基于多源時空數據融合的車輛行為評價方法研究

劉宇峰，孫 貝，王保生

（1.山西交通控股集團有限公司，山西 太原 030006；2.山西省交通科技研發有限公司，山西 太原 030032）

0 引言

全國取消高速公路省界收費站，ETC門架系統作為實現電子無感計費的重要設施，架設在高速公路上方，實時采集車輛通行、交易、標簽等數據，實現車輛快速不停車通行計費，具備分段計費、流量調查、視頻監控等功能[1-2]。隨著路網規模日益擴大，偷逃費、超速、違停、隨意變換車道等危險駕駛行為頻發，尤其是疲勞駕駛極易誘發交通事故，交通事故與車輛行為分析、行駛軌跡密切相關。

本文提出一種基于多源時空數據融合的車輛行為分析與評價方法，融合車道收費數據、ETC門架計費數據、ETC門架牌識數據等擬合車輛行駛軌跡，深入挖掘疲勞駕駛等行為，提出一種多參量車輛駕駛行為信用動態評價方法，有助于ETC業務辦理時規范引導和稽核偷逃費，提供共享數據參考[3]，達到規范車輛駕駛行為、提高路網管理效率的目的。

1 多源數據預處理

車輛行駛過程受車速、天氣、路側監測及車載設備影響，收集到的車道收費數據、ETC門架計費數據、ETC門架牌識數據等信息存在噪聲和數據缺失，需要對數據進行整理，補充缺失數據、剔除無效數據并捕獲異常數據。針對異常數據，本文通過比對取值范圍、門架及基礎信息表進行過濾，如：數據類型不正確、數據超出范圍等，若數據被判定為異常數據，將其值置為空，再根據缺失數據處理方法進行補充[4]。不同單元缺失數據處理方法基本相同，本文以ETC門架系統數據缺失為例進行介紹。

ETC門架實時采集通過車輛的基礎數據和行駛信息，具體包括入口時間、入口收費站名稱、出口時間、出口收費站名稱、收費路段編號、收費路段名稱、收費路段限速、收費路段長度、收費單元編號、收費單元名稱、收費單位時間、收費單元坐標、車牌+顏色、收費車型、收費車道。

當入口時間、入口收費站名稱、出口時間、出口收費站名稱等字段缺失時，根據“車牌+顏色”搜索當天收費站通行數據，匹配則根據式（1）所示進行有效性驗證，只有車輛行駛平均速度在合理范圍內，此數據有效并補充。

式中：Ses表示收費站與門架之間的里程；te為門架通過時間；ts為通過收費站時間；vmin為途徑路段最低限速；vmax為途徑路段最高限速。

當字段“收費單位時間”缺失時，若為單個門架數據缺失，則根據該車輛通過前后門架的時間采用線性插值法進行缺失數據處理，因為正常行駛條件下行駛時間僅與行駛距離呈現緊密相關性。若出現連續多個門架數據丟失，則采用均值替換法進行缺失數據處理，具體方法如下：

a）查詢車輛N0有通行時間記錄的最后一個門架Elast、重新有通行時間記錄的第一個門架Efirst的具體時間 Tlast和 Tfirst。

b）選擇與該車輛行駛路徑相同且通過時間順序相連的N臺車輛，即同時通過門架Elast和門架Efirst，其中N/2車輛通過時間在Tlast之前，N/2車輛通過時間在Tlast之后，記錄N臺車輛依次通過車輛N0缺失門架E1、E2......Em的時間t1、t2......tn。

c）則車輛通過門架Ei的時間可表示為：

d）使用ti填充車輛N0的缺失值。

其他缺失字段，根據基礎信息表與門架牌識數據進行查詢補充。

2 基于時空特性的交通軌跡擬合

車道收費數據、ETC門架計費數據、ETC門架牌識數據等單元數據預處理后，即可開展多源數據融合工作。本文將各單元的行駛數據基于車牌號碼、時間和空間信息進行融合，形成收費站入口為起點、ETC門架數據信息為節點、收費站出口為終點的完整車輛軌跡，為車輛行駛行為分析與挖掘建立數據基礎。

2.1 入口收費站數據

入口收費站數據是車輛進入高速公路時產生的數據，用于記錄車輛基礎信息和行駛信息，具體包括入口時間、收費站名稱、車牌+顏色、收費車型、收費站坐標。

2.2 出口收費站數據

出口收費站數據是車輛駛離高速公路時產生的數據，用于記錄車輛行駛信息及車輛基礎信息，具體包括入口時間、入口車牌、入口車型、收費車型、車牌+顏色、收費時間、入口收費站名稱、出口收費站名稱、出口收費站坐標。

2.3 門架交易數據和牌識數據

門架交易數據和牌識數據是車輛高速公路正常行駛過程中，經過高速公路門架系統，用于記錄車輛經過門架位置、時間等信息，具體包括經過時間、車牌+顏色、車型、上下行以及門架坐標等信息。

2.4 數據融合處理流程

基于時空特性的車輛軌跡擬合算法包含以下步驟：a）關聯各單元數據，基于車牌號碼篩選出有車輛行駛信息記錄的單元車輛流水數據；b）提取車輛在各單元的通行時間并將數據按照時間戳進行排序[5]，獲取車輛當日在高速公路行駛的時間集合；c）確定數據有序性后提取各單元地理坐標信息，并換算為數學坐標系中的二維坐標點集；d）形成以車牌為融合條件，包含單元名稱、通行時間和通行坐標的車輛軌跡。

3 車輛疲勞駕駛行為分析

根據疲勞駕駛界定原則，連續駕駛時間與停車休息時間是疲勞駕駛行為判定主要指標。本文結合數據總體特征基于車輛行駛軌跡數據集分析車輛疲勞駕駛行為，同時深入挖掘疲勞駕駛行為發生次數，具體流程如圖1所示，達到為駕駛行為信用評價提供數據支撐的目的。

圖1 疲勞駕駛判定流程圖

a）計算車輛在高速公路上行駛總時間Ht，表達式如式（3）：

式中：Tin為車輛駛入高速時間；Tout為駛離高速時間。

b）若 Ht＜4 h，無需判斷是否存在疲勞駕駛行為；若Ht≥4 h，則需根據車輛行駛時間間隔判斷車輛是否駛入服務區，間隔行駛時間Hn表達式如式（4）：

式中：Tin(n+1)為駛入第n個服務區的時間；Tout(n)為駛離第n-1個服務區的時間；m為車輛行駛全過程駛入服務區的數量。

c）當Hn>4 h時，表示車輛連續駕駛時間超過4個小時，即可判定為疲勞駕駛，且其次數f等于Hn>4 h情況出現的個數。

d）若Hn均小于4 h，則計算車輛實際休息時間Tact與理論休息時間Ttot，表達式分別為式（5）、式（6）：

式中：ceil()表示向上取整。

e）比較實際休息時間與理論休息時間大小，若Tact

式中：round()為就近取整函數。

4 多參量駕駛行為動態信用評價方法研究

本文采用扣除與動態系數結合方式對車輛駕駛行為進行評價，即根據失信行為發生次數及其對交通安全和收費的影響程度扣除分數，若車輛連續多月未發生失信行為時則根據調整系數提升信用分數，每月最后一天更新分數。筆者所述信用評價體系包含9個指標，具體含義如表1所示。疲勞駕駛行為次數挖掘方法見本文第3節，其他8項指標發生次數通過路側攝像頭、雷達等設備進行采集，直接調用即可，不再贅述。

表1 信用評價指標定義

信用評價算法實施步驟具體如下：

a）令wi為當月第i類行為權重值，xi為當月第i類行為出現次數，f(xi)為當月第i類行為出現次數的效用函數，權重wi根據各類行為對逃費和事故的影響程度獲得，第一個月駕駛行為信用值Cdrb的表達式為：

式中：信用基礎分為600；wi∈[0，1]。

b）效用函數f(xi)采用最大次數估算法進行選取，具體表達式為：

式中：ximax基于歷史月份出現過的最大次數估算獲得。

c）若第m+1月車輛失信行為xi＞0，在第m月基礎上累計扣減，表達式為：

d）考慮到駕駛員會根據信用評價分數規范其駕駛行為，引入動態調整系數vj，其數值隨著零失信行為累計產生月數增加而增加，表達式為：

式中：n為“月失信行為等于零”事件連續發生月數。

e）當第m+1月車輛各類型失信行為xi=0時，vj根據式（11）取值，更新駕駛行為信用值Cdrb分數，表達式為：

f）車輛連續12個月不發生失信行為，車輛駕駛行為信用分即可恢復為600。

5 結語

針對當前交通駕駛異常行為頻發的現狀，融合車道收費數據、ETC門架計費數據、ETC門架牌識數據等對車輛駕駛行為信用進行動態評價，通過動態調整車輛信用值，有效分析車輛駕駛行為，有助于研究交通事故發生的規律，對交通路網規劃等具有指導意義。