CN107248282A - 获取道路运行状态等级的方法 - Google Patents
获取道路运行状态等级的方法 Download PDFInfo
- Publication number
- CN107248282A CN107248282A CN201710512554.3A CN201710512554A CN107248282A CN 107248282 A CN107248282 A CN 107248282A CN 201710512554 A CN201710512554 A CN 201710512554A CN 107248282 A CN107248282 A CN 107248282A
- Authority
- CN
- China
- Prior art keywords
- data
- section
- time
- vehicle
- congestion
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种获取道路运行状态等级的方法,包括以下步骤:步骤1、更新设定时间周期的公交运行数据和出租车运行数据;步骤2、判定是否获取到步骤1的数据,如果否,则进入步骤3进行异常处理,如果是,则对获取得到的数据进行预处理,进入步骤4进行正常处理;步骤3、对公交运行数据和出租车运行数据的异常处理;步骤4、对公交运行数据和出租车运行数据的正常处理,确定拥堵状态并进入步骤5;步骤5、边界处理,对步骤4输出的结果进行修正后得到最终的道路运行状态等级。本发明通过对公交、出租车数据的综合分析,并设计边界处理步骤,对识别结果两次修正后,得到较为准确真实的道路运行状态等级,为道路交通调度、规划提供科学依据。
Description
技术领域
本发明涉及交通监测与预警技术领域,具体而言涉及一种获取道路运行状态等级的方法。
背景技术
公路建成后,随着车流量的不断增加,时常发生交通拥堵事件,并由此存在引发系列交通事故的隐患。而随着近年来车辆数爆炸式的增长,交通拥堵问题给公路管理者带来了巨大的压力。
目前国内外检测路面拥堵事件方法单一,预警力度较弱,单一的方法往往存在特殊情况检测不到的问题,导致预警不及时。故如何利用合理的手段进行公路拥堵事件检测与预警具有十分重要的研究意义和实际运用价值。国内外的许多公路拥堵事件的研究停留在理论层面,与实际应用需求相背离,并不能很好地适应公路管理者对拥堵事件的检测的要求。
发明内容
本发明目的在于提供一种获取道路运行状态等级的方法,旨在通过对公交数据、出租车数据的综合分析,得到道路的拥堵状况。
本发明提出的一种获取道路运行状态等级的方法,包括以下步骤:
步骤1、更新设定时间周期的公交运行数据和出租车运行数据;
步骤2、判定是否获取到步骤1的数据,如果否,则进入步骤3进行异常处理,如果是,则对获取得到的数据进行预处理,进入步骤4进行正常处理;
步骤3、对公交运行数据和出租车运行数据的异常处理;
步骤4、对公交运行数据和出租车运行数据的正常处理,确定拥堵状态并进入步骤5;
步骤5、边界处理,对步骤4输出的结果进行修正后得到最终的道路运行状态等级。
由以上本发明的技术方案,提出的获取道路运行状态等级的方法,通过对公交数据、出租车数据的综合分析,得到道路的拥堵状况,并且设计边界处理步骤,对识别结果进行两次修正后,得到较为准确和反应实际情况的道路运行状态等级,为道路交通调度、规划等提供科学依据。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是本发明的获取道路运行状态等级的方法的总体流程示意图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
结合图1所示,本发明提出的获取道路运行状态等级的方法,包括以下步骤:
步骤1、更新设定时间周期的公交运行数据和出租车运行数据;
步骤2、判定是否获取到步骤1的数据,如果否,则进入步骤3进行异常处理,如果是,则对获取得到的数据进行预处理,进入步骤4进行正常处理;
步骤3、对公交运行数据和出租车运行数据的异常处理;
步骤4、对公交运行数据和出租车运行数据的正常处理,确定拥堵状态并进入步骤5;
步骤5、边界处理,对步骤4输出的结果进行修正后得到最终的道路运行状态等级。
通过上述方法,通过对公交数据、出租车数据的综合分析,得到道路的拥堵状况,并且设计边界处理步骤,对识别结果进行两次修正后,得到较为准确和反应实际情况的道路运行状态。
下面将结合具体的实施例来详细说明各个部分的实施。
步骤1、更新设定时间周期的公交运行数据和出租车运行数据
我们每3分钟更新一次数据(公交运行数据和出租车运行数据),每次取前三分钟的数据,例如00:03:00时间点,则取00:00:00~00:02:59时间段之间的数据。若未取得数据,进入异常处理;获取数据,进入正常处理。
同时,还可以基于公交车GPS接口(队列名称:BUS_GPS)、出租车GPS接口(队列名称:TAXI_GPS)获得数据,从交通管理平台等渠道获取枢纽场站数据、城市路段数据TN_ROADSEG(含上下游交叉口)、道路交叉口TN_INTERSECTION、道路限制速度表TN_ROADSEG_LIMIT_SPEED。
例如,城市路段数据TN_ROADSEG(含上下游交叉口)的示例性格式如下:
ROADSEG_ID | 路段ID | NUMBER(9) |
SEGMENT_NAME | 路段名称 | VARchar2(120) |
INTERSECTION_UP | 上游路口 | NUMBER(9) |
INTERSECTION_DOWN | 下游路口 | NUMBER(9) |
SEGMENT_LEVEL | 道路类型 | VARchar2(3) |
ROAD_LANES_TYPE | 车道数代码 | NUMBER(6) |
LENGTH | 长度 | NUMBER(10,2) |
WIDTH | 宽度 | NUMBER(3,2) |
SEGMENT_CAPACITY | 通行能力 | NUMBER(6) |
SEGMENT_CODE | 路段编码 | VARchar2(60) |
ROAD_ID | 道路编码 | VARchar2(60) |
SEGMENT_DIRECTION | 路段方向 | VARchar2(10) |
ALIAS_NAME | 路段别名 | VARchar2(120) |
LIMIT_SPEED | 限制速度 | NUMBER(3) |
BUS_LANE | 是否有公交专用道 | char(1),0无,1有 |
WAITING_AREA | 是否有待客区 | char(1),0无,1有 |
道路等级:01快速路 02主干道 03次干道 04支路 05街道路 06高架
又如,道路交叉口TN_INTERSECTION的示例性格式如下:
INTERSECTION_ID | 交叉口ID | NUMBER(9) |
INTERSECTION_NAME | 交叉口名称 | VARchar2(120) |
INTERSECTION_TYPE | 交叉口类型 | VARchar2(30) |
CROSS_CONTROL_MODE | 交叉口控制方式 | VARchar2(3) |
GEO_LNG | 地理位置_经度 | NUMBER(15,12) |
GEO_LAT | 地理位置_纬度 | NUMBER(15,12) |
VERSION | 版本 | VARchar2(30) |
INTERSECTION_LEVEL | 路口等级 | VARchar2(30) |
CAPACITY | 通行能力 | NUMBER(6) |
INTERSECTION_CODE | 交叉口编码 | VARchar2(60) |
INTERSECTION_NAME2 | 交叉口别名 | VARchar2(129) |
IS_KEY | 是否为关键路口 | NUMBER(6) |
IS_EDIT | 是否正在编辑 | VARchar2(60) |
道路限制速度表TN_ROADSEG_LIMIT_SPEED示例性格式如下:
LIMIT_ID | 限速编号 | NUMBER(3) |
SEGMENT_LEVEL | 道路等级 | VARchar2(3) |
LIMIT_SPEED | 限制速度 | NUMBER(3) |
FREE_SPEED | 畅通速度阈值 | NUMBER(3) |
BLOCK_SPEED | 拥挤速度阈值 | NUMBER(3) |
前述步骤2中,数据预处理包括:公交预处理信息(路段)、公交预处理信息(车辆)以及出租预处理信息(路段)以及出租预处理信息(车辆)。
公交预处理信息(路段)
从业务上需要按路段缓存3分钟以内的公交车辆GPS数据。
具体实现通过redis缓存数据,每条路段上的公交车辆GPS数据使用一个有序集合结构,有序集合成员的数据类型使用string,值是车辆GPS详细信息,集合成员的score设置为我们系统的检测时间(STANDARD_TIME)整数值(单位:毫秒)。
输出结果如下:
REDIS KEY:ENTITY:ROAD_COND_BUS_{ROADSEG_ID}
VALUE TYPE:SORT SET有序集合类型。集合成员的取值为JSON字符串,具体信息如下:
VEH_LICENSE | 车辆号牌 | |
GEO_LNG | 经度 | |
GEO_LAT | 纬度 | |
GEO_ANG | 角度 | 角度,单位:度 |
GPS_SPEED | GPS速度 | GPS速度,单位:km/h |
GPS_REPORT_DT | 定位时间 | |
RECEIVE_DT | 接受时间 | |
STANDARD_TIME | 我们系统的检测时间 | 不同采集设备的时钟不统一 |
ORI_FLAG | 方向标记 | 方向标记,1=上行,2=下行 |
ROADSEG_ID | NUMBER | 路段ID |
队列名称:BUS_GPS
数据结构如下:
具体预处理步骤包括:
Step1调用浮动车地图匹配算法(dsp-strom-fusion-vehicle)将GPS数据匹配到路段上;
Step2将进站时间前5s,至出站时间后5s内的数据删除;
Step3按照路段ID分组,三分钟数据。
公交预处理信息(车辆)
从业务上需要按车辆缓存6分钟以内的GPS数据。
具体实现通过redis缓存数据,每辆公交车GPS数据使用一个有序集合结构,有序集合成员的数据类型使用string,值是车辆GPS详细信息,集合成员的score设置为我们系统的检测时间(STANDARD_TIME)整数值(单位:毫秒)。
出租预处理信息(路段)
从业务上需要按路段缓存3分钟以内的出租车辆GPS数据。
具体实现通过redis缓存数据,每条路段上的出租车GPS数据使用一个有序集合结构,有序集合成员的数据类型使用string,值是车辆GPS详细信息,集合成员的score设置为我们系统的检测时间(STANDARD_TIME)整数值(单位:毫秒)。
出租预处理信息(车辆)
从业务上需要按车辆缓存6分钟以内的GPS数据。
具体实现通过redis缓存数据,每辆公交车GPS数据使用一个有序集合结构,有序集合成员的数据类型使用string,值是车辆GPS详细信息,集合成员的score设置为我们系统的检测时间(STANDARD_TIME)整数值(单位:毫秒)。
进一步地,前述步骤3中的异常处理包括:
3-1)未做常发型拥堵的情况:
Step1判断本次分析时间与缓存结果数据的样本真实时间相差在10min之内,进入Step2;否则,进入Step3;
Step2继承缓存结果中的运行等级、路段速度、行程时间、样本真实时间四个字段的值,令有效样本量比例属性值都为-1;
Step3继承缓存结果中的样本真实时间字段的值,令运行等级、路段速度、行程时间、有效样本量比例属性值都为-1。
3-2)已做常发型拥堵的情况:
Step1判断本次分析时间与缓存结果数据的样本真实时间相差在10min之内,进入Step2;否则,进入Step3。
Step2继承缓存结果中的运行等级、路段速度、行程时间、样本真实时间四个字段的值,令有效样本量比例属性值都为-1;
Step3常发拥堵修正:获取路段的常发型拥堵时段,及拥堵等级;判断本次更新时间是否处于拥堵时段,若是,则返回相应的拥堵等级;若未处于拥堵时段,则返回畅通。
在一些具体的实施例中,前述步骤4的具体处理包括下述三种情形:
4-1)出租车GPS
Step1将预处理后的出租车GPS数据,按照路段ID属性进行分组,即相同路段ID的数据为一组;
Step2对于一个路段的数据,按照车牌分组,相同车牌的数据为一组,并按照时间顺序缓存数据;根据载客状态属性,识别空载,实载;
Step3非集计分析(以单个车牌数据为分析对象,分别分析每个车牌数据)
空实互转车辆:(以单个车牌数据为分析对象,分别分析每个车牌数据)
当某辆车在一个路段上,状态由空载变实载,或者由实载变空载,则将该车作为实载车辆处理;
停运互转车辆:(以单个车牌数据为分析对象,分别分析每个车牌数据)
当某一车辆在一个路段上,状态在空载/实载与停运状态之间切换,按照停运车辆处理,数据删除。
空载车辆:(以单个车牌数据为分析对象,分别分析每个车牌数据)
情况1:若所获的数据全部为0,且与路口距离大于100米,则该车需作数据有效性判断:
a该车位置处于待客区,则该车待客状态,数据无效,需剔除;
b该车位置处于非待客区,且本车牌的3分钟数据(36个样本)全部GPS速度=0,而其他车辆走走停停,则该车处于待客状态,数据无效,需剔除;
c该车位置处于非待客区,若其他非待客区车辆GPS速度=0,则该车处于拥堵状态,将该车辆放入候选车辆集合;
情况2:若所获的数据全部为0,且与路口距离小于100米,则该车为等红绿灯状态,作为实载车辆处理;
情况3:若所获的数据部分为0,部分大于5km/h,作为实载车辆处理;
实载车辆:(以单个车牌数据为分析对象,分别分析每个车牌数据)
情况1:若数据全部为0,将该车辆放入拥堵计算候选车辆集合;
情况2:若所获的数据部分为0,部分大于5km/h,统计持续低速(<5km/h)的时间长度:HST=连续多个低速数据时间间隔的和;当HST>20s,则认为车辆低速排队,并记停车次数SNUM=num(HST),当停车次数SNUM>2时,将该车辆放入拥堵计算候选车辆集合;
两端低速HST<20s,分情况处理:
a尾端低速HST<20s,需判断是否由其他路段驶入,若由其他路段驶入此路段的情况则该车牌在路段ID属性值不唯一,停车次数SNUM=+1;否则该车未从其他路段驶入,则是在此路段上停车状态,则需结合上三分钟的数据,将本次的停车状态与上一时段的停车状态合并,停车次数SNUM=+0;
b前端低速HST<20s,需要等待下一个三分钟的数据,本次不处理。
情况3:若所获的数据都不为0,进入集计分析;
Step4集计分析:统计拥堵计算候选车辆集合中车辆个数SPNUM,若SPNUM占车辆总数(删除无效车牌)的30%及以上比例,则路段发生拥堵;否则路段未发生拥堵;
Step5计算本路段车辆行程时间,方法为:
a首次获取该车牌在本路段的GPS数据时间ti1,回溯该车牌在本路段的最后一次GPS数据时间ti2,时间差ti=ti2-ti1,
若ti大于30s,则行程时间ti’=ti2-ti1–RST,其中
若SNUM>=1,则令等红灯时间RST=30s;否则,令等红灯时间RST=0s
若ti<=30s,则行程时间ti’=ti2-ti1;
b对本路段上的所有车辆行程时间求算术平均值,即路段平均行程时间t=avg(ti’);
c则本路段的平均速度=路段长度/t;
Step6根据路段等级属性,及路段平均速度,查“地区交通通行状态等级标准”,获得本次分析的运行状态等级,进入边界处理。
4-2)公交GPS
公交车专用道生效时间段[07:00:00,09:00:00]及[17:00:00,19:00:00]。
Step1对公交GPS数据的时间进行判断,是否处于公交车专用道生效时间内,若否,进入Step2;
若是,该数据无效,进入异常处理(相当于未取到数据);
Step2非集计分析(以单个车牌数据为分析对象,分别分析每个车牌数据)
若所获的GPS速度均在60-5km/h,将该车辆放入畅通候选车辆集合;统计候选车辆集合中车辆个数SPNUM,若SPNUM占车辆总数的30%及以上比例,则该路段不拥堵,路段平均速度=avg(GPS速度),并进入边界处理;否则,进入集计分析;
Step3情况1:若数据全部为0,将该车辆放入拥堵计算候选车辆集合;
情况2:若所获的数据部分为0,部分大于5km/h,统计持续低速(<5km/h)的时间长度:HST=连续多个低速数据时间间隔的和;当HST>20s,则认为车辆低速排队,并记停车次数SNUM=num(HST),当停车次数SNUM>2时,将该车辆放入拥堵计算候选车辆集合;
两端低速HST<20s,分情况处理:
a尾端低速HST<20s,需判断是否由其他路段驶入,若由其他路段驶入此路段的情况则该车牌在路段ID属性值不唯一,停车次数SNUM=+1;否则该车未从其他路段驶入,则是在此路段上停车状态,则需结合上三分钟的数据,将本次的停车状态与上一时段的停车状态合并,停车次数SNUM=+0;
b前端低速HST<20s,需要等待下一个三分钟的数据,本次不处理。
情况3:若所获的数据都不为0,进入集计分析;
Step4统计拥堵计算候选车辆集合中车辆个数SPNUM,若SPNUM占车辆总数(删除无效车牌)的30%及以上比例,则路段发生拥堵;否则,返回缓行。
Step5计算本路段车辆行程时间,方法为:
a首次获取该车牌在本路段的GPS数据时间ti1,回溯该车牌在本路段的最后一次GPS数据时间ti2,时间差ti=ti2-ti1;
若ti大于30s,则行程时间ti’=ti2-ti1–RST,其中
若SNUM>=1,则令等红灯时间RST=30s;否则,令等红灯时间RST=0s
若ti<=30s,则行程时间ti’=ti2-ti1;
b对本路段上的所有车辆行程时间求算术平均值,即路段平均行程时间t=avg(ti’),
c则本路段的平均速度=路段长度/t;
Step6进入边界处理。
4-3)公交GPS+出租车GPS
Step1按照出租车GPS数据判断路段拥堵逻辑,给出路段拥堵与否;若拥堵,进行Step2后,进入边界处理。若不拥堵,进行Step2及Step3;
Step2分别获得出租车GPS数据计算的路段平均速度,公交车GPS数据计算的路段速度;
计算新的路段平均速度=0.6*路段平均速度+0.4*路段速度;
Step3以新的路段平均速度去查询地区交通通行状态等级标准获取运行状态等级,并进入边界处理。
前述步骤5的边界处理,具体包括:
Step1设定参数α=5km/h,β=2.5km/h,γ=20km/h,m=1;
令运行状态等级1的值S=1,等级2的值S=2,等级3的值S=3;
本时段速度为上一时段速度为本时段运行状态等级为S1,上一时段的运行状态等级为S0;
Step2判断本时段速度是否靠近速度阀值v,即判断若是进行第一次修正,否则进行Step4;
Step3第一次修正。若则令本时段S1=S0;
若则令本时段S1=S0-1;
若则令本时段S1=S0+1;
其他,则令本时段S1=S1;
Step4判断本时段运行状态与上一时段状态之间是否存在阶跃现象,即S1-S0>m?,若是进行第二次修正,否则本时段运行状态作为最终路段运行状态S1=S1。
Step5第二次修正。本时段最终运行状态等级(向下取整)。
以下是交通通行状态等级标准的一个示例性格式(某省标准)
道路类型 | 国标限速私家车 | 公交车建议取值 |
快速路 | 60~80 | 47 |
主干道 | 40~60 | 30 |
次干道 | 40 | 25 |
支路 | 30 | 15 |
高速 | 80~100 | 47 |
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (6)
1.一种获取道路运行状态等级的方法,其特征在于,包括以下步骤:
步骤1、更新设定时间周期的公交运行数据和出租车运行数据;
步骤2、判定是否获取到步骤1的数据,如果否,则进入步骤3进行异常处理,如果是,则对获取得到的数据进行预处理,进入步骤4进行正常处理;
步骤3、对公交运行数据和出租车运行数据的异常处理;
步骤4、对公交运行数据和出租车运行数据的正常处理,确定拥堵状态并进入步骤5;
步骤5、边界处理,对步骤4输出的结果进行修正后得到最终的道路运行状态等级。
2.根据权利要求1所述的获取道路运行状态等级的方法,其特征在于,所述步骤1中,每3分钟更新一次数据公交运行数据和出租车运行数据,每次取前三分钟的数据。
3.根据权利要求2所述的获取道路运行状态等级的方法,其特征在于,所述步骤2中,具体预处理步骤包括:
Step1调用浮动车地图匹配算法将公交GPS数据、出租车GPS数据匹配到路段上;
Step2将进站时间前5s,至出站时间后5s内的数据删除;
Step3按照路段ID分组,三分钟数据。
4.根据权利要求3所述的获取道路运行状态等级的方法,其特征在于,所述步骤3中的异常处理包括:
3-1)未做常发型拥堵的情况:
Step311判断本次分析时间与缓存结果数据的样本真实时间相差在10min之内,进入Step312;否则,进入Step313;
Step312继承缓存结果中的运行等级、路段速度、行程时间、样本真实时间四个字段的值,令有效样本量比例属性值都为-1;
Step313继承缓存结果中的样本真实时间字段的值,令运行等级、路段速度、行程时间、有效样本量比例属性值都为-1;
3-2)已做常发型拥堵的情况:
Step321判断本次分析时间与缓存结果数据的样本真实时间相差在10min之内,进入Step322;否则,进入Step323;
Step322继承缓存结果中的运行等级、路段速度、行程时间、样本真实时间四个字段的值,令有效样本量比例属性值都为-1;
Step323常发拥堵修正:获取路段的常发型拥堵时段,及拥堵等级;判断本次更新时间是否处于拥堵时段,若是,则返回相应的拥堵等级;若未处于拥堵时段,则返回畅通。
5.根据权利要求4所述的获取道路运行状态等级的方法,其特征在于,所述步骤4的具体处理包括下述三种情形:
4-1)出租车GPS
Step411将预处理后的出租车GPS数据,按照路段ID属性进行分组,即相同路段ID的数据为一组;
Step412对于一个路段的数据,按照车牌分组,相同车牌的数据为一组,并按照时间顺序缓存数据;根据载客状态属性,识别空载、实载属性;
Step413非集计分析:以单个车牌数据为分析对象,分别分析每个车牌数据
空实互转车辆:以单个车牌数据为分析对象,分别分析每个车牌数据
当某辆车在一个路段上,状态由空载变实载,或者由实载变空载,则将该车作为实载车辆处理;
停运互转车辆:以单个车牌数据为分析对象,分别分析每个车牌数据
当某一车辆在一个路段上,状态在空载/实载与停运状态之间切换,按照停运车辆处理,数据删除;
空载车辆:以单个车牌数据为分析对象,分别分析每个车牌数据
情况1:若所获的数据全部为0,且与路口距离大于100米,则该车需作数据有效性判断:
a该车位置处于待客区,则该车待客状态,数据无效,需剔除;
b该车位置处于非待客区,且本车牌的3分钟数据即36个样本全部GPS速度=0,而其他车辆走走停停,则该车处于待客状态,数据无效,剔除;
c该车位置处于非待客区,若其他非待客区车辆GPS速度=0,则该车处于拥堵状态,将该车辆放入候选车辆集合;
情况2:若所获的数据全部为0,且与路口距离小于100米,则该车为等红绿灯状态,作为实载车辆处理;
情况3:若所获的数据部分为0,部分大于5km/h,作为实载车辆处理;
实载车辆:以单个车牌数据为分析对象,分别分析每个车牌数据
情况1:若数据全部为0,将该车辆放入拥堵计算候选车辆集合;
情况2:若所获的数据部分为0,部分大于5km/h,统计持续低速即<5km/h的时间长度:HST=连续多个低速数据时间间隔的和;当HST>20s,则认为车辆低速排队,并记停车次数SNUM=num(HST),当停车次数SNUM>2时,将该车辆放入拥堵计算候选车辆集合;
两端低速HST<20s,分情况处理:
a尾端低速HST<20s,需判断是否由其他路段驶入,若由其他路段驶入此路段的情况则该车牌在路段ID属性值不唯一,停车次数SNUM=+1;否则该车未从其他路段驶入,则是在此路段上停车状态,则需结合上三分钟的数据,将本次的停车状态与上一时段的停车状态合并,停车次数SNUM=+0;
b前端低速HST<20s,需要等待下一个三分钟的数据,本次不处理;
情况3:若所获的数据都不为0,进入集计分析;
Step414集计分析:统计拥堵计算候选车辆集合中车辆个数SPNUM,若SPNUM占删除无效车牌的车辆总数的30%及以上比例,则路段发生拥堵;否则路段未发生拥堵;
Step415计算本路段车辆行程时间,方法为:
a首次获取该车牌在本路段的GPS数据时间ti1,回溯该车牌在本路段的最后一次GPS数据时间ti2,时间差ti=ti2-ti1,
若ti大于30s,则行程时间ti’=ti2-ti1–RST,其中
若SNUM>=1,则令等红灯时间RST=30s;否则,令等红灯时间RST=0s
若ti<=30s,则行程时间ti’=ti2-ti1;
b对本路段上的所有车辆行程时间求算术平均值,即路段平均行程时间t=avg(ti’);
c则本路段的平均速度=路段长度/t;
Step6根据路段等级属性,及路段平均速度,查地区交通通行状态等级标准,获得本次分析的运行状态等级,进入边界处理;
4-2)公交GPS
公交车专用道生效时间段[07:00:00,09:00:00]及[17:00:00,19:00:00]
Step421对公交GPS数据的时间进行判断,是否处于公交车专用道生效时间内,若否,进入Step2;
若是,该数据无效,进入异常处理;
Step422非集计分析:以单个车牌数据为分析对象,分别分析每个车牌数据
若所获的GPS速度均在60-5km/h,将该车辆放入畅通候选车辆集合;统计候选车辆集合中车辆个数SPNUM,若SPNUM占车辆总数的30%及以上比例,则该路段不拥堵,路段平均速度=avg(GPS速度),并进入边界处理;否则,进入集计分析;
Step423情况1:若数据全部为0,将该车辆放入拥堵计算候选车辆集合;
情况2:若所获的数据部分为0,部分大于5km/h,统计持续低速即<5km/h的时间长度:HST=连续多个低速数据时间间隔的和;当HST>20s,则认为车辆低速排队,并记停车次数SNUM=num(HST),当停车次数SNUM>2时,将该车辆放入拥堵计算候选车辆集合;
两端低速HST<20s,分情况处理:
a尾端低速HST<20s,需判断是否由其他路段驶入,若由其他路段驶入此路段的情况则该车牌在路段ID属性值不唯一,停车次数SNUM=+1;否则该车未从其他路段驶入,则是在此路段上停车状态,则需结合上三分钟的数据,将本次的停车状态与上一时段的停车状态合并,停车次数SNUM=+0;
b前端低速HST<20s,需要等待下一个三分钟的数据,本次不处理;
情况3:若所获的数据都不为0,进入集计分析;
Step424统计拥堵计算候选车辆集合中车辆个数SPNUM,若SPNUM占删除无效车牌的车辆总数的30%及以上比例,则路段发生拥堵;否则,返回缓行;
Step425计算本路段车辆行程时间,方法为:
a首次获取该车牌在本路段的GPS数据时间ti1,回溯该车牌在本路段的最后一次GPS数据时间ti2,时间差ti=ti2-ti1;
若ti大于30s,则行程时间ti’=ti2-ti1–RST,其中
若SNUM>=1,则令等红灯时间RST=30s;否则,令等红灯时间RST=0s;
若ti<=30s,则行程时间ti’=ti2-ti1;
b对本路段上的所有车辆行程时间求算术平均值,即路段平均行程时间t=avg(ti’);
c则本路段的平均速度=路段长度/t;
Step6进入边界处理;
4-3)公交GPS+出租车GPS
Step1按照出租车GPS数据判断路段拥堵逻辑,给出路段拥堵与否;若拥堵,进行Step2后,进入边界处理,若不拥堵,进行Step2及Step3;
Step2分别获得出租车GPS数据计算的路段平均速度,公交车GPS数据计算的路段速度;
计算新的路段平均速度=0.6*路段平均速度+0.4*路段速度;
Step3以新的路段平均速度去查询地区交通通行状态等级标准获取运行状态等级,并进入边界处理。
6.根据权利要求5所述的获取道路运行状态等级的方法,其特征在于,所述步骤前述步骤5的边界处理,具体包括:
Step511设定参数α=5km/h,β=2.5km/h,γ=20km/h,m=1;
令运行状态等级1的值S=1,等级2的值S=2,等级3的值S=3;
本时段速度为上一时段速度为本时段运行状态等级为S1,上一时段的运行状态等级为S0;
Step512判断本时段速度是否靠近速度阀值v,即判断若是进行第一次修正,否则进行Step514;
Step513第一次修正:若则令本时段S1=S0;
若则令本时段S1=S0-1;
若则令本时段S1=S0+1;
其他,则令本时段S1=S1;
Step4判断本时段运行状态与上一时段状态之间是否存在阶跃现象,即S1-S0>m?,若是进行第二次修正,否则本时段运行状态作为最终路段运行状态S1=S1;
Step5第二次修正:本时段最终运行状态等级其中S1向下取整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710512554.3A CN107248282B (zh) | 2017-06-29 | 2017-06-29 | 获取道路运行状态等级的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710512554.3A CN107248282B (zh) | 2017-06-29 | 2017-06-29 | 获取道路运行状态等级的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107248282A true CN107248282A (zh) | 2017-10-13 |
CN107248282B CN107248282B (zh) | 2021-07-02 |
Family
ID=60014765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710512554.3A Active CN107248282B (zh) | 2017-06-29 | 2017-06-29 | 获取道路运行状态等级的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107248282B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108198424A (zh) * | 2018-01-25 | 2018-06-22 | 重庆市市政设计研究院 | 一种基于浮动车数据的城市道路偶发拥堵识别算法及预警系统 |
CN109920245A (zh) * | 2017-12-12 | 2019-06-21 | 上海宝康电子控制工程有限公司 | 基于gps浮动车信息的交通状态判别方法 |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10036789A1 (de) * | 2000-07-28 | 2002-02-07 | Daimler Chrysler Ag | Verfahren zur Bestimmung des Verkehrszustands in einem Verkehrsnetz mit effektiven Engstellen |
US20030193414A1 (en) * | 1993-05-18 | 2003-10-16 | Jones M. Kelly | User-definable communications methods and systems |
JP4200747B2 (ja) * | 2001-11-27 | 2008-12-24 | 富士ゼロックス株式会社 | 移動情報分類装置、移動情報分類方法、及び移動情報分類プログラム |
WO2009030524A1 (de) * | 2007-08-29 | 2009-03-12 | Continental Teves Ag & Co. Ohg | Personalisierte aktualisierung von digitalen navigationskarten |
US20090082948A1 (en) * | 2007-07-25 | 2009-03-26 | Hitachi, Ltd. | Traffic incident detection system |
CN101872544A (zh) * | 2010-06-12 | 2010-10-27 | 江苏省交通科学研究院股份有限公司 | 简易的城市道路拥堵状态统计评估方法 |
CN102087789A (zh) * | 2009-12-02 | 2011-06-08 | 上海济祥智能交通科技有限公司 | 基于交通状态参数的交通状态判别系统和方法 |
CN103065468A (zh) * | 2012-12-14 | 2013-04-24 | 中国航天系统工程有限公司 | 交通信息的评估方法和装置 |
CN103226892A (zh) * | 2013-04-08 | 2013-07-31 | 福建工程学院 | 一种优化型的道路拥塞状态发现方法 |
US20130253812A1 (en) * | 2012-03-26 | 2013-09-26 | Denso It Laboratory, Inc. | Traffic Congestion Prediction Method And Traffic Congestion Prediction Device |
CN103413435A (zh) * | 2013-06-21 | 2013-11-27 | 中国航天系统工程有限公司 | 一种基于油耗采集的路网运行状态分析方法 |
US20130325284A1 (en) * | 2011-02-03 | 2013-12-05 | Toyota Jidosha Kabushiki Kaisha | Traffic congestion detection apparatus and vehicle control apparatus |
CN103903433A (zh) * | 2012-12-27 | 2014-07-02 | 中兴通讯股份有限公司 | 一种道路交通状态的实时动态判别方法及装置 |
CN104252778A (zh) * | 2013-06-28 | 2014-12-31 | 中国科学院微电子研究所 | 交通信息的采集、处理、发布方法及装置、系统 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN104766475A (zh) * | 2015-04-09 | 2015-07-08 | 银江股份有限公司 | 一种城市交通瓶颈挖掘方法 |
CN104809879A (zh) * | 2015-05-14 | 2015-07-29 | 重庆大学 | 基于动态贝叶斯网络的高速公路路段交通状态估计方法 |
CN104933860A (zh) * | 2015-05-20 | 2015-09-23 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN105225500A (zh) * | 2015-08-20 | 2016-01-06 | 青岛海信网络科技股份有限公司 | 一种交通控制辅助决策方法及装置 |
CN105427600A (zh) * | 2015-12-09 | 2016-03-23 | 中兴软创科技股份有限公司 | 一种基于fcd的道路拥堵实时识别方法与装置 |
CN106373399A (zh) * | 2016-11-24 | 2017-02-01 | 东南大学 | 一种公交线路站点间运行瓶颈识别系统 |
CN106384504A (zh) * | 2016-09-06 | 2017-02-08 | 江苏智通交通科技有限公司 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
CN106530694A (zh) * | 2016-11-07 | 2017-03-22 | 深圳大学 | 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 |
JP2017059011A (ja) * | 2015-09-17 | 2017-03-23 | 株式会社ゼンリンデータコム | ナビゲーションシステム、ナビゲーション装置、ナビゲーション方法、コンピュータプログラム及びユーザインターフェース |
-
2017
- 2017-06-29 CN CN201710512554.3A patent/CN107248282B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030193414A1 (en) * | 1993-05-18 | 2003-10-16 | Jones M. Kelly | User-definable communications methods and systems |
DE10036789A1 (de) * | 2000-07-28 | 2002-02-07 | Daimler Chrysler Ag | Verfahren zur Bestimmung des Verkehrszustands in einem Verkehrsnetz mit effektiven Engstellen |
JP4200747B2 (ja) * | 2001-11-27 | 2008-12-24 | 富士ゼロックス株式会社 | 移動情報分類装置、移動情報分類方法、及び移動情報分類プログラム |
US20090082948A1 (en) * | 2007-07-25 | 2009-03-26 | Hitachi, Ltd. | Traffic incident detection system |
WO2009030524A1 (de) * | 2007-08-29 | 2009-03-12 | Continental Teves Ag & Co. Ohg | Personalisierte aktualisierung von digitalen navigationskarten |
CN102087789A (zh) * | 2009-12-02 | 2011-06-08 | 上海济祥智能交通科技有限公司 | 基于交通状态参数的交通状态判别系统和方法 |
CN101872544A (zh) * | 2010-06-12 | 2010-10-27 | 江苏省交通科学研究院股份有限公司 | 简易的城市道路拥堵状态统计评估方法 |
US20130325284A1 (en) * | 2011-02-03 | 2013-12-05 | Toyota Jidosha Kabushiki Kaisha | Traffic congestion detection apparatus and vehicle control apparatus |
US20130253812A1 (en) * | 2012-03-26 | 2013-09-26 | Denso It Laboratory, Inc. | Traffic Congestion Prediction Method And Traffic Congestion Prediction Device |
CN103065468A (zh) * | 2012-12-14 | 2013-04-24 | 中国航天系统工程有限公司 | 交通信息的评估方法和装置 |
CN103903433A (zh) * | 2012-12-27 | 2014-07-02 | 中兴通讯股份有限公司 | 一种道路交通状态的实时动态判别方法及装置 |
CN103226892A (zh) * | 2013-04-08 | 2013-07-31 | 福建工程学院 | 一种优化型的道路拥塞状态发现方法 |
CN103413435A (zh) * | 2013-06-21 | 2013-11-27 | 中国航天系统工程有限公司 | 一种基于油耗采集的路网运行状态分析方法 |
CN104252778A (zh) * | 2013-06-28 | 2014-12-31 | 中国科学院微电子研究所 | 交通信息的采集、处理、发布方法及装置、系统 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN104766475A (zh) * | 2015-04-09 | 2015-07-08 | 银江股份有限公司 | 一种城市交通瓶颈挖掘方法 |
CN104809879A (zh) * | 2015-05-14 | 2015-07-29 | 重庆大学 | 基于动态贝叶斯网络的高速公路路段交通状态估计方法 |
CN104933860A (zh) * | 2015-05-20 | 2015-09-23 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN105225500A (zh) * | 2015-08-20 | 2016-01-06 | 青岛海信网络科技股份有限公司 | 一种交通控制辅助决策方法及装置 |
JP2017059011A (ja) * | 2015-09-17 | 2017-03-23 | 株式会社ゼンリンデータコム | ナビゲーションシステム、ナビゲーション装置、ナビゲーション方法、コンピュータプログラム及びユーザインターフェース |
CN105427600A (zh) * | 2015-12-09 | 2016-03-23 | 中兴软创科技股份有限公司 | 一种基于fcd的道路拥堵实时识别方法与装置 |
CN106384504A (zh) * | 2016-09-06 | 2017-02-08 | 江苏智通交通科技有限公司 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
CN106530694A (zh) * | 2016-11-07 | 2017-03-22 | 深圳大学 | 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 |
CN106373399A (zh) * | 2016-11-24 | 2017-02-01 | 东南大学 | 一种公交线路站点间运行瓶颈识别系统 |
Non-Patent Citations (2)
Title |
---|
刘恩全: "基于服务性车辆GPS数据的城市道路交通状态判别方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
姜东: "基于GPS数据的道路交通状态判别方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109920245A (zh) * | 2017-12-12 | 2019-06-21 | 上海宝康电子控制工程有限公司 | 基于gps浮动车信息的交通状态判别方法 |
CN108198424A (zh) * | 2018-01-25 | 2018-06-22 | 重庆市市政设计研究院 | 一种基于浮动车数据的城市道路偶发拥堵识别算法及预警系统 |
CN108198424B (zh) * | 2018-01-25 | 2021-04-16 | 重庆市市政设计研究院 | 一种基于浮动车数据的城市道路偶发拥堵识别算法及预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107248282B (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200649B (zh) | 基于预先申请的交通高峰期路线资源调度分配系统与方法 | |
CN103440768B (zh) | 一种基于动态修正的公交车到达时间实时预测方法 | |
CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN106127586A (zh) | 大数据时代下车险费率辅助决策系统 | |
CN106203735A (zh) | 一种机动车驾驶员驾驶行为能耗特征测算方法 | |
CN107240264A (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
Anderson et al. | Heavy-vehicle crash rate analysis: Comparison of heterogeneity methods using Idaho crash data | |
CN102542811A (zh) | 一种高速公路出口匝道逐级限速值的确定方法 | |
CN108573600A (zh) | 一种驾驶员行为诱导与局部交通流优化方法 | |
CN114509081B (zh) | 基于差异化收费计算车辆通行成本的方法以及装置 | |
CN109979198B (zh) | 基于大规模浮动车数据的城市快速道路车速离散辨识方法 | |
CN107248282A (zh) | 获取道路运行状态等级的方法 | |
Jin et al. | Determining the breakpoints of fundamental diagrams | |
Zhao et al. | A practical method for estimating traffic flow characteristic parameters of tolled expressway using toll data | |
CN105070060B (zh) | 一种基于公交车载gps数据的城市道路交通状态判别方法 | |
Hou et al. | Modelling large vehicles operating speed characteristics on freeway alignment based on aggregated GPS data | |
CN112365716B (zh) | 一种基于gps数据的城市高架快速路动态安全性评价方法 | |
CN103700264B (zh) | 基于etc收费数据的高速公路路段行程速度计算方法 | |
CN107657814B (zh) | 一种路况信息生成方法和装置 | |
CN105825675A (zh) | 一种基于大数据的路段旅行时间计算方法和装置 | |
CN113870559B (zh) | 一种基于大数据车联网的交通流量计算方法 | |
Lee et al. | Two-level nested logit model to identify traffic flow parameters affecting crash occurrence on freeway ramps | |
Madhu et al. | Estimation of roadway capacity of eight-lane divided urban expressways under heterogeneous traffic through microscopic simulation models | |
Gan et al. | Finite mixture distribution method to model vehicle headways at port collector-distributor roads |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 210012 room 627, Ning Shuang Road, Yuhuatai District, Nanjing, Jiangsu, 627 Applicant after: Ho whale cloud computing Polytron Technologies Inc Address before: 210012 No. 68 Bauhinia Road, Yuhuatai District, Jiangsu, Nanjing Applicant before: ZTEsoft Technology Co., Ltd. |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |