专利名称：基于车辆自动识别设备的动态od矩阵估计方法
技术领域：
本发明属于交通 规划与管理领域，具体涉及一种基于车辆自动识别设备的动态OD 矩阵估计方法。
背景技术：
车辆出行OD矩阵是交通系统规划、设计及运行管理的核心基础信息。OD信息的精度直接影响城市交通管理者，交通规划工程技术人员对于交通现状以及未来交通可能出现情况的准确判断，并因此会直接影响交通管理措施的有效性、交通规划的合理性。因此精确的OD矩阵无论对于城市交通管理人员以及城市交通规划人员的最终决策与依据是至关重要的。车辆出行OD矩阵是描述交通网络中任意车辆从起点到达终点的一组数学矩阵， 它直接反应了不同小区之间出发车辆数与到达车辆数。然而OD矩阵的获取一直以来都是交通管理与控制中的一个难点问题。传统的OD矩阵的获取方法通常是进行大规模的车辆出行抽样调查，然而这种方法存在调查技术困难、经费花费巨大、耗费时间长等缺点，并且获得的交通数据存在后期处理繁琐并且不能应用于城市交通的动态管理。因此为了避免传统OD矩阵获取方法中存在的问题，自1978年开始，Van Zuylen和Willumsen利用布设在道路中的检测线圈获得的车辆流量数据进行OD矩阵估计方法的研究。截止目前为止，OD 矩阵的估计方法主要包含了最小二乘法、状态空间法、信息论模型等类型。然而这些方法受到检测手段的制约与限制，仅仅利用了检测器中的路段车辆流量数据作为研究的主要分析数据，因此应用传统的“断面型”检测器进行OD矩阵估计受到人为假设条件过多，检测信息少，检测设备精度低等条件的严重制约。近年来，随着车辆自动识别(Automatic Vehicle Identification，AVI)技术及设备在我国一线城市的推广与应用，交通信息采集技术已经迅速从传统的“断面型”检测技术转向“广域型”检测技术。车辆自动识别技术的核心是可检测车辆ID (车牌号)、通过时间以及车辆位置信息。基于对现有的文献资料进行研究，目前基于车辆自动识别技术进行OD 矩阵估计的方法都仅仅是传统OD矩阵估计方法的一种改进。这些传统方法存在如下的问题与挑战
(1)对于AVI环境下的动态OD估计，目前的方法仍然是通过对经典OD估计模型进行改进，加入新的AVI检测信息来提高OD估计精度。事实上，AVI检测的路径信息对OD估计的精度至关重要。(2)0D估计不仅与网络拓扑，路段流量相关，还与先验信息的精度有密切的关系， 以往的研究通常都假设已获得可靠的先验信息来推算0D，而实际中由于OD调查间隔长，先验OD信息往往精度不高。(3)在基于AVI检测信息的OD估计中，没有考虑AVI检测精度问题。 发明内容
本发明的目的在于针对传统动态OD矩阵估计方法的研究与技术中存在的不足， 特别是针对AVI信息挖掘深度不足，先验信息依赖性过强的问题，提出了一种新的基于车辆自动识别设备的动态OD矩阵估计方法。本方法具有以下四个特点一、突破了传统方法中仅依赖路段流量和行程时间作为OD估计的主要信息；二、提出检测器的可测性判据，特别适用于AVI检测设施客观存在的检测精度问题；三、对于路网拓扑结构没有要求，可以适用于任何形式的开放式路网；四、 解决了传统方法对先验信息的依赖，即可以在随机的先验信息下推算出较高精度的0D。为达到以上目标，本发明提出了基于车辆自动识别设备的动态OD矩阵估计方法。 首先将每个估计时段内的各个检测设备中获得的车辆牌照数据，车辆到达时刻数据，检测器编号进行提取；接着将提取获得的数据以车辆牌照数据为依据进行数据分类，根据车辆牌照数据与检测器编号转换成车辆部分路径信息，并根据车辆部分路径信息的组成方式进行数据分类；然后以先验OD信息为基础，同时根据检测器的布设位置，基于检测器可测性判据减少可选剩余路径的范围并对剩余路径的选择概率进行修正；进一步采用随机仿真的方法模拟车辆的实际路径选择的过程，以获得车辆的完整路径；并对采集获得的所有车辆的路径修复完整后获得初始的OD矩阵，最后结合AVI检测获得的路段流量进行初始OD矩阵再修正。上述方法提到的AVI可测性(Measurability)概念定义为基于AVI检测信息数据缺失的特点和已检测车辆的动态行程时间信息，分析判断车辆经过某一路径的可能性。 根据可测性判据的结果，可大大缩小车辆剩余路径的选择范围，提高车辆剩余路径判断的可靠性进而大幅提高动态OD估计的精度。具体步骤如下
(I)AVI信息数据的提取与分类
将AVI获得的信息以车辆牌照数据作为索引数据，将车辆牌照信息相同的数据进行匹配组合，并根据任一相同车辆牌照的信息量将车辆信息分为以下3大类1、包含车辆起点， 终点以及经过的所有路径节点的数据称为路径全知型车辆数据；2、至少包含车辆的经过的两个路径节点的数据称为路径半知型车辆数据；3、仅包含车辆经过的一个路径节点的数据称为路径单知型车辆数据。(2)先验信息的扩样
以AVI捕获的车辆数为基础，将先验信息根据实际捕获的车辆数进行扩样处理。(3)过滤路径全知型车辆数据
将路径全知型的车辆数据转换成OD矩阵信息，并将此OD矩阵信息与扩样后的先验信息进行相减(若先验信息中对应的OD对流量小于0，则赋予一个最小流量1 )，获得过滤后的先验OD信息。(4)估计时段内的路径行程时间
根据不同AVI的布设信息，将任意相邻两组AVI经过的车辆的行程时间进行统计获得其平均行程时间；另外根据不同车辆行程时间分布，基于概率论的原理，建立AVI行程时间概率分布函数，并通过此函数分析其余车辆未经过这两组AVI检测器的可能性；接着通过路段_路径行程时间关系函数，获得路径的行程时间，并将此作为判断车辆是否在估计时段内进入路网的判据。(5)路径半知型车辆的路径估计将路径半知型车辆缺失的部分路径按行车方向划分为上游缺失路径与下游缺失路径。根据不同的缺失路径，参照检测器可测性依据，通过贝叶斯估计算法，缩小任意车辆可选缺失路径搜索范围。并在过滤先验OD信息的基础上将可能路径的选择概率进行修正； 最后通过蒙特卡洛随机仿真对任意车辆在其可选路径中作出路径选择，并以此进行路径修复。已获得的任意一组路径半知型车辆的路径信息，可通过路径行程时间，判断车辆进入路网的时间和离开路网的时间。(6)先验OD信息的二次过滤
将修复后的路径半知型数据转换成OD矩阵信息，并将此OD矩阵信息与扩样后的先验信息进行相减(若先验信息中对应的OD对流量小于0，则赋予一个最小流量1)。接着根据剩余的路径单知型车辆数进行二次扩样，最终获得二次过滤后的先验OD信息。(7)路径单知型车辆的路径估计
路径单知型车辆路径估计的方法与路径半知型车辆路径估计的方法相似，具体可参见路径半知型车辆路径估计方法，并以此得到单知型车辆信息的OD矩阵信息。(8)初始修复OD矩阵获得
将前面3类得到的OD矩阵信息进行累加以获得初始修复OD矩阵。(9)基于流量调整初始修复OD矩阵信息
将初始修复的OD矩阵信息与AVI信息截取的路段流量数据根据路段一路径流量函数关系进行动态漫步拟合。当路径流量与路段实测流量相对误差为5%时，停止漫步拟合，并以此为最终的OD矩阵信息。本发明中，步骤(5)中所述路径半知型车辆的路径估计和步骤(7)中路径单知型车辆的路径估计，具体为
当某一车辆有充足时间到达下一个路段检测器，但车辆的路径信息却不包含下一路段检测器时，存在下述情况中的任一种
(1)、车辆通过下一路段，但由于检测误差而没有被记录；
(2)、车辆没有经过布设检测器的路段，直接到达无检测器布设的路段；
对车辆的可能剩余路径，依据先验信息建立初始的路径选择概率集，
萏flCqz^^qrj^/^q^j…然后根据下式分析车辆能否在本时段内通过下一路段，并以此缩小对剩余路径的选择范围；
Ti
f_ Λ Affl-ilH'a γ. ο
ln\-n'A = —τΧ ltNl-Nl + Pα )
^ AYII-AVI 2
M * ·
ρ ( ) = iJ-L(1.2)
N
Τξ =andS >^(i+l))kn+αα 3)
其中:表示任意两个AVI之间的行程时间； Thn-jmi 表示第i辆车经过任意相邻AVI检测器的时间；L狐皿表示任意两个相邻AVI检测器之间的距离；表示两个AVI检测器之间所在的两个节点之间的距离； β 表示行程时间计算中的随机误差。Pk(f)表示h时段内，通过两个AVI检测器的第i个行程时间区间的选择概率； Af 表示h时段内，通过两个AVI检测器的第i个行程时间区间的车辆数；
Nk 表示h时段内，通过两个AVI检测器的车辆总数；
Ti 表示h时段内，编号为j的车辆通过两个AVI检测器的行程时间；
Tsm 表示h时段内，根据两个AVI检测器检测车辆平均行程时间；
S 表示随机概率数值； η 表示时间区间长度，即单位时间长度；
麦示计算的随机误差； 对于可以选择的剩余路径，依据下式重新修订剩余路径的选择概率，获得新的路径选择概率集；
ρ( ) ι ρ爪+h <h+“)11 Im χ 1 Γ ρ'α) 1
=P(2) M IfiTi + ,_β <h + M.f I Ρ(2)χε]2 = P (2) ^ )
—桐」[IfiTi + 3_/Μ < Λ + Δ )"」Lp(n) χ ε''η J L^pl ( ) J
「_] Im-^i >hf Lp(I)X^1 ρ* (1)1
J χ IfiTi -tk2_t >hf Μ 尸(2) χ 产 \\θ'(2) (22>
L_」|_刚、—一)"」|_ρ(·一」[·)]
_ 表示下游行驶方向中第η组缺失路径的先验信息；
_ 表示上游行驶方向中第η组缺失路径的先验信息； 於表示第η组缺失路径下游行驶方向中符合可测条件的AVI检测器共有j组； fe 表示第η组缺失路径上游行驶方向中符合可测条件的AVI检测器共有k组； Ts 表示在车辆i最后一次被检测到的时刻； Γ；表示在车辆i第一次被检测到的时刻； h 表示估计时段的开始时刻； Δ 表示估计时段的长度。与现有技术相比，本发明突破了传统意义上以路段流量作为动态OD估计主要信息依据的缺陷，通过以车辆的微观路径修复作为动态OD估计的主要手段，以路段流量信息为辅助修正手段，使得AVI信息得到充分利用。该方法同时能非常好的适应任何开放性路网，而且能在较低AVI覆盖率条件下改良精度较低的OD先验信息。这对于国内OD调查信息不足、精度不高的实际具有相当重要的现实意义，在我国交通管理与控制实际中有非常广阔的应用空间。
图1为本发明提出的动态OD矩阵估计方法流程图。图2为本发明提出的基于可测性判据的开放性路网的路径修复示意图。图3为本发明实施例1采用的路网图。图4为本发明实施例1中在较低精度覆盖率与先验信息前提下的OD矩阵估计结果示意图。图5为本发明实施例1中对精度较低的初始OD的改良效果示意图。
具体实施例方式下面结合附图3对本发明的实施例作详细说明本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。实施例1 本估计方法用于图3所示的某地速路系统，该快速路系统共有17个出入口以及9个断面的AVI设备，其中被AVI设施实际覆盖可检测的OD对的个数为216组， 占全体OD对个数的74. 74%。需要的设备输入在道路断面或匝道出入口布设AVI视频检测器。所要求获得输入信息识别后的车辆牌照信息，车辆到达时刻，AVI检测器编号。在获取上述输入信息后，以某路径半知型车辆数据的路径修复为例，按照图2修复任意车辆的行驶路径，步骤如下
(1) 当已知车辆牌照为A的车辆分别通过编号为AVI1和AVI4的时候，分别可以获取车辆A在这两组检测器的到达时间T1和T4。并根据路网的拓扑结构，分析车辆A的可选剩余路径并以不同路径的先验信息对其进行标定《尺q马λΛ ΑΧΑ Α)乃qq))。(2) 通过路径行程时间函数计算车辆A到达AVI3的行程时间。
权利要求
1. 一种基于AVI检测设备的动态OD矩阵估计算法，其特征在于具体步骤如下(1) AVI信息数据的提取与分类将AVI获得的信息以车辆牌照数据作为主要索引数据，将车辆牌照信息相同的数据进行匹配组合，并根据任一相同车辆牌照的信息量将车辆信息分为以下3大类①、包含车辆起点，终点以及经过的所有路径节点的数据称为路径全知型车辆数据；②、至少包含车辆的经过的两个路径节点的数据称为路径半知型车辆数据；③、仅包含车辆经过的一个路径节点的数据称为路径单知型车辆数据；(2)先验信息的扩样以AVI捕获的车辆数为基础，将先验信息根据实际捕获的车辆数进行扩样处理；(3)过滤路径全知型车辆数据将路径全知型车辆数据转换成OD矩阵信息，并将此OD矩阵信息与扩样后的先验信息进行相减，若先验信息中对应的OD对流量小于0，则赋予一个最小流量1，进而获得过滤后的先验OD信息；(4)估计时段内的路径行程时间根据不同AVI的布设信息，将任意相邻两组AVI经过的车辆的行程时间进行统计获得其平均行程时间；根据不同车辆行程时间分布，基于概率论模型，建立AVI行程时间概率分布函数，并通过此函数分析其余车辆未经过这两组AVI检测器的可能性；接着通过路段-路径行程时间关系函数，获得路径的行程时间，并将此作为一个判断车辆是否在估计时段内进入路网的判据；(5)路径半知型车辆的路径估计将路径半知型车辆缺失的部分路径按行车方向划分为上游缺失路径与下游缺失路径；根据不同的缺失路径，参照检测器可测性依据，通过贝叶斯估计算法，对任意车辆的可选缺失路径迅速缩小搜索范围，并在过滤先验OD信息的基础将可能路径的选择概率进行修正；最后通过蒙特卡洛随机仿真对任意车辆在其可选路径中作出路径选择，并以此进行路径修复；已获得的任意一组路径半知型车辆的路径信息，通过路径行程时间，判断车辆进入路网的时间和离开路网的时间；(6)先验OD信息的二次过滤将修复后的路径半知型数据转换成OD矩阵信息，并将此OD矩阵信息与扩样后的先验信息进行相减，若先验信息中对应的OD对流量小于0，则赋予一个最小流量1，同时根据剩余的单知型车辆数进行二次扩样，最终获得二次过滤后的OD信息； (7)路径单知型车辆的路径估计路径单知型车辆路径估计的方法与路径半知型车辆的路径估计的方法相似，根据步骤 (5)的路径半知型车辆路径估计方法，并以此得到单知型车辆信息的OD矩阵信息；(8)初始修复OD矩阵获得将前面3类得到的OD矩阵信息进行累加以获得初始修复OD矩阵； (9)基于流量调整初始修复OD矩阵信息将初始修复的OD矩阵信息与AVI检测的路段流量信息根据路段一路径流量函数关系进行动态漫步拟合；当路径流量与路段实测流量相对误差为5%时，停止漫步拟合，并以此为最终的OD矩阵信息。
2.根据权利要求1所述的基于AVI检测设备的动态OD矩阵估计方法，其特征在于步骤 (5)中所述路径半知型车辆的路径估计和步骤(7)中路径单知型车辆的路径估计，具体为 当某一车辆有充足时间到达下一个路段检测器，但车辆的路径信息却不包含下一路段检测器时，存在下述情况中的任一种(1)、车辆通过下一路段，但由于检测误差而没有被记录；(2)、车辆没有经过布设检测器的路段，直接到达无检测器布设的路段；对车辆的可能剩余路径，依据先验信息建立初始的路径选择概率集， 《卿秘即秘职 )…!^,))，然后根据下式分析车辆能否在本时段内通过下一路段，并以此缩小对剩余路径的选择范围；
全文摘要
本发明属于交通规划与管理领域，具体涉及一种基于车辆自动识别设备的动态OD矩阵估计方法。该方法引入AVI检测的部分路径信息、动态行程时间信息以及检测器可测性判据，首先通过贝叶斯估计算法对路径缺失的车辆信息进行缺失路径范围确定和选择概率修正；然后利用蒙特卡洛随机仿真模拟任意车辆对缺失路径的选择，进而获得基于个体车辆部分路径的初始修复OD矩阵；最后运用AVI检测的流量信息校正初始修复OD矩阵，得到最终的OD矩阵估计值。通过本发明的技术可以克服传统方法中仅考虑路段流量和行程时间信息，对先验信息的依赖性高以及未考虑检测精度等方面的不足。
文档编号G08G1/017GK102289932SQ20111016320
公开日2011年12月21日 申请日期2011年6月17日 优先权日2011年6月17日
发明者倪颖, 冯羽, 唐克双, 孙剑, 李克平 申请人:同济大学