一种提高交通时空图分辨率的方法技术

本发明专利技术公开了一种提高交通时空图分辨率的方法。该方法包括：采集数据，画出原始交通时空图；网格化划分时空图，将所采集的数据按网格投影，计算各网格平均速度；进一步精细化划分网格，构建细粒度网格速度预测模型；利用细粒度网格速度预测模型进行预测，生成高分辨率交通时空图。由此可知，本申请通过网格化划分原始“粗糙”交通时空图，利用细粒度网格速度预测模型完成子网格速度预测，重现“美颜后”的精细化交通时空图，实现了提高交通时空图分辨率的功能。如此可以为交通管理者提供更精准的用于交通状态分析、交通事件判别的基础分析数据，支撑交通决策的提出。支撑交通决策的提出。支撑交通决策的提出。

【技术实现步骤摘要】
一种提高交通时空图分辨率的方法


[0001]本专利技术涉及交通
，特别是涉及一种提高交通时空图分辨率的方法。

技术介绍

[0002]交通时空图，是交通领域中最重要的分析和可视化工具之一。绘制交通时空图的关键在于测量对应于每个时空网格的速度。时空图网格划分粒度越小，分辨率越高，越能够展示详细的道路流量变化。理想情况下，可以通过使用100％高保真车辆轨迹来准确计算网格的速度。然而，目前的信息技术并不能支持采集如此广泛的100％高保真车辆轨迹数据，进而也无法支撑获得精细化、高分辨率的交通时空图。此外，在实时交通系统中，5min是常用的信息发布时间间隔。因而，为了获得特定时空网格中的详细交通速度，通常需要通过交通状态估计来补充日常的采样数据。
[0003]通过检索现有的专利和论文，发现大多研究都是采用深度学习方法来提高成像系统的分辨率，鲜有提高交通时空图分辨率的方法。中国专利文献《一种基于改进生成对抗网络的提高水下图像分辨率方法》(CN114037843A,2022
‑
02
‑
11)通过改善生成器模块的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提高交通时空图分辨率的方法，其特征在于，包括以下步骤：步骤1：采集数据，画出原始交通时空图；步骤2：网格化划分原始交通时空图，将所采集数据按网格投影，计算各网格平均速度；步骤3：进一步精细化划分网格，构建细粒度网格速度预测模型；步骤4：利用细粒度网格速度预测模型进行预测，生成高分辨率交通时空图；步骤2中网格划分的形状为均匀等大的正方形i，尺寸分别为：15s
×
25m、30s
×
50m、60s
×
100m、120s
×
200m和240s
×
400m；中心网格i的8个邻近细胞分别为UL(左上)、Up(正上)、UR(右上)、Lf(正左)、Rt(正右)、LL(左下)、Lw(正下)、LR(右下)；步骤2中将所采集数据按网格投影并计算各网格平均速度，是指根据各车辆经度、纬度及时间坐标与网格范围坐标，进行投影；所述网格平均速度的计算方法为：其中x为某网格的平均速度，单位为km/h；n表示某网格内轨迹点的数量，单位为个；v
p
表示第p个轨迹点的瞬时速度，单位为km/h；网格i的平均速度表示为x
i
；步骤3中构建细粒度网格速度预测模型需要构建模型训练样本，根据其交通状态划分为自由流样本和拥堵样本；通过判别网格i的速度值来确定交通状态k，选取速度判别阈值为60km/h；当网格i的平均速度大于60km/h时，为自由流(ff)，否则为拥堵(cg)；步骤3中构建细粒度网格速度预测模型采用多元线性回归方法构建模型，采用最小二乘法估计模型参数p
jk
，同时获得常数ε
jk
；模型为；模型为其中为网格i中子网格j的估计速度，单位为km/h；p
jk
为模型参数，其中，分别为网格i、LL、LW、LR、Rt、UR、Up、UL、Lf的回归常数；x为网格的平均速度，单位为km/h，x＝[x
i
,x...

【专利技术属性】
技术研发人员：贺正冰，张园梦，顾欣，贾宁，凌帅，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：