CN106384504B - 基于数据可视化的城市路网拥堵特性描述分析方法 - Google Patents
基于数据可视化的城市路网拥堵特性描述分析方法 Download PDFInfo
- Publication number
- CN106384504B CN106384504B CN201610806496.0A CN201610806496A CN106384504B CN 106384504 B CN106384504 B CN 106384504B CN 201610806496 A CN201610806496 A CN 201610806496A CN 106384504 B CN106384504 B CN 106384504B
- Authority
- CN
- China
- Prior art keywords
- section
- analysis
- vehicle
- congestion
- road network
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于数据可视化的城市路网拥堵特性描述分析方法,通过对采集的智能卡口原始检测数据生成车辆行驶轨迹序列T;基于车辆行驶轨迹序列T对路网交通运行情况进行可视化描述性分析,生成过车轨迹‑路段匹配情况,进而统计路段过车量并在电子地图上叠加路段过车量显示图层,进而进行路网拥堵态势的基础描述性分析;通过交互操作实现对路网拥堵以及交通运行态势的分析;该种基于数据可视化的城市路网拥堵特性描述分析方法,通过对路网拥堵时空特性、道路分流模式的描述性分析,交通管理者能够从中获得清晰的交通管理控制思路,为交通信号控制策略、路径诱导策略的研究和实施提供依据。
Description
技术领域
本发明涉及一种基于数据可视化的城市路网拥堵特性描述分析方法。
背景技术
随着城市化进程的推进和社会经济的稳步发展,城市交通系统的供需矛盾日渐激化,交通拥堵问题在近年成为国内各大中城市的交通管理难题,大量的智能化的交通监管系统逐步被推广使用,海量的交通运行数据以可视化交互方式加以展示并应用于交通运行的动态监测、交通信号控制等交通监管领域。
早期的交通数据可视化应用主要集中在交通流量的可视化说明,通过线条以及箭头对路段或路线的交通流量进行直观说明,展示交通流量的时空变化特性。目前大部分的交通运行监测系统均基于实时的交通流数据,根据交通状态判别模型输出路段的交通运行状态(拥堵、缓慢、畅通等)叠加地图显示图层,以不同色彩的线条标记路段的实时运行状态,在以GIS地图为底图的可视界面展示路网空间拥堵状况,实现了初步的交通数据可视化分析及交互。可视分析相较于传统的黑盒方式,通过丰富的交互手段为用户提供从概览到细节的探索能力,其图形化的分析结果展示方式也便于用户理解数据中蕴藏的规律。随着数据可视化技术的快速发展和广泛应用,越来越多的数据可视化展示方式在智能交通系统中亦得到应用,如交通热力图、交通马赛克图、交通指纹印等。
交通数据可视化图形不仅是数据分析结果的直观展示方式,同时可作为进一步数据挖掘的工具。相较于传统的数据挖掘分析算法,可视化的图形分析能够提供清晰的数据分析思路以及直观的规律探索。尤其在涉及到时空多维分析的道路交通流分析领域,交通运行状态的分析、拥堵的源头分析、拥堵辐射范围等可从数据可视化角度进行分析,减少了复杂的模型建设以及计算,便于交警等交通管理者理解、运用。
现有的交通数据可视化大多局限于数据展示层级,未能充分利用可视化技术在数据分析上的极大优势,缺乏基于可视化的交通数据挖掘和深入分析。
发明内容
本发明的目的是提供一种基于数据可视化的城市路网拥堵特性描述分析方法,基于海量的交通数据,以可视化交互方式构建新型的交通管控模式,在道路交通拥堵等级监测的基础上,深入挖掘拥堵成因、路网拥堵时空特性、道路分流模式,在此基础上实现对交通信号控制策略、路径诱导策略的分析,为交通管理者提供直观的交通运行监测手段以及清晰的交通管控分析思路。
本发明的技术解决方案是:
一种基于数据可视化的城市路网拥堵特性描述分析方法,包括以下步骤:
S1、数据采集:从外部接口接入路网各交叉口的智能卡口检测数据,包括设备编号、车辆检测时刻、车牌号码;同时对路网静态信息进行采集,包括路网拓扑结构、路段长度及车道编号、交叉口进口道车道转向编号;
S2、数据预处理:包括数据质量检验以及车辆行驶轨迹分析,通过对采集的智能卡口原始检测数据进行数据质量检验,得到有效且完整的卡口检测数据;由卡口检测数据生成车辆行驶轨迹序列T;
S3、可视化分析:在路段拥堵等级分析及可视化结果已知的前提下,基于步骤S2获得的车辆行驶轨迹序列T对路网交通运行情况进行可视化描述性分析,具体为:生成过车轨迹-路段匹配情况,进而统计路段过车量并在电子地图上叠加路段过车量显示图层,进而进行路网拥堵态势的基础描述性分析;
S4、路网拥堵分析:基于步骤S3的可视化视图以及基础描述性分析结论,通过交互操作实现对路网拥堵以及交通运行态势的分析,分析内容包括拥堵成因、路网拥堵时空特性、道路分流模式以及路网管控措施。
进一步地,步骤S2具体包括以下步骤:
S21、数据质量检验:对采集的智能卡口原始检测数据进行数据有效性、完整性的检验,删除错误、字段缺失数据记录;
S22、车辆行驶轨迹分析:从卡口检测数据中提取号牌号码、检测时间、交叉口编号、车道编号字段数据,生成车辆过车检测矩阵P;按时间升序排列矩阵P,生成车辆行驶轨迹序列T。
进一步地,步骤S3具体包括以下步骤:
S31、根据已知的路段拥堵等级分析结果,选取某一拥堵路段为分析对象,根据路段上下游交叉口编号以及分析时段,从各车辆的行驶轨迹序列库内筛选出分析时段内经过该路段的车辆;
S32、根据步骤S31所得的分析路段过车筛选结果,对路段在分析时段内的过车数进行统计,并生成分析路段过车集合V;提取集合V的各元素车辆在驶入该路段前的行车轨迹子序列T’,根据路网拓扑关系,将其过车轨迹匹配至分析路段的上游路段;并依此逐级向上游关联区域内的路段进行匹配;
S33、根据步骤S32所得的过车轨迹-路段匹配情况,进行路段车辆通行数据的空间汇集,对车辆在分析路段的上游关联区域的路段分布情况进行统计;基于可视化展示技术,在电子地图的底图上叠加路段过车量显示图层;
S34、基于步骤S33生成的数据可视化视图并通过交互操作,进行路网拥堵态势的基础描述性分析,即通过叠加过车辆显示图层从电子地图视图中直观查看拥堵路段在最近的分析时段内的关联区域范围以及车辆在关联区域内的空间分布情况。
进一步地,步骤S33中,路段过车量显示图层以线条宽度描述路段过车数量,以线条色彩区分路段等级,其中线条宽度与过车数量成正比,路段等级指路段距离目标分析路段的层级。
进一步地,步骤S34中,交互操作通过地图元素选择工具刷实现,以工具刷选择拥堵路段,查看相关可视化描述性结论。
进一步地,步骤S4具体包括以下步骤:
S41、拥堵成因分析:在叠加有路段拥堵等级图层的电子地图界面,选择拥堵路段,查看路段当前时段内的交通流量以及步骤S3所述的可视化视图,根据上游关联区域内路段车辆分布情况分析拥堵路段的车辆来源;
S42、路网拥堵时空特性分析:基于可视化视图对常发拥堵点及常发拥堵点关联区域进行描述性分析;
S43、道路分流模式分析:基于可视化视图对路段的车辆分流情况进行描述性分析;具体地,基于目标路段的历史过车信息,构建过车在驶出目标路段后的轨迹序列Td;根据过车在驶出目标路段后的轨迹序列Td对目标路段过车在其下游路段的分布进行可视化描述分析,直观查看下游各流向路段车辆比例,对目标路段的车辆分流模式以及路网车辆的驾驶行为进行描述性分析。
进一步地,步骤S42中,具体地,
常发拥堵点分析:基于历史的路网交通状态判别数据,可视化交互界面以动态拥堵热力图显示空间范围内的拥堵时间波动特性以及拥堵的空间传播特性,直观分析常发性拥堵区域;对路段的拥堵等级进行时间维度统计,地图标示拥堵状态时长超过阈值的路段,直观分析常发拥堵路段;
常发拥堵点关联区域分析:基于常发性拥堵的历史过车记录以及相应车辆的行驶轨迹序列,以步骤S3所述的可视化分析方法对其上游关联区域进行描述性分析,通过叠加过车量显示图层,直观分析常发拥堵点关联区域内的过车路段。
进一步地,步骤S4还包括以下步骤:
S44、路网管控措施分析:根据步骤S41、步骤S42、步骤S43的可视化分析结果,对信号控制策略、交通诱导策略进行分析;具体为:
信号控制策略:采用主动式控制,即在常发拥堵路段的上游进行交通流的主动控制,从拥堵源头出发,提前限流;基于实时的拥堵监测以及成因分析可视化结论,分析需实施主动式信号控制策略的交叉口;
交通诱导策略为:在常发拥堵点的上游关联路段以及关联区域实施路径诱导,向实施诱导区域的过车提供避开常发拥堵区域的路线;具体为,基于常发拥堵点上游关联区域内的车辆空间分布量以及所处路段级别,对拥堵来源路段实施诱导策略;根据常发拥堵路段分流模式对诱导路径进行描述性分析。
本发明的有益效果是:该种基于数据可视化的城市路网拥堵特性描述分析方法,基于数据可视化思想,以可视化交互界面为实现平台,在城市道路交通拥堵可视化监测的基础上对路网交通拥堵特性进行描述性分析,跳脱现有普遍的表面化的拥堵等级监测模式,以数据可视化方式深入挖掘道路交通运行状况以及拥堵时空特性,直观掌握拥堵成因;进一步地,通过对路网拥堵时空特性、道路分流模式的描述性分析,交通管理者能够从中获得清晰的交通管理控制思路,为交通信号控制策略、路径诱导策略的研究和实施提供依据。
附图说明
图1是本发明实施例基于数据可视化的城市路网拥堵特性描述分析方法的流程示意图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例
一种基于数据可视化的城市路网拥堵特性描述分析方法,如图1,包括以下步骤:
S1、数据采集:从外部接口接入路网各交叉口的智能卡口检测数据,包括设备编号、车辆检测时刻、车牌号码;同时对路网静态信息进行采集,包括路网拓扑结构、路段长度及车道编号、交叉口进口道车道转向编号。
S2、数据预处理:包括数据质量检验以及车辆行驶轨迹分析,通过对采集的智能卡口原始检测数据进行数据质量检验,得到有效且完整的卡口检测数据;由卡口检测数据生成车辆行驶轨迹序列T。
S21、数据质量检验:对采集的智能卡口原始检测数据进行数据有效性、完整性的检验,删除错误、字段缺失数据记录。
S22、车辆行驶轨迹分析:从卡口检测数据中提取号牌号码、检测时间、交叉口编号、车道编号字段数据,生成车辆过车检测矩阵P;按时间升序排列矩阵P,生成车辆行驶轨迹序列T。
S3、可视化分析:在路段拥堵等级分析及可视化结果已知的前提下,基于S2获得的序列T对路网交通运行情况进行进一步的可视化描述性分析。具体地:
S31、根据已知的路段拥堵等级分析结果,选取某一拥堵路段为分析对象,根据路段上下游交叉口编号以及分析时段,从各车辆的行驶轨迹序列库内筛选出分析时段内经过该路段的车辆,其中分析时段为包含当前拥堵检测时段在内的最近的1小时,或根据分析需求取更长时段;车辆经过该路段指在分析时段内该路段的上游、下游交叉口均检测到车辆过车记录。
S32、根据S31中的分析路段过车筛选结果,对路段在分析时段内的过车数进行统计,并生成分析路段过车集合V;提取集合V的各元素车辆在驶入该路段前的行车轨迹子序列T’,根据路网拓扑关系,将其过车轨迹匹配至分析路段的上游路段;并依此逐级向上游关联区域内的路段进行匹配。
S33、根据S32的过车轨迹-路段匹配情况,进行路段车辆通行数据的空间汇集,对车辆在分析路段的上游关联区域的路段分布情况进行统计;基于可视化展示技术,在电子地图的底图上叠加路段过车量显示图层;该图层以线条宽度描述路段过车数量,以线条色彩区分路段等级,其中线条宽度与过车数量成正比,路段等级指路段距离目标分析路段的层级。
S34、基于S33生成的数据可视化视图并通过交互操作,进行路网拥堵态势的基础描述性分析,即通过叠加过车辆显示图层从电子地图视图中直观查看拥堵路段在最近的分析时段内的关联区域范围以及车辆在关联区域内的空间分布情况;其中,交互操作通过地图元素选择工具刷实现,以工具刷选择拥堵路段,查看相关可视化描述性结论。
S4、路网拥堵分析:基于S3的可视化视图以及基础描述性分析结论,通过交互操作实现对路网拥堵以及交通运行态势的深入分析,分析内容包括拥堵成因、路网拥堵时空特性、道路分流模式以及路网管控措施。具体地:
S41、拥堵成因分析:在叠加有路段拥堵等级图层的电子地图界面,以工具刷选择拥堵路段,查看路段当前时段内的交通流量以及S3所述的可视化视图,根据上游关联区域内路段车辆分布情况分析拥堵路段的主要车辆来源;
S42、路网拥堵时空特性分析:基于可视化视图对常发拥堵点及其关联区域进行描述性分析;具体地:
常发拥堵分析:基于历史的路网交通状态判别数据,可视化交互界面以动态拥堵热力图显示空间范围内的拥堵时间波动特性以及拥堵的空间传播特性,直观分析常发性拥堵区域;对路段的拥堵等级进行时间维度统计,地图标示拥堵状态时长超过阈值的路段,直观分析常发拥堵路段。
常发拥堵点关联区域分析:基于常发性拥堵的历史过车记录以及相应车辆的行驶轨迹序列,以S3所述的可视化分析方法对其上游关联区域进行描述性分析,通过叠加过车量显示图层,直观分析其关联区域内的主要过车路段。
S43、道路分流模式分析:基于可视化视图对路段的车辆分流情况进行描述性分析;具体地,基于目标路段的历史过车信息,构建过车在驶出目标路段后的轨迹序列Td;根据过车在驶出目标路段后的轨迹序列Td对目标路段过车在其下游路段的分布进行可视化描述分析,直观查看下游各流向路段车辆比例,对目标路段的车辆分流模式以及路网车辆的驾驶行为进行描述性分析;
S44、路网管控措施分析:根据S41、S42、S43的可视化分析结果,对信号控制、交通诱导策略进行分析;
实施例采用的信号控制策略为主动式控制,即在常发拥堵路段的上游进行交通流的主动控制,从拥堵源头出发,提前限流,降低常发拥堵点的交通负荷,缓解拥堵状况;
基于实时的拥堵监测以及成因分析可视化结论,分析需实施主动式信号控制策略的交叉口,从而对路段拥堵状况进行缓解;
实施例采用的交通诱导策略为:在常发拥堵点的上游关联路段以及关联区域实施路径诱导,向实施诱导区域的过车提供避开常发拥堵区域的路线,提高路网的整体通行效率;具体地:
基于常发拥堵点上游关联区域内的车辆空间分布量以及所处路段级别,对拥堵主要来源路段实施诱导策略;根据常发拥堵路段分流模式对诱导路径进行描述性分析,交通管理者可据此对诱导方案进行研究。
实施例的基于数据可视化的城市路网拥堵特性描述分析方法,采用数据可视化技术在交通管理的交互平台上实现对于道路拥堵状态及其路网传播以及时空演变等特性的描述性分析,从而对城市道路交通运行态势进行可视化的综合监测以及拥堵的成因及关联区域的分析;实施例提出的分析方法能够为交通管理者提供直观、清晰的道路运行态势监测与分析思路,进一步地为交通信号控制、交通诱导等道路交通管控措施的实施提供指导和依据。
Claims (7)
1.一种基于数据可视化的城市路网拥堵特性描述分析方法,其特征在于,包括以下步骤:
S1、数据采集:从外部接口接入路网各交叉口的智能卡口检测数据,包括设备编号、车辆检测时刻、车牌号码;同时对路网静态信息进行采集,包括路网拓扑结构、路段长度及车道编号、交叉口进口道车道转向编号;
S2、数据预处理:包括数据质量检验以及车辆行驶轨迹分析,通过对采集的智能卡口原始检测数据进行数据质量检验,得到有效且完整的卡口检测数据;由卡口检测数据生成车辆行驶轨迹序列T;
S3、可视化分析:在路段拥堵等级分析及可视化结果已知的前提下,基于步骤S2获得的车辆行驶轨迹序列T对路网交通运行情况进行可视化描述性分析,具体为:生成过车轨迹-路段匹配情况,进而统计路段过车量并在电子地图上叠加路段过车量显示图层,进而进行路网拥堵态势的基础描述性分析;步骤S3具体包括以下步骤:
S31、根据已知的路段拥堵等级分析结果,选取某一拥堵路段为分析对象,根据路段上下游交叉口编号以及分析时段,从各车辆的行驶轨迹序列库内筛选出分析时段内该路段的上游、下游交叉口均检测到过车记录的车辆;
S32、根据步骤S31所得的分析路段过车筛选结果,对路段在分析时段内的过车数进行统计,并生成分析路段过车集合V;提取集合V的各元素车辆在驶入该路段前的行车轨迹子序列T’,根据路网拓扑关系,将其过车轨迹匹配至分析路段的上游路段;并依此逐级向上游关联区域内的路段进行匹配;
S33、根据步骤S32所得的过车轨迹-路段匹配情况,进行路段车辆通行数据的空间汇集,对车辆在分析路段的上游关联区域的路段分布情况进行统计;基于可视化展示技术,在电子地图的底图上叠加路段过车量显示图层;
S34、基于步骤S33生成的数据可视化视图并通过交互操作,进行路网拥堵态势的基础描述性分析,即通过叠加过车辆显示图层从电子地图视图中直观查看拥堵路段在最近的分析时段内的关联区域范围以及车辆在关联区域内的空间分布情况;
S4、路网拥堵分析:基于步骤S3的可视化视图以及基础描述性分析结论,通过交互操作实现对路网拥堵以及交通运行态势的分析,分析内容包括拥堵成因、路网拥堵时空特性、道路分流模式以及路网管控措施。
2.如权利要求1所述的基于数据可视化的城市路网拥堵特性描述分析方法,其特征在于,步骤S2具体包括以下步骤:
S21、数据质量检验:对采集的智能卡口原始检测数据进行数据有效性、完整性的检验,删除错误、字段缺失数据记录;
S22、车辆行驶轨迹分析:从卡口检测数据中提取号牌号码、检测时间、交叉口编号、车道编号字段数据,生成车辆过车检测矩阵P;按时间升序排列矩阵P,生成车辆行驶轨迹序列T。
3.如权利要求1所述的基于数据可视化的城市路网拥堵特性描述分析方法,其特征在于:步骤S33中,路段过车量显示图层以线条宽度描述路段过车数量,以线条色彩区分路段等级,其中线条宽度与过车数量成正比,路段等级指路段距离目标分析路段的层级。
4.如权利要求1所述的基于数据可视化的城市路网拥堵特性描述分析方法,其特征在于:步骤S34中,交互操作通过地图元素选择工具刷实现,以工具刷选择拥堵路段,查看相关可视化描述性结论。
5.如权利要求1-4任一项所述的基于数据可视化的城市路网拥堵特性描述分析方法,其特征在于,步骤S4具体包括以下步骤:
S41、拥堵成因分析:在叠加有路段拥堵等级图层的电子地图界面,选择拥堵路段,查看路段当前时段内的交通流量以及步骤S3所述的可视化视图,根据上游关联区域内路段车辆分布情况分析拥堵路段的车辆来源;
S42、路网拥堵时空特性分析:基于可视化视图对常发拥堵点及常发拥堵点关联区域进行描述性分析;
S43、道路分流模式分析:基于可视化视图对路段的车辆分流情况进行描述性分析;具体地,基于目标路段的历史过车信息,构建过车在驶出目标路段后的轨迹序列Td;根据过车在驶出目标路段后的轨迹序列Td对目标路段过车在其下游路段的分布进行可视化描述分析,直观查看下游各流向路段车辆比例,对目标路段的车辆分流模式以及路网车辆的驾驶行为进行描述性分析。
6.如权利要求5所述的基于数据可视化的城市路网拥堵特性描述分析方法,其特征在于:步骤S42中,具体地,
常发拥堵点分析:基于历史的路网交通状态判别数据,可视化交互界面以动态拥堵热力图显示空间范围内的拥堵时间波动特性以及拥堵的空间传播特性,直观分析常发性拥堵区域;对路段的拥堵等级进行时间维度统计,地图标示拥堵状态时长超过阈值的路段,直观分析常发拥堵路段;
常发拥堵点关联区域分析:基于常发性拥堵的历史过车记录以及相应车辆的行驶轨迹序列,以步骤S3所述的可视化分析方法对其上游关联区域进行描述性分析,通过叠加过车量显示图层,直观分析常发拥堵点关联区域内的过车路段。
7.如权利要求5所述的基于数据可视化的城市路网拥堵特性描述分析方法,其特征在于,步骤S4还包括以下步骤:
S44、路网管控措施分析:根据步骤S41、步骤S42、步骤S43的可视化分析结果,对信号控制策略、交通诱导策略进行分析;具体为:
信号控制策略:采用主动式控制,即在常发拥堵路段的上游进行交通流的主动控制,从拥堵源头出发,提前限流;基于实时的拥堵监测以及成因分析可视化结论,分析需实施主动式信号控制策略的交叉口;
交通诱导策略为:在常发拥堵点的上游关联路段以及关联区域实施路径诱导,向实施诱导区域的过车提供避开常发拥堵区域的路线;具体为,基于常发拥堵点上游关联区域内的车辆空间分布量以及所处路段级别,对拥堵来源路段实施诱导策略;根据常发拥堵路段分流模式对诱导路径进行描述性分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610806496.0A CN106384504B (zh) | 2016-09-06 | 2016-09-06 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610806496.0A CN106384504B (zh) | 2016-09-06 | 2016-09-06 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106384504A CN106384504A (zh) | 2017-02-08 |
CN106384504B true CN106384504B (zh) | 2019-03-19 |
Family
ID=57939082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610806496.0A Active CN106384504B (zh) | 2016-09-06 | 2016-09-06 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106384504B (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106816018A (zh) * | 2017-02-16 | 2017-06-09 | 上海电科智能系统股份有限公司 | 一种城市可变信息标志地面交通诱导路段确定方法 |
CN106991808A (zh) * | 2017-02-28 | 2017-07-28 | 广州地理研究所 | 基于汽车电子标识的车辆出行热力图构建方法及装置 |
CN108574839B (zh) * | 2017-03-08 | 2020-01-17 | 杭州海康威视数字技术股份有限公司 | 一种卡口设备异常检测方法及装置 |
CN106997669B (zh) * | 2017-05-31 | 2020-06-09 | 青岛大学 | 一种基于特征重要性的判断交通拥堵成因的方法 |
CN107248282B (zh) * | 2017-06-29 | 2021-07-02 | 浩鲸云计算科技股份有限公司 | 获取道路运行状态等级的方法 |
JP2019036012A (ja) * | 2017-08-10 | 2019-03-07 | トヨタ自動車株式会社 | 情報通知装置、情報通知システム、情報通知方法、情報通知プログラム |
CN107564291A (zh) * | 2017-10-20 | 2018-01-09 | 重庆市市政设计研究院 | 一种基于rfid的交通量溯源分析方法及系统 |
CN109446286B (zh) * | 2018-09-28 | 2022-01-04 | 山东中创软件商用中间件股份有限公司 | 一种高速公路路网图的可视化方法及装置 |
CN109559511B (zh) * | 2018-12-05 | 2019-10-29 | 江苏省城市规划设计研究院 | 一种城市交通拥堵信息定向投放方法 |
CN109887288B (zh) * | 2019-03-27 | 2021-06-15 | 江苏智通交通科技有限公司 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
CN110136435A (zh) * | 2019-04-17 | 2019-08-16 | 青岛大学 | 一种多感染阈值、多传播并存的拥堵网络化传播模型 |
CN110489799B (zh) * | 2019-07-18 | 2022-08-16 | 讯飞智元信息科技有限公司 | 交通拥堵仿真处理方法及相关装置 |
CN110706482A (zh) * | 2019-08-30 | 2020-01-17 | 安锐 | 一种高峰交通通行控制方法及装置 |
CN110706486B (zh) * | 2019-10-15 | 2021-01-15 | 中国城市规划设计研究院 | 一种道路运行分析系统 |
CN112463136B (zh) * | 2020-06-29 | 2023-12-05 | 中国铁路设计集团有限公司 | 基于热力图技术的城市空间区域人流活力分析方法 |
CN111798660B (zh) * | 2020-06-30 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 车辆信息显示、获取方法及装置以及相关设备 |
CN112102619A (zh) * | 2020-09-14 | 2020-12-18 | 广东新时空科技股份有限公司 | 基于融合时空关系的驾驶行为分析与分级方法 |
CN112489433B (zh) * | 2020-12-17 | 2022-11-04 | 华为技术有限公司 | 交通拥堵分析方法及装置 |
CN112652170B (zh) * | 2020-12-24 | 2022-04-08 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 交通拥堵热点的定位方法和装置 |
CN112652172B (zh) * | 2021-01-19 | 2022-01-25 | 东南大学 | 一种基于车辆gps轨迹的路段交通量分析方法 |
CN115148035A (zh) * | 2021-03-29 | 2022-10-04 | 广州汽车集团股份有限公司 | 一种基于智能网联汽车的城市级交通控制方法及系统 |
CN113327079B (zh) * | 2021-05-28 | 2022-06-28 | 东北师范大学 | 一种基于网约车轨迹的路径选择潜在因素可视分析方法 |
CN113762135A (zh) * | 2021-09-02 | 2021-12-07 | 中远海运科技股份有限公司 | 一种基于视频的交通拥堵检测方法及装置 |
CN113807221A (zh) * | 2021-09-07 | 2021-12-17 | 丰图科技(深圳)有限公司 | 轨迹质量识别方法、装置、电子设备及可读存储介质 |
CN114820961B (zh) * | 2022-04-20 | 2022-11-29 | 北京金石视觉数字科技有限公司 | 一种沉浸式数字可视化展示方法及系统 |
CN115294768A (zh) * | 2022-08-02 | 2022-11-04 | 阿波罗智联(北京)科技有限公司 | 交通拥堵状态分析方法、装置、设备及存储介质 |
CN115953904B (zh) * | 2023-03-15 | 2023-08-01 | 深圳市城市交通规划设计研究中心股份有限公司 | 高速交通流速度稳定性分析方法、电子设备及其存储介质 |
CN117058887B (zh) * | 2023-10-12 | 2023-12-22 | 深圳市中智车联科技有限责任公司 | 一种城市交通数据的采集方法、装置、设备和介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065459B (zh) * | 2011-10-18 | 2016-06-29 | 上海宝康电子控制工程有限公司 | 基于Web地理信息系统技术的智能交通综合管控平台系统 |
JP6120371B2 (ja) * | 2013-10-23 | 2017-04-26 | クラリオン株式会社 | 自動駐車制御装置および駐車支援装置 |
CN104299415B (zh) * | 2014-10-13 | 2016-06-01 | 浙江警察学院 | 基于蓝牙技术的分布式交通状态检测系统及其方法 |
CN105427602B (zh) * | 2015-12-16 | 2018-04-27 | 浙江宇视科技有限公司 | 一种车辆出行主题确定方法及装置 |
CN105869405B (zh) * | 2016-05-25 | 2018-03-02 | 银江股份有限公司 | 基于卡口数据的城市道路交通拥堵指数计算方法 |
-
2016
- 2016-09-06 CN CN201610806496.0A patent/CN106384504B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106384504A (zh) | 2017-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106384504B (zh) | 基于数据可视化的城市路网拥堵特性描述分析方法 | |
CN109448370B (zh) | 一种基于车辆轨迹数据的交通控制子区划分方法 | |
CN104700646B (zh) | 一种基于在线gps数据的出租车异常轨迹实时检测方法 | |
CN104408925B (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN102521965B (zh) | 基于车牌识别数据的交通需求管理措施效果评价方法 | |
CN109644360B (zh) | 一种使用wi-fi探针判别行人流向的方法 | |
CN106297333B (zh) | 一种基于交叉口过车记录的干线绿波评估方法 | |
CN103456172B (zh) | 一种基于视频的交通参数测量方法 | |
CN107437339A (zh) | 一种信息引导下的可变信息情报板协调控制方法及系统 | |
CN106856049B (zh) | 基于卡口号牌识别数据的关键交叉口需求集聚分析方法 | |
CN106373406A (zh) | 车辆套牌稽查系统 | |
CN108319895A (zh) | 用于识别电子地图中的路口的方法和装置 | |
CN108389421A (zh) | 基于图像再识别的停车场精确诱导系统及方法 | |
CN107424410A (zh) | 一种基于路径旅行时间计算的交通异常检测方法 | |
CN109615851A (zh) | 一种在群智感知系统中基于关键路段的感知节点选取方法 | |
CN107622673A (zh) | 一种基于卡口数据的停车需求分析方法、系统和装置 | |
CN109035758A (zh) | 基于浮动车数据网格映射的城市路网交叉口拥堵识别方法 | |
CN106157624A (zh) | 基于交通定位数据的多粒度道路分流可视分析方法 | |
CN109443360A (zh) | 一种基于多边形的车辆行驶轨迹生成及拼接算法 | |
DE112021006611T5 (de) | Verteilte intelligenz - snap informatik | |
CN105139670A (zh) | 一种基于视频的区域自优化信号控制方法及装置 | |
CN105070073A (zh) | 一种基于地磁的区域自优化信号控制方法及装置 | |
Wu et al. | A novel skateboarder-related near-crash identification method with roadside LiDAR data | |
JP5486939B2 (ja) | 道路交通状況解析システム | |
Pi et al. | Visual recognition for urban traffic data retrieval and analysis in major events using convolutional neural networks |
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 | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 211100 No. 19 Suyuan Avenue, Jiangning Economic and Technological Development Zone, Nanjing City, Jiangsu Province Patentee after: JIANGSU ZHITONG TRAFFIC TECHNOLOGY Co.,Ltd. Address before: 210006, Qinhuai District, Jiangsu, Nanjing should be 388 days street, Chenguang 1865 Technology Creative Industry Park E10 building on the third floor Patentee before: JIANGSU ZHITONG TRAFFIC TECHNOLOGY Co.,Ltd. |