本發(fā)明屬于交通數(shù)據(jù)分析，具體涉及一種橋梁重點車輛時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柱墩橋梁，其中，車輛荷載超載是導致獨柱墩橋梁傾覆的主要原因，尤其是大型貨車、公交車、兩客一危重載車輛，這些車輛在獨柱墩橋上行駛時，獨柱墩橋梁容易受到偏載的作用，加上其橫向穩(wěn)定性較差，抗傾覆能力會進一步下降，并且當它們同時在橋上時獨柱墩橋梁傾覆的風險急劇增加。

2、現(xiàn)有技術(shù)中，橋梁傾覆風險預(yù)警方法主要通過高精度傳感器監(jiān)測橋梁關(guān)鍵部位的狀態(tài)變化，如位移、傾角等，并運用數(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)挖掘與機器學習算法）來預(yù)測橋梁的潛在風險。當分析數(shù)據(jù)超過預(yù)設(shè)閾值時立即觸發(fā)預(yù)警信號，以便及時采取應(yīng)急響應(yīng)措施，從而有效降低橋梁傾覆的風險。這種方法雖然能夠準確地提供實時預(yù)警，但是其預(yù)見性有所欠缺，無法在車輛到達橋梁之前進行提前預(yù)警，而上述重點車輛質(zhì)量較大，在高速行駛時難以直接制停，依然難以避免橋梁傾覆事件的發(fā)生。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種橋梁重點車輛時空分布推演方法及系統(tǒng)，用于解決現(xiàn)有技術(shù)中存在的問題。

2、第一方面，為實現(xiàn)上述目的，本發(fā)明提供了一種橋梁重點車輛時空分布推演方法，包括：

3、s10：獲取通過目標區(qū)域的重點車輛歷史軌跡數(shù)據(jù)；

4、s20：基于預(yù)先建立的路網(wǎng)拓撲，采用多階馬爾可夫鏈，構(gòu)建動態(tài)更新的車輛行駛路徑推演模型；

5、s30：將重點車輛歷史軌跡數(shù)據(jù)置入車輛行駛路徑推演模型，并結(jié)合重點車輛當前所處路段，實時預(yù)測重點車輛的最大概率行駛路徑；

6、s40：根據(jù)多個重點車輛的最大概率行駛路徑，預(yù)測得到多個重點車輛分別行駛至目標橋梁的時空間分布信息；

7、s50：若時空間分布信息符合預(yù)設(shè)的風險評估標準，則將時空間分布信息推送至風險評估模塊。

8、通過上述技術(shù)方案，本發(fā)明方法基于多階馬爾可夫鏈構(gòu)建了動態(tài)更新的車輛行駛路徑推演模型，將重點車輛歷史軌跡數(shù)據(jù)置入車輛行駛路徑推演模型中，得到每個重點車輛個性化的推演路徑（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)見性更強，實現(xiàn)了對重點車輛未來行駛路徑的準確預(yù)測。

9、優(yōu)選的，步驟s20包括：

10、s21：定義重點車輛在路網(wǎng)拓撲中每條路段的車輛車段狀態(tài)、多階馬爾可夫鏈的階數(shù)、預(yù)測步長及狀態(tài)轉(zhuǎn)移概率；

11、s22：采用多階馬爾可夫鏈，計算重點車輛從當前所在路段到路網(wǎng)拓撲中下一路段的狀態(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，計算重點車輛在所有車輛車段狀態(tài)下的第二狀態(tài)轉(zhuǎn)移概率矩陣；

14、其中，車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)移概率的表達式為：

16、

17、其中，表示路徑起點為且重點車輛從當前所在路段到前個路段的情況行駛到下一個路段的概率，為狀態(tài)轉(zhuǎn)移概率計算數(shù)據(jù)集中路徑起點從車輛當前所在路段到前個路段的次數(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：獲取車輛行駛路徑推演模型內(nèi)多階馬爾可夫鏈的當前狀態(tài)和重點車輛當前所處路段對應(yīng)的當前狀態(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前狀態(tài)輸送至馬爾可夫狀態(tài)集合中存儲，初始化多階馬爾可夫鏈的當前狀態(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)測重點車輛前往路網(wǎng)拓撲中每條路段的概率，并篩選出重點車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)拓撲中每個路段的平均行駛速度預(yù)測模型；

24、s401：獲取路網(wǎng)拓撲中所有紅綠燈各相位交替的時間點。

25、優(yōu)選的，步驟s40包括：

26、s41：判斷每一重點車輛的最大概率行駛路徑是否通過目標橋梁，若是，執(zhí)行步驟s42，若否，結(jié)束預(yù)測；

27、s42：計算通過步驟s41檢驗的重點車輛當前位置與目標橋梁的相對距離；

28、s43：判斷相對距離是否小于預(yù)設(shè)的距離閾值，若是，執(zhí)行步驟s44，若否，結(jié)束預(yù)測；

29、s44：根據(jù)平均行駛速度預(yù)測模型，計算通過步驟s43檢測的重點車輛行駛過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)換為車輛行駛路徑鏈路后，根據(jù)行駛速度和路網(wǎng)拓撲中所有紅綠燈各相位交替的時間點，計算通過步驟s43檢測的重點車輛在車輛行駛路徑鏈路中由起始點到各節(jié)點所需的節(jié)點等待時間；

31、s46：根據(jù)行駛速度、節(jié)點等待時間及目標橋梁的路段信息，預(yù)測通過步驟s43檢測的重點車輛行駛至目標橋梁的時空間分布信息。

32、優(yōu)選的，目標橋梁的路段信息包括橋梁長度和目標橋梁在最大概率行駛路徑中所處的橋梁路段節(jié)點，步驟s46包括：

33、s461：獲取橋梁長度和橋梁路段節(jié)點；

34、s462：根據(jù)行駛速度、節(jié)點等待時間、橋梁路段節(jié)點及橋梁長度，計算重點車輛進出目標橋梁所需的橋梁通過時間；

35、s463：根據(jù)橋梁長度和橋梁通過時間，預(yù)測得到多個重點車輛行駛至目標橋梁的時空間分布信息。

36、優(yōu)選的，步驟s462的計算表達式為：

37、

38、

39、其中，為重點車輛進入目標橋梁的時間，為重點車輛駛出目標橋梁的時間，為重點車輛進入橋梁路段節(jié)點的速度，為重點車輛進入橋梁時的速度，為橋梁長度，為節(jié)點等待時間，為橋梁路段節(jié)點到橋梁起點的距離。

40、優(yōu)選的，在步驟s10之前，本發(fā)明方法還包括：

41、s100：獲取重點車輛的原始軌跡數(shù)據(jù)，并對原始軌跡數(shù)據(jù)進行數(shù)據(jù)清洗；

42、s101：根據(jù)路網(wǎng)數(shù)據(jù)，對路網(wǎng)進行拓撲檢查；

43、s102：將經(jīng)過數(shù)據(jù)清洗后的原始軌跡數(shù)據(jù)和經(jīng)過拓撲檢查后的路網(wǎng)進行軌跡匹配，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，將軌跡點位置校正至路網(wǎng)，得到重點車輛歷史軌跡數(shù)據(jù)。

45、第二方面，為了實現(xiàn)發(fā)明目的，本發(fā)明還提供了一種橋梁重點車輛時空分布推演系統(tǒng)，采用上述橋梁重點車輛時空分布推演方法，本發(fā)明系統(tǒng)包括：

46、數(shù)據(jù)獲取模塊，用于獲取通過目標區(qū)域的重點車輛歷史軌跡數(shù)據(jù)；

47、模型構(gòu)建模塊，用于基于預(yù)先建立的路網(wǎng)拓撲，采用多階馬爾可夫鏈，構(gòu)建動態(tài)更新的車輛行駛路徑推演模型；

48、路徑預(yù)測模塊，用于將重點車輛歷史軌跡數(shù)據(jù)置入車輛行駛路徑推演模型，并結(jié)合重點車輛當前所處路段，實時預(yù)測重點車輛的最大概率行駛路徑；

49、空間分布預(yù)測模塊，用于根據(jù)多個重點車輛的最大概率行駛路徑，預(yù)測得到多個重點車輛分別行駛至目標橋梁的時空間分布信息；

50、風險評估模型，用于在時空間分布信息符合預(yù)設(shè)的風險評估標準時，接收時空間分布信息。

51、與現(xiàn)有技術(shù)相比，本發(fā)明至少存在以下優(yōu)點：

52、（1）本發(fā)明方法基于多階馬爾可夫鏈，考慮了車輛行駛路徑的起點、車輛歷史行駛線路、預(yù)測步長等因素，建立了每個重點車輛的個性化路徑預(yù)測推演模型，不僅可實現(xiàn)對重點車輛未來行駛路徑的準確預(yù)測，還能夠根據(jù)車輛位置變化動態(tài)更新車輛預(yù)測路徑。

53、（2）針對車輛在橋梁的未來時空分布難以預(yù)測的問題，本發(fā)明方法考慮了車輛經(jīng)過不同路段不同時間點的路段平均行駛速度以及車輛抵達交叉口的紅綠燈等待時間，建立了基于時變運行特征的橋梁重點車輛時空分布推演模型，可識別車輛在橋梁上的時空分布，能夠?qū)崿F(xiàn)多輛重點車輛同時經(jīng)過獨柱墩橋梁的高風險工況識別。