基于北京市视频数据OD推算.pdfVIP

城市交通发展模式转型与创新——中国城市交通规划2011年年会论文集 基于北京市视频数据的OD 推算 安居 苏印 杜华兵 【摘要】为给交通规划、管理、决策等提供及时有效的基础支持，满足交通综合分析的需求， 利用北京视频检测系统收集的车辆牌号信息，建立了获取机动车行驶路径以及视频点之间 OD 的新技术，探索了根据视频点间OD 获取交通区之间 OD 的方法及关键问题，并指出了后 续的研究方向。 【关键词】车牌自动识别系统 视频数据 OD 推算 车辆行驶路径 1. 研究背景 机动车总量急剧增长是北京市近年来城市交通发展中最突出的特征之一，不断增长的交 通需求与有限的交通供给能力之间的矛盾日益突出，交通系统发展形势异常严峻。分析发展 形势与趋势，针对交通问题寻求解决方案，测算解决方案的实施效果，对于制定相关的政策 措施是基本的需求。 实时地掌握交通系统的变化特征和规律非常不易。以往的交通综合分析通常以静态交通 数据为基础，而以居民出行调查等方式收集的数据通常 5 年为一个数据采集周期，数据更新 较慢，并且数据的模型建立和调校工作更是复杂和艰巨的，较难适应当前北京市乃至全国各 大城市快速城市化、机动化条件下剧烈变动的交通形势的分析，对于支持交通规划、交通管 理、交通决策等工作时往往显得不够及时和灵活。 目前，有了较好解决该问题的契机。长年以来，北京市智能交通系统的建设正逐步取得 阶段成果，该系统收集的大量基础信息，为我们很好掌握交通系统基本情况提供了可能。北 京市视频检测系统对于车辆牌照的识别已经具备足够的能力，实现实时和全样本的抓拍和识 别，并对车辆牌号进行甄别、对照和选取，以处理和分析所需的信息。该系统的视频探测终 端分布在北京市干道系统中，基本覆盖了五环内的城区范围，能够满足目前的交通分析需要。 基于以上，本文拟利用视频检测系统收集的车辆牌号信息，研究获取机动车的行驶路径， 视频检测点之间的 OD，交通小区之间的 OD，用以调校城市交通模型中各交通分区之间的 OD，并且根据视频点间动态 OD，再现道路网中的流量、速度的动态变化也成为可能。该技 术可为交通规划、建设、运营、管理等各环节提供基础支持和服务。 2. 基于北京市视频数据的OD 推算 OD 相关数据分析对象主要包含：（1）两个视频点之间一辆车的走行时间；（2 ）两个视 频点之间所有车辆走行时间分布；（3 ）一辆车的出行的视频O 点和 D 点；（4 ）视频点间OD； （5 ）?一给定 OD 点对之间某特定路径的走行时间；（6 ）OD 点对之间选择某路径的出行的 比重；（7 ）分析 OD 点对之间的路径组合 利用视频数据采集设备实时采集的数据获取 OD，主要包含两个关键内容：一是基于原 始数据推算视频点之间的 OD 量；二是基于视频点之间的 OD 量推算交通小区之间的 OD 量。 1359 城市交通发展模式转型与创新——中国城市交通规划2011年年会论文集 2.1 视频点之间OD 的推算 视频点之间 OD 出行量推算的技术过程如下图所示：原始数据的每条记录可以简化为： 一辆车的车牌号、该车通过的视频检测点编号、该车通过该视频检测点的时刻。如果某辆车 一天内被 n 个视频点检测到，那么“1→2→3→…→n”代表这辆车一天内的行驶路径。如果 这辆车一天内完成了 2 次以上（含 2 次）的出行，那么需要对这辆车的行驶路径进行拆分， 假定这辆车被视频点 2 检测到后，完成了某出行目的的一次出行，则“2→3 ”须拆分，则“1 →2”“3→n”代表这辆车一天内的两次出行，“1、2”，“3、n”分别为两次出行的准 O 点和 准 D 点。分组计数可得视频点之间的 OD 出行量。 图1 视频点间OD 推算技术路线 技术过程分解如下： 2.1.1 原始数据 原始数据的数据结构可简化为：一个点、一辆车、该车通过该点的时刻。如图所示： 图2 原始数据部分字段截图 2.1.2 车辆全天行驶路径 其数据结构如下所示：如京 F46218 的全天行驶路径：43→91→68→69→70→69→68。 1360 城市交通发展模式转型与创新——中国城市交通规划2011年年会论文集 图3 某辆车的全天行驶路径示意图 2.1.3 车辆行驶路径的拆分处理 （1）路径信息与OD 信息 为获取 OD 信息，需要首先确定车辆出行的起讫点。如果发现某辆车在某视频点出现之 后退出了视频检测系统，那么认为该车到达了终点结束了本次出行。但是考虑到出行链的存 在，即该车可能退出视频检测系统，完成某一活动后，再次进入系统。如果该车再次进入系 统并被另一个视频点检测到，那么需要确定：该车实际上是否曾退出过该系统，或者并没有 退出而仅仅是因为车辆行驶过缓