【技术实现步骤摘要】
本专利技术属于信息数据处理，尤其涉及一种车辆通行信息的数据处理方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、由于高速公路上的etc门架系统中的门架检测器的稳定性经常受天气、电磁干扰等其他不良因素的干扰，因此在数据识别过程中通常会伴随着一定比例的记录冗余、数据项缺失等情况，而数据异常情况的处理，对车辆行驶轨迹的准确获取至关重要。
3、另外，为提升etc门架系统的可靠性，现阶段，etc门架系统上的车道控制器、路侧单元、车牌图像识别设备等关键检测器设备通常采用冗余设置。多套传感器同时工作，互为备份，当其中一套门架发生故障或日常维护时，另一套检测器也能保证数据的正常记录。因此，车辆在通过某个收费门架时，可能存在多条数据记录，通过对车辆出行链的初步分析，存在冗余记录的车辆约占所有行驶车辆的10％，其数据格式如图1所示。
4、针对冗余数据记录情况，车辆在第i套etc门架系统的通过时间点，通过公式(1)计算：
5、
6、式中，ti,j—车辆在第i套etc门架系统上由第j套传感器记录的通过时刻；n—etc门架系统上记录到车辆数据的传感器套数。
7、车辆轨迹的空间重构主要任务是解决车辆具体经过的门架编号，也就是识别车辆在轨迹漏检期间的具体行驶路径。在高速公路门架交易系统的实际运行中，漏检通常是由车辆轨迹上的个别传感器受其电气性能、环境干扰等情况而导致的偶发情形，漏检位置相对明显；但少部分情况下，一些车辆轨迹中仍然
8、在目前普遍应用的多义路径识别方法中，大多通过在争议路径关键点安装摄像头、射频识别标签等传感器来对车辆的实际行驶路径进行标记，但在某些情况下(如设备故障、不良天气)识别率低或者数据丢失，导致一些时间段车辆的实际行驶路径难以识别。
技术实现思路
1、为克服上述现有技术的不足，本专利技术提供了一种车辆通行信息的数据处理方法及系统，通过对数据的识别，利用k近邻算法对车辆轨迹进行重构，得到车辆的每次行驶轨迹。
2、为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
3、第一方面，公开了一种车辆通行信息的数据处理方法，包括：
4、针对获取的车辆通行信息数据通过车辆的唯一通行标识进行数据融合，实现车辆在每个路段的轨迹提取，将提取后的轨迹根据完整性划分为两个数据集，分别是轨迹完整的历史完整轨迹数据集和轨迹存在缺失的漏检轨迹数据集；
5、针对漏检路径在空间上是否属于唯一可匹配路径，可将漏检轨迹数据集划分为两类，若漏检路径唯一，则将漏掉的轨迹进行补充，实现轨迹重构，得到完整轨迹路径，作为样本添加至历史完整轨迹数据集；
6、若漏检路径不唯一，则采用k近邻算法对多个可能路径进行特征提取，找到相似性最高、匹配度最高的路径进行轨迹重构，得到所有车辆完整时空轨迹。
7、作为进一步的技术方案，先确定多义路径型漏检区间范围；
8、对漏检区间内所有历史通过车辆的轨迹进行提取和清洗，获取完整经过漏检区间的历史车辆轨迹；
9、对于车辆的原始轨迹来说，完整通过漏检区间的车辆轨迹是原始轨迹中的一部分。
10、作为进一步的技术方案，将得到的完整通过漏检区间的历史车辆轨迹与漏检区间备选路径相匹配，包括：
11、设共提取出车辆完整轨迹的集合为gcar，车辆i的实际行驶轨迹对应的收费门架编号集合为其大小为n；
12、提取备选路径中所有门架编号集合g，其中g＝(g1,g2,...,gm)，m为备选路径数量，gj＝(g1,g2,...,gl)，gj为第j条备选路径上门架编号集合，不包括漏检区间端点门架；
13、匹配车辆i实际轨迹中收费门架编号集合与备选路径中门架编号g集合，将车辆i实际轨迹中的元素，与m条备选路径中元素进行比较，若与第j条备选路径比较时，至少有一处相同，则证明车辆i的实际行驶轨迹为路径j；
14、通过行驶轨迹匹配获取所有轨迹完整车辆的真实行驶轨迹，并将匹配得到的完整轨迹作为轨迹样本添加到原始历史数据集中。
15、作为进一步的技术方案，针对所有车辆完整时空轨迹，计算其特征空间，包括：漏检区间行程时间、漏检区间端点到达时间、车辆轨迹中平均速度。
16、作为进一步的技术方案，结合行驶轨迹匹配得到的实际行驶路径标签，构建出基于车辆相似性的样本集，即实际行驶路径的特征空间样本集。
17、作为进一步的技术方案，计算漏检轨迹与基于车辆相似性的样本集之间的距离，找到最小距离，根据最小距离确定相似性最高的完整轨迹。
18、作为进一步的技术方案，通过欧氏距离计算漏检轨迹与基于车辆相似性的样本集之间的距离。
19、作为进一步的技术方案，对漏检区间内所有历史通过车辆的轨迹进行提取和清洗，采用孤立点检测法进行数据清洗。
20、作为进一步的技术方案，车辆通行信息包括融合通信介质数据及路段物理结构数据，融合通信介质数据包括etc门架交易数据，路段物理结构数据包括门架地理位置、道路车道数、车道宽度等。
21、第二方面，公开了一种车辆轨迹重构的数据处理系统，包括：
22、数据集构建模块，被配置为：针对获取的车辆通行信息数据通过车辆的唯一通行标识进行数据融合，实现车辆在每个路段的轨迹提取，将提取后的轨迹根据完整性划分为两个数据集，分别是轨迹完整的历史完整轨迹数据集和轨迹存在缺失的漏检轨迹数据集；
23、路径匹配模块，被配置为：针对漏检路径在空间上是否属于唯一可匹配路径，可将漏检轨迹数据集划分为两类，若漏检路径唯一，则将漏掉的轨迹进行补充，实现轨迹重构，得到完整轨迹路径，作为样本添加至历史完整轨迹数据集；
24、若漏检路径不唯一，则采用k近邻算法对多个可能路径进行特征提取，找到相似性最高、匹配度最高的路径进行轨迹重构，得到所有车辆完整时空轨迹。
25、以上一个或多个技术方案存在以下有益效果：
26、本专利技术技术方案融合通信介质数据及路段物理结构数据，利用k近邻算法对车辆轨迹进行重构，得到车辆的每次行驶轨迹。
27、本专利技术技术方案选取漏检区间行程时间、漏检区间端点到达时间、车辆轨迹中平均速度，作为车辆空间轨迹重构的判别特征，能够获得相似性最高、匹配度最高的路径。
28、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。
本文档来自技高网...【技术保护点】
1.一种车辆通行信息的数据处理方法，其特征是，包括：
2.如权利要求1所述的一种车辆通行信息的数据处理方法，其特征是，先确定多义路径型漏检区间范围；
3.如权利要求2所述的一种车辆通行信息的数据处理方法，其特征是，将得到的完整通过漏检区间的历史车辆轨迹与漏检区间备选路径相匹配，包括：
4.如权利要求1所述的一种车辆通行信息的数据处理方法，其特征是，针对所有车辆完整时空轨迹，计算其特征空间，包括：漏检区间行程时间、漏检区间端点到达时间、车辆轨迹中平均速度。
5.如权利要求1所述的一种车辆通行信息的数据处理方法，其特征是，结合行驶轨迹匹配得到的实际行驶路径，构建出基于车辆相似性的样本集，即实际行驶路径的特征空间样本集；
6.如权利要求5所述的一种车辆通行信息的数据处理方法，其特征是，通过欧氏距离计算漏检轨迹与基于车辆相似性的样本集之间的距离。
7.如权利要求2所述的一种车辆通行信息的数据处理方法，其特征是，对漏检区间内所有历史通过车辆的轨迹进行提取和清洗，采用孤立点检测法进行数据清洗。
8.一种车辆轨
9.一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述权利要求1-7任一所述的方法的步骤。
...【技术特征摘要】
1.一种车辆通行信息的数据处理方法，其特征是，包括：
2.如权利要求1所述的一种车辆通行信息的数据处理方法，其特征是，先确定多义路径型漏检区间范围；
3.如权利要求2所述的一种车辆通行信息的数据处理方法，其特征是，将得到的完整通过漏检区间的历史车辆轨迹与漏检区间备选路径相匹配，包括：
4.如权利要求1所述的一种车辆通行信息的数据处理方法，其特征是，针对所有车辆完整时空轨迹，计算其特征空间，包括：漏检区间行程时间、漏检区间端点到达时间、车辆轨迹中平均速度。
5.如权利要求1所述的一种车辆通行信息的数据处理方法，其特征是，结合行驶轨迹匹配得到的实际行驶路径，构建出基于车辆相似性的样本集，即实际行驶路径的特征空间样本...
【专利技术属性】
技术研发人员：马川义，王旭，栗剑，于迪，杨维浩，
申请(专利权)人：山东高速集团有限公司，
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。