路侧感知车辆轨迹数据质量智能评估方法

作     者：杜豫川 都州扬 师钰鹏 赵聪 暨育雄 DU Yu-chuan;DU Zhou-yang;SHI Yu-peng;ZHAO Cong;JI Yu-xiong

作者机构：同济大学道路与交通工程教育部重点实验室上海201804 上海城市基础设施更新工程技术研究中心上海200032 浙江省交通运输科学研究院新一代人工智能技术交通运输行业研发中心浙江杭州310023 

基　　金：中国博士后科学基金项目(2021M692428) 上海市科学技术委员会科研计划项目(19DZ1209100) 上海市教育委员会科研创新计划项目(2021-01-07-00-07-E00092) 浙江省重点研发计划项目(2021C01011) 上海市级科技重大专项资助项目(2021SHZDZX0100) 

出 版 物：《中国公路学报》 (China Journal of Highway and Transport)

年 卷 期：2021年第34卷第7期

页      码：164-176页

摘      要：智慧公路布设了大量路侧智能传感器,可以获取全时空车辆运行轨迹数据。然而,如何实现轨迹数据质量高效便捷的评估一直是困扰行业管理部门的难题。现有评估方法大多存在量化指标维度单一、鲁棒性较差等问题。为此,提出一种通过挖掘轨迹数据多维特征以快速评估轨迹数据质量的方法。首先基于轨迹多元信息从元素特征、时序特征和空间特征3个维度设计轨迹合理性、波动性与交互异常性评估指标,并分析评估指标与轨迹数据质量水平的相关关系;在此基础上提出一种利用多元评估指标实现轨迹质量评估的自适应融合回归模型;最后,结合公开轨迹数据集和实测数据集对指标和模型的可靠性及稳定性进行测试与验证。结果表明:轨迹合理性、波动性指标与数据质量显著相关,可基于此构建指标融合模型评估轨迹质量,且引入提出的交互异常性指标可较好地提升模型评估效果。随着模型得分的降低,轨迹数据的运动与交互特征的异常程度增大,持续时间增加。提出的智能评估模型可以挖掘评估指标与轨迹质量的关系,对不同质量水平的轨迹均保持较好的评估效果且优于传统的单一维度评估指标方法,具有良好的稳定性、鲁棒性和优越性,可为车路协同环境下海量的路侧感知轨迹数据提供可靠的质量评价与监测方法。

主 题 词：交通工程 数据质量评估 多元指标自适应融合 车辆轨迹 路侧感知 智慧公路 车路协同系统 

学科分类：08[工学] 082303[082303] 082302[082302] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.19721/j.cnki.1001-7372.2021.07.013

馆 藏 号：203104666...