CN103488893A - 一种桥下积水导致的交通拥堵蔓延预测技术方案 - Google Patents
一种桥下积水导致的交通拥堵蔓延预测技术方案 Download PDFInfo
- Publication number
- CN103488893A CN103488893A CN201310436169.7A CN201310436169A CN103488893A CN 103488893 A CN103488893 A CN 103488893A CN 201310436169 A CN201310436169 A CN 201310436169A CN 103488893 A CN103488893 A CN 103488893A
- Authority
- CN
- China
- Prior art keywords
- linkid
- highway section
- ponding
- bridge
- forecasting
- 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.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种桥下积水导致的交通拥堵蔓延预测技术方案,其特征在于:包括两个模型,模型一是以桥下点段为积水导致拥堵的中心点,在每个预测周期内进行拥堵影响范围预测时,均以此中心点为起始点,将预测的拥堵蔓延速度乘以预测时间得出每个预测周期末拥堵影响范围;模型二是在起始的第一个预测周期内,以桥下点段为中心点得出第一个预测周期末的拥堵影响范围边界;在第二个预测周期内,即以第一个预测周期末的边界为起始点,利用拥堵蔓延速度与时间的乘积得出本预测周期末的边界,而此时的拥堵蔓延速度即为矢量。本发明对出行者提供预警信息和交通诱导,避开积水影响严重的区域,方便了人们的出行,保障了人们的出行安全。
Description
技术领域
本发明属于桥下积水智能预测领域,具体地说,涉及一种桥下积水导致的交通拥堵蔓延预测技术方案。
背景技术
在城市路网的交通运行状况中,恶劣天气是一个重要的影响因素。例如因强降雨及排水不畅所导致的道路积水,可使得交通流运行受到严重影响。当道路积水深度达到一定程度时将会使得道路交通流完全中断,导致上游车辆大量聚集,车队行驶速度接近为零。随着时间的推移,拥堵现象将由积水断面开始不停向上游路段及上穿路段蔓延,从而导致一定范围内的交通拥堵,影响整体路网的运行状况。
发明内容
本发明要解决的技术问题是克服上述缺陷,提供一种对道路积水所产生的拥堵的识别、其所影响的范围、蔓延及消散的规律等特征展开分析的桥下积水导致的交通拥堵蔓延预测技术方案。
为解决上述问题,本发明所采用的技术方案是:
一种桥下积水导致的交通拥堵蔓延预测技术方案,其特征在于:包括两个模型,模型一是以桥下点段为积水导致拥堵的中心点,在每个预测周期内进行拥堵影响范围预测时,均以此中心点为起始点,将预测的拥堵蔓延速度乘以预测时间得出每个预测周期末拥堵影响范围;
模型二是在起始的第一个预测周期内,以桥下点段为中心点得出第一个预 测周期末的拥堵影响范围边界;在第二个预测周期内,即以第一个预测周期末的边界为起始点,利用拥堵蔓延速度与时间的乘积得出本预测周期末的边界,而此时的拥堵蔓延速度即为矢量。
模型一的步骤如下:
其中Vi,j——当日LinkID为i的路段j时刻的速度,
第三步,以时间为横轴,以满足△Vi,j<Vi条件,筛选满足条件的LinkID,并计算选出的LinkID的速度差之和Σi△Vi,j,以Σi△Vi,j为竖轴;
第四步,从上述第三步中的斜率开始发生较大变化处开始,选择在其后连续三个5min内均出现的所有LinkID,导入GIS地图,可以找出拥堵起始点,即可判断为积水点。
模型二的步骤如下:
第一步,找出积水路段上游路段的LinkID,形成该积水路段可能影响LinkID顺序集;
第二步,利用公式(2)、(3)、(4)、(5),判断LinkID顺序集中各LinkID 开始拥堵时刻;
tk>tk-1 (2)
Tk:>15 (3)
At,k-1=1andAt,k+1=1 (4)
At-15,k=0andAt-10,k=0andAt-5,b=0 (5)
其中上述公式中,编号为k的路段开始拥堵的时间;
编号为k的路段拥堵的时间长,单位为min;
t时刻,编号为k的路段拥堵状况;
第三步,计算拥堵的蔓延速度。
其中,编号为k的路段的长度;计算时间间隔内拥堵蔓延的路段总长;计算拥堵蔓延速度的时间间隔。
由于采用了上述技术方案,与现有技术相比,本发明以实时路网运行数据和桥下积水深度数据为自变量,建立桥下积水导致的拥堵蔓延速度模型,利用实时路网运行数据以及桥下积水点段识别程序完成积水点段的识别之后,预测出实时的交通运行状态以及积水量数据做出积水点段对交通流的时空影响范围预测,可对出行者提供预警信息和交通诱导,避开积水影响严重的区域,方便 了人们的出行,提前警示人们避开积水区域,保障了人们的出行安全。
实时路网运行数据不仅可以表示路网运行状态,也在某种程度上体现了当前的交通需求状况,积水深度数据表示了降水量与排水量共同作用的结果。这两个自变量即可将影响拥堵蔓延的主要因素都包含在内。
同时下面结合附图和具体实施方式对本发明作进一步说明。
附图说明
图1为本发明一种实施例中模型一的速度差之和变化图。
具体实施方式
实施例:
一种桥下积水导致的交通拥堵蔓延预测技术方案,包括两个模型,模型一是以桥下点段为积水导致拥堵的中心点,在每个预测周期内进行拥堵影响范围预测时,均以此中心点为起始点,将预测的拥堵蔓延速度乘以预测时间得出每个预测周期末拥堵影响范围。
模型二是在起始的第一个预测周期内,以桥下点段为中心点得出第一个预测周期末的拥堵影响范围边界;在第二个预测周期内,即以第一个预测周期末的边界为起始点,利用拥堵蔓延速度与时间的乘积得出本预测周期末的边界,而此时的拥堵蔓延速度即为矢量。
模型一的步骤如下:
第一步,计算各路段各时刻的平均速度 i表路段的LinkID,j表示时刻;
其中Vi,j——当日LinkID为i的路段j时刻的速度,
第三步,以时间为横轴,以满足△Vi,j<Vi条件,筛选满足条件的LinkID,并计算选出的LinkID的速度差之和Σi△Vi,j,以Σi△Vi,j为竖轴;
第四步,从上述第三步中的斜率开始发生较大变化处开始,选择在其后连续三个5min内均出现的所有LinkID,导入GIS地图,可以找出拥堵起始点,即可判断为积水点。
模型二的步骤如下:
第一步,找出积水路段上游路段的LinkID,形成该积水路段可能影响LinkID顺序集;
第二步,利用公式(2)、(3)、(4)、(5),判断LinkID顺序集中各LinkID开始拥堵时刻;
tk>tk-1 (2)
Tk:>15 (3)
At,k-1=1andAt,k+1=1 (4)
At-15,k=0andAt-10,k=0andAt-5,b=0 (5)
其中上述公式中,编号为k的路段开始拥堵的时间;
编号为k的路段拥堵的时间长,单位为min;
t时刻,编号为k的路段拥堵状况;
第三步,计算拥堵的蔓延速度;
其中,编号为k的路段的长度;计算时间间隔内拥堵蔓延的路段总长;计算拥堵蔓延速度的时间间隔。
以北京为例,本实施例的具体实施方式如下:
模型一:
以2011年6月23日为例,假设有2011年6月9日、2011年6月16日这两天的浮动车数据数据,则
第二步,利用公式(1)计算△Vi,j。
Vi,j——当日LinkID为i的路段j时刻的速度;
Vi,j——LinkID为i的路段j时刻的平均速度。
以2011年6月23日为例,Vi,j则为6月23日速度数据。
第三步,以时间为横轴,以满足△Vi,j<Vi(例如-2km/h)条件,筛选满足条件的LinkID,并计算选出的LinkID的速度差之和Σi△Vi,j,以Σi△Vi,j为竖轴,得到图1。
第四步,从图1中斜率开始发生较大变化处开始,选择在其后连续三个5min内均出现的所有LinkID,导入GIS地图,可以找出拥堵起始点,即可判断为积水点。
假设t1时刻的LinkID如表1所示。
表1 t1时刻LinkID集
LINKID | 398 | 406 | 407 | 408 | 416 | 541 | 639 | 673 |
t1+5时刻的LinkID如表2所示。
表2 t1+5时刻LinkID集
LINKID | 398 | 406 | 407 | 408 | 416 | 541 | 639 | 673 | 877 | 965 |
t1+10时刻的LinkID如表3所示。
表3 t1+10时刻LinkID集
LINKID | 398 | 406 | 407 | 408 | 416 | 541 | 639 | 673 | 877 | 965 | 966 | 969 |
根据表1、表2及表3可以筛选出共同的LinkID,如表4所示。
表4 t1、t1+5、t1+10共同LinkID集
LINKID | 398 | 406 | 407 | 408 | 416 | 541 | 639 | 673 |
把表4导入GIS图可以得到拥堵起始点,即可认为该LinkID所代表的路段为积水点。
另外,利用以上方法,结合斜率发生变化后的LinkID集和GIS地图,可以得到区域拥堵蔓延的特征。
模型二
在本例子中,拥堵路段蔓延速度地计算
由积水点能够详细分析积水点所导致其上游路段拥堵特征,如计算其拥堵蔓延速度等。计算步骤如下:
第一步,找出积水路段上游路段的LinkID,形成该积水路段可能影响LinkID顺序集。
假设积水路段的LinkID为398,则可由GIS地图找出其上游路段的LinkID顺序集,见表5所示。
表5 积水点上游路段LinkID顺序集
编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
LinkID | 398 | 406 | 407 | 408 | 416 | 541 | 639 | 673 |
第二步,利用公式(2)、(3)、(4)、(5),判断LinkID顺序集中各LinkID开始拥堵时刻。
tk>tk-1 (2)
Tk:(3)
At,k-1=1andAt,k+1 (4)
At-15,k=OandAt-10,k=0andAt-5,b (5)
编号为k的路段开始拥堵的时间;
编号为k的路段拥堵的时间长,单位为min。t时刻,编号为k的路段拥堵状况。当At,k时,该路段拥堵;当At,A时,该路段不拥堵。
第三步,计算拥堵的蔓延速度。
其中,编号为k的路段的长度;计算时间间隔内拥堵蔓延的路段总长;计算拥堵蔓延速度的时间间隔。
本例子中的所有数据需求为2011年6月9日、2011年6月16日、2011年 6月23日、2011年6月30日及2011年7月7日的浮动车数据。
本发明不局限于上述的优选实施方式,任何人应该得知在本发明的启示下做出的结构变化,凡是与本发明具有相同或者相近似的技术方案,均属于本发明的保护范围。
Claims (3)
1.一种桥下积水导致的交通拥堵蔓延预测技术方案,其特征在于:包括两个模型,模型一是以桥下点段为积水导致拥堵的中心点,在每个预测周期内进行拥堵影响范围预测时,均以此中心点为起始点,将预测的拥堵蔓延速度乘以预测时间得出每个预测周期末拥堵影响范围;
模型二是在起始的第一个预测周期内,以桥下点段为中心点得出第一个预测周期末的拥堵影响范围边界;在第二个预测周期内,即以第一个预测周期末的边界为起始点,利用拥堵蔓延速度与时间的乘积得出本预测周期末的边界,而此时的拥堵蔓延速度即为矢量。
2.根据权利要求1中所述的桥下积水导致的交通拥堵蔓延预测技术方案,其特征在于:模型一的步骤如下:
第一步,计算各路段各时刻的平均速度i表路段的LinkID,j表示时刻;
其中Vi,j——当日LinkID为i的路段j时刻的速度,
第三步,以时间为横轴,以满足ΔVi,j<Vi条件,筛选满足条件的LinkID,并计算选出的LinkID的速度差之和ΣiΔVi,j,以ΣiΔVi,j为竖轴;
第四步,从上述第三步中的斜率开始发生较大变化处开始,选择在其后连续三个5min内均出现的所有LinkID,导入GIS地图,可以找出拥堵起始点,即可判断为积水点。
3.根据权利要求1中所述的桥下积水导致的交通拥堵蔓延预测技术方案,其特征在于:模型二的步骤如下:
第一步,找出积水路段上游路段的LinkID,形成该积水路段可能影响LinkID顺序集;
第二步,利用公式(2)、(3)、(4)、(5),判断LinkID顺序集中各LinkID开始拥堵时刻;
tk>tk-1 (2)
Tk:>15 (3)
At,k-1=1andAt,k+1=1 (4)
At-15,k=0andAt-10,k=0andAt-5,k=0 (5)
其中上述公式中,编号为k的路段开始拥堵的时间;
编号为k的路段拥堵的时间长,单位为min;
t时刻,编号为k的路段拥堵状况;
第三步,计算拥堵的蔓延速度。
其中,编号为k的路段的长度;计算时间间隔内拥堵蔓延的路段总长;计算拥堵蔓延速度的时间间隔。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310436169.7A CN103488893B (zh) | 2013-09-23 | 2013-09-23 | 一种桥下积水导致的交通拥堵蔓延预测技术方案 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310436169.7A CN103488893B (zh) | 2013-09-23 | 2013-09-23 | 一种桥下积水导致的交通拥堵蔓延预测技术方案 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103488893A true CN103488893A (zh) | 2014-01-01 |
CN103488893B CN103488893B (zh) | 2017-02-15 |
Family
ID=49829109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310436169.7A Active CN103488893B (zh) | 2013-09-23 | 2013-09-23 | 一种桥下积水导致的交通拥堵蔓延预测技术方案 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103488893B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318793A (zh) * | 2014-10-21 | 2015-01-28 | 中山大学 | 一种道路水浸事件紧急疏导配流生成方法 |
CN106448171A (zh) * | 2016-11-25 | 2017-02-22 | 北京掌行通信息技术有限公司 | 一种积水路段预测方法及装置 |
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 |
CN107045794A (zh) * | 2017-01-16 | 2017-08-15 | 百度在线网络技术(北京)有限公司 | 路况处理方法及装置 |
CN108320502A (zh) * | 2017-12-27 | 2018-07-24 | 福建工程学院 | 一种基于浮动车技术的城市内涝检测方法及终端 |
CN108335483A (zh) * | 2017-12-25 | 2018-07-27 | 深圳先进技术研究院 | 交通拥堵扩散路径的推断方法及其系统 |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070038362A1 (en) * | 2002-03-05 | 2007-02-15 | Triangle Software Llc | Traffic routing based on segment travel time |
CN101739820A (zh) * | 2009-11-19 | 2010-06-16 | 北京世纪高通科技有限公司 | 路况预测的方法及装置 |
CN103000027A (zh) * | 2012-12-19 | 2013-03-27 | 安徽科力信息产业有限责任公司 | 基于浮动车在拥堵状态下的智能交通诱导方法 |
-
2013
- 2013-09-23 CN CN201310436169.7A patent/CN103488893B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070038362A1 (en) * | 2002-03-05 | 2007-02-15 | Triangle Software Llc | Traffic routing based on segment travel time |
CN101739820A (zh) * | 2009-11-19 | 2010-06-16 | 北京世纪高通科技有限公司 | 路况预测的方法及装置 |
CN103000027A (zh) * | 2012-12-19 | 2013-03-27 | 安徽科力信息产业有限责任公司 | 基于浮动车在拥堵状态下的智能交通诱导方法 |
Non-Patent Citations (1)
Title |
---|
刘军等: "基于FCD的桥下积水导致城市交通拥堵点段识别方法研究", 《交通信息与安全》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318793A (zh) * | 2014-10-21 | 2015-01-28 | 中山大学 | 一种道路水浸事件紧急疏导配流生成方法 |
CN104318793B (zh) * | 2014-10-21 | 2016-08-24 | 中山大学 | 一种道路水浸事件紧急疏导配流生成方法 |
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 |
CN106448171A (zh) * | 2016-11-25 | 2017-02-22 | 北京掌行通信息技术有限公司 | 一种积水路段预测方法及装置 |
CN106448171B (zh) * | 2016-11-25 | 2019-05-17 | 北京掌行通信息技术有限公司 | 一种积水路段预测方法及装置 |
CN107045794A (zh) * | 2017-01-16 | 2017-08-15 | 百度在线网络技术(北京)有限公司 | 路况处理方法及装置 |
CN108335483A (zh) * | 2017-12-25 | 2018-07-27 | 深圳先进技术研究院 | 交通拥堵扩散路径的推断方法及其系统 |
CN108320502A (zh) * | 2017-12-27 | 2018-07-24 | 福建工程学院 | 一种基于浮动车技术的城市内涝检测方法及终端 |
CN108320502B (zh) * | 2017-12-27 | 2021-10-26 | 福建工程学院 | 一种基于浮动车技术的城市内涝检测方法及终端 |
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 |
CN111145544B (zh) * | 2019-12-25 | 2021-05-25 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN103488893B (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103488893A (zh) | 一种桥下积水导致的交通拥堵蔓延预测技术方案 | |
CN106530694B (zh) | 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 | |
CN104751642B (zh) | 一种高等级道路交通流运行风险实时预估方法 | |
CN107146446B (zh) | 一种基于rfid数据和动态车源的路径诱导方法 | |
CN102968901B (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
CN103000027B (zh) | 基于浮动车在拥堵状态下的智能交通诱导方法 | |
CN104074112B (zh) | 一种城市道路上下游交叉口潮汐车道及其设计方法 | |
CN105070056A (zh) | 一种基于浮动车的交叉口交通拥堵指数计算方法 | |
CN103226892B (zh) | 一种优化型的道路拥塞状态发现方法 | |
CN104732075A (zh) | 一种城市道路交通事故风险实时预测方法 | |
CN105139645A (zh) | 一种基于浮动车技术的城市区域路网运行指数评估方法 | |
CN103839411A (zh) | 一种基于动态交通信息的事故影响范围分析方法 | |
CN101650876A (zh) | 城市路段交通流平均速度获取方法 | |
CN105513359A (zh) | 一种基于智能手机移动检测的城市快速路交通状态估计方法 | |
CN103927872A (zh) | 一种基于浮动车数据预测多时段行程时间分布的方法 | |
CN103234544A (zh) | 电动汽车电量消耗因子模型建立及续驶里程估算方法 | |
CN104575050A (zh) | 一种基于浮动车的快速路匝道智能诱导方法及装置 | |
CN104574970A (zh) | 城市地下停车系统出入口接驳处交通状态评价方法 | |
CN105006147A (zh) | 一种基于道路时空关联关系的路段行程时间推断方法 | |
CN102708698A (zh) | 基于车联网的车辆最优路径导航方法 | |
CN103761430A (zh) | 一种基于浮动车的路网高峰时段识别方法 | |
CN102005122A (zh) | 多匝道调节方法及其系统 | |
CN105741548A (zh) | 一种生成交通状态云图的方法 | |
CN106327864A (zh) | 一种基于高速公路联网收费数据的交通流估计方法 | |
CN104484514A (zh) | 一种规避拥堵路段的弹性公交线路设计方法 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 100055 Beijing city Fengtai District six Lane Bridge No. 9 Patentee after: Beijing Traffic Development Research Institute Address before: 100073 Beijing, Guanganmen, the main street, No. 317, No. Patentee before: Beijing Transportation Research Center |