【《浮动车数据的信息采集与处理综述》4500字】

浮动车数据的信息采集与处理综述目录TOC\o"1-3"\h\u21140浮动车数据的信息采集与处理综述 1290021.1数据采集 254811.2数据预处理 2156741.2.1FCD数据预处理 226681.2.2地图数据预处理 344411.3地图匹配 4152891.3.1地图匹配算法综述 479531.3.2本文地图匹配算法 5117231.4道路速度推估 6304091.4.1道路速度推估综述 676731.4.2道路速度推估算法 6155811.5交通运行状态计算 746201.5.1城市交通运行情况的评价方法 7285131.5.2本文交通运行情况评价方法 8106021.6拥堵状态判断 828511.7系统的准确性 8浮动车辆大数据(FloatingCarData),通常定义是泛指在国内装有中国车载卫星全球自动定位系统的浮动车辆在高速行驶运动过程中定期收集记录的浮动车辆具体位置、方向和行驶速度等等信息。通过利用相应的计算模型和分析算法进行计算,包含道路地图信息匹配、道路交通速度位置推导等,可在计算时间和数据空间上准确讲到将浮动车辆的位置推导数据和相关城市空间路网交通数据进行关联整合起来,最终可以获得相关城市空间路网交通速度推导数据以及交通拥堵情况信息。当前最常用的国际浮动车信息数据库就是显示出租人和车辆的国际实时停车位置、方向和行驶速度等等信息。科研单位和研发公司使用国内重要城市的浮动车历史数据开展相关模型、算法及智能交通系统等方面的研究。数据采集FCD数据是从所有配备一个GPS定位接收器的所有车辆集中获得的,这些就是一系列非常离散的车辆定位控制数据。使用无线GPS数据定位时,生成的无线离散数据定位格式数据位置格式功能类似于常用的无线GPS定位接收器离散数据定位格式。FCD位置数据信息格式相对灵活,通常实际情况下,位置信息数据格式是最关键的位置信息。本文主要使用成都市采集现有一辆出租车的车辆实时位置定位分析数据。出租车以2秒每分钟的速度采样实时间隔方式记录它的日期、时间、纬度、经度、瞬时移动速度以及其他有关出租车辆所在位置的其他相关信息。表3.1中显示了本文中使用的FCD数据格式。表3.SEQ表\*ARABIC\s11FCD数据格式说明字段名称字段值说明lat30.67693纬度log104.0617经度number川A60L1G车牌号vec55速度，km/hdirection298方向datetime2021-04-0100:00:00.000000时间数据预处理FCD数据预处理由于摩天大楼、高架道路和天气状况等因素影响,GPS定位很容易增加误差,造成定位误差或异常定位,尤其是在道路网络相对复杂且高楼、立交林立的大中型城市中。这是GPS技术必须解决的一个难题。由于这些原因,在发生数据错误、数据丢失或速度和位置突然变化的情况下,通常会进行数据预处理以确保原始数据的可靠性和交通状况估计的准确性。通常情况下有两种类型的浮动车异常数据:数据丢失和数据异常。在采样周期内,收集的数据字段不足、数据不完整,尽管一些数据是有效的,但是丢失的数据对于进一步分析和处理仍然很重要。因此,对于这种类型的丢失数据,本文中使用的方法是删除数据并额外增加一条完整的数据。另一种情况是数据错误,通常是定位错误。所收集的位置点与实际位置点相距甚远,使用GIS进行地图配准时无法获取准确的定位。另外,速度信息也容易出错,通常使用阈值来消除此类错误数据。例如,路线上的出租车的最高速度为80km/h。如果计算出的当前和过去定位点的速度超过阈值,则数据中的定位点信息不正确,应将其丢弃。此外,GPS等定位器的数据在特定位置情况下有时会可能出现高度漂移移动现象,接收器得到的漂移数据范围可能会大大超出当前定位城市的地理区域,需要按照当前城市区域范围使用过滤器来采集接收到的漂移数据。地图数据预处理浮动车道的信息地图采集系统结合浮动地图处理技术,可以直观地将其表达为是城市高速路网的一个专题地图。因此,必须正确制作满足网络系统设计要求的高速道路网络图矢量。本文主要使用它的shp作为文件格式。图3.1是成都市中心浮动客运车辆7天的运行历史和发展点路线图。从路线图3.1可以明显看出,浮动道路车辆的地理位置分析数据很大一定程度上已经覆盖了整个上海城市内的道路网,这使得模拟真实路况变得更加容易。图3.1成都市中心城区浮动车数据展点图地图匹配地图匹配(MapMatching)其本质是一个二维线段序列的模式匹配问题,在本文中主要是指是城市道路网和浮动车行驶轨迹的位置信息序列进行匹配的过程。地图匹配算法综述根据使用的信息进行分类目前比较流行的分析算法主要包含四类:几何分析算法、拓扑分析算法、概率分析算法和高级分析算法。(a)几何算法是基于GPS点和道路几何信息进行计算,例如距离和角度。(b)拓扑算法是基于道路拓扑信息来进行匹配。(c)概率算法是基于GPS点的概率来进行计算。(d)高级算法通常是基于使用相对完整的信息进行计算,常用的算法包括卡尔曼滤波法、模糊逻辑模型法和隐马尔可夫模型法等。根据采样点的范围进行分类根据不同地图采样点的数据分布区域范围,地图统计数据增量匹配区域增量精度算法一般来说可以大致地划分为全球地图国家局部/全国区域地图增量数据匹配精度算法和中国局部地图全局区域增量匹配算法两者三者四大类。(a)使用局部/时间增量转换算法。这是一种贪婪性的算法。当用户确定一个匹配点后,下一个匹配点将从已经进行确定的需要匹配的节点当中开始。这类计算方法基于两点距离和直线方向的各种相似性可以进行综合计算,进而可以找到最佳的相匹配的两个点或点和边。(b)道路全局跟踪算法指的是从一个道路互联网中自动寻找另外一条数据匹配线的轨迹,该匹配轨迹与上次采样后的轨迹相比具有最高的数据匹配度。目前经常广泛使用以下匹配算法,包括"Frechet距离"法、"弱Frechet距离"法、时空长度匹配组合算法、投票匹配算法等,进行具有最高匹配度轨迹的查找。根据采样点的频率进行分类基于轨道数据的采样频率,可将地图匹配算法分成如下几类:(a)高频采样处理算法(所有高频局部采样算法、部分高频全局采样算法如frechet以及距离精度判别器算法等)(b)低频率的采样频率算法(st-matching算法、ivvm算法)本文地图匹配算法在本文中,使用st-matching这个算法可以进行百度地图信息匹配。st-matching匹配是一种道路全局匹配算法,该全局算法将整个城市道路网的位置相关信息(gps点与城市道路的平均距离)、城市整体道路网中的拓扑网络结构(最大长短路线)以及城市道路网所具有的其他限制信息(每条城市道路的通行速度限制)等高度关联综合,进行道路相关综合计算,匹配后的结果准确精度高、稳定性好。道路速度推估道路速度推估综述通常这种情况下,基于实时浮动车行驶数据的车辆实时行驶路况分析系统将通过接收采集到的实时浮动车行驶信息与车辆相应的行驶路段信息进行实时匹配,并将每个路段上的每辆实时浮动车行驶速度的一个平均值转换作为整个行驶路段的平均行驶速度。但是由于以下三个主要原因:(1)由于浮动式的车辆推测具有很高的网络流动性,非高峰行车时段我国城市快速道路网的流动覆盖率一般可能不会完全达到100%,这可能意味着某些高峰路段因暂时缺少大量流动车推测数据而不能及时进行行车速度预测推估;(2)部分无线通信路段可能不会存在大量数据信息包随时丢失的这种情况;(3)部分高峰路段因特殊路况原因可能存在道路限行而可能导致车辆没有收到浮动车推测数据;由于浮动车推测数据的实际应用可能会因此受到很大影响,造成一般的高峰路段行车速度推测估计信息算法不能被直接投入使用,从而可能导致目前存在城市道路网的速度推估信息全部为空的这种情况。寻找合适的监测模型,解决实时道路通行速度监测空白的实际情况,发布全面的高速实时车道路况监测信息,是当前必须解决的难题。道路速度推估算法前一时段实时数据推估法当某一天该时刻的某个路段实时速度数据出现明显空白时,最简单直接的解决方法之一就是用获取一个实时时段路况图对系统报告发布的前一天该时刻的路段速度数据进行实时推估。假设同时出现一个信息速度空白的两个时刻分别为t和t,其信息速度误差为t和vt,前一空白时刻的信息速度误差为t,vt-1。用前一特定时刻的一个速度差来推估一个空白,则其在模型中的速度约为vm=vt-1。精度测量指标Dv=Vm-Vt=Vt-1-Vt,Ds=Sm-St=St-1-St。相应时段历史均值推估法本方法的基本原理是利用大量的历史数据计算出一周七天每天288(分钟为间隔)个时段的路段均值。当路网中某条路段速度出现空白时,在历史均值数据库中搜索类型为同一天且同一时段的数据推估。假设出现速度空白的时段为t.其速度为Vt.历史均值数据库中对应时段的速度为Vh,则模型Vh=Vt-1。精度指标Dv=Vm-Vt=Vh-Vt,Ds=Sm-St=Sh-St。交通运行状态计算城市交通运行情况的评价方法根据旅行时间的评价方法该评价方法主要是通过计算实际行程时间与自由流之间的关系进行评价。Tomtom基于实际旅行时间比自由流​​情况下增加的时间百分比来得到评价结果。根据行驶速度的评价方法该评价方法基于实际通行速度和自由流速度之间的关系进行评价。Inrix通过将道路长度作为加权因子来计算自由流速度与实际速度的比值，进而获得最终评价结果。根据拥堵比的评价方法该评价方法的主要思想是：确定每条道路的权重后，计算道路实际拥堵的长度占比，最终确定道路拥堵占比。通常情况下，拥堵比和通行指数具有关联性。根据交通流量的评价方法该评价方法主要通过计算城市道路网每公里日交通量的加权平均值来得到评价结果，评价指标通常用路段实际的交通流量与某段时间内评价基准的比值来表示。本文交通运行情况评价方法本文使用基于旅行时间的评价方法来评估城市道路网的拥堵情况。TTI指数（TravelTimeIndex）是评价城市道路网拥堵情况最常使用的评价指标。该指标反映了实际行驶时间与自由流通中所花费的行驶时间之间的比值关系，指标值越大表示城市道路网的流动性越差，通常与道路网拥堵程度呈正比关系。在特殊情况下，例如异常的天气条件（雨，雪，雾等）或者异常的道路条件，TTI数值也可能受到较大的影响。计算速度的基本思想：如果一条道路存在两个连续的时间时隙，分别为t1和t2，并且道路的长度为S，则在t1至t2这个时间段内，道路的平均速度v为v=2·S/(t1+t2)。TTI计算的基本思想：同一条道路在一个时间间隙内，tti=自由流速度/实际速度。在浮动车轨迹覆盖率较低的情况下，需要基于道路的长度和路况可行度予以剔除。拥堵状态判断为了获得直观的视觉体验，应该结合地图将城市道路网速度予以专题表达。不同的城市道路等级拥有不同的道路拥堵定义。一般情况下，分别采用绿色、黄色和红色用于表示道路畅通、拥挤或拥堵等情况。成都市道路网的道路大致分为三个级别，即高架、快速路；主干道、干线主干道；次干道、支路及其它。设路段的速度为V，则各等级的道路不同状态级别所对应的速度区间如表3.2所示。表3.2各等级道路不同状态对应的速度区间（单位：km/h）道路等级拥堵拥挤畅通高架、快速路V<2525≤V<45V≥45主干道、干线主干道V<1212≤V<25V≥25次干道、支路及其它V<1010≤V<20V≥20系统的准确性为保证测试实时路况系统的准确性,需要对其进行检查。主要有两种方法:手动测试和自动化测试。手动交通测试一种类似于自动交通运行信息数据收集处理技术的手动交通计数测试方法。一个或多个车辆调查工作人员同时跟踪一个车辆号并进行跟踪测试,并使用秒表记录测试车辆进出道路之间的时间间隔。您可以计算道路和车辆。该运行速度被广泛认为可以是一个路段的实际运行速度,并与系统中的