本發(fā)明屬于交通數(shù)據(jù)分析,具體涉及一種橋梁重點(diǎn)車(chē)輛時(shí)空分布推演方法及系統(tǒng)。
背景技術(shù):
1、在橋梁傾覆事件中,主要的承重橋梁為獨(dú)柱墩橋梁,其中,車(chē)輛荷載超載是導(dǎo)致獨(dú)柱墩橋梁傾覆的主要原因,尤其是大型貨車(chē)、公交車(chē)、兩客一危重載車(chē)輛,這些車(chē)輛在獨(dú)柱墩橋上行駛時(shí),獨(dú)柱墩橋梁容易受到偏載的作用,加上其橫向穩(wěn)定性較差,抗傾覆能力會(huì)進(jìn)一步下降,并且當(dāng)它們同時(shí)在橋上時(shí)獨(dú)柱墩橋梁傾覆的風(fēng)險(xiǎn)急劇增加。
2、現(xiàn)有技術(shù)中,橋梁傾覆風(fēng)險(xiǎn)預(yù)警方法主要通過(guò)高精度傳感器監(jiān)測(cè)橋梁關(guān)鍵部位的狀態(tài)變化,如位移、傾角等,并運(yùn)用數(shù)據(jù)分析與建模技術(shù)(如歷史數(shù)據(jù)分析、有限元模型分析以及數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)算法)來(lái)預(yù)測(cè)橋梁的潛在風(fēng)險(xiǎn)。當(dāng)分析數(shù)據(jù)超過(guò)預(yù)設(shè)閾值時(shí)立即觸發(fā)預(yù)警信號(hào),以便及時(shí)采取應(yīng)急響應(yīng)措施,從而有效降低橋梁傾覆的風(fēng)險(xiǎn)。這種方法雖然能夠準(zhǔn)確地提供實(shí)時(shí)預(yù)警,但是其預(yù)見(jiàn)性有所欠缺,無(wú)法在車(chē)輛到達(dá)橋梁之前進(jìn)行提前預(yù)警,而上述重點(diǎn)車(chē)輛質(zhì)量較大,在高速行駛時(shí)難以直接制停,依然難以避免橋梁傾覆事件的發(fā)生。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明提供一種橋梁重點(diǎn)車(chē)輛時(shí)空分布推演方法及系統(tǒng),用于解決現(xiàn)有技術(shù)中存在的問(wèn)題。
2、第一方面,為實(shí)現(xiàn)上述目的,本發(fā)明提供了一種橋梁重點(diǎn)車(chē)輛時(shí)空分布推演方法,包括:
3、s10:獲取通過(guò)目標(biāo)區(qū)域的重點(diǎn)車(chē)輛歷史軌跡數(shù)據(jù);
4、s20:基于預(yù)先建立的路網(wǎng)拓?fù)洌捎枚嚯A馬爾可夫鏈,構(gòu)建動(dòng)態(tài)更新的車(chē)輛行駛路徑推演模型;
5、s30:將重點(diǎn)車(chē)輛歷史軌跡數(shù)據(jù)置入車(chē)輛行駛路徑推演模型,并結(jié)合重點(diǎn)車(chē)輛當(dāng)前所處路段,實(shí)時(shí)預(yù)測(cè)重點(diǎn)車(chē)輛的最大概率行駛路徑;
6、s40:根據(jù)多個(gè)重點(diǎn)車(chē)輛的最大概率行駛路徑,預(yù)測(cè)得到多個(gè)重點(diǎn)車(chē)輛分別行駛至目標(biāo)橋梁的時(shí)空間分布信息;
7、s50:若時(shí)空間分布信息符合預(yù)設(shè)的風(fēng)險(xiǎn)評(píng)估標(biāo)準(zhǔn),則將時(shí)空間分布信息推送至風(fēng)險(xiǎn)評(píng)估模塊。
8、通過(guò)上述技術(shù)方案,本發(fā)明方法基于多階馬爾可夫鏈構(gòu)建了動(dòng)態(tài)更新的車(chē)輛行駛路徑推演模型,將重點(diǎn)車(chē)輛歷史軌跡數(shù)據(jù)置入車(chē)輛行駛路徑推演模型中,得到每個(gè)重點(diǎn)車(chē)輛個(gè)性化的推演路徑(最大概率行駛路徑),相較于現(xiàn)有技術(shù),本發(fā)明方法的預(yù)見(jiàn)性更強(qiáng),實(shí)現(xiàn)了對(duì)重點(diǎn)車(chē)輛未來(lái)行駛路徑的準(zhǔn)確預(yù)測(cè)。
9、優(yōu)選的,步驟s20包括:
10、s21:定義重點(diǎn)車(chē)輛在路網(wǎng)拓?fù)渲忻織l路段的車(chē)輛車(chē)段狀態(tài)、多階馬爾可夫鏈的階數(shù)、預(yù)測(cè)步長(zhǎng)及狀態(tài)轉(zhuǎn)移概率;
11、s22:采用多階馬爾可夫鏈,計(jì)算重點(diǎn)車(chē)輛從當(dāng)前所在路段到路網(wǎng)拓?fù)渲邢乱宦范蔚臓顟B(tài)轉(zhuǎn)移概率;
12、s23:根據(jù)狀態(tài)轉(zhuǎn)移概率,構(gòu)建第一狀態(tài)轉(zhuǎn)移概率矩陣;
13、s24:根據(jù)第一狀態(tài)轉(zhuǎn)移概率矩陣,計(jì)算重點(diǎn)車(chē)輛在所有車(chē)輛車(chē)段狀態(tài)下的第二狀態(tài)轉(zhuǎn)移概率矩陣;
14、其中,車(chē)輛行駛路徑推演模型至少包括多階馬爾可夫鏈、第一狀態(tài)轉(zhuǎn)移概率矩陣和第二狀態(tài)轉(zhuǎn)移概率矩陣。
15、優(yōu)選的,步驟s22中狀態(tài)轉(zhuǎn)移概率的表達(dá)式為:
16、
17、其中,表示路徑起點(diǎn)為且重點(diǎn)車(chē)輛從當(dāng)前所在路段到前個(gè)路段的情況行駛到下一個(gè)路段的概率,為狀態(tài)轉(zhuǎn)移概率計(jì)算數(shù)據(jù)集中路徑起點(diǎn)從車(chē)輛當(dāng)前所在路段到前個(gè)路段的次數(shù),為行駛路徑中包含路徑的次數(shù)。
18、優(yōu)選的,步驟s30包括:
19、s31:獲取車(chē)輛行駛路徑推演模型內(nèi)多階馬爾可夫鏈的當(dāng)前狀態(tài)和重點(diǎn)車(chē)輛當(dāng)前所處路段對(duì)應(yīng)的當(dāng)前狀態(tài)鏈路;
20、s32:定義馬爾可夫狀態(tài)集合后,將多階馬爾可夫鏈的當(dāng)前狀態(tài)輸送至馬爾可夫狀態(tài)集合中存儲(chǔ),初始化多階馬爾可夫鏈的當(dāng)前狀態(tài);
21、s33:采用馬爾可夫狀態(tài)集合和第二狀態(tài)轉(zhuǎn)移概率矩陣,預(yù)測(cè)重點(diǎn)車(chē)輛前往路網(wǎng)拓?fù)渲忻織l路段的概率,并篩選出重點(diǎn)車(chē)輛的最大概率行駛路徑。
22、優(yōu)選的,在步驟s40之前,方法包括:
23、s400:構(gòu)建路網(wǎng)拓?fù)渲忻總€(gè)路段的平均行駛速度預(yù)測(cè)模型;
24、s401:獲取路網(wǎng)拓?fù)渲兴屑t綠燈各相位交替的時(shí)間點(diǎn)。
25、優(yōu)選的,步驟s40包括:
26、s41:判斷每一重點(diǎn)車(chē)輛的最大概率行駛路徑是否通過(guò)目標(biāo)橋梁,若是,執(zhí)行步驟s42,若否,結(jié)束預(yù)測(cè);
27、s42:計(jì)算通過(guò)步驟s41檢驗(yàn)的重點(diǎn)車(chē)輛當(dāng)前位置與目標(biāo)橋梁的相對(duì)距離;
28、s43:判斷相對(duì)距離是否小于預(yù)設(shè)的距離閾值,若是,執(zhí)行步驟s44,若否,結(jié)束預(yù)測(cè);
29、s44:根據(jù)平均行駛速度預(yù)測(cè)模型,計(jì)算通過(guò)步驟s43檢測(cè)的重點(diǎn)車(chē)輛行駛過(guò)最大概率行駛路徑中各路段的行駛速度;
30、s45:將最大概率行駛路徑轉(zhuǎn)換為車(chē)輛行駛路徑鏈路后,根據(jù)行駛速度和路網(wǎng)拓?fù)渲兴屑t綠燈各相位交替的時(shí)間點(diǎn),計(jì)算通過(guò)步驟s43檢測(cè)的重點(diǎn)車(chē)輛在車(chē)輛行駛路徑鏈路中由起始點(diǎn)到各節(jié)點(diǎn)所需的節(jié)點(diǎn)等待時(shí)間;
31、s46:根據(jù)行駛速度、節(jié)點(diǎn)等待時(shí)間及目標(biāo)橋梁的路段信息,預(yù)測(cè)通過(guò)步驟s43檢測(cè)的重點(diǎn)車(chē)輛行駛至目標(biāo)橋梁的時(shí)空間分布信息。
32、優(yōu)選的,目標(biāo)橋梁的路段信息包括橋梁長(zhǎng)度和目標(biāo)橋梁在最大概率行駛路徑中所處的橋梁路段節(jié)點(diǎn),步驟s46包括:
33、s461:獲取橋梁長(zhǎng)度和橋梁路段節(jié)點(diǎn);
34、s462:根據(jù)行駛速度、節(jié)點(diǎn)等待時(shí)間、橋梁路段節(jié)點(diǎn)及橋梁長(zhǎng)度,計(jì)算重點(diǎn)車(chē)輛進(jìn)出目標(biāo)橋梁所需的橋梁通過(guò)時(shí)間;
35、s463:根據(jù)橋梁長(zhǎng)度和橋梁通過(guò)時(shí)間,預(yù)測(cè)得到多個(gè)重點(diǎn)車(chē)輛行駛至目標(biāo)橋梁的時(shí)空間分布信息。
36、優(yōu)選的,步驟s462的計(jì)算表達(dá)式為:
37、
38、
39、其中,為重點(diǎn)車(chē)輛進(jìn)入目標(biāo)橋梁的時(shí)間,為重點(diǎn)車(chē)輛駛出目標(biāo)橋梁的時(shí)間,為重點(diǎn)車(chē)輛進(jìn)入橋梁路段節(jié)點(diǎn)的速度,為重點(diǎn)車(chē)輛進(jìn)入橋梁時(shí)的速度,為橋梁長(zhǎng)度,為節(jié)點(diǎn)等待時(shí)間,為橋梁路段節(jié)點(diǎn)到橋梁起點(diǎn)的距離。
40、優(yōu)選的,在步驟s10之前,本發(fā)明方法還包括:
41、s100:獲取重點(diǎn)車(chē)輛的原始軌跡數(shù)據(jù),并對(duì)原始軌跡數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗;
42、s101:根據(jù)路網(wǎng)數(shù)據(jù),對(duì)路網(wǎng)進(jìn)行拓?fù)錂z查;
43、s102:將經(jīng)過(guò)數(shù)據(jù)清洗后的原始軌跡數(shù)據(jù)和經(jīng)過(guò)拓?fù)錂z查后的路網(wǎng)進(jìn)行軌跡匹配,得到軌跡的路網(wǎng)匹配結(jié)果;
44、s103:根據(jù)路網(wǎng)匹配結(jié)果,將軌跡點(diǎn)位置校正至路網(wǎng),得到重點(diǎn)車(chē)輛歷史軌跡數(shù)據(jù)。
45、第二方面,為了實(shí)現(xiàn)發(fā)明目的,本發(fā)明還提供了一種橋梁重點(diǎn)車(chē)輛時(shí)空分布推演系統(tǒng),采用上述橋梁重點(diǎn)車(chē)輛時(shí)空分布推演方法,本發(fā)明系統(tǒng)包括:
46、數(shù)據(jù)獲取模塊,用于獲取通過(guò)目標(biāo)區(qū)域的重點(diǎn)車(chē)輛歷史軌跡數(shù)據(jù);
47、模型構(gòu)建模塊,用于基于預(yù)先建立的路網(wǎng)拓?fù)?,采用多階馬爾可夫鏈,構(gòu)建動(dòng)態(tài)更新的車(chē)輛行駛路徑推演模型;
48、路徑預(yù)測(cè)模塊,用于將重點(diǎn)車(chē)輛歷史軌跡數(shù)據(jù)置入車(chē)輛行駛路徑推演模型,并結(jié)合重點(diǎn)車(chē)輛當(dāng)前所處路段,實(shí)時(shí)預(yù)測(cè)重點(diǎn)車(chē)輛的最大概率行駛路徑;
49、空間分布預(yù)測(cè)模塊,用于根據(jù)多個(gè)重點(diǎn)車(chē)輛的最大概率行駛路徑,預(yù)測(cè)得到多個(gè)重點(diǎn)車(chē)輛分別行駛至目標(biāo)橋梁的時(shí)空間分布信息;
50、風(fēng)險(xiǎn)評(píng)估模型,用于在時(shí)空間分布信息符合預(yù)設(shè)的風(fēng)險(xiǎn)評(píng)估標(biāo)準(zhǔn)時(shí),接收時(shí)空間分布信息。
51、與現(xiàn)有技術(shù)相比,本發(fā)明至少存在以下優(yōu)點(diǎn):
52、(1)本發(fā)明方法基于多階馬爾可夫鏈,考慮了車(chē)輛行駛路徑的起點(diǎn)、車(chē)輛歷史行駛線路、預(yù)測(cè)步長(zhǎng)等因素,建立了每個(gè)重點(diǎn)車(chē)輛的個(gè)性化路徑預(yù)測(cè)推演模型,不僅可實(shí)現(xiàn)對(duì)重點(diǎn)車(chē)輛未來(lái)行駛路徑的準(zhǔn)確預(yù)測(cè),還能夠根據(jù)車(chē)輛位置變化動(dòng)態(tài)更新車(chē)輛預(yù)測(cè)路徑。
53、(2)針對(duì)車(chē)輛在橋梁的未來(lái)時(shí)空分布難以預(yù)測(cè)的問(wèn)題,本發(fā)明方法考慮了車(chē)輛經(jīng)過(guò)不同路段不同時(shí)間點(diǎn)的路段平均行駛速度以及車(chē)輛抵達(dá)交叉口的紅綠燈等待時(shí)間,建立了基于時(shí)變運(yùn)行特征的橋梁重點(diǎn)車(chē)輛時(shí)空分布推演模型,可識(shí)別車(chē)輛在橋梁上的時(shí)空分布,能夠?qū)崿F(xiàn)多輛重點(diǎn)車(chē)輛同時(shí)經(jīng)過(guò)獨(dú)柱墩橋梁的高風(fēng)險(xiǎn)工況識(shí)別。