考虑出租车运营状态下的城市道路行程时间分布估算方法技术

一种考虑出租车运营状态下的城市道路行程时间分布估算方法，属于城市交通规划及管理的技术领域。根据出租车不同运营状态分别估算路径行程时间分布。在估算路径行程时间分布时，路网中相邻路段并不是独立的，本发明专利技术加入马尔科夫模型来描述各相邻路段行程时间分布之间的相关性，以提高了估算结果的科学性和准确性。本发明专利技术根据两种不同运营状态下车辆数比例大小设定权重，得到最终路径行程时间分布。出租车驾驶员在空车和载客两种运营状态下的驾驶行为会有所差异，直接使用出租车数据估算的行程时间与真实值之间必然存在差异。通过采用深圳市的数据对所提出模型进行计算，发现考虑了运营状态之后，计算得到的行程时间分布函数更加精确。

【技术实现步骤摘要】

本专利技术属于城市交通规划及管理的
，涉及城市道路行程时间估计和ITS智能交通系统领域，特别适用于基于出租车数据对城市路径行程时间分布的估算。
技术介绍
近年来，随着交通拥堵的日益严重和人们对时间价值的重视，路径行程时间分布成为出行者最关心的问题之一。目前，最广泛使用的是基于出租车数据的行程时间估算，因为相比其他数据来源，出租车具有覆盖范围广，实时性高，收集数据成本低等优点。JeneliusE在《Traveltimeestimationforurbanroadnetworksusinglowfrequencyprobevehicledata》中提出了一种用低频GPS浮动车观测的车辆运行轨迹估计城市路网出行时间的统计学方法，把路段转向特征和出行条件等作为解释变量，刻画了速度变异性的时空分布背后的影响因素，这对于交通预测十分实用。Chen在《DynamicFreewayTravelTimePredictionUsingProbeVehicleData:Link-basedvs.Path-based》中利用浮动车数据，分别对基于路段和路径的行程时间估计方法进行比较，然后探讨了浮动车所占比例对于估计精度影响，提出通过卡尔曼滤波进行基于浮动车数据的路段行程时间估计，并进行仿真验证。关于这类研究方法，目前存在着两个问题：一是将各路段行程时间分布简单地叠加作为路径行程时间分布，会增加路径行程时间估算的误差。二是，出租车驾驶员在空车和载客两种运营状态下的驾驶行为会有差异，所以这种驾驶行为的差异必然导致直接使用出租车数据估算行程时间会与真实值之间存在差异。本专利技术在此基础上，提出一种基于出租车数据更精确的路径行程时间估算方法，并充分考虑出租车运营状态对路径行程时间估算的影响，从而提出更精确的改进方法。
技术实现思路
本专利技术要解决的技术问题是先利用各路段出租车GPS数据得到各路段行程时间分布，然后在此基础上构建模型估算出租车在某一运营状态下路径行程时间分布，最后根据两种不同运营状态下车辆数比例大小，设定权重得到最终路径行程时间分布。本专利技术的技术方案：一种考虑出租车运营状态下的城市道路行程时间分布估算方法，步骤如下：(1)路段行程时间分布根据所要研究的路段和时段，对收集到的出租车GPS数据进行筛选、校正和匹配，得到各个路段含有车牌号、精度、纬度、速度和载客状态字段的出租车GPS数据，记为表a；根据表a中出租车GPS数据，计算同一车牌号的出租车平均速度，再根据各出租车平均速度，通过公式(1)计算同一车牌号出租车的行程时间率：i路段单位距离行程时间，也可以称为行程时间率，单位s/m；vi：i路段某一车辆平均速度；新建各个路段含有车牌号、精度、纬度、行程时间率和载客状态字段的出租车数据表，记为表b。按照空车和载客(0和1)对表进行分类，得到载客状态为0的表c和载客状态1的表d。然后用聚类算法，对表c和表d中的行程时间率数据进行聚类，得到两种运营状态下的多种行驶状态数据。最后，分别对同一行驶状态下的出租车行程时间率数据进行拟合，得到各运营状态下、各行驶状态下各路段行程时间率概率密度分布函数。(2)各运营状态下路径行程时间分布模型(2.1)马尔科夫链构建车辆在当前路段上的行程时间率只决定于其上游路段，而与之前路段的行程时间率无关，因此当前路段上的交通空间变化情况与马尔科夫链的结构相类似，路径上各路段行程时间率具有典型的马尔可夫性质，可以使用马尔科夫链对各路段行程时间率之间的相关性进行建模。定义当前路段的各出租车行程时间率集中分布区间为马尔科夫链的状态，为路段linkl的边界值集合，ml为linkl状态个数，为路段linkl+1的边界值集合，nl为linkl+1状态个数；因此，linkl的第一个状态表示为最后一个状态表示为其中，τl表示linkl上各出租车行程时间率；定义路段link1的各行驶状态概率分布为马尔科夫链的初始状态概率分布：π=π1π2...πm1=N(1)Σi=1m1N(i)...N(m1)Σi=1m1N(i)---(2)]]>其中，N(i)代表路段link1的状态i下，例如link1的行程时间率处于内的数据点的数量。定义两个连续路段的行程时间率分布为马尔科夫链的状态转移概率，则一般状态概率转移矩阵P表示为：pi,j＝Pr(Sl+1＝j|Sl＝i)(4)其中，Sl表示路段linkl的状态；N(i,j)表示在路段linkl上处于i状态且在路段linkl+1上处于j状态的数据点的数量。中间路段linkl与其下游路段linkl-1之间所能匹配上的车辆和中间路段linkl与其下游路段linkl+1之间所能匹配上的车辆可能不同，对于中间路段而言，当其作为上游路段或下游路段时，分类情况会存在差异；根据这种差异分为两种情形：(2.2)情形1任意中间路段linkl在其作为上游路段或下游路段时，行驶状态分类完全一致。车辆通过路径时处于种不同状态之中的任意一种状态，每一种状态都称为马尔科夫路径。对于给定的马尔科夫路径，所有路段各状态之间的转移概率之积为马尔科夫路径的发生概率：Pr{S1=i1,S2=i2,...,Sk=ik本文档来自技高网...

【技术保护点】
一种考虑出租车运营状态下的城市道路行程时间分布估算方法，其特征在于，步骤如下：(1)路段行程时间分布根据所要研究的路段和时段，对收集到的出租车GPS数据进行筛选、校正和匹配，得到各个路段含有车牌号、精度、纬度、速度和载客状态字段的出租车GPS数据；根据出租车GPS数据，计算同一车牌号的出租车平均速度，再根据各出租车平均速度，通过公式(1)计算同一车牌号出租车的行程时间率：i路段单位距离行程时间，称为行程时间率，单位s/m；vi：i路段某一车辆平均速度；建立各个路段含有车牌号、精度、纬度、行程时间率和载客状态字段的出租车数据表；按照空车0和载客1对出租车数据表进行分类，得到载客状态为0的出租车数据表和载客状态为1的出租车数据表；然后用聚类算法，对载客状态为0的出租车数据表和载客状态为1的出租车数据表中的行程时间率进行聚类，得到两种运营状态下的多种行驶状态数据；最后，分别对同一行驶状态下的出租车行程时间率进行拟合，得到各运营状态下、各行驶状态下各路段行程时间率概率密度分布函数；(2)各运营状态下路径行程时间分布模型(2.1)马尔科夫链构建定义当前路段的各出租车行程时间率集中分布区间为马尔科夫链的状态，为路段link l的边界值集合，ml为link l状态个数，为路段link l+1的边界值集合，nl为link l+1状态个数；因此，link l的第一个状态表示为最后一个状态表示为其中，τl表示link l上各出租车行程时间率；定义路段link 1的各行驶状态概率分布为马尔科夫链的初始状态概率分布：π=π1π2...πm1=N(1)Σi=1m1N(i)...N(m1)Σi=1m1N(i)---(2)]]>其中，N(i)代表路段link1的状态i下，link 1的行程时间率处于内的数据点的数量；定义两个连续路段的行程时间率分布为马尔科夫链的状态转移概率，则一般状态概率转移矩阵P表示为：pi,j＝Pr(Sl+1＝j|Sl＝i)   (4)其中，Sl表示路段link l的状态；N(i,j)表示在路段link l上处于i状态且在路段link l+1上处于j状态的数据点的数量；中间路段link l与其下游路段link l‑1之间所能匹配上的车辆和中间路段linkl与其下游路段link l+1之间所能匹配上的车辆可能不同，对于中间路段，当其作为上游路段或下游路段时，分类情况会存在差异；根据差异分为两种情形：(2.2)情形1任意中间路段link l，在其作为上游路段或下游路段时，行驶状态分类完全一致；车辆通过路径时处于l＝1，2，…，k种不同状态之中的任意一种状态，每一种状态都称为马尔科夫路径；对于给定的马尔科夫路径，所有路段各状态之间的转移概率之积为马尔科夫路径的发生概率：Pr{S1=i1,S2=i2,...,Sk=ik}=πi1pi1,i2S1,S2pi2,i3S2,S3...pik-1,ikSk-1,Sk---(5)]]>假设同一路段上各状态之间的行程时间率分布是条件独立的，某一马尔科夫路径的路径行程时间率分布直接用卷积运算得到：TTRD{S1=i1,S2=i2,...,Sk=ik}=TTD(i1S1)*TTD(i2S2)*...*TTD(ikSk)---(6)]]>式中，运算符(*)表示卷积运算，具体的运算规则表示为：(2.3)情形2任意中间路段link l，在其作为上游路段和作为下游路段时，各状态分类不一致的情况；对马尔科夫链状态进行修订，引入过渡路段link’l和link”l，l＝2，3，…，k‑1；其中，link’l的所有状态均与路段link l‑1和路段link l中作为下游路段的link l相等，link”l的所有状态均与路段link l和路段link l+1中作为上游路段的link l相等；车辆在路径上的运行过程的新路段序列表示为link 1、…、linkl‑1、link’l、link”l、link l+1、…、link k；令为过渡路段link’l的边界值集合，ml为link’l状态个数；为过渡路段link”l的边界值集合，nl为link”l状态个数；τl表示link l上出租车行程时间率；那么，过渡路段link’l与过渡路段link”l之间的状态转移概率矩阵为新构建的马尔科夫链形成条马尔科夫路径；对于给定的新马尔科夫路径，包含过渡路段link’l和link”l的所有路段各状态之间的转移概率之积为马尔科夫路径的发生概率：同理，引入过路路段link’l和link”l，利用卷积运算得到某一新马尔科夫路径的路径行程时间率分布：(2.4)路径行程时间分布叠加将各马尔科夫路径行程时间率分布以及其发生概率根据马尔科夫链进行叠加，得到通过某一路径行程时间率分 布：TTRDroute=&...

【技术特征摘要】
1.一种考虑出租车运营状态下的城市道路行程时间分布估算方法，其特征在于，步骤如下：(1)路段行程时间分布根据所要研究的路段和时段，对收集到的出租车GPS数据进行筛选、校正和匹配，得到各个路段含有车牌号、精度、纬度、速度和载客状态字段的出租车GPS数据；根据出租车GPS数据，计算同一车牌号的出租车平均速度，再根据各出租车平均速度，通过公式(1)计算同一车牌号出租车的行程时间率：i路段单位距离行程时间，称为行程时间率，单位s/m；vi：i路段某一车辆平均速度；建立各个路段含有车牌号、精度、纬度、行程时间率和载客状态字段的出租车数据表；按照空车0和载客1对出租车数据表进行分类，得到载客状态为0的出租车数据表和载客状态为1的出租车数据表；然后用聚类算法，对载客状态为0的出租车数据表和载客状态为1的出租车数据表中的行程时间率进行聚类，得到两种运营状态下的多种行驶状态数据；最后，分别对同一行驶状态下的出租车行程时间率进行拟合，得到各运营状态下、各行驶状态下各路段行程时间率概率密度分布函数；(2)各运营状态下路径行程时间分布模型(2.1)马尔科夫链构建定义当前路段的各出租车行程时间率集中分布区间为马尔科夫链的状态，为路段linkl的边界值集合，ml为linkl状态个数，为路段linkl+1的边界值集合，nl为linkl+1状态个数；因此，linkl的第一个状态表示为最后一个...

【专利技术属性】
技术研发人员：钟绍鹏，隽海民，刘锴，王全志，王坤，邹延权，张路，唐天力，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21