[发明专利]一种卡口数据缺失下的车辆行车轨迹重建方法及系统

说明书

本公开公开的一种卡口数据缺失下的车辆行车轨迹重建方法及系统，包括：获取卡口数据；根据卡口数据生成车辆初始轨迹；对车辆初始轨迹进行轨迹拆分，生成多个待定路径段；采用粒子群优化算法对待定路径段进行分析，确定车辆行车轨迹可行路径；利用网络层次分析法选取车辆行车轨迹可行路径中的最优路径，为最终的车辆行车轨迹。实现了卡口数据缺失时的车辆行车轨迹重建。

技术领域

本发明涉及交通信息技术领域，尤其涉及一种卡口数据缺失下的车辆行车轨迹重建方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

智能交通系统是解决城市路网复杂交通问题的重要手段之一。随着智能交通系统的不断发展，各种交通检测设备的智能化、自动化以及信息处理能力也在不断提高。目前，以卡口设备为代表的城市视频监控系统能够较好识别和匹配车辆牌照信息，实现车辆行车轨迹的跟踪，但仍面临着由卡口设备空间覆盖率不足所导致的轨迹丢点、轨迹链不完整等问题。准确完整的车辆轨迹数据能够提供丰富的路网交通运行状态信息，再现复杂的道路交通运行场景，为道路使用者提供优质的出行服务，故如何利用缺失的卡口数据重建车辆行车轨迹成为智能交通领域研究的热点和重点问题之一。

通过检索发现，有研究人员提供了一种基于电子警察数据的车辆轨迹跟踪方法，在对电子警察过车数据进行预处理的基础上，通过车辆相邻检测点之间的时间差与时间阈值的比较构建车辆出行的上下游路段信息表，进而获取每辆车的大概轨迹数据；有研究人员提供了一种车辆轨迹重建方法，根据路网数据构建路网拓扑图，利用车辆轨迹的起讫点选取轨迹范围内的视频监测点，结合社团发现、最短路径等算法快速重构车辆轨迹；有研究人员提供了一种基于车辆轨迹数据的路径提取方法，通过GPS数据筛选、轨迹分割以及关键节点聚类确定粗糙的骨干路网，结合开源路网及最小二乘支持向量机(LS-SVM)算法拟合出高精度的道路中心线。

上述方案均是利用卡口视频数据或车辆GPS定位数据实现车辆行车轨迹的重建，但是这些方案均没有针对性地解决由卡口设备缺失或故障出现卡口数据缺失所导致的轨迹断链问题，同时，单一的车辆轨迹影响因素(如行驶路径最短)无法获取实时准确的车辆出行轨迹信息。

发明内容

本公开为了解决上述问题，提出了一种卡口数据缺失下的车辆行车轨迹重建方法及系统，在卡口数据缺失的情况下，利用已有的卡口数据生成车辆初始轨迹，对车辆初始轨迹进行拆分形成待定路径段后，通过粒子群优化算法对待定路径段进行分析，确定了车辆行车轨迹可行路径，最后通过网络层次分析法筛选出可行路径中的最优路径为最终的车辆行车轨迹，实现了在卡口数据缺失的情况下对车辆行车轨迹的重建。

为实现上述目的，本公开采用如下技术方案：

第一方面，提出了一种卡口数据缺失下的车辆行车轨迹重建方法，包括：

获取卡口数据；

根据卡口数据生成车辆初始轨迹；

对车辆初始轨迹进行轨迹拆分，生成多个待定路径段；

采用粒子群优化算法对待定路径段进行分析，确定车辆行车轨迹可行路径；

利用网络层次分析法选取车辆行车轨迹可行路径中的最优路径，为最终的车辆行车轨迹。

第二方面，提出了一种卡口数据缺失下的车辆行车轨迹重建系统，包括：

卡口数据采集模块，用于获取卡口数据；

车辆初始数据生成模块，用于根据卡口数据生成车辆初始轨迹；

车辆初始轨迹划分模块，用于对车辆初始轨迹进行轨迹拆分，生成多个待定路径段；

车辆行车轨迹可行路径生成模块，用于采用粒子群优化算法对待定路径段进行分析，确定车辆行车轨迹可行路径；