CN108629975A - 高速公路交通流数据的质量评价方法 - Google Patents
高速公路交通流数据的质量评价方法 Download PDFInfo
- Publication number
- CN108629975A CN108629975A CN201810506834.8A CN201810506834A CN108629975A CN 108629975 A CN108629975 A CN 108629975A CN 201810506834 A CN201810506834 A CN 201810506834A CN 108629975 A CN108629975 A CN 108629975A
- Authority
- CN
- China
- Prior art keywords
- quality
- data
- index
- highway
- route
- 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
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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种高速公路交通流数据的质量评价方法。该方法包括:将高速公路的路段作为研究对象,构建高速公路交通流数据的点层面的数据质量评价指标体系,实现对高速公路的路段的交通流数据质量评价;将高速公路的某条路线作为研究对象,构建线层面的数据质量评价指标体系,通过对路线上所有路段的交通流数据质量综合评价,实现对某条路线的交通流数据质量评价;将高速公路的路网中所有路线作为研究对象,构建面层面的数据质量评价指标体系,通过对路网中所有路线的交通流数据质量综合评价,实现对整个路网的交通流数据质量评价。本发明可以从微观、中观、宏观多层次方面进行高速公路交通流数据的质量评价。
Description
技术领域
本发明涉及公路交通管理技术领域,尤其涉及一种高速公路交通流数据 的质量评价方法。
背景技术
交通流数据质量评价能够实时地掌握高速公路交通流数据变化情况,以 便提高高速公路交通流数据质量,为交通管理部门进行交通调查站点的布局 规划与设备维护提供方法参考,为交通管理决策、出行信息服务的制定和实 施提供高质量数据支持。
目前,现有技术中的交通流数据质量评价研究方法大多基于微观交通流 数据进行质量评价,没有从中观和宏观上分析路线或路网数据质量情况,缺 乏微观、中观、宏观等多层次的交通流数据质量评价指标体系研究。
发明内容
本发明的实施例提供了一种高速公路交通流数据的质量评价方法,以实 现从微观、中观、宏观多层次方面进行高速公路交通流数据的质量评价。
为了实现上述目的,本发明采取了如下技术方案。
一种高速公路交通流数据的质量评价方法,包括:
将高速公路的路段作为研究对象,构建高速公路交通流数据的点层面的 数据质量评价指标体系,实现对高速公路各断面检测设备采集的路段的交通 流数据质量评价;
将高速公路的某条路线作为研究对象,构建高速公路交通流数据的线层 面的数据质量评价指标体系,通过对路线上所有路段的交通流数据质量综合 评价,实现对所述某条路线的交通流数据质量评价;
将高速公路的路网中所有路线作为研究对象,构建高速公路交通流数据 的面层面的数据质量评价指标体系,通过对路网中所有路线的交通流数据质 量综合评价,实现对整个路网的交通流数据质量评价。
进一步地,所述路段由高速公路各断面检测设备的观测里程划分而成, 路线长度为起点到终点所覆盖的全部里程。
进一步地,所述点层面的数据质量评价指标体系包含3个一级指标:表述 质量、内容质量和用户质量,所述一级指标表述质量包含2个二级指标:规范 性和属性完整性,所述一级指标内容质量包含5个二级指标:精确性、有效 性、实时性、内容完整性和覆盖性,所述一级指标用户质量包含2个二级指 标:可信性和实用性。
进一步地,所述线层面的数据质量评价指标体系中包含的指标内容与所 述点层面的数据质量评价指标体系中包含的指标内容相同,所述线层面的数 据质量评价指标体系中的指标的指标值基于路线上所有路段的点层面的数据 质量评价结果经过加权计算合成,每个路段的权重值为该路段长度与其所属 路线上全部路段总长度的比值。
进一步地,所述的线层面的数据质量评价指标体系中的指标的指标值基 于路线上所有路段的点层面的数据质量评价结果经过加权计算合成,每个路 段的权重值为该路段长度与其所属路线上全部路段总长度的比值,包括:
线层面的某条线路的数据质量综合评判集的计算公式如下:
式中,IQ——观测路线的数据质量综合评判集;
Ai——观测路线中路段i的权重(%);
Bsegment i——观测路线中路段i的数据质量综合评判集。
其中,Ai的值为路段i的观测里程占观测路线总长度的百分比,计算公式 如下式:
式中,lcoverage——检测器观测里程;
ltotal——观测路线总长度;
基于最大隶属度原则,若综合评判集中则所述观测路线的 线层面的数据质量综合评价等级属于第r等级。
进一步地,所述面层面的数据质量评价指标体系中包含的指标内容与所 述点层面的数据质量评价指标体系中包含的指标内容相同,所述面层面的数 据质量评价指标体系中的指标的指标值基于路网中所有路线的线层面的数据 质量评价结果经过加权计算合成,每条路线的权重值为该路线长度与其所属 路网中的全部路线总长度的比值。
进一步地,所述的面层面的数据质量评价指标体系中的指标的指标值基 于路网中所有路线的线层面的数据质量评价结果经过加权计算合成,每条路 线的权重值为该路线长度与其所属路网中的全部路线总长度的比值,包括:
面层面的整个路网的数据质量综合评判集的计算公式如下:
式中,MQnetwork——整个路网的数据质量综合评判集;
α、IQi、m1——分别表示路网中高速公路权重、高速公路每条路线数据 质量综合评判集、高速公路总路线数;
β、IQj、m2——分别表示路网中一级公路权重、一级公路每条路线数据 质量综合评判集、一级公路总路线数;
χ、IQk、m3——分别表示路网中二级公路权重、二级公路每条路线数据 质量综合评判集、二级公路总路线数;
δ、IQl、m4——分别表示路网中三级公路权重、三级公路每条路线数据 质量综合评判集、三级公路总路线数;
φ、IQh、m5——分别表示路网中四级公路权重、四级公路每条路线数据 质量综合评判集、四级公路总路线数。
基于最大隶属度原则,若综合评判集中则整个路网的面层面 的数据质量综合评价等级属于第r等级。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例通过建 立包括:点、线、面三个层面的数据质量评价指标体系,分别对应路段、路 线和路网三个层面,可以实现从表述质量、内容质量和用户质量三个方面, 协助高速公路管理人员对高速公路交通流数据质量进行微观、中观和宏观角 度的评价,能够帮助高速公路管理人员实现高速公路高效化、精细化、安全 化管理。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的 描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所 需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发 明的一些实施例,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为本发明实施例提供的一种高速公路交通流数据的质量评价方法的实 现原理图;
图2为本发明实施例提供的一种数据质量评价指标体系中的“点”层面的 具体指标内容示意图;
图3为高速公路交通流数据“线”层面数据质量评价过程;
图4为高速公路交通流数据“面”层面数据质量评价过程。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出, 其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功 能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发 明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式 “一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解 的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步 骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、 整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被 “连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或 者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无 线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项 的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语 (包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一 般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该 被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一 样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例 做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例基于高速公路交通流数据质量分析,从微观、中观、宏观 等多层次提出一种集点、线、面三维一体的交通流数据质量评价指标体系, 并结合基于此评价指标体系的层次分析—模糊综合评价方法,对路段、路 线、路网三个不同维度的高速公路交通流数据质量进行刻画。
上述评价指标体系分为点、线、面三个层次,即“点”层面数据质量评 价指标体系、“线”层面数据质量评价指标体系和“面”层面数据质量评价 指标体系。
图1为本发明实施例提供的一种高速公路交通流数据的质量评价方法的实 现原理图,包括如下的处理过程:
一、首先从微观视角考虑,以一个检测器的观测里程为一个路段进行 “点”层面数据质量评价。此层面的数据质量评价指标体系将高速公路路段 作为研究对象,实现“点”层面数据质量评价,能够对检测设备采集的交通 流数据质量进行实时评估。上述路段是由高速公路各断面检测设备的观测里 程划分而成。
“点”层面数据质量评价指标体系的评价内容包含3个一级指标:表述质 量、内容质量和用户质量。一级指标的表述质量包含2个二级指标,即规范性 和属性完整性;一级指标的内容质量包含5个二级指标,即精确性、有效性、 实时性、内容完整性和覆盖性;一级指标的用户质量包含2个二级指标,即可 信性和实用性。
步骤1,确定数据质量各指标权重:
图1所示的数据质量评价指标体系中的“点”层面的具体指标内容如附图 2所示。各个指标的定义及计算方法如下:
(1)表述质量
①规范性(Normalization)
定义:数据的格式和表示方法是否符合字段统一规范标准,若符合字段 统一标准则合格,否则不合格。例如,数据采集日期应为时间格式,却用文 字表示(格式错误)。
通常用百分比表示数据的规范程度,其计算公式如下所示。
式中,fi,j——第i行的第j个属性值的规范性指标值;fi——第i行的数 据规范程度;ai,j——表示第i行的第j个属性值;Fj——第j个数据表述属性 的参考标准;M——数据的属性个数;N——每类数据样本量。
②属性完整性(Attribute Integrity,简称AI)
定义:描述对象的某个属性信息是否缺失,例如,数据检测器的起始站 点名称的缺失。计算公式如下所示。
式中,ci,j——第i行的第j个属性值的完整性指标值;ci——第i行数据的 完整率;ai,j——表示第i行的第j个属性值;m——数据的属性个数;n——每 类数据样本量。
(2)内容质量
①数据的精确性(Accuracy)
定义:数据值与参考的真实数据值之间的一致性程度。通常使用以下三 个误差量表示数据的精确程度。
a.平均绝对百分比误差(MAPE)
式中,xi——实际监测数据值;xreal——参考的真实数据值;n——监测 数据总量。
b.平均百分比误差(MPE)
式中,xi——实际监测数据值;xreal——参考的真实数据值;n——监测 数据总量。
c.均方根误差(RMSE)
式中,xi——实际监测数据值;xreal——参考的真实数据值;n——监测 数据总量。
这里RMSE也可以用百分比表示:
在进行数据精确性评价时,可选择上述任一指标对交通流数据质量进行 精确性评价。其中,MAPE和MPE均以百分数形式表示,两个指标均可以判断交 通流数据中是否存在一致性偏差。RMSE是许多统计软件应用中通常使用的误 差公式。
精确性指标计算需要交通流准确数据作为基准数据,通常有两种确定基 准数据方法。方法一:如果能够获取高速公路交通流视频数据,则将视频数 据作为基准数据;方法二:如果无法获取高速公路交通流视频数据,则将通 过国家认证机构检测的设备所采集的数据作为基准数据。
②有效性(Valid)
定义:同一类检测数据中符合验证标准、判别准则或落在可接受范围内 的数据量占实际数据样本量的百分比。计算公式如下所示。
式中,nvalid——符合验证标准、判别准则或落在可接受范围内的数据量;nreal——实际数据样本量。
③内容完整性(Content Completeness,简称CC)
定义:同一检测器获取的实际数据占总数据量的百分比。
完整性通常用于度量数据是否完整,是否有数据缺失。例如,交通数据 的采集时间间隔为5min,1小时应存在12个时刻点数据,而当前表中只有9个 时刻点数据,缺失了3个时刻点数据,记录完整性为75%。计算公式如下所 示。
式中,nreal——实际获得的交通数据量;ntatal——理论应获取交通数据样 本量。
实际使用过程中,不同的应用性对数据的完整性要求也不同。比如,西 北地区白天货运量较少,晚上货运量较大,白天数据的缺失对西北地区的交 通规划影响不大,但晚上交通数据的不完整将对其产生一定的影响。对社会 公众进行交通出行诱导时,高峰时期数据的缺失将会影响交通管理者所做的 决策。
④实时性(Timeliness)
定义:在规定时间范围内提供采集数据值到目的地的程度。
实际使用过程中,道路交通检测器将道路原始数据按照设定的统计时间 间隔(如5min、1min或20s等)由通讯系统上传至相应的数据中心,期间会经 由通讯站进行转接处理,数据中心将接收到的原始数据进行预处理,最后存 入数据库,实现用户的查询和使用。从原始数据的采集到存入数据库的整个 过程需要花费一定的时间,称为通信时延。在应用系统正常运行过程中,该 时间应该有一个设定的预期值(即通信时延的阈值)。如果超过该阈值,则 为数据上传延迟。延迟的数据不能满足应用系统的实时数据需求,会对交通 管理与控制带来一定的影响。
实时性可以用以下两个指标或其中之一进行衡量:
a.在可接受时间范围内接收的数据量占理论应获得数据量的百分比 (PercentTimely Data,简称PTD);
式中,non-time——在可接受时间范围内接收的数据量;ntotal——理论应获 得数据量。
b.数据的平均延误(Average Delay,简称AD)。
式中,nlate——延迟数据总量;tlate——延迟数据的传输时间;texpected—— 通信时延的阈值。
实时性评价指标的前提是需要获取数据的实际采集时间和读入目的地数 据库的时间。
⑤覆盖性(Coverage)
定义:本文覆盖性指所评价路段的检测器是否能正常工作获取数据。检 测器正常工作即覆盖度为100%,否则为0。
(3)用户质量
①可信度(Reliability)
可信度定义:使用者认为交调数据与道路实际情况的相符程度,分为完 全相符、基本相符、略有差异和不太相符4种情况,通常用百分比表示。通过 对数据使用者的调查反馈结果确定数据可信度。
②实用性(Utility)
实用性定义:数据对数据使用者所开展业务的帮助程度,分为有很大帮 助、较有帮助、帮助不大核没有帮助4种情况,通常用百分比表示。通过对数 据使用者的调查反馈确定数据实用性。
其次,构造两两比较的判断矩阵。建立阶梯型层次评价指标体系后,基 于上下层之间的从属关系,构造判断矩阵。即以上一层某元素指标为固定准 则,通过两两比较下一层次因素指标对该层相对重要程度,并给出数量标 度,采用T.L.Sssty教授提出的1~9标度法对判断矩阵进行标度。
根据9标度法能够得到同一层n个元素之间的相对重要性,从而建立判断 矩阵:
再次,基于上述得出的判断矩阵,进行归一化处理同时求得最大特征向 量,即为各因素的权重,w=[w1,w2,L,wn]。对于多层评价体系,可由上至下依 次确定各个因素指标对上一层因素指标的权重,最后得出各层次因素相对于 对目标层的权重。
最后,校验判断矩阵的一致性。由于判断矩阵是基于不同个体依据经验 所得,难免出现意见相左、判断失误等情况,因此有必要对判断矩阵进行一 致性校验以确保判断矩阵的合理性。通常一致性检验包括一致性指标、随机 一致性指标和随机一致性比率三种。
(1)一致性指标(Consistency Index,简称C.I.指标):
式中,λmax——特征矩阵的最大特征根;n——指标个数(个)。
其中,特征矩阵的最大特征根定义如下:
式中,A——判断矩阵;W——指标权重。
一致性指标(C.I.)的值越小,说明判断矩阵越接近完全一致性;C.I. 越大,说明判断矩阵偏离完全一致性程度越大,通常随着判断矩阵阶数的增 大,人为造成的偏离完全一致性指标C.I.的值越大。
随机一致性指标(Random Index,简称R.I.指标):
对于多阶判断矩阵,引入平均随机一致性指标R.I.,表1给出了1-10阶正 互反矩阵计算1000次得到的平均随机一致性指标。
表1 1-10阶平均随机一致性指标
(3)随机一致性比率(Consistency Ratio,简称C.R.指标):
判断矩阵的一致性指标C.I.与同阶随机一致性指标R.I.的比值称为随机一 致性比率。当C.R.<0.10时,认为判断矩阵具有可以接受的一致性;否则,需 要对判断矩阵进行调整和修正,直至具有满意的一致性为止。
步骤2,确定隶属度函数:确定模糊关系矩阵的关键是确定各评价指标的 隶属度函数,通常隶属度函数的构造方法是基于各因素指标的特征得来,如 基于大量历史数据的分布规律或行业内广泛认可、约定俗成的划分标准。本 发明中选用梯形函数,基于对于大量历史数据的频率统计结果以及问卷调查 来确定各个评价指标的隶属度函数。本发明中确定的高速公路交通流数据质 量评价集合为:V={v1,v2,v3,v4}={优,良,中,差}。
具体隶属度函数构建方式存在如下两类:
(1)批量计算出每条历史数据的各指标值,并对指标值进行频率统计, 得出累积百分比。将指标值依照一定的累计百分比区间,划分成“优”、 “良”、“中”、“差”四个等级,并在四个等级之间设置过度阶段,以使 分级结果更加客观。由此得到一些累计百分比点位,根据这些累计百分比点 位的指标值来确定隶属度函数,由于指标分成了优、良、中、差四个等级, 因此需要为这些等级确定四个隶属度函数,隶属度函数的形态可以选用梯形 函数或三角函数等。
一级指标表述质量下的所有二级指标(2个)及内容质量下的所有二级指 标(5个)均采用此方式确定隶属度函数。
(2)通过问卷调查的方式对指标隶属度值进行确定。计算选择各等级的 人数所占受调查总人数的百分比,求得指标各个等级的隶属度值。
一级指标用户质量下的所有二级指标(2个)均采用此方式确定隶属度函 数。
步骤3,确定模糊关系矩阵:得出某一评价指标U对评价集V的隶属程度 后,可得到整个评价体系的模糊矩阵:
式中,rij为数据质量评价指标ui对数据质量评价集vi的隶属度。模糊矩阵 体现了每一个数据质量评价指标对每一级数据质量的隶属程度。
步骤4,确定评价结果:
利用模糊合成算子中的“乘积加和算子”将数据质量指标权重与 模糊关系矩阵进行合并,得到最终的综合评判集。具体方法计算如下:
式中,B为交通流数据质量综合评判集,W为交通流数据质量指标权重,R 为交通流数据质量模糊关系矩阵。
基于最大隶属度原则,若综合评判集中则被评价对象“点” 层面数据质量综合评价等级属于第r等级。
二、然后,在中观层面(即“线”层面)上的数据质量评价指标体系将 高速公路某一路线作为研究对象,以路线中包括的路段为基本作用单元,通 过对路线上所有基本路段交通流数据质量的综合评价,实现整个路线的数据 质量评价。路线长度为起点到终点所覆盖的全部里程,或省/自治区内某路线 起终点覆盖里程。
“线”层面上的指标内容与“点”层面的数据质量评价指标体系内容相 同,但是其指标值是基于该路线上所有路段的“点”层面数据质量评价结果 经过加权计算合成。每个路段的权重值为该路段长度与其所属路线全部路段 总长度的比值。结合路段长度所占比重,对路线内所有路段的“点”层面数 据质量评价结果进行加权计算,得到该路线的“线”层面数据质量综合评判 集。
图3为高速公路交通流数据“线”层面数据质量评价过程,计算公式如 下:
式中,IQ——观测路线的数据质量综合评判集;
Ai——观测路线中路段i的权重(%);
Bsegment i——观测路线中路段i的数据质量综合评判集。
其中,Ai的值为路段i的观测里程占观测路线总长度的百分比,计算公式 如下式:
式中,lcoverage——检测器观测里程;
ltotal——观测路线总长度。
基于最大隶属度原则,若综合评判集中则被评价对象观测 路线的“线”层面数据质量综合评价等级属于第r等级。
三、最后,在宏观层面(即“面”层面)上得数据质量评价指标体系将 全国或某一指定区域内(省/自治区)高速公路路网作为研究对象,以路网中 包括的路线为基本作用单元,通过对路网中所有基本路线的交通流数据质量 综合评价,实现整个路网的数据质量评价。
“面”层面的上指标内容与“点”层面数据质量评价指标体系内容,但 是其指标值是基于该区域路网内所有路线的“线”层面数据质量评价结果经 过加权计算合成。每条路线的权重值为该路线长度与其所属路网全部路线总 长度的比值。结合路线长度所占比重,对区域内所有路线的“线”层面数据 质量评价结果进行加权计算,得到该区域的“面”层面数据质量综合评判 集。
图4为高速公路交通流数据“面”层面数据质量评价过程,计算公式如 下:
式中,MQnetwork——路网数据质量综合评判集;
α、IQi、m1——分别表示路网中高速公路权重、高速公路每条路线数据 质量综合评判集、高速公路总路线数;
β、IQj、m2——分别表示路网中一级公路权重、一级公路每条路线数据 质量综合评判集、一级公路总路线数;
χ、IQk、m3——分别表示路网中二级公路权重、二级公路每条路线数据 质量综合评判集、二级公路总路线数;
δ、IQl、m4——分别表示路网中三级公路权重、三级公路每条路线数据 质量综合评判集、三级公路总路线数;
φ、IQh、m5——分别表示路网中四级公路权重、四级公路每条路线数据 质量综合评判集、四级公路总路线数。
基于最大隶属度原则,若综合评判集中则被评价对象“面” 层面数据质量综合评价等级属于第r等级。
四、得出高速公路交通流数据质量综合评价等级后,将地图相应路段/路 线/路网用不同粗细线条来表征交通流数据质量等级。若是对“点”层面的高 速公路交通流数据进行数据质量评价,因此分级粗细线条的显示单位为路 段。若是进行“线”层面数据质量评价,则分级粗细线条的显示单位应为整 条路线;若是进行“面”层面数据质量评价,则分级粗细线条的显示单位应 为整个区域路网。
综上所述,本发明实施例通过建立包括:点、线、面三个层面的数据质 量评价指标体系,分别对应路段、路线和路网三个层面,可以实现从表述质 量、内容质量和用户质量三个方面,协助高速公路管理人员对高速公路交通 流数据质量进行微观、中观和宏观角度的评价,能够帮助高速公路管理人员 实现高速公路高效化、精细化、安全化管理。
本发明实施例所提出的高速公路路网交通流数据质量评价方法,可为交 通管理者实时掌握交通流的数据完整性、有效性提供支持,通过数据质量控 制提高交通流的数据质量,为其采取更加合理的交通管理决策和出行信息服 务提供支持。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中 的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到 本发明可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品 的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁 碟、光盘等,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或者实施例的某些部分所 述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同 相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同 之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例, 所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描 述的装置及系统实施例仅仅是示意性的,其中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模块来实现本实施例方案 的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并 实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不 局限于此,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,可 轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明 的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种高速公路交通流数据的质量评价方法,其特征在于,包括:
将高速公路的路段作为研究对象,构建高速公路交通流数据的点层面的数据质量评价指标体系,实现对高速公路各断面检测设备采集的路段的交通流数据质量评价;
将高速公路的某条路线作为研究对象,构建高速公路交通流数据的线层面的数据质量评价指标体系,通过对路线上所有路段的交通流数据质量综合评价,实现对所述某条路线的交通流数据质量评价;
将高速公路的路网中所有路线作为研究对象,构建高速公路交通流数据的面层面的数据质量评价指标体系,通过对路网中所有路线的交通流数据质量综合评价,实现对整个路网的交通流数据质量评价。
2.根据权利要求1所述的方法,其特征在于,所述路段由高速公路各断面检测设备的观测里程划分而成,路线长度为起点到终点所覆盖的全部里程。
3.根据专利要求2所述的方法,其特征在于,所述点层面的数据质量评价指标体系包含3个一级指标:表述质量、内容质量和用户质量,所述一级指标表述质量包含2个二级指标:规范性和属性完整性,所述一级指标内容质量包含5个二级指标:精确性、有效性、实时性、内容完整性和覆盖性,所述一级指标用户质量包含2个二级指标:可信性和实用性。
4.根据专利要求3所述的方法,其特征在于,所述线层面的数据质量评价指标体系中包含的指标内容与所述点层面的数据质量评价指标体系中包含的指标内容相同,所述线层面的数据质量评价指标体系中的指标的指标值基于路线上所有路段的点层面的数据质量评价结果经过加权计算合成,每个路段的权重值为该路段长度与其所属路线上全部路段总长度的比值。
5.根据专利要求4所述的方法,其特征在于,所述的线层面的数据质量评价指标体系中的指标的指标值基于路线上所有路段的点层面的数据质量评价结果经过加权计算合成,每个路段的权重值为该路段长度与其所属路线上全部路段总长度的比值,包括:
线层面的某条线路的数据质量综合评判集的计算公式如下:
式中,IQ——观测路线的数据质量综合评判集;
Ai——观测路线中路段i的权重(%);
Bsegmenti——观测路线中路段i的数据质量综合评判集。
其中,Ai的值为路段i的观测里程占观测路线总长度的百分比,计算公式如下式:
式中,lcoverage——检测器观测里程;
ltotal——观测路线总长度;
基于最大隶属度原则,若综合评判集中则所述观测路线的线层面的数据质量综合评价等级属于第r等级。
6.根据专利要求4所述的方法,其特征在于,所述面层面的数据质量评价指标体系中包含的指标内容与所述点层面的数据质量评价指标体系中包含的指标内容相同,所述面层面的数据质量评价指标体系中的指标的指标值基于路网中所有路线的线层面的数据质量评价结果经过加权计算合成,每条路线的权重值为该路线长度与其所属路网中的全部路线总长度的比值。
7.根据专利要求6所述的方法,其特征在于,所述的面层面的数据质量评价指标体系中的指标的指标值基于路网中所有路线的线层面的数据质量评价结果经过加权计算合成,每条路线的权重值为该路线长度与其所属路网中的全部路线总长度的比值,包括:
面层面的整个路网的数据质量综合评判集的计算公式如下:
式中,MQnetwork——整个路网的数据质量综合评判集;
α、IQi、m1——分别表示路网中高速公路权重、高速公路每条路线数据质量综合评判集、高速公路总路线数;
β、IQj、m2——分别表示路网中一级公路权重、一级公路每条路线数据质量综合评判集、一级公路总路线数;
χ、IQk、m3——分别表示路网中二级公路权重、二级公路每条路线数据质量综合评判集、二级公路总路线数;
δ、IQl、m4——分别表示路网中三级公路权重、三级公路每条路线数据质量综合评判集、三级公路总路线数;
φ、IQh、m5——分别表示路网中四级公路权重、四级公路每条路线数据质量综合评判集、四级公路总路线数。
基于最大隶属度原则,若综合评判集中则整个路网的面层面的数据质量综合评价等级属于第r等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810506834.8A CN108629975B (zh) | 2018-05-24 | 2018-05-24 | 高速公路交通流数据的质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810506834.8A CN108629975B (zh) | 2018-05-24 | 2018-05-24 | 高速公路交通流数据的质量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108629975A true CN108629975A (zh) | 2018-10-09 |
CN108629975B CN108629975B (zh) | 2020-09-15 |
Family
ID=63690368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810506834.8A Active CN108629975B (zh) | 2018-05-24 | 2018-05-24 | 高速公路交通流数据的质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108629975B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109631928A (zh) * | 2019-01-31 | 2019-04-16 | 南京林业大学 | 一种综合舒适度和出行距离的非机动车导航方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739814A (zh) * | 2009-11-06 | 2010-06-16 | 吉林大学 | 基于scats线圈数据的交通状态在线定量评价与预测方法 |
CN103605492A (zh) * | 2013-11-28 | 2014-02-26 | 中国科学院深圳先进技术研究院 | 一种自适应语言训练方法和平台 |
CN104134349A (zh) * | 2014-08-07 | 2014-11-05 | 北京航空航天大学 | 一种基于交通多源数据融合的公交路况处理系统及方法 |
CN104318772A (zh) * | 2014-10-31 | 2015-01-28 | 重庆大学 | 高速公路交通流数据质量检测方法 |
US8972192B2 (en) * | 2007-09-25 | 2015-03-03 | Here Global B.V. | Estimation of actual conditions of a roadway segment by weighting roadway condition data with the quality of the roadway condition data |
CN106503206A (zh) * | 2016-10-26 | 2017-03-15 | 国家电网公司 | 一种基于熵权法的通用数据质量评估方法 |
DE102015119545A1 (de) * | 2015-11-12 | 2017-05-18 | Fachhochschule Stralsund | Verfahren zur Überwachung der Datenqualität einer Fernbefundungskommunikation |
-
2018
- 2018-05-24 CN CN201810506834.8A patent/CN108629975B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8972192B2 (en) * | 2007-09-25 | 2015-03-03 | Here Global B.V. | Estimation of actual conditions of a roadway segment by weighting roadway condition data with the quality of the roadway condition data |
CN101739814A (zh) * | 2009-11-06 | 2010-06-16 | 吉林大学 | 基于scats线圈数据的交通状态在线定量评价与预测方法 |
CN103605492A (zh) * | 2013-11-28 | 2014-02-26 | 中国科学院深圳先进技术研究院 | 一种自适应语言训练方法和平台 |
CN104134349A (zh) * | 2014-08-07 | 2014-11-05 | 北京航空航天大学 | 一种基于交通多源数据融合的公交路况处理系统及方法 |
CN104318772A (zh) * | 2014-10-31 | 2015-01-28 | 重庆大学 | 高速公路交通流数据质量检测方法 |
DE102015119545A1 (de) * | 2015-11-12 | 2017-05-18 | Fachhochschule Stralsund | Verfahren zur Überwachung der Datenqualität einer Fernbefundungskommunikation |
CN106503206A (zh) * | 2016-10-26 | 2017-03-15 | 国家电网公司 | 一种基于熵权法的通用数据质量评估方法 |
Non-Patent Citations (3)
Title |
---|
施莉娟 等: "基础交通数据质量评价研究", 《交通信息与安全》 * |
朱富晓 等: "多层次多粒度OSM路网目标数据质量综合评估方法研究", 《地球信息科学》 * |
牛世峰 等: "交通数据质量宏观评价与控制方法", 《公路》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109631928A (zh) * | 2019-01-31 | 2019-04-16 | 南京林业大学 | 一种综合舒适度和出行距离的非机动车导航方法 |
CN109631928B (zh) * | 2019-01-31 | 2022-08-26 | 南京林业大学 | 一种综合舒适度和出行距离的非机动车导航方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108629975B (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299438B (zh) | 一种基于网约车数据的公共交通设施供给水平评价方法 | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
EP3249555A1 (en) | Method for delineating metropolitan area based on regional inter-city flow intensity measuring model | |
CN108430069A (zh) | 一种v2x网络性能测试及综合评价分析方法 | |
KR101375441B1 (ko) | 도시재생 종합정보시스템 | |
CN110929939B (zh) | 一种基于聚类-信息量耦合模型下的滑坡灾害易发性空间预测方法 | |
CN110210873A (zh) | 一种电力市场市场主体市场化交易行为信用评价方法 | |
CN109359844B (zh) | 一种多层次地铁运营安全风险测量方法 | |
CN110119874A (zh) | 一种对铁路客运站运输服务能力进行评价的方法以及动态监测装置 | |
CN109447459A (zh) | 一种考虑指标质量影响权重的电能质量综合评估方法 | |
Tabucanon et al. | Multiple criteria evaluation of transportation system improvement projects: The case of Korea | |
CN112418690A (zh) | 一种用于城市体检指标的分析诊断方法及系统 | |
CN108876487A (zh) | 一种基于大数据及智能决策机制的工业地块估计方法 | |
CN105654574A (zh) | 基于车载设备的驾驶行为评估方法及装置 | |
CN110399364A (zh) | 一种基于多种公路检测器数据的数据融合方法 | |
CN114565207A (zh) | 一种融合属性数据和流动数据的城市群高质量发展监测评估方法 | |
CN108629975A (zh) | 高速公路交通流数据的质量评价方法 | |
CN114118793A (zh) | 一种地方交易所风险预警方法、装置及设备 | |
CN113919932A (zh) | 一种基于贷款申请评分模型的客户评分偏移检测方法 | |
CN112396196A (zh) | 针对智能交通系统实现智慧运维管理的系统 | |
Ben et al. | An evaluation of simplified procedures for determining travel patterns in a small urban area | |
CN115907719A (zh) | 充电站分级运维管理方法及装置 | |
CN113284340B (zh) | 道路交通安全分级系统 | |
CN111695787A (zh) | 一种基于视觉的自动售检票系统服务能力评价方法 | |
CN115175100B (zh) | 网络覆盖问题处理方法、装置、服务器及存储介质 |
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 |