一种基于拥堵传播的城市路段通行关键瓶颈识别方法与流程

1.本发明涉及城市交通管理领域，具体涉及基于拥堵传播的城市路段通行关键瓶颈识别方法。


背景技术：

2.随着城市的不断建设发展，城市道路的负荷愈发严重，为了提升道路运行效率，拥堵的问题亟需解决。路网畅通程度直接受路段通行瓶颈的制约，严重的通行瓶颈会造成路网通行效率急剧下降，识别关键的瓶颈路段对于支撑交通拥堵管理决策制定、提升整个城市的道路运行效率十分重要。不同于传统的仅考虑拥堵路段局部的研究思路，该方法通过定义拥堵事件和拥堵激活事件，提取完整的传播链路进行分析；此外，现有的研究方法缺乏对拥堵链路造成路网运行损失代价的量化评价方法，该方法定义了拥堵代价函数，量化拥堵链路形成的总代价，作为判定拥堵链路的关键性的重要依据；最后分析提取的拥堵传播链路结果，找到最为关键的拥堵链路的起始路段，识别为路段通行瓶颈。


技术实现要素：

3.有鉴于此，本发明的目的之一是提供一种基于拥堵传播的城市路段通行关键瓶颈识别方法。
4.本发明的目的是通过以下技术方案实现的：。
5.一种基于拥堵传播的城市路段通行关键瓶颈识别方法，包括以下步骤：
6.步骤s1：数据采集：采集车辆gps轨迹数据，包括出租车轨迹数据和网约车gps轨迹数据，用于表征道路路况，以及采集路网数据；
7.步骤s2：数据融合：对采集的网约车gps轨迹和出租车gps轨迹数据进行融合，统一数据维度；
8.步骤s3：地图匹配：即将gps轨迹匹配到路段上；
9.步骤s4：路段拥堵状态判定：计算路段的通行速度，分析路段的速度-时间分布规律，确定路段的饱和临界速度，即路段发生拥堵时的速度判定阈值；
10.步骤s5：提取拥堵事件：计算每个路段在每个时间片的平均速度，将一个路段从拥堵形成到拥堵消散的连续n个时间片的集合称为一个拥堵事件；
11.步骤s6：提取拥堵激活事件：倘若两个相邻路段先后进入拥堵状态，且下游路段的拥堵状态持续到上游路段的拥堵形成之后，则判定拥堵由下游路段传播到上游路段；
12.步骤s7：形成拥堵传播链路：将拥堵事件与拥堵激活事件结合，完整的传播链路是将拥堵事件通过拥堵激活事件不断地连接形成的；
13.步骤s8:量化评价拥堵传播链路的拥堵代价：
14.步骤s9：识别路段通行关键瓶颈：分析得到的拥堵链路-拥堵代价分布图，提取大于拥堵代价阈值的拥堵链路，对这些拥堵链路的时间分布进行分析，提取关键的瓶颈路段。
15.进一步，步骤s2中，采用隐马尔科夫模型地图匹配方法对原始gps轨迹点进行处
理。
16.进一步，所述步骤s8中，为了量化地体现拥堵传播链路对于路网运行造成的损失程度，将拥堵路段的长度、拥堵路段的车道数以及拥堵持续时长作为考虑因素，拥堵链路的总代价计算公式如下：
[0017][0018]
其中costk是第k个拥堵传播链路的拥堵代价，dk是第k个拥堵传播链路对应的拥堵事件的集合，lenr是拥堵事件p对应的路段r的长度，cdsr是拥堵事件p对应的路段r的车道数，t
p
是拥堵事件p对应的路段r的拥堵持续时长。
[0019]
本发明的目的之二是提供一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的方法。
[0020]
本发明的目的之三是提供一种计算机可读存储介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现如前所述的方法。
[0021]
本发明的有益效果是：本发明提出一种易于操作的识别通行关键瓶颈的方法，融合出租车gps轨迹数据和网约车gps轨迹数据，通过提取拥堵事件和拥堵激活事件，找到拥堵传播链路；通过定义一个拥堵代价函数，量化评价路段拥堵造成的影响，依据影响程度找到关键拥堵瓶颈。整个方法流程步骤明晰，操作方便，具有良好的应用价值。
[0022]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和前述的权利要求书来实现和获得。
附图说明
[0023]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
[0024]
图1是本发明实施的识别城市路段通行关键瓶颈的流程图
[0025]
图2本发明实施实例选取的部分区域路段的路段路网数据；
[0026]
图3是本发明参考的《城市道路交通运行评价标准》道路运行水平等级划分；
[0027]
图4是本发明实施实例的拥堵链路的拥堵代价分布图；
[0028]
图5是本发明实施实例的2个典型时段拥堵瓶颈在一周内的频数直方图；
[0029]
图6是本发明实施实例中的6到10点关键瓶颈路段的分布示意图。
[0030]
图7是本发明实施实例中的14到17点关键瓶颈路段的分布示意图。
具体实施方式
[0031]
以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
[0032]
如图1所示，本发明的一种基于拥堵传播的城市路段通行关键瓶颈识别方法，包括以下步骤：
[0033]
步骤s1：数据采集：采集车辆gps轨迹数据，包括出租车轨迹数据和网约车gps轨迹数据，用于表征道路路况，以及采集路网数据；考虑到出租车和网约车作为营运车辆，具有运行时间长、运行时间规律、位置分布广泛，更能反映城市道路状况，故而本方法采集出租车gps轨迹和网约车gps轨迹作为研究数据；
[0034]
步骤s2：数据融合：对采集的网约车gps轨迹和出租车gps轨迹数据进行融合，统一数据维度；
[0035]
步骤s3：地图匹配：即将gps轨迹匹配到路段上；
[0036]
步骤s4：路段拥堵状态判定：计算路段的通行速度，分析路段的速度-时间分布规律，确定路段的饱和临界速度，即路段发生拥堵时的速度判定阈值；
[0037]
步骤s5：提取拥堵事件：计算每个路段在每个时间片的平均速度，将一个路段从拥堵形成到拥堵消散的连续n个时间片的集合称为一个拥堵事件；
[0038]
步骤s6：提取拥堵激活事件：倘若两个相邻路段先后进入拥堵状态，且下游路段的拥堵状态持续到上游路段的拥堵形成之后，则判定拥堵由下游路段传播到上游路段；
[0039]
步骤s7：形成拥堵传播链路：将拥堵事件与拥堵激活事件结合，完整的传播链路是将拥堵事件通过拥堵激活事件不断地连接形成的；
[0040]
步骤s8:量化评价拥堵传播链路的拥堵代价：
[0041]
步骤s9：识别路段通行关键瓶颈：分析得到的拥堵链路-拥堵代价分布图，提取大于拥堵代价阈值的拥堵链路，对这些拥堵链路的时间分布进行分析，提取关键的瓶颈路段。
[0042]
实施例
[0043]
本实施例中，步骤s1中采集的数据来源有重庆市的出租车gps轨迹数据和网约车gps轨迹数据，数据记录包括车辆id、位置、时间、瞬时速度、方位角、定位标识等，其中时间包括年份、月份、日期、小时、分钟、秒，位置包括经度和纬度。另外还采集了重庆市某城区部分路网数据，参考图2，包括了道路的长度、车道数、道路级别和上下游拓扑关系。
[0044]
在步骤s2中，对采集的网约车gps轨迹和出租车gps轨迹数据进行融合，统一数据维度，只保留车辆id、时间、经纬度、瞬时速度、方位角字段。另外，由于采集路网数据一般都是根据路网节点划分得到的路段，路段长度一般介于100米至200米，但快速路则可能有几公里，属于不均匀分布，需要进一步切分，使得每条路段长度在100米左右，避免由于长度过大导致不能发现存在于路段中间部分的拥堵。
[0045]
在步骤s3中，针对融合后的轨迹数据，即车辆id、时间、经纬度、瞬时速度、方位角字段数据，以及重新切分后的路网数据，采用改进的隐马尔科夫模型地图匹配方法，将轨迹数据匹配到划分后的路段。
[0046]
首先，需要将异常的轨迹数据剔除，包含以下几种情况：
①
剔除瞬时速度超过28m/s的轨迹点；
②
剔除方位角在[0,360]之外的轨迹点；
③
剔除同一车辆id的相邻轨迹点的瞬时速度和方位角均为0，但是经纬度和时间在变化的轨迹点。再将坐标转换为wgs-84坐标系。
[0047]
然后对路网数据设置50米的缓冲区，获取轨迹点在缓冲区范围内的候选状态点。将这些候选状态点和路网数据作为改进的隐马尔科夫模型的输入，计算所有候选状态点的观察概率和转移概率。再把观察概率作为节点，转移概率作为边，构建有向权重图，获取观察概率和转移概率累计和为最大的候选状态点点集。把该点集回溯获取匹配点点集，作为
最优的匹配轨迹。
[0048]
在步骤s4中，以5分钟为一个时间片，将匹配到同一路段、属于同一时间片的轨迹点筛选出来，计算调和平均速度，作为路段在该时间片的运行速度。计算公式如下：
[0049][0050]
在步骤s5中，进行路段拥堵状态判定，通过《城市道路交通运行评价标准》中的道路运行水平等级划分表，参考图3，易发现不同级别的道路的较拥堵判定阈值都在自由流速度的40％，拥堵的判定阈值在自由流速度的25％。一般来说，自由流速度主要和道路的等级、车道数、道路长度等相关，但没有标准的对应关系，所以这里需要对每一个路段绘制速度-时间分布图，取一天中最高的4个瞬时速度均值的40％和25％，作为路段的较拥堵临界速度和拥堵临界速度，即路段发生拥堵时的速度判定阈值。
[0051]
根据得到的每个路段的拥堵临界速度，对所有路段在每个时间片的调和平均速度进行拥堵判定。
[0052]
在步骤s6中，根据步骤5拥堵状态判定结果，对每个路段进行拥堵事件提取，从第一个时间片开始，当遇到拥堵判定结果为1的时间片，记录为当前拥堵事件的开始时间，继续遍历后续时间片，如果后续时间片路段的拥堵判定结果也为1，则为同一个拥堵事件，否则将已遍历过的最后一个拥堵状态为1的时间片记录为当前拥堵事件的结束时间。重复上述步骤，直到提取出所有路段的所有拥堵事件，形成一条(路段，拥堵开始时间，拥堵结束时间)的三元组记录。算法过程如下：
[0053][0054]
在步骤s7中，路段的拥堵传播需要同时满足空间相邻和时间交叉的规则。假设road_1与road_2为相邻路段，road_1是road_2的下游路段，那么车辆将从road_2流向road_1，而拥堵的传播则该由road_1传播向road_2。假设下游路段road_1的拥堵状态持续到上游路段road_2的拥堵形成之后，就判断拥堵由下游路段road_1传播到上游路段road_2。
[0055]
在步骤6中，提取了所有路段的拥堵事件。在步骤7中，提取了两两路段间的拥堵传
播事件。接下来，将进入步骤s8，即将拥堵事件与拥堵激活事件结合，把单个的拥堵事件连接形成完整的传播链路。借用步骤7中的road_1与road_2进行说明，如果存在road_1到road_2的拥堵传播事件，road_1某个拥堵事件的结束时间晚于road_2的某个拥堵事件的开始时间，且road_1该拥堵事件的开始时间早于road_2该拥堵事件的开始时间，则将这两个拥堵事件连接，不断重复上述步骤直到无法再连接新的拥堵事件。
[0056]
最后，通过步骤s9量化评价拥堵传播链路的拥堵代价：为了量化地体现拥堵传播链路对于路网的影响程度，将拥堵路段的长度、拥堵路段的车道数以及拥堵持续时长作为考虑因素，对链路包含的所有拥堵事件进行代价的求和，拥堵链路的总代价计算公式如下：
[0057][0058]
其中costk是第k个拥堵传播链路的拥堵代价，dk是第k个拥堵传播链路对应的拥堵事件的集合，lenr是拥堵事件p对应的路段r的长度，cdsr是拥堵事件p对应的路段r的车道数，t
p
是拥堵事件p对应的路段r的拥堵持续时长。
[0059]
对每一条传播链路，计算其拥堵的总代价，绘制拥堵代价-传播链路分布图，参考图4，剔除离群点，根据经验选择100的作为关键瓶颈择拥堵代价阈值。
[0060]
在步骤9得到的拥堵链路结果的基础上，分析拥堵链路在一周内的时间分布。首先将一天分为若干个时段，分别是[00:00～06:00]、[06:00～10:00]、[10:00～12:00]、[12:00～14:00]、[14:00～17:00]、[17:00～19:00]、[19:00～21:00]、[21:00～24:00]。绘制一周内各个时段的拥堵代价超过100的拥堵链路的频数直方图，图5是重庆市某城区部分路段在工作日早晚高峰的拥堵链路频数直方图。如果一周内在某一时段至少3天成为瓶颈，则称其为在该时段的常发性关键拥堵链路，参考图6和图7。
[0061]
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
[0062]
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
[0063]
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、ram、rom等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此
外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
[0064]
计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
[0065]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种基于拥堵传播的城市路段通行关键瓶颈识别方法，其特征在于：所述方法包括以下步骤：步骤s1：数据采集：采集车辆gps轨迹数据，包括出租车轨迹数据和网约车gps轨迹数据，用于表征道路路况，以及采集路网数据；步骤s2：数据融合：对采集的网约车gps轨迹和出租车gps轨迹数据进行融合，统一数据维度；步骤s3：地图匹配：即将gps轨迹匹配到路段上；步骤s4：路段拥堵状态判定：计算路段的通行速度，分析路段的速度-时间分布规律，确定路段的饱和临界速度，即路段发生拥堵时的速度判定阈值；步骤s5：提取拥堵事件：计算每个路段在每个时间片的平均速度，将一个路段从拥堵形成到拥堵消散的连续n个时间片的集合称为一个拥堵事件；步骤s6：提取拥堵激活事件：倘若两个相邻路段先后进入拥堵状态，且下游路段的拥堵状态持续到上游路段的拥堵形成之后，则判定拥堵由下游路段传播到上游路段；步骤s7：形成拥堵传播链路：将拥堵事件与拥堵激活事件结合，完整的传播链路是将拥堵事件通过拥堵激活事件不断地连接形成的；步骤s8:量化评价拥堵传播链路的拥堵代价：步骤s9：识别路段通行关键瓶颈：分析得到的拥堵链路-拥堵代价分布图，提取大于拥堵代价阈值的拥堵链路，对这些拥堵链路的时间分布进行分析，提取关键的瓶颈路段。2.根据权利要求1所述的一种基于拥堵传播的城市路段通行关键瓶颈识别方法，其特征在于：步骤s2中，采用隐马尔科夫模型地图匹配方法对原始gps轨迹点进行处理。3.根据权利要求1或2所述的一种基于拥堵传播的城市路段通行关键瓶颈识别方法，其特征在于：所述步骤s8中，为了量化地体现拥堵传播链路对于路网运行造成的损失程度，将拥堵路段的长度、拥堵路段的车道数以及拥堵持续时长作为考虑因素，拥堵链路的总代价计算公式如下：其中cost
k
是第k个拥堵传播链路的拥堵代价，d
k
是第k个拥堵传播链路对应的拥堵事件的集合，len
r
是拥堵事件p对应的路段r的长度，cds
r
是拥堵事件p对应的路段r的车道数，t
p
是拥堵事件p对应的路段r的拥堵持续时长。4.一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1-3任一项所述的方法。5.一种计算机可读存储介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-3任一项所述的方法。

技术总结
本发明公开了一种基于拥堵传播的城市路段通行关键瓶颈识别方法，融合出租车GPS轨迹数据和网约车GPS轨迹数据，通过提取拥堵事件和拥堵激活事件，找到拥堵传播链路；通过定义一个拥堵代价函数，量化评价路段拥堵造成的影响，依据影响程度找到关键拥堵瓶颈。整个方法流程步骤明晰，操作方便，具有良好的应用价值。具有良好的应用价值。具有良好的应用价值。


技术研发人员：郑林江 廖隆权 刘晏霖 唐小勇 高志刚
受保护的技术使用者：重庆市交通规划研究院
技术研发日：2022.12.29
技术公布日：2023/6/26