[发明专利]一种基于轨迹重构技术的流量修复方法

权利要求书

1.一种基于轨迹重构技术的流量修复方法，其特征在于，包括以下步骤：

步骤S-1：对过车记录进行预处理，以对检测生成的明显的错误车辆信息进行处理；

步骤S-2：路段有效行程时间集合，具体包括以下步骤：

步骤S-2-1：路段行程时间集生成

将经过步骤S-1处理的过车记录排序后，依次读取过车记录，同一车牌前后两次不是同一卡口，则该车牌对应的车辆k前后检测时间记录之差为：

其中，TIME_SPAN表示车辆k上下游行程时间；t_k表示车辆k的路段行程时间；表示车辆k经过下游进口道的时间；表示车辆k经过上游进口道的时间；

则两卡口对之间的旅行时间为：

TRAIL_TIME＝TIME_SPAN，when 0＜TIME_SPAN＜tt_u

tt_u＝2.77*d

其中，TRAIL_TIME表示路段行程时间集合；tt_u表示设置的最大旅行时间阈值；d表示路段距离；

步骤S-2-2：路段行程时间异常值过滤，得到最终路段有效行程时间集合EFFECTIVE_TRAIL_TIME：

步骤S-3：出行链分离，具体包括以下步骤：

步骤S-3-1：行程时间上下限计算

记车辆一天出行链TRAVEL_DAY中相邻节点node_i、node_j的经过时间分别为passtime_i、passtime_j，j＞i，则：

Δt_ij＝passtime_j-passtime_i

其中，Δt_ij表示相邻节点node_i、node_j的检测时间差；

若路网有向图中存在有向弧dot_i，dot_j，则D(node_i，node_j)＝1，即node_i→node_j直接可达，则node_i→node_j的距离d_ij为路网有向图中有向弧dot_i，dot_j的路段长度；

否则，D(node_i，node_j)＝0，即node_i→node_j不直接可达，则距离d_ij用node_i→node_j最短路径的路段长度和表示，其中，node_i→node_j最短路径通过最短路算法获得；

行程时间上限

其中，t_u表示路段统计时间窗内有效行程时间的最大值；

其中，t_l表示路段统计时间窗内有效行程时间的最小值，单位：s。

步骤S-3-2：行程速度上下限计算

相邻节点node_i→node_j的行程速度上、下限值分别为其中，ξ为调整系数；表示相邻节点node_i→node_j统计时间窗内有效行程时间的最小值；表示相邻节点node_i→node_j统计时间窗内有效行程时间的最大值；

步骤S-3-3：出行链分离，具体包括以下步骤：

步骤S-3-3-1：当node_i＝node_j时，若Δt_ij＞Δt_θ，则出行链分离，否则不进行出行链分离，其中，Δt_θ为检测时间差，根据实际数据分析暂取540s；

当node_i！＝node_j时，进入步骤S-3-3-2；

步骤S-3-3-2：若则标记为异常轨迹，否则进入步骤S-3-3-3，其中，v_ij表示相邻节点node_i→node_j的行程速度；

步骤S-3-3-3：若D(node_i，node_j)＝1且则不进行出行链分离；若D(node_i，node_j)＝1且则出行链分离；否则，进入步骤S-3-3-4；

步骤S-3-3-4：若D(node_i，node_j)＝0且则不进行出行链分离；若D(node_i，node_j)＝0且则出行链分离。

利用清洗后的过车记录数据，提取每个车牌license_i经出行链分离后的上一条出行，按时间先后顺序依次经过的路口号、进口道号和经过时间，依次得到每辆车一天的多条出行链TRAVEL_DAY；

TRAVEL_DAY＝(node₁→node₂→…node_i…→node_n)

其中，node_i表示出行链TRAVEL_DAY中的第i个节点；

步骤S-4：路径修复

缺失路径表示为被检测到的相邻两个节点node_i→node_j之间的部分，若node_j-1＝node_i且D(node_i，node_j)＝1，则漏检节点数h＝0，无漏检，此时无需修复；在其他情况下，进行路径修复，具体包括以下步骤：

步骤S-4-1：若node_i+1＝node_j-1且D(node_i，node_j)＝0，则漏检节点数h＝1，此时采用路网拓扑关系修复；。

步骤S-4-2：若node_i+1！＝node_j-1且D(node_i，node_j)＝0，则漏检节点数h≥2，此时采用由起点i到终点j所经过的最短路径集合S所经过的节点数进行判断，若最短路修复后节点数除首尾节点外h＝2，采用Dijkstra最短路径进行估计修复，利用Dijkstra算法生成起点i到终点j的距离上的最短路径；

步骤S-4-3：粒子滤波算法修复

若node_i+1！＝node_j-1且D(node_i，node_j)＝0，则漏检节点数h≥2，此时采用由起点i到终点j所经过的最短路径集合S所经过的节点数进行判断，若最短路修复后节点数除首尾节点外h＞2，采用粒子滤波算法进行估计修复，具体包括以下步骤：

步骤S-4-3-1：粒子滤波之可行解生成

基于最短路径算法，求相对最短路径的偏移路径，由与起点相邻路口开始偏移，直至找到满足备选路径数量需求的偏移路径集，该偏移路径集即为可行解，具体包括以下步骤：

步骤S-4-3-1-1：输入起点o、终点d、要求的最短路径个数K；初始化集合和集合A和集合B分别用于存放起点o到终点d的K条最短路径和候选路径；

步骤S-4-3-1-2：根据步骤S-4-2，求出起点o到终点d的最短路径，并放入集合A；

步骤S-4-3-1-3：将集合A中最后一条路径p_k上除终点d外的每个顶点分别看作偏离点，若不存在偏离点，则进入步骤S-4-3-1-4，否则，对每个偏离点V_i做如下计算：

根据步骤S-4-2，求偏离点V_i到终点d的最短路径V_i，d；为防止起点到终点的整体路径有环，从偏离点V_i到终点d的最短路径V_i，d中不能包含起点o到偏离点V_i的最短路径o，V_i上的任何节点；为避免与已经在集合A中的路径重复，从偏离点V_i发出的边不能与集合A中各路径从偏离点V_i发出的边相同；

若存在最短路径V_i，d，则将路径o，V_i+V_i，d放入集合B；

步骤S-4-3-1-4：若将集合B中路段长度ROUTE_LENGTH和最小的路径放入集合A；若路段长度和最小的路径有多条，则选择其中顶点数最少的路径作为放入集合A的最小的路径，并将该最小的路径对应的路段长度ROUTE_LENGTH放入集合B；

步骤S-4-3-1-5：判断集合B是否等于否不是，则重复步骤S-4-3-1-3及步骤S-4-3-1-4，直至

步骤S-4-3-3：粒子滤波路径选择影响因素分析，包括以下5个方面：

1)候选路径轨迹可测性权重

候选路径的轨迹可测性是指考虑候选路径上节点检测器布设的情况，假设车辆经过，但是车辆被漏检是小概率事件，根据检测器的布设率和漏检率推断车辆经过该条候选路径的概率：

其中，表示基于候选路径i在不同数量检测器覆盖和检测率的情况下被选择的概率，用以更新上次观测的权重；ε为检测器的漏检率；α为候选路径i上检测器覆盖的数量；

2)候选路径的轨迹偏好程度

给定一OD对OD_ij，即node_i→node_j，通过历史轨迹数据计算不同的车辆行驶路径选择该路径的偏好程度，路径的偏好程度定义为不同轨迹流量在该OD对的所有轨迹流量和中的占比：

其中，表示第i条候选路径在路径选择时偏好的概率，xⁱ表示OD对OD_ij之间初始路径集的第i条候选路径；表示时刻t_k的候选路径的集合，即为步骤S-4-3-2计算得到的偏移路径集，x_k中的元素称为候选轨迹粒子，I表示候选轨迹粒子的总数量；volume_i表示统计时间间隔下第i条候选路的流量；

3)候选路径路径旅行时间一致性

路径旅行时间一致性的定义为不同候选路径的旅行时间与车辆相邻两次卡口检测时间差一致的程度：

其中，表示第i条候选路径与相邻两次检测时间一致性的程度；表示在两个节点node_i、node_j之间第i条候选路径的平均的旅行时间；traveltime′(node_i，node_j)、traveltime～表示在两个节点node_i、node_j的真实旅行时间；

4)候选路径路径距离权重

对OD对OD_ij之间的第i条候选路径xⁱ，通过路段基础配置表可获得其路径长度之和length_k，则路径距离的权重定义为：

其中，为第i条候选路径的路径距离在做路径选择时的概率大小；max(length_i)为第i条候选路径xⁱ中最大的路径距离，min(length_i)为第i条候选路径xⁱ中最小的路径距离。

5)候选路径高等级道路比例权重

高等级道路因素权重的定义为候选路径tra_k中高等级道路的长度与所有候选路径高等级道路长度之和的比值：

其中，为考虑候选路径高等级道路给出的各路径的选择概率；arterial_i为第i条候选路径xⁱ中高等及道路的长度；

步骤S-4-3-4：粒子滤波权重更新与路径选择

对于一个特定的车辆l，在进行其路径修复时：表示时刻t_k的候选路径的集合，即为步骤S-4-3-2计算得到的偏移路径集，x_k中的元素称为候选轨迹粒子，I表示候选轨迹粒子的总数量；表示时刻t_k的观测状态向量，J表示观测状态向量的总数量，则粒子滤波的过程描述为：

x_k＝f_k(x_k-1，v_k-1)

z_k＝h_k(x_k，n_k)

其中，f_k为状态转移函数；h_k为系统测量函数；v_k-1为系统状态转移时的过程噪声；n_k为系统测量噪声；v_k-1和n_k假设为独立分布的；

粒子滤波进行路径选择的过程为在给定候选路径的观测后估计其后验概率分布；向量Z^k＝{z₁，z₂，...，z_k}为在时间t_k时的观测，基于贝叶斯滤波的框架，当给定观测Z^k后，候选轨迹粒子x_k的后验概率分布函数p(x_k|Z^k)可通过下述预测和更新两步骤进行计算：

步骤S-4-3-4-1：预测

p(x_k|Z^k-1)＝∫p(x_k|x_k-1)p(x_k-1|Z^k-1)dx_k-1

其中，在时刻t_k-1的p(x_k-1|Z^k-1)通过状态转移函数计算得到，p(x_k|Z^k-1)基于p(x_k-1|Z^k-1)进行递归计算，其中，p(x_k|x_k-1)通过x_k的转移函数进行计算；

步骤S-4-3-4-2：更新：

其中，p(z_k|x_k)为给定观测z_k后当候选的轨迹是候选轨迹粒子x_k时的似然函数，p(x_k|Z^k-1)是时刻t_k-1给定观测时候选轨迹粒子x_k的概率分布函数；

当提取到缺失路径的首尾段的节点时，通过Dijkstra最短路算法和K则最短路算法生成K个初始路径作为初始粒子在每一个时刻t_k每一个粒子会有一个粒子权重每一时刻，当观测z_k出现后，进行重要性采样更新每个粒子的权重，权重更新的公式为：

其中，为候选轨迹粒子i在时刻t_k的权重；为候选轨迹粒子i在时刻t_k-1的先验权重；为时刻t_k的候选轨迹粒子，对于一个特定的候选路径，在任意一个时刻保持不变；为不同观测下的似然，通过相邻卡口对的观测输入，通过相邻卡口对的观测输入，基于步骤S-4-3-3得到的按照重要性排序的5个因素依次进行的概率更新，从而获得粒子权重；

获得粒子权重后，进行粒子权重归一化：

表示归一化后的粒子权重

在进行下一步预测前，进行重采样，避免粒子退化；

通过以上步骤进行计算后，得到粒子权重最大的轨迹作为修复的轨迹：

步骤S-4-4：漏检时间插值修复

路径漏检位置修复完成后，进一步修复其每个中间交叉口经过时间，以支持路段流量等指标的计算；

中间交叉口经过时间通过每个路段的长度和路径起终开始时间进行线性插值进行计算：

其中，t_q为中间第q个点的修复时间；t₀为缺失路径首点的检测时间；t_n+1为缺失路径尾点的检测时间；l_p，p+1为中间第p点到第p+1点之间路段的长度；q表示第q个需进行时间修复的节点；n表示需进行时间修复的节点数；

步骤S-4-5：路径综合置信度计算

节点总数为num_total，将检测成功的节点a在输出路径中的数量记为num_a，每个节点的置信度设置为100％，将通过拓扑修复的节点b在输出路径中的数量记为num_b，每个节点的置信度设置为95％，将最短路修复的节点c在输出路径中的数量记为num_c，每个节点的置信度设置为90％，将通过粒子滤波算法修复的节点d在输出路径中的数量记为num_d，每个节点的置信度为通过粒子滤波最终输出选择路径的归一化权重则输出的第i条路径xⁱ的综合置信度为：

其中，num_total＝num_a+num_b+num_c+num_d为该条路径的总节点数量。

步骤S-5：流量生成，具体包括以下步骤：

步骤S-5-1：轨迹流量生成

基于以上步骤可修复完成路网计算范围内任一起点到终点的路径及节点序列M(node₁→node₂→…node_i…→node_n)。将每个节点所有轨迹叠加，即可生成断面转向流量，当前断面所有的断面转向流量之和即为基于轨迹的断面流量V_trijk，则有：

其中，V_tr表示基于轨迹修复的轨迹叠加流量，下标i为节点，下标j为断面，下标k为转向；M_h表示第h条轨迹，总数为f；

步骤S-5-2：调整流量生成

a_ijk＝V_trijk/V_ijk

其中，a_ijk表示轨迹修复叠加流量与实际观测值的偏斜系数；V_ijk表示实际观测流量；

其中，confidence_pjk表示目标节点的进口道转向轨迹流量平均置信度；confidence_pjkx表示目标节点进口道转向的各轨迹置信度，下标x表示路径，由步骤S-4-5获得；

利用具有检测数据的节点，进行轨迹流量微观修复，采用以下公式：

β_p1、β_pn表示目标节点相对于头节点、尾节点的置信度差异系数，下标p表示目标节点，下标1表示头节点，下标n表示尾节点；

若β_p1≥β_pn，即目标节点与头节点的置信度差异性较小，更倾向于选择头节点检测数据进行修复，则有：

V_tzpjk＝V_trijp/a_1jk

其中，V_tz表示调整流量；a_1jk表示相邻具有检测设备的头节点的偏斜系数；V_trijp表示目标节点的轨迹叠加流量；

若β_p1＜β_pn，即目标节点与尾节点的置信度差异性较小，更倾向于选择尾节点检测数据进行修复，则有：

V_tzpjk＝V_trijp/a_njk

其中，a_njk表示相邻具有检测设备的尾节点的偏斜系数。