一種基於車輛自動識別數據的城市路網車輛出行路徑重構方法
2023-06-14 06:41:26
一種基於車輛自動識別數據的城市路網車輛出行路徑重構方法
【專利摘要】本發明屬於交通規劃與管理領域,具體涉及一種基於車輛自動識別數據的城市路網車輛出行路徑重構方法。該方法輸入信息以AVI檢測數據為主,結合傳統流量檢測設施所採集的數據。首先以圖論中深度優先遍歷搜索理論生成所有車輛初始可能路徑集;然後利用粒子濾波理論,通過車輛出行的路徑一致性、行程時間一致性、AVI可測性、重力-流量模型和路段-路徑流量匹配模型五大時空修正因子的連續重要性採樣更新車輛可能路徑概率;最後根據重採樣得到的後驗概率函數曲線來推測車輛的「真實」路徑。該方法可在AVI覆蓋率較低的條件下仍能估計出很高精度的車輛完整出行路徑,且該方法不依賴於車輛出行歷史信息。
【專利說明】—種基於車輛自動識別數據的城市路網車輛出行路徑重構方法
【技術領域】
[0001]本發明屬於交通規劃與管理領域,具體涉及一種基於車輛自動識別數據的城市路網車輛出行路徑重構方法。
【背景技術】
[0002]車輛出行路徑是交通網絡規劃和運行管理的核心基礎數據,其精度直接影響城市動態交通管理、精細化交通分析的準確性和有效性。因此,科學地採集交通流運行參數、最佳地利用交通採集信息,對提高交通設施的使用效率和服務能力是至關重要的。
[0003]近年來,交通系統信息採集已呈現從以感應線圈為代表的「斷面型」檢測、以浮動車為代表的「移動型」檢測快速向以視頻車牌自動識別為代表的「廣域」車輛自動識別(Automatic Vehicle Identification, AVI)檢測轉變的趨勢。AVI技術包括視頻牌照自動識別技術、路側信標與車輛通信識別技術等,其核心是可檢測車輛ID、通過時間以及車輛位置等信息,這使得獲得傳統的檢測設備無法獲取的單個車輛路徑成為可能。與國外相比,AVI技術特別是視頻牌照自動識別技術在我國得到了迅猛的發展,北京、上海等城市已大規模推廣實施,深圳、杭州等城市也在迅速跟進。在AVI數據利用方面,目前大部分工作都是利用AVI獲取路段行程時間信息,或者是利用AVI檢測的路段流量和行程時間信息進行OD估計,還未有利用AVI信息進行個體車輛路徑重構的方法和技術。
[0004]另一方面,雖然視頻牌照檢測技術日益成熟,目前主流視頻牌照檢測器的檢測精度,在良好光照條件下可達到90%,但這樣的精度僅能滿足路段行程時間檢測需求。對於大規模路網,隨著路段數的增加,能正確進行牌照匹配的車輛樣本將急劇減少(如十個路段的路網,其匹配樣本數僅佔總樣本數的0.910=0.35);同時,對於大規模路網,由於技術或經濟的原因,視頻車牌識別裝置不是在任意需要的地方都能布設的。綜上,車輛路徑重構面臨的現實關鍵問題為在AVI識別率下降、且只能在有限的地點布設AVI裝置條件下,如何在較大規模路網環境下獲取高精度的車輛路徑信息。
[0005]車輛出行路徑重構對研究交通流成因,城市OD結構,駕駛員交通路徑選擇行為等理論研究具有重要價值。此外,車輛出行路徑還將在城市動態交通管理、精細化交通分析、重大政策評估及管理(公車管理、車輛單雙號限行、擁擠收費等)以及公共安全管理(車輛跟蹤、VIP安全保衛等)等領域發揮巨大作用。
【發明內容】
[0006]本發明的目的在於針對AVI車輛部分路徑信息未充分利用的問題,提出了一種新的基於車輛自動識別數據的城市路網車輛出行路徑重構方法。
[0007]本方法具有以下三個特點:一、提出了以粒子濾波中重採樣思想為基礎的車輛出行路徑重構理論;二、提出實際影響車輛出行路徑的五大時空修正因子,大幅度提高車輛出行路徑重構的準確度;三、在AVI覆蓋率有限的條件下,實現較大規模路網車輛完整出行路徑的高精度獲取。
[0008]為達到以上目標,本發明提出的基於車輛自動識別數據的城市路網車輛出行路徑重構方法。本發明考慮AVI覆蓋率有限的情況,基於粒子濾波理論,結合車輛路徑軌跡中相關的五大時空修正因子,更新逼近任意車輛真實的空間狀態概率曲線。具體步驟如下:
(1)創建初始粒子群
建立初始粒子群,令其有 個初始粒子 表示為初
始粒子群中所有初始粒子的先驗概率,每個初始粒子代表一個車輛的可能出行路徑;
在無歷史信息條件下,所有初始粒子的初始概率定義為1/N;N代表初始粒子的數目;確定交通網絡小區後,採用優化的深度優先搜索方法,獲得各小區之間所有可能路徑;
(2)重要性採樣
For i=l, 2,......,N ;
假設所有初始粒子的初始概率分布服從上一輪重要性採樣後的密度函數;基於車輛路徑軌跡的五大時空修正因子,共有五次重要性採樣,分別為路徑一致性採樣、行程時間一致性採樣、可測性判據採樣、重力-流量模型採樣和路段-路徑流量匹配模型採樣;
(2.1)通過路徑一致性修正因子將車輛部分路徑與有效可能路徑集中的路徑進行拓撲結構匹配,進行第一次重要性採樣更新粒子權重;然後根據不同路徑權重更新,更新粒子集聚;
(2.2)通過行程時間一致性修正因子分析兩個AVI之間所有可能路段的平均行程時間與車輛在兩個AVI之間的真實行程時間的相似性,進行第二次重要性採樣更新粒子權重;然後根據不同路徑權重更新,更新粒子集聚;
(2.3)通過可測性判據修正因子減少檢測器檢測誤差影響,進行第三次重要性採樣更新粒子權重;然後根據不同路徑權重更新,更新粒子集聚;
(2.4)通過重力-流量模型修正因子反映車輛在路徑選擇過程中對距離較遠及檢測流量較小的出入口引力較小的客觀事實;據此進行第四次重要性採樣更新粒子權重;然後根據不同路徑權重更新,更新粒子集聚;
(2.5)通過路段-路徑流量匹配模型修正因子反映車輛實際走行流量大的路段可能性較大的事實;據此進行第五次重要性採樣更新粒子權重;然後根據不同路徑權重更新,更新粒子集聚。
[0009](3) 「真實」路徑的輸出
計算所有路網可能路徑的最終概率,並歸一化得到後驗概率函數曲線,推測單個車輛的完整出行路徑;其餘路徑不完整的車輛數據均可通過上述方法進行路徑重構,進而獲得路網所有車輛的真實出行路徑;
根據粒子濾波理論,所有可能路徑的後驗概率表示為如式(I)所示。
【權利要求】
1.一種基於車輛自動識別數據的城市路網車輛出行路徑重構方法,其特徵在於具體步驟如下: (1)創建初始粒子群 建立初始粒子群,令其有xSx2,……,ΧΝ個初始粒子,PO1XF(X2)1--,P(Zf)表示為初始粒子群中所有初始粒子的先驗概率,每個初始粒子代表一個車輛的可能出行路徑;在無歷史信息條件下,所有粒子的初始概率定義為1/N #代表初始粒子群的數目;確定交通網絡小區後,採用優化的深度優先搜索方法,獲得各小區之間所有可能路徑; (2)重要性採樣 For i=l, 2,......,N ; 假設所有完整粒子的概率分布服從上一輪重要性採樣後的密度函數;基於車輛路徑軌跡的五大時空修正因子,共有五次重要性採樣,分別為路徑一致性採樣、行程時間一致性採樣、可測性判據採樣、重力-流量模型採樣和路段-路徑流量匹配模型採樣; (2.1)通過路徑一致性修正因子將車輛部分路徑與有效可能路徑集中的路徑進行拓撲結構匹配,進行第一次重要性採樣更新粒子權重;然後根據不同路徑權重更新,更新粒子集聚; (2.2)通過行程時間一致性修正因子分析兩個AVI之間所有可能路段的平均行程時間與車輛在兩個AVI之間的真實行程時間的相似性,進行第二次重要性採樣更新粒子權重;然後根據不同路徑權重更新,更新粒子集聚; (2.3)通過可測性判據修正因子減少檢測器檢測誤差影響,進行第三次重要性採樣更新粒子權重;然後根據不同路徑權重更新,更新粒子集聚; (2.4)通過重力-流量模型修正因子反映車輛在路徑選擇過程中對距離較遠及檢測流量較小的出入口引力較小的客觀事實;據此進行第四次重要性採樣更新粒子權重;然後根據不同路徑權重更新,更新粒子集聚; (2.5)通過路段-路徑流量匹配模型修正因子反映車輛實際走行流量大的路段可能性較大的事實;據此進行第五次重要性採樣更新粒子權重;然後根據不同路徑權重更新,更新粒子集聚; (3)「真實」路徑的輸出 計算所有路網可能路徑的最終概率,並歸一化得到後驗概率函數曲線,推測單個車輛的完整出行路徑;其餘路徑不完整的車輛數據均可通過上述方法進行路徑重構,進而獲得路網所有車輛的真實出行路徑。
2.根據權利要求1所述的基於車輛自動識別數據的城市路網車輛出行路徑重構方法,其特徵在於步驟(2)中所述五次重要性採樣,具體為: (2.1)第一次重要性採樣:路徑一致性修正 初始粒子權重服從均勻分布,可以表示為
【文檔編號】G08G1/017GK103440764SQ201310360322
【公開日】2013年12月11日 申請日期:2013年8月19日 優先權日:2013年8月19日
【發明者】孫劍, 馮羽, 李克平, 楊劍浩 申請人:同濟大學