CN106530694B - 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 - Google Patents
一种基于交通拥堵传播模型的交通拥堵预测方法及系统 Download PDFInfo
- Publication number
- CN106530694B CN106530694B CN201610976252.7A CN201610976252A CN106530694B CN 106530694 B CN106530694 B CN 106530694B CN 201610976252 A CN201610976252 A CN 201610976252A CN 106530694 B CN106530694 B CN 106530694B
- Authority
- CN
- China
- Prior art keywords
- traffic congestion
- section
- speed
- vehicle
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
Abstract
本发明公开了一种基于交通拥堵传播模型的交通拥堵预测方法及系统,方法包括:获取车辆的历史轨迹,计算出车辆在通过第一路段的通行速度;根据通行速度,计算出车辆行驶阈值;若当前车辆的瞬时行驶速度小于车辆行驶阈值,则判定发生交通拥堵;将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段,根据常发性交通拥堵路段生成拥堵子图,根据所有连接路段同时发生交通拥堵的概率,对拥堵子图进行标定后生成交通拥堵概率图模型后对交通拥堵情况进行预测。本发明可利用多源轨迹大数据提取准确的道路交通状态,从而完成城市交通拥堵传播分析,发现交通拥堵起源地,从而减少交通拥堵的发生,节省车主的出行成本。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种基于交通拥堵传播模型的交通拥堵预测方法及系统。
背景技术
当前,城市中机动车保有量不断增长,交通压力急剧增加,部分地区经常发生交通拥堵,为城市交通畅通运行保障带来了巨大挑战,加剧了交通相关的能源与环境问题。明晰交通拥堵的源头与传播机理能够实现交通拥堵疏解,并保障城市交通的畅通。传统的交通拥堵传播分析方法一般利用交通专家的经验,根据道路网络的结构,分析提取预判可能发生的交通拥堵。由于缺乏可靠的交通拥堵传播模型,大面积、精准的交通拥堵分析难以实现,无法支撑高效率的交通拥堵预测。现有技术中的交通拥堵预测一般是通过依赖于人的主观经验,交通拥堵分析结果不准确,而且是只能实行小范围面积内的拥堵预测分析,交通拥堵预测效率低,车主出行时间增长,出行成本高。
因此,现有技术还有待于改进和发展。
发明内容
鉴于现有技术的不足,本发明目的在于提供一种基于交通拥堵传播模型的交通拥堵预测方法及系统,旨在解决现有技术中交通拥堵预测一般是通过依赖于人的主观经验,交通拥堵分析结果不准确,而且是只能实行小范围面积内的拥堵预测分析,交通拥堵预测效率低,车主出行时间增长,出行成本高的技术问题。
本发明的技术方案如下:
一种基于交通拥堵传播模型的交通拥堵预测方法,其中,方法包括步骤:
A、获取车辆的历史轨迹,进行路径匹配后,并计算出车辆在通过第一路段的通行速度;
B、根据车辆在第一路段的通行速度,计算车辆在第一路段的平均行驶速度及方差,根据平均行驶速度与方差计算出车辆行驶阈值;
C、获取当前车辆在第一路段的瞬时行驶速度,判断瞬时行驶速度是否小于车辆行驶阈值,若小于,则判定第一路段发生交通拥堵;
D、遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段,根据常发性交通拥堵路段生成拥堵子图;
E、计算拥堵子图中的所有连接路段同时发生交通拥堵的概率,对拥堵子图进行标定后生成交通拥堵概率图模型;
F、根据交通拥堵概率图模型对路段的交通拥堵情况进行预测。
所述的基于交通拥堵传播模型的交通拥堵预测方法,其中,所述步骤A具体包括步骤:
A1、获取公交车的历史轨迹及公交车的路线,进行路径匹配,计算公交车在第一预定时间内的通过第一路段的第一通行速度;
A2、获取出租车的历史轨迹及出租车处于载客状态时的路径,进行路径匹配,计算出租车在第一预定时间内的通过第一路段的第二通行速度;
A3、获取运输车的历史轨迹,进行路径匹配,计算运输车在第一预定时间内的通过第一路段的第三通行速度;
A4、获取私家车的历史轨迹,进行路径匹配,计算私家车在第一预定时间内的通过第一路段的第四通行速度。
所述的基于交通拥堵传播模型的交通拥堵预测方法,其中,所述步骤B具体包括步骤:
B1、根据第一通行速度第二通行速度第三通行速度第四通行速度计算车辆在第一路段的平均行驶速度
其中n1、n2、n3、n4分别为第一时间内的公交车、出租车、运输车、私家车通过第一路段的数量;
B2、根据平均行驶速度计算行驶速度的方差σij
B3、根据平均行驶速度与方差计算出车辆行驶阈值vm
所述的基于交通拥堵传播模型的交通拥堵预测方法,其中,所述步骤C具体包括步骤:
C1、获取当前车辆在第一路段的瞬时行驶速度,判断当前车辆在第一路段的瞬时行驶速度vij是否小于车辆行驶阈值vm;
C2、若瞬时行驶速度vij小于车辆行驶阈值vm,则判定第一路段发生交通拥堵;
C3、获取与第一路段连接的第二路段,若第二路段在第一路段发生交通拥堵后的第二时间段内发生交通拥堵,则交通拥堵发生传播。
所述的基于交通拥堵传播模型的交通拥堵预测方法,其中,所述步骤D具体包括步骤:
D1、遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段;
D2、将常发性交通拥堵路段加入拥堵路段集合,根据拥堵路段集合中道路间的拓扑关系,提取连通的拥堵道路组成拥堵传播模型的拥堵子图。
一种基于交通拥堵传播模型的交通拥堵预测系统,其中,系统包括:
车辆速度计算模块,用于获取车辆的历史轨迹,进行路径匹配后,并计算出车辆在通过第一路段的通行速度;
车辆行驶阈值计算模块,用于根据车辆在第一路段的通行速度,计算车辆在第一路段的平均行驶速度及方差,根据平均行驶速度与方差计算出车辆行驶阈值;
交通拥堵判断模块,用于获取当前车辆在第一路段的瞬时行驶速度,判断瞬时行驶速度是否小于车辆行驶阈值,若小于,则判定第一路段发生交通拥堵;
拥堵子图生成模块,用于遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段,根据常发性交通拥堵路段生成拥堵子图;
交通拥堵模型构建模块,用于计算拥堵子图中的所有连接路段同时发生交通拥堵的概率,对拥堵子图进行标定后生成交通拥堵概率图模型;
交通拥堵预测模块,用于根据交通拥堵概率图模型对路段的交通拥堵情况进行预测。
所述的基于交通拥堵传播模型的交通拥堵预测系统,其中,所述车辆速度计算模块具体包括:
第一速度计算单元,用于获取公交车的历史轨迹及公交车的路线,进行路径匹配,计算公交车在第一预定时间内的通过第一路段的第一通行速度;
第二速度计算单元,用于获取出租车的历史轨迹及出租车处于载客状态时的路径,进行路径匹配,计算出租车在第一预定时间内的通过第一路段的第二通行速度;
第三速度计算单元,用于获取运输车的历史轨迹,进行路径匹配,计算运输车在第一预定时间内的通过第一路段的第三通行速度;
第四速度计算单元,用于获取私家车的历史轨迹,进行路径匹配,计算私家车在第一预定时间内的通过第一路段的第四通行速度。
所述的基于交通拥堵传播模型的交通拥堵预测系统,其中,所述车辆行驶阈值计算模块具体包括:
平均速度计算单元,用于根据第一通行速度第二通行速度第三通行速度第四通行速度计算车辆在第一路段的平均行驶速度
其中n1、n2、n3、n4分别为第一时间内的公交车、出租车、运输车、私家车通过第一路段的数量;
方差计算单元,用于根据平均行驶速度计算行驶速度的方差σij
阈值计算单元,用于根据平均行驶速度与方差计算出车辆行驶阈值vm
所述的基于交通拥堵传播模型的交通拥堵预测系统,其中,所述交通拥堵判断模块具体包括:
判断单元,用于获取当前车辆在第一路段的瞬时行驶速度,判断当前车辆在第一路段的瞬时行驶速度vij是否小于车辆行驶阈值vm;
交通拥堵判定单元,用于若瞬时行驶速度vij小于车辆行驶阈值vm,则判定第一路段发生交通拥堵;
交通拥堵传播判定单元,用于获取与第一路段连接的第二路段,若第二路段在第一路段发生交通拥堵后的第二时间段内发生交通拥堵,则交通拥堵发生传播。
所述的基于交通拥堵传播模型的交通拥堵预测系统,其中,所述拥堵子图生成模块具体包括;
常发性交通拥堵路段判定单元,用于遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段;
拥堵子图生成单元,用于将常发性交通拥堵路段加入拥堵路段集合,根据拥堵路段集合中道路间的拓扑关系,提取连通的拥堵道路组成拥堵传播模型的拥堵子图。
本发明提供了一种基于交通拥堵传播模型的交通拥堵预测方法及系统,本发明可利用多源轨迹大数据提取准确的道路交通状态,从而完成城市交通拥堵传播分析,发现交通拥堵起源地,从而减少交通拥堵的发生,节省车主的出行成本。
附图说明
图1为本发明的一种基于交通拥堵传播模型的交通拥堵预测方法的较佳实施例的流程图。
图2为本发明的一种基于交通拥堵传播模型的交通拥堵预测方法的具体应用实施例的交通拥堵子图的示意图。
图3为本发明的一种基于交通拥堵传播模型的交通拥堵预测方法的具体应用实施例的交通拥堵传播示意图。
图4本发明的一种基于交通拥堵传播模型的交通拥堵预测系统的较佳实施例的功能原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明还提供了一种基于交通拥堵传播模型的交通拥堵预测方法的较佳实施例的流程图,如图1所示,方法包括:
步骤S100、获取车辆的历史轨迹,进行路径匹配后,并计算出车辆在通过第一路段的通行速度。
具体实施时,本发明中采用道路风格是采用节点-弧段模型(N-E)表示,其中节点n∈N表示道路交叉口、车道变化点、主辅道连接处、公交站点、地铁站点等,弧段eij∈E表示道路边,连接两个节点vi,vj。
交通拥堵指的是由于上下班通勤、恶劣天气、公共事件、突发交通事故等因素的影响,道路上的车辆增多,车辆平均行驶速度显著低于日常车辆行驶速度的状态。
本发明中的交通拥堵传播指的是由于上下班通勤、恶劣天气、公共事件、突发交通事故等因素的影响,造成某条道路上的交通拥堵继续存在并向外扩散,影响其下游路段直至关联路段,持续一段时间后不断缩小,直至消失的过程。
步骤S100中车辆的历史轨迹为多源交通轨迹数据,可从公交车监控系统、出租车监控系统、运输车监控系统、打车系统等智能车辆管理系统中分别获取公交车、出租车、运输车、私家车的历史车辆轨迹,从而计算车辆在某一路段,此处以第一路段标记某一路段。另外,交通轨迹数据不局限于出行活动提取不局限于公开的公交车、出租车、运输车、私家车轨迹数据等,相关的可用于交通信息提取的时空数据如蓝牙定位数据,WiFi定位数据,手机定位数据均可用于本发明中交通状态提取。
进一步的实施例中,步骤S100具体包括:
步骤S101、获取公交车的历史轨迹及公交车的路线,进行路径匹配,计算公交车在第一预定时间内的通过第一路段的第一通行速度;
步骤S102、获取出租车的历史轨迹及出租车处于载客状态时的路径,进行路径匹配,计算出租车在第一预定时间内的通过第一路段的第二通行速度;
步骤S103、获取运输车的历史轨迹,进行路径匹配,计算运输车在第一预定时间内的通过第一路段的第三通行速度;
步骤S104、获取私家车的历史轨迹,进行路径匹配,计算私家车在第一预定时间内的通过第一路段的第四通行速度。
具体实施时,将第一路段记为eij,针对公交车的轨迹,结合公交车路线,进行路径匹配,计算公交车t时段内通过路段eij时的通行速度针对出租车的轨迹,筛选出处于载客状态时的路径,然后进行路径匹配,计算出租车通过路段eij时的通行速度针对危险品/危化品运输车的轨迹,进行路径匹配,计算危险品/危化品运输车通过路段eij时的通行速度针对私家车的轨迹,进行路径匹配,计算私家车通过路段eij时的通行速度
步骤S200、根据车辆在第一路段的通行速度,计算车辆在第一路段的平均行驶速度及方差,根据平均行驶速度与方差计算出车辆行驶阈值。
具体实施时,根据各类车辆在路段eij的通行速度,依次计算出各类车辆在路段eij的平均行驶速度及方差,根据预设的公式,以及平均行驶速度与方差计算出车辆行驶阈值。
进一步的实施例中,步骤S200具体包括:
步骤S201、根据第一通行速度第二通行速度第三通行速度第四通行速度计算车辆在第一路段的平均行驶速度
其中n1、n2、n3、n4分别为第一时间内的公交车、出租车、运输车、私家车通过第一路段的数量;
步骤S202、根据平均行驶速度计算行驶速度的方差σij
步骤S203、根据平均行驶速度与方差计算出车辆行驶阈值vm
具体实施时,根据得各类车辆的瞬时通行速度,计算平均行驶速度
其中n1、n2、n3、n4分别为时刻t时公交车、出租车、危险品/危化品运输车、私家车通过路段eij的数量。
根据获得各类车辆的瞬时通行速度,计算行驶速度的方差
车辆行驶阈值vm
步骤S300、获取当前车辆在第一路段的瞬时行驶速度,判断瞬时行驶速度是否小于车辆行驶阈值,若小于,则判定第一路段发生交通拥堵。
具体实施时,获取当前车辆在第一路段的瞬时行驶速度vij,若道路eij的瞬时通行速度则将其判定道路eij为交通拥堵。
进一步的实施例中,步骤S300具体包括:
步骤S301、获取当前车辆在第一路段的瞬时行驶速度,判断当前车辆在第一路段的瞬时行驶速度vij是否小于车辆行驶阈值vm;
步骤S302、若瞬时行驶速度vij小于车辆行驶阈值vm,则判定第一路段发生交通拥堵;
步骤S303、获取与第一路段连接的第二路段,若第二路段在第一路段发生交通拥堵后的第二时间段内发生交通拥堵,则交通拥堵发生传播。
具体实施时,如图2所示,道路段eij于T0发生交通拥堵,并持续一段时间t12,受其影响,其后继路段ehi、ebi相继发生交通拥堵,并持续第二时间段t23、t24、t25,然后又逐渐消失的过程。其中第一时间段和第二时间段都可根据需要预先设置。具体地第一时间段和第二时间段的取值范围为5-30min之内。获得孤立的交通拥堵路段eij,判断其连接的其他路段如第二路段记为eki是否发生交通拥堵,如果随之发生交通拥堵,则交通拥堵发生传播;否则,则没有发生交通拥堵传播。
步骤S400、遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段,根据常发性交通拥堵路段生成拥堵子图。
具体实施时,遍历所有的道路段,根据判定的交通拥堵,获取长时间的路段状态序列,将每月交通拥堵次数大于N1次的路段判定为常发性交通拥堵发生区域。本发明中将N1设定为15。判定常发性交通拥堵时每月交通拥堵次数可以根据所在区域交通状态确定,不局限于本发明中预设的N1=15。
进一步的实施例中,步骤S400具体包括:
步骤S401、遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段;
步骤S402、将常发性交通拥堵路段加入拥堵路段集合,根据拥堵路段集合中道路间的拓扑关系,提取连通的拥堵道路组成拥堵传播模型的拥堵子图。
具体实施时,遍历所有的道路段,根据判定的交通拥堵,获取长时间的路段状态序列,将每月交通拥堵次数大于N1次的路段判定为生常发性交通拥堵发生区域。本发明中将N1设定为15。将所有的常发性交通拥堵路段放入拥堵路段集合CE。
针对拥堵路段集合CE中的道路,根据道路间的拓扑关系,提取连通的拥堵道路组成拥堵子图(N′,E′),其中E′为常发性拥堵路段,N′为道路节点,如图3所示,拥堵子图即为((b,h,i,j),(ebi,ehi,eij))。将拥堵子图中多次首先发生交通拥堵的地方定义为交通拥堵起源地,相应地,拥堵传播图模型为(eij→ehi,eij→ebi)。
步骤S500、计算拥堵子图中的所有连接路段同时发生交通拥堵的概率,对拥堵子图进行标定后生成交通拥堵概率图模型。
具体实施时,针对图3所示的拥堵子图,逐个分析拥堵子图中的路段对,根据判定的交通拥堵,计算连接路段ehi,eij同时发生交通拥堵的概率即rhij。计算拥堵子图中的所有连接路段同时发生交通拥堵的概率,从而标定交通拥堵概率图模型。
采用相关系数度量交通拥堵传播概率,如以下公式所示,其中rhij表示交通拥堵传播概率,shi=1表示路段ehi的发生交通拥堵,sij=1表示路段eij发生交通拥堵。
rhij=P(shi=1|sij=1)
步骤S600、根据交通拥堵概率图模型对路段的交通拥堵情况进行预测。
具体实施时,根据建立的交通拥堵概率图模型,进行交通拥堵预测。结合实时的多源交通轨迹数据,判断某条路段eij是否发生交通拥堵。如果路段eij发生交通拥堵且路段eij是交通拥堵起源地,则根据构建的利用交通拥堵图模型判定交通拥堵发生的可能性,支撑交通管理人员的日常管理。
还可进行交通拥堵疏解。根据构建的交通拥堵图模型,发现交通拥堵起源地,可采取针对性措施减少交通拥堵发生。针对交通拥堵传播过程,可改变路口位置的红绿灯配时及其方向转变,从而减少交通拥堵的传播。
本发明提供了一种基于交通拥堵传播模型的交通拥堵预测方法,道路网络之间的拓扑关系,而且顾及常发性交通路段的同现现象,利用多源轨迹交通数据进行标定,实现了高动态的交通拥堵传播机制表示及其标定,利用多源轨迹数据提取道路上的交通拥堵,判定交通拥堵的源头,构建交通拥堵传播概率图,实现交通拥堵传播机制的精准分析,节省了车主的出行时间,为车主出行带来了便捷。
本发明提供了一种基于交通拥堵传播模型的交通拥堵预测系统的较佳实施例的功能原理框图,如图4所示,其中,系统包括:
车辆速度计算模块100,用于获取车辆的历史轨迹,进行路径匹配后,并计算出车辆在通过第一路段的通行速度;具体如方法实施例所述。
车辆行驶阈值计算模块200,用于根据车辆在第一路段的通行速度,计算车辆在第一路段的平均行驶速度及方差,根据平均行驶速度与方差计算出车辆行驶阈值;具体如方法实施例所述。
交通拥堵判断模块300,用于获取当前车辆在第一路段的瞬时行驶速度,判断瞬时行驶速度是否小于车辆行驶阈值,若小于,则判定第一路段发生交通拥堵;具体如方法实施例所述。
拥堵子图生成模块400,用于遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段,根据常发性交通拥堵路段生成拥堵子图;具体如方法实施例所述。
交通拥堵模型构建模块500,用于计算拥堵子图中的所有连接路段同时发生交通拥堵的概率,对拥堵子图进行标定后生成交通拥堵概率图模型;具体如方法实施例所述。
交通拥堵预测模块600,用于根据交通拥堵概率图模型对路段的交通拥堵情况进行预测;具体如方法实施例所述。
所述的基于交通拥堵传播模型的交通拥堵预测系统,其中,所述车辆速度计算模块具体包括:
第一速度计算单元,用于获取公交车的历史轨迹及公交车的路线,进行路径匹配,计算公交车在第一预定时间内的通过第一路段的第一通行速度;具体如方法实施例所述。
第二速度计算单元,用于获取出租车的历史轨迹及出租车处于载客状态时的路径,进行路径匹配,计算出租车在第一预定时间内的通过第一路段的第二通行速度;具体如方法实施例所述。
第三速度计算单元,用于获取运输车的历史轨迹,进行路径匹配,计算运输车在第一预定时间内的通过第一路段的第三通行速度;具体如方法实施例所述。
第四速度计算单元,用于获取私家车的历史轨迹,进行路径匹配,计算私家车在第一预定时间内的通过第一路段的第四通行速度;具体如方法实施例所述。
所述的基于交通拥堵传播模型的交通拥堵预测系统,其中,所述车辆行驶阈值计算模块具体包括:
平均速度计算单元,用于根据第一通行速度第二通行速度第三通行速度第四通行速度计算车辆在第一路段的平均行驶速度
其中n1、n2、n3、n4分别为第一时间内的公交车、出租车、运输车、私家车通过第一路段的数量;
方差计算单元,用于根据平均行驶速度计算行驶速度的方差σij
具体如方法实施例所述。
阈值计算单元,用于根据平均行驶速度与方差计算出车辆行驶阈值vm
具体如方法实施例所述。
所述的基于交通拥堵传播模型的交通拥堵预测系统,其中,所述交通拥堵判断模块具体包括:
判断单元,用于获取当前车辆在第一路段的瞬时行驶速度,判断当前车辆在第一路段的瞬时行驶速度vij是否小于车辆行驶阈值vm;具体如方法实施例所述。
交通拥堵判定单元,用于若瞬时行驶速度vij小于车辆行驶阈值vm,则判定第一路段发生交通拥堵;具体如方法实施例所述。
交通拥堵传播判定单元,用于获取与第一路段连接的第二路段,若第二路段在第一路段发生交通拥堵后的第二时间段内发生交通拥堵,则交通拥堵发生传播;具体如方法实施例所述。
所述的基于交通拥堵传播模型的交通拥堵预测系统,其中,所述拥堵子图生成模块具体包括;
常发性交通拥堵路段判定单元,用于遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段;具体如方法实施例所述。
拥堵子图生成单元,用于将常发性交通拥堵路段加入拥堵路段集合,根据拥堵路段集合中道路间的拓扑关系,提取连通的拥堵道路组成拥堵传播模型的拥堵子图;具体如方法实施例所述。
综上所述,本发明提出了一种基于交通拥堵传播模型的交通拥堵预测方法及系统,方法包括:获取车辆的历史轨迹,计算出车辆在通过第一路段的通行速度;根据通行速度,计算出车辆行驶阈值;若当前车辆的瞬时行驶速度小于车辆行驶阈值,则判定发生交通拥堵;将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段,根据常发性交通拥堵路段生成拥堵子图,根据所有连接路段同时发生交通拥堵的概率,对拥堵子图进行标定后生成交通拥堵概率图模型后对交通拥堵情况进行预测。本发明可利用多源轨迹大数据提取准确的道路交通状态,从而完成城市交通拥堵传播分析,发现交通拥堵起源地,从而减少交通拥堵的发生,节省车主的出行成本。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (6)
1.一种基于交通拥堵传播模型的交通拥堵预测方法,其特征在于,所述方法包括步骤:
A、获取车辆的历史轨迹,进行路径匹配后,并计算出车辆在通过第一路段的通行速度;
B、根据车辆在第一路段的通行速度,计算车辆在第一路段的平均行驶速度及方差,根据平均行驶速度与方差计算出车辆行驶阈值;
C、获取当前车辆在第一路段的瞬时行驶速度,判断瞬时行驶速度是否小于车辆行驶阈值,若小于,则判定第一路段发生交通拥堵;
所述步骤C具体包括步骤:
C1、获取当前车辆在第一路段的瞬时行驶速度,判断当前车辆在第一路段的瞬时行驶速度vij是否小于车辆行驶阈值vm;
C2、若瞬时行驶速度vij小于车辆行驶阈值vm,则判定第一路段发生交通拥堵;
C3、获取与第一路段连接的第二路段,若第二路段在第一路段发生交通拥堵后的第二时间段内发生交通拥堵,则交通拥堵发生传播;
D、遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段,根据常发性交通拥堵路段生成拥堵子图;
所述步骤D具体包括步骤:
D1、遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段;
D2、将常发性交通拥堵路段加入拥堵路段集合,根据拥堵路段集合中道路间的拓扑关系,提取连通的拥堵道路组成拥堵传播模型的拥堵子图;
E、计算拥堵子图中的所有连接路段同时发生交通拥堵的概率,对拥堵子图进行标定后生成交通拥堵概率图模型;
F、根据交通拥堵概率图模型对路段的交通拥堵情况进行预测。
2.根据权利要求1所述的基于交通拥堵传播模型的交通拥堵预测方法,其特征在于,所述步骤A具体包括步骤:
A1、获取公交车的历史轨迹及公交车的路线,进行路径匹配,计算公交车在第一预定时间内的通过第一路段的第一通行速度;
A2、获取出租车的历史轨迹及出租车处于载客状态时的路径,进行路径匹配,计算出租车在第一预定时间内的通过第一路段的第二通行速度;
A3、获取运输车的历史轨迹,进行路径匹配,计算运输车在第一预定时间内的通过第一路段的第三通行速度;
A4、获取私家车的历史轨迹,进行路径匹配,计算私家车在第一预定时间内的通过第一路段的第四通行速度。
3.根据权利要求2所述的基于交通拥堵传播模型的交通拥堵预测方法,其特征在于,所述步骤B具体包括步骤:
B1、根据第一通行速度第二通行速度第三通行速度第四通行速度计算车辆在第一路段的平均行驶速度
其中n1、n2、n3、n4分别为第一时间内的公交车、出租车、运输车、私家车通过第一路段的数量;
B2、根据平均行驶速度计算行驶速度的方差σij
B3、根据平均行驶速度与方差计算出车辆行驶阈值vm
4.一种基于交通拥堵传播模型的交通拥堵预测系统,其特征在于,系统包括:
车辆速度计算模块,用于获取车辆的历史轨迹,进行路径匹配后,并计算出车辆在通过第一路段的通行速度;
车辆行驶阈值计算模块,用于根据车辆在第一路段的通行速度,计算车辆在第一路段的平均行驶速度及方差,根据平均行驶速度与方差计算出车辆行驶阈值;
交通拥堵判断模块,用于获取当前车辆在第一路段的瞬时行驶速度,判断瞬时行驶速度是否小于车辆行驶阈值,若小于,则判定第一路段发生交通拥堵;
所述交通拥堵判断模块具体包括:
判断单元,用于获取当前车辆在第一路段的瞬时行驶速度,判断当前车辆在第一路段的瞬时行驶速度vij是否小于车辆行驶阈值vm;
交通拥堵判定单元,用于若瞬时行驶速度vij小于车辆行驶阈值vm,则判定第一路段发生交通拥堵;
交通拥堵传播判定单元,用于获取与第一路段连接的第二路段,若第二路段在第一路段发生交通拥堵后的第二时间段内发生交通拥堵,则交通拥堵发生传播;
拥堵子图生成模块,用于遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段,根据常发性交通拥堵路段生成拥堵子图;
所述拥堵子图生成模块具体包括;
常发性交通拥堵路段判定单元,用于遍历所有的路段,将每月中发生交通拥堵次数大于一预定次数的路段判定为常发性交通拥堵路段;
拥堵子图生成单元,用于将常发性交通拥堵路段加入拥堵路段集合,根据拥堵路段集合中道路间的拓扑关系,提取连通的拥堵道路组成拥堵传播模型的拥堵子图;
交通拥堵模型构建模块,用于计算拥堵子图中的所有连接路段同时发生交通拥堵的概率,对拥堵子图进行标定后生成交通拥堵概率图模型;
交通拥堵预测模块,用于根据交通拥堵概率图模型对路段的交通拥堵情况进行预测。
5.根据权利要求4所述的基于交通拥堵传播模型的交通拥堵预测系统,其特征在于,所述车辆速度计算模块具体包括:
第一速度计算单元,用于获取公交车的历史轨迹及公交车的路线,进行路径匹配,计算公交车在第一预定时间内的通过第一路段的第一通行速度;
第二速度计算单元,用于获取出租车的历史轨迹及出租车处于载客状态时的路径,进行路径匹配,计算出租车在第一预定时间内的通过第一路段的第二通行速度;
第三速度计算单元,用于获取运输车的历史轨迹,进行路径匹配,计算运输车在第一预定时间内的通过第一路段的第三通行速度;
第四速度计算单元,用于获取私家车的历史轨迹,进行路径匹配,计算私家车在第一预定时间内的通过第一路段的第四通行速度。
6.根据权利要求5所述的基于交通拥堵传播模型的交通拥堵预测系统,其特征在于,所述车辆行驶阈值计算模块具体包括:
平均速度计算单元,用于根据第一通行速度第二通行速度第三通行速度第四通行速度计算车辆在第一路段的平均行驶速度
其中n1、n2、n3、n4分别为第一时间内的公交车、出租车、运输车、私家车通过第一路段的数量;
方差计算单元,用于根据平均行驶速度计算行驶速度的方差σij
阈值计算单元,用于根据平均行驶速度与方差计算出车辆行驶阈值vm
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610976252.7A CN106530694B (zh) | 2016-11-07 | 2016-11-07 | 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610976252.7A CN106530694B (zh) | 2016-11-07 | 2016-11-07 | 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106530694A CN106530694A (zh) | 2017-03-22 |
CN106530694B true CN106530694B (zh) | 2019-01-11 |
Family
ID=58349953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610976252.7A Active CN106530694B (zh) | 2016-11-07 | 2016-11-07 | 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106530694B (zh) |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107958303B (zh) * | 2017-11-17 | 2021-02-02 | 北京世纪高通科技有限公司 | 一种拥堵传播数据生成方法及装置、拥堵传播预测方法及系统 |
CN108335483B (zh) * | 2017-12-25 | 2021-09-14 | 深圳先进技术研究院 | 交通拥堵扩散路径的推断方法及其系统 |
CN108205894B (zh) * | 2018-01-02 | 2020-10-09 | 苏州桠鑫电子科技有限公司 | 基于过往车辆速度判断公交路线拥挤度的方法 |
CN108320506B (zh) * | 2018-02-05 | 2020-08-04 | 青岛大学 | 一种基于复合网络的拥堵时段的发现方法 |
CN108109382B (zh) * | 2018-02-05 | 2020-08-04 | 青岛大学 | 基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 |
CN108801281A (zh) * | 2018-05-22 | 2018-11-13 | 郑州光之源电子科技有限公司 | 基于大数据分析道路通畅的方法 |
CN109754598B (zh) * | 2018-08-02 | 2021-01-08 | 银江股份有限公司 | 一种拥堵组团识别方法及系统 |
CN109360414B (zh) * | 2018-09-18 | 2020-10-23 | 北京交通大学 | 常发拥堵路段的识别和筛查方法 |
CN109598432A (zh) * | 2018-11-28 | 2019-04-09 | 北京航空航天大学 | 一种基于城市特征的车辆轨迹数据模拟方法 |
CN109579861B (zh) * | 2018-12-10 | 2020-05-19 | 华中科技大学 | 一种基于强化学习的路径导航方法及系统 |
CN111325968B (zh) * | 2018-12-13 | 2021-05-25 | 深圳先进技术研究院 | 一种基于拥堵扩散的交通瓶颈预测方法、系统及电子设备 |
US11545030B2 (en) * | 2019-01-17 | 2023-01-03 | International Business Machines Corporation | Vehicle traffic information analysis and traffic jam management |
CN110047276B (zh) * | 2019-03-11 | 2020-11-27 | 广州文远知行科技有限公司 | 障碍物车辆的拥堵状态确定方法、装置和相关产品 |
CN109949571A (zh) * | 2019-03-19 | 2019-06-28 | 北京百度网讯科技有限公司 | 异常拥堵的判别方法及装置、设备及存储介质 |
CN110706481A (zh) * | 2019-08-28 | 2020-01-17 | 安徽科力信息产业有限责任公司 | 提高交通拥堵发现和处理速度的控制方法及装置 |
CN110609853B (zh) * | 2019-09-18 | 2022-09-30 | 青岛海信网络科技股份有限公司 | 一种干线常发拥堵传播规律挖掘方法及装置 |
CN110867086A (zh) * | 2019-11-13 | 2020-03-06 | 安徽庐峰交通工程有限公司 | 一种城市道路施工交通组织管理系统 |
CN112071057B (zh) * | 2020-08-07 | 2021-08-03 | 之江实验室 | 一种在地理空间中的传播分析方法及装置 |
CN111798663B (zh) * | 2020-08-07 | 2021-12-14 | 交通运输部公路科学研究所 | 一种路网关键路段辨识方法 |
CN112785841B (zh) * | 2020-12-25 | 2022-05-06 | 北京中交兴路信息科技有限公司 | 判断货车行驶路线拥堵状态的方法及装置 |
CN112910699A (zh) * | 2021-01-28 | 2021-06-04 | 山东山大世纪科技有限公司 | 电力物联网的智能故障检测方法及装置 |
CN113189989B (zh) * | 2021-04-21 | 2022-07-01 | 东风柳州汽车有限公司 | 车辆意图预测方法、装置、设备及存储介质 |
CN113160570A (zh) * | 2021-05-27 | 2021-07-23 | 长春理工大学 | 一种交通拥堵预测方法及系统 |
CN113409584B (zh) * | 2021-06-10 | 2022-04-29 | 英博超算(南京)科技有限公司 | 一种基于v2x的交通拥堵分析和预防方法 |
CN113409574B (zh) * | 2021-06-18 | 2022-08-02 | 北京航空航天大学 | 一种基于贝叶斯网络的交通健康诊断方法 |
CN113724490B (zh) * | 2021-07-23 | 2022-07-29 | 内蒙古工业大学 | 一种道路拥堵检测的方法 |
CN113643535B (zh) * | 2021-08-02 | 2023-02-21 | 宝方云科技(浙江)有限公司 | 基于智慧城市的道路交通预测方法、装置、设备及介质 |
CN115440043B (zh) * | 2021-09-26 | 2023-07-25 | 国信军创(岳阳)六九零六科技有限公司 | 基于rfid车辆识别实时路况信息道路监控管理系统 |
CN114333325B (zh) * | 2022-01-06 | 2023-06-27 | 李会兵 | 高速公路异常状况检测方法及系统 |
CN114333324A (zh) * | 2022-01-06 | 2022-04-12 | 厦门市美亚柏科信息股份有限公司 | 一种交通状态的实时获取方法及终端 |
CN114743398B (zh) * | 2022-03-15 | 2023-09-19 | 南方科技大学 | 拥塞可容忍的路径引导方法及装置、设备及存储介质 |
CN114970949B (zh) * | 2022-04-12 | 2023-03-24 | 北京百度网讯科技有限公司 | 行驶速度预测方法、装置、电子设备及存储介质 |
CN114863676B (zh) * | 2022-04-15 | 2023-05-12 | 青岛海信网络科技股份有限公司 | 一种拥堵识别方法及装置 |
CN114648880B (zh) * | 2022-05-24 | 2022-09-06 | 阿里巴巴达摩院(杭州)科技有限公司 | 预测交通流量的方法、车辆和可读存储介质 |
CN116013083B (zh) * | 2023-01-10 | 2024-03-12 | 合肥工业大学 | 一种基于电子地图数据的路网常发性交通状态识别方法 |
CN117037465A (zh) * | 2023-05-24 | 2023-11-10 | 东北师范大学 | 交通拥堵传播模式感知与可视分析方法 |
CN116543561B (zh) * | 2023-07-06 | 2023-10-31 | 之江实验室 | 一种基于知识和数据双驱动的交通拥堵传播预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110365A (zh) * | 2009-12-28 | 2011-06-29 | 日电(中国)有限公司 | 基于时空关系的路况预测方法和系统 |
CN103050009A (zh) * | 2013-01-21 | 2013-04-17 | 北京世纪高通科技有限公司 | 一种提供动态交通信息的方法、装置及系统 |
CN103839411A (zh) * | 2014-03-20 | 2014-06-04 | 中国航天系统工程有限公司 | 一种基于动态交通信息的事故影响范围分析方法 |
US8768867B1 (en) * | 2011-03-11 | 2014-07-01 | WhatsBusy, Incorporated | Crowd Prediction and attendance forecasting |
CN104157139A (zh) * | 2014-08-05 | 2014-11-19 | 中山大学 | 一种交通拥堵预测方法及可视化方法 |
CN105894802A (zh) * | 2015-04-10 | 2016-08-24 | 杭州远眺科技有限公司 | 一种基于gps数据的交通拥堵传播路径计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160293004A1 (en) * | 2015-04-06 | 2016-10-06 | Umm Al-Qura University | Method and system for controlling and monitoring traffic light for optimizing wait time |
-
2016
- 2016-11-07 CN CN201610976252.7A patent/CN106530694B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110365A (zh) * | 2009-12-28 | 2011-06-29 | 日电(中国)有限公司 | 基于时空关系的路况预测方法和系统 |
US8768867B1 (en) * | 2011-03-11 | 2014-07-01 | WhatsBusy, Incorporated | Crowd Prediction and attendance forecasting |
CN103050009A (zh) * | 2013-01-21 | 2013-04-17 | 北京世纪高通科技有限公司 | 一种提供动态交通信息的方法、装置及系统 |
CN103839411A (zh) * | 2014-03-20 | 2014-06-04 | 中国航天系统工程有限公司 | 一种基于动态交通信息的事故影响范围分析方法 |
CN104157139A (zh) * | 2014-08-05 | 2014-11-19 | 中山大学 | 一种交通拥堵预测方法及可视化方法 |
CN105894802A (zh) * | 2015-04-10 | 2016-08-24 | 杭州远眺科技有限公司 | 一种基于gps数据的交通拥堵传播路径计算方法 |
Non-Patent Citations (1)
Title |
---|
一种基于贝叶斯网的交通拥堵预测方法;陆宇 等;《云南大学学报(自然科学版)》;20101231;第32卷;正文第355-363页 |
Also Published As
Publication number | Publication date |
---|---|
CN106530694A (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106530694B (zh) | 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 | |
CN103985261B (zh) | 基于车辆排队长度测算的交通信号灯控制方法及系统 | |
CN101944288B (zh) | 城市公交线路停靠站设置方法 | |
Hiribarren et al. | Real time traffic states estimation on arterials based on trajectory data | |
CN103985251B (zh) | 一种车辆排队长度测算的方法及系统 | |
CN109544912B (zh) | 一种基于多源数据融合的城市路网积水状态预测方法 | |
CN104282162A (zh) | 一种基于实时车辆轨迹的交叉口自适应信号控制方法 | |
CN103903423B (zh) | 基于浮动车数据的交通事件信息发布范围确定方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN103839411A (zh) | 一种基于动态交通信息的事故影响范围分析方法 | |
CN105096643A (zh) | 基于多线路前车运行数据的实时公交到站时间预测方法 | |
CN104464314A (zh) | 一种公交车专用道交叉口的公交优先通行方法 | |
CN102930718A (zh) | 基于浮动车数据和线圈流量融合的间断流路段行程时间估计方法 | |
CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
CN103488893A (zh) | 一种桥下积水导致的交通拥堵蔓延预测技术方案 | |
Hou et al. | Development of travel time functions for disrupted urban arterials with microscopic traffic simulation | |
CN106571034A (zh) | 基于融合数据的城市快速路交通状态滚动预测方法 | |
Bakibillah et al. | Sustainable eco-driving strategy at signalized intersections from driving data | |
Lee et al. | Evaluation of semi-actuated signals and pedestrian push buttons using a microscopic traffic simulation model | |
KR101112191B1 (ko) | 에이전트 기반 실시간 통행시간 산정장치 및 그 방법 | |
CN108053663A (zh) | 基于大数据平台的城市交通管理系统 | |
CN105654745A (zh) | 一种基于智能手机的交通流量实时监控方法 | |
CN105389982B (zh) | 基于fcd的城市交叉口拥堵事件检测及消散方法 | |
Gupta et al. | Simulation of pedestrian at intersection in urban congested area | |
Bhattacharya et al. | Optimization for pedestrian and vehicular delay in a signal network |
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 |