[发明专利]基于多向最优扩展的城市有向交通廊道识别方法有效
| 申请号: | 202210338622.X | 申请日: | 2022-04-01 |
| 公开(公告)号: | CN114758498B | 公开(公告)日: | 2023-06-20 |
| 发明(设计)人: | 石岩;李文轩;陈炳蓉;王达;邓敏 | 申请(专利权)人: | 中南大学 |
| 主分类号: | G08G1/01 | 分类号: | G08G1/01;G06F16/215;G06F16/29;G06F30/18 |
| 代理公司: | 长沙轩荣专利代理有限公司 43235 | 代理人: | 丛诗洋 |
| 地址: | 410000 湖南*** | 国省代码: | 湖南;43 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 多向 最优 扩展 城市 交通 廊道 识别 方法 | ||
1.一种基于多向最优扩展的城市有向交通廊道识别方法,其特征在于,包括:
步骤1,获取原始轨迹数据集,对所述原始轨迹数据进行数据清洗和路网匹配,利用时间槽提取特定时段的轨迹子集,对城市有向路网进行建模;
所述利用时间槽提取特定时段的轨迹子集的步骤具体包括:
设置时间槽,给定任一轨迹Trac={(pxC,1,pyC,1,tC,1,rC,1),…,(pxC,n,pyC,n,tC,n,rC,n)},若满足t1tC,1tC,nt2,则Trac属于时间槽[t1,t2],从全部轨迹数据中提取特定时间槽[t1,t2]内的所有出行轨迹Tra[t1,t2];其中,(pxC,n,pyC,n)表示时刻tC,n机动车C在路段rC,n的映射位置坐标;
所述对城市有向路网进行建模的步骤具体包括:
通过编程语言读取研究区域内的城市路网数据,进而提取城市路网的有向路段信息和有向拓扑信息;
所述有向路段信息rs表达为{(p1,1,p1,2,r1),…,(pi,1,pi,2,ri),…},其中(pi,1,pi,2,ri)表示现实世界中从点位置pi,1移动到点pi,2经过的路段是ri,若pi,2=pj,1或pi,1=pj,2,则rj和ri互为邻居路段;
所述有向拓扑信息topo表达为{(r1_1,r1_2,…,r1_h1),…,(ri_1,ri_2,…,ri_hi),…},其中(ri_1,ri_2,…,ri_hi)表示路网中ri的邻居路段集合;
步骤2,计算城市有向路网的流量值和依赖度,融合所述流量值和所述依赖度计算有向路段的核心度;具体包括:
根据所述轨迹子集Tra[t1,t2]和城市有向路段信息rs,依次统计时段[t1,t2]内所有城市有向路段流量,城市路网有向流量可表达为r_flo={…,flopi→pj,flopj→pi,…};其中,flopi→pj为任一有向路段(pi,pj)的流量值;
给定任一有向路段(pi,pj),提取轨迹子集Tra[t1,t2]中所有由路网节点pi经过路网节点pj的轨迹数量mpi→pj以及其轨迹长度之和lenpi→pj,居民出行对于有向路段(pi,pj)的依赖度deppi→pj计算为:
且城市路网中所有有向路段依赖度可表达为r_dep={…,deppi→pj,deppj→pi,…};其中,deppi→pj为任一有向路段(pi,pj)的依赖度;
给定任一有向路段(pi,pj)的流量值flopi→pj和依赖度deppi→pj,其核心度degpi→pj计算为:
其中,α表示流量指标权重;maxr_flo和minr_flo分别表示r_flo中最大值和最小值;maxr_dep和minr_dep分别表示r_dep中最大值和最小值;步骤3,根据所述有向路段的核心度确定种子路段,提取种子路段的所有邻居路段进行排列组合,探测出全部交通廊道,形成城市有向交通廊道网络;具体包括:
给定研究区域内所有有向路段集合,选择其中核心度最大的有向路段作为种子路段,提取种子路段的所有邻居路段进行排列组合形成一阶候选扩展域;
计算所有一阶候选扩展域和种子路段组合后的一阶统计量,将一阶统计量的最大值对应的一阶候选扩展域合并记为一阶交通廊道;
提取一阶交通廊道内路段的所有邻居路段,进行排列组合形成二阶候选扩展域,计算所有二阶候选扩展域和一阶交通廊道组合后的二阶统计量,若二阶统计量大于一阶统计量,将二阶统计量的最大值对应的二阶候选扩展域合并至一阶交通廊道记为二阶交通廊道,否则停止扩展;
停止扩展后输出一阶交通廊道作为研究区域内的一条城市交通廊道,删除有向路段集合内城市交通廊道含有的有向路段,直至探测出全部交通廊道。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210338622.X/1.html,转载请声明来源钻瓜专利网。





