本發(fā)明涉及一種基于號牌數(shù)據(jù)的通勤出行特征分析方法。

背景技術：

隨著城市化進程的推進和社會經(jīng)濟的穩(wěn)步發(fā)展，城市交通系統(tǒng)的供需矛盾日漸激化，交通擁堵問題已成為各大城市的通病，影響著城市居民的日常運行，也為城市的發(fā)展帶來隱患。大量研究表明，解決城市交通擁堵問題可以從增加交通供給和管理交通需求兩方面入手，交通需求管理已成為交通領域的研究重點，對居民出行特征的分析為交通需求管理提供支撐。

傳統(tǒng)的居民出行特征分析依靠居民出行調(diào)查獲取出行需求，耗費大量人力物力的同時，準確性和實效性都無法滿足新時代交通規(guī)劃與管理需求，因此需要高頻度、低成本、自動化獲取居民出行特征的新技術。目前居民出行特征分析方法主要有通過公共車載gps數(shù)據(jù)和公交ic卡數(shù)據(jù)對居民公共通勤模式分析或通過手機移動端定位數(shù)據(jù)對居民出行特征提取分析居民職住區(qū)域。但面對汽車保有量增長以及居民業(yè)余生活的多樣性，一來現(xiàn)有的分析技術主要著重于公共交通通勤，缺乏對居民私家車出行的出行模式特征分析，二來城市的發(fā)展帶動各類業(yè)余活動，居民出行目的不僅限于上班上學等通勤，現(xiàn)有出行特征分析缺乏對居民通勤以外業(yè)余活動等出行行為特征分析，三來城市交通的發(fā)展帶動出現(xiàn)城際間通勤模式，現(xiàn)有的出行特征分析缺乏對此類城際通勤統(tǒng)計分析。

當前伴隨著城市交通管理信息化建設的發(fā)展，大量智能化交通監(jiān)管系統(tǒng)逐步被推廣使用，城市道路管理交通部門掌握海量交通運行相關數(shù)據(jù)，如智能卡口、電子警察每日識別存儲大量號牌數(shù)據(jù)，如何將號牌數(shù)據(jù)挖掘提取分析有效信息亦是當前交通大數(shù)據(jù)信息化時代重要研究內(nèi)容。

技術實現(xiàn)要素：

本發(fā)明的目的是提供一種基于號牌數(shù)據(jù)的通勤出行特征分析方法，基于城市智能卡口的過車號牌數(shù)據(jù)信息，按時間序列整合識別，匹配追溯車輛在路網(wǎng)行駛軌跡，從而通過海量行駛軌跡信息和檢測號牌時間數(shù)據(jù)分析居民出行鏈信息，進一步分析居民通勤、出行需求等出行特征。該分析方法能夠從海量號牌數(shù)據(jù)中提取居民出行特征數(shù)據(jù)，為交通管理者提供直觀清晰的城市居民出行需求統(tǒng)計分析情況，進一步地為交通需求管理提供支撐數(shù)據(jù)，有效緩解城市擁堵問題。

本發(fā)明的技術解決方案是：一種基于號牌數(shù)據(jù)的通勤出行特征分析方法，包括以下步驟，

s1、數(shù)據(jù)采集，對路網(wǎng)智能卡口設備的檢測數(shù)據(jù)及城市靜態(tài)信息進行采集；

s2、數(shù)據(jù)預處理，對各智能卡口設備檢測的車輛號牌原始數(shù)據(jù)進行數(shù)據(jù)質(zhì)量檢驗，得到有效的車輛號牌數(shù)據(jù)后按時間序列進行整合，分析車輛的出行類型；

s3、出行鏈分析，提取市內(nèi)通勤車輛號牌數(shù)據(jù)信息，分析車輛行駛軌跡以及停留小區(qū)，構建通勤車輛出行鏈數(shù)據(jù)；

s4、出行特征分析，統(tǒng)計分析通勤出行車輛的出行信息，根據(jù)車輛出行信息分析居民業(yè)余活動狀況、居民通勤出行的時間與距離以及居民出行需求，獲取居民出行規(guī)律。

進一步地，步驟s1中，城市靜態(tài)信息為城市基礎地理信息，包括路網(wǎng)信息和城市結構布局信息。

進一步地，步驟s2具體為：

s21、數(shù)據(jù)質(zhì)量檢驗：對智能卡口設備采集的車輛號牌原始數(shù)據(jù)進行數(shù)據(jù)質(zhì)量檢測，將異常數(shù)據(jù)進行數(shù)據(jù)隔離，獲取有效的車輛號牌數(shù)據(jù)；其中數(shù)據(jù)質(zhì)量檢測包括異常數(shù)據(jù)檢測和車輛號牌識別情況檢測，異常數(shù)據(jù)檢測包括數(shù)據(jù)缺失、時間戳錯誤，車輛號牌識別情況檢測包括車牌照缺位、異位、異常字符檢測；

s22、數(shù)據(jù)整合：從智能卡口檢測數(shù)據(jù)中提取有效的車輛號牌數(shù)據(jù)信息，然后按時間序列整合城市路網(wǎng)中所有檢測數(shù)據(jù)構成車輛號牌數(shù)據(jù)庫；

s23、出行類型分析：按車輛號牌整合車輛號牌數(shù)據(jù)，分析車輛出行類型，即是否為過境車輛、通勤車輛或其他通行車輛。

進一步地，步驟s23具體為：

s231、若車輛號牌為外市車輛，同時號牌僅出現(xiàn)在某日某時間段內(nèi)，且號牌數(shù)據(jù)中存在城市出入口卡口設備檢測的車輛號牌數(shù)據(jù)，則認為車輛為過境車輛，否則為市內(nèi)通行車輛，轉到下一步驟；

s232、若車輛連續(xù)多日時間序列分布的號牌數(shù)據(jù)相同，即某時段內(nèi)檢測號牌數(shù)據(jù)的設備編號相同，號牌數(shù)據(jù)設備檢測時間差小于閾值，則認為該出行為通勤出行，轉到下一步驟，否則為其他出行車輛；

s233、若通勤車輛號牌數(shù)據(jù)的檢測設備中有城市出入口的卡口設備，則認為是市際通勤，否則為市內(nèi)通勤，轉到步驟s3。

進一步地，步驟s3具體為：

s31、車輛行駛軌跡分析：按時間序列整合車輛號牌數(shù)據(jù)，將卡口獲取的號牌數(shù)據(jù)放入對應卡口數(shù)據(jù)隊列，根據(jù)卡口位置以及城市路網(wǎng)結構，生成車輛出行行駛軌跡；

s32、交通小區(qū)分析：整合號牌數(shù)據(jù)的初始值和結束值的位置信息得到居民居住交通小區(qū)，根據(jù)檢測號牌數(shù)據(jù)的時間差分析車輛除住宅以外的停留交通小區(qū)，根據(jù)工作日最長停留時間段的停留地點統(tǒng)計分析得到工作交通小區(qū)；

s33、整日出行鏈分析：根據(jù)車輛行駛軌跡以及停留的交通小區(qū)，構成整日居民小汽車出行鏈數(shù)據(jù)，即車輛行駛軌跡路徑和停留小區(qū)信息；

進一步地，步驟s32中，若連續(xù)兩個號牌數(shù)據(jù)的時間間隔超過檢測點之間行駛距離所需時間的閾值，則認為車輛發(fā)生停留，確定停留小區(qū)，其中時間閾值根據(jù)該檢測點與附近各檢測點之間距離所需時間確定，其中檢測點之間行駛距離所需時間的閾值根據(jù)該檢測點與附近各檢測點之間距離所需時間確定，即t＝max{ti}，ti為檢測點之間所需行駛時間，由檢測的所有車輛不同時間段平均行駛時間上限得到。

進一步地，步驟s4具體為：

s41.業(yè)余活動分析：根據(jù)車輛出行鏈數(shù)據(jù)中除居住地和工作地點之外的停留信息分析居民業(yè)余活動情況，進一步統(tǒng)計居民業(yè)余活動量及業(yè)余活動小區(qū)，分析得到居民業(yè)余活動率和城市重要熱點活動地區(qū)；

s42.通勤出行距離時間分析：根據(jù)出行軌跡信息分析整合車輛通勤出行信息，分析得到車輛平均出行距離和出行時間，統(tǒng)計早高峰通勤軌跡；進一步統(tǒng)計城市私家車通勤的居民出行時間和距離，分析計算得到所有居民私家車通勤的平均通勤時間和通勤距離；

s43.出行需求分析：整合車輛通勤出行軌跡，與道路路網(wǎng)匹配得到車輛出行路段信息，進一步統(tǒng)計分析所有通勤出行車輛的行駛軌跡，基于地圖得到城市居民通勤時段重要出行路段以及途徑交叉口，由此得到早晚高峰時段容易發(fā)生交通擁堵的路段。

本發(fā)明的有益效果是：該種基于號牌數(shù)據(jù)的通勤出行特征分析方法，基于以號牌為主的海量卡口檢測數(shù)據(jù)，整合實現(xiàn)車輛的全線網(wǎng)跟蹤，分析車輛在路網(wǎng)的運行軌跡以及居民出行信息，生成出行鏈數(shù)據(jù)，進一步統(tǒng)計居民出行信息，分析居民通勤出行的出行特征。本發(fā)明通過海量號牌數(shù)據(jù)分析居民私家車通勤出行特征，為交通管控部門提供一種新型居民出行特征分析方法，實現(xiàn)居民出行需求統(tǒng)計分析，為交通規(guī)劃模型提供支撐數(shù)據(jù)，提高交通需求管理水平，有效緩解交通擁堵問題。

附圖說明

圖1是本發(fā)明實施例基于號牌數(shù)據(jù)的通勤出行特征分析方法的結構示意圖。

圖2是實施例中交通小區(qū)分析的說明示意圖。

具體實施方式

下面結合附圖詳細說明本發(fā)明的優(yōu)選實施例。

實施例

實施例利用智能卡口設備采集的海量號牌數(shù)據(jù)，實現(xiàn)車輛的全線網(wǎng)跟蹤，通過車輛軌跡在路網(wǎng)的時空聚合，與城市地理信息比對分析，提取得到車輛一天內(nèi)大致出行階段及出行軌跡，根據(jù)一周軌跡信息掌握居民出行規(guī)律，分析居民出行特征，為交通規(guī)劃以及交通需求管理工作提供居民出行需求相關決策支撐數(shù)據(jù)，提出合理交通規(guī)劃模型以及交通需求管理策略，實現(xiàn)以居民出行需求為導向的交通管理，有效緩解交通擁堵問題。

一種基于號牌數(shù)據(jù)的通勤出行特征分析方法，如圖1，具體包括以下步驟：

s1.數(shù)據(jù)采集：從外部接口接入路網(wǎng)智能卡口設備的檢測數(shù)據(jù)，包括日期、檢測時刻、車輛號牌、設備編號、設備位置、車道號；同時對城市基礎地理信息等靜態(tài)信息進行采集，包括路網(wǎng)拓撲結構、路段長度等路網(wǎng)信息，住宅區(qū)商業(yè)區(qū)等城市結構布局信息。

s2.數(shù)據(jù)預處理：對各智能卡口檢測的原始車輛號牌數(shù)據(jù)進行數(shù)據(jù)質(zhì)量檢驗，將有效的號牌數(shù)據(jù)按時間序列進行整合，分析車輛的出行類型。

s21.數(shù)據(jù)質(zhì)量檢驗：對智能卡口設備采集的車輛號牌原始數(shù)據(jù)進行數(shù)據(jù)質(zhì)量檢測，包括數(shù)據(jù)缺失、時間戳錯誤等異常數(shù)據(jù)檢測，以及車牌照缺位、異位、異常字符等車輛號牌識別情況檢測。

s22.數(shù)據(jù)整合：從智能卡口檢測數(shù)據(jù)中提取有效過車數(shù)據(jù)信息，按時間序列整合城市路網(wǎng)所有檢測數(shù)據(jù)構成車輛號牌數(shù)據(jù)庫，包括車輛號牌、車道號、卡口設備編號以及時間。

s23.出行類型分析：按車輛號牌整合車輛一周的號牌數(shù)據(jù)，分析車輛出行類型，即是否為過境車輛、通勤車輛(市際通勤、市內(nèi)通勤)或其他通行車輛。

s231.若車輛號牌為外市車輛，同時號牌僅出現(xiàn)在一周某一日某時間段內(nèi)，且號牌數(shù)據(jù)中存在城市出入口卡口設備檢測的車輛號牌數(shù)據(jù)，則認為車輛為過境車輛，否則為市內(nèi)通行車輛，轉到下一步驟。

s232.按時間序列整合車輛號牌數(shù)據(jù)，若車輛在工作日時間序列分布的號牌數(shù)據(jù)相同，即工作日某時段內(nèi)檢測號牌數(shù)據(jù)的設備編號相同，號牌數(shù)據(jù)設備檢測時間類似，則認為該出行為通勤出行，轉到下一步驟，否則為其他出行車輛。

s233.若通勤車輛號牌數(shù)據(jù)的檢測設備中有城市出入口的卡口設備，則認為是市際通勤，否則為市內(nèi)通勤，轉到步驟s3。

s3.出行鏈分析：出行鏈是對出行者一天不同時間出行順序的描述，同時在空間上反映了出行者的出行活動規(guī)律。提取市內(nèi)通勤車輛號牌數(shù)據(jù)信息，分析車輛每日行駛軌跡以及停留小區(qū)，構建工作日通勤車輛整日出行鏈數(shù)據(jù)。

s31.車輛行駛軌跡分析：根據(jù)車輛號牌按時間序列整合號牌數(shù)據(jù)，將卡口獲取的號牌數(shù)據(jù)放入對應卡口數(shù)據(jù)隊列，根據(jù)卡口位置以及城市路網(wǎng)結構，生成車輛出行行駛軌跡。

s32.交通小區(qū)分析：以路口為定點，路段為邊界將城市劃分為多個交通小區(qū)；進一步整合工作日內(nèi)每日號牌數(shù)據(jù)的初始值和結束值，即最先檢測到的號牌數(shù)據(jù)與最終檢測到的號牌數(shù)據(jù)，根據(jù)出行鏈閉合特性，由號牌數(shù)據(jù)位置信息以及城市結構信息得到居民居住區(qū)；根據(jù)檢測號牌數(shù)據(jù)的時間差分析車輛除住宅以外的停留點，若連續(xù)兩個號牌數(shù)據(jù)的時間間隔超過檢測點之間行駛距離所需時間的閾值，則認為車輛發(fā)生停留，其中時間閾值根據(jù)該檢測點與附近各檢測點之間距離所需時間確定，即t＝max{ti}，ti為檢測點之間所需行駛時間，由系統(tǒng)檢測的所有車輛不同時間段平均行駛時間上限得到；根據(jù)工作日最長停留時間段的停留地點，統(tǒng)計分析工作小區(qū)。

如圖2所示，其中藍色箭頭線路、綠色箭頭線路以及橙色箭頭線路為一日車輛行駛軌跡，號牌數(shù)據(jù)初始值由4號交叉口所在位置的卡口設備檢測，結束號牌數(shù)據(jù)由4號與5號之間路段的卡口設備檢測，根據(jù)檢測數(shù)據(jù)的方向和位置，綜合分析得到住宅區(qū)為j小區(qū)；根據(jù)2號交叉口位置的卡口設備檢測的號牌數(shù)據(jù)分析到達c小區(qū)工作地點；根據(jù)5號與6號之間路段的卡口設備檢測數(shù)據(jù)得到居民在g小區(qū)存在停留。

s33.整日出行鏈分析：根據(jù)車輛行駛軌跡以及停留的交通小區(qū)，構成整日居民小汽車出行鏈數(shù)據(jù)，即車輛行駛軌跡路徑和停留小區(qū)信息。

s4.出行特征分析：統(tǒng)計分析所有工作日通勤出行車輛的出行信息，根據(jù)車輛出行信息分析居民業(yè)余活動狀況以及居民通勤出行的時間與距離，以此分析居民出行需求，掌握居民出行規(guī)律，為交通規(guī)劃管理工作提供輔助支撐數(shù)據(jù)。

s41.業(yè)余活動分析：根據(jù)車輛每日出行鏈數(shù)據(jù)信息分析居民是否存在業(yè)余活動，即工作日通勤車輛的整日出行是否發(fā)生除居住地和工作地點以外停留，若存在則認為居民存在業(yè)務活動，即居民存在除通勤以外交通需求；進一步統(tǒng)計居民業(yè)余活動量以及業(yè)余活動小區(qū)，確定城市重要熱點活動地區(qū)，同時根據(jù)城市市內(nèi)通勤車輛數(shù)據(jù)分析得到居民業(yè)余活動率，即存在業(yè)余活動出行車輛數(shù)占總通勤出行的比例，為交通管理部門提供居民業(yè)余出行活動需求以及重點出行地區(qū)統(tǒng)計分析數(shù)據(jù)，以此為交通需求管理決策提供輔助支撐數(shù)據(jù)。

s42.通勤出行距離時間分析：根據(jù)居民居住區(qū)、工作地區(qū)及之間的出行軌跡信息，按統(tǒng)計周期整合車輛工作日通勤軌跡各卡口設備檢測號牌數(shù)據(jù)的位置信息和時間信息，根據(jù)檢測設備位置距離和檢測數(shù)據(jù)之間的時間差得到車輛平均出行距離和出行時間，其中根據(jù)居民出行特性，一般統(tǒng)計早高峰通勤軌跡；進一步統(tǒng)計城市所有私家車通勤的居民出行時間和距離，按統(tǒng)計周期分析計算得到所有居民私家車通勤的平均通勤時間和通勤距離，為交通管理部門提供通勤時間以及距離統(tǒng)計分析數(shù)據(jù)，進一步提高交通管理決策合理性和有效性。

s43.出行需求分析：整合統(tǒng)計周期工作日內(nèi)車輛通勤出行軌跡，與道路路網(wǎng)匹配得到車輛出行主要路段信息，進一步統(tǒng)計分析周期內(nèi)所有通勤出行車輛的行駛軌跡，基于地圖得到城市居民通勤時段重要出行路段以及主要途徑交叉口，即居民小汽車出行存在交通需求路段，由此得到早晚高峰時段容易發(fā)生交通擁堵的路段，為交通管理者提供交通管理決策支撐數(shù)據(jù)。