一种基于车辆自动识别数据的城市路网车辆出行路径重构方法

摘要

本发明属于交通规划与管理领域，具体涉及一种基于车辆自动识别数据的城市路网车辆出行路径重构方法。该方法输入信息以AVI检测数据为主，结合传统流量检测设施所采集的数据。首先以图论中深度优先遍历搜索理论生成所有车辆初始可能路径集；然后利用粒子滤波理论，通过车辆出行的路径一致性、行程时间一致性、AVI可测性、重力-流量模型和路段-路径流量匹配模型五大时空修正因子的连续重要性采样更新车辆可能路径概率；最后根据重采样得到的后验概率函数曲线来推测车辆的“真实”路径。该方法可在AVI覆盖率较低的条件下仍能估计出很高精度的车辆完整出行路径，且该方法不依赖于车辆出行历史信息。

主权项

1.一种基于车辆自动识别数据的城市路网车辆出行路径重构方法，其特征在于具体步骤如下：（1）创建初始粒子群建立初始粒子群，令其有x¹，x²，……，x^N个初始粒子，表示为初始粒子群中所有初始粒子的先验概率，每个初始粒子代表一个车辆的可能出行路径；在无历史信息条件下，所有粒子的初始概率定义为1/N；N代表初始粒子群的数目；确定交通网络小区后，采用优化的深度优先搜索方法，获得各小区之间所有可能路径；（2）重要性采样For i=1,2，……，N；假设所有完整粒子的概率分布服从上一轮重要性采样后的密度函数;基于车辆路径轨迹的五大时空修正因子，共有五次重要性采样,分别为路径一致性采样、行程时间一致性采样、可测性判据采样、重力-流量模型采样和路段-路径流量匹配模型采样；（2.1）通过路径一致性修正因子将车辆部分路径与有效可能路径集中的路径进行拓扑结构匹配，进行第一次重要性采样更新粒子权重；然后根据不同路径权重更新，更新粒子集聚；（2.2）通过行程时间一致性修正因子分析两个AVI之间所有可能路段的平均行程时间与车辆在两个AVI之间的真实行程时间的相似性，进行第二次重要性采样更新粒子权重；然后根据不同路径权重更新，更新粒子集聚；（2.3）通过可测性判据修正因子减少检测器检测误差影响，进行第三次重要性采样更新粒子权重；然后根据不同路径权重更新，更新粒子集聚；（2.4）通过重力-流量模型修正因子反映车辆在路径选择过程中对距离较远及检测流量较小的出入口引力较小的客观事实；据此进行第四次重要性采样更新粒子权重；然后根据不同路径权重更新，更新粒子集聚；（2.5）通过路段-路径流量匹配模型修正因子反映车辆实际走行流量大的路段可能性较大的事实；据此进行第五次重要性采样更新粒子权重；然后根据不同路径权重更新，更新粒子集聚；（3）“真实”路径的输出计算所有路网可能路径的最终概率，并归一化得到后验概率函数曲线，推测单个车辆的完整出行路径；其余路径不完整的车辆数据均可通过上述方法进行路径重构，进而获得路网所有车辆的真实出行路径。