[发明专利]基于城市道路卡口数据的全路网路段行程时间估计方法

说明书

本发明提出了一种基于城市道路卡口数据的全路网路段行程时间估计方法，主要包括以下步骤：1)基于卡口数据，进行数据预处理及筛选，得到初步的局部路段行程时间；2)统计提取卡口数据中车辆进入路段的小时时段、车辆出行次数、车辆编号、路段等变量建立多维张量模型；3)进行k均值聚类分析，将结果应用于张量模型缺失项的补充；4)筛选出行程时间中的异常值，对于离群值利用分段插值的方法来估计其行程时间。本研究基于卡口数据提取出车辆行程时间，对于不同状况或者不同驾驶习惯的人群进行分类，依据聚类分析的结果对于行程时间中缺失项进行补充，在进行行程时间估计时考虑了交通状况以及人群驾驶习惯差异等因素的影响，从而实现了考虑人群差异性的全路网路段行程时间估计。

技术领域

本发明涉及城市道路行程时间计算方法，具体涉及一种基于城市道路卡口数据的全路网路段行程时间估计方法。

背景技术

路段旅行时间是城市交通出行信息中的一个关键指标，它可以用来评价城市道路的服务水平，反映道路的运行状况等特征。通过提供准确的旅行时间信息，个体驾驶者可以做出更好的路径选择，公交管理公司可以更有效地运营调度系统，而交通管理部门可以找到有问题的地方应该引入新的或修改后的交通控制方案来提高性能，交通政策制定部门分析交通需求和评估影响交通拥堵费等政策工具。

然而，由于交通需求和供给的波动性、交通管制、信号交叉口的随机到达和离开所带来的内在不确定性等因素的影响，城市道路网络中的行驶时间估计是一个的具有挑战性的问题。近年来，信息采集和通信技术的进步正在将一个曾经数据匮乏的领域转变为数据最丰富的领域之一。越来越多的数据采集器，例如安装在出租车上的全球定位系统装置、高清卡口设备的广泛应用等。在较大的时空尺度上提供大量的车辆交通数据，并使用更复杂的模型为城市道路网络提供交通信息。但卡口数据不能提供用于分析模型通常需要的直接信息，如交通流和行程时间等信息，需要基于纯数据驱动的方法，即仅使用数据本身来发现数据内部潜在的模式和知识，据此可以发掘出很多道路或者车辆的属性特征。

而现如今科技的进步，信息行业的飞速发展以及电子设备的不断更新换代，交通信息采集技术和设备也有了巨大飞跃，特别是未来5G技术在这些领域的应用将会实现车联网、路联网甚至物联网。相较于以往，如今电子设备所采集的数据指标更为多样化，准确度也不断提高。其中，道路卡口摄像监控系统就是其中之一。但是目前对于卡口数据的分析和应用主要集中在维护社会治安等方面，如抓拍违法车辆、可以车辆的识别等。车牌识别数据便于采集、识别准确率高并且体量庞大，信息客观可靠、全面并且记录连续，相较于传统的交通调查更为高效，因此使用卡口车牌识别数据可以真实的反映出车辆的出行信息，所得出的研究成果更加科学可靠，提出的建议与制定的政策也更符合实际。但是车牌识别获得的卡口数据也有一定的局限性，即加密后的车牌数据不能采集车辆驾驶员的个人社会经济属性。虽然近年来有关车牌识别数据和模型的技术有了一定的发展，但在有效的建模方法、数据稀疏性、交通条件波动等方面还存在一定的问题。

发明内容

发明目的：针对以上不足，本发明提出一种基于城市道路卡口数据的全路网路段行程时间估计方法。

技术方案：本发明所述的一种基于城市道路卡口数据的全路网路段行程时间估计方法，该方法包括以下步骤：

(1)获取城市道路的若干条历史卡口数据并进行预处理，所述历史卡口数据包括卡口编号、拍摄时间、车道、车牌号；其中预处理具体为：首先将历史卡口数据中的M个卡口和N辆车重新编号为1至M和1至N，其次根据车辆编号对历史卡口数据进行排序，最后根据拍摄时间对每个车辆编号对应的历史卡口数据再次进行排序；

(2)根据(1)中预处理后的历史卡口数据，计算出路段行程时间；

(3)基于车辆编号、出行时段、路段行程时间、路段、车辆出行次数建立张量模型；

(4)选取路段行程时间、车辆出行次数以及出行时段作为k均值聚类分析的变量，进行聚类分析；