CN107993438A - 一种高速公路瓶颈路段拥堵预警方法 - Google Patents

一种高速公路瓶颈路段拥堵预警方法 Download PDF

Info

Publication number
CN107993438A
CN107993438A CN201711296371.9A CN201711296371A CN107993438A CN 107993438 A CN107993438 A CN 107993438A CN 201711296371 A CN201711296371 A CN 201711296371A CN 107993438 A CN107993438 A CN 107993438A
Authority
CN
China
Prior art keywords
mrow
charge station
msub
bottleneck road
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.)
Withdrawn
Application number
CN201711296371.9A
Other languages
English (en)
Inventor
王恒
张晖
陈明威
刘胜平
朱景瑜
陆俊贤
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.)
SHANGHAI YUNDI INFORMATION TECHNOLOGY Co Ltd
Original Assignee
SHANGHAI YUNDI 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 YUNDI INFORMATION TECHNOLOGY Co Ltd filed Critical SHANGHAI YUNDI INFORMATION TECHNOLOGY Co Ltd
Priority to CN201711296371.9A priority Critical patent/CN107993438A/zh
Publication of CN107993438A publication Critical patent/CN107993438A/zh
Withdrawn legal-status Critical Current

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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

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

Abstract

本发明公开了一种高速公路瓶颈路段拥堵预警方法，该拥堵预警方法包括以下步骤：收集选定区域内的各收费站数据、进出站流量数据以及各进站用户的手机信令数据；构建收费站的OD矩阵模型及各OD对内各路径的路阻系数，并确定各OD对的最优路径；根据前述所收集的手机信令数据估计车速，并计算车辆行驶至瓶颈路段所需的时间；统计在特定时段内到达瓶颈路段的车流量，若该车流量超出瓶颈路段的通行流量阈值，则进行拥堵预警。本发明的优点是：使用手机信令数据估计车速及收费站入口流量数据，对瓶颈路段某一时间范围内所通过的车流量进行预测，可提前预警时间，提高高速公路运行效率；也可在一定程度上避免地感线圈等物理检测装置的使用，节省成本。

Description

一种高速公路瓶颈路段拥堵预警方法
技术领域
本发明属于交通拥堵评价技术领域，具体涉及一种高速公路瓶颈路段拥堵预警方法。
背景技术
近十年来，我国干线公路基础设施建设取得迅猛发展，公路网运行管理与服务水平得到了有效提升，高速公路联网运行与服务工作取得重大突破。
对高速公路运行分析的评价工作，利于加强国家干线公路网运行监测与科学管理，可提高公路突发事件应急处置能力和公共服务能力。同时，伴随着经济高速增长和城市规模扩大，高速路网通行能力和交通需求的之间的矛盾日益突出，由此导致的高速公路节点长时间、大面积拥堵现象亦时常发生。
高速公路瓶颈路段受限于物理线性等因素，产生了道路压缩导致上游道路的通行能力大于瓶颈路段的通行能力。瓶颈路段交通状态一旦出现拥堵就很难消退，瓶颈路段交通状况的蔓延导致其相邻路段的拥挤，随着交通瓶颈的扩散，会形成整个交通网络的拥堵。
针对拥堵路段检测，目前使用范围较广的检测方法主要有地磁线圈检测、视频检测等，但其安装位置固定，检测范围狭窄，且空间覆盖率较低；此外，来自互联网企业的数据也可以用以确认拥堵路段，但是无法获取到路段内流量数据。
随着当今移动互联网及智能手机终端的普及与技术发展，利用手机采集高速公路全路网的实时交通大数据信息，已经成为欧美发达国家及中国交通部认可的国家级路网运行监测的有效途径。本发明结合手机信令估计车速以及高速公路入口流量数据，共同确认拥堵路段实时状态，及路段内车流量大小，弥补以上检测方法的不足。
发明内容
本发明的目的是根据上述现有技术的不足之处，提供一种高速公路瓶颈路段拥堵预警方法，该拥堵预警方法收集划定区域内的各收费站数据以及各进站用户的手机信令数据，构建收费站的OD矩阵模型及各OD对内各路径的路阻系数，并确定各OD对的最优路径；根据前述所收集的手机信令数据估计车速，并计算车辆行驶至瓶颈路段所需的时间；统计在特定时段内到达瓶颈路段的车流量，若该车流量超出瓶颈路段的通行流量阈值，则进行拥堵预警。
本发明目的实现由以下技术方案完成：
一种高速公路瓶颈路段拥堵预警方法，其特征在于所述拥堵预警方法包括以下步骤：
(步骤1)收集选定区域内的各收费站数据、进出站流量数据以及各进站用户的手机信令数据；
(步骤2)根据各所述收费站数据以及所述进出站流量数据，构建各所述收费站的OD矩阵模型：
式中：
Qij为收费站i至收费站j之间的交通流量；
Pi为收费站i的入口交通流量；
Aj为收费站j的出口交通流量；
(步骤3)根据所述OD矩阵模型，计算各OD对中所有可能的m条路径的路径长度RL，计算式为：
其中：
OD对是指由收费站i入口与收费站j出口构成的配对；
RL为路径L的总长度；
L＝1，2，3，...，m；
K为连接构成所述路径L的各条路段；
LengthK为所述路段K的长度；
(步骤4)根据步骤(3)中路径长度RL的计算式，确定各所述OD对所对应的唯一最短路径RS，计算式为：
(步骤5)根据高速公路历史数据判断并选定高速公路中易发生拥堵的瓶颈路段；计算所述瓶颈路段流量占所述收费站i入口流量的百分比p，计算式为：
式中：
Qi为在时间段T内经所述收费站i入口进入且途经所述瓶颈路段的交通流量；
Qall为在时间段T内所述收费站i入口的总流量；
(步骤6)从各所述OD对所对应的唯一最短路径RS中筛选出经所述收费站i入口进入高速公路并通过所述瓶颈路段的所有路径，构成路径集合Q；根据所确定的所述路径集合Q，计算车辆从经过所述收费站i入口开始，途经每个路段所用的时间tik以及直至车辆到达所述瓶颈路段处的检测断面所需的时间tij，从而计算获得在时间段t内到达所述瓶颈路段的总车流量，计算式为：
tik＝l/v
式中：
tik为车辆行驶过每个路段的时长；
l为所述每个路段的长度；
v为由所述手机信令数据估算的车辆行驶速度；
tij为车辆从所述收费站i入口行驶至所述瓶颈路段处检测断面的时长；
k为车辆从所述收费站i入口行驶至所述瓶颈路段处的检测断面所经过的所有路段数目；
(步骤7)根据步骤(6)中所获得的车辆在时间段t内从所述收费站i入口开始到达所述瓶颈路段的总车流量与所述瓶颈路段在时间段t内的可通行流量阈值进行对比，若超过所述瓶颈路段在时间段t内的可通行流量阈值则进行拥堵预警。
所述瓶颈路段根据高速公路的历史数据、道路线性以及车道数目进行预先选定。
本发明的优点是：本方法使用手机信令数据估计车速及收费站入口流量数据，对瓶颈路段某一时间范围内所通过的车流量进行预测，可提前预警时间，提高高速公路运行效率；也可在一定程度上避免地感线圈等物理检测装置的使用，节省成本；同时，本方法提出的高速公路瓶颈路段拥堵预测技术拥有普适性。
附图说明
图1为本发明中高速公路瓶颈路段拥堵预警方法的流程示意图；
图2为本发明实施例2中瓶颈路段3301000040的2015年2月各日预测流量分时折线图；
图3为本发明实施例2中瓶颈路段3301000040的2015年2月各日分时车速折线图；
图4为本发明实施例2中瓶颈路段3301000040的2015年2月各日流量箱图；
图5为本发明实施例2中瓶颈路段3301000040的2015年2月各日车速箱图；
图6为本发明实施例2中基于各收费站入口数据的瓶颈路段分时流量估计结果示意图。
具体实施方式
以下结合附图通过实施例对本发明的特征及其它相关特征作进一步详细说明，以便于同行业技术人员的理解：
实施例1：如图1所示，本实施例具体涉及一种高速公路瓶颈路段拥堵预警方法，具体包括如下步骤：
【步骤1】
收集选定区域内的各收费站数据、进出站流量数据以及各进站用户的手机信令数据，此处的选定区域可以是省级区域，其中，收费站数据包含多个字段，具体是收费站信息字段和收费站流水数据字段；
收费站信息字段，其说明如下：
名称 类型 是否为空 注释
GSID VARchar2(32) Y 高速码表ID
LXBM VARchar2(12) Y 路线编码
LXMC VARchar2(150) Y 路线名称
收费站流水数据字段，其说明如下：
名称 类型 是否为空 注释
N_EN_DATE NUMBER(8) Y 入口日期
N_EN_TIME NUMBER(8) Y 入口时间
N_EX_DATE NUMBER(8) Y 出口日期
N_EX_TIME NUMBER(8) Y 出口时间
N_EN_STATION NUMBER(4) Y 入口站点
N_EX_STATION NUMBER(4) Y 出口站点
通过获取进站用户的实时手机信令数据并进行算法分析，可获取车辆的速度数据，主要为某一时刻的某路段FB_CODE的车速值SPEED(Km/h)，其说明如下：
数据字段 含义
FB_CODE 发布段代码
SPEED 速度(KM/h)
RGB 拥堵显示颜色(1、2、3：红黄绿)
TRAVELTIME 行程时间(s)
TIMESTAMP 时间戳
duration 延误
收集各收费站历史数据，用以确定不同日期内各收费站至其他收费站的流量比例，所用收费站数据为其OD矩阵；收集实时收费站进站数据，结合不同日期类型各收费站至其他收费站的流量比例，将流量分配至各收费站OD；收费站进站数据包括收费站信息数据、收费站流量数据等；收集并分析手机信令数据，获取手机信令估计车速。
以现有的收费站进口数据为基础，结合由历史出入口挖掘出的OD数据，采用与历史数据高度匹配的交通流量分配算法，将某高速公路进口流量分配到各条支线路(拥堵常发的瓶颈路段)上。这里交通需求预测是动态变化的，随着不同出发时刻各收费站出行总量和分布都是不同的，需要考虑历史OD数据和手机信令估计车速来进行实时调整。
收集高速公路各收费站历史数据，确定不同日期、不同路段、不同方向各收费站至其他收费站的流量比例。
利用从收费站流水信息表获取的信息，采集实时的收费站进站数据，包含收费站入口流量数据、车辆通过入口、出口收费站的编号与时间，以及车辆类型等相关的信息和手机数据。
高速公路收费站数据主要包括：收费站信息表、高速收费入口信息表、高速收费出口信息表。
【步骤2】
根据各收费站数据以及进出站流量数据，构建各收费站的OD矩阵模型：
式中：
Qij为收费站i至收费站j之间的交通流量；
Pi为收费站i的入口交通流量；
Aj为收费站j的出口交通流量。
利用步骤1获得的不同日期类型各收费站至其他收费站的流量比例，结合收费站获取的实时流量数据，综合考虑车速数据等因素，将流量分配至各收费站OD。
高速公路路段流量经由各收费站进入高速，根据各收费站流量数据，算得经各收费站驶入某路段的流量占经过某路段的总流量比例，并将实时收费站OD数据按比例分配到各个路段上，得出各车辆的实时起终点路径。
【步骤3】
根据前述的OD矩阵模型，计算各OD对中所有可能的m条路径的路径长度RL，计算式为：
其中：
OD对是指由收费站i入口与收费站j出口构成的配对，其间存在m条可以将收费站i入口与收费站j出口连接的路径；
RL为OD对中能够将收费站i入口与收费站j出口连通的路径L的总长度；
L＝1，2，3，...，m；
K为连接构成路径L的各条路段之一；
LengthK为路段K的长度。
【步骤4】
根据步骤3中路径长度RL的计算式，确定各OD对所对应的唯一最短路径RS，计算式为：
当各OD对所对应的唯一最短路径RS确定之后，可获得如下的OD矩阵和路径表，如下表所示：
字段名 字段含义
SFZ_O 起点收费站代码
SFZ_D 终点收费站代码
LINK_O 起点路段代码
LINK_D 终点路段代码
SEQ 当前路段在路径中的序列号
CBGLINK 当前路段代码
【步骤5】
根据高速公路历史数据判断并选定高速公路中易发生拥堵的瓶颈路段；
计算瓶颈路段流量占收费站i入口流量的百分比p，计算式为：
式中：
Qi为在时间段T内经收费站i入口进入且途经瓶颈路段的交通流量；
Qall为在时间段T内收费站i入口的总流量；
结合收费站OD流量和各路段所占车流比例关系，得出各路段实时交通量，进而根据车辆进出收费站以及各路段情况，结合手机信令数据得出各车辆的行驶路径。
首先判断道路中交通瓶颈路段所处位置，通过手机信令求得手机速度，即为此时车辆实时速度，判断各时段到达瓶颈路段的交通需求。
通过手机获取的各个路段历史速度分布与交调站车流量数据统计高速公路的流密度关系曲线，确定高速公路各路段通行能力。利用道路线形、历史路段交通量数据Qhistory、车道数LINE等参数，判断高速公路瓶颈路段。统计各瓶颈路段所在高速公路名称、路段行驶方向以及瓶颈路段实际位置等信息。
【步骤6】
从各OD对所对应的唯一最短路径RS中筛选出经收费站i入口进入高速公路并通过瓶颈路段的所有路径，构成路径集合Q；
根据所确定的路径集合Q，计算车辆从经过收费站i入口开始，途经每个路段所用的时间tik以及直至车辆到达所述瓶颈路段处的检测断面所需的时间tij，从而计算获得在时间段t内到达瓶颈路段的总车流量，计算式为：
tik＝l/v
式中：
tik为车辆行驶过每个路段的时长；
l为每个路段的长度；
v为由手机信令数据估算的车辆行驶速度；
tij为车辆从收费站i入口行驶至瓶颈路段处检测断面的时长；
k为车辆从收费站i入口行驶至瓶颈路段处的检测断面所经过的所有路段数目。
【步骤7】
提取以往手机采集的各路段历史车速数据，同时将其与获取的交通调查站的交通流量统计数据进行数据拟合，得出历史各路段车速、交通量、通行时间等信息。
对常发拥堵的瓶颈路段的通行能力进行标定：结合历史数据，对常发拥堵的瓶颈路段的流量和车速之间的关联性进行分析。当交通流量超过了通行能力时，会出现显著的通行车速的下降，因此，通过观测车速变化的趋势，对交通流量进行标定。
当步骤6中计算获得的在时间段t内到达瓶颈路段的总车流量与瓶颈路段的可通行流量进行对比，当大于瓶颈路段可通行流量时，发出预警信号。
实施例2：本实施例以某省2015年2月各高速通行情况为例，结合实施例1中的各步骤进行实例说明：
依据某省高速公路各入口及各出口间的OD路径表，确定各OD对所有可能的m条路径的路径程度，并找出各路径长度最小的路径。当各OD对所对应的唯一最短路径确定后，可获得如下的OD矩阵和路径表：
字段名 字段含义
SFZ_O 起点收费站代码
SFZ_D 终点收费站代码
LINK_O 起点路段代码
LINK_D 终点路段代码
SEQ 当前路段在路径中的序列号
CBGLINK 当前路段代码
根据数据分析质量可知，有效收费站数量为343。因此，理论OD对数量应当为343*343。2015年2月收费数据计算所得的OD对及流量数据，如表1所示。
表1：OD对及2015年2月的流量数据
首先获得入口收费站i某时间范围内的入口总流量Qall；
计算通过瓶颈路段的入口收费站为i的OD对，并计算相同时间范围内的流量Qi；
流量占比计算公式为：
以某瓶颈路段为例(路段ID：33010000040)进行如下详细计算。其中各OD对的路径应当按照实施例1中步骤2的方法进行计算，以获得如表2所述的完整的路径表。
表2：经过瓶颈路段LINK_ID 33010000040的所有OD路径
根据表2的路径以及收费数据OD表，可得到每个收费站入口SFZ_O的总流量和分配至路段3301000040的流量，进而获得经过该常发拥堵瓶颈路段的占比。
表3：绕城高速--绕城西-3301000040主要关联收费站占比
路段编号 入口编号 收费站名称 占比 排名
3301000040 2620 三收费站 0.208766302 1
3301000040 1327 岭收费站 0.093762776 2
3301000040 1921 王收费站 0.087905621 3
3301000040 2622 勾收费站 0.059346514 4
3301000040 3111 杭收费站 0.057983027 5
3301000040 2624 半收费站 0.051389095 6
3301000040 1311 南收费站 0.03799008 7
3301000040 2125 浙费站 0.035409114 8
3301000040 1011 主收费站 0.03138267 9
3301000040 2632 下收费站 0.029714813 10
根据各OD路径，确定通过瓶颈路段j的路径集合为Q；假设通过瓶颈路段j的第i条路径Qi所包含的路段为Lik(k＝1，2，3，…，j)，其中Lij为瓶颈路段j所在的位置；根据瓶颈路段Lik长度Lengthik和Lik所对应的发布段车速vik，计算通过该瓶颈路段所需要的时间tik；计算公式如下：
tik＝Lengthik/vik
求和tik获得路径Qi的车辆从收费站驶入通过瓶颈路段j的时间总tij；计算公式为：
通过车辆经过入口收费站的时刻和上诉步骤计算所得的时间，得到车辆行驶到瓶颈路段检测断面处的时刻；
统计单位时间通过该检测断面的车辆数。将所有车辆行驶至检测断面的时刻信息存储后，根据需要，统计单位时间内车流量。
根据预测所得车流量，对拥堵路段通行能力进行标定：
针对常发拥堵的瓶颈路段，根据流量预测模型，构建2015年2月份每天的流量时序模型，并与对应的车速统计结果进行比较，研究流量预测模型的准确性和有效性，根据流量-速度变化曲线的规律，标定瓶颈路段的通行能力。
各瓶颈路段的统计曲线主要有4条，分别为：
(1)根据各收费站入口流量预测28天的拥堵路段流量时序分布曲线图；
(2)根据手机信令数据估计的28天的拥堵路段车速时序分布曲线图；
(3)根据预测的28天拥堵路段流量，绘制流量时序箱图；
(4)根据估计的28天拥堵路段车速，绘制车速时序箱图。
针对每个瓶颈路段的流量、车速曲线，分析流量的时空特性和稳定性；构建流量与车速的关联性。一般认为高速公路平均车速低于80km/h可认为进入拥堵状态。
瓶颈路段3301000040的2015年2月各日预测流量分时折线图如图2所示，各日分时车速如图3所示，基于各日流量和车速绘制的流量箱图和车速箱图分别如图4以及图5所示。
该瓶颈路段流量峰值总体出现在10:30am左右，峰值流量在3800pcu/h；
除去节假日数据外，其他日期未见流量出现异常；
平均车速随着流量的增加，呈现总体的显著下降，最低下降至50km/h以下，表明该瓶颈路段发生常发性严重拥堵；
该瓶颈路段出现的几次车速有规律显著下降，开始发生在8:45分钟左右；对应的流量值为3000pcu/h。
根据分析可知，3301000040瓶颈路段出现了典型的常发拥堵，因此，根据确定的瓶颈路段通行能力，确定各收费站入口的阈值，计算过程如下：
步骤一：根据标定的通行能力以及各主要入口的占比，确定各主要收费站入口的分配流量阈值。案例计算过程如下表4所示。本瓶颈路段对应的通行能力为3000pcu/h；计算得出各收费站入口分配至该瓶颈路段的流量阈值分别为：以三墩收费站为例，由于该收费站驶来经过该瓶颈路段的车辆，占该瓶颈路段总流量的20.87％，因此计算可知一旦该收费站经过该瓶颈路段的流量超过3000*20.87％＝626(pcu/h)，则会发生拥堵。
表4：分配流量阈值求解过程
通行能力 入口编号 收费站名称 路段占比系数 分配流量阈值
3000 2620 三收费站 0.2088 626
3000 1327 岭收费站 0.0938 281
3000 1921 王收费站 0.0879 264
3000 2622 勾收费站 0.0593 178
3000 3111 杭收费站 0.0580 174
3000 2624 半收费站 0.0514 154
3000 1311 南收费站 0.0380 114
3000 2125 浙费站 0.0354 106
3000 1011 主收费站 0.0314 94
3000 2632 下收费站 0.0297 89
步骤二：根据各收费站入口分配至该瓶颈路段的占比系数，确定出各收费站入口的流量阈值；
根据相应公式计算可知，各入口经过该路段的流量占比如表5所示，根据占比，可通过分配流量阈值/入口流经流量占比得到入口流量1小时流量阈值，如表5最后一列。以三收费站为例，计算过程为626/0.7460＝840(pcu/h)。
表5：收费站入口流量阈值折算过程
分配流量阈值 入口编号 收费站名称 入口占比系数 入口流量阈值(1小时)
626 2620 三收费站 0.7460 840
281 1327 岭收费站 0.2022 1391
264 1921 王收费站 0.1191 2214
178 2622 勾收费站 0.3414 521
174 3111 杭收费站 0.2796 622
154 2624 半收费站 0.2886 534
114 1311 南收费站 0.0785 1452
106 2125 浙费站 0.0933 1139
94 1011 主收费站 0.0429 2195
89 2632 下收费站 0.0958 931
同理，可对所有的收费站入口和常发拥堵的瓶颈路段之间的阈值关联起来，标定出面向各常发拥堵的瓶颈路段的入口收费站流量阈值。
同样以上述的高速路段为对象，分析2月10日的总体流量分布、与基于各入口预测的流量分布以及与车速间的关联性。选取入口2620，1327，1921以及2622这四个主要入口的分时流量数据，预测瓶颈路段的流量。并与基于全入口的数据进行比较，绘制流量-车速预测结果如图2所示。
由图6可知，基于各收费站入口的流量占比，可知总体趋势一致，同时预测流量峰值出现的时刻，对应的车速出现下降，说明基于收费入口的常发拥堵的瓶颈路段流量预测结果有效。
当入口收费站流量即将超过阈值时，发出瓶颈路段的拥堵预警，采取相应措施，尽量降低拥堵概率。

Claims (2)

1.一种高速公路瓶颈路段拥堵预警方法，其特征在于所述拥堵预警方法包括以下步骤：
(步骤1)收集选定区域内的各收费站数据、进出站流量数据以及各进站用户的手机信令数据；
(步骤2)根据各所述收费站数据以及所述进出站流量数据，构建各所述收费站的OD矩阵模型：
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>Q</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> </mrow>
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>Q</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>A</mi> <mi>j</mi> </msub> </mrow>
式中：
Qij为收费站i至收费站j之间的交通流量；
Pi为收费站i的入口交通流量；
Aj为收费站j的出口交通流量；
(步骤3)根据所述OD矩阵模型，计算各OD对中所有可能的m条路径的路径长度RL，计算式为：
<mrow> <msub> <mi>R</mi> <mi>L</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>Length</mi> <mi>k</mi> </msub> </mrow>
其中：
OD对是指由收费站i入口与收费站j出口构成的配对；
RL为路径L的总长度；
L＝1，2，3，...，m；
K为连接构成所述路径L的各条路段；
LengthK为所述路段K的长度；
(步骤4)根据步骤(3)中路径长度RL的计算式，确定各所述OD对所对应的唯一最短路径RS，计算式为：
<mrow> <msub> <mi>R</mi> <mi>s</mi> </msub> <mo>=</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msub> <mi>R</mi> <mi>L</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>Length</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> </mrow>
(步骤5)根据高速公路历史数据判断并选定高速公路中易发生拥堵的瓶颈路段；计算所述瓶颈路段流量占所述收费站i入口流量的百分比p，计算式为：
<mrow> <mi>p</mi> <mo>=</mo> <mfrac> <msub> <mi>Q</mi> <mi>i</mi> </msub> <msub> <mi>Q</mi> <mrow> <mi>a</mi> <mi>l</mi> <mi>l</mi> </mrow> </msub> </mfrac> </mrow>
式中：
Qi为在时间段T内经所述收费站i入口进入且途经所述瓶颈路段的交通流量；
Qall为在时间段T内所述收费站i入口的总流量；
(步骤6)从各所述OD对所对应的唯一最短路径RS中筛选出经所述收费站i入口进入高速公路并通过所述瓶颈路段的所有路径，构成路径集合Q；根据所确定的所述路径集合Q，计算车辆从经过所述收费站i入口开始，途经每个路段所用的时间tik以及直至车辆到达所述瓶颈路段处的检测断面所需的时间tij，从而计算获得在时间段t内到达所述瓶颈路段的总车流量，计算式为：
tik＝l/v
<mrow> <msub> <mi>t</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>j</mi> </munderover> <msub> <mi>t</mi> <mrow> <mi>i</mi> <mi>k</mi> </mrow> </msub> </mrow>
式中：
tik为车辆行驶过每个路段的时长；
l为所述每个路段的长度；
v为由所述手机信令数据估算的车辆行驶速度；
tij为车辆从所述收费站i入口行驶至所述瓶颈路段处检测断面的时长；
k为车辆从所述收费站i入口行驶至所述瓶颈路段处的检测断面所经过的所有路段数目；
(步骤7)根据步骤(6)中所获得的车辆在时间段t内从所述收费站i入口开始到达所述瓶颈路段的总车流量与所述瓶颈路段在时间段t内的可通行流量阈值进行对比，若超过所述瓶颈路段在时间段t内的可通行流量阈值则进行拥堵预警。
2.根据权利要求1所述的一种高速公路瓶颈路段拥堵预警方法，其特征在于所述瓶颈路段根据高速公路的历史数据、道路线性以及车道数目进行预先选定。
CN201711296371.9A 2017-12-08 2017-12-08 一种高速公路瓶颈路段拥堵预警方法 Withdrawn CN107993438A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711296371.9A CN107993438A (zh) 2017-12-08 2017-12-08 一种高速公路瓶颈路段拥堵预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711296371.9A CN107993438A (zh) 2017-12-08 2017-12-08 一种高速公路瓶颈路段拥堵预警方法

Publications (1)

Publication Number Publication Date
CN107993438A true CN107993438A (zh) 2018-05-04

Family

ID=62036966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711296371.9A Withdrawn CN107993438A (zh) 2017-12-08 2017-12-08 一种高速公路瓶颈路段拥堵预警方法

Country Status (1)

Country Link
CN (1) CN107993438A (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108665707A (zh) * 2018-05-24 2018-10-16 金陵科技学院 一种预防局部交通拥堵的高速公路入口分流及流量协同控制方法
CN109064754A (zh) * 2018-10-10 2018-12-21 南京宁昱通交通科技有限公司 一种高速公路入口分流及流量协同控制技术
CN109615865A (zh) * 2019-01-10 2019-04-12 北京工业大学 一种基于od数据增量迭代式估计路段交通流量的方法
CN110008595A (zh) * 2019-04-08 2019-07-12 交通运输部路网监测与应急处置中心 Etc节能减排效益测算方法和装置
CN110675629A (zh) * 2019-10-08 2020-01-10 苏交科集团股份有限公司 一种基于大数据的高速公路拥堵预测与主动防控方法
CN110849382A (zh) * 2018-08-21 2020-02-28 上海博泰悦臻网络技术服务有限公司 驾驶时长预测方法及装置
CN110992685A (zh) * 2019-11-20 2020-04-10 安徽百诚慧通科技有限公司 一种基于高速公路交通流突变的交通安全预警方法
CN111739292A (zh) * 2020-06-08 2020-10-02 重庆大学 一种考虑路网od流量贡献时变性的收费站流量预测方法
CN111882858A (zh) * 2020-06-01 2020-11-03 重庆大学 一种基于多源数据的高速公路异常事件排队长度预测方法
CN112767687A (zh) * 2020-12-24 2021-05-07 重庆中信科信息技术有限公司 一种基于通勤路径选择行为分析的路口拥堵预测方法
CN113345220A (zh) * 2021-05-11 2021-09-03 山西省交通科技研发有限公司 一种高速公路稽查车辆跟踪与预测分析系统
CN113345252A (zh) * 2021-06-08 2021-09-03 重庆大学 一种收费站下道流量短时预测方法与装置
CN113674538A (zh) * 2021-08-09 2021-11-19 南京美慧软件有限公司 一种断面流量监测系统
CN113724490A (zh) * 2021-07-23 2021-11-30 内蒙古工业大学 一种道路拥堵检测的方法
CN114005274A (zh) * 2021-10-21 2022-02-01 浙江综合交通大数据开发有限公司 基于小客车当量的高速公路收费站分级联动管控方法
WO2022143549A1 (zh) * 2020-12-31 2022-07-07 北京千方科技股份有限公司 一种基于收费数据的高速公路路况的监测方法及装置
CN114926976A (zh) * 2022-03-28 2022-08-19 武汉市交通发展战略研究院 一种城市道路潜在交通瓶颈识别方法、系统及存储介质
CN117593891A (zh) * 2024-01-19 2024-02-23 长安大学 一种基于高速公路交通大数据的车流量分析系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20160071411A1 (en) * 2014-09-09 2016-03-10 Here Global B.V. Reporting Traffic Conditions on Road Segments Containing a Bottleneck
CN106781501A (zh) * 2017-01-13 2017-05-31 山东浪潮商用系统有限公司 一种利用通信网络数据实现高速公路车流量监控的方法
CN106846810A (zh) * 2017-03-13 2017-06-13 青岛海信网络科技股份有限公司 一种高速公路收费站限流方法和装置
JP2017142588A (ja) * 2016-02-09 2017-08-17 本田技研工業株式会社 渋滞箇所情報提供のための装置、方法、及びプログラム
CN107123266A (zh) * 2017-06-09 2017-09-01 青岛海信网络科技股份有限公司 一种基于交通大数据的瓶颈路段车流量调节方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160071411A1 (en) * 2014-09-09 2016-03-10 Here Global B.V. Reporting Traffic Conditions on Road Segments Containing a Bottleneck
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
JP2017142588A (ja) * 2016-02-09 2017-08-17 本田技研工業株式会社 渋滞箇所情報提供のための装置、方法、及びプログラム
CN106781501A (zh) * 2017-01-13 2017-05-31 山东浪潮商用系统有限公司 一种利用通信网络数据实现高速公路车流量监控的方法
CN106846810A (zh) * 2017-03-13 2017-06-13 青岛海信网络科技股份有限公司 一种高速公路收费站限流方法和装置
CN107123266A (zh) * 2017-06-09 2017-09-01 青岛海信网络科技股份有限公司 一种基于交通大数据的瓶颈路段车流量调节方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王久辉: "基于手机与流量数据的浙江省高速公路拥堵预测研究", 《万方数据》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108665707A (zh) * 2018-05-24 2018-10-16 金陵科技学院 一种预防局部交通拥堵的高速公路入口分流及流量协同控制方法
CN108665707B (zh) * 2018-05-24 2020-11-27 金陵科技学院 一种预防局部交通拥堵的高速公路入口分流及流量协同控制方法
CN110849382A (zh) * 2018-08-21 2020-02-28 上海博泰悦臻网络技术服务有限公司 驾驶时长预测方法及装置
CN109064754A (zh) * 2018-10-10 2018-12-21 南京宁昱通交通科技有限公司 一种高速公路入口分流及流量协同控制技术
CN109615865A (zh) * 2019-01-10 2019-04-12 北京工业大学 一种基于od数据增量迭代式估计路段交通流量的方法
CN110008595A (zh) * 2019-04-08 2019-07-12 交通运输部路网监测与应急处置中心 Etc节能减排效益测算方法和装置
CN110008595B (zh) * 2019-04-08 2023-11-03 交通运输部路网监测与应急处置中心 Etc节能减排效益测算方法和装置
CN110675629A (zh) * 2019-10-08 2020-01-10 苏交科集团股份有限公司 一种基于大数据的高速公路拥堵预测与主动防控方法
CN110675629B (zh) * 2019-10-08 2021-12-24 苏交科集团股份有限公司 一种基于大数据的高速公路拥堵预测与主动防控方法
CN110992685A (zh) * 2019-11-20 2020-04-10 安徽百诚慧通科技有限公司 一种基于高速公路交通流突变的交通安全预警方法
CN111882858A (zh) * 2020-06-01 2020-11-03 重庆大学 一种基于多源数据的高速公路异常事件排队长度预测方法
CN111739292A (zh) * 2020-06-08 2020-10-02 重庆大学 一种考虑路网od流量贡献时变性的收费站流量预测方法
CN111739292B (zh) * 2020-06-08 2022-04-01 重庆大学 一种考虑路网od流量贡献时变性的收费站流量预测方法
CN112767687A (zh) * 2020-12-24 2021-05-07 重庆中信科信息技术有限公司 一种基于通勤路径选择行为分析的路口拥堵预测方法
WO2022143549A1 (zh) * 2020-12-31 2022-07-07 北京千方科技股份有限公司 一种基于收费数据的高速公路路况的监测方法及装置
CN113345220B (zh) * 2021-05-11 2022-08-16 山西省交通科技研发有限公司 一种高速公路稽查车辆跟踪与预测分析系统
CN113345220A (zh) * 2021-05-11 2021-09-03 山西省交通科技研发有限公司 一种高速公路稽查车辆跟踪与预测分析系统
CN113345252A (zh) * 2021-06-08 2021-09-03 重庆大学 一种收费站下道流量短时预测方法与装置
CN113724490A (zh) * 2021-07-23 2021-11-30 内蒙古工业大学 一种道路拥堵检测的方法
CN113724490B (zh) * 2021-07-23 2022-07-29 内蒙古工业大学 一种道路拥堵检测的方法
CN113674538A (zh) * 2021-08-09 2021-11-19 南京美慧软件有限公司 一种断面流量监测系统
CN114005274A (zh) * 2021-10-21 2022-02-01 浙江综合交通大数据开发有限公司 基于小客车当量的高速公路收费站分级联动管控方法
CN114005274B (zh) * 2021-10-21 2023-03-03 浙江综合交通大数据开发有限公司 基于小客车当量的高速公路收费站分级联动管控方法
CN114926976A (zh) * 2022-03-28 2022-08-19 武汉市交通发展战略研究院 一种城市道路潜在交通瓶颈识别方法、系统及存储介质
CN117593891A (zh) * 2024-01-19 2024-02-23 长安大学 一种基于高速公路交通大数据的车流量分析系统及方法
CN117593891B (zh) * 2024-01-19 2024-05-07 长安大学 一种基于高速公路交通大数据的车流量分析系统及方法

Similar Documents

Publication Publication Date Title
CN107993438A (zh) 一种高速公路瓶颈路段拥堵预警方法
CN108564226B (zh) 一种基于出租车gps及手机信令数据的公交线路优化方法
CN105869405B (zh) 基于卡口数据的城市道路交通拥堵指数计算方法
CN102819955B (zh) 基于车辆行程数据的道路网运行评价方法
CN103956050B (zh) 基于车辆行程数据的道路网运行评价方法
CN106781499B (zh) 一种交通网络效率评价系统
CN107766969B (zh) 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法
CN104778834A (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN101710449A (zh) 基于公交车gps数据的交通流运行状态识别方法
CN108230217A (zh) 一种基于高速公路收费数据的能耗排放总量核算系统及其核算方法
CN109147329A (zh) 基于通行能力的区域交通运行状态指数计算及可视化方法
CN106710216A (zh) 高速公路实时交通拥堵路况检测方法和系统
CN105608895B (zh) 一种基于局部异常因子的城市交通拥堵路段检测方法
CN110633558B (zh) 一种城市交通系统建模系统
CN106203662A (zh) 一种基于etc系统实现高速公路通行预约的方法
Lu et al. Characterization of truck traffic in California for mechanistic–empirical design
CN106327864A (zh) 一种基于高速公路联网收费数据的交通流估计方法
CN106601005A (zh) 一种基于rfid和微信平台的城市智能交通诱导方法
CN105279967A (zh) 交通运行指数计算系统及方法
CN106816009A (zh) 高速公路实时交通拥堵路况检测方法及其系统
CN110634292A (zh) 一种基于路阻性能函数的行程时间可靠性估计方法
CN109785627A (zh) 一种十字路口交通流量监控系统
US10339799B2 (en) Method and system to identify congestion root cause and recommend possible mitigation measures based on cellular data and related applications thereof
CN116307931B (zh) 一种面向城市货运物流链的多源数据融合分析方法
Perera et al. Analysis of toll charges for freight vehicles in Melbourne

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180504