CN101017609A

CN101017609A - 城市交通行程时间智能化分析系统

Info

Publication number: CN101017609A
Application number: CN 200710067061
Authority: CN
Inventors: 董红召; 周敏; 钱小鸿; 温晓岳; 徐建军; 吕锦亮
Original assignee: Zhejiang University of Technology ZJUT
Current assignee: Zhejiang University of Technology ZJUT
Priority date: 2007-02-07
Filing date: 2007-02-07
Publication date: 2007-08-15
Anticipated expiration: 2027-02-07
Also published as: CN100468481C

Abstract

一种城市交通行程时间智能化分析系统，包括安装在城市交通网络的各个路口的抓拍识别设备、智能化服务器，各个抓拍识别设备连接智能化服务器；智能化服务器包括城市交通网络拓扑结构模块、车辆抓拍识别模块、路段平均行驶时间计算模块、违章判别模块，并建立路网拓扑结构与OD矩阵的对应关系。由于采用了抓拍设备获取车辆的号牌信息，并且利用道路表存放路网的拓扑结构，较之以往单纯基于理论分析的方法不同，该系统能够应用于复杂城市路网，并可在后台动态增加道路节点。本发明提供一种基于OD矩阵，同时考虑车流量、行程时间带来的约束、能够应用到城市复杂网路、适用性好的城市交通行程时间智能化分析系统。

Description

城市交通行程时间智能化分析系统

(一)技术领域

本发明涉及城市交通智能化系统领域，尤其是一种城市交通行程时间分析系统。

(二)背景技术

智能化交通系统利用先进的信息技术和网络技术，使原有的道路得到充分的利用，增加交通的运输能力，缩短运输时间，节省能源。另一方面，智能交通依靠各种先进控制手段和方法，提高行车安全性，可靠性，大大降低事故发生率，减少人员的伤亡和车辆损失，也带来社会效益和经济效益。

在城市道路这种复杂路网上，目前国内提出的利用最小二乘法和基于模糊综合评判的动态路径行程时间预测，都仅适用于简单路径和对车流状况有一定的限制，很难应用到实际路网上去。例如利用最小二乘法进行行程时间的判定仅适用于车道流量稳定或者变化比较均匀的情况，并且不能应用到交织区路段；而基于模糊综合评判的动态路径行程时间预测方法虽然考虑了车辆的行驶时间和交通延时两部分时间，但提出了一系列假设：1)各车辆进入路段的时间是相互独立的；2)假设在每个路口处于等待红灯状态时，到达该路口加入等待队伍的车辆等待时间服从参数为K的Poisson分布；3)车辆在行驶过程中不会因遇红灯以外的原因停车。因此这给实际应用带来种种限制。

(三)发明内容

为了克服已有城市交通智能化系统的单纯考虑车流量带来的约束、仅适用于简单路径、适用性差的不足，本发明提供一种基于OD矩阵，同时考虑车流量、行程时间带来的约束、能够应用到城市复杂网路、适用性好的城市交通行程时间智能化分析系统。

本发明解决其技术问题所采用的技术方案是：

一种城市交通行程时间智能化分析系统，包括安装在城市交通网络的各个路口的抓拍识别设备、智能化服务器，所述的各个抓拍识别设备连接智能化服务器；所述的智能化服务器包括：城市交通网络拓扑结构模块，用于依照城市交通网络的各个路口及其连接关系建立路网拓扑结构，设定相互连接的路口之间的行程和该路段的道路限速，并建立路网拓扑结构与OD矩阵的对应关系；车辆抓拍识别模块，用于在车辆通过路口时，向抓拍识别设备发出抓拍指令，并读取抓拍识别设备的数据，记录该车辆的车牌号以及抓拍时间；路段平均行驶时间计算模块，用于依照路网拓扑结构，通过车牌号统计当前时刻前的一段时间内通过该路口的车辆，再和相互连接的路口通过的车辆匹配，找到车牌号相同的车辆，将该车辆经过两个不同路口的时间相减，得到两个路口的行驶时间；违章判别模块，用于根据所述的两个路口的行驶时间，并根据网拓扑结构重的两个路口的行程以及道路限速，计算车辆在该路段的平均行驶速度，比对道路限速，如平均行驶速度比道路限速大，判定为违章，并记录该违章车辆的车牌号、违章时间以及违章路段。

作为优选的一种方案：所述的智能化服务器还包括：违章查询过程，用于依据违章记录模块的记录，建立违章时间、违章路段与违章车辆的车牌号的对应序列，并建立该序列的查询模式。

作为优选的另一种方案：所述的智能化服务器还包括：流量计算模块，用于依据车辆抓拍识别模块，对各个路口的车流量进行统计，并按照时间片记录统计的车流量。

作为优选的再一种方案：所述的智能化服务器还包括：图形化查询模块，用于将路网拓扑结构与电子地图建立对应关系，当点击电子地图上的两个相邻的路口时，可对该相邻路口的相关交通流信息进行查询显示。

本发明的技术构思为：OD(Origin-Destination)矩阵(OD交通流量(ODtrafficflow))，是描述交通网络中所有起点与终点之间的出行交通数量，反映了用户对交通网络的基本要求，它是进行交通网络规划和交通管理的重要依据。OD矩阵则反映了特定的时段内随时间变化的交通需求模式；OD分析是在此基础上对已有的OD数据进行再处理，从而挖掘出深层次信息的过程。本系统就是基于此目的而开发的基于城市道路的OD行程时间分析系统。

由于动态OD矩阵数据存在大量的不确定性，同时给OD分析也带来极大的不确定性。本发明采取的方法是在大量时变OD矩阵数据的基础上，以一定时间片为单位，将各个被研究的路口间的交通量为研究对象，在此时间段内将动态OD矩阵视为静态OD矩阵，对其中的数据进行处理，从而拟合近似全过程动态OD分析的结果。这里关键因素是时间片的选取以及根据时间片对所获取的OD数据进行交通参数的分析。

在此我们根据每个路口的历史数据进行时间片的选取。由于交通流存在着周期性，通过匹配历史OD矩阵，以一定车流量作为阈值来获取目标OD对在一个交通流周期内(通常为一周)经过该车流量所需的最小时间间隔，以此作为下一周期进行处理所需的时间片。因此在这里作为阈值的车流量值的选取显得十分重要，选取过大将直接导致时间片的变大，会影响用静态OD分析拟合动态OD分析的精度；选取过小将导致系统处理的开销变大，在一定程度下还将导致“龙格现象”的产生——随着时间片的缩小，误差反而会扩大。

下面我们以OD矩阵中的任意两OD对为例，具体实现过程为：

定义：OD对集合{(O_k D_k)|k＝1，2，…，m}的历史抓拍记录集为

O_{k} = (\begin{matrix} {x_{11}}^{(k)} & {t_{11}}^{(k)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {x_{1 n}}^{(k)} & {t_{1 n}}^{(k)} \end{matrix}),

D_{k} = (\begin{matrix} {x_{21}}^{(k)} & {t_{21}}^{(k)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {x_{2 n}}^{(k)} & {t_{2 n}}^{(k)} \end{matrix}),

这里x_ij ^(k)表示第k(k＝1，2)组OD对位于起点(i＝1)或者终点(i＝2)的第j(j＝1，…，n)组车辆的特征标识，t_ij ^(k)为对应的抓拍时间，(x_ij ^(k)t_ij ^(k))构成一个键值对。

定义：路网实时OD数据矩阵

A = (\begin{matrix} x_{1} & t_{1} & s_{1} \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ x_{n} & t_{n} & s_{n} \end{matrix}),

其中x_i(i＝1，…，n)为车辆特征信息，t_i(i＝1，…，n)为抓拍时间信息，s_i(i＝1，…，n)为抓拍地点的特征信息。

1)将OD矩阵(O₁，D₁)，(O₂，D₂)中存放的键值对进行匹配以去除其中的冗余和无用信息，得到新的矩阵为

{\overset{&OverBar;}{O}}_{1} = (\begin{matrix} {\overset{&OverBar;}{x_{11}}}^{(1)} & {\overset{&OverBar;}{t_{11}}}^{(1)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {\overset{&OverBar;}{x_{1 m}}}^{(1)} & {\overset{&OverBar;}{t_{1 m}}}^{(1)} \end{matrix}),

{\overset{&OverBar;}{D}}_{1} = (\begin{matrix} {\overset{&OverBar;}{x_{21}}}^{(1)} & {\overset{&OverBar;}{t_{21}}}^{(1)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {\overset{&OverBar;}{x_{2 m}}}^{(1)} & {\overset{&OverBar;}{t_{2 m}}}^{(1)} \end{matrix}),

\overset{&OverBar;}{O_{2}} = (\begin{matrix} {\overset{&OverBar;}{x_{11}}}^{(2)} & {\overset{&OverBar;}{t_{11}}}^{(2)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {\overset{&OverBar;}{x_{1 h}}}^{(2)} & {\overset{&OverBar;}{t_{1 h}}}^{(2)} \end{matrix}),

\overset{&OverBar;}{D_{2}} = (\begin{matrix} {\overset{&OverBar;}{x_{21}}}^{(2)} & {\overset{&OverBar;}{t_{21}}}^{(2)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {\overset{&OverBar;}{x_{2 h}}}^{(2)} & {\overset{&OverBar;}{t_{2 h}}}^{(2)} \end{matrix}),

满足条件：

m≤n，h≤n，

{\overset{&OverBar;}{x_{1 i}}}^{(1)} = {\overset{&OverBar;}{x_{2 i}}}^{(1)} &Element; {{x_{1 i}}^{(1)} | i = 1, . . . m} \cap {{x_{2 i}}^{(1)} | i = 1, . . . m},

{\overset{&OverBar;}{t_{1 i}}}^{(1)} < {\overset{&OverBar;}{t_{2 i}}}^{(1)};

{\overset{&OverBar;}{x_{1 i}}}^{(2)} = {\overset{&OverBar;}{x_{2 i}}}^{(2)} &Element; {x_{1 i}^{(2)} | i = 1, . . . h} \cap {{x_{2 i}}^{(2)} | = 1, . . . h},

{\overset{&OverBar;}{t_{1 i}}}^{(2)} < {\overset{&OverBar;}{t_{2 i}}}^{(2)};

2)设阈值为p辆车，m≤h，如下分三种情况：

当p＞h时，表明OD对(O₁，D₁)，(O₂，D₂)都不满足阈值条件；此时退出算法。

当p∈(m，h]时，表明只有OD对(O₂，D₂)满足阈值条件，此时从

中随机挑选出p个对应的记录，得到

\overset{=}{O_{2}} = (\begin{matrix} {\overset{=}{x_{11}}}^{(2)} & {\overset{=}{t_{11}}}^{(2)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {\overset{=}{x_{1 p}}}^{(2)} & {\overset{=}{t_{1 p}}}^{(2)} \end{matrix}),

\overset{=}{D_{2}} = (\begin{matrix} {\overset{=}{x_{21}}}^{(2)} & {\overset{=}{t_{21}}}^{(2)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {\overset{=}{x_{2 p}}}^{(2)} & {\overset{=}{t_{2 p}}}^{(2)} \end{matrix});

当p≤m时，表明两组OD对(O₁，D₁)，(O₂，D₂)都满足阈值条件，此时从

中随机挑选出p个对应的记录，得到截取后的结果矩阵记为

\overset{=}{o_{1}} = (\begin{matrix} {\overset{=}{x_{11}}}^{(1)} & {\overset{=}{t_{11}}}^{(1)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {\overset{=}{x_{1 p}}}^{(1)} & {\overset{=}{t_{1 p}}}^{(1)} \end{matrix}),

{\overset{\underset{&OverBar;}{&OverBar;}}{D}}_{1} = (\begin{matrix} {\overset{\underset{&OverBar;}{&OverBar;} (1)}{x}}_{21} & {\overset{\underset{&OverBar;}{&OverBar;} (1)}{t}}_{21} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {\overset{\underset{&OverBar;}{&OverBar;} (1)}{x}}_{2 p} & {\overset{\underset{&OverBar;}{&OverBar;} (1)}{t}}_{2 p} \end{matrix})

和

\overset{=}{o_{2}} = (\begin{matrix} {\overset{=}{x_{11}}}^{(2)} & {\overset{=}{t_{11}}}^{(2)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {\overset{=}{x_{1 p}}}^{(2)} & {\overset{=}{t_{1 p}}}^{(2)} \end{matrix}),

\overset{=}{D_{2}} = (\begin{matrix} {\overset{=}{x_{21}}}^{(2)} & {\overset{=}{t_{21}}}^{(2)} \\ \cdot & \cdot \\ \cdot & \cdot \\ \cdot & \cdot \\ {\overset{=}{x_{2 p}}}^{(2)} & {\overset{=}{t_{2 p}}}^{(2)} \end{matrix})

3)如果p∈(m，h]，求出

与

的最早时间和最晚时间的差，即设

最早时间为

t_{o_{2}} = \min ({\overset{=}{t_{1 i}}}^{(2)}),

最晚时间为

t_{D_{2}} = \max ({\overset{=}{t_{2 i}}}^{(2)}), (i = 1, . . . . . ., p),

两者的最早时间和最晚时间差为

t = t_{D_{2} -} t_{o_{2}},

此时时间片为Δt＝t；当p≤m时，则计算上述与

与

的最早时间和最晚时间的差，最早时间为

t_{o_{1}} = \min ({\overset{=}{t_{1 i}}}^{(1)}),

最晚时间为

t_{D_{1}} = \max ({\overset{=}{t_{2 i}}}^{(1)}),

最早时间为

t_{o_{2}} = \min ({\overset{=}{t_{1 i}}}^{(2)}),

最晚时间为

t_{D_{2}} = \max ({\overset{=}{t_{2 i}}}^{(2)}), (i = 1, . . . . . ., p),

则两者的时间差分别为

t_{1 =} t_{D_{1} -} t_{o_{1}},

t_{2 =} t_{D_{2} -} t_{o_{2}};

为了满足阈值为至少通过p辆车的条件，则选择时间片为Δt＝max(t₁，t₂)。

在获取相应分析所需的时间片之后，将由前端抓拍识别设备所获取的动态OD矩阵数据用该时间片进行划分，在这时间段内，采用静态OD分析的方法对其进行分析。将相关路口所获得的车辆抓拍数据进行统计排序，利用路口的相关性进行行程时间的求解，并对异常数据筛选过滤；供后续模块调用。

根据以上所获取得时间片Δt，求得路段行程时间的算法流程如下：定义：路段行程时间处理矩阵

C = (\begin{matrix} x_{1} & {\overset{&OverBar;}{T}}_{1} & s_{i} &RightArrow; s_{j} \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ x_{n} & {\overset{&OverBar;}{T}}_{n} & s_{k} &RightArrow; s_{n} \end{matrix}),

其中x_i(i＝1，…，n)为车辆特征信息，

{\overset{&OverBar;}{T}}_{i} (i = 1, \cdot \cdot \cdot, n)

为相应两抓拍地点的抓拍时间差，s_i→s_j(i＝1，…，n；j＝1，…，n)为做时间差的两抓拍地点特征信息，并且s_i处的抓拍时间先于s_j。

1)根据系统所提供的初始时间t，以一个时间片Δt为处理周期，对动态OD数据进行数据筛选，这一步的目的是选择所要处理的定义域。例如某一时段由路口光端机发送过来的动态OD数据为

A = (\begin{matrix} x_{1} & t_{1} & s_{1} \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ x_{n} & t_{n} & s_{n} \end{matrix}),

则筛选后的数据为：

\overset{&OverBar;}{R} = (\begin{matrix} x_{1} & t_{1} & s_{1} \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ x_{m} & t_{m} & s_{m} \end{matrix}), (m \leq n, t \leq t_{i} \leq t + Δt)

2)根据时间段所筛选出的OD数据存在较大的冗余性，例如两相邻路口存在岔路或者由于其它各种因素，两路口记录的车辆信息存在较大的不匹配现象，在进入下一步处理前必须先将这些数据进行车辆标识信息匹配，将那些单一或者异常数据去除，最终获得进行行程时间计算所需的数据。所采用的算法如下：

◆设x＝x₁

◆用x依次遍历记录集

◆当x_i＝x，则将x和x_i对应的记录记入结果集R，并删除中对应的记录值，如果

存在唯一记录，则转到第v步，否则将

中记录重新编号，将首记录记为x₁，转到第i步。

◆当x_i≠x，删除

中x对应的记录，如果

存在唯一记录，则转到第V步，否则将

中记录重新编号，将首记录记为x₁，转入第i步

◆结束

最后所得的结果集为：

R = (\begin{matrix} x_{1} & t_{1} & s_{1} \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ x_{h} & t_{h} & s_{h} \end{matrix})

(h≤m，且其中车辆标识x_i(i ∈[1，n])至少存在一个重值)

3)将第2步匹配获得的OD数据样本R进行行程时间的判定。由于R中的x_i存在重值，假设x_i＝u的重数为k，将u在R中对应的k条记录记为

R_{i} = (\begin{matrix} u & t_{i} & s_{i} \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ u & t_{i + k - 1} & s_{i + k - 1} \end{matrix}),

将其记录按时间域两两作差，则结果共有C_k ²，所得结果矩阵为

C_{i} = (\begin{matrix} u & T_{i} & s_{i} &RightArrow; s_{i} \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ u & T_{i + C_{k}^{2} - 1} & s_{i + k - 1} &RightArrow; s_{i + k - 1} \end{matrix})

4)此时，需利用路网的路口邻接关系对进行进一步筛选，筛选后的形式为

{\overset{&OverBar;}{C}}_{i} (\begin{matrix} u & {\overset{&OverBar;}{T}}_{1} & s_{i} &RightArrow; s_{j} \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ = u & {\overset{&OverBar;}{T}}_{m} & s_{k} &RightArrow; s_{n} \end{matrix}),

满足条件：

{\overset{&OverBar;}{T}}_{i >} 0, (0 < i < m),

且s_i与s_j，s_k与s_n相邻

5)循环第3)，4)步，求出各组数据的行程时间结果矩阵

{\overset{&OverBar;}{C}}_{i}, (1 \leq i \leq h),

得出的各车辆的路口间行程时间结果阵以分块矩阵表示为

\overset{&OverBar;}{C} (\begin{matrix} \overset{&OverBar;}{C_{1}} \\ \overset{&OverBar;}{C_{2}} \\ \cdot \\ \cdot \\ \cdot \\ \overset{&OverBar;}{C_{h - 1}} \\ \overset{&OverBar;}{C_{h}} \end{matrix}) .

6)由于

中的数据是针对单一车辆样本的行程时间结果，为了求出整个路段的行程时间，仍需对

中的结果集根据路段对时间进行加权平均处理。取中路段信息为s_i→s_j的记录集为

D_{i} = (\begin{matrix} x_{m} & {\overset{&OverBar;}{T}}_{m} & s_{i} &RightArrow; s_{j} \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot \\ x_{n} & {\overset{&OverBar;}{T}}_{n} & s_{i} &RightArrow; s_{j} \end{matrix}),

根据车辆标识类型x_i的不同，给相应记录赋予一定的权值α_i。此时

D_{i} = (\begin{matrix} x_{m} & {\overset{&OverBar;}{T}}_{m} & s_{i} &RightArrow; s_{j} & α_{m} \\ \cdot & \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot & \cdot \\ \cdot & \cdot & \cdot & \cdot \\ x_{n} & {\overset{&OverBar;}{T}}_{n} & s_{i} &RightArrow; s_{j} & α_{n} \end{matrix}),

此时，按如下公式进行加权平均所得的s_i→s_j的路段平均行程时间为：

\overset{=}{T_{ij}} = Σ_{k = m}^{n} {\overset{&OverBar;}{T}}_{k} α_{k}

，此时的D_i仅包含路段信息，记为

D_{i} = (\begin{matrix} \overset{=}{T_{ij}} & s_{i} &RightArrow; s_{j} \end{matrix})

以此计算出其它各个路段的行程时间，得结果集为

C = (\begin{matrix} D_{1} \\ D_{2} \\ \cdot \\ \cdot \\ \cdot \\ D_{h - 1} \\ D_{h} \end{matrix}) .

本发明的有益效果主要表现在：1、由于采用了抓拍设备获取车辆的号牌信息，并且利用道路表存放路网的拓扑结构，较之以往单纯基于理论分析的方法不同，该系统能够应用于复杂城市路网，并可在后台动态增加道路节点；2、由于基于抓拍识别设备，此处所关注的是路口的抓拍信息，不再对车辆在道路上的情况作过多要求，因此可有效避免上述两方法中提出的对车流量的限制要求；3、操作简便，基于B\S开发模式，任何联网用户只需浏览器即可访问；可拓展性强，便于后续延伸；4、动态的时间片技术，可根据历史交通流变化情况动态修改处理的时间片；5、具有数据导出功能，能对后续的典型行车路线的获取和繁忙路线的预测提供必要的数据源接口。

(四)附图说明

图1是城市交通行程时间智能化分析系统的功能框图。

图2是城市交通行程时间智能化分析系统的处理流程图。

图3是计算路段平均行驶时间的流程图。

图4是违章判断的流程图。

(五)具体实施方式

下面结合附图对本发明作进一步描述。

参照图1、图2、图3、图4，一种城市交通行程时间智能化分析系统，包括安装在城市交通网络的各个路口的抓拍识别设备1、智能化服务器2，所述的各个抓拍识别设备1连接智能化服务器2；所述的智能化服务器2包括：城市交通网络拓扑结构模块，用于依照城市交通网络的各个路口及其连接关系建立路网拓扑结构，设定相互连接的路口之间的行程和该路段的道路限速，并建立路网拓扑结构与OD矩阵的对应关系；车辆抓拍识别模块，用于在车辆通过路口时，向抓拍识别设备发出抓拍指令，并读取抓拍识别设备的数据，记录该车辆的车牌号以及抓拍时间；路段平均行驶时间计算模块，用于依照路网拓扑结构，通过车牌号统计当前时刻前的一段时间内通过该路口的车辆，再和相互连接的路口通过的车辆匹配，找到车牌号相同的车辆，将该车辆经过两个不同路口的时间相减，并对这些样本数据进行统计分析得到两个路口的行驶时间；违章判别模块，用于根据所述的两个路口的行驶时间，并根据网拓扑结构重的两个路口的行程以及道路限速，计算车辆在该路段的平均行驶速度，比对道路限速，如平均行驶速度比道路限速大，判定为违章，记录该违章车辆的车牌号、违章时间以及违章路段。

所述的智能化服务器还包括：违章查询过程，用于依据违章记录模块的记录，建立违章时间、违章路段与违章车辆的车牌号的对应序列，并建立该序列的查询模式。流量计算模块，用于依据车辆抓拍识别模块，对各个路口的车流量进行统计，并按照时间片记录统计的车流量。图形化查询模块，用于将路网拓扑结构与电子地图建立对应关系，当点击电子地图上的两个相邻的路口时，链接到路网拓扑结构的两个相互连接的路口。

本实施例的流量查询：通过查询数据库，显示各个路口在某时间刻的前一个时间段内的经过的车辆数目；所选参数为路口名称，起始时间段。

行驶时间的显示：查询数据库，显示当前的路口间的行驶时间。

图形化查询：在电子地图上，点击要查询的两个路口，可以显示这两个路口间的行驶时间；所选参数为起始路口名称，起始时间段。

违章查询：在接口上输入所需查询的号牌以及时间段，即可判断当前车辆是否在该时间段内违章超速。

Claims

1、一种城市交通行程时间智能化分析系统，其特征在于：所述智能化分析系统包括安装在城市交通网络的各个路口的抓拍识别设备、智能化服务器，所述的各个抓拍识别设备连接智能化服务器；所述的智能化服务器包括：城市交通网络拓扑结构模块，用于依照城市交通网络的各个路口及其连接关系建立路网拓扑结构，设定相互连接的路口之间的行程和该路段的道路限速，并建立路网拓扑结构与OD矩阵的对应关系；车辆抓拍识别模块，用于在车辆通过路口时，向抓拍识别设备发出抓拍指令，并读取抓拍识别设备的数据，记录该车辆的车牌号以及抓拍时间；路段平均行驶时间计算模块，用于依照路网拓扑结构，通过车牌号统计当前时刻前的一段时间内通过该路口的车辆，再和相互连接的路口通过的车辆匹配，找到车牌号相同的车辆，将该车辆经过两个不同路口的时间相减，得到两个路口的行驶时间；违章判别模块，用于根据所述的两个路口的行驶时间，并根据网拓扑结构重的两个路口的行程以及道路限速，计算车辆在该路段的平均行驶速度，比对道路限速，如平均行驶速度比道路限速大，判定为违章，并记录该违章车辆的车牌号、违章时间以及违章路段。

2、如权利要求1所述的城市交通行程时间智能化分析系统，其特征在于：所述的智能化服务器还包括：

违章查询过程，用于依据违章记录模块的记录，建立违章时间、违章路段与违章车辆的车牌号的对应序列，并建立该序列的查询模式。

3、如权利要求2所述的城市交通行程时间智能化分析系统，其特征在于：所述的智能化服务器还包括：

流量计算模块，用于依据车辆抓拍识别模块，对各个路口的车流量进行统计，并按照时间片记录统计的车流量。

4、如权利要求3所述的城市交通行程时间智能化分析系统，其特征在于：所述的智能化服务器还包括：

图形化查询模块，用于将路网拓扑结构与电子地图建立对应关系，当点击电子地图上的两个相邻的路口时，链接到路网拓扑结构的两个相互连接的路口。