基于大数据的车辆出行特征可视化分析系统的制作方法

本发明涉及交通大数据应用技术领域，尤其是涉及一种基于大数据的车辆出行特征可视化分析系统。

背景技术：

随着物联网、移动互联网和城市智能交通系统的快速发展，交通管理智能化建设项目通过应用现代化的技术建设完善电子警察系统、实现多系统设施密集布设实现全方位交通信息采集，采集到的信息包含大量有价值的交通数据，这些数据对智能交通行业的发展起到了巨大的推动作用。

传统数据分析系统受资源的限制，运算效率低下，已无法满足大数据处理的需求。

技术实现要素：

本发明的发明目的是为了克服现有技术中的传统数据分析系统运算效率低下，无法满足大数据处理需求的不足，提供了一种基于大数据的车辆出行特征可视化分析系统。

为了实现上述目的，本发明采用以下技术方案：

一种基于大数据的车辆出行特征可视化分析系统，包括服务器，服务器中安装有storm实时流式处理系统和分布式全文搜索引擎elasticsearch；

包括如下步骤：

(1-1)利用区域a内的所有的路口过车数据与道路基础信息，描绘每个车辆的起点和终点的行程轨迹即od行程；路口过车数据包括路口各方向的电警设备所拍摄的车辆数据；

(1-2)计算职住与业余活动分析模块、通勤出行特征分析模块、拥堵路段来源流量特性分析模块、拥堵路段的相邻路口进入流量占比及报警分析模块的可视化数据的数值；

(1-3)实现车辆出行特征的可视化数据展现。

本发明利用大数据分析和可视化技术，向用户以可视化方式展示职住与业余活动分析模块、通勤出行特征分析模块、拥堵路段来源流量特性分析模块、拥堵路段的相邻路口进入流量占比及报警分析模块。本发明还对交通规划模型和信号控制提供了数据支撑，提高交通需求管理水平，有效缓解交通拥堵问题。

作为优选，所述道路基础信息为道路的路口到路口的路段的信息，利用如下步骤获得行程轨迹：

(2-1)定义路段的最长通行时间为timedelta_high，timedelta_high＝360+路段长度/4，其中，最长通行时间单位为秒，路段长度单位为千米，轨迹最大断开时间time_diff；

(2-2)将路口过车数据中每辆车的第一行记录作为其行程起点，将路口过车数据先按照车辆id进行排序，然后再将按照车辆id排序之后的路口过车数据按照经过路口的时刻进行排序，计算同一辆车经过相邻两个路口c1和c2的时间差diff，如果diff＞timedelta_high或者diff＞time_diff，说明车辆有停留，从每辆车的行程起点至路口c1为1个完整的行程轨迹，c2为另一个新的行程的起点，从一个行程的起点到该行程终点即为一个完整od行程；

(2-3)在每个完整的行程轨迹上添加分组行程id、行程经过的路口个数、行程起点、行程终点后，将各个完整的行程轨迹存入elasticsearch。

作为优选，步骤(1-2)包括如下步骤：

(3-1)职住与业余活动分析模块的可视化数据的数值的计算过程如下：

获取历史一个月的车辆od行程，设定居住地路口为工作日每天每辆车第一个行程的起点和每天每辆车最后一个行程的终点，输出区域a中的所有居住地路口作为起点和终点的和的数值；

设定工作地路口为工作日每天每辆车第一个行程的终点和每天每辆车最后一个行程的起点，输出区域a中的所有工作地路口作为起点和终点的和的数值；设定业余活动地路口为周末每天每辆车第一个行程的终点，输出区域a中的所有业余活动路口作为起点和终点的和的数值。

作为优选，通勤出行特征分析模块的可视化数据的数值的计算过程如下：

(3-2-1)设定占比阈值ra，ra＞0.0002；设定行程个数阈值le，le＞3；设定早晚高峰时间段；

(3-2-2)基于历史一天工作日车辆0d行程，挑选起点或者终点在早晚高峰时间段内的行程，删除营运车辆，删除行程经过路口个数小于1e的行程；

(3-2-3)定义起点0至终点d之间的所有行程均为o-d行程；定义起点0经过中间路口x至终点d的行程为o-x-d行程，对一天内所有车辆的行程，计算o-d行程占比rn，其中，rn＝o-d行程总数/一天内所有车辆的行程总数；

如果rn＞ra，则称所述o-d行程为通勤行程，输出o-d行程的总数；

计算通勤行程可信度score，其中，score＝o-x-d行程总数/o-d行程总数；计算通勤距离、通勤时间、绕行比率，其中，通勤距离为行程中相邻路口间经维度直线距离加和，通勤时间为通勤行程起点和终点时间差，通勤行程绕行比率＝通勤距离/通勤行程起点和终点直线距离。

作为优选，拥堵路段来源流量特性分析模块的可视化数据的数值的计算过程如下：

(3-3-1)基于历史一天工作日车辆od行程，选择经常发生拥堵的常发性拥堵路段l1及其对应的时间范围，从车辆od行程中选出在所述时间范围内经过的l1的所有行程；

(3-3-2)设定各行程经过目标路段前所有过车记录为流量来源，按照目标路段、日期、发生拥堵时刻和行程经过路口依次对行程中出现的路口的过车记录进行分组，得到来源路口的分组流量总数。

作为优选，拥堵路段的相邻路口进入流量占比及报警分析模块的可视化数据的数值的计算过程如下：

(3-4-1)根据道路基础信息，确定路段上游直行左转右转调头对应路口、确定路段下游直行左转右转调头对应路口；

(3-4-2)统计直行、左转、右转和调头进入流量的占比occp，其中occp＝直行、左转、右转或者调头进入流量/直行、左转、右转和调头进入流量总和，若占比occp＞报警阈值op，则服务器显示路口报警的信息。

作为优选，步骤(1-3)包括如下具体步骤：

(7-1)在gis地图中展示职住与业余活动区域热力图；显示输出区域a中的所有居住地路口作为起点和终点的和的数值；输出区域a中的所有工作地路口作为起点和终点的和的数值；输出区域a中的所有业余活动路口作为起点和终点的和的数值；

(7-2)在gis地图中展示通勤行程，及各通勤轨迹对应的通勤距离、通勤时间和绕行比率；

(7-3)在gis地图中展示来源路口的分组流量总数，同时用颜色深浅渲染分组流量总数；

(7-4)在gis地图中，展示直行、左转、右转和调头进入流量的占比，当超过报警阈值op时，用红色渲染直行、左转、右转和调头进入流量的占比。

因此，本发明具有如下有益效果：利用大数据分析和可视化技术，向用户以可视化方式展示职住与业余活动分析模块、通勤出行特征分析模块、拥堵路段来源流量特性分析模块、拥堵路段的相邻路口进入流量占比及报警分析模块；对交通规划模型、信号控制提供了数据支撑，提高了交通需求管理水平，有效缓解了交通拥堵问题。

附图说明

图1为本发明的一种流程图；

图2为本发明的一种通勤行程图；

图3为本发明的一种拥堵路段来源轨迹图；

图4为本发明的一种拥堵路段来源路口流量排行图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的描述。

以下结合附图对本发明的特征及其它相关特征作进一步详细说明。

如图1所示，本发明利用大数据分析和可视化技术，向用户以可视化方式展示职住与业余活动分析模块、通勤出行特征分析模块、拥堵路段来源流量特性分析模块、拥堵路段的相邻路口进入流量占比及报警分析模块。。

以柯桥全区2019年5月一个月完整路口过车数据为例，主要包括以下几个步骤：

1.柯桥全区车辆大数据的采集，其包含柯桥区路口各方向电警设备抓拍车辆的数据；

2.利用车辆路口过车数据，区分出每辆车完整的od行程。

以车牌号为浙d料料*为例，该车辆路口记录如表1

表1：路口记录数据

步骤2具体实施方式如下：

2.1定义变量，各路段最长通行时间timedelta_high＝2*180+路段长度/4，其中最长通行时间单位为秒，路段长度单位为千米，轨迹最大断开时间time_diff；

各路段timedelta_high如表2

表2：部分路段基础信息

2.2取表1中路口数据，路口过车数据中每辆车的第一行记录作为其行程起点，将路口过车数据先按照车辆id进行排序，然后再将按照车辆id排序之后的路口过车数据按照经过路口的时刻进行排序，计算同一辆车经过相邻两个路口c1和c2的时间差diff，如果diff＞timedelta_high或者diff＞time_diff，说明车辆有停留，从每辆车的行程起点至路口c1为1个完整的行程轨迹，c2为另一个新的行程的起点，从一个行程的起点到该行程终点即为一个完整od行程，表1中第6行为车辆行程结束，第7行为下一个行程开始，第1行到第6行为一个完整od行程；

2.3将完整行程轨迹添加分组行程id、将该行程经过路口个数、路口记录排序、行程起点、行程终点结果如表3

表3完整od行程轨迹3.车辆出行特征系统分析，包括职住与业余活动分析模块、通勤出行特征分析模块、拥堵路段来源流量特性分析模块、拥堵路段的相邻路口进入流量占比及报警分析模块。

步骤3具体实施方式如下：

3.1职住与业余活动分析模块采用柯桥区历史一个月车辆od行程数据，具体步骤如下：

设定居住地路口为工作日每天每辆车第一个行程的起点和每天每辆车最后一个行程的终点，输出区域a中的所有居住地路口作为起点和终点的和的数值；

设定工作地路口为工作日每天每辆车第一个行程的终点和每天每辆车最后一个行程的起点，输出区域a中的所有工作地路口作为起点和终点的和的数值；设定业余活动地路口为周末每天每辆车第一个行程的终点，输出区域a中的所有业余活动路口作为起点和终点的和的数值，部分数据结果如表4：

表4职住与业余活动地计数

3.2通勤出行特征分析模块具体步骤如下：

3.2.1初始化参数：占比阈值ra＝0.0002；轨迹个数阈值le＝3；设置早晚高峰时间段7:00-9:00，17:00-19:00；

3.2.2基于历史一天工作日车辆od行程，挑选起点或者终点在早晚高峰时间段内的行程，删除营运车辆，删除行程经过路口个数小于le的行程；

3.2.3统计行程：对一天内所有车辆的行程，计算起点o至终点d之间的所有行程均为o-d行程占比rn，输出对应o-d行程总数及通勤行程可信度score，计算通勤距离、通勤时间、绕行比率，部分结果数据如表5：

表5通勤特征数据结果

3.3拥堵路段来源流量特性分析模块具体步骤如下：

3.3.1基于历史一天工作日车辆od行程，选择经常发生拥堵的常发性拥堵路段11及其对应的时间范围，从车辆od行程中选出在所述时间范围内经过的11的所有行程；

3.3.2设定各行程经过目标路段前所有过车记录为流量来源，按照目标路段、日期、发生拥堵时刻和行程经过路口依次对行程中出现的路口的过车记录进行分组，得到来源路口的分组流量总数，部分结果数据如表6：

表6拥堵路段来源路口流量

3.4拥堵路段的相邻路口进入流量占比及报警分析模块具体步骤如下：

3.4.1基于表2中所述基础表，确定路段上游直行左转右转调头对应路口、确定路段下游直行左转右转调头对应路口；

3.4.2结合步骤3.3.1与3.3.2结果，统计直行、左转、右转和调头进入流量的占比occp，其中occp＝直行、左转、右转或者调头进入流量/直行、左转、右转和调头进入流量总和，若占比occp＞报警阈值op，其中op取值0.7，则服务器显示路口报警的信息，部分结果见表7：

表7直行左转右转调头进入流量占比

4.车辆出行特征系统可视化，向用户以可视化方式展示职住与业余活动分析模块、通勤出行特征分析模块、拥堵路段来源流量特性分析模块、拥堵路段的相邻路口进入流量占比及报警分析模块。具体步骤如下：

4.1使用表4的数据，结合gis地图，在gis地图中展示职住与业余活动区域热力图；显示输出区域a中的所有居住地路口作为起点和终点的和的数值；输出区域a中的所有工作地路口作为起点和终点的和的数值；输出区域a中的所有业余活动路口作为起点和终点的和的数值；

4.2使用表5的数据，结合gis地图，展示展示通勤行程，及各通勤行程对应的通勤距离、通勤时间和绕行比率，通勤行程图见图2；

4.3使用表6的数据，结合gis地图，展示来源路口的分组流量总数，同时用颜色深浅渲染分组流量总数，拥堵路段来源轨迹见图3，拥堵路段来源路口流量排行见图4；

4.4使用表7的数据，结合gis地图，展示直行、左转、右转和调头进入流量的占比，当超过报警阈值op时，用红色渲染直行、左转、右转和调头进入流量的占比；表7中裕民路(金柯桥大道--湖西路)直行来源数据超过报警阈值0.7，页面用红色渲染。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。