一种城市道路运行情况评估方法
【技术领域】
[0001] 本发明属于数据处理技术领域，具体涉及一种城市道路运行情况评估方法。
【背景技术】
[0002] 浮动车交通信息采集技术近年来持续应用于城市道路交通运行评价，浮动车的主 要来源于出租车，与传统基于固定检测器方法相比，浮动车数据覆盖面广、信息实时多样、 数据精度高、投资少。浮动车由于具有"流动性"，空间涉及范围打破了点和线的限制而扩展 到面，几乎能够采集到城市道路网络中各个路段的交通信息，具有明显的覆盖范围上的优 势。而且GPS能够保证全天候24小时不间断工作，便于载有GPS接收机的浮动车即时收集外 出车辆的动态运行数据，数据实时多样。
[0003] 为了获得道路交通网络的真实运行状态，道路网络中必须有足够量的浮动车才能 满足交通流信息采集的精度要求。一般来说，浮动车样本量越大，对路网的覆盖率也越大。 因此，确定满足道路覆盖率最合适的浮动车样本数量以确保提供实时交通数据的可靠性研 究具有非常重要的工程应用价值。关于确定浮动车样本量的研究，即在路段上需要多少辆 浮动车，真实反映交通网的运行特征，前人开展了大量研究。
[0004] 针对所需浮动车样本量分布这一问题，Srinivasan等研究发现，在IOmin采样周期 内，对于80%的路段，要保证至少有3辆探测车才能准确计算出路段平均速度，因此需要将 整个路网中至少5%的车辆作为探测车。Quiroga和Bullock提出了基于路段平均速度估计 精度的浮动车样本容量计算模型，该模型基于经典的数理统计标准偏差理论。Chen等在上 述模型的基础上，考虑了实际道路交通的交通特性，引入了平均速度估计允许的相对误差， 对模型进行了改进。采用微观仿真模型估计了由一条高速公路和5个信号交叉口组成的路 网浮动车最小样本量。仿真试验结果表明，交通流中至少需要3%的浮动车，可以保证出错 率小于5%。在高峰期，交通流中至少需要12%的浮动车才可保证数据可靠 。Ferman等研究 表明在高速公路或快速路上浮动车比例应不低于3%，而在其他一般城市道路上浮动车车 辆的比例应不低于5%。高玲玲等基于路网交通流的分析，采用浮动车数据的时空曲线拟合 模型，综合考虑车速、道路等级、出租车浮动车重非载客状态以及发送周期等因素，提出了 用于计算城市交通流状态估计所需最小GPS探测车数量的自适应浮动车样本量计算方法。 并以上海市为例对模型的有效性进行了验证。林思等利用经典概率论理论，结合部分交通 流特性的浮动车样本量计算方法，提出了基于仿真实验的最佳样本容量确定方法。并通过 VISSM进行浮动车仿真实验，得出当路网中浮动车比例为3 %~5%时，交通参数估计精度 达95%以上。胡小文等以城市出租车GPS数据为例，建立了在不同的时段特征和路段样本量 需求下，路网覆盖率和浮动车数量之间的函数关系。朱丽云等根据北京市浮动车采集的数 据，提出了一套适用于复杂城市路网的浮动车实时路网速度计算系统的建设流程，包括GPS 数据接收、数据预处理、数据在电子路网底图上的匹配以及路段运行车速计算。并以大量试 验数据验证了该方案的可行性与实际运行效果。熊娟等以RTMS数据作为真值验证了当前样 本量条件下浮动车数据的有效性，并利用抽样方法和相似性原理确定浮动车的最小样本 量，并计算比较不同样本量下的浮动车数据与RTMS数据的相关系数。
[0005] 浮动车数据的利用规则研究主要包括有效的非载客数据及载客数据的筛选及载 客数据的应用这两部分。针对非载客数据的筛选，国内外大部分的研究在处理出租车数据 时将非载客数据视为无效数据。辛飞飞等认为非载客出租车在寻找客源的过程中，经常会 出现路边候客、休息、不规则变道和加减速等随意性较大的驾驶行为，这些都不能真实反映 城市道路的实际交通运行状况，因此在过滤数据的过程中删除了空车数据。而朱鲤认为删 除所有的空车数据会导致系统的数据不足，因此建立了空车数据处理的模型，模型中直接 使用快速路和高速公路的空车数据，对于其他道路等级的空车数据，若空车速度大于限速 的80%，则可以直接使用。经过算法处理后，支路、次干道和主干道这三个道路等级的空车 数据的平均行程车速估计精度有了一定的提高。
[0006] 目前关于载客数据的筛选与处理，国内外开展了大量的研究。陈炼红等将错误数 据产生的原因归纳为三类:与GPS卫星相关误差；与信号传播有关的误差；与接收设备有关 的误差。总结了这些误差综合作用下数据的表现形式，运用阈值检验法、基于交通基本理论 及经验判断等检验方法判断出错误数据并对其进行处理。张菁菁提出了统计方法和K-means分类法相结合的方法对浮动车的缺失数据进行填充，并验证了补缺效果较好。对数据 进行补缺后利用小波变换对数据进行降噪处理以降低误差。Zhaosheng Zhang等提出了清 洗及修复浮动车数据的方法--多阈值控制修复法(Multithreshold Control Repair Method，MTCRM)，该方法采用阈值控制及标准化变换的规则处理异常数据、运用加权平均法 和指数平滑法填补缺失数据。运用该方法对北京市各等级道路进行数据修复，结果显示数 据修复的平均偏差能够满足交通状态预测的要求，验证了 MCTRM能够有效地清洗及修复浮 动车数据。秦玲等在处理异常数据的过程中，将定位信息存在较大误差的数据、定位信息在 一段时间内保持不变的数据、定位信息在一段时间内保持不变且速度不为零的数据以及浮 动车速度远远高于或低于同时期同路段大多数浮动车的速度的数据视为异常数据。Edward Chung等分析了浮动车急刹车、长时间停车、等待红绿灯、转弯停车等造成采集的浮动车数 据不连续的原因，并通过数据处理确定每次出行的终点。
[0007] 总结上述国内外研究现状，可以看出：对于出租车载客数据的研究，在载客数据的 处理、载客数据的应用以及浮动车时空分布特征这三个方面的理论研究和实际应用较成 熟。对于出租车非载客数据的研究，主要包括非载客数据的处理及运用这两部分。其中对于 非载客数据的处理，大部分的研究在处理出租车数据时将非载客数据视为无效数据，而实 际上部分非载客数据能够反映实际的交通运行状况，目前对非载客数据的应用方面主要集 中于对出租车的时间非载客率和空间非载客率的研究。因此，需要运用已有的数据相关性 及差异性分析的数学方法对"载客"与"非载客"的行程速度的相关性指标、差异性指标进行 分析，然后分析不同道路类型、时段、速度区间下差异性指标、相关性指标的变化规律，提出 非载客数据的利用规则。对出租车GPS数据的处理和计算，得到路段行程速度，进行拥堵评 价。
【发明内容】
[0008] 发明目的：本发明针对上述现有技术存在的问题做出改进，即本发明公开了一种 城市道路运行情况评估方法。
[0009] 技术方案:一种城市道路运行情况评估方法，包括以下步骤：
[0010] (1)对出租车GPS数据进行预处理；
[0011] (2)对经过预处理的出租车GPS数据进行道路匹配，得到载客数据与非载客数据对 应的道路类型，将非载客数据分为快速路非载客数据、主干路非载客数据和次干路非载客 数据，快速路非载客数据直接应用；
[0012] (3)对主干路非载客数据和次干路非载客数据进行处理，判断是否应用；
[0013] (4)计算路段的平均行程速度，计算公式如下：
[0015] V1为路段的平均行程速度，L是该路段长度，V5是非载客出租车的平均行程速度，m 是非载客出租车的数量，V载是载客出租车的平均行程速度，η是载客出租车的数量；
[0016] (5)评估道路运行情况。
[0017] 进一步地，步骤(1)包括以下步骤：
[0018] (11)将出租车GPS数据分为载客数据和非载客数据；
[0019] (12)保留连续传输超过2分钟的非载客数据，其余非载客数据删除。
[0020] 进一步地，步骤(3)包括：
[0021 ] (31)根据载客数据计算每5分钟的出租车载客速度的算术平均值V载和载客速度的 标准差〇载；
[0022] (32)判断相同路段相同时段的非载客数据V空是否应用，若V空大于·则应 用该非载客数据V空，反之则予以剔除，其中k为常数，k的取值范围是1.3~1.6。
[0023] 进一步地，步骤(5)包括以下步骤：
[0024]根据步骤(4)得到的路段的平均行程速度V1将路段分为畅通路段、基本畅通路段、 轻度拥堵路段、中度拥堵路段和严重拥堵路段，
[0025]该路段为快速路时，
[0026] SViseskm/h，则该快速路为畅通路段；
[0027] 若50km/h<Vi < 65km/h，则该快速路为基本畅通路段；
[0028] 若35km/h<Vi < 50km/h，则该快速路为轻度拥堵路段；
[0029] 若20km/h<Vi < 35km/h，则该快速路为中度拥堵路段；
[0030]若％ < 20km/h，则该快速路为严重拥堵路段；
[0031]该路段为主干路时，
[0032] SV1SASkmA，则该主干路为畅通路段；
[0033] 若35km/h<Vi < 45km/h，则该主干路为基本畅通路段；
[0034] 若25km/h<Vi < 35km/h，则该主干路为轻度拥堵路段；
[0035] 若15km/h<Vi < 25km/h，则该主干路为中度拥堵路段；
[0036]若％ < 15km/h，则该主干路为严重拥堵路段；
[0037]该路段为次干路时，
[0038] 若Vi>35km/h，则该次干路为畅通路段；
[0039]