[发明专利]基于浮动车数据网格映射的城市路网交叉口拥堵识别方法

权利要求书

1.一种基于浮动车数据网格映射的城市路网交叉口拥堵识别方法，其特征在于，包括以下步骤：

(1)采用边长等于车道宽度的均匀正方形网格来划分城市区域，然后运用算术基本运算将浮动车数据映射到网格；

(2)确定交叉口的位置并识别交叉口中心，具体包括以下步骤：

(21)首先设定最大集群数C，模糊因子m，终止条件ε和最大迭代次数T；

(22)将集群数从2到C的DB索引值最小的确定为最优集群数c*；

(23)将FCM应用于带有c*个集群的原始目标数据，并求得集群中心V＝{v_i，i＝1，2，...c*}和隶属度U＝{u_ki，i＝1，2，...c*；k＝1，2，...n}；

(24)根据δ去除远离集群中心的噪声；

(25)去除噪声之后，将FCM应用于新数据集，更新集群中心V＝{v_i，i＝1，2，...c*}和隶属度U’＝{u_ki，i＝1，2，...c*；k＝1，2，...n’}，其中n’是去除噪声后的网格数量；

(26)对于每个集群的子集，用DB索引确定每个集群的子集数量；

(27)在子集中应用FCM，并求得每个集群的子集中心；

(28)每个集群的子集中心的中值即为交叉口中心；

进一步，步骤(2)中确定交叉口的位置并识别交叉口中心，具体为：

通过FCM，将目标数据即SG-PVD网格聚类成在特征空间中具有相似特征的若干组，FCM的目标函数用下式表示：

其中，V＝{v_i；i＝1，2，...c*}是聚类中心的位置向量集合即位于城市区域的网格矩阵中SG-PVD网格的行和列，C是i的最大值，x_k是SG-PVD网格的位置向量，k＝1，2，...n，n是k的最大值，m是模糊因子，u_ki是x_k对v_i的隶属度，它应该满足以下约束：

为求解最小化约束公式(2)下的目标函数，使其拉格朗日梯度等于零，从而导出等式(3)和(4)作为更新的隶属度和更新的聚类中心；通过随机选择的聚类中心初始值，迭代计算等式(3)和(4)中更新的隶属度和更新的聚类中心，直到它们收敛于稳定值；

将其与传统FCM相结合，来识别交叉口中心，为获得适当的聚类数即交叉口数，根据公式(5)计算不同聚类数条线下的Davies Bouldin(DB)聚类有效性指标，其中较小的DB指标表示更合适的聚类数；

其中，DB(c)是具有c个类别的DB指标的值，对于类别i和j，D_i和D_j表示聚类中心和属于该类别的SG-PVD单元之间的平均距离，W_ij是类别i的中心与类别j的中心之间的距离；

为降低噪声，舍弃远离聚类中心的SG-PVD网格，用d_i表示SG-PVD网格与其最近的聚类中心i之间的距离，对于每个类别i，从其原始目标数据中去除与聚类中心的距离大于d_i的δ比例的SG-PVD网格；

最后以聚类中心周围的SG-PVD网格作为子集，并将其聚类成几组，以便识别交叉口中心；

(3)识别交叉口进口道；

步骤(3)中识别交叉口进口道，包括以下步骤：

(31)利用网格重构路网，具体为：将包含浮动车数据的网格作为道路网络进行处理并重构路网；

(32)确定交叉口进口道的外边界，具体为：采用一个中心位于交叉口中心的正方形，它定义了交叉口进口道的外边界；

(33)确定交叉口进口道的数量；

(34)确定交叉口进口道的内边界；

(35)分离交叉口进口道，具体为：在预设数量的交叉口进口道的条件下，采用FCM集群方法分离各个交叉口的进口道；

(36)确定交叉口进口道间的位置关系；

(37)使用速度大于城市道路限速的浮动车数据来填充网格并重构路网，识别对应于高速公路的网格；

(4)识别车辆进入或离开交叉口；

步骤(4)中识别车辆进入或离开交叉口，包括以下步骤：

(71)首先，确定车辆的移动方向；

(72)确定主体浮动车数据点与其上一个或下一个浮动车数据点连线和主体浮动车数据点与交叉口中心连线之间的角度，并分别加减90°，若计算得的角度在180°范围内，则认为浮动车进入交叉口，否则认为该车离开交叉口；

(5)识别车辆的转弯方向；

步骤(5)中识别车辆的转弯方向，具体为：

首先确定浮动车数据点是否落入或穿过交叉口进口道，有如下两种方法：

直接方法：将浮动车数据点与网格匹配，如果网格属于主体交叉口进口道，则浮动车数据点落入交叉口进口道；

间接方法：线性计算浮动车数据点和交叉口中心之间的中间位置，并将其与网格匹配，如果网格属于主体交叉口进口道，则认为浮动车数据点通过交叉口进口道；

采用以上方法预测那些进入交叉口的浮动车数据点下一时刻会出现在哪个交叉口进口道，如果下一个浮动车数据点属于与某一转向方向一致的交叉口进口道，并且没有浮动车数据点属于其他交叉口进口道，则表示车辆沿着该方向移动；

(6)识别交叉口的拥堵

步骤(6)中识别交叉口的拥堵，具体为：

选择沿主要转弯方向进入交叉口的所有浮动车数据点，并直接将其绘制在时空平面图中，同时，根据瞬时速度对浮动车数据点进行着色，着色的浮动车数据点表示浮动车以颜色表示的速度出现在该位置；

若观察到低速并且远离交叉口的浮动车数据点，则预测交叉口在转向方向上排队长度较长，浮动车数据点可能不在队列的末尾，但表明车队已经通过了该点所在位置。