(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211462775.1 (22)申请日 2022.11.22 (71)申请人 中汽研汽车检验中心 （天津） 有限公 司 地址 300300 天津市东 丽区先锋 东路68号 主楼526室 申请人 中国汽车技 术研究中心有限公司 (72)发明人 刘昱　李菁元　梁永凯　安晓盼　 于晗正男 　杨正军　徐航　马琨其　 胡熙　张诗敏　张欣　 (74)专利代理 机构 天津企兴智财知识产权代理 有限公司 12 226 专利代理师 刘东 (51)Int.Cl. G08G 1/052(2006.01)G08G 1/01(2006.01) G06K 9/62(2022.01) G06Q 10/06(2012.01) G06Q 50/30(2012.01) (54)发明名称 一种基于GIS数据的速度区间权 重计算方法 (57)摘要 本发明提供了一种基于GIS数据的速度区间 权重计算方法， 包括以下步骤： S1、 选取典型城 市； S2、 对于步骤S1中典型城市的道路交通状况 进行分类； S3、 对道路交通流数据采集及特征计 算； S4、 建立多维度交通流模型及验证； S5、 基于 多维度交通流模型计算城市交通流特征； S6、 权 重因子计算。 本发明有益效果： 创新性的引入GIS 数据来评估 车辆的实际运行情况， 并基于视频交 通流数据构建了多维度交通流模 型， 能够客观计 算各个速度区间权重因子， 使汽 车工况更为贴近 车辆实际运行状态。 综上所述， 本专利可 以为政 府和企业在汽 车工况相关领域的政 策制定、 产品 研发提供技 术支持。 权利要求书3页 说明书12页 附图3页 CN 115497306 A 2022.12.20 CN 115497306 A 1.一种基于GIS数据的速度区间权 重计算方法， 其特 征在于： 包括以下步骤： S1、 选择典型城市； S2、 对于步骤S1中典型城市的道路交通状况进行分类； S3、 针对步骤S2中的各类道路交通状况分别进行道路交通 流数据采集及特 征计算； S4、 基于步骤S3采集的道路交通 流数据建立多维度交通 流模型及验证； S5、 基于步骤S4建立的多维度交通 流模型计算城市交通车辆出 行时间分布特 征； S6、 基于步骤S5中的车辆出 行时间分布特 征计算各速度区间权 重因子； 在步骤S1中的选取典型城市包括以下步骤： A1、 统计全国663个城市的指标， 指标包括GDP、 人口数、 人均汽车保有量、 城市道路面 积、 车均道路面积； A2、 对步骤A1中统计的指标进行因子分析， 得到指标中的代表性因子； A3、 并根据步骤 A2中的代表性因子进行层次聚类分析， 将城市划分为 不同类别； A4、 依据车辆保有量比例， 从步骤A3中的各类城市中选取典型城市。 2.根据权利要求1所述的一种基于GIS数据的速度区间权重计算方法， 其特征在于： 在 步骤S3中的道路交通 流数据采集及特 征计算包括以下步骤： B1、 对每类道路交通状况中的典型城市调研道路进行选择； B2、 对步骤B1中的典型城市调研道路进行交通流数据采集， 得到每类道路交通状况的 道路调研数据； B3、 根据步骤B2的道路调研数据计算每类道路交通状况的道路平均速度、 道路流量和 道路密度， 将每类道路交通状况 的道路平均速度、 道路流量和道路密度作为每类道路交通 状况的道路交通 流特征。 3.根据权利要求2所述的一种基于GIS数据的速度区间权重计算方法， 其特征在于： 所 述道路平均速度的计算公式为： 式中， 为道路平均速度， l为视频检测路段长度； 为车辆i通过检测区域的平均行 程时间， 为车辆i通过检测区域的平均速度。 4.根据权利要求2所述的一种基于GIS数据的速度区间权重计算方法， 其特征在于： 所 述道路密度的计算公式为： 式中， 为道路密度， 为道路流 量， 为道路平均速度。 5.根据权利要求2所述的一种基于GIS数据的速度区间权重计算方法， 其特征在于： 在 步骤S4中的建立多维度交通 流模型及验证包括以下步骤： C1、 对步骤B3中每类道路交通状况的道路交通流特征进行预处理,得到每类道路交通 状况的训练集数据和 测试集数据；权　利　要　求　书 1/3 页 2 CN 115497306 A 2C2、 根据步骤C1中的训练集数据和 测试集数据建立多维度交通 流模型； C3、 通过测试集数据对步骤C2中建立的多维度交通 流模型进行精度验证。 6.根据权利要求5所述的一种基于GIS数据的速度区间权重计算方法， 其特征在于： 在 步骤C2中的多维度交通 流模型建立包括以下步骤： C21、 根据步骤S2中的每类道路交通状况， 分别基于训练集数据进行Underwood、 Greenshields、 Van  Aerde交通流模型拟合， 利用最小二乘法选择相关系数R2最优模型； 如 果该类道路交通状况的相关系数<0.7， 则进入步骤C22后再进入步骤C3； 否， 则直接进入步 骤C3； C22、 将进入该步骤的每类道路交通状况的训练集数据根据各道路密度下速度标准差 划分为自由流、 同步流、 阻塞 流三部分， 分别利用Underwood、 Green shields、 Van  Aerde交通 流模型拟合， 建立多维度交通 流模型。 7.根据权利要求6所述的一种基于GIS数据的速度区间权重计算方法， 其特征在于： 在 步骤S5中的计算城市交通 流特征包括以下步骤： D1、 利用道路平均速度合理阈值公式剔除GIS道路异常数据， 判断处理后的GIS道路数 据的道路速度缺失率是否小于30%， 是， 则利用ARIMA模型进行道路速度补充， 并进入步骤 D2； 否， 则速度缺失率大于 30%， 对该GIS道路数据不做处 理， 并进入步骤D2； D2、 计算各个道路平均车道数、 道路长度， 利用道路id与道路运行速度相匹配， 得到GIS 道路‑速度数据库； D3、 利用多维度交通流模型对步骤D2中GIS道路 ‑速度数据库进行计算， 得到全路网所 有道路不同时刻流 量和VHT。 8.根据权利要求7所述的一种基于GIS数据的速度区间权重计算方法， 其特征在于： 所 述道路平均速度合理阈值公式为： 式中， 代表道路限值， 取值由交通规定和道路指示确定， 为道路车辆速度， 为 修正系数， 取值 为1~1.3。 9.根据权利要求7所述的一种基于GIS数据的速度区间权重计算方法， 其特征在于： 所 述道路平均车道数的计算公式为： 式中， 为道路平均车道数， 为路段i的长度， 为路段i的车道数。 10.根据权利要求1所述的一种基于GIS数据的速度区间权重计算方法， 其特征在于： 在 步骤S6中的各速度区间权 重因子计算， 包括以下步骤： E1、 按照速度区间划分阈值， 分别划分低速区间、 中速区间和高速区间； E2、 通过权重因子计算公式计算低速区间、 中速区间和高速区间的累计车辆小时数， 获 得各城市各速度区间权 重因子； 权重因子计算公式为：权　利　要　求　书 2/3 页 3 CN 115497306 A 3