CN105489008A - 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 - Google Patents
基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 Download PDFInfo
- Publication number
- CN105489008A CN105489008A CN201511000302.XA CN201511000302A CN105489008A CN 105489008 A CN105489008 A CN 105489008A CN 201511000302 A CN201511000302 A CN 201511000302A CN 105489008 A CN105489008 A CN 105489008A
- Authority
- CN
- China
- Prior art keywords
- section
- road
- vehicle
- node
- average
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于浮动车卫星定位数据的城市道路拥堵计算方法及系统,该方法包括:浮动车按照预设的定位数据采集周期向拥堵分析计算机中心上传卫星定位数据,计算机中心每隔预设的定位数据分析周期,根据该周期内接收到的所有车辆的卫星定位数据进行道路拥堵分析,包括:计算车辆在定位数据分析周期内所经过的路段,计算车辆在每条路段上的行驶时间,根据所有车辆在每个路段上的行驶时间计算出每条路段的平均旅行时间,最后根据每条路段的平均旅行时间和该路段的长度,计算路段的平均旅行速度,根据每条路段的平均旅行速度确定各路段的拥堵等级。通过该方法及系统,能够实现对城市道路各路段的拥堵状况的评估,为城市道路拥堵收费提供数据支持。
Description
技术领域
本发明涉及智能交通车载定位技术领域,具体涉及一种基于浮动车卫星定位数据的城市道路拥堵计算方法及系统。
背景技术
基于浮动车卫星定位数据的城市道路交通拥堵分析技术被认为是实现先进的交通诱导的重要途径,基于浮动车卫星定位数据交通参数检测技术作为一种新的检测方式,如何提高其检测性能是目前的核心问题。城市道路拥堵分析主要包括浮动车卫星定位数据获取、地图匹配、路径搜索、路段交通状态及路网拥堵计算、交通决策等内容。
卫星定位系统包括美国的GPS全球定位系统、中国的北斗卫星定位系统,俄罗斯的格洛纳斯全球卫星导航系统(GLOBALNAVIGATIONSATELLITESYSTEM,简称:GLONASS)和欧洲的伽利略卫星定位系统。卫星定位系统能够提供实时、全天候和全球性的导航服务,可以提供车辆定位、行驶路线监控等功能,具有的全天候、高精度和自动测量的特点,已经融入了国民经济建设、国防建设和社会发展的各个应用领域。随着城市车辆保有量的急剧增加,城市道路拥挤不堪,交通事故频频发生,把卫星定位系统用于城市道路拥堵收费,将显著提高城市道路运营的效率和增加行车的安全性。
浮动车数据采集是以交通信息获取为目的,不同于车载端每秒采集一次GPS数据,由于考虑经济因素,以及后台计算机数据处理的实时性的考虑,浮动车的GPS数据采集的周期一般都在20-60s,导致周期内车辆行驶距离较长,GPS定位点之间相差好几个路段,从而需要搜索GPS定位点所在道路之间可能存在的路径,而如何使用尽可能少的数据将浮动车春的运行轨迹皮哦诶到相应的道路上并进行拥堵分析,是道路交通拥堵分析的一个重要课题,本发明正是针对该问题而提出了一种基于浮动车卫星定位数据的城市道路拥堵计算方法及系统。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种基于浮动车卫星定位数据的城市道路拥堵计算方法及系统,通过该方法及系统,能够进行路段拥堵状况的准确、快速分析。
为实现上述目的,本发明采用的技术方案为:一种基于浮动车卫星定位数据的城市道路拥堵计算方法,包括以下步骤:
步骤一、浮动车按照预设的定位数据采集周期向拥堵分析计算机中心上传其车辆的卫星定位数据;所述卫星定位数据包括浮动车每个定位点的定位时间和定位点的车辆速度、经纬度和航向角;
步骤二、计算机中心每隔预设的定位数据分析周期,根据该定位数据分析周期内接收到的所有车辆的卫星定位数据进行道路拥堵分析。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,步骤二中,计算机中心进行道路拥堵分析的方式为:
(1)根据每个车辆的卫星定位数据匹配出每个车辆在定位数据分析周期内所经过的路段;
(2)计算所述定位数据分析周期内每个车辆在每条路段上的行驶时间;计算方式为:
记车辆在相邻的两个定位点之间所经过的路段为n条,n≥1;车辆在n条路段中的每条路段的行驶时间的计算方式为:
沿车辆的行驶方向,记车辆在n条路段的第1条和第n条路段上行驶的距离分别为dist1和distn,在第1条路段和第n条路段的行驶时间分别为TravelT1和TravelTn,第i条路段的路段长度为RoadLeni,在第i条路段上的行驶时间为TravelTi,第2条至第n-1条路段的路段长度总和为sum(RoadLenj),2≤i≤n-1;
TravelT1=deltT*dist1/(dist1+sum(RoadLeni)+distn);
TravelTn=deltT*distn/(dist1+sum(RoadLeni)+distn);
TravelTi=deltT*RoadLeni/(dist1+sum(RoadLeni)+distn);
其中,deltT表示相邻两个定位点之间的定位时间差,deltT等于所述定位数据采集周期;
(3)记录在所述定位数据分析周期内有车辆行驶的路段的个数,根据每个车辆在每条路段的行驶时间,计算每条路段的平均旅行时间;某一路段的平均旅行时间是指在所述定位数据分析周期内在该路段上行驶的所有车辆在该路段上的行驶时间的均值;
(4)根据每条路段的平均旅行时间和该路段的长度,计算路段的平均旅行速度,计算方式为:
所述路段P的平均旅行速度VP=nLenRoadP/nTimeTravelP,nLenRoadP为路段P的长度,nTimeTravelP为路段P的平均旅行时间;
(5)根据每条路段的平均旅行速度和预设的平均旅行速度阈值范围确定各路段的拥堵等级。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,步骤二中,计算机中心在根据卫星定位数据进行道路拥堵分析之前,还包括:对接收到的每个定位点的卫星定位数据进行预处理,预处理方式为:
对于每个车辆,根据车辆的前后定位点的车辆经纬度和时间差,计算前后两个定位点之间的车辆平均速度Sp_Avg,若车辆平均速度Sp_Avg大于设定速度,则舍弃该车辆平均速度所对应的定位点的卫星定位速度。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,步骤(1)中,根据每个车辆的卫星定位数据匹配出每个车辆在定位数据分析周期内所经过路段,包括:
1)根据预设的经度间隔和纬度间隔将地图进行网格划分;
2)匹配出所述定位数据分析周期内车辆的每个定位点所在的路段,匹配方式为:
①对于每个定位点,根据定位点的经纬度确定出定位点所在的网格,以定位点所在网格内的路段作为候选路段并添加到候选路段集合RoadSel中;
②根据候选路段集合RoadSel中的路段,筛选出路段集合indOnRoad1,路段集合indOnRoad1中的路段为定位点与该路段的起始点的连线与道路的夹角和定位点与该路段的终止点的连线与道路的夹角均为锐角的路段;
③在路段集合indOnRoad1中筛选出定位点与路段的距离小于距离误差阈值dErr_Dist的路段的路段集合indOnRoad2;
④在路段集合indOnRoad2中筛选出定位点的航向角与路段的道路方向的差值的绝对值小于航向误差阈值dErr_Azm的路段的路段集合indOnRoad3;
⑤以路段集合indOnRoad3为新的候选路段集合,将路段集合indOnRoad3中路段权值最大的路段确定为定位点所在的路段RoadSelIND;路段权值的计算方式为:
a、设disti为定位点与某一路段i的距离,则距离权值wd的取值为:若disti<5m,则wd=1;若5m≤disti≤100m,则wd=1-disti/100;若disti>100m,则wd=-1;
b、根据定位点的航向角与路段的道路方向的差值的绝对值确定出路段的航向权值;确定方式为:
设detValAi为定位点的航向角与某一路段i的道路方向的差值的绝对值,则航向权值wa=3*cos(detValAi);
c、所述某一路段的路段权值wt=wa+wd;
3)根据相邻两个定位点所在的路段和这两个路段之间的道路拓扑关系,确定出车辆在相邻两个定位点之间所经过的路段。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,步骤3)中,根据相邻两个定位点所在的路段和这两个路段之间的道路拓扑关系,确定出车辆在相邻两个定位点之间所经过的路段的方式为:
I、建立用于确定车辆在相邻两个定位点之间所经过的路段的道路结点集合nIndNodes;建立结点集合nIndNodes的方式包括:
记相邻两个定位点中前一个定位点所在的路段为第一路段,后一个定位点所在的路段为第二路段,获取第一路段和第二路段的道路结点信息,选取第一路段的任一道路结点为起始点s,选取第二路段的任一道路结点为终止点e,将与起始点s的最短路径长度和与终止点e的最短路径长度均小于预设的路径搜索长度的道路结点添加到结点集合nIndNodes中,并建立结点集合nIndNodes的邻接矩阵ADJ;
其中,结点集合nIndNodes的长度记为nLen;邻接矩阵ADJ中的第p行第q列的元素为第p个道路结点与第q个道路结点间的路径长度,不互为邻接点的两个道路结点之间的路径长度设置为预设值Mval;
II、根据所述结点集合nIndNodes和其邻接矩阵ADJ进行起始点s和终止点e之间的路径搜索,搜索出的路径中所包括的路段确定为车辆在相邻两个定位点之间所经过的路段;
进行路径搜索的一种方式包括:
i、设置结点集合nIndNodes中每个道路结点的结点标识,结点m的结点标识记为(dm,pm),dm为起始点s到结点m的最短路径长度,pm为结点m的紧前结点;所述紧前结点是指起始点s到结点m的最短路径中结点m的前一结点;
设置清零标记集合pb,清零标记集合pb中的元素与结点集合nIndNodes中的元素一一对应,当结点集合nIndNodes中某一道路结点为起始点时,清零标记集合pb对应的元素置为1,否则置为0,初始化时pb(s)=1;
设置标号结点顺序集合index,标号结点顺序集合index中的元素为按顺序存放的起始点;初始化时index[1]=s;
ii、设置一临时变量temp,令初始化的temp=s;
iii、判断是否满足temp≠e且sum(pb)<nLen,若是,则进入步骤iv,若否,则进入步骤x;sum(pb)为集合pb中所有元素的和;
iv、将清零标记集合pb中为零的元素所对应的道路结点组成集合tb,根据所述邻接矩阵获取结点temp的邻接点并组成集合CollInNode,取集合tb与CollInNode的交集记为IA;
v、判断IA是否为空集,若是,则进入步骤vii,若否,则进入步骤vi;
vi、选取IA中的道路结点j作为新的起始点,并进入步骤viii;选取方式为:
遍历IA中的所有道路结点,对于每个道路结点j计算min[dj,dtemp+ltempj],选取最小的min[dj,dtemp+ltempj]所对应的道路结点j为新的起始点;
其中,dtemp为起始点s到道路结点temp的最短路径长度,ltempj是道路结点temp到道路结点j的直线距离;
vii、选取集合tb中dtbT最小的道路结点j作为新的起始点;其中,dtbT=dtb1+dtb2,dtb1、dtb2分别表示集合tb中的道路结点与起始点s的最短路径长度以及与终止点e的直线距离;
viii、判断是否满足dj≠Mval,若是,进入步骤ix,若否,进入步骤x;
ix、记录index=[s,j],pb(j)=1,令temp=j,并返回步骤iii;
x、判断是否满足temp=e,若是,确定起始点s与终止点e之间的最优路径为集合index中的道路结点依次连接成的路径,若否,则起始点s与终止点e之间最优路径搜索失败;
进行路径搜索的另一种方式为:
A、设置路径结点集合partialPath,并记录路径结点集合partialPath的长度pathLength,集合中的元素为按搜索顺序存放的每次路径搜索时的搜索起始结点;pathLength是指路径结点集合partialPath中元素的个数,初始化时,partialPath[1]=s,pathLength=1;
设置每次搜索时的搜索起始结点为lastnode,lastnode=partialPath[last],partialPath[last]表示路径结点集合partialPath的最后一个元素;初始化时,lastnode=s;
B、根据邻接矩阵ADJ获取搜索起始结点lastnode的邻接点,将得到的邻接点记录在邻接点集合nextNodes中;
C、判断邻接点集合nextNodes是否为空,若是,则进入步骤D,若否,则进入步骤F;
D、判断路径结点集合partialPath中的元素是否只有起始点s,若是,则路径搜索搜索回到起始点,路径搜索完毕;若否,则进入步骤E;
E、删除路径结点集合partialPath中partialPath[last],更新路径结点集合partialPath和搜索起始结点lastnode,并返回步骤B;
F、从邻接点集合nextNodes中选取下一个搜索起始道路结点,选取方式为:
F1)遍历邻接点集合nextNodes中的道路结点nextNodesi,判断道路结点nextNodesi是否为终止点e,若是,则将nextNodesi从结点集合nextNodes中删除,将邻接矩阵中搜索起始结点lastnode和nextNodesi之间的路径长度设置为预设值Mval,将路径结点集合partialPath中的道路结点顺次连接生成s和终止点e之间的一条路径,进入步骤F2);若否,则进入步骤F2);
F2)判断nextNodesi是否在路径结点集合partialPath中,若是,则将nextNodesi从邻接点集合nextNodes中删除,将邻接矩阵中搜索起始结点lastnode和nextNodesi之间的路径长度设置为预设值Mval,进入步骤F3);若否,则进入步骤F3);
F3)判断邻接点集合nextNodes是否为空,若是,则返回步骤D;若否,则选取邻接点集合nextNodes中的一个道路结点为下一个搜索起始结点;
G、根据选取的下一个搜索起始结点更新路径结点集合partialPath和起始标识lastnode,清空邻接点集合nextNodes,并返回步骤B。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,步骤(3)中,根据每个车辆在每条路段的行驶时间,计算每条路段的平均旅行时间,包括:
记定位数据分析周期内共有N条路段上有车辆行驶,路段P上有M个车辆行驶,M个车辆中的第k个车辆在路段P上的行驶时间为TravelTk,1≤k≤M,路段P的平均旅行时间nTimeTravelP的计算方式为:
①若M≤3,nTimeTravelP=mean(TravelTk),mean(TravelTk)表示M个车辆在路段P上的行驶时间的平均值;
②若3<M<7,nTimeTravelP=mean(TravelTk-TravelTmin-TravelTmax),mean(TravelTk-TravelTmin-TravelTmax)表示将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间的平均值;
③若M>7,nTimeTravelP==n1/nT*mT1+n2/nT*mT2+n3/nT*mT3;
其中,将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间记为集合TravelTP,将集合TravelTP聚类成3类,得到集合TravelTP1、TravelTP2和TravelTP3,n1、n2和n3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的个数,mT1、mT2和mT3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的均值,nT=n1+n2+n3=M-2,n1≥1,n2≥1,n3≥1。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,步骤(5)中,根据每条路段的平均旅行速度和预设的平均旅行速度阈值范围确定各路段的拥堵等级,包括:
I、划分路段的拥堵等级,划分方式为:根据路段的等级,确定不同等级的路段的各拥堵等级的平均旅行速度阈值范围;
II、根据计算出的每条路段的平均旅行速度和该路段的等级确定出各路段的拥堵等级。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,步骤I中,路段的等级划分快速路、主干路、次干路和支路四个等级,每个等级路段的拥堵等级分为严重拥堵、拥堵、正常、畅通和非常畅通五个等级;每个等级路段的各拥堵等级的平均旅行速度阈值范围为:
对于快速路:
严重拥堵的平均旅行速度阈值范围V<20;
拥堵的平均旅行速度阈值范围20≤V<35;
正常的平均旅行速度阈值范围35≤V<50;
畅通的平均旅行速度阈值范围50≤V<65;
非常畅通的平均旅行速度阈值范围V≥65;
对于主干路:
严重拥堵的平均旅行速度阈值范围V<15;
拥堵的平均旅行速度阈值范围15≤V<25;
正常的平均旅行速度阈值范围25≤V<35;
畅通的平均旅行速度阈值范围35≤V<45;
非常畅通的平均旅行速度阈值范围V≥45;
对于次干路:
严重拥堵的平均旅行速度阈值范围V<15;
拥堵的平均旅行速度阈值范围10≤V<15;
正常的平均旅行速度阈值范围15≤V<20;
畅通的平均旅行速度阈值范围20≤V<25;
非常畅通的平均旅行速度阈值范围V≥25;
对于支路:
严重拥堵的平均旅行速度阈值范围V<5;
拥堵的平均旅行速度阈值范围5≤V<10;
正常的平均旅行速度阈值范围10≤V<15;
畅通的平均旅行速度阈值范围15≤V<20;
非常畅通的平均旅行速度阈值范围V≥20;
上述平均旅行速度阈值范围中各数值的单位为km/h。
本发明还提供了一种基于浮动车卫星定位数据的城市道路拥堵计算系统,包括浮动车和拥堵分析计算机中心;所述浮动车包括定位数据上传模块;所述拥堵分析计算机中心包括定位数据接收模块和道路拥堵分析模块;
所述定位数据上传模块,用于按照预设的定位数据采集周期向拥堵分析计算机中心上传一次其车辆的卫星定位数据;所述卫星定位数据包括浮动车每个定位点的车辆速度、经纬度和航向角;
所述定位数据接收模块,用于接收定位数据上传模块上传的车辆的卫星定位数据;
所述道路拥堵分析模块,用于每隔预设的定位数据分析周期,根据该定位数据分析周期内接收到的所有车辆的卫星定位数据进行道路拥堵分析。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算系统,所述道路拥堵分析模块包括:
车辆所在路段匹配单元,用于根据每个车辆的卫星定位数据匹配出每个车辆在定位数据分析周期内所经过的路段;
车辆行驶时间计算单元,用于计算所述定位数据分析周期内每个车辆在每条路段上的行驶时间;计算方式为:
记车辆在相邻的两个定位点之间所经过的路段为n条,n≥1;车辆在n条路段中的的每条路段的行驶时间的计算方式为:
沿车辆的行驶方向,记车辆在n条路段的第1条和第n条路段上行驶的距离分别为dist1和distn,在第1条路段和第n条路段的行驶时间分别为TravelT1和TravelTn,第i条路段的路段长度为RoadLeni,在第i条路段上的行驶时间为TravelTi,第2条至第n-1条路段的路段长度总和为sum(RoadLenj),2≤i≤n-1;
TravelT1=deltT*dist1/(dist1+sum(RoadLeni)+distn);
TravelTn=deltT*distn/(dist1+sum(RoadLeni)+distn);
TravelTi=deltT*RoadLeni/(dist1+sum(RoadLeni)+distn);
其中,deltT表示相邻两个定位点之间的定位时间差,deltT等于所述定位数据采集周期;
路段平均旅行时间计算单元,用于记录在所述定位数据分析周期内有车辆行驶的路段的个数,根据每个车辆在每条路段的行驶时间,计算每条路段的平均旅行时间;某一路段的平均旅行时间是指在所述定位数据分析周期内在该路段上行驶的所有车辆在该路段上的行驶时间的均值;
路段平均旅行速度计算单元,用于根据每条路段的平均旅行时间和该路段的长度,计算路段的平均旅行速度,计算方式为:
所述路段P的平均旅行速度VP=nLenRoadP/nTimeTravelP,nLenRoadP为路段P的长度,nTimeTravelP为路段P的平均旅行时间;
拥堵等级确定单元,用于根据每条路段的平均旅行速度和预设的平均旅行速度阈值范围确定各路段的拥堵等级。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算系统,所述车辆所在路段匹配单元包括地图网格划分子单元和定位点所在路段匹配子单元;
地图网格划分子单元,用于根据预设的经度间隔和纬度间隔将地图进行网格划分;
定位点所在路段匹配子单元,用于匹配出所述定位数据分析周期内车辆的每个定位点所在的路段,匹配方式为:
①对于每个定位点,根据定位点的经纬度确定出定位点所在的网格,以定位点所在网格内的路段作为候选路段并添加到候选路段集合RoadSel中;
②根据候选路段集合RoadSel中的路段,筛选出路段集合indOnRoad1,路段集合indOnRoad1中的路段为定位点与该路段的起始点的连线与道路的夹角和定位点与该路段的终止点的连线与道路的夹角均为锐角的路段;
③在路段集合indOnRoad1中筛选出定位点与路段的距离小于距离误差阈值dErr_Dist的路段的路段集合indOnRoad2;
④在路段集合indOnRoad2中筛选出定位点的航向角与路段的道路方向的差值的绝对值小于航向误差阈值dErr_Azm的路段的路段集合indOnRoad3;
⑤以路段集合indOnRoad3为新的候选路段集合,将路段集合indOnRoad3中路段权值最大的路段确定为定位点所在的路段RoadSelIND;路段取值的计算方式为:
a、设disti为定位点与某一路段i的距离,则距离权值wd的取值为:若disti<5m,则wd=1;若5m≤disti≤100m,则wd=1-disti/100;若disti>100m,则wd=-1;
b、根据定位点的航向角与路段的道路方向的差值的绝对值确定出路段的航向权值;确定方式为:
设detValAi为定位点的航向角与某一路段i的道路方向的差值的绝对值,则航向权值wa=3*cos(detValAi);
c、所述某一路段的路段权值wt=wa+wd;
路径确定子单元,用于根据相邻两个定位点所在的路段和这两个路段之间的道路拓扑关系,确定出车辆在相邻两个定位点之间的所经过的路段。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算系统,所述路段平均旅行时间计算单元计算每条路段的平均旅行时间的方式为:
记定位数据分析周期内共有N条路段上有车辆行驶,路段P上有M个车辆行驶,M个车辆中的第k个车辆在路段P上的行驶时间为TravelTk,1≤k≤M,路段P的平均旅行时间nTimeTravelP的计算方式为:
①若M≤3,nTimeTravelP=mean(TravelTk),mean(TravelTk)表示M个车辆在路段P上的行驶时间的平均值;
②若3<M<7,nTimeTravelP=mean(TravelTk-TravelTmin-TravelTmax),mean(TravelTk-TravelTmin-TravelTmax)表示将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间的平均值;
③若M>7,nTimeTravelP==n1/nT*mT1+n2/nT*mT2+n3/nT*mT3;
其中,将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间记为集合TravelTP,将集合TravelTP聚类成3类,得到集合TravelTP1、TravelTP2和TravelTP3,n1、n2和n3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的个数,mT1、mT2和mT3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的均值,nT=n1+n2+n3=M-2,n1≥1,n2≥1,n3≥1。
进一步,如上所述的一种基于浮动车卫星定位数据的城市道路拥堵计算系统,拥堵等级确定单元包括:
拥堵等级划分子单元,用于划分路段的拥堵等级,划分方式为:根据路段的等级,确定不同等级的路段的各拥堵等级的平均旅行速度阈值范围;
拥堵等级确定子单元,用于根据计算出的每条路段的平均旅行速度和该路段的等级确定出各路段的拥堵等级。
本发明的有益效果在于:本发明所提供的城市道路拥堵计算方法及系统,基于浮动车的卫星定位数据能够将车辆的运行轨迹匹配到相应的路段上,并实现对各路段的的拥堵状况的评估,为城市道路拥堵收费提供全面的定位技术支持。
附图说明
图1为本发明具体实施方式中提供的一种基于浮动车卫星定位数据的城市道路拥堵计算方法的流程图;
图2为本发明具体实施方式中提供的一种基于浮动车卫星定位数据的城市道路拥堵计算系统的结构框图。
具体实施方式
下面结合说明书附图与具体实施方式对本发明做进一步的详细说明。
图1示出了本发明具体实施方式中提供的一种基于浮动车卫星定位数据的城市道路拥堵计算方法的流程图,由图中可以看出,该方法主要包括以下步骤:
步骤一、采集浮动车的卫星定位数据并上传至拥堵分析计算机中心;
浮动车按照预设的定位数据采集周期向拥堵分析计算机中心上传一次其车辆的卫星定位数据,所述卫星定位数据包括浮动车每个定位点的车辆速度、经纬度和航向角等信息。
所述定位数据采集周期可以根据实际需要进行设置,周期越短后续拥堵分析结果越精确,本实施方式中,该定位数据采集周期可以设置为50S,即浮动车的卫星定位系统每隔50秒对车辆进行一次定位,并将该定位点的卫星定位数据上传至后台进行拥堵分析的拥堵分析计算机中心,拥堵分析计算机依据浮动车上传的卫星定位数据进行道路的拥堵分析。
步骤二、计算机中心每隔预设的定位数据分析周期,根据该定位数据分析周期内接收到的所有车辆的卫星定位数据进行道路拥堵分析。
所述定位数据分析周期是指拥堵分析计算机中心进行一次拥堵分析的周期,计算机中心基于该定位数据分析周期内接收到的浮动车上传的卫星定位数据进行道路的拥堵状况分析。定位数据分析周期可以根据实际进行设定,但定位数据分析周期不小于定位数据采集周期,分析周期越短,分析结果越精确。本实施方式中,该定位数据分析周期可以设置为5分钟,即计算机中心每个5分钟进行一次定位点所在路段的匹配和路段的交通拥堵分析。
本实施方式中,计算机中心进行道路拥堵分析的方式包括以下几个步骤:
步骤S1:对接收到的卫星定位数据进行预处理;
首先,根据浮动车上传的卫星定位数据进行预处理,删除异常的定位数据,预处理的方式为:对于每个车辆,根据其上传的卫星定位数据,根据当前定位点与其前一定位点的经纬度计算出当前定位点和其前一定位点的距离,以该距离除以两个定位点卫星定位数据采集时间的时间差,计算出两个定位点之间的车辆平均速度Sp_Avg,若车辆平均速度Sp_Avg大于设定速度,则舍弃当前定位点的卫星定位数据。所述设定速度可以根据需要进行设置,本实施方式中,所述设定速度为120km/h。
完成预处理后,以预处理后的卫星定位数据进行后续的道路拥堵分析。
步骤S2:根据每个车辆的卫星定位数据匹配出每个车辆在定位数据分析周期内所经过的路段;
本实施方式中,根据每个车辆的卫星定位数据匹配出每个车辆在定位数据分析周期内所经过的路段的具体方式为:
1)根据预设的经度间隔和纬度间隔将地图进行网格划分;
为了提高匹配精度,首先对地图进行网格化处理,根据预设的经度间隔和纬度间隔将地图划分为网格。经度间隔和纬度间隔可以根据需要设定,本实施方式中,所述经度间隔和纬度间隔可以均设置为100米。
2)匹配出所述定位数据分析周期内车辆的每个定位点所在的路段,匹配方式为:
①对于每个定位点,根据定位点的经纬度确定出定位点所在的网格,以定位点所在网格内的路段作为候选路段并添加到候选路段集合RoadSel中;
②根据候选路段集合RoadSel中的路段,筛选出路段集合indOnRoad1,路段集合indOnRoad1中的路段为定位点与该路段的起始点的连线与道路的夹角和定位点与该路段的终止点的连线与道路的夹角均为锐角的路段;
③在路段集合indOnRoad1中筛选出定位点与路段的距离小于距离误差阈值dErr_Dist的路段的路段集合indOnRoad2;
④在路段集合indOnRoad2中筛选出定位点的航向角与路段的道路方向的差值的绝对值小于航向误差阈值dErr_Azm的路段的路段集合indOnRoad3;
⑤以路段集合indOnRoad3为新的候选路段集合,将路段集合indOnRoad3中路段权值最大的路段确定为定位点所在的路段RoadSelIND;路段取值的计算方式为:
a、设disti为定位点与某一路段i的距离,则距离权值wd的取值为:若disti<5m,则wd=1;若5m≤disti≤100m,则wd=1-disti/100;若disti>100m,则wd=-1;
b、根据定位点的航向角与路段的道路方向的差值的绝对值确定出路段的航向权值;确定方式为:
设detValAi为定位点的航向角与某一路段i的道路方向的差值的绝对值,则航向权值wa=3*cos(detValAi);
c、所述某一路段的路段权值wt=wa+wd。
3)根据相邻两个定位点所在的路段和这两个路段之间的道路拓扑关系,确定出车辆在相邻两个定位点之间所经过的路段。
采用上述方式,即可匹配出浮动车的每个定位点所在路段,在匹配出每个定位点所在路段后,再结合浮动车在定位数据分析周期内的相邻定位点之间的道路的拓扑关系,便可以得出车辆在该周期内的行驶轨迹,确定出车辆所经过的所有路段。
其中,在确定出相邻两个定位点所在的路段后,再结合两个路段之间的道路拓扑关系确定出车辆在这两个定位点之间的路径,得到车辆在这两个定位点之间所经过的所有路段的方式可以采用现有的定位点之间路径的确认方式。本实施方式中,还提供了一种确定出车辆在相邻两个定位点之间所经过的路段的方式,该方法具体包括以下步骤:
I、建立用于确定车辆在相邻两个定位点之间所经过的路段的道路结点集合nIndNodes;建立结点集合nIndNodes的方式包括:
记相邻两个定位点中前一个定位点所在的路段为第一路段,后一个定位点所在的路段为第二路段,获取第一路段和第二路段的道路结点信息,选取第一路段的任一道路结点为起始点s,选取第二路段的任一道路结点为终止点e,将与起始点s的最短路径长度和与终止点e的最短路径长度均小于预设的路径搜索长度的道路结点添加到结点集合nIndNodes中,并建立结点集合nIndNodes的邻接矩阵ADJ;
其中,结点集合nIndNodes的长度记为nLen;邻接矩阵ADJ中的第p行第q列的元素为第p个道路结点与第q个道路结点间的路径长度,不互为邻接点的两个道路结点之间的路径长度设置为预设值Mval;
所述预设的路径搜索长度可以根据浮动车时速和浮动车的定位时间间隔确定,路径搜索长度=浮动车时速×定位时间间隔;一般的,浮动车前后两个定位点之间的距离一般不超过2km,因此,预设的路径搜索长度nPathLenLmt可以设置为2km。
II、根据所述结点集合nIndNodes和其邻接矩阵ADJ进行起始点s和终止点e之间的路径搜索,搜索出的路径中所包括的路段确定为车辆在相邻两个定位点之间所经过的路段;
本实施方式中,提供了另种进行路径搜索的方式,进行路径搜索的一种方式包括:
i、设置结点集合nIndNodes中每个道路结点的结点标识,结点m的结点标识记为(dm,pm),dm为起始点s到结点m的最短路径长度,pm为结点m的紧前结点;所述紧前结点是指起始点s到结点m的最短路径中结点m的前一结点;
设置清零标记集合pb,清零标记集合pb中的元素与结点集合nIndNodes中的元素一一对应,当结点集合nIndNodes中某一道路结点为起始点时,清零标记集合pb对应的元素置为1,否则置为0,初始化时pb(s)=1;
设置标号结点顺序集合index,标号结点顺序集合index中的元素为按顺序存放的起始点;初始化时index[1]=s;
ii、设置一临时变量temp,令初始化的temp=s;
iii、判断是否满足temp≠e且sum(pb)<nLen,若是,则进入步骤iv,若否,则进入步骤x;sum(pb)为集合pb中所有元素的和;
iv、将清零标记集合pb中为零的元素所对应的道路结点组成集合tb,根据所述邻接矩阵获取结点temp的邻接点并组成集合CollInNode,取集合tb与CollInNode的交集记为IA;
v、判断IA是否为空集,若是,则进入步骤vii,若否,则进入步骤vi;
vi、选取IA中的道路结点j作为新的起始点,并进入步骤viii;选取方式为:
遍历IA中的所有道路结点,对于每个道路结点j计算min[dj,dtemp+ltempj],选取最小的min[dj,dtemp+ltempj]所对应的道路结点j为新的起始点;
其中,dtemp为起始点s到道路结点temp的最短路径长度,ltempj是道路结点temp到道路结点j的直线距离;
vii、选取集合tb中dtbT最小的道路结点j作为新的起始点;其中,dtbT=dtb1+dtb2,dtb1、dtb2分别表示集合tb中的道路结点与起始点s的最短路径长度以及与终止点e的直线距离;
viii、判断是否满足dj≠Mval,若是,进入步骤ix,若否,进入步骤x;
ix、记录index=[s,j],pb(j)=1,令temp=j,并返回步骤iii;
x、判断是否满足temp=e,若是,确定起始点s与终止点e之间的最优路径为集合index中的道路结点依次连接成的路径,若否,则起始点s与终止点e之间最优路径搜索失败;
进行路径搜索的另一种方式为:
A、设置路径结点集合partialPath,并记录路径结点集合partialPath的长度pathLength,集合中的元素为按搜索顺序存放的每次路径搜索时的搜索起始结点;pathLength是指路径结点集合partialPath中元素的个数,初始化时,partialPath[1]=s,pathLength=1;
设置每次搜索时的搜索起始结点为lastnode,lastnode=partialPath[last],partialPath[last]表示路径结点集合partialPath的最后一个元素;初始化时,lastnode=s;
B、根据邻接矩阵ADJ获取搜索起始结点lastnode的邻接点,将得到的邻接点记录在邻接点集合nextNodes中;
C、判断邻接点集合nextNodes是否为空,若是,则进入步骤D,若否,则进入步骤F;
D、判断路径结点集合partialPath中的元素是否只有起始点s,若是,则路径搜索搜索回到起始点,路径搜索完毕;若否,则进入步骤E;
E、删除路径结点集合partialPath中partialPath[last],更新路径结点集合partialPath和搜索起始结点lastnode,并返回步骤B;
F、从邻接点集合nextNodes中选取下一个搜索起始道路结点,选取方式为:
F1)遍历邻接点集合nextNodes中的道路结点nextNodesi,判断道路结点nextNodesi是否为终止点e,若是,则将nextNodesi从结点集合nextNodes中删除,将邻接矩阵中搜索起始结点lastnode和nextNodesi之间的路径长度设置为预设值Mval,将路径结点集合partialPath中的道路结点顺次连接生成s和终止点e之间的一条路径,进入步骤F2);若否,则进入步骤F2);
F2)判断nextNodesi是否在路径结点集合partialPath中,若是,则将nextNodesi从邻接点集合nextNodes中删除,将邻接矩阵中搜索起始结点lastnode和nextNodesi之间的路径长度设置为预设值Mval,进入步骤F3);若否,则进入步骤F3);
F3)判断邻接点集合nextNodes是否为空,若是,则返回步骤D;若否,则选取邻接点集合nextNodes中的一个道路结点为下一个搜索起始结点;
G、根据选取的下一个搜索起始结点更新路径结点集合partialPath和起始标识lastnode,清空邻接点集合nextNodes,并返回步骤B。
其中,上述第一种路径搜索方式的详细方案描述可参见申请人同期递交的名称为“一种浮动车车载终端的最优路径搜索方法及系统”的发明专利申请,上述第二种路径搜索方式的详细方案描述可参见申请人同期递交的名称为“一种浮动车车载终端的路径搜索方法及系统”的发明专利申请,第二种路径搜索方案可以搜索出相邻两个定位点之间的所有路径,可以将搜索出的任一路径确定为两个定位点之间的路径,优选的是选取包含路段少的路径。
步骤S3:根据每个车辆所经过的路段,计算每个车辆在每条路段上的行驶时间;
本实施方式中,计算所述定位数据分析周期内每个车辆在每条路段上的行驶时间的方式为:
记车辆在相邻的两个定位点之间所经过的路段为n条,n≥1;车辆在n条路段中的每条路段的行驶时间的计算方式为:
沿车辆的行驶方向,记车辆在n条路段的第1条和第n条路段上行驶的距离分别为dist1和distn,在第1条路段和第n条路段的行驶时间分别为TravelT1和TravelTn,第i条路段的路段长度为RoadLeni,在第i条路段上的行驶时间为TravelTi,第2条至第n-1条路段的路段长度总和为sum(RoadLenj),2≤i≤n-1;
TravelT1=deltT*dist1/(dist1+sum(RoadLeni)+distn);
TravelTn=deltT*distn/(dist1+sum(RoadLeni)+distn);
TravelTi=deltT*RoadLeni/(dist1+sum(RoadLeni)+distn);
其中,deltT表示相邻两个定位点之间的定位时间差,deltT等于所述定位数据采集周期。
步骤S4:根据每个车辆在每条路段的行驶时间,计算每条路段的平均旅行时间;
记录在所述定位数据分析周期内有车辆行驶的路段的个数,根据每个车辆在每条路段上的行驶时间,计算每条路段内的平均旅行时间。其中,某一路段的平均旅行时间是指在所述定位数据分析周期内在该路段上行驶的所有车辆在该路段上的行驶时间的均值。本实施方式中,计算每条路段的平均行驶时间的方式如下:
记定位数据分析周期内共有N条路段上有车辆行驶,路段P上有M个车辆行驶,M个车辆中的第k个车辆在路段P上的行驶时间为TravelTk,1≤k≤M,路段P的平均旅行时间nTimeTravelP的计算方式为:
①若M≤3,nTimeTravelP=mean(TravelTk),mean(TravelTk)表示M个车辆在路段P上的行驶时间的平均值;
②若3<M<7,nTimeTravelP=mean(TravelTk-TravelTmin-TravelTmax),mean(TravelTk-TravelTmin-TravelTmax)表示将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间的平均值;
③若M>7,nTimeTravelP==n1/nT*mT1+n2/nT*mT2+n3/nT*mT3;
其中,将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间记为集合TravelTP,将集合TravelTP聚类成3类,得到集合TravelTP1、TravelTP2和TravelTP3,n1、n2和n3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的个数,mT1、mT2和mT3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的均值,nT=n1+n2+n3=M-2,n1≥1,n2≥1,n3≥1。
步骤S5:根据每条路段的平均旅行时间和该路段的长度,计算每条路段的平均旅行速度;
计算每条路段的平均旅行速度的方式为:
所述路段P的平均旅行速度VP=nLenRoadP/nTimeTravelP,nLenRoadP为路段P的长度,nTimeTravelP为路段P的平均旅行时间。
步骤S6:根据每条路段的平均旅行速度和预设的平均旅行速度阈值范围确定各路段的拥堵等级。
本实施方式中,根据每条路段的平均旅行速度和预设的平均旅行速度阈值范围确定各路段的拥堵等级,包括:
I、划分路段的拥堵等级,划分方式为:将路段的等级进行划分,确定不同等级的路段的各拥堵等级的平均旅行速度阈值范围;
II、根据计算出的每条路段的平均旅行速度和该路段的等级确定出各路段的拥堵等级。
本实施方式中,路段的等级划分及不同等级的各路段拥堵等级的平均旅行速度阈值范围如下表所示:
即将路段的等级分为了快速路、主干路、次干路和支路四个等级,每个等级路段的拥堵等级分为严重拥堵、拥堵、正常、畅通和非常畅通五个等级;每个等级路段的各拥堵等级的平均旅行速度阈值范围为:
对于快速路:
严重拥堵的平均旅行速度阈值范围V<20;
拥堵的平均旅行速度阈值范围20≤V<35;
正常的平均旅行速度阈值范围35≤V<50;
畅通的平均旅行速度阈值范围50≤V<65;
非常畅通的平均旅行速度阈值范围V≥65;
对于主干路:
严重拥堵的平均旅行速度阈值范围V<15;
拥堵的平均旅行速度阈值范围15≤V<25;
正常的平均旅行速度阈值范围25≤V<35;
畅通的平均旅行速度阈值范围35≤V<45;
非常畅通的平均旅行速度阈值范围V≥45;
对于次干路:
严重拥堵的平均旅行速度阈值范围V<15;
拥堵的平均旅行速度阈值范围10≤V<15;
正常的平均旅行速度阈值范围15≤V<20;
畅通的平均旅行速度阈值范围20≤V<25;
非常畅通的平均旅行速度阈值范围V≥25;
对于支路:
严重拥堵的平均旅行速度阈值范围V<5;
拥堵的平均旅行速度阈值范围5≤V<10;
正常的平均旅行速度阈值范围10≤V<15;
畅通的平均旅行速度阈值范围15≤V<20;
非常畅通的平均旅行速度阈值范围V≥20;
上述平均旅行速度阈值范围中各数值的单位为km/h。
需要说明的是,上述不同等级路段的各拥堵等级的平均旅行速度阈值范围的设置方式并不唯一的,可以根据需要进行相应的调整,在实际应用中,各阈值范围的设置还应当考虑不同等级路段的限速。
与图1中所示的道路拥堵计算方法相对应,本实施方式中还提供了一种基于浮动车卫星定位数据的城市道路拥堵计算系统,如图2所示,该系统包括浮动车100和拥堵分析计算机中心200;所述浮动车100包括定位数据上传模块110;所述拥堵分析计算机中心200包括定位数据接收模块210和道路拥堵分析模块220。
所述定位数据上传模块110,用于按照预设的定位数据采集周期向拥堵分析计算机中心上传一次其车辆的卫星定位数据;所述卫星定位数据包括浮动车每个定位点的车辆速度、经纬度和航向角;
所述定位数据接收模块210,用于接收定位数据上传模块上传的车辆的卫星定位数据;所述卫星定位数据包括浮动车每个定位点的定位时间和每个定位点的车辆速度、经纬度和航向角;
所述道路拥堵分析模块220,用于每隔预设的定位数据分析周期,根据该定位数据分析周期内接收到的所有车辆的卫星定位数据进行道路拥堵分析。
本实施方式中,所述道路拥堵分析模块220包括车辆所在路段匹配单元221、车辆行驶时间计算单元222、路段平均旅行时间计算单元223、路段平均旅行速度计算单元224和拥堵等级确定单元225。
车辆所在路段匹配单元221,用于根据每个车辆的卫星定位数据匹配出每个车辆在定位数据分析周期内所经过的路段;
车辆行驶时间计算单元222,用于计算所述定位数据分析周期内每个车辆在每条路段上的行驶时间;计算方式为:
记车辆在相邻的两个定位点之间所经过的路段为n条,n≥1;车辆在n条路段中的的每条路段的行驶时间的计算方式为:
沿车辆的行驶方向,记车辆在n条路段的第1条和第n条路段上行驶的距离分别为dist1和distn,在第1条路段和第n条路段的行驶时间分别为TravelT1和TravelTn,第i条路段的路段长度为RoadLeni,在第i条路段上的行驶时间为TravelTi,第2条至第n-1条路段的路段长度总和为sum(RoadLenj),2≤i≤n-1;
TravelT1=deltT*dist1/(dist1+sum(RoadLeni)+distn);
TravelTn=deltT*distn/(dist1+sum(RoadLeni)+distn);
TravelTi=deltT*RoadLeni/(dist1+sum(RoadLeni)+distn);
其中,deltT表示相邻两个定位点之间的定位时间差,deltT等于所述定位数据采集周期;
路段平均旅行时间计算单元223,用于记录在所述定位数据分析周期内有车辆行驶的路段的个数,根据每个车辆在每条路段的行驶时间,计算每条路段的平均旅行时间;某一路段的平均旅行时间是指在所述定位数据分析周期内在该路段上行驶的所有车辆在该路段上的行驶时间的均值;
路段平均旅行速度计算单元224,用于根据每条路段的平均旅行时间和该路段的长度,计算路段的平均旅行速度,计算方式为:
所述路段P的平均旅行速度VP=nLenRoadP/nTimeTravelP,nLenRoadP为路段P的长度,nTimeTravelP为路段P的平均旅行时间;
拥堵等级确定单元225,用于根据每条路段的平均旅行速度和预设的平均旅行速度阈值范围确定各路段的拥堵等级。
本实施方式中,所述车辆所在路段匹配单元221还可以包括地图网格划分子单元、定位点所在路段匹配子单元和路径确定子单元。
地图网格划分子单元,用于根据预设的经度间隔和纬度间隔将地图进行网格划分;
定位点所在路段匹配子单元,用于匹配出所述定位数据分析周期内车辆的每个定位点所在的路段,匹配方式为:
①对于每个定位点,根据定位点的经纬度确定出定位点所在的网格,以定位点所在网格内的路段作为候选路段并添加到候选路段集合RoadSel中;
②根据候选路段集合RoadSel中的路段,筛选出路段集合indOnRoad1,路段集合indOnRoad1中的路段为定位点与该路段的起始点的连线与道路的夹角和定位点与该路段的终止点的连线与道路的夹角均为锐角的路段;
③在路段集合indOnRoad1中筛选出定位点与路段的距离小于距离误差阈值dErr_Dist的路段的路段集合indOnRoad2;
④在路段集合indOnRoad2中筛选出定位点的航向角与路段的道路方向的差值的绝对值小于航向误差阈值dErr_Azm的路段的路段集合indOnRoad3;
⑤以路段集合indOnRoad3为新的候选路段集合,将路段集合indOnRoad3中路段权值最大的路段确定为定位点所在的路段RoadSelIND;路段取值的计算方式为:
a、设disti为定位点与某一路段i的距离,则距离权值wd的取值为:若disti<5m,则wd=1;若5m≤disti≤100m,则wd=1-disti/100;若disti>100m,则wd=-1;
b、根据定位点的航向角与路段的道路方向的差值的绝对值确定出路段的航向权值;确定方式为:
设detValAi为定位点的航向角与某一路段i的道路方向的差值的绝对值,则航向权值wa=3*cos(detValAi);
c、所述某一路段的路段权值wt=wa+wd;
路径确定子单元,用于根据相邻两个定位点所在的路段和这两个路段之间的道路拓扑关系,确定出车辆在相邻两个定位点之间的所经过的路段。
所述路段平均旅行时间计算单元223计算每条路段的平均旅行时间的方式为:
记定位数据分析周期内共有N条路段上有车辆行驶,路段P上有M个车辆行驶,M个车辆中的第k个车辆在路段P上的行驶时间为TravelTk,1≤k≤M,路段P的平均旅行时间nTimeTravelP的计算方式为:
①若M≤3,nTimeTravelP=mean(TravelTk),mean(TravelTk)表示M个车辆在路段P上的行驶时间的平均值;
②若3<M<7,nTimeTravelP=mean(TravelTk-TravelTmin-TravelTmax),mean(TravelTk-TravelTmin-TravelTmax)表示将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间的平均值;
③若M>7,nTimeTravelP==n1/nT*mT1+n2/nT*mT2+n3/nT*mT3;
其中,将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间记为集合TravelTP,将集合TravelTP聚类成3类,得到集合TravelTP1、TravelTP2和TravelTP3,n1、n2和n3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的个数,mT1、mT2和mT3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的均值,nT=n1+n2+n3=M-2。
拥堵等级确定单元225包括拥堵等级划分子单元和拥堵等级确认子单元。
拥堵等级划分子单元,用于划分路段的拥堵等级,划分方式为:根据路段的等级,确定不同等级的路段的各拥堵等级的平均旅行速度阈值范围;
拥堵等级确定子单元,用于根据计算出的每条路段的平均旅行速度和该路段的等级确定出各路段的拥堵等级。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (13)
1.一种基于浮动车卫星定位数据的城市道路拥堵计算方法,包括以下步骤:
步骤一、浮动车按照预设的定位数据采集周期向拥堵分析计算机中心上传其车辆的卫星定位数据;所述卫星定位数据包括浮动车每个定位点的定位时间和定位点的车辆速度、经纬度和航向角;
步骤二、计算机中心每隔预设的定位数据分析周期,根据该定位数据分析周期内接收到的所有车辆的卫星定位数据进行道路拥堵分析。
2.根据权利要求1所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,其特征在于:步骤二中,计算机中心进行道路拥堵分析的方式为:
(1)根据每个车辆的卫星定位数据匹配出每个车辆在定位数据分析周期内所经过的路段;
(2)计算所述定位数据分析周期内每个车辆在每条路段上的行驶时间;计算方式为:
记车辆在相邻的两个定位点之间所经过的路段为n条,n≥1;车辆在n条路段中的每条路段的行驶时间的计算方式为:
沿车辆的行驶方向,记车辆在n条路段的第1条和第n条路段上行驶的距离分别为dist1和distn,在第1条路段和第n条路段的行驶时间分别为TravelT1和TravelTn,第i条路段的路段长度为RoadLeni,在第i条路段上的行驶时间为TravelTi,第2条至第n-1条路段的路段长度总和为sum(RoadLenj),2≤i≤n-1;
TravelT1=deltT*dist1/(dist1+sum(RoadLeni)+distn);
TravelTn=deltT*distn/(dist1+sum(RoadLeni)+distn);
TravelTi=deltT*RoadLeni/(dist1+sum(RoadLeni)+distn);
其中,deltT表示相邻两个定位点之间的定位时间差,deltT等于所述定位数据采集周期;
(3)记录在所述定位数据分析周期内有车辆行驶的路段的个数,根据每个车辆在每条路段的行驶时间,计算每条路段的平均旅行时间;某一路段的平均旅行时间是指在所述定位数据分析周期内在该路段上行驶的所有车辆在该路段上的行驶时间的均值;
(4)根据每条路段的平均旅行时间和该路段的长度,计算路段的平均旅行速度,计算方式为:
所述路段P的平均旅行速度VP=nLenRoadP/nTimeTravelP,nLenRoadP为路段P的长度,nTimeTravelP为路段P的平均旅行时间;
(5)根据每条路段的平均旅行速度和预设的平均旅行速度阈值范围确定各路段的拥堵等级。
3.根据权利要求1或2所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,其特征在于:步骤二中,计算机中心在根据卫星定位数据进行道路拥堵分析之前,还包括:对接收到的每个定位点的卫星定位数据进行预处理,预处理方式为:
对于每个车辆,根据车辆的前后定位点的车辆经纬度和时间差,计算前后两个定位点之间的车辆平均速度Sp_Avg,若车辆平均速度Sp_Avg大于设定速度,则舍弃该车辆平均速度所对应的定位点的卫星定位速度。
4.根据权利要求1或2所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,其特征在于:步骤(1)中,根据每个车辆的卫星定位数据匹配出每个车辆在定位数据分析周期内所经过路段,包括:
1)根据预设的经度间隔和纬度间隔将地图进行网格划分;
2)匹配出所述定位数据分析周期内车辆的每个定位点所在的路段,匹配方式为:
①对于每个定位点,根据定位点的经纬度确定出定位点所在的网格,以定位点所在网格内的路段作为候选路段并添加到候选路段集合RoadSel中;
②根据候选路段集合RoadSel中的路段,筛选出路段集合indOnRoad1,路段集合indOnRoad1中的路段为定位点与该路段的起始点的连线与道路的夹角和定位点与该路段的终止点的连线与道路的夹角均为锐角的路段;
③在路段集合indOnRoad1中筛选出定位点与路段的距离小于距离误差阈值dErr_Dist的路段的路段集合indOnRoad2;
④在路段集合indOnRoad2中筛选出定位点的航向角与路段的道路方向的差值的绝对值小于航向误差阈值dErr_Azm的路段的路段集合indOnRoad3;
⑤以路段集合indOnRoad3为新的候选路段集合,将路段集合indOnRoad3中路段权值最大的路段确定为定位点所在的路段RoadSelIND;路段权值的计算方式为:
a、设disti为定位点与某一路段i的距离,则距离权值wd的取值为:若disti<5m,则wd=1;若5m≤disti≤100m,则wd=1-disti/100;若disti>100m,则wd=-1;
b、根据定位点的航向角与路段的道路方向的差值的绝对值确定出路段的航向权值;确定方式为:
设detValAi为定位点的航向角与某一路段i的道路方向的差值的绝对值,则航向权值wa=3*cos(detValAi);
c、所述某一路段的路段权值wt=wa+wd;
3)根据相邻两个定位点所在的路段和这两个路段之间的道路拓扑关系,确定出车辆在相邻两个定位点之间所经过的路段。
5.根据权利要求4所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,其特征在于:步骤3)中,根据相邻两个定位点所在的路段和这两个路段之间的道路拓扑关系,确定出车辆在相邻两个定位点之间所经过的路段的方式为:
I、建立用于确定车辆在相邻两个定位点之间所经过的路段的道路结点集合nIndNodes;建立结点集合nIndNodes的方式包括:
记相邻两个定位点中前一个定位点所在的路段为第一路段,后一个定位点所在的路段为第二路段,获取第一路段和第二路段的道路结点信息,选取第一路段的任一道路结点为起始点s,选取第二路段的任一道路结点为终止点e,将与起始点s的最短路径长度和与终止点e的最短路径长度均小于预设的路径搜索长度的道路结点添加到结点集合nIndNodes中,并建立结点集合nIndNodes的邻接矩阵ADJ;
其中,结点集合nIndNodes的长度记为nLen;邻接矩阵ADJ中的第p行第q列的元素为第p个道路结点与第q个道路结点间的路径长度,不互为邻接点的两个道路结点之间的路径长度设置为预设值Mval;
II、根据所述结点集合nIndNodes和其邻接矩阵ADJ进行起始点s和终止点e之间的路径搜索,搜索出的路径中所包括的路段确定为车辆在相邻两个定位点之间所经过的路段;
进行路径搜索的一种方式包括:
i、设置结点集合nIndNodes中每个道路结点的结点标识,结点m的结点标识记为(dm,pm),dm为起始点s到结点m的最短路径长度,pm为结点m的紧前结点;所述紧前结点是指起始点s到结点m的最短路径中结点m的前一结点;
设置清零标记集合pb,清零标记集合pb中的元素与结点集合nIndNodes中的元素一一对应,当结点集合nIndNodes中某一道路结点为起始点时,清零标记集合pb对应的元素置为1,否则置为0,初始化时pb(s)=1;
设置标号结点顺序集合index,标号结点顺序集合index中的元素为按顺序存放的起始点;初始化时index[1]=s;
ii、设置一临时变量temp,令初始化的temp=s;
iii、判断是否满足temp≠e且sum(pb)<nLen,若是,则进入步骤iv,若否,则进入步骤x;sum(pb)为集合pb中所有元素的和;
iv、将清零标记集合pb中为零的元素所对应的道路结点组成集合tb,根据所述邻接矩阵获取结点temp的邻接点并组成集合CollInNode,取集合tb与CollInNode的交集记为IA;
v、判断IA是否为空集,若是,则进入步骤vii,若否,则进入步骤vi;
vi、选取IA中的道路结点j作为新的起始点,并进入步骤viii;选取方式为:
遍历IA中的所有道路结点,对于每个道路结点j计算min[dj,dtemp+ltempj],选取最小的min[dj,dtemp+ltempj]所对应的道路结点j为新的起始点;
其中,dtemp为起始点s到道路结点temp的最短路径长度,ltempj是道路结点temp到道路结点j的直线距离;
vii、选取集合tb中dtbT最小的道路结点j作为新的起始点;其中,dtbT=dtb1+dtb2,dtb1、dtb2分别表示集合tb中的道路结点与起始点s的最短路径长度以及与终止点e的直线距离;
viii、判断是否满足dj≠Mval,若是,进入步骤ix,若否,进入步骤x;
ix、记录index=[s,j],pb(j)=1,令temp=j,并返回步骤iii;
x、判断是否满足temp=e,若是,确定起始点s与终止点e之间的最优路径为集合index中的道路结点依次连接成的路径,若否,则起始点s与终止点e之间最优路径搜索失败;
进行路径搜索的另一种方式为:
A、设置路径结点集合partialPath,并记录路径结点集合partialPath的长度pathLength,集合中的元素为按搜索顺序存放的每次路径搜索时的搜索起始结点;pathLength是指路径结点集合partialPath中元素的个数,初始化时,partialPath[1]=s,pathLength=1;
设置每次搜索时的搜索起始结点为lastnode,lastnode=partialPath[last],partialPath[last]表示路径结点集合partialPath的最后一个元素;初始化时,lastnode=s;
B、根据邻接矩阵ADJ获取搜索起始结点lastnode的邻接点,将得到的邻接点记录在邻接点集合nextNodes中;
C、判断邻接点集合nextNodes是否为空,若是,则进入步骤D,若否,则进入步骤F;
D、判断路径结点集合partialPath中的元素是否只有起始点s,若是,则路径搜索搜索回到起始点,路径搜索完毕;若否,则进入步骤E;
E、删除路径结点集合partialPath中partialPath[last],更新路径结点集合partialPath和搜索起始结点lastnode,并返回步骤B;
F、从邻接点集合nextNodes中选取下一个搜索起始道路结点,选取方式为:
F1)遍历邻接点集合nextNodes中的道路结点nextNodesi,判断道路结点nextNodesi是否为终止点e,若是,则将nextNodesi从结点集合nextNodes中删除,将邻接矩阵中搜索起始结点lastnode和nextNodesi之间的路径长度设置为预设值Mval,将路径结点集合partialPath中的道路结点顺次连接生成s和终止点e之间的一条路径,进入步骤F2);若否,则进入步骤F2);
F2)判断nextNodesi是否在路径结点集合partialPath中,若是,则将nextNodesi从邻接点集合nextNodes中删除,将邻接矩阵中搜索起始结点lastnode和nextNodesi之间的路径长度设置为预设值Mval,进入步骤F3);若否,则进入步骤F3);
F3)判断邻接点集合nextNodes是否为空,若是,则返回步骤D;若否,则选取邻接点集合nextNodes中的一个道路结点为下一个搜索起始结点;
G、根据选取的下一个搜索起始结点更新路径结点集合partialPath和起始标识lastnode,清空邻接点集合nextNodes,并返回步骤B。
6.根据权利要求1或2所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,其特征在于:步骤(3)中,根据每个车辆在每条路段的行驶时间,计算每条路段的平均旅行时间,包括:
记定位数据分析周期内共有N条路段上有车辆行驶,路段P上有M个车辆行驶,M个车辆中的第k个车辆在路段P上的行驶时间为TravelTk,1≤k≤M,路段P的平均旅行时间nTimeTravelP的计算方式为:
①若M≤3,nTimeTravelP=mean(TravelTk),mean(TravelTk)表示M个车辆在路段P上的行驶时间的平均值;
②若3<M<7,nTimeTravelP=mean(TravelTk-TravelTmin-TravelTmax),mean(TravelTk-TravelTmin-TravelTmax)表示将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间的平均值;
③若M>7,nTimeTravelP==n1/nT*mT1+n2/nT*mT2+n3/nT*mT3;
其中,将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间记为集合TravelTP,将集合TravelTP聚类成3类,得到集合TravelTP1、TravelTP2和TravelTP3,n1、n2和n3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的个数,mT1、mT2和mT3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的均值,nT=n1+n2+n3=M-2,n1≥1,n2≥1,n3≥1。
7.根据权利要求1或2所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,其特征在于:步骤(5)中,根据每条路段的平均旅行速度和预设的平均旅行速度阈值范围确定各路段的拥堵等级,包括:
I、划分路段的拥堵等级,划分方式为:根据路段的等级,确定不同等级的路段的各拥堵等级的平均旅行速度阈值范围;
II、根据计算出的每条路段的平均旅行速度和该路段的等级确定出各路段的拥堵等级。
8.根据权利要求7所述的一种基于浮动车卫星定位数据的城市道路拥堵计算方法,其特征在于:步骤I中,路段的等级划分快速路、主干路、次干路和支路四个等级,每个等级路段的拥堵等级分为严重拥堵、拥堵、正常、畅通和非常畅通五个等级;每个等级路段的各拥堵等级的平均旅行速度阈值范围为:
对于快速路:
严重拥堵的平均旅行速度阈值范围V<20;
拥堵的平均旅行速度阈值范围20≤V<35;
正常的平均旅行速度阈值范围35≤V<50;
畅通的平均旅行速度阈值范围50≤V<65;
非常畅通的平均旅行速度阈值范围V≥65;
对于主干路:
严重拥堵的平均旅行速度阈值范围V<15;
拥堵的平均旅行速度阈值范围15≤V<25;
正常的平均旅行速度阈值范围25≤V<35;
畅通的平均旅行速度阈值范围35≤V<45;
非常畅通的平均旅行速度阈值范围V≥45;
对于次干路:
严重拥堵的平均旅行速度阈值范围V<15;
拥堵的平均旅行速度阈值范围10≤V<15;
正常的平均旅行速度阈值范围15≤V<20;
畅通的平均旅行速度阈值范围20≤V<25;
非常畅通的平均旅行速度阈值范围V≥25;
对于支路:
严重拥堵的平均旅行速度阈值范围V<5;
拥堵的平均旅行速度阈值范围5≤V<10;
正常的平均旅行速度阈值范围10≤V<15;
畅通的平均旅行速度阈值范围15≤V<20;
非常畅通的平均旅行速度阈值范围V≥20;
上述平均旅行速度阈值范围中各数值的单位为km/h。
9.一种基于浮动车卫星定位数据的城市道路拥堵计算系统,包括浮动车和拥堵分析计算机中心;所述浮动车包括定位数据上传模块;所述拥堵分析计算机中心包括定位数据接收模块和道路拥堵分析模块;
所述定位数据上传模块,用于按照预设的定位数据采集周期向拥堵分析计算机中心上传一次其车辆的卫星定位数据;所述卫星定位数据包括浮动车每个定位点的车辆速度、经纬度和航向角;
所述定位数据接收模块,用于接收定位数据上传模块上传的车辆的卫星定位数据;
所述道路拥堵分析模块,用于每隔预设的定位数据分析周期,根据该定位数据分析周期内接收到的所有车辆的卫星定位数据进行道路拥堵分析。
10.根据权利要求9所述的一种基于浮动车卫星定位数据的城市道路拥堵计算系统,其特征在于:所述道路拥堵分析模块包括:
车辆所在路段匹配单元,用于根据每个车辆的卫星定位数据匹配出每个车辆在定位数据分析周期内所经过的路段;
车辆行驶时间计算单元,用于计算所述定位数据分析周期内每个车辆在每条路段上的行驶时间;计算方式为:
记车辆在相邻的两个定位点之间所经过的路段为n条,n≥1;车辆在n条路段中的的每条路段的行驶时间的计算方式为:
沿车辆的行驶方向,记车辆在n条路段的第1条和第n条路段上行驶的距离分别为dist1和distn,在第1条路段和第n条路段的行驶时间分别为TravelT1和TravelTn,第i条路段的路段长度为RoadLeni,在第i条路段上的行驶时间为TravelTi,第2条至第n-1条路段的路段长度总和为sum(RoadLenj),2≤i≤n-1;
TravelT1=deltT*dist1/(dist1+sum(RoadLeni)+distn);
TravelTn=deltT*distn/(dist1+sum(RoadLeni)+distn);
TravelTi=deltT*RoadLeni/(dist1+sum(RoadLeni)+distn);
其中,deltT表示相邻两个定位点之间的定位时间差,deltT等于所述定位数据采集周期;
路段平均旅行时间计算单元,用于记录在所述定位数据分析周期内有车辆行驶的路段的个数,根据每个车辆在每条路段的行驶时间,计算每条路段的平均旅行时间;某一路段的平均旅行时间是指在所述定位数据分析周期内在该路段上行驶的所有车辆在该路段上的行驶时间的均值;
路段平均旅行速度计算单元,用于根据每条路段的平均旅行时间和该路段的长度,计算路段的平均旅行速度,计算方式为:
所述路段P的平均旅行速度VP=nLenRoadP/nTimeTravelP,nLenRoadP为路段P的长度,nTimeTravelP为路段P的平均旅行时间;
拥堵等级确定单元,用于根据每条路段的平均旅行速度和预设的平均旅行速度阈值范围确定各路段的拥堵等级。
11.根据权利要求9或10所述的一种基于浮动车卫星定位数据的城市道路拥堵计算系统,其特征在于:所述车辆所在路段匹配单元包括地图网格划分子单元和定位点所在路段匹配子单元;
地图网格划分子单元,用于根据预设的经度间隔和纬度间隔将地图进行网格划分;
定位点所在路段匹配子单元,用于匹配出所述定位数据分析周期内车辆的每个定位点所在的路段,匹配方式为:
①对于每个定位点,根据定位点的经纬度确定出定位点所在的网格,以定位点所在网格内的路段作为候选路段并添加到候选路段集合RoadSel中;
②根据候选路段集合RoadSel中的路段,筛选出路段集合indOnRoad1,路段集合indOnRoad1中的路段为定位点与该路段的起始点的连线与道路的夹角和定位点与该路段的终止点的连线与道路的夹角均为锐角的路段;
③在路段集合indOnRoad1中筛选出定位点与路段的距离小于距离误差阈值dErr_Dist的路段的路段集合indOnRoad2;
④在路段集合indOnRoad2中筛选出定位点的航向角与路段的道路方向的差值的绝对值小于航向误差阈值dErr_Azm的路段的路段集合indOnRoad3;
⑤以路段集合indOnRoad3为新的候选路段集合,将路段集合indOnRoad3中路段权值最大的路段确定为定位点所在的路段RoadSelIND;路段取值的计算方式为:
a、设disti为定位点与某一路段i的距离,则距离权值wd的取值为:若disti<5m,则wd=1;若5m≤disti≤100m,则wd=1-disti/100;若disti>100m,则wd=-1;
b、根据定位点的航向角与路段的道路方向的差值的绝对值确定出路段的航向权值;确定方式为:
设detValAi为定位点的航向角与某一路段i的道路方向的差值的绝对值,则航向权值wa=3*cos(detValAi);
c、所述某一路段的路段权值wt=wa+wd;
路径确定子单元,用于根据相邻两个定位点所在的路段和这两个路段之间的道路拓扑关系,确定出车辆在相邻两个定位点之间的所经过的路段。
12.根据权利要求9或10所述的一种基于浮动车卫星定位数据的城市道路拥堵计算系统,其特征在于:所述路段平均旅行时间计算单元计算每条路段的平均旅行时间的方式为:
记定位数据分析周期内共有N条路段上有车辆行驶,路段P上有M个车辆行驶,M个车辆中的第k个车辆在路段P上的行驶时间为TravelTk,1≤k≤M,路段P的平均旅行时间nTimeTravelP的计算方式为:
①若M≤3,nTimeTravelP=mean(TravelTk),mean(TravelTk)表示M个车辆在路段P上的行驶时间的平均值;
②若3<M<7,nTimeTravelP=mean(TravelTk-TravelTmin-TravelTmax),mean(TravelTk-TravelTmin-TravelTmax)表示将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间的平均值;
③若M>7,nTimeTravelP==n1/nT*mT1+n2/nT*mT2+n3/nT*mT3;
其中,将M个车辆在路段P上的行驶时间中的最大值和最小值剔除后的M-2个车辆在路段P上的行驶时间记为集合TravelTP,将集合TravelTP聚类成3类,得到集合TravelTP1、TravelTP2和TravelTP3,n1、n2和n3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的个数,mT1、mT2和mT3分别为集合TravelTP1、TravelTP2和TravelTP3中元素的均值,nT=n1+n2+n3=M-2,n1≥1,n2≥1,n3≥1。
13.根据权利要求10所述的一种基于浮动车卫星定位数据的城市道路拥堵计算系统,其特征在于:拥堵等级确定单元包括:
拥堵等级划分子单元,用于划分路段的拥堵等级,划分方式为:根据路段的等级,确定不同等级的路段的各拥堵等级的平均旅行速度阈值范围;
拥堵等级确定子单元,用于根据计算出的每条路段的平均旅行速度和该路段的等级确定出各路段的拥堵等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511000302.XA CN105489008B (zh) | 2015-12-28 | 2015-12-28 | 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511000302.XA CN105489008B (zh) | 2015-12-28 | 2015-12-28 | 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105489008A true CN105489008A (zh) | 2016-04-13 |
CN105489008B CN105489008B (zh) | 2018-10-19 |
Family
ID=55675968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511000302.XA Expired - Fee Related CN105489008B (zh) | 2015-12-28 | 2015-12-28 | 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105489008B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107622660A (zh) * | 2016-07-14 | 2018-01-23 | 北京四维图新科技股份有限公司 | 一种道路限行时间确定方法及装置 |
CN108759858A (zh) * | 2018-06-29 | 2018-11-06 | 北京汽车股份有限公司 | 一种续航里程计算方法、计算装置及汽车 |
WO2019007111A1 (zh) * | 2017-07-04 | 2019-01-10 | 山东省交通规划设计院 | 一种公路异常事件的判断方法 |
CN109300312A (zh) * | 2018-12-06 | 2019-02-01 | 深圳市泰比特科技有限公司 | 一种基于车辆大数据的路况分析方法及系统 |
CN109448379A (zh) * | 2018-12-13 | 2019-03-08 | 中南大学 | 一种社交媒体数据偶发性交通事件的识别及定位方法 |
CN109584549A (zh) * | 2018-11-08 | 2019-04-05 | 中国电子科技集团公司第二十八研究所 | 一种基于大规模浮动车数据的道路交通运行指数检测方法 |
CN109844832A (zh) * | 2016-12-30 | 2019-06-04 | 同济大学 | 一种基于行程时间分布的多模态交通异常检测方法 |
CN109841056A (zh) * | 2017-11-29 | 2019-06-04 | 高德软件有限公司 | 一种判断路段拥堵、区域拥堵的方法及装置 |
CN109870713A (zh) * | 2019-01-08 | 2019-06-11 | 武汉众智鸿图科技有限公司 | 一种gps轨迹曲线生成方法及装置 |
CN110276951A (zh) * | 2019-06-26 | 2019-09-24 | 朱志强 | 一种基于移动互联网交通拥堵预警方法 |
CN111681432A (zh) * | 2020-04-30 | 2020-09-18 | 安徽科力信息产业有限责任公司 | 一种包含信号灯路口的拥堵源头确定方法及装置 |
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 |
CN112492889A (zh) * | 2019-11-21 | 2021-03-12 | 北京嘀嘀无限科技发展有限公司 | 基于车辆轨迹数据的交通控制系统和方法 |
CN113016014A (zh) * | 2018-11-14 | 2021-06-22 | 本田技研工业株式会社 | 分析装置及分析方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070146162A1 (en) * | 2005-12-22 | 2007-06-28 | Nissan Technical Center North America, Inc. | Vehicle communication system |
CN101127159A (zh) * | 2007-09-18 | 2008-02-20 | 中国科学院软件研究所 | 基于网络受限移动对象数据库的交通流数据采集与分析 |
CN101604478A (zh) * | 2009-06-18 | 2009-12-16 | 北京九州联宇信息技术有限公司 | 一种动态交通信息的处理方法及系统 |
JP2012190248A (ja) * | 2011-03-10 | 2012-10-04 | Sumitomo Electric Ind Ltd | 交通指標算出装置、交通指標算出方法および交通指標算出プログラム |
CN103000027A (zh) * | 2012-12-19 | 2013-03-27 | 安徽科力信息产业有限责任公司 | 基于浮动车在拥堵状态下的智能交通诱导方法 |
CN103903433A (zh) * | 2012-12-27 | 2014-07-02 | 中兴通讯股份有限公司 | 一种道路交通状态的实时动态判别方法及装置 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN104457775A (zh) * | 2014-12-12 | 2015-03-25 | 北京航天宏图信息技术有限责任公司 | 路径确定方法、装置和导航仪 |
CN104574967A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于北斗的城市大面积路网交通感知方法 |
-
2015
- 2015-12-28 CN CN201511000302.XA patent/CN105489008B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070146162A1 (en) * | 2005-12-22 | 2007-06-28 | Nissan Technical Center North America, Inc. | Vehicle communication system |
CN101127159A (zh) * | 2007-09-18 | 2008-02-20 | 中国科学院软件研究所 | 基于网络受限移动对象数据库的交通流数据采集与分析 |
CN101604478A (zh) * | 2009-06-18 | 2009-12-16 | 北京九州联宇信息技术有限公司 | 一种动态交通信息的处理方法及系统 |
JP2012190248A (ja) * | 2011-03-10 | 2012-10-04 | Sumitomo Electric Ind Ltd | 交通指標算出装置、交通指標算出方法および交通指標算出プログラム |
CN103000027A (zh) * | 2012-12-19 | 2013-03-27 | 安徽科力信息产业有限责任公司 | 基于浮动车在拥堵状态下的智能交通诱导方法 |
CN103903433A (zh) * | 2012-12-27 | 2014-07-02 | 中兴通讯股份有限公司 | 一种道路交通状态的实时动态判别方法及装置 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN104457775A (zh) * | 2014-12-12 | 2015-03-25 | 北京航天宏图信息技术有限责任公司 | 路径确定方法、装置和导航仪 |
CN104574967A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于北斗的城市大面积路网交通感知方法 |
Non-Patent Citations (3)
Title |
---|
NAGENDRA R. VELAGA等: "Developing an enhanced weight-based topological map-matching algorithm for intelligent transport systems", 《TRANSPORTATION RESEARCH PART C EMERGING TECHNOLOGIES》 * |
刘兴权等: "地图匹配算法综述", 《科技信息》 * |
王美玲等: "浮动车地图匹配算法研究", 《测绘学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107622660A (zh) * | 2016-07-14 | 2018-01-23 | 北京四维图新科技股份有限公司 | 一种道路限行时间确定方法及装置 |
CN109844832B (zh) * | 2016-12-30 | 2021-06-15 | 同济大学 | 一种基于行程时间分布的多模态交通异常检测方法 |
CN109844832A (zh) * | 2016-12-30 | 2019-06-04 | 同济大学 | 一种基于行程时间分布的多模态交通异常检测方法 |
WO2019007111A1 (zh) * | 2017-07-04 | 2019-01-10 | 山东省交通规划设计院 | 一种公路异常事件的判断方法 |
US10573174B2 (en) | 2017-07-04 | 2020-02-25 | Shandong Provincial Communications Planning And Design Institute | Method for judging highway abnormal event |
CN109841056A (zh) * | 2017-11-29 | 2019-06-04 | 高德软件有限公司 | 一种判断路段拥堵、区域拥堵的方法及装置 |
CN108759858A (zh) * | 2018-06-29 | 2018-11-06 | 北京汽车股份有限公司 | 一种续航里程计算方法、计算装置及汽车 |
CN109584549A (zh) * | 2018-11-08 | 2019-04-05 | 中国电子科技集团公司第二十八研究所 | 一种基于大规模浮动车数据的道路交通运行指数检测方法 |
CN113016014A (zh) * | 2018-11-14 | 2021-06-22 | 本田技研工业株式会社 | 分析装置及分析方法 |
CN109300312A (zh) * | 2018-12-06 | 2019-02-01 | 深圳市泰比特科技有限公司 | 一种基于车辆大数据的路况分析方法及系统 |
CN109448379A (zh) * | 2018-12-13 | 2019-03-08 | 中南大学 | 一种社交媒体数据偶发性交通事件的识别及定位方法 |
CN109870713A (zh) * | 2019-01-08 | 2019-06-11 | 武汉众智鸿图科技有限公司 | 一种gps轨迹曲线生成方法及装置 |
CN110276951B (zh) * | 2019-06-26 | 2020-11-13 | 朱志强 | 一种基于移动互联网交通拥堵预警方法 |
CN110276951A (zh) * | 2019-06-26 | 2019-09-24 | 朱志强 | 一种基于移动互联网交通拥堵预警方法 |
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 |
CN112492889A (zh) * | 2019-11-21 | 2021-03-12 | 北京嘀嘀无限科技发展有限公司 | 基于车辆轨迹数据的交通控制系统和方法 |
CN112492889B (zh) * | 2019-11-21 | 2023-02-17 | 北京嘀嘀无限科技发展有限公司 | 基于车辆轨迹数据的交通控制系统和方法 |
CN111681432A (zh) * | 2020-04-30 | 2020-09-18 | 安徽科力信息产业有限责任公司 | 一种包含信号灯路口的拥堵源头确定方法及装置 |
CN111681432B (zh) * | 2020-04-30 | 2022-03-29 | 大连理工大学 | 一种包含信号灯路口的拥堵源头确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105489008B (zh) | 2018-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105489008A (zh) | 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 | |
CN103454660B (zh) | 一种车辆定位方法及装置 | |
CN103791961B (zh) | 一种预测车辆可行驶里程数的方法 | |
Ma et al. | Estimating maximum queue length for traffic lane groups using travel times from video-imaging data | |
CN101271628B (zh) | 堵车状况运算系统 | |
CN105261212B (zh) | 一种基于出租车gps数据地图匹配的出行时空分析方法 | |
CN101218486A (zh) | 用于对道路网图进行建模的方法、装置及系统 | |
CN105509753B (zh) | 一种基于浮动车卫星定位数据的地图匹配方法及系统 | |
CN101673460B (zh) | 一种交通信息的质量评价方法、装置及系统 | |
CN103593976A (zh) | 基于检测器确定道路交通状态的方法及系统 | |
CN103903433A (zh) | 一种道路交通状态的实时动态判别方法及装置 | |
CN102074110B (zh) | 基于浮动车数据的交通流路口转向延时获取系统和方法 | |
CN103033832A (zh) | 导航系统及道路匹配方法与装置 | |
EP2956745A1 (en) | New road detection logic | |
US8260532B2 (en) | Traffic probe in-vehicle map-based process to reduce data communications and improve accuracy | |
CN101958043A (zh) | 路段旅行时间计算装置及其方法 | |
CN105336166A (zh) | 基于车载蓝牙的交通特征参数提取方法 | |
CN102044153A (zh) | 一种交通流通畅等级评价的方法与系统 | |
CN106441336A (zh) | 一种基于道路拥堵的导航系统 | |
CN101404120A (zh) | 判断浮动车行驶状态的方法及装置 | |
CN102567389B (zh) | 组合交通网络的形成方法和设备、路径搜索方法和设备 | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN102346042A (zh) | 基于实时路况的路线规划方法及其服务设备 | |
CN104794895A (zh) | 一种面向高速公路的多源交通信息融合方法 | |
CN106297320A (zh) | 一种获取车辆行驶速度的方法及装置 |
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: 20181019 Termination date: 20211228 |