CN106504530B - 一种用户出行路径诱导与管控系统及其方法 - Google Patents
一种用户出行路径诱导与管控系统及其方法 Download PDFInfo
- Publication number
- CN106504530B CN106504530B CN201610965376.5A CN201610965376A CN106504530B CN 106504530 B CN106504530 B CN 106504530B CN 201610965376 A CN201610965376 A CN 201610965376A CN 106504530 B CN106504530 B CN 106504530B
- Authority
- CN
- China
- Prior art keywords
- trip
- user terminal
- user
- reservation
- congestion
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
- G07B15/063—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems using wireless information transmission between the vehicle and a fixed station
-
- 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]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096811—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard
Abstract
本发明公开了一种用户出行路径诱导与管控系统及其方法,其特征包括:若干个用户端、一个云端处理器和一个后台服务器;若干个用户端用于获取用户未来出行需求数据并发送给云端处理器进行出行预约,云端处理器用于处理出行数据预测未来路况并为用户分配出行路径,根据用户端是否服从分配为不同用户端划分不同优先级;后台服务器用于对用户端进行定位、跟踪及拥挤收费管理。本发明以收集未来出行需求、预测未来路况、分配出行路径、拥挤收费管理的流程化方式对用户出行进行出行路径的诱导及智慧管控,在一定程度上可以有效限制私家车出行、鼓励公交出行,从而能有效降低交通拥塞的发生,实现高效、绿色、畅通出行。
Description
技术领域
本发明涉及智能交通领域,具体的说是一种用户出行路径诱导与管控系统及其方法。
背景技术
随着机动车保有量的不断上升,城市道路变得拥挤甚至拥塞,交通拥挤会给城市带来安全、经济、环境、健康等方面的问题。为了更畅通的出行,人们往往会通过下载百度地图或者高德地图,出行之前先看看软件中的路况情况再决定出行路径,以期尽可能地避开交通拥塞,减少出行时间,提高出行效率。但是,百度地图、高德地图存在以下不足:(1)百度地图和高德地图仅依靠历史交通数据和实时交通数据预测未来路况;(2)百度地图和高德地图规划依据是实时路况和用户出发地、目的地,规划的路线容易造成“看时通,走时堵”的尴尬境地。
然而,从城市管理者角度来说,想要有效减少交通拥塞,就应从交通源头-交通需求出发,采取有效的交通需求管理手段来缓解交通拥塞势在必行,城市道路拥挤收费就是一种利用价格机制来控制和调节交通需求的管理措施,通过对城市道路中某些拥挤区域的车辆征收一定的通行费用来改变出行者出行方式、出行路径等的选择,减少拥挤区域内的交通流量、削减不必要出行,从而达到缓解交通拥挤的目的。继1920年英国经济学家Pigou和Knight创造性地提出了拥挤收费的概念后,交通拥挤收费问题在理论和实践上受到研究人员越来越多的重视。
就我国现状而言,上海已于2004年开始对“中心区交通拥挤收费综合技术研究”课题进行立项研究,并己经开展了对城市交通拥挤收费的可行性研究并提出了具体的实施建议,研究区域由中山东路一复兴路一华山路一江苏路一长寿路一苏州河围成的浦西收费区域及绮浦江一张杨路一东方路围成的浦东收费区域,收费区域边界道路不收费,收费车辆主要为私家车辆、出租车及各类客车(含外地客车),其他车辆(公交车、军车、消防车、救护车等特殊车辆)不收费;具体的收费时间为周一至周五上午8:00-11:00,下午16:00-17:30,公共假日及公休日不收费;经研究不同拥挤费率对道路拥挤的影响程度,确定收费费率为每车次7元较合理,详细的收费标准可通过公众的心理接受程度及经济发展水平合理确定。
上海市的这种拥挤收费方法虽然对交通拥塞起到了一定的缓解作用,但是存在以下不足:(1)在收费区域中边界道路不收费,容易造成司机为了躲避拥挤收费而采用绕行边界道路或者非拥挤收费区域的出行路径,引起边界道路或者非拥挤收费区域的拥塞;(2)收费时间分区段,容易造成人们为了躲避拥挤收费而在非用户收费时间区段出行,造成非拥挤收费时间区段的交通拥挤甚至堵塞;(3)拥挤收费费率按照车次收取且数目偏低,容易导致部分出行者不在乎拥挤收费措施的心理。
发明内容
本发明为了克服上述现有技术的不足之处,提供一种用户出行路径诱导与管控系统及其方法,以期能通过收集出行需求、预测未来路况、分配出行路径、拥挤收费管理的流程化方式对城市用户出行进行智慧管控,从而能在一定程度上有效限制私家车出行、鼓励公交出行,有效降低交通拥塞的发生,实现高效、绿色、畅通的交通出行。
本发明为达到上述发明目的,采用如下的技术方案是:
本发明一种用户出行路径诱导与管控系统的特点包括:若干个用户端、一个云端处理器和后台服务器;
任意一个用户端获取出行需求数据并发送给所述云端处理器进行出行预约,获得出行预约数据,所述出行需求数据包括:用户出行起点、终点;所述出行预约数据包括:预约出发时间、预约未来出行拟走路径;
所述云端处理器对所述用户端的出行需求数据和出行预约数据进行存储,从而获得若干个用户端的预约未来出行拟走路径、预约出发时间;
所述云端处理器所收集到的所有未来出行拟走路线与城市路网进行匹配,从而对所有未来出行数据、历史交通数据、实时交通数据进行综合处理,得到未来路况预测结果,所述预测结果为未来路网各个路段的路段占有率、车行速度和交通流量;
所述云端处理器根据所述未来路况预测结果以及分配原则为用户端分配出行路径并发送给用户端进行确认;
若用户端服从分配,云端处理器则将相应用户端记为第一优先级用户,若用户端拒绝服从分配并向后台服务器输入自定义路径,则将相应用户端记为第二优先级用户,并发放拥塞抵用券;若用户端拒绝服从分配并未向后台服务器提供出行路径,则将相应用户端记为第三优先级用户;
所述后台服务器对用户端进行定位和跟踪,从而获得用户端的实际出行路径和实际出行用时用于更新所述预测结果;若发现实际出行路径中发生拥塞,则判断用户端是否进行出行预约,若未预约,则进行拥塞收费,若预约,则判断用户端的预约出发时间与实际出发时间之间的差值是否大于阈值,若大于阈值,则进行拥塞收费,否则,判断用户端的避拥塞的出行路径与实际出行路径之间的路程差是否大于阈值,若大于阈值,则进行拥塞收费,否则,判断用户端的优先级,若为第三优先级用户或第二优先级用户,则进行拥塞收费,否则,不进行拥塞收费。
本发明所述的用户出行路径诱导与管控系统的特点也在于:
所述分配原则包括:先预约先分配原则、容量限制原则和系统最优原则;
所述先预约先分配原则为:在进行交通分配时,根据不同的用户端在系统中预约未来出行拟走路径的时间的先后顺序,对于较早确定未来出行路径的用户端,优先进行分配;
所述容量限制原则为:在进行交通分配时,当路段的车辆数超过路段设计最大容量的预警值时,不再分配相应路段;
所述系统最优原则为:以达到系统总出行成本最小作为系统最优条件,并分配交通量。
本发明一种用户出行路径诱导与管控方法的特点是应用于由干个用户端、一个云端处理器和一个后台服务器构成的系统中,并按如下步骤进行:
步骤1:采集用户未来出行需求数据并进行出行预约:
任意一个用户端获取出行需求数据并发送给云端处理器进行出行预约,获得出行预约数据,所述出行需求数据包括:用户出行起点、终点;出行预约数据包括:预约出发时间、预约未来出行拟走路径;
步骤2:云端处理器对用户端的出行需求数据和出行预约数据进行存储,从而获得若干个用户端的未来出行拟走路径、预约出发时间;
步骤3:云端处理器预测未来路况:
所述云端处理器所收集到的所有未来出行拟走路线与城市路网进行匹配,从而对所有未来出行数据、历史交通数据、实时交通数据进行综合处理,得到未来路况预测结果,所述预测结果为未来路网各个路段的路段占有率、车行速度和交通流量;
步骤4:所述云端处理器根据所述未来路况预测结果以及分配原则为用户端分配出行路径并发送给用户端进行确认;
若用户端服从分配,云端处理器则将相应用户端记为第一优先级用户,若用户端拒绝服从分配并向后台服务器输入自定义路径,则将相应用户端记为第二优先级用户,并发放拥塞抵用券;若用户端拒绝服从分配并未向后台服务器提供出行路径,则将相应用户端记为第三优先级用户;
步骤5:所述后台服务器对用户端进行定位和跟踪,从而获得用户端的实际出行路径和实际出行用时用于更新所述预测结果;
步骤6:后台服务器进行拥挤收费管理:
若发现实际出行路径中发生拥塞,则判断用户端是否进行出行预约,若未预约,则进行拥塞收费,若预约,则判断用户端的预约出发时间与实际出发时间之间的差值是否大于阈值,若大于阈值,则进行拥塞收费,否则,判断用户端的避拥塞的出行路径与实际出行路径之间的路程差是否大于阈值,若大于阈值,则进行拥塞收费,否则,判断用户端的优先级,若为第三优先级用户或第二优先级用户,则进行拥塞收费,否则,不进行拥塞收费。
与已有技术相比,本发明的有益效果体现在:
1、本发明所述系统及其方法的对用户出行路径诱导体现在系统为用户端以分配出行路径的方式提供相对畅通的出行路径供用户端参考选择,智慧管控体现在以收集未来出行需求数据、预测未来路况、分配出行路径、拥挤收费管理的流程化方式管理控制用户的出行,特别是拥挤收费管理可以促进用户在用户端出行预约、服从分配,这在一定程度上能够有效限制私家车出行、鼓励公交出行,从而有效降低了交通拥塞的发生,减少了出行时间、提高了出行效率,实现了高效、绿色、畅通的交通出行。
2、本发明创造性地提出通过用户端采集用户的未来出行需求数据,并在此基础上,结合历史交通数据、实时交通数据并借助三次指数平滑法综合分析,预测未来路况;比现有的百度地图、高德地图多了一个有效数据源--用户未来出行数据,使得预测结果更准确。
3、本发明系统及其方法依据未来路况预测结果和用户端需求,借助DijkStra寻路算法与分配原则的交叉使用,为用户端规划避开拥塞的出行路径,避免了百度地图、高德地图中的“看时通、到时堵”的尴尬。
4、本发明系统及其方法采用拥挤收费管理措施促进预约出行、服从分配、减少拥塞,还对用户端划分不同的优先级实施不同的拥挤收费措施,而不是上海市的分区域、分时段、分车次进行拥挤收费,用户端在何时何地出行、用户端出行次数并不会影响收费措施的实行,这样,一方面可以有效避免了出现用户端为了逃避收费区域和收费时段而在非收费区段出行引起交通拥塞;另一方面,可以使拥挤收费措施得到出行者的重视,使得拥挤收费措施对缓解交通拥塞真的有效。
附图说明
图1为本发明系统结构图;
图2为本发明用户端、云端处理器、后台服务器三者的功能联系图;
图3为本发明系统工作流程示意图;
图4为本发明云端处理器预测未来路况流程示意图;
图5为本发明云端处理器分配出行路径流程示意图;
图6为本发明后台服务器中拥挤收费判定流程图。
具体实施方式
本实施例中,一种用户出行路径诱导与管控系统,如图1所示,包括:若干个用户端、一个云端处理器和后台服务器,
用户端主要功能如下:获取用户端的未来出行需求数据,预约拟走路径以及确定拟走路径;
云端处理器主要功能如下:根据用户端的未来出行数据以及实时交通数据、历史交通数据预测未来路况,在此预测结果基础上,结合分配原则为用户端分配出行路径,并根据用户端是否服从分配划分不同优先级;
后台处理器主要功能如下:对用户端进行定位跟踪,判定路况是否拥挤,若拥挤则进行拥挤收费管理。
用户端、云端处理器、后台服务器三者的功能关系如图2所示,用户端将用户的起点、终点、拟走路径输入云端处理器和后台服务器,供云端处理器预测未来路况、分配出行路径以及后台服务器进行拥挤收费管理使用,云端处理器、后台服务器为用户端输入路段占有率、交通流量、车行速度数据,供用户端出行参考使用;云端处理器将用户端的起点、终点、拟走路径数据输入后台服务器,供后台服务器进行拥挤管理使用;后台服务器对不服从云端处理器分配的用户端收取拥挤费,促进用户端服从云端处理器的分配;云端处理器为用户端预测未来路况数据和分配避开拥塞的出行路径,供用户端参考使用,以促进用户端预约确定未来拟走路径,为云端处理器提供更精准的数据输入,后台服务器会对不预约不服从分配的用户端收取拥挤费,促进用户端为了减少拥挤费的支出而预约出行、服从分配。由于重点内容是介绍一种用户出行路径诱导与管控系统及其方法的具体工作流程,故设定了以下两个前提:(1)历史交通数据和实时交通数据已知;(2)为用户端分配出行路径时只分配一条出行路径。在此两个前提下,本实施例中一种用户出行路径诱导与管控系统及其方法的工作流程示意图如图3,具体步骤如下:
步骤1:用户端采集用户未来出行需求数据并进行出行预约。
以预约为手段调查用户未来出行信息,通过任意一个用户端获取出行需求数据并发送给云端处理器进行出行预约,获得出行预约数据,其中,出行需求数据包括:用户出行起点、终点;出行预约数据包括:预约出发时间、预约未来出行拟走路径。
云端处理器对用户端的出行需求数据和出行预约数据进行存储,从而获得若干个用户端的未来出行拟走路径、预约出发时间,为下步的预测做数据准备。
步骤2:云端处理器预测未来路况。
云端处理器对收集到的所有未来出行拟走路线与城市路网进行匹配,在此基础上,将路径划分为路段,以方便预测路况。接着对所有未来出行数据、实时交通数据、历史交通数据进行综合处理,得到未来路况预测结果;其中,预测结果为未来路网各个路段的路段占有率、车行速度和交通流量。预测未来路况流程示意图如图4,具体步骤具体如下:
步骤2.1:对数据进行分类:
(1)按照工作日、周末和节假日等不同日期类型分类;
(2)相同的日期类型下,对各个路段的交通数据数据按照基本交通流参数:路段占有率、车行速度、交通流量分类;
(3)相同交通流参数类型下,按照用户未来出行数据、历史数据、实时数据分类。
步骤2.2:在相同的交通流参数类型下,利用三次指数平滑法处理历史数据、实时数据、未来出行数据进行预测。下以预测未来交通流量为例,介绍三次指数平滑法。
(1)把交通流量中的历史数据、实时数据、未来出行数据按照时间由近及远排列为时间序列,看成无穷序列,即yt,yt-1,...;把看成这个无穷数列的一个函数,即为了在计算中使用单一权数ei(i=0,1,...),使权数之和等于1,记α为平滑系数,e0=α,em=α(1-m)m(m=1,2,...)。当0≤α≤1时,α的选择按照均方误差最小原则确定,达到最小时候的α值,这样,得到第t期的一次指数平滑法值为:第t期的二次指数平滑法值为:此处,即为第t期的三次指数平滑法值:此处,三次指数平滑值的初值取
(2)在三次指数平滑处理的基础上,建立预测模型:
根据最小二乘法确定模型系数at,bt,ct的计算公式为: 即可得到最终的交通流量预测值。
步骤2.3:将上述步骤得到的预测值进行整合,即可得到路网的预测数据。为了减小偏差、更加准确估计交通数据的变化趋势,云端处理器会结合其他车辆的实际运行情况,每隔一定时间预测实时更新一次用户的空间位置数据、所选路径的预测数据,包括所选路径的车流速度、用时情况等基本数据,以保证给用户最有价值的路径数据。
步骤3:为了给用户端提供畅通的出行路径,云端处理器依据第二步的未来路况预测结果为用户端分配出行路径,并根据用户端是否服从分配划分用户端的优先级,分配路径流程示意图如图5,具体步骤如下:
步骤3.1:云端处理器根据未来路况预测结果以及分配原则,使用经典的DijkStra寻路算法为用户端分配一条出行路径,其中,分配原则包括三个分配原则:
分配原则一为先预约先分配原则,即在进行交通分配时,根据不同的用户端在系统中预约未来出行拟走路径的时间的先后顺序,对于较早确定未来出行路径的用户端,优先进行分配;
分配原则二为容量限制原则,即在进行交通分配时,当路段的车辆数超过路段设计最大容量的预警值时,不再分配相应路段;
分配原则三为系统最优原则,即达到系统总出行成本最小情况下视为系统达到最优,在此条件下,分配交通量;
为了提高云端处理器的处理效率,路段权值设定为路段长度与上步预测所得路段车行速度的比值,同时,遵循分配原则中的第一个原则和第二个原则。
步骤3.2:检验:是否符合分配原则中的第三个原则-系统最优原则。
步骤3.2.1:建立系统最优分配模型:
模型中所用的变量和参数如下:xa为路段a上的交通流量;ta为路段a上的交通阻抗,也称为行驶时间;ta(xa)为路段a以流量xa为自变量的阻抗函数,也称为行驶时间函数;为出发地为r,目的地为s的OD间的第k条径路上的流量;为出发地为r,目的地为s的OD间的第k条径路上的阻抗;urs为出发地为r,目的地为s的OD间的最短径路的阻抗;为路段-径路相关变量,即0-1变量。如果路段a属于从出发地为r目的地为s的OD间的第k条径路,则否则N为网络中节点的集合;L为网络中路段的集合;R为网络中出发地的集合;S为网络中目的地的集合;Wrs为出发地r和目的地s之间的所有路径的集合;qrs为出发地r和目的地s之间的OD交通量。
步骤3.2.2:对阻抗函数进行变换,令阻抗函数为则
步骤3.2.3:使用Frank-Wolfe算法求解。
步骤3.2.4:算法初始化,按照进行0-1交通流分配,得到各路段的流量令n=1。
步骤3.2.5:更新各路段的阻抗。
步骤3.2.6:寻找下一步迭代方向。按照更新后的在进行一次0-1交通流分配,得到一组附加流量
步骤3.2.7:确定迭代步长,用二分法求满足下式的λ。
步骤3.2.8:确定新的迭代起点
步骤3.2.9:收敛性检验。如果满足其中ε是预先给定的误差极限,则就是就是要求的平衡解,计算结束;否则,令n=n+1,返回步骤3.2.5。
步骤3.2.10:如果上述步骤均不满足,则返回步骤3.1,重新规划出行路径,直到满足系统最优分配原则。
步骤3.3:云端处理器将分配好的出行路径发送给用户端进行确认;若用户端服从分配,则将相应用户端记为第一优先级用户,若用户端拒绝服从分配并向后台服务器输入自定义路径,则将相应用户端记为第二优先级用户,并发放拥塞抵用券,以鼓励第二优先级用户端;若用户端拒绝服从分配并未向后台服务器提供出行路径,则将相应用户端记为第三优先级用户。
步骤4:后台服务器对用户端进行定位跟踪及拥挤管理。
步骤4.1:为了更好地了解路况及用户端出行状态,后台服务器对用户端进行定位和跟踪,获得用户端的实际出行路径和实际出行用时用于更新预测结果。
步骤4.2:为了更有效地减少拥塞,后台服务器会持续检测路径是否发生交通拥挤甚至拥塞,若发生拥挤甚至拥塞则转步骤4.3;否则,停止。
拥挤程度判定标准如表1所述的系统后台服务器中拥挤程度判断表所示。
表1拥挤程度判定表
步骤4.3:后台服务器进行拥挤收费管理。
后台服务器若发现实际出行路径中发生拥塞,则会先判断用户端是否进行出行预约,若未预约,则进行拥塞收费,若预约,则判断用户端的预约出发时间与实际出发时间之间的差值是否大于阈值,若大于阈值,则进行拥塞收费,否则,判断用户端的避拥塞的出行路径与实际出行路径之间的路程差是否大于阈值,若大于阈值,则进行拥塞收费,否则,判断用户端的优先级,若为第三优先级用户或第二优先级用户,则进行拥塞收费,否则,不进行拥塞收费,拥挤收费管理措施会为第一优先级用户端提供较多的好处,意在鼓励用户端在出行之前先进行预定出行路径,并按照分配路径出行,从而促进用户端预约出行、服从分配,进而可以限制一部车的出行、鼓励公交车星,最终有效减少交通拥塞,畅通出行。拥挤收费判定流程图如图6。具体步骤如下:
步骤4.3.1:判断预约与否:若已预约,转步骤8.2;若没有预约,则实施A类拥挤收费标准。
步骤4.3.2:判断实际出发时间与预约出发时间是否在阈值允许误差范围内:若时间误差在阈值允许范围内,转步骤8.3,若不在,则实施B类拥挤收费标准。以下为例:记时间阈值误差为半小时之内称为符合要求,否则不符合要求,实施B类拥挤收费标准。
步骤4.3.3:分析实际出行路径和预约出行路径之间的路径误差以及实际出行用时和预测出行用时之间的时间误差。
步骤4.3.4:基于GPS技术对车辆进行定位跟踪记录车行路径,记:系统分配路径/第一优先级用户所走路径为路径A,用户自定义路径/第二优先级用户所走路径为路径B,其他路径/第三优先级用户所走路径为路径C,车辆的实际出行路径为路径D,将以上路径与路网进行路径轨迹的拟合匹配分析用LA表示系统分配路径/第一优先级路径即路径A、LB表示用户自定义路径/第二优先级路径即路径B、LC表示其他路径即路径C、LD表示车辆的实际出行路径即路径D。
步骤4.3.5:记:TA表示系统分配路径/第一优先级路径即路径A的预测行程用时、TB表示用户自定义路径/第二优先级路径即路径B的预测行程用时、TC表示其他路径即路径C的预测行程用时、TD表示车辆的实际出行路径即路径D的实际行程用时。以此为例:如果阈值误差范围在LD≤μ*(LA/LB/LC),μ=0~0.3,|TD-TA/TB/TC|≤β*(TA/TB/TC),β=0~0.2之内,μ、β称为误差系数,则称满足要求,执行收费标准E,否则称不满足要求,分类执行收费标准C、D。
以上具体实施方式仅供在具体实施时参考使用,此外还有可以延伸的地方,比如寻路算法可以使用A*算法或者其他算法,分配路径中可以分配两条或两条以上路径,但需要明晰的是本专利所述的系统及相关系统设计仍是本专利的保护对象。
Claims (3)
1.一种用户出行路径诱导与管控系统,其特征包括:若干个用户端、一个云端处理器和后台服务器;
任意一个用户端获取出行需求数据并发送给所述云端处理器进行出行预约,获得出行预约数据,所述出行需求数据包括:用户出行起点、终点;所述出行预约数据包括:预约出发时间、预约未来出行拟走路径;
所述云端处理器对所述用户端的出行需求数据和出行预约数据进行存储,从而获得若干个用户端的预约未来出行拟走路径、预约出发时间;
所述云端处理器所收集到的所有未来出行拟走路线与城市路网进行匹配,从而对所有未来出行数据、历史交通数据、实时交通数据进行综合处理,得到未来路况预测结果,所述预测结果为未来路网各个路段的路段占有率、车行速度和交通流量;
所述云端处理器根据所述未来路况预测结果以及分配原则为用户端分配出行路径并发送给用户端进行确认;
若用户端服从分配,云端处理器则将相应用户端记为第一优先级用户,若用户端拒绝服从分配并向后台服务器输入自定义路径,则将相应用户端记为第二优先级用户,并发放拥塞抵用券;若用户端拒绝服从分配并未向后台服务器提供出行路径,则将相应用户端记为第三优先级用户;
所述后台服务器对用户端进行定位和跟踪,从而获得用户端的实际出行路径和实际出行用时用于更新所述预测结果;若发现实际出行路径中发生拥塞,则判断用户端是否进行出行预约,若未预约,则进行拥塞收费,若预约,则判断用户端的预约出发时间与实际出发时间之间的差值是否大于阈值,若大于阈值,则进行拥塞收费,否则,判断用户端避开拥塞的出行路径与实际出行路径之间的路程差是否大于阈值,若大于阈值,则进行拥塞收费,否则,判断用户端的优先级,若为第三优先级用户或第二优先级用户,则进行拥塞收费,否则,不进行拥塞收费。
2.根据权利要求1所述的用户出行路径诱导与管控系统,其特征是:所述分配原则包括:先预约先分配原则、容量限制原则和系统最优原则;
所述先预约先分配原则为:在进行交通分配时,根据不同的用户端在系统中预约未来出行拟走路径的时间的先后顺序,对于较早确定未来出行路径的用户端,优先进行分配;
所述容量限制原则为:在进行交通分配时,当路段的车辆数超过路段设计最大容量的预警值时,不再分配相应路段;
所述系统最优原则为:以达到系统总出行成本最小作为系统最优条件,并分配交通量。
3.一种用户出行路径诱导与管控方法,其特征是应用于由干个用户端、一个云端处理器和一个后台服务器构成的系统中,并按如下步骤进行:
步骤1:采集用户未来出行需求数据并进行出行预约:
任意一个用户端获取出行需求数据并发送给云端处理器进行出行预约,获得出行预约数据,所述出行需求数据包括:用户出行起点、终点;出行预约数据包括:预约出发时间、预约未来出行拟走路径;
步骤2:云端处理器对用户端的出行需求数据和出行预约数据进行存储,从而获得若干个用户端的未来出行拟走路径、预约出发时间;
步骤3:云端处理器预测未来路况:
所述云端处理器所收集到的所有未来出行拟走路线与城市路网进行匹配,从而对所有未来出行数据、历史交通数据、实时交通数据进行综合处理,得到未来路况预测结果,所述预测结果为未来路网各个路段的路段占有率、车行速度和交通流量;
步骤4:所述云端处理器根据所述未来路况预测结果以及分配原则为用户端分配出行路径并发送给用户端进行确认;
若用户端服从分配,云端处理器则将相应用户端记为第一优先级用户,若用户端拒绝服从分配并向后台服务器输入自定义路径,则将相应用户端记为第二优先级用户,并发放拥塞抵用券;若用户端拒绝服从分配并未向后台服务器提供出行路径,则将相应用户端记为第三优先级用户;
步骤5:所述后台服务器对用户端进行定位和跟踪,从而获得用户端的实际出行路径和实际出行用时用于更新所述预测结果;
步骤6:后台服务器进行拥挤收费管理:
若发现实际出行路径中发生拥塞,则判断用户端是否进行出行预约,若未预约,则进行拥塞收费,若预约,则判断用户端的预约出发时间与实际出发时间之间的差值是否大于阈值,若大于阈值,则进行拥塞收费,否则,判断用户端避开拥塞的出行路径与实际出行路径之间的路程差是否大于阈值,若大于阈值,则进行拥塞收费,否则,判断用户端的优先级,若为第三优先级用户或第二优先级用户,则进行拥塞收费,否则,不进行拥塞收费。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610965376.5A CN106504530B (zh) | 2016-10-31 | 2016-10-31 | 一种用户出行路径诱导与管控系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610965376.5A CN106504530B (zh) | 2016-10-31 | 2016-10-31 | 一种用户出行路径诱导与管控系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106504530A CN106504530A (zh) | 2017-03-15 |
CN106504530B true CN106504530B (zh) | 2018-12-11 |
Family
ID=58321926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610965376.5A Active CN106504530B (zh) | 2016-10-31 | 2016-10-31 | 一种用户出行路径诱导与管控系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106504530B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045783B (zh) * | 2017-05-19 | 2020-10-23 | 邱惠崧 | 一种基于约定出行的道路路网精准行车运行方法和系统 |
CN107331153A (zh) * | 2017-07-14 | 2017-11-07 | 深圳市卡联科技股份有限公司 | 一种基于智能交通的降低交通拥堵的方法及系统 |
CN107451690A (zh) * | 2017-07-28 | 2017-12-08 | 深圳市益鑫智能科技有限公司 | 一种智能路线规划系统 |
US10216189B1 (en) | 2017-08-23 | 2019-02-26 | Uber Technologies, Inc. | Systems and methods for prioritizing object prediction for autonomous vehicles |
CN107730877A (zh) * | 2017-11-06 | 2018-02-23 | 上海电机学院 | 面向城市高架快速主干路网的预约出行管理系统及方法 |
CN108921428A (zh) * | 2018-06-28 | 2018-11-30 | 上海中通吉网络技术有限公司 | 物流车辆的调度方法和装置 |
CN108827285B (zh) * | 2018-06-29 | 2021-05-11 | 绍兴东巍体育科技有限公司 | 一种基于智能手环的青少年健康数据共享系统及方法 |
CN108986459B (zh) * | 2018-07-06 | 2020-12-22 | 华南理工大学 | 一种基于预约通行的高速公路拥挤疏导方法 |
CN110751848B (zh) * | 2019-10-24 | 2022-10-21 | 邓生毛 | 智能交通管理之主动干预系统 |
CN112991798B (zh) * | 2019-12-12 | 2022-05-20 | 沈阳美行科技股份有限公司 | 基于通行速度数据的道路线段行驶时间确定方法及装置 |
CN111681327A (zh) * | 2020-05-28 | 2020-09-18 | 中国联合网络通信集团有限公司 | 一种道路收费标准调控方法和装置 |
CN112488400B (zh) * | 2020-12-04 | 2023-12-22 | 南通大学 | 基于区块链技术与出行计划共享的交通出行行为调控方法 |
CN113901154B (zh) * | 2021-08-19 | 2022-06-14 | 佛山市城市规划设计研究院 | 一种利用智慧交通数据实现互动选址的方法 |
CN114519933B (zh) * | 2022-01-29 | 2023-11-21 | 邱惠崧 | 基于无过饱和状态的约定出行管控方法、装置及存储介质 |
CN116580586B (zh) * | 2023-07-12 | 2023-10-13 | 中南大学 | 一种平衡个人利益和社会利益的车辆路径诱导方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824467A (zh) * | 2013-12-18 | 2014-05-28 | 招商局重庆交通科研设计院有限公司 | 针对私有车辆的预约式交通导航服务方法及装置 |
CN104504899A (zh) * | 2014-12-22 | 2015-04-08 | 武汉邮电科学研究院 | 智慧交通管理系统及其实现方法 |
JP5854483B2 (ja) * | 2011-07-29 | 2016-02-09 | 日本電気株式会社 | 交通制御システム、混雑制御方法、情報処理装置およびその制御方法並びに制御プログラム |
CN105374206A (zh) * | 2015-12-09 | 2016-03-02 | 敏驰信息科技(上海)有限公司 | 一种主动式交通需求管理的系统及其工作方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002203295A (ja) * | 2000-12-28 | 2002-07-19 | Toyota Motor Corp | 走行予約システム及び装置並びに方法 |
JP6376983B2 (ja) * | 2015-02-06 | 2018-08-22 | 三菱電機株式会社 | 道路課金システム |
-
2016
- 2016-10-31 CN CN201610965376.5A patent/CN106504530B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5854483B2 (ja) * | 2011-07-29 | 2016-02-09 | 日本電気株式会社 | 交通制御システム、混雑制御方法、情報処理装置およびその制御方法並びに制御プログラム |
CN103824467A (zh) * | 2013-12-18 | 2014-05-28 | 招商局重庆交通科研设计院有限公司 | 针对私有车辆的预约式交通导航服务方法及装置 |
CN104504899A (zh) * | 2014-12-22 | 2015-04-08 | 武汉邮电科学研究院 | 智慧交通管理系统及其实现方法 |
CN105374206A (zh) * | 2015-12-09 | 2016-03-02 | 敏驰信息科技(上海)有限公司 | 一种主动式交通需求管理的系统及其工作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106504530A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106504530B (zh) | 一种用户出行路径诱导与管控系统及其方法 | |
Teodorović | Fuzzy sets theory applications in traffic and transportation | |
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
CN106504577B (zh) | 一种停车换乘出行路线规划方法及装置 | |
CN110337680A (zh) | 一种优先短停的优质泊位预约及动态定价方法 | |
CN109308574B (zh) | 一种实时响应的互联网半灵活公交调度方法 | |
CN104157139B (zh) | 一种交通拥堵预测方法及可视化方法 | |
CN105185116B (zh) | 网络集约小客车出行需求热力图构建方法 | |
Zhu et al. | Joint transportation and charging scheduling in public vehicle systems—A game theoretic approach | |
Jia et al. | Traffic managements for household travels in congested morning commute | |
Liu et al. | Dynamic shared autonomous taxi system considering on-time arrival reliability | |
CN105389856B (zh) | 一种自由打车o‑p‑d计费的方法 | |
Zhang et al. | A distribution model for shared parking in residential zones that considers the utilization rate and the walking distance | |
CN112561249B (zh) | 面向实时需求的城市定制公交调度方法 | |
CN109741626A (zh) | 停车场停车情况预测方法、调度方法和系统 | |
CN111510488B (zh) | 一种智能停车场搜寻与导航方法 | |
CN112488400A (zh) | 基于区块链技术与出行计划共享的交通出行行为调控方法 | |
CN107527137A (zh) | 城市轨道交通网络成熟度确定方法 | |
CN109657820A (zh) | 一种可预约的出租车匹配方法 | |
Manasra et al. | Optimization-based operations control for public transportation service with transfers | |
Tian et al. | Morning commuting pattern and crowding pricing in a many-to-one public transit system with heterogeneous users | |
Nakazato et al. | Parking lot allocation using rematching and dynamic parking fee design | |
Hakeem et al. | Multi-destination vehicular route planning with parking and traffic constraints | |
CN111738490A (zh) | 柔性公交线路资源复用分配调度方法 | |
Cassandras et al. | Optimal dynamic allocation and space reservation for electric vehicles at charging stations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |