关于浮动车数据中车辆排队长度的研究

关于浮动车数据中车辆排队长度的研究

0浮动车数据检测和排排系统优化动态车辆也称为gps跟踪车，是近年来国际智能网络系统（ios）中用于获取道路信息的先进技术手段之一。它具有方便、经济、覆盖范围广泛等特点。浮动车是由安装有车载GPS(全球卫星定位系统)设备,自由行驶在实际路段上的车辆构成,目前大部分浮动车是由正常运营的装有GPS设备的出租车构成。浮动车按照一定的周期通过无线通信向后台回传数据,数据包括车辆GPS(全球定位系统)设备编号、车辆位置坐标、瞬时速度、行驶方向角、回传时间等信息。后台计算机处理中心将浮动车数据进行汇总,经过特定的模型和算法处理生成反映实时路段情况的交通状态信息如:路段平均速度、行程时间、拥堵状态等,为交通管理部门和公众提供动态、准确的交通控制、诱导信息。在智能交通控制系统中,道路交叉口处车辆排队长度是关键的交通参数之一,可以为交通信号控制和管理提供非常重要的数据依据。目前常用的检测交叉口车辆排队长度的方法有2种:(1)通过视频检测技术测量交叉口的车辆排队长度,即通过固定摄像头得到的车辆排队的视频序列,综合利用车辆检测和运动检测来计算车辆排队长度。这种方式需要在交叉口安装检测设备,此外视频流检测排队长度容易受天气、光照、摄像头抖动等因素的影响。(2)通过建立基于统计的排队长度与信号灯配时、车辆到达率及交通量的关系模型进行排队计算,这种方式需要大量实测数据,且模型移植性差。在现有技术中,还没有利用浮动车数据计算交叉口车辆排队长度的方法。本文首次提出一种基于浮动车数据计算车辆排队长度的方法,该方法首先通过路段匹配技术判断和提取出道路交叉口前正常排队等待通过的浮动车位置点数据;然后对浮动车停止点距离交叉口的位置密度分布变化进行2次统计计算,推算出交叉口车辆排队长度。本方法通过浮动车数据进行统计和计算,无需安装检测设备及人工进行大量的现场实测,可节省大量的人力物力。1浮动车数据的存储及计算浮动车传回的数据记录可分为2大类,一类是移动点浮动车数据,是为浮动车处于行驶状态、瞬时速度不为0时回传的GPS数据;另一类是停止点浮动车数据,是当浮动车处于停止状态、瞬时速度为0时回传的GPS数据。在交通管理部门的后台计算机中心浮动车信息数据库中存放有包括移动点、停止点在内的所有浮动车数据记录。当车辆在排队时处于停车状态,采用浮动车数据进行排队长度的计算需要使用停止点浮动车数据,而不能用移动点浮动车数据。车辆排队时处于停止状态,交叉口附近排队停止点浮动车数据与车辆排队状态存在有一定的联系。如何利用这些联系提取正常排队的车辆点,进行交叉口排队长度的计算是本文要解决的关键问题。浮动车数据中停止点数据有相当一部分是车辆在交叉口排队等待信号灯时产生的,这些停止点集中在路段交叉口附近,如图1所示,位置沿路段距交叉口距离由小到大排列,密度分布具有一定的规律性,是排队车辆的数据表现形式,因此我们可以利用这些停止点数据计算车辆排队长度。2车辆停止点和排放点设置本方法首先将停止点浮动车数据,即速度为0的数据匹配到交叉口路段上,提取出正常排队的车辆停止点,同时排除交叉口附近的非排队车辆停止点的干扰;然后以交叉口为起点,按照到交叉口距离从近到远的顺序排列。分段统计路段上单位长度内排队车辆点的密度分布,设定判断条件确定排队队尾位置,推导出某一时间段内交叉口的最大排队长度。2.1地图匹配方法速度为0的数据在地图匹配时需要采用特殊的处理方法,这是由于常规的地图匹配方法是通过投影距离和车辆行驶方向与路段矢量方向差值加权的方法来进行地图匹配,判断出车辆行驶的路段。这种方法需要用车辆行驶方向的方位角作为主要参数,当浮动车的瞬时速度不是0时,其回传的GPS方位角是准确的,可以用常规的方法进行地图匹配,当浮动车的瞬时速度是0时,其回传的GPS方位角是不准确的,因此不能用常规的方法进行地图匹配。本文采用了一种新的匹配方法来进行交叉口前车辆正常排队停止点数据的提取。零速度点的地图匹配不仅是对交叉口处有效排队停车点的提取,同时需要排除附近路段上的非排队停车点如上下客、路边待客等引起的停车干扰。交叉口排队停止点主要集中在靠近交叉口的道路附近,如图1所示,这样可以通过停车点与路段的位置关系进行排队停车点的初步判断;此外由于浮动车车辆上传周期较短,单位时间内同一个车辆在同一条路段上通常会有一系列连续的和路段矢量方向一致的轨迹点,因此通过将初步判断得到的停车点与同一车辆在同一路段的已经匹配成功的非零移动点数据进行比对,可以进一步判断停车点的匹配的正确性,确定排队停车点。零速度点的地图匹配分2步进行,(1)初次匹配,用点和路段的位置关系对路段上靠近交叉口的停止点进行初步判断,但是不能保证这些零速度点就一定属于该路段上,需要下一步验证过程。(2)第2次匹配,采用回查的方式判断停止点数据,即将停止点与同一路段上同一车辆已经匹配成功的移动点相比较确定正常排队停止点。如果该零速度点浮动车能够找到另一个已知的属于该路段且行驶方向一致的点,则可以判定它也属于该路段。具体的零速度点匹配方法如下:假设所有移动点浮动车数据已经通过常规的地图匹配方法完成了路段的匹配。(1)停车点的垂直距离用停车点与路段的偏移范围初步判定属于该路段的停车点,将停车点初步匹配到路段上。设定点到路段距离的最大允许偏差值D,该值通常与GPS的定位精度值和所采用的地图精度有关,根据GPS定位精度和地图精度的情况,取最大允许偏差值在10m到40m之间范围;已知停车点i的坐标,每个路段的地理位置坐标和矢量方向(与车辆行驶方向一致),计算该停车点与各个路段间的垂直距离。按照点到线的距离公式,可以计算出路段上第i个车辆停车点到路段的垂直距离di。如果点和路段距离di小于最大偏差值D,|di|<D,初步判断点属于路段Ri。(2)该路段所存在的移动点属性采用与该零速度点同一路段上已经匹配成功的同一车辆的非零速度点相比较。如果在同一路段有同一移动数据点存在,则该点属于该路段。从该路段属性表中读取已经匹配到该路段的移动点设备ID号集{ID1,ID2,ID3,…,IDn},判断IDi是否属于{ID1,ID2,ID3,…,IDn};如果IDi∈{ID1,ID2,ID3,…,IDn},则找到和它相同的移动点ID号,该点为正常排队点。2.2计算排第一通道长以确定车辆排气排队长度计算的基本原理是对时间段内排队车辆的密度分布进行统计分析,设定最佳判断阀值条件,计算出车辆的排队长度。已知交叉口路段地理位置和矢量方向,交叉口排队各车辆位置坐标已在2.1中计算得知。(1)停车点到交叉口路段终点的距离根据地图上交叉口路段的地理位置和矢量方向可知交叉口处路段的终点坐标(路段与交叉口交点)。按照点到点距离公式,可以计算出路段上每个车辆排队停车点到交叉口路段终点的投影距离。假设交叉口路段终点坐标为A(x,y),路段上的任一排队停车点i点的坐标为Pi(xi,yi)。i点到路段终点的距离为:Li=(yi−y)2+(xi−x)2−−−−−−−−−−−−−−−−−√。Li=(yi-y)2+(xi-x)2。对上一步得到的各个浮动车排队停车点按照距交叉口距离从小到大的顺序进行排列为:(C1,C2,C3,⋯,Cn)。(C1,C2,C3,⋯,Cn)。(2)计算排第一车各自通过观察分析得知车辆交叉口排队在某一时间段内,车车之间车距较小,因此排队队列中单位间隔内车辆数呈现一定规律变化(数量变化不大),但是到接近队列末端时,单位间隔内车辆数减小趋近于0。根据这一密度分布规律,我们从交叉口处沿路段反方向设置连续的等距离间隔,通过判断各个间隔内的车辆个数找到距离间隔内车辆最少的位置,即排队的队列末端,以此来计算排队长度。我们定义这个等距离间隔为等距间隔长度。等距间隔长度值的选取非常重要,实际选取中应通过比较在数据处理周期内浮动车单位长度内排队车辆密度分布之间的关系得到的最佳判断建议值。实际浮动车处理周期大于几分钟,而几分钟内随着信号灯的变化,会出现几次车辆排队情况,每次的排队长度基本变化不大,因此浮动车处理单位时间内车辆点在排队长度内车辆密度会增大。等距长度的选取应该保证在等距长度间隔内有一定数量的车辆。如果间隔长度过小,则间隔内车辆少,容易在队列中车辆分布密度小的位置造成判断错误;如果间隔长度过大,则容易导致排队长度超出实际长度。为了保证间隔中车辆有一定的数量,处理周期与等距间隔长度成反比关系,即数据处理周期越大,等距间隔长度选取减小。本文采用简单的方法选择等距判断长度值,通常一般小型车长度在4～5m,加上车辆间距2～3m,如果保持5～6台车的数量,等距判断长度应为20～30m,但是几分钟内会有多次排队,如果有3次排队,则应保持至少5台以上车辆,等距间隔长度应该减小,如取10m。定义等距间隔长度值D。(3)浮动车数量的确定第1次统计的目的对排队车辆密度分布情况有一个初步判断,找出排队间隔中2个密度较大的值,作为第2次统计密度判断的依据。以上面参考长度阀值D为第1次度量区间,对交叉口处路段上已排序的排队车辆数据列(C1,C2,C3,…,Cn)进行统计,统计出各个度量区间内浮动车的数量,直到出现连续2个度量区间内浮动车的数量为零。得到第1次等距间隔数据记录为(S1,S2,S3,…,Si,Si+1),其中S1为0到D距离之间的车辆数,S2为D到2D之间的车辆数,S3为2D到3D车辆数,…,Si=0,Si+1=0。(4)浮动车个数的计算第2次统计的目的是通过扩大等距间隔(度量区间),使密度分布更加平均,从而提高排队统计准确率,避免由于个别位置密度不均引起的计算失误。在第1次统计得到的等距间隔数据记录(S1,S2,S3,…,Si,Si+1)中提取出2个度量区间值,度量区间中浮动车个数最大值SA和浮动车个数次大值SB,对这2个度量区间中的浮动车数量进行相加求最大和S。S=SA+SB。S=SA+SB。以第1次等距长度间隔值的2倍2D作为第2次度量区间,以i·2D-D的间隔顺序对交叉口排队第1次等距间隔数据记录(S1,S2,S3,…,Si,Si+1)进行统计,其中i=0,1,…,n,依次统计出每个第2次度量区间内浮动车的第2次等距间隔数据记录为(S1+S2,S2+S3,…,Si-1+Si,Si+Si+1)。(5)浮动车数量的确定用最大和S与第2次度量区间内浮动车等距间隔数据记录(S1+S2,S2+S3,…,Si-1+Si,Si+Si+1)中每个度量区间的浮动车数量比较,直到第1次出现度量区间内浮动车的数量小于最大和的1/4,则取该度量区间的中间值为排队长度值。定义第i个等距间隔数据记录的车辆数为R(Si+Si+1),假如R(Si+Si+1)<S/4,则排队长度为Si+1车辆距交叉口的距离iD。3爱街确定段浮动车比例下面用沈阳市文化路和五爱街交叉口2008年10月29日9:40至10:00,20min内的浮动车数据计算交叉口排队长度,对本文的方法进行说明验证。图1表示文化路和五爱街十字交叉路口附近20min内浮动车传回位置点的分布情况,该路口由路段1、路段2、路段3组成,黑色小圈代表浮动车停车位置点。由图1可以看到,路段1附近停车点向靠近十字交叉路口区域集中,而向右方向车辆点稀疏,这说明这些车辆在正常排队等待信号灯。图1中的43个停车点浮动车回传了数据,每条停止点浮动车数据记录包括GPS设备编号、GPS位置坐标(GPS经度和纬度)、瞬时速度、行驶方向角及回传时间。(1)排除不在路段1上和路段2上的车辆点经过与路段1的地图匹配和正常停车点的判断,排除了不在路段1上和路边非排队的车辆点。表1是经过2.1节计算后提取的交叉口正常排队停车点按照距交叉口的距离从小到达排序的记录表。(2)密度统计结果取等距间隔长度值D=10m,按照本文描述的方法对上面停车点浮动车的数量进行第1次统计,统计出各个第1次度量区间内的浮动车的数量,直到出现连续2个度量区间内浮动车的数量为零。即统计距交叉口每间隔10m内的车辆密度,车辆密度统计结果放入表2,排队车辆第1次统计结果见表2。在表2中第1次度量区间中第1项,0～10m之内,车辆个数为0,这是由于地图数据中路段1终点(路段1与路段3的交叉点)位置和实际交通规划的停车线位置不一致,而排队长度是以停车线处为起点计算的,因此车辆排队时道路交叉口到停车线之间没有车辆。两者之间通常相距10m左右距离,所以实际计算中需要将距交叉口实际距离减少10m得到距停车线实际排队长度。这也说明本算法进行车辆排队长度计算是符合实际道路情况的。(3)两组之和及最大s在第1次等距间隔数据记录表中取最大和次大值并求和,第1次度量区间内最大的车辆台数为5,次大的车辆台数为4,两者之和为S=5+4=9。对停止点浮动车的数量进行第2次统计,参考长度阀值的2倍2×10作为度量区间,以i×2×10-10的度量区间为间隔对浮动车到交叉口排队序列中的浮动车的数量进行统计,其中i=1,2,3,…,n,依次统计出每个度量区间20m内的浮动车的数量,将统计结果放入排队车辆第2次统计结果表中,如表3所示。(4)排放系数用最大和S=9与排队车辆第2次统计结果表中的每个度量区间的浮动车数量比较,直到出现度量区间内浮动车的数量小于最大和的1/4,则取该度量区间的中间值为排队长度值。通过比较80～100m内车辆数为1,最大和9的1/4大于1,由此可以确定最大排队长度在80～100m之间,即90m为最大排队长度。车辆排队密度的分布图能够比较直观的反映排队车辆的密度分布,分布图如图2所示,以距交叉口距离为横坐标,车辆数为纵坐标,以20m为递增量统计每i×2D-D内的车辆数,可以得到图2所示的分布曲线,我们注意到车辆密度分布随