一种卡口数据缺失下的车辆行车轨迹重建方法及系统技术方案

本公开公开的一种卡口数据缺失下的车辆行车轨迹重建方法及系统，包括：获取卡口数据；根据卡口数据生成车辆初始轨迹；对车辆初始轨迹进行轨迹拆分，生成多个待定路径段；采用粒子群优化算法对待定路径段进行分析，确定车辆行车轨迹可行路径；利用网络层次分析法选取车辆行车轨迹可行路径中的最优路径，为最终的车辆行车轨迹。实现了卡口数据缺失时的车辆行车轨迹重建。

【技术实现步骤摘要】
一种卡口数据缺失下的车辆行车轨迹重建方法及系统
本专利技术涉及交通信息
，尤其涉及一种卡口数据缺失下的车辆行车轨迹重建方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。智能交通系统是解决城市路网复杂交通问题的重要手段之一。随着智能交通系统的不断发展，各种交通检测设备的智能化、自动化以及信息处理能力也在不断提高。目前，以卡口设备为代表的城市视频监控系统能够较好识别和匹配车辆牌照信息，实现车辆行车轨迹的跟踪，但仍面临着由卡口设备空间覆盖率不足所导致的轨迹丢点、轨迹链不完整等问题。准确完整的车辆轨迹数据能够提供丰富的路网交通运行状态信息，再现复杂的道路交通运行场景，为道路使用者提供优质的出行服务，故如何利用缺失的卡口数据重建车辆行车轨迹成为智能交通领域研究的热点和重点问题之一。通过检索发现，有研究人员提供了一种基于电子警察数据的车辆轨迹跟踪方法，在对电子警察过车数据进行预处理的基础上，通过车辆相邻检测点之间的时间差与时间阈值的比较构建车辆出行的上下游路段信息表，进而获取每辆车的大概轨迹数据；有研究人员提供了一种车辆轨迹重建方法，根据路网数据构建路网拓扑图，利用车辆轨迹的起讫点选取轨迹范围内的视频监测点，结合社团发现、最短路径等算法快速重构车辆轨迹；有研究人员提供了一种基于车辆轨迹数据的路径提取方法，通过GPS数据筛选、轨迹分割以及关键节点聚类确定粗糙的骨干路网，结合开源路网及最小二乘支持向量机(LS-SVM)算法拟合出高精度的道路中心线。上述方案均是利用卡口视频数据或车辆GPS定位数据实现车辆行车轨迹的重建，但是这些方案均没有针对性地解决由卡口设备缺失或故障出现卡口数据缺失所导致的轨迹断链问题，同时，单一的车辆轨迹影响因素(如行驶路径最短)无法获取实时准确的车辆出行轨迹信息。
技术实现思路
本公开为了解决上述问题，提出了一种卡口数据缺失下的车辆行车轨迹重建方法及系统，在卡口数据缺失的情况下，利用已有的卡口数据生成车辆初始轨迹，对车辆初始轨迹进行拆分形成待定路径段后，通过粒子群优化算法对待定路径段进行分析，确定了车辆行车轨迹可行路径，最后通过网络层次分析法筛选出可行路径中的最优路径为最终的车辆行车轨迹，实现了在卡口数据缺失的情况下对车辆行车轨迹的重建。为实现上述目的，本公开采用如下技术方案：第一方面，提出了一种卡口数据缺失下的车辆行车轨迹重建方法，包括：获取卡口数据；根据卡口数据生成车辆初始轨迹；对车辆初始轨迹进行轨迹拆分，生成多个待定路径段；采用粒子群优化算法对待定路径段进行分析，确定车辆行车轨迹可行路径；利用网络层次分析法选取车辆行车轨迹可行路径中的最优路径，为最终的车辆行车轨迹。第二方面，提出了一种卡口数据缺失下的车辆行车轨迹重建系统，包括：卡口数据采集模块，用于获取卡口数据；车辆初始数据生成模块，用于根据卡口数据生成车辆初始轨迹；车辆初始轨迹划分模块，用于对车辆初始轨迹进行轨迹拆分，生成多个待定路径段；车辆行车轨迹可行路径生成模块，用于采用粒子群优化算法对待定路径段进行分析，确定车辆行车轨迹可行路径；车辆行车轨迹生成模块，用于利用网络层次分析法选取车辆行车轨迹可行路径中的最优路径，为最终的车辆行车轨迹。第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种卡口数据缺失下的车辆行车轨迹重建方法所述的步骤。第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成一种卡口数据缺失下的车辆行车轨迹重建方法所述的步骤。与现有技术相比，本公开的有益效果为：1、本公开提出的车辆行车轨迹重建方法，在卡口数据缺失的情况下，利用已有的卡口数据生成车辆初始轨迹，对车辆初始轨迹进行拆分形成待定路径段后，通过粒子群优化算法对待定路径段进行分析，确定了车辆行车轨迹可行路径，最后通过网络层次分析法筛选出可行路径中的最优路径为最终的车辆行车轨迹，实现了在卡口数据缺失的情况下对车辆行车轨迹的重建。2、本公开在确定最终的车辆行车轨迹时，首先通过粒子群优化算法确定了车辆行车轨迹可行路径，后通过网络层次分析法对可行路径进行了最优选取，避免了单一路径决策因素的片面性，综合考虑了路径自身特性以及驾驶员行驶偏好等因素的影响，能够有效确定最优的车辆出行轨迹，提高了缺失轨迹重建的效率和准确性。本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为本公开实施例1公开方法的流程图；图2为本公开实施例1采用粒子群优化算法确定车辆行车轨迹可行路径的流程图。具体实施方式：下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。实施例1在该实施例中，公开了一种卡口数据缺失下的车辆行车轨迹重建方法，包括：获取卡口数据；根据卡口数据生成车辆初始轨迹；对车辆初始轨迹进行轨迹拆分，生成多个待定路径段；采用粒子群优化算法对待定路径段进行分析，确定车辆行车轨迹可行路径；利用网络层次分析法选取车辆行车轨迹可行路径中的最优路径，为最终的车辆行车轨迹。进一步的，依据卡口数据生成车辆初始轨迹时，首先对卡口数据进行预处理，筛除异常数据，再通过筛除异常数据后的卡口数据生成车辆初始轨迹。进一步的，卡口数据包括卡口设备调查点位，卡口设备识别的车辆数据，车辆被卡口设备捕捉的频次，卡口设备捕本文档来自技高网...

【技术保护点】
1.一种卡口数据缺失下的车辆行车轨迹重建方法，其特征在于，包括：/n获取卡口数据；/n根据卡口数据生成车辆初始轨迹；/n对车辆初始轨迹进行轨迹拆分，生成多个待定路径段；/n采用粒子群优化算法对待定路径段进行分析，确定车辆行车轨迹可行路径；/n利用网络层次分析法选取车辆行车轨迹可行路径中的最优路径，为最终的车辆行车轨迹。/n

【技术特征摘要】
1.一种卡口数据缺失下的车辆行车轨迹重建方法，其特征在于，包括：
获取卡口数据；
根据卡口数据生成车辆初始轨迹；
对车辆初始轨迹进行轨迹拆分，生成多个待定路径段；
采用粒子群优化算法对待定路径段进行分析，确定车辆行车轨迹可行路径；
利用网络层次分析法选取车辆行车轨迹可行路径中的最优路径，为最终的车辆行车轨迹。


2.如权利要求1所述的一种卡口数据缺失下的车辆行车轨迹重建方法，其特征在于，卡口数据包括卡口设备调查点位，卡口设备识别的车辆数据，车辆被卡口设备捕捉的频次，卡口设备捕捉车辆的时间。


3.如权利要求1所述的一种卡口数据缺失下的车辆行车轨迹重建方法，其特征在于，依据卡口数据生成车辆初始轨迹时，首先对卡口数据进行预处理，筛除异常数据，再通过筛除异常数据后的卡口数据生成车辆初始轨迹。


4.如权利要求3所述的一种卡口数据缺失下的车辆行车轨迹重建方法，其特征在于，采用基于四分位极差的离群点识别方法筛除卡口数据中频次过高和过低的异常数据。


5.如权利要求1所述的一种卡口数据缺失下的车辆行车轨迹重建方法，其特征在于，对车辆初始轨迹进行轨迹拆分，获得多个待定路径段的具体过程为：依据驾驶习惯，出行时距一致性，每辆车相邻卡口检测点间有路网可达，及拆分后轨迹段满足一次可达网络对车辆初始轨迹进行拆分获取轨迹段，将每段轨迹段中的所有卡口设备调查点位等效为一个车辆必经点，车辆初始轨迹经车辆必经点划分为多个待定路径段。


6.如权利要求1所述的一种卡口数据缺失下的车辆行车轨迹重建方法，其特征在于，采用粒子群优化算法确定车辆行车轨迹可行路径的具体过程为：
通过编码的方式将待定路径段拼接为路径段序列，形成一个粒子；<...

【专利技术属性】
技术研发人员：郭亚娟，候金龙，刘思昊，周常坤，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：山东;37