CN106530725A - 一种应用于城市交通的云端大数据分析系统 - Google Patents
一种应用于城市交通的云端大数据分析系统 Download PDFInfo
- Publication number
- CN106530725A CN106530725A CN201710019014.1A CN201710019014A CN106530725A CN 106530725 A CN106530725 A CN 106530725A CN 201710019014 A CN201710019014 A CN 201710019014A CN 106530725 A CN106530725 A CN 106530725A
- Authority
- CN
- China
- Prior art keywords
- road
- fork
- data analysis
- big data
- traffic
- 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
- G08G1/0125—Traffic data processing
Abstract
一种应用于城市交通的云端大数据分析系统,包括车载多模式信号收发设备、交通数据集中器以及云端大数据分析服务器;所述车载多模式信号收发设备用于接入移动蜂窝网络,并通过移动蜂窝网络的接入实现与互联网的数据连接,获取交通数据;所述交通数据集中器连接至所述车载多模式信号收发设备,对获取的交通数据进行集中管理;所述云端大数据分析服务器连接至所述交通数据集中器,对交通数据进行处理,包括岔路口拥堵评价模块、路网拥堵评价模块、用户评价模块和综合评价模块。本发明的有益效果为:实现了云端的城市交通大数据分析。
Description
技术领域
本发明创造涉及大数据领域,具体涉及一种应用于城市交通的云端大数据分析系统。
背景技术
大数据分析存在极高的运算量,一般需要配置具有较强计算能力的服务器。然而,汽车内无法设置可以负载大数据分析的大型服务器架构。
发明内容
针对上述问题,本发明旨在提供一种应用于城市交通的云端大数据分析系统。
本发明创造的目的通过以下技术方案实现:
一种应用于城市交通的云端大数据分析系统,包括车载多模式信号收发设备、交通数据集中器以及云端大数据分析服务器;
所述车载多模式信号收发设备用于接入移动蜂窝网络,并通过移动蜂窝网络的接入实现与互联网的数据连接,获取交通数据;
所述交通数据集中器连接至所述车载多模式信号收发设备,对获取的交通数据进行集中管理;
所述云端大数据分析服务器连接至所述交通数据集中器,对交通数据进行处理,包括岔路口拥堵评价模块、路网拥堵评价模块、用户评价模块和综合评价模块。
本发明的有益效果为:实现了云端的城市交通大数据分析。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
附图标记:
车载多模式信号收发设备1、交通数据集中器2、云端大数据分析服务器3。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种应用于城市交通的云端大数据分析系统,包括车载多模式信号收发设备1、交通数据集中器2以及云端大数据分析服务器3;
所述车载多模式信号收发设备1用于接入移动蜂窝网络,并通过移动蜂窝网络的接入实现与互联网的数据连接,获取交通数据;
所述交通数据集中器2连接至所述车载多模式信号收发设备,对获取的交通数据进行集中管理;
所述云端大数据分析服务器3连接至所述交通数据集中器2,对交通数据进行处理,包括岔路口拥堵评价模块、路网拥堵评价模块、用户评价模块和综合评价模块。
本实施例实现了云端的城市交通大数据分析。
优选地,所述云端大数据分析服务器3能够存储用户数据,综合用户数据向用户推荐路线。
本优选实施例能够根据用户差异推荐不同路线。
优选地,所述用户数据包括:用户历史出行时间、用户历史出行路线。
本优选实施例能够获得更好的用户体验。
优选地,对于岔路口拥堵评价模块,依据岔路口排队长度、等信号灯的延误时间以及平均停车率对岔路口拥堵进行综合评价;
所述岔路口排队长度采用如下方式计算:
其中,Y为岔路口排队长度,d为单位时间内平均到达岔路口的车辆数,VP为两辆车之间的平均距离,r为红灯时间,t为单位时间内岔路口允许通过的最大车辆数,A为上一周期平均滞留车辆数,当d≤t时,上一周期滞留车辆数为0,
其中,T为信号灯的周期;岔路口排队长度的值越大,表示岔路口越拥堵,岔路口排队长度的值越小,表示岔路口越通畅。
本优选实施例将准确获取的岔路口排队信息放在云端处理,提升了数据处理速度。
优选地,关于等信号灯的延误时间的计算,采用下式进行:
其中,DBi为交叉口信号相位i的平均等信号灯的延误时间,DB为交叉口的每辆车的平均等信号灯的延误时间,T为信号灯的周期,gi为信号相位i的有效绿灯时间,lij为第i个信号相位第j个进口道的交通流量,为第i个信号相位各进口道的平均交通流量,为第j个进口道的交通流量的权重,s为交叉口饱和流量,e为交叉口共有e个信号相位,k为第i个信号相位共有k个进口道,Qi为第i个信号相位的交通流流量,zij为第i个信号相位第j个进口道的饱和度,为第i个信号相位各进口道的平均饱和度,βj为第j个进口道的饱和度的权重。
所述平均停车率采用如下公式计算:
其中,RNi为交叉口信号相位i的平均停车率,RN为交叉口平均停车率,T为信号灯的周期,d为车辆平均到达率,gi为信号相位i的有效绿灯时间,lij为第i个信号相位第j个进口道的交通流量,为第i个信号相位各进口道的平均交通流量,为第j个进口道的交通流量的权重,s为交叉口饱和流量,e为交叉口共有e个信号相位,k为第i个信号相位共有k个进口道,zij为第i个信号相位第j个进口道的饱和度,为第i个信号相位各进口道的平均饱和度,βj为第j个进口道的饱和度的权重。
建立口拥堵评价指标N,所述岔路口拥堵评价指标N的计算公式为:N=εy+δL+Γy,
其中,ε,δ,γ分别为等信号灯的延误时间、平均停车率和岔路口排队长度对岔路口拥堵的影响系数;
N值越大,表示岔路口越拥堵,N值越小,表示岔路口越通畅。
本实施例云端大数据分析系统对岔路口数据进行处理,与现有技术相比,其结合改进算法后求得的等信号灯的延误时间、平均停车率以及岔路口排队长度这三个指标进行综合评价,提高了岔路口数据处理效率,获得了更为准确的岔路口信息。
优选地,路网拥堵评价模块,通过建立路网评价指标对路网拥堵情况进行评价,评价指标为拥堵指数:
其中,LS表示整个路网的拥堵指数,m表示路网中道路等级数,n表示某等级道路中路段数,LSli表示路段LSli的拥堵指数,Ai和Bj分别表示路段i在所属等级道路和第j等级道路在路网中的重要性权重,
其中,表示路段LSli车辆平均速度。
本优选实施例云端大数据分析系统将路网内某时刻所有的路段、某个等级道路和整体路网的拥堵强度进行了量化,从量化数据来判断该路网的拥堵程度,更为直观方便,进一步提升了云端大数据分析系统在城市交通中的应用。
优选地,用户评价模块,通过测算用户时间成本对道路成本进行评价,当道路进入堵塞状态时,多个用户在道路上单位距离增加的费用为:
其中,Vy为拥堵状态下车辆的平均速度,V0为正常状态下车辆平均速度,ρ表示该道路车流密度,C表示该道路长度;ΔF越大,道路成本越高,ΔF越小,道路成本越低。
本优选实施例云端大数据分析系统在云端处理路网数据,与现有技术相比,建立用户评价模块,通过比较在路网中实际耗费时间与理想条件下耗费时间来对路网效率进行评价,便于加速提升路网服务水平。
优选地,综合评价模块,根据岔路口评价指标、路网评价指标和道路效率对交通网络效率进行综合评价,建立交通网络综合评价指标K:
其中,N表示岔路口拥堵指数,表示路网中各道路平均费用增加,DL表示路网拥堵指数;K越小,交通网络效率越高,K越大,交通网络效率越低。
本优选实施例云端大数据分析系统在云端处理交通数据,与现有技术相比,云端大数据分析系统、全面的对交通网络进行评价,便于及时采取对应措施解决交通拥堵问题,提高了云端大数据分析系统在城市交通中的应用水平。
采用云端大数据分析系统对交通数据进行分析,并对分析结果进行统计,发现使用本发明具有以下技术效果:
大数据分析时间减少 | 大数据分析效率提高 | 大数据分析成本减少 |
15% | 18% | 16% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (4)
1.一种应用于城市交通的云端大数据分析系统,其特征是,包括车载多模式信号收发设备、交通数据集中器以及云端大数据分析服务器;
所述车载多模式信号收发设备用于接入移动蜂窝网络,并通过移动蜂窝网络的接入实现与互联网的数据连接,获取交通数据;
所述交通数据集中器连接至所述车载多模式信号收发设备,对获取的交通数据进行集中管理;
所述云端大数据分析服务器连接至所述交通数据集中器,对交通数据进行处理,包括岔路口拥堵评价模块、路网拥堵评价模块、用户评价模块和综合评价模块。
2.根据权利要求1所述的一种应用于城市交通的云端大数据分析系统,其特征是,所述云端大数据分析服务器能够存储用户数据,综合用户数据向用户推荐路线。
3.根据权利要求2所述的一种应用于城市交通的云端大数据分析系统,其特征是,所述用户数据包括:用户历史出行时间、用户历史出行路线。
4.根据权利要求3所述的一种应用于城市交通的云端大数据分析系统,其特征是,对于岔路口拥堵评价模块,根据岔路口排队长度、等信号灯的延误时间以及平均停车率对岔路口拥堵进行综合评价;
所述岔路口排队长度采用如下方式计算:
其中,Y为岔路口排队长度,d为单位时间内平均到达岔路口的车辆数,VP为两辆车之间的平均距离,r为红灯时间,t为单位时间内岔路口允许通过的最大车辆数,A为上一周期平均滞留车辆数,当d≤t时,上一周期滞留车辆数为0,
其中,T为信号灯的周期;
岔路口排队长度的值越大,表示岔路口越拥堵,岔路口排队长度的值越小,表示岔路口越通畅。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710019014.1A CN106530725B (zh) | 2017-01-11 | 2017-01-11 | 一种应用于城市交通的云端大数据分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710019014.1A CN106530725B (zh) | 2017-01-11 | 2017-01-11 | 一种应用于城市交通的云端大数据分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106530725A true CN106530725A (zh) | 2017-03-22 |
CN106530725B CN106530725B (zh) | 2019-09-03 |
Family
ID=58335395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710019014.1A Active CN106530725B (zh) | 2017-01-11 | 2017-01-11 | 一种应用于城市交通的云端大数据分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106530725B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106997668A (zh) * | 2017-04-18 | 2017-08-01 | 北京博研智通科技有限公司 | 利用手机移动数据评价路口信号机控制效率的方法和系统 |
CN107331154A (zh) * | 2017-08-03 | 2017-11-07 | 太仓埃特奥数据科技有限公司 | 一种城市交通大数据采集方法 |
CN108253972A (zh) * | 2018-01-11 | 2018-07-06 | 深圳市晟达机械设计有限公司 | 一种导航精度高的车载导航系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604479A (zh) * | 2009-07-14 | 2009-12-16 | 北京交通大学 | 混合交通环境下平面信号交叉口服务水平的评价方法 |
CN102663887A (zh) * | 2012-04-13 | 2012-09-12 | 浙江工业大学 | 基于物联网技术的道路交通信息云计算和云服务实现系统及方法 |
CN103310634A (zh) * | 2013-05-28 | 2013-09-18 | 天瀚科技(吴江)有限公司 | 基于车辆定位系统的路况分析系统 |
JP2013200684A (ja) * | 2012-03-23 | 2013-10-03 | Toyota Central R&D Labs Inc | 情報提供装置、情報提供システム、情報提供方法、及びプログラム |
CN104165634A (zh) * | 2014-07-28 | 2014-11-26 | 广州视源电子科技股份有限公司 | 基于用户使用习惯的路径规划方法 |
US20150109146A1 (en) * | 2013-10-21 | 2015-04-23 | University Corporation For Atmospheric Research | Road weather hazard system |
-
2017
- 2017-01-11 CN CN201710019014.1A patent/CN106530725B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604479A (zh) * | 2009-07-14 | 2009-12-16 | 北京交通大学 | 混合交通环境下平面信号交叉口服务水平的评价方法 |
JP2013200684A (ja) * | 2012-03-23 | 2013-10-03 | Toyota Central R&D Labs Inc | 情報提供装置、情報提供システム、情報提供方法、及びプログラム |
CN102663887A (zh) * | 2012-04-13 | 2012-09-12 | 浙江工业大学 | 基于物联网技术的道路交通信息云计算和云服务实现系统及方法 |
CN103310634A (zh) * | 2013-05-28 | 2013-09-18 | 天瀚科技(吴江)有限公司 | 基于车辆定位系统的路况分析系统 |
US20150109146A1 (en) * | 2013-10-21 | 2015-04-23 | University Corporation For Atmospheric Research | Road weather hazard system |
CN104165634A (zh) * | 2014-07-28 | 2014-11-26 | 广州视源电子科技股份有限公司 | 基于用户使用习惯的路径规划方法 |
Non-Patent Citations (1)
Title |
---|
荣建 等: "信号交叉口排队长度动态计算方法研究", 《中国公路学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106997668A (zh) * | 2017-04-18 | 2017-08-01 | 北京博研智通科技有限公司 | 利用手机移动数据评价路口信号机控制效率的方法和系统 |
CN107331154A (zh) * | 2017-08-03 | 2017-11-07 | 太仓埃特奥数据科技有限公司 | 一种城市交通大数据采集方法 |
CN108253972A (zh) * | 2018-01-11 | 2018-07-06 | 深圳市晟达机械设计有限公司 | 一种导航精度高的车载导航系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106530725B (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106781499A (zh) | 一种交通网络效率评价系统 | |
CN102426806B (zh) | 一种基于动态小区划分的区域路网无人机巡航方法 | |
CN104200649B (zh) | 基于预先申请的交通高峰期路线资源调度分配系统与方法 | |
CN105608896B (zh) | 城市交通网络中的交通瓶颈识别方法 | |
CN103839411B (zh) | 一种基于动态交通信息的事故影响范围分析方法 | |
CN107240254B (zh) | 交通路况预测方法及终端设备 | |
CN104484514B (zh) | 一种规避拥堵路段的弹性公交线路设计方法 | |
CN109544962A (zh) | 一种车位共享与调度系统及实现方法 | |
CN109448367A (zh) | 一种基于大数据图像采集的智能道路交通追踪管理系统 | |
CN106530725A (zh) | 一种应用于城市交通的云端大数据分析系统 | |
Yang et al. | The application of the queuing theory in the traffic flow of intersection | |
CN106971535B (zh) | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 | |
CN108765944A (zh) | 基于多重路径集的最优交通流预测方法与拥挤收费方法 | |
CN107798403A (zh) | 一种拼车订单处理方法、服务器、终端设备和系统 | |
CN108492592A (zh) | 一种基于雾计算的交通灯智能控制系统及其控制方法 | |
CN111369814B (zh) | 一种车路协同公交车控制方法、装置及终端设备 | |
CN104504541A (zh) | 方便用户出行的基于大数据分析的云服务互动系统与方法 | |
CN107918762A (zh) | 一种公路遗撒物快速检测系统及方法 | |
CN105489009B (zh) | 一种潮汐车道识别方法与系统 | |
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 | |
CN106683468A (zh) | 一种基于实时路况大数据的最优车速智能推荐设备 | |
CN109360420B (zh) | 一种公共交通大数据处理系统与方法 | |
CN109410569A (zh) | 一种研究交通拥塞与通行能力相对变化性质的时空分析法 | |
Özuysal et al. | Capacity prediction for traffic circles: applicability of ANN | |
CN113849976B (zh) | 规划用地的开发强度评估方法、装置及设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190801 Address after: Room 901, No. 6, 600 Lane, Yunling West Road, Putuo District, Shanghai, 2003 Applicant after: Shanghai Industrial Control Safety Innovation Technology Co., Ltd. Address before: Room 809, Chuangsheng Building, Sunshine Industrial Zone, Xili Street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: Shenzhen United Automation Control Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |