[发明专利]一种基于Skip-Gram模型的城际高速路网重点通道识别方法

说明书

本专利公开了一种基于Skip‑Gram模型的城市路网重点通道识别方法，包括以下步骤：步骤一：获取浮动车数据并预处理；步骤二：得到轨迹数据序列；骤三：城际高速路网中路段向量的训练和获取；步骤四：城际高速路网中轨迹向量的训练和获取；步骤五：城际高速路网重点通道生成。本方法可以利用易获取的浮动车数据，找到城际高速路网中重要的通道，从而便于城市交通管理者从城际高速路网全网的角度出发，结合实际重要的公路通道，采取相应的措施解决道路拥堵等问题，提高城市路网的运行效率。

技术领域

本发明属于智能交通领域，具体涉及一种基于Skip-Gram模型的城际高速路网重点通道识别方法。

背景技术

城市交通的快速发展给人们的生活带来了极大便利，但也给城市交通的管理者带来了十足的考验。随着城市的扩张和城市居民机动车保有量的快速增长，城际高速公路的交通环境变得更加复杂，高速公路拥堵问题日益严重，增加了市民的出行时间、降低了出行效率。

为了缓解城际高速公路拥堵问题，亟需找到在城际高速路网中承担主要作用的重点通道。城际高速路网中的重点通道是在整个路网中起到重要影响作用、车流量集中、与上下游联系紧密的公路通道。城市管理者可以利用重点通道的识别结果，从路网层面的出行需求入手，对重点通道及其上下游的车流进行诱导、控制和平衡，从而减少城际高速路网拥堵的时间，降低拥堵程度，提高城际高速路网的运行效率。

国内外目前的相关研究集中于城市关键路段的识别，一类是考虑路段的可靠性或脆弱性，通过路段易失效概率和失效后产生的影响来判断是否为关键路段；另一类则以路网静态拓扑结构的指标为依据，选出路网中重要影响的路段。但可以发现，以上两类方法得到是路网中的影响较大的几条关键路段，而往往会忽略路段上下游之间的联系与影响，不利于城市交通管理者对路网整体进行联动的规划与管理。

针对上述问题，为了在考虑路段间隐含关联性的条件下找出城际高速路网的重点通道，本专利采用自然语言处理中的Skip-Gram模型，训练轨迹数据并生成每个路段的向量，并结合聚类方法，最终实现对城际高速路网的重点通道识别。该方法将路段之间的联系转化为向量之间的关联，即使距离较远也可以快速发现路段间隐含的关联性。

发明内容

本发明要解决的技术问题是：克服上述现有技术的不足，提出一种城际高速路网重点通道识别方法。

本发明的技术方案为：一种基于Skip-Gram模型的城市路网重点通道识别方法，包括以下步骤：

步骤一：获取浮动车数据并预处理

本步骤中的浮动车数据来自于浮动车上的GPS模块，数据包括：车辆识别号、时间戳、经度、纬度等信息，预处理包括数据清洗和去噪、地图匹配、高速路网路段划分。

步骤二：得到轨迹数据序列

首先对浮动车轨迹数据进行规范化处理，将每一条轨迹数据所经过的路段ID按行驶顺序排序，并将所有的路段ID转化为one-hot编码，便于训练向量。one-hot编码是一个M维向量，表示为u＝{0，0，...，1，...，0，0}，它的长度M与所有路段ID的数量相同，每个路段ID对应一个one-hot编码，且该向量中只有对应的激活点值为1，其余值均为0。由此得到了每一条轨迹数据的路段one-hot编码序列：Xi＝{u_i1，u_i2，...，u_ij}，式中，Xi表示第i次出行的轨迹路段序列，uij表示第i次出行中第j个达到的路段的one-hot编码。

步骤三：城际高速路网中路段向量的训练和获取