CN103886748B - 道路网络交通高峰组团识别方法 - Google Patents
道路网络交通高峰组团识别方法 Download PDFInfo
- Publication number
- CN103886748B CN103886748B CN201410096008.2A CN201410096008A CN103886748B CN 103886748 B CN103886748 B CN 103886748B CN 201410096008 A CN201410096008 A CN 201410096008A CN 103886748 B CN103886748 B CN 103886748B
- Authority
- CN
- China
- Prior art keywords
- line
- blocks
- peak
- team
- time
- 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 15
- 230000000903 blocking effect Effects 0.000 claims abstract description 10
- 238000009472 formulation Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 2
- 241001632422 Radiola linoides Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种道路网络交通高峰组团识别方法。本发明利用路网中一定时间间隔内的路段平均速度数据,首先计算相邻连线之间的交通运行相似度;然后挑选拥堵种子连线,以拥堵种子连线为中心,反复搜索相邻的拥堵连线,最终确定以拥堵种子连线为核心的拥堵连线集合和拥堵起止时段,亦即高峰组团。本发明可以为交通管理决策提供依据。
Description
技术领域
本发明涉及一种用于城市交通管理中的交通高峰组团识别方法,具体来说是涉及利用交通运行数据(例如速度)对路网中交通拥堵的组团进行识别的方法。
背景技术
城市路网的交通拥挤常常呈现出组团特性,即部分连线或者交叉口在某一个时间段同时产生拥堵。一般而言,由于不同的原因,例如早晚高峰、交通事故、学校上下学、大型活动等,路网会有不同的拥堵组团,识别这些拥堵组团对日常的交通管理策略制定、交通管理资源的投放有重要的意义。目前对拥堵组团的识别主要依赖经验方法,难以反映真实的交通运行,从而弱化了交通管理效益。
图1给出了一个简单的拥堵组团示意图,其中三条相邻的连线,在部分时段内速度数据呈现同步的特征,也即拥挤组团。
发明内容
为了克服在路网拥堵时空分析方面的经验化缺点,本发明提出一种基于交通运行数据(典型的例如连线速度数据)的道路网络交通高峰组团识别方法。该方法能够识别出不同时段的道路高峰组团。
本发明解决其技术问题所采用的技术方案是利用出租车GPS或者路段地点调查的数据,获得一天内各个时间间隔(例如5分钟)的平均速度。本发明包括下面的步骤:
(1)确定任意两个相邻连线之间的交通运行相似度。
(2)根据设定的拥堵阈值,确定所要搜索的拥堵种子连线。
(3)对任一拥堵种子连线,确定以该连线为核心的高峰组团覆盖连线集合和高峰时段。
(4)如果所有的拥堵种子连线搜索完毕,算法结束,得到路网时空高峰组团。
本发明的有益效果是:
1、可以得到不同的高峰组团。
2、车辆排队溢出是高峰时期交通流的普遍现象,该方法不仅能得出单个车道排队溢出,还能检测多个车道同时溢出的情况,适用性强。
附图说明
图1为拥挤高峰组团示意图。
具体实施方式
下面对本发明做进一步的详细描述。
定义两个连线i和j;相互连接则δij=1,否则δij=0。连线i的速度数据可以表达成一个时间序列Xi=(xi1,xi2……),本发明确定高峰拥堵组团的步骤为:
1)对于任意两个相连接的连线i和j(也即δij=1),利用下面的公式计算时间序列Xi和Xj的相似度s(Xi,Xj):
其中xik为时间序列Xi中的第k个元素。
2)设定速度阈值存在j,整个路网所有满足的连线i被挑选为拥堵种子连线;拥堵阈值可以取10km/小时。
3)计算局部相似度得到局部拥堵连线集合和时段。以某一拥堵种子连线(以i为例),找出其中最小的速度值xim;其中m为时间序列Xi中最小值的下标,初始化搜索连线集合Δ为空集,初始化拥堵连线集合Φ={i};按照如下方式计算局部高峰组团:
(1)针对每一个和连线i相邻的连线j;
(2)如果xj1,xj2……都大于则更新搜索集合Δ=Δ∪{j},并返回(1),寻找下一个相邻拥堵连线;如果存在某一个时刻k使得且k和m之间的时间间隔小于1小时,进入下一步,同时更新搜索集合Δ=Δ∪{j}和拥堵集合Φ=Φ∪{j};
(3)以m为中心时刻,寻找拥堵开始时刻m-a和拥堵结束时刻m+b。利用枚举法,寻找二元函数最小值对应的y和z,则a=y及b=z。二元函数f(y,z)中的表示两个时间序列Xi和Xj中的子序列(xi,m-y,xi,m-y+1.....xi,m+z)和(xj,m-y,xj,m-y+1.....xj,m+z)的相似度。枚举法的方法是y从1开始一直到m-1、z从1开始一直到N-m,计算f(y,z),最小的f(y,z)对应的y和z即为解。
则时段[m-a,m+b]即为连线i和连线j的共同高峰时段;为方便,零开始时刻sij=m-a,结束时刻eij=m+b,分别表示高峰时段的起始和结束;
(4)如果连线i的相邻连线搜索完毕,则以这些相邻连线为起始,利用上步骤(2)和(3)搜索相邻连线的相邻连线;
(5)如果搜索不能进行下去,则以i为核心的高峰组团覆盖的连线集合为Φ。高峰时段取为所有高峰时段的并集 表示高峰时段的开始时刻,表示高峰时段的结束时刻。从而以i为核心的时空高峰组团表达为该符号表达了拥堵核心连线i、覆盖区域Φ、起始时刻和结束时刻
4)如果还有没搜索的拥堵种子连线,则继续搜索,如果所有拥堵种子连线都搜索完毕,则算法结束。
至此,路网高峰在组团都已经确定下来。
Claims (1)
1.道路网络交通高峰组团识别方法,其特征在于:
定义连线i、连线j及连线标记δij,如果连线i和j相互连接,则δij=1,否则δij=0;连线i速度数据表达成一个时间序列Xi=(xi1,xi2……),具体步骤为:
1)对于任意两个相连接的连线i和j,利用下式计算时间序列Xi和Xj的相似度s(Xi,Xj):
其中xik为时间序列Xi中的第k个元素,xjk为时间序列Xj中的第k个元素;
2)设定速度阈值x;存在j,整个路网所有满足的连线i被挑选为拥堵种子连线;
3)计算局部相似度得到局部拥堵连线集合和时段;
以某一拥堵种子连线i为例,找出其中最小的速度值xim;其中m为时间序列Xi中最小值的下标,初始化搜索连线集合Δ为空集,初始化拥堵连线集合Φ={i};按照如下方式计算局部高峰组团:
(1)确定每一个和连线i相邻的连线j;
(2)如果xj1,xj2……都大于x,则更新搜索集合Δ=Δ∪{j},并返回(1),寻找下一个相邻拥堵连线;如果存在某一个时刻k使得且k和m之间的时间间隔小于1小时,进入下一步,同时更新搜索集合Δ=Δ∪{j}和拥堵连线集合Φ=Φ∪{j};
(3)以m为中心时刻,寻找拥堵开始时刻m-a和拥堵结束时刻m+b;利用枚举法,寻找二元函数最小值对应的y和z,则a=y及b=z;二元函数f(y,z)中的表示两个时间序列Xi和Xj中的子序列(xi,m-y,xi,m-y+1.....xi,m+z)和(xj,m-y,xj,m-y+1.....xj,m+z)的相似度;枚举法的方法是y从1开始一直到m-1、z从1开始一直到N-m,计算f(y,z),最小的f(y,z)对应的y和z即为解;
则时段[m-a,m+b]即为连线i和连线j的共同高峰时段;为方便,零开始时刻sij=m-a,结束时刻eij=m+b,分别表示高峰时段的起始和结束;
(4)如果连线i的相邻连线搜索完毕,则以这些相邻连线为起始,利用上步骤(2)和(3)搜索相邻连线的相邻连线;
(5)如果搜索不能进行下去,则以i为核心的高峰组团覆盖的拥堵连线集合为Φ;
高峰时段取为所有高峰时段的并集 表示高峰时段的开始时刻,表示高峰时段的结束时刻;
从而以i为核心的时空高峰组团表达为该符号表达了拥堵核心连线i、拥堵连线集合Φ、起始时刻和结束时刻
4)如果还有没搜索的拥堵种子连线,则继续搜索,如果所有拥堵种子连线都搜索完毕,则结束;至此,路网高峰在组团都已经确定下来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410096008.2A CN103886748B (zh) | 2014-03-14 | 2014-03-14 | 道路网络交通高峰组团识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410096008.2A CN103886748B (zh) | 2014-03-14 | 2014-03-14 | 道路网络交通高峰组团识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103886748A CN103886748A (zh) | 2014-06-25 |
CN103886748B true CN103886748B (zh) | 2015-08-26 |
Family
ID=50955616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410096008.2A Active CN103886748B (zh) | 2014-03-14 | 2014-03-14 | 道路网络交通高峰组团识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886748B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003442B (zh) * | 2018-06-22 | 2020-08-21 | 安徽科力信息产业有限责任公司 | 一种道路延误时间计算及交通拥堵情况确定方法、系统 |
CN109754597B (zh) * | 2018-08-02 | 2021-10-08 | 银江股份有限公司 | 一种城市道路区域拥堵调控策略推荐系统及方法 |
CN109741603A (zh) * | 2019-01-24 | 2019-05-10 | 杭州远眺科技有限公司 | 一种基于排队长度计算相邻交叉口间拥堵传播率的方法 |
CN110288824B (zh) * | 2019-05-20 | 2020-12-01 | 浙江工业大学 | 基于Granger causality路网早晚高峰拥堵状况和传播机制分析方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4453859B2 (ja) * | 2001-08-08 | 2010-04-21 | パイオニア株式会社 | 道路交通情報処理装置ならびに処理方法、、コンピュータプログラム、情報記録媒体 |
JP5464875B2 (ja) * | 2009-03-10 | 2014-04-09 | アルパイン株式会社 | ナビゲーション装置及び渋滞線表示方法 |
CN102903237B (zh) * | 2011-07-25 | 2015-06-24 | 日立(中国)研究开发有限公司 | 交通管理服务装置以及交通管理服务方法 |
CN103000027B (zh) * | 2012-12-19 | 2014-12-10 | 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 |
-
2014
- 2014-03-14 CN CN201410096008.2A patent/CN103886748B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103886748A (zh) | 2014-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103886748B (zh) | 道路网络交通高峰组团识别方法 | |
CN104732789B (zh) | 一种基于公交车 gps 数据生成道路路网地图的方法 | |
CN102708698B (zh) | 基于车联网的车辆最优路径导航方法 | |
CN104634352B (zh) | 一种基于浮动车移动轨迹与电子地图融合的道路匹配方法 | |
Chen et al. | Traffic flow prediction with big data: A deep learning based time series model | |
CN110111575A (zh) | 一种基于复杂网络理论的城市交通流量网络分析方法 | |
CN107832882A (zh) | 一种基于马尔科夫决策过程的出租车寻客策略推荐方法 | |
CN103942969B (zh) | 左转机动车借右侧车道转弯交叉口动态交通信号控制方法 | |
CN104778845A (zh) | 多相位跳变和车辆全动态诱导交通控制方法 | |
CN110146910A (zh) | 一种基于gps与激光雷达数据融合的定位方法及装置 | |
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 | |
CN105261217A (zh) | 一种基于密度聚类算法的城市交通拥堵状态检测方法 | |
CN101853573A (zh) | 一种城市快速路短时交通信息预测系统及方法 | |
SE1251163A1 (sv) | System och metod i samband med förekomst av fordonståg | |
WO2021073526A1 (zh) | 一种基于轨迹数据的信号控制时段划分方法 | |
CN106772516B (zh) | 一种基于模糊理论的复合定位新方法 | |
CN104318757B (zh) | 一种公交专用道上的公交车车路段运行时间预测方法 | |
CN105489004A (zh) | 面向道路实时速度计算的卡口与浮动车数据融合方法 | |
CN106097717A (zh) | 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法 | |
CN103310435A (zh) | 将垂直投影和最优路径相结合对车牌字符进行分割的方法 | |
CN104794895A (zh) | 一种面向高速公路的多源交通信息融合方法 | |
CN103902829A (zh) | 传递边缘分布及存在概率的目标跟踪方法与目标跟踪系统 | |
CN104599002A (zh) | 预测订单价值的方法及设备 | |
CN104794927A (zh) | 一种公交车到站时间预测方法 | |
CN106846808B (zh) | 一种基于车牌数据的车辆停车次数计算方法 |
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 |