一种基于浮动车数据的全区域路段交通流量估计方法

本发明属于交通流量估计领域，涉及一种基于浮动车数据的全区域路段交通流量估计方法。

背景技术：

1、城市交通拥堵问题日益严重，如何准确地估计某区域内道路上的交通流量，为交通管理部门制定交通规划和交通管理政策提供参考，一直是交通领域至关重要的问题。现有研究中路段流量估计方法主要可以分为三类：第一类是直接观测法，该方法一般基于路侧传感器设备或者路口雷达、摄像头等交通检测器，直接测量路段流量；第二类是交通分配方法，该方法一般基于四阶段模型，在已知用户的od需求的条件下，按照某种路径选择方式，将交通需求分配到实际的路网中，如邵虎等在《城市交通流量估计的运筹学方法》中从线性规划、整数规划、动态规划、图论、统计方法、启发式方法和机器学习七个方面综述现有的基于运筹学的路段流量估计方法。第三类是基于已知路段流量估计未知路段流量的方法，如邢吉平等在《基于迁移学习的城市路网无检测器路段流量实时估计方法》中基于相似性评价系统寻找出的有检测器路段路网为源领域，使用微调方法进行流量估计模型的迁移学习，从而完成对无检测路段的流量估计。

2、综上所述，现有路段交通流量估计方法存在以下问题：首先，路段流量的获取往往依赖于基于静态传感器数据，如交通摄像头、交通流量传感器等，存在设备安装成本高、维护难度大、覆盖范围低等问题；其次，现有的方法往往需要研究区域内完整的用户出行需求数据，这些数据往往不能完整的获得；最后，现有研究只考虑了用户选择对路段流量的影响，而没有考虑城市建成环境对路段流量的影响。

技术实现思路

1、为解决上述问题，本发明提出了一种基于浮动车数据的全区域路段交通流量估计方法。该方法主要考虑了城市建成环境对路段交通流量的影响，可以在无法采集研究区域内全部路段的流量数据时，利用已知路段流量数据和浮动车数据估计其余未知路段流量数据。本发明基于以下假设：具有相似的城市建成环境的路段，具有相似的流量特征，即路段的阻塞密度相似。因此可以利用已知路段流量数据，标定该类路段的阻塞密度，并依据阻塞密度估计未知路段的流量。

2、基于上述假设，本发明依据路段周围的城市建成环境属性，对研究区域内的全部路段进行了分类。本发明对研究区域内的全部路段进行以下定义：在进行分类后的各类路段中选取道路交通条件良好，交叉口进口道视野开阔的路段作为参考路段；研究区域内除参考路段之外的其余路段称为非参考路段；研究区域内的全部路段称为全区域路段。

3、本发明首先基于路段信息调查，对全区域路段进行分类，并确定参考路段与非参考路段；然后使用雷达采集参考路段的流量，使用浮动车法采集全区域路段的自由流速度以及实时平均速度；最后选取各参考路段，基于上述采集到的流量数据和浮动车数据，标定该类路段单一车道上的阻塞密度，并使用上述阻塞密度和浮动车数据，估计其余非参考路段流量。

4、本发明的技术方案：

5、一种基于浮动车数据的全区域路段交通流量估计方法，包括路段信息调查和分类、基础数据采集及处理、交通流量估计三个步骤。首先进行路段信息调查和分类，调查全区域路段所在进口道的信息及其周边城市建成环境属性，并对全区域路段进行分类；然后进行基础数据采集及处理，包括使用雷达采集参考路段的流量、使用浮动车法采集全区域路段上车辆的自由流速度和实际平均速度、对采集的原始数据进行预处理；最后进行交通流量估计，在预处理后的原始数据的基础上，标定各类路段的阻塞密度，并分类估计其余非参考路段的流量。

6、具体步骤如下：

7、步骤1，路段信息调查和分类：

8、为了便于对流量数据的分类采集和估计，考虑各个路段自身特点以及路段周边的城市建成环境属性，对研究区域内的路段进行分类。具体步骤如下：

9、步骤1.1，路段信息调查：

10、路段交通流量与路段自身特点和路段周边的城市建成环境属性有联系，在进行分类之前应该对研究区域内所有路段的信息进行调查。在同一条道路上交通流量大致相同，为了便于调查，本发明采取调查各路段所在交叉口的进口道信息，作为该路段的信息。所需要调查的信息包括进口道是否单独设置左转专用车道、进口道的车道数以及进口道周边的交通热点数；

11、其中，如果进口道存在展宽，则进口道的车道数按照展宽前的车道数进行统计；本发明中交通热点是指交通流量大、拥堵严重的地区或路段。这些地区通常是商业区、学校、商场、交通枢纽、娱乐场所、居民区等。

12、步骤1.2，路段分类与参考路段的选取：

13、基于步骤1.1中的路段信息调查，将全区域路段按照标准进行分类，分类标准如下：该路段所在交叉口设置左转进口道、进口道数大于3条、路段周边的交通热点数大于研究区域内的平均交通热点数，称为a类交叉口；该路段所在交叉口设置左转进口道、进口道数大于3条、路段周边的交通热点数小于研究区域内的平均交通热点数，称为b类交叉口；该路段所在交叉口设置左转进口道、进口道数小于3条、路段周边的交通热点数大于研究区域内的平均交通热点数，称为c类交叉口；该路段所在交叉口设置左转进口道、进口道数小于3条、路段周边的交通热点数小于研究区域内的平均交通热点数，称为d类交叉口；该路段所在交叉口未设置左转进口道、进口道数大于3条、路段周边的交通热点数大于研究区域内的平均交通热点数，称为e类交叉口；该路段所在交叉口未设置左转进口道、进口道数大于3条、路段周边的交通热点数小于研究区域内的平均交通热点数，称为f类交叉口；该路段所在交叉口未设置左转进口道、进口道数小于3条、路段周边的交通热点数大于研究区域内的平均交通热点数，称为g类交叉口；该路段所在交叉口未设置左转进口道、进口道数小于3条、路段周边的交通热点数小于研究区域内的平均交通热点数，称为h类交叉口。

14、在进行分类后，为了便于后续流量数据采集，需要在各类路段中，选取道路交通条件良好，交叉口进口道视野开阔的路段作为参考路段，研究区域内其余路段称为非参考路段。在每类交叉口中，应至少选取一条路段作为参考路段。

15、步骤2，基础数据采集及处理：

16、基础数据采集及处理部分是在路段分类的基础上，为交通流量估计分类采集所需的基础数据，具体如下：

17、步骤2.1，流量数据采集：

18、使用雷达采集参考路段的流量数据。在参考路段所在的交叉口架设雷达，区分工作日与非工作日，测定交叉口进口道的高峰时段流量，作为参考路段的流量数据。

19、步骤2.2，浮动车数据采集：

20、使用浮动车法对全区域路段的车辆自由流速度和实时平均速度进行采集，具体如下：

21、步骤2.2.1，自由流速度采集。在凌晨时，测试车不受外界车辆干扰在道路上行驶可近似看作自由行驶状态，测试车在待测路段单向行驶12次所测得的平均速度作为该路段的自由流速度。

22、步骤2.2.2，实时平均速度采集。在高峰时段时，测试车在待测路段单向行驶12次所测得的平均速度作为该路段的实时平均速度。

23、步骤2.3，数据预处理：

24、首先检查采集过程中数据是否有缺失，如有缺失则需要对缺失数据进行重新采集和补充；在确保数据集完整后，将雷达采集到的参考路段流量数据每一个小时做一次集计，转化成路段小时流量；然后将同一路段相同时间的流量数据与浮动车采集的自由流速度数据以及实时平均速度数据进行匹配。

25、步骤3，交通流量估计：

26、交通流量估计是基于预处理后参考路段的流量数据以及浮动车数据，根据路段分类结果，对某一类型路段的流量特征参数阻塞密度进行标定，并根据标定结果对其余路段交通流量进行估计。具体步骤如下：

27、步骤3.1，单车道流量计算。计算周中某日高峰时段的参考路段的单一车道平均流量：

28、

29、其中，qsl为参考路段中单一车道的平均流量，qfl为参考路段全车道的路段流量，n为参考路段的车道数。

30、步骤3.2，标定阻塞密度。根据步骤3.1获得的单一车道平均流量qsl，以及步骤2.2获得的浮动车数据中车辆的实际平均速度v和车辆自由流速度vf，标定参考路段对应的单一车道阻塞密度kj，则该类路段的阻塞密度都可以近似认为是kj。标定过程中依据格林希尔治模型，其速度-流量关系如下所示：

31、

32、其中，qsl为参考路段中单一车道的平均流量，kj为某类路段的阻塞密度，v为车辆的实际平均速度，vf为车辆自由流速度。

33、步骤3.3，估计非参考路段流量。考虑相同类型路段，由于具有相似的城市建成环境属性，因此具有相似的阻塞密度；使用步骤3.2获得的标定的阻塞密度，根据步骤3.2格林希尔治模型，估计非参考路段的单一车道流量qsl_est；最终非参考路段交通流量可根据车道数和单一车道流量进行估计：

34、qfl_est＝n·qsl_est

35、其中，qfl_est为全车道路段流量的估计值，qsl_est为单一车道路段流量的估计值。

36、本发明与现有技术相比，具有以下优势：

37、(1)相比传统根据交通分配估计路段流量，本发明不需要全区域用户的起讫点出行数据。能在研究区域内部分路段流量数据缺失的情况下，估计该区域内缺失数据部分路段的流量。

38、(2)本发明降低了流量数据获取的成本。相比传统方法使用雷达或其他交通检测设备逐个路口测量，本发明减少了人工的工作量和数据存储量，在实际交通流量估计中易于操作和实现；此外本发明在流量估计的过程中，不需要在路段上大规模安装传感器、摄像头等交通检测设备，极大的降低了数据获取的成本。

39、(3)本发明在估计路段交通流量的过程中，依据城市建成环境对研究区域内路段进行了分类，并依据分类结果对全区域路段流量进行了分类估计，显著提高了流量估计的准确性。