基于ETC交易数据的高速公路行驶速度计算模型

抽象的

实时的高速公路交通流运行状况逐渐成为高速公路用户和管理者的重要信息。实际上，电子收费数据有效地记录了高速公路上车辆的运行信息，为高速公路行驶速度的估计提供了一种新的方法。首先，分析了ETC交易数据的结构，提出了数据预处理流程。然后，建立了不同样本量下的双层车速计算模型。为了保证样本量足够大，我们使用包含多个路段的不同进出收费广场对的ETC数据来计算每个路段的行驶速度。减少系数α和可靠的重量θ对于样本，模型中引入了车速。最后，在北京市多条高速公路不同时段进行了现场试验，验证了模型的有效性。实验结果表明，该模型的平均相对误差约为6.5%，表明该模型能够准确估计高速公路的行驶速度。该模型有助于提高高速公路运营监控和管理水平，并为高速公路出行者提供有用的信息。

1.介绍

目前城市交通流量采集中采用的自动检测方法通常包括基于固定探测器采集的雷达、激光、环路技术或基于GPS技术的浮动车(FC)方法。然而，固定式探测器结构复杂，造价高，安装维护不便，只能捕捉到横截面的运行情况。基于浮动车数据采集系统虽然可以获得更准确的路段行驶速度，但在跨区、长途高速公路上仍存在浮动车数量不足、覆盖范围有限等问题。Zarrillo等人指出，自动车辆识别(AVI)技术是一种可能的解决方案，用于收集和测量现有道路设施的交通拥堵[1］．Xiao等认为ETC (electronic toll collection)由于不收取停车troll费用，可以显著提高收费站的处理效率和收费公路的通行能力[2］．作为新的交通数据，电子收费系统全天记录车辆进出高速公路的时间和OD(出发地-目的地)信息;该信息获取方便、实时、准确性高，我国高速公路ETC系统正在大规模建设中。此外，长三角地区五省及京津冀山东山西五省均已实现ETC跨省联网收费[3.］．随着ETC系统在各个城市发展规模的扩展，用户数量的增加和数据水平的提高使得ETC交易逐渐增多。在一些收费站，ETC交易占交通流量的近30%，达到了采集交通流量信息的最小样本需求。ETC数据已成为高速公路交通流信息采集的一种新方式。

以往对ETC交易数据的研究主要集中在高速公路出行时间预测和交通流量统计方面。翁等探讨了ETC历史交易数据在高速公路OD数据、交通流量、道路区间速度等方面的应用可行性，并分析了交易数据的相关问题和数据特征[4］．Myung等人使用最近的邻模型基于ETC交易数据和检测器数据建立高速公路旅行时间预测模型[5］．Kwon和Varaiya提出了电子标签数据的统计模型，证明了基于矩量法的OD矩阵存在无偏估计量。与简单的估计器相比，所提出的算法计算速度快，在仿真下性能良好[6］．目前的研究主要集中在基于高速公路ETC数据获取OD的速度、出行时间和交通状况，缺乏对更微观路段的高速公路交通信息获取方法的研究。

近年来，研究人员提出了一些估算车速的方法。Cathey和Dailey提出了一种新方法，可以自动计算出足够的校准信息，用于部署在高速公路上的交通监控摄像头的拥堵监测，从而可以得出可靠的速度估计[7］．Doğan等人也使用摄像机数据进行速度估计;他们提出的方法的精度约为±1.12 km/h。他们认为稀疏光流技术是一种非常有效的估计车辆速度的技术[8］．叶等。提出了一种基于Ingle Loop检测器数据的速度估计的新的Uncented Kalman滤波方法[9］．2009年，Coifman和Kim改进了一种估计单回路探测器速度的新方法;精度接近双环探测器的测量[10］．Litzenberger等人提出了一种基于神经形态“硅视网膜”图像传感器的交通监测和车辆速度估计光学传感器系统，并采用一种新的算法处理该传感器传递的异步输出数据。该算法可以同时在多达4条车道上测量20至300公里/小时范围内的车辆速度[11］．然而，尽管在车速的采集中使用了这种先进的技术，但在中国的高速公路出行信息采集研究中却很少使用这种先进的技术。

目前，高速公路实时交通信息采集模型的研究大多基于GPS技术和环路探测器数据。Ferman等人提出，将装有全球定位卫星(GPS)设备的车辆作为探测车，可以获得更准确、更及时的信息，而且不需要大量的基础设施建设和维护费用。他们开发了一个分析模型，可以检查关键系统参数之间的关系[12］．Mihaylova等人试图通过粒子滤波框架估计高速公路网络中的交通状态[13］．jain和Coifman提出了一种分析方法，通过整合横线信息来提高高速公路交通探测器的速度估计的准确性。本文使用从单环检测器获得的传统聚合流程和占用数据来使用车道旁路基础，以提高速度估计[14］．巴赫曼等人介绍了正在开发的匿名探测车辆监控系统，该系统基于蓝牙等技术提供的无线信号来测量高速公路和动脉上的行驶时间。通过对比实验，他们认为融合蓝牙监控和环路检测器数据可以提高流量估计的准确性[15］．尽管环路检测器可以更准确地获取高速公路上的交通信息，但蓝牙、探头车辆数据等在具有长距离、跨地区特征的高速公路上难以实现。

本文旨在分析ETC数据的特征，建立基于ETC交易数据的高速公路速度提取ETC数据的预处理流程。本文以高速公路路段车速为计算对象，考虑模型在不同样本量水平下的适用性，建立分段高速公路车速计算模型，为高速公路车速提取提供创新解决方案。

2.数据收集和预处理

2.1。etc交易数据基础

ETC原始交易数据包含74个字段，记录了进出高速公路车辆的详细信息。数据表字段主要包括出入口广场ID号、行驶方向、出入口时间、车辆类型等，为计算车速提供了重要的数据库。如表所示1．

此外，ETC交易数据表除，ETC交易速率表还用于研究，其中包含退出和入门广告号的字段;收费的里程代表高速公路收费站的位置信息。任何两个收费广告之间的距离都可以基于ETC交易速率表来计算，如表所示2．

２.２.数据预处理

2.2.1。ETC原始交易数据数据故障

由于系统原因，可以在原始的ETC数据中找到一些错误和异常数据，主要包括以下方案：（1）异常交易时间数据的存在：例如，退出和入口广场之间的时间间隔太短或者太长。（2）当车辆通过收费站时，可能会出现“NO卡”，“负平衡”，以及其他特殊情况。（3）存在不完整的等等交易，这些交易仅由ETC Lane，包括“etc / mtc条目和mtc / etc退出”。（4）由于车辆停止或错误的系统时钟的情况，速度过高或低的异常数据。

2.2.2。数据预处理

对ETC原始数据的预处理可以为模型的建立提供有用的基础。数据预处理的主要目标是:(1)通过删除错误数据和无意义数据，得到高质量的数据;(2)可获得该样本车辆对应于出入口的单车行驶时间。为此，高速公路行驶速度提取ETC数据预处理的算法流程包括关键字段提取、错误数据剔除、有效数据筛选、数据时间划分、车辆行驶速度计算。

2.2.3。数据过滤规则

ETC原始交易数据中的无意义或错误数据将严重影响计算模型的准确性。数据筛选的主要目的是根据以下准则剔除不合理和错误的数据:（1)应删除进出时间间隔大于86,400秒(24小时)或小于60秒的事务数据;（2)如果退出时间早于进入时间，则应删除交易数据;（3)应删除具有相同入口和退出站点的交易数据;（4）包括开放收费高速公路数据在内的交易数据应予删除;(5）将“WORK-MODE(表示正常记录和特殊事件)”字段填为“0”(只有“0”表示正常数据)过滤掉异常数据;（6）过滤出“DEALSTATUS”字段填写“0X02”的数据，表示车辆“通过ETC进入，通过ETC退出”;（7)通过“ENTRY_EXIT”字段填充“1”过滤掉数据，这意味着它是退出数据;（8）考虑车速阈值，将计算出的低于5 km/h或高于120 km/h的车速剔除。

2.2.4。ETC数据分析的时间间隔

ETC交易数据的时间间隔划分应取决于高速公路交通状况的可变性程度，以及单个分析时段内的样本量。根据交通流的稳定性，本研究拟初步选取10-15分钟作为分析时段。为了确定其合理性，本文随机选取了包含全网OD数据的整个工作日。本文分别以15 min和10 min为时间间隔。并统计相同OD下的样本量，如图所示1．

从图中一般可以看出，在10 min区间下，低样本量(小于6个)占78%以上。然而，当时间间隔为15分钟时，这一比例急剧下降至54%。因此，本文建议将上午6点至晚上11点的时间间隔定为15分钟，由于午夜时段车速波动较小，剩余时间分析间隔定为1小时。

2.2.5。样车行驶速度计算

基于ECC数据计算平均车辆行程速度，下面有两个步骤。（1)为了计算样品车辆的行驶时间，可以通过进入时间和出口时间的时间差来计算车辆行程时间。（2)样本车辆在某高速公路OD对之间的行驶速度，可由进出收费站之间的行驶时间和距离计算出来，这些距离可从ETC费率表中获得。

3.旅行速度计算模型

3.1。道路段部门

为了更准确地反映高速公路上的交通状态信息，高速公路应尽量取最小的单位。收费站是高速公路网的重要节点;路段划分可以收费站为主要节点。本文将相邻两个收费公路之间的同一高速公路方向路段定义为路段，作为计算车速的基本单位。

特别是在特殊情况下，部分高速公路有只有一个出入口收费站的区域，如果按照上面定义的高速公路路段划分，就会出现一些空隙。针对这种特殊情况，研究中引入虚拟收费站作为出入口收费站的补充。

３．２．路段行驶速度计算模型

考虑到路段ETC样本量在单个时间段内可能无法满足最小样本量的要求，本文根据样本量建立了双层车速计算模型。这两种情况是通过一个样本大小阈值在单个计算周期(15分钟)内分离出来的。当样本量大于阈值条件时，某路段的行驶速度为对应OD对的所有样本车辆的平均值。但当样本低于阈值条件时，将包含计算路段的外径对样本车辆行驶速度纳入计算。模型建立如下: 在哪里旅行速度是多少路段位于时间间隔;是距离路段;车辆行驶时间与车号是否一致在时间间隔;是数据测试获得的最小样本大小;外径对车辆的平均行驶速度是多少包含段的时间间隔,,在那里为路段样本量不足时的OD数;OD对的还原系数是多少速度,,在那里为路段样本量不足时的OD数;OD对的可靠性权重是多少速度,,在那里为路段样本量不足时的OD数。

随后，本文将具体介绍最小样本量、还原系数和OD速度可靠重量的测定方法。

3.2.1之上。样本量阈值

等时间间隔的路段的样本量为严重影响旅行速度和效果的准确性。当数据量足够时，等等车辆行驶速度可以准确代表道路段的行进速度。与高速公路相比，高速公路交通流量更加连续，速度波动得多。根据熊等人。城市高速公路在北京每公里浮动车辆最小样本大小为7至9日，并考虑了Ferman和Tu等人研究的研究。提出浮动车比率应不低于3％，以满足高速公路速度监测的准确性[16，17];建议在每个15分钟的分析周期内，最小的ETC样本为12个，即建议值是12。

3.2.2。外径减速系数

由于车辆的行驶速度可能会受到不同交通量和道路条件的影响，因此不能直接使用包含多个路段的OD速度来计算某一路段的速度。为了减小外径速度与道路速度的差距，应对外径速度进行调整。

研究发现，相邻路段的交通流运行状态具有较强的相关性，且两者之间的关系较为稳定(图)2）.因此，在模型中引入了OD速度的折减系数，该折减系数可以通过分析历史交通流的关系得到。首先，基于历史数据计算OD对的行驶速度和对应路段的行驶速度。减速系数为OD速度与道路速度的比值，计算公式为 在哪里OD对的还原系数是多少  speed to speed of road segment  ；是路段的历史旅行速度；外径对车辆的平均行驶速度是多少包含段,,在那里为路段样本量不足时的OD数。

研究不同时期训练减速系数，结果如表所示3.．从训练结果来看，OD对路段的减速系数不受时间的影响，日数据稳定。

采用前面提到的减速系数计算方法计算OD速度与路段速度的相对误差，结果如表所示4．结果表明，通过减速系数的修正，外径速度可以更接近路段的速度，平均绝对误差的离散度也有所下降。

3.2.3。OD速度的可靠性重量

尽管用于降低研究中的OD速度，由于速度波动，OD速度和路段速度之间仍然存在某些错误。引入速度可靠的重量指示器以评估OD对速度波动减少系数的影响。在相同的价值降低之后，随着速度波动的OD会带来更大的错误，从而提供低可信度。所以第二个参数被引入模型中。

可靠性重量可以给出减小后外径速度稳定，误差较小。这样可以减少由于转速波动而引起的计算误差。因此，计算基于历史数据和数据实验降低的路段速度与OD速度的平均绝对误差，从而根据平均绝对误差给予OD速度不同的可靠性权重。本文假设路段自身给定速度可靠权重为1.0，计算路段相关多OD对速度总权重为1.0。具体计算公式如下: 在哪里OD对的可靠性权重是多少速度,,在那里为路段样本量不足时的OD数;历史OD速度和道路段速度之间的平均值误差。

4.速度计算模型的验证

通过高速公路实测车速与计算车速的比较，验证了所提出的车速计算模型的准确性。选取中度驾驶人进行现场实验，以平均车流速度通过实验路段。本研究选取了北京-哈尔滨高速公路、北京-开封高速公路和北京-西藏高速公路12个不同日交通量水平的路段。验证实验分别在高峰时段(17:30-19:00)和非高峰时段(14:00-15:30)进行。

用平均绝对误差(MAE)、平均相对误差(MRE)和均方根误差(RMSE)三个指标评价计算模型的误差和预测精度。用前两个指标来描述计算速度和实际速度的基本误差。第三个指标用来表征计算速度与实际数据的离散程度。

误差评价指标的计算公式如下:

根据每个指示符的计算公式，结果显示在表中5．

结果表明，所提出的模型总体误差较小，具有较高的精度。高峰时段和非高峰时段的平均绝对误差均小于5 km/h，分别为4.11 km/h和4.93 km/h，平均相对误差约为6.5%。两个指标是可接受的误差水平。中位平方偏差分别为2.38 km/h和3.39 km/h，结果精度保持稳定。研究提出的车速模型具有较好的适用性;能够满足峰、非峰车速采集的要求，特别是在高峰时段均方根误差较小;这说明在高峰时段，速度计算误差波动较小。

5.结论及后续工作

通过对ETC交易数据挖掘应用和高速公路信息提取的分析，可以得出以下重要结论。（1)ETC交易数据为高速公路车速提取提供了一种可行的方法。考虑ETC交易比率的条件，15分钟通常是发现揭示和分析高速公路动态交通状态的合适时间间隔。（2)考虑到在单个时间段中的路段等等等，研究在不同的样本水平下建立了双层旅行速度计算模型。该研究使用了OD对的ETC交易数据，其中包含计算道路段来计算道路段的旅行速度。并且产生了减速系数和速度可靠性重量;它们可以在路段的行进速度计算中更准确地使OD速度更准确。（3)基于收集的高速公路路段旅行速度，验证了本文提出的计算模型。结果表明，峰值和偏心的平均绝对误差约为4.5 km / h，平均相对误差平均相对误差约为6.5％，平均方偏差为2.38 km / h和3.39 km / h。它表明，旅行速度计算模型是可行的，适用于峰值周期和截止峰期，并且误差对旅行速度计算没有显着影响。

ETC交易数据只能记录车辆进出高速公路的时间。在未来的研究中，可以结合ETC交易数据和其他数据源提取高速公路交通流运行信息，如固定探测器数据、浮动车辆数据、视频数据等。基于多源数据融合的算法将进一步提高高速公路运行状态采集的准确性和可靠性。

利益冲突

提交人声明没有关于本文的出版物的利益冲突。

致谢

本文作者非常感谢国家自然科学基金项目(no. 5130471)的支持。基金资助:国家科技支撑计划资助项目(no. 51108012);2013年zx01045003 - 002)。

参考

1. M. L. Zarrillo, A. E. Radwan，和H. M. Al-Deek，“电子收费和交通管理系统的交通操作建模”，计算机与工业工程，卷。33，不。3-4，PP。857-860,1997。视图:出版商的网站|谷歌学术
2. “高速公路电子收费系统的研究与开发”第一届知识发现与数据挖掘国际研讨会论文集，页359-362,2008。视图:谷歌学术
3. 长三角五省及京、津、冀、鲁、晋等省已实现ETC跨省联网收费，http://www.chinahighway.com/news/2014/860157.php.．
4. 翁建昌，刘丽丽，杜博，“基于ETC数据的交通信息挖掘技术，”交通系统工程与信息技术学报，第10卷，第5期。2，页57-63,2010。视图:谷歌学术
5. j . Myung D.-K。金,S.-Y。许思义和学术界。Park，“利用k最近邻法结合车辆检测系统和自动收费系统的数据进行旅行时间预测”，交通研究记录，第2256卷，第2期。1，第51-59页，2011。视图:出版商的网站|谷歌学术
6. J. Kwon和P. Varaiya，“利用电子收费标签数据的部分轨迹实时估计出发地-目的地矩阵，”交通研究记录,没有。1923，页119-126,2005。视图:谷歌学术
7. F. W. Cathey和D. J. Dailey，“一种使用未校准的道路摄像机动态测量车辆速度的新技术”，刊于IEEE智能汽车研讨会论文集，第777-782页，2005年6月。视图:出版商的网站|谷歌学术
8. S. Doğan、M. S. Temiz和S. Külür，“从未经校准的摄像机的侧视图像实时估计移动车辆的速度”，传感器，第10卷，第5期。5, pp. 4805-4824, 2010。视图:出版商的网站|谷歌学术
9. Z. Ye，Y. Zhang和D. R.Mindleton，“使用单循环检测器数据的速度估计的”无创的卡尔曼滤波方法“，”交通研究记录，一九六八年第二期。1，页117-125,2006。视图:谷歌学术
10. B. Coifman和S. Kim，“从高速公路单环探测器的速度估计和基于长度的车辆分类”交通研究C部分:新兴技术，第十七卷，第二期4，第349-364页，2009。视图:出版商的网站|谷歌学术
11. M. Litzenberger, a . N. Belbachir, N. Donath等人，“基于硅视网膜光学传感器的异步数据估计车辆速度”IEEE智能交通系统会议论文集(ITSC '06)，第653-658页，加拿大多伦多，2006年9月。视图:出版商的网站|谷歌学术
12. M. A. Ferman, D. E. Blumenfeld, X. Dai，“基于探针的交通信息系统的简单分析模型”，载智能交通系统学报，第1卷，263-268页，2003年10月。视图:出版商的网站|谷歌学术
13. L. Mihaylova, R. Boel，和A. Hegyi，“粒子滤波框架下的高速公路交通估计”，自动化，卷。43，不。2，pp。290-300,2007。视图:出版商的网站|谷歌学术|Mathscinet.
14. M.Jain和B. Coifman，“从高速公路交通探测器提高了速度估计”运输工程学报，第131卷，第2期7，页483-495,2005。视图:出版商的网站|谷歌学术
15. C. Bachmann, M. J. Roorda, B. Abdulhai，和B. Moshiri，“融合蓝牙交通监控系统与环路探测器数据，以改进高速公路交通速度估计，”智能交通系统学报:技术、规划和操作，第十七卷，第二期2, pp. 152-164, 2013。视图:出版商的网站|谷歌学术
16. 熊建军，刘建中。关,j。太阳,X.-J。刘和小时。“北京高速公路漂浮车辆最小样本量的确定”，交通系统工程与信息技术学报，第10卷，第5期。4，页38-43,2010。视图:谷歌学术
17. Z.Tu，H.Li，C. Yao和L.元，“基于浮动汽车最小样本的路线覆盖和交通信息的更新周期”，“中国铁道科学第27卷第2期5，页127-131,2006。视图:谷歌学术

版权

版权所有©2014 Jiancheng Weng等。这是分布下的开放式访问文章知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。