專利名稱：判斷浮動車行駛狀態(tài)的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及道路交通路況信息的處理應(yīng)用領(lǐng)域，尤其涉及一種判斷浮動車 行駛狀態(tài)的方法及裝置。
背景技術(shù)：
浮動車技術(shù)是國際智能交通系統(tǒng)(ITS, Intelligent Transportation System)中所采用的獲取實時道路交通信息的先進(jìn)技術(shù)手段之一。其基本原理是通過裝 備車載全球定位系統(tǒng)和無線通信系統(tǒng)的浮動車在其行駛過程中發(fā)送車輛位置、 方向和速度等信息，在處理中心應(yīng)用相關(guān)的計算模型和算法進(jìn)行處理，最終得 到浮動車所經(jīng)道路的交通擁堵信息。浮動車(Float Car Data )也稱之為探測車 (Probecar),是安裝有定位裝置和移動通信裝置，可以定時記錄和上傳位置信 息的車輛。在實際應(yīng)用中，出租車、公交車、貨運車、長途車以及載有定位功 能手機(jī)的車輛均可以作為浮動車。成消極影響。如出租車會在一定的時間段內(nèi)處在停駛狀態(tài)或在道旁及賓館等地系統(tǒng)接收的浮動車數(shù)據(jù)中充斥著大量的上述干擾數(shù)據(jù)，在進(jìn)行進(jìn) 一 步處理之 前，對浮動車的行駛狀態(tài)進(jìn)行分析，甄別并剔除干擾數(shù)據(jù)，將極大提高路況信 息計算的準(zhǔn)確性并提升系統(tǒng)處理的整體效率。 現(xiàn)有的判斷浮動車行駛狀態(tài)的技術(shù)包括將車速小于1. 8公里/小時的數(shù)據(jù)都認(rèn)為處于停車狀態(tài)。由于全球定位系統(tǒng)GPS存在精度誤差為5-10米，浮動車最小的回^t間隔是20秒，在車輛靜止時還 是會產(chǎn)生回報位置漂移的現(xiàn)象，漂移的車速=10米/20秒=1. 8公里/小時。由于停車分兩種情況一種是被動停車，車輛遇到交叉口紅燈、擁堵、事故 情況發(fā)生的停車行為，在進(jìn)行道路狀況分析時需要包含這種停車行為； 一種是 主動停車，指駕駛員有目的的停車行為，在進(jìn)行道路狀況分析時需要排除這種停 車行為。是被動停駛狀態(tài)；而且，實際中，浮動車記錄的GPS數(shù)據(jù)要超過全球定位系統(tǒng) GPS的理論誤差值，現(xiàn)有的技術(shù)方案并未通過實驗對參數(shù)的種類和有效值進(jìn)行深 入的分析；從而，現(xiàn)有技術(shù)無法甄別并剔除千擾數(shù)據(jù)、準(zhǔn)確地判斷浮動車的行 駛狀態(tài)。發(fā)明內(nèi)容本發(fā)明提供一種判斷浮動車行駛狀態(tài)的方法及裝置，以甄別并剔除干擾教: 據(jù)、準(zhǔn)確地判斷浮動車的行駛狀態(tài)。為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案 一方面，提供一種判斷浮動車行駛狀態(tài)的方法，包括 獲取浮動車數(shù)據(jù)；選擇實時的、時間連續(xù)的、潛在的無效數(shù)據(jù)形成釆樣區(qū)間； 才是^取所述采樣區(qū)間中的特征數(shù)據(jù)；根據(jù)所述特征數(shù)據(jù)的后驗概率判斷所述浮動車是否處于停駛狀態(tài)。 一方面，提供一種判斷浮動車行駛狀態(tài)的裝置，包括 獲取模塊，用于獲取浮動車數(shù)據(jù)；采樣區(qū)間形成模塊，用于選擇所述獲取模塊獲取的實時的、時間連續(xù)的、潛在的無效數(shù)據(jù)形成采樣區(qū)間；提取模塊，用于提取所述采樣區(qū)間形成模塊形成的采樣區(qū)間中的特征數(shù)據(jù)；動車是否處于停駛狀態(tài)。本發(fā)明提供的判斷浮動車行駛狀態(tài)的方法及裝置通過選擇實時的、時間 連續(xù)的、潛在的無效數(shù)據(jù)形成采樣區(qū)間；然后，提取采樣區(qū)間中的特征數(shù)據(jù)； 根據(jù)該特征數(shù)據(jù)的后驗概率判斷浮動車是否處于停駛狀態(tài)。其中，該停駛狀態(tài) 即指主動停駛狀態(tài)，而被動停車歸為擁堵及緩慢行駛狀態(tài)；從而將處于停駛狀 態(tài)的數(shù)據(jù)剔除，準(zhǔn)確地判斷浮動車的行駛狀態(tài)，得到實時的路況信息。


為了更清楚地說明本發(fā)明或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對或現(xiàn)有技術(shù) 描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅 是本發(fā)明的一些，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前 提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明判斷浮動車行駛狀態(tài)的方法流程圖； 圖2為本發(fā)明選擇所需的數(shù)據(jù)形成采樣區(qū)間的方法流程圖； 圖3為本發(fā)明根據(jù)特征數(shù)據(jù)的后驗概率判斷浮動車是否處于停駛狀態(tài)的方 法流程圖；圖4為本發(fā)明判斷浮動車行駛狀態(tài)的裝置結(jié)枸圖。
具體實施方式
下面將結(jié)合本發(fā)明中的附圖，對本發(fā)明中的技術(shù)方案進(jìn)行清楚、完整地描 述，顯然，所描述僅僅是本發(fā)明一部分，而不是全部?；诒景l(fā)明中，本領(lǐng)域 普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他，都屬于本發(fā)明保護(hù)的范圍。浮動車存在三種行駛狀態(tài)(I )暢通行駛狀態(tài)(時速30公里/每小時以上); (II )停駛狀態(tài)；(III )擁堵及緩慢行駛狀態(tài)(時速30公里/每小時以下)。在 本發(fā)明中，停駛狀態(tài)即指主動停駛狀態(tài)，而被動停車歸為擁堵及緩慢行駛狀態(tài)。 根據(jù)浮動車記錄包含的瞬時速度信息可以較準(zhǔn)確地辨別正常狀態(tài)，但由于浮動 車數(shù)據(jù)具有一定的誤差，在低速情況下區(qū)分狀態(tài)(II )和狀態(tài)(III)具有一定 的困難，需要結(jié)合浮動車的經(jīng)綿度坐標(biāo)變化，時間特性等其他數(shù)據(jù)特征，設(shè)計 適當(dāng)?shù)姆椒▉砼袛?。為甄別并剔除干擾數(shù)據(jù)、準(zhǔn)確地判斷浮動車的行駛狀態(tài)， 本發(fā)明提供一種判斷浮動車行駛狀態(tài)的方法，如圖1所示，包括如下步驟Sl,獲取浮動車lt據(jù)。該數(shù)據(jù)包括車輛標(biāo)識、定位時間、所述車輛的經(jīng) 度和維度、瞬時速率、和所述車輛的狀態(tài)。在該步驟中之前，還需要車載全球定位系統(tǒng)采集并上傳實時的數(shù)據(jù)(又稱: 浮動車數(shù)據(jù)記錄)。S2，選擇實時地、時間連續(xù)地、潛在的無效數(shù)據(jù)形成采樣區(qū)間。 在該步驟之前，預(yù)先設(shè)置該采樣區(qū)間的時間長度和所述數(shù)據(jù)為潛在的無效 數(shù)據(jù)的條件。例如由于浮動車在間隔15秒至120秒內(nèi)記錄一次浮動車數(shù)據(jù)， 可以將整個采樣區(qū)間的時間長度設(shè)置為大于240秒至360秒，即采樣區(qū)間至少 有兩個或兩個以上連續(xù)的數(shù)據(jù)。其中，采樣區(qū)間的數(shù)據(jù)是時間連續(xù)的，浮動車 會在一段時間內(nèi)保持同一行駛狀態(tài)，因此一個狀態(tài)下的浮動車數(shù)據(jù)記錄不是單 獨存在的，停駛或者紅綠燈等間歇性停車都可能包含若干條數(shù)據(jù)記錄。該數(shù)據(jù) 為潛在的無效數(shù)據(jù)的條件可以根據(jù)實驗得出的統(tǒng)計經(jīng)驗值進(jìn)行設(shè)置。例如該 條件包括條件1.采樣區(qū)間任意一條記錄的GPS速度應(yīng)當(dāng)在8km/h以下；條件2.采樣區(qū)間中任意兩條相鄰記錄的時間差應(yīng)當(dāng)在240秒以內(nèi)；條件3.采樣區(qū)間中任意兩個相鄰采樣點的距離應(yīng)當(dāng)在30米-4G米以內(nèi)。 其根據(jù)在于車輛定位數(shù)據(jù)的最主要問題在于它的準(zhǔn)確性，由于定位誤差的影 響，車輛的軌跡點無法準(zhǔn)確定位到道路上，只能分布于道路的兩旁，即定位坐 標(biāo)點有漂移情況， 一般情況下的誤差為30-40米左右。與上述設(shè)置相對應(yīng)的，以一輛浮動車的數(shù)據(jù)處理為例，本發(fā)明選擇所需的 數(shù)據(jù)形成采樣區(qū)間可以通過如下步驟實現(xiàn)，如圖2所示，包括S2. 1，遍歷浮動車數(shù)據(jù)，讀取當(dāng)前釆樣周期內(nèi)的浮動車數(shù)據(jù)。S2. 2，判斷浮動車數(shù)據(jù)中是否存在同時滿足條件1、條件2和條件3的數(shù)據(jù)， 如果是，則轉(zhuǎn)到步驟S2. 3;否則返回步驟S2. 1。S2. 3，判斷系統(tǒng)中是否有緩存的上一釆樣周期的無效數(shù)據(jù)，如果是，則轉(zhuǎn) 到步驟S2. 4;否則轉(zhuǎn)到步驟S2. 5。S2. 4,將當(dāng)前采樣中滿足條件l、 2和3的數(shù)據(jù)記錄與上一采樣周期的無效 數(shù)據(jù)形成采樣區(qū)間。S2. 5，判斷當(dāng)前數(shù)據(jù)的采樣周期是否大于預(yù)置的采樣區(qū)間的時間長度，如 果是，則轉(zhuǎn)到步驟S2. 6;否則轉(zhuǎn)到步驟S2. 1。S2. 6，將實時地、時間連續(xù)地、潛在的無效萄:據(jù)形成采樣區(qū)間。52. 7 ，緩存采樣區(qū)間內(nèi)的無效數(shù)據(jù)。該采樣區(qū)間的浮動車數(shù)據(jù)為潛在的停駛狀態(tài)下的數(shù)據(jù)。53, 提取該采樣區(qū)間中的特征數(shù)據(jù)。根據(jù)實驗和統(tǒng)計經(jīng)驗值得出的無效數(shù)據(jù)的時間特性、密度特性、飄逸特性 和狀態(tài)特性中的一種或多種特性提取S2中潛在的無效數(shù)據(jù)中的特征數(shù)據(jù)。時間特征采樣周期所包含的數(shù)據(jù)所跨越的時間長短，采樣開始時間所處時段；例如，如果采樣區(qū)間處在凌晨，那么其記錄無效的可能性就很大。密度特征在二維空間上包含采樣區(qū)間內(nèi)采樣點的分布所構(gòu)成的最小內(nèi)切 圓的半徑，單位面積內(nèi)采樣點的個數(shù)等；例如，內(nèi)切圓半徑越小，單位面積內(nèi) 的采樣點個數(shù)越多，說明浮動車記錄無效的可能性越大。飄逸特征主要指采樣點位移矢量的角度變化，相鄰兩個釆樣點構(gòu)成一個 位移矢量，相鄰位移矢量構(gòu)成一個夾角，故可定義位移矢量角度的平均變化來 反映采樣點的飄移程度。位移矢量的角度變化越劇烈，說明采樣點漂移特性體 現(xiàn)得越明顯，故其記錄無效的可能性越大。狀態(tài)特性主要指記錄的車輛運營狀態(tài)或車輛運行狀態(tài)，運營狀態(tài)中有運 營車輛的空載和載客信息等，當(dāng)出租車處于空載狀態(tài)時，車輛停駛的可能性就 會較大；運行狀態(tài)包括發(fā)動機(jī)狀態(tài)、ACC狀態(tài)等，當(dāng)車輛發(fā)動機(jī)處于停止?fàn)顟B(tài)時 或Acc為關(guān)閉狀態(tài)時，車輛的停駛狀態(tài)可能性會較大。其中，提取出來的特征數(shù)據(jù)為離散的數(shù)據(jù)，該特征數(shù)據(jù)在步驟S2的基礎(chǔ)上 進(jìn)一步接近無效。S4 ，根據(jù)該特征數(shù)據(jù)的后驗概率判斷該浮動車是否處于行駛狀態(tài)。如圖3所示，該步驟可以具體包括S4. 1，根據(jù)每一個特征數(shù)據(jù)的先驗概率和類條件概率通過貝葉斯公式計算 得到任一特征數(shù)據(jù)的后驗概率。根據(jù)貝葉斯公式，在先驗概率和類條件概率已知的情況下可以獲知特征數(shù) 據(jù)的后驗概率。其中，該先驗概率和類條件概率可以根據(jù)實驗和統(tǒng)計經(jīng)驗值獲 取。對于離散化的每一個特性數(shù)據(jù)，可以獲知其處在既定特征值時采樣區(qū)間內(nèi) 均為無效記錄的概率。以提取出的5個特征數(shù)據(jù)為例，分別設(shè)提取的特征數(shù)據(jù)為I'G"1，5])，設(shè)少表征浮動車記錄的無效性，則有當(dāng)^不時浮動車記錄無效的概率為 尸Cv =恤I x e ￡ X' 1 " , 力=,根據(jù)每一個數(shù)據(jù)特征參數(shù)的具體值，可以對應(yīng)一個屬于
的后驗概率 值。對于每個數(shù)據(jù)特征參數(shù)有后驗概率統(tǒng)計分別結(jié)果。例如 1 ).特征數(shù)據(jù)Tl尸(由o脂/1 ri) = /i(ri)2).特征數(shù)據(jù)T2尸—。腦/1 r2) = /2(r2)3 ).特征數(shù)據(jù)T3 尸06"orwa/1 73) = /3(73)4 ).特征數(shù)據(jù)T4 尸OZworwa/1 JM) = /4(r4)5 ).特征數(shù)據(jù)T5 p一鍵應(yīng)/1 r5) = /5(r5)S4.2,根據(jù)所有特征數(shù)據(jù)的后驗概率計算狀態(tài)判斷參數(shù)?！? = [a，6,c乂e,…]根據(jù)實驗和統(tǒng)計經(jīng)驗值獲取權(quán)系數(shù)向量1" + """ + 6 + "' = 1,通過權(quán)值計算的方法，將五個數(shù)據(jù)特征合成為狀態(tài)判讀參數(shù) P (y = /a )=a . /i(ri) + 6 . /2(r 2) + c-/3(r3)+ J -/4(r4) + e-/5(r5) + ...其中，上述省略號為提取的特征數(shù)據(jù)的數(shù)量大于5時進(jìn)行同樣的處理。S4. 3，判斷所述狀態(tài)判斷參數(shù)是否大于閥值"(該閾值根據(jù)大量的實驗和 統(tǒng)計經(jīng)驗值進(jìn)行設(shè)定)；如果是，則轉(zhuǎn)步驟S4. 4;否則轉(zhuǎn)步驟S4. 5。 S4. 4，判斷該浮動車在采樣周期內(nèi)處于停駛狀態(tài)。 S4. 5,判斷該浮動車在該采樣周期內(nèi)處于擁堵或緩慢行駛狀態(tài)。 在步驟S4. 3至S4. 5中，將狀態(tài)判斷參數(shù)與閥值"進(jìn)行比較，如果 P(戶/"/^^",則認(rèn)為此采樣區(qū)間內(nèi)的記錄無效，浮動車在采樣周期內(nèi)處于停駛狀態(tài)。否則認(rèn)為有效，根據(jù)采樣區(qū)間數(shù)據(jù)滿足的條件判斷該浮動車在該采樣 周期內(nèi)處于擁堵或緩慢行駛狀態(tài)。本發(fā)明中，獲取浮動車數(shù)據(jù)之后，還可以通過比較該數(shù)據(jù)中的瞬時速率與 暢通門限值(根據(jù)統(tǒng)計經(jīng)驗值進(jìn)行設(shè)定，通常時速在30公里/每小時以上)的 大小，如果所述瞬時速率大于所述暢通門限值，則判斷所述浮動車處于暢通行 駛狀態(tài)。潛在的無效數(shù)據(jù)形成采樣區(qū)間；然后，提取采樣區(qū)間中的特征數(shù)據(jù)；根據(jù)該特 征數(shù)據(jù)的后驗概率判斷浮動車是否處于停駛狀態(tài)。其中，該停駛狀態(tài)即指主動 停駛狀態(tài)，而被動停車歸為擁堵及緩慢行駛狀態(tài)；從而將處于停駛狀態(tài)的數(shù)據(jù) 剔除，準(zhǔn)確地判斷浮動車的行駛狀態(tài)，得到實時的路況信息。同時，在獲取到 浮動車數(shù)據(jù)后，根據(jù)該數(shù)據(jù)的瞬時速率可以判斷是否處于暢通行駛狀態(tài)。數(shù)據(jù)的提取及行駛狀態(tài)的判斷都是在大量的實驗基礎(chǔ)上，通過統(tǒng)計經(jīng)驗值進(jìn)行設(shè)置， 與實際情況相符，而且剔除干擾數(shù)據(jù)后的浮動車數(shù)據(jù)可以供后臺的處理中心進(jìn) 一步判斷浮動車的行駛狀態(tài)，從而更準(zhǔn)確地分析出路況信息。為甄別并剔除干擾數(shù)據(jù)、準(zhǔn)確地判斷浮動車的行駛狀態(tài)，本發(fā)明提供一種 判斷浮動車行駛狀態(tài)的裝置，如圖4所示，包括獲取模塊l，用于獲取浮動車數(shù)據(jù)；采樣區(qū)間形成模塊3，用于選擇獲取模塊1獲取的實時的、時間連續(xù)的、潛 在的無效數(shù)據(jù)形成采樣區(qū)間；提取模塊5,用于提取采樣區(qū)間形成模塊3形成的采樣區(qū)間中的特征數(shù)據(jù)；判斷模塊7，用于根據(jù)提取模塊5提取的特征數(shù)據(jù)的后驗概率判斷浮動車是 否處于停駛狀態(tài)。其中，釆樣區(qū)間形成模塊3可以進(jìn)一步包括第 一設(shè)置單元31,用于設(shè)置釆樣區(qū)間的時間長度和數(shù)據(jù)為潛在的無效數(shù)據(jù) 的條件；以及選擇單元33,用于從獲取模塊1獲取的數(shù)據(jù)中選擇滿足第一設(shè)置單元31設(shè) 置的時間長度和條件的數(shù)據(jù)形成采樣區(qū)間。 提取^t塊5可以進(jìn)一步包括第二設(shè)置單元51，用于設(shè)置無效數(shù)據(jù)的特性，特性包括時間特性、密度特 性、飄逸特性和狀態(tài)特性中的一種或多種；以及提取單元53，用于根據(jù)第二設(shè)置單元51設(shè)置的無效數(shù)據(jù)的特性提取潛在 的無效數(shù)據(jù)中的特征數(shù)據(jù)。判斷模塊7可以進(jìn)一步包括后驗概率計算單元71 ，用于根據(jù)每一個特征數(shù)據(jù)的先驗概率和類條件概率 通過貝葉斯公式計算得到提取單元5提取的任一特征數(shù)據(jù)的后驗概率；狀態(tài)判斷參數(shù)計算單元73,用于根據(jù)后驗概率計算單元71計算得出的所有 特征數(shù)據(jù)的后驗概率計算狀態(tài)判斷參數(shù)；行駛狀態(tài)判斷單元75，用于判斷狀態(tài)判斷參數(shù)計算單元73計算得出的狀態(tài) 判斷參數(shù)是否大于閥值；如果是，則判斷浮動車在采樣周期內(nèi)處于停駛狀態(tài)；否則，判斷浮動車在采樣周期內(nèi)處于擁堵或緩慢行駛狀態(tài)。其中，行駛狀態(tài)判斷單元75還用于比較獲取模塊1獲取的數(shù)據(jù)中的瞬時速 率與暢通門限值的大小，如果瞬時速率大于暢通門限值，則判斷浮動車當(dāng)前處 于暢通行駛狀態(tài)。本發(fā)明提供的判斷浮動車行駛狀態(tài)的裝置通過采樣區(qū)間形成模塊3選擇實 時的、時間連續(xù)的、潛在的無效數(shù)據(jù)形成釆樣區(qū)間；然后，提取模塊5提取采 樣區(qū)間中的特征數(shù)據(jù)；判斷模塊7根據(jù)該特征數(shù)據(jù)的后驗概率判斷浮動車是否 處于停駛狀態(tài)。其中，該停駛狀態(tài)即指主動停駛狀態(tài)，而被動停車歸為擁堵及 緩慢行駛狀態(tài)；從而將處于停駛狀態(tài)的數(shù)據(jù)剔除，準(zhǔn)確地判斷浮動車的行駛狀 態(tài)，得到實時的路況信息。同時，在獲取到浮動車數(shù)據(jù)后，根據(jù)該數(shù)據(jù)的瞬時 速率可以判斷是否處于暢通行駛狀態(tài)。以上所述，僅為本發(fā)明的具體實施方式
，但本發(fā)明的保護(hù)范圍并不局限于 此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到 變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng) 以權(quán)利要求的保護(hù)范圍為準(zhǔn)。
權(quán)利要求
1、一種判斷浮動車行駛狀態(tài)的方法，其特征在于，包括獲取浮動車數(shù)據(jù)；選擇實時的、時間連續(xù)的、潛在的無效數(shù)據(jù)形成采樣區(qū)間；提取所述采樣區(qū)間中的特征數(shù)據(jù)；根據(jù)所述特征數(shù)據(jù)的后驗概率判斷所述浮動車是否處于停駛狀態(tài)。
2、 根據(jù)權(quán)利要求1所述判斷浮動車行駛狀態(tài)的方法，其特征在于，所述選 擇實時地、時間連續(xù)地、潛在的無效數(shù)據(jù)形成采樣區(qū)間之前還包括設(shè)置所述采樣區(qū)間的時間長度和所述數(shù)據(jù)為潛在的無效數(shù)據(jù)的條件。
3、 根據(jù)權(quán)利要求1所述判斷浮動車行駛狀態(tài)的方法，其特征在于，所述提 取所述采樣區(qū)間中特征數(shù)據(jù)包括根據(jù)無效數(shù)據(jù)的時間特性、密度特性、飄逸特性和狀態(tài)特性中的一種或多 種特性提取所述潛在的無效數(shù)據(jù)中的特征數(shù)據(jù)。
4、 根據(jù)權(quán)利要求1所述判斷浮動車行駛狀態(tài)的方法，其特征在于，所述根 據(jù)所述特征數(shù)據(jù)的后驗概率判斷所述浮動車是否處于行駛狀態(tài)包括根據(jù)每一個特征數(shù)據(jù)的先驗概率和類條件概率通過貝葉斯公式計算得到任一特征數(shù)據(jù)的后驗概率；根據(jù)所有特征數(shù)據(jù)的后驗概率計算狀態(tài)判斷參數(shù)；判斷所述狀態(tài)判斷參數(shù)是否大于閥值；如果是，則判斷所述浮動車在采樣 周期內(nèi)處于停駛狀態(tài)；否則，判斷所述浮動車在所述采樣周期內(nèi)處于擁堵或緩 慢行駛狀態(tài)。
5、 根據(jù)權(quán)利要求1至4任一所述判斷浮動車行駛狀態(tài)的方法，其特征在于， 獲取的所述浮動車的數(shù)據(jù)包括車輛標(biāo)識、定位時間、所述車輛的經(jīng)度和維度、瞬時速率、和所述車輛的狀態(tài)。
6、 根據(jù)權(quán)利要求5所述判斷浮動車行駛狀態(tài)的方法，其特征在于，所述獲 取浮動車數(shù)據(jù)之后還包括比較所述瞬時速率與暢通門限值的大小，如果所述瞬時速率大于所述暢通 門限值，則判斷所述浮動車處于暢通行駛狀態(tài)。
7、 一種判斷浮動車行駛狀態(tài)的裝置，其特征在于，包括 獲取模塊，用于獲取浮動車數(shù)據(jù)；釆樣區(qū)間形成模塊，用于選擇所述獲取模塊獲取的實時的、時間連續(xù)的、潛在的無效數(shù)據(jù)形成采樣區(qū)間；提取模塊，用于提取所述采樣區(qū)間形成模塊形成的采樣區(qū)間中的特征數(shù)據(jù)； 判斷模塊，用于才艮據(jù)所述提取模塊提取的特征數(shù)據(jù)的后驗概率判斷所述浮動車是否處于停駛狀態(tài)。
8、 根據(jù)權(quán)利要求7所述判斷浮動車行駛狀態(tài)的裝置，其特征在于，所述采 樣區(qū)間形成模塊包括第 一設(shè)置單元，用于設(shè)置所述采樣區(qū)間的時間長度和所述數(shù)據(jù)為潛在的無 效數(shù)據(jù)的條件；選擇單元，用于從所述獲取模塊獲取的數(shù)據(jù)中選擇滿足所述第一設(shè)置單元 設(shè)置的時間長度和條件的數(shù)據(jù)形成采樣區(qū)間。
9、 根據(jù)權(quán)利要求7所述判斷浮動車行駛狀態(tài)的裝置，其特征在于，所述提 取模塊包括第二設(shè)置單元，用于設(shè)置無效數(shù)據(jù)的特性，所述特性包括時間特性、密度 特性、飄逸特性和狀態(tài)特性中的一種或多種；提取單元，用于根據(jù)所述第二設(shè)置單元設(shè)置的無效數(shù)據(jù)的特性提取所述潛在的無效數(shù)據(jù)中的特征數(shù)據(jù)。
10、 根據(jù)權(quán)利要求7所述判斷浮動車行駛狀態(tài)的裝置，其特征在于，所述 判斷模塊包括后驗概率計算單元，用于根據(jù)每一個特征數(shù)據(jù)的先驗概率和類條件概率通過貝葉斯公式計算得到所述提取模塊提取的任一特征數(shù)據(jù)的后驗概率；狀態(tài)判斷參數(shù)計算單元，用于根據(jù)所述后驗概率計算單元計算得出的所有特征數(shù)據(jù)的后驗概率計算狀態(tài)判斷參數(shù)；行駛狀態(tài)判斷單元，用于判斷所述狀態(tài)判斷參數(shù)計算單元計算得出的狀態(tài) 判斷參數(shù)是否大于閥值；如果是，則判斷所述浮動車在采樣周期內(nèi)處于停駛狀 態(tài)；否則，判斷所述浮動車在所述釆樣周期內(nèi)處于擁堵或緩慢行駛狀態(tài)。
11、 根據(jù)權(quán)利要求10所述判斷浮動車行駛狀態(tài)的裝置，其特征在于， 所述行駛狀態(tài)判斷單元還用于比較所述獲取模塊獲取的數(shù)據(jù)中的瞬時速率與暢通門限值的大小，如果所述瞬時速率大于所述暢通門限值，則判斷所述浮 動車當(dāng)前處于暢通行駛狀態(tài)。
全文摘要
本發(fā)明公開一種判斷浮動車行駛狀態(tài)的方法及裝置，涉及道路交通路況信息的處理應(yīng)用領(lǐng)域，以甄別并剔除干擾數(shù)據(jù)、準(zhǔn)確地判斷浮動車的行駛狀態(tài)。該方法包括如下步驟獲取浮動車數(shù)據(jù)；選擇實時地、時間連續(xù)地、潛在的無效數(shù)據(jù)形成采樣區(qū)間；提取所述采樣區(qū)間中特征數(shù)據(jù)；根據(jù)所述特征數(shù)據(jù)的后驗概率判斷所述浮動車是否處于行駛狀態(tài)。本發(fā)明提供的技術(shù)方案可以廣泛應(yīng)用于智能交通系統(tǒng)中。
文檔編號G08G1/052GK101404120SQ20081022509
公開日2009年4月8日 申請日期2008年10月28日 優(yōu)先權(quán)日2008年10月28日
發(fā)明者李建軍, 生 梅, 建 胡, 賈學(xué)力 申請人:北京世紀(jì)高通科技有限公司