[发明专利]考虑空间结构特征的大规模路网时空交通状态表达与分析方法

说明书

本发明提供一种结合路网空间结构对大规模路网交通状态进行精简及时空特征挖掘的分析方法，首先建立大规模路网高维度交通状态表达矩阵，并结合图论相关思想建立空间结构表达矩阵，然后通过改进的NMF算法结合上述路网空间结构信息对路网交通状态进行精简，最后针对低维度的精简空间，深入挖掘路网交通状态的时空特征，并进行可视化表达。本发明提出的方法具有新颖，高效，解释性强等优点，不但可以在低维度空间中反映出整个路网交通状态的变化特征，还可对精简后路网交通状态进行深入的时间演化分析和空间结构分析，为大规模路网的交通状态的表达和时空特征挖掘提供了一种有效的方法。

技术领域

本发明涉及大规模路网交通状态表达及交通状态时空特征挖掘领域。

背景技术

城市道路交通拥堵问题已经严重影响到社会经济活动和人们的日常生活，准确把握城市道路交通状态的时空变化特征是交通管理者优化交通管控方案和改造道路设施以缓解拥堵的重要基础。以往大多数对城市道路交通状态的研究集中在单一路口或某些路段，采用仿真数据、感应线圈数据、车牌识别数据等通过微观仿真、统计模型构建以及数据驱动的相关算法，从微观中观层面对交叉口、快速路或主干道进行交通状态分析，这些研究方式虽具有精确性和高效性，但未深入涉及大规模城市路网交通状态的复杂性，无法把握其时空特征，不利于对整个城市交通状况的宏观管控。近年来，随着通讯技术的快速发展，利用车载GPS设备以一定的时间间隔返回交通流参数的浮动车数据，在时间空间维度覆盖范围都很广，对于从宏观层面把握城市路网交通状态具有很强的适用性，为路网层级的研究提供了很好的数据支持，也逐渐成为大规模路网研究中主要且广泛应用的数据源。但由于城市路网的交通状态始终随着时间在空间上不断变化，呈现出高度的动态、随机、复杂性，获得的交通流时空数据具有多源、多维、海量、多尺度、多时相等性质，同时也为大规模路网的交通状态分析带来了新的挑战。

针对上述海量高维的大规模路网交通数据分析问题，部分研究利用数据驱动的方法，在保留路网足够多的信息的基础上，对路网交通状态高维数据进行精简，以便在低维空间中挖掘交通状态的时空演化特征。然而，目前对精简空间的分析侧重于路网交通状态的表达、在低维空间中对拥堵特征的识别，以及交通状态的时间演化规律，很少能结合路网的空间结构对精简过程进行优化，致使在一定程度上缺乏利用精简空间对路网交通状态的空间结构特征解读的能力。

发明内容

本发明的目的是为了解决上述现有方法的不足，在考虑到路网空间信息的同时对高维度的交通状态数据进行精简，提供了一种可以结合路网空间结构对大规模路网交通状态进行表达及时空特征挖掘的分析方法，相应分析结果对交通管理者进行宏观调控具有一定的指导作用。

为达到上述目的，本发明采用了以下技术方案：

一种结合路网空间结构对大规模路网交通状态进行精简及时空特征挖掘的分析方法，包括下列步骤：

1)大规模路网全局交通状态的表达。

通过浮动车返回数据，建立路网全局交通状态的表达矩阵。

2)构建路网空间结构表达模型。

考虑目标路段所属道路等级的上下游相接路段对其交通状态的影响，构建空间结构模型。

3)路网全局交通状态的精简。

利用上述空间结构模型优化NMF非负矩阵分解算法，对路网全局交通状态进行精简。

4)时空特征挖掘。

基于上述精简的路网全局交通状态，在低维空间中进行聚类分析及可视化，挖掘大规模路网交通状态的时间演化规律和空间结构特征。

本发明的优点在于：

(1)从宏观角度出发，将大规模路网看作一个整体进行分析，相比于以往通过对单个交叉口或某一路段的分析上升到大规模路网的研究，弥补了其无法把握路网时空变化特征复杂性及内在关联性的缺点。