[发明专利]基于浮动车数据网格映射的城市路网交叉口拥堵识别方法

说明书

本发明公开一种基于浮动车数据网格映射的交叉口拥堵识别方法，首先将城市空间区域划分为网格，并利用低频浮动车数据识别出各交叉口对应的网格。通过将浮动车数据映射到这些网格，M2C交叉口识别方法能够识别浮动车的转弯方向并预测该方向上的交通状况。由于采用均匀方形网格进行二维空间离散化，M2C交叉口识别方法高效，并且不需要GIS地图的配合就能够基于浮动车数据重构交叉口并对交通状况予以分析和预测。

技术领域

本发明涉及交通技术领域，尤其涉及一种基于浮动车数据网格映射的城市路网交叉口拥堵识别方法。

背景技术

城市交通供需关系不平衡引发的交通拥堵是现代社会的主要问题之一，影响居民出行，阻碍城市发展。精准识别常发性交通拥堵发生地点，是制定有效交通缓堵对策的前提和基础。

交叉口是城市交通拥堵的常发点。交通管理部门通常在交叉口前安装固定式检测器如线圈、地磁等用于监控交叉口交通状况。然而，固定式检测器安装成本较大，损坏率高，后期维护成本较大且道路开挖施工易对道路交通产生恶劣影响。同时，固定式检测器的安装也并未能覆盖所有交叉口。随着现代通信技术和全球定位系统(GPS)的发展，浮动车数据如出租车GPS数据、公交车GPS数据等逐渐普及，GPS数据每隔30s，2分钟或5分钟上传其速度、位置、运动方向等信息，根据这些信息可推测浮动车周边道路或交叉口的交通状况。尽管浮动车在路网车辆数中所占比例较小，但分布较广，通过合理的技术和方法可推测全路网的交通状况。本发明使用低频浮动车数据进行城市路网交叉口拥堵识别。

现有文献中应用浮动车数据推测城市道路交通状况的研究绝大部分依赖于GIS地图，即首先要将浮动车数据与地理信息系统相匹配，此过程存在操作要求高、费时费力等缺点，特别是工程人员在缺乏地理信息系统相关知识背景条件下，更是增加了操作难度。此外，很多条件下，高精度数字地图并不易获取。

为解决以上问题，一些学者专门研究基于浮动车数据的地图推理和重构。例如，Davies 等人提出了一种基于内核密度估计的地图推理方法，将道路面积划分为单元/像素，并根据特定条件选择和过滤浮动车数据填充的单元/像素，提取道路网络^[2]。Biagioni和Eriksson将各种地图推理方法进行了比较^[2]，如Cao和Krumm^[3]、Stefan Edelkamp和Stefan Schrodl^[4]和 Davies^[1]等提出的方法被认为“显著优于”其他方法。另外，邱和王最近提出了一种用浮动车数据进行道路地图推理的分割和分组框架，它将浮动车数据划分到路段，然后将这些路段组成一条尽可能长的道路。但目前大多数的地图推理研究都以道路为对象，只有少数人把重点放在交叉口上。Fathi和Krumm设计了一个交叉口检测器，使用局部形状描述符来表示某个点周围的浮动车数据分布^[5]。对形状描述符进行训练，通过从地图提取的地面交叉口信息来识别交点。Wu等人则提出了一种数据预处理和聚类算法，根据车辆在交叉口处转弯的特征来识别浮动车数据的交点中心^[6]。

尽管这些地图通过推理和重构方法可用于生成道路网络和交叉路口，但目前鲜有人考虑地图重构与道路网络中交通状况推演相结合，即两者是分离的，先用浮动车数据生成地图，但进一步的路网交通状况分析则仍需要浮动车数据与地图相匹配。本发明技术将地图重构、地图匹配和路网交通状况分析进行一体化集成，可大大降低交通工程师工作量，提高工作效率。

发明内容

发明目的：本发明提供一种基于浮动车数据网格映射的城市路网交叉口拥堵识别方法，基于低频浮动车数据，将地图重构、地图匹配和路网交通状况一体化，大大降低实施成本。

技术方案：为实现上述目的，本发明中基于浮动车数据网格映射的城市路网交叉口拥堵识别方法，包括以下步骤：

(1)用边长约等于车道宽度的均匀正方形网格划分城市区域，然后运用算术基本运算将浮动车数据映射到网格；