[发明专利]基于GIS大数据的工况权重因子获取方法及装置

说明书

本发明涉及一种基于GIS大数据的工况权重因子获取方法及装置。所述获取方法包括以下步骤：S1、GIS数据补充与修正；S2、道路信息处理与匹配，构建典型城市全路网GIS数据库；S3、建立基于支持向量机的交通流模型选择模型；S4、交通流模型标定及计算，得到全路网道路的交通流量；S5、速度区间权重因子计算。该方法可准确客观的对各个速度区间的权重因子进行计算，为政府、研究机构和企业在道路工况提取相关领域的政策制定、试验设计和产品开发提供技术性支持。

技术领域

本发明涉及交通运输领域，具体而言，涉及一种基于GIS大数据的工况权重因子获取方法及装置。

背景技术

汽车产品检测工况是汽车行业的一项重要的共性基础技术，是车辆能耗/排放测试方法和限值标准的基础。在工况构建过程中，如何客观科学地确定车辆在各个速度区间下行驶的权重因子是亟待解决的问题。传统权重因子确定方法是基于实际车队采集数据进行计算，但计算结果受车队组建的主观性影响较大，因而所得权重因子准确性较低，无法客观确定出各个速度区间的权重因子。

有鉴于此，特提出本发明。

发明内容

第一方面，本发明的目的在于提供一种基于GIS大数据的工况权重因子获取方法，该方法可准确客观的对各个速度区间的权重因子进行计算，为政府、研究机构和企业在道路工况提取相关领域的政策制定、试验设计和产品开发提供技术性支持。

第二方面，本发明的目的在于提供一种基于GIS大数据的工况权重因子获取装置。

第三方面，本发明的目的在于提供一种电子设备。

第四方面，本发明的目的在于提供一种介质。

为了实现上述目的，本发明采用以下技术方案：

第一方面，本发明提供了一种基于GIS大数据的工况权重因子获取方法，包括以下步骤：

S1、GIS数据补充与修正；

S2、道路信息处理与匹配，构建典型城市全路网GIS数据库；

S3、建立基于支持向量机的交通流模型选择模型或基于粒子群优化极限学习机的交通流模型选择模型；

S4、交通流模型标定及计算，得到全路网道路的交通流量；

S5、速度区间权重因子计算。

作为进一步优选的技术方案，步骤S1包括：计算各条道路GIS数据的缺失率，对GIS数据缺失率在一定范围内的道路数据进行补充与修正；

优选地，若缺失率大于或等于0.3，则该条道路的GIS数据直接被删除；

若缺失率大于或等于0.1且小于0.3，则采用相邻日期同一时刻的速度平均值补充；

若缺失率小于0.1，则采用当日内相邻时刻平均速度的线性差值对车辆信息进行补充；

优选地，所述相邻日期为当日前五天到当日后五天；

优选地，所述相邻时刻为当前时刻的前15分钟到后15分钟。

作为进一步优选的技术方案，步骤S2包括：根据道路信息对各条道路的车道数进行加权处理，获得该条道路的平均车道数；将道路GIS数据与道路信息相匹配，构建典型城市全路网GIS数据库；

优选地，该条道路的平均车道数采用以下公式计算得到：

其中，n为平均车道数；n_i为该道路上第i段道路车道数；l_i为该道路上第i段道路车道长度。

作为进一步优选的技术方案，所述交通流模型选择模型基于支持向量机建立；