[发明专利]一种车辆轨迹重构的数学模型与压缩方法以及系统

说明书

本发明提供一种车辆轨迹重构的数学模型与压缩方法以及系统，方法包括：运用Lindenmayer系统构建车辆轨迹重建的数学模型；在车辆轨迹重建的数学模型基础上，用递归方式生成车辆轨迹空间，所述车辆轨迹空间为车辆轨迹集；用编辑距离表示车辆轨迹之间的相似度，并在给定阈值情况下对车辆轨迹空间进行压缩，即将高度相似的车辆轨迹归纳为一类，提出一种针对交通道路路网上车辆轨迹重建的数学模型，并基于该模型对车辆轨迹进行压缩，节省数据使用空间。

技术领域

本发明涉及计算机技术领域，特别涉及一种车辆轨迹重构的数学模型与压缩方法以及系统。

背景技术

随着卫星定位技术、无线通信技术和地理信息技术的迅速发展，智慧交通系统的构建和应用得到了实践。智慧交通系统是将先进的科学技术有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合系统。在智慧交通系统中，位置设备会源源不断收集经过每一个卡口点的车辆数据，这些海量数据构成了系统的重要组成部分。其中，每辆车经过某一个卡口点，其车辆基本信息、位置信息、时间信息、速度信息、方向信息等会以条状序列形式被记录下，按时间顺序将不同卡口点所记录下来数据进行串联和排列后便可形成车辆轨迹；这样的数据是海量的，将所有车辆轨迹数据串联在一起不但可以产生活的道路路网，而且通过数据分析可以挖掘出十分有价值的交通规律，可用于交通流量监控、车辆追踪、路径推荐等。在这些工作中，有大量研究放在如何识别、提取或重构车辆轨迹上，这是后续研究工作的前提和基础。当前，对车辆轨迹识别、提取或重构方面的研究主要有以下几种：

(1)将轨迹数据映射到交通道路路网上，获取车辆位置与道路路网上的关联，使得车辆轨迹与真实路径相吻合；

(2)从交通监控视频数据和图像数据，提出基于车辆形态、行驶特征等并结合时空数据进行提取和重建车辆轨迹；

(3)运用RFID和GPS技术，综合时空数据，提取车辆在交通道路路网上的行驶路径；

(4)基于位置设备获取与车辆相关的数据，运用人工智能算法特别是深度学习比如对抗生成网络重建车辆轨迹。

这些研究工作从不同角度研究车辆轨迹的重构问题，相关方法在实践中也得以应用。在数学上，重构车辆轨迹本质上就是将卡口点所记录的离散监测数据构造成连续曲线。其中，由于两个相近离散数据之间采用拟合方法对缺失位置的车辆行驶数据进行填补。这不但会造成拟合上误差，而且也会产生大量不确定性的车辆轨迹，这严重影响了车辆轨迹挖掘分析的效果。为此，如何对大量不确定性的车辆轨迹进行压缩以提高重构准确性和加快检索车辆轨迹的速度，是值得研究一项工作。当前与之相关研究工作主要有以下几种：

(1)在车辆行驶的视频和图像数据的提取与分析基础上，对车辆轨迹相似度和轨迹聚类进行分析研究；

(2)综合道路实际状况和车辆司机的主观行为等数据，挖掘交通道路路网的实时信息，并以相似性为度量降低车辆轨迹的不确定性；

(3)提取车辆在行驶过程中的特征，包括行驶方向、速度、车辆之间的关联等，然后利用大数据分析技术对可能轨迹点做预判；

(4)提高硬件设备监测的准确性。比如，可利用RFID数据的精确性和GPS数据的实时性，提高车辆行驶轨迹的准确性。

在上述工作中，主要涉及到的研究内容是识别、提取、重构车辆轨迹，但对于车辆轨迹的数学模型以及基于模型下重建车辆轨迹尚未得到研究。

发明内容

本发明要解决的技术问题，在于提供一种车辆轨迹重构的数学模型与压缩方法以及系统，提出一种针对交通道路路网上车辆轨迹重建的数学模型，并基于该模型对车辆轨迹进行压缩，节省数据使用空间。

第一方面，本发明提供了一种车辆轨迹重构的数学模型与压缩方法，包括：