[发明专利]一种基于行程时间估计的车辆出行路径重构方法

说明书

本发明公开了一种基于行程时间估计的车辆出行路径重构方法，包括：对车牌识别数据进行预处理，对车牌识别数据进行清洗；根据车牌识别数据计算第一行程时间分布，并剔除第一行程时间分布中的异常值；根据第一行程时间分布，估计第二行程时间分布，根据第一行程时间分布和第二行程时间分布，构建路段行程时间数据集；获取同一辆车前后生成的两条车牌识别数据，求解得到生成数据的两卡口之间的出行路径可行解集合；根据出行路径可行解集合和路段行程时间数据集，进行出行链打断和路径补全；遍历车牌识别数据集，重构得到全路网车辆的出行路径。本发明提高了车牌识别数据的利用率和路径重构的准确性，可广泛应用于智能交通技术领域。

技术领域

本发明涉及智能交通技术领域，尤其是一种基于行程时间估计的车辆出行路径重构方法。

背景技术

20世纪70年代以来，以信息技术为突破口的新科技革命以前所未有的气势，冲击着人类社会生产和生活的各个方面。人工智能是新科技革命的重要驱动力量。人工智能技术不断发展，不仅渗透到城市中医疗、教育、物流等众多领域中，还极大地推进了交通向智能化、信息化发展。为推进城市道路交通管理全面实现智能化，物联网、云计算等新一代信息技术被应用到城市道路、车辆及其管理部门，通过检测器泛在布局、个体车辆身份感知，实现交通系统需求、容量、状态可知。智能交通的核心内容是交通信息采集、处理和发布，即通过布设交通检测器等物联网技术手段，进行车辆身份检测，并将实时信息传输给平台进行路况分析，进而发布实时路况信息实现整个路网的实时交通诱导，由此盘活道路资源、提高交通运行效率。

随着视频技术日益成熟，车辆自动识别(Automatic Vehicle Identification，AVI)检测的交通系统信息采集方式在国内得到快速推广，使得获取车辆个体出行路径成为可能。车牌识别数据属于由卡口设备检测得到的一种AVI数据，多用以估计路段流量、行程时间等宏观参数，利用其进行车辆出行路径重构的方法较少，并且相关方法也主要适用于卡口覆盖率较高的中小型路网。然而，当前大多城市路网卡口检测设备覆盖率较低(不足60％)的同时，检测率也不高(良好光照条件下才可达到90％)，这种出行数据的严重缺失直接导致车辆路径重构困难。车辆出行路径重构的重要价值在于可以为个体出行规律挖掘、路网交通状态评估以及交通流动态诱导等研究提供可靠的信息支持，因此研究一种适用于低卡口覆盖率大型路网的车辆出行路径重构方法具有重要意义。

发明内容

有鉴于此，本发明实施例提供一种基于行程时间估计的车辆出行路径重构方法，提高车牌识别数据的利用率和路径重构的准确性。

本发明的一方面提供了一种基于行程时间估计的车辆出行路径重构方法，包括：

对车牌识别数据进行预处理，对所述车牌识别数据中的错误检测数据和重复检测数据进行清洗；所述车牌识别数据包括卡口编号、车牌号码、车牌种类、经过时间、行驶方向和车道编号；

根据所述车牌识别数据计算两端均有卡口检测设备的路段的第一行程时间分布，并剔除所述第一行程时间分布中的异常值；

根据可测路段的第一行程时间分布，估计不可测路段的第二行程时间分布，根据所述第一行程时间分布和所述第二行程时间分布，构建路段行程时间数据集；

获取同一辆车前后生成的两条车牌识别数据，求解得到生成数据的两卡口之间的出行路径可行解集合；

根据所述出行路径可行解集合和所述路段行程时间数据集，进行出行链打断和路径补全；

遍历车牌识别数据集，重构得到全路网车辆的出行路径。

可选地，所述对车牌识别数据进行预处理，对所述车牌识别数据中的错误检测数据和重复检测数据进行清洗，包括：

计算卡口错检率；

根据所述卡口错检率，清洗所述车牌识别数据中的错误检测数据和重复检测数据；

其中，所述卡口错检率的计算公式为：