基于GIS大数据的工况权重因子获取方法及装置制造方法及图纸

本发明专利技术涉及一种基于GIS大数据的工况权重因子获取方法及装置。所述获取方法包括以下步骤：S1、GIS数据补充与修正；S2、道路信息处理与匹配，构建典型城市全路网GIS数据库；S3、建立基于支持向量机的交通流模型选择模型；S4、交通流模型标定及计算，得到全路网道路的交通流量；S5、速度区间权重因子计算。该方法可准确客观的对各个速度区间的权重因子进行计算，为政府、研究机构和企业在道路工况提取相关领域的政策制定、试验设计和产品开发提供技术性支持。持。持。

【技术实现步骤摘要】
基于GIS大数据的工况权重因子获取方法及装置


[0001]本专利技术涉及交通运输领域，具体而言，涉及一种基于GIS大数据的工况权重因子获取方法及装置。

技术介绍

[0002]汽车产品检测工况是汽车行业的一项重要的共性基础技术，是车辆能耗/排放测试方法和限值标准的基础。在工况构建过程中，如何客观科学地确定车辆在各个速度区间下行驶的权重因子是亟待解决的问题。传统权重因子确定方法是基于实际车队采集数据进行计算，但计算结果受车队组建的主观性影响较大，因而所得权重因子准确性较低，无法客观确定出各个速度区间的权重因子。
[0003]有鉴于此，特提出本专利技术。

技术实现思路

[0004]第一方面，本专利技术的目的在于提供一种基于GIS大数据的工况权重因子获取方法，该方法可准确客观的对各个速度区间的权重因子进行计算，为政府、研究机构和企业在道路工况提取相关领域的政策制定、试验设计和产品开发提供技术性支持。
[0005]第二方面，本专利技术的目的在于提供一种基于GIS大数据的工况权重因子获取装置。
[0006]第三方面，本专利技术的目的在于提供一种电子设备。
[0007]第四方面，本专利技术的目的在于提供一种介质。
[0008]为了实现上述目的，本专利技术采用以下技术方案：
[0009]第一方面，本专利技术提供了一种基于GIS大数据的工况权重因子获取方法，包括以下步骤：
[0010]S1、GIS数据补充与修正；
[0011]S2、道路信息处理与匹配，构建典型城市全路网GIS数据库；
[0012]S3、建立基于支持向量机的交通流模型选择模型或基于粒子群优化极限学习机的交通流模型选择模型；
[0013]S4、交通流模型标定及计算，得到全路网道路的交通流量；
[0014]S5、速度区间权重因子计算。
[0015]作为进一步优选的技术方案，步骤S1包括：计算各条道路GIS数据的缺失率，对GIS数据缺失率在一定范围内的道路数据进行补充与修正；
[0016]优选地，若缺失率大于或等于0.3，则该条道路的GIS数据直接被删除；
[0017]若缺失率大于或等于0.1且小于0.3，则采用相邻日期同一时刻的速度平均值补充；
[0018]若缺失率小于0.1，则采用当日内相邻时刻平均速度的线性差值对车辆信息进行补充；
[0019]优选地，所述相邻日期为当日前五天到当日后五天；
[0020]优选地，所述相邻时刻为当前时刻的前15分钟到后15分钟。
[0021]作为进一步优选的技术方案，步骤S2包括：根据道路信息对各条道路的车道数进行加权处理，获得该条道路的平均车道数；将道路GIS数据与道路信息相匹配，构建典型城市全路网GIS数据库；
[0022]优选地，该条道路的平均车道数采用以下公式计算得到：
[0023]其中，n为平均车道数；n
i
为该道路上第i段道路车道数；l
i
为该道路上第i段道路车道长度。
[0024]作为进一步优选的技术方案，所述交通流模型选择模型基于支持向量机建立；
[0025]优选地，步骤S3包括：
[0026]S3a、提供多条道路在不同时刻的交通流量数据；
[0027]S3b、选定多种交通流模型，根据GIS数据库中的道路平均速度，分别计算对应道路的交通流量，然后确定对应道路的交通流模型，最后形成各条道路与交通流模型一一对应的交通流模型样本库；
[0028]S3c、采用支持向量机，选择核函数及参数，构建基于支持向量机的交通流模型选择模型。
[0029]作为进一步优选的技术方案，步骤S3a中，通过对典型道路交通摄像头视频数据的分析处理，获得多条道路在不同时刻的交通流量数据；
[0030]优选地，步S3b中，交通流量模型为3种；
[0031]优选地，步骤S3b中，采用最小二乘法确定对应道路的交通流模型；
[0032]步骤S3c中，将交通流模型样本库分为训练集和测试集，然后构建基于支持向量机的交通流模型选择模型。
[0033]作为进一步优选的技术方案，步骤S4包括：
[0034]S4a、将道路信息输入到交通流模型选择模型中，计算出道路适用的交通流模型，然后对交通流模型进行标定，包括自由流速度标定和最佳密度系数标定；
[0035]S4b、将交通流模型的计算流量和实际调研流量进行对比，并计算各小时交通流量的相对误差平均值和绝对误差平均值；
[0036]S4c、将GIS数据库作为输入，通过交通流模型计算得出全路网道路的交通流量；
[0037]优选地，所述道路信息包括道路长度、道路加权车道数、道路限速值和道路等级；
[0038]优选地，所述相对误差平均值采用以下公式计算得到：优选地，所述相对误差平均值采用以下公式计算得到：其中，ε为相对误差平均值，Q
i
为第i时刻的实际交通流量，q
i
为第i时刻模型计算出的交通流量；
[0039]优选地，所述绝对误差平均值采用以下公式计算得到：优选地，所述绝对误差平均值采用以下公式计算得到：其中，Q为绝对误差平均值，Q
i
为第i时刻的实际交通流量，q
i
为第i时刻模型计算出的交通流量。
[0040]作为进一步优选的技术方案，步骤S5包括：根据全路网道路的交通流量，得到全路网不同速度区间的车辆行驶时间分布，按照速度区间阈值，分别划分低速区间、中速区间和高速区间，分别计算低速区间、中速区间和高速区间的累计车辆行驶时间，最终得到各速度区间权重因子。
[0041]第二方面，本专利技术提供了一种基于GIS大数据的工况权重因子获取装置，包括：
[0042]GIS数据补充与修正模块，用于对GIS数据进行补充与修正；
[0043]道路信息处理与匹配模块，用于对道路信息进行处理与匹配，构建典型城市全路网GIS数据库；
[0044]基于支持向量机的交通流模型选择构建模块，用于构建基于支持向量机的交通流模型选择模型；
[0045]交通流模型标定及计算模块，用于对交通流模型标定及计算；
[0046]以及，速度区间权重因子计算模块，用于计算速度区间权重因子。
[0047]第三方面，本专利技术提供了一种电子设备，包括：
[0048]至少一个处理器；以及
[0049]与所述至少一个处理器通信连接的存储器；其中，
[0050]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于GIS大数据的工况权重因子获取方法。
[0051]第四方面，本专利技术提供了一种介质，所述介质上存储有计算机指令，所述计算机指令用于使所述计算机执行上述的基于GIS大数据的工况权重因子获取方法。
[0052]与现有技术相比，本专利技术的有益效果为：
[0053]本专利技术提供的基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GIS大数据的工况权重因子获取方法，其特征在于，包括以下步骤：S1、GIS数据补充与修正；S2、道路信息处理与匹配，构建典型城市全路网GIS数据库；S3、建立基于支持向量机的交通流模型选择模型或基于粒子群优化极限学习机的交通流模型选择模型；S4、交通流模型标定及计算，得到全路网道路的交通流量；S5、速度区间权重因子计算。2.根据权利要求1所述的基于GIS大数据的工况权重因子获取方法，其特征在于，步骤S1包括：计算各条道路GIS数据的缺失率，对GIS数据缺失率在一定范围内的道路数据进行补充与修正；优选地，若缺失率大于或等于0.3，则该条道路的GIS数据直接被删除；若缺失率大于或等于0.1且小于0.3，则采用相邻日期同一时刻的速度平均值补充；若缺失率小于0.1，则采用当日内相邻时刻平均速度的线性差值对车辆信息进行补充；优选地，所述相邻日期为当日前五天到当日后五天；优选地，所述相邻时刻为当前时刻的前15分钟到后15分钟。3.根据权利要求1所述的基于GIS大数据的工况权重因子获取方法，其特征在于，步骤S2包括：根据道路信息对各条道路的车道数进行加权处理，获得该条道路的平均车道数；将道路GIS数据与道路信息相匹配，构建典型城市全路网GIS数据库；优选地，该条道路的平均车道数采用以下公式计算得到：其中，n为平均车道数；n
i
为该道路上第i段道路车道数；l
i
为该道路上第i段道路车道长度。4.根据权利要求1所述的基于GIS大数据的工况权重因子获取方法，其特征在于，所述交通流模型选择模型基于支持向量机建立；优选地，步骤S3包括：S3a、提供多条道路在不同时刻的交通流量数据；S3b、选定多种交通流模型，根据GIS数据库中的道路平均速度，分别计算对应道路的交通流量，然后确定对应道路的交通流模型，最后形成各条道路与交通流模型一一对应的交通流模型样本库；S3c、采用支持向量机，选择核函数及参数，构建基于支持向量机的交通流模型选择模型。5.根据权利要求4所述的基于GIS大数据的工况权重因子获取方法，其特征在于，步骤S3a中，通过对典型道路交通摄像头视频数据的分析处理，获得多条道路在不同时刻的交通流量数据；优选地，步骤S3b中，交通流量模型为3种；优选地，步骤S3b中，采用最小二乘法确定对应道路的交通流模型；步骤S3c中，将交通流模型样本库分为训练集和测试集，然后构建基于支持向量机的交通流模型选择模型。6.根据权利要求1所述的基于GIS大数据的工况权重因子获取方法，其特征在于，步骤...

【专利技术属性】
技术研发人员：于晗正男，刘昱，李菁元，梁永凯，安晓盼，吕赫，胡熙，沈姝，马琨其，尹月华，
申请(专利权)人：中汽研汽车检验中心天津有限公司，
类型：发明
国别省市：