基于駕駛習慣的綜合評分法識別車輛出行路徑

吳 磊,朱文佳,秦忱忱

(安徽百誠慧通科技有限公司,安徽 合肥 230088)

1 路徑識別的基本思路

通過獲取某一天所有電子警察識別車輛的過車數據,并按車牌進行分類和處理后,結合路網信息分析得出某輛車的相鄰檢測點位不能直接相連的情況,提取相鄰檢測點之間所有可能的有效路徑。其中通過在路徑選擇中設定路網層級數Q,確定有效路徑集的規模。即將相鄰檢測點下游檢測點根據路網關聯節點信息串聯其上游多個節點路徑,同時將相鄰檢測點上游檢測點根據路網關聯節點信息串聯其下游多個節點路徑,最后,將有共同節點的路徑信息合并為一條完整的交通路徑[1-3]。

基于車輛在不同路段上的行駛時段及路段長度,確定同時段互聯網平臺在不同路段的平均速度等數據信息,從而確定不同路徑每個路段的旅行時間,最后確定不同路徑的旅行時間。由于不同時段的平均車速都會存在差異,因此,通過多次迭代的方式,使得不同路徑的旅行時間接近真實值。雖然迭代次數越多精度越高,但計算量也越大,同時迭代達到一定次數,精度的提高就不再明顯,因此需要選擇合適的迭代次數。通過將不同路徑旅行時間多次迭代計算后與相鄰檢測點時間差值進行對比,確定相連檢測點間車輛最優行駛路徑集[4-7]。

根據相鄰檢測點間產生的最優行駛路徑集,采用綜合評分法[8]確定最優的行駛路徑。首先分析基于駕駛習慣進行路徑選擇的路徑信息影響因素,并對這些因素展開歸一化[9-10]處理,同時不同地區的駕駛習慣不同,因此通過問卷調查獲取不同因素權重,獲得不同路徑中各因素的評分值并對其進行綜合權重計算,得出最優路徑,集中各個路徑的綜合評分情況,以最高值確定相鄰檢測點間最大可能路徑。具體實現流程如圖1所示。

圖1 實現路徑流程示意圖

2 路徑識別的具體方法

依據上述的路徑識別的基本思路,具體實現的方法是基于路網以及過車信息,分析獲取基于旅行時間的最優路徑集,然后分析基于駕駛習慣的路徑選擇影響因素,并進行歸一化處理,最后采用綜合評分法得出可能性最大的出行路徑。

2.1 基于旅行時間的最優路徑集

(1)第一階段旅行時間。

獲取檢測點間某條有效路徑,依次提取路徑中路段長度信息以及各個路段在相鄰兩個檢測時間區間[ti,ti+1]內互聯網平臺的平均運行速度,得出第一階段某條出行路徑的旅行時間

(n-1)o

(1)

求出相鄰兩個檢測時間ti和ti+1的差值

Δt=ti+1-ti,i=1,2,…,n-1

(2)

(2)第二階段旅行時間。

(3)

(n-1)o

(4)

(3)第K三階段旅行時間。

(n-1)o

(5)

(4)最優路徑集。

通過上述K次迭代計算得出不同交通路徑的旅行時間,并以不同路徑旅行時間減去相鄰檢測點時間差值的絕對值進行判別

|tsK-Δti|≤Δti/10

(6)

將滿足公式(6)的路徑保存在相鄰檢測點間最優路徑集中。

2.2 綜合評分法

分析路徑駕駛習慣影響因素,并根據上述得出最優路徑集中的路徑信息,對每一條路徑影響因素進行歸一化處理,結合不同因素的權重,采用綜合評分法量化每一條路徑綜合評分值,從而確定相鄰檢測點間最大可能路徑。

(1)因素集。

通過分析,需要考慮的影響路徑選擇的路徑信息因素包括路徑旅行時間、路徑轉彎數、路徑節點周期。因此因素集U可以定義為U={路徑旅行時間、路徑轉彎數、路徑節點周期},表示為U={u1,u2,u3}。

因素集U上的因素子集A記為權重向量A=(a1,a2,a3),其中ai表示單因素ui在總體評分因素中所起作用大小的度量,0≤ai≤1。通過調研確定權重向量A,不同地區ai取值存在差異。

(2)單因素的評分。

對駕駛習慣影響因素進行歸一化設計。

①路徑旅行時間歸一化

(7)

式中:r1j為路徑旅行時間歸一值;ts5為第K階段交通路徑的旅行時間,s。

②路徑轉彎數歸一化

(8)

式中:r2j為路徑轉彎數歸一值;g1為相鄰檢測點之間不同路徑需要統計直行和左轉合計次數,次;g2為相鄰檢測點之間不同路徑需要統計右轉合計次數,次;m為右轉關系系數,右轉燈控路口取值1,右轉非燈控路口取值為0.5。

③路徑節點周期歸一化

按現行信號路口的信號周期長短劃分四個區間。

(9)

式中:r3j為路徑節點周期歸一值;h1為不同路徑通過信號周期≤80 s的路口數,個;h2為不同路徑通過信號周期>80 s且≤110 s的路口數,個;h3為不同路徑通過信號周期>110 s且≤140 s的路口數,個;h4為不同路徑通過信號周期>140 s的路口數,個;w1為不同路徑通過信號周期≤80 s的系數;w2為不同路徑通過信號周期>80 s且≤110 s的系數;w3為不同路徑通過信號周期>110 s且≤140 s的系數;w4為不同路徑通過信號周期>140 s的系數。

(3)評分矩陣。

綜上所述,最優路徑集中每一個出行路徑對不同因素的評分程度,以rij表示,其中列向量r1為單個出行路徑對每個影響因素的評分列向量。R為最優路徑集中全部出行路徑對各個因素評分的合成,即為多路徑評分矩陣

(10)

(4)綜合評分值。

評判最優路徑集綜合評分值向量B=(b1,b2,…,b3),其中bj為不同路徑的綜合評判結果;對于U上的權重向量A,可得綜合評判關系

=[b1,b2,…,bn]

(11)

通過廣義運算可得

(12)

在所得到的B=(b1,b2,bn)尋找最大值bj作為評分結果:綜合評分函數F(x1,x2,x3)=maxbj,表明bj路徑的可能性最大。采用bj取值最大的交通路徑為相鄰檢測點間可能性最大的出行路徑。

3 模型驗證和實例分析

(1)基本情況。

本次模擬建設的路網位于合肥城區,如圖2所示。車輛從起點V1行駛至終點V16,在車輛行進途中,依次被電警警察抓拍V5→V6→V15→V16, 過車數據信息如表1所示。通過數據表和路網信息,可知相鄰檢測點非直連點為V6和V15,其檢測時間的差值為324 s。

表1 過車數據信息表

圖2 路網示意圖

(2)基于旅行時間的最優路徑集。

表2 第5階段不同路徑的旅行時間表

(3)綜合評分法。

通過問卷調查獲取三個因素權重向量A=(a1,a2,a3)=(0.54,0.29,0.17),根據單一因素歸化函數計算出最優路徑集中2種交通路徑對應的不同因素評分,結果如表3所示。

表3 最優路徑的單因素評分表

于是,得到不同路徑對應的綜合評分值為

B=AR=(0.54,0.29,0.17)×

由此可知,路徑編號2為相鄰檢測點間很大可能路徑,即相鄰檢測點V6和V15間的路徑V6→V10→V11→V15。

4 結 語

為解決車輛相鄰檢測點在路網中非直連情況下交通路徑識別難題,基于車輛電警檢測信息、互聯網的實時路況數據和路網矢量信息,從車輛時空特性出發,分析路徑旅行時間與相鄰檢測點的時間差值,通過多次迭代方式將不同路徑的旅行時間逐步趨近真實的相鄰檢測時間段。研究可知駕駛習慣影響路徑選擇的因素有路徑旅行時間、路徑轉彎數和路徑節點周期,并設計了影響因素歸一化處理方式。通過調研確定合肥城區的影響因素權重,采用綜合評分法選擇出相鄰檢測點間最大可能路徑與實際路徑一致。