（交通信息工程及控制专业论文）基于浮动车定位数据的高速公路区间平均速度估计方法研究.pdf

中山大学硕士学位论文 基于浮动车定位数据的高速公路区间平均速度估计方法研究 专业：交通信息工程及控制 硕士生：卢瑞琪 指导教师：何兆成副教授 摘要 路段区间平均速度是反映道路交通状态的最为直观的交通参量，其采集方法包括浮 动车技术。浮动车技术作为实时交通信息采集的一项关键技术，对其进行深入研究有着 紧迫的需求和良好的应用前景。论文以浮动车定位数据作为交通信息采集数据源，研究 高速公路区间平均速度的估计方法。 已有的相关研究中，都没有考虑采样时间间隔的影响，若采样时间间隔过大，会导 致现有的速度估计模型无法应用。因此，论文的目标为：考虑采样时间间隔的影响，最 大程度地利用浮动车定位数据，以获得最大路网覆盖率的速度估计结果。 由于浮动车数据时空分布的不均衡，需要针对不同的浮动车数据特征，采取不同的 应用策略。论文通过对浮动车比例以及采样时间间隔的分析，将浮动车定位数据进行分 类，针对不同的数据特征采用不同的速度估计模型，包括：改进已有的速度时间积分 法，以及提出两种速度估计模型。 为在相同浮动车比例以及采样时间间隔的条件下，提高数据利用率，以提高速度估 计结果的路网覆盖率，论文结合浮动车比例以及采样时间间隔的分析，给出可适应于不 同浮动车比例、不同采样时间间隔的区间平均速度估计流程，并提出路段区间平均速度 自适应估计算法。 论文通过仿真实验和应用实例验证模型和算法的有效性。 仿真实验使用真实交通流o d 数据，结合微观交通仿真软件p a r a m i c s 进行仿真， 结果表明：车辆跟踪法的误差范围与速度时间积分法的误差范围处于同一水平，而速 度距离积分法的误差稍大；在相同的浮动车定位数据情况下，使用论文的自适应估计 算法可比速度时间积分法或直除法获得更高的路网覆盖率，且所得的速度估计结果的 误差与速度时间积分法处于同一水平，且更可靠。 基于浮动车定位数据的高速公路区间平均速度估计方法研究 应用实例中，用论文的路段区间平均速度自适应估计算法估计高速公路的区间平均 速度，再由速度阈值进行路段交通状态判别。通过查看视频图像判断交通状态判别的正 确性，可知以自适应估计算法的估计结果为基础来判别道路交通状态，其检测率是比较 高的；若能提高现有的浮动车比例，则能相应地增加路段区间平均速度估计的样本量， 提高路段区间平均速度估计的精度、可靠性，从而降低误警率。 关键词：区间平均速度；自适应估计算法；浮动车；p a r a m i c s 仿真 中山大学硕士学位论文 f r e e w a ys e g m e n ts p e e d e s t i m a t i o nb a s e do np r o b ev e h i c l ed a t a m a j o r ：t r a f f i ci n f o r m a t i o ne n g i n e e r i n g & c o n t r o l n a m e ：l ur u i q i s u p e r v i s o r ：h ez h a o c h e n g a b s t r a c t s e g m e n ts p e e di st h em o s ti n t u i t i v et r a f f i cp a r a m e t e rt or e f l e c tt h er o a dt r a f f i cs t a t u s t h e c o l l e c t i o nm e t h o d si n c l u d et h ep r o b ev e h i c l et e c h n i q u e p r o b ev e h i c l et e c h n o l o g ya sak e y r e a l t i m et r a f f i ci n f o r m a t i o nc o l l e c t i o nt e c h n o l o g y ，i th a su r g e n tn e e d sa n dh a v eag o o d p r o s p e c to fi n - d e p t hs t u d y t h et h e s i ss t u d y o nt h em e t h o do fe s t i m a t i n gt h ef r e e w a ys e g m e n t s p e e db a s e do nt h ep r o b ev e h i c l ed a t a t h ee x i s t i n gs t u d i e sd i dn o tc o n s i d e rt h ei m p a c to fs a m p l i n gi n t e r v a l a n di ft h e s a m p l i n gi n t e r v a li st o ol a r g e ，i t sp o s s i b l et h a tt h ee x i s t i n gs p e e de s t i m a t i o nm o d e l sc a nn o t b ea p p l i e d t h e r e f o r e ，t h et h e s i s sg o a li s ：t oc o n s i d e rt h ei m p a c to fs a m p l i n gi n t e r v a l ，a n d m a x i m u mu s eo ft h ep r o b ev e h i c l ed a t at og e tm a x i m u mc o v e r a g eo fs p e e de s t i m a t i o n i tn e e d st a k i n gd i f f e r e n ta p p l i c a t i o ns t r a t e g yd u et ot h en o n - e q u i l i b r i u mo fs p a t i a la n d t e m p o r a ld i s t r i b u t i o no fp r o b ev e h i c l ed a t a t h r o u g ht h ea n a l y s i so n t h ep r o p o r t i o no fp r o b e v e h i c l e sa n dt h es a m p l i n gi n t e r v a l ，t h et h e s i sc l a s s i f i e st h ep r o b ev e h i c l ed a t af i r s t ，a n dt h e n a d o p t sd i f f e r e n ts p e e de s t i m a t i n gm o d e lb a s eo nd i f f e r e n td a t ac h a r a c t e r i s t i c s t h em o d e l s i n c l u d e ：i m p r o v et h ee x i s tm o d e l ，t h es p e e d - t i m ei n t e g r a t e dm o d e l ；t w on e ws p e e de s t i m a t i n g m o d e l sp r e s e n t e db yt h i st h e s i s a n df i n a l l yt h et h e s i sp u tf o r w a r da l la d a p t i v ee s t i m a t i o n a l g o r i t h mf o re s t i m a t i n gs e g m e n ts p e e d f o ri m p r o v i n gt h ed a t aa v a i l a b i l i t ya n di n c r e a s i n gt h ec o v e r a g eo fs p e e de s t i m a t i o ni n t h em a dn e t w o r ku n d e rt h es a m ep r o b ev e h i c l e sp r o p o r t i o na n dt h es a m p l i n gi n t e r v a l ，t h e t h e s i sg i v e sas e g m e n ts p e e de s t i m a t i o nf l o ww h i c hc a na d a p t sd i f f e r e n tp r o p o r t i o no fp r o b e v e h i c l e sa n dt h es a m p l i n gi n t e r v a l t h et h e s i sp r o v e st h ev a l i d i t yo ft h ea l g o r i t h m sb yu s i n gs i m u l a t i o ne x p e r i m e n t sa n d a p p l i c a t i o ne x a m p l e t h es i m u l a t i o ne x p e r i m e n t su s i n gt h er e a lt r a f f i cf l o wo dd a t at ob et h ei n p u to f m i c r o s c o p i ct r a f f i cs i m u l a t i o ns o f t w a r e - p a r a m i c s a n dt h es i m u l a t i o nr e s u l t ss h o wt h a t ： t h ee r r o ro fv e h i c l et r a c k i n gm o d e la n ds p e e d - t i m ei n t e g r a t e dm o d e li si nt h es a m el e v e l ；a n d t h ee r r o ro fs p e e d - d i s t a n c ei n t e g r a t e dm o d e li ss l i g h t l yl a r g e rt h e nt h eo t h e rt w om o d e l s ；t h e a d a p t i v ee s t i m a t i o na l g o r i t h mc a no b t a i nm o r es e g m e n ts p e e de s t i m a t i o nc o m p a r i n gt h e 基于浮动车定位数据的高速公路区间平均速度估计方法研究 s p e e d t i m ei n t e g r a lm o d e lo rt h ed i r e c td i v i s i o nm o d e lw i t h o u ti n c r e a s i n gt h ee r r o r ，a n di ti s m o r er e l i a b l e t h e r eu s i n gt h es p e e dr e s u l tb ya d o p t i n ga d a p t i v ee s t i m a t i o na l g o r i t h mt od ot h er o a d t r a f f i cs t a t u si d e n t i f i c a t i o ni na p p l i c a t i o ni n s t a n c e b yv i e w i n gt h ev i d e oi m a g e st oj u d g et h e a c c u r a c yo ft h ea b o v ei d e n t i f i c a t i o n ，w ec a ns e et h ed e t e c t i o nr a t ei sh i g hi nt h i sw a y ；a n dt h e f a l s ea l a r mr a t ec a r lb er e d u c eb yi m p r o v i n gt h ep r o b ev e h i c l ep r o p o r t i o nt oi n c r e a s et h e s a m p l e so fs e g m e n ts p e e de s t i m a t i o nt oi m p r o v et h ea c c u r a c ya n dr e l i a b i l i t yo fs e g m e n ts p e e d e s t i m a t i o n k e yw o r d s ：s e g m e n ts p e e d ；a d a p t i v ee s t i m a t i o na l g o r i t h m ；p r o b ev e h i c l e ；p a r a m i c s s i m u l a t i o n i v 论文原创性声明内容 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外， 本论文不包含任何其他个人或集体已经发表或撰写过的作品成 果6 对本文的研究作出重要贡献的个人和集体，均己在文中以明 确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：乡硝旋 日期：动f 睥石月，日 学位论文使用授权声明 本人完全了解中山大学有关保留、使用学位论文的规定，即： 学校有权保留学位论文并向国家主管部门或其指定机构送交论文 的电子版和纸质版，有权将学位论文用于非赢利目的的少量复制 并允许论文进入学校图书馆、院系资料室被查阅，有权将学位论 文的内容编入有关数据库进行检索，可以采用复印、缩印或其他 方法保存学位论文。 学位论文作者签名弗南碳导师签名：、弋阳 日期：节f o 年月日日期：凇，口年够月够日 中山大学硕士学位论文 第一章绪论 1 1 研究的背景和意义 近年来，由于经济的快速发展和城市化进程的加快，机动车的保有量迅速攀升，人 民群众对交通的需求越来越大，随之而来的交通拥堵问题日益突出，由此引起了交通事 故、能源浪费、交通噪声以及尾气污染等问题。 解决交通拥堵问题的传统方法主要是修建道路，这种静态交通管理措施确实在一定 时期内可以缓解交通拥堵问题，但由于以下几方面原因，并不能从根本上解决交通拥堵 问题。第一，根据统计数据，通常车辆保有量的增长速度是道路增长速度的2 3 倍i l l ， 道路更新周期过长的特点难以及时满足交通需求；第二，可供修建道路的空间有限，不 可能无限制地扩建道路1 2 i 。 在此背景下，智能运输系统应运而生。智能运输系统( i n t e l l i g e n tt r a n s p o r t a t i o n s y s t e m ，i t s ) 的涵义是综合运用先进的信息通讯、网络、自动控制、交通工程等技术， 改善交通运输系统的运行情况，提高运输效率和安全性，减少交通事故，降低环境污染， 从而建立起一个智能化、安全、便捷、高效、舒适、环保的综合运输体系1 2 i 。该系统可 以使交通的功能智能化，是目前国际公认的解决城市交通拥挤、改善行车安全、提高运 行效率、减少空气污染等的最佳途径，也是全世界交通运输领域研究的前沿课题1 3 l 。 借助智能交通管理技术，可第一时间发现和了解发生在高速公路上的交通事件的程 度、地点等相关信息，并快速采取清障排堵反应机制，迅速出动清障车、牵引车等清障 排堵，准确定位，并采取诱导、应急响应等相关方案措施，以最短的时间排除影响交通 正常运行的症结，保证高速公路的快速、畅通，节省时间，提高效率，赢得效益。 借助智能交通管理技术来提高现有交通基础设施的服务水平和运输能力，其重要基 础就是交通信息1 4 1 1 5 】。通过交通信息采集处理，准确掌握道路交通状态，而路段区间平 均速度就是反映道路交通状态的最为直观的交通参量i 卅。 目前的检测技术可分为固定检测技术，如感应线圈检测技术、微波检测技术、视频 检测技术等，以及移动检测技术，如电子标签技术、牌照识别技术、浮动车技术等。 基于浮动车定位数据的高速公路区间平均速度估计方法研究 利用固定检测技术采集交通数据的样本量大、精度较高，但存在投资规模大、实施 慢、覆盖率有限等缺点1 7 1 ，其获取路段速度的实质是利用地点交通状况表征区间交通状 况，所得数据的质量有限，并且当某个检测器发生故障时，势必可能造成整个交通采集 系统在该段采集数据的瘫痪降i 。 移动检测技术最大的优点是“线检测 ，可以获得整个道路网络任一路段的区间交 通流数据，也可以获得点位置的交通流状况，被认为是未来实时交通信息采集技术的主 要手段之一隅i 。将浮动车定位数据作为交通信息采集数据源，特别是将浮动车技术作为 有效弥补固定检测技术的缺陷1 9 l 的实时交通信息采集方法，已得到普遍认可，同时也是 交通工程的研究热点。而今，越来越多的车辆都安装了定位装置，对浮动车技术进行深 入研究有着紧迫的需求和良好的应用前景。 1 2 浮动车技术概述 所谓浮动车【1 0 l ( p r o b ev e h i c l e ，p v ) ，指的是安装有定位和无线通信装置的车辆， 包括警车、出租车、公交车、以及各类营运车辆。 浮动车技术1 1 1 l ，即将浮动车信息，如信号时间、瞬时速度、车辆坐标、行驶方向等 参数实时传送到浮动车信息中心，经过汇总、处理后生成反映实时道路交通路况的交通 信息。 基于浮动车的交通信息采集系统1 1 2 l 主要由车载设备、无线通信网络和交通信息中心 等组成。 车载设备主要包括g p s 模块和无线通信模块。g p s 模块负责接受卫星定位信号， 以获得车辆坐标和速度等定位数据。无线通信模块负责传送浮动车定位数据，并接收交 通信息中心发送的指令。 无线通信网络是指通信运营商提供的通信基站以及数据传输服务。 交通信息中心主要包括无线通信设备、基于g i s 的交通信息分析与处理系统，以及 计算机设备等。 交通信息处理中心是浮动车系统的核心，其职责1 1 2 l 是对车载设备上传的定位数据进 行存储、预处理，结合g i s 地图，利用相应的计算模型对交通参数进行估计和预测，从 而得到道路网的实时动态交通信息。 交通信息处理中心的核心功能1 1 3 l 主要包括以下4 个方面： ( 1 ) 数据预处理 数据预处理的目的是消除原始定位数据中存在的各类异常信息，是数据处理的开 端，负责为后续环节提供更高质量的浮动车定位数据。 一2 一 中山大学硕士学位论文 ( 2 ) 地图匹配 地图匹配是指将经过处理的浮动车定位数据与路网空间数据进行车辆行驶轨迹的 校正，通俗地讲，即将浮动车定位数据匹配到道路上的某一个具体点的位置。地图匹配 是浮动车定位数据与g i s 数据的第一次结合，目的是进一步提高浮动车定位数据的质 量。 ( 3 ) 单车行程速度( 时间) 估计 采用相应的计算模型，利用成功匹配的浮动车定位数据与路网空间数据估计单车的 路段行程速度( 时间) 。该过程实现了浮动车定位数据与g i s 数据的第二次结合，即将 浮动车定位数据与g i s 数据转化成交通信息。 ( 4 ) 路段行程速度( 时间) 估计 融合某一时段多个单车的路段行程速度( 时间) ，并且采用合适的计算模型进行交 通流路段行程速度( 时间) 估计。 这四个核心功能同时也是基于浮动车的交通信息采集系统的核心技术模块。 各种安装有定位装置和无线通信设备的车辆，包括各类营运车，均可作为浮动车使 用，所以浮动车系统可利用现有的设备，对其回传的车辆定位数据进行存储、融合、处 理，得到有用的交通信息，因此大大节省了投资，具有能够实现全天候、大范围的采集， 检测成本小、效率高等优点1 1 4 i 。 由于浮动车系统拥有的众多优点，近年来，基于浮动车的交通信息采集技术在世界 范围内得到了积极的研究和推广应用。目前国际上比较典型的应用系统( 项目) 有：美 国的a d v a n c e l l 蜘，英国的f v d l l 6 l ，以及日本的v i c s l l 7 1 等。 1 - 3 国内外研究现状 1 3 1 浮动车比例及样本量 利用浮动车定位数据估计区间平均速度的实质是用少部分车辆的运行速度代表道 路区间平均速度，因此浮动车数量占运行车辆总数的比例，即浮动车比例的大小对区间 平均速度估计的准确性以及路网覆盖率具有重大影响。 加利福尼亚p a t h 工作报告1 1 8 i 探讨了利用浮动车数据来估计和预测交通状态的可 行性，分析表明浮动车估计所得的速度与线圈估算值吻合，从仿真结果看，浮动车占运 行车总数的4 左右可获得较好的行程时间估算。 r u e yl o n gc h e u 等人1 1 9 1 采用仿真手段，对比不同浮动车比例下，基于浮动车的速度 估计的误差，研究表明：浮动车比例越大，误差越小；画出浮动车估计速度的“标准差 一3 一 基于浮动车定位数据的高速公路区间平均速度估计方法研究 浮动车比例 曲线，如图1 1 所示，得到结论：在9 5 置信度下，使得误差不超过5 k m h 的浮动车比例为4 - 5 ；同时画出“浮动车速度估计误差样本量”曲线，如图1 2 所示， 结果表明：在9 5 置信度下，使得速度估算误差不超过5 k m h ，需要在计算周期内，至 少有1 0 辆浮动车通过目标路段。该结论是在未考虑采样时间间隔的情况下做出的，实 际上，采样时间间隔越大，速度误差可能随之增大。另外根据采样定理对样本量进行计 算，计算结果表明：样本量依赖于平均速度和速度标准差，在两者较稳定的情况下，3 的浮动车比例就足够了，在较低平均速度，或( 以及) 较高速度标准差的情况下，目标 路段上即使有1 0 辆浮动车，也可能不足以满足误差要求。 o 圣 2 艺 乏 毒 江 p r o p o r t i o no ft o t a lo - dv o l u m e s 鹳p r o b ev e h i c l e s 图1 - 1 标准差浮动车比例曲线图 董皇。互o皇2li-搴暑患_尊辜一毒1露它盘嚣锇 中山大学硕士学位论文 、一 - 皇鞋：d i _ 。 舭6 咖n 孽! 黼一t ： 疆! d 哇； j ，_ 嘎：- - 一 i ， 7 一 。- 。 f 0 u r o p e ro ir r o d ev e l f l c l e sm 曩l l u g 图l - 2 速度误差样本量曲线图 张存保等人1 2 0 l 在考虑探测车速度、计算时间间隔、数据精度要求等因素基础上，针 对均匀和非均匀分布的两种交通流密度，利用数理方法建立了路网上浮动车样本数量的 双层模型。结果表明：当计算时间间隔为5 r a i n 时，若路网上交通流密度均匀分布，则 浮动车比例至少为5 0 ；若路网上交通流密度非均匀分布，则浮动车比例至少为7 0 。 辛飞飞等人1 2 1 i 1 2 2 1 分析了浮动车数据在路网分布的时变特征，及其在不同区域、不同 道路上的分布特征。结果表明：高等级道路在各个时段内具有更高的覆盖强度和覆盖率； 而非高峰时段、非中心区域，以及低等级道路上，浮动车数据的覆盖强度和覆盖率相对 不足。由于浮动车数据的时空分布不均，在应用浮动车技术时应根据实际的数据特征采 取不同的应用策略。 姚琛团l 在考虑浮动车定位误差的情况下，推导了浮动车样本量、路段覆盖率，以及 采样时间间隔三者之间的理论关系式，并且与实际数据进行对比拟合，证实了理论公式 的可行性。 王力等人1 2 4 l 建立了浮动车比例模型，该模型可满足交通流参数估计需求，且可达到 一定的路网覆盖率，包含了多个影响因子，如定位误差、采样时间间隔、分析时段长度、 路段长度等，经仿真验证，该模型所确定的样本量可有效实现路段区间平均速度估计。 小结：在不考虑采样时间间隔的情况下，一般认为浮动车占运行车总数的4 5 可获得较好的行程时间估算，或在计算周期内，至少有1 0 辆浮动车通过目标路段，其 样本需求随路段平均速度、允许误差的增大而减小，随采样时间间隔的增大、速度标准 差的增大而增大。 o o o o o o o o 如 ：2 沁 ， o 巧 如 垮 ljil，基善参互弓兰_(ii暑喜|j jojj瞄专兰 基于浮动车定位数据的高速公路区间平均速度估计方法研究 1 3 2 基于浮动车的速度估计模型 为获得区间平均速度估计，一般先按一定的规则将道路划分为多个路段，再基于路 段进行区间平均速度计算。 c e s a ra q u i r o g a 等人1 2 5 i 的研究表明，要获得足够的交通信息，路段长度应在o 2 0 5 m i ( 即0 3 2 0 8k m ) 之间，而采样时间间隔应小于路段行程时间的一半。同时提出估算 路段区间平均速度的方法：首先根据浮动车定位数据的速度时间序列估算单一浮动车 的平均速度( 以下简称为速度时间积分法) ，再以各浮动车估算路段区间平均速度。 当采样时间间隔较短，特别是只有一两秒时，可以得到单一浮动车精确的平均速度，但 在实际应用中，采样时间间隔并不十分理想，特别当采样时间间隔较长，使得同一浮动 车仅在目标路段留下一个定位点，则无法应用该模型。 y a n y i n gl i 等人【2 6 j 用路况系数修正由速度时间积分法计算所得的单一浮动车平均 速度，作为路段区间平均速度的估算，即消除由于样本量少而不能用浮动车的速度平均 值作为区间平均速度的情况，其中，路况系数是利用浮动车的行驶特征，根据蕴含了车 流速度变化的浮动车瞬时速度，由模糊推理规则获得。经验证，模型的估计正确率为 9 8 ，其相对绝对误差小于2 1 。 r u iw a n g 等人1 2 7 i 和s e u n g h e o nl e e 等人1 2 8 l 在计算单一浮动车的平均速度时直接 使用浮动车在路段上的第一个和最后一个定位数据的距离差除以时间差来估计速度，即 直除法，其计算公式如式( 1 1 ) 所示。方法简单，但对定位精度以及地图匹配精度有 较高的要求，且采样时间间隔较长时也无法应用。 v ：兰：!( 1 1 ) t p 一| o 其中， ，为车辆平均行程速度； p 为浮动车在路段上的定位点的数目； 鼍为浮动车在路段上的第f 个定位点的位置坐标； 为浮动车在路段上的第f 个定位点的定位时刻。 r u iw a n g 等人【2 7 】也提出将单一浮动车的定位点当成地点车速，使用调和平均法获 得单一浮动车的平均速度。但是调和平均法仅适用于交通量较小的条件i 凹i 。 翁剑成等人i 3 0 i 提出以浮动车的驻留时间和路段长度为基础的速度估计模型，关键在 于获得各浮动车在各路段上较高精度的驻留时间，其实就相当于要求浮动车在路段两端 中山大学硕士学位论文 点处有定位点，定位点与端点的距离越小，精度越高，但采样时间间隔较大的情况下不 能满足该条件。 小结：以上各种模型的共同点是没有考虑浮动车定位数据的采样时间间隔问题，当 采样时间间隔过长，模型无法应用，或仅能把浮动车的单个定位数据的速度值当成路段 区间平均速度。 1 4 主要研究内容和方法 论文以基于浮动车定位数据的高速公路区间平均速度估计的相关内容为重点研究 内容，即主要研究如何将浮动车定位数据( 已进行数据预处理与地图匹配的浮动车定位 数据) 转化为高速公路区间平均速度。 已有的相关研究中，没有考虑采样时间间隔的影响，若采样时间间隔过大，会导致 现有的速度估计模型无法应用。因此，论文的目标为：考虑采样时间间隔的影响，最大 程度地利用浮动车定位数据，以获得最大路网覆盖率的速度估计结果。 由于浮动车数据时空分布的不均衡，需要针对不同的浮动车数据特征，采取不同的 应用策略。论文通过对浮动车比例以及采样时间间隔的分析，将浮动车定位数据进行分 类，针对不同的数据特征采用不同的速度估计模型，包括：改进已有的速度时间积分 法，以及提出两种速度估计模型。 为在相同浮动车比例以及采样时间间隔的条件下，提高数据利用率，以提高速度估 计结果的路网覆盖率，论文结合浮动车比例以及采样时间间隔的分析，给出可适应于不 同浮动车比例、不同采样时间间隔的区间平均速度估计流程，并提出路段区间平均速度 自适应估计算法。 最后采用仿真的手段对模型和算法进行分析，获得各模型中样本量与速度误差之间 的关系，同时通过应用实例验证了算法的有效性。 1 5 论文的组织结构 论文共分为五章，具体的组织结构安排如下： 第一章是绪论，指出了基于浮动车定位数据的高速公路区间平均速度估计的意义； 介绍了国内外相关的研究现状，主要从浮动车比例及样本量，以及浮动车速度估计模型 两个方面进行总结和分析；最后介绍了论文的研究内容和方法。 第二章是速度估计的方法。通过对浮动车比例以及采样时间间隔的分析，提出针对 低浮动车比例以及不同采样时间间隔的解决方法，对浮动车数据类型进行分类，根据不 同浮动车数据类型的数据特征，提出与之对应的路段区间平均速度估计模型。同时结合 基于浮动车定位数据的高速公路区间平均速度估计方法研究 对浮动车比例以及采样时间间隔的分析，提出区间平均速度估计流程，并最终给出可给 根据浮动车定位数据特征，自动选择相应的模型对路段区间平均速度进行估计的区间平 均速度自适应估计算法。 第三章是模型的对比分析部分。使用微观交通仿真软件p a r a m i c s 进行浮动车定位数 据的仿真，仿真时以广深高速公路东莞段的实际流量数据为输入o d ，仿真场景包括顺 畅场景和事故场景。通过仿真实验分析了三种速度估计模型的误差，及其与样本量的关 系，以及对比了自适应估计算法与速度时间积分法的误差以及速度估计结果对路网的 覆盖程度。 第四章是自适应估计算法在实际系统的应用效果的验证，通过验证系统进行道路交 通状态判别的效果反映速度估计的准确性。 第五章是总结与展望。归纳了论文的主要研究工作及成果，并对基于浮动车定位数 据的高速公路区间平均速度估计研究的进一步研究工作进行了展望。 一8 一 中山大学硕士学位论文 第二章区间平均速度估计方法 2 1 速度估计原理 利用浮动车定位数据估计区间平均速度的实质是：用少部分车辆的运行速度代表道 路区间平均速度。 由于受到车辆个体行为的影响，如短期异常停车等，当浮动车样本量较小时，获得 的速度估计精度偏低。而且当路网上运行的浮动车较少时，路网上部分路段无浮动车经 过，无法获得这些路段的速度估计。因此从宏观层面上看，浮动车数量占运行车辆总数 的比例，即浮动车比例的大小对区间平均速度估计的准确性以及路网覆盖率具有重大影 响。 单一浮动车运行速度的估计原理是：利用浮动车经过路段时的定位数据序列或经过 路段边界附近的定位数据对浮动车经过路段时的平均行程速度进行估计。 因此浮动车定位数据的疏密程度，即采样时间间隔的大小，直接关系着单一浮动车 速度估计的准确性，而且当采样时间间隔较大时，现有的模型就不再适用了。 以下将结合浮动车比例以及采样时间间隔的实际情况，对浮动车定位数据进行分 类，为各种浮动车定位类型给出对应的速度估计模型，并最终给出区间平均速度自适应 估计算法。 2 2 浮动车比例分析 浮动车比例的大小，一方面影响了浮动车定位数据在路网上的覆盖程度，即可以估 算路段区间平均速度的路段数量；另一方面是直接影响进行速度估算时的样本量，进而 影响速度估算的精度。 论文选取2 0 0 9 年3 月3 1 日5 9 8 辆浮动车在广东省内广深高速公路上的定位数据， 对样本量进行分析。c e s a ra q u i r o g a 等人的研究表明i 2 5 i 路段长度取为0 3 2 k i n - 0 8 k m 可 以反映交通细节，这里取整数公里作为路段的划分标准。以5 r a i n 为统计单位，则各分 析时段内经过各路段的浮动车数量如表2 1 所示： 基于浮动车定位数据的高速公路区间平均速度估计方法研究 表2 - 1 样本量统计以5 m i n 为分析时段 时段路段数量1 1 1 7 8 1 1 7 4 03 3 7 91 9 3 3 2 7 1 3 1 0 34 62 02 32 8 9 0 3 比例 3 8 6 7 4 0 6 2 11 6 9 6 6 9 0 9 4 1 0 7 o 0 1 o 1 6 0 0 7 0 0 8 从表中可以看出，在有浮动车驶过的时段路段中，样本量在3 以内的超过9 0 ， 样本量在5 以内的超过9 8 。总的来说，样本量偏少。 再以l o m i n 为统计单位，统计各分析时段内经过各路段的浮动车数量，如表2 2 所 示： 表2 2 样本量统计以l o m i n 为分析时段 时段路段数量9 6 2 9 1 4 8 1 76 3 2 05 0 7 41 5 7 31 4 0 7 3 3 73 3 11 3 01 8 83 9 8 0 6 比例 2 4 1 9 3 7 2 2 1 5 8 8 1 2 7 5 3 9 5 3 5 3 0 8 5 0 8 3 0 3 3 0 4 7 从表中可以看出，在有浮动车驶过的时段路段中，样本量在3 以内的为7 7 ，样 本量在5 以内的为9 4 。虽然总体上看样本量还是偏少，但是对比以5 m i n 为分析时段 的统计结果，样本量为3 以内的时段路段比例显著减少。 对比表2 1 和表2 2 ，可看出有浮动车驶过的时段路段数量，以1 0 m i n 为分析时 段的多于以5 m i n 为分析时段，即以l o m i n 为分析时段的，其路网覆盖率更大。 这说明加大分析时段长度，可提高速度估计的可靠度及其在路网上的覆盖率。当然， 分析时段长度并不是越大越好，因为道路上的交通情况总是在变化的，如果过长，则有 可能平滑掉实时的信息，导致准确度的降低，即使得速度估计结果不能实时地反映道路 交通状态。 2 3 采样时间间隔分析 采样时间间隔的大小直接影响模型是否可行，这里对采样时间间隔进行分析。采样 时间间隔，即对浮动车进行定位的时间间隔。在实际中，浮动车定位数据的采样时间间 隔受数据传输等的影响，采样时间间隔不一，论文选取2 0 0 9 年3 月3 1 日1 7 0 9 辆浮动 中山大学硕士学位论文 车在广东省内高速公路上的定位数据进行分析，结果表明采样时间间隔最短可达到1 秒， 最长的有十几分钟。 采样时间间隔的长短将影响目标时段内目标路段上的浮动车定位数据量。 这里同样取整数公里作为路段的划分标准。以6 0 k m h 的行驶速度计算，则车辆通 过一个路段所需的时间为6 0 s ，只要采样时间间隔大于6 0 s ，车辆就不可能在同一个路段 上留下两个及以上的定位点，不能满足速度时间积分法的最低要求。若分析时段长度 取1 0 m i n ，则只有采样时间间隔不大于5 m i n ，车辆才有可能在分析时段内留下连续的定 位点。 以这两个时间长度划分统计区间对采样时间间隔做统计，表2 3 即为各浮动车的采 样时间间隔统计情况，其中z 为采样时间间隔。 表2 - 3 浮动车采样时间间隔统计 也就是说，有6 1 3 2 的浮动车可以应用速度时间积分法获得速度估计，有3 8 6 8 的浮动车定位数据被浪费了，且行驶速度越快，浪费的数据量越多：当行驶速度达到 1 0 0 k m h 时，有4 6 1 1 的浮动车定位数据被浪费了。因此有必要尽可能地利用所有的数 据，特别是在浮动车比例有限的情况下。 由上述统计结果及分析可知，对于已确定分析时段长度和目标路段长度的情况，采 样时间间隔过长可能导致的问题是：同一浮动车在分析时段内的采样数据量较少；或浮 动车车速较大，较快通过目标路段，无足够时间在目标路段上采集定位数据。 在不同的采样时间间隔情况下，获得的浮动车定位点的数量和类型也不同，论文将 浮动车定位数据分为三类，其中r 为分析时段，具体如下： ( 1 ) 类型一：同一浮动车有连续的定位点，在同一路段上至少有两个定位点，使用 速度一时间积分法可获得速度估计； ( 2 ) 类型二：同一浮动车在同一路段没有连续的定位点，无法使用速度一时间积分法 获得单一浮动车的路段平均速度，但在丁时段内有连续的定位点，可对浮动 车进行跟踪获得速度估计； ( 3 ) 类型三：同一浮动车在z 时段内没有连续定位点，但可考虑将所有这类浮动 车的定位点速度看作地点车速，再估算路段区间平均速度。 基于浮动车定位数据的高速公路区间平均速度估计方法研究 2 4 速度估计模型 对应不同的浮动车定位数据类型，论文采用不同的模型进行速度估计。其中，对于 浮动车定位数据类型一，论文采用已有模型“速度时间积分法”，并对其进行改进： 对于浮动车定位数据类型二和类型三，论文针对其数据特征提出新的模型。 2 4 1 速度一时间积分法 对于浮动车定位数据类型一，应用c e s a ra q u i r o g a 等人1 2 5 1 提出速度时间积分法即 可获得单一浮动车的平均行程速度。由于各浮动车定位数据对路段的覆盖范围有所不 同，论文对单一浮动车的平均行程速度作加权平均获得路段区间平均速度。 ( 1 )单一浮动车平均行程速度 图2 1 为丁时段内目标路段，上单一浮动车各定位点按行车方向的分布情况，p 为 浮动车，在路段，上的最后一个定位点编号。 图2 - 1a t 时段内目标路段，上单一浮动车定位点分布 利用浮动车定位数据的速度时间序列，可用下式1 2 5 1 计算浮动车，在路段，上行驶的 有效距离： = 弘口c 毕+ 善p - ! 彬c 华+ 侈华 其中， l 为浮动车，在路段，上行驶的有效距离( m ) ； 序列c 0 垆为浮动车，在路段，上的时间序列( s ) ； 序列口哆为浮动车，在路段，上的速度序列( m s ) 。 浮动车，在有效距离行驶的平均速度v ，可由下式2 5 1 求得： 厶 驴商 将式( 2 2 ) 所得的u 作为浮动车，在路段，上行驶的平均速度。 ( 2 - 1 ) ( 2 - 2 ) 中山大学硕士学位论文 ( 2 )路段区间平均速度 将路段上各车的平均速度作加权平均可得到路段区间平均速度。其权值为浮动车在 给定路段上行驶的有效距离与路段长度的比值，因为它反映了浮动车的区间平均速度估 算值对路段区间速度反映的完整程度，在使用时先对各权值作归一化处理，具体计算如 下： q ：毒l ( 2 3 ) q2 l z 。) ) a r 口，= 等 ( 2 - 4 ) 其中， 嫂为浮动车，的权值； r t 为分析时段内从路段，经过的浮动车数； 三为路段z 的长度( m ) 。 路段，的区间平均速度v l 估算如下： u = a ，r v , ( 2 5 ) r = l 2 4 2 车辆跟踪法 对于浮动车定位数据类型二，跟踪浮动车的行驶路径，而不局限于在目标路段的范 围内，则可获得同一浮动车的连续定位点，对这些定位点分组获得各区间的平均速度， 再加权得到浮动车在目标路段上的平均速度。由此，论文提出车辆跟踪法。 ( 1 )单一浮动车平均行程速度 图2 - 2 为分析时段内单一浮动车各定位点按行车方向的分布情况，两黑色矩形所夹 的路段为目标路段，风为浮动车进入，前的最后一个定位点，p l 浮动车进入，后的第一 个定位点，也是最后一个定位点，仍浮动车离开，后的第一个定位点。 一一 卜2 卜k 一一 z 图2 - 2a t 时段内单一浮动车的定位点分布 基于浮动车定位数据的高速公路区间平均速度估计方法研究 组合这些定位点可分别求得浮动车在目标路段，的平均速度及其对应的权重，如式 ( 2 6 ) 式( 2 1 9 ) 所示： f 1 组合路段p oa ： 口= 嚣 协6 ， 矿= 苦等 协7 ， b 组合路段a 岛： 谚= 南 亿8 ， z = 苦等 亿9 ， 其中， e 为浮动车，在组合路段上的平均速度； z 为e 所对应的权值； 华a 为浮动车，从定位点p o 到p l 所行驶的有效距离，由式( 2 - 1 ) 计算获得； 印见与矽n 的意义类同； 矽为定位点a 距离路段，起点的距离( m ) ，由地图匹配获得； 矽为定位点a 距离路段z 终点的距离( m ) ，由地图匹配获得。 对于每一个组合路段，只有与目标路段重合的部分对目标路段的平均速度有贡献， 这部分路段既是组合路段的一部分，也是目标路段的一部分，因此权重z 由两项组成： 第一项为重合部分占组合路段的比例，即被覆盖比例；权重中第二项为重合部分占目标 路段的比例，即覆盖比例。 将各组合的权重作归一化处理得到矿后，即可求得该浮动车在目标路段行驶的平 均速度： 哆 - - 1 ，r ( 2 - 1 0 ) 中山大学硕士学位论文 ( 2 )路段区间平均速度 路段区间平均速度为通过目标路段的所有浮动车的速度平均值，如下式所示： v ，2 去善咋 ( 2 - 1 1 ) 其中，m 为丁时段内从目标路段z 经过的浮动车数量。 2 4 3 速度一距离积分法 对于浮动车定位数据类型三，可考虑把r 时段内目标路段，上的所有定位点合并起 来考虑，不区分各单一浮动车，将各定位点的速度作为路段的地点速度，可获得路段区 间平均速度，由此论文提出速度距离积分法。 图2 3 为分析时段丁内目标路段，上所有浮动车定位点按地点的分布情况，其中0 为r 时段内距离目标路段，起点最近的定位点，g 为z 时段内距离目标路段z 终点最近 的定位点。 012 q 图2 - 3 丁时段内目标路段，上所有浮动车的定位点分布 利用地点速度距离序列，仿照速度时间积分法，采用速度距