一種基于gps定位技術(shù)的交通流量融合監(jiān)控方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種GPS定位技術(shù)與固定檢測技術(shù)融合的動態(tài)交通流算法，屬于信息 融合技術(shù)與智能信息處理技術(shù)領(lǐng)域，用于ITS的交通管理信息系統(tǒng)。
【背景技術(shù)】
[0002] 目前一些城市建設(shè)了智能交通系統(tǒng)，建立了ITS信息平臺并給部分車輛配備了 GPS車載裝置。基于車載GPS技術(shù)的浮動車采集技術(shù)，屬于"線"檢測，可以提供連續(xù)的、路 段的甚至整個路網(wǎng)的交通信息，但受到浮動車數(shù)量規(guī)模受限等多方面的影響，檢測精度一 直不能夠達(dá)到需要，而且只能提供路段平均車速和行程時間等交通信息。固定檢測技術(shù)主 要包括磁頻、波頻、視頻等檢測技術(shù)，屬"點"檢測，可以提供精度較高的交通量、路口車速 和占有率等基本交通信息，但其只能檢測路口交通信息，難以檢測路段交通信息，完備性不 足。綜合兩種檢測技術(shù)的優(yōu)缺點，浮動車檢測技術(shù)在動態(tài)反應(yīng)道路交通狀況方面的優(yōu)勢，并 與傳統(tǒng)交通流檢測數(shù)據(jù)進(jìn)行融合處理，可以使交通信息檢測的準(zhǔn)確度、覆蓋范圍、即時性等 方面得到較大程度的提升。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提出移動與固定檢測技術(shù)相融合的思路，研究以移動和固定兩 種檢測技術(shù)為基礎(chǔ)的動態(tài)交通流參數(shù)融合算法，以提高檢測的精度和完備性，從而使基于 ITS的交通指揮管理和面對公眾的交通信息咨詢發(fā)布變得更加有效。
[0004] 在實際運用中，由于出租車出行路線的隨機性、某些情況下GPS定位失效、通信 系統(tǒng)故障等原因，造成所采集的浮動車GPS數(shù)據(jù)存在時間和空間上的一些缺失，并導(dǎo)致 FCD(浮動車）系統(tǒng)采集的速度信息有時準(zhǔn)確度不夠高而且有缺失。對于這一問題，可以通 過多源信息融合提高系統(tǒng)定位精度和完整性的方式解決。然而，僅僅依靠提高GPS定位精 度并不能完全保證FCD系統(tǒng)速度計算的準(zhǔn)確性。因為在FCD速度估計算法中，速度值是根據(jù) 當(dāng)前時刻車輛數(shù)據(jù)估算出來的，并沒有考慮到實際的車輛所處的路況狀態(tài)，特別是當(dāng)車輛 在交叉口附近時，預(yù)測值就很不理想，因此FCD系統(tǒng)采集的速度信息不可避免地存在誤差。 此外，電子地圖更新不及時以及電子地圖精度不夠高等原因也會影響FCD系統(tǒng)速度估算的 精度。為解決上述問題，可以通過融合其它交通信息源的交通信息，全面提高交通信息采集 的準(zhǔn)確性和完整性。這是一種特征級信息融合方法，通過融合異源交通信息，全面提高交通 信息采集的準(zhǔn)確性和完整性。
[0005] 本發(fā)明具體技術(shù)方案如下：
[0006] -種基于GPS定位技術(shù)的交通流量融合監(jiān)控方法，其特征在于包括以下步驟：
[0007] (1)計算選定路段某時間段浮動車的空間平均車速；
[0008] (2)計算該路段某時間段地感線圈檢測的時間平均車速；
[0009] (3)求相應(yīng)的浮動車時間平均速度；
[0010](4)求浮動車數(shù)據(jù)的校準(zhǔn)比。
[0011] 進(jìn)一步，本發(fā)明包括以下步驟：
[0012] (5)根據(jù)求得的浮動車數(shù)據(jù)的校準(zhǔn)比建立校準(zhǔn)比表，在此基礎(chǔ)上，進(jìn)行行車誘導(dǎo)工 作。
[0013] 所述步驟（1)中計算選定路段某時間段浮動車的空間平均車速，方法如下：
[0014] 設(shè)該選定路段起點和終點id分別為i，j，計算在tl_t2時段中的浮動車空間平均 車速，貝1J在浮動車數(shù)據(jù)中搜索所有滿足以下條件：〇id=i;did=j;tl<t<t2的記錄， 然后采用以下公式計算：
[0016] 式中，n為搜索到的記錄數(shù)目，vk為各記錄中速度值，丨為i到j(luò)路徑的在tl_t2 時段的平均車速。
[0017] 所述步驟（2)中計算選定路段某時間段地感線圈檢測的時間平均車速，方法如 下：
[0018] 設(shè)該選定路段起點和終點id分別為i，j，計算在tl-t2時段中的浮動車空間平均 車速，貝1J在浮動車數(shù)據(jù)中搜索所有滿足以下條件：〇id=i;did=j;tl<t<t2的記錄， 然后采用以下公式計算：
[0020] 式中，n為搜索到的記錄數(shù)目，vk為各記錄中速度值，^^為的該路段地感線圈在 tl-t2時段檢測到的時間平均車速。
[0021] 所述步驟（3)中求相應(yīng)的浮動車時間平均速度采用以下方法：
[0023] 其中〇sf2為vsf的均方差。
[0024] 所述步驟⑷中求浮動車數(shù)據(jù)的校準(zhǔn)比采用以下方法：
[0026] 所述步驟（5)所述的建立校準(zhǔn)比表，包括以下步驟：
[0027] (51)計算一天內(nèi)各個時段的校準(zhǔn)比，并組成當(dāng)天各時段的校準(zhǔn)比表；
[0028] (52)根據(jù)近期三個月的浮動車數(shù)據(jù)和環(huán)形線圈檢測車速數(shù)據(jù)計算三個月內(nèi)每天 的校準(zhǔn)比表；
[0029] (53)將三個月內(nèi)每天的校準(zhǔn)比表根據(jù)星期幾進(jìn)行算術(shù)平均，分別求得周一至周日 各天的校準(zhǔn)表；
[0030] (54)為了保證平均時間代價表能反映近期道路交通變化規(guī)律，需要對該表進(jìn)行定 期更新；更新周期可設(shè)為一個月，每個月月末將本月各星期對應(yīng)天的校準(zhǔn)比求算術(shù)平均值， 從而獲得該月周一到周日的校準(zhǔn)表，再執(zhí)行以下計算：
[0031] 更新后的校準(zhǔn)比=未更新校準(zhǔn)比+kx該月的校準(zhǔn)比
[0032] 其中k為更新系數(shù)；
[0033] 對時間代價表中各項時間代價均進(jìn)行更新后，則產(chǎn)生了更新后的時間代價表，作 為下一個月的計算依據(jù)。
[0034] 本發(fā)明提出了將地感線圈所采集的車輛瞬間速度和浮動車所采集的空間平均速 度相融合的算法，從而得到校準(zhǔn)后的路段平均速度，提高了路段平均速度的精度。通過校 準(zhǔn)后的路段平均速度計算路網(wǎng)的時間代價，并采用迪杰斯特拉算法建立基于時間代價花 費最小的普通車輛誘導(dǎo)和公交車輛誘導(dǎo)方案，改善了路網(wǎng)擁擠狀況。提出的融合算法在 Matlab6. 0上進(jìn)行了仿真，結(jié)果表明校準(zhǔn)后的路段平均車速幾乎接近路段的時間車速，校準(zhǔn) 精度大于95%。
【具體實施方式】
[0035] 通常使用車速來反映路網(wǎng)交通狀況，一般要求獲得各路段的空間平均車速值。有 限的浮動車數(shù)據(jù)可以獲得在某條路段上的近似的空間平均速度。但是通過浮動車移動檢測 所獲得的平均車速受樣本數(shù)目以及車型的限制，不能完全反映道路上車輛速度特征。而地 感線圈檢測器能夠獲得所有通過線圈的車輛的瞬時速度，由此可以得到道路某一斷面較為 準(zhǔn)確的時間平均速度。
[0036] 本發(fā)明是將地感線圈采集的車速與浮動車采集車速相融合以獲得較為準(zhǔn)確的路 段平均車速。
[0037] 在城市道路網(wǎng)行駛的浮動車大多數(shù)為出租車，意味著所獲得的浮動車車速接近小 型客車車速。而由于道路上行駛的是混合車型，因此，要獲得準(zhǔn)確的空間平均車速數(shù)據(jù)，應(yīng) 該排除車型的影響，即校準(zhǔn)。在城市路網(wǎng)中，交通流中各種車型的比率與時段有關(guān)，例如，大 型的貨車深夜才有可能進(jìn)入，公交車主要在白天行駛等。由于目前的設(shè)備無法區(qū)分車型，所 以可以分時段對浮動車車速數(shù)據(jù)進(jìn)行校準(zhǔn)。對浮動車車速數(shù)據(jù)進(jìn)行校準(zhǔn)必須有參考的標(biāo)準(zhǔn) 車速值。道路上安裝的地感線圈能夠獲得比較準(zhǔn)確的時間平均車速值，浮動車車速數(shù)據(jù)可 以根據(jù)時間平均車速和空間平均車速的折算關(guān)系獲得相應(yīng)的浮動車時間平均車速值。通過 計算各個時段浮動車數(shù)據(jù)的校準(zhǔn)比，可以建立相應(yīng)的校準(zhǔn)知識庫，以用于對浮動車所采集 的數(shù)據(jù)進(jìn)行校準(zhǔn)。
[0038] 根據(jù)地感線圈記錄數(shù)據(jù)的特點，我們可以獲得以下格式的地感線圈數(shù)據(jù)：
[0040] 其中日期時間精確到秒，若該路段某車道在某一秒內(nèi)有一輛車通過，則會出行一 條記錄，若有兩輛車通過則有兩條記錄。
[0041] 以下為本發(fā)明的一個具體實施例：
[0042] 為了便于實