CIN 计算智能和神经科学 1687 - 5273 1687 - 5265 Hindawi出版公司 10.1155 / 2014/174123 174123年 研究文章 高速公路旅行速度计算模型基于等交易数据 建成 Rongliang 俄文 Yongjun 1 北京交通工程重点实验室,北京科技大学,北京100124 中国 bjut.edu.cn 2014年 14 12 2014年 2014年 22 09年 2014年 26 11 2014年 15 12 2014年 2014年 版权©2014年建成翁等。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

实时交通流运行状态的高速公路逐渐成为重要的信息高速公路用户和管理者。事实上,电子收费(等)事务数据有效地记录操作信息的车辆在高速公路上,它提供了一种新方法来估计高速公路的旅行速度。首先,分析等事务数据的结构和数据预处理过程。然后,建立了双级旅行速度计算模型下不同程度的样本大小。为了确保足够的样本大小等数据的不同enter-leave收费站对包含多个路段被用来计算每一条路的旅行速度段。减少系数<我talic> α和可靠的重量<我talic> θ示例介绍了车辆速度的模型。最后,模型验证了特殊设计的几种高速公路上进行了田间试验,在不同的时间在北京。实验结果表明,平均相对误差约为6.5%,这意味着公路旅行速度可以通过该模型准确地估计。该模型有助于促进高速公路运行监控和高速公路管理水平,以及为高速公路旅客提供有用的信息。

1。介绍

自动检测方法目前用于城市交通流收集通常包括雷达、激光、循环技术基于固定检测器集合,或基于GPS浮动车(FC)方法技术。然而,固定探测器与高成本和复杂的结构安装和维护不便,只能捕获截面的操作条件。虽然基于浮动车数据的收集系统可以得到更精确的旅行速度的道路段,仍存在一些问题,如浮动车数量不足和有限覆盖的区际和长途高速公路。Zarrillo等人指出,自动车辆识别(AVI)技术是一种可能的解决方案来收集和测量交通拥堵在现有道路设施 1]。肖等人认为等(电子收费)可以显著提高处理效率的收费站和收费公路的交通能力能力,因为禁止停车的巨魔集合( 2]。随着新的交通数据,电子收费系统(等)记录高速公路车辆进入和离开的时间和整天OD(叫做)信息;这些信息很容易访问、实时、高精度、高速公路的大规模建设等系统实现最近在中国。此外,长江三角洲地区的五个省和五个省份包括北京、天津、河北、山东,山西一直都意识到跨省等网络费用( 3]。与的扩张等系统在所有城市发展规模,用户数量的增加和水平的数据使等事务逐渐增加。在一些收费站等事务由近30%的流量和达到最低的交通流信息采集样品需求。等数据已成为高速公路交通流信息采集的新方法。

前等事务数据的研究主要集中在高速公路旅行时间预测和交通流量统计数据。翁等人探索的应用可行性等历史交易数据高速公路OD数据,交通流、层速度,等等和分析事务数据和数据特性的相关问题( 4]。文等人使用<我nline-formula> K 最近邻模型建立高速公路旅行时间预测模型基于等交易数据和探测器的数据( 5]。Kwon和Varaiya电子标签数据统计模型,证明有一个无偏估计量的OD矩阵基于矩量法。提出的算法可以快速计算和模拟下表现良好而简单的估计 6]。在最近的研究中,注意力一直集中在访问速度、旅行时间,并根据高速公路交通OD的等数据,缺乏研究更微观的部分高速公路交通信息采集方法。

近年来,研究人员提出了一些技术来估计车辆速度。Cathey提出了一种新颖的自动计算方法和Dailey足够的校准信息交通监控摄像头被部署在拥堵的高速公路监控,这样他们可以生产可靠的速度估计( 7]。Doğan等人也用摄像机数据速度估计;他们提出的方法的准确性约±1.12 km / h。他们认为稀疏光流技术是一种非常有效的技术,车辆的速度估计( 8]。你们等人提出了一个新的无味卡尔曼滤波方法的速度估计基于ingle-loop探测器的数据( 9]。,并于2009年Coifman和金姆罚款估计速度单回路探测器的一种新方法;关闭dual-loop探测器测量的准确性( 10]。Litzenberger等人提出了光学传感器的交通监视系统和车辆速度估计基于神经形态矽视网膜图像传感器,和一个新的算法用于处理异步输出数据由这个传感器。算法可以测量速度的车辆在20到300 km / h在四车道同时 11]。然而,尽管使用收集的车辆速度,这样的先进技术研究很少使用高速公路在中国旅游信息收集。

目前,研究了高速公路交通信息实时采集模型主要是基于GPS技术和循环探测器数据执行。Ferman等人提出的车辆全球定位卫星(GPS)设备作为探测汽车公司将获得更准确和及时的信息,和没有大型基础设施建设和维护费用。他们开发了一个分析模型,可以检查关键系统参数之间的关系( 12]。Mihaylova等人试图估计在高速公路网络交通状态的粒子滤波框架( 13]。Jain和Coifman提供了一个分析方法提高速度估计的准确性在车道高速公路交通检测器通过整合信息。本文使用lane-by-lane基础使用常规聚合流和占用的数据从单回路探测器获得提高速度估计( 14]。巴赫曼等人提出了匿名调查车辆监控系统正在开发测量旅行时间在高速公路和干道基于蓝牙等无线信号可以从技术。通过比较实验,他们认为融合蓝牙监视和回路探测器数据可以提高流量估计的准确性( 15]。尽管高速公路上的交通信息可以更准确地得到循环探测器,蓝牙,探测车辆数据等等难以实现在高速公路上长途和interregionalism的特点。

本文旨在分析等数据特点,建立高速公路速度等数据预处理过程基于等事务数据的提取。本文使用高速公路段为计算对象的速度和考虑模型的适用性在不同水平的样本大小,建立了分段高速公路旅行速度计算模型,为高速公路旅行速度提取提供创新的解决方案。

2。数据收集和预处理 2.1。等交易数据基础

原始等事务数据包含74个字段,记录车辆进出的详细信息高速公路。领域的数据表主要包括出入境广场ID号,旅游方向,出入境时间,和车辆类型,它提供重要的数据库计算车辆的速度。这是显示在表 1

等事务的描述性数据。

字段 PLAZAID 方向 ENTRY_EXIT CAR_SERIAL 创建 EN_PLAZAID EN_TIME
注释 退出广场ID 1:;0:下来 0:条目;1:退出 车牌 退出时间 入口广场ID 入境时间
样本数据 100124年 1 0 PA1234 2013/9/1 0:08:01 100122年 2013/9/1 0:01:23
100433年 0 0 FZ1234 2013/9/1 0:17:18 100711年 2013/9/1 0:11:01

除了等事务数据表等事务率表格还用在这项研究中,它包含出入境广场ID号的字段;收费里程代表高速公路收费站的位置信息。任意两个收费站之间的距离可以根据等事务率计算表,如表中所示 2

长途车站之间的距离。

S.N. 退出广场ID 入口广场ID 路径标识 距离(米) 退出广场的名字 入口广场的名字
1 100016年 100017年 43800001 4320年 Liuyuanqiao退出 顺义条目
2 100012年 100017年 43800002 8610年 Zhangxizhuang退出 顺义条目

2.2。数据预处理 2.2.1。数据原始断层等事务数据

由于系统原因,可以找到一些错误和异常数据在原始等数据,主要包括以下场景:(1)的存在异常事务时间数据:例如,出入境广场之间的时间间隔太短或太长。(2)“卡”、“负平衡,”和其他特殊情况可能发生,当车辆通过收费站。(3)不完整等事务,只有部分由等巷”等/矿渣MTC条目和矿渣MTC /等出口。“(4)有一些异常数据的速度过高或低由于车辆停止的情况或错误的系统时钟。

2.2.2。数据预处理

等原始数据的预处理可以提供一个有用的模型构建的基础。数据预处理的目的主要是以下几点:(1)高质量的数据可以通过删除了错误数据和无意义的数据;(2)它可以获得一个样本车辆的车辆旅行时间相应的出入境记录。为此,等数据预处理的算法流中提取旅行的速度在高速公路上包括关键字段提取、删除的错误数据,筛选有效数据,数据时间分割和汽车旅行速度计算。

2.2.3。数据过滤规则

无意义的或错误的数据在原始交易数据等将严重影响计算模型的准确性。数据筛选的主要目的是摒弃不合理的,错误的数据的基础上,以下标准:

事务数据的入口和出口之间的时间间隔超过86400秒(24小时)或不到60秒应该被删除;

如果退出时间早于条目,这些事务数据应该被删除;

事务数据相同的入口和出口的网站应该被删除;

事务数据包括open-charged高速公路数据应该被删除;

过滤数据异常数据与“工作模式(意味着正常记录和特殊事件)”字段填“0”(只有“0”代表正常的价值数据);

过滤掉的数据与“DEALSTATUS”字段填“0 x02”这意味着汽车的“入口等和退出等”;

过滤掉的数据与“ENTRY_EXIT”字段填“1”,这意味着退出数据;

考虑到速度阈值,计算车辆旅行速度低于5公里/小时或超过120 km / h是丢弃。

2.2.4。等时间间隔的数据分析

等事务数据的时间间隔部门应该是依靠高速公路交通状况的变化程度,以及样本容量在一个单一的分析时间。根据交通流的稳定性,研究旨在选择10 - 15分钟最初作为分析。为了确定其合理性,随机选择一整个工作日包含所有OD数据在整个网络。15分钟和10分钟的时间间隔,分别。和纸计算样本大小的数量同样的OD,如图 1

样本大小分布在不同的时间间隔。

图通常表明,在10分钟的时间间隔下,样本容量较低(小于6)占78%以上。然而,这个比例急剧下降到54%时,时间间隔15分钟。因此,本文建议15分钟的时间间隔在早上6:00相当于1小时,其余时间下午11点分析区间由于车辆速度在午夜时间的小波动。

2.2.5。旅行速度计算示例

车辆平均旅行速度计算基于等数据,还有两个步骤如下。

旅行时间的计算样本车辆,车辆旅行时间可以计算时差的入境时间和退出时间。

样本车辆之间旅行的旅行速度可以计算某些高速公路OD对出入境人数之间的旅行时间和距离车站等费率表可以获得。

3所示。旅行速度计算模型 3.1。公路段划分

为了更准确地反映交通状态信息高速公路,高速公路应该尽可能最小的单位。收费站是高速公路网络的重要节点;公路段部门可以采取收费站为主要节点。本文定义了相同的部分高速公路方向之间的两个相邻收费公路段,旅行速度计算的基本单位。

特别是,作为高速公路的部分区域只有一个出口或入口收费站在特殊情况下,会有一些差距,如果按照上面定义的高速公路的部分分工。针对这种特殊情况,介绍了虚拟收费站的研究补充入口或出口收费站。

3.2。旅行速度计算模型对公路段

考虑到道路段的样本量等可能无法满足的最小样本量的要求在一个时期,本文建立了双级旅行速度根据样本容量计算模型。这两种情况下被孤立样本容量阈值在一个计算周期内(15分钟)。旅游公路段的速度是所有样本的平均值相应的车辆OD对样本容量大于阈值时的条件。然而,当样本低于阈值条件下,样本车辆外延OD对的旅行速度包含计算道路段被带进计算。模型建立如下: (1) V j = 1 n k = 1 n D j T k n N 0 一个 1 × v OD j 1 × θ 1 + 一个 2 × v OD j 2 × θ 2 + 一个 z × v OD j z × θ z z = 1 z θ z n < N 0 , 在哪里<我nline-formula> V j 旅行速度吗<我nline-formula> j 道路段的<我nline-formula> 时间间隔;<我nline-formula> D j 是距离<我nline-formula> j 道路段;<我nline-formula> T k 车辆的旅行时间是几号<我nline-formula> k 在<我nline-formula> 时间间隔;<我nline-formula> N 0 是最小样本容量所获得的数据测试;<我nline-formula> v OD j z 平均旅行速度的车辆OD对吗<我nline-formula> z 包含<我nline-formula> j 段的<我nline-formula> 时间间隔,<我nline-formula> z = 1、2 , , z ,在那里<我nline-formula> z 道路段数量的OD当样本容量不足;<我nline-formula> α z 降低系数OD对吗<我nline-formula> z 速度,<我nline-formula> z = 1、2 , , z ,在那里<我nline-formula> z 道路段数量的OD当样本容量不足;<我nline-formula> θ z 可靠性权重OD对吗<我nline-formula> z 速度,<我nline-formula> z = 1、2 , , z ,在那里<我nline-formula> z 是数量的OD当样本容量的道路段不足。

随后,本文将具体介绍最小样本容量的确定方法,换算系数,可靠的OD体重速度。

3.2.1之上。阈值的样本大小

等样本大小道路段的时间间隔影响认真监控旅行速度的准确性和有效性。等的数据量是足够的,等车辆速度可以代表旅游公路段的速度准确。与高速公路相比,高速公路交通流更加连续和速度的波动要小得多。根据熊等人在北京这个城市高速公路浮动车辆每公里5分钟的最小样本量7 - 9和被认为是研究研究了Ferman和Tu等人提出,浮动车的比例应不低于3%,以满足高速公路速度监控的准确性( 16, 17];本文建议的最低等样本应该在每个分析12段15分钟,这意味着的建议值<我nline-formula> N 0 是12。

3.2.2。换算系数对OD速度

因为车辆的旅行速度可能受不同交通量和道路条件,OD速度包含一个以上的道路段不能直接用于计算某些路段的速度。为了减少之间的差距OD速度和速度的道路,OD速度应该修改。

研究发现,相邻路段的交通流运行状态有很强的相关性,以及它们之间的关系是相当稳定的(图 2)。因此,降低系数的介绍了OD速度模型,可以通过分析历史交通流的关系。首先,研究计算OD对的旅行速度和相应的道路段基于历史数据。然后,减速系数OD速度道路速度的比值,计算公式 (2) α z = V OD j Z V j , 在哪里<我nline-formula> α z 是OD对的换算系数<我nline-formula> z 速度,速度的道路<我nline-formula> j ;<我nline-formula> V j 是历史旅游公路段速度吗<我nline-formula> j ;<我nline-formula> v OD j z 平均旅行速度的车辆OD对吗<我nline-formula> z 包含<我nline-formula> j 段,<我nline-formula> z = 1、2 , , z ,在那里<我nline-formula> z 是数量的OD当样本容量的道路段不足。

图的道路段和OD对之间的关系。

研究训练减速系数在不同的时期,结果见表 3。从训练的结果,造成的减速系数OD段的道路不会受到时间和日常数据是稳定的。

结果训练速度换算系数<我talic> α

减速系数 高峰时期 非高峰时间 整天
测试数据组 的平均值<我talic> α 方差 样本大小 的平均值<我talic> α 方差 样本大小 的平均值<我talic> α 方差 样本大小
1 0.83 0.02 6 0.84 0.02 8 0.83 0.02 14
2 0.95 0.04 6 0.94 0.03 8 0.94 0.03 14
3 0.95 0.07 6 0.94 0.02 8 0.94 0.05 14
4 0.86 0.03 6 0.87 0.02 8 0.87 0.02 14

OD速度之间的相对误差和公路段速度计算速度降低系数的计算方法,前面所提到的,和表中所示的结果 4。结果表明,OD速度接近道路段的速度和平均绝对误差的离散程度也下降通过减速校正系数。

减少的速度误差比较之前和之后。

公路段 没有减少 与减少 样本大小
平均绝对误差(公里/小时) 误差方差(公里/小时) 平均绝对误差(公里/小时) 误差方差(公里/小时)
1 8.92 6.15 3.57 3.45 84年
2 14.98 8.69 5.36 3.51 84年

3.2.3。可靠性体重OD速度

尽管<我nline-formula> α 被用来减少OD速度的研究,仍有某些错误之间的OD因为速度波动速度和道路段速度。的速度可靠重量指示器被介绍给评估OD对速度的降低系数波动的影响。减少相同的值后,OD速度波动会带来更大的误差,从而使低可信度。所以第二个参数<我nline-formula> θ 引入到模型中。

可靠性可以给出的重量<我nline-formula> θ 的OD速度较小的误差减少后稳定。通过这种方式,造成的计算误差波动速度可以减少。因此,速度路段之间的平均绝对误差和OD速度,减少基于历史数据和实验数据进行了计算,从而使不同的可靠性重量OD速度根据平均绝对误差。本文认为给定的速度可靠的路段本身的重量是1.0,和相关的多个OD对的总重量计算路段的速度是1.0。具体计算公式如下: (3) θ z = 1 / z = 1 1 / × 1 , 在哪里<我nline-formula> θ z 可靠性权重OD对吗<我nline-formula> z 速度,<我nline-formula> z = 1、2 , , z ,在那里<我nline-formula> z 道路段数量的OD当样本容量不足;<我nline-formula> 平均绝对误差历史OD速度和道路段速度。

4所示。速度计算模型的验证

提出旅游速度计算模型的准确性进行了测试,通过比较计算速度与观察到的速度在高速公路上。温和的司机被选中进行田间试验,他们开车经过实验路段交通流的平均速度。研究选定的12路部分,分别属于Beijing-Harbin高速公路,Beijing-Kaifeng高速公路,和北京西藏公路日常交通量的不同层次。验证实验两个高峰时段(17:30-19:00)和非高峰(14:00-15:30)小时。

计算模型的误差和预测精度评估由三个指标包括平均绝对误差(MAE)、平均相对误差(绝笔)和均方根误差(RMSE)。前两个指标用于描述的基本误差计算速度和实际速度。第三个指标是用来描述离散程度的计算速度和实际的数据。

误差评价指标的计算公式如下所示: (4) = 1 n = 1 n V 计算 - - - - - - V 真正的 , 绝笔 = 1 / n = 1 n V 计算 - - - - - - V 真正的 V 真正的 , RMSE = 1 n = 1 n V 计算 - - - - - - V 真正的 - - - - - - AAE 2

根据每个指标的计算公式,结果如表所示 5

速度计算模型的误差分析结果。

误差分析 平均绝对误差(公里/小时) 平均相对误差(%) 误差的均方误差(公里/小时)
高峰时期 4.11 6.42 2.38
非高峰时间 4.93 6.74 3.39

结果表明,整体的误差模型,研究很小,和模型具有更高的精度。在高峰期和非高峰期期间,平均绝对误差小于5公里/小时,分别4.11公里和4.93公里/小时,平均相对误差约为6.5%。两个指标是错误的可接受的水平。分别平均平方偏差是2.38公里和3.39公里/小时,而结果表明它的精度保持稳定。旅行速度模型提出的研究更好的适用性;它可以满足高峰期和非高峰期旅行速度的需求收集,特别是均方根误差更小的高峰时间;它表明的波动速度在高峰时间计算误差较小。

5。结论和进一步的工作

基于等事务的分析数据挖掘应用程序和高速公路信息提取,可以得出一些重要结论如下。

等交易数据为高速公路旅行提供了一个可行的方法提取速度。考虑的状况等交易比率,通常是一个适当的时间间隔15分钟发现披露和分析动态交通的高速公路。

考虑到等样本容量的道路段在一个时间段不同,研究建立了一个双级旅行速度计算模型在不同样品的水平。等交易数据的研究使用OD对包含计算道路段计算旅行道路段的速度。和创建速度换算系数和速度可靠性重量;他们可以使OD速度计算的更精确的旅行速度的道路。

基于收集的高速公路路段旅行速度,本文提出的计算模型进行验证。结果表明,高峰期和非高峰期的平均绝对误差约4.5公里/小时,平均相对误差平均相对误差约为6.5%,与均方偏差是2.38公里/小时和3.39公里/小时。这表明旅行速度计算模型是可行的,适合高峰期和非高峰期期间,和旅行速度无显著影响的错误计算。

等交易数据只能记录进入和离开高速公路的车辆。在未来的研究中,等事务和其他数据源的数据可以利用一起提取高速公路交通流的操作信息,如固定检测器数据、浮动车数据和视频数据。基于多源数据融合算法将进一步加强高速公路的准确性和可靠性运行状态集合。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者想要表示感谢的支持从中国的国家自然科学基金(NFSC)(没有。51108012)和中国工业和信息化部根据国家科技(没有的主要程序。2013年zx01045003 - 002)。

Zarrillo m . L。 Radwan 答:E。 Al-Deek h . M。 建模交通运营电子收费和交通管理系统 计算机和工业工程 1997年 33 3 - 4 857年 860年 10.1016 / s0360 - 83529700266 - 0 2 - s2.0 - 0031342467 Z。 Q。 Z。 的研究和开发高速公路电子收费系统 学报第一国际研讨会在知识发现和数据挖掘(WKDD ' 08) 2008年 359年 362年 长江三角洲地区的五个省,北京、天津、河北、山东、山西实现了跨省等网络费用, http://www.chinahighway.com/news/2014/860157.php j . C。 L . L。 B。 基于交通信息等数据挖掘技术 交通运输系统工程与信息技术》杂志上 2010年 10 2 57 63年 2 - s2.0 - 77952825563 J。 D.-K。 许思义 S.-Y。 公园 学术界。 旅行时间预测使用k最近邻方法结合车辆检测器的数据系统和自动收费系统 交通研究记录 2011年 2256年 1 51 59 2 - s2.0 - 84863041488 10.3141 / 2256 - 07 Kwon J。 Varaiya P。 叫做矩阵的实时评估与电子收费标签部分轨迹数据 交通研究记录 2005年 1923年 119年 126年 2 - s2.0 - 33645655053 Cathey f·W。 Dailey d . J。 一种新的方法来计算动态测量车辆速度使用无标定巷道相机 《IEEE智能车辆研讨会 2005年6月 777年 782年 10.1109 / ivs.2005.1505199 2 - s2.0 - 33745947911 Doğan 年代。 Temiz m . S。 Kulur 年代。 实时速度行驶车辆从一个侧面图像估计未校准摄像机 传感器 2010年 10 5 4805年 4824年 2 - s2.0 - 77953525659 10.3390 / s100504805 Z。 Y。 米德尔顿 d·R。 无味卡尔曼滤波方法对速度估计使用单回路探测器数据 交通研究记录 2006年 1968年 1 117年 125年 2 - s2.0 - 33846496853 Coifman B。 年代。 从高速公路速度估计和基于长度的车辆分类单回路探测器 交通研究部分C:新兴技术 2009年 17 4 349年 364年 2 - s2.0 - 67349285692 10.1016 / j.trc.2009.01.004 Litzenberger M。 Belbachir a . N。 Donath N。 车速估计基于异步数据从一个硅视网膜光学传感器 IEEE智能交通系统研讨会论文集(ITSC 06年) 2006年9月 加拿大多伦多 653年 658年 10.1109 / ITSC.2006.1706816 2 - s2.0 - 34248350253 Ferman m·A。 Blumenfeld d E。 X。 probe-based交通信息系统的一个简单的分析模型 1 《IEEE智能交通系统 2003年10月 263年 268年 10.1109 / ITSC.2003.1251960 Mihaylova l R。 Hegyi 一个。 高速公路交通估计在粒子滤波框架内 自动化 2007年 43 2 290年 300年 10.1016 / j.automatica.2006.08.023 MR2281833 2 - s2.0 - 33845957094 耆那教徒的 M。 Coifman B。 从高速公路交通检测器提高速度估计 交通运输工程学报 2005年 131年 7 483年 495年 10.1061 /(台湾)0733 - 947 x (2005) 131:7 (483) 2 - s2.0 - 23144450437 巴赫曼 C。 Roorda m·J。 Abdulhai B。 Moshiri B。 与回路探测器数据融合蓝牙交通监控系统提高高速公路交通速度估计 《智能交通系统:技术、计划和行动 2013年 17 2 152年 164年 10.1080 / 15472450.2012.696449 2 - s2.0 - 84878312797 J。 J。 J.-Z。 太阳 j。 X.-J。 翁ydF4y2Ba 小时。 的最小样本量的确定浮动车在北京的高速公路 交通运输系统工程与信息技术》杂志上 2010年 10 4 38 43 2 - s2.0 - 77956360146 Z。 H。 C。 l 研究路线覆盖和交通信息的更新周期基于浮动车的最小样本 中国铁道科学 2006年 27 5 127年 131年 2 - s2.0 - 33845548180