出租車浮動車大數據地圖匹配與分析

張譯文　張斌　周欣

（陜西省城鄉規劃設計研究院，陜西　西安　710064）

出租車浮動車大數據地圖匹配與分析

張譯文張斌周欣

（陜西省城鄉規劃設計研究院，陜西西安710064）

機動車行駛數據采集系統是ITS技術在交通領域的最新應用，機動車在安裝GPS、UPS等車載設備后，均可實現將車輛的行駛浮動數據通過無線通信方式進行上傳，實時地傳送到浮動車信息中心。浮動車輸出的動態實時交通信息可廣泛服務于各交通部門，如可作為交警部門掌握道路實時交通情況、制定緩解擁堵措施的憑證，也可為城市交通規劃、市政道路建設提供數據基礎支撐。

交通運輸；城市交通；大數據；地圖匹配

機動車行駛數據采集系統是ITS技術在交通領域的最新應用，機動車在安裝GPS、UPS等車載設備后，均可實現將車輛的行駛浮動數據通過無線通信方式進行上傳，實時地傳送到浮動車信息中心。浮動車輸出的動態實時交通信息可廣泛服務于各交通部門，如可作為交警部門掌握道路實時交通情況、制定緩解擁堵措施的憑證，也可為城市交通規劃、市政道路建設提供數據基礎支撐。

地圖匹配技術是浮動車大數據處理的關鍵技術之一，浮動車系統對數據時效性、數據樣點間隔、數據樣本容量均有較高要求。機動車行駛數據在采集后與城市路網的匹配過程中，往往面臨3大關鍵技術難題：①由于數據是實時上傳的，數據容量大，上傳時間快，對系統的計算度也因此提出了較高的要求；②上傳數據要連續才能保證數據的有效性和真實性，若數據間隔過大會導致數據失真；③城市市政道路路網密集、線形復雜，數據與地圖的匹配也會受到影響，因此對系統的容錯率有較高要求［1-3］。

浮動車實時路況處理技術在我國各大城市還處于示范階段，隨著浮動車數量的日益增多，浮動車地圖匹配算法已難以滿足當前應用環境下準確性與實時性的要求?？梢姡岣吒榆嚨貓D匹配的準確性與實時性，是需要進一步研究的課題。

1　影響地圖匹配精度的因素

從地圖匹配中的影響因素判斷，對地圖與數據匹配造成影響的因素主要包括以下幾點。

1.1GPS的定位誤差

1.1.1系統內部誤差。一是衛星測量誤差。隨著時間、位置的變化，GPS會產生一定的誤差，如車輛振動產生的誤差、衛星誤差、接收機本身誤差等。二是衛星的幾何位置造成的誤差。系統內部誤差一般通過GPS差分和動態濾波等方法來進行校正。

1.1.2外部突變誤差。部分路段線路形勢復雜多變，由于建筑、立交橋、城市隧道等設施的影響，導致衛星與車載設備之間的聯系時斷時續，上傳數據間隔過大導致有效性失真，引起的誤差也比較明顯。在車輛導航定位系統中，必須通過地圖匹配、容差率處理等手段對車載系統造成的GPS外部突變誤差進行處理。

1.2地圖數據庫的數據質量

地圖匹配中使用的地圖來自于GIS中相同路段的道路數據，因此GIS中的道路地圖質量會決定最終的匹配結果。GIS中會對地圖質量產生影響的因素主要包括數據的準確性、數據的時效性、地圖投影等，對基于拓撲關系的地圖匹配方法，空間數據拓撲關系質量好壞也是影響匹配效果的因素之一。

1.3坐標投影的變換誤差

GPS采用的是WG184地心坐標系系統，而我國目前的GIS數據采用基于北京54坐標系和西安80坐標系，兩套系統的地球橢球參數不同，因此必須對GPS數據進行空間坐標系的轉換。

2　出租車浮動車大數據地圖匹配與分析

2.1算法的步驟及流程

GPS數據的可靠性是判斷車輛運行情況的基礎，也是算法要解決的核心問題，而GPS數據的精確度與不同地區的地形特征往往是不同的，因此兩者之間的匹配關系不能一概而論，需要根據具體情況分別對待即實現車輛導航的智能化。

數據與地圖的匹配要求較高的有效性和準確性，這樣才能真實、詳實地反映道路交通，采集的數據必須來自于行駛中的車輛。地圖匹配綜合算法的實現步驟是依照地圖匹配過程的先后順序來進行的，首先對GPS的數據進行接受與判讀，隨后對相應路段的道路情況進行相關研判。地圖匹配綜合算法的流程圖如圖1所示。

2.2數據處理

首先提取一個出租車浮動車大數據的數據庫文件，通過MicrosoftSQLServer2008ManagementStudio Complete數據庫軟件將其打開，共有2個數據庫，分別存放了2010年9月1、2日南京市部分出租車GPS數據，共33 042 226條數據（其中1日18 668 073條、2日14 374 153條）。

2.2.1浮動車大數據內容。數據主要存在以下兩方面的問題，一是無測量誤差信息。GPS中上傳的數據坐標與車輛實際座標相比存在一定誤差，造成誤差的原因包括人為加入的GPS信號隨機誤差，信號在傳輸過程中經過障礙物、大氣時會發生折射和反射會造成時鐘誤差，因此為了保證上傳數據的有效性，必須對數據的誤差進行控制。通常GPS設備根據所接收的GPS信號在計算后除出定位坐標外，還將輸出水平定位精度（HDOP，Horizontal Dilution of Precision）和垂直定位精度（VDOP，Vertical Dilution of Precision）等信息，而這些測量誤差信息都沒有被有效地存儲。二是無出租車營運相關信息。出租車的運營狀態是本文研究的對象之一，同時出租車作為一種特殊的公共交通工具，其與公交車和其他社會車輛的差別也可通過運營狀態進行研究，也是后續數據處理的重要輸入。當出租車處于停運、停車待客等特殊運營狀態時，其采集的數據并不能反映當前道路交通的運行情況。因此，需要依據出租車的運營狀態剔除不可用的定位信息。

圖1　地圖匹配算法流程

2.2.2浮動車大數據初步處理。為了更好地對已有的數據展開處理，從數據庫中提取車輛編號為“806584008859”，從單輛車的出行行為進行分析。從2個數據庫中抽取1 740條、954條相關數據并復制到Excel中進行進一步處理。將抽取的浮動車大數據樣本按照GPSTime升序排列，得出該車按照時間推移運行的狀況。通過觀察抽取的浮動車大數據，發現數據表中存在一些無效的數據和無效的數據屬性。為了能夠更好地分析數據，故將ID、Company ID、ReadFlag、CreateDate四列數據對于浮動車大數據的地圖匹配并沒有起到作用，因此將這個屬性刪去（見圖2）。

圖2　數據表中無效數據的處理

隨機抽取的數據中，存在大部分時段GPS的定位信息缺失的情況，對于此類數據，將其定義為無效數據并刪除（見圖3中紅色框）。

圖3　數據表中無效數據的處理

數據的初步處理結束后，在之后的地圖匹配中，將著重分析如何將有效數據段分批次地在地圖上進行匹配。

2.3地圖匹配技術

地圖匹配的實現主要依靠專業軟件，對數據和地圖匹配過程中的誤差進行修正。該技術以模式識別理論為依據，依靠行駛中的機動車輛上傳的數據，收集機動車GPS測定的行駛路線、車輛位置等地理信息，與導航系統的電子地圖數據相比較、匹配，確定車輛所處的地區或路段方位，并進一步判斷車輛具體的位置，并最終進行所在位置的定位誤差修正。地圖匹配方法與定位技術配合使用，能夠極大地提高車輛定位精度，減小定位誤差?？梢哉f，地圖匹配算法的效果直接關系到車輛定位的精度。基于上述特點，目前廣泛采用的定位機制多為無線導航配合地圖匹配算法的綜合定位方法。

2.3.1軟件選用。目前用于地圖匹配的軟件主要有ArcGIS、MapInfo、MapObject、Google Earth等國外知名的地理信息系統處理軟件。但采用相關軟件進行地圖匹配的前提是獲取相關匹配城市的電子地圖。本項目采用Google Earth進行初步地圖匹配。

Google Earth上的全球地貌影像的有效分辨率至少為100m，通常為30m，視角海拔高度為15km左右，但針對大城市、著名風景區、建筑物區域會提供分辨率為1.0m和0.5m左右的高精度影像，視角高度（Eye alt）分別約為500m和350m。

2.3.2地圖匹配算法

①匹配算法的基本原理。地圖匹配可視作由2個相互獨立的工作組成：一是確定車輛行駛路段所在位置；二是將車輛行駛路段和定位點的匹配結合。

確定車輛行駛路段是整個匹配工作的關鍵，其基本理論是搜索車輛GPS顯示的車輛行駛路段所在地區的所有道路，其次將這些道路與GPS反應的信息進行匹配并計算出最為相似的路段，隨后即認為尋找出的路線為當前車輛所在的行駛路線?？梢娝阉鬈囕vGPS顯示的車輛行駛路段所在地區的所有道路是整個算法的核心內容，算法期望達到的結果是確定出一個盡可能小的區域達到提高判斷準確性的效果。反之，相反若算法計算出的范圍過大，會對尋找車輛路徑造成極大的干擾增加不必要的計算量。

從匹配樣本的分類角度來分析，算法主要包括位置點匹配和軌跡曲線匹配。其中，位置點匹配算法的優點是具備較高的時效性，算法本身也并不復雜，但相應的由于算法簡單所以造成對復雜、密集路網的適應性較差，若立交橋、隧道等設施較多，會降低匹配準確性。與軌跡點算法相反，軌跡曲線由于算法復雜所以對復雜、密集路網的適應性較好，可以更好地應對市政設施帶來的影響，提高匹配準確性，但是這種算法的問題是計算量大，對數據時效性要求較高，匹配過程較為緩慢。

②直接投影算法。投影法的基本思想就是：搜索距離車輛GPS顯示的車輛當前行駛坐標最近的道路，隨后將車輛GPS數據與該道路進行匹配，GPS數據所在的那一點坐標即是算法默認的車輛位置，通過多個點的測算匹配確定車輛的行駛路線（見圖4）。

圖4　直接投影算法原理

圖4形象地表達了投影算法的基本思想。P是GPS測定的車輛所在位置，L1和LZ是車輛所在位置附近的路段，把GPS測定的車輛所在位置向附近所有路段做投影，根據GPS定位點與各路段間的投影距離ri，以及車輛行駛方向與道路間的夾角θi，選出小于給定閥值的所有道路。根據公式計算所有道路的距離度量值：

其中，wr和wθ分別是距離和方向夾角的權值。在所有候選路段中，選擇距離度量值最小的作為匹配路段，即認為車輛在該道路上行駛，并將車輛在匹配路段上的投影點作為車輛當前的位置。

③經緯度導入操作方法。使用MakeKml軟件，將Excel表格中處理過的需要導入的經緯度數據輸入，并生成<點>KML文件和<線>KML文件。在保存后此時會自動打開Google Earth軟件，選中其標題，即可在Google Earth上顯示導入的經緯度點，并根據點初步做出車輛的行駛路徑，如圖5所示。

圖5　在Google Earth中生成的線路及標簽

④路徑修正操作。從地圖匹配線路的效果上看，經緯度與道路的匹配度還是比較理想的。大多數標簽均定位在路網道路上，且偏移情況不明顯。但從圖6可以看出，Google Earth內生成的線路是由兩個坐標點間連線直接生成的。由于提供的定位點數據采集間隔為35s，因此若僅靠兩點一線確定走形路線難免會產生一定的誤差。因此，需要對其進行必要的修正，即在兩個數據點間添加適當的標注點以使走形線路更加準確。

圖6　線路偏移現象

按照上述的線路修正方法，在標記點5與標記點6之間添加一個新的坐標點，使得出租車的走行線路能沿著道路的方向。修正后的走行線路如圖7中橘黃色虛線所示。

圖7　線路偏移修正2

2.4城市出租汽車運營基礎指標

本次分析先從數據庫中選取一輛出租車，研究2個工作日內的高峰時段（17:30-18:30）與平峰時段（13:00-14:00）數據制成樣本出租汽車運營信息表，并進行地圖匹配，根據匹配的結果結合出租車信息進行分析，得出出租汽車運營基礎指標，對這些數據的分析和統計可以作為出租汽車運營公司的基礎數據，為進行更深層次的數據挖掘提供支持。

3　結果分析

結果分析表明，地圖匹配的結果還是比較符合預期的，GPS數據定位的精確性也較為理想，通過地圖匹配出的對應車輛所行駛過的路線也較為準確。這對于后期的浮動車大數據分析打下了良好的基礎。

在本文所闡述的地圖匹配方法較為簡單，大部分采用人工校正的方法。若今后進行深入的研究分析，可考慮選擇MapObject與VB編程軟件結合，以實現對偏移浮動點的自動修正。在后續的研究中能解決浮動點數據自動修正的技術瓶頸，那么在大數據處理方面將邁出很大一步，這對于分析結果的準確性有很大幫助。

［1］張周強.浮動車交通數據采集技術研究［D］.上海：同濟大學，2008.

［2］姜桂艷，張瑋，常安德.基于GPS浮動車的交通信息采集系統的數據組織方法［J］.吉林大學學報（工學版），2010（2）：397-401.

［3］孫曉峰，吳建平.基于浮動車數據采集技術的城市交通網絡功能評價方法研究［J］.現代交通技術，2005（6）：55-58.

The Taxi Large Floating Car Data Map Matching and Analysis

Zhang YiwenZhang BinZhou Xin
（Urban and Rural Planning and Design Institute of Shaanxi Province，Xi'an Shaanxi 710064）

Motor vehicle driving data acquisition system is the latest application of ITS technology in the field of transportation vehicles after the on-board equipment such as GPS，UPS，it can realize the vehicle driving floating data upload real-time transmitted by wireless communication mode to floating car information center.Floating car output dynamic real-time traffic information can be widely services in the transport sector，such as real-time traffic conditions of road can be used as the traffic police department，making the credentials of easing congestion measures can also be used for urban traffic planning，can also provide data base support for urban transportation planning and municipal road construction.

transportation；urban traffic；big data；map matching

U491

A

1003-5168（2016）06-0059-04

2016-05-09

張譯文（1991-），男，碩士，助理工程師，研究方向：城市道路交通規劃。