CN108629973A - 基于固定检测设备的路段交通拥堵指数计算方法 - Google Patents
基于固定检测设备的路段交通拥堵指数计算方法 Download PDFInfo
- Publication number
- CN108629973A CN108629973A CN201810449060.XA CN201810449060A CN108629973A CN 108629973 A CN108629973 A CN 108629973A CN 201810449060 A CN201810449060 A CN 201810449060A CN 108629973 A CN108629973 A CN 108629973A
- Authority
- CN
- China
- Prior art keywords
- data
- section
- road
- traffic
- time
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 20
- 238000000205 computational method Methods 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 15
- 230000003111 delayed effect Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims description 2
- 235000007164 Oryza sativa Nutrition 0.000 claims description 2
- 230000008439 repair process Effects 0.000 claims description 2
- 235000009566 rice Nutrition 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000010276 construction Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于固定检测设备的路段交通拥堵指数计算方法，具体包括：以5～10min为一个周期，对固定检测设备采集的数据进行比较和处理，得到时间周期内该路段具有代表性的速度值和行驶时间。然后利用拥堵指数计算公式将速度值和行驶时间换算成路段交通拥堵指数，得到当前路段的交通拥堵情况。本发明以路段长度、行驶时间、速度、车道数、自由行驶速度、占有率、流量等参数来计算路网的交通拥堵指数，用行驶延误时间来体现交通拥堵指数，让交通拥堵指数更接近驾驶人的拥堵感受。根据道路拥堵指数的计算，可以为城市智能交通红绿灯信号控制器提供自动化的输入参数，实现了红绿灯自动化控制，提高了道路使用效率和交通管理部门工作效率。
Description
技术领域
本发明涉及一种交通拥堵指数的计算方法，具体涉及一种基于固定检测设备的路段交通拥堵指数计算方法，属于交通管理技术领域。
背景技术
随着我国社会经济迅速发展，各城市汽车保有量持续增长，而很多城市还处于旧城改造、新城建设的城市大发展时期，新旧道路环境复杂，有限的道路资源无法满足持续增长的通勤需求，道路交通拥堵现象日渐频繁，城市道路交通管理部门不得不利用各种渠道来缓解交通拥堵问题，提高道路的使用效率和服务水平。
从20世纪70年代起，世界各大城市就开始建设了众多交通管理系统，并基于全面的检测信息及预测分析进行主动性交通管理，摆脱被动适应性管理的滞后性。近年来我国各大城市也建立了相应的交通管理系统，对交通拥堵指数分别进行了定义，但都没有形成统一的定义标准，如下表：
| 城市 | 定义方法 |
| 美国 | 根据流量计算 |
| 上海 | 车速、负荷度 |
| 北京 | 各路段拥堵里程比例 |
| 深圳 | 行程时间比 |
现有检测设备主要能提供流量、车辆速度等数据。流量和车辆行驶速度是城市道路交通实时拥堵状态的重要评价指标，但这两类参数的大小无法给决策者和出行者带来直观的拥堵感受，因此需要计算一个拥堵指数来对现行路段拥堵情况进行分级评价。现有的拥堵指数计算方法在分级策略上主观意识较强，无法从定量的角度做到精确分组；另外，计算模型的参数太少，无法适应不同城市交通运行的实际状况，道路状况不同，速度带给人的感受并不相同。比如20km/h的速度在快速路上感觉就是严重拥堵，而在狭窄的道路中(单车道)就感觉比较畅通，因此本发明采用通过路段的行驶时间作为交通拥堵评价体系的最重要的指标。
发明内容
本发明的目的是提供一种既能充分利用旧有交通检测设备、不需重复建设，又能够快速准确的提供道路交通实时拥堵指数的计算方法。
为了对本发明的技术方案进行详细描述，下面首先对本发明的相关背景作进一步的介绍。
交通拥堵类别及评价指标体系
目前国内对于交通拥堵的定义尚未有定论，不同城市、地区等拥堵的判定条件也不一致。根据拥堵的规律性划分，交通拥堵可分为周期性拥堵和非周期性拥堵。周期性拥堵，是指一定时间内反复出现的拥堵，具有特定的规律性，如最常见的早晚上下班高峰期拥堵。长期的道路施工、市政设施施工、地铁、大型建筑施工、节假日旅游出行等引起的拥堵也可看作周期性拥堵。非周期性拥堵，是指随机出现的拥堵，例如：交通事故、违法行驶、突发事件、突发恶劣气候环境等意外原因引起的拥堵。一些不具备规律性的特殊事件，如车队、短期的大型活动等引起的拥堵，也可看作非周期性拥堵。
不同城市对于交通拥堵的范围界定不同，计算方法各有差异，不同地区计算出的交通指数意义也不同。本发明对交通拥堵指数的范围界定，将道路交通拥堵划分为5个级别，取值区间为[0，10]，对应拥堵状态级别如下表1所示。
表1交通拥堵分级
| 道路交通拥堵指数 | [0,2] | [2,4] | [4,6] | [6,8] | [8,10] |
| 道路网拥堵等级 | 非常畅通 | 基本畅通 | 轻度拥堵 | 中度拥堵 | 重度拥堵 |
拥堵指数评价指标按照出行时间来划分，如表2所示。
表2《城市道路交通拥堵评价指标体系》
| 严重拥堵(8-10) | 通过路段行驶时间多花费1.2倍以上时间 |
| 中度拥堵(6-8) | 通过路段行驶时间多花费0.9-1.2倍时间 |
| 轻度拥堵(4-6) | 通过路段行驶时间多花费0.6-0.9倍时间 |
| 基本畅通(2-4) | 通过路段行驶时间多花费0.3-0.6倍时间 |
| 非常畅通(0-2) | 通过路段基本可以按照自由车速行驶 |
在此基础上，发明人提供了基于固定检测设备的路段交通拥堵指数计算方法，具体包括：
以5～10min为一个周期，对固定检测设备采集的数据进行比较和处理，得到时间周期内该路段具有代表性的速度值和行驶时间。然后利用拥堵指数计算公式将速度值和行驶时间换算成路段交通拥堵指数，得到当前路段的交通拥堵情况。
更进一步的方案是：
固定检测设备采集的数据包括行驶时间、速度、流量、占有率。
更进一步的方案是：
必须对采集时间周期内的数据进行分析和判断，如果在该时段内没有获得数据或获得多组数据，则说明数据丢失，进行修复处理。
更进一步的方案是：
对数据进行处理，包括对错误数据进行清洗；
错误数据是指不在(0,ymax)之间的数据，其中ymax是数据可能出现的最大值。对于每一类交通参数，都根据交通管理部门提供的经验值设定一个大致的范围，如果数据不在这个范围之内，则认为是错误数据应该清洗。
更进一步的方案是：
数据比较和处理的具体步骤如下：
首先选取每个检测点过去一个月的数据作为样本数据。由于行驶时间、速度、流量、占有率的单位和数量都不同，因而首先需要归一化。用z-score方法对其作归一化处理。
假设样本数据集为S＝{(t1,q1,o1,v1),(ti,q2,o2,v2),…,(tn,qn,on,vn)}，其中(ti,qi,oi,vi)表示一个样本点，ti,qi,oi,vi分别代表行驶时间、流量，占有率和行驶速度，时间单位：秒；流量单位：辆/秒；占有率单位：％；行驶速度单位：km/h；n为样本数据总量。
按道路自由行驶速度行驶的时间：l代表路段长度，单位米。
检测设备提供行驶速度时：行驶时间的均值
检测设备无行驶速度，只提供卡口行驶记录时：行驶时间的均值
ti1--车辆驶入路段时间；ti2--车辆驶出路段时间；
行驶时间的方差
流量的均值流量的方差
占有率的均值占有率方差
速度的均值速度的方差
归一化后的输入参数格式为
更进一步的方案是：
路段交通拥堵指数计算公式为：
路段TPI的计算公式：
其中，
l--代表路段长度
Vj--道路自由行驶速度(分别细分为通勤日、节假日、夜间行驶、高峰时段、交通管制、天气等情况下自由行驶速度)；计算路段的历史速度数据的均值：一般可用该路段一个月的历史速度数值计算得到。
a--拥堵等级分段函数自变量(分段按延误倍数0.3倍/等级)；
b--车辆通过路段行驶时间的延误倍数，
x--交通量的最小值，作为数据有效性参数(x≥6)；
bj--延误倍数的上限值(1.5)。
主要按照以下几个步骤进行：
确定模型参数值。选取某一城市路段，对路段的速度历史数据进行聚类分析，得出此路段自由行驶速度Vj，等于各临界拥堵等级对应的指数值，求得自由行驶速度行驶的时间T；
多源异构数据融合，得出代表性行驶速度。在时间汇集度内，对固定路段检测器和其它设备采集到的该路段的地点车速进行融合，对不同数据格式进行同一化转换，然后根据各检测器数据量的多少对行驶速度进行加权计算，得出具有路段典型代表性的行驶时间数据量很少的可以用插值法和同期历史数据补充，如果没有流量，则速度为自由行驶速度。
计算当前时间汇集度内的行驶时间延误倍数。将上一步得到的行驶时间平均值代入公式，得到当前时间汇集度内的路段拥堵指数TPI。
模型参数修正。根据现场交通运行实际情况，和驾驶人出行感受，调节参数。先调节Vj的值，进行整体的粗调，然后对各拥堵水平对应的阈值Vj、x、a、bj进行微调，直至达到满意的结果。
更进一步的方案是：
计算出路段的交通拥堵指数后，一些宏观指标如全路网运行指数、分片区的运行指数、市区主要道路的运行指数等，均可按照不同道路在片区和全路网所占阈值设定。
全路网和片区
f--路段在片区和路网所占阈值
本发明中，对每个固定检测器，选取过去一个月的数据，把数据分成两组：通勤日周一到周五作为一组，休息日周六、周日作为另一组(可以进一步细分为夜间、高峰时段、节假日、交通管制、天气等)。对这两组数据分别构建模型。根据所要得到的交通状态级别，决定模型最终得到的簇(cluster)的数目以及每个簇的聚类中心点，五个簇分别代表五个交通状态等(1～5)。
一旦模型构建成功，就可以用来判别交通状态，基本原则就是计算要判别的数据点与五个聚类中心的欧氏距离，离哪个聚类中心最近，就把它归为哪个交通状态。
本发明有以下关键点：
道路路段的划分，根据设备提供的数据参数：如果检测设备只提供卡口行驶记录时，需要路段的入口和出口都必须有检测设备，形成一条封闭的路段，如果只有一方有设备，本模型无法计算；如果检测设备提供行驶速度时，可按设备安装位置划分路段，根据设备检测范围，路段长度不宜太长，路段中无十字路口，150～500米较为适宜。
检测设备的数据采集周期：以5～10分钟为采集周期，周期太短会导致有效数据太低，周期太长，会导致实时性太低，不能及时体现当前道路交通状况。
数据计算：将路段分为5级交通拥堵评价体系，以路段长度、行驶时间、速度、车道数、自由行驶速度、占有率、流量等参数，计算道路交通拥堵指数，宏观指标如全路网运行指数、分片区的运行指数、市区主要道路的运行指数等，均可按照道路在片区和全路网所占阈值设定。
本发明具有如下技术效果：
1、以路段长度、行驶时间、速度、车道数、自由行驶速度、占有率、流量等参数来计算路网的交通拥堵指数，用行驶延误时间来体现交通拥堵指数，让交通拥堵指数更接近驾驶人的拥堵感受。
2、根据道路拥堵指数的计算，可以为城市智能交通红绿灯信号控制器提供自动化的输入参数，实现了红绿灯自动化控制，提高了道路使用效率和交通管理部门工作效率。
3、本发明实现对道路实时运行情况的量化描述，可向城区建设的各类信息发布LED屏、手机地图APP等设备发布实时道路交通状况，让驾驶人感知实时路网交通状态，合理选择交通出行方式和安排的出行路线，提高出行效率。
4、让交通管理部门依据交通拥堵指数，动态跟踪和监测拥堵状态和变化趋势，识别诊断交通拥堵片区、路段和节点，及时制定和出台相关管理政策，合理安排和实施交通改善措施。
附图说明
图1为行驶速度变化曲线图
图2为有效流量变化曲线图；
图3为交通拥堵指数变化曲线图；
图4为本发明处理流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明。
以四川省绵阳市临园干道(临园口-岭南路口)为例，以流量和地点车速为基础指标根据上述模型计算实际TPI，进行模型验证工作。该路段为双向六车道，道路类型为主干道。5分钟为一个采集周期，固定检测器检测到的行驶时间(2018年4月13日7:00-19:00观测值，其中纵坐标为速度，横坐标为时间点)如图1所示，有效流量统计值如图2所示，根据速度、行驶时间参数计算出的指数如图3所示。
由图1、图2展示的结果，速度值越低，过车流量就越少，根据上节所阐述的模型计算出对应的交通拥堵指数值，与流量变化曲线基本相反，速度值越低，过车流量越少，拥堵指数就越大，车辆行驶延误时间就越长，交通状态就越拥堵，量化地体现了当前路段的拥堵状况。由此可知，在检测器数据有效的前提下，本发明可用于道路交通拥堵指数的计算，同时还必须以掌握的其他参数如流量、占有率等参数予以验证，这样才能够保证计算TPI值的准确性。四川省绵阳市道路交通拥堵指数计算结合本地实际情况，用不同参数计算TPI值，确定模型中可变参数的取值区间，计算出的结果结合实际交通运行状况反复验证，基本保持一致。
通过已经建设的非现场执法检测设备、卡口、测速、天网、流量检测、微波等检测设备提供的交通数据，进行交通数据融合及交通拥堵指数计算与分析，并以拥堵强度、范围、时间等进行交通拥堵指数评价，实现对路段、片区、全路网交通拥堵指数评价分析，实现信息统计、查询、分析、发布管理等功能。
处理流程方法如图4所示。
本发明还可以用于一个区域内整体的道路交通拥堵指数计算，比如四川省绵阳市道路交通拥堵指数部分计算结果，示例如下：
计算路段："1.绵州酒店->岭南"，时段：2018-4-18 16:30:00--2018-4-18 16:35:00
今天是工作日，标准通行速度：30KM/H，标准通行时间：50.64秒
有效数据：29条，无效数据：0条
交通指数：1.79890504984475
通行时间：61.7586206896552秒，通行速度：24.5989949748744KM/h
延误时间：11.1186206896552秒，延误倍数：0.219562019937898倍
计算路段："2.岭南->绵州酒店"，时段：2018-4-18 16:30:00--2018-4-18 16:35:00
今天是工作日，标准通行速度：35KM/H，标准通行时间：45.7714285714286秒
有效数据：47条，无效数据：1条
交通指数：1.52163519005498
通行时间：50.7446808510638秒，通行速度：31.5698113207547KM/h
延误时间：4.97325227963525秒，延误倍数：0.108654076021994倍
计算路段："3.通安巷->岭南"，时段：2018-4-18 16:30:00--2018-4-18 16:35:00
今天是工作日，标准通行速度：35KM/H，标准通行时间：21.1885714285714秒
有效数据：51条，无效数据：1条
交通指数：5.38817324844357
通行时间：38.3137254901961秒，通行速度：19.3559877175026KM/h
延误时间：17.1251540616246秒，延误倍数：0.808225987266535倍
计算路段："4.绵吴路口->御营大桥"，时段：2018-4-18 16:30:00--2018-4-1816:35:00
今天是工作日，标准通行速度：30KM/H，标准通行时间：34.44秒
有效数据：15条，无效数据：0条
交通指数：8.14860903711078
通行时间：82.9333333333333秒，通行速度：12.4581993569132KM/h
延误时间：48.4933333333333秒，延误倍数：1.40805265195509倍
计算路段："5.临园口->绵州酒店"，时段：2018-4-18 16:30:00--2018-4-18 16:35:00
今天是工作日，标准通行速度：30KM/H，标准通行时间：34.08秒
有效数据：36条，无效数据：3条
交通指数：1.97566184141888
通行时间：43.9722222222222秒，通行速度：23.2510423246999KM/h
延误时间：9.89222222222222秒，延误倍数：0.290264736567554倍
计算路段："6.绵州酒店->临园口"，时段：2018-4-18 16:30:00--2018-4-18 16:35:00
今天是工作日，标准通行速度：30KM/H，标准通行时间：28.8秒
有效数据：40条，无效数据：7条
交通指数：1.57118055555556
通行时间：32.5秒，通行速度：26.5846153846154KM/h
延误时间：3.7秒，延误倍数：0.128472222222222倍
计算路段："7.涪江二桥->丝厂路口"，时段：2018-4-18 16:30:00--2018-4-1816:35:00
今天是工作日，标准通行速度：35KM/H，标准通行时间：76.1142857142857秒
有效数据：14条，无效数据：0条
交通指数：1.78584834834835
通行时间：92.4285714285714秒，通行速度：28.822256568779KM/h
延误时间：16.3142857142857秒，延误倍数：0.214339339339339倍
尽管这里参照本发明的解释性实施例对本发明进行了描述，上述实施例仅为本发明较佳的实施方式，本发明的实施方式并不受上述实施例的限制，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (7)
1.基于固定检测设备的路段交通拥堵指数计算方法，其特征在于包括：
以5～10min为一个周期，对固定检测设备采集的数据进行比较和处理，得到时间周期内该路段具有代表性的速度值和行驶时间，然后利用拥堵指数计算公式将速度值和行驶时间换算成路段交通拥堵指数，得到当前路段的交通拥堵情况。
2.根据权利要求1所述基于固定检测设备的路段交通拥堵指数计算方法，其特征在于：
固定检测设备采集的数据包括行驶时间、速度、流量、占有率。
3.根据权利要求1所述基于固定检测设备的路段交通拥堵指数计算方法，其特征在于：
对采集时间周期内的数据进行分析和判断，如果在该时段内没有获得数据或获得多组数据，则说明数据丢失，进行修复处理。
4.根据权利要求1所述基于固定检测设备的路段交通拥堵指数计算方法，其特征在于：
对数据进行处理，包括对错误数据进行清洗；
错误数据是指不在(0,ymax)之间的数据，其中ymax是数据可能出现的最大值；对于每一类交通参数，都根据交通管理部门提供的经验值设定一个大致的范围，如果数据不在这个范围之内，则认为是错误数据要清洗。
5.根据权利要求1所述基于固定检测设备的路段交通拥堵指数计算方法，其特征在于：
数据比较和处理的具体步骤如下：
首先选取每个检测点过去一个月的数据作为样本数据；由于行驶时间、速度、流量、占有率的单位和数量都不同，因而首先需要归一化；用z-score方法对其作归一化处理；
假设样本数据集为S＝{(t1,q1,o1,v1),(ti,q2,o2,v2),…,(tn,qn,on,vn)}，其中(ti,qi,oi,vi)表示一个样本点，ti,qi,oi,vi分别代表行驶时间、流量，占有率和行驶速度，单位分别为秒、辆/秒、％、km/h；
按道路自由行驶速度行驶的时间：l代表路段长度，单位米；
检测设备提供行驶速度时：行驶时间的均值
检测设备无行驶速度，只提供卡口行驶记录时：行驶时间的均值
ti1--车辆驶入路段时间；ti2--车辆驶出路段时间；
行驶时间的方差
流量的均值流量的方差
占有率的均值占有率方差
速度的均值速度的方差
归一化后的输入参数格式为
6.根据权利要求5所述基于固定检测设备的路段交通拥堵指数计算方法，其特征在于：
路段交通拥堵指数计算公式为：
路段TPI的计算公式：
其中，
l--代表路段长度
Vj--道路自由行驶速度；是路段的历史速度数据的均值计算得到的，
a--拥堵等级分段函数自变量(分段按延误倍数0.3倍/等级)；
b--车辆通过路段行驶时间的延误倍数，
x--交通量的最小值，作为数据有效性参数(x≥6)；
bj--延误倍数的上限值(1.5)；
主要按照以下几个步骤进行：
确定模型参数值；选取某一城市路段，对路段的速度历史数据进行聚类分析，得出此路段自由行驶速度Vj，等于各临界拥堵等级对应的指数值，求得自由行驶速度行驶的时间T；
多源异构数据融合，得出代表性行驶速度；在时间汇集度内，对固定路段检测器和其它设备采集到的该路段的地点车速进行融合，对不同数据格式进行同一化转换，然后根据各检测器数据量的多少对行驶速度进行加权计算，得出具有路段典型代表性的行驶时间t；数据量很少的可以用插值法和同期历史数据补充，如果没有流量，则速度为自由行驶速度；
计算当前时间汇集度内的行驶时间延误倍数；将上一步得到的行驶时间平均值t代入公式，得到当前时间汇集度内的路段拥堵指数TPI；
模型参数修正；根据现场交通运行实际情况，和驾驶人出行感受，调节参数；先调节Vj的值，进行整体的粗调，然后对各拥堵水平对应的阈值Vj、x、a、bj进行微调，直至达到满意的结果。
7.根据权利要求6所述基于固定检测设备的路段交通拥堵指数计算方法，其特征在于：
计算出路段的交通拥堵指数后，一些宏观指标如全路网运行指数、分片区的运行指数、市区主要道路的运行指数等，均可按照不同道路在片区和全路网所占阈值设定；
全路网和片区
f--路段在片区和路网所占阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810449060.XA CN108629973A (zh) | 2018-05-11 | 2018-05-11 | 基于固定检测设备的路段交通拥堵指数计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810449060.XA CN108629973A (zh) | 2018-05-11 | 2018-05-11 | 基于固定检测设备的路段交通拥堵指数计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108629973A true CN108629973A (zh) | 2018-10-09 |
Family
ID=63692668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810449060.XA Pending CN108629973A (zh) | 2018-05-11 | 2018-05-11 | 基于固定检测设备的路段交通拥堵指数计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108629973A (zh) |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109190948A (zh) * | 2018-08-20 | 2019-01-11 | 北京航空航天大学 | 一种大型航空枢纽运行与城市交通拥堵的关联分析方法 |
| CN109191849A (zh) * | 2018-10-22 | 2019-01-11 | 北京航空航天大学 | 一种基于多源数据特征提取的交通拥堵持续时间预测方法 |
| CN109409708A (zh) * | 2018-10-12 | 2019-03-01 | 国网浙江省电力有限公司温州供电公司 | 基于大数据的红绿灯保供电优先排序算法 |
| CN109859467A (zh) * | 2019-01-30 | 2019-06-07 | 银江股份有限公司 | 一种交通模型中环境影响因子的挖掘分析方法 |
| CN110033479A (zh) * | 2019-04-15 | 2019-07-19 | 四川九洲视讯科技有限责任公司 | 基于交通监控视频的交通流参数实时检测方法 |
| CN110164133A (zh) * | 2019-06-13 | 2019-08-23 | 广东联合电子服务股份有限公司 | 节假日高速公路路网通行效率评估方法、电子设备、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 |
| CN110751848A (zh) * | 2019-10-24 | 2020-02-04 | 邓生毛 | 智能交通管理之主动干预系统 |
| CN111561942A (zh) * | 2019-02-13 | 2020-08-21 | 阿里巴巴集团控股有限公司 | 一种导航路线的确定方法及装置 |
| CN111613049A (zh) * | 2019-02-26 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 一种道路状态监测方法以及装置 |
| CN111899514A (zh) * | 2020-08-19 | 2020-11-06 | 陇东学院 | 一种人工智能的拥堵检测系统 |
| WO2020224445A1 (zh) * | 2019-05-08 | 2020-11-12 | 阿里巴巴集团控股有限公司 | 一种车流路径分布信息的处理方法、装置及电子设备 |
| CN111951551A (zh) * | 2020-08-10 | 2020-11-17 | 北京计算机技术及应用研究所 | 一种利用射频识别检测交通拥堵程度的方法 |
| CN112330953A (zh) * | 2020-10-10 | 2021-02-05 | 杭州翔毅科技有限公司 | 基于云数据的交通控制方法、装置、设备及存储介质 |
| CN112382100A (zh) * | 2020-11-02 | 2021-02-19 | 深圳市元征科技股份有限公司 | 路口安全通行方法及相关设备 |
| CN112396829A (zh) * | 2020-09-29 | 2021-02-23 | 南京莱斯信息技术股份有限公司 | 一种基于正向雷达数据的交叉口拥堵指数计算方法 |
| CN112819325A (zh) * | 2021-01-29 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 高峰时段确定方法、装置、电子设备和存储介质 |
| CN113066286A (zh) * | 2021-03-18 | 2021-07-02 | 河海大学 | 一种车路协同路网车辆运行风险路段判定方法和装置 |
| CN113129586A (zh) * | 2021-03-12 | 2021-07-16 | 中山大学 | 一种基于路段速度数据的平面交叉口整体运行评价方法 |
| CN113656526A (zh) * | 2021-08-20 | 2021-11-16 | 北京百度网讯科技有限公司 | 电子地图的实现方法、装置、电子设备和介质 |
| CN113903169A (zh) * | 2021-08-23 | 2022-01-07 | 深圳市金溢科技股份有限公司 | 一种交通优化方法、装置、电子设备及存储介质 |
| CN114120647A (zh) * | 2021-11-26 | 2022-03-01 | 阿波罗智联(北京)科技有限公司 | 交通数据处理方法、装置、电子设备和介质 |
| CN114999155A (zh) * | 2022-05-26 | 2022-09-02 | 南斗六星系统集成有限公司 | 一种车辆轨迹的拥堵评价方法、装置、设备及存储介质 |
| CN115410375A (zh) * | 2022-11-02 | 2022-11-29 | 华路易云科技有限公司 | 一种基于雷卡融合交通数据的融合交通指标集生成方法 |
| CN115527372A (zh) * | 2022-11-29 | 2022-12-27 | 湖南工商大学 | 一种基于全局最优的智能交通实时诱导可变信息系统 |
| CN115620522A (zh) * | 2022-10-21 | 2023-01-17 | 东南大学 | 基于实时交通数据的城市道路网动态通行能力计算方法 |
| CN116311990A (zh) * | 2023-03-27 | 2023-06-23 | 南京莱斯信息技术股份有限公司 | 一种基于互联网数据与检测数据融合的信号控制方法 |
| CN117334042A (zh) * | 2023-09-28 | 2024-01-02 | 东莞市东莞通股份有限公司 | 一种基于人工智能的智慧交通管理系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103150900A (zh) * | 2013-02-04 | 2013-06-12 | 合肥革绿信息科技有限公司 | 一种基于视频的交通拥堵事件自动检测方法 |
| CN104091440A (zh) * | 2014-07-02 | 2014-10-08 | 东南大学 | 基于道路等级和车辆类型的城市交通拥堵成本估算方法 |
| CN105261210A (zh) * | 2015-07-23 | 2016-01-20 | 合肥革绿信息科技有限公司 | 一种基于北斗装备的路段交通拥堵指数计算方法 |
| CN105869405A (zh) * | 2016-05-25 | 2016-08-17 | 银江股份有限公司 | 基于卡口数据的城市道路交通拥堵指数计算方法 |
| CN106713572A (zh) * | 2016-12-27 | 2017-05-24 | 广东欧珀移动通信有限公司 | 一种数据上报的控制方法、装置及终端 |
| CN107357840A (zh) * | 2017-06-23 | 2017-11-17 | 广东开放大学（广东理工职业学院） | 一种渔业大数据检测分析方法及系统 |
-
2018
- 2018-05-11 CN CN201810449060.XA patent/CN108629973A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103150900A (zh) * | 2013-02-04 | 2013-06-12 | 合肥革绿信息科技有限公司 | 一种基于视频的交通拥堵事件自动检测方法 |
| CN104091440A (zh) * | 2014-07-02 | 2014-10-08 | 东南大学 | 基于道路等级和车辆类型的城市交通拥堵成本估算方法 |
| CN105261210A (zh) * | 2015-07-23 | 2016-01-20 | 合肥革绿信息科技有限公司 | 一种基于北斗装备的路段交通拥堵指数计算方法 |
| CN105869405A (zh) * | 2016-05-25 | 2016-08-17 | 银江股份有限公司 | 基于卡口数据的城市道路交通拥堵指数计算方法 |
| CN106713572A (zh) * | 2016-12-27 | 2017-05-24 | 广东欧珀移动通信有限公司 | 一种数据上报的控制方法、装置及终端 |
| CN107357840A (zh) * | 2017-06-23 | 2017-11-17 | 广东开放大学（广东理工职业学院） | 一种渔业大数据检测分析方法及系统 |
Cited By (40)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109190948A (zh) * | 2018-08-20 | 2019-01-11 | 北京航空航天大学 | 一种大型航空枢纽运行与城市交通拥堵的关联分析方法 |
| CN109409708A (zh) * | 2018-10-12 | 2019-03-01 | 国网浙江省电力有限公司温州供电公司 | 基于大数据的红绿灯保供电优先排序算法 |
| CN109191849A (zh) * | 2018-10-22 | 2019-01-11 | 北京航空航天大学 | 一种基于多源数据特征提取的交通拥堵持续时间预测方法 |
| CN109859467A (zh) * | 2019-01-30 | 2019-06-07 | 银江股份有限公司 | 一种交通模型中环境影响因子的挖掘分析方法 |
| CN111561942A (zh) * | 2019-02-13 | 2020-08-21 | 阿里巴巴集团控股有限公司 | 一种导航路线的确定方法及装置 |
| CN111613049A (zh) * | 2019-02-26 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 一种道路状态监测方法以及装置 |
| CN111613049B (zh) * | 2019-02-26 | 2022-07-12 | 北京嘀嘀无限科技发展有限公司 | 一种道路状态监测方法以及装置 |
| CN110033479A (zh) * | 2019-04-15 | 2019-07-19 | 四川九洲视讯科技有限责任公司 | 基于交通监控视频的交通流参数实时检测方法 |
| CN110033479B (zh) * | 2019-04-15 | 2023-10-27 | 四川九洲视讯科技有限责任公司 | 基于交通监控视频的交通流参数实时检测方法 |
| WO2020224445A1 (zh) * | 2019-05-08 | 2020-11-12 | 阿里巴巴集团控股有限公司 | 一种车流路径分布信息的处理方法、装置及电子设备 |
| CN110164133A (zh) * | 2019-06-13 | 2019-08-23 | 广东联合电子服务股份有限公司 | 节假日高速公路路网通行效率评估方法、电子设备、介质 |
| 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 |
| 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 |
| CN110751848A (zh) * | 2019-10-24 | 2020-02-04 | 邓生毛 | 智能交通管理之主动干预系统 |
| CN110751848B (zh) * | 2019-10-24 | 2022-10-21 | 邓生毛 | 智能交通管理之主动干预系统 |
| CN111951551A (zh) * | 2020-08-10 | 2020-11-17 | 北京计算机技术及应用研究所 | 一种利用射频识别检测交通拥堵程度的方法 |
| CN111899514A (zh) * | 2020-08-19 | 2020-11-06 | 陇东学院 | 一种人工智能的拥堵检测系统 |
| CN112396829A (zh) * | 2020-09-29 | 2021-02-23 | 南京莱斯信息技术股份有限公司 | 一种基于正向雷达数据的交叉口拥堵指数计算方法 |
| CN112396829B (zh) * | 2020-09-29 | 2022-06-07 | 南京莱斯信息技术股份有限公司 | 一种基于正向雷达数据的交叉口拥堵指数计算方法 |
| CN112330953A (zh) * | 2020-10-10 | 2021-02-05 | 杭州翔毅科技有限公司 | 基于云数据的交通控制方法、装置、设备及存储介质 |
| CN112382100A (zh) * | 2020-11-02 | 2021-02-19 | 深圳市元征科技股份有限公司 | 路口安全通行方法及相关设备 |
| CN112819325A (zh) * | 2021-01-29 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 高峰时段确定方法、装置、电子设备和存储介质 |
| CN113129586A (zh) * | 2021-03-12 | 2021-07-16 | 中山大学 | 一种基于路段速度数据的平面交叉口整体运行评价方法 |
| CN113066286A (zh) * | 2021-03-18 | 2021-07-02 | 河海大学 | 一种车路协同路网车辆运行风险路段判定方法和装置 |
| CN113066286B (zh) * | 2021-03-18 | 2022-05-20 | 河海大学 | 一种车路协同路网车辆运行风险路段判定方法和装置 |
| CN113656526A (zh) * | 2021-08-20 | 2021-11-16 | 北京百度网讯科技有限公司 | 电子地图的实现方法、装置、电子设备和介质 |
| CN113656526B (zh) * | 2021-08-20 | 2023-12-22 | 北京百度网讯科技有限公司 | 电子地图的实现方法、装置、电子设备和介质 |
| CN113903169A (zh) * | 2021-08-23 | 2022-01-07 | 深圳市金溢科技股份有限公司 | 一种交通优化方法、装置、电子设备及存储介质 |
| CN113903169B (zh) * | 2021-08-23 | 2022-10-28 | 深圳市金溢科技股份有限公司 | 一种交通优化方法、装置、电子设备及存储介质 |
| CN114120647A (zh) * | 2021-11-26 | 2022-03-01 | 阿波罗智联(北京)科技有限公司 | 交通数据处理方法、装置、电子设备和介质 |
| CN114999155A (zh) * | 2022-05-26 | 2022-09-02 | 南斗六星系统集成有限公司 | 一种车辆轨迹的拥堵评价方法、装置、设备及存储介质 |
| CN114999155B (zh) * | 2022-05-26 | 2024-03-19 | 南斗六星系统集成有限公司 | 一种车辆轨迹的拥堵评价方法、装置、设备及存储介质 |
| CN115620522A (zh) * | 2022-10-21 | 2023-01-17 | 东南大学 | 基于实时交通数据的城市道路网动态通行能力计算方法 |
| CN115620522B (zh) * | 2022-10-21 | 2023-08-25 | 东南大学 | 基于实时交通数据的城市道路网动态通行能力计算方法 |
| CN115410375A (zh) * | 2022-11-02 | 2022-11-29 | 华路易云科技有限公司 | 一种基于雷卡融合交通数据的融合交通指标集生成方法 |
| CN115527372A (zh) * | 2022-11-29 | 2022-12-27 | 湖南工商大学 | 一种基于全局最优的智能交通实时诱导可变信息系统 |
| CN116311990A (zh) * | 2023-03-27 | 2023-06-23 | 南京莱斯信息技术股份有限公司 | 一种基于互联网数据与检测数据融合的信号控制方法 |
| CN116311990B (zh) * | 2023-03-27 | 2023-12-22 | 南京莱斯信息技术股份有限公司 | 一种基于互联网数据与检测数据融合的信号控制方法 |
| CN117334042A (zh) * | 2023-09-28 | 2024-01-02 | 东莞市东莞通股份有限公司 | 一种基于人工智能的智慧交通管理系统及方法 |
| CN117334042B (zh) * | 2023-09-28 | 2024-05-24 | 东莞市东莞通股份有限公司 | 一种基于人工智能的智慧交通管理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108629973A (zh) | 基于固定检测设备的路段交通拥堵指数计算方法 | |
| CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
| WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
| CN102968901B (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
| CN100456335C (zh) | 基于交通流相特征的城市交通系统状态可视化评价方法及其应用 | |
| CN103903433B (zh) | 一种道路交通状态的实时动态判别方法及装置 | |
| CN106816008B (zh) | 一种道路拥堵预警及拥堵形成时间预测方法 | |
| CN106781490A (zh) | 城市道路交通运行分析评价系统 | |
| Jang et al. | Evaluation of pedestrian safety: Pedestrian crash hot spots and risk factors for injury severity | |
| CN107085943B (zh) | 一种道路旅行时间短期预测方法和系统 | |
| CN105355049B (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
| CN106816009A (zh) | 高速公路实时交通拥堵路况检测方法及其系统 | |
| CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
| CN101739828A (zh) | 结合路面交通与天气状态的城市交通区域拥塞判定方法 | |
| CN110633558B (zh) | 一种城市交通系统建模系统 | |
| CN112950946B (zh) | 一种市政道路施工期交通拥堵原因判别方法 | |
| Yang et al. | Impact of weather on freeway origin-destination volume in China | |
| CN104778835A (zh) | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 | |
| CN108648445A (zh) | 基于交通大数据的动态交通态势预测方法 | |
| CN113112789B (zh) | 城市快速路突发事件的影响预测及管控方法 | |
| CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
| CN105046983A (zh) | 一种基于车路协同的交通流量预测系统及方法 | |
| CN109785627A (zh) | 一种十字路口交通流量监控系统 | |
| CN114005275B (zh) | 一种基于多数据源融合的高速公路车辆拥堵判别方法 | |
| CN105931463A (zh) | 基于交通场面雷达的路段交通运行指数计算方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181009 |