CN108287973B - 交通状态的模拟方法及装置 - Google Patents
交通状态的模拟方法及装置 Download PDFInfo
- Publication number
- CN108287973B CN108287973B CN201810101820.8A CN201810101820A CN108287973B CN 108287973 B CN108287973 B CN 108287973B CN 201810101820 A CN201810101820 A CN 201810101820A CN 108287973 B CN108287973 B CN 108287973B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- discrete
- data
- passing
- vehicles
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种交通状态的模拟方法及装置,涉及数据处理的技术领域,该方法包括:获取至少一组交通数据,其中,每组交通数据中包括每个路口的每个相位所对应的不同车道在多个过车周期中所经过车辆的车辆通行数据;对每组交通数据进行处理,得到目标交通数据,其中,目标交通数据用于表征在每个路口的每个相位所对应的不同车道上行驶的车辆在一个过车周期中的平均过车数据;基于目标交通数据对每个路口的车辆行驶状态进行模拟,本申请缓解了在通过现有的交通数据处理方式处理之后的数据建立交通仿真模型时,仿真精度较低的技术问题。
Description
技术领域
本发明涉及数据处理的技术领域,尤其是涉及一种交通状态的模拟方法及装置。
背景技术
随着城市建设的快速发展和人们消费水平的提高,以及随着我们国家交通产业的快速发展和车辆的快速增长,汽车已经成为人们生活中所必不可少的交通工具,大到火车,小到公交车,客车,私家车,已经成为人们出行所不可或缺的交通工具。随之而来的是交通的拥堵问题。当出现拥堵问题时,主要依靠交通的疏导来解决拥堵问题。这不仅浪费了人力,疏导效果也非常缓慢。因此,急需一种交通应急方案,还解决上述问题。
在现有的技术方案中,可以通过建立交通仿真模型对每个路口的车辆通行情况进行模拟仿真,以预测每个路口的交通情况。此时,就需要大量的交通数据来对每个路口的车辆通行情况进行模拟仿真。现有处理交通数据的方式仅仅是对交通数据进行筛选,清洗等处理,从而,基于清洗和筛选之后的数据进行模拟仿真。但是,通过上述处理之后数据进行模拟时,往往会出现模拟不准确的问题,从而不能达到仿真模型所应该有效果。
发明内容
有鉴于此,本发明的目的在于提供一种交通状态的模拟方法及装置,以缓解了在通过现有的交通数据处理方式处理之后的数据建立交通仿真模型时,仿真精度较低的技术问题。
第一方面,本发明实施例提供了一种交通状态的模拟方法,包括:获取至少一组交通数据,其中,每组交通数据中包括每个路口的每个相位所对应的不同车道在多个过车周期中所经过车辆的车辆通行数据;对每组所述交通数据进行处理,得到目标交通数据,其中,所述目标交通数据用于表征在每个路口的每个相位所对应的不同车道上行驶的车辆在一个过车周期中的平均过车数据;基于所述目标交通数据对所述每个路口的车辆行驶状态进行模拟。
进一步地,对每组所述交通数据进行处理,得到目标交通数据包括:对每组所述交通数据中所包含的多条子数据进行处理,得到所述目标交通数据,其中,每条子数据包括对应路口的对应相位的每个车道在一个过车周期中所经过车辆的第一辆车至第N辆车的通行时间,所述通行时间为车辆从绿灯启亮开始至车辆通过停车线的时间。
进一步地,对每组所述交通数据中所包含的多条子数据进行处理,得到所述目标交通数据包括:基于每条子数据中所包含的通行时间,确定每条所述子数据中所包含的第一辆车至第N辆车是否为离散车辆,从而得到每条所述子数据中第一辆车至第N辆车的离散情况;基于所述离散情况确定目标离散车辆,所述目标离散车辆为所述多条子数据所对应的第一辆车至第N辆车中出现离散率最高的车辆;统计所述多条子数据中非离散车辆的平均过车数据,并基于所述平均过车数据确定所述目标交通数据,所述非离散车辆为每条所述子数据所包含的第一辆车至第N辆车中在所述目标离散车辆之前经过对应车道的车辆。
进一步地,基于每条子数据中所包含的通行时间确定每条子数据中所包含的第一辆车至第N辆车是否为离散车辆包括:基于第i条子数据所包含的第一辆车至第N辆车的通行时间,计算所述第i条子数据所包含的第一辆车至第N辆车中第m辆车和第n辆车之间的车头时距,其中,m依次取1至N-1,n依次取2至N,所述第n辆车为所述第m辆车之后经过同一车道的下一辆车,i依次取1至K,K为所述多条子数据的数量;当所述车头时距小于预设时段时,则确定所述第n辆车为非离散车辆;当所述车头时距大于或者等于预设时段时,则确定所述第n辆车为离散车辆。
进一步地,基于所述离散情况确定目标离散车辆包括:基于每条所述子数据的离散情况统计所述多条子数据所对应的第一辆车至第N辆车中每辆车的离散次数,并基于所述离散次数确定首个离散率大于预设离散率的车辆为所述目标离散车辆。
进一步地,统计所述多条子数据中非离散车辆的平均过车数据包括:基于每条所述子数据中第x辆车的过车时间,计算第x组非离散车辆的平均过车时间,其中,x依次取1至y,y为所述第一辆车至第N辆车中中非离散车辆的数量;将所述第x组非离散车辆的平均过车时间作为所述非离散车辆的平均过车数据。
进一步地,获取至少一组交通数据包括:获取交通数据集合,其中,所述交通数据集合中包括各个路口的各个相位所对应的不同车道在不同过车周期的车辆通行数据;按照分类参数对所述交通数据集合进行分类,得到所述至少一组交通数据,其中,所述分类参数包括以下至少之一:路口,相位,车道和过车周期。
进一步地,获取交通数据集合包括:获取原始交通数据集合;对所述原始交通数据集合中的错误数据进行校正,校正得到所述交通数据集合,其中,所述错误数据表示车辆未在过车周期内经过对应的路口。
进一步地,所述方法还包括:对所述交通数据集合中的过车周期的结束时间进行格式转换;其中,对所述交通数据集合中的过车周期的结束时间进行格式转换包括:将所述结束时间中的星期信息转化为对应的数字;将所述结束时间中的小时信息转换为用24小时进制进行表示的数字形式;将所述结束时间中的时段信息转换为对应的标识信息,其中,预先将每个小时切分成K个时间段,且每个时间段对应一个标识信息。
第二方面,本发明实施例提供了一种交通状态的模拟装置,包括:获取单元,用于获取至少一组交通数据,其中,每组交通数据中包括每个路口的每个相位所对应的不同车道在多个过车周期中所经过车辆的车辆通行数据;处理单元,用于对每组所述交通数据进行处理,得到目标交通数据,其中,所述目标交通数据用于表征在每个路口的每个相位所对应的不同车道上行驶的车辆在一个过车周期中的平均过车数据;模拟单元,用于基于所述目标交通数据对所述每个路口的车辆行驶状态进行模拟。
在本发明实施例中,首先获取至少一组交通数据,其中,每组交通数据中包括每个路口的每个相位所对应的不同车道在多个过车周期中所经过车辆的车辆通行数据;然后,对每组交通数据进行处理,得到目标交通数据,最后,基于目标交通数据对每个路口的车辆行驶状态进行模拟。本发明所提供的方法,基于通过检测器检测到的每辆汽车在通过路口、路段的交通大数据,建立行车数据的交通预测模型,从而可以利用该交通预测模型对路口的交通状态进行仿真,进而缓解了在通过现有的交通数据处理方式处理之后的数据建立交通仿真模型时,仿真精度较低的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种交通状态的模拟方法的流程图;
图2是根据本发明实施例所提供的交通状态的模拟方法中步骤S102的流程图;
图3是根据本发明实施例的另一种交通状态的模拟方法的流程图;
图4是根据本发明实施例的一种交通状态的模拟装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例一:
根据本发明实施例,提供了一种交通状态的模拟方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种交通状态的模拟方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取至少一组交通数据,其中,每组交通数据中包括每个路口的每个相位所对应的不同车道在多个过车周期中所经过车辆的车辆通行数据;
步骤S104,对每组所述交通数据进行处理,得到目标交通数据,其中,所述目标交通数据用于表征在每个路口的每个相位所对应的不同车道上行驶的车辆在一个过车周期中的平均过车数据;
步骤S106,基于所述目标交通数据对所述每个路口的车辆行驶状态进行模拟。
在本发明实施例中,首先获取至少一组交通数据,其中,每组交通数据中包括每个路口的每个相位所对应的不同车道在多个过车周期中所经过车辆的车辆通行数据;然后,对每组交通数据进行处理,得到目标交通数据,最后,基于目标交通数据对每个路口的车辆行驶状态进行模拟。本发明所提供的方法,基于通过检测器检测到的每辆汽车在通过路口、路段的交通大数据,建立行车数据的交通预测模型,从而可以利用该交通预测模型对路口的交通状态进行仿真,进而缓解了在通过现有的交通数据处理方式处理之后的数据建立交通仿真模型时,仿真精度较低的技术问题。
在一个可选的实施例中,如图2所示,步骤S102,获取至少一组交通数据包括如下步骤:
步骤S1021,获取交通数据集合,其中,所述交通数据集合中包括各个路口的各个相位所对应的不同车道在不同过车周期的车辆通行数据;
步骤S1022,按照分类参数对所述交通数据集合进行分类,得到所述至少一组交通数据,其中,所述分类参数包括以下至少之一:路口,相位,车道和过车周期。
在本发明实施例中,交通数据集合中包括各个路口的各个相位所对应的不同车道在不同过车周期的车辆通行数据。其中,过车周期是指一个完整的信号周期中,绿灯加黄灯的持续时间。交通数据集合的存储形式如下表1所示。如下表1所示,“路口编码”指各个路口的编码,例如,“11111”是一个路口的编码,“12345”又是另外一个路口的编码。表1中“相位”是指每个路口所对应的相位。例如,路口“11111”所对应的相位为6相位,路口“12345”所对应的相位为1相位。表1中“车道”、“_1”、“_2”、“_3”、…“_50”,以及“周期结束时间”、“周期时长”和“红灯时长”等字段中,包含的是指各个相位所对应的各个车道在不同过车周期的车辆通行数据。其中,过车周期可以基于“周期时长”和“红灯时长”来进行确定,也可以根据各个信号周期的绿灯时长和红灯时长确定,此处不做限定。例如,表1中的第三列记录的为:在“12345”路口的“1”相位所对应的“1”车道上行驶的第“_1”辆车经过该路口的时间为6秒,第“_2”辆车经过该路口的时间为9秒,第“_3”辆车经过该路口的时间为11秒等等。
需要说明的是,上述6秒是指从绿灯启亮开始至车辆通过停车线的时间;上述9秒也是指从同一绿灯启亮开始至车辆通过停车线的时间。此处不再详细赘述。
表1
在本发明实施例中,在获取到交通数据集合之后,就可以按照分类参数对交通数据集合进行分类,得到至少一组交通数据。具体地,可以按照路口和相位对交通数据集合进行分类;还可以按照路口、相位和车道对交通数据集合进行分类;还可以按照路口、相位、车道和每个过车周期所处的时间段对交通数据集合进行分类。
第一、按照路口和相位对交通数据集合进行分类
如果按照路口和相位对交通数据集合进行分类,那么分到一组的交通数据中包括:属于同一个路口的同一个相位所对应的不同车道在多个过车周期内的车辆通行数据。例如,“12345”路口的“1”相位所对应的“1”车道、“2”车道以及“3”车道在多个过车周期内的车辆通行数据。
第二、按照路口、相位和车道对交通数据集合进行分类
如果按照路口、相位和车道对交通数据集合进行分类,那么分到一组的交通数据中包括:属于同一个路口的同一个相位所对应的同一个车道在多个过车周期内的车辆通行数据。例如,12345”路口的“1”相位所对应的“1”车道在多个过车周期内的车辆通行数据。
第三、按照路口、相位、车道和每个过车周期所处的时间段对交通数据集合进行分类
如果按照路口、相位、车道和每个过车周期所处的时间段对交通数据集合进行分类,那么分到一组的交通数据中包括:属于同一个路口的同一个相位所对应的同一个车道在指定的时间段内的过车周期内的车辆通行数据。例如,指定的时间段为上午9:00至9:15;那么一组交通数据可以为:12345”路口的“1”相位所对应的“1”车道在目标过车周期内的车辆通行数据,其中,目标过车周期为上述指定的时间段内的至少一个过车周期。
需要说明的是,在本发明实施例中,并不限定是上述三种分类方式,还可以采用其他的分类方式进行方式,对此不做具体限定。
在一个可选的实施例中,步骤S1021,获取交通数据集合包括如下步骤:
步骤S11,获取原始交通数据集合;
步骤S12,对所述原始交通数据集合中的错误数据进行校正,校正得到所述交通数据集合,其中,所述错误数据表示车辆未在过车周期内经过对应的路口。
在本发明实施例中,首先获取原始交通数据集合,其中,原始交通数据集合的数据格式与表1中所展示的数据格式相同,原始交通数据集合为未经过校正的交通数据。
也就是说,在本发明实施例中,在获取到原始交通数据集合之后,可以使用spark(进行大数据运算的平台)对ETL(Extract-Transform-Load,数据仓库技术)进行加载,然后对原始交通数据集合进行校正。其中,校正是指对原始交通数据集合中的错误数据进行校正。
例如,上述表1中,如果_1至_50中有值不在过车周期内(即时间超出当前相位在信号周期内的绿灯时长),则认为该数据是错误数据。此时,将错误数据都设置为0,其中,0表示没有过车数据。需要说明的是,除了将错误数据设置为0之外,还可以采用其他的形式来标记错误数据,对比不做具体限定。
如下表2所示的数据处理前的车辆通行数据。表2中total(即信号周期总时长)90秒,red(即信号周期内的红灯时长)40秒,那么该信号周期内的绿灯时长+黄灯时长就为50秒,也就是说,过车周期为50秒。所以如果_1至_50值所对应的数据中有大于50秒数据的就过滤掉,表示不过车(用0表示)。从表2中可以看出,“_21”所对应的数据为52,表示为在某个相位的某个车道上,第21辆车驶过该路口的时间为52秒。从表2中可以看出,“_22”所对应的数据为56,表示为在某个相位的某个车道上,第22辆车驶过该路口的时间为56秒。通过上述描述可知,由于过车周期为50秒,那么第21辆车的过车时间为52秒,明显是不合理的,同样,第22辆车的过车时间为56秒也是不合理的。
表2
原则上,表2中,第21辆车之后的车辆所对应的时间一般大于第21辆车所对应的时间。此时,可以将表2中第21辆车开始将其后面的数据全部标记为0。从而实现对表2中的数据进行校正。校正之后的结果如表3所示。也就是说,在本发明实施例中,在对原始交通数据集合中的错误数据进行校正时,可以在原始交通数据集合中查找首个错误数据,其中,首个错误数据为首个时间超出当前相位在信号周期内的绿灯时长的数据。在查找到首个错误数据之后,将原始交通数据集合中位于首个错误数据之后的其他数据进行校正,例如,将原始交通数据集合中位于首个错误数据之后的其他数据全部设置为零,从而校正之后得到交通数据集合。
表3
在本发明实施例中,在对原始交通数据进行校正,校正之后得到交通数据集合之后,还需要对交通数据集合中的过车周期的结束时间进行格式转换。
在一个可选的实施例中,对所述交通数据集合中的过车周期的结束时间进行格式转换包括如下步骤:
首先,将所述结束时间中的星期信息转化为对应的数字;
然后,将所述结束时间中的小时信息转换为用24小时进制进行表示的数字形式;
接下来,将所述结束时间中的时段信息转换为对应的标识信息,其中,预先将每个小时切分成K个时间段,且每个时间段对应一个标识信息。
在本发明实施例中,首先,可以将结束时间中的星期信息转化为对应的数字。例如,星期信息为星期一,则将星期一转化为对应的数字,即,1。也就是说,在本发明实施例中,是将星期一到星期日转化为对应的数字,即1到7,其中,周一为1周日为7。除此之外,还可以将星期日到星期六转化为对应的数字,即1到7,其中,周日为1,周六为7。
接下来,就可以将结束时间中的小时信息转换为用24小时进制表示的数字形式,例如,将下午1点表示为13,将下午2点表示为14等等,此处不再赘述。
在接下来,就可以将结束时间中的时段信息转换为对应的标识信息。具体地,可以将每个小时分成多个时间段。例如,将每个小时分成4个时间段;还可以将每个小时分成3个时间段,还可以将每个小时分成6个时间段等等,对此不做具体限定。例如:2_15_1表示为:星期一15点00分-15点15分。
通过上述描述可知,在本发明实施例中,首先获取原始交通数据集合,然后,对原始交通数据集合中的错误数据进行校正,校正得到交通数据集合,接下来,对交通数据集合中的过车周期的结束时间进行格式转换,得到转换之后的交通数据集合;最后,按照分类参数对转换之后的交通数据集合进行分类,得到至少一组交通数据。在得到至少一组交通数据之后,就可以对每组交通数据进行处理,得到目标交通数据。
在一个可选的实施例中,如图3所示,步骤S104,对每组所述交通数据进行处理,得到目标交通数据包括如下步骤:
步骤S1041,对每组所述交通数据中所包含的多条子数据进行处理,得到所述目标交通数据,其中,每条子数据包括对应路口的对应相位的每个车道在一个过车周期中所经过车辆的第一辆车至第N辆车的通行时间,所述通行时间为车辆从绿灯启亮开始至车辆通过停车线的时间。
每组交通数据中所包含的多条子数据,一条子数据表示一个路口的一个相位所对应的一个车道在一个过车周期中所经过车辆的第一辆车至第N辆车的通行时间。在本发明实施例中,需要对每条子数据逐条单条进行处理,从而得到目标交通数据。
在一个可选的实施例中,对每组所述交通数据中所包含的多条子数据进行处理,得到所述目标交通数据包括如下步骤:
步骤S21,基于每条子数据中所包含的通行时间,确定每条所述子数据中所包含的第一辆车至第N辆车是否为离散车辆,从而得到每条所述子数据中第一辆车至第N辆车的离散情况;
步骤S22,基于所述离散情况确定目标离散车辆,所述目标离散车辆为所述多条子数据所对应的第一辆车至第N辆车中首个离散率大于预设离散率的车辆;
可选地,步骤S22,包括:基于每条所述子数据的离散情况统计所述多条子数据所对应的第一辆车至第N辆车中每辆车的离散次数,并基于所述离散次数确定首个离散率大于预设离散率的车辆为所述目标离散车辆。
步骤S23,统计所述多条子数据中非离散车辆的平均过车数据,并基于所述平均过车数据确定所述目标交通数据,所述非离散车辆为每条所述子数据所包含的第一辆车至第N辆车中在所述目标离散车辆之前经过对应车道的车辆。
可选地,上述步骤S21包括:基于第i条子数据所包含的第一辆车至第N辆车的通行时间,计算所述第i条子数据所包含的第一辆车至第N辆车中第m辆车和第n辆车之间的车头时距,其中,m依次取1至N-1,n依次取2至N,所述第n辆车为所述第m辆车之后经过同一车道的下一辆车,i依次取1至K,K为所述多条子数据的数量;当所述车头时距小于预设时段时,则确定所述第n辆车为非离散车辆;当所述车头时距大于或者等于预设时段时,则确定所述第n辆车为离散车辆。在本发明实施例中,针对每组交通数据中的每条子数据进行单条处理,在该单条数据中,计算前一辆和后一辆车的headway(车头时距),如果车头时距headway大于等于预设时段(例如,4秒至7秒之间任意数值,优选6秒),则认为自此车之后的车辆出现离散的情况。因此,不对车头时距发生离散之后的车辆进行统计。
具体地,基于第i条子数据所包含的第一辆车至第50辆车的通行时间,计算第i条子数据所包含的第一辆车至第N辆车中第m辆车和第n辆车之间的车头时距。例如,计算第i条子数据中第一辆车和第二辆车之间的车头时距A,如果该车头时距A大于或者等于0.6,则确定第二辆车为离散车辆。当A取值为10时,可以判断出10大于6,此时,确定出第二辆车为离散车辆;当A取值为5时,可以判断出5小于6,此时,确定出第二辆车不是离散车辆。以此类推,计算第m辆车和第n辆车之间的车头时距,以确定第一辆车至第N辆车中每辆车的离散情况。
在本发明实施例中,首先要基于每条子数据中所包含的通行时间,确定每条子数据中所包含的第一辆车至第N辆车是否为离散车辆。如上表1至表3所示。如果N=50,那么确定每条子数据中所包含的第一辆车至第50辆车是否为离散车辆。其中,第一辆车至第50辆车表示在一个过车周期内,在路口“11111”的相位“6”所对应的车道“1”上所经过的第1辆车至第50辆车。
如下表4所示的即为3条子数据中第一辆车至第50辆车的离散情况。在表4中,“0”表示该车辆不是离散车辆,“1”表示该车辆时离散车辆。从表4中可以看出,第一条子数据中,从第21辆车开始出现离散的情况;在第二条子数据中,从第20辆车开始出现离散的情况;在第三条子数据中,从第22辆车开始出现离散的情况。
需要说明的是,在本发明实施例中,还可以采用其他的符号来表示离散车辆,以及采用其他的符号来表示不是离散车辆,并不限定于利用“0”表示该车辆不是离散车辆,以及利用“1”表示该车辆时离散车辆,还可以采用其他方式对离散或非离散进行表征,本发明对此不作具体限定。
表4
_1 | _2 | _3 | ... | _20 | _21 | _22 | _23 | _24 | .. | _50 |
0 | 0 | 0 | ... | 0 | 1 | 0 | 1 | 1 | ... | 1 |
0 | 0 | 0 | ... | 1 | 0 | 1 | 1 | 1 | ... | 1 |
0 | 0 | 0 | ... | 0 | 0 | 1 | 1 | 1 | ... | 1 |
在确定出每条子数据中第一辆车至第N辆车的离散情况之后,就可以基于离散情况确定目标离散车辆。在本发明实施例中,目标离散车辆为上述三条子数据中首个离散率大于预设离散率的车辆。
作为一种可选的实施方式,步骤S22,基于每条所述子数据的离散情况统计所述多条子数据所对应的第一辆车至第N辆车中每辆车的离散次数,并基于所述离散次数确定首个离散率大于预设离散率的车辆为所述目标离散车辆包括如下过程:在离散情况表示为车辆是否被确定为离散车辆的情况下,计算所述多个子数据中第i辆车被统计为离散车辆的次数和第i辆车未被统计为离散车辆的次数;基于第i辆车被统计为离散车辆的次数和第i辆车未被统计为离散车辆的次数计算第i辆车的离散率,得到N个离散率;在N个车辆中确定首个离散率大于预设离散率的车辆,并将该车辆作为目标离散车辆,其中,i依次取1至N。
可选地,在计算所述多个子数据中第i辆车被统计为离散车辆的次数中,第i辆车中i的取值还可以为依次取H至N,H为上述N个车辆中首个被确认为出现离散情况的车辆。
例如,上述表4所示,_20(第20辆车)被统计为离散车辆的次数为1次,_20(第20辆车)未被统计为离散车辆的次数为2次,那么在第20辆现离散率为1/3=0.33;_21被统计为离散车辆的次数为1次,_21(第21辆车)未被统计为离散车辆的次数为2次,那么第21辆车现出现离散率为1/3=0.33;_22被统计为离散车辆的次数为2次,_22(第22辆车)未被统计为离散车辆的次数为1次,那么第22辆车现出现离散率为2/3=0.66;_23被统计为离散车辆的次数为3次,_23(第22辆车)未被统计为离散车辆的次数为0次,那么第23辆车现出现离散率为3/3=1。
如果预设离散率为0.6,那么得到的3个离散率中首个大于0.6的离散率为0.66,该离散率所对应的车辆为第22辆车。也就是说,第22辆车是首个离散率大于预设离散率(即,0.6)的车辆;所有该类数据最后判断为在第22辆车(包含第22辆)以后都算离散车辆,最终这一类数据只取到21辆车。也就是说,如上述表4所示,第22辆车之前(也即,前21辆车)的车辆作为非离散车辆,第22辆车之后的车辆作为离散车辆。
在本发明实施例中,在通过上述方式确定出非离散车辆之后,就可以统计多条子数据中非离散车辆的平均过车数据,并基于平均过车数据确定目标交通数据。在确定出目标交通数据之后,就可以基于目标交通数据对每个路口的车辆行驶状态进行模拟。在本发明实施例中,通过检测到的每辆汽车在通过路口、路段的交通大数据,来建立行车数据的交通预测模型的方式,能够利用该交通预测模型对路口的交通状态进行更加真实的仿真,进而缓解了在通过现有的交通数据处理方式处理之后的数据建立交通仿真模型时,仿真精度较低的技术问题。
可选地,步骤S23包括:基于每条所述子数据中第x辆车的过车时间,计算第x组非离散车辆的平均过车时间,其中,x依次取1至y,y为所述第一辆车至第N辆车中中非离散车辆的数量;将所述第x组非离散车辆的平均过车时间作为所述非离散车辆的平均过车数据。
作为一种可选的实施方式,基于每条所述子数据中第x辆车的过车时间,计算第x组非离散车辆的平均过车时间包括:将子数据A1至子数据Aj中第x辆非离散车辆作为第x组非离散车辆;基于第x组非离散车辆中每个第x辆非离散车辆的过车时间计算第x组非离散车辆的平均过车时间;最后,将得到的x组非离散车辆的平均过车时间作为非离散车辆的平均过车数据,j为子数据的数量。
例如,针对上述表4来说,共包含3条子数据,每条子数据中的非离散车辆为前21辆车。此时,第一组非离散车辆包括:第一条子数据中的第一辆车,第二条子数据中的第一辆车以及第三条子数据中的第一辆车,此时,可以计算第一条子数据中的第一辆车,第二条子数据中的第一辆车以及第三条子数据中的第一辆车的平均过车时间,并将该平均过车时间作为第一组非离散车辆的平均过车时间;第二组非离散车辆包括:第一条子数据中的第二辆车,第二条子数据中的第二辆车以及第三条子数据中的第二辆车,此时,可以计算第一条子数据中的第二辆车,第二条子数据中的第二辆车以及第三条子数据中的第二辆车的平均过车时间,并将该平均过车时间作为第二组非离散车辆的平均过车时间;依次类推,直至计算出第一条子数据中的第21辆车,第二条子数据中的第21辆车以及第三条子数据中的第21辆车的平均过车时间,并将该平均过车时间作为第21组非离散车辆的平均过车时间;通过上述处理过程能够得到21组平均过车时间(即,上述x组非离散车辆的平均过车时间)。最后,就可以将第x组非离散车辆的平均过车时间作为非离散车辆的平均过车数据。
假设,共包含3条子数据,每条子数据中包括5个非离散车辆,以及每个非离散车辆的过车时间,分别为:
1,3,5,0,0,0;
2,7,9,11,12,0;
3,5,7,9,10,12。
此时,可以计算1,2和3的平局值,得到3,并将该平局值3作为第一组非离散车辆的平均过车数据;以及计算3,7和5的平局值,得到5,并将该平局值5作为第二组非离散车辆的平均过车数据;计算5,9和10的平局值,得到7,并将该平局值7作为第三组非离散车辆的平均过车数据;计算0,11和9的平局值,得到10,并将该平局值10作为第四组非离散车辆的平均过车数据;计算0,12和10的平局值,得到11,并将该平局值11作为第五组非离散车辆的平均过车数据;计算0,0和12的平局值,得到12,并将该平局值12作为第六组非离散车辆的平均过车数据。
在确定出平均过车数据之后,就可以基于平均过车数据确定目标交通数据,并基于目标交通数据对每个路口的车辆行驶状态进行模拟。
最后返回的目标交通数据如下表5所示:
通过上述描述可知,本发明所提供的方法,基于通过检测器检测到的每辆汽车在通过路口、路段的交通大数据,建立行车数据的交通预测模型,从而可以利用该交通预测模型对路口的交通状态进行仿真,进而缓解了在通过现有的交通数据处理方式处理之后的数据建立交通仿真模型时,仿真精度较低的技术问题。
实施例二:
本发明实施例还提供了一种交通状态的模拟装置,该交通状态的模拟装置主要用于执行本发明实施例上述内容所提供的交通状态的模拟方法,以下对本发明实施例提供的交通状态的模拟装置做具体介绍。
图4是根据本发明实施例的一种交通状态的模拟装置的示意图,如图4所示,该交通状态的模拟装置主要包括获取单元10,处理单元20和模拟单元30,其中:
获取单元10,用于获取至少一组交通数据,其中,每组交通数据中包括每个路口的每个相位所对应的不同车道在多个过车周期中所经过车辆的车辆通行数据;
处理单元20,用于对每组所述交通数据进行处理,得到目标交通数据,其中,所述目标交通数据用于表征在每个路口的每个相位所对应的不同车道上行驶的车辆在一个过车周期中的平均过车数据;
模拟单元30,用于基于所述目标交通数据对所述每个路口的车辆行驶状态进行模拟。
在本发明实施例中,首先获取至少一组交通数据,其中,每组交通数据中包括每个路口的每个相位所对应的不同车道在多个过车周期中所经过车辆的车辆通行数据;然后,对每组交通数据进行处理,得到目标交通数据,最后,基于目标交通数据对每个路口的车辆行驶状态进行模拟。本发明所提供的方法,基于通过检测器检测到的每辆汽车在通过路口、路段的交通大数据,建立行车数据的交通预测模型,从而可以利用该交通预测模型对路口的交通状态进行仿真,进而缓解了在通过现有的交通数据处理方式处理之后的数据建立交通仿真模型时,仿真精度较低的技术问题。
可选地,处理单元包括:处理模块,用于对每组所述交通数据中所包含的多条子数据进行处理,得到所述目标交通数据,其中,每条子数据包括对应路口的对应相位的每个车道在一个过车周期中所经过车辆的第一辆车至第N辆车的通行时间,所述通行时间为车辆从绿灯启亮开始至车辆通过停车线的时间。
可选地,处理模块用于:基于每条子数据中所包含的通行时间,确定每条所述子数据中所包含的第一辆车至第N辆车是否为离散车辆,从而得到每条所述子数据中第一辆车至第N辆车的离散情况;基于所述离散情况确定目标离散车辆,所述目标离散车辆为所述多条子数据所对应的第一辆车至第N辆车中出现离散率最高的车辆;统计所述多条子数据中非离散车辆的平均过车数据,并基于所述平均过车数据确定所述目标交通数据,所述非离散车辆为每条所述子数据所包含的第一辆车至第N辆车中在所述目标离散车辆之前经过对应车道的车辆。
可选地,处理模块还用于:基于第i条子数据所包含的第一辆车至第N辆车的通行时间,计算所述第i条子数据所包含的第一辆车至第N辆车中第m辆车和第n辆车之间的车头时距,其中,m依次取1至N-1,n依次取2至N,所述第n辆车为所述第m辆车之后经过同一车道的下一辆车,i依次取1至K,K为所述多条子数据的数量;当所述车头时距小于预设时段时,则确定所述第n辆车为非离散车辆;当所述车头时距大于或者等于预设时段时,则确定所述第n辆车为离散车辆。
可选地,处理模块还用于:基于每条所述子数据的离散情况统计所述多条子数据所对应的第一辆车至第N辆车中每辆车的离散次数,并基于所述离散次数确定首个离散率大于预设离散率的车辆为所述目标离散车辆。
可选地,处理模块还用于:基于每条所述子数据中第x辆车的过车时间,计算第x组非离散车辆的平均过车时间,其中,x依次取1至y,y为所述第一辆车至第N辆车中中非离散车辆的数量;将所述第x组非离散车辆的平均过车时间作为所述非离散车辆的平均过车数据。
可选地,获取单元用于:获取交通数据集合,其中,所述交通数据集合中包括各个路口的各个相位所对应的不同车道在不同过车周期的车辆通行数据;按照分类参数对所述交通数据集合进行分类,得到所述至少一组交通数据,其中,所述分类参数包括以下至少之一:路口,相位,车道和过车周期。
可选地,获取单元还用于:获取原始交通数据集合;对所述原始交通数据集合中的错误数据进行校正,校正得到所述交通数据集合,其中,所述错误数据表示车辆未在过车周期内经过对应的路口。
可选地,所述装置还用于:对所述交通数据集合中的过车周期的结束时间进行格式转换;其中,对所述交通数据集合中的过车周期的结束时间进行格式转换包括:将所述结束时间中的星期信息转化为对应的数字;将所述结束时间中的小时信息转换为用24小时进制进行表示的数字形式;将所述结束时间中的时段信息转换为对应的标识信息,其中,预先将每个小时切分成K个时间段,且每个时间段对应一个标识信息。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明实施例所提供的一种交通状态的模拟方法及装置的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种交通状态的模拟方法,其特征在于,包括:
获取至少一组交通数据,其中,每组交通数据中包括每个路口的每个相位所对应的不同车道在多个过车周期中所经过车辆的车辆通行数据;
对每组所述交通数据进行处理,得到目标交通数据,其中,所述目标交通数据用于表征在每个路口的每个相位所对应的不同车道上行驶的车辆在一个过车周期中的平均过车数据;
基于所述目标交通数据对所述每个路口的车辆行驶状态进行模拟;
其中,对每组所述交通数据进行处理,得到目标交通数据,包括:
对每组所述交通数据中所包含的多条子数据进行处理,得到所述目标交通数据,其中,每条子数据包括对应路口的对应相位的每个车道在一个过车周期中所经过车辆的第一辆车至第N辆车的通行时间,所述通行时间为车辆从绿灯启亮开始至车辆通过停车线的时间;
其中,对每组所述交通数据中所包含的多条子数据进行处理,得到所述目标交通数据,包括:
基于每条子数据中所包含的通行时间,确定每条所述子数据中所包含的第一辆车至第N辆车是否为离散车辆,得到每条所述子数据中第一辆车至第N辆车的离散情况;
基于所述离散情况确定目标离散车辆,所述目标离散车辆为所述多条子数据所对应的第一辆车至第N辆车中首个离散率大于预设离散率的车辆;
统计所述多条子数据中非离散车辆的平均过车数据,并基于所述平均过车数据确定所述目标交通数据,所述非离散车辆为每条所述子数据所包含的第一辆车至第N辆车中在所述目标离散车辆之前经过对应车道的车辆;
其中,统计所述多条子数据中非离散车辆的平均过车数据,包括:
基于每条所述子数据中第x辆车的过车时间,计算第x组非离散车辆的平均过车时间,其中,x依次取1至y,y为所述第一辆车至第N辆车中非离散车辆的数量;
将所述第x组非离散车辆的平均过车时间作为所述非离散车辆的平均过车数据。
2.根据权利要求1所述的方法,其特征在于,基于每条子数据中所包含的通行时间确定每条子数据中所包含的第一辆车至第N辆车是否为离散车辆包括:
基于第i条子数据所包含的第一辆车至第N辆车的通行时间,计算所述第i条子数据所包含的第一辆车至第N辆车中第m辆车和第n辆车之间的车头时距,其中,m依次取1至N-1,n依次取2至N,所述第n辆车为所述第m辆车之后经过同一车道的下一辆车,i依次取1至K,K为所述多条子数据的数量;
当所述车头时距小于预设时段时,则确定所述第n辆车为非离散车辆;当所述车头时距大于或者等于预设时段时,则确定所述第n辆车为离散车辆。
3.根据权利要求1所述的方法,其特征在于,基于所述离散情况确定目标离散车辆包括:
基于每条所述子数据的离散情况统计所述多条子数据所对应的第一辆车至第N辆车中每辆车的离散次数,并基于所述离散次数确定首个离散率大于预设离散率的车辆为所述目标离散车辆。
4.根据权利要求1所述的方法,其特征在于,统计所述多条子数据中非离散车辆的平均过车数据包括:
基于每条所述子数据中第x辆车的过车时间,计算第x组非离散车辆的平均过车时间,其中,x依次取1至y,y为所述第一辆车至第N辆车中非离散车辆的数量;
将所述第x组非离散车辆的平均过车时间作为所述非离散车辆的平均过车数据。
5.根据权利要求1所述的方法,其特征在于,获取至少一组交通数据包括:
获取交通数据集合,其中,所述交通数据集合中包括各个路口的各个相位所对应的不同车道在不同过车周期的车辆通行数据;
按照分类参数对所述交通数据集合进行分类,得到所述至少一组交通数据,其中,所述分类参数包括以下至少之一:路口,相位,车道和过车周期。
6.根据权利要求5所述的方法,其特征在于,获取交通数据集合包括:
获取原始交通数据集合;
对所述原始交通数据集合中的错误数据进行校正,校正得到所述交通数据集合,其中,所述错误数据表示车辆未在过车周期内经过对应的路口。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:对所述交通数据集合中的过车周期的结束时间进行格式转换;
其中,对所述交通数据集合中的过车周期的结束时间进行格式转换包括:将所述结束时间中的星期信息转化为对应的数字;将所述结束时间中的小时信息转换为用24小时进制进行表示的数字形式;将所述结束时间中的时段信息转换为对应的标识信息,其中,预先将每个小时切分成K个时间段,且每个时间段对应一个标识信息。
8.一种交通状态的模拟装置,其特征在于,包括:
获取单元,用于获取至少一组交通数据,其中,每组交通数据中包括每个路口的每个相位所对应的不同车道在多个过车周期中所经过车辆的车辆通行数据;
处理单元,用于对每组所述交通数据进行处理,得到目标交通数据,其中,所述目标交通数据用于表征在每个路口的每个相位所对应的不同车道上行驶的车辆在一个过车周期中的平均过车数据;
模拟单元,用于基于所述目标交通数据对所述每个路口的车辆行驶状态进行模拟;
其中,对每组所述交通数据进行处理,得到目标交通数据时,所述处理单元具体用于:
对每组所述交通数据中所包含的多条子数据进行处理,得到所述目标交通数据,其中,每条子数据包括对应路口的对应相位的每个车道在一个过车周期中所经过车辆的第一辆车至第N辆车的通行时间,所述通行时间为车辆从绿灯启亮开始至车辆通过停车线的时间;
其中,对每组所述交通数据中所包含的多条子数据进行处理,得到所述目标交通数据时,所述处理单元具体用于:
基于每条子数据中所包含的通行时间,确定每条所述子数据中所包含的第一辆车至第N辆车是否为离散车辆,得到每条所述子数据中第一辆车至第N辆车的离散情况;
基于所述离散情况确定目标离散车辆,所述目标离散车辆为所述多条子数据所对应的第一辆车至第N辆车中首个离散率大于预设离散率的车辆;
统计所述多条子数据中非离散车辆的平均过车数据,并基于所述平均过车数据确定所述目标交通数据,所述非离散车辆为每条所述子数据所包含的第一辆车至第N辆车中在所述目标离散车辆之前经过对应车道的车辆;
其中,统计所述多条子数据中非离散车辆的平均过车数据时,所述处理单元具体用于:
基于每条所述子数据中第x辆车的过车时间,计算第x组非离散车辆的平均过车时间,其中,x依次取1至y,y为所述第一辆车至第N辆车中非离散车辆的数量;
将所述第x组非离散车辆的平均过车时间作为所述非离散车辆的平均过车数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810101820.8A CN108287973B (zh) | 2018-02-01 | 2018-02-01 | 交通状态的模拟方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810101820.8A CN108287973B (zh) | 2018-02-01 | 2018-02-01 | 交通状态的模拟方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108287973A CN108287973A (zh) | 2018-07-17 |
CN108287973B true CN108287973B (zh) | 2021-07-20 |
Family
ID=62836343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810101820.8A Active CN108287973B (zh) | 2018-02-01 | 2018-02-01 | 交通状态的模拟方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108287973B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN114241765B (zh) * | 2021-12-15 | 2023-01-03 | 重庆中信科信息技术有限公司 | 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10326557A1 (de) * | 2003-06-12 | 2005-01-05 | Robert Bosch Gmbh | Fehlerdiagnoseverfahren und -vorrichtung |
CN101894461A (zh) * | 2009-05-22 | 2010-11-24 | 上海宝康电子控制工程有限公司 | 城市地面道路行程时间预测方法 |
DE102010052818A1 (de) * | 2009-12-10 | 2011-06-16 | Schaeffler Technologies Gmbh & Co. Kg | Verfahren zur Ansteuerung einer Kupplung |
CN106504527B (zh) * | 2016-10-19 | 2018-12-28 | 东南大学 | 一种信号交叉口直左冲突及其影响分析方法 |
-
2018
- 2018-02-01 CN CN201810101820.8A patent/CN108287973B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108287973A (zh) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111966729B (zh) | 一种车辆轨迹数据处理方法、装置、设备及存储介质 | |
CN107945507B (zh) | 行程时间预测方法及装置 | |
Alexander et al. | Assessing the impact of real-time ridesharing on urban traffic using mobile phone data | |
CN108073923B (zh) | 一种车牌校正方法及装置 | |
CN108596396A (zh) | 一种基于养护历史修正的路面性能预测和养护方法及装置 | |
CN110807926B (zh) | 一种基于混合交通的道路阻抗预测方法及装置 | |
CN108287973B (zh) | 交通状态的模拟方法及装置 | |
CN110782656B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
WO2015167772A1 (en) | System and method for analytics-based advertising | |
CN106251628B (zh) | 一种确定机动车的交通出行量的方法及装置 | |
CN111815973B (zh) | 信号交叉口分析方法及相关设备 | |
CN115880894A (zh) | 一种交通状态确定方法、装置及设备 | |
CN108986456B (zh) | 限行尾号采集方法、装置、设备及计算机可读存储介质 | |
CN109145401B (zh) | 一种计算机动车排放清单的方法、系统及终端设备 | |
CN111369810A (zh) | 车辆出行特征获取方法、装置、电子设备及存储介质 | |
CN111121803B (zh) | 获取道路常用停靠点的方法及装置 | |
CN115841765B (zh) | 车辆位置盲区监控方法、装置、电子设备及可读存储介质 | |
CN112748452A (zh) | 一种基于路网数据的gps轨迹清洗方法 | |
CN109945880A (zh) | 路径规划方法、相关设备及可读存储介质 | |
CN108847035B (zh) | 车流量评估方法及装置 | |
CN110363320B (zh) | 一种预测估计到达时间的方法、装置和计算设备 | |
CN113362488B (zh) | Obd监测数据处理系统 | |
CN115938151A (zh) | 一种车辆行驶信息获取方法、装置、设备及存储介质 | |
CN116386317A (zh) | 一种交通路口的车流量预测方法及装置 | |
CN109934233B (zh) | 一种运输业务识别方法和系统 |
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 |