[發明專利]一種基于浮動車數據的交通流變化趨勢提取方法

有效

• 申請號: 201210460184.0
• 申請日: 2012-11-15
• 公開（公告）號: CN103810849A
• 公開（公告）日: 2014-05-21
• 發明（設計）人: 楊珍珍;郭勝敏;李平;馬法進;張高峰;孫亞夫;于曉
• 申請（專利權）人: 北京掌城科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06F19/00
• 代理公司: 北京華沛德權律師事務所 11302
• 代理人: 劉麗君

技術領域

本發明涉及智能交通技術領域，特別涉及一種基于浮動車數據的交通流變化趨勢提取方法。

背景技術

隨著智能交通系統技術的飛速發展，越來越多的城市建立了先進的交通信息服務系統，通過數據采集系統獲取實時交通數據，經過綜合處理，預測交通流，并借助網絡、廣播、手機、可變信息板或車載導航裝置等發布實時路況信息，結合交通信息為出行者規劃最優路徑。此外，交通信息可為交管部門提供交通控制與管理的依據，為道路規劃部門合理規劃道路設施提供參考依據，達到緩解交通擁堵、節能減排的目的。交通流變化具有明顯的潮汐性和周期性，掌握城市內每條道路的交通流變化規律，對于交通流預測、路徑規劃和誘導、道路規劃等都具有重要的意義。

浮動車技術是智能交通系統中獲取道路實時交通信息的技術手段之一，它利用定位技術、無線通信技術和信息處理技術，實現對道路上行駛車輛的GPS位置信息、瞬時行駛速度和方向等交通參數的采集，結合城市道路路網數據，對采集的GPS位置信息進行數據過濾、地圖匹配、路徑推測和多車融合等相關計算模型及算法的處理，從而使浮動車數據和城市路網在時間和空間上關聯起來，形成反映實時道路擁堵情況的交通信息，為交通管理部門和公眾提供動態的交通控制和誘導服務。與傳統的道路檢測技術和視頻監控技術等固定點采集手段相比，浮動車具有低成本、易安裝、易維護、測量范圍廣等優勢。

綜上所述，研究基于浮動車數據的交通流變化趨勢提取方法及系統意義重大。

而國內外目前常采用聚類分析的方法來提取交通流變化趨勢，如改進的模糊C均值聚類方法對交通流數據進行分類；采用K-均值法和層次聚類法實現不同變化趨勢的交通流時間序列分離；采用兩級模糊聚類法對交通數據進行降維處理；采用聚類模式之間的最大距離選取類中心，以最小聚類原則對交通數據進行歸類；階梯型聚類方法對交通流量進行分類等。目前這些方法多是從純數學角度進行聚類，并沒有考慮交通信息在實際應用中的表達方式特征，交通流變化趨勢不能被完全區分和提取出來。

發明內容

有鑒于此，本發明的目的在于提供一種基于浮動車數據的交通流變化趨勢提取方法，用于實現基于浮動車數據的交通流變化趨勢提取。

本發明提供了一種基于浮動車數據的交通流變化趨勢提取方法，包括：

獲取路鏈至少三個月的歷史浮動車數據，按照特征日對所述歷史浮動車數據進行分類；對所述歷史浮動車數據進行去噪平滑處理；按照早晚高峰的變化趨勢將每個特征日的歷史浮動車數據分為至少一個時段；采用K-均值聚類方法對分類后的歷史浮動車數據進行初步聚類；根據交通信息的粗粒度表達方式，采用定距型方法或二值型方法對所述初步聚類后的歷史浮動車數據進行聚類。

本發明結合交通信息的粗粒度表達方式，在K-均值聚類方法的基礎上，對交通流變化趨勢進一步合并，使交通流變化趨勢更加突顯出來，為交通流預測、路徑規劃和誘導、道路規劃等提供更清晰明了的參考依據。

附圖說明

圖1為本發明實施例提供的基于浮動車數據的交通流變化趨勢提取原理示意圖；

圖2為本發明實施例提供的基于浮動車數據的交通流變化趨勢提取方法流程圖；

圖3為本發明實施例中以交通狀態表達法來對交通信息進行粗粒度分級的示意圖；

圖4為本發明實施例中一個特征日一個時段的歷史浮動車數據變化趨勢示意圖；

圖5為本發明實施例中采用K-均值聚類方法對歷史浮動車數據進行初步聚類后的結果示意圖；

圖6為本發明實施例中采用定距型方法判斷歷史浮動車數據可進一步合并的模式示意圖；

圖7為本發明實施例中采用定距型方法對歷史浮動車數據進行進一步聚類后的結果示意圖；

圖8為本發明實施例中采用二值型方法判斷歷史浮動車數據可進一步合并的模式示意圖；

圖9為本發明實施例中采用二值型方法對歷史浮動車數據進行進一步聚類后的結果示意圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面結合附圖對本發明作進一步的詳細描述。

本發明實施例針對目前交通流變化趨勢提取方法的不足，根據交通信息在實際應用中的表達方式，提出基于浮動車數據的交通流變化趨勢提取方法，為交通流預測、動態路徑規劃、交通規劃與管理提供理論依據和技術參考。