技术领域本发明属于交通信息领域，具体涉及一种基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法。
背景技术：
在交通工程领域，对于车辆运行轨迹重构的认知和理解存在两个层次：第一层次是车辆的行驶路径，指的是车辆的起讫点以及连接起讫点之间的路段和节点，常用于路网OD(OriginDestination)矩阵的估计；第二层次是车辆的运行轨迹，指的是车辆在行驶过程中的完整物理轨迹，可以体现车辆速度随时间和空间的变化规律。本发明针对是是第二层次的车辆运行轨迹的重构，车辆运行轨迹是对交通流运行状态的最全面和完整的表达形式，不仅可以体现车辆在道路上的行驶路径，而且可以反映车辆运行速度随时间和空间的变化规律，蕴含非常丰富的交通流信息。交通信息化水平的不断提高使得城市路网大范围、连续、自动的定点和移动检测数据的采集成为现实，进而使得车辆运行轨迹的获取成为可能。其中，定点检测设备(如，线圈、地磁、微波雷达等)可以直接获取特定地点和时间间隔的速度、流量、占有率等路段和交叉口的交通流特征参数；移动检测设备(例如浮动车、车辆自动识别(AutomaticVehicleIdentification,AVI)设备等)可以直接估计部分车辆的起讫点、时空连续的行驶路径、点到点的行程时间等单个车辆的运行信息。重构车辆运行轨迹可以全面、准确地再现城市路网交通状态的时空分布以及交通流的演化规律，从而提高交通状态参数(例如，行程速度、行程时间、排队长度、延误等)估计和预测的精度以及交通信号控制的效率。同时，结合车辆排放和能源消耗模型，车辆运行轨迹信息还可以用于路网机动车交通产生的尾气和能源消耗的评估。因此，车辆运行轨迹的重构对于探索和开发交通信息化环境下的精细化交通控制与管理策略和系统，提升我国道路交通信息化、智能化水平，具有重要的现实意义。传统的轨迹重构方法主要基于变分理论(VariationalTheory)和相对通行能力约束的路网交通流解析模型，通过融合出租车浮动车数据、AVI数据以及信号控制参数来进行道路车辆轨迹重构，结果表明当对象路段的出入口位置布设有AVI设施且浮动车比例达到5％以上时，就有可能比较准确地估计出城市道路路段上所有车辆的运行轨迹。总结传统轨迹重构方法的研究，目前主要存在以下问题：(1)只能针对单车道、少量进出干扰的情况该算法不适用于我国城市主干道车道多、路侧出入口车辆进出量大的情况。(2)算法精度取决于高质量的浮动车数据浮动车的占有率较高且上传频率较高时，重构轨迹质量较高。一旦浮动车质量降低，则算法精确度迅速降低。我国城市浮动车数据的上传频率低，占比也低，难以得到广泛的实际应用。
技术实现要素：
本发明所要解决的技术问题针对我国目前浮动车数据质量较低的情况，融合现有的定点检测器数据和交通信号数据，结合视频数据确定部分参数，依据交通特性和交通仿真的思想方法，提出了一种更符合我国典型城市主干道路交通信息采集环境的基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法，旨在多车道、有出入车辆干扰交通情况下重构出较高精度的车辆轨迹。本发明方法的基本适用条件如下：1、定点检测器能分车道检测路段的流量与速度数据，上传频率不低于1分钟一次，且无缺失定点检测器的路段，如图1所示。2、有各交叉口详细的交叉口信号配时方案。3、没有公交优先的交叉口。本发明方法的基本思想是：从利用约束优化选择的层面入手并借鉴了交通仿真的车辆产生机制与运行机理，基本思想如下：首先将一定数量的车辆在指定时间、指定路段或路口输入到系统中，如果没有约束条件会产生无数种可能的行驶轨迹。然后根据实际情况和交通理论引入一定的约束，从大量可能轨迹中筛选出少量的合理轨迹。最后参考实际交通运行情况，提取实际交通运行状况的一些参数作为选择标准，选择出最接近现实的最佳轨迹，完成轨迹重构。在此过程中，单个车辆的轨迹重构即按一定的条件在研究路段某处生成车辆，此车辆的每一秒的行为都是根据当前时刻的总体状态按照一定的约束条件进行决策，从而产生连续轨迹，直至车辆驶出研究范围或者达到研究时间。本发明的特点在于在我国的不包含高质量浮动车的数据源条件下，利用数学方法(动态规划法以及对分时统计流量的处理)和交通工程的分析方法(交通流相关理论、车辆跟驰模型)的融合，通过各种约束条件重构出车辆轨迹，并基于路段的总体状态对车辆的瞬时行为进行决策，使得重构轨迹更符合实际状况，提高轨迹重构准确性。本发明所要解决的技术问题是通过以下的技术方案来实现的。本发明是一种基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法，其特点是，包括如下步骤：步骤一：建立基础矩阵建立三维的道路分时占用矩阵Point[n,distance,t](n表示车道，distance表示该点离研究路段起点的距离，t表示研究时刻)。该矩阵的功能是反映当前时刻的实时路况(如30s时刻，有一长5米车辆存在于1车道20米处，则[1,15,30]至[1,20,30]设置为占用)，并作为约束条件对下一秒车辆生成和运行形成约束。建立二维的车辆运行矩阵Car[vehicle,t](vehicle表示车辆的编号，t表示研究时刻)，每一矩阵元素为二维向量，包括所处车道以及离研究路段起点距离。该矩阵的功能是反应已生成车辆的运行状况，并用于更新道路的时空占用情况。本方法就是通过t时刻车辆运行矩阵Car[vehicle,t]决定该时刻的道路占用情况矩阵Point[n,distance,t]，再根据道路占用情况矩阵Point[n,distance,t]计算出t+t0时刻车辆最或然运行状态，从而生成Car[vehicle,t+t0]的不断迭代过程。步骤二：车辆生成在研究路段第一个定点检测器(即为图3中的Detector1)处形成初始车辆，每个分时时段Tn内的车辆生成数量设定为定点检测器获得的各车道分时统计交通量qi(如图4所示，红字表示该分时时段Tn内的交通量)，具体生成时刻为此分时时段内的随机时刻tn-j(用Random.Next(0,T)函数分配每辆车的生成时刻)。将车辆轨迹向前反推至研究路段起点，并往下游延伸。步骤三：车辆行为决策已生成的车辆在每一秒都根据路网的时空占用状态进行行为决策，决策符合一定的约束条件，包括以下四种约束：(1)基本约束：车辆轨迹需要遵守时间和空间上的合理性，不能重合、相切或者相交；车队轨迹需要符合交通流冲击波形状特征。(2)信号控制约束：车辆在信控交叉口需要遵守信号条件。(3)交通流参数约束：车辆在路段中行驶时按照路段平均车速前进；轨迹重构导致的每车道重构交通量需要遵守实测交通量数据，否则进行合理变道或者补充车辆。(4)决策优先级约束：决策的选择思路是在不违反上述三个约束的前提下，进行优先级更高的状态转移即在车辆行驶时：前进>停车；停车时：起步>停止。这种决策规则是由现实情况决定的，因为路段中正常行驶的车辆驾驶员受到安全、交通规则和心理的影响，会倾向于保持原速行驶；同样，因为红灯、前车停车等因素停车的车辆，也会在第一时间选择起步。在上述几种约束的限制下，根据现实中车辆在路段上的实际行为，车辆的行为决策结果分别是前进、停车与起步、驶出主干道、合理变道和驶入主干道，同时需要对轨迹矛盾进行处理。步骤四：判断轨迹重构是否完毕当车辆处于以下3种状态时会认为此车的轨迹已重构完毕：(i)重构时间超过了所研究的时间范围(针对任意车辆)；(ii)车辆位于转向车道且已通过交叉口停车线(针对转弯车辆)；(iii)车辆位于直行车道且驶出所研究的路段(针对直行车辆)。步聚三中，控制决策与参数包括：(1)前进决策对于每一辆生成车辆，当前方道路的时空占用矩阵显示未被占用时，车辆以路段平均车速v(研究路段检测器测出的路段平均点速度)行驶。(2)停车与起步决策当遇到红灯或者前方车辆停车情况时，车辆选择停车；在信号灯转为绿色或者前方车辆起步后，车辆选择起步。交通流状态转移如图4所示，图中：A、J、C分别表示车辆在路段行驶、在交叉口排队和在绿灯时间三种状态，v、k、w分别代表车流速度、车流密度和发生交通状态转移的交通波速度。根据图5，通行车辆的停车与起步符合交通波的冲击波特征，形成一个时空坐标轴上的三角影响区域，影响区域内车辆进行停车与起步，影响区域外车辆正常前进。其中，三角影响区域的外围即为交通波，是由于交通状态发生转移而产生的，波速w的计算方法如公式(1)，Q和k分别为交通流量和车辆密度。交通波分为形成波和消散波，如图6(b)所示：形成波wAJ是由于为交通状态从A转为J，消散波wJC是由于交通状态从J变为C，两种波速的计算方法分别如公式(2)和(3)。w=Q1-Q2k1-k2---(1)]]>wAJ=QAQAv-1s---(2)]]>wJC=-QC1s-1h---(3)]]>式中，对于形成波wAJ：QA(veh/s)为信号灯前区域的交通流量，v(m/s)表示路段上车辆正常行驶的平均车速，s(m)为停车时的平均车头空距；对于消散波wJC：Q(veh/s)为驶离信号灯的交通流量，h(s)为起步时的平均车头时距。(3)合理变道生成的车辆根据车道功能，经过交叉口进入下一路段。在下游的各检测器处检测车道i每个分时时段Tn的现状重构交通量qr-i，与检测器测出的车道i实际交通量qi进行对比，如图6(a)所示。如果qr-i>qi，则qout-i＝qr-i-qi(qr-i为当前状态下车道i的的重构交通量)辆车从车道i向两侧的相邻车道进行合理变道，变道结果示意图如图6(b)。如果qr-i<qi，则说明该车道的通过的车辆数小于实际交通量，需要在车道i中该检测器上游的交叉口位置补充相应的车辆qin-i＝qi-qr-i。(4)驶出、入主干道车辆经过合理变道，根据在交叉口停车线前所处车道的功能，进行行为决策，决定其是否驶出研究路段。(i)若处于直行车道，则继续驶入下一路段；(ii)若处于左转或者右转车道，则驶出研究路段，进入相交路段。路段间检测器所缺失的交通量，则从上游相交路段驶入主干道，且每辆车的进入并到达检测器位置的时刻为该分时时段Tn内的随机时刻tn-j，补充过程如图6(c)。(5)车辆轨迹矛盾处理当车辆在进行行为决策时，若在符合所有约束且不进行变道的基础上，车辆轨迹无法继续延伸，即必然与其他轨迹相交，从而产生轨迹矛盾。产生这一矛盾的原因是本算法并非完全按照车辆驶入顺序生成车辆，某些路段车辆驶入与驶出的先后顺序有少量变化。具体示意图7－8，解决轨迹矛盾的步骤是：(i)判断并定位出现相交的相关轨迹；(ii)将相交轨迹的交点之后的错误部分删除；(iii)按照轨迹的时间次序重构被删除的轨迹，直至没有轨迹矛盾存在。相对于传统的轨迹重构方法，本发明方法的优点在于：(1)融合定点检测器和信号配时数据，不依赖高质量的浮动车数据，对交通数据采集环境要求小。(2)适用于多车道、出入车辆干扰交通的情况，适用面广。(3)重构轨迹完整全面，可以在其基础上实现环境评估、信号控制协调、行程时间估计、拥堵状态预警等功能。附图说明图1为中国城市干道的检测器典型布设方式示意图；图2为本发明方法流程图；图3为车辆生成时空示意图；图4、图5为信控交叉口交通状态转移与交通波影响区域示意图；图6为车辆合理变道及驶出、入主干道决策示意图；图7、图8为矛盾轨迹处理示意图；图9为青岛市香港中路(山东路至福州南路)路段示意图；图10、图11为车辆停车、起步示意图；图12-13为车辆轨迹重构方法效果图。具体实施方式以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。实施例1，参照图2-图8，一种基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法，包括如下步骤：步骤一：建立基础矩阵建立三维的道路分时占用矩阵Point[n,distance,t](n表示车道，distance表示该点离研究路段起点的距离，t表示研究时刻)。该矩阵的功能是反映当前时刻的实时路况(如30s时刻，有一长5米车辆存在于1车道20米处，则[1,15,30]至[1,20,30]设置为占用)，并作为约束条件对下一秒车辆生成和运行形成约束。建立二维的车辆运行矩阵Car[vehicle,t](vehicle表示车辆的编号，t表示研究时刻)，每一矩阵元素为二维向量，包括所处车道以及离研究路段起点距离。该矩阵的功能是反应已生成车辆的运行状况，并用于更新道路的时空占用情况。本方法就是通过t时刻车辆运行矩阵Car[vehicle,t]决定该时刻的道路占用情况矩阵Point[n,distance,t]，再根据道路占用情况矩阵Point[n,distance,t]计算出t+t0时刻车辆最或然运行状态，从而生成Car[vehicle,t+t0]的不断迭代过程。步骤二：车辆生成在研究路段第一个定点检测器(即为图3中的Detector1)处形成初始车辆，每个分时时段Tn内的车辆生成数量设定为定点检测器获得的各车道分时统计交通量qi(如图4－5所示)，具体生成时刻为此分时时段内的随机时刻tn-j(用Random.Next(0,T)函数分配每辆车的生成时刻)。将车辆轨迹向前反推至研究路段起点，并往下游延伸。步骤三：车辆行为决策已生成的车辆在每一秒都根据路网的时空占用状态进行行为决策，决策符合一定的约束条件，包括以下四种约束：(1)基本约束：车辆轨迹需要遵守时间和空间上的合理性，不能重合、相切或者相交；车队轨迹需要符合交通流冲击波形状特征。(2)信号控制约束：车辆在信控交叉口需要遵守信号条件。(3)交通流参数约束：车辆在路段中行驶时按照路段平均车速前进；轨迹重构导致的每车道重构交通量需要遵守实测交通量数据，否则进行合理变道或者补充车辆。(4)决策优先级约束：决策的选择思路是在不违反上述三个约束的前提下，进行优先级更高的状态转移即在车辆行驶时：前进>停车；停车时：起步>停止。这种决策规则是由现实情况决定的，因为路段中正常行驶的车辆驾驶员受到安全、交通规则和心理的影响，会倾向于保持原速行驶；同样，因为红灯、前车停车等因素停车的车辆，也会在第一时间选择起步。在上述几种约束的限制下，根据现实中车辆在路段上的实际行为，车辆的行为决策结果分别是前进、停车与起步、驶出主干道、合理变道和驶入主干道，同时需要对轨迹矛盾进行处理。步骤四：判断轨迹重构是否完毕当车辆处于以下3种状态时会认为此车的轨迹已重构完毕：(i)重构时间超过了所研究的时间范围(针对任意车辆)；(ii)车辆位于转向车道且已通过交叉口停车线(针对转弯车辆)；(iii)车辆位于直行车道且驶出所研究的路段(针对直行车辆)。步聚三中，控制决策与参数包括：(1)前进决策对于每一辆生成车辆，当前方道路的时空占用矩阵显示未被占用时，车辆以路段平均车速v(研究路段检测器测出的路段平均点速度)行驶。(2)停车与起步决策当遇到红灯或者前方车辆停车情况时，车辆选择停车；在信号灯转为绿色或者前方车辆起步后，车辆选择起步。交通流状态转移如图4－5所示，图中：A、J、C分别表示车辆在路段行驶、在交叉口排队和在绿灯时间三种状态，v、k、w分别代表车流速度、车流密度和发生交通状态转移的交通波速度。通行车辆的停车与起步符合交通波的冲击波特征，形成一个时空坐标轴上的三角影响区域，影响区域内车辆进行停车与起步，影响区域外车辆正常前进。其中，三角影响区域的外围即为交通波，是由于交通状态发生转移而产生的，波速w的计算方法如公式(1)，Q和k分别为交通流量和车辆密度。交通波分为形成波和消散波，如图6(b)所示：形成波wAJ是由于为交通状态从A转为J，消散波wJC是由于交通状态从J变为C，两种波速的计算方法分别如公式(2)和(3)。w=Q1-Q2k1-k2---(1)]]>wAJ=QAQAv-1s---(2)]]>wJC=-QC1s-1h---(3)]]>式中，对于形成波wAJ：QA(veh/s)为信号灯前区域的交通流量，v(m/s)表示路段上车辆正常行驶的平均车速，s(m)为停车时的平均车头空距；对于消散波wJC：Q(veh/s)为驶离信号灯的交通流量，h(s)为起步时的平均车头时距。(3)合理变道生成的车辆根据车道功能，经过交叉口进入下一路段。在下游的各检测器处检测车道i每个分时时段Tn的现状重构交通量qr-i，与检测器测出的车道i实际交通量qi进行对比，如图6(a)所示。如果qr-i>qi，则qout-i＝qr-i-qi(qr-i为当前状态下车道i的的重构交通量)辆车从车道i向两侧的相邻车道进行合理变道，变道结果示意图如图6(b)。如果qr-i<qi，则说明该车道的通过的车辆数小于实际交通量，需要在车道i中该检测器上游的交叉口位置补充相应的车辆qin-i＝qi-qr-i。(4)驶出、入主干道车辆经过合理变道，根据在交叉口停车线前所处车道的功能，进行行为决策，决定其是否驶出研究路段。(i)若处于直行车道，则继续驶入下一路段；(ii)若处于左转或者右转车道，则驶出研究路段，进入相交路段。路段间检测器所缺失的交通量，则从上游相交路段驶入主干道，且每辆车的进入并到达检测器位置的时刻为该分时时段Tn内的随机时刻tn-j，补充过程如图6(c)。(5)车辆轨迹矛盾处理当车辆在进行行为决策时，若在符合所有约束且不进行变道的基础上，车辆轨迹无法继续延伸，即必然与其他轨迹相交，从而产生轨迹矛盾。产生这一矛盾的原因是本算法并非完全按照车辆驶入顺序生成车辆，某些路段车辆驶入与驶出的先后顺序有少量变化。具体示意图7－8，解决轨迹矛盾的步骤是：(i)判断并定位出现相交的相关轨迹；(ii)将相交轨迹的交点之后的错误部分删除；(iii)按照轨迹的时间次序重构被删除的轨迹，直至没有轨迹矛盾存在。实施例2，请参阅图9至图13。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，所以图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。一种基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法，在多车道、有出入车辆干扰交通情况下重构出较高精度的车辆轨迹。该方法的建立包括如下步骤：1)数据采集与处理选取青岛市市南区香港中路山东路到福州南路这一路段作为试验路段。研究路段全长1.38公里，为双向八车道，包含5个信控交叉口，分别为：山东路路口、新浦路路口、南京路路口、云霄路路口和福州路路口。路段几何形式、信号灯、固定微波检测器位置如图7所示。选取2014年11月1日早高峰7:00～8:00为研究时段，选取香港中路自山东路交叉口到福州路交叉口自西向东方向的路段为研究范围。采集的数据包括交通信号数据、固定微波检测器数据和视频检测器数据。信号灯配时方案为excel表格(.xlsx)形式的分时间段数据；视频数据是各交叉口的监控摄像，格式为海康威视监控DVR视频文件(.h264)，共有1753份记录数据，总时长292.17h，本研究提取其中336GB的视频数据；微波检测器数据为数据库形式(.sql)，包括465719条记录，本研究提取其中660条微波检测器数据，数据内容为研究时间段内按分钟统计的各检测器处检测出的流量(veh/min)、平均速度(km/h)和占有率。利用视频数据对交通信号灯进行精确标定，结果如图9所示。图中，路名右侧的数字和检测器右侧的数字分别表示出交叉口和固定微波检测器相对于研究起点的距离。对路段的各截面交通量进行提取的方法是融合处理视频数据和微波检测器数据：首先利用视频数据统计路段进出口每分钟的交通量(即山东路交叉口的驶入流量以及福州路交叉口的驶出流量)；并提取微波检测器数据库得到微波检测器每分钟的交通量。将两类数据相结合，可以得到香港中路的山东路至福州路之间五个路段截面研究时段内的分时流量。对机动车平均速度、停车与起步时间等车辆参数进行提取。车辆停车与起步定义如图10－11所示，根据视频数据读取车辆参数，样本数为30辆。经过统计得到研究路段机动车平均速度为11.32m/s，平均停车时间为4.1s，起步时间为2.1s。2)数据处理经过对微波检测器数据的数据质量分析，发现微波检测器所得的交通量略低于通过视频统计得到的交通量，这是由于固定微波检测器存在一定得误差，准确率为90％～95％，采用阈值法对交通流量和速度的原始数据进行清洗。3)重构结果图12-13分别为研究时段中研究路段四根车道中两根直行车道的车辆轨迹重构图。以图13即研究路段左第三根车道(直行车道)为例，图中可以看出较为明显的交通冲击波的特征；可以看到并非所有轨迹都是完整连续的，这是因为存在车辆变道以及路段中交叉口车辆转入或者转出的行为。4)结果分析行程时间反映了车辆在研究路段行驶的总体快慢程度，能够一定程度上反映该车辆在研究路段的行驶特性，当车辆行驶轨迹接近时，则行程时间接近，所以行程时间可以作为衡量轨迹相似性的一种参数。为了验证本算法的效果，本文采用对比实际行程时间与轨迹重构行程时间作为衡量算法有效性的方法。本研究针对行驶完全程的车辆，采用模拟AVI的方式，利用人工统计共获得25组观察行程时间；利用重构轨迹结果共获得在364组轨迹重构行程时间。用均方根误差(RMSE)即标准误差用来衡量观测值同真值之间的偏差，计算公式如(4)。RMSE=Σi=1ndi2n---(4)]]>式中，di为行程时间测量值与真值的差值。从所有样本中对应选取了20组数据计算均方根误差，其中重构轨迹行程时间作为测量值，观测行程时间作为真值，得到RMSE＝23.05s。存在23.05s的均方根误差的主要原因为：(i)重构数据是基于大量车辆数据所得的平均数据，而观测数据仅有少量车辆，存在一定偶然性。(ii)观测数据的读取存在一定误差，具体为停车起步时间判断的误差、车辆通过时间的读取误差等。(iii)轨迹重构中的车辆模型均为小车，实际交通流中有一定比例的大车。表1本发明与传统方法比较表1为本发明的与传统方法在有无高质量浮动车数据下的比较。表中可以看出，在传统方法含高质量浮动车数据时，本方法的精确度与传统方法较为接近；当传统方法不含有高质量浮动车数据时，本方法的精确度远远高于传统方法。这说明本发明方法适合于我国缺少高质量浮动车数据的数据源条件，具有很高的应用价值。