[发明专利]一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法

说明书

技术领域

本发明涉及移动位置服务、城市交通、移动互联网络技术，具体涉及一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法。 

背景技术

交叉口延误是交通工程学与交通地理信息系统领域的研究热点，对交通管理或出行信息服务至关重要。交叉口组织管理与控制优化是缓解现代城市交通拥堵，提高人们出行效率的主要手段之一。据北京市浮动车轨迹数据统计发现，对于城市日间出行过程，城市道路交叉口延误时间平均占出行时间的50％以上。准确计算交叉口延误可以辅助优化交叉口信号灯配时，提高交叉口通行能力，另一方面，掌握交叉口延误的时序变化规律可以辅助交通规划，提高交通管理与控制水平。此外，目前的导航系统和地图网站应用服务平台，出行路径规划算法基本上是以道路等级和长度作为依据来计算出行时间，提供出行路径规划参考结果，鲜有考虑实时路况，即使某些实验产品考虑了道路拥堵信息，也完全没有考虑道路交叉口延误。这使得几乎所有的导航产品和地图服务网站所给出的城市出行路径规划结果与出行实际体验很难相符，可用性大打折扣。如果获取了准确的交叉口延误信息，就可以得到更为准确的行程时间规划结果，提高导航系统、出行信息服务、在线地图及基于位置的服务(LBS)等的质量和可用性。 

然后，准确计算交叉口延误存在很多难点，主要原因在于道路交叉口延误的影响因素众多，如时间特征、转向类型、交叉口信号灯设置等。例如，同一个道路交叉口同一转向，早晚高峰期间交叉口延误与普通时段的交叉口延误可能差别很大；同一交叉口同一时段，不同的转向类型交叉口延误差别也很大；城市交叉口延误还可能受到职住分离等社会因素造成的交通潮汐现象的影响。鉴于交叉口延误的重要性，国内外研究学者进行过许多相关研究并提出了重要的机理模型，常用的交叉口延误计算模型有：Webster信号交叉口延误模型、HCM延误模型、心理延迟模型、基于排队论的交叉口耗费模型等。这些模型多属于理论模型的推导，在计算过程中需要考虑绿信比、饱和流量、饱和度、信号周 期等多种参数，而且受交通流量的影响比较大，计算的准确度不高。 

近年来定位技术(如GPS、RFID等)及网络技术(如移动互联网、车联网及物联网等)不断发展，移动终端迅速普及，实时获取海量的真实的移动对象出行轨迹数据成为现实，基于浮动车数据(floating car data)的城市主要道路实时路况采集系统已经得到了普及应用。同时，浮动车轨迹数据的出现也为交叉口延误的准确计算提供了数据驱动的可能解决方案。虽然浮动车轨迹数据可以用于交叉口延误计算，但是基于浮动车轨迹数据构建交叉口延误计算模型存在以下难点：(1)数据稀疏性问题：城市道路网络层次和密度不均衡性导致了路网中浮动车分布的异质性，而且以出租车为主的浮动车空间覆盖范围有限，势必带来浮动车数据稀疏问题。利用稀疏的浮动车数据进行交叉口延误计算是尚未解决的技术问题；(2)数据质量问题：受制于城市建筑密度、交通环境、电磁干扰、设备故障、移动通讯网络覆盖和运营成本的影响，浮动车上装载的GPS传感器不能保证时刻获取精确的高采样率的定位结果并进行实时传输，对浮动车轨迹数据质量产生影响。这些问题的存在使得虽然基于浮动车的城市道路实时路况发布已经普及，但目前还完全没有城市道路交叉口延误实时产品出现。 

为此，本专利针对上述问题，提出一种利用低采样率浮动车轨迹数据计算交叉口延误的方法。该方法通过引入主曲线插值理论，通过获取周围相邻时段的浮动车轨迹数据并进行合理插值，弥补浮动车轨迹数据稀疏或缺失的不足，从而实现利用低采样率浮动车轨迹数据计算交叉口延误的方法。 

发明内容

本发明的技术解决问题是：提出一种利用低采样率浮动车数据计算交叉口延误的方法，克服低采样率浮动车数据计算交叉口延误时的数据稀疏或缺失问题，实现从低采样率的浮动车轨迹数据中提取城市信号灯控制交叉口不同时间间隔内不同转向的通行时间延误，有效弥补传统的交叉口延误机理模型参数难以获取的缺陷，进而提高交叉口延误计算的准确度。 

本发明的技术解决方案为： 

获取低采样率浮动车原始轨迹数据，对数据进行存储和预处理； 

提取浮动车通过各交叉口的通行轨迹片段，并进行转向特征标识(左转、右转和直行)，构建浮动车交叉口转向记录数据集W； 

对浮动车交叉口转向记录数据集W进行转向延误计算，构建不同转向交叉 口延误估算数据集V； 

判断交叉口延误估算数据集V的数据规模及分布是否满足计算需求； 

如果满足计算需求，则直接利用平均值模型计算每一交叉口的不同时段不同转向的通行延误；