一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法
【专利摘要】本发明公开了一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法，所述方法包括：原始轨迹数据预处理；提取浮动车通过各信号灯控制道路交叉口的通行轨迹片段并进行转向标识；分别针对单个浮动车通行轨迹片段进行延误计算，构建所有交叉口延误估算数据集；判断延误估算数据集规模与分布特征；根据分布特征采用不同模型计算交叉口延误，形成所有交叉口延误时序结果集。利用本发明可实现从低采样率轨迹数据中提取城市交叉口时间延误，有效弥补传统交叉口延误机理模型参数难以获取的缺陷，该方法可为城市出行信息平台、动态导航提供一种重要数据源，可应用于实时导航与位置服务系统、交通信息服务网站、交通规划管理与应急预案等。
【专利说明】一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法
【技术领域】
[0001]本发明涉及移动位置服务、城市交通、移动互联网络技术，具体涉及一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法。
【背景技术】
[0002]交叉口延误是交通工程学与交通地理信息系统领域的研究热点，对交通管理或出行信息服务至关重要。交叉口组织管理与控制优化是缓解现代城市交通拥堵，提高人们出行效率的主要手段之一。据北京市浮动车轨迹数据统计发现，对于城市日间出行过程，城市道路交叉口延误时间平均占出行时间的50%以上。准确计算交叉口延误可以辅助优化交叉口信号灯配时，提高交叉口通行能力，另一方面，掌握交叉口延误的时序变化规律可以辅助交通规划，提高交通管理与控制水平。此外，目前的导航系统和地图网站应用服务平台，出行路径规划算法基本上是以道路等级和长度作为依据来计算出行时间，提供出行路径规划参考结果，鲜有考虑实时路况，即使某些实验产品考虑了道路拥堵信息，也完全没有考虑道路交叉口延误。这使得几乎所有的导航产品和地图服务网站所给出的城市出行路径规划结果与出行实际体验很难相符，可用性大打折扣。如果获取了准确的交叉口延误信息，就可以得到更为准确的行程时间规划结果，提高导航系统、出行信息服务、在线地图及基于位置的服务(LBS)等的质量和可用性。
[0003]然后，准确计算交叉口延误存在很多难点，主要原因在于道路交叉口延误的影响因素众多，如时间特征、转向类型、交叉口信号灯设置等。例如，同一个道路交叉口同一转向，早晚高峰期间交叉口延误与普通时段的交叉口延误可能差别很大；同一交叉口同一时段，不同的转向类型交叉口延误差别也很大；城市交叉口延误还可能受到职住分离等社会因素造成的交通潮汐现象的影响。鉴于交叉口延误的重要性，国内外研究学者进行过许多相关研究并提出了重要的机理模型，常用的交叉口延误计算模型有=Webster信号交叉口延误模型、HCM延误模型、心理延迟模型、基于排队论的交叉口耗费模型等。这些模型多属于理论模型的推导，在计算过程中需要考虑绿信比、饱和流量、饱和度、信号周期等多种参数，而且受交通流量的影响比较大，计算的准确度不高。
[0004]近年来定位技术(如GPS、RFID等)及网络技术(如移动互联网、车联网及物联网等)不断发展，移动终端迅速普及，实时获取海量的真实的移动对象出行轨迹数据成为现实，基于浮动车数据(floating car data)的城市主要道路实时路况采集系统已经得到了普及应用。同时，浮动车轨迹数据的出现也为交叉口延误的准确计算提供了数据驱动的可能解决方案。虽然浮动车轨迹数据可以用于交叉口延误计算，但是基于浮动车轨迹数据构建交叉口延误计算模型存在以下难点:(I)数据稀疏性问题:城市道路网络层次和密度不均衡性导致了路网中浮动车分布的异质性，而且以出租车为主的浮动车空间覆盖范围有限，势必带来浮动车数据稀疏问题。利用稀疏的浮动车数据进行交叉口延误计算是尚未解决的技术问题；(2)数据质量问题:受制于城市建筑密度、交通环境、电磁干扰、设备故障、移动通讯网络覆盖和运营成本的影响，浮动车上装载的GPS传感器不能保证时刻获取精确的高采样率的定位结果并进行实时传输，对浮动车轨迹数据质量产生影响。这些问题的存在使得虽然基于浮动车的城市道路实时路况发布已经普及，但目前还完全没有城市道路交叉口延误实时产品出现。
[0005]为此，本专利针对上述问题，提出一种利用低采样率浮动车轨迹数据计算交叉口延误的方法。该方法通过引入主曲线插值理论，通过获取周围相邻时段的浮动车轨迹数据并进行合理插值，弥补浮动车轨迹数据稀疏或缺失的不足，从而实现利用低采样率浮动车轨迹数据计算交叉口延误的方法。
【发明内容】
[0006]本发明的技术解决问题是:提出一种利用低采样率浮动车数据计算交叉口延误的方法，克服低采样率浮动车数据计算交叉口延误时的数据稀疏或缺失问题，实现从低采样率的浮动车轨迹数据中提取城市信号灯控制交叉口不同时间间隔内不同转向的通行时间延误，有效弥补传统的交叉口延误机理模型参数难以获取的缺陷，进而提高交叉口延误计算的准确度。
[0007]本发明的技术解决方案为:
[0008]获取低采样率浮动车原始轨迹数据，对数据进行存储和预处理；
[0009]提取浮动车通过各交叉口的通行轨迹片段，并进行转向特征标识(左转、右转和直行)，构建浮动车交叉口转向记录数据集W ；
[0010]对浮动车交叉口转向记录数据集W进行转向延误计算，构建不同转向交叉口延误估算数据集V ;
[0011]判断交叉口延误估算数据集V的数据规模及分布是否满足计算需求；
[0012]如果满足计算需求，则直接利用平均值模型计算每一交叉口的不同时段不同转向的通行延误；
[0013]如果不满足计算需求，则先利用主曲线模型对交叉口延误数据V进行时序插值，修正交叉口延误估算数据集V ’，然后基于平均值模型统一计算每一交叉口的不同时段不同转向的通行延误；
[0014]存储基于低采样率浮动车轨迹数据的交叉口延误时序结果集TD ；
[0015]优选地，所述原始轨迹数据存储与预处理包括:
[0016]海量浮动车原始轨迹数据存储方式可以采用关系型数据库(如Oracle、MySQL及PostgreSQL等),也可以采用NoSQL数据库(如MongoDB、CouchDB> HBase等)进行数据逻辑存储与管理；
[0017]海量浮动车原始轨迹数据预处理可以采用集中式高性能处理(如CUDA、MPI等)，也可以采用分布式集群方式(如MapReduCe、BSP等)进行数据分布式处理。
[0018]优选地，所述浮动车交叉口通行轨迹片段提取，构建交叉口转向记录数据集W包括:
[0019]构建道路网络空间索引(如R树、R*树等)；
[0020]构建海量浮动车轨迹数据索引(如TB树、TPR树等)；
[0021]在构建索引的道路网络中对具有索引的浮动车轨迹数据进行地图匹配；[0022]提取单条轨迹交叉口标识及通行轨迹片段；
[0023]交叉口处浮动车的左转、右转、直行标识。
[0024]优选地，所述构建交叉口延误估算数据集V包括:
[0025]对交叉口转向记录数据集W按照交叉口进行汇总，获取每一交叉口处所有浮动车的转向记录；
[0026]设置交叉口空间阈值ε，并计算所有浮动车在每一交叉口处每一转向的时间延误数据，构建不同转向的交叉口延误估算数据集V ;
[0027]优选地，所述步骤交叉口延误估算数据集V是否满足计算需求包括:
[0028]采用时间窗口范围T和交叉口处浮动车转向记录数量N是否满足预先设定阈值来判断是否达到计算需求。其中，N由满足小样本正态分布检验方法Lilliefors Test的交叉口处浮动车转向记录数量确定。
[0029]优选地，所述利用主曲线模型对交叉口延误数据进行时序插值包括:
[0030]从交叉口延误估算数据集V中获取交叉口相邻时段相同转向的交叉口延误估算数据；
[0031]设置交叉口延误数据集V的均值线户(λ)为初始曲线，λ代表曲线上的每一点，j为当前迭代步骤；
[0032]计算V中每个浮动车转向记录turndelayesti在主曲线上的投影:其中，f(τ)代表曲线
【权利要求】
1.一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法，其特征在于，步骤包括: (1)获取低采样率浮动车原始轨迹数据，对数据进行存储和预处理； (2)提取浮动车通过各交叉口的通行轨迹片段，并进行转向特征标识，构建浮动车交叉口转向记录数据集W ; (3)对浮动车交叉口转向记录数据集W进行转向延误计算，构建不同转向交叉口延误估算数据集V ； (4)判断交叉口延误估算数据集V的数据规模及分布是否满足计算需求； (5)如果满足计算需求，则直接利用平均值模型计算每一交叉口的不同时段不同转向的通行延误； 如果不满足计算需求，则先利用主曲线模型对交叉口延误数据V进行时序插值，修正交叉口延误估算数据集V’，然后基于平均值模型统一计算每一交叉口的不同时段不同转向的通行延误； (6)存储基于低采样率浮动车轨迹数据的交叉口延误时序结果集TD。
2.根据权利要求1所述的方法，其特征在于，所述提取浮动车通过各交叉口的通行轨迹片段，并进行转向特征标识，构建浮动车交叉口转向记录数据集W包括: 构建道路网络空间索引； 构建海量浮动车轨迹数据索引； 在构建索引的道路网络中对具有索引的浮动车轨迹数据进行地图匹配； 提取单条轨迹交叉口标识及通行轨迹片段； 交叉口处浮动车的左转、右转、直行标识。
3.根据权利要求1所述的方法，其特征在于，所述构建交叉口延误估算数据集V包括: 对交叉口转向记录数据集W按照交叉口进行汇总，获取每一交叉口处所有浮动车的转向记录； 设置交叉口空间阈值ε，并计算所有浮动车在每一交叉口处每一转向的时间延误数据，构建不同转向的交叉口延误估算数据集V。
4.根据权利要求1所述的方法，其特征在于，所述步骤交叉口延误估算数据集V是否满足计算需求包括: 采用时间窗口范围T和交叉口处浮动车转向记录数量N是否满足预先设定阈值来判断是否达到计算需求。其中，N由满足小样本正态分布检验方法Lilliefors Test的交叉口处浮动车转向记录数量确定。
5.根据权利要求1所述的方法，其特征在于，所述利用主曲线模型对交叉口延误数据进行时序插值包括: 从交叉口延误估算数据集V中获取交叉口相邻时段相同转向的交叉口延误估算数据； 设置交叉口延误数据集V的均值线户_(λ)为初始曲线，λ代表曲线上的每一点，j为当前迭代步骤； 计算V中每条浮动车转向记录turndelayesti在主曲线上的投影:A/； {tdest) = sup{A:|| tdest - fitdest) ||= infT || tdest - fir) ||}其中，f(τ)代表曲线 f
y上投影至该点的所有数据点，turndelayesti简写为tdesh ； 基于主曲线自相合特征，计算f上每一点下一步的迭代值:
【文档编号】G08G1/00GK103680127SQ201310382314
【公开日】2014年3月26日 申请日期:2013年8月29日 优先权日:2013年8月29日
【发明者】陆锋, 刘希亮, 张恒才, 孙伟 申请人:中国科学院地理科学与资源研究所