CN106910341A - 多种数据源融合缩短高速公路拥堵持续时间的方法和系统 - Google Patents
多种数据源融合缩短高速公路拥堵持续时间的方法和系统 Download PDFInfo
- Publication number
- CN106910341A CN106910341A CN201710240023.3A CN201710240023A CN106910341A CN 106910341 A CN106910341 A CN 106910341A CN 201710240023 A CN201710240023 A CN 201710240023A CN 106910341 A CN106910341 A CN 106910341A
- Authority
- CN
- China
- Prior art keywords
- test point
- congestion
- data
- highway
- source
- 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
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
- G08G1/0133—Traffic data processing for classifying traffic situation
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供的多种数据源融合缩短高速公路拥堵持续时间的方法及系统,在电子地图上的所辖区域高速公路标注检测点,分别通过手机位置、速度数据和互联网路况数据融合得到每一检测点的实时路况,根据检测点的实时路况确定检测点是否为拥堵源头,一旦确定检测点为拥堵源头则可根据预案数据库中与检测点编号具有对应关系的视频采集设备、拥堵成因对策表等信息确定执勤警察的通信方式,继而调度执勤警察至拥堵源头检测点进行疏导。上述方案能够将拥堵源头有效消灭在萌芽状态,从而大大缩短高速公路拥堵持续时间。
Description
技术领域
本发明涉及高速公路管理领域,具体是一种多种数据源融合缩短高速公路拥堵持续时间的方法和系统。
背景技术
目前,我国东部地区高速公路高峰时间的拥堵程度不断加剧,尤其是恶劣天气发生时或节假日高速公路免费通行期间,高速公路拥堵将严重影响人们的出行,从国家层面到各级公安交通管理部门都非常关注高速公路的安全与畅通。
确保高速公路的安全与畅通,需要五个方面条件支撑:一是,需要精准的路况信息。目前采集高速公路的路况信息来源单一,不能将检测器延伸到高速公路的每一个角落,数据不全面、精度不够;二是,需要快速发现拥堵源头。目前提供的路况信息只是拥堵到什么程度,不能精准显示当前拥堵源头在什么位置;三是,需要构建受阻系数计算模型。目前公开发表的文献中没有提出受阻系数的概念,也就没有受阻系数的计算方法,不能定量的实时地反映当前高速公路拥堵到什么程度;四是,需要快速反应速度。目前,拥堵源头产生时不能快速调动警员到达拥堵源头位置,将拥堵源头消灭在萌芽状态;五是,需要考核评价。不能公开、公平、公正的对警员每一次的工作效率进行实时、自动地进行评价,不能充分调动警员的积极性,导致干好干坏一个样。
因此,急需一种多种数据源融合缩短高速公路拥堵持续时间的方法和系统。
发明内容
本发明要解决现有技术中不能多种数据源融合缩短高速公路拥堵持续时间的问题,进而提供一种多种数据源融合缩短高速公路拥堵持续时间的方法和系统。
为此,本发明提供一种多种数据源融合缩短高速公路拥堵持续时间的方法,包括如下步骤:
在辖区电子地图上的高速公路的收费站进出口处、分流合流点处标注检测点,相邻两个检测点之间的距离在设定阈值范围内且每一检测点均设定有唯一编号;
生成预案数据库,所述预案数据库包括视频采集设备ID和拥堵成因对策表编号,所述视频采集设备ID和所述检测点编号具有对应关系,所述拥堵成因对策表中记录有检测点编号、拥堵原因、执勤警察的通讯方式;
获取所辖区域高速公路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,根据每一检测点覆盖范围内的所有手机的移动速度,得到检测点的路况数据作为第一实时路况数据;
通过互联网读取至少三组路况云数据,融合每一组路况云数据,得到第二实时路况数据;
融合所述第一实时路况数据和所述第二实时路况数据的分类结果得到每一检测点的实时路况并将其标注到电子地图上,所述实时路况以绿色表示畅通,黄色表示缓慢,红色表示拥堵,深红色表示严重拥堵;
针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头;
针对每一拥堵源头检测点,根据其编号调取对应的视频采集设备ID和拥堵成因对策表,根据相应视频采集设备采集到的拥堵源头检测点处的视频图像确定拥堵成因,根据拥堵成因确定要调动的执勤警察及其通讯方式;
根据确定的要调动执勤警察的通讯方式调度相应警察至拥堵源头检测点所在位置进行交通疏导。
可选地,上述的多种数据源融合缩短高速公路拥堵持续时间的方法中,还包括如下步骤:
根据执勤警察到达拥堵源头检测点的时刻以及拥堵源头检测点解除拥堵源头判定结果的时刻,得到执勤警察拥堵处理时间,根据拥堵处理时间对执勤警察自动进行考核评价。
可选地,上述的多种数据源融合缩短高速公路拥堵持续时间的方法中,还包括如下步骤:
根据拥堵成因,将拥堵源头按照周期性拥堵或突发性拥堵对其进行分类存储。
可选地,上述的多种数据源融合缩短高速公路拥堵持续时间的方法中,获取移动通信数据中心发送的所辖区域高速公路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,根据每一检测点覆盖范围内的所有手机的移动速度,得到检测点的路况数据作为第一实时路况数据,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Va,其中1≤a≤A,A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的移动速度:
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绿色;
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;
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;
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。
可选地,上述的多种数据源融合缩短高速公路拥堵持续时间的方法中,针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头的步骤中具体包括:
若检测点上标注为深红色且下游紧邻的检测点上不是深红色,则该检测点确定为拥堵源头;
若检测点上标注为红色且下游紧邻的检测点上不是深红色或红色,则该检测点确定为拥堵源头;
若检测点上标注为黄色且下游紧邻的检测点上不是深红色或红色或黄色,则该检测点确定为拥堵源头。
可选地,上述的多种数据源融合缩短高速公路拥堵持续时间的方法中,针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头的步骤后,还包括如下步骤:
针对每一个拥堵源头检测点,按照如下步骤计算其受阻系数:
若其为深红色而下游紧邻检测点为绿色,则当前时刻下该拥堵源头的受阻系数加第一数值;
若其为深红色而下游紧邻检测点为黄色,则当前时刻下该拥堵源头的受阻系数加第二数值;
若其为深红色而下游紧邻检测点为红色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其为红色而下游紧邻检测点为绿色,则当前时刻下该拥堵源头的受阻系数加第二数值;
若其为红色而下游紧邻检测点为黄色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其为黄色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其路况数据变为绿色则当前时刻下该拥堵源头的受阻系数清零;
根据所辖区域高速公路上全部拥堵源头的受阻系数得到所辖区域高速公路的总受阻系数,并发送包含所辖区域高速公路总受阻系数的提示信息;
以上,第一数值>第二数值>第三数值。
本发明还提供一种多种数据源融合缩短高速公路拥堵持续时间的系统,包括:
电子地图标注模块,在电子地图上的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在设定阈值范围内且每一检测点均设定有唯一编号;
预案制定模块,生成预案数据库,所述预案数据库包括视频采集设备ID和拥堵成因对策表编号,所述视频采集设备ID和所述检测点编号具有对应关系,所述拥堵成因对策表中记录有检测点编号、拥堵原因、执勤警察的通讯方式;
手机数据获取模块,获取所辖区域高速公路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,根据每一检测点覆盖范围内的所有手机的移动速度,得到检测点的路况数据作为第一实时路况数据;
互联网数据获取模块,通过互联网读取至少三组路况云数据,融合每一组路况云数据,得到第二实时路况数据;
数据融合模块,融合所述第一实时路况数据和所述第二实时路况数据的分类结果得到每一检测点的实时路况并将其标注到电子地图上,所述实时路况以绿色表示畅通,黄色表示缓慢,红色表示拥堵,深红色表示严重拥堵;
拥堵源头判断模块,针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头;
集群接警模块,针对每一拥堵源头检测点,根据其编号调取对应的视频采集设备ID和拥堵成因对策表,根据相应视频采集设备采集到的拥堵源头检测点处的视频图像确定拥堵成因,根据拥堵成因确定要调动的执勤警察及其通讯方式;
警员调度模块,根据确定要调动的执勤警察的通讯方式调度相应警察至拥堵源头检测点所在位置进行交通疏导。
可选地,上述的多种数据源融合缩短高速公路拥堵持续时间的系统中,还包括:
评价考核模块,根据执勤警察到达拥堵源头检测点的时刻以及拥堵源头检测点解除拥堵源头判定结果的时刻,得到执勤警察拥堵处理时间,根据拥堵处理时间对执勤警察自动进行考核评价。
可选地,上述的多种数据源融合缩短高速公路拥堵持续时间的系统中,还包括:
拥堵源头分类模块,根据拥堵成因,将拥堵源头按照周期性拥堵或突发性拥堵对其进行分类存储。
可选地,上述的多种数据源融合缩短高速公路拥堵持续时间的系统中,所述手机数据获取模块,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Va,其中1≤a≤A,A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的移动速度:
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绿色;
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;
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;
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。
可选地,上述的多种数据源融合缩短高速公路拥堵持续时间的系统中,所述拥堵源头判断模块,具体用于:
若检测点上标注为深红色且下游紧邻的检测点上不是深红色,则该检测点确定为拥堵源头;
若检测点上标注为红色且下游紧邻的检测点上不是深红色或红色,则该检测点确定为拥堵源头;
若检测点上标注为黄色且下游紧邻的检测点上不是深红色或红色或黄色,则该检测点确定为拥堵源头。
可选地,上述的多种数据源融合缩短高速公路拥堵持续时间的系统中,还包括,受阻系数计算模块,针对每一个拥堵源头检测点,按照如下步骤计算其受阻系数:
若其为深红色而下游紧邻检测点为绿色,则当前时刻下该拥堵源头的受阻系数加第一数值;
若其为深红色而下游紧邻检测点为黄色,则当前时刻下该拥堵源头的受阻系数加第二数值;
若其为深红色而下游紧邻检测点为红色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其为红色而下游紧邻检测点为绿色,则当前时刻下该拥堵源头的受阻系数加第二数值;
若其为红色而下游紧邻检测点为黄色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其为黄色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其路况数据变为绿色则当前时刻下该拥堵源头的受阻系数清零;
根据所辖区域高速公路上全部拥堵源头的受阻系数得到所辖区域高速公路的总受阻系数,并发送包含所辖区域高速公路总受阻系数的提示信息;
以上,第一数值>第二数值>第三数值。
本发明提供的上述技术方案,与现有技术相比,至少具有如下有益效果:
本发明提供的多种数据源融合缩短高速公路拥堵持续时间的方法及系统,在电子地图上的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在设定阈值范围内且每一检测点均设定有唯一编号,生成预案数据库,所述预案数据库包括视频采集设备ID和拥堵成因对策表编号,所述视频采集设备ID和所述检测点编号具有对应关系,所述拥堵成因对策表中记录有检测点编号、拥堵原因、执勤警察的通讯方式。针对每一个检测点,可以通过两种方式计算其实际路况数据,分别是根据手机位置和移动速度得到的第一实时路况数据,通过互联网读取至少三组路况云数据进而得到的第二实时路况数据,融合两个数据后得到每一检测点的实际路况数据,使得到的每一检测点的路况数据具有更高的精度。
上述方案针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头;针对每一拥堵源头检测点,根据其编号调取对应的视频采集设备ID和拥堵成因对策表,获取相应视频采集设备采集到的拥堵源头处的视频图像,确定拥堵成因,根据拥堵成因确定要调动的执勤警察及其通讯方式;按照执勤警察的通讯方式调度相应警察至拥堵现场进行交通疏导,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多种数据源融合缩短高速公路拥堵持续时间的方法的流程图;
图2为本发明一个实施例所述电子地图所辖区域高速公路标注检测点的示意图;
图3为本发明一个实施例所述获取检测点实时路况数据的原理示意图;
图4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5为本发明另一个实施例所述多种数据源融合缩短高速公路拥堵持续时间的方法的流程图;
图6为本发明一个实施例所述计算拥堵源头的受阻系数的方法流程图;
图7为本发明一个实施例所述多种数据源融合缩短高速公路拥堵持续时间的系统的原理框图;
图8为本发明另一个实施例所述多种数据源融合缩短高速公路拥堵持续时间的系统的原理框图。
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
本实施例提供一种缓解高速公路拥堵程度的方法,应用于交通管理中心的控制系统中,如图1所示,其包括如下步骤:
S1:在辖区电子地图上的高速公路的收费站进出口处、分流合流点处标注检测点,相邻两个检测点之间的距离在设定阈值范围内且每一检测点均设定有唯一编号;如图2所示。两个相邻检测点之间距离设定阈值在100米至300米,实际距离可以设定在200米左右,图中箭头表示行驶方向。可以理解,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,当出现拥堵时就能立即发现并处理,避免拥堵扩散或者延长持续时间。
S2:生成预案数据库,所述预案数据库包括视频采集设备ID和拥堵成因对策表编号,所述视频采集设备ID和所述检测点编号具有对应关系,所述拥堵成因对策表中记录有检测点编号、拥堵原因、执勤警察的通讯方式;所述拥堵成因对策表可以如表1所示,表1给出了检测点编号为Z-001对应的拥堵成因对策表的记录信息示例,在该检测点,对应的视频采集设备ID为S-001,对应于该检测点的执勤警察至少包括四名,分别对应于不同的拥堵成因。如表中所示,每一执勤警察的通讯方式均记录于表内,便于联系。
表1-拥堵成因对策表
但是对于同一个检测点甚至某一个区域内的不同检测点,同一拥堵成因的负责的执勤警察可能都是同一个,因此同一个执勤警察的通讯联系方式可能会出现在多个拥堵成因对策表中。为每一个检测点都制定好上述拥堵成因对策表,存储在所述预案数据库中。
S3:获取所辖区域高速公路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,根据每一检测点覆盖范围内的所有手机的移动速度,得到检测点的路况数据作为第一实时路况数据。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。因为电子地图上记录着地理位置坐标信息,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,将手机的位置和速度信息标注到电子地图的相应位置处。从而能够得到手机的当前位置和移动速度。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信息。具体地,本步骤可通过如下方式得到第一实时路况数据:
为每一个检测点配置检测范围,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。
针对每一检测点,若其检测范围内没有查找到手机的位置和速度数据,则直接将该检测点的路况数据标注为畅通,否则获取其检测范围内每一手机的移动速度Va,其中1≤a≤A,A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的速度数据:也就是说,如果在检测点的检测范围内没有手机,则直接认定该检测点检测范围内没有车辆,车辆可以按照最高限速行驶,则路况数据为畅通,直接用绿色表示。
若检测点的速度数据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标注为绿色;
若检测点的速度数据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标注为黄色;
若检测点的速度数据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标注为红色;
若检测点的速度数据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标注为深红色。
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。
S4:通过互联网读取至少三组路况云数据,融合每一组路况云数据,得到第二实时路况数据;可以获取至少三个路况云数据,通过对每一路况云数据进行分析,删除异常数据,根据保留下来的路况云数据,根据具有相同路况数据的组数最多的原则,进行解析得到检测点的精准路况数据。例如,读取电子地图上的某一检测点所对应的3个路况云数据,其中2个显示为深红色,一个显示为黄色,那么该检测点就选取深红色为当前时刻该检测点的路况。
S5:融合所述第一实时路况数据和所述第二实时路况数据的分类结果得到每一检测点的实时路况并将其标注到电子地图上;如图3所示,具体地,可以将第一实时路况数据和第二实时路况数据进行比对,如果二者的差异超过一定范围,则舍弃该组数据,例如某一检测点的第一路况数据为深红色,而第二实时路况数据为黄色,则可暂时舍弃该组数据,直到二者读取到的路况数据保持一致。
S6:针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头;
S7:针对每一拥堵源头检测点,根据其编号调取对应的视频采集设备ID和拥堵成因对策表,获取相应视频采集设备采集到的拥堵源头处的视频图像,确定拥堵成因,根据拥堵成因确定要调动的执勤警察及其通讯方式;
例如检测点Z-001被确定为拥堵源头,其对应的视频采集设备的ID为J-1001,根据所述预案数据库中所存储的信息,自动调取与之相对应的视频采集设备采集到的视频图像,同时会调取编号为D-1001的拥堵成因对策表,当确定拥堵成因为车辆故障时,即可确定对应的执勤警察为警察乙,其联系方式为1234567891。
S8:根据确定的要调动的执勤警察的通讯方式调度相应警察至拥堵源头检测点所在位置进行交通疏导。可以直接拨打执勤警察乙的电话,还可以将所述拥堵原因通过短信或邮件的形式发送到所述要调动的执勤警察的终端设备上。
本发明提供的多种数据源融合缩短高速公路拥堵持续时间的方法及系统,在电子地图上的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且每一检测点均设定有唯一编号,生成预案数据库,所述预案数据库包括视频采集设备ID和拥堵成因对策表编号,所述视频采集设备ID和所述检测点编号具有对应关系,所述拥堵成因对策表中记录有检测点编号、拥堵原因、要调动的执勤警察的通讯方式。针对每一个检测点,可以通过两种方式计算其实际路况数据,分别是根据手机位置和移动速度得到的第一实时路况数据,通过互联网读取至少三组路况云数据进而得到的第二实时路况数据,融合两个数据后得到每一检测点的实际路况数据,使得到的每一检测点的路况数据具有更高的精度。
上述方案针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头;针对每一拥堵源头检测点,根据其编号调取对应的视频采集设备ID和拥堵成因对策表,获取相应视频采集设备采集到的拥堵源头处的视频图像,确定拥堵成因,根据拥堵成因确定要调动的执勤警察及其通讯方式;按照要调动的执勤警察的通讯方式调度相应警察至拥堵现场进行交通疏导,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
在以上方案中,可以按照图4所示的步骤确定检测点是否为拥堵源头,包括如下步骤:
S61:判断某一编号的检测点上是否为深红色,若是则执行步骤S62,否则执行步骤S63;
S62: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S67,若是则返回步骤S3;
S63:判断该编号检测点上是否为红色,若是则执行步骤S64,否则执行步骤S65;
S64: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S67,若是则返回步骤S3;
S65:判断该编号检测点上是否为黄色,若是则执行步骤S66,否则返回步骤S3;
S66: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S67,若是则返回步骤S3;
S67: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3
在以上方案的基础上,如图5所示,上述方法还可以包括如下步骤:
S9:根据执勤警察到达拥堵源头检测点的时刻以及拥堵源头检测点解除拥堵源头判定结果的时刻,得到执勤警察拥堵处理时间,根据拥堵处理时间对执勤警察自动进行考核评价。每一警员可以配置一智能终端,通过智能终端可以和控制中心进行通信,可以将智能终端的实时位置发送至控制中心,由此当警员到达拥堵源头的位置时,控制中心即可得到警察到达现场的时间,当警察将拥堵成因消除,拥堵源头即可解除,拥堵源头检测点解除拥堵源头判定结果的时刻可以由控制中心自行获取,由此能够对执勤警察的现场处理能力自动进行考核评价。
S10:根据拥堵成因,将拥堵源头按照周期性拥堵或突发性拥堵对其进行分类存储。例如因为早高峰车多导致拥堵即为周期性的,因为交通管制、事故造成的拥堵即为突发性的。通过对拥堵成因进行分类,决策者可以对缓解该检测点所在路段的交通情况采取相应对策以提高高速公路的通行能力。
如图所示,本实施例提供的方案中,在S6之后S7之前,还包如下步骤S70:针对每一个拥堵源头检测点,计算其受阻系数,如图6所示,其具体包括如下步骤:
S701:判断拥堵源头是否为深红色,若是则执行步骤S702,否则执行步骤S704。
S702: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S703,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。
S703: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。
S704:判断拥堵源头是否为红色,若是则执行步骤S705,否则执行步骤S706。
S705: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S706。
S706:当前时刻下该拥堵源头的受阻系数加第三数值。
S707:每秒钟均将区域内变为绿色的拥堵源头的受阻系数清零。所述第一预设周期可以根据实际情况进行选择,本实施例中可选择1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越大,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4
本实施例提供一种多种数据源融合缩短高速公路拥堵持续时间的系统,如图7所示,包括:
电子地图标注模块1,在电子地图上的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在设定阈值范围内且每一检测点均设定有唯一编号;两个相邻检测点之间的距离设定阈值100米至300米,实际距离可以设定在200米左右,图中箭头表示行驶方向。可以理解,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,因此将检测点设置在这些位置,当出现拥堵时第一时间发现并处理,避免拥堵扩散或者延长持续时间。
预案制定模块2,生成预案数据库,所述预案数据库包括视频采集设备ID和拥堵成因对策表编号,所述视频采集设备ID和所述检测点编号具有对应关系,所述拥堵成因对策表中记录有检测点编号、拥堵原因、执勤警察的通讯方式;对于同一个检测点甚至某一个区域内的不同检测点,同一拥堵成因的负责的执勤警察可能都是同一个,因此同一个执勤警察的通讯联系方式可能会出现在多个拥堵成因对策表中。为每一个检测点都制定好上述拥堵成因对策表,存储在所述预案数据库中。
手机数据获取模块3,获取所辖区域高速公路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,根据每一检测点覆盖范围内的所有手机的移动速度,得到检测点的路况数据作为第一实时路况数据;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。因为电子地图上记录着地理位置坐标信息,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,将手机的位置和速度信息标注到电子地图的相应位置处。从而能够得到手机的当前位置和移动速度。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(GeographicInformation 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信息。具体地,本步骤可通过如下方式得到第一实时路况数据:
为每一个检测点配置检测范围,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。
针对每一检测点,若其检测范围内没有查找到手机的位置和速度数据,则直接将该检测点的路况数据标注为畅通,否则获取其检测范围内每一手机的移动速度Va,其中1≤a≤A,A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的速度数据:也就是说,如果在检测点的检测范围内没有手机,则直接认定该检测点检测范围内没有车辆,车辆可以按照最高限速行驶,则路况数据为畅通,直接用绿色表示。
若检测点的速度数据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标注为绿色;
若检测点的速度数据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标注为黄色;
若检测点的速度数据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标注为红色;
若检测点的速度数据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标注为深红色。
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。
互联网数据获取模块4,通过互联网读取至少三组路况云数据,融合每一组路况云数据,得到第二实时路况数据;可以获取至少三个路况云数据,通过对每一路况云数据进行分析,删除异常数据,根据保留下来的路况云数据,根据具有相同路况数据的组数最多的原则,进行解析得到检测点的精准路况数据。例如,读取电子地图上的某一检测点所对应的3个路况云数据,其中2个显示为深红色,一个显示为黄色,那么该检测点就选取深红色为当前时刻该检测点的路况。
数据融合模块5,融合所述第一实时路况数据和所述第二实时路况数据的分类结果得到每一检测点的实时路况并将其标注到电子地图上,所述实时路况以绿色表示畅通,黄色表示缓慢,红色表示拥堵,深红色表示严重拥堵;可以将第一实时路况数据和第二实时路况数据进行比对,如果二者的差异超过一定范围,则舍弃该组数据,例如某一检测点的第一路况数据为深红色,而第二实时路况数据为黄色,则可暂时舍弃该组数据,直到二者读取到的路况数据保持一致。
拥堵源头判断模块6,针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头;若检测点上标注为深红色且下游紧邻的检测点上不是深红色,则该检测点确定为拥堵源头;若检测点上标注为红色且下游紧邻的检测点上不是深红色或红色,则该检测点确定为拥堵源头;若检测点上标注为黄色且下游紧邻的检测点上不是深红色或红色或黄色,则该检测点确定为拥堵源头。
集群接警模块7,针对每一拥堵源头检测点,根据其编号调取对应的视频采集设备ID和拥堵成因对策表,获取相应视频采集设备采集到的拥堵源头处的视频图像,确定拥堵成因,根据拥堵成因确定要调动的执勤警察及其通讯方式;例如检测点Z-001被确定为拥堵源头,其对应的视频采集设备的ID为J-1001,根据所述预案数据库中所存储的信息,自动调取与之相对应的视频采集设备采集到的视频图像,同时会调取编号为D-1001的拥堵成因对策表,当确定拥堵成因为车辆故障时,即可确定对应的执勤警察为警察乙,其联系方式为1234567891。
警员调度模块8,按照要调动的执勤警察的通讯方式调度相应警察至拥堵现场进行交通疏导。可以直接拨打执勤警察乙的电话,还可以将所述拥堵原因通过短信或邮件的形式发送到所述执勤警察的终端设备上。
优选地,如图8所示,上述方案中还包括评价考核模块9,根据执勤警察到达拥堵源头检测点的时刻以及拥堵源头检测点解除拥堵源头判定结果的时刻,得到执勤警察拥堵处理时间,根据拥堵处理时间对执勤警察自动进行考核评价。每一警员可以配置一智能终端,通过智能终端可以和控制中心进行通信,可以将智能终端的实时位置发送至控制中心,由此当警员到达拥堵源头的位置时,控制中心即可得到警察到达现场的时间,当警察将拥堵成因消除,拥堵源头即可解除,拥堵源头检测点解除拥堵源头判定结果的时刻可以由控制中心自行获取,由此能够对执勤警察的现场处理能力自动进行考核评价。
拥堵源头分类模块10,根据拥堵成因,将拥堵源头按照周期性拥堵或突发性拥堵对其进行分类存储。例如因为早高峰车多导致拥堵即为周期性的,因为交通管制、事故造成的拥堵即为突发性的。通过对拥堵成因进行分类,决策者可以对缓解该检测点所在路段的交通情况采取相应对策以提高高速公路的通行能力。
进一步地,还可以包括受阻系数计算模块11,针对每一个拥堵源头检测点,按照如下步骤计算其受阻系数:
若其为深红色而下游紧邻检测点为绿色,则当前时刻下该拥堵源头的受阻系数加第一数值;若其为深红色而下游紧邻检测点为黄色,则当前时刻下该拥堵源头的受阻系数加第二数值;若其为深红色而下游紧邻检测点为红色,则当前时刻下该拥堵源头的受阻系数加第三数值;若其为红色而下游紧邻检测点为绿色,则当前时刻下该拥堵源头的受阻系数加第二数值;若其为红色而下游紧邻检测点为黄色,则当前时刻下该拥堵源头的受阻系数加第三数值;若其为黄色,则当前时刻下该拥堵源头的受阻系数加第三数值;若其路况数据变为绿色则当前时刻下该拥堵源头的受阻系数清零;根据所辖区域高速公路上全部拥堵源头的受阻系数得到所辖区域高速公路的总受阻系数,并发送包含所辖区域高速公路总受阻系数的提示信息;以上,第一数值>第二数值>第三数值。
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。
本实施例的上述方案中,在电子地图上的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且每一检测点均设定有唯一编号,生成预案数据库,所述预案数据库包括视频采集设备ID和拥堵成因对策表编号,所述视频采集设备ID和所述检测点编号具有对应关系,所述拥堵成因对策表中记录有检测点编号、拥堵原因、执勤警察的通讯方式。针对每一个检测点,可以通过两种方式计算其实际路况数据,分别是根据手机位置和移动速度得到的第一实时路况数据,通过互联网读取至少三组路况云数据进而得到的第二实时路况数据,融合两个数据后得到每一检测点的实际路况数据,使得到的每一检测点的路况数据具有更高的精度。
上述方案针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头;针对每一拥堵源头检测点,根据其编号调取对应的视频采集设备ID和拥堵成因对策表,获取相应视频采集设备采集到的拥堵源头处的视频图像,确定拥堵成因,根据拥堵成因确定执勤警察及其通讯方式;按照执勤警察的通讯方式调度相应警察至拥堵现场进行交通疏导,将拥堵源头消灭在萌芽状态或缩短拥堵源头的持续时间。
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)
1.一种多种数据源融合缩短高速公路拥堵持续时间的方法,其特征在于,包括如下步骤:
在辖区电子地图上的高速公路的收费站进出口处、分流合流点处标注检测点,相邻两个检测点之间的距离在设定阈值范围内且每一检测点均设定有唯一编号;
生成预案数据库,所述预案数据库包括视频采集设备ID和拥堵成因对策表编号,所述视频采集设备ID和所述检测点编号具有对应关系,所述拥堵成因对策表中记录有检测点编号、拥堵原因、执勤警察的通讯方式;
获取所辖区域高速公路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,根据每一检测点覆盖范围内的所有手机的移动速度,得到检测点的路况数据作为第一实时路况数据;
通过互联网读取至少三组路况云数据,融合每一组路况云数据,得到第二实时路况数据;
融合所述第一实时路况数据和所述第二实时路况数据的分类结果得到每一检测点的实时路况并将其标注到电子地图上,所述实时路况以绿色表示畅通,黄色表示缓慢,红色表示拥堵,深红色表示严重拥堵;
针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头;
针对每一拥堵源头检测点,根据其编号调取对应的视频采集设备ID和拥堵成因对策表,根据相应视频采集设备采集到的拥堵源头检测点处的视频图像确定拥堵成因,根据拥堵成因确定要调动的执勤警察及其通讯方式;
根据确定要调动的执勤警察的通讯方式调度相应警察至拥堵源头检测点所在位置进行交通疏导。
2.根据权利要求1所述的多种数据源融合缩短高速公路拥堵持续时间的方法,其特征在于,还包括如下步骤:
根据执勤警察到达拥堵源头检测点的时刻以及拥堵源头检测点解除拥堵源头判定结果的时刻,得到执勤警察拥堵处理时间,根据拥堵处理时间对执勤警察自动进行考核评价。
3.根据权利要求2所述的多种数据源融合缩短高速公路拥堵持续时间的方法,其特征在于,还包括如下步骤:
根据拥堵成因,将拥堵源头按照周期性拥堵或突发性拥堵对其进行分类存储。
4.根据权利要求1-3任一项所述的多种数据源融合缩短高速公路拥堵持续时间的方法,其特征在于,获取移动通信数据中心发送的所辖区域高速公路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,根据每一检测点覆盖范围内的所有手机的移动速度,得到检测点的路况数据作为第一实时路况数据,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Va,其中1≤a≤A,A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的移动速度:
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绿色;
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;
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;
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。
5.根据权利要求4所述的多种数据源融合缩短高速公路拥堵持续时间的方法,其特征在于,针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头的步骤中具体包括:
若检测点上标注为深红色且下游紧邻的检测点上不是深红色,则该检测点确定为拥堵源头;
若检测点上标注为红色且下游紧邻的检测点上不是深红色或红色,则该检测点确定为拥堵源头;
若检测点上标注为黄色且下游紧邻的检测点上不是深红色或红色或黄色,则该检测点确定为拥堵源头。
6.根据权利要求5所述的多种数据源融合缩短高速公路拥堵持续时间的方法,其特征在于,针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头的步骤后,还包括如下步骤:
针对每一个拥堵源头检测点按照如下步骤计算其受阻系数:
若其为深红色而下游紧邻检测点为绿色,则当前时刻下该拥堵源头的受阻系数加第一数值;
若其为深红色而下游紧邻检测点为黄色,则当前时刻下该拥堵源头的受阻系数加第二数值;
若其为深红色而下游紧邻检测点为红色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其为红色而下游紧邻检测点为绿色,则当前时刻下该拥堵源头的受阻系数加第二数值;
若其为红色而下游紧邻检测点为黄色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其为黄色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其路况数据变为绿色则当前时刻下该拥堵源头的受阻系数清零;
根据所辖区域高速公路上全部拥堵源头的受阻系数得到所辖区域高速公路的总受阻系数,并发送包含所辖区域高速公路总受阻系数的提示信息;
以上,第一数值>第二数值>第三数值。
7.一种多种数据源融合缩短高速公路拥堵持续时间的系统,其特征在于,包括:
电子地图标注模块,在电子地图上的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在设定阈值范围内且每一检测点均设定有唯一编号;
预案制定模块,生成预案数据库,所述预案数据库包括视频采集设备ID和拥堵成因对策表编号,所述视频采集设备ID和所述检测点编号具有对应关系,所述拥堵成因对策表中记录有检测点编号、拥堵原因、执勤警察的通讯方式;
手机数据获取模块,获取所辖区域高速公路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,根据每一检测点覆盖范围内的所有手机的移动速度,得到检测点的路况数据作为第一实时路况数据;
互联网数据获取模块,通过互联网读取至少三组路况云数据,融合每一组路况云数据,得到第二实时路况数据;
数据融合模块,融合所述第一实时路况数据和所述第二实时路况数据的分类结果得到每一检测点的实时路况并将其标注到电子地图上,所述实时路况以绿色表示畅通,黄色表示缓慢,红色表示拥堵,深红色表示严重拥堵;
拥堵源头判断模块,针对所辖区域高速公路上的每一个检测点,根据其路况数据和下游紧邻的检测点的路况数据,判断其是否为拥堵源头;
集群接警模块,针对每一拥堵源头检测点,根据其编号调取对应的视频采集设备ID和拥堵成因对策表,根据相应视频采集设备采集到的拥堵源头检测点处的视频图像确定拥堵成因,根据拥堵成因确定要调动的执勤警察及其通讯方式;
警员调度模块,根据确定的要调动的执勤警察的通讯方式调度相应警察至拥堵源头检测点所在位置进行交通疏导。
8.根据权利要求7所述的多种数据源融合缩短高速公路拥堵持续时间的系统,其特征在于,还包括:
评价考核模块,根据执勤警察到达拥堵源头检测点的时刻以及拥堵源头检测点解除拥堵源头判定结果的时刻,得到执勤警察拥堵处理时间,根据拥堵处理时间对执勤警察自动进行考核评价。
9.根据权利要求8所述的多种数据源融合缩短高速公路拥堵持续时间的系统,其特征在于,还包括:
拥堵源头分类模块,根据拥堵成因,将拥堵源头按照周期性拥堵或突发性拥堵对其进行分类存储。
10.根据权利要求7-9任一项所述的多种数据源融合缩短高速公路拥堵持续时间的系统,其特征在于,还包括,受阻系数计算模块,针对每一个拥堵源头检测点,按照如下步骤计算其受阻系数:
若其为深红色而下游紧邻检测点为绿色,则当前时刻下该拥堵源头的受阻系数加第一数值;
若其为深红色而下游紧邻检测点为黄色,则当前时刻下该拥堵源头的受阻系数加第二数值;
若其为深红色而下游紧邻检测点为红色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其为红色而下游紧邻检测点为绿色,则当前时刻下该拥堵源头的受阻系数加第二数值;
若其为红色而下游紧邻检测点为黄色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其为黄色,则当前时刻下该拥堵源头的受阻系数加第三数值;
若其路况数据变为绿色则当前时刻下该拥堵源头的受阻系数清零;
根据所辖区域高速公路上全部拥堵源头的受阻系数得到所辖区域高速公路的总受阻系数,并发送包含所辖区域高速公路总受阻系数的提示信息;
以上,第一数值>第二数值>第三数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710240023.3A CN106910341A (zh) | 2017-04-13 | 2017-04-13 | 多种数据源融合缩短高速公路拥堵持续时间的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710240023.3A CN106910341A (zh) | 2017-04-13 | 2017-04-13 | 多种数据源融合缩短高速公路拥堵持续时间的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106910341A true CN106910341A (zh) | 2017-06-30 |
Family
ID=59209500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710240023.3A Pending CN106910341A (zh) | 2017-04-13 | 2017-04-13 | 多种数据源融合缩短高速公路拥堵持续时间的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106910341A (zh) |
Cited By (2)
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 |
CN111845743A (zh) * | 2020-07-14 | 2020-10-30 | 肇庆小鹏汽车有限公司 | 车辆巡航控制方法、装置、车辆以及存储介质 |
Citations (5)
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 |
CN103700250A (zh) * | 2012-09-28 | 2014-04-02 | 姜廷顺 | 公安交通突发事件快速处理方法及系统 |
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 |
-
2017
- 2017-04-13 CN CN201710240023.3A patent/CN106910341A/zh active Pending
Patent Citations (5)
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 |
CN103700250A (zh) * | 2012-09-28 | 2014-04-02 | 姜廷顺 | 公安交通突发事件快速处理方法及系统 |
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 |
Cited By (2)
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 |
CN111845743A (zh) * | 2020-07-14 | 2020-10-30 | 肇庆小鹏汽车有限公司 | 车辆巡航控制方法、装置、车辆以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN105491532B (zh) | 一种用于路网运行状态分析的手机信令过滤方法和装置 | |
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 | |
CN109255955B (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 | |
CN108322891B (zh) | 基于用户手机信令的交通区域拥堵识别方法 | |
CN107134135A (zh) | 一种缓解高速公路拥堵程度的方法及系统 | |
CN107845259A (zh) | 公交运行情况实时反馈系统及公交实时运行数据处理方法 | |
CN106991818A (zh) | 一种有效缓解城市交通拥堵的方法、存储介质和系统 | |
CN106503843A (zh) | 一种基于手机信令数据的常规公交线网优化与调整方法 | |
CN105303831A (zh) | 一种基于通信数据判断高速路拥堵情况的方法 | |
CN107705551A (zh) | 交通路况的评估方法以及装置 | |
CN106952472A (zh) | 基于多元数据的城市之间拥堵程度排序方法和系统 | |
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 | |
CN110149593A (zh) | 基于移动台信令的路网客流状态辨识方法 | |
CN105702041A (zh) | 基于神经网络的高速公路多源数据融合状态估计系统及方法 | |
CN105070057A (zh) | 一种道路实时路况的监测方法 | |
CN103906086B (zh) | 一种基于移动网络的人员流向监测方法和装置 | |
CN106920394A (zh) | 融合多种数据源降低城市交通拥堵程度的方法及系统 | |
CN106920388A (zh) | 一种高速公路监控系统及控制方法 | |
CN107134133A (zh) | 辖区之间高速公路交通拥堵程度排序的方法和系统 | |
CN106910341A (zh) | 多种数据源融合缩短高速公路拥堵持续时间的方法和系统 | |
CN109345001A (zh) | 基于Pareto多目标选择的共享单车站点失衡调整方法及系统 | |
CN109587622B (zh) | 基于基站信令数据的路口转向流量分析系统及方法 | |
CN106408936B (zh) | 一种基于手机数据的高速公路异常事件实时检测方法 | |
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 |
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 |