CN108765949A - 基于汽车电子标识技术的智能交通系统 - Google Patents
基于汽车电子标识技术的智能交通系统 Download PDFInfo
- Publication number
- CN108765949A CN108765949A CN201810576870.1A CN201810576870A CN108765949A CN 108765949 A CN108765949 A CN 108765949A CN 201810576870 A CN201810576870 A CN 201810576870A CN 108765949 A CN108765949 A CN 108765949A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- module
- traffic
- road
- 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
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于汽车电子标识技术的智能交通系统,包括汽车电子标识,对应装载于车辆上,数据采集单元包括数据融合模块、数据基础处理模块、数据深度处理模块;数据应用单元包括数据发布模块、数据应用模块,该数据应用模块包括综合信息服务模块、服务水平评估模块、行业管理辅助决策模块以及交通管理与执法模块。本发明基于汽车电子标识技术的智能交通系统更经济、更有效、覆盖率更高、信息采集更全面,为城市交通的精细化规划和管理提供更加有效的支撑,使汽车导航、交通管理融为一体,能够有效的提高了交通管理效率,降低了交通拥堵情况的发生率。
Description
技术领域
本发明涉及行车驾驶以及交通管理等领域,具体为一种基于汽车电子标识技术的智能交通系统。
背景技术
交通信息采集是指利用各种检测技术手段对交通运输系统中的动态和静态交通信息进行获取的过程。由于静态交通信息相对比较稳定,在较短的时期内一般不会发生变化。而动态信息由于各种外部因素的影响,交通状态呈现出随机变化的特性使得交通信息的处理与发布成为一大难点。道路交通信息通常是通过两种交通检测方式采集获得的:一是定点检测器,另一种就是移动式检测器。一方面,线圈、视频等定点检测器是针对预定地点的道路网络状态测量,基本上都是点测量技术,检测的覆盖面小,检测设备的安装都需要改造或增设道路设施,安装和维护费用高,适合于对固定点的交通控制而采取的道路交通状态检测。可测参量有限:只能得到流量、地点速度、道路占有率等参数,它无法从地点速度和流量数据中获得车辆的起讫点、路径、行程车速、行程时间等信息。另一方面,北斗、GPS等已有移动式检测器,目前在各个城市车辆的覆盖率并不高,一般只能覆盖部分公交、出租和特定车辆,无法覆盖私家车等大部分车辆。另外,受卫星信号影响,无法覆盖高架、高楼等城市区域。
可见传统的交通信息采集技术具有适用范围小,可获取信息有限等缺陷,不能为交通出行特征的分析提供有效的支撑。因此,我们需要一种更经济、更有效、覆盖率更高、信息采集更全面的交通信息采集技术,以便构建覆盖更宽广、功能更系统和成本更低廉的智能交通系统。
发明内容
本发明的目的是:提供一种基于汽车电子标识技术的智能交通系统,以解决现有交通信息采集技术具有适用范围小、可获取信息有限等技术缺陷。
实现上述目的的技术方案是:一种基于汽车电子标识技术的智能交通系统,包括汽车电子标识,对应装载于车辆上,该汽车电子标识存储有汽车身份和特性的汽车电子标识数据;数据采集单元,用以采集所述汽车电子标识数据以及外部数据,所述外部数据包括交通地图数据;数据处理单元,包括数据基础处理模块,用以将采集的数据进行数据初步处理;数据深度处理模块,用以在所述数据初步处理的基础上深度处理数据;数据融合模块,用以将汽车电子标识数据和数据基础处理模块处理后的数据以及数据深度处理模块处理后的的数据进行融合得到应用数据;数据应用单元,包括数据发布模块,用以发布交通信息;数据应用模块,该数据应用模块包括综合信息服务模块、服务水平评估模块、行业管理辅助决策模块以及交通管理与执法模块。
进一步的,所述数据采集单元包括电子标识读写设备,包括移动式读写设备和固定式读写设备。
进一步的,所述外部数据还包括人口分布及属性数据、兴趣点数据、交通线网数据、交通场站数据、车辆数据、交通客流数据、GPS数据、交通卡数据、手机信令数据中的至少一种;所述交通地图数据包括各等级道路矢量地图、各等级道路属性数据、交通小区数据和/或区县行政划分数据和/或街道行政划分数据和/或居委行政划分数据。
进一步的,所述数据基础处理模块包括实时分析交通构成数据、实时分析交通OD数据和停车数据。
进一步的,所述数据深度处理模块包括用以分析出行特征,包括分析出行时间、计算出行路径、计算出行距离、计算出行时耗、计算行程车速;分析道路状态,包括计算路段平均行程车速、分析道路拥堵状态、计算路段平均行程时间、计算道路交通量、计算道路车流密度、计算道路负荷度、计算车辆平均延误时间;预测交通需求,包括分析特征时间交通需求特征、预测交通需求、分析特征时间道路车速特征、分析道路车速长、实时分析道路车速。
进一步的,所述综合信息服务模块包括基本信息查询模块,用以查询车辆基本信息:车辆的登记日期、车辆检测记录、车辆的出行违规记录、收费信息、个人信用行为记录;行驶信息查询模块,用以查询车辆的通过检测系统时的时间节点、行驶状态、行驶路线、行驶地点;停车信息查询模块,用以查询车辆的停靠地点、停靠时间;交通构成查询模块,用以查询不同区域、各时段各路段的车辆总数,以及车辆总数中车辆的各类号牌种类、车辆类型、使用性质、归属区域的数量及所占比例。
进一步的,所述服务水平评估模块包括道路状态查询模块,用以查询路段的车速、拥堵程度、交通流量、车流密度、道路负荷度以及车辆平均延误时间等信息;交通需求特征分析模块,用以查询分析交通需求在时空上的分布特征,分析区域职住平衡水平;出行服务水平分析模块,用以根据交通需求规模和特征,结合道路状态,分析不同OD之间的出行服务水平,包括出行时耗、出行速度、出行距离。
进一步的,所述行业管理辅助决策模块包括设施配置决策模块,用以根据交通需求特征,分析需求总量、时耗、速度、距离等,结合交通设施布置,判断交通设施是否满足服务规范要求,提出服务实施配置建议;交通管理决策模块,用以分析驾驶员的行驶车速、超车特征等驾驶行为,分析道路拥堵和事件多发路段,提出交通管理建议;节能减排决策模块,用以分析不同道路状态下的车辆能耗和排放特征,提出交通节能减排建议;交通诱导决策模块,用以分析交通出行需求和道路状态特征,诱导车辆行驶路径,提出交通诱导建议;交通预警模块,用以根据不同特征时间的交通状态,为交通一般高峰日、极端高峰日、展会活动等提供预警建议。
进一步的,所述交通管理与执法模块包括违法车辆路径追踪模块,用以根据车辆信息和行驶信息,查询并定位违法车辆;交通管理控制模块,用以根据道路状态信息,结合车辆路径信息,实现道路交通管理控制。
进一步的,所述数据融合模块采用加权融合估计法,从而得出融合后数值。
本发明的优点是:本发明基于汽车电子标识技术的智能交通系统以及通过智能交通系统实现的出行特征分析方法和道路状态分析方法,更经济、更有效、覆盖率更高、信息采集更全面,为城市交通的精细化规划和管理提供更加有效的支撑,基于汽车电子标识技术适用范围覆盖面大,不仅限于针对预定地点的道路网络状态测量,不受高架、高楼等因素影响,可获取车辆的起讫点、路径、能耗、车速、行程时间等信息,经挖掘计算分析,具有交通需求分析与预测、道路状态分析与预测、车辆路径分析与导航、交通服务能力评估、交通行业管理辅助决策的功能;具有成本低、易操作、可持续、动态化、可量化、可复制等优点,可以为ETC系统提供汽车身份和特性的电子识别信息,使汽车导航、交通管理融为一体,能够有效的提高了交通管理效率,降低了交通拥堵情况的发生率。
附图说明
下面结合附图和实施例对本发明作进一步解释。
图1是本发明实施例的智能交通系统模块示意图。
图2是本发明实施例的出行特征分析方法步骤流程图。
图3是本发明实施例的道路状态分析方法步骤流程图。
其中,
1汽车电子标识; 2数据采集单元;
3数据处理单元; 4数据应用单元;
5客户端; 31数据融合模块;
32数据基础处理模块; 33数据深度处理模块;
41数据发布模块; 42数据应用模块;
421综合信息服务模块; 422服务水平评估模块;
423行业管理辅助决策模块; 424交通管理与执法模块。
具体实施方式
以下实施例的说明是参考附加的图式,用以例示本发明可用以实施的特定实施例。本发明所提到的方向用语,例如「上」、「下」、「前」、「后」、「左」、「右」、「顶」、「底」等,仅是参考附加图式的方向。因此,使用的方向用语是用以说明及理解本发明,而非用以限制本发明。
实施例:如图1所示,一种基于汽车电子标识技术的智能交通系统,包括汽车电子标识1、数据采集单元2、数据处理单元3以及数据应用单元4。
汽车电子标识1对应装载于车辆上,该汽车电子标识1存储有汽车身份和特性的汽车电子标识数据,这些汽车电子标识数据包括芯片标识符、车辆注册信息、编码信息、安全信息、用户信息,以及车辆位置定位信息等内容。汽车电子标识1实现车辆交通信息的分类采集、精确化采集、海量采集,动态采集。具体的,该汽车电子标识1包括RFID标签,该RFID标签具有全球惟一ID号码,ID号码是唯一的且不可修改的,因此RFID技术具有无可比拟的防伪性能。RFID标签中,除了ID号外,还有一部分DATA区,若有需要是可以写入一些数据信息的。可以把车辆号牌和车证信息加密写入到这个区域,从这一点上说也具有很高的防伪特点。
本实施例中,定义除了汽车电子标识数据之外的数据称为外部数据,外部数据包括交通数据库中存储的数据,交通数据库为现有技术中的交通数据库,该交通数据库中存储有交通数据的基本信息,如交通地图数据、人口分布及属性数据、兴趣点数据、交通线网数据、交通场站数据、车辆数据、交通客流数据、GPS数据、交通卡数据、手机信令数据中的至少一种;所述交通地图数据包括各等级道路矢量地图、各等级道路属性数据、交通小区数据和/或区县行政划分数据和/或街道行政划分数据和/或居委行政划分数据。
数据采集单元2用以采集所述汽车电子标识1中的数据以及外部数据。数据采集单元2包括用以采集汽车电子标识1的电子标识读写设备和通过各种数据线或无线网络连接于交通数据库的其他数据采集端,这些数据采集端均为现有方式能够实现的数据采集端,对此不再赘述。本实施例中,电子标识读写设备包括读写单元、馈线单元、天线单元,按照安装方式分为移动式读写设备和固定式读写设备。其中,固定式读写设备安装方式为悬臂式、门式、柱式等,如安装在道路灯柱上等等,车辆位置定位信息除了自身自带的位置定位信息,也包括固定式读写设备的位置定位信息,包括读写设备ID、固定式设备的地址信息、日期、时间(精确到秒)、或者还包括车辆的行驶方向、瞬时车速等信息。移动式读写设备可以装载于一数据采集车上或者由认为的手持移动,而车辆位置定位信息除了自身自带的位置定位信息,也可表示为移动式读写设备的位置定位信息,包括读写设备ID、日期、时间(精确到秒)、或者还包括车辆的行驶方向、瞬时车速以及地理坐标等信息。
数据采集实例如下表1所示:
地点名称 | 方向 | 车辆编号 | 采集时间 | 车型代码 | 号牌种类 | 使用性质 |
建国东路-淡水路 | 由西向东 | 2621990 | 2015/9/17 1:35:11 | K33 | 2 | A |
建国东路-淡水路 | 由西向东 | 1384322 | 2015/9/17 1:38:30 | H24 | 1 | R |
建国东路-淡水路 | 由西向东 | 2599461 | 2015/9/17 1:43:50 | H18 | 1 | F |
建国东路-淡水路 | 由西向东 | 1764674 | 2015/9/17 1:48:17 | K33 | 2 | D |
建国东路-淡水路 | 由西向东 | 309732 | 2015/9/17 1:50:20 | H14 | 1 | F |
数据处理单元3设于具有处理器的数据处理端,如电脑。该数据处理单元3按照所设定的功能具体包括数据融合模块31、数据基础处理模块32、数据深度处理模块33。
数据基础处理模块32用以将采集后的数据进行数据初步处理;数据深度处理模块33用以在所述数据初步处理的基础上深度处理数据。数据基础处理模块32包括实时分析交通构成数据、实时分析交通OD数据和停车数据。数据深度处理模块33包括用以分析出行特征,包括分析出行时间、计算出行路径、计算出行距离、计算出行时耗、计算行程车速;分析道路状态,包括计算路段平均行程车速、分析道路拥堵状态、计算路段平均行程时间、计算道路交通量、计算道路车流密度、计算道路负荷度、计算车辆平均延误时间;预测交通需求,包括分析特征时间交通需求特征、预测交通需求、分析特征时间道路车速特征、分析道路车速长、实时分析道路车速。
具体的,数据融合模块31用以将电子标识技术和数据以及数据深度处理模块处理后的的数据进行融合,所采用的方法是加权融合估计法,从而得出融合后数值,可表示为:
式中,FERI、Fprobei分别指来电子标识技术和其他采集设备的计算值,F为融合后计算值。wERT、wi指权重,其权重与这些样本的方差成反比:
数据应用单元4包括数据发布模块41、数据应用模块42。数据发布模块41用以发布交通信息,即将所需发布的信息发送至与电脑连接的客户端5上,如手机APP上。该数据应用模块42包括综合信息服务模块421、服务水平评估模块422、行业管理辅助决策模块423以及交通管理与执法模块424。综合信息服务模块421包括基本信息查询模块,用以查询车辆基本信息:车辆的登记日期、车辆检测记录、车辆的出行违规记录、收费信息、个人信用行为记录;行驶信息查询模块,用以查询车辆的通过检测系统时的时间节点、行驶状态、行驶路线、行驶地点;停车信息查询模块,用以查询车辆的停靠地点、停靠时间;交通构成查询模块,用以查询不同区域、各时段各路段的车辆总数,以及车辆总数中车辆的各类号牌种类、车辆类型、使用性质、归属区域的数量及所占比例。服务水平评估模块422包括道路状态查询模块,用以查询路段的车速、拥堵程度、交通流量、车流密度、道路负荷度以及车辆平均延误时间等信息;交通需求特征分析模块,用以查询分析交通需求在时空上的分布特征,分析区域职住平衡水平;出行服务水平分析模块,用以根据交通需求规模和特征,结合道路状态,分析不同OD之间的出行服务水平,包括出行时耗、出行速度、出行距离。行业管理辅助决策模块423包括设施配置决策模块,用以根据交通需求特征,分析需求总量、时耗、速度、距离等,结合交通设施布置,判断交通设施是否满足服务规范要求,提出服务实施配置建议;交通管理决策模块用以分析驾驶员的行驶车速、超车特征等驾驶行为,分析道路拥堵和事件多发路段,提出交通管理建议;节能减排决策模块用以分析不同道路状态下的车辆能耗和排放特征,提出交通节能减排建议;交通诱导决策模块用以分析交通出行需求和道路状态特征,诱导车辆行驶路径,提出交通诱导建议;交通预警模块,用以根据不同特征时间的交通状态,为交通一般高峰日、极端高峰日、展会活动等提供预警建议。交通管理与执法模块424包括违法车辆路径追踪模块,用以根据车辆信息和行驶信息,查询并定位违法车辆;交通管理控制模块用以根据道路状态信息,结合车辆路径信息,实现道路交通管理控制。
基于汽车电子标识技术的智能交通系统的基本原理为:通过汽车电子标识1读写设备,读取道路上车辆的汽车电子标识1信息。读写设备向应用系统发送识读到的汽车电子标识1信息,通过基于汽车电子标识技术的交通信息采集方法和智能交通系统的构建,具体包括数据的处理、融合、挖掘、应用与发布,计算获取车辆的起讫点、路径、距离、车速、时耗、能耗等车辆状态信息,经挖掘分析获取交通出行特征、道路交通构成、道路状态、交通事件等信息,从而构建具有交通需求分析与预测、道路状态分析与预测、车辆路径分析与导航、综合信息服务、服务水平评估、行业管理辅助决策、交通管理与执法等功能的智能交通系统。
通过基于汽车电子标识技术的智能交通系统,可以实现一种基于汽车电子标识技术的出行特征分析方法,如图2所示,包括步骤S11)-步骤S110)。
步骤S11)数据采集步骤,通过数据采集模块采集数据,包括汽车电子标识数据以及外部数据,所述外部数据包括交通地图数据。
步骤S12)交通OD分析步骤,根据所采集的数据计算和统计出行的起点和讫点信息,得到统计表。所述交通OD分析步骤包括出行的起讫点计算步骤,将汽车电子标识数据按照车辆唯一标识符进行分组,并按照车电子标识的记录时间对车辆的出行链进行切割排序,判断切割后的出行链段两个时间点之间的时间差是否大于预设时间值以及判断该出行链段两个时间点之间的车速是否小于预设车速,其中,预设车速是指同一时间状态下,该路段其他车辆通过的平均车速;若是,则将该出行链段的起始时间所对应的地点设定为上一次出行的讫点,将出行链段的终点时间所对应的地点设定为下一次出行的起点;统计表生成步骤,根据出行的起讫点信息,对出行起讫点的交通区域中的车辆进行分组统计,获得每个交通区域的起讫点信息统计表。
步骤S13)出行时间分析步骤,定义特征时间,所述特征时间为每小时、每日、早高峰、晚高峰、平峰、工作日、节假日、高峰日、极端高峰日中的一种。以每一次出行的起点时间即为出行时间,根据统计表中的数据,分析出行时间中包含的特征时间的出行量及出行特征。所述出行时间分析步骤包括车辆出行特征定义步骤,包括将起讫点信息统计表中某一起点信息作为该车辆的出行起点,将车辆所需通过的路段的发生时间作为该车辆的出行时间;车辆出行时间分组步骤,计算获得的出行时间并按照时间进行分组,根据特征时间计算出行量及出行特征。
步骤S14)出行路径的计算,提取车辆某次出行起讫点之间的位置坐标记录,将所有坐标记录与交通地图数据匹配,计算得到某次出行的路径。
步骤S15)出行距离计算步骤,根据具体出行路径、坐标或路段属性计算出行距离。
步骤S16)出行时耗计算步骤,计算某次出行起点和讫点的时间差。
步骤S17)行程车速计算步骤,计算行程车速,所述行程车速为某次出行距离与出行时耗的商,并根据时间分类分析得到特征时间道路车数特征。
步骤S18)交通需求预测步骤,统计每组特征时间出行次数的抽样样本方差,根据抽样样本方差预测交通需求。所述交通需求预测步骤包括判断抽样样本方差是否满足所设阈值,若是,则将每组出行次数的平均值作为经验或长时预测值;若否,则进一步提取抽样样本方差,直至抽样样本方差满足所设阈值。
步骤S19)道路车速长时预测步骤,统计每组特征时间路段平均行程车速的抽样样本方差,根据抽样样本方差预测道路车速长。所述道路车速长时预测步骤包括判断抽样样本方差是否满足所设阈值,则将每组路段平均行程车速的平均值作为经验或长时预测值;若否,则进一步提取抽样样本方差,直至抽样样本方差满足所设阈值。
步骤S110)道路车速实时预测步骤,计算当前时段和前一时间段的平均车速的平均增长率,将当前时段的路段车速乘以平均增长率,计算得出下一时段该路段车速预测值。所述道路车速实时预测步骤中,所述前一时段的时长为5分钟,当前时段的时长为1分钟。
基于汽车电子标识技术的出行特征分析方法还包括步骤S2)数据应用步骤,包括信息发布步骤、综合信息服务步骤、服务水平评估步骤、行业管理辅助决策、交通管理与执法步骤。
通过基于汽车电子标识技术的智能交通系统,可以实现一种基于汽车电子标识技术的道路状态分析方法,如图3所示,包括以下步骤S31)-步骤S38)。
步骤S31)数据采集步骤,用以采集数据,包括汽车电子标识数据以及外部数据,所述外部数据包括交通地图数据。
步骤S32)路段平均行程车速计算步骤,计算某一时段某一路段所有车辆的路段车速值的平均值;具体的,所述路段平均行程车速计算步骤中包括时间段选取步骤,定义时长,选取任一时间段;路段长度计算步骤,根据交通地图数据中的坐标或路段属性信息计算路段长度;某一车辆的车速计算步骤,计算该时间段内,某一车辆通过该路段所用时间,将路段长度除以所用时间,得出某一车辆的车速,并统计该时间段内通过该路段的车辆数量;路段平均行程车速计算,计算所有通过该时间段内通过该路段的车辆的车速平均值,得到路段平均行程车速。公式如下:
式子中:v表示路段平均行程速度,单位km/h;Δx表示路段中两个电子标识识别器之间的距离;Δti表示第i辆车在对应的两个电子标识识别器路段中间行驶的时间间隔,即行程时间。
步骤S33)道路拥堵状态判断步骤,定义某一路段的路段平均行程车速与拥堵状态的关系,根据所述路段平均行程车速计算步骤得出的路段车速值的平均值判断该时段对应路段的道路拥堵状态。路网中速度值的大小直接影响出行者对交通影响状态的感受,可以用来评判道路的拥堵状态。所述道路拥堵状态判断步骤中,所述某一路段的路段平均行程车速与拥堵状态的关系表示为:A级表示非常通畅:路段平均行程车速与该路段的限制车速的比值大于或等于80%;B级表示通畅:路段平均行程车速与该路段的限制车速的比值小于80%,大于等于60%;C级表示较为通畅:路段平均行程车速与该路段的限制车速的比值小于60%,大于等于40%;D级表示略微拥堵:路段平均行程车速与该路段的限制车速的比值小于40%,大于等于20%;E级表示拥堵:路段平均行程车速与该路段的限制车速的比值小于20%,大于等于10%;F级表示非常拥堵:路段平均行程车速与该路段的限制车速的比值小于10%。
步骤S34)路段平均行程时间计算步骤,计算某一路段的路段长,并除以所述路段平均行程车速计算步骤得出的路段车速值的平均值;步骤S35)道路交通量计算步骤,计算单位时间内某一路段的段面通过的车辆的数量;所述道路交通量计算步骤包括时间设定步骤,设定某一路段的段面交通量测试时间;汽车电子标识数据判断步骤,在测试时间内判断当前读取的汽车电子标识数据与前一汽车电子标识数据是否一致,则返回数据采集步骤,若不一致则累计车辆数量;计算步骤,将累计的车辆数量除以测试时间。公式如下:
式子中:ni为t时段内通过第i类车的车辆数目;fi为第i类车辆的折算系数;t定义为时间间隔。
步骤S36)道路车流密度计算步骤,计算某一时刻单位路段中车辆的数量;密度指单位长度某一瞬间存在的车辆数,表示道路空间上的车辆密集程度。所述道路车流密度计算步骤包括时间记录步骤,记录车辆进入某一路段的时间点、驶出该路段的时间点;测试时间选取步骤,选取测量道路车流密度的测试时间点,判断该测试时间点是否在车辆进入某一路段的时间点和驶出该路段的时间点之间,若是,则进入车辆数量累计步骤;计算步骤,计算所累积的车辆数量与所测路段的长度的比值,得到道路车流密度。例如如将该时间间隔该路段的车辆进行统计,判断该时刻该车辆是否进入该路段两个电子标识读写设备之间,车辆经过两个电子标识的时刻分别记为ti,ti+1,即判断该时刻t是否满足ti≤t≤ti+1或者ti≥t≥ti+1,若满足则进行累计,计算出该时刻该路段内的车辆数。将该时刻该路段的车辆数除以两个电子标识读写设备之间的距离,计算得到车流密度。
步骤S37)道路负荷度计算步骤,计算某一时刻某一路段上的交通量与该路段最大交通容量的比值;负荷度来评价道路交通状态,是利用交通需求与交通供应之间的关系的。
步骤S38)车辆平均延误时间计算步骤,求和车辆平均停车时间和车辆平均行车延误时间。所述车辆行车平均延误时间:将路段平均行程时间减去自由流时间。所述自由流时间为路段长度与道路车速限制的商。车辆运行延误指的是在最佳条件下车辆以自由流速度通过该路段所花的时间与车辆时间运行过程中所花费的时间的差值。它包含两部分延误,一部分是由停车延误造成,另一部分由于运行速度低于自由流速度造成。车辆平均延误指的是路段上的所有车辆延误的平均值。车辆平均延误时间通常用来表征道路路段的通行性能,同时也反映了道路中的交通管理的水平与效率。利用该参数可以用来分析道路的通行状态以及排队情况。
汽车电子标识技术的道路状态分析方法还包括步骤S2)数据应用步骤,包括信息发布步骤、综合信息服务步骤、服务水平评估步骤、行业管理辅助决策、交通管理与执法步骤。
以上仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于汽车电子标识技术的智能交通系统,其特征在于,包括
汽车电子标识,对应装载于车辆上,该汽车电子标识存储有汽车身份和特性的汽车电子标识数据;
数据采集单元,用以采集所述汽车电子标识数据以及外部数据,所述外部数据包括交通地图数据;
数据处理单元,包括
数据基础处理模块,用以将采集的数据进行数据初步处理;
数据深度处理模块,用以在所述数据初步处理的基础上深度处理数据;
数据融合模块,用以将汽车电子标识数据和数据基础处理模块处理后的数据以及数据深度处理模块处理后的的数据进行融合得到应用数据;
数据应用单元,包括
数据发布模块,用以发布交通信息;
数据应用模块,该数据应用模块包括综合信息服务模块、服务水平评估模块、行业管理辅助决策模块以及交通管理与执法模块。
2.根据权利要求1所述的基于汽车电子标识技术的智能交通系统,其特征在于,所述数据采集单元包括电子标识读写设备,包括移动式读写设备和固定式读写设备。
3.根据权利要求1所述的基于汽车电子标识技术的智能交通系统,其特征在于,所述外部数据还包括人口分布及属性数据、兴趣点数据、交通线网数据、交通场站数据、车辆数据、交通客流数据、GPS数据、交通卡数据、手机信令数据中的至少一种;所述交通地图数据包括各等级道路矢量地图、各等级道路属性数据、交通小区数据和/或区县行政划分数据和/或街道行政划分数据和/或居委行政划分数据。
4.根据权利要求1所述的基于汽车电子标识技术的智能交通系统,其特征在于,所述数据基础处理模块包括实时分析交通构成数据、实时分析交通OD数据和停车数据。
5.根据权利要求1所述的基于汽车电子标识技术的智能交通系统,其特征在于,所述数据深度处理模块包括用以
分析出行特征,包括分析出行时间、计算出行路径、计算出行距离、计算出行时耗、计算行程车速;
分析道路状态,包括计算路段平均行程车速、分析道路拥堵状态、计算路段平均行程时间、计算道路交通量、计算道路车流密度、计算道路负荷度、计算车辆平均延误时间;
预测交通需求,包括分析特征时间交通需求特征、预测交通需求、分析特征时间道路车速特征、分析道路车速长、实时分析道路车速。
6.根据权利要求1所述的基于汽车电子标识技术的智能交通系统,其特征在于,所述综合信息服务模块包括
基本信息查询模块,用以查询车辆基本信息:车辆的登记日期、车辆检测记录、车辆的出行违规记录、收费信息、个人信用行为记录;
行驶信息查询模块, 用以查询车辆的通过检测系统时的时间节点、行驶状态、行驶路线、行驶地点;
停车信息查询模块,用以查询车辆的停靠地点、停靠时间;
交通构成查询模块,用以查询不同区域、各时段各路段的车辆总数,以及车辆总数中车辆的各类号牌种类、车辆类型、使用性质、归属区域的数量及所占比例。
7.根据权利要求1所述的基于汽车电子标识技术的智能交通系统,其特征在于,所述服务水平评估模块包括
道路状态查询模块,用以查询路段的车速、拥堵程度、交通流量、车流密度、道路负荷度以及车辆平均延误时间等信息;
交通需求特征分析模块,用以查询分析交通需求在时空上的分布特征,分析区域职住平衡水平;
出行服务水平分析模块,用以根据交通需求规模和特征,结合道路状态,分析不同OD之间的出行服务水平,包括出行时耗、出行速度、出行距离。
8.根据权利要求1所述的基于汽车电子标识技术的智能交通系统,其特征在于,所述行业管理辅助决策模块包括
设施配置决策模块,用以根据交通需求特征,分析需求总量、时耗、速度、距离等,结合交通设施布置,判断交通设施是否满足服务规范要求,提出服务实施配置建议;
交通管理决策模块,用以分析驾驶员的行驶车速、超车特征等驾驶行为,分析道路拥堵和事件多发路段,提出交通管理建议;
节能减排决策模块,用以分析不同道路状态下的车辆能耗和排放特征,提出交通节能减排建议;
交通诱导决策模块,用以分析交通出行需求和道路状态特征,诱导车辆行驶路径,提出交通诱导建议;
交通预警模块,用以根据不同特征时间的交通状态,为交通一般高峰日、极端高峰日、展会活动等提供预警建议。
9.根据权利要求1所述的基于汽车电子标识技术的智能交通系统,其特征在于,所述交通管理与执法模块包括
违法车辆路径追踪模块,用以根据车辆信息和行驶信息,查询并定位违法车辆;
交通管理控制模块,用以根据道路状态信息,结合车辆路径信息,实现道路交通管理控制。
10.根据权利要求1所述的基于汽车电子标识技术的智能交通系统,其特征在于,所述数据融合模块采用加权融合估计法,从而得出融合后数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810576870.1A CN108765949A (zh) | 2018-06-06 | 2018-06-06 | 基于汽车电子标识技术的智能交通系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810576870.1A CN108765949A (zh) | 2018-06-06 | 2018-06-06 | 基于汽车电子标识技术的智能交通系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108765949A true CN108765949A (zh) | 2018-11-06 |
Family
ID=64000201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810576870.1A Pending CN108765949A (zh) | 2018-06-06 | 2018-06-06 | 基于汽车电子标识技术的智能交通系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765949A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276947A (zh) * | 2019-06-05 | 2019-09-24 | 中国科学院深圳先进技术研究院 | 一种交通融合分析预测方法、系统及电子设备 |
CN110660215A (zh) * | 2019-09-26 | 2020-01-07 | 华北水利水电大学 | 基于车辆道路信息全时全路径分析的道路交通调度方法 |
CN114510826A (zh) * | 2022-01-17 | 2022-05-17 | 中国科学院地理科学与资源研究所 | 车辆排放结构分解方法、装置、电子设备及存储介质 |
CN117558133A (zh) * | 2024-01-12 | 2024-02-13 | 环球数科集团有限公司 | 一种ldsw智能标签的多模式定位交通管理系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147974A (zh) * | 2010-02-09 | 2011-08-10 | 李丽 | 交通管理系统和方法 |
CN102314770A (zh) * | 2010-11-30 | 2012-01-11 | 上海博路信息技术有限公司 | 一种基于rfid的交通信息管理系统 |
CN103065485A (zh) * | 2012-12-28 | 2013-04-24 | 杨涛 | 基于rfid的智能道路感知定向广播系统 |
CN103500504A (zh) * | 2013-09-30 | 2014-01-08 | 同济大学 | 基于rfid数据的城市道路交通参数估计与路况判别方法及应用系统 |
CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
CN104064031A (zh) * | 2014-07-02 | 2014-09-24 | 丁宏飞 | 一种应用电子车牌的车辆违章监控和追踪定位系统 |
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 |
CN206058521U (zh) * | 2016-08-18 | 2017-03-29 | 中交北斗技术有限责任公司 | 一种基于rfid的车辆管理系统 |
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 |
CN206991547U (zh) * | 2017-06-19 | 2018-02-09 | 昆明理工大学 | 一种基于rfid的高速公路车辆追踪系统 |
CN107993448A (zh) * | 2017-12-28 | 2018-05-04 | 北京悦畅科技有限公司 | 一种电子车牌管理装置及系统 |
-
2018
- 2018-06-06 CN CN201810576870.1A patent/CN108765949A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147974A (zh) * | 2010-02-09 | 2011-08-10 | 李丽 | 交通管理系统和方法 |
CN102314770A (zh) * | 2010-11-30 | 2012-01-11 | 上海博路信息技术有限公司 | 一种基于rfid的交通信息管理系统 |
CN103065485A (zh) * | 2012-12-28 | 2013-04-24 | 杨涛 | 基于rfid的智能道路感知定向广播系统 |
CN103500504A (zh) * | 2013-09-30 | 2014-01-08 | 同济大学 | 基于rfid数据的城市道路交通参数估计与路况判别方法及应用系统 |
CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
CN104064031A (zh) * | 2014-07-02 | 2014-09-24 | 丁宏飞 | 一种应用电子车牌的车辆违章监控和追踪定位系统 |
CN206058521U (zh) * | 2016-08-18 | 2017-03-29 | 中交北斗技术有限责任公司 | 一种基于rfid的车辆管理系统 |
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 |
CN206991547U (zh) * | 2017-06-19 | 2018-02-09 | 昆明理工大学 | 一种基于rfid的高速公路车辆追踪系统 |
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 |
CN107993448A (zh) * | 2017-12-28 | 2018-05-04 | 北京悦畅科技有限公司 | 一种电子车牌管理装置及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276947A (zh) * | 2019-06-05 | 2019-09-24 | 中国科学院深圳先进技术研究院 | 一种交通融合分析预测方法、系统及电子设备 |
CN110660215A (zh) * | 2019-09-26 | 2020-01-07 | 华北水利水电大学 | 基于车辆道路信息全时全路径分析的道路交通调度方法 |
CN114510826A (zh) * | 2022-01-17 | 2022-05-17 | 中国科学院地理科学与资源研究所 | 车辆排放结构分解方法、装置、电子设备及存储介质 |
CN117558133A (zh) * | 2024-01-12 | 2024-02-13 | 环球数科集团有限公司 | 一种ldsw智能标签的多模式定位交通管理系统 |
CN117558133B (zh) * | 2024-01-12 | 2024-04-05 | 环球数科集团有限公司 | 一种ldsw智能标签的多模式定位交通管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106971534B (zh) | 基于号牌数据的通勤出行特征分析方法 | |
CN108847020A (zh) | 基于汽车电子标识技术的道路状态分析方法 | |
Jing et al. | Development of a vehicle emission inventory with high temporal–spatial resolution based on NRT traffic data and its impact on air pollution in Beijing–Part 1: Development and evaluation of vehicle emission inventory | |
CN108765949A (zh) | 基于汽车电子标识技术的智能交通系统 | |
Wang et al. | Estimating dynamic origin-destination data and travel demand using cell phone network data | |
CN108198416A (zh) | 一种手机信令与路网大数据的融合方法及其应用与系统 | |
Raheem et al. | The cause, effect and possible solution to traffic congestion on Nigeria Road (A Case Study of Basorun-Akobo Road, Oyo State) | |
CN105139638A (zh) | 一种出租车载客点选取的方法及系统 | |
CN112017429A (zh) | 一种基于货车gps数据的治超监测布点方法 | |
Chepuri et al. | Travel time reliability analysis on selected bus route of mysore using GPS data | |
US10339799B2 (en) | Method and system to identify congestion root cause and recommend possible mitigation measures based on cellular data and related applications thereof | |
CN113901109B (zh) | 城际公路客货车出行方式总人数及时间分布的计算方法 | |
Tian et al. | Identifying residential and workplace locations from transit smart card data | |
CN108629977A (zh) | 基于汽车电子标识技术的出行特征分析方法 | |
Balke et al. | Collection and dissemination of real-time travel time and incident information with in-vehicle communication technologies | |
Al Ghanim et al. | Traffic performance evaluation for selected streets within the southern part of al-najaf city network | |
Fei et al. | Spatiotemporal clustering in urban transportation: a bus route case study in Washington DC | |
CN114724356B (zh) | 基于气象数据整合的gis高速公路事故预警的方法及系统 | |
Oskarbski et al. | Impact of intelligent transport systems services on the level of safety and improvement of traffic conditions | |
Hallenbeck et al. | Freight data from intelligent transportation system devices | |
Sabean et al. | Inventory of Current Programs for Measuring Wait Times at Land Border Crossings | |
Fontaine et al. | Traffic monitoring | |
Salanova et al. | Use of probe data generated by taxis | |
Huo et al. | Development of Level-of-Service Criteria based on a Single Measure for BRT in China | |
Noordegraaf et al. | Technology options for distance-based road user charging schemes |
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 |
Application publication date: 20181106 |
|
RJ01 | Rejection of invention patent application after publication |