面向多源数据的街道可骑行指数动态评估实现方法与流程

1.本发明涉及的是一种交通控制领域的技术，具体是一种面向多源数据的街道可骑行指数动态评估实现方法。


背景技术：

2.近年来，我国城市的慢行交通系统一直在发展和改进中。自行车交通已成为居民绿色健康出行的主要途径，一套系统的骑行质量评估方法对于慢行街道友好型设计至关重要。然而，现有的评估方法仅仅局限于道路的几何特征，这样的评估结果是静态的，无时域特性。因为影响骑行质量的因素是多方面的，集中体现于交通状况、道路几何特征、天气环境状况等。其中，随时间改变的因素对骑行质量的耦合作用会导致骑行质量的动态变化。因此，现有的对骑行质量的评估方法是不充分的，有待进一步发展。


技术实现要素：

3.本发明针对现有技术存在的上述不足，提出一种面向多源数据的街道可骑行指数动态评估实现方法。该方法以动态的可骑行指数代替传统的静态指标，量化了交通状况、道路几何特征和天气环境状况对于骑行质量的耦合作用。评估结果可用于反馈道路设计和管理人员，实施相关工程优化措施，改善骑行环境。
4.本发明是通过以下技术方案实现的：
5.本发明涉及一种面向多源数据的街道可骑行指数动态评估实现方法，包括：
6.步骤1)多源数据采集：通过gps模块、加速度传感器芯片、led心率传感器采集位置信息，道路几何数据以及骑行者的心率数据。本发明提供的适用于智能手机的骑行app可获取骑行时的天气环境数据并记录实时的交通状况。利用微处理单元中的蓝牙模块能够将小波降噪处理后的传感器数据传输至上位机，并与天气环境数据和交通状况数据进行融合，为可骑行指数的动态评估提供支撑。
7.所述的加速度传感器芯片封装了三轴加速度计、三轴陀螺仪和磁力计，以100hz的频率采集三维离散时域信号。
8.所述的led心率传感器利用光电转换原理以100hz的频率检测人体脉搏跳动和反射强度的周期性信号来获取心率指标。
9.所述的微处理单元主要用于提供信号处理和数据传输功能。
10.所述的小波降噪处理能够减弱因意外因素叠加在加速度波形和脉搏信号上的噪声，过滤掉影响波形分析的杂质，提高指标计算的精度，获取更易处理的随机信号。通过将含噪信号从时域转换成小波域获取信号的小波系数，再利用小波逆变换得到重构信号，其基本原理是把小波函数在不同尺度下与原始信号作内积，具体为：其中：a是尺度因子，其作用是对小波函数ψ(t)进行伸缩变换，τ反应其位移，x(t)代表原始信号。
11.所述的自行车骑行过程中采集到的传感器数据包括三轴加速度信号和脉搏信号，
通过小波降噪处理后借助蓝牙传输到智能手机进行存储。
12.步骤2)基于分层综合测度算法的街道可骑行指数评估，具体包括：
13.2.1)骑行评估指标体系确立。这一步骤用于明确评估体系中的一级和二级指标。以u代表第一因素集合，则为u＝{u1,u2,u3|u1＝交通指数，u2＝道路指数，u3＝人体动态舒适度，u1∩u2∩u3≡ф}，第二指标集合是第一因素对舒适度评价的精细化分，u1＝{u
11
，u
12
，u
13
，u
14
|u
11
＝逆行，u
12
＝横穿，u
13
＝超越，u
14
＝站台或路边停车}，u2＝{u
21
，u
22
|u
21
＝平顺性，u
22
＝机非隔离带宽}，u3＝{u
31
，u
32
|u
31
＝环境，u
32
＝心率}，人体动态舒适度表示骑行者在适当心率下从温度、风力、湿度、紫外线强度和空气质量五方面获得的骑行质量。
14.2.2)建立可骑行指数，具体包括：交通指数、道路指数和人体动态舒适度；其效用函数则根据二级指标的变化特性建立。
15.交通条件中，逆行、横穿、超越、站台或路边停车，都与骑行质量呈负相关关系，例如，骑行过程中遇到逆行者时安全感往往会降低，影响安全性。其效用函数如，骑行过程中遇到逆行者时安全感往往会降低，影响安全性。其效用函数其中：te(r)表示自行车骑行全程的单维交通指数，r
j,i
代表对路段j上i骑行时间步长的单维交通指标的度量，v
j,i
代表路段j上i骑行时间步长的平均车速，v指的是最佳骑行车速推荐取15km/h，δ是极小型指标的归一化参数。对于逆行、横穿、超越、站台或路边停车这些指标，
16.道路条件中平顺性和机非隔离带宽都与骑行质量呈正相关关系。道路指数的效用函数恰好与交通条件相反，具体为：其中k
j,i
代表对路段j上i骑行时间步长的单维度道路指标的度量，当指标为道路平顺性时，使用单维度振动计权加速度值代替，α代表该指标的上限阈值。道路的平顺性，描述人体对振动的舒适感，与三轴振动的速度和频率有关，根据gb/t 13442—92标准，采用计权加速度值表征振动对人体舒适性的影响。某一单位长度路段上，单维度振动计权加速度值由各个频段中心频率处的1/3倍频程的有效加速度值值乘以不同计权因子得到：具体为其中：β
i
是该频程中心频率所对应的加权系数，骑行过程中重点关注z轴加速度。
17.心率、温度、风力、湿度和紫外线强度属于范围型指标，例如，自行车骑行时的温度太高或太低都会直接影响骑行者的骑行质量。传统的人体舒适度指数i
chb
主要是从温度、风力和湿度三方面描述外界环境对人体的影响，然而，对于一些户外运动，紫外线强度和空气质量已经越来越受关注。当紫外线过强时，人们不得不采取相应的隔离措施甚至是减少出行。空气质量则直接影响人们的健康状况，空气质量较低时，往往不适合运动。此外，自行车骑行属于户外活动，人体也始终处于运动状态，骑行者骑行时的心率变化会明显影响骑行质量。
18.所述的人体动态舒适度其中τ代表代表归一化系数，一般模式取1，运动状态取0.8，h代表平均心率，h
s
代表最佳心率，非运动状态为72次/
min，i
mc
代表环境指数，可以按照下式计算：其中i
c
代表环境舒适度因子，其计算方法为：ur代表紫外线强度等级，aqi代表空气质量指数。我们在传统的i
chb
基础上了加入了紫外线和空气质量因素，而i
chb
指数的计算方法为：其中t为摄氏温度；rh为相对湿度百分比，v为风力。
19.2.3)基于用户自行车骑行画像描述的赋权矩阵。每位用户都是一个独立的自行车骑行个体，具有自行车骑行方式、自行车骑行目的和自行车骑行态度上的差异，评价的过程有必要加入骑行者的意见。鉴于此，本发明提出以个人自行车骑行画像修正赋权矩阵。用户在使用该系统时需要按照要求选择对指标集合的差异化描述，根据这一描述，系统可以建立关于同等级下同一指标集合中不同子元素的重要度向量w＝[w
1 w
2 ... w
s
]，∑
g
w
s，g
＝1，s∈r，g∈s，其中：w
s,g
代表指标一级指标s中的二级指标g的用户权重，scr
s,g
代表用户对一级指标s中的二级指标g的关注程度，r是一级指标集合。当设定系统预设客观权重向量为o＝[o
1 o
2 ... o
s
]，则基于用户自行车骑行画像描述的赋权矩阵为g＝[g
1 g
2 ... g
s
]，其中各指标修正权重的计算方法为：其中μ代表相同指标中的最小权重值，λ代表相同指标中的最大权重值。
[0020]
2.4)计算综合加权街道可骑行指数其中：c代表街道可骑行指数，w
n
代表基于用户自行车骑行画像描述的一级赋权矩阵，w
ni
代表基于用户自行车骑行画像描述的二级赋权矩阵，v
ni
代表二级指标关于骑行质量的效能值。当0.7≤c，该路段的可骑行指数较高，骑行质量良好；当0.3≤c<0.7时，该路段的可骑行指数一般，骑行质量一般；当c<0.3时，该路段的可骑行指数较低，骑行质量糟糕。
[0021]
2.5)数据挖掘与可视化展示：将步骤2.4中得到的街道可骑行指数与经纬度进行匹配，通过python的交互式第三方地图工具包geopandas，folium实现自行车骑行过程中的可骑行指数展示。图表类型支持多种统计图、热力图、聚类图、等值线图、时序图等，用户可以通过拖动、平移和缩放个性化查看详细路段数据，支持以txt和csv格式本地化存储数据。
[0022]
2.6)建立关于街道骑行质量的个性化数据库，用于统计和评估街道在历史一个时期的可骑行指数的变化情况。
[0023]
本发明涉及一种实现上述方法的系统，包括：数据采集单元、计算单元、以及可视化单元，其中：数据采集单元利用传感器和智能手机采集多源异构数据，并对这些数据进行降噪处理，得到适用于计算单元进行分析的结构化数据，计算单元以固定时间步长读取结构化数据，计算时间步长内各级指标的效能值，同时建立基于用户自行车骑行画像描述的赋权矩阵，进而计算综合加权街道可骑行指数。可视化单元能够调用封装在骑行app内的交互式第三方地图工具包，根据计算单元传输的街道可骑行指数值，将街道可骑行指数与经纬度进行匹配，实现清晰简约的图表展示。技术效果
[0024]
本发明通过面向多源数据的骑行评估指标体系以及基于分层综合测度算法的街
道可骑行指数评估方法，动态的可骑行指数代替传统的静态指标，量化了交通状况、道路几何特征和天气环境状况对于骑行质量的耦合作用。通过建立交通指数、道路指数和人体动态舒适度三种维度下的效能函数和基于用户自行车骑行画像描述的赋权矩阵来计算综合加权街道可骑行指数。本发明通过交通指数、道路指数和人体动态舒适度的计算参数都来自能被客观检测的骑行环境属性。现有技术相比，本发明动态的可骑行指数代替传统的静态指标，建立了考虑交通、道路和环境状况的分层综合测度算法以量化自行车骑行过程中多因素对骑行质量的耦合作用。该方法将街道可骑行指数划分为交通指数、道路指数和人体动态舒适度三个维度，分别建立各指标的效用函数。基于用户自行车骑行画像描述的赋权矩阵能够以个人自行车骑行画像修正客观赋权矩阵，这有利于体现骑行者在骑行目的和态度方面的差异，根据实时自行车骑行需求精准量化街道可骑行指数。结合python的第三方地图工具包和gis技术将丰富的可视化方法赋能自行车骑行服务系统，方便以点和线的形式在地图上展示骑行路段的可骑行指数。评估结果可用于反馈道路设计和管理人员，实施相关工程优化措施，改善骑行环境，提高出行品质，助力打造具有人文关怀的、健康绿色的城市慢行交通系统。
附图说明
[0025]
图1为数据采集装置内部构造示意图
[0026]
图2为分层综合测度算法；
[0027]
图3为本发明流程示意图；
[0028]
图4为配套手机app应用界面图示意图；
[0029]
图5为场景一脉搏信号示意图；
[0030]
图6为场景一x轴加速度变化示意图；
[0031]
图7为场景一y轴加速度变化示意图；
[0032]
图8为场景一z轴加速度变化示意图；
[0033]
图9为场景二脉搏信号示意图；
[0034]
图10为为场景二x轴加速度变化示意图；
[0035]
图11为场景二y轴加速度变化示意图；
[0036]
图12为场景二z轴加速度变化示意图；
[0037]
图13为可视化效果展示示意图。
具体实施方式
[0038]
图1为本发明提供的数据采集装置。所述的数据采集装置内置的可充电式电源有能力为芯片提供5v的工作电压，连续工作时间可达4小时。采集装置中的cc2650微处理器具备128kb的闪存空间和蓝牙传输功能，便携性强，方便实现对原始信号的降噪和传输，支持txt和csv格式分项存储。
[0039]
为尽可能突出系统在多场景下的实用性，同时展示更具有差异化的结果，选取两个测试场景。第一个是自行车骑行专用道，全长6公里，绿化率高。第二个场景恰好相反，绿化率低，部分路段存在施工和陡坡，全长5公里。
[0040]
采集数据时为消除参与者生理特征对实验结果的影响，使用同一个实验者(该实
验者体重67kg，身高178cm，男性)在不同时段采集数据。如图3所示，具体包括：
[0041]
1.数据采集装置需固定于参与者手腕位置处，由于采集装置已经配备系带，不用担心采集过程中发生掉落。
[0042]
2.启动采集装置，通过蓝牙与智能手机连接，进行设备调试。调试过程要求参与者运动一小段距离，当设备运转正常，则app用户界面会出现gps定位信息，同时产生信号波形。
[0043]
3.开始测试前，系统会要求用户从自身的角度对比同级指标中各个二级指标的喜好度，如图5所示的app界面详细展示这一过程。对于交通指数、道路指数和人体动态舒适度三个指标，假设客观权重o＝[0.31,0.3,0.39]，由用户画像得到权重矩阵为o＝[0.35,0.22,0.43]，则根据计算得到修正的客观赋权矩阵为g＝[0.315,0.321,0.394]，则归一化后的赋权矩阵为g1＝[0.306,0.312,0.382]。
[0044]
4.骑行实验中，要求自行车骑行者在道路右侧行驶，尽量保持平时骑行的习惯，骑行过程中遇到颠簸或者不平顺的路面不可以绕行，并尽可能保持车身稳定以及心态平和。图6
‑
12为两种场景下单个采样单元的传感器数据。
[0045]
5.利用如图2所示的分层综合测度算法，计算该骑行单元的综合加权街道可骑行指数。
[0046]
6.根据以上结果计算实验路段的平均加权街道可骑行指数，利用python的第三方工具包可以将展示出舒适度的可视化效果。如图13是两个场景下街道可骑行指数的可视化效果图，此处以宽度代表舒适度，宽度越宽，骑行质量越糟糕。
[0047]
本实施例采用运行内存为6g的华为手机，系统型号为harmonyos2.0，处理器型号为kirin810进行测试：采样间隔为1s，在经过设备调试后以200m为一个采集单元，计算可骑行指数，全实验路段的可骑行指数等于各采集单元的平均值。
[0048]
经过具体实际实验，得到两种测试场景下的部分传感器数据为图5
‑
12，两种场景的街道可骑行指数在图13中显示。下面以场景一中的一个骑行单元为例展示街道可骑行指数的计算过程。根据以1s为采样间隔，利用图5
‑
12中的数据，计算得到该路段的道路指数矩阵为re＝[0.56,0.74,0.88]。测得采集单元内逆行、横穿、超越、站台或路边停车的度量矩阵为r＝[5,1,6,0]，平均骑行速度为13km/h，由于分析对象为一个采集单元，δ＝r，根据计算交通指数矩阵为te＝[0.267,0.808,0.135,1]。测量时段温度、风力、湿度、紫外线强度和空气质量的度量矩阵为[23摄氏度,3级,0.335,2级,空气质量29]。则根据可以计算得到环境舒适度因子i
c
＝70.644，进一步，根据计算得环境指数i
mc
＝194.768。测得实验者平均心率为78次/min，根据率为78次/min，根据计算的人体动态舒适度mc＝1.081。则最终的二级指标效用矩阵可描述为e＝[re,te,mc]，基于用户自行车骑行画像描述的赋
权矩阵g2＝[[0.23,0.4,0.37],[0.4,0.3,0.1,0.2],1]，则一级指标的效用矩阵为[0.75,0.563,1.081],根据计算该骑行单元的综合加权街道可骑行指数为0.818，因此该路段骑行质量较高，骑行质量良好。
[0049]
与现有技术相比，本方法集数据采集技术、数据评估与可视化技术，以动态的可骑行指数代替传统的静态指标，建立了考虑交通、道路和环境状况的分层综合测度算法以量化自行车骑行过程中多因素对骑行质量的耦合作用。本发明提出的骑行质量评估方法可以从交通指数、道路指数和人体动态舒适度三个维度评估骑行环境质量。当某一路段上其中一个指数较低时，本发明的数据可视化模块可直接在地图上展现。交通设计和管理人员可根据该指数寻找影响骑行质量的具体原因，并实施有针对性的改善措施，提高该路段的骑行质量。
[0050]
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。