CN102496266B - 一种交通流数据预处理方法 - Google Patents

一种交通流数据预处理方法 Download PDF

Info

Publication number
CN102496266B
CN102496266B CN201110401827.XA CN201110401827A CN102496266B CN 102496266 B CN102496266 B CN 102496266B CN 201110401827 A CN201110401827 A CN 201110401827A CN 102496266 B CN102496266 B CN 102496266B
Authority
CN
China
Prior art keywords
data
time
traffic flow
adjacent
filtering
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.)
Active
Application number
CN201110401827.XA
Other languages
English (en)
Other versions
CN102496266A (zh
Inventor
徐志斌
高艳华
韩冰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yun Xingyu Transport Science And Techonologies Inc Co
Original Assignee
Beijing Yun Xingyu Transport Science And Techonologies Inc Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Yun Xingyu Transport Science And Techonologies Inc Co filed Critical Beijing Yun Xingyu Transport Science And Techonologies Inc Co
Priority to CN201110401827.XA priority Critical patent/CN102496266B/zh
Publication of CN102496266A publication Critical patent/CN102496266A/zh
Application granted granted Critical
Publication of CN102496266B publication Critical patent/CN102496266B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种交通流数据预处理方法,属于数据处理技术领域。该方法包括以下步骤:S1:对采集到的交通流数据进行数据清洗;S2:对经过清洗的数据进行数据校验;S3:对经过校验的数据进行数据修正;S4:对经过修正的数据进行数据修补;S5:对经过修补的数据进行数据滤波;S6:对经过滤波的数据进行数据历史趋势更新。该方法能够对城市道路、高速公路等交通流数据进行预处理,并能够应用于数据采集系统上的交通流数据预处理。

Description

一种交通流数据预处理方法
技术领域
本发明涉及数据处理技术领域,特别涉及一种交通流数据预处理方法。
背景技术
近年来,我国汽车产销量年年创出新高,家庭汽车拥有量逐年翻番。由于汽车的快速增长引发的交通拥堵、交通事故频发。特别是交通拥堵,目前各大城市都面临交通拥堵问题,尤其是上下班高峰、假期出行高峰,而且随着拥堵时间的增长,导致各条相关路段均拥堵加重,甚至导致全城的交通瘫痪,给广大出行者带来极大的不便、也给当地的交通管理部门增加了交通疏导工作。
发明内容
为了解决上述问题,本发明提出了一种能够对城市道路、高速公路等交通流数据进行预处理,并能够应用于数据采集系统上的交通流数据预处理方法。
本发明提供的交通流数据预处理方法包括以下步骤:
S1:对采集到的交通流数据进行数据清洗;
S2:对经过清洗的数据进行数据校验;
S3:对经过校验的数据进行数据修正;
S4:对经过修正的数据进行数据修补;
S5:对经过修补的数据进行数据滤波;
S6:对经过滤波的数据进行数据历史趋势更新。
作为优选,所述数据清洗包括数据异常过滤和阈值过滤。
作为优选,所述数据校验包括对数据进行判断,从而确定数据是否丢失或者数据是否存在错误。
作为优选,在所述数据判断过程中,判断的数据包括交通量、平均速度和占有率。
作为优选,所述数据判断的依据是时间戳和消息序列戳。
作为优选,所述数据修正包括对历史趋势数据和实际检测数据的加权估计修正处理和对相邻时间段平均值的加权估计修正处理。
作为优选,所述数据修补包括历史同期数据对比修补,相邻设备实时检测数据修补,相邻车道基于时间的数据修补,相邻车道基于空间的断面车道的数据修补。
作为优选,所述数据滤波是对所述经过修补的数据进行指数平滑计算,从而得出平滑数据。
作为优选,所述历史数据趋势更新是对数据进行存储,从而不断更新所述平滑数据。
本发明提供的交通流数据预处理方法的有益效果在于:
本发明提供的交通流数据预处理方法能够对城市道路、高速公路等交通流数据进行预处理,将本发明提供的交通流数据预处理方法应用于数据采集系统,能够对交通流数据进行预处理,最终将交通流数据进行存储、分析、上报、显示,可以为交通管理部门及出行者提供各路段当前的交通状态,从而促进交通通行路径选择,提高交通通行能力。
具体实施方式
为了深入了解本发明,下面结合具体实施例对本发明进行详细说明。
本发明提供的交通流数据预处理方法包括以下步骤:
S1:对采集到的交通流数据进行数据清洗,包括数据异常过滤和阈值过滤。
其中,
异常过滤,是指将交通流量、速度及占有率为负或者为空的数据排除。
阈值过滤,包括参数独立判断和参数序列判断。
参数独立判断阈值过滤是指将处于参数独立判断要求范围之外的数据排除。
参数序列判断阈值过滤是指将不满足参数序列判断要求的数据排除。
S2:对经过清洗的数据进行数据校验,依据时间戳和消息序列戳,对交通量、平均速度和占有率进行判断,从而确定数据是否丢失或者数据是否存在错误。
S3:对经过校验的数据进行数据修正,包括对历史趋势数据和实际检测数据的加权估计进行修复和对相邻时间段平均值的加权估计进行修复。
对相邻时间段平均值的加权估计进行修复的公式为:
y ( t ) = y ( t - n ) + y ( t - n + 1 ) + . . . + y ( t - 1 ) n
其中,
n,计算平均值所取的数据个数;
S4:对经过修正的数据进行数据修补,包括历史同期数据对比修补,相邻设备实时检测数据修补,相邻车道基于时间的数据修补,相邻车道基于空间的断面车道的数据修补。
其中,
历史同期数据对比修补的公式为:
X(k)(t)=α×X(t)+(1-α)×X(k-1)(t);
相邻设备实时检测数据修补的公式为:
D(k)(t)=β×D(k-1)(t)+(1-β)×D(k+1)(t);
相邻车道基于时间的数据修补的公式为:
X(k)(t)=γ×X(t)+(1-γ)×X(k-1)(t);
相邻车道基于空间的断面车道的数据修补的公式为:
D(k)(t)=δ×D(k-1)(t)+(1-δ)×D(k+1)(t);
其中,
α,β,γ,δ,加权系数;
X(k-1)(t),原t时刻历史趋势数据;
X(t),t时刻实际检测数据;
X(k)(t),现t时刻历史趋势数据;
D(k-1)(t),t时刻上游设备数据;
D(k+1)(t),t时刻下游设备数据;
D(k)(t),t时刻当前设备数据。
S5:对经过修补的数据进行数据滤波,即对所述经过修补的数据进行指数平滑计算,从而得出平滑数据。
S6:对经过滤波的数据进行数据历史趋势更新,即对数据进行存储,从而不断更新所述平滑数据。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (5)

1.一种交通流数据预处理方法,包括以下步骤:
S1:对采集到的交通流数据进行数据清洗;
S2:对经过清洗的数据进行数据校验;
S3:对经过校验的数据进行数据修正;
S4:对经过修正的数据进行数据修补;
S5:对经过修补的数据进行数据滤波;
S6:对经过滤波的数据进行数据历史趋势更新;
所述数据清洗包括数据异常过滤和阈值过滤;
所述数据校验包括对数据进行判断,从而确定数据是否丢失或者数据是否存在错误;所述数据判断的依据是时间戳和消息序列戳;
其特征在于,
所述数据修补包括历史同期数据对比修补,相邻设备实时检测数据修补,相邻车道基于时间的数据修补,相邻车道基于空间的断面车道的数据修补;
其中,
历史同期数据对比修补的公式为:
X(k)(t)=α×X(t)+(1-α)×X(k-1)(t);
相邻设备实时检测数据修补的公式为:
D(k)(t)=β×D(k-1)(t)+(1-β)×D(k+1)(t);
相邻车道基于时间的数据修补的公式为:
X(k)(t)=γ×X(t)+(1-γ)×X(k-1)(t);
相邻车道基于空间的断面车道的数据修补的公式为:
D(k)(t)=δ×D(k-1)(t)+(1-δ)×D(k+1)(t);
其中,
α,β,γ,δ,加权系数;
X(k-1)(t),原t时刻历史趋势数据;
X(t),t时刻实际检测数据;
X(k)(t),现t时刻历史趋势数据;
D(k-1)(t),t时刻上游设备数据;
D(k+1)(t),t时刻下游设备数据;
D(k)(t),t时刻当前设备数据。
2.根据权利要求1所述的方法,其特征在于,在所述数据判断过程中,判断的数据包括交通量、平均速度和占有率。
3.根据权利要求1所述的方法,其特征在于,所述数据修正包括对历史趋势数据和实际检测数据的加权估计修正处理和对相邻时间段平均值的加权估计修正处理。
4.根据权利要求2所述的方法,其特征在于,所述数据滤波是对所述经过修补的数据进行指数平滑计算,从而得出平滑数据。
5.根据权利要求4所述的方法,其特征在于,所述数据历史趋势更新是对数据进行存储,从而不断更新所述平滑数据。
CN201110401827.XA 2011-12-07 2011-12-07 一种交通流数据预处理方法 Active CN102496266B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110401827.XA CN102496266B (zh) 2011-12-07 2011-12-07 一种交通流数据预处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110401827.XA CN102496266B (zh) 2011-12-07 2011-12-07 一种交通流数据预处理方法

Publications (2)

Publication Number Publication Date
CN102496266A CN102496266A (zh) 2012-06-13
CN102496266B true CN102496266B (zh) 2016-06-01

Family

ID=46188085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110401827.XA Active CN102496266B (zh) 2011-12-07 2011-12-07 一种交通流数据预处理方法

Country Status (1)

Country Link
CN (1) CN102496266B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103064974B (zh) * 2013-01-10 2016-05-04 东南大学 基于时空分析的交通流数据清洗方法
CN110956800B (zh) * 2018-09-27 2021-07-23 杭州海康威视系统技术有限公司 一种路段交通数据预处理方法、装置及电子设备
CN116090669A (zh) * 2023-04-03 2023-05-09 江西锦路科技开发有限公司 基于混合神经网络的交通流预测方法、设备和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216998A (zh) * 2008-01-11 2008-07-09 浙江工业大学 基于模糊粗糙集的证据理论城市交通流信息融合方法
CN101833859A (zh) * 2010-05-14 2010-09-15 山东大学 基于虚拟线圈的自触发车牌识别方法
CN102033892A (zh) * 2009-09-30 2011-04-27 北京四通智能交通系统集成有限公司 交通流历史标准数据的生成方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4190660B2 (ja) * 1999-05-31 2008-12-03 本田技研工業株式会社 自動追従走行システム
US7969324B2 (en) * 2008-12-01 2011-06-28 International Business Machines Corporation Optimization of vehicular traffic flow through a conflict zone

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216998A (zh) * 2008-01-11 2008-07-09 浙江工业大学 基于模糊粗糙集的证据理论城市交通流信息融合方法
CN102033892A (zh) * 2009-09-30 2011-04-27 北京四通智能交通系统集成有限公司 交通流历史标准数据的生成方法及系统
CN101833859A (zh) * 2010-05-14 2010-09-15 山东大学 基于虚拟线圈的自触发车牌识别方法

Also Published As

Publication number Publication date
CN102496266A (zh) 2012-06-13

Similar Documents

Publication Publication Date Title
CN103413443B (zh) 基于隐马尔科夫模型的短时交通流状态预测方法
CN104134349B (zh) 一种基于交通多源数据融合的公交路况处理系统及方法
CN105046956B (zh) 一种基于转向系数的交通流模拟及预测方法
CN102968901B (zh) 获取区域拥堵信息的方法及区域拥堵分析装置
CN104574967B (zh) 一种基于北斗的城市大面积路网交通感知方法
CN105389987B (zh) 一种道路交通状况预测方法及装置
CN113870570B (zh) 一种基于etc的路网运行状态方法、系统和存储介质
CN104217605A (zh) 一种公交车到站时间测算方法和装置
Min et al. Traffic flow data recovery algorithm based on gray residual GM (1, N) model
CN109637128B (zh) 一种基于Markov的灰色Verhulst短时交通流预测方法及系统
CN102496266B (zh) 一种交通流数据预处理方法
CN105118294A (zh) 一种基于状态模式的短时交通流预测方法
CN104900057B (zh) 一种城市快速路主辅道的浮动车地图匹配方法
CN104331609A (zh) 一种基于噪声监测数据的道路交通噪声地图更新方法
CN104112361A (zh) 路网交通中常发瓶颈和偶发瓶颈的识别方法
CN114005282B (zh) 一种基于群智感知的智慧城市交通管理系统及方法
Qi et al. Stochastic approach for short-term freeway traffic prediction during peak periods
CN102622883B (zh) 判定交通事件解除的方法及装置
CN104916131B (zh) 高速公路事件检测的数据清洗方法
CN107273686B (zh) 雨洪径流氮磷输出负荷预测方法
CN103500500A (zh) 基于交通小区的出租车空车率信息处理方法
CN105243848A (zh) 实时路况的预测方法和系统
CN107403241A (zh) 一种城市轨道交通客流二阶波动性计算方法
CN104485000B (zh) 一种浮动车数据源有效性分析处理方法
CN110599769B (zh) 一种城市路网中分时段道路重要性的分级排序方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
DD01 Delivery of document by public notice

Addressee: Beijing Yunxingyu Traffic Engineering Co., Ltd.

Document name: Notification of Passing Examination on Formalities

C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent for invention or patent application
CB02 Change of applicant information

Address after: 100070 Beijing city Fengtai District Haiying Road No. 1 Building No. 2 hospital 11 layer, 12 layer

Applicant after: Beijing Yun Xingyu transport science and techonologies incorporated company

Address before: 100070 Beijing city Fengtai District Haiying Road No. 1 Building No. 2 hospital 11 layer, 12 layer

Applicant before: Beijing Yunxingyu Traffic Engineering Co., Ltd.

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: BEIJING YUNXINGYU TRAFFIC ENGINEERING CO., LTD. TO: BEIJING YUNXINGYU TRANSPORT TECHNOLOGY CO., LTD.

C14 Grant of patent or utility model
GR01 Patent grant