一种基于大数据技术的交通信息提取和查询方法

摘要

为解决现有的实时交通信息提取和查询方法存在的获取的交通信息的实时性、通用性和实用性均存在不足等问题，本发明提出一种基于大数据技术的交通信息提取和查询方法，采用所有在线车辆上传的数据建立并动态更新数据字典；并可进行路网交通状况历史变化查询、路网交通状况实时变化查询和在线车辆交通习惯查询；所述数据字典包括车辆数据字典、路段数据字典和路径数据字典；所述在线车辆是指注册入网并自动上传定位和速度数据的车辆。本发明基于大数据技术的交通信息提取和查询方法的有益技术效果是具有较为广泛的通用性，能够实时获取路网交通状况，还能够获取设定用户的交通习惯，具有较强的实时性、通用性和实用性。

说明书

技术领域

本发明涉及到实时交通信息提取和查询技术，特别涉及到一种基于大数据技术的交通信息查询方法。

背景技术

现有的实时交通信息提取和查询方法通常利用浮动车或路侧设备提供的交通数据，甚至只依赖路侧设备提供的交通数据来获取路网或单车的实时交通信息。这类方法主要通过路侧设备直接获取路网流量、平均速度等交通信息，或者通过对浮动车采集的数据进行二次加工来获取某类交通信息，由于数据的代表性和实时性等原因，使得获取的交通信息的实时性、通用性和实用性均存在不足。就实时性而言，现有的实时交通信息提取和查询方法要么拥有较好精度但实时性达不到应用要求，要么能实现快速处理但又不能保证运算结果的精度，两者皆备的实用型技术并不多见。就通用性而言，现有的实时交通信息提取和查询方法通常针对某类交通业务，提取某类交通信息，导致推广面不广，推广价值也不高。就实用性而言，现有的实时交通信息提取和查询方法通常从顺时向去考虑浮动车数据的影响，很少逆时向去思考问题，甚至通常会忽略掉一些有用浮动车数据的时间因素，采用线性的数学计算方式，如求和、求均等运算，脱离了路网交通的本原特征，导致交通信息的提取精度和稳定性不高，实用性不强。显然，现有的实时交通信息提取和查询方法存在着获取的交通信息的实时性、通用性和实用性均存在不足等问题。

发明内容

为解决现有的实时交通信息提取和查询方法存在的获取的交通信息的实时性、通用性和实用性均存在不足等问题，本发明提出一种基于大数据技术的交通信息提取和查询方法。本发明基于大数据技术的交通信息提取和查询方法，采用所有在线车辆上传的数据建立并动态更新数据字典；并可进行路网交通状况历史变化查询、路网交通状况实时变化查询和在线车辆交通习惯查询；所述数据字典包括车辆数据字典、路段数据字典和路径数据字典；所述在线车辆是指注册入网并自动上传定位和速度数据的车辆。

进一步的，所述采用所有在线车辆上传的数据来建立并动态更新数据字典，包括以下步骤：

S01、获取历史数据，获取设定更新时间段内所有在线车辆上传的定位和速度数据，其中定位数据是指地图匹配之后的定位数据、以及经过地图匹配处理后的历史定位数据、历史速度数据和地图数据；

S02、获取编号，获取上传数据的车辆编号、路段编号和路网节点编号；

S03、选择单车，根据上传数据的在线车辆编号的先后顺序选取一辆未处理的在线车辆作为信息采集单车，并设定该单车的最早定位点为最开始的出发点；

S04、标定出发点，标定该单车的出发点；

S05、单车轨迹跟踪，包括：从出发点开始，当经过某条路段时，用双层滚动差分法（Double-layeredRollDifferenceMethod，D-RDM）检测该路段是否存在停靠点；当该路段不存在停靠点时，用滚动最小二乘法（RollLeastSquareMethod，RLSM）计算该单车通过该路段的进入和离开时间信息并存储到路段数据字典中；当该路段存在停靠点时，整理该单车从起始点到停靠点的历经路径，并将停靠点的位置和停靠起止时间信息存储到车辆数据字典中；

S06、单车交通信息提取，针某条历经路段，根据进入和离开时间，提取该单车在该路段上的行程时间和车速，并将车速、行程时间、车辆编号信息存储到路段数据字典中；提取历经路径的所有路网节点，并用排列组合法（PermutationandCombinationMethod，PaCM）从中任选两个不同路网节点形成该历经路径的子路径，由此形成一个路径子集，计算该路径子集中每条路径的行程时间并存储到路径数据字典中；

S07、判断终点，判断该停靠点是否为该单车数据上传的终点；是则，顺序执行步骤S08；否则，将该停靠点设定为新的出发点，转回执行步骤S04；

S08、单车出行习惯分析，从数据字典读取该单车的停靠点、历经路段和行程时间信息，用模糊聚类法（FuzzyClusteringMethod，FCM）分析所有停靠点，提取聚类中心作为习惯停靠点；用计数统计法（EnumerativeStatisticalMethod，ESM）分析所有历经路段，选取概率较大的路段作为习惯路段；基于交通潮汐流理论，用模糊推理法（FuzzyReasoningMethod，FRM），通过习惯停靠点和习惯路段来获取相应的习惯路径；将习惯停靠点、习惯路段和习惯路径等信息存储到车辆数据字典中；

S09、判断是否遍历所有在线车辆，是则，顺序执行步骤S10；否则，执行步骤S03；

S10、选择路段，根据路段编号的先后顺序选取一条未处理的路段；

S11、路段交通参数提取，从路段数据字典中读取所有单车通过该路段的行程时间数据，用RLSM计算该路段的行程时间并存储在路段数据字典中；

S12、判断是否遍历所有路段，是则，顺序执行步骤S13；否则，执行步骤S10；

S13、选取节点组合，根据路网节点编号的排列组合关系，选取一组未处理的两节点组合；

S14、读取路径数据，根据这两个路网节点，从路径数据字典中读取一条未处理的路径数据；

S15、路径交通参数提取，从路径数据字典中读取所有单车通过该路径的行程时间数据，用RLSM计算该路径的行程时间并存储于路径数据字典中；

S16、判断是否遍历所有路径，是则，顺序执行步骤S17；否则，转回执行步骤S14；

S17、判断是否遍历所有节点，是则，顺序执行步骤S18；否则，转回执行步骤S13；

S18、判断是否达到更新时间，是则，重复执行步骤S01至S17；否则，此次数据处理结束；

所述数据字典包括三个大容量数据字典，其中，车辆数据字典包括车辆身份、停靠点、习惯停靠点、习惯路段和习惯路径信息；路段数据字典包括路段编号、各路段的单车行程时间、路段行程时间和平均速度信息；路径数据字典包括路径的节点序列编号、行程时间信息。

进一步的，所述双层滚动差分法（Double-layeredRollDifferenceMethod，D-RDM）的差分步长由最短驻留时长决定，差分包络可选择矩形、三角形或波形。

进一步的，所述采用滚动最小二乘法（RollLeastSquareMethod，RLSM）提取单车、路段和路径的行程时间，以及单车的行驶速度和位置信息参量；如果这些参量是平滑变化的，那么RLSM只需线性计算当前小部分的参量权重，大部分的参量权重可以通过滚动获得。

进一步的，所述动态更新交通信息数据字典是指按设定的时间周期获取相关信息并对数据字典进行更新。

进一步的，所述可进行路网交通状况历史变化查询、路网交通状况实时变化查询和在线车辆交通习惯查询，包括以下步骤：

S21、用户登录，系统将从交通信息数据字典中自动读取和调用历史交通数据；所述数据字典包括车辆数据字典、路段数据字典和路径数据字典；

S22、历史查询判断，判断用户是否查询路网交通状态历史变化？是则，顺序执行步骤S23；否则，跳转执行步骤S24；

S23、路网历史交通状态读取和动态回放，根据用户选定的路网和时间区域，从数据字典中读取相应交通信息；动态回放选定路网区域中所有路段的平均速度和行程时间变化；动态回放选定路网区域中两个不同路网节点之间的多条路径的行程时间变化；动态回放选定路径的行程时间变化；

S24、实时查询判断，判断用户是否查询路网交通状态实时变化？是则，顺序执行步骤S25；否则，跳转执行步骤S26；

S25、路网实时交通状态滚动计算和动态显示，实时采集查询用户车的定位数据和速度数据并结合历史数据；针对某条路段上查询用户车的实时定位数据和速度数据，用RLSM处理，获取该路段的行程时间和速度实时信息并动态显示；用RLSM处理实时和历史行程时间数据，获取相关路径的实时行程时间并动态显示；所述历史数据是指从交通信息数据字典获取的与该路段和路径相关的数据；

S26、用户查询判断，判断用户是否查询自己的行驶轨迹和出行习惯？是则，顺序执行步骤S27；否则，跳转执行步骤S28；

S27、用户轨迹跟踪、出行习惯分析和显示，实时获取该用户的定位和速度信息并结合历史数据；标定该用户的出发点，用RLSM计算该用户的行驶速度和定位点信息，并动态显示这些信息；从车辆数据字典中读取该用户的习惯停靠点和习惯路径信息，并结合实时路况，对这些信息进行评估和显示；

S28、是否继续查询，是则，返回执行步骤S22；否则，结束此次查询。

本发明基于大数据技术的交通信息提取和查询方法的有益技术效果是具有较为广泛的通用性，能够实时获取路网交通状况，还能够获取设定用户的交通习惯，具有较强的实时性、通用性和实用性。

附图说明

附图1为本发明交通信息提取和动态更新的步骤示意图；

附图2为本发明交通信息查询的步骤示意图。

下面结合附图和具体实施例对本发明基于大数据技术的交通信息提取和查询方法作进一步的说明。

具体实施方式

本发明基于大数据技术的交通信息提取和查询方法，采用所有在线车辆上传的数据建立并动态更新数据字典；可进行路网交通状况历史变化查询、路网交通状况实时变化查询和在线车辆交通习惯查询；所述数据字典包括车辆数据字典、路段数据字典和路径数据字典；所述在线车辆是指注册入网并自动上传定位和速度数据的车辆。可见本发明利用大数据技术，采用三个大容量数据字典存储离线交通信息，其中，车辆数据字典用于存储车辆相关交通信息，路段数据字典用于存储路段相关交通信息，路径数据字典用于存储路径相关信息。与传统方法相比，本方法结合了大数据技术，每个数据字典含有多个索引，数据存储具有较好规则性，能很好满足数据存储和读写的实时性要求；

附图1为本发明交通信息提取和动态更新的步骤示意图，由图可知，所述采用所有在线车辆上传的数据来建立并动态更新数据字典，包括以下步骤：

S01、获取历史数据，获取设定更新时间段内所有在线车辆上传的定位和速度数据，其中定位数据是指地图匹配之后的定位数据、以及经过地图匹配处理后的历史定位数据、历史速度数据和地图数据；

S02、获取编号，获取上传数据的车辆编号、路段编号和路网节点编号；

S03、选择单车，根据上传数据的在线车辆编号的先后顺序选取一辆未处理的在线车辆作为信息采集单车，并设定该单车的最早定位点为最开始的出发点；

S04、标定出发点，标定该单车的出发点；

S05、单车轨迹跟踪，包括：从出发点开始，当经过某条路段时，用双层滚动差分法（Double-layeredRollDifferenceMethod，D-RDM）检测该路段是否存在停靠点；当该路段不存在停靠点时，用滚动最小二乘法（RollLeastSquareMethod，RLSM）计算该单车通过该路段的进入和离开时间信息并存储到路段数据字典中；当该路段存在停靠点时，整理该单车从起始点到停靠点的历经路径，并将停靠点的位置和停靠起止时间信息存储到车辆数据字典中。显然，采用双层滚动差分法（Double-layeredRollDifferenceMethod，D-RDM）检测车辆的停靠点位置和停靠起止时间信息，其中差分步长由最短驻留时长决定，差分包络可以选择矩形、三角形和波形等形状。由于差分对象是位置和时间两个参量，所以称之为D-RDM。与传统的停靠点提取方法相比，D-RDM能够提高运算精度，并具有较好的通用性。而采用滚动最小二乘法（RollLeastSquareMethod，RLSM）提取单车、路段和路径的行程时间，以及单车的行驶速度和位置信息等参量。如果这些参量是平滑变化的，那么RLSM只需线性计算当前小部分的参量权重，大部分的参量权重可以通过滚动获得，这样不仅能大幅降低运算量，还能提高运算精度。也就是说，本方法具有较好的通用性。

S06、单车交通信息提取，针某条历经路段，根据进入和离开时间，提取该单车在该路段上的行程时间和车速，并将车速、行程时间、车辆编号信息存储到路段数据字典中；提取历经路径的所有路网节点，并用排列组合法（PermutationandCombinationMethod，PaCM）从中任选两个不同路网节点形成该历经路径的子路径，由此形成一个路径子集，计算该路径子集中每条路径的行程时间并存储到路径数据字典中；

S07、判断终点，判断该停靠点是否为该单车数据上传的终点；是则，顺序执行步骤S08；否则，将该停靠点设定为新的出发点，转回执行步骤S04；

S08、单车出行习惯分析，从数据字典读取该单车的停靠点、历经路段和行程时间信息，用模糊聚类法（FuzzyClusteringMethod，FCM）分析所有停靠点，提取聚类中心作为习惯停靠点；用计数统计法（EnumerativeStatisticalMethod，ESM）分析所有历经路段，选取概率较大的路段作为习惯路段；基于交通潮汐流理论，用模糊推理法（FuzzyReasoningMethod，FRM），通过习惯停靠点和习惯路段来获取相应的习惯路径；将习惯停靠点、习惯路段和习惯路径等信息存储到车辆数据字典中。基于交通潮汐流理论，用模糊聚类法（FuzzyClusteringMethod,FCM）提取单车的习惯停靠点，用计数统计法提取单车的习惯路段，用模糊推理法提取单车的习惯路径，并结合实时路况，对单车的出行习惯进行评估。与传统方法相比，本案提出的方法充分考虑了路网交通和单车行驶的实际情况，结果更准确，先进实用，具有较好的通用性。

S09、判断是否遍历所有在线车辆，是则，顺序执行步骤S10；否则，执行步骤S03；

S10、选择路段，根据路段编号的先后顺序选取一条未处理的路段；

S11、路段交通参数提取，从路段数据字典中读取所有单车通过该路段的行程时间数据，用RLSM计算该路段的行程时间并存储在路段数据字典中；

S12、判断是否遍历所有路段，是则，顺序执行步骤S13；否则，执行步骤S10；

S13、选取节点组合，根据路网节点编号的排列组合关系，选取一组未处理的两节点组合；

S14、读取路径数据，根据这两个路网节点，从路径数据字典中读取一条未处理的路径数据；

S15、路径交通参数提取，从路径数据字典中读取所有单车通过该路径的行程时间数据，用RLSM计算该路径的行程时间并存储于路径数据字典中；

S16、判断是否遍历所有路径，是则，顺序执行步骤S17；否则，转回执行步骤S14；

S17、判断是否遍历所有节点，是则，顺序执行步骤S18；否则，转回执行步骤S13；

S18、判断是否达到更新时间，是则，重复执行步骤S01至S17；否则，此次数据处理结束；

所述动态更新交通信息数据字典是指按设定的时间周期获取相关信息并对数据字典进行更新；所述数据字典包括三个大容量数据字典，其中，车辆数据字典包括车辆身份、停靠点、习惯停靠点、习惯路段和习惯路径信息；路段数据字典包括路段编号、各路段的单车行程时间、路段行程时间和平均速度信息；路径数据字典包括路径的节点序列编号、行程时间信息。

附图2为本发明交通信息查询的步骤示意图，由图可知，所述可进行路网交通状况历史变化查询、路网交通状况实时变化查询和在线车辆交通习惯查询，包括以下步骤：

S21、用户登录，系统将从交通信息数据字典中自动读取和调用历史交通数据；所述数据字典包括车辆数据字典、路段数据字典和路径数据字典；

S22、历史查询判断，判断用户是否查询路网交通状态历史变化？是则，顺序执行步骤S23；否则，跳转执行步骤S24；

S23、路网历史交通状态读取和动态回放，根据用户选定的路网和时间区域，从数据字典中读取相应交通信息；动态回放选定路网区域中所有路段的平均速度和行程时间变化；动态回放选定路网区域中两个不同路网节点之间的多条路径的行程时间变化；动态回放选定路径的行程时间变化；

S24、实时查询判断，判断用户是否查询路网交通状态实时变化？是则，顺序执行步骤S25；否则，跳转执行步骤S26；

S25、路网实时交通状态滚动计算和动态显示，实时采集查询用户车的定位数据和速度数据并结合历史数据；针对某条路段上查询用户车的实时定位数据和速度数据，用RLSM处理，获取该路段的行程时间和速度实时信息并动态显示；用RLSM处理实时和历史行程时间数据，获取相关路径的实时行程时间并动态显示；所述历史数据是指从交通信息数据字典获取的与该路段和路径相关的数据；

S26、用户查询判断，判断用户是否查询自己的行驶轨迹和出行习惯？是则，顺序执行步骤S27；否则，跳转执行步骤S28；

S27、用户轨迹跟踪、出行习惯分析和显示，实时获取该用户的定位和速度信息并结合历史数据；标定该用户的出发点，用RLSM计算该用户的行驶速度和定位点信息，并动态显示这些信息；从车辆数据字典中读取该用户的习惯停靠点和习惯路径信息，并结合实时路况，对这些信息进行评估和显示；

S28、是否继续查询，是则，返回执行步骤S22；否则，结束此次查询。

显然，本发明基于大数据技术的交通信息提取和查询方法的有益技术效果是具有较为广泛的通用性，能够实时获取路网交通状况，还能够获取设定用户的交通习惯，具有较强的实时性、通用性和实用性。