CN101046919A - 基于交通流相特征的城市交通系统状态可视化评价方法及其应用 - Google Patents
基于交通流相特征的城市交通系统状态可视化评价方法及其应用 Download PDFInfo
- Publication number
- CN101046919A CN101046919A CNA200610122680XA CN200610122680A CN101046919A CN 101046919 A CN101046919 A CN 101046919A CN A200610122680X A CNA200610122680X A CN A200610122680XA CN 200610122680 A CN200610122680 A CN 200610122680A CN 101046919 A CN101046919 A CN 101046919A
- Authority
- CN
- China
- Prior art keywords
- traffic
- phase
- density
- flow
- traffic flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于交通流相特征的城市交通系统状态可视化评价方法,包括下述步骤:A.在特定道路截面采集持续时间不低于三个月的实时信号波形,构造交通流状态参量;B.对交通流状态参量进行信号滤波,以获得交通流的样本总体;C.计算样本总体中所有样本的平均值和标准差,并以标准差与平均值的比值作为样本离散系数;D.依据交通流多维状态参量强聚集性特征,构造和优化用于评价的标准特征相平面图;E.将交通系统的历史数据、当前数据及预测数据置于标准相图上,直观地判别交通系统的运行状态和变化趋势。本发明方法可用于利用交通实时数据分析进行的各种交通工程技术活动,具有直观明了,易于应用,判断准确性高,适用范围广的优点。
Description
技术领域
本发明涉及城市交通系统的状态评价技术,特别涉及一种基于交通流相特征的城市交通系统状态可视化评价方法及其应用。
背景技术
城市道路拥挤是影响我国经济发展的重要问题。随着城市化进程的深入和人们的生活水平的不断提高,城市人口及机动车辆随之剧增,城市的交通堵塞状况变得日益严重。治理交通堵塞的措施目前主要有两大类:第一类是扩建道路,从量上解决道路容量不能满足交通需求的矛盾;第二类是通过先进的科学技术手段和交通管理措施,协调上述矛盾的双方,从质上改变现有道路网的交通管理体系,即智能交通系统。从国内外多年的探索和实践可知,智能交通系统具有以较小的费用来改善道路网交通整体运行效率的优势。
交通信息发布是智能交通系统应用领域中一项重要功能和组成部分。它以交通流运动机理为理论依据,通过多种媒体方式为出行者和交通管理者提供实时有效的交通信息,指出道路网通畅的行驶路线,从而避免司机盲目出行或道路管理者错误决策而造成的交通阻塞,达到路网畅通、高效运行之目的,使整个道路网保持于一个有意识、有目的、主观能动的、可实时调节的、全局性的交通网动态平衡状态。
与交通堵塞解决方案的迫切需求和建设交通基础设施的巨大市场相比,智能交通系统的基础理论研究形成了一个很大的反差。以城市交通流运动机理为基础的道路运行状态评估模型研究远远跟不上国家经济发展形势的需求,现有的交通流理论无法解释和预测城市交通拥挤的生成机理和演化趋势。近年来,人们对采用数学模型解释交通系统问题的方法提出了质疑,开始重新回归到对交通流本身表现出来的现象进行研究。从Greenshield(1935)、Edie(1961)、Helbing(1995),到Kerner(2004)为代表的科学家们采用了交通流外部特征研究的分析方法。与模型分析法相比,特征分析法的核心是依据交通流外部特征来描述整体现象,而不是单纯依据数学函数来描述某一类现象。从大量的交通数据分析表明,交通流随着密度的增加,将会经历自由流、拥挤流和堵塞流三个性质迥然不同的相态。不同相的状态变量之间在适当的时空尺度下将会表现出强聚集性的特征,否则,它们将离散地分布在一个复杂的几何区域内,甚至无法用函数关系来表示。交通系统的状态不仅受到道路几何条件如车道缩窄的瓶颈地带影响,而且与交通系统内部多种影响因素有着密切的联系。交通流存在着由自由相向拥挤相转化;拥挤相向堵塞相转化的可能,也存在着在自由相状态下受扰时出现急剧向堵塞相转变的可能。
目前国内外已公布不少相关主题的专利申请和授权,它们从各自的角度和运动机理来描述交通流的性质。其中有,申请号为200510026214.7的中国发明专利申请公开了一种城市路网交通流状态估计方法,着眼于车载GPS卫星定位数据,结合相应的悉尼自适应交通控制系统(SCATS)提供的交通信号状态信息,以路段为对象,对城市路网的交通流状态速度进行拟合建模,得到固定时刻城市路网中各有向路段沿路段方向上的平均速度,以速度为指标完成对当前交通流拥堵状态的分析估计。专利号为WO2005064565-A1的发明专利公布了一种提供交通状态信息的方法,在交通状态标识文本,尤其是利用车辆定位检测设备的GPS信息判断车辆平均速度,通过拥挤检测设备的平均速度预设值判别交通状态。上述两种技术都采用速度参量来判别信号控制交叉口状态,这对于控制参数变化的交叉路口来说是不合适的,当信号控制参数变化时延误时间部分将会改变,判别参量的阈值也随之而改变;申请号为200510040621.3中国发明专利申请公开了一种交通信号控制系统运行模式自适应转换方法,将实时交通需求分成轻交通、中交通和重交通三种状态;其中交通流量低于某一设定值V1时为轻交通状态,交通流量高于某一设定值V2时为重交通状态,交通流量高于某一设定值V1、低于另一设定值V2时为中交通状态。该专利采用流量作为判别参数与实际情况不符,因为流量是多值函数,无法唯一确定交通流的状态,所选取的流量阈值含有主观因素。专利号为JP2006085511-A的日本专利公布了一种通过道路交通感应器或探测在拥挤区域行驶所积累的时间序列数据的交通信息预测系统。对拥挤区域的检测数据通过聚类方法用各种各样的类别进行交通状态评价。同时考虑到周内星期、法定假期等时间因素。该专利提供了一种交通流稳态结构的有效分析方法。
然而,更多的专利申请和授权专利则侧重于交通系统及设备的检测方法,或基于交通状态的先进控制方法。其中有,专利号为02113826.5的中国发明专利公布了一种基于视频车辆光学特征识别匹配的交通流量检测系统。该系统采用机器视觉技术,采集城市交通道路或高速高等级公路任意路段两个或两个以上不同位置车道上行驶的车辆图像,识别出车辆的光学特征,通过对不同位置采集和识别的车辆光学特征匹配结果,计算出该路段上车辆通行能力包括车流量、密度、车速、车距、逆行、超速、滞留技术指标,为交通系统工程提供智能化管理必需的交通流量信息。专利号为03116977.5的中国发明专利公开了一种基于元胞自动机的城市交通信号自组织控制方法,将城市交通信号控制系统作为交通网络处理,每个路口作为具有自主采集和处理信息功能的智能体,系统依靠网络的自组织实现每个路口交通信号控制的动态决策。用属性矩阵表达本地路口及其相邻路口的状态信息,相连路口的关系用相对方位进行描述,将交通信号控制系统建立为一个具有元胞自动机特征的虚拟网络模型。
此间,介于实时交通数据与各种先进的控制方法之间的交通系统状态评价问题,是保证控制系统有效性的一项关键技术,但目前尚鲜有涉及。
发明内容
本发明的目的在于克服现有技术存在的缺点和不足,提供一种实用性强,判断准确性高,适用范围广的基于交通流相特征的城市交通系统状态可视化评价方法。
本发明的另一目的在于提供上述城市交通系统状态可视化评价方法的应用。
本发明的目的通过下述技术方案实现:一种基于交通流相特征的城市交通系统状态可视化评价方法,包括下述步骤——
A、在特定道路截面采集持续时间不低于三个月的实时信号波形,构造交通流状态参量;
B、对交通流状态参量进行信号滤波,以获得交通流的样本总体;
C、计算样本总体中所有样本的平均值和标准差,并以标准差与平均值的比值作为样本离散系数;
D、依据交通流多维状态参量强聚集性特征,构造和优化用于评价的标准特征相平面图(简称标准相图);
E、将交通系统的历史数据、当前数据及预测数据置于标准相图上,直观地判别交通系统的运行状态和变化趋势。
所述步骤A可包括如下具体步骤:
A1、在特定的道路类型选择合适的交通流检测点设置交通检测器。尽量避免在入口匝道合流区、出口匝道分流区、路段交织区、距离信号控制交叉路口出口线小于600米的路段或受下游信号控制路口排队车辆影响的路段内布设交通检测器;所述交通检测器可为基于地点截面测量的不同检测原理和检测技术的交通检测器;。
A2、通过交通检测器采集车辆经过检测点测量范围内的实时信号波形。对于固定采样周期或可调采样周期的交通检测器,考虑到实际过程中可能产生的测量噪声,选取采样周期范围为20秒~1分钟为宜;
A3、保证持续24小时采样、连续时间不低于三个月的测量时间;
A4、由实时信号波形构造交通流状态参量,即流量、速度和密度。
所述步骤B可包括如下具体步骤:
B1、数据预处理。对步骤A4产生的状态参量进行数据处理,去掉异常值,修复缺失值;
B2、选择滑动间隔为0.5~5分钟,平均周期为3~15分钟,对上述步骤A4产生的三个状态参量进行滑动平均,以获得交通流样本总体。
所述步骤C包括如下步骤:
C1、计算样本总体中三个状态参量的平均值和标准差;
C2、以标准差与均值的比值作为样本离散系数,计算交通流样本总体中三个状态参量的样本离散系数。
所述步骤D包括如下详细步骤:
D1、设定标准相图参量;选择密度(=时间占有率)和流量作为标准相图的参量;选择密度(=时间占有率)和速度作为参考相图的参量;
D2、设定区域边界;选择流量范围为0~3000(v/h),速度范围为0~200(km/h)(也可按道路类型交通环境具体设定),密度范围为0~100(%);
D3、确定标准相图中满足低密函数关系且相关系数>0.9时对应的参考相图的最低速度值为自由相的速度临界值;
D4、计算最低速度时密度平均值和标准差,确定最低速度时的密度偏差值(E±σ)为自由相的密度临界域;
D5、计算密度对应的流量和速度样本离散系数;选择样本离散系数产生急剧变化的过渡区域为堵塞相的密度临界域;。
D6、遍历密度取值范围计算流量的平均值和标准差;
D7、计算标准相图的自由相边界拟合函数;用最小二乘法对自由相密度范围内的流量偏差值(E+3σ)进行二次幂函数拟合,作为自由相上边界L1;对密度范围的流量偏差值(E-3σ)进行二次幂函数拟合,作为自由相下边界L2;
D8、计算标准相图的非自由相边界拟合函数;用最小二乘法对非自由相密度范围内的流量偏差值(E+3σ)进行二次幂函数拟合,作为非自由相上边界L3;
D9、调整标准相图的上边界线;若L1和L3在自由相的密度临界上值处不相交于一点时,则保留流量为大值对应的上边界拟合函数,调整流量小值对应的上边界拟合函数的系数且保持常数项不变,使得自由相和非自由相的上边界拟合函数相交于自由相的密度临界上值且相等;
D10、确定自由相与拥挤相、拥挤相与堵塞相的模糊边界线;由自由相的密度下边界值与L2的交点和自由相的密度上边界值与L1的交点联成直线L4,作为自由相与拥挤相的模糊边界线;由堵塞相的密度下边界值与坐标横轴的交点和堵塞相的密度上边界值与L3的交点联成直线L5,作为拥挤相与堵塞相的模糊边界线;
D11、构造标准特征相平面图;由边界线L1、L4、L2以及坐标轴构成自由相区域;由边界线L2、L4、L3、L5以及坐标轴构成拥挤相区域;由边界线L5、L3以及坐标轴构成堵塞相区域。位于这些区域的点分别表示交通系统处于通畅、拥挤或堵塞状态;
D12、定期调整标准特征相平面图;由于城市机动车保有量的逐渐增加,各相边界线拟合函数将包含低幂次的趋势因子。每隔1~3个月,需要利用前3个月的历史数据对标准相图和参考相图进行定期调整。
所述步骤E包括如下详细步骤:
E1、将实时交通数据置于标准相平面图中,根据其位置直观地判断和评价交通系统当前状态和性质;
E2、将历史数据、当前数据,以及预测数据置于标准相图中,各点顺序联线,直观地分析交通系统的运动规律以及交通拥挤的形成和演变趋势。
本发明的作用原理是:利用相特征和样本离散系数来实现交通流三相判别和评价,通过大量样本的采集和分析,得到流量~密度和速度~密度(或相关参量)相平面图,以及流量和密度的样本离散系数。数据分析表明,流量~密度相平面图在自由相区域呈现出一种强聚集性的幂函数关系,它可以用低阶幂函数,甚至可以用线性函数表达式来描述,其相关系数满足R2>0.9。速度~密度相平面图在非自由相区域,呈现出一种强聚集性的函数关系,其相关系数满足R2>0.9。通过流量和密度的样本离散系数的分布,可以发现拥挤相区域与堵塞相区域的重要差异表现为样本离散系数的不同。在拥挤相区域车辆受到前后左右车辆高密集地相互制约,速度同步化,表现为强跟驰现象。在堵塞相区域车辆走走停停,瞬间速度时慢时快,表现为缓慢地向前蠕动状态。显然,堵塞相区域交通流样本离散系数要比拥挤相的值大得多。
依据自由相、拥挤相、堵塞相在不同时空尺度下表征的交通流相特征,我们可以构造标准特征相平面图,简称为标准相图。相关区域对应于城市交通系统通畅、拥挤或堵塞的不同状态。若将一定时间范围的历史数据、当前数据以及利用各种预测模型所得到的预测数据置于标准相图中,可以直观地了解在不同道路和交通条件下交通流的运动规律,评价交通系统运行状态,分析交通拥挤现象的形成和演变趋势。
本发明方法适用利用交通实时数据分析进行的各种交通工程技术活动,如短时间尺度的交通信息发布、动态路径规划与导航、紧急事件调度、交通信号控制系统和城市交通运行管理,以及中长时间尺度的交通组织、交通规划、道路维护和道路改造计划等道路交通管理与决策活动。
本发明相对于现有技术具有如下的优点及效果:(1)直观明了,易于应用;本发明方法是一种在复杂环境下参比标准相图以评价城市交通系统状态的可视化方法,判断过程简单、方便,其结果以可视化形式表示,非常便于交通管理部门及城市规划部门应用。(2)判断准确性高;本发明方法采集持续时间不低于三个月的实时信号作为基础构造和优化用于评价的标准特征相平面图,而且每隔1~3个月,均需利用前3个月的历史数据对标准特征相平面图进行定期调整,所以数据采集全面,对交通状态反映的准确性好。(3)适用范围广;本发明适用利用交通实时数据分析进行的各种交通工程技术活动,应用面较广;特别可应用于治理交通堵塞,从质上提高现有道路网的交通管理水平,以较小的费用来改善道路网交通的整体运行效率,为道路交通管理提供决策支持。
附图说明
图1是本发明方法的流程图。
图2是本发明方法中交通流流量~密度相平面图。
图3是本发明方法中交通流速度~密度相平面图。
图4是本发明方法中流量和密度的样本离散系数分布曲线。
图5是本发明方法中标准特征相平面图的三相区域图。
图6是本发明方法中交通系统状态可视化评价与分析图。
具体实施方式
下面结合以城市快速路为实施例及附图对本发明作进一步详细的描述。
实施例
如图1所示,本发明基于交通流相特征的城市交通系统状态可视化评价方法包括如下步骤:
A、在特定道路截面采集持续时间不低于三个月的实时信号波形,构造交通流状态参量;
B、对状态参量进行信号滤波,以获得交通流的样本总体;
C、计算样本总体中所有样本的平均值和标准差,并以标准差与平均值的比值作为样本离散系数;
D、依据交通流多维状态参量强聚集性特征,构造和优化用于评价的标准特征相平面图(简称标准相图);
E、将交通系统的历史数据、当前数据及预测数据置于标准相图上,直观地判别交通系统的运行状态和变化趋势。
执行步骤A具体包括如下步骤:
A1、在特定的道路类型选择合适的交通流检测点设置交通检测器;尽量避免在入口匝道合流区、出口匝道分流区、路段交织区、距离信号控制交叉路口出口线小于600米的路段或受下游信号控制路口排队车辆影响的路段内布设交通检测器;
A2、通过交通检测器采集车辆经过检测点测量范围内的实时信号波形;
A3、保证持续24小时采样、连续时间为三个月的测量时间;
A4、由实时信号波形构造状态参量,即流量、速度和密度。
执行步骤B具体包括如下步骤:
B1、数据预处理。对步骤A4产生的状态参量进行数据处理,去掉异常值,修复缺失值;
B2、选择滑动间隔为1分钟,平均周期为5分钟,对以上步骤产生的三个状态参量进行滑动平均,以获得交通流样本总体。
执行步骤C具体包括如下步骤:
C1、计算交通流样本总体中三个状态参量的平均值和标准差;
C2、以标准差与平均值的比值作为样本离散系数,计算交通流样本总体中三个状态参量的样本离散系数。
步骤D是本发明的关键部分,包括如下详细步骤;
D1、设定标准相图参量。实施例选择密度(=时间占有率)和流量作为标准相图的参量,如图2所示;选择密度(=时间占有率)和速度作为参考相图的参量,如图3所示;
D2、设定区域边界。实施例选择流量范围为0~2500(v/h),速度范围为0~100(km/h),密度范围为0~100(%);
D3、确定标准相图中满足低密函数关系且相关系数>0.9时对应的参考相图的最低速度值为自由相的速度临界值。实施例中自由相的速度临界值为35.0km/h。
D4、计算最低速度时密度平均值和标准差,确定实施例中自由相的密度临界域为(23.34,29.54);
D5、计算密度对应的流量和速度样本离散系数,选择样本离散系数产生急剧变化的过渡区域为堵塞相的密度临界域,如图4所示。实施例中堵塞相的密度临界域为(60,65);
D6、遍历密度取值范围计算流量的平均值和标准差;
D7、计算标准相图自由相边界拟合函数。用最小二乘法对密度范围为(0,29.54)的流量偏差值(E+3σ)进行二次幂函数拟合,作为自由相上边界L1;对密度范围为(0,23.34)的流量偏差值(E-3σ)进行二次幂函数拟合,作为自由相下边界L2。其拟合函数为:
自由相上边界L1的拟合函数:
其中:a1=-0.0548
b1=2.8350
c1=-0.3738
相关系数R2=0.98。
自由相下边界L2的拟合函数:
其中:a2=0.0357
b2=0.4312
c2=0.2114
相关系数R2=0.97。
D8、计算标准相图非自由相边界拟合函数。用最小二乘法对密度范围为(29.54,100)的流量偏差值(E+3σ)进行二次幂函数拟合,作为非自由相上边界L3:
非自由相上边界L3的拟合函数:
其中:a3=-0.0045
b3=0.0403
c3=40.97
相关系数R2=0.93。
D9、调整标准相图的上边界线。若L1和L3在自由相的密度临界上值为29.54且不相交于一点时,则保留流量为大值对应的上边界拟合函数,调整流量小值对应的上边界拟合函数的系数且保持常数项不变,使得自由相和非自由相的上边界拟合函数相交于自由相的密度临界上值且相等。
D10、确定标准相图自由相与拥挤相、拥挤相与堵塞相的模糊边界线。由自由相的密度下边界值与L2的交点和自由相的密度上边界值与L1的交点联成直线L4,作为自由相与拥挤相的模糊边界线;由堵塞相的密度下边界值与坐标横轴的交点和堵塞相的密度上边界值与L3的交点联成直线L5,作为拥挤相与堵塞相的模糊边界线;
D11、构造标准特征相平面图。由边界线L1、L4、L2以及坐标轴构成自由相区域;由边界线L2、L4、L3、L5以及坐标轴构成拥挤相区域;由边界线L5、L3以及坐标轴构成堵塞相区域,如图5所示。位于这些区域的点分别表示交通系统处于通畅、拥挤、或堵塞状态;
D12、标准特征相平面图的定期调整。实施例为城市中心商务区快速路交通环境,车流量变化较大。因此,选择每隔1个月定期调整标准相图和参考相图。
执行步骤E具体包括如下步骤:
E1、将实时交通数据置于标准相图中,根据其位置直观地判断和评价交通系统当前状态和性质;
E2、将历史数据、当前数据,以及预测数据置于标准相图中,各点顺序联线,直观地分析交通系统的运动规律以及交通拥挤的形成和演变趋势,如图6所示。
由使用结果可见,本发明可以帮助用户快速、方便、直观地判断和评价交通流状态的性质,极大地提高了工作效率,是交通管理和决策的有用工具。
Claims (8)
1、一种基于交通流相特征的城市交通系统状态可视化评价方法,其特征在于包括下述步骤:
A、在特定道路截面采集持续时间不低于三个月的实时信号波形,构造交通流状态参量;
B、对交通流状态参量进行信号滤波,以获得交通流的样本总体;
C、计算样本总体中所有样本的平均值和标准差,并以标准差与平均值的比值作为样本离散系数;
D、依据交通流多维状态参量强聚集性特征,构造和优化用于评价的标准特征相平面图;
E、将交通系统的历史数据、当前数据及预测数据置于标准相图上,直观地判别交通系统的运行状态和变化趋势。
2、根据权利要求1所述的基于交通流相特征的城市交通系统状态可视化评价方法,其特征在于:
所述步骤A包括如下具体步骤——
A1、在特定的道路类型选择合适的交通流检测点设置交通检测器;尽量避免在入口匝道合流区、出口匝道分流区、路段交织区、距离信号控制交叉路口出口线小于600米的路段或受下游信号控制路口排队车辆影响的的路段内布设交通检测器;
A2、通过交通检测器采集车辆经过检测点测量范围内的实时信号波形;
A3、保证持续24小时采样、连续时间不低于三个月的测量时间;
A4、由实时信号波形构造交通流状态参量,即流量、速度和密度;
所述步骤B包括如下具体步骤:选择滑动间隔为0.5~5分钟,平均周期为3~15分钟,对所述步骤A4产生的三个状态参量进行滑动平均,以获得交通流样本总体;
所述步骤C包括如下具体步骤:以标准差与均值的比值作为样本离散系数,计算交通流样本总体中三个状态参量的样本离散系数;
所述步骤D包括如下具体步骤——
D1、设定标准相图参量;选择密度和流量作为标准相图的参量。选择密度和速度作为参考相图的参量;
D2、设定区域边界;选择流量范围为0~3000v/h,速度范围为0~200km/h,密度范围为0~100%;
D3、确定标准相图中满足低密函数关系且相关系数>0.9时对应的参考相图的最低速度值为自由相的速度临界值;
D4、计算最低速度时密度平均值和标准差,确定最低速度时的密度偏差值为自由相的密度临界域;
D5、计算密度对应的流量和速度样本离散系数;选择样本离散系数产生急剧变化的过渡区域为堵塞相的密度临界域;
D7、计算标准相图的自由相边界拟合函数;用最小二乘法对自由相密度范围内的流量偏差值进行二次幂函数拟合,作为自由相上边界L1;对密度范围的流量偏差值进行二次幂函数拟合,作为自由相下边界L2;
D8、计算标准相图的非自由相边界拟合函数;用最小二乘法对非自由相密度范围内的流量偏差值进行二次幂函数拟合,作为非自由相上边界L3;
D9、调整标准相图的上边界线;若L1和L3在自由相的密度临界上值处不相交于一点时,则保留流量为大值对应的上边界拟合函数,调整流量小值对应的上边界拟合函数的系数且保持常数项不变,使得自由相和非自由相的上边界拟合函数相交于自由相的密度临界上值且相等;
D10、确定自由相与拥挤相、拥挤相与堵塞相的模糊边界线;由自由相的密度下边界值与L2的交点和自由相的密度上边界值与L1的交点联成直线L4,作为自由相与拥挤相的模糊边界线;由堵塞相的密度下边界值与坐标横轴的交点和堵塞相的密度上边界值与L3的交点联成直线L5,作为拥挤相与堵塞相的模糊边界线;
D11、构造标准特征相平面图;由边界线L1、L4、L2以及坐标轴构成自由相区域;由边界线L2、L4、L3、L5以及坐标轴构成拥挤相区域;由边界线L5、L3以及坐标轴构成堵塞相区域;位于这些区域的点分别表示交通系统处于通畅、拥挤或堵塞状态;
D12、定期调整标准特征相平面图;由于城市机动车保有量的逐渐增加,各相边界线拟合函数将包含低幂次的趋势因子;
所述步骤E包括如下具体步骤——
E1、将实时交通数据置于标准相图中,根据其位置直观地判断和评价交通系统当前状态和性质;
E2、将历史数据、当前数据,以及预测数据置于标准相图中,各点顺序联线,直观地分析交通系统的运动规律以及交通拥挤的形成和演变趋势。
3、根据权利要求2所述的基于交通流相特征的城市交通系统状态可视化评价方法,其特征在于:所述步骤A2中,对于固定采样周期或可调采样周期的交通检测器,考虑到实际过程中可能产生的测量噪声,选取采样周期范围为20秒~1分钟。
4、根据权利要求2所述的基于交通流相特征的城市交通系统状态可视化评价方法,其特征在于:所述步骤B中滑动间隔为1分钟,平均周期为5分钟。
5、根据权利要求2所述的基于交通流相特征的城市交通系统状态可视化评价方法,其特征在于:所述步骤D12中,每隔1~3个月,利用前3个月的历史数据对标准特征相平面图进行定期调整。
6、根据权利要求2所述的基于交通流相特征的城市交通系统状态可视化评价方法,其特征在于:所述交通检测器为基于地点截面测量的不同检测原理和检测技术的交通检测器。
7、根据权利要求1~6所述基于交通流相特征的城市交通系统状态可视化评价方法的应用,其特征在于:用于利用交通实时数据分析进行的各种交通工程技术活动。
8、根据权利要求7所述的应用,其特征在于:所述交通工程技术活动为短时间尺度的交通信息发布、动态路径规划与导航、紧急事件调度、交通信号控制系统和城市交通运行管理,以及中长时间尺度的交通组织、交通规划、道路维护和道路改造计划等道路交通管理与决策活动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200610122680XA CN100456335C (zh) | 2006-10-12 | 2006-10-12 | 基于交通流相特征的城市交通系统状态可视化评价方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200610122680XA CN100456335C (zh) | 2006-10-12 | 2006-10-12 | 基于交通流相特征的城市交通系统状态可视化评价方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101046919A true CN101046919A (zh) | 2007-10-03 |
CN100456335C CN100456335C (zh) | 2009-01-28 |
Family
ID=38771488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB200610122680XA Expired - Fee Related CN100456335C (zh) | 2006-10-12 | 2006-10-12 | 基于交通流相特征的城市交通系统状态可视化评价方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100456335C (zh) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866551A (zh) * | 2010-06-02 | 2010-10-20 | 北京世纪高通科技有限公司 | 一种交通流信息的处理方法及处理装置 |
CN102110365A (zh) * | 2009-12-28 | 2011-06-29 | 日电(中国)有限公司 | 基于时空关系的路况预测方法和系统 |
CN101419750B (zh) * | 2008-09-28 | 2012-01-11 | 华南理工大学 | 基于数据特征的城市信号控制路口交通状态检测评价方法 |
CN102460534A (zh) * | 2009-04-22 | 2012-05-16 | 因瑞克斯有限公司 | 基于历史和当前数据预测期望道路交通状况 |
CN102521981A (zh) * | 2011-12-20 | 2012-06-27 | 青岛海信网络科技股份有限公司 | 一种基于消息中间件的交通态势计算方法 |
CN102707917A (zh) * | 2012-05-23 | 2012-10-03 | 中国科学院对地观测与数字地球科学中心 | 一种高维数据可视化方法及装置 |
CN102800191A (zh) * | 2012-07-31 | 2012-11-28 | 北京世纪高通科技有限公司 | 交通评价方法及装置 |
CN102968901A (zh) * | 2012-11-30 | 2013-03-13 | 青岛海信网络科技股份有限公司 | 获取区域拥堵信息的方法及区域拥堵分析装置 |
CN104408907A (zh) * | 2014-10-31 | 2015-03-11 | 重庆大学 | 具有在线优化能力的高速公路交通事件持续时间预测方法 |
CN104424294A (zh) * | 2013-09-02 | 2015-03-18 | 阿里巴巴集团控股有限公司 | 一种信息处理方法及装置 |
CN105336167A (zh) * | 2015-11-26 | 2016-02-17 | 青岛海信网络科技股份有限公司 | 一种常态交通状态评价方法和装置 |
CN106157624A (zh) * | 2016-08-04 | 2016-11-23 | 浙江工业大学 | 基于交通定位数据的多粒度道路分流可视分析方法 |
CN106355882A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 一种基于路中检测器的交通状态估计方法 |
CN107169443A (zh) * | 2017-05-11 | 2017-09-15 | 南宁市正祥科技有限公司 | 多模型结合的非结构化道路检测方法 |
CN107430171A (zh) * | 2015-03-04 | 2017-12-01 | 江森自控科技公司 | 电池测试报告系统和方法 |
CN107784836A (zh) * | 2016-08-25 | 2018-03-09 | 罗伯特·博世有限公司 | 用于提供所预测的车辆运动的方法和装置 |
CN108428348A (zh) * | 2017-02-15 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
CN106067248B (zh) * | 2016-05-30 | 2018-08-24 | 重庆大学 | 一种考虑速度离散特性的高速公路交通状态估计方法 |
CN108765956A (zh) * | 2018-06-14 | 2018-11-06 | 广东工业大学 | 一种高速公路交通状态综合评估方法 |
CN108765946A (zh) * | 2018-06-01 | 2018-11-06 | 浙江大学 | 基于闯红灯自动记录系统数据的车道组交通需求预测方法 |
CN108775914A (zh) * | 2018-05-07 | 2018-11-09 | 青岛海信网络科技股份有限公司 | 一种交通设备检测方法及检测设备 |
CN108806296A (zh) * | 2016-07-14 | 2018-11-13 | 天津职业技术师范大学 | 基于车路协同的道路交通事件检测预警方法及检测预警系统 |
CN109166308A (zh) * | 2018-08-03 | 2019-01-08 | 江苏省城市规划设计研究院 | 一种基于空间约束距离的交通流的聚集特征可视化方法 |
CN109979198A (zh) * | 2019-04-08 | 2019-07-05 | 东南大学 | 基于大规模浮动车数据的城市快速道路车速离散辨识方法 |
CN111192455A (zh) * | 2020-01-10 | 2020-05-22 | 西南交通大学 | 一种城市快速路交织区的交通流组织优化方法 |
CN111932869A (zh) * | 2020-06-25 | 2020-11-13 | 厦门迅优通信科技有限公司 | 一种基于交通流粒子性特征的三参数分析法 |
CN113112789A (zh) * | 2021-03-08 | 2021-07-13 | 张晔婷 | 城市快速路突发事件的影响预测及管控方法 |
CN113628434A (zh) * | 2020-05-06 | 2021-11-09 | 深圳市万普拉斯科技有限公司 | 交通状态监测方法、装置、计算机设备和可读存储介质 |
CN113851006A (zh) * | 2021-09-01 | 2021-12-28 | 中山大学 | 基于多源数据融合的交叉口实时交通状态估计方法及系统 |
CN114038216A (zh) * | 2021-10-08 | 2022-02-11 | 之江实验室 | 一种基于路网划分和边界流量控制的信号灯管控方法 |
CN114331058A (zh) * | 2021-12-15 | 2022-04-12 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
CN114627658A (zh) * | 2022-04-22 | 2022-06-14 | 河北上元智能科技股份有限公司 | 一种重大特殊车队通行高速公路的交通控制方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739819A (zh) * | 2009-11-19 | 2010-06-16 | 北京世纪高通科技有限公司 | 预测交通流的方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1186750C (zh) * | 2002-06-03 | 2005-01-26 | 昆明利普机器视觉工程有限公司 | 基于视频车辆光学特征识别匹配的交通流量检测方法 |
CN1207693C (zh) * | 2003-05-16 | 2005-06-22 | 上海交通大学 | 基于元胞自动机的城市交通信号自组织控制方法 |
ES2294374T3 (es) * | 2003-12-19 | 2008-04-01 | Bayerische Motoren Werke Aktiengesellschaft | Reconocimiento de zonas de cruce durante el reconocimiento el estado del trafico rodado. |
JP4175312B2 (ja) * | 2004-09-17 | 2008-11-05 | 株式会社日立製作所 | 交通情報予測装置 |
CN100337256C (zh) * | 2005-05-26 | 2007-09-12 | 上海交通大学 | 城市路网交通流状态估计方法 |
-
2006
- 2006-10-12 CN CNB200610122680XA patent/CN100456335C/zh not_active Expired - Fee Related
Cited By (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419750B (zh) * | 2008-09-28 | 2012-01-11 | 华南理工大学 | 基于数据特征的城市信号控制路口交通状态检测评价方法 |
CN102460534A (zh) * | 2009-04-22 | 2012-05-16 | 因瑞克斯有限公司 | 基于历史和当前数据预测期望道路交通状况 |
CN102460534B (zh) * | 2009-04-22 | 2014-10-29 | 因瑞克斯有限公司 | 基于历史和当前数据预测期望道路交通状况的计算机实现的方法和计算系统 |
CN102110365B (zh) * | 2009-12-28 | 2013-11-06 | 日电(中国)有限公司 | 基于时空关系的路况预测方法和系统 |
CN102110365A (zh) * | 2009-12-28 | 2011-06-29 | 日电(中国)有限公司 | 基于时空关系的路况预测方法和系统 |
CN101866551A (zh) * | 2010-06-02 | 2010-10-20 | 北京世纪高通科技有限公司 | 一种交通流信息的处理方法及处理装置 |
CN102521981A (zh) * | 2011-12-20 | 2012-06-27 | 青岛海信网络科技股份有限公司 | 一种基于消息中间件的交通态势计算方法 |
CN102707917A (zh) * | 2012-05-23 | 2012-10-03 | 中国科学院对地观测与数字地球科学中心 | 一种高维数据可视化方法及装置 |
CN102707917B (zh) * | 2012-05-23 | 2015-03-25 | 中国科学院对地观测与数字地球科学中心 | 一种高维数据可视化方法及装置 |
CN102800191A (zh) * | 2012-07-31 | 2012-11-28 | 北京世纪高通科技有限公司 | 交通评价方法及装置 |
CN102968901A (zh) * | 2012-11-30 | 2013-03-13 | 青岛海信网络科技股份有限公司 | 获取区域拥堵信息的方法及区域拥堵分析装置 |
CN102968901B (zh) * | 2012-11-30 | 2014-11-26 | 青岛海信网络科技股份有限公司 | 获取区域拥堵信息的方法及区域拥堵分析装置 |
CN104424294A (zh) * | 2013-09-02 | 2015-03-18 | 阿里巴巴集团控股有限公司 | 一种信息处理方法及装置 |
CN104408907A (zh) * | 2014-10-31 | 2015-03-11 | 重庆大学 | 具有在线优化能力的高速公路交通事件持续时间预测方法 |
CN104408907B (zh) * | 2014-10-31 | 2016-07-13 | 重庆大学 | 具有在线优化能力的高速公路交通事件持续时间预测方法 |
CN107430171B (zh) * | 2015-03-04 | 2021-05-14 | Cps科技控股有限公司 | 电池测试报告系统和方法 |
CN107430171A (zh) * | 2015-03-04 | 2017-12-01 | 江森自控科技公司 | 电池测试报告系统和方法 |
CN105336167A (zh) * | 2015-11-26 | 2016-02-17 | 青岛海信网络科技股份有限公司 | 一种常态交通状态评价方法和装置 |
CN106067248B (zh) * | 2016-05-30 | 2018-08-24 | 重庆大学 | 一种考虑速度离散特性的高速公路交通状态估计方法 |
CN108806296B (zh) * | 2016-07-14 | 2021-04-13 | 天津职业技术师范大学 | 基于车路协同的道路交通事件检测预警方法及检测预警系统 |
CN108806296A (zh) * | 2016-07-14 | 2018-11-13 | 天津职业技术师范大学 | 基于车路协同的道路交通事件检测预警方法及检测预警系统 |
CN108922171A (zh) * | 2016-07-14 | 2018-11-30 | 天津职业技术师范大学 | 道路交通事件检测预警方法及检测预警系统 |
CN108922171B (zh) * | 2016-07-14 | 2021-04-13 | 天津职业技术师范大学 | 道路交通事件检测预警方法及检测预警系统 |
CN106157624A (zh) * | 2016-08-04 | 2016-11-23 | 浙江工业大学 | 基于交通定位数据的多粒度道路分流可视分析方法 |
CN107784836A (zh) * | 2016-08-25 | 2018-03-09 | 罗伯特·博世有限公司 | 用于提供所预测的车辆运动的方法和装置 |
CN106355882B (zh) * | 2016-10-18 | 2018-12-04 | 同济大学 | 一种基于路中检测器的交通状态估计方法 |
CN106355882A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 一种基于路中检测器的交通状态估计方法 |
CN108428348A (zh) * | 2017-02-15 | 2018-08-21 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
WO2018149308A1 (zh) * | 2017-02-15 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
TWI766895B (zh) * | 2017-02-15 | 2022-06-11 | 香港商阿里巴巴集團服務有限公司 | 一種道路交通優化方法、裝置以及電子設備 |
CN108428348B (zh) * | 2017-02-15 | 2022-03-18 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
CN107169443A (zh) * | 2017-05-11 | 2017-09-15 | 南宁市正祥科技有限公司 | 多模型结合的非结构化道路检测方法 |
CN108775914A (zh) * | 2018-05-07 | 2018-11-09 | 青岛海信网络科技股份有限公司 | 一种交通设备检测方法及检测设备 |
CN108775914B (zh) * | 2018-05-07 | 2020-09-22 | 青岛海信网络科技股份有限公司 | 一种交通设备检测方法及检测设备 |
CN108765946B (zh) * | 2018-06-01 | 2020-06-16 | 浙江大学 | 基于闯红灯自动记录系统数据的车道组交通需求预测方法 |
CN108765946A (zh) * | 2018-06-01 | 2018-11-06 | 浙江大学 | 基于闯红灯自动记录系统数据的车道组交通需求预测方法 |
CN108765956B (zh) * | 2018-06-14 | 2020-12-08 | 广东工业大学 | 一种高速公路交通状态综合评估方法 |
CN108765956A (zh) * | 2018-06-14 | 2018-11-06 | 广东工业大学 | 一种高速公路交通状态综合评估方法 |
CN109166308B (zh) * | 2018-08-03 | 2020-01-24 | 江苏省城市规划设计研究院 | 一种基于空间约束距离的交通流的聚集特征可视化方法 |
CN109166308A (zh) * | 2018-08-03 | 2019-01-08 | 江苏省城市规划设计研究院 | 一种基于空间约束距离的交通流的聚集特征可视化方法 |
CN109979198A (zh) * | 2019-04-08 | 2019-07-05 | 东南大学 | 基于大规模浮动车数据的城市快速道路车速离散辨识方法 |
CN111192455A (zh) * | 2020-01-10 | 2020-05-22 | 西南交通大学 | 一种城市快速路交织区的交通流组织优化方法 |
CN111192455B (zh) * | 2020-01-10 | 2021-10-22 | 西南交通大学 | 一种城市快速路交织区的交通流组织优化方法 |
CN113628434A (zh) * | 2020-05-06 | 2021-11-09 | 深圳市万普拉斯科技有限公司 | 交通状态监测方法、装置、计算机设备和可读存储介质 |
CN111932869A (zh) * | 2020-06-25 | 2020-11-13 | 厦门迅优通信科技有限公司 | 一种基于交通流粒子性特征的三参数分析法 |
CN113112789A (zh) * | 2021-03-08 | 2021-07-13 | 张晔婷 | 城市快速路突发事件的影响预测及管控方法 |
CN113112789B (zh) * | 2021-03-08 | 2023-07-14 | 张晔婷 | 城市快速路突发事件的影响预测及管控方法 |
CN113851006A (zh) * | 2021-09-01 | 2021-12-28 | 中山大学 | 基于多源数据融合的交叉口实时交通状态估计方法及系统 |
CN114038216A (zh) * | 2021-10-08 | 2022-02-11 | 之江实验室 | 一种基于路网划分和边界流量控制的信号灯管控方法 |
CN114331058A (zh) * | 2021-12-15 | 2022-04-12 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
CN114331058B (zh) * | 2021-12-15 | 2023-04-21 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
CN114627658A (zh) * | 2022-04-22 | 2022-06-14 | 河北上元智能科技股份有限公司 | 一种重大特殊车队通行高速公路的交通控制方法 |
CN114627658B (zh) * | 2022-04-22 | 2023-10-27 | 河北上元智能科技股份有限公司 | 一种重大特殊车队通行高速公路的交通控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100456335C (zh) | 2009-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101046919A (zh) | 基于交通流相特征的城市交通系统状态可视化评价方法及其应用 | |
CN105913661B (zh) | 一种基于收费数据的高速公路路段交通状态判别方法 | |
CN103903433B (zh) | 一种道路交通状态的实时动态判别方法及装置 | |
CN102419905B (zh) | 基于交通波理论的高速公路事故的交通影响范围确定方法 | |
CN106816008B (zh) | 一种道路拥堵预警及拥堵形成时间预测方法 | |
CN102968901B (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
CN105355049B (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
CN104778835B (zh) | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 | |
Owais et al. | When to decide to convert a roundabout to a signalized intersection: Simulation approach for case studies in Jeddah and Al-Madinah | |
CN105825669A (zh) | 一种识别城市快速路交通瓶颈的系统和方法 | |
Feng | Analyses of bus travel time reliability and transit signal priority at the stop-to-stop segment level | |
CN108985539A (zh) | 一种评价停车场道路规划的方法及装置 | |
Fernandes et al. | Driving around turbo-roundabouts vs. conventional roundabouts: Are there advantages regarding pollutant emissions? | |
CN106600030A (zh) | 一种基于路网行程时间可靠性的出行预留时间计算方法 | |
Pandey et al. | Assessment of Level of Service on urban roads: a revisit to past studies. | |
CN109830104B (zh) | 一种基于宏观基本图的交叉口控制效率的分析方法 | |
CN106530700A (zh) | 一种基于固定检测器的判别交通拥堵的方法 | |
Yu et al. | Development of freeway and interchange safety performance functions with respect to roadway lighting: a pilot study | |
Qiu et al. | Investigating the impact of urban grade-separation on pedestrian PM2. 5 exposure | |
Hainen et al. | Roundabout critical headway measurement based on high-resolution event-based data from wireless magnetometers | |
CN112053570B (zh) | 一种城市交通路网运行状态监测评价方法及系统 | |
Khan et al. | Modelling of the gap phenomena at U-turn provisions on the median openings of inter-urban highway corridors | |
Skabardonis et al. | Vehicle emissions estimation under oversaturated conditions along signalized arterials |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090128 Termination date: 20151012 |
|
EXPY | Termination of patent right or utility model |