[发明专利]一种基于时空相似度的车辆轨迹推算方法

说明书

本发明提供一种基于时空相似度的车辆轨迹推算方法，所述方法的具体步骤如下:S1、将车速数据与四维图新路网融合，计算道路网络空间相似度,并得到具有车速信息的四维图新导航级线路网络；S2、对卡口捕获的车牌识别数据进行错误剔除，还原所有车辆途径卡口点，生成所有车辆的单程出行链；S3、计算卡口间所有行车路径和时耗数据集，从空间维度计算所有轨迹的路径发生概率；S4、通过近邻算法计算每段路径的时耗相似度，从时间维度得到时耗发生概率，将可能性最高的轨迹判定为卡口间实际轨迹。本发明提供的方法综合考虑路径空间维度和时间维度两个方面，能针对不同的路况计算出更准确的匹配结果，可以真实、客观的了解车辆的来源和去向。

技术领域

本发明涉及城市智慧交通领域，该领域是新一代信息技术在城市交通规划、建设和治理中的具体应用，尤其是一种基于时空相似度的车辆轨迹推算方法。

背景技术

道路卡口设备记录经过卡口的所有车辆时间和车牌号信息，通过卡口数据可以推算出车辆行驶轨迹，卡口采集的数据可以真实的反应交通出行量和道路断面流量，为交通规划研究和道路设计提供数据支撑，在交通出行分析研究中具有重要作用。

为构建最佳车辆轨迹，目前很多轨迹推算方法基于最短路径原则获得车辆轨迹，该方法未考虑实际路况行驶状态，在道路拥堵情况下，车辆行驶速度慢，此时车辆可能根据会实时路况切换至畅通路段，因此，最短路径并未考虑实时路况情况，可能与实际轨迹不一致。

目前主要通过抽样调查的方式获取交通出行量和道路断面流量数据，该方式由于抽样的形式和主观判断会导致一定的误差。基于卡口数据重构车辆轨迹可以获得车辆的真实路径，从而获得交通出行量和道路断面流量。但现有技术中基于最短路径重构轨迹的方法缺乏对实际路况的考虑，导致轨迹匹配结果不精确。近年来，北京、上海、广州和深圳四大一线城市以及杭州、天津、南京等新一线城市均大力推进建设城市智慧交通系统，车辆轨迹推算方法作为智慧交通领域若干关键核心技术之一，应用前景十分广阔。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于时空相似度的车辆轨迹推算方法，本发明引入高德实时车速数据，计算不同时段经过道路的时间，通过基于高德车速计算的道路通行时间与车辆经过卡口的时间相似度匹配，综合考虑空间路径发生的概率和轨迹时间相似度两个方面，最终得到最可能发生的轨迹。本发明的基于时空相似度的车辆轨迹推算方法，能针对不同的路况计算出更准确的匹配结果，可以更加真实、客观的了解车辆的来源和去向，为交通规划研究和道路设计提供精确的数据支撑。

本发明的技术方案如下，一种基于时空相似度的车辆轨迹推算方法，所述方法的具体步骤如下:

S1、将车速数据与四维图新路网融合，计算道路网络空间相似度，所述相似度包括位置相似度、形状相似度和拓扑相似度，所述位置相似度通过Hausdorff距离度量，所述形状相似度通过道路长度来度量，所述拓扑相似度通过道路弧段上结点关联弧段的数量来衡量，并得到具有车速信息的四维图新导航级线路网络；

S2、对卡口捕获的车牌识别数据进行错误剔除，还原所有车辆途径卡口点，基于区间间断法识别出单次出行轨迹的起点、终点以及途经点位和时间，生成所有车辆的单程出行链；

S3、计算卡口间所有行车路径和时耗数据集，结合路口数量、转弯次数和道路长度，对权重进行估算，从空间维度计算所有轨迹的路径发生概率；

S4、通过近邻算法计算每段路径的时耗相似度，从时间维度得到时耗发生概率；即通过对比基于时空对应的车速计算轨迹时耗和实际时耗的相似度，计算轨迹时耗发生的概率；同时估算路径与时耗的发生权重，计算卡口实际轨迹发生的概率，将可能性最高的轨迹判定为卡口间实际轨迹。

优选地，所述步骤S1具体包括:

S1.1、四维图新路网预处理