CN103065468A - 交通信息的评估方法和装置 - Google Patents
交通信息的评估方法和装置 Download PDFInfo
- Publication number
- CN103065468A CN103065468A CN 201210544500 CN201210544500A CN103065468A CN 103065468 A CN103065468 A CN 103065468A CN 201210544500 CN201210544500 CN 201210544500 CN 201210544500 A CN201210544500 A CN 201210544500A CN 103065468 A CN103065468 A CN 103065468A
- Authority
- CN
- China
- Prior art keywords
- highway section
- abnormal
- information
- section
- traffic congestion
- 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
本发明公开了一种交通信息的评估方法和装置,其中,该方法包括:获取当前各个路段中浮动车的行驶信息;根据获取的行驶信息,确定当前各个路段中发生异常的路段对应的路段信息;根据发生异常的路段对应的路段信息进行交通信息的评估。本发明有效地解决了现有技术中利用浮动车历史数据进行交通信息分析,不能较为完善地描述交通信息的演变规律的问题,实现了对交通信息进行系统的评估,进一步地,提高了交通信息评估的准确性。
Description
技术领域
本发明涉及城市交通管理领域,特别是涉及一种交通信息的评估方法和装置
背景技术
随着城市交通压力的不断升级,交通拥堵分析及评价显得尤为重要,它不仅能为交通管理者提供决策依据,同时,也为动态交通诱导提供数据支撑。随着信息技术的发展,许多大城市开始使用浮动车(安装了车载GPS定位装置的公交汽车和出租车)系统,它不仅大幅度提高了城市交通信息采集的精度,同时,能为市民提供实时的动态交通信息。
目前使用广泛的交通拥堵分析及评价方法有:进行人工交通调查,或者利用视频、线圈等固定检测交通采集设备,得到流量、速度、密度等交通流参数,对交通供求平衡关系的定量研究,最终针对某一个路段或者交叉口的改造;近年来,浮动车技术广泛应用于交通拥堵分析,然而当前的应用仅限于利用历史浮动车数据,得到路段的平均速度、拥堵级别及对路网的整体运行特征进行描述。并不能较为完善地描述整个交通信息的演变规律,特别是针对大型活动、交通事故等交通事件的影响无法给予定量的分析与评价,难以满足交通管理者需求。
针对相关技术中浮动车系统利用浮动车历史数据进行交通信息分析,不能较为完善地描述交通信息的演变规律的问题,目前尚未提出有效地解决方案。
发明内容
本发明提供了一种交通信息的评估方法和装置,用以解决现有技术中利用浮动车历史数据进行交通信息分析,不能较为完善地描述交通信息的演变规律的问题。
为解决上述技术问题,一方面,本发明提供一种交通信息的评估方法,包括:获取当前各个路段中浮动车的行驶信息;根据获取的行驶信息,确定当前各个路段中发生异常的路段对应的路段信息;根据发生异常的路段对应的路段信息,进行交通信息的评估。
优选地,获取当前各个路段中浮动车的行驶信息包括:每隔第一预定时间获取当前各个路段上浮动车的行驶参数,其中,行驶参数包括:时间参数、车辆标志参数、车辆速度参数、车辆位置参数;将获取的行驶参数与GIS城市地图进行匹配,以获得各个路段上浮动车的行驶信息。
优选地,根据获取的行驶信息,确定当前各个路段中发生异常的路段对应的路段信息包括:判断当前路段是否为交叉口路段,若为交叉口路段,则获取该路段上各个浮动车在第二预定时间内的行驶距离,若行驶距离小于第一预定距离,则判定该路段为发生异常的路段;若不为交叉口路段,则获取该路段上各个浮动车在第三预定时间内的加速度变化,若在第三预定时间内加速度变化达到预定范围,则判定该路段为发生异常的路段;获取发生异常的路段对应的路段信息。
优选地,根据发生异常的路段对应的路段信息,进行交通信息的评估包括:根据确定的发生异常的路段对应的路段信息,确定交通拥堵信息;根据确定的交通拥堵信息进行交通信息的评估。
优选地,根据确定的发生异常的路段对应的路段信息,确定交通拥堵信息包括:根据发生异常的路段的下游路段对应的路段信息,判断是否存在连续异常的路段;若判定存在连续异常的路段,则判断连续异常的路段是否满足第一预定条件,若满足,则判定出连续异常的路段发生交通拥堵;获取发生交通拥堵路段对应的交通拥堵信息,其中,交通拥堵信息包括以下至少之一:交通拥堵蔓延信息、交通拥堵持续时间、交通拥堵消散时间。
优选地,判断连续异常的路段是否满足第一预定条件包括:获取发生连续异常的路段的初始时间点t1;每隔第四预定时间获取连续异常的路段的距离;判断获取的连续异常的路段的距离是否小于第二预定距离,在判定连续异常的路段的距离小于第二预定距离时,获取当前对应的时间点t2;判断t2与t1的差值是否大于第五预定时间,在t2与t1的差值大于第五预定时间时,判定连续异常的路段满足第一预定条件。
另一方面,本发明还提供一种交通信息的评估装置,包括:获取单元,用于获取当前各个路段中浮动车的行驶信息;确定单元,用于根据获取的行驶信息,确定当前各个路段中发生异常的路段对应的路段信息;评估单元,用于根据发生异常的路段对应的路段信息进行交通信息的评估。
优选地,获取单元包括:第一获取模块,用于每隔第一预定时间获取当前各个路段上浮动车的行驶参数,其中,行驶参数包括:时间参数、车辆标志参数、车辆速度参数、车辆位置参数;匹配模块,用于将获取的行驶参数与GIS城市地图进行匹配,以获得各个路段上浮动车的行驶信息。
优选地,确定单元包括:第一判断模块,用于判断当前路段是否为交叉口路段;第二判断模块,用于在第一判断模块判断当前路段为交叉口路段时,获取该路段上各个浮动车在第二预定时间内的行驶距离,并判断行驶距离是否小于第一预定距离,若小于,则判定该路段为发生异常的路段;第三判断模块,用于在第一判断模块判断当前路段不为交叉口路段时,获取该路段上各个浮动车在第三预定时间内的加速度变化,并判断加速度的变化是否达到预定范围,若达到预定范围,则判定该路段为发生异常的路段;第二获取模块,用于获取发生异常的路段对应的路段信息。
优选地,评估单元包括:确定模块,用于根据确定的发生异常的路段对应的路段信息,确定交通拥堵信息;评估模块,用于根据确定的交通拥堵信息进行交通信息的评估,其中,确定模块包括:第一判断子模块,用于根据发生异常的路段的下游路段对应的路段信息,判断是否存在连续异常的路段;第二判断子模块,用于在第一判断子模块判定存在连续异常的路段时,判断连续异常的路段是否满足第一预定条件,若满足,则判定出连续异常的路段发生交通拥堵;获取子模块,用于获取发生交通拥堵路段对应的交通拥堵信息,其中,交通拥堵信息包括以下至少之一:交通拥堵蔓延信息、交通拥堵持续时间、交通拥堵消散时间。
本发明有益效果如下:
在本发明中,实时获取浮动车的行驶信息,对获取到的浮动车的行驶信息进行进一步地处理,进而完成交通信息的评估。这种实时获取浮动车数据进行处理的方式,有效地解决了现有技术中利用浮动车历史数据进行交通信息分析,不能较为完善地描述交通信息的演变规律的问题,实现了对交通信息进行系统的评估,提高了交通信息评估的准确性。
附图说明
图1是本发明实施例中交通信息的评估方法的一种优选的流程图;
图2是本发明实施例中交通拥堵的识别过程的一种优选的流程图;
图3是本发明实施例中判断是否发生连续异常的路段的一种优选的流程图;
图4是本发明实施例中交通拥堵分析数据输出的一种优选的示意图;
图5是本发明实施例中交通信息的评估装置的一种优选的结构框图;
图6是本发明实施例中交通信息的评估装置的另一种优选的结构框图。
具体实施方式
为了解决现有技术中利用浮动车历史数据进行交通信息分析,不能较为完善地描述交通信息的演变规律的问题,本发明提供了一种交通信息的评估方法和装置,下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1
本发明优选的实施例提供了一种交通信息的评估方法,图1示出该方法的一种优选的流程图,如图1所示,该方法包括如下步骤:
S102,获取当前各个路段中浮动车的行驶信息;
在浮动车内安装有车载定位装置,当浮动车在各个路段上行驶过程中,内部的车载定位装置能够以某一设置好的时间频率记录下车辆的动态信息数据,由GPRS/3G无线通讯模块发送至数据中心。优选地,浮动车上传的数据包括但不限于:车辆编号、时间、经纬度坐标、瞬时速度、行驶方位角和运行状态等参数。数据中心的数据接收装置接收每辆浮动车的动态参数,然后利用地图匹配装置得到每条浮动车数据对应的经纬度坐标、所属道路编号及方向、速度、加速度、行驶距离等行驶信息。优选地,将上述确定的行驶信息存入相应的数据库中,以便调取使用。
S104,根据获取的行驶信息,确定当前各个路段中发生异常的路段对应的路段信息;
根据浮动车的速度、加速度、行驶距离等行驶信息,确定各个路段的基本路况,结合该路段的实际情况,判断是否存在发生异常的路段。例如,在A路段,为无交叉路口的路段,如果超过第一预定数量(如3辆)的浮动车在A路段均出现明显的减速行为,或者先减速后加速的行为,则可判定该路段为发生异常的路段;在B路段,为有交叉路口的路段,如果在B路段上超过第二预定数量(如5辆)的浮动车,在预定时间内的行驶距离小于预定距离,则判定该B路段为发生异常的路段。此处需要说明的是,上述的判定条件旨在描述本实施例,并不对本发明构成不当的限定,可以根据路段的不同情况设定不同的判定条件。
S106,根据发生异常路段对应的路段信息,进行交通信息评估。
根据确定的发生异常的路段对应的路段信息,进行综合分析,以完成对路段的交通信息进行系统的评估。具体地,可以根据发生异常路段对应的路段信息,确定当前各个路段的拥堵状况,也可以结合其他参数分析得到路段的拥堵状况,例如,通过人为输入已发生的交通事件信息,确定拥堵状况。优选地,按照指定的格式采集交通事件信息,采用人工录入的方式进行信息采集。优选地,交通事件数据主要包括以下几个字段:交通事件名称、发生时间、发生地点、事件类型。其中,发生时间包括事件发生时间点及起止时间两种方式;发生地点包括道路断面与整条道路两种类型;事件类型包括交通事故、交通管制、恶劣天气等;优选地,事件类型可通过人工修改。
在上述优选的实施方式中,实时获取浮动车的行驶信息,对获取到的浮动车的行驶信息进行进一步地处理,进而完成交通信息的评估。这种实时获取浮动车数据进行处理的方式,有效地解决了现有技术中利用浮动车历史数据进行交通信息分析,不能较为完善地描述交通信息的演变规律的问题,实现了对交通信息进行系统的评估,提高了交通信息评估的准确性。
在本发明的一个优选的实施方式中,还对上述的方法进行了优化,具体来说,提供了一种获取当前各个路段中浮动车的行驶信息的方法,该方法包括如下步骤:每隔第一预定时间获取当前各个路段上浮动车的行驶参数,其中,行驶参数包括:时间参数、车辆标志参数、车辆速度参数、车辆位置参数;将获取的行驶参数与GIS(Geographic Information System,地理信息系统)城市地图进行匹配,以获得各个路段上浮动车的行驶信息。在上述优选的实施方式中,通过获取浮动车的实时数据,完成对交通信息的评估,提高了评估的准确性。
在本发明的一个优选的实施方式中,还提供了一种确定当前各个路段中发生异常的路段对应的路段信息的方案,该方案包括如下步骤:判断当前路段是否为交叉口路段,若为交叉口路段,则获取该路段上各个浮动车在第二预定时间内的行驶距离,若行驶距离小于第一预定距离,则判定该路段为发生异常的路段;若不为交叉口路段,则获取该路段上各个浮动车在第三预定时间内的加速度变化,若在第三预定时间内加速度变化达到预定范围,则判定该路段为发生异常的路段;获取发生异常的路段对应的路段信息。在上述优选的实施方式中,提供了一种判定路段发生异常的方法,通过对路段进行筛选,选择出发生异常的路段,对发生异常的路段进行综合分析处理,获得系统的交通信息的评估。
此外,本发明还提供了一种根据确定的发生异常的路段对应的路段信息进行交通信息的评估的方案,包括如下步骤:根据发生异常的路段对应的路段信息,确定交通拥堵信息;根据确定的交通拥堵信息进行交通信息的评估。其中,根据确定的发生异常的路段对应的路段信息,确定交通拥堵信息包括:根据发生异常的路段的下游路段对应的路段信息,判断是否存在连续异常的路段;若判定存在连续异常的路段,则判断连续异常的路段是否满足第一预定条件,若满足,则判定出连续异常的路段发生交通拥堵;获取发生交通拥堵路段对应的交通拥堵信息,其中,交通拥堵信息包括以下至少之一:交通拥堵蔓延信息、交通拥堵持续时间、交通拥堵消散时间。其中,判断连续异常的路段是否满足第一预定条件包括:获取发生连续异常的路段的初始时间点t1;每隔第四预定时间获取连续异常的路段的距离;判断获取的连续异常的路段的距离是否小于第二预定距离,在判定连续异常的路段的距离小于第二预定距离时,则获取当前时间对应的时间点t2;判断t2与t1的差值是否大于第五预定时间,在t2与t1的差值大于第五预定时间时,判定连续异常的路段满足第一预定条件。
具体来说,发生交通拥堵的定义如下:多条相互连接的道路由稳定畅通状态转变为稳定拥堵状态,进而再次转变为稳定畅通状态的完整过程;稳定拥堵状态是指在该路段上车辆的行程速度低于预定拥堵速度阈值、且持续预定时间(如5分钟)及以上的交通状态;而稳定畅通状态定义与稳定拥堵状态的定义相反,稳定畅通状态定义为:在该路段上车辆的行程速度高于预定畅通速度阈值,且持续(如5分钟)及以上的交通状态。交通拥堵的识别过程如图2所示,具体操作方法及说明如下:
S202,获取连续异常的路段的初始时刻t=tstar,以及该时刻t下的对应的异常列表,其中,该异常列表中记录有发生连续异常的路段的起始路段;
S204,另t=t+Δt,判断该t时刻的异常路段的情况,并更新异常列表中的起始路段,其中,Δt为时间增量,大小可根据地区不同,由交通管理者定义;
S206,判断该t时刻下连续异常的路段的长度是否小于预定阈值,若是,则跳转至步骤S204,否则,执行步骤S208;
S208,判断当前时刻t减去初始时刻tstar的时间差值是否大于预定时间,若是,执行步骤S210,否则,执行步骤S212;
S210,判定发生交通拥堵;
S212,结束。
具体地,图3示出上述判断是否存在连续异常的路段的流程图,如图3所示,包括如下步骤:
S302,判断当前路段是否为发生异常的路段;若是,则执行步骤S304;
S304,判断下游路段是否为发生异常路段,若是,则继续判断下游路段是否为发生异常的路段,直至下游路段不为发生异常的路段,执行步骤S306;
S306,计算发生异常路段的长度总和;
S308,判断发生异常路段的长度总和是否大于预设距离阈值,若大于,则执行S310,若小于,则跳转至S306;
S310,判定存在连续异常的路段。
在判断出发生交通拥堵之后,获取交通拥堵信息,包括:计算出该交通拥堵对应的评价指标、交通拥堵演变规律分析、常发性交通拥堵识别。
优选地,交通拥堵对应的指标包括但不限于以下之一:拥堵总时间、拥堵总里程及单条路段的最大拥堵里程。
优选地,针对拥堵发生的道路确定拥堵发生的时间和空间范围、分析拥堵蔓延、拥堵持续和消散的时间与速度等指标,拥堵演变规律分析的过程包括如下步骤:
S1,确定交通拥堵中一条连续路段作为分析路段,并得到拥堵扩散的离散的时间节点及对应的连续拥堵长度,即{(t1,s1),(t2,s2)...(tn,sn};
其中t1,t2,...,tn分别拥堵识别过程中离散的时间节点,s1,s2,...,sn分别表示该时间点对于的连续拥堵路段的长度;
S2,设定拥堵演变表达式为S=a1tn-1+a2tn-2+...+an-1t+an,其中,S为拥堵扩散总距离,t为拥堵扩散时间,a1,...,an分别为参数,代入步骤S1中n组值,分别求出参数a1,...,an的大小;t表示时间变量,S为距离变量;
S3,对步骤S2中的拥堵演变表达式进行求导S′,S′为拥堵扩散速度,并求解出|S′|<s′min对应的临界值ta与tb,其中ta>0而tb<0,s′min为系统定义最小拥堵扩散速度,可根据不同区域进行修改,并将拥堵过程划分为三个阶段[tstart,ta)为拥堵蔓延阶段,[ta,tb)为拥堵持续阶段,[tb,tend]为拥堵消散阶段;
S4,确定拥堵蔓延时间、拥堵持续时间、拥堵消散时间及最大拥堵蔓延速度及对应的时间点。
此外,根据上述信息进行常发性交通拥堵识别,针对多天的浮动车历史数据统计分析确定某些路段为常发性的交通拥堵路段。统计过程如下:
步骤一,按照时间匹配的方法删除交通事件下的交通异常路段;
步骤二,输入统计条件,包括统计日期、统计时间段、周次、限行状况等条件;
步骤三,统计相同状况下的交通拥堵发生的次数与统计条件总数的比值,比值大于阈值的路段即为常发性交通拥堵路段。
优选地,可以将上述方法中确定的交通异常路段的路段信息以及针对特定交通事件情况下的交通拥堵分析数据、包括交通演变规律图及各级指标以xml标准格式进行输出,供其他应用程序调用。此外,将交通拥堵分析数据用图表的形式输出,图4所示为一种输出结果示意图。
实施例2
基于上述提供的交通信息的评估方法,本优选的实施例提供了一种交通信息的评估装置,图5示出该装置的一种优选结构框图,如图5所示,该装置包括:
获取单元502,用于获取当前各个路段中浮动车的行驶信息;优选地,在浮动车内安装有车载定位装置,当浮动车在各个路段上行驶过程中,内部的车载定位装置能够以某一设置好的时间频率记录下车辆的动态信息数据,由GPRS/3G无线通讯模块发送至数据中心。优选地,浮动车上传的数据包括但不限于:车辆编号、时间、经纬度坐标、瞬时速度、行驶方位角和运行状态等参数。数据中心的数据接收装置接收每辆浮动车的动态参数,然后利用地图匹配装置得到每条浮动车数据对应的经纬度坐标、所属道路编号及方向、速度、加速度、行驶距离等行驶信息。优选地,将上述确定的行驶信息存入相应的数据库中,以便调取使用。
确定单元504,与获取单元502连接,用于根据获取的行驶信息,确定当前各个路段中发生异常的路段对应的路段信息;优选地,根据浮动车的速度、加速度、行驶距离等行驶信息,确定各个路段的基本路况,结合该路段的实际情况,判断是否存在发生异常的路段。例如,在A路段,为无交叉路口的路段,如果超过第一预定数量(如3辆)的浮动车在A路段均出现明显的减速行为,或者先减速后加速的行为,则可判定该路段为发生异常的路段;在B路段,为有交叉路口的路段,如果在B路段上超过第二预定数量(如5辆)的浮动车,在预定时间内的行驶距离小于预定距离,则判定该B路段为发生异常的路段。此处需要说明的是,上述的判定条件旨在描述本实施例,并不对本发明构成不当的限定,可以根据路段的不同情况设定不同的判定条件。
评估单元506,与确定单元504连接,用于根据确定的发生异常的路段对应的路段信息进行交通信息的评估。优选地,根据确定的发生异常的路段对应的路段信息,进行综合分析,以完成对路段的交通信息进行系统的评估。具体地,可以根据发生异常路段对应的路段信息,确定当前各个路段的拥堵状况,也可以结合其他参数分析得到路段的拥堵状况,例如,通过人为输入已发生的交通事件信息,确定拥堵状况。优选地,按照指定的格式采集交通事件信息,采用人工录入的方式进行信息采集。优选地,交通事件数据主要包括以下几个字段:交通事件名称、发生时间、发生地点、事件类型。其中,发生时间包括事件发生时间点及起止时间两种方式;发生地点包括道路断面与整条道路两种类型;事件类型包括交通事故、交通管制、恶劣天气等;优选地,事件类型可通过人工修改。
在上述优选的实施方式中,实时获取浮动车的行驶信息,对获取到的浮动车的行驶信息进行进一步地处理,进而完成交通信息的评估。这种实时获取浮动车数据进行处理的方式,有效地解决了现有技术中利用浮动车历史数据进行交通信息分析,不能较为完善地描述交通信息的演变规律的问题,实现了对交通信息进行系统的评估,进一步地,提高了交通信息评估的准确性。
在本发明的一个优选的实施方式中,还对上述的装置进行了优化,提供了一种获取当前各个路段中浮动车的行驶信息的方案,具体来说,如图6所示,获取单元502包括:第一获取模块602,用于每隔第一预定时间获取当前各个路段上浮动车的行驶参数,其中,行驶参数包括:时间参数、车辆标志参数、车辆速度参数、车辆位置参数;匹配模块604,与第一获取模块602连接,用于将获取的行驶参数与GIS城市地图进行匹配,以获得各个路段上浮动车的行驶信息。在上述优选的实施方式中,通过获取浮动车的实时实时数据,完成对交通信息的评估,提高了评估的准确性。
在本发明的一个优选的实施方式中,还提供了一种确定当前各个路段中发生异常的路段对应的路段信息的方案,为实现上述目的,具体地,确定单元504包括:第一判断模块,用于判断当前路段是否为交叉口路段;第二判断模块,用于在第一判断模块判断当前路段为交叉口路段时,获取该路段上各个浮动车在第二预定时间内的行驶距离,并判断行驶距离是否小于第一预定距离,若小于,则判定该路段为发生异常的路段;第三判断模块,用于在第一判断模块判断当前路段不为交叉口路段时,获取该路段上各个浮动车在第三预定时间内的加速度变化,并判断加速度的变化是否达到预定范围,若达到预定范围,则判定该路段为发生异常的路段;第二获取模块,用于获取发生异常的路段对应的路段信息。在上述优选的实施方式中,提供了一种判定路段发生异常的方法,通过对路段进行筛选,选择出发生异常的路段,对发生异常的路段进行综合分析处理,获得系统的交通信息的评估。
此外,本发明还提供了一种根据确定的发生异常的路段对应的路段信息进行交通信息的评估的方案,具体地,评估单元包括:确定模块,用于根据确定的发生异常的路段对应的路段信息,确定交通拥堵信息;评估模块,用于根据确定的交通拥堵信息进行交通信息的评估,其中,确定模块包括:第一判断子模块,用于根据发生异常的路段的下游路段对应的路段信息,判断是否存在连续异常的路段;第二判断子模块,用于在第一判断子模块判定存在连续异常的路段时,判断连续异常的路段是否满足第一预定条件,若满足,则判定出连续异常的路段发生交通拥堵;获取子模块,用于获取发生交通拥堵路段对应的交通拥堵信息,其中,交通拥堵信息包括以下至少之一:交通拥堵蔓延信息、交通拥堵持续时间、交通拥堵消散时间。
具体来说,发生交通拥堵的定义如下:多条相互连接的道路由稳定畅通状态转变为稳定拥堵状态,进而再次转变为稳定畅通状态的完整过程;稳定拥堵状态是指在该路段上车辆的行程速度低于预定拥堵速度阈值、且持续预定时间(如5分钟)及以上的交通状态;而稳定畅通状态定义与稳定拥堵状态的定义相反,稳定畅通状态定义为:在该路段上车辆的行程速度高于预定畅通速度阈值,且持续(如5分钟)及以上的交通状态。图2和图3分别对上述过程进行了具体描述,具体步骤参见实施例1中的相关部分,此处不再赘述。
在判断出发生交通拥堵之后,获取交通拥堵信息,包括:计算出该交通拥堵对应的评价指标、交通拥堵演变规律分析、常发性交通拥堵识别。
优选地,该指标包括但不限于以下之一:拥堵总时间、拥堵总里程及单条路段的最大拥堵里程。
优选地,针对拥堵发生的道路确定拥堵发生的时间和空间范围、分析拥堵蔓延、拥堵持续和消散的时间与速度等指标,拥堵演变规律分析的过程包括如下步骤:
S1,确定交通拥堵中一条连续路段作为分析路段,并得到拥堵扩散的离散的时间节点及对应的连续拥堵长度,即{(t1,s1),(t2,s2)...(tn,sn};
其中t1,t2,...,tn分别拥堵识别过程中离散的时间节点,s1,s2,...,sn分别表示该时间点对应的连续拥堵路段的长度;
S2,设定拥堵演变表达式为S=a1tn-1+a2tn-2+...+an-1t+an,其中,S为拥堵扩散总距离,t为拥堵扩散时间,a1,...,an分别为参数,代入步骤S1中n组值,分别求出参数a1,...,an的大小;t表示时间变量,S为距离变量;
S3,对步骤S2中的拥堵演变表达式进行求导S′,S′为拥堵扩散速度,并求解出|S′|<s′min对应的临界值的大小ta与tb,其中ta>0而tb<0,s′min为系统定义最小拥堵扩散速度,可根据不同区域进行修改,并将拥堵过程划分为三个阶段[tstart,ta)为拥堵蔓延阶段,[ta,tb)为拥堵持续阶段,[tb,tend]为拥堵消散阶段;
S4,确定拥堵蔓延时间、拥堵持续时间、拥堵消散时间及最大拥堵蔓延速度及对应的时间点。
此外,根据上述信息进行常发性交通拥堵识别,针对多天的浮动车历史数据统计分析确定某些路段为常发性的交通拥堵路段。统计过程如下:
步骤一,按照时间匹配的方法删除交通事件下的交通异常路段;
步骤二,输入统计条件,包括统计日期、统计时间段、周次、限行状况等条件;
步骤三,统计相同状况下的交通拥堵发生的次数与统计条件总数的比值,比值大于阈值的路段即为常发性交通拥堵路段。
从以上描述中可以看出,本发明优选的实施例实时获取浮动车的行驶信息,对获取到的浮动车的行驶信息进行进一步地处理,进而完成交通信息的评估。这种实时获取浮动车数据进行处理的方式,有效地解决了现有技术中浮动车系统利用浮动车历史数据进行交通信息分析,不能准确的反映出当前路面实际的交通信息的问题,实现了对交通信息进行系统的评估,进一步地,提高了交通信息评估的准确性。
尽管为示例目的,已经公开了本发明的优选实施例,本领域的技术人员将意识到各种改进、增加和取代也是可能的,因此,本发明的范围应当不限于上述实施例。
Claims (10)
1.一种交通信息的评估方法,其特征在于,所述方法包括以下步骤:
获取当前各个路段中浮动车的行驶信息;
根据获取的所述行驶信息,确定所述当前各个路段中发生异常的路段对应的路段信息;
根据所述发生异常的路段对应的路段信息,进行交通信息的评估。
2.如权利要求1所述的方法,其特征在于,所述获取当前各个路段中浮动车的行驶信息包括:
每隔第一预定时间获取当前各个路段上浮动车的行驶参数,其中,所述行驶参数包括:时间参数、车辆标志参数、车辆速度参数、车辆位置参数;
将获取的所述行驶参数与GIS城市地图进行匹配,以获得所述各个路段上浮动车的行驶信息。
3.如权利要求2所述的方法,其特征在于,所述根据获取的所述行驶信息,确定所述当前各个路段中发生异常的路段对应的路段信息包括:
判断当前路段是否为交叉口路段,若为交叉口路段,则获取该路段上各个所述浮动车在第二预定时间内的行驶距离,若所述行驶距离小于第一预定距离,则判定该路段为发生异常的路段;若不为交叉口路段,则获取该路段上各个所述浮动车在第三预定时间内的加速度变化,若在所述第三预定时间内所述加速度变化达到预定范围,则判定该路段为发生异常的路段;
获取所述发生异常的路段对应的路段信息。
4.如权利要求3所述的方法,其特征在于,所述根据所述发生异常的路段对应的路段信息,进行交通信息的评估包括:
根据确定的所述发生异常的路段对应的路段信息,确定交通拥堵信息;
根据确定的所述交通拥堵信息进行交通信息的评估。
5.如权利要求4所述的方法,其特征在于,根据确定的发生异常的路段对应的路段信息,确定交通拥堵信息包括:
根据所述发生异常的路段的下游路段对应的路段信息,判断是否存在连续异常的路段;
若判定存在所述连续异常的路段,则判断所述连续异常的路段是否满足第一预定条件,若满足,则判定出所述连续异常的路段发生交通拥堵;
获取所述发生交通拥堵路段对应的交通拥堵信息,其中,所述交通拥堵信息包括以下至少之一:交通拥堵蔓延信息、交通拥堵持续时间、交通拥堵消散时间。
6.如权利要求5所述的方法,其特征在于,所述判断所述连续异常的路段是否满足第一预定条件包括:
获取发生所述连续异常的路段的初始时间点t1;
每隔第四预定时间获取所述连续异常的路段的距离;
判断获取的所述连续异常的路段的距离是否小于第二预定距离,在判定所述连续异常的路段的距离小于第二预定距离时,获取当前对应的时间点t2;
判断t2与t1的差值是否大于第五预定时间,在t2与t1的差值大于第五预定时间时,判定所述连续异常的路段满足第一预定条件。
7.一种交通信息的评估装置,其特征在于,包括:
获取单元,用于获取当前各个路段中浮动车的行驶信息;
确定单元,用于根据获取的所述行驶信息,确定所述当前各个路段中发生异常的路段对应的路段信息;
评估单元,用于根据所述发生异常的路段对应的路段信息,进行交通信息的评估。
8.如权利要求7所述的装置,其特征在于,所述获取单元包括:
第一获取模块,用于每隔第一预定时间获取当前各个路段上浮动车的行驶参数,其中,所述行驶参数包括:时间参数、车辆标志参数、车辆速度参数、车辆位置参数;
匹配模块,用于将获取的所述行驶参数与GIS城市地图进行匹配,以获得所述各个路段上浮动车的行驶信息。
9.如权利要求8所述的装置,其特征在于,所述确定单元包括:
第一判断模块,用于判断当前路段是否为交叉口路段;
第二判断模块,用于在所述第一判断模块判断当前路段为交叉口路段时,获取该路段上各个所述浮动车在第二预定时间内的行驶距离,并判断所述行驶距离是否小于第一预定距离,若小于,则判定该路段为发生异常的路段;
第三判断模块,用于在所述第一判断模块判断当前路段不为交叉口路段时,获取该路段上各个所述浮动车在第三预定时间内的加速度变化,并判断所述加速度的变化是否达到预定范围,若达到预定范围,则判定该路段为发生异常的路段;
第二获取模块,用于获取所述发生异常的路段对应的路段信息。
10.如权利要求9所述的装置,其特征在于,所述评估单元包括:
确定模块,用于根据确定的发生异常的路段对应的路段信息,确定交通拥堵信息;
评估模块,用于根据确定的交通拥堵信息进行交通信息的评估,
其中,所述确定模块包括:
第一判断子模块,用于根据所述发生异常的路段的下游路段对应的路段信息,判断是否存在连续异常的路段;
第二判断子模块,用于在所述第一判断子模块判定存在所述连续异常的路段时,判断所述连续异常的路段是否满足第一预定条件,若满足,则判定出所述连续异常的路段发生交通拥堵;
获取子模块,用于获取所述发生交通拥堵路段对应的交通拥堵信息,其中,所述交通拥堵信息包括以下至少之一:交通拥堵蔓延信息、交通拥堵持续时间、交通拥堵消散时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210544500 CN103065468A (zh) | 2012-12-14 | 2012-12-14 | 交通信息的评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210544500 CN103065468A (zh) | 2012-12-14 | 2012-12-14 | 交通信息的评估方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103065468A true CN103065468A (zh) | 2013-04-24 |
Family
ID=48108080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201210544500 Pending CN103065468A (zh) | 2012-12-14 | 2012-12-14 | 交通信息的评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103065468A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366575A (zh) * | 2013-07-12 | 2013-10-23 | 福建工程学院 | 一种基于公交车数据采集的交通拥堵检测方法 |
CN103632546A (zh) * | 2013-11-27 | 2014-03-12 | 中国航天系统工程有限公司 | 一种基于浮动车数据的城市道路交通事故影响预测方法 |
CN106530781A (zh) * | 2016-09-29 | 2017-03-22 | 奇瑞汽车股份有限公司 | 基于车联网分享路况信息的方法及系统 |
CN106683399A (zh) * | 2015-11-10 | 2017-05-17 | 湖南南车时代电动汽车股份有限公司 | 一种获取公交车辆的路况状态的方法 |
CN106816018A (zh) * | 2017-02-16 | 2017-06-09 | 上海电科智能系统股份有限公司 | 一种城市可变信息标志地面交通诱导路段确定方法 |
CN106887138A (zh) * | 2015-12-16 | 2017-06-23 | 深圳先进技术研究院 | 一种堵车蔓延态势侦测方法与系统 |
CN107248282A (zh) * | 2017-06-29 | 2017-10-13 | 中兴软创科技股份有限公司 | 获取道路运行状态等级的方法 |
CN107507426A (zh) * | 2017-08-25 | 2017-12-22 | 安徽实运信息科技有限责任公司 | 一种城市轨道交通客流诱导信息发布系统 |
CN109844832A (zh) * | 2016-12-30 | 2019-06-04 | 同济大学 | 一种基于行程时间分布的多模态交通异常检测方法 |
CN110906943A (zh) * | 2018-09-17 | 2020-03-24 | 沈阳美行科技有限公司 | 一种规划路线的优化方法及装置 |
CN111145544A (zh) * | 2019-12-25 | 2020-05-12 | 北京交通大学 | 一种基于拥堵蔓延消散模型的行程时间及路径预测方法 |
CN111161537A (zh) * | 2019-12-25 | 2020-05-15 | 北京交通大学 | 考虑拥堵叠加效应的公路拥堵态势预测方法 |
CN115294768A (zh) * | 2022-08-02 | 2022-11-04 | 阿波罗智联(北京)科技有限公司 | 交通拥堵状态分析方法、装置、设备及存储介质 |
CN115795083A (zh) * | 2022-11-17 | 2023-03-14 | 北京百度网讯科技有限公司 | 确定道路设施完备性的方法、装置、电子设备和介质 |
-
2012
- 2012-12-14 CN CN 201210544500 patent/CN103065468A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366575A (zh) * | 2013-07-12 | 2013-10-23 | 福建工程学院 | 一种基于公交车数据采集的交通拥堵检测方法 |
CN103632546A (zh) * | 2013-11-27 | 2014-03-12 | 中国航天系统工程有限公司 | 一种基于浮动车数据的城市道路交通事故影响预测方法 |
CN103632546B (zh) * | 2013-11-27 | 2016-01-20 | 中国航天系统工程有限公司 | 一种基于浮动车数据的城市道路交通事故影响预测方法 |
CN106683399A (zh) * | 2015-11-10 | 2017-05-17 | 湖南南车时代电动汽车股份有限公司 | 一种获取公交车辆的路况状态的方法 |
CN106887138A (zh) * | 2015-12-16 | 2017-06-23 | 深圳先进技术研究院 | 一种堵车蔓延态势侦测方法与系统 |
CN106530781A (zh) * | 2016-09-29 | 2017-03-22 | 奇瑞汽车股份有限公司 | 基于车联网分享路况信息的方法及系统 |
CN109844832B (zh) * | 2016-12-30 | 2021-06-15 | 同济大学 | 一种基于行程时间分布的多模态交通异常检测方法 |
CN109844832A (zh) * | 2016-12-30 | 2019-06-04 | 同济大学 | 一种基于行程时间分布的多模态交通异常检测方法 |
CN106816018A (zh) * | 2017-02-16 | 2017-06-09 | 上海电科智能系统股份有限公司 | 一种城市可变信息标志地面交通诱导路段确定方法 |
CN107248282A (zh) * | 2017-06-29 | 2017-10-13 | 中兴软创科技股份有限公司 | 获取道路运行状态等级的方法 |
CN107507426A (zh) * | 2017-08-25 | 2017-12-22 | 安徽实运信息科技有限责任公司 | 一种城市轨道交通客流诱导信息发布系统 |
CN110906943A (zh) * | 2018-09-17 | 2020-03-24 | 沈阳美行科技有限公司 | 一种规划路线的优化方法及装置 |
CN111145544A (zh) * | 2019-12-25 | 2020-05-12 | 北京交通大学 | 一种基于拥堵蔓延消散模型的行程时间及路径预测方法 |
CN111161537A (zh) * | 2019-12-25 | 2020-05-15 | 北京交通大学 | 考虑拥堵叠加效应的公路拥堵态势预测方法 |
CN111161537B (zh) * | 2019-12-25 | 2021-05-28 | 北京交通大学 | 考虑拥堵叠加效应的公路拥堵态势预测方法 |
CN115294768A (zh) * | 2022-08-02 | 2022-11-04 | 阿波罗智联(北京)科技有限公司 | 交通拥堵状态分析方法、装置、设备及存储介质 |
CN115795083A (zh) * | 2022-11-17 | 2023-03-14 | 北京百度网讯科技有限公司 | 确定道路设施完备性的方法、装置、电子设备和介质 |
CN115795083B (zh) * | 2022-11-17 | 2024-01-05 | 北京百度网讯科技有限公司 | 确定道路设施完备性的方法、装置、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103065468A (zh) | 交通信息的评估方法和装置 | |
EP3224104B1 (en) | Apparatus and method for vehicle economy improvement | |
Amici et al. | Performance assessment of an epidemic protocol in VANET using real traces | |
US6879907B2 (en) | Method and system for modeling and processing vehicular traffic data and information and applying thereof | |
Wang et al. | Estimating dynamic origin-destination data and travel demand using cell phone network data | |
JP4861355B2 (ja) | 道路交通情報システム | |
JP5815718B2 (ja) | プローブデータを利用してナビゲーション優先度設定を判定し且つ検証する方法 | |
US11847907B2 (en) | Traffic flow simulator, simulation method of traffic flow, and computer program | |
Seredynski et al. | The emerging applications of intelligent vehicular networks for traffic efficiency | |
CN112579915B (zh) | 一种出行链的分析方法及装置 | |
Khadka et al. | Developing novel performance measures for traffic congestion management and operational planning based on connected vehicle data | |
Bock et al. | What are the potentialities of crowdsourcing for dynamic maps of on-street parking spaces? | |
Kan et al. | Understanding space-time patterns of vehicular emission flows in urban areas using geospatial technique | |
Marshall et al. | Leveraging probe data to model speeding on urban limited access highway segments: Examining the impact of operational performance, roadway characteristics, and COVID-19 pandemic | |
Faria et al. | Assessing energy consumption impacts of traffic shifts based on real-world driving data | |
Zhai et al. | Comparative analysis of drive-cycles, speed limit violations, and emissions in two cities: Toronto and Beijing | |
Tafidis et al. | Exploring crowdsourcing information to predict traffic-related impacts | |
Li et al. | A feature-based approach to large-scale freeway congestion detection using full cellular activity data | |
CN105654745A (zh) | 一种基于智能手机的交通流量实时监控方法 | |
Xu | Macroscopic Traffic States Estimation Based on Vehicle-to-Infrastructure (V2I) Connected Vehicle Data | |
Karimpour | Data-Driven Approaches for Assessing the Impact of Speed Management Strategies for Arterial Mobility and Safety | |
Chung et al. | Cleansing of probe car data to determine trip OD | |
JP2018147078A (ja) | 解析装置及び解析方法 | |
Ghaffarpasand et al. | Vehicle telematics for safer, cleaner and more sustainable urban transport | |
Beitel | Methods for investigating bicycle traffic flow parameters and facility performance in urban environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130424 |