CN103489048B - 一种基于rfid数据的路径行程时间预测方法 - Google Patents
一种基于rfid数据的路径行程时间预测方法 Download PDFInfo
- Publication number
- CN103489048B CN103489048B CN201310488984.8A CN201310488984A CN103489048B CN 103489048 B CN103489048 B CN 103489048B CN 201310488984 A CN201310488984 A CN 201310488984A CN 103489048 B CN103489048 B CN 103489048B
- Authority
- CN
- China
- Prior art keywords
- path
- section
- vehicle
- induction
- rfid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000006698 induction Effects 0.000 claims abstract description 135
- 230000001939 inductive effect Effects 0.000 claims abstract description 14
- 230000002123 temporal effect Effects 0.000 claims abstract description 6
- 239000000203 mixture Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 16
- 239000000523 sample Substances 0.000 description 12
- 238000007667 floating Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Abstract
本发明公开了一种基于RFID数据的路径行程时间预测方法，将诱导车辆到达诱导路径起始断面的时刻作为行程时间预测的起点，挖掘RFID历史数据库，把诱导路径划分为若干条“目标路段”，通过时间模式识别模型来分别预测这些路段的行程时间，最后加和这些路段的行程时间得到诱导路径的行程时间预测值。本发明能有效挖掘RFID数据，对单车路径行程时间进行有效预测，区别于传统的基于平均行程时间的路径行程时间预测方法。本发明中采用的方法和技术简单易行，运行条件容易满足，易于在大中型城市中推广应用。
Description
技术领域
本发明属于智能交通技术领域，尤其涉及交通流诱导和管理领域中的路径行程时间预测，更具体地说，涉及一种基于RFID数据的路径行程时间预测方法。
背景技术
准确的路径行程时间预测值是交通诱导系统中的一个重要决策参数，它有助于系统寻求最优路径(时间最短路径)，帮助驾驶员调整行驶路线使得路网交通流分配达到所希望的状态，实现路网交通流的均衡分配，可以在很大程度上改善交通拥挤。
传统路径行程时间是指在预测间隔内通过诱导路径的全体有效车辆行程时间的算术平均值。然而路径诱导的服务对象是单辆车，而不是全体车辆，因此传统路径行程时间无法准确描述诱导车辆(单辆车)通过诱导路径的行驶状态。本发明提出一种基于单辆诱导车辆的路径行程时间，该行程时间是指：给定起始(出发)时间的诱导车辆(单辆车)通过诱导路径所需要的行程时间。
引起交通流周期性间断的固定元素包括交通信号、停车标志和其他类型的管制设备。不管有多少交通量存在，这些设备都会引起交通周期性停止(或显著减慢)。因此，间断流(Interrupted Flow)是指道路上因这些外界固定因素(如道路交叉口、标志或信号等)而停驶中断的交通流。一般来说，城市地面道路上的交通流为间断流。
连续流(Uninterrupted Flow)表示交通设施的特性，没有导致延误或间断交通流外部的确定性因素，如高速公路，无信号交叉口的多车道与双车道乡村公路上。一般来说，连续流指行驶在快速路和高速路上的车流，其中，快速路和高速路行程时间预测是目前连续流行程时间预测的重点。
移动型检测技术是运用移动的车辆检测固定的标识物来确定交通参数的方法，主要有探测车检测和电子卷标检测等工作方式，它可能提供车辆的瞬时速度、经纬度、车辆编号、采集时间、车道编号、车牌号等数据。
探测车(Probe car)，也被称作“浮动车(Floating Car)”，是近年来国际智能交通系统(ITS)中采用的获取道路交通信息的移动型检测技术手段之一。浮动车数据采集技术具有安装成本低、维护简易、高效、实时、自动化水平高、检测参数全面等优点，得到大量推广应用，是目前我国大中城市在间断流行程时间估计和预测方面应用最广泛的一种移动型检测数据。目前各大城市都建立了ITS平台并配置了大量的基于出租车或公交车的浮动车设 备，其采集到的交通信息数据可以应用于行程时间估计与预测。然而探测车检测技术存在如下缺点：
(1)、探测车的样本量很小(样本量小于总体车辆数的5％)；
(2)、检测数据通信易受电磁干扰，且探测车的定位精度不高(15-20米)；
(3)、实际中探测车数据采样间隔较大(20-30s左右)；
(4)、检测到的数据属于“点数据”，无法对道路网络的交通状态进行大范围、准确和全面的描述；
(5)、探测车具有很大的时空分布不均匀性；
(6)、在处理浮动车数据点时，由于电子地图也存在一定的误差，因此基于浮动车数据的行程时间估计与预测准确度不高。
无线射频识别技术(RFID)(Radio Frequency Identification)是电子卷标检测技术中最重要的一种，是一种非接触的自动识别技术，其基本原理是利用射频信号和空间耦合(电感或电磁耦合)或雷达反射的传输特性，实现对被识别物体的自动识别，它通过射频信号自动识别目标并获取相关数据(如图4所示)。
作为一种移动型检测技术，RFID检测技术具有别的移动型检测技术(比如探测车检测技术)无法比拟的优势。它的优点如下:
(1)、可检测到所有装有RFID电子标签的车辆车牌号，很少出现无法识别的情况，因此无效数据很少，数据质量很高；
(2)、可以直接利用车辆通过前后RFID设备的时间差来估计行程时间，算法简便；
(3)、可对车辆进行精确定位，估计得到的行程时间很精确；
(4)、装有RFID电子标签的车辆数比较大，样本量足；
(5)、检测到的RFID数据属于“过程”数据，可以对道路网络的交通状态进行大范围、准确和全面的描述；
然而，即使在我国大中城市，RFID设备的安装率还比较低，并且不是所有车辆都安装有RFID电子标签，因此基于RFID数据的行程时间估计与预测准确度受到一定的影响。
发明内容
本发明的目的是利用RFID数据来预测间断流和连续流的路径行程时间,提出一种基于RFID数据的路径行程时间预测方法，把诱导车辆到达诱导路径起始断面的时刻作为行程时间预测的起点，挖掘RFID历史数据库，把诱导路径划分为若干条“目标路段”，通过时间模式识别模型来分别预测这些路段的行程时间，最后加和这些路段的行程时间得到诱导路径的 行程时间预测值。
本发明的解决方案是：
诱导路径上安装有完好的RFID数据检测设备，利用这些设备可以检测到准确的RFID数据；
把诱导车辆到达诱导路径起始断面的时刻作为行程时间预测的起点，挖掘RFID历史数据库，把诱导路径划分为若干条“目标路段”。
通过时间模式识别模型分别预测这些路段的行程时间，最后加和这些路段的行程时间得到诱导路径的行程时间预测值。
进一步，RFID历史数据库包括如下数据：
装有RFID电子标签车辆的编号、单元路段的路段编号、每辆车通过各单元路段所需的行程时间、每辆车到达各单元路段起始断面和终止断面的时刻。
其中，每辆车通过各单元路段所需的行程时间可通过时刻差法计算得到，具体公司如下：
其中，Tij是编号为i的车辆通过单元路段j的行程时间，是编号为i的车辆通过单元路段j下游RFID检测设备的时刻(即该辆车到达单元路段j终止断面的时刻)，是编号为i的车辆通过单元路段j上游RFID检测设备的时刻(即该辆车到达单元路段j起始断面的时刻)。
基于RFID数据的路径行程时间预测方法包括如下步骤：
假设某诱导路径由连续的N条单元路段组成，这些单元路段依次为单元路段1、单元路段2、单元路段3、…、单元路段N。假如诱导车辆i通过单元路段1起始断面的时刻为(假设为当前时刻)，则该车辆在诱导路径上的行程时间预测值可通过下述模型来获得：
(1)、搜索诱导路径的RFID历史数据库，找到通过诱导路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与诱导路径有较大重叠，假设该车辆的编号为1)，确定该车辆在诱导路径上的最大路径，计算该最大路径的行程时间假如该最大路径的终止断面即为诱导路径的终止断面，则结束操作，此时诱导车辆在诱导路径上的行程时间预测值即为
(2)、假如该最大路径的终止断面不是诱导路径的终止断面，则把这条最大路径看作诱导路径的第1条“目标路段”(假设该路段是由m1条单元路段组成，这里把它称作目标路段1)，则预测诱导车辆i会在时刻通过目标路段1的终止断面；
(3)、把剩余(N-m1)条单元路段组成的路径当作目标路径，搜索基于此目标路径的RFID历史数据库，找到通过目标路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与目标路径有较大重叠，假设该车辆的编号为2)，确定该车辆在目标路径上的最大路径，计算该最大路径的行程时间假如该最大路径的终止断面即为诱导路径的终止断面，则结束操作，此时诱导车辆在诱导路径上的行程时间预测值即为
(4)、假如该最大路径的终止断面不是诱导路径的终止断面，则把这条最大路径看作诱导路径的第2条“目标路段”(假设该路段是由m2条单元路段组成，这里把它称作目标路段2)，则预测诱导车辆i会在时刻通过目标路段2的终止断面；
(5)、以此类推，把剩余条单元路段组成的路径当作目标路径，搜索基于此目标路径的RFID历史数据库，找到通过目标路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与目标路径有较大重叠，假设车辆的编号为n)，确定该车辆在目标路径上的最大路径，计算该最大路径的行程时间假如该最大路径的终止断面即为诱导路径的终止断面，则停止操作，此时诱导车辆在诱导路径上的行程时间预测值即为
(6)、假如该最大路径的终止断面不是诱导路径的终止断面，则把这条最大路径看作诱导路径的第n条“目标路段”(假设该路段是由mn个单元路段组成，这里把它称作目标路段n)，则预测诱导车辆i会在时刻通过路段n的终止断面；
(7)、继续上述步骤，直到在目标路径上车辆的最大路径终止断面是诱导路径的终止断面为止，结束操作。
(8)、假设根据上述模型，诱导路径可划分为L条目标路段，它们分别为目标路段1、目标路段2、…、目标路段L，且路段1、路段2、…、路段L分别包括m1、m2、...、mL条单元路段，则有：
其中，mk是第k条目标路段所包含的单元路段数。
此时，诱导车辆i在诱导路径上的行程时间预测值计算公式为：
本发明的有益效果是:
由于采用了上述技术方案，本发明能有效挖掘RFID数据，对单车路径行程时间进行有效预测，区别于传统的基于平均行程时间的路径行程时间预测方法；本发明在智能交通服务和交通管理等方面具有重要的意义；本发明中采用的方法和技术简单易行，运行条件容易满足，易于在大中型城市中推广应用。
附图说明
图1是本发明的方法流程示意图。
图2是间断流下的诱导路径、单元路段划分以及RFID设备布置示意图。
图3是连续流下的诱导路径、单元路段划分以及RFID设备布置示意图。
图4是RFID检测原理图。
图5是示例诱导路径示意图。
图6是1号车辆的行驶路径及其对应的目标路段。
图7是2号车辆的行驶路径及其对应的目标路段。
图8是3号车辆的行驶路径及其对应的目标路段。
图9是4号车辆的行驶路径及其对应的目标路段。
图10是5号车辆的行驶路径及其对应的目标路段。
具体实施方式
下面结合实施例对本发明进行进一步描述。
实施例一：
如图1至图3所示，一种基于RFID数据的路径行程时间预测方法，包括如下步骤：
A、在诱导路径上安装RFID(Radio Frequency Identification)数据检测设备，利用这些设备检测准确的RFID数据；
B、把诱导车辆到达诱导路径起始断面的时刻作为行程时间预测的起点，挖掘RFID历史数据库，并把诱导路径划分为至少一条“目标路段”；
C、通过时间模式识别模型分别预测这些路段的行程时间，最后加和这些路段的行程时间得到诱导路径的行程时间。
其中，路径行程时间是指：给定起始(出发)时间的诱导车辆(单辆车)通过诱导路径所需要的行程时间。该路径行程时间与传统路径行程时间有很大的区别，因为传统路径行程时间是指在预测间隔内通过诱导路径的全体有效车辆行程时间的算术平均值。
步骤B具体方法为：首先把诱导路径划分为若干个单元路段；其次，把诱导车辆到达诱导路径起始断面(第一个单元路段的起始断面)的时刻作为行程时间预测的起点，挖掘RFID历史数据库，依次选取诱导路径上的最大路径作为“目标路段”。
单元路段为：两个相邻RFID检测设备之间的路段；对间断流来说，RFID设备应该布置在距离交叉口出口道50米的位置；对连续流来说，RFID设备应该以1500米为间隔连续布置在快速路和高速路上(如图3所示)。
如图4所示，RFID历史数据库是指诱导路径上各单元路段的RFID历史数据库，它包括：装有RFID电子标签车辆的编号、单元路段的路段编号、每辆车通过各单元路段所需的行程时间、每辆车到达各单元路段起始断面和终止断面的时刻；
“最大路径”是指某辆车的行驶路径与诱导(目标)路径所重叠的路径。所述某辆车指RFID历史数据库中的车辆，该车辆的特征是：通过诱导(目标)路径起始断面且与诱导车辆行驶特性最相似，并且该车辆行驶的路径与诱导(目标)路径有重叠。
具体包括如下步骤：
假设某诱导路径由连续的N条单元路段组成，这些单元路段依次为单元路段1、单元路段2、单元路段3、…、单元路段N。假如诱导车辆i通过单元路段1起始断面的时刻为(假设为当前时刻)，则该车辆在诱导路径上的行程时间预测值可通过下述模型来获得：
(1)搜索诱导路径的RFID历史数据库，找到通过诱导路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与诱导路径有较大重叠，假设该车辆的编号为1)，确定该车辆在诱导路径上的最大路径，计算该最大路径的行程时间假如该最大路径的终止断面即为诱导路径的终止断面，则结束操作，此时诱导车辆在诱导路径上的行程时间预测值即为
(2)假如该最大路径的终止断面不是诱导路径的终止断面，则把这条最大路径看作诱导路径的第1条“目标路段”(假设该路段是由m1条单元路段组成，这里把它称作目标路段 1)，则预测诱导车辆i会在时刻通过目标路段1的终止断面；
(3)把剩余条单元路段组成的路径当作目标路径，搜索基于此目标路径的RFID历史数据库，找到通过目标路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与目标路径有较大重叠，假设该车辆的编号为2)，确定该车辆在目标路径上的最大路径，计算该最大路径的行程时间假如该最大路径的终止断面即为诱导路径的终止断面，则结束操作，此时诱导车辆在诱导路径上的行程时间预测值即为
(4)假如该最大路径的终止断面不是诱导路径的终止断面，则把这条最大路径看作诱导路径的第2条“目标路段”(假设该路段是由m2条单元路段组成，这里把它称作目标路段2)，则预测诱导车辆i会在时刻通过目标路段2的终止断面；
(5)以此类推，把剩余条单元路段组成的路径当作目标路径，搜索基于此目标路径的RFID历史数据库，找到通过目标路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与目标路径有较大重叠，假设车辆的编号为n)，确定该车辆在目标路径上的最大路径，计算该最大路径的行程时间假如该最大路径的终止断面即为诱导路径的终止断面，则停止操作，此时诱导车辆在诱导路径上的行程时间预测值即为
(6)假如该最大路径的终止断面不是诱导路径的终止断面，则把这条最大路径看作诱导路径的第n条“目标路段”(假设该路段是由mn个单元路段组成，这里把它称作目标路段n)，则预测诱导车辆i会在时刻通过路段n的终止断面；
(7)继续上述步骤，直到在目标路径上车辆的最大路径终止断面是诱导路径的终止断面为止，结束操作。
(8)假设根据上述模型，诱导路径可划分为L条目标路段，它们分别为目标路段1、目标路段2、…、目标路段L，且路段1、路段2、…、路段L分别包括m1、m2、...、mL条单元路段，则有：
其中，mk是第k条目标路段所包含的单元路段数。
此时，诱导车辆i在诱导路径上的行程时间预测值计算公式为：
实施例二：
利用RFID数据对路径行程时间进行预测之前需要对RFID数据进行预处理，预处理包括如下步骤：
(1)对于连续检测到的数据，以第一条被检测到的数据为准，删除其它被重复检测到的数据；
(2)删除检测到的对向RFID车辆数据；
本发明方法所涉及的几个环节：
单元路段的定义：对间断流来说，本发明所定义的单元路段为两交叉口之间的有向路段。选取上游交叉口出口处RFID设备所在位置作为单元路段的起点，下游交叉口出口处RFID检测设备所在位置作为单元路段的终点，如图2所示。其中，车辆在下游交叉口处所经历的延误也被包括在该路段的行程时间内；对连续流来说，本发明所定义的单元路段为高速路(快速路)上两个连续RFID检测设备之间的距离(1.5km)，但是需要注意的是，高速路(快速路)上的RFID检测设备应尽量避免设置在进出匝道口处。
下面举一个算例对本路径行程时间预测方法进行阐述。
假设某诱导路径包含10条单元路段(如图5所示)，它们分别为：Link1、Link2、Link3、Link4、Link5、Link6、Link7、Link8、Link9和Link10。诱导车辆i通过该诱导路径起始断面的时刻为搜索诱导路径的RFID历史数据库，找到通过诱导路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与诱导路径有较大重叠，假设该车辆的编号为1)，根据最大路径的概念，如图4至图6所示，来确定该车辆在诱导路径上的最大路径，可知该最大路径包括3条单元路段，它们分别为Link1、Link2和Link3，计算该最大路径的行程时间
由于该最大路径的终止断面不是诱导路径的终止断面，因此把该最大路径看作诱导路径的第1条“目标路段”(该路段是由3条单元路段组成，这里把它称作目标路段1)，则预测诱导车辆会在时刻通过目标路段1的终止断面。
把剩余的7条单元路段组成的路径当作目标路径，搜索基于此目标路径的RFID历史数据库，找到通过目标路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与目标路径有较大重叠，假设该车辆的编号为2)。根据最大路径的概念，如图4至图7所示，来确定该车辆在该目标路径上的最大路径，可知该最大路径包括3条单元路段，它们分别为Link4、Link5和Link6，计算该最大路径的行程时间
由于该最大路径的终止断面不是诱导路径的终止断面，则把该最大路径看作诱导路径的第2条“目标路段”(该路段是由3条单元路段组成，这里把它称作目标路段2)，则预测诱导车辆会在时刻通过目标路段2的终止断面。
把剩余的4条单元路段组成的路径当作目标路径，搜索基于此目标路径的RFID历史数据库，找到通过目标路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与目标路径有较大重叠，假设该车辆的编号为3)。根据最大路径的概念，如图4至图8所示，来确定该车辆在该目标路径上的最大路径，可知该最大路径包括2条单元路段，它们分别为Link7和Link8，计算该最大路径的行程时间
由于该最大路径的终止断面不是诱导路径的终止断面，则把该最大路径看作诱导路径的第3条“目标路段”(该路段是由2条单元路段组成，这里把它称作目标路段3)，则预测诱导车辆会在时刻通过目标路段3的终止断面。
把剩余的2条单元路段组成的路径当作目标路径，搜索基于此目标路径的RFID历史数据库，找到通过目标路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与目标路径有较大重叠，假设该车辆的编号为4)。根据最大路径的概念，如图4至图9所示，来确定该车辆在该目标路径上的最大路径，可知该最大路径包括1条单元路段Link9，计算该最大路径的行程时间
由于该最大路径的终止断面不是诱导路径的终止断面，则把该最大路径看作诱导路径的第4条“目标路段”(该路段是由1条单元路段组成，这里把它称作目标路段4)，则预测诱导车辆会在时刻通过目标路段4的终止断面。
把剩余的1条单元路段当作目标路径，搜索基于此目标路径的RFID历史数据库，找到通过目标路径起始断面且与诱导车辆行驶特性最相似的车辆(必须保证该车辆行驶的路径与目标路径有较大重叠，假设该车辆的编号为5)。根据最大路径的概念，如图4至图10所示，来确定该车辆在该目标路径上的最大路径，可知该最大路径包括1条单元路段Link10，计算该最大路径的行程时间
由于该最大路径的终止断面是诱导路径的终止断面，因此结束搜索。把该最大路径看作诱导路径的第5条“目标路段”(该路段是由1条单元路段组成，这里把它称作目标路段5)，则预测诱导车辆会在时刻通过目标路段5的终止断面(诱导路径的终止断面)。
此时，诱导车辆i在诱导路径上的行程时间预测值计算公式为：
上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这个实施例子做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实施例子，本领域技术人员根据本发明的揭示，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (6)
1.一种基于RFID数据的路径行程时间预测方法，其特征在于，包括如下步骤：
A、在诱导路径上安装RFID数据检测设备，利用这些设备检测准确的RFID数据；
B、把诱导车辆到达诱导路径起始断面的时刻作为行程时间预测的起点，挖掘RFID历史数据库，并把诱导路径划分为至少一条“目标路段”；
C、通过时间模式识别模型分别预测这些路段的行程时间，最后加和这些路段的行程时间得到诱导路径的行程时间；
步骤C的具体实施过程如下：
将诱导路径分成连续的N条单元路段，这些单元路段依次为单元路段1、单元路段2、单元路段3、…、单元路段N，当诱导车辆i通过单元路段1起始断面的时刻为则该车辆在诱导路径上的行程时间预测值可通过下述模型来获得：
(1)、搜索诱导路径的RFID历史数据库，找到通过诱导路径起始断面且与诱导车辆行驶特性最相似的车辆，保证该车辆行驶的路径与诱导路径有较大重叠，并将该车辆的编号标记为1，确定该车辆在诱导路径上的最大路径，计算该最大路径的行程时间如果该最大路径的终止断面即为诱导路径的终止断面，则结束操作，此时诱导车辆在诱导路径上的行程时间预测值即为
(2)、如果该最大路径的终止断面不是诱导路径的终止断面，则把这条最大路径看作诱导路径的第1条“目标路段”，并称之为目标路段1，则预测诱导车辆i会在时刻通过目标路段1的终止断面；
(3)、把剩余N-m1条单元路段组成的路径当作目标路径，搜索基于此目标路径的RFID历史数据库，找到通过目标路径起始断面且与诱导车辆行驶特性最相似的车辆，保证该车辆行驶的路径与目标路径有较大重叠，并将该车辆的编号标记为2，确定该车辆在目标路径上的最大路径，计算该最大路径的行程时间如果该最大路径的终止断面即为诱导路径的终止断面，则结束操作，此时诱导车辆在诱导路径上的行程时间预测值即为
(4)、如果该最大路径的终止断面不是诱导路径的终止断面，则把这条最大路径看作诱导路径的第2条“目标路段”，并称之为目标路段2，则预测诱导车辆i会在时刻通过目标路段2的终止断面；
(5)、将剩余条单元路段组成的路径当作目标路径，搜索基于此目标路 径的RFID历史数据库，找到通过目标路径起始断面且与诱导车辆行驶特性最相似的车辆，保证该车辆行驶的路径与目标路径有较大重叠，并将该车辆的编号标记为n，确定该车辆在目标路径上的最大路径，计算该最大路径的行程时间如果该最大路径的终止断面即为诱导路径的终止断面，则停止操作，此时诱导车辆在诱导路径上的行程时间预测值即为
(6)、如果该最大路径的终止断面不是诱导路径的终止断面，则把这条最大路径看作诱导路径的第n条“目标路段”，并称之为目标路段n，则预测诱导车辆i会在 时刻通过目标路段n的终止断面；
(7)、继续上述步骤，直到某车辆在目标路径上的最大路径终止断面是诱导路径的终止断面为止，结束操作；
(8)、假设根据上述模型，诱导路径可划分为L条目标路段，它们分别为目标路段1、目标路段2、…、目标路段L，且路段1、路段2、…、路段L分别包括m1、m2、...、mL条单元路段，则有：
其中，mk是第k条目标路段所包含的单元路段数，
此时，诱导车辆i在诱导路径上的行程时间预测值计算公式为：
2.权利要求1所述的一种基于RFID数据的路径行程时间预测方法，其特征在于：路径行程时间是指：给定起始或出发时间的单辆诱导车辆通过诱导路径所需要的行程时间。
3.如权利要求1所述的一种基于RFID数据的路径行程时间预测方法，其特征在于：所述步骤B具体方法为：首先把诱导路径划分为若干个单元路段；其次，把诱导车辆到达诱导路径起始断面的时刻作为行程时间预测的起点，挖掘RFID历史数据库，依次选取诱导路径上的最大路径作为“目标路段”。
4.如权利要求3所述的一种基于RFID数据的路径行程时间预测方法，其特征在于：所述单元路段为：两个相邻RFID检测设备之间的路段；对间断流来说，RFID设备布置在距离交叉口出口道50米的位置；对连续流来说，RFID设备以1500米为间隔连续布置在快速路和高 速路上。
5.如权利要求3所述的一种基于RFID数据的路径行程时间预测方法，其特征在于：所述RFID历史数据库是指诱导路径上各单元路段的RFID历史数据库，它包括：装有RFID电子标签车辆的编号、单元路段的路段编号、每辆车通过各单元路段所需的行程时间、每辆车到达各单元路段起始断面和终止断面的时刻；“最大路径”是指某辆车的行驶路径与诱导目标路径最大重叠的路径。
6.如权利要求5所述的一种基于RFID数据的路径行程时间预测方法，其特征在于：所述“某辆车”指RFID历史数据库中的车辆，该车辆的特征是：通过诱导目标路径起始断面且与诱导车辆行驶特性最相似，且该车辆行驶的路径与诱导目标路径有较大重叠。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310488984.8A CN103489048B (zh) | 2013-10-17 | 2013-10-17 | 一种基于rfid数据的路径行程时间预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310488984.8A CN103489048B (zh) | 2013-10-17 | 2013-10-17 | 一种基于rfid数据的路径行程时间预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103489048A CN103489048A (zh) | 2014-01-01 |
| CN103489048B true CN103489048B (zh) | 2017-04-05 |
Family
ID=49829253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310488984.8A Active CN103489048B (zh) | 2013-10-17 | 2013-10-17 | 一种基于rfid数据的路径行程时间预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103489048B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104240502A (zh) * | 2014-08-28 | 2014-12-24 | 浙江工业大学 | 基于rfid的公交车动态到站时间预测方法 |
| CN107146446B (zh) * | 2017-07-10 | 2018-02-09 | 中南大学 | 一种基于rfid数据和动态车源的路径诱导方法 |
| TWI651694B (zh) * | 2017-12-26 | 2019-02-21 | 中華電信股份有限公司 | 計算交通路線旅行時間之方法 |
| CN108564793A (zh) * | 2018-05-31 | 2018-09-21 | 重庆大学 | 一种基于rfid电子车牌数据的行程时间预测方法 |
| CN108629977A (zh) * | 2018-06-06 | 2018-10-09 | 上海城市交通设计院有限公司 | 基于汽车电子标识技术的出行特征分析方法 |
| CN109377759B (zh) * | 2018-11-28 | 2021-02-26 | 南京莱斯信息技术股份有限公司 | 一种获取间断交通流中车队行程时间的方法 |
| CN110570650B (zh) * | 2019-05-17 | 2021-05-11 | 东南大学 | 一种基于rfid数据的出行路径与节点流量预测方法 |
| CN115512549A (zh) * | 2022-11-23 | 2022-12-23 | 无锡智谷锐拓技术服务有限公司 | 用于智慧汽车的交通信息动态更新系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009005331A2 (en) * | 2007-07-04 | 2009-01-08 | Lg Electronics Inc. | Broadcast receiver and method of processing data |
| CN101436347A (zh) * | 2008-12-09 | 2009-05-20 | 北京交通大学 | 一种快速路行程时间预测方法 |
| CN102097005A (zh) * | 2011-02-01 | 2011-06-15 | 吉林大学 | 智能化、集成化交通信号控制器 |
| CN102129467A (zh) * | 2011-03-18 | 2011-07-20 | 南京邮电大学 | 基于射频识别的公交车位置告知和监控系统及实现方法 |
| CN102314770A (zh) * | 2010-11-30 | 2012-01-11 | 上海博路信息技术有限公司 | 一种基于rfid的交通信息管理系统 |
-
2013
- 2013-10-17 CN CN201310488984.8A patent/CN103489048B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009005331A2 (en) * | 2007-07-04 | 2009-01-08 | Lg Electronics Inc. | Broadcast receiver and method of processing data |
| CN101436347A (zh) * | 2008-12-09 | 2009-05-20 | 北京交通大学 | 一种快速路行程时间预测方法 |
| CN102314770A (zh) * | 2010-11-30 | 2012-01-11 | 上海博路信息技术有限公司 | 一种基于rfid的交通信息管理系统 |
| CN102097005A (zh) * | 2011-02-01 | 2011-06-15 | 吉林大学 | 智能化、集成化交通信号控制器 |
| CN102129467A (zh) * | 2011-03-18 | 2011-07-20 | 南京邮电大学 | 基于射频识别的公交车位置告知和监控系统及实现方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103489048A (zh) | 2014-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103489048B (zh) | 一种基于rfid数据的路径行程时间预测方法 | |
| CN102254443B (zh) | 间歇式公交专用道控制系统 | |
| Skabardonis et al. | Real-time estimation of travel times on signalized arterials | |
| CN107784835B (zh) | 基于交通数据分析的交通状态模式预测系统及其预测方法 | |
| CN105046985B (zh) | 基于大数据的主干道全路段的交通控制系统 | |
| CN104464314B (zh) | 一种公交车专用道交叉口的公交优先通行方法 | |
| CN1936999A (zh) | 一种基于无线传感器网络的城市区域交通协同控制方法 | |
| CN103208193B (zh) | 一种利用视频检测数据的城市相邻交叉口信号协调控制方法 | |
| CN105717939A (zh) | 一种支持汽车无人自动驾驶的道路路面的信息化和网络化实施方法 | |
| CN101710449A (zh) | 基于公交车gps数据的交通流运行状态识别方法 | |
| CN105654720B (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
| CN101964144A (zh) | 考虑分路段区域的公交专用道时分复用方法 | |
| CN102930718A (zh) | 基于浮动车数据和线圈流量融合的间断流路段行程时间估计方法 | |
| CN102231235A (zh) | 一种交通流异常点检测定位方法 | |
| JP2011022649A (ja) | リンク旅行時間算出装置及びプログラム | |
| CN102324182A (zh) | 基于蜂窝网络的交通道路信息检测系统及其检测方法 | |
| CN107085620A (zh) | 一种出租车和地铁接驳出行线路的查询方法及系统 | |
| KR101943198B1 (ko) | 구간통행시간 및 신호지체 추정방법 | |
| CN103177585A (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
| CN103854504A (zh) | 方阵型道路交通诱导方法和诱导系统 | |
| CN113327419A (zh) | 绿波速度确定方法、装置、电子设备和存储介质 | |
| CN105225479A (zh) | 基于手机切换数据的信号交叉口路段行程时间计算方法 | |
| Cherrett et al. | Traffic management parameters from single inductive loop detectors | |
| Vasantha Kumar et al. | Urban arterial travel time estimation using buses as probes | |
| KR20200053316A (ko) | 구간통행시간 및 신호지체 추정방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191223 Address after: Room 302, building 1, No. 99, Guzhen Road, Tianning Town, Jiashan County, Jiaxing City, Zhejiang Province Patentee after: Jiashan Ningxi Construction Co.,Ltd. Address before: 201306 Pudong New Area, 1550 Harbour Road, Shanghai, Shanghai Maritime Univeristy, transportation, Portage College, room 417 Patentee before: Li Huibing |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A route travel time prediction method based on RFID data Effective date of registration: 20220812 Granted publication date: 20170405 Pledgee: Tianning Branch of Zhejiang Jiashan Rural Commercial Bank Co.,Ltd. Pledgor: Jiashan Ningxi Construction Co.,Ltd. Registration number: Y2022330001733 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230719 Granted publication date: 20170405 Pledgee: Tianning Branch of Zhejiang Jiashan Rural Commercial Bank Co.,Ltd. Pledgor: Jiashan Ningxi Construction Co.,Ltd. Registration number: Y2022330001733 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140101 Assignee: Jiashan County Tianning Jiangjiayang Tourism Development Co.,Ltd. Assignor: Jiashan Ningxi Construction Co.,Ltd. Contract record no.: X2023330000484 Denomination of invention: A Path Travel Time Prediction Method Based on RFID Data Granted publication date: 20170405 License type: Common License Record date: 20230804 |
|
| EE01 | Entry into force of recordation of patent licensing contract |