CN107274670B - 校园交通评估方法及装置 - Google Patents

校园交通评估方法及装置 Download PDF

Info

Publication number
CN107274670B
CN107274670B CN201710549172.8A CN201710549172A CN107274670B CN 107274670 B CN107274670 B CN 107274670B CN 201710549172 A CN201710549172 A CN 201710549172A CN 107274670 B CN107274670 B CN 107274670B
Authority
CN
China
Prior art keywords
traffic
campus
generating
space utilization
utilization rate
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.)
Active
Application number
CN201710549172.8A
Other languages
English (en)
Other versions
CN107274670A (zh
Inventor
田亮
沈阳
杨泞珲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yancheng Institute of Technology
Original Assignee
Yancheng Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yancheng Institute of Technology filed Critical Yancheng Institute of Technology
Priority to CN201710549172.8A priority Critical patent/CN107274670B/zh
Publication of CN107274670A publication Critical patent/CN107274670A/zh
Application granted granted Critical
Publication of CN107274670B publication Critical patent/CN107274670B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications

Abstract

本发明提供了一种校园交通评估方法及装置,涉及校园交通技术领域,以缓解现有技术中存在的对校园交通欠缺评估的技术问题,能够对校园交通进行有效的评估,而且简单易行,可操作性强。本发明实施例公开的校园交通评估方法,包括调取学校教学管理系统,获取学校教学安排表;接根据学校教学安排表,生成校园交通的高峰时段;获取在高峰时段通过选取的交通空间断面的交通使用者的流量信息;根流量信息进行计算,得到交通空间使用率;将交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果。

Description

校园交通评估方法及装置
技术领域
本发明涉及校园交通技术领域,尤其是涉及一种校园交通评估方法及装置。
背景技术
自改革开放以来,我国实行“科教兴国”战略,社会对于人才的需求越来越大,高等教育的模式逐步由精英化转变为大众化,这使得我国大学数量激增,同时,部分大学加大扩招,在校学生的数量大大增加。随着知识经济时代的到来,大学作为聚集高科技、高知识的场所,它由简单的教学功能逐渐扩展为结合了产学研三方面的综合功能,大学在如今社会的中心地位越来越显现。高校与城市间的联系不断加强,大学校园的空间结构更加开放,高校与城市之间的交流使大学校园与外界的联系更加密切。
在这种时代背景下,一方面,随着我国高校教职工收入增加,他们对于机动车的需求量加大,校园机动车数量迅速增加,校园的内生交通量增加;另一方面,大学产学研发展对外开放程度加深,与社会的沟通及合作逐渐密切,有大量社会车辆进入校园,校园的外生交通量增加,这些现象使得大学校园的交通情况变得更加复杂。大量机动车在大学校园内行驶,产生的噪音会破坏大学的宁静,同时存在安全隐患,会发生校园交通事故,威胁校园广大师生的日常生活和学习,破坏校园的和谐氛围。
实际上,现在几乎所有的交通流参数特征都是基于公路,高速公路和城市交通,而对校园交通的研究有限。这个限制激励我们开发一种能够有效评估校园交通状况的方法。
校园交通研究的挑战在于校园结构的复杂性。校园交通情况的交通评估参数正在成为一个重要的待解决的问题,而目前尚无完整的体系对校园交通进行评估。
发明内容
有鉴于此,本发明的目的在于提供一种校园交通评估方法及装置,以缓解现有技术中存在的对校园交通欠缺评估的技术问题,能够对校园交通进行有效的评估,而且简单易行,可操作性强。
第一方面,本发明实施例提供了一种校园交通评估方法,包括:
调取学校教学管理系统,获取学校教学安排表;
根据所述学校教学安排表,生成校园交通的高峰时段;
获取在所述高峰时段通过选取的交通空间断面的交通使用者的流量信息;
根据所述流量信息进行计算,得到交通空间使用率;
将所述交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,该校园交通评估方法还包括:
根据所述流量信息和所述空间使用率,生成校园交通问题种类的评估结果,其中,所述校园交通问题种类包括动态交通问题、静态交通问题和出入口交通问题。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,该校园交通评估方法还包括:
获取所述高峰时段通过选取的交通空间断面的一定样本容量机动车的速度信息;
根据所述速度信息,生成车速分布表;
根据所述车速分布表,生成车速累计频率分布曲线;
根据所述车速累计频率分布曲线,生成车速最大阈值;
根据所述车速最大阈值设置限速值。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述将所述交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果,具体为:
当所述交通空间使用率大于80%,生成评估结果为严重拥挤;
当所述交通空间使用率为50-80%,生成评估结果为一般拥挤;
当所述交通空间使用率小于50%,生成评估结果为自由。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述根据所述流量信息进行计算,得到交通空间使用率,具体是按照以下公式计算:
Figure BDA0001342989430000031
其中,i=1,2,3,4分别表示行人、电动车、自行车、汽车各类交通使用者,Y表示交通空间使用率,Ni表示行人、自行车、电动车和汽车的数量,Sr表示所选取的交通空间的面积,Si表示行人、自行车、电动车和汽车的单个道路使用者所占用的空间面积。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,其中,该校园交通评估方法还包括:
获取所述校园交通问题种类的产生因素;
构建层次分析模型;
利用所述层次分析模型计算得到所述产生因素所占的权重。
结合第一方面的第五种可能的实施方式,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述利用所述层次分析模型计算得到所述产生因素所占的权重,具体包括:
构建判断矩阵;
计算所述判断矩阵的最大特征值和特征向量;
根据所述最大特征值和所述特征向量,计算得到产生因素所占的权重。
结合第一方面的第五种可能的实施方式,本发明实施例提供了第一方面的第七种可能的实施方式,其中,所述获取所述校园交通问题种类的产生因素,具体包括:
向用户终端推送电子问卷;
接收用户终端发送的电子问卷;
对电子问卷进行数据统计,得到所述校园交通问题种类的产生因素。
结合第一方面的第五种可能的实施方式,本发明实施例提供了第一方面的第八种可能的实施方式,其中,
所述获取所述校园交通问题种类的产生因素,具体包括:
向选取交通空间的图像采集装置发送采集指令;
接收图像采集装置发送的视频信息;
对所述视频信息进行数据统计,得到所述校园交通问题种类的产生因素。
第二方面,本发明实施例还提供一种校园交通评估装置,包括:
调取模块,调取学校教学管理系统,获取学校教学安排表;
高峰时段生成模块,用于根据所述学校教学安排表,生成校园交通的高峰时段;
监控模块,用于获取在所述高峰时段通过选取的交通空间断面的交通使用者的流量信息;
计算模块,用于根据所述流量信息进行计算,得到所述交通空间使用率;
比较模块,用于将所述交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果。
本发明实施例带来了以下有益效果:本发明实施例提供的校园交通评估方法,首先调取学校教学管理系统,获取学校教学安排表;接着根据学校教学安排表,生成校园交通的高峰时段;随后获取在高峰时段通过选取的交通空间断面的交通使用者的流量信息;然后根流量信息进行计算,得到交通空间使用率;最后将交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果。因此,本发明实施例提供的技术方案,通过直接调取教学管理系统,获取学校教学安排表,进而获知学校教学安排表中的课程安排信息,可以避免盲目调研以及无用功,从而可以节约人力、物力和时间成本,能够更加有针对性、更加有效率的的对校园交通进行评估,缓解现有技术中存在的对校园交通欠缺评估的技术问题。此外,该校园交通评估方法计算方法简单,步骤简单易行,可操作性强。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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得其他的附图。
图1为本发明实施例一提供的校园交通评估方法的流程图;
图2为本发明实施例二提供的校园交通评估方法的流程图;
图3为本发明实施例二中步骤S207的详细流程图;
图4为本发明实施例二中XX校园XX路截面车速频率分布直方图;
图5为本发明实施例二中XX校园XX路截面车速累计频率分布曲线;
图6为本发明实施例二中步骤S208的详细流程图;
图7为本发明实施例二中步骤S209的详细流程图;
图8为本发明实施例二中的层次分析模型;
图9为本发明实施例二提供的校园交通评估装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
目前对于校园交通领域,校园结构的复杂性是校园交通的挑战,现有技术中尚无完整的体系对校园交通进行评估,因此难以得知校园交通的状况。基于此,本发明实施例提供的一种校园交通评估方法及装置,以缓解现有技术中存在的对校园交通欠缺评估的技术问题,能够对校园交通进行有效的评估,而且简单易行,可操作性强。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种校园交通评估方法进行详细介绍。
实施例一:
本发明实施例提供了一种校园交通评估方法,可用于大学校园等领域,如图1所示,该校园交通评估方法包括:
S101:调取学校教学管理系统,获取学校教学安排表。
其中,学校教学安排表包括教学计划表和课程表信息。从学校教学安排表可以获知学生排课表(上课的时间表),具体包括上课时间、上课地点、下课时间和下课地点等。
通过直接调取学校教学管理系统,对教学管理系统的教学安排表进行读取,获知学校教学安排表中的课程安排信息,从而可以避免盲目调研以及无用功,从而可以节约人力、物力和时间成本,更加有针对性、更加有效率的的对校园交通进行评估。
S102:根据所述学校教学安排表,生成校园交通的高峰时段。
根据读取的学校教学安排表,获知学生上课的时间表,生成校园交通的高峰时段。具体的,本发明实施例通过获取XX学校的上课安排,确定XX校园高峰期分为6段,分别为7:30-8:00、9:30-10:00、11:30-12:00、13:30-14:00、15:30-16:00、17:30-18:00。
S103:获取在所述高峰时段通过选取的交通空间断面的交通使用者的流量信息。
其中,交通的使用者包括行人、自行车、电动车和机动车,还可以包括摩托车;交通空间包括道路、广场、空地等为各种交通方式提供通行或者停下的空间,具体的,本发明选取的交通空间包括校园主干道及主要道路(如教学区、食堂、宿舍区道路)、停车空地、校门出入口等。
交通使用者的流量信息可以通过对图像采集装置采集的视频资料进行统计分析得到。
S104:根据所述流量信息进行计算,得到所述交通空间使用率。
具体的,S104的空间使用率是按照下式进行计算得到:
Figure BDA0001342989430000081
其中,i=1,2,3,4分别表示行人、电动车、自行车、机动车各类交通使用者,Y表示交通空间使用率,Ni表示行人、自行车、电动车和机动车的数量,Sr表示所选取交通空间的总面积,Si表示行人、自行车、电动车和机动车的单个道路使用者所占用的空间面积。
需要说明的是,也可以使用Yi=Ni*Si/Sr公式分别计算得到通过选取的交通空间断面的每一类交通使用者的空间使用率,这样可以掌握每类交通使用者的数据信息,可以为决策者提供数据支持,更好的进行决策,然后进行求和,得到上述总的空间使用率;还可以适应性的增加摩托车交通使用者的数据信息,并进行计算,计算方法类似,在此不在赘述。
S105:将所述交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果。
其中,预设并存储空间使用率阈值表,将计算得到的交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果。
表1空间使用率阈值表
Figure BDA0001342989430000082
具体的,参照表1,当所述交通空间使用率Y大于80%,生成评估结果为严重拥挤;
当所述交通空间使用率Y为50-80%,生成评估结果为一般拥挤;
当所述交通空间使用率Y小于50%,生成评估结果为自由。
本发明实施例提供的校园交通评估方法,首先调取学校教学管理系统,获取学校教学安排表;接着根据学校教学安排表,生成校园交通的高峰时段;随后获取在高峰时段通过选取的交通空间断面的交通使用者的流量信息;然后根流量信息进行计算,得到交通空间使用率;最后将交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果。因此,本发明实施例提供的技术方案,通过直接调取教学管理系统,获取学校教学安排表,进而获知学校教学安排表中的课程安排信息,可以避免盲目调研以及无用功,从而可以节约人力、物力和时间成本,能够更加有针对性、更加有效率的的对校园交通进行评估,缓解了现有技术中存在的对校园交通欠缺评估的技术问题。而且,该校园交通评估方法计算方法简单,步骤简单易行,可操作性强。
实施例二:
如图2所示,本发明实施例提供了一种校园交通评估方法,可用于大学校园等领域,该校园交通评估方法基于实施例一,具体包括:
S201:调取学校教学管理系统,获取学校教学安排表。
S202:根据所述学校教学安排表,生成校园交通的高峰时段。
S203:获取在所述高峰时段通过选取的交通空间断面的交通使用者的流量信息。
S204:根据所述流量信息进行计算,得到所述交通空间使用率。
S205:将所述交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果。
S206:根据所述流量信息和所述空间使用率,生成校园交通问题种类的评估结果。
其中,所述校园交通问题种类包括动态交通问题、静态交通问题和出入口交通问题。
具体的,a.动态交通问题评估结果:校园在高峰时段时,选取的主干道交通流量较大,空间使用率高,人车混行的现象比较严重。此外,由于高峰期各类交通使用者的流量较大,而且行人行走速度较慢,部分机动车为了快速通过人流,在行驶时会不断按压喇叭,造成校园噪音不断。同时,在选取的非主干道的交叉路段上,交通流量较小,空间使用率不高,部分机动车行驶速度过快,在交叉口路段容易发生机动车和行人冲突,造成交通事故。同时,校园缺少一定的交通标志引导进入校园机动车,校园机动车行驶比较混乱。
b.静态交通问题评估结果:校园没有设计专门的机动车停车场,而且校园的停车位标线都已经模糊不清,教职工都将车辆停放在教学区和办公区建筑物周边空地上。此外,有些驾驶员为了方便,直接将车辆停放在路边,占用道路,在高峰时段造成拥挤。
c.校园出入口:校园设置有两个口,分别用于校园进入和出去,有些车辆为了方便,出校园时喜欢选择从进校园的那个门出去,进行逆向行驶,造成交通拥堵。同时,校门口交通比较混乱,特别是在傍晚下课期间,有好多学生都会出去吃饭、逛街等等,有一些出租车停靠在校门口马路边,使得校门口特别拥堵,有时还会影响出校园的机动车的速度。此外,选取的出入口通过的车辆较多,有些车速较快,经常有学生过马路时会与机动车发生冲突,发生交通安全事故。
S207:获取所述高峰时段通过预设的交通空间断面的一定样本容量机动车的速度信息,设置限速值。
参照图3,S207具体包括一下步骤:
S2071:获取所述高峰时段通过选取的交通空间断面的一定样本容量机动车的速度信息。
其中,为了满足统计结果精度要求,样本容量的确定按照下式计算:
Figure BDA0001342989430000111
式中:N:最小样本容量;
S:样本标准差;
K:置信度常数;
E:车速计算容许误差。
具体的,本发明实施例中,S=8km/h;K取95%的置信水平,得到K=1.96,E=2km/h。计算得出N大于等于61,即最少应观测61辆机动车,为了加大统计结果的精度,样本容量选取100,即观测机动车车数辆为100的速度信息,高峰时段选取上课高峰时段7:30-8:00,选取的交通空间为校园主干道:XX校园XX路。
S2072:根据所述速度信息,生成车速分布表。
具体的,本发明实施例将观测的100辆机动车的速度信息进行分组统计,生成XX校园XX路截面车速分布表,如表2所示:
表2 XX校园XX路截面车速分布表
Figure BDA0001342989430000112
S2073:根据所述车速分布表,生成车速累计频率分布曲线。
具体的,根据表2数据,生成XX校园XX路截面车速频率分布直方图和XX校园XX路截面车速累计频率分布曲线,如图4和图5所示。
S2074:根据所述车速累计频率分布曲线,生成车速最大阈值。
具体的,根据图5所示的车速累计频率分布曲线,生成车速最大阈值,该车速最大阈值为默认值,具体为车速累计频率为85%时的车速,由图5可知,该XX校园XX路截面车速最大阈值约为25km/h,
S2075:根据所述车速最大阈值设置限速值。
具体的,根据车速最大阈值设置限速值,根据图5获取的车速最大阈值,为了保证校园行人的安全,设置该XX校园XX路截面机动车的限速值为25km/h,然后控制数字显示屏显示该限速值为25km/h。
S208:获取所述校园交通问题种类的产生因素。
参照图6,S208具体包括:
S2081:向用户终端推送电子问卷。
其中,用户终端包括学生用户终端、教职工用户终端和家长用户终端,具体的,用户终端可以是移动终端、携带式移动设备等。电子问卷可以包括校园交通问题种类及其可能的产生因素和用户对校园交通问题的建议等信息。
S2082:接收用户终端发送的电子问卷。
S2083:对电子问卷的无效问卷进行剔除。
其中,对空白电子问卷或者未按规定填写的电子问卷进行筛选、剔除。
S2084:对电子问卷进行数据统计,得到校园交通问题种类的产生因素。
需要说明的是,步骤S208:获取所述校园交通问题种类的产生因素,还可以通过述方式实现:首先,向选取的交通空间的图像采集装置发送采集指令;其中,交通空间包括停车空地、校门口、学校主干道及重要道路(如教学区、食堂、宿舍区),图像采集装置可以由无人机携带,也可以设置在交通空间的上方电杆横梁上,所述采集指令包括采集时间段和采集周期、采集范围。
然后,接收图像采集装置发送的视频信息。
最后,对视频信息进行数据统计,得到校园交通问题种类的产生因素。
为了进一步保证产生因素的多样性和准确性,S208:获取所述校园交通问题种类的产生因素,可以通过电子问卷和图像采集装置采集的视频信息进行综合的数据统计。
S209:计算校园交通问题种类的产生因素所占的权重。
参照图7,S209具体包括:
S2091:构建层次分析模型。
具体的,参照图8,构建包括目标层A和准则层B的层次分析模型,其中,目标层A:校园交通问题;准则层B包括5个产生因素,分别为:a)人车混行;b)车辆停放混乱;c)道路环境差;d)交通标志少;e)车辆运行速度过快。
需要说明的是,为了确定指标的重要性,采用表3的标度定义两个因素的重要程度。
表3重要性程度标度方法表
Figure BDA0001342989430000131
S2092:利用所述层次分析模型计算得到所述产生因素所占的权重。
首先构建判断矩阵,具体的,根据表3和图8可构建评价校园交通问题的判断矩阵A为:
Figure BDA0001342989430000141
接着,计算所述判断矩阵的最大特征值和最大特征值对应的特征向量,具体的,运用求根法计算矩阵A的最大特征值λmax和特征向量W,计算方法如下:
a.计算判断矩阵A每行元素乘积的n次方根;
Figure BDA0001342989430000142
b.将
Figure BDA0001342989430000143
归一化,得
Figure BDA0001342989430000144
则W=[ω1,ω2,ω3,ω4,ω5]T即为矩阵A的特征向量。
c.特征向量W对应的最大特征值为:
Figure BDA0001342989430000145
根据所述最大特征值和所述特征向量,计算得到产生因素所占的权重。
d.对判断矩阵是否满足一致性进行检验,
Figure BDA0001342989430000146
其中,CI表示一致性指标,RI表示平均随机一致性指标,CR表示一致性比例,当CR<0.1时,判断矩阵具有满意的一致性。RI的值见表4。
表4平均随机一致性指标
Figure BDA0001342989430000147
根据上述计算方法,计算得到W=[0.495,0.114,0.056,0.088,0.288]T,λmax=5.362,CI=0.095,RI=1.12,计算得到CR=0.0081<0.1,满足一致性检验。输出校园交通问题种类重要性程度(由高到低或者由低到高)排列结果。根据上面的计算步骤,得出判断矩阵准则层各因素的权重分别为0.495,0.114,0.056,0.088,0.288,所以,上述校园交通问题种类的产生因素重要性程度由高到低的排序为人车混行、车速过快、车辆停放混乱、交通标志少、道路环境差。
当不满足一致性检验,应对判断矩阵作适当修正。
进一步的是,该校园交通评估方法还可以包括:
当获取的机动车的速度指大于车速最大阈值,控制减速装置开启,对所述机动车进行限速。所述减速装置为可动铺装式减速带),机动车的速度获取可以参照现有公路交通的“电子眼”或者埋设的环形地感线圈检测器来获取。
优选的是,该校园交通评估方法还可以包括:获取选取的交通空间在各个时间段内的行人的流量信息;根据选取的交通空间在各个时间段内的行人的流量信息,得到行人出行的第二高峰时段;在所述第二高峰时段内控制减速装置开启,以实现对车辆(包括各种车辆,尤其是机动车)进行限速。
实施例三:
本发明实施例提供了一种校园交通评估装置,如图9所述,该校园交通评估装置包括调取模块10、监控模块20、计算模块30和比较模块40。
其中,调取模块10用于根据学校教学安排,生成校园交通高峰时段;
监控模块20用于获取所述高峰时段通过选取的交通空间断面的交通使用者的流量信息;
计算模块30用于根据所述流量信息进行计算,得到所述交通空间使用率;
比较模块40用于将所述交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果。
本发明实施例提供的校园交通评估装置,与上述实施例提供的校园交通评估方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例二中所述的方法的步骤。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在这里示出和描述的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制,因此,示例性实施例的其他示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例所提供的进行校园交通评估方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。

Claims (7)

1.一种校园交通评估方法,其特征在于,包括:
调取学校教学管理系统,获取学校教学安排表;
根据所述学校教学安排表,生成校园交通的高峰时段;
获取在所述高峰时段通过选取的交通空间断面的交通使用者的流量信息;
根据所述流量信息进行计算,得到交通空间使用率;
将所述交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果;
根据所述流量信息和所述空间使用率,生成校园交通问题种类的评估结果;所述校园交通问题种类包括动态交通问题、静态交通问题和出入口交通问题;
所述方法还包括:
获取所述校园交通问题种类的产生因素;
构建层次分析模型;
利用所述层次分析模型计算得到所述产生因素所占的权重;
所述利用所述层次分析模型计算得到所述产生因素所占的权重,具体包括:
构建判断矩阵A;
计算所述判断矩阵A的最大特征值λmax和特征向量W;具体的,运用求根法计算矩阵A的最大特征值λmax和特征向量W,计算方法如下:
a.计算判断矩阵A每行元素乘积的n次方根;
Figure FDA0002608163920000011
b.将
Figure FDA0002608163920000021
归一化,得
Figure FDA0002608163920000022
则W=[ω1,ω2,ω3,ω4,ω5]T即为矩阵A的特征向量;
c.特征向量W对应的最大特征值为:
Figure FDA0002608163920000023
根据所述最大特征值和所述特征向量,计算得到产生因素所占的权重;
d.对判断矩阵是否满足一致性进行检验,
Figure FDA0002608163920000024
其中,CI表示一致性指标,RI表示平均随机一致性指标,CR表示一致性比例,当CR<0.1时,判断矩阵具有满意的一致性;
当不满足一致性检验,对判断矩阵A作进行修正。
2.根据权利要求1所述的校园交通评估方法,其特征在于,还包括:
获取所述高峰时段通过选取的交通空间断面的一定样本容量机动车的速度信息;
根据所述速度信息,生成车速分布表;
根据所述车速分布表,生成车速累计频率分布曲线;
根据所述车速累计频率分布曲线,生成车速最大阈值;
根据所述车速最大阈值设置限速值。
3.根据权利要求1所述的校园交通评估方法,其特征在于,所述将所述交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果,具体为:
当所述交通空间使用率大于80%,生成评估结果为严重拥挤;
当所述交通空间使用率为50-80%,生成评估结果为一般拥挤;
当所述交通空间使用率小于50%,生成评估结果为自由。
4.根据权利要求1所述的校园交通评估方法,其特征在于,所述根据所述流量信息进行计算,得到交通空间使用率,具体是按照以下公式计算:
Figure FDA0002608163920000031
其中,i=1,2,3,4分别表示行人、电动车、自行车、机动车各类交通使用者,Y表示交通空间使用率,Ni表示行人、自行车、电动车和机动车的数量,Sr表示所选取的交通空间的面积,Si表示行人、自行车、电动车和机动车的单个道路使用者所占用的空间面积。
5.根据权利要求1所述的校园交通评估方法,其特征在于,所述获取所述校园交通问题种类的产生因素,具体包括:
向用户终端推送电子问卷;
接收所述用户终端发送的所述电子问卷;
对所述电子问卷进行数据统计,得到所述校园交通问题种类的产生因素。
6.根据权利要求1所述的校园交通评估方法,其特征在于,所述获取所述校园交通问题种类的产生因素,具体包括:
向选取交通空间的图像采集装置发送采集指令;
接收图像采集装置发送的视频信息;
对所述视频信息进行数据统计,得到所述校园交通问题种类的产生因素。
7.一种校园交通评估装置,其特征在于,包括:
调取模块,用于根据学校教学安排,生成校园交通高峰时段;
监控模块,用于获取所述高峰时段通过选取的交通空间断面的交通使用者的流量信息;
计算模块,用于根据所述流量信息进行计算,得到所述交通空间使用率;
比较模块,用于将所述交通空间使用率与预设的空间使用率阈值表进行对照,生成评估结果;根据所述流量信息和所述空间使用率,生成校园交通问题种类的评估结果;所述校园交通问题种类包括动态交通问题、静态交通问题和出入口交通问题;
所述装置还包括:
构建模块,用于获取所述校园交通问题种类的产生因素;
构建层次分析模型;
利用所述层次分析模型计算得到所述产生因素所占的权重;
所述利用所述层次分析模型计算得到所述产生因素所占的权重,具体包括:
构建判断矩阵A;
计算所述判断矩阵A的最大特征值λmax和特征向量W;具体的,运用求根法计算矩阵A的最大特征值λmax和特征向量W,计算方法如下:
a.计算判断矩阵A每行元素乘积的n次方根;
Figure FDA0002608163920000041
b.将
Figure FDA0002608163920000042
归一化,得
Figure FDA0002608163920000043
则W=[ω1,ω2,ω3,ω4,ω5]T即为矩阵A的特征向量;
c.特征向量W对应的最大特征值为:
Figure FDA0002608163920000044
根据所述最大特征值和所述特征向量,计算得到产生因素所占的权重;
d.对判断矩阵是否满足一致性进行检验,
Figure FDA0002608163920000051
其中,CI表示一致性指标,RI表示平均随机一致性指标,CR表示一致性比例,当CR<0.1时,判断矩阵具有满意的一致性;
当不满足一致性检验,对判断矩阵A作进行修正。
CN201710549172.8A 2017-07-06 2017-07-06 校园交通评估方法及装置 Active CN107274670B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710549172.8A CN107274670B (zh) 2017-07-06 2017-07-06 校园交通评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710549172.8A CN107274670B (zh) 2017-07-06 2017-07-06 校园交通评估方法及装置

Publications (2)

Publication Number Publication Date
CN107274670A CN107274670A (zh) 2017-10-20
CN107274670B true CN107274670B (zh) 2020-11-13

Family

ID=60072253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710549172.8A Active CN107274670B (zh) 2017-07-06 2017-07-06 校园交通评估方法及装置

Country Status (1)

Country Link
CN (1) CN107274670B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063673A (zh) * 2018-08-21 2018-12-21 北京深瞐科技有限公司 道路状况确定方法、装置、系统及计算机可读介质
CN108847025A (zh) * 2018-08-28 2018-11-20 电子科技大学 一种交通拥堵判定方法
CN111179599B (zh) * 2020-02-12 2021-07-27 郑州商学院 一种基于大数据的智能交通管理系统
CN111845448B (zh) * 2020-07-31 2021-11-30 中国汽车工程研究院股份有限公司 一种基于概率突变法则的温度异常探针的识别算法
CN111815201B (zh) * 2020-07-31 2022-11-29 中国汽车工程研究院股份有限公司 一种新能源汽车连续抽样体系的建立及泛特征测定方法
CN111882697B (zh) * 2020-07-31 2021-11-16 中国汽车工程研究院股份有限公司 一种基于概率突变法则的电压异常单体的识别算法
CN116993131B (zh) * 2023-09-27 2024-01-02 深圳市海成智联科技有限公司 一种基于公共交通线路管理的优化方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4969814B2 (ja) * 2005-08-02 2012-07-04 株式会社東芝 道路交通状況把握システム
CN103164581A (zh) * 2013-03-19 2013-06-19 天津市市政工程设计研究院 基于元胞自动机模型的航空枢纽微观仿真框架
CN105279966A (zh) * 2015-10-09 2016-01-27 武汉理工大学 一种校园交通的拥堵识别方法
CN105336155A (zh) * 2014-08-12 2016-02-17 中国科学院深圳先进技术研究院 公交班次加派方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4969814B2 (ja) * 2005-08-02 2012-07-04 株式会社東芝 道路交通状況把握システム
CN103164581A (zh) * 2013-03-19 2013-06-19 天津市市政工程设计研究院 基于元胞自动机模型的航空枢纽微观仿真框架
CN105336155A (zh) * 2014-08-12 2016-02-17 中国科学院深圳先进技术研究院 公交班次加派方法及系统
CN105279966A (zh) * 2015-10-09 2016-01-27 武汉理工大学 一种校园交通的拥堵识别方法

Also Published As

Publication number Publication date
CN107274670A (zh) 2017-10-20

Similar Documents

Publication Publication Date Title
CN107274670B (zh) 校园交通评估方法及装置
CN111242493B (zh) 一种街道品质评价方法、装置、系统及存储介质
Nkeki et al. Geographically weighted logistic regression approach to explore the spatial variability in travel behaviour and built environment interactions: Accounting simultaneously for demographic and socioeconomic characteristics
Guan Spatial distribution of high-rise buildings and its relationship to public transit development in Shanghai
Wang et al. Nonlinear effects of factors on dockless bike-sharing usage considering grid-based spatiotemporal heterogeneity
Boussauw et al. Measuring spatial separtion processes through the minimum commute: the case of Flanders
Zhong et al. Impact of the built environment on the vehicle emission effects of road pricing policies: A simulation case study
Andersen et al. Green transportation choices with IoT and smart nudging
Boyer et al. Trends over two decades of transportation research: a machine learning approach
CN111060119B (zh) 基于街景图视觉要素评分的城市慢行出行导航方法和系统
Gonzales et al. On the allocation of city space to multiple transport modes
Fujdiak et al. Advanced optimization method for improving the urban traffic management
CN113112068A (zh) 一种村镇公共设施选址布局的方法及其系统
Rybarczyk Simulating bicycle wayfinding mechanisms in an urban environment
CN113988476A (zh) 一种针对道路运输安全风险的动态评估预测方法
Chen et al. Spatial visitation prediction of on-demand ride services using the scaling law
Meng et al. Modeling heterogeneous parking choice behavior on university campuses
CN111612223A (zh) 基于土地和交通多源数据的人口就业分布预测方法及装置
Brezina et al. Geometric methods for estimating representative sidewalk widths applied to Vienna’s streetscape surfaces database
Gong et al. Agent-based modelling with geographically weighted calibration for intra-urban activities simulation using taxi GPS trajectories
Millot Urban growth, travel practices and evolution of road safety
Yagi et al. Policy simulation for new BRT and area pricing alternatives using an opinion survey in Jakarta
Rienow Volunteered geographic information for sustainable urban development
Karatsoli et al. Urban traffic management utilizing soft measures: A case study of Volos City
Garrido Computing the cost of traffic congestion: a microsimulation exercise of the City of Antofagasta, Chile

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
GR01 Patent grant
GR01 Patent grant