车辆编号数值是否在该城市GPS定位的浮动车数量 范围内； 3)经度/纬度数据项清洗规则：a.判断数据项中是否为空值；b.判断数据项中是 否包含非数值型字符；c.判断数据项中的经度数值是否在该城市经度/纬度范围内； 4)空重车数据项清洗规则：a.判断数据项中是否为空值；b.判断数据项中是否包 含非数值型字符；c.判断数据项中数值是否为0或为1 (0表示空车，1表示载客）。 作为优选，所述的步骤（2)计算浮动车0D数据集X中的任意两点的距离依据如下 公式： C = sin (MLatA)*sin (MLatB)*cos (MLonA-MLonB)+cos (MLatA)*cos (MLatB) dist(A，B) =R*Arccos(C)*3i/180 其中dist (A, B)代表点A到点B之间的距离，MLonA, MLatA分别为点A的经度坐 标和纬度坐标，MLonB，MLatB分别为点B的经度坐标和纬度坐标，R为地球的平均半径。 作为优选，所述的步骤（3)基于密度和参考距离的聚类算法分析包括如下步骤： (1)计算密度： 点i的密度P i的计算公式为 【权利要求】1. 一种基于浮动车OD数据的卡口传感器部署方法，其特征在于包括如下步骤： (1) 读取浮动车历史数据，进行预处理得到浮动车OD数据集X; (2) 计算浮动车OD数据集X中的任意两点的距离，得到距离矩阵D=(Clij)nxn; (3) 对浮动车OD数据集X进行基于密度和参考距离的聚类算法分析； (4) 对步骤（3)得到的每个簇类数据集Xk进行第二次聚类算法分析并作去噪处理得到 城市出行密集区； (5) 对城市出行密集区进行地图匹配并编号；本文档来自技高网...

【技术保护点】
一种基于浮动车OD数据的卡口传感器部署方法，其特征在于包括如下步骤：(1)读取浮动车历史数据，进行预处理得到浮动车OD数据集X；(2)计算浮动车OD数据集X中的任意两点的距离，得到距离矩阵D＝(dij)n×n；(3)对浮动车OD数据集X进行基于密度和参考距离的聚类算法分析；(4)对步骤(3)得到的每个簇类数据集Xk进行第二次聚类算法分析并作去噪处理得到城市出行密集区；(5)对城市出行密集区进行地图匹配并编号；(6)根据城市交通干道信息确定卡口传感器的部署位置。

【技术特征摘要】

【专利技术属性】
技术研发人员：赵贝贝，李建元，王兴斌，陈涛，李丹，王浩，靳明豪，
申请(专利权)人：银江股份有限公司，
类型：发明
国别省市：浙江;33