CN106781504A - 一种基于浮动车gps数据的干线停车分析方法 - Google Patents
一种基于浮动车gps数据的干线停车分析方法 Download PDFInfo
- Publication number
- CN106781504A CN106781504A CN201710050018.6A CN201710050018A CN106781504A CN 106781504 A CN106781504 A CN 106781504A CN 201710050018 A CN201710050018 A CN 201710050018A CN 106781504 A CN106781504 A CN 106781504A
- Authority
- CN
- China
- Prior art keywords
- main line
- analysis
- parking
- time
- floating car
- 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
- G08G1/0108—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]
Abstract
本发明公开了一种基于浮动车GPS数据的干线停车分析方法,通过数据抽样以及坐标转换,生成可视化的时空散点图实现浮动车通行数据的时间汇集,进而分析车辆的行驶特性,并进行干线停车的统计分析。本发明的干线停车分析方法,以数据可视化方式对浮动车定位数据进行时间汇集,直观分析干线车辆通行情况,在此基础上,对车辆到达交叉口的相对时间与其在下游的停车概率进行统计,从海量GPS定位数据中分析探究干线交通流实际运行模式,并进行精细化的停车概率估计,为干线绿波诱导提供可靠、精细的数据支撑。
Description
技术领域
本发明涉及交通技术领域,尤其涉及一种基于浮动车GPS数据的干线停车分析方法。
背景技术
在城市路网中,对于交通需求较大的城市干道通常会根据交通管控需求对其实施交通信号干线协调控制方法,通过“绿波”减少车辆停车次数,提高干线道路交通运行效率,保障干线道路交通流的平稳通行。但在实际应用中,受到交叉口间距、道路沿线出入口、非机动车及行人干扰等多种因素影响,能够按干线绿波设计速度行驶并保持在绿波带中行驶的车辆比例不高。
当前对于干线协调控制的实施效果的评估主要根据HCM等经验模型计算行驶延误、停车次数等宏观性能指标,受各种不确定性因素影响实际车辆运行情况与经验模型标定的参数可能存在一定程度偏差。另一类采用跟车法的干线效果评估方法需要进行现场实测,耗时耗力。随着交通管理信息化建设的深入,海量的交通大数据能够为深入的交通行为分析提供有力的支撑,就干线车辆运行特性而言,交叉口的卡口检测数据、出租车等车辆GPS定位数据等均能够实现微观化、精细化的个体分析,通过海量个体的信息汇聚使研究人员掌握其中的规律与特性,进而为交通管控、诱导提供有效的支撑。
发明内容
发明目的:为了解决现有的停车分析方法容易受不确定性因素影响的问题,本发明提供了一种基于浮动车GPS数据的干线停车分析方法,能够利用交通大数据为交通管控、诱导提供有效的支撑。
技术方案:为实现上述目的,本发明中基于浮动车GPS数据的干线停车分析方法,包括以下步骤:
(1)设定分析时段,获取该分析时段路网内浮动车的GPS定位数据;根据干线协同控制范围,将所述GPS定位数据进行地图匹配,从中筛选出在协调控制干线上行驶的浮动车的GPS定位数据作为分析样本;
(2)对于某一干线交叉口信号控制方案,根据该信号控制方案的信号控制周期和干线长度建立时间-距离坐标系;
(3)在所述分析时段内,获取在该信号控制方案的执行时段内各分析样本在所述时间-距离坐标系中的坐标并进行标示,得到分析样本在干线的时间-距离散点图;
(4)根据所述时间-距离散点图获取车辆行驶特性,得到车辆停车概率与到达交叉口时间之间的关系。
具体地,步骤(2)中所述时间-距离坐标系的时间坐标范围为[0,C],距离坐标范围为[0,L],其中,C为该信号控制方案的控制周期长度,L为干线长度。
其中,步骤(3)中获取分析样本的坐标包括以下步骤:
(31)在分析时段内,对某一分析样本,将该分析样本距离分析时段开始时刻的绝对时间Ti折算转换为相对于信号控制周期的相对时间ti,将该相对时间ti作为该分析样本的时间坐标转换公式如下:
ti={Ti/C}·C
式中,
(32)将分析样本数据定位的二维经纬度坐标转换为分析样本距离干线最上游交叉口的长度,将该长度作为该分析样本的距离坐标。
其中,步骤(4)中获取车辆行驶特性,具体为:
(41)通过设置速度-颜色映射表将散点着色,将浮动车的速度信息叠加在时间-距离散点图中;
(42)根据可视化的散点着色及分布情况直观分析干线各交叉口的绿灯放行时间区间,即由散点颜色分析车辆停车或通行状态,将处于通行状态的散点集中分布区域判定为绿灯放行时间区间;
(43)计算各交叉口绿灯时间的过车在下游的停车概率。
具体地,步骤(43)中计算某一交叉口绿灯时间的过车在下游的停车概率,包括以下步骤:
(431)对于在某一交叉口绿灯时段到达的车辆,计算其到下游交叉口的置信时间段,并将置信时间段转换为相对置信时间段;
(432)统计该相对置信时间段内的样本散点总数以及速度值为0的散点数,计算车辆到达下游交叉口的停车概率以及停车次数概率。
有益效果:本发明中基于浮动车GPS数据的干线停车分析方法,以数据可视化方式对浮动车定位数据进行时间汇集,直观分析浮动车在干线的通行情况;在此基础上,对车辆到达交叉口的相对时间与其在下游的停车概率进行统计,定量分析干线停车情况;本发明方法从海量GPS定位数据中分析探究干线交通流实际运行模式,并以定性与定量相结合的方式实现对干线停车情况的分析,为干线绿波诱导提供可靠、精细的数据支撑。
附图说明
图1是本发明实施例基于浮动车GPS数据的干线停车分析方法的流程示意图;
图2是实施例中叠加浮动车的速度信息后的时间-距离散点图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例
实施例通过对干线过车GPS定位数据的时间汇集,以可视化辅助方式,对采取协调控制的干线通行的车辆停车概率进行统计分析,进而为干线绿波评估、交通诱导、信息发布提供数据支撑。
一种基于浮动车GPS数据的干线停车分析方法,通过数据抽样以及坐标转换,生成可视化的时空散点图实现浮动车通行数据的时间汇集,进而分析车辆的行驶特性,并进行停车概率与停车次数的统计分析。如图1所示,具体包括以下步骤:
步骤S1:设定分析时段(一般时长不低于一周),获取该分析时段内路网内出租车等浮动车的GPS定位数据,包括定位经纬度坐标、实时行驶速度;根据干线协同控制范围,将GPS定位数据进行地图匹配,从中筛选出在协调控制干线上行驶且经过沿线各交叉口的浮动车定位记录,作为分析样本。
步骤S2:针对某一干线交叉口信号控制方案,根据该信号控制方案的信号控制周期和干线长度建立时间-距离坐标系。
步骤S3:在所述分析时段内,获取在该信号控制方案的执行时段内各分析样本在所述时间-距离坐标系中的坐标并进行标示,得到分析样本在干线的时间-距离散点图;具体的坐标获取方法为:
步骤31:将分析样本距离分析时段开始时刻的绝对时间Ti折算转换为相对于信号控制周期的相对时间ti,转换公式如下:
ti={Ti/C}·C
式中,
步骤32:将样本数据定位的二维经纬度坐标转换为样本点距离干线最上游交叉口的长度一维坐标。
步骤S4:根据浮动车GPS数据的时间-距离散点图获取车辆行驶特性,得到车辆停车概率与到达交叉口时间之间的关系;具体地,
步骤41:设置速度-颜色映射表将散点着色,将浮动车的速度信息也叠加在时间-距离散点图中,本发明中速度-颜色映射表的设置根据干线车辆平均行驶速度v划分四个区间[0,20)、[20,40)、[40,60)以及{v|v≥60};设置速度节点的RGB值:0对应RGB(255,0,0),20km/h对应RGB(255,255,0),40km/h对应RGB(0,255,0),60km/h对应RGB(0,128,0);速度位于[0,20)、[20,40)[40,60)区间内的速度值则按比例设置RGB值,{v|v≥60}的速度值均取RGB(0,128,0);例如,速度值为15km/h对应区间为[0,20),根据区间端点的RGB值:(255,0,0)、(255,255,0),R值与B值保持相同,将G值按比例设定:由此获得15km/h对应的RGB值为(255,191,0);速度值为30km/h对应区间为[20,40),根据区间端点的RGB值:(255,255,0)、(0,255,0),G值与B值保持相同,将R值按比例设定:由此获得30km/h对应的RGB值为(127,255,0);速度值为55km/h对应区间为[40,60),根据区间端点的RGB值:(0,255,0)、(0,128,0),R值与B值保持相同,将G值按比例设定:由此获得55km/h对应的RGB值为(0,159,0);如图2所示。
步骤42:根据可视化的散点着色及分布情况直观分析干线各交叉口的绿灯放行时间区间,即由散点颜色分析车辆停车或通行状态,将处于通行状态的散点集中分布区域判定为绿灯放行时间区间;
步骤43:计算各交叉口绿灯时间的过车在下游的停车概率,具体为:
步骤431:对于在各交叉口绿灯时段到达的车辆,根据浮动车速度,对各路段的平均行驶速度及其置信区间进行统计,对各个时间点位通过最上游交叉口的车辆在下游各交叉口的到达时间区间进行分析;对于交叉口j到达时刻为的车辆,在平均行驶速度以及置信波动区间下,路段行程时间区间为到达下游交叉口j+1的时间区间为将其转换为相对时间区间,其中分别为置信区间上下限,lj为交叉口j与下游交叉口j+1间路段长度;
步骤432:根据置信水平下车辆到达下游交叉口的时间区间,统计该区间内的样本散点总数m以及速度值为0的散点数m0,计算车辆到达下游交叉口的停车概率
步骤433:根据步骤S522计算的下游交叉口停车概率计算车辆在下游停车次数概率其中x=1,2,…,n-j,n为干线交叉口数量;车辆到达下游相邻交叉口的时刻通过平均浮动车速度确定。以包含三个交叉口的干线为例,车辆在最上游交叉口1的到达时刻为到达下游交叉口2停车概率为交叉口1、2间平均行驶速度为v1,路段长度为l1,车辆到达交叉口3的停车概率该车辆在干线不停车的概率停车1次的概率停车2次的概率
步骤S5:根据步骤S4分析的停车概率,为干线绿波诱导提供数据支撑,根据车辆到达时刻,向其发布在下游停车概率。
以上仅是本发明的优选实施方式,应当指出以上实施列对本发明不构成限定,相关工作人员在不偏离本发明技术思想的范围内,所进行的多样变化和修改,均落在本发明的保护范围内。
Claims (5)
1.一种基于浮动车GPS数据的干线停车分析方法,其特征在于,该方法包括以下步骤:
(1)设定分析时段,获取该分析时段路网内浮动车的GPS定位数据;根据干线协同控制范围,将所述GPS定位数据进行地图匹配,从中筛选出在协调控制干线上行驶的浮动车的GPS定位数据作为分析样本;
(2)对于某一干线交叉口信号控制方案,根据该信号控制方案的信号控制周期和干线长度建立时间-距离坐标系;
(3)在所述分析时段内,获取在该信号控制方案的执行时段内各分析样本在所述时间-距离坐标系中的坐标并进行标示,得到分析样本在干线的时间-距离散点图;
(4)根据所述时间-距离散点图获取车辆行驶特性,得到车辆停车概率与到达交叉口时间之间的关系。
2.根据权利要求1所述的基于浮动车GPS数据的干线停车分析方法,其特征在于,步骤(2)中所述时间-距离坐标系的时间坐标范围为[0,C],距离坐标范围为[0,L],其中,C为该信号控制方案的控制周期长度,L为干线长度。
3.根据权利要求2所述的基于浮动车GPS数据的干线停车分析方法,其特征在于,步骤(3)中获取分析样本的坐标包括以下步骤:
(31)在分析时段内,对某一分析样本,将该分析样本距离分析时段开始时刻的绝对时间Ti折算转换为相对于信号控制周期的相对时间ti,将该相对时间ti作为该分析样本的时间坐标转换公式如下:
ti={Ti/C}·C
式中,
(32)将分析样本数据定位的二维经纬度坐标转换为分析样本距离干线最上游交叉口的长度,将该长度作为该分析样本的距离坐标。
4.根据权利要求1所述的基于浮动车GPS数据的干线停车分析方法,其特征在于,步骤(4)中获取车辆行驶特性,具体为:
(41)通过设置速度-颜色映射表将散点着色,将浮动车的速度信息叠加在时间-距离散点图中;
(42)根据可视化的散点着色及分布情况直观分析干线各交叉口的绿灯放行时间区间,即由散点颜色分析车辆停车或通行状态,将处于通行状态的散点集中分布区域判定为绿灯放行时间区间;
(43)计算各交叉口绿灯时间的过车在下游的停车概率。
5.根据权利要求4所述的基于浮动车GPS数据的干线停车分析方法,其特征在于,步骤(43)中计算某一交叉口绿灯时间的过车在下游的停车概率,包括以下步骤:
(431)对于在某一交叉口绿灯时段到达的车辆,计算其到下游交叉口的置信时间段,并将置信时间段转换为相对置信时间段;
(432)统计该相对置信时间段内的样本散点总数以及速度值为0的散点数,计算车辆到达下游交叉口的停车概率以及停车次数概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710050018.6A CN106781504B (zh) | 2017-01-23 | 2017-01-23 | 一种基于浮动车gps数据的干线停车分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710050018.6A CN106781504B (zh) | 2017-01-23 | 2017-01-23 | 一种基于浮动车gps数据的干线停车分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106781504A true CN106781504A (zh) | 2017-05-31 |
CN106781504B CN106781504B (zh) | 2019-03-12 |
Family
ID=58941623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710050018.6A Active CN106781504B (zh) | 2017-01-23 | 2017-01-23 | 一种基于浮动车gps数据的干线停车分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106781504B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447263A (zh) * | 2018-04-18 | 2018-08-24 | 北京交通大学 | 基于浮动车的干线协调控制交叉口的信号控制评价方法 |
CN111066072A (zh) * | 2017-11-27 | 2020-04-24 | 宝马股份公司 | 用于运行用于检验停车概率的系统的方法、系统、计算机程序和计算机程序产品 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020120389A1 (en) * | 2001-02-23 | 2002-08-29 | Hitachi, Ltd. | Method of presuming traffic conditions by using floating car data and system for presuming and presenting traffic conditions by using floating data |
CN101702262A (zh) * | 2009-11-06 | 2010-05-05 | 北京交通大学 | 一种城市交通流畅通性指标的数据融合方法 |
CN101877169A (zh) * | 2009-11-13 | 2010-11-03 | 北京交通大学 | 干线多交叉口交通流均衡性控制的数据融合系统及方法 |
CN103247184A (zh) * | 2013-04-11 | 2013-08-14 | 浙江大学 | 一种相邻交叉口双向协调控制效益的快速评估方法 |
JP2013200809A (ja) * | 2012-03-26 | 2013-10-03 | Denso It Laboratory Inc | 渋滞予測方法及び渋滞予測装置 |
CN104699956A (zh) * | 2015-02-02 | 2015-06-10 | 北京工业大学 | 一种基于移动终端的干线绿波协调效果评估方法 |
CN106297333A (zh) * | 2016-10-28 | 2017-01-04 | 东南大学 | 一种基于交叉口过车记录的干线绿波评估方法 |
-
2017
- 2017-01-23 CN CN201710050018.6A patent/CN106781504B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020120389A1 (en) * | 2001-02-23 | 2002-08-29 | Hitachi, Ltd. | Method of presuming traffic conditions by using floating car data and system for presuming and presenting traffic conditions by using floating data |
CN101702262A (zh) * | 2009-11-06 | 2010-05-05 | 北京交通大学 | 一种城市交通流畅通性指标的数据融合方法 |
CN101702262B (zh) * | 2009-11-06 | 2011-08-17 | 北京交通大学 | 一种城市交通流畅通性指标的数据融合方法 |
CN101877169A (zh) * | 2009-11-13 | 2010-11-03 | 北京交通大学 | 干线多交叉口交通流均衡性控制的数据融合系统及方法 |
JP2013200809A (ja) * | 2012-03-26 | 2013-10-03 | Denso It Laboratory Inc | 渋滞予測方法及び渋滞予測装置 |
CN103247184A (zh) * | 2013-04-11 | 2013-08-14 | 浙江大学 | 一种相邻交叉口双向协调控制效益的快速评估方法 |
CN104699956A (zh) * | 2015-02-02 | 2015-06-10 | 北京工业大学 | 一种基于移动终端的干线绿波协调效果评估方法 |
CN106297333A (zh) * | 2016-10-28 | 2017-01-04 | 东南大学 | 一种基于交叉口过车记录的干线绿波评估方法 |
Non-Patent Citations (2)
Title |
---|
VISHWANATH PALAGUMMI ET AL.: ""Techniques for rapid initialization in in-vehicle traffic simulators"", 《PROCEEDINGS OF THE 2009 WINTER SIMULATION CONFERENCE(WSC)》 * |
刘艳 等: ""城市干线信号协调控制系统设计"", 《大连交通大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111066072A (zh) * | 2017-11-27 | 2020-04-24 | 宝马股份公司 | 用于运行用于检验停车概率的系统的方法、系统、计算机程序和计算机程序产品 |
CN111066072B (zh) * | 2017-11-27 | 2022-06-21 | 宝马股份公司 | 用于运行用于检验停车概率的系统的方法和系统 |
CN108447263A (zh) * | 2018-04-18 | 2018-08-24 | 北京交通大学 | 基于浮动车的干线协调控制交叉口的信号控制评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106781504B (zh) | 2019-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105426636B (zh) | 城市峡谷街道机动车污染物排放与扩散的实时估计方法 | |
CN105588576B (zh) | 一种车道级导航方法及系统 | |
CN106781479B (zh) | 一种基于手机信令数据实时获取高速公路运行状态的方法 | |
US9731417B2 (en) | Vehicle management system | |
Boriboonsomsin et al. | Eco-routing navigation system based on multisource historical and real-time traffic information | |
CN103207090B (zh) | 一种无人驾驶车辆环境模拟测试系统及测试方法 | |
CN110111575A (zh) | 一种基于复杂网络理论的城市交通流量网络分析方法 | |
CN104699956B (zh) | 一种基于移动终端的干线绿波协调效果评估方法 | |
US20170091350A1 (en) | Near real-time modeling of pollution dispersion | |
CN106297333B (zh) | 一种基于交叉口过车记录的干线绿波评估方法 | |
CA2811879C (en) | Driver profiling system and method | |
CN109816977A (zh) | 一种数据驱动的交叉口信号控制评价系统 | |
CN109544932A (zh) | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 | |
CN105070056A (zh) | 一种基于浮动车的交叉口交通拥堵指数计算方法 | |
CN109919347A (zh) | 路况生成方法、相关装置和设备 | |
CN103903468B (zh) | 道路拥堵时间预警方法及装置 | |
CN103038605A (zh) | 数字地图中的用于障碍物穿越的位置检测、时间表及行进时间估计 | |
CN105489004B (zh) | 面向道路实时速度计算的卡口与浮动车数据融合方法 | |
Ding et al. | Greenplanner: Planning personalized fuel-efficient driving routes using multi-sourced urban data | |
CN103177585B (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
CN106781493A (zh) | 一种车辆排队长度模拟系统、方法和装置 | |
CN105841709A (zh) | 一种汽车行驶路径规划方法 | |
CN110288205B (zh) | 交通影响评价方法及装置 | |
CN108922193B (zh) | 一种基于浮动车轨迹数据的交叉口信号周期估计方法 |
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 |