CN108550261A - 基于rfid电子车牌的城市交通od计算方法 - Google Patents

基于rfid电子车牌的城市交通od计算方法 Download PDF

Info

Publication number
CN108550261A
CN108550261A CN201810550158.4A CN201810550158A CN108550261A CN 108550261 A CN108550261 A CN 108550261A CN 201810550158 A CN201810550158 A CN 201810550158A CN 108550261 A CN108550261 A CN 108550261A
Authority
CN
China
Prior art keywords
collectors
rfid
vehicle
traffic
adjacent
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
CN201810550158.4A
Other languages
English (en)
Other versions
CN108550261B (zh
Inventor
郑林江
刘卫宁
孙棣华
陈超雄
赵敏
夏冬
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.)
Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN201810550158.4A priority Critical patent/CN108550261B/zh
Publication of CN108550261A publication Critical patent/CN108550261A/zh
Application granted granted Critical
Publication of CN108550261B publication Critical patent/CN108550261B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06KGRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing

Landscapes

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

Abstract

本发明涉及智能交通领域,公开了一种基于RFID电子车牌的城市交通OD计算方法,包括如下步骤:1)获取车辆通过RFID采集器的通行记录,保存在数据库中;2)设置起始时间T1和终止时间T2,从数据库中查找该时间范围内所有车辆的通行数据,得到每辆车的行驶轨迹;3)根据车辆的行驶轨迹,计算车辆通过两个相邻RFID采集器的通行时间间隔,将通行时间间隔与计算的基准时间间隔比较并判断目标车辆在该两个相邻的RFID采集器之间是否有停留,并根据停留点把行驶轨迹划分为不同的出行OD,得到单车的出行OD;4)根据单车出行OD汇聚得到任意两个RFID采集器间的OD矩阵,结合城市划分的交通小区,汇聚得到任意两个交通小区间的OD矩阵。本发明充分考虑了同时段的其他车辆的出行时间和交通路况,避免了由于交通拥堵等情况造成的停留点误判;适用范围广,覆盖范围大,可以监控城市道路上的大多数车辆,覆盖城市的绝大部分路网。

Description

基于RFID电子车牌的城市交通OD计算方法
技术领域
本发明涉及智能交通领域,尤其涉及一种基于RFID电子车牌的城市交通OD计算方法。
背景技术
随着中国经济的发展和城市化建设的推进,汽车保有量急剧增长,城市交通拥堵、交通污染等问题日益突出,严重制约了城市的经济发展。准确掌握城市的交通状态,了解城市居民的出行需求,对于改善交通环境、缓减交通拥堵、支撑交通规划具有重要意义。
OD(Origin-Destination)是描述在一定时间段内交通网络中出行起终点间的交通出行量,通常以矩阵的方式展现,也叫OD矩阵。OD按时间段间隔大小可分为静态OD和动态OD。静态OD能够反映城市车辆的出行分布规律,是城市交通系统规划的重要依据,也是交通基础设施建设的基础数据。动态OD是非常重要的交通参数,常用于交通流实时诱导。
目前,城市交通OD获取的方法主要有:人工调查法、模型估计法、GPS浮动车法和手机定位法等。传统的人工调查方法费时费力,难以推广;模型估计法运用数学知识估计城市交通的OD矩阵,忽略了诸多现实因素,约束条件强;GPS浮动车法,样本量少且覆盖面窄;手机定位数据,获取困难,涉及个人隐私,成本高。随着居民出行需求的不断增加,道路上的机动车越来越多,传统的OD数据获取方法已经不能满足要求。
RFID(Radio Frequency Identification,射频识别)技术又称为无线射频识别,是一种通信技术,可通过无线电讯号识别特定目标并读写相关数据,而无需识别系统与特定目标之间建立机械或光学接触。而RFID技术除了有全天候工作、成本低、易部署、多目标识别、不破坏环境、不受环境与光线的影响和寿命长等特点,还具备对车辆进行身份识别和认证的独特优势。将RFID技术用于标识与跟踪机动车,建立RFID电子车牌识别系统,可以自动准确地获取城市路网中车辆的通行记录,进而获取到城市交通的OD矩阵。
针对现有城市交通OD计算方法研究对象单一、覆盖范围窄、数据量少、结果不准确等问题,因此,需要提出一种新的城市交通OD计算方法及系统,能够确定车辆行驶轨迹中准确的起点和终点,结合划分的交通小区形成准确的交通OD矩阵。本发明适用于所有安装RFID电子车牌的车辆,覆盖范围广,经济安全,成本低廉。
发明内容
有鉴于此,本发明提供一种更普适的基于RFID电子车牌数据的城市交通OD计算方法。
本发明的目的是通过以下技术方案来实现的:一种基于RFID数据的城市交通OD计算方法,包括以下步骤:
1)获取车辆通过RFID采集器的通行记录,保存在数据库中;
2)设置起始时间T1和终止时间T2,从数据库中查找该时间范围内所有车辆的通行数据,得到每辆车的行驶轨迹;
3)根据车辆的行驶轨迹,计算车辆通过两个相邻RFID采集器的通行时间间隔,将通行时间间隔与计算的基准时间间隔比较并判断目标车辆在该两个相邻的RFID采集器之间是否有停留,并根据停留点把行驶轨迹划分为不同的出行OD,得到单车的出行OD;
4)根据单车出行OD汇聚得到任意两个RFID采集器间的OD矩阵,结合城市划分的交通小区,汇聚得到任意两个交通小区间的OD矩阵。
进一步,所述步骤3)中,通过如下方法判断车辆在相邻RFID采集器之间是否停留:
若通行时间间隔t>基准时间T,则判断车辆通过的前一RFID采集器为停留点;
若通行时间间隔t≤基准时间T,则判断车辆通过该两个相邻RFID采集器之间无停留点。
进一步,步骤3)中,基准时间T通过下式计算:
T=μ+3*σ;
上述公式中,μ为某时间段内两个相邻RFID采集器之间的平均通行时间,σ为该时间段内两个相邻RFID采集器之间通行时间的标准差,即:
其中,tb1为目标车辆通过后一RFID采集器的通行时间,ta1目标车辆通过前一RFID采集器的通行时间,tbi为目标车辆同一行车方向上第i辆车通过后一RFID采集器的通行时间,tai为目标车辆同一行车方向上第i辆车通过前一RFID采集器的通行时间;时间段为[ta1-0.5,tb1+0.5],即目标车辆通过前一RFID采集器的前半小时到目标车辆通过后一RFID采集器的后半小时,m为该时间段内相邻RFID采集器间通过的车辆数量,ta1-0.5≤tai且tbi≤tb1+0.5。
进一步,所述步骤1)中,通行记录可表示为三元组Record=<v,r,t>,其中v是车辆的唯一标识号,r为车辆通过RFID采集器的标识,t是车辆v通过RFID采集器r的通行时间。
进一步,所述步骤2)具体包括如下步骤:
21)设置起始时间T1和终止时间T2
22)从数据库中查找满足T1Record.t T2的所有通行记录,并提取所有不同的车辆标识号;
23)从22)中得到的车辆标识号中选取一个标识号v,选取22)中车辆v的所有记录,并将车辆通过RFID采集器的通行时间按照先后顺序排序,得到车辆v的行驶轨迹Trv=(Record1,Record2,…,Recordn),Recordi.t<Recordi+1.t,其中Record1为车辆v行驶轨迹Trv中的第一条通行记录,Recordn为轨迹中的最后一条通行记录;若轨迹中记录数>1,则保存车辆v的行驶轨迹Trv;否则,丢弃;
24)对于车辆v的行驶轨迹Trv,将轨迹中相邻的RFID采集器的通行数据组合得到车辆通过相邻RFID采集器的通行数据,表示为<v,ra,ta,rb,tb>,其中ta和tb分别为车辆v通过RFID采集器ra和rb的通行时间,并且tb>ta;将行驶轨迹Trv中车辆v通过所有相邻RFID采集器的通行数据存储到数据库中;
25)重复执行23)和24),直到对22)中所有车辆标识号进行了处理。
进一步,所述步骤3)具体包括如下步骤:
31)取出步骤b中得到的任一车辆v的行驶轨迹Trv,由n条通行记录组成,将车辆通过的第一个RFID采集器r1作为车辆第一次出行的起点O,将车辆通过的最后一个RFID采集器rn作为最后一次出行的终点D;
32)计算轨迹中相邻的RFID采集器ri和ri+1的通行时间间隔t=ti+1-ti,其中ti+1和ti分别为车辆v通过RFID采集器ri+1和ri的通行时间,1i n-1;
33)根据如下公式确定相邻RFID采集器ri和ri+1的基准时间间隔T;
T=μ+3*σ;
上述公式中,μ为时间段[ti-0.5,ti+1+0.5]内相邻RFID采集器ri和ri+1之间的平均通行时间,σ为该时间段内两个RFID采集器之间通行时间的标准差,即:
在步骤b中得到的所有相邻RFID采集器的通行数据中,令ra=ri,rb=ri+1,查找出时间段ti-0.5≤ta且tb≤ti+1+0.5内所有通过相邻RFID采集器ri和ri+1的数据。其中,tbj为第j辆车通过后一RFID采集器ri+1的通行时间,taj为第j辆车通过前一RFID采集器ri的通行时间。m为该时间段内相邻RFID采集器间通过的车辆数量。
34)比较32)中通行时间间隔t和33)中计算的基准时间间隔T,判断目标车辆在相邻RFID采集器ri和ri+1间是否有停留:
若通行时间间隔t>计算的基准时间T,则判断车辆通过的RFID采集器ri为车辆的停留点,将RFID采集器ri作为上一次出行的终点D,将RFID采集器ri+1作为下一次出行的起点O;
若通行时间间隔t≤计算的基准时间T,则判断车辆通过该两个相邻RFID采集器之间无停留点;
35)当确定车辆v一次出行的起点O和终点D后,得到一个出行OD对,表示为<v,rO,tO,rD,tD>,判断OD对是否合理。有可能某一个RFID采集器既是一次行程的起点,又是行程的终点,将此时得到的OD对丢弃;否则,将得到的OD对写入输出缓冲池,当缓冲池中的数据量达到80%时,将数据保存到文件或者数据库中;
36)重复执行32)、33)和34),直到行驶轨迹Trv处理结束。
进一步,所述步骤4)具体包括如下步骤:
41)在步骤3)得到所有车辆的单车出行OD对后,统计T1到T2时间范围内,城市中任意2个RFID采集器ri和rj间的OD交通量,表示为<ri,rj,Nij>,Nij为采集器ri和rj间的OD交通量;
42)利用网格将城市空间划分为K*K的交通小区(K的大小可变,自行设置),对交通小区进行编号;
43)确定每个交通小区中布设RFID采集器的数量与标识号,建立RFID采集器与交通小区的隶属关系;本发明用隶属权重来量化描述RFID采集属于某一个交通小区的程度;若RFID采集器ri位于交通小区p内部,则该采集器完全属于该交通小区,隶属权重若RFID采集器ri位于交通小区p和交通小区q的分界线上,隶属权重若某一RFID采集器位于n个相邻交通小区的分界线上,则该采集器为所有相邻的交通小区所有,隶属权重各为1/n;
44)根据如下公式计算任意两个交通小区间的OD交通量;
其中,Zxy为交通小区x到交通小区y的OD交通量,x为起点交通小区的编号,y为终点交通小区的编号,可表示为<x,y,Zxy>。为RFID采集器ri属于交通小区x的隶属权重,交通小区x有p个RFID采集器;为RFID采集器rj属于交通小区y的隶属权重,交通小区y有q个RFID采集器;
45)重复44)得到T1到T2时间范围内,城市交通的OD矩阵并保存。
由于采用了上述技术方案,本发明具有如下的优点:
1.本发明能够准确确定车辆行驶轨迹中的起点和终点,形成准确的交通OD;
2.本发明充分考虑了同时段的其他车辆的出行时间和交通路况,避免了由于交通拥堵等情况造成的停留点误判;
3.本发明适用于所有安装RFID电子车牌的车辆,适用范围广,覆盖范围大,可以监控城市道路上的大多数车辆,覆盖城市的绝大部分路网;
4.本发明经济安全,成本低廉。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述:
图1示出了某路段RFID采集器布设示意图;
图2示出了车辆行驶轨迹提取的流程图;
图3示出了单车出行OD对划分的流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
参见图2、3,本实施例的基于RFID电子车牌数据的城市交通OD计算方法,包括以下步骤:
1)获取车辆通过RFID采集器的通行记录,保存在数据库中;图1是某路段RFID采集器的布设示意图,如图所示,当附有RFID电子车牌的车辆通过布设有RFID采集器的路段时,将会采集到车辆的通行记录,并保存在数据库中。通行记录可表示为三元组Record=<v,r,t>,其中v是车辆的唯一标识号,r为车辆通过RFID采集器的标识,t是车辆v通过RFID采集器r的通行时间。
2)设置起始时间T1和终止时间T2,从数据库中查找该时间范围内所有车辆的通行数据,得到每辆车的行驶轨迹;具体包括如下步骤:
21)设置起始时间T1和终止时间T2
22)从数据库中查找满足T1Record.t T2的所有通行记录,并提取所有不同的车辆标识号;
23)从22)中得到的车辆标识号中选取一个标识号v,选取22)中车辆v的所有记录,并将车辆通过RFID采集器的通行时间按照先后顺序排序,得到车辆v的行驶轨迹Trv=(Record1,Record2,…,Recordn),Recordi.t<Recordi+1.t,其中Record1为车辆v行驶轨迹Trv中的第一条通行记录,Recordn为轨迹中的最后一条通行记录;若轨迹中记录数>1,则保存车辆v的行驶轨迹Trv;否则,丢弃;
24)对于车辆v的行驶轨迹Trv,将轨迹中相邻的RFID采集器的通行数据组合得到车辆通过相邻RFID采集器的通行数据,表示为<v,ra,ta,rb,tb>,其中ta和tb分别为车辆v通过RFID采集器ra和rb的通行时间,并且tb>ta;将行驶轨迹Trv中车辆v通过所有相邻RFID采集器的通行数据存储到数据库中;
25)重复执行23)和24),直到对22)中所有车辆标识号进行了处理。
3)根据车辆的行驶轨迹,计算车辆通过两个相邻RFID采集器的通行时间间隔,将通行时间间隔与计算的基准时间间隔比较并判断目标车辆在该两个相邻的RFID采集器之间是否有停留,并根据停留点把行驶轨迹划分为不同的出行OD,得到单车的出行OD,单车出行OD对划分的流程图如图3所示;具体包括如下步骤:
31)取出步骤b中得到的任一车辆v的行驶轨迹Trv,由n条通行记录组成,将车辆通过的第一个RFID采集器r1作为车辆第一次出行的起点O,将车辆通过的最后一个RFID采集器rn作为最后一次出行的终点D;
32)计算轨迹中相邻的RFID采集器ri和ri+1的通行时间间隔t=ti+1-ti,其中ti+1和ti分别为车辆v通过RFID采集器ri+1和ri的通行时间,1i n-1;
33)根据如下公式确定相邻RFID采集器ri和ri+1的基准时间间隔T;
T=μ+3*σ;
上述公式中,μ为某时间段内两个相邻RFID采集器之间的平均通行时间,σ为该时间段内两个相邻RFID采集器之间通行时间的标准差,即:
其中,tb1为目标车辆通过后一RFID采集器的通行时间,ta1目标车辆通过前一RFID采集器的通行时间,tbi为目标车辆同一行车方向上第i辆车通过后一RFID采集器的通行时间,tai为目标车辆同一行车方向上第i辆车通过前一RFID采集器的通行时间;时间段为
[ta1-0.5,tb1+0.5],即目标车辆通过前一RFID采集器的前半小时到目标车辆通过后一RFID采集器的后半小时,m为该时间段内相邻RFID采集器间通过的车辆数量,ta1-0.5≤tai且tbi≤tb1+0.5。
34)比较32)中通行时间间隔t和33)中计算的基准时间间隔T,判断目标车辆在相邻RFID采集器ri和ri+1间是否有停留:
若通行时间间隔t>计算的基准时间T,则判断车辆通过的RFID采集器ri为车辆的停留点,将RFID采集器ri作为上一次出行的终点D,将RFID采集器ri+1作为下一次出行的起点O;
若通行时间间隔t≤计算的基准时间T,则判断车辆通过该两个相邻RFID采集器之间无停留点;
35)当确定车辆v一次出行的起点O和终点D后,得到一个出行OD对,表示为<v,rO,tO,rD,tD>,判断OD对是否合理。有可能某一个RFID采集器既是一次行程的起点,又是行程的终点,将此时得到的OD对丢弃;否则,将得到的OD对写入输出缓冲池,当缓冲池中的数据量达到80%时,将数据保存到文件或者数据库中;
36)重复执行32)、33)和34),直到行驶轨迹Trv处理结束。
4)根据单车出行OD汇聚得到任意两个RFID采集器间的OD矩阵,结合城市划分的交通小区,汇聚得到任意两个交通小区间的OD矩阵。具体包括如下步骤:
41)在步骤3)得到所有车辆的单车出行OD对后,统计T1到T2时间范围内,城市中任意2个RFID采集器ri和rj间的OD交通量,表示为<ri,rj,Nij>,Nij为采集器ri和rj间的OD交通量;
42)利用网格将城市空间划分为K*K的交通小区(K的大小可变,自行设置),对交通小区进行编号;
43)确定每个交通小区中布设RFID采集器的数量与标识号,建立RFID采集器与交通小区的隶属关系;本发明用隶属权重来量化描述RFID采集属于某一个交通小区的程度;若RFID采集器ri位于交通小区p内部,则该采集器完全属于该交通小区,隶属权重若RFID采集器ri位于交通小区p和交通小区q的分界线上,隶属权重若某一RFID采集器位于n个相邻交通小区的分界线上,则该采集器为所有相邻的交通小区所有,隶属权重各为1/n;
44)根据如下公式计算任意两个交通小区间的OD交通量;
其中,Zxy为交通小区x到交通小区y的OD交通量,x为起点交通小区的编号,y为终点交通小区的编号,可表示为<x,y,Zxy>。为RFID采集器ri属于交通小区x的隶属权重,交通小区x有p个RFID采集器;为RFID采集器rj属于交通小区y的隶属权重,交通小区y有q个RFID采集器;
45)重复44)得到T1到T2时间范围内,城市交通的OD矩阵并保存。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的保护范围当中。

Claims (7)

1.基于RFID电子车牌的城市交通OD计算方法,其特征在于,该方法包括以下步骤:
1)获取车辆通过RFID采集器的通行记录,保存在数据库中;
2)设置起始时间T1和终止时间T2,从数据库中查找该时间范围内所有车辆的通行数据,得到每辆车的行驶轨迹;
3)根据车辆的行驶轨迹,计算车辆通过两个相邻RFID采集器的通行时间间隔,将通行时间间隔与计算的基准时间间隔比较并判断目标车辆在该两个相邻的RFID采集器之间是否有停留,并根据停留点把行驶轨迹划分为不同的出行OD,得到单车的出行OD;
4)根据单车出行OD汇聚得到任意两个RFID采集器间的OD矩阵,结合城市划分的交通小区,汇聚得到任意两个交通小区间的OD矩阵。
2.根据权利要求1所述的基于RFID电子车牌的城市交通OD计算方法,其特征在于,所述步骤3)中,通过如下方法判断车辆在相邻RFID采集器之间是否停留:
若通行时间间隔t>基准时间T,则判断车辆通过的前一RFID采集器为停留点;
若通行时间间隔t≤基准时间T,则判断车辆通过该两个相邻RFID采集器之间无停留点。
3.根据权利要求2所述的基于RFID电子车牌的城市交通OD计算方法,其特征在于,步骤3)中,基准时间T通过下式计算:
T=μ+3*σ;
上述公式中,μ为某时间段内两个相邻RFID采集器之间的平均通行时间,σ为该时间段内两个相邻RFID采集器之间通行时间的标准差,即:
其中,tb1为目标车辆通过后一RFID采集器的通行时间,ta1目标车辆通过前一RFID采集器的通行时间,tbi为目标车辆同一行车方向上第i辆车通过后一RFID采集器的通行时间,tai为目标车辆同一行车方向上第i辆车通过前一RFID采集器的通行时间;时间段为[ta1-0.5,tb1+0.5],即目标车辆通过前一RFID采集器的前半小时到目标车辆通过后一RFID采集器的后半小时,m为该时间段内相邻RFID采集器间通过的车辆数量,ta1-0.5≤tai且tbi≤tb1+0.5。
4.根据权利要求1-3中任一项所述的基于RFID电子车牌的城市交通OD计算方法,其特征在于,所述步骤1)中,通行记录可表示为三元组Record=<v,r,t>,其中v是车辆的唯一标识号,r为车辆通过RFID采集器的标识,t是车辆v通过RFID采集器r的通行时间。
5.根据权利要求4所述的基于RFID电子车牌的城市交通OD计算方法,其特征在于,所述步骤2)具体包括如下步骤:
21)设置起始时间T1和终止时间T2
22)从数据库中查找满足T1Record.t T2的所有通行记录,并提取所有不同的车辆标识号;
23)从22)中得到的车辆标识号中选取一个标识号v,选取22)中车辆v的所有记录,并将车辆通过RFID采集器的通行时间按照先后顺序排序,得到车辆v的行驶轨迹Trv=(Record1,Record2,…,Recordn),Recordi.t<Recordi+1.t,其中Record1为车辆v行驶轨迹Trv中的第一条通行记录,Recordn为轨迹中的最后一条通行记录;若轨迹中记录数>1,则保存车辆v的行驶轨迹Trv;否则,丢弃;
24)对于车辆v的行驶轨迹Trv,将轨迹中相邻的RFID采集器的通行数据组合得到车辆通过相邻RFID采集器的通行数据,表示为<v,ra,ta,rb,tb>,其中ta和tb分别为车辆v通过RFID采集器ra和rb的通行时间,并且tb>ta;将行驶轨迹Trv中车辆v通过所有相邻RFID采集器的通行数据存储到数据库中;
25)重复执行23)和24),直到对22)中所有车辆标识号进行了处理。
6.根据权利要求5所述的基于RFID电子车牌的城市交通OD计算方法,其特征在于,所述步骤3)具体包括如下步骤:
31)取出步骤b中得到的任一车辆v的行驶轨迹Trv,由n条通行记录组成,将车辆通过的第一个RFID采集器r1作为车辆第一次出行的起点O,将车辆通过的最后一个RFID采集器rn作为最后一次出行的终点D;
32)计算轨迹中相邻的RFID采集器ri和ri+1的通行时间间隔t=ti+1-ti,其中ti+1和ti分别为车辆v通过RFID采集器ri+1和ri的通行时间,1 i n-1;
33)根据如下公式确定相邻RFID采集器ri和ri+1的基准时间间隔T;
T=μ+3*σ;
上述公式中,μ为时间段[ti-0.5,ti+1+0.5]内相邻RFID采集器ri和ri+1之间的平均通行时间,σ为该时间段内两个RFID采集器之间通行时间的标准差,即:
在步骤b中得到的所有相邻RFID采集器的通行数据中,令ra=ri,rb=ri+1,查找出时间段ti-0.5≤ta且tb≤ti+1+0.5内所有通过相邻RFID采集器ri和ri+1的数据。其中,tbj为第j辆车通过后一RFID采集器ri+1的通行时间,taj为第j辆车通过前一RFID采集器ri的通行时间。m为该时间段内相邻RFID采集器间通过的车辆数量。
34)比较32)中通行时间间隔t和33)中计算的基准时间间隔T,判断目标车辆在相邻RFID采集器ri和ri+1间是否有停留:
若通行时间间隔t>计算的基准时间T,则判断车辆通过的RFID采集器ri为车辆的停留点,将RFID采集器ri作为上一次出行的终点D,将RFID采集器ri+1作为下一次出行的起点O;
若通行时间间隔t≤计算的基准时间T,则判断车辆通过该两个相邻RFID采集器之间无停留点;
35)当确定车辆v一次出行的起点O和终点D后,得到一个出行OD对,表示为<v,rO,tO,rD,tD>,判断OD对是否合理。有可能某一个RFID采集器既是一次行程的起点,又是行程的终点,将此时得到的OD对丢弃;否则,将得到的OD对写入输出缓冲池,当缓冲池中的数据量达到80%时,将数据保存到文件或者数据库中;
36)重复执行32)、33)和34),直到行驶轨迹Trv处理结束。
7.根据权利要求6所述的基于RFID电子车牌的城市交通OD计算方法,其特征在于,所述步骤4)具体包括如下步骤:
41)在步骤3)得到所有车辆的单车出行OD对后,统计T1到T2时间范围内,城市中任意2个RFID采集器ri和rj间的OD交通量,表示为<ri,rj,Nij>,Nij为采集器ri和rj间的OD交通量;
42)利用网格将城市空间划分为K*K的交通小区(K的大小可变,自行设置),对交通小区进行编号;
43)确定每个交通小区中布设RFID采集器的数量与标识号,建立RFID采集器与交通小区的隶属关系;本发明用隶属权重来量化描述RFID采集属于某一个交通小区的程度;若RFID采集器ri位于交通小区p内部,则该采集器完全属于该交通小区,隶属权重若RFID采集器ri位于交通小区p和交通小区q的分界线上,隶属权重若某一RFID采集器位于n个相邻交通小区的分界线上,则该采集器为所有相邻的交通小区所有,隶属权重各为1/n;
44)根据如下公式计算任意两个交通小区间的OD交通量;
其中,Zxy为交通小区x到交通小区y的OD交通量,x为起点交通小区的编号,y为终点交通小区的编号,可表示为<x,y,Zxy>。为RFID采集器ri属于交通小区x的隶属权重,交通小区x有p个RFID采集器;为RFID采集器rj属于交通小区y的隶属权重,交通小区y有q个RFID采集器;
45)重复44)得到T1到T2时间范围内,城市交通的OD矩阵并保存。
CN201810550158.4A 2018-05-31 2018-05-31 基于rfid电子车牌的城市交通od计算方法 Active CN108550261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810550158.4A CN108550261B (zh) 2018-05-31 2018-05-31 基于rfid电子车牌的城市交通od计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810550158.4A CN108550261B (zh) 2018-05-31 2018-05-31 基于rfid电子车牌的城市交通od计算方法

Publications (2)

Publication Number Publication Date
CN108550261A true CN108550261A (zh) 2018-09-18
CN108550261B CN108550261B (zh) 2021-05-04

Family

ID=63511574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810550158.4A Active CN108550261B (zh) 2018-05-31 2018-05-31 基于rfid电子车牌的城市交通od计算方法

Country Status (1)

Country Link
CN (1) CN108550261B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109711026A (zh) * 2018-12-20 2019-05-03 中山大学 一种基于卡口数据的Paramics精准交通仿真场景构建方法
CN109741612A (zh) * 2018-12-17 2019-05-10 重庆市公安局渝北区分局交通巡逻警察支队 一种基于汽车电子标识的小区汽车保有量估算方法
CN109785622A (zh) * 2018-12-03 2019-05-21 南京三宝科技股份有限公司 一种基于车载电子标签技术的拥堵区域识别方法
CN109859495A (zh) * 2019-03-31 2019-06-07 东南大学 一种基于rfid数据获取区间速度的方法
CN110021166A (zh) * 2019-03-29 2019-07-16 阿里巴巴集团控股有限公司 用于处理用户出行数据的方法、装置和计算设备
CN110379159A (zh) * 2019-06-24 2019-10-25 重庆大学 基于机动车电子标识数据的出行链提取方法
CN110428629A (zh) * 2019-09-03 2019-11-08 浙江创研信息技术有限公司 一种基于智能路测设备的道路状况探测方法
CN110491157A (zh) * 2019-07-23 2019-11-22 中山大学 一种基于停车场数据和卡口数据的车辆关联方法
CN110968617A (zh) * 2019-10-16 2020-04-07 北京交通大学 一种基于位置字段的路网关键路段相关性分析方法
CN111127930A (zh) * 2019-12-13 2020-05-08 青岛海信网络科技股份有限公司 车辆常用行驶路线获取方法及装置
CN112036757A (zh) * 2020-09-03 2020-12-04 哈尔滨市市政工程设计院有限公司 基于手机信令和浮动车数据的停车换乘停车场的选址方法
CN112053566A (zh) * 2020-08-24 2020-12-08 青岛海信网络科技股份有限公司 电子设备及车辆的出行类型识别方法
CN112907960A (zh) * 2021-01-29 2021-06-04 河南经贸职业学院 一种基于大数据的交通拥堵监测装置
CN113129589A (zh) * 2021-03-26 2021-07-16 中山大学 一种基于卡口检测数据的个体级od小区推断方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002269595A (ja) * 2001-03-07 2002-09-20 Sharp Corp 購入候補検索機能付券売装置。
KR20130007157A (ko) * 2011-06-29 2013-01-18 디비정보통신 주식회사 무선식별장치를 이용한 구간단속 시스템의 제어방법
CN104298832A (zh) * 2014-10-27 2015-01-21 东南大学 一种基于rfid技术的路网交通流分析方法
CN105975582A (zh) * 2016-05-05 2016-09-28 重庆市城投金卡信息产业股份有限公司 基于Spark的RFID数据生成出行OD矩阵的方法及系统
CN106327866A (zh) * 2016-08-30 2017-01-11 重庆市交通规划研究院 基于rfid的车辆出行od切分方法及其系统
CN107146446A (zh) * 2017-07-10 2017-09-08 中南大学 一种基于rfid数据和动态车源的路径诱导方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002269595A (ja) * 2001-03-07 2002-09-20 Sharp Corp 購入候補検索機能付券売装置。
KR20130007157A (ko) * 2011-06-29 2013-01-18 디비정보통신 주식회사 무선식별장치를 이용한 구간단속 시스템의 제어방법
CN104298832A (zh) * 2014-10-27 2015-01-21 东南大学 一种基于rfid技术的路网交通流分析方法
CN105975582A (zh) * 2016-05-05 2016-09-28 重庆市城投金卡信息产业股份有限公司 基于Spark的RFID数据生成出行OD矩阵的方法及系统
CN106327866A (zh) * 2016-08-30 2017-01-11 重庆市交通规划研究院 基于rfid的车辆出行od切分方法及其系统
CN107146446A (zh) * 2017-07-10 2017-09-08 中南大学 一种基于rfid数据和动态车源的路径诱导方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JINHAI ZHANG: "Study on the Internet of Vehicles with RFID Technology Application in ITS", 《2017 INTERNATIONAL CONFERENCE ON COMPUTER TECHNOLOGY, ELECTRONICS AND COMMUNICATION (ICCTEC)》 *
MIN LU ET AL.: "Exploring OD patterns of interested region based on taxi trajectories", 《JOURNAL OF VISUALIZATION》 *
曹洁等: "运用RFID技术获取动态OD数据的方法", 《小型微型计算机系统》 *
赵晓晓等: "基于RFID的城市路网OD矩阵获取方法及时空特性分析", 《交通信息与安全》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109785622B (zh) * 2018-12-03 2020-12-11 南京三宝科技股份有限公司 一种基于车载电子标签技术的拥堵区域识别方法
CN109785622A (zh) * 2018-12-03 2019-05-21 南京三宝科技股份有限公司 一种基于车载电子标签技术的拥堵区域识别方法
CN109741612A (zh) * 2018-12-17 2019-05-10 重庆市公安局渝北区分局交通巡逻警察支队 一种基于汽车电子标识的小区汽车保有量估算方法
CN109711026B (zh) * 2018-12-20 2023-06-13 中山大学 一种基于卡口数据的Paramics精准交通仿真场景构建方法
CN109711026A (zh) * 2018-12-20 2019-05-03 中山大学 一种基于卡口数据的Paramics精准交通仿真场景构建方法
CN110021166A (zh) * 2019-03-29 2019-07-16 阿里巴巴集团控股有限公司 用于处理用户出行数据的方法、装置和计算设备
CN109859495A (zh) * 2019-03-31 2019-06-07 东南大学 一种基于rfid数据获取区间速度的方法
CN110379159A (zh) * 2019-06-24 2019-10-25 重庆大学 基于机动车电子标识数据的出行链提取方法
CN110491157A (zh) * 2019-07-23 2019-11-22 中山大学 一种基于停车场数据和卡口数据的车辆关联方法
CN110491157B (zh) * 2019-07-23 2022-01-25 中山大学 一种基于停车场数据和卡口数据的车辆关联方法
CN110428629A (zh) * 2019-09-03 2019-11-08 浙江创研信息技术有限公司 一种基于智能路测设备的道路状况探测方法
CN110968617A (zh) * 2019-10-16 2020-04-07 北京交通大学 一种基于位置字段的路网关键路段相关性分析方法
CN111127930A (zh) * 2019-12-13 2020-05-08 青岛海信网络科技股份有限公司 车辆常用行驶路线获取方法及装置
CN112053566A (zh) * 2020-08-24 2020-12-08 青岛海信网络科技股份有限公司 电子设备及车辆的出行类型识别方法
CN112036757A (zh) * 2020-09-03 2020-12-04 哈尔滨市市政工程设计院有限公司 基于手机信令和浮动车数据的停车换乘停车场的选址方法
CN112036757B (zh) * 2020-09-03 2023-10-17 哈尔滨市市政工程设计院有限公司 基于手机信令和浮动车数据的停车换乘停车场的选址方法
CN112907960A (zh) * 2021-01-29 2021-06-04 河南经贸职业学院 一种基于大数据的交通拥堵监测装置
CN113129589A (zh) * 2021-03-26 2021-07-16 中山大学 一种基于卡口检测数据的个体级od小区推断方法

Also Published As

Publication number Publication date
CN108550261B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN108550261A (zh) 基于rfid电子车牌的城市交通od计算方法
CN102521965B (zh) 基于车牌识别数据的交通需求管理措施效果评价方法
CN111091720B (zh) 基于信令数据和浮动车数据的拥堵路段识别方法及装置
CN111862606B (zh) 一种基于多源数据的非法营运车辆识别方法
CN103646187B (zh) 一种统计周期内车辆出行路线及od矩阵获取方法
CN107958302B (zh) 基于虚拟拓扑交通网络的经验路径规划方法
CN109544932A (zh) 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法
CN102044146B (zh) 基于一票制公交ic卡数据推算上车站点的方法
CN106710208A (zh) 交通状态的获取方法及装置
Gao et al. Estimating freeway traffic measures from mobile phone location data
CN103295414A (zh) 一种基于海量历史gps轨迹数据的公交车到站时间预测方法
CN105336166A (zh) 基于车载蓝牙的交通特征参数提取方法
CN102750826B (zh) 一种用于群体诱导信息下驾驶员响应行为的辨识方法
CN111210612A (zh) 基于公交gps数据与站点信息提取公交线路轨迹的方法
CN105513356B (zh) 一种基于轨迹追踪的od矩阵估计方法与系统
CN104751628A (zh) 一种车辆监控的方法和系统
CN113570864B (zh) 一种电动自行车行驶路径匹配方法、设备及存储介质
CN104750963A (zh) 交叉口延误时长估计方法及装置
CN104966408A (zh) 一种gps定位数据补偿方法
Xing et al. Traffic volume estimation in multimodal urban networks using cell phone location data
CN107085620A (zh) 一种出租车和地铁接驳出行线路的查询方法及系统
CN112036757A (zh) 基于手机信令和浮动车数据的停车换乘停车场的选址方法
CN103942952B (zh) 一种路网功能层次状态等级评估方法
CN109035787A (zh) 一种利用移动通信数据识别交通工具类别的方法
CN103050014A (zh) 交通车速检测系统及检测方法

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
GR01 Patent grant
GR01 Patent grant