[发明专利]一种融合断面检测交通数据及众包数据的公路节假日出行特征识别方法

摘要

本专利公开了一种融合断面检测交通数据及众包数据的公路节假日出行特征识别方法，所述方法包括，步骤1、出行数据的采集处理融合；步骤2、基于融合数据的出行特征识别；步骤3、公路节假日出行特征输出。本专利融合了断面检测交通数据及“众包”数据，数据获取更加高效且成本较低，结合两种数据来源的优点，所获数据更加准确全面，可充分发挥各方优势尽量避免数据缺失现象。节假日期间公路客流量变化较大，对基础设施，物资调配等各方面都提出很大考验。选择交通方式、出行目的、出行强度三个指标来识别节假日的公路出行特征，建立识别模型，可以相对全面地刻画道路运行状况。

主权项

1.一种融合断面检测交通数据及众包数据的公路节假日出行特征识别方法，其特征在于，包括如下步骤：步骤1、出行数据的采集处理融合断面检测交通数据包括，在需要进行公路节假日公路出行特征识别的公路网络，隔距离S布置固定站点，设置视频检测、地基检测器设备采集路段某一地点、某一车道的交通量、速度和占有率等参数；众包数据通过出行者自带的手机的定位功能、使用地图导航的情况以及出行者消费记录等数据，获取出行的信息，包括出行者的实时GPS定位信息，从中可以提取到出行者道路出行的方向，运行轨迹，出行的开始时间、结束时间、运行总时长以及周围路况信息；采集得到断面检测交通数据和众包数据后，将所述众包数据与断面检测交通数据进行速度、交通量匹配融合，得到交通流在整个运行过程的各项技术指标；步骤2、基于融合数据的出行特征识别针对交通方式、出行目的和出行强度三个描述指标的特点，分别建立评价模型，得到三个指标各自特征评价模块；首先进行交通方式的确定；通过采集训练数据，建立各种交通方式的特征识别模型；基于步骤一中融合的“众包”数据和断面检测数据，通过其轨迹数据获得出行者的运行特征，并将运行特征输入训练得到交通出行方式；然后确定出行目的；为了判断出行目的，选择k近邻算法，根据出行基站特征描述训练文本向量，将周围性质同一类别的出行基站建立训练元组，设定参数k值，维护一个大小为k的按距离由大到小的优先级队列，用于存储最近邻训练元组；随机从训练元组中选取k个元组作为初始的最近邻元组，分别计算测试元组到这k个元组的距离，将训练元组标号和距离存入优先级队列；遍历完毕，计算优先级队列中k个元组的多数类，并将其作为测试元组的类别，得到出行目的；测试元组集测试完毕后计算误差率，继续设定不同的k值重新进行训练，最后取误差率最小的k值；最后确定出行强度；使用出行时耗、出行距离和出行次数三个指标来计算出行强度，通过融合的断面检测交通数据和众包数据，获得每次出行过程的开始时间、停车时间、结束时间参数；将所有停车点按时间顺序排列，记连续两个停车点之间的过程为一次出行，得到出游过程所有的出行次数y₁；同时提取每次出行的出行时耗t₁，并记录相应出行距离x₁；用Z表示出行强度，令其中α、β、γ分别表示时间、距离、次数的影响系数，n表示出行次数；根据所求出行强度，将出行强度划分为轻度、中度和重度三个等级，实时对交通状况进行等级评估；得到出行特征识别模型；步骤3、公路节假日出行特征输出基于步骤2建立出行特征识别模型，运用数据检测设备获得节假日期间以某市为中心的各道路实时运行参数，经过出行特征识别模型的分析处理，得到当前各道路公众总体出行情况。