CN104933863A - 一种交通道路中异常路段识别的方法及系统 - Google Patents
一种交通道路中异常路段识别的方法及系统 Download PDFInfo
- Publication number
- CN104933863A CN104933863A CN201510293896.1A CN201510293896A CN104933863A CN 104933863 A CN104933863 A CN 104933863A CN 201510293896 A CN201510293896 A CN 201510293896A CN 104933863 A CN104933863 A CN 104933863A
- Authority
- CN
- China
- Prior art keywords
- section
- floating car
- information
- travelling data
- abnormal
- 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
Abstract
本发明提供一种交通道路中异常路段识别的方法及系统,方法包括:获取所有浮动车的行车数据,行车数据包括浮动车编号、时间点信息、地理位置信息和车速信息;依据时间点信息、地理位置信息和车速信息,计算得到各浮动车对应时间轴的车速变化信息和方向变化信息;依据车速变化信息和方向变化信息,判断得到存在减速行驶后变换车道再加速行驶行为的浮动车;提取浮动车执行减速行驶后变换车道再加速行驶行为过程中所对应的行车数据,得到行车数据集合;依据行车数据集合中的地理位置信息,定位获取浮动车所处的路段集合。实现动态识别交通道路中的异常路段,为交通道路安全的维持提供便捷、可靠的服务基础。
Description
技术领域
本发明涉及一种交通道路中异常路段识别的方法及系统。
背景技术
随着城市交通规模及道路建设的不断扩展,城市居民汽车拥有量的急剧增加,伴随而来的交通事故也越来越多,加上各种自然和人为因素的影响,致使道路受阻的情况时常出现,尤其是在车流量较大的城市道路和高速公路上,受阻道路将严重影响道路的畅通和驾驶员的行车安全。
现有技术中,路障信息往往只能根据出行者本人的实时判断,或通过交通广播电台等媒体的通报实现一定程度的道路路障信息识别,还不能通过一种比较有效的方法来提供动态识别异常道路信息的服务;对于交管部门而言,道路交通的路障信息收集由所在地的执勤交警实地探察或路过于此的驾驶员等提供,该方法不仅耗时,而且收集信息的成本高,其时效性也难以得到保障,还是无法实现重要路段的道路路障动态更新。
申请号为:200710125247.6的专利申请公开了一种道路信息获取方法、装置、导航终端及道路信息服务器,通过接收交通异常路段的信息,所述信息包括交通异常路段的地点以及图像,提示所述交通异常路段的地点,接收显示指令,显示与所述交通异常路段地点对应的图像,以解决不能形象直观的将交通异常路段的信息提供给导航终端的问题;
上述专利还是没办法解决动态识别异常道路信息的问题,异常路段的发现及上报还是依赖于驾驶员或者交通部门的主动上报;因此,本发明为了上述解决问题,提供一种交通道路中异常路段识别的方法及系统。
发明内容
本发明所要解决的技术问题是:提供一种交通道路中异常路段识别的方法及系统,实现动态识别交通道路中的异常路段。
为了解决上述技术问题,本发明采用的技术方案为:
一种交通道路中异常路段识别的方法,包括:
获取所有浮动车的行车数据,所述行车数据包括浮动车编号、时间点信息、地理位置信息和车速信息;
依据所述时间点信息、地理位置信息和车速信息,计算得到各浮动车对应时间轴的车速变化信息和方向变化信息;
依据所述车速变化信息和方向变化信息,判断得到存在减速行驶后变换车道再加速行驶行为的浮动车;
提取浮动车执行所述减速行驶后变换车道再加速行驶行为过程中所对应的行车数据,得到行车数据集合;
依据所述行车数据集合中的地理位置信息,定位获取所述浮动车所处的路段集合。
本发明提供的另一个技术方案为:
一种交通道路中异常路段识别的系统,包括:
获取模块,用于获取所有浮动车的行车数据,所述行车数据包括浮动车编号、时间点信息、地理位置信息和车速信息;
计算模块,用于计算得到各浮动车对应时间轴的车速变化信息和方向变化信息;
判断模块,用于依据所述车速变化信息和方向变化信息,判断得到存在减速行驶后变换车道再加速行驶行为的浮动车;
提取模块,用于提取浮动车执行所述减速行驶后变换车道再加速行驶行为过程中所对应的行车数据,得到行车数据集合;
定位模块,用于依据所述行车数据集合中的地理位置信息,定位获取所述浮动车所处的路段集合。
本发明的有益效果在于:基于浮动车技术,对浮动车的行车数据进行统计处理,依据行车数据中记录的时间点信息、地理位置信息和车速信息计算得到浮动车的车速变化信息和方向变化信息;并以此获取存在减速行驶后变换车道再加速行驶行为的浮动车所处的路段集合;实现以具备时效性和准确性的浮动车行车数据为可靠的判断依据,通过动态识别过程自动获取异常路段集合;以便及时地发现存在交通安全隐患的路障信息,有利于交通行政部门及时地采取措施;同时,也为导航系统提供了路径规划的依据,帮助行车人员及时地避开异常路段,为交通道路安全的维持提供便捷、可靠的服务基础。
附图说明
图1为本发明一种交通道路中异常路段识别的方法的流程示例图;
图2为本发明一具体实施方式一种交通道路中异常路段识别的方法的流程示例图;
图3为本发明一种交通道路中异常路段识别的系统的结构组成示例图。
标号说明:
1、获取模块;2、计算模块;3、判断模块;4、提取模块;5、定位模块。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:基于浮动车的行车数据,获取存在减速行驶后变换车道再加速行驶行为的浮动车所处的路段,实现动态识别交通道路中的异常路段。
本发明涉及的技术术语解释:
请参照图1以及图2,本发明提供一种交通道路中异常路段识别的方法,包括:
S1:获取所有浮动车的行车数据,所述行车数据包括浮动车编号、时间点信息、地理位置信息和车速信息;具体可以包括:
S01:获取以预设的T为采集周期所采集到的所有浮动车的行车数据;
所述浮动车的行车数据的获取方式可以是:利用装载在浮动车上的车载定位系统依据预先设置的采集周期T定期采集浮动车的编号、时间点信息、地理位置信息和车速信息,得到以T为周期的浮动车的原始行车数据集合;并将所述原始行车数据集合通过移动蜂窝通信技术等无线移动通信技术传送到数据中心,为数据中心后续针对原始行车数据集合的统计分析提供可靠的数据分析基础。
S02:预设第一滑动时间窗,依据第一滑动时间窗对所述原始行车数据集合进行分段采样,得到浮动车的行车数据序列;
S03:数据中心对浮动车的行车数据序列中的车速信息进行数据滤除预处理,将车速信息中包括漂移速度的无效车速信息滤除,得到有效的浮动车原始行车数据集合;
通过对浮动车的行车数据进行数据滤除预处理,筛除无效数据,提高数据的精确度。
S2:依据所述时间点信息、地理位置信息和车速信息,计算得到各浮动车对应时间轴的车速变化信息和方向变化信息;
具体的计算过程可以是:获取一浮动车的行车数据,标记对应的浮动车编号;依据一预设的数据获取周期(如每30s或15s获取一条对应所标记的浮动车编号的行车数据)获取第二条浮动车的行车数据;可知每条行车数据之间的相对时间即为数据获取周期;当然,也可以不用预先设置数据获取周期,而是直接以行车数据中的时间点信息判断得到相对时间;以行车数据中的地理位置信息和车速信息为依据,通过计算,获取对应相对时间的相对速度和相对方向;
通过上述方式对有效的浮动车原始行车数据集合进行计算处理,最终将得到各浮动车对应时间轴的车速变化信息和方向变化信息。
S3:依据所述车速变化信息和方向变化信息,判断得到存在减速行驶后变换车道再加速行驶行为的浮动车;
针对一浮动车,若依据其对应时间轴的车速变化信息和方向变化信息发现:车速变化信息中,对应时间轴的相对速度在减小,且在减小后,浮动车的相对方向发生变化,而后相对速度开始增加,则判断这一浮动车存在减速行驶后变换车道再加速行驶行为;上述判断过程可以通过数据中心的相关设备通过简单的计算,智能化自动判断实现,提高数据处理效率的同时,又能保证数据处理的精确度。
S4:提取浮动车执行所述减速行驶后变换车道再加速行驶行为过程中所对应的行车数据,得到行车数据集合;
在确认了存在减速行驶后变换车道再加速行驶这一蔽障行为的浮动车后,具有针对性的在所有有效的浮动车原始行车数据集合中提取与之相对应的行车数据,得到行车数据集合;通过有用数据的提取,实现数据处理量的减小,提高数据处理效率和准确度。
S5:依据所述行车数据集合中的地理位置信息,定位获取所述浮动车所处的路段集合。
可以通过地理位置信息,准确定位执行上述蔽障行为过程中浮动车所处的区域,而提取所述区域的中心点位置,即变换车道之前所处的车道位置,便可获取可能存在路障状况的路段。
在步骤S5之后,还可以包括:
S6:获取所述路段集合中的一路段,判断所述路段是否为特殊路段;若是,则删除该路段;若否,则保留此路段;
通过上述步骤,对所述路段集合进行筛选,剔除如红绿灯路段等特殊路段,得到新的路段集合;实现所获取到的路段集合具有较高的准确度。
S7:定位获取所述浮动车所处的异常车道;
S8:提取经过特殊路段筛除处理后得到的新的所述路段集合中的一路段;
S9:依据位于所述路段的所有浮动车所对应的行车数据,判断所述路段中除所述异常车道以外的所有车道是否都正常通行;若是,则将所述路段标记为疑似异常路段;
具体可以是,判断与所述异常车道相邻的车道上,浮动车是否都能够正常通行,若是,则证明所述路段并非完全堵死,而只是在所述异常车道上出现了路障,致使车辆在遇到路障后迫不得已需要通过变换车道来避开路障;进一步地确认所述路段只是存在突发性,持续时间较短的异常情况,排除其余特殊异常情况,更具针对性。
S10:预设一滑动时间窗和频次阀值;所述滑动时间窗为第二滑动时间窗;
S11:依据所述第二滑动时间窗对所述有效的浮动车原始行车数据集合进行分段采样,得到检验行车数据集合;
S12:依据所述检验行车数据集合,定位获取检验路段集合;
S13:计算所述疑似异常路段集合中任一疑似异常路段在所述检验路段集合中出现的频次;
S14:筛除频次低于所述频次阀值的疑似异常路段,得到准异常路段集合;
通过步骤S10-14,能够对所述疑似异常路段集合再次进行筛除;以按照第二滑动时间窗采集得到的检验行车数据集合为基础,判断被标记的疑似异常路段在检验行车数据集合中出现的次数,得到相应的频次;筛除频次低于预设的频次阀值的疑似异常路段,得到准异常路段集合,即在该位置频繁出现减速行驶后变换车道再加速行驶行为的浮动车,进一步确定所述疑似异常路段确实存在路障,为准异常路段。
通过步骤S6-14,对所述路段集合进行了至少两次的判断筛选,剔除其中的无效数据,有针对性的以动态判断识别的过程确定准异常路段集合,显著提高识别异常路段集合的精确度。
在上述基础上,本发明的实施例一为:
提供一种交通道路中异常路段识别的方法,特别针对突发性,持续时间较短的路障情况的异常路段的识别;具体包括:
装载有车载定位系统的浮动车依据预设的采样周期T,采样得到由浮动车编号i、地理位置信息l、车速信息v和时间点信息t构成的原始行车数据集合xi=<l,v,t>;并将所述原始行车数据集合通过无线通信传输方式传送至数据中心。
数据中心接收所述原始行车数据集合,并依据预设的第一滑动时间窗T1对所述原始行车数据集合进行分段采样,得到m辆浮动车的n阶序列:
X(m,n)={xi,j|i∈[1,m],j∈[1,n]};其中,
数据中心对所述原始行车数据集合中的车速信息v进行干扰数据滤除处理,筛除如漂移速度信息等的干扰信息,得到有效的原始行车数据集合
其中,xi,j.v为浮动车的车速信息,其中的v可取0,即为浮动车停止区域;
依据所述有效的原始行车数据集合中记录的时间点信息、地理位置信息和车速信息,计算得到各浮动车对应时间轴的车速变化信息和方向变化信息;
依据所述车速变化信息和方向变化信息,判断得到存在减速行驶后变换车道再加速行驶行为的浮动车;
在所述有效的原始行车数据集合中提取浮动车执行所述减速行驶后变换车道再加速行驶行为过程中所对应的行车数据,得到行车数据集合
依据所述行车数据集合计算得到处于减速行驶状态的浮动车的地理位置信息数据集合Y:
依据所述地理位置信息数据集合Y,计算得到浮动车减速后变换车道加速的地理位置信息数据集合
提取所述地理位置信息数据集合中存在S辆以上的浮动车彼此之间距离均小于Δ的区域集合
其中,d(xi,j.l,xit,k.l)为浮动车编号为i和it的浮动车在所述第一滑动时间窗T1内经过的两个地理位置点之间的距离;
对所述区域集合中的各元素进行一维编码处理;
通过上述一维编码处理,能够方便后续数据的处理,具体为根据浮动车之间的相邻位置关系定位得到各浮动车减速后变换车道加速行驶的区域,即:
依据位置相邻关系对所述一维编码处理后的区域集合进行定位,得到多辆浮动车均存在减速行驶后变换车道再加速行驶行为的区域集合[xi]:
依据公式进一步抽取所述区域集合[xi]的中心点位置Oi,即定位浮动车在变换车道之前所处的车道,即为可能存在路障情况的车道;得到上述区域集合[xi]的中心点位置Oi构成的浮动车存在减速行驶后变换车道再加速行驶行为的路段集合R:R={Oi};
将所述路段集合R存入数据中心的数据库中。
通过上述过程,便初步确定了可能存在路障情况的路段集合,可以为交通行政部门提供及时且较为准确的路况信息,方便进一步的通过实地考察等手段确认所述路段是否确实存在路障,及时的做出相应的应急处理行为,以保障行车安全;当然,所述路段集合R也可以作为路径导航系统的路况判断依据,实现以所述路段集合为依据,及时的在用户客户端更新最新路况,或者重新规划最佳路径,更好的为客户服务。
当然,还可以对所述路径集合R再进一步的处理,提升最终得到的异常路段集合的精确度,具体可以是:
获取包括红路灯路段的特殊路段集合B={bi};
筛除所述路段集合R中的所述特殊路段集合B,得到经过筛除处理的路段集合R1;即所述路段集合R1=R_B。
依据所述路段集合R1定位获取所述浮动车所处的异常车道;
提取所述路段集合R1中的其中一个路段;
依据位于所述路段的所有浮动车所对应的行车数据,判断所述路段中除所述异常车道以外的所有车道是否都正常通行;若是,则将所述路段标记为疑似异常路段;即所述疑似异常路段中与所述异常车道相邻的车道需要都能够正常通行,以确定所述疑似异常路段只是发生了短时效性,突发性的路障清理,而非完全堵死的情况;
获取疑似异常路段集合R2:R2={R2|R2∈R1∧(v1≤v'≤v2)};其中,v'为除所述异常车道外的所有车道上的浮动车的车速,v1和v2是浮动车正常行驶时的速度范围。
为了进一步的提升异常路段集合的精确度,还可以对所述疑似异常路段集合作进一步的检验,检验的依据为所述疑似异常路段集合在随机抽取的异常路段检验集合中出现的次数,以最终确认所述疑似异常路段确实为存在路障情况的异常路段;具体的检验过程为:
预设第二滑动时间窗为T2,优选所述第二滑动时间窗为T2与所述第一滑动时间窗T1具有关联性;所述频次阀值为δ1;
依据所述滑动时间窗T2对所述行车数据集合进行分段采样,得到检验数据集合C;
定位获取检验路段集合C';
预设相同路段搜索算子:
依据所述相同路段搜索算子计算所述疑似异常路段集合R2中任一疑似异常路段Zi在所述检验数据集合C'中出现的频次δ;
筛除所述疑似异常路段集合R2中频次δ低于所述频次阀值δ1的疑似异常路段;得到准异常路段集合。
通过上述步骤,依次筛除了所述路径集合R中的特殊路段,排除了所述路径完全拥堵的可能性;进一步地,还以频次作为依据进行了检验,实现了最终得到的准异常路段集合的高精确度,确保所述准异常路段集合确实为出现了路障情况的异常路段;为路径规划导航系统和交通行政部门提供了时效性高且精确的路况信息。
在上述基础上,本发明的实施例二为:
在某段高速公路上出现了一段路障路段,并且已知该路障路段所处道路的限速范围为[60,100];依据所采集到的浮动车行车数据,经计算,得到该路段各浮动车对应时间轴的车速变化信息和方向变化信息;
依据所述车速变化信息和方向变化信息,判断得到在该路段存在减速行驶(常常是在较短的时间里车速减到60km/h或以下)后变换车道再加速行驶的浮动车;
将浮动车执行所述由该路段在正常车速范围内行驶下减速行驶后变换车道再加速到该路段正常车速行驶行为过程中所对应的行车数据提取出,得到行车数据集合;
依据所述行车数据集合中的地理位置信息,定位获取所述浮动车所处的路段集合,准确定位执行上述蔽障行为过程中浮动车所处的路段区域,提取所述区域的中心点位置,进而确定出变换车道之前所处的车道位置,便可获取可能存在路障的路段;
定位获取所述浮动车所处的异常车道,依据位于所述路段的所有浮动车所对应的行车数据,判断所述路段中除所述异常车道以外的其他所有车道是否都按该路段的限速要求正常通行;若是,则将所述路段标记为疑似异常路段;
数据中心进入第二滑动时间窗,按上述步骤重复操作并对数据进行分析,计算出所述疑似异常路段集合中任一疑似异常路段在所述检验路段集合中出现的频次,筛除频次低于所述频次阀值的疑似异常路段,得到准异常路段集合,即在该位置频繁出现减速行驶后变换车道再加速行驶行为的浮动车,进一步确定所述疑似异常路段确实存在路障;
最后,我们就可以据此较为准确地识别出该高速路的异常路段。
请参阅图3,本发明提供的另一个技术方案为:
一种交通道路中异常路段识别的系统,包括:
获取模块1,用于获取所有浮动车的行车数据,所述行车数据包括浮动车编号、时间点信息、地理位置信息和车速信息;
计算模块2,用于计算得到各浮动车对应时间轴的车速变化信息和方向变化信息;
判断模块3,用于依据所述车速变化信息和方向变化信息,判断得到存在减速行驶后变换车道再加速行驶行为的浮动车;
提取模块4,用于提取浮动车执行所述减速行驶后变换车道再加速行驶行为过程中所对应的行车数据,得到行车数据集合;
定位模块5,用于依据所述行车数据集合中的地理位置信息,定位获取所述浮动车所处的路段集合。
从上述描述可知,本发明的有益效果在于:通过计算模块2以获取模块1获取到的浮动车的行车数据作为基础数据进行计算,得到各浮动车对应时间轴的车速变化信息和方向变化信息;再经过判断模块以上述车速变化信息和方向变化信息为依据,判断得到存在减速行驶后变换车道再加速行驶的蔽障行为的浮动车,进一步的,通过提取模块4提取与所述蔽障行为相对应的行车数据,最后由定位模块5定位获取浮动车所处的路段集合;实现以动态识别的过程准确获取异常路段集合,以便交通行政部门及时的采取针对性的清障措施,保证行车安全;同时,也能够为导航系统及时更新准确的路况信息,为路径的规划提供可靠依据。
综上所述,本发明提供的一种交通道路中异常路段识别的方法及系统,针对现有技术无法智能化准确识别交通道路中的异常路段的缺点,基于浮动车技术,以浮动车的行车数据作为统计处理基础,依据行车数据中记录的时间点信息、地理位置信息和车速信息计算得到浮动车的车速变化信息和方向变化信息;并以此获取存在减速行驶后变换车道再加速行驶行为的浮动车所处的路段集合;实现了异常路段集合的动态识别过程,及时且准确地获取存在交通安全隐患的路障路段,为交通行政部门和导航系统提供精确的路况信息,有利于交通行政部门及时采取清障措施,导航系统依据路况信息重新规划最优路径,保证行车安全。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种交通道路中异常路段识别的方法,其特征在于,包括:
获取所有浮动车的行车数据,所述行车数据包括浮动车编号、时间点信息、地理位置信息和车速信息;
依据所述时间点信息、地理位置信息和车速信息,计算得到各浮动车对应时间轴的车速变化信息和方向变化信息;
依据所述车速变化信息和方向变化信息,判断得到存在减速行驶后变换车道再加速行驶行为的浮动车;
提取浮动车执行所述减速行驶后变换车道再加速行驶行为过程中所对应的行车数据,得到行车数据集合;
依据所述行车数据集合中的地理位置信息,定位获取所述浮动车所处的路段集合。
2.如权利要求1所述的一种交通道路中异常路段识别的方法,其特征在于,所述“定位获取所述浮动车所处的路段集合”之后进一步包括:
定位获取所述浮动车所处的异常车道;
提取所述路段集合中的一路段;
依据位于所述路段的所有浮动车所对应的行车数据,判断所述路段中除所述异常车道以外的所有车道是否都正常通行;若是,则将所述路段标记为疑似异常路段;
获取疑似异常路段集合。
3.如权利要求2所述的一种交通道路中异常路段识别的方法,其特征在于,所述“获取疑似异常路段集合”之后进一步包括:
预设一滑动时间窗和频次阀值;依据所述滑动时间窗对所述行车数据集合进行分段采样,得到检验行车数据集合;
依据所述检验行车数据集合,定位获取检验路段集合;
计算所述疑似异常路段集合中任一疑似异常路段在所述检验路段集合中出现的频次;
筛除频次低于所述频次阀值的疑似异常路段,得到准异常路段集合。
4.如权利要求2所述的一种交通道路中异常路段识别的方法,其特征在于,所述“定位获取所述浮动车所处的异常车道”之前进一步包括:
筛除包括红绿灯路段的特殊路段。
5.如权利要求1所述的一种交通道路中异常路段识别的方法,其特征在于,所述“获取所有浮动车的行车数据,所述行车数据包括浮动车编号、时间点信息、地理位置信息和车速信息”具体为:
装载有车载定位系统的浮动车依据预设的采样周期T,采样得到由浮动车编号i、地理位置信息l、车速信息v和时间点信息t构成的原始行车数据集合xi=<l,v,t>;将所述原始行车数据集合发送至数据中心。
6.如权利要求5所述的一种交通道路中异常路段识别的方法,其特征在于,所述“将所述原始行车数据集合发送至数据中心”之后进一步包括:
数据中心依据预设的第一滑动时间窗T1对所述原始行车数据集合进行分段采样,得到m辆浮动车的n阶序列:
X(m,n)={xi,j|i∈[1,m],j∈[1,n]};其中,
数据中心对所述原始行车数据集合中的车速信息v进行干扰数据滤除处理,筛除漂移速度信息,得到有效的原始行车数据集合
其中,xi,j.v为浮动车的车速信息,
所述“提取”步骤具体为:
在所述有效的原始行车数据集合中提取浮动车执行所述减速行驶后变换车道再加速行驶行为过程中所对应的行车数据,得到行车数据集合
7.如权利要求6所述的一种交通道路中异常路段识别的方法,其特征在于,所述“定位获取所述浮动车所处的路段集合”具体为:
依据所述行车数据集合计算得到处于减速行驶状态的浮动车的地理位置信息数据集合Y:
依据所述地理位置信息数据集合Y,计算得到浮动车减速后变换车道加速的地理位置信息数据集合
提取所述地理位置信息数据集合中存在S辆以上的浮动车彼此之间距离均小于Δ的区域集合
其中,d(xi,j.l,xit,k.l)为浮动车编号为i和it的浮动车在所述第一滑动时间窗T1内经过的两个地理位置点之间的距离;
对所述区域集合中的各元素进行一维编码处理;
依据位置相邻关系对所述一维编码处理后的区域集合进行定位,得到多辆浮动车均存在减速行驶后变换车道再加速行驶行为的区域集合[xi]:
依据公式计算得到所述路段集合R:R={Oi}。
8.如权利要求4和7所述的一种交通道路中异常路段识别的方法,其特征在于,所述“筛除包括红绿灯路段的特殊路段”具体为:
获取包括红路灯路段的特殊路段集合B={bi};
筛除所述路段集合R中的所述特殊路段集合B,得到经过筛除处理的路段集合R1;
所述“疑似异常路段集合”为R2:R2={R2|R2∈R1∧(v1≤v′≤v2)};其中,v′为除所述异常车道外的其余所有车道上的浮动车的车速,v1和v2是浮动车正常行驶时的速度范围。
9.如权利要求3和8所述的一种交通道路中异常路段识别的方法,其特征在于,所述滑动时间窗为T2,所述频次阀值为δ1;
所述“得到检验行车数据集合”、所述“定位获取检验路段集合”、所述“计算”、所述“得到准异常路段集合”步骤具体为:
依据所述滑动时间窗T2对所述行车数据集合进行分段采样,得到检验数据集合C;
定位获取检验路段集合C′;
预设相同路段搜索算子
依据所述相同路段搜索算子计算所述疑似异常路段集合R2中任一疑似异常路段Zi在所述检验数据集合C′中出现的频次δ;
筛除所述疑似异常路段集合R2中频次δ低于所述频次阀值δ1的疑似异常路段;得到准异常路段集合。
10.一种交通道路中异常路段识别的系统,其特征在于,包括:
获取模块,用于获取所有浮动车的行车数据,所述行车数据包括浮动车编号、时间点信息、地理位置信息和车速信息;
计算模块,用于计算得到各浮动车对应时间轴的车速变化信息和方向变化信息;
判断模块,用于依据所述车速变化信息和方向变化信息,判断得到存在减速行驶后变换车道再加速行驶行为的浮动车;
提取模块,用于提取浮动车执行所述减速行驶后变换车道再加速行驶行为过程中所对应的行车数据,得到行车数据集合;
定位模块,用于依据所述行车数据集合中的地理位置信息,定位获取所述浮动车所处的路段集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510293896.1A CN104933863B (zh) | 2015-06-02 | 2015-06-02 | 一种交通道路中异常路段识别的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510293896.1A CN104933863B (zh) | 2015-06-02 | 2015-06-02 | 一种交通道路中异常路段识别的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104933863A true CN104933863A (zh) | 2015-09-23 |
CN104933863B CN104933863B (zh) | 2017-05-03 |
Family
ID=54121011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510293896.1A Expired - Fee Related CN104933863B (zh) | 2015-06-02 | 2015-06-02 | 一种交通道路中异常路段识别的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933863B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105635965A (zh) * | 2015-12-28 | 2016-06-01 | 宇龙计算机通信科技(深圳)有限公司 | 路障识别方法、路障识别装置及路障识别系统 |
WO2017107790A1 (zh) * | 2015-12-22 | 2017-06-29 | 阿里巴巴集团控股有限公司 | 一种基于大数据预测路段状况的方法及装置 |
CN106931980A (zh) * | 2015-12-30 | 2017-07-07 | 沈阳美行科技有限公司 | 一种行驶数据的生成方法及装置 |
CN106935052A (zh) * | 2015-12-30 | 2017-07-07 | 沈阳美行科技有限公司 | 一种基于行驶数据的变速提示方法及装置 |
CN106952473A (zh) * | 2017-04-01 | 2017-07-14 | 深圳市元征科技股份有限公司 | 道路故障检测方法及装置 |
CN107331191A (zh) * | 2017-08-15 | 2017-11-07 | 北京汽车集团有限公司 | 异常行驶车辆定位方法、云服务器及系统 |
CN107886714A (zh) * | 2016-09-30 | 2018-04-06 | 武汉四维图新科技有限公司 | 一种危险路段判定方法和道路分析方法及装置 |
CN108230698A (zh) * | 2016-12-21 | 2018-06-29 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法及装置 |
CN109995934A (zh) * | 2019-02-27 | 2019-07-09 | 维沃移动通信有限公司 | 提示方法及终端设备 |
CN111310070A (zh) * | 2019-12-20 | 2020-06-19 | 东软集团股份有限公司 | 确定频繁行程的方法、装置、存储介质和电子设备 |
CN111489545A (zh) * | 2019-01-28 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 道路监控方法、装置以及设备、存储介质 |
CN111815946A (zh) * | 2020-04-17 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 一种异常路段的确定方法、装置、存储介质和电子设备 |
CN112185144A (zh) * | 2019-07-01 | 2021-01-05 | 大陆泰密克汽车系统(上海)有限公司 | 交通预警方法以及系统 |
CN113569759A (zh) * | 2021-07-29 | 2021-10-29 | 沭阳新辰公路仪器有限公司 | 一种基于人工智能的道路掉落物识别方法及系统 |
CN115795083A (zh) * | 2022-11-17 | 2023-03-14 | 北京百度网讯科技有限公司 | 确定道路设施完备性的方法、装置、电子设备和介质 |
CN116383678A (zh) * | 2022-12-05 | 2023-07-04 | 吉林大学 | 一种营运客车异常变速行为常发性路段识别方法 |
CN116383678B (zh) * | 2022-12-05 | 2024-05-03 | 吉林大学 | 一种营运客车异常变速行为常发性路段识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070233359A1 (en) * | 2006-03-30 | 2007-10-04 | Ferman Martin A | System and method for aggregating probe vehicle data |
CN101364345A (zh) * | 2008-09-25 | 2009-02-11 | 北京航天智通科技有限公司 | 基于探测车技术的实时动态交通信息处理方法 |
TW201232487A (en) * | 2011-01-31 | 2012-08-01 | Tele Atlas Data Gent N V | Systems and methods for obtaining and using traffic flow information |
CN103971521A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 道路交通异常事件实时检测方法及装置 |
-
2015
- 2015-06-02 CN CN201510293896.1A patent/CN104933863B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070233359A1 (en) * | 2006-03-30 | 2007-10-04 | Ferman Martin A | System and method for aggregating probe vehicle data |
CN101364345A (zh) * | 2008-09-25 | 2009-02-11 | 北京航天智通科技有限公司 | 基于探测车技术的实时动态交通信息处理方法 |
TW201232487A (en) * | 2011-01-31 | 2012-08-01 | Tele Atlas Data Gent N V | Systems and methods for obtaining and using traffic flow information |
CN103971521A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 道路交通异常事件实时检测方法及装置 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017107790A1 (zh) * | 2015-12-22 | 2017-06-29 | 阿里巴巴集团控股有限公司 | 一种基于大数据预测路段状况的方法及装置 |
US10977933B2 (en) | 2015-12-22 | 2021-04-13 | Alibaba Group Holding Limited | Method and apparatus for predicting road conditions based on big data |
CN105635965A (zh) * | 2015-12-28 | 2016-06-01 | 宇龙计算机通信科技(深圳)有限公司 | 路障识别方法、路障识别装置及路障识别系统 |
CN106931980A (zh) * | 2015-12-30 | 2017-07-07 | 沈阳美行科技有限公司 | 一种行驶数据的生成方法及装置 |
CN106935052A (zh) * | 2015-12-30 | 2017-07-07 | 沈阳美行科技有限公司 | 一种基于行驶数据的变速提示方法及装置 |
CN107886714A (zh) * | 2016-09-30 | 2018-04-06 | 武汉四维图新科技有限公司 | 一种危险路段判定方法和道路分析方法及装置 |
CN108230698A (zh) * | 2016-12-21 | 2018-06-29 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法及装置 |
CN106952473A (zh) * | 2017-04-01 | 2017-07-14 | 深圳市元征科技股份有限公司 | 道路故障检测方法及装置 |
CN107331191A (zh) * | 2017-08-15 | 2017-11-07 | 北京汽车集团有限公司 | 异常行驶车辆定位方法、云服务器及系统 |
CN107331191B (zh) * | 2017-08-15 | 2020-08-25 | 北京汽车集团有限公司 | 异常行驶车辆定位方法、云服务器及系统 |
CN111489545A (zh) * | 2019-01-28 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 道路监控方法、装置以及设备、存储介质 |
CN109995934A (zh) * | 2019-02-27 | 2019-07-09 | 维沃移动通信有限公司 | 提示方法及终端设备 |
CN112185144A (zh) * | 2019-07-01 | 2021-01-05 | 大陆泰密克汽车系统(上海)有限公司 | 交通预警方法以及系统 |
CN111310070A (zh) * | 2019-12-20 | 2020-06-19 | 东软集团股份有限公司 | 确定频繁行程的方法、装置、存储介质和电子设备 |
CN111310070B (zh) * | 2019-12-20 | 2024-03-08 | 东软集团股份有限公司 | 确定频繁行程的方法、装置、存储介质和电子设备 |
CN111815946A (zh) * | 2020-04-17 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 一种异常路段的确定方法、装置、存储介质和电子设备 |
CN113569759A (zh) * | 2021-07-29 | 2021-10-29 | 沭阳新辰公路仪器有限公司 | 一种基于人工智能的道路掉落物识别方法及系统 |
CN115795083A (zh) * | 2022-11-17 | 2023-03-14 | 北京百度网讯科技有限公司 | 确定道路设施完备性的方法、装置、电子设备和介质 |
CN115795083B (zh) * | 2022-11-17 | 2024-01-05 | 北京百度网讯科技有限公司 | 确定道路设施完备性的方法、装置、电子设备和介质 |
CN116383678A (zh) * | 2022-12-05 | 2023-07-04 | 吉林大学 | 一种营运客车异常变速行为常发性路段识别方法 |
CN116383678B (zh) * | 2022-12-05 | 2024-05-03 | 吉林大学 | 一种营运客车异常变速行为常发性路段识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104933863B (zh) | 2017-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104933863A (zh) | 一种交通道路中异常路段识别的方法及系统 | |
CN107331191B (zh) | 异常行驶车辆定位方法、云服务器及系统 | |
CN103632540B (zh) | 基于浮动车数据的城市主干道交通运行信息处理方法 | |
CN103413437B (zh) | 一种基于车辆数据采集的道路交叉口转向识别方法及系统 | |
CN101965601B (zh) | 驾驶辅助装置及驾驶辅助方法 | |
US10621795B2 (en) | Method of autonomous lane identification for a multilane vehicle roadway | |
US9786161B2 (en) | Methods and systems for estimating road traffic | |
CN103903438B (zh) | 客运车辆违规停车地点识别方法及系统 | |
CN104851295A (zh) | 获取路况信息的方法和系统 | |
CN102779415B (zh) | 实时分析交通信号相位的方法与装置 | |
CN113870570B (zh) | 一种基于etc的路网运行状态方法、系统和存储介质 | |
CN104318781B (zh) | 基于rfid技术的行程速度获取方法 | |
CN103903439B (zh) | 客运车辆违规停车地点识别方法及系统 | |
CN1833264A (zh) | 用于评估物体沿运动路径运动的性质的方法和系统 | |
CN105427641A (zh) | 一种殊域车联网北斗精确行车安全行为记录分析装置及分析方法 | |
CN104408920A (zh) | 基于卡口通行信息判断长途客运车辆交通违法行为的方法 | |
CN104217591A (zh) | 动态路况检测方法及系统 | |
CN102867406A (zh) | 一种应用车辆探测资料的交通路网生成方法 | |
CN101750082A (zh) | 基于决策圈的路段识别匹配方法 | |
CN108760239B (zh) | 车辆识别装置检测方法及系统 | |
Fei et al. | Spatiotemporal clustering in urban transportation: a bus route case study in Washington DC | |
Margreiter | Fast and reliable determination of the traffic state using Bluetooth detection on German freeways | |
CN113132493B (zh) | 一种基于定位信息对车辆进行跨区域监控的方法及系统 | |
CN111488417A (zh) | 信息处理方法、系统、装置、设备及计算机存储介质 | |
DE10245796A1 (de) | Verfahren zum Ermitteln des aktuellen Fortbewegungsmodus eines Verkehrsteilnehmers |
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 | ||
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: 20170503 |