一种交通流状态数据时间汇集方法及系统

1.本发明一般地涉及交通技术领域。更具体地，本发明涉及一种交通流状态数据时间汇集方法及系统。


背景技术：

2.随着交通行业的发展,交通系统每天存储着海量的交通流数据,如何对这些数据进行合理的处理和分析,从中发现交通规律,对指导交通规划和解决交通拥堵等问题具有重大意义。
3.现有技术中，通过获取第一时间段内的交通数据，将所述第一时间段内的交通数据进行划分，并计算划分得到的每一段交通数据所对应的小时交通流率、空间平均速度和密度；将每一段交通数据所对应的小时交通流率、空间平均速度和密度记为一个样本中的参数，得到样本集，并对所述样本集进行筛选，得到筛选后的样本集；基于所述筛选后的样本集计算得到空间平均速度的取值范围，基于所述空间平均速度的取值范围对所述筛选后的样本集再次进行筛选，得到最终筛选后的样本。通过上述方案可以使筛选得到的样本为更接近于平稳状态的样本，进而拟合得到可靠的交通流基本图模型。然而，上述技术方案中只能实现交通流数据筛选，采用空间交通流数据，从宏观角度分析交通流数据，无法实现高精度交通流数据汇集。


技术实现要素：

4.为了至少解决上述背景技术部分所描述的技术问题，本发明提出了一种交通流状态数据时间汇集方法及系统。利用本发明的方案，通过获取目标路段内每个车道的交通流数据；对所述交通流数据进行数据诊断，排除明显的错误数据；对所述交通流数据中出现的异常情况进行修补；对修补后的所述交通流数据分车道在时间上进行汇集。利用本技术的方案能够实现自动化采集和处理交通运行状态中的交通流参数，并实现车道级交通流状态数据时间汇集，提高数据的精确性。鉴于此，本发明在如下的多个方面提供解决方案。
5.本发明的第一方面提供了一种交通流状态数据时间汇集方法，包括以下步骤：获取目标路段内每个车道的交通流数据，所述交通流数据包括预设时间间隔内通过的车辆数、车辆平均速度以及车道时间占有率；对所述交通流数据进行数据诊断，排除明显的错误数据，其中所述错误数据包括所述交通流数据组合错误及取值错误；对所述交通流数据中出现的异常情况进行修补；若异常的出现均是独立的、随机的，则判断为独立性异常；若检测器出现长时间中断导致数据缺失，则判断为连续性异常；其中，如果所述异常情况为独立性异常，则采用基于时间序列的数据修补方法，如果所述异常情况为连续性异常，则采用基于历史数据的数据修补方法；对修补后的所述交通流数据分车道在时间上进行汇集，其中，所述汇集包括交通流率、速度和占有率的汇集。
6.在一个实施例中，所述对所述交通流数据进行数据诊断，排除明显的错误数据，包括基本筛选：对车辆数q、车辆平均速度v以及车道时间占有率o这三个参数九种不同情况的
取值进行组合判断：若q＝0,o＝0,v＝0，判断为数据缺失或真实值，进行下一步检验；若q≠0,o＝0,v＝0，判断为数据错误，删除相关数据；若q＝0,o≠0,v＝0，判断为数据错误，删除相关数据；若q＝0,o＝0,v≠0，判断为数据错误，删除相关数据；若q≠0,o≠0,v＝0，判断为数据错误，删除相关数据；若q≠0,o＝0,≠0，判断为待定情况，进行下一步检验；若q＝0,o≠0,≠0，判断为数据错误，删除相关数据；若q≠0,o≠0,≠0，判断为待定情况，进行下一步检验；若q＝0,o＝1,v＝0，判断为完全停车情况，进行下一步检验。
7.在一个实施例中，所述对所述交通流数据进行数据诊断，排除明显的错误数据，还包括阈值筛选：车辆数q不能超过单车道的通行能力，速度v不能超过最大速度的限制，而车道时间占有率o不能超过1。
8.在一个实施例中，所述基于时间序列的数据修补方法，具体包括以下步骤：对于时刻i的异常数据，采用i-1至i-k时刻的数据均值进行修补，采用以下公式计算：
[0009][0010]
其中，表示需要修补的数据的估计值，k表示平滑宽度。
[0011]
在一个实施例中，所述基于历史数据的数据修补方法，具体包括以下步骤：采用相同时间段的历史数据对时间段j的异常缺失数据进行修补，采用以下公式计算：
[0012]
xj＝hxj[0013]
其中，表示需要修补的数据的估计值，h
xj
表示相同时间段的历史数据。
[0014]
在一个实施例中，所述交通流数据分车道在时间上进行汇集包括交通流率的时间汇集、速度的时间汇集和占有率的时间汇集，具体包括以下步骤：
[0015]
(41)计算有效间隔数量n，采用以下公式计算：
[0016]
n＝t/30s；
[0017]
其中，微波检测器报告频率为30秒，交通流数据的时间汇集间隔为t；
[0018]
(42)计算交通流率的时间汇集，采用以下公式计算：
[0019][0020]
其中，q表示汇集后的交通流率，qi表示有效的分车道车辆数，n表示有效的间隔数量；
[0021]
(43)计算速度的时间汇集，采用以下公式计算：
[0022][0023]
其中，v表示汇集后的车辆平均行驶速度，vi表示有效的分车道车辆平均速度，qi表示有效的分车道车辆数，n表示有效的间隔数量；
[0024]
(44)计算占有率的时间汇集，采用以下公式计算：
[0025]
[0026]
其中，o表示汇集后的时间占有率，oi表示有效的分车道时间占有率，n表示有效的间隔数量。
[0027]
本发明的第二方面提供了一种交通流状态数据时间汇集系统，使用上述任一项的交通流状态数据时间汇集方法。
[0028]
本发明中针对现有技术的缺陷，通过获取目标路段内每个车道的交通流数据；对所述交通流数据进行数据诊断，排除明显的错误数据；对所述交通流数据中出现的异常情况进行修补；对修补后的所述交通流数据分车道在时间上进行汇集。利用本技术的方案能够实现自动化采集和处理交通运行状态中的交通流参数，并实现车道级交通流状态数据时间汇集，提高数据的精确性。
附图说明
[0029]
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
[0030]
图1是示出根据本发明实施例的交通流状态数据时间汇集方法；
[0031]
图2是示出根据本发明实施例的具体步骤的时间汇集方法。
具体实施方式
[0032]
下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0033]
应当理解，本发明的权利要求、说明书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。本发明的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0034]
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施方式的目的，而并不意在限定本发明。如在本发明说明书和权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本发明说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0035]
如在本说明书和权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0036]
下面结合附图来详细描述本发明的具体实施方式。
[0037]
本发明的第一方面，提供了一种交通流状态数据时间汇集方法。图1是示出根据本发明实施例的交通流状态数据时间汇集方法，可以描述为包括步骤s1-s4：
[0038]
s1、获取目标路段内每个车道的交通流数据；所述交通流数据包括预设时间间隔
内通过的车辆数、车辆平均速度以及车道时间占有率。
[0039]
本发明的一个优选实施例中，所述微波检测器每30秒报告一次数据，所述交通流数据包括30秒间隔内的通过车辆数、车辆平均速度以及车道时间占有率。
[0040]
s2、对所述交通流数据进行数据诊断，排除明显的错误数据；其中，所述错误数据包括所述交通流数据组合错误及取值错误。
[0041]
对交通流数据进行诊断，排除明显的错误数据，诊断方法包括基本筛选和阈值筛选；
[0042]
步骤s21、基本筛选。对车辆数(q)、车辆平均速度(v)以及车道时间占有率(o)这三个参数九种不同情况的取值进行组合，通过对这些组合的分析，对交通流三参数做一个基本的判断，筛选出明显错误的数据，，具体判断方法如下：
[0043]
若q＝0,o＝0,v＝0，判断为数据缺失或真实值，进行下一步检验；
[0044]
若q≠0,o＝0,v＝0，判断为数据错误，删除相关数据；
[0045]
若q＝0,o≠0,v＝0，判断为数据错误，删除相关数据；
[0046]
若q＝0,o＝0,v≠0，判断为数据错误，删除相关数据；
[0047]
若q≠0,o≠0,v＝0，判断为数据错误，删除相关数据；
[0048]
若q≠0,o＝0,v≠0，判断为待定情况，进行下一步检验；
[0049]
若q＝0,o≠0,v≠0，判断为数据错误，删除相关数据；
[0050]
若q≠0,o≠0,v≠0，判断为待定情况，进行下一步检验；
[0051]
若q＝0,o＝1,v＝0，判断为完全停车情况，进行下一步检验。
[0052]
步骤s22、阈值筛选。交通流参数不能超过一定的阈值，如车辆数不能超过单车道的通行能力，速度一般不能超过最大速度的限制，而车道时间占有率不能超过1。这一过程保证交通流数据在合理的范围之内。本实施例中阈值筛选要求：q≤20，v≤130，o≤1。
[0053]
s3、对所述交通流数据中出现的异常情况进行修补；若异常的出现均是独立的、随机的，则判断为独立性异常；若检测器出现长时间中断导致数据缺失，则判断为连续性异常；其中，如果所述异常情况为独立性异常，则采用基于时间序列的数据修补方法，如果所述异常情况为连续性异常，则采用基于历史数据的数据修补方法。具体包括：
[0054]
步骤31、基于时间序列的修补方法，对于时刻i的异常数据，采用i-1至i-k时刻的数据均值进行修补，采用以下公式计算：
[0055][0056]
其中，表示需要修补的数据的估计值，k表示平滑宽度。
[0057]
作为示例的，本实施例中i时刻出现异常数据，k取5，q
i-1
＝5，q
i-2
＝3，q
i-3
＝5，q
i-4
＝4，q
i-5
＝8，v
i-1
＝102，v
i-2
＝98，v
i-3
＝105，v
i-4
＝99，v
i-5
＝101，o
i-1
＝0.03，v
i-2
＝0.02，v
i-3
＝0.03，v
i-4
＝0.03，v
i-5
＝0.04，i时刻的数据可以估计为：
[0058][0059]
[0060][0061]
步骤32、基于历史数据的修补方法，交通流在时间上存在相似性，居民出行分布的规律特性，决定了不同天同一时间段内的交通流的稳定性。利用这一特点，采用相同时间段的历史数据对时间段j的异常缺失数据进行修补，采用以下公式计算：
[0062]
xj＝hxj[0063]
其中，表示需要修补的数据的估计值hxj表示相同时间段的历史数据。
[0064]
作为示例的，本实施例中9月15日上午9：00-10：00的数据出现连续性异常，采用9月8日上午9：00-10：00的数据进行填充修补。
[0065]
s4、对修补后的所述交通流数据分车道在时间上进行汇集；其中，所述汇集包括交通流率、速度和占有率的汇集。如图2所示，是示出根据本发明实施例的具体步骤的时间汇集方法。本发明中，具体步骤的时间汇集方法包括如下的步骤s41-s44:
[0066]
步骤s41、根据实际需要确定交通流数据的时间汇集间隔t，t应为微波检测器报告频率30秒的整数倍。根据所述时间汇集间隔t，采用以下公式计算时间汇集间隔的有效间隔数量n：
[0067]
n＝t/30s
[0068]
作为示例的，本实施例中t取5分钟(300秒)，计算得到n＝10。
[0069]
步骤42、交通流率的时间汇集。交通量具有时间累加的特性，交通流率的时间汇集可直接将有效间隔数量内的车辆数相加得到，采用以下公式计算：
[0070][0071]
其中，q表示汇集后的交通流率，qi表示有效的分车道车辆数，n表示有效的间隔数量。
[0072]
步骤43、速度的时间汇集。微波检测器采集的速度一般为地点车速，即车辆通过微波检测器采集信息的断面时候的瞬时车速，微波检测器采集的原始交通流数据是在该时间间隔内通过该断面的所有车辆的平均速度，对于不同时段的交通流原始数据，其通过的车辆数一般各不相同。在对原始交通流数据进行时间汇集时，速度数据用车辆数作为权重对其进行加权平均，采用以下公式计算：
[0073][0074]
其中，v表示汇集后的车辆平均行驶速度，vi表示有效的分车道车辆平均速度，qi表示有效的分车道车辆数，n表示有效的间隔数量。
[0075]
(44)占有率的时间汇集。微波检测器所测得的占有率是指在一个断面上车辆的时间占有率，也即在一定时间间隔内，该断面被车辆占用的时间占总时间的比例。由于所采集的占有率原始数据的时间间隔相同，因此采用算术平均值对占有率进行时间汇集，采用以下公式计算：
[0076][0077]
其中，o表示汇集后的时间占有率，oi表示有效的分车道时间占有率，n表示有效的间隔数量。
[0078]
作为示例的，本实施例中一个时间间隔5分钟内，一车道的有效数据为：q1＝8，q2＝2，q3＝1，q4＝6，q5＝4，q6＝6，q7＝7，q8＝8，q9＝2，q
10
＝6，v1＝85，v2＝87，v3＝96，v4＝101，v5＝100，v6＝102，v7＝98，v8＝103，v9＝88，v
10
＝90，o1＝0.3，o2＝0.08，o3＝0.02，o4＝0.2，o5＝0.14，o6＝0.18，o7＝0.23，o8＝0.25，o9＝0.06，o
10
＝0.24，汇集后的可以计算为：
[0079][0080][0081]
o＝0.17。
[0082]
基于图1-图2所描述的一种交通流状态数据时间汇集方法，本发明的第二方面还提供了一种交通流状态数据时间汇集系统，上述交通流状态数据时间汇集系统运行上述的交通流状态数据时间汇集方法。
[0083]
虽然本说明书已经示出和描述了本发明的多个实施方式，但对于本领域技术人员显而易见的是，这样的实施方式是仅以示例的方式提供的。本领域技术人员在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解在实践本发明的过程中，可以采用本文所描述的本发明实施方式的各种替代方案。所附权利要求书旨在限定本发明的保护范围，并因此覆盖这些权利要求范围内的模块组成、等同或替代方案。

技术特征：
1.一种交通流状态数据时间汇集方法，其特征在于，包括以下步骤：获取目标路段内每个车道的交通流数据，所述交通流数据包括预设时间间隔内通过的车辆数、车辆平均速度以及车道时间占有率；对所述交通流数据进行数据诊断，排除明显的错误数据，其中，所述错误数据包括所述交通流数据组合错误及取值错误；对所述交通流数据中出现的异常情况进行修补；若异常的出现均是独立的、随机的，则判断为独立性异常；若检测器出现长时间中断导致数据缺失，则判断为连续性异常；其中，如果所述异常情况为独立性异常，则采用基于时间序列的数据修补方法，如果所述异常情况为连续性异常，则采用基于历史数据的数据修补方法；对修补后的所述交通流数据分车道在时间上进行汇集，其中，所述汇集包括交通流率、速度和占有率的汇集。2.根据权利要求1所述的一种交通流状态数据时间汇集方法，其特征在于，所述对所述交通流数据进行数据诊断，排除明显的错误数据，包括基本筛选：对车辆数q、车辆平均速度v以及车道时间占有率o这三个参数九种不同情况的取值进行组合判断：若q＝0,o＝0,v＝0，判断为数据缺失或真实值，进行下一步检验；若q≠0,o＝0,v＝0，判断为数据错误，删除相关数据；若q＝0,o≠0,v＝0，判断为数据错误，删除相关数据；若q＝0,o＝0,v≠0，判断为数据错误，删除相关数据；若q≠0,o≠0,v＝0，判断为数据错误，删除相关数据；若q≠0,o＝0,≠0，判断为待定情况，进行下一步检验；若q＝0,o≠0,≠0，判断为数据错误，删除相关数据；若q≠0,o≠0,≠0，判断为待定情况，进行下一步检验；若q＝0,o＝1,v＝0，判断为完全停车情况，进行下一步检验。3.根据权利要求2所述的一种交通流状态数据时间汇集方法，其特征在于，所述对所述交通流数据进行数据诊断，排除明显的错误数据，还包括阈值筛选：车辆数q不能超过单车道的通行能力，速度v不能超过最大速度的限制，而车道时间占有率o不能超过1。4.根据权利要求3所述的一种交通流状态数据时间汇集方法，其特征在于，所述基于时间序列的数据修补方法，具体包括以下步骤：对于时刻i的异常数据，采用i-1至i-k时刻的数据均值进行修补，采用以下公式计算：其中，表示需要修补的数据的估计值，k表示平滑宽度。5.根据权利要求3所述的一种交通流状态数据时间汇集方法，其特征在于，所述基于历史数据的数据修补方法，具体包括以下步骤：采用相同时间段的历史数据对时间段j的异常缺失数据进行修补，采用以下公式计算：x
j
＝hx
j
其中，表示需要修补的数据的估计值，h
xj
表示相同时间段的历史数据。6.根据权利要求4所述的一种交通流状态数据时间汇集方法，其特征在于，所述交通流数据分车道在时间上进行汇集包括交通流率的时间汇集、速度的时间汇集和占有率的时间汇集，具体包括以下步骤：(41)计算有效间隔数量n，采用以下公式计算：n＝t/30s；其中，微波检测器报告频率为30秒，交通流数据的时间汇集间隔为t；(42)计算交通流率的时间汇集，采用以下公式计算：其中，q表示汇集后的交通流率，q
i
表示有效的分车道车辆数，n表示有效的间隔数量；(43)计算速度的时间汇集，采用以下公式计算：其中，v表示汇集后的车辆平均行驶速度，v
i
表示有效的分车道车辆平均速度，q
i
表示有效的分车道车辆数，n表示有效的间隔数量；(44)计算占有率的时间汇集，采用以下公式计算：其中，o表示汇集后的时间占有率，o
i
表示有效的分车道时间占有率，n表示有效的间隔数量。7.一种交通流状态数据时间汇集系统，其特征在于，运行如权利要求1-6任一项所述的交通流状态数据时间汇集方法。

技术总结
本申请公开了一种交通流状态数据时间汇集方法及系统。其中方法包括，获取目标路段内每个车道的交通流数据；对所述交通流数据进行数据诊断，排除明显的错误数据；对所述交通流数据中出现的异常情况进行修补；对修补后的所述交通流数据分车道在时间上进行汇集。利用本申请的方案能够实现自动化采集和处理交通运行状态中的交通流参数，并实现车道级交通流状态数据时间汇集，提高数据的精确性。提高数据的精确性。提高数据的精确性。


技术研发人员：焦彦利 徐铖铖 李志斌 韩明敏 张龙 卢毅恒 王亚州 张凯丽
受保护的技术使用者：东南大学
技术研发日：2023.03.15
技术公布日：2023/6/27