CN104952251A - 基于卡口和hadoop技术的城市高架桥交通状态感知方法 - Google Patents

Abstract

本发明属于城市道路交通状态感知技术领域，具体涉及一种基于卡口和HADOOP技术的城市高架桥交通状态感知方法。本发明包括以下步骤：获取卡口数据；利用HADOOP技术存储数据；筛选统计周期内卡口数据；卡口数据与高架桥进出口匝道匹配；计算高架桥的交通状态。本发明通过路段旅行时间和平均行程速度为基础，以实现城市高架桥交通状态感知，并依靠快速地存储检索提高了交通状态感知效率和及时性，最终为城市高架桥交通管理者快速有效掌控交通状态提供基础保证。

Description

基于卡口和HADOOP技术的城市高架桥交通状态感知方法

技术领域

本发明属于城市道路交通状态感知技术领域，具体涉及一种基于卡口和HADOOP技术的城市高架桥交通状态感知方法。

背景技术

城市的道路交通体系在大致确定的情况下，城市的土地资源极其有限。城市高架桥作为城市道路立体交通体系中的重要一环，在城市现有的规划格局下能够更有效的利用城市空间，做到道路的立体交叉，使各方向车流在不同标高的平面上行驶，消除或减少冲突点；车流可以连续运行，提高道路的通行能力；节约运行时间和燃料消耗；控制相交道路车辆的出入，减少对高等级道路的干扰。由此可见，城市高架桥在城市道路交通体系中的举足轻重的作用，因此高架桥的交通管理也是城市交通管理的重中之重。

随着高架桥发展，相应的基础设备也随之增加，卡口是一种成熟的道路交通违法抓拍和稽查布控的技术，主要用于车辆违法行驶和违法车辆的稽查。卡口所获取的数据主要有车辆牌号、时间、位置等，这些数据价值远远大于已经使用的价值。由于缺少对卡口大数据的处理分析，使得这些数据价值没有充分被挖掘，造成资源的极度浪费。如何研发出一种基于该卡口数据的处理系统，从而能够有效利用到其内部闲置的大量储存数据，从而实现其自身价值，为本领域近年来所亟待解决的技术问题。

发明内容

本发明的目的是提供一种基于卡口和HADOOP技术的城市高架桥交通状态感知方法，其可通过路段旅行时间和平均行程速度为基础，以实现城市高架桥交通状态感知，并依靠快速地存储检索提高了交通状态感知效率和及时性，最终为城市高架桥交通管理者快速有效掌控交通状态提供基础保证。

为实现上述目的，本发明采用了以下技术方案：

一种基于卡口和HADOOP技术的城市高架桥交通状态感知方法，包括以下步骤：

1)、获取卡口数据参数，所述卡口数据参数包括该卡口编号、卡口位置信息、卡口所处匝道信息、各车辆牌号和该车辆经过该卡口时所对应的时间；

2)、设立HADOOP数据中心，利用HADOOP技术存储数据；

3)、筛选统计周期内的卡口数据：设定一个筛选统计周期，定时将该统计周期内的整段高架桥内所有的卡口数据从HADOOP数据中心中提取出来；

4)、将各卡口检测到的车辆牌号信息与该段高架桥相应的出口和进口匝道进行逐一信息匹配；如果车辆牌号信息既有能匹配的进口，又有能匹配的出口匝道，则该卡口数据保留；如果车辆牌号信息只有能匹配的进口或只有能匹配的出口匝道，则该卡口数据剔除；

5)、计算高架桥的交通状态：通过所保留的卡口数据，计算单个车辆通过整段高架桥上相应路段的行程时间，依靠获得的单个车辆通过该路段的平行行程时间，计算该路段所有车辆的平均行程速度以获得该路段的交通状态。

所述步骤3)中，筛选统计周期为5分钟或10分钟。

所述的步骤5)中，计算城市高架桥交通状态包括以下步骤：

(1)、计算第i辆车通过路段P_ij的行程时间。

第i辆从进口匝道进入高架桥到从出口匝道离开高架桥行驶长线为{P_j,j＝1,2,3....n}，而P_ij为上述总的长线内，该车辆i所经过的一个需检测路段的编号，则车辆i经过P_ij路段的旅行时间t_ij为：

t_ij＝l/L_i*Δt_i

Δt_i是车辆i从进口匝道进入高架桥到从出口匝道离开高架桥的时间差；

l是路段P_ij的总长度；

L_i是从进口匝道进入高架桥到从出口匝道离开高架桥行驶路线的总长度；

(2)、计算经过路段P_ij的所有车辆的平均行程时间t_j：

$t_j=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{t}_{\mathrm{ij}}/N$

其中：

N是经过步骤4)的信息匹配后，通过路段P_ij的车辆总数；

(3)、通过下列公式获得路段P_i处所有车辆的平均行程速度v_j：

v_j＝l/t_j。

本发明的主要优点在于：

通过上述方案，一方面，本发明充分利用了高架桥已有的卡口设备来提取交通状态，实现了一种设备多种业务应用需求。卡口设备是一种常用的违法和治安管理设备，通过本方法的研究，提出了卡口设备的在交通管理信息化领域的应用方法，通过该方法可以提高了卡口设备利用率，降低智能交通管理建设的成本。另一方面，由于HADOOP设计之初的目标就定位于高可靠性、高可拓展性、高容错性和高效性，正是这些设计上与生俱来的优点，通过HADOOP技术，它能够以可靠高效、可伸缩的方式来进行大数据的分布式处理，其成本低、可靠性高、扩展性好，可以解决检索数据量大和地图匹配时效率低下的问题，从而可有效提高对于前述海量的卡口数据的高效处理能力。至此，本发明依靠上述处理方式，从而通过路段旅行时间和平均行程速度为基础，以实现城市高架桥交通状态感知，并依靠快速地存储检索提高了交通状态感知效率和及时性，最终为城市高架桥交通管理者快速有效掌控交通状态提供基础保证。

附图说明

图1为本发明的方法流程简图；

图2为路段交通的运行等级所对应的各行车速度阈值表。

具体实施方式

为便于理解，此处结合图1-2对本发明的具体实施过程作以下进一步描述：

本发明所述的一种基于卡口和HADOOP技术的城市高架桥交通状态感知方法，大体而言可包括以下步骤：

(1)、获取卡口数据参数；

(2)、利用HADOOP技术存储数据；

(3)、筛选统计周期内卡口数据；

(4)、卡口数据与高架桥进出口匝道匹配；

(5)、计算高架桥的交通状态。

上述中的卡口数据参数包括卡口编号、卡口位置信息、对应匝道信息、各车辆牌号和该车辆经过该卡口时所对应的时间。而利用HADOOP技术存储数据是利用分布式云处理架构来存储数据，数据查询数据是毫秒级的，以提高数据检索和计算效率。

筛选统计周期内卡口数据是将一个统计周期内的整个高架桥内所有的卡口数据从HADOOP数据中心中提取出来。统计周期通常是5分钟、10分钟。利用HADOOP技术的高可靠性、高可拓展性、高容错性和高效性来处理卡口数据信息量大、数据检索占用资源多的问题，从而保证其快捷的海量数据的分布式处理效果。

卡口数据与高架桥进出口匝道配对，就是卡口检测到的车辆牌号信息与高架桥相应的出口和进口匝道进行逐一匹配，如果车辆牌号信息既有能匹配的进口，又有能匹配的出口匝道，则配对成功、数据保留；如果车辆牌号信息只有能匹配的进口或只有能匹配的出口匝道，则配对失败、数据剔除。配对成功是通过筛查的数据可以得到某一车从哪个入口进入和从哪个出口离开。

所述的计算城市高架桥交通状态包括以下步骤：

(1)、计算第i辆车通过路段P_ij的行程时间。

第i辆从进口匝道进入高架桥到从出口匝道离开高架桥行驶长线为{P_j,j＝1,2,3....n}，而P_ij为上述总的长线内，该车辆i所经过的一个需检测路段的编号，则车辆i经过P_ij路段的旅行时间t_ij为：

t_ij＝l/L_i*Δt_i

Δt_i是车辆i从进口匝道进入高架桥到从出口匝道离开高架桥的时间差；

l是路段P_ij的总长度；

L_i是从进口匝道进入高架桥到从出口匝道离开高架桥行驶路线的总长度；

(2)、计算经过路段P_ij的所有车辆的平均行程时间t_j：

$t_j=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{t}_{\mathrm{ij}}/N$

其中：

N是经过步骤4)的信息匹配后，通过路段P_ij的车辆总数；

(3)、通过下列公式获得路段P_i处所有车辆的平均行程速度v_j：

v_j＝l/t_j。

实施例：

1)、取10：05～10：15的卡口数据，经过车牌配对，得知有三辆车从匝道1驶入匝道，分别从匝道3、匝道4、匝道5驶出。这三辆车进入匝道和离开匝道的时间分别是：

车辆1：进入匝道1的时间10：05、驶出匝道3的时间10：09；

车辆2：进入匝道1的时间10：06、驶出匝道4的时间10：11；

车辆3：进入匝道1的时间10：05、驶出匝道5的时间10：13。

匝道1到匝道2的距离是1.5km、匝道1到匝道3的距离是4.1km、匝道1到匝道4的距离是4.9km、匝道1到匝道5的距离是5.6km。

2)、计算三辆车通过路段(匝道1到匝道2)的行驶时间：

t₁＝1.5/4.1*240＝87.9s

t₂＝1.5/4.9*300＝91.8s

t₃＝1.5/5.6*480＝120s

3)、路段(匝道1到匝道2)的平均旅行时间是：

t＝87.9+91.8+120/3＝99.9s＝0.02775h

4、计算获得路段(匝道1到匝道2)的平均行程速度是：

v＝1.5/0.02775＝54.05km/h。

图2中则为路段交通运行等级划分的阈值表，实际操作时，可根据交通工程学相关理论，对不同等级道路车辆行程速度进行分布频率统计，分别按照85％位、50％位、30％位和15％位车速进行确定。在获取如上述实施例的路段P_i处所有车辆的平均行程速度v_j后，可以将之与图2中的各阈值比对，以更快捷的获取当前该路段的交通状态，从而更方便于交通管理者能够针对性的进行相应的交通管理操作。

Claims (3)

1.一种基于卡口和HADOOP技术的城市高架桥交通状态感知方法，其特征在于包括以下步骤：

1)、获取卡口数据参数，所述卡口数据参数包括该卡口编号、卡口位置信息、卡口所处匝道信息、各车辆牌号和该车辆经过该卡口时所对应的时间；

2)、设立HADOOP数据中心，利用HADOOP技术存储数据；

3)、筛选统计周期内的卡口数据：设定一个筛选统计周期，定时将该统计周期内的整段高架桥内所有的卡口数据从HADOOP数据中心中提取出来；

4)、将各卡口检测到的车辆牌号信息与该段高架桥相应的出口和进口匝道进行逐一信息匹配；如果车辆牌号信息既有能匹配的进口，又有能匹配的出口匝道，则该卡口数据保留；如果车辆牌号信息只有能匹配的进口或只有能匹配的出口匝道，则该卡口数据剔除；

5)、计算高架桥的交通状态：通过所保留的卡口数据，计算单个车辆通过整段高架桥上相应路段的行程时间，依靠获得的单个车辆通过该路段的平行行程时间，计算该路段所有车辆的平均行程速度以获得该路段的交通状态。

2.根据权利要求1所述的基于卡口和HADOOP技术的城市高架桥交通状态感知方法，其特征在于：

所述步骤3)中，筛选统计周期为5分钟或10分钟。

3.根据权利要求1或2所述的基于卡口和HADOOP技术的城市高架桥交通状态感知方法，其特征在于：

所述的步骤5)中，计算城市高架桥交通状态包括以下步骤：

(1)、计算第i辆车通过路段P_ij的行程时间。

第i辆从进口匝道进入高架桥到从出口匝道离开高架桥行驶长线为{P_j,j＝1,2,3....n}，而P_ij为上述总的长线内，该车辆i所经过的一个需检测路段的编号，则车辆i经过P_ij路段的旅行时间t_ij为：

t_ij＝l/L_i*Δt_i

Δt_i是车辆i从进口匝道进入高架桥到从出口匝道离开高架桥的时间差；

l是路段P_ij的总长度；

L_i是从进口匝道进入高架桥到从出口匝道离开高架桥行驶路线的总长度；

(2)、计算经过路段P_ij的所有车辆的平均行程时间t_j：

$t_j=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{t}_{\mathrm{ij}}/N$

其中：

N是经过步骤4)的信息匹配后，通过路段P_ij的车辆总数；

(3)、通过下列公式获得路段P_i处所有车辆的平均行程速度v_j：

v_j＝l/t_j。