CN104766476A - 一种路段以及路网区域交通状态指数的计算方法 - Google Patents
一种路段以及路网区域交通状态指数的计算方法 Download PDFInfo
- Publication number
- CN104766476A CN104766476A CN201510181521.6A CN201510181521A CN104766476A CN 104766476 A CN104766476 A CN 104766476A CN 201510181521 A CN201510181521 A CN 201510181521A CN 104766476 A CN104766476 A CN 104766476A
- Authority
- CN
- China
- Prior art keywords
- road network
- section
- grid
- sub
- road
- 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
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
- G08G1/0133—Traffic data processing for classifying traffic situation
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种路段以及路网区域交通状态指数的计算方法。该方法的特征在于包含如下步骤:(1)对整个路网区域进行初始化的网格划分;(2)每隔固定的时间计算每个网格区域内所有子路段的速度的均值,得到网格内所有子路段的速度均值的序列,由网格位置坐标及速度均值序列构成描述网格特征的向量;(3)采用聚类的方法对网格的特征向量进行聚类,从而生成若干个路网区域;(4)计算各路段以及聚类后得到的各路网区域的交通指数。本发明能够更加全面而精确地提供当前路网的交通状况,交通状态的精细化预报将能够为交通管理部门以及研究人员提供更为全面的,不同地理尺度下的交通状态信息,有利于提高管理的效率和提高决策的合理性。
Description
技术领域
本发明涉及智能交通领域,具体地,涉及一种路段以及路网区域交通状态指数的计算方法。
背景技术
近年来,交通拥挤成为困扰世界各大城市的主要社会问题之一。交通拥挤不仅使得行车速度下降、出行时间增长,同时还引起油耗和尾气排放的增加,造成了巨大的经济损失。
但事实上,道路网络并不是在所有时间和地点上都是满负荷运行的,若能够及时获得路网上的交通信息、准确地掌握路网的交通状态,并依此进行科学的交通管理和控制决策,充分利用道路交通系统的时空资源,则可在不增加道路设施的情况下,通过提高道路的使用效率和安全性来满足不断增长的运输需求。
道路交通状态指数是一种合理反映各等级道路车辆出行相对拥堵体验的标准化指标。道路交通状态指数是一个无量纲的量。它以道路行程速度为核心计算参数,其取值介于0到100之间。道路交通状态指数的值越大表示交通状态越拥堵,相反则越畅通。道路交通状态指数能精确地反映交通路网状况,对交通管理具有重要意义。
当前描述交通状态的参数主要有交通流量、交通密度和交通流速度等。
(1)交通流量
交通流量是指单位时间内通过道路指定地点或断面的车辆数。交通流量不是一个静止不变的量,具有随时间和空间变化而变化的特征。度量城市交通特性的一种方法是在道路系统内一系列的位置上观察交通流量在时间和空间上的变化规律,并绘出交通流等值图。当交通流量超过某一水平时,认为发生拥挤。然而,这种判断存在的问题是同一流量水平可以对应两种截然不同的交通状态。
(2)交通密度
交通流密度是指在某一瞬间,单位道路长度上存在的车辆数。在通常情况下,交通流量大,交通密度也大。但当道路交通十分拥挤、车流处于停滞状态时,交通流量近似等于零,而此时的交通密度却接近于最大值。因此,单纯使用交通流量指标难以表示交通流的实际状态,而采用交通流密度指标能够做出较好的评价。尽管交通密度能够直观地表明交通状态的性质,但由于该参数采集难度大,并未在实际中获得广泛的应用。
(3)交通流速度
交通流的速度有多种定义。时间平均速度是其中常见的一种。它定义为观测时间段内通过道路某断面的所有车辆的瞬时速度的算术平均值。由于交通流的时间平均速度只能反应交通流在某一断面上的特性,而无法反应在空间上的特性。因此仅依靠交通流速度也无法全面的反应道路的交通状态。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种路段以及路网区域交通状态指数的计算方法。
根据本发明提供的一种路段以及路网区域交通状态指数的计算方法,其特征在于,包括:
步骤1,将整个路网区域划分为若干个相同大小的网格;
步骤2,设定固定的时间间隔Δt,选取任意一个网格,假设为第i个网格,每隔时间Δt计算该网格内所有子路段的速度均值,重复h次计算,得到速度均值序列其中为第i个网格第h次计算得到的速度均值,由该网格的位置坐标(xi,yi)和此速度均值序列可得到描述该网格的特征向量其中所述Δt为数据采样周期的整数倍,xi和yi代表该网格所在的行数和列数,对所有网格均做相同的处理,得到所有网格的特征向量;
步骤3,根据各网格的特征向量对网格进行聚类,将属于同一个类的所有网格进行合并,从而将整个路网划分为若干路网区域;
步骤4,实时采集各所述路网区域所覆盖子路段的交通流速度vi,针对每个路网区域,至少根据所述路网区域所覆盖子路段的自由流速度vf和交通流速度vi计算获得:
道路在该路网区域中的子路段的交通状态指数TSIγ,以及:
该路网区域对应的区域交通状态指数TSI。
作为一种优化方案,所述步骤1进一步为:将整个路网区域按东西、南北走向划分为大小相同的所述若干网格。
作为一种优化方案,所述步骤1进一步包括:
根据从若干车载GPS装置获得的车辆位置信息,获得所有子路段上的交通流速度,对每个所述网格所覆盖子路段的交通流速度求取均值获得所述网格的平均交通流速度所述平均交通流速度的计算公式为:
其中,vk为该网格内的第k个子路段的交通流速度,n为该网格所包含的子路段的数目。
作为一种优化方案,所述步骤1进一步包括:
根据从道路地感线圈获得的车流信息,获得所有子路段上的交通流速度,对每个所述网格所覆盖子路段的交通流速度求取均值获得所述网格的平均交通流速度所述平均交通流速度的计算公式为:
其中,vk为该网格内的第k个子路段的交通流速度,n为该网格所包含的子路段的数目。
作为一种优化方案,所述步骤3具体包括:
步骤A,根据预设的类区域的数量L随机选择L个所述网格为类区域的类中心;
步骤B,将剩下的网格被包含入特征向量距离最近的类中心对应的类区域中;
步骤C,根据所述类区域中各网格的特征向量重新确定每个类区域对应的类中心,判断所有类中心的位置是否有改变,
有改变则返回步骤B,直至所有类区域均被确定;
步骤D,根据所有类区域得到若干路网区域。
作为一种优化方案,所述步骤D具体为:
所述类区域即为一个路网区域;
仅当至少两个所述类区域中覆盖子路段数量均少于预设阈值,且相邻时,所述类区域相互合并为一个路网区域。
作为一种优化方案,所述步骤5中根据所述路网区域所覆盖路段的自由流速度vf、交通流速度vi计算获得该路网区域所覆盖子路段对应的路段交通状态指数TSIγ的过程具体为:
其中,所述路网区域所覆盖子路段的自由流速度vf为该道路完全畅通的情况下车辆的行驶速度。
作为一种优化方案,步骤5中所述道路属性参数包含子路段长度li、子路段的车道数量ki、时间权重系数wt;
路网区域对应的区域交通状态指数TSI的方法具体为:
其中,时间权重wt,分为高峰时段与平峰时段取值;
wr为子路段性质权重,分为快速路、地面主干道、地面支路取值;
vfr为不同性质子路段的自由流速度。
与现有技术相比,本发明具有如下的有益效果:
相比于用不同颜色来将交通状态量化为若干等级的方法,交通状态指数能够更加全面而精确地为出行者提供当前路网的交通状况,更为重要的是对于交通管理部门以及研究人员来说,交通状态指数的精细化预报将能够为他们提供更为全面的、不同地理尺度下的交通状态信息。这对于提高管理的效率和提高决策的合理性非常关键。
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的介绍,显而易见,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。附图中:
图1是可选实施例中的一种路网划分示意图;
图2是可选实施例中的路网区域合并过程示意图;
图3是可选实施例中的实时路网划分效果图;
图4是可选实施例获得的工作日和非工作日的交通指数曲线比较图;
图5是可选实施例中的一种路段以及路网区域交通状态指数的计算方法流程图。
具体实施方式
下文结合附图以具体实施例的方式对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,还可以使用其他的实施例,或者对本文列举的实施例进行结构和功能上的修改,而不会脱离本发明的范围和实质。
实施例:
根据本实施例提供的一种路段以及路网区域交通状态指数的计算方法的实施例,如图5所示,包括:
步骤1,将整个路网区域划分为若干个相同大小的网格;
步骤2,设定固定的时间间隔Δt,选取任意一个网格,假设为第i个网格,每隔时间Δt计算该网格内所有子路段的速度均值,重复h次计算,得到速度均值序列其中为第i个网格第h次计算得到的速度均值,由该网格的位置坐标(xi,yi)和此速度均值序列可得到描述该网格的特征向量其中所述Δt为数据采样周期的整数倍,xi和yi代表该网格所在的行数和列数,对所有网格均做相同的处理,得到所有网格的特征向量;
步骤3,根据各网格的特征向量对网格进行聚类,将属于同一个类的所有网格进行合并,从而将整个路网划分为若干路网区域;
步骤4,实时采集各所述路网区域所覆盖子路段的交通流速度vi,针对每个路网区域,至少根据所述路网区域所覆盖子路段的自由流速度vf和交通流速度vi计算获得:
道路在该路网区域中的子路段的交通状态指数TSIγ,以及:
该路网区域对应的区域交通状态指数TSI。
其中,子路段为本领域常用的说法,是指两个岔路口之间所夹的路段部分。本实施例中是以子路段为基本的计算单元进行计算的。由所述网格单元组成的路网如图1所示。
本实施例所述采样周期为2分钟,时间间隔为10分钟,可获得5个所述该网格内所有子路段的速度均值:该速度均值为对一个网格在一个采样周期中采集若干个交通流速度后获得的均值,也即是每个网格的交通流速度均值。由于不同时间段采集的交通流速度可能具有差异,因此所述路网区域的聚类为动态划分,某个采样周期获得的路网划分如图3所示。为了减小计算量,本实施例中可以将时间间隔Δt设置较大数值,以获得更加稳定的区域划分,以此可以增加下次重新进行区域划分的时间间隔,避免重新进行区域划分的频率过高以致系统工作量过大。
步骤1中将整个路网区域划分为相同大小的网格,作为一种实施例,将待分析的整个路网区域按东西、南北走向划分为大小相同的所述若干网格。如图1所示将地图在东西、南北走向分别等长地划分为相同大小的网格,城市路网的道路被各个网格切分,每个网格覆盖若干条子路段,每条子路段都包含于唯一的一个网格。本实施例为了获得好的效果,根据经验,每个方向上划分的网格数目的取值范围为[50,100]。
步骤2中计算每个网格区域内所有子路段速度的均值的方法,作为一种实施例,根据从若干车载GPS装置获得的车辆位置信息,获得所有子路段上的交通流速度,对每个所述网格所覆盖子路段的交通流速度求取均值获得所述网格的平均交通流速度所述平均交通流速度的计算公式为:
其中,vk为该网格内的第k个子路段的交通流速度,n为该网格所包含的子路段的数目。
作为另一种实施例,根据从道路地感线圈获得的车流信息,获得所有子路段上的交通流速度,对每个所述网格所覆盖子路段的交通流速度求取均值获得所述网格的平均交通流速度所述平均交通流速度的计算公式为:
其中,vk为该网格内的第k个子路段的交通流速度,n为该网格所包含的子路段的数目。
交通数据获取方式中最常见的为地感线圈和GPS设备两种方式。采用地感线圈采集交通数据可以不受外界环境如光照、雨雪等的影响,但是安装复杂,损坏后维修不便,且覆盖的地理范围有限;采用GPS设备获取交通数据,安装和维修都十分方便,且覆盖范围广泛,但是获得的数据精度有限。本实施例中所获得的交通流速度既可以由地感线圈获得,也可以通过GPS设备获得。本实施例中采用每个网格所包含的子路段的交通流速度作为评估当前网格交通状态的输入数据。利用每个网格所包含的子路段的交通流速度计算每个网格区域的平均速度,计算公式如下所示:
其中,vk为该网格内的第k个子路段的交通流速度,n为该网格所包含的子路段的总数目。
作为一种实施例,所述步骤3具体包括:
步骤A,根据预设的类区域的数量L随机选择L个所述网格为类区域的类中心;
步骤B,将剩下的网格被包含入特征向量距离最近的类中心对应的类区域中;
步骤C,根据所述类区域中各网格的特征向量重新确定每个类区域对应的类中心,判断所有类中心的位置是否有改变,
有改变则返回步骤B,直至所有类区域均被确定;
步骤D,根据所有类区域得到若干路网区域。
采用聚类的方法将路网划分为若干个区域,对于已经划分好的网格,利用聚类方法对其进行聚类,包括聚类的具体步骤为:
(1)如上述步骤2所示,选取各个区域的坐标,然后以2分钟为间隔,计算10分钟内各网格的速度的均值,分别得到速度均序列为每个网格构造一个特征向量其中xi,yi为第i个网格的坐标(即第i个网格所处的行和列),每个特征向量是与网格对应的一个样本,这样一共可得到若干组样本。
(2)采用聚类算法,对所有样本进行聚类,从而将整个路网划分为若干个初始的路网区域。本实施例以k-均值算法为例进行网格区域的聚类:首先指定聚类的类别数l(即聚类后得到的路网区域的个数);然后随机的选择L个样本指定为L个类的中心;把剩下的样本按照其离类中心的距离,分配到最近的类中心所在的类;随后重新计算每个类的中心,将其余的样本按照距离类中心的距离最近原则指派到相应的类中心所在的类,再重新计算各个类的类中心;不断重复此过程直到各个类的中心不再发生变化,则聚类过程完成,得到了L个初始的路网区域。
(3)作为一种实施例,所述步骤D具体为:
所述类区域即为一个路网区域;
仅当至少两个所述类区域中覆盖子路段数量均少于预设阈值,且相邻时,所述类区域相互合并为一个路网区域。
对于初始的路网区域,如果几个相邻的路网区域,每个区域的子路段都比较少,则将这几个相邻的路网区域进行合并。图2给出了对需要进行合并的3个相邻的初始路网区域进行合并后的效果图,图2(a)为合并前的图像,图2(b)显示了合并后的结果。经过步骤(1)-(3),得到的最终的路网区域划分图如图4所示。
交通指数的计算根据对象的不同,主要分为道路交通指数计算和区域交通指数计算。作为一种计算各区域的交通指数的实施例,所述步骤5中根据所述路网区域所覆盖路段的自由流速度vf、交通流速度vi计算获得该路网区域所覆盖子路段对应的路段交通状态指数TSIγ的过程具体为:
其中,所述路网区域所覆盖子路段的自由流速度vf为路段的自由流速度,它是指交通量较小,道路完全畅通的情况下车辆的行驶速度,一般采用在凌晨车辆很少的情况下测得的车辆行驶速度作为该路段的自由流速度。TSIr越大表示交通状态更加拥堵,相反则越加畅通。
根据路网动态划分区域图,为了得到区域的交通指数,以便给出区域当前交通状态的宏观表示。在参考了路段的等级、长度、性质等多方面的因素后,所述步骤5中所述道路属性参数包含子路段长度li、子路段的车道数量ki、时间权重系数wt;
路网区域对应的区域交通状态指数TSI的方法具体为:
其中,时间权重wt,分为高峰时段与平峰时段取值,高峰时间由于数据更有代表意义,权值更大;
wr为子路段性质权重,分为快速路、地面主干道、地面支路取值;
vfr为不同性质子路段的自由流速度;
li为路段的里程长度;ki为路段的车道数。
分别选取工作日和周末的GPS数据,每隔半小时计算一次各个区域的交通指数,这样可得到所有区域的全天24小时的交通指数分布。我们将图3中的一个区域的工作日和周末的交通指数绘制于同一图中,效果如图4所示。通过图4可以发现工作日的交通指数具有明显的早、晚高峰特性,而周末因为不用上班,所以没有出现早晚高峰。相对而言,周末的交通指数比较平缓,并未出现如工作日那般的波动性。图4中通过交通指数曲线所反映出的交通流特性与实际情况完全相符,说明了本实施例中呈现的交通指数的计算方法是合理、可行的。另外与传统的通过利用不同颜色来表示交通状态的方法比,采用交通状态指数来评价道路交通状态的方法更为精确。而且交通状态指数在空间和时间上都具有尺度可变性,即用以计算交通指数的区域的大小是可变的;同时计算交通状态指数的时间间隔也是可变的,例如,可以以小时为单位,也可以以日为单位等。
以上所述仅为本发明的较佳实施例,本领域技术人员知悉,在不脱离本发明的精神和范围的情况下,可以对这些特征和实施例进行各种改变或等同替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围内的实施例都属于本发明的保护范围。
Claims (8)
1.一种路段以及路网区域交通状态指数的计算方法,其特征在于,包括:
步骤1,将整个路网区域划分为若干个相同大小的网格;
步骤2,设定固定的时间间隔Δt,选取任意一个网格,假设为第i个网格,每隔时间Δt计算该网格内所有子路段的速度均值,重复h次计算,得到速度均值序列其中为第i个网格第h次计算得到的速度均值,由该网格的位置坐标(xi,yi)和此速度均值序列可得到描述该网格的特征向量其中所述Δt为数据采样周期的整数倍,xi和yi代表该网格所在的行数和列数,对所有网格均做相同的处理,得到所有网格的特征向量;
步骤3,根据各网格的特征向量对网格进行聚类,将属于同一个类的所有网格进行合并,从而将整个路网划分为若干路网区域;
步骤4,实时采集各所述路网区域所覆盖子路段的交通流速度vi,针对每个路网区域,至少根据所述路网区域所覆盖子路段的自由流速度vf和交通流速度vi计算获得:
道路在该路网区域中的子路段的交通状态指数TSIγ,以及:
该路网区域对应的区域交通状态指数TSI。
2.根据权利要求1所述的一种路段以及路网区域交通状态指数的计算方法,其特征在于,所述步骤1进一步为:将整个路网区域按东西、南北走向划分为大小相同的所述若干网格。
3.根据权利要求1所述的一种路段以及路网区域交通状态指数的计算方法,其特征在于,所述步骤1进一步包括:
根据从若干车载GPS装置获得的车辆位置信息,获得所有子路段上的交通流速度,对每个所述网格所覆盖子路段的交通流速度求取均值获得所述网格的平均交通流速度所述平均交通流速度的计算公式为:
其中,vk为该网格内的第k个子路段的交通流速度,n为该网格所包含的子路段的数目。
4.根据权利要求1所述的一种路段以及路网区域交通状态指数的计算方法,其特征在于,所述步骤1进一步包括:
根据从道路地感线圈获得的车流信息,获得所有子路段上的交通流速度,对每个所述网格所覆盖子路段的交通流速度求取均值获得所述网格的平均交通流速度所述平均交通流速度的计算公式为:
其中,vk为该网格内的第k个子路段的交通流速度,n为该网格所包含的子路段的数目。
5.根据权利要求1所述的一种路段以及路网区域交通状态指数的计算方法,其特征在于,所述步骤3具体包括:
步骤A,根据预设的类区域的数量L随机选择L个所述网格为类区域的类中心;
步骤B,将剩下的网格被包含入特征向量距离最近的类中心对应的类区域中;
步骤C,根据所述类区域中各网格的特征向量重新确定每个类区域对应的类中心,判断所有类中心的位置是否有改变,
有改变则返回步骤B,直至所有类区域均被确定;
步骤D,根据所有类区域得到若干路网区域。
6.根据权利要求5所述的一种路段以及路网区域交通状态指数的计算方法,其特征在于,所述步骤D具体为:
所述类区域即为一个路网区域;
仅当至少两个所述类区域中覆盖子路段数量均少于预设阈值,且相邻时,所述类区域相互合并为一个路网区域。
7.根据权利要求1所述的一种路段以及路网区域交通状态指数的计算方法,其特征在于,所述步骤5中根据所述路网区域所覆盖路段的自由流速度vf、交通流速度vi计算获得该路网区域所覆盖子路段对应的路段交通状态指数TSIγ的过程具体为:
其中,所述路网区域所覆盖子路段的自由流速度vf为该道路完全畅通的情况下车辆的行驶速度。
8.根据权利要求7所述的一种路段以及路网区域交通状态指数的计算方法,其特征在于,步骤5中所述道路属性参数包含子路段长度li、子路段的车道数量ki、时间权重系数wt;
路网区域对应的区域交通状态指数TSI的方法具体为:
其中,时间权重wt,分为高峰时段与平峰时段取值;
wr为子路段性质权重,分为快速路、地面主干道、地面支路取值;
vfr为不同性质子路段的自由流速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510181521.6A CN104766476B (zh) | 2015-04-16 | 2015-04-16 | 一种路段以及路网区域交通状态指数的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510181521.6A CN104766476B (zh) | 2015-04-16 | 2015-04-16 | 一种路段以及路网区域交通状态指数的计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104766476A true CN104766476A (zh) | 2015-07-08 |
CN104766476B CN104766476B (zh) | 2017-01-11 |
Family
ID=53648273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510181521.6A Active CN104766476B (zh) | 2015-04-16 | 2015-04-16 | 一种路段以及路网区域交通状态指数的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766476B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104637313A (zh) * | 2013-11-11 | 2015-05-20 | 阿里巴巴集团控股有限公司 | 道路行车速度确定方法及装置 |
CN105741548A (zh) * | 2016-04-19 | 2016-07-06 | 上海理工大学 | 一种生成交通状态云图的方法 |
CN107092617A (zh) * | 2016-10-27 | 2017-08-25 | 北京小度信息科技有限公司 | 一种信息处理方法及装置 |
CN107153891A (zh) * | 2017-05-10 | 2017-09-12 | 百度在线网络技术(北京)有限公司 | 区域转移调度方法、装置、设备及存储介质 |
CN108346292A (zh) * | 2018-04-17 | 2018-07-31 | 吉林大学 | 基于卡口数据的城市快速路实时交通指数计算方法 |
CN108765939A (zh) * | 2018-05-11 | 2018-11-06 | 贵阳信息技术研究院(中科院软件所贵阳分部) | 基于聚类算法的动态交通拥堵指数计算方法 |
CN108806287A (zh) * | 2018-06-27 | 2018-11-13 | 沈阳理工大学 | 一种基于协同优化的交通信号配时方法 |
CN109035755A (zh) * | 2017-06-12 | 2018-12-18 | 北京嘀嘀无限科技发展有限公司 | 路况分析方法、装置、服务器和计算机可读存储介质 |
CN109658000A (zh) * | 2018-12-26 | 2019-04-19 | 中兴智能交通股份有限公司 | 一种计算静态交通指数的方法 |
CN111178729A (zh) * | 2019-12-24 | 2020-05-19 | 国电南瑞科技股份有限公司 | 一种基于父子关系的稳定断面自适应计算方法及系统 |
CN111210088A (zh) * | 2020-01-16 | 2020-05-29 | 上海理工大学 | 一种基于时空因素的交通状态指数预测方法 |
CN111311916A (zh) * | 2020-02-28 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 车道速度确定方法、装置 |
CN111354197A (zh) * | 2018-12-24 | 2020-06-30 | 北京嘀嘀无限科技发展有限公司 | 交通子区域及时段的划分方法及设备 |
CN111583627A (zh) * | 2019-02-18 | 2020-08-25 | 阿里巴巴集团控股有限公司 | 一种确定城市交通运行状态的方法及装置 |
CN111739283A (zh) * | 2019-10-30 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种基于聚类的路况计算方法、装置、设备及介质 |
CN112052372A (zh) * | 2020-10-22 | 2020-12-08 | 北京电信规划设计院有限公司 | 通讯网络网格化分裂及重组自动爬虫算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010124138A1 (en) * | 2009-04-22 | 2010-10-28 | Inrix, Inc. | Predicting expected road traffic conditions based on historical and current data |
CN102136190A (zh) * | 2011-05-03 | 2011-07-27 | 上海理工大学 | 城市公交客运事件应急响应调度管理系统及方法 |
CN102147261A (zh) * | 2010-12-22 | 2011-08-10 | 南昌睿行科技有限公司 | 一种交通车辆gps数据地图匹配的方法与系统 |
WO2013001307A1 (en) * | 2011-06-29 | 2013-01-03 | Itis Holdings Plc | Method and system for collecting traffic data |
US20150002319A1 (en) * | 2013-06-28 | 2015-01-01 | Ye Jin | Methods and systems for rating road segments |
-
2015
- 2015-04-16 CN CN201510181521.6A patent/CN104766476B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010124138A1 (en) * | 2009-04-22 | 2010-10-28 | Inrix, Inc. | Predicting expected road traffic conditions based on historical and current data |
CN102147261A (zh) * | 2010-12-22 | 2011-08-10 | 南昌睿行科技有限公司 | 一种交通车辆gps数据地图匹配的方法与系统 |
CN102136190A (zh) * | 2011-05-03 | 2011-07-27 | 上海理工大学 | 城市公交客运事件应急响应调度管理系统及方法 |
WO2013001307A1 (en) * | 2011-06-29 | 2013-01-03 | Itis Holdings Plc | Method and system for collecting traffic data |
US20150002319A1 (en) * | 2013-06-28 | 2015-01-01 | Ye Jin | Methods and systems for rating road segments |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104637313B (zh) * | 2013-11-11 | 2016-09-21 | 阿里巴巴集团控股有限公司 | 道路行车速度确定方法及装置 |
CN104637313A (zh) * | 2013-11-11 | 2015-05-20 | 阿里巴巴集团控股有限公司 | 道路行车速度确定方法及装置 |
CN105741548A (zh) * | 2016-04-19 | 2016-07-06 | 上海理工大学 | 一种生成交通状态云图的方法 |
CN107092617A (zh) * | 2016-10-27 | 2017-08-25 | 北京小度信息科技有限公司 | 一种信息处理方法及装置 |
CN107153891A (zh) * | 2017-05-10 | 2017-09-12 | 百度在线网络技术(北京)有限公司 | 区域转移调度方法、装置、设备及存储介质 |
CN107153891B (zh) * | 2017-05-10 | 2022-02-18 | 百度在线网络技术(北京)有限公司 | 区域转移调度方法、装置、设备及存储介质 |
CN109035755A (zh) * | 2017-06-12 | 2018-12-18 | 北京嘀嘀无限科技发展有限公司 | 路况分析方法、装置、服务器和计算机可读存储介质 |
CN108346292A (zh) * | 2018-04-17 | 2018-07-31 | 吉林大学 | 基于卡口数据的城市快速路实时交通指数计算方法 |
CN108346292B (zh) * | 2018-04-17 | 2021-02-05 | 吉林大学 | 基于卡口数据的城市快速路实时交通指数计算方法 |
CN108765939A (zh) * | 2018-05-11 | 2018-11-06 | 贵阳信息技术研究院(中科院软件所贵阳分部) | 基于聚类算法的动态交通拥堵指数计算方法 |
CN108806287A (zh) * | 2018-06-27 | 2018-11-13 | 沈阳理工大学 | 一种基于协同优化的交通信号配时方法 |
CN111354197A (zh) * | 2018-12-24 | 2020-06-30 | 北京嘀嘀无限科技发展有限公司 | 交通子区域及时段的划分方法及设备 |
CN109658000B (zh) * | 2018-12-26 | 2021-09-03 | 中兴智能交通股份有限公司 | 一种计算静态交通指数的方法 |
CN109658000A (zh) * | 2018-12-26 | 2019-04-19 | 中兴智能交通股份有限公司 | 一种计算静态交通指数的方法 |
CN111583627A (zh) * | 2019-02-18 | 2020-08-25 | 阿里巴巴集团控股有限公司 | 一种确定城市交通运行状态的方法及装置 |
CN111739283A (zh) * | 2019-10-30 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种基于聚类的路况计算方法、装置、设备及介质 |
CN111739283B (zh) * | 2019-10-30 | 2022-05-20 | 腾讯科技(深圳)有限公司 | 一种基于聚类的路况计算方法、装置、设备及介质 |
CN111178729A (zh) * | 2019-12-24 | 2020-05-19 | 国电南瑞科技股份有限公司 | 一种基于父子关系的稳定断面自适应计算方法及系统 |
CN111178729B (zh) * | 2019-12-24 | 2022-11-04 | 国电南瑞科技股份有限公司 | 一种基于父子关系的稳定断面自适应计算方法及系统 |
CN111210088A (zh) * | 2020-01-16 | 2020-05-29 | 上海理工大学 | 一种基于时空因素的交通状态指数预测方法 |
CN111210088B (zh) * | 2020-01-16 | 2023-06-02 | 上海理工大学 | 一种基于时空因素的交通状态指数预测方法 |
CN111311916A (zh) * | 2020-02-28 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 车道速度确定方法、装置 |
CN111311916B (zh) * | 2020-02-28 | 2021-10-08 | 腾讯科技(深圳)有限公司 | 车道速度确定方法、装置 |
CN112052372A (zh) * | 2020-10-22 | 2020-12-08 | 北京电信规划设计院有限公司 | 通讯网络网格化分裂及重组自动爬虫算法 |
CN112052372B (zh) * | 2020-10-22 | 2024-02-20 | 北京电信规划设计院有限公司 | 通讯网络网格化分裂及重组自动爬虫算法 |
Also Published As
Publication number | Publication date |
---|---|
CN104766476B (zh) | 2017-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104766476B (zh) | 一种路段以及路网区域交通状态指数的计算方法 | |
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 | |
CN107153928B (zh) | 可视化的公路养护决策系统 | |
CN103956050B (zh) | 基于车辆行程数据的道路网运行评价方法 | |
CN103473620B (zh) | 综合客运枢纽多交通方式预测方法及系统 | |
CN103413263B (zh) | 旅行时间指数熵交通运行评价方法 | |
CN104260724B (zh) | 一种车辆智能预测控制系统及其方法 | |
CN102521965B (zh) | 基于车牌识别数据的交通需求管理措施效果评价方法 | |
CN105206056B (zh) | 道路交通污染源智能预测方法及系统 | |
CN108335496B (zh) | 一种城市级交通信号优化方法与系统 | |
CN104821080A (zh) | 基于宏观城市交通流的智能车辆行驶速度及时间预测方法 | |
CN107766945B (zh) | 城市路网承载力的计算方法 | |
CN102592447A (zh) | 一种基于fcm的区域路网的道路交通状态判别方法 | |
CN102819955A (zh) | 基于车辆行程数据的道路网运行评价方法 | |
CN101794507A (zh) | 基于浮动车数据的宏观路网交通状态评价方法 | |
CN104900057B (zh) | 一种城市快速路主辅道的浮动车地图匹配方法 | |
CN104731963A (zh) | 一种基于车联网的网格化路径推荐方法及系统 | |
CN104809112A (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
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 | |
CN105741548A (zh) | 一种生成交通状态云图的方法 | |
CN108648445A (zh) | 基于交通大数据的动态交通态势预测方法 | |
CN105489028A (zh) | 过饱和多交叉口协同控制优化方法 | |
CN110930708A (zh) | 一种城市交通承载力计算与预测方法 | |
CN106529765A (zh) | 采集作业的绩效评估方法和装置 | |
CN105389640A (zh) | 市郊铁路客流的预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |