一種基于浮動車od數(shù)據(jù)的卡口傳感器部署方法
【專利摘要】本發(fā)明涉及一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法，主要包括以下步驟：(1)讀取浮動車歷史數(shù)據(jù)，進行預處理得到浮動車OD數(shù)據(jù)集X；(2)計算浮動車OD數(shù)據(jù)集X中的任意兩點的距離，得到距離矩陣D＝(dij)n×n；(3)對浮動車OD數(shù)據(jù)集X進行基于密度和參考距離的聚類算法分析；(4)對步驟(3)得到的每個簇類數(shù)據(jù)集Xk進行第二次聚類算法分析并作去噪處理得到城市出行密集區(qū)；(5)對城市出行密集區(qū)進行地圖匹配并編號；(6)根據(jù)城市交通干道信息確定卡口傳感器的部署位置。本發(fā)明方法可行性強，計算量降低且運算速度快，可以為城市卡口傳感器部署提供實踐指導方案。
【專利說明】-種基于淳動車0D數(shù)據(jù)的卡口傳感器部署方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能交通領(lǐng)域，尤其涉及一種基于浮動車0D數(shù)據(jù)的卡口傳感器部署 方法。

【背景技術(shù)】
[0002] 伴隨著微電子技術(shù)、計算機技術(shù)、數(shù)字通信技術(shù)、網(wǎng)絡(luò)技術(shù)以及人工智能等各種高 新技術(shù)的不斷發(fā)展，全球智能交通技術(shù)（ITS)得到迅速發(fā)展，現(xiàn)代交通傳感器在交通控制 和管理上應(yīng)用得到不斷發(fā)展和升級。依靠從傳感器獲得的交通流數(shù)據(jù)對中心商業(yè)區(qū)、交通 主干線和高速公路制定交通管理策略已成為常見課題。
[0003] 近年來，卡口傳感器作為一種功能強大的新型傳感器，在我國華東、華南部分省市 的部署力度不斷加強。卡口監(jiān)控系統(tǒng)集高清晰攝像、圖像處理、視頻監(jiān)控、圖像識別、通信、 自動控制等多項技術(shù)為一體，為打擊肇事逃逸、偵破機動車盜搶以及其它涉案車輛提供準 確的證據(jù)和信息，為維護交通治安、加強公安交通管理提供有力保障。然而，國內(nèi)已有的卡 口系統(tǒng)幾乎都是各自相對獨立設(shè)置的卡口點，彼此之間并不相互關(guān)聯(lián)?？谙到y(tǒng)建設(shè)過程 中往往存在調(diào)研論證不夠充分深入、方案不夠周詳、布點不盡合理、可操作性較差等問題， 大大地削弱了卡口系統(tǒng)應(yīng)有作用的有效發(fā)揮，無法形成有效的監(jiān)控網(wǎng)絡(luò)。
[0004] 由于經(jīng)濟的發(fā)展，城市面積不斷擴大，道路不斷增多，城市路網(wǎng)的密度也持續(xù)增 大，如何在路網(wǎng)中合理部署卡口傳感器對于卡口系統(tǒng)的建設(shè)非常重要。目前，傳感器部署方 面的研究仍處于學術(shù)探討階段，還未形成較完善的理論體系。現(xiàn)有的方法來主要集中在利 用能耗和覆蓋率為目標函數(shù)，利用優(yōu)化算法設(shè)計無線傳感器節(jié)點部署，例如專利《一種傳感 器網(wǎng)絡(luò)的節(jié)點部署方法和節(jié)點》、專利《一種無線傳感器網(wǎng)絡(luò)的節(jié)點定位方法》，文獻《基于 覆蓋率的傳感器優(yōu)化部署算法》等。研究人員往往基于理論研究，在假設(shè)的理想環(huán)境下基于 目標函數(shù)給出一種最優(yōu)的節(jié)點部署方法，而很少有可應(yīng)用的實際性方案。另外，根據(jù)交通數(shù) 據(jù)信息設(shè)計傳感器部署方案研究還未涉及。
[0005] 浮動車數(shù)據(jù)是近年來ITS中所獲取的最重要交通數(shù)據(jù)之一，其輸出結(jié)果不僅能為 相關(guān)部門提供道路實時交通狀況信息，，而且可為道路建設(shè)規(guī)劃、擁堵緩解等各項工作提 供定量數(shù)據(jù)分析基礎(chǔ)。其中，浮動車0D(起屹點）數(shù)據(jù)，代表人們出行的起點和終點，反映 了城市交通中的出行密集程度。為此設(shè)計一種基于浮動車0D數(shù)據(jù)的卡口傳感器部署方法 是有必要的。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明為克服上述的不足之處，目的在于提供一種基于浮動車0D數(shù)據(jù)的卡口傳 感器部署方法，通過對浮動車0D數(shù)據(jù)的獲取，計算距離矩陣，進行聚類分析得到城市出行 密集區(qū)，并進行地圖匹配，進而實現(xiàn)在城市的交通干道信息的基礎(chǔ)上確定卡口傳感器的部 署方法，以實現(xiàn)卡口系統(tǒng)的有效監(jiān)控；該方法可行性強，計算量降低且運算速度快，為城市 卡口傳感器部署提供了實踐指導方案。
[0007] 本發(fā)明是通過以下技術(shù)方案達到上述目的：一種基于浮動車0D數(shù)據(jù)的卡口傳感 器部署方法，包括如下步驟：
[0008] (1)讀取浮動車歷史數(shù)據(jù)，進行預處理得到浮動車0D數(shù)據(jù)集X ;
[0009] (2)計算浮動車0D數(shù)據(jù)集X中的任意兩點的距離，得到距離矩陣D = (φρηχη ;
[0010] (3)對浮動車0D數(shù)據(jù)集X進行基于密度和參考距離的聚類算法分析；
[0011] (4)對步驟（3)得到的每個簇類數(shù)據(jù)集Xk進行第二次聚類算法分析并作去噪處理 得到城市出行密集區(qū)；
[0012] (5)對城市出行密集區(qū)進行地圖匹配并編號；
[0013] (6)根據(jù)城市交通干道信息確定卡口傳感器的部署位置。
[0014] 作為優(yōu)選，所述步驟（1)浮動車歷史數(shù)據(jù)中包括六種數(shù)據(jù)項：日期數(shù)據(jù)項、車輛編 號數(shù)據(jù)項、時間數(shù)據(jù)項、經(jīng)度數(shù)據(jù)項、緯度數(shù)據(jù)項、空重車數(shù)據(jù)項。
[0015] 作為優(yōu)選，所述步驟（1)預處理得到浮動車0D數(shù)據(jù)集X的方法如下：
[0016] (1)數(shù)據(jù)判別規(guī)則的設(shè)計：判斷每條記錄是否包含浮動車數(shù)據(jù)應(yīng)有的六個數(shù)據(jù) 項，若不包含則不做保存直接讀取下一條；若包含則進入各數(shù)據(jù)項的判別；
[0017] (2)數(shù)據(jù)的篩選：判斷浮動車載客狀態(tài)持續(xù)時間，刪除不正常載客時間的浮動車 數(shù)據(jù)；保留車輛狀態(tài)從0變化到1和車輛狀態(tài)從1變化到0的數(shù)據(jù)，刪除其他數(shù)據(jù)（狀態(tài)從 0變化到0或者狀態(tài)從1變化到1);
[0018] (3)整理篩選后的浮動車數(shù)據(jù)，提取浮動車經(jīng)緯度數(shù)據(jù)并存儲為浮動車0D數(shù)據(jù)集 X ;記X的元素為Xi，其中i = 1，2,…，η代表數(shù)據(jù)ID ;Xi = (Xi，yi)，其中Xi代表i點經(jīng)度， yi代表i點緯度。
[0019] 作為優(yōu)選，所述的各數(shù)據(jù)項的判別包括如下規(guī)則：
[0020] 1)日期/時間數(shù)據(jù)項清洗規(guī)則：a.判斷數(shù)據(jù)項中是否為空值；b.判斷數(shù)據(jù)項中是 否包含非數(shù)值型字符；c.判斷數(shù)據(jù)項中的數(shù)值是否為所設(shè)定的日期/時間范圍內(nèi)；
[0021] 2)車輛編號數(shù)據(jù)項清洗規(guī)則：a.判斷數(shù)據(jù)項中是否為空值；b.判斷數(shù)據(jù)項中是否 包含非數(shù)值型字符；c.判斷數(shù)據(jù)項中的車輛編號數(shù)值是否在該城市GPS定位的浮動車數(shù)量 范圍內(nèi)；
[0022] 3)經(jīng)度/緯度數(shù)據(jù)項清洗規(guī)則：a.判斷數(shù)據(jù)項中是否為空值；b.判斷數(shù)據(jù)項中是 否包含非數(shù)值型字符；c.判斷數(shù)據(jù)項中的經(jīng)度數(shù)值是否在該城市經(jīng)度/緯度范圍內(nèi)；
[0023] 4)空重車數(shù)據(jù)項清洗規(guī)則：a.判斷數(shù)據(jù)項中是否為空值；b.判斷數(shù)據(jù)項中是否包 含非數(shù)值型字符；c.判斷數(shù)據(jù)項中數(shù)值是否為0或為1 (0表示空車，1表示載客）。
[0024] 作為優(yōu)選，所述的步驟（2)計算浮動車0D數(shù)據(jù)集X中的任意兩點的距離依據(jù)如下 公式：
[0025] C = sin (MLatA)*sin (MLatB)*cos (MLonA-MLonB)+cos (MLatA)*cos (MLatB) dist(A，B) =R*Arccos(C)*3i/180
[0026] 其中dist (A, B)代表點A到點B之間的距離，MLonA, MLatA分別為點A的經(jīng)度坐 標和緯度坐標，MLonB，MLatB分別為點B的經(jīng)度坐標和緯度坐標，R為地球的平均半徑。
[0027] 作為優(yōu)選，所述的步驟（3)基于密度和參考距離的聚類算法分析包括如下步驟：
[0028] (1)計算密度：
[0029] 點i的密度P i的計算公式為

【權(quán)利要求】
1. 一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法，其特征在于包括如下步驟： (1) 讀取浮動車歷史數(shù)據(jù)，進行預處理得到浮動車OD數(shù)據(jù)集X; (2) 計算浮動車OD數(shù)據(jù)集X中的任意兩點的距離，得到距離矩陣D=(Clij)nxn; (3) 對浮動車OD數(shù)據(jù)集X進行基于密度和參考距離的聚類算法分析； (4) 對步驟（3)得到的每個簇類數(shù)據(jù)集Xk進行第二次聚類算法分析并作去噪處理得到 城市出行密集區(qū)； (5) 對城市出行密集區(qū)進行地圖匹配并編號； (6) 根據(jù)城市交通干道信息確定卡口傳感器的部署位置。
2. 根據(jù)權(quán)利要求1所述的一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法，其特征在 于，所述步驟（1)浮動車歷史數(shù)據(jù)中包括六種數(shù)據(jù)項：日期數(shù)據(jù)項、車輛編號數(shù)據(jù)項、時間 數(shù)據(jù)項、經(jīng)度數(shù)據(jù)項、緯度數(shù)據(jù)項、空重車數(shù)據(jù)項。
3. 根據(jù)權(quán)利要求1所述的一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法，其特征在 于，所述步驟（1)預處理得到浮動車OD數(shù)據(jù)集X的方法如下： (1) 數(shù)據(jù)判別規(guī)則的設(shè)計：判斷每條記錄是否包含浮動車數(shù)據(jù)應(yīng)有的六個數(shù)據(jù)項，若 不包含則不做保存直接讀取下一條；若包含則進入各數(shù)據(jù)項的判別； (2) 數(shù)據(jù)的篩選：判斷浮動車載客狀態(tài)持續(xù)時間，刪除不正常載客時間的浮動車數(shù)據(jù)； 保留車輛狀態(tài)從〇變化到1和車輛狀態(tài)從1變化到〇的數(shù)據(jù)，刪除其他數(shù)據(jù)（狀態(tài)從〇變 化到0或者狀態(tài)從1變化到1); (3) 整理篩選后的浮動車數(shù)據(jù)，提取浮動車經(jīng)緯度數(shù)據(jù)并存儲為浮動車OD數(shù)據(jù)集X;記 X的元素為Xi,其中i= 1，2,…，n代表數(shù)據(jù)ID;Xi= (Xi,y),其中Xi代表i點經(jīng)度，Yi代 表i點緯度。
4. 根據(jù)權(quán)利要求3所述的一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法，其特征在 于，所述的各數(shù)據(jù)項的判別包括如下規(guī)則： 1) 日期/時間數(shù)據(jù)項清洗規(guī)則：a.判斷數(shù)據(jù)項中是否為空值；b.判斷數(shù)據(jù)項中是否包 含非數(shù)值型字符；c.判斷數(shù)據(jù)項中的數(shù)值是否為所設(shè)定的日期/時間范圍內(nèi)； 2) 車輛編號數(shù)據(jù)項清洗規(guī)則：a.判斷數(shù)據(jù)項中是否為空值；b.判斷數(shù)據(jù)項中是否包含 非數(shù)值型字符；c.判斷數(shù)據(jù)項中的車輛編號數(shù)值是否在該城市GPS定位的浮動車數(shù)量范圍 內(nèi)； 3) 經(jīng)度/緯度數(shù)據(jù)項清洗規(guī)則：a.判斷數(shù)據(jù)項中是否為空值；b.判斷數(shù)據(jù)項中是否包 含非數(shù)值型字符；c.判斷數(shù)據(jù)項中的經(jīng)度數(shù)值是否在該城市經(jīng)度/緯度范圍內(nèi)； 4) 空重車數(shù)據(jù)項清洗規(guī)則：a.判斷數(shù)據(jù)項中是否為空值；b.判斷數(shù)據(jù)項中是否包含非 數(shù)值型字符；c.判斷數(shù)據(jù)項中數(shù)值是否為0或為1 (0表示空車，1表示載客）。
5. 根據(jù)權(quán)利要求1或2或3或4所述的一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方 法，其特征在于，所述的步驟（2)計算浮動車OD數(shù)據(jù)集X中的任意兩點的距離依據(jù)如下公 式： C = sin (MLatA)*sin(MLatB)*cos(MLonA-MLonB)+cos (MLatA)*cos(MLatB) dist(A, B) = R^Arccos (C) * /180 其中dist(A,B)代表點A到點B之間的距離，MLonA，MLatA分別為點A的經(jīng)度坐標和 緯度坐標，MLonB，MLatB分別為點B的經(jīng)度坐標和緯度坐標，R為地球的平均半徑。
6. 根據(jù)權(quán)利要求1所述的一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法，其特征在 于，所述的步驟（3)基于密度和參考距離的聚類算法分析包括如下步驟： (1) 計算密度： 點i的密度Pi的計算公式為A，i= 1，2, --?,]! ;Pi代表與點i的距 J=^ 離小于距離閾值Cltl的點的個數(shù)； 其中，特征函數(shù)X(X) :
;Cltl是距離閾值； (2) 密度向量排序： 對密度按從大到小的順序排序，當密度相同時則按點i的數(shù)值從小到大的順序排序， 得到有序密度向量？；其中？ = (/?,.，/\,"%/\+)，滿足凡2只:2"4汽： (3) 計算參考距離： 定義點i的參考距離S,為點i距其高密度點（密度大于點i密度的點）的最小距離， 計算公式為A= 在計算過程中記錄每個點i的最近高密度點i，即滿足在.=i.; P；>Pi? 1lJ\ 定義密度最大點I1的參考距離錢：A=11#(^}則4,=max^/)，i=丨，2,...，n ; (4) 選取聚類中心： 畫出P-S(密度-參考距離）散點圖，根據(jù)圖形中密度與參考距離的取值密度閾值P〇、參考距離閾值SC1，選擇同時滿足密度大于P0并且參考距離大于的\的點為聚類中 心； 其中，由于密度最大點I1的參考距離4 _= ，則密度最大的點一定為聚類中心； (5) 確定每個點所在的簇： 從密度最大點開始依次劃分每個點所在的簇，依次確定點I1,i2，…，ik，…，in所在的 簇，得到的每個簇類的信息，每個簇類信息包括簇序號k;該簇內(nèi)所有點經(jīng)緯度坐標數(shù)據(jù)集 Xk ;該簇內(nèi)所包含點的個數(shù)Nk。
7. 根據(jù)權(quán)利要求6所述的一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法，其特征在 于，所述的確定點Ui2，…，ik，…，in所在的簇的具體方法為點ik若是聚類中心，則直接 得到所在的簇；若否，則點ik與其最近高密度點J4在同一個簇中，由于_4的取值范圍是 U1,i2，…，ik_J，因此J4所在的簇已經(jīng)確定，從而點ik所在的簇確定。
8. 根據(jù)權(quán)利要求1或2所述的一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法，其特征 在于，所述的步驟（3)的基于密度和參考距離的聚類閾值選取依據(jù)為P-S(密度-參考距 離）散點圖或傳感器部署的整體預算數(shù)量兩種中的任意一種。
9. 根據(jù)權(quán)利要求1或4所述的一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法，其特征 在于，所述的步驟（4)去噪處理具體步驟如下： (1)找到本簇中與其他簇類點距離小于等于距離閾值的點，求符合條件的點對密度均 值并記錄，取記錄值得最大值作為本簇的密度臨界值； (2) 將簇中的點的密度值與本簇的密度臨界值進行對比，過濾小于密度臨界值的點 (即噪聲點）； (3) 由步驟（2)得到的簇類作為基于浮動車OD數(shù)據(jù)的城市出行密集區(qū)；簇類數(shù)據(jù)集的 大小不同可以視為密集程度的不同。
10. 根據(jù)權(quán)利要求1或2或3所述的一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法， 其特征在于，所述的步驟（5)對城市出行密集區(qū)進行地圖匹配的方法為城市出行密集區(qū)在 帶有城市路網(wǎng)信息的ArcMap中展示，結(jié)合路網(wǎng)信息對城市出行密集區(qū)進行地圖匹配；按照 出行密集程度由大到小（簇類數(shù)據(jù)集由大到?。┻M行編號。
11. 根據(jù)權(quán)利要求1所述的一種基于浮動車OD數(shù)據(jù)的卡口傳感器部署方法，其特征在 于，所述的步驟（6)確定卡口傳感器的部署位置的方法為： (1) 在交通干道與每個密集區(qū)相連的位置部署卡口傳感器； (2) 密集程度大的簇內(nèi)部，在交通干道交叉處部署卡口傳感器。
【文檔編號】G08G1/01GK104269057SQ201410512654
【公開日】2015年1月7日 申請日期:2014年9月29日 優(yōu)先權(quán)日:2014年9月29日
【發(fā)明者】趙貝貝, 李建元, 王興斌, 陳濤, 李丹, 王浩, 靳明豪 申請人:銀江股份有限公司