一种适用低频采样的路段平均行程时间测量方法技术

一种适用低频采样的路段平均行程时间测量方法，包括：１）用低频采样出租车ＧＰＳ数据，得到每辆车辆道道交叉口的估计时刻；２）依照各个交叉口的地理位置信息，以及步骤１）得到的每辆车辆道道交叉口的估计时刻，得到某个路段的车辆的行程时间为样本ｘｉ；３）根据聚类中心的ｔｆ、ｔｍ、ｔｌ，ｔｆ表示快速类型，ｔｍ表示中等类型，ｔｌ表示慢行类型，依照下式计算平均行程时间，参照式（８）。本发明专利技术提供一种能够有效测量路段平均行程时间，满足交通实时性和准确性要求的适用低频采样的路段平均行程时间测量方法。

【技术实现步骤摘要】

本专利技术涉及一种路段平均行程时间测量方法。
技术介绍
路段交通参数估计模型多元回归模型，神经网络，模糊推理模型，速度积分模型，端点时间差法等。速度积分模型利用了GPS探测车检测的离散瞬时速度时间系列，应用数值积分方法计算探测车的行驶路程。端点时间差法需要确定车辆经过调查路段两个端点的时刻，时刻之差即为路段的行程时间。在采样间隔比较短(t＜10s)的情况下，速度积分模型和端点时差模型结果是比较接近的，且与实际结果相比误差比较小。随着采样周期的增大，且因城市道路情况复杂，以及交叉口信号灯的影响，每个探测车瞬时速度的之间的联系将被打断，形成了相对离散的数据采集点，速度积分模型将不适应这种情况。端点时差模型虽不以速度作为参数，可当采样间隔变大时，车辆在某路段的最后一个采样点瞬时速度与驶出该路段的最近一个采样点的不再满足传统的端点时差模型的条件。
技术实现思路
为了克服已有的路段交通参数估计模型的不能测量路段平均行程时间、实时性差的不足，本专利技术提供一种能够有效测量路段平均行程时间，满足交通实时性和准确性要求的适用低频采样的路段平均行程时间测量方法。 本专利技术解决其技术问题所采用的技术方案是 ，所述路段平均行程时间测量方法包括 1)、用低频采样出租车GPS数据，得到每辆车辆道道交叉口的估计时刻； 2)、依照各个交叉口的地理位置信息，以及步骤1)得到的每辆车辆道道交叉口的估计时刻，得到某个路段的车辆的行程时间为样本xi， 设U＝(uik)n*c为模糊分类矩阵，其中，n表示样本个数，c表示分类数，该处c＝3，即分成快速、中等、慢行三类，uik表示第i个样本属于第k个分类的隶属度，设X＝{x1，x2...xn}为被分类样本集合，定义一个目标函数JFCM(U，T)为 其中，vk是聚类中心，m∈； 3)、根据聚类中心的tf、tm、tl，tf表示快速类型，tm表示中等类型，表示慢行类型，依照下式计算平均行程时间 其中Tf表示以tf为聚类中心的快速行程时间集合，Tm+l表示Tm与Tl两个集合的并集，ti表示Tf集合中最大值，n表示Tf类中元素的个数，m表示剩下元素个数。 进一步，在所述步骤1)中，交叉口某车辆的采样数据主要分为三种情况 <1>交叉口入口及出口范围都有单车数据 <2>仅在交叉口出口范围有单车采样数据 <3>仅在交叉口入口范围有单车采用数据 采用端点时差法适应低频采样，具体有 对于第<1>种情况，若vp不为零，则有 ta＝tp-(L2/vp+ε) (1) 其中ta表示图1中车辆到达交叉口的估计时刻，tp表示图1中车辆在P点的时刻，vp表示车辆在P的瞬时速度，ε表示交叉口对车辆所造成的延误； 若vp为零，vp-1不为零，则当p点为空车数据，即为交叉口乘客上车或者下车数据；则有 ta＝tp-1+L1/vp-1+ε (2) 若vp-1为零，则车辆处于交叉口等待状况中，则有 ta＝tp-1+L/TL1 (3) 其中L为平均排队长度，T为该相位平均红灯时间； 对于第<2>种情况，若vp不为零，则采用公式(1)来计算；若vp为零，视该采样点为空车数据，将其剔除； 对于第<3>种情况，若vp-1不为零，则采用公式(2)来计算，若vp-1为零，则采用公式(3)来计算。 本专利技术的技术构思为FCD原始数据处理(1)改进的地图匹配算法 在传统的地图匹配算法中引入车辆定位数据中的行驶方向，以及道路的车道宽度作为约束条件，找到初步匹配点，接着引入车辆行驶的连续性，利用历史数据对初始匹配点进行修正，得到最终匹配点。 (2)车辆路径跟踪由改进地图匹配算法获得的最终匹配点及正常驾驶行为，通过空间搜索算法确定车辆可能经过路口，并将这些路口作为小区域路网，通过Dijkstra算法搜索的最短路径作为该车辆行驶轨迹。 本专利技术的有益效果主要表现在1、能够有效测量路段平均行程时间，满足交通实时性和准确性要求；2、通过改进端点时差法，克服了传统方法只适用高频采样的情况的缺陷，在采样频率较低的情况下也能确保一定的精度，从而很好的获取单车路段平均行程时间；3、利用FCM对路段某时段单车进行分类以及对分类后的聚类中心及每个类的元素进行加权平滑，既能较好的排除异常数据，也能较好弥补作为浮动车主要数据来源(GPS出租车)本身的缺点，使计算的路段平均行程时间尽量与实际行驶时间接近。 附图说明 图1是端点时差法的示意图。 具体实施例方式 下面结合附图对本专利技术作进一步描述。 参照图1，，所述路段平均行程时间测量方法包括 1)、用低频采样出租车GPS数据，得到每辆车辆道道交叉口的估计时刻； 2)、依照各个交叉口的地理位置信息，以及步骤1)得到的每辆车辆道道交叉口的估计时刻，得到某个路段的车辆的行程时间为样本xi， 设U＝(uik)n*c为模糊分类矩阵，其中，n表示样本个数，c表示分类数，该处c＝3，即分成快速、中等、慢行三类，uik表示第i个样本属于第k个分类的隶属度，设X＝{x1，x2...xn}为被分类样本集合，定义一个目标函数JFCM(U，T)为 其中，vk是聚类中心，m∈； 3)、根据聚类中心的tf、tm、tl，tf表示快速类型，tm表示中等类型，表示慢行类型，依照下式计算平均行程时间 其中Tf表示以tf为聚类中心的快速行程时间集合，Tm+l表示Tm与Tl两个集合的并集，ti表示Tf集合中最大值，n表示Tf类中元素的个数，m表示剩下元素个数。 本实施例中，首先进行路段平均行程时间估计 (1)改进端点时差法 交叉口某车辆的采样数据主要分为三种情况 <1>交叉口入口及出口范围都有单车数据 <2>仅在交叉口出口范围有单车采样数据 <3>仅在交叉口入口范围有单车采用数据 将该三种情况视为三种计算策略，输入采样点的信息，选择自己所需策略来计算车辆经过此交叉口的时刻，使端点时差法适应低频采样。 <1>对于第一种情况，若vp不为零，则有 ta＝tp-(L2/vp+ε) (1) 其中ta表示图1中车辆到达交叉口的估计时刻，tp表示图1中车辆在P点的时刻，vp表示车辆在P的瞬时速度，ε表示交叉口对车辆所造成的延误(下同)。 若vp为零，vp-1不为零，则当p点为空车数据，即为交叉口乘客上车或者下车数据。则有 ta＝tp-1+L1/vp-1+ε (2) 若vp-1为零，则车辆处于交叉口等待状况中，则有 ta＝tp-1+L/TL1 (3) 其中L为平均排队长度，T为该相位平均红灯时间。 <2>对于第二种情况，若vp不为零，则采用公式1来计算。若vp为零，视该采样点为空车数据，将其剔除。 <3>对于第三种情况，若vp-1不为零，则采用公式2来计算，若vp-1为零，则采用公式3来计算。 (2)FCM路段平均行程时间估计 FCM分类技术认为分类样本集合中的每一个样本均以不同的隶属度属于某一类.因此某一类就认为足样本集合上的一个模糊子集，于是每本文档来自技高网...

【技术保护点】
一种适用低频采样的路段平均行程时间测量方法，其特征在于：所述路段平均行程时间测量方法包括：１）、用低频采样出租车ＧＰＳ数据，得到每辆车辆道道交叉口的估计时刻；２）、依照各个交叉口的地理位置信息，以及步骤１）得到的每辆车辆道道交叉口的估计时刻，得到某个路段的车辆的行程时间为样本ｘｉ，设Ｕ＝（ｕ↓［ｉｋ］）↓［ｎ＊ｃ］为模糊分类矩阵，其中，ｎ表示样本个数，ｃ表示分类数，该处ｃ＝３，即分成快速、中等、慢行三类，ｕ↓［ｉｋ］表示第ｉ个样本属于第ｋ个分类的隶属度，设Ｘ＝｛ｘ↓［１］，ｘ↓［２］．．．ｘ↓［ｎ］｝为被分类样本集合，定义一个目标函数Ｊ↓［ＦＣＭ］（Ｕ，Ｔ）为：Ｊ↓［ＦＣＭ］（Ｕ，Ｔ）＝＊＊ｕ↓［ｉｋ］↑［ｍ］‖ｘ↓［ｉ］－ｔ↓［ｋ］‖↑［２］（４）其中，ｖ↓［ｋ］是聚类中心，ｍ∈［０，＋∞）为一模糊加权指数，ｍ是为了灵活变动对ｘ↓［ｉ］的隶属度，目标函数表示各类中特征点到聚类中心的距离平方和，聚类问题即要求满足式（４）的Ｕ和Ｔ，从而使目标函数达到最小值：模糊Ｃ均值算法是通过对公式（４）的目标函数Ｊ↓［ＦＣＭ］（Ｕ，Ｔ）的迭代优化来获取对数据集的模糊分类，即迭代：ｕ↓［ｉｋ］＝［＊（ｄ↓［ｉｋ］／ｄ↓［ｉｋ］）↑［２／ｍ－１］］↑［－１］，ｄ↓［ｉｋ］＝０，１≤ｉ≤ｎ（５）ｕ↓［ｉｋ］＝１，ｄ↓［ｉｋ］＝０，ｋ＝１ｕ↓［ｉｋ］＝０，ｄ↓［ｉｋ］＝０，ｋ≠ｉｔ↓［ｋ］＝＊ｕ↓［ｉｋ］↑［ｍ］ｘ↓［ｉ］／＊ｕ↓［ｉｋ］↑［ｍ］，１≤ｋ≤ｃ（６）使目标函数Ｊ↓［ＦＣＭ］（Ｕ，Ｔ）收敛到一个局部极小点或鞍点，得到Ｘ的一个最优模糊ｃ划分Ｕ＝［ｕ↓［ｉｋ］↑［＊］］；３）、根据聚类中心的ｔ↓［ｆ］、ｔ↓［ｍ］、ｔ↓［ｌ］，ｔ↓［ｆ］表示快速类型，ｔ↓［ｍ］表示中等类型，表示慢行类型，依照下式计算平均行程时间：＊＝＊Ｔ↓［ｆ］＋＊（ｍ／ｍ＋ｎＴ↓［ｍ＋ｌ］＋ｎ／ｍ＋ｎｔ↓［ｆ］）／Ｎ（８）其中Ｔ↓［ｆ］表示以ｔ↓［ｆ］为聚类中心的快速行程时间集合，Ｔ↓［ｍ＋ｌ］表示Ｔ↓［ｍ］与Ｔ↓［ｌ］两个集合的并集，ｔ↓［ｉ］表示Ｔ↓［ｆ］集合中最大值，ｎ表示Ｔ↓［ｆ］类中元素的个数，ｍ表示剩下元素个数。...

【技术特征摘要】
1.一种适用低频采样的路段平均行程时间测量方法，其特征在于所述路段平均行程时间测量方法包括1)、用低频采样出租车GPS数据，得到每辆车辆道道交叉口的估计时刻；2)、依照各个交叉口的地理位置信息，以及步骤1)得到的每辆车辆道道交叉口的估计时刻，得到某个路段的车辆的行程时间为样本xi，设U＝(uik)n*c为模糊分类矩阵，其中，n表示样本个数，c表示分类数，该处c＝3，即分成快速、中等、慢行三类，uik表示第i个样本属于第k个分类的隶属度，设X＝{x1，x2...xn}为被分类样本集合，定义一个目标函数JFCM(U，T)为其中，vk是聚类中心，m∈；3)、根据聚类中心的tf、tm、tl，tf表示快速类型，tm表示中等类型，表示慢行类型，依照下式计算平均行程时间其中Tf表示以tf为聚类中心的快速行程时间集合，Tm+l表示Tm与Tl两个集合的并集，ti表示Tf集合中最大值，n表示Tf类中元素的个数，m表示剩下元素个数。2.如权利要求1所述的一种适用低频采样的路段平均行程时间测量方法，其特征在于在所述步骤1)中，交叉...

【专利技术属性】
技术研发人员：董红召，吴方国，陈宁，郭明飞，郭海峰，马帅，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：86[中国|杭州]