基于浮动车数据的隧道路段在线地图匹配方法_何兆成

分
隧
道
流
点 辅
路
段
合
流
点 道
图 1 隧道路段示意图 Fig.1 Tunnel section
研究以广州市 2 万多辆安装了 GPS 定位设备 过程中记录下车辆行驶的状态信息（车牌号、GPS 的出租车作为浮动车的数据源，每天回传的数据 时间、经纬度、航向、速度、车辆状态和数据有效性 超过 3 千万条，覆盖了广州市 80%以上的主干路 等），同时以一定周期向数据中心传回数据，采样 网.出租车在通过隧道路段时，在连通路段和露空 间隔在 10s-80s 之间，其中以 15s 采样间隔的数据 的隧道实体部分可能留下 GPS 点信息，并在运营 量最多.浮动车数据主要信息如表 1 所示.
收稿日期：2013-06-07
修回日期：2013-11-29
作者简介：何兆成（1977-），男，广东梅州人，副教授，博士.
录用日期：2013-12-13 *通讯作者：hezhch@mail.sysu.edu.cn
第 14 卷 第 2 期
Байду номын сангаас
基于浮动车数据的隧道路段在线地图匹配方法
75
匹配和基于概率分析模型的算法框架，引入基于 模糊逻辑和最短路径算法的路径确定算法； Marchal 等[3]提出了一种基于大规模历史 GPS 数据 后期处理的地图匹配方法，但该方法不能满足交 通信息实时发布的需求；Yin Lou 等[4]提出了一种 面向低采样率 GPS 数据的全局地图匹配算法，算 法采用了时空分析方法生成一个候选图，并将拥 有最高匹配得分的路段序列作为最终匹配结果； Liao Wen-jie 等[5]提出了一种基于交叉口数据结构 的地图匹配算法，用于解决城市交叉口处的匹配 问题.
2 问题描述
2.1 隧道路段的概念 如图 1 所示，隧道路段是指车辆从隧道与辅道
的分流点处进入，到两者的合流点处离开所经过 的路段区域.本研究中的隧道路段包含了与隧道进 出口具有连通关系的相关路段，所提出的方法主 要适用于与隧道进出口有连通路段的城市隧道或 者隧道实体部分有露空足以留下 GPS 点的城市隧 道，对于一些与隧道进出口没有连通路段且隧道 实体部分无露空的隧道，不是本文讨论的内容.
（1）前后两个连续候选路段为同一个路段. （2）前后两个连续候选路段是不同路段并且 第一个路段的终点和第二个路段的起点在拓扑上 是连通的. 在 WL 中，一个路段是最优路径的组成部分的 必要条件是：该路段与下一个相邻的候选路段集 中的某一路段满足道路时空可达性要求.因此，对 任意一对在相邻候选路段集中的路段要进行道路 时空可达性检测.当且仅当两个被检测路段可以完 全满足道路时空可达性要求时，才为它们之间的 连接线赋予可达性标识，拥有该标识才可以进行 下一步的连接权重赋值.如图 3 所示，为一个完成 了道路时空可达性检测的时间序列有向图.
76
交通运输系统工程与信息
2014 年 4 月
黄埔大道西-体育东路（天河东路）隧道
黄埔大道西
图 2 GPS 点 分 布 Fig.2 The distribution of GPS
3 匹配原理
本文基本思想是确保隧道路段待匹配点序列 的起点和终点均为置信点(CP)[6]，同时结合最大延 时约束动态时间窗(MDCDTW)[6]的概念.利用置信 点和最大延时约束动态时间窗不仅能够有效消除 传播误差和提高匹配精度，还可以满足匹配实时 性需求.其中 MDCDTW 包含三部分：①等待匹配 的点序列 WP；② WP 相应的候选路段集 WL；③自 定义的最大延时约束 tMDC.
当车辆行驶在简单路网时，利用简单的匹配 算法 就 [7,8] 能获得良好的匹配效果，而当车辆行驶 在高复杂度的路网时，如隧道、跨线桥、高架路等， 只考虑单一定位点信息难以实现正确匹配.本研究 基于路段的思想，提出一种针对隧道路段适用于 长时间间隔浮动车数据的点序列匹配方法，该方法综 合车辆的行驶轨迹信息（由 GPS 点序列构成）、几何和 拓扑信息，通过找到匹配权重总和最大的路径作为最 终的匹配路段.方法分为两个部分：①道路时空可达性； ② 隧道路段车辆行为模式.
3.1 道路时空可达性 本文中的道路时空可达性包含拓扑连接可达
性和行驶时间合理性.行驶在路网上的车辆可以从 路段 1 到达路段 2 的基本要求是路段 1 和路段 2 之 间在拓扑上是连通的，对于两个连续定位点的正 确匹配路段必须具备拓扑连接可达性；行驶时间 合理性是指驾驶员选择相对较短的路径、花费较 少的时间从路段 1 到达路段 2.以下给出两种满足 拓扑连接可达性的情况：
1引言
随着经济的发展，汽车保有量的增加，城市交 通拥堵现象越来越严重.为了实现城市交通分流、 缓解城市交通拥堵，修建城市隧道越来越成为解 决这一问题的重要举措，隧道路段车辆信息的采 集对于整个城市交通信息的发布具有重要意义.
近年来，浮动车技术作为获取道路交通信息 的先进技术手段在智能交通领域得到了快速发 展，国内外存在大量相关的研究，章威等[1]提出了 浮动车地图匹配模型族的解决方案，包括道路初 次匹配模型、平行方向道路识别模型、节点匹配模 型和延时匹配模型；Wang Wei 等[2]提出了一种曲线
DOI:10.16097/j.cnki.1009-6744.2014.02.020
第14卷 第2期 2014 年 4 月
交通运输系统工程与信息 Journal of Transportation Systems Engineering and Information Technology
文 章 编 号 ：1009-6744（2014）02-0074-06
速度 33 23
航向 50 169
状态 5 4
有效性 1 0
2.2 问题关键 实际情况下，隧道路段和相应辅道是平行的，
且距离很短，在二维电子地图中，隧道路段和相应 辅道是基本重叠的.如图 2 所示，车辆经过黄埔大
道西，回传若干个 GPS 点，在隧道路段与辅道重叠 的区域，传统的匹配算法无法鉴别车辆是否行驶 在隧道路段.
An On-line Map-matching Method for Tunnel Section
Based on Floating Car Data
HE Zhao-cheng, CHU Jun-fei, ZHUANG Li-jian, YE Wei-jia
（Research Center of Intelligent Transportation System, School of engineering, Sun Yat-Sen University, Guangzhou 510006, China）
已有的大量针对地图匹配的研究主要是面向 城市普通道路的，基于城市隧道路段的特殊性，已 有研究并没有考虑车辆在隧道路段及辅道上行驶 时交通状态的差异性，无法适用于隧道路段地图 匹配.本文针对城市隧道路段的特点及浮动车数据 采样率低的现状，引入道路时空可达性和隧道路
段车辆行为模式两种信息，并运用模糊逻辑对权 重进行分配，提出了针对隧道路段的在线地图匹 配方法.方法能够根据实时 GPS 信息来识别车辆的 行驶路径，鉴别车辆是否行驶在隧道路段.以广州 市为例，采用实地调查数据对方法的精度进行了 验证.
车牌号码 粤 A163P6 粤 AD7F45
表 1 浮动车数据主要信息
Table 1 Main information of FCD
GPS 时间 2013-3-15 15:28:12 2013-3-15 18:14:12
纬度 23.151 24 23.135 07
经度 113.294 20 113.328 87
中 图 分 类 号：U491
Vol.14 No.2 April 2014
文 献 标 识 码：A
基于浮动车数据的隧道路段在线地图匹配方法
何兆成*，褚俊飞，庄立坚，叶伟佳
（中山大学 工学院 智能交通研究中心，广州 510006）
摘 要： 修建城市隧道越来越成为城市实现交通分流、解决交通拥堵的重要途径，隧道 路段车辆信息的采集对于城市交通信息的发布具有重要意义.本文针对城市隧道路段，提 出了基于浮动车数据的在线地图匹配方法,引入道路时空可达性和基于模糊逻辑的隧道 路段车辆行为模式权重信息，分析了车辆在隧道路段及辅道上行驶时其行为模式的差异 性，建立了隧道路段地图匹配流程框架，通过时间序列有向图的构建，给出了连接权重的 计算方法.以广州市实地调查数据对方法进行效用评价.实验结果表明，该方法匹配精度 超过 90%，可以用于城市隧道路段的交通信息处理. 关键词： 智能交通；地图匹配；隧道路段；浮动车数据；模糊逻辑
图 3 一个完成了道路时空可达性检测的时间序列有向图 Fig.3 A time series directed graph completed accessibility detections
3.2 隧道路段车辆行为模式 通过实地调查发现，在实际的驾驶行为中，如 和黄埔大道西—体育东路隧道，分别统计了直行
Abstract： As an important way to achieve traffic diversion and to solve traffic congestion, urban tunnel has become more and more popular in the city. Collecting information about the vehicles on the tunnel section has a significant effect on releasing traffic information of the whole city. Aiming at the urban tunnel section, an on-line map-matching method is proposed based on floating car data（FCD）. It introduces the information that road space- time accessibility and behavior pattern weight of vehicle on the tunnel section, which is based on fuzzy logic. What is more, the method analyzes the differences between behavior pattern of vehicle on the tunnel section and on the surrounding auxiliary road, and establishes a flow chart of matching framework for tunnel section. Finally, a calculation method of connection weight is given after the construction of a time series directed graph. Actual survey data from Guangzhou city is adopted to evaluate the performance of the method, and the experimental results show the matching accuracy is more than 90% , which can be used for traffic information processing on the urban tunnel section. Key words: intelligent transportation; map-matching; tunnel section; floating car data; fuzzy logic
果车辆沿道路直行的话，一般选择隧道路段行驶. 出租车车辆数及直行出租车中选择走隧道的车辆 本研究选择了广州市的黄埔大道西 — 马 场路隧道 数，统计结果如表 2 所示.
第 14 卷 第 2 期