[发明专利]一种基于大数据的交通运行状态特征参数提取方法

说明书

技术领域

本发明涉及一种交通运行状态特征参数提取的方法，尤其是一种基于大数据的交通运行状态特征参数提取方法，属于交通信息技术领域。

背景技术

交通问题是城市化发展的产物。伴随着城市化进程的加快，交通问题也日趋严重，其中，交通拥堵问题是最严重的问题之一，人们越来越关注如何治理交通拥堵。从目前来看，通过合理分配和利用现有道路资源来缓解部分路段的交通拥堵，是一种有效手段。合理分配和利用现有道路资源的前提就是对交通运行状态的掌握。目前采集交通运行状态的方法主要有两种：定点采集和流动采集。定点采集主要通过固定位置安装线圈监测器、超声波监测器、红外线监测器、微波监测器、视频监测器等监测器来采集，这种方式获取的数据相对准确但采集范围小，数据量少。流动采集主要指的是浮动车采集，这种方式获取数据的精确度完全依赖于路网上浮动车的数量，当浮动车数量少于一定值之后，获取数据的精度将大大降低。如何获取全面、实时、准确的交通运行数据成为人们关注的问题。近年来，随着大数据的迅猛发展，研究基于大数据的交通运行数据的采集技术，如何挖掘手机位置数据、GPS位置数据、基于视频、线圈断面交通流等数据来分析交通运行速度、交通流量等交通运行状态特征参数成为一个研究热点。

目前，国内外通过手机位置数据分析交通运行速度、交通流量等交通运行状态特征参数还处于研究初级阶段，已经出现部分研究成果。速度计算有通过固定时间间隔从手机网络获取时间间隔内所有手机发出的实时信号数据，根据第i部手机发出的实时信号数据得到虚拟传感器路段及旅行速度；平均路段速度计算有采用两级三次地图匹配方法以及一种称为“LAC序列法”的速度计算方法，同时也有通过速度渐变分段对道路上手机终端的行驶速度进行差分处理，并利用历史手机速度样本的旅行速度区间概率分布对路段旅行速度与旅行时间进行加权平均计算。

而对于交通流量来说，有的通过数据输入步骤所得到的交通流信息、交通噪声数据、道路类型信息与采集时间类型信息建立人工神经网络模型，进而得到交通流量信息；也有通过计算手机数据与道路交通流数据的相关系数，利用实时监测的手机数据和相关系数，预测当前时间段的交通流数据。

以上通过手机数据获取交通运行速度、交通流量等交通运行状态参数的方法存在以下缺点：

1)手机位置数据匹配到道路网的精度不高，以至于数据丢失或者道路匹配错误；

2)手机载体来源广泛，既可来自道路旁徒步的人群，也可来公交车及小汽车的乘客，也可来自驾驶非机动车的驾驶员，但只有载体为道路上机动车里的手机用户才是可用于路况计算的样本，由于载体难以区分，造成了计算出的路况信息不能如实地反映道路的交通状况；

3)计算道路平均速度时并未考虑道路车道类别的不同，将所有路段速度平均或加权平均都不能真正反映道路真实的平均速度。

4)道路交通量的计算比较粗糙，对于手机数据的筛选以及短期甚至长期的道路流量监测不够完善。

发明内容

针对上述现有技术存在的缺陷，本发明提供一种基于大数据的交通运行状态监测参数提取方法，所采用的交通大数据主要包括手机位置数据、GPS数据、基于视频、线圈断面交通流数据，监测的交通运行状态参数包括速度和流量。主要包括以下几个步骤：1)交通大数据的提取，其包含手机位置数据、GPS数据、基于视频、线圈断面交通流数据；2)手机数据与路网匹配，采取基于泰森多边形的手机位置数据与GIS路网匹配方法将手机数据匹配到路网上；3)提取速度信息，以手机数据为核心，其他数据为辅助，提高手机速度精度，优化基于手机数据的速度提取模型和速度提取结果；4)提取流量信息，建立基于视频数据、线圈数据获取的高精度流量数据与手机数据提取流量数据的关系模型，优化基于手机数据的交通流量提取模型和交通流量提取结果。

本发明的具体技术方案如下：

步骤1，交通大数据的提取

本发明所采用的交通大数据包括手机位置数据、GPS数据、基于视频、线圈断面交通流数据。提取这些数据具体做法如下：

步骤1.1，将道路分成多个路段，并记录各路段的路段编号、位置坐标、公里数等信息，搜集覆盖各路段相关基站数目，记录基站编号和位置坐标；

步骤1.2，从数据库中有选择的选取周期t内与调查路段相关基站的手机数据，获取的手机数据有用户编号(IMSI)、通信类型、基站编号、切换时间；

步骤1.3，从数据库中选取周期t内与调查路段相关的GPS数据；

步骤1.4，从数据库中选取周期t内与调查路段相关的基于视频、线圈断面交通流数据。