CN106910338A - 基于多元数据的精准计算高速公路受阻系数的方法和系统 - Google Patents

基于多元数据的精准计算高速公路受阻系数的方法和系统 Download PDF

Info

Publication number
CN106910338A
CN106910338A CN201710160522.1A CN201710160522A CN106910338A CN 106910338 A CN106910338 A CN 106910338A CN 201710160522 A CN201710160522 A CN 201710160522A CN 106910338 A CN106910338 A CN 106910338A
Authority
CN
China
Prior art keywords
test point
data
congestion
obstructed
coefficient
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.)
Pending
Application number
CN201710160522.1A
Other languages
English (en)
Inventor
姜廷顺
王兵
谭堲元
刘钊
赵强
李江平
何建伟
开庆生
徐炜
徐宏开
范厚本
郭泗东
张滔
李璞
李志恒
王良
王一良
龚维强
李大铭
聂方
王宏宾
梁宝红
尹胜超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING BEYOND TRAFFIC TECHNOLOGY Co Ltd
Original Assignee
BEIJING BEYOND TRAFFIC TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BEIJING BEYOND TRAFFIC TECHNOLOGY Co Ltd filed Critical BEIJING BEYOND TRAFFIC TECHNOLOGY Co Ltd
Priority to CN201710160522.1A priority Critical patent/CN106910338A/zh
Publication of CN106910338A publication Critical patent/CN106910338A/zh
Pending legal-status Critical Current

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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明所述的基于多元数据的精准计算高速公路受阻系数的方法和系统，在电子地图所辖区域高速公路双向道路上以及收费站进出口处、分流合流点处标注检测点，为了获得准确的检测点的路况数据，通过三种数据进行融合，根据每一检测点的路况数据以及与其紧邻的下游检测点的路况数据，能够判断检测点是否为拥堵源头，如果确定检测点为拥堵源头，则根据该检测点与下游紧邻检测点之间的路况数据的差异得到该拥堵源头的受阻系数。

Description

基于多元数据的精准计算高速公路受阻系数的方法和系统
技术领域
本发明涉及高速公路管理领域，具体是一种基于多元数据的精准计算高速公路受阻系数的方法和系统。
背景技术
目前，我国高速公路长度截止2015年底已居世界第一位，通车里程已达到11.7万公里。但是，在经济发达地区的高速公路已处于饱和状态，尤其是节假日免费通行导致的高速公路拥堵已成为常态，如何确保高速公路的有序、安全、畅通，是各级政府部门关注的焦点。从国家层面到各省市的管理部门都想及时掌握当前或某一段时间内的高速公路的运行状态。目前，国内外对高速公路的拥堵状况没有定量的评价方法，各级政府决策部门和管理者都需要定量的分析当前或在一个时间段内某一个辖区内的高速公路拥堵到什么程度，导致拥堵的源头在哪里。实现上述目标的关键体现在三个方面：一是：整合多元路况信息，特别是手机的位置和速度信息；二是：找准拥堵源头；三是：构建模型精准计算受阻系数。但是现有技术中的拥堵检测方法无法解决上述关键问题。
发明内容
本发明旨在提供一种基于多元数据的精准计算高速公路受阻系数的方法和系统，实现根据移动通讯手机实时位置、速度、互联网中实时路况网云数据和雷达检测数据精准快速发现辖区内拥堵源头并计算拥堵源头的受阻系数。
为此，本发明提供如下技术方案：
一种基于多元数据的精准计算高速公路受阻系数的方法，包括如下步骤：
在电子地图上所辖区域高速公路双向道路上以及收费站进出口处、分流合流点处标注检测点，相邻两个检测点之间的距离小于设定阈值；
为每一个检测点配置一数据表及检测范围，所述数据表中记录该检测点的地理位置坐标，实时路况数据，该检测点是否为拥堵源头，该检测点成为拥堵源头的时刻、持续时间以及次数；所述检测范围的起点为该检测点和上游紧邻检测点的中点位置，所述检测范围的终点为该检测点和下游紧邻检测点的中点位置；
实时获取位于所述区域内的所有手机的位置和速度数据，将每一手机的位置和速度数据关联至所述电子地图中对应的地理位置坐标上，根据每一检测点检测范围内的所有手机的平均移动速度，得该检测点的第一实时路况数据；
通过互联网读取路况云数据，根据路况云数据确定每一检测点对应的地理位置坐标上的实时路况数据，得到检测点的第二实时路况数据；
在周期性拥堵发生路段，采用雷达跟踪高速公路上的行驶车辆并实时采集每一台车辆的行驶速度，根据每一台车辆的行驶速度得到检测点对应的平均行驶速度，根据检测点对应的平均行驶速度与其所在路段的最高限速值的比值得到第三实时路况数据；
在非周期性拥堵路段融合所述第一实时路况数据和所述第二路况数据得到每一检测点的路况数据，在周期性拥堵路段融合所述第一实时路况数据和所述第三实时路况数据得到每一检测点的路况数据；将实时路况数据分为严重拥堵、拥堵、缓慢、畅通四类，将分类结果标注到电子地图上所对应的检测点上，同时记录至数据表中；
对于每一检测点，根据其路况数据以及其下游紧邻检测点的路况数据确定该检测点是否为拥堵源头，并将判断结果记录至数据表中；
对于每一拥堵源头检测点，根据其路况数据与下游紧邻检测点的路况数据计算该拥堵源头的受阻系数，并将计算结果记录至数据表中；集合所述区域内全部拥堵源头的受阻系数得到所述区域的总受阻系数。
上述方法中，实时获取位于所述区域内的所有手机的位置和速度数据，将每一手机的位置和速度数据关联至所述电子地图中对应的地理位置坐标上，根据每一检测点检测范围内的所有手机的平均移动速度，得该检测点的第一实时路况数据，具体包括：
针对每一检测点，若其检测范围内没有与手机的位置数据对应的位置坐标，则直接将该检测点的路况数据确定为畅通，否则获取其检测范围内每一手机的移动速度Vi，其中1≤i≤N，N为该检测点检测范围内的手机总数；
根据以下公式计算该检测点对应的所有手机的平均移动速度：
若移动速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该检测点的路况数据为畅通；
若移动速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该检测点的路况数据为缓慢；
若移动速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该检测点的路况数据为拥堵；
若移动速度与其所在路段的最高限速值的比值小于第三阈值，则该检测点的路况数据为严重拥堵。
上述方法中，在周期性拥堵发生路段，采用雷达跟踪高速公路上的行驶每一台车辆并实时采集每一台车辆的行驶速度，根据每一台车辆的行驶速度得到检测点对应的平均行驶速度，根据检测点对应的平均行驶速度与其所在路段的最高限速值的比值得到第三实时路况数据，具体包括：
针对每一检测点，若与该检测点对应的检测范围内无行驶车辆，则直接将该检测点的路况数据标注为绿色，否则获取每一秒钟雷达采集到的与该检测点对应的检测范围内的每一车辆的行驶速度Vj，其中1≤j≤M，M为检测时间内该检测点对应的检测范围内的车辆总数；
根据以下公式计算该检测点的平均行驶速度：
若行驶速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该车辆当前所在位置的检测点路况为绿色；
若行驶速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该车辆当前所在位置的检测点路况为黄色；
若行驶速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该车辆当前所在位置的检测点路况为红色；
若行驶速度与其所在路段的最高限速值的比值小于第三阈值，则该车辆当前所在位置的检测点路况为深红色。
上述方法中，对于每一检测点，根据其路况数据以及其下游紧邻检测点的路况数据确定该检测点是否为拥堵源头，并将判断结果记录至数据表中，具体包括：
若检测点上标注为严重拥堵且下游紧邻的检测点上不是严重拥堵，则该检测点确定为拥堵源头；
若检测点上标注为拥堵且下游紧邻的检测点上不是严重拥堵或拥堵，则该检测点确定为拥堵源头；
若检测点上标注为缓慢且下游紧邻的检测点上不是严重拥堵或拥堵或缓慢，则该检测点确定为拥堵源头。
上述方法中，对于每一拥堵源头检测点，根据其路况数据与下游紧邻检测点的路况数据计算该拥堵源头的受阻系数，并将计算结果记录至数据表中，具体包括：
若其为严重拥堵而下游紧邻检测点为畅通，则当前时刻下该拥堵源头的受阻系数加第一数值；
若其为严重拥堵而下游紧邻检测点为缓慢，则当前时刻下该拥堵源头的受阻系数加第二数值；
若其为严重拥堵而下游紧邻检测点为拥堵，则当前时刻下该拥堵源头的受阻系数加第三数值，其中第一数值>第二数值>第三数值；
若其为拥堵而下游紧邻检测点为畅通，则当前时刻下该拥堵源头的受阻系数加第二数值；
若其为拥堵而下游紧邻检测点为缓慢，则当前时刻下该拥堵源头的受阻系数加第三数值；
若其为缓慢，则当前时刻下该拥堵源头的受阻系数加第三数值；
若其路况数据变为畅通则当前时刻下该拥堵源头的受阻系数清零。
本发明还提供一种基于多元数据的精准计算高速公路受阻系数的系统，包括：
电子地图标注单元，在电子地图上所辖区域高速公路双向道路上以及收费站进出口处、分流合流点处标注检测点，相邻两个检测点之间的距离小于设定阈值；
检测点配置单元，为每一个检测点配置一数据表及检测范围，所述数据表中记录该检测点的地理位置坐标，实时路况数据，该检测点是否为拥堵源头，该检测点成为拥堵源头的时刻、持续时间以及次数；所述检测范围的起点为该检测点和上游紧邻检测点的中点位置，所述检测范围的终点为该检测点和下游紧邻检测点的中点位置；
第一数据获取单元，实时获取位于所述区域内的所有手机的位置和速度数据，将每一手机的位置和速度数据关联至所述电子地图中对应的地理位置坐标上，根据每一检测点检测范围内的所有手机的平均移动速度，得该检测点的第一实时路况数据；
第二数据获取单元，通过互联网读取路况云数据，根据路况云数据确定每一检测点对应的地理位置坐标上的实时路况数据，得到检测点的第二实时路况数据；
第三数据获取单元，在周期性拥堵发生路段，采用雷达技术跟踪高速公路上的每一台行驶车辆并实时采集每一台车辆的行驶速度，根据车辆的行驶速度得到检测点对应的平均行驶速度，根据检测点对应的平均行驶速度与其所在路段的最高限速值的比值得到第三实时路况数据；
数据融合单元，在非周期性拥堵路段融合所述第一实时路况数据和所述第二路况数据得到每一检测点的路况数据，在周期性拥堵路段融合所述第一实时路况数据和所述第三实时路况数据得到每一检测点的路况数据；将实时路况数据分为严重拥堵、拥堵、缓慢、畅通四类，将分类结果标注到电子地图上所对应的检测点上，同时记录至数据表中；
拥堵源头判断单元，对于每一检测点，根据其路况数据以及其下游紧邻检测点的路况数据确定该检测点是否为拥堵源头，并将判断结果记录至数据表中；
受阻系数计算单元，对于每一拥堵源头检测点，根据其路况数据与下游紧邻检测点的路况数据计算该拥堵源头的受阻系数，并将计算结果记录至数据表中；集合所述区域内全部拥堵源头的受阻系数得到所述区域的总受阻系数。
上述系统中，第一数据获取单元具体用于：
针对每一检测点，若其检测范围内没有与手机的位置数据对应的位置坐标，则直接将该检测点的路况数据确定为畅通，否则获取其检测范围内每一手机的移动速度Vi，其中1≤i≤N，N为该检测点检测范围内的手机总数；
根据以下公式计算该检测点对应的所有手机的平均移动速度：
若移动速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该检测点的路况数据为畅通；
若移动速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该检测点的路况数据为缓慢；
若移动速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该检测点的路况数据为拥堵；
若移动速度与其所在路段的最高限速值的比值小于第三阈值，则该检测点的路况数据为严重拥堵。
上述系统中，第三数据获取单元具体用于：
针对每一检测点，若与该检测点对应的检测范围内无行驶车辆，则直接将该检测点的路况数据标注为绿色，否则获取每一秒钟雷达采集到的与该检测点对应的检测范围内的每一车辆的行驶速度Vj，其中1≤j≤M，M为检测时间内该检测点对应的检测范围内的车辆总数；
根据以下公式计算该检测点的平均行驶速度：
若行驶速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该车辆当前所在位置的检测点路况为绿色；
若行驶速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该车辆当前所在位置的检测点路况为黄色；
若行驶速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该车辆当前所在位置的检测点路况为红色；
若行驶速度与其所在路段的最高限速值的比值小于第三阈值，则该车辆当前所在位置的检测点路况为深红色。
上述系统中，拥堵源头判断单元具体用于：
若检测点上标注为严重拥堵且下游紧邻的检测点上不是严重拥堵，则该检测点确定为拥堵源头；
若检测点上标注为拥堵且下游紧邻的检测点上不是严重拥堵或拥堵，则该检测点确定为拥堵源头；
若检测点上标注为缓慢且下游紧邻的检测点上不是严重拥堵或拥堵或缓慢，则该检测点确定为拥堵源头。
上述系统中，受阻系数计算单元具体用于：
若其为严重拥堵而下游紧邻检测点为畅通，则当前时刻下该拥堵源头的受阻系数加第一数值；
若其为严重拥堵而下游紧邻检测点为缓慢，则当前时刻下该拥堵源头的受阻系数加第二数值；
若其为严重拥堵而下游紧邻检测点为拥堵，则当前时刻下该拥堵源头的受阻系数加第三数值，其中第一数值>第二数值>第三数值；
若其为拥堵而下游紧邻检测点为畅通，则当前时刻下该拥堵源头的受阻系数加第二数值；
若其为拥堵而下游紧邻检测点为缓慢，则当前时刻下该拥堵源头的受阻系数加第三数值；
若其为缓慢，则当前时刻下该拥堵源头的受阻系数加第三数值；
若其路况数据变为畅通则当前时刻下该拥堵源头的受阻系数清零。
本发明所述的基于多元数据的精准计算高速公路受阻系数的方法和系统，在电子地图所辖区域高速公路双向道路上以及收费站进出口处、分流合流点处标注检测点，为了获得准确的检测点的路况数据，通过三种数据进行融合，分别是：根据从移动通信数据中心获取手机位置和速度数据得到的第一实时路况数据、根据互联网实时读取路况数据得到的第二实时路况数据、根据雷达检测数据得到的第三实时路况数据，在非周期性拥堵路段融合所述第一实时路况数据和所述第二路况数据得到每一检测点的路况数据，在周期性拥堵路段融合所述第一实时路况数据和所述第三实时路况数据得到每一检测点的路况数据。根据每一检测点的路况数据以及与其紧邻的下游检测点的路况数据，能够判断检测点是否为拥堵源头，如果确定检测点为拥堵源头，在电子地图上检测点的位置处直接将其标注为拥堵源头。计算该拥堵源头的受阻系数，并将受阻系数也标注在拥堵源头处。受阻系数是将整个区域内所有高速公路细分为多个检测点之后，根据每一检测点以及与之相邻的检测点的路况得到的，能够更加精准的反映整个区域的所有检测点的路况，而且还能够通过电子地图直观的反映出来，提示给交通管理者，系统一旦发现受阻系数不等于零即说明当前辖区内已出现拥堵源头，系统自动提示拥堵源头出现的准确位置，可以辅助交通管理部门快速采取相应措施，将拥堵源头消灭在萌芽状态或缩短拥堵源头的持续时间。
附图说明
为了使本发明的内容更容易被清楚的理解，下面结合附图，对本发明作进一步详细的说明，其中，
图1为本发明一个实施例所述基于多元数据的精准计算高速公路受阻系数的方法的流程图；
图2为本发明一个实施例所述辖区高速公路电子地图标注检测点以及手机位置数据的关系示意图；
图3为本发明一个实施例所述路况数据融合原理示意图；
图4为本发明一个实施例所述根据手机位置和速度计算得到检测点实时路况数据的方法流程图；
图5为本发明一个实施例所述判断检测点是否为拥堵源头的方法流程图；
图6为本发明一个实施例所述计算拥堵源头受阻系数的方法流程图；
图7为本发明一个实施例所述基于多元数据的精准计算高速公路受阻系数的系统的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。并且下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种基于多元数据的精准计算高速公路受阻系数的方法，用于交通控制系统中，如图1所示，包括如下步骤：
S1：在电子地图上所辖区域高速公路双向道路上以及收费站进出口处、分流合流点处标注检测点，相邻两个检测点之间的距离小于设定阈值；如图2所示。两个相邻检测点之间的实际距离可以设定在200米左右，图中箭头表示行驶方向。在高速公路上，收费站进出口处、分流合流点处车辆必须停车取卡或缴费、或者需要降速行驶，因此这些位置最为容易出现拥堵，因此将检测点标注在这些位置，当出现拥堵时立即发现并处理，避免拥堵扩散或者延长持续时间。
S2：为每一个检测点配置一数据表及检测范围，所述数据表中记录该检测点的地理位置坐标，实时路况数据，该检测点是否为拥堵源头，该检测点成为拥堵源头的时刻、持续时间以及次数；所述检测范围的起点为该检测点和上游紧邻检测点的中点位置，所述检测范围的终点为该检测点和下游紧邻检测点的中点位置；如果某一检测点上游无其他检测点，则以其自身作为起点，同样地，如果某一检测点下游无其他检测点，则以其自身作为终点。实时路况数据可以为深红色、红色、黄色和绿色，采用深红色表示严重拥堵、采用红色表示拥堵、采用黄色表示缓慢、采用绿色表示畅通，而实时路况数据也会包括地理位置坐标和地理位置坐标的路况，当读取到某一检测点的路况数据后，直接将将其与电子地图上的地理位置坐标相关联。
具体地，数据表的形式如表1所示：
表1
S3：实时获取位于所述区域内的所有手机的位置和速度数据，将每一手机的位置和速度数据关联至所述电子地图中对应的高速公路地理位置坐标上，根据每一检测点检测范围内的所有手机的平均移动速度，得该检测点的第一实时高速公路路况数据；现有的手机均具有定位功能模块，并且实时将自身位置信息发送至移动通信数据中心，如现有的LBS(Location Based Service，基于位置的服务)，通过电信移动运营商的无线电通讯网络(如GSM网、CDMA网)或外部定位方式(如GPS)获取手机用户的位置信息(地理坐标，或大地坐标)，在GIS(Geographic Information System，地理信息系统)平台的支持下，为用户提供相应服务。因此，可直接从移动通信数据中心获取每一手机的具体位置和速度数据。因为电子地图上记录着高速公路地理位置坐标信息，可直接将手机的位置坐标信息与电子地图的位置坐标信息进行比对，将手机的位置信息和速度数据标注到电子地图的相应高速公路位置处，如图2所示，图中实心点即为检测点，在检测点之间的空心圈即表示为手机所在位置。现有的导航方法中虽然也可以获得路况数据，但是其必须要求用户使用该导航系统方能得到准确数据，一旦用户没有使用导航系统，导航系统便无法得到路况数据。而采用本方案，直接通过移动通信数据中心获得手机的位置和速度数据，只要手机处于开机状态即可得到其具体的位置和速度，就能够得到准确的路况数据。
S4：通过互联网读取路况云数据，根据路况云数据确定每一检测点对应的地理位置坐标上的实时路况数据，得到检测点的第二实时路况数据；具体地，现有很多政府部门将路况信息数据发布至互联网上，这些数据也都是可以免费获取的，本步骤可直接从互联网上读取相应的路况数据即可。
S5：在周期性拥堵发生路段，采用雷达跟踪高速公路上的行驶车辆并实时采集每一台车辆的行驶速度，根据每一台车辆的行驶速度得到检测点对应的行驶速度，根据检测点对应的平均行驶速度与其所在路段的最高限速值的比值得到第三实时路况数据；由于雷达测速装置的成本较高，因此只选定周期性拥堵的路段安装。针对每一检测点，雷达采集到的与该检测点距离最近的所有位置点的每一台车辆的行驶速度求取平均值后作为该检测点的平均行驶速度；
S6：在非周期性拥堵路段融合所述第一实时路况数据和所述第二路况数据得到每一检测点的路况数据，在周期性拥堵路段融合所述第一实时路况数据和所述第三实时路况数据得到每一检测点的路况数据，如图3所示；将实时路况数据分为严重拥堵、拥堵、缓慢、畅通四类，将分类结果标注到电子地图上所对应的检测点上，同时记录至数据表中；
S7：对于每一检测点，根据其路况数据以及其下游紧邻检测点的路况数据确定该检测点是否为拥堵源头，并将判断结果记录至数据表中；
S8：对于每一拥堵源头检测点，根据其路况数据与下游紧邻检测点的路况数据计算该拥堵源头的受阻系数，并将计算结果记录至数据表中；集合所述区域内全部拥堵源头的受阻系数得到所述区域的总受阻系数。
本实施例的上述方案，在电子地图所辖区域高速公路双向道路上以及收费站进出口处、分流合流点处标注检测点，为了获得准确的检测点的路况数据，通过三种数据进行融合，分别是：根据从移动通信数据中心获取手机位置和速度数据得到的第一实时路况数据、根据互联网实时读取路况数据得到的第二实时路况数据、根据雷达检测数据得到的第三实时路况数据，在非周期性拥堵路段融合所述第一实时路况数据和所述第二路况数据得到每一检测点的路况数据，在周期性拥堵路段融合所述第一实时路况数据和所述第三实时路况数据得到每一检测点的路况数据。根据每一检测点的路况数据以及与其紧邻的下游检测点的路况数据，能够判断检测点是否为拥堵源头，如果确定检测点为拥堵源头，在电子地图上检测点的位置处直接将其标注为拥堵源头。计算该拥堵源头的受阻系数，并将受阻系数也标注在拥堵源头处。受阻系数是将整个区域内所有高速公路细分为多个检测点之后，根据每一检测点以及与之相邻的检测点的路况得到的，能够更加精准的反映整个区域的所有检测点的路况，而且还能够通过电子地图直观的反映出来，提示给交通管理者，系统一旦发现受阻系数不等于零即说明当前辖区内已出现拥堵源头，系统自动提示拥堵源头出现的准确位置，可以辅助交通管理部门快速采取相应措施，将拥堵源头消灭在萌芽状态或缩短拥堵源头的持续时间。
实施例2
在实施例1的基础上，如图4所示，本实施例中步骤S3可通过如下步骤得到：
S31：针对每一检测点，若其检测范围内没有与手机的位置数据对应的位置坐标，则直接将该检测点的路况数据确定为绿色，否则获取其检测范围内每一手机的移动速度Vi，其中1≤i≤N，N为该检测点检测范围内的手机总数；
S32：根据以下公式计算该检测点对应的所有手机的平均移动速度：
S33：若移动速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该检测点的路况数据为绿色；
S34：若移动速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该检测点的路况数据为黄色；
S35：若移动速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该检测点的路况数据为红色；
S36：若移动速度与其所在路段的最高限速值的比值小于第三阈值，则该检测点的路况数据为深红色。
进一步地，步骤S5可通过如下步骤实现：
S51：针对每一检测点，若与该检测点对应的检测范围内无行驶车辆，则直接将该检测点的路况数据标注为绿色，否则获取每一秒钟雷达采集到的与该检测点对应的检测范围内的每一车辆的行驶速度Vj，其中1≤j≤M，M为检测时间内该检测点对应的检测范围内的车辆总数；
S52：根据以下公式计算该检测点的行驶速度：
S53：若行驶速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该车辆当前所在位置的检测点路况为绿色；
S54：若行驶速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该车辆当前所在位置的检测点路况为黄色；
S55：若行驶速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该车辆当前所在位置的检测点路况为红色；
S56：若行驶速度与其所在路段的最高限速值的比值小于第三阈值，则该车辆当前所在位置的检测点路况为深红色。
以上，所述第一阈值、第二阈值和第三阈值可以根据实际情况自行设置，例如第一阈值选择为0.6，第二阈值选择为0.4，第三阈值选择为0.2。
实施例3
在本实施例中，如图5所示，所述步骤S7通过如下步骤实现：
S71：判断某一编号的检测点上是否为深红色，若是则执行步骤S72，否则执行步骤S73；
S72：判断该编号检测点下游紧邻的检测点上是否为深红色，若否则执行步骤S77，若是则返回步骤S3；
S73：判断该编号检测点上是否为红色，若是则执行步骤S74，否则执行步骤S75；
S74：判断该编号检测点下游紧邻的检测点上是否为深红色或红色，若否则执行步骤S77，若是则返回步骤S3；
S75：判断该编号检测点上是否为黄色，若是则执行步骤S76，否则返回步骤S3；
S76：判断该编号检测点下游紧邻的检测点上是否为深红色或红色或黄色，若否则执行步骤S77，若是则返回步骤S3；
S77：确定该编号检测点为拥堵源头。
也就是说，如果某一检测点为深红色，但是其下游紧邻的检测点不是深红色则该检测点为拥堵源头。如果某一检测点为红色，但是其下游紧邻的检测点不是深红色也不是红色，则该检测点为拥堵源头。如果某一检测点为黄色，但是其下游检测点不是深红色也不是红色也不是黄色，则该检测点为拥堵源头。采用该判断方式可以非常简单快速地得到拥堵源头所对应的检测点，并能够根据检测点与地理位置坐标的对应关系确定拥堵源头所在的具体位置，为快速消除拥堵源头提供了保障。
实施例4
进一步地，如图6所示，所述步骤S8中，通过如下方式计算拥堵源头的受阻系数：
S81：判断拥堵源头是否为深红色，若是则执行步骤S82，否则执行步骤S84。
S82：判断下游紧邻检测点是否为绿色，若是则当前时刻下该拥堵源头的受阻系数加第一数值，若否则执行步骤S83，所述第一数值可以根据实际情况进行选择，本实施例中选择为1.5。
S83：判断下游紧邻检测点是否为黄色，若是则当前时刻下该拥堵源头的受阻系数加第二数值；所述第二数值可以根据实际情况进行选择，本实施例中选择为1；否则当前时刻下该拥堵源头的受阻系数加第三数值，所述第三数值可以根据实际情况进行选择，本实施例中选择为0.5。
S84：判断拥堵源头是否为红色，若是则执行步骤S85，否则执行步骤S86。
S85：判断下游紧邻检测点是否为绿色，若是则当前时刻下该拥堵源头的受阻系数加第二数值，否则执行步骤S86。
S86：当前时刻下该拥堵源头的受阻系数加第三数值。
S87：每隔预设周期均将区域内变为绿色的拥堵源头的受阻系数清零。所述预设周期可以根据实际情况进行选择，本实施例中可选择2秒钟。
也就是说，对于作为拥堵源头的检测点，根据其下游方向与之紧邻的检测点的路况与其路况之间的差异来确定该拥堵源头的受阻系数。如果其下游紧邻检测点的路况与该拥堵源头的路况差距越大，说明该拥堵源头对于下游的阻力较大，因此受阻系数应该越大。例如，某一拥堵源头为深红色，而下游方向与之紧邻的检测点为绿色的情况和下游方向与之紧邻的检测点为红色的情况，前者的受阻系数要大于后者。
实施例5
本实施例提供一种基于多元数据的精准计算高速公路受阻系数的系统，如图7所示，包括：
电子地图标注单元1，在电子地图上所辖区域高速公路双向道路上以及收费站进出口处、分流合流点处标注检测点，相邻两个检测点之间的距离小于设定阈值；在高速公路上，收费站进出口处、分流合流点处车辆必须停车取卡或缴费、或者需要降速行驶，因此这些位置最为容易出现拥堵，因此将检测点标注在这些位置，当出现拥堵时立即发现并处理，避免拥堵扩散或者延长持续时间。
检测点配置单元2，为每一个检测点配置一数据表及检测范围，所述数据表中记录该检测点的地理位置坐标，实时路况数据，该检测点是否为拥堵源头，该检测点成为拥堵源头的时刻、持续时间以及次数；所述检测范围的起点为该检测点和上游紧邻检测点的中点位置，所述检测范围的终点为该检测点和下游紧邻检测点的中点位置；如果某一检测点上游无其他检测点，则以其自身作为起点，同样地，如果某一检测点下游无其他检测点，则以其自身作为终点。实时路况数据可以为深红色、红色、黄色和绿色，采用深红色表示严重拥堵、采用红色表示拥堵、采用黄色表示缓慢、采用绿色表示畅通，而实时路况数据也会包括地理位置坐标和地理位置坐标的路况，当读取到某一检测点的路况数据后，直接将其与电子地图上的地理位置坐标相关联。
第一数据获取单元3，实时获取位于所述区域内的所有手机的位置和速度数据，将每一手机的位置和速度数据关联至所述电子地图中对应的地理位置坐标上，根据每一检测点检测范围内的所有手机的平均移动速度，得该检测点的第一实时路况数据；现有的手机均具有定位功能模块，并且实时将自身位置信息发送至移动通信数据中心，如现有的LBS(Location BasedService，基于位置的服务)，通过电信移动运营商的无线电通讯网络(如GSM网、CDMA网)或外部定位方式(如GPS)获取手机用户的位置信息(地理坐标，或大地坐标)，在GIS(Geographic Information System，地理信息系统)平台的支持下，为用户提供相应服务。因此，可直接从移动通信数据中心获取每一手机的具体位置和速度数据。因为电子地图上记录着高速公路地理位置坐标信息，可直接将手机的位置坐标信息与电子地图的高速公路位置坐标信息进行比对，将手机的位置信息和速度数据标注到电子地图的高速公路相应位置处，现有的导航方法中虽然也可以获得高速公路路况数据，但是其必须要求用户使用该导航系统方能得到准确数据，一旦用户没有使用导航系统，导航系统便无法得到路况数据。而采用本方案，直接通过移动通信数据中心获得手机的位置和速度数据，只要手机处于开机状态即可得到其具体的位置和速度，就能够得到准确的路况数据。
第二数据获取单元4，通过互联网读取路况云数据，根据路况云数据确定每一检测点对应的地理位置坐标上的实时路况数据，得到检测点的第二实时路况数据；本步骤可直接从互联网上读取相应的高速公路路况数据即可。
第三数据获取单元5，在周期性拥堵发生路段，采用雷达跟踪高速公路上的行驶每一台车辆并实时采集车辆的行驶速度，根据每一台车辆的行驶速度得到检测点对应的平均行驶速度，根据检测点对应的平均行驶速度与其所在高速公路路段的最高限速值的比值得到第三实时路况数据；由于雷达测速装置的成本较高，因此只选定周期性拥堵的路段安装。针对每一检测点，雷达采集到的与该检测点距离最近的所有位置点的车辆的行驶速度求取平均值后作为该检测点的平均行驶速度；
数据融合单元6，在非周期性拥堵路段融合所述第一实时路况数据和所述第二路况数据得到每一检测点的路况数据，在周期性拥堵路段融合所述第一实时路况数据和所述第三实时路况数据得到每一检测点的路况数据；将实时路况数据分为严重拥堵、拥堵、缓慢、畅通四类，将分类结果标注到电子地图上所对应的检测点上，同时记录至数据表中；
拥堵源头判断单元7，对于每一检测点，根据其路况数据以及其下游紧邻检测点的路况数据确定该检测点是否为拥堵源头，并将判断结果记录至数据表中；
受阻系数计算单元8，对于每一拥堵源头检测点，根据其路况数据与下游紧邻检测点的路况数据计算该拥堵源头的受阻系数，并将计算结果记录至数据表中；集合所述区域内全部拥堵源头的受阻系数得到所述区域的总受阻系数。
以上方案中，根据每一检测点的路况数据以及与其紧邻的下游检测点的路况数据，能够判断检测点是否为拥堵源头，如果确定检测点为拥堵源头，在电子地图上检测点的位置处直接将其标注为拥堵源头。计算该拥堵源头的受阻系数，并将受阻系数也标注在拥堵源头处。受阻系数是将整个区域内所有高速公路细分为多个检测点之后，根据每一检测点以及与之相邻的检测点的路况得到的，能够更加精准的反映整个区域的所有检测点的高速公路路况，而且还能够通过电子地图直观的反映出来，提示给交通管理者，系统一旦发现受阻系数不等于零即说明当前辖区内已出现拥堵源头，系统自动提示拥堵源头出现的准确位置，可以辅助交通管理部门快速采取相应措施，将拥堵源头消灭在萌芽状态或缩短拥堵源头的持续时间。
优选地，所述第一数据获取单元3具体用于：
针对每一检测点，若其检测范围内没有与手机的位置数据对应的位置坐标，则直接将该检测点的路况数据确定为畅通，否则获取其检测范围内每一手机的移动速度Vi，其中1≤i≤N，N为该检测点检测范围内的手机总数；
根据以下公式计算该检测点对应的所有手机的平均移动速度：
若移动速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该检测点的路况数据为畅通；
若移动速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该检测点的路况数据为缓慢；
若移动速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该检测点的路况数据为拥堵；
若移动速度与其所在路段的最高限速值的比值小于第三阈值，则该检测点的路况数据为严重拥堵。
同样的原理，所述第三数据获取单元5具体用于：
针对每一检测点，若与该检测点对应的检测范围内无行驶车辆，则直接将该检测点的路况数据标注为绿色，否则获取每一秒钟雷达采集到的与该检测点对应的检测范围内的每一车辆的行驶速度Vj，其中1≤j≤M，M为检测时间内该检测点对应的检测范围内的车辆总数；
根据以下公式计算该检测点的平均行驶速度：
若行驶速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该车辆当前所在位置的检测点路况为绿色；
若行驶速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该车辆当前所在位置的检测点路况为黄色；
若行驶速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该车辆当前所在位置的检测点路况为红色；
若行驶速度与其所在路段的最高限速值的比值小于第三阈值，则该车辆当前所在位置的检测点路况为深红色。
进一步优选地，拥堵源头判断单元7具体用于：
若检测点上标注为严重拥堵且下游紧邻的检测点上不是严重拥堵，则该检测点确定为拥堵源头；
若检测点上标注为拥堵且下游紧邻的检测点上不是严重拥堵或拥堵，则该检测点确定为拥堵源头；
若检测点上标注为缓慢且下游紧邻的检测点上不是严重拥堵或拥堵或缓慢，则该检测点确定为拥堵源头。
也就是说，如果某一检测点为深红色，但是其下游紧邻的检测点不是深红色则该检测点为拥堵源头。如果某一检测点为红色，但是其下游紧邻的检测点不是深红色也不是红色，则该检测点为拥堵源头。如果某一检测点为黄色，但是其下游检测点不是深红色也不是红色也不是黄色，则该检测点为拥堵源头。采用该判断方式可以非常简单快速地得到拥堵源头所对应的检测点，并能够根据检测点与地理位置坐标的对应关系确定拥堵源头所在的具体位置，为快速消除拥堵源头提供了保障。
进一步地，受阻系数计算单元8具体用于：
若其为严重拥堵而下游紧邻检测点为畅通，则当前时刻下该拥堵源头的受阻系数加第一数值；
若其为严重拥堵而下游紧邻检测点为缓慢，则当前时刻下该拥堵源头的受阻系数加第二数值；
若其为严重拥堵而下游紧邻检测点为拥堵，则当前时刻下该拥堵源头的受阻系数加第三数值，其中第一数值>第二数值>第三数值；
若其为拥堵而下游紧邻检测点为畅通，则当前时刻下该拥堵源头的受阻系数加第二数值；
若其为拥堵而下游紧邻检测点为缓慢，则当前时刻下该拥堵源头的受阻系数加第三数值；
若其为缓慢，则当前时刻下该拥堵源头的受阻系数加第三数值；
若其路况数据变为畅通则当前时刻下该拥堵源头的受阻系数清零。
也就是说，对于作为拥堵源头的检测点，根据其下游方向与之紧邻的检测点的路况与其路况之间的差异来确定该拥堵源头的受阻系数。如果其下游紧邻检测点的路况与该拥堵源头的路况差距越大，说明该拥堵源头对于下游的阻力较大，因此受阻系数应该越大。例如，某一拥堵源头为深红色，而下游方向与之紧邻的检测点为绿色的情况和下游方向与之紧邻的检测点为红色的情况，前者的受阻系数要大于后者。
在上述方案的基础上，还可包括提示模块，根据所述区域内每一检测点成为拥堵源头的次数得到区域内拥堵发生次数，并显示在当前时刻该区域内拥堵源头的数量以及拥堵源头所在位置。具体地，在交通管理部门的控制中心，都设置有大屏显示系统，可以通过显示屏显示受阻系数和拥堵源头的数量及位置以提示交通管理者。本实施例中的上述方案，就可以通过显示屏显示区域内每一检测点的颜色、每一检测点是否为拥堵源头、如果该检测点为拥堵源头还可以显示拥堵源头的受阻系数，而且对于每一个检测点来说，还能够记录其成为拥堵源头的次数以及其作为拥堵源头时的拥堵持续时间等信息。管理者能够根据所提示的信息选择最佳处理方案，缓解拥堵源头所带来的影响。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种基于多元数据的精准计算高速公路受阻系数的方法，其特征在于，包括如下步骤：
在电子地图上所辖区域高速公路双向道路上以及收费站进出口处、分流合流点处标注检测点，相邻两个检测点之间的距离小于设定阈值；
为每一个检测点配置一数据表及检测范围，所述数据表中记录该检测点的地理位置坐标，实时路况数据，该检测点是否为拥堵源头，该检测点成为拥堵源头的时刻、持续时间以及次数；所述检测范围的起点为该检测点和上游紧邻检测点的中点位置，所述检测范围的终点为该检测点和下游紧邻检测点的中点位置；
实时获取位于所述区域内的所有手机的位置和速度数据，将每一手机的位置和速度数据关联至所述电子地图中对应的地理位置坐标上，根据每一检测点检测范围内的所有手机的平均移动速度，得该检测点的第一实时路况数据；
通过互联网读取路况云数据，根据路况云数据确定每一检测点对应的地理位置坐标上的实时路况数据，得到检测点的第二实时路况数据；
在周期性拥堵发生路段，采用雷达跟踪高速公路上的行驶车辆并实时采集每一台车辆的行驶速度，根据每一台车辆的行驶速度得到检测点对应的平均行驶速度，根据检测点对应的平均行驶速度与其所在路段的最高限速值的比值得到第三实时路况数据；
在非周期性拥堵路段融合所述第一实时路况数据和所述第二路况数据得到每一检测点的路况数据，在周期性拥堵路段融合所述第一实时路况数据和所述第三实时路况数据得到每一检测点的路况数据；将实时路况数据分为严重拥堵、拥堵、缓慢、畅通四类，将分类结果标注到电子地图上所对应的检测点上，同时记录至数据表中；
对于每一检测点，根据其路况数据以及其下游紧邻检测点的路况数据确定该检测点是否为拥堵源头，并将判断结果记录至数据表中；
对于每一拥堵源头检测点，根据其路况数据与下游紧邻检测点的路况数据计算该拥堵源头的受阻系数，并将计算结果记录至数据表中；集合所述区域内全部拥堵源头的受阻系数得到所述区域的总受阻系数。
2.根据权利要求1所述的基于多元数据的精准计算高速公路受阻系数的方法，其特征在于，实时获取位于所述区域内的所有手机的位置和速度数据，将每一手机的位置和速度数据关联至所述电子地图中对应的地理位置坐标上，根据每一检测点检测范围内的所有手机的平均移动速度，得该检测点的第一实时路况数据，具体包括：
针对每一检测点，若其检测范围内没有与手机的位置数据对应的位置坐标，则直接将该检测点的路况数据确定为畅通，否则获取其检测范围内每一手机的移动速度Vi，其中1≤i≤N，N为该检测点检测范围内的手机总数；
根据以下公式计算该检测点对应的所有手机的平均移动速度：若移动速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该检测点的路况数据为畅通；
若移动速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该检测点的路况数据为缓慢；
若移动速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该检测点的路况数据为拥堵；
若移动速度与其所在路段的最高限速值的比值小于第三阈值，则该检测点的路况数据为严重拥堵。
3.根据权利要求1所述的基于多元数据的精准计算高速公路受阻系数的方法，其特征在于，在周期性拥堵发生路段，采用雷达跟踪高速公路上的行驶车辆并实时采集每一台车辆的行驶速度，根据每一台车辆的行驶速度得到检测点对应的平均行驶速度，根据检测点对应的平均行驶速度与其所在路段的最高限速值的比值得到第三实时路况数据，具体包括：
针对每一检测点，若与该检测点对应的检测范围内无行驶车辆，则直接将该检测点的路况数据标注为绿色，否则获取每一秒钟雷达采集到的与该检测点对应的检测范围内的每一车辆的行驶速度Vj，其中1≤j≤M，M为检测时间内该检测点对应的检测范围内的车辆总数；
根据以下公式计算该检测点的平均行驶速度：
若行驶速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该车辆当前所在位置的检测点路况为绿色；
若行驶速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该车辆当前所在位置的检测点路况为黄色；
若行驶速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该车辆当前所在位置的检测点路况为红色；
若行驶速度与其所在路段的最高限速值的比值小于第三阈值，则该车辆当前所在位置的检测点路况为深红色。
4.根据权利要求1-3任一项所述的基于多元数据的精准计算高速公路受阻系数的方法，其特征在于，对于每一检测点，根据其路况数据以及其下游紧邻检测点的路况数据确定该检测点是否为拥堵源头，并将判断结果记录至数据表中，具体包括：
若检测点上标注为严重拥堵且下游紧邻的检测点上不是严重拥堵，则该检测点确定为拥堵源头；
若检测点上标注为拥堵且下游紧邻的检测点上不是严重拥堵或拥堵，则该检测点确定为拥堵源头；
若检测点上标注为缓慢且下游紧邻的检测点上不是严重拥堵或拥堵或缓慢，则该检测点确定为拥堵源头。
5.根据权利要求4所述的基于多元数据的精准计算高速公路受阻系数的方法，其特征在于，对于每一拥堵源头检测点，根据其路况数据与下游紧邻检测点的路况数据计算该拥堵源头的受阻系数，并将计算结果记录至数据表中，具体包括：
若其为严重拥堵而下游紧邻检测点为畅通，则当前时刻下该拥堵源头的受阻系数加第一数值；
若其为严重拥堵而下游紧邻检测点为缓慢，则当前时刻下该拥堵源头的受阻系数加第二数值；
若其为严重拥堵而下游紧邻检测点为拥堵，则当前时刻下该拥堵源头的受阻系数加第三数值，其中第一数值>第二数值>第三数值；
若其为拥堵而下游紧邻检测点为畅通，则当前时刻下该拥堵源头的受阻系数加第二数值；
若其为拥堵而下游紧邻检测点为缓慢，则当前时刻下该拥堵源头的受阻系数加第三数值；
若其为缓慢，则当前时刻下该拥堵源头的受阻系数加第三数值；
若其路况数据变为畅通则当前时刻下该拥堵源头的受阻系数清零。
6.一种基于多元数据的精准计算高速公路受阻系数的系统，其特征在于，包括：
电子地图标注单元，在电子地图上所辖区域高速公路双向道路上以及收费站进出口处、分流合流点处标注检测点，相邻两个检测点之间的距离小于设定阈值；
检测点配置单元，为每一个检测点配置一数据表及检测范围，所述数据表中记录该检测点的地理位置坐标，实时路况数据，该检测点是否为拥堵源头，该检测点成为拥堵源头的时刻、持续时间以及次数；所述检测范围的起点为该检测点和上游紧邻检测点的中点位置，所述检测范围的终点为该检测点和下游紧邻检测点的中点位置；
第一数据获取单元，实时获取位于所述区域内的所有手机的位置和速度数据，将每一手机的位置和速度数据关联至所述电子地图中对应的地理位置坐标上，根据每一检测点检测范围内的所有手机的平均移动速度，得该检测点的第一实时路况数据；
第二数据获取单元，通过互联网读取路况云数据，根据路况云数据确定每一检测点对应的地理位置坐标上的实时路况数据，得到检测点的第二实时路况数据；
第三数据获取单元，在周期性拥堵发生路段，采用雷达跟踪高速公路上的行驶车辆并实时采集每一台车辆的行驶速度，根据每一台车辆的行驶速度得到检测点对应的平均行驶速度，根据检测点对应的平均行驶速度与其所在路段的最高限速值的比值得到第三实时路况数据；
数据融合单元，在非周期性拥堵路段融合所述第一实时路况数据和所述第二路况数据得到每一检测点的路况数据，在周期性拥堵路段融合所述第一实时路况数据和所述第三实时路况数据得到每一检测点的路况数据；将实时路况数据分为严重拥堵、拥堵、缓慢、畅通四类，将分类结果标注到电子地图上所对应的检测点上，同时记录至数据表中；
拥堵源头判断单元，对于每一检测点，根据其路况数据以及其下游紧邻检测点的路况数据确定该检测点是否为拥堵源头，并将判断结果记录至数据表中；
受阻系数计算单元，对于每一拥堵源头检测点，根据其路况数据与下游紧邻检测点的路况数据计算该拥堵源头的受阻系数，并将计算结果记录至数据表中；集合所述区域内全部拥堵源头的受阻系数得到所述区域的总受阻系数。
7.根据权利要求6所述的基于多元数据的精准计算高速公路受阻系数的系统，其特征在于，第一数据获取单元具体用于：
针对每一检测点，若其检测范围内没有与手机的位置数据对应的位置坐标，则直接将该检测点的路况数据确定为畅通，否则获取其检测范围内每一手机的移动速度Vi，其中1≤i≤N，N为该检测点检测范围内的手机总数；
根据以下公式计算该检测点对应的所有手机的平均移动速度：
若移动速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该检测点的路况数据为畅通；
若移动速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该检测点的路况数据为缓慢；
若移动速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该检测点的路况数据为拥堵；
若移动速度与其所在路段的最高限速值的比值小于第三阈值，则该检测点的路况数据为严重拥堵。
8.根据权利要求6所述的基于多元数据的精准计算高速公路受阻系数的系统，其特征在于，第三数据获取单元具体用于：
针对每一检测点，若与该检测点对应的检测范围内无行驶车辆，则直接将该检测点的路况数据标注为绿色，否则获取每一秒钟雷达采集到的与该检测点对应的检测范围内的每一车辆的行驶速度Vj，其中1≤j≤M，M为检测时间内该检测点对应的检测范围内的车辆总数；
根据以下公式计算该检测点的平均行驶速度：
若行驶速度与其所在路段的最高限速值的比值大于或等于第一阈值，则该车辆当前所在位置的检测点路况为绿色；
若行驶速度与其所在路段的最高限速值的比值大于或等于第二阈值同时小于第一阈值，则该车辆当前所在位置的检测点路况为黄色；
若行驶速度与其所在路段的最高限速值的比值大于或等于第三阈值同时小于第二阈值，则该车辆当前所在位置的检测点路况为红色；
若行驶速度与其所在路段的最高限速值的比值小于第三阈值，则该车辆当前所在位置的检测点路况为深红色。
9.根据权利要求6-8任一项所述的基于多元数据的精准计算高速公路受阻系数的系统，其特征在于，拥堵源头判断单元具体用于：
若检测点上标注为严重拥堵且下游紧邻的检测点上不是严重拥堵，则该检测点确定为拥堵源头；
若检测点上标注为拥堵且下游紧邻的检测点上不是严重拥堵或拥堵，则该检测点确定为拥堵源头；
若检测点上标注为缓慢且下游紧邻的检测点上不是严重拥堵或拥堵或缓慢，则该检测点确定为拥堵源头。
10.根据权利要求9所述的基于多元数据的精准计算高速公路受阻系数的系统，其特征在于，受阻系数计算单元具体用于：
若其为严重拥堵而下游紧邻检测点为畅通，则当前时刻下该拥堵源头的受阻系数加第一数值；
若其为严重拥堵而下游紧邻检测点为缓慢，则当前时刻下该拥堵源头的受阻系数加第二数值；
若其为严重拥堵而下游紧邻检测点为拥堵，则当前时刻下该拥堵源头的受阻系数加第三数值，其中第一数值>第二数值>第三数值；
若其为拥堵而下游紧邻检测点为畅通，则当前时刻下该拥堵源头的受阻系数加第二数值；
若其为拥堵而下游紧邻检测点为缓慢，则当前时刻下该拥堵源头的受阻系数加第三数值；
若其为缓慢，则当前时刻下该拥堵源头的受阻系数加第三数值；
若其路况数据变为畅通则当前时刻下该拥堵源头的受阻系数清零。
CN201710160522.1A 2017-03-17 2017-03-17 基于多元数据的精准计算高速公路受阻系数的方法和系统 Pending CN106910338A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710160522.1A CN106910338A (zh) 2017-03-17 2017-03-17 基于多元数据的精准计算高速公路受阻系数的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710160522.1A CN106910338A (zh) 2017-03-17 2017-03-17 基于多元数据的精准计算高速公路受阻系数的方法和系统

Publications (1)

Publication Number Publication Date
CN106910338A true CN106910338A (zh) 2017-06-30

Family

ID=59186626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710160522.1A Pending CN106910338A (zh) 2017-03-17 2017-03-17 基于多元数据的精准计算高速公路受阻系数的方法和系统

Country Status (1)

Country Link
CN (1) CN106910338A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107527503A (zh) * 2017-07-20 2017-12-29 北京博研智通科技有限公司 基于手机和雷达数据计算高速公路受阻系数的方法和系统
CN111951583A (zh) * 2020-08-31 2020-11-17 维沃移动通信有限公司 提示方法和电子设备
CN111986481A (zh) * 2020-08-24 2020-11-24 安徽科力信息产业有限责任公司 一种城市道路交通拥堵程度评价方法、系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719314A (zh) * 2009-11-17 2010-06-02 姜廷顺 区域交通拥堵引发点记录分析系统及其运行方法
CN102288194A (zh) * 2011-09-05 2011-12-21 上海梦擎信息科技有限公司 导航中实时路况的实现系统
WO2014080388A3 (en) * 2014-03-25 2015-01-22 Wasfi Alshdaifat Police drone
CN106205114A (zh) * 2016-07-22 2016-12-07 中国科学院软件研究所 一种基于数据融合的高速公路路况信息实时获取方法
CN107564284A (zh) * 2017-08-24 2018-01-09 南京茶非氪信息科技有限公司 一种基于wifi信号检测的交通畅行等级预测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719314A (zh) * 2009-11-17 2010-06-02 姜廷顺 区域交通拥堵引发点记录分析系统及其运行方法
CN102288194A (zh) * 2011-09-05 2011-12-21 上海梦擎信息科技有限公司 导航中实时路况的实现系统
WO2014080388A3 (en) * 2014-03-25 2015-01-22 Wasfi Alshdaifat Police drone
CN106205114A (zh) * 2016-07-22 2016-12-07 中国科学院软件研究所 一种基于数据融合的高速公路路况信息实时获取方法
CN107564284A (zh) * 2017-08-24 2018-01-09 南京茶非氪信息科技有限公司 一种基于wifi信号检测的交通畅行等级预测系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107527503A (zh) * 2017-07-20 2017-12-29 北京博研智通科技有限公司 基于手机和雷达数据计算高速公路受阻系数的方法和系统
CN111986481A (zh) * 2020-08-24 2020-11-24 安徽科力信息产业有限责任公司 一种城市道路交通拥堵程度评价方法、系统及存储介质
CN111986481B (zh) * 2020-08-24 2021-10-01 安徽科力信息产业有限责任公司 一种城市道路交通拥堵程度评价方法、系统及存储介质
CN111951583A (zh) * 2020-08-31 2020-11-17 维沃移动通信有限公司 提示方法和电子设备

Similar Documents

Publication Publication Date Title
CN106960570A (zh) 多元数据融合的辖区之间高速公路拥堵排序的方法和系统
CN106952472A (zh) 基于多元数据的城市之间拥堵程度排序方法和系统
Petrovska et al. Traffic congestion analysis visualisation tool
US20180292224A1 (en) System and method for traffic volume estimation
CN108154683A (zh) 智能交通管理方法及系统
CN107767669A (zh) 基于WiFi和蓝牙识别的公交线路客流OD估计方法
CN102903237B (zh) 交通管理服务装置以及交通管理服务方法
KR101803891B1 (ko) 셀영역별 교통인수와 객체추적 모듈로 이루어진 하이브리드형 셀영역 기반 교통상황 실시간 통보장치 및 방법
CN106097730A (zh) 一种路段车辆排队长度的估计方法、装置及系统
CN104884899A (zh) 确定穿过交通运输网络的一或多个交叉口的轨迹的方法
CN102663887A (zh) 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
CN109255955A (zh) 一种基于地基和空基协同感知的高速公路事故监测方法及系统
JP2018538627A (ja) 交通道路の経路ヒートを取得する方法および装置
CN103888972B (zh) 一种弱覆盖区域的确定方法及装置
CN107889054A (zh) 人群位置采集装置、实时监控指引系统以及交互监控方法
CN107016872A (zh) 快速生成交通广播路况信息发布稿的方法、介质和系统
CN105303831A (zh) 一种基于通信数据判断高速路拥堵情况的方法
CN106910338A (zh) 基于多元数据的精准计算高速公路受阻系数的方法和系统
CN109785637A (zh) 车辆违规的分析评价方法及装置
CN108766031A (zh) 一种检测车道障碍物的方法和装置
CN107134133A (zh) 辖区之间高速公路交通拥堵程度排序的方法和系统
CN106960569A (zh) 基于多元数据精准计算道路交通受阻系数的方法和系统
CN106920417A (zh) 一种车辆路径规划系统及方法
CN107134135A (zh) 一种缓解高速公路拥堵程度的方法及系统
CN107134136A (zh) 一种城市之间道路交通拥堵程度排序的方法和系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20170630

RJ01 Rejection of invention patent application after publication