CN108932837A - 交通拥堵管理方法及服务器 - Google Patents
交通拥堵管理方法及服务器 Download PDFInfo
- Publication number
- CN108932837A CN108932837A CN201710364196.6A CN201710364196A CN108932837A CN 108932837 A CN108932837 A CN 108932837A CN 201710364196 A CN201710364196 A CN 201710364196A CN 108932837 A CN108932837 A CN 108932837A
- Authority
- CN
- China
- Prior art keywords
- driving trace
- destination
- vehicle
- new
- identification information
- 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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Abstract
本发明提供一种交通拥堵管理方法及服务器,获取拥堵路段各车辆的各车辆识别信息,根据各车辆识别信息在预设的城市大数据库匹配出各车辆识别信息对应的各车主信息,并提取各车主信息日常出行的目的地;其中城市大数据库中包含车辆的车辆识别信息和车主信息对应关系,以及车主信息与日常出行的目的地对应关系;然后根据得到的各车主信息的日常出行的目的地和地空数据库,确定出各车辆的行驶轨迹,对各行驶轨迹通过聚类算法进行密集度分类计算,基于得到的密集度分类计算结果提供新线路规划策略。本发结合车辆数据、城市数据库和地空数据库确定出车辆行驶轨迹,进而基于各行驶轨迹的集中度确定出新线路规划策略,从根本上解决拥堵问题。
Description
技术领域
本发明涉及交通管理领域,尤其涉及一种交通拥堵管理方法及服务器。
背景技术
当前道路交通拥堵问题已经成为各大中城市发展的顽疾,引起交通拥堵的根本原因,是过多的车辆同时涌现在同一段道路上。
传统的治理交通拥堵的方法通常是红绿灯的智能调度,引导屏显示拥堵,地图导航显示拥堵等。传统的治理交通拥堵的方法都是在拥堵发生时进行疏导,这种“头痛医头,脚痛医脚”的方式都治标不治本,这种被动方案只能起到缓解作用,而拥堵仍然每天发生,并没有真正解决问题。例如某一路段在上班和下班高峰期出现拥堵,经常有看到交通协警在现场人工角度从而缓解拥堵情况,这种方式人力成本高,效果不佳,且一旦某一天交通协警人员不在场则又会回到拥堵不堪的境地。因此针对城市发展过程中交通拥堵这一顽疾,继续提供一种从根本上解决的技术方案。
发明内容
本发明实施例提供的交通拥堵管理方法及服务器,主要解决的技术问题是现有针对交通拥堵都是在拥堵发生时进行现场疏导,导致不能有效的根本解决交通拥堵的问题。
为解决上述技术问题,本发明实施例提供交通拥堵管理方法,包括:
获取拥堵路段各车辆的各车辆识别信息;
根据所述各车辆识别信息在预设的城市大数据库匹配出所述各车辆识别信息对应的各车主信息,并提取所述各车主信息日常出行的目的地;所述城市大数据库中包含车辆的车辆识别信息和车主信息对应关系,以及车主信息与日常出行的目的地对应关系;
根据得到的所述各车主信息的日常出行的目的地和地空数据库,确定出所述各车辆的行驶轨迹,所述地空数据库包含地图数据;
对所述各行驶轨迹通过聚类算法进行密集度分类计算,基于得到的密集度分类计算结果提供新线路规划策略。
本发明实施例还提供一种交通拥堵管理服务器,包括:
车辆识别信息获取模块,用于获取拥堵路段各车辆的各车辆识别信息;
目的地匹配模块,用于根据所述各车辆识别信息在预设的城市大数据库匹配出所述各车辆识别信息对应的各车主信息,并提取所述各车主信息日常出行的目的地;所述城市大数据库中包含车辆的车辆识别信息和车主信息对应关系,以及车主信息与日常出行的目的地对应关系;
轨迹确定模块,用于根据得到的所述各车主信息的日常出行的目的地和地空数据库,确定出所述各车辆的行驶轨迹,所述地空数据库包含地图数据;
处理模块,用于对所述各行驶轨迹通过聚类算法进行密集度分类计算,基于得到的密集度分类计算结果提供新线路规划策略。
本发明实施例还提供一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行前述的交通拥堵管理方法。
本发明的有益效果是:
根据本发明实施例提供的交通拥堵管理方法及服务器,获取拥堵路段各车辆的各车辆识别信息,根据各车辆识别信息在预设的城市大数据库匹配出各车辆识别信息对应的各车主信息,并提取各车主信息日常出行的目的地;其中城市大数据库中包含车辆的车辆识别信息和车主信息对应关系,以及车主信息与日常出行的目的地对应关系;然后根据得到的各车主信息的日常出行的目的地和地空数据库,确定出各车辆的行驶轨迹,对各行驶轨迹通过聚类算法进行密集度分类计算,基于得到的密集度分类计算结果提供新线路规划策略。本发明提供的方案可以根据拥堵路段上车辆的识别信息结合城市数据库和地空数据库确定出车辆行驶轨迹,进而基于各行驶轨迹的集中度确定出新线路规划策略,通过规划新线路解决拥堵问题,而不是在拥堵路段上进行临时疏导,从根本上解决拥堵问题。
附图说明
图1为本发明实施例一提供的交通拥堵管理方法流程示意图;
图2为本发明实施例一提供的新线路规划策略生成方法流程示意图;
图3为本发明实施例一提供的反馈检测方法流程示意图;
图4为本发明实施例二提供的交通拥堵管理服务器结构流程示意图;
图5为本发明实施例三提供的交通拥堵管理方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明中一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
随着大数据和物联网技术的发展,各城市已经部署了大量的视频监控,卡口,GPS(Global Positioning System,全球定位系统)等数据采集设备,同时智慧城市建设已经建设了城市大数据库(包括但不限于人口库、法人库)地空数据库(包含地图数据、各种城市规划数据等)等基础数据库,已经具备条件分析拥堵的根源,从源头上进行道路交通规划,治理交通拥堵问题。本实施例中的城市大数据库中可以包含车辆的车辆识别信息和车主信息对应关系,以及车主信息与日常出行的目的地对应关系。本实施例中车辆识别信息可以是车辆的车牌号、车辆车架号,车辆发送机号等中的至少一种。本实施例中车辆的车主可能是私人车主,也可能是法人车主,例如各种公司(包括但不限于各种交通运行公司、事业单位、各种其他性质的公司)的车辆,也可能是政府各种部门的车辆等。车辆根据所属车辆的不同,可以将车辆定性为私家车辆、公交车辆、运营车辆、特种车辆(例如政府部门的各种车辆,军车、医院救护车、消防车)等。
引起交通拥堵的根本原因,是过多的车辆同时涌现在同一段道路上。其中私家车占了很大的比重。根据统计分析,在高峰时段出行的私家车辆,很大概率是出于接送子女上学、本人及亲友上班的目的,如果在家、学校、工作单位之间有很方便快捷的公共线路出行方案,私家车的出行需要由公共交通工具来代替,那么必然能有效减少上路的汽车数量。另外通过开辟新的线路也能从根本上解决原线路的拥堵问题。通过减少上路车辆能从源头控制交通拥堵问题,如果再配合其他的奖惩措施、道路规划和传统的交通治理手段,就可以从根本上解决城市发展过程中交通拥堵这一顽疾。
参见图1所示,本实施例中的交通拥堵管理方法包括:
S101:获取拥堵路段各车辆的各车辆识别信息。
可以通过各路段以及卡口等各地方的摄像装置或者其他数据采集装置采集歌车辆的车辆识别信息,例如可以提取车辆的车牌号作为车辆的识别信息。
S102:根据获取的各车辆识别信息在预设的城市大数据库匹配出各车辆识别信息对应的各车主信息,并提取所述各车主信息日常出行的目的地。
S103:根据得到的各车主信息的日常出行的目的地和地空数据库,确定出各车辆的行驶轨迹。
S104:对得到的各行驶轨迹通过聚类算法进行密集度分类计算,基于得到的密集度分类计算结果提供新线路规划策略。
本实施例中采用的聚类算法可以采用各种聚类算法,例如包括但不限于划分法(Partitioning Methods)、层次法(Hierarchical Methods)、基于密度的方法(density-based methods)、基于网格的方法(grid-based methods)、基于模型的方法(Model-BasedMethods)。
本实施例中,城市大数据库中存储的各车主的目的地包含车主的家庭地址,还可包括工作地址、车主或其孩子学校地址、车主游玩地址中的至少一种。本实施例中车主游玩地址包括不但限于车主常去的游乐场所、休闲场所、旅游地等中的至少一种。本实施例中的各地址可以是可以通过预先登记获取的,也可以是通过对车辆进行自动监测获取的,当然也不限于其他获取方式。
本实施例中,基于得到的密集度分类计算结果提供新线路规划策略可以是将相关密集度分类计算结果进行展现,以提供相关规划人员读取规划执行新线路。
因此,在本实施例的一种示例中,基于得到的密集度分类计算结果提供新线路规划策略可以是:
将各行驶轨迹经过聚类算法得到的各行驶轨迹集合分别进行显示,并将各行驶轨迹集合中行驶轨迹对应的目的地址进行显示和/或将各类中行驶轨迹对应车辆之车主信息进行显示。
例如,具体可以将将各行驶轨迹经过聚类算法得到的各行驶轨迹集合分别进行显示,并将各行驶轨迹集合中行驶轨迹对应的目的地址进行显示,此时的显示可以是对各行驶轨迹的目的地址进行一一显示,也可以是将各行驶轨迹集合中的各行驶轨迹进行归类显示。这样规划人员基于看到的行驶轨迹集合以及各行驶轨迹集合中相应类型的目的地址以确定相应新路线的规划策略。
又例如,具体可以将将各行驶轨迹经过聚类算法得到的各行驶轨迹集合分别进行显示,并将各行驶轨迹集合中行驶轨迹对应的车主信息进行显示,此时的显示可以是对各行驶轨迹的车主信息进行一一显示,也可以是将各行驶轨迹集合中的各车主信息进行归类显示。这样规划人员基于看到的行驶轨迹集合以及各行驶轨迹集合中相应类型的车主信息以确定相应新路线的规划策略。
本实施例中规划人员提供的新线路规划策略可以包括但不限于新道路建设规划策略、新公共线路规划策略和新目的地建设规划策略中的至少一种。且规划人员可以根据具体的分析情况灵活的选定上述策略中的至少一种,也可以同时提供两种以上的策略并行进行拥堵问题的解决。
本实施例中新道路建设规划策略包括新道路路线,本实施例中的新道路包括但不限于马路、空中以及地下轨道、桥梁中的至少一种。
本实施例中新公共线路规划策略至少包括新公共路线的行驶路线规划,本实施例中的新公共路线包括但不限于公交路线,地铁路线、轻轨路线或高铁路线。
本实施例中新目的地建设规划策略至少包括新目的地的迁移区域以及迁移后的交通路线规划。迁移区域的选择需要考虑的因素可以根据待迁移对象以及实际的城市规划灵活设定。
在本实施例的另一种示例中,基于得到的密集度分类计算结果提供新线路规划策略可以由管理服务器自动分析生成,此时参见图2所示,其包括:
S201:从经过聚类算法得到的各行驶轨迹集合中选择出密集度值大于等于预设密集度阈值的行驶轨迹集合。
S202:基于该行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略。本实施例中自动分析得到的新线路规划策略包括但不限于新道路建设规划策略、新公共线路规划策略和新目的地建设规划策略中的至少一种。同样在进行分析制得新线路规划策略时,也可以格局具体的分析情况灵活的选定上述策略中的至少一种,也可以同时提供两种以上的策略并行进行拥堵问题的解决。本示例以下面几种分析情况进行示例说明:
一种实现方式中,目的地包含且不限于车主的家庭地址,还包括工作地址、车主或其孩子学校地址、车主游玩地址中的至少一种;
此时基于所述行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略包括:
基于该行驶轨迹集合中的各行驶轨迹的目的地,确定目的地中存在可迁移类型目的地,且结合地图数据库分析存在适合所述目的地迁移区域时,提供新目的地建设规划策略,新目的地建设规划策略中至少包括新目的地的迁移区域以及迁移后的交通路线规划。本实施例可迁移类型目的地是指根据目的地的性质、规模等方面进行灵活定义,例如对于目的地为家庭的,则可定义为不可迁移类型,对于学校地址、工作地址等可以定义为可迁移类型。当然根据具体应用场景可以对哪些目的地址是否可迁移进行灵活设定。
在一种实现方式中,基于行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略包括:
基于该行驶轨迹集合中的各行驶轨迹的目的地,确定行驶轨迹中目的地为工作地址和学校地址的行驶轨迹数大于等于预设第一轨迹数量阈值时,此时表明大部分车应该是属于私家车,提示基于分析结果可以提供新公共线路规划策略,新公共线路规划策略至少包括新公共路线的行驶路线规划。本实施例中,第一轨迹数量阈值的具体取值可以根据实际应用场景灵活设定,例如根据道路宽度、拥堵时间段、车辆类型等灵活设定。
在一种实现方式中,基于行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略包括:
基于该行驶轨迹集合中的各行驶轨迹的目的地,确定行驶轨迹对应车辆之车主为公家车主的行驶轨迹数大于等于预设第二轨迹数量阈值时,提供新道路建设规划策略,所述新道路建设规划策略至少包括新道路路线。本实施例中,第二轨迹数量阈值的具体取值也可以根据实际应用场景灵活设定,例如根据道路宽度、拥堵时间段、车辆类型等灵活设定。
在本实施例中,得到新道路建设规划策略、新公共线路规划策略和新目的地建设规划策略中的至少一种后,可以执行相应的规划策略,例如开通新的公共交通路线,新建设相应的道路、将相应的目的地进行搬迁。执行完相应的策略后,还可对执行后的效果进行验证的过程,该过程参见图3所示,包括:
S301:接收改善检测通知,该改善检测通知中至少包含待监测的原拥堵路段。
S302:获取原拥堵路段各车辆的各车辆识别信息。
S303:根据各车辆识别信息在预设的城市大数据库匹配出所述各车辆识别信息对应的各车主信息,并提取各车主信息日常出行的目的地。
S304:根据得到的各车主信息的日常出行的目的地和地空数据库,确定出各车辆的行驶轨迹。
S305:对各行驶轨迹通过聚类算法进行密集度分类计算,并获取各密集度分类计算结果对应的各行驶轨迹集合的密集度值与和预设检测密集度阈值进行比较得到用于表征改善效果的比较结果。
经过反馈检测比较,如果确定改善效果达到的预设目的,则可以对改善后的相应路段进行持续监测。当改善效果没有达到预设目的时,则可以返回到图1所示的流程进行持续监测修正。
通过本实施例提供的交通拥堵管理方法,可以结合交通数据、城市大数据以及地空数据,从源头上对交通拥堵进行控制分流,通过主动规划,避免交通拥堵的发生,具有设计新颖,效果卓越,出行方便,市民满意等优点。
实施例二:
本实施例提供了一种交通拥堵管理服务器,参见图4所示,包括:
车辆识别信息获取模块41,用于获取拥堵路段各车辆的各车辆识别信息。本实施例中车辆识别信息可以是车辆的车牌号、车辆车架号,车辆发送机号等中的至少一种。
目的地匹配模块42,用于根据获取到的各车辆识别信息在预设的城市大数据库匹配出所述各车辆识别信息对应的各车主信息,并提取各车主信息日常出行的目的地。城市大数据库中包含车辆的车辆识别信息和车主信息对应关系,以及车主信息与日常出行的目的地对应关系;本实施例中车辆的车主可能是私人车主,也可能是法人车主,例如各种公司(包括但不限于各种交通运行公司、事业单位、各种其他性质的公司)的车辆,也可能是政府各种部门的车辆等。车辆根据所属车辆的不同,可以将车辆定性为私家车辆、公交车辆、运营车辆、特种车辆(例如政府部门的各种车辆,军车、医院救护车、消防车)等。本实施例中目的地包含车主的家庭地址,还可包括工作地址、车主或其孩子学校地址、车主游玩地址中的至少一种。本实施例中车主游玩地址包括不但限于车主常去的游乐场所、休闲场所、旅游地等中的至少一种。本实施例中的各地址可以是可以通过预先登记获取的,也可以是通过对车辆进行自动监测获取的,当然也不限于其他获取方式。
轨迹确定模块43,用于根据得到的各车主信息的日常出行的目的地和地空数据库,确定出各车辆的行驶轨迹,地空数据库包含地图数据。
处理模块44,用于对各行驶轨迹通过聚类算法进行密集度分类计算,基于得到的密集度分类计算结果提供新线路规划策略。
应当理解的是,本实施例中上述各模块的功能可以通过管理服务器的处理器或者控制器实现。
本实施例中,基于得到的密集度分类计算结果提供新线路规划策略可以是将相关密集度分类计算结果进行展现,以提供相关规划人员读取规划执行新线路。因此,在本实施例的一种示例中,处理模块44用于将各行驶轨迹经过聚类算法得到的各行驶轨迹集合分别进行显示,并将各类中行驶轨迹对应的目的地址进行显示和/或将各类中行驶轨迹对应车辆之车主信息进行显示。例如,处理模块44具体可以将将各行驶轨迹经过聚类算法得到的各行驶轨迹集合分别进行显示,并将各行驶轨迹集合中行驶轨迹对应的目的地址进行显示。又例如,具体可以将将各行驶轨迹经过聚类算法得到的各行驶轨迹集合分别进行显示,并将各行驶轨迹集合中行驶轨迹对应的车主信息进行显示。
本实施例中规划人员提供的新线路规划策略可以包括但不限于新道路建设规划策略、新公共线路规划策略和新目的地建设规划策略中的至少一种。且规划人员可以根据具体的分析情况灵活的选定上述策略中的至少一种,也可以同时提供两种以上的策略并行进行拥堵问题的解决。本实施例中新道路建设规划策略包括新道路路线,本实施例中的新道路包括但不限于马路、空中以及地下轨道、桥梁中的至少一种。
本实施例中新公共线路规划策略至少包括新公共路线的行驶路线规划,本实施例中的新公共路线包括但不限于公交路线,地铁路线、轻轨路线或高铁路线。
本实施例中新目的地建设规划策略至少包括新目的地的迁移区域以及迁移后的交通路线规划。迁移区域的选择需要考虑的因素可以根据待迁移对象以及实际的城市规划灵活设定。
在本实施例的另一种示例中,基于得到的密集度分类计算结果提供新线路规划策略可以由管理服务器自动分析生成,此时处理模块44用于从经过聚类算法得到的各行驶轨迹集合中选择出密集度值大于等于预设密集度阈值的行驶轨迹集合,以及基于该行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略,所得到的新线路规划策略包括新道路建设规划策略、新公共线路规划策略和新目的地建设规划策略中的至少一种。同样处理模块44在进行分析制得新线路规划策略时,也可以格局具体的分析情况灵活的选定上述策略中的至少一种,也可以同时提供两种以上的策略并行进行拥堵问题的解决。本示例以下面几种分析情况进行示例说明:
一种实现方式中,目的地包含且不限于车主的家庭地址,还包括工作地址、车主或其孩子学校地址、车主游玩地址中的至少一种;
此时处理模块44基于行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略包括:处理模块44基于该行驶轨迹集合中的各行驶轨迹的目的地,确定目的地中存在可迁移类型目的地,且结合地图数据库分析存在适合所述目的地迁移区域时,提供新目的地建设规划策略,新目的地建设规划策略中至少包括新目的地的迁移区域以及迁移后的交通路线规划。本实施例可迁移类型目的地是指根据目的地的性质、规模等方面进行灵活定义,例如对于目的地为家庭的,则可定义为不可迁移类型,对于学校地址、工作地址等可以定义为可迁移类型。当然根据具体应用场景可以对哪些目的地址是否可迁移进行灵活设定。
在一种实现方式中,处理模块44基于行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略包括:处理模块44基于该行驶轨迹集合中的各行驶轨迹的目的地,确定行驶轨迹中目的地为工作地址和学校地址的行驶轨迹数大于等于预设第一轨迹数量阈值时,此时表明大部分车应该是属于私家车,提示基于分析结果可以提供新公共线路规划策略,新公共线路规划策略至少包括新公共路线的行驶路线规划。本实施例中,第一轨迹数量阈值的具体取值可以根据实际应用场景灵活设定,例如根据道路宽度、拥堵时间段、车辆类型等灵活设定。
在一种实现方式中,处理模块44基于行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略包括:处理模块44基于该行驶轨迹集合中的各行驶轨迹的目的地,确定行驶轨迹对应车辆之车主为公家车主的行驶轨迹数大于等于预设第二轨迹数量阈值时,提供新道路建设规划策略,所述新道路建设规划策略至少包括新道路路线。本实施例中,第二轨迹数量阈值的具体取值也可以根据实际应用场景灵活设定,例如根据道路宽度、拥堵时间段、车辆类型等灵活设定。
在本实施例中,得到新道路建设规划策略、新公共线路规划策略和新目的地建设规划策略中的至少一种后,可以执行相应的规划策略,例如开通新的公共交通路线,新建设相应的道路、将相应的目的地进行搬迁。执行完相应的策略后,还可对执行后的效果进行验证的过程,此时的车辆识别信息获取模块41还用于接收改善检测通知,该改善检测通知中至少包含待监测的原拥堵路段,以及用于获取原拥堵路段各车辆的各车辆识别信息。
目的地匹配模块42用于根据各车辆识别信息在预设的城市大数据库匹配出所述各车辆识别信息对应的各车主信息,并提取各车主信息日常出行的目的地。
轨迹确定模块43用于根据得到的各车主信息的日常出行的目的地和地空数据库,确定出各车辆的行驶轨迹。
处理模块44还用于对各行驶轨迹通过聚类算法进行密集度分类计算,并获取各密集度分类计算结果对应的各行驶轨迹集合的密集度值与和预设检测密集度阈值进行比较得到用于表征改善效果的比较结果。经过反馈检测比较,如果确定改善效果达到的预设目的,则可以对改善后的相应路段进行持续监测。当改善效果没有达到预设目的时,则可以重新进行上述车辆信息采集并结合大城市数据库以及地空数据库进行持续监测修正的过程。
通过本实施例提供的交通拥堵管理服务器,可以自动结合交通数据、城市大数据以及地空数据,从源头上对交通拥堵进行控制分流,通过主动规划,避免交通拥堵的发生,具有设计新颖,效果卓越,出行方便,市民满意等优点。
显然,本领域的技术人员应该明白,上述本发明实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件和软件结合。
实施例三:
为了便于理解本发明,一种实施例中结合针对私家车的拥堵情况进行示例说明。参见附图5所示,包括:
S501:通过拥堵路段和卡口设置的数据采集设备采集通过拥堵路段的车辆的车牌信息。
S502:根据车牌查询大城市数据库,获取车主等级信息,大城市数据库中的车辆识别信息与车主信息的对应关系可以单独存储于车辆数据库中。
S503:判断是否是私家车,如是,转至S504;否则,转至S501。
S504:根据车主信息,查询大城市数据库获取车主的家庭地址、子女学校地址、工作单位地址等信息,还可以查询该车主的家庭成员信息等。
S505:采用聚类算法,对家庭、学校、工作进行聚类分析,归于三类区域标记为站点,并基于路径规划连接家庭地址、学校地址、工作地址三类区域站点形成行驶轨迹。
S506:基于对得到的行驶轨迹进行密集度分类计算提供新线路规划策略。
例如,在一种示例中,利用本实施例的方法,进行道路规划步骤如下:
采用本实施例的方法,获取家庭住址、学校、工作单位的空间地理坐标。
采用聚类算法,计算家庭住址、学校、工作单位的密集区域。
规划新的道路,连接上述密集区域,从拥堵路段分流私家车辆,从而解决交通拥堵问题。
例如,在另一种示例中,利用本实施例的方法,进行公共交通规划步骤如下:
采用本实施例的方法,获取家庭住址、学校、工作单位的空间地理坐标。
采用聚类算法,计算家庭住址、学校、工作单位的密集区域。
规划公共交通路线,连接上述密集区域,方便私家车主乘坐公共交通工具出行,从而解决交通拥堵问题。
例如,在另一种示例中,利用本实施例的方法,进行城市建设规划步骤如下:
采用本实施例的方法,获取家庭住址、学校、工作单位的空间地理坐标。
采用聚类算法,计算家庭住址、学校、工作单位的密集区域。
重新规划工作单位地址或规划新的学校,使其更贴近家庭住址,减少私家车的出行,从而解决交通拥堵问题。
本发明提供的交通拥堵管理方法有别于现在头痛医头,脚痛医脚的被动方案,而是别出心裁地融合了交通数据和城市大数据,从源头上对交通拥堵进行控制,通过主动规划,避免交通拥堵的发生,具有设计新颖,效果卓越,出行方便,市民满意等优点。
以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种交通拥堵管理方法,包括:
获取拥堵路段各车辆的各车辆识别信息;
根据所述各车辆识别信息在预设的城市大数据库匹配出所述各车辆识别信息对应的各车主信息,并提取所述各车主信息日常出行的目的地;所述城市大数据库中包含车辆的车辆识别信息和车主信息对应关系,以及车主信息与日常出行的目的地对应关系;
根据得到的所述各车主信息的日常出行的目的地和地空数据库,确定出所述各车辆的行驶轨迹,所述地空数据库包含地图数据;
对所述各行驶轨迹通过聚类算法进行密集度分类计算,基于得到的密集度分类计算结果提供新线路规划策略。
2.如权利要求1所述的交通拥堵管理方法,其特征在于,所述目的地包含车主的家庭地址,还包括工作地址、车主或其孩子学校地址、车主游玩地址中的至少一种;
所述基于得到的密集度分类计算结果提供新线路规划策略包括:
将所述各行驶轨迹经过聚类算法得到的各行驶轨迹集合分别进行显示,并将各行驶轨迹集合中行驶轨迹对应的目的地址进行显示和/或将各类中行驶轨迹对应车辆之车主信息进行显示。
3.如权利要求1所述的交通拥堵管理方法,其特征在于,基于得到的密集度分类计算结果提供新线路规划策略包括:
从经过聚类算法得到的各行驶轨迹集合中选择出密集度值大于等于预设密集度阈值的行驶轨迹集合;
基于该行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略,所得到的新线路规划策略包括新道路建设规划策略、新公共线路规划策略和新目的地建设规划策略中的至少一种。
4.如权利要求3所述的交通拥堵管理方法,其特征在于,所述目的地包含车主的家庭地址,还包括工作地址、车主或其孩子学校地址、车主游玩地址中的至少一种;
所述基于所述行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略包括:
基于该行驶轨迹集合中的各行驶轨迹的目的地,确定所述目的地中存在可迁移类型目的地、且结合所述地图数据库分析存在适合所述目的地迁移区域时,提供新目的地建设规划策略,所述新目的地建设规划策略中至少包括新目的地的迁移区域以及迁移后的交通路线规划。
5.如权利要求3所述的交通拥堵管理方法,其特征在于,基于所述行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略包括:
基于该行驶轨迹集合中的各行驶轨迹的目的地,确定所述行驶轨迹中目的地为工作地址和学校地址的行驶轨迹数大于等于预设第一轨迹数量阈值时,提供新公共线路规划策略,所述新公共线路规划策略至少包括新公共路线的行驶路线规划。
6.如权利要求3所述的交通拥堵管理方法,其特征在于,基于所述行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略包括:
基于该行驶轨迹集合中的各行驶轨迹的目的地,确定所述行驶轨迹对应车辆之车主为公家车主的行驶轨迹数大于等于预设第二轨迹数量阈值时,提供新道路建设规划策略,所述新道路建设规划策略至少包括新道路路线。
7.如权利要求1-6任一项交通拥堵管理方法,其特征在于,还包括:
接收改善检测通知,所述改善检测通知中至少包含待监测的原拥堵路段;
获取所述原拥堵路段各车辆的各车辆识别信息;
根据所述各车辆识别信息在预设的城市大数据库匹配出所述各车辆识别信息对应的各车主信息,并提取所述各车主信息日常出行的目的地;
根据得到的所述各车主信息的日常出行的目的地和地空数据库,确定出所述各车辆的行驶轨迹;
对所述各行驶轨迹通过聚类算法进行密集度分类计算,并获取各密集度分类计算结果对应的各行驶轨迹集合的密集度值与和预设检测密集度阈值进行比较得到用于表征改善效果的比较结果。
8.一种交通拥堵管理服务器,包括:
车辆识别信息获取模块,用于获取拥堵路段各车辆的各车辆识别信息;
目的地匹配模块,用于根据所述各车辆识别信息在预设的城市大数据库匹配出所述各车辆识别信息对应的各车主信息,并提取所述各车主信息日常出行的目的地;所述城市大数据库中包含车辆的车辆识别信息和车主信息对应关系,以及车主信息与日常出行的目的地对应关系;
轨迹确定模块,用于根据得到的所述各车主信息的日常出行的目的地和地空数据库,确定出所述各车辆的行驶轨迹,所述地空数据库包含地图数据;
处理模块,用于对所述各行驶轨迹通过聚类算法进行密集度分类计算,基于得到的密集度分类计算结果提供新线路规划策略。
9.如权利要求8所述的交通拥堵管理服务器,其特征在于,所述目的地包含车主的家庭地址,还包括工作地址、车主或其孩子学校地址、车主游玩地址中的至少一种;
所述处理模块用于将所述各行驶轨迹经过聚类算法得到的各行驶轨迹集合分别进行显示,并将各行驶轨迹集合中行驶轨迹对应的目的地址进行显示和/或将各类中行驶轨迹对应车辆之车主信息进行显示。
10.如权利要求8所述的交通拥堵管理服务器,其特征在于,所述处理模块用于从经过聚类算法得到的各行驶轨迹集合中选择出密集度值大于等于预设密集度阈值的行驶轨迹集合,以及基于该行驶轨迹集合中的各行驶轨迹的目的地分析得到新线路规划策略,所得到的新线路规划策略包括新道路建设规划策略、新公共线路规划策略和新目的地建设规划策略中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710364196.6A CN108932837B (zh) | 2017-05-22 | 2017-05-22 | 交通拥堵管理方法及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710364196.6A CN108932837B (zh) | 2017-05-22 | 2017-05-22 | 交通拥堵管理方法及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108932837A true CN108932837A (zh) | 2018-12-04 |
CN108932837B CN108932837B (zh) | 2022-05-27 |
Family
ID=64449652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710364196.6A Active CN108932837B (zh) | 2017-05-22 | 2017-05-22 | 交通拥堵管理方法及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108932837B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377671A (zh) * | 2019-04-23 | 2019-10-25 | 同济大学 | 一种城市道路规划方法及设备 |
CN110879862A (zh) * | 2019-11-15 | 2020-03-13 | 成都耍流量网络科技有限公司 | 基于物联网的车辆信息查询系统 |
CN111813820A (zh) * | 2019-04-12 | 2020-10-23 | 北京三快在线科技有限公司 | 确定封锁路段的方法、装置、存储介质以及电子设备 |
CN112581757A (zh) * | 2020-12-09 | 2021-03-30 | 曾李 | 一种智慧交通信息处理方法、装置及服务器 |
CN112735189A (zh) * | 2020-12-24 | 2021-04-30 | 朱上翔 | 一种飞行汽车地空模态转换与智能空管方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520946A (zh) * | 2008-02-29 | 2009-09-02 | 厦门雅迅网络股份有限公司 | 城市公交动态线路规划方法 |
US20110125392A1 (en) * | 2009-11-24 | 2011-05-26 | Verizon Patent And Licensing, Inc. | Traffic data collection in a navigational system |
CN105277202A (zh) * | 2014-06-24 | 2016-01-27 | 上海市闵行第二中学 | 车辆路径规划方法及其路径规划系统 |
CN105513395A (zh) * | 2015-11-30 | 2016-04-20 | 华南理工大学 | 一种基于车辆目的地预测的智能信息推送系统和方法 |
CN105741556A (zh) * | 2016-04-29 | 2016-07-06 | 深圳市为有视讯有限公司 | 路况信息的推送方法、行车记录仪、云端服务器以及推送系统 |
-
2017
- 2017-05-22 CN CN201710364196.6A patent/CN108932837B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520946A (zh) * | 2008-02-29 | 2009-09-02 | 厦门雅迅网络股份有限公司 | 城市公交动态线路规划方法 |
US20110125392A1 (en) * | 2009-11-24 | 2011-05-26 | Verizon Patent And Licensing, Inc. | Traffic data collection in a navigational system |
CN105277202A (zh) * | 2014-06-24 | 2016-01-27 | 上海市闵行第二中学 | 车辆路径规划方法及其路径规划系统 |
CN105513395A (zh) * | 2015-11-30 | 2016-04-20 | 华南理工大学 | 一种基于车辆目的地预测的智能信息推送系统和方法 |
CN105741556A (zh) * | 2016-04-29 | 2016-07-06 | 深圳市为有视讯有限公司 | 路况信息的推送方法、行车记录仪、云端服务器以及推送系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111813820A (zh) * | 2019-04-12 | 2020-10-23 | 北京三快在线科技有限公司 | 确定封锁路段的方法、装置、存储介质以及电子设备 |
CN110377671A (zh) * | 2019-04-23 | 2019-10-25 | 同济大学 | 一种城市道路规划方法及设备 |
CN110879862A (zh) * | 2019-11-15 | 2020-03-13 | 成都耍流量网络科技有限公司 | 基于物联网的车辆信息查询系统 |
CN110879862B (zh) * | 2019-11-15 | 2023-08-29 | 成都耍流量网络科技有限公司 | 基于物联网的车辆信息查询系统 |
CN112581757A (zh) * | 2020-12-09 | 2021-03-30 | 曾李 | 一种智慧交通信息处理方法、装置及服务器 |
CN112581757B (zh) * | 2020-12-09 | 2021-11-16 | 广东君略科技咨询有限公司 | 一种智慧交通信息处理方法、装置及服务器 |
CN112735189A (zh) * | 2020-12-24 | 2021-04-30 | 朱上翔 | 一种飞行汽车地空模态转换与智能空管方法及系统 |
CN112735189B (zh) * | 2020-12-24 | 2023-08-18 | 朱上翔 | 一种飞行汽车地空模态转换与智能空管方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108932837B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108932837A (zh) | 交通拥堵管理方法及服务器 | |
CN109902899B (zh) | 信息生成方法和装置 | |
CN109657843A (zh) | 一种城市接驳公交系统的一体化规划决策支持系统 | |
CN109520744A (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
CN111044060B (zh) | 多车辆路径规划方法及多车辆路径规划系统 | |
Walker et al. | Telematics, Urban Freight Logistics, and Low Carbon Road Networks | |
CN110990661B (zh) | 一种基于路网约束和密度聚类的兴趣区域出入口提取方法 | |
CN113692373B (zh) | 自动驾驶车辆服务的滞留和范围分析 | |
CN105377664A (zh) | 交通需要控制装置 | |
CN104200659A (zh) | 一种不按规定线路行驶的重点车辆交通违法行为判定方法 | |
Rudloff et al. | Comparing calibrated shared space simulation model with real-life data | |
Iwan et al. | Utilization of mobile applications for the improvement of traffic management systems | |
CN109544443A (zh) | 一种路线图生成方法及装置 | |
RU2601133C2 (ru) | Имитационная модель движения транспортных и пешеходных потоков в городских условиях на основе агентно-ориентированного подхода | |
CN117053819A (zh) | 一种基于gis的货车路线自动规划系统 | |
Farman et al. | Smart transportation in developing countries: An Internet-of-Things-based conceptual framework for traffic control | |
KR20170080542A (ko) | 버스운행관리시스템의 정보를 이용하여 교통정보를 생성하는 방법 | |
CN113793500A (zh) | 城市交通道路可计算路网的构建方法及系统 | |
KR101740471B1 (ko) | 버스운행관리시스템의 정보를 이용하여 교통정보를 생성하는 방법 | |
CN108364456A (zh) | 一种确定高速公路桩号的方法、存储介质、装置及系统 | |
Kuonen | Estimating greenhouse gas emissions from travel–a GIS-based study | |
Barceló et al. | Dynamic Traffic Management: A Bird’s Eye View | |
Kucirek | Comparison between MATSIM & EMME: Developing a dynamic, activity-based microsimulation transit assignment model for Toronto | |
Izadi et al. | Evaluation of the performance of bus special lines according to indicators of quality and transport and its performance improvement using ultra-innovative intelligent models (Case study: Rasht city) | |
Lv et al. | Optimization of dynamic parking guidance information for special events |
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 |