[发明专利]一种基于车辆轨迹数据的交通控制子区划分方法

说明书

本发明公开了一种基于车辆轨迹数据的交通控制子区划分方法，包括如下步骤：对某区域交叉口编号，获取卡口数据、路段长度数据以及该区域路网底图；汇聚卡口数据，将单个车辆的出行链划分成轨迹数据，并剔除无效轨迹；基于最短路原则对缺失的车辆轨迹进行修补；计算一定时段内各交叉口对之间的双向流量，形成交叉口对流量矩阵；以交叉口为节点、交叉口对之间的双向流量作为节点连线的关联度建立全联通的有向网络图，利用随机漫步地图算法对网络图进行初始划分；同类交叉口连通性检验，对现实路网划分非联通部分进行修正；划分结束，将划分结果投射到现实路网上。本发明能够更加充分挖掘交通流的中信息，从全局的角度分析交通网络中的结构。

技术领域

本发明涉及交通控制技术领域，尤其是一种基于车辆轨迹数据的交通控制子区划分方法。

背景技术

社团发现算法最早起源于对社交网络的研究，社交网络表现了现实社会中人与人之间的人际关系，由此抽象出学术意义上的社交网络概念。社交网络由节点和节点间的连线组成，社交网络中的每个节点代表了现实社会中的每个人，社交网络中的每条边代表了人与人之间的关系。在真实的社交网络中，经常可以发现有些节点之间连接非常紧密，而有些节点之间连接比较稀疏，为了发现社交网络中这样的社团结构，进而促进了社团发现算法的研究。社团发现算法的目的就是发现社交网络中的社团结构，使社团内部节点的连接尽可能紧密，而社团与社团之间的节点连接尽可能稀疏。在交通工程领域，城市道路交叉口以及道路交叉口之间的关联性与社交网络存在一定的相似性，可以将城市道路交叉口作为网络节点，将交叉口之间的关联作为网络中的边，在此基础上运用社团发现算法来划分交通控制子区。

社交网络的研究起步较晚，在2002年M.E.J.Newman和M.Girvan才提出针对社团划分的经典算法——GN算法。GN算法中定义了边介数的概念，边介数是网络中通过这条边最短路的数目，由定义可知，社团间的边的边介数更大，而社团内的边的边介数较小，通过不断重复计算网络中每条边的边介数并剔除最大边介数的边，逐步划分出社交网络中的社团结构。但是当时M.E.J.Newman和M.Girvan并没有提出社团划分效果的评价指标，所以GN算法还不能确定最优的划分方案，只能凭借经验确定社团划分的数目。后来M.E.J.Newman和M.Girvan提出了现在被广泛采用的模块度指标用于评价社团划分的性能，通过模块度指标确定GN算法分裂的程度，确定最优划分数目，弥补了早期GN算法的不足。这种算法也在生物、物理、计算机等领域得到了广泛的应用。

从GN算法的提出到现在，社团发现算法已经形成了多个类别，包括谱平均法、Kernighan-Lin算法、层次聚类算法、基于标签的社团发现算法、基于统计推理的社团发现方法等。层次聚类算法包含凝聚法和分裂法两类，其中GN算法就是分裂算法中的一类。

目前在信号控制子区划分中绝大多数都是基于现实路网以及相邻交叉口关联度来实现的，这样的划分方案只考虑了相邻交叉口的关联性，而没有考虑非相邻交叉口之间的关联性，同时也缺乏对交通流流向的分析，在进行子区划分之前已经丢失了大量的信息，难以保证子区划分后的控制效果。

发明内容

本发明所要解决的技术问题在于，提供一种基于车辆轨迹数据的交通控制子区划分方法，能够更加充分挖掘交通流的中信息，从全局的角度分析交通网络中的结构。

为解决上述技术问题，本发明提供一种基于车辆轨迹数据的交通控制子区划分方法，包括如下步骤：

(1)对某区域交叉口编号，获取卡口数据、路段长度数据以及该区域路网底图；

(2)汇聚卡口数据，将单个车辆的出行链划分成轨迹数据，并剔除无效轨迹；

(3)基于最短路原则对缺失的车辆轨迹进行修补；

(4)计算一定时段内各交叉口对之间的双向流量，形成交叉口对流量矩阵；