[发明专利]一种基于数据场和节点压缩的重点路口识别及子区划分方法

说明书

本发明涉及一种基于数据场和节点压缩的重点路口识别及子区划分方法，本发明基于静态与动态多源数据，构建路网对象立体数据模型，并基于路网对象立体数据模型构建虚拟数据场来挖掘路网中对象与对象之间的相互影响关系，并最终实现对象与对象之间的相互融合，达到交通子区划分及重点路口识别的目的。本发明综合分析路网对象自身数据属性与其依赖、影响对象之间的数据关联性，从而实现正确的子区划分与重点路口识别，降低了路网系统中子区与子区划分时的人为主观性的缺点以及提高重点路口识别的准确性，为交通治理提供了有效的数据支持。

技术领域

本发明涉及智慧交通领域，尤其涉及一种基于数据场和节点压缩的重点路口识别及子区划分方法。

背景技术

在交通治理中，划分交通子区以及识别重点路口是其中非常重要的一个环节，关系到交通治理的效率以及最终结果。由于受到工作人员的精力限制和路口数量巨大的影响，无法对每个路口进行精确和认真的控制，故需要识别重点路口进行精确和严格的调控；且在一定区域内的若干个路口间往往存在路口属性上的相似性，工作人员往往对这些路口进行统一的调控，来达到综合治理某个区域的目的，因此，人们会将整个路网系统切割为多个交通子区，在相应的交通子区中做统一的路口调控，提高交通治理的效率。

然而，虽然这种方法在各地的交通治理中进行频繁的应用，但往往收益欠佳。究其根本，在重点路口的识别和交通子区的划分上，通过报警数据将报警频繁的若干路口检测出来，划分为重点路口，并在此基础上将这些重点路口进行组团融合，再进行地理信息上聚合，以此作为划分交通子区的依据。此种方法虽然在报警层面对数据进行了应用，但是没有综合考虑速度，流量，饱和度等其他动态数据，数据使用单一。且在子区划分上，忽略了系统中对象之间的隐藏关联关系。

所以，需要对当前路网系统的多源数据进行统一的分析，挖掘出数据之间的隐藏联系，以此将真正拥有同一属性的对象划分为同一区域才是对路网本质上进行切割。因此，需要设计一种多源数据，通过数据挖掘来发现路网中对象与对象之间的相互影响关系，并最终实现对象与对象之间的相互融合的方法。

在现有的研究中，国内外专家在重点路口识别方面往往过分着眼于某个路口，某条路段本身的数据在时间上的变化，但却往往忽略路口与路口，路段与路段之间的相互依赖，相互影响关系。且在子区划分的问题上，往往将路口作为一个独立的个体分别讨论其归属问题，但却忽略了个体与个体之间隐藏在数据中的链接关系。所以，需要在研究单个对象自身属性变化的同时着眼于其他个体，挖掘其数据之间的深层关系，综合评判最终子区归属。

发明内容

本发明为克服上述的不足之处，目的在于提供一种基于数据场和节点压缩的重点路口识别及子区划分方法，本发明基于静态与动态多源数据构建路网对象立体数据模型，并基于路网对象立体数据模型构建虚拟数据场来挖掘路网中对象与对象之间的相互影响关系，并最终实现对象与对象之间的相互融合，达到交通子区划分及重点路口识别的目的。本发明综合分析路网对象自身数据属性与其依赖、影响对象之间的数据关联性，从而实现正确的子区划分与重点路口识别，降低了路网系统中子区与子区划分时的人为主观性的缺点以及提高重点路口识别的准确性，为交通治理提供了有效的数据支持。

本发明是通过以下技术方案达到上述目的：一种基于数据场和节点压缩的重点路口识别及子区划分方法，包括如下步骤：

(1)基于多源数据构建综合场景、路口、时间的路网对象立体数据模型；

(2)基于路网对象立体数据模型构建得到综合场景、路口、时间的综合距离模型；

(3)构建路网对象数据质量计算模型；

(4)进行路网对象聚合与路口节点压缩及子区划分，并同时输出交通子区；

(5)对交通子区中各个路口进行贝叶斯事件模型进行重点路口识别。

作为优选，所述步骤(1)包括如下步骤：

(1.1)构建路口的场景数据模型；