提供與需求匹配的成果案例介紹目前針對路況發(fā)布、指數(shù)計算、擁堵分析等能力，我司在全國多個城市有落地案例：西安交警、沈陽交警、濟南交警、青島交警、蘇州交警、包頭交警、張家口交警、鞍山交警、撫順交警…西安交警整體界面：擁堵識別：堵點預(yù)警：常規(guī)擁堵、異常擁堵、區(qū)域篩選交通指數(shù)：道路通行能力：交通報告：四維交通指數(shù)平臺：各維度分析、對比濟南交警：全域交通態(tài)勢感知，路況發(fā)布、指數(shù)、通行能力青島交警：交通流溯源分析

速度計算技術(shù)路線及結(jié)果準(zhǔn)確度為哈爾濱市政工程設(shè)計院規(guī)劃的實時交通流計算處理平臺，計劃接入設(shè)計院內(nèi)部卡口過車數(shù)據(jù)、實時浮動車GPS軌跡數(shù)據(jù)，以及基于網(wǎng)約車、物流車、私家車等計算生成的互聯(lián)網(wǎng)軌跡大數(shù)據(jù)，充分結(jié)合各數(shù)據(jù)源特征，優(yōu)勢互補，經(jīng)過數(shù)據(jù)清洗、地圖匹配、路徑推測、單車速度計算、多源融合等處理環(huán)節(jié)，生成高準(zhǔn)確率的實時路況數(shù)據(jù)，數(shù)據(jù)刷新頻率達(dá)到分鐘級。處理流程說明處理流程圖交通流處理模塊卡口數(shù)據(jù)處理組件路網(wǎng)預(yù)處理針對卡口序列化數(shù)據(jù)的處理組件，可將卡口過車信息轉(zhuǎn)化為途徑車輛的速度信息。處理流程主要包括：數(shù)據(jù)預(yù)處理主要是對智能卡口設(shè)備的基礎(chǔ)數(shù)據(jù)和道路基礎(chǔ)數(shù)據(jù)根據(jù)需要進行重新組合。過程如下：首先挑選相鄰的兩個卡口作為卡口對（圖1中AB構(gòu)成卡口對），并篩選出有效的卡口對，有效卡口對篩選條件為：相鄰的卡口對之間經(jīng)過道路的紅綠燈個數(shù)小于等于1次。相鄰的卡口對之間經(jīng)過道路只能出現(xiàn)直行和一次右轉(zhuǎn)。挑選出所有有效卡口所在路網(wǎng)信息，再根據(jù)路徑推測計算出有效卡口對之間所經(jīng)過的路徑上的所有路段（如圖1，AB為卡口對，12/23/34等為卡口對之間所經(jīng)過的路段），及卡口對之間所需要行駛的距離(如圖1，經(jīng)過所有路段的長度和減去1A和B8的長度)。圖1單車計算單車計算是計算出單個車輛經(jīng)過卡口對的平均速度，主要依賴數(shù)據(jù)預(yù)處理后得到的卡口對資源表，其過程如下：數(shù)據(jù)積攢對單車經(jīng)過卡口數(shù)據(jù)進行積攢處理，然后識別出單車經(jīng)過的相鄰卡口對。路網(wǎng)匹配單車實時經(jīng)過的卡口對與資源表進行匹配處理，得到卡口對的靜態(tài)資源數(shù)據(jù)。結(jié)果計算計算出單車經(jīng)過卡口對行駛的平均速度（卡口對行駛距離/卡口對過車時間差），即為相鄰卡口對路徑上各路段的速度，結(jié)果為“單車軌跡速度信息”。內(nèi)網(wǎng)浮動車軌跡處理組件數(shù)據(jù)整備浮動車實時GPS數(shù)據(jù)在生成、傳輸?shù)冗^程中，受硬件設(shè)備、網(wǎng)絡(luò)傳輸條件等因素影響，容易出現(xiàn)數(shù)據(jù)缺失、時間倒敘等情況，且數(shù)據(jù)源本身也可能存在回傳周期不一致、經(jīng)緯度偏移等問題。數(shù)據(jù)整備的意義，就在于通過技術(shù)手段，將原始浮動車GPS數(shù)據(jù)進行清洗、降噪、抽稀等操作，生成可供后續(xù)處理邏輯使用的數(shù)據(jù)類型。數(shù)據(jù)整備的過程，主要包括：數(shù)據(jù)清洗符合以下特征的數(shù)據(jù)，屬于異常數(shù)據(jù)，應(yīng)予以過濾：GPS速度過大；時間跳變（數(shù)據(jù)時間戳倒敘）；空間跳變（反復(fù)出現(xiàn)調(diào)頭等前后點連線角度差異常）。數(shù)據(jù)降噪數(shù)據(jù)降噪主要針對扎堆點進行處理，扎堆點一般有兩種：第一種，為空間完全重合的一系列GPS軌跡點，這種情況我們視為車輛完全靜止，在后續(xù)處理中，無需對每一個重疊的軌跡點進行反復(fù)處理，為避免冗余處理，只保留空間靜止GPS序列的首個點和最后一個點，將其他點刪除后，再進行后續(xù)處理；第二種情況，由于GPS硬件設(shè)備存在誤差，可能導(dǎo)致在車輛靜止時，GPS設(shè)備返回的數(shù)據(jù)還保持在低速運動狀態(tài)（如圖2紅框部分），這種情況的特征一般為，GPS點在一個范圍內(nèi)不規(guī)則散布，且GPS速度極低，散布范圍與硬件設(shè)備精度、天氣等因素有關(guān)，一般在50至100米以內(nèi)，這種情況下，通過算法將扎堆點進行識別，組成扎堆點序列，然后參照情況一中的處理方式，保留序列首位數(shù)據(jù)，過濾其余GPS軌跡點。圖2數(shù)據(jù)抽稀對于回傳周期短、行駛規(guī)律性強的數(shù)據(jù)，為提高后續(xù)邏輯處理效率、提升算法性能，可在數(shù)據(jù)整備階段，對后續(xù)無需處理的冗余點進行抽稀，如圖3中所示，車輛行駛軌跡清晰，可以以100米為距離抽稀閾值，對1至13號點進行抽稀處理，將其中2、3、5、6、8、9、11、12號點抽稀刪除400m300m200m100m0m400m300m200m100m0m圖3前后點連線關(guān)系判定在后續(xù)匹配推測處理流程中，車輛行駛方向與道路行車方向夾角大小，是車輛與路網(wǎng)匹配的重要條件之一，由于受GPS設(shè)備精度等因素影響，GPS數(shù)據(jù)中自帶的車頭朝向信息，可能會存在較大誤差，為了提升算法準(zhǔn)確率，在數(shù)據(jù)整備階段，需要基于GPS位置序列中的前后點連線方向信息，推斷車輛真實行駛朝向與行駛速度，為后續(xù)處理做準(zhǔn)備。匹配推測匹配推測是根據(jù)車輛軌跡時空特征信息，推斷車輛真實行駛路線的過程。如前文所說，受GPS硬件設(shè)備存在精度誤差、天氣、路網(wǎng)地圖精度等影響，車輛回傳的GPS軌跡幾乎不可能完美的與地圖路網(wǎng)重合，所以需要將軌跡點與路網(wǎng)數(shù)據(jù)進行匹配推測，應(yīng)用最優(yōu)行駛軌跡篩選算法，結(jié)合預(yù)處理數(shù)據(jù)，將車輛最優(yōu)可能的行駛路線找到，整個過程分為匹配和推測兩部分：匹配匹配的目的，是找到各個GPS軌跡點最有可能處在的一條，或多條路段，盡最大努力還原車輛當(dāng)前所在的真實位置點。匹配過程中所涉及的重要步驟包括：車輛所在位置路段集檢索此過程需要提前將路網(wǎng)數(shù)據(jù)進行預(yù)處理，并放置在高性能內(nèi)存型數(shù)據(jù)庫中，以保證程序高效調(diào)用。將地圖以約200米見方的方格進行劃分，取出各方格中包含的路段信息，分組存儲，使用時，先通過GPS經(jīng)緯度，定位車輛所在方格，再根據(jù)方格ID，獲取到當(dāng)前方格中所有路段信息，由于GPS存在誤差，所以車輛有可能在該方格內(nèi)的任意一條路段上行駛。備選路段篩選取到GPS軌跡點周邊路段集合后，將根據(jù)車輛行駛方向與路段行車方向一致性、GPS軌跡點與路段垂直距離等條件，對備選路段進行篩選，并將篩選后的最優(yōu)備選路段，作為后續(xù)推測邏輯的輸入數(shù)據(jù)。推測推測邏輯是將單點匹配結(jié)果串聯(lián)，根據(jù)行駛距離、速度可信性等條件，對完整行車軌跡進行推測的過程。推測方法采用2個點連通最短路徑法，首先查詢首點備選路段90秒可到達(dá)的路段信息，然后在與后面?zhèn)溥x路段匹配，得到兩點之間的路徑，多個點時就產(chǎn)生接續(xù)路段的軌跡信息，如果存在多個路徑，采用最小cost值方法進行優(yōu)選。最優(yōu)路徑選舉方法經(jīng)過路徑連通性推測，可能得到多條可連通的路徑，車輛行駛在那一條都是有可能的，那么經(jīng)過本章節(jié)的方法，選舉出最有可能的一條路徑，作為最優(yōu)路徑，最優(yōu)路徑選舉如下：COST值比較：通過對COST值進行對比分析，取最小COST值的路徑Cost值計算方式：Cost=路徑長度+所有點到link的垂足距離和如果沒有垂足那么點到線的距離異常跳點處理當(dāng)點對很出現(xiàn)無法推測成功時，會進行跳點操作，屏蔽掉異常的GPS點，使路徑推測更加準(zhǔn)確合理，具體跳點步驟見圖4：圖4當(dāng)推測發(fā)生斷開，嘗試后跳點與前跳點，都失敗后，才進行路徑斷開操作。點對異常過濾當(dāng)點對發(fā)生異常時，需要刪除點對，防止錯誤點對對路況的影響，以下情況可判定為點對異常：平均速度校驗，大于指定閥值或小于0；平均速度與瞬時速度校驗，差值大于20，且時間小于10秒；ETA校驗，根據(jù)車輛加速度與減速度，在指定時間范圍內(nèi)無法達(dá)到指定操作；載客狀態(tài)變更；GPS速度與連線速度校驗。紅綠燈模型紅綠燈模型主要應(yīng)對路況計算中紅綠燈對路況的影響。紅綠燈邏輯：等燈次數(shù)小于1次，且時間小于指定閾值，紅綠燈前路況為暢通；等燈次數(shù)大于1次，且時間大于指定閾值，紅綠燈前路況為非暢通；強制設(shè)置此路況waitTime為0。通過異常路段處理，把紅綠燈影響降低到最小。平行路處理平行路處理主要針對高速與國道平行路處理。當(dāng)車輛有waitTime并且waitTime在紅綠燈附近，那么證明在國道上行駛，去掉高速備選路段。單車融合匹配推測處理生成的數(shù)據(jù)為車輛點對數(shù)據(jù)，描述的是兩個GPS軌跡點間包含的路段信息，以及途徑這些路段時車輛的行駛速度，兩個GPS軌跡點間可能包含多個路段，也可能兩點落于同一路段上，單車融合的目的，是將各點對相銜接，通過點對駛?cè)霑r間和GPS投影位置等信息，精確計算車輛在各路段上行駛的準(zhǔn)確時間戳和平均行駛速度，最終形成以單車、單路段、單一時間戳為單位的速度信息，即“單車軌跡速度信息”數(shù)據(jù)?；ヂ?lián)網(wǎng)車輛軌跡處理組件單車融合為節(jié)約處理資源、減少處理冗余、提升處理效率，我們將互聯(lián)網(wǎng)車輛原始GPS數(shù)據(jù)的數(shù)據(jù)整備和匹配推測操作放置在供應(yīng)商處進行，通過互聯(lián)網(wǎng)接入的車輛軌跡數(shù)據(jù)，為匹配推測處理后生成的點對數(shù)據(jù)，因此，互聯(lián)網(wǎng)車輛軌跡處理組件中的單車融合處理邏輯，和內(nèi)網(wǎng)浮動車軌跡處理組件中的單車融合處理邏輯基本一致。多源融合模塊數(shù)據(jù)過濾數(shù)據(jù)過濾組件主要對輸入數(shù)據(jù)中的異常進行過濾，輸入數(shù)據(jù)異常主要包含三個方面。速度值異常過濾計算各路段自由流速度，以自由流速度*1.2所得的值，作為速度異常閾值，將超過該閾值的單車軌跡速度信息進行過濾。自由流速度是一個交通工程術(shù)語，指不受上下游條件影響的交通流運行速度。一般需要經(jīng)過長年的歷史數(shù)據(jù)分析挖掘，才能計算出每條道路的具體自由流速度。速度離群過濾通過對當(dāng)前融合周期內(nèi)的所有數(shù)據(jù)進行離群操作，過濾掉不符合條件的數(shù)據(jù)。離群過濾的具體含義，是將同一融合周期內(nèi)速度值明顯與其他車輛不同的單車速度信息進行甄別和過濾，主要包括以下4個步驟：M1=v1v2…vn

;

a1=sum(v1+…+vn)/nStep1：計算得到每個路段上單車速度矩陣M1=Step2：計算得到M1速度矩陣的標(biāo)準(zhǔn)方差σσ=σ=Step3：利用方差思想大范圍剔除速度異常離群點，得到速度矩陣M2及速度矩陣M2的平均速度值a2。M2=M1(abs(M1M2=M1(abs(M1a2=average(M2);普通平均值Step4：小范圍剔除離群點，得到速度矩陣M3及速度矩陣M3的平均速度值a3M3=M2(

(M2-a2)>=-a2M3=M2(

(M2-a2)>=-a2完走率過濾通過對不同車輛的完走率計算，過濾掉完走率過低的車輛數(shù)據(jù)。完走率是指當(dāng)前車輛在當(dāng)前路段上行駛里程占路段長度的比例(如果完走率過低,那么標(biāo)識車輛的軌跡在當(dāng)前路段上不具有代表意義)。加權(quán)融合加權(quán)融合是將基于不同車輛軌跡計算生成的速度值進行融合處理，生成當(dāng)前時間戳該路段旅行速度結(jié)果值的過程，主要包括以下步驟：權(quán)重計算數(shù)據(jù)鮮度計算計算出每條數(shù)據(jù)在當(dāng)前融合周期內(nèi)的數(shù)據(jù)鮮度，算法如下：單條數(shù)據(jù)鮮度變量說明：C=融合周期(秒)；dt=數(shù)據(jù)時間(秒)；et=融合周期結(jié)束點時間(秒)；狀態(tài)權(quán)重此處狀態(tài)值經(jīng)過速度推算的交通擁堵情況，狀態(tài)相同的越多，在此狀態(tài)下的數(shù)據(jù)融合權(quán)重越高，此過程負(fù)責(zé)計算出每條數(shù)據(jù)在當(dāng)前融合周期內(nèi)的狀態(tài)權(quán)重，具體算法如下：單條數(shù)據(jù)狀態(tài)權(quán)重：變量說明：N=與當(dāng)前數(shù)據(jù)狀態(tài)相同的數(shù)據(jù)數(shù)量；L=數(shù)據(jù)總數(shù)量。加權(quán)融合加權(quán)融合是根據(jù)上述步驟中計算求得的權(quán)重值，對旅行速度求加權(quán)平均值的過程，算法如下：融合后速度：變量說明：V1=車輛速度；X1=數(shù)據(jù)鮮度；W1=狀態(tài)權(quán)重。通過上述過程，將各類基于路段的速度進行融合計算，最終評選出最優(yōu)的速度，并以此速度來評價當(dāng)前路段的實際通行能力（即：路況狀態(tài)）。發(fā)布模塊發(fā)布模塊的主要職責(zé)，是將融合后，以路段為單位的實時交通流信息進行平滑與填補等操作，并轉(zhuǎn)換為頂層業(yè)務(wù)系統(tǒng)能夠識別的數(shù)據(jù)規(guī)格，并對外進行統(tǒng)一發(fā)布。填補處理主要針對因某個時間點，某個路段無車輛通過而導(dǎo)致無路況發(fā)布的情況，填補處理一般分為時間填補、空間填補和歷史填補三種。時間填補對于近期內(nèi)（一般定義為15分鐘以內(nèi)），有車輛通過未計算出路況的路段,那么用最近時間戳的路況數(shù)據(jù)對該時間戳進行填補。空間填補當(dāng)某條路段上沒有實時交通流信息并且時間填補失敗，就在當(dāng)前時間的數(shù)據(jù)中查找該路段的前后接續(xù)路段是否存在實時交通流信息，如果存在，就進行空間填補否則不進行填補。時間填補與空間填補整體流程如下：歷史填補歷史填補依賴對歷史路況結(jié)果數(shù)據(jù)的積累，通過對歷史浮動車路況進行深度挖掘分析，可形成一套路況TrafficPattern系統(tǒng)，可以查詢出歷史當(dāng)前時間特征下的路況信息，對缺失路況的路段進行數(shù)據(jù)填補。TrafficPattern可視為歷史數(shù)據(jù)分析的一套工具,通過聚類/平滑/決策樹等方法，計算出每個特征日，每個時間段等多個特征下，當(dāng)前時間戳的交通狀態(tài),如當(dāng)前時間17點30分，特征是周五晚高峰/暴雨天，那么就可以分析出歷史周五晚高峰/暴雨天當(dāng)前路況的運行狀態(tài)用作填補。三種填補方式的優(yōu)先順序為時間空間歷史，通過這三種不同的填補方式，來保證滿足填補條件的數(shù)據(jù)的正常發(fā)布。平滑處理平滑處理的主要目的，是防止交通狀態(tài)發(fā)生異常跳變，使對外發(fā)布和展示的交通狀態(tài)更加有連續(xù)性，平滑處理的主要目是使得路況表達(dá)更為接近實際交通行為，主要包含兩個方面。時間平滑時間平滑主要是防止對外發(fā)布的同一路段的路況信息在時間維度上發(fā)生跳變。例如，某路段，有超過10個以上的連續(xù)時間戳，都是暢通路況，突然當(dāng)前路況被計算為擁堵，且數(shù)據(jù)源車輛數(shù)較少，那么有很大的概率，當(dāng)前時間戳路況計算有誤。這時，系統(tǒng)會將其甄別出來，并套用時間平滑算法，獲取之前時間戳的旅行速度信息，對當(dāng)前時間戳的速度進行調(diào)整，以此降低錯誤路況信息發(fā)布的可能性，提升整體路況質(zhì)量?？臻g平滑空間平滑主要是防止對外發(fā)布的幾段連續(xù)路段的路況信息在空間維度上發(fā)生跳變。空間維度上的跳變?nèi)缦聢D所示：針對空間跳變的情況，處理方式與時間跳變類似，即取前后接續(xù)路段的旅行速度信息，對當(dāng)前路段的速度進行調(diào)整。信息發(fā)布經(jīng)過填補與平滑處理后，實時交通流信息便具備了發(fā)布條件，該數(shù)據(jù)應(yīng)用場景極其豐富，除了作為指數(shù)計算、交通態(tài)勢感知等算法與模型的輸入外，可以直接通過可視化大數(shù)據(jù)平臺進行展示。實時路況展示該功能可實現(xiàn)將交通流處理生成的實時交通路況信息進行大屏展示，如圖5、圖6所示，結(jié)合GIS平臺強大的可視化能力，可實現(xiàn)二、三維復(fù)雜場景下的路況展示，效果直觀生動、便于判讀，可有效提升工具可用性。圖5圖6速度計算準(zhǔn)確率說明經(jīng)過多年的算法優(yōu)化與品質(zhì)提升，目前，四維圖新實時路況準(zhǔn)確率，在城市主要道路內(nèi)，已經(jīng)能達(dá)到90%以上。路況準(zhǔn)