CN103632540A - 基于浮动车数据的城市主干道交通运行信息处理方法 - Google Patents
基于浮动车数据的城市主干道交通运行信息处理方法 Download PDFInfo
- Publication number
- CN103632540A CN103632540A CN201210297900.8A CN201210297900A CN103632540A CN 103632540 A CN103632540 A CN 103632540A CN 201210297900 A CN201210297900 A CN 201210297900A CN 103632540 A CN103632540 A CN 103632540A
- Authority
- CN
- China
- Prior art keywords
- speed
- section
- information processing
- car
- processing method
- 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
Abstract
本发明涉及一种基于浮动车数据的城市主干道交通运行信息处理方法,包括以下步骤:1)对浮动车发送的GPS原始数据进行地图匹配,将车辆位置坐标匹配到路网上,获得GPS运行数据,结合地图显示不同路段上车辆运行状况;2)对GPS运行数据进行预处理,该预处理过程包括样本筛选和速度计算;3)进行道路交通运行特征指标提取,计算平均速度、速度方差和速度分布,输出速度-距离曲线、速度偏态系数、峰态系数、速度里程分布图和速度时间分布图。与现有技术相比,本发明具有利用出租车浮动车技术,分析处理城市道路交通运行,得到路段平均速度、速度波动、速度分布等指标,能够真实反映全路段交通运行状况等优点。
Description
技术领域
本发明涉及一种城市道路交通运行状况分析技术,尤其是涉及一种基于浮动车数据的城市主干道交通运行信息处理方法。
背景技术
交通运行状况是车辆间相互作用及道路几何特征所共同导致的结果,实际应用中,城市道路运行状况的描述依赖于数据采集的技术。目前普遍采用的交通信息采集技术均是基于线圈检测器的数据采集技术,主要是利用固定断面的交通流量、饱和度、速度等交通参数描述城市路段的运行状况,而城市交通系统是一个复杂的动态系统,路段上每个断面可能存在不同的运行状况,同时平均车速相同的路段上也可能存在着完全不同的速度波动现象,因此仅采用单一断面交通参数无法反映交通流全路段的整体真实运行状况。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于浮动车数据的城市主干道交通运行信息处理方法。
本发明的目的可以通过以下技术方案来实现:
一种基于浮动车数据的城市主干道交通运行信息处理方法,其特征在于,包括以下步骤:
1)对浮动车发送的GPS原始数据进行地图匹配,将车辆位置坐标匹配到路网上,获得GPS运行数据,结合地图显示不同路段上车辆运行状况;
2)对GPS运行数据进行预处理,该预处理过程包括样本筛选和速度计算;
3)进行道路交通运行特征指标提取,计算平均速度、速度方差和速度分布,输出速度-距离曲线、速度偏态系数、峰态系数、速度里程分布图和速度时间分布图。
所述的GPS原始数据包括车辆编号、回传时间、车辆位置坐标和瞬时速度。
所述的步骤2)中的样本筛选为筛选出的样本车,该样本车为在规定时间段内某一次载客历程一次连续覆盖所有路段单元的车。
所述的步骤2)中的速度计算具体为:
得到每个车辆位置坐标所在路段位置后,将两个车辆位置坐标之间的路径长度除以时间差,得到本时间段内车辆的平均速度;以相邻车辆位置坐标之间算出的平均速度为纵坐标轴,以每两个车辆位置坐标所夹的路段中点距道路起点的长度为横坐标轴,连续计算得到一辆样本车在每一小段行驶过程中的平均车速-路程曲线。
所述的速度方差是衡量速度变化的指标,为一条路段单元上所有车平均速度的方差,即:
所述的速度分布包括速度里程分布和速度时间分布,其计算公式为:
其中,
PsV1~V2%为速度在V1~V2状态下车辆行驶的里程比例,
PtV1~V2%为速度在V1~V2状态下车辆行驶的时间比例;
S总为所有车辆经过路段的里程数之和;
T总为所有车辆经过路段的时间之和。
所述的浮动车为出租车。
与现有技术相比,本发明具有以下优点:
1、利用出租车浮动车技术,分析处理城市道路交通运行,得到路段平均速度、速度波动、速度分布等指标,能够真实反映全路段交通运行状况;
2、实现成本低,可充分利用城市的出租车价值。
附图说明
图1为本发明的流程图;
图2为基于GIS的地图匹配软件操作界面;
图3为选取GPS数据分析路段;
图4为检测所选路段的连续性和方向一致性;
图5为打开GPS原始数据所在文件;
图6为导入GPS原始数据进行地图匹配;
图7为筛选GPS数据;
图8为输出符合条件的GPS数据;
图9为交通参数分析软件界面;
图10为导入输出的GPS数据;
图11为选择路段分析时段和速度输出;
图12为路段运行特征各指标在GIS地图上的含义;
图13为速度-距离曲线、速度的变化和速度分布指标输出。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例1
本发明以出租车为采集样本的浮动车,运用安装有特定车载全球定位系统(Global Position System,GPS)设备的出租车辆,在固定时间间隔记录当前日期、时间、车辆位置(经纬度)等数据,而这些数据在时间和空间上都是连续的。通过对浮动车数据(Floating Car Data,FCD)信息处理所得的平均速度或速度波动参数可以作为描述主干道全路段交通运行状况的依据。
如图1所示,一种基于浮动车数据的城市主干道交通运行信息处理方法,包括以下步骤:
1)对浮动车发送的GPS原始数据进行地图匹配,将车辆位置坐标匹配到路网上,获得GPS运行数据,结合地图显示不同路段上车辆运行状况;
2)对GPS运行数据进行预处理,该预处理过程包括样本筛选和速度计算;
3)进行道路交通运行特征指标提取,计算平均速度、速度方差和速度分布,输出速度-距离曲线、速度偏态系数、峰态系数、速度里程分布图和速度时间分布图。
实施例2
本发明提出的基于出租车浮动车数据的城市道路交通运行特征分析方法的主要步骤包括GPS原始数据地图匹配、速度计算和道路交通运行特征指标提取。
参照表1,GPS原始数据包括车辆编号、车辆记录GPS信息的时刻、车辆所处经度位置和车辆所处维度位置;
表1
参照附图2~4,打开基于Web-GIS的地图匹配软件,选择需要分析的主干道路段,选中之后检验所选路段的连续性和方向一致性,出现“通过路段完整性检测”可进行下一步,否则“清空”所选路段,重新选择直至“通过路段完整性检测”。
参照附图5~6,打开GPS原始数据所在文件,选择时间段内的GPS原始数据导入,地图匹配结束后确认车辆通过路段的连续性,可以得到在特定时间段内连续通过所选路段的所有出租车浮动车。
参照附图7~8,地图匹配后,对出租车浮动车进行筛选,找出符合在规定时间段内样本车的某一次载客历程依次连续覆盖所有路段单元(分侧划分)的车辆并导出GPS数据。具体筛选步骤:在软件“车辆标识信息”菜单栏中选择一辆样本浮动车,对样本车的路段覆盖数、GPS时间、方向提示进行检查,符合路段全覆盖、时间连续、正方向这三个条件的浮动车可以作为样本车输出GPS信息,否则其中任意一项不符合都不能作为样本车。
参照附图9~12,打开交通参数分析软件,通过“载入数据”操作键导入GPS数据进行速度计算,通过时间段筛选得到特定时间内的样本车信息,包括车辆编号(Car ID)、初始时间、中点距、平均行程速度、相邻GPS点间距(ΔS)、相邻GPS点时间差(ΔT)、起点距、终点距等。其中,一辆浮动车行驶时每两个GPS点的中点距、起点距和终点距是相对于所选路段的起点确定的,
参照附图13,提取速度-距离曲线、速度偏态系数、峰态系数、速度里程分布图和速度时间分布图。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。
Claims (8)
1.一种基于浮动车数据的城市主干道交通运行信息处理方法,其特征在于,包括以下步骤:
1)对浮动车发送的GPS原始数据进行地图匹配,将车辆位置坐标匹配到路网上,获得GPS运行数据,结合地图显示不同路段上车辆运行状况:
2)对GPS运行数据进行预处理,该预处理过程包括样本筛选和速度计算;
3)进行道路交通运行特征指标提取,计算平均速度、速度方差和速度分布,输出速度-距离曲线、速度偏态系数、峰态系数、速度里程分布图和速度时间分布图。
2.根据权利要求1所述的一种基于浮动车数据的城市主干道交通运行信息处理方法,其特征在于,所述的GPS原始数据包括车辆编号、回传时间、车辆位置坐标和瞬时速度。
3.根据权利要求1所述的一种基于浮动车数据的城市主干道交通运行信息处理方法,其特征在于,所述的步骤2)中的样本筛选为筛选出的样本车,该样本车为在规定时间段内某一次载客历程一次连续覆盖所有路段单元的车。
4.根据权利要求3所述的一种基于浮动车数据的城市主干道交通运行信息处理方法,其特征在于,所述的步骤2)中的速度计算具体为:
得到每个车辆位置坐标所在路段位置后,将两个车辆位置坐标之间的路径长度除以时间差,得到本时间段内车辆的平均速度;以相邻车辆位置坐标之间算出的平均速度为纵坐标轴,以每两个车辆位置坐标所夹的路段中点距道路起点的长度为横坐标轴,连续计算得到一辆样本车在每一小段行驶过程中的平均车速-路程曲线。
8.根据权利要求1所述的一种基于浮动车数据的城市主干道交通运行信息处理方法,其特征在于,所述的浮动车为出租车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210297900.8A CN103632540B (zh) | 2012-08-20 | 2012-08-20 | 基于浮动车数据的城市主干道交通运行信息处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210297900.8A CN103632540B (zh) | 2012-08-20 | 2012-08-20 | 基于浮动车数据的城市主干道交通运行信息处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103632540A true CN103632540A (zh) | 2014-03-12 |
CN103632540B CN103632540B (zh) | 2015-11-25 |
Family
ID=50213536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210297900.8A Active CN103632540B (zh) | 2012-08-20 | 2012-08-20 | 基于浮动车数据的城市主干道交通运行信息处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103632540B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104183135A (zh) * | 2014-09-05 | 2014-12-03 | 广州市香港科大霍英东研究院 | 车辆行进开销的估计方法及系统 |
CN104821081A (zh) * | 2015-04-22 | 2015-08-05 | 西安翔迅科技有限责任公司 | 一种基于车辆gps数据的路况检测系统 |
CN105067001A (zh) * | 2015-07-27 | 2015-11-18 | 福建工程学院 | 基于出租车经验数据的路径设置方法及系统 |
CN107798875A (zh) * | 2017-11-07 | 2018-03-13 | 上海炬宏信息技术有限公司 | 基于浮动车gps数据优化路口通行能力的方法 |
CN109615851A (zh) * | 2018-07-30 | 2019-04-12 | 北京航空航天大学 | 一种在群智感知系统中基于关键路段的感知节点选取方法 |
CN109686092A (zh) * | 2019-01-23 | 2019-04-26 | 北京航空航天大学 | 一种交通网络通达性评估方法 |
CN109979198A (zh) * | 2019-04-08 | 2019-07-05 | 东南大学 | 基于大规模浮动车数据的城市快速道路车速离散辨识方法 |
CN110070711A (zh) * | 2019-04-10 | 2019-07-30 | 华砺智行(武汉)科技有限公司 | 一种基于智能网联汽车数据的路段旅行速度区间估计系统和方法 |
CN111915874A (zh) * | 2019-05-08 | 2020-11-10 | 中国科学院大学 | 一种道路平均通行时间预测方法 |
CN112950926A (zh) * | 2019-12-10 | 2021-06-11 | 宁波中国科学院信息技术应用研究院 | 一种基于大数据和深度学习的城市主干道路速度预测方法 |
WO2022081082A1 (en) * | 2020-10-16 | 2022-04-21 | Grabtaxi Holdings Pte. Ltd. | Method, electronic device, and system for predicting future overspeeding |
WO2022081083A1 (en) * | 2020-10-16 | 2022-04-21 | Grabtaxi Holdings Pte. Ltd. | Method, electronic device, and system for detecting overspeeding |
CN114514413A (zh) * | 2019-10-08 | 2022-05-17 | 纬湃科技有限责任公司 | 用于预估车辆的速度分布图的方法 |
CN116756205A (zh) * | 2023-05-12 | 2023-09-15 | 北京建筑大学 | 面向行驶周期的细分速度vkt和vht分布构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050143902A1 (en) * | 2003-09-05 | 2005-06-30 | Soulchin Robert M. | Method of displaying traffic flow conditions using a 3D system |
CN1707544A (zh) * | 2005-05-26 | 2005-12-14 | 上海交通大学 | 城市路网交通流状态估计方法 |
CN101270997A (zh) * | 2007-03-21 | 2008-09-24 | 北京交通发展研究中心 | 基于gps数据的浮动车动态实时交通信息处理方法 |
CN102568208A (zh) * | 2012-02-07 | 2012-07-11 | 福建工程学院 | 基于浮动车技术的路段限速信息识别方法 |
-
2012
- 2012-08-20 CN CN201210297900.8A patent/CN103632540B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050143902A1 (en) * | 2003-09-05 | 2005-06-30 | Soulchin Robert M. | Method of displaying traffic flow conditions using a 3D system |
CN1707544A (zh) * | 2005-05-26 | 2005-12-14 | 上海交通大学 | 城市路网交通流状态估计方法 |
CN101270997A (zh) * | 2007-03-21 | 2008-09-24 | 北京交通发展研究中心 | 基于gps数据的浮动车动态实时交通信息处理方法 |
CN102568208A (zh) * | 2012-02-07 | 2012-07-11 | 福建工程学院 | 基于浮动车技术的路段限速信息识别方法 |
Non-Patent Citations (2)
Title |
---|
温金辉: "基于出租车浮动数据和地图匹配的城市道路行程速度估计", 《中国优秀硕士学位论文全文数据库》 * |
翁剑成等: "基于浮动车数据的行程速度估计算法及优化", 《北京工业大学学报》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104183135A (zh) * | 2014-09-05 | 2014-12-03 | 广州市香港科大霍英东研究院 | 车辆行进开销的估计方法及系统 |
CN104821081A (zh) * | 2015-04-22 | 2015-08-05 | 西安翔迅科技有限责任公司 | 一种基于车辆gps数据的路况检测系统 |
CN104821081B (zh) * | 2015-04-22 | 2017-04-05 | 西安翔迅科技有限责任公司 | 一种基于车辆gps数据的路况检测系统 |
CN105067001A (zh) * | 2015-07-27 | 2015-11-18 | 福建工程学院 | 基于出租车经验数据的路径设置方法及系统 |
CN105067001B (zh) * | 2015-07-27 | 2017-11-24 | 福建工程学院 | 基于出租车经验数据的路径设置方法及系统 |
CN107798875B (zh) * | 2017-11-07 | 2020-11-06 | 上海炬宏信息技术有限公司 | 基于浮动车gps数据优化路口通行能力的方法 |
CN107798875A (zh) * | 2017-11-07 | 2018-03-13 | 上海炬宏信息技术有限公司 | 基于浮动车gps数据优化路口通行能力的方法 |
CN109615851A (zh) * | 2018-07-30 | 2019-04-12 | 北京航空航天大学 | 一种在群智感知系统中基于关键路段的感知节点选取方法 |
CN109686092A (zh) * | 2019-01-23 | 2019-04-26 | 北京航空航天大学 | 一种交通网络通达性评估方法 |
CN109979198A (zh) * | 2019-04-08 | 2019-07-05 | 东南大学 | 基于大规模浮动车数据的城市快速道路车速离散辨识方法 |
CN110070711A (zh) * | 2019-04-10 | 2019-07-30 | 华砺智行(武汉)科技有限公司 | 一种基于智能网联汽车数据的路段旅行速度区间估计系统和方法 |
CN111915874A (zh) * | 2019-05-08 | 2020-11-10 | 中国科学院大学 | 一种道路平均通行时间预测方法 |
CN114514413A (zh) * | 2019-10-08 | 2022-05-17 | 纬湃科技有限责任公司 | 用于预估车辆的速度分布图的方法 |
CN112950926A (zh) * | 2019-12-10 | 2021-06-11 | 宁波中国科学院信息技术应用研究院 | 一种基于大数据和深度学习的城市主干道路速度预测方法 |
WO2022081082A1 (en) * | 2020-10-16 | 2022-04-21 | Grabtaxi Holdings Pte. Ltd. | Method, electronic device, and system for predicting future overspeeding |
WO2022081083A1 (en) * | 2020-10-16 | 2022-04-21 | Grabtaxi Holdings Pte. Ltd. | Method, electronic device, and system for detecting overspeeding |
US11823572B2 (en) | 2020-10-16 | 2023-11-21 | Grabtaxi Holdings Pte. Ltd. | Method, electronic device, and system for predicting future overspeeding |
CN116756205A (zh) * | 2023-05-12 | 2023-09-15 | 北京建筑大学 | 面向行驶周期的细分速度vkt和vht分布构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103632540B (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103632540B (zh) | 基于浮动车数据的城市主干道交通运行信息处理方法 | |
EP3719714B1 (en) | Machine learning system for classifying an area as vehicle way | |
Taylor et al. | Integration of the global positioning system and geographical information systems for traffic congestion studies | |
CN103413437B (zh) | 一种基于车辆数据采集的道路交叉口转向识别方法及系统 | |
CN107000750A (zh) | 用于车辆经济性改进的设备及方法 | |
CN102779415B (zh) | 实时分析交通信号相位的方法与装置 | |
CN104318781B (zh) | 基于rfid技术的行程速度获取方法 | |
CN103745595A (zh) | 分析路况信息的方法和系统、车载终端和路况分析服务器 | |
CN103177585B (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
CN112734242B (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
CN103366560A (zh) | 一种道路交通运行状态跟车探测方法、系统及应用 | |
CN104966408A (zh) | 一种gps定位数据补偿方法 | |
CN103927866A (zh) | 基于gps的车辆等待红绿灯时间预测方法 | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN105810006A (zh) | 路边停车位的识别方法及系统 | |
CN101404120A (zh) | 判断浮动车行驶状态的方法及装置 | |
CN107240264A (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
Pascale et al. | Motorway speed pattern identification from floating vehicle data for freight applications | |
CN107452207B (zh) | 浮动车数据源评价方法、装置及系统 | |
CN106340190A (zh) | 用于确定红绿灯配时方案的方法、装置及系统 | |
Rengarajan et al. | Energy efficient maneuvering of connected and automated vehicles | |
Gore et al. | Exploring credentials of Wi‐Fi sensors as a complementary transport data: an Indian experience | |
CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
CN108665084A (zh) | 一种对驾驶风险的预测方法及系统 | |
Bansal et al. | Impacts of bus-stops on the speed of motorized vehicles under heterogeneous traffic conditions: a case-study of Delhi, India |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |