CN107798876A - 基于事件的道路交通异常拥堵判断方法 - Google Patents

基于事件的道路交通异常拥堵判断方法 Download PDF

Info

Publication number
CN107798876A
CN107798876A CN201711083344.3A CN201711083344A CN107798876A CN 107798876 A CN107798876 A CN 107798876A CN 201711083344 A CN201711083344 A CN 201711083344A CN 107798876 A CN107798876 A CN 107798876A
Authority
CN
China
Prior art keywords
congestion
event
road
real
traffic
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
Application number
CN201711083344.3A
Other languages
English (en)
Other versions
CN107798876B (zh
Inventor
刘振连
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.)
Beijing Cennavi Technologies Co Ltd
Original Assignee
SHANGHAI JUHONG INFORMATION TECHNOLOGY Co Ltd
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 SHANGHAI JUHONG INFORMATION TECHNOLOGY Co Ltd filed Critical SHANGHAI JUHONG INFORMATION TECHNOLOGY Co Ltd
Priority to CN201711083344.3A priority Critical patent/CN107798876B/zh
Publication of CN107798876A publication Critical patent/CN107798876A/zh
Application granted granted Critical
Publication of CN107798876B publication Critical patent/CN107798876B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于事件的道路交通异常拥堵判断方法，本方法通过实时事件建立事件池并存入数据库；将事件的坐标数据与实时交通信息匹配，匹配之后的数据存入数据库供事件池使用；设定数值介于0～10之间的实时交通指数，并且数值从小到大依次表示畅通、轻度拥堵、中度拥堵和严重拥堵；采集历史路况数据，针对每个路段求取车速平均值并存入数据库；判断当前路段的实时交通指数是否属于中度拥堵；判断当前同一时刻历史路况数据中车速是否大于当前实时车速的50%；当前路段是否有事件存在；满足上述判断条件则判定为异常拥堵并报警提示。本方法利用交通事件结合历史路况数据进行异常拥堵状态判断，确保异常拥堵得到及时处理。

Description

基于事件的道路交通异常拥堵判断方法
技术领域
本发明涉及一种基于事件的道路交通异常拥堵判断方法。
背景技术
随着当前城市机动车数量的快速增长，城市道路发生拥堵的情况日渐频繁和突出，根据不同的原因道路交通拥堵可以分为常规拥堵和异常拥堵。常规拥堵是可预测的拥堵情况，多发生在早晚高峰，出行密集的时间段，通常交管部门已有日常的应对措施。异常拥堵多为偶发性事件引起，难以预测，需要交管部门及时安排处理。因此在拥堵发生时，需要及时、准确判断是否为异常拥堵。
目前判断道路交通异常状态的方法通常是通过历史数据与实时数据对比，设定一定的阈值，在实时数据偏离历史数据一定阈值的情况即判断为异常拥堵。如一种基于微波数据的异常拥堵点判别方法，其首先从数据库读取微波点的历史数据；对原始微波数据预处理；计算每个路段各个时间槽内的历史拥堵概率P(H)；实时计算每个路段当前时间槽内的异常度D；全路网当前时间槽内的异常度排序；累积时间异常判定：若当前微波点第一个设定时间段出现异常，异常等级设定为黄色，第二个设定时间段出现异常，异常等级设定为橙色，连续第三个设定时间段出现异常，异常等级设定为红色，即最异常状态；历史拥堵概率的更新。由于在常规拥堵的时候，也可能发生明显的流量波动，这种用历史数据进行判断的方法，会产生一些误报，导致异常拥堵得不到及时处理。
发明内容
本发明所要解决的技术问题是提供一种基于事件的道路交通异常拥堵判断方法，本方法在建立交通事件池的基础上，利用交通事件结合历史路况数据进行异常拥堵状态判断，确保异常拥堵得到及时处理。
为解决上述技术问题，本发明基于事件的道路交通异常拥堵判断方法包括如下步骤：
步骤一、建立事件池，实时事件数据接入数据库，实时事件包括采集的路况报警数据、交通管制数据，实时事件数据经统一格式、去除重复及无效数据后存入数据库；
步骤二、通过采用地理编码将事件的地址信息转换为坐标数据，将事件的坐标数据与实时交通信息匹配，匹配之后的数据存入数据库供事件池使用；
步骤三、设定实时交通指数，实时交通指数是道路交通运行拥堵程度的量化表达方式，其数值介于0～10之间，并且数值从小到大依次表示畅通、轻度拥堵、中度拥堵和严重拥堵；
步骤四、采集最近90天的历史路况数据，排除历史路况数据中各路段异常拥堵时段的数据，针对每个路段按5分钟一个时间戳求取24小时的车速平均值并存入数据库；
步骤五、异常拥堵状态的判断，判断当前路段的实时交通指数是否属于中度拥堵；查询数据库，判断当前同一时刻历史路况数据中车速是否大于当前实时车速的50%；查询事件池，当前路段是否有事件存在；满足上述判断条件则判定为异常拥堵并进行报警提示。
进一步，所述实时交通指数中0～4表示畅通，交通运行状况很好，路网平均车流密度小，车速高，仅有很低比例的道路处于拥挤状态；4～6表示轻度拥堵，交通运行状况一般，路网平均车流密度较小，车速较高，仅有较小比例的道路处于拥挤或阻塞； 6～8表示中度拥堵，交通运行状况一般，路网平均车流密度较大，车速很低，处于拥挤或阻塞的道路占有显著的比例；8～10表示严重拥堵，交通运行状况很差，路网平均车流密度很高，车速很低甚至停驶，处于拥挤或阻塞的道路占有相当高的比例。
由于本发明基于事件的道路交通异常拥堵判断方法采用了上述技术方案，即本方法通过实时事件建立事件池并存入数据库；将事件的坐标数据与实时交通信息匹配，匹配之后的数据存入数据库供事件池使用；设定数值介于0～10之间的实时交通指数，并且数值从小到大依次表示畅通、轻度拥堵、中度拥堵和严重拥堵；采集历史路况数据，排除其中各路段异常拥堵时段的数据，针对每个路段按5分钟一个时间戳求取24小时的车速平均值并存入数据库；判断当前路段的实时交通指数是否属于中度拥堵；判断当前同一时刻历史路况数据中车速是否大于当前实时车速的50%；当前路段是否有事件存在；满足上述判断条件则判定为异常拥堵并报警提示。本方法在建立交通事件池的基础上，利用交通事件结合历史路况数据进行异常拥堵状态判断，确保异常拥堵得到及时处理。
附图说明
下面结合附图和实施方式对本发明作进一步的详细说明：
图1为本发明基于事件的道路交通异常拥堵判断方法的流程框图。
具体实施方式
实施例如图1所示，本发明基于事件的道路交通异常拥堵判断方法包括如下步骤：
步骤一、建立事件池，实时事件数据接入数据库，实时事件包括采集的路况报警数据、交通管制数据，实时事件数据经统一格式、去除重复及无效数据后存入数据库；其中路况报警数据可以由警方120、122等报警电话信息获得，事件信息字段包含事件类型（如机动车事故，禁行等）、事件概述、事件开始时间、事件地点的文字描述等；
步骤二、通过采用地理编码将事件的地址信息转换为坐标数据，将事件的坐标数据与实时交通信息匹配，匹配之后的数据存入数据库供事件池使用；匹配方法可以设置一个距离阈值（如30米），在事件地点坐标该阈值范围内的实时交通信息作为匹配路况发布段；
步骤三、设定实时交通指数，实时交通指数是道路交通运行拥堵程度的量化表达方式，其数值介于0～10之间，并且数值从小到大依次表示畅通、轻度拥堵、中度拥堵和严重拥堵；
步骤四、采集最近90天的历史路况数据，排除历史路况数据中各路段异常拥堵时段的数据，针对每个路段按5分钟一个时间戳求取24小时的车速平均值并存入数据库；
步骤五、异常拥堵状态的判断，判断当前路段的实时交通指数是否属于中度拥堵；查询数据库，判断当前同一时刻历史路况数据中车速是否大于当前实时车速的50%；查询事件池，当前路段是否有事件存在；满足上述判断条件则判定为异常拥堵并进行报警提示。
优选的，所述实时交通指数中0～4表示畅通，交通运行状况很好，路网平均车流密度小，车速高，仅有很低比例的道路处于拥挤状态；4～6表示轻度拥堵，交通运行状况一般，路网平均车流密度较小，车速较高，仅有较小比例的道路处于拥挤或阻塞； 6～8表示中度拥堵，交通运行状况一般，路网平均车流密度较大，车速很低，处于拥挤或阻塞的道路占有显著的比例；8～10表示严重拥堵，交通运行状况很差，路网平均车流密度很高，车速很低甚至停驶，处于拥挤或阻塞的道路占有相当高的比例。
实时交通指数反应了一定范围内道路的平均车速和人们对道路交通拥堵程度的感受，实时交通指数的计算是以一定范围内各个路段实时采集的平均车速为基本参数，按不同等级道路设施要素和通行能力，加权集成并经过标准化后计算生成的。采用介于0-10之间的数值表达道路拥堵等级，方便人们的理解与记忆。
本方法将交通事件与历史路况数据相结合进行异常拥堵状态的判断，避免传统判断方式的缺陷，确保异常拥堵得到及时预警和处理。

Claims (2)

1.一种基于事件的道路交通异常拥堵判断方法，其特征在于本方法包括如下步骤：
步骤一、建立事件池，实时事件数据接入数据库，实时事件包括采集的路况报警数据、交通管制数据，实时事件数据经统一格式、去除重复及无效数据后存入数据库；
步骤二、通过采用地理编码将事件的地址信息转换为坐标数据，将事件的坐标数据与实时交通信息匹配，匹配之后的数据存入数据库供事件池使用；
步骤三、设定实时交通指数，实时交通指数是道路交通运行拥堵程度的量化表达方式，其数值介于0～10之间，并且数值从小到大依次表示畅通、轻度拥堵、中度拥堵和严重拥堵；
步骤四、采集最近90天的历史路况数据，排除历史路况数据中各路段异常拥堵时段的数据，针对每个路段按5分钟一个时间戳求取24小时的车速平均值并存入数据库；
步骤五、异常拥堵状态的判断，判断当前路段的实时交通指数是否属于中度拥堵；查询数据库，判断当前同一时刻历史路况数据中车速是否大于当前实时车速的50%；查询事件池，当前路段是否有事件存在；满足上述判断条件则判定为异常拥堵并进行报警提示。
2.根据权利要求1所述的基于事件的道路交通异常拥堵判断方法，其特征在于：所述实时交通指数中0～4表示畅通，交通运行状况很好，路网平均车流密度小，车速高，仅有很低比例的道路处于拥挤状态；4～6表示轻度拥堵，交通运行状况一般，路网平均车流密度较小，车速较高，仅有较小比例的道路处于拥挤或阻塞； 6～8表示中度拥堵，交通运行状况一般，路网平均车流密度较大，车速很低，处于拥挤或阻塞的道路占有显著的比例；8～10表示严重拥堵，交通运行状况很差，路网平均车流密度很高，车速很低甚至停驶，处于拥挤或阻塞的道路占有相当高的比例。
CN201711083344.3A 2017-11-07 2017-11-07 基于事件的道路交通异常拥堵判断方法 Active CN107798876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711083344.3A CN107798876B (zh) 2017-11-07 2017-11-07 基于事件的道路交通异常拥堵判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711083344.3A CN107798876B (zh) 2017-11-07 2017-11-07 基于事件的道路交通异常拥堵判断方法

Publications (2)

Publication Number Publication Date
CN107798876A true CN107798876A (zh) 2018-03-13
CN107798876B CN107798876B (zh) 2021-09-21

Family

ID=61549158

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711083344.3A Active CN107798876B (zh) 2017-11-07 2017-11-07 基于事件的道路交通异常拥堵判断方法

Country Status (1)

Country Link
CN (1) CN107798876B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108417067A (zh) * 2018-05-11 2018-08-17 安徽新华学院 一种基于物联网的道路导流推送系统
CN108921428A (zh) * 2018-06-28 2018-11-30 上海中通吉网络技术有限公司 物流车辆的调度方法和装置
CN109147331A (zh) * 2018-10-11 2019-01-04 青岛大学 一种基于计算机视觉的道路拥堵状态检测方法
CN109410595A (zh) * 2018-11-08 2019-03-01 厦门大学嘉庚学院 一种车辆检测系统及其预警方法
CN109949571A (zh) * 2019-03-19 2019-06-28 北京百度网讯科技有限公司 异常拥堵的判别方法及装置、设备及存储介质
CN110349410A (zh) * 2019-08-16 2019-10-18 甘肃万华金慧科技股份有限公司 一种交通拥堵指数测定方法
CN110379163A (zh) * 2019-07-26 2019-10-25 银江股份有限公司 一种基于轨迹数据的车辆异常减速区域检测方法及系统
CN111815945A (zh) * 2019-12-17 2020-10-23 北京嘀嘀无限科技发展有限公司 拥堵路段的图像采集方法、装置、存储介质及电子设备
CN112396838A (zh) * 2020-11-17 2021-02-23 淮阴工学院 一种道路交通拥堵预警系统及方法
CN112447042A (zh) * 2019-09-05 2021-03-05 中华电信股份有限公司 交通事件侦测系统及方法
CN112863172A (zh) * 2020-12-29 2021-05-28 千方捷通科技股份有限公司 高速公路交通运行状态判定方法、预警方法、装置及终端
CN113450560A (zh) * 2021-03-08 2021-09-28 陕西世纪高通科技有限公司 路况异常报警算法
CN114613137A (zh) * 2022-03-07 2022-06-10 同盾科技有限公司 应用于高速公路的拥堵指数确定方法、装置、介质及设备
CN114999219A (zh) * 2022-06-23 2022-09-02 重庆城市综合交通枢纽（集团）有限公司 一种地下停车场车辆运行状态感知系统
CN116758749A (zh) * 2023-08-14 2023-09-15 泉州经贸职业技术学院 一种道路交叉口盲区存在物密度的提示方法及相关设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101894469A (zh) * 2010-07-21 2010-11-24 北京世纪高通科技有限公司 历史交通信息中事件处理方法及装置
CN104240499A (zh) * 2014-06-23 2014-12-24 银江股份有限公司 一种基于微波数据的异常拥堵点判别方法
CN104715610A (zh) * 2015-04-09 2015-06-17 银江股份有限公司 一种面向城市交通的交通指数计算方法
CN106297291A (zh) * 2016-08-29 2017-01-04 苏州金螳螂怡和科技有限公司 城市快速路交通信息采集系统
CN106781490A (zh) * 2016-12-29 2017-05-31 广州交通信息化建设投资营运有限公司 城市道路交通运行分析评价系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101894469A (zh) * 2010-07-21 2010-11-24 北京世纪高通科技有限公司 历史交通信息中事件处理方法及装置
CN104240499A (zh) * 2014-06-23 2014-12-24 银江股份有限公司 一种基于微波数据的异常拥堵点判别方法
CN104715610A (zh) * 2015-04-09 2015-06-17 银江股份有限公司 一种面向城市交通的交通指数计算方法
CN106297291A (zh) * 2016-08-29 2017-01-04 苏州金螳螂怡和科技有限公司 城市快速路交通信息采集系统
CN106781490A (zh) * 2016-12-29 2017-05-31 广州交通信息化建设投资营运有限公司 城市道路交通运行分析评价系统

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108417067B (zh) * 2018-05-11 2020-12-29 安徽新华学院 一种基于物联网的道路导流推送系统
CN108417067A (zh) * 2018-05-11 2018-08-17 安徽新华学院 一种基于物联网的道路导流推送系统
CN108921428A (zh) * 2018-06-28 2018-11-30 上海中通吉网络技术有限公司 物流车辆的调度方法和装置
CN109147331A (zh) * 2018-10-11 2019-01-04 青岛大学 一种基于计算机视觉的道路拥堵状态检测方法
CN109147331B (zh) * 2018-10-11 2021-07-27 青岛大学 一种基于计算机视觉的道路拥堵状态检测方法
CN109410595A (zh) * 2018-11-08 2019-03-01 厦门大学嘉庚学院 一种车辆检测系统及其预警方法
CN109949571A (zh) * 2019-03-19 2019-06-28 北京百度网讯科技有限公司 异常拥堵的判别方法及装置、设备及存储介质
CN110379163A (zh) * 2019-07-26 2019-10-25 银江股份有限公司 一种基于轨迹数据的车辆异常减速区域检测方法及系统
CN110379163B (zh) * 2019-07-26 2020-09-08 银江股份有限公司 一种基于轨迹数据的车辆异常减速区域检测方法及系统
CN110349410A (zh) * 2019-08-16 2019-10-18 甘肃万华金慧科技股份有限公司 一种交通拥堵指数测定方法
CN110349410B (zh) * 2019-08-16 2020-11-13 甘肃万华金慧科技股份有限公司 一种交通拥堵指数测定方法
CN112447042A (zh) * 2019-09-05 2021-03-05 中华电信股份有限公司 交通事件侦测系统及方法
CN111815945A (zh) * 2019-12-17 2020-10-23 北京嘀嘀无限科技发展有限公司 拥堵路段的图像采集方法、装置、存储介质及电子设备
CN112396838A (zh) * 2020-11-17 2021-02-23 淮阴工学院 一种道路交通拥堵预警系统及方法
CN112863172A (zh) * 2020-12-29 2021-05-28 千方捷通科技股份有限公司 高速公路交通运行状态判定方法、预警方法、装置及终端
CN113450560A (zh) * 2021-03-08 2021-09-28 陕西世纪高通科技有限公司 路况异常报警算法
CN114613137A (zh) * 2022-03-07 2022-06-10 同盾科技有限公司 应用于高速公路的拥堵指数确定方法、装置、介质及设备
CN114613137B (zh) * 2022-03-07 2023-02-21 同盾科技有限公司 应用于高速公路的拥堵指数确定方法、装置、介质及设备
CN114999219A (zh) * 2022-06-23 2022-09-02 重庆城市综合交通枢纽（集团）有限公司 一种地下停车场车辆运行状态感知系统
CN116758749A (zh) * 2023-08-14 2023-09-15 泉州经贸职业技术学院 一种道路交叉口盲区存在物密度的提示方法及相关设备
CN116758749B (zh) * 2023-08-14 2024-03-08 泉州经贸职业技术学院 一种道路交叉口盲区存在物密度的提示方法及相关设备

Also Published As

Publication number Publication date
CN107798876B (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
CN107798876A (zh) 基于事件的道路交通异常拥堵判断方法
CN102592453B (zh) 一种基于时间窗口的实时交通状况判别方法
CN104715610B (zh) 一种面向城市交通的交通指数计算方法
GB2582532A (en) Method for detecting traffic anomaly of urban road based on peak hour traffic flow rate
CN101718634B (zh) 基于多元概率模型的设备状态综合动态报警方法
CN104751642B (zh) 一种高等级道路交通流运行风险实时预估方法
CN108629973A (zh) 基于固定检测设备的路段交通拥堵指数计算方法
CN108024207A (zh) 基于三层防控圈的人流量监控方法
CN109147319B (zh) 一种基于多交通数据指标的道路突发事件判别方法
CN105225500A (zh) 一种交通控制辅助决策方法及装置
CN104778821B (zh) 一种交通设备自动报警系统及方法
CN104464321A (zh) 一种基于交通运行指数发展态势的智能交通诱导方法
CN101551940A (zh) 城市快速道路交通状态判别与发布系统及其方法
CN110225457A (zh) 共享单车的监管方法、装置、服务器及可读存储介质
CN104050803A (zh) 一种区域高速路网运行状态评价方法
CN104732762A (zh) 一种交通异常路段概率识别方法
CN107180270A (zh) 客流预测方法及系统
Rossi et al. Fuzzy logic-based incident detection system using loop detectors data
CN109409713A (zh) 基于贝叶斯模型和三倍标准差准则的道路网络评估方法
CN116863723B (zh) 一种数字孪生基座的使用方法
CN108122408A (zh) 一种路况监测方法、装置及其用于监测道路路况的系统
Ma et al. Analysis of the logistic model for accident severity on urban road environment
Lin et al. Development of a fuzzy-expert system for incident detection and classification
Shen Freeway travel time estimation and prediction using dynamic neural networks
CN114419894B (zh) 一种路内停车泊位设置与使用监测的方法与系统

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230419

Address after: Room 1002C, 10th Floor, No. 7 Xueyuan Road, Haidian District, Beijing, 100083

Patentee after: CENNAVI TECHNOLOGIES Co.,Ltd.

Address before: 200433 unit 206-209, building 8, Chuangzhi Tiandi, 398 Songhu Road, Yangpu District, Shanghai

Patentee before: SHANGHAI JUHONG INFORMATION TECHNOLOGY Co.,Ltd.