[发明专利]一种基于视频过车数据的车辆轨迹预测方法及系统

说明书

本发明公开了一种基于视频过车数据的车辆轨迹预测方法及系统，该方法包括：采集过车数据，并提取过车数据中的有效字段信息；构建基础路网；根据采样时间对过车数据进行排序，形成每一辆车辆的采样时间段内的总出行链；依次两两提取相邻两个样本序列，并依据样本序列计算车辆经过相邻两个路口的行程时间，判定相邻两路口为出行链分割点，按照出行链分割点将总出行链分割为一系列的子出行链；根据子出行链计算每一辆车在每一路口的转向状态概率，得到转向概率矩阵；确定转向概率矩阵中最大的转向概率对应的路口为车辆行驶轨迹预测即将到达的路口。本发明避免了依赖于连续定位数据的不足之处，以实现任意车辆的出行行为特征分析。

技术领域

本发明涉及道路交通状态检测与管理技术领域，特别是涉及一种基于视频过车数据的车辆轨迹预测方法及系统。

背景技术

车辆行驶轨迹包含大量的车辆个体出行行为信息和宏观交通流信息，轨迹预测对交通管理具有重要的价值。一方面，车辆轨迹预测可以辅助宏观交通流运行态势判别，对交通拥堵估计、交通缓堵策略制定、行驶路径优化等方面具有参考意义，提高城市交通运行效率。另一方面，车辆轨迹预测可以为交管部门对违法违章车辆(如盗抢车辆、假套牌车辆、逾期未检车辆、排放超标车辆等)进行稽查布控提供依据，使违法车辆抓捕更有针对性，提高执法效率。

传统的车辆行驶轨迹判别及预测方法主要依赖于GPS数据，具有采样点空间连续性好、检测信息全面多样等优势。然而，在实际城市道路中，能够获取GPS行驶轨迹的车辆大部分为营运车辆，如公交车、出租车、物流车、客运车等，不能实现道路行驶车辆的全面覆盖，个体车辆由于无法获取其GPS数据而导致无法进行估计的预测分析。而对于个体违法违章车辆稽查布控分析时，传统的方式仍为采用人工查看视频、图片等资料的方法分析其历史行驶规律，从而实现某车辆在特定时间段和区域范围内的行驶轨迹估计。这种人工分析方法依赖于交警人员的经验，而且消耗大量的人力资源，效率低。

因此，如何避免传统方法依赖于连续定位数据的不足之处，以实现任意车辆的出行行为特征分析，为交管部门对重点车辆进行监管提供有效的依据，成为本领域亟待解决的技术问题。

发明内容

本发明的目的是提供一种基于视频过车数据的车辆轨迹预测方法及系统，能避免传统方法依赖于连续定位数据的不足之处，以实现任意车辆的出行行为特征分析，为交管部门对重点车辆进行监管提供有效的依据。

为实现上述目的，本发明提供了一种基于视频过车数据的车辆轨迹预测方法，所述方法包括：

采集过车数据，并提取所述过车数据中的有效字段信息；所述有效字段信息包括：检测器编号、检测时间、车牌号、路口号、进口道方向、车道号和下游路口号；

以交叉口为节点，以交叉口间的路段为连线，构建基础路网；

获取采样时间段内的所述基础路网中的所述过车数据，根据采样时间对所述过车数据进行排序，形成每一辆车辆的采样时间段内的总出行链；所述总出行链由包含所述车辆的有效字段信息的样本序列组成

依次两两提取相邻两个样本序列，并依据所述样本序列计算所述车辆经过相邻两个路口的行程时间，当所述相邻两路口的行程时间大于设定时间阈值时，判定所述相邻两路口为出行链分割点，按照所述出行链分割点将总出行链分割为一系列的子出行链；

根据所述子出行链计算每一辆车在每一路口的转向状态概率，得到转向概率矩阵；所述转向状态概率为实际检测到的车辆转向次数与总出行次数的比值；

确定所述转向概率矩阵中最大的所述转向概率对应的路口为车辆行驶轨迹预测即将到达的路口。

可选的，在所述形成每一辆车辆的采样时间段内的总出行链之后还包括：

根据所述基础路网中的路口间的直接连通关系，依次判别相邻两个所述样本序列是否存在路口缺失，当判别到出行链采样点缺失时，执行补偿及校验策略，得到补偿后总出行链。