基于浮动车数据计算路段各转向平均行程车速方法
基于浮动车的城市道路行程时间预测算法研究
。
的偏 差 ｆ ＇Ｉ ｉ ｄ。 ｒ ． ｆ
２ 基 于 Ｇ Ｓ采 集 的 动态 路 段 行 程 时间 数 据 。Ｉ ） Ｐ Ｄ 号为 ｌ 的路 段 ， ３个 时 间间 隔 浮动 车 获得 的行 程 时 前
．
通参 数 较多 ； 一类 是 基 于路 段 上 的 时间 预测 模 型 ， 虽 适应性弱 ， 但模 型简单且 易于标定 。 装载 Ｇ Ｓ的浮动 车在 社会 交 通 流 中 比重 越 来 越 Ｐ 高， 已成 为主要 的行程 时 间采集 手段 。本 论 文研 究 基 于浮动车 的城市道 路路 段 行程 时 间预测 算法 ， 充分 利 用 各出租 车公 司 的 Ｇ Ｓ的历 史 路段 行 程 时 间数 据 资 Ｐ
关键 词 ： 市 道 路 ； 路 交 通 流 ； 动车 数 据 ； 市 道 路 路段 ； 程 时 间预 测 城 道 浮 城 行
中 图分 类 号 ： ４ １ Ｕ ９
文 献 标 识 码 ：Ａ
文 章 编 号 ： ０ ４— ６ ５（０ １ ０ ０ ８ ０ １ ０ ４ ５ ２ １ ） ２— ０ ０— ３
间隔下 平均路 段行程 时问 的静 态预测 ｍｃ ． ｄ
（） ３ 每一估计
的偏 差 ５ｄ 。 ｆ． ．
（ ） 于 Ｇ Ｓ车载终 端存储 的 Ｉ ４基 Ｐ Ｄ号 为 ￡ 的路段 、 ｄ种 日期类 型 、 ｔ 时 间 间 隔下 平 均 路 段 行 程 时 间 第 个
备 份数据 ｂ （ ）Ｄ号为 ｚ 路段 、 ５Ｉ 的 ｄ种 日期 类 型 、 ｔ 时间 第 个 间隔下 平均拥 堵长度 （） ６ 每一估计
浮动车快速道路匹配算法
，
（ １ ． Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆＥ ａ ｒ ｔ ｈ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ，Ｈ ｏ ｈ ａ ｉ Ｕ ｎ ｉ ｖ ｅ ｍ ｉ ｔ ｙ ，Ｎ ａ ｎ ｊ ｉ ｇ ，Ｊ ｎ ｉ ａ ｇｓ ｎ ｕ ２ １ ０ ０ ９ ８ ，Ｃ ｈ ｉ ｎ ａ ；
Ｆ ｅ ｂ．， ２０１ ３
浮 动 车快 速 道 路 匹配算 法
耿小峰 ， 王 山东 ， 季 军２
（ １ ． 河海大学 地球科学与工程学 院， 江苏 南京 ２ １ ０ ０ ９ ８ ； ２ ． 南通 市海籍调查测量 中心 ， 江苏 南 通 ２ ２ ６ ０ ０ ６ ）
摘
要 ：针对 目前城市交通 中对浮动车 Ｇ Ｐ Ｓ 数 据匹配实 时性差 和匹配率 不高的缺 点 ， 提 出一种利 用道
第 ２ ０ １ １ １ 卷堑１ ３年 ２月 翅
Ｊ ０ ｌ ｌ ｍａ １ ｎ ｆ Ｗａ ｔ ｅ 水利与建筑工程学报 ｒ Ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ａ ｎ ｄ Ａ ｒ ｃ ｈ ｉ ｔ ｅ ｃ ｔ ｕ ｒ ａ ｌ
Ｖ ０ １ ． １ １ Ｎ ｏ ． １
２ ． Ｎ ａ ｍ ｏ ｎ ｇ Ｓ ｅ ａ Ｃ ａ ｄ ａ ｓ ｔ ｒ ａ ｌ Ｓ ｕ ｒ ｖ ｅ ｙ Ｍｅ ￣ｕ ｒ ｉ ｎ ｇ Ｃ ｅ ｎ ｔ ｅ ｒ ，Ｎ ａ ｎ ｔ ｏ ｇ ，￣ ｎ ａ ｎ ｇ ｓ ｕ ２ ２ ６ ０ ０ ６ ，Ｃ ｈｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｃ ｏ ｎ ｓ ｉ ｄ ｅ ｉｎ ｒ ｇ ｔ ｈ ｅ ｐ ｏ ｏ ｒ ｒ ｅ ａ ｌ － ・ ｔ ｉ ｍｅ ａ ｎ ｄ ｌ ｏ ｗ ｍａ ｐ－ － ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ｒ ａ ｔ ｅ ｗｈ ｅ ｎ ｕ ｓ ｉ ｎ ｇ ＧＰ Ｓ ｌ ｆ ｏ ａ ｔ ｉ ｎ ｇ ｃ ａ ｒ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｉ ｎ ｃ ｕ ｒ ｒ ｅ ｎ ｔ
基于浮动车技术的道路车辆行驶速度研究的开题报告
基于浮动车技术的道路车辆行驶速度研究的开题报告一、研究背景道路交通是人们日常生活中不可或缺的一部分，而车辆行驶速度是道路交通的关键指标之一。
通过测量车辆行驶速度等数据，可以了解道路交通的运行情况，进而制定科学的交通管理措施。
因此，浮动车技术被广泛应用于测量车辆行驶速度、路段通行能力等交通运行状态指标的监测。
浮动车技术是一种通过配备GPS定位、行驶记录仪等设备装置在车辆上以测量车辆在道路上行驶速度和位置的技术。
当车辆行驶过程中，通过GPS定位和行驶记录仪收集到的数据可以用于反映车辆在不同路段的行驶速度和通行情况。
而这些数据可以被用于交通运行状态的监测和研究，而这些研究对于制定科学合理的交通管理措施具有重要意义。
二、研究目的本次研究的目的是通过对浮动车技术的应用，了解当前城市道路的交通运行状态和车辆行驶速度分布情况，进而分析影响车辆行驶速度的因素，为制定更加科学的交通管理措施提供参考。
三、研究方法1. 浮动车技术的使用：采用GPS定位和行驶记录仪等设备装置在车辆上、通过大量测量车辆在道路上行驶速度和位置等数据，对车辆行驶速度分布情况进行分析。
2. 现场调查研究：在采集到大量车辆行驶速度等数据的基础上，对道路交通拥堵的具体情况进行实地观察和记录，进一步分析交通拥堵的成因和规律。
3. 统计学分析：通过对大量采集到的行驶速度数据进行统计学分析，探讨车辆行驶速度与路段长度、车流密度、道路线型等因素之间的关系，挖掘导致交通拥堵的因素和规律。
四、研究内容本次研究主要包括以下内容：1. 对浮动车技术的原理、技术实现及优点进行深入了解。
2. 调查研究道路交通拥堵情况，统计车辆行驶速度分布情况，并对数据进行统计学分析。
3. 分析车辆行驶速度与路段长度、车流密度、道路线型等因素之间的关系，探讨导致交通拥堵的因素和规律。
4. 探讨浮动车技术在交通管理和交通规划方面的应用前景。
五、研究意义本次研究有以下意义：1. 通过对城市道路交通运行状态和车辆行驶速度的分析和研究，为制定更加科学合理的交通管理措施提供参考。
基于浮动车技术的城市路况计算方法_章威
第7卷 第1期
交通运输系统工程与信息
2007 年 2 月
Journal of Transportation Systems Engineering and Information Technology
文章编号 :1009-6744 (2007)01-0043-07
Abstract : Urban traffic situation information is the basis of effective traffic guidance and traffic control .It is usu-
ally expressed by average speed and average travel time of the vehicles on the road.This paper proposes the urban
(1.College of Traffic and Communications, South China University of Technology , Guangzhou 510640 , China ; 2.Guangzhou Traffic Information Investment Business and M anagement Limited Company , Guangzhou 510033, China)
V1
V0 V1 V2
(1)
1 V1
=
S1 S
S 0 V2 +S 2 V0 S 1 V0 V2
+
1 V1
目标路段的平均速度可以表示为
(2)
基于浮动车的路况分析算法
基于浮动车的路况分析算法算法基本思想1.浮动车数据纠偏处理：利用高德的纠偏函数对每次接收到的浮动车数据进行纠偏处理，纠偏后GPS数据会和地图数据匹配上。
2.程序运行机制：程序为后台服务当启动后会一直运行，并且每5分钟会进行一次路况运算，运算时数据采样范围为开始计算时间前的10分钟内的浮动车GPS数据，对于目前1000多条路况道路，每5分钟14000条数据样本的计算过程大概耗费时间2——4分钟的运算时间。
3.筛选样本：筛选掉不合法的浮动车数据，例如速度为0的数据，该类数据可能为浮动车停车休息时产生，此类数据不加入计算样本。
4.寻找归属道路：利用空间算法将浮动车GPS数据样本吸附到最近的道路上，由于GPS定位存在一定的位置偏移，所以在吸附操作上加入了误差值，当前设置为30米，即允许浮动车数据有0——30米之间的偏移。
5.筛选道路：样本点归属到道路上后，有些道路将拥有很多样本点，但有些则很少，我们将剔除没有足够判断依据（样本数量）的道路，由于当前浮动车数量（1500辆）较少，而且数据发送频率较低（车辆行驶中每分钟1条，车辆熄火时每10分钟1条），所以当前设置的筛选值为大于4，即每条道路上必须有5条数据样本以上（含5条），才会进行计算；6.计算道路浮动速度平均值并分类：各道路上浮动样本的平均速度是判断道路情况的依据，我们对筛选后的道路进行平均速度计算，另外我们对“通畅”“缓行”“拥堵”设置了各自的阈值，并按照它们作为标准分类各道路的路况：0——10公里：拥堵10——15公里：缓行15公里以上：通畅对于每条道路的计算结果会立即更新道路的路况状态值，并且记录更新时间。
7.对于无法满足运算条件道路的处理：如果每条道路在一小时以上都没有满足条件进行过任何的路况更新，系统会自动设置该道路的路况状态为通畅；该操作是为了防止某些路段在设置为拥堵后一直没有浮动车经过（通常出租车会绕开拥堵路段进行行驶），在得不到足够运算样本的情况下系统无法更新该路段的路况。
基于浮动车技术的城市路况计算方法
Ｖｏ ． Ｉ７
Ｎｏ． １
Ｆ ｂ ｕ ｒ ０ ７ ｅ ｒ ａｙ ２ ０
文 章 编 号 ：１０ ．７４ （０ ７ ０ ． ４ ．７ ０９６４ ２０ ） １ ０ ３０ ０
・ ， ＇ ＇ ＇ ， ， ， ， ， ， ｌ ， ， ， ， ， ， ， ， ， ， ＇ ， ， ＇ ， ＇ ＇ ｌｈ ， ● ● ＂
ｌ ｙ ｅ ｐｅ ｓ ｄ ｂ ｖ ｒ ｇ ｐ ｅ ｎ ｖ ｒｇ ｒｖ ｌｔ ａｌ ｘ ｒｓｅ ｙ ａ ｅａ ｅｓ ｅ ｄ ａ ｄ ａ ｅ ａ ｅ ｔａ ｅ ｉ ｆｔｅ ｖ ｈｃｅ ｎｔ ｅｒ ａ Ｉ ｓｐａ ｅ ｒｐ ｓ ｓｔｅ ｕｂａ ｍｅ ｏ ｅ ｉｌｓｏ ｈ ｏ ｄ． ｉ ｐ ｒｐ ｏ ｅ ｈ ｒ ｎ ｈ ｏ ｔａ ｃ ｓｔ ａ ｏ ｖ ｌａｉｎ ｍｅｈｏ ｓｂａｅ ｎ ｐ ｂｅｖ ｈｉｌ ａａ，ｏ ｅｂ ｓｓｏ ｈ ｒｏ ｎ ｙ ｉ ｆｔ ｅａｇ ｒｔｍｓ ｒ． ｉｕ ｔ ｎｅ ａｕ ｔ ｔ ｄ ｓ ｄ ｏ ｒ ｅ ｃｅｄ ｔ ￣ ｉ ｏ ｏ ｎ ｔ ａ ｉ ｆｔ ｅｅ ｒｒａ ａ ｓｓｏ ｏｉｈ ， ｈ ｌ ｈ ｌ ｇｖ ｎ ｔ ｅａ ｅ ａ ｅｓ ｅ ｄ ａ ｄ ａ ｅａ ｅ ｔａ ｅ ｉ ｉｅ ｖ ｒ ｇ ｐ ｅ ｖ ｒ ｇ ｒ ｖ ｌｔ ｈ ｎ ｍｅ．Ａｎ ｘ ｅ ｍｅ ｔ ｓ ｄ ｏ ｒ ｂ ｅ ｉｌ ａａｐ ｖｄｅ ｙ ｔｅｔｘ ｄ ｅ ｐ ｒ ｎ ｓｂａ ｅ ｎｐ ｏ ｅｖ ｈｃｅ ｄ ｔ ｒ ｉ ｄ ｂ ｈ ａ ｉ ｉ ｏ ｍａ ａ ｅ ｎ ｙ ｔｍ ｆＧｕ ｎ ｚ ｏ ｎ ｇ ｍｅ ｔｓ ｓｅ ｏ ａ ｇ ｈ ｕ． ｗｉ ｅｅ ｅ ｃ ｏ ｖ ｈｉｌ ｉｅ ｓ ｅ ｏ ｎｔｏ ｎ ｒ ｃｉａ ｉ ｎ ｈ ｔ ｒｆｒｎ ｅ ｔ ｅ ｃｅ ｌ ｎ ｅ ｒｃ ｇ ｉ ｎ ａ ｄ ｐ ａ ｔ ｌ ｔｍｉｇ． ｃ ｉ ｃ ｐｏ ｅ ａ ｈ ｔｏ ｓｑ ｉｅ ｅ ｅ ｔｖ ｎ ｒ ｃ ｃ ． ｒｖ ｄ ｔ ｔｔ ｅ ｍｅｈ ｄ ｉ ｕｔ ｆ ｃｉｅａ ｄ ｐ ａ ｔ ａ ｈ ｉ１ Ｋｅ ｒ ｕ ｂ ｎ ｔａ ｉ ｉｕ ｔ ｎ； ｐ ｂ ｅ ｃｅ；ａ ｅ ａ ｅ ｓ ｅ ｄ；ｔａ ｅ ｉ ｙ ｗｏ ｄｓ： ｒ ａ ｆ ｃ ｓｔａｉ ｒ ｏ ｏ ｒ ｅ ｖ ｈｉｌ ｖ ｒｇ ｐ ｅ ｒ ｖ ｌｔ ｍｅ ｅｒｓｌ ｅ ｕｔ ｓ
基于浮动车数据的城市道路行程时间预测方法
市交通状态监测和预测具有重要意义
03
基于浮动车数据的行程时间预测方法有助于提高城市
交通管理和规划水平
研究现状与问题
国内外研究现状
已有多种基于浮动车数据的行程时间 预测方法，如基于时间序列分析、神 经网络、支持向量机等
存在的问题
现有方法在面对复杂多变的城市交通 环境和非线性特征时，预测精度和稳 定性有待提高
该方法能够实时处理和更新浮动车数据，从而提供实时的交通信息 和预测结果。
适用性
该方法适用于不同类型和规模的城市的道路行程时间预测，具有较 广的应用前景。
研究不足与展望
01
数据质量
浮动车数据的准确性和可靠性可能受 到多种因素的影响，如车辆位置、道 路状况法优化
该方法在预测复杂路况和极端天气条 件下的行程时间时，可能存在一定的 误差。未来可以对算法进行进一步优 化，以提高预测精度。
露。
加密传输
02
采用加密技术确保浮动车数据在传输过程中的安全性，防止数
据被篡改或窃取。
访问控制
03
限制对浮动车数据的访问权限，只有经过授权的人员才能访问
和使用数据。
模型优化与改进建议
01
02
03
04
模型训练
利用更多的历史数据进行 模型训练，提高预测精度 和稳定性。
特征选择
筛选与行程时间相关的关 键特征，去除冗余和无关 的特征，减少计算量和模 型复杂度。
研究方法
深度学习模型构建：采用卷积神经网络（CNN）和循 环神经网络（RNN）相结合的方式，构建适用于城市 道路行程时间预测的深度学习模型
预测结果评估：将预测结果与实际数据进行对比分析， 采用平均绝对误差（MAE）、均方误差（MSE）等指 标对预测结果进行评估
浮动车法的原理和过程
浮动车法的原理和过程在交通领域，为了获取准确的交通信息，研究人员开发了多种方法，其中浮动车法是一种非常有效的手段。
浮动车法是一种通过特定车辆的运行数据来推算道路上交通状况的技术。
浮动车，顾名思义，就是在道路上行驶的、具有特定功能的车辆。
这些车辆通常配备了先进的定位和通信设备，能够实时记录车辆的行驶速度、位置、行驶时间等信息，并将这些数据传输到数据处理中心。
浮动车法的原理基于这样一个简单的想法：通过对一辆或多辆浮动车在道路上的行驶情况进行分析，可以推断出整个路段的交通流量、平均车速等重要交通参数。
想象一下，一辆浮动车从 A 点出发驶向 B 点。
在行驶过程中，它会不断记录下经过每个路段所花费的时间以及行驶的距离。
如果这段路畅通无阻，车辆就能以较高且稳定的速度行驶，花费的时间相对较短；反之，如果道路拥堵，车辆的速度会降低，行驶相同的距离就需要更长的时间。
基于这些数据，我们可以计算出车辆在不同路段的平均行驶速度。
假设浮动车在一段长度为 L 的路段上行驶，起始时间为 t1，到达终点的时间为 t2，那么这段路的平均车速 V 就可以通过公式 V ＝ L ／（t2 t1) 计算得出。
但仅仅依靠一辆浮动车的数据来评估交通状况是不够准确的，因为可能存在特殊情况，比如这辆车在行驶过程中遇到了意外的交通事件或者驾驶员的驾驶习惯与众不同。
为了提高数据的准确性和可靠性，通常会同时使用多辆浮动车进行监测。
多辆浮动车的数据可以相互补充和验证。
比如，在同一时间段内，多辆浮动车在同一路段上的行驶速度都较慢，那么就可以较为确定地判断该路段处于拥堵状态；如果多辆浮动车的速度差异较大，可能说明该路段的交通状况不稳定或者存在局部的交通干扰因素。
在实际应用中，浮动车法的过程大致可以分为以下几个步骤：首先是浮动车的选择和装备。
选择的车辆要具有代表性，能够涵盖不同的车型和驾驶行为。
车辆需要安装高精度的定位设备，如 GPS 系统，以及能够实时传输数据的通信设备，如移动网络模块。
基于多类型浮动车数据的高速公路路段速度修正模型
基于多类型浮动车数据的高速公路路段速度修正模型孙威巍;何兆成;陈锐祥;叶伟佳【摘要】考虑到存在多类型浮动车,且不同车型之间车辆性能等不同,为了获得更加准确的路段速度,本文区分车辆类型,使用人工神经网络技术对浮动车速度和高速公路路段速度进行了建模.利用广州机场高速上的浮动车数据进行验证,并与基于贝叶斯网络的方法进行比较.结果表明:修正前速度的平均绝对相对误差(MAPE)约为20％,平均绝对误差(ABS)约为8 km/h,修正后速度的平均绝对相对误差在10％以内,平均绝对误差在5 km/h以内,说明该方法具有较好的效果.【期刊名称】《中山大学学报（自然科学版）》【年(卷),期】2018(057)006【总页数】9页(P88-96)【关键词】多类型浮动车数据;路段速度修正;人工神经网络;高速公路路段速度【作者】孙威巍;何兆成;陈锐祥;叶伟佳【作者单位】中山大学智能交通研究中心, 广东广州510006;广东省智能交通系统重点实验室, 广东广州510006;中山大学智能交通研究中心, 广东广州510006;广东省智能交通系统重点实验室, 广东广州510006;中山大学智能交通研究中心, 广东广州510006;广东省智能交通系统重点实验室, 广东广州510006;中山大学智能交通研究中心, 广东广州510006;广东省智能交通系统重点实验室, 广东广州510006【正文语种】中文【中图分类】U491路段速度是行驶在路段上所有车辆的平均速度，是重要的交通流参数，容易被人们理解和接受。
实时高速公路路段速度为高速公路交通状态评估，交通信息发布等领域提供了依据，因此获得准确的高速公路路段速度很有必要。
浮动车是配备GPS和无线通信装置的普通车辆，间隔一定的时间或距离将带有车牌、速度、方向、经纬度等信息的原始GPS数据传输到交通信息中心。
浮动车较线圈等检测器有覆盖范围大，成本低等优点，近年来发展迅速[1-2]。
因此，利用浮动车GPS数据来估计高速公路路段速度具有巨大的应用潜力。
基于浮动车数据的高速公路拥堵检测方法_张志平
～５００ｍ 之间的小区间，区间长度的具体取值依据 空间检测精度的要求和 ＦＣＤ 覆盖强度确定。空间 检测精度要求越高，ＦＣＤ 覆盖强度越大，则区间长 度越短；反之越长。一般只对高速公路主线作小区 间划分，出入口匝道、立交连接／转向匝道因为长度 较短、曲率半径较小，不在检测范围之内。 ２．３ 路 段 匹 配 和 区 间 参 数 计 算
检测流程如 图 １，完 整 的 高 速 公 路 拥 堵 检 测 算法主要 包 含 区 间 划 分、ＧＰＳ 匹 配、区 间 状 态 计 算和填补等步骤。
图１ 基于 ＦＣＤ 的高速公路拥堵检测方法流程 Ｆｉｇ．１ Ｔｈｅ ｐｒｏｃｅｓｓ ｏｆ ｅｘｐｒｅｓｓｗａｙ ｔｒａｆｆｉｃ ｃｏｎｇｅｓｔｉｏｎ
ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｐｒｏｂｅ ｃａｒ ｄａｔａ
基 于 浮 动 车 数 据 的 高 速 公 路 拥 堵 检 测 方 法 ——— 张 志 平 汪 向 杰 林 航 飞
９５
基于浮动车数据的高速公路拥堵检测方法
张 志 平１ 汪 向 杰２ 林 航 飞１
（１．同济大学交通运输工程学院 上海 ２０００９２；２．上海优途信息科技有限公司 上海 ２００４３３）
态分段思想提 出 的 基 于 ＦＣＤ 数 据 的 高 速 公 路 拥 堵检测方法。算法首先对高速公路路段进行了动 态分段，按需将其 动 态 划 分 为 一 定 长 度 的 检 测 区 间 ，然 后 计 算 每 个 检 测 区 间 内 的 交 通 参 数 ，得 到 高 速 公 路 （网 ）的 交 通 状 态 。
过１５ｍｉｎ，或区间车速小于２０ｋｍ／ｈ，持续时间大 度来满足检测准确率和误报率方面的要求。
浮动车法数据计算总结
调查目的：1.通过浮动车法，测得西安某段道路的双向交通流量和双向平 均车速及双向平均行驶时间。 调查方法：浮动车法（ Floating Car Method ），这种方法是英国道路研究试 验所的 Wardrop 和 Charlesworth 于 1954 年提出的。它可以同时获得某一路 段的交通量、行驶时间和行驶车速等数据，是一种综合调查技术。调查时需要 一辆测试车，应尽量避免使用警车等有特殊标志的车辆。调查时，一名调查人 员（除驾驶员外）记录对向开来的车辆数量 ,另一名调查员记录与测试车同向 行驶的车辆中，被测试车超越的车辆和超越测试车的车辆数，另外一人报告和 记录时间以及停始时间。行驶距离应可以从里程表读取。调查过程中，测试车 一般需要沿调查路线往返行驶 12～16 次。本次调查性质属认识调查，往返次数 定为 6 次。 具体措施（参考）： 1.准备工具：手机记录表笔秒表 2.选择道路：以没有岔路可供转向的车流较少的 500~1000m 道路段为首 选，确定好开始及结束点（最好有参考物）并应记录本段道路名称，并适当拍 照以作为 ppt 素材。 3.测试车辆相关：以出租车为首选，和司机交涉表明意图，测试车应与车 流中大部分车保持相同车速。 4.车位安排：测对向驶来车辆者坐司机旁边，测测试车超越与被超越车辆 者位置后排左或右，记录时间者坐中间为好，一人在后排根据情况与司机交谈 及支援她人。 PS.正式开始前最好进行一次试测，以实际情况调整具体人员配置。 PS.测对向驶来车辆者一直测量可能会产生疲惫，影响记录准确度，所以 每几次测量后应进行适当的人员交换。
浮动车法调查记录表
地点：建设街东口-和平门距离：550M 天气：晴 日期: 2016 年 9 月 23 日星期五调查人————
序号
测试车出 发时间 向南行
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(10)申请公布号 (43)申请公布日 2013.06.26C N 103177585 A (21)申请号 201310061804.8(22)申请日 2013.02.27G08G 1/052(2006.01)(71)申请人上海美慧软件有限公司地址200081 上海市虹口区四川北路2261号嘉兰大厦12楼(72)发明人孙亚 李明敏 陈明威 裘炜毅张颖 邱志军 冉斌(74)专利代理机构上海申汇专利代理有限公司31001代理人翁若莹柏子雵(54)发明名称基于浮动车数据计算路段各转向平均行程车速方法(57)摘要本发明涉及一种基于浮动车数据计算路段各转向平均行程车速方法，其特征在于：步骤为构建适用于GPS 交通信息处理的区域i 的GIS 电子地图；以固定的时间周期间隔T 获取采集数据；判断每辆GPS 浮动车在其对应的每条匹配路段上的转向状态，并计算行程速度，转向状态至少包括直行、左转及右转，根据相同匹配路段上具有相同转向状态的所有GPS 浮动车的行程速度得到每条匹配路段上不同转向状态的平均行程速度。
本发明的优点是：可以充分依托现有的城市载有GPS 设备的出租车资源，利用出租车采集到的信息，能够在短时间完成城市内大范围的实时交通信息采集，同时提供路段不同转向下的行程车速，提供更加细致和精确的交通状态信息。
(51)Int.Cl.权利要求书2页 说明书7页 附图2页(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书2页 说明书7页 附图2页(10)申请公布号CN 103177585 A*CN103177585A*1.一种基于浮动车数据计算路段各转向平均行程车速方法，其特征在于：步骤1、构建适用于GPS交通信息处理的区域i的GIS电子地图，区域i的每条道路用有向路段表示，每个道路交叉口用节点表示，有向路段集合和节点集合构成了GIS电子地图；步骤2、以固定的时间周期间隔T获取某一时间段内区域i所有GPS浮动车的GPS实时数据，一个GPS实时数据定义为一个GPS点，将每辆GPS浮动车所对应的所有GPS点按照时间顺序排列构成一个GPS点集；步骤3、计算每个GPS点集的空间重心点位置，以空间重心点位置为圆心，L为直径作圆，其中，L＝T×Vmax ，T为时间周期间隔，Vmax为车辆的最大行程车速，一般可以取120Km/h，每个圆在GIS电子地图上所覆盖区域内所有的有向路段构成了一个GPS点群待匹配路段集合，每个GPS点群待匹配路段集合对应一个GPS点集，将GPS点集中的每个GPS点向与该GPS点集相对应的GPS点群待匹配路段集合中的各个有向路段进行空间投影得到投影距离，选取投影距离最小的有向路段作为每个GPS点的匹配路段，得到每辆GPS浮动车在区域i所对应的所有匹配路段；步骤4、判断每辆GPS浮动车在其对应的每条匹配路段上的转向状态，并计算行程速度，转向状态至少包括直行、左转及右转，根据相同匹配路段上具有相同转向状态的所有GPS浮动车的行程速度得到每条匹配路段上不同转向状态的平均行程速度，其中，判断第j 辆GPS浮动车在其对应的每条匹配路段上的转向状态的步骤为：步骤4.B.1、将第j辆GPS浮动车所对应的第x个GPS点集中的第一个GPS点设为当前GPS点；步骤4.B.2、将与当前GPS点相邻的下一个GPS点设为中间GPS点，判断当前GPS点与中间GPS点是否对应同一匹配路段，若是，将与中间GPS点相邻的下一个GPS点设为新的中间GPS点重新开始步骤4.B.2，若否，则将中间GPS点设为终点GPS点，进入步骤4.B.3；步骤4.B.3、判断当前GPS点与终点GPS点所分别对应的匹配路段的道路联通情况，若为直接相连，则将两段匹配路段作为与当前GPS点所对应的匹配路径，否则，根据道路联通关系在GIS电子地图上搜索两段匹配路段之间所有的可能路径，在所有可能路径中选取最短距离的路径作为当前GPS点所对应的匹配路径；步骤4.B.4、在匹配路径中找到与当前GPS点所对应的匹配路段直接相连的有向路段，将匹配路段设为当前路段方向，将有向路段设为下游路段方向，计算计算当前路段方向与下游路段方向的夹角值，根据夹角值判断第j辆GPS浮动车在当前GPS点所对应的匹配路段上的转向状态；步骤4.B.5、将终点GPS点设为新的当前GPS点，返回步骤4.B.2重新执行，直至遍历第x个GPS点集中的每一个GPS点。
2.如权利要求1所述的一种基于浮动车数据计算路段各转向平均行程车速方法，其特征在于：第j辆GPS浮动车在所对应的每条匹配路段上的行程速度的步骤为：步骤4.A.1、将第j辆GPS浮动车所对应的第x个GPS点集中的第一个GPS点设为当前GPS点；步骤4.A.2、将与当前GPS点相邻的下一个GPS点设为中间GPS点，判断当前GPS点与中间GPS点是否对应同一匹配路段，若是，将与中间GPS点相邻的下一个GPS点设为新的中间GPS点重新开始步骤4.A.2，若否，则将中间GPS点设为终点GPS点，进入步骤4.A.3；步骤4.A.3、判断当前GPS点与终点GPS点所分别对应的匹配路段的道路联通情况，若为直接相连，则将两段匹配路段作为与当前GPS点所对应的匹配路径，否则，根据道路联通关系在GIS电子地图上搜索两段匹配路段之间所有的可能路径，在所有可能路径中选取最短距离的路径作为当前GPS点所对应的匹配路径；步骤4.A.4、将匹配路径的距离作为第j辆GPS浮动车的行程距离，将当前GPS点与终点GPS点的时间戳的差值作为第j辆GPS浮动车的行程时间，则第j辆GPS浮动车在当前GPS点所对应的匹配路段上的行程速度为行程距离除以行程时间；步骤4.A.5、将终点GPS点设为新的当前GPS点，返回步骤4.A.2重新执行，直至遍历第x个GPS点集中的每一个GPS点。
3.如权利要求2所述的一种基于浮动车数据计算路段各转向平均行程车速方法，其特征在于：所述步骤4.A.3或所述步骤4.B.3中的道路联通关系通过所述GIS电子地图中的有向路段之间的联通关系获得，或通过所述GIS电子地图中的有向路段之间的联通关系结合实际道路中各有向路段所对应路段的车辆禁行信息及路口转向禁转信息获得。
4.如权利要求1所述的一种基于浮动车数据计算路段各转向平均行程车速方法，其特征在于：步骤4.B.4中当前路段方向指以起点为匹配路段的下游节点上游N米处点为起点，若匹配路段长度不足N米，则起点为匹配路段的上游节点，以匹配路段的下游节点为终点的方向；下游路段方向指以有向路段的上游节点为起点，以有向路段的下游节点的下游N米处点为终点的方向，N≥0；夹角值为以当前路段方向为起始，逆时针旋转到下游路段方向的角度值，则若夹角值大于等于0小于30，或者大于330度小于360度，则第j辆GPS浮动车在当前GPS点所对应的匹配路段为直行；若夹角值大于等于30度小于等于180度，则第j辆GPS浮动车在当前GPS点所对应的匹配路段为左转；若夹角值大于180度小于等于330度，则浮动车在当前GPS点所对应的匹配路段为右转。
5.如权利要求1所述的一种基于浮动车数据计算路段各转向平均行程车速方法，其特征在于：第k个GPS点集的空间重心点的纬度为第k个GPS点集中所有GPS点纬度的均值，第k个GPS点集的空间重心点的经度为第k个GPS点集中所有GPS点经度的均值。
基于浮动车数据计算路段各转向平均行程车速方法技术领域[0001] 本发明涉及一种基于GPS浮动车数据计算道路直行、左转及右转平均行程车速方法，用于检测城市交通状态，适用于城市交通运输管理及交通信息服务行业，属于用GPS浮动车检测交通状态的方法技术领域。
背景技术[0002] 目前随着我国城市化进程快速推进，机动车保有量已经达到较高水平段，造成了城市拥堵现象日趋严重。
为了有效疏导城市道路交通拥堵等问题，有必要对城市交通状态进行监测运行，然后采取排堵保畅措施进行城市交通管理。
[0003] 获取城市道路动态实时交通状态信息是交通管理的重要基础。
传统定点交通信息采集技术：如感应线圈、雷达等，只能采集有限范围内的城市道路交通信息，同时也受限于设备高昂的安装和维修费用。
[0004] 随着城市GPS设备的浮动车(通常是出租车、公交车或货运车等)规模扩大以及计算机、通讯技术成熟应用，GPS浮动车技术在交通信息处理方面日渐成熟。
GPS浮动车技术是利用载有GPS设备的城市出租车、公交车或货运车为检测设备，获取各个浮动车行驶过程中的经纬度等重要信息，通过交通模型处理和分析，以此能够采集城市市区范围所有道路的交通状态信息。
该技术前期只需安装少量设备即可采集到城市范围内所有道路的交通状态信息，而且后期系统运维工作量和费用相对传统方式也大大降低。
[0005] 对于利用GPS浮动车技术采集交通状态信息，该方法的优点是充分依托现有城市浮动车的规模效应，即能完成城市内所有道路的实时交通数据采集，但是该方法在有些情况下存在一个明显缺点，即目前存在的GPS浮动车系统所采集的道路信息主要是基于路段上单个转向方向的交通状态或者多个转向方向混杂一起的交通状态，即没有区分路段直行、左转或者右转情况下的平均行程车速，这样造成了通过该方法统计出来的交通状态在有些情况下是不精确的，同时无法很好支持交通信息服务中的重要内容，如道路路径行程时间估计等应用。
发明内容[0006] 本发明的目的是提供一种在将路段直行、左转或者右转情况加以区分的基础上计算平均行程车速的方法。
[0007] 为了达到上述目的，本发明的技术方案是提供了一种基于浮动车数据计算路段各转向平均行程车速方法，其特征在于：[0008] 步骤1、构建适用于GPS交通信息处理的区域i的GIS电子地图，区域i的每条道路用有向路段表示，每个道路交叉口用节点表示，有向路段集合和节点集合构成了GIS电子地图；[0009] 步骤2、以固定的时间周期间隔T获取某一时间段内区域i所有GPS浮动车的GPS 实时数据，一个GPS实时数据定义为一个GPS点，将每辆GPS浮动车所对应的所有GPS点按照时间顺序排列构成一个GPS点集；[0010] 步骤3、计算每个GPS点集的空间重心点位置，以空间重心点位置为圆心，L为直径作圆，每个圆在GIS电子地图上所覆盖区域内所有的有向路段构成了一个GPS点群待匹配路段集合，每个GPS点群待匹配路段集合对应一个GPS点集，将GPS点集中的每个GPS点向与该GPS点集相对应的GPS点群待匹配路段集合中的各个有向路段进行空间投影得到投影距离，选取投影距离最小的有向路段作为每个GPS点的匹配路段，得到每辆GPS浮动车在区域i所对应的所有匹配路段；[0011] 步骤4、判断每辆GPS浮动车在其对应的每条匹配路段上的转向状态，并计算行程速度，转向状态至少包括直行、左转及右转，根据相同匹配路段上具有相同转向状态的所有GPS浮动车的行程速度得到每条匹配路段上不同转向状态的平均行程速度，其中，判断第j 辆GPS浮动车在其对应的每条匹配路段上的转向状态的步骤为：[0012] 步骤4B.1、将第j辆GPS浮动车所对应的第x个GPS点集中的第一个GPS点设为当前GPS点；[0013] 步骤4.B.2、将与当前GPS点相邻的下一个GPS点设为中间GPS点，判断当前GPS点与中间GPS点是否对应同一匹配路段，若是，将与中间GPS点相邻的下一个GPS点设为新的中间GPS点重新开始步骤4.B.2，若否，则将中间GPS点设为终点GPS点，进入步骤4.B.3；[0014] 步骤4.B.3、判断当前GPS点与终点GPS点所分别对应的匹配路段的道路联通情况，若为直接相连，则将两段匹配路段作为与当前GPS点所对应的匹配路径，否则，根据道路联通关系在GIS电子地图上搜索两段匹配路段之间所有的可能路径，在所有可能路径中选取最短距离的路径作为当前GPS点所对应的匹配路径；[0015] 步骤4.B.4、在匹配路径中找到与当前GPS点所对应的匹配路段直接相连的有向路段，将匹配路段设为当前路段方向，将有向路段设为下游路段方向，计算计算当前路段方向与下游路段方向的夹角值，根据夹角值判断第j辆GPS浮动车在当前GPS点所对应的匹配路段上的转向状态；[0016] 步骤4.B.5、将终点GPS点设为新的当前GPS点，返回步骤4.B.2重新执行，直至遍历第j个GPS点集中的每一个GPS点。