[发明专利]一种基于车辆自动识别数据的城市路网车辆出行路径重构方法

权利要求书

1.一种基于车辆自动识别数据的城市路网车辆出行路径重构方法，其特征在于具体步骤如下：

（1）创建初始粒子群

建立初始粒子群，令其有x¹，x²，……，x^N个初始粒子，                                                表示为初始粒子群中所有初始粒子的先验概率，每个初始粒子代表一个车辆的可能出行路径；

在无历史信息条件下，所有粒子的初始概率定义为1/N；N代表初始粒子群的数目；确定交通网络小区后，采用优化的深度优先搜索方法，获得各小区之间所有可能路径；

（2）重要性采样

For i=1,2，……，N；

假设所有完整粒子的概率分布服从上一轮重要性采样后的密度函数;基于车辆路径轨迹的五大时空修正因子，共有五次重要性采样,分别为路径一致性采样、行程时间一致性采样、可测性判据采样、重力-流量模型采样和路段-路径流量匹配模型采样；

（2.1）通过路径一致性修正因子将车辆部分路径与有效可能路径集中的路径进行拓扑结构匹配，进行第一次重要性采样更新粒子权重；然后根据不同路径权重更新，更新粒子集聚；

（2.2）通过行程时间一致性修正因子分析两个AVI之间所有可能路段的平均行程时间与车辆在两个AVI之间的真实行程时间的相似性，进行第二次重要性采样更新粒子权重；然后根据不同路径权重更新，更新粒子集聚；

（2.3）通过可测性判据修正因子减少检测器检测误差影响，进行第三次重要性采样更新粒子权重；然后根据不同路径权重更新，更新粒子集聚；

（2.4）通过重力-流量模型修正因子反映车辆在路径选择过程中对距离较远及检测流量较小的出入口引力较小的客观事实；据此进行第四次重要性采样更新粒子权重；然后根据不同路径权重更新，更新粒子集聚；

（2.5）通过路段-路径流量匹配模型修正因子反映车辆实际走行流量大的路段可能性较大的事实；据此进行第五次重要性采样更新粒子权重；然后根据不同路径权重更新，更新粒子集聚；

（3）“真实”路径的输出

计算所有路网可能路径的最终概率，并归一化得到后验概率函数曲线，推测单个车辆的完整出行路径；其余路径不完整的车辆数据均可通过上述方法进行路径重构，进而获得路网所有车辆的真实出行路径。

2.根据权利要求1所述的基于车辆自动识别数据的城市路网车辆出行路径重构方法，其特征在于步骤(2)中所述五次重要性采样，具体为：

（2.1）第一次重要性采样：路径一致性修正

初始粒子权重服从均匀分布，可以表示为；

以来表示粒子服从路径一致性更新概率密度函数；

假设粒子群后验概率分布服从；

其中路径一致性概率密度函数主要根据车辆轨迹的拓扑一致性来分析，即服从0-1分布；基于路径一致性粒子权重更新如式(1)所示；

                      (1)

: 表示第i条可能路径经过路径一致性更新后非归一化权重；

: 表示第i条可能路径的初始先验权重；

: 表示从t时刻开始至计算时间区间?t之间所采集的客观数据或经验判据；

t: 表示开始获取该部分路径集的时刻；

?t ：表示动态值，取决于需要获取多长时段内的车辆完整路径；

: 表示车辆选择可能路径i的粒子空间状态；

: 表示初始可能路径为i的粒子；

: 表示基于路径一致性选择可能路径i的概率；

: 表示从先验信息向路径一致性的转移概率；

：表示在路径一致性条件下，可能路径i为选择路径的先验的概率密度函数；

接着对所有的N个可能路径粒子根据更新权重进行粒子集聚计算，如式(2)所示；

                                (2)

: 表示第i条可能路径经过路径一致性更新后非归一化权重；

N₁⁽ⁱ⁾: 表示经过路径一致性更新后，可能路径i的粒子集聚数量；

根据车辆部分路径必然从属于可能路径集中其走行的真实路径这一客观事实，对车辆部分路径与完整可能路径集中的路径进行拓扑结构的匹配；

匹配集中于以下两点：(1)、部分路径出现的节点必须出现在完整的可能路径中；(2)、部分路径中的节点的出现顺序要与完整路径中节点出现的顺序一致；基于路径一致性选择可能路径i的概率如式(3)所示；

                  (3)

id： 表示部分路径的车辆编号；

path：表示完整路径的编号；

：表示部分路径的拓扑结构中节点集合；

：表示完整路径的拓扑结构中节点集合；

（2.2）第二次重要性采样：行程时间一致性修正

根据车辆在两个AVI之间存在多条路径的情况下，车辆会走行与其真实行程时间相近的路径这一客观事实，比较两个AVI之间所有可能路段的平均行程时间与车辆在两个AVI之间的真实行程时间的相似性；考虑到交通系统在短时间内交通状况比较稳定，道路行程时间变化不大，可根据平均点速度计算路段平均行程时间；12. 基于行程时间一致性选择可能路径i的概率如式(4)所示

         (4)

：估计时段内路段的车辆平均行程时间；

：实际行程时间；

：表示被测车辆两个连续AVI之间第i条可能路径的平均行程时间；

：表示被测车辆两个连续AVI之间的真实行程时间；

（2.3）第三次重要性采样：可测性判据修正

根据检测器检测误差造成的事实进行逆向推理，减少检测器误差对车辆出行路径重构的影响；

检测器未检测到目标车辆具体可以分为两种情况：

第一种情况是车辆路过检测器所在的路段，但由于检测误差的原因未能检测到车辆；第二种情况是车辆选择了未安装检测器所在的路段，因而检测器未能检测到车辆；

（2.4）第四次重要性采样：重力-流量模型修正

参考物理学经典重力模型原理，考虑车辆在路径选择过程中客观存在对距离较远和检测流量较小的出入口引力较小，反之则较大的特征；

根据这一客观现象，对车辆部分路径与完整可能路径集中的路径进行路阻和流量影响的匹配；基于重力-流量模型选择可能路径i的概率如式(5)所示，

                             (5)

：表示基于流量的引力值；

：表示路网中出口或入口的检测交通流量值；

：表示单位车辆值；

：表示路阻函数；

（2.5）第五次重要性采样：路段-路径流量匹配模型

车辆群的路径选择往往能在宏观数据中获得体现，流量大的路段往往反映出车辆实际走行该路段的可能性较大，流量小的路段往往反映出车辆走行该路段的可能性较小；根据路段-路径流量之间客观存在的交通分配事实，对车辆部分路径与完整可能路径集中的路径进行匹配；基于路段-路径流量匹配模型可能路径i的概率如式(6)所示，

                        (6)

：表示可能路径i中节点n1与节点n2构成的路段的检测流量。