一種基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法
【專利摘要】本發(fā)明公開了一種基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，屬于智能交通【技術(shù)領(lǐng)域】。所述方法包括：獲取路鏈至少三個月的歷史浮動車數(shù)據(jù)，按照特征日對該數(shù)據(jù)進行分類；對歷史浮動車數(shù)據(jù)進行去噪平滑處理；按照早晚高峰的變化趨勢將每個特征日的歷史浮動車數(shù)據(jù)分為至少一個時段；采用K-均值聚類方法對分類后的歷史浮動車數(shù)據(jù)進行初步聚類；根據(jù)交通信息的粗粒度表達方式，采用定距型方法或二值型方法對歷史浮動車數(shù)據(jù)進行進一步的聚類。本發(fā)明結(jié)合交通信息的粗粒度表達方式，在K-均值聚類方法的基礎(chǔ)上，對交通流變化趨勢進一步合并，使交通流變化趨勢更加突顯出來，為交通流預(yù)測、路徑規(guī)劃和誘導(dǎo)、道路規(guī)劃等提供更清晰明了的參考依據(jù)。
【專利說明】一種基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及智能交通【技術(shù)領(lǐng)域】，特別涉及一種基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法。
【背景技術(shù)】
[0002]隨著智能交通系統(tǒng)技術(shù)的飛速發(fā)展，越來越多的城市建立了先進的交通信息服務(wù)系統(tǒng)，通過數(shù)據(jù)采集系統(tǒng)獲取實時交通數(shù)據(jù)，經(jīng)過綜合處理，預(yù)測交通流，并借助網(wǎng)絡(luò)、廣播、手機、可變信息板或車載導(dǎo)航裝置等發(fā)布實時路況信息，結(jié)合交通信息為出行者規(guī)劃最優(yōu)路徑。此外，交通信息可為交管部門提供交通控制與管理的依據(jù)，為道路規(guī)劃部門合理規(guī)劃道路設(shè)施提供參考依據(jù)，達到緩解交通擁堵、節(jié)能減排的目的。交通流變化具有明顯的潮汐性和周期性，掌握城市內(nèi)每條道路的交通流變化規(guī)律，對于交通流預(yù)測、路徑規(guī)劃和誘導(dǎo)、道路規(guī)劃等都具有重要的意義。
[0003]浮動車技術(shù)是智能交通系統(tǒng)中獲取道路實時交通信息的技術(shù)手段之一，它利用定位技術(shù)、無線通信技術(shù)和信息處理技術(shù)，實現(xiàn)對道路上行駛車輛的GPS位置信息、瞬時行駛速度和方向等交通參數(shù)的采集，結(jié)合城市道路路網(wǎng)數(shù)據(jù)，對采集的GPS位置信息進行數(shù)據(jù)過濾、地圖匹配、路徑推測和多車融合等相關(guān)計算模型及算法的處理，從而使浮動車數(shù)據(jù)和城市路網(wǎng)在時間和空間上關(guān)聯(lián)起來，形成反映實時道路擁堵情況的交通信息，為交通管理部門和公眾提供動態(tài)的交通控制和誘導(dǎo)服務(wù)。與傳統(tǒng)的道路檢測技術(shù)和視頻監(jiān)控技術(shù)等固定點采集手段相比，浮動車具有低成本、易安裝、易維護、測量范圍廣等優(yōu)勢。
[0004]綜上所述，研究基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法及系統(tǒng)意義重大。
[0005]而國內(nèi)外目前常采用聚類分析的方法來提取交通流變化趨勢，如改進的模糊C均值聚類方法對交通流數(shù)據(jù)進行分類；采用K-均值法和層次聚類法實現(xiàn)不同變化趨勢的交通流時間序列分離；采用兩級模糊聚類法對交通數(shù)據(jù)進行降維處理；采用聚類模式之間的最大距離選取類中心，以最`小聚類原則對交通數(shù)據(jù)進行歸類；階梯型聚類方法對交通流量進行分類等。目前這些方法多是從純數(shù)學(xué)角度進行聚類，并沒有考慮交通信息在實際應(yīng)用中的表達方式特征，交通流變化趨勢不能被完全區(qū)分和提取出來。

【發(fā)明內(nèi)容】

[0006]有鑒于此，本發(fā)明的目的在于提供一種基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，用于實現(xiàn)基于浮動車數(shù)據(jù)的交通流變化趨勢提取。
[0007]本發(fā)明提供了一種基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，包括:
[0008]獲取路鏈至少三個月的歷史浮動車數(shù)據(jù)，按照特征日對所述歷史浮動車數(shù)據(jù)進行分類；對所述歷史浮動車數(shù)據(jù)進行去噪平滑處理；按照早晚高峰的變化趨勢將每個特征日的歷史浮動車數(shù)據(jù)分為至少一個時段；采用K-均值聚類方法對分類后的歷史浮動車數(shù)據(jù)進行初步聚類；根據(jù)交通信息的粗粒度表達方式，采用定距型方法或二值型方法對所述初步聚類后的歷史浮動車數(shù)據(jù)進行聚類。[0009]本發(fā)明結(jié)合交通信息的粗粒度表達方式，在K-均值聚類方法的基礎(chǔ)上，對交通流變化趨勢進一步合并，使交通流變化趨勢更加突顯出來，為交通流預(yù)測、路徑規(guī)劃和誘導(dǎo)、道路規(guī)劃等提供更清晰明了的參考依據(jù)。
【專利附圖】

【附圖說明】
[0010]圖1為本發(fā)明實施例提供的基于浮動車數(shù)據(jù)的交通流變化趨勢提取原理示意圖；
[0011]圖2為本發(fā)明實施例提供的基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法流程圖；
[0012]圖3為本發(fā)明實施例中以交通狀態(tài)表達法來對交通信息進行粗粒度分級的示意圖；
[0013]圖4為本發(fā)明實施例中一個特征日一個時段的歷史浮動車數(shù)據(jù)變化趨勢示意圖；
[0014]圖5為本發(fā)明實施例中采用K-均值聚類方法對歷史浮動車數(shù)據(jù)進行初步聚類后的結(jié)果不意圖；
[0015]圖6為本發(fā)明實施例中采用定距型方法判斷歷史浮動車數(shù)據(jù)可進一步合并的模式示意圖；
[0016]圖7為本發(fā)明實施例中采用定距型方法對歷史浮動車數(shù)據(jù)進行進一步聚類后的結(jié)果示意圖；
[0017]圖8為本發(fā)明實施例中采用二值型方法判斷歷史浮動車數(shù)據(jù)可進一步合并的模式示意圖；
[0018]圖9為本發(fā)明實施例中采用二值型方法對歷史浮動車數(shù)據(jù)進行進一步聚類后的結(jié)果示意圖。
【具體實施方式】
[0019]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合附圖對本發(fā)明作進一步的詳細描述。
[0020]本發(fā)明實施例針對目前交通流變化趨勢提取方法的不足，根據(jù)交通信息在實際應(yīng)用中的表達方式，提出基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，為交通流預(yù)測、動態(tài)路徑規(guī)劃、交通規(guī)劃與管理提供理論依據(jù)和技術(shù)參考。
[0021]基于浮動車數(shù)據(jù)的交通流變化趨勢提取原理如圖1所示，本發(fā)明實施例獲取路鏈多個月的歷史浮動車數(shù)據(jù)，按照特征日對數(shù)據(jù)進行分類，對浮動車數(shù)據(jù)進行去噪平滑處理，按照早晚高峰的變化趨勢將每個特征日的數(shù)據(jù)分為多個時段，采用K-均值法對分類后的歷史浮動車數(shù)據(jù)進行初步聚類，根據(jù)交通狀態(tài)的粗粒度表達方式，采用定距型方法/ 二值型方法對浮動車數(shù)據(jù)進一步的聚類。
[0022]實施例一
[0023]基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法流程如圖2所示，具體包括以下步驟:
[0024]步驟201、獲取路鏈多個月的歷史浮動車數(shù)據(jù)，按照特征日對數(shù)據(jù)進行分類。路段是交通信息表達的基本空間單位，以路段作為基本處理對象，獲取某條路段多個月(至少三個月)的歷史浮動車數(shù)據(jù)。將浮動車數(shù)據(jù)分為八個特征日:周一(Mon)、周二(Tue)、周三(Wed)、周四(Thu)、周五(Fri)、周六(Sat)、周日(Sun)、節(jié)假日(Hol),用C表示特征日集合，則 C= {Mon, Tue, Wed, Thu, Fri, Sat, Sun, Hoi}。
[0025]步驟202、對歷史浮動車數(shù)據(jù)進行去噪平滑處理。以每天為單位，對浮動車數(shù)據(jù)進行去噪平滑處理。
[0026]去噪處理方法:順序掃描每個數(shù)據(jù)采樣周期，對于數(shù)據(jù)缺失的路鏈，用其前后相鄰4個周期的速度均值填補；對于與上下相鄰周期的速度差異大于一預(yù)設(shè)值的路鏈，用上下相鄰周期的速度均值替換。
[0027]平滑處理方法:對每個數(shù)據(jù)采樣周期的速度，取其相鄰兩個數(shù)據(jù)采樣周期的速度計算均值并賦值給該周期，每個數(shù)據(jù)采樣周期重復(fù)五次。
[0028]步驟203、按照早晚高峰的變化趨勢將每個特征日的歷史數(shù)據(jù)分為多個時段。
[0029]每個特征日的交通流數(shù)據(jù)按照早晚高峰的變化趨勢分為多個時間段，每個時間段包含多個浮動車數(shù)據(jù)采樣周期T (單位:分鐘)。定義k為時間標(biāo)，t表示時間，則t=kT, k=l, 2，…。如果T=5分鐘，則一天24小時被劃分為288個周期，即k=l, 2，…，288，其中k=l表示00:00~00:05 ；k=288表示23:55~00:00。表1為一種交通流時段按照早晚高峰劃分的方式:
[0030]表1
[0031]
【權(quán)利要求】
1.一種基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，其特征在于，包括: 獲取路鏈至少三個月的歷史浮動車數(shù)據(jù)，按照特征日對所述歷史浮動車數(shù)據(jù)進行分類；對所述歷史浮動車數(shù)據(jù)進行去噪平滑處理；按照早晚高峰的變化趨勢將每個特征日的歷史浮動車數(shù)據(jù)分為至少一個時段；采用K-均值聚類方法對分類后的歷史浮動車數(shù)據(jù)進行初步聚類；根據(jù)交通信息的粗粒度表達方式，采用定距型方法或二值型方法對所述初步聚類后的歷史浮動車數(shù)據(jù)進行聚類。
2.根據(jù)權(quán)利要求1所述的基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，其特征在于，所述按照特征日對所述歷史浮動車數(shù)據(jù)進行分類的步驟具體包括: 以路段作為基本處理對象，獲取路段至少三個月的歷史浮動車數(shù)據(jù)，將所述歷史浮動車數(shù)據(jù)分為八個特征日:周一、周二、周三、周四、周五、周六、周日以及節(jié)假日，用C表示特征 H 集合，則 C= {Mon, Tue, Wed, Thu, Fri, Sat, Sun, Hoi}。
3.根據(jù)權(quán)利要求2所述的基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，其特征在于，所述對歷史浮動車數(shù)據(jù)進行去噪處理的步驟具體包括: 順序掃描每個數(shù)據(jù)采樣周期，對于數(shù)據(jù)缺失的路鏈，用其前后相鄰4個周期的速度均值填補；對于與上下相鄰周期的速度差異大于一預(yù)設(shè)值的路鏈，用上下相鄰周期的速度均值替換。
4.根據(jù)權(quán)利要求3所述的基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，其特征在于，所述對歷史浮動 車數(shù)據(jù)進行平滑處理的步驟包括: 對每個采樣周期的速度，取其相鄰兩個周期的速度計算均值并賦值給該采樣周期，每個采樣周期重復(fù)五次。
5.根據(jù)權(quán)利要求3或4所述的基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，其特征在于，所述將每個特征日的歷史浮動車數(shù)據(jù)分為至少一個時段的步驟具體包括: 每個特征日的交通流數(shù)據(jù)按照早晚高峰的變化趨勢分為多個時間段，每個時間段包含多個浮動車數(shù)據(jù)采樣周期T，定義k為時間標(biāo)，t表示時間，則t=kT，k=l, 2，…。
6.根據(jù)權(quán)利要求5所述的基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，其特征在于，所述對分類后的歷史浮動車數(shù)據(jù)進行初步聚類的步驟具體包括: 用P表不時間的分段，向量Vap表不特征日C第P個時段的浮動車速度時變序列，向量Vc,P,x表示特征日C第X天第P個時段的浮動車速度時變序列，向量VaP,y表示特征日C第y天第P個時段的浮動車速度時變序列，.表示特征日C第X天第P個時段第i個周期的速度，表示特征日C第y天第P個時段第i個周期的速度，η表示每個時段包含的周期數(shù)，則
7.根據(jù)權(quán)利要求6所述的基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，其特征在于，所述采用定距型方法對歷史浮動車數(shù)據(jù)進行聚類的步驟具體包括:用歐幾里得距離d表示向量^吣和V。, P, y之間的不相似測度，d的計算公式為:
8.根據(jù)權(quán)利要求6所述的基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法，其特征在于，所述采用二值型方法對歷史浮動車數(shù)據(jù)進行聚類的步驟具體包括: 如果和斗差值小于一個比較小的值α?xí)r，不管發(fā)布的路況信息是否一致，認為兩者均能夠正確的反映道路狀況；如果α <|4&-ν^,—卜霹，且表示的交通狀態(tài)一致，同樣認為兩者類似；如果向量^吣和VaP,y的所有個體均滿足這些條件，表示可以合并； 用CWor(略P J表示特征日C第χ天第P個時段第i個速度值表示的交通狀態(tài)，Cotor((/v)表示特征日C第y天第P個時段第i個速度值表示的交通狀態(tài)，f (i)表示和4/',.是否類似，f (i)=l表示類似，f(i)=0表示不類似，則

【文檔編號】G08G1/01GK103810849SQ201210460184
【公開日】2014年5月21日 申請日期:2012年11月15日 優(yōu)先權(quán)日:2012年11月15日
【發(fā)明者】楊珍珍, 郭勝敏, 李平, 馬法進, 張高峰, 孫亞夫, 于曉 申請人:北京掌城科技有限公司