1种基于浮动车数据的多车车速融合算法 A Multi-vehicle Speed Fusion Algorithm Based on Probe Vehicle Data.pdfVIP

56 交通信息与安全2012年4期第30卷总169期 1种基于浮动车数据的多车车速融合算法* 郝勇刚1 吴广君1 周双全2 (1．上海优途信息科技有限公司上海200433；2．北京北大千方科技有限公司北京100191) 摘 要 在浮动车处理技术中，多浮动车样本车速的融合是整个计算的最后1个环节，算法的好坏直 接影响到动态交通信息的准确性。从多权重系数和多种路况状态的角度构建了1种新的基于浮动车 数据的多车车速融合算法，该算法从浮动车行驶特征等角度，综合考量在表征实时路况时浮动车多车 样本间的共性与个性差异去融合多车车速，提高了实时路况的准确性，并且可根据实际交通环境快速 调整相关参数。最后通过实证分析对其准确性进行了评估验证，结果表明能有效提高动态交通信息 的准确性，具有良好的实用性。 关键词 浮动车数据；车速融合；策略权重；融合系数；路况状态 中图分类号：U491 文献标志码：A 1674—4861．2012．04．013 doi：10．3963／j．issn 等哺3建立了基于浮动车数据的平均车速、行程时 O 引 言 间等交通状态参数的估计方法。王嘉文等[61引人 浮动车是目前国际上ITS领域中1种先进置信度因素，着重考虑浮动车数据样本数量、车速 的道路交通信息采集技术。通过安装在车辆上的 以及交通状态在时间上的连续性，提出了基于置 GPS车载装置和无线通信设备，将车辆信息实时 信权重优化的车速估计算法。 传送到数据中心，经处理后生成实时路况信息，并 现有技术中，浮动车多车车速的融合计算方 通过互联网和移动网络对外发布，为公众出行提 法多采用算术平均或单一置信度加权平均的方法 供帮助，同时也为交通管理部门和在交通控制、诱 计算区间车速。虽然针对单一样本设置了置信 导方面提供决策支持。 度，但单一置信度值不能将浮动车数据中潜在特 在浮动车处理核心技术中，多浮动车样本车 征有效提取和表达，不能将差异样本进行区分和 速的融合是整个处理计算中的最后1个也是至关 利用，使得对路况的表征不够准确；在考虑浮动车 重要的1个环节，融合算法的好坏直接影响到动 样本数量对车速融合的影响时，通过设置最小样 态交通信息的准确性。 本量，判断是否引入历史数据以弥补当前样本量 近年来，中外学者对浮动车处理技术以及基 不足的问题。当实时样本数量不满足既定条件 于浮动车的车速估计进行了大量的研究和实践。 时，直接引入历史数据填补的方法过于经验化，忽 J．E．Moore等[13利用浮动车数据估计区间平均 略了交通信息的实时性要求。 车速，研究分析了基于行驶距离与行驶时间估计 基于以上问题，本文从多权重系数和多种路 区间平均车速的精度问题。朱鲤等[23建立了在定 况状态的角度构建了1种新的基于浮动车数据的 位误差、车辆类型等多种因素影响下的行程车速 多车车速融合算法，该算法从浮动车行驶特征等 估计模型，并改进了低采样频率条件下的浮动车 角度，综合考量多车样本问的共性与个性差异，提 车速估计方法。翁剑成等[3]通过基于实时GPS高了实时路况的准确性。最后通过实证分析对其 数据，以驻留时间和路段长度为基础建立了相应 准确性进行了评估验证。 的车速估计方法。殷伟等[43提出了1种基于浮动 1 车速融合算法原理 车辆数据的城市道路车流速度估计算法，并通过 FCD系统进行交通速度