CN105489009A - 一种潮汐车道识别方法与系统 - Google Patents

一种潮汐车道识别方法与系统 Download PDF

Info

Publication number
CN105489009A
CN105489009A CN201511005052.9A CN201511005052A CN105489009A CN 105489009 A CN105489009 A CN 105489009A CN 201511005052 A CN201511005052 A CN 201511005052A CN 105489009 A CN105489009 A CN 105489009A
Authority
CN
China
Prior art keywords
section
traffic
heavy
tide
track
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
Application number
CN201511005052.9A
Other languages
English (en)
Other versions
CN105489009B (zh
Inventor
马荣叶
刘晓华
刘四奎
汤夕根
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ho whale cloud computing Polytron Technologies Inc
Original Assignee
ZTEsoft Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZTEsoft Technology Co Ltd filed Critical ZTEsoft Technology Co Ltd
Priority to CN201511005052.9A priority Critical patent/CN105489009B/zh
Publication of CN105489009A publication Critical patent/CN105489009A/zh
Application granted granted Critical
Publication of CN105489009B publication Critical patent/CN105489009B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Abstract

本发明提供一种潮汐车道识别方法，通过读取交叉口表，获取所有交叉口ID，全部标记为Unvisited，并取其中一个标记为Unvisited的交叉口ID，标记为visited，以上述交叉口ID为下游路口ID或上游路口ID查表路段表，获取与该交叉口ID相连的路段ID；再进行路段匹配：若两个路段ID的上游路口ID对应下游路口ID，下游路口ID对应上游路口ID，则路段匹配成功，进行下一步处理；若匹配不成功，则该路段ID不作下一步处理；对于匹配成功的路段ID对，以路段ID查车道表MD_LANE，统计每条路段的车道数，并将同一个路段ID对的车道数求总和，若总车道数<3，则该路段ID对不满足车道条件，不予处理；若总车道数>=3，则进行基于早高峰和晚高峰时段的轻交通流、重交通流的方向判别、流量统计、计算方向系数以及通行能力，实现潮汐车道的识别。

Description

一种潮汐车道识别方法与系统
技术领域
本发明涉及智能交通技术领域，具体而言涉及一种潮汐车道识别方法与计算机系统。
背景技术
城市用地性质差异导致交通吸引点在时空上分布不均匀，早晚高峰出现潮汐交通的现象之分明显，道路资源因此而得不到最大化的合理分配和利用。在早高峰时，绝大多数出行都是从居住地点通向工作地点，而在晚高峰时，绝大多数出行都是从工作地点通向居住地点，导致交通分布的方向严重不均衡，造成潮汐交通现象。现有的交通规划设计只能满足平峰时期的交通通行需求，但是在早晚高峰形成的潮汐交通下，道路资源出现不足或者车道分布不合理现象，造成重交通放心车辆延误较大，拥堵严重，而在轻交通方向的道路资源则出现利用率低下的问题。
基于此问题，如何提高现有道路在高峰时段的通行能力，缓解交通堵塞，是当前需要解决的一大关键问题。现有的研究和实践都在通过不断的尝试和改善中，探索在现有道路设计的基础上，充分挖掘、合理利用，潮汐车道成为解决这一问题的重要选择之一。
“潮汐车道”就是可变车道，是指根据早晚交通流量不同情况，对有条件的道路，试点开辟某一车道不同时段内的行驶方向的变化。例如，通过车道灯的指示方向变化，控制主干道车道行驶方向，来调整车道数。
目前，虽然潮汐车道的设计和控制方案有很多，但如何进行潮汐车道的识别，仍是我们需要解决的问题。
发明内容
本发明的第一方面提出一种潮汐车道识别方法，包括以下步骤：
步骤1、读取交叉口表MD_INTERSECTION，获取所有交叉口ID，全部标记为Unvisited；
步骤2、取其中一个标记为Unvisited的交叉口ID，标记为visited；并进入步骤3处理；
步骤3、以上述所取的交叉口ID为下游路口ID或上游路口ID查表处理，在路段表MD_SEGMENT中查找获取与该交叉口ID相连的路段ID；
步骤4、路段匹配：若两个路段ID的上游路口ID对应下游路口ID，下游路口ID对应上游路口ID，则路段匹配成功，进行步骤5；若匹配不成功，则该路段ID不作下一步处理；
步骤5、对于匹配成功的路段ID对，以路段ID查车道表MD_LANE，统计每条路段的车道数，并将同一个路段ID对的车道数求总和，若总车道数<3，则该路段ID对不满足车道条件，不予处理；若总车道数>＝3，则进行步骤6；
步骤6、读取路段流量信息表AY_RESULT_SEGMENT_VOLUME_HIS，获取路段的驶出流量，计算各路段的高峰小时流量值，即将8:00～9:00之间的路段驶出流量求和，所述的路段流量信息表中记录路段的驶入和驶出流量；
步骤7、计算各路段上方向系数，即 其中Q1为路段对中一个路段ID1的高峰小时流量值，Q2为路段对中另一个路段ID2的高峰小时流量值；
步骤8、判断max(k1，k2)是否大于设定阈值，若是，则潮汐现象值IS_TIDE置为1，否则，将潮汐现象值IS_TIDE置为0；
步骤9、将max(k1，k2)对应的路段ID作为重方向HEAVY_ID；
步骤10、重复步骤6-步骤9，将一个月内的数据全部分析完毕，保存中间数据，这些中间数据包括：交叉口ID、潮汐现象值、重方向、轻方向、双向总车道数、高峰时段、星期几类型；
步骤11、将上述保存的一个月的中间数据中潮汐现象值IS_TIDE＝1的数据全部取出来，进行步骤12；
步骤12、分别统计星期几类型WEEK_TYPE＝1、2、3、4、5、6或7时，重方向HEAVY_ID＝ID1的数目NUM(ID1)，及重方向HEAVY_ID＝ID2的数目NUM(ID2)，比较NUM(ID1与NUM(ID2)的大小，保存较大的一个数据，假设是NUM(ID2)；进行步骤13；
步骤13、当步骤12中计算的数据NUM(ID2)>＝3时，令潮汐车道识别码即潮汐现象值IS_TIDE＝1，否则IS_TIDE＝0；
步骤14、将max(NUM(ID1)，NUM(ID2))对应的路段ID作为重方向HEAVY_ID，并从路段表MD_SEGMENT中获取该路段ID对应的通行能力SEGMENT_CAPACITY作为重方向HEAVY_ID的重通行能力HEAVY_TRAFFIC_CAP；
将min(NUM(ID1)，NUM(ID2))对应的路段ID作为轻方向LIGHT_ID，并从路段表MD_SEGMENT中获取该路段ID的通行能力SEGMENT_CAPACITY作为轻方向LIGHT_ID的轻通行能力LIGHT_TRAFFIC_CAP；
步骤15、将本月计算的所有 求算术平均值，max(k1，k2)作为重交通流方向系数HEAVY_TRAFFIC_K，min(k1，k2)作为轻交通流方向系数LIGHT_TRAFFIC_K；将步骤5中计算的总车道数作为双向总车道数TOTAL_LANES_NUM；
步骤16、将本月计算的所有Q1，Q2求算术平均值，max(Q1，Q2)作为重交通流流量HEAVY_TRAFFIC_VOLUME，min(Q1，Q2)作为轻交通流流量LIGHT_TRAFFIC_VOLUME；
步骤17、将步骤13-步骤16中计算的数据输出至潮汐车道表AY_RESULT_REVERSIBLE_LANE。
进一步的实施例中，前述步骤1中，前述步骤8中的设定阈值设定为0.75.
进一步的实施例中，前述方法更加包含以下步骤：
根据步骤6-17将17:00～18:00之间的数据按照前述步骤6-17的方法处理完毕，然后转到步骤2，直到所有交叉口ID都标记为visited。
根据本发明的公开，还提出一种用于潮汐车道识别的计算机系统，包括：
显示器，被设置用于表征潮汐车道识别状态和/或识别结果；
一个或多个处理器；
存储器，被设置用于存储由所述一个或多个处理器使用的程序模块和数据，这些程序模块被配置成在被一个或多个处理器执行时以下述方式实现潮汐车道识别：
步骤1、读取交叉口表MD_INTERSECTION，获取所有交叉口ID，全部标记为Unvisited；
步骤2、取其中一个标记为Unvisited的交叉口ID，标记为visited；并进入步骤3处理；
步骤3、以上述所取的交叉口ID为下游路口ID或上游路口ID查表处理，在路段表MD_SEGMENT中查找获取与该交叉口ID相连的路段ID；
步骤4、路段匹配：若两个路段ID的上游路口ID对应下游路口ID，下游路口ID对应上游路口ID，则路段匹配成功，进行步骤5；若匹配不成功，则该路段ID不作下一步处理；
步骤5、对于匹配成功的路段ID对，以路段ID查车道表MD_LANE，统计每条路段的车道数，并将同一个路段ID对的车道数求总和，若总车道数<3，则该路段ID对不满足车道条件，不予处理；若总车道数>＝3，则进行步骤6；
步骤6、读取路段流量信息表AY_RESULT_SEGMENT_VOLUME_HIS，获取路段的驶出流量，计算各路段的高峰小时流量值，即将8:00～9:00之间的路段驶出流量求和，所述的路段流量信息表中记录路段的驶入和驶出流量；
步骤7、计算各路段上方向系数，即 其中Q1为路段对中一个路段ID1的高峰小时流量值，Q2为路段对中另一个路段ID2的高峰小时流量值；
步骤8、判断max(k1，k2)是否大于设定阈值，若是，则潮汐现象值IS_TIDE置为1，否则，将潮汐现象值IS_TIDE置为0；
步骤9、将max(k1，k2)对应的路段ID作为重方向HEAVY_ID；
步骤10、重复步骤6-步骤9，将一个月内的数据全部分析完毕，保存中间数据，这些中间数据包括：交叉口ID、潮汐现象值、重方向、轻方向、双向总车道数、高峰时段、星期几类型；
步骤11、将上述保存的一个月的中间数据中潮汐现象值IS_TIDE＝1的数据全部取出来，进行步骤12；
步骤12、分别统计星期几类型WEEK_TYPE＝1、2、3、4、5、6或7时，重方向HEAVY_ID＝ID1的数目NUM(ID1)，及重方向HEAVY_ID＝ID2的数目NUM(ID2)，比较NUM(ID1与NUM(ID2)的大小，保存较大的一个数据，假设是NUM(ID2)；进行步骤13；
步骤13、当步骤12中计算的数据NUM(ID2)>＝3时，令潮汐车道识别码即潮汐现象值IS_TIDE＝1，否则IS_TIDE＝0；
步骤14、将max(NUM(ID1)，NUM(ID2))对应的路段ID作为重方向HEAVY_ID，并从路段表MD_SEGMENT中获取该路段ID对应的通行能力SEGMENT_CAPACITY作为重方向HEAVY_ID的重通行能力HEAVY_TRAFFIC_CAP；
将min(NUM(ID1)，NUM(ID2))对应的路段ID作为轻方向LIGHT_ID，并从路段表MD_SEGMENT中获取该路段ID的通行能力SEGMENT_CAPACITY作为轻方向LIGHT_ID的轻通行能力LIGHT_TRAFFIC_CAP；
步骤15、将本月计算的所有 求算术平均值，max(k1，k2)作为重交通流方向系数HEAVY_TRAFFIC_K，min(k1，k2)作为轻交通流方向系数LIGHT_TRAFFIC_K；将步骤5中计算的总车道数作为双向总车道数TOTAL_LANES_NUM；
步骤16、将本月计算的所有Q1，Q2求算术平均值，max(Q1，Q2)作为重交通流流量HEAVY_TRAFFIC_VOLUME，min(Q1，Q2)作为轻交通流流量LIGHT_TRAFFIC_VOLUME；
步骤17、将步骤13-步骤16中计算的数据输出至潮汐车道表AY_RESULT_REVERSIBLE_LANE。
进一步的实施例中，前述设定阈值被设定为0.75。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是根据本发明某些实施例的潮汐车道识别的流程示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
结合图1所示，根据本发明的实施例，一种潮汐车道识别方法，包括以下步骤：
步骤1、读取交叉口表MD_INTERSECTION，获取所有交叉口ID，全部标记为Unvisited；
步骤2、取其中一个标记为Unvisited的交叉口ID，标记为visited；并进入步骤3处理；
步骤3、以上述所取的交叉口ID为下游路口ID或上游路口ID查表处理，在路段表MD_SEGMENT中查找获取与该交叉口ID相连的路段ID；
步骤4、路段匹配：若两个路段ID的上游路口ID对应下游路口ID，下游路口ID对应上游路口ID，则路段匹配成功，进行步骤5；若匹配不成功，则该路段ID不作下一步处理；
步骤5、对于匹配成功的路段ID对，以路段ID查车道表MD_LANE，统计每条路段的车道数，并将同一个路段ID对的车道数求总和，若总车道数<3，则该路段ID对不满足车道条件，不予处理；若总车道数>＝3，则进行步骤6；
步骤6、读取路段流量信息表AY_RESULT_SEGMENT_VOLUME_HIS，获取路段的驶出流量，计算各路段的高峰小时流量值，即将8:00～9:00之间的路段驶出流量求和，所述的路段流量信息表中记录路段的驶入和驶出流量；
步骤7、计算各路段上方向系数，即 其中Q1为路段对中一个路段ID1的高峰小时流量值，Q2为路段对中另一个路段ID2的高峰小时流量值；
步骤8、判断max(k1，k2)是否大于设定阈值，若是，则潮汐现象值IS_TIDE置为1，否则，将潮汐现象值IS_TIDE置为0；
步骤9、将max(k1，k2)对应的路段ID作为重方向HEAVY_ID；
步骤10、重复步骤6-步骤9，将一个月内的数据全部分析完毕，保存中间数据，这些中间数据包括：交叉口ID、潮汐现象值、重方向、轻方向、双向总车道数、高峰时段、星期几类型；
步骤11、将上述保存的一个月的中间数据中潮汐现象值IS_TIDE＝1的数据全部取出来，进行步骤12；
步骤12、分别统计星期几类型WEEK_TYPE＝1、2、3、4、5、6或7时，重方向HEAVY_ID＝ID1的数目NUM(ID1)，及重方向HEAVY_ID＝ID2的数目NUM(ID2)，比较NUM(ID1与NUM(ID2)的大小，保存较大的一个数据，假设是NUM(ID2)；进行步骤13；
步骤13、当步骤12中计算的数据NUM(ID2)>＝3时，令潮汐车道识别码即潮汐现象值IS_TIDE＝1，否则IS_TIDE＝0；
步骤14、将max(NUM(ID1)，NUM(ID2))对应的路段ID作为重方向HEAVY_ID，并从路段表MD_SEGMENT中获取该路段ID对应的通行能力SEGMENT_CAPACITY作为重方向HEAVY_ID的重通行能力HEAVY_TRAFFIC_CAP；
将min(NUM(ID1)，NUM(ID2))对应的路段ID作为轻方向LIGHT_ID，并从路段表MD_SEGMENT中获取该路段ID的通行能力SEGMENT_CAPACITY作为轻方向LIGHT_ID的轻通行能力LIGHT_TRAFFIC_CAP；
步骤15、将本月计算的所有 求算术平均值，max(k1，k2)作为重交通流方向系数HEAVY_TRAFFIC_K，min(k1，k2)作为轻交通流方向系数LIGHT_TRAFFIC_K；将步骤5中计算的总车道数作为双向总车道数TOTAL_LANES_NUM；
步骤16、将本月计算的所有Q1，Q2求算术平均值，max(Q1，Q2)作为重交通流流量HEAVY_TRAFFIC_VOLUME，min(Q1，Q2)作为轻交通流流量LIGHT_TRAFFIC_VOLUME；
步骤17、将步骤13-步骤16中计算的数据输出至潮汐车道表AY_RESULT_REVERSIBLE_LANE。
进一步的实施例中，前述步骤1中，前述步骤8中的设定阈值设定为0.75.
进一步的实施例中，前述方法更加包含以下步骤：
根据步骤6-17将17:00～18:00之间的数据按照前述步骤6-17的方法处理完毕，然后转到步骤2，直到所有交叉口ID都标记为visited。
在前述实施例中，我们基于电子警察数据、数字路网数据等资源，可以获得的输入数据的名称、类型情况将在下面做进一步的说明。
1)路段流量表
2)路段信息表MD_SEGMENT
Name Code Data Type
路段ID SEGMENT_ID VARchar2(60)
路段名称 SEGMENT_NAME VARchar2(120)
上游路口 INTERSECTION_UPSTARE VARchar2(60)
下游路口 INTERSECTION_DOWNST VARchar2(60)
道路类型 SEGMENT_LEVEL VARchar2(3)
车道数代码 ROAD_LANES_TYPE NUMBER(6)
长度 LENGTH NUMBER(6，2)
宽度 WIDTH NUMBER(3，2)
通行能力 SEGMENT_CAPACITY NUMBER(6)
路段编码 SEGMENT_CODE VARchar2(60)
道路编码 ROAD_ID VARchar2(60)
路段方向 SEGMENT_DIRECTION VARchar2(10)
3)车道表MD_LANE
Name Code Data Type
车道编号 LANE_ID VARchar2(60)
路段ID SEGMENT_ID VARchar2(60)
车道名称 LANE_NAME VARchar2(60)
长度 LENGTH NUMBER(6，2)
宽度 WIDTH NUMBER(3，2)
4)交叉口表MD_INTERSECTION
Name Code Data Type
交叉口ID INTERSECTION_ID VARchar2(60)
交叉口名称 INTERSECTION_NAME VARchar2(60)
交叉口类型 INTERSECTION_TYPE VARchar2(30)
交叉口控制方式 CROSS_CONTROL_MODE VARchar2(3)
结合图1以及前述步骤1-17的实施步骤，我们可以得到数据输出结果，如下表：
潮汐车道表AY_RESULT_REVERSIBLE_LANE
Name Code DataType6 -->
交叉口ID INTERSECTION_ID Varchar2(60)
潮汐现象值 IS_TIDE NUMBER(2)
重交通流方向 HEAVY_TRAFFIC_SEGMENT_ID NUMBER(6)
轻交通流方向 LIGHT_TRAFFIC_SEGMENT_ID NUMBER(6)
重交通流流量 HEAVY_TRAFFIC_VOLUME NUMBER(8,1)
轻交通流流量 LIGHT_TRAFFIC_VOLUME NUMBER(8,1)
重交通流方向系数 HEAVY_TRAFFIC_K NUMBER(4,2)
轻交通流方向系数 LIGHT_TRAFFIC_K NUMBER(4,2)
重交通流通行能力 HEAVY_TRAFFIC_CAP NUMBER
轻交通流通行能力 LIGHT_TRAFFIC_CAP NUMBER
双向总车道数 TOTAL_LANES_NUM NUMBER
高峰时段 PEAK_TIME Varchar2(60)
星期几类型 WEEK_TYPE NUMBER
更新时间 TIMESTAMP NUMBER(13)
结合前述步骤1-17所示，我们在本实施例中确定的早高峰时间段为8:00～9:00，晚高峰时间段为17:00～18:00。
在整个方法的实施过程中，每天的数据独立运行步骤6-17的过程，每个路段对可以单独进行，且8:00～9:00与17:00～18:00两段时间的数据是可以分开运行的。
利用本发明的技术方案的识别方法，可以方便、快速地对城市道路、高速路的潮汐车道进行识别，识别率准，计算过程高效、快速，能够为交通管理和决策提供及时、有力的支撑。
根据本发明的公开内容，还提出一种用于潮汐车道识别的计算机系统，该计算机系统包括：
显示器，被设置用于表征潮汐车道识别状态和/或识别结果；
一个或多个处理器；
存储器，被设置用于存储由所述一个或多个处理器使用的程序模块和数据，这些程序模块被配置成在被一个或多个处理器执行时以下述方式实现潮汐车道识别：
步骤1、读取交叉口表MD_INTERSECTION，获取所有交叉口ID，全部标记为Unvisited；
步骤2、取其中一个标记为Unvisited的交叉口ID，标记为visited；并进入步骤3处理；
步骤3、以上述所取的交叉口ID为下游路口ID或上游路口ID查表处理，在路段表MD_SEGMENT中查找获取与该交叉口ID相连的路段ID；
步骤4、路段匹配：若两个路段ID的上游路口ID对应下游路口ID，下游路口ID对应上游路口ID，则路段匹配成功，进行步骤5；若匹配不成功，则该路段ID不作下一步处理；
步骤5、对于匹配成功的路段ID对，以路段ID查车道表MD_LANE，统计每条路段的车道数，并将同一个路段ID对的车道数求总和，若总车道数<3，则该路段ID对不满足车道条件，不予处理；若总车道数>＝3，则进行步骤6；
步骤6、读取路段流量信息表AY_RESULT_SEGMENT_VOLUME_HIS，获取路段的驶出流量，计算各路段的高峰小时流量值，即将8:00～9:00之间的路段驶出流量求和，所述的路段流量信息表中记录路段的驶入和驶出流量；
步骤7、计算各路段上方向系数，即 其中Q1为路段对中一个路段ID1的高峰小时流量值，Q2为路段对中另一个路段ID2的高峰小时流量值；
步骤8、判断max(k1，k2)是否大于设定阈值，若是，则潮汐现象值IS_TIDE置为1，否则，将潮汐现象值IS_TIDE置为0；
步骤9、将max(k1，k2)对应的路段ID作为重方向HEAVY_ID；
步骤10、重复步骤6-步骤9，将一个月内的数据全部分析完毕，保存中间数据，这些中间数据包括：交叉口ID、潮汐现象值、重方向、轻方向、双向总车道数、高峰时段、星期几类型；
步骤11、将上述保存的一个月的中间数据中潮汐现象值IS_TIDE＝1的数据全部取出来，进行步骤12；
步骤12、分别统计星期几类型WEEK_TYPE＝1、2、3、4、5、6或7时，重方向HEAVY_ID＝ID1的数目NUM(ID1)，及重方向HEAVY_ID＝ID2的数目NUM(ID2)，比较NUM(ID1与NUM(ID2)的大小，保存较大的一个数据，假设是NUM(ID2)；进行步骤13；
步骤13、当步骤12中计算的数据NUM(ID2)>＝3时，令潮汐车道识别码即潮汐现象值IS_TIDE＝1，否则IS_TIDE＝0；
步骤14、将max(NUM(ID1)，NUM(ID2))对应的路段ID作为重方向HEAVY_ID，并从路段表MD_SEGMENT中获取该路段ID对应的通行能力SEGMENT_CAPACITY作为重方向HEAVY_ID的重通行能力HEAVY_TRAFFIC_CAP；
将min(NUM(ID1)，NUM(ID2))对应的路段ID作为轻方向LIGHT_ID，并从路段表MD_SEGMENT中获取该路段ID的通行能力SEGMENT_CAPACITY作为轻方向LIGHT_ID的轻通行能力LIGHT_TRAFFIC_CAP；
步骤15、将本月计算的所有 求算术平均值，max(k1，k2)作为重交通流方向系数HEAVY_TRAFFIC_K，min(k1，k2)作为轻交通流方向系数LIGHT_TRAFFIC_K；将步骤5中计算的总车道数作为双向总车道数TOTAL_LANES_NUM；
步骤16、将本月计算的所有Q1，Q2求算术平均值，max(Q1，Q2)作为重交通流流量HEAVY_TRAFFIC_VOLUME，min(Q1，Q2)作为轻交通流流量LIGHT_TRAFFIC_VOLUME；
步骤17、将步骤13-步骤16中计算的数据输出至潮汐车道表AY_RESULT_REVERSIBLE_LANE。
进一步的实施例中，前述设定阈值被设定为0.75。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (5)

1.一种潮汐车道识别方法，其特征在于，包括以下步骤：
步骤1、读取交叉口表MD_INTERSECTION，获取所有交叉口ID，全部标记为Unvisited；
步骤2、取其中一个标记为Unvisited的交叉口ID，标记为visited；并进入步骤3处理；
步骤3、以上述所取的交叉口ID为下游路口ID或上游路口ID查表处理，在路段表MD_SEGMENT中查找获取与该交叉口ID相连的路段ID；
步骤4、路段匹配：若两个路段ID的上游路口ID对应下游路口ID，下游路口ID对应上游路口ID，则路段匹配成功，进行步骤5；若匹配不成功，则该路段ID不作下一步处理；
步骤5、对于匹配成功的路段ID对，以路段ID查车道表MD_LANE，统计每条路段的车道数，并将同一个路段ID对的车道数求总和，若总车道数<3，则该路段ID对不满足车道条件，不予处理；若总车道数>＝3，则进行步骤6；
步骤6、读取路段流量信息表AY_RESULT_SEGMENT_VOLUME_HIS，获取路段的驶出流量，计算各路段的高峰小时流量值，即将8:00～9:00之间的路段驶出流量求和，所述的路段流量信息表中记录路段的驶入和驶出流量；
步骤7、计算各路段上方向系数，即其中Q1为路段对中一个路段ID1的高峰小时流量值，Q2为路段对中另一个路段ID2的高峰小时流量值；
步骤8、判断max(k1，k2)是否大于设定阈值，若是，则潮汐现象值IS_TIDE置为1，否则，将潮汐现象值IS_TIDE置为0；
步骤9、将max(k1，k2)对应的路段ID作为重方向HEAVY_ID；
步骤10、重复步骤6-步骤9，将一个月内的数据全部分析完毕，保存中间数据，这些中间数据包括：交叉口ID、潮汐现象值、重方向、轻方向、双向总车道数、高峰时段、星期几类型；
步骤11、将上述保存的一个月的中间数据中潮汐现象值IS_TIDE＝1的数据全部取出来，进行步骤12；
步骤12、分别统计星期几类型WEEK_TYPE＝1、2、3、4、5、6或7时，重方向HEAVY_ID＝ID1的数目NUM(ID1)，及重方向HEAVY_ID＝ID2的数目NUM(ID2)，比较NUM(ID1与NUM(ID2)的大小，保存较大的一个数据，假设是NUM(ID2)；进行步骤13；
步骤13、当步骤12中计算的数据NUM(ID2)>＝3时，令潮汐车道识别码即潮汐现象值IS_TIDE＝1，否则IS_TIDE＝0；
步骤14、将max(NUM(ID1)，NUM(ID2))对应的路段ID作为重方向HEAVY_ID，并从路段表MD_SEGMENT中获取该路段ID对应的通行能力SEGMENT_CAPACITY作为重方向HEAVY_ID的重通行能力HEAVY_TRAFFIC_CAP；
将min(NUM(ID1)，NUM(ID2))对应的路段ID作为轻方向LIGHT_ID，并从路段表MD_SEGMENT中获取该路段ID的通行能力SEGMENT_CAPACITY作为轻方向LIGHT_ID的轻通行能力LIGHT_TRAFFIC_CAP；
步骤15、将本月计算的所有求算术平均值，max(k1，k2)作为重交通流方向系数HEAVY_TRAFFIC_K，min(k1，k2)作为轻交通流方向系数LIGHT_TRAFFIC_K；将步骤5中计算的总车道数作为双向总车道数TOTAL_LANES_NUM；
步骤16、将本月计算的所有Q1，Q2求算术平均值，max(Q1，Q2)作为重交通流流量HEAVY_TRAFFIC_VOLUME，min(Q1，Q2)作为轻交通流流量LIGHT_TRAFFIC_VOLUME；
步骤17、将步骤13-步骤16中计算的数据输出至潮汐车道表AY_RESULT_REVERSIBLE_LANE。
2.根据权利要求1所述的潮汐车道识别方法，其特征在于，前述步骤1中，前述步骤8中的设定阈值设定为0.75。
3.根据权利要求1所述的潮汐车道识别方法，其特征在于，前述方法更加包含以下步骤：
根据步骤6-17将17:00～18:00之间的数据按照前述步骤6-17的方法处理完毕，然后转到步骤2，直到所有交叉口ID都标记为visited。
4.一种用于潮汐车道识别的计算机系统，其特征在于，包括：
显示器，被设置用于表征潮汐车道识别状态和/或识别结果；
一个或多个处理器；
存储器，被设置用于存储由所述一个或多个处理器使用的程序模块和数据，这些程序模块被配置成在被一个或多个处理器执行时以下述方式实现潮汐车道识别：
步骤1、读取交叉口表MD_INTERSECTION，获取所有交叉口ID，全部标记为Unvisited；
步骤2、取其中一个标记为Unvisited的交叉口ID，标记为visited；并进入步骤3处理；
步骤3、以上述所取的交叉口ID为下游路口ID或上游路口ID查表处理，在路段表MD_SEGMENT中查找获取与该交叉口ID相连的路段ID；
步骤4、路段匹配：若两个路段ID的上游路口ID对应下游路口ID，下游路口ID对应上游路口ID，则路段匹配成功，进行步骤5；若匹配不成功，则该路段ID不作下一步处理；
步骤5、对于匹配成功的路段ID对，以路段ID查车道表MD_LANE，统计每条路段的车道数，并将同一个路段ID对的车道数求总和，若总车道数<3，则该路段ID对不满足车道条件，不予处理；若总车道数>＝3，则进行步骤6；
步骤6、读取路段流量信息表AY_RESULT_SEGMENT_VOLUME_HIS，获取路段的驶出流量，计算各路段的高峰小时流量值，即将8:00～9:00之间的路段驶出流量求和，所述的路段流量信息表中记录路段的驶入和驶出流量；
步骤7、计算各路段上方向系数，即其中Q1为路段对中一个路段ID1的高峰小时流量值，Q2为路段对中另一个路段ID2的高峰小时流量值；
步骤8、判断max(k1，k2)是否大于设定阈值，若是，则潮汐现象值IS_TIDE置为1，否则，将潮汐现象值IS_TIDE置为0；
步骤9、将max(k1，k2)对应的路段ID作为重方向HEAVY_ID；
步骤10、重复步骤6-步骤9，将一个月内的数据全部分析完毕，保存中间数据，这些中间数据包括：交叉口ID、潮汐现象值、重方向、轻方向、双向总车道数、高峰时段、星期几类型；
步骤11、将上述保存的一个月的中间数据中潮汐现象值IS_TIDE＝1的数据全部取出来，进行步骤12；
步骤12、分别统计星期几类型WEEK_TYPE＝1、2、3、4、5、6或7时，重方向HEAVY_ID＝ID1的数目NUM(ID1)，及重方向HEAVY_ID＝ID2的数目NUM(ID2)，比较NUM(ID1与NUM(ID2)的大小，保存较大的一个数据，假设是NUM(ID2)；进行步骤13；
步骤13、当步骤12中计算的数据NUM(ID2)>＝3时，令潮汐车道识别码即潮汐现象值IS_TIDE＝1，否则IS_TIDE＝0；
步骤14、将max(NUM(ID1)，NUM(ID2))对应的路段ID作为重方向HEAVY_ID，并从路段表MD_SEGMENT中获取该路段ID对应的通行能力SEGMENT_CAPACITY作为重方向HEAVY_ID的重通行能力HEAVY_TRAFFIC_CAP；
将min(NUM(ID1)，NUM(ID2))对应的路段ID作为轻方向LIGHT_ID，并从路段表MD_SEGMENT中获取该路段ID的通行能力SEGMENT_CAPACITY作为轻方向LIGHT_ID的轻通行能力LIGHT_TRAFFIC_CAP；
步骤15、将本月计算的所有求算术平均值，max(k1，k2)作为重交通流方向系数HEAVY_TRAFFIC_K，min(k1，k2)作为轻交通流方向系数LIGHT_TRAFFIC_K；将步骤5中计算的总车道数作为双向总车道数TOTAL_LANES_NUM；
步骤16、将本月计算的所有Q1，Q2求算术平均值，max(Q1，Q2)作为重交通流流量HEAVY_TRAFFIC_VOLUME，min(Q1，Q2)作为轻交通流流量LIGHT_TRAFFIC_VOLUME；
步骤17、将步骤13-步骤16中计算的数据输出至潮汐车道表AY_RESULT_REVERSIBLE_LANE。
5.根据权利要求1所述的用于潮汐车道识别的计算机系统，其特征在于，前述设定阈值被设定为0.75。
CN201511005052.9A 2015-12-28 2015-12-28 一种潮汐车道识别方法与系统 Active CN105489009B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511005052.9A CN105489009B (zh) 2015-12-28 2015-12-28 一种潮汐车道识别方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511005052.9A CN105489009B (zh) 2015-12-28 2015-12-28 一种潮汐车道识别方法与系统

Publications (2)

Publication Number Publication Date
CN105489009A true CN105489009A (zh) 2016-04-13
CN105489009B CN105489009B (zh) 2017-12-29

Family

ID=55675969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511005052.9A Active CN105489009B (zh) 2015-12-28 2015-12-28 一种潮汐车道识别方法与系统

Country Status (1)

Country Link
CN (1) CN105489009B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530699A (zh) * 2016-11-21 2017-03-22 中兴软创科技股份有限公司 一种可变车道导向车道的识别方法与系统
CN106920402A (zh) * 2016-11-21 2017-07-04 中兴软创科技股份有限公司 一种基于交通流量的时间序列划分方法与系统
CN107730891A (zh) * 2017-11-20 2018-02-23 中兴软创科技股份有限公司 一种道路交通组织渠化的评价方法
WO2018228279A1 (en) * 2017-06-12 2018-12-20 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for analyzing and adjusting road conditions
CN111653091A (zh) * 2020-05-13 2020-09-11 深圳市山行科技有限公司 一种基于高德数据与浮动车数据的潮汐交通拥堵识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020012671A (ko) * 2000-08-08 2002-02-20 염병대 교차로의 좌회전 가변차로제 운영방법
KR20110035264A (ko) * 2009-09-30 2011-04-06 주식회사 비츠로시스 차선 안내 시스템
CN103208196A (zh) * 2013-04-22 2013-07-17 东南大学 面向城市干道变向交通的车道调整方法
CN103366584A (zh) * 2013-06-20 2013-10-23 银江股份有限公司 基于实时交通流检测的自适应潮汐车道控制方法
CN104074112A (zh) * 2014-07-11 2014-10-01 武汉理工大学 一种城市道路上下游交叉口潮汐车道及其设计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020012671A (ko) * 2000-08-08 2002-02-20 염병대 교차로의 좌회전 가변차로제 운영방법
KR20110035264A (ko) * 2009-09-30 2011-04-06 주식회사 비츠로시스 차선 안내 시스템
CN103208196A (zh) * 2013-04-22 2013-07-17 东南大学 面向城市干道变向交通的车道调整方法
CN103366584A (zh) * 2013-06-20 2013-10-23 银江股份有限公司 基于实时交通流检测的自适应潮汐车道控制方法
CN104074112A (zh) * 2014-07-11 2014-10-01 武汉理工大学 一种城市道路上下游交叉口潮汐车道及其设计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JING ZHAO ET AL.: "Operation of signalized diamond interchanges with frontage roads using dynamic reversible lane control", 《TRANSPORTATION RESEARCH PART C》 *
孟杰等: "潮汐可变车道设置研究", 《市政技术》 *
王勇: "城市交通网络可变车道设置方案研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530699A (zh) * 2016-11-21 2017-03-22 中兴软创科技股份有限公司 一种可变车道导向车道的识别方法与系统
CN106920402A (zh) * 2016-11-21 2017-07-04 中兴软创科技股份有限公司 一种基于交通流量的时间序列划分方法与系统
WO2018228279A1 (en) * 2017-06-12 2018-12-20 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for analyzing and adjusting road conditions
CN107730891A (zh) * 2017-11-20 2018-02-23 中兴软创科技股份有限公司 一种道路交通组织渠化的评价方法
CN111653091A (zh) * 2020-05-13 2020-09-11 深圳市山行科技有限公司 一种基于高德数据与浮动车数据的潮汐交通拥堵识别方法
CN111653091B (zh) * 2020-05-13 2021-06-18 深圳市山行科技有限公司 一种基于高德数据与浮动车数据的潮汐交通拥堵识别方法

Also Published As

Publication number Publication date
CN105489009B (zh) 2017-12-29

Similar Documents

Publication Publication Date Title
CN105489009A (zh) 一种潮汐车道识别方法与系统
CN104866670B (zh) 基于gps时空轨迹的路网拓扑变化自动检测方法及系统
CN102968900B (zh) 一种对rfid交通数据进行处理的方法
CN107657637A (zh) 一种农机作业面积获取方法
CN104134356B (zh) 城市交叉口模型参考自适应信号的控制方法
CN104200680A (zh) 过饱和交通状态下城市干道的交通信号协调控制方法
CN103714696B (zh) 高速交通信息接入处理系统
CN103106789B (zh) 一种交通诱导系统与信号控制系统的协同方法
CN103824446A (zh) 一种子区多交叉口群决策控制方法
CN105205623A (zh) 基于区间弱耦合度的公共自行车站点调度区域划分方法
CN104867339A (zh) 一种基于向量分析的交通信号配时时段划分方法
CN102062608B (zh) 备选路径规划方法及导航终端
CN104966404A (zh) 一种基于阵列雷达的单点自优化信号控制方法及装置
CN105118310A (zh) 一种基于视频的单点自优化信号控制方法及装置
CN113793500B (zh) 城市交通道路可计算路网的构建方法及系统
CN107665583A (zh) 一种不同天气条件下车道饱和流率的计算方法
CN103661500B (zh) 一种列车站间运行时间控制方法及装置
CN102157065B (zh) 设置直通式公交专用进口道的信号交叉口设计方法
CN110021178B (zh) 一种基于路口相似度的信号配时方案推荐方法
CN104794301A (zh) 一种探究公交车运行时间可靠性影响因素的方法
Sofia et al. Improvement of traffic performance at intersections in Karbala city
CN104376712A (zh) 缺失交通信息补全装置及其方法
CN103914984B (zh) 一种基于单元-区间协作的城市道路交通状态分析方法
Bie et al. Optimization of signal-timing parameters for the intersection with hook turns
CN104992566A (zh) 一种基于线圈的单点自优化信号控制方法及装置

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 210012 room 627, Ning Shuang Road, Yuhuatai District, Nanjing, Jiangsu, 627

Patentee after: Ho whale cloud computing Polytron Technologies Inc

Address before: 210012 No. 68 Bauhinia Road, Yuhuatai District, Jiangsu, Nanjing

Patentee before: ZTEsoft Technology Co., Ltd.