一种基于GIS数据的速度区间权重计算方法技术

本发明专利技术提供了一种基于GIS数据的速度区间权重计算方法，包括以下步骤：S1、选取典型城市；S2、对于步骤S1中典型城市的道路交通状况进行分类；S3、对道路交通流数据采集及特征计算；S4、建立多维度交通流模型及验证；S5、基于多维度交通流模型计算城市交通流特征；S6、权重因子计算。本发明专利技术有益效果：创新性的引入GIS数据来评估车辆的实际运行情况，并基于视频交通流数据构建了多维度交通流模型，能够客观计算各个速度区间权重因子，使汽车工况更为贴近车辆实际运行状态。综上所述，本专利可以为政府和企业在汽车工况相关领域的政策制定、产品研发提供技术支持。研发提供技术支持。研发提供技术支持。

【技术实现步骤摘要】
一种基于GIS数据的速度区间权重计算方法


[0001]本专利技术属于交通运输领域，尤其是涉及一种基于GIS数据的速度区间权重计算方法。

技术介绍

[0002]汽车工况是汽车行业用于车辆能耗测试/排放测试的标准。在工况构建中，低速、中速和高速三种速度区间的权重影响着工况的真实性和准确性。而传统速度区间阈值确认方法主要基于车队采集数据进行计算，采集车队数量与路线规划不合理容易造成权重的偏差。工况权重量化是行业的共性难题。
[0003]随着地理信息系统的发展，GIS车辆出行数据凭借着其道路覆盖范围广、实时性强、采集成本低的优势，为利用大数据方法进行工况权重量化提供了良好的基础。但由于采集到的GIS大数据信息只包含车辆速度、位置和时间等基础信息，无法直接获得道路的流量信息，也无法实现车辆小时数（Vehicle Hours Travelled, VHT）、车辆出行距离（Vehicle Kilometers Travelled, VKT）的计算。
[0004]本专利技术的特点在于利用视频交通流数据并综合考虑多种交通流影响因素，建立了一种多维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GIS数据的速度区间权重计算方法，其特征在于：包括以下步骤：S1、选择典型城市；S2、对于步骤S1中典型城市的道路交通状况进行分类；S3、针对步骤S2中的各类道路交通状况分别进行道路交通流数据采集及特征计算；S4、基于步骤S3采集的道路交通流数据建立多维度交通流模型及验证；S5、基于步骤S4建立的多维度交通流模型计算城市交通车辆出行时间分布特征；S6、基于步骤S5中的车辆出行时间分布特征计算各速度区间权重因子；在步骤S1中的选取典型城市包括以下步骤：A1、统计全国663个城市的指标，指标包括GDP、人口数、人均汽车保有量、城市道路面积、车均道路面积；A2、对步骤A1中统计的指标进行因子分析，得到指标中的代表性因子；A3、并根据步骤A2中的代表性因子进行层次聚类分析，将城市划分为不同类别；A4、依据车辆保有量比例，从步骤A3中的各类城市中选取典型城市。2.根据权利要求1所述的一种基于GIS数据的速度区间权重计算方法，其特征在于：在步骤S3中的道路交通流数据采集及特征计算包括以下步骤：B1、对每类道路交通状况中的典型城市调研道路进行选择；B2、对步骤B1中的典型城市调研道路进行交通流数据采集，得到每类道路交通状况的道路调研数据；B3、根据步骤B2的道路调研数据计算每类道路交通状况的道路平均速度、道路流量和道路密度，将每类道路交通状况的道路平均速度、道路流量和道路密度作为每类道路交通状况的道路交通流特征。3.根据权利要求2所述的一种基于GIS数据的速度区间权重计算方法，其特征在于：所述道路平均速度的计算公式为：式中，为道路平均速度，l为视频检测路段长度；为车辆i通过检测区域的平均行程时间，为车辆i通过检测区域的平均速度。4.根据权利要求2所述的一种基于GIS数据的速度区间权重计算方法，其特征在于：所述道路密度的计算公式为：式中，为道路密度，为道路流量，为道路平均速度。5.根据权利要求2所述的一种基于GIS数据的速度区间权重计算方法，其特征在于：在步骤S4中的建立多维度交通流模型及验证包括以下步骤：C1、对步骤B3中每类道路交通状况的道路交通流特征进行预处理,得到每类道路交通状况的训练集数据和测试集数据；
C2、根据步骤C1中的训练集数据和测试集数据建立多维度交通流模型；C3、通过测试集数据对步骤C2中建立的多维度交通流模型进行精度验证。6.根据权利要求5所述的一种基于GIS数据的速度区间权重计算方法，其特...

【专利技术属性】
技术研发人员：刘昱，李菁元，梁永凯，安晓盼，于晗正男，杨正军，徐航，马琨其，胡熙，张诗敏，张欣，
申请(专利权)人：中国汽车技术研究中心有限公司，
类型：发明
国别省市：