本发明涉及一种基于路网模型的道路交通多源数据融合处理方法，属于智能交通应用技术领域。
背景技术：
城市交通网承担着国家及城市建设与运转的任务，也是居民日常工作生活的基本设施。大城市中普遍存在的交通拥堵、交通安全、交通环境污染和交通能耗等问题越来越引起社会的重视。为此加强交通管理，疏导交通就十分重要，而关键就在于对道路交通参数的全面获取，判别道路交通运行状态及发现道路交通拥堵及成因。
传统的交通参数获取方法依赖人工调查，不仅费时费力投入巨大，而且获取的数据种类、时空范围非常有限，数据准确性也难以保障。随着智能交通的发展，实现了交通数据大规模、自动化采集，为全面获取路网交通参数，掌握路网交通运行态势提供了有利条件。但是一个城市地区的各个智能交通数据模型往往独立建设，缺少统一的信息系统数据规范及处理方法，导致各个交通诱导与管理信息、系统采集交通流信息很难融合，进而形成了数据很多却无法有效利用的尴尬局面。
目前多源数据融合存在的问题主要集中在以下几个方面：
1)缺少统一的道路交通对象划分标准，不同的智能交通系统往往自定义自己的交通对象划分标准，且交通对象之间缺少拓扑联通关系；
2)各个交通采集设备与自定义的道路交通对象关联，导致不同交通采集设备不能直接互通互联；
3)数据格式不统一，同类的交通采集设备数据种类、时间粒度不统一；
4)数据存在大量的故障数据，直接应用可能导致错误的结论；
5)缺少交通流模型，各类数据不能充分利用，融合统一。
技术实现要素：
本发明目的是提供一种适用于交通管理的多源数据融合方法。
为了达到上述目的，本发明的技术方案是提供了一种基于路网模型的道路交通多源数据融合处理方法，其特征在于，包括以下步骤：
第一步、读取道路导航图层，对节点道路对象进行分类，并依据分类将基本路段合并；
第二步、交通采集设备包括统计类交通检测设备和单车类交通检测设备，将统计类交通检测设备和单车类交通检测设备关联到基本路段和节点道路对象；
第三步、按照交通采集设备的数据特征，将同类的采集数据按相同的格式及时间粒度进行合并；
第四步、对统计类交通检测设备的数据质量进行处理，并对单车类交通检测设备的数据进行od分配，其中：
对统计类交通检测设备的数据质量进行处理包括以下步骤：
步骤a1、按照统计类交通检测设备的采集数据特征，设置用于对异常数据进行识别的判别规则；
步骤a2、对海量历史数据按照步骤a1设定的判别规则进行逐天判别，筛选出正常数据，基于正常的数据以及空间相邻关系，对相邻车道交通参数相关性进行标定；
步骤a3、基于步骤a1设定的判别规则对实时数据进行质量判别，对于判别为异常的数据，基于实时获取的相邻车道的有效数据以及步骤a2标定的相关性进行修补；
对单车类交通检测设备的数据进行od分配包括以下步骤：
步骤b1、基于车辆过车记录，按车辆、经过时间对出行轨迹进行排序，结合出行特征设置出行间隔，识别单车出行轨迹点和od，统计得到区域od；
步骤b2、基于区域od起讫点，以基本路段、节点道路对象以及转向规则搜索od起讫点最短路径路段集合；
步骤b3、以最短路径路段集合，将各个区域od分别分配到路径对应基本路段；
步骤b4、统计基本路段中各个od流量，得到路段流量；
第五步、基于数据质量判别的统计类检测设备数据修补结果以及单车类od分配结果融合得到路段交通参数，具体包括：
步骤5.1、基于数据质量判别的统计类检测设备数据修补结果计算路段流量和行程车速；
步骤5.2、融合路段流量和行程车速。
优选地，所述第一步包括：
步骤1.1、读取道路导航图层，读取节点图层和基本路段图层，读取节点与基本路段关联关系，获取节点所关联基本路段的道路等级，对节点类型进行分类，分为道路互通交叉口、小区出入口、匝道分合流点、车道变化点，其中道路互通交叉口和匝道分合流点为路段打断点，小区出入口和车道变化点位路段合并点；
步骤1.2、根据基本路段上下游节点组合类型，对基本路段进行分类，分为：起始段，即起点节点为路段打断点、终点路段为路段合并点；中间段，即起点节点为路段合并点、终点节点为路段合并点；终止段，即起点节点为路段合并点、终点节点为路段打断点；路段，即起点节点为路段打断点，终点节点为路段打断点；
步骤1.3、获取类型为起始段的基本路段，根据基本路段下游节点查找下游直行基本段，如果下游段为终止段，则查询结束，合并查询到的基本段，如果下游段为中间段，则重复本步骤；
步骤1.4、基于基本路段和节点关系，生成基本路段到下游路段理论可行的转向关系，结合实际交叉口通行规则，对转向关系的实际联通性进行标记。
优选地，所述第二步包括：
步骤2.1、读取信息系统分段图层，基于基本路段与分段几何位置，对基本路段和分段对应关系进行识别，建立基本路段和分段对应关系，将分段id和属性复制给基本路段；
步骤2.2、基于交通采集设备、设施、交通事件、道路施工与分段关联关系，建立路段和设备、设施、交通事件和道路施工的关联关系。
优选地，在所述第四步中，相邻车道交通参数相关性包括相邻线圈相关性参数，该相邻线圈相关性参数的提取方法包括：
计算目标线圈在道路同一行驶方向间隔2km范围之内线圈之间的相关性，作为目标线圈数据修补的数据修补源，记目标线圈交通参数为x(i，t，d)，相邻线圈交通参数为y(i，t，d)，式中，i表示线圈编号，t表示处理周期，d表示日期，相关性采用参数a，b，r2表示，分别代表线形方程的斜率、截距和相关系数，则有：
式中，m表示统计间隔内有数据的天数。
优选地，在所述第四步中，进行修补时，相邻车道修补方法包括以下步骤：
若x(i，t，d)对应的是无效或者缺失数据，
式中，r(i，t，d)表示融合后的相关系数。
本发明的益处在于通过建立统一的道路对象划分、数据采集对象统一关联、数据质量控制处理规范，实现不同交通信息系统多源数据的融合处理。
附图说明
图1为总体处理流程；
图2为导航图层处理流程；
图3为交通检测设备关联路段流程；
图4为交通采集数据格式标准化流程；
图5为数据质量修补流程；
图6为数据质量整体判别参数；
图7为相关性参数提取；
图8为流量修补效果；
图9为od提取和分配流程；
图10为数据融合流程。
具体实施方式
为使本发明更显易懂，下面结合附图对本发明的实施例作详细说明：本实施例在本发明技术方案下进行实施，给出了本发明的实施过程和实施效果。本发明的保护范围不限于下述的实施例。
本发明提供了一种基于路网模型的道路交通多源数据融合处理方法，包括以下步骤：
第一步、读取道路导航图层，对节点道路对象进行分类，并依据分类将基本路段合并，包括：
步骤1.1、读取道路导航图层，读取节点图层和基本路段图层，读取节点与基本路段关联关系，获取节点所关联基本路段的道路等级，对节点类型进行分类，分为道路互通交叉口、小区出入口、匝道分合流点、车道变化点，其中道路互通交叉口和匝道分合流点为路段打断点，小区出入口和车道变化点位路段合并点；
步骤1.2、根据基本路段上下游节点组合类型，对基本路段进行分类，分为：起始段，即起点节点为路段打断点、终点路段为路段合并点；中间段，即起点节点为路段合并点、终点节点为路段合并点；终止段，即起点节点为路段合并点、终点节点为路段打断点；路段，即起点节点为路段打断点，终点节点为路段打断点；
步骤1.3、获取类型为起始段的基本路段，根据基本路段下游节点查找下游直行基本段，如果下游段为终止段，则查询结束，合并查询到的基本段，如果下游段为中间段，则重复本步骤；
步骤1.4、基于基本路段和节点关系，生成基本路段到下游路段理论可行的转向关系，结合实际交叉口通行规则，对转向关系的实际联通性进行标记。
第二步、交通采集设备包括统计类交通检测设备和单车类交通检测设备，将统计类交通检测设备和单车类交通检测设备关联到基本路段和节点道路对象，包括：
步骤2.1、读取信息系统分段图层，基于基本路段与分段几何位置，对基本路段和分段对应关系进行识别，建立基本路段和分段对应关系，将分段id和属性复制给基本路段；
步骤2.2、基于交通采集设备、设施、交通事件、道路施工与分段关联关系，建立路段和设备、设施、交通事件和道路施工的关联关系。
第三步、按照交通采集设备的数据特征，将同类的采集数据按相同的格式及时间粒度进行合并。该步骤有利于采集数据格式的统一和为融合处理提供基础，具体包括各种车型固定类采集设备数据格式的统一以及时间粒度的统一，数据格式含设备编号、时间戳、总流量、车速、占有率、各车型流量等。
第四步、对统计类交通检测设备的数据质量进行处理，并对单车类交通检测设备的数据进行od分配，其中：
对统计类交通检测设备的数据质量进行处理包括数据质量判别、相关参数标定和修补，包括以下步骤：
步骤a1、按照统计类交通检测设备的采集数据特征，设置用于对异常数据进行识别的判别规则。
1)双线圈整体判别规则
2)单线圈整体判别规则
3)双线圈单条数据判别规则
4)单纬圈单条数据判别规则
5)相邻车道判别规则
步骤a2、对海量历史数据按照步骤a1设定的判别规则进行逐天判别，筛选出正常数据，基于正常的数据以及空间相邻关系，对相邻车道交通参数相关性进行标定。
相邻车道交通参数相关性包括相邻线圈相关性参数，该相邻线圈相关性参数的提取方法包括：
计算目标线圈在道路同一行驶方向间隔2km范围之内线圈之间的相关性，作为目标线圈数据修补的数据修补源，记目标线圈交通参数为x(i，t，d)，相邻线圈交通参数为y(i，t，d)，式中，i表示线圈编号，t表示处理周期，d表示日期，相关性采用参数a，b，r2表示，分别代表线形方程的斜率、截距和相关系数，则有：
式中，m表示统计间隔内有数据的天数。
步骤a3、基于步骤a1设定的判别规则对实时数据进行质量判别，对于判别为异常的数据，基于实时获取的相邻车道的有效数据以及步骤a2标定的相关性进行修补。
进行修补时，相邻车道修补方法包括以下步骤：
若x(i，t，d)对应的是无效或者缺失数据，
式中，r(i，t，d)表示融合后的相关系数。
对单车类交通检测设备的数据进行od分配包括以下步骤：
步骤b1、基于车辆过车记录，按车辆、经过时间对出行轨迹进行排序，结合出行特征设置出行间隔，识别单车出行轨迹点和od，统计得到区域od；
步骤b2、基于区域od起讫点，以基本路段、节点道路对象以及转向规则搜索od起讫点最短路径路段集合；
步骤b3、以最短路径路段集合，将各个区域od分别分配到路径对应基本路段；
步骤b4、统计基本路段中各个od流量，得到路段流量。
第五步、基于数据质量判别的统计类检测设备数据修补结果以及单车类od分配结果融合得到路段交通参数，具体包括：
步骤5.1、基于数据质量判别的统计类检测设备数据修补结果计算路段流量和行程车速；
步骤5.2、融合路段流量和行程车速。
路段包含多个断面，路段流量等于各个断面流量和数据可信度加权平均，路段车速等于路段长度/(小段长度/小段所在断面车速)。小段按照检测断面之间中点以及路段起终点划分。
图1所示为本发明包含的6大模块，路段和节点生成模块对导航图层进行处理生成标准化的道路对象，交通检测设备和道路对象关联，交通采集数据格式标准化，数据质量控制，od匹配与分配，路段交通参数融合。
图2所示为本发明导航图层生成路段和节点模块流程图。该步骤先对节点进行分类，分为四大类：互通交叉口、小区出入口、匝道分合流点、车道变化点，其中互通交叉口为三条以上主要地面道路基本路段相交点，小区出入口为地面主要道路基本段和小区道路基本段相交点，匝道分合流点为两个连续流基本路段和匝道基本路段相交点，车道变化点位两条基本路段相交点。举例来说，节点1关联基本路段11871、37179、130624、8567、227、336807、4、3388，基本路段道路类型都为主要地面道路，那么节点类型为“地面交叉口”，如果基本路段中包含“小区出入口”，那么节点类型为“小区出入口”。在对节点分完类后，将基本路段合并为路段，合并规则为属于同一道路的相邻基本路段如果中间节点为小区出入口和车道变化点则进行合并。举例来说，基本路段111和基本路段112都属于道路1173，基本路段111为基本路段112的上游相邻路段，基本路段111的下游节点和基本路段的上游节点都为1003，1003为小区出入口，则对基本路段111和基本路段112进行合并操作。在合并得到路段后，将智能交通系统发布段和路段按照空间关系进行关联，建立发布段和路段对照关系。
图3为交通检测设备关联到路段流程。以发布段和路段对照关系为媒介，实现交通检测设备关联道路路段。举例来说，设备a关联到发布段b，发布段b关联路段c，则设备a关联路段c。
图4为交通采集数据格式标准化流程，实现各类统计类交通采集数据格式标准化。
图5为数据质量修补流程。先对参数进行设定，参数设定主要对所要数据原始数据表、线圈故障识别参数和修补权重进行设定。在参数设定完成后进入离线参数提取模块。再对离线参数提取，离线数据提取先利用历史数据提取线圈按照日期类型分类的各个时间点交通参数分布值，具体计算结果见图6。再利用相关性计算公式提取线圈之间的相关性系数，见图7。由历史数据实时数据修正模块中历史同期分布值和相邻线圈数据补齐无效和缺失数据的修补算法得到修正值，再按照设定的权重对这两个之值得结果进行加权，得到完整有效的数据，修补效果见图8。
图9为od匹配与分配。先设定od划分规则，确定一次出行开始和结束时间间隔。再根据单车记录，以经过时间对单车进行排序，基于前后两条记录时间间隔对记录状态进行判别，分为出现开始、持续和结束，对单车出行od进行划分。根据获得的单车od统计区域od，并以区域所在起终点路段搜索最短路径，将区域od流量分配到经过的路段。通过累加路段经过的各个区域od流量得到路段总流量。
图10为数据融合流程。对路段获得的多源结果进行融合。