CN104021672A - 一种获取交通拥堵指数的方法和装置 - Google Patents
一种获取交通拥堵指数的方法和装置 Download PDFInfo
- Publication number
- CN104021672A CN104021672A CN201410253829.2A CN201410253829A CN104021672A CN 104021672 A CN104021672 A CN 104021672A CN 201410253829 A CN201410253829 A CN 201410253829A CN 104021672 A CN104021672 A CN 104021672A
- Authority
- CN
- China
- Prior art keywords
- tsi
- traffic congestion
- index
- road
- subjective feeling
- 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
本发明实施例提供一种获取交通拥堵指数的方法和装置,涉及交通信息领域,在获取交通拥堵指数时,增加了对用户心理感受和外界环境的考虑,解决了现有技术获得的交通拥堵指数对交通拥堵的评价不够准确的问题。该方法包括:获取交通流数据,并构造体现速度对交通拥堵指数的影响的速度核心函数;获取天气标识,并构造体现天气对交通拥堵指数的影响的天气影响函数;获取时间段标识,并构造体现用户心理感受对交通拥堵指数的影响的主观感受函数;通过该速度核心函数、该天气影响函数和该主观感受函数生成交通拥堵指数计算模型,通过该交通拥堵指数计算模型得到交通拥堵指数。该方法用于获取交通拥堵指数。
Description
技术领域
本发明涉及交通信息领域,尤其涉及一种获取交通拥堵指数的方法和装置。
背景技术
随着社会经济的不断发展,汽车保有量的不断攀升,交通拥堵问题日趋严重。现有技术通常采用交通拥堵指数评价道路的交通拥堵状况,其中,该交通拥堵指数是利用交通流数据对道路拥堵程度进行量化得到的。
具体地,现有技术获取交通拥堵指数普遍从速度值本身出发,例如,通过道路实际速度Vi和道路自由流速度Vfi得到TSI(TrafficSpeed Index,速度指数):
TSI=Vi/Vfi,
并通过该TSI得到交通拥堵指数TPI(Traffic Performance Index,交通拥堵指数):
TPI=K*(1-TSI),其中,K为交通指数取值范围因子,K>0,如K=10,则TPI∈[0,10],TPI值越大,道路越拥堵。
由上述可知,现有技术中对道路拥堵的评价只是从道路速度值出发,然而,针对在同一道路上的相同行驶速度,在不同时间或不同环境下,用户对拥堵状况的感知是不同的,例如,在使用相同的行驶速度行驶在同一道路上的条件下,用户在晚间低峰时间段感受到的道路拥堵状况会明显不同于用户在上班早高峰时间段感受到的道路拥堵状况,然而,由于是相同的行驶速度,交通拥堵指数评价出的交通拥堵状况却是一样的,降低了用户体验,另外,在遇到大雪天或其它导致能见度降低的天气时,道路实际速度Vi相对大幅下降,此时交通拥堵指数显示出路况拥堵,但实际上,在恶劣天气下,用户出于安全性考虑,会放慢行驶速度,也就是说,道路实际速度Vi的大幅下降可能并不是道路拥堵导致的,此时,采用交通拥堵指数评价出的交通拥堵状况可能与实际不符。可见,现有技术中的交通拥堵指数对于实际交通拥堵状况的评价不够准确。
发明内容
本发明提供一种获取交通拥堵指数的方法和装置,在获取交通拥堵指数时,增加了对用户心理感受和外界环境的考虑,解决了现有技术获得的交通拥堵指数对交通拥堵的评价不够准确的问题。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面,提供一种获取交通拥堵指数的方法,所述方法包括:获取道路的交通流数据,根据所述交通流数据得到速度指标,并根据所述速度指标构造速度核心函数;所述交通流数据包括所述道路的实际速度和所述道路的自由流速度;
获取天气标识,根据所述天气标识确定对应的天气影响因子,并根据所述天气影响因子和所述速度指标构造天气影响函数;
获取时间段标识,并根据所述时间段标识和所述速度指标得到主观感受因子,并根据所述主观感受因子和所述速度指标构造主观感受函数;
根据所述速度核心函数、所述天气影响函数和所述主观感受函数生成交通拥堵指数计算模型,通过所述交通拥堵指数计算模型得到所述道路的交通拥堵指数。
第二方面,提供一种交通拥堵评价装置,所述交通拥堵评价装置包括:
获取单元,用于获取道路的交通流数据;
数据处理单元,用于根据所述数据获取单元获取到的交通流数据得到速度指标,并根据所述速度指标构造速度核心函数;所述交通流数据包括所述道路的实际速度和所述道路的自由流速度;
所述获取单元还用于,获取天气标识;所述交通拥堵评价装置存储天气标识与天气影响因子的对应关系;
确定单元,用于根据所述对应关系确定所述数据获取单元获取到的天气标识对应的天气影响因子;
所述数据处理单元还用于,根据所述确定单元确定的天气影响因子和所述速度指标构造天气影响函数;
所述获取单元还用于,获取时间段标识;
所述确定单元还用于,根据所述时间段标识和所述速度指标得到主观感受因子;
所述数据处理单元还用于,根据所述确定单元得到的主观感受因子和所述速度指标构造主观感受函数;
根据所述速度核心函数、所述天气影响函数和所述主观感受函数生成交通拥堵指数计算模型,通过所述交通拥堵指数计算模型得到所述道路的交通拥堵指数。
采用上述方案,本发明在计算获取交通拥堵指数的计算模型中,加入了用户主观感受函数和天气影响函数,也就是说,本发明在获取评价道路拥堵状况的交通拥堵指数时,综合考虑了用户对交通拥堵的实际感受、天气对道路状况的影响和行驶速度,因此,通过本方案获取到的交通拥堵指数能更准确的评价交通拥堵状况。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面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来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种获取交通拥堵指数的方法的流程示意图;
图2为本发明提供的一种交通拥堵评价装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,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前提下所获得的所有其他实施例,都属于本发明保护的范围。
值得说明的是,本申请对本发明所有实施例的说明符合通常情况下的交通拥堵指数对道路拥堵的评价关系,即交通拥堵指数越大,道路越拥堵,但是,本发明也可应用于其他情况,例如,交通拥堵指数越小,道路越拥堵,对于此种情况,本申请不做详细说明,另外,在应用本发明获取到的交通拥堵指数评价交通拥堵状况时,交通拥堵等级的具体划分本发明不作限定。
本发明实施例提供一种获取交通拥堵指数的方法,该方法的执行主体为交通拥堵评价装置,如图1所示,该方法包括:
S101、交通拥堵评价装置获取道路的交通流数据,根据该交通流数据得到速度指标,并根据该速度指标构造速度核心函数。
其中,该交通流数据包括该道路的实际速度和该道路的自由流速度。
需要说明的是,该交通拥堵评价装置可以从浮动车系统中获取该交通流数据,该浮动车系统为通过收集城市内出租车回传的GPS(Global Positioning System,全球定位系统)点的位置信息,生成城市交通信息的智能系统,该交通信息包括该交通流数据。
具体地,该交通拥堵评价装置通过以下计算模型计算得到该速度指标:
TSI=Vi/Vfi;
其中,该Vi为该道路的实际速度,该Vfi为该道路的自由流速度,该TSI为该速度指标,另外,在Vi>Vfi时,取Vi=Vfi。
进一步地,该交通拥堵评价装置根据该TSI构造速度核心函数:F1(c,TSI)=logcTSI;其中,该F1(c,TSI)为该速度核心函数,该c为指数增长控制因子,0<c<1。该速度核心函数表示实际行驶速度对交通拥堵指数的影响度。
S102、该交通拥堵评价装置获取天气标识,根据该天气标识确定对应的天气影响因子,并根据该天气影响因子和该速度指标构造天气影响函数。
具体地,该交通拥堵评价装置根据预设对应关系确定对应该天气标识的天气影响因子a,其中,0≤a<1;并根据该天气影响因子a和该速度指标TSI构造天气影响函数:F2(a,TSI)=1-a*TSI,该F2(a,TSI)为该天气影响函数。
需要说明的是,该交通拥堵评价装置存储有天气标识与天气影响因子的对应关系,例如,天气晴朗对应天气影响因子a=0;小雨对应天气影响因子a=1/4;大雨对应天气影响因子a=1/2;大学对应天气影响因子a=3/4。则该交通拥堵评价装置根据该天气标识确定当前的天气情况时,根据该对应关系确定该天气影响因子。
另外,交通拥堵评价装置存储的天气标识与天气影响因子的对应关系可以由用户预先配置,上述只是举例说明,该对应关系也可以是不同的天气对应天气影响因子a的一个取值范围,本发明对此不做限定。
S103、该交通拥堵评价装置获取时间段标识,并根据该时间段标识和该速度指标得到主观感受因子,并根据该主观感受因子和该速度指标构造主观感受函数。
在本发明实施例的一种可能的实现方式中,若该时间段标识指示当前为车流高峰时间段,则该交通拥堵评价装置根据该时间段标识和该速度指标确定主观感受因子为b,并构造函数:F3(b,TSI)=1+b*TSI;该F3(b,TSI)为该主观感受函数,该F3(b,TSI)与大于第一预设阈值的TSI负相关,即b取负因子。
需要说明的是,通常用户对车流高峰时间段的道路拥堵已经司空见惯,而在车流高峰时间段遇到道路畅通时,用户心理感受到的道路畅通状况会比TSI表示出的道路畅通状况高。因此,该交通拥堵评价装置根据时间段标识和TSI可相应的确定主观感受因子为b。
例如,该交通拥堵评价装置根据该时间段标识确定当前为车流高峰时间段,并且,TSI大于第一预设阈值0.6,则该交通拥堵评价装置选取该主观感受因子b=-0.2,此时,该主观感受函数:
F3(-0.2,0.6)=1-0.2*0.6=0.88,
由上式可知,该主观感受函数放大了车流高峰时间段用户对畅通的主观感受。
在本发明实施例的另一种可能的实现方式中,若该时间段标识指示当前为车流低峰时间段,则该交通拥堵评价装置根据该时间段标识和该速度指标确定主观感受因子为b,并构造函数:F3(b,TSI)=1+b*(1-TSI);该F3(b,TSI)为该主观感受函数,该F3(b,TSI)与小于第二预设阈值的TSI负相关,此时,b取正因子。
需要说明的是,在车流低峰时间段遇到道路畅通时,用户会理所当然地认为道路就应该是畅通的,而在车流低峰时间段遇到道路拥堵时,用户心理感受到的道路拥堵状况会比TSI表示出的道路拥堵状况高。因此,该交通拥堵评价装置根据时间段标识和TSI可相应的确定主观感受因子为b,并构造影响交通拥堵指数的主观感受函数。
示例地,该交通拥堵评价装置根据该时间段标识确定当前为车流低峰时间段,并且,TSI小于第二预设阈值0.3,则该交通拥堵评价装置选取该主观感受因子b=0.2,此时,该主观感受函数:
F3(0.2,0.2)=1+0.2*(1-0.2)=1.16,
由上式可知,该主观感受函数放大了车流低峰时间段用户对拥堵的主观感受。
另外,该时间段标识指示的车流高峰时间段可具体为上班早高峰时间段,如7:00-9:00,下班晚高峰时间段,如17:00-19:00;该时间段标识指示的车流低峰时间段可具体为22:00-7:00;则对于平峰时间段,如,9:00-17:00,上述两种实现方式中的主观感受因子均可确定为b=0,表示在车流平峰时间段,用户的主观感受不影响交通拥堵指数。
S104、该交通拥堵评价装置根据该速度核心函数、该天气影响函数和该主观感受函数生成交通拥堵指数计算模型,通过该交通拥堵指数计算模型得到该道路的交通拥堵指数。
具体地,该交通拥堵评价装置根据该速度核心函数F1(c,TSI)、该天气影响函数F2(a,TSI)和该主观感受函数F3(b,TSI)生成交通拥堵指数计算模型:TPI=k*F1(c,TSI)*F2(a,TSI)*F3(b,TSI);其中,该TPI为交通拥堵指数,该K>0,用于调节交通拥堵指数的大小。
示例地,参照步骤S101至步骤S103中的相应描述,该F1(c,TSI)可以为F1(c,TSI)=logcTSI,该F2(a,TSI)可以为F2(a,TSI)=1-a*TSI,该F3(b,TSI)在车流高峰时间段可以为F3(b,TSI)=1+b*TSI,在车流低峰时间段可以为F3(b,TSI)=1+b*(1-TSI),因此,该交通拥堵评价装置生成车流高峰时间段的交通拥堵指数计算模型:
TPI=k*logcTSI*(1-a*TSI)*(1+b*TSI);
车流低峰时间段的交通拥堵指数计算模型:
TPI=k*logcTSI*(1-a*TSI)*[1+b*(1-TSI)];
需要说明的是,由速度核心函数F1(c,TSI)=logcTSI,0<c<1,0<TSI≤1可知,该交通拥堵指数TPI的取值范围为[0,+∞),这样,该交通拥堵指数可以将所有不同的交通拥堵状况通过不同的数字显示出来,相比现有技术中交通拥堵指数的最大取值为10,也就是说,在交通拥堵达到一定程度后,对于之后更拥堵的交通状况,现有技术中均用交通拥堵指数10表示,本发明实施例获取到的交通拥堵指数,能更敏感的体现交通拥堵状况,对于严重拥堵,该交通拥堵指数能够被放大到像突发事件一样被凸显出来,提升了用户体验。另外,该交通拥堵评价装置通过调节k值大小,可以调节该交通拥堵指数的大小;通过调节c值大小,可以改变该交通拥堵指数的增长趋势,由此可根据用户需求调节该交通拥堵指数对不同程度的交通拥堵状况的敏感度。
另外,该交通拥堵评价装置可以按照用户配置的最细时间粒度获取道路的交通拥堵指数,如每5分钟获取一次交通拥堵指数,则该交通拥堵评价装置还可以采用算术平均的方法获取该道路在一天时间内总的交通拥堵指数,例如,该交通拥堵评价装置求取车流高峰时间段的所有最细时间粒度的交通拥堵指数的算术平均值,以此作为评价该道路在一天内的高峰时间段拥堵状况的交通拥堵指数。这样,该交通拥堵评价装置实现了时间维度的指数合并,该交通拥堵评价装置对空间维度的指数合并可参照以下描述。
根据步骤S101至步骤S104,该交通拥堵评价装置可获取具体某一条道路的交通拥堵指数TPIij,TPIij表示编号为j的i等级道路的交通拥堵指数,进一步地,该交通拥堵评价装置可进一步获取同一道路等级的多条道路的交通拥堵指数TPIi。
具体地,该交通拥堵评价装置获取路网中道路等级为i的所有道路的交通拥堵指数道路长度,并根据该交通拥堵指数和该道路长度通过以下计算模型得到评价道路等级为i的所有道路在该路网中的交通拥堵状况的交通拥堵指数TPIi:
其中,该TPIij为编号为j的i等级道路的交通拥堵指数;该Lij为该路网中编号为j的i等级道路的长度;该ni为该路网中i等级道路的数量。
需要说明的是,该交通拥堵评价装置存储了不同空间区域、活动区域等的名称以及对应道路的等级及编号,根据城市道路划分标准及具体实施情况,将道路等级分为:1-高速公路;2-城市快速路;3-主干道;4-次干道;5-支路,同一道路等级的不同道路分别对应不同的编号,该TPIij即为编号为j的i等级道路的交通拥堵指数。
另外,该TPIij还可以是编号为j的i等级道路在最细空间粒度内所有最细时间粒度的交通拥堵指数的算术平均值,该最细空间粒度指示进行空间维度指数合并的时间周期,例如,该交通拥堵评价装置每5分钟获取一次编号为j的i等级道路的交通拥堵指数,即最细时间粒度为5分钟,且该交通拥堵评价装置每20分钟获取一次道路等级为i的所有道路的交通拥堵指数TPIi,即最细空间粒度为20分钟,则该交通拥堵评价装置在最细空间粒度的20分钟内最多可获取到4个编号为j的i等级道路的交通拥堵指数,这样,该交通拥堵评价装置在进行空间维度指数合并时,所使用的TPIij为该交通拥堵评价装置在20分钟内获取到的编号为j的i等级道路的所有交通拥堵指数的算术平均值。
进一步地,该交通拥堵评价装置获取所有道路等级对应的道路的TPIi,并根据该TPIi通过以下计算模型得到评价该路网的道路拥堵状况的交通拥堵指数TPIall:
另外,该交通拥堵评价装置还可存储关键日期,则该交通拥堵评价装置获取该路网在关键日期的交通拥堵指数,以便根据该交通拥堵指数分析该关键日期对道路拥堵状况的影响;其中,该关键日期包括节假日期,大型活动及事件的日期。
采用上述方法,本发明实施例在计算获取交通拥堵指数的计算模型中,加入了用户主观感受函数和天气影响函数,也就是说,本发明实施例在获取评价道路拥堵状况的交通拥堵指数时,综合考虑了用户对交通拥堵的实际感受、天气对道路状况的影响和行驶速度,因此,通过本发明实施例获取到的交通拥堵指数能更准确的评价交通拥堵状况。
本发明实施例提供一种交通拥堵评价装置20,对应上述图1的方法实施例,该交通拥堵评价装置20的各个功能单元均可用于上述方法步骤。如图2所示,该交通拥堵评价装置20包括:
获取单元21,用于获取道路的交通流数据。
数据处理单元22,用于根据该数据获取单元21获取到的交通流数据得到速度指标,并根据该速度指标构造速度核心函数。
其中,该交通流数据包括该道路的实际速度和该道路的自由流速度。
该获取单元21还用于,获取天气标识。
其中,该交通拥堵评价装置存储天气标识与天气影响因子的对应关系。
确定单元23,用于根据该对应关系确定该数据获取单元21获取到的天气标识对应的天气影响因子。
该数据处理单元22还用于,根据该确定单元23确定的天气影响因子和该速度指标构造天气影响函数。
该获取单元21还用于,获取时间段标识。
该确定单元23还用于,根据该时间段标识和该速度指标得到主观感受因子。
该数据处理单元22还用于,根据该确定单元23得到的主观感受因子和该速度指标构造主观感受函数,根据该速度核心函数、该天气影响函数和该主观感受函数生成交通拥堵指数计算模型,通过该交通拥堵指数计算模型得到该道路的交通拥堵指数。
需要说明的是,该交通拥堵评价装置可以从浮动车系统中获取该交通流数据,该浮动车系统为通过收集城市内出租车回传的GPS点的位置信息,生成城市交通信息的智能系统,该交通信息包括该交通流数据。另外,为了提高该交通拥堵评价装置的通用性,该交通拥堵评价装置可以支持现有技术中获取交通拥堵指数的方法,因此,该交通拥堵评价装置在得到速度指标后,还可以根据该交通流数据获取饱和度等指标,并将获得的指标进行分类存放在同一个层面,供不同的交通拥堵指数计算模型直接调用。
具体地,该数据处理单元22根据该交通流数据得到速度指标包括,通过以下计算模型计算得到该速度指标:
TSI=Vi/Vfi;
其中,该Vi为该道路的实际速度,该Vfi为该道路的自由流速度,该TSI为该速度指标。
进一步地,该数据处理单元22根据该速度指标构造速度核心函数包括:
根据该TSI构造速度核心函数:F1(c,TSI)=logcTSI;其中,该F1(c,TSI)为该速度核心函数,该c为指数增长控制因子。
需要说明的是,由于该交通拥堵评价装置可以支持现有技术中获取交通拥堵指数的方法,因此,该交通拥堵评价装置中可以包括多个核心指数模型,则该交通拥堵评价装置可以根据用户配置确定该核心指数模型,例如,用户预设该交通拥堵评价装置默认的核心指数模型为该速度核心函数。若该交通拥堵评价装置使用的核心指数模型为现有技术中的常规模型,则该交通拥堵评价装置通过现有技术的获取方法获取交通拥堵指数,此处不再赘述。
具体地,该确定单元23根据该天气标识确定对应的天气影响因子包括,根据预设对应关系确定对应该天气标识的天气影响因子a,其中,0≤a<1;
进一步地,该数据处理单元22根据该天气影响因子和该速度指标构造天气影响函数包括,根据该天气影响因子a和该速度指标TSI构造天气影响函数:F2(a,TSI)=1-a*TSI;该F2(a,TSI)为该天气影响函数。
在本发明实施例一种可能的实现方式中,该确定单元23根据该时间段标识和该速度指标得到主观感受因子包括,若该时间段标识指示当前为车流高峰时间段,则根据该时间段标识和该速度指标确定主观感受因子为b;该数据处理单元22根据该主观感受因子和该速度指标构造主观感受函数包括,该数据处理单元根据该主观感受因子为b和该TSI构造函数:F3(b,TSI)=1+b*TSI;该F3(b,TSI)为该主观感受函数,该F3(b,TSI)与大于第一预设阈值的TSI反相关,即b取负因子。
在本发明另一种可能的实现方式中,该确定单元23根据该时间段标识和该速度指标得到主观感受因子包括,若该时间段标识指示当前为车流低峰时间段,则根据该时间段标识和该速度指标确定主观感受因子为b;该数据处理单元22根据该主观感受因子和该速度指标构造主观感受函数包括,该数据处理单元根据该主观感受因子为b和该TSI构造函数:F3(b,TSI)=1+b*(1-TSI);该F3(b,TSI)为该主观感受函数,该F3(b,TSI)与小于第一预设阈值的TSI反相关,即b取正因子。
进一步地,该数据处理单元22根据该速度核心函数、该天气影响函数和该主观感受函数生成交通拥堵指数计算模型包括,根据该F1(c,TSI)、该F2(a,TSI)和该F3(b,TSI)生成交通拥堵指数计算模型:TPI=k*F1(c,TSI)*F2(a,TSI)*F3(b,TSI);其中,该TPI为交通拥堵指数,该K>0,用于调节交通拥堵指数的大小。
可选地,该获取单元21还用于,获取路网中道路等级为i的所有道路的交通拥堵指数和道路长度;该数据处理单元22还用于,根据该交通拥堵指数和道路长度通过以下计算模型得到评价道路等级为i的所有道路在该路网中的交通拥堵状况的交通拥堵指数TPIi:
其中,该TPIij为编号为j的i等级道路的交通拥堵指数;该Lij为该路网中编号为j的i等级道路的道路长度;该ni为该路网中i等级道路的数量。
可选地,该获取单元21还用于,获取所有道路等级对应的道路的TPIi;该数据处理单元22还用于,根据该TPIi通过以下计算模型得到评价该路网的道路拥堵状况的交通拥堵指数TPIall:
可选地,该获取单元还21还用于,获取该路网在关键日期的交通拥堵指数,以便根据该交通拥堵指数分析该关键日期对道路拥堵状况的影响;其中,该关键日期包括节假日期,大型活动及事件的日期。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (20)
1.一种获取交通拥堵指数的方法,其特征在于,所述方法包括:
获取道路的交通流数据,根据所述交通流数据得到速度指标,并根据所述速度指标构造速度核心函数;所述交通流数据包括所述道路的实际速度和所述道路的自由流速度;
获取天气标识,根据所述天气标识确定对应的天气影响因子,并根据所述天气影响因子和所述速度指标构造天气影响函数;
获取时间段标识,并根据所述时间段标识和所述速度指标得到主观感受因子,并根据所述主观感受因子和所述速度指标构造主观感受函数;
根据所述速度核心函数、所述天气影响函数和所述主观感受函数生成交通拥堵指数计算模型,通过所述交通拥堵指数计算模型得到所述道路的交通拥堵指数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述交通流数据得到速度指标具体包括:
通过以下计算模型计算得到所述速度指标,所述计算模型为:
TSI=Vi/Vfi;
其中,所述Vi为所述道路的实际速度,所述Vfi为所述道路的自由流速度,所述TSI为所述速度指标,0<TSI≤1。
3.根据权利要求1所述的方法,其特征在于,所述根据所述速度指标构造速度核心函数包括:
根据所述TSI构造速度核心函数:F1(c,TSI)=logcTSI;其中,所述F1(c,TSI)为所述速度核心函数,所述c为指数增长控制因子,0<c<1。
4.根据权利要求3所述的方法,其特征在于,所述根据所述天气标识确定对应的天气影响因子包括:
根据预设对应关系确定对应所述天气标识的天气影响因子a,其中,0≤a<1;
所述根据所述天气影响因子和所述速度指标构造天气影响函数包括:
根据所述天气影响因子a和所述速度指标TSI构造天气影响函数:F2(a,TSI)=1-a*TSI;所述F2(a,TSI)为所述天气影响函数。
5.根据权利要求3所述的方法,其特征在于,所述根据所述时间段标识和所述速度指标得到主观感受因子,并根据所述主观感受因子和所述速度指标构造主观感受函数包括:
若所述时间段标识指示当前为车流高峰时间段,则根据所述时间段标识和所述速度指标确定主观感受因子为b,并构造函数:F3(b,TSI)=1+b*TSI;所述F3(b,TSI)为所述主观感受函数,所述F3(b,TSI)与大于第一预设阈值的TSI负相关,即b取负因子。
6.根据权利要求3所述的方法,其特征在于,所述根据所述时间段标识和所述速度指标得到主观感受因子,并根据所述主观感受因子和所述速度指标构造主观感受函数包括:
若所述时间段标识指示当前为车流低峰时间段,则根据所述时间段标识和所述速度指标确定主观感受因子为b,并构造函数:F3(b,TSI)=1+b*(1-TSI);所述F3(b,TSI)为所述主观感受函数,所述F3(b,TSI)与小于第二预设阈值的TSI负相关,即b取正因子。
7.根据权利要求5或6所述的方法,其特征在于,所述根据所述速度核心函数、所述天气影响函数和所述主观感受函数生成交通拥堵指数计算模型包括:
根据所述F1(c,TSI)、所述F2(a,TSI)和所述F3(b,TSI)生成交通拥堵指数计算模型:TPI=k*F1(c,TSI)*F2(a,TSI)*F3(b,TSI);其中,所述TPI为交通拥堵指数,所述K>0,用于调节交通拥堵指数的大小。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取路网中道路等级为i的所有道路的交通拥堵指数和道路长度;
根据所述道路等级为i的所有道路的交通拥堵指数和道路长度通过以下计算模型得到评价道路等级为i的所有道路在所述路网中的交通拥堵状况的交通拥堵指数TPIi:
其中,所述TPIij为编号为j的i等级道路的交通拥堵指数;所述Lij为所述路网中编号为j的i等级道路的道路长度;所述ni为所述路网中i等级道路的数量。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
获取所有道路等级对应的道路的TPIi,并根据所述TPIi通过以下计算模型得到评价所述路网的道路拥堵状况的交通拥堵指数TPIall:
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
获取所述路网在关键日期的交通拥堵指数,以便根据所述交通拥堵指数分析所述关键日期对道路拥堵状况的影响;其中,所述关键日期包括节假日期,大型活动及事件的日期。
11.一种交通拥堵评价装置,其特征在于,所述交通拥堵评价装置包括:
获取单元,用于获取道路的交通流数据;
数据处理单元,用于根据所述数据获取单元获取到的交通流数据得到速度指标,并根据所述速度指标构造速度核心函数;所述交通流数据包括所述道路的实际速度和所述道路的自由流速度;
所述获取单元还用于,获取天气标识;所述交通拥堵评价装置存储天气标识与天气影响因子的对应关系;
确定单元,用于根据所述对应关系确定所述数据获取单元获取到的天气标识对应的天气影响因子;
所述数据处理单元还用于,根据所述确定单元确定的天气影响因子和所述速度指标构造天气影响函数;
所述获取单元还用于,获取时间段标识;
所述确定单元还用于,根据所述时间段标识和所述速度指标得到主观感受因子;
所述数据处理单元还用于,根据所述确定单元得到的主观感受因子和所述速度指标构造主观感受函数;
根据所述速度核心函数、所述天气影响函数和所述主观感受函数生成交通拥堵指数计算模型,通过所述交通拥堵指数计算模型得到所述道路的交通拥堵指数。
12.根据权利要求11所述的交通拥堵评价装置,其特征在于,所述数据处理单元根据所述交通流数据得到速度指标具体包括:
通过以下计算模型计算得到所述速度指标,所述计算模型为:
TSI=Vi/Vfi;
其中,所述Vi为所述道路的实际速度,所述Vfi为所述道路的自由流速度,所述TSI为所述速度指标。
13.根据权利要求11所述的交通拥堵评价装置,其特征在于,所述数据处理单元根据所述速度指标构造速度核心函数包括:
根据所述TSI构造速度核心函数:F1(c,TSI)=logcTSI;其中,所述F1(c,TSI)为所述速度核心函数,所述c为指数增长控制因子。
14.根据权利要求13所述的交通拥堵评价装置,其特征在于,所述确定单元根据所述天气标识确定对应的天气影响因子包括:
根据预设对应关系确定对应所述天气标识的天气影响因子a,其中,0≤a<1;
所述数据处理单元根据所述天气影响因子和所述速度指标构造天气影响函数包括:
根据所述天气影响因子a和所述速度指标TSI构造天气影响函数:F2(a,TSI)=1-a*TSI;所述F2(a,TSI)为所述天气影响函数。
15.根据权利要求13所述的交通拥堵评价装置,其特征在于,所述确定单元根据所述时间段标识和所述速度指标得到主观感受因子包括:
若所述时间段标识指示当前为车流高峰时间段,则根据所述时间段标识和所述速度指标确定主观感受因子为b;
所述数据处理单元根据所述主观感受因子和所述速度指标构造主观感受函数包括:
所述数据处理单元根据所述主观感受因子为b和所述TSI构造函数:F3(b,TSI)=1+b*TSI;所述F3(b,TSI)为所述主观感受函数,所述F3(b,TSI)与大于第一预设阈值的TSI负相关,即b取负因子。
16.根据权利要求13所述的交通拥堵评价装置,其特征在于,所述确定单元根据所述时间段标识和所述速度指标得到主观感受因子包括:
若所述时间段标识指示当前为车流低峰时间段,则根据所述时间段标识和所述速度指标确定主观感受因子为b;
所述数据处理单元根据所述主观感受因子和所述速度指标构造主观感受函数包括:
所述数据处理单元根据所述主观感受因子为b和所述TSI构造函数:F3(b,TSI)=1+b*(1-TSI);所述F3(b,TSI)为所述主观感受函数,所述F3(b,TSI)与小于第二预设阈值的TSI负相关,即b取正因子。
17.根据权利要求15或16所述的交通拥堵评价装置,其特征在于,所述数据处理单元根据所述速度核心函数、所述天气影响函数和所述主观感受函数生成交通拥堵指数计算模型包括:
根据所述F1(c,TSI)、所述F2(a,TSI)和所述F3(b,TSI)生成交通拥堵指数计算模型:TPI=k*F1(c,TSI)*F2(a,TSI)*F3(b,TSI);其中,所述TPI为交通拥堵指数,所述K>0,用于调节交通拥堵指数的大小。
18.根据权利要求11所述的交通拥堵评价装置,其特征在于,所述获取单元还用于,获取路网中道路等级为i的所有道路的交通拥堵指数和道路长度;
所述数据处理单元还用于,根据所述道路等级为i的所有道路的交通拥堵指数道路长度通过以下计算模型得到评价道路等级为i的所有道路在所述路网中的交通拥堵状况的交通拥堵指数TPIi:
其中,所述TPIij为编号为j的i等级道路的交通拥堵指数;所述Lij为所述路网中编号为j的i等级道路的道路长度;所述ni为所述路网中i等级道路的数量。
19.根据权利要求18所述的交通拥堵评价装置,其特征在于,所述获取单元还用于,获取所有道路等级对应的道路的TPIi;
所述数据处理单元还用于,根据所述TPIi通过以下计算模型得到评价所述路网的道路拥堵状况的交通拥堵指数TPIall:
20.根据权利要求19所述的交通拥堵评价装置,其特征在于,所述获取单元还用于:
获取所述路网在关键日期的交通拥堵指数,以便根据所述交通拥堵指数分析所述关键日期对道路拥堵状况的影响;其中,所述关键日期包括节假日期,大型活动及事件的日期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410253829.2A CN104021672B (zh) | 2014-06-09 | 2014-06-09 | 一种获取交通拥堵指数的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410253829.2A CN104021672B (zh) | 2014-06-09 | 2014-06-09 | 一种获取交通拥堵指数的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104021672A true CN104021672A (zh) | 2014-09-03 |
CN104021672B CN104021672B (zh) | 2016-09-07 |
Family
ID=51438402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410253829.2A Active CN104021672B (zh) | 2014-06-09 | 2014-06-09 | 一种获取交通拥堵指数的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104021672B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104282140A (zh) * | 2014-09-22 | 2015-01-14 | 同济大学 | 基于分布式框架的大规模实时交通指数服务方法与系统 |
CN104809870A (zh) * | 2015-04-10 | 2015-07-29 | 安徽四创电子股份有限公司 | 一种高架桥入口匝道交通拥堵等级估计方法 |
CN104851293A (zh) * | 2015-05-18 | 2015-08-19 | 安徽科力信息产业有限责任公司 | 一种基于地点车速的路段交通拥堵指数评价方法 |
CN105405294A (zh) * | 2015-12-30 | 2016-03-16 | 杭州中奥科技有限公司 | 道路拥堵路段的预警方法 |
CN105825683A (zh) * | 2015-08-16 | 2016-08-03 | 李萌 | 一种道路交通状况评价方法 |
CN106652439A (zh) * | 2015-10-28 | 2017-05-10 | 华为数字技术(苏州)有限公司 | 一种确定交通拥堵系数的系统、服务器及方法 |
CN106960568A (zh) * | 2015-12-17 | 2017-07-18 | 国际商业机器公司 | 产生基于不确定性的交通拥堵指数的方法、介质和系统 |
CN107657814A (zh) * | 2017-11-01 | 2018-02-02 | 沈阳世纪高通科技有限公司 | 一种路况信息生成方法和装置 |
CN107862876A (zh) * | 2017-03-27 | 2018-03-30 | 平安科技(深圳)有限公司 | 交通灯控制方法和装置 |
CN108122408A (zh) * | 2016-11-29 | 2018-06-05 | 中国电信股份有限公司 | 一种路况监测方法、装置及其用于监测道路路况的系统 |
CN109099934A (zh) * | 2018-09-10 | 2018-12-28 | 贵州民族大学 | 一种基于标识的天气预报导航系统 |
CN109754606A (zh) * | 2019-02-28 | 2019-05-14 | 山东浪潮云信息技术有限公司 | 一种基于出租车定位预测道路拥堵情况的方法 |
CN110992689A (zh) * | 2019-11-28 | 2020-04-10 | 北京世纪高通科技有限公司 | 拥堵特征的确定方法及装置 |
CN111341107A (zh) * | 2020-05-18 | 2020-06-26 | 成都信息工程大学 | 一种基于云平台数据的共享式交通控制方法 |
CN113327418A (zh) * | 2021-05-31 | 2021-08-31 | 同济大学 | 一种快速路拥堵风险分级实时预测方法 |
CN114999155A (zh) * | 2022-05-26 | 2022-09-02 | 南斗六星系统集成有限公司 | 一种车辆轨迹的拥堵评价方法、装置、设备及存储介质 |
CN117831287A (zh) * | 2023-12-29 | 2024-04-05 | 北京大唐高鸿数据网络技术有限公司 | 高速公路拥堵指数的确定方法、装置、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050222751A1 (en) * | 2004-04-06 | 2005-10-06 | Honda Motor Co., Ltd | Method for refining traffic flow data |
CN101739824A (zh) * | 2009-11-12 | 2010-06-16 | 上海第二工业大学 | 基于数据融合技术的交通状况估计方法 |
JP4809321B2 (ja) * | 2007-12-07 | 2011-11-09 | 住友電気工業株式会社 | 交通情報算出装置、交通情報算出プログラム及び交通情報算出方法 |
CN103177570A (zh) * | 2012-12-25 | 2013-06-26 | 北京交通发展研究中心 | 一种早晚高峰交通拥堵指数的预测方法 |
CN103366557A (zh) * | 2013-07-25 | 2013-10-23 | 北京交通发展研究中心 | 基于拥堵指数的交通拥堵评价方法 |
-
2014
- 2014-06-09 CN CN201410253829.2A patent/CN104021672B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050222751A1 (en) * | 2004-04-06 | 2005-10-06 | Honda Motor Co., Ltd | Method for refining traffic flow data |
JP4809321B2 (ja) * | 2007-12-07 | 2011-11-09 | 住友電気工業株式会社 | 交通情報算出装置、交通情報算出プログラム及び交通情報算出方法 |
CN101739824A (zh) * | 2009-11-12 | 2010-06-16 | 上海第二工业大学 | 基于数据融合技术的交通状况估计方法 |
CN103177570A (zh) * | 2012-12-25 | 2013-06-26 | 北京交通发展研究中心 | 一种早晚高峰交通拥堵指数的预测方法 |
CN103366557A (zh) * | 2013-07-25 | 2013-10-23 | 北京交通发展研究中心 | 基于拥堵指数的交通拥堵评价方法 |
Non-Patent Citations (2)
Title |
---|
何巍楠: "基于浮动车数据的城市常发性交通拥堵时空分布特征研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
张雪莲 等: "基于交通需求的路网交通拥堵评价模型", 《现代交通技术》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104282140A (zh) * | 2014-09-22 | 2015-01-14 | 同济大学 | 基于分布式框架的大规模实时交通指数服务方法与系统 |
CN104809870A (zh) * | 2015-04-10 | 2015-07-29 | 安徽四创电子股份有限公司 | 一种高架桥入口匝道交通拥堵等级估计方法 |
CN104851293A (zh) * | 2015-05-18 | 2015-08-19 | 安徽科力信息产业有限责任公司 | 一种基于地点车速的路段交通拥堵指数评价方法 |
CN104851293B (zh) * | 2015-05-18 | 2017-03-29 | 安徽科力信息产业有限责任公司 | 一种基于地点车速的路段交通拥堵指数评价方法 |
CN105825683A (zh) * | 2015-08-16 | 2016-08-03 | 李萌 | 一种道路交通状况评价方法 |
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 |
CN106652439A (zh) * | 2015-10-28 | 2017-05-10 | 华为数字技术(苏州)有限公司 | 一种确定交通拥堵系数的系统、服务器及方法 |
CN106652439B (zh) * | 2015-10-28 | 2019-07-09 | 华为数字技术(苏州)有限公司 | 一种确定交通拥堵系数的系统、服务器及方法 |
CN106960568A (zh) * | 2015-12-17 | 2017-07-18 | 国际商业机器公司 | 产生基于不确定性的交通拥堵指数的方法、介质和系统 |
CN105405294A (zh) * | 2015-12-30 | 2016-03-16 | 杭州中奥科技有限公司 | 道路拥堵路段的预警方法 |
CN108122408A (zh) * | 2016-11-29 | 2018-06-05 | 中国电信股份有限公司 | 一种路况监测方法、装置及其用于监测道路路况的系统 |
CN107862876A (zh) * | 2017-03-27 | 2018-03-30 | 平安科技(深圳)有限公司 | 交通灯控制方法和装置 |
CN107657814A (zh) * | 2017-11-01 | 2018-02-02 | 沈阳世纪高通科技有限公司 | 一种路况信息生成方法和装置 |
CN107657814B (zh) * | 2017-11-01 | 2019-12-06 | 沈阳世纪高通科技有限公司 | 一种路况信息生成方法和装置 |
CN109099934A (zh) * | 2018-09-10 | 2018-12-28 | 贵州民族大学 | 一种基于标识的天气预报导航系统 |
CN109754606A (zh) * | 2019-02-28 | 2019-05-14 | 山东浪潮云信息技术有限公司 | 一种基于出租车定位预测道路拥堵情况的方法 |
CN109754606B (zh) * | 2019-02-28 | 2021-08-31 | 浪潮卓数大数据产业发展有限公司 | 一种基于出租车定位预测道路拥堵情况的方法 |
CN110992689A (zh) * | 2019-11-28 | 2020-04-10 | 北京世纪高通科技有限公司 | 拥堵特征的确定方法及装置 |
CN111341107A (zh) * | 2020-05-18 | 2020-06-26 | 成都信息工程大学 | 一种基于云平台数据的共享式交通控制方法 |
CN113327418A (zh) * | 2021-05-31 | 2021-08-31 | 同济大学 | 一种快速路拥堵风险分级实时预测方法 |
CN114999155A (zh) * | 2022-05-26 | 2022-09-02 | 南斗六星系统集成有限公司 | 一种车辆轨迹的拥堵评价方法、装置、设备及存储介质 |
CN114999155B (zh) * | 2022-05-26 | 2024-03-19 | 南斗六星系统集成有限公司 | 一种车辆轨迹的拥堵评价方法、装置、设备及存储介质 |
CN117831287A (zh) * | 2023-12-29 | 2024-04-05 | 北京大唐高鸿数据网络技术有限公司 | 高速公路拥堵指数的确定方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104021672B (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104021672A (zh) | 一种获取交通拥堵指数的方法和装置 | |
US20200234382A1 (en) | Determination and Display of Driving Risk | |
US20190347739A1 (en) | Risk Based Automotive Insurance Rating System | |
Michalaki et al. | Exploring the factors affecting motorway accident severity in England using the generalised ordered logistic regression model | |
Coruh et al. | Accident analysis with aggregated data: The random parameters negative binomial panel count data model | |
Gomes et al. | Estimating the safety performance of urban intersections in Lisbon, Portugal | |
Yang et al. | Assessing the risk of secondary crashes on highways | |
Chen et al. | Refined-scale panel data crash rate analysis using random-effects tobit model | |
US20170076509A1 (en) | Assessing environmental impact of vehicle transit | |
Pande et al. | A classification tree based modeling approach for segment related crashes on multilane highways | |
Mokhtarimousavi | A time of day analysis of pedestrian-involved crashes in California: Investigation of injury severity, a logistic regression and machine learning approach using HSIS data | |
Bai et al. | Determining the major causes of highway work zone accidents in Kansas | |
Pei et al. | Bootstrap resampling approach to disaggregate analysis of road crashes in Hong Kong | |
Elvik | Safety-in-numbers: estimates based on a sample of pedestrian crossings in Norway | |
Wu et al. | Relating crash frequency and severity: evaluating the effectiveness of shoulder rumble strips on reducing fatal and major injury crashes | |
Kwigizile et al. | Inconsistencies of ordered and unordered probability models for pedestrian injury severity | |
Chang et al. | Formulating accident occurrence as a survival process | |
Shrestha et al. | Factors associated with crash severities in built-up areas along rural highways of Nevada: A case study of 11 towns | |
Sanusi et al. | Cases of road traffic accident in Nigeria: a time series approach | |
Sawtelle et al. | Driver, roadway, and weather factors on severity of lane departure crashes in Maine | |
Pour et al. | Modeling vehicle-pedestrian crashes with excess zero along Malaysia federal roads | |
Kassu et al. | Identifying the principal factors influencing traffic safety on interstate highways | |
Liu et al. | Modelling motorway merge: The current practice in the UK and towards establishing general principles | |
Ebner et al. | Identifying and analyzing reference scenarios for the development and evaluation of active safety: application to preventive pedestrian safety | |
US11893882B2 (en) | System and process for determining recurring and non-recurring road congestion to mitigate the same |
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 |