CN107293113B - 一种区域拥堵延时指数的计算方法及装置 - Google Patents
一种区域拥堵延时指数的计算方法及装置 Download PDFInfo
- Publication number
- CN107293113B CN107293113B CN201610200786.0A CN201610200786A CN107293113B CN 107293113 B CN107293113 B CN 107293113B CN 201610200786 A CN201610200786 A CN 201610200786A CN 107293113 B CN107293113 B CN 107293113B
- Authority
- CN
- China
- Prior art keywords
- road
- road section
- time
- segment
- road segment
- 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
Links
Images
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
Abstract
本申请实施例涉及一种区域拥堵延时指数的计算方法及装置,所述方法包括:提取待计算拥堵延时指数的区域中各个路段的输入数据信息;统计第一时间段内各个路段的出现次数;根据各个路段的输入数据信息和路段的出现次数,计算区域在第一时间段的拥堵延时指数。该区域拥堵延时指数直接和道路实际通行时间以及道路畅通通行时间相关联,能够更加方便用户理解当前的区域拥堵状况。而且,也正是由于该方法在确定区域拥堵延时指数时,可以对应任何一个时间段,所以,可以轻易的计算任意一个城市中的交通拥堵情况。因此,该方法可以推广到各个城市。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种区域拥堵延时指数的计算方法及装置。
背景技术
实时交通信息的发布,最开始得益于浮动车技术的流行。浮动车指的是装有定位设备的出租车。随着移动互联网、车联网的普及,越来越多来自手机APP和车载终端的定位数据为交通信息的实时发布提供了支持。而数据来源的丰富和数据量的增长,使得实时交通信息发布的准确性得到了极大的提高。实时交通信息指的是当前时刻每条路段的速度和拥堵状态,一般每隔几分钟发布一次,称为时间批次。将实时交通信息存储下来,形成历史交通信息,再基于历史交通信息,就能够对城市主要路段的交通状况,特别是速度和拥堵状态方面,进行较为完整的描述。然而,如果针对每条路段交通信息都发布一次,交通信息就会过于琐碎。如此一来,完全不能对城市的特定区域的交通状况进行宏观的评价,也不能对特定区域在特定时间段内的交通状况进行宏观的评价。
因此,如何计算区域的拥堵延时指数以及如何计算区域在某个时间段内的拥堵延时指数,实现对城市的不同区域的交通状况进行宏观的评价,成为了亟待解决的问题。
发明内容
本申请实施例提供了一种区域拥堵延时指数的计算方法及装置,用于计算区域拥堵延时指数。该区域拥堵延时指数直接和道路实际通行时间以及道路畅通通行时间相关联,能够更加方便用户理解当前的路段集合拥堵状况。而且,也正是由于该方法在确定区域拥堵延时指数时,可以对应任何一个时间段,所以,可以轻易的计算任意一个城市中的交通拥堵情况。因此,该方法可以推广到各个城市。
第一方面,本发明提供了一种区域拥堵延时指数的计算方法,该方法包括:
提取待计算拥堵延时指数的区域中各个路段的输入数据信息,其中,输入数据信息包括路段自由流时间、路段权重以及路段实时交通信息;
统计第一时间段内所述各个路段的出现次数,其中,各个路段的出现次数为在第一时间段内,路段存在车辆行驶的次数;
根据各个路段的输入数据信息和路段的出现次数,计算区域在第一时间段的拥堵延时指数。
另一方面,本发明还提供了一种区域拥堵延时指数的计算装置,该装置包括:
处理单元,用于提取待计算拥堵延时指数的区域中各个路段的输入数据信息,其中,输入数据信息包括路段自由流时间、路段权重以及路段实时交通信息;
统计单元,用于统计所述第一时间段内所述各个路段出现的次数,其中,各个路段的出现次数为在所述第一时间段内,路段存在车辆行驶的次数;
计算单元,用于根据各个路段的输入数据信息和所述路段的出现次数,计算区域在所述第一时间段的拥堵延时指数。
本申请提供的一种区域拥堵延时指数的计算方法,根据各个路段的输入数据信息和第一时间段内路段出现次数,可以间接的计算区域拥堵延时指数,区域拥堵延时指数直接和道路的实际通行时间和畅通时的通行时间相关联,能够更加方便用户理解当前的路段集合拥堵状况。而且,也正是由于该方法在确定区域拥堵延时指数时,可以对应任何一个时间段,所以,可以轻易的计算任意一个城市中的交通拥堵情况。因此,该方法可以推广到各个城市。
附图说明
图1本申请实施例一提供的一种区域拥堵延时指数的计算方法的流程示意图;
图2为本申请提供的一种利用路段旅行速度绘制的路段信息的区域聚合曲线示意图;
图3为本申请提供的一种利用路段旅行时间绘制的路段信息的区域聚合曲线示意图;
图4为本申请实施例二提供的一种区域拥堵延时指数的计算装置结构示意图。
图5为本申请实施例三提供的另一种区域拥堵延时指数的计算装置结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
为便于对本申请实施例的理解,下面将结合附图以具体实施例做进一步的解释说明,实施例并不构成对本申请实施例的限定。
图1为本申请实施例一提供的一种区域拥堵延时指数的计算方法的流程示意图100。如图1所示,所述方法具体可以包括:
步骤110,提取待计算拥堵延时指数的区域中各个路段的输入数据信息。
具体的,区域中各个路段的输入数据信息可以包括路段自由流时间、路段权重,以及路段实时交通信息等。而这些信息并不是实时获取的,而是统计一段时间段内(例如三个月内)的原始数据,根据原始数据进行相应的计算获取的,并将这些数据存储到存储器中。当计算区域拥堵延时指数时,则将这些数据提取出使用即可。
具体获取各个路段的输入数据信息的过程如下:
首先获取原始数据。原始数据可以包括路段交通信息,用户出行轨迹数据,区域范围和路段信息等,其中,路段交通信息包括实时交通信息和历史交通信息。这里的实时交通信息针对的是每条路段每隔第一预定时间,获取的一个交通信息,并将该交通信息存储在存储器中。在本实施例中,预定时间为2min。也即是,每隔2min,获取一次交通信息,并对外发布。
而当交通信息存储到存储器中之后,即已成为历史交通信息。
因此,城市实时交通信息和历史交通信息具有相同的数据规格,主要的字段如表1所示。
表1实时交通信息和历史交通信息的数据规格
如表1所示,发布时间格式yyyymmddHHMMSS,其中yyyy代表年份,mm代表月份,dd代表日期,HH代表小时,MM代表分钟,SS代表秒。例如,发布时间可以为20160106193230(2016年1月6日19点32分30秒),link是高德路段编号系统的最小单元,每一个link用一个长整数来表示,即为高德路段ID。而一条完整含有明确路名的道路则由多个link组合而成。而发布的实时交通信息中,交通状态可以利用颜色来区分拥堵的情况。例如,绿色代表畅通状态,黄色代表缓行状态,红色代表拥堵状态,而深红则代表极度拥堵状态。在本实施例中,以快速路为例,当车辆行驶速度大于40km/h时,代表畅通状态;速度在20-40km/h时,代表缓行状态。在10-20km/h时,代表拥堵状态,而当速度小于10km/h时,则代表极度拥堵状态。而其他路段的状态标准可以参考表2。
表2路段拥堵状态对应的时速
还需要理解的是,每一个link都对应路段中的一段实际的路段长度,车辆通过这段路段的长度所需要的时间,即为路段实时旅行时间。这段时间中包括了红灯的等待时间。Speed对应的字段描述,也即是路段实时速度则指的是在link对应的实际路段中,假设没有红绿灯的情况下,车辆行驶的速度。而上文中利用车辆行驶速度来判断交通的拥堵状态时,所说的车辆行驶速度即为路段实时速度。
用户出行轨迹,主要是用户终端实时回传的GPS点数据,主要字段如表3所示。
表3用户出行轨迹数据
表3中回传时间的格式同交通信息发布时间格式类似,通过用户id和当前用户所在的经度和纬度,采集器就可以实时获取每一个车辆当前时间所在的位置。
而区域范围则可以包括城区范围、行政区范围和商区范围等。城区范围主要是结合路网的密集度进行绘制。商圈范围即商业势力的范围,是指顾客可能前来店里购物的影响区域。一般而言,商圈范围可以包括核心商圈、次要商圈以及边缘商圈等。核心商圈是最接近超市的区域,占有超市顾客总数的55%-70%;次要商圈是位于临近核心商圈的区域,占有超市顾客总数的15%-25%;边际商圈是位于次要商圈之外,最外围的区域,占有超市顾客总数的5%左右。而商圈的范围同样是人工设置。行政区范围则是国家为了进行分级管理而实行的区域划分后形成的。行政区范围严格按照国家规定绘制。
将城区范围、商圈范围以及行政区范围采用ESRI shp文件存储,用多边形在地图上圈定与城区范围对应的区域范围,类似的,圈定与商圈范围、行政区范围对应的区域范围。而圈定范围内的路段集合将聚合成为一个整体进行评估。
而路段信息,即为存储了每条路段的长度、路段等级和车道数等静态信息。
应理解,在上文中所出现的表1至表3都是粗略的表现出原始数据的一些元素的表现形式。该表格也仅仅是针对本发明中的一个具体的实施例而言。主要是为了能够让读者更容易理解所获取的原始数据信息。但并不意味着获取的原始数据的表现形式仅包括这一种。本文中,对于其他的表现形式不做任何的限定。
根据原始数据,计算各个路段的输入数据信息过程如下:
具体的,对原始数据进行一定的预处理,例如去除用户回传的GPS数据中的异常点,超速点以及重复点等。这里的异常点指的是:我们所常说的漂移点。例如一辆车在某一时间段内始终行驶在北京四环上,因此GPS回传的数据中经度和纬度所显示的均是四环上的位置,而在这一时间段内的某一时刻,GPS回传的数据中经度和纬度所显示的位置为五环上,则说明该数据是一个异常点,需要去除。
超速点,即通过GPS发出的数据点来看,若前一时刻所在的位置和后一时刻所在的位置之间的距离很大,而这两个时刻之间时间间隔很小,则说明这段时间内GPS所在的车辆终端行驶的速度非常的快,当确定该速度大于车辆所在路段的自由流速度的150%时,则说明该车辆在这段时间段内已经超速行驶。因此,要将后一个时刻时GPS传输回来的数据点去除,具体如何计算自由流速度将在下文中做具体说明。
重复点,由于GPS设备不稳定,有时候可能会回传很多的重复点,即在一段时间内,传送的数据均是同一个数据点。而另一张请款也有可能是GPS所在的车辆处于长期停车状态,而GPS设备一般是每隔几秒传回一个数据点,因此,就会传送多个重复数据点。而此时,我们需要去除多个重复的点,仅保留时间最靠前的和时间最靠后的点,作为参考点即可。
而路段自由流速度和自由流时间则是通过原始数据中的历史交通信息获取的。具体过程为:
获取一段时间的历史数据,将这段时间中的每天每两分钟发布的历史数据按照路段ID和时间聚合为一条24小时的曲线。
这里的聚合主要是指,一段时间内,每天的同一时刻的数据分为一组,将一组中的数据做平均,取平均值作为24小时曲线中该时刻的数据点。例如将3个月中每天12:00时的速度做和后,取平均值后,获取的数据点,作为曲线中的12时的数据点。
将曲线中的每个发布点(实时交通数据每隔两分钟产生一个数据,产生数据的点就是发布点)的速度和发布时间分别进行排序,并且按照速度排序后,取前1/n的子集,求平均。其中n为正整数。一般根据经验而言,n为6。即取前1/6的子集,获取平均值,作为自由流速度。类似的,按照发布时间排序后,取前1/n的子集,求平均。在本实施例中,同样取前1/6的子集,获取平均值,作为自由流时间。
具体曲线图如图2和图3。图2为本申请实施例提供的一种利用路段旅行速度绘制的路段信息的区域聚合曲线示意图。图3为本申请实施例提供的一种利用路段旅行时间绘制的路段信息的区域聚合曲线示意图(图2和图3绘制的这两条曲线均是以linkid是5940812043866128963,该编号对应到东三环团结湖附近南向北的一段路为基础绘制的)。图2和图3中的曲线均是以3个月内统计的发布点的数据,进行相应的聚合处理获取的。
路段权重的计算方法为:基于用户出行的轨迹数据,由上文中可知,用户出行的轨迹数据我们可以理解为一些列GPS数据点,而每一个数据点除了包含如表3中所示的回传时间、用户ID、经度和纬度之外,还将包含数据来源的标识。通过这个标识,可以区分这些数据点来自出租车或者是高德的用户。进一步的,还可以提取用户的GPS数据,判断这些数据是只在通勤时间存储的数据还是时时刻刻都存在的数据,当只在通勤时间存储的数据时,则为通勤的用户。当确定好通勤用户后,将这些通勤用户作为一个集合。提取每一个通勤用户的出行轨迹数据,进行轨迹切分和路段匹配处理。然后选择一个link单元,确定在一段时间内(该段时间与统计原始数据的时间相同,在本实施例中以3个月为例),该link所对应的实际路段被通勤用户集合中的用户路过的次数,即该路段通车的次数,将通车的次数作为该link所对应的实际路段的权重。计算路段权重的目的在于,路段权重反映了路段对区域路网的重要性,一条重要的路段拥堵了,比一条不重要的路段拥堵了,对于区域拥堵的影响更大。
这里对用户的轨迹做切分的原因在于,在一定的时间段内,一个用户出行的轨迹数据可能非常的大,例如,统计一个用户3个月内的GPS数据,一辆车3个月的GPS点数可能非常多,如果不先做轨迹切分,直接拿去道路匹配,那么电脑内存里面要加载非常多的GPS点,内存假如只有8G,那么,很有可能所有内存均被这些GPS点占用,导致运算无法继续或者性能很低。因此,需要先通过轨迹切分,三个月的GPS点被分为了不同的轨迹,也就是分成了多个分组。这样每个分组的点数就少了,内存加载起来就会很轻松,性能会快。同时,这样带来了另一个好处,同一个车的GPS点切成不同轨迹后相互独立,可以同时进行计算,这样就可以应用并行化计算的技术加速算法。
而系统在获取用户出行轨迹时,无法直观的判断该用户到底在哪一条路段上行驶,只能通过获取相关的数据来进行判断。例如,获取该用户此时的位置的经度和纬度,然后判断该经度和纬度是否属于某一条路段上的一点。若属于,则说明用户正在该条路段上行驶。由此,来进行路段匹配。方便后续确定每条的路段的通车次数。
另外,还需说明的是,上述所说的清除某些数据点、轨迹切分和路段匹配这几个步骤,均是对GPS数据的一种标准预处理步骤,不管后面要做什么业务,获取GPS数据以后,一般都是需要经过数据清洗、轨迹切分和路段匹配三个步骤,然后将经过处理后的数据保存,作为一个基础,再去做后续的分析与应用。而在本申请中,计算道路权重仅是这种分析与应用的一个具体的例子。
可选的,还可以计算路段集合,其中路段集合为区域中的所有路段的集合。路段集合的算法则是城市实时交通信息和路段信息以及shp文件的区域范围获取,具体的,首先确定某一个区域范围,例如城区范围,在地图上找到与城区范围对应的区域。并确定该区域中路段的linkId,根据该linkId可以找到与之对应的路段的经度和纬度,也即是实际路段的位置,然后确定该路段是否在城区范围中,若存在,则存入城区范围的路段集合中,生成城区范围内的路段ID集合。
至此,与路段相关联的输入数据信息基本已经计算完成。并存储在存储器中。后续需要计算路段集合的拥堵延时指数时,直接从存储器中提取即可。
步骤120,统计第一时间段内各个路段的出现次数。
具体的,首先要说明的是,这里的第一时间段与步骤110中的统计原始数据的时间段完全不同。统计原始数据的时间段是一个较长的时间段。一般可以以一天、一个月、一个季度或者一年来统计。根据经验而言,在本申请中选择的是一个季度。而在本步骤中,计算各个路段的出现次数的目的是为了计算区域拥堵延时指数做准备的。而计算区域拥堵延时指数一般都是根据实际情况实时测定的。当然,在本实施例中仅是将第一时间段限定为10min。也就是10分钟测定一次区域拥堵延时指数。10min测定一次各个路段的出现次数。这里路段的出现次数是指在第一时间段内,路段存在车辆行驶的次数。一般而言,因为在本实施例中,每隔2min公布一次实时交通信息,因此,路段的出现次数一般为5。当然,也有一些特殊情况,例如在某一个2min的时间段内,该条路段并没有任何车辆行驶,或者计算系统不稳定(例如网络中断,导致数据传输不成功,或者系统升级出现问题,导致数据出错等等),由此,路段的出现次数则会小于5,甚至为0。
步骤130,根据各个路段的输入数据信息和路段出现次数,计算区域在第一时间段的拥堵延时指数。
具体的,在本实施例中,每隔10min,计算一次区域拥堵延时指数。而区域拥堵延时指数的计算主要依赖两个参数,一个是路段集合总时间,另一个是路段集合总自由流时间。
计算路段集合总时间主要是根据路段集合中的各个路段的路段权重和路段实时交通信息以及路段的出现次数。而由步骤110中可知,路段实时交通信息中包括路段旅行时间,因此计算路段集合总时间的具体的公式可以由下式2-1表示:
路段集合总时间=∑路段i的旅行时间×路段i的权重×路段i的出现次 (2-1)
其中,路段i的旅行时间为所述路段集合中第i条路段的路段旅行时间,路段i的权重为路段集合中第i条路段的路段权重,路段i的出现次数为计算一次区域拥堵延时指数时,所述路段集合中的第i条路段在10min内出现的次数,i为小于或者等于所述路段集合中所有路段条数的正整数。
还需说明的是,路段集合总时间也即为实际通行时间。
而路段集合总自由流时间,则是根据路段集合中的各个的路段自由流时间、和路段权重,以及路段出现次数计算获取。
具体公式如式2-2所示:
路段集合总自由流时间=∑路段i的自由流时间×路段i的权重×路段i的出现次数 (2-2)
其中,路段i的自由流时间为路段集合中第i条路段的自由流时间,路段i的权重为路段集合中第i条路段的路段权重,路段i的出现次数为计算一次区域拥堵延时指数时,路段集合中的第i条路段在10min内出现的次数,i为小于或者等于路段集合中所有路段条数的正整数。
其中,路段集合总自由流时间也即为畅通通行时间。
而区域拥堵延时指数则由公式2-3计算,如下所示:
区域拥堵延时指数=路段集合总时间/路段集合总自由流时间(2-3)
区域拥堵延时指数根据路段集合总时间和路段集合总自由流时间计算,也就是根据路段实际通行时间和畅通通行时间计算。将区域拥堵延时指数和路段时间通行时间和畅通时的通行时间相联系,进而可以直观的看出当前路段拥堵情况。例如拥堵延时指数为2,则说明当前路段通行时间是路段畅通通行时间的两倍。
另外,还可以根据路段集合中的每一条路段的路段信息、路段权重和路段出现次数,计算出路段集合总长度,由如下公式2-4计算:
路段集合总长度=∑路段i的长度×路段i的权重×路段i的出现次数 (2-4)
其中,路段i的长度为所述路段集合中第i条路段的路段长度,路段i的权重为所述路段集合中第i条路段的路段权重,路段i的出现次数为计算一次区域拥堵延时指数时,所述路段集合中的第i条路段出现的次数,i为小于或者等于路段集合中所有路段条数的正整数。
其中,路段长度可以通过路段信息获取。
另外,根据上述说介绍的路段集合总长度、路段集合总时间以及路段集合总自由流时间,可以分别计算出区域实时速度和区域自由流速度。
具体公式如下:
区域实时速度=路段集合总长度/路段集合总时间
区域自由流速度=路段集合总长度/路段集合总自由流时间
计算去区域的实时速度和区域自由流速度,也可以间接的看出当前路段的拥堵情况。
应理解,上述所计算的区域拥堵延时指数指的是在10min内的实时拥堵指数,将该拥堵指数存入MySQL数据库(关系型据库)中,启动MySQL数据库的定时任务,随着时间推移,自动统计获取每个路段集合的小时指数、天指数、周指数、月指数、季度指数等。其中,天指数包括全天指数、高峰指数、早高峰指数、晚高峰指数、白天指数和夜间指数等几个区间的统计。应理解,这里的高峰主要包括早高峰和晚高峰。而早高峰为一天中的7:00-9:00时间段,晚高峰为一天中的17:00-19:00时间段。
最后,还可以根据高峰期的拥堵延时指数,确定城市拥堵排行榜。
本申请实施例提供了一种区域拥堵延时指数的计算方法,根据区域的各个路段的输入数据信息和第一时间段内路段出现次数,间接的计算区域拥堵延时指数,该区域拥堵延时指数直接和道路的实际通行时间以及道路的畅通通行时间相关联,能够更加方便用户理解当前的区域拥堵状况。而且,也正是由于该方法在确定区域拥堵延时指数时,可以对应任何一个时间段,所以,可以轻易的计算任意一个城市中的交通拥堵情况。因此,该方法可以推广到各个城市。
另外,统计每隔一个预定时间发布一次的路段交通信息。分别根据一段时间(大于等于24小时)内的多个路段交通信息中的路段实时速度和路段交通信息的发布时间,利用区域聚合算法,绘制一条24小时内关于路段实时速度的曲线和一条24小时内的关于路段交通信息发布时间的曲线,也即是将一段时间内的交通信息聚合成一条以24小时为时间轴的曲线。通过这两条曲线,反映了过去一段时间内(本实施例中以3个月为例)路段每个时刻的交通拥堵状况,是历史统计结果的一种直观体现。
与上述区域拥堵延时指数的计算方法对应地,本申请实施例二还提供了一种区域拥堵延时指数的计算装置结构示意图400,如图4所示,该装置包括:处理单元401,统计单元402与计算单元403。
处理单元401,用于提取待计算拥堵延时指数的区域中各个路段的输入数据信息,其中,输入数据信息包括路段自由流时间、路段权重,以及路段实时交通信息。
具体的,处理单元401首先用于获取原始数据。
具体的,各个路段的输入数据信息可以包括路段自由流时间、路段权重以及路段实时交通信息等。而这些信息并不是实时获取的,而是通过采集一段时间段内(例如三个月内)的原始数据,根据原始数据进行相应的计算获取的,并将这些数据存储到存储器中。当处理单元401计算区域拥堵延时指数时,则将这些数据从存储器中提取出使用即可。
具体的处理单元401根据原始数据计算各个路段相关联的输入数据信息的过程如下:
首先获取原始数据。原始数据可以包括路段交通信息,用户出行轨迹数据,区域范围和路段信息等,其中,路段交通信息包括实时交通信息和历史交通信息。
这里的实时交通信息针对的是每条路段每隔第一预定时间,获取的一个交通信息,并将该交通信息存储在存储器中。在本实施例中,预定时间为2min。也即是,每隔2min,获取一次交通信息,并对外发布。
而当交通信息存储到存储器中之后,即已成为历史交通信息。
因此,城市实时交通信息和历史交通信息具有相同的数据规格,主要的字段如实施例二中的表4所示。
表4实时交通信息和历史交通信息的数据规格
如表4所示,发布时间格式yyyymmddHHMMSS,其中yyyy代表年份,mm代表月份,dd代表日期,HH代表小时,MM代表分钟,SS代表秒。例如,发布时间可以为20160106193230(2016年1月6日19点32分30秒),link是高德路段编号系统的最小单元,每一个link用一个长整数来表示,即为高德路段ID。而一条完整含有明确路名的路段则由多个link组合而成。而发布的实时交通信息中,交通状态可以利用颜色来区分拥堵的情况。例如,绿色代表畅通状态,黄色代表缓行状态,红色代表拥堵状态,而深红则代表极度拥堵状态。在本实施例中,以快速路为例,当车辆行驶速度大于40km/h时,代表畅通状态;速度在20-40km/h时,代表缓行状态。在10-20km/h时,代表拥堵状态,而当速度小于10km/h时,则代表极度拥堵状态。而其他路段的状态标准可以参考表5。
表5路段拥堵状态对应的时速
还需要理解的是,每一个link都对应路段中的一段实际的路段长度,车辆通过这段路段的长度所需要的时间,即为路段实时旅行时间。这段时间中包括了红灯的等待时间。Speed对应的字段描述,也即是路段实时速度则指的是在link对应的实际路段中,假设没有红绿灯的情况下,车辆行驶的速度。而上文中利用车辆行驶速度来判断交通的拥堵状态时,所说的车辆行驶速度即为路段实时速度。
用户出行轨迹,主要是用户终端实时回传的GPS点数据,主要字段如表6所示。
表6用户出行轨迹数据
表6中回传时间的格式同交通信息发布时间格式类似,通过用户id和当前用户所在的经度和纬度,采集器就可以实时获取每一个车辆当前时间所在的位置。
而区域范围则可以包括城区范围、行政区范围和商区范围等。城区范围主要是结合路网的密集度进行绘制。商圈范围即商业势力的范围,是指顾客可能前来店里购物的影响区域。一般而言,商圈范围可以包括核心商圈、次要商圈以及边缘商圈等。核心商圈是最接近超市的区域,占有超市顾客总数的55%-70%;次要商圈是位于临近核心商圈的区域,占有超市顾客总数的15%-25%;边际商圈是位于次要商圈之外,最外围的区域,占有超市顾客总数的5%左右。而商圈的范围同样是人工设置。行政区范围则是国家为了进行分级管理而实行的区域划分后形成的。行政区范围严格按照国家规定绘制。
将城区范围、商圈范围以及行政区范围采用ESRI shp文件存储,用多边形在地图上圈定与城区范围对应的区域范围,类似的,圈定与商圈范围、行政区范围对应的区域范围。而圈定范围内的路段集合将聚合成为一个整体进行评估。
而路段信息,即为存储了每条路段的长度、路段等级和车道数等静态信息。
应理解,在上文中所出现的表1至表3都是粗略的表现出原始数据的一些元素的表现形式。该表格也仅仅是针对本发明中的一个具体的实施例而言。主要是为了能够让读者更容易理解所获取的原始数据信息。但并不意味着获取的原始数据的表现形式仅包括这一种。本文中,对于其他的表现形式不做任何的限定。
处理单元401根据原始数据,计算各个路段的输入数据信息过程如下:
具体的,处理单元401对原始数据进行一定的预处理,例如去除用户回传的GPS数据中的异常点,超速点以及重复点等。这里的异常点指的是:我们所常说的漂移点。例如一辆车在某一时间段内始终行驶在北京四环上,因此GPS回传的数据中经度和纬度所显示的均是四环上的位置,而在这一时间段内的某一时刻,GPS回传的数据中经度和纬度所显示的位置为五环上,则说明该数据是一个异常点,需要去除。
超速点,即通过GPS发出的数据点来看,若前一时刻所在的位置和后一时刻所在的位置之间的距离很大,而这两个时刻之间时间间隔很小,则说明这段时间内GPS所在的车辆终端行驶的速度非常的快,当确定该速度大于车辆所在路段的自由流速度的150%时,则说明该车辆在这段时间段内已经超速行驶。因此,要将后一个时刻时GPS传输回来的数据点去除,具体如何计算自由流速度将在下文中做具体说明。
重复点,由于GPS设备不稳定,有时候可能会回传很多的重复点,即在一段时间内,传送的数据均是同一个数据点。而另一张请款也有可能是GPS所在的车辆处于长期停车状态,而GPS设备一般是每隔几秒传回一个数据点,因此,就会传送多个重复数据点。而此时,我们需要去除多个重复的点,仅保留时间最靠前的和时间最靠后的点,作为参考点即可。
而路段自由流速度和自由流时间则是通过原始数据中的历史交通信息获取的。具体过程为:
获取一段时间的历史数据,将这段时间中的每天每两分钟发布的历史数据按照路段ID和时间聚合为一条24小时的曲线。
这里的聚合主要是指,一段时间内,每天的同一时刻的数据分为一组,将一组中的数据做平均,取平均值作为24小时曲线中该时刻的数据点。例如将3个月中每天12:00时的速度做和后,取平均值后,获取的数据点,作为曲线中的12时的数据点。
将曲线中的每个发布点(实时交通数据每隔两分钟产生一个数据,产生数据的点就是发布点)的速度和发布时间分别进行排序,并且按照速度排序后,取前1/n的子集,求平均。其中n为正整数。一般根据经验而言,n为6。即取前1/6的子集,获取平均值,作为自由流速度。类似的,按照发布时间排序后,取前1/n的子集,求平均。在本实施例中,同样取前1/6的子集,获取平均值,作为自由流时间。
具体曲线图如图2和图3。图2为本申请实施例提供的一种利用路段旅行速度绘制的路段信息的区域聚合曲线示意图。图3为本申请实施例提供的一种利用路段旅行时间绘制的路段信息的区域聚合曲线示意图。
路段权重的计算方法为:基于用户出行的轨迹数据,由上文中可知,用户出行的轨迹数据我们可以理解为一些列GPS数据点,而每一个数据点除了包含如表3中所示的回传时间、用户ID、经度和纬度之外,还将包含数据来源的标识。通过这个标识,可以区分这些数据点来自出租车或者是高德的用户。进一步的,还可以提取用户的GPS数据,判断这些数据是只在通勤时间存储的数据还是时时刻刻都存在的数据,当只在通勤时间存储的数据时,则为通勤的用户。当确定好通勤用户后,将这些通勤用户作为一个集合。提取每一个通勤用户的出行轨迹数据,进行轨迹切分和路段匹配处理。然后选择一个link单元,确定在一段时间内(该段时间与统计原始数据的时间相同,在本实施例中以3个月为例),该link所对应的实际路段被通勤用户集合中的用户路过的次数,即该路段通车的次数,将通车的次数作为该link所对应的实际路段的权重。计算路段权重的目的在于,路段权重反映了路段对区域路网的重要性,一条重要的路段拥堵了,比一条不重要的路段拥堵了,对于区域拥堵的影响更大。
这里对用户的轨迹做切分的原因在于,在一定的时间段内,一个用户出行的轨迹数据可能非常的大,例如,统计一个用户3个月内的GPS数据,一辆车3个月的GPS点数可能非常多,如果不先做轨迹切分,直接拿去道路匹配,那么电脑内存里面要加载非常多的GPS点,内存假如只有8G,那么,很有可能所有内存均被这些GPS点占用,导致运算无法继续或者性能很低。因此,需要先通过轨迹切分,三个月的GPS点被分为了不同的轨迹,也就是分成了多个分组。这样每个分组的点数就少了,内存加载起来就会很轻松,性能会快。同时,这样带来了另一个好处,同一个车的GPS点切成不同轨迹后相互独立,可以同时进行计算,这样就可以应用并行化计算的技术加速算法。而处理单元401在获取用户出行轨迹时,无法直观的判断该用户到底在哪一条路段上行驶,只能通过获取相关的数据来进行判断。例如,获取该用户此时的位置的经度和纬度,然后判断该经度和纬度是否属于某一条路段上的一点。若属于,则说明用户正在该条路段上行驶。由此,来进行路段匹配。方便后续确定每条路段的通车次数。
还需说明的是,上述所说的处理单元401清除某些数据点、轨迹切分和路段匹配这几个步骤,均是对GPS数据的一种标准预处理步骤,不管后面要做什么业务,获取GPS数据以后,一般都是需要经过数据清洗、轨迹切分和路段匹配三个步骤,然后将经过处理后的数据保存,作为一个基础,再去做后续的分析与应用。而在本申请中,计算道路权重仅是这种分析与应用的一个具体的例子。
可选的,还可以计算路段集合,其中路段集合为区域中的所有路段的集合。路段集合的算法则是城市实时交通信息和路段信息以及shp文件的区域范围获取,具体的,首先确定某一个区域范围,例如城区范围,在地图上找到与城区范围对应的区域。并确定该区域中路段的linkId,根据该linkID可以找到与之对应的路段的经度和纬度,也即是实际路段的位置,然后确定该路段是否在城区范围中,若存在,则存入城区范围的路段集合中,生成城区范围内的路段ID集合。至此,各个路段的输入数据信息基本已经计算完成。并存储在存储器中。
统计单元402,用于统计第一时间段内各个路段的出现次数,其中,各个路段的出现次数为在第一时间段内,路段存在车辆行驶的次数。
具体的,首先要说明的是,这里的第一时间段与处理单元401获取原始数据时,所涉及的时间段完全不同。处理单元401获取原始数据的时间段是一个较长的时间段。一般可以以一天、一个月、一个季度或者一年来统计。根据经验而言,在本申请中选择的是一个季度。
计算单元403,用于根据所述各个路段的输入数据信息和所述路段的出现次数,计算所述区域在所述第一时间段的拥堵延时指数。当然,在本实施例中仅是将第一时间段限定为10min。也就是10分钟测定一次区域拥堵延时指数。10min测定一次路段的出现次数。这里路段的出现次数是指在第一时间段内,路段存在车辆行驶的次数。一般而言,因为在本实施例中,每隔2min公布一次实时交通信息,因此,路段的出现次数一般为5。当然,也有一些特殊情况,例如在某一个2min的时间段内,该条路段并没有任何车辆行驶,或者计算系统不稳定,由此,路段的出现次数则会小于5,甚至为0。
另外,统计单元402还用于对第一时间段计时,例如第一时间段为10分钟,那么当达到10分钟时,统计单元402将会通知处理单元401,处理单元401则会根据各个路段的输入数据信息和路段出现次数,计算区域拥堵延时指数。
计算单元403具体的计算区域在第一时间段的拥堵延时指数过程如下:
具体的,在本实施例中,计算单元403每隔10min,计算一次区域拥堵延时指数。而区域拥堵延时指数的计算主要依赖两个参数,一个是路段集合总时间,另一个是路段集合总自由流时间。
计算路段集合总时间主要是根据路段集合中的各个路段的路段权重、路段实时交通信息以及路段的出现次数。路段实时交通信息中包括路段旅行时间,因此计算路段集合总时间的具体的公式可以由下式4-1表示:
路段集合总时间=∑路段i的旅行时间×路段i的权重×路段i的出现次 (4-1)
其中,路段i的旅行时间为所述路段集合中第i条路段的路段旅行时间,路段i的权重为路段集合中第i条路段的路段权重,路段i的出现次数为计算一次区域拥堵延时指数时,所述路段集合中的第i条路段出现的次数,i为小于或者等于所述路段集合中所有路段条数的正整数。
还需说明的是,路段集合总时间也即为实际通行时间。
而路段集合总自由流时间,则是根据路段集合中的各个路段的路段自由流时间、和路段权重,以及路段的出现次数计算获取。具体公式如式4-2所示:
路段集合总自由流时间=∑路段i的自由流时间×路段i的权重×路段i的出现次数 (4-2)
其中,路段i的自由流时间为路段集合中第i条路段的自由流时间,路段i的权重为路段集合中第i条路段的路段权重,路段i的出现次数为计算一次区域拥堵延时指数时,路段集合中的第i条路段出现的次数,i为小于或者等于路段集合中所有路段条数的正整数。
其中,路段集合总自由流时间也即为畅通通行时间。
而区域拥堵延时指数则由公式4-3计算,如下所示:
区域拥堵延时指数=路段集合总时间/路段集合总自由流时间(4-3)
区域拥堵延时指数根据路段结合总时间和路段集合总自由流时间计算,也就是根据路段实际通行时间和畅通通行时间计算。将区域拥堵延时指数和路段通行时间相联系,进而可以直观的看出当前路段拥堵情况。例如拥堵延时指数为2,则说明当前路段通行时间是路段畅通通行时间的两倍。
另外,处理单元401还可以用于,根据路段集合中的每一条路段的路段信息、路段权重和路段出现次数,计算出路段集合总长度,由如下公式4-4计算:
路段集合总长度=∑路段i的长度×路段i的权重×路段i的出现次数 (4-4)
其中,路段i的长度为所述路段集合中第i条路段的路段长度,路段i的权重为所述路段集合中第i条路段的路段权重,路段i的出现次数为计算一次区域拥堵延时指数时,路段集合中的第i条路段出现的次数,i为小于或者等于路段集合中所有路段条数的正整数。
其中,路段长度可以通过路段信息获取。
另外,根据上述说介绍的路段集合总长度、路段集合总时间以及路段集合总自由流时间,可以分别计算出区域实时速度和区域自由流速度。
具体公式如下:
区域实时速度=路段集合总长度/路段集合总时间
区域自由流速度=路段集合总长度/路段集合总自由流时间
计算去区域的实时速度和区域自由流速度,也可以间接的看出当前路段的拥堵情况。
应理解,计算单元403所计算的区域拥堵延时指数指的是在10min内的实时拥堵指数,将该拥堵指数存入MySQL数据库(关系型据库)中,启动MySQL数据库的定时任务,随着时间推移,自动统计获取每个路段集合的小时指数、天指数、周指数、月指数、季度指数等。其中,天指数包括全天指数、高峰指数、早高峰指数、晚高峰指数、白天指数和夜间指数等几个区间的统计。应理解,这里的高峰主要包括早高峰和晚高峰。而早高峰为一天中的7:00-9:00时间段,晚高峰为一天中的17:00-19:00时间段。
最后,还可以根据高峰期的拥堵延时指数,确定城市拥堵排行榜。
本申请实施例提供了一种区域拥堵延时指数的装置,处理单元根据各个路段的输入数据信息和第一时间段内路段出现次数,间接计算区域拥堵延时指数,该区域拥堵延时指数直接和道路的实际通行时间以及道路的畅通通行时间相关联,能够更加方便用户理解当前的区域拥堵状况。而且,也正是由于该方法在确定区域拥堵延时指数时,可以对应任何一个时间段,所以,可以轻易的计算任意一个城市中的交通拥堵情况。因此,该方法可以推广到各个城市。
另外,处理单元401获取每隔一个预定时间发布一次的路段交通信息。分别根据一段时间(大于等于24小时)内的多个路段交通信息中的路段实时速度和路段交通信息的发布时间,利用区域聚合算法,绘制一条24小时内关于路段实时速度的曲线和一条24小时内的关于路段交通信息发布时间的曲线,也即是将一段时间内的交通信息聚合成一条以24小时为时间轴的曲线。通过这两条曲线,反映了过去一段时间内(本实施例中以3个月为例)路段每个时刻的交通拥堵状况,是历史统计结果的一种直观体现。
最后,本申请实施例还提供了另一种区域拥堵延时指数的装置结构示意图500,如图5所示。适用于实时获取区域交通拥堵状况的场景。如图5所示,该装置500可以包括处理器501,存储器502,总线503以及通信接口504。其中,处理器501、存储器502以及通信接口504之间通过总线503建立通信连接。
首先,处理器501获取与路段交通相关联的原始数据,并将这些原始数据存储在存储器502中,例如,一个区域范围内的实时交通信息、用户出行轨迹、区域范围以及路段信息。存储器502还用于存储一个或者多个程序,以便于处理器501利用存储器502中存储的程序,执行与本文实施例一中相应的方法步骤,将这些原始数据进行相应的处理,获取可以支持路段信息区域聚合算法的输入数据信息,例如路段自由流速度和自由流时间,路段权重,城市实时交通信息,路段集合、路段信息,以及路段实时交通信息等,同样存入到存储器502中,以便后续根据数据输入信息,进行相应的计算,获取区域拥堵延时指数。处理器501,还用于统计在第一时间段内路段出现次数,其中,路段出现次数为第一时间段内,路段存在车辆行驶的次数。通过区域拥堵延时指数的数值变化反应拥堵程度。而拥堵的程度还将与通勤的时间相联系,例如拥堵延时指数为2.0,说明市民在通勤日早晚高峰一次出行的时间是畅通状态下的2倍。这样的拥堵延时指数能够更加方便读者的理解,而且,也正是由于该方法在确定区域拥堵延时指数时,可以对应任何一个时间段,所以,可以轻易的计算任意一个城市中的交通拥堵情况。因此,该方法可以推广到各个城市。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的对象及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施方式而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种区域拥堵延时指数的计算方法,其特征在于,所述方法包括:
提取待计算拥堵延时指数的区域中各个路段的输入数据信息,其中,所述输入数据信息包括,基于在第二时间段内统计的路段交通信息预先计算得到的路段自由流时间、路段权重以及路段实时交通信息;
统计第一时间段内所述各个路段的出现次数,其中,所述各个路段的出现次数为在所述第一时间段内,所述路段存在车辆行驶的次数;所述第一时间段小于所述第二时间段;
根据路段集合中的所述各个路段的路段权重和所述路段实时交通信息,以及所述路段出现次数,计算路段集合总时间;所述路段实时交通信息中包括路段旅行时间;
根据所述路段集合中的所述各个路段的路段自由流时间、路段权重,以及所述路段出现次数,计算路段集合总自由流时间;
根据所述路段集合总时间和所述路段集合总自由流时间,计算所述区域在所述第一时间段的拥堵延时指数;其中所述路段集合为所述区域中的所有路段的集合。
2.根据权利要求1所述的方法,其特征在于,所述路段集合总时间由如下公式计算:
路段集合总时间=∑路段i的旅行时间×路段i的权重×路段i的出现次数
其中,路段i的旅行时间为所述路段集合中第i条路段的路段旅行时间,路段i的权重为所述路段集合中第i条路段的路段权重,路段i的出现次数为计算一次所述区域拥堵延时指数时,所述路段集合中的第i条路段在第一时间段内出现的次数,i为小于或者等于所述路段集合中所有路段条数的正整数。
3.根据权利要求1所述的方法,其特征在于,所述路段集合总自由流时间,由如下公式计算:
路段集合总自由流时间
=∑路段i的自由流时间×路段i的权重×路段i的出现次数
其中,路段i的自由流时间为所述路段集合中第i条路段的自由流时间,路段i的权重为所述路段集合中第i条路段的路段权重,路段i的出现次数为计算一次区域拥堵延时指数时,所述路段集合中的第i条路段在第一时间段出现的次数,i为小于或者等于所述路段集合中所有路段条数的正整数。
5.一种区域拥堵延时指数的计算装置,其特征在于,所述装置包括:
处理单元,用于提取待计算拥堵延时指数的区域中各个路段的输入数据信息,其中,所述输入数据信息包括,基于在第二时间段内统计的路段交通信息预先计算得到的路段自由流时间、路段权重以及路段实时交通信息;
统计单元,用于统计第一时间段内所述各个路段出现的次数,其中,所述各个路段的出现次数为在所述第一时间段内,所述路段存在车辆行驶的次数;所述第一时间段小于所述第二时间段;
计算单元,用于:
根据路段集合中的所述各个路段的路段权重和所述路段实时交通信息,以及所述路段出现次数,计算路段集合总时间;所述路段实时交通信息中包括路段旅行时间;
根据所述路段集合中的所述各个路段的路段自由流时间、路段权重,以及所述路段出现次数,计算路段集合总自由流时间;
根据所述路段集合总时间和所述路段集合总自由流时间,计算所述路段集合在所述第一时间段的拥堵延时指数;其中所述路段集合为所述区域中的所有路段的集合。
6.根据权利要求5所述的装置,其特征在于,所述路段集合总时间由如下公式计算:
路段集合总时间=∑路段i的旅行时间×路段i的权重×路段i的出现次数
其中,路段i的旅行时间为所述路段集合中第i条路段的路段旅行时间,路段i的权重为所述路段集合中第i条路段的路段权重,路段i的出现次数为计算一次所述区域拥堵延时指数时,所述路段集合中的第i条路段在第一时间段出现的次数,i为小于或者等于所述路段集合中所有路段条数的正整数。
7.根据权利要求5所述的装置,其特征在于,所述路段集合总自由流时间,由如下公式计算:
路段集合总自由流时间
=∑路段i的自由流时间×路段i的权重×路段i的出现次数
其中,路段i的自由流时间为所述路段集合中第i条路段的自由流时间,路段i的权重为所述路段集合中第i条路段的路段权重,路段i的出现次数为计算一次所述区域拥堵延时指数时,所述路段集合中的第i条路段在第一时间段出现的次数,i为小于或者等于所述路段集合中所有路段条数的正整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610200786.0A CN107293113B (zh) | 2016-03-31 | 2016-03-31 | 一种区域拥堵延时指数的计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610200786.0A CN107293113B (zh) | 2016-03-31 | 2016-03-31 | 一种区域拥堵延时指数的计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107293113A CN107293113A (zh) | 2017-10-24 |
CN107293113B true CN107293113B (zh) | 2020-09-11 |
Family
ID=60088159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610200786.0A Active CN107293113B (zh) | 2016-03-31 | 2016-03-31 | 一种区域拥堵延时指数的计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107293113B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730892A (zh) * | 2017-11-20 | 2018-02-23 | 中兴软创科技股份有限公司 | 一种基于fcd与互联网数据融合的交通拥堵指数评价方法 |
CN109841056A (zh) * | 2017-11-29 | 2019-06-04 | 高德软件有限公司 | 一种判断路段拥堵、区域拥堵的方法及装置 |
CN108417037A (zh) * | 2018-05-09 | 2018-08-17 | 电子科技大学 | 一种基于交通态势的景点周边舒适度指数计算方法 |
CN109087509B (zh) * | 2018-09-04 | 2020-03-31 | 重庆交通大学 | 一种路网交通运行状态预测方法 |
CN111323015B (zh) * | 2018-12-17 | 2022-08-26 | 北京三快在线科技有限公司 | 行程信息的估计方法、装置及电子设备 |
CN110992689B (zh) * | 2019-11-28 | 2021-07-30 | 北京世纪高通科技有限公司 | 拥堵特征的确定方法及装置 |
CN112287178B (zh) * | 2020-10-30 | 2023-11-17 | 腾讯科技(深圳)有限公司 | 数据清洗方法、装置、电子设备及存储介质 |
CN114999155B (zh) * | 2022-05-26 | 2024-03-19 | 南斗六星系统集成有限公司 | 一种车辆轨迹的拥堵评价方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE60319993D1 (de) * | 2002-08-29 | 2008-05-08 | Itis Holdings Plc | Vorrichtung und verfahren zur verkehrsinformationsbereitstellung |
CN102819955A (zh) * | 2012-09-06 | 2012-12-12 | 北京交通发展研究中心 | 基于车辆行程数据的道路网运行评价方法 |
CN103366557A (zh) * | 2013-07-25 | 2013-10-23 | 北京交通发展研究中心 | 基于拥堵指数的交通拥堵评价方法 |
CN103413263A (zh) * | 2013-08-28 | 2013-11-27 | 北京交通发展研究中心 | 旅行时间指数熵交通运行评价方法 |
CN104182633A (zh) * | 2014-08-21 | 2014-12-03 | 北京交通发展研究中心 | 分层次的交通运行评价方法 |
CN104183121A (zh) * | 2014-08-21 | 2014-12-03 | 北京交通发展研究中心 | 公交线路运行快捷性的评价方法 |
CN104268415A (zh) * | 2014-09-30 | 2015-01-07 | 北京交通发展研究中心 | 出行拥堵概率的估计方法 |
-
2016
- 2016-03-31 CN CN201610200786.0A patent/CN107293113B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE60319993D1 (de) * | 2002-08-29 | 2008-05-08 | Itis Holdings Plc | Vorrichtung und verfahren zur verkehrsinformationsbereitstellung |
CN102819955A (zh) * | 2012-09-06 | 2012-12-12 | 北京交通发展研究中心 | 基于车辆行程数据的道路网运行评价方法 |
CN103366557A (zh) * | 2013-07-25 | 2013-10-23 | 北京交通发展研究中心 | 基于拥堵指数的交通拥堵评价方法 |
CN103413263A (zh) * | 2013-08-28 | 2013-11-27 | 北京交通发展研究中心 | 旅行时间指数熵交通运行评价方法 |
CN104182633A (zh) * | 2014-08-21 | 2014-12-03 | 北京交通发展研究中心 | 分层次的交通运行评价方法 |
CN104183121A (zh) * | 2014-08-21 | 2014-12-03 | 北京交通发展研究中心 | 公交线路运行快捷性的评价方法 |
CN104268415A (zh) * | 2014-09-30 | 2015-01-07 | 北京交通发展研究中心 | 出行拥堵概率的估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107293113A (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107293113B (zh) | 一种区域拥堵延时指数的计算方法及装置 | |
AU2016247117B2 (en) | Driver profiling system and method | |
CN108074414B (zh) | 一种基于用户行为的常走路径交通信息提醒方法及系统 | |
CN108847042B (zh) | 一种路况信息发布方法及装置 | |
CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
US20210092551A1 (en) | System and method for processing vehicle event data for journey analysis | |
US20180261082A1 (en) | Method and device for processing traffic road information | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN104637313B (zh) | 道路行车速度确定方法及装置 | |
CN112767694B (zh) | 用于缓解道路拥堵的交通优化方法和装置 | |
CN112288131A (zh) | 公交站点优化方法、电子设备及计算机可读存储介质 | |
CN110782656B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
CN107545318B (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
WO2018001122A1 (zh) | 一种公交车行驶速度确定方法及装置 | |
CN108538054B (zh) | 一种基于手机信令数据获取交通路况信息的方法及系统 | |
CN111583641A (zh) | 道路拥堵分析方法、装置、设备和存储介质 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN114078322B (zh) | 一种公交运行状态评价方法、装置、设备及存储介质 | |
CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 | |
CN106548444B (zh) | 面向道路实时速度估算的浮动车载客行为模式清洗方法 | |
Ou et al. | Big-data-based analysis on the relationship between taxi travelling patterns and taxi drivers' incomes | |
CN113903169B (zh) | 一种交通优化方法、装置、电子设备及存储介质 | |
TWI719640B (zh) | 偵測交通事件的方法及系統 | |
Mongiardini et al. | Evaluation of Gorge Road Centreline Audio Tactile Line Marking (ATLM) on Curves |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200417 Address after: 310051 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: Daheng Technology Building No. three Beijing 100080 Haidian District Suzhou Street 16 layer 2. Applicant before: AUTONAVI INFORMATION TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |