CN104700616B - 城市交通压力预测方法及系统 - Google Patents
城市交通压力预测方法及系统 Download PDFInfo
- Publication number
- CN104700616B CN104700616B CN201510088653.4A CN201510088653A CN104700616B CN 104700616 B CN104700616 B CN 104700616B CN 201510088653 A CN201510088653 A CN 201510088653A CN 104700616 B CN104700616 B CN 104700616B
- Authority
- CN
- China
- Prior art keywords
- origin
- parking lot
- urban traffic
- vehicle
- destination information
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种城市交通压力预测方法及系统,能够解决现有技术成本高,以及偏差较大的问题。所述系统包括:停车场车辆管理模块、通信网络模块和城市交通管理分析模块;其中,所述停车场车辆管理模块,用于采集进出所管理的停车场的城市车辆的基础信息,并将采集到的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块;所述基础信息包括车辆标识和时间;所述城市交通管理分析模块,用于根据所述停车场车辆管理模块上传的基础信息生成城市交通压力指数专题地图。
Description
技术领域
本发明涉及城市智能交通规划与管理领域,具体涉及一种城市交通压力预测方法及系统。
背景技术
近年来,随着城镇化的建设和城市车辆保有量的快速增加,城市道路的需求量在不断扩大,城市交通压力也成饱和趋势,对于城市交通的合理规划及管理提出了新的要求。因此,为了应对现代化城市的交通需求,以及为了获得更大的社会、经济和环境效益,城市交通的信息采集、处理和服务等方面亟待提高。传统的城市交通信息获取与管理方法对于人工依赖性较强,存在管控智能化不够和信息发布不及时等缺点。
城市交通起讫点(Origin-Destination,简称OD)数据信息是表征交通流流量的基本交通数据信息。城市交通的OD数据信息是道路规划、建设和智能化管理的基础,不仅可以掌握整个区域的交通出行状况,也是建立包括公路交通控制、信息发布及路线诱导等在内的ITS(智能交通系统)的关键因素。准确的路网交通OD信息采集,能够为完善交通模型以及交通战略研究提供定量分析基础,从而为缓解城市交通压力提供数据支撑。
我国国内于八十年代引入OD调查,在三十年左右的发展过程中,其调查技术逐渐成熟,主要分为三类:OD抽样调查法、道路断面识别获取法和模型反推法。OD抽样调查法,主要是通过人工问卷、GPS(全球定位系统)浮动车和手机定位的形式,采集车辆的出行时间、出行起点和出行目的地等信息,并基于小样本的OD抽样分布结果推算路网整体的OD分布矩阵。这种方式耗费大量的人力、物力、财力,且实时性不够,效率低下。道路断面识别获取法,主要是通过路边数据采集、路边通信、车牌识别处理等技术完成信息数据的传输与调用,获得车辆的OD信息。这种方式对于设备的精度要求较高,且受天气、光线等影响较大,而且安装费用较高。模型反推法,通过路段交通流数据,根据各种模型算法,反推交通OD分布矩阵。这种方式往往由于路况的变化性和偶然性,导致结果偏差很大。
发明内容
本发明的目的在于,提供一种城市交通压力预测方法及系统,能够解决现有技术成本高、对于设备的精度要求较高,以及偏差较大的问题。
为此目的,一方面,本发明提出一种城市交通压力预测系统,包括:
停车场车辆管理模块、通信网络模块和城市交通管理分析模块;其中,
所述停车场车辆管理模块,用于采集进出所管理的停车场的城市车辆的基础信息,并将采集到的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块;所述基础信息包括车辆标识和时间;
所述城市交通管理分析模块,用于根据所述停车场车辆管理模块上传的基础信息生成城市交通压力指数专题地图。
另一方面,本发明提出一种城市交通压力预测方法,应用于城市交通压力预测系统中,所述城市交通压力预测系统包括停车场车辆管理模块、通信网络模块和城市交通管理分析模块,所述方法包括:
所述停车场车辆管理模块采集进出所管理的停车场的城市车辆的基础信息,并将采集到的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块;所述基础信息包括车辆标识和时间;
所述城市交通管理分析模块根据所述停车场车辆管理模块上传的基础信息生成城市交通压力指数专题地图。
本发明实施例所述的城市交通压力预测方法及系统,能够利用现有停车场车辆管理系统和电子收费系统快速准确采集城市车辆的基础信息,提高基础信息采集的准确性和可靠性,省去人工调查或者道路断面取样设备安装的环节,节省大量人力、物力、财力,而且,城市交通管理分析模块根据停车场车辆管理模块上传的数据生成城市交通压力指数专题地图,能够实现智能的交通管理与导向功能,因而解决了现有技术成本高、对于设备的精度要求较高,以及偏差较大的问题。
附图说明
图1为本发明城市交通压力预测系统一实施例的方框结构示意图;
图2为本发明城市交通压力预测方法一实施例的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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地描述,显然,所描述的实施例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。
如图1所示,本实施例公开一种城市交通压力预测系统,包括:
停车场车辆管理模块1、通信网络模块2和城市交通管理分析模块3;其中,
所述停车场车辆管理模块1,用于采集进出所管理的停车场的城市车辆的基础信息,并将采集到的基础信息通过所述通信网络模块2上传到所述城市交通管理分析模块3;所述基础信息包括车辆标识和时间;
所述城市交通管理分析模块3,用于根据所述停车场车辆管理模块1上传的基础信息生成城市交通压力指数专题地图。
本发明实施例中,停车场车辆管理模块可以基于停车场(所述停车场定义包括小区、商场、学校等有管理系统的公共停车场)的停车场车辆管理系统和城市进出口收费站的电子管理系统建立,以借助于停车场车辆管理系统和电子管理系统的城市车辆的基础信息采集功能进行城市车辆的基础信息采集;城市交通管理分析模块可以基于地理信息系统(GIS)建立,以借助于GIS强大的数据存储、空间分析、专题地图生成以及友好的用户界面显示功能,通过对停车场车辆管理模块上传的数据进行处理来生成城市交通压力指数专题地图。
本发明实施例所述的城市交通压力预测系统,能够利用现有停车场车辆管理系统和电子收费系统快速准确采集城市车辆的基础信息,提高基础信息采集的准确性和可靠性,省去人工调查或者道路断面取样设备安装的环节,节省大量人力、物力、财力,而且,城市交通管理分析模块根据停车场车辆管理模块上传的数据生成城市交通压力指数专题地图,能够实现智能的交通管理与导向功能,因而解决了现有技术成本高、对于设备的精度要求较高,以及偏差较大的问题。
可选地,在本发明城市交通压力预测系统的另一实施例中,所述停车场车辆管理模块,具体用于对采集的城市车辆的基础信息进行标准化处理,将所述标准化处理后的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块。
本发明实施例中,城市车辆的基础信息的标准化处理,有利于城市交通管理分析模块的数据存储与分析,为第三方OD信息获取系统提供标准化接口。
可选地,在本发明城市交通压力预测系统的另一实施例中,所述停车场车辆管理模块,还用于将所管理的停车场的标识携带在所采集的基础信息中,通过所述通信网络模块上传到所述城市交通管理分析模块。
可选地,在本发明城市交通压力预测系统的另一实施例中,所述城市交通管理分析模块,用于对所述停车场车辆管理模块上传的基础信息进行拟合分析确定出车辆的起讫点信息矩阵,通过对所述车辆的起讫点信息矩阵进行算法分析,生成预测城市交通压力所需要的预测数据和模型,并根据所述预测城市交通压力所需要的预测数据和模型生成城市交通压力指数专题地图。
可选地,在本发明城市交通压力预测系统的另一实施例中,所述城市交通管理分析模块包括:
数据存储子模块、单车起讫点信息生成子模块、起讫点信息矩阵拟合子模块、分类起讫点信息矩阵生成子模块、预测子模块和发布子模块;
所述数据存储子模块,用于对多个停车场车辆管理模块上传的基础信息进行存储;
所述单车起讫点信息生成子模块,用于根据预设的第一时间周期,按照时间顺序对所述数据存储子模块中存储的具有相同车辆标识的基础信息中的停车场标识进行排序,确定出单车出行信息,根据所述单车出行信息生成单车起讫点信息,并利用所述单车起讫点信息更新车辆起讫点信息数据库;或者,用于根据预设的第二时间周期,判断所述数据存储子模块是否存储了新的基础信息,并仅在判断为是时,按照时间顺序对所述数据存储子模块中存储的具有相同车辆标识的基础信息中的停车场标识进行排序,确定出单车出行信息,根据所述单车出行信息生成单车起讫点信息,并利用所述单车起讫点信息更新车辆起讫点信息数据库;
所述起讫点信息矩阵拟合子模块,用于在所述单车起讫点信息生成子模块更新车辆起讫点信息数据库之后,基于所述车辆起讫点信息数据库,对预设的第三时间周期内进出同一停车场的每一个车辆对应的车辆起讫点信息进行整合,并根据整合后的车辆起讫点信息,生成基于单个停车场的起讫点信息矩阵;
所述分类起讫点信息矩阵生成子模块,用于根据预设的第四时间周期,基于所述车辆起讫点信息数据库,对具有相同出行起讫点和相同停车场标识的起讫点信息矩阵进行数据分析,并按照车辆标识、统计周期和停车场标识生成分类起讫点信息矩阵;
所述预测子模块,用于在所述分类起讫点信息矩阵生成子模块生成分类起讫点信息矩阵之后,对所述分类起讫点信息矩阵进行算法分析,生成城市交通压力预测需求的预测数据和模型,并根据所述城市交通压力预测需求的预测数据和模型生成城市交通压力指数专题地图;
所述发布子模块,用于在所述预测子模块生成城市交通压力指数专题地图之后,将生成的所述城市交通压力指数专题地图进行发布。
本发明实施例中,第一时间周期、第二时间周期、第三时间周期和第四时间周期可以相等,也可以不相等。
如图2所示,本实施例公开一种城市交通压力预测方法,应用于城市交通压力预测系统中,所述城市交通压力预测系统包括停车场车辆管理模块、通信网络模块和城市交通管理分析模块,所述方法包括:
S1、所述停车场车辆管理模块采集进出所管理的停车场的城市车辆的基础信息,并将采集到的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块;所述基础信息包括车辆标识和时间;
S2、所述城市交通管理分析模块根据所述停车场车辆管理模块上传的基础信息生成城市交通压力指数专题地图。
本发明实施例所述的城市交通压力预测方法,能够利用现有停车场车辆管理系统和电子收费系统快速准确采集城市车辆的基础信息,提高基础信息采集的准确性和可靠性,省去人工调查或者道路断面取样设备安装的环节,节省大量人力、物力、财力,而且,城市交通管理分析模块根据停车场车辆管理模块上传的数据生成城市交通压力指数专题地图,能够实现智能的交通管理与导向功能,因而解决了现有技术成本高、对于设备的精度要求较高,以及偏差较大的问题。
可选地,在本发明城市交通压力预测方法的另一实施例中,所述停车场车辆管理模块将采集到的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块,具体包括:
对采集的城市车辆的基础信息进行标准化处理,将所述标准化处理后的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块。
可选地,在本发明城市交通压力预测方法的另一实施例中,所述停车场车辆管理模块将采集到的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块,还包括:
将所管理的停车场的标识携带在所采集的基础信息中,通过所述通信网络模块上传到所述城市交通管理分析模块。
可选地,在本发明城市交通压力预测方法的另一实施例中,所述城市交通管理分析模块根据所述停车场车辆管理模块上传的基础信息生成城市交通压力指数专题地图,包括:
对所述停车场车辆管理模块上传的基础信息进行拟合分析确定出车辆的起讫点信息矩阵,通过对所述车辆的起讫点信息矩阵进行算法分析,生成预测城市交通压力所需要的预测数据和模型,并根据所述预测城市交通压力所需要的预测数据和模型生成城市交通压力指数专题地图。
可选地,在本发明城市交通压力预测方法的另一实施例中,所述对所述停车场车辆管理模块上传的基础信息进行拟合分析确定出车辆的起讫点信息矩阵,通过对所述车辆的起讫点信息矩阵进行算法分析,生成预测城市交通压力所需要的预测数据和模型,并根据所述预测城市交通压力所需要的预测数据和模型生成城市交通压力指数专题地图包括:
对多个停车场车辆管理模块上传的基础信息进行存储;
根据预设的第一时间周期,按照时间顺序对所述数据存储子模块中存储的具有相同车辆标识的基础信息中的停车场标识进行排序,确定出单车出行信息,根据所述单车出行信息生成单车起讫点信息,并利用所述单车起讫点信息更新车辆起讫点信息数据库;或者,根据预设的第二时间周期,判断所述数据存储子模块是否存储了新的基础信息,并仅在判断为是时,按照时间顺序对所述数据存储子模块中存储的具有相同车辆标识的基础信息中的停车场标识进行排序,确定出单车出行信息,根据所述单车出行信息生成单车起讫点信息,并利用所述单车起讫点信息更新车辆起讫点信息数据库;
在更新车辆起讫点信息数据库之后,基于所述车辆起讫点信息数据库,对预设的第三时间周期内进出同一停车场的每一个车辆对应的车辆起讫点信息进行整合,并根据整合后的车辆起讫点信息,生成基于单个停车场的起讫点信息矩阵;
根据预设的第四时间周期,基于所述车辆起讫点信息数据库,对具有相同出行起讫点和相同停车场标识的起讫点信息矩阵进行数据分析,并按照车辆标识、统计周期和停车场标识生成分类起讫点信息矩阵;
在生成分类起讫点信息矩阵之后,对所述分类起讫点信息矩阵进行算法分析,生成城市交通压力预测需求的预测数据和模型,并根据所述城市交通压力预测需求的预测数据和模型生成城市交通压力指数专题地图;
在生成城市交通压力指数专题地图之后,将生成的所述城市交通压力指数专题地图进行发布。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (6)
1.一种城市交通压力预测系统,其特征在于,包括:
停车场车辆管理模块、通信网络模块和城市交通管理分析模块;其中,
所述停车场车辆管理模块,用于采集进出所管理的停车场的城市车辆的基础信息,并将采集到的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块;所述基础信息包括车辆标识和时间;
所述城市交通管理分析模块,用于根据所述停车场车辆管理模块上传的基础信息生成城市交通压力指数专题地图;
所述城市交通管理分析模块,用于对所述停车场车辆管理模块上传的基础信息进行拟合分析确定出车辆的起讫点信息矩阵,通过对所述车辆的起讫点信息矩阵进行算法分析,生成预测城市交通压力所需要的预测数据和模型,并根据所述预测城市交通压力所需要的预测数据和模型生成城市交通压力指数专题地图;
所述城市交通管理分析模块包括:
数据存储子模块、单车起讫点信息生成子模块、起讫点信息矩阵拟合子模块、分类起讫点信息矩阵生成子模块、预测子模块和发布子模块;
所述数据存储子模块,用于对多个停车场车辆管理模块上传的基础信息进行存储;
所述单车起讫点信息生成子模块,用于根据预设的第一时间周期,按照时间顺序对所述数据存储子模块中存储的具有相同车辆标识的基础信息中的停车场标识进行排序,确定出单车出行信息,根据所述单车出行信息生成单车起讫点信息,并利用所述单车起讫点信息更新车辆起讫点信息数据库;或者,用于根据预设的第二时间周期,判断所述数据存储子模块是否存储了新的基础信息,并仅在判断为是时,按照时间顺序对所述数据存储子模块中存储的具有相同车辆标识的基础信息中的停车场标识进行排序,确定出单车出行信息,根据所述单车出行信息生成单车起讫点信息,并利用所述单车起讫点信息更新车辆起讫点信息数据库;
所述起讫点信息矩阵拟合子模块,用于在所述单车起讫点信息生成子模块更新车辆起讫点信息数据库之后,基于所述车辆起讫点信息数据库,对预设的第三时间周期内进出同一停车场的每一个车辆对应的车辆起讫点信息进行整合,并根据整合后的车辆起讫点信息,生成基于单个停车场的起讫点信息矩阵;
所述分类起讫点信息矩阵生成子模块,用于根据预设的第四时间周期,基于所述车辆起讫点信息数据库,对具有相同出行起讫点和相同停车场标识的起讫点信息矩阵进行数据分析,并按照车辆标识、统计周期和停车场标识生成分类起讫点信息矩阵;
所述预测子模块,用于在所述分类起讫点信息矩阵生成子模块生成分类起讫点信息矩阵之后,对所述分类起讫点信息矩阵进行算法分析,生成城市交通压力预测需求的预测数据和模型,并根据所述城市交通压力预测需求的预测数据和模型生成城市交通压力指数专题地图;
所述发布子模块,用于在所述预测子模块生成城市交通压力指数专题地图之后,将生成的所述城市交通压力指数专题地图进行发布。
2.根据权利要求1所述的城市交通压力预测系统,其特征在于,所述停车场车辆管理模块,具体用于对采集的城市车辆的基础信息进行标准化处理,将所述标准化处理后的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块。
3.根据权利要求1所述的城市交通压力预测系统,其特征在于,所述停车场车辆管理模块,还用于将所管理的停车场的标识携带在所采集的基础信息中,通过所述通信网络模块上传到所述城市交通管理分析模块。
4.一种城市交通压力预测方法,其特征在于,应用于城市交通压力预测系统中,所述城市交通压力预测系统包括停车场车辆管理模块、通信网络模块和城市交通管理分析模块,所述方法包括:
所述停车场车辆管理模块采集进出所管理的停车场的城市车辆的基础信息,并将采集到的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块;所述基础信息包括车辆标识和时间;
所述城市交通管理分析模块根据所述停车场车辆管理模块上传的基础信息生成城市交通压力指数专题地图;
所述城市交通管理分析模块根据所述停车场车辆管理模块上传的基础信息生成城市交通压力指数专题地图,包括:
对所述停车场车辆管理模块上传的基础信息进行拟合分析确定出车辆的起讫点信息矩阵,通过对所述车辆的起讫点信息矩阵进行算法分析,生成预测城市交通压力所需要的预测数据和模型,并根据所述预测城市交通压力所需要的预测数据和模型生成城市交通压力指数专题地图;
所述对所述停车场车辆管理模块上传的基础信息进行拟合分析确定出车辆的起讫点信息矩阵,通过对所述车辆的起讫点信息矩阵进行算法分析,生成预测城市交通压力所需要的预测数据和模型,并根据所述预测城市交通压力所需要的预测数据和模型生成城市交通压力指数专题地图包括:
对多个停车场车辆管理模块上传的基础信息进行存储;
根据预设的第一时间周期,按照时间顺序对所述数据存储子模块中存储的具有相同车辆标识的基础信息中的停车场标识进行排序,确定出单车出行信息,根据所述单车出行信息生成单车起讫点信息,并利用所述单车起讫点信息更新车辆起讫点信息数据库;或者,根据预设的第二时间周期,判断所述数据存储子模块是否存储了新的基础信息,并仅在判断为是时,按照时间顺序对所述数据存储子模块中存储的具有相同车辆标识的基础信息中的停车场标识进行排序,确定出单车出行信息,根据所述单车出行信息生成单车起讫点信息,并利用所述单车起讫点信息更新车辆起讫点信息数据库;
在更新车辆起讫点信息数据库之后,基于所述车辆起讫点信息数据库,对预设的第三时间周期内进出同一停车场的每一个车辆对应的车辆起讫点信息进行整合,并根据整合后的车辆起讫点信息,生成基于单个停车场的起讫点信息矩阵;
根据预设的第四时间周期,基于所述车辆起讫点信息数据库,对具有相同出行起讫点和相同停车场标识的起讫点信息矩阵进行数据分析,并按照车辆标识、统计周期和停车场标识生成分类起讫点信息矩阵;
在生成分类起讫点信息矩阵之后,对所述分类起讫点信息矩阵进行算法分析,生成城市交通压力预测需求的预测数据和模型,并根据所述城市交通压力预测需求的预测数据和模型生成城市交通压力指数专题地图;
在生成城市交通压力指数专题地图之后,将生成的所述城市交通压力指数专题地图进行发布。
5.根据权利要求4所述的城市交通压力预测方法,其特征在于,所述停车场车辆管理模块将采集到的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块,具体包括:
对采集的城市车辆的基础信息进行标准化处理,将所述标准化处理后的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块。
6.根据权利要求4所述的城市交通压力预测方法,其特征在于,所述停车场车辆管理模块将采集到的基础信息通过所述通信网络模块上传到所述城市交通管理分析模块,还包括:
将所管理的停车场的标识携带在所采集的基础信息中,通过所述通信网络模块上传到所述城市交通管理分析模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510088653.4A CN104700616B (zh) | 2015-02-26 | 2015-02-26 | 城市交通压力预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510088653.4A CN104700616B (zh) | 2015-02-26 | 2015-02-26 | 城市交通压力预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104700616A CN104700616A (zh) | 2015-06-10 |
CN104700616B true CN104700616B (zh) | 2017-07-14 |
Family
ID=53347688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510088653.4A Expired - Fee Related CN104700616B (zh) | 2015-02-26 | 2015-02-26 | 城市交通压力预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104700616B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105788270A (zh) * | 2016-05-13 | 2016-07-20 | 广州运星科技有限公司 | 基于物联网的交通数据预测方法及处理服务器 |
CN108376472A (zh) * | 2018-04-24 | 2018-08-07 | 浙江方大智控科技有限公司 | 基于智能交通灯od信息分析的路段管理方法及系统 |
CN115457771A (zh) * | 2022-09-05 | 2022-12-09 | 张丽丽 | 一种基于大数据的城市交通管理系统及方法 |
CN115578855A (zh) * | 2022-09-09 | 2023-01-06 | 内蒙古尚禾能源科技有限公司 | 一种基于大数据加密的智慧城市共享管理系统及方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0822598A (ja) * | 1994-07-06 | 1996-01-23 | Nippon Signal Co Ltd:The | 駐車場管理装置 |
JP3510373B2 (ja) * | 1995-02-24 | 2004-03-29 | 日本信号株式会社 | 車両入出場管理装置 |
JP5195848B2 (ja) * | 2010-08-31 | 2013-05-15 | 株式会社デンソー | 交通状況予測装置 |
CN102436756A (zh) * | 2010-09-29 | 2012-05-02 | 北京紫光百会科技有限公司 | 一种智能停车诱导系统和方法 |
CN202904887U (zh) * | 2012-10-19 | 2013-04-24 | 杭州立方自动化工程有限公司 | 一种停车场出入口防拥堵系统 |
CN103198671A (zh) * | 2013-03-01 | 2013-07-10 | 上海喜泊客信息技术有限公司 | 提示停车场出入口拥堵情况的系统及方法 |
CN104123833B (zh) * | 2013-04-25 | 2017-07-28 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN103426309B (zh) * | 2013-07-29 | 2015-05-13 | 吉林大学 | 一种基于出租车行驶状态信息判别交通拥堵程度的方法 |
-
2015
- 2015-02-26 CN CN201510088653.4A patent/CN104700616B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104700616A (zh) | 2015-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564226B (zh) | 一种基于出租车gps及手机信令数据的公交线路优化方法 | |
CN102110364B (zh) | 基于路口和路段的交通信息处理方法和装置 | |
CN108109382B (zh) | 基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN104778263B (zh) | 一种电动车充电站系统仿真数据挖掘方法 | |
CN101694706A (zh) | 基于多源数据融合的人口时空动态出行特征建模方法 | |
CN104700616B (zh) | 城市交通压力预测方法及系统 | |
CN101976505A (zh) | 交通评价方法及系统 | |
CN106373425B (zh) | 一种基于大数据的停车管理系统 | |
CN103606266B (zh) | 基于数据包络分析的路网交通改善方案效率评估方法 | |
CN104484993A (zh) | 用于交通小区划分的手机信令信息的处理方法 | |
CN107240264B (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 | |
CN115063978B (zh) | 一种基于数字孪生的公交到站时间预测方法 | |
CN107656987A (zh) | 一种基于lda模型的地铁站点功能挖掘方法 | |
CN104102979B (zh) | 一种办公用车信息化系统及其应用方法 | |
CN109612488A (zh) | 基于大数据微服务的混合出行方式路径规划系统及方法 | |
CN103177595A (zh) | 一种基于实时交通信息的动态路径寻优系统及方法 | |
CN112118548A (zh) | 一种大数据识别常住人口与流动人口的方法和存储设备 | |
CN112036757A (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
CN108108859A (zh) | 一种基于大数据分析的交通管理勤务优化方法 | |
CN109493601B (zh) | 一种公交支线设置方法 | |
CN114298493A (zh) | 一种公路运行监测系统、方法、终端及存储介质 | |
CN106601006B (zh) | 一种基于rfid和微信平台的城市智能交通诱导装置 | |
Chang et al. | Traffic congestion identification method based on GPS equipped floating car | |
CN115810271B (zh) | 一种基于刷卡数据判断客流走廊位置的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180516 Address after: 810000 Qinghai University Science Park, No. 97 Ning Zhang Road, Chengbei District, Xining, Qinghai Patentee after: Qinghai city cloud Big Data Technology Co.,Ltd. Address before: No. 100, Chaoyang District flat Park, Beijing, Beijing Patentee before: Beijing University of Technology |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170714 |