基于號牌識別數(shù)據(jù)的車輛出行鏈分離方法研究

蘇婕 張磊 申欣 徐海豐

摘 要：掌握車輛出行起訖點(diǎn)分布情況、精細(xì)刻畫車輛出行特征可以為交通管理部門制定和優(yōu)化交通緩堵政策提供參考依據(jù)。該研究以成都市為例，基于高清視頻綜合檢測設(shè)備自動識別的車輛號牌數(shù)據(jù)，提出個體車出行鏈提取及分離方法，深入分析了車輛駐留點(diǎn)及起訖點(diǎn)分布特征，并對車輛號牌識別數(shù)據(jù)在公安交管工作中的應(yīng)用進(jìn)行了展望。

關(guān)鍵詞：城市交通；數(shù)據(jù)挖掘；出行鏈分離；駐留點(diǎn)識別

Research on vehicle travel chain separation method based on license plate recognition data

SUJie1，ZHANG Lei2，SHEN Xin2，XU Haifeng2

（1. Chengdu Road Traffic Management Research Center， Chengdu Public Security Bureau，Chengdu，610017， China； 2. Science and Technology Information Division， TRAFFIC Control Bureau， Chengdu Public Security Bureau，Chengdu610017， China）

Abstract： It can provide reference for traffic management departments to formulate and optimize traffic congestion mitigation policies by mastering the distribution of vehicle travel start and end points and elaborately depicting vehicle travel characteristics. Taking Chengdu City as an example， based on the vehicle license plate data automatically recognized by the high-definition video integrated detection equipment， this paper proposes a method of individual vehicle travel chain extraction and separation， deeply analyzes the distribution characteristics of vehicle dwell point and starting and ending point， and looks forward to the application of vehicle license plate recognition data in the public security traffic control work.

Keywords： Urban traffic； data mining； travel chain separation； resident point identification

科研立項(xiàng)項(xiàng)目：四川省公安廳 2019 年廳級科研立項(xiàng)項(xiàng)目“基于號牌識別數(shù)據(jù)的成都市主城區(qū)車輛出行特征分析方法與實(shí)踐研究”，編號：20190915。

第一作者：蘇婕（1993-），女，碩士，研究實(shí)習(xí)員，研究方向?yàn)榈缆方煌ü芾恚珽mail：swjtusujie@163.com。

隨著城市化進(jìn)程的不斷加快，交通擁堵日漸成為影響各大城市發(fā)展的“城市病”。由于城市交通需求膨脹速度遠(yuǎn)高于道路建設(shè)速度，交通需求管理逐漸成為緩解交通擁堵的重要手段。然而現(xiàn)階段各大城市交通需求管理政策的制定存在科學(xué)性不強(qiáng)的問題，與此同時智能交通技術(shù)發(fā)展迅速，視頻識別及圖像處理技術(shù)日趨成熟，促使綜合視頻檢測設(shè)備得以在城市大規(guī)模部署[1]，車輛號牌識別數(shù)據(jù)在覆蓋范圍和可靠性上均獲得大幅提升。

號牌識別數(shù)據(jù)唯一標(biāo)識車輛并詳細(xì)記錄車輛時空信息[2]，通過深入挖掘應(yīng)用，可以為分析城市交通需求的結(jié)構(gòu)和時空分布特性提供數(shù)據(jù)支撐。近年來，國內(nèi)外學(xué)者對號牌識別數(shù)據(jù)的應(yīng)用研究逐漸增多，主要集中在行程時間估計、OD矩陣估計[3]等方面。本文以成都市三環(huán)內(nèi)號牌識別數(shù)據(jù)為樣本，通過出行鏈分離算法分析了車輛時空分布軌跡、車輛駐留點(diǎn)分布情況、出行分布規(guī)律等。

1研究方法總述

本文基于號牌識別數(shù)據(jù)提出了車輛出行鏈提取及分離方法，研究框架如圖1所示。首先對原始數(shù)據(jù)進(jìn)行預(yù)處理，通過數(shù)據(jù)清洗及篩選確保數(shù)據(jù)質(zhì)量；其次，提取個體車輛出行鏈，根據(jù)行程時間差閾值識別出行鏈中的駐留點(diǎn)，按駐留點(diǎn)打斷出行鏈，得到單次出行起訖點(diǎn)及具體行程軌跡；最后，統(tǒng)計分析全路網(wǎng)車輛駐留點(diǎn)及單次出行起訖點(diǎn)分布的集計特征。

2號牌識別數(shù)據(jù)的處理

2.1成都市號牌識別數(shù)據(jù)概述

本文采用2019年9月1日至9月30日成都市三環(huán)內(nèi)車牌識別數(shù)據(jù)作為研究基礎(chǔ)數(shù)據(jù)，采集內(nèi)容包括車牌號碼、車牌顏色、車身顏色、過車時間、設(shè)備編號、方向編號等。數(shù)據(jù)樣例及各字段含義如表1、表2所示。

2.2數(shù)據(jù)預(yù)處理

高清視頻綜合檢測設(shè)備在實(shí)際工作過程中，受夜間補(bǔ)光差、設(shè)備安裝角度欠佳、桿件抖動、攝像機(jī)誤觸發(fā)、下雨揚(yáng)塵等多重因素影響，車牌識別數(shù)據(jù)可能出現(xiàn)偏差。為提升數(shù)據(jù)準(zhǔn)確度，需對原始數(shù)據(jù)進(jìn)行清洗和篩選，主要包括以下四方面：一是剔除存在缺失項(xiàng)的數(shù)據(jù)；二是刪除數(shù)據(jù)重復(fù)上傳等因素造成的冗余記錄；三是剔除單日車牌出現(xiàn)次數(shù)低于2次的異常記錄；四是為反映市民真實(shí)出行OD，篩除出租、公交車等營運(yùn)車輛。

3出行鏈提取及打斷方法

3.1出行及出行鏈的定義

“出行”作為交通領(lǐng)域的基本概念，在不同研究環(huán)境下含義并不相同[4]，本文擬通過車輛行駛軌跡的時空信息對車輛出行規(guī)律進(jìn)行研究，因此根據(jù)車輛軌跡的停留時間和距離對出行進(jìn)行界定，將出行定義為“交通主體從一個停留點(diǎn)到下一個停留點(diǎn)之間的移動”。同時將出行鏈定義為“交通主體在某段連續(xù)時間內(nèi)的出行軌跡”，將出行鏈按駐留點(diǎn)打斷即可得到單次出行軌跡[5]。

3.2個體車出行鏈提取及分離方法

3.2.1個體出行鏈提取

車輛在路網(wǎng)中運(yùn)行時會觸發(fā)沿途多個檢測設(shè)備，按檢測時間序列線性連接車輛途經(jīng)的各點(diǎn)位，即可構(gòu)成個體車輛出行鏈。在提取個體車輛出行鏈時，首先以車牌號碼為第一優(yōu)先級，將號牌識別數(shù)據(jù)分割成以車牌號為標(biāo)記的組；其次以時間戳為第二優(yōu)先級對個體車數(shù)據(jù)集合中的各卡口過車數(shù)據(jù)進(jìn)行排序，得到個體車輛按時間先后順序構(gòu)成的出行鏈，即完成了對個體車出行鏈的提取。

3.2.2個體車出行鏈分離

一輛車的出行記錄中包含多個單次出行，需要依據(jù)駐留點(diǎn)進(jìn)行劃分。識別同一車牌號下出行鏈所含的駐留點(diǎn)，按駐留點(diǎn)打斷出行鏈，即可將出行鏈分為有起訖點(diǎn)的多次出行。

本文設(shè)計的車輛駐留點(diǎn)識別算法首先假設(shè)路網(wǎng)中設(shè)備點(diǎn)位為均勻散布，其基本思想是依據(jù)車輛通過相鄰設(shè)備點(diǎn)位間的行程時間來判斷駐留點(diǎn)，認(rèn)為兩個連續(xù)的單次出行之間的行程時間是低于一定閾值的。

4駐留點(diǎn)識別數(shù)據(jù)應(yīng)用分析

4.1駐留點(diǎn)分布特征

基于上述駐留點(diǎn)識別算法，以2019年9月1日至9月30日經(jīng)過預(yù)處理的車牌識別數(shù)據(jù)為例，計算成都市三環(huán)內(nèi)所有車輛出行的駐留點(diǎn)，并對其分布情況進(jìn)行統(tǒng)計，將駐留點(diǎn)聚集情況以熱力圖的形式展現(xiàn)在地圖中，如圖3所示?？梢园l(fā)現(xiàn)，成都市主城區(qū)內(nèi)車輛駐留點(diǎn)主要分布于三環(huán)路、中環(huán)路、二環(huán)路、紅星路及天府廣場等工作單位集中分布區(qū)域，其中二環(huán)線雙楠立交至永豐立交、人南立交至科華立交以及成溫立交附近分布最為密集。

4.2早高峰出行分布特征

按駐留點(diǎn)打斷出行鏈后，可以得到多條具有起點(diǎn)和訖點(diǎn)的單次出行，對單次出行的起訖點(diǎn)分布進(jìn)行統(tǒng)計，可以了解不同時段車輛出行狀況。為便于描述和展現(xiàn)，本文選取成都市三環(huán)內(nèi)春熙路片區(qū)、杜甫草堂片區(qū)、天府廣場片區(qū)等10個車流分布較為密集的片區(qū)進(jìn)行統(tǒng)計分析，早高峰車輛出行到達(dá)點(diǎn)聚集情況如圖4所示。可以發(fā)現(xiàn)，早高峰駕車群體集中前往一環(huán)內(nèi)區(qū)域。

4.3晚高峰出行分布特征

考慮早高峰時段車流有向中心靠攏趨勢，故以天府廣場片區(qū)車流為例，分析晚高峰時段以天府廣場片區(qū)為起點(diǎn)去往其他片區(qū)的車流輛分布情況，各起訖點(diǎn)間的分布比例如圖5所示；用線條粗細(xì)反映車流量大小，將車流分布情況映射在地圖中，如圖6所示?？梢园l(fā)現(xiàn)，晚高峰期間從天府廣場出發(fā)的車輛主要去往春熙路、金沙、杜甫草堂和武侯祠片區(qū)。

5結(jié)論與展望

為本文基于成都市三環(huán)內(nèi)車輛號牌識別數(shù)據(jù)，提出個體車出行鏈分離算法，有效實(shí)現(xiàn)了對個體車輛單次出行軌跡、駐留點(diǎn)及出行起訖點(diǎn)等信息的提取，并通過集計分析展現(xiàn)了路網(wǎng)中主要車輛駐留點(diǎn)及各時段出行起訖點(diǎn)分布情況；同時，也為進(jìn)一步研究車輛行程時間分布、出行頻度等規(guī)律特征提供了理論基礎(chǔ)。未來可基于出行鏈分離算法，進(jìn)一步深入挖掘號牌識別數(shù)據(jù)，為交通管理部門制定和優(yōu)化限行管理、車輛限號、錯峰出行、收擁堵費(fèi)等交通緩堵措施及需求管理相關(guān)政策提供輔助決策信息及參考依據(jù)。

參考文獻(xiàn)

[1] 龍小強(qiáng)，蘇躍江，余暢，等. 基于卡口車牌識別數(shù)據(jù)的車輛出行分析[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2019，19（02）：70-76.

[2] 王龍飛. 基于車牌照的車輛出行軌跡分析方法與實(shí)踐研究[D]. 長安大學(xué)，2011.

[3] 趙明，王寒凝. 基于車牌照識別技術(shù)的OD調(diào)查系統(tǒng)分析與設(shè)計[J]. 公路交通科技（應(yīng)用技術(shù)版），2008（12）：189-191.

[4] 蔡正義. 基于大數(shù)據(jù)的城市居民出行分析建模[D]. 2018.

[5] 楊帥，于海洋. 基于卡口數(shù)據(jù)的車輛出行軌跡重構(gòu)方法研究[C]. 第十一屆中國智能交通年會大會論文集. 2016.