CN107527501A - 一种高速公路站间行程时间数据的构造方法以及预测高速公路行程时间的方法 - Google Patents
一种高速公路站间行程时间数据的构造方法以及预测高速公路行程时间的方法 Download PDFInfo
- Publication number
- CN107527501A CN107527501A CN201710414240.XA CN201710414240A CN107527501A CN 107527501 A CN107527501 A CN 107527501A CN 201710414240 A CN201710414240 A CN 201710414240A CN 107527501 A CN107527501 A CN 107527501A
- Authority
- CN
- China
- Prior art keywords
- mrow
- station
- charge
- time
- charge station
- 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
- G08G1/01—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明涉及一种高速公路站间行程时间数据的构造方法以及一种预测高速公路行程时间的方法,利用通过上下游收费站且经过目标路段的行程时间信息,来估计车辆在该路段上行驶的行程时间,构造相应的行程时间数据,使得车辆在高速公路上运行的信息得到了充分的利用,并对现有的基于收费数据获取行程时间的方式进行有效的修正,能够更加准确、可靠的地提供行程时间服务,更好地满足交通监管和公众出行对行程时间信息的需求。
Description
技术领域
本发明主要涉及一种基于高速公路上下游站间收费数据来构造行程时间数据的方法,以及由此预测高速公路行程时间的方法。
背景技术
随着我国交通运输行业的持续发展,国家高速公路网已基本建设成型,成为交通运输系统中极为重要的客流与物流运输载体。而且,随着高速公路的信息化进程的推进,交通运输行业主管部门对路网运行监测水平的要求以及社会公众对出行信息服务的水平的要求均不断提高,车辆平均速度、交通流量等传统交通运行状态评价指标已无法满足公众以及交通主管部门对高速公路交通运行状况的信息需求。
行程时间,作为直接体现公众出行预期以及反映公路运行情况的指标,受到越来越多的关注。在智能交通系统中,通过分析、处理信息采集系统提供的交通信息,预测并发布预期的行程时间,一方面为道路使用者提供更为精准的路径决策依据,同时也为交通控制与管理部门提供参考依据,对充分利用路段能力,有效地实现交通流诱导,减少拥堵,提高道路服务质量具有重要的意义。
具体车辆的实际行程时间是指车辆从出发地行驶到目的地所需消耗的时间,对于高速公路而言,可以借助于车辆驶入和驶出两地收费站的时间差获得。我国高速公路收费管理系统中存在大量的联网收费数据,记录了海量的车辆出入收费站信息。在现有技术中,可以利用众多车辆通过两地高速公路收费入口站和出口站的信息,在考虑车型、天气条件等可能的影响因素基础上,通过统计分析、多元回归分析等方法建立行程时间预测模型,借助于模型来预测两地之间的行程时间,可以从一定程度上反映出高速公路本身的固有性质以及高速公路运行的情况。
然而,目前直接基于车辆驶入和驶出两地收费站的时间数据来获取行程时间的方式,受到两地间实际运行的车辆数量的影响,准确性和可靠性都无法满足人们对行程时间进行有效统计分析的需要。这是因为,收费数据记录的是两地间车辆行驶的真实情况,具有一定的无序性。假设需要对路网中的A站到B站间的行程时间数据进行提取时,需要查询出恰好从A站进站、从B站出站的行车记录。但是,在一定时间段内,可能很少甚至没有车辆以A站和B站分别作为起点和终点。因此,对于这样的时段、这样的两个收费站,由于联网收费数据的数据量较小、甚至缺失,难以满足数据分析和预测模型训练的要求,无法对预期的行程时间进行可靠的预测。而与此同时,在同一时段内,有大量的车辆经过两地行驶,与这些车辆在两地间运行的情况相对应的信息却没有被合理地利用,也造成了路径收费数据的浪费。
因此,实有必要设计一种改善的构造高速公路站间行程时间数据的方法以及由此预测高速公路行程时间的方法,对现有的基于收费数据获取行程时间的方式进行有效的修正,充分利用车辆在高速公路上的运行信息,更加有效地统计和分析车辆在高速公路上运行的情况,进而提供更加准确、可靠的行程时间服务,更好地满足交通监管和公众出行对行程时间信息的需求。
发明内容
为了克服现有技术的缺陷,本发明提供了一种高速公路站间行程时间数据的构造方法,其中,所述高速公路至少包括如下的收费站:收费站k,位于收费站k上游的z个收费站k-z,其中z为1、2、3、……,以及位于收费站k下游有收费站k+1,将从收费站k到收费站k+1的路段称为目标路段(k,k+1),所述构造方法包括:
针对位于目标路段上游的收费站k-z(z为1、2、3、……)执行以下步骤:
S101:假设车辆从该收费站k-z出发的时刻为t0;
S102:在高速公路联网收费数据库中搜索出发时刻落在时间区间 [t0-x,t0+x]内、从收费站k-z进站、从收费站k出站的路段(k-z,k)的收费记录,以及出发时刻落在时间区间[t0-x,t0+x]内收费站k-z进站、从收费站k+1出站的路段(k-z,k+1)的收费记录;
S103:基于路段(k-z,k)的收费记录,计算车辆从收费站k-z到收费站k的行程时间的平均值基于路段(k-z,k+1)的收费记录,计算车辆从收费站k-z到收费站k+1的行程时间的平均值将两者做差,得到路段(k,k+1)的以为出发时刻的估计行程时间:
S104:为路段(k,k+1)构造行程时间数据:进站时间为出站时间为行程时间为
优选地,x的取值为1分钟。
为了克服现有技术的缺陷,本发明还提供了一种高速公路站间行程时间数据的构造方法,其中,所述高速公路至少包括如下的收费站:收费站k,位于收费站k下游的z个收费站k+z,其中z为1、2、3、……,将收费站k到收费站k+1的路段称为目标路段,记作(k,k+1),所述构造方法包括:
针对位于目标路段下游的每个收费站k+z(z为2、3、4、……)执行以下步骤:
S201:假设车辆到达该收费站k+z的时刻为t1;
S202:在高速公路联网收费数据库中搜索到达时刻落在时间区间 [t1-x,t1+x]内,从收费站k+z出站、从收费站k进站的路段(k,k+z)的收费记录,以及到达时刻落在时间区间[t1-x,t1+x]内、从收费站k+z出站、从收费站k+1进站的路段(k+1,k+z)的收费记录;
S203:基于路段(k,k+z)的收费记录,计算车辆从收费站k到收费站k+z的行程时间的平均值基于路段(k+1,k+z)的收费记录,计算车辆从收费站k+1到收费站k+z的行程时间的平均值将两者做差,得到路段(k,k+1)的以为出发时刻的估计行程时间:
S204:为路段(k,k+1)构造行程时间数据:进站时间为出站时间为行程时间为
优选地,x的取值为1分钟。
此外,本发明还提供了一种预测高速公路行程时间的方法,包括:
基于高速公路联网收费数据库中的收费数据以及通过上述的高速公路站间行程数据的构造方法所获得的行程时间数据,利用统计回归分析方法,建立行程时间预测模型,由此预测高速公路行程时间。
通过本发明的方法,能够充分利用车辆在高速公路上行驶所形成的收费数据,解决了短距离路段行程时间数据缺失的问题,为数据稀疏路段形成可靠的行程时间数据,进而为历史行程时间的可靠统计分析以及未来行程时间的准确预测提供可靠的数据基础,有效地满足了交通监管和公众出行对行程时间信息的需求。
附图说明
图1为车辆在高速公路上各个收费站进站、出站的示意图。
图2为根据本发明示例性实施例的上游构造法的示意图。
图3为根据本发明示例性实施例的下游构造法的示意图。
具体实施方式
为了对未来的行程时间进行预测,通常需要基于收费数据提取历史行程时间数据,剔除数据噪声,然后利用有效的历史行程时间数据在考虑气象条件等影响因素的基础上建立、训练预测模型,最后将实际的出行时间、气象条件等作为参数输入预测模型,即可获得相应的对未来的行程时间的预测。
建立有效的行程时间预测模型的前提是要有足够多并且可靠的高速公路收费数据,但正如前面“背景技术”部分已经说明的,实际的收费数据往往无法满足预测模型的需要。为此,本申请提出了一种利用上下游数据来构造数据稀疏路段的站间行程时间数据的方法,原理如下:
如图1所示,车辆从入口收费站A驶入,从出口收费站B驶离高速公路,车辆通过A站和B站的时间被记录在联网的收费数据库中,而两者之差即为该车辆从A站行驶到B站的实际行程时间。
虽然单个车辆的单次行程时间具有一定的随机性,并不能准确反映行程时间的真实水平,但通过对多辆车在相同或相近条件下从A站到B 站的行程时间求平均则能够规避这一问题。
为了便于说明,我们以A站作为起点、以B站作为终点,并假设两者之间还间隔了若干个收费站。任意两个收费站之间的路程称为路段,则从A站到B站的路程可以视为是由若干个路段拼接而成的,对各个路段的行程时间进行叠加,即可得到从起点A到终点B所需的行程时间。而对于每个路段的行程时间,除了可以根据直接对应于每个路段的收费数据获得之外,还可以根据本发明所提出的方法有效且可靠地获取。
理论上,如果两辆车进站时间、地点相同,出站地点不同且相隔一个路段,将两车的出站时间做差,即可合理地推测出车辆沿该路段行驶所对应的行程时间数据,例如:进站时间、出站时间以及站间行程时间。也就是说,利用符合上述条件的目标路段的上游站点的进站数据,可以构造该目标路段的行程时间数据;同理,如果两辆车出站时间、地点相同,进站地点不同且相隔一个路段,将两车的进站时间做差,同样也可以合理地推测出车辆沿该路段行驶所对应的行程时间数据。即利用符合条件的目标路段的下游站点的出站数据,也可以构造该目标路段的行程时间数据。
而根据采用上游站点的数据还是采用下游站点的数据的不同,上述获取目标路段行程时间的方法可分为:上游构造法和下游构造法。下面参照附图分别对其进行详细的说明。
上游构造法
如图2所示,收费站k的上游有若干个收费站,分别是k-1、k-2、 k-3、……、k-z,同时,在收费站k的下游有收费站k+1。从收费站k到收费站k+1(简称目标路段(k,k+1))的行程时间,可以通过如下步骤获得:
S101:选定位于目标路段上游的一个收费站,例如收费站k-z,假设其出发时刻为t0;
S102:在高速公路联网收费数据库中搜索出发时刻落在[t0-1,t0+1]范围内(即,将t0时刻前后1min范围内的记录近似认为是t0时刻同时出发的记录),从目标出发站进站k-z进站,从站k出站的路段(k-z,k)的收费记录,以及从目标出发站k-z进站,从站k+1出站的路段(k-z,k+1)收费记录;
S103:基于路径(k-z,k)的收费记录,计算车辆从站k-z到站k的行程时间的平均值基于路径(k-z,k+1)的收费记录,计算车辆从站k-z到站k+1 的行程时间的平均值将两者做差,得到路段(k,k+1)的以为出发时刻的估计行程时间:
其中,(k,k+1)表示从站k进站、从站k+1出站的路段,逗号前表示进站站点,逗号后表示出站站点;表示所有t0时刻从站k-z进站、从站k出站的车辆的平均行程时间,下标表示路段,上标逗号前t0表示进站时刻, t表示出站时刻;而表示行程时间的估计值;
S104:为了满足后续建模和预测的需要,可以为路段(k,k+1)构造出相应的行程时间数据,即,进站时间为出站时间为行程时间为
S105:选定新的出发站,例如站k-z+1、……、k-3、k-2、k-1,分别重复以上步骤,即可得到路段(k,k+1)的行程时间的若干个估计值,并由此构造出路段(k,k+1)的若干个行程时间数据。
下游构造法
如图3所示,收费站k的下游有若干个收费站,分别是k+1、k+2、 k+3、……、k+z。从收费站k到收费站k+1(简称目标路段(k,k+1))的行程时间,可以通过如下步骤获得:
S201:选定下游到达站k+z,假设其到达时刻为t1;
S202:在高速公路联网收费数据库中搜索到达时刻落在[t1-1,t1+1]范围内(即,将t1时刻前后1min范围内的记录近似认为是t1时刻到达的记录),从到达站k+z出站、从站k进站的路段(k,k+z)的收费记录,以及从到达站 k+z出站、从站k+1进站的路段(k+1,k+z)的收费记录;
S203:基于路段(k,k+z)的收费记录,计算车辆从站k到站k+z的行程时间的平均值基于路段(k+1,k+z)的收费记录,计算车辆从站k+1到站 k+z的行程时间的平均值将两者做差,得到路段(k,k+1)的以为出发时刻的估计行程时间:
S204:为了满足后续建模和预测的需要,可以为路段(k,k+1)构造出相应的行程时间数据,即,进站时间为出站时间为行程时间为
S205:选定新的到达站,例如站k+z-1、……、k+3、k+2,分别重复以上步骤,即可得到路段(k,k+1)的行程时间的若干个估计值,并由此构造出路段(k,k+1)的若干个行程时间数据。
通过将由上述方法估算的行程时间与从实际存在高速公路收费数据中获取的行程时间进行比较,本申请的发明人发现,上述方法能够在不使用特定路段的直接收费数据的情况下准确地估算车辆在该路段上行驶所需要的行程时间,所获得的结果与车辆在高速公路上运行的实际情况相符。
而且,通过本发明的方法,能够利用多个上下游收费站的收费数据,为缺少直接站间收费数据的路段构造可靠的行程时间数据,从而一方面可以对历史行程时间进行可靠的统计分析,另一方面,也为行程时间预测模型的建立以及由此进行的未来行程时间的准确预测提供了可信的数据基础,使间接的站间收费数据可得到充分利用,避免了对数据稀疏路段进行分析和预测时由于数据确实所导致的误差,提高了分析和预测的可靠性和准确性,更好地满足了交通监管以及公众出行对行程时间信息的需求。
本领域技术人员应该认识到,这里公开的实施例是说明性的并非限制性的,在不脱离本发明构思的前提下,本领域技术人员可以对其进行修改和变化。
Claims (5)
1.一种高速公路站间行程时间数据的构造方法,其中,所述高速公路至少包括如下的收费站:收费站k,位于收费站k下游的收费站k+1,以及位于收费站k上游的z个收费站k-z,其中z为1、2、3、……,将从收费站k到收费站k+1的路段称为目标路段(k,k+1),所述构造方法包括:
针对位于目标路段上游的每个收费站k-z(z为1、2、3、……)执行以下步骤:
S101:假设车辆从收费站k-z出发的时刻为t0;
S102:在高速公路联网收费数据库中搜索出发时刻落在时间区间[t0-x,t0+x]内、从收费站k-z进站、从收费站k出站的路段(k-z,k)的收费记录,以及出发时刻落在时间区间[t0-x,t0+x]内收费站k-z进站、从收费站k+1出站的路段(k-z,k+1)的收费记录;
S103:基于路段(k-z,k)的收费记录,计算车辆从收费站k-z到收费站k的行程时间的平均值基于路段(k-z,k+1)的收费记录,计算车辆从收费站k-z到收费站k+1的行程时间的平均值将两者做差,得到目标路段(k,k+1)的以为出发时刻的估计行程时间:
<mrow>
<msubsup>
<mover>
<mi>T</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msubsup>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mi>z</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
<mrow>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mi>z</mi>
<mo>,</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mi>z</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>t</mi>
<mn>0</mn>
</msub>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mo>;</mo>
</mrow>
S104:为目标路段(k,k+1)构造行程时间数据:进站时间为出站时间为行程时间为
2.根据权利要求1所述的高速公路站间行程时间数据的构造方法,其中,x的取值为1分钟。
3.一种高速公路站间行程时间数据的构造方法,其中,所述高速公路至少包括如下的收费站:收费站k,位于收费站k下游的z个收费站k+z,其中z为1、2、3、……,将收费站k到收费站k+1的路段称为目标路段(k,k+1),所述构造方法包括:
针对位于目标路段下游的每个收费站k+z(z为2、3、4、……)执行以下步骤:
S201:假设车辆到达收费站k+z的时刻为t1;
S202:在高速公路联网收费数据库中搜索到达时刻落在时间区间[t1-x,t1+x]内,从收费站k+z出站、从收费站k进站的路段(k,k+z)的收费记录,以及到达时刻落在时间区间[t1-x,t1+x]内、从收费站k+z出站、从收费站k+1进站的路段(k+1,k+z)的收费记录;
S203:基于路段(k,k+z)的收费记录,计算车辆从收费站k到收费站k+z的行程时间的平均值基于路段(k+1,k+z)的收费记录,计算车辆从收费站k+1到收费站k+z的行程时间的平均值将两者做差,得到路段(k,k+1)的以为出发时刻的估计行程时间:
<mrow>
<msubsup>
<mover>
<mi>T</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mi>t</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msubsup>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>k</mi>
<mo>+</mo>
<mi>z</mi>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mi>t</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
</mrow>
</msubsup>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>k</mi>
<mo>+</mo>
<mi>z</mi>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mi>t</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mover>
<mi>t</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>k</mi>
<mo>+</mo>
<mi>z</mi>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mi>t</mi>
<mo>,</mo>
<msub>
<mi>t</mi>
<mn>1</mn>
</msub>
</mrow>
</msubsup>
<mo>;</mo>
</mrow>
S204:为目标路段(k,k+1)构造行程时间数据:进站时间为出站时间为行程时间为
4.根据权利要求3所述的高速公路站间行程时间数据的构造方法,其中,x的取值为1分钟。
5.一种预测高速公路行程时间的方法,包括:
基于高速公路联网收费数据库中的收费数据以及通过根据权利要求1-2中任意一项所述的构造方法所获得的行程时间数据和/或通过根据权利要求3-4中任意一项所述的构造方法所获得的行程时间数据,建立行程时间预测模型,由此预测高速公路的行程时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710414240.XA CN107527501A (zh) | 2017-06-05 | 2017-06-05 | 一种高速公路站间行程时间数据的构造方法以及预测高速公路行程时间的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710414240.XA CN107527501A (zh) | 2017-06-05 | 2017-06-05 | 一种高速公路站间行程时间数据的构造方法以及预测高速公路行程时间的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107527501A true CN107527501A (zh) | 2017-12-29 |
Family
ID=60748684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710414240.XA Pending CN107527501A (zh) | 2017-06-05 | 2017-06-05 | 一种高速公路站间行程时间数据的构造方法以及预测高速公路行程时间的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107527501A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664570A (zh) * | 2018-04-26 | 2018-10-16 | 南京英诺森软件科技有限公司 | 多模式交通运输中预测两站间换乘行程最小耗时的方法 |
CN109191174A (zh) * | 2018-07-27 | 2019-01-11 | 阿里巴巴集团控股有限公司 | 一种期望时长区间确定方法、行程验证方法及装置 |
CN109377759A (zh) * | 2018-11-28 | 2019-02-22 | 南京莱斯信息技术股份有限公司 | 一种获取间断交通流中车队行程时间的方法 |
CN110046535A (zh) * | 2018-01-16 | 2019-07-23 | 国民技术股份有限公司 | 基于机器学习的智能出行时间预测系统、方法及存储介质 |
CN110299011A (zh) * | 2019-07-26 | 2019-10-01 | 长安大学 | 一种基于收费数据的高速公路任意断面的交通流预测方法 |
CN112906993A (zh) * | 2021-01-12 | 2021-06-04 | 西安石油大学 | 一种高速公路绿通车过站查验时间预测方法 |
CN114023067A (zh) * | 2021-11-08 | 2022-02-08 | 河海大学 | 一种车联网环境稳健性导向的道路行程时间预测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002150330A (ja) * | 2000-11-15 | 2002-05-24 | Matsushita Electric Ind Co Ltd | タクシー利用料金予測装置及びタクシー利用料金予測方法 |
CN102081846A (zh) * | 2011-02-22 | 2011-06-01 | 交通运输部公路科学研究所 | 基于高速公路收费数据轨迹匹配的交通状态识别方法 |
CN103886756A (zh) * | 2014-04-17 | 2014-06-25 | 交通运输部公路科学研究所 | 基于obu的高速公路路网运行状态检测方法 |
CN103996289A (zh) * | 2014-06-06 | 2014-08-20 | 北方工业大学 | 一种流量-速度匹配模型及行程时间预测方法及系统 |
CN104240502A (zh) * | 2014-08-28 | 2014-12-24 | 浙江工业大学 | 基于rfid的公交车动态到站时间预测方法 |
CN104658252A (zh) * | 2015-02-10 | 2015-05-27 | 交通运输部科学研究院 | 基于多源数据融合的高速公路交通运行状态的评估方法 |
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 |
CN105551239A (zh) * | 2015-12-08 | 2016-05-04 | 北京云星宇交通科技股份有限公司 | 旅行时间预测方法及装置 |
JP2016075998A (ja) * | 2014-10-02 | 2016-05-12 | 住友電工システムソリューション株式会社 | 道路交通状況予測装置、道路交通状況予測システム、道路交通状況予測方法及びコンピュータプログラム |
CN105590346A (zh) * | 2016-02-18 | 2016-05-18 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
-
2017
- 2017-06-05 CN CN201710414240.XA patent/CN107527501A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002150330A (ja) * | 2000-11-15 | 2002-05-24 | Matsushita Electric Ind Co Ltd | タクシー利用料金予測装置及びタクシー利用料金予測方法 |
CN102081846A (zh) * | 2011-02-22 | 2011-06-01 | 交通运输部公路科学研究所 | 基于高速公路收费数据轨迹匹配的交通状态识别方法 |
CN103886756A (zh) * | 2014-04-17 | 2014-06-25 | 交通运输部公路科学研究所 | 基于obu的高速公路路网运行状态检测方法 |
CN103996289A (zh) * | 2014-06-06 | 2014-08-20 | 北方工业大学 | 一种流量-速度匹配模型及行程时间预测方法及系统 |
CN104240502A (zh) * | 2014-08-28 | 2014-12-24 | 浙江工业大学 | 基于rfid的公交车动态到站时间预测方法 |
JP2016075998A (ja) * | 2014-10-02 | 2016-05-12 | 住友電工システムソリューション株式会社 | 道路交通状況予測装置、道路交通状況予測システム、道路交通状況予測方法及びコンピュータプログラム |
CN104658252A (zh) * | 2015-02-10 | 2015-05-27 | 交通运输部科学研究院 | 基于多源数据融合的高速公路交通运行状态的评估方法 |
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 |
CN105551239A (zh) * | 2015-12-08 | 2016-05-04 | 北京云星宇交通科技股份有限公司 | 旅行时间预测方法及装置 |
CN105590346A (zh) * | 2016-02-18 | 2016-05-18 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046535A (zh) * | 2018-01-16 | 2019-07-23 | 国民技术股份有限公司 | 基于机器学习的智能出行时间预测系统、方法及存储介质 |
CN108664570A (zh) * | 2018-04-26 | 2018-10-16 | 南京英诺森软件科技有限公司 | 多模式交通运输中预测两站间换乘行程最小耗时的方法 |
CN108664570B (zh) * | 2018-04-26 | 2022-07-08 | 南京英诺森软件科技有限公司 | 多模式交通运输中预测两站间换乘行程最小耗时的方法 |
CN109191174A (zh) * | 2018-07-27 | 2019-01-11 | 阿里巴巴集团控股有限公司 | 一种期望时长区间确定方法、行程验证方法及装置 |
TWI734117B (zh) * | 2018-07-27 | 2021-07-21 | 開曼群島商創新先進技術有限公司 | 期望時長區間確定方法、行程驗證方法及裝置 |
CN109377759A (zh) * | 2018-11-28 | 2019-02-22 | 南京莱斯信息技术股份有限公司 | 一种获取间断交通流中车队行程时间的方法 |
CN109377759B (zh) * | 2018-11-28 | 2021-02-26 | 南京莱斯信息技术股份有限公司 | 一种获取间断交通流中车队行程时间的方法 |
CN110299011A (zh) * | 2019-07-26 | 2019-10-01 | 长安大学 | 一种基于收费数据的高速公路任意断面的交通流预测方法 |
CN112906993A (zh) * | 2021-01-12 | 2021-06-04 | 西安石油大学 | 一种高速公路绿通车过站查验时间预测方法 |
CN114023067A (zh) * | 2021-11-08 | 2022-02-08 | 河海大学 | 一种车联网环境稳健性导向的道路行程时间预测方法 |
CN114023067B (zh) * | 2021-11-08 | 2022-09-16 | 河海大学 | 一种车联网环境稳健性导向的道路行程时间预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527501A (zh) | 一种高速公路站间行程时间数据的构造方法以及预测高速公路行程时间的方法 | |
CN104134349B (zh) | 一种基于交通多源数据融合的公交路况处理系统及方法 | |
WO2016155517A1 (zh) | 物流监测方法及设备 | |
CN102081859B (zh) | 一种公交车到站时间预测模型控制方法 | |
CN112820108B (zh) | 一种自学习的路网交通状态分析及预测方法 | |
WO2019085807A1 (zh) | 一种路况信息获取方法及其设备、存储介质 | |
CN111724589B (zh) | 一种基于多源数据的高速公路断面流量估计方法 | |
CN103310651A (zh) | 一种基于实时路况信息的公交到站预测方法 | |
CN110361024A (zh) | 利用车辆组标识的动态车道级车辆导航 | |
CN101944288B (zh) | 城市公交线路停靠站设置方法 | |
CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及系统 | |
CN103927866B (zh) | 基于gps的车辆等待红绿灯时间预测方法 | |
CN110491158A (zh) | 一种基于多元数据融合的公交车到站时间预测方法及系统 | |
CN105185115A (zh) | 一种交通预测方法和预测系统 | |
CN102592447A (zh) | 一种基于fcm的区域路网的道路交通状态判别方法 | |
CN104123833A (zh) | 一种道路状况的规划方法和装置 | |
CN110299011A (zh) | 一种基于收费数据的高速公路任意断面的交通流预测方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN107346460A (zh) | 基于智能网联系统下前车运行信息的未来工况预测方法 | |
CN110276950A (zh) | 一种基于卡口视频数据的城市交通出行链重构方法 | |
Xinghao et al. | Predicting bus real-time travel time basing on both GPS and RFID data | |
CN101739823A (zh) | 一种适用低频采样的路段平均行程时间测量方法 | |
CN106251642A (zh) | 一种基于实时公交车gps数据的公交路链速度计算方法 | |
CN106097717A (zh) | 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法 | |
CN105095994A (zh) | 一种基于线性规划的城轨线路客流峰值预测方法 |
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 |
Application publication date: 20171229 |
|
RJ01 | Rejection of invention patent application after publication |