CN108806257A - 一种道路拥堵区域和拥堵路段的识别方法 - Google Patents
一种道路拥堵区域和拥堵路段的识别方法 Download PDFInfo
- Publication number
- CN108806257A CN108806257A CN201810724855.7A CN201810724855A CN108806257A CN 108806257 A CN108806257 A CN 108806257A CN 201810724855 A CN201810724855 A CN 201810724855A CN 108806257 A CN108806257 A CN 108806257A
- Authority
- CN
- China
- Prior art keywords
- road
- congestion
- section
- regions
- congested link
- 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
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
Abstract
本发明公开了一种道路拥堵区域和拥堵路段的识别方法,其特征在于:包括步骤:一、获取并判断车辆的GPS数据的可用性;二、根据道路交叉口区域内车辆的数量变化识别道路拥堵区域,如果两个拥堵区域由一个路段直接连接,则这两个拥堵区域是相邻的,将相邻的拥堵区域合并,得到合并拥堵区域;三、按地标、范围的形式生成合并拥堵区域的位置和范围;四、分析道路中拥堵路段的分布特征,将拥堵路段按所属道路进行分类,并按编号从小到大进行排序,确定编号分类结果;五、根据拥堵路段编号分类结果识别路段拥堵情况。本发明解决了较大区域范围内的拥堵识别问题,采取两层分类的方法来确保结果的准确性。
Description
技术领域
本发明涉及智能交通技术领域,具体涉及一种道路拥堵区域和拥堵路段的识别方法。
背景技术
现今,中国已进入汽车普及时代,而交通拥堵是各大城市普遍面临的难题。如何及时准确地进行城市范围内拥堵区域的识别成为一个亟待解决的问题。现有的识别方法主要是交通控制中心或城市交通广播中的播报人员根据实时的城市路网图显示的零散路段路况,凭经验组合路况,识别出拥堵区域。这种方法不仅需要一定的人力,而且准确性受播报人员的经验、标准偏好影响较大,主观性较强。为了能够更加有效地缓解城市拥堵、帮助交警制定策略,提出一种可以客观识别城市拥堵的方法具有重要意义。
发明内容
为解决现有技术中的不足,本发明提供一种道路拥堵区域和拥堵路段的识别方法,解决了现有方法中识别拥堵区域的主观性较强、浪费人力的问题。
为了实现上述目标,本发明采用如下技术方案:一种道路拥堵区域和拥堵路段的识别方法,其特征在于:包括步骤:
一、获取并判断车辆的GPS数据的可用性;
二、根据道路交叉口区域内车辆的数量变化识别道路拥堵区域,如果两个拥堵区域由一个路段直接连接,则这两个拥堵区域是相邻的,将相邻的拥堵区域合并,得到合并拥堵区域;
三、按地标、范围的形式生成合并拥堵区域的位置和范围;
四、分析道路中拥堵路段的分布特征,将拥堵路段按所属道路进行分类,并按编号从小到大进行排序,确定编号分类结果;
五、根据拥堵路段编号分类结果识别路段拥堵情况。
前述的一种道路拥堵区域和拥堵路段的识别方法,其特征是:所述步骤一获取并判断车辆的GPS数据的可用性,具体为:
获取车辆GPS数据,车辆GPS数据包括GPS设备的用户ID、车辆所在位置的经纬度和传送数据的时间戳,根据车辆GPS数据的经纬度是否在要进行识别的道路交叉口区域内确定车辆GPS数据的可用性。
前述的一种道路拥堵区域和拥堵路段的识别方法,其特征是:所述步骤二,具体为:
假设道路交叉口中心坐标为(r,s),设A’=(r-c,r+c,s-c,s+c)为道路交叉口区域,其中c为常数,T时刻时在交叉口区域内的车辆组成可用车辆GPS数据集P={p(x,y)|p∈A’},nT为T时刻车辆子群P的可用车辆GPS数据个数,nT+t为T+t时刻车辆子群P的可用车辆GPS数据个数,可用车辆GPS数据减少量:定义此交叉口区域为拥堵区域,反之则为畅通区域,如果两个拥堵区域由一个路段直接连接,则这两个拥堵区域是相邻的,将相邻的拥堵区域合并,得到合并拥堵区域。
前述的一种道路拥堵区域和拥堵路段的识别方法,其特征是:所述步骤三按地标、范围的形式生成合并拥堵区域的位置和范围,具体为:
合并拥堵区域按“地标+范围”的形式进行标识,分别计算合并拥堵区域内包含的m个交叉口中心点的横坐标平均值纵坐标平均值横坐标方差D(X)和纵坐标方差D(Y),根据4×10^10×D(X)D(Y)的大小确定拥堵区域范围大小,若4×10^10×D(X)D(Y)≤B定义为“小范围”;若B≤4×10^10×D(X)D(Y)≤2B定义为“中等范围”;若4×10^10×D(X)D(Y)≥2B定义为“大范围”;B是范围分级的阈值;
以为圆心,依次搜索以的倍数为半径内的建筑物,按“商场>医院>学校>政府办公区”的优先级确定标识地标。
前述的一种道路拥堵区域和拥堵路段的识别方法,其特征是:所述步骤四,具体步骤包括:
1)根据车流速度确定路段是否拥堵,若路段内车速平均值则该路段为拥堵路段;
2)道路的路段按从北往南、从西往东的顺序从小到大依次编号,编号值为路段属性之一,若道路一共有N个路段,编号值为1,2,…,N;
3)道路的拥堵情况由三种基本情况组成:ⅰ北或西段拥堵,ⅱ中段拥堵,ⅲ南或东段拥堵;
4)道路拥堵路段的编号关系存在两种可能:1.编号连续,a1,a2,…,an,其中an=a1+n-1,{an}是首项为a1,公差为1的等差数列;2.编号间断,a1,b,其中b≠a1+1;
{an},b都是道路拥堵路段的编号,a1<b。
5)根据道路拥堵路段的编号特征进行分类:
编号连续时连续路段分成六种情况:
1.且时,该道路北(西)段拥堵;
2.且时,该道路北(西)段和中段拥堵;
3.且时,该道路全线拥堵;
4.且时,该道路中段拥堵;
5.且时,该道路中段和南(东)段拥堵;
6.且时,该道路南(东)段拥堵;
编号间断时单个路段分为三种情况:
1.时,该道路北(西)段拥堵;
2.时,该道路中段拥堵;
3.时,该道路南(东)段拥堵。
前述的一种道路拥堵区域和拥堵路段的识别方法,其特征是:所述步骤五,根据拥堵路段编号分类结果识别路段拥堵情况,具体为:
拥堵路段编号可能包含连续和间断两种情况,将连续路段部分根据编号连续情况进行分类,单个路段部分根据编号间断情况进行分类,所有部分的编号分类结果包括并可拆分成ⅰⅱⅲ三种基本的道路拥堵情况,ⅰⅱⅲ三种基本情况出现的次数分别为C(ⅰ),C(ⅱ),C(ⅲ),三种基本情况出现的平均次数根据以下三种情况确定道路拥堵情况:
1)任一种基本情况出现次数不为0:时,该道路北(西)段拥堵;时,该道路中段拥堵;时,该道路南(东)段拥堵;且时,该道路北(西)段和中段拥堵;且时,该道路北(西)段和南(东)段拥堵;且时,该道路中段和南(东)段拥堵;且时,该道路中段和南(东)段拥堵;且时,该道路全线拥堵;
2)存在一种基本情况出现次数为0:若C(ⅰ)=0时,该道路中段和南(东)段拥堵;C(ⅱ)=0时,该道路北(西)段和南(东)段拥堵;C(ⅲ)=0时,该道路北(西)段和中段拥堵。
3)存在两种基本情况出现次数为0:C(ⅰ)=0且C(ⅱ)=0时,该道路南(东)段拥堵;C(ⅰ)=0且C(ⅲ)=0时,该道路中段拥堵;C(ⅱ)=0且C(ⅲ)=0时,该道路北(西)段拥堵。
本发明所达到的有益效果:本发明利用计算机客观的进行城市拥堵识别,减少因拥堵而产生的经济损失;利用交叉口区域的可用车辆GPS数据减少量程度来确定拥堵区域,拥堵区域的合并有效的解决了较大区域范围内的拥堵识别问题,同时也减少拥堵信息的条数;为了避免计算机产生识别误差,采取两层分类的方法来确保结果的准确性;首先将道路的拥堵路段根据编号分为连续和间断两种情况,再根据连续和间断的具体情况进行具体分类,得到编号分类结果;编号分类结果由基本拥堵情况组成,根据各种基本拥堵情况的出现频率再一次进行分类。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
一种道路拥堵区域和拥堵路段的识别方法,包括步骤:
步骤一,获取并判断车辆的GPS数据的可用性;
获取车辆GPS数据,车辆GPS数据包括GPS设备的用户ID、车辆所在位置的经纬度和传送数据的时间戳,根据GPS数据的经纬度是否在目标区域内确定车辆GPS数据的可用性;
目标区域是要进行识别的道路交叉口区域;
通过GPS设备获取的数据格式如下:
USER_ID | 用户ID |
USER_LONG | 经度 |
USER_LAT | 纬度 |
UPLOAD_TIME | 时间戳 |
对原始车辆GPS数据进行筛选,去掉不属于目标区域范围的车辆GPS数据,确保对交通拥堵区域识别的准确性。目标区域记为A=(xmin,xmax,ymin,ymax),其中,xmin为目标区域的最小经度值,xmax为目标区域的最大经度值,ymin为目标区域的最小纬度值,ymax为目标区域的最大纬度值。
车辆GPS数据p(x,y),x为经度,y为纬度,满足条件:xmin≤x≤xmax且ymin≤y≤ymax,则该车辆GPS数据是可用的,可用车辆GPS数据集为P={p(x,y)|p∈A}。
步骤二,根据道路交叉口区域内车辆的数量变化识别道路拥堵区域,如果两个拥堵区域由一个路段直接连接,则这两个拥堵区域是相邻的,将相邻的拥堵区域合并,得到合并拥堵区域;
假设道路交叉口中心坐标为(r,s),设A’=(r-c,r+c,s-c,s+c)为道路交叉口区域,其中c为常数,T时刻时在交叉口区域内的车辆组成可用车辆GPS数据集(即车辆子群)P={p(x,y)|p∈A’},nT为T时刻车辆子群P的可用车辆GPS数据个数,nT+t为T+t时刻车辆子群P的可用车辆GPS数据个数,可用车辆GPS数据减少量:定义此交叉口区域为拥堵区域,反之则为畅通区域;如果两个拥堵区域由一个路段直接连接,则这两个拥堵区域是相邻的,将相邻的拥堵区域合并,得到合并拥堵区域,合并拥堵区域内可包含m个交叉口;
步骤三,按地标、范围的形式生成合并拥堵区域的位置和范围;
合并拥堵区域按“地标+范围”的形式进行标识,分别计算合并拥堵区域内包含的m个交叉口中心点的横坐标平均值纵坐标平均值横坐标方差D(X)和纵坐标方差D(Y),根据4×10^10×D(X)D(Y)的大小确定拥堵区域范围大小,若4×10^10×D(X)D(Y)≤B定义为“小范围”;若B≤4×10^10×D(X)D(Y)≤2B定义为“中等范围”;若4×10^10×D(X)D(Y)≥2B定义为“大范围”;B是范围分级的阈值,此阈值可以动态调整,前期需要根据地区实际情况设置多组数据对比从而得出这个阈值。
以为圆心,依次搜索以的倍数为半径内的建筑物,按“商场>医院>学校>政府办公区”的优先级确定标识地标,这样按照地标、范围的形式生成合并拥堵区域的位置和范围。
步骤四,分析道路中拥堵路段的分布特征,将拥堵路段按所属道路进行分类,并按编号从小到大进行排序,确定编号分类结果;具体包括步骤:
1、确定拥堵路段,根据车流速度确定路段是否拥堵,若路段内车速平均值则该路段为拥堵路段;
2、道路的路段按从北往南、从西往东的顺序从小到大依次编号,编号值为路段属性之一,若道路一共有N个路段,编号值为1,2,…,N;例如,中央大街为东西向道路,有五个路段,从西往东依次编号为1,2,3,4,5;
3、道路的拥堵情况由三种基本情况组成:ⅰ北(西)段拥堵,ⅱ中段拥堵,ⅲ南(东)段拥堵;
4、将拥堵路段按所属道路进行分类,并按编号从小到大进行排序;道路拥堵路段的编号关系存在两种可能:1.编号连续,a1,a2,…,an,其中an=a1+n-1,{an}是首项为a1,公差为1的等差数列;2.编号间断,a1,b,其中b≠a1+1。
{an},b都是道路拥堵路段的编号,a1<b;
5、根据道路拥堵路段的编号特征进行分类:
编号连续时连续路段分成六种情况:
1.且时,该道路北(西)段拥堵;
2.且时,该道路北(西)段和中段拥堵;
3.且时,该道路全线拥堵;
4.且时,该道路中段拥堵;
5.且时,该道路中段和南(东)段拥堵;
6.且时,该道路南(东)段拥堵。
编号间断时单个路段分为三种情况:
1.时,该道路北(西)段拥堵;
2.时,该道路中段拥堵;
3.时,该道路南(东)段拥堵。
步骤五,根据拥堵路段编号分类结果识别路段拥堵分布情况;
识别路段拥堵分布情况具体包括:拥堵路段编号可能包含连续和间断两种情况,将连续路段部分根据编号连续情况进行分类,单个路段部分根据编号间断情况进行分类,所有部分的编号分类结果包括并可拆分成ⅰⅱⅲ三种基本的道路拥堵情况,ⅰⅱⅲ三种基本情况出现的次数分别为C(ⅰ),C(ⅱ),C(ⅲ),三种基本情况出现的平均次数根据以下三种情况确定道路拥堵情况:
1.任一种基本情况出现次数不为0:时,该道路北(西)段拥堵;时,该道路中段拥堵;时,该道路南(东)段拥堵;且时,该道路北(西)段和中段拥堵;且时,该道路北(西)段和南(东)段拥堵;且时,该道路中段和南(东)段拥堵;且时,该道路中段和南(东)段拥堵;且时,该道路全线拥堵;
2.存在一种基本情况出现次数为0:若C(ⅰ)=0时,该道路中段和南(东)段拥堵;C(ⅱ)=0时,该道路北(西)段和南(东)段拥堵;C(ⅲ)=0时,该道路北(西)段和中段拥堵;
3.存在两种基本情况出现次数为0:C(ⅰ)=0且C(ⅱ)=0时,该道路南(东)段拥堵;C(ⅰ)=0且C(ⅲ)=0时,该道路中段拥堵;C(ⅱ)=0且C(ⅲ)=0时,该道路北(西)段拥堵。
为了避免计算机产生识别误差,采取两层分类的方法来确保结果的准确性:
首先将道路的拥堵路段根据编号分为连续和间断两种情况,再根据连续和间断的具体情况进行具体分类,得到编号分类结果,编号分类结果由基本拥堵情况组成,根据各种基本拥堵情况的出现频率再一次进行分类。
实施例:
1)获取并判断车辆的GPS数据的可用性;
获取GPS设备的用户ID、经纬度和传送数据的时间戳,根据GPS数据的经纬度是否在目标区域内确定可用性;
GPS数据p(x,y),x为经度,y为纬度,精度精确到小数点后五位,例p(104.07502,30.72682)。
时间戳为Unix戳,例1477969186。
2)根据交叉口区域内车辆的数量变化识别道路拥堵区域,如果两个拥堵区域由一个路段直接连接,则这两个拥堵区域是相邻的,将相邻的拥堵区域合并,得到合并拥堵区域;
交叉口的数据格式如下:
INTERSECTION_ID | 用户ID |
INTERSECTION_LONG | 经度 |
INTERSECTION_LAT | 纬度 |
ROAD_ONE | 相连路段1 |
ROAD_TWO | 相连路段2 |
ROAD_THREE | 相连路段3 |
ROAD_FOUR | 相连路段4 |
假设交叉口中心坐标为(r,s),r为经度,s为纬度,精度精确到小数点后五位,例(104.07512,30.72702)。设A’=(r-c,r+c,s-c,s+c)为交叉口区域,其中c为常数,取值范围为[0.00030,0.00090],建议取值0.00050。A’=(104.07462,104.07562,30.72652,30.72752),GPS数据p(104.07502,30.72682),满足条件:104.07462≤104.07502≤104.07562且30.72652≤30.72682≤30.72752,该数据是可用的。T时刻和T+t时刻都是十位的Unix时间戳的表达形式,如1477969154;t的取值范围[240,420],建议取值为300。T=1477969154时在交叉口区域内的车辆组成一个车辆子群P={p(x,y)|p∈A’},车辆子群P的可用车辆GPS数据个数nT=140;T+t=1477969454车辆子群P的可用车辆GPS数据个数为nT+t=100。车辆子群P减少量此交叉口区域为拥堵区域。如果两个拥堵区域由一个路段直接连接,则这两个拥堵区域是相邻的,即两个交叉口的属性数据格式中有重复的相连路段:交叉口1ROAD_ONE=交叉口2ROAD_ONE/交叉口2ROAD_TWO/交叉口2ROAD_THREE/交叉口2ROAD_FOUR,或交叉口1ROAD_TWO=交叉口2ROAD_ONE/交叉口2ROAD_TWO/交叉口2ROAD_THREE/交叉口2ROAD_FOUR,或交叉口1ROAD_THREE=交叉口2ROAD_ONE/交叉口2ROAD_TWO/交叉口2ROAD_THREE/交叉口2ROAD_FOUR,或交叉口1ROAD_FOUR=交叉口2ROAD_ONE/交叉口2ROAD_TWO/交叉口2ROAD_THREE/交叉口2ROAD_FOUR。将相邻的拥堵区域合并,得到合并拥堵区域。
3)按地标、范围的形式生成合并拥堵区域的位置和范围;
合并拥堵区域按“地标+范围”的形式进行标识,分别计算合并拥堵区域内包含的m个交叉口中心点的横坐标平均值纵坐标平均值横坐标方差D(X)和纵坐标方差D(Y),根据4×10^10×D(X)D(Y)的大小确定拥堵区域范围大小,B是范围分级的阈值,此阈值可以动态调整,前期需要根据地区实际情况设置多组数据对比从而得出这个阈值。
若4×10^10×D(X)D(Y)≤B定义为“小范围”;若B≤4×10^10×D(X)D(Y)≤2B定义为“中等范围”;若4×10^10×D(X)D(Y)≥2B定义为“大范围”;以为圆心,依次搜索以的倍数为半径内的建筑物,按“商场>医院>学校>政府办公区”的优先级确定标识地标。
举例如下:有两个交叉口,坐标分别为(104.07512,30.72702)和(104.07812,30.72202),横坐标平均值纵坐标平均值横坐标方差D(X)=0.000002和纵坐标方差D(Y)=0.000006,4×10^10×D(X)D(Y)=0.5625,设B为1,合并拥堵区域为小范围,依次搜索(D(X)+D(Y))=0.00001(四舍五入)搜索到了“中央商场”和“市一中”,优先级:中央商场>市一中,则合并拥堵区域为“中央商场小范围”。
4)分析道路中拥堵路段的分布特征,将拥堵路段按所属道路进行分类,并按编号从小到大进行排序,确定编号分类结果;
道路的路段按从北往南、从西往东的顺序从小到大依次编号。编号值为路段属性之一,道路一共有N个路段,编号值为1,2,…,N。例如,中央大街为东西向道路,有五个路段,从西往东依次编号为1,2,3,4,5。
根据车流速度确定路段是否拥堵,的路段为拥堵路段。
一条道路的拥堵路段为一条数据,数据格式如下:
道路名称 |
拥堵编号q1 |
拥堵编号q2 |
拥堵编号q3 |
... |
拥堵编号q4 |
其中q1<q2<q3<q4。
举例来说明上述方法的使用。
皇后大道一共有5个路段,N=5,皇后大道的拥堵路段的数据格式如下:
道路名称 | 皇后大道 |
拥堵编号q1 | 1 |
拥堵编号q2 | 3 |
拥堵编号q3 | 4 |
拥堵编号q1(1)间断,拥堵编号q2(3)和拥堵编号q3(4)连续。
编号间断的拥堵编号q1(1):
符合编号间断的情况1,道路北(西)段拥堵;
编号连续的拥堵编号q2(3)和拥堵编号q3(4):
符合编号连续的情况5,道路中段和南(东)段拥堵。
ⅰⅱⅲ三种基本情况出现的次数分别为C(ⅰ)=1,C(ⅱ)=1,C(ⅲ)=1,任一种基本情况出现次数不为0。
三种基本情况出现的平均次数 且时,该道路全线拥堵。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种道路拥堵区域和拥堵路段的识别方法,其特征在于:包括步骤:
一、获取并判断车辆的GPS数据的可用性;
二、根据道路交叉口区域内车辆的数量变化识别道路拥堵区域,如果两个拥堵区域由一个路段直接连接,则这两个拥堵区域是相邻的,将相邻的拥堵区域合并,得到合并拥堵区域;
三、按地标、范围的形式生成合并拥堵区域的位置和范围;
四、分析道路中拥堵路段的分布特征,将拥堵路段按所属道路进行分类,并按编号从小到大进行排序,确定编号分类结果;
五、根据拥堵路段编号分类结果识别路段拥堵情况。
2.根据权利要求1所述的一种道路拥堵区域和拥堵路段的识别方法,其特征是:所述步骤一获取并判断车辆的GPS数据的可用性,具体为:
获取车辆GPS数据,车辆GPS数据包括GPS设备的用户ID、车辆所在位置的经纬度和传送数据的时间戳,根据车辆GPS数据的经纬度是否在要进行识别的道路交叉口区域内确定车辆GPS数据的可用性。
3.根据权利要求1所述的一种道路拥堵区域和拥堵路段的识别方法,其特征是:所述步骤二,具体为:
假设道路交叉口中心坐标为(r,s),设A’=(r-c,r+c,s-c,s+c)为道路交叉口区域,其中c为常数,T时刻时在交叉口区域内的车辆组成可用车辆GPS数据集P={p(x,y)|p∈A’},nT为T时刻车辆GPS数据集P的可用车辆GPS数据个数,nT+t为T+t时刻车辆GPS数据集P的可用车辆GPS数据个数,可用车辆GPS数据减少量:定义此交叉口区域为拥堵区域,反之则为畅通区域,如果两个拥堵区域由一个路段直接连接,则这两个拥堵区域是相邻的,将相邻的拥堵区域合并,得到合并拥堵区域。
4.根据权利要求1所述的一种道路拥堵区域和拥堵路段的识别方法,其特征是:所述步骤三按地标、范围的形式生成合并拥堵区域的位置和范围,具体为:
合并拥堵区域按“地标+范围”的形式进行标识,分别计算合并拥堵区域内包含的m个交叉口中心点的横坐标平均值纵坐标平均值横坐标方差D(X)和纵坐标方差D(Y),根据4×10^10×D(X)D(Y)的大小确定拥堵区域范围大小,若4×10^10×D(X)D(Y)≤B定义为“小范围”;若B≤4×10^10×D(X)D(Y)≤2B定义为“中等范围”;若4×10^10×D(X)D(Y)≥2B定义为“大范围”;B是范围分级的阈值;
以为圆心,依次搜索以的倍数为半径内的建筑物,按“商场>医院>学校>政府办公区”的优先级确定标识地标。
5.根据权利要求1所述的一种道路拥堵区域和拥堵路段的识别方法,其特征是:所述步骤四,具体步骤包括:
1)根据车流速度确定路段是否拥堵,若路段内车速平均值则该路段为拥堵路段;
2)道路的路段按从北往南、从西往东的顺序从小到大依次编号,编号值为路段属性之一,若道路一共有N个路段,编号值为1,2,…,N;
3)道路的拥堵情况由三种基本情况组成:ⅰ北或西段拥堵,ⅱ中段拥堵,ⅲ南或东段拥堵;
4)道路拥堵路段的编号关系存在两种可能:1.编号连续,a1,a2,…,an,其中an=a1+n-1,{an}是首项为a1,公差为1的等差数列;2.编号间断,a1,b,其中b≠a1+1;
{an},b都是道路拥堵路段的编号,a1<b;
5)根据道路拥堵路段的编号特征进行分类:
编号连续时连续路段分成六种情况:
1.且时,该道路北(西)段拥堵;
2.且时,该道路北(西)段和中段拥堵;
3.且时,该道路全线拥堵;
4.且时,该道路中段拥堵;
5.且时,该道路中段和南(东)段拥堵;
6.且时,该道路南(东)段拥堵;
编号间断时单个路段分为三种情况:
1.时,该道路北(西)段拥堵;
2.时,该道路中段拥堵;
3.时,该道路南(东)段拥堵。
6.根据权利要求5所述的一种道路拥堵区域和拥堵路段的识别方法,其特征是:所述步骤五,根据拥堵路段编号分类结果识别路段拥堵情况,具体为:
拥堵路段编号可能包含连续和间断两种情况,将连续路段部分根据编号连续情况进行分类,单个路段部分根据编号间断情况进行分类,所有部分的编号分类结果包括并可拆分成ⅰⅱⅲ三种基本的道路拥堵情况,ⅰⅱⅲ三种基本情况出现的次数分别为C(ⅰ),C(ⅱ),C(ⅲ),三种基本情况出现的平均次数根据以下三种情况确定道路拥堵情况:
1)任一种基本情况出现次数不为0:时,该道路北(西)段拥堵;时,该道路中段拥堵;时,该道路南(东)段拥堵;且时,该道路北(西)段和中段拥堵;且时,该道路北(西)段和南(东)段拥堵;且时,该道路中段和南(东)段拥堵;且时,该道路中段和南(东)段拥堵;且时,该道路全线拥堵;
2)存在一种基本情况出现次数为0:若C(ⅰ)=0时,该道路中段和南(东)段拥堵;C(ⅱ)=0时,该道路北(西)段和南(东)段拥堵;C(ⅲ)=0时,该道路北(西)段和中段拥堵;
3)存在两种基本情况出现次数为0:C(ⅰ)=0且C(ⅱ)=0时,该道路南(东)段拥堵;C(ⅰ)=0且C(ⅲ)=0时,该道路中段拥堵;C(ⅱ)=0且C(ⅲ)=0时,该道路北(西)段拥堵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810724855.7A CN108806257B (zh) | 2018-07-04 | 2018-07-04 | 一种道路拥堵区域和拥堵路段的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810724855.7A CN108806257B (zh) | 2018-07-04 | 2018-07-04 | 一种道路拥堵区域和拥堵路段的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108806257A true CN108806257A (zh) | 2018-11-13 |
CN108806257B CN108806257B (zh) | 2020-11-10 |
Family
ID=64074384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810724855.7A Active CN108806257B (zh) | 2018-07-04 | 2018-07-04 | 一种道路拥堵区域和拥堵路段的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108806257B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110047288A (zh) * | 2019-04-24 | 2019-07-23 | 葛志凯 | 缓解道路拥堵的方法和系统 |
CN111860396A (zh) * | 2020-07-28 | 2020-10-30 | 江苏中设集团股份有限公司 | 识别归纳车辆当前区域拥堵状况的方法 |
CN115148018A (zh) * | 2021-03-31 | 2022-10-04 | 海信集团控股股份有限公司 | 交通事件检测设备及方法 |
CN117711610A (zh) * | 2024-02-05 | 2024-03-15 | 四川省医学科学院·四川省人民医院 | 一种网络化mdt多学科的远程会诊车系统 |
CN117711610B (zh) * | 2024-02-05 | 2024-04-26 | 四川省医学科学院·四川省人民医院 | 一种网络化mdt多学科的远程会诊车系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604478A (zh) * | 2009-06-18 | 2009-12-16 | 北京九州联宇信息技术有限公司 | 一种动态交通信息的处理方法及系统 |
CN101710449A (zh) * | 2009-12-04 | 2010-05-19 | 吉林大学 | 基于公交车gps数据的交通流运行状态识别方法 |
CN102368355A (zh) * | 2011-10-19 | 2012-03-07 | 北京世纪高通科技有限公司 | 快速更新交通数据的方法和系统 |
CN102637357A (zh) * | 2012-03-27 | 2012-08-15 | 山东大学 | 一种区域交通状态评价方法 |
CN102663887A (zh) * | 2012-04-13 | 2012-09-12 | 浙江工业大学 | 基于物联网技术的道路交通信息云计算和云服务实现系统及方法 |
CN102968901A (zh) * | 2012-11-30 | 2013-03-13 | 青岛海信网络科技股份有限公司 | 获取区域拥堵信息的方法及区域拥堵分析装置 |
CN103065472A (zh) * | 2012-12-24 | 2013-04-24 | 中国科学院深圳先进技术研究院 | 实时路况分析方法及系统 |
CN103226892A (zh) * | 2013-04-08 | 2013-07-31 | 福建工程学院 | 一种优化型的道路拥塞状态发现方法 |
CN103730008A (zh) * | 2014-01-15 | 2014-04-16 | 汪涛 | 基于公交gps和ic卡实时数据的公交拥挤度分析方法 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN105702042A (zh) * | 2016-04-22 | 2016-06-22 | 北京国交信通科技发展有限公司 | 根据重点营运车辆定位信息判断公路拥堵的方法 |
CN105894802A (zh) * | 2015-04-10 | 2016-08-24 | 杭州远眺科技有限公司 | 一种基于gps数据的交通拥堵传播路径计算方法 |
CN106408943A (zh) * | 2016-11-17 | 2017-02-15 | 华南理工大学 | 一种基于宏观基本图的路网交通拥堵甄别方法 |
CN107123296A (zh) * | 2017-06-09 | 2017-09-01 | 安徽富煌科技股份有限公司 | 一种线路全局通畅度语音播报器 |
CN108109382A (zh) * | 2018-02-05 | 2018-06-01 | 青岛大学 | 一种基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 |
US20180165952A1 (en) * | 2016-12-13 | 2018-06-14 | Sap Se | Monitoring traffic congestion |
-
2018
- 2018-07-04 CN CN201810724855.7A patent/CN108806257B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604478A (zh) * | 2009-06-18 | 2009-12-16 | 北京九州联宇信息技术有限公司 | 一种动态交通信息的处理方法及系统 |
CN101710449A (zh) * | 2009-12-04 | 2010-05-19 | 吉林大学 | 基于公交车gps数据的交通流运行状态识别方法 |
CN102368355A (zh) * | 2011-10-19 | 2012-03-07 | 北京世纪高通科技有限公司 | 快速更新交通数据的方法和系统 |
CN102637357A (zh) * | 2012-03-27 | 2012-08-15 | 山东大学 | 一种区域交通状态评价方法 |
CN102663887A (zh) * | 2012-04-13 | 2012-09-12 | 浙江工业大学 | 基于物联网技术的道路交通信息云计算和云服务实现系统及方法 |
CN102968901A (zh) * | 2012-11-30 | 2013-03-13 | 青岛海信网络科技股份有限公司 | 获取区域拥堵信息的方法及区域拥堵分析装置 |
CN103065472A (zh) * | 2012-12-24 | 2013-04-24 | 中国科学院深圳先进技术研究院 | 实时路况分析方法及系统 |
CN103226892A (zh) * | 2013-04-08 | 2013-07-31 | 福建工程学院 | 一种优化型的道路拥塞状态发现方法 |
CN103730008A (zh) * | 2014-01-15 | 2014-04-16 | 汪涛 | 基于公交gps和ic卡实时数据的公交拥挤度分析方法 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN105894802A (zh) * | 2015-04-10 | 2016-08-24 | 杭州远眺科技有限公司 | 一种基于gps数据的交通拥堵传播路径计算方法 |
CN105702042A (zh) * | 2016-04-22 | 2016-06-22 | 北京国交信通科技发展有限公司 | 根据重点营运车辆定位信息判断公路拥堵的方法 |
CN106408943A (zh) * | 2016-11-17 | 2017-02-15 | 华南理工大学 | 一种基于宏观基本图的路网交通拥堵甄别方法 |
US20180165952A1 (en) * | 2016-12-13 | 2018-06-14 | Sap Se | Monitoring traffic congestion |
CN107123296A (zh) * | 2017-06-09 | 2017-09-01 | 安徽富煌科技股份有限公司 | 一种线路全局通畅度语音播报器 |
CN108109382A (zh) * | 2018-02-05 | 2018-06-01 | 青岛大学 | 一种基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 |
Non-Patent Citations (3)
Title |
---|
ZHENG Y等: "Mining interesting locations and travel sequences from GPS trajectories", 《PROC OF INTERNATIONAI CONFERENCE ON WORLD WIDE WEB》 * |
武兴业等: "基于GPS轨迹的城市拥堵区域挖掘与分析", 《计算机技术与发展》 * |
郭雪婷等: "基于出租车GPS数据的城市道路拥堵判别", 《交通信息与安全》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110047288A (zh) * | 2019-04-24 | 2019-07-23 | 葛志凯 | 缓解道路拥堵的方法和系统 |
CN111860396A (zh) * | 2020-07-28 | 2020-10-30 | 江苏中设集团股份有限公司 | 识别归纳车辆当前区域拥堵状况的方法 |
CN115148018A (zh) * | 2021-03-31 | 2022-10-04 | 海信集团控股股份有限公司 | 交通事件检测设备及方法 |
CN117711610A (zh) * | 2024-02-05 | 2024-03-15 | 四川省医学科学院·四川省人民医院 | 一种网络化mdt多学科的远程会诊车系统 |
CN117711610B (zh) * | 2024-02-05 | 2024-04-26 | 四川省医学科学院·四川省人民医院 | 一种网络化mdt多学科的远程会诊车系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108806257B (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108109382B (zh) | 基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 | |
CN108806257A (zh) | 一种道路拥堵区域和拥堵路段的识别方法 | |
CN102968901B (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
US20170337811A1 (en) | Determination of a Free-Flow Speed for a Link Segment | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN109615851B (zh) | 一种在群智感知系统中基于关键路段的感知节点选取方法 | |
CN106781490A (zh) | 城市道路交通运行分析评价系统 | |
CN105654744B (zh) | 一种基于q学习的改进交通信号控制方法 | |
CN106651027B (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
Imani et al. | Cycle accessibility and level of traffic stress: A case study of Toronto | |
CN106781558B (zh) | 车联网下基于宏观基本图的主通道交通流快速疏导方法 | |
CN110648532B (zh) | 一种基于智慧交通物联网的交通监测系统 | |
CN110084308B (zh) | 一种基于车辆轨迹分析构建通勤路径的方法 | |
CN109754598B (zh) | 一种拥堵组团识别方法及系统 | |
CN110555544B (zh) | 一种基于gps导航数据的交通需求估计方法 | |
CN106971535A (zh) | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 | |
CN107622668A (zh) | 一种基于rfid的动态可视化交叉口监测管理系统 | |
CN113259900B (zh) | 一种分布式多源异构交通数据融合方法及装置 | |
WO2022099643A1 (zh) | 一种缓解交通拥堵的方法 | |
Milojevic et al. | Short paper: Distributed vehicular traffic congestion detection algorithm for urban environments | |
CN113177742A (zh) | 基于智能交通的公交服务方法、系统、终端及存储介质 | |
CN112785162A (zh) | 基于智能车语义的高精地图众包数据质量评估方法与系统 | |
WO2023014311A1 (en) | Traffic density estimation system and a method thereof | |
CN111882864A (zh) | 一种城市智慧交通的道路数字标牌控制系统 | |
CN106781495A (zh) | 快速发现导致城市道路交通拥堵源头位置的方法和系统 |
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 |