CN107085944A - 一种交通数据处理系统及方法 - Google Patents
一种交通数据处理系统及方法 Download PDFInfo
- Publication number
- CN107085944A CN107085944A CN201710507478.7A CN201710507478A CN107085944A CN 107085944 A CN107085944 A CN 107085944A CN 201710507478 A CN201710507478 A CN 201710507478A CN 107085944 A CN107085944 A CN 107085944A
- Authority
- CN
- China
- Prior art keywords
- bayonet socket
- vehicle
- time
- data
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 31
- 238000012545 processing Methods 0.000 title claims description 29
- 230000004927 fusion Effects 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000003672 processing method Methods 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims 1
- 230000007717 exclusion Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000001514 detection method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 241001417517 Scatophagidae Species 0.000 description 1
- 238000005267 amalgamation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
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]
-
- G06Q50/40—
-
- 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
Abstract
本发明属于信息处理技术领域,解决现有技术中通过数据融合计算卡口对间子路段速度评估的技术问题。本申请的技术方案以安装于路口的固定检测器数据及浮动车路况数据为基础,融合两种数据在评估交通路况中的优势,同时,考虑到两个固定检测器之间可能存在多个子路段的情形,相比于现有技术中从速度层面进行融合,本发明采用从时间维度进行融合的方式,从而在无需各个子路段都安装固定检测器的情况下,能够对各个子路段的道路状况进行评估。
Description
技术领域
本发明属于信息处理技术领域,尤其涉及一种交通数据处理的系统及方法。
背景技术
随着社会城市化进程的不断推进,我国各城市的机动车辆保有量得到了大幅提升,同时随着人们生活水平的提高及消费观念的增强,人们的出行需求也有着较大的提升。逐渐增多的机动车辆及出行需求,对交通道路管理及交通道路运行效率的维持提出了新的挑战,近年来,交通管理部门等交通领域相关人员通过多种政策及技术手段,为提高当前道路效率提供解决办法。其中道路路况检测及发布起着重要作用,实时可靠的道路路况信息为出行者优化出行路径,躲避拥堵发生提供了重要参考,在提升出行者出行体验的同时,促进城市道路利用效率的提高,因此提供完整可靠的交通路况信息有着重要的实际意义。
当前提供交通路况服务的厂商,主要以浮动车GPS数据作为基础数据,通过检测各个路段上车辆行驶时间等相关数据,处理得到特定时间段内各个道路对应的行车速度等交通路况信息。基于浮动车GPS数据的交通路况数据,虽然有着覆盖范围较广(覆盖范围包括所有装载有GPS车辆的可达路段)的优点,但其得到的交通路况精度依赖于GPS车辆上传的数据质量及可检测到的车辆数目,致使其在城市低等级路段上精度较差,同时在非高峰时段路况波动较大。而各城市交通管理部门所获取的固定检测器数据,则着力覆盖交通管理部门较为重点监控的路段,可以监测同一车辆经过前后两个固定检测器间的车辆通过时间数据,数据精度较高且不受空间和时间影响,但其覆盖范围较小。可见固定检测器数据在补足浮动车路况数据缺陷上有一定优势。
目前现有的文献中已有涉及利用浮动车和固定检测器数据相融合进行路况评估的技术方案。
在现有技术一中,其采用算法级并行和数据级并行将SCATS 和GPS采集的数据转换为路段平均速度,最后通过数据级并行计算将两种平均速度进行证据融合,输出评估之后的交通状态。
在现有技术二中,其首先计算基于视频采集(固定采集)的区间平均速度;然后计算基于浮动车的区间平均速度;最后计算出融合后区间平均速度。
在现有技术三中,涉及采用路况信息、电台数据、线圈数据等数据和浮动车数据相融合进行车辆旅行时间预测,其中根据评估路段的等级和交通路况确定评估路段的速度。最后通过将评估路段的长度除以所述评估路段的平均速度就可以得出所述评估路段的车辆旅行时间。实现了通过道路的交通路况来进行车辆旅行时间的预测。该现有技术还涉及当评估路段包括多条子路段的情形,其依次根据所述每条子路段的等级和交通路况从预设速度配置信息中获取所述每条子路段的速度。然后将所述每条子路段的长度作为该子路段速度的权数,对所述所有子路段的速度进行加权平均得出所述评估路段的平均速度。其中,所述子路段的速度为根据子路段的等级和交通路况从预设速度配置信息中获取到的速度,所述预设速度配置信息包括每种等级的道路在不同交通路况下的速度。
在现有技术四中,涉及一种道路数据融合处理方法,其读取多辆浮动车的源数据,将组成道路的每个评估路段划分为子路段;推算子路段的路况信息,其中行车速度的推算方法是:判断跨越每个子路段的浮动车行驶子路段个数是否为1个,则行车速度等于浮动车行驶路段的行车速度;若子路段个数大于1,则行车速度为行驶时间最新且速度最大的浮动车行驶路段的行车速度;根据子路段的路况信息,计算每个评估路段的路况信息。
通过对现有技术的分析可以看出,这几篇现有技术都涉及将多种检测数据相融合,发挥两种数据在评估交通路况中的优势,以在保证交通路况覆盖范围前提下,提高其评估可靠性为目标。但是现有技术中涉及数据融合,主要是从速度层面进行融合,即分别利用多种检测数据来计算道路的速度,再将多个速度值进行融合处理,得到评估路段的估计速度。但是现有技术中存在的情况是,由于固定检测器难以覆盖到每一个路口,所以会出现两个固定检测器之间有多个子路段的情况,而每个子路段的速度各不相同,前两篇现有技术未考虑这种情形。而后两篇现有技术,虽然涉及子路段速度,但是其是通过先评估各个子路段速度,再由各个子路段速度得到评估路段的整体速度,其并没有利用数据融合算法,在固定检测器未能覆盖到每一个路口时,来精确计算各个子路段的速度。
发明内容
本发明实施例提供一种交通数据处理系统及方法,以实现对子路段路况进行评估。
为了解决上述技术问题,本发明公开了如下技术方案:
一种交通数据处理方法,具体包括以下步骤:
a.根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值,所述卡口对包括一个或多个子路段,所述卡口检测器数据包括通过卡口的车辆标识信息和车辆通过时间信息;
b.根据浮动车数据计算待估计时间点t时刻卡口对间车辆旅行时间估计值,所述浮动车数据包括通过卡口对间各个子路段的车辆通过速度值;
c.结合浮动车数据和卡口检测器数据分别计算的待估计时间点t时刻卡口对间的车辆旅行时间估计值,得到数据融合后的车辆旅行时间估计值;
d.根据卡口对间数据融合后的车辆旅行时间估计值,对根据浮动车数据得到的卡口对间各个子路段的待估计时间点t时刻车辆通过速度值进行修正,得到修正后的待估计时间点t时刻卡口对间各个子路段的车辆旅行速度估计值。
所述方法进一步包括,在对卡口对间车辆旅行时间进行估计前,对由卡口检测器两两组成的卡口对进行筛选,对筛选后的有效卡口对进行车辆旅行时间估计。
所述方法进一步包括,对卡口对进行筛选包括以下步骤:获取待筛选卡口对间多个不同规则通行路径,若多个不同规则通行路径重合度达到设定阈值,则待筛选卡口对为有效卡口对。
所述方法进一步包括,所述卡口对间多个不同规则通行路径包括以下至少一个:卡口对间距离最短通行路径、卡口对间车辆旅行时间最短路径、卡口对间交通灯最少路径。
所述方法进一步包括,在进行卡口对间车辆旅行时间估计值计算中,进行数据筛选,排除卡口检测器数据中对应的车辆通过时间异常的采样点数据,车辆通过时间为某一车辆前后顺序通过待检测卡口对的两个卡口检测器的时间。
所述方法进一步包括,至少通过以下一种方式排除异常的采样点数据:排除待估计时间点t时刻待评估卡口对间车辆通过时间超过特定阈值的采样点数据;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间最多的L个和最少的K个采样点,L≥0,K≥0;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间超过采样点车辆通过时间均值设定阈值的采样点数据。
所述方法进一步包括,步骤a中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t的 N个同时刻车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。
所述方法进一步包括,步骤a中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t的 N个当天邻近时刻车辆通过时间的采样数据,计算待估计时间点卡口对间车辆旅行时间估计值。
所述方法进一步包括,步骤a中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t前后邻近时刻共N个车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值。
所述方法进一步包括:通过所述N个历史采样数据,计算其车辆通过时间均值,作为当天t时刻卡口对间车辆旅行时间估计值。
所述方法进一步包括:
根据N个历史采样点车辆通过时间数据,计算其车辆通过时间均值;
计算N个历史采样点车辆通过时间与车辆通过时间均值的差,得到t时刻车辆通过时间残差向量;
根据残差向量的均值和方差,分别计算N个历史采样点车辆通过时间的权重;
根据N个历史采样点的车辆通过时间以及权重,计算t时刻卡口对间车辆旅行时间估计值。
所述方法进一步包括,计算修正后的卡口对间各个子路段的车辆旅行速度估计值包括:根据数据融合后的卡口对间的车辆旅行时间估计值、卡口对间各个子路段的浮动车速度信息以及各个子路段的长度,计算卡口对间各个子路段的车辆旅行速度估计值。
此外,本发明还涉及一种交通数据处理系统,具体包括:
卡口数据处理单元,其用于根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值,所述卡口对包括一个或多个子路段,所述卡口检测器数据包括通过卡口的车辆标识信息和车辆通过时间信息;
浮动车数据处理单元,其用于根据浮动车数据计算待估计时间点t时刻卡口对间车辆旅行时间估计值,所述浮动车数据包括通过卡口对间各个子路段的车辆通过速度值;
数据融合单元,其用于结合浮动车数据和卡口检测器数据分别计算的待估计时间点t时刻卡口对间的车辆旅行时间估计值,得到数据融合后的车辆旅行时间估计值;
速度估计单元,其用于根据卡口对间数据融合后的车辆旅行时间估计值,对根据浮动车数据得到的卡口对间各个子路段的待估计时间点t时刻车辆通过速度值进行修正,得到修正后的待估计时间点t时刻卡口对间各个子路段车辆旅行速度估计值。
所述系统进一步包括,在对卡口对间车辆旅行时间进行估计前,对由卡口检测器两两组成的卡口对进行筛选,对筛选后的有效卡口对进行车辆旅行时间估计。
所述系统进一步包括,对卡口对进行筛选包括:获取待筛选卡口对间多个不同规则通行路径,若多个不同规则通行路径重合度达到设定阈值,则待筛选卡口对为有效卡口对。
所述系统进一步包括,所述卡口对间多个不同规则通行路径包括以下至少一个:卡口对间距离最短通行路径、卡口对间车辆旅行时间最短路径、卡口对间交通灯最少路径。
所述系统进一步包括,在进行卡口对间车辆旅行时间估计值计算中,进行数据筛选,排除卡口检测器数据中对应的车辆通过时间异常的采样点数据,车辆通过时间为某一车辆前后顺序通过待检测卡口对的两个卡口检测器的时间。
所述系统进一步包括,至少通过以下一种方式排除异常的采样点数据:排除待估计时间点t时刻待评估卡口对间车辆通过时间超过特定阈值的采样点数据;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间最多的L个和最少的K个采样点,L≥0,K≥0;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间超过采样点车辆通过时间均值设定阈值的采样点数据。
所述系统进一步包括,卡口数据处理单元中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t的N个同时刻车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。
所述系统进一步包括,卡口数据处理中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t的N个当天邻近时刻车辆通过时间的采样数据,计算待估计时间点卡口对间车辆旅行时间估计值。
所述系统进一步包括,卡口数据处理单元中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t前后邻近时刻共N个车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值。
所述系统进一步包括,通过所述N个历史采样数据,计算其车辆通过时间均值,作为当天t时刻卡口对间车辆旅行时间估计值。
所述系统进一步包括,根据N个历史采样点车辆通过时间数据,计算其车辆通过时间均值;
计算N个历史采样点车辆通过时间与车辆通过时间均值的差,得到t时刻车辆通过时间残差向量;
根据残差向量的均值和方差,分别计算N个历史采样点车辆通过时间的权重;
根据N个历史采样点的车辆通过时间以及权重,计算t时刻卡口对间车辆旅行时间估计值。
所述系统进一步包括,计算修正后的卡口对间各个子路段车辆旅行速度估计值包括:根据数据融合后的卡口对间的车辆旅行时间估计值、卡口对间各个子路段的浮动车速度信息以及各个子路段的长度,计算卡口对间各个子路段的车辆旅行速度估计值。
综上可以看出。本发明以卡口检测器数据及浮动车路况数据为基础,融合两种数据在评估交通路况中的优势,同时,考虑到两个卡口检测器之间可能存在多个子路段的情形,相比于现有技术中从速度层面进行融合,本发明采用从时间维度进行融合的方式,从而在无需各个子路段都安装卡口检测器的情况下,能够对各个子路段的道路状况进行评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获取其他的附图。
图1为本发明实施例中所涉及的两特定卡口间旅行时间示意图;
图2为本发明实施例中所涉及的浮动车交通路况数据示意图;
图3为本发明一个实施例的交通数据处理方法的流程图;
图4为本发明一个实施例的交通数据处理系统的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明实施例中技术方案作进一步详细的说明。
应该理解的是,本发明实施例所划分的单元是一种功能上的限定,在实现本发明目的的基础上,所述单元可以划分为多个物理实体,所述多个单元的功能也可以由一个物理实体来实现,本发明实施例对此不做限制。
本发明中应用到的数据包括三个部分。
1)城市道路路网结构数据
该部分数据对城市路网结构进行描述,包括了城市路口、城市道路长度、路口与道路间的连接关系,利用此部分数据可以提取出车辆依次经过两个卡口时的行驶路径。
2)卡口检测器数据
卡口检测器通常但不限定于指分布在道路上,尤其是道路交叉口附近能够检测并记录通过特定位置的车辆及时间信息的传感设备。卡口检测器数据通常包含通过该卡口检测器的车辆标识信息和车辆通过时间信息,更进一步的包括,1)卡口静态位置数据,包括卡口id、卡口所在位置(经纬度),卡口所在路段等信息;2)卡口检测得到的车辆通行数据,包括了车辆id(如车牌号)、经过卡口的卡口id、车辆经过卡口时的时间等信息。卡口静态位置数据是获取卡口对间可行路径的基础;车辆通行数据则提供了不同时段下车辆依次经过两卡口时所耗费的时间,即车辆行驶在卡口间通行路径上的通行时间。图1展示了某市两卡口间检测到旅行时间采样点分布情况。
3)浮动车数据
该部分数据描述了道路拥堵情况,即通过收集处理车辆定位信息,推算得到的不同时间段下不同路段上所对应的行车速度数据,通过将该部分数据与卡口检测器数据进行整合,可得到最终融合后的路况数据。图2以某市某条道路上特定日期下的行车速度变化曲线为例对该数据进行展示。
为实现本发明要解决的技术问题,本实施例提出一种交通数据处理方法,图3是本发明一种基于AR技术的互动系统的结构示意图。如图3所示,具体包括以下步骤:
a.根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值,所述卡口对包括一个或多个子路段,所述卡口检测器数据包括通过卡口的车辆标识信息和车辆通过时间信息;
b.根据浮动车数据计算待估计时间点t时刻卡口对间车辆旅行时间估计值,所述浮动车数据包括通过卡口对间各个子路段的车辆通过速度值;
c.结合浮动车数据和卡口检测器数据分别计算的待估计时间点t时刻卡口对间的车辆旅行时间估计值,得到数据融合后的车辆旅行时间估计值;
d.根据卡口对间数据融合后的车辆旅行时间估计值,对根据浮动车数据得到的卡口对间各个子路段的待估计时间点t时刻车辆通过速度值进行修正,得到修正后的待估计时间点t时刻卡口对间各个子路段车辆旅行速度估计值。
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,下面对上述技术方案以及上述技术方案的可替换实现方式作进一步详细的说明。
在所述根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值之前,还包括:对由卡口检测器两两组成的卡口对进行筛选,对筛选后的有效卡口对进行车辆旅行时间估计。
其中,所述对卡口对进行筛选包括以下步骤:获取待筛选卡口对间多个不同规则通行路径,若多个不同规则通行路径重合度达到设定阈值,则待筛选卡口对为有效卡口对。
其中,所述卡口对间多个不同规则通行路径包括以下至少一个:卡口对间距离最短通行路径、卡口对间车辆旅行时间最短路径、卡口对间交通灯最少路径。
下面通过以下方式获取卡口对间多个不同规则通行路径:
卡口检测器是分布在道路的传感设备,其是离散的点,因此,为了进行道路状况评估,需要获取卡口对间的通行路径。例如AB 两个卡口检测器间的通行路径指可供车辆在从A卡口行驶至B卡口的可行路径,由定义可知,在城市路网连接性较好时,AB两卡口间将存在多条通行路径。由于本发明所涉及的路况融合过程主要以特定路段(路径)对应的旅行时间数据为基准,对所选路径有一定的依赖性,因此需要对卡口间的通行路径进行提取,以便后续对通行路径的多样性进行进一步分析。本步骤按照不同规则完成各自规则对应的通行路径获取,其中规则包括了1)旅行距离最短;2)旅行时间最短;3)躲避拥堵或躲避红绿灯等。不同规则所对应的路径可由两种方式获得:
(a)调用服务商对外提供的API接口,查询驾车自卡口A 行驶至卡口B的可行路径。
(b)利用获取的路网结构数据,结合Dijkstra算法、A*算法等成熟的寻路算法,查找不同规则对应的可行路径。在寻路算法中,利用有向图表述城市路网,通过改变有向图内各边的权重完成来体现不同的寻路规则,如旅行距离最短规则以道路长度值作为权重,旅行时间最短规则以道路平均旅行时间作为权重。
将该步骤所获得的卡口AB间通行道路记为:
其中pathi i=1,2,3表示不同规则所对应的通行路径,表示第 i条通行路径中的第j段子路段,n,m,k分别表示不同路径所包含子路段的个数。以上以3种不同规则对应的通行路径为例,并非对本发明的限定。
在所述根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值中,还包括:进行数据筛选,排除卡口检测器数据中对应的车辆通过时间异常的采样点数据,车辆通过时间为某一车辆前后顺序通过待检测卡口对的两个卡口检测器的时间。
【基于原始卡口历史数据的数据筛选及参数计算】
原始卡口数据中记录了车辆出现在不同卡口位置上的时间,由此可推断得出车辆行驶在卡口间通行路径上的旅行时间,但卡口通行路径存在多样性,难以直接判断各个车辆所选择的通行路径。为保证路况融合的准确度和实时性,需要对原始卡口数据进行处理和筛选,将较可能行驶在提取出的行驶路径上的卡口旅行数据进行提取并处理,作为后续与浮动车路况数据拟合的基础。
(1)有效卡口对及其行车路径的筛选
获取各个卡口对间不同规则通行路径,然后对卡口间所有通行路径的重合度进行评估,其中一种表达重合度的计算方式如下,本领域技术人员可以想到多种实现重合度计算的方式:
其中paths=path1∩path2∩path3,表示3条路段重合部分的道路长度,length(path)表示path内所包含子路段的总长度。
而后提取s大于特定阈值的卡口对作为有效卡口对,将某一规则通行路径,例如旅行时间最短的路径v,作为有效卡口对所对应的行车路径,记为其中q表示行车路径所包含的子路段个数。
在通过卡口检测器以及浮动车检测时,可能会出现车辆的特殊行驶行为,例如驾驶员中途停车等,由于难以将上述行为与因为拥堵导致的停车进行有效区分,并且上述现象会对实际道路状况评估带来重大影响,使得道路状况的评估结果与实际状况有较大偏差,因此,为了避免上述情况的发生,在进行卡口对间车辆旅行时间估计值计算中,进行数据筛选,排除车辆通过时间采样点中异常的采样点数据。
数据筛选可以有多种实现方式,至少通过以下一种方式排除车辆通过时间采样点中异常的采样点数据:排除待估计时间点t 时刻待评估卡口对间车辆通过时间超过特定阈值的采样点数据;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间最多的L个和最少的K个采样点,L≥0,K≥0;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间超过采样点车辆通过时间均值设定阈值的采样点数据。
【卡口对间车辆旅行时间估计值的计算】
对于如何根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值,可以根据算法的复杂程度以及精度,采用多种可选的计算方式。
其中一种方式是根据待估计时间点t的N个同时刻历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。例如为评估特定路段早上7点的车辆旅行时间,可以根据多个历史采集数据中该路段早上7点的车辆通过时间,来评估当天早上7 点或次日早上7点的车辆旅行时间。具体可以采取加权平均的方式,对于多个历史采样数据,可以采用相同的权值,也可以根据历史日期与待评估日期的临近度采用不同的权值,例如与待评估日期越近的日期的采样数据权值越大,其原理是日期越临近,路况的相似度也会越高。
另一种方式是根据待估计时间点t的N个当天邻近时刻车辆通过时间的采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。例如为评估特定路段早上7点的车辆旅行时间,可以根据当天采集的6点至7点之间的该路段的车辆通过时间,来评估当天早上7点的车辆旅行时间。具体可以采取加权平均的方式,对于采样数据,可以采用相同的权值,也可以根据采样时刻与待评估时刻的临近度采用不同的权值,例如与待评估时刻越近的时刻的权值越大,例如在6点58分的采样数据,其赋予的权值比6点56分的采样数据权值更大,其原理是时刻越临近,路况的相似度也会越高。
第三种方式是根据待估计时间点t前后邻近时刻共N个车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。相较于实时数据采集中仅能获取当前待评估时刻t之前的采样数据,历史数据不仅可以利用历史时期当前时刻t之前的数据,还可以利用历史时期中当前时刻t之后的数据。例如为评估当前日期7点的道路状况,其可以利用历史日期中6 点至8点的采样数据进行计算。
具体的计算可以有多种方式,其中一种方式是通过N个历史采样数据,计算t时刻的车辆通过时间均值,根据t时刻的车辆通过时间均值计算当天t时刻卡口对间车辆旅行时间估计值。
另一种方式是根据N个历史采样点车辆通过时间数据,计算 t时刻的车辆通过时间均值;计算N个历史采样点车辆通过时间与车辆通过时间均值的差,得到t时刻车辆通过时间残差向量;根据残差向量的均值和方差,分别计算N个历史采样点车辆通过时间的权重;根据N个历史采样点的车辆通过时间以及权重,计算t时刻卡口对间车辆旅行时间估计值。
其中上述实施方式可以是如下一种更为具体的实施方式。本领域技术人员将会理解,以下实施方式仅作为帮助理解的一种示例性说明,如前文所述,还存在其他多种实施方式,以下实施方式并非对本发明的限定。
查找待评估卡口对间时刻t前后各2小时的旅行时间数据点 (或者查找相邻时段内满足一定数据量要求的数据点,如200个数据点),得到车辆在到达起始卡口的车辆起始时间向量 ST=[st1,st2,...,stN]、及对应的卡口对间车辆通过时间向量 TT=[tt1,tt2,...,ttN],其中sti,i=1,2,...,N表示车辆出发时刻距离0点的时长,单位为秒,tti,i=1,2,...,N表示车辆通过时间大小,即第i辆车通过卡口对两个卡口检测器所花费的时间,单位为秒,N为采样数据点个数,即检测到的在卡口对间通行的车辆数量。
由于卡口对间的路径结构的影响,如存在车辆在路口等待会容易造成旅行时间延迟,为进一步区分车辆是否存在停车等造成旅行时间延迟的行为,需要对卡口数据进行进一步处理。
具体可以通过以下至少一种方式排除车辆通过时间采样点中异常的采样点数据:排除待估计时间点t时刻待评估卡口对间车辆通过时间超过特定阈值的采样点数据;排除待估计时间点t 时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间最多的L个和最少的K个采样点,L≥0,K≥0;排除待估计时间点t 时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间超过采样点车辆通过时间均值设定阈值的采样点数据。
得到筛选后的车辆起始时间向量及对应的车辆通过时间向量其中N1表示筛选后的采样点数据个数。根据采样点数据得到t时刻的车辆通过时间均值
然后计算去除通过时间均值后的车辆通过时间残差,其数值为多个原始检测车辆通过时间值与对应时刻车辆通过时间均值间的残差向量。
求取去除车辆通过时间均值后的车辆通过时间残差向量如下:
其中为旅行时间向量TTt经过筛选后,剩余N1个采样数据点组成的向量。
在得到对应时刻车辆通过时间均值的残差向量后计算残差向量的均值和方差,并根据均值和方差,为各个旅行时间采样点计算权重πi,其中πi表示第i个旅行时间采样点所对应的权重大小, i=1,2,...,N1。最后计算当前时刻t所对应的旅行时间整合数值如下:
由此根据卡口检测数据得到t时刻卡口对间车辆旅行时间估计值ttt,p。
【基于浮动车路况数据的卡口对旅行时间计算】
浮动车路况数据包含了不同时段内各个子路段上的行车速度信息,假设以表示t时刻link子路段上的行车速度,以llink表示link路段长度,以表示需要计算旅行时间的路径v(路径v包括q个子路段,且子路段按照行车次序排列)。则从t时刻出发所对应的旅行时间大小可以采用两种计算方式
第一种计算方式是,
第二种计算方式是,
其中
【路况数据融合】
路况数据融合即根据基于卡口数据得到的旅行时间数据及基于浮动车路况数据得到旅行时间数据,融合生成新的路况道路旅行时间信息。上述部分描述了有效卡口对所对应行车路径及旅行时间所对应各项参数的计算方法,在获取有效卡口对的实时检测数据后,结合浮动车路况数据中所包含的行车速度数据,可以进一步完成卡口旅行时间数据与浮动车旅行时间数据的拟合。
数据融合有多种实现方式,假设当前时刻为t,根据前述已经得到的卡口旅行时间估计值ttt,p及浮动车旅行时间估计值ttt,v,一种方式是直接计算两者的均值,作为数据融合后的车辆旅行时间估计值ttt,a,或为ttt,p和ttt,v分别赋权,对两个数据加权求和,得到数据融合后的车辆旅行时间估计值ttt,a。
另一种方式是采用拟合的方式,具体包括:从t-th时刻至t时刻,卡口旅行时间估计值向量表示为浮动车旅行时间估计值向量表示为则可计算融合后的旅行时间数据如下:
ttt,a=α×ttt,v+(1-α)×(a×ttt,v+b)
其中α∈[0,1]为加权系数,a,b为相关拟合系数,其计算如下:
加权系数α用以调节卡口旅行时间对最终融合旅行时间的影响,α=0表示旅行时间主要以卡口推算融合的旅行时间为基准,α=1时表示旅行时间主要以浮动车旅行时间为基准。本次可将α设置为0,或依据t时刻附近检测到的卡口旅行时间记录数目动态设定α的取值。
【子路段速度估计值的计算】
在得到关于数据融合后的车辆旅行时间估计值后,对根据浮动车数据得到的卡口对间各个子路段的待估计时间点t时刻车辆通过速度值进行修正,得到修正后的待估计时间点t时刻卡口对间各个子路段车辆旅行速度估计值。根据数据融合后的卡口对间的车辆旅行时间估计值、卡口对间各个子路段的浮动车速度信息以及各个子路段的长度,计算卡口对间各个子路段的车辆旅行速度估计值。
本领域技术人员可以想到多种方式实现上述计算,本发明介绍其中一种实施方式。在求得融合旅行时间ttt,a后,则可根据行车路径及子路段长度信息推导每条子路段所对应的车辆旅行时间,进一步可得子路段速度信息。假设表示浮动车路况数据中,与当前浮动车旅行时间对应的道路通过速度信息,则各子路段融合路况车辆旅行速度估计值计算过程如下:
其中表示基于卡口对间路径v的卡口数据及浮动车路况数据的子路段i的车辆旅行速度估计结果。
为解决本发明的技术问题,除了包含一种交通数据处理方法,本发明还涉及一种交通数据处理系统,如图4所示,具体包括:
卡口数据处理单元101,其用于根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值,所述卡口对包括一个或多个子路段,所述卡口检测器数据包括通过卡口的车辆标识信息和车辆通过时间信息;
浮动车数据处理单元102,其用于根据浮动车数据计算待估计时间点t时刻卡口对间车辆旅行时间估计值,所述浮动车数据包括通过卡口对间各个子路段的车辆通过速度值;
数据融合单元103,其用于结合浮动车数据和卡口检测器数据分别计算的待估计时间点t时刻卡口对间的车辆旅行时间估计值,得到数据融合后的车辆旅行时间估计值;
速度估计单元104,其用于根据卡口对间数据融合后的车辆旅行时间估计值,对根据浮动车数据得到的卡口对间各个子路段的待估计时间点t时刻车辆通过速度值进行修正,得到修正后的待估计时间点t时刻卡口对间各个子路段车辆旅行速度估计值。
所述系统进一步包括,在所述根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值之前,还包括:对由卡口检测器两两组成的卡口对进行筛选,对筛选后的有效卡口对进行车辆旅行时间估计。
所述系统进一步包括,对卡口对进行筛选包括:获取待筛选卡口对间多个不同规则通行路径,若多个不同规则通行路径重合度达到设定阈值,则待筛选卡口对为有效卡口对。
所述系统进一步包括,所述卡口对间多个不同规则通行路径包括以下至少一个:卡口对间距离最短通行路径、卡口对间车辆旅行时间最短路径、卡口对间交通灯最少路径。
所述系统进一步包括,在进行卡口对间车辆旅行时间估计值计算中,进行数据筛选,排除卡口检测器数据中对应的车辆通过时间异常的采样点数据,车辆通过时间为某一车辆前后顺序通过待检测卡口对的两个卡口检测器的时间。
所述系统进一步包括,至少通过以下一种方式排除异常的采样点数据:排除待估计时间点t时刻待评估卡口对间车辆通过时间超过特定阈值的采样点数据;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间最多的L个和最少的K个采样点,L≥0,K≥0;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间超过采样点车辆通过时间均值设定阈值的采样点数据。
所述系统进一步包括,卡口数据处理单元101中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t的N个同时刻车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。
所述系统进一步包括,卡口数据处理中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t的N个当天邻近时刻车辆通过时间的采样数据,计算待估计时间点卡口对间车辆旅行时间估计值。
所述系统进一步包括,卡口数据处理单元101中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t前后邻近时刻共N个车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值。
所述系统进一步包括,通过所述N个历史采样数据,计算其车辆通过时间均值,作为当天t时刻卡口对间车辆旅行时间估计值。
所述系统进一步包括,根据N个历史采样点车辆通过时间数据,计算其车辆通过时间均值;
计算N个历史采样点车辆通过时间与车辆通过时间均值的差,得到t时刻车辆通过时间残差向量;
根据残差向量的均值和方差,分别计算N个历史采样点车辆通过时间的权重;
根据N个历史采样点的车辆通过时间以及权重,计算t时刻卡口对间车辆旅行时间估计值。
所述系统进一步包括,计算修正后的卡口对间各个子路段车辆旅行速度估计值包括:根据数据融合后的卡口对间的车辆旅行时间估计值、卡口对间各个子路段的浮动车速度信息以及各个子路段的长度,计算卡口对间各个子路段的车辆旅行速度估计值。
本领域普通技术人员将会理解,本发明的各个方面、或各个方面的可能实现方式可以被具体实施为系统、方法或者计算机程序产品。因此,本发明的各方面、或各个方面的可能实现方式可以采用完全硬件实施例、完全软件实施例(包括固件、驻留软件等等),或者组合软件和硬件方面的实施例的形式,在这里都统称为“电路”、“单元”或者“系统”。此外,本发明的各方面、或各个方面的可能实现方式可以采用计算机程序产品的形式,计算机程序产品是指存储在计算机可读介质中的计算机可读程序代码。
计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质包含但不限于电子、磁性、光学、电磁、红外或半导体系统、设备或者装置,或者前述的任意适当组合,如随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或者快闪存储器)、光纤、便携式只读存储器(CD-ROM)。
计算机中的处理单元读取存储在计算机可读介质中的计算机可读程序代码,使得处理单元能够执行在流程图中每个步骤、或各步骤的组合中规定的功能动作;生成实施在框图的每一块、或各块的组合中规定的功能动作的装置。
计算机可读程序代码可以完全在用户的计算机上执行、部分在用户的计算机上执行、作为单独的软件包、部分在用户的计算机上并且部分在远程计算机上,或者完全在远程计算机或者越界报警服务器上执行。也应该注意,在某些替代实施方案中,在流程图中各步骤、或框图中各块所注明的功能可能不按图中注明的顺序发生。例如,依赖于所涉及的功能,接连示出的两个步骤、或两个块实际上可能被大致同时执行,或者这些块有时候可能被以相反顺序执行。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (24)
1.一种交通数据处理方法,其特征在于,具体包括以下步骤:
a.根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值,所述卡口对包括一个或多个子路段,所述卡口检测器数据包括通过卡口的车辆标识信息和车辆通过时间信息;
b.根据浮动车数据计算待估计时间点t时刻卡口对间车辆旅行时间估计值,所述浮动车数据包括通过卡口对间各个子路段的车辆通过速度值;
c.结合浮动车数据和卡口检测器数据分别计算的待估计时间点t时刻卡口对间的车辆旅行时间估计值,得到数据融合后的车辆旅行时间估计值;
d.根据卡口对间数据融合后的车辆旅行时间估计值,对根据浮动车数据得到的卡口对间各个子路段的待估计时间点t时刻车辆通过速度值进行修正,得到修正后的待估计时间点t时刻卡口对间各个子路段的车辆旅行速度估计值。
2.如权利要求1所述的方法,其特征在于,在所述根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值之前,还包括:对由卡口检测器两两组成的卡口对进行筛选,对筛选后的有效卡口对进行车辆旅行时间估计。
3.如权利要求2所述的方法,所述对卡口对进行筛选包括以下步骤:获取待筛选卡口对间多个不同规则通行路径,若多个不同规则通行路径重合度达到设定阈值,则待筛选卡口对为有效卡口对。
4.如权利要求3所述的方法,所述卡口对间多个不同规则通行路径包括以下至少一个:卡口对间距离最短通行路径、卡口对间车辆旅行时间最短路径、卡口对间交通灯最少路径。
5.如权利要求1所述的方法,所述根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值,包括:进行数据筛选,排除卡口检测器数据中对应的车辆通过时间异常的采样点数据,车辆通过时间为某一车辆前后顺序通过待检测卡口对的两个卡口检测器的时间。
6.如权利要求5所述的方法,至少通过以下一种方式排除异常的采样点数据:排除待估计时间点t时刻待评估卡口对间车辆通过时间超过特定阈值的采样点数据;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间最多的L个和最少的K个采样点,L≥0,K≥0;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间超过采样点车辆通过时间均值设定阈值的采样点数据。
7.如权利要求1所述的方法,所述根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t的N个同时刻车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。
8.如权利要求1所述的方法,所述根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t的N个当天邻近时刻车辆通过时间的采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。
9.如权利要求1所述的方法,所述根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t前后邻近时刻共N个车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。
10.如权利要求9所述的方法,进一步包括:通过所述N个历史采样数据,计算其车辆通过时间均值,作为当天t时刻卡口对间车辆旅行时间估计值。
11.如权利要求9所述的方法,进一步包括:
根据N个历史采样点车辆通过时间数据,计算其车辆通过时间均值;
计算N个历史采样点车辆通过时间与车辆通过时间均值的差,得到t时刻车辆通过时间残差向量;
根据残差向量的均值和方差,分别计算N个历史采样点车辆通过时间的权重;
根据N个历史采样点的车辆通过时间以及权重,计算t时刻卡口对间车辆旅行时间估计值。
12.如权利要求1所述的方法,所述根据卡口对间数据融合后的车辆旅行时间估计值,对根据浮动车数据得到的卡口对间各个子路段的待估计时间点t时刻车辆通过速度值进行修正,包括:根据数据融合后的卡口对间的车辆旅行时间估计值、卡口对间各个子路段的浮动车速度信息以及各个子路段的长度,计算卡口对间各个子路段的车辆旅行速度估计值。
13.一种交通数据处理系统,具体包括:
卡口数据处理单元,其用于根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值,所述卡口对包括一个或多个子路段,所述卡口检测器数据包括通过卡口的车辆标识信息和车辆通过时间信息;
浮动车数据处理单元,其用于根据浮动车数据计算待估计时间点t时刻卡口对间车辆旅行时间估计值,所述浮动车数据包括通过卡口对间各个子路段的车辆通过速度值;
数据融合单元,其用于结合浮动车数据和卡口检测器数据分别计算的待估计时间点t时刻卡口对间的车辆旅行时间估计值,得到数据融合后的车辆旅行时间估计值;
速度估计单元,其用于根据卡口对间数据融合后的车辆旅行时间估计值,对根据浮动车数据得到的卡口对间各个子路段的待估计时间点t时刻车辆通过速度值进行修正,得到修正后的待估计时间点t时刻卡口对间各个子路段车辆旅行速度估计值。
14.如权利要求13所述的系统,在所述根据获取的卡口检测器数据,计算待估计时间点t时刻的卡口对间车辆旅行时间估计值之前,还包括:对由卡口检测器两两组成的卡口对进行筛选,对筛选后的有效卡口对进行车辆旅行时间估计。
15.如权利要求14所述的系统,对卡口对进行筛选包括:获取待筛选卡口对间多个不同规则通行路径,若多个不同规则通行路径重合度达到设定阈值,则待筛选卡口对为有效卡口对。
16.如权利要求15所述的系统,所述卡口对间多个不同规则通行路径包括以下至少一个:卡口对间距离最短通行路径、卡口对间车辆旅行时间最短路径、卡口对间交通灯最少路径。
17.如权利要求13所述的系统,在进行卡口对间车辆旅行时间估计值计算中,进行数据筛选,排除卡口检测器数据中对应的车辆通过时间异常的采样点数据,车辆通过时间为某一车辆前后顺序通过待检测卡口对的两个卡口检测器的时间。
18.如权利要求17所述的系统,至少通过以下一种方式排除异常的采样点数据:排除待估计时间点t时刻待评估卡口对间车辆通过时间超过特定阈值的采样点数据;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间最多的L个和最少的K个采样点,L≥0,K≥0;排除待估计时间点t时刻待评估卡口对间车辆通过时间采样点中,车辆通过时间超过采样点车辆通过时间均值设定阈值的采样点数据。
19.如权利要求13所述的系统,卡口数据处理单元中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t的N个同时刻车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。
20.如权利要求13所述的系统,卡口数据处理单元中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t的N个当天邻近时刻车辆通过时间的采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。
21.如权利要求13所述的系统,卡口数据处理单元中根据获取的卡口检测器数据,计算卡口对间车辆旅行时间估计值包括:根据待估计时间点t前后邻近时刻共N个车辆通过时间的历史采样数据,计算待估计时间点卡口对间车辆旅行时间估计值,N≥1。
22.如权利要求21所述的系统,进一步包括:通过所述N个历史采样数据,计算其车辆通过时间均值,作为当天t时刻卡口对间车辆旅行时间估计值。
23.如权利要求21所述的系统,进一步包括:
根据N个历史采样点车辆通过时间数据,计算其车辆通过时间均值;
计算N个历史采样点车辆通过时间与车辆通过时间均值的差,得到t时刻车辆通过时间残差向量;
根据残差向量的均值和方差,分别计算N个历史采样点车辆通过时间的权重;
根据N个历史采样点的车辆通过时间以及权重,计算t时刻卡口对间车辆旅行时间估计值。
24.如权利要求13所述的系统,计算修正后的卡口对间各个子路段的车辆旅行速度估计值包括:根据数据融合后的卡口对间的车辆旅行时间估计值、卡口对间各个子路段的浮动车速度信息以及各个子路段的长度,计算卡口对间各个子路段的车辆旅行速度估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710507478.7A CN107085944B (zh) | 2017-06-28 | 2017-06-28 | 一种交通数据处理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710507478.7A CN107085944B (zh) | 2017-06-28 | 2017-06-28 | 一种交通数据处理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107085944A true CN107085944A (zh) | 2017-08-22 |
CN107085944B CN107085944B (zh) | 2020-09-18 |
Family
ID=59606641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710507478.7A Active CN107085944B (zh) | 2017-06-28 | 2017-06-28 | 一种交通数据处理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107085944B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610467A (zh) * | 2017-09-26 | 2018-01-19 | 青岛海信网络科技股份有限公司 | 一种交通状态判别方法和装置 |
CN108629982A (zh) * | 2018-05-16 | 2018-10-09 | 中山大学 | 一种基于旅行时间分布规律的路段车辆数估计方法 |
CN108847042A (zh) * | 2018-08-24 | 2018-11-20 | 讯飞智元信息科技有限公司 | 一种路况信息发布方法及装置 |
CN110796867A (zh) * | 2019-11-28 | 2020-02-14 | 沈阳世纪高通科技有限公司 | 路况的确定方法及装置 |
CN111739293A (zh) * | 2020-06-10 | 2020-10-02 | 广东世纪高通科技有限公司 | 一种数据融合方法及装置 |
CN112330953A (zh) * | 2020-10-10 | 2021-02-05 | 杭州翔毅科技有限公司 | 基于云数据的交通控制方法、装置、设备及存储介质 |
CN114333328A (zh) * | 2022-01-18 | 2022-04-12 | 广州方纬智慧大脑研究开发有限公司 | 基于浮动车定位数据的卡口标定方法、装置和存储介质 |
CN115601967A (zh) * | 2022-09-30 | 2023-01-13 | 广州天长信息技术有限公司(Cn) | 一种高速路uj型驾驶逃费行为的数据分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065469A (zh) * | 2012-12-14 | 2013-04-24 | 中国航天系统工程有限公司 | 行程时间的确定方法和装置 |
CN105489004A (zh) * | 2015-11-25 | 2016-04-13 | 杭州电子科技大学 | 面向道路实时速度计算的卡口与浮动车数据融合方法 |
CN105868870A (zh) * | 2016-05-17 | 2016-08-17 | 北京数行健科技有限公司 | 一种基于数据融合的城市快速路旅行时间估计方法和装置 |
CN106033643A (zh) * | 2015-03-10 | 2016-10-19 | 中国移动通信集团辽宁有限公司 | 一种数据处理方法及装置 |
CN106803348A (zh) * | 2017-03-28 | 2017-06-06 | 安徽四创电子股份有限公司 | 一种基于卡口的高架道路车辆行程时间短时预测方法 |
-
2017
- 2017-06-28 CN CN201710507478.7A patent/CN107085944B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065469A (zh) * | 2012-12-14 | 2013-04-24 | 中国航天系统工程有限公司 | 行程时间的确定方法和装置 |
CN106033643A (zh) * | 2015-03-10 | 2016-10-19 | 中国移动通信集团辽宁有限公司 | 一种数据处理方法及装置 |
CN105489004A (zh) * | 2015-11-25 | 2016-04-13 | 杭州电子科技大学 | 面向道路实时速度计算的卡口与浮动车数据融合方法 |
CN105868870A (zh) * | 2016-05-17 | 2016-08-17 | 北京数行健科技有限公司 | 一种基于数据融合的城市快速路旅行时间估计方法和装置 |
CN106803348A (zh) * | 2017-03-28 | 2017-06-06 | 安徽四创电子股份有限公司 | 一种基于卡口的高架道路车辆行程时间短时预测方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610467A (zh) * | 2017-09-26 | 2018-01-19 | 青岛海信网络科技股份有限公司 | 一种交通状态判别方法和装置 |
CN107610467B (zh) * | 2017-09-26 | 2019-12-20 | 青岛海信网络科技股份有限公司 | 一种交通状态判别方法和装置 |
CN108629982A (zh) * | 2018-05-16 | 2018-10-09 | 中山大学 | 一种基于旅行时间分布规律的路段车辆数估计方法 |
CN108847042A (zh) * | 2018-08-24 | 2018-11-20 | 讯飞智元信息科技有限公司 | 一种路况信息发布方法及装置 |
CN108847042B (zh) * | 2018-08-24 | 2021-04-02 | 讯飞智元信息科技有限公司 | 一种路况信息发布方法及装置 |
CN110796867A (zh) * | 2019-11-28 | 2020-02-14 | 沈阳世纪高通科技有限公司 | 路况的确定方法及装置 |
CN111739293A (zh) * | 2020-06-10 | 2020-10-02 | 广东世纪高通科技有限公司 | 一种数据融合方法及装置 |
CN112330953A (zh) * | 2020-10-10 | 2021-02-05 | 杭州翔毅科技有限公司 | 基于云数据的交通控制方法、装置、设备及存储介质 |
CN114333328A (zh) * | 2022-01-18 | 2022-04-12 | 广州方纬智慧大脑研究开发有限公司 | 基于浮动车定位数据的卡口标定方法、装置和存储介质 |
CN114333328B (zh) * | 2022-01-18 | 2023-02-28 | 广州方纬智慧大脑研究开发有限公司 | 基于浮动车定位数据的卡口标定方法、装置和存储介质 |
CN115601967A (zh) * | 2022-09-30 | 2023-01-13 | 广州天长信息技术有限公司(Cn) | 一种高速路uj型驾驶逃费行为的数据分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107085944B (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107085944A (zh) | 一种交通数据处理系统及方法 | |
EP2727098B1 (en) | Method and system for collecting traffic data | |
US10024978B2 (en) | Travel survey systems and methods | |
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
CN107784835B (zh) | 基于交通数据分析的交通状态模式预测系统及其预测方法 | |
CN105474285B (zh) | 用于预测至少一个拥堵参数的方法、分析系统和车辆 | |
Cui et al. | Identifying mismatch between urban travel demand and transport network services using GPS data: A case study in the fast growing Chinese city of Harbin | |
CN105976062A (zh) | 信号灯时长数据的挖掘方法、出行服务实现方法和装置 | |
CN111351499B (zh) | 路径识别方法、装置、计算机设备和计算机可读存储介质 | |
Anand et al. | Traffic density estimation under heterogeneous traffic conditions using data fusion | |
CN110415517B (zh) | 一种基于车辆行驶轨迹的道路拥堵精准预警系统及方法 | |
Kumar et al. | A model based approach to predict stream travel time using public transit as probes | |
Kianfar et al. | Placement of roadside equipment in connected vehicle environment for travel time estimation | |
CN107590999A (zh) | 一种基于卡口数据的交通状态判别方法 | |
Flaskou et al. | Analysis of freight corridors using GPS data on trucks | |
Habtie et al. | Artificial neural network based real-time urban road traffic state estimation framework | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 | |
CN115100848A (zh) | 一种地面交通拥堵的出行溯源方法和系统 | |
CN108021924A (zh) | 一种废弃目标识别方法及装置 | |
CN109945880A (zh) | 路径规划方法、相关设备及可读存储介质 | |
JP2005234656A (ja) | 遅れ時間推定装置、遅れ時間推定方法、遅れ時間推定システムおよび遅れ時間推定プログラム | |
CN109754606A (zh) | 一种基于出租车定位预测道路拥堵情况的方法 | |
CN112927497B (zh) | 一种浮动车识别方法、相关方法和装置 | |
Habtie et al. | Road Traffic state estimation framework based on hybrid assisted global positioning system and uplink time difference of arrival data collection methods | |
CN112766950A (zh) | 一种动态路径费用确定方法、装置、设备及介质 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Guo Yaming Inventor before: Li Meng Inventor before: Jiang Han |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |