CN106960570A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN106960570A CN106960570A CN201710193936.4A CN201710193936A CN106960570A CN 106960570 A CN106960570 A CN 106960570A CN 201710193936 A CN201710193936 A CN 201710193936A CN 106960570 A CN106960570 A CN 106960570A
- Authority
- CN
- China
- Prior art keywords
- test point
- congestion
- highway
- data
- jurisdiction
- 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,在需要排序的辖区高速公路的电子地图上标注检测点,针对每一检测点,通过获取的手机的位置和速度数据得到第一实时路况数据,在周期性拥堵路段采用雷达跟踪车辆来获取检测点的第二实时路况数据,融合第一实时路况数据和第二实时路况数据得到真实路况数据。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,判断检测点是否为拥堵源头,计算拥堵源头的受阻系数,用总受阻系数除以辖区高速公路的总检测点的数量得到该辖区高速公路的拥堵指数,对各辖区高速公路的拥堵程度按照拥堵指数的大小进行排序,可以避免各辖区管理范围大小或高速公路长度不一样导致的偏差。
Description
技术领域
本发明涉及高速公路管理领域,具体是一种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。
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,尤其是节假日免费通行期间,高速公路拥堵已成常态,迫切需要一套考核评价体系和方法,评价各地区高速公路管理水平和快速反应能力。全天候的对各地及各个辖区的高速公路管理水平进行公开、公平、公正的自动实时地进行考核评价,是提高我国高速公路管理水平和快速反应能力,确保高速公路畅通的重要保证。
实现全国高速公路辖区之间拥堵程度排序,需要五个方面条件: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。目前国内外没有提出受阻系数的概念,也就没有受阻系数的计算方法;四是,需要标注检测点。目前国内外没有提出标注检测点的方法,不能对各辖区高速公路管理长度进行定量描述;五是,需要构建各地或辖区之间拥堵程度排序模型,目前国内外没有一套完整的高速公路拥堵程度排序计算方法。
因此,亟需一种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。
发明内容
本发明要解决现有技术中没有对各辖区之间高速公路拥堵程度进行排序的方法问题,进而提供一种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。
为此,本发明提供一种多元数据融合的辖区之间高速公路拥堵排序的方法,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在设定阈值范围内;
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;
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车辆的行驶速度,根据每一车辆的行驶速度得到检测点对应的行驶速度,根据检测点对应的行驶速度与其所在路段的最高限速值的比值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;
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;
针对所辖区域高速公路上的每一个拥堵源头检测点,根据其路况数据和下游紧邻的检测点的路况数据,计算其受阻系数;
获取当前时刻所辖区域高速公路上的检测点总数以及该辖区高速公路上全部拥堵源头的受阻系数总和,得到当前时刻该辖区高速公路的拥堵指数:拥堵指数=受阻系数总和/检测点总数;
根据每一辖区高速公路的拥堵指数对各辖区高速公路交通拥堵程度进行排序。
可选地,上述的多元数据融合的辖区之间高速公路拥堵排序的方法中,在周期性拥堵发生路段,采用雷达跟踪高速公路上的行驶车辆并实时采集每一车辆的行驶速度,根据每一车辆的行驶速度得到检测点对应的行驶速度,根据检测点对应的行驶速度与其所在路段的最高限速值的比值得到第二实时路况数据,具体包括:
以相邻两个检测点的中间点为界限划分检测点的测速区域,与前一检测点距离近的位置点的车辆划入前一检测点的测速区域,与后一检测点距离近的位置点的车辆划入后一检测点的测速区域;
针对每一检测点,若与该检测点对应的测速区域内无行驶车辆,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测速区域内的每一车辆的行驶速度Vi,其中1≤i≤N,N为检测时间内该检测点对应的测速区域内的车辆总数;
根据以下公式计算该检测点的行驶速度:
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。
可选地,上述的多元数据融合的辖区之间高速公路拥堵排序的方法中,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。
可选地,上述的多元数据融合的辖区之间高速公路拥堵排序的方法中,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,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。
可选地,上述的多元数据融合的辖区之间高速公路拥堵排序的方法中,针对所辖区域高速公路上的每一个拥堵源头检测点,根据其路况数据和下游紧邻的检测点的路况数据,计算其受阻系数,具体包括:
每一检测点成为拥堵源头的瞬间,为其标注受阻系数J初始值,所述初始值为零;在每一预设周期内,按照如下步骤对每一拥堵源头的受阻系数进行更新,所述预设周期以秒为单位;
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*预设周期值;
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*预设周期值;
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*预设周期值,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*预设周期值;
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*预设周期值;
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*预设周期值;
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。
本发明还提供一种多元数据融合的辖区之间高速公路拥堵排序的系统,包括:
检测点标注模块,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在设定阈值范围内;
手机数据获取模块,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;
雷达跟踪模块,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车辆的行驶速度,根据每一车辆的行驶速度得到检测点对应的行驶速度,根据检测点对应的行驶速度与其所在路段的最高限速值的比值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;
拥堵源头判定模块,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;
受阻系数计算模块,针对所辖区域高速公路上的每一个拥堵源头检测点,根据其路况数据和下游紧邻的检测点的路况数据,计算其受阻系数;
拥堵指数计算模块,获取当前时刻所辖区域高速公路上的检测点总数以及该辖区高速公路上全部拥堵源头的受阻系数总和,得到当前时刻该辖区高速公路的拥堵指数:拥堵指数=受阻系数总和/检测点总数;
排序模块,根据每一辖区高速公路的拥堵指数对各辖区高速公路交通拥堵程度进行排序。
可选地,上述的多元数据融合的辖区之间高速公路拥堵排序的系统中,雷达跟踪模块,具体用于:
以相邻两个检测点的中间点为界限划分检测点的测速区域,与前一检测点距离近的位置点的车辆划入前一检测点的测速区域,与后一检测点距离近的位置点的车辆划入后一检测点的测速区域;
针对每一检测点,若与该检测点对应的测速区域内无行驶车辆,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测速区域内的每一车辆的行驶速度Vi,其中1≤i≤N,N为检测时间内该检测点对应的测速区域内的车辆总数;
根据以下公式计算该检测点的行驶速度:
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。
可选地,上述的多元数据融合的辖区之间高速公路拥堵排序的系统中,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。
可选地,上述的多元数据融合的辖区之间高速公路拥堵排序的系统中,拥堵源头判定模块,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。
可选地,上述的多元数据融合的辖区之间高速公路拥堵排序的系统中,受阻系数计算模块,具体用于:
每一检测点成为拥堵源头的瞬间,为其标注受阻系数J初始值,所述初始值为零;在每一预设周期内,按照如下步骤对每一拥堵源头的受阻系数进行更新,所述预设周期以秒为单位;
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*预设周期值;
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*预设周期值;
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*预设周期值,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*预设周期值;
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*预设周期值;
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*预设周期值;
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。
本发明提供的上述方案,与现有技术相比,至少具有如下有益效果:
本发明所述的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,在需要排序的辖区高速公路的电子地图上标注多个检测点,相邻检测点之间的距离在预设阈值范围内,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,本发明还在周期性拥堵路段采用雷达跟踪每一行驶车辆来获取检测点的第二实时路况数据,融合第一实时路况数据和第二实时路况数据得到每一检测点的真实路况数据。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,若其为拥堵源头根据该检测点的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,按照某一时间段或者当前时刻辖区高速公路总受阻系数除以辖区高速公路的总检测点的数量得到该辖区高速公路的拥堵指数,对辖区高速公路的交通拥堵程度按照拥堵指数的大小进行排序。根据拥堵指数对各辖区之间高速公路交通拥堵程度进行排名,更加公平合理,因为对于辖区管理范围大的高速公路上标注的检测点多,辖区管理范围小的高速公路上标注的检测点少,同样的总受阻系数,管理范围大的拥堵指数小,管理范围小的拥堵指数大,可以避免辖区范围大小不一样、高速公路长度不一样导致的偏差。
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元数据融合的辖区之间高速公路拥堵排序的方法的流程图;
图2为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检测点测速区域划分示意图;
图4为本发明一个实施例所述获取检测点路况数据的原理示意图;
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多元数据融合的辖区之间高速公路拥堵排序的系统的原理框图。
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
本实施例提供一种多元数据融合的辖区之间高速公路拥堵排序的方法,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在设定阈值范围内;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。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,当出现拥堵时立即就能发现并处理,避免拥堵扩散或者延长持续时间。
S2: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;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 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信息。
S3: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车辆的行驶速度,根据每一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二实时路况数据;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行驶速度。由于雷达测速装置是针对连续位置进行测试的,每一检测点的速度可通过如下方式进行得到:
S31:以相邻两个检测点的中间点为界限划分检测点的测速区域,与前一检测点距离近的位置点划入前一检测点的测速区域,与后一检测点距离近的位置点划入后一检测点的测速区域;具体地,如图3所示,其中标出了检测点1和前边相邻检测点之间的中点、检测点1和后边相邻检测点(检测点2)之间的中点,两个中点之间的阴影区域即构成了检测点1的测速区域。
S32:针对每一检测点,若与该检测点对应的测速区域内无行驶车辆,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测速区域内的每一车辆的行驶速度Vi,其中1≤i≤N,N为检测时间内该检测点对应的测速区域内的车辆总数;
S33:根据以下公式计算该检测点的平均行驶速度:
S34: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;
S35: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;
S36: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;
S37: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,第一阈值、第二阈值、第三阈值均可以根据实际情况进行选择,可以分别选择为0.6、0.4、0.2。
S4: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4所示,具体地,在周期性拥堵路段,可以根据雷达读取到的路况数据和网络读取的云数据进行比对,如果二者的差异超过一定范围,则舍弃该组数据,例如雷达读取到的数据显示某一检测点的路况为深红色,而互联网读取到的该检测点的路况数据为黄色,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。对于非周期性拥堵路段,可直接采用互联网读取到的路况数据作为检测点的路况数据。
S5: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;
S6:针对所辖区域高速公路上的每一个拥堵源头检测点,根据其路况数据和下游紧邻的检测点的路况数据,计算其受阻系数;
S7:获取当前时刻所辖区域高速公路上的检测点总数以及该辖区高速公路上全部拥堵源头的受阻系数总和,得到当前时刻该辖区高速公路的拥堵指数:拥堵指数=受阻系数总和/检测点总数;
S8:根据每一辖区高速公路的拥堵指数对各辖区高速公路交通拥堵程度进行排序。
以京沪高速公路按照行政区域划分后的辖区为例,其中北京段35公里,河北段6.84公里,天津段100.85公里。显然,天津段辖区高速公路的长度远大于河北段辖区高速公路的长度,如果检测点之间的距离相同的话,那么天津段高速公路内的检测点数量会远大于河北段高速公路内的检测点数量。如天津段高速公路设置了80000个检测点,而河北段设置了10000个检测点。在当前时刻,如果天津段高速公路所有检测点的受阻系数相加后为300000,河北段高速公路所有检测点的受阻系数相加后为50000,虽然表面上看河北段高速公路的受阻系数总数小于天津段高速公路的受阻系数,但是由于天津段高速公路的检测点总数大于河北段高速公路的检测点总数,因此计算后天津段高速公路的拥堵指数=300000/80000=3.75;河北段高速公路的拥堵指数=50000/10000=5,因此河北段高速公路的拥堵指数大于天津段高速公路的拥堵指数,在对两个辖区高速公路交通拥堵程度排序时,河北段高速公路的排名要比天津段高速公路的排名更靠前。
以上方案中,在需要排序的辖区高速公路的电子地图上标注多个检测点,相邻检测点之间的距离在预设阈值范围内,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检测点的实时路况数据更加准确,在此基础上,本发明还在周期性拥堵路段采用雷达跟踪每一行驶车辆来获取检测点的第二实时路况数据,融合第一实时路况数据和第二实时路况数据得到每一检测点的精准路况数据。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,若其为拥堵源头根据该检测点的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,按照某一时间段或者当前时刻辖区高速公路总受阻系数除以辖区高速公路的总检测点的数量得到该辖区高速公路的拥堵指数,对辖区高速公路的交通拥堵程度按照拥堵指数的大小进行排序。根据拥堵指数对各辖区之间高速公路交通拥堵程度进行排名,更加公平合理,因为对于辖区范围大的情况高速公路上标注的检测点多,辖区范围小的情况高速公路上标注的检测点少,同样的总受阻系数,管理范围大的拥堵指数小,管理范围小的拥堵指数大,可以避免辖区范围不一样、高速公路长度不一样导致的偏差。
实施例2
本实施例中,获得了手机位置和速度数据后,通过以下步骤得到检测点的第一实时路况数据。
S21: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。
S22: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。
S23: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。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,以上方案可以通过图5所示的步骤判断每一检测点是否为拥堵源头:
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S2;
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S2;
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S2;
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S2;
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。
优选地,在上述任一方案的基础上,如图6所示,可以通过如下步骤计算拥堵源头的受阻系数:
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*预设周期值,所述预设周期指以秒为单位,例如选择为1秒,2秒等,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*预设周期值;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*预设周期值,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*预设周期值,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*预设周期值。
S77:每秒钟将区域内变为绿色的拥堵源头的受阻系数清零。
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。
优选地,上述方案中还包括如下步骤:
每隔预设周期,根据辖区高速公路上每一检测点成为拥堵源头的次数得到辖区高速公路拥堵总发生次数,并显示在当前时刻辖区高速公路拥堵源头的数量以及拥堵源头所在位置。所述预设周期可以选择为一秒钟。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、拥堵指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3
本实施例提供一种多元数据融合的辖区之间高速公路拥堵排序的系统,如图7所示,包括:
检测点标注模块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在设定阈值范围内;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。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,当出现拥堵时立即就能发现并处理,避免拥堵扩散或者延长持续时间。
手机数据获取模块2,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;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。
雷达跟踪模块3,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车辆的行驶速度,根据每一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二实时路况数据;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。由于雷达测速装置是针对连续位置进行测试的,每一检测点的速度可通过如下方式进行得到:
以相邻两个检测点的中间点为界限划分检测点的测速区域,与前一检测点距离近的位置点划入前一检测点的测速区域,与后一检测点距离近的位置点划入后一检测点的测速区域;具体地,如图3所示,其中标出了检测点1和前边相邻检测点之间的中点、检测点1和后边相邻检测点(检测点2)之间的中点,两个中点之间的阴影区域即构成了检测点1的测速区域。
针对每一检测点,若与该检测点对应的测速区域内无行驶车辆,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测速区域内的每一车辆的行驶速度Vi,其中1≤i≤N,N为检测时间内该检测点对应的测速区域内的车辆总数;
根据以下公式计算该检测点的行驶速度:
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。
以上,第一阈值、第二阈值、第三阈值均可以根据实际情况进行选择,可以分别选择为0.6、0.4、0.2。
数据融合模块4,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;具体地,在周期性拥堵路段,可以根据雷达读取到的路况数据和网络读取的云数据进行比对,如果二者的差异超过一定范围,则舍弃该组数据,例如雷达读取到的数据显示某一检测点的路况为深红色,而互联网读取到的该检测点的路况数据为黄色,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。对于非周期性拥堵路段,可直接采用互联网读取到的路况数据作为检测点的路况数据。
拥堵源头判定模块5,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;
受阻系数计算模块6,针对所辖区域高速公路上的每一个拥堵源头检测点,根据其路况数据和下游紧邻的检测点的路况数据,计算其受阻系数;
拥堵指数计算模块7,获取当前时刻所辖区域高速公路上的检测点总数以及该辖区高速公路上全部拥堵源头的受阻系数总和,得到当前时刻该辖区高速公路的拥堵指数:拥堵指数=受阻系数总和/检测点总数;
排序模块8,根据每一辖区高速公路的拥堵指数对各辖区高速公路交通拥堵程度进行排序。
以京沪高速公路按照行政区域划分后的辖区为例,其中北京段35公里,河北段6.84公里,天津段100.85公里。显然,天津段辖区高速公路的长度远大于河北段辖区高速公路的长度,如果检测点之间的距离相同的话,那么天津段高速公路内的检测点数量会远大于河北段高速公路内的检测点数量。如天津段高速公路设置了80000个检测点,而河北段设置了10000个检测点。在当前时刻,如果天津段高速公路所有检测点的受阻系数相加后为300000,河北段高速公路所有检测点的受阻系数相加后为50000,虽然表面上看河北段高速公路的受阻系数总数小于天津段高速公路的受阻系数,但是由于天津段高速公路的检测点总数大于河北段高速公路的检测点总数,因此计算后天津段高速公路的拥堵指数=300000/80000=3.75;河北段高速公路的拥堵指数=50000/10000=5,因此河北段高速公路的拥堵指数大于天津段高速公路的拥堵指数,在对两个辖区高速公路交通拥堵程度排序时,河北段高速公路的排名要比天津段高速公路的排名更靠前。
优选地,手机数据获取模块2,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,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。
根据以下公式计算该检测点的移动速度: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。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,拥堵源头判定模块5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。
作为一种优选的方案,受阻系数计算模块6具体用于:
每一检测点成为拥堵源头的瞬间,为其标注受阻系数J初始值,所述初始值为零;在每一预设周期内,按照如下步骤对每一拥堵源头的受阻系数进行更新,所述预设周期以秒为单位;
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*预设周期值;
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*预设周期值;
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*预设周期值,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*预设周期值;
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*预设周期值;
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*预设周期值;
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。
以上,所述第一数值、第二数值、第三数值可以根据实际情况进行选择,本实施例中分别选择为1.5、1.0和0.5。
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)
1.一种多元数据融合的辖区之间高速公路拥堵排序的方法,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在设定阈值范围内;
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;
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车辆的行驶速度,根据每一车辆的行驶速度得到检测点对应的行驶速度,根据检测点对应的行驶速度与其所在路段的最高限速值的比值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;
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;
针对所辖区域高速公路上的每一个拥堵源头检测点,根据其路况数据和下游紧邻的检测点的路况数据,计算其受阻系数;
获取当前时刻所辖区域高速公路上的检测点总数以及该辖区高速公路上全部拥堵源头的受阻系数总和,得到当前时刻该辖区高速公路的拥堵指数:拥堵指数=受阻系数总和/检测点总数;
根据每一辖区高速公路的拥堵指数对各辖区高速公路交通拥堵程度进行排序。
2.根据权利要求1所述的多元数据融合的辖区之间高速公路拥堵排序的方法,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车辆的行驶速度,根据每一车辆的行驶速度得到检测点对应的行驶速度,根据检测点对应的行驶速度与其所在路段的最高限速值的比值得到第二实时路况数据,具体包括:
以相邻两个检测点的中间点为界限划分检测点的测速区域,与前一检测点距离近的位置点的车辆划入前一检测点的测速区域,与后一检测点距离近的位置点的车辆划入后一检测点的测速区域;
针对每一检测点,若与该检测点对应的测速区域内无行驶车辆,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测速区域内的每一车辆的行驶速度Vi,其中1≤i≤N,N为检测时间内该检测点对应的测速区域内的车辆总数;
根据以下公式计算该检测点的行驶速度:
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。
3.根据权利要求2所述的多元数据融合的辖区之间高速公路拥堵排序的方法,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。
4.根据权利要求2所述的多元数据融合的辖区之间高速公路拥堵排序的方法,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,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2所述的多元数据融合的辖区之间高速公路拥堵排序的方法,其特征在于,针对所辖区域高速公路上的每一个拥堵源头检测点,根据其路况数据和下游紧邻的检测点的路况数据,计算其受阻系数,具体包括:
每一检测点成为拥堵源头的瞬间,为其标注受阻系数J初始值,所述初始值为零;在每一预设周期内,按照如下步骤对每一拥堵源头的受阻系数进行更新,所述预设周期以秒为单位;
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*预设周期值;
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*预设周期值;
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*预设周期值,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*预设周期值;
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*预设周期值;
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*预设周期值;
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。
6.一种多元数据融合的辖区之间高速公路拥堵排序的系统,其特征在于,包括:
检测点标注模块,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在设定阈值范围内;
手机数据获取模块,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;
雷达跟踪模块,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车辆的行驶速度,根据每一车辆的行驶速度得到检测点对应的行驶速度,根据检测点对应的行驶速度与其所在路段的最高限速值的比值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;
拥堵源头判定模块,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;
受阻系数计算模块,针对所辖区域高速公路上的每一个拥堵源头检测点,根据其路况数据和下游紧邻的检测点的路况数据,计算其受阻系数;
拥堵指数计算模块,获取当前时刻所辖区域高速公路上的检测点总数以及该辖区高速公路上全部拥堵源头的受阻系数总和,得到当前时刻该辖区高速公路的拥堵指数:拥堵指数=受阻系数总和/检测点总数;
排序模块,根据每一辖区高速公路的拥堵指数对各辖区高速公路交通拥堵程度进行排序。
7.根据权利要求6所述的多元数据融合的辖区之间高速公路拥堵排序的系统,其特征在于,雷达跟踪模块,具体用于:
以相邻两个检测点的中间点为界限划分检测点的测速区域,与前一检测点距离近的位置点的车辆划入前一检测点的测速区域,与后一检测点距离近的位置点的车辆划入后一检测点的测速区域;
针对每一检测点,若与该检测点对应的测速区域内无行驶车辆,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测速区域内的每一车辆的行驶速度Vi,其中1≤i≤N,N为检测时间内该检测点对应的测速区域内的车辆总数;
根据以下公式计算该检测点的行驶速度:
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。
8.根据权利要求7所述的多元数据融合的辖区之间高速公路拥堵排序的系统,其特征在于,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。
9.根据权利要求7所述的多元数据融合的辖区之间高速公路拥堵排序的系统,其特征在于,拥堵源头判定模块,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。
10.根据权利要求7所述的多元数据融合的辖区之间高速公路拥堵排序的系统,其特征在于,受阻系数计算模块,具体用于:
每一检测点成为拥堵源头的瞬间,为其标注受阻系数J初始值,所述初始值为零;在每一预设周期内,按照如下步骤对每一拥堵源头的受阻系数进行更新,所述预设周期以秒为单位;
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*预设周期值;
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*预设周期值;
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*预设周期值,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*预设周期值;
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*预设周期值;
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*预设周期值;
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710193936.4A CN106960570A (zh) | 2017-03-28 | 2017-03-28 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710193936.4A CN106960570A (zh) | 2017-03-28 | 2017-03-28 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106960570A true CN106960570A (zh) | 2017-07-18 |
Family
ID=59470483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710193936.4A Pending CN106960570A (zh) | 2017-03-28 | 2017-03-28 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106960570A (zh) |
Cited By (8)
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 |
CN108509576A (zh) * | 2018-03-28 | 2018-09-07 | 浙江知水信息技术有限公司 | 一种基于电子地图的巡查轨迹错误点位的过滤优化方法 |
CN110047277A (zh) * | 2019-03-28 | 2019-07-23 | 华中科技大学 | 基于信令数据的道路交通拥堵排名方法及系统 |
CN110111589A (zh) * | 2019-05-10 | 2019-08-09 | 西南交通大学 | 一种动态道路交通信号控制系统与方法 |
CN110491122A (zh) * | 2019-07-29 | 2019-11-22 | 安徽科力信息产业有限责任公司 | 一种降低城市拥堵排名的方法及装置 |
CN111081030A (zh) * | 2019-12-30 | 2020-04-28 | 北京中交兴路车联网科技有限公司 | 一种高速路堵车的判断方法和系统 |
CN112652170A (zh) * | 2020-12-24 | 2021-04-13 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 交通拥堵热点的定位方法和装置 |
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 |
CN103730000A (zh) * | 2012-10-12 | 2014-04-16 | 姜廷顺 | 自动记录突发事件反应速度的方法及系统 |
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
- 2017-03-28 CN CN201710193936.4A patent/CN106960570A/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 |
CN103730000A (zh) * | 2012-10-12 | 2014-04-16 | 姜廷顺 | 自动记录突发事件反应速度的方法及系统 |
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 (12)
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 |
CN108509576A (zh) * | 2018-03-28 | 2018-09-07 | 浙江知水信息技术有限公司 | 一种基于电子地图的巡查轨迹错误点位的过滤优化方法 |
CN108509576B (zh) * | 2018-03-28 | 2021-04-20 | 浙江知水信息技术有限公司 | 一种基于电子地图的巡查轨迹错误点位的过滤优化方法 |
CN110047277A (zh) * | 2019-03-28 | 2019-07-23 | 华中科技大学 | 基于信令数据的道路交通拥堵排名方法及系统 |
CN110111589A (zh) * | 2019-05-10 | 2019-08-09 | 西南交通大学 | 一种动态道路交通信号控制系统与方法 |
CN110111589B (zh) * | 2019-05-10 | 2023-09-05 | 西南交通大学 | 一种动态道路交通信号控制系统与方法 |
CN110491122A (zh) * | 2019-07-29 | 2019-11-22 | 安徽科力信息产业有限责任公司 | 一种降低城市拥堵排名的方法及装置 |
CN111081030A (zh) * | 2019-12-30 | 2020-04-28 | 北京中交兴路车联网科技有限公司 | 一种高速路堵车的判断方法和系统 |
CN111081030B (zh) * | 2019-12-30 | 2021-03-26 | 北京中交兴路车联网科技有限公司 | 一种高速路堵车的判断方法和系统 |
CN112652170A (zh) * | 2020-12-24 | 2021-04-13 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 交通拥堵热点的定位方法和装置 |
CN112652170B (zh) * | 2020-12-24 | 2022-04-08 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 交通拥堵热点的定位方法和装置 |
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 | |
CN108629974B (zh) | 顾及城市道路交通网络特征的交通运行指数建立方法 | |
Tettamanti et al. | Route choice estimation based on cellular signaling data | |
CN102147260B (zh) | 电子地图匹配方法和装置 | |
CN104778836B (zh) | 基于手机信令数据质量感知的高速公路交通状态识别方法 | |
CN108564226A (zh) | 一种基于出租车gps及手机信令数据的公交线路优化方法 | |
CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
CN108198416A (zh) | 一种手机信令与路网大数据的融合方法及其应用与系统 | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN111581315B (zh) | 一种公共服务设施可达性计算方法及装置 | |
JP2018538627A (ja) | 交通道路の経路ヒートを取得する方法および装置 | |
CN107134133A (zh) | 辖区之间高速公路交通拥堵程度排序的方法和系统 | |
CN107134135A (zh) | 一种缓解高速公路拥堵程度的方法及系统 | |
CN105303831A (zh) | 一种基于通信数据判断高速路拥堵情况的方法 | |
CN113434619B (zh) | 一种4g的高速公路智能交通路况监控系统 | |
CN105160867B (zh) | 交通讯息预测方法 | |
CN107818332B (zh) | 高速公路互通立交服务范围分析方法及装置 | |
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 | |
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 | |
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 | |
CN107861992A (zh) | 一种跑步路线处理方法和装置 | |
CN107134136A (zh) | 一种城市之间道路交通拥堵程度排序的方法和系统 | |
CN105806355B (zh) | 一种车辆绿色路径导航系统及方法 | |
CN115100012B (zh) | 一种轨道交通站点步行可达性计算方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170718 |