System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于交通事故管理,涉及一种交通事故时空影响范围识别、关联因素确定方法。
技术介绍
1、道路交通是全地域、全天候、全链条国家战略投送能力的关键支撑,是保障社会经济平稳发展的核心基础设施。随着中国机动车保有量的爆炸性增长,道路问题日益严重,交通拥堵是所有交通问题中最广泛且最有影响力的问题,其不仅严重影响了公众的出行体验,还会造成重大的经济损失。高速公路具有提高交通效率、促进经济发展等重要的社会价值,而因为其具有车辆行驶速度快、车辆类型多样、交通环境孤立的特点,交通事故是造成其节点瘫痪和拥堵蔓延的重要诱因,极易导致大规模的交通堵塞。因此,挖掘高速公路交通事故影响机理,探索其时空特征和内在规律,对于提高高速公路行车效率及有针对性地采取交通事故后的动态交通控制措施具有重要的现实意义。
2、针对交通事故等离散型事件,当前大部分研究主要利用排队理论、冲击波模型和仿真计算来确定交通事件的时空迟滞影响范围,由特定的虚构路网和参数的模拟仿真方法出发,以确定交通事故影响的时空范围。理想假设下的早期模型空间迁移能力有限,不适用于现实交通状况。随着数据采集手段的不断丰富,部分学者利用现实交通数据采用许多变量方法开展交通事故时空影响的研究。现有针对交通事故时空迟滞影响的致因分析主要采用计量经济学模型和因果推理模型等方法,然而,大部分研究没有考虑交通事故间存在的空间依赖性,易造成潜在因素的遗漏甚至得到不准确或误导性的结论。
3、综上所述,现有方法多基于固定时空粒度、面向简单交通场景进行交通事故时空迟滞影响分析,难以适应高动态
技术实现思路
1、本专利技术实施例的目的在于提供一种交通事故时空影响范围识别方法,以解决现有方法多基于固定时空粒度、面向简单交通场景进行交通事故时空迟滞影响分析,难以适应高动态、复杂场景的现实交通环境的问题。
2、本专利技术实施例的另一目的在于提供一种交通事故时空影响范围的关联因素确定方法。
3、本专利技术实施例所采用的技术方案是:一种交通事故时空影响范围识别方法,包括以下步骤:
4、步骤s1、进行浮动车轨迹数据、高速公路交通事故数据、高速公路路网数据等异构数据间的时空关联和信息融合;
5、步骤s2、基于步骤s1得到的时空关联和信息融合数据,引入交通运行指数评估各路段的交通状态,量化交通事故时空影响的各项指标,包括交通事故影响的持续时间、交通事故影响的路段长度及交通事故影响的严重程度。
6、进一步的,所述步骤s1的具体过程如下:
7、步骤s11、基于交通事故数据中的交通事故地点信息,确定与各交通事故点地点信息中的道路名称和行驶方向相同的对应高速路地图要素,再根据对应高速地图要素的起点里程信息,采用线性插值计算出各交通事故点的空间坐标,实现交通事故数据与路网数据的时空关联;
8、步骤s12、筛选出浮动车轨迹有效行程,为交通事故分配浮动车轨迹点,建立轨迹数据和交通事故数据的空间联系;
9、步骤s13、建立高速公路路网有向图g(v,e),v为节点即各路段的端点或交点的集合,e为路段即有向边e的集合,车辆沿着路径在路网上行驶,实际经过的轨迹点为z′={z′0,...,z′n},z′i∈z′,i∈[0,n],z'i对应的轨迹定位点为zi,轨迹定位点zi的经纬度坐标为(xi,yi);
10、步骤s14、计算各轨迹定位点zi到路段的垂直距离;
11、步骤s15、利用步骤s14计算的垂直距离和最短路径原理,构建各轨迹定位点zi的候选路段集s={e1,e2,e3,…em},m表示候选路段总数;
12、步骤s16、基于步骤s12~s15的计算结果,构建地图匹配的目标函数,得到车辆行程轨迹定位点zi经过的最短路径的路段集合,计算各轨迹定位点zi与该最短路径的路段集合中各路段的距离,将与各轨迹定位点zi距离最近的路段作为该轨迹定位点zi的匹配路段;
13、步骤s17、采用垂直相交求垂足的方法计算各轨迹定位点zi到其匹配路段的垂足,垂足点即为各轨迹定位点zi的匹配的轨迹点z′i。
14、进一步的,所述步骤s14计算各轨迹定位点到路段的垂直距离的公式如下:
15、
16、其中,表示轨迹定位点zi到路段e的垂直距离,zi′是轨迹定位点zi在路段e上的垂直投影,d(zi,z′i)表示点zi和z′i之间的欧式距离;v1、v2表示路段e的两个端点,d(zi,v1)表示轨迹定位点zi到路段e的端点v1的欧式距离,d(zi,v2)表示轨迹定位点zi到路段e的端点v2的欧式距离;
17、所述步骤s15构建各轨迹点的候选路段集s的构建规则如下:
18、
19、其中,δ为轨迹点定位误差的最大值,即要求轨迹点到路段的距离小于定位误差的最大值δ,e1表示满足式(2)条件的边e的集合,路网g中所有边的集合e中除e1外的所有边e的集合设为e2。
20、进一步的,所述步骤s16构建的地图匹配的目标函数如式(3)所示:
21、
22、其中,e1表示轨迹点到路段的距离小于定位误差的最大值的路段即边e的集合,路网g中所有边的集合e中除e1外的所有边e的集合设为e2;r为缩短率,用于缩短e1中所有边e的长度,0<r<1,经过多次实验验证,本专利技术实施例中r值取0.3更佳;le为边e的长度,xe为决策变量,若边e∈s,则xe=1,表示边e存在于最短路径中,否则为0。
23、进一步的,所述步骤s2具体包括以下步骤:
24、步骤s21、基于自由流状态下车辆经过的旅行时间和车辆实际经过的旅行时间,构造顾及路段间的异质性的识别阈值,识别道路受影响的交通运行状态;
25、步骤s22、基于顾及路段间的异质性的识别阈值,筛选出对路段交通造成影响的交通事故;
26、步骤s23、量化交通事故影响的持续时间、交通事故影响的严重程度和交通事故影响的路段长度。
27、进一步的,所述步骤s21采用交通运行指数tpi制定交通事故影响的识别规则,基于tpi的路况等级划分见下表:
28、 tpi 对应路况 旅行时间 通行速度 影响严重程度 0-2 畅通 <![cdata[t<sub>f</sub>]]> <![cdata[≥0.83v<sub>f</su本文档来自技高网...
【技术保护点】
1.一种交通事故时空影响范围识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤S1的具体过程如下:
3.根据权利要求2所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤S14计算各轨迹定位点到路段的垂直距离的公式如下:
4.根据权利要求2所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤S16构建的地图匹配的目标函数如式(3)所示:
5.根据权利要求1~4任一项所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤S2具体包括以下步骤:
6.根据权利要求5所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤S21采用交通运行指数TPI制定交通事故影响的识别规则,基于TPI的路况等级划分见下表:
7.根据权利要求6所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤S22的具体过程为:
8.根据权利要求1~4任一项、6或7所述的一种交通事故时空影响范围识别方法,其特征在于,量化的交通事故影响的
9.根据权利要求8所述的一种交通事故时空影响范围识别方法,其特征在于,所述采用K-Means聚类算法基于交通事故影响的时空跨度对交通事故进行分类的具体过程如下:
10.一种交通事故时空影响范围的关联因素确定方法,其特征在于,包括以下步骤:
...【技术特征摘要】
1.一种交通事故时空影响范围识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤s1的具体过程如下:
3.根据权利要求2所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤s14计算各轨迹定位点到路段的垂直距离的公式如下:
4.根据权利要求2所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤s16构建的地图匹配的目标函数如式(3)所示:
5.根据权利要求1~4任一项所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤s2具体包括以下步骤:
6.根据权利要求5所述的一种交通事故时空影响范围识别方法,其特征在于,所述步骤s21采用交通运行指数tp...
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。