CN106558220B - 一种公路交通量的统计方法及装置 - Google Patents
一种公路交通量的统计方法及装置 Download PDFInfo
- Publication number
- CN106558220B CN106558220B CN201611056521.4A CN201611056521A CN106558220B CN 106558220 B CN106558220 B CN 106558220B CN 201611056521 A CN201611056521 A CN 201611056521A CN 106558220 B CN106558220 B CN 106558220B
- Authority
- CN
- China
- Prior art keywords
- position point
- road
- vehicle
- edge
- matching
- 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
- 238000007619 statistical method Methods 0.000 title abstract description 12
- 238000000034 method Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 abstract description 10
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 239000011324 bead Substances 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000011293 Brassica napus Nutrition 0.000 description 1
- 240000008100 Brassica rapa Species 0.000 description 1
- 235000000540 Brassica rapa subsp rapa Nutrition 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种公路交通量的统计方法及装置,涉及公路交通领域。其中,所述方法包括:在预设时间段内获取在公路上行驶的车辆的移动位置数据;对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆。通过本发明,能够使相关人员知晓在宏观时间维度和空间维度下公路交通量的相对变化情况,具有重要的监控指示作用。
Description
技术领域
本发明涉及公路交通技术领域,具体地,涉及一种公路交通量的统计方法及装置。
背景技术
交通量调查、分析和预测不仅是公路建设项目评估和设计的主要依据,而且也是公路建设完成以后,对公路运营情况进行检测的重要手段,决定了公路运营管理和科学决策水平的高低。
目前,公路交通量检测的主要方法是在重要路段埋设车辆检测设备,统计单位时间内通过车辆检测设备所在断面的车辆数。由于车辆检测设备的建设和维护成本高,因此,车辆检测设备的部署范围较小,很难实现对全路网的交通量的监控。此外,定点埋设的车辆检测设备虽然检测精度高,但是车辆在路网中是流动的,通过定点检测数据很难还原车辆在路网中的动态行驶过程,从而也就很难还原交通量在不同路段上的实际分布情况。在车辆检测设备布设密度比较低时,上述问题更为突出。如图1所示,车辆检测设备无法区分路段a、b和c上的交通量,除非分别在路段a、b和c上部署车辆检测设备,但无疑会大大增加成本。
现有的公路交通量检测方法通过在每条车道上部署地感线圈、微波检测器或视频检测器,利用车辆通过地感线圈、微波检测器或视频检测器时触发地磁信号或微波信号的变化,进而检测得到车辆的长度、类型并统计得到车辆通过的数量。图2是现有技术中微波检测器的工作原理图。如图2所示,微波车辆检测器通过发射中心频率为10.525GHz或24.200GHz的连续频率调制微波在路面上,投映一个宽度为3-4m,长度为64m的微波带。每当车辆通过这个微波投映区时,车辆都会向微波检测器反射一个微波信号,微波检测器接收反射的微波信号,并计算接收频率和时间的变化参数以得出车辆的速度和长度等信息。
设一条路段有n条车道,每车道部署一套车辆检测设备Ei(0≤i<n),每当有车辆经过,则计数加1,设定起始时刻为Tbgn和结束时刻为Tend,计所述时间段内经过车辆检测设备Ei的车辆数为
counti(Tbgn,Tend)
计所述时间段内经过该路段的车辆为
图3是现有技术中车辆检测设备统计交通量的示意图。如图3所示,车辆C2经过了车辆检测器,此时车辆检测器的计数为1。后续车辆C1也经过车辆检测器,则计数为2。该方法具有检测精度高,全样本检测等优点。然而,该方法仅能实现断面车交通量的检测,无法评估车交通量在不同道路上的分布,并且车辆检测设备的建设和维护成本高,无法实现大规模部署,因而进一步限制了该方法的作用。
发明内容
本发明的目的是提供一种公路交通量的统计方法及装置。其中,所述方法所要解决的技术问题是:如何统计得到交通量在不同路段上的分布情况。
为了实现上述目的,本发明提供一种公路交通量的统计方法。所述方法包括:
在预设时间段内获取在公路上行驶的车辆的移动位置数据;
对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;
将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;
将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;
根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆。
可选地,所述根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆之后,所述方法还包括:
根据预设的时间维度和空间维度对每一时间区间内通过所述公路路网中每一路段的所有车辆进行汇总,得到在每一时间范围内通过公路路网中每一空间区域的所有车辆。
可选地,所述第一位置点序列为:
其中,Ck表示第k个车辆,表示第k个车辆在所述预设时间段内的第一位置点序列, 表示所述第一位置点序列中的第o个位置点,1≤o≤n,(cx,cy)表示位置点的经纬度坐标,t表示获取位置点的时间,n表示大于或等于1的自然数,o表示大于或等于1的自然数。
可选地,所述将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果,包括:
基于组成路段的边建立网格索引关系;
根据所述第二位置点序列中每一位置点的经纬度坐标定位每一位置点所在的网格,并将以所述网格为中心的S*S个网格内所有的边取出放入与每一位置点对应的第一集合中;
判断与所述第一集合对应的位置点与所述第一集合中的边的向量夹角是否大于预设度数;
若否,根据所述边的两个端点的经纬度坐标和所述位置点的经纬度坐标计算得到所述位置点到所述边的距离;
判断所述距离是否小于所述位置点的圆概率误差;
若是,则所述位置点与所述边匹配成功,从而得到所述第二位置点序列中与组成路段的边匹配成功的位置点的第二集合;
判断所述第二集合中位置点的个数与所述第二位置点序列中满足与组成路段的边匹配的位置点的第三集合中位置点的个数的比值是否大于预设的阈值;
若是,所述第二位置点序列与所述路段匹配成功,
其中,S表示大于或等于1的自然数。
可选地,所述判断与所述第一集合对应的位置点与所述第一集合中的边的向量夹角是否大于预设度数之后,所述方法还包括:
若否,以所述位置点的圆概率误差与第一预设数值的乘积为步长,从所述边的一端向所述边的另一端做插值;
根据所述边的向量角度、所述边的一端的经纬度坐标和所述位置点的圆概率误差计算得到第λ次插值点的经纬度坐标;
判断所述第λ次插值点的经纬度坐标是否落入以所述位置点为中心且以所述位置点的圆概率误差与第二预设数值的乘积为单边长的正方形网格内,其中,λ表示大于或等于1的自然数;
若是,则所述位置点与所述边匹配成功。
相应地,本发明还提供一种公路交通量的统计装置。所述装置包括:
获取单元,用于在预设时间段内获取在公路上行驶的车辆的移动位置数据;
处理单元,用于对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;
划分单元,用于将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;
匹配单元,用于将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;
统计单元,用于根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆。
可选地,所述装置还包括:
汇总单元,用于根据预设的时间维度和空间维度对每一时间区间内通过所述公路路网中每一路段的所有车辆进行汇总,得到在每一时间范围内通过公路路网中每一空间区域的所有车辆。
可选地,所述第一位置点序列为:
其中,Ck表示第k个车辆,表示第k个车辆在所述预设时间段内的第一位置点序列, 表示所述第一位置点序列中的第o个位置点,1≤o≤n,(cx,cy)表示位置点的经纬度坐标,t表示获取位置点的时间,n表示大于或等于1的自然数,o表示大于或等于1的自然数。
可选地,所述匹配单元,具体用于:
基于组成路段的边建立网格索引关系;
根据所述第二位置点序列中每一位置点的经纬度坐标定位每一位置点所在的网格,并将以所述网格为中心的S*S个网格内所有的边取出放入与每一位置点对应的第一集合中;
判断与所述第一集合对应的位置点与所述第一集合中的边的向量夹角是否大于预设度数;
若否,根据所述边的两个端点的经纬度坐标和所述位置点的经纬度坐标计算得到所述位置点到所述边的距离;
判断所述距离是否小于所述位置点的圆概率误差;
若是,则所述位置点与所述边匹配成功,从而得到所述第二位置点序列中与组成路段的边匹配成功的位置点的第二集合;
判断所述第二集合中位置点的个数与所述第二位置点序列中满足与组成路段的边匹配的位置点的第三集合中位置点的个数的比值是否大于预设的阈值;
若是,所述第二位置点序列与所述路段匹配成功,
其中,S表示大于或等于1的自然数。
可选地,所述匹配单元,还用于:
若否,以所述位置点的圆概率误差与第一预设数值的乘积为步长,从所述边的一端向所述边的另一端做插值;
根据所述边的向量角度、所述边的一端的经纬度坐标和所述位置点的圆概率误差计算得到第λ次插值点的经纬度坐标;
判断所述第λ次插值点的经纬度坐标是否落入以所述位置点为中心且以所述位置点的圆概率误差与第二预设数值的乘积为单边长的正方形网格内,其中,λ表示大于或等于1的自然数;
若是,则所述位置点与所述边匹配成功。
由上述技术方案可知,在预设时间段内获取在公路上行驶的车辆的移动位置数据;并对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;再将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;再将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;最后,根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆,能够统计得到交通量在不同路段上的分布情况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些图获得其他的附图。
图1是现有技术中公路交通量检测方法的示意图;
图2是现有技术中微波检测器的工作原理图;
图3是现有技术中车辆检测设备统计交通量的示意图;
图4是基于移动位置数据的公路交通量检测方法的示意图;
图5是基于移动位置数据统计交通量的示意图;
图6是本发明一实施例提供的公路交通量的统计方法的流程图;
图7是本发明一实施例提供的对边建立网格索引的示意图;
图8是本发明一实施例提供的匹配距离解法的示意图;
图9是本发明一实施例提供的插值解法的示意图;
图10是本发明又一实施例提供的公路交通量的统计方法的流程图;
图11是本发明又一实施例提供的公路交通量的统计方法的流程图;
图12是京津冀2015年除夕交通量分时段统计的示意图;
图13是京沪高速北京到上海方向春节假期期间的交通量变化情况的示意图;
图14是2015年春节期间3个主要经济区的交通量的对比示意图;
图15是京沪高速在春节期间的交通量的分布特性图;
图16是本发明一实施例提供的公路交通量的统计装置的结构示意图;
图17是本发明又一实施例提供的公路交通量的统计装置的结构示意图;
图18是本发明又一实施例提供的公路交通量的统计装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
随着近些年移动智能终端,例如,车载终端和智能手机的普及,以及手机地图、导航等与位置相关的服务的广泛应用,用户在使用位置服务的同时也上传了大量的位置数据,这些位置数据已经广泛应用于交通路况的计算,也为交通量的监控提供了新的数据基础和可能。同定点埋设的车辆检测设备相比,通过还原车辆的行驶路径,位置数据可以表达交通量在不同路段上的分布,相比车辆检测设备具有先天的优势。图4是基于移动位置数据的公路交通量检测方法的示意图。如图4所示,通过还原不同车辆的轨迹,可看出各有1辆车分别经过路段a、b和c,但图1中只能得出有3辆车经过了车辆检测设备。
其中,移动位置数据是采样数据,由在路段上行驶车辆的部分车辆回传的数据组成,在微观维度(例如,路段)统计的绝对量不具有太大的参考价值,但在宏观维度(例如,两城市间的高速公路)的相对量(交通量增长或降低,以及增长或降低的比例)具有重要的监控指示作用。
鉴于现有技术存在的缺点,结合近年来移动互联网和位置服务的普及,提出了一种基于移动位置数据的交通量的统计方法。本申请基于移动位置数据,在设定时间(起始时刻Tbgn和结束时刻Tend)和空间范围(路段l或路段集合L={l1,l2,…,lm})的情况下,统计在时间范围内通过或部分通过设定空间范围的车辆数。
考察图3所示的车辆检测设备的下游路段l。如图5所示,设驶入车辆检测设备的车辆均开启了高频定位设备,则它们必然在车辆检测设备下游的路段l上留下定位点表示图3中车辆Ck的第j个定位点。如图5所示,由于可以匹配到路段l上,因此,有1辆车经过了车辆检测设备。随着时间的推移,车辆C1也将经过车辆检测设备,其后续的定位点的向量也可以匹配到路段l上,彼时车辆检测设备的计数为2。由上述过程可知,统计从Tbgn到Tend时间段内能够匹配到路段l的车辆数,等价于在路段l前设置车辆检测设备的效果,从而证明了本申请的方法的可行性。从另外一个方面讲,对于没有设置车辆检测设备的路段,现有的方法已无法统计交通量,但本申请的方法依旧可以,从而证明本申请的方法的先进性。
在实际情况中,并非每一辆车都开启了定位设备,所以本申请的方法采集了部分车辆的定位数据。但在交通量统计和分析的大多数应用场景中,人们更关注在宏观时间维度(节假日和非节假日、工作日和周末,受恶劣天气影响与否,重大活动与否)和空间维度(如京津冀、京沪高速、恶劣天气影响区域、重大活动举办区域)前提下,交通量的相对变化情况,以对交通的热点区域和高速公路进行监控和预测,发现道路的中断和恢复情况,从而更好地进行管理和科学决策。
图6是本发明一实施例提供的公路交通量的统计方法的流程图。如图6所示,本发明一实施例提供的公路交通量的统计方法包括:
在步骤S101中,在预设时间段内获取在公路上行驶的车辆的移动位置数据。
其中,从设定的起始时刻Tbgn到设定的结束时刻Tend获取的移动位置数据集为 表示第k个车辆在所述预设时间段内的位置点序列。
接着,在步骤S102中,对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列。
其中,所述第一位置点序列为:
其中,Ck表示第k个车辆,表示第k个车辆在所述预设时间段内的第一位置点序列, 表示所述第一位置点序列中的第o个位置点,1≤o≤n,(cx,cy)表示位置点的经纬度坐标,t表示获取位置点的时间,n表示大于或等于1的自然数,o表示大于或等于1的自然数。此外,Tbgn≤t≤Tend。
紧接着,在步骤S103中,将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列。
具体地,将起始时刻Tbgn到结束时刻Tend按照一定的粒度划分为M个区间:t1,t2,…,tM。将车辆Ck的位置点序列按照tm(1≤m≤M)进行划分为其中,m均表示大于或等于1的自然数,M表示起始时刻Tbgn到结束时刻Tend按照一定的粒度划分为M个区间。
然后,在步骤S104中,将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果。
具体地,该步骤包括:基于组成路段的边建立网格索引关系;根据所述第二位置点序列中每一位置点的经纬度坐标定位每一位置点所在的网格,并将以所述网格为中心的S*S个网格内所有的边取出放入与每一位置点对应的第一集合中;判断与所述第一集合对应的位置点与所述第一集合中的边的向量夹角是否大于预设度数;若否,根据所述边的两个端点的经纬度坐标和所述位置点的经纬度坐标计算得到所述位置点到所述边的距离;判断所述距离是否小于所述位置点的圆概率误差;若是,则所述位置点与所述边匹配成功,从而得到所述第二位置点序列中与组成路段的边匹配成功的位置点的第二集合;判断所述第二集合中位置点的个数与所述第二位置点序列中满足与组成路段的边匹配的位置点的第三集合中位置点的个数的比值是否大于预设的阈值;若是,所述第二位置点序列与所述路段匹配成功,其中,S表示大于或等于1的自然数。
在具体的实施方式中,设公路的路网R={N,E},其中N表示路网中节点(node)的集合,E表示路网中边(edge)的集合,即路网中的路段由收尾相连的若干条边组合而成,即对于任意一个1≤k<K,有其中,表示路网中任意一条边,ni,nj分别表示该条边的两个端点。
与路网中任一路段lh(1≤h≤H)进行空间位置关联性分析,如果Ck能够匹配到lh,则标记三元组τ=<Ck,lh,tm>,意为车辆Ck在tm时段经过路段lh。其中,H表示公路的路网中总的路段数。具体地,路网由若干路段组成,而路段由若干边(edge)构成;移动位置数据由若干辆车构成,每辆车有若干定位点构成。路网与移动位置数据的空间位置关联性分析过程,即分析车辆定位数据序列与路段的匹配关系,本质是车辆定位点与边(edge)的匹配关系。为了提高匹配效率,一般会基于边建立网格索引关系。如图7所示,对于边其落在了网格G0,2,G1,1,G1,2和G2,1中。当有车辆的定位点落在上述网格附近时,即可以快速检索进行匹配,从而大大提高了匹配的针对性。网格的宽度一般设为定位点的圆概率误差χ。其中,定位点等价于位置点,具有相同的含义,且圆概率误差χ可由定位设备的客户端给定,也可预先配置。
设车辆Ck在tm时段的位置点序列为对于其中每一个定位点定位其所在的网格Gx,y,将Gx,y为中心的3×3个网格内所有的边(edge)取出,放入集合Π。对于Π中的每一条边(不妨设为),执行如下操作:判断定位点与的向量夹角是否大于45度,其中,每个定位点自带有一个方向,所述向量夹角为该方向与的夹角。若是,则该定位点不满足与边匹配的条件。若否,根据定位点的经纬度坐标、端点ni的经纬度坐标和端点nj的经纬度坐标计算得到定位点到端点ni的距离定位点到端点nj的距离和端点ni到端点nj的距离len(ni,nj),然后,根据和len(ni,nj)计算得到定位点端点ni和端点nj所构成的三角形的半周长p,具体的计算公式为:
然后,根据和p计算得到定位点端点ni和端点nj所构成的三角形的面积S,具体的计算公式为:
最后,根据len(ni,nj)和S计算得到定位点到边的距离,如图8所示,具体的计算公式为:
h=2S/len(ni,nj)
再判断定位点到边的距离是否小于定位点的圆概率误差χ。若是,则定位点与边匹配成功,记为二元组否则匹配失败,记为记车辆Ck满足与路段lh匹配的点的集合为而匹配成功的点的集合为如果匹配成功的点占比
超过设定的阈值,则认为车辆Ck满足与路段lh的匹配条件,记为τ=<Ck,lh,tm>。其中,表示匹配成功的点的集合中定位点的个数,表示辆Ck满足与路段lh匹配的点的集合中定位点的个数。
优选地,所述方法还包括:判断与所述第一集合对应的位置点与所述第一集合中的边的向量夹角是否大于预设度数;若否,以所述位置点的圆概率误差与第一预设数值的乘积为步长,从所述边的一端向所述边的另一端做插值;根据所述边的向量角度、所述边的一端的经纬度坐标和所述位置点的圆概率误差计算得到第λ次插值点的经纬度坐标;判断所述第λ次插值点的经纬度坐标是否落入以所述位置点为中心且以所述位置点的圆概率误差与第二预设数值的乘积为单边长的正方形网格内,其中,λ表示大于或等于1的自然数;若是,则所述位置点与所述边匹配成功。藉此,可避免在地球曲面上计算两个点的距离的操作,减少了计算操作所带来的计算量。
在具体的实施方式中,记为向量的角度,以正北为0度,顺时针旋转递增。设定位点的圆概率误差为χ,以为步长,从边的点ni向点nj做插值,第λ次插值点的经纬度坐标为:
其中,ni.cx表示边的点ni的经度,ni.cy表示边的点ni的纬度,表示插值点的经度,表示插值点的纬度。
然后,判断插值点是否落入以为中心,以2χ为单边长的正方形网格内,如果落入,则认为到匹配成功,记为二元组并停止插值;否则,继续插值,直到所有的插值点都无法落入所述正方形网格,匹配失败,记为如图9所示。
最后,在步骤S105中,根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆。
将所有的三元组τ=<Ck,lh,tm>转化为交通量统计结果,如下表1所示:
表1交通量的统计结果
其中,即在时间区间tY范围内通过路段lX的所有车辆的并集。其中,τ.Ck表示第k个车辆,τ.lh表示匹配的路段lh,τ.tm表示时间区间tm。
由表1可以看出,路段是交通量统计的基本空间单位。在路网空间一定的情况下,路段划分约细,则表1需要存储的行数和空间也越多。本申请的发明人认为,路段划分粒度的大小以满足需要的最小划分为好。一般而言,基于移动位置数据的交通量量统计多用于宏观分析,因此,路段的划分可以以高速公路的出入口的两个收费站为1个分段即可,甚至在更为宏观的分析场景中,可以以相邻两个城市间的高速整体作为1个分段。
本实施例通过在预设时间段内获取在公路上行驶的车辆的移动位置数据;并对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;再将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;再将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;最后,根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆,能够统计得到交通量在不同路段上的分布情况。
图10是本发明又一实施例提供的公路交通量的统计方法的流程图。如图10所示,本发明又一实施例提供的公路交通量的统计方法包括:
在步骤S201中,在预设时间段内获取在公路上行驶的车辆的移动位置数据。
接着,在步骤S202中,对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列。
紧接着,在步骤S203中,将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列。
接着,在步骤S204中,将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果。
然后,在步骤S205中,根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆。
由于本实施例的步骤S201-S205分别与上述实施例的步骤S101-S105相同,在此不再赘述。
最后,在步骤S206中,根据预设的时间维度和空间维度对每一时间区间内通过所述公路路网中每一路段的所有车辆进行汇总,得到在每一时间范围内通过公路路网中每一空间区域的所有车辆。
其中,时间维度的设置是为了设置交通量汇总在时间维度的粒度,时间维度可以是小时,可以是天、周、月、年,等等。设时间维度划分完成后的时间范围为tsw(1≤w≤W)。其中,W表示时间维度中划分的时间范围的个数。空间维度的设置是为了设置统计包含的路段的集合,如区域(京津冀、长三角、珠三角、长江流域等)、高速公路(京沪高速、京臧高速八达岭段等)、OD(从杭州到上海的N条高速路径)等,设完成空间维度的划分后的空间区域为ssz(1≤z≤Z)。其中,Z表示空间维度划分的空间区域的个数。
具体地,公路交通量的汇总结果为,如下表2所示:
表2交通量汇总结果
其中,即在时间范围tsY内通过空间区域ssX内任一路段的所有车辆的并集。其中,τ.Ck表示第k个车辆,τ.lh表示匹配的路段lh,τ.tm表示时间区间tm。
本实施例通过根据预设的时间维度和空间维度对每一时间区间内通过所述公路路网中每一路段的所有车辆进行汇总,得到在每一时间范围内通过公路路网中每一空间区域的所有车辆,能够使相关人员知晓在宏观时间维度和空间维度下公路交通量的相对变化情况,具有重要的监控指示作用。
为了更加简要地描述上述实施例,提供如图11所示的流程图。如图11所示,基于移动位置数据和路网的定义,将移动位置数据与路网中的路段进行匹配,得到匹配结果。然后,根据匹配结果得到公路交通量的统计结果。接着,根据设置的时间维度和空间维度对公路交通量的统计结果进行交通量汇总,得到交通量的汇总结果。最后,根据汇总结果对交通量进行对比分析,得到对比分析结果。
为了便于理解本申请的意义,可提供若干典型的分析场景:
1)取表2中1行,可以看出空间区域ssX中在不同时间段内的交通量变化。
例如,取tsw为小时,可以看出空间区域ssX在一天24小时内的交通量的变化情况,从而界定交通量的高峰时段和平峰时段,并对交通流的演化趋势做出评估,如图12所示。
例如,取tsw为天,可以看出空间区域ssX在不同天的交通量汇总对比情况,例如节假日和非节假日,小客车收费与否、天气状况差异,重大活动发生与否等若干天的交通量对比,从而界定不同情况下对交通流的影响情况。例如,可以看到在节假日的最后一天会带来交通量的高峰,而节后1天开始回落,如图13所示。
2)取表2中1列,可以看出在固定时间范围tsY的前提下,任意N个空间区域的交通量对比情况。
例如,取tsY为春节假期前后10天,ssX分别为京津冀、长三角和珠三角,可以对比出春节期间京津冀、长三角和珠三角的总体出行情况,侧面反映了三个区域的交通压力和区域内城市间的出行关联程度,如图14所示。
例如,取tsY为春节假期,ssX为京沪高速的各分段,可以看到节前车流从北京和上海汇入山东等地,节后又从山东等地回流北京、上海,从而说明了山东等地作为北京、上海的劳动力输出省份,如图15所示。
如图15所示,整体来看,京沪高速不同城市的交通量的变化趋势不同,该图用不同颜色表示春节前后共10天交通量的变化趋势特征。
浅灰色表示:京沪高速两个行驶方向交通量的变化趋势一致,除夕交通量最少,初六交通量最多。具备这种交通量的变化趋势特征的城市有北京市、济南市-莱芜市-泰安市-临沂市-徐州市、无锡市-苏州市-上海市。
深灰色表示:上海到北京方向,正月初六交通量最多,其他天交通量都很少;北京到上海方向,除了除夕、正月初一和正月初七交通量少,其他天都很多。具备这种交通量变化趋势特征的城市有天津市-沧州市-德州市。
淡灰色表示:北京到上海方向,正月初六交通量最多,其他天交通量都很少;上海到北京方向,除了除夕、正月初一和正月初七交通量少,其他天交通量都很多。具备这种交通量的变化趋势特征的城市有宿迁市-淮阴市-扬州市-泰州市。
分析可能的原因,山东的济南、临沂等市是主要的人员输出地,而北京、上海等市为主要的人员流入地,所以节前客流主要从北京、上海流向山东等地,节后客流则正相反,从而导致中间段的天津、沧州与扬州、泰州等地呈现相反的客流特征。
对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
图16是本发明一实施例提供的公路交通量的统计装置的结构示意图。如图16所示,本发明一实施例提供的公路交通量的统计装置包括获取单元301、处理单元302、划分单元303、匹配单元304和统计单元305,其中:
获取单元301,用于在预设时间段内获取在公路上行驶的车辆的移动位置数据;
处理单元302,用于对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;
划分单元303,用于将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;
匹配单元304,用于将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;
统计单元305,用于根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆。
本实施例提供的公路交通量的统计装置适用于以上实施例对应的公路交通量的统计方法,在此不再赘述。
本实施例提供的公路交通量的统计装置,获取单元301在预设时间段内获取在公路上行驶的车辆的移动位置数据;处理单元302对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;划分单元303将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;匹配单元304将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;统计单元305根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆,能够统计得到交通量在不同路段上的分布情况。
图17是本发明又一实施例提供的公路交通量的统计装置的结构示意图。如图17所示,本实施例提供的公路交通量的统计装置中包含的获取单元401、处理单元402、划分单元403、匹配单元404和统计单元405分别与上述实施例中的获取单元301、处理单元302、划分单元303、匹配单元304和统计单元305是相同的,不同的是,本实施例中还包含汇总单元406,其中:
汇总单元406,用于根据预设的时间维度和空间维度对每一时间区间内通过所述公路路网中每一路段的所有车辆进行汇总,得到在每一时间范围内通过公路路网中每一空间区域的所有车辆。
进一步地,在本发明公开的一可选的实施方式中,所述第一位置点序列为:
其中,Ck表示第k个车辆,表示第k个车辆在所述预设时间段内的第一位置点序列, 表示所述第一位置点序列中的第o个位置点,1≤o≤n,(cx,cy)表示位置点的经纬度坐标,t表示获取位置点的时间,n表示大于或等于1的自然数,o表示大于或等于1的自然数。
进一步地,在本发明公开的一可选的实施方式中,所述匹配单元404,具体用于:
基于组成路段的边建立网格索引关系;
根据所述第二位置点序列中每一位置点的经纬度坐标定位每一位置点所在的网格,并将以所述网格为中心的S*S个网格内所有的边取出放入与每一位置点对应的第一集合中;
判断与所述第一集合对应的位置点与所述第一集合中的边的向量夹角是否大于预设度数;
若否,根据所述边的两个端点的经纬度坐标和所述位置点的经纬度坐标计算得到所述位置点到所述边的距离;
判断所述距离是否小于所述位置点的圆概率误差;
若是,则所述位置点与所述边匹配成功,从而得到所述第二位置点序列中与组成路段的边匹配成功的位置点的第二集合;
判断所述第二集合中位置点的个数与所述第二位置点序列中满足与组成路段的边匹配的位置点的第三集合中位置点的个数的比值是否大于预设的阈值;
若是,所述第二位置点序列与所述路段匹配成功,
其中,S表示大于或等于1的自然数。
进一步地,在本发明公开的一可选的实施方式中,所述匹配单元404,还用于:
若否,以所述位置点的圆概率误差与第一预设数值的乘积为步长,从所述边的一端向所述边的另一端做插值;
根据所述边的向量角度、所述边的一端的经纬度坐标和所述位置点的圆概率误差计算得到第λ次插值点的经纬度坐标;
判断所述第λ次插值点的经纬度坐标是否落入以所述位置点为中心且以所述位置点的圆概率误差与第二预设数值的乘积为单边长的正方形网格内,其中,λ表示大于或等于1的自然数;
若是,则所述位置点与所述边匹配成功。
采用本实施例提供的公路交通量的统计装置能够使相关人员知晓在宏观时间维度和空间维度下公路交通量的相对变化情况,具有重要的监控指示作用。
上述实施例提供的公路交通量的统计装置的原理和技术效果与对应的方法实施例相同,在此不再赘述。
图18是本发明又一实施例提供的公路交通量的统计装置的结构示意图。如图18所示,所述公路交通量的统计装置包括:处理器(processor)501、存储器(memory)502和通信总线503;
其中,所述处理器501和存储器502通过所述通信总线503完成相互间的通信;
所述处理器501用于调用所述存储器502中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:在预设时间段内获取在公路上行驶的车辆的移动位置数据;对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:在预设时间段内获取在公路上行驶的车辆的移动位置数据;对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:在预设时间段内获取在公路上行驶的车辆的移动位置数据;对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的公路交通量的统计装置等实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上各实施例仅用以说明本发明的实施例的技术方案,而非对其限制;尽管参照前述各实施例对本发明的实施例进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明的实施例各实施例技术方案的范围。
Claims (8)
1.一种公路交通量的统计方法,其特征在于,所述方法包括:
在预设时间段内获取在公路上行驶的车辆的移动位置数据;
对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;
将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;
将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;
根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆;
所述第一位置点序列为:
其中,Ck表示第k个车辆,表示第k个车辆在所述预设时间段内的第一位置点序列, 表示所述第一位置点序列中的第o个位置点,1≤o≤n,(cx,cy)表示位置点的经纬度坐标,t表示获取位置点的时间,n表示大于或等于1的自然数,o表示大于或等于1的自然数。
2.根据权利要求1所述的公路交通量的统计方法,其特征在于,所述根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆之后,所述方法还包括:
根据预设的时间维度和空间维度对每一时间区间内通过所述公路路网中每一路段的所有车辆进行汇总,得到在每一时间范围内通过公路路网中每一空间区域的所有车辆。
3.根据权利要求1所述的公路交通量的统计方法,其特征在于,所述将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果,包括:
基于组成路段的边建立网格索引关系;
根据所述第二位置点序列中每一位置点的经纬度坐标定位每一位置点所在的网格,并将以所述网格为中心的S*S个网格内所有的边取出放入与每一位置点对应的第一集合中;
判断与所述第一集合对应的位置点与所述第一集合中的边的向量夹角是否大于预设度数;
若否,根据所述边的两个端点的经纬度坐标和所述位置点的经纬度坐标计算得到所述位置点到所述边的距离;
判断所述距离是否小于所述位置点的圆概率误差;
若是,则所述位置点与所述边匹配成功,从而得到所述第二位置点序列中与组成路段的边匹配成功的位置点的第二集合;
判断所述第二集合中位置点的个数与所述第二位置点序列中满足与组成路段的边匹配的位置点的第三集合中位置点的个数的比值是否大于预设的阈值;
若是,所述第二位置点序列与所述路段匹配成功,
其中,S表示大于或等于1的自然数。
4.根据权利要求3所述的公路交通量的统计方法,其特征在于,所述判断与所述第一集合对应的位置点与所述第一集合中的边的向量夹角是否大于预设度数之后,所述方法还包括:
若否,以所述位置点的圆概率误差与第一预设数值的乘积为步长,从所述边的一端向所述边的另一端做插值;
根据所述边的向量角度、所述边的一端的经纬度坐标和所述位置点的圆概率误差计算得到第λ次插值点的经纬度坐标;
判断所述第λ次插值点的经纬度坐标是否落入以所述位置点为中心且以所述位置点的圆概率误差与第二预设数值的乘积为单边长的正方形网格内,其中,λ表示大于或等于1的自然数;
若是,则所述位置点与所述边匹配成功。
5.一种公路交通量的统计装置,其特征在于,所述装置包括:
获取单元,用于在预设时间段内获取在公路上行驶的车辆的移动位置数据;
处理单元,用于对所述移动位置数据进行处理,得到每一车辆在所述预设时间段内的第一位置点序列;
划分单元,用于将所述第一位置点序列按照所述预设时间段的时间区间进行划分,得到所述每一车辆在每一时间区间内的第二位置点序列;
匹配单元,用于将所述第二位置点序列与公路路网中任一路段进行匹配,得到匹配结果;
统计单元,用于根据所述匹配结果统计得到在每一时间区间内通过所述公路路网中每一路段的所有车辆;
所述第一位置点序列为:
其中,Ck表示第k个车辆,表示第k个车辆在所述预设时间段内的第一位置点序列, 表示所述第一位置点序列中的第o个位置点,1≤o≤n,(cx,cy)表示位置点的经纬度坐标,t表示获取位置点的时间,n表示大于或等于1的自然数,o表示大于或等于1的自然数。
6.根据权利要求5所述的公路交通量的统计装置,其特征在于,所述装置还包括:
汇总单元,用于根据预设的时间维度和空间维度对每一时间区间内通过所述公路路网中每一路段的所有车辆进行汇总,得到在每一时间范围内通过公路路网中每一空间区域的所有车辆。
7.根据权利要求5所述的公路交通量的统计装置,其特征在于,所述匹配单元,具体用于:
基于组成路段的边建立网格索引关系;
根据所述第二位置点序列中每一位置点的经纬度坐标定位每一位置点所在的网格,并将以所述网格为中心的S*S个网格内所有的边取出放入与每一位置点对应的第一集合中;
判断与所述第一集合对应的位置点与所述第一集合中的边的向量夹角是否大于预设度数;
若否,根据所述边的两个端点的经纬度坐标和所述位置点的经纬度坐标计算得到所述位置点到所述边的距离;
判断所述距离是否小于所述位置点的圆概率误差;
若是,则所述位置点与所述边匹配成功,从而得到所述第二位置点序列中与组成路段的边匹配成功的位置点的第二集合;
判断所述第二集合中位置点的个数与所述第二位置点序列中满足与组成路段的边匹配的位置点的第三集合中位置点的个数的比值是否大于预设的阈值;
若是,所述第二位置点序列与所述路段匹配成功,
其中,S表示大于或等于1的自然数。
8.根据权利要求7所述的公路交通量的统计装置,其特征在于,所述匹配单元,还用于:
若否,以所述位置点的圆概率误差与第一预设数值的乘积为步长,从所述边的一端向所述边的另一端做插值;
根据所述边的向量角度、所述边的一端的经纬度坐标和所述位置点的圆概率误差计算得到第λ次插值点的经纬度坐标;
判断所述第λ次插值点的经纬度坐标是否落入以所述位置点为中心且以所述位置点的圆概率误差与第二预设数值的乘积为单边长的正方形网格内,其中,λ表示大于或等于1的自然数;
若是,则所述位置点与所述边匹配成功。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611056521.4A CN106558220B (zh) | 2016-11-25 | 2016-11-25 | 一种公路交通量的统计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611056521.4A CN106558220B (zh) | 2016-11-25 | 2016-11-25 | 一种公路交通量的统计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106558220A CN106558220A (zh) | 2017-04-05 |
CN106558220B true CN106558220B (zh) | 2019-05-17 |
Family
ID=58444995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611056521.4A Active CN106558220B (zh) | 2016-11-25 | 2016-11-25 | 一种公路交通量的统计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106558220B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018205067A1 (zh) * | 2017-05-08 | 2018-11-15 | 深圳市卓希科技有限公司 | 一种交通量检测方法和系统 |
JP7032085B2 (ja) * | 2017-09-15 | 2022-03-08 | トヨタ自動車株式会社 | 交通量判定システム、交通量判定方法、及び交通量判定プログラム |
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 |
CN109584546B (zh) * | 2018-07-04 | 2021-06-01 | 东南大学 | 一种快速-常规公交共享车道发车流量阈值的确定方法 |
CN110009908B (zh) * | 2019-03-27 | 2021-07-20 | 招商局重庆交通科研设计院有限公司 | 基于道路交通管控时间与区域计算的交通道路长度控制方法 |
CN115294776B (zh) * | 2022-06-23 | 2024-04-12 | 北京北大千方科技有限公司 | 基于时间切片统计车辆通行量的方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101286269A (zh) * | 2008-05-26 | 2008-10-15 | 北京捷讯畅达科技发展有限公司 | 兼有动态实时交通数据的交通流量预测系统 |
CN101308029A (zh) * | 2007-05-16 | 2008-11-19 | 北京英华慧通科技发展有限公司 | 路网网格匹配、路况状态信息及诱导路线信息获取方法 |
CN101944291A (zh) * | 2009-07-03 | 2011-01-12 | 比亚迪股份有限公司 | 一种交通流量检测方法及检测控制系统 |
CN102332210A (zh) * | 2011-08-04 | 2012-01-25 | 东南大学 | 基于手机定位数据的实时城市道路交通流数据提取方法 |
CN104599499A (zh) * | 2015-01-12 | 2015-05-06 | 北京中交兴路车联网科技有限公司 | 一种分布式统计交通位置的方法及装置 |
-
2016
- 2016-11-25 CN CN201611056521.4A patent/CN106558220B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308029A (zh) * | 2007-05-16 | 2008-11-19 | 北京英华慧通科技发展有限公司 | 路网网格匹配、路况状态信息及诱导路线信息获取方法 |
CN101286269A (zh) * | 2008-05-26 | 2008-10-15 | 北京捷讯畅达科技发展有限公司 | 兼有动态实时交通数据的交通流量预测系统 |
CN101944291A (zh) * | 2009-07-03 | 2011-01-12 | 比亚迪股份有限公司 | 一种交通流量检测方法及检测控制系统 |
CN102332210A (zh) * | 2011-08-04 | 2012-01-25 | 东南大学 | 基于手机定位数据的实时城市道路交通流数据提取方法 |
CN104599499A (zh) * | 2015-01-12 | 2015-05-06 | 北京中交兴路车联网科技有限公司 | 一种分布式统计交通位置的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106558220A (zh) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106558220B (zh) | 一种公路交通量的统计方法及装置 | |
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
WO2017133627A1 (zh) | 用户通勤轨迹管理方法、装置及系统 | |
Wang et al. | Automatic intersection and traffic rule detection by mining motor-vehicle GPS trajectories | |
CN108320501B (zh) | 基于用户手机信令的公交线路识别方法 | |
CN104050817B (zh) | 限速信息库生成、限速信息检测的方法和系统 | |
CN108596202B (zh) | 基于移动终端gps定位数据计算个人通勤时间的方法 | |
CN106931974B (zh) | 基于移动终端gps定位数据记录计算个人通勤距离的方法 | |
CN108961758B (zh) | 一种基于梯度提升决策树的路口展宽车道探测方法 | |
CN106323301A (zh) | 一种道路情报的获取方法及装置 | |
CN104167092A (zh) | 一种确定出租车上下客热点区域中心的方法以及装置 | |
CN105513339B (zh) | 一种车辆轨迹分析方法和设备 | |
CN107194525A (zh) | 一种基于手机信令的城市中心评估方法 | |
CN108170793A (zh) | 基于车辆语义轨迹数据的停留点分析方法及其系统 | |
CN103646187A (zh) | 一种统计周期内车辆出行路线及od矩阵获取方法 | |
CN111078818B (zh) | 地址分析方法、装置、电子设备及存储介质 | |
CN113724489B (zh) | 基于多源数据的交通拥堵溯源方法 | |
CN106339716A (zh) | 一种基于加权欧氏距离的移动轨迹相似度匹配方法 | |
CN104422451A (zh) | 一种道路识别方法及装置 | |
CN111291216B (zh) | 一种基于人脸结构化数据的落脚点分析方法和系统 | |
Khadka et al. | Developing novel performance measures for traffic congestion management and operational planning based on connected vehicle data | |
CN105631551A (zh) | 一种最优路线的推荐方法及装置 | |
CN103971519A (zh) | 一种利用交通冲突判别事故易发路段的方法及其系统 | |
CN107835486A (zh) | 交通出行量计算方法及装置 | |
Saremi et al. | Combining map-based inference and crowd-sensing for detecting traffic regulators |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |