[發明專利]基于多源數據融合的干道車輛運行軌跡重構的方法

有效

• 申請號: 201810860947.8
• 申請日: 2018-08-01
• 公開（公告）號: CN109064741B
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 余貴珍;陳敏;陳鵬;王云鵬
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06F30/20;G06F30/18
• 代理公司: 廈門福貝知識產權代理事務所(普通合伙) 35235
• 代理人: 郝學江

本發明公開了一種基于多源數據融合的干道車輛運行軌跡重構的方法。其中，本方法旨在全面、準確地再現干道交通狀態的時空分布和演變規律，從而提高交通狀態參數估計和預測精度，提升信號控制效益。本發明基于三維沖擊波的變分理論，首先采用定點檢測器數據估計前向弧和后向弧斜率，建立初始的干道時空網絡圖；其次通過融合浮動車數據和信號配時數據估計排隊傳播曲線輪廓；最后在浮動車軌跡、排隊邊界和信號配時三個維度的約束下，基于最短路算法重構車輛完整運行軌跡。本發明解決了當前擁堵狀態下車輛運行軌跡難以精確估計以及目前基于抽樣軌跡數據研究存在要求較高滲透率的技術問題。

技術領域

本發明涉及智能交通領域，具體而言，涉及一種基于多源數據融合的干道車輛運行軌跡重構的方法。

背景技術

車輛運行軌跡是對交通流運行狀態最全面和完整的表達，不僅可以體現車輛在路網上的行駛路徑，而且可以反映車輛運行速度隨時間和空間的變化規律，蘊含非常豐富的交通流信息。伴隨移動互聯等新一代信息技術的發展，交通信息化水平的提高使得城市路網大范圍、連續、自動的定點和移動檢測數據的采集成為現實。傳統定點檢測設備(如線圈、視頻、地磁等)可以直接獲取特定地點一定時間間隔的速度、流量、占有率等交通特征參數。通過移動檢測設備(如浮動車、車輛自動識別設備、車載導航等)可以獲得少部分抽樣車輛的時空連續軌跡、起訖點、點到點的行程時間等個體車輛運行信息。考慮到上述兩類檢測器數據在格式、采樣頻率、時空粒度以及精度等方面存在差異性，綜合運用交通系統分析和信息融合理論方法，對上述集計交通流參數和抽樣個體車輛運行信息加以融合，則能實現對城市干道所有車輛軌跡的重構。

目前的車輛運行軌跡重構方法主要分為三類：(1)基于定點檢測器的車輛運行軌跡重構。美國俄亥俄州立大學Coifman基于雙線圈檢測器數據，根據交通流理論與三角形基本圖的假設，通過在時空圖中估計路段行程時間重構車輛運行軌跡。該方法適用于具有連續流特征的高/快速路，不適用于信號燈“開關控制”下的干道車輛運行軌跡重構。(2)單車微觀軌跡重構。 Hao、Wan、Shan基于概率論的思想，分別采用隨機模型、EM算法及最大似然估計，從微觀角度重構浮動車任意相鄰采樣點之間的運動軌跡。美國倫斯勒理工學院Sun和Ban利用秒級浮動車數據，假設連續浮動車之間的車輛到達服從均勻分布，重構單點交叉口直行車流的全樣本軌跡，并通過微觀仿真和NGSIM數據對方法進行了標定和驗證。該方法局限于較高的浮動車滲透率(25％以上)環境以及不合實際的車輛均勻到達模式。(3) 基于多源數據融合的車輛軌跡重構。同濟大學唐克雙等人通過融合視頻和定點檢測器流量數據，基于二維沖擊波理論和交通仿真思想，開發了一種不依賴高頻浮動車數據、適用于多車道、有出入車輛干擾情況下的軌跡重構方法。但是，該方法未考慮擁擠狀態下，當排隊長度接近或者到達定點檢測器位置時檢測數據不能反映實際的情況。

針對當前擁堵狀態下車輛運行軌跡難以精確估計以及目前基于抽樣軌跡數據研究存在要求較高滲透率的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種基于多源數據融合的干道車輛運行軌跡重構的方法，以至少解決當前擁堵狀態下車輛運行軌跡難以精確估計以及目前基于抽樣軌跡數據研究存在要求較高滲透率的技術問題。

根據本發明實施例的一個方面，提供了一種基于多源數據融合的干道車輛運行軌跡重構的方法，包括：確定初始變分網絡的基本參數，其中基本參數包括前向弧斜率、后向弧斜率、時間步長和空間步長；基于初始變分網絡的基本參數，獲得初始變分網絡；基于初始變分網絡，在信號配時參數、排隊波邊界曲線和浮動車軌跡的約束條件下，建立帶有權值的變分網絡；根據最短路算法，計算所述帶有權值的變分網絡的各節點的累積車輛數；以及連接具有相同累積車輛數的帶有權值的變分網絡的節點，重構車輛運行軌跡。

可選地，根據固定檢測器數據確定基本參數的操作，包括以下步驟：

利用以下公式確定所述后向弧斜率和所述空間步長：