車輛軌跡重組方法研究

(重慶交通大學 重慶 400074)

一、引言

車輛行駛軌跡是駕駛員的主觀意識和其所在的客觀實際條件下形成的，車輛軌跡不僅反映了各個車輛每時每刻的行車位置，而且從大量的車輛行駛軌跡中可以挖掘出道路的實時交通信息，對交通規劃和預測提供有利的數據支持。但在實際中，由于設備故障、數據傳輸丟失、緩存數據的溢出等原因，所獲取的車輛軌跡數據不完整，所以重組車輛的運行軌跡能夠全方位的為交通參數的預估和交通信號的控制方案提供有利的實時數據，對促進我國交通的發展有重要的現實意義。

二、研究現狀

Jianhao Yang等提出了一個集成的宏觀微觀框架來重建現實網絡的完整車輛路徑；Zhanbo Sun等基于移動交通傳感器獲得的樣本車輛軌跡和延遲的信號交叉口激波邊界估計模型，用于對車輛的短軌跡進行重構；Marcello等提出了一種模擬的驗證框架，利用NGSIM數據特征、駕駛行為以及宏觀交通模型來驗證重建軌跡的精確度；唐克雙等針對城市干道實際交通數據條件，通過融合定點檢測器的交通信號配時數據結合交通波動理論和交通仿真的思想，開發了一種車輛軌跡重構的方法。

三、車輛軌跡重組方法

(一)基本思想。中國的城市道路大多是信控交叉口，部分交叉口設置AVI系統，并在路段上游設置頂點檢測器，首先通過交通仿真模擬出可產生的無數可能的車輛行駛軌跡，然后結合實際，加入約束條件篩選出符合要求的合理軌跡，最后根據實際運行參數選出最佳的行駛軌跡，完成車輛軌跡的重組。

(二)粒子濾波理論。粒子濾波利用粒子集來表示概率，可以用在任何形式的狀態空間模型上。其核心思想是通過從后驗概率中抽取的隨機狀態粒子來表達其分布，是一種順序重要性采樣法。簡單來說，粒子濾波法是指通過尋找一組在狀態空間傳播的隨機樣本對概率密度函數進行近似，以樣本均值代替積分運算，從而獲得狀態最小方差分布的過程。這里的樣本即指粒子,當樣本數量接近無窮大時可以逼近任何形式的概率密度分布。

(三)基于粒子濾波的軌跡重組。本文中描述方法，它的更新狀態空間概率曲線近似真實狀態空間，使用影響車輛空間-時間軌跡的五個校正因子來更新和近似任何車輛的真實狀態空間概率曲線。校正因子為：路徑一致性因子，行程時間一致性因子，可測量標準因子，重力流模型因子和路徑-鏈路流匹配因子。

根據上述分析，車輛軌跡重構方法是總結如下︰

步驟1： 初始化粒子集(x1,x2…xi)

設x1,x2…xi作為初始粒子集。P(x1),P(x2)…P(xi)代表先前的粒子概率。

沒有歷史軌跡數據，粒子的先前概率被設置為1/i，其中i表示粒子的數量。

步驟2：重要性抽樣

對于i=1,2，…，i，假設粒子的概率分布服從從先前重要性采樣導出的密度函數，五個重要性采樣過程基于五個校正因子。

路徑一致性的權重更新公式表示如下：

在第一重要性采樣之后，保留四個重新采樣過程(即，行進時間一致性，可測量性準則，重力流模型和路徑-鏈路流匹配)。第一重要性采樣過程命名為步驟2.1，計算過程如下：步驟(1)-步驟(2.1)-步驟(2.2)-步驟(2.3)-步驟(2.4)-步驟(2.5)-步驟(3)。剩余的四個采樣過程類似于第一個。

步驟3：輸出重組軌跡

在粒子濾波理論的基礎上，所有可能軌跡的后驗概率為描述如下：

根據后驗狀態空間曲線，最終結果從曲線中的最大權重獲得。

四、結語

為了重建軌跡，將一組完整的車輛空間-時間軌跡數據集合中導出初始可能的粒子集合，用于生成初始軌跡集的方法通常涉及流量分配或路徑流估計，流量分配用于在合理的條件下向道路分配流量需求。但是，通過此方法選擇的路徑通常不如真實路徑集有效。這種方法高度依賴于AVI數據和其他檢測器，如果檢測器在路段上覆蓋率低，則可能丟失許多可能的軌跡。