[发明专利]一种考虑路段相关性的路径行程时间可靠度计算方法

说明书

本发明公开了一种考虑路段相关性的路径行程时间可靠度计算方法，属于智能交通技术领域。包括以下几个步骤：1)采集路网交通状态信息并预处理；2)将速度数据转化成单位距离行程时间，并选择研究的路段和时间段；3)根据实际数据计算各路段的协方差矩阵；4)再生成较多的单位距离行程时间随机数，并还原成实际距离的行程时间；5)按路径加和路段行程时间得到路径可能的行程时间；6)将路径可能的行程时间按从小到大的顺序排序，得到任意可靠度所对应的行程时间，并根据可靠度或预算时间要求选择最佳出行路径。本发明可以解决现有行程时间拟合方法用于城市道路时的误差过大问题，可实现更准确的行程时间估计和可靠度评价。

技术领域

本发明公开了一种考虑路段相关性的路径行程时间可靠度计算方法，属于智能交通技术领域。

背景技术

随着世界经济的发展和科学技术的进步，作为人们政治、经济和文化活动的中心的城市也不断地扩张和延伸，人们的活动范围也变得越来越广。城市交通给人们的出行带来巨大便利的同时，也可能会因为交通拥堵等种种突发状况引起不可估量的损失。所以人们在出行规划时，愈来愈重视如何选择一条最有可能在最短时间内到达的路径，而不再以路程的长度作为路径选择的唯一标准。

现实中路网的状态是实时变化的，传统静态网络的路径选择问题并不能够很好地在时变的交通状态下规划出行程时间最短的路径。而随机网络下的路径选择问题可以更准确地模拟现实交通路网的多变性和随机性，在此基础上进行路径选择，具有一定的现实意义。在随机网络中，路段的行程时间不是固定的值，而是一个随机变量，服从某一分布。这一分布可以表征同一时间段内经过该路段的车辆的行程时间的可能性。每个路段的行程时间分布形式可由真实路网中采集的实际速度数据进行分析拟合得到。通常会用某一标准分布拟合，如正态分布、对数正态分布、伽马分布、威布尔分布等。但城市道路车流量波动大，路网错综复杂，且交通状态会实时受到交通信号的控制，所以实际采集的数据往往不能用某一标准分布很好地拟合。再者，实际采集的数据受到路网中检测器数量的限制，往往数据量较小，因此，有必要进行行程时间的再生成，来得到更完整的行程时间分布，以更准确地计算路段及路径的行程时间。

蒙特卡洛(Monte Carlo)方法，又称随机抽样或统计试验方法，是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。由于传统的标准分布曲线拟合不能逼近真实的行程时间分布，很难得到满意的结果，而蒙特卡洛方法能够准确地模拟实际行程时间分布，故解决问题与实际非常符合，可以得到很圆满的结果。

发明内容

本发明目的在于克服现有相关技术中的不足，提供一种考虑路段相关性的路径行程时间可靠度计算方法。与传统的路段及路径的行程时间拟合方法不同，本发明舍弃了用单一或混合的标准分布去拟合真实的分布形式，而是用蒙特卡洛仿真的方法，根据在路网中采集到的实际数据再生成新的行程时间随机数，来表征完整的行程时间分布，并充分考虑了路段之间的相关性。如此一来就能对城市道路中交通状态复杂多变有良好的适应性。

本发明的一种考虑路段相关性的路径行程时间可靠度计算方法，包括以下几个步骤：

步骤一：通过路网中布置的浮动车采集路网中各路段的信息，包括速度、时刻、经纬度等，再进行数据清洗、地图匹配等预处理操作。

步骤二：将速度数据转化成单位距离行程时间，并选择研究的路段和时间段。

步骤三：根据研究时段内实际数据计算出各路段之间的相关系数，得到协方差矩阵。

步骤四：借助蒙特卡洛方法，利用实际数据和协方差矩阵再生成较多的单位距离行程时间随机数(如N个)，并按路段的实际长度还原成实际距离的行程时间。

步骤五：按照路径中包括的路段的顺序，依次相加各个路段的行程时间，得到N个该路径可能的行程时间。