CN101373559B - 基于浮动车数据评估城市路网交通状态的方法 - Google Patents
基于浮动车数据评估城市路网交通状态的方法 Download PDFInfo
- Publication number
- CN101373559B CN101373559B CN2007100452403A CN200710045240A CN101373559B CN 101373559 B CN101373559 B CN 101373559B CN 2007100452403 A CN2007100452403 A CN 2007100452403A CN 200710045240 A CN200710045240 A CN 200710045240A CN 101373559 B CN101373559 B CN 101373559B
- Authority
- CN
- China
- Prior art keywords
- highway section
- road
- time
- data
- vehicle
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及利用浮动车数据对城市道路交通阻塞、拥挤及畅通状态评估的方法。具体是:基于浮动车GPS数据的路网状态估计技术,从已有的GPS数据出发,对数据的发送频率、行驶轨迹做了详细的分析,考虑城市交通的OD特性,采用时间最短路算法的计算结果与历史数据的综合评估值作为道路的行程车速,并结合道路的使用功能采用模糊推理技术对道路的交通状态进行综合评价。采用该改进的评估方法获得了运行条件容易满足、简单易行、得到结果准确的效果。
Description
技术领域
本发明涉及利用浮动车数据对城市道路交通阻塞、拥挤及畅通状态评估的方法。
背景技术
城市道路交通状态的一般用行程时间、行程速度、畅通程度以及服务水平等参数来描述。固定线圈检测技术以及浮动车技术均能实现以上参数的推导。相较固定线圈检测技术覆盖点有限、成本高特点,浮动车技术具有覆盖面广、应用成本低、易推广的优点,是近年来交通信息服务系统常用的一种动态交通信息采集技术。基于GPS信息的浮动车一般都能实时记录车辆的ID、时间坐标、地球空间坐标、速度、方向以及与GPS导航系统有关的业务信息。这些信息可用于还原车辆的行驶轨迹和行驶环境,对路段的行程时间估计、路网的交通状态、事故状态等判断,可广泛应用于道路交通通行能力和服务水平分析、实时交通诱导、区域交通协调控制、动态交通信息发布等领域。
目前的常用的路网状态估计技术通常都不考虑道路的几何形状和交通属性,仅从GPS数据的行驶速度分布曲线拟合,用行驶车速而非行程车速作为行程速度用于评价道路的通畅程度,其分析结果与实际道路运行状态必然有一定的差距,不宜于对公众发布,也不能对交通控制和管理提供有效的辅助决策。
发明内容
现有技术中常用的路网状态估计技术存在分析情况不够精确的缺陷。为了使城市路网交通状态的估计准确度进一步提高,本发明利用已有的浮动车技术的信息采集、传输和储存系统,从已有的GPS数据出发,对数据的发送频率、行驶轨迹做了详细的分析,考虑城市交通的OD特性,采用时间最短路算法的计算结果与历史数据的综合评估值作为道路的行程车速,并结合道路的使用功能采用模糊推理技术对道路的交通状态进行综合评价。
本发明解决其技术问题所采用的技术方案是:
基于浮动车数据评估城市路网交通状态的方法,其中:
(a)动态采集浮动车GPS数据,通过数据预处理确定车辆在路网上的逻辑位置,用路段编号及距离路段起点的距离表示。
(b)每隔一个估计周期采用时间最短路算法及模糊推理技术做一次路网交通状态评估,路网交通状态包括路网中所有路段的行程时间、行程车速度以及交通畅通程度,将评估结果保存在数据库中;
(c)该系统通过web service接口对外部系统提供不同需求的评估结果。
如上所述的方法,其中:
步骤(a)具体包括:动态采集浮动车GPS数据,对数据的发送频率、行驶轨迹做详细的时域频谱分析和地域频谱分析,并基于GIS用路径匹配算法得到车辆所在的路段及其在路段上的位移。
步骤(b)具体包括:
(b1)考虑城市交通的OD特性,采用时间最短路算法的计算结果与历史数据的综合评估值作为道路的行程车速,
其中,
用时间最短路算法估计车辆的最可能行驶路径,
行程时间的计算考虑交叉口的路段转向延误时间,
用平均行程车速作为路段交通状态平均的基础;
(b2)结合道路使用属性,将行程车速模糊化后用模糊推理技术综合平均路段畅通程度。
如上所述的方法,步骤(b1)中通过交通OD分析和实际路网,确定OD对间常用路径,用路段按次序排列。
如上所述的方法,步骤(b1)中通过实际路网交通调查,计算交叉口路段转向延误,用于时间最短路算法以及作为路段行程时间的一部分。
如上所述的方法,步骤(b1)中通过时间最短路算法确定车辆在相邻两时间点内的行驶路线,精确到车辆在起始路段及终止路段上的行驶路径。
如上所述的方法,步骤(b1)中采用区间平均车速算法计算路段行程车速,并结合路段间转向延误平均计算车辆在各个路段的行驶时间及行程时间,从而计算各个路段的平均行程车速。
如上所述的方法,步骤(b1)中采用考虑包括日期、时间、天气、事故在内的多重因素的历史行程时间及行程车速结合实时计算的行程时间及行程车速,采用加权平均法计算评估行程时间及行程车速。
如上所述的方法,步骤(b1)中,定时对历史数据进行更新,采用二分平均法减少远期数据对近期数据的影响。
本发明方法主要涉及几个重要环节:
(1)基础数据的准备,包括:
A、城市道路网络的电子地图静态数据整理:包括地图的坐标匹配和修正,道路的方向性处理。
地图坐标的匹配和修正是指用于计算的电子地图坐标系与GPS坐标系可能不同,需要进行实地测试或采用其他方式将两坐标系进行转换,必要时对电子地图进行修正。
道路方向性处理是针对未将道路的方向属性加以标识的电子地图。一般电子地图的道路图层只提供道路的中心线型,未将道路的方向属性加以标识,如区分同一道路的东西走向与西东走向。经过方向性处理后一条路变为两条路,分别代表同一道路的两个走向,可用面状图层表示。道路的最小单位是路段,即任意两个交叉口之间的一段路可作为一个路段,T型交叉口也算交叉口,对比较特殊的长路段,可以将路段上的重要单位开口作为一个虚拟交叉口。路段的方向由起点和终点属性确定。起点和终点用交叉口或虚拟交叉口的唯一标识(编号)表示。
B、交叉口交通数据采集和处理;
交叉口交通数据是指每一个与交叉口连接的路段的走向与交叉口的信号控制方案。该数据可以通过现场调查采集,也可以从相关交通设施管理部门获得,最好是动态的实时数据,若无则可用静态数据代替。信号控制方案用于计算路段在不同方向上的平均延误。最后处理的交叉口数据用以下格式表示:交叉口编号(唯一),进口路段,出口路段,转向延误。对于禁止进入的路段,其转向延误为无穷大。进口路段到出口路段转向延误可以采用Webster交叉口延误计算模型获得。
C、OD采集及常用路径确定
城市路网的OD可以通过规划数据划定小区,并进行OD调查获得。也可以根据浮动车GPS数据来进行小区动态划分和推算OD量。根据划定的交通小区确定小区间的最常用路径,作为小区交通的最可能行走路径,将其中要经过的所有路段记录到数据库中。格式要求为:路径编号,路段序号,路段编号。
(2)浮动车GPS信息采集和预处理
动态采集的浮动车GPS信息保存在数据库中,保存的信息包括车辆编号、采集时刻、车辆速度、车辆方向、车辆状态、经纬度坐标。
结合电子地图,采用基于GIS的地图匹配技术,利用GPS数据中的车辆ID编号、采集时刻、车辆速度、方向、经纬度坐标来确定车辆在路网上的逻辑位置,逻辑位置用路段编号和路段距离表示。
(3)定时进行路网交通状态估计
A、根据车辆的逻辑轨迹用考虑交叉口转向延误的时间最短路算法计算估计时段内所有车辆经过的所有路段及经过的距离并作为中间结果记录在数据库中,标记为算法SP;中间表数据结构为:估计时段,路段编号,经过距离,通行时间,采用算法。
B、根据车辆的逻辑轨迹并考虑路网的动态OD及OD间常用路径,计算估计时段内所有车辆经过的路段及经过的距离并作为中间结果记录在数据中,标记为算法MLP;中间表结构同A。
C、分别计算每个算法获得的路段空间平均速度,即经过路段的所有车辆的距离之和除以通过路段的所有时间之和;
D、根据估计时间、事故状态、天气等环境信息获取路段的路段历史行程速度;
E、用加权调和平均法计算路网中所有路段平均行程车速;
F、根据计算的路段平均行程车速及路段属性采用模糊推理技术确定道路通畅程度,用阻塞、拥挤、畅通三个状态表示;路段平均行程车速的模糊函数以及路段通畅程度的模糊推理见附件图表。
G、路网交通状态历史数据的更新维护。影响历史数据的因素为日期、时间、路段事故状态、天气等因素。结合这几个因素生成影响因子,用以保存和方便检索历史数据。历史数据的保存格式为:路段编号,影响因子,行程时间,行程速度,路段状态。每个估计周期计算的结果在发布的同时也写入历史库。如果历史库中已存在相同影响因子的数据,则保存已有速度及欲保存速度的调和平均值,行程时间采用二者平均值,路段状态根据调和速度再次模糊推理演算。
本发明的有益效果是经过交通仿真和上海市杨浦区及黄浦区路网的实际检验,当浮动车辆在路网交通量中的覆盖率到达5%时,路网交通状态的估计正确率在80%以上。该结论表明本发明中采用的方法和技术简单易行,运行条件容易满足,易于在全国中大型城市中推广应用。
附图说明
图1是本发明的系统结构图。
图2是路网交通状态估计流程图。
图3是时间最短路算法及历史数据更新流图。
图4是路段交通状态的隶属度函数及推理规则表。
图5是系统物理部署图。
具体实施方式
本方法是一个当前现状结合历史数据动态进行路网交通状态估计的方法,其历史数据的积累需要相当长的时间,而且随着历史数据的积累,估计的结果越准确。该方法还有一个重要前提是路网静态数据的采集、整理和维护,采集的数据粒度越细,估计结果越好。
如图1所示,系统由静态数据管理和维护模块,动态数据采集模块,动态数据到逻辑路网的映射模块,路网交通状态估计模块,历史数据更新模块,交通信息发布模块组成,数据存储模块。这些软件模块都是独立的,可以根据实际情况安装在一台机器上,也可以安装在多台机器上,物理部署如图5所示。
现结合图2说明路网交通状态的估计流程。主要说明日常维护流程和核心流程,包括路网交通状态估计流程和历史数据更新流程。日常维护包括静态数据的维护和动态数据的接收和处理。
1、静态数据维护
静态数据是指道路网络几何形状、网络拓扑结构等长期变化不大的数据,以及交通管制、交叉口信号配时、交通OD等相对比较稳定的数据。这些数据在初始化的时候需要花比较大的功夫,必要时需要进行交通调查。需要维护的静态数据有:
(1)路段表
其数据结构为:
编号 | 字段名 | 字段类型 | 字段长度 | 说明 |
1 | DDLinkID | Varchar | 10 | 路段编号(唯一) |
2 | FNODE | Varchar | 10 | 路段起始节点 |
33 | TNODE | Varchar | 10 | 路段终止节点 |
4 | LENGTH | decimal | 9 | 路段长度 |
5 | ROADNAME | Varchar | 50 | 所在道路名称 |
6 | ROADLEVEL | Varchar | 20 | 道路等级 |
相邻两个交叉口之间的一段路除单行线为单一路段外,不同走向的路段编号不同,起止节点相反。
(2)交叉口表
编号 | 字段名 | 字段类型 | 字段长度 | 说明 |
1 | NodeID | Varchar | 10 | 交叉口编号(唯一) |
2 | FromLink | Varchar | 10 | 入口路段 |
3 | ToLink | Varchar | 10 | 出口路段 |
4 | Delay | Decimal | 10.2 | 转向阻抗 |
交叉口的NodeID对应路段表中的FNODE和TNODE字段。Fromlink和ToLink对应路段表中的DDLinkID字段。转向阻抗为从入口路段到出口路段的转向平均延误,可用Webster公式求得。
(3)交通OD常用路径表
编号 | 字段名 | 字段类型 | 字段长度 | 说明 |
1 | PathID | varchar | 10 | 路径编号(唯一) |
2 | DDLinkID | varchar | 10 | 路段编号 |
3 | LinkOrder | Int | 4 | 路段次序 |
4 | LinkLength | Decimal | 10.2 | 路段长度 |
5 | AccLength | Decimal | 10.2 | 累计长度 |
找出路网上的交通小区间的常用路径,用路段依次编号表示。路径长度以3000米左右为宜,交通小区分得越细,路径越多,计算结果越接近真值。
2、动态数据接收和处理
动态数据是指出租车的GPS信息。动态数据一般从出租车公司的信息中心获得,也可能直接通过internet接收车辆上车载GPS终端设备发送的实时信息。动态数据采集模块主要功能是通过TCP/IP通信协议接收来自不同信息源的出租车动态GPS信息,并通过网络保存到共享数据库中。
动态数据的处理是指将出租车的GPS的经纬度坐标定位的物理位置映射成路网的逻辑便于随后的计算。映射方式是通过经纬度坐标、车辆方向、速度等值确定车辆所在的路段,以及其距所在路段起点的距离。处理的结果可以与采集到的信息保存在同一张表中,数据保存格式为:
编号 | 字段名 | 字段类型 | 字段长度 | 说明 |
1 | DeviceID | varchar | 10 | 车辆设备编号 |
2 | SendTime | datetime | 8 | 位置发送时刻 |
3 | RecTime | Datetime | 8 | 接收记录时刻 |
4 | Speed | decimal | 10 | 当前车速 |
5 | Status | Int | 4 | 车辆状态 |
6 | Direction | Decimal | 9 | 车辆行驶方向 |
7 | Longitude | Decimal | 20.10 | 经度 |
8 | Latitude | Decimal | 20.10 | 纬度 |
9 | DDLinkID | varchar | 10 | 路段编号 |
10 | Distance | Decimal | 10.2 | 本次定位距离路段起点的距离 |
3、路网交通状态动态估计
路网交通状态估计模块管理路网交通状态估计任务的启动和历史数据更新任务的启动。启动的周期可以自定义,一般为5分钟一次。每次估计的流程如图2—①所示:
(1)路径估算及行程计算
对估计周期内采集到的所有车辆信息按车辆编号和发送时间排序,按车辆为计算个体计算车辆在估计周期内的最可能行驶路径,并将该车辆在路段上的行走里程及行程时间记录在中间表中。该计算可以采用串行算法依次计算估计周期中采集到的所有记录。为达到快速运算的目的,也可以采用并行算法以车辆或一条GPS记录为最小计算子任务分布在多台机器上计算。具体的时间最短路算法参考图3。找到同一车辆两点间的最短路后,平均分配法分配车辆在路段上的行驶时间,再加上本路段到下一路段的转向延误作为该路段的行程时间。
例如对于记录(Vi,Li,Di,Ti),先找到车辆Vi在Ti时刻的前一时刻Ti-1的轨迹(Vi-1,Li-1,Di-1,Ti-1),通过时间最短路算法找到车辆Vi从Ti-1时刻到Ti时刻的可能路径为P{Li-1,L0,...Lk,...Lm,Li},计算总行程S,总行程时间T=Ti—Ti-1,以及所有经过路段的总延误D,其中:
S=∑Length(Lj) j∈{i-1,0,...k,...m,i},k≤m,m≥0,
D=∑T(Lj-1,Lj) j-1,j∈{i-1,0,..k,...m,i},k≤m,m≥0
Length(Lj)为路段Lj的物理长度,T(Lj-1,Lj)为路段Lj到Lj-1的转向延误。则车辆Vi在Ti-1到Ti时段对路网的贡献为:
If Li=Li-1then(Li,Di-Di-1,Ti-Ti-1)
Else{
(Li-1,Length(Li-1)-Di-1,(T-D)*Length(Li-1)/S+T(Li-1,L0));
…
(Lk,Length(Lk),(T-D)*Length(Lk)/S+T(Lk,Lk+1));
…
(Li,Di,(T-D)*Di/S)。
}
其中(L,D,T)表示一条记录,L对应路段编号,D对应车辆在路段L的行驶距离,T对应车辆在路段L的行程时间。记录的表结构为:
编号 | 字段名 | 字段类型 | 字段长度 | 说明 |
1 | DeviceID | varchar | 10 | 车辆设备编号 |
2 | FirstTime | datetime | 8 | 起点时刻 |
33 | NextTime | Datetime | 8 | 下—点时刻 |
4 | DDLinkID | Varchar | 10 | 路段编号 |
5 | Distance | Decimal | 10.2 | 路段行驶里程(米) |
6 | Traveltime | Int | 8 | 行程时间(秒) |
(2)路段行程车速估算
当所有的记录都处理完毕后,再对处理的结果按路段作为计算单元进行计算。该计算也可以用并行计算的模式以路段作为最小计算任务将计算工作分布到多台机器上同时运算。如流程图2—①所示,每个路段的估计行程车速由实时计算的平均行程车速和该路段的历史行程车速共同确定。对没有车辆经过的路段,用历史值作为本估计周期的估计值,对有车辆经过的路段,采用历史值与计算值的加权调和平均值作为估计值。
其中N为经过路段Lj的车辆数,Si为某车在路段Lj的行驶距离,Ti为该车在路段Lj的行程时间。
路段的历史数据需先根据当前时间及路网状态核算历史影响因子,再通过历史影响因子检索路段的历史行程时间及行程车速。
其中,α∈[0,1],为可调系数,在系统运行的初始阶段历史数据记录少,α取值可偏大,如取0.8,当系统一定时间后,可将α取值调低,如取0.6,到0.5,长期运行(超过半年)后,可根据实测数据将α调到合适值。
(3)路段畅通程度的估计
路段的畅通程度是一个模糊值,可以用{堵塞,拥挤,畅通}三个状态来表示。路段的畅通程度不仅跟路段的行程车速有关,也与道路的使用功能有关。为此,可以用模糊推理技术通过路段的行程车速结合道路的使用功能推算路段的畅通程度。
首先将路段的行程车速模糊化,分为{很慢(VS),慢(S),较慢(RS),正常(N),快(F)}五个级,采用三角形隶属度函数。道路的使用功能分为主干道、次干道和支路三个级别。推理规则采用“IF x is A and y is B THEN z is C”的模糊规则进行推理,路段行程车速与道路属性为推理前件,路段畅通程度为推理结果。路段行程车速的隶属度函数及推理规则见图4。具体实施时可根据路网的实际情况,调整隶属度函数及推理规则。
(4)历史数据的更新和维护
历史数据主要考虑的因素有:
日期类型:分为工作日,节假日;
星期几:周一至周日;
时间:分为高峰,平峰,深夜三个时段,若需细分,可将1日按小时分为24个时段甚至更细;
气候:分为正常、较差、恶劣三个等级;
事故:分有/无事故。
日期和时间可以根据估计时段的时间获得,气候信息从其他系统中获取或定时人工录入。
为了加快检索的速度,历史数据的影响因素可以编码为历史影响因子,编码格式为:
日期类型 | 星期几 | 时段 | 气候 | 事故 |
1位 | 1位 | 2位 | 1位 | 1位 |
一般来说,距当前时间越近的历史数据与当前实际情况越接近。因此历史数据的更新采用二分平均法计算。假设路段L已经有N次的历史数据,第i次的估计行程时间为Ti,本次周期计算的估计行程时间为T0,则最后更新的历史行程时间T为:
该路段的历史行程速度V为: 也即该路段的估计值与历史值的调和平均值。
历史数据表还需记录最近一个月的所有估计值,并计算其均值及方差用于历史数据的分析。
(5)路网交通信息的发布
每次计算出来的路网交通状态,按估计时段时间和路段排序存储在共享数据库中。可以发布的信息可分为实时信息和统计信息。实时信息有路段行程车速、路段畅通程度;统计信息有十大拥挤路段、拥挤区域,路径估计行程时间,建议最优行驶路径等附加信息。
路网交通信息可以以直接访问数据库的形式发布,也可以以网络服务的方式对外部系统提供透明访问接口。
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于这里的实施例,本领域技术人员根据本发明的揭示,对于本发明做出的改进和修改都应该在本发明的保护范围之内。
Claims (8)
1.基于浮动车数据评估城市路网交通状态的方法,特征包括:
(a)动态采集浮动车GPS数据,通过数据预处理确定车辆在路网上的逻辑位置,该逻辑位置用路段编号及距离路段起点的距离表示;
(b)每隔一个估计周期采用时间最短路算法及模糊推理技术做一次路网交通状态评估,路网交通状态包括路网中所有路段的行程时间、行程车速度以及交通畅通程度,将评估结果保存在数据库中;
(c)系统通过web service接口对外部系统提供不同需求的评估结果;所述步骤(b)具体包括:
(b1)考虑城市交通的OD特性,采用时间最短路算法的计算结果与历史数据的综合评估值作为道路的行程车速,
其中,
用时间最短路算法估计车辆的最可能行驶路径,
行程时间的计算考虑交叉口的路段转向延误时间,
用平均行程车速作为路段交通状态平均的基础;
(b2)结合道路使用属性,将行程车速模糊化后用模糊推理技术综合平均路段畅通程度。
2.根据权利要求1所述的方法,特征是:
步骤(a)具体包括:动态采集浮动车GPS数据,对数据的发送频率、行驶轨迹做时域频谱分析和地域频谱分析,并基于GIS用路径匹配算法得到车辆所在的路段及其在路段上的位移,其逻辑位置用路段编号及距离路段起点的距离表示。
3.根据权利要求1所述的方法,特征是:步骤(b1)中通过交通OD分析和实际路网,确定OD对间常用路径,用路段按次序排列。
4.根据权利要求1或3所述的方法,特征是:步骤(b1)中通过实际路网交通调查,计算交叉口路段转向延误,用于时间最短路算法以及作为路段行程时间的一部分。
5.根据权利要求1或3所述的方法,特征是:步骤(b1)中通过时间最短路算法确定车辆在相邻两时间点内的行驶路线,精确到车辆在起始路段及终止路段上的行驶路径。
6.根据权利要求1或3所述的方法,特征是:步骤(b1)中采用区间平均车速算法计算路段行程车速,并结合路段间转向延误平均计算车辆在各个路段的行驶时间及行程时间,从而计算各个路段的平均行程车速。
7.根据权利要求1所述的方法,特征是:步骤(b1)中采用考虑包括日期、时间、天气、事故在内的多重因素的历史行程时间及行程车速结合实时计算的行程时间及行程车速,采用加权平均法计算评估行程时间及行程车速。
8.根据权利要求1所述的方法,特征是:步骤(b1)中,定时对历史数据进行更新,采用二分平均法减少远期数据对近期数据的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007100452403A CN101373559B (zh) | 2007-08-24 | 2007-08-24 | 基于浮动车数据评估城市路网交通状态的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007100452403A CN101373559B (zh) | 2007-08-24 | 2007-08-24 | 基于浮动车数据评估城市路网交通状态的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101373559A CN101373559A (zh) | 2009-02-25 |
CN101373559B true CN101373559B (zh) | 2010-08-18 |
Family
ID=40447709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007100452403A Expired - Fee Related CN101373559B (zh) | 2007-08-24 | 2007-08-24 | 基于浮动车数据评估城市路网交通状态的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101373559B (zh) |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101846523A (zh) * | 2009-03-27 | 2010-09-29 | 佛山市顺德区顺达电脑厂有限公司 | 电子地图的更新系统及其方法 |
CN101794507B (zh) * | 2009-07-13 | 2012-03-28 | 北京工业大学 | 基于浮动车数据的宏观路网交通状态评价方法 |
CN101702262B (zh) * | 2009-11-06 | 2011-08-17 | 北京交通大学 | 一种城市交通流畅通性指标的数据融合方法 |
CN102063789B (zh) * | 2009-11-16 | 2014-07-30 | 高德软件有限公司 | 一种交通信息质量评估方法和装置 |
CN102044153B (zh) * | 2010-12-22 | 2015-11-25 | 广州通易科技有限公司 | 一种交通流通畅等级评价的方法与系统 |
CN102024325B (zh) * | 2010-12-23 | 2012-07-25 | 福建工程学院 | 基于浮动车技术的交通堵塞点识别方法 |
CN102110363B (zh) * | 2011-03-30 | 2013-07-10 | 北京世纪高通科技有限公司 | 一种浮动车数据处理的方法及装置 |
CN102354452B (zh) * | 2011-08-01 | 2014-03-26 | 重庆大学 | 基于简化路网模型的实时路况监控方法 |
CN103136953B (zh) * | 2011-12-05 | 2015-05-13 | 北京掌行通信息技术有限公司 | 提供动态交通信息服务的方法 |
CN103175541B (zh) * | 2011-12-26 | 2016-01-20 | 厦门高德软件有限公司 | 一种虚拟驾车定位信息生成方法和装置 |
CN102800191B (zh) * | 2012-07-31 | 2014-09-17 | 北京世纪高通科技有限公司 | 交通评价方法及装置 |
CN102930718A (zh) * | 2012-09-20 | 2013-02-13 | 同济大学 | 基于浮动车数据和线圈流量融合的间断流路段行程时间估计方法 |
CN102881060B (zh) * | 2012-10-17 | 2015-03-11 | 潍柴动力股份有限公司 | 一种实现车辆典型工况获取的方法及系统 |
CN103000025B (zh) * | 2012-11-28 | 2017-08-22 | 北京百度网讯科技有限公司 | 一种为用户提供乘车参考信息的方法和装置 |
CN103247092B (zh) * | 2013-04-26 | 2015-08-26 | 广州通易科技有限公司 | 一种基于场景的驾驶行为评价方法 |
CN103258440B (zh) * | 2013-05-02 | 2015-04-15 | 同济大学 | 一种基于道路属性和实时路况的行车轨迹还原算法 |
CN105023431B (zh) * | 2014-04-29 | 2017-11-21 | 高德软件有限公司 | 一种确定交通限行信息的方法及装置 |
CN104332064B (zh) * | 2014-10-27 | 2017-06-23 | 百度在线网络技术(北京)有限公司 | 基于用户轨迹更新道路信息的方法及装置 |
CN104392607B (zh) * | 2014-11-18 | 2016-12-07 | 青岛海信网络科技股份有限公司 | 一种交通状态判别方法及装置 |
CN104408923B (zh) * | 2014-12-03 | 2018-01-26 | 百度在线网络技术(北京)有限公司 | 交通状态评估方法和装置 |
CN104464320B (zh) * | 2014-12-15 | 2016-09-07 | 东南大学 | 基于真实路网特性及动态行程时间的最短路径诱导方法 |
CN104515530A (zh) * | 2014-12-16 | 2015-04-15 | 北京中交兴路车联网科技有限公司 | 一种长途货运车辆导航线路的优化方法 |
CN104881996A (zh) * | 2015-05-15 | 2015-09-02 | 上海交通大学 | 基于蓝牙技术的实时交通数据采集分析系统 |
CN108088452B (zh) * | 2015-07-27 | 2020-08-18 | 福建工程学院 | 一种路径权重获取方法 |
US10444763B2 (en) * | 2016-03-21 | 2019-10-15 | Ford Global Technologies, Llc | Systems, methods, and devices for fusion of predicted path attributes and drive history |
CN107798864A (zh) * | 2016-09-06 | 2018-03-13 | 高德信息技术有限公司 | 一种道路通行速度的计算方法和装置 |
CN108122408B (zh) * | 2016-11-29 | 2021-02-05 | 中国电信股份有限公司 | 一种路况监测方法、装置及其用于监测道路路况的系统 |
DE102017209667A1 (de) * | 2016-12-12 | 2018-06-14 | Continental Automotive Gmbh | Speicherung von Geschwindigkeitsinformationen zur Prädiktion der zukünftigen Geschwindigkeitstrajektorie |
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 |
CN106971535B (zh) * | 2017-03-19 | 2019-05-24 | 北京通途永久科技有限公司 | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 |
CN107038863B (zh) * | 2017-05-17 | 2020-02-18 | 东南大学 | 考虑综合交通管理措施的城市道路网络广义路权计算方法 |
CN107248284B (zh) * | 2017-08-09 | 2019-11-05 | 北方工业大学 | 基于多源信息融合的实时交通评价方法 |
CN107590998B (zh) * | 2017-08-16 | 2020-12-29 | 重庆市市政设计研究院 | 一种基于浮动车数据的道路节点运行状态识别系统 |
CN108388540B (zh) * | 2018-03-01 | 2022-09-23 | 兰州交通大学 | 基于模糊综合评价的道路网选取方法 |
CN108806258A (zh) * | 2018-07-09 | 2018-11-13 | 北方工业大学 | 一种基于浮动车数据的城市道路交叉口运行评价指标体系 |
CN109615851B (zh) * | 2018-07-30 | 2021-01-29 | 北京航空航天大学 | 一种在群智感知系统中基于关键路段的感知节点选取方法 |
CN109035784B (zh) * | 2018-09-17 | 2021-01-26 | 江苏智通交通科技有限公司 | 基于多源异构数据的动态车流od估计方法 |
CN109000679B (zh) * | 2018-09-21 | 2021-03-05 | 斑马网络技术有限公司 | 路径预测方法、装置、系统及存储介质 |
CN109215347B (zh) * | 2018-10-22 | 2020-10-09 | 北京航空航天大学 | 一种基于众包轨迹数据的交通数据质量控制方法 |
CN109544916B (zh) * | 2018-11-09 | 2020-06-26 | 同济大学 | 一种基于抽样轨迹数据的路网车辆od估计方法 |
CN109671268A (zh) * | 2018-12-07 | 2019-04-23 | 黑匣子(杭州)车联网科技有限公司 | 一种通过车载终端解决交通拥堵的方法 |
CN111351499B (zh) * | 2018-12-24 | 2022-04-12 | 北京嘀嘀无限科技发展有限公司 | 路径识别方法、装置、计算机设备和计算机可读存储介质 |
CN110031015B (zh) * | 2019-03-30 | 2020-11-03 | 北京交通大学 | 一种用连续可导函数近似表示车道平面曲线的方法 |
CN111143955A (zh) * | 2019-12-18 | 2020-05-12 | 福建工程学院 | 一种城市路网拓扑连接边权重的获取方法和获取系统 |
CN111127891B (zh) * | 2019-12-27 | 2021-04-27 | 中国交通通信信息中心 | 一种基于浮动车轨迹大数据的路网核查方法 |
CN111524354B (zh) * | 2020-04-29 | 2021-02-05 | 中南大学 | 基于语言模型的城市交通网络路径选择行为的预测方法、系统、介质及设备 |
CN113538907B (zh) * | 2021-07-09 | 2022-05-03 | 大连海事大学 | 一种基于交通流分级的行车时间估计系统 |
CN114419878B (zh) * | 2021-12-22 | 2023-04-07 | 银江技术股份有限公司 | 城市路网全域交通状态预测的方法、电子装置和存储介质 |
CN115100880B (zh) * | 2022-06-17 | 2024-05-14 | 南京莱斯信息技术股份有限公司 | 一种实现公交车均衡分布的公交信号优先控制方法 |
CN116756205A (zh) * | 2023-05-12 | 2023-09-15 | 北京建筑大学 | 面向行驶周期的细分速度vkt和vht分布构建方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6925378B2 (en) * | 2003-05-12 | 2005-08-02 | Circumnav Networks, Inc. | Enhanced mobile communication device with extended radio, and applications |
CN1948913A (zh) * | 2006-08-25 | 2007-04-18 | 北京航空航天大学 | 用于处理大规模浮动车数据的启发式路径推测方法 |
CN1959759A (zh) * | 2006-11-17 | 2007-05-09 | 上海城市综合交通规划科技咨询有限公司 | 基于浮动车数据的交通分析方法 |
-
2007
- 2007-08-24 CN CN2007100452403A patent/CN101373559B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6925378B2 (en) * | 2003-05-12 | 2005-08-02 | Circumnav Networks, Inc. | Enhanced mobile communication device with extended radio, and applications |
CN1948913A (zh) * | 2006-08-25 | 2007-04-18 | 北京航空航天大学 | 用于处理大规模浮动车数据的启发式路径推测方法 |
CN1959759A (zh) * | 2006-11-17 | 2007-05-09 | 上海城市综合交通规划科技咨询有限公司 | 基于浮动车数据的交通分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101373559A (zh) | 2009-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101373559B (zh) | 基于浮动车数据评估城市路网交通状态的方法 | |
CN101751777B (zh) | 基于空间聚类分析的城市路网交通小区动态划分方法 | |
Zhan et al. | Urban link travel time estimation using large-scale taxi data with partial information | |
Kumar et al. | Bus travel time prediction using a time-space discretization approach | |
CN101388143B (zh) | 基于浮动车数据的公交到站时间预测方法 | |
De Fabritiis et al. | Traffic estimation and prediction based on real time floating car data | |
CN104331422B (zh) | 一种路段类型推测方法 | |
CN102297700B (zh) | 用于时间相关的路线计划的方法和导航装置 | |
EP1532600B1 (en) | Apparatus and method for providing traffic information | |
CN102460534B (zh) | 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 | |
EP1918895A2 (en) | Apparatus and method for providing traffic information | |
CN103295414A (zh) | 一种基于海量历史gps轨迹数据的公交车到站时间预测方法 | |
CN104123833A (zh) | 一种道路状况的规划方法和装置 | |
CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
CN108335483B (zh) | 交通拥堵扩散路径的推断方法及其系统 | |
CN109102114B (zh) | 一种基于数据融合的公交出行下车站点估计方法 | |
Hu et al. | Taxi driver’s operation behavior and passengers’ demand analysis based on GPS data | |
Aemmer et al. | Measurement and classification of transit delays using GTFS-RT data | |
Adnan et al. | Estimation of travel time distributions for urban roads using GPS trajectories of vehicles: a case of Athens, Greece | |
CN108564793A (zh) | 一种基于rfid电子车牌数据的行程时间预测方法 | |
Koch et al. | Machine Learning from Big GPS Data about the Heterogeneous Costs of Congestion | |
Oleyaei-Motlagh et al. | Inferring demand from partially observed data to address the mismatch between demand and supply of taxis in the presence of rain | |
Abu-Aisha et al. | A New Methodology To Infer Travel Behavior Using Floating Car Data | |
Cai et al. | A bus passenger flow estimation method based on POI data and AFC data fusion | |
Reddy et al. | Travel data collection using a smart phone for the estimation of multimodal travel times of intra-city public transportation |
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 | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100818 Termination date: 20130824 |