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】
本专利技术涉及交通大数据分析,尤其是涉及一种基于粒子滤波的信控交叉口车辆轨迹重构方法。
技术介绍
1、轨迹数据是估算交通流基本特征、评估交通状态、优化交通信号、测量交通碳排放以及许多其他领域的最重要数据资源。车辆轨迹数据通常可以提供车辆的时空位置、速度等详细信息。在当前难以保证轨迹数据高频、连续的背景下,利用稀疏轨迹数据直接分析建模可能会导致信息丢失和结果准确度、可信度降低。因此,稀疏轨迹数据的重建是工程和交通领域内的重要研究课题。又因信控交叉口是路网中的瓶颈节点,车辆驶入时会产生频繁的加减速行为,这一区域内的车辆轨迹重建难度较大,同时在工程和交通领域具有广泛的应用价值。
2、交通工程领域内的稀疏轨迹重建问题,通常分为宏观层面的路径选择以及微观层面的交叉口、路段上的车辆时空轨迹重构。现有的微观层面的轨迹重建问题,大多关注的是高速公路连续流场景,较少有针对间断流场景并适用于信控交叉口的技术。传统方法大多使用基于交通流理论的方法、插值法、基于行驶工况的方法。目前重建效果较好的多为概率类方法,其中代表性的方法主要有最大似然估计法、卡尔曼滤波法、粒子滤波法。然而这些方法往往存在重建过程复杂、结果稳定性不足,且未能充分考虑信控交叉口信号状态的问题。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于粒子滤波的信控交叉口车辆轨迹重构方法,能够简化轨迹重构过程,同时提高轨迹重构的精度。
2、本专利技术的目的可以通过以下技术方案来实现:一种基
3、s1、获取待分析区域内的历史轨迹数据及相应信号状态数据,基于粒子滤波算法,构建轨迹重构模型;
4、s2、将当前轨迹的起讫点和对应信号状态信息输入轨迹重构模型,输出得到车辆逐秒轨迹点,即重构得到完整的车辆轨迹。
5、进一步地,所述步骤s1具体包括以下步骤:
6、s11、从历史轨迹数据中提取先验信息;
7、s12、结合先验信息与相应信号状态数据,分场景利用粒子滤波算法,以建立轨迹重构模型。
8、进一步地,所述步骤s11的具体过程为:
9、将待分析区域内的道路沿车辆行驶方向划分为若干个长度相同的道路单元,根据历史轨迹数据计算该道路单元对应的车辆平均速度、平均加速度、平均减速度,已知稀疏轨迹中起讫点的轨迹信息,结合道路限速信息,基于运动学理论的正向和反向推导计算缺失的逐秒轨迹点的潜在速度范围,即得到两个稀疏轨迹点之间每秒的车辆速度范围,以作为先验信息。
10、进一步地,所述逐秒轨迹点的潜在速度范围具体为:
11、
12、
13、
14、其中,ac为道路单元对应的平均加速度,ad为道路单元对应的平均减速度,vl为道路限速。
15、进一步地,所述步骤s12的具体过程为:
16、首先考虑信号状态,如果已知的两稀疏轨迹点之间始终为绿灯,则按照绿灯期间车辆一般运动规律以及运动学原理计算期望位置xe,再利用先验信息进行后续的粒子滤波过程,将重构每一秒对应的缺失轨迹点作算法的一个阶段,循环多次即可输出重建的逐秒轨迹;
17、如果两稀疏轨迹点之间存在红灯时段,则首先要利用运动学原理及先验信息计算红灯期间停车位置:
18、xs=[max(srange)+min(srange)]/2
19、xstop=st*xs+(1-st)*xi-1
20、xstop≥xi-1
21、在绿灯启亮后继续运行粒子滤波算法以输出重构轨迹;
22、其中,基于粒子滤波算法重构完整车辆轨迹,即重构每秒的轨迹点时,在每次迭代中,均包括生成初始粒子、重要性采样、重采样和输出重构轨迹点四个子步骤,并将第i次迭代的重构轨迹点作为下一次迭代的输入,以得出后续的重构轨迹点,通过重复这一过程,最终得到完整的车辆轨迹。
23、进一步地,所述生成初始粒子的具体过程为:随机生成一组位于xi-1附近的n个粒子,这些粒子分别具有以下属性:
24、初始权重:1/n;
25、最新观测变量:与xe相对应道路单元的
26、最新状态变量:每个粒子的且δt=1,j∈[1,n];
27、考虑到车辆运动的不同状态,将粒子集随机分为三部分——随机选择一半以上的粒子以其位置对应的单元的平均速度移动、随机选取少于一半的粒子以上一个轨迹点的速度匀速运动、剩下的粒子以上一点的速度继续加速或减速。
28、进一步地,所述粒子集随机三个部分的比例用a、b和c表示,取值范围如下所示:
29、a∈[0.5,1),b∈[0,1-a),c=1-a-b
30、其中,当xi-1已经接近停止线时,若车辆行驶过程中不存在红灯时期,则a相应减小、并低于一般路段的取值。
31、进一步地,所述重要性采样的具体过程为:根据先验概率求解后验概率,分为预测和更新两个步骤,预测步中提供先验信息,更新步中计算后验概率:
32、预测:p(zi|x1…xi-1)=∫p(zi|zi-1)·p(zi-1|x1…xi-1)dzi-1;
33、更新:p(zi|x1…xi)∝p(xi|zi)·p(zi|x1…xi-1);
34、采用贯序重要性采样法求解上述方程的解析解,由于一秒对应一个计算阶段,因此ti对应第i阶段,最终取第i阶段内所有粒子的加权平均值作为xi,初始权重的分配规则是:假设剩余t-i时间内,每个粒子以其速度和路段平均加速度从出发,计算该粒子最终到达位置该位置距离已知终点距离越近则权重越大,假设n个粒子服从提议分布q,权重的递归更新与归一化过程通过下列公式表示:
35、
36、
37、
38、其中,ω为定义的权重函数,通过上述步骤即可计算出每个粒子对应的观测变量集合与权重
39、进一步地,所述重采样的具体过程为:采用分层抽样的方法,将原始的n个粒子按其位置分成多个子集,然后使用低方差重采样法提取每个子集中随机数相同的粒子,使粒子分布更加均匀,此外,若最终剩余的粒子数小于n/2,则会根据权重复制一部分粒子,否则不会执行重采样过程。
40、进一步地,所述输出重构轨迹点的具体过程为:将所有粒子的加权平均位置作为当前步骤对应的缺失轨迹点:
41、
42、ifxi<xi-1,xi=xi-1+vi-1*δt+0.5*ai-1*δt2
43、vi=(xi-xi-1)/δt。
44、与现有技术相比,本专利技术具有以下优点:
45、本专利技术通过获取待分析区域内的历史轨迹数据及相应信号状态数据,再基于粒子滤波算法,以构建轨迹重构模型,该轨迹重构模型用于逐步计算重构轨迹点,只需将当前轨迹的起讫点和对应信号状态信息输入轨迹重构模型,即可输出得到本文档来自技高网...
【技术保护点】
1.一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述步骤S1具体包括以下步骤:
3.根据权利要求2所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述步骤S11的具体过程为:
4.根据权利要求3所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述逐秒轨迹点的潜在速度范围具体为:
5.根据权利要求4所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述步骤S12的具体过程为:
6.根据权利要求5所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述生成初始粒子的具体过程为:随机生成一组位于xi-1附近的N个粒子,这些粒子分别具有以下属性:
7.根据权利要求6所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述粒子集随机三个部分的比例用a、b和c表示,取值范围如下所示:
8.根据权利要求6所述的一种基于粒子滤波的信控
9.根据权利要求8所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述重采样的具体过程为:采用分层抽样的方法,将原始的N个粒子按其位置分成多个子集,然后使用低方差重采样法提取每个子集中随机数相同的粒子,使粒子分布更加均匀,此外,若最终剩余的粒子数小于N/2,则会根据权重复制一部分粒子,否则不会执行重采样过程。
10.根据权利要求9所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述输出重构轨迹点的具体过程为:将所有粒子的加权平均位置作为当前步骤对应的缺失轨迹点:
...【技术特征摘要】
1.一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述步骤s1具体包括以下步骤:
3.根据权利要求2所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述步骤s11的具体过程为:
4.根据权利要求3所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述逐秒轨迹点的潜在速度范围具体为:
5.根据权利要求4所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述步骤s12的具体过程为:
6.根据权利要求5所述的一种基于粒子滤波的信控交叉口车辆轨迹重构方法,其特征在于,所述生成初始粒子的具体过程为:随机生成一组位于xi-1附近的n个粒子,这些粒子分别具有以下属性:
7.根据权利要求6所述的一种基于粒子滤波的信控交叉...
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。