[发明专利]一种基于货运轨迹数据的车辆自发编队模式挖掘方法

说明书

本发明公开了一种基于货运轨迹数据的车辆自发编队模式挖掘方法，根据每日海量货车轨迹数据，完成基于数据挖掘方法的货车自发编队模式搜索；并创新性的提出了全流程处理框架，通过设置七个数据库，使用改进的运程估算方法、地图匹配方法、P‑OPTICS算法等完成估算每辆货车当日货运行程、货车行程定位点地图匹配及坐标修复、热点线路及其挖掘时段拟定、每时刻货车编队集合挖掘、指定线路及时间段下货车自发编队模式挖掘及其评价等任务，从而在海量货运轨迹数据中抽取运程等关键信息同时，完成指定道路段或时间段下货车自发编队模式挖掘任务，从而在分析编队模式特征的同时为日后自动驾驶背景下的货车编队行驶工作提供业务参考。

技术领域

本发明涉及海量货运轨迹定位数据特征挖掘技术领域，特别涉及一种基于货运轨迹数据的车辆自发编队模式挖掘方法。

背景技术

随着我国经济的飞速发展与公路修建里程的大幅增加，公路货运规模连年提升并稳居我国货运行业主导地位。公路货运的蓬勃发展背后也带来了环境污染、能源危机及交通安全等问题，受到了社会各界的广泛关注。随着智能交通系统及智能车路协同系统的加快建设，一种主张货运卡车以较短间距队列行驶的新型运输方式——货车编队行驶将从根本上缓解公路货运存在的诸多污染及安全问题。目前，货车编队行驶已被欧美等发达国家封闭实验并验证其有效性与安全性，但仍处在实验场地调试运行阶段，尚未商业化或大规模化落地运行，目前货车编队行驶涉及到的主要技术要求如表1所示，运行方式如图1所示：

表1货车编队行驶涉及到的主要技术要求

随着自动驾驶技术与5G互联通信技术的不断发展，在路测装置配合下，该技术的落地实施将在不远的未来实现。得益于较低的货车间距，编队行驶中领头车辆与跟随车辆最高可减少32％空气阻力因而大幅节省燃油消耗，降低车队运营成本的同时减少了二氧化碳、氮氢化合物等有毒有害气体的排放；同时，相关技术可在较近跟车间距下有效降低应急反应时间并减少人为失误，进而减少追尾事故及拥堵发生、压缩道路空间使用量，增强道路通行能力。

但是，该技术的实现离不开自动驾驶技术在货运车辆中的不断普及、车辆网通信技术的不断覆盖及重点道路相关基础设施的不断健全，其商业化与大规模实施仍需一定时间。当前我国已健全各省货运联网联控平台以监控重点货运车辆每日轨迹数据及其运输及车辆状态，每日均可积累海量轨迹数据。考虑到货运编组在后期推行中涉及到重点建设道路段挖掘、可行性及应用前景分析等诸多事宜，同时当前货运中已存在货运车辆群在短暂时段内体现自发编队行驶特征，开发一种框架及其挖掘技术以揭示分析省内货车自发编队行驶规模及特征对后期货运编队行驶技术落地应用具有较高指导意义。

因此，如何依靠海量货运轨迹定位数据进行货车自发编队模式挖掘及其框架构建是该领域技术人员亟需解决的问题。

发明内容

鉴于上述问题，本发明提供一种至少解决上述部分技术问题的基于货运轨迹数据的车辆自发编队模式挖掘方法，该方法在海量货运轨迹数据中抽取运程等关键信息同时，完成指定道路段或时间段下货车自发编队模式挖掘任务，从而在分析编队模式特征的同时为日后自动驾驶背景下的货车编队行驶工作提供业务参考。

本发明实施例提供一种基于货运轨迹数据的车辆自发编队模式挖掘方法，包括：

第一步：采集拟挖掘自发编队模式省份的当日货车定位数据并提取关键字段，准备路网地理数据文件：从货运车辆定位监控系统抽取单日收集到的小时数据，以车辆为单位依次抽取当日轨迹定位数据，提取识别信息、定位信息、驾驶信息并加入货运车辆轨迹数据库；从地图数据库抽取道路信息，划分高速公路、国道、省道、普通道路并附加对应行驶速度限速字段，形成路网地理数据文件；

第二步：轨迹数据清洗：抽取所述货运车辆轨迹数据库中每个轨迹数据，依次以单个货车轨迹数据为单位根据预设准则进行数据清洗；