论文部分内容阅读
车辆出行路径包含着丰富的交通出行与状态信息,通过对城市路网中所有车辆的出行路径进行提取、挖掘和分析,可以获取全路网的交通运行状态,再现交通运行场景,为分析城市车辆的分布规律和动态出行特征提供必要支持。随着计算机技术、网络技术、通信技术、大数据技术的不断发展和城市智能交通系统建设不断完善,使得全天候、大规模、自动化获取交通数据成为现实。目前,城市路网中的车牌自动识别系统每天都在获取数以百万计的车牌识别数据,但车牌识别数据主要用于车辆超速测量、车辆出入管理、交通违章监控等应用层面,对于出行路径、出行规律、出行分布等微观交通特性的研究较少,因此,为了丰富车牌识别数据的应用范围,本文提出一种基于车牌识别数据的车辆出行路径提取方法。
首先设计出关联车牌识别数据、路网数据和检测卡口点位数据的关系数据库对数据进行管理和批处理,数据库包括车牌识别数据表、检测点位信息表、路段信息表和交叉口信息表4个表。然后对同一个检测卡口中存在多个检测设备的情况,将这些不同检测设备生成的车牌识别数据统一合并行成一个总的数据文件,以检测卡口ID统一标记编号。对不符合规格的异常车牌识别数据进行识别和处理,以最大限度地满足路径提取的基本需求。在此基础上,通过建立检测卡口可行关系网络,获取检测卡口之间的直接连接关系和相连路径。再对车牌识别数据按照车牌号、经行时间查询出车辆经过检测卡口的时间序列,并通过相邻检测节点的路径行驶速度完成检测卡口时间序列异常判断,检测卡口时间序列异常主要包括漏检时间序列、同一车辆多次出行混合序列、多车混合序列,对于多车混合序列和单点序列采取删除操作,对同一车辆多次出行混合序列进行拆分,对漏检序列进行序列补全。对于漏检序列,本文设计了基于频繁模式挖掘和基于多目标决策2种方法进行路径补全。经过上述过程,将正常的检测卡口时间序列利用检测卡口可行关系网络获得的检测卡口之间的连接路径将检测卡口序列依次相连,就可以得到车辆的出行路径。
最后,本文以桂林市的实际车牌识别数据对出行路径提取方法进行测试,结果表明:本文提出的基于车牌识别数据的车辆出行路径提取方法能够很好的提取出车辆的出行路径,研究区域内的路径提取的综合准确率在90%以上。
首先设计出关联车牌识别数据、路网数据和检测卡口点位数据的关系数据库对数据进行管理和批处理,数据库包括车牌识别数据表、检测点位信息表、路段信息表和交叉口信息表4个表。然后对同一个检测卡口中存在多个检测设备的情况,将这些不同检测设备生成的车牌识别数据统一合并行成一个总的数据文件,以检测卡口ID统一标记编号。对不符合规格的异常车牌识别数据进行识别和处理,以最大限度地满足路径提取的基本需求。在此基础上,通过建立检测卡口可行关系网络,获取检测卡口之间的直接连接关系和相连路径。再对车牌识别数据按照车牌号、经行时间查询出车辆经过检测卡口的时间序列,并通过相邻检测节点的路径行驶速度完成检测卡口时间序列异常判断,检测卡口时间序列异常主要包括漏检时间序列、同一车辆多次出行混合序列、多车混合序列,对于多车混合序列和单点序列采取删除操作,对同一车辆多次出行混合序列进行拆分,对漏检序列进行序列补全。对于漏检序列,本文设计了基于频繁模式挖掘和基于多目标决策2种方法进行路径补全。经过上述过程,将正常的检测卡口时间序列利用检测卡口可行关系网络获得的检测卡口之间的连接路径将检测卡口序列依次相连,就可以得到车辆的出行路径。
最后,本文以桂林市的实际车牌识别数据对出行路径提取方法进行测试,结果表明:本文提出的基于车牌识别数据的车辆出行路径提取方法能够很好的提取出车辆的出行路径,研究区域内的路径提取的综合准确率在90%以上。