劉長生

（1. 長沙航空職業(yè)技術(shù)學(xué)院，湖南 長沙 410124；2. 智能信息感知及處理技術(shù)湖南省重點實驗室，湖南 株洲 412007）

車輛行駛軌跡是駕駛員主觀意識與道路客觀限制條件下形成的結(jié)果，從海量的車輛軌跡中挖掘道路交通信息，建立軌跡模型，通過線性參照系統(tǒng)的處理，加快檢索速度，加強軌跡的穩(wěn)定性；通過移動目標(biāo)主體相似性與時空相似性，降低檢索的次數(shù)，以提高挖掘數(shù)據(jù)的準(zhǔn)確性，對交叉口與一般路段進行挖掘，并提取相關(guān)的交通信息，采用數(shù)據(jù)挖掘算法得到路況信息，并對路況信息進行分析，為復(fù)雜的交通網(wǎng)絡(luò)提供理論依據(jù)。

1 數(shù)據(jù)挖掘的技術(shù)

1.1 數(shù)據(jù)挖掘的一般過程

數(shù)據(jù)挖掘是一個迭代的過程，對數(shù)據(jù)進行研究，然后通過分析工具對數(shù)據(jù)進行檢索，然后再從不同的角度對數(shù)據(jù)進行分析，根據(jù)需求對數(shù)據(jù)進行修改，然后再從頭開始。數(shù)據(jù)挖掘的步驟如圖1所示[1]。

圖1 數(shù)據(jù)挖掘的一般過程

1.2 數(shù)據(jù)挖掘在交通領(lǐng)域中的應(yīng)用

數(shù)據(jù)挖掘技術(shù)是從海量的數(shù)據(jù)中尋找規(guī)律，挖掘數(shù)據(jù)背后潛在的信息。將數(shù)據(jù)挖掘算法應(yīng)用到車輛的行駛軌跡中具有重要的現(xiàn)實意義。

（1）交通流量預(yù)測

為交通運輸系統(tǒng)提供準(zhǔn)確的交通流量預(yù)測，為人們出行帶來便利。公路交通是一個動態(tài)的變化過程，交通流量不僅與該路段的狀況有關(guān)，還會受到天氣、節(jié)假日的影響，都會給交通流量預(yù)測帶來較大的難度，使用數(shù)據(jù)挖掘算法能夠解決交通流量中的預(yù)測。為交通信息采集設(shè)備提供有用的信息，對數(shù)據(jù)進行統(tǒng)計分析并建立預(yù)測模型。

（2）交通事故數(shù)據(jù)挖掘

挖掘交通事故資料的規(guī)律性需要借助公安系統(tǒng)與保險公司的交通事故的數(shù)據(jù)，從這類數(shù)據(jù)中挖掘出有用的信息。對構(gòu)建交通安全具有重要意義。

（3）交通區(qū)域劃分

將整個交通道路劃分成不同的區(qū)域，并協(xié)調(diào)各個不同區(qū)域之間的交通方案，從而優(yōu)化整個交通網(wǎng)絡(luò)布局。傳統(tǒng)的區(qū)域調(diào)整都是通過人工的方式，效率低下。而采用數(shù)據(jù)挖掘技術(shù)能夠?qū)煌ňW(wǎng)絡(luò)進行合理的劃分，實時高效，有效的緩解交通壓力[2]。

2 車輛軌跡形成的約束模型

車輛軌跡由人的主觀意愿與環(huán)境限制共同完成，人的主觀意愿是顯性的，從軌跡的起點和終點的距離可以得到；環(huán)境限制是隱性的，容易受到外部條件的約束，外部條件約束又分為拓撲約束與時空約束?？陀^存在、不會發(fā)生變化的約束條件有道路路網(wǎng)限制、河流、建筑物等；時空約束得失會受到人為或者法律的限制，比如交通信號、限號、禁止占道等。公式分別為：

分析路網(wǎng)結(jié)構(gòu)，如果對道路中所有的約束條件進行編排，就可以構(gòu)成一個約束矩形，如表1所示。表1中，軌跡會受到約束因子的影響，為方便計算，約束因子的值為｛1，0｝，影響因子權(quán)重可以選取不同的值。約束因子矩陣中的約束因子，容易受到車輛軌跡的影響，而車輛軌跡也容易手受到約束因子的影響[3]。

表1 約束矩形

3 實時交通信息

3.1 車輛軌跡數(shù)據(jù)預(yù)處理

由GPS定位系統(tǒng)采集到的車輛軌跡數(shù)據(jù)主要有車輛行駛的路線、速度以及行駛方向等，在交通道路領(lǐng)域普遍采用的是線性參考系統(tǒng)，與分段技術(shù)建立坐標(biāo)參考系，R、W、N分別表示該軌跡在路網(wǎng)中的路段、車道、采樣點與垂足點之間的距離。根據(jù)車輛行駛的軌跡歷史數(shù)據(jù)，對軌跡的位置進行預(yù)測，算法公式為：

對車輛軌跡進行擴展，提出了相關(guān)策略。如：當(dāng)移動對象在a時間段時，roadi和lanej的時間間隔t較小，在a=a1+t時間段內(nèi)，移動對象會保留在與a時刻相同的車道中；對偏移位置進行調(diào)整時，需要對同一時間段、同一方向的車輛按照偏移距離進行排列X、Y、Z，...如果軌跡采樣點中有一個采樣點的位置超出了道路的最大范圍，則X、Y、Z，...等軌跡的采樣點將會向同一個方向的距離進行偏移，并都落在合理的范圍之內(nèi)。數(shù)據(jù)預(yù)處理能夠提高軌跡檢索的速度，降低軌跡采樣點的不確定性[4]。

3.2 主體相似性與時空相似性的數(shù)據(jù)選取

軌跡相似度不僅有時空相似度的計算方法外，還可以計算移動對象主體。公式為

SD表示空間距離；TD表示時間距離。

每兩段距離估計的空間距離是所有軌跡節(jié)點的平均值，而時間距離則包含了時間范圍、提起范圍等。

在對軌跡相似度進行計算時有一個很重要但是經(jīng)常容易被忽略的因素，就是移動對象主體相似度，比如，道路限速后形式速度為100km/h，但是對于大卡車而言是沒有任何的約束意義存在的。在數(shù)據(jù)挖掘中，如果挖掘的對象中混入了大量與挖掘主體不同的數(shù)據(jù)，會影響挖掘結(jié)果的準(zhǔn)確性。比如在公交專用車道，如果對小轎車車輛進行數(shù)據(jù)挖掘，將會有對象混入公交車的軌跡數(shù)據(jù)中，讓數(shù)據(jù)挖掘的結(jié)果不準(zhǔn)確。主體相似性含有移動對象、運行區(qū)域、最大速度[5]。公式為：

ES：移動對象的主體相似性；ET：移動對象類型相似性；RR：運行區(qū)域；EU：用途；MS：最大形式速度。

3.3 道路交叉口信息提取

在道路交叉口最重要的交通信息是改變行車路線，比如是否左轉(zhuǎn)、右轉(zhuǎn)，關(guān)鍵就在于計算軌跡對道路的支持度，對選取的軌跡進行裁剪，只保留在道路較差口附近的軌跡，裁剪后對軌跡做進一步分析，只保留軌跡的起點和終點，公式為：

道路交叉口附近的軌跡可以用表2表示。

表2 道路交叉口附近軌跡片段簡化結(jié)果

道路交叉口的道路連接的是可以不經(jīng)過任何道路就可以到達，支持度為（Rm，Ri），連接車輛的總次數(shù)與經(jīng)過該條交叉路口的比值，最終車輛形式的目標(biāo)路段不是重點，因此可以將其簡化為：

公式中，單行道與目標(biāo)車道連接的數(shù)量與經(jīng)過該路口的總車輛可以通過SQL進行實現(xiàn)。如果計算的支持度大于設(shè)定的范圍，需要滿足“≈0”“≈π/2”，用語言表達就是允許執(zhí)行、允許左轉(zhuǎn)[6]。

3.4 一般路段交通信息提取

在道路交叉口的一般路段中，關(guān)注的重點是道路的整體情況，是否通暢，因此挖掘?qū)ο蟛粌H需要挖掘軌跡的位置信息，還要挖掘速度信息。采樣點的起始點可以忽略，且軌跡可以進行如下轉(zhuǎn)換：

式(8)中，S表示車輛的行駛速度。S符號取決于軌跡運行的方向。采用SQL語句對“封閉道路”進行編寫：

“道路繁忙”SQL語句為：

當(dāng)SQL的語句計算值大于某一個值時，則該路段是擁堵狀態(tài)，單行道的提取需要根據(jù)車輛的方向進行判斷，如果一個方向的流量大于或者小于另一方向的流量，則該路段是單行道，并且是允許通往該方向的。

4 結(jié)論

車輛軌跡行駛過程中，包含了大量的外部限制因素，數(shù)據(jù)挖掘能夠?qū)⑦@些隱含的信息進行提取，為智能交通服務(wù)貢獻微薄之力。本文提出了用戶約束用以量化形成的軌跡路線，并對形成的環(huán)境因素進行了分析；提取了與主體相似性的軌跡計算；針對不同的交通道路采用挖掘算法解決交通問題。需要重點研究的方向就是如何增加參數(shù)的同時降低挖掘算法的復(fù)雜度，解決交通中存在的實際問題。