[发明专利]一种基于矩阵分解的路网交通状态时空特征分析方法

说明书

本发明公开了一种基于矩阵分解的路网交通状态时空特征分析方法，其能够直观反映路网交通状态在时间和空间上的变化特征，并且可以发现路网的拥堵易发区域和疏散较快区域。该方法包括步骤：(1)构造路网交通的时空数据矩阵；(2)考虑噪声因素和时序相似特性，对路网时空数据矩阵进行非负矩阵分解；(3)进行空间模式矩阵的聚类分析；(4)基于空间模式分类的路网交通状态时空特征分析。

技术领域

本发明属于智能交通的技术领域，具体地涉及一种基于矩阵分解的路网交通状态时空特征分析方法。

背景技术

城市道路交通状态的准确分析是掌握城市交通运行情况的关键。随着社会经济的突飞猛进，交通拥堵等问题日趋严峻，严重的道路拥堵问题会带来很多的负面问题，比如增加燃料的消耗、浪费出行人员的时间以及带来的环境污染问题等，这些题都会阻碍城市的发展,影响人们的日常生活。因此，解决交通拥堵问题迫在眉睫。准确的掌握城市道路交通状态是缓解当前交通问题的有效措施之一，通过有效缓解措施的实行，可以对交通道路的车流进行分流和诱导。

以往大多数对城市道路交通状态的研究集中在单一路口或某些路段，采用仿真数据、感应线圈数据、车牌识别数据等通过微观仿真、统计模型构建以及数据驱动的相关算法，从微观中观层面对交叉口、快速路或主干道进行交通状态分析，这些研究方式虽具有精确性和高效性，但未深入涉及大规模城市路网交通状态的复杂性，无法把握其时空特征，不利于对整个城市交通状况的宏观管控。近年来，随着通讯技术的快速发展，利用车载GPS设备以一定的时间间隔返回交通流参数的浮动车数据，在时间空间维度覆盖范围都很广，对于从宏观层面把握城市路网交通状态具有很强的适用性，为路网层级的研究提供了很好的数据支持，也逐渐成为大规模路网研究中主要且广泛应用的数据源。但由于城市路网的交通状态始终随着时间在空间上不断变化，呈现出高度的动态、随机、复杂性，获得的交通流时空数据具有多源、多维、海量、多尺度、多时相等性质，同时也为大规模路网的交通状态分析带来了新的挑战。

针对上述海量高维的大规模路网交通数据分析问题，部分研究利用数据驱动的方法，在保留路网足够多的信息的基础上，对路网交通状态高维数据进行精简，以便挖掘交通状态的时空演化特征。然而，目前对精简空间的分析侧重于路网交通状态的表达和交通状态的时间演化规律，很少能同时结合时间和空间结构对路网交通数据的降维过程进行优化，致使在一定程度上缺乏对路网交通状态的时空特征解读的能力。

发明内容

本发明的技术解决问题是：克服现有路网交通数据时空特征分析技术的不足，提供一种基于矩阵分解的路网交通状态时空特征分析方法，其能够以直观反映路网交通状态在时间和空间上的变化特征，发掘路网交通状态在时间和空间上的运行规律。

本发明的技术解决方案是：这种基于矩阵分解的路网交通状态时空特征分析方法，该方法包括以下步骤：

(1)构造路网交通的时空数据矩阵；

(2)考虑噪声因素和时序相似特性，对路网时空数据矩阵进行非负矩阵分解；

(3)进行空间模式矩阵的聚类分析；

(4)基于空间模式分类的路网交通时空特征分析。

本发明从宏观角度出发，将大规模路网看作一个整体进行分析，克服了大规模路网交通状态数据量大、维数高对分析手段的限制，运用改进的矩阵分解算法对路网交通数据进行降维处理，在保留足够时空信息的同时，降低了计算的复杂性。相比传统的分析方法，本发明对路网交通状态的分析同时达到了对时间和路段空间特征影响下的交通运行规律挖掘，不但有利于交通管理者对大规模路网进行宏观调控，还有利于实施对应的拥堵治理方法。

附图说明

图1是根据本发明的基于矩阵分解的路网交通状态时空特征分析方法的流程图。

具体实施方式