【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及城市路況處理，具體是一種基于深度學(xué)習(xí)異常矯正的道路速度計算方法。
技術(shù)介紹
1、城市網(wǎng)約車等衛(wèi)星定位數(shù)據(jù)，在實際計算中，普遍存在如下3個問題：1、無法獲取車輛運行狀態(tài)或獲取到的車輛運行狀態(tài)不準(zhǔn)；2、靜止?fàn)顟B(tài)仍有衛(wèi)星定位數(shù)據(jù)；3、衛(wèi)星定位數(shù)據(jù)存在不可避免的漂移。
2、由于上述三個問題，產(chǎn)生了非表征真實路況的靜止、低速運行數(shù)據(jù)，以及速度異常大問題，這一類問題在速度計算中算準(zhǔn)難度較大，如果算準(zhǔn)這一類計算瓶頸問題，對反應(yīng)更真實客觀的城市道路路況具有較為重要的意義。目前論文、學(xué)術(shù)研究與工業(yè)應(yīng)用中仍沒有提出較好的解決方案。如2020年熊振華等人在<測繪科學(xué)>期刊提出的《融合多特征神經(jīng)網(wǎng)絡(luò)的城市道路速度預(yù)測研究》，采用神經(jīng)網(wǎng)絡(luò)預(yù)測速度，但如果沒有解決上述兩個計算瓶頸問題，得到的歷史速度有誤，用模型預(yù)測修復(fù)的速度仍然有誤，無法根本解決問題。
3、除了上述計算存在的瓶頸問題外，現(xiàn)在工業(yè)應(yīng)用中的數(shù)據(jù)普遍存在數(shù)據(jù)源單一，數(shù)據(jù)穩(wěn)定性不足等現(xiàn)象。例如，市面上存在的導(dǎo)航應(yīng)用采集的基礎(chǔ)速度計算數(shù)據(jù)，普遍存在速度采集對象不穩(wěn)定，如使用導(dǎo)航用戶在行駛一段完整的道路時，在陌生路開啟導(dǎo)航，但熟路關(guān)閉等行為，會導(dǎo)致上傳的衛(wèi)星定位數(shù)據(jù)穩(wěn)定性不足，并且該類數(shù)據(jù)私家車用戶占比較大，對于非私家車用戶，無法精準(zhǔn)區(qū)分用戶屬于哪類交通工具駕駛，數(shù)據(jù)融合難度大，本方案采集五大出行方式衛(wèi)星定位數(shù)據(jù)，該類數(shù)據(jù)具有數(shù)據(jù)規(guī)律性強、穩(wěn)定性大的特點。例如，常利明發(fā)表的《基于多源數(shù)據(jù)的城市道路交通運行情況分析——以烏魯木齊為例》，雖然融合不同交通工
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種基于深度學(xué)習(xí)異常矯正的道路速度計算方法，本專利技術(shù)重點解決由于衛(wèi)星定位數(shù)據(jù)漂移導(dǎo)致低速、靜止、異常的數(shù)據(jù)出現(xiàn)，以及如上下客等非表征真實路況低速的這兩類計算瓶頸問題。本專利技術(shù)速度計算方案獲取地圖匹配衛(wèi)星定位數(shù)據(jù)后，一共分為四大模塊，分別是數(shù)據(jù)預(yù)處理模塊、原始速度計算模塊、速度修正模塊和道路綜合速度計算模塊。
2、本專利技術(shù)的目的是這樣實現(xiàn)的：
3、一種基于深度學(xué)習(xí)異常矯正的道路速度計算方法，包括以下步驟：
4、第一步驟：獲取相應(yīng)道路的車輛數(shù)據(jù)，根據(jù)獲取數(shù)據(jù)判斷車輛的狀態(tài)，對獲取的數(shù)據(jù)進(jìn)行預(yù)處理，剔除相應(yīng)的數(shù)據(jù)；
5、第二步驟：剔除相應(yīng)的數(shù)據(jù)后，計算相應(yīng)道路的車輛行駛速度，獲取相應(yīng)道路的初始速度數(shù)據(jù)；
6、第三步驟：對相應(yīng)道路的初始速度數(shù)據(jù)進(jìn)行修正，首先建立數(shù)據(jù)模型，以預(yù)先進(jìn)行待檢測相應(yīng)路段的速度，得出相應(yīng)路段的預(yù)測速度s1；實時計算剔除相應(yīng)數(shù)據(jù)前相應(yīng)路段的速度，得出相應(yīng)路段剔除數(shù)據(jù)前的實時速度s2；通過采用mape異常檢測算法，對預(yù)測速度s1和實時速度s2進(jìn)行校驗，識別出異常路段集合的數(shù)據(jù)y；在數(shù)據(jù)模型中找出異常路段集合對應(yīng)的預(yù)測速度s1，用預(yù)測速度s1填充對應(yīng)的異常路段集合；
7、第四步驟：綜合速度計算，基于加權(quán)bagging思想的綜合速度計算并獲取相應(yīng)路段的綜合速速。
8、在第一步驟中，通過gps定位系統(tǒng)獲取車輛實時衛(wèi)星定位數(shù)據(jù)，根據(jù)車輛實時衛(wèi)星定位數(shù)據(jù)并計算車輛實時行駛速度，根據(jù)車輛實時行駛速度判斷車輛的狀態(tài)。
9、車輛低速行駛時速度設(shè)定值為x1km/h，若車輛實時行駛速度小于x1km/h，并且該車輛目前判定為疑似長時間靜止車輛，則判斷車輛處于長時間靜止?fàn)顟B(tài)，并進(jìn)行剔除處于長時間靜止?fàn)顟B(tài)車輛的實時行駛速度數(shù)據(jù)。
10、車輛低速行駛時速度設(shè)定值為x1km/h，根據(jù)相應(yīng)的時間段內(nèi)獲取車輛實時衛(wèi)星定位數(shù)據(jù)并計算車輛在該相應(yīng)時間段內(nèi)的平均速度，若車輛平均速度小于x1km/h，則該車輛目前判定為疑似長時間靜止車輛。
11、車輛低速行駛時速度設(shè)定值為x1km/h，通過gps定位系統(tǒng)獲取相應(yīng)路段車輛數(shù)量信息，判斷相應(yīng)路段的車流密度是否低于閾值，若相應(yīng)路段的車流密度低于閾值時，則進(jìn)行剔除車輛實時行駛速度小于x1km/h的數(shù)據(jù)；
12、若相應(yīng)的路段車流密度高于閾值時，則計算相應(yīng)路段車輛的最大實時行駛速度，通過車輛的最大實時行駛速度與車輛低速行駛時速度設(shè)定值作對比，以判斷車輛是否低速行駛，若車輛判斷為處于低速狀態(tài)時，則剔除處于低速行駛車輛的數(shù)據(jù)；若車輛判斷為處于非低速狀態(tài)時，則計算所有經(jīng)過該相應(yīng)路段的車輛數(shù)量，判斷經(jīng)過該相應(yīng)路段的所有車輛數(shù)量是否大于該相應(yīng)路段的基本通行能力，若判斷結(jié)果為否，則剔除處于低速行駛車輛的數(shù)據(jù)。
13、在第二步驟中，采用空間平均速度計算路段速度，并用等效模型將速度轉(zhuǎn)化成統(tǒng)一速度。
14、在第三步驟中，通過提取相應(yīng)路段過往歷史時序數(shù)據(jù)、路網(wǎng)拓?fù)潢P(guān)系并構(gòu)建基于時空圖卷積神經(jīng)網(wǎng)絡(luò)astgcn的路段級別短時擁堵預(yù)測模型m，以用于預(yù)測待檢測時段內(nèi)路段速度。
15、相應(yīng)路段過往歷史時序數(shù)據(jù)包括空間數(shù)據(jù)、車輛實時數(shù)據(jù)、時間數(shù)據(jù)。
16、在第三步驟中，采集預(yù)測速度s1和實時速度s2，對預(yù)測值、實時真實值進(jìn)行mape值的計算，以進(jìn)行識別異常值，進(jìn)而篩選出異常路段集合。
17、在第四步驟中，采用bagging思想對不同類型交通車輛速度做融合計算，并提出基于車輛數(shù)置信度方法，求道路綜合速度，具體實現(xiàn)公式如下：
18、設(shè)相應(yīng)一道路有n個路段，第n個路段有m種車經(jīng)過，第m種車在第n個路段車輛數(shù)為am，速度為vnm，則第n個路段的綜合速度為：
19、
20、該道路綜合速度為：
21、
22、本專利技術(shù)的有益效果如下：
23、本方案重點解決由于衛(wèi)星定位數(shù)據(jù)漂移導(dǎo)致低速、靜止、異常，以及如上下客等非表征真實路況低速的這兩類計算瓶頸問題。速度計算方案獲取地圖匹配衛(wèi)星定位數(shù)據(jù)后，一共分為四大模塊，分別是數(shù)據(jù)預(yù)處理模塊、原始速度計算模塊、速度修正模塊和道路綜合速度計算模塊。
24、針對上述兩類計算瓶頸問題，提出了長時間靜止車輛識別與剔除算法、路段非表征真實路況低速車輛識別與剔除算法以及基于深度學(xué)習(xí)的異常速度檢測與填充系統(tǒng)三大核心算法。
25、本方案采用公交車、出租車、網(wǎng)約車、客運車、貨運車數(shù)據(jù)源，該類數(shù)據(jù)源數(shù)據(jù)輸出穩(wěn)定，規(guī)律性強，并結(jié)合創(chuàng)新融合算法，緩解了上述工業(yè)、學(xué)術(shù)存在的數(shù)據(jù)源單一、不穩(wěn)定的問題，提高城市道路衛(wèi)星定位數(shù)據(jù)覆蓋率，能更為精準(zhǔn)計算城市道路綜合速度表現(xiàn)。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：在第一步驟中，通過GPS定位系統(tǒng)獲取車輛實時衛(wèi)星定位數(shù)據(jù)，根據(jù)車輛實時衛(wèi)星定位數(shù)據(jù)并計算車輛實時行駛速度，根據(jù)車輛實時行駛速度判斷車輛的狀態(tài)。
3.根據(jù)權(quán)利要求2所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：車輛低速行駛時速度設(shè)定值為X1km/h，若車輛實時行駛速度小于X1km/h，并且該車輛目前判定為疑似長時間靜止車輛，則判斷車輛處于長時間靜止?fàn)顟B(tài)，并進(jìn)行剔除處于長時間靜止?fàn)顟B(tài)車輛的實時行駛速度數(shù)據(jù)。
4.根據(jù)權(quán)利要求2所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：車輛低速行駛時速度設(shè)定值為X1km/h，根據(jù)相應(yīng)的時間段內(nèi)獲取車輛實時衛(wèi)星定位數(shù)據(jù)并計算車輛在該相應(yīng)時間段內(nèi)的平均速度，若車輛平均速度小于X1km/h，則該車輛目前判定為疑似長時間靜止車輛。
5.根據(jù)權(quán)利要求2所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：車輛低速行駛時速度設(shè)定值為X1km/h
6.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：在第二步驟中，采用空間平均速度計算路段速度，并用等效模型將速度轉(zhuǎn)化成統(tǒng)一速度。
7.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：在第三步驟中，通過提取相應(yīng)路段過往歷史時序數(shù)據(jù)、路網(wǎng)拓?fù)潢P(guān)系并構(gòu)建基于時空圖卷積神經(jīng)網(wǎng)絡(luò)ASTGCN的路段級別短時擁堵預(yù)測模型M，以用于預(yù)測待檢測時段內(nèi)路段速度。
8.根據(jù)權(quán)利要求7所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：相應(yīng)路段過往歷史時序數(shù)據(jù)包括空間數(shù)據(jù)、車輛實時數(shù)據(jù)、時間數(shù)據(jù)。
9.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：在第三步驟中，采集預(yù)測速度S1和實時速度S2，對預(yù)測值、實時真實值進(jìn)行MAPE值的計算，以進(jìn)行識別異常值，進(jìn)而篩選出異常路段集合。
10.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：在第四步驟中，采用Bagging思想對不同類型交通車輛速度做融合計算，并提出基于車輛數(shù)置信度方法，求道路綜合速度，具體實現(xiàn)公式如下：
...【技術(shù)特征摘要】
1.一種基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：在第一步驟中，通過gps定位系統(tǒng)獲取車輛實時衛(wèi)星定位數(shù)據(jù)，根據(jù)車輛實時衛(wèi)星定位數(shù)據(jù)并計算車輛實時行駛速度，根據(jù)車輛實時行駛速度判斷車輛的狀態(tài)。
3.根據(jù)權(quán)利要求2所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：車輛低速行駛時速度設(shè)定值為x1km/h，若車輛實時行駛速度小于x1km/h，并且該車輛目前判定為疑似長時間靜止車輛，則判斷車輛處于長時間靜止?fàn)顟B(tài)，并進(jìn)行剔除處于長時間靜止?fàn)顟B(tài)車輛的實時行駛速度數(shù)據(jù)。
4.根據(jù)權(quán)利要求2所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：車輛低速行駛時速度設(shè)定值為x1km/h，根據(jù)相應(yīng)的時間段內(nèi)獲取車輛實時衛(wèi)星定位數(shù)據(jù)并計算車輛在該相應(yīng)時間段內(nèi)的平均速度，若車輛平均速度小于x1km/h，則該車輛目前判定為疑似長時間靜止車輛。
5.根據(jù)權(quán)利要求2所述基于深度學(xué)習(xí)異常矯正的道路速度計算方法，其特征在于：車輛低速行駛時速度設(shè)定值為x1km/h，通過gps定位系統(tǒng)獲取相應(yīng)路段車輛數(shù)量信息，判斷相應(yīng)路段的車流密度是否低于閾值，若相應(yīng)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：羅建平，陳歡，楊森彬，黃子敬，喻蓮，杜新柯，
申請(專利權(quán))人：廣州交信投科技股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。