CN101286269A - 兼有动态实时交通数据的交通流量预测系统 - Google Patents
兼有动态实时交通数据的交通流量预测系统 Download PDFInfo
- Publication number
- CN101286269A CN101286269A CNA2008101126073A CN200810112607A CN101286269A CN 101286269 A CN101286269 A CN 101286269A CN A2008101126073 A CNA2008101126073 A CN A2008101126073A CN 200810112607 A CN200810112607 A CN 200810112607A CN 101286269 A CN101286269 A CN 101286269A
- Authority
- CN
- China
- Prior art keywords
- data
- gps
- traffic
- road
- 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.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种兼有动态实时交通数据的交通流量预测系统,包含:通过浮动车进行GPS交通流数据采集的数据采集装置;对GPS数据源通过多线程动态缓存预处理技术进行接收的多线程接收装置;对接收到的GPS数据进行融合处理,得到路段的实时速度值的数据融合装置;结合历史数据,得到路段的预测速度值的路况预测装置。本发明的优点在于:端GPS浮动车采集的交通流数据,建立路网动态交通数据库,基于动态交通信息,实现路段车辆行驶速度监测、路段紧急事件探查、路段旅行时间监测等功能,开发路网交通状态图生成系统。
Description
技术领域
本发明属于交通信息领域,特别涉及一种兼有动态实时交通数据的交通流量预测系统。
背景技术
目前,世界上应用得比较多的动态交通信息采集设备主要是固定型的断面交通信息采集设备。由于技术和应用上相对成熟和稳定等原因,断面交通信息采集设备在未来一段时间内还将是动态交通信息采集领域中的一种主要设备。在断面交通信息采集、处理与分析方面,应用比较广泛。但是这个技术所提供的导航信息有一定的局限性,比如说其技术所形成的导航信息只是反映现在的交通状况和速度,而人们的出行是一个持续过程,而且许多城市面积大、道路交通复杂,且变化快。给予一个当下的交通速度,出行者通过行驶,到达了以后或许交通状况已经发生了变化。因此,这样的信息给予交通管理部门的分布管理力量,疏导方向有一定意义,但对于出行者所想要的避免拥堵、便捷出行则显得意义不大。
发明内容
本发明的目的在于,提供一种能够预测交通流量的系统。
为了实现上述目的,本发明提供了一种兼有动态实时交通数据的交通流量预测系统,包含:通过浮动车进行GPS交通流数据采集的数据采集装置;对GPS数据源通过多线程动态缓存预处理技术进行接收的多线程接收装置;对接收到的GPS数据进行融合处理,得到路段的实时速度值的数据融合装置;结合历史数据,得到路段的预测速度值的路况预测装置。
本发明提供的技术方案的有益效果是:端GPS浮动车采集的交通流数据,建立路网动态交通数据库,基于动态交通信息,实现路段车辆行驶速度监测、路段紧急事件探查、路段旅行时间监测等功能,开发路网交通状态图生成系统。
附图说明
图1为本发明的系统结构示意图;
图2为本发明的交通流量预测方法流程图;
图3为本发明的数据融合过程流程图;
图4为本发明的GPS动态数据的路段匹配方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1为本发明的系统结构示意图。本发明提供一种兼有动态实时交通数据的交通流量预测系统,包含:通过浮动车进行GPS交通流数据采集的数据采集装置1;对GPS数据源通过多线程动态缓存预处理技术进行接收的多线程接收装置2;对接收到的GPS数据进行融合处理,得到路段的实时速度值的数据融合装置3;结合历史数据,得到路段的预测速度值的路况预测装置4。
图2为本发明的交通流量预测方法流程图。本发明提供一种兼有动态实时交通数据的交通流量预测方法,包含:步骤1:数据采集装置1通过浮动车进行GPS交通流数据采集(步骤S101);步骤2:多线程接收装置2对GPS数据源通过多线程动态缓存预处理技术进行接收(步骤S102);步骤3:数据融合装置3对接收到的GPS数据进行融合处理,得到路段的实时速度值(步骤S103);步骤4:路况预测装置4结合历史数据,得到路段的预测速度值(步骤S104)。
系统通过“多线程动态缓存预处理”技术,在硬件环境支持的程度下,则可以适合各种规模的路网、GPS数据群的处理,对于非实时处理数据,通过脱离系统的独立线程完成,因此大大提高了系统运行的效率。本系统该算法称之为“列车晚点效应”:
1、“多线程动态缓存预处理”利用缓存技术,多线程接收实时多个GPS数据采集源,在通信服务器端以队列的方式对数据进行多源数据融合处理,形成统一的数据流。
2、由于GPS实时交通流的计算与分析是对实时交通状态的再现,因此对于一旦因此传输而延迟的数据,系统采取在有效时间内数据进行实时分析与统计,并提供实时路网状态显示。
3、而对于一旦突发性数据延迟时,则通过缓存的方式进行“搁置”,则将新到实时数据视为实时路况,而遭遇“延迟”的数据则由系统后台分时处理,直接生成历史数据。即延迟数据让路给新到数据,保证实时反映比较真实的现实路况。
通过上述算法,可以实现大数据量的传输与处理,解决了GPS突发性数据接收造成的通信拥堵和数据延迟现象,解决了实时线圈数据大流量融合的问题,并增加了数据预处理功能,和数据分类处理(数据块处理与数据项处理分离)功能,大大提高了系统的运行效率。
同时,也可以看出影响系统直接运行效率的关键因素,是内部数据的包转发率,系统采用的技术是通过“非线性多线程处理”技术,即对一数据流的处理采用非线性方式,在系统精度范围内将单位时间内的数据流,再由多线程自动分配处理,并自动均衡处理进程。
因此,系统处理数据量的多少,取决于数据流的“截面积”而非“长度”,只要硬件处理器(并行能力)能够支持,则理论上可达无限数据量处理,适合任何路网和任意规模的GPS数据群。
浮动车实时交通数据的采集、传输、融合技术,系统对GPS浮动车的实时采集的处理,即可以将GPS设备原始数据直接传输到系统平台,系统把GPS系统数据首先形成汇总中心,经过处理后再发送到处理平台。
数据融合算法如下:
①、接收:系统通过多源采集点,多线程接收GPS点位置数据
②、过滤:系统对数据的第一次过滤与格式化,即数据噪音去除(GPS偏移过大、空车0速度值、其它自然产生的干扰数据)
③、融合:数据融合是数据处理过程中的核心,需要经过多次融合模型的处理,反复自我校验,多次迭带。图3为本发明的数据融合过程流程图。如图2所示,流程如下:
i、离散GPS点匹配到路段上,实现点到流的第一次融合,即规范GPS偏离点,生成单点GPS分布曲线;(步骤S201)
ii、单个车流数据的融合与路段某时刻点的结合,以前后GPS连续点,生成该路段上的某车辆的车流时刻表,生成单车路段速度曲线;(步骤S202)
iii、取一定实验样本量,若样本量不够大,则向前回溯直到样本量足够大,以满足系统融合统计理论的需求样本值;(步骤S203)
iv、综合该路段上所有车辆交通流的时刻表,根据系统车辆行驶模型设置融合权值,进行第三次融合,实现路段上的车流速度曲线;(步骤S204)
v、截取路段车流时刻点,计算系统需要的1分钟、5分钟和15分钟的时间截面速度,即为系统中路段的实时速度值。(步骤S205)
vi、系统实时速度值取1分钟融合数据,并经过回溯样本的校正;同时,若在设定时间段内仍然样本不够,则以前一融合数据为基本进行加权计算。(步骤S206)
④、存储:融合算法过程中,系统将融合过程中的以1分钟为基础的数据进行实时存储,并得到5、15分钟的所有路段时刻值。
使用:系统融合算法提供了实时路况的速度参考值,用于显示路段的速度等级;对于诱导、预测等功能,系统将通过历史多点数据加权计算法,再通过一定算法融合为“历史比较数据”进行实际计算。
GPS路段匹配主要是将GPS的每个离散的点,能够快速准确的匹配到车辆真正行驶的路上。匹配算法有多种,但往往都是考虑比较片面,只注重匹配的准确度而忽略了大数据量的压力,或者只注重匹配速度而忽视了匹配精度等。我们根据自己的实际经验,协同专家教授科研攻关,总结了更为实用的匹配算法“网格匹配法”,能够满足大量数据的并发处理,同时又较好的解决了匹配精度问题。
采用网格式的GPS位置匹配算法:系统对GPS车辆坐标在GIS路段上的匹配,采用了一种“匹配网格”加“历史记忆”的技术,即将路网以网格方式进行预处理,然后结合GPS数据历史记忆,即前后运行位置,使每一位置信息能够快速定位到具体路段上,大大加快了系统数据处理的速度。
图4为本发明的GPS动态数据的路段匹配方法流程图。系统地图匹配算法中采用网络划分结构,基于核心与边缘两级网络精度描述,实现基于网络技术的待配路段快速筛选。该方法可有效减少空间数据检索表,提高实时匹配时路网的搜索效率,解决了因网格疏密程度引发的数据存储量、索引时间与网格所包含的有效信息量之间的矛盾。核心步骤如:
①、将路网地图进行平面网格划分,在城市中心区域使用更精细的网格划分策略,在城市边缘区域采用较为粗略的方式划分。划分依据是按照城市路网中两条道路之间的最小距离为标准,可以在一个网格内准确匹配到唯一一条路。(步骤S301)
②、对整个路网进行预处理,即将所有路段首先匹配到划分好的每一个网格内,形成路网网格数据库。原理是将路网中和路段的线状结构,转化为网状态结构,将多个二维线条数据(每一条路就是一个二维坐标描述表),转化到一个三维网格数据(由若干网格组成的,每一个网格内有一条二维坐标描述数据)。(步骤S302)
③、系统采集GPS点位置数据,通过去噪等处理,首先在网格中搜索该点的网格号。(步骤S303)
④、匹配到该网格内的GPS数据,即视为该网格内的路段上。(步骤S304)若一个网络内出现一条以上路段数据,(步骤S305)则转6步,否则下转5步。
⑤、调整数据融合算法,搜索该车辆前方位置点,以确认该GPS点的具体路段位置。(步骤S306)
⑥、取下一GPS数据点,转3步,直到该时刻取得的数据处理完毕。(步骤S307)
⑦、融合数据保存,取下一时刻数据包。(步骤S308)
系统设计取样频率为2秒(以50KM/H计算,2秒内的车行距离可以完全定位到实际路线上,杭州路网经实际调研,路间距离最小约20米),取样准确度需要经过进一步的实际数据的压力测试。
在匹配过程中,系统增加了对路段单向行驶的处理算法,通过服务器端的核心数据过滤,在数据匹配过程中,可以过滤掉许多GPS漂移的数据(如在单向行驶路段上的逆行数据)。然后对单向行驶的数据处理算法进行性能优化,以提高对单向道路行驶的速度、流量的准确度。
GPS提供的数据为时间、瞬时速度、经纬度、方位,根据地图匹配得出车辆运行的方向,根据车辆在t时刻的时间和经纬度和该车辆前一时刻(t-1)的时间和经纬度可求出车辆在两个间隔间运行的距离,进而根据时间求出车辆的旅行速度。
根据速度估计的最小样本量进行该路段平均速度的估计,如该时刻在路段上的样本量不足,在10分钟之内回朔数据,如仍然不足,选取同一时段该路段的历史数据进行平均速度的估计。
采用自适应参数估计方法进行路段平均速度的估计。
v(t)为计算速度在时刻t的平均(或瞬时速度在时刻t的平均值);
α(t)为t时刻自适应参数;
又:
其中: 表示t时刻(样本间隔)各计算速度与计算平均速度v(t)的方差;(vi(t)表示t时刻内的第i个计算速度)
n(t)表示t时刻(样本间隔)内的计算速度个数。
系统大量的数据交换存在于三方三地之间,物理距离大,在远程通信上系统采用硬件与软件相结合的方式统一解决。一是通过建立内部VPN网络,以保证足够的带宽和安全性,同时在通信方式上,采用高速缓存技术,建立内部专用传输通道。
在技术上,系统采用新一代的信息集成架构设计,SOA架构从通信层、数据层、应用层将系统有机的分割,同时满足CS结构下的交通管理服务,也能够实现BS结构下的WEB信息发布功能。SOA架构设计,可从企业外部访问、随时可用、松散耦合;支持同步应用、异步应用、粗粒度服务接口、减少交互次数;以业务功能为单位提供服务、服务按粗细程度分级、服务接口与服务实现分离,最大限度的降低服务使用者与服务提供者之间的相互影响;采用标准化接口、支持各种消息模式。
平台采用XML为统一的数据交换标准进行设计,从底层数据包支持XML,特别是交通流信息的异步数据采集后的分布传输,以统一的XML格式收集,便于系统内数据处理和系统间数据交换;以WEB SERVICE为基本通信组件,松耦合方式架构,体现了系统扩展的灵活性。提供了系统间的互操作性,是系统能够从项目直接跨步到产品,利于系统的移植和二次开发。
同时GPS数据样本量与采集频率达不到系统需求时,系统的实时速度的计算将出现较大误差,并随着样本量的减少和采集频率的增加,误差越大,导致系统核心功能不能使用,这也是现有的一些技术在应用过程中存在的一些缺陷,我们将结合这些问题,找到的适合的解决方案和应对方法:
1、匹配算法适应
系统的GPS算法核心,是基于平均每路段至少每辆车两个GPS采样数据,这样可以通过种去噪算法、过滤算法以减少GPS的精度误差和漂移问题,核心算法是通过GPS前后采样点进行行驶速度、方向、位置的校正。但对于不符合该算法需求的采集样本,系统以自适应算法调整,对两样本点之间进行“补点”计算,并进行额外平滑算法进行修正。
2、历史数据权值补充
对于样本量少的路段,系统采集历史积累数据加权复用的算法,以历史数据进行当前路段速度预测,以补充稀少样本。
3、异构数据补充
对于有条件的用户,可以将道路线圈数据接入,系统内植入异构路网交通流融合算法,可以与GPS交通流数据相互融合与补充,由于线圈数据对流量、路口速度检测比较准确,对小样本路段数据是最好的补充,同时也是对GPS数据的最好校正参数。
以上仅为本发明的典型实例而已,并非用来限定本发明的实施范围。即凡依照本发明申请专利范围所作的均等变化与修饰,皆为本发明专利范围所覆盖。
Claims (1)
1、一种兼有动态实时交通数据的交通流量预测系统,其特征在于,包含:通过浮动车进行GPS交通流数据采集的数据采集装置;
对GPS数据源通过多线程动态缓存预处理技术进行接收的多线程接收装置;
对接收到的GPS数据进行融合处理,得到路段的实时速度值的数据融合装置;
结合历史数据,得到路段的预测速度值的路况预测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101126073A CN101286269A (zh) | 2008-05-26 | 2008-05-26 | 兼有动态实时交通数据的交通流量预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101126073A CN101286269A (zh) | 2008-05-26 | 2008-05-26 | 兼有动态实时交通数据的交通流量预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101286269A true CN101286269A (zh) | 2008-10-15 |
Family
ID=40058454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008101126073A Pending CN101286269A (zh) | 2008-05-26 | 2008-05-26 | 兼有动态实时交通数据的交通流量预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101286269A (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635090A (zh) * | 2009-05-22 | 2010-01-27 | 上海宝康电子控制工程有限公司 | 一种停车诱导系统及其实现方法 |
WO2010145157A1 (zh) * | 2009-10-27 | 2010-12-23 | 中兴通讯股份有限公司 | 一种异构数据源数据查询方法及装置 |
CN101938480A (zh) * | 2010-09-06 | 2011-01-05 | 宇龙计算机通信科技(深圳)有限公司 | 一种根据位置信息提供单位网址的方法、网络服务器以及终端 |
CN102034351A (zh) * | 2010-09-30 | 2011-04-27 | 天津大学 | 一种交通流短时预测系统 |
CN102097006A (zh) * | 2011-02-28 | 2011-06-15 | 北京世纪高通科技有限公司 | 最短测试里程的获取方法及装置 |
WO2011079737A1 (zh) * | 2009-12-30 | 2011-07-07 | 北京世纪高通科技有限公司 | 路况分析的方法和装置 |
CN101694743B (zh) * | 2009-08-25 | 2011-09-21 | 北京世纪高通科技有限公司 | 预测路况的方法和装置 |
WO2011127711A1 (zh) * | 2010-04-13 | 2011-10-20 | 深圳市赛格导航科技股份有限公司 | 一种路况信息发布方法和路况信息发布系统 |
CN101794513B (zh) * | 2009-12-30 | 2012-01-04 | 北京世纪高通科技有限公司 | 浮动车数据的预处理方法及装置 |
CN102568198A (zh) * | 2012-02-07 | 2012-07-11 | 北京世纪高通科技有限公司 | 交通信息的处理方法及装置 |
CN102622879A (zh) * | 2011-01-26 | 2012-08-01 | 株式会社日立制作所 | 交通信息提供装置 |
CN102622885A (zh) * | 2012-03-22 | 2012-08-01 | 北京世纪高通科技有限公司 | 检测交通事件的方法和装置 |
CN102819956A (zh) * | 2012-06-05 | 2012-12-12 | 浙江大学 | 一种基于单截面环形线圈检测器的道路交通事件检测方法 |
CN102867406A (zh) * | 2011-12-29 | 2013-01-09 | 中华电信股份有限公司 | 一种应用车辆探测资料的交通路网生成方法 |
CN102881162A (zh) * | 2012-09-29 | 2013-01-16 | 北京市交通信息中心 | 大规模交通信息的数据处理及融合方法 |
CN103000022A (zh) * | 2011-09-08 | 2013-03-27 | 北京掌城科技有限公司 | 一种实时交通信息生成方法 |
CN103023997A (zh) * | 2012-11-29 | 2013-04-03 | 江苏鸿信系统集成有限公司 | 基于网格缓存技术的海量地理信息名址转换方法及其装置 |
CN103065460A (zh) * | 2011-10-19 | 2013-04-24 | 上海优途信息科技有限公司 | 一种基于浮动车数据的多车车速融合方法和装置 |
CN103366590A (zh) * | 2012-04-06 | 2013-10-23 | 上海博泰悦臻电子设备制造有限公司 | 基于车载终端的信息查询系统及方法 |
CN104112361A (zh) * | 2014-04-25 | 2014-10-22 | 浙江大学 | 路网交通中常发瓶颈和偶发瓶颈的识别方法 |
CN104346926A (zh) * | 2013-07-31 | 2015-02-11 | 国际商业机器公司 | 行驶时间预测方法和装置、以及相关终端设备 |
CN104464304A (zh) * | 2014-12-25 | 2015-03-25 | 北京航空航天大学 | 一种基于路网特性的城市道路车辆行驶速度预测方法 |
CN104732762A (zh) * | 2015-04-21 | 2015-06-24 | 银江股份有限公司 | 一种交通异常路段概率识别方法 |
CN104751642A (zh) * | 2015-03-11 | 2015-07-01 | 同济大学 | 一种高等级道路交通流运行风险实时预估方法 |
CN104766475A (zh) * | 2015-04-09 | 2015-07-08 | 银江股份有限公司 | 一种城市交通瓶颈挖掘方法 |
CN105513365A (zh) * | 2016-02-15 | 2016-04-20 | 邱小平 | 基于等时定位监测的道路通行时间估计系统 |
CN105575155A (zh) * | 2016-01-08 | 2016-05-11 | 上海雷腾软件股份有限公司 | 用于确定车辆行驶信息的方法和设备 |
CN105608918A (zh) * | 2016-03-31 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 一种路况信息监控方法和系统 |
CN106056935A (zh) * | 2016-06-01 | 2016-10-26 | 东莞职业技术学院 | 智能交通诱导系统及方法 |
CN106530693A (zh) * | 2016-11-02 | 2017-03-22 | 浙江大学 | 基于融合数据的城市快速路交通状态滚动估计方法 |
CN106558220A (zh) * | 2016-11-25 | 2017-04-05 | 北京掌行通信息技术有限公司 | 一种公路交通量的统计方法及装置 |
WO2018122585A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
CN109862521A (zh) * | 2019-01-31 | 2019-06-07 | 湖北省基础地理信息中心(湖北省北斗卫星导航应用技术研究院) | 一种位置数据路网实时匹配计算方法及系统 |
CN112907958A (zh) * | 2021-01-29 | 2021-06-04 | 北京百度网讯科技有限公司 | 路况信息确定方法、装置、电子设备以及可读介质 |
EP3839917A1 (en) | 2019-12-18 | 2021-06-23 | Telefónica Iot & Big Data Tech, S.A. | Method, system and computer programs for traffic estimation using passive network data |
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 |
CN113689699A (zh) * | 2021-08-25 | 2021-11-23 | 浙江数智交院科技股份有限公司 | 一种交通流的预测方法、装置、电子设备及存储介质 |
-
2008
- 2008-05-26 CN CNA2008101126073A patent/CN101286269A/zh active Pending
Cited By (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635090A (zh) * | 2009-05-22 | 2010-01-27 | 上海宝康电子控制工程有限公司 | 一种停车诱导系统及其实现方法 |
CN101694743B (zh) * | 2009-08-25 | 2011-09-21 | 北京世纪高通科技有限公司 | 预测路况的方法和装置 |
WO2010145157A1 (zh) * | 2009-10-27 | 2010-12-23 | 中兴通讯股份有限公司 | 一种异构数据源数据查询方法及装置 |
CN101794513B (zh) * | 2009-12-30 | 2012-01-04 | 北京世纪高通科技有限公司 | 浮动车数据的预处理方法及装置 |
WO2011079737A1 (zh) * | 2009-12-30 | 2011-07-07 | 北京世纪高通科技有限公司 | 路况分析的方法和装置 |
WO2011127711A1 (zh) * | 2010-04-13 | 2011-10-20 | 深圳市赛格导航科技股份有限公司 | 一种路况信息发布方法和路况信息发布系统 |
CN101938480A (zh) * | 2010-09-06 | 2011-01-05 | 宇龙计算机通信科技(深圳)有限公司 | 一种根据位置信息提供单位网址的方法、网络服务器以及终端 |
CN102034351A (zh) * | 2010-09-30 | 2011-04-27 | 天津大学 | 一种交通流短时预测系统 |
CN102622879A (zh) * | 2011-01-26 | 2012-08-01 | 株式会社日立制作所 | 交通信息提供装置 |
CN102622879B (zh) * | 2011-01-26 | 2015-03-11 | 株式会社日立制作所 | 交通信息提供装置 |
CN102097006B (zh) * | 2011-02-28 | 2012-11-28 | 北京世纪高通科技有限公司 | 最短测试里程的获取方法及装置 |
CN102097006A (zh) * | 2011-02-28 | 2011-06-15 | 北京世纪高通科技有限公司 | 最短测试里程的获取方法及装置 |
CN103000022A (zh) * | 2011-09-08 | 2013-03-27 | 北京掌城科技有限公司 | 一种实时交通信息生成方法 |
CN103000022B (zh) * | 2011-09-08 | 2015-04-08 | 北京掌城科技有限公司 | 一种实时交通信息生成方法 |
CN103065460B (zh) * | 2011-10-19 | 2015-06-17 | 上海优途信息科技有限公司 | 一种基于浮动车数据的多车车速融合方法和装置 |
CN103065460A (zh) * | 2011-10-19 | 2013-04-24 | 上海优途信息科技有限公司 | 一种基于浮动车数据的多车车速融合方法和装置 |
CN102867406A (zh) * | 2011-12-29 | 2013-01-09 | 中华电信股份有限公司 | 一种应用车辆探测资料的交通路网生成方法 |
CN102867406B (zh) * | 2011-12-29 | 2014-11-19 | 中华电信股份有限公司 | 一种应用车辆探测资料的交通路网生成方法 |
CN102568198A (zh) * | 2012-02-07 | 2012-07-11 | 北京世纪高通科技有限公司 | 交通信息的处理方法及装置 |
CN102568198B (zh) * | 2012-02-07 | 2014-12-03 | 北京世纪高通科技有限公司 | 交通信息的处理方法及装置 |
CN102622885A (zh) * | 2012-03-22 | 2012-08-01 | 北京世纪高通科技有限公司 | 检测交通事件的方法和装置 |
CN102622885B (zh) * | 2012-03-22 | 2014-06-11 | 北京世纪高通科技有限公司 | 检测交通事件的方法和装置 |
CN103366590A (zh) * | 2012-04-06 | 2013-10-23 | 上海博泰悦臻电子设备制造有限公司 | 基于车载终端的信息查询系统及方法 |
CN102819956A (zh) * | 2012-06-05 | 2012-12-12 | 浙江大学 | 一种基于单截面环形线圈检测器的道路交通事件检测方法 |
CN102819956B (zh) * | 2012-06-05 | 2014-11-05 | 浙江大学 | 一种基于单截面环形线圈检测器的道路交通事件检测方法 |
CN102881162B (zh) * | 2012-09-29 | 2015-03-11 | 北京市交通信息中心 | 大规模交通信息的数据处理及融合方法 |
CN102881162A (zh) * | 2012-09-29 | 2013-01-16 | 北京市交通信息中心 | 大规模交通信息的数据处理及融合方法 |
CN103023997A (zh) * | 2012-11-29 | 2013-04-03 | 江苏鸿信系统集成有限公司 | 基于网格缓存技术的海量地理信息名址转换方法及其装置 |
CN104346926A (zh) * | 2013-07-31 | 2015-02-11 | 国际商业机器公司 | 行驶时间预测方法和装置、以及相关终端设备 |
CN104112361B (zh) * | 2014-04-25 | 2016-08-31 | 浙江大学 | 路网交通中常发瓶颈和偶发瓶颈的识别方法 |
CN104112361A (zh) * | 2014-04-25 | 2014-10-22 | 浙江大学 | 路网交通中常发瓶颈和偶发瓶颈的识别方法 |
CN104464304A (zh) * | 2014-12-25 | 2015-03-25 | 北京航空航天大学 | 一种基于路网特性的城市道路车辆行驶速度预测方法 |
CN104751642A (zh) * | 2015-03-11 | 2015-07-01 | 同济大学 | 一种高等级道路交通流运行风险实时预估方法 |
CN104751642B (zh) * | 2015-03-11 | 2016-10-26 | 同济大学 | 一种高等级道路交通流运行风险实时预估方法 |
CN104766475A (zh) * | 2015-04-09 | 2015-07-08 | 银江股份有限公司 | 一种城市交通瓶颈挖掘方法 |
CN104732762A (zh) * | 2015-04-21 | 2015-06-24 | 银江股份有限公司 | 一种交通异常路段概率识别方法 |
CN105575155A (zh) * | 2016-01-08 | 2016-05-11 | 上海雷腾软件股份有限公司 | 用于确定车辆行驶信息的方法和设备 |
CN105575155B (zh) * | 2016-01-08 | 2018-09-18 | 上海雷腾软件股份有限公司 | 用于确定车辆行驶信息的方法和设备 |
CN105513365A (zh) * | 2016-02-15 | 2016-04-20 | 邱小平 | 基于等时定位监测的道路通行时间估计系统 |
CN105608918A (zh) * | 2016-03-31 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 一种路况信息监控方法和系统 |
CN105608918B (zh) * | 2016-03-31 | 2018-09-04 | 宇龙计算机通信科技(深圳)有限公司 | 一种路况信息监控方法和系统 |
CN106056935A (zh) * | 2016-06-01 | 2016-10-26 | 东莞职业技术学院 | 智能交通诱导系统及方法 |
CN106530693A (zh) * | 2016-11-02 | 2017-03-22 | 浙江大学 | 基于融合数据的城市快速路交通状态滚动估计方法 |
CN106530693B (zh) * | 2016-11-02 | 2019-02-05 | 浙江大学 | 基于融合数据的城市快速路交通状态滚动估计方法 |
CN106558220B (zh) * | 2016-11-25 | 2019-05-17 | 北京掌行通信息技术有限公司 | 一种公路交通量的统计方法及装置 |
CN106558220A (zh) * | 2016-11-25 | 2017-04-05 | 北京掌行通信息技术有限公司 | 一种公路交通量的统计方法及装置 |
CN109923595B (zh) * | 2016-12-30 | 2021-07-13 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
CN109923595A (zh) * | 2016-12-30 | 2019-06-21 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
WO2018122585A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
CN109862521A (zh) * | 2019-01-31 | 2019-06-07 | 湖北省基础地理信息中心(湖北省北斗卫星导航应用技术研究院) | 一种位置数据路网实时匹配计算方法及系统 |
EP3839917A1 (en) | 2019-12-18 | 2021-06-23 | Telefónica Iot & Big Data Tech, S.A. | Method, system and computer programs for traffic estimation using passive network data |
CN112907958A (zh) * | 2021-01-29 | 2021-06-04 | 北京百度网讯科技有限公司 | 路况信息确定方法、装置、电子设备以及可读介质 |
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 |
CN113689699A (zh) * | 2021-08-25 | 2021-11-23 | 浙江数智交院科技股份有限公司 | 一种交通流的预测方法、装置、电子设备及存储介质 |
CN113689699B (zh) * | 2021-08-25 | 2023-04-18 | 浙江数智交院科技股份有限公司 | 一种交通流的预测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101286269A (zh) | 兼有动态实时交通数据的交通流量预测系统 | |
CN101286270A (zh) | 兼有动态实时交通数据的交通流量预测方法 | |
CN110782070B (zh) | 一种城市轨道交通突发事件客流时空分布预测方法 | |
CN101604478B (zh) | 一种动态交通信息的处理方法及系统 | |
CN102163225B (zh) | 一种基于微博客收集的交通信息融合方法 | |
CN103177561B (zh) | 公交实时路况的生成方法 | |
Roshandeh et al. | New methodology for intersection signal timing optimization to simultaneously minimize vehicle and pedestrian delays | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划系统及方法 | |
CN104809112A (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN102842219B (zh) | 预测方法和系统 | |
CN102087788A (zh) | 基于浮动车车速置信度的交通状态参数估计方法 | |
CN102622880A (zh) | 一种交通信息数据修复方法及装置 | |
CN108737492A (zh) | 一种基于大数据系统的导航与位置服务的方法 | |
CN103680127A (zh) | 一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法 | |
CN102968494A (zh) | 通过微博采集交通信息的系统及方法 | |
CN105894802A (zh) | 一种基于gps数据的交通拥堵传播路径计算方法 | |
CN103942312A (zh) | 公交换乘线路规划方法和装置 | |
CN109410576A (zh) | 多源数据融合的路况分析方法、装置、存储介质及系统 | |
Ewing et al. | Combined effects of compact development, transportation investments, and road user pricing on vehicle miles traveled in urbanized areas | |
Duchrow et al. | Towards electric mobility data mining | |
Ghanem et al. | Bike share travel time modeling: San Francisco bay area case study | |
CN113191029A (zh) | 基于集群计算的交通仿真方法、程序及介质 | |
Al Mahmud et al. | Impact of pedal powered vehicles on average traffic speed in dhaka city: A cross-sectional study based on road class and timestamp | |
CN113903171B (zh) | 一种基于高速路网时空特性的车辆群智感知节点优化方法 | |
Koch et al. | Limitations of recursive logit for inverse reinforcement learning of bicycle route choice behavior in Amsterdam |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
DD01 | Delivery of document by public notice |
Addressee: Roadinfo Systems Co., Ltd. Document name: Notification of before Expiration of Request of Examination as to Substance |
|
DD01 | Delivery of document by public notice |
Addressee: Wang Weifeng Document name: Notification that Application Deemed to be Withdrawn |
|
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20081015 |