【技术实现步骤摘要】
本公开实施例涉及数据处理，尤其涉及一种基于车牌识别数据的城市路网多区域宏观基本图估计方法。
技术介绍
1、目前，交通管理和控制策略对于缓解道路拥堵和提高网络效率至关重要。基于交通监测系统收集的数据，交通管理人员可以通过车道管理策略、限速控制、道路收费或信号控制等措施来优化道路交通状况。然而，对于大规模的城市道路网络而言，对路段层面的动态交通流进行监测和建模需要大量的人力和计算资源，而这阻碍了相关控制策略的实时应用。宏观基本图(macroscopic fundamental diagram，简称mfd)通过将平均网络流量与平均网络密度紧密联系起来，为解决上述难题提供了一种简洁有效的方法。基于mfd的各类模型已被广泛应用于制定路网级的宏观控制策略，如边界流量控制、路径诱导和区域拥堵收费等。在当前智能网联技术高速发展的时代，网联自动驾驶汽车(connected andautomated vehicle，简称cav)对于交通流的平滑作用，以及多维度高质量的交通数据收集越发可行，为mfd模型提供了更佳的应用环境。但是，这些基于mfd的模型在实践中顺利应用的前提是准确估计区域路网的mfd，而这具有极大的挑战性。而现有的方法研究的最终结果显著依赖于路网数据的获取与质量，但是常用的数据源往往存在较大的不足。除此以外，较少有研究结合了mfd模型的实际应用需要，综合考虑mfd估计和路网划分这两个方面。
2、可见，亟需一种精准度和适应性高的基于车牌识别数据的城市路网多区域宏观基本图估计方法。
技术实现思路>
1、有鉴于此，本公开实施例提供一种基于车牌识别数据的城市路网多区域宏观基本图估计方法，至少部分解决现有技术中存在精准度和适应性较差的问题。
2、本公开实施例提供了一种基于车牌识别数据的城市路网多区域宏观基本图估计方法，包括：
3、步骤1，获取稀疏车牌识别数据及其对应的地理坐标信息；
4、步骤2，根据地理坐标信息对稀疏车牌识别数据进行预处理操作，得到全路网数据；
5、步骤3，基于全路网数据中每个路段的拥堵程度度量对全路网数据进行划分，得到满足划分目标的子区域，形成最优划分结果；
6、步骤4，基于车牌识别数据和最优划分结果估计每个子区域内部的宏观基本图。
7、根据本公开实施例的一种具体实现方式，所述步骤2具体包括：
8、步骤2.1，根据lpr系统的地理坐标信息将稀疏车牌识别数据中不完整的车辆轨迹映射到路网上的节点，使用车牌匹配技术找到单一车辆的轨迹，然后使用预设最短路算法补充两个不相邻节点之间的轨迹，对每个车辆进行该操作得到全部车辆的完整轨迹；
9、步骤2.2，根据完整轨迹保留初始道路网络中有车辆经过的节点和路段，形成主要路网；
10、步骤2.3，基于完成轨迹和主要路网，计算路段平均速度，并过滤异常值；
11、步骤2.4，将相邻路段的平均水平作为数据缺失路段的估计值对数据缺少路段进行数据补充，形成全路网数据。
12、根据本公开实施例的一种具体实现方式，所述相邻路段的平均水平的计算公式为
13、
14、其中，γi表示路段i的相邻路段集合，vi表示路段i的平均速度。
15、根据本公开实施例的一种具体实现方式，所述步骤3具体包括：
16、步骤3.1，采用有向搜索的蛇算法定义路网中路段之间的成对相似度，并结合对称非负矩阵分解法对全路网数据进行划分，得到初始划分结果；
17、步骤3.2，根据路网划分的性能指标来评价初始划分结果，并调整算法参数来实现划分目标，得到最优划分结果，其中，性能指标包括对区域匀质性和区域紧凑性的度量；
18、步骤3.3，找出离群的路段集，并根据预设规则将其重新分配到一个子区域集合中，对最优划分结果进行边界调整。
19、根据本公开实施例的一种具体实现方式，所述成对相似度的表达式为
20、
21、其中，ns表示允许的蛇序列规模，和对应路段i和j的蛇序列，表示两个蛇序列之间重合的路段，函数表示路段k在蛇序列上的位置，ε是加权系数，表示对于重合的节点中先加入蛇序列的权重倾向。
22、根据本公开实施例的一种具体实现方式，所述步骤3.2具体包括：
23、采用归一化总方差和n-cut轮廓系数完成区域匀质性的度量，并采用平均的n-cut轮廓系数值评估初始划分结果；
24、定义初始划分结果的隶属度表征路段到所属子区域的地理中心的相对接近程度，据此得到初始划分结果中每个子区域的紧凑度，并得到初始划分结果的全局紧凑度；
25、调整算法参数，基于归一化总方差、平均的n-cut轮廓系数值和全局紧凑度评价不同参数下的划分结果的表现，得到最优划分结果。
26、根据本公开实施例的一种具体实现方式，所述步骤4具体包括：
27、步骤4.1，根据车牌识别数据和最优划分结果估计有效流量的动态渗透率；
28、步骤4.2，估计各时间区间内的子区域的网络平均流量和密度，得到各个子区域的宏观基本图；
29、步骤4.3，使用边界调整后的划分结果估计子区域的宏观基本图，分析边界调整方法对宏观基本图估计的影响并据此调整参数，得到每个子区域内部的最优宏观基本图。
30、本公开实施例中的基于车牌识别数据的城市路网多区域宏观基本图估计方案，包括：步骤1，获取稀疏车牌识别数据及其对应的地理坐标信息；步骤2，根据地理坐标信息对稀疏车牌识别数据进行预处理操作，得到全路网数据；步骤3，基于全路网数据中每个路段的拥堵程度度量对全路网数据进行划分，得到满足划分目标的子区域，形成最优划分结果；步骤4，基于车牌识别数据和最优划分结果估计每个子区域内部的宏观基本图。
31、本公开实施例的有益效果为：通过本公开的方案，结合稀疏车牌识别数据的特征，提出一个兼顾路网划分和mfd估计的通用框架，从而在路网交通数据不完整的情况下得到稳健的结果，提高了估计精准度和适应性。
本文档来自技高网...【技术保护点】
1.一种基于车牌识别数据的城市路网多区域宏观基本图估计方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于,所述步骤2具体包括：
3.根据权利要求2所述的方法，其特征在于,所述相邻路段的平均水平的计算公式为
4.根据权利要求3所述的方法，其特征在于,所述步骤3具体包括：
5.根据权利要求4所述的方法，其特征在于,所述成对相似度的表达式为
6.根据权利要求5所述的方法，其特征在于,所述步骤3.2具体包括：
7.根据权利要求6所述的方法，其特征在于,所述步骤4具体包括：
【技术特征摘要】
1.一种基于车牌识别数据的城市路网多区域宏观基本图估计方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于,所述步骤2具体包括：
3.根据权利要求2所述的方法，其特征在于,所述相邻路段的平均水平的计算公式为
4.根据权利要求3所...
【专利技术属性】
技术研发人员：唐进君，胡诚，刘俊武，黄合来，戴剑军，姚崇富，李苗华，
申请(专利权)人：中南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。