CN103593976B - 基于检测器确定道路交通状态的方法及系统 - Google Patents
基于检测器确定道路交通状态的方法及系统 Download PDFInfo
- Publication number
- CN103593976B CN103593976B CN201310624478.7A CN201310624478A CN103593976B CN 103593976 B CN103593976 B CN 103593976B CN 201310624478 A CN201310624478 A CN 201310624478A CN 103593976 B CN103593976 B CN 103593976B
- Authority
- CN
- China
- Prior art keywords
- traffic
- track
- sampling period
- road
- flow parameter
- 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
本发明公开了一种基于检测器确定道路交通状态的方法及系统。本发明中,从检测器在当前采样周期内采集的交通流信息中,获取车道交通流信息,将获取的车道交通流信息应用于预先设置的车道交通流参数计算策略,得到车道采样周期交通流参数;将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略,生成发布周期内的道路综合交通拥堵指数,所述发布周期包括一个或多个采样周期;根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定生成的道路综合交通拥堵指数对应的道路交通状态。应用本发明,可以提高确定的道路交通状态的准确度。
Description
技术领域
本发明涉及城市智能交通控制技术,尤其涉及一种基于检测器确定道路交通状态的方法及系统。
背景技术
目前,确定道路交通状态的方法主要采用浮动车或定点检测两种方式。其中,采用浮动车的技术方案,根据任一条道路上行驶的每一辆浮动车的不同状态下行驶的距离,对当前采集的浮动车数据(FCD,FloatingCarData),即道路交通流信息进行分类;根据分类的FCD确定实时路况信息,并根据确定的实时路况信息对任一条道路进行道路交通状态评价。但该浮动车技术方案,存在采样数据间隔较大,数据匹配精度较低,确定的实时路况信息参数较少,同时,仅根据当前数据进行判断,易受突发事件的影响,使得进行道路交通状态评价的准确度较低,确定的道路交通状态不能全面表征道路状况;进一步地,浮动车在特定时段(交通低峰)、特定路段(高架桥、支路)以及特殊气象等条件下,存在采集的FCD样本量不足等缺陷,从而导致基于不足FCD样本量确定的道路交通状态,准确度低,达不到实用水平。
通过定点检测确定道路交通状态的方法,通过获取道路各车道当前周期的时间占有率数据或者饱和度数据,并将获取的时间占有率数据或饱和度数据进行平滑处理后,与预设的时间占有率阈值或饱和度阈值进行比较,根据比较结果确定道路交通状态(拥堵状况)。但该技术方案,由于仅仅根据时间占有率数据或饱和度数据确定道路交通状态,同时,也仅根据当前数据进行判断,易受突发事件的影响,也存在确定道路交通状态的参数少,不能全面表征道路状况,使得确定的道路交通状态的准确度较低;进一步地,由于未能考虑道路上下游交通流信息(时间占有率数据或者饱和度数据)变化的影响,进行平滑处理后确定的道路交通状态反映的是道路交叉口的交通状态,未能获取整个路段的交通状态;而且,时间占有率阈值或饱和度阈值难以准确设置。
发明内容
本发明的实施例提供一种基于检测器确定道路交通状态的方法,提高确定的道路交通状态的准确度。
本发明的实施例还提供一种基于检测器确定道路交通状态的系统,提高确定的道路交通状态的准确度。
为达到上述目的,本发明实施例提供的一种基于检测器确定道路交通状态的方法,该方法包括:
从检测器在当前采样周期内采集的交通流信息中,获取车道交通流信息,将获取的车道交通流信息应用于预先设置的车道交通流参数计算策略,得到车道采样周期交通流参数;
将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略,生成发布周期内的道路综合交通拥堵指数,所述发布周期包括一个或多个采样周期;
根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定生成的道路综合交通拥堵指数对应的道路交通状态。
其中,所述将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略,生成发布周期内的道路综合交通拥堵指数包括:
根据得到的车道采样周期交通流参数,计算车道当前发布周期交通流参数;
将计算的车道当前发布周期交通流参数应用于预先设置的断面计算策略,输出断面当前发布周期交通流参数;
将输出的断面当前发布周期交通流参数应用于预先设置的道路综合策略,生成道路综合交通拥堵指数。
其中,所述车道采样周期交通流参数包括:车道采样周期流量、车道采样周期时间占有率以及车道采样周期速度,利用下述公式确定车道当前发布周期交通流参数:
式中,qi为第i车道当前发布周期流量;
oi为第i车道当前发布周期时间占有率;
vi为第i车道当前发布周期速度;
qi(k)为第k个采样周期内的第i车道采样周期流量;
oi(k)为第k个采样周期内的第i车道采样周期时间占有率;
vi(k)为第k个采样周期内的第i车道采样周期速度;
m为发布周期包含的采样周期个数。
其中,利用下述公式确定断面当前发布周期交通流参数:
式中,为断面当前发布周期流量,所述当前发布周期标识为j;
为断面当前发布周期时间占有率;
为断面当前发布周期速度;
l为断面包含的车道数。
其中,在所述输出断面当前发布周期交通流参数后,将输出的断面当前发布周期交通流参数应用于预先设置的道路综合策略之前,所述方法进一步包括:
读取存储的断面历史发布周期交通流参数,将断面当前发布周期交通流参数和读取的断面历史发布周期交通流参数应用于预先设置的加权处理策略,得到断面加权交通流参数,替换所述输出的断面当前发布周期交通流参数。
其中,所述断面加权交通流参数包括:断面加权时间占有率以及断面加权速度,利用下述公式确定断面加权交通流参数:
式中,为断面加权时间占有率;
为断面加权速度;
η1、η2、η3分别为加权系数。
其中,所述道路综合交通拥堵指数由速度拥堵指数、时间占有率拥堵指数以及交叉口交通强度拥堵指数经加权组合而成;
利用下述公式确定速度拥堵指数:
式中,Jv为速度拥堵指数;
vf为自由流速度;
利用下述公式确定时间占有率拥堵指数:
式中,Jo为时间占有率拥堵指数;
omax为预先设置的车道采样周期时间占有率阈值;
利用下述公式确定交叉口交通强度拥堵指数:
式中,Jq为交叉口交通强度拥堵指数;
qmax为预先设置的车道采样周期流量阈值。
其中,利用下述公式确定道路综合交通拥堵指数:
J=β1Jv+β2Jo+β3Jq
式中,J为道路综合交通拥堵指数;
β1为速度拥堵指数权重系数;
β2为时间占有率拥堵指数权重系数;
β3为交叉口交通强度拥堵指数权重系数。
其中,所述方法进一步包括:
根据得到的道路综合交通拥堵指数,计算拥堵长度;
利用下述公式确定拥堵长度:
式中,Lj为拥堵长度;
n为检测器组数,为自然数。
其中,在所述根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值之后,确定生成的道路综合交通拥堵指数对应的道路交通状态之前,所述方法进一步包括:
确定道路综合交通拥堵指数阈值变化的可信度,根据确定的可信度获取道路综合交通拥堵指数阈值变化的正常波动值。
其中,所述道路综合交通拥堵指数阈值包括道路综合交通拥堵指数第一阈值以及道路综合交通拥堵指数第二阈值,所述正常波动值包括:对应于道路综合交通拥堵指数第一阈值的第一正常波动值以及对应于道路综合交通拥堵指数第二阈值的第二正常波动值。
其中,所述根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定道路综合交通拥堵指数对应的道路交通状态包括:
确定上一个发布周期的道路交通状态为拥堵状态,分别计算道路综合交通拥堵指数第一阈值与第一正常波动值的差,得到第一判别阈值,以及,道路综合交通拥堵指数第二阈值与第二正常波动值的差,得到第二判别阈值;
确定当前发布周期的道路综合交通拥堵指数大于第一判别阈值而小于或等于1时,确定当前发布周期的道路交通状态处于拥堵状态;
确定当前发布周期的道路综合交通拥堵指数大于第二判别阈值而小于或等于第一判别阈值时,确定当前发布周期的道路交通状态处于滞缓状态;
确定当前发布周期的道路综合交通拥堵指数大于或等于零而小于或等于第二判别阈值时,确定当前发布周期的道路交通状态处于畅通状态。
其中,所述根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定道路综合交通拥堵指数对应的道路交通状态包括:
确定上一个发布周期的道路交通状态为滞缓状态,分别计算道路综合交通拥堵指数第一阈值与第一正常波动值的和,得到第三判别阈值,以及,道路综合交通拥堵指数第二阈值与第二正常波动值的差,得到第二判别阈值;
确定当前发布周期的道路综合交通拥堵指数大于第三判别阈值而小于或等于1时,确定当前发布周期的道路交通状态处于拥堵状态;
确定当前发布周期的道路综合交通拥堵指数大于第二判别阈值而小于或等于第三判别阈值时,确定当前发布周期的道路交通状态处于滞缓状态;
确定当前发布周期的道路综合交通拥堵指数大于或等于零而小于或等于第二判别阈值时,确定当前发布周期的道路交通状态处于畅通状态。
其中,所述根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定道路综合交通拥堵指数对应的道路交通状态包括:
确定上一个发布周期的道路交通状态为畅通状态,分别计算道路综合交通拥堵指数第一阈值与第一正常波动值的和,得到第三判别阈值,以及,道路综合交通拥堵指数第二阈值与第二正常波动值的和,得到第四判别阈值;
确定当前发布周期的道路综合交通拥堵指数大于第三判别阈值而小于或等于1时,确定当前发布周期的道路交通状态处于拥堵状态;
确定当前发布周期的道路综合交通拥堵指数大于第四判别阈值而小于或等于第三判别阈值时,确定当前发布周期的道路交通状态处于滞缓状态;
确定当前发布周期的道路综合交通拥堵指数大于或等于零而小于或等于第四判别阈值时,确定当前发布周期的道路交通状态处于畅通状态。
其中,在所述得到车道采样周期交通流参数之后,将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略之前,所述方法进一步包括:
将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数,将所述异常处理后的车道采样周期交通流参数作为应用于预先设置的拥堵指数计算策略的车道采样周期交通流参数。
其中,所述异常处理策略包括:车道采样周期交通流参数中任一参数超出临界阈值的异常处理策略、车道采样周期交通流参数中各参数都为零的异常处理策略、车道采样周期时间占有率为零但车道采样周期流量不为零的异常处理策略以及连续少于三个采样周期的车道交通流信息缺失的异常处理策略。
其中,对于车道采样周期交通流参数中任一参数超出临界阈值的异常处理策略,所述将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数包括:
确定根据车道交通流信息计算得到的车道采样周期流量大于预先设置的车道采样周期流量阈值、或车道采样周期时间占有率大于预先设置的车道采样周期时间占有率阈值、或车道采样周期速度大于预先设置的车道采样周期速度阈值时,丢弃该车道采样周期交通流参数。
其中,利用下述公式得到所述异常处理后的车道采样周期交通流参数:
qi(k)>qmax
oi(k)>omax
vi(k)>vmax
式中,qi(k)为第k个采样周期内的第i车道采样周期流量;
oi(k)为第k个采样周期内的第i车道采样周期时间占有率;
vi(k)为第k个采样周期内的第i车道采样周期速度;
qmax为预先设置的车道采样周期流量阈值;
omax为预先设置的车道采样周期时间占有率阈值;
vmax为车道采样周期速度阈值。
其中,对于车道采样周期交通流参数中各参数都为零的异常处理策略,所述将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数包括:
读取存储的前预设值采样周期的车道采样周期流量;
计算前预设值采样周期的车道采样周期流量的平均值;
确定计算的平均值大于预先设置的车道流量平均阈值时,删除车道当前采样周期交通流参数。
其中,利用下述公式删除车道当前采样周期交通流参数:
式中,为当前采样周期之前的3个车道采样周期流量平均值,所述当前采样周期标识为k,k为大于4的自然数;
qi(k-1)为预先存储的当前采样周期前的第1个采样周期的车道采样周期流量值;
qi(k-2)为预先存储的当前采样周期前的第2个采样周期的车道采样周期流量值;
qi(k-3)为预先存储的当前采样周期前的第3个采样周期的车道采样周期流量值;
Q为预先设置的车道流量平均阈值。
其中,对于车道采样周期时间占有率为零但车道采样周期流量不为零的异常处理策略,所述将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数包括:
读取存储的车道当前采样周期流量;
读取存储的各采样周期内,该车道最小时间占有率下的最大车道采样周期流量;
确定读取的车道当前采样周期流量大于最大车道采样周期流量时,删除车道当前采样周期交通流参数。
其中,在所述得到异常处理后的车道采样周期交通流参数之后,所述方法进一步包括:
根据预先设置的恢复策略,对删除的车道当前采样周期交通流参数进行恢复,作为异常处理后的车道当前采样周期交通流参数。
其中,所述根据预先设置的恢复策略,对删除的车道当前采样周期交通流参数进行恢复包括:
确定连续删除的车道采样周期交通流参数总数不大于缺失数据阈值,计算前恢复阈值个车道采样周期交通流参数的平均值,作为对删除的车道当前采样周期交通流参数的恢复值;
利用下述公式计算前恢复阈值个车道采样周期交通流参数的平均值:
式中,为恢复的车道当前采样周期交通流参数,包括流量、时间占有率以及速度,所述当前采样周期标识为k,k为大于4的自然数;
xi(k-1)为预先存储的当前采样周期前的第1个车道采样周期交通流参数;
xi(k-2)为预先存储的当前采样周期前的第2个车道采样周期交通流参数;
xi(k-3)为预先存储的当前采样周期前的第3个车道采样周期交通流参数。
其中,所述根据预先设置的恢复策略,对删除的车道当前采样周期交通流参数进行恢复包括:
确定连续删除的车道采样周期交通流参数总数大于缺失数据阈值,将车道当前采样周期交通流参数与对应的车道历史采样周期交通流参数进行加权求和,作为异常处理后的车道当前采样周期交通流参数;
利用下述公式进行加权求和:
Hxi(k)=αxi(k)+(1-α)Hxi'(k)
式中,为恢复的第k采样周期内第i车道采样周期交通流参数,所述当前采样周期标识为k,k为大于4的自然数;
Hxi(k)为进行加权求和得到的车道采样周期交通流参数;
xi(k)为得到的第k采样周期内第i车道采样周期交通流参数;
Hxi'(k)为预先存储的上周同一天同一车道同一采样周期的车道历史采样周期交通流参数;
α为预先设置的平滑系数。
其中,所述检测器以车道为单位或以道路为单位布设,所述道路包括一个或多个车道;
所述道路设置有多个用于布设检测器的断面。
一种基于检测器确定道路交通状态的系统,该系统包括:检测器以及处理器;
检测器,布设于拥堵判定区间内,采集交通流信息;
处理器,用于从检测器在当前采样周期内采集的交通流信息中,获取车道交通流信息,将获取的车道交通流信息应用于预先设置的车道交通流参数计算策略,得到车道采样周期交通流参数;
将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略,生成发布周期内的道路综合交通拥堵指数,所述发布周期包括一个或多个采样周期;
根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定生成的道路综合交通拥堵指数对应的道路交通状态。
较佳地,所述处理器包括:车道采样周期交通流参数计算模块、道路综合交通拥堵指数计算模块以及道路交通状态确定模块;
车道采样周期交通流参数计算模块,用于从检测器在当前采样周期内采集的交通流信息中,获取车道交通流信息,将获取的车道交通流信息应用于预先设置的车道交通流参数计算策略,得到车道采样周期交通流参数,所述车道采样周期交通流参数包括:车道采样周期流量、车道采样周期时间占有率以及车道采样周期速度;
道路综合交通拥堵指数计算模块,用于将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略,生成发布周期内的道路综合交通拥堵指数,所述发布周期包括一个或多个采样周期;
道路交通状态确定模块,用于根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定生成的道路综合交通拥堵指数对应的道路交通状态。
较佳地,所述道路综合交通拥堵指数计算模块包括:车道发布周期交通流参数计算单元、断面发布周期交通流参数计算单元以及道路综合交通拥堵指数计算单元;
车道发布周期交通流参数计算单元,用于根据得到的车道采样周期交通流参数,获取车道当前发布周期交通流参数;
断面发布周期交通流参数计算单元,用于将获取的车道当前发布周期交通流参数应用于预先设置的断面计算策略,得到断面当前发布周期交通流参数;
道路综合交通拥堵指数计算单元,用于将断面当前发布周期交通流参数应用于预先设置的道路综合策略,得到道路综合交通拥堵指数。
较佳地,利用下述公式确定车道当前发布周期交通流参数:
式中,qi为第i车道当前发布周期流量,i为自然数;
oi为第i车道当前发布周期时间占有率;
vi为第i车道当前发布周期速度;
qi(k)为第k个采样周期内的第i车道采样周期流量,k为自然数;
oi(k)为第k个采样周期内的第i车道采样周期时间占有率;
vi(k)为第k个采样周期内的第i车道采样周期速度;
m为发布周期包含的采样周期个数,m为自然数。
较佳地,利用下述公式确定断面当前发布周期交通流参数:
式中,为断面当前发布周期流量,所述当前发布周期标识为j,j为自然数;
为断面当前发布周期时间占有率;
为断面当前发布周期速度;
l为断面包含的车道数,l为自然数。
由上述技术方案可见,本发明实施例提供的一种基于检测器确定道路交通状态的方法及系统,利用定点布设的检测器检测的平均速度数据、时间占有率数据和交叉口交通强度数据,经过处理后得到表征道路交通状态的速度、时间占有率以及流量等参数;并应用于预先设置的拥堵指数计算策略,得到道路综合交通拥堵指数;并根据上一发布周期的道路交通状态以及当前道路综合交通拥堵指数判断拥堵区间交通状态,确定的道路交通状态准确率在90%左右,确定的道路交通状态准确度高、拥堵区间识别精度高、适应能力强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,以下将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,以下描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员而言,还可以根据这些附图所示实施例得到其它的实施例及其附图。
图1为本发明实施例基于检测器确定道路交通状态的方法流程示意图。
图2为本发明实施例检测器布设示意图。
图3为本发明实施例时间占有率与时间占有率拥堵指数的关系示意图。
图4为本发明实施例交叉口交通强度与交叉口交通强度拥堵指数的关系示意图。
图5为本发明实施例速度与速度拥堵指标的关系示意图。
图6为本发明实施例道路综合交通拥堵指数与正常波动值的关系示意图。
图7为本发明实施例基于检测器确定道路交通状态的系统结构示意图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
现有确定道路交通状态的方法,无论是采用浮动车的方式确定道路交通状态,还是采用定点检测的方式确定道路交通状态,都存在用于确定道路交通状态的参数较少,使得确定的道路交通状态的准确度较低,不能全面表征道路状况。
对于城市道路交通,如果能及时向市民提供准确的道路交通状态,从而引导市民出行行为,就能优化城市道路网流量分配、缓解交通拥堵、改善城市环境,从而有效提高城市道路网容纳能力和使用效率,进而提升交通运输水平,推动交通运输产业的发展。
基于上述考虑,本发明实施例提供一种基于检测器确定道路交通状态的方法,在拥堵判定区间内,通过科学合理地规划与布设检测器,从而可以实时对拥堵判定区间内设置的关键断面处各车道的交通流信息进行检测,得到表征道路交通状态的速度、时间占有率以及流量等参数;根据得到的断面各车道的速度、时间占有率以及流量,并结合交叉口交通强度,进行每一断面交通拥堵综合指数的计算,最终根据拥堵判定区间内上下游多个断面的交通拥堵综合指数,确定道路交通状态。
图1为本发明实施例基于检测器确定道路交通状态的方法流程示意图。参见图1,该流程包括:
步骤101,在拥堵判定区间内,布设用于采集交通流信息的检测器;
本步骤为可选步骤,本步骤中,拥堵判定区间可根据道路交通监控需要进行设置。较佳地,设置的拥堵判定区间只在两端具有交叉路口。当然,实际应用中,在设置的拥堵判定区间内,也可以包含三个以上交叉路口,但如果包含三个以上交叉路口的拥堵判定区间内还具有其它拥堵源,例如,匝道汇聚、大路口等,则将两交叉路口之间的路段作为相互独立的拥堵判定区间。
本发明实施例中,可以以车道为单位或以道路为单位布设检测器。其中,以道路为单位布设的检测器为一个或多个,以车道为单位布设的检测器为多个。对于布设多个的情形,可以采用等间距的方式布设检测器,也可以采用非等间距的方式布设检测器。
对于布设一个检测器的情形,在距离拥堵判定区间内的交叉口停车线预设距离的位置处布设检测器。
实际应用中,对于每一条道路,即拥堵判定区间内包含有一个或多个车道,各车道之间相互独立,具有不同的道路交通状态,即使是同一地点、同一时间的各车道,交通状态也具有较大的差异。因而,本发明实施例中,较佳地,对于布设多个检测器的情形,针对每一车道,布设相应的检测器,即采用以车道为单位布设的方式,用以获取相应车道的交通流信息,这样,在拥堵判定区间内的每一断面处,每一车道布设一检测器,多个车道交通流信息合成为断面交通流信息,多个断面交通流信息合成为道路交通流信息。当然,如果多个车道的交通状态具有一致性,则可以布置在最具有代表性的车道上。
本发明实施例中,以拥堵判定区间内的交叉口停车线为基准布设检测器,每隔预设的距离(断面与断面之间的距离)布设一组检测器,每组检测器的数量与该道路包含的车道数相关,例如,一个或与车道数相等。
作为可选的实施例,也可以采用非等间距的方式布设检测器。例如,在以交叉口停车线为基准布设检测器时,首先,每隔250米的距离布设一组检测器(一个或多个),在超过1000米后,前后组检测器间隔变为500米。如前所述,对于拥堵判定区间内还具有其它拥堵源的情形,由于认为是相互独立的拥堵判定区间,因而,以每一独立的拥堵判定区间内的交叉口停车线为基准布设检测器。
图2为本发明实施例检测器布设示意图。参见图2,以拥堵判定区间内具有一条车道为例,xup表示拥堵判定区间内的上游交叉口的位置,即上游停车线,xdown表示拥堵判定区间内的下游交叉口的位置,即下游停车线。D1、D2、Di、…、Dn为依次布设的检测器;xd1、xd2、xdi、…、xdn分别表示n个检测器的位置;ld1表示第一个检测器至下游停车线的距离;ld2、ldi、…、ldn分别表示前后检测器之间的距离。ld1、ld2、ldi、…、ldn的具体数值可根据实际需要进行设置。
本发明实施例中,检测器可以采用微波检测器、超声波检测器以及地感线圈检测器等。
所应说明的是,步骤101在整个流程中只需要执行一次,即在拥堵判定区间内的车道上布设好检测器后,后续可以进行持续的交通流信息检测,并依据检测的交通流信息确定道路交通状态,而无需在每次确定道路交通状态时,都需要布设检测器。
步骤102,从检测器在当前采样周期内采集的交通流信息中,获取车道交通流信息,将获取的车道交通流信息应用于预先设置的车道交通流参数计算策略,得到车道采样周期交通流参数;
本步骤中,对于以车道为单位布设检测器的情形,检测器采集得到的交通流信息即为车道交通流信息,检测器按照预先设置的采样周期,采集车道交通流信息并存储。对于以道路为单位布设检测器的情形,检测器采集得到的交通流信息为断面交通流信息,包含有多个车道交通流信息,关于从断面交通流信息中进行车道识别,获取各车道的车道交通流信息为公知技术,在此略去详述。
较佳地,采样周期(间隔)可以设置为1分钟(min)。检测器按照1min采样周期进行车道交通流信息或断面交通流信息采集与存储,用以提供较为实时的车道交通流信息或断面交通流信息。
通过将采样周期内采集的车道交通流信息应用于车道交通流参数计算公式,可以计算得到车道采样周期交通流参数。较佳地,在得到车道采样周期交通流参数后,根据采样周期标识以及车道标识存储该参数。
本发明实施例中,车道采样周期交通流参数包括:车道采样周期流量、车道采样周期时间占有率以及车道采样周期速度等。以采样周期为1分钟为例,车道采样周期交通流参数为1分钟内的车道流量、车道时间占有率和车道速度。1分钟内的车道流量是指在1分钟的采样周期内,每一车道中通过检测器检测的实际车辆数。
车道采样周期时间占有率是指在每一车道的采样周期内,各车辆占有检测器检测截面的时间之和与采样周期的比值。
车道采样周期速度是指在每一车道的采样周期内,通过检测器检测截面的各车辆速度之和与通过的车辆数的比值。
实际应用中,由于检测器采集精度的限制以及数据传输故障等因素,使得检测器采集的车道交通流信息的有效性得不到保证,导致后续根据该采集的车道交通流信息确定道路交通状态时,准确度较低。因而,本发明实施例中,进一步对检测器采集的车道交通流信息进行有效性判断,将不符合有效性判断的车道交通流信息删除,从而消除无效的车道交通流信息对道路交通状态的影响。这样,通过对车道交通流信息进行异常筛选,可以降低因车道交通流信息出现异常而产生的道路交通状态误判,能够更准确地对道路交通状态进行识别,便于市民出行,从而降低交通拥堵。
这样,本发明实施例中,在得到车道采样周期交通流参数之后,该方法进一步包括:
将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数。
本步骤中,如前所述,检测器采集或通过分析处理得到的车道交通流信息中,由于各种原因,会存在异常的车道交通流信息。因而,为了提高后续用于分析的车道交通流信息的可靠(有效)性,需要对异常的车道交通流信息进行评定和屏蔽,即将该采样周期交通流信息对应的车道采样周期交通流参数剔除。
所应说明的是,异常处理既可以在检测器端进行,也可以在处理器端进行。
本发明实施例中,异常处理策略包括:车道采样周期交通流参数中任一参数超出临界阈值的异常处理策略、车道采样周期交通流参数中各参数都为零的异常处理策略、车道采样周期时间占有率为零但车道采样周期流量不为零的异常处理策略以及连续少于三个采样周期的车道交通流信息缺失的异常处理策略,下面分别进行说明。
对于车道采样周期交通流参数中任一参数超出临界阈值的异常处理策略,又包括交通流阈值筛选策略以及交通流理论筛选策略。
当异常处理策略为交通流阈值筛选策略时,将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数具体包括:
确定根据车道交通流信息计算得到的车道采样周期流量大于预先设置的车道采样周期流量阈值、或车道采样周期时间占有率大于预先设置的车道采样周期时间占有率阈值、或车道采样周期速度大于预先设置的车道采样周期速度阈值时,丢弃该车道采样周期交通流参数。
本步骤中,阈值筛选策略是指车道采样周期交通流参数中的参数,例如,车道采样周期流量、车道采样周期时间占有率以及车道采样周期速度中,任一参数不能超过预先设置的相应筛选阈值,从而保证采样周期内的车道交通流信息在合理的范围之内。
也就是说,在车道采样周期交通流参数中,如果任一参数超出对应的筛选阈值,则确定该车道采样周期交通流参数异常,从而丢弃采集的该车道交通流信息。
阈值筛选策略对应的公式如下:
qi(k)>qmax
oi(k)>omax
vi(k)>vmax
式中,qi(k)为第k个采样周期内的第i车道采样周期流量,单位为车每小时(veh/h);
oi(k)为第k个采样周期内的第i车道采样周期时间占有率;
vi(k)为第k个采样周期内的第i车道采样周期速度,单位为千米每小时(km/h);
qmax为预先设置的车道采样周期流量阈值,即流量临界值;
omax为预先设置的车道采样周期时间占有率阈值,即时间占有率临界值。本发明实施例中,较佳地,将预先设置的车道采样周期时间占有率阈值设置为1,即omax=1。
vmax为车道采样周期速度阈值,即速度临界值。
当异常处理策略为交通流理论筛选策略时,可以根据基本的交通流特性知识以及交通流理论中三参数之间的函数关系,判断计算得到的车道采样周期交通流参数是否存在异常。如果车道采样周期交通流参数不符合交通流理论的内在规律,则确定采集的该车道交通流信息异常,应予以剔除,同时删除对应的车道采样周期交通流参数。关于通过交通流理论筛选策略进行车道交通流异常处理为公知技术,在此略去详述。
对于车道采样周期交通流参数中各参数都为零的异常处理策略,将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数具体包括:
读取存储的前预设值采样周期的车道采样周期流量;
本步骤中,预设值可根据实际需要设置。本发明实施例中,预设值设置为3,设当前采样周期标识为n,前预设值采样周期分别为(n-1)、(n-2)以及(n-3),读取存储的第(n-1)采样周期、第(n-2)采样周期以及第(n-3)采样周期的车道采样周期流量。当然,实际应用中,预设值也可以根据实际需要进行设置。
计算前预设值采样周期的车道采样周期流量的平均值;
确定计算的平均值大于预先设置的车道流量平均阈值时,删除车道当前采样周期交通流参数。
本发明实施例中,在采集的车道交通流信息中,常常会出现计算得到的车道采样周期流量、车道采样周期速度和车道采样周期时间占有率都为零的情况。对于这种情况,存在两种可能性:一种可能性是采样数据(交通流信息)传输中断或采样数据传输错误,造成车道交通流信息丢失;另一种可能性是在低流量情况下,特别是凌晨,由于采样周期较短,例如,一分钟或更短,在一个采样周期内,检测器没有检测到车辆通过。其中,前一种得到的车道交通流信息为异常数据,需要剔除,后一种得到的车道交通流信息为正常数据。本发明实施例中,通过将这两种情况下的车道交通流信息进行区分,以避免误判。
作为本发明的一个可选实施例,可以根据车辆到达特性,通过计算当前采样周期之前的3个采样周期内的车道采样周期流量,以进行车道当前采样周期交通流参数是否异常的判断,判断公式如下:
式中,
为当前采样周期之前的3个车道采样周期流量平均值,本发明实施例中,当前采样周期标识为k,k为大于3的自然数;
qi(k-1)为预先存储的第(k-1)个采样周期内的第i车道采样周期流量,即当前采样周期前的第1个采样周期的车道采样周期流量值;
qi(k-2)为预先存储的第(k-2)个采样周期内的第i车道采样周期流量,即当前采样周期前的第2个采样周期的车道采样周期流量值;
qi(k-3)为预先存储的第(k-3)个采样周期内的第i车道采样周期流量,即当前采样周期前的第3个采样周期的车道采样周期流量值;
Q为预先设置的车道流量平均阈值,较佳地,设置Q=5。
本发明实施例中,如果前三个采样周期内,车道采样周期流量的平均值大于预先设置的车道流量平均阈值,则可以判断在当前采样周期内,车道交通流信息为零的概率很小,而如果车道当前采样周期交通流参数为零,可以确定当前采样周期车道交通流信息异常,删除车道当前采样周期交通流参数以及当前采样周期车道交通流信息。
如果前三个采样周期内,车道采样周期流量的平均值不大于预先设置的车道流量平均阈值,则可以判断在当前采样周期内,车道交通流信息为零的概率较大,而如果车道当前采样周期交通流参数为零,可以确定车道当前采样周期交通流参数正常,即在当前采样周期内,没有车辆通过。这时,进一步地,可以设置车道采样周期流量、车道采样周期时间占有率为零,设置车道采样周期速度为自由流速度(80km/h)。
实际应用中,车道流量平均阈值也可以根据实际需要进行设置。
对于车道采样周期时间占有率为零但车道采样周期流量不为零的异常处理策略,将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数具体包括:
读取存储的车道当前采样周期流量;
读取存储的各采样周期内,该车道最小时间占有率下的最大车道采样周期流量;
确定读取的车道当前采样周期流量大于最大车道采样周期流量时,删除车道当前采样周期交通流参数。
本步骤中,理论上,只要有车辆通过检测器,则在该采样周期内计算得到的车道时间占有率就必定不会是零。但是由于受低峰、车速快以及检测器灵敏度的影响,可能使得检测器计算及显示的车道时间占有率为零。例如,在检测器采用两位有效数字存储车道采样周期时间占有率时,如果计算得到的车道采样周期时间占有率小于0.01时,检测器就会将该车道采样周期时间占有率存储为零,并以零进行显示。因而,在车道采样周期时间占有率为零、车道采样周期流量不为零的情况下,需要对车道采样周期交通流参数是否异常进行判别。
本发明实施例中,当车道采样周期时间占有率为零时,通过车道采样周期流量的判断来确定车道采样周期交通流参数是否异常。判断公式如下:
qi(k)>qmax0
式中,qmax0为各采样周期内,车道最小时间占有率下的最大车道采样周期流量。较佳地,设置qmax0=4。这样,得到的异常处理后的车道采样周期交通流参数,或者为零,或者维持原值不变。
进一步地,本发明实施例中,还可以根据预先设置的恢复策略,对删除的车道当前采样周期交通流参数进行恢复,以使所有采样周期内的车道交通流信息或车道采样周期交通流参数能够平滑过渡。这样,在得到异常处理后的车道采样周期交通流参数后,该方法进一步包括:
根据预先设置的恢复策略,对删除的车道当前采样周期交通流参数进行恢复,作为异常处理后的车道当前采样周期交通流参数。
本步骤中,对于前述确定为异常的车道当前采样周期交通流参数,可以按照本发明实施例的恢复策略进行数据恢复。
作为可选的一个实施例,根据预先设置的恢复策略,对删除的车道当前采样周期交通流参数进行恢复具体包括:
确定连续删除的车道采样周期交通流参数总数不大于缺失数据阈值,计算前恢复阈值个车道采样周期交通流参数的平均值,作为对删除的车道当前采样周期交通流参数的恢复值,即异常处理后的车道当前采样周期交通流参数。
本步骤中,取恢复阈值n=3,缺失数据阈值与恢复阈值相等。即对于连续少于三个采样周期的车道交通流信息缺失,可以通过当前采样周期的前3个采样周期内的车道交通流信息进行恢复。本发明实施例中,恢复公式为:
式中,为异常处理后的第i车道当前采样周期交通流参数,即恢复的车道当前采样周期交通流参数,包括流量、时间占有率以及速度,当前采样周期标识为k,k为大于3的自然数;
xi(k-1)为预先存储的第(k-1)采样周期内第i车道采样周期交通流参数,即当前采样周期前的第1个车道采样周期交通流参数;
xi(k-2)为预先存储的第(k-2)采样周期内第i车道采样周期交通流参数,即当前采样周期前的第2个;
xi(k-3)为预先存储的第(k-3)采样周期内第i车道采样周期交通流参数,即当前采样周期前的第3个车道采样周期交通流参数。
也就是说,本发明实施例中,采用前三个采样周期内的车道交通流信息或车道采样周期交通流参数进行平均,代替异常的当前采样周期的车道交通流信息或车道交通流参数。
作为可选的另一实施例,根据预先设置的恢复策略,对删除的车道当前采样周期交通流参数进行恢复具体包括:
确定连续删除的车道采样周期交通流参数总数大于缺失数据阈值,将车道当前采样周期交通流参数与对应的车道历史采样周期交通流参数进行加权求和,作为异常处理后的车道当前采样周期交通流参数。
本步骤中,如果连续出现三个以上采样周期的车道交通流信息缺失情况,则认为检测器故障或通讯中断,对于第二个后的采样周期车道交通流信息缺失,可以采用车道当前采样周期交通流参数与车道历史采样周期交通流参数进行加权求和,从而恢复删除的数据。恢复公式如下:
式中,为异常处理后的车道当前采样周期交通流参数,即恢复的第k采样周期内第i车道采样周期交通流参数;
Hxi(k)为进行加权求和得到的车道采样周期交通流参数。
本发明实施例中,车道历史采样周期交通流参数可以根据多天在相同采集时间的车道交通流信息,进行平滑处理得到。通过该平滑处理方法,可以得到任意一天的车道历史采样周期交通流参数。通过平滑处理得到的车道历史采样周期交通流参数,具有变化平稳、波动性小的特点,可以进行存储以作为后续用于数据统计和分析的基础数据,能够很好地描述历史上交通状态变化特性。
将车道当前采样周期交通流参数与对应的车道历史采样周期交通流参数进行加权求和的公式如下:
Hxi(k)=αxi(k)+(1-α)Hxi'(k)
式中,xi(k)为第k采样周期内第i车道采样周期交通流参数,即车道当前采样周期交通流参数;
Hxi'(k)为预先存储的上周同一天同一车道同一采样周期的车道历史采样周期交通流参数;
α为预先设置的平滑系数。
平滑系数反映在不同采样周期内,车道当前采样周期交通流参数在异常处理后的车道当前采样周期交通流参数中的权重,较佳地,α=0.8。
实际应用中,还可以采用多个车道历史采样周期交通流参数加权的方式得到异常处理后的车道当前采样周期交通流参数,例如,可以采用如下公式。
Hxi(k)=α1xi(k)+α2Hxi'(k)+(1-α1-α2)Hxi”(k)
式中,Hxi”(k)为预先存储的上上周同一天同一车道同一采样周期的车道历史采样周期交通流参数;
α1、α2为预先设置的平滑系数,0<α1<1,0<α2<1,0<α1+α2<1。
步骤103,将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略,生成发布周期内的道路综合交通拥堵指数;
本步骤中,发布周期包括一个或多个采样周期。具体包括:
C1,根据得到的车道采样周期交通流参数,计算车道当前发布周期交通流参数;
本步骤中,由于车道采样周期交通流参数都是按照1min采样周期进行存储,而发布道路交通状态(交通信息)的周期较长,因而,需要将车道采样周期交通流参数合成为车道发布周期交通流参数,以便于发布。也就是说,一个发布周期包含有多个采样周期。
本发明实施例中,根据实际道路交通状态发布的时段(发布周期),对1min的车道采样周期交通流参数进行合成。
本发明实施例中,假设交通信息发布的时间间隔(发布周期)为m分钟,m=1,2,3,4,5,10,15,...等。则获取车道当前发布周期交通流参数的公式为:
式中,qi为第i车道当前发布周期流量,即m个第i车道采样周期流量的代数和;
oi为第i车道当前发布周期时间占有率,为m个第i车道采样周期时间占有率的平均值;
vi为第i车道当前发布周期速度,为m个第i车道采样周期流量以及采样周期速度的加权平均值;
m为发布周期包含的采样周期个数。
C2,将计算的车道当前发布周期交通流参数应用于预先设置的断面计算策略,输出断面当前发布周期交通流参数;
本步骤中,每一断面对应有多个车道,即在获取车道发布周期交通流参数后,需要将车道发布周期交通流参数转化为断面发布周期交通流参数。相对应地,断面发布周期交通流参数包括:断面发布周期流量、断面发布周期速度和断面发布周期时间占有率,具体计算公式分别如下:
式中,为断面当前发布周期流量,即断面在第j个发布周期的流量;本发明实施例中,当前发布周期标识为j,j为自然数。
为断面当前发布周期时间占有率;
为断面当前发布周期速度;
l为断面包含的车道数,即道路包含的车道数。
本发明实施例中,为了保持交通流状态参数发布的连续性与稳定性,还可以进一步对计算得到的断面当前发布周期交通流参数进行平滑处理,以保道路交通状态发布运行的稳定性,减少随机因素的干扰。
这样,在得到断面当前发布周期交通流参数后,该方法进一步包括:
读取存储的断面历史发布周期交通流参数,将断面当前发布周期交通流参数和读取的断面历史发布周期交通流参数应用于预先设置的加权处理策略,得到断面加权交通流参数。
本步骤中,断面加权交通流参数包括:断面加权时间占有率以及断面加权速度,计算公式分别如下:
式中,为断面加权时间占有率,即断面在第j个发布周期的加权时间占有率;
为断面加权速度,即断面在第j个发布周期的加权速度;
η1、η2、η3分别为加权系数。
较佳地,0<η1<1,0<η2<1,0<η3<1,且η1+η2+η3=1。
C3,将输出的断面当前发布周期交通流参数应用于预先设置的道路综合策略,生成道路综合交通拥堵指数。
本步骤中,对于道路中只设置有一处断面的情况,将该断面当前发布周期交通流参数或断面加权交通流参数应用于预先设置的道路综合策略;对于道路中只置有多处断面的情况,将多处的断面当前发布周期交通流参数进行加权求和,并将加权求和得到的道路当前发布周期交通流参数应用于预先设置的道路综合策略。这样,通过断面当前发布周期交通流参数,可以得到道路综合交通拥堵指数。当然,实际应用中,对于设置有多处断面的道路,也可以将每一断面当前发布周期交通流参数应用于预先设置的道路综合策略,得到每一断面对应的道路综合交通拥堵指数,再将每一断面对应的道路综合交通拥堵指数进行加权求和,得到道路综合交通拥堵指数。
本发明实施例中,为了更加明确地描述道路交通状态的变化情况,可将道路交通状态参数进行归一化处理。同时考虑在城市道路中,容易受到大车影响、路段干扰等因素,增加时间占有率的因素影响。这样,道路综合交通拥堵指数由速度拥堵指数、时间占有率拥堵指数以及交叉口交通强度拥堵指数经加权组合而成。
速度拥堵指数的计算公式为:
式中,Jv为速度拥堵指数;
vf为自由流速度。
在速度拥堵指数计算公式中,断面加权速度也可以用断面当前发布周期速度或道路当前发布周期速度替换。
时间占有率拥堵指数的计算公式如下:
式中,Jo为时间占有率拥堵指数;
omax为预先设置的车道采样周期时间占有率阈值。
在时间占有率拥堵指数计算公式中,断面加权时间占有率也可以用断面当前发布周期时间占有率或道路当前发布周期时间占有率替换。
图3为本发明实施例时间占有率与时间占有率拥堵指数的关系示意图。参见图3,时间占有率与时间占有率拥堵指数呈线性关系。基于图3,并预先设置时间占有率第一临界值以及时间占有率第二临界值,道路综合交通拥堵指数中的时间占有率第一阈值以及道路综合交通拥堵指数中的时间占有率第二阈值的计算公式分别如下:
式中,J′1为时间占有率第一阈值;
J′2为时间占有率第二阈值;
o1为预先设置的时间占有率第一临界值;
o2为预先设置的时间占有率第二临界值,o1<o2,J′1>J′2。
交叉口交通强度拥堵指数的计算公式如下:
式中,Jq为交叉口交通强度拥堵指数;
qmax为预先设置的车道采样周期流量阀值。
图4为本发明实施例交叉口交通强度与交叉口交通强度拥堵指数的关系示意图。参见图4,交叉口交通强度与交叉口交通强度拥堵指数呈线性关系。基于图4,并预先设置交叉口交通强度第一临界值以及交叉口交通强度第二临界值,道路综合交通拥堵指数中的交叉口交通强度第一阈值以及道路综合交通拥堵指数中的交叉口交通强度第二阈值的计算公式分别如下:
式中,J″1为交叉口交通强度第一阈值;
J″2为交叉口交通强度第二阈值;
q1为预先设置的交叉口交通强度第一临界值;
q2为预先设置的交叉口交通强度第二临界值,q1<q2,J″1>J″2。
在交叉口交通强度拥堵指数计算公式中,断面当前发布周期流量也可以用道路当前发布周期流量替换。
本发明实施例中,道路综合交通拥堵指数计算公式为:
J=β1Jv+β2Jo+β3Jq
式中,J为道路综合交通拥堵指数;
β1为预先设置的速度拥堵指数权重系数;
β2为预先设置的时间占有率拥堵指数权重系数;
β3为预先设置的交叉口交通强度拥堵指数权重系数。
较佳地,0<β1,β2,β3<1,β1+β2+β3=1。
实际应用中,也可以根据实际情况,对速度指数权重系数、时间占有率指数权重系数以及交叉口交通强度指数权重系数进行相应调整。
实际应用中,如果道路中布设有多组检测器,则还需要对每一组检测器对应的道路综合交通拥堵指数进行平滑处理,得到道路综合交通拥堵指数。参见图2,平滑处理的公式为:
式中,J′为道路综合交通拥堵指数;
Jdi为第i组检测器对应的断面综合交通拥堵指数;
ldi为第i组检测器到下游组检测器的距离;
ld1为距离下游停车线最近的检测器距离下游停车线的距离。
本发明实施例中,断面综合交通拥堵指数包括:断面速度拥堵指数、断面时间占有率拥堵指数以及断面交叉口交通强度拥堵指数。计算公式分别与速度拥堵指数计算公式、时间占有率拥堵指数计算公式以及交叉口交通强度拥堵指数计算公式相同,在此不再赘述。
步骤104,根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定生成的道路综合交通拥堵指数对应的道路交通状态。
本步骤中,根据国内外的实践经验,主要依据路段的行程速度划分道路交通状态。本发明实施例中,基于这一考虑,依据城市道路等级,分别设置等级临界速度值,将道路交通状态划分为拥堵、滞缓和畅通三级,如表1所示。
表1道路交通状态级别划分依据
本发明实施例中,基于道路交通状态级别划分依据,将道路交通状态划分为拥堵、滞缓和畅通,并考虑基于速度的道路综合交通拥堵指数阈值。其中,道路综合交通拥堵指数阈值包括道路综合交通拥堵指数第一阈值以及道路综合交通拥堵指数第二阈值。
图5为本发明实施例速度与速度拥堵指标的关系示意图。参见图5,速度与速度拥堵指标的关系呈线性关系。基于图5,并预先设置第一速度临界值以及第二速度临界值,道路综合交通拥堵指数中的速度第一阈值以及道路综合交通拥堵指数中的速度第二阈值的计算公式分别如下:
式中,J1为道路综合交通拥堵指数第一阈值;
J2为道路综合交通拥堵指数第二阈值;
v1为预先设置的第一速度临界值;
v2为预先设置的第二速度临界值,v1<v2,J1>J2;
vf为自由流速度。
实际应用中,在确定道路交通状态时,还可以进一步考虑在道路交通状态变化的临界位置进行处理的问题,以保证道路交通状态变化的连续平稳。因此,本发明实施例中,在确定道路交通状态时,结合上一发布周期的道路交通状态,并考虑道路交通状态变化的可信区间。该方法进一步包括:
确定道路综合交通拥堵指数阈值变化的可信度,根据确定的可信度获取道路综合交通拥堵指数阈值变化的正常波动值。
本步骤中,可信度可根据实际需要确定,关于根据确定的可信度获取阈值变化的正常波动值为公知技术,在此略去详述。
本发明实施例中,定义±ΔJ为道路综合交通拥堵指数阈值变化的正常波动值,对应于道路综合交通拥堵指数第一阈值,第一正常波动值设置为±ΔJ1;对应于道路综合交通拥堵指数第二阈值,第二正常波动值设置为±ΔJ2。
图6为本发明实施例道路综合交通拥堵指数与正常波动值的关系示意图。参见图6,道路综合交通拥堵指数在0至1之间,第一正常波动值在道路综合交通拥堵指数第一阈值上下波动;第二正常波动值在道路综合交通拥堵指数第二阈值上下波动。
则根据预先设置的道路综合交通拥堵指数阈值,即根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定道路综合交通拥堵指数对应的道路交通状态具体包括:
(1)当上一个发布周期的道路交通状态为红时,确定当前发布周期的道路交通状态具体为:
①当J∈(J1-ΔJ1,1]时,确定当前发布周期的道路交通状态为红,即处于拥堵状态;
本步骤中,当前发布周期的道路综合交通拥堵指数为J。
②当J∈(J2-ΔJ2,J1-ΔJ1]时,确定当前发布周期的道路交通状态为黄,即处于滞缓状态;
③当J∈[0,J2-ΔJ2]时,确定当前发布周期的道路交通状态为绿,即处于畅通状态。
本发明实施例中,根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定道路综合交通拥堵指数对应的道路交通状态具体包括:
确定上一个发布周期的道路交通状态为红,分别计算道路综合交通拥堵指数第一阈值与第一正常波动值的差,得到第一判别阈值,以及,道路综合交通拥堵指数第二阈值与第二正常波动值的差,得到第二判别阈值;
确定道路综合交通拥堵指数大于第一判别阈值而小于或等于1时,确定当前发布周期的道路交通状态处于拥堵状态;
确定当前发布周期的道路综合交通拥堵指数大于第二判别阈值而小于或等于第一判别阈值时,确定当前发布周期的道路交通状态处于滞缓状态;
确定当前发布周期的道路综合交通拥堵指数大于或等于零而小于或等于第二判别阈值时,确定当前发布周期的道路交通状态处于畅通状态。
(2)当上一个发布周期内的道路交通状态为黄时,确定当前发布周期的道路交通状态具体为:
①当J∈(J1+ΔJ1,1]时,确定当前发布周期的道路交通状态为红;
②当J∈(J2-ΔJ2,J1+ΔJ1]时,确定当前发布周期的道路交通状态为黄;
③当J∈[0,J2-ΔJ2]时,确定当前发布周期的道路交通状态为绿。
也就是说,当上一个发布周期的道路交通状态为滞缓状态时,分别计算道路综合交通拥堵指数第一阈值与第一正常波动值的和,得到第三判别阈值,以及,道路综合交通拥堵指数第二阈值与第二正常波动值的差,得到第二判别阈值;
确定当前发布周期的道路综合交通拥堵指数大于第三判别阈值而小于或等于1时,确定当前发布周期的道路交通状态处于拥堵状态;
确定当前发布周期的道路综合交通拥堵指数大于第二判别阈值而小于或等于第三判别阈值时,确定当前发布周期的道路交通状态处于滞缓状态;
确定当前发布周期的道路综合交通拥堵指数大于或等于零而小于或等于第二判别阈值时,确定当前发布周期的道路交通状态处于畅通状态。
(3)当上一个发布周期内的道路交通状态为绿时,确定当前发布周期的道路交通状态具体为:
①当J∈(J1+ΔJ1,1]时,确定当前发布周期的道路交通状态为红;
②当J∈(J2+ΔJ2,J1+ΔJ1]时,确定当前发布周期的道路交通状态为黄;
③当J∈[0,J2+ΔJ2]时,确定当前发布周期的道路交通状态为绿。
也就是说,在确定上一个发布周期的道路交通状态为畅通状态时,分别计算道路综合交通拥堵指数第一阈值与第一正常波动值的和,得到第三判别阈值,以及,道路综合交通拥堵指数第二阈值与第二正常波动值的和,得到第四判别阈值;
确定当前发布周期的道路综合交通拥堵指数大于第三判别阈值而小于或等于1时,确定当前发布周期的道路交通状态处于拥堵状态;
确定当前发布周期的道路综合交通拥堵指数大于第四判别阈值而小于或等于第三判别阈值时,确定当前发布周期的道路交通状态处于滞缓状态;
确定当前发布周期的道路综合交通拥堵指数大于或等于零而小于或等于第四判别阈值时,确定当前发布周期的道路交通状态处于畅通状态。
所应说明的是,在上述判别依据中,ΔJ1与ΔJ2的取值可根据实际情况设置。
实际应用中,该方法还可以进一步包括:
步骤105,根据得到的道路综合交通拥堵指数,计算拥堵长度。
本步骤中,在计算一个拥堵判断区间内的拥堵长度Lj时,需要考虑每组检测器在道路综合交通拥堵指数下的拥堵距离。
拥堵长度计算公式如下:
式中,Lj为拥堵长度;
n为检测器组数。
由上述可见,本发明实施例基于检测器确定道路交通状态的方法,利用定点布设的检测器检测的平均速度数据、时间占有率数据和交叉口交通强度数据,经过处理后计算检测点的断面综合交通拥堵指数,再根据各检测点之间的距离和预先设定的检测点前后影响范围,结合上下游交通数据变化特点,从而综合得到道路综合交通拥堵指数,并根据道路综合交通拥堵指数判断拥堵区间交通状态,例如,是否拥堵、拥堵长度以及拥堵区间内各拥堵点是否连续。经实际道路应用,确定的道路交通状态准确率在90%左右,并在进行人工修正后,准确率在95%以上。因而,本发明实施例的方法,确定的道路交通状态准确度高、拥堵区间识别精度高、适应能力强。进一步地,通过复用拥堵判别检测技术,并采用检测点之间的距离和上下游交通流的差异特性来计算排队,从而通过复用拥堵判别检测技术,实现实时交通流检测,降低了道路交通监控成本,而综合检测点之间的距离和上下游交通流,具有良好的抗干扰性,提高了排队检测精度,提升了确定的道路交通状态准确度,并解决了现有道路交通状态判别算法不能判断拥堵长度的技术问题,实现了对拥堵长度的推算,使之更加符合实际道路交通状态。
图7为本发明实施例基于检测器确定道路交通状态的系统结构示意图。参见图7,该系统包括:检测器以及处理器;
检测器,布设于拥堵判定区间内,采集交通流信息;
处理器,用于从检测器在当前采样周期内采集的交通流信息中,获取车道交通流信息,将获取的车道交通流信息应用于预先设置的车道交通流参数计算策略,得到车道采样周期交通流参数,所述车道采样周期交通流参数包括:车道采样周期流量、车道采样周期时间占有率以及车道采样周期速度;
将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略,生成发布周期内的道路综合交通拥堵指数,所述发布周期包括一个或多个采样周期;
根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定生成的道路综合交通拥堵指数对应的道路交通状态。
本发明实施例中,处理器包括:车道采样周期交通流参数计算模块、道路综合交通拥堵指数计算模块以及道路交通状态确定模块(图中未示出);
车道采样周期交通流参数计算模块,用于从检测器在当前采样周期内采集的交通流信息中,获取车道交通流信息,将获取的车道交通流信息应用于预先设置的车道交通流参数计算策略,得到车道采样周期交通流参数,所述车道采样周期交通流参数包括:车道采样周期流量、车道采样周期时间占有率以及车道采样周期速度;
道路综合交通拥堵指数计算模块,用于将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略,生成发布周期内的道路综合交通拥堵指数,所述发布周期包括一个或多个采样周期;
道路交通状态确定模块,用于根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定生成的道路综合交通拥堵指数对应的道路交通状态。
较佳地,道路综合交通拥堵指数计算模块包括:车道发布周期交通流参数计算单元、断面发布周期交通流参数计算单元以及道路综合交通拥堵指数计算单元;
车道发布周期交通流参数计算单元,用于根据得到的车道采样周期交通流参数,获取车道当前发布周期交通流参数;
断面发布周期交通流参数计算单元,用于将获取的车道当前发布周期交通流参数应用于预先设置的断面计算策略,得到断面当前发布周期交通流参数;
道路综合交通拥堵指数计算单元,用于将断面当前发布周期交通流参数应用于预先设置的道路综合策略,得到道路综合交通拥堵指数。
本发明实施例中,利用下述公式确定车道当前发布周期交通流参数:
式中,qi为第i车道当前发布周期流量;
oi为第i车道当前发布周期时间占有率;
vi为第i车道当前发布周期速度;
qi(k)为第k个采样周期内的第i车道采样周期流量;
oi(k)为第k个采样周期内的第i车道采样周期时间占有率;
vi(k)为第k个采样周期内的第i车道采样周期速度;
m为发布周期包含的采样周期个数。
较佳地,利用下述公式确定断面当前发布周期交通流参数:
式中,为断面当前发布周期流量,所述当前发布周期标识为j;
为断面当前发布周期时间占有率;
为断面当前发布周期速度;
l为断面包含的车道数。
实际应用中,道路综合交通拥堵指数计算模块可以进一步包括:
加权单元,用于读取存储的断面历史发布周期交通流参数,将断面当前发布周期交通流参数和读取的断面历史发布周期交通流参数应用于预先设置的加权处理策略,得到断面加权交通流参数,输出至道路综合交通拥堵指数计算单元。
本发明实施例中,断面加权交通流参数包括:断面加权时间占有率以及断面加权速度,利用下述公式确定断面加权交通流参数:
式中,为断面加权时间占有率;
为断面加权速度;
η1、η2、η3分别为预先设置的加权系数。
其中,道路综合交通拥堵指数包括:速度拥堵指数、时间占有率拥堵指数以及交叉口交通强度拥堵指数。
利用下述公式确定速度拥堵指数:
式中,Jv为速度拥堵指数;
vf为自由流速度。
利用下述公式确定时间占有率拥堵指数:
式中,Jo为时间占有率拥堵指数;
omax为预先设置的车道采样周期时间占有率阀值。
利用下述公式确定交叉口交通强度拥堵指数:
式中,Jq为交叉口交通强度拥堵指数;
qmax为预先设置的车道采样周期流量阀值。
利用下述公式确定道路综合交通拥堵指数:
J=β1Jv+β2Jo+β3Jq
式中,J为道路综合交通拥堵指数;
β1为预先设置的速度拥堵指数权重系数;
β2为预先设置的时间占有率拥堵指数权重系数;
β3为预先设置的交叉口交通强度拥堵指数权重系数。
实际应用中,当布设的检测器为多组时,利用下述公式确定道路综合交通拥堵指数:
式中,J′为道路综合交通拥堵指数;
Jdi为第i组检测器对应的断面综合交通拥堵指数;
ldi为第i组检测器到下游组检测器的距离;
ld1为距离下游停车线最近的检测器距离下游停车线的距离。
较佳地,处理器还可以进一步包括:
拥堵长度计算单元(图中未示出),用于根据得到的道路综合交通拥堵指数,计算拥堵长度。
利用下述公式确定拥堵长度:
式中,Lj为拥堵长度;
n为检测器组数。
显然,本领域技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若对本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也包含这些改动和变型在内。
Claims (21)
1.一种基于检测器确定道路交通状态的方法,该方法包括:
从检测器在当前采样周期内采集的交通流信息中,获取车道交通流信息,将获取的车道交通流信息应用于预先设置的车道交通流参数计算策略,得到车道采样周期交通流参数;
将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略,生成发布周期内的道路综合交通拥堵指数,所述发布周期包括一个或多个采样周期;
根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定生成的道路综合交通拥堵指数对应的道路交通状态;
其特征在于,
在所述得到车道采样周期交通流参数之后,将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略之前,所述方法进一步包括:
将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,删除异常的车道交通流信息,得到异常处理后的车道采样周期交通流参数,将所述异常处理后的车道采样周期交通流参数作为应用于预先设置的拥堵指数计算策略的车道采样周期交通流参数;
根据预先设置的恢复策略,对删除的车道当前采样周期交通流参数进行恢复,作为异常处理后的车道当前采样周期交通流参数;
其中,所述根据预先设置的恢复策略,对删除的车道当前采样周期交通流参数进行恢复包括:
确定连续删除的车道采样周期交通流参数总数不大于缺失数据阈值,计算前恢复阈值个车道采样周期交通流参数的平均值,作为对删除的车道当前采样周期交通流参数的恢复值;
利用下述公式计算前恢复阈值个车道采样周期交通流参数的平均值:
式中,为恢复的车道当前采样周期交通流参数,包括流量、时间占有率以及速度,所述当前采样周期标识为k,k为大于3的自然数;
xi(k-1)为预先存储的当前采样周期前的第1个车道采样周期交通流参数;
xi(k-2)为预先存储的当前采样周期前的第2个车道采样周期交通流参数;
xi(k-3)为预先存储的当前采样周期前的第3个车道采样周期交通流参数;
或者,所述根据预先设置的恢复策略,对删除的车道当前采样周期交通流参数进行恢复包括:
确定连续删除的车道采样周期交通流参数总数大于缺失数据阈值,将车道当前采样周期交通流参数与对应的车道历史采样周期交通流参数进行加权求和,作为异常处理后的车道当前采样周期交通流参数;
利用下述公式进行加权求和:
Hxi(k)=αxi(k)+(1-α)Hx′i(k)
式中,为恢复的第k采样周期内第i车道采样周期交通流参数,所述当前采样周期标识为k,k为大于3的自然数;
Hxi(k)为进行加权求和得到的车道采样周期交通流参数;
xi(k)为得到的第k采样周期内第i车道采样周期交通流参数,i为自然数;
Hx′i(k)为预先存储的上周同一天同一车道同一采样周期的车道历史采样周期交通流参数;
α为预先设置的平滑系数。
2.根据权利要求1所述的方法,其中,所述将得到的车道采样周期交通流参数应用于预先设置的拥堵指数计算策略,生成发布周期内的道路综合交通拥堵指数包括:
根据得到的车道采样周期交通流参数,计算车道当前发布周期交通流参数;
将计算的车道当前发布周期交通流参数应用于预先设置的断面计算策略,输出断面当前发布周期交通流参数;
将输出的断面当前发布周期交通流参数应用于预先设置的道路综合策略,生成道路综合交通拥堵指数。
3.根据权利要求2所述的方法,其中,所述车道采样周期交通流参数包括:车道采样周期流量、车道采样周期时间占有率以及车道采样周期速度,利用下述公式确定车道当前发布周期交通流参数:
式中,qi为第i车道当前发布周期流量,i为自然数;
oi为第i车道当前发布周期时间占有率;
vi为第i车道当前发布周期速度;
qi(k)为第k个采样周期内的第i车道采样周期流量,k为自然数;
oi(k)为第k个采样周期内的第i车道采样周期时间占有率;
vi(k)为第k个采样周期内的第i车道采样周期速度;
m为发布周期包含的采样周期个数,m为自然数。
4.根据权利要求3所述的方法,其中,利用下述公式确定断面当前发布周期交通流参数:
式中,为断面当前发布周期流量,所述当前发布周期标识为j,j为自然数;
为断面当前发布周期时间占有率;
为断面当前发布周期速度;
l为断面包含的车道数,l为自然数。
5.根据权利要求2至4任一项所述的方法,其中,在所述输出断面当前发布周期交通流参数后,将输出的断面当前发布周期交通流参数应用于预先设置的道路综合策略之前,所述方法进一步包括:
读取存储的断面历史发布周期交通流参数,将断面当前发布周期交通流参数和读取的断面历史发布周期交通流参数应用于预先设置的加权处理策略,得到断面加权交通流参数,替换所述输出的断面当前发布周期交通流参数。
6.根据权利要求5所述的方法,其中,所述断面加权交通流参数包括:断面加权时间占有率以及断面加权速度,利用下述公式确定断面加权交通流参数:
式中,为断面加权时间占有率,h为当前发布周期标识,h为大于3的自然数;
为断面加权速度;
η1、η2、η3分别为加权系数。
7.根据权利要求6所述的方法,其中,所述道路综合交通拥堵指数由速度拥堵指数、时间占有率拥堵指数以及交叉口交通强度拥堵指数经加权组合而成;
利用下述公式确定速度拥堵指数:
式中,Jv为速度拥堵指数;
vf为自由流速度;
利用下述公式确定时间占有率拥堵指数:
式中,Jo为时间占有率拥堵指数;
omax为预先设置的车道采样周期时间占有率阈值;
利用下述公式确定交叉口交通强度拥堵指数:
式中,Jq为交叉口交通强度拥堵指数;
qmax为预先设置的车道采样周期流量阈值。
8.根据权利要求7所述的方法,其中,利用下述公式确定道路综合交通拥堵指数:
J=β1Jv+β2Jo+β3Jq
式中,J为道路综合交通拥堵指数;
β1为预先设置的速度拥堵指数权重系数;
β2为预先设置的时间占有率拥堵指数权重系数;
β3为预先设置的交叉口交通强度拥堵指数权重系数。
9.根据权利要求8所述的方法,其中,所述方法进一步包括:
根据得到的道路综合交通拥堵指数,计算拥堵长度;
利用下述公式确定拥堵长度:
式中,Lj为拥堵长度;
Jdi为第i组检测器对应的断面综合交通拥堵指数;
ldi为第i组检测器到下游组检测器的距离;
di为第i组检测器;
n为检测器组数,为自然数;
i为自然数。
10.根据权利要求1所述的方法,其中,在所述根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值之后,确定生成的道路综合交通拥堵指数对应的道路交通状态之前,所述方法进一步包括:
确定道路综合交通拥堵指数阈值变化的可信度,根据确定的可信度获取道路综合交通拥堵指数阈值变化的正常波动值。
11.根据权利要求10所述的方法,其中,所述道路综合交通拥堵指数阈值包括道路综合交通拥堵指数第一阈值以及道路综合交通拥堵指数第二阈值,所述正常波动值包括:对应于道路综合交通拥堵指数第一阈值的第一正常波动值以及对应于道路综合交通拥堵指数第二阈值的第二正常波动值。
12.根据权利要求11所述的方法,其中,所述根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定道路综合交通拥堵指数对应的道路交通状态包括:
确定上一个发布周期的道路交通状态为拥堵状态,分别计算道路综合交通拥堵指数第一阈值与第一正常波动值的差,得到第一判别阈值,以及,道路综合交通拥堵指数第二阈值与第二正常波动值的差,得到第二判别阈值;
确定当前发布周期的道路综合交通拥堵指数大于第一判别阈值而小于或等于1时,确定当前发布周期的道路交通状态处于拥堵状态;
确定当前发布周期的道路综合交通拥堵指数大于第二判别阈值而小于或等于第一判别阈值时,确定当前发布周期的道路交通状态处于滞缓状态;
确定当前发布周期的道路综合交通拥堵指数大于或等于零而小于或等于第二判别阈值时,确定当前发布周期的道路交通状态处于畅通状态。
13.根据权利要求11所述的方法,其中,所述根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定道路综合交通拥堵指数对应的道路交通状态包括:
确定上一个发布周期的道路交通状态为滞缓状态,分别计算道路综合交通拥堵指数第一阈值与第一正常波动值的和,得到第三判别阈值,以及,道路综合交通拥堵指数第二阈值与第二正常波动值的差,得到第二判别阈值;
确定当前发布周期的道路综合交通拥堵指数大于第三判别阈值而小于或等于1时,确定当前发布周期的道路交通状态处于拥堵状态;
确定当前发布周期的道路综合交通拥堵指数大于第二判别阈值而小于或等于第三判别阈值时,确定当前发布周期的道路交通状态处于滞缓状态;
确定当前发布周期的道路综合交通拥堵指数大于或等于零而小于或等于第二判别阈值时,确定当前发布周期的道路交通状态处于畅通状态。
14.根据权利要求11所述的方法,其中,所述根据上一发布周期的道路交通状态以及预先设置的道路综合交通拥堵指数阈值,确定道路综合交通拥堵指数对应的道路交通状态包括:
确定上一个发布周期的道路交通状态为畅通状态,分别计算道路综合交通拥堵指数第一阈值与第一正常波动值的和,得到第三判别阈值,以及,道路综合交通拥堵指数第二阈值与第二正常波动值的和,得到第四判别阈值;
确定当前发布周期的道路综合交通拥堵指数大于第三判别阈值而小于或等于1时,确定当前发布周期的道路交通状态处于拥堵状态;
确定当前发布周期的道路综合交通拥堵指数大于第四判别阈值而小于或等于第三判别阈值时,确定当前发布周期的道路交通状态处于滞缓状态;
确定当前发布周期的道路综合交通拥堵指数大于或等于零而小于或等于第四判别阈值时,确定当前发布周期的道路交通状态处于畅通状态。
15.根据权利要求1所述的方法,其中,所述异常处理策略包括:车道采样周期交通流参数中任一参数超出临界阈值的异常处理策略、车道采样周期交通流参数中各参数都为零的异常处理策略、车道采样周期时间占有率为零但车道采样周期流量不为零的异常处理策略以及连续少于三个采样周期的车道交通流信息缺失的异常处理策略。
16.根据权利要求15所述的方法,其中,对于车道采样周期交通流参数中任一参数超出临界阈值的异常处理策略,所述将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数包括:
确定根据车道交通流信息计算得到的车道采样周期流量大于预先设置的车道采样周期流量阈值、或车道采样周期时间占有率大于预先设置的车道采样周期时间占有率阈值、或车道采样周期速度大于预先设置的车道采样周期速度阈值时,丢弃该车道采样周期交通流参数。
17.根据权利要求16所述的方法,其中,利用下述公式得到所述异常处理后的车道采样周期交通流参数:
qi(k)>qmax
oi(k)>omax
vi(k)>vmax
式中,qi(k)为第k个采样周期内的第i车道采样周期流量,k为自然数,i为自然数;
oi(k)为第k个采样周期内的第i车道采样周期时间占有率;
vi(k)为第k个采样周期内的第i车道采样周期速度;
qmax为预先设置的车道采样周期流量阈值;
omax为预先设置的车道采样周期时间占有率阈值;
vmax为预先设置的车道采样周期速度阈值。
18.根据权利要求17所述的方法,其中,对于车道采样周期交通流参数中各参数都为零的异常处理策略,所述将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数包括:
读取存储的前预设值采样周期的车道采样周期流量;
计算前预设值采样周期的车道采样周期流量的平均值;
确定计算的平均值大于预先设置的车道流量平均阈值时,删除车道当前采样周期交通流参数。
19.根据权利要求18所述的方法,其中,利用下述公式删除车道当前采样周期交通流参数:
式中,为当前采样周期之前的3个车道采样周期流量平均值,所述当前采样周期标识为k,k为大于3的自然数;
qi(k-1)为预先存储的当前采样周期前的第1个采样周期的车道采样周期流量值;
qi(k-2)为预先存储的当前采样周期前的第2个采样周期的车道采样周期流量值;
qi(k-3)为预先存储的当前采样周期前的第3个采样周期的车道采样周期流量值;
Q为预先设置的车道流量平均阈值。
20.根据权利要求15所述的方法,其中,对于车道采样周期时间占有率为零但车道采样周期流量不为零的异常处理策略,所述将得到的车道采样周期交通流参数应用于预先设置的异常处理策略,得到异常处理后的车道采样周期交通流参数包括:
读取存储的车道当前采样周期流量;
读取存储的各采样周期内,该车道最小时间占有率下的最大车道采样周期流量;
确定读取的车道当前采样周期流量大于最大车道采样周期流量时,删除车道当前采样周期交通流参数。
21.根据权利要求1所述的方法,其中,所述检测器以车道为单位或以道路为单位布设,所述道路包括一个或多个车道;
所述道路设置有多个用于布设检测器的断面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310624478.7A CN103593976B (zh) | 2013-11-28 | 2013-11-28 | 基于检测器确定道路交通状态的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310624478.7A CN103593976B (zh) | 2013-11-28 | 2013-11-28 | 基于检测器确定道路交通状态的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103593976A CN103593976A (zh) | 2014-02-19 |
CN103593976B true CN103593976B (zh) | 2016-01-06 |
Family
ID=50084088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310624478.7A Active CN103593976B (zh) | 2013-11-28 | 2013-11-28 | 基于检测器确定道路交通状态的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103593976B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091047A (zh) * | 2014-06-18 | 2014-10-08 | 清华大学深圳研究生院 | 基于交通时空信息的交通流缺失数据估算系统及方法 |
CN105303820A (zh) * | 2014-07-18 | 2016-02-03 | 中兴通讯股份有限公司 | 一种交通状况信息提供方法、装置及服务端 |
CN104464294B (zh) * | 2014-12-17 | 2016-08-31 | 合肥革绿信息科技有限公司 | 一种基于阵列雷达的路段交通状态评价方法 |
CN105788289A (zh) * | 2014-12-17 | 2016-07-20 | 上海宝康电子控制工程有限公司 | 基于计算机软件系统实现交通路况评估分析的方法和系统 |
CN104484996B (zh) * | 2014-12-18 | 2017-02-22 | 中设设计集团股份有限公司 | 一种基于多源数据的路段交通状态判别方法 |
CN105825683B (zh) * | 2015-08-16 | 2018-11-13 | 北京数行健科技有限公司 | 一种道路交通状况评价方法 |
CN106530684B (zh) * | 2015-09-11 | 2019-08-20 | 杭州海康威视系统技术有限公司 | 处理交通道路信息的方法及装置 |
CN105303832B (zh) * | 2015-11-05 | 2018-01-19 | 安徽四创电子股份有限公司 | 基于微波车辆检测器的高架桥路段交通拥堵指数计算方法 |
CN105389987B (zh) * | 2015-12-03 | 2018-03-23 | 青岛海信网络科技股份有限公司 | 一种道路交通状况预测方法及装置 |
CN105654720B (zh) * | 2016-01-21 | 2018-06-29 | 浙江大学 | 基于城市道路拥堵识别的检测器布设方法 |
CN106097718B (zh) * | 2016-08-23 | 2018-09-11 | 重庆大学 | 基于gps数据的信号交叉口区域通行时间估计方法 |
CN107967812A (zh) * | 2016-10-19 | 2018-04-27 | 高德信息技术有限公司 | 一种导航路线交通状态的确定方法及装置 |
CN106530700A (zh) * | 2016-11-22 | 2017-03-22 | 安徽科力信息产业有限责任公司 | 一种基于固定检测器的判别交通拥堵的方法 |
CN106781486B (zh) * | 2016-12-28 | 2020-04-10 | 安徽科力信息产业有限责任公司 | 基于浮动车数据的交通状态评价方法 |
CN108806283B (zh) * | 2017-05-02 | 2021-06-08 | 中移物联网有限公司 | 一种交通信号灯的控制方法及车联网平台 |
CN108417030B (zh) * | 2018-02-26 | 2020-05-19 | 浙江浙大中控信息技术有限公司 | 基于交通参数组合的路口交通状态强度计算方法 |
CN108922209B (zh) * | 2018-07-20 | 2021-06-04 | 江苏永诚交通集团有限公司 | 一种云智能交通信号灯系统 |
CN108847025A (zh) * | 2018-08-28 | 2018-11-20 | 电子科技大学 | 一种交通拥堵判定方法 |
CN109360416A (zh) * | 2018-10-11 | 2019-02-19 | 平安科技(深圳)有限公司 | 道路交通预测方法及服务器 |
CN109712394A (zh) * | 2019-01-15 | 2019-05-03 | 青岛大学 | 一种拥堵区域发现方法 |
CN110097752B (zh) * | 2019-03-27 | 2021-04-27 | 杭州远眺科技有限公司 | 一种智能化可变导向车道计算方法 |
CN110310476B (zh) * | 2019-05-06 | 2020-10-20 | 平安国际智慧城市科技股份有限公司 | 道路拥堵程度的评估方法、装置、计算机设备及存储介质 |
CN111009128A (zh) * | 2020-01-07 | 2020-04-14 | 上海宝康电子控制工程有限公司 | 基于到达-离去模型实现路口交通状态实时研判处理的方法 |
CN112767681B (zh) * | 2020-12-16 | 2022-08-19 | 济南博观智能科技有限公司 | 一种交通状态检测方法、装置及相关设备 |
CN115565379B (zh) * | 2022-12-06 | 2023-05-02 | 成都智元汇信息技术股份有限公司 | 一种替换历史客流数据中异常客流数据的方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000504859A (ja) * | 1996-02-08 | 2000-04-18 | マンネスマン・アクチエンゲゼルシャフト | 交通状況データの収集方法 |
JP2000507732A (ja) * | 1996-10-10 | 2000-06-20 | マンネスマン・アクチエンゲゼルシャフト | 交通状況判断に用いるデータを伝送するための方法とその装置 |
CN101419750A (zh) * | 2008-09-28 | 2009-04-29 | 华南理工大学 | 控制路口交通状态检测和评价系统及其实现方法与应用 |
CN101692311A (zh) * | 2009-11-02 | 2010-04-07 | 北京中交国通智能交通系统技术有限公司 | 路况监控传感器 |
CN101739815A (zh) * | 2009-11-06 | 2010-06-16 | 吉林大学 | 道路交通拥挤状态在线识别方法 |
CN103021176A (zh) * | 2012-11-29 | 2013-04-03 | 浙江大学 | 基于断面检测器的城市道路交通状态判别方法 |
CN103198658A (zh) * | 2013-03-25 | 2013-07-10 | 浙江大学 | 一种城市道路交通状态不均衡度检测方法 |
-
2013
- 2013-11-28 CN CN201310624478.7A patent/CN103593976B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000504859A (ja) * | 1996-02-08 | 2000-04-18 | マンネスマン・アクチエンゲゼルシャフト | 交通状況データの収集方法 |
JP2000507732A (ja) * | 1996-10-10 | 2000-06-20 | マンネスマン・アクチエンゲゼルシャフト | 交通状況判断に用いるデータを伝送するための方法とその装置 |
CN101419750A (zh) * | 2008-09-28 | 2009-04-29 | 华南理工大学 | 控制路口交通状态检测和评价系统及其实现方法与应用 |
CN101692311A (zh) * | 2009-11-02 | 2010-04-07 | 北京中交国通智能交通系统技术有限公司 | 路况监控传感器 |
CN101739815A (zh) * | 2009-11-06 | 2010-06-16 | 吉林大学 | 道路交通拥挤状态在线识别方法 |
CN103021176A (zh) * | 2012-11-29 | 2013-04-03 | 浙江大学 | 基于断面检测器的城市道路交通状态判别方法 |
CN103198658A (zh) * | 2013-03-25 | 2013-07-10 | 浙江大学 | 一种城市道路交通状态不均衡度检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103593976A (zh) | 2014-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103593976B (zh) | 基于检测器确定道路交通状态的方法及系统 | |
CN103839409B (zh) | 基于多断面视觉传感聚类分析的交通流状态判别方法 | |
Innamaa | Short-term prediction of travel time using neural networks on an interurban highway | |
CN102968901B (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
CN102087788B (zh) | 基于浮动车车速置信度的交通状态参数估计方法 | |
CN103021176B (zh) | 基于断面检测器的城市道路交通状态判别方法 | |
CN106856049B (zh) | 基于卡口号牌识别数据的关键交叉口需求集聚分析方法 | |
CN102231235A (zh) | 一种交通流异常点检测定位方法 | |
CN104484996A (zh) | 一种基于多源数据的路段交通状态判别方法 | |
CN102637357A (zh) | 一种区域交通状态评价方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN103985250A (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
CN102646332A (zh) | 基于数据融合的交通状态估计装置和方法 | |
Liu et al. | The calculation method of road travel time based on license plate recognition technology | |
CN109859495A (zh) | 一种基于rfid数据获取区间速度的方法 | |
CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
CN109785627A (zh) | 一种十字路口交通流量监控系统 | |
CN105070073A (zh) | 一种基于地磁的区域自优化信号控制方法及装置 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN202394387U (zh) | 一种融合多种交通数据的交通状况预测系统 | |
CN106940929A (zh) | 交通数据预测方法及装置 | |
CN105118310A (zh) | 一种基于视频的单点自优化信号控制方法及装置 | |
CN104966403A (zh) | 一种基于地磁的干线自优化信号控制方法及装置 | |
CN110264725A (zh) | 路段流量的确定方法及装置 | |
CN104992566A (zh) | 一种基于线圈的单点自优化信号控制方法及装置 |
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 | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |