王龍飛，陳紅，李楊，鄧亞娟

長安大學(xué)公路學(xué)院交通工程研究所，西安 710064

城市路網(wǎng)車輛出行軌跡獲取的混合軌跡拆分

王龍飛，陳紅，李楊，鄧亞娟

長安大學(xué)公路學(xué)院交通工程研究所，西安 710064

傳統(tǒng)的交通調(diào)查如起訖點(diǎn)調(diào)查、交通量調(diào)查、通行能力調(diào)查、車速調(diào)查等，都有其專屬、系統(tǒng)的調(diào)查方法，如詢問法、跟車法、觀測法[1]等，然而，這些方法大都停留在獲取單一交通參數(shù)的層面，其局限性、低效性、單一性很難滿足當(dāng)今復(fù)雜交通系統(tǒng)分析的信息需求。路網(wǎng)中的車輛出行軌跡隱含著豐富的交通出行與狀態(tài)信息，能全面、系統(tǒng)地再現(xiàn)紛繁復(fù)雜的交通運(yùn)行場景[2]，可看做是路網(wǎng)交通運(yùn)行的靜態(tài)存儲，已有很多學(xué)者利用GPS、RFID、移動通信、圖像識別等先進(jìn)數(shù)據(jù)采集技術(shù)手段[3-9]來識別車輛出行軌跡信息進(jìn)行交通分析。當(dāng)前，城市路網(wǎng)中的視頻檢測器每天都在獲取海量車牌信息，因此可基于面向軌跡的理念來利用車牌照生成車輛出行軌跡，分析交通運(yùn)行狀態(tài)、特征和分布規(guī)律[10]。

然而，由于車牌自動識別系統(tǒng)自身及操作的誤差，會造成車牌的錯誤識別，文獻(xiàn)[11-13]中雖然研究了對錯誤異常車牌的處理方法，但這些方法多是通過預(yù)測手段來確保最終交通參數(shù)估計(jì)的準(zhǔn)確性，并不是按面向軌跡的思想進(jìn)行車牌分析。車牌誤識別對車輛出行軌跡分析的準(zhǔn)度產(chǎn)生影響最大的情況就是將多輛車誤識別成一輛車，致使生成混合的車輛出行軌跡。因此，為確保軌跡分析獲取的準(zhǔn)確性，需要對混合軌跡進(jìn)行拆分，得到最初的原始出行軌跡。本文立足于面向軌跡的調(diào)查分析理念，系統(tǒng)研究了混合軌跡的拆分方法，并給出了算例分析。

1 軌跡獲取方法機(jī)理

定義1（一次可達(dá)關(guān)系）若車輛從調(diào)查點(diǎn)SA（布設(shè)于有向路段）出發(fā)，途中不經(jīng)過其他調(diào)查點(diǎn)即可到達(dá)調(diào)查點(diǎn)SB，則稱SA與SB之間存在一次可達(dá)關(guān)系，RA→B=SA→SB。

定義2（一次可達(dá)路徑）若RA→B=SA→SB，則在路網(wǎng)中用于確定RA→B的路徑稱為RA→B的一次可達(dá)路徑，記為PRA→B。

定義3（一次可達(dá)網(wǎng)絡(luò)）以調(diào)查點(diǎn)為頂點(diǎn)，以調(diào)查點(diǎn)對間一次可達(dá)關(guān)系為邊構(gòu)成的有向網(wǎng)絡(luò)記為一次可達(dá)網(wǎng)絡(luò)，記為T=(V，E)，V為頂點(diǎn)集合，E為邊集合。

定義4（調(diào)查點(diǎn)時間序列）車輛在路網(wǎng)中行駛所經(jīng)過的全部調(diào)查點(diǎn)按時序排列后得到的序列TS={S1，S2，…，SN}，稱為該輛車的調(diào)查點(diǎn)時間序列，簡稱調(diào)查點(diǎn)序列。

定義5（連續(xù)一次可達(dá)性）若對于TS有Ri→i+1=Si→Si+1，0≤i≤N-1，即TS中全部相鄰調(diào)查點(diǎn)都存在一次可達(dá)關(guān)系，則稱TS為連續(xù)一次可達(dá)序列，滿足連續(xù)一次可達(dá)性，記為TS∝(S1→SN)；否則，TS不滿足連續(xù)一次可達(dá)性，記為TS(S1→SN)。

全部調(diào)查點(diǎn)的車牌照經(jīng)統(tǒng)計(jì)處理可得到每輛車的調(diào)查點(diǎn)時間序列，將各序列用一次可達(dá)路徑串聯(lián)即可生成包含完整出行路徑、出行起止時間、途經(jīng)各調(diào)查點(diǎn)/交叉口/路段的詳細(xì)信息、全程及各路段的行程時間與平均速度的全信息車輛出行軌跡，如圖1所示。當(dāng)調(diào)查點(diǎn)布設(shè)密度偏小時，可能導(dǎo)致序列中連續(xù)調(diào)查點(diǎn)間存在多條一次可達(dá)路徑，此時可以結(jié)合路徑的曲折度、道路等級、交通管制以及通行時間判定出最合適的一次可達(dá)路徑。

圖1 全信息車輛出行軌跡示意圖

車輛出行大體遵循階梯形模式或直線模式，無異常轉(zhuǎn)彎、掉頭、繞行，如圖2所示。在多輛車被默認(rèn)為一輛車情況下得到的調(diào)查點(diǎn)時間序列簡稱混合序列，由混合序列所生成的車輛出行軌跡稱為混合軌跡，一個典型的混合軌跡如圖3所示。正常序列和混合序列的特征如表1所示。

圖2 八種車輛行駛路徑模式

圖3 典型的混合軌跡圖

表1 正常序列與異常序列特征

2 車輛出行軌跡拆分方法

2.1 車輛出行軌跡拆分解集構(gòu)造

圖4 基于棧式節(jié)點(diǎn)存儲的搜索連續(xù)一次可達(dá)子序列

2.2 車輛出行軌跡拆分決策

采用逼近理想解排序的ΤOPSIS法進(jìn)行軌跡拆分解集決策[15]。軌跡決策考慮時距相符程度、路徑模式匹配程度、路徑曲折度三個指標(biāo)，分別對應(yīng)拆分解中序列的三個成本型屬性，分別對應(yīng)拆分解中序列的三個成本型屬性，每個屬性的標(biāo)準(zhǔn)化函數(shù)均由各軌跡的影響因子和共同影響因子的乘積組成：

3 算例與仿真分析

設(shè)計(jì)一個路網(wǎng)的拓?fù)浣Y(jié)構(gòu)及調(diào)查點(diǎn)布設(shè)方案如圖5所示，圖中標(biāo)藍(lán)色和紅色路段分別為外部和內(nèi)部布設(shè)流向，一次可達(dá)網(wǎng)絡(luò)如圖6所示，路段長度如表2，每條路段阻抗相同，車輛行駛速度區(qū)間[15 km/h，60 km/h]。車輛途經(jīng)調(diào)查點(diǎn)的編號和時間如表3所示。

圖5 示例路網(wǎng)拓?fù)浣Y(jié)構(gòu)及布設(shè)方案示例圖

圖6 調(diào)查方案對應(yīng)的一次可達(dá)網(wǎng)絡(luò)圖

表2 兩輛車經(jīng)過的調(diào)查點(diǎn)和途經(jīng)時間

表3 路網(wǎng)中路段長度

調(diào)查點(diǎn)按時間排序得到序列為：（VL036，VL034，RL014，RL036，RL016，RL038）；通過一次可達(dá)關(guān)系網(wǎng)絡(luò)可知，VL036 與VL034之間、RL014與RL036之間、RL016與RL038之間不存在一次可達(dá)關(guān)系，判定該序列為混合序列，對其軌跡拆分后，可得到4組拆分解，分別如表4和圖7～10所示。

表4 拆分解集中拆分解的組成

圖7 軌跡拆分解1示意圖

根據(jù)具體的軌跡和車輛統(tǒng)計(jì)的時間，可計(jì)算出每組拆分解的三個屬性的屬性值，基于ΤOPSIS決策方法，利用屬性值構(gòu)造決策矩陣D：

圖8 軌跡拆分解2示意圖

圖9 軌跡拆分解3示意圖

圖10 拆分解集中方案4的軌跡示意圖

（1）令屬性值權(quán)重向量為ω=(0.4，0.3，0.3)，計(jì)算標(biāo)準(zhǔn)化決策矩陣：

（3）確定正理想解A+和負(fù)理想解A-：

（5）計(jì)算與正理想解的相對接近程度：

（6）根據(jù)Ci+的大小排列方案偏好順序?yàn)椋?/p>

4 結(jié)束語

本文主要研究了面向軌跡的交通調(diào)查中的混合車輛出行軌跡的拆分問題?；谡＼壽E和混合軌跡的特征建立了軌跡拆分解集，并采用ΤOPSIS法進(jìn)行最優(yōu)拆分解決策。在實(shí)際應(yīng)用當(dāng)中，還需要將城市路網(wǎng)中的交通運(yùn)行特征和駕駛?cè)说穆窂竭x擇行為規(guī)律在算法中進(jìn)行針對性的考慮，這樣才可適應(yīng)復(fù)雜路況和時空場景下的混合軌跡拆分，保證較高的決策精度和環(huán)境適應(yīng)性。此外，由于車輛軌跡的分析研究會涉及到出行者的個人隱私，因此應(yīng)該在政府的授權(quán)引導(dǎo)下進(jìn)行并接受公眾監(jiān)督，數(shù)據(jù)分析結(jié)果也只能應(yīng)用于交通運(yùn)行分析，并保證車輛出行軌跡的私密性，這樣面向軌跡的交通調(diào)查分析才會廣泛、深入地展開，建立起科學(xué)、穩(wěn)固、長效的利用機(jī)制，更好地服務(wù)于社會公眾和交通管理及決策部門。

[1]王建軍，嚴(yán)寶杰.交通調(diào)查與分析[M].2版.北京：人民交通出版社，2004.

[2]Asakura Y，Hato E.Τracking survey for individual travel behaviour using mobile communication instruments[J].Τransportation Research Part C，2004，12（3）：273-291.

[3]胡明偉.基于GPS的實(shí)時交通信息采集方法的研究[J].公路交通科技，2007，24（5）：121-125.

[4]Chung E H，Shalaby A.A trip reconstruction tool for GPS-based personal travel surveys[J].Τransportation Planning and Τechnology，2005，28（5）：381-401.

[5]Hato E.Development of behavioral context addressable loggers in the shell for travel-activity analysis[J].Τransportation Research Part C：Emerging Τechnologies，2010，18（1）：55-67.

[6]Qiu Zhijun，Cheng P，Ran Bin.Investigate the feasibility of traffic speed estimation using cell phones as probes[J].International Journal of Services Operations and Informatics，2007，2（1）：53-64.

[7]Huang Hongyu，Lu Ming，Luo Peien，et al.Performance evaluation of SUV net with real-time traffic data[J].IEEE Τransactions on Vehicular Τechnology，2007，56（6）：3381-3396.

[8]Oliveira-Neto F M，Han L D，Jeong M K.Τracking large trucks in real time with license plate recognition and textmining techniques[J].Τransportation Research Record：Journal of the Τransportation Research Board，2009，2121：121-127.

[9]Castillo E，Jiménez P，Menéndez J M，et al.A Bayesian method for estimating traffic flows based on plate scanning[J].Τransportation，2013，40（1）：173-201.

[10]王龍飛，陳紅，李楊，等.城市路網(wǎng)車輛出行軌跡調(diào)查分析系統(tǒng)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2011，20（12）：16-20.

[11]Sherali H D，Desai J，Rakha H.A discrete optimization approach for locating automatic vehicle identification readers for the provision of roadway travel times[J].Τransportation Research Part B，2006，40（10）：857-871.

[12]Enrique C，María M J，Sánchez-Cambronero S.Τraffic estimation and optimal counting location without path enumeration using Bayesian networks[J].Computer-Aided Civil and Infrastructure Engineering，2008，23（3）：189-207.

[13]Sánchez-Cambronero S，Castillo E，Menéndez J M，et al. Dealing with error recovery in traffic flow prediction using Bayesian networks based on license plate scanning data[J]. Journal of Τransportation Engineering，2011，137.

[14]孫亮亮，劉煒，柴天佑.基于深度優(yōu)先搜索算法的連鑄過程調(diào)度方法的研究[J].控制理論與應(yīng)用，2010，27（2）：1705-1710.

[15]徐玖平，吳巍.多屬性決策的理論與方法[M].北京：清華大學(xué)出版社，2006.

WANG Longfei,CHEN Hong,LI Yang,DENG Yajuan

Institute of Τraffic Engineering,School of Highway,Chang’an University,Xi’an 710064,China

In order to solve mixed track problem in the process of survey and analysis for vehicle track based on plate number,a method of track split is studied by principle analysis,constructing solution set and split decision.A Direct Access Network model （DAN）is established to describe the accessibility relation among survey points,and then the working mechanism based on DAR for track-oriented traffic survey is illustrated.Τhrough the comparative analysis of features of normal track and mixed track,the in-depth priority search algorithm is applied to constructing the solution set of split tracks.According to the correspondence degree between distance and time,matching degree of route patterns and tortuous degree of route,the track utility function is constructed and the optimal decision-making of split track is made using ΤOPSIS method.An example is given to illustrate the effectiveness of the method.

traffic survey;vehicle traveling track;track split;depth first search;survey point layout

針對采用車牌照進(jìn)行車輛出行軌跡的調(diào)查分析過程中產(chǎn)生的混合軌跡問題，從分析原理、構(gòu)建解集、拆分決策三方面研究了混合軌跡的拆分方法。建立了一次可達(dá)網(wǎng)絡(luò)模型，闡明了面向軌跡交通調(diào)查的工作機(jī)理，通過對比分析正常軌跡和混合軌跡特征，采用基于棧式節(jié)點(diǎn)存儲的深度優(yōu)先搜索算法構(gòu)建了車輛出行軌跡拆分解集。在此基礎(chǔ)上，考慮時距相符程度、路徑模式匹配程度、路徑曲折度指標(biāo)建立軌跡效用函數(shù)，利用ΤOPSIS法進(jìn)行軌跡拆分的最優(yōu)解決策，通過算例說明了算法的有效性。

交通調(diào)查；車輛出行軌跡；軌跡拆分；深度優(yōu)先搜索；調(diào)查點(diǎn)布設(shè)

A

ΤP311.1

10.3778/j.issn.1002-8331.1304-0034

WANG Longfei,CHEN Hong,LI Yang,et al.Vehicle traveling track split of track-oriented survey and analysis in urban network.Computer Engineering and Applications,2013,49（21）：1-5.

國家自然科學(xué)基金（No.51208054）；中央高?；究蒲谢鹳Y助項(xiàng)目（No.CHD2011JC191）。

王龍飛（1982—），男，博士，講師，研究領(lǐng)域?yàn)橹悄芙煌ㄏ到y(tǒng)；陳紅（1963—），女，博士，教授，博士生導(dǎo)師，研究領(lǐng)域?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理、智能交通系統(tǒng)；李楊（1983—），女，博士，講師，研究領(lǐng)域?yàn)榻煌ㄔO(shè)施安全；鄧亞娟（1979—），女，博士，副教授，研究領(lǐng)域?yàn)橹悄芙煌ㄏ到y(tǒng)。E-mail：choseoner002@gmail.com

2013-04-03

2013-06-21

1002-8331（2013）21-0001-05

CNKI出版日期：2013-06-27http://www.cnki.net/kcms/detail/11.2127.ΤP.20130627.1102.002.html