基于浮动车车速置信度的交通状态参数估计方法技术

本发明专利技术基于对浮动车数据特性的分析，引入置信度因素，着重考虑浮动车数据样本数量、车速以及交通状态在时间上的延续性，提出了一种基于置信度优化的交通状态参数(车速)估计方法。通过置信多数车辆、快速车辆并融合上一时段及历史车速数据，实现了对浮动车平均车速的估计。有效减少异常数据对计算结果的影响，使计算结果更接近真实路况，同时解决了样本量不足时交通状态参数估计的问题，大大提高了交通状态参数估计的准确度和平稳性。

【技术实现步骤摘要】

本专利技术涉及智能交通
，尤其涉及浮动车信息采集
，更具体地说， 涉及一种。
技术介绍
浮动车(Float Car)，也被称作“探测车(Probe car)，，，是近年来国际智能交通系 统(ITS)中所采用的获取道路交通信息的先进技术手段之一。其基本原理是根据装备车 载全球定位系统的浮动车在其行驶过程中定期记录的车辆位置，方向和速度信息，应用地 图匹配、路径推测等相关的计算模型和算法进行处理，使浮动车位置数据和城市道路在时 间和空间上关联起来，最终得到浮动车所经过道路的车辆行驶速度以及道路的行车旅行时 间等交通拥堵信息。如果在城市中部署足够数量的浮动车，并将这些浮动车的位置数据通 过无线通讯系统定期、实时地传输到一个信息处理中心，由信息中心综合处理，就可以获得 整个城市动态、实时的交通拥堵信息。浮动车数据采集技术(Floating Car Data, F⑶)具有安装成本低、维护简易、高 效、实时、自动化水平高、检测参数全面等优点，得到了大量推广应用。目前各大中城市都建 立了 ITS平台并配置了大量的基于出租车或公交车的浮动车设备，其采集到的交通信息数 据可以应用于交通状态估计、预测等交通信息服务领域。交通状态判别通常由浮动车交通信息采集、GPS原始数据预处理、GPS\GIS地图匹 配、交通状态参数估计、交通状态判别几个步骤组成浮动车交通信息采集系统主要由车载GPS设备、无线通信网络和基于GIS的交通 信息处理平台等组成。车载GPS设备接收卫星信号并通过无线通信网络将车辆坐标、速度 等数据传送到交通信息中心。基于GIS的交通信息处理平台是指交通信息处理与分析软件 系统、数据库及计算机设备等。GPS原始数据预处理的目的是筛除其中的异常数据，例如，FCD数据中某些数据速 度值异常高或小于0 ；某些数据经纬度信息在一段时间内保持不变，但速度不为0 ；某些数 据方向角异常。对这些异常数据的处理直接影响着路段交通状态参数的准确性。GPS\GIS地图匹配将浮动车发送的GPS数据与GIS道路信息数据进行比较，用特定 的算法判断出浮动车在路网上最有可能的位置，并将此FCD数据匹配到这个路段，使每一 条FCD数据属于唯一路段。交通状态参数估计是利用特定的算法将各路段上的速度数据经过计算得出该路 段的状态参数，此过程需考虑浮动车数据的数据量不足等诸多因素，以达到反映路段的真 实交通状态的目的。交通状态判别是根据交通状态参数确定路段的拥堵程度，此过程一般需要考虑判 断的阈值设定以及判别结果的鲁棒性。上述技术环节中，交通状态参数(主要是指车速)估计是交通状态判别的核心技 术环节，如果无法对交通状态参数进行有效、接近真实交通状态的估计，整个交通状态的判别根本无从下手。现有的交通状态估计方法中，比较常见的比如数据排除法，其是人为的将采集到 的不确定的回报信息，诸如速度较大和较小的数据、回报时间间隔较大的数据、车速小于前 一回报间隔的75%的数据进行排除，这样做虽然简单，但明显的后果是往往把现实道路中 真实有用的信息也一起去掉了，最后的结果是道路运行情况始终保持稳定的状态，却不能 充分反映全面真实的道路交通状况。也有设置参数简单的将历史数据进行融合的估计方 法，但终归存在各种各样的问题，比较难反应真实的交通状况。
技术实现思路
本专利技术的目的是解决现有技术存在的缺陷和不足，基于对浮动车数据特性的分 析，引入置信度因素，着重考虑浮动车数据样本数量、车速以及交通状态在时间上的延续 性，提出了一种基于置信度优化的交通状态参数(车速)估计方法。本专利技术所解决的技术问题可以采用以下技术方案来实现一种基于置信度优化的交通状态参数估计方法，包括如下步骤1、对路段区间每个时段内采集到的所有浮动车车速数据设置权重值，根据权重值 计算每个时段的加权平均车速以及每个时段加权平均车速的置信度；2、对特定的某个时段，若该时段内采集到的浮动车车速数据样本量大于或等于最 低样本量，则以步骤1中该时段的加权平均车速作为该时段的平均车速；3、对特定的某个时段，若该时段内采集到的浮动车车速数据样本量小于最低样本 量，则考虑上一时段加权平均车速和上一时段加权平均车速的置信度对该时段平均车速的 影响，通过修正步骤1中该时段的加权平均车速，计算该时段的平均车速。本专利技术中，步骤1中将浮动车的车速划分为多个速度档，对同一速度档内的车速 数据使用相同的权重值，根据速度档内车速数据量比例计算每个速度档的权重值，因此数 据量比例大的速度档具有更大的权重值。为了使计算结果更接近真实路况，对根据车速数据量比例计算的权重值进行修 正，高车速的速度档具有更高的修正系数，以置信高车速的数据。步骤1中，对特定的某个时段，对该时段内每个车速数据的权重值求和，得到该时 段加权平均车速的置信度。本专利技术中，步骤3中采集到的该时段车速数据样本量越小，计算该时段的平均车 速时，该时段加权平均车速采用的修正系数越小，上一时段加权平均车速和上一时段加权 平均车速的置信度采用的修正系数越大，即该时段加权平均车速对该时段平均车速的计算 结果影响越小，上一时段加权平均车速和上一时段加权平均车速的置信度对该时段平均车 速的计算结果影响越大，随着该时段车速数据样本量的减小，逐步置信上一时段的数据。该时段加权平均车速的修正系数为权利要求1.基于置信度优化的交通状态参数估计方法，其特征在于，包括如下步骤(1)、对路段区间每个时段内采集到的所有浮动车车速数据设置权重值，根据权重值计 算每个时段的加权平均车速以及每个时段加权平均车速的置信度；O)、对特定的某个时段，若该时段内采集到的浮动车车速数据样本量大于或等于最低 样本量，则以步骤(1)中该时段的加权平均车速作为该时段的平均车速；(3)、对特定的某个时段，若该时段内采集到的浮动车车速数据样本量小于最低样本 量，则考虑上一时段加权平均车速和上一时段加权平均车速的置信度对该时段平均车速的 影响，通过修正步骤(1)中该时段的加权平均车速，计算该时段的平均车速。2.如权利要求1所述的基于置信度优化的交通状态参数估计方法，其特征在于步骤 (1)中将浮动车的车速划分为多个速度档，对同一速度档内的车速数据使用相同的权重值， 根据速度档内车速数据量比例计算每个速度档的权重值。3.如权利要求2所述的基于置信度优化的交通状态参数估计方法，其特征在于对根 据车速数据量比例计算的权重值进行修正，高车速的速度档具有更高的修正系数，以置信 高车速的数据。4.如权利要求3所述的基于置信度优化的交通状态参数估计方法，其特征在于对特 定的某个时段，对该时段内每个车速数据的权重值求和，得到该时段加权平均车速的置信度。5.如权利要求1-4任一所述的基于置信度优化的交通状态参数估计方法，其特征在 于步骤(3)中，采集到的该时段车速数据样本量越小，计算该时段的平均车速时，该时段 加权平均车速采用的修正系数越小，上一时段加权平均车速和上一时段加权平均车速的置 信度采用的修正系数越大。6.如权利要求5所述的基于置信度优化的交通状态参数估计方法，其特征在于该时段加权平均车速的修正系数为？一，上一时段加权平均车速和上一时段加权平均车速的置 信度的修正系数为G — ；^")，其中，η为该时段采集到的浮动车车速数本文档来自技高网...

【技术保护点】
基于置信度优化的交通状态参数估计方法，其特征在于，包括如下步骤：（１）、对路段区间每个时段内采集到的所有浮动车车速数据设置权重值，根据权重值计算每个时段的加权平均车速以及每个时段加权平均车速的置信度；（２）、对特定的某个时段，若该时段内采集到的浮动车车速数据样本量大于或等于最低样本量，则以步骤（１）中该时段的加权平均车速作为该时段的平均车速；（３）、对特定的某个时段，若该时段内采集到的浮动车车速数据样本量小于最低样本量，则考虑上一时段加权平均车速和上一时段加权平均车速的置信度对该时段平均车速的影响，通过修正步骤（１）中该时段的加权平均车速，计算该时段的平均车速。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘好德，王吟松，王嘉文，王佳谈，朱琛，吴亦政，李晓丹，谢峰，王浩，毛礼麒，李天雷，胡盼，
申请(专利权)人：上海济祥智能交通科技有限公司，
类型：发明
国别省市：31