CN102542801B - 一种融合多种交通数据的交通状况预测系统及方法 - Google Patents
一种融合多种交通数据的交通状况预测系统及方法 Download PDFInfo
- Publication number
- CN102542801B CN102542801B CN201110438175.7A CN201110438175A CN102542801B CN 102542801 B CN102542801 B CN 102542801B CN 201110438175 A CN201110438175 A CN 201110438175A CN 102542801 B CN102542801 B CN 102542801B
- Authority
- CN
- China
- Prior art keywords
- levels
- speed
- traffic
- road conditions
- 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.)
- Active
Links
Abstract
本发明所述的融合多种交通数据的交通状况预测系统及方法,包括流量级别检测单元、速度级别检测单元、流量通行能量比级别检测单元、流量占有率级别检测单元、速度占有率级别检测单元、饱和度系数级别检测单元、历史路况级别检测单元和路况预测单元,上述各个级别检测单元通过测量和计算获得每个参数的级别数,然后将各个级别数乘以路况预测单元中预设的各个参数的级别数所占的百分比再求和,得到路况级别数,参照预设的路况级别数对应的路况,得出未来预定时间内的路况。解决了现有技术中只采用单一的路况特征参数来结合历史路况对未来路况进行预测的技术问题,是一种融合当前路况的多种信息的交通状况预测系统和方法。
Description
技术领域
本发明涉及一种交通状况的预测系统及方法,具体地说是一种采用多源异构交通数据融合来预测交通状况的系统和方法。
背景技术
随着人们物质生活水平的提高,机动车的数量越来越多,道路也越来越拥挤。如果人们可以及时了解目前道路的通行情况以及未来道路状况的发展,能够大大提高道路的通行能力,为人们节约时间,提高资源的利用率。
目前判断路况的方式有多种多样,主要分为两种,即硬件设备自动检测上报和人工上报。人工观察上报速度快准确率也高,但是对于大城市中复杂的交通路线,不可能对每条路线进行人工观察。硬件设备自动检测是利用道路上安装的各种检测器利用起来,通过其上报的交通数据分析出当前路况。根据当前的路况信息再结合历史数据特征,预算处未来半小时的交通通行状况。
由于各种设备检测上报的数据类型不同,所以预测路况的方法不同。线圈设备上报的是单流量数据,通过绿灯时间过车数量等参数可以预测路况;微波设备能够准确检测流量、速度、占有率等信息,也可以用来预测路况。视频检测器在白天视线较好的情况下采集的流量、速度、占有率等信息比较准确,也可以使用。此外,具有GPS(全球定位系统)终端的浮动车的车速也可以作为预测路况的依据。悉尼自适应交通控制系统(Sydney Coordinated Adaptive Traffic System,简称SCATS,或简称SCATS系统)是城市信号交通控制系统之一,由澳大利亚新南威尔士州道路交通局(RTA)研究开发。它实现了交通数据信息的实时采集和统计分析,可以得到路段中的饱和度参数。
中国专利文献CN101694743A中公开了一种预测路况的方法和装置,首先获取路链的实时车速数据,然后从预先建立的典型历史车速模式曲线集中获取与所述路链的实时车速数据时间段相同的典型历史车速模式曲线,根据与所述路链的实时车速数据时间段相同的典型历史车速模式曲线和实时模式曲线进行路况预测,其中,所述实时模式曲线根据所述实时数据建立。该技术方案中,采用了将实时车速数据与历史车速数据匹配的方式来预测未来路况。中国专利文献CN101739820A中公开了一种路况预测的方法和装置,根据历史路况数据,按照星期特征日、道路以及时间窗统计计算道路车速均值,根据所述道路车速均值以及拥堵等级标准识别出拥堵时间窗,从所述拥堵时间窗中筛选出相邻的拥堵时间窗,并合并所述相邻的拥堵时间窗形成拥堵时间带,最后输出拥堵时间带给交通服务系统。该技术方案中,结合历史路况数据和当前的车速均值以及拥堵等级来预测拥堵时间带。上述路况预测方式,只采用单一的当前路况信息结合历史路况来预测未来的路况,由于当前路况信息只采用单一的参数来表征,如时间或速度,这种单一的当前路况参数不能整体反映出当前的实际路况,无法综合反映出当前的路况特征,因而影响了对未来路况的判断。
发明内容
为此,本发明所要解决的技术问题在于现有技术中只采用单一的路况特征参数来结合历史路况对未来路况进行预测,由于不能综合反应当前的路况特征,影响了对未来路况预测的准确程度,从而提出一种融合当前路况的多种信息的交通状况预测系统和方法。
为解决上述技术问题,本发明的提供一种融合多种交通数据的交通状况预测系统包括:
流量级别检测单元:包括流量获取设备和流量级别计算模块,所述流量获取设备获得待预测方向道路上的车流量数据,并将所述数据发送给流量级别计算模块,所述流量级别计算模块根据预设的最小流量和最大流量,得出当前道路的流量级别数;
速度级别检测单元:包括车速检测设备和速度级别计算模块,所述车速检测设备检测待预测方向道路上的车速,并将所述数据发送给速度级别计算模块,所述速度级别计算模块根据检测到的车速信息计算出平均车速,将得到的所述平均车速与预设的最小速度和最大速度进行比较,得出当前道路的速度级别数;
流量通行能量比级别检测单元:预先设置有每小时最多通行车辆数,与所述流量获取设备进行数据传输,获得待预测方向道路上的车流量数据,然后根据得到的所述车流量数据计算出每小时过往的车辆数,计算出所述每小时过往的车辆数与所述预设的最多通行车辆数的比值,所述比值为通行能力系数,将所述通行能力系数调整后得到的整数为流量通行能力比级别数;
流量占有率级别检测单元:根据车辆通过预设路段的压占时间和固定时间的比值获得车辆的时间占有率,并获得所述流量通行能量比级别检测单元中的通行能力系数,然后结合时间占有率和通行能力系数计算出流量占有率级别数;
速度占有率级别检测单元:根据所述流量占有率级别检测单元中得到的时间占有率和速度级别检测单元中计算出的平均车速,计算所述时间占有率和所述平均速度的比值,根据所述比值得出所述速度占有率的级别数;
饱和度系数级别检测单元:获得待预测方向道路的饱和度系数,根据预先设置的饱和度系数的上限和下限,得出饱和度系数的级别数;
历史路况级别检测单元:包括历史数据库和历史路况获得模块,所述历史数据库中记录有平日或节假日时每个时间段的路况;所述历史路况获得模块根据当前的时间段获得历史数据库中对应的路况,得出历史路况级别数;
路况预测单元:预先设置有流量级别数、速度级别数、流量通行能力比级别数、流量占有率级别数、速度占有率级别数、饱和度级别数和历史路况级别数所占的百分比,然后所述各个级别数乘以其所占的百分比再求和,得出路况级别数,然后再参照预先设置的路况级别数对应的路况,得出未来预定时间内的路况。
一种融合多种交通数据的交通状况预测方法,包括如下步骤:
(1)所述流量级别检测单元通过所述流量获取设备获得待预测方向道路上的车流量数据,并将所述数据发送给流量级别计算模块,所述流量级别计算模块根据预设的最小流量和最大流量,得出当前道路的流量级别数;
(2)所述速度级别检测单元通过所述车速检测设备检测待预测方向道路上的车速,并将所述数据发送给速度级别计算模块,所述速度级别计算模块根据检测到的车速信息计算出平均车速,将得到的所述平均车速与预设的最小速度和最大速度进行比较,得出当前道路的速度级别数;
(3)所述流量通行能量比级别检测单元与所述流量获取设备进行数据传输,获得待预测方向道路上的车流量数据,然后根据得到的所述车流量数据计算出每小时过往的车辆数,计算所述每小时过往的车辆数与所述预设的最多通行车辆数的比值,所述比值为通行能力系数,将所述通行能力系数调整后得到的整数为流量通行能力比级别数;
(4)所述流量占有率级别检测单元根据车辆通过预设路段的压占时间和固定时间的比值获得车辆的时间占有率,并获得所述流量通行能量比级别检测单元中的通行能力系数,然后结合时间占有率和通行能力系数计算出流量占有率级别数;
(5)所述速度占有率级别检测单元根据所述流量占有率级别检测单元中得到的时间占有率和速度级别检测单元中计算出的平均车速,计算所述时间占有率和所述平均速度的比值,所述比值为拥堵系数,将所述拥堵系数与预先存储的拥堵系数的最大值和最小值进行比较,得出所述速度占有率的级别数;
(6)所述饱和度系数级别检测单元获得待预测方向道路的饱和度系数,根据预先设置的饱和度系数的最大值和最小值,得出饱和度系数的级别数;
(7)所述历史路况级别检测单元包括历史数据库和历史路况获得模块,所述历史数据库中记录有平日或节假日时每个时间段的路况;所述历史路况获得模块根据当前的时间段获得历史数据库中对应的路况,得出历史路况级别数;
(8)路况预测单元将上述获得的流量级别数、速度级别数、流量通行能力比级别数、流量占有率级别数、速度占有率级别数、饱和度级别数和历史路况级别数,乘以预先设置的各自所占的百分比再求和,得出路况级别数,然后再参照预先设置的路况级别数对应的路况,得出未来预定时间内的路况。
所述步骤(8)中,未来预定时间为20-40分钟。
所述流量级别数、速度级别数、流量通行能力比级别数、流量占有率级别数、速度占有率级别数、饱和度级别数和历史路况级别数为1-12中的整数。
在所述步骤(1)中,所述车流量数据小于所述预设的最小流量,所述流量级别数为2或3;如果所述车流量数在所述预设的最小流量和最大流量之间,所述流量级别数为5或6或7;如果所述车流量数大于所述最大流量,则所述流量级别数为9或10或11。
在所述步骤(2)中,所述平均车速小于预设的最小速度,则所述速度级别数为9或10或11,如果所述平均车速在所述预设的最小速度和最大速度之间,所述速度级别数为6或7;如果所述平均车速大于所述最大速度,则所述速度级别数为2或3。
所述步骤(4)中,根据预先设置的时间占有率和通行能力系数的权值,然后将所述时间占有率和通行能力系数乘以各自的权值再求和,得到流量占有率级别数。
在所述步骤(5)中,所述拥堵系数小于所述预设的拥堵系数的最小值,则所述速度占有率级别数为2或3;所述拥堵系数的值在所述预设的拥堵系数的最小值和最大值之间,则所述速度占有率级别数为6或7;所述拥堵系数大于所述预设的拥堵系数的最大值,则所述速度占有率级别数为10或11。
所述饱和度系数根据SCATS系统中的饱和度参数获得,如果所述饱和度系数小于所述预设的饱和度系数的最小值,所述饱和度系数的级别数为2或3;如果所述饱和度系数位于所述预设的饱和度系数的最小值和最大值之间,所述饱和度系数的级别数为6或7;如果所述饱和度系数大于所述预设的饱和度系数的最大值,所述饱和度系数的级别数为10或11。
所述预先设置的路况级别数对应的路况为:所述路况级别数为1-4,对应的所述路况为畅通;所述路况级别数为5-8,对应的所述路况为拥挤;所述路况级别数为9-12,对应的所述路况为拥堵;所述路况级别数小于1或大于12,对应的所述路况为异常。
本发明的上述技术方案相比现有技术具有以下优点,
(1)本发明所述的融合多种交通数据的交通状况预测系统及方法,包括流量级别检测单元、速度级别检测单元、流量通行能量比级别检测单元、流量占有率级别检测单元、速度占有率级别检测单元、饱和度系数级别检测单元、历史路况级别检测单元和路况预测单元,上述各个级别检测单元通过测量和计算获得每个参数的级别数,然后将各个级别数乘以路况预测单元中预设的各个参数的级别数所占的百分比再求和,得到路况级别数,参照预设的路况级别数对应的路况,得出未来预定时间内的路况。该交通状况预测系统,融合了多种路况参数,将流量、速度、流量通行能力、流量占有率、速度占有率、饱和度都作为目前路况的参数,综合了当前路况的多种信息,并计算出了多种路况参数,整体反映了当前的路况信息,与历史数据相结合,在预测未来路况时提高了准确度,为人们出行和交通的管理提供有价值的参考信息。
(2)本发明所述的融合多种交通数据的交通状况预测系统及方法,可以预测出来20-40分钟内的路况,如果预测的时间太短,人们无法根据路况来选择出行道路,不具有太多的参考价值,如果预测的时间过长,由于交通情况不断变化,则会降低预测的准确程度,并且由于车辆在道路上行驶,太长时间后的路况信息对其参考意义也不大,因此所述交通状况预测系统可以预测出未来20-40分钟的路况,优选预测出未来30分钟内的路况,使其具有最大的参考价值,为人们出行和交通管理提供参考。
(4)本发明所述的融合多种交通数据的交通状况预测系统及方法,所述流量级别数、速度级别数、流量通行能力比级别数、流量占有率级别数、速度占有率级别数、饱和度级别数和历史路况级别数为1-12中的整数,通过将所述参数转化为对应的级别数的方式,计算方便,信息准确,为后续根据每种参数的意义不同进行加权计算创造条件。
(5)本发明所述的融合多种交通数据的交通状况预测系统及方法,所述车流量级别数和速度级别数在计算时预该参数的最小值和最大值,由于不同的道路由于其宽度、位置、路面状况不同,其设计的车流量和速度的最大值和最小值不同,这些参数根据具体的路段来设置,交通部门针对不同的路段都会有不同的流量和车速的阈值设定,可以根据交通部门公布的这些参数来设置这些值,这样更有利于针对每个路段进行计算,提高了参数的准确程度。
(6)本发明所述的融合多种交通数据的交通状况预测方法,在所述步骤(3)中,将所述通行能力系统乘以10得到的整数为所述通行能力比级别数,通过简单的方式进行整数化,得到合适的级别数。
(7)本发明所述的融合多种交通数据的交通状况预测方法,所述速度占有率和饱和度系数根据其表示的意义来赋予的级别数,保证所述级别数与最终获得的路况级别数保持一致,从而提高路况级别数的准确率。此外,所述饱和度系统借助现有技术中的SCATS系统获得,方便准确。
(8)本发明所述的融合多种交通数据的交通状况预测方法,所述路况级别数为1-4,对应的所述路况为畅通;所述路况级别数为5-8,对应的所述路况为拥挤;所述路况级别数为9-12,对应的所述路况为拥堵;所述路况级别数小于1或大于12,对应的所述路况为异常。这样,通过多次参数提取与计算,最终将复杂的路况信息转化为数字。
(9)本发明所述的融合多种交通数据的交通状况预测方法,流量级别数、速度级别数、流量通行能力比级别数、流量占有率级别数、速度占有率级别数、饱和度级别数和历史路况级别数根据其在表征当前路况信息的时的权重,来设置各自的比例,提高了预测的准确程度。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中
图1 是本发明所述的融合多种交通数据的交通状况预测系统的结构框图;
图2 是历史路况信息表;
图3 是融合多种交通数据的交通状况预测系统的界面示意图。
具体实施方式
下面给出本发明所述的融合多种交通数据的交通状况预测系统的一个具体的实施方式,所述交通状况预测系统包括以下几个部分,见图1:
流量级别检测单元:包括流量获取设备和流量级别计算模块,所述流量获取设备获得待预测方向道路上的车流量数据,并将所述数据发送给流量级别计算模块,所述流量级别计算模块根据预设的最小流量和最大流量,得出当前道路的流量级别数;
速度级别检测单元:包括车速检测设备和速度级别计算模块,所述车速检测设备检测待预测方向道路上的车速,并将所述数据发送给速度级别计算模块,所述速度级别计算模块根据检测到的车速信息计算出平均车速,将得到的所述平均车速与预设的最小速度和最大速度进行比较,得出当前道路的速度级别数;
流量通行能量比级别检测单元:预先设置有每小时最多通行车辆数,与所述流量获取设备进行数据传输,获得待预测方向道路上的车流量数据,然后根据得到的所述车流量数据计算出每小时过往的车辆数,计算出所述每小时过往的车辆数与所述预设的最多通行车辆数的比值,所述比值为通行能力系数,将所述通行能力系数调整后得到的整数为流量通行能力比级别数;
流量占有率级别检测单元:根据车辆通过预设路段的压占时间和固定时间的比值获得车辆的时间占有率,并获得所述流量通行能量比级别检测单元中的通行能力系数,然后结合时间占有率和通行能力系数计算出流量占有率级别数;
速度占有率级别检测单元:根据所述流量占有率级别检测单元中得到的时间占有率和速度级别检测单元中计算出的平均车速,计算所述时间占有率和所述平均速度的比值,根据所述比值得出所述速度占有率的级别数;
饱和度系数级别检测单元:获得待预测方向道路的饱和度系数,根据预先设置的饱和度系数的上限和下限,得出饱和度系数的级别数;
历史路况级别检测单元:包括历史数据库和历史路况获得模块,所述历史数据库中记录有平日或节假日时每个时间段的路况;所述历史路况获得模块根据当前的时间段获得历史数据库中对应的路况,得出历史路况级别数;
路况预测单元:预先设置有流量级别数、速度级别数、流量通行能力比级别数、流量占有率级别数、速度占有率级别数、饱和度级别数和历史路况级别数所占的百分比,然后所述各个级别数乘以其所占的百分比再求和,得出路况级别数,然后再参照预先设置的路况级别数对应的路况,得出未来预定时间内的路况。
上述系统对应的融合多种交通数据的交通状况预测方法,包括如下步骤:
(1)所述流量级别检测单元通过所述流量获取设备获得待预测方向道路上的车流量数据,并将所述数据发送给流量级别计算模块,所述流量级别计算模块根据预设的最小流量和最大流量,得出当前道路的流量级别数。
例如在某个路段,根据该路段的特征,交警部门给出的预设最小流量为400,最大流量为1000,所述流量获取设备可以为线圈车辆检测器,在固定时刻如早上08:00钟,获得待预测路段的车流量。如果实际流量小于400,则目前道路较畅通,当前道路的流量级别数为2;如果实际流量在400-1000之间,属于拥挤,所述流量级别数为6;如果实际流量大于1000,则路段较拥挤,所述流量级别数为10。
作为可以变换的实施方式,所述实际车流量数据小于所述预设的最小流量,所述流量级别数还可以设置为3;如果所述车流量数在所述预设的最小流量和最大流量之间,所述流量级别数为5或7;如果所述车流量数大于所述最大流量,则所述流量级别数为9或11。
(2)所述速度级别检测单元通过所述车速检测设备检测待预测方向道路上的车速,并将所述数据发送给速度级别计算模块,所述速度级别计算模块根据检测到的车速信息计算出平均车速,将得到的所述平均车速与预设的最小速度和最大速度进行比较,得出当前道路的速度级别数。
例如:在某个路段,根据该路段的特征,交警部门给出的最小速度为5km/h,最大速度为20km/h。在固定时间通过车速检测设备如雷达检测设备,获得待预测方向道路上的车速信息,然后计算出平均车速。如果平均车速小于5km/h,属拥堵,所述速度级别数为10;如果平均车速在5-10km/h之间,属拥挤,所述速度级别数为6;如果所述平均车速大于20km/h,路况属于畅通,所述速度级别数为2。
作为可以变换的实施方式,所述平均车速小于预设的最小速度,则所述速度级别数可以为9或11,如果所述平均车速在所述预设的最小速度和最大速度之间,所述速度级别数为7;如果所述平均车速大于所述最大速度,则所述速度级别数为3。
(3)所述流量通行能量比级别检测单元与所述流量获取设备进行数据传输,获得待预测方向道路上的车流量数据,然后根据得到的所述车流量数据计算出每小时过往的车辆数,计算所述每小时过往的车辆数与所述预设的最多通行车辆数的比值,所述比值为通行能力系数,将所述通行能力系数调整后得到的整数为流量通行能力比级别数。
例如:对于待预测路段根据交通部门发布的交通数据,结合该路段的车辆信息,设置该路段每小时最多通行1200辆车,然后统计固定时间该路段的实际通行量,根据线圈检测设备获得5分钟内其通行量为40辆车,然后计算出每小时的通行量60÷5×40=480,480÷1200=0.4,将所得的结果乘以10来调整为整数,得到4,即所述流量通行能力比级别数为4。
(4)所述流量占有率级别检测单元根据车辆通过预设路段的压占时间和固定时间的比值获得车辆的时间占有率,并获得所述流量通行能量比级别检测单元中的通行能力系数,然后结合时间占有率和通行能力系数计算出流量占有率级别数。
此处的流量占有率基于流量和占有率来计算,在流量趋于饱和的情况下,单流量多少反映路况不科学,这时我们引入占有率综合判态更准确。譬如占有率大、流量小时,道路肯定是趋于拥挤。下面给出一个具体的例子:
设置好连线相关车道的小时通行能力,譬如每小时最多通行1200辆车;
统计固定时间待预测道路上5分钟实际通行量和平均占有率结合计算;
获得通行能力系数,如实际流量40,换算成小时,就是40*12=480,480/1200 =0.4;
平均占有率,即平均时间占有率,也称为时间占有率。时间占有率表示:在固定的统计时间如1分钟内,车辆经过检测区域的时间之和。检测区域一般为一个矩形框,车辆进入矩形框到出矩形框的时间之和(单位为秒),再除了检测时间60秒的比值。实际中,一分钟内,所有的车辆经过这一检测区域的压占时间。在非常拥堵时,压占时间大,即占有率非常高。车少的时间压占时间少,则占有率小。
综合判断时间占有率,作系数微调,TEMP作为临时结果;
1、如果通行能力系数 < 0.3 ,则流量极少时,有可能非常堵,也有可能极畅通,加入占有率参数验证更准确,
1.1、如果平均占有率 > 80,表示极拥堵,TEMP = 通行能力系数*100*1.0+平均占有率*1.0;
1.2、如果60=<平均占有率=< 80且平均占有率,表示稍畅通,TEMP = 通行能力系数*100*0.8+平均占有率*0.8;
1.3 、如果平均占有< 60,表示畅通,TEMP = 通行能力系数*100*0.4+平均占有率*0.4;
2、如果0.3=<通行能力系数< 0.6,则表示流量适中,趁于畅通,
2.1、如果平均占有率 > 60,TEMP = 通行能力系数*100*0.8+平均占有率*0.8;
2.2、如果40=<平均占有率=< 60,TEMP = 通行能力系数*100*0.6+平均占有率*0.6;
2.3 、如果平均占有率< 40,TEMP = 通行能力系数*100*0.4+平均占有率*0.4;
3、 如果通行能力系数 >= 0.6,表示流量极大,但仍然在慢慢走,所以不能算堵死,取中间值,TEMP = 通行能力系数*100*0.5+平均占有率*0.5
将通过上述方法计算得到的TEMP的整数部分除10即 TEMP/10,得到1-12中的级别数。
通过上述过程,就得到了在1-12的级别数范围内的流量占有率级别数。
(5)所述速度占有率级别检测单元根据所述流量占有率级别检测单元中得到的时间占有率和速度级别检测单元中计算出的平均车速,计算所述时间占有率和所述平均速度的比值,所述比值为拥堵系数,将所述拥堵系数与预先存储的拥堵系数的最大值和最小值进行比较,得出所述速度占有率的级别数。
例如,针对某个路段,首先根据交通部门发布的数据设置该路段的拥堵系数的最大值为5,最小值为2,然后根据步骤(2)和步骤(4)中的方法,得到时间占有率和平均速度,拥堵系数=时间占有率/平均速度。如果拥堵系数小于2,属畅通,速度占有率的级别数为2;如果拥堵系数在2-5之间,属拥挤,速度占有率的级别数为6;如果拥堵系数大于5,属畅通,速度占有率的级别数为10。
作为可以变换的实施方式,所述拥堵系数小于所述预设的拥堵系数的最小值,则所述速度占有率级别数为2或3;所述拥堵系数的值在所述预设的拥堵系数的最小值和最大值之间,则所述速度占有率级别数为6或7;所述拥堵系数大于所述预设的拥堵系数的最大值,则所述速度占有率级别数为10或11。
(6)所述饱和度系数级别检测单元获得待预测方向道路的饱和度系数,根据预先设置的饱和度系数的最大值和最小值,得出饱和度系数的级别数。
此处的所述饱和度系数根据SCATS系统中的饱和度参数获得,如果所述饱和度系数小于所述预设的饱和度系数的最小值,所述饱和度系数的级别数为2或3;如果所述饱和度系数位于所述预设的饱和度系数的最小值和最大值之间,所述饱和度系数的级别数为6或7;如果所述饱和度系数大于所述预设的饱和度系数的最大值,所述饱和度系数的级别数为10或11。
例如:根据当前路段的具体情况,所述饱和度系数的最大值为5,最小值为2,通过SCATS系统获得当前路段的饱和度系数,如果实际饱和度系数小于2,则所述饱和度系数的级别数为2;如果实际饱和度系数在2-5之间,则所述饱和度系数的级别数为6;如果所述饱和度系数的级别数大于5,则所述饱和度系数的级别数为10。
(7)所述历史路况级别检测单元包括历史数据库和历史路况获得模块,所述历史数据库中记录有平日或节假日时每个时间段的路况;所述历史路况获得模块根据当前的时间段获得历史数据库中对应的路况,得出历史路况级别数。
此处,每条道路根据平日、假日设置早晚或高峰时段和当前时段的路况值。相当于日时方案表路况,通过设备采集获得,对于设备异常或是根本没有设备的道路上,则需要人工之前反复观察路况,设置常规路况时间表。
首先,设置好待预测方向道路的历史数据库,根据反复观测,得出的常规性路况信息,如图2所示。然后判断当前是属于哪条时段,如今天周一平日早高峰第2条,从07:40—09:00,开关开启;如果状态为畅通,历史路况级别数为2;如果属拥挤,历史路况级别数为6;如果拥堵,历史路况级别数为10。
(8)路况预测单元将上述获得的流量级别数、速度级别数、流量通行能力比级别数、流量占有率级别数、速度占有率级别数、饱和度级别数和历史路况级别数,本实施例中上述级别数为1-12中的整数,将它们乘以预先设置的各自所占的百分比再求和,得出路况级别数,然后再参照预先设置的路况级别数对应的路况,得出未来30分钟的路况。
根据上述方法建立的级别数为1-12的整数,所述预先设置的路况级别数对应的路况为:所述路况级别数为1-4,对应的所述路况为畅通;所述路况级别数为5-8,对应的所述路况为拥挤;所述路况级别数为9-12,对应的所述路况为拥堵;所述路况级别数小于1或大于12,对应的所述路况为异常。这样,经过上述计算得到的路况级别数,上述预先设置的对应路况进行对比查找,便可以得出未来30分钟当前路段的路况。
作为可以变换的实施方式,此处也可以得出未来20分钟或40分钟的路况。
实施例2:
(1)先前要做的工作:程序方面要把架构流程都规划布局好;
(2)交通流对象配置工作:道路、设备、路口、路段、方向的配置,还有待预测带路的设备车道等要关联上。
(3)算法配置: 根据实施例1中的方法,设置好每种级别检测单元中的算法,设定好每种算法所占的百分比。
如图3所示,设置好了道路 中山大道;2个路口 桥口路、崇仁路;1条路段 S1中山大道_桥口路_崇仁路 ,在路段上设置关联了设备信号机检测器,并包括3个车道(左下方D1-1,D1-2,D1-3);设定好待预测的路段,流量级别数所占的百分比,采用上述交通状况预测系统对未来路况进行很好的预测。
此处根据各种设备能抽取数据的特征来决定。譬如SCATS系统能报饱拥系数,所以就选择拥堵系数算法,得出饱和度系数的级别数。如果是雷达或视频检测器,即能报流量,又能报速度,我们就采用拥堵级别系数算法(即占有率/速度),得到速度占有率级别数。在只有地磁线圈的情况下,只能上报单流量系统,这时我们可以选择流量通行能力比或是单流量大小。根据当前检测到的路况信息,确定其权重信息。本领域的技术人员均能根据所述各个级别数反映的信息确认其准确程度,给予其赋予合适的权值,因此可以得到较好的反映当前路况的信息。根据上述方法对未来路况进行预测,通过多种方法融合加权,只要硬件数据靠谱,判态准确率能做到75%以上。在惠州,合肥等现场实施后效果取得了很好的效果,得到了用户的认可。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种融合多种交通数据的交通状况预测系统,包括:
流量级别检测单元:包括流量获取设备和流量级别计算模块,所述流量获取设备获得待预测方向道路上的车流量数据,并将所述车流量数据发送给流量级别计算模块,所述流量级别计算模块根据预设的最小流量和最大流量,得出当前道路的流量级别数;
速度级别检测单元:包括车速检测设备和速度级别计算模块,所述车速检测设备检测待预测方向道路上的车速,并将所述车流量数据发送给速度级别计算模块,所述速度级别计算模块根据检测到的车速信息计算出平均车速,将得到的所述平均车速与预设的最小速度和最大速度进行比较,得出当前道路的速度级别数;
流量通行能量比级别检测单元:预先设置有每小时最多通行车辆数,与所述流量获取设备进行数据传输,获得待预测方向道路上的车流量数据,然后根据得到的所述车流量数据计算出每小时过往的车辆数,计算出所述每小时过往的车辆数与所述预设的最大流量的比值,所述比值为通行能力系数,将所述通行能力系数调整后得到的整数为流量通行能力比级别数;
流量占有率级别检测单元:根据车辆通过预设路段的压占时间和固定时间的比值获得车辆的时间占有率,并获得所述流量通行能量比级别检测单元中的通行能力系数,然后结合时间占有率和通行能力系数计算出流量占有率级别数;
速度占有率级别检测单元:根据所述流量占有率级别检测单元中得到的时间占有率和速度级别检测单元中计算出的平均车速,计算所述时间占有率和所述平均车速的比值,根据所述比值得出所述速度占有率的级别数;
饱和度系数级别检测单元:获得待预测方向道路的饱和度系数,根据预先设置的饱和度系数的上限和下限,得出饱和度系数的级别数;
历史路况级别检测单元:包括历史数据库和历史路况获得模块,所述历史数据库中记录有平日或节假日时每个时间段的路况;所述历史路况获得模块根据当前的时间段获得历史数据库中对应的路况,得出历史路况级别数;
路况预测单元:预先设置有流量级别数、速度级别数、流量通行能力比级别数、流量占有率级别数、速度占有率级别数、饱和度系数的级别数和历史路况级别数所占的百分比,然后各个级别数乘以其所占的百分比再求和,得出路况级别数,然后再参照预先设置的路况级别数对应的路况,得出未来预定时间内的路况。
2.一种使用权利要求1所述的交通状况预测系统的融合多种交通数据的交通状况预测方法,包括如下步骤:
(1)所述流量级别检测单元通过所述流量获取设备获得待预测方向道路上的车流量数据,并将所述车流量数据发送给流量级别计算模块,所述流量级别计算模块根据预设的最小流量和最大流量,得出当前道路的流量级别数;
(2)所述速度级别检测单元通过所述车速检测设备检测待预测方向道路上的车速,并将所述车流量数据发送给速度级别计算模块,所述速度级别计算模块根据检测到的车速信息计算出平均车速,将得到的所述平均车速与预设的最小速度和最大速度进行比较,得出当前道路的速度级别数;
(3)所述流量通行能量比级别检测单元与所述流量获取设备进行数据传输,获得待预测方向道路上的车流量数据,然后根据得到的所述车流量数据计算出每小时过往的车辆数,计算所述每小时过往的车辆数与所述预设的最大流量的比值,所述比值为通行能力系数,将所述通行能力系数调整后得到的整数为流量通行能力比级别数;
(4)所述流量占有率级别检测单元根据车辆通过预设路段的压占时间和固定时间的比值获得车辆的时间占有率,并获得所述流量通行能量比级别检测单元中的通行能力系数,然后结合时间占有率和通行能力系数计算出流量占有率级别数;
(5)所述速度占有率级别检测单元根据所述流量占有率级别检测单元中得到的时间占有率和速度级别检测单元中计算出的平均车速,计算所述时间占有率和所述平均车速的比值,所述比值为拥堵系数,将所述拥堵系数与预先存储的拥堵系数的最大值和最小值进行比较,得出所述速度占有率的级别数;
(6)所述饱和度系数级别检测单元获得待预测方向道路的饱和度系数,根据预先设置的饱和度系数的最大值和最小值,得出饱和度系数的级别数;
(7)所述历史路况级别检测单元包括历史数据库和历史路况获得模块,所述历史数据库中记录有平日或节假日时每个时间段的路况;所述历史路况获得模块根据当前的时间段获得历史数据库中对应的路况,得出历史路况级别数;
(8)路况预测单元将上述获得的流量级别数、速度级别数、流量通行能力比级别数、流量占有率级别数、速度占有率级别数、饱和度系数的级别数和历史路况级别数,乘以预先设置的各自所占的百分比再求和,得出路况级别数,然后再参照预先设置的路况级别数对应的路况,得出未来预定时间内的路况。
3. 根据权利要求2所述交通状况预测方法,其特征在于:所述步骤(8)中,未来预定时间为20-40分钟。
4. 根据权利要求2或3所述交通状况预测方法,其特征在于:所述流量级别数、速度级别数、流量通行能力比级别数、流量占有率级别数、速度占有率级别数、饱和度系数的级别数和历史路况级别数为1-12中的整数。
5. 根据权利要求4所述交通状况预测方法,其特征在于:在所述步骤(1)中,所述车流量数据小于所述预设的最小流量,所述流量级别数为2或3;如果所述车流量数据在所述预设的最小流量和最大流量之间,所述流量级别数为5或6或7;如果所述车流量数据大于所述最大流量,则所述流量级别数为9或10或11。
6. 根据权利要求5所述的交通状况预测方法,其特征在于:在所述步骤(2)中,所述平均车速小于预设的最小速度,则所述速度级别数为9或10或11,如果所述平均车速在所述预设的最小速度和最大速度之间,所述速度级别数为6或7;如果所述平均车速大于所述最大速度,则所述速度级别数为2或3。
7. 根据权利要求6所述的交通状况预测方法,其特征在于:所述步骤(4)中,根据预先设置的时间占有率和通行能力系数的权值,然后将所述时间占有率和通行能力系数乘以各自的权值再求和,得到流量占有率级别数。
8. 根据权利要求7所述的交通状况预测方法,其特征在于:在所述步骤(5)中,所述拥堵系数小于所述预先存储的拥堵系数的最小值,则所述速度占有率级别数为2或3;所述拥堵系数的值在所述预先存储的拥堵系数的最小值和最大值之间,则所述速度占有率级别数为6或7;所述拥堵系数大于所述预先存储的拥堵系数的最大值,则所述速度占有率级别数为10或11。
9. 根据权利要求8所述的交通状况预测方法,其特征在于:所述饱和度系数根据SCATS系统中的饱和度参数获得,如果所述饱和度系数小于所述预设的饱和度系数的最小值,所述饱和度系数的级别数为2或3;如果所述饱和度系数位于所述预设的饱和度系数的最小值和最大值之间,所述饱和度系数的级别数为6或7;如果所述饱和度系数大于所述预设的饱和度系数的最大值,所述饱和度系数的级别数为10或11。
10.根据权利要求9所述的交通状况预测方法,其特征在于:所述预先设置的路况级别数对应的路况为:所述路况级别数为1-4,对应的所述路况为畅通;所述路况级别数为5-8,对应的所述路况为拥挤;所述路况级别数为9-12,对应的所述路况为拥堵;所述路况级别数小于1或大于12,对应的所述路况为异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110438175.7A CN102542801B (zh) | 2011-12-23 | 2011-12-23 | 一种融合多种交通数据的交通状况预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110438175.7A CN102542801B (zh) | 2011-12-23 | 2011-12-23 | 一种融合多种交通数据的交通状况预测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102542801A CN102542801A (zh) | 2012-07-04 |
CN102542801B true CN102542801B (zh) | 2014-10-08 |
Family
ID=46349591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110438175.7A Active CN102542801B (zh) | 2011-12-23 | 2011-12-23 | 一种融合多种交通数据的交通状况预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102542801B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779410B (zh) * | 2012-07-19 | 2014-08-06 | 杭州师范大学 | 一种多源异类海量交通数据融合的并行实现方法 |
CN103247183A (zh) * | 2013-05-15 | 2013-08-14 | 上海中微感联信息技术有限公司 | 一种用于scats信号机的车辆检测方法 |
CN103489039B (zh) * | 2013-09-12 | 2016-08-24 | 重庆大学 | 具有在线自整定优化能力的高速公路交通流量融合预测方法 |
CN104567897A (zh) * | 2013-10-16 | 2015-04-29 | 大陆汽车投资(上海)有限公司 | 结合路况预测的路径规划方法及导航装置 |
CN103956052B (zh) * | 2014-05-13 | 2016-08-24 | 紫光捷通科技股份有限公司 | 一种公路路况的检测方法和系统 |
CN104933860B (zh) * | 2015-05-20 | 2017-07-11 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN105243841A (zh) * | 2015-10-10 | 2016-01-13 | 苏州派瑞雷尔智能科技有限公司 | 基于网页地图的实时路况采集与预测方法 |
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 |
CN106571034B (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预测方法 |
CN107862876A (zh) * | 2017-03-27 | 2018-03-30 | 平安科技(深圳)有限公司 | 交通灯控制方法和装置 |
CN106971538B (zh) * | 2017-04-26 | 2019-08-02 | 同济大学 | 一种区域路网交通状态宏观基本图的绘制方法 |
CN106991815B (zh) * | 2017-05-23 | 2020-03-10 | 招商局重庆交通科研设计院有限公司 | 交通拥堵控制方法 |
CN107945509A (zh) * | 2017-11-14 | 2018-04-20 | 武汉大学 | 一种道路路况图像导航方法及系统 |
CN108281013A (zh) * | 2018-03-22 | 2018-07-13 | 安徽八六物联科技有限公司 | 一种道路车流量监控系统 |
CN109003444B (zh) * | 2018-07-02 | 2020-09-18 | 北方工业大学 | 基于广域雷达微波检测器的城市交叉口溢流控制方法 |
CN109255950A (zh) * | 2018-09-05 | 2019-01-22 | 苏州佳世达光电有限公司 | 车流预估方法、装置及系统 |
CN109615863B (zh) * | 2018-12-29 | 2021-11-23 | 南京理工大学 | 一种基于车牌识别的交通拥堵检测与通信装置及检测方法 |
CN109993972B (zh) * | 2019-03-27 | 2021-11-12 | 招商局重庆交通科研设计院有限公司 | 道路交通管控时间的计算方法 |
CN110211380B (zh) * | 2019-06-04 | 2021-05-04 | 武汉大学 | 一种多源交通数据融合的高速公路拥堵区间探测方法 |
CN110264725B (zh) * | 2019-07-31 | 2021-08-03 | 北京世纪高通科技有限公司 | 路段流量的确定方法及装置 |
CN112907958B (zh) * | 2021-01-29 | 2022-01-25 | 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 |
CN112579966B (zh) * | 2021-03-01 | 2021-05-14 | 天津所托瑞安汽车科技有限公司 | Abs参考车速的计算方法、装置、电子设备和介质 |
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 |
TWI777821B (zh) * | 2021-10-18 | 2022-09-11 | 財團法人資訊工業策進會 | 用於貨櫃場車輛的車輛定位系統以及車輛定位方法 |
CN116935654B (zh) * | 2023-09-15 | 2023-12-01 | 北京安联通科技有限公司 | 一种基于数据分配值的智慧城市数据分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5444442A (en) * | 1992-11-05 | 1995-08-22 | Matsushita Electric Industrial Co., Ltd. | Method for predicting traffic space mean speed and traffic flow rate, and method and apparatus for controlling isolated traffic light signaling system through predicted traffic flow rate |
CN101763729A (zh) * | 2009-12-29 | 2010-06-30 | 北京世纪高通科技有限公司 | 路况数据特征值提取的方法和装置 |
CN102034350A (zh) * | 2009-09-30 | 2011-04-27 | 北京四通智能交通系统集成有限公司 | 交通流数据短时预测方法及系统 |
CN202394387U (zh) * | 2011-12-23 | 2012-08-22 | 北京易华录信息技术股份有限公司 | 一种融合多种交通数据的交通状况预测系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19753034A1 (de) * | 1997-11-18 | 1999-06-17 | Ddg Ges Fuer Verkehrsdaten Mbh | Verfahren zur Prognose eines den Zustand eines Systems repräsentierenden Parameters, insbesondere eines den Zustand eines Verkehrsnetzes repräsentierenden Verkehrsparameters und Vorrichtung zum Durchführen des Verfahrens |
-
2011
- 2011-12-23 CN CN201110438175.7A patent/CN102542801B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5444442A (en) * | 1992-11-05 | 1995-08-22 | Matsushita Electric Industrial Co., Ltd. | Method for predicting traffic space mean speed and traffic flow rate, and method and apparatus for controlling isolated traffic light signaling system through predicted traffic flow rate |
CN102034350A (zh) * | 2009-09-30 | 2011-04-27 | 北京四通智能交通系统集成有限公司 | 交通流数据短时预测方法及系统 |
CN101763729A (zh) * | 2009-12-29 | 2010-06-30 | 北京世纪高通科技有限公司 | 路况数据特征值提取的方法和装置 |
CN202394387U (zh) * | 2011-12-23 | 2012-08-22 | 北京易华录信息技术股份有限公司 | 一种融合多种交通数据的交通状况预测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102542801A (zh) | 2012-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102542801B (zh) | 一种融合多种交通数据的交通状况预测系统及方法 | |
Polus | A study of travel time and reliability on arterial routes | |
Muñoz et al. | Methodological calibration of the cell transmission model | |
CN105825669B (zh) | 一种识别城市快速路交通瓶颈的系统和方法 | |
CN202394387U (zh) | 一种融合多种交通数据的交通状况预测系统 | |
CN104751642B (zh) | 一种高等级道路交通流运行风险实时预估方法 | |
CN103927868B (zh) | 一种能够发现导致区域交通拥堵原因的方法及系统 | |
CN109147330A (zh) | 一种拥堵识别方法及装置 | |
Kattan et al. | A probe-based variable speed limit system | |
CN104732762A (zh) | 一种交通异常路段概率识别方法 | |
CN111932899B (zh) | 一种基于交通仿真的交通突发事件控制方法及装置 | |
CN103150894B (zh) | 消除交通拥堵的高速公路主线收费站通过流量控制方法 | |
CN106156890B (zh) | 一种城市轨道交通通道内客流检测和预测方法及其系统 | |
Wright et al. | Impact of traffic incidents on reliability of freeway travel times | |
CN109785627A (zh) | 一种十字路口交通流量监控系统 | |
Jian Daniel et al. | Research and analysis on causality and spatial-temporal evolution of urban traffic congestions—a case study on Shenzhen of China | |
CN105118310A (zh) | 一种基于视频的单点自优化信号控制方法及装置 | |
Messer et al. | Development of advance warning systems for end-of-green phase at high speed traffic signals | |
Day et al. | Real-time arterial traffic signal performance measures | |
CN114241756B (zh) | 一种高速公路施工期间硬路肩动态使用方法和系统 | |
Balke et al. | Potential measures of assessing signal timing performance using existing technologies | |
Geroliminis et al. | Development of the Next Generation Stratified Ramp Metering Algorithm Based on Freeway Density | |
Tarko et al. | Performance of Alternative Diamond Interchange Forms: Volume 1 | |
Tarko et al. | Performance of Alternative Diamond Interchange Forms | |
Troutbeck et al. | Managing motorways and urban arterials in Australia: Country Report for Australia |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190807 Address after: Room 1002-81, Information Building, 13 Linyin North Street, Pinggu District, Beijing, 101299 Co-patentee after: Beijing E-Hualu Information Technology Co., Ltd. Patentee after: Beijing Gao Cheng development in science and technology company limited Address before: 100043 Beijing city Shijingshan District Fushilu No. 165 Chinese China recorded 9 storey building Patentee before: Beijing E-Hualu Information Technology Co., Ltd. |
|
TR01 | Transfer of patent right |