[发明专利]交通拥堵扩散路径的推断方法及其系统

说明书

本发明公开了一种交通拥堵扩散路径的推断方法，包括获取路网数据，并根据路网数据构建路段联通关系矩阵；获取历史数据，经道路匹配后，获得各路段对应于一天的每个时间段内的历史平均速度和各个路段上的车辆的历史最大速度；获取实时数据，经道路匹配并根据历史平均速度进行数据补全后，获得各个路段上的车辆的实时平均速度；根据实时平均速度和历史最大速度获得路况分布矩阵，并根据路况分布矩阵和路段联通关系矩阵获得拥堵状态矩阵；根据拥堵传播判定方法和拥堵状态矩阵获得局部传播矩阵；根据局部传播路径计算全局的传播路径。本发明的交通拥堵扩散路径的推断方法，可解决数据稀疏性问题，并根据构建的全局拥堵传播路径全面了解交通状况。

技术领域

本发明涉及交通领域，尤其涉及一种交通拥堵扩散路径的推断方法及其系统。

背景技术

中国社会经济的快速发展和城市化过程的不断推进，机动车数量，尤其是私家车的数量呈现井喷式的增长。然而发展速度相对缓慢的交通道路设施却逐渐不能满足人们日益增长的出行需求，交通拥堵问题也变得更加严重。交通拥堵不仅严重阻碍了城市化的步伐，而且还严重阻碍了经济的发展，带来了环境污染等问题。近年来各种交通拥堵的解决方法层出不穷，但是其收效却微乎其微，其主要原因是因为现有的解决方案都是基于哪里拥堵，哪里治理，何时拥堵，何时治理，人们的拥堵治理措施总是处于被动地位。但是交通拥堵的产生具有非常大的不确定性，这种被动性的治理措施只能治标不治本，更有甚者会出现难以治理的现象，因此交通拥堵的治理要追其根源。交通拥堵扩散可以有效的发现拥堵产生的根本原因。但是交通网络非常复杂，现有的道路路况传感器数量有限，不能有效的感知全网状态，数据的稀疏性对整体路况的判定带来巨大的挑战。

目前人们对交通拥堵扩散的研究主要集中在两个方面：第一，道路交通微观层面，即单个车辆之间的相互作用，其主要包括车辆跟驰模型和元胞自动机模型。这些模型需要明确知道每一辆车辆的速度，大小和车辆跟车辆之间的相对位置，车辆之间的相互影响是单向的，即后面的车辆只会受到前面车辆的影响。此种模型需要对道路交通，包括车辆与路网有一个全面的认识，在此基础上就可以推断出道路是否拥堵和拥堵之后车辆排队的扩散路径。但是该方法需要对道路上的车辆具有全面的感知，由于现有的传感器布置是分散的，我们很难再实际中得到精确的道路上所有排队车辆的数据；另外由于个人隐私问题，我们也不可能全面了解每一个车辆的情况；最后每个驾驶员的驾车行为也是不一样的，其车辆之间的影响也会不相同，因此现有的微观层次的研究方法不适合应用于实际应用场景，但是在交通系统仿真中具有广泛的应用，其得到的路径非常精确，时间精度更高。

在宏观层次方面，将大量的车辆看做可压缩的连续流介质，其研究侧重于车辆集体的综合行为分析，以车辆的平均密度、平均速度和流量等宏观量来刻画交通状态，研究他们之间的相互关系。该模型具有非常强的理论基础，其理论基础是建立在道路之间相互独立的假设上，在单个高速公路路段取得了比较好的成果。但在实际路网中道路之间具有非常强的时空相关性，单纯的宏观交通流模型不适用于描述整个城市内交通路网上交通拥堵扩散路径的分析。另外由于城市道路数量众多，基于现有的数据也很难采集到每个时刻所有道路的交通状态。该专利的正是利用交通路网中强时空相关性解决数据稀疏问题，同时构建全体交通路网状态矩阵，从全局角度推断交通拥堵扩散路径。

发明内容

鉴于现有技术存在的不足，本发明提供了一种能解决数据稀疏问题，且可从全局角度推断交通拥堵扩散路径的方法及其系统。

为了实现上述的目的，本发明采用了如下的技术方案：

一种交通拥堵扩散路径的推断方法，包括：

S1、获取路网数据，并根据路网数据构建路段联通关系矩阵；

S2、获取历史数据，经道路匹配后，获得各路段对应于一天的每个时间段内的历史平均速度和各个路段上的车辆的历史最大速度；

S3、获取实时数据，经道路匹配并根据历史平均速度进行数据补全后，获得各个路段上的车辆的实时平均速度；