CN103956052A - 一种公路路况的检测方法和系统 - Google Patents
一种公路路况的检测方法和系统 Download PDFInfo
- Publication number
- CN103956052A CN103956052A CN201410201325.6A CN201410201325A CN103956052A CN 103956052 A CN103956052 A CN 103956052A CN 201410201325 A CN201410201325 A CN 201410201325A CN 103956052 A CN103956052 A CN 103956052A
- Authority
- CN
- China
- Prior art keywords
- current
- average speed
- road conditions
- measured
- section
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种公路路况的检测方法和系统，由于公路的运行路况是随着时间的变化而逐渐改变的，本发明将公路路况分为“正常通行”、“排队通行”、以及“道路拥堵”三种状态，根据车流量变化率、占有率变化率及速度变化率作为报警事件发生的依据，而三种状态的划分则根据平均车速和占有率的阈值来进行判定。本发明公路路况的检测方法和系统，实时采集车流量、平均车速、以及占有率数据，然后把各种参数相互结合起来、通过有规则的流程性的方法来判断路况，不存在由于互通、枢纽等问题而导致误报率增大的现象，能够快速准确的获取多种路况信息。
Description
技术领域
本发明涉及智能交通控制技术，具体涉及一种公路路况的检测方法和系统。
背景技术
随着经济的快速发展，机动车的拥有量急剧增长，高速公路的发展也随之进入了新的阶段，然而部分地区公路基础设施的增长远远跟不上交通需求量的增长，加之路边违法停车、道路施工、交通事故、恶劣天气等因素的存在，使得交通拥堵日趋严重，交通事故时有发生。为了实现交通管理控制的智能化，使交通管理人员能够在最短时间内做出应急指挥调度措施，最大限度减轻交通事故对正常交通的影响，保证路网的畅通，需要对公路的路况进行自动检测，但是目前实际应用到路网中的路况自动检测技术的功能相对较少，还缺乏能够比较准确的检测出多种路况的检测技术。
发明内容
为了解决上述技术问题，本发明提出了一种能够比较准确的检测出多种路况的检测方法和系统。
一种公路路况的检测方法，包括：实时采集待测路段的车流量、平均车速、以及占有率，并计算出车流量变化率、平均车速变化率、以及占有率变化率；当待测路段的上次路况为“正常通行”时，如果同时满足“车流量变化率＜0且平均车速变化率＜0且占有率变化率＞0”和“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”,则判断待测路段的当前路况为“非正常通行”,否则判断待测路段的当前路况为“正常通行”；当待测路段的上次路况为“非正常通行”时，如果满足“平均车速＞平均车速排队阈值且占有率＜占有率排队阈值”，则判断待测路段的当前路况为“正常通行”,否则判断待测路段的当前路况为“非正常通行”。
其中，所述平均车速排队阈值为50km/h,所述占有率排队阈值为20％。
进一步的，所述检测方法还包括：所述“非正常通行”包括“排队通行”和“道路拥堵”；当待测路段的上次路况为“正常通行”，且已经判断出待测路段的当前路况为“非正常通行”时，如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”；当待测路段的上次路况为“排队通行”或者“道路拥堵”，且已经判断出待测路段的当前路况为“非正常通行”时，进行判断步骤A；所述判断步骤A包括：如果不满足“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”，则判断待测路段的当前路况与上次路况保持一致，否则进行判断步骤B；所述判断步骤B包括：如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”。
其中，所述平均车速排队阈值为50km/h,所述占有率排队阈值为20％。
其中，所述平均车速拥堵阈值为20km/h,所述占有率拥堵阈值为30％。
进一步的，所述检测方法还包括：预先对实时采集到的车流量、平均车速、以及占有率的数据进行数据清洗，所述数据清洗包括以下任一或者组合：清洗掉车流量＞车流量最大阈值的数据；清洗掉平均车速＞平均车速最大阈值的数据；清洗掉平均车速为零且车流量不为零的数据；清洗掉车流量为零且平均车速不为零的数据；清洗掉车流量为零且占有率不为零的数据；清洗掉占有率为零且车流量大于2辆/5分钟的数据；清洗掉占有率大于95％且平均车速大于5km/h的数据。
其中，所述平均车速最大阈值为120km/h。
一种公路路况的检测系统，包括：车检器、变化率计算模块、路况判断模块；所述车检器用于实时采集待测路段的车流量、平均车速、以及占有率，并且将实时采集到的数据发送到变化率计算模块和路况判断模块；所述变化率计算模块，用于接收车检器实时采集到的数据并计算出车流量变化率、平均车速变化率、以及占有率变化率，将计算出的变化率数据发送到路况判断模块；所述路况判断模块，用于接收车检器实时采集到的数据和变化率计算模块计算出的变化率数据，并进行以下判断：当待测路段的上次路况为“正常通行”时，如果同时满足“车流量变化率＜0且平均车速变化率＜0且占有率变化率＞0”和“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”,则判断待测路段的当前路况为“非正常通行”,否则判断待测路段的当前路况为“正常通行”；当待测路段的上次路况为“非正常通行”时，如果满足“平均车速＞平均车速排队阈值且占有率＜占有率排队阈值”，则判断待测路段的当前路况为“正常通行”,否则判断待测路段的当前路况为“非正常通行”。
其中，所述平均车速排队阈值为50km/h,所述占有率排队阈值为20％。
进一步的，所述检测系统还包括：所述“非正常通行”包括“排队通行”和“道路拥堵”；所述路况判断模块，还用于进行以下判断：当待测路段的上次路况为“正常通行”，且已经判断出待测路段的当前路况为“非正常通行”时，如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”；当待测路段的上次路况为“排队通行”或者“道路拥堵”，且已经判断出待测路段的当前路况为“非正常通行”时，进行判断步骤A；所述判断步骤A包括：如果不满足“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”，则判断待测路段的当前路况与上次路况保持一致，否则进行判断步骤B；所述判断步骤B包括：如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”。
其中，所述平均车速排队阈值为50km/h,所述占有率排队阈值为20％。
其中，所述平均车速拥堵阈值为20km/h,所述占有率拥堵阈值为30％。
进一步的，所述检测系统还包括数据清洗模块；所述车检器将实时采集到的数据发送到数据清洗模块；所述数据清洗模块，用于接收车检器实时采集到的数据并且进行数据清洗，将清洗后的数据发送到变化率计算模块和路况判断模块；所述数据清洗包括以下任一或者组合：清洗掉车流量＞车流量最大阈值的数据；清洗掉平均车速＞平均车速最大阈值的数据；清洗掉平均车速为零且车流量不为零的数据；清洗掉车流量为零且平均车速不为零的数据；清洗掉车流量为零且占有率不为零的数据；清洗掉占有率为零且车流量大于2辆/5分钟的数据；清洗掉占有率大于95％且平均车速大于5km/h的数据。
其中，所述平均车速最大阈值为120km/h。
本发明公路路况的检测方法和系统，实时采集车流量、平均车速、以及占有率数据，然后把各种参数相互结合起来、通过有规则的流程性的方法来判断路况，不存在由于互通、枢纽等问题而导致误报率增大的现象，能够快速准确的获取多种路况信息。本发明在判断路况之前，先对数据进行预清洗获取有效数据，使得待分析的数据更加准确合理，降低了交通事件的误报率。本发明使得监控员能够在最短的时间内做出应急指挥调度的措施，最大限度的减轻交通事件对正常交通的影响，保证路网畅通，方便人们出行。
附图说明
图1为本发明公路路况的检测方法的第一实施例的流程图。
图2为本发明公路路况的检测方法的第二实施例的流程图。
图3为本发明公路路况的检测系统的第一实施例的系统框图。
图4为本发明公路路况的检测系统的第二实施例的系统框图。
具体实施方式
公路的运行路况是随着时间的变化而逐渐改变的，本发明将公路路况分为“正常通行”、“排队通行”、以及“道路拥堵”三种状态，根据车流量变化率、占有率变化率及速度变化率作为报警事件发生的依据，而三种状态的划分则根据平均车速和占有率的阈值来判定。
本发明中，所述占有率是指道路的空间占有率，即待测路段内车辆占有的道路量与待测路段全部道路总量的比率。
所述车流量是指预定单位时间内通过待测路段的车辆数。
所述平均车速是指待测路段内车辆的平均速度。
需要说明的是，实际应用中通常是对待测路段的不同方向分别判断路况，所以本发明中所述的车流量、平均车速、以及占有率都是指待测路段待测方向的数据。
下文表格1-3中列出了不同高速公路路段的车检器在不同时间段采集到的参数数据及通过录像确认后的实时路况。
表1车检器A处
| 时间 | 通行状态 | 平均车速(km/h) | 占有率(％) | 车流量(车辆数/5分钟) |
| 17:10 | 正常通行 | 55 | 24％ | 210 |
| 17:15 | 正常通行 | 55 | 23 | 191 |
| 17:20 | 正常通行 | 53 | 24 | 196 |
| 17:25 | 排队通行 | 48 | 27 | 190 |
| 17:30 | 排队通行 | 55 | 27 | 221 |
| 17:35 | 排队通行 | 57 | 22 | 201 |
| 17:40 | 正常通行 | 61 | 14 | 178 |
表2车检器B处
| 时间 | 通行状态 | 平均车速(km/h) | 占有率(％) | 车流量(车辆数/5分钟) |
| 20:05 | 正常通行 | 53 | 17 | 146 |
| 20:10 | 正常通行 | 52 | 19 | 148 |
| 20:15 | 排队通行 | 46 | 21 | 140 |
| 20:20 | 排队通行 | 53 | 22 | 174 |
| 20:25 | 排队通行 | 50 | 23 | 172 |
| 20:30 | 排队通行 | 52 | 22 | 160 |
| 20:35 | 正常通行 | 55 | 15 | 129 |
表3车检器C处
| 时间 | 通行状态 | 平均车速(km/h) | 占有率(％) | 车流量(车辆数/5分钟) |
| 13:05 | 正常通行 | 75 | 8 | 142 |
| 13:10 | 正常通行 | 58 | 12 | 141 |
| 13:15 | 排队通行 | 43 | 21 | 113 |
| 13:20 | 道路拥堵 | 15 | 31 | 84 |
| 13:25 | 道路拥堵 | 18 | 33 | 65 |
| 13:30 | 道路拥堵 | 17 | 31 | 71 |
| 13:35 | 排队通行 | 35 | 22 | 95 |
| 13:40 | 正常通行 | 50 | 17 | 104 |
从以上表格中的数据可以看出，当同一车检器相邻周期内的“车流量变化率＜0且平均车速变化率＜0且占有率变化率＞0”，并且平均车速和占有率在给定的阈值范围内时通行状态由正常通行变为排队通行或者道路拥堵，包括：平均车速排队阈值为50km/h,占有率排队阈值为20％，平均车速拥堵阈值为20km/h,占有率拥堵阈值为30％。
参考图1所示，为本发明公路路况检测方法的第一实施例的流程图，能够判断出路况为“正常通行”还是“非正常通行”，具体包括：
实时采集待测路段的车流量、平均车速、以及占有率，并计算出车流量变化率、平均车速变化率、以及占有率变化率；
当待测路段的上次路况为“正常通行”时，如果同时满足“车流量变化率＜0且平均车速变化率＜0且占有率变化率＞0”和“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”,则判断待测路段的当前路况为“非正常通行”,否则判断待测路段的当前路况为“正常通行”；
当待测路段的上次路况为“非正常通行”时，如果满足“平均车速＞平均车速排队阈值且占有率＜占有率排队阈值”，则判断待测路段的当前路况为“正常通行”,否则判断待测路段的当前路况为“非正常通行”。
其中，所述平均车速排队阈值为50km/h,所述占有率排队阈值为20％。
其中，可以设置告警标志：待测路段的路况为“正常通行”时，告警标志F＝0；待测路段的路况为“非正常通行”时，告警标志F＝1；告警标志F＝1时进行告警处理。
进一步的，在图1的第一实施例的基础上，本发明还提供了公路路况检测方法的第二实施例，能够判断出路况为“正常通行”、“排队通行”还是“道路拥堵”，其中“排队通行”和“道路拥堵”都属于“非正常通行”状态；参考图2第二实施例的流程图所示：
实时采集待测路段的车流量、平均车速、以及占有率，并计算出车流量变化率、平均车速变化率、以及占有率变化率；
当待测路段的上次路况为“正常通行”时，如果同时满足“车流量变化率＜0且平均车速变化率＜0且占有率变化率＞0”和“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”,则判断待测路段的当前路况为“非正常通行”,否则判断待测路段的当前路况为“正常通行”；
当待测路段的上次路况为“正常通行”，且已经判断出待测路段的当前路况为“非正常通行”时，如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”。
当待测路段的上次路况为“非正常通行”时，如果满足“平均车速＞平均车速排队阈值且占有率＜占有率排队阈值”，则判断待测路段的当前路况为“正常通行”,否则判断待测路段的当前路况为“非正常通行”；
当待测路段的上次路况为“排队通行”或者“道路拥堵”，且已经判断出待测路段的当前路况为“非正常通行”时，进行判断步骤A；
所述判断步骤A包括：如果不满足“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”，则判断待测路段的当前路况与上次路况保持一致：即如果待测路段的上次路况为“排队通行”，那么待测路段的当前路况也为“排队通行”，如果待测路段的上次路况为“道路拥堵”，那么待测路段的当前路况也为“道路拥堵”；否则进行判断步骤B；
所述判断步骤B包括：如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”。
其中，所述平均车速排队阈值为50km/h,所述占有率排队阈值为20％。
其中，所述平均车速拥堵阈值为20km/h,所述占有率拥堵阈值为30％。
其中，可以设置告警标志：待测路段的路况为“正常通行”时，告警标志F＝0；待测路段的路况为“非正常通行”时，告警标志F＝1；告警标志F＝1时进行告警处理。
本发明中可以采用车检器或其它方式定时检测待测方向的交通数据，每次检测获得的一组交通数据都包括车流量、平均车速和占有率，由于检测过程中可能会存在数据遗漏、错误或不精确等问题，这些问题数据的存在会直接影响检测算法的准确性，从而导致对当前交通事件的误判，所以在判断路况之前，可以预先对实时采集到的车流量、平均车速、以及占有率的数据进行数据清洗。本发明的数据清洗方法，是对组内数据按照下列方法进行评估处理，如果被认为是错误的，则去除整组交通数据。
所述数据清洗包括以下任一或者组合：
1.清洗掉车流量＞车流量最大阈值的数据；
表4中列出了某个高速公路待测路段待测方向的固定时间点之前5分钟内的车流量数据，根据历史车流量数据将该待测路段待测方向的车流量最大阈值设置为每5分钟350辆。
表4车流量数据
| 时间 | 02:00 | 04:00 | 06:00 | 08:00 | 10:00 | 12:00 |
| 车流量(车辆数/5分钟) | 24 | 8 | 34 | 81 | 129 | 245 |
| 时间 | 14:00 | 16:00 | 18:00 | 20:00 | 22:00 | 24:00 |
| 车流量(车辆数/5分钟) | 144 | 153 | 127 | 93 | 89 | 47 |
通用的，根据多条公路大量现场数据分析后,确定所述车流量最大阈值为(待测方向车道数×180辆)/5分钟。
2.清洗掉平均车速＞平均车速最大阈值的数据；
根据<<中华人民共和国道路交通安全法实施条例>>第七十八条高速公路应当标明车道的行驶速度，最高车速不得超过每小时120公里，所以将所述平均车速最大阈值设为120km/h。
3.清洗掉平均车速为零且车流量不为零的数据；
平均车速为零，说明在一段时间内没有车辆通过，所以如果出现车流量不为零的情况，表明数据为错误数据，应该清洗掉。
4.清洗掉车流量为零且平均车速不为零的数据；
5.清洗掉车流量为零且占有率不为零的数据；
在一段时间内的车流量为零，其平均车速和占有率必然全为零，如果出现其中一种参数不为零的情况都为错误数据，应该清洗掉。
6.清洗掉占有率为零且车流量大于2辆/5分钟的数据；
根据占有率和车流量之间的关系，占有率为零时，车流量必然为零，但由于车检器检测到的占有率只精确到1％，使得一些占有率小于1％的情况被忽略，所以占有率为零时，可能存在一定大小的车流量，所以需要清洗掉占有率为零，且车流量大于2辆/5分钟的数据；
7.清洗掉占有率大于95％且平均车速大于5km/h的数据。
根据占有率和平均车速的关系，占有率很大时，平均车速会很低，所以需要清洗掉占有率大于95％且平均车速大于5km/h的数据。
参考图3为本发明公路路况的检测系统的第一实施例，包括：
车检器、变化率计算模块、路况判断模块；
所述车检器用于实时采集待测路段的车流量、平均车速、以及占有率，并且将实时采集到的数据发送到变化率计算模块和路况判断模块；
所述变化率计算模块，用于接收车检器实时采集到的数据并计算出车流量变化率、平均车速变化率、以及占有率变化率，将计算出的变化率数据发送到路况判断模块；
所述路况判断模块，用于接收车检器实时采集到的数据和变化率计算模块计算出的变化率数据，并进行以下判断：
当待测路段的上次路况为“正常通行”时，如果同时满足“车流量变化率＜0且平均车速变化率＜0且占有率变化率＞0”和“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”,则判断待测路段的当前路况为“非正常通行”,否则判断待测路段的当前路况为“正常通行”；
当待测路段的上次路况为“非正常通行”时，如果满足“平均车速＞平均车速排队阈值且占有率＜占有率排队阈值”，则判断待测路段的当前路况为“正常通行”,否则判断待测路段的当前路况为“非正常通行”。
进一步的，所述“非正常通行”包括“排队通行”和“道路拥堵”；
所述路况判断模块，还用于进行以下判断：
当待测路段的上次路况为“正常通行”，且已经判断出待测路段的当前路况为“非正常通行”时，如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”；
当待测路段的上次路况为“排队通行”或者“道路拥堵”，且已经判断出待测路段的当前路况为“非正常通行”时，进行判断步骤A；
所述判断步骤A包括：如果不满足“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”，则判断待测路段的当前路况与上次路况保持一致：即如果待测路段的上次路况为“排队通行”，那么待测路段的当前路况也为“排队通行”，如果待测路段的上次路况为“道路拥堵”，那么待测路段的当前路况也为“道路拥堵”；否则进行判断步骤B；
所述判断步骤B包括：如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”。
其中，所述平均车速排队阈值为50km/h,所述占有率排队阈值为20％。
其中，所述平均车速拥堵阈值为20km/h,所述占有率拥堵阈值为30％。
其中，系统初始设置路况为“正常通行”，告警标志F＝0；当路况由“正常通行”变为“非正常通行”时，告警标志F变为1并且进行告警处理；当路况由“非正常通行”变为“正常通行”时，告警标志F变为0。
参考图4为本发明公路路况的检测系统的第二实施例，与第一实施例不同的是，第二实施例还包括数据清洗模块：
所述车检器将实时采集到的数据发送到数据清洗模块；
所述数据清洗模块，用于接收车检器实时采集到的数据并且进行数据清洗，将清洗后的数据发送到变化率计算模块和路况判断模块；
所述数据清洗包括以下任一或者组合：
1.清洗掉车流量＞车流量最大阈值的数据；
其中，所述车流量最大阈值为(待测方向车道数×180辆)/5分钟。
2.清洗掉平均车速＞平均车速最大阈值的数据；
根据<<中华人民共和国道路交通安全法实施条例>>第七十八条高速公路应当标明车道的行驶速度，最高车速不得超过每小时120公里，所以将所述平均车速最大阈值设为120km/h。
3.清洗掉平均车速为零且车流量不为零的数据；
平均车速为零，说明在一段时间内没有车辆通过，所以如果出现车流量不为零的情况，表明数据为错误数据，应该清洗掉。
4.清洗掉车流量为零且平均车速不为零的数据；
5.清洗掉车流量为零且占有率不为零的数据；
在一段时间内的车流量为零，其平均车速和占有率必然全为零，如果出现其中一种参数不为零的情况都为错误数据，应该清洗掉。
6.清洗掉占有率为零且车流量大于2辆/5分钟的数据；
根据占有率和车流量之间的关系，占有率为零时，车流量必然为零，但由于车检器检测到的占有率只精确到1％，使得一些占有率小于1％的情况被忽略，所以占有率为零时，可能存在一定大小的车流量，所以需要清洗掉占有率为零，且车流量大于2辆/5分钟的数据；
7.清洗掉占有率大于95％且平均车速大于5km/h的数据。
根据占有率和平均车速的关系，占有率很大时，平均车速会很低，所以需要清洗掉占有率大于95％且平均车速大于5km/h的数据。
本发明公路路况的检测方法和系统，实时采集车流量、平均车速、以及占有率数据，然后把各种参数相互结合起来、通过有规则的流程性的方法来判断路况，不存在由于互通、枢纽等问题而导致误报率增大的现象，能够快速准确的获取多种路况信息。本发明在判断路况之前，先对数据进行预清洗获取有效数据，使得待分析的数据更加准确合理，降低了交通事件的误报率。本发明使得监控员能够在最短的时间内做出应急指挥调度的措施，最大限度的减轻交通事件对正常交通的影响，保证路网畅通，方便人们出行。
本发明的实施例仅给出了一些具体实施方式，本领域的普通技术人员在不脱离本申请的发明精神和构思的情况下，可以做出各种变型，这些都属于本申请的权利要求所要求保护的范围。
Claims (10)
1.一种公路路况的检测方法，其特征在于，包括：
实时采集待测路段的车流量、平均车速、以及占有率，并计算出车流量变化率、平均车速变化率、以及占有率变化率；
当待测路段的上次路况为“正常通行”时，如果同时满足“车流量变化率＜0且平均车速变化率＜0且占有率变化率＞0”和“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”,则判断待测路段的当前路况为“非正常通行”,否则判断待测路段的当前路况为“正常通行”；
当待测路段的上次路况为“非正常通行”时，如果满足“平均车速＞平均车速排队阈值且占有率＜占有率排队阈值”，则判断待测路段的当前路况为“正常通行”,否则判断待测路段的当前路况为“非正常通行”。
2.如权利要求1所述的方法，其特征在于：
所述“非正常通行”包括“排队通行”和“道路拥堵”；
当待测路段的上次路况为“正常通行”，且已经判断出待测路段的当前路况为“非正常通行”时，如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”；
当待测路段的上次路况为“排队通行”或者“道路拥堵”，且已经判断出待测路段的当前路况为“非正常通行”时，进行判断步骤A；
所述判断步骤A包括：如果不满足“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”，则判断待测路段的当前路况与上次路况保持一致，否则进行判断步骤B；
所述判断步骤B包括：如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”。
3.如权利要求1所述的方法，其特征在于：所述平均车速排队阈值为50km/h和/或所述占有率排队阈值为20％。
4.如权利要求2所述的方法，其特征在于：所述平均车速拥堵阈值为20km/h和/或所述占有率拥堵阈值为30％。
5.如权利要求1-4任一项所述的方法，其特征在于：
预先对实时采集到的车流量、平均车速、以及占有率的数据进行数据清洗，所述数据清洗包括以下任一或者组合：
清洗掉车流量＞车流量最大阈值的数据；
清洗掉平均车速＞平均车速最大阈值的数据；
清洗掉平均车速为零且车流量不为零的数据；
清洗掉车流量为零且平均车速不为零的数据；
清洗掉车流量为零且占有率不为零的数据；
清洗掉占有率为零且车流量大于2辆/5分钟的数据；
清洗掉占有率大于95％且平均车速大于5km/h的数据。
6.如权利要求5所述的方法，其特征在于：
所述平均车速最大阈值为120km/h。
7.一种公路路况的检测系统，其特征在于，包括：
车检器、变化率计算模块、路况判断模块；
所述车检器用于实时采集待测路段的车流量、平均车速、以及占有率，并且将实时采集到的数据发送到变化率计算模块和路况判断模块；
所述变化率计算模块，用于接收车检器实时采集到的数据并计算出车流量变化率、平均车速变化率、以及占有率变化率，将计算出的变化率数据发送到路况判断模块；
所述路况判断模块，用于接收车检器实时采集到的数据和变化率计算模块计算出的变化率数据，并进行以下判断：
当待测路段的上次路况为“正常通行”时，如果同时满足“车流量变化率＜0且平均车速变化率＜0且占有率变化率＞0”和“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”,则判断待测路段的当前路况为“非正常通行”,否则判断待测路段的当前路况为“正常通行”；
当待测路段的上次路况为“非正常通行”时，如果满足“平均车速＞平均车速排队阈值且占有率＜占有率排队阈值”，则判断待测路段的当前路况为“正常通行”,否则判断待测路段的当前路况为“非正常通行”。
8.如权利要求7所述的系统，其特征在于，包括：
所述“非正常通行”包括“排队通行”和“道路拥堵”；
所述路况判断模块，还用于进行以下判断：
当待测路段的上次路况为“正常通行”，且已经判断出待测路段的当前路况为“非正常通行”时，如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”；
当待测路段的上次路况为“排队通行”或者“道路拥堵”，且已经判断出待测路段的当前路况为“非正常通行”时，进行判断步骤A；
所述判断步骤A包括：如果不满足“平均车速＜平均车速排队阈值且占有率＞占有率排队阈值”，则判断待测路段的当前路况与上次路况保持一致，否则进行判断步骤B；
所述判断步骤B包括：如果满足“平均车速＜平均车速拥堵阈值且占有率＞占有率拥堵阈值”，则判断待测路段的当前路况为“道路拥堵”，否则判断待测路段的当前路况为“排队通行”。
9.如权利要求7或8所述的系统，其特征在于，还包括数据清洗模块；
所述车检器将实时采集到的数据发送到数据清洗模块；
所述数据清洗模块，用于接收车检器实时采集到的数据并且进行数据清洗，将清洗后的数据发送到变化率计算模块和路况判断模块；
所述数据清洗包括以下任一或者组合：
清洗掉车流量＞车流量最大阈值的数据；
清洗掉平均车速＞平均车速最大阈值的数据；
清洗掉平均车速为零且车流量不为零的数据；
清洗掉车流量为零且平均车速不为零的数据；
清洗掉车流量为零且占有率不为零的数据；
清洗掉占有率为零且车流量大于2辆/5分钟的数据；
清洗掉占有率大于95％且平均车速大于5km/h的数据。
10.如权利要求9所述的系统，其特征在于：
所述平均车速最大阈值为120km/h。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410201325.6A CN103956052B (zh) | 2014-05-13 | 2014-05-13 | 一种公路路况的检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410201325.6A CN103956052B (zh) | 2014-05-13 | 2014-05-13 | 一种公路路况的检测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103956052A true CN103956052A (zh) | 2014-07-30 |
| CN103956052B CN103956052B (zh) | 2016-08-24 |
Family
ID=51333321
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410201325.6A Active CN103956052B (zh) | 2014-05-13 | 2014-05-13 | 一种公路路况的检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103956052B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103971516A (zh) * | 2014-05-13 | 2014-08-06 | 紫光捷通科技股份有限公司 | 交通数据预处理方法及路况检测方法 |
| CN105809370A (zh) * | 2016-04-08 | 2016-07-27 | 北京数行健科技有限公司 | 一种事故出险服务人员的调度方法 |
| CN108668311A (zh) * | 2017-03-29 | 2018-10-16 | 中国移动通信集团四川有限公司 | 小区区域流量预警方法和装置 |
| CN108765990A (zh) * | 2018-06-15 | 2018-11-06 | 歌尔科技有限公司 | 一种智能交通控制方法、装置、设备及系统 |
| CN113034892A (zh) * | 2019-12-25 | 2021-06-25 | 南京理工大学 | 基于动态数据流实时趋势分析的高速公路拥堵识别方法 |
| CN114078327A (zh) * | 2020-08-20 | 2022-02-22 | 浙江宇视科技有限公司 | 道路拥堵状态检测方法、装置、设备和存储介质 |
| CN115148018A (zh) * | 2021-03-31 | 2022-10-04 | 海信集团控股股份有限公司 | 交通事件检测设备及方法 |
| CN117877249A (zh) * | 2023-12-07 | 2024-04-12 | 西藏北斗森荣科技(集团)股份有限公司 | 一种基于大数据分析的交通拥挤度评估系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001084479A (ja) * | 1999-09-14 | 2001-03-30 | Matsushita Electric Ind Co Ltd | 交通流データ予測装置及び交通流データ予測方法 |
| US20050222751A1 (en) * | 2004-04-06 | 2005-10-06 | Honda Motor Co., Ltd | Method for refining traffic flow data |
| CN101540103A (zh) * | 2008-03-17 | 2009-09-23 | 上海宝康电子控制工程有限公司 | 交通信息采集及事件处理的方法与系统 |
| CN101599217A (zh) * | 2009-07-17 | 2009-12-09 | 北京交通大学 | 一种快速路交通状态判别方法 |
| CN102542801A (zh) * | 2011-12-23 | 2012-07-04 | 北京易华录信息技术股份有限公司 | 一种融合多种交通数据的交通状况预测系统及方法 |
| CN103247177A (zh) * | 2013-05-21 | 2013-08-14 | 清华大学 | 大规模路网交通流实时动态预测系统 |
| CN103971516A (zh) * | 2014-05-13 | 2014-08-06 | 紫光捷通科技股份有限公司 | 交通数据预处理方法及路况检测方法 |
-
2014
- 2014-05-13 CN CN201410201325.6A patent/CN103956052B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001084479A (ja) * | 1999-09-14 | 2001-03-30 | Matsushita Electric Ind Co Ltd | 交通流データ予測装置及び交通流データ予測方法 |
| US20050222751A1 (en) * | 2004-04-06 | 2005-10-06 | Honda Motor Co., Ltd | Method for refining traffic flow data |
| CN101540103A (zh) * | 2008-03-17 | 2009-09-23 | 上海宝康电子控制工程有限公司 | 交通信息采集及事件处理的方法与系统 |
| CN101599217A (zh) * | 2009-07-17 | 2009-12-09 | 北京交通大学 | 一种快速路交通状态判别方法 |
| CN102542801A (zh) * | 2011-12-23 | 2012-07-04 | 北京易华录信息技术股份有限公司 | 一种融合多种交通数据的交通状况预测系统及方法 |
| CN103247177A (zh) * | 2013-05-21 | 2013-08-14 | 清华大学 | 大规模路网交通流实时动态预测系统 |
| CN103971516A (zh) * | 2014-05-13 | 2014-08-06 | 紫光捷通科技股份有限公司 | 交通数据预处理方法及路况检测方法 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103971516B (zh) * | 2014-05-13 | 2016-04-20 | 紫光捷通科技股份有限公司 | 交通数据预处理方法及路况检测方法 |
| CN103971516A (zh) * | 2014-05-13 | 2014-08-06 | 紫光捷通科技股份有限公司 | 交通数据预处理方法及路况检测方法 |
| CN105809370A (zh) * | 2016-04-08 | 2016-07-27 | 北京数行健科技有限公司 | 一种事故出险服务人员的调度方法 |
| CN105809370B (zh) * | 2016-04-08 | 2020-05-08 | 北京数行健科技有限公司 | 一种事故出险服务人员的调度方法 |
| CN108668311B (zh) * | 2017-03-29 | 2021-07-30 | 中国移动通信集团四川有限公司 | 小区区域流量预警方法和装置 |
| CN108668311A (zh) * | 2017-03-29 | 2018-10-16 | 中国移动通信集团四川有限公司 | 小区区域流量预警方法和装置 |
| CN108765990A (zh) * | 2018-06-15 | 2018-11-06 | 歌尔科技有限公司 | 一种智能交通控制方法、装置、设备及系统 |
| CN113034892A (zh) * | 2019-12-25 | 2021-06-25 | 南京理工大学 | 基于动态数据流实时趋势分析的高速公路拥堵识别方法 |
| CN113034892B (zh) * | 2019-12-25 | 2022-09-06 | 南京理工大学 | 基于动态数据流实时趋势分析的高速公路拥堵识别方法 |
| CN114078327A (zh) * | 2020-08-20 | 2022-02-22 | 浙江宇视科技有限公司 | 道路拥堵状态检测方法、装置、设备和存储介质 |
| CN114078327B (zh) * | 2020-08-20 | 2023-01-24 | 浙江宇视科技有限公司 | 道路拥堵状态检测方法、装置、设备和存储介质 |
| CN115148018A (zh) * | 2021-03-31 | 2022-10-04 | 海信集团控股股份有限公司 | 交通事件检测设备及方法 |
| CN115148018B (zh) * | 2021-03-31 | 2024-05-24 | 海信集团控股股份有限公司 | 交通事件检测设备及方法 |
| CN117877249A (zh) * | 2023-12-07 | 2024-04-12 | 西藏北斗森荣科技(集团)股份有限公司 | 一种基于大数据分析的交通拥挤度评估系统 |
| CN117877249B (zh) * | 2023-12-07 | 2024-08-13 | 西藏北斗森荣科技(集团)股份有限公司 | 一种基于大数据分析的交通拥挤度评估系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103956052B (zh) | 2016-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103956052A (zh) | 一种公路路况的检测方法和系统 | |
| CN103971516B (zh) | 交通数据预处理方法及路况检测方法 | |
| CN107742418B (zh) | 一种城市快速路交通拥堵状态及堵点位置自动识别方法 | |
| CN104933860B (zh) | 基于gps数据的公交车堵车延误时间预测方法 | |
| CN104751642B (zh) | 一种高等级道路交通流运行风险实时预估方法 | |
| CN101739824B (zh) | 基于数据融合技术的交通状况估计方法 | |
| CN103903465B (zh) | 一种道路拥堵原因实时发布方法及系统 | |
| CN103440768B (zh) | 一种基于动态修正的公交车到达时间实时预测方法 | |
| Cai et al. | Shock wave approach for estimating queue length at signalized intersections by fusing data from point and mobile sensors | |
| CN108871357B (zh) | 一种在电子地图上显示拥堵路段的事故车道的方法 | |
| CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
| Lu et al. | Estimating traffic speed with single inductive loop event data | |
| CN104240499A (zh) | 一种基于微波数据的异常拥堵点判别方法 | |
| CN103985251B (zh) | 一种车辆排队长度测算的方法及系统 | |
| JP7275718B2 (ja) | 異常交通流検出装置、異常交通流検出方法、及び異常交通流検出プログラム | |
| CN104809879A (zh) | 基于动态贝叶斯网络的高速公路路段交通状态估计方法 | |
| CN103903444B (zh) | 一种即时发现快速路拥堵引发点的方法和系统 | |
| CN106781460B (zh) | 一种路段交通状态确定方法及装置 | |
| CN106251621A (zh) | 智慧交通管理系统及方法 | |
| CN102426783B (zh) | 基于车辆跟踪的低流量道路交通事件检测方法 | |
| CN104700630A (zh) | 一种高速公路车流量的监测方法及系统 | |
| CN102289937B (zh) | 基于停车线检测器的城市地面道路交通状态自动判别方法 | |
| CN107886726B (zh) | 占道/停车行为检测方法与装置 | |
| JP3876653B2 (ja) | 交通流の異常検知装置及び方法 | |
| CN107025789B (zh) | 一种交通事件检测方法及装置 |
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 |
Address after: No. 403, block B, building 27, Zhongguancun Software Park Phase I, 8 Dongbeiwang West Road, Haidian District, Beijing 100085 Patentee after: Qianfang Jietong Technology Co.,Ltd. Address before: 1203, Weishi Building, No. 39 Xueyuan Road, Haidian District, Beijing, 100191 Patentee before: UNIS JIETONG TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address |