基于北京市视频数据的OD推算.pdfVIP

城市交通发展模式转型与创新——中国城市交通规划2011年年会论文集   2.1 视频点之间OD 的推算 视频点之间 OD 出行量推算的技术过程如下图所示：原始数据的每条记录可以简化为： 一辆车的车牌号、该车通过的视频检测点编号、该车通过该视频检测点的时刻。如果某辆车 一天内被 n 个视频点检测到，那么“1→2→3→…→n”代表这辆车一天内的行驶路径。如果 这辆车一天内完成了 2 次以上（含 2 次）的出行，那么需要对这辆车的行驶路径进行拆分， 假定这辆车被视频点 2 检测到后，完成了某出行目的的一次出行，则“2→3 ”须拆分，则“1 →2”“3→n”代表这辆车一天内的两次出行，“1、2”，“3、n”分别为两次出行的准 O 点和 准 D 点。分组计数可得视频点之间的 OD 出行量。    图1 视频点间OD 推算技术路线 技术过程分解如下：  2.1.1 原始数据 原始数据的数据结构可简化为：一个点、一辆车、该车通过该点的时刻。如图所示：  图2 原始数据部分字段截图 2.1.2 车辆全天行驶路径 其数据结构如下所示：如京 F46218 的全天行驶路径：43→91→68→69→70→69→68。    1360 城市交通发展模式转型与创新——中国城市交通规划2011年年会论文集   图3 某辆车的全天行驶路径示意图 2.1.3 车辆行驶路径的拆分处理 （1）路径信息与OD 信息  为获取 OD 信息，需要首先确定车辆出行的起讫点。如果发现某辆车在某视频点出现之 后退出了视频检测系统，那么认为该车到达了终点结束了本次出行。但是考虑到出行链的存 在，即该车可能退出视频检测系统，完成某一活动后，再次进入系统。如果该车再次进入系 统并被另一个视频点检测到，那么需要确定：该车实际上是否曾退出过该系统，或者并没有 退出而仅仅是因为车辆行驶过缓。这需要对车辆经过的前后两个视频点之间的走行时间设定 阈值。  如果判断该车辆退出了系统，完成了某一活动，再次进入系统。那么，该车中途离开系 统，即完成了当前出行，终点即检测到该车的最后一个视频点；该车再次进入系统，则新的 一次出行开始，起点即车辆再次进入后检测到该车的第一个视频点。如果该车中途没有退出 系统完成某一活动，那么检测到该车辆的前后两个视频点均应添加到当前出行的行驶路径中 去。  （2 ）视频点之间走行时间阈值的确定  若车辆在一天内完成了若干个出行目的的出行，则需要对车辆全天的行驶路径拆分成若 干次出行。确定视频点之间走行时间阈值（即正常走行时间上限），是车辆行驶路径拆分处 理的前提。  理论方法：  设定两个阈值。路径是否“打断”须经阈值 1、阈值 2 两次判断。  阈值T1 ：假设视频点之间各车的走行时间呈正态分布，设定一个百分位（可以是85%、 90%或 95% ），该百分位对应的走行时间，即阈值T1 。计算公式如下（当设定百分位为 90% 时，a=1.64；当设定百分位为 95%时，a=1.96 ）：  阈值T1=各车走行时间的均值+各车走行时间的标准差×a  阈值 T2：在特定的交通条件下（比如发生拥堵），车辆的实际走行时间可能超出阈值 T1， 如果拥堵持续，那排在该车后面的车辆的走行时间也会超过阈值 T1。但是车辆并没有退出 系统去完成某项活动，当前出行并未结束，这类路径是不应“打断”的。在这种情况下，需 要阈值 T2 对车辆的走行时间进行再次判断。具体来讲：即如果连续 10（含大于 10）辆