[發(fā)明專利]基于號牌數(shù)據(jù)的通勤出行特征分析方法

有效

• 申請?zhí)枺?/td>: 201710072342.8
• 申請日: 2017-02-09
• 公開（公告）號: CN106971534B
• 公開（公告）日: 2019-09-06
• 發(fā)明（設(shè)計）人: 呂偉韜;盛旺;陳凝;李璐;張韋
• 申請（專利權(quán)）人: 江蘇智通交通科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/017
• 代理公司: 南京正聯(lián)知識產(chǎn)權(quán)代理有限公司 32243
• 代理人: 王素琴

1.一種基于號牌數(shù)據(jù)的通勤出行特征分析方法，其特征在于：包括以下步驟，

S1、數(shù)據(jù)采集，對路網(wǎng)智能卡口設(shè)備的檢測數(shù)據(jù)及城市靜態(tài)信息進行采集；

S2、數(shù)據(jù)預(yù)處理，對各智能卡口設(shè)備檢測的車輛號牌原始數(shù)據(jù)進行數(shù)據(jù)質(zhì)量檢驗，得到有效的車輛號牌數(shù)據(jù)后按時間序列進行整合，分析車輛的出行類型；步驟S2具體為：

S21、數(shù)據(jù)質(zhì)量檢驗：對智能卡口設(shè)備采集的車輛號牌原始數(shù)據(jù)進行數(shù)據(jù)質(zhì)量檢測，將異常數(shù)據(jù)進行數(shù)據(jù)隔離，獲取有效的車輛號牌數(shù)據(jù)；其中數(shù)據(jù)質(zhì)量檢測包括異常數(shù)據(jù)檢測和車輛號牌識別情況檢測，異常數(shù)據(jù)檢測包括數(shù)據(jù)缺失、時間戳錯誤，車輛號牌識別情況檢測包括車牌照缺位、異位、異常字符檢測；

S22、數(shù)據(jù)整合：從智能卡口檢測數(shù)據(jù)中提取有效的車輛號牌數(shù)據(jù)信息，然后按時間序列整合城市路網(wǎng)中所有檢測數(shù)據(jù)構(gòu)成車輛號牌數(shù)據(jù)庫；

S23、出行類型分析：按車輛號牌整合車輛號牌數(shù)據(jù)，分析車輛出行類型，即是否為過境車輛、通勤車輛或其他通行車輛；步驟S23具體為：

S231、若車輛號牌為外市車輛，同時號牌僅出現(xiàn)在某日某時間段內(nèi)，且號牌數(shù)據(jù)中存在城市出入口卡口設(shè)備檢測的車輛號牌數(shù)據(jù)，則認(rèn)為車輛為過境車輛，否則為市內(nèi)通行車輛，轉(zhuǎn)到下一步驟；

S232、若車輛連續(xù)多日時間序列分布的號牌數(shù)據(jù)相同，即某時段內(nèi)檢測號牌數(shù)據(jù)的設(shè)備編號相同，號牌數(shù)據(jù)設(shè)備檢測時間差小于閾值，則認(rèn)為該出行為通勤出行，轉(zhuǎn)到下一步驟，否則為其他出行車輛；

S233、若通勤車輛號牌數(shù)據(jù)的檢測設(shè)備中有城市出入口的卡口設(shè)備，則認(rèn)為是市際通勤，否則為市內(nèi)通勤，轉(zhuǎn)到步驟S3；

S3、出行鏈分析，提取市內(nèi)通勤車輛號牌數(shù)據(jù)信息，分析車輛行駛軌跡以及停留小區(qū)，構(gòu)建通勤車輛出行鏈數(shù)據(jù)；

S4、出行特征分析，統(tǒng)計分析通勤出行車輛的出行信息，根據(jù)車輛出行信息分析居民業(yè)余活動狀況、居民通勤出行的時間與距離以及居民出行需求，獲取居民出行規(guī)律。

2.如權(quán)利要求1所述的基于號牌數(shù)據(jù)的通勤出行特征分析方法，其特征在于：步驟S1中，城市靜態(tài)信息為城市基礎(chǔ)地理信息，包括路網(wǎng)信息和城市結(jié)構(gòu)布局信息。

3.如權(quán)利要求1所述的基于號牌數(shù)據(jù)的通勤出行特征分析方法，其特征在于，步驟S3具體為：

S31、車輛行駛軌跡分析：按時間序列整合車輛號牌數(shù)據(jù)，將卡口獲取的號牌數(shù)據(jù)放入對應(yīng)卡口數(shù)據(jù)隊列，根據(jù)卡口位置以及城市路網(wǎng)結(jié)構(gòu)，生成車輛出行行駛軌跡；

S32、交通小區(qū)分析：整合號牌數(shù)據(jù)的初始值和結(jié)束值的位置信息得到居民居住交通小區(qū)，根據(jù)檢測號牌數(shù)據(jù)的時間差分析車輛除住宅以外的停留交通小區(qū)，根據(jù)工作日最長停留時間段的停留地點統(tǒng)計分析得到工作交通小區(qū)；

S33、整日出行鏈分析：根據(jù)車輛行駛軌跡以及停留的交通小區(qū)，構(gòu)成整日居民小汽車出行鏈數(shù)據(jù)，即車輛行駛軌跡路徑和停留小區(qū)信息。

4.如權(quán)利要求1所述的基于號牌數(shù)據(jù)的通勤出行特征分析方法，其特征在于：步驟S32中，若連續(xù)兩個號牌數(shù)據(jù)的時間間隔超過檢測點之間行駛距離所需時間的閾值，則認(rèn)為車輛發(fā)生停留，確定停留小區(qū)，其中時間閾值根據(jù)該檢測點與附近各檢測點之間距離所需時間確定，其中檢測點之間行駛距離所需時間的閾值根據(jù)該檢測點與附近各檢測點之間距離所需時間確定，即T＝max{t_i}，t_i為檢測點之間所需行駛時間，由檢測的所有車輛不同時間段平均行駛時間上限得到。

5.如權(quán)利要求1所述的基于號牌數(shù)據(jù)的通勤出行特征分析方法，其特征在于，步驟S4具體為：

S41.業(yè)余活動分析：根據(jù)車輛出行鏈數(shù)據(jù)中除居住地和工作地點之外的停留信息分析居民業(yè)余活動情況，進一步統(tǒng)計居民業(yè)余活動量及業(yè)余活動小區(qū)，分析得到居民業(yè)余活動率和城市重要熱點活動地區(qū)；

S42.通勤出行距離時間分析：根據(jù)出行軌跡信息分析整合車輛通勤出行信息，分析得到車輛平均出行距離和出行時間，統(tǒng)計早高峰通勤軌跡；進一步統(tǒng)計城市私家車通勤的居民出行時間和距離，分析計算得到所有居民私家車通勤的平均通勤時間和通勤距離；

S43.出行需求分析：整合車輛通勤出行軌跡，與道路路網(wǎng)匹配得到車輛出行路段信息，進一步統(tǒng)計分析所有通勤出行車輛的行駛軌跡，基于地圖得到城市居民通勤時段重要出行路段以及途徑交叉口，由此得到早晚高峰時段容易發(fā)生交通擁堵的路段。