CN108447257B - 一种基于Web的交通数据分析方法及系统 - Google Patents

一种基于Web的交通数据分析方法及系统 Download PDF

Info

Publication number
CN108447257B
CN108447257B CN201810249705.5A CN201810249705A CN108447257B CN 108447257 B CN108447257 B CN 108447257B CN 201810249705 A CN201810249705 A CN 201810249705A CN 108447257 B CN108447257 B CN 108447257B
Authority
CN
China
Prior art keywords
data
traffic flow
accident
displaying
historical
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
Application number
CN201810249705.5A
Other languages
English (en)
Other versions
CN108447257A (zh
Inventor
陈非
李凯
杨婉懿
张凤荔
王瑞锦
蒋贵川
唐晨
高强
陈学勤
张雪岩
翟嘉伊
刘崛雄
肖鹏
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.)
Sichuan Gaolu Transportation Information Engineering Co ltd
Original Assignee
Sichuan Gaolu Transportation Information Engineering 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 Sichuan Gaolu Transportation Information Engineering Co ltd filed Critical Sichuan Gaolu Transportation Information Engineering Co ltd
Priority to CN201810249705.5A priority Critical patent/CN108447257B/zh
Publication of CN108447257A publication Critical patent/CN108447257A/zh
Application granted granted Critical
Publication of CN108447257B publication Critical patent/CN108447257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于Web的交通数据分析方法及系统，该系统包括通过互联网相连的服务端和客户端，所述客户端包括Web服务器和数据库服务器，所述数据库服务器包括车流量数据库和历史事故数据库，所述Web服务器包括车流量预测子系统、道路拥堵程度判断子系统和事故分析子系统。通过提供一种基于Web的交通数据分析平台系统，多角度的对数据进行分析，为用户梳理获取数据中的关键信息由此带来了极大的便捷性。

Description

一种基于Web的交通数据分析方法及系统
技术领域
本发明属于交通状况分析技术领域，具体涉及一种基于Web的交通数据分析方法及系统。
背景技术
近年来，国内各大中型城市均已开始或酝酿与交通大数据相关的项目建设，如公交都市、城市交通数据中心、智慧交通、交通运行协调指挥中心等，大量项目的上马对大数据技术的需求量也不断加大。
随着手机网络、全球定位系统、北斗车载导航、车联网、交通物联网的发展，交通要素的人、车、路等的信息都能够实时采集，城市交通大数据来源日益丰富。在日益成熟的物联网和云计算平台技术支持下，通过城市交通大数据的采集、传输、存储、挖掘和分析等，有望实现城市交通一体化，即在一个平台上实现交通行政监管、交通企业运营、交通市民服务的集成和优化。
发明内容
本发明所要解决的技术问题是提供一种基于Web的交通数据分析方法及系统，对交通数据进行多角度的分析。
本发明解决上述技术问题的技术方案如下：一种基于Web的交通数据分析方法，包括以下步骤：
S1、获取车流量预测数据，并在地图上展示车流量等级预测结果；
S2、获取历史事故坐标数据，并在地图展示历史事故发生点；
S3、获取历史事故数据，并用柱状图展示历史事故发生次数；
S4、综合车流量等级预测结果、历史事故发生点以及历史事故发生次数柱状图对交通数据进行综合分析。
本发明还提供了一种基于Web的交通数据分析系统，包括通过互联网相连的服务端和客户端，所述客户端包括Web服务器和数据库服务器，所述数据库服务器包括车流量数据库和历史事故数据库，所述Web服务器包括：
车流量预测子系统，用于在GIS地图上展示车流量预测数据，并在图表插件上分析对比道路车流量预测结果、收费站出入口车流量预测数据和车流量趋势数据；
道路拥堵程度判断子系统，用于在GIS地图上展示道路拥塞实时状况，并在图表插件上展示道路拥堵程度实时状况；
事故分析子系统，用于在GIS地图上展示历史事故数据，在图表插件上分析对比历史事故数据及事故趋势预测数据，并在GIS地图上展示预测的高危路段数据及事故点预警数据。
进一步，所述车流量预测子系统包括：预测数据展示单元，用于在GIS地图上展示车流量预测数据；预测数据分析单元，用于在图表插件上分析对比道路车流量预测结果、收费站出入口车流量预测数据和车流量趋势数据。
进一步，所述道路拥堵程度判断子系统包括：道路拥堵展示单元，用于在GIS地图上展示道路拥塞实时状况；道路拥堵分析单元，用于在图表插件上展示道路拥堵程度实时状况。
进一步，所述事故分析子系统包括：历史事故展示单元，用于在GIS地图上展示历史事故地点信息并给出事故详细数据；历史事故分析单元，用于在图表插件上分析对比历史事故数据及事故趋势预测数据；事故预警单元，用于在GIS地图上展示预测的高危路段数据及事故点预警数据。
本发明的有益效果是：本发明设计并实现了一种基于Web的交通数据分析方法及系统，该系统承载于Web服务器及数据库服务器上以供用户获取交通数据分析结果，该系统包括三个子系统部分，各子系统之间共享信息但相互独立。该系统具有以下特点，利用地图控件展示历史交通事故数据、道路车流量预测数据、道路拥堵状况数据，利用图表控件展示不同条件下的事故数据、道路数据对比结果，通过提供一种基于Web的交通数据分析平台系统，多角度的对数据进行分析，为用户梳理获取数据中的关键信息由此带来了极大的便捷性。
附图说明
图1为本发明的方法流程图；
图2为本发明的方法分步骤S1的流程图；
图3为本发明的方法分步骤S2的流程图；
图4为本发明的方法分步骤S3的流程图；
图5为本发明的系统结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例一：
本发明实施例提供了一种基于Web的交通数据分析方法，如图1所示，包括以下步骤S1－S4：
S1、获取车流量预测数据，并在地图上展示车流量等级预测结果。
如图2所示，步骤S1的具体包括以下分步骤：
S11、获取用户查询条件。
本发明实施例中，用户查询条件具体为：用户筛选交通数据中关键因素的需求。
S12、通过互联网获取车流量预测数据，并去除其中的无用数据和格式错误数据。
S13、根据车流量预测数据得到车流量等级预测结果。
车流量等级预测结果包括：
当车流量超过等级4时，车流量等级为4，当车流量超过等级3时，车流量等级为3，当车流量超过2时，车流量等级为2，当车流量超过1时，车流量等级为1。
S14、输出车流量等级预测结果，通过互联网获取路段桩点坐标，并在地图控件上根据车流量等级预测结果绘制相应颜色的路段。
S2、获取历史事故坐标数据，并在地图展示历史事故发生点。
如图3所示，步骤S2的具体步骤包括以下分步骤：
S21、获取用户查询条件。
本发明实施例中，用户查询条件具体为：用户筛选交通数据中关键因素的需求。
S22、通过互联网获取历史事故坐标数据，并去除其中的无用数据和格式错误数据。
S23、获取地图缩放级别，并获取聚合条件，聚合条件具体为：数据简单，只有点要素，点没有形状变化，当历史事故坐标数据满足聚合条件时，在地图控件上根据事故数据坐标绘制聚点，当历史事故坐标数据不满足聚合条件时，在地图控件上根据事故数据坐标绘制标点。
S3、获取历史事故数据，并用柱状图展示历史事故发生次数。
如图4所示，步骤S3的具体步骤包括以下分步骤：
S31、获取用户查询条件。
本发明实施例中，用户查询条件具体为：用户筛选交通数据中关键因素的需求。
S32、若查询时间为月，则按月查询，若查询时间不为月，则按年查询。
S33、通过互联网获取历史事故数据，并去除其中的无效数据和格式错误数据。
S34、统计不同时间段的数据记录，并用柱状图展示历史事故发生次数。
S4、综合车流量等级预测结果、历史事故发生点以及历史事故发生次数柱状图对交通数据进行综合分析。
本发明实施例中，综合分析具体为：从历史事故发生点及历史事故次数对事故涉及道路路段的历史数据危险等级进行划分，再结合车流量等级预测结果对路段危险等级进行预测。
实施例二：
本发明实施例提供了一种基于Web的交通数据分析系统，如图5所示，包括通过互联网相连的服务端和客户端，所述客户端包括Web服务器和数据库服务器，所述数据库服务器包括车流量数据库和历史事故数据库，所述Web服务器包括车流量预测子系统、道路拥堵程度判断子系统和事故分析子系统。
车流量预测子系统用于在GIS地图上展示车流量预测数据，并在图表插件上分析对比道路车流量预测结果、收费站出入口车流量预测数据和车流量趋势数据。道路拥堵程度判断子系统用于在GIS地图上展示道路拥塞实时状况，并在图表插件上展示道路拥堵程度实时状况。事故分析子系统用于在GIS地图上展示历史事故数据，在图表插件上分析对比历史事故数据及事故趋势预测数据，并在GIS地图上展示预测的高危路段数据及事故点预警数据。
本发明实施例中，车流量预测子系统包括预测数据展示单元和预测数据分析单元。预测数据展示单元用于在GIS地图上展示车流量预测数据。预测数据分析单元，用于在图表插件上分析对比道路车流量预测结果、收费站出入口车流量预测数据和车流量趋势数据。
本发明实施例中，道路拥堵程度判断子系统包括道路拥堵展示单元和道路拥堵分析单元。道路拥堵展示单元用于在GIS地图上展示道路拥塞实时状况。道路拥堵分析单元，用于在图表插件上展示道路拥堵程度实时状况。
本发明实施例中，事故分析子系统包括历史事故展示单元、历史事故分析单元和事故预警单元。历史事故展示单元用于在GIS地图上展示历史事故地点信息并给出事故详细数据。历史事故分析单元用于在图表插件上分析对比历史事故数据及事故趋势预测数据。事故预警单元用于在GIS地图上展示预测的高危路段数据及事故点预警数据。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于Web的交通数据分析方法，其特征在于，包括通过互联网相连的服务端和客户端，所述客户端包括Web服务器和数据库服务器，所述数据库服务器包括车流量数据库和历史事故数据库，所述Web服务器包括：
车流量预测子系统，用于在GIS地图上展示车流量预测数据，并在图表插件上分析对比道路车流量预测结果、收费站出入口车流量预测数据和车流量趋势数据；
道路拥堵程度判断子系统，用于在GIS地图上展示道路拥塞实时状况，并在图表插件上展示道路拥堵程度实时状况；
事故分析子系统，用于在GIS地图上展示历史事故数据，在图表插件上分析对比历史事故数据及事故趋势预测数据，并在GIS地图上展示预测的高危路段数据及事故点预警数据；
所述车流量预测子系统包括：
预测数据展示单元，用于在GIS地图上展示车流量预测数据；
预测数据分析单元，用于在图表插件上分析对比道路车流量预测结果、收费站出入口车流量预测数据和车流量趋势数据；
所述道路拥堵程度判断子系统包括：
道路拥堵展示单元，用于在GIS地图上展示道路拥塞实时状况；
道路拥堵分析单元，用于在图表插件上展示道路拥堵程度实时状况；
所述事故分析子系统包括：
历史事故展示单元，用于在GIS地图上展示历史事故地点信息并给出事故详细数据；
历史事故分析单元，用于在图表插件上分析对比历史事故数据及事故趋势预测数据；
事故预警单元，用于在GIS地图上展示预测的高危路段数据及事故点预警数据；
包括以下步骤：
S1、获取车流量预测数据，并在地图上展示车流量等级预测结果；
S2、获取历史事故坐标数据，并在地图展示历史事故发生点；
S3、获取历史事故数据，并用柱状图展示历史事故发生次数；
S4、综合车流量等级预测结果、历史事故发生点以及历史事故发生次数柱状图对交通数据进行综合分析；
所述步骤S1包括以下步骤：
S11、获取用户查询条件；
S12、通过互联网获取车流量预测数据，并去除其中的无用数据和格式错误数据；
S13、根据车流量预测数据得到车流量等级预测结果；
S14、输出车流量等级预测结果，通过互联网获取路段桩点坐标，并在地图控件上根据车流量等级预测结果绘制相应颜色的路段；
所述步骤S13具体为：当车流量超过等级4时，车流量等级为4，当车流量超过等级3时，车流量等级为3，当车流量超过2时，车流量等级为2，当车流量超过1时，车流量等级为1；
所述步骤S2包括以下步骤：
S21、获取用户查询条件；
S22、通过互联网获取历史事故坐标数据，并去除其中的无用数据和格式错误数据；
S23、获取地图缩放级别，并获取聚合条件，当历史事故坐标数据满足聚合条件时，在地图控件上根据事故数据坐标绘制聚点，当历史事故坐标数据不满足聚合条件时，在地图控件上根据事故数据坐标绘制标点；
所述步骤S23中的聚合条件具体为：数据简单，只有点要素，点没有形状变化；
所述步骤S3包括以下步骤：
S31、获取用户查询条件；
S32、若查询时间为月，则按月查询，若查询时间不为月，则按年查询；
S33、通过互联网获取历史事故数据，并去除其中的无效数据和格式错误数据；
S34、统计不同时间段的数据记录，并用柱状图展示历史事故发生次数。
2.根据权利要求1所述的基于Web的交通数据分析方法，其特征在于，所述步骤S4中的综合分析具体为：从历史事故发生点及历史事故次数对事故涉及道路路段的历史数据危险等级进行划分，再结合车流量等级预测结果对路段危险等级进行预测。
CN201810249705.5A 2018-03-23 2018-03-23 一种基于Web的交通数据分析方法及系统 Active CN108447257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810249705.5A CN108447257B (zh) 2018-03-23 2018-03-23 一种基于Web的交通数据分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810249705.5A CN108447257B (zh) 2018-03-23 2018-03-23 一种基于Web的交通数据分析方法及系统

Publications (2)

Publication Number Publication Date
CN108447257A CN108447257A (zh) 2018-08-24
CN108447257B true CN108447257B (zh) 2020-09-08

Family

ID=63196519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810249705.5A Active CN108447257B (zh) 2018-03-23 2018-03-23 一种基于Web的交通数据分析方法及系统

Country Status (1)

Country Link
CN (1) CN108447257B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110867076B (zh) * 2019-11-05 2021-02-26 武汉理工大学 一种交通事故预测方法及装置
CN112542049A (zh) * 2020-12-29 2021-03-23 四川高路交通信息工程有限公司 智慧交通综合管控平台
CN114202936B (zh) * 2021-12-17 2023-04-21 重庆特斯联智慧科技股份有限公司 一种交通指挥机器人及其控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100051331A (ko) * 2008-11-07 2010-05-17 고서명 교통 안전을 위하여 다양한 형태의 교통 상황을 제공하는 방법 및 시스템
CN103295397A (zh) * 2013-05-13 2013-09-11 同济大学 实现为用户自助显示路况信息的方法及其系统
CN103578295A (zh) * 2013-11-20 2014-02-12 东南大学 一种快速道路排队尾部追尾事故风险实时预测与预防方法
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
CN106981206A (zh) * 2016-12-21 2017-07-25 天津市骐高数码科技发展有限公司 基于Web地理信息系统的交通堵塞管理指挥系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101256590A (zh) * 2008-04-03 2008-09-03 北京艺龙天地文化传播有限公司 结合WebGis的三维在线虚拟现实生态环境仿真系统及其方法
CN101807349A (zh) * 2010-01-08 2010-08-18 北京世纪高通科技有限公司 基于Web的路况发布系统及方法
CN106373391A (zh) * 2016-08-31 2017-02-01 中兴智能交通股份有限公司 一种服务于城市交通的多维度智能调度服务平台的使用方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100051331A (ko) * 2008-11-07 2010-05-17 고서명 교통 안전을 위하여 다양한 형태의 교통 상황을 제공하는 방법 및 시스템
CN103295397A (zh) * 2013-05-13 2013-09-11 同济大学 实现为用户自助显示路况信息的方法及其系统
CN103578295A (zh) * 2013-11-20 2014-02-12 东南大学 一种快速道路排队尾部追尾事故风险实时预测与预防方法
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
CN106981206A (zh) * 2016-12-21 2017-07-25 天津市骐高数码科技发展有限公司 基于Web地理信息系统的交通堵塞管理指挥系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于GIS的哈尔滨市道路交通事故信息管理系统研究;郭昊乾;《中国优秀硕士论文全文数据库 工程科技II辑》;20070630;论文正文第20-25页、第39-42页、第54-55页 *

Also Published As

Publication number Publication date
CN108447257A (zh) 2018-08-24

Similar Documents

Publication Publication Date Title
CN110111575B (zh) 一种基于复杂网络理论的城市交通流量网络分析方法
CN110705747A (zh) 一种基于大数据的智慧公共交通云脑体系
US20140035921A1 (en) Analysis and visualization of passenger movement in a transportation system
CN108447257B (zh) 一种基于Web的交通数据分析方法及系统
EP3462427A1 (en) Method of predicting the probability of occurrence of vacant parking slots and its realization system
CN111833598B (zh) 一种高速公路无人机交通事件自动监测方法及系统
KR101876114B1 (ko) 3d 모델링 구현을 위한 단말기, 서버, 이들을 포함하는 시스템 및 이를 이용하는 3d 모델링 방법
CN112418556B (zh) 一种基于互联网共享平台下的网格化服务系统
CN111190982B (zh) 一种基于大数据的共享单车管理方法及系统
CN103177393B (zh) 基于移动终端的交通安全设施信息采集和管理方法
CN116824859B (zh) 一种基于物联网的智慧交通大数据分析系统
CN111932876A (zh) 一种基于广域雷达的路面诱导系统及方法
CN113868492A (zh) 一种基于电警、卡口数据的可视化od分析方法及应用
CN111460064B (zh) 二三维gis服务平台
Wang et al. Digital roadway interactive visualization and evaluation network applications to WSDOT operational data usage.
CN113487877A (zh) 一种道路车辆违规停车监控方法
CN114419897A (zh) 一种基于v2x技术的城市交通cim系统及其展示方法
CN109740823A (zh) 一种面向实时场景计算的出租车打车决策方法及系统
CN110708664B (zh) 一种交通流感知方法、装置及计算机存储介质、电子设备
CN104794164A (zh) 基于开源数据识别住区车位匹配社会停车需求的方法
CN116863704A (zh) 一种基于大数据的智能交通数字孪生处理方法及系统
CN111382165A (zh) 一种移动国土管理系统
Adrees et al. A proposed framework for using GIS to enhance traffic safety in Sudan: a case study
TW202216510A (zh) 用於預測未來的超速之方法、電子裝置及系統
TW202219467A (zh) 用於偵測超速之方法、電子裝置及系統

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
CB03 Change of inventor or designer information

Inventor after: Chen Fei

Inventor after: Gao Qiang

Inventor after: Zhang Xueyan

Inventor after: Di Jiayi

Inventor after: Liu Juexiong

Inventor after: Xiao Peng

Inventor after: Chen Xueqin

Inventor after: Li Kai

Inventor after: Chen Ken

Inventor after: Fan Yong

Inventor after: Yang Wanyi

Inventor after: Zhang Fengli

Inventor after: Wang Ruijin

Inventor after: Jiang Guichuan

Inventor after: Tang Chen

Inventor before: Chen Fei

Inventor before: Zhang Xueyan

Inventor before: Di Jiayi

Inventor before: Liu Juexiong

Inventor before: Xiao Peng

Inventor before: Li Kai

Inventor before: Yang Wanyi

Inventor before: Zhang Fengli

Inventor before: Wang Ruijin

Inventor before: Jiang Guichuan

Inventor before: Tang Chen

Inventor before: Gao Qiang

Inventor before: Chen Xueqin

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Chen Fei

Inventor after: Zhang Xueyan

Inventor after: Zhai Jiayi

Inventor after: Liu Juexiong

Inventor after: Xiao Peng

Inventor after: Li Kai

Inventor after: Yang Wanyi

Inventor after: Zhang Fengli

Inventor after: Wang Ruijin

Inventor after: Jiang Guichuan

Inventor after: Tang Chen

Inventor after: Gao Qiang

Inventor after: Chen Xueqin

Inventor before: Chen Fei

Inventor before: Gao Qiang

Inventor before: Zhang Xueyan

Inventor before: Zhai Jiayi

Inventor before: Liu Juexiong

Inventor before: Xiao Peng

Inventor before: Chen Xueqin

Inventor before: Li Kai

Inventor before: Chen Ken

Inventor before: Fan Yong

Inventor before: Yang Wanyi

Inventor before: Zhang Fengli

Inventor before: Wang Ruijin

Inventor before: Jiang Guichuan

Inventor before: Tang Chen

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant