(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010858075.9
(22)申请日 2020.08.24
(71)申请人 安徽科力信息产业有限责任公司
地址 230088 安徽省合肥市高新区黄山路
628号
(72)发明人 宋志洪 吕建成 万成才 陈超
苟启文 姚辉 张小兵 王常瑞
王强松
(74)专利代理机构 合肥天明专利事务所(普通
合伙) 34115
代理人 苗娟
(51)Int.Cl.
G06F 16/29(2019.01)
G06F 16/2458(2019.01)
G06Q 50/26(2012.01)G08G 1/01(2006.01)
(54)发明名称一种城市道路高频路径分析方法、系统及存储介质(57)摘要本发明的一种城市道路高频路 径分析方法、系统及存储介质，包括获取城市道路各路段的一定时间段的历史过车数据；按路段或路口统计车辆在路网上行驶的路径历史数据；设定高频路径算法中的最小支持度与最小置信度阈值；使用车辆在路网上行驶的路径历史数据，并用关联规则相关算法计算得到高频路段与高频路径。本发明将关联规则中的算法应到交通高频路径的计算场景中，通过基于基础路网匹配过车数据，通过设定阈值，筛选高频路段，并利用关联规则相关算法计算高频路径，本发明可用于计算城市高频路径以及城市高频路径相关诱导参考，有利于对关键节点进行控制，缓解高频路径的交通压力，进而减少交通拥堵的发生频率，有利于城市交通 管理能力的提升。权利要求书2页 说明书6页 附图1页CN 112015837 A 2020.12.01
C N 112015837
A
1.一种城市道路高频路径分析方法，其特征在于：包括以下步骤，
S01、获取城市道路各路段的一定时间段的历史过车数据；
S02、按路段或路口统计车辆在路网上行驶的路径历史数据；
S03、设定高频路径算法中的最小支持度与最小置信度阈值；
S04、使用车辆在路网上行驶的路径历史数据，并用关联规则相关算法计算得到高频路段与高频路径。
2.根据权利要求1所述的城市道路高频路径分析方法，其特征在于：所述S01中历史过车数据包括车辆唯一标识信息、路网信息、过车信息。
3.根据权利要求1所述的城市道路高频路径分析方法，其特征在于：所述S04使用车辆在路网上行驶的路径历史数据，并用关联规则相关算法计算得到高频路段与高频路径具体包括：
定义：
车辆路径项集：具有身份标识的车辆，行驶路径中的每一个路段或路口的各种组合的集合，有k个元素的集合叫k-项集； 参数1：最小支持度，支持度是一个车辆路径项集在整个数据集中出现的频率，最小支持度用于筛选频率过低达不到的车辆路径项集，可配置，根据实际城市过车数据情况调整；
参数2：最小置信度，用于筛选高频车辆路径k-项集，产生关联的高频车辆路径规则，继而产生车辆高频路径，可配置，根据实际城市过车数据情况调整；
step1：采集数据；
step2：构建车辆路径数据集，生成候选1-项集；
(1)由采集到的过车数据，取一天的数据构建路径项集，每个车牌一天行驶的路径按时间排序形成车辆路径集合；
(2)计算每个路径集合中相邻路径的时间差，拆分时间差大于设定值的集合为多个路径集合，构成当日车辆路径数据集D；
(3)取一定时间历史数据的路径数据集DD，拆分数据集为单个路段、路口并聚合去重，生成由一个元素构成的项集，得到多个候选1-项集di(i＝1..N)；
step 3：利用最小支持度，筛选频繁车辆路径1项集，生成候选2项集；
计算所有候选1-项集在DD数据集中出现的频率，频率＝(包含此项集的个数)/数据集总数，筛选出频率大于最小支持度的频繁1-项集D1；
由频繁项集D1，两两排列组合去重生成候选2-项集；
step 4：循环迭代筛选频繁k项集，生成候选k+1-项集；
计算候选k-项集在数据集中的出现频率，筛选出频率大于最小支持度的频繁k-项集Dk，排列组合生成候选k+1项集；
按此步骤迭代，直到所有候选项集的频率都低于最小支持度或者无法再生成候选项集时停止迭代，得到最终的车辆路径频繁项集；
step 5：由车辆路径频繁项集生成高频路径；
排列组合频繁项集的元素先后顺序组成可能的前后到达的路径，计算每种组合的信赖度即后路段在前路段存在下的条件概率的，信赖度＝前后路段同时存在的频数/前路段存在集合的频数；
筛选出信赖度大于最小信赖度的频繁项集，即为高频路径。
4.根据权利要求3所述的城市道路高频路径分析方法，其特征在于：
所述step1的采集数据通过城市道路上的检测监控设备，采集车辆的身份标识车牌或唯一id，并采集相关过车数据。
5.根据权利要求4所述的城市道路高频路径分析方法，其特征在于：
所述过车数据包括过车时间，路段/路口id。
6.根据权利要求4所述的城市道路高频路径分析方法，其特征在于：所述检测监控设备包括电子警察、卡口、检测器。
7.一种城市道路高频路径分析系统，其特征在于：包括以下单元，
历史过车数据获取单元，用于获取城市道路各路段的一定时间段的历史过车数据；
路径历史数据确定单元，用于按路段或路口统计车辆在路网上行驶的路径历史数据；
最小支持度与最小置信度阈值设定单元，用于设定高频路径算法中的最小支持度与最小置信度阈值；
高频路径确定单元，用于使用车辆在路网上行驶的路径历史数据，并用关联规则相关算法计算得到高频路段与高频路径。
8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
一种城市道路高频路径分析方法、系统及存储介质
技术领域
[0001]本发明涉及城市交通管理技术领域，具体涉及一种城市道路高频路径分析方法、系统及存储介质。
背景技术
[0002]在日常的交通出行中，根据路网结构和路径选择，结合一些导航工具的使用，会优先选择主干道或OD短路径必经之地，导致部分道路使用频次高，实际的通行需求远远超出道路的通行服务能力，进而引发交通拥堵，因此，对于高频路径的识别，有利于对关键节点进行控制，缓解高频路径的交通压力，进而减少交通拥堵的发生频率，有利于城市交通管理能力的提升。
发明内容
[0003]本发明提出的一种城市道路高频路径分析方法、系统及存储介质，可用于识别高频路径。
[0004]为实现上述目的，本发明采用了以下技术方案：
[0005]一种城市道路高频路径分析方法，包括以下步骤，
[0006]S01、获取城市道路各路段的一定时间段的历史过车数据；
[0007]S02、按路段或路口统计车辆在路网上行驶的路径历史数据；
[0008]S03、设定高频路径算法中的最小支持度与最小置信度阈值；
[0009]S04、使用车辆在路网上行驶的路径历史数据，并用关联规则相关算法计算得到高频路段与高频路径。
[0010]进一步的，所述S01中历史过车数据包括车辆唯一标识信息、路网信息、过车信息。[0011]进一步的，所述S04使用车辆在路网上行驶的路径历史数据，并用关联规则相关算法计算得到高频路段与高频路径具体包括：
[0012]定义：
[0013]车辆路径项集：具有身份标识的车辆，行驶路径中的每一个路段或路口的各种组合的集合，有k个元素的集合叫k-项集；
[0014]参数1：最小支持度，支持度是一个车辆路径项集在整个数据集中出现的频率，最小支持度用于筛选频率过低达不到的车辆路径项集，可配置，根据实际城市过车数据情况调整；
[0015]参数2：最小置信度，用于筛选高频车辆路径k-项集，产生关联的高频车辆路径规则，继而产生车辆高频路径，可配置，根据实际城市过车数据情况调整；
[0016]step1：采集数据；
[0017]step2：构建车辆路径数据集，生成候选1-项集；
[0018](1)由采集到的过车数据，取一天的数据构建路径项集，每个车牌一天行驶的路径按时间排序形成车辆路径集合；
[0019](2)计算每个路径集合中相邻路径的时间差，拆分时间差大于设定值的集合为多个路径集合，构成当日车辆路径数据集D；
[0020](3)取一定时间历史数据的路径数据集DD，拆分数据集为单个路段、路口并聚合去重，生成由一个元素构成的项集，得到多个候选1-项集di(i＝1..N)；
[0021]step 3：利用最小支持度，筛选频繁车辆路径1项集，生成候选2项集；
[0022]计算所有候选1-项集在DD数据集中出现的频率，频率＝(包含此项集的个数)/数据集总数，筛选出频率大于最小支持度的频繁1-项集D1；
[0023]由频繁项集D1，两两排列组合去重生成候选2-项集；
[0024]step 4：循环迭代筛选频繁k项集，生成候选k+1-项集；
[0025]计算候选k-项集在数据集中的出现频率，筛选出频率大于最小支持度的频繁k-项集Dk，排列组合生成候选k+1项集；
[0026]按此步骤迭代，直到所有候选项集的频率都低于最小支持度或者无法再生成候选项集时停止迭代，得到最终的车辆路径频繁项集；
[0027]step 5：由车辆路径频繁项集生成高频路径；
[0028]排列组合频繁项集的元素先后顺序组成可能的前后到达的路径，计算每种组合的信赖度即后路段在前路段存在下的条件概率的，信赖度＝前后路段同时存在的频数/前路段存在集合的频数；
[0029]筛选出信赖度大于最小信赖度的频繁项集，即为高频路径。
[0030]进一步的，所述step1的采集数据通过城市道路上的检测监控设备，采集车辆的身份标识车牌或唯一id，并采集相关过车数据。
[0031]进一步的，所述过车数据包括过车时间，路段/路口id。
[0032]进一步的，所述检测监控设备包括电子警察、卡口、检测器。
[0033]另一方面，本发明还公开一种城市道路高频路径分析系统，包括以下单元，[0034]历史过车数据获取单元，用于获取城市道路各路段的一定时间段的历史过车数据；
[0035]路径历史数据确定单元，用于按路段或路口统计车辆在路网上行驶的路径历史数据；
[0036]最小支持度与最小置信度阈值设定单元，用于设定高频路径算法中的最小支持度与最小置信度阈值；
[0037]高频路径确定单元，用于使用车辆在路网上行驶的路径历史数据，并用关联规则相关算法计算得到高频路段与高频路径。
[0038]第三方面，本发明还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述方法的步骤。
[0039]由上述技术方案可知，本发明的城市道路高频路径分析方法将关联规则中的算法应到交通高频路径的计算场景中，通过基于基础路网匹配过车数据，通过设定阈值，筛选高频路段，通过利用关联规则(无监督学习中现有算法)相关算法计算高频路径，本发明可用于计算城市高频路径以及城市高频路径相关诱导参考，有利于对关键节点进行控制，缓解高频路径的交通压力，进而减少交通拥堵的发生频率，有利于城市交通管理能力的提升。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议