为流量分析而收集的数据的管理的制作方法
【技术领域】
[0001] 根据本发明的解决方案设及移动物理实体的流量流的分析。具体而言，根据本发 明的解决方案设及为执行流量分析而收集的经验数据的管理。
【背景技术】
[0002] 流量分析旨在识别和预测在所关屯、的地理区域(例如，城市区域）中并且在预定的 观察期(例如，24小时观察期)移动的物理实体(例如，陆地车辆)流(例如，车辆流量流）中的 变化。
[0003] 流量分析的典型，但非限制性，例子是由在所关屯、的地理区域的路线上的车辆(汽 车，卡车等)流量流的分析来表示的。运种分析允许实现所关屯、的区域内交通基础设施的更 高效规划并且还允许预测交通基础设施的变化，诸如像道路封闭、交通灯排序变化、新道路 和新建筑的构建，如何会对车辆流量造成影响。
[0004] 在下面对于流量分析，是指物理实体通过地理区域的运动的分析。运种物理实体 可W是车辆(例如，汽车、卡车、摩托车、公交车)和/或个人。
[0005] 因为它是基于统计计算，所W流量分析需要关于所关屯、的区域和被选的观察期收 集大量经验数据，W便提供准确的结果。为了执行流量的分析，所收集的经验数据随后通常 排列在多个矩阵中，在本领域中被称为起点-目的地(O-D)矩阵。O-D矩阵是基于所关屯、的区 域和观察期二者的划分。
[0006] 为了划分所关屯、的区域，区域被细分为多个区，每个区根据若干参数来定义，运些 参数诸如负责该区（例如，城市)管理的当局、所关屯、的区域中地段的拓扑(诸如开放空间、 住宅、农业、商业或工业用地)和能够阻碍流量的物理屏障（例如，河流）（物理屏障可W用作 区的边界）。所关屯、的区域可W被细分为的区的大小，W及因此区的数量，与为流量分析所 请求的细节级别（即，城区级别、城市等级、地区级别级、国家级别，等等)成比例。
[0007] 此外，观察期可被细分为一个或更多个时隙，每个时隙根据已知的流量趋势来定 义，所述流量趋势诸如对应于当大多数乘客前往他们的工作场所和/或乘车返回家的交通 高峰时间。时隙的长度（W及因此它们的数量)与在所考虑的观察期上的流量分析所请求的 细节级别成比例。
[000引通用O-D矩阵的每个条目包括从所关屯、的区域的第一区（起点）到第二区（目的地） 移动的物理实体的数量。每个O-D矩阵对应于所考虑的观察期可W被细分的一个或更多个 时隙中的一个时隙。为了获得可靠的流量分析，O-D矩阵的集合应当在多个类似的观察期上 计算并且应当组合，从而获得具有较高统计值的O-D矩阵。例如，关于物理实体的运动的经 验数据应当在多个连续的天(每天对应于不同的观察期)进行收集，并且为每一天应当计算 O-D矩阵的对应集合。
[0009]用于收集用来计算与所关屯、的特定区域相关的O-D矩阵的典型方法是基于向所关 屯、的区域的居民和/或向邻近区域的居民提交关于他们的运动习惯的问卷，或执行与他们 的访谈，和/或通过沿所关屯、的区域的路线安装用于计数沿运些路线移动的车辆数的车辆 计数站。本申请人已经观察到，运种方法具有非常高的成本并且它需要很长时间来收集足 够量的经验数据。由于运个原因，用来执行流量分析的O-D矩阵很少建成，有可能每隔几年， 然后变得过时。
[0010] 在本领域中，几种替代的解决方案已经被提出，用于收集用来计算O-D矩阵的经验 数据。
[0011] 例如，美国5,402,117公开了用于收集移动性数据的方法，其中，经由蜂窝无线电 通信系统，测出的值从车辆发送到计算机。测出的值被选择，使得它们可W被用来确定O-D 矩阵而不侵犯用户的隐私。
[0012] 在中国专利申请No. 102013159中，描述了基于号牌识别数据的区域动态起点和目 的地(OD)数据获取方法。动态OD数据是动态的起点和目的地数据，其中0表示起点并且D表 示目的地。该方法包括步骤:根据需要划分OD区域，其中最小时间单位为5分钟;每15分钟由 流量控制中屯、统一处理该区域中每个交叉路口的数据;检测号牌数据;包装号牌识别数据； 将号牌识别数据上载到流量控制中屯、；比较牌号与通过交叉路口的标识（ID)号；获取通过 每个交叉路口的每个车辆的时间;通过取得牌号作为线索来获取每个车辆从0点到D点所经 过的路径中每个交叉路口的编号;根据时间顺序并根据在节点之间经过的车辆的数目排定 交叉路口的顺序，从而计算动态OD数据矩阵。
[0013] WO 2007/031370设及用于自动获取流量调查数据的方法，例如Wo-D矩阵的形式， 尤其是作为用于流量控制系统的输入信息。流量调查数据是通过沿可用路线放置的无线电 设备收集的。
[0014] 如今，移动电话已经在许多国家的人口中达到彻底的扩散，并且移动电话用户几 乎总是随身携带移动电话。由于移动电话与移动电话网络的多个基站通信，并且每个基站 在被移动电话网络知晓的预定地理区域(或小区）之上操作，因此移动电话会是用作收集对 执行流量分析有用的数据的跟踪设备的最佳候选。例如，N. Caceres、J .Wideberg和 F.Benitez在InteIligent Transport Systems，IET，vol. 1，no. 1，pp. 15-26，2007戶/f写的 "Deriving origin destination data from a mobile phone network"描述了沿被多个 GSM网络小区覆盖的高速公路移动的车辆的移动性分析模拟。在模拟中，O-D矩阵的条目通 过识别被移动的车辆中的移动电话用于建立语音呼叫或发送SMS的GSM小区来确定。
[0015] 美国2006/0293046提出了采用来自无线电话网络的数据来支持流量分析的方法。 与无线网络用户相关的数据是从该无线网络中提取的，W确定移动站的位置。用于移动站 的附加位置记录可W被用来表征该移动站的运动：其速度、其路线、其起点和目的地，及其 初级和次级交通分析区。聚合与多个移动站关联的数据允许表征和预测流量参数，包括沿 路线的流量速度和容量。
[0016] 在F.Calabrese等人在IE趾 Pe;rvasive，pp.36-44,0ctobe;r-December 2011 (vol. IOno . 4)戶/f写的('Estimating Origin-Destination Flows Using Mobile Phone Location Data"中，提出了设想分析在相应移动通信网络中的移动设备的位置变化W便确 定O-D矩阵的条目的另一种方法。
【发明内容】
[0017] 本申请人意识到，为了在所关屯、的特定区域中执行流量分析，在通过本领域中已 知的系统和方法收集的大量经验数据的使用中普遍缺乏可管理性。
[0018] 尤其是，申请人已经观察到，利用移动电话网络的移动电话作为跟踪设备一般导 致获得非常大量的经验数据，不是所有运些数据都对执行流量分析有用。因此，为了计算随 后用来执行流量分析的O-D矩阵，由移动电话网络提供的大量经验数据必须被彻底分析并 提交给沉重的处理(既耗时间又耗资源的操作）。
[0019] 事实上，由移动电话网络提供的数据对应于每个移动电话与移动电话网络之间的 每次交互，像例如呼叫的建立、文本消息（SMS)的发送或接收、数据的交换，而不管移动电话 是否实际改变其地理位置。因此，为了建立O-D矩阵，由移动电话网络提供的数据必须被扫 描并过滤，W得出有关移动电话的实际运动的信息。
[0020] 此外，就移动电话连接到的移动电话网络小区而言，由移动电话网络提供的数据 给出移动电话在移动电话网络中的位置。一般而言，小区不对应于所关屯、的地理区域中的 流量分析区：例如，移动电话网络小区远比流量分析区小。
[0021] 因此，为了建立O-D矩阵，由移动电话网络提供的数据需要进行处理，W识别移动 电话网络的小区组与所关屯、的地理区域的各个流量分析区之间的对应关系。
[0022] 而且，由移动电话网络提供的数据必须在时域中被分析并聚集，W对应于流量分 析时隙。
[0023] 只有在运样的操作之后，才有可能组成正确的O-D矩阵。
[0024] 因此，本申请人已经解决了如何W高效的方式管理由移动电话网络提供的大量经 验数据的问题，用于W快速可靠的方式计算可能截然不同的O-D矩阵的集合，W允许流量分 析具有可定制的准确度和/或精度(根据期望的细节级别），运样的矩阵对应于所关屯、的特 定区域和观察时段到区和/或时隙的不同划分。
[0025] 本申请人已经发现，通过收集和聚集具有比后续执行流量分析而预期需要的粒度 更精细粒度(在将所关屯、的地理区域划分成的更小尺寸的区和/或观察期被细分成的更短 长度的时隙方面)的经验数据，经验数据的更高效管理和与流量分析的不同细节级别相关 的O-D矩阵的不同集合的更快计算成为可能。
[0026] 尤其是，本发明的一方面提出了用于管理在至少一个预定时段期间关于地理区域 中的物理实体的一个或多个流的数据的方法。对于每个物理实体，数据包括多个表示元素 在所述地理区域中的被检测到的位置的定位数据和标识每个位置被检测到的时刻的对应 时间数据。该方法包括W下步骤。把地理区域细分为至少两个区。把至少一个时段细分为一 个或多个时隙。识别在每个时隙期间从所述至少两个区当中的第一区流向所述至少两个区 中的第二区的物理实体的数量。基于运种识别针对一个或多个时隙中的每个时隙计算起 点-目的地矩阵，每个起点-目的地矩阵包括用于物理实体流能开始于的所述至少两个区中 的每一区的相应行，W及用于在对应时隙期间物理实体流能结束于的所述至少两个区中的 每一区的相应列，并且起点-目的地矩阵的每个条目指示在对应时隙中从所述至少两个区 中的第一区流向第二区的物理实体的数量。在根据本发明的实施例的解决方案中，该方法 还包括W下步骤。将所述地理区域细分为多个基本区。将所述至少一个时段细分为多个基 本时隙，其中所述基本区比所述区更小，和/或所述基本时隙比所述一个或多个时隙更短。 识别在每个基本时隙期间从所述多个基本区中的第一基本区流向所述多个基本区中的第 二基本区的元素的另一数量。基于运种识别针对每个基本时隙计算基本起点-目的地矩阵， 每个基本起点-目的地矩阵包括用于元素流能开始于的多个基本区中的每一个基本区的相 应行，W及在对应基本时隙期间元素流能结束于的多个基本区中的每一个基本区的相应 列，并且基本起点-目的地矩阵的每个条目包括从所述多个基本区中第一基本区流向所述 多个基本区中的第二基本区的元素的另一数量。而且，识别在每个时隙期间从第一区流向 第二区的元素数量的步骤包括:将用于每个起点-目的地矩阵的基本起点-目的地矩阵的被 选子集组合到一起，并且将基本起点-目的地矩阵的每个