本发明涉及一种基于无线射频识别技术(rfid)获取车辆起讫点数据的方法,属于城市道路交通规划与管理技术领域。
背景技术:
随着我国城市化进程的加快,车辆作为城市交通系统运行的主要载体的作用愈发明显,为满足出行者越来越高的出行需求,准确掌握居民的出行行为和需求在交通规划的过程中就显得尤为重要,只有将准确的车辆出行需求分析作为一切研究的基础,才能进行合理的道路规划和交通管理措施制定,从而缓解城市交通压力,全方面治理交通拥堵难题。
在传统的居民出行分析中,一般通过居民od调查获取居民出行样本,再根据社会经济、土地利用、人口发展等数据进行预测,从而得到预测的城市居民出行od矩阵,最后通过交通方式划分预测模型得到车辆出行od矩阵。现有技术中,普遍采用卫星定位技术获取车辆出行od矩阵,如车载gps定位,虽然针对目标车辆可以获取高频数据,且定位准确度较高,但存在设备整体安装率低、样本量少以及用户考虑隐私不愿分享出行数据等问题。而无线射频识别技术(rfid)作为一种无线通信技术,可以通过无线电讯号识别特定目标并读写相关数据,该技术常见于城市交通卡口获取车辆信息数据,具有扫描迅速,抗污染能力强,数据记忆容量大,安全性高等特点,只需要识别出车辆行程中的停留点,并根据停留点将一天的行程打断成多次出行,就可以较好地解决其他方法存在的问题。
目前,针对基于rfid的车辆出行od矩阵获取方法较少,且存在计算强度大,准确率较低等问题,在使用过程中存在局限性。因此,需要提出一种基于无线射频识别技术(rfid)获取车辆起讫点数据的方法,能够快速确定车辆出行的o点和d点,并准确得到城市车辆出行od矩阵。
技术实现要素:
为解决上述提及的基于rfid的车辆出行od矩阵获取方法较少,且存在计算强度大,准确率较低等问题,本发明提供了一种基于rfid数据获取车辆起讫点数据的方法,适用于所有安装rfid采集器的城市和安装了rfid标签的车辆,具有普适性强,运算快速,成本低廉等特点。
本发明公开了一种基于rfid数据的车辆od矩阵划分方法,包括以下步骤:
步骤1:获取rfid采集器的位置及坐标,将设置在路网中的rfid采集器作为车辆出行的起讫点,采集多个以自然日为单位的车辆数据,并从中抽取样本,该车辆数据包括采集点编号、车辆编号和车辆通过各个采集点的时间;
步骤2:通过对车辆的车牌数据进行匹配,获取车辆在路网中的运行轨迹以及按顺序通过各个采集器的时间,根据车辆通过相邻采集器的时间间隔和平均运行速度判断相邻采集点之间是否存在出行停留点;
步骤3:将判断得到的出行停留点与交通区信息进行匹配,获取od矩阵。
所述步骤1具体包括以下步骤:
s1-1、利用数据挖掘技术对相同车辆id的数据进行提取,再按照被采集器捕捉的时间顺序对数据进行排序;
s1-2、按照采集器的位置及坐标在地图上对采集器进行定位,根据经纬度计算出相邻采集器在路网中的实际距离d;
s1-3、计算车辆通过相邻采集器的时间间隔,并根据采集器编号和采集器之间的实际距离,计算车辆经过相邻采集器的平均速度。
所述步骤2具体包括以下步骤:
s2-1、对相邻采集器在路网中的实际距离d从低到高排序,取95%分位数d95;
s2-2、用d95除以调查得到高峰时段车辆平均速度
s2-3、计算同一编号的车辆通过相邻采集器的时间间隔t,与该车辆通过相邻采集器无停留的最大时间间隔tmax进行比较,判断是否存在停留点:
若t>tmax,则该车辆通过两个相邻采集器之间存在停留点;
若t<tmax,则进一步判断该车辆通过两个相邻采集器之间是否存在停留点,计算该车辆通过两个相邻采集器之间的平均速度
若
若
所述步骤3具体包括以下步骤:
s3-1、提取存在停留点的两个相邻采集器id,将发生时间靠前的一个采集器作为前一个行程的终止点,即d点,发生时间发生靠后的一个采集器作为后一个行程的起始点,即o点;
s3-2、删除行程中经过的点,保留od点采集器编号、采集时间;
s3-3、将交通区内所有rfid采集器id与其所在的交通区进行匹配,确定每一个行程中o点、d点所在的小区编号;
s3-4、利用python工具对所有行程的od点进行统计,得到城市一天的车辆od矩阵。
设定的车辆通过相邻采集器无停留平均运行速度vns,按如下得到:
用二分法在0到高峰时段车辆平均速度
有益效果:本发明涉及了从停留点识别、出行切割、od矩阵统计的全过程。以被采集器捕捉到的时间差和平均速度作为评价标准,多次对比,提出了确定停留点的方法,从而确定了一个行程中每次出行的起始点和终止点,利用数据挖掘技术,匹配采集器与交通区信息,从而得到居民车辆出行od矩阵。本发明的方法普适性好,可操作性较强,抗干扰能力强,操作成本低,得到的结果可以用来指导城市规划者和管理者依据居民车辆出行od矩阵估算城市车辆出行需求,从而弥补传统交通需求预测的不足,为制定交通需求分析与预测、城市交通发展需求的建设规划提供合理的依据,实现城市交通网络经济效益良性发展。
附图说明
图1为本发明流程框图;
图2为所有样本车辆的平均运行速度散点图。
具体实施方式
下面结合附图和实施例进一步阐述本发明。
实施例:
以重庆市为例,获取城市绕城高速范围以内的车辆出行od矩阵,以此说明本发明。
选取常规工作日周三为主要测试对象,将id相同的车辆数据按照被采集器捕捉的时间顺序排序,根据采集器经纬度定位可以在gis中对采集器进行标定,计算出相邻采集器之间的实际距离d。
计算车辆通过相邻采集器的时间间隔,根据采集器编号和采集器之间的实际距离,计算车辆经过相邻采集器的平均速度。
将采集器在路网中的实际距离d从低到高排序,取95%分位数d95为12km,即95%的相邻采集器距离间隔小于12km。
用d95除以调查得到高峰时段车辆平均速度
调查得知,重庆市高峰小时的车辆平均行驶速度
计算同一编号的车辆通过相邻采集器的时间间隔t,并与车辆通过相邻采集器无停留的最大时间间隔30min进行比较,判断是否存在停留点:
若t>30min,则目标车辆通过两个相邻采集器之间存在停留点;
若t<30min,则目标车辆通过两个相邻采集器之间可能存在停留点,需要进一步计算目标车辆通过两个相邻采集器之间的平均速度
如图2所示,灰色区域内为平均速度小于24km/h的散点。
随后考虑速度为12km/h时,利用python工具自动划分得到的停留点与人工手动划分得到的停留点比较,发现小于12km/h的准确度更高;因此,进一步的考虑速度为6km/h时程序自动划分的停留点与人工手动划分的停留点比较,以此类推。最终确定当判别速度为3km/h时,程序自动划分停留点的准确性最高,达到87.7%。因此,本实施例中vns=3km/h。
若
若
提取存在停留点的两个相邻采集器id,将发生时间靠前的一个采集器认为是前一个行程的终止点,即d点,发生时间发生靠后的一个采集器认为是后一个行程的起始点,即o点,删除行程中经过的点,仅保留od点采集器编号、采集时间等信息。
已知区域范围内存在采集器1092个,交通区划分共463个,将各个采集器对应入相应的小区,即可获取每个目标车辆每个行程的o、d点所在小区编号,利用python工具对所有行程的od点进行统计,最终得到城市一天的车辆od表。