一种无检测器路段交通流数据的测量方法及装置制造方法
【专利摘要】本发明公开了一种无检测器路段交通流数据的测量方法及装置。利用数据收集模块收集无检测器路段的周边路段的交通流数据；利用关键点选择模块选择对目标路段交通流数据测量影响最大的周边路段设为关键节点；利用模型构建模块根据周边路段与无检测器路段交通流数据之间的相关性以及无检测器路段交通流数据时间上的相关性，构建时空模型；利用数据计算模块根据所述关键节点的交通流数据利用所述时空模型计算出无检测器路段的交通流数据。本发明根据无检测器路段的交通流数据与周边路段交通流数据在空间上及时间上的相关性来构建时空模型，并根据选择的关键节点的交流数据利用时空模型计算出无检测器路段的交通流数据。计算量小，效率高，实用性强。
【专利说明】一种无检测器路段交通流数据的测量方法及装置
【技术领域】
[0001]本发明涉及城市道路交通流监测领域，具体地说，是一种无检测器路段交通流数据的测量方法及装置。
【背景技术】
[0002]交通流数据获取技术为诸多交通应用，无论是交通规划，还是交通控制、交通诱导等提供了最基础、最丰富的数据来源，是交通状态评价和预测理论体系中不可或缺的部分。
[0003]城市道路交通流数据获取是指利用各种设备、技术手段对交通流运行过程中的静态和动态数据进行采集、处理的过程。目前，对交通流数据的获取主要有两种手段:非自动采集技术和自动采集技术。非自动采集技术的主要特点是需要人的干预才能完成采集的手段，如人工采集法、试验车调查法等。而自动采集技术一般是指依赖交通流检测设备对移动车辆进行监测，从而实现交通流参数采集的手段。自动采集技术可以通过通信设备将采集的数据实时上传到数据中心，是最为主要的交通流数据采集手段。根据检测器的布设位置，可以将自动采集技术分为固定型采集技术和移动型采集技术。
[0004]固定型采集技术是指通过固定在某一地点的检测设备实现对交通流数据采集的技术，对应的检测设备称为固定性检测器，如常见的环形线圈检测器、微波检测器、超声波检测器、红外线检测器、磁性检测器、视频检测器等。固定型检测器采集的数据主要是是地点断面的流量、平均速度和时间占有率等基本交通流参数。特别地，固定型检测器的固定性，使得路网中检测器的空间布置密度对交通流数据是否能够全面获取有显著的影响。
[0005]移动型采集技术是指运用安装有特定设备的移动车辆检测道路上的固定标识物来采集交通流数据的方法的总称。移动型采集技术主要针对的是行程路段的交通流数据，采集的数据主要是行程时间和行程速度。
[0006]目前常见的移动采集技术主要包括基于浮动车的采集技术、基于手机位置的采集技术、基于电子标签的采集技术和基于车牌识别的采集技术，其中以基于浮动车的采集技术应用最为广泛。
[0007]基于浮动车的采集技术是利用车辆上安装的GPS设备以一定的采样间隔记录车辆的位置坐标和时间数据，经过重叠分析，计算出车辆的瞬时速度及其通过特定路段的行程时间和行程速度。若在给定时段内有多辆车经过特定路段，则可以得到该路段的平均行程时间和行程速度。基于手机位置的采集技术与此类似，主要区别是通过手机的通信基站确定车辆的位置坐标。基于电子标签和基于车牌识别的采集技术是在每条路段的特定位置设置标示，通过比较同一个标签或车牌通过相邻两个标示的时间，进而确定该车辆在该路段上的行程速度和行程时间。若在给定时段内有多辆车经过特定路段，则可以得到该路段的平均行程时间和行程速度。虽然各种移动型采集技术的工作原理和系统架构可能存在较大的差异，但若要保证检测数据的精度和可靠度，需要保证路网中有足够的检测车辆的存在。
[0008]在实际城市道路交通系统中，固定型采集技术和移动型采集技术是同时存在的。如北京市道路实时交通流数据主要来自两个方面:分布在快速路和主干道上的环形线圈、微波等固定型交通流检测设备；遍布城区街道的10000多辆安装有GPS设备的出租车。这两种采集技术相互补充、相互支持，丰富了交通流数据采集的内容，同时提高了交通流数据采集的覆盖范围。
[0009]目前，随着城市经济的发展，为了解决交通拥堵问题，城市路网基建项目越来越多，城市路网密度越来越大，路段和交叉口越来越多，由于成本的原因，交通流检测器仅部署在主要道路和交叉口，这种有限范围的布局，导致城市道路网中存在着一定的“真空”地带。此外，由于交通流检测设备故障或其他原因，导致采集的交通流数据序列可能出现缺失。因此，对这两种情形下的交通流数据获取技术进行研究具有重要的理论和现实意义。
【发明内容】
[0010]本发明要解决的技术问题是提供一种可以获取没有交通流检测设备的路段及有设备故障的路段的交通流数据的无检测器路段交通流数据的测量方法及装置。
[0011]为了解决上述技术问题，本发明提供了一种无检测器路段交通流数据的测量方法，包括:
[0012]A、收集无检测器路段的周边路段的交通流数据；
[0013]B、选择对目标路段交通流数据测量影响最大的周边路段设为关键节点；
[0014]C、根据周边路段与无检测器路段交通流数据之间的相关性以及无检测器路段交通流数据时间上的相关性，构建时空模型；
[0015]D、根据所述关键节点的交通流数据利用所述时空模型计算出无检测器路段的交通流数据。
[0016]进一步地,所述步骤B具体包括:`
[0017]B1、计算无检测器路段的周边路段的交通流数据与无检测器路段的交通流数据之间的Pearson相关系数；
[0018]B2、采用前向逐步回归分析法选择出对目标路段交通流数据测量影响最大的周边路段设为关键节点。
[0019]进一步地,所述Pearson相关系数由以下公式计算得到:
【权利要求】
1.一种无检测器路段交通流数据的测量方法，其特征在于，包括: A、收集无检测器路段的周边路段的交通流数据； B、选择对目标路段交通流数据测量影响最大的周边路段设为关键节点； C、根据周边路段与无检测器路段交通流数据之间的相关性以及无检测器路段交通流数据时间上的相关性，构建时空模型； D、根据所述关键节点的交通流数据利用所述时空模型计算出无检测器路段的交通流数据。
2.根据权利要求1所述的无检测器路段交通流数据的测量方法，其特征在于，所述步骤B具体包括: B1、计算无检测器路段的周边路段的交通流数据与无检测器路段的交通流数据之间的Pearson相关系数； B2、采用前向逐步回归分析法选择出对目标路段交通流数据测量影响最大的周边路段设为关键节点。
3.根据权利要求2所述的无检测器路段交通流数据的测量方法，其特征在于，所述Pearson相关系数由以下公式计算得到:
4.一种无检测器路段交通流数据的测量装置，其特征在于，包括: 数据收集模块，用于收集无检测器路段的周边路段的交通流数据； 关键点选择模块，用于选择对目标路段交通流数据测量影响最大的周边路段设为关键节点； 模型构建模块，用于根据周边路段与无检测器路段交通流数据之间的相关性以及无检测器路段交通流数据时间上的相关性，构建时空模型； 数据计算模块，用于根据所述关键节点的交通流数据利用所述时空模型计算出无检测器路段的交通流数据。
5.根据权利要求4所述的无检测器路段交通流数据的测量装置，其特征在于，所述关键点选择模块包括: Pearson相关系数单元，用于计算无检测器路段的周边路段的交通流数据与无检测器路段的交通流数据之间的Pearson相关系数； 关键点选择单元，用于采用前向逐步回归分析法选择出对目标路段交通流数据测量影响最大的周边路段设为关键节点。
6.根利权利要求5所述的无检测器路段交通流数据的测量装置，其特征在于，所述Pearson相关系数由以下公式计算得到:
【文档编号】G08G1/01GK103854479SQ201210508941
【公开日】2014年6月11日 申请日期:2012年12月4日 优先权日:2012年12月4日
【发明者】丁青艳, 孙占全, 潘景山, 刘威 申请人:山东省计算中心