一种城市交通流不平衡模式挖掘方法及系统技术方案

本发明专利技术公开了一种城市交通流不平衡模式挖掘方法及系统，所述方法包括：首先，建立路网数据与轨迹数据之间的关联模型；进而，提出一种线性扫描统计方法评价交通流不平衡模式的统计显著性；最后，基于模式相似性计算发现流动不平衡模式的动态演化，即频发模式与偶发模式。本发明专利技术采用线段扩展方法寻找网络邻域，避免计算点之间的网络距离，从而提高了算法执行效率。本发明专利技术提出的线性扫描统计方法对不平衡模式的判别结果受扫描窗口大小的影响较小，因此降低了传统方法人为设定阈值的主观性的影响。将本发明专利技术应用于实际交通数据，结合城市功能区与城市设施对不平衡模式的产生原因进行分析，可为城市出行与交通规划提供一定的借鉴。

A method and system for mining urban traffic flow imbalance pattern

The invention discloses a method and a system for mining urban traffic imbalance patterns, which comprises: firstly, establishing an association model between road network data and track data; secondly, proposing a linear scanning statistical method to evaluate the statistical significance of traffic imbalance patterns; and finally, calculating the statistical significance based on pattern similarity. It is found that the dynamic evolution of the flow imbalance pattern is frequent pattern and accidental pattern. The method adopts the line segment expansion method to find the network neighborhood, avoids calculating the network distance between points, and thus improves the algorithm execution efficiency. The linear scanning statistical method proposed by the invention has little influence on the discrimination result of unbalanced mode by the size of the scanning window, thus reducing the subjectivity of the traditional method to set the threshold artificially. The invention is applied to the actual traffic data, and the causes of the unbalanced mode are analyzed in combination with the urban functional areas and urban facilities, which can provide certain reference for urban travel and traffic planning.

【技术实现步骤摘要】
一种城市交通流不平衡模式挖掘方法及系统
本专利技术涉及智能交通领域，更为具体而言，涉及一种城市交通流不平衡模式挖掘方法及系统。
技术介绍
科学合理地检测评价城市道路交通状态不均衡度，有助于交通管理者全面了解道路交通运行状况，深入挖掘潜在道路资源，为均衡分配道路资源，诱导交通流合理运行提供数据支撑与决策依据。交通状态的评估是表征交通流运行拥挤程度，实施交通管理与控制措施的基础。从20世纪80年代至今，城市道路交通状态检测判别技术取得了许多进展，国内外学者提出了大量的表征指标、描述模型与计算方法，如道路服务水平和道路拥挤度/区域交通状态判别模型和区域交通状态时空分层模型等。但是这些指标和模型大多针对单个路段、交叉口或路网交通拥挤程度的检测和判别，而忽视了整个路网交通状态不平衡性、不均衡度的检测和评价。路网交通流的不均衡性，导致不同区域交通拥堵状况迥异，虽然总体交通运行状态相同，但各区域的交通状态差异性较大。因此，为了更好的反映路网交通运行状态，挖掘非拥堵区域的道路资源，更快地疏导拥堵区域交通流，更好地引导城市道路交通资源均衡发展，迫切需要获取城市道路交通状态不均衡度信息，建立城市道路交通状态不均衡度的检测和确定方法。不平衡交通流指在固定的时间间隔内，流入一个区域的交通流量显著高于或显著低于从该区域流出的交通流量。目前大多数挖掘不平衡交通流模式的方法基于欧式空间的假设，使用自定义阈值确定不平衡交通流的显著性。然而，交通流严格受到道路网络的约束，且很难确定一个合适的阈值来评估不平衡模式的显著性。
技术实现思路
为了解决现有技术所存在的缺陷，本专利技术实施方式提供一种城市交通流不平衡模式挖掘方法及系统，能够准确可靠地评估交通流不平衡模式的显著性。一方面，本专利技术实施方式提供一种城市交通流不平衡模式挖掘方法，包括：S1、获取路网数据和轨迹数据；S2、建立所述路网数据与所述轨迹数据之间的关联模型；S3、采用线性扫描统计方法评价交通流不平衡模式的统计显著性；S4、基于模式相似性计算获得所述交通流不平衡模式的动态演化。相应地，本专利技术实施例还提供一种城市交通流不平衡模式挖掘方法及系统，包括：数据获取模块，用于获取路网数据和轨迹数据；关联模型建立模块，用于建立所述路网数据与所述轨迹数据之间的关联模型；统计模块，用于采用线性扫描统计方法评价交通流不平衡模式的统计显著性；计算模块，用于基于模式相似性计算获得所述交通流不平衡模式的动态演化。本专利技术的有益效果如下：本专利技术提出了城市交通流不平衡模式挖掘方法，弥补了现有技术的不足，有助于全面检测和评价城市道路交通运行状况，结合城市功能区与城市设施对不平衡模式的产生原因进行分析，可为城市出行与交通规划提供一定的借鉴；本专利技术在挖掘城市交通流不平衡模式过程中考虑到轨迹数据的特点，添加了道路网络的约束，以网络空间代替欧式空间，可挖掘出欧式空间不平衡模式挖掘方法中会遗漏的模式，使得挖掘结果更加准确可靠；本专利技术采用线段扩展方法寻找网络邻域，避免计算点之间的网络距离，从而提高了算法执行效率；本专利技术提出的线性扫描统计方法对不平衡模式的判别结果受扫描窗口大小的影响较小，因此降低了传统方法人为设定阈值的主观性的影响；本专利技术在挖掘出交通流不平衡模式之后，又基于模式相似性分析交通流不平衡模式的动态演化模式，较已有的不平衡模式挖掘方法又更进一步，可为城市的时空异常探测提供科学指导。附图说明图1是本专利技术实施例提供的城市交通流不平衡模式挖掘方法的流程示意图；图2是本专利技术实施例提供的城市交通流不平衡模式挖掘系统的示意图；图3是本专利技术实施例提供的以P为窗口中心点，以2Z为窗口大小的线性扫描窗口；图4是本专利技术实施例提供的基于密度扩展算法聚类的流程图；图5（a）是本专利技术实施例提供的频发模式的示意图，（b）是本专利技术实施例提供的第一种偶发模式的示意图，（c）是本专利技术实施例提供的第二种偶发模式的示意图。具体实施方式以下结合附图和具体实施方式对本专利技术的各个方面进行详细阐述。其中，众所周知的模块、单元及其相互之间的连接、链接、通信或操作没有示出或未作详细说明。并且，所描述的特征、架构或功能可在一个或一个以上实施方式中以任何方式组合。本领域技术人员应当理解，下述的各种实施方式只用于举例说明，而非用于限制本专利技术的保护范围。还可以容易理解，本文所述和附图所示的各实施方式中的模块或单元或步骤可以按各种不同配置进行组合和设计。图1是根据本专利技术实施例的一种城市交通流不平衡模式挖掘方法的流程示意图。参照图1，所述方法包括：S1：获取路网数据和轨迹数据。S2：建立所述路网数据与所述轨迹数据之间的关联模型。S3：采用线性扫描统计方法评价交通流不平衡模式的统计显著性。S4：基于模式相似性计算获得所述交通流不平衡模式的动态演化，即频发模式与偶发模式。上述步骤S1中的路网数据是从OpenStreetMap获取得到的多级道路矢量数据；轨迹数据是车载GPS每隔一定时间（90秒）采集一次得到的车辆信息数据。本专利技术需首先从原始GPS数据中提取出所有车辆的起点和终点数据，具体提取方法如下：将具有同一车辆标识的载客状态下的GPS点识别为同一组轨迹数据，若整个数据集中共有S个不同的车辆ID，则会得到S组轨迹Ri(i=1,2,…,S)；将上步识别出的每组轨迹数据按照GPS点的采集时间升序排列，从每一组轨迹Ri(i=1,2,…,S)中提取起点和终点的方法为：从Ri的第一个采样点P1开始，判断Ri中P1的后一点P2的采样时间与P1的采样时间间隔是否大于原始数据的时间分辨率（90秒），若不大于，表示P1与P2在同一条载客轨迹上；若大于，表示P1与P2不在同一条载客轨迹上，P1作为一条轨迹的终点，P2作为另一条轨迹的起点；对Ri(i=1,2,…,S)中的每一个点执行上述步骤中的操作，最终得到轨迹中所有的起点和终点数据。上述步骤S2具体包括：将道路网络中的所有线在线的节点处、相交处打断为直线，每条直线表示网络的边，直线的端点为网络结点，从而构建一个规范的网络结构。网络中的每条边都有两端点坐标A1(X1,Y1)，A2(X2,Y2)，由两点坐标采用数学方法求出每条直线的直线方程：y=ki*X+bi(i=1,2,…,N(N为直线数目))。步骤S1提取出的每个起点Oj(j=1,2,…,M)和终点Dk(k=1,2,…,M)（M为起点或终点的数目）都有其相应的坐标，判断一个轨迹点P(x,y)所属的直线的方法为：将P点的x坐标分别代入每条直线方程得到yi(i=1,2,…,N)，找出yi与P点的y坐标差值最小的直线即为P点所属的直线。以此方法可判断所有的起点和终点所属的直线。判段起点和终点所属的直线之后需建立道路网络和轨迹点之间的存储关系。本专利技术分别建立了路网数据的存储结构表和轨迹数据的存储结构表。其中路网数据的存储结构表（表1）的每条记录表示一条网络边，包括边的ID标识，边的长度，起结点ID，起结点所连接的其它所有边的ID，尾结点ID，尾结点所连接的其它所有边的ID，边上所有的轨迹点的ID；轨迹数据的存储结构表（表2）的每条记录表示一个点，包括点的ID标识，点所属的类别（起点或终点），点所在的边的ID，点距离其所在边的起结点的距离。表1.路网的存储形式IDLengthStart-nodeEdge本文档来自技高网...

【技术保护点】
1.一种城市交通流不平衡模式挖掘方法，其特征在于，所述方法包括：S1、获取路网数据和轨迹数据；S2、建立所述路网数据与所述轨迹数据之间的关联模型；S3、采用线性扫描统计方法评价交通流不平衡模式的统计显著性；S4、基于模式相似性计算获得所述交通流不平衡模式的动态演化。

【技术特征摘要】
1.一种城市交通流不平衡模式挖掘方法，其特征在于，所述方法包括：S1、获取路网数据和轨迹数据；S2、建立所述路网数据与所述轨迹数据之间的关联模型；S3、采用线性扫描统计方法评价交通流不平衡模式的统计显著性；S4、基于模式相似性计算获得所述交通流不平衡模式的动态演化。2.如权利要求1所述的方法，其特征在于，所述步骤S2还包括：采用线段扩展方法寻找网络邻域。3.如权利要求1或2所述的方法，其特征在于，所述步骤S3还包括：S31、确定扫描统计的零假设和备择假设以及扫描统计的统计量，所述零假设定义为：，所述备择假设定义为：，pO表示扫描窗口内起点O的数目占窗口内总点数的比例；qO表示扫描窗口外起点O的数目占窗口外总点数的比例；pD表示窗口内终点D的数目占窗口内总点数的比例；qD表示窗口外终点D的数目占窗口外总点数的比例，则有；S32、以点数据集中的每个点为窗口中心点构建网络中的线性扫描窗口，统计窗口内外的点数，并计算窗口的测试统计值，所述测试统计值的计算公式如下：其中，Z表示一个扫描窗口，C表示数据集中起点和终点的总数，表示数据集中起点所占的比例，表示数据集中终点所占的比例，表示窗口内点的数目，表示窗口Z内起点所占的比例，表示窗口Z内终点所占的比例；S33、将计算得到的所述测试统计值进行蒙特卡罗假设测试，判断所述测试统计值的显著性。4.如权利要求3所述的方法，其特征在于，所述步骤S4中的交通流不平衡模式的动态演化为频发模式与偶发模式，其中，所述频发模式定义为在连续研究时间段内，每个时间切片上都发生的模式，表示如下：，其中，N表示时间切片的总数，n表示第n个时间切片，k表示每个时间切片上的第k个频发模式簇，m表示不同时间切片上的簇间可认为在同一位置的距离阈值；所述偶发模式分为第一种偶发模式和第二种偶发模式，所述第一种偶发模式定义为在连续研究时间段内，只有一个时间切片上没有发生，其余时间切片上都发生的模式，表示如下：其中，d表示第d个时间切片；所述第二种偶发模式定义为在连续研究时间段内，只有一个时间切片上发生，其余时间切片上都没有发生的模式，表示如下：。5.一...

【专利技术属性】
技术研发人员：刘启亮，吴智慧，刘文凯，郑晓琳，邓敏，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43