CN107481533A - 一种交通流预测系统及方法 - Google Patents
一种交通流预测系统及方法 Download PDFInfo
- Publication number
- CN107481533A CN107481533A CN201710869738.5A CN201710869738A CN107481533A CN 107481533 A CN107481533 A CN 107481533A CN 201710869738 A CN201710869738 A CN 201710869738A CN 107481533 A CN107481533 A CN 107481533A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- module
- predicted
- traffic flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- 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]
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通流预测系统,通过车载位置模块,数据获取模块获取待预测路段的设置有车载位置模块的车辆数据,将该车辆数据与历史标准样本库内的设置有车载位置模块的车辆数据相匹配,与其匹配程度最高的历史标准样本库内的车辆数据对应的历史标准样本库内的实际交通流数据为预测的待预测路段的交通流数据,使路段交通流数据的预测具有高可靠性及准确性,同时,预测出的待预测路段的交通流数据为该待预测路段的实际历史信息,预测针对性强,可以进一步提高预测的准确性。因此,本发明一种交通流预测系统及方法具有预测准确率高的优点。
Description
技术领域
本发明涉及交通流预测技术领域,尤其是涉及一种预测准确率高的一种交通流预测系统及方法。
背景技术
近年来,随着城市化与机动化的进程加快,汽车保有量,特别是私家车的大力发展,造成交通流量不断上升,城市交通需求和供给的矛盾越来越大。因此,采取合理的交通需求控制和道路交通管理措施成为解决城市交通问题的关键。其中如何准确的预测道路交通流量成为合理诱导、控制与管理交通出行的瓶颈所在。有了精度较高的实时交通流量信息,才能进一步运用现代信息技术为出行者提供最佳的行驶路线,达到网路畅通、高效运行的目的。
因此,有必要提出一种新的交通流预测系统及方法,以准确预测交通流信息。
发明内容
本发明所要解决的技术问题是提供一种预测准确率高的一种交通流预测系统及方法。
为了实现上述目的,本发明采用以下技术方案:
一种交通流预测系统,包括车载位置模块,所述车载位置模块设置于特定车辆上,用于检测车辆位置信息;数据获取模块,所述数据获取模块用于获取待预测路段上设置有所述车载位置模块的车辆数据;信息处理模块,所述信息处理模块用于处理获取到的设置有所述车载位置模块的车辆数据,预测待预测路段的交通流情况,控制待预测路段的红绿灯时间。
作为一种优选的技术方案,所述车载位置模块为车载GPS模块或车载导航模块。
作为另一种优选的技术方案,所述数据获取模块设置于待预测路段的红绿灯上。
作为应用以上方案的一种交通流预测系统的一种交通流预测方法,包括以下步骤:S1、建立历史标准样本库,对待预测路段的历史交通数据进行预处理,将设置有所述车载位置模块的车辆数据与实际交通流数据映射保存,形成待预测路段的交通数据历史标准样本库;S2、所述数据获取模块获取待预测路段的设置有所述车载位置模块的车辆数据,所述车辆数据包括设置有所述车载位置模块的车辆数量、前进方向等数据;S3、所述信息处理模块根据所述数据获取模块获取到的设置有所述车载位置模块的车辆数据判断所述车辆数据与历史标准样本库内设置有所述车载位置模块的车辆数据的相似度,从所述历史标准样本库内选取与实际获取到的设置有所述车载位置模块的车辆数据最为匹配的所述历史标准样本库内的设置有所述车载位置模块的车辆数据,根据所述历史标准样本库内的设置有所述车载位置模块的车辆数据对应得出所述历史标准样本库内的实际交通流数据,所述历史标准样本库内的实际交通流数据为预测出的待预测路段的交通流数据;S4、根据预测的待预测路段的交通流数据控制所述待预测路段的红绿灯时间。
作为一种优选的技术方案,所述车载位置模块为车载GPS模块或车载导航模块,所述步骤S2中所述数据获取模块获取待预测路段的设置有所述车载GPS模块或所述车载导航模块的车辆数据。
作为一种优选的技术方案,所述车载位置模块为与出租车辆信息绑定的智能终端模块,所述智能终端模块获取出租车乘客出行的出发地及目的地,并实时追踪出租车辆的位置信息。
作为进一步优选的技术方案,所述步骤S2中所述数据获取模块与所述智能终端进行数据交互,获取待预测路段的设置有所述智能终端模块的出租车辆内乘客的出发地、目的地及出租车辆的实时位置信息。
作为一种更进一步优选的方案,所述步骤S3中所述信息处理模块根据所述出租车辆的出发地、目的地及实时位置信息,判断待预测路段内的出租车辆数据,将所述出租车辆数据与所述历史标准样本库内设置有所述车载位置模块的车辆数据的相似度,从所述历史标准样本库内选取与所述出租车辆数据最为匹配的设置有所述车载位置模块的车辆数据,根据所述历史标准样本库内的设置有所述车载位置模块的车辆数据从所述历史标准样本库内得出实际交通流数据,所述历史标准样本库内的实际交通流数据为预测的待预测路段的交通流数据。
作为另一种更进一步的优选方案,所述步骤S3中所述信息处理模块根据所述出租车辆的出发地、目的地及实时位置信息计算下一时段待预测路段的出租车辆数据,并判断与所述历史标准样本库内设置有所述车载位置模块的车辆数据的相似度,从所述历史标准样本库内选取与所述出租车辆数据最为匹配的设置有所述车载位置模块的车辆数据,根据所述历史标准样本库内的设置有所述车载位置模块的车辆数据从所述历史标准样本库内得出实际交通流数据,所述历史标准样本库内的实际交通流数据为预测的待预测路段的交通流数据。
本发明的一种交通流预测系统,通过车载位置模块,数据获取模块获取待预测路段的设置有车载位置模块的车辆数据,将该车辆数据与历史标准样本库内的设置有车载位置模块的车辆数据相匹配,与其匹配程度最高的历史标准样本库内的车辆数据对应的历史标准样本库内的实际交通流数据为预测的待预测路段的交通流数据,使路段交通流数据的预测具有高可靠性及准确性,同时,预测出的待预测路段的交通流数据为该待预测路段的实际历史信息,预测针对性强,可以进一步提高预测的准确性。因此,本发明一种交通流预测系统及方法具有预测准确率高的优点。
附图说明
图1为本发明一种交通流预测系统的具体实施方式的结构框图;
图2为本发明一种能够交通流预测方法的具体实施方式的流程图。
具体实施方式
下面结合附图,详细说明本发明一种交通流预测系统及应用其的一种交通流预测方法。
如图1所示,本发明的一种交通流预测系统,包括车载位置模块,所述车载位置模块设置于特定车辆上,用于检测车辆位置信息;数据获取模块,所述数据获取模块用于获取待预测路段上设置有所述车载位置模块的车辆数据;信息处理模块,所述信息处理模块用于处理获取到的设置有所述车载位置模块的车辆数据,预测待预测路段的交通流情况,控制待预测路段的红绿灯时间。本发明的一种交通流预测系统,通过监测待预测路段内的特定车辆数据,根据与所述特定车辆数据对应的历史实际交通流数据预测待预测路段内的实际交通流数据,预测出的实际交通流数据针对性强,准确性高。
作为一种优选技术方案,所述车载位置模块为车载GPS模块或车载导航模块。在实际应用中,为了简化设备,便于实施,所述数据获取模块设置于待预测路段的红绿灯上。
本发明还提供了一种应用以上一种交通流预测系统的方法,包括以下步骤:S1、建立历史标准样本库,对待预测路段的历史交通数据进行预处理,将设置有所述车载位置模块的车辆数据与实际交通流数据映射保存,形成待预测路段的交通数据历史标准样本库;S2、所述数据获取模块获取待预测路段的设置有所述车载位置模块的车辆数据,所述车辆数据包括设置有所述车载位置模块的车辆数量、前进方向等数据;S3、所述信息处理模块根据所述数据获取模块获取到的设置有所述车载位置模块的车辆数据判断所述车辆数据与历史标准样本库内设置有所述车载位置模块的车辆数据的相似度,从所述历史标准样本库内选取与实际获取到的设置有所述车载位置模块的车辆数据最为匹配的所述历史标准样本库内的设置有所述车载位置模块的车辆数据,根据所述历史标准样本库内的设置有所述车载位置模块的车辆数据对应得出所述历史标准样本库内的实际交通流数据,所述历史标准样本库内的实际交通流数据为预测出的待预测路段的交通流数据;S4、根据预测的待预测路段的交通流数据控制所述待预测路段的红绿灯时间。
作为一种优选的技术方案,所述车载位置模块为车载GPS模块或车载导航模块,所述步骤S2中所述数据获取模块获取待预测路段的设置有所述车载GPS模块或所述车载导航模块的车辆数据。
作为一种优选的技术方案,所述车载位置模块为与出租车辆信息绑定的智能终端模块,所述智能终端模块获取出租车乘客出行的出发地及目的地,并实时追踪出租车辆的位置信息。
作为进一步优选的技术方案,所述步骤S2中所述数据获取模块与所述智能终端进行数据交互,获取待预测路段的设置有所述智能终端模块的出租车辆内乘客的出发地、目的地及出租车辆的实时位置信息。
作为一种更进一步优选的方案,所述步骤S3中所述信息处理模块根据所述出租车辆的出发地、目的地及实时位置信息,判断待预测路段内的出租车辆数据,将所述出租车辆数据与所述历史标准样本库内设置有所述车载位置模块的车辆数据的相似度,从所述历史标准样本库内选取与所述出租车辆数据最为匹配的设置有所述车载位置模块的车辆数据,根据所述历史标准样本库内的设置有所述车载位置模块的车辆数据从所述历史标准样本库内得出实际交通流数据,所述历史标准样本库内的实际交通流数据为预测的待预测路段的交通流数据。
作为另一种更进一步的优选方案,所述步骤S3中所述信息处理模块根据所述出租车辆的出发地、目的地及实时位置信息计算下一时段待预测路段的出租车辆数据,并判断与所述历史标准样本库内设置有所述车载位置模块的车辆数据的相似度,从所述历史标准样本库内选取与所述出租车辆数据最为匹配的设置有所述车载位置模块的车辆数据,根据所述历史标准样本库内的设置有所述车载位置模块的车辆数据从所述历史标准样本库内得出实际交通流数据,所述历史标准样本库内的实际交通流数据为预测的待预测路段的交通流数据。
在实际应用中,当车载位置模块为智能终端,且所述智能终端模块获取出租车乘客出行的出发地及目的地,并实时追踪出租车辆的位置信息时,所述数据获取模块可以直接获取该智能终端服务器内的数据,以获得任一待测路段的设置有该智能终端的出租车车辆数据,与该路段的历史标准样本库对照,可预测任一待预测路段的交通流数据。
本发明的一种交通流预测系统,通过车载位置模块,数据获取模块获取待预测路段的设置有车载位置模块的车辆数据,将该车辆数据与历史标准样本库内的设置有车载位置模块的车辆数据相匹配,与其匹配程度最高的历史标准样本库内的车辆数据对应的历史标准样本库内的实际交通流数据为预测的待预测路段的交通流数据,使路段交通流数据的预测具有高可靠性及准确性,同时,预测出的待预测路段的交通流数据为该待预测路段的实际历史信息,预测针对性强,可以进一步提高预测的准确性。因此,本发明一种交通流预测系统及方法具有预测准确率高的优点
以上仅为本发明实施案例而已,并不用于限制本发明,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (9)
1.一种交通流预测系统,其特征在于:包括车载位置模块,所述车载位置模块设置于特定车辆上,用于检测车辆位置信息;数据获取模块,所述数据获取模块用于获取待预测路段上设置有所述车载位置模块的车辆数据;信息处理模块,所述信息处理模块用于处理获取到的设置有所述车载位置模块的车辆数据,预测待预测路段的交通流情况,控制待预测路段的红绿灯时间。
2.根据权利要求1所述的一种交通流预测系统,其特征在于:所述车载位置模块为车载GPS模块或车载导航模块。
3.根据权利要求1所述的一种交通流预测系统,其特征在于:所述数据获取模块设置于待预测路段的红绿灯上。
4.应用权利要求1至3任一权利要求中的一种交通流预测系统的一种交通流预测方法,其特征在于,包括以下步骤:
S1、建立历史标准样本库,对待预测路段的历史交通数据进行预处理,将设置有所述车载位置模块的车辆数据与实际交通流数据映射保存,形成待预测路段的交通数据历史标准样本库;
S2、所述数据获取模块获取待预测路段的设置有所述车载位置模块的车辆数据,所述车辆数据包括设置有所述车载位置模块的车辆数量、前进方向等数据;
S3、所述信息处理模块根据所述数据获取模块获取到的设置有所述车载位置模块的车辆数据判断所述车辆数据与历史标准样本库内设置有所述车载位置模块的车辆数据的相似度,从所述历史标准样本库内选取与实际获取到的设置有所述车载位置模块的车辆数据最为匹配的所述历史标准样本库内的设置有所述车载位置模块的车辆数据,根据所述历史标准样本库内的设置有所述车载位置模块的车辆数据对应得出所述历史标准样本库内的实际交通流数据,所述历史标准样本库内的实际交通流数据为预测出的待预测路段的交通流数据;
S4、根据预测的待预测路段的交通流数据控制所述待预测路段的红绿灯时间。
5.根据权利要求4所述的一种交通流预测方法,其特征在于:所述车载位置模块为车载GPS模块或车载导航模块,所述步骤S2中所述数据获取模块获取待预测路段的设置有所述车载GPS模块或所述车载导航模块的车辆数据。
6.根据权利要求4所述的一种交通流预测方法,其特征在于:所述车载位置模块为与出租车辆信息绑定的智能终端模块,所述智能终端模块获取出租车乘客出行的出发地及目的地,并实时追踪出租车辆的位置信息。
7.根据权利要求6所述的一种交通流预测方法,其特征在于:所述步骤S2中所述数据获取模块与所述智能终端进行数据交互,获取待预测路段的设置有所述智能终端模块的出租车辆内乘客的出发地、目的地及出租车辆的实时位置信息。
8.根据权利要求7所述的一种交通流预测方法,其特征在于:所述步骤S3中所述信息处理模块根据所述出租车辆的出发地、目的地及实时位置信息,判断待预测路段内的出租车辆数据,将所述出租车辆数据与所述历史标准样本库内设置有所述车载位置模块的车辆数据的相似度,从所述历史标准样本库内选取与所述出租车辆数据最为匹配的设置有所述车载位置模块的车辆数据,根据所述历史标准样本库内的设置有所述车载位置模块的车辆数据从所述历史标准样本库内得出实际交通流数据,所述历史标准样本库内的实际交通流数据为预测的待预测路段的交通流数据。
9.根据权利要求7所述的一种交通流预测方法,其特征在于:所述步骤S3中所述信息处理模块根据所述出租车辆的出发地、目的地及实时位置信息计算下一时段待预测路段的出租车辆数据,并判断与所述历史标准样本库内设置有所述车载位置模块的车辆数据的相似度,从所述历史标准样本库内选取与所述出租车辆数据最为匹配的设置有所述车载位置模块的车辆数据,根据所述历史标准样本库内的设置有所述车载位置模块的车辆数据从所述历史标准样本库内得出实际交通流数据,所述历史标准样本库内的实际交通流数据为预测的待预测路段的交通流数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710869738.5A CN107481533A (zh) | 2017-09-23 | 2017-09-23 | 一种交通流预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710869738.5A CN107481533A (zh) | 2017-09-23 | 2017-09-23 | 一种交通流预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107481533A true CN107481533A (zh) | 2017-12-15 |
Family
ID=60586285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710869738.5A Pending CN107481533A (zh) | 2017-09-23 | 2017-09-23 | 一种交通流预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107481533A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264744A (zh) * | 2019-06-13 | 2019-09-20 | 同济大学 | 一种基于多元数据的交通流量预测算法 |
CN116753966A (zh) * | 2023-04-10 | 2023-09-15 | 中核勘察设计研究有限公司 | 一种导航电子地图数据获取方法及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1661645A (zh) * | 2004-02-27 | 2005-08-31 | 株式会社日立制作所 | 交通信息预测装置 |
KR20090124197A (ko) * | 2008-05-29 | 2009-12-03 | 주식회사 세인시스템 | 복합검지체계를 가진 교통정보 예측 복합 검지기 및교통정보 예측 방법 |
CN101694743A (zh) * | 2009-08-25 | 2010-04-14 | 北京世纪高通科技有限公司 | 预测路况的方法和装置 |
CN103810849A (zh) * | 2012-11-15 | 2014-05-21 | 北京掌城科技有限公司 | 一种基于浮动车数据的交通流变化趋势提取方法 |
CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN104933862A (zh) * | 2015-05-26 | 2015-09-23 | 大连理工大学 | 一种基于浮动车轨迹的城市交通拥堵智能组合预测方法 |
CN106327871A (zh) * | 2016-09-06 | 2017-01-11 | 华南理工大学 | 一种融合历史数据和预约数据的高速公路拥挤预测方法 |
-
2017
- 2017-09-23 CN CN201710869738.5A patent/CN107481533A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1661645A (zh) * | 2004-02-27 | 2005-08-31 | 株式会社日立制作所 | 交通信息预测装置 |
KR20090124197A (ko) * | 2008-05-29 | 2009-12-03 | 주식회사 세인시스템 | 복합검지체계를 가진 교통정보 예측 복합 검지기 및교통정보 예측 방법 |
CN101694743A (zh) * | 2009-08-25 | 2010-04-14 | 北京世纪高通科技有限公司 | 预测路况的方法和装置 |
CN103810849A (zh) * | 2012-11-15 | 2014-05-21 | 北京掌城科技有限公司 | 一种基于浮动车数据的交通流变化趋势提取方法 |
CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN104933862A (zh) * | 2015-05-26 | 2015-09-23 | 大连理工大学 | 一种基于浮动车轨迹的城市交通拥堵智能组合预测方法 |
CN106327871A (zh) * | 2016-09-06 | 2017-01-11 | 华南理工大学 | 一种融合历史数据和预约数据的高速公路拥挤预测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264744A (zh) * | 2019-06-13 | 2019-09-20 | 同济大学 | 一种基于多元数据的交通流量预测算法 |
CN110264744B (zh) * | 2019-06-13 | 2022-05-27 | 同济大学 | 一种基于多元数据的交通流量预测算法 |
CN116753966A (zh) * | 2023-04-10 | 2023-09-15 | 中核勘察设计研究有限公司 | 一种导航电子地图数据获取方法及设备 |
CN116753966B (zh) * | 2023-04-10 | 2024-04-12 | 中核勘察设计研究有限公司 | 一种导航电子地图数据获取方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104819724B (zh) | 一种基于gis的无人地面车辆自主行驶辅助系统 | |
CN103646560B (zh) | 出租车行车轨迹经验知识路径的提取方法 | |
KR102224733B1 (ko) | 지능형 운전자 보조 시스템(adas)에서 사용하기 위한 호라이즌을 생성하는 방법 및 시스템 | |
CN104732075B (zh) | 一种城市道路交通事故风险实时预测方法 | |
CN109641589B (zh) | 用于自主车辆的路线规划 | |
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 | |
CN105644559B (zh) | 一种基于虚拟轨道和移动闭塞技术的无人驾驶方法及系统 | |
EP3683549B1 (en) | Method, apparatus, and computer program product for lane-level route guidance | |
CN107305131A (zh) | 以节点为中心的导航优化 | |
CN106340194B (zh) | 应急车辆信号优先控制方法 | |
WO2017051411A1 (en) | Near real-time modeling of pollution dispersion | |
US10373494B1 (en) | Method and apparatus for estimating a parking event based on device signal observations | |
CN107944375A (zh) | 基于场景分割的自动驾驶处理方法及装置、计算设备 | |
CN107683234A (zh) | 周边环境识别装置以及计算机程序产品 | |
CN107924621A (zh) | 用于自动驾驶车辆、尤其机动车来操控停车位置的方法 | |
CN105427641B (zh) | 一种殊域车联网北斗精确行车安全行为记录分析装置及分析方法 | |
CN104880193A (zh) | 一种车道级导航系统及其车道级导航方法 | |
US11782439B2 (en) | Determining routes for autonomous vehicles | |
CN109598372A (zh) | 基于绿色共享交通的出行方案规划方法和共享交通系统 | |
CN105047001B (zh) | 实现车辆停车管控提醒的方法、车辆及移动终端 | |
CN109029463A (zh) | 面向车辆安全行驶的室内多平衡车自主导航与调度系统 | |
CN112602128A (zh) | 道路交通导航系统 | |
CN111693056A (zh) | 用于维护和更新自修复的高清晰度地图的小地图 | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN106908069A (zh) | 基于预测的导航辅助方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171215 |