CN106571035B - 城市道路行程时间噪声数据处理方法 - Google Patents
城市道路行程时间噪声数据处理方法 Download PDFInfo
- Publication number
- CN106571035B CN106571035B CN201610980291.4A CN201610980291A CN106571035B CN 106571035 B CN106571035 B CN 106571035B CN 201610980291 A CN201610980291 A CN 201610980291A CN 106571035 B CN106571035 B CN 106571035B
- Authority
- CN
- China
- Prior art keywords
- time
- data
- time window
- section
- journey
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims description 18
- 230000007704 transition Effects 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 9
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 4
- 230000035772 mutation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000009394 selective breeding Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种城市道路行程时间噪声数据处理方法,本方法的基本思想是结合城市道路行程时间特性,利用箱型图的基本原理剔除由于驾驶员异常驾驶行为导致的噪声数据。在以往的行程时间噪声数据剔除中,研究者多采用三倍标准差法,但该方法基于数据服从正态分布的假设。而在大多数情况下,行程时间分布并不满足正态条件,因此三倍标准差法无法得到良好的剔除效果。使用本发明方法得到的行程时间数据,不仅可以用于行程时间预测等行程时间特性的研究上,也可为研究交通流状态、出行行为等领域提供数据基础,进而服务与城市交通管理和控制。
Description
技术领域
本发明涉及一种城市道路行程时间噪声数据处理方法,服务于城市交通控制与管理,属于智能交通研究领域。
背景技术
通过对城市道路行程时间进行科学合理的筛选,进而得到正常行程时间数据,可以为城市交通管控提供坚实基础,也可为交通参与者提供动态决策依据,从而诱导城市交通良性发展。
目前对城市道路行程时间的研究主要集中在行程时间预测以及行程时间分布规律两方面,得到的研究成果都无法直接应用于城市交通管理和控制。而对行程时间噪声数据的合理剔除,能得到精细化、精准化的行程时间数据,不仅可以用于行程时间预测等行程时间特性的研究上,也可为研究交通流状态、出行等领域提供数据基础,进而服务于城市交通管理和控制。在以往的行程时间噪声数据剔除中,研究者多采用三倍标准差法,但该方法基于数据服从正态分布的假设。而在大多数情况下,行程时间分布并不满足正态条件,因此三倍标准差法无法得到良好的剔除效果。随着视频检测器、浮动车、RFID等数据获取来源的日益发展,海量城市道路行程时间数据的获取成为可能,对城市道路行程时间的科学研究越发迫切,因此建立一个科学有效的城市道路行程时间噪声数据剔除方法尤为重要。
发明内容
本发明的目的在于提供一种城市道路行程时间噪声数据处理方法。该方法基于箱型图的基本原理,结合城市道路行程时间特性,进而剔除由于驾驶员异常驾驶行为导致的噪声数据。为实现上述目的,本发明提出的城市道路行程时间噪声数据处理方法包括计算原始数据标准差、利用箱型图进行数据预处理、结合行程时间特性评估数据过度剔除概率并更正常数据区间范围、结合行程时间特性评估噪声数据未被剔除概率并更新正常数据区间范围四个步骤。
本方法的基本步骤如下:
c1、采集所需判别路段的时间窗内原始行程时间数据并计算其标准差。
c2、利用箱型图对所需判别路段的时间窗内原始行程时间数据进行数据预处理。
c3、结合行程时间特性评估数据过度剔除概率并更新正常数据区间范围。
c4、结合行程时间特性评估噪声数据未被剔除概率并更新正常数据区间范围。
c5、剔除行程时间噪声数据。
步骤c1计算时间窗内原始行程时间数据的标准差的过程包括:
c11、取所需判别路段l的时间窗为w分钟,则某一时段T内第k个时间窗内的行程时间数据为[(k-1)w,kw]时段内检测到的行程时间数据,k=1,2,3,……,K。
c12、根据第k个时间窗内检测到的单车行程时间Tk,i,确定第k个时间窗内原始行程时间数据的标准差σk:
式中,σk——l路段上第k个时间窗内检测到的所有车辆行程时间的标准差;
Tk,i——l路段上第k个时间窗内检测到的第i辆车的单车行程时间,其中i=1,2,3,……,I;
——l路段上第k个时间窗内检测到的所有车辆行程时间的平均值;
I——l路段上第k个时间窗内检测到的所有车辆数。
步骤c2中利用箱型图进行数据预处理的过程包括:
c21、计算l路段上第k个时间窗内行程时间的下四分位数Qk,1,上四分位数Qk,3。
c22、计算l路段上第k个时间窗内行程时间的下边缘Qk,down,上边缘Qk,up:
Qk,down=Qk,1-1.5×(Qk,3-Qk,1)
Qk,up=Qk,3+1.5×(Qk,3-Qk,1)
式中,Qk,down——l路段上第k个时间窗内通过箱型图判定的行程时间的下边缘,小于该值的行程时间为噪声数据;
Qk,up——l路段上第k个时间窗内通过箱型图判定的行程时间的上边缘,大于该值的行程时间为噪声数据。
c23、提取l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的数据T′k,i,计算数据标准差。
式中,σk′——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据的标准差;
T′k,i——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据,即T′k,i∈[Qk,down,Qk,up];
——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据的平均值;
I′——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据的个数;
步骤c3中结合行程时间特性评估数据过度剔除概率并更新正常数据区间范围的过程包括:
c31、结合行程时间特性评估l路段上第k个时间窗内行程时间数据的过度剔除概率。
城市道路中在短时段内连续通过的车辆之间,其正常行程时间既具有波动性又具有稳定性。当行程时间的稳定性表征明显时,数据标准差小;当行程时间的波动性表征明显时,数据的标准差大。反之,在通过箱型图进行数据处理后,数据标准差σk′过小则存在数据被过度剔除的可能性。结合城市道路行程时间特性,定义过度剔除概率:
式中,p1——l路段上第k个时间窗内通过箱型图处理后,数据被过度剔除的概率;
σP——l路段上时间窗内正常行程时间数据的标准差。
c32、根据过度剔除概率更新正常行程时间数据范围。
当过度剔除概率大于阈值P1时,说明数据存在过度剔除。P1取值和l路段下游信号方案有关:
式中,gl,r表示下游路口该方向的红灯时长,Cl表示该路口的信号周期时长。
应结合行程时间波动特性,重新计算该时间窗内正常行程时间的下边缘和上边缘:
Q′k,down=Qk,1-ΔT/2
Q′k,up=Qk,3+ΔT/2
式中,Q′k,down——l路段上第k个时间窗内排除过度剔除情况后的行程时间的下边缘,小于该值的行程时间为噪声数据;
Q′k,up——l路段上第k个时间窗内排除过度剔除情况后的的行程时间的上边缘,大于该值的行程时间为噪声数据。
ΔT——l路段上行程时间波动的正常范围
步骤c4中结合行程时间特性评估噪声数据未被剔除概率并更新正常数据区间范围的过程包括:
c41、结合行程时间特性评估l路段上第k个时间窗内行程时间噪声数据未被剔除概率。
城市道路中正常行驶且连续通过的车辆之间,行程时间具有连续性,即正常行程时间具有平稳特性,而不会发生突变。因此可以利用行程时间的连续性判断是否存在噪声数据未被剔除的可能性,即该时间窗k与上一时间窗k-1的标准差是否存在突变。结合城市道路行程时间特性,定义噪声数据未被剔除概率:
式中,p2——l路段上第k个时间窗内通过箱型图处理后,噪声数据未被剔除的概率;
c42、根据未被剔除概率更新正常行程时间数据范围。
当未被剔除概率大于阈值P2时,说明存在噪声数据未被剔除。
根据行程时间的稳定性和连续性,可利用上一时间窗的下边缘和上边缘作为替代值。即结合行程时间特性,重新计算该时间窗内正常行程时间的下边缘和上边缘:
Q″k,down=Qk-1,down
Q″k,up=Qk-1,up
步骤c5中剔除行程时间噪声数据的过程包括:
c51、当第k个时间窗过渡剔除概率p1>P1时,该时间窗内正常行程时间的下边缘和上边缘为Q′k,down和Q′k,up;
c52、当第k个时间窗未被剔除概率p2>P2时,该时间窗内正常行程时间的下边缘和上边缘为Q″k,down和Q″k,up;
c53、当第k个时间窗过渡剔除概率p1≤P1时,且未被剔除概率p2≤P2时,该时间窗内正常行程时间的下边缘和上边缘为Qk,down和Qk,up。
本发明的有益效果:本发明结合箱型图异常数据处理方法及行程时间数据的稳定性、波动性和连续性特征,对城市道路行程时间数据中存在的噪声数据进行剔除,为行程时间数据的进一步研究及交通管理控制提供了数据基础,同时该方法充分利用行程时间数据特性,参数计算不依赖人为选取,易于工程实现。
附图说明
图1为行程时间噪声数据处理方法流程图;
图2为箱型图异常数据处理示意图;
图3为过渡剔除情况示意图;
图4为噪声数据未被剔除情况示意图;
图5为行程时间噪声数据处理效果对比图。
具体实施方式
下面结合附图对本发明进行详细阐述,如图1所示,本发明的具体步骤如下:
步骤一计算时间窗内原始行程时间数据的标准差:
根据第k个时间窗内检测到的单车行程时间Tk,i,确定第k个时间窗内原始行程时间数据的标准差σk:
式中,σk——l路段上第k个时间窗内检测到的所有车辆行程时间的标准差;
Tk,i——l路段上第k个时间窗内检测到的第i辆车的单车行程时间,其中i=1,2,3,……,I;
——l路段上第k个时间窗内检测到的所有车辆行程时间的平均值;
I——l路段上第k个时间窗内检测到的所有车辆数。
步骤二利用箱型图进行数据预处理:
如图2为l路段行程时间的时间窗示意图,计算l路段上第k个时间窗内行程时间的下四分位数Qk,1,上四分位数Qk,3,分别处于图中“下四分位数”和“上四分位数”,l路段上第k个时间窗内行程时间的下边缘Qk,down,上边缘Qk,up分别处于图中“下边缘”和“上边缘”:
Qk,down=Qk,1-1.5×(Qk,2-Qk,1)
Qk,up=Qk,3+1.5×(Qk,3-Qk,1)
式中,Qk,down——l路段上第k个时间窗内通过箱型图判定的行程时间的下边缘,小于该值的行程时间为噪声数据;
Qk,up——l路段上第k个时间窗内通过箱型图判定的行程时间的上边缘,大于该值的行程时间为噪声数据。
计算数据标准差。
式中,σk′——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据的标准差;
T′k,i——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据,即T′k,i∈[Qk,down,Qk,up];
——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据的平均值;
I′——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据的个数;
步骤三结合行程时间特性评估数据过度剔除概率并更新正常数据区间范围:
结合行程时间特性评估l路段上第k个时间窗内行程时间数据的过度剔除概率。
城市道路中在短时段内连续通过的车辆之间,其正常行程时间既具有波动性又具有稳定性。当行程时间的稳定性表征明显时,数据标准差小;当行程时间的波动性表征明显时,数据的标准差大。反之,在通过箱型图进行数据处理后,数据标准差σk′过小则存在数据被过度剔除的可能性。结合城市道路行程时间特性,定义过度剔除概率:
式中,p1——l路段上第k个时间窗内通过箱型图处理后,数据被过度剔除的概率;
σP——l路段上时间窗内正常行程时间数据的标准差。
根据过度剔除概率更新正常行程时间数据范围。
当过度剔除概率大于阈值P1时,说明数据存在过度剔除。如图3所示,第一行为剔除前的示意图,第二行为箱形图数据处理示意图,最后一行为过度剔除后示意图。应结合行程时间波动特性,重新计算该时间窗内正常行程时间的下边缘和上边缘:
Q′k,down=Qk,1-ΔT/2
Q′k,up=Qk,3+ΔT/2
式中,Q′k,down——l路段上第k个时间窗内排除过度剔除情况后的行程时间的下边缘,小于该值的行程时间为噪声数据;
Q′k,up——l路段上第k个时间窗内排除过度剔除情况后的的行程时间的上边缘,大于该值的行程时间为噪声数据。
ΔT——l路段上行程时间波动的正常范围
步骤四结合行程时间特性评估噪声数据未被剔除概率并更新正常数据区间范围:
结合行程时间特性评估l路段上第k个时间窗内行程时间噪声数据未被剔除概率。
城市道路中正常行驶且连续通过的车辆之间,行程时间具有连续性,即正常行程时间具有平稳特性,而不会发生突变。因此可以利用行程时间的连续性判断是否存在噪声数据未被剔除的可能性,即该时间窗k与上一时间窗k-1的标准差是否存在突变。结合城市道路行程时间特性,定义噪声数据未被剔除概率:
式中,p2——l路段上第k个时间窗内通过箱型图处理后,噪声数据未被剔除的概率;
根据未被剔除概率更新正常行程时间数据范围。
当未被剔除概率大于阈值P2时,说明存在噪声数据未被剔除。如图4所示,第一行为剔除前的示意图,第二行为箱形图数据处理示意图,最后一行为噪声数据未完全剔除示意图。根据行程时间的稳定性和连续性,可利用上一时间窗的下边缘和上边缘作为替代值。即结合行程时间特性,重新计算该时间窗内正常行程时间的下边缘和上边缘:
Q″k,down=Qk-1,down
Q″k,up=Qk-1,up
步骤五剔除行程时间噪声数据:
当第k个时间窗过渡剔除概率p1>P1时,该时间窗内正常行程时间的下边缘和上边缘为Q′k,down和Q′k,up;
当第k个时间窗未被剔除概率p2>P2时,该时间窗内正常行程时间的下边缘和上边缘为Q″k,down和Q″k,up;
当第k个时间窗过渡剔除概率p1≤P1时,且未被剔除概率p2≤P2时,该时间窗内正常行程时间的下边缘和上边缘为Qk,down和Qk,up。图5为一个行程时间噪声数据利用本方法处理后的对比图。
上述实施方式只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并加以实施,并不能以此限制本发明的保护范围,凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围内。
Claims (6)
1.一种城市道路行程时间噪声数据处理方法,其特征在于,包括如下步骤:
c1、采集所需判别路段的时间窗内原始行程时间数据并计算其标准差;
c2、利用箱型图对所需判别路段的时间窗内原始行程时间数据进行数据预处理;
c3、结合行程时间特性评估数据过度剔除概率并更新正常数据区间范围;
c4、结合行程时间特性评估噪声数据未被剔除概率并更新正常数据区间范围;
c5、剔除行程时间噪声数据。
2.根据权利要求1所述的城市道路行程时间噪声数据处理方法,其特征在于,c1中计算时间窗内原始行程时间数据的标准差的方法包括如下步骤:
c11、取所需判别路段l的时间窗为w分钟,则某一时段T内第k个时间窗内的行程时间数据为[(k-1)w,kw]时段内检测到的行程时间数据,k=1,2,3,……,K;
c12、根据第k个时间窗内检测到的单车行程时间Tk,i,确定第k个时间窗内原始行程时间数据的标准差σk:
式中,σk——l路段上第k个时间窗内检测到的所有车辆行程时间的标准差;
Tk,i——l路段上第k个时间窗内检测到的第i辆车的单车行程时间,其中i=1,2,3,……,I;
——l路段上第k个时间窗内检测到的所有车辆行程时间的平均值;
I——l路段上第k个时间窗内检测到的所有车辆数。
3.根据权利要求2所述的城市道路行程时间噪声数据处理方法,其特征在于,c2中利用箱型图进行数据预处理,具体包括如下步骤:
c21、计算l路段上第k个时间窗内行程时间的下四分位数Qk,1,上四分位数Qk,3;
c22、计算l路段上第k个时间窗内行程时间的下边缘Qk,down,上边缘Qk,up:
Qk,down=Qk,1-1.5×(Qk,3-Qk,1)
Qk,up=Qk,3+1.5×(Qk,3-Qk,1)
式中,Qk,down——l路段上第k个时间窗内通过箱型图判定的行程时间的下边缘,小于该值的行程时间为噪声数据;
Qk,up——l路段上第k个时间窗内通过箱型图判定的行程时间的上边缘,大于该值的行程时间为噪声数据;
c23、提取l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的数据T′k,i,计算数据标准差:
式中,σ′k——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据的标准差;
T′k,i——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据,即T′k,i∈[Qk,down,Qk,up];
——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据的平均值;
I′——l路段上第k个时间窗内位于下边缘Qk,down和上边缘Qk,up之间的行程时间数据的个数。
4.根据权利要求3所述的城市道路行程时间噪声数据处理方法,其特征在于:c3中结合行程时间特性评估数据过度剔除概率并更新正常数据区间范围,方法包括如下步骤:
c31、结合行程时间特性评估l路段上第k个时间窗内行程时间数据的过度剔除概率;
结合城市道路行程时间特性,定义过度剔除概率:
式中,p1——l路段上第k个时间窗内通过箱型图处理后,数据被过度剔除的概率;
σP——l路段上时间窗内正常行程时间数据的标准差;
c32、根据过度剔除概率更新正常行程时间数据范围;
当过度剔除概率大于阈值P1时,说明数据存在过度剔除,P1取值和l路段下游信号方案有关:
式中,gl,r表示下游路口该方向的红灯时长,Cl表示该路口的信号周期时长;
应结合行程时间波动特性,重新计算该时间窗内正常行程时间的下边缘和上边缘:
Q′k,down=Qk,1-ΔT/2
Q′k,up=Qk,3+ΔT/2
式中,Q′k,down——l路段上第k个时间窗内排除过度剔除情况后的行程时间的下边缘,小于该值的行程时间为噪声数据;
Q′k,up——l路段上第k个时间窗内排除过度剔除情况后的的行程时间的上边缘,大于该值的行程时间为噪声数据;
ΔT——l路段上行程时间波动的正常范围。
5.根据权利要求4所述的城市道路行程时间噪声数据处理方法,其特征在于:c4中结合行程时间特性评估噪声数据未被剔除概率并更新正常数据区间范围,方法包括如下步骤:
c41、结合行程时间特性评估l路段上第k个时间窗内行程时间噪声数据未被剔除概率;
结合城市道路行程时间特性,定义噪声数据未被剔除概率:
式中,p2——l路段上第k个时间窗内通过箱型图处理后,噪声数据未被剔除的概率;
c42、根据未被剔除概率更新正常行程时间数据范围;
当未被剔除概率大于阈值P2时,说明存在噪声数据未被剔除,
根据行程时间的稳定性和连续性,利用上一时间窗的下边缘和上边缘作为替代值,即结合行程时间特性,重新计算该时间窗内正常行程时间的下边缘和上边缘:
Q″k,down=Qk-1,down
Q″k,up=Qk-1,up。
6.根据权利要求5所述的城市道路行程时间噪声数据处理方法,其特征在于:c5中剔除行程时间噪声数据,具体包括如下步骤:
c51、交通状态变化的置信区间的计算:
c51、当第k个时间窗过渡剔除概率p1>P1时,该时间窗内正常行程时间的下边缘和上边缘为Q′k,down和Q′k,up;
c52、当第k个时间窗未被剔除概率p2>P2时,该时间窗内正常行程时间的下边缘和上边缘为Q″k,down和Q″k,up;
c53、当第k个时间窗过渡剔除概率p1≤P1时,且未被剔除概率p2≤P2时,该时间窗内正常行程时间的下边缘和上边缘为Qk,down和Qk,up。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610980291.4A CN106571035B (zh) | 2016-11-08 | 2016-11-08 | 城市道路行程时间噪声数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610980291.4A CN106571035B (zh) | 2016-11-08 | 2016-11-08 | 城市道路行程时间噪声数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106571035A CN106571035A (zh) | 2017-04-19 |
CN106571035B true CN106571035B (zh) | 2019-06-14 |
Family
ID=58540055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610980291.4A Active CN106571035B (zh) | 2016-11-08 | 2016-11-08 | 城市道路行程时间噪声数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106571035B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107391616A (zh) * | 2017-07-04 | 2017-11-24 | 广西电网有限责任公司电力科学研究院 | 一种生产业务噪声数据检测和分离系统 |
CN109147330B (zh) * | 2018-09-19 | 2020-12-08 | 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 |
CN113051517A (zh) * | 2019-12-27 | 2021-06-29 | 新奥数能科技有限公司 | 一种获取锅炉能效曲线的方法及装置 |
CN112434962B (zh) * | 2020-12-01 | 2021-08-24 | 国网江苏省电力有限公司营销服务中心 | 基于电力负荷数据的企业用户状态评估方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430828A (zh) * | 2008-12-22 | 2009-05-13 | 交通部公路科学研究院 | 基于交通信息提取计算的车牌数据处理方法 |
CN103280110A (zh) * | 2013-06-08 | 2013-09-04 | 北京云星宇交通工程有限公司 | 高速公路旅行时间的预测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3876883B2 (ja) * | 2003-12-26 | 2007-02-07 | アイシン・エィ・ダブリュ株式会社 | リンク旅行時間統計データ処理方法、リンク旅行時間統計データ処理装置及びリンク旅行時間統計データ構造 |
-
2016
- 2016-11-08 CN CN201610980291.4A patent/CN106571035B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430828A (zh) * | 2008-12-22 | 2009-05-13 | 交通部公路科学研究院 | 基于交通信息提取计算的车牌数据处理方法 |
CN103280110A (zh) * | 2013-06-08 | 2013-09-04 | 北京云星宇交通工程有限公司 | 高速公路旅行时间的预测方法及装置 |
Non-Patent Citations (2)
Title |
---|
Travel Time Estimation Method for Urban Road Based on Traffic Stream Directions;Dianhai Wang et al.;《Transportmetrica A: Transport Science》;20160217;正文第1-22页 |
行程时间噪声数据处理技术研究;刘洁等;《交通运输系统工程与信息》;20090831;第9卷(第4期);第66-71页 |
Also Published As
Publication number | Publication date |
---|---|
CN106571035A (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106571035B (zh) | 城市道路行程时间噪声数据处理方法 | |
CN109977812B (zh) | 一种基于深度学习的车载视频目标检测方法 | |
CN105512623B (zh) | 基于多传感器雾天行车视觉增强与能见度预警系统及方法 | |
CN104318258B (zh) | 一种基于时域模糊和卡尔曼滤波器的车道线检测方法 | |
CN109191830B (zh) | 一种基于视频图像处理的道路拥堵检测方法 | |
CN104021671B (zh) | 一种svm与模糊判断相结合的道路实时路况的判断方法 | |
CN113096416A (zh) | 用于高速公路上合流区的自动驾驶专用车道与通用车道可变限速的动态协同管控方法 | |
CN103895649B (zh) | 一种驾驶员安全驾驶预警方法 | |
CN107153846A (zh) | 一种基于模糊c均值聚类算法的道路交通状态建模方法 | |
CN109859468A (zh) | 基于YOLOv3的多车道车流量计数及车辆跟踪方法 | |
CN109598930B (zh) | 一种自动检测高架封闭系统 | |
CN103383733A (zh) | 一种基于半机器学习的车道视频检测方法 | |
CN105426863B (zh) | 检测车道线的方法和装置 | |
TW201025214A (en) | A method for identification of traffic lane boundary | |
CN107844769B (zh) | 一种复杂场景下的车辆检测方法及系统 | |
WO2012024976A1 (zh) | 一种交通信息处理方法及装置 | |
CN116189099B (zh) | 基于改进yolov8的暴露垃圾检测及堆放监控的方法 | |
CN107038864A (zh) | 一种交叉口进口导向车道设置合理性判别的方法 | |
CN115662113A (zh) | 一种信号交叉口人车博弈冲突风险评估与预警方法 | |
WO2012024957A1 (zh) | 实时交通流数据融合方法及装置 | |
CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
CN102306276A (zh) | 基于分块聚类的视频车辆图像中车身颜色识别方法 | |
CN111524345B (zh) | 一种车辆实时排队长度约束下多目标优化的感应控制方法 | |
CN103106796A (zh) | 智能交通监控系统中的车辆检测方法和装置 | |
CN105389991B (zh) | 一种自适应的闯红灯抓拍方法 |
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 |