CN106960569A - 基于多元数据精准计算道路交通受阻系数的方法和系统 - Google Patents
基于多元数据精准计算道路交通受阻系数的方法和系统 Download PDFInfo
- Publication number
- CN106960569A CN106960569A CN201710161268.7A CN201710161268A CN106960569A CN 106960569 A CN106960569 A CN 106960569A CN 201710161268 A CN201710161268 A CN 201710161268A CN 106960569 A CN106960569 A CN 106960569A
- Authority
- CN
- China
- Prior art keywords
- test point
- data
- congestion
- obstructed
- road
- 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
本发明提供一种基于多元数据精准计算道路交通受阻系数的方法和系统，在电子地图的城市道路上标注多个检测点，能够通过从移动数据中心获取的手机的位置和速度数据计算其范围内的车辆行驶速度，根据车辆行驶速度可以得到检测点的第一实时路况数据。为了能够保证得到的检测点的实时路况数据更加准确，还通过互联网实时读取至少三组路况数据以得到检测点的第二实时路况数据。通过融合第一实时路况数据和第二实时路况数据，得到最终的准确的路况数据。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，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
技术领域
本发明涉及道路交通管理领域，具体是一种基于多元数据精准计算道路交通受阻系数的方法和系统。
背景技术
城市道路拥堵已引起各级政府的高度重视。如何缓解交通拥堵是各级交通管理部门关注的焦点，决策者和专家们都在积极采用各种方案进行有效缓解交通拥堵的尝试。目前缓解交通拥堵成效不明显的关键是不能快速发现拥堵源头，并对拥堵源头拥堵程度进行定量描述。定量描述拥堵源头的前提：一是：对一个城市的道路路况数据进行全面、精细的采集和分析；二是；快速发现拥堵源头；三是：构建一个模型，能精准反映拥堵源头的受阻程度和持续时间。
国内许多部门发明了各种反映城市道路拥堵指数计算方法，其核心技术：一是采取取样模式，也就是选取一个城市的若干条道路，建立若干模型进行推算整个路网的交通状况；二是获取所选取的部分道路畅通情况下的平均车速和该道路在当前情况下的平均车速，计算其比值即指数，其值越大就说明道路越拥堵；三是路况数据采集局限在机动车数据。采用上述方法计算的这个拥堵指数不能跟随拥堵源头的持续时间实时变化，无法指导管理者精准的消除拥堵，特别是在一条道路上，有个别路口拥堵时，指数值计算过程中经过平滑处理后，仍显示0-2属于畅通状态，不能及时提示管理者当前有个别路口的某个方向已经开始发生拥堵，应采取措施消除拥堵
发明内容
本发明要解决现有技术中拥堵检测数据来源单一，所构建的拥堵指数计算模型不能精准反映当前道路拥堵源头持续时间的技术问题，从而提供一种基于多元数据精准计算道路交通受阻系数的方法和系统。
为此，本发明提供一种基于多元数据精准计算道路交通受阻系数的方法，包括如下步骤：
在电子地图上需要计算受阻系数的区域内所有路口的进出口位置以及相邻路口之间标注检测点，相邻检测点之间的距离小于预设距离；
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；
通过互联网读取至少三组路况云数据，根据所述至少三组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；
融合所述第一实时路况数据和所述第二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。
优选地，上述的基于多元数据精准计算道路交通受阻系数的方法中，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的步骤包括：
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。
优选地，上述的基于多元数据精准计算道路交通受阻系数的方法中，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，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。
优选地，上述的基于多元数据精准计算道路交通受阻系数的方法中，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平均移动速度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的速度数据：
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畅通；
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缓慢；
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拥堵；
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严重拥堵。
优选地，上述的基于多元数据精准计算道路交通受阻系数的方法中，所述预设距离在50米至200米之间。
本发明还提供一种基于多元数据精准计算道路交通受阻系数的系统，包括：
标注模块，在电子地图上需要计算受阻系数的区域内所有路口的进出口位置以及相邻路口之间标注检测点，相邻检测点之间的距离小于预设距离；
配置模块，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；
第一数据获取模块，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；
第二数据获取模块，通过互联网读取至少三组路况云数据，根据所述至少三组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；
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；
拥堵源头判断模块，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；
受阻系数计算模块，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。
优选地，上述的基于多元数据精准计算道路交通受阻系数的系统中，所述受阻系数计算模块中，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的步骤包括：
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。
优选地，上述的基于多元数据精准计算道路交通受阻系数的系统中，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。
优选地，上述的基于多元数据精准计算道路交通受阻系数的系统中，所述第一数据获取模块具体用于：
针对每一检测点，若其检测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的速度数据：
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畅通；
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缓慢；
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拥堵；
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严重拥堵。
优选地，上述的基于多元数据精准计算道路交通受阻系数的系统中，所述预设距离在50米至200米之间。
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：
本发明提供的基于多元数据精准计算道路交通受阻系数的方法和系统，在城市道路上标注多个检测点，相邻检测点之间的距离小于预设距离，针对每一检测点，能够通过从移动数据中心获取的手机的位置和速度数据计算其范围内的车辆行驶速度，根据车辆行驶速度可以得到检测点的第一实时路况数据。为了能够保证得到的监测点的实时路况数据更加准确，在此基础上，本发明还通过互联网实时读取至少三组路况数据，进而得到检测点的第二实时路况数据。通过融合第一实时路况数据和第二实时路况数据，得到最终的准确的路况数据。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，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。受阻系数是将整个区域内所有道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道路的路况，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精准计算道路交通受阻系数的方法的流程图；
图2为本发明一个实施例所述电子地图城市道路检测点和手机位置关系示意图；
图3为本发明一个实施例所述计算受阻系数的方法流程图；
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为本发明一个实施例所述利用手机位置计算检测点速度数据的方法流程图；
图6为本发明一个实施例所述基于多元数据精准计算道路交通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精准计算道路交通受阻系数的方法，应用于交通控制系统中，如图1所示，包括如下步骤：
S1：在电子地图上需要计算受阻系数的区域内所有路口的进出口位置以及相邻路口之间标注检测点，相邻检测点之间的距离小于预设距离；若快速路长度大于预设距离，则在快速路上设置检测点；若普通道路的路口间距大于预设距离时，则在路口间标注检测点，将这些检测点都标注到电子地图上并进行编号。如图2所示，所述电子地图是需要计算受阻系数区域标准电子地图。在电子地图标注检测点，两个相邻检测点之间的实际距离可以设定在50米至200米之间。所述检测点可以设置于任何位置，优选设置于路口的入口处、出口处，图中箭头表示行驶方向。对于电子地图来说，其本身记录着地理位置的坐标，因此只要在相应位置标注上检测点，检测点的地理位置坐标就是确定的已知的。
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；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。
S4：通过互联网读取至少三组路况云数据，根据所述至少三组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，在实际应用时，可求取多组数据的平均路况，或者按照表征哪一路况数据的组数最多则将检测点的路况数据标注为哪一路况的原则进行获取。
S5：融合所述第一实时路况数据和所述第二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，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，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；
S6：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。
S7：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。
以上实施例中，在城市道路上标注多个检测点，相邻检测点之间的距离小于预设距离，针对每一检测点，能够通过从移动数据中心获取的手机的位置和速度数据计算其范围内的车辆行驶速度，根据车辆行驶速度可以得到检测点的第一实时路况数据。为了能够保证得到的监测点的实时路况数据更加准确，在此基础上，本发明还通过过互联网实时读取至少三组路况数据，进而得到检测点的第二实时路况数据。通过融合第一实时路况数据和第二实时路况数据，得到最终的准确的路况数据。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，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。受阻系数是将整个区域内所有道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道路的路况，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，本实施例中，步骤S7中采用以下方式计算受阻系数。如图3所示：
S71：判断拥堵源头是否为深红色，若是则执行步骤S72，否则执行步骤S74。
S72：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S73，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。
S73：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。
S74：判断拥堵源头是否为红色，若是则执行步骤S75，否则执行步骤S76。
S75：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S76。
S76：当前时刻下该拥堵源头的受阻系数加第三数值。
S77：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3
在实施例1的基础上，本实施例中，步骤S6中采用以下方式判断检测点是否为拥堵源头。如图4所示：
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4
本实施例在以上实施例的基础上，所述步骤S3具体包括如下步骤，如图5所示：
S31：针对每一检测点，若其检测范围内没有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的速度数据：
S33：若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；
S34：若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；
S35：若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；
S36：若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。
进一步地，上述方法还可以包括如下步骤：
S8：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，会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。
实施例5
本实施例提供一种基于多元数据精准计算道路交通受阻系数的系统，如图6所示，包括：
标注模块1，在电子地图上需要计算受阻系数的区域内所有路口的进出口位置以及相邻路口之间标注检测点，相邻检测点之间的距离小于预设距离；若快速路长度大于预设距离，则在快速路上标注检测点；若普通道路的路口间距大于预设距离时，则在路口间标注检测点，将这些检测点都在电子地图上进行编号。如图2所示，所述电子地图是需要计算受阻系数区域标准电子地图。在电子地图标注检测点，两个相邻检测点之间的实际距离可以设定在50米至200米之间。所述检测点可以标注于任何位置，优选设置于路口的入口处、出口处，图中箭头表示行驶方向。对于电子地图来说，其本身记录着每一个检测点的地理位置坐标，因此只要标注上检测点，检测点的地理位置坐标就是确定的已知的。
配置模块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；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。
第一数据获取模块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移动速度，得该检测点的第一实时路况数据；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。
第二数据获取模块4，通过互联网读取至少三组路况云数据，根据所述至少三组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，本步骤可直接从互联网上读取相应的路况数据即可，在实际应用时，可求取多组数据的平均路况，或者按照表征哪一路况数据的实际应用精确度高，就采用哪一路况的原则进行获取。
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，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，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；
拥堵源头判断模块6，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；
受阻系数计算模块7，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。
以上实施例中，在城市道路上标注多个检测点，相邻检测点之间的距离小于预设距离，针对每一检测点，能够通过从移动数据中心获取的手机的位置和速度数据计算其范围内的车辆行驶速度，根据车辆行驶速度可以得到检测点的第一实时路况数据。为了能够保证得到的监测点的实时路况数据更加准确，在此基础上，本发明还通过互联网实时读取至少三组路况数据，进而得到检测点的第二实时路况数据。通过融合第一实时路况数据和第二实时路况数据，得到最终的准确的路况数据。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，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。受阻系数是将整个区域内所有道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道路的路况，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。
优选地，在上述所述受阻系数计算模块7中，采用以下方式计算受阻系数：
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，所述拥堵源头判断模块6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，所述第一数据获取模块3具体用于：
针对每一检测点，若其检测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的速度数据：
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畅通；
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缓慢；
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拥堵；
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严重拥堵。
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精准计算道路交通受阻系数的方法，其特征在于，包括如下步骤：
在电子地图上需要计算受阻系数的区域内所有路口的进出口位置以及相邻路口之间标注检测点，相邻检测点之间的距离小于预设距离；
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；
通过互联网读取至少三组路况云数据，根据所述至少三组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；
融合所述第一实时路况数据和所述第二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精准计算道路交通受阻系数的方法，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的步骤包括：
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。
3.根据权利要求1所述的基于多元数据精准计算道路交通受阻系数的方法，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，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。
4.根据权利要求1-3任一项所述的基于多元数据精准计算道路交通受阻系数的方法，其特征在于，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的速度数据：
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畅通；
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缓慢；
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拥堵；
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严重拥堵。
5.根据权利要求4所述的基于多元数据精准计算道路交通受阻系数的方法，其特征在于，所述预设距离在50米至200米之间。
6.一种基于多元数据精准计算道路交通受阻系数的系统，其特征在于，包括：
标注模块，在电子地图上需要计算受阻系数的区域内所有路口的进出口位置以及相邻路口之间标注检测点，相邻检测点之间的距离小于预设距离；
配置模块，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；
第一数据获取模块，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；
第二数据获取模块，通过互联网读取至少三组路况云数据，根据所述至少三组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；
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；
拥堵源头判断模块，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；
受阻系数计算模块，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精准计算道路交通受阻系数的系统，其特征在于，所述受阻系数计算模块中，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的步骤包括：
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。
8.根据权利要求6所述的基于多元数据精准计算道路交通受阻系数的系统，其特征在于，所述拥堵源头判断模块具体用于：
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。
9.根据权利要求6-8任一项所述的基于多元数据精准计算道路交通受阻系数的系统，其特征在于，所述第一数据获取模块具体用于：
针对每一检测点，若其检测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的速度数据：
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畅通；
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缓慢；
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拥堵；
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严重拥堵。
10.根据权利要求9所述的基于多元数据精准计算道路交通受阻系数的系统，其特征在于，所述预设距离在50米至200米之间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710161268.7A CN106960569A (zh) | 2017-03-17 | 2017-03-17 | 基于多元数据精准计算道路交通受阻系数的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710161268.7A CN106960569A (zh) | 2017-03-17 | 2017-03-17 | 基于多元数据精准计算道路交通受阻系数的方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106960569A true CN106960569A (zh) | 2017-07-18 |
Family
ID=59470938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710161268.7A Pending CN106960569A (zh) | 2017-03-17 | 2017-03-17 | 基于多元数据精准计算道路交通受阻系数的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106960569A (zh) |
Cited By (4)
| 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 |
| CN107527502A (zh) * | 2017-07-20 | 2017-12-29 | 北京博研智通科技有限公司 | 利用手机移动数据计算道路交通受阻系数方法和系统 |
| 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 |
| CN113870597A (zh) * | 2021-08-09 | 2021-12-31 | 中标慧安信息技术股份有限公司 | 基于物联网数据的交通调度的方法和系统 |
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 |
| CN103794043A (zh) * | 2012-11-02 | 2014-05-14 | 姜廷顺 | 公安交通突发事件接警自动分配方法及系统 |
| 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
- 2017-03-17 CN CN201710161268.7A patent/CN106960569A/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 |
| CN103794043A (zh) * | 2012-11-02 | 2014-05-14 | 姜廷顺 | 公安交通突发事件接警自动分配方法及系统 |
| 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 (5)
| 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 |
| CN107527502A (zh) * | 2017-07-20 | 2017-12-29 | 北京博研智通科技有限公司 | 利用手机移动数据计算道路交通受阻系数方法和系统 |
| 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 |
| CN113870597A (zh) * | 2021-08-09 | 2021-12-31 | 中标慧安信息技术股份有限公司 | 基于物联网数据的交通调度的方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6141393B2 (ja) | 目標位置を確定するための方法及び装置 | |
| CN106952472A (zh) | 基于多元数据的城市之间拥堵程度排序方法和系统 | |
| Krueger et al. | Visual analysis of movement behavior using web data for context enrichment | |
| CN103533501B (zh) | 一种地理围栏生成方法 | |
| 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 | |
| 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 | |
| CN109118265A (zh) | 商圈确定方法、装置和服务器 | |
| JP2018538627A (ja) | 交通道路の経路ヒートを取得する方法および装置 | |
| CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
| CN110889794A (zh) | 一种市政道路征地房屋统计方法 | |
| CN107861992A (zh) | 一种跑步路线处理方法和装置 | |
| CN108375985A (zh) | 一种土地三维规划设计平台及其设计方法 | |
| CN103823914A (zh) | 一种游览线路规划方法 | |
| CN107134136A (zh) | 一种城市之间道路交通拥堵程度排序的方法和系统 | |
| CN110413855A (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
| 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 | |
| CN107134133A (zh) | 辖区之间高速公路交通拥堵程度排序的方法和系统 | |
| CN107527502A (zh) | 利用手机移动数据计算道路交通受阻系数方法和系统 | |
| CN110362640A (zh) | 一种基于电子地图数据的任务分配方法及装置 | |
| CN107943962A (zh) | 一种Gis2.5D地图及其制作方法 | |
| 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 | |
| CN107908655A (zh) | 一种定位的方法和装置 | |
| Bartosiewicz et al. | The use of modern information technology in research on transport accessibility | |
| Feng et al. | [Retracted] Visual Evaluation of Urban Streetscape Design Supported by Multisource Data and Deep Learning | |
| CN111008730A (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170718 |