CN109003446B - 一种基于rfid数据的城市错峰通行效果分析方法 - Google Patents

一种基于rfid数据的城市错峰通行效果分析方法 Download PDF

Info

Publication number
CN109003446B
CN109003446B CN201810763131.3A CN201810763131A CN109003446B CN 109003446 B CN109003446 B CN 109003446B CN 201810763131 A CN201810763131 A CN 201810763131A CN 109003446 B CN109003446 B CN 109003446B
Authority
CN
China
Prior art keywords
time
peak
matrix
data
traffic
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.)
Active
Application number
CN201810763131.3A
Other languages
English (en)
Other versions
CN109003446A (zh
Inventor
赵明
王炜
刘卫宁
辜继东
宋刚
梁鸣璋
陈坦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Quansida Traffic Science & Technology Co ltd
Chongqing Chengtou Jinka Information Industry Co ltd
Original Assignee
Nanjing Quansida Traffic Science & Technology Co ltd
Chongqing Chengtou Jinka Information Industry Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Quansida Traffic Science & Technology Co ltd, Chongqing Chengtou Jinka Information Industry Co ltd filed Critical Nanjing Quansida Traffic Science & Technology Co ltd
Priority to CN201810763131.3A priority Critical patent/CN109003446B/zh
Publication of CN109003446A publication Critical patent/CN109003446A/zh
Application granted granted Critical
Publication of CN109003446B publication Critical patent/CN109003446B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于RFID数据的城市错峰通行效果分析方法，包括由原始RFID数据获取原始车辆运行轨迹数据；基于车辆运行轨迹数据进行OD矩阵切片；基于实际错峰政策，摘取并移动实施错峰通行措施的目标OD交通量，生成初始错峰OD矩阵组；将初始错峰OD矩阵组进行迭代计算，获得预测的错峰后的OD矩阵组；基于迭代结果所得到最终OD矩阵组，实现错峰政策的效果评估。本发明方法能够模拟城市实行错峰政策前后，城市早晚高峰时期的OD变化，从而得到错峰政策对城市交通运行状态的影响情况，为城市交通政策的制定、评价提供基于数据支撑，同时也为交通运输体系的仿真、规划与评价提供有力保障。

Description

一种基于RFID数据的城市错峰通行效果分析方法
技术领域
本发明涉及城市道路交通管理分析方法，特别是涉及一种基于RFID数据的城市错峰通行效果分析方法。
背景技术
随着国家的繁荣发展和城市化的逐年推进，城市居民的各类出行活动日益频繁，交通需求迅速膨胀，城市道路交通系统所承受的压力也与日俱增。交通拥堵现象的频发，不仅使居民的日常出行受到干扰、时间延误等出行成本迅速增加，也加剧了环境污染等现象。各地政府加大了对交通基础设施的投入，完善了城市路网的建造，但实践证明,交通供给永远赶不上需求的增加。在基础设施的建设已经基本完成的大环境下，优化交通管理水平，实行精细化的管控，能够优化已有基础设施的服务能力，挖掘路网潜能，实现交通的供需平衡。
道路交通系统在上下班高峰期承受了比低谷期更大的压力。“错峰出行”作为近年来国内常见的一种管控政策，目的是在既有的路网供给条件下，根据行业特点、行政区划调整出行者参照时点，错开出行高峰时段，减缓拥堵，达到城市交通流在时空上的和谐，保障城市交通安全顺畅运行。
RFID(Radio Frequency Identification，射频识别)数据是交通领域直接产生的数据，极具应用价值。RFID数据主要依靠电子车牌、读写器和天线进行获取。电子车牌安装于车辆上，存储车辆的静态信息；RFID读写器可读取电子车牌中存储的车辆信息，也可获取车辆运动过程中的动态信息；天线为读写器和电子车牌之间的通信提供媒介。
虽然现在错峰政策的运用已经十分广泛，但是如何评价错峰政策的效果一直是一个短板，尤其是结合大数据进行精准预测，尚未有成熟的技术。从城市居民海量的出行数据中挖掘出潜在规律，通过数据层面感知交通状态、分析作用机理、评价相关政策的施行效果，能够从供需平衡的层面分析交通问题，结合交通工程理论与技术，明确交通行为作用机理，制定交通管控措施，提高交通供给有效性，形成科学合理的交通政策施行体系。
发明内容
发明目的：为解决现有技术的不足，提供一种基于RFID数据的城市错峰通行效果分析方法，为城市交通政策的制定、评价提供基于数据支撑，同时也为交通运输体系的仿真、规划与评价提供有力保障。
技术方案：本发明提供了一种基于RFID数据的城市错峰通行效果分析方法，包括以下步骤：
(1)由原始RFID数据获取原始车辆运行轨迹数据；
(2)基于原始车辆运行轨迹数据，进行OD矩阵切片，并生成矩阵组{OD1}；
(3)基于实际错峰政策，摘取并移动实施错峰通行措施的目标OD交通量，生成初始错峰OD矩阵组{OD2}；
(4)将步骤(3)中初始错峰OD矩阵组{OD2}进行迭代计算，获得预测的错峰后的OD矩阵组；
(5)基于步骤(4)所预测的错峰后的OD矩阵组，实现错峰政策的效果评估。
进一步的，步骤(1)中根据原始RFID数据的特定字段进行数据提取，得到服务于后续分析的原始车辆运行轨迹数据，原始RFID数据分条呈现，每条数据记录了电子车牌ID、检测点IP和执行检测的时刻，分别记为id、ip和T；以电子车牌ID作为分类依据，将包含同一id的RFID数据条目分为一组，并按照检测时刻T升序排列，得到每一辆车的运行轨迹数据；选取欲进行分析的研究时段t1，该时段为连续的时间跨度，且该时间跨度内不包含重大节假日或其他影响城市内部出行结构的紧急事件或大型活动；剔除研究时段t1之外的其他数据，得到车辆运行轨迹数据
Figure BDA0001728348530000021
Figure BDA0001728348530000022
为时段t1内，电子车牌为id的车辆按时间先后顺序依次经过的检测点记录，数据总条目数与总id数目相同，每条数据的第一行记录电子车牌id的编号，第二行记录该车依次通过的检测点的ip，第三行记录依次通过每个检测点的时刻T。
进一步的，步骤(2)中将车辆运行轨迹数据
Figure BDA0001728348530000023
依时间进行切片，生成具有特定时间窗和特定时间步长的切片OD矩阵组；选取进行OD矩阵分析的时间步长t2、单次出行最大耗时t3，将时间段t1以步长为t2、时间窗长度为t3的划分原则划成k个时间片段，其中k＝(t1-t3)/t2，时间片段记为tk,j，j∈(0,k]；再将
Figure BDA0001728348530000024
中的电子车牌为id的车辆在时间片段tk,j内先后顺序依次经过的检测点记录摘录出来，得到k组
Figure BDA0001728348530000031
的子矩阵，依次记为
Figure BDA0001728348530000032
对检测点IP进行依次编号，构建检测点OD矩阵，依次对各个时间片段的
Figure BDA0001728348530000033
数据进行遍历，根据
Figure BDA0001728348530000034
数据中的第一条数据及最后一条数据所对应的ip构建检测点OD矩阵，得到k个不同时段的OD矩阵切片，分别记为OD1,1,OD1,2,…,OD1,k，其组合记为矩阵组{OD1}。
进一步的，步骤(3)中基于实际错峰政策，摘取并移动实施错峰通行措施的目标OD交通量，生成初始错峰OD矩阵组；实际错峰政策是将目的地为ipdes、到达时间为时刻T1到时刻T2之间的车辆的到达时间向推后t4，相当于使他们在时刻T1+t4到时刻T2+t4到达ipdes；在矩阵组{OD1}的k个矩阵中寻找终点ip为ipdes、到达时间为[T1,T2]的出行条目，将它们从各自对应时间片段的OD1,j矩阵中移动到时间长度为t4后的OD1,j′上去，使得到达时间变为[T1+t4,T2+t4]；完成交通量转移后的OD矩阵切片，相应地改为OD2,1,OD2,2,…,OD2,k，其组合为初始错峰OD矩阵组，记为{OD2}。
进一步的，步骤(4)包括以下步骤：
(41)交通分配
将步骤(3)中初始错峰OD矩阵组进行迭代计算，获得实际的错峰后的OD矩阵；将矩阵组{OD2}的每一个OD矩阵分别分配到路网上，得到对应时段内，OD矩阵里每一个出行的期望旅行时间和期望出行轨迹；由于每个出行的时间长度都小于t3，所以每个出行都能完整地获得新的分配路径和旅行时间；
(42)迭代车辆运行轨迹数据
进行了新的交通分配后，步骤(2)中所有的出行数据
Figure BDA0001728348530000035
将会发生变化，每一条出行数据的起终点不变，但是行车时间会由于错峰而变短；此时，将步骤(3)中未被摘出的id中的到达终点的时刻设为与
Figure BDA0001728348530000036
中对应id的到达时间相同，依照新分配的旅行时间向前反推每个id的出发时刻、经过各个检测点的时刻；将被摘出的id中的到达终点时刻设为与
Figure BDA0001728348530000037
中对应id到达终点时刻后延t4，也依照新分配的旅行时间向前反推每个id的出发时刻、经过各个检测点的时刻；这样就得到了第一次迭代后每一个id的出发时刻、经过的检测点和对应时刻，也即生成了第一次迭代更新到的车辆运行轨迹数据
Figure BDA0001728348530000041
(43)迭代切片OD
依照步骤(2)的方法进行OD切片，生成OD矩阵组{OD3}，再依照步骤(41)-(42)方法进行分配、更新车辆运行轨迹数据
Figure BDA0001728348530000042
循环往复地进行OD切片、交通分配、车辆出行轨迹数据更新，实现错峰OD的迭代计算；
(44)判断连续两次迭代OD误差是否小于选取的预测精度α
若连续两次迭代得到的矩阵组{OD}中的每一个OD对之间的差值都小于精度α时，则认为此时的出行矩阵组{OD}是稳定的OD，也就是实施错峰通行政策后，路网上交通流的实际分布情况，然后执行步骤(5)；否则，返回步骤(42)执行。
进一步的，步骤(5)中基于步骤(4)的迭代结果所得到出行矩阵组{OD}，实现错峰政策的效果评估；将最终OD矩阵组分配到路网上，预测研究时段t1内路网的运行情况；选取拥堵延时指数、道路饱和度和各时段交通量的均衡度作为评价错峰政策效果的指标；对重点路段进行分析时，计算实施错峰政策前后各时段内路段的拥堵延时指数以及道路饱和度的降低比例，评价错峰政策对某条路段的影响；对全路网进行分析时，研究实施错峰政策前后各时段内所有路段上总交通量的时变情况，计算OD随时间变化曲线的峰度的降低情况，评价错峰政策对全路网的影响。
有益效果：与现有技术相比，本发明方法能够模拟城市实行错峰政策前后，城市早晚高峰时期的OD变化，从而得到错峰政策对城市交通运行状态的影响情况，为城市交通政策的制定、评价提供基于数据支撑，同时也为交通运输体系的仿真、规划与评价提供有力保障。
附图说明
图1是本发明方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案进行详细的说明。
如图1所示，本发明的一种基于RFID数据的城市错峰通行政策仿真及效果分析方法，包括以下步骤：
(1)由原始RFID(Radio Frequency Identification，射频识别)数据获取原始车辆运行轨迹数据；
根据原始RFID数据的特定字段进行数据提取，得到服务于后续分析的原始车辆运行轨迹数据。原始RFID数据分条呈现，每条数据记录了电子车牌ID、检测点IP和执行检测的时刻，分别记为id、ip和T。以电子车牌ID作为分类依据，将包含同一id的RFID数据条目分为一组，并按照检测时刻T升序排列，得到每一辆车的行驶轨迹数据。选取欲进行分析的研究时段t1，该时段应为连续的时间跨度，且该时间跨度内不应包含重大节假日或其他影响城市内部出行结构的紧急事件或大型活动。剔除研究时段t1之外的其他数据，得到车辆出行轨迹数据
Figure BDA0001728348530000051
Figure BDA0001728348530000052
为时段t1内，电子车牌为id的车辆按时间先后顺序依次经过的检测点记录，数据总条目数与总id数目相同，每条数据的第一行记录电子车牌id的编号，第二行记录该车依次通过的检测点的ip，第三行记录依次通过每个检测点的时刻T。
如表1所示为车辆出行轨迹数据格式示例：
表1
Figure BDA0001728348530000053
(2)获取原始车辆运行轨迹数据的切片OD矩阵组；
将车辆运行轨迹数据
Figure BDA0001728348530000054
依时间进行切片，生成具有特定时间窗和特定时间步长的切片OD矩阵组。选定各OD矩阵间的时间间隔为t2、OD中单次出行的最大时耗为t3，则将时间段t1以步长为t2、时间窗长度为t3的划分原则划成k个时间片段，其中k＝(t1-t3)/t2，时间片段记为tk,j，j∈(0,k]。再将
Figure BDA0001728348530000061
中的电子车牌为id的车辆在时间片段tk,j内先后顺序依次经过的检测点记录摘录出来，得到k组
Figure BDA0001728348530000062
的子矩阵，依次记为
Figure BDA0001728348530000063
对检测点IP进行依次编号，构建检测点OD矩阵，依次对各个时间片段的
Figure BDA0001728348530000064
数据进行遍历，根据
Figure BDA0001728348530000065
数据中的第一条数据及最后一条数据所对应的ip构建检测点OD矩阵，得到k个不同时段的OD矩阵切片，分别记为OD1,1,OD1,2,…,OD1,k，组合记为切片OD矩阵组{OD1}。
(3)基于实际错峰政策，摘取并移动实施错峰通行措施的目标OD交通量，生成初始错峰OD矩阵组；
基于实际错峰政策，摘取并移动实施错峰通行措施的目标OD交通量，生成初始错峰OD矩阵组。实际错峰政策是将目的地为ipdes、到达时间为时刻T1到时刻T2之间的车辆的到达时间向推后t4，相当于使他们在时刻T1+t4到时刻T2+t4到达ipdes。在矩阵组{OD1}的k个矩阵中寻找终点ip为ipdes、到达时间为[T1,T2]的出行条目，将它们从各自对应时间片段的OD1,j矩阵中移动到时间长度为t4后的OD1,j′上去，使得到达时间变为[T1+t4,T2+t4]。完成交通量转移后的OD矩阵切片，相应地改为OD2,1,OD2,2,…,OD2,k，其组合为初始错峰OD矩阵组，记为矩阵组{OD2}。
(4)将步骤(3)中初始OD矩阵组进行迭代计算，获得实际的错峰后的OD矩阵；
(41)交通分配
将步骤(3)中初始错峰OD矩阵组进行迭代计算，获得实际的错峰后的OD矩阵。将矩阵组{OD2}的每一个OD矩阵分别分配到路网上，得到对应时段内，OD矩阵里每一个出行的期望旅行时间和期望出行轨迹。由于每个出行的时间长度都小于t3，所以每个出行都能完整地获得新的分配路径和旅行时间。
(42)迭代车辆运行轨迹数据
进行了新的交通分配后，步骤(2)中所有的出行数据
Figure BDA0001728348530000066
将会发生变化，每一条出行数据的起终点不变，但是行车时间会由于错峰而变短。此时，将步骤(3)中未被摘出的id中的到达终点的时刻设为与
Figure BDA0001728348530000071
中对应id的到达时间相同，依照新分配的旅行时间向前反推每个id的出发时刻、经过各个检测点的时刻。将被摘出的id中的到达终点时刻设为与
Figure BDA0001728348530000072
中对应id到达终点时刻后延t4，也依照新分配的旅行时间向前反推每个id的出发时刻、经过各个检测点的时刻。这样就得到了第一次迭代后每一个id的出发时刻、经过的检测点和对应时刻，也即生成了第一次迭代更新到的车辆运行轨迹数据
Figure BDA0001728348530000073
(43)迭代切片OD
依照步骤(2)的方法进行OD切片，生成OD矩阵组{OD3}，再依照步骤(41)-(42)方法进行分配、更新车辆出行轨迹数据
Figure BDA0001728348530000074
循环往复地进行OD切片、交通分配、车辆出行轨迹数据更新，实现错峰OD的迭代计算。
(44)判断连续两次迭代OD误差是否小于选取的预测精度α
选取预测精度α＝0.1，若连续两次迭代得到的矩阵组{OD}中的每一个OD对之间的差值都小于精度α时，可以认为此时的出行矩阵组{OD}是稳定的OD，也就是实施错峰通行政策后，路网上交通流的实际分布情况，然后执行步骤(5)；否则，返回步骤(42)执行。
(5)基于步骤(4)的迭代结果所得到最终OD矩阵组，实现错峰政策的效果评估；
基于步骤(4)的迭代结果所得到最终OD矩阵组，实现错峰政策的效果评估。将最终OD矩阵组分配到路网上，预测研究时段t1内路网的运行情况。选取拥堵延时指数、道路饱和度和各时段交通量的均衡度作为评价错峰政策效果的指标。对重点路段进行分析时，计算实施错峰政策前后各时段内路段的拥堵延时指数以及道路饱和度的降低比例，评价错峰政策对某条路段的影响。对全路网进行分析时，研究实施错峰政策前后各时段内所有路段上总交通量的时变情况，计算OD随时间变化曲线的峰度的降低情况，评价错峰政策对全路网的影响。
本发明方法能够模拟城市实行错峰政策前后，城市早晚高峰时期的OD变化，从而得到错峰政策对城市交通运行状态的影响情况，为城市交通政策的制定、评价提供基于数据支撑，同时也为交通运输体系的仿真、规划与评价提供有力保障。

Claims (3)

1.一种基于RFID数据的城市错峰通行效果分析方法，其特征在于，包括以下步骤：
(1)由原始RFID数据获取原始车辆运行轨迹数据；
(2)基于原始车辆运行轨迹数据，进行OD矩阵切片，并生成矩阵组{OD1}；
(3)基于实际错峰政策，摘取并移动实施错峰通行措施的目标OD交通量，生成初始错峰OD矩阵组{OD2}；具体为：实际错峰政策是将目的地为ipdes、到达时间为时刻T1到时刻T2之间的车辆的到达时间向推后t4，相当于使他们在时刻T1+t4到时刻T2+t4到达ipdes；在矩阵组{OD1}的k个矩阵中寻找终点ip为ipdes、到达时间为[T1,T2]的出行条目，将它们从各自对应时间片段的OD1,j矩阵中移动到时间长度为t4后的OD1,j′上去，使得到达时间变为[T1+t4,T2+t4]；完成交通量转移后的OD矩阵切片，相应地改为OD2,1,OD2,2,…,OD2,k，其组合为初始错峰OD矩阵组，记为{OD2}；
(4)将步骤(3)中初始错峰OD矩阵组{OD2}进行迭代计算，获得预测的错峰后的OD矩阵组；具体包括以下步骤：
(41)交通分配
将步骤(3)中初始错峰OD矩阵组进行迭代计算，获得实际的错峰后的OD矩阵；将矩阵组{OD2}的每一个OD矩阵分别分配到路网上，得到对应时段内，OD矩阵里每一个出行的期望旅行时间和期望出行轨迹；由于每个出行的时间长度都小于t3，所以每个出行都能完整地获得新的分配路径和旅行时间；
(42)迭代车辆运行轨迹数据
进行了新的交通分配后，步骤(2)中所有的出行数据
Figure FDA0002417810880000011
将会发生变化，每一条出行数据的起终点不变，但是行车时间会由于错峰而变短；此时，将步骤(3)中未被摘出的id中的到达终点的时刻设为与
Figure FDA0002417810880000012
中对应id的到达时间相同，依照新分配的旅行时间向前反推每个id的出发时刻、经过各个检测点的时刻；将被摘出的id中的到达终点时刻设为与
Figure FDA0002417810880000013
中对应id到达终点时刻后延t4，也依照新分配的旅行时间向前反推每个id的出发时刻、经过各个检测点的时刻；这样就得到了第一次迭代后每一个id的出发时刻、经过的检测点和对应时刻，也即生成了第一次迭代更新到的车辆运行轨迹数据
Figure FDA0002417810880000021
(43)迭代切片OD
依照步骤(2)的方法进行OD切片，生成OD矩阵组{OD3}，再依照步骤(41)-(42)方法进行分配、更新车辆运行轨迹数据
Figure FDA0002417810880000022
循环往复地进行OD切片、交通分配、车辆出行轨迹数据更新，实现错峰OD的迭代计算；
(44)判断连续两次迭代OD误差是否小于选取的预测精度α
若连续两次迭代得到的矩阵组{OD}中的每一个OD对之间的差值都小于精度α时，则认为此时的出行矩阵组{OD}是稳定的OD，也就是实施错峰通行政策后，路网上交通流的实际分布情况，然后执行步骤(5)；否则，返回步骤(42)执行；
(5)基于步骤(4)所预测的错峰后的OD矩阵组，实现错峰政策的效果评估；具体为：
基于步骤(4)的迭代结果所得到出行矩阵组{OD}，实现错峰政策的效果评估；将最终OD矩阵组分配到路网上，预测研究时段t1内路网的运行情况；选取拥堵延时指数、道路饱和度和各时段交通量的均衡度作为评价错峰政策效果的指标；对重点路段进行分析时，计算实施错峰政策前后各时段内路段的拥堵延时指数以及道路饱和度的降低比例，评价错峰政策对某条路段的影响；对全路网进行分析时，研究实施错峰政策前后各时段内所有路段上总交通量的时变情况，计算OD随时间变化曲线的峰度的降低情况，评价错峰政策对全路网的影响。
2.根据权利要求1所述的一种基于RFID数据的城市错峰通行效果分析方法，其特征在于，步骤(1)中根据原始RFID数据的特定字段进行数据提取，得到服务于后续分析的原始车辆运行轨迹数据，原始RFID数据分条呈现，每条数据记录了电子车牌ID、检测点IP和执行检测的时刻，分别记为id、ip和T；以电子车牌ID作为分类依据，将包含同一id的RFID数据条目分为一组，并按照检测时刻T升序排列，得到每一辆车的运行轨迹数据；选取欲进行分析的研究时段t1，该时段为连续的时间跨度，且该时间跨度内不包含重大节假日或其他影响城市内部出行结构的紧急事件或大型活动；剔除研究时段t1之外的其他数据，得到车辆运行轨迹数据
Figure FDA0002417810880000023
Figure FDA0002417810880000024
为时段t1内，电子车牌为id的车辆按时间先后顺序依次经过的检测点记录，数据总条目数与总id数目相同，每条数据的第一行记录电子车牌id的编号，第二行记录该车依次通过的检测点的ip，第三行记录依次通过每个检测点的时刻T。
3.根据权利要求1所述的一种基于RFID数据的城市错峰通行效果分析方法，其特征在于，步骤(2)中将车辆运行轨迹数据
Figure FDA0002417810880000031
依时间进行切片，生成具有特定时间窗和特定时间步长的切片OD矩阵组；选取进行OD矩阵分析的时间步长t2、单次出行最大耗时t3，将时间段t1以步长为t2、时间窗长度为t3的划分原则划成k个时间片段，其中k＝(t1-t3)/t2，时间片段记为tk,j，j∈(0,k]；再将
Figure FDA0002417810880000032
中的电子车牌为id的车辆在时间片段tk,j内先后顺序依次经过的检测点记录摘录出来，得到k组
Figure FDA0002417810880000033
的子矩阵，依次记为
Figure FDA0002417810880000034
对检测点IP进行依次编号，构建检测点OD矩阵，依次对各个时间片段的
Figure FDA0002417810880000035
数据进行遍历，根据
Figure FDA0002417810880000036
数据中的第一条数据及最后一条数据所对应的ip构建检测点OD矩阵，得到k个不同时段的OD矩阵切片，分别记为OD1,1,OD1,2,…,OD1,k，其组合记为矩阵组{OD1}。
CN201810763131.3A 2018-07-12 2018-07-12 一种基于rfid数据的城市错峰通行效果分析方法 Active CN109003446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810763131.3A CN109003446B (zh) 2018-07-12 2018-07-12 一种基于rfid数据的城市错峰通行效果分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810763131.3A CN109003446B (zh) 2018-07-12 2018-07-12 一种基于rfid数据的城市错峰通行效果分析方法

Publications (2)

Publication Number Publication Date
CN109003446A CN109003446A (zh) 2018-12-14
CN109003446B true CN109003446B (zh) 2020-06-26

Family

ID=64599893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810763131.3A Active CN109003446B (zh) 2018-07-12 2018-07-12 一种基于rfid数据的城市错峰通行效果分析方法

Country Status (1)

Country Link
CN (1) CN109003446B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009175A (zh) * 2018-12-25 2019-07-12 阿里巴巴集团控股有限公司 Od需求分析算法的性能评估方法和装置
CN110047276B (zh) * 2019-03-11 2020-11-27 广州文远知行科技有限公司 障碍物车辆的拥堵状态确定方法、装置和相关产品
CN110220526B (zh) * 2019-05-15 2023-07-04 浙江工业大学之江学院 基于路径时间价值的anpr车辆导行方案生成方法
CN110378557B (zh) * 2019-06-11 2023-05-05 东南大学 一种基于逆向交通分配的错峰出行政策评价方法
CN111583649B (zh) * 2020-05-15 2022-02-01 重庆大学 一种rfid时空数据交通流特征参数预测方法
CN112767690B (zh) * 2020-12-27 2022-03-29 交通运输部规划研究院 一种基于断面调查数据的区域路网重型货车流量估算方法
CN114236358B (zh) * 2021-12-20 2023-09-01 卡斯柯信号有限公司 一种聚合错峰调度的io板卡维护故障诊断方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1131295A (ja) * 1997-07-14 1999-02-02 Toshiba Corp 道路情報管理システムおよび道路情報端末装置
CN103279669B (zh) * 2013-05-31 2016-06-08 北京交通大学 一种城市轨道交通路网运输能力仿真计算方法和系统
CN103646187B (zh) * 2013-12-27 2017-02-08 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
US9518837B2 (en) * 2014-12-02 2016-12-13 Here Global B.V. Monitoring and visualizing traffic surprises
CN104899443B (zh) * 2015-06-05 2018-03-06 陆化普 用于评估当前出行需求及预测未来出行需求的方法及系统
CN106504525A (zh) * 2016-10-12 2017-03-15 电子科技大学 基于ic卡数据的od矩阵生成技术及其应用研究
CN108022051A (zh) * 2017-12-13 2018-05-11 吉林大学 一种基于信息融合的城市轨道交通调度决策方法

Also Published As

Publication number Publication date
CN109003446A (zh) 2018-12-14

Similar Documents

Publication Publication Date Title
CN109003446B (zh) 一种基于rfid数据的城市错峰通行效果分析方法
CN111653088B (zh) 一种车辆出行量预测模型构建方法及预测方法和系统
CN103106280B (zh) 一种道路网络环境下不确定时空轨迹数据的范围查询方法
CN110570651A (zh) 一种基于深度学习的路网交通态势预测方法及系统
Zhou et al. Estimation Method of Path‐Selecting Proportion for Urban Rail Transit Based on AFC Data
Kou et al. Multiobjective optimization model of intersection signal timing considering emissions based on field data: A case study of Beijing
CN106710208A (zh) 交通状态的获取方法及装置
CN107018493A (zh) 一种基于连续时序马尔科夫模型的地理位置预测方法
CN112017436B (zh) 城市市内交通旅行时间的预测方法及系统
US20190287391A1 (en) Traffic demand prediction system and traffic demand prediction apparatus
CN101295326A (zh) 基于gps数据生成od矩阵的方法及其交通仿真的方法
CN111105628A (zh) 一种停车场画像构建方法和装置
CN109243173A (zh) 基于道路高清卡口数据的车辆轨迹分析方法及系统
CN110889092A (zh) 一种基于轨道交易数据的短时大型活动周边轨道站点客流量预测方法
CN111598333A (zh) 客流数据的预测方法及装置
WO2023201938A1 (zh) 缺失轨迹填补方法及系统
Shen et al. TCL: Tensor-CNN-LSTM for travel time prediction with sparse trajectory data
CN110443422B (zh) 基于od吸引度的城市轨道交通od客流预测方法
Cheng et al. STL: Online detection of taxi trajectory anomaly based on spatial-temporal laws
Wang et al. Effects of winter climate on delays of high speed passenger trains in Botnia-Atlantica region
CN114996659B (zh) 一种具有持续学习能力的车辆轨迹预测方法及系统
Xiaolu Design of travel route recommendation system based on fast Spark artificial intelligence architecture
CN115965163A (zh) 基于时空图生成对抗损失的轨道交通短时客流预测方法
CN108287973A (zh) 交通状态的模拟方法及装置
CN111177294B (zh) 基于车辆轨迹数据求解交叉口中介中心性的方法

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
GR01 Patent grant
GR01 Patent grant