基于小波分析的快速路浮动车历史数据 
滤波方法研究

交通运输系统工程与信息 ›› 2009, Vol. 9 ›› Issue (5): 166-170 .

基于小波分析的快速路浮动车历史数据
滤波方法研究

王贞君^*1 ;关积珍¹;于建玲¹;孙建平²

1 北京四通智能交通系统集成有限公司，北京100081；2 北京交通发展研究中心，北京100055

收稿日期:2009-01-13 修回日期:2009-06-29 出版日期:2009-10-25 发布日期:2009-10-25
通讯作者: 王贞君
作者简介:王贞君（1979-），女，山东滕州市人，工程师，硕士.
基金资助:
国家863项目课题（2007AA11Z220；2007AA11Z212），北京市科学技术委员会项目（D07050600440704）

Expressway Floating Car History Data Filtered Approach Based on Wavelet Analysis

WANG Zhen-jun¹;GUAN Ji-zhen¹;YU Jian-ling¹;SUN Jian-ping²

1. Beijing Stone Intelligent Transportation System Co. Ltd., Beijing 100081, China;
2. Beijing Transportation Research Center, Beijing 100055, China

Received:2009-01-13 Revised:2009-06-29 Online:2009-10-25 Published:2009-10-25
Contact: WANG Zhen-jun

摘要/Abstract

摘要： 交通流时间序列中由于数据采集设备、通讯故障等原因会出现随机扰动，这些扰动对交通特性分析及交通预测的准确性会造成一定影响，因此有必要对交通流原始数据进行滤波处理。小波分析是一种应用比较广泛的滤波方法，但在交通方面应用较少。本文首先对浮动车噪声产生的原因进行分析，然后对小波分析方法进行介绍，确定了滤波评价指标。为便于对滤波效果比较，本文将RTMS系统采集的数据作为真值，选择北京市内多条快速路路段在不同时段进行实验，对比原始数据与滤波处理后的数据与RTMS的相似性及均方误差，表明滤波效果明显。

关键词: 浮动车, 小波阈值去噪, 均方误差, 相关系数, 信噪比

Abstract: In the traffic flow time series, there are usually some random components which affect the accuracy of traffic character analysis and traffic forecasting owing to the breakdown of data collection equipment and communication. Thus, it is necessary to make the traffic flow raw data filtered. Wavelet analysis is widely used for signal de-nosing and has net been used in traffic research yet. This paper first introduces the occurrence of floating car’s noise and wavelet analysis, and then selects the filtering evaluation indexes. For the purpose of filtering effectiveness comparison, urban expressways of Beijing in different times are tested and data collected from RTMS as the real data. By the indexes comparison of similarity and mean square error, results and analysis of examples are provided to illustrate the advantage of this approach.

Key words: floating car, wavelet threshold de-noising, mean square error (MSE), correlation coefficient, signal-noise ratio (SNR)

中图分类号:

U491

王贞君,关积珍,于建玲,孙建平. 基于小波分析的快速路浮动车历史数据
滤波方法研究[J]. 交通运输系统工程与信息, 2009, 9(5): 166-170 .

WANG Zhen-jun,GUAN Ji-zhen,YU Jian-ling,SUN Jian-ping. Expressway Floating Car History Data Filtered Approach Based on Wavelet Analysis[J]. Journal of Transportation Systems Engineering and Information Technology, 2009, 9(5): 166-170 .

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract17883.shtml

http://www.tseit.org.cn/CN/Y2009/V9/I5/166

参考文献

[1]章威,徐建闽,林绵峰.基于大规模浮动车数据的地图匹配算法[J].交通运输系统工程与信息，2007,7(2):39-45.[ZHANG W,XU J M,LIN M F. Map matching algorithm of large scale probe vehicle data[J].Journal of Traffic and Transportation Engineering, 2007,7(2):39-45.]

[2]张存保,杨晓光,严新平.浮动车采样周期优化方法研究[J].交通运输系统工程与信息，2007,7（3）：100-104.[ZHANG C B,YANG X G,YAN X P.Method for floating cars sampling cycle optimization[J].Journal of Traffic and Transportation Engineering, 2007,7(3):100-104.]

[3]李先,温慧敏,高永,等.北京市路网单位距离行程时间可靠性评价[J].交通运输系统工程与信息,2007,7(2):72-76. [LI X,WEN H M,GAO Y, et al. Beijing road network rate travel time reliability evaluation[J].Journal of Traffic and Transportation Engineering, 2007,7(2):72-76.]

[4]翁剑成,等.基于浮动车数据的行程速度估计算法及优化[J].北京工业大学学报，2007，33（5）：459-464. [WENG J C,et al. Optimization on estimation algorithms of travel speed based on real-time floating car data[J]. Journal of Beijing University of Technology, 2007,33(5):459- 464.]

[5] 姜桂艳.道路交通状态判别技术与应用[M].北京:人民交通出版社，2004. [JIANG G Y. Technologies and applications of the identification of road traffic conditions [M]. Beijing: China Communication Press, 2004.]

[6] Shih-Ching Lo，Chih-Ku Fan.Application and numerical investigation of wavelet transform for traffic data denoising[C]// Proceedings of the 5th WSEAS International Conference on Applied Mathematics,2004:108-113

[7] 韩敏,等.混沌时间序列预测理论与方法[M].北京：中国水利水电出版社. 2007.[HAN M, et al. Prediction theory and method of chaotic time series[M]. Being: China WaterPower Press, 2007.]

[8] 张琨.快速路旅行时间预测算法研究[D]. 北京交通大学,北京,2008. [ZHANG K. Algorithm research of travel time forecast for urban expressway[D]. Beijing Jiao Tong University, Beijing, 2008.]

[9] 蔡铁，朱杰. 小波阈值降噪算法中最优分解层数的自适应选择[J].控制与决策，2006,2(2):217-220. [CAI T,ZHU J. Adaptive selection of optimal decomposition level in threshold de-noising algorithm based on wavelet[J]. Control and Decision,2006,2(2):217-220.]

[1]	陈鼎, 周水庭, 陈云, 苏敏咸. 拥堵指数自适应调节的交通运行状态识别方法及应用研究[J]. 交通运输系统工程与信息, 2022, 22(2): 137-144.
[2]	钟绍鹏, 何璟, 朱康丽, 邹延权, 隽海民. 基于建成环境和低频浮动车数据的路段行程时间估计[J]. 交通运输系统工程与信息, 2021, 21(4): 125-131.
[3]	王志建，李达标，崔夏. 基于LSTM 神经网络的降雨天旅行时间预测研究[J]. 交通运输系统工程与信息, 2020, 20(1): 137-144.
[4]	王岩韬，刘毓. 基于复杂网络的航班运行风险传播分析[J]. 交通运输系统工程与信息, 2020, 20(1): 198-205.
[5]	蔡静，张明辉，朱宇婷，刘宇环. 基于Pearson相关系数的货运车辆能耗模型研究[J]. 交通运输系统工程与信息, 2018, 18(5): 241-246.
[6]	李军，赵长相，唐晓宇，谢良惠. 基于浮动车数据的随机路径选择模型参数估计[J]. 交通运输系统工程与信息, 2014, 14(5): 37-42.
[7]	何兆成，褚俊飞，庄立坚，叶伟佳. 基于浮动车数据的隧道路段在线地图匹配方法[J]. 交通运输系统工程与信息, 2014, 14(2): 74-79.
[8]	庄立坚，何兆成，叶伟佳，褚俊飞，邓玲丽. 基于浮动车数据的排队长度检测方法研究[J]. 交通运输系统工程与信息, 2013, 13(3): 78-84.
[9]	张道征，孙健，彭仲仁. 城市出租车系统综合完备度指数研究及GIS平台实现[J]. 交通运输系统工程与信息, 2013, 13(1): 87-.
[10]	吴坚, 邹娇. 交通对大气影响仿真和分析系统研究[J]. 交通运输系统工程与信息, 2012, 12(增1): 7-12.
[11]	王许涛, 姚恩建, 邱奉翠, 李建军. 基于交通信息路网覆盖率的浮动车配置优化研究[J]. 交通运输系统工程与信息, 2012, 12(增1): 62-67.
[12]	李强, 葛乾, 缪立新, 戚铭尧. 基于探测车数据的路段交通特性研究[J]. 交通运输系统工程与信息, 2012, 12(2): 41-46.
[13]	饶宗皓, 姚恩建. 基于路段属性变量的浮动车覆盖率模型研究[J]. 交通运输系统工程与信息, 2012, 12(2): 62-66.
[14]	王勇, 庄大方, 刘好德. 浮动车车速空间分布特性研究[J]. 交通运输系统工程与信息, 2012, 12(1): 36-41.
[15]	孙健, 刘琼, 彭仲仁. 城市交通拥挤成因及时空演化规律分析 ——以深圳市为例[J]. 交通运输系统工程与信息, 2011, 11(5): 86-.