CN104851287B - 基于视频检测器的城市道路路段行程时间检测方法 - Google Patents
基于视频检测器的城市道路路段行程时间检测方法 Download PDFInfo
- Publication number
- CN104851287B CN104851287B CN201510178442.XA CN201510178442A CN104851287B CN 104851287 B CN104851287 B CN 104851287B CN 201510178442 A CN201510178442 A CN 201510178442A CN 104851287 B CN104851287 B CN 104851287B
- Authority
- CN
- China
- Prior art keywords
- section
- traffic flow
- interval
- information
- travel 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
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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Abstract
本发明提供了一种基于视频检测器的城市道路路段行程时间检测方法。现有的方法主要以浮动车数据为依据，而浮动车在不同时段的载客率和出车率差异很大，导致数据样本量不足且分布不均。本发明是通过匹配路段上下游车辆车牌号，得到每辆车的行程时间，继而得到路段行程时间；根据数据提供的驶入驶离方向以及车道信息，分别计算不同方向交通流的路段行程时间；通过分析道路、天气以及交通条件的相关性和显著性，得到行程时间的预测算法，继而预测不同路段或不同时刻的路段行程时间。本发明充分利用现有视频资源获取充足的数据支持，弥补了传统检测方法样本量小且分不均的不足；数据匹配方法和行程时间计算方法简单快速，易于工程实现。
Description
技术领域
本发明涉及一种基于视频检测器的城市道路路段行程时间检测方法，用于城市交通控制与管理，属于智能交通研究领域。
背景技术
对路段行程时间进行科学合理的估计，可以为交通管理者和交通参与者提供动态决策依据，诱导城市交通良性发展。
目前城市道路路段行程时间检测主要以浮动车数据为依据。作为当前惟一能够支持大规模应用浮动车数据采集源的出租车，本身也是一种营运车辆，在不同时段的载客率和出车率差异很大，而且往往集中在公共活动集中的区域和重要客运通道上，这种行驶特性会影响到用于计算路段行程时间的浮动车样本量及计算精确度；另外，浮动车数据样本量不足和分布不均，还导致行程时间数据不足，无法得到行程时间与道路条件、天气情况以及交通状况的关系，继而不能准确地进行行程时间预测；再者，现有基于视频数据获得路段行程时间的方法过于理论，不能投入实际应用中。随着视频检测设备安装的日益完善并愈加广泛，随着交通出行者及管理者对交通信息需求的日益迫切，建立起一个基于视频检测器的城市道路路段行程时间检测方法是十分必要且迫切的。
发明内容
本发明的目的在于提供一种基于视频检测器的城市道路路段行程时间检测方法。
本发明的基本思想是通过匹配路段上下游车辆车牌号，得到每辆车的行程时间，继而得到路段行程时间；根据数据提供的驶入驶离方向以及车道信息，分别计算不同方向交通流(左直右)的路段行程时间；通过分析道路、天气以及交通条件的相关性和显著性，得到行程时间的预测算法，继而预测不同路段或不同时刻的路段行程时间。
为实现上述目的，本发明提出的路段行程时间检测方法包括视频数据预处理步骤、视频数据匹配及单个车辆行程时间计算步骤、行程时间 数据剔除步骤、数据采集间隔路段行程时间计算步骤、信息发布间隔路段行程时间计算步骤以及路段行程时间预测步骤。其具体步骤如下：
c1、通过路段上下游交叉口视频检测设备获取每一采样间隔内的车牌、交叉口编号、方向、车道、通过时刻、通过时刻瞬时速度六项数据，剔除无效及重复数据。
c2、分析路段上下游方向匹配情况，利用c1步骤所得数据进行车牌匹配，得到有效匹配对。
c3、数据采集间隔内行程时间计算。
c4、信息发布间隔内行程时间计算。
c5、路段行程时间预测。
步骤c1中获取并剔除实时交通流参数的过程包括：
c11、确定所需检测的路段，以及路段视频检测器布设情况。
c12、确定数据采样间隔：选取采样间隔为5分钟。
c13、通过视频检测设备获取每一采样间隔内车辆的车牌、交叉口编号、方向、车道、通过时刻、通过时刻瞬时速度六项数据。
c14、剔除无效数据。
其中的无效数据包括：
车牌号为“摩托车”、“无牌”的车辆数据；
同一车牌号车辆在相同时刻存在于相同交叉口的重复数据；
步骤c2中进行车辆匹配的过程包括：
c21、根据所选路段交通流行驶方向，判别该路段上游驶入交通流方向和下游驶离交通流方向，并对采样间隔内的视频数据进行筛选；
c22、在c21基础上利用车牌号匹配通过上下游的车辆，得到所有匹配对；
c23、通过分析所有可能匹配对的出现原因及实际意义，剔除无效匹配对，得到计算路段行程时间相应的匹配数据，匹配数据对的信息包括：车牌、上游交叉口编号、驶入方向、驶入车道、通过时刻、通过时刻瞬时速度、下游交叉口编号、驶离方向、驶离车道、通过时刻、通过时刻瞬时速度；
步骤c3数据采样间隔内路段行程时间的计算过程包括：
c31、有效匹配对中车辆经过下游交叉口的时刻与车辆经过上游交叉口的时刻时间差即为单个车辆的路段行程时间：
式中，Tli——l路段上车辆i的路段行程时间，单位s；
——l路段上车辆i通过下游交叉口的时刻；
——l路段上车辆i通过上游交叉口的时刻；
每辆车的数据信息更新为：车牌、上游交叉口编号、驶入方向、驶入车道、通过时刻、通过时刻瞬时速度、下游交叉口编号、驶离方向、驶离车道、通过时刻、通过时刻瞬时速度、行程时间；
c32、剔除异常数据：
交通流理论异常数据剔除：
式中，Ll——l路段的长度，单位m；
——l路段的拥堵速度，一般可取为5km/h；
——l路段的最高限速，城市道路取值范围一般为40～60km/h；
统计学四分位阈值判别：
式中，——当前日期前一日的同一时段(车辆i所处的小时时段h)内l路段的25分位路段行程时间；
——当前日期前一日的同一时段(车辆i所处的小时时段h)内l路段的75分位路段行程时间；
c33、分别计算下游不同交通流方向采样间隔内路段行程时间：
式中，TlDk——l路段下游行驶方向为D的交通流在第k个采样间隔内的路段行程时间，D包括左直右三个方向，k＝1,2，……，K；
TlDki——l路段下游行驶方向为D的交通流在第k个采样间隔内第i辆车的路段行程时间；
——l路段下游行驶方向为D的交通流在第k个采样间隔内的有效匹配车辆数；
步骤c4信息发布间隔行程时间获取的过程包括：
c41、分别计算下游不同交通流方向信息发布间隔内路段行程时间：
式中，TlDm——l路段下游行驶方向为D的交通流在第m个信息发布间隔内的路段行程时间；
c42、数据缺失导致信息发布间隔无路段行程时间计算结果：
式中，——当前日期前一日内l路段下游行驶方向为D的交通流在第m个信息发布间隔内的路段行程时间；
——当前日期前两日内l路段下游行驶方向为D的交通流在第m个信息发布间隔内的路段行程时间；
——当前日期前一日内l路段下游行驶方向为D的交通流在第m-1个信息发布间隔内的路段行程时间；
TlDm-1——l路段下游行驶方向为D的交通流在第m-1个信息发布间隔内的路段行程时间；
α——当前信息发布间隔m的历史数据变化量与前一信息发布间隔m-1的数据变化量的权重系数，α∈[0,1]，第m间隔和第m-1间隔历史数据变化较大时，α取值较大，反之，α取值较小，一般可取0.5。
步骤c5预测路段行程时间的过程包括：
c51、获取不同路段、不同日期下的路段行程时间历史数据，数据包括路段行程时间、信息发布间隔、下游交通流方向、路段长度、信息发布间隔内交通流量、绿信比。
信息发布间隔内交通流量的获取办法：
式中，——当前日期前j日l路段在第m个信息发布间隔内的交通流量，单位veh；
——当前日期前j日l路段下游左转交通流在第m个信息发布间隔内的交通流量，单位veh；
——当前日期前j日l路段下游直行交通流在第m个信息发布间隔内的交通流量，单位veh；
——当前日期前j日l路段下游右转交通流在第m个信息发布间隔内的交通流量，单位veh；
绿信比直接根据信号配时方案得到，没有信号配时方案的情况下，绿信比通过原始数据计算获取。
第n个周期的周期时长为：
式中，——l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n个周期时长，单位s；
——l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n个车头时距峰值所处时刻；
——l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n-1个车头时距峰值所处时刻；
第n个周期D方向的绿灯时长为：
式中，——l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n个周期的绿灯时长，单位s；
——l路段D方向的上一相位交通流Dx第rx车道上的交通流在第m个信息发布间隔内的第n个车头时距峰值所处时刻；
l路段下游交叉口第m个信息发布间隔内的平均周期时长为：
式中，——l路段下游交叉口第m个信息发布间隔内的平均周期时长，单位s；
——l路段下游交叉口第m个信息发布间隔内的周期数；
ND——l路段下游交叉口D方向交通流的车道数；
NS——l路段下游交叉口直行交通流的车道数；
NR——l路段下游交叉口右转交通流的车道数；
NL——l路段下游交叉口左转交通流的车道数；
l路段下游交叉口D方向第m个信息发布间隔内绿灯时长为：
l路段下游交叉口D方向第m个信息发布间隔内的绿信比为：
c52、对数据行程时间、信息发布间隔、路段长度、信息发布间隔内交通流量、绿信比进行回归，确定路段行程时间的预测算法：
式中，T,L,Q,λ——路段行程时间(s)、路段的长度(m)、交通流量(veh)、绿信比；
β1,β2,β3——常数项以及路段的长度(m)、交通流量(veh)、绿信比的影响系数；
c53、计算得到当前路段当前时刻以及其他路段未来时刻的路段行程时间。
本发明的有益效果：本发明基于交叉口视频检测设备的断面交通流数据，利用车牌数据自动匹配获取包括路段行程时间在内的区间交通流数据，并综合多种交通信息确定路段行程时间的预测算法，继而得到所 需路段的路段行程时间，同时该方法充分利用现有资源获取充足的数据支持，易于工程实现。
附图说明
图1为交通流行驶方向匹配图；
图2为有效匹配数据对示意图；
图3为路段行程时间变化图；
图4为交通流量示意图；
图5为绿信比计算示意图。
具体实施方式
下面结合附图对本发明进行详细阐述，本发明具体步骤是：
步骤一获取并剔除实时交通流参数：
确定所需检测的路段，以及路段视频检测器布设情况；选取采样间隔为5分钟；通过视频检测设备获取每一采样间隔内车辆的车牌、交叉口编号、方向、车道、通过时刻、通过时刻瞬时速度6项数据；剔除车牌号为“摩托车”、“无牌”的车辆数据以及同一车牌号车辆在相同时刻存在于相同交叉口的重复数据；
步骤二进行车辆匹配：
根据所选路段交通流行驶方向，判别该路段上游驶入交通流方向和下游驶离交通流方向，如图1所示，并对采样间隔内的视频数据进行筛选。在筛选后的数据基础上，利用车牌号匹配通过上下游的车辆，得到所有匹配对；如图2所示剔除无效匹配对，得到计算路段行程时间相应的匹配数据，匹配数据对的信息包括：车牌、上游交叉口编号、驶入方向、驶入车道、通过时刻、通过时刻瞬时速度、下游交叉口编号、驶离方向、驶离车道、通过时刻、通过时刻瞬时速度。
步骤三计算数据采样间隔内路段行程时间：
有效匹配对中车辆经过下游交叉口的时刻与车辆经过上游交叉口的时刻时间差即为单个车辆的路段行程时间：
式中，Tli——l路段上车辆i的路段行程时间，单位s；
——l路段上车辆i通过下游交叉口的时刻；
——l路段上车辆i通过上游交叉口的时刻；
每辆车的数据信息更新为：车牌、上游交叉口编号、驶入方向、驶入车道、通过时刻、通过时刻瞬时速度、下游交叉口编号、驶离方向、驶离车道、通过时刻、通过时刻瞬时速度、行程时间；
交通流理论异常数据剔除：
式中，Ll——l路段的长度，单位m；
——l路段的拥堵速度，该路段取为5km/h；
——l路段的最高限速，该路段取为60km/h；
统计学四分位阈值判别：
式中，——当前日期前一日的同一时段(车辆i所处的小时时段h)内l路段的25分位路段行程时间；
——当前日期前一日的同一时段(车辆i所处的小时时段h)内l路段的75分位路段行程时间；
下游不同交通流方向采样间隔内路段行程时间：
式中，TlDk——l路段下游行驶方向为D的交通流在第k个采样间隔内的路段行程时间，D包括左直右三个方向，k＝1,2，……，K；
TlDki——l路段下游行驶方向为D的交通流在第k个采样间隔内第i辆车的路段行程时间；
——l路段下游行驶方向为D的交通流在第k个采样间隔内的有效匹配车辆数；
步骤四计算信息发布间隔路段行程时间：
信息发布间隔为5分钟，下游不同交通流方向信息发布间隔内路段行程时间：
式中，TlDm——l路段下游行驶方向为D的交通流在第m个信息发布间隔内的路段行程时间；
数据缺失导致信息发布间隔无路段行程时间计算结果：
式中，——当前日期前一日内l路段下游行驶方向为D的交通流在第m个信息发布间隔内的路段行程时间；
——当前日期前两日内l路段下游行驶方向为D的交通流在第m个信息发布间隔内的路段行程时间；
——当前日期前一日内l路段下游行驶方向为D的交通流在第m-1个信息发布间隔内的路段行程时间；
TlDm-1——l路段下游行驶方向为D的交通流在第m-1个信息发布间隔内的路段行程时间；
α——当前信息发布间隔m的历史数据变化量与前一信息发布间隔m-1的数据变化量的权重系数，α取0.5。
路段行程时间计算结果如图3所示。
步骤五预测路段行程时间：
信息发布间隔内交通流量如图4，计算方法如下：
式中，——当前日期前j日l路段在第m个信息发布间隔内的交通流量，单位veh；
——当前日期前j日l路段下游左转交通流在第m个信息发布间隔内的交通流量，单位veh；
——当前日期前j日l路段下游直行交通流在第m个信息发布间隔内的交通流量，单位veh；
——当前日期前j日l路段下游右转交通流在第m个信息发布间隔内的交通流量，单位veh；
绿信比直接根据信号配时方案得到，没有信号配时方案的情况下，绿信比通过原始数据计算获取，如图5所示。
第n个周期的周期时长为：
式中，——l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n个周期时长，单位s；
——l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n个车头时距峰值所处时刻；
——l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n-1个车头时距峰值所处时刻；
第n个周期D方向的绿灯时长为：
式中，——l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n个周期的绿灯时长，单位s；
——l路段D方向的上一相位交通流Dx第rx车道上的交通流在第m个信息发布间隔内的第n个车头时距峰值所处时刻；
l路段下游交叉口第m个信息发布间隔内的平均周期时长为：
式中，——l路段下游交叉口第m个信息发布间隔内的平均周期时长，单位s；
——l路段下游交叉口第m个信息发布间隔内的周期数；
ND——l路段下游交叉口D方向交通流的车道数；
NS——l路段下游交叉口直行交通流的车道数；
NR——l路段下游交叉口右转交通流的车道数；
NL——l路段下游交叉口左转交通流的车道数；
l路段下游交叉口D方向第m个信息发布间隔内绿灯时长为：
l路段下游交叉口D方向第m个信息发布间隔内的绿信比为：
综上，可得到该路段下游交叉口三个交通流方向的绿信比，如表1所示。
表1绿信比计算结果
| 交通流向 | 绿信比 |
| 左转 | 0.18 |
| 直行 | 0.34 |
| 右转 | 1 |
由数据可确定路段行程时间的预测算法为：
式中，T,L,Q,λ——路段行程时间(s)、路段的长度(m)、交通流量(veh)、绿信比；
最终得到其他路段l2未来时刻的路段行程时间。
Claims (1)
1.基于视频检测器的城市道路路段行程时间检测方法，其特征在于该方法包括以下步骤：
c1、通过路段上下游交叉口视频检测设备获取每一采样间隔内的车牌、交叉口编号、方向、车道、通过时刻、通过时刻瞬时速度这六项数据，剔除无效及重复数据；
c2、分析路段上下游方向匹配情况，利用步骤c1所得的数据进行车牌匹配，得到有效匹配对；
c3、数据采集间隔内路段行程时间计算；
c4、信息发布间隔内路段行程时间计算；
c5、路段行程时间预测；
步骤c1具体是：
c11、确定所需检测的路段，以及路段视频检测器布设情况；
c12、确定数据采样间隔：选取采样间隔为5分钟；
c13、通过视频检测设备获取每一采样间隔内车辆的车牌、交叉口编号、方向、车道、通过时刻、通过时刻瞬时速度这六项数据；
c14、剔除无效数据；所述无效数据包括：
车牌号为“摩托车”、“无牌”的车辆数据；
同一车牌号车辆在相同时刻存在于相同交叉口的重复数据；
步骤c2中进行车辆匹配的过程包括：
c21、根据所选路段交通流行驶方向，判别该路段上游驶入交通流方向和下游驶离交通流方向，并对采样间隔内的视频数据进行筛选；
c22、利用车牌号匹配通过上下游的车辆，得到所有匹配对；
c23、通过分析所有可能匹配对的出现原因及实际意义，剔除无效匹配对，得到计算路段行程时间相应的匹配对，匹配对的信息包括：车牌、上游交叉口编号、驶入方向、驶入车道、驶入时刻、驶入时刻瞬时速度、下游交叉口编号、驶离方向、驶离车道、驶离时刻、驶离时刻瞬时速度；
步骤c3数据采集间隔内路段行程时间的计算过程包括：
c31、有效匹配对中车辆经过下游交叉口的时刻与车辆经过上游交叉口的时刻时间差即为单个车辆的路段行程时间：
式中，Tli表示l路段上车辆i的路段行程时间，单位为s；表示l路段上车辆i通过下游交叉口的时刻；表示l路段上车辆i通过上游交叉口的时刻；
每辆车的数据信息更新为：车牌、上游交叉口编号、驶入方向、驶入车道、驶入时刻、驶入时刻瞬时速度、下游交叉口编号、驶离方向、驶离车道、驶离时刻、驶离时刻瞬时速度、单个车辆的路段行程时间；
c32、剔除异常数据：
交通流理论异常数据剔除：
式中，Ll表示l路段的长度，单位为m；表示l路段的拥堵速度， 表示l路段的最高限速；
统计学四分位阈值判别：
式中，表示当前日期前一日的同一时段内l路段的25分位路段行程时间；
表示当前日期前一日的同一时段内l路段的75分位路段行程时间，上述的同一时段是指车辆i所处的小时时段h；
c33、分别计算下游不同交通流方向数据采集间隔内路段行程时间：
式中，TlDk表示l路段下游行驶方向为D的交通流在第k个采样间隔内的路段行程时间，D包括左直右三个方向，k＝1,2，……，K；
TlDki表示l路段下游行驶方向为D的交通流在第k个采样间隔内第i辆车的路段行程时间；
表示l路段下游行驶方向为D的交通流在第k个采样间隔内的有效匹配车辆数；
步骤c4信息发布间隔内路段行程时间获取的过程包括：
c41、分别计算下游不同交通流方向信息发布间隔内路段行程时间：
式中，TlDm表示l路段下游行驶方向为D的交通流在第m个信息发布间隔内的路段行程时间；
c42、数据缺失导致信息发布间隔内无路段行程时间计算结果：
式中，表示当前日期前一日内l路段下游行驶方向为D的交通流在第m个信息发布间隔内的路段行程时间；
表示当前日期前两日内l路段下游行驶方向为D的交通流在第m个信息发布间隔内的路段行程时间；
表示当前日期前一日内l路段下游行驶方向为D的交通流在第m-1个信息发布间隔内的路段行程时间；
TlDm-1表示l路段下游行驶方向为D的交通流在第m-1个信息发布间隔内的路段行程时间；
α表示当前信息发布间隔m的历史数据变化量与前一信息发布间隔m-1的数据变化量的权重系数，α∈[0,1]；
步骤c5预测路段行程时间的过程包括：
c51、获取不同路段、不同日期下的路段行程时间数据，数据包括路段行程时间、信息发布间隔、下游交通流方向、路段长度、信息发布间隔内交通流量、绿信比；
信息发布间隔内交通流量的获取办法：
式中，表示当前日期前j日l路段在第m个信息发布间隔内的交通流量，单位为veh；
表示当前日期前j日l路段下游左转交通流在第m个信息发布间隔内的交通流量，单位为veh；
表示当前日期前j日l路段下游直行交通流在第m个信息发布间隔内的交通流量，单位为veh；
表示当前日期前j日l路段下游右转交通流在第m个信息发布间隔内的交通流量，单位为veh；
绿信比直接根据信号配时方案得到，没有信号配时方案的情况下，绿信比通过原始数据计算获取；
第n个周期的周期时长为：
式中，表示l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n个周期时长，单位为s；
表示l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n个车头时距峰值所处时刻；
表示l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n-1个车头时距峰值所处时刻；
第n个周期D方向的绿灯时长为：
式中，表示l路段D方向的第r车道上的交通流在第m个信息发布间隔内的第n个周期的绿灯时长，单位为s；
表示l路段D方向的上一相位交通流Dx第rx车道上的交通流在第m个信息发布间隔内的第n个车头时距峰值所处时刻；
l路段下游交叉口第m个信息发布间隔内的平均周期时长为：
式中，表示l路段下游交叉口第m个信息发布间隔内的平均周期时长，单位为s；
表示l路段下游交叉口第m个信息发布间隔内的周期数；
ND表示l路段下游交叉口D方向交通流的车道数；
NS表示l路段下游交叉口直行交通流的车道数；
NR表示l路段下游交叉口右转交通流的车道数；
NL表示l路段下游交叉口左转交通流的车道数；
l路段下游交叉口D方向第m个信息发布间隔内绿灯时长为：
l路段下游交叉口D方向第m个信息发布间隔内的绿信比为：
c52、对路段行程时间、信息发布间隔、路段长度、信息发布间隔内交通流量、绿信比进行回归，确定路段行程时间的预测算法：
式中，T,L,Q,λ分别表示路段行程时间、路段的长度、交通流量、绿信比；β1,β2,β3分别表示常数项以及路段的长度、交通流量、绿信比的影响系数；
c53、计算得到当前路段当前时刻以及其他路段未来时刻的路段行程时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510178442.XA CN104851287B (zh) | 2015-04-15 | 2015-04-15 | 基于视频检测器的城市道路路段行程时间检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510178442.XA CN104851287B (zh) | 2015-04-15 | 2015-04-15 | 基于视频检测器的城市道路路段行程时间检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104851287A CN104851287A (zh) | 2015-08-19 |
| CN104851287B true CN104851287B (zh) | 2017-02-22 |
Family
ID=53850902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510178442.XA Active CN104851287B (zh) | 2015-04-15 | 2015-04-15 | 基于视频检测器的城市道路路段行程时间检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104851287B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105606110B (zh) * | 2015-11-03 | 2019-03-01 | 浩鲸云计算科技股份有限公司 | 基于深度优先遍历的可达路径的查找方法与装置 |
| CN106384509A (zh) * | 2016-10-08 | 2017-02-08 | 大连理工大学 | 考虑出租车运营状态下的城市道路行程时间分布估算方法 |
| CN108765946B (zh) * | 2018-06-01 | 2020-06-16 | 浙江大学 | 基于闯红灯自动记录系统数据的车道组交通需求预测方法 |
| KR20210006143A (ko) * | 2019-07-08 | 2021-01-18 | 현대자동차주식회사 | 교통 정보 제공 시스템 및 방법 |
| CN112182289B (zh) * | 2020-10-10 | 2023-04-28 | 武汉中科通达高新技术股份有限公司 | 一种基于Flink框架的数据去重方法及装置 |
| CN112489432A (zh) * | 2020-12-17 | 2021-03-12 | 安徽百诚慧通科技有限公司 | 一种高速公路在途车数量计算方法、装置及存储介质 |
| CN113256991B (zh) * | 2021-07-14 | 2021-09-24 | 智广海联(天津)大数据技术有限公司 | 基于车流量统计的汽车厂周边道路拥堵治理系统及方法 |
| CN113674538B (zh) * | 2021-08-09 | 2023-04-18 | 南京领航交通科技有限公司 | 一种断面流量监测系统 |
| CN113936454B (zh) * | 2021-09-22 | 2023-02-21 | 上海宝康电子控制工程有限公司 | 一种基于轨迹融合的信息处理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077610A (zh) * | 2012-12-31 | 2013-05-01 | 清华大学 | 一种路段旅行时间估计的方法和系统 |
| CN103258430A (zh) * | 2013-04-26 | 2013-08-21 | 青岛海信网络科技股份有限公司 | 路段旅行时间统计、以及交通路况判定方法和装置 |
| CN104021674A (zh) * | 2014-06-17 | 2014-09-03 | 武汉烽火众智数字技术有限责任公司 | 一种快速准确预测车辆通过路段旅行时间的方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4142886B2 (ja) * | 2002-04-01 | 2008-09-03 | 株式会社アイ・トランスポート・ラボ | 旅行時間推計装置およびその方法、コンピュータプログラム |
| JP4692000B2 (ja) * | 2005-02-08 | 2011-06-01 | オムロン株式会社 | 旅行時間算出システム、および旅行時間算出方法 |
-
2015
- 2015-04-15 CN CN201510178442.XA patent/CN104851287B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103077610A (zh) * | 2012-12-31 | 2013-05-01 | 清华大学 | 一种路段旅行时间估计的方法和系统 |
| CN103258430A (zh) * | 2013-04-26 | 2013-08-21 | 青岛海信网络科技股份有限公司 | 路段旅行时间统计、以及交通路况判定方法和装置 |
| CN104021674A (zh) * | 2014-06-17 | 2014-09-03 | 武汉烽火众智数字技术有限责任公司 | 一种快速准确预测车辆通过路段旅行时间的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 信号控制下的路段行程时间;王殿海 等;《吉林大学学报（工学版）》;20100531;第40卷(第3期);第655-660页 * |
| 基于交通数据融合技术的行程时间预测模型;李嘉 等;《湖南大学学报（自然科学版）》;20140125;第41卷(第1期);第33-38页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104851287A (zh) | 2015-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104851287B (zh) | 基于视频检测器的城市道路路段行程时间检测方法 | |
| CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
| CN103021176B (zh) | 基于断面检测器的城市道路交通状态判别方法 | |
| CN108629973A (zh) | 基于固定检测设备的路段交通拥堵指数计算方法 | |
| CN101556740B (zh) | 基于运行时刻表的公交优先信号配时方法 | |
| CN106548633A (zh) | 一种路网潮汐交通流可变导向车道控制方法 | |
| CN101308604B (zh) | 大范围战略交通协调控制方法 | |
| WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
| CN107730886A (zh) | 一种车联网环境下城市交叉口交通信号动态优化方法 | |
| CN104778835B (zh) | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 | |
| CN110136455A (zh) | 一种交通信号灯配时方法 | |
| CN111145565B (zh) | 一种用于城市交通的协调路线和协调方案的推荐方法及系统 | |
| CN112017429B (zh) | 一种基于货车gps数据的治超监测布点方法 | |
| CN107170247A (zh) | 一种确定交叉口排队长度方法及装置 | |
| CN103177585B (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
| CN105654720B (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
| CN104408948A (zh) | 基于车载gps的城市道路交通公交优先信号控制方法 | |
| CN107204115A (zh) | 干线车流停车率估计方法 | |
| CN107680391A (zh) | 十字路口交通流的二型模糊控制方法 | |
| CN104778839A (zh) | 基于视频检测器的城市道路下游分方向交通状态判别方法 | |
| CN103236164A (zh) | 一种保障公交车辆优先通行的车辆调控方法 | |
| CN102890862A (zh) | 基于向量模式的交通状态分析装置及方法 | |
| CN106023610B (zh) | 一种考虑车队离散特征的公交车和私家车干线绿波同步协调控制方法 | |
| CN107886718A (zh) | 一种路况分析方法、装置及网络系统 | |
| CN106683406B (zh) | 一种基于公交车载gps数据的公交专用道通行瓶颈检测方法 |
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 | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |