CN102157068A - 超大型城市路网分类检测方法 - Google Patents
超大型城市路网分类检测方法 Download PDFInfo
- Publication number
- CN102157068A CN102157068A CN201110080985XA CN201110080985A CN102157068A CN 102157068 A CN102157068 A CN 102157068A CN 201110080985X A CN201110080985X A CN 201110080985XA CN 201110080985 A CN201110080985 A CN 201110080985A CN 102157068 A CN102157068 A CN 102157068A
- Authority
- CN
- China
- Prior art keywords
- detection
- highway section
- real
- detection technique
- data
- 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)
Abstract
本发明提供了一种超大型城市路网分类检测方法，包括如下步骤：1)对超大型城市的基本路网及检测资源资料进行收集整理和加工；2)以单一路段的最小周期的检测数据为基本单位，判断各检测技术下检测数据的有效性；3)以单一路段的最小周期的检测数据为基本单位，选择对其最有效的检测技术；4)单一路段实时交通状态生成；5)城市路网实时交通状态生成及发布。本发明提供的超大型城市路网分类检测方法针对超大型城市路网不同分类，生成路段动态交通信息，从而实现超大型城市路网的动态交通信息发布，满足多数出行者对动态交通信息服务的需求。
Description
技术领域
本发明涉及一种城市路网分类检测方法，尤其涉及一种超大型城市路网分类检测方法，属于智能交通实时交通信息服务的技术领域。
背景技术
超大型城市由于城市自身规模的要求，路网类型繁多，分为快速路网、地面路网和高等级公路网。而目前获取动态实时交通信息的主要检测手段，从技术发展趋势来看，主要包括线圈数据检测；装载GPS设备的浮动车检测技术，通常是出租车、公交车或货运车等；手机信令检测技术，主要是利用庞大的手机信令资源。
线圈数据检测技术，从SCATS系统获取路口的各种交通参数，主要有按相位提取的交通流量、饱和度等，从而推断出路段的道路交通状态和预测行程时间，该种检测技术采集数据方便可行，采集的数据具备准确率高，字段定义明确，数据用于进行交通数据处理和交通状态的判别相对算法简单可操作，以此为检测基础最终处理出的交通状态准确性高，但是受限于道路建设程度，其采集范围相对有限，且系统的采集线圈损坏率非常高，约为20％，采集线圈的损坏会大大影响交通信息采集能力和交通信息发布、服务能力。
车载GPS的浮动车检测技术，该技术采集到的数据完整地反映了浮动车的运行轨迹，而浮动车的轨迹则可以很好的反映道路的交通状态，但是同样受限于装载GPS设备的车辆数目，只能提供城市局部范围内的动态交通信息。
手机信令检测技术，该检测技术是利用手机信令进行交通信息采集，从而提供动态交通信息，手机信令数据量庞大，覆盖范围广，但是该项技术仍处于起步阶段，不及线圈和GPS技术手段的成熟。
从交通信息采集诱导需要，建设维护成本和环境因素考虑，超大型城市的三类路网各自最适用的检测技术如下所示：（1）国省干线公路网和高速公路网：以手机数据检测技术作为主要的检测手段进行交通状态采集处理方式；（2）中心城城市地面道路网：以车载GPS数据检测技术作为主要的检测手段进行交通状态采集处理方式；（3）城市快速路网：以线圈检测技术作为主要的检测手段进行交通状态采集处理方式。
因此，对于超大型城市路网的交通状态采集处理，需要通过进行路网分类选择适合道路需求的检测技术，作为交通状态采集处理的方式。
发明内容
本发明所要解决的技术问题是提供一种超大型城市路网分类检测方法，能够实现超大型城市路网的动态交通信息发布，满足多数出行者对动态交通信息服务的需求。
本发明为解决上述技术问题而采用的技术方案是提供一种超大型城市路网分类检测方法，包括如下步骤：1) 基础数据加工：对超大型城市的基本路网及检测资源资料进行收集整理和加工；2) 单一路段实时检测数据有效性判断：以单一路段的最小周期的检测数据为基本单位，判断各检测技术下检测数据的有效性；3) 单一路段实时对应检测技术选择：根据步骤2)的有效性信息，以单一路段的最小周期的检测数据为基本单位，选择对其最有效的检测技术；4) 单一路段实时交通状态生成：根据步骤3)选定的检测技术，在该检测技术范畴内，进行交通信息处理和交通状态生成；5) 城市路网实时交通状态生成及发布：对城市路网中所有道路实施步骤2)～步骤4)，得出城市路网中所有道路的实时交通状态信息，并发布城市实时交通状态。
上述的超大型城市路网分类检测方法，其中，所述步骤1)包括如下步骤：1.1) 建立发布路段与路网种类的对应关系表；1.2) 建立发布路段与其支持的检测技术的对应关系表；1.3) 根据步骤1.1)和步骤1.2)中的对应关系表，建立发布路段基本信息表。
上述的超大型城市路网分类检测方法，其中，所述步骤2)包括如下步骤：2.1) 确定该路段支持的检测技术：根据步骤1)得出的发布路段基本信息表，查找该路段支持的检测技术；2.2) 以信息检测周期为单位，确定该路段在发布周期内所支持的检测技术检测到的数据的有效性，得出单一路段实时检测数据有效性判断表格，对于不支持的检测技术，则视为对该检测技术无效。
上述的超大型城市路网分类检测方法，其中，所述步骤3)包括如下步骤：步骤3.1) 根据步骤1)的发布路段基本信息表，查看该路段所属的路网及其对应的最优技术；步骤3.2) 若该路段该周期在最优检测技术下的实时检测数据为有效，则选择最优检测技术作为该路段本周期的检测技术；否则，进入步骤3.3)；步骤3.3) 若该路段该周期在最优检测技术下的实时检测数据为无效，则查询其他两种检测技术下的实时检测数据是否有效，若其他两种检测技术下的实时检测数据均有效，则选择这两种检测技术作为该路段本周期的检测技术；若其他两种检测技术下的实时检测数据只有一种有效，则选择有效的这种检测技术作为该路段本周期的检测技术；若其他两种检测技术下的实时检测数据均无效，则该路段本周期下无检测技术可选择；步骤3.4) 对该路段的实时检测技术选择之后，生成相应的实时检测技术选择表格。
本发明对比现有技术有如下的有益效果：本发明针对超大型城市路网不同分类，依据各路段实时检测数据的有效性，结合各条路段最适合的检测技术，对各路段实时数据挑选适合的对应的检测技术，并利用该检测技术采集到的数据进行数据处理，生成路段动态交通信息，从而实现超大型城市路网的动态交通信息发布，满足多数出行者对动态交通信息服务的需求。
附图说明
图1为本发明的超大型城市路网分类检测流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
图1为为本发明的超大型城市路网分类检测流程图。
请参见图1，本发明提供的超大型城市路网分类检测方法，包括如下步骤：
步骤1、基础数据加工：对超大型城市的基本路网及检测资源资料进行收集整理和加工，是实现路网分类应用检测技术方法的基础；
步骤1.1、建立发布路段与路网种类的对应关系表；
步骤1.2、建立发布路段与其支持的检测技术的对应关系表；
步骤1.3、基于步骤1.1和步骤1.2，建立发布路段基本信息表，表格式如表1所示：
表1 发布路段基本信息表
| 路段 | 道路名 | 路网 | 线圈 | GPS | 手机 | 最优技术 |
| 1 | 四平路 | 2 | 1 | 1 | 1 | GPS |
| 3 | 延安路高架 | 3 | 1 | 1 | 1 | 线圈 |
| 5 | 318国道 | 1 | 0 | 0 | 1 | 手机 |
| …… | …… | …… | …… | …… | …… | …… |
其中：
1、路段为组成道路的基本单位，与交通状态发布段一一对应；
2、路网中1,2,3分别表示路网为国省干线公路网和高速公路网、中心城区地面道路、城市快速路；
3、表中第四、五、六列表明该路段是否支持该检测技术，0表示不支持，1表示支持。
4、最优技术列表示该路段所属路网适用的最优检测技术。
步骤2、单一路段实时检测数据有效性判断：以单一路段的最小周期的检测数据为基本单位，判断各检测技术下检测数据的有效性；
步骤2.1、确定该路段支持的检测技术：根据步骤1得出的发布路段基本信息表，查找该路段支持的检测技术；
步骤2.2、以信息检测周期为单位，确定该路段在发布周期内所支持的检测技术检测到的数据的有效性，得出单一路段实时检测数据有效性判断表格，对于不支持的检测技术，则视为对该检测技术无效，表格式如表2所示：
表2 路段实时检测数据有效性判断表
| 路段 | 起始时间 | 结束时间 | 线圈 | GPS | 手机 |
| 1 | 9:00 | 9:05 | 1 | 1 | 1 |
| 1 | 9:05 | 9:10 | 1 | 0 | 1 |
| 1 | 9:10 | 9:15 | 0 | 0 | 1 |
| 1 | 9:15 | 9:20 | 0 | 0 | 0 |
| …… | …… | …… | …… | …… | …… |
其中：
1、该表格中以5分钟作为信息检测周期，实际操作中按交通状态处理算法要求确定其检测周期时间；
2、判断该周期内各检测技术检测到的数据有效与否参见各检测技术交通状态处理算法中数据有效性判断；
3、表中第四、五、六列表明该路段在此周期内该种检测技术检测到的数据是否有效，0表示无效数据，1表示有效数据。
步骤3、单一路段实时对应检测技术选择：基于步骤2的有效性信息，以单一路段的最小周期的检测数据为基本单位，选择对其最有效的检测技术；
步骤3.1、根据步骤1的发布路段基本信息表，查看该路段所属的路网及其对应的最优技术；
步骤3.2、若该路段该周期在最优检测技术下的实时检测数据为有效，则选择最优检测技术作为该路段本周期的检测技术；否则，参见步骤3.3；
步骤3.3、若该路段该周期在最优检测技术下的实时检测数据为无效，则查询其他两种检测技术下的实时检测数据是否有效，若其他两种检测技术下的实时检测数据均有效，则选择这两种检测技术作为该路段本周期的检测技术；若其他两种检测技术下的实时检测数据只有一种有效，则选择有效的这种检测技术作为该路段本周期的检测技术；若其他两种检测技术下的实时检测数据均无效，则该路段本周期下无检测技术可选择；
步骤3.4、对该路段的实时检测技术选择之后，生成相应的实时检测技术选择表格，表格式如表3所示。
表3 路段实时检测技术选择表
| 路段 | 起始时间 | 结束时间 | 检测技术 |
| 1 | 9:00 | 9:05 | GPS |
| 1 | 9:05 | 9:10 | 线圈和手机 |
| 1 | 9:10 | 9:15 | 手机 |
| 1 | 9:15 | 9:20 | 无 |
| …… | …… | …… | …… |
步骤4、单一路段实时交通状态生成：基于步骤3选定的检测技术，在该检测技术范畴内，进行交通信息处理和交通状态生成；
交通状态生成具体步骤如下：
1、根据步骤3.4生成的路段实时检测技术选择表格，若该路段实时检测技术为无，则以灰色表示该路段本周期的实时交通状态；
2、若该路段实时检测技术为单一的一种检测技术，则按该种检测技术对该路段本周期的检测数据进行处理，得出该检测技术算法下，该路段本周期的实时交通状态；
3、若该路段实时检测技术为两种检测技术，则对此两种检测技术对该路段本周期的检测数据，按照该两种检测技术交通状态处理的融合算法进行数据处理，得出该检测技术算法下，该路段本周期的实时交通状态。
步骤5、城市路网实时交通状态生成及发布：对城市路网中所有道路实施步骤2-步骤4，得出城市路网中所有道路的实时交通状态信息，并发布城市实时交通状态。
例如，某超大型城市路网需发布如表4所示以下路段9:00-9:05时段内的动态交通状态信息，需先进行这些路段的路网分类和检测技术选择。
表4 路段及道路
| 路段 | 道路名 |
| 00001 | 四平路 |
| 00002 | 四平路 |
| 00003 | 延安高架路 |
| 00004 | 延安高架路 |
| 00005 | 318国道 |
| 00006 | 318国道 |
首先，收集道路相关信息并进行加工得出该部分路段的发布路段基本信息表，如表5所示：
表5 路段基本信息表
| 路段 | 道路名 | 路网 | 线圈 | GPS | 手机 | 最优技术 |
| 00001 | 四平路 | 2 | 1 | 1 | 1 | GPS |
| 00002 | 四平路 | 2 | 1 | 1 | 1 | GPS |
| 00003 | 延安路高架 | 3 | 1 | 1 | 1 | 线圈 |
| 00004 | 延安路高架 | 3 | 1 | 1 | 1 | 线圈 |
| 00005 | 318国道 | 1 | 0 | 1 | 1 | 手机 |
| 00006 | 318国道 | 1 | 0 | 1 | 1 | 手机 |
根据步骤2，对这些路段9:00-9:05时段内检测数据的有效性进行判断，结果表6所示：
表6 路段实时检测数据有效性判断表
| 路段 | 起始时间 | 结束时间 | 线圈 | GPS | 手机 |
| 00001 | 9:00 | 9:05 | 1 | 1 | 1 |
| 00002 | 9:00 | 9:05 | 0 | 0 | 1 |
| 00003 | 9:00 | 9:05 | 1 | 0 | 1 |
| 00004 | 9:00 | 9:05 | 0 | 1 | 1 |
| 00005 | 9:00 | 9:05 | 0 | 1 | 0 |
| 00006 | 9:00 | 9:05 | 0 | 0 | 0 |
根据步骤3，选择对应的检测方式，如表7所示：
表7 路段实时检测技术选择表
| 路段 | 起始时间 | 结束时间 | 检测技术 |
| 00001 | 9:00 | 9:05 | GPS |
| 00002 | 9:00 | 9:05 | 手机 |
| 00003 | 9:00 | 9:05 | 线圈 |
| 00004 | 9:00 | 9:05 | GPS和手机 |
| 00005 | 9:00 | 9:05 | GPS |
| 00006 | 9:00 | 9:05 | 无 |
根据步骤4，进行路段的实时交通状态生成，如表8所示：
表8 路段实时交通状态表
| 路段 | 起始时间 | 结束时间 | 交通状态 |
| 00001 | 9:00 | 9:05 | 黄 |
| 00002 | 9:00 | 9:05 | 黄 |
| 00003 | 9:00 | 9:05 | 红 |
| 00004 | 9:00 | 9:05 | 黄 |
| 00005 | 9:00 | 9:05 | 绿 |
| 00006 | 9:00 | 9:05 | 灰 |
这样，根据路网分类及其对应的检测技术应用，便可以对超大型城市路网提供最优化的交通信息服务。
虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。
Claims (4)
1.一种超大型城市路网分类检测方法，其特征在于，包括如下步骤：
1) 基础数据加工：对超大型城市的基本路网及检测资源资料进行收集整理和加工；
2) 单一路段实时检测数据有效性判断：以单一路段的最小周期的检测数据为基本单位，判断各检测技术下检测数据的有效性；
3) 单一路段实时对应检测技术选择：根据步骤2)的有效性信息，以单一路段的最小周期的检测数据为基本单位，选择对其最有效的检测技术；
4) 单一路段实时交通状态生成：根据步骤3)选定的检测技术，在该检测技术范畴内，进行交通信息处理和交通状态生成；
5) 城市路网实时交通状态生成及发布：对城市路网中所有道路实施步骤2)～步骤4)，得出城市路网中所有道路的实时交通状态信息，并发布城市实时交通状态。
2.如权利要求1所述的超大型城市路网分类检测方法，其特征在于，所述步骤1)包括如下步骤：
1.1) 建立发布路段与路网种类的对应关系表；
1.2) 建立发布路段与其支持的检测技术的对应关系表；
1.3) 根据步骤1.1)和步骤1.2)中的对应关系表，建立发布路段基本信息表。
3.如权利要求1所述的超大型城市路网分类检测方法，其特征在于，所述步骤2)包括如下步骤：
2.1) 确定该路段支持的检测技术：根据步骤1)得出的发布路段基本信息表，查找该路段支持的检测技术；
2.2) 以信息检测周期为单位，确定该路段在发布周期内所支持的检测技术检测到的数据的有效性，得出单一路段实时检测数据有效性判断表格，对于不支持的检测技术，则视为对该检测技术无效。
4.如权利要求1所述的超大型城市路网分类检测方法，其特征在于，所述步骤3)包括如下步骤：
步骤3.1) 根据步骤1)的发布路段基本信息表，查看该路段所属的路网及其对应的最优技术；
步骤3.2) 若该路段该周期在最优检测技术下的实时检测数据为有效，则选择最优检测技术作为该路段本周期的检测技术；否则，进入步骤3.3)；
步骤3.3) 若该路段该周期在最优检测技术下的实时检测数据为无效，则查询其他两种检测技术下的实时检测数据是否有效，若其他两种检测技术下的实时检测数据均有效，则选择这两种检测技术作为该路段本周期的检测技术；若其他两种检测技术下的实时检测数据只有一种有效，则选择有效的这种检测技术作为该路段本周期的检测技术；若其他两种检测技术下的实时检测数据均无效，则该路段本周期下无检测技术可选择；
步骤3.4) 对该路段的实时检测技术选择之后，生成相应的实时检测技术选择表格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110080985XA CN102157068A (zh) | 2011-04-01 | 2011-04-01 | 超大型城市路网分类检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110080985XA CN102157068A (zh) | 2011-04-01 | 2011-04-01 | 超大型城市路网分类检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102157068A true CN102157068A (zh) | 2011-08-17 |
Family
ID=44438543
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110080985XA Pending CN102157068A (zh) | 2011-04-01 | 2011-04-01 | 超大型城市路网分类检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102157068A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106522051A (zh) * | 2016-11-11 | 2017-03-22 | 上海电科智能系统股份有限公司 | 一种城市交通智能单行道设置辅助决策方法 |
| CN114627646A (zh) * | 2022-03-06 | 2022-06-14 | 南京理工大学 | 一种基于车牌识别数据的路段交通流模式识别方法及系统 |
-
2011
- 2011-04-01 CN CN201110080985XA patent/CN102157068A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106522051A (zh) * | 2016-11-11 | 2017-03-22 | 上海电科智能系统股份有限公司 | 一种城市交通智能单行道设置辅助决策方法 |
| CN106522051B (zh) * | 2016-11-11 | 2019-07-26 | 上海电科智能系统股份有限公司 | 一种城市交通智能单行道设置辅助决策方法 |
| CN114627646A (zh) * | 2022-03-06 | 2022-06-14 | 南京理工大学 | 一种基于车牌识别数据的路段交通流模式识别方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102496280B (zh) | 一种路况信息实时获取方法 | |
| CN102708689B (zh) | 一种实时路况监控系统 | |
| CN102722984B (zh) | 一种实时路况监控方法 | |
| Chakrabartty et al. | Traffic congestion in the metropolitan City of Kolkata | |
| CN105206056B (zh) | 道路交通污染源智能预测方法及系统 | |
| 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 | |
| CN108230217A (zh) | 一种基于高速公路收费数据的能耗排放总量核算系统及其核算方法 | |
| CN103325247A (zh) | 一种交通信息处理方法及系统 | |
| CN105825669A (zh) | 一种识别城市快速路交通瓶颈的系统和方法 | |
| CN103942952B (zh) | 一种路网功能层次状态等级评估方法 | |
| Zhong et al. | Impact of the built environment on the vehicle emission effects of road pricing policies: A simulation case study | |
| CN108492553A (zh) | 一种面向实时路网排放评估的车辆活动水平分析方法 | |
| CN104318315A (zh) | 一种城市道路交通污染物排放监控预警系统及方法 | |
| CN103632541B (zh) | 交通事件路链检测与数据填补方法 | |
| CN102496273A (zh) | 城市交通路况的采集方法及系统 | |
| CN106997662A (zh) | 一种城市公交车工况构建方法 | |
| CN105575140A (zh) | 一种基于rfid电子标签的城市车辆限行方法 | |
| CN103050014A (zh) | 交通车速检测系统及检测方法 | |
| Gomes et al. | Portuguese mainland road network safety performance indicator | |
| CN102542795A (zh) | 一种路网承载能力的计算方法 | |
| CN104376718A (zh) | 一种实时路况远程智能监控方法 | |
| CN106683406A (zh) | 一种基于公交车载gps数据的公交专用道通行瓶颈检测方法 | |
| CN102157068A (zh) | 超大型城市路网分类检测方法 | |
| Li et al. | Mapping highway mobile carbon source emissions using traffic flow big data: a case study of Guangdong Province, China | |
| CN103500500A (zh) | 基于交通小区的出租车空车率信息处理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110817 |