公路网OD数据获取及处理分析研究

《公路网OD数据获取及处理分析研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2012年12月第12期城市道桥与防洪科技研究155公路网oD数据获取及处理分析研究金梦媛(西南交通大学，四川I成都611756)摘要：该文基于2010年某省公路网OD调查，对公路网OD数据获取方法及数据处理分析等进行系统研究，阐述了公路网OD获取方法机理，分析了轨迹分析法和异常数据处理等数据处理方法。基于此，结合公路网AreGIS地理信息平台开发数据处理程序，最终生成全省公路网OD表，并对OD调查结果进行了验证。关键词：公路网；OD调查；数据获取；处理分析中图分类号：U491文献标识码：A文章编号：1009—

2、7716(2012)12—0155一o4牌照图像识别技术进行公路OD调查的机理如图0引言1所示【。某省公路网OD调查是一项浩大复杂的系统工程，从调查的组织实施到数据获取及处理分析等各个环节，需要花费大量的人力、物力、财力。如何从调查中获得高精度的OD表并得到较好拟合效果，以便更加科学合理地为交通决策服务，是近年来OD调查及数据处理的重点。由于OD调查具有工作量大、费用高、数据处理难度大等特点，因此研究科学合理的方法来获取和处理OD数据具有重要的现实意义。继2004年该省第一次全省公路OD调查之后，2010年该省

3、开展了第二次全省公路网OD调查，调查主要采用基于视频牌照检测技术的车牌照调查法。笔者在某单位实习，参与了OD调查，并对OD调查报告进行分析研究。笔者认图1公路网OD获取方法机理图为此次调查从OD数据获取到数据处理分析等过2公路网OD数据处理方法程均取得了一定的创新和突破。数据处理工作是非常细致、难度非常高的工1公路网OD获取方法机理作，需要结合公路网的拓扑情况进行车辆出行轨迹车辆在调查区域的公路网行驶过程中，以公安分析，并对异常数据进行踢除、修补，进而生成公监控设备调查点、连续式观测站调查点、间歇式观路网OD表

4、。测站调查点、收费站(主线收费站和互通黄道收费2．1轨迹处理法站)调查点和其他普通调查点为车牌照数据采集点，海量数据处理国内首次运用车辆轨迹法，即：对车辆的行驶轨迹进行跟踪，利用车牌照图像识从全部原始车牌调查数据中可以统计出路网中相别技术，生成公路OD原始数据库；以原始数据库异车牌号数量，以及每辆车所经过的调查点，将调为基础，利用原始车辆轨迹处理法，对原始数据进查点按时间顺序排序，即可得到每辆车出行所经行分析和处理，最终得到整个调查区域的公路OD过的调查点序列。假设车辆的在公路上的出行都情况。同时，为了得到真实

5、的OD数据，有必要在省遵守最短路径优先原则，对调查点序列中的相邻界调查点处，进行补充停车询问调查。利用视频牌两个调查点，利用最短路径搜索算法得到这全部照检测进行公路OD调查的实现过程分为四个步相邻调查点之间的最短路径(最优路径)。按照调骤，分别是交通小区的划分、调查点的布设和优查点序列顺序，将所有的最短路径连接起来，即可化、数据分析和处理和公路网OD的生成。利用车得到每辆车出行的详细信息。通过统计全部车辆起点、终点，可得到全路网的OD分布矩阵；通过统计收稿日期：2012—11—08全部车辆的出行路径，可得到全路

6、网所有路段的交作者简介：金梦嫒(1991一)，女，陕西人，在读大学生，交通工程专业。通量。图2所示为车牌照调查法的车辆运行轨迹囹。156科技研究城市道桥与防洪2012年12月第12期minf(p)=∑i∑P．yl。(3)，i=1∑：=1，PI--0(4)i=1式中：为第i种模型在组合模型中的权重；Y为第i种模型对‰的预}贝4值；m为不同模型数。Step3基于遗传算法[6]对其求解。2．2．2字形识别错误数据的处理方法图2车辆轨迹示意图针对字形识别错误数据情况，基于最近邻聚类2．2异常数据的处理方法算法[7】对其

7、进行处理。最近邻聚类算法的主要思路是基于视频牌照检测的公路网OD获取中的异将空间R中的每一点和与之最近的点属于同一类常数据主要有：路径缺失数据、字形识别错误和路的可能性最大的情况找出来。假设两个距离最近径无效数据。一条车牌数据包括：序号、日期、车牌的点之间的距离小于设定的距离阈值d，那么就把号、车型、调查点编号、速度、通过时间、备注。基于它们归为同一类。其算法描述如下：车牌识别技术的原始车牌调查数据库中的数据在给定数据集z_{Zl，z2，⋯，，⋯∈，为数使用前需对不符合规范的异常数据进行校验和修据集的任意一点，

8、N(k)保存每类的数据点数，A(k)正，以最大限度地满足数据处理的基本需求。保存每类的数据点信息，k为聚类数量。2．2．1路径上缺失数据处理方法Stepl从第一个样本点z(Y)开始，令其自对于路径上丢失的车牌数据，把当前采集的交成一类，聚类中心为C(Y。)，k=l，N(1)=l，将样通变量看作时间序列，并结合历史数据对丢失的本点z】放人到A(1)中。数据进行预测估计，采用基于遗传算法的