CN109118771A - 一种城市交通常发性拥堵特征确定的方法及装置 - Google Patents
一种城市交通常发性拥堵特征确定的方法及装置 Download PDFInfo
- Publication number
- CN109118771A CN109118771A CN201811092212.1A CN201811092212A CN109118771A CN 109118771 A CN109118771 A CN 109118771A CN 201811092212 A CN201811092212 A CN 201811092212A CN 109118771 A CN109118771 A CN 109118771A
- Authority
- CN
- China
- Prior art keywords
- period
- congestion
- congested link
- intersection
- sends out
- 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
- G08G1/0129—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
本发明公开了一种城市交通常发性拥堵特征确定的方法及装置,该方法包括获取预设周期内的城市交通历史路况数据,统计每日的第一时段内各路段的拥堵时长,将拥堵时长大于第一拥堵阈值的路段确定为日拥堵路段,统计第一周期内日拥堵路段发生拥堵的天数,确定第一周期常发拥堵路段,根据第一周期常发拥堵路段,确定第一周期常发拥堵区域。采用外场设备检测数据,通过对历史路况数据挖掘分析,识别经常性发生拥堵的路口及区域,解决拥堵点位程度无法量化的问题,实现全面准确的拥堵点位定位。
Description
技术领域
本发明实施例涉及交通技术领域,尤其涉及一种城市交通常发性拥堵特征确定的方法及装置。
背景技术
缓堵保畅是交警的日常工作之一,当前,交警在进行城市交通组织优化的过程中,主要通过查看历史视频和现场调研,确定现场及周边详情,组织有经验的交通组织优化、信号调优等专家制定缓堵方案,存在过度依赖专家经验、治理周期长等问题。
发明内容
本发明实施例提供一种城市交通常发性拥堵特征确定的方法及装置,用以识别经常性发生拥堵的路口、干线及区域,解决拥堵点位程度无法量化的问题。
本发明实施例提供的一种城市交通常发性拥堵特征确定的方法,包括:
获取预设周期内的城市交通历史路况数据;
统计每日的第一时段内各路段的拥堵时长,将拥堵时长大于第一拥堵阈值的路段确定为日拥堵路段;
统计第一周期内所述日拥堵路段发生拥堵的天数,确定出第一周期常发拥堵路段;
根据所述第一周期常发拥堵路段,确定第一周期常发拥堵区域。
采用外场设备检测数据、互联网数据融合的方式,通过对历史路况数据挖掘分析,识别经常性发生拥堵的路口及区域,解决拥堵点位程度无法量化的问题,实现全面准确的拥堵点位定位,为交警治理拥堵点位提供辅助决策。
可选的,所述根据所述第一周期常发拥堵路段,确定第一周期常发拥堵区域,包括:
将所述第一周期常发拥堵路段的上下游路口确定为第一周期常发拥堵路口;
根据所述第一周期常发拥堵路口,确定所述第一周期常发拥堵区域。
通过常发性拥堵路段可以确定拥堵路口,从而可以确定常发性拥堵区域。
可选的,所述根据所述第一周期常发拥堵路口,确定所述第一周期常发拥堵区域,包括:
以所述第一周期常发拥堵路口为中心,搜索与所述第一周期常发拥堵路口相邻的路口;
若所述与所述第一周期常发拥堵路口相邻的路口为第一周期常发路口,则将所述与所述第一周期常发拥堵路口的上下游路口所形成的区域确定为所述第一周期常发拥堵区域。
可选的,在所述确定第一周期常发拥堵路段和第一周期常发拥堵区域之后,还包括:
统计所述第一周期常发拥堵路口的路口延误时长,并根据所述路口延误时长,对所述第一周期常发拥堵路口进行排名;
统计所述第一周期常发拥堵区域的拥堵里程占比,根据所述拥堵里程占比对所述第一周期常发拥堵区域进行排名;
根据所述第一周期常发拥堵路口的排名和所述第一周期常发拥堵区域的排名,进行拥堵点位原因分析并制定缓堵方案。
可选的,所述统计第一周期内所述日拥堵路段发生拥堵的天数,确定出第一周期常发拥堵路段,包括:
统计所述第一周期内所述日拥堵路段发生拥堵的天数,将发生拥堵的天数大于第二拥堵阈值的日拥堵路段确定为所述第一周期常发拥堵路段。
相应的,本发明实施例还提供了一种城市交通常发性拥堵特征确定的装置,包括:
获取单元,用于获取预设周期内的城市交通历史路况数据;
处理单元,用于统计每日的第一时段内各路段的拥堵时长,将拥堵时长大于第一拥堵阈值的路段确定为日拥堵路段;统计第一周期内所述日拥堵路段发生拥堵的天数,确定出第一周期常发拥堵路段;根据所述第一周期常发拥堵路段,确定第一周期常发拥堵区域。
可选的,所述处理单元具体用于:
将所述第一周期常发拥堵路段的上下游路况确定为第一周期常发拥堵路口;
根据所述第一周期常发拥堵路口,确定所述第一周期常发拥堵区域。
可选的,所述处理单元具体用于:
以所述第一周期常发拥堵路口为中心,搜索与所述第一周期常发拥堵路口相邻的路口;
若所述与所述第一周期常发拥堵路口相邻的路口为第一周期常发路口,则将所述与所述第一周期常发拥堵路口的上游路口所形成的区域确定为所述第一周期常发拥堵区域。
可选的,所述处理单元还用于:
在所述确定第一周期常发拥堵路段和第一周期常发拥堵区域之后,统计所述第一周期常发拥堵路口的路口延误时长,并根据所述路口延误时长,对所述第一周期常发拥堵路口进行排名;
统计所述第一周期常发拥堵区域的拥堵里程占比,根据所述拥堵里程占比对所述第一周期常发拥堵区域进行排名;
根据所述第一周期常发拥堵路口的排名和所述第一周期常发拥堵区域的排名,进行拥堵点位原因分析并制定缓堵方案。
可选的,所述处理单元具体用于:
统计所述第一周期内所述日拥堵路段发生拥堵的天数,将发生拥堵的天数大于第二拥堵阈值的日拥堵路段确定为所述第一周期常发拥堵路段。
相应的,本发明实施例还提供了一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述城市交通常发性拥堵特征确定的方法。
相应的,本发明实施例还提供了一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述城市交通常发性拥堵特征确定的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,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,对于本领域的普通技术人员来讲,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系统架构的示意图;
图2为本发明实施例提供的一种交通路网的示意图;
图3为本发明实施例提供的一种有向路段的示意图;
图4为本发明实施例提供的一种城市交通常发性拥堵特征确定的方法的流程示意图;
图5为本发明实施例提供的一种干道拥堵发展趋势的示意图;
图6为本发明实施例提供的一种城市交通常发性拥堵特征确定的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,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它实施例,都属于本发明保护的范围。
图1示例性的示出了本发明实施例所适用的一种系统架构,该系统架构可以为服务器100,包括处理器110、通信接口120和存储器130。该服务器100可以是位于交通控制中心的服务器,也可以为其它分中心的服务器,本发明实施例对此不做限制。
其中,通信接口120用于与路口采集设备进行通信,收发该路口采集设备传输的信息,实现通信。
处理器110是服务器100的控制中心,利用各种接口和线路连接整个服务器100的各个部分,通过运行或执行存储在存储器130内的软件程序/或模块,以及调用存储在存储器130内的数据,执行服务器100的各种功能和处理数据。可选地,处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块,处理器110通过运行存储在存储器130的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据业务处理所创建的数据等。此外,存储器130可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是,上述图1所示的结构仅是一种示例,本发明实施例对此不做限定。
为了能够清楚描述本发明实施例提供的方法,还需要定义下述信息:
1、城市交通拥堵的空间分布形式
城市交通拥堵不仅反映为以路段为单位所具备的自身独立的属性,而且表现在其间相互影响和关联上,具有重要的时空特征,因此,本发明实施例提出空间分布的概念。
将道路交叉口及有向路段抽象为组成路网的点和有向路段,按照交叉口与路段之间的衔接关系组成城市路网结构的基本框架,则城市交通拥堵的空间分布主要是指在某一较短的时间段内,拥堵在城市路网中道路和交叉路口之间持续的分布状态。有向路段是指带有行驶方向的路段。如2所示的典型城市交通路网中,其中,细线表示不拥堵路段,粗线表示拥堵路段,实心节点表示拥堵交叉口,则其空间分布形式一目了然。
2、交通拥堵常发性特点
常发性交通拥堵是指路网中经常性发生交通拥堵的关键位置,其特点是时间的常发性,空间的常发性。由于城市交通道路网的拥堵程度取决于有向路段或交叉口处的城市交通运行状况,而且任何一个交叉口的城市交通运行状况也是由与其相邻的路段交通运行状况所决定,因此以路段为单位来讨论城市交通常发拥堵特征。其中,路段可以如图3所示,AE为本发明实施例所定义的有向路段,是指由A到E这个方向行驶的有向路段,车流来源于三个方向(直行,左转和右转)。
基于上述描述,图4示例性的示出了本发明实施例提供的一种城市交通常发性拥堵特征确定的方法的流程,该流程可以由城市交通常发性拥堵特征确定的装置执行。
如图4所示,该流程具体步骤包括:
步骤401,获取预设周期内的城市交通历史路况数据。
预设周期内的城市交通历史路况数据主要是通过存储实时路况信息得到的。各预设周期可以依据经验进行设置,例如可以是一个月,也可以是几个月或一年,其在具体应用的过程中,可以依据经验进行设置。从智能交通管控平台系统中可以提取到城市道路交通路况信息,也就是上述城市交通历史路况数据。
步骤402,统计每日的第一时段内各路段的拥堵时长,将拥堵时长大于第一拥堵阈值的路段确定为日拥堵路段。
该第一时段可以是早高峰、晚高峰、平峰等时段,在具体应用时,可以依据经验进行选择,例如通过统计早高峰时段每条路段的拥堵时长,就可以筛选出来拥堵时长大于第一拥堵阈值的路段,就可以确定为日拥堵路段,日拥堵路段在路网上显示的方式可以如图2中的粗线所示的路段。
步骤403,统计第一周期内所述日拥堵路段发生拥堵的天数,确定出第一周期常发拥堵路段。
在得到日拥堵路段之后,统计第一周期内日拥堵路段发生拥堵的天数,将发生拥堵的天数大于第二拥堵阈值的日拥堵路段确定为第一周期常发拥堵路段。上述第一周期可以依据经验进行设置,例如可以选择周、月、年等。上述第一拥堵阈值、第二拥堵阈值可以依据经验进行选择。
举例来说,上述第一周期为周,按早高峰时段和晚高峰时段分别进行统计,统计一周5个工作日内日拥堵路段的天数,大于等于3(此处3为阈值,可根据专家经验及拥堵天数的数据盒型分布的上限值进行确定)天识别为周常发拥堵路段。
步骤404,根据所述第一周期常发拥堵路段,确定第一周期常发拥堵区域。
具体的可以为:将第一周期常发拥堵路段的上下游路口确定为第一周期常发拥堵路口,根据第一周期常发拥堵路口,确定第一周期常发拥堵区域。
举例来说,在得到周常发性拥堵路段后,周常发性拥堵路段所对应的上下游路口识别为周常发性拥堵路口。常发性拥堵路口是指交通拥堵经常性发生在一个或多个独立的交叉口,只对与其相连接的路段产生影响,而未影响到与其相邻的交叉口。
在已识别的周常发性拥堵路口的基础上,以该交叉口为中心,搜索与之相邻的其它交叉口,查询其它交叉口是否也发生拥堵,如果存在相邻交叉口都发生拥堵情况,那么判定由这些交叉口上游交叉口所形成的区域为周常发性拥堵区域。常发性拥堵区域指城市交通拥堵分布于相互关联的常发性拥堵路段,并且常发性拥堵路段与常发性拥堵路段之间的交叉口相互重合,从而构成常发性拥堵区域。
一般而言,城市交通拥堵的空间分布由以上三种基本类型组成(拥堵路段、拥堵干线、拥堵区域),某一状态下,路网中可能存在是其中一种类型,也可能是三种类型同时存在。其中,拥堵干线是由拥堵路段连接形成的。如图2所示路网中,实心圆为发生拥堵的交叉口,加粗的有向路段为拥堵路段,R1、R2、R3连接的路段称为拥堵干线,虚线框选区域为拥堵区域。
需要说的是,本发明实施例中出现的各阈值可以利用箱形图对阈值进行判定。该箱形图是一种用作显示一组数据分散情况资料的统计图。
下面是箱形图涉及的一些指标的概念:
1、分位数定义
分位数是将总体的全部数据按大小顺序排列后,处于各等分位置的变量值。
2、下分位数Q1
一组数据按从小到大进行排序,处于25%位置的数据即为下分位数。
Q1的位置=(n+1)×0.25,n为项数。
3、中位数Q2
一组数据按从小到大进行排序。若序列为奇数个,该组数据的中位数为中间位置的数;若序列为偶数个,该组数据的中位数为中间两个数的平均数。
Q2的位置=(n+1)×0.5,n为项数。
4、上分位数Q3
一组数据按从小到大进行排序,处于75%位置的数据即为下分位数。
Q3的位置=(n+1)×0.75,n为项数。
5、上下四分位差
IQR=75%分位数-25%分位数=Q3-Q1。
6、上边界UpperLimit
UpperLimit=75%分位数+(75%分位数-25%分位数)*1.5=Q3+1.5IQR。其中系数1.5是一种经过大量分析和经验积累起来的标准,一般情况下不做调整。
7、下边界LowerLimit
LowerLimit=Q1-1.5IQR=25%分位数-(75%分位数-25%分位数)*1.5。
如日拥堵时长阈值的判定为统计当天所有路段拥堵时长,并作出拥堵时长的盒型图,选取盒形图上边界作为日拥堵路段选择的阈值。
针对上述已经确定的第一周期常发拥堵路段和第一周期常发拥堵区域,还可以对拥堵点位进行分析,具体的可以为:
统计第一周期常发拥堵路口的路口延误时长,并根据路口延误时长,对第一周期常发拥堵路口进行排名。例如,针对已经识别出的常发性拥堵路口,计算路口延误时长,并按路口延误时长进行排名。其中路口延误时长等于各进口方向近邻路段的延误时长均值,路口平均延误时长等于各进口道延误时长的加权平均,计算公式如下:
其中,CRDTkl表示时间间隔k内路口s的延误时间,单位为秒(s);RDTkj表示时间间隔k内进口道j的延误时间;m为路口s进口道的个数。
统计第一周期常发拥堵区域的拥堵里程占比,根据拥堵里程占比对所述第一周期常发拥堵区域进行排名。例如,针对已经识别出的常发性拥堵区域,计算区域内严重拥堵里程占比,根据严重拥堵里程占比进行排名。
根据第一周期常发拥堵路口的排名和第一周期常发拥堵区域的排名,进行拥堵点位原因分析并制定缓堵方案。也就是说在进行缓解城市道路交通拥堵的过程中,可参考此排名进行拥堵点位原因分析并制定缓堵方案。
在得到交通常发性拥堵特征之后,可以对交通拥堵发展趋势进行实时分析,具体可以为:
交通拥堵的空间分布对已经发生的交通拥堵现象作了静态描述,而事实上交通拥堵的形成与发展是一个随时间及空间而不断发生演变的动态过程,因此对拥堵发展趋势,特别是对其在空间分布上的蔓延或消散情况,应及时分析处理,以便于管理控制决策的正确形成。
分析和处理拥堵发展趋势的基本步骤如下:
首先,识别不同路段上拥堵发生的起源时间。然后将初始拥堵现象记录到智能交通管控平台系统中。最后针对不同路段上所发生的拥堵,分析其相互之间的关联关系,做出诊断,评估拥堵的严重性,分析其发展趋势。
基于以上对交通拥堵空间分布的描述,本发明实施例采用符号模型,表示拥堵的时空扩展性。具体如下:
顺序选取拥堵发生的时刻{ti∈T},i=1,2,…,其中T为所考察的一时间段。城市道路上的拥堵发展趋势由其起源路段、所在干道和属于该干道的一系列路段来描述。不同路段的拥堵通过其关联性加以联系,即一条为引发拥堵路段,另一条为被影响路段。表述如下:
举例来说,如图5所示干道拥堵发展趋势,R1,R2为一干道L上的两段相邻的路段,在时刻t,两条路段均发生相同程度的拥堵,描述为:
若拥堵持续进行,均可类似描述。最终可得溯源堵点,从而优先处理源头拥堵;同时根据其影响到的路段数量,可量化其引起的拥堵严重程度,预测其可能的发展趋势。
上述实施例表明,通过获取预设周期内的城市交通历史路况数据,统计每日的第一时段内各路段的拥堵时长,将拥堵时长大于第一拥堵阈值的路段确定为日拥堵路段,统计第一周期内日拥堵路段发生拥堵的天数,确定出第一周期常发拥堵路段,根据第一周期常发拥堵路段,确定第一周期常发拥堵区域。采用外场设备检测数据、互联网数据融合的方式,通过对历史路况数据挖掘分析,识别经常性发生拥堵的路口及区域,解决拥堵点位程度无法量化的问题,实现全面准确的拥堵点位定位,为交警治理拥堵点位提供辅助决策。
本发明实施例的优点在于提出一种基于路况数据的城市交通常发性拥堵特征确定方法,该方法通过对检测器采集到的大量历史路况数据进行数据挖掘与统计分析,得到城市常发性拥堵路口及常发性拥堵区域,一方面有助于交通管理者从全局角度对道路网络上的拥堵情况有一个整体的认识;另一方面有助于相应地采用交通信号控制系统的点控、线控及面控等控制技术,合理利用现有的控制手段。本发明实施例识别的道路网系统,可为交通指挥管理者进行拥堵治理提供辅助决策依据。
基于相同的技术构思,图6示例性的示出了本发明实施例还提供了一种城市交通常发性拥堵特征确定的装置的结构,该装置可以执行城市交通常发性拥堵特征确定的流程。
如图6所示,该装置具体包括:
获取单元601,用于获取预设周期内的城市交通历史路况数据;
处理单元602,用于统计每日的第一时段内各路段的拥堵时长,将拥堵时长大于第一拥堵阈值的路段确定为日拥堵路段;统计第一周期内所述日拥堵路段发生拥堵的天数,确定出第一周期常发拥堵路段;根据所述第一周期常发拥堵路段,确定第一周期常发拥堵区域。
可选的,所述处理单元602具体用于:
将所述第一周期常发拥堵路段的上下游路况确定为第一周期常发拥堵路口;
根据所述第一周期常发拥堵路口,确定所述第一周期常发拥堵区域。
可选的,所述处理单元602具体用于:
以所述第一周期常发拥堵路口为中心,搜索与所述第一周期常发拥堵路口相邻的路口;
若所述与所述第一周期常发拥堵路口相邻的路口为第一周期常发路口,则将所述与所述第一周期常发拥堵路口的上游路口所形成的区域确定为所述第一周期常发拥堵区域。
可选的,所述处理单元602还用于:
在所述确定第一周期常发拥堵路段和第一周期常发拥堵区域之后,统计所述第一周期常发拥堵路口的路口延误时长,并根据所述路口延误时长,对所述第一周期常发拥堵路口进行排名;
统计所述第一周期常发拥堵区域的拥堵里程占比,根据所述拥堵里程占比对所述第一周期常发拥堵区域进行排名;
根据所述第一周期常发拥堵路口的排名和所述第一周期常发拥堵区域的排名,进行拥堵点位原因分析并制定缓堵方案。
可选的,所述处理单元602具体用于:
统计所述第一周期内所述日拥堵路段发生拥堵的天数,将发生拥堵的天数大于第二拥堵阈值的日拥堵路段确定为所述第一周期常发拥堵路段。
基于相同的技术构思,本发明实施例还提供了一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述城市交通常发性拥堵特征确定的方法。
基于相同的技术构思,本发明实施例还提供了一种计算机可读非易失性存储介质,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行上述城市交通常发性拥堵特征确定的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种城市交通常发性拥堵特征确定的方法,其特征在于,包括:
获取预设周期内城市交通历史路况数据;
统计每日的第一时段内各路段的拥堵时长,将拥堵时长大于第一拥堵阈值的路段确定为日拥堵路段;
统计第一周期内所述日拥堵路段发生拥堵的天数,确定出第一周期常发拥堵路段;
根据所述第一周期常发拥堵路段,确定第一周期常发拥堵区域。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一周期常发拥堵路段,确定第一周期常发拥堵区域,包括:
将所述第一周期常发拥堵路段的上下游路口确定为第一周期常发拥堵路口;
根据所述第一周期常发拥堵路口,确定所述第一周期常发拥堵区域。
3.如权利要求2所述的方法,其特征在于,所述根据所述第一周期常发拥堵路口,确定所述第一周期常发拥堵区域,包括:
以所述第一周期常发拥堵路口为中心,搜索与所述第一周期常发拥堵路口相邻的路口;
若所述与所述第一周期常发拥堵路口相邻的路口为第一周期常发路口,则将所述与所述第一周期常发拥堵路口的上下游路口所形成的区域确定为所述第一周期常发拥堵区域。
4.如权利要求3所述的方法,其特征在于,在所述确定第一周期常发拥堵路段和第一周期常发拥堵区域之后,还包括:
统计所述第一周期常发拥堵路口的路口延误时长,并根据所述路口延误时长,对所述第一周期常发拥堵路口进行排名;
统计所述第一周期常发拥堵区域的拥堵里程占比,根据所述拥堵里程占比对所述第一周期常发拥堵区域进行排名;
根据所述第一周期常发拥堵路口的排名和所述第一周期常发拥堵区域的排名,进行拥堵点位原因分析并制定缓堵方案。
5.如权利要求1至4任一项所述的方法,其特征在于,所述统计第一周期内所述日拥堵路段发生拥堵的天数,确定出第一周期常发拥堵路段,包括:
统计所述第一周期内所述日拥堵路段发生拥堵的天数,将发生拥堵的天数大于第二拥堵阈值的日拥堵路段确定为所述第一周期常发拥堵路段。
6.一种城市交通常发性拥堵特征确定的装置,其特征在于,包括:
获取单元,用于获取预设周期内的城市交通历史路况数据;
处理单元,用于统计每日的第一时段内各路段的拥堵时长,将拥堵时长大于第一拥堵阈值的路段确定为日拥堵路段;统计第一周期内所述日拥堵路段发生拥堵的天数,确定出第一周期常发拥堵路段;根据所述第一周期常发拥堵路段,确定第一周期常发拥堵区域。
7.如权利要求6所述的装置,其特征在于,所述处理单元具体用于:
将所述第一周期常发拥堵路段的上下游路况确定为第一周期常发拥堵路口;
根据所述第一周期常发拥堵路口,确定所述第一周期常发拥堵区域。
8.如权利要求7所述的装置,其特征在于,所述处理单元具体用于:
以所述第一周期常发拥堵路口为中心,搜索与所述第一周期常发拥堵路口相邻的路口;
若所述与所述第一周期常发拥堵路口相邻的路口为第一周期常发路口,则将所述与所述第一周期常发拥堵路口的上下游路口所形成的区域确定为所述第一周期常发拥堵区域。
9.如权利要求8所述的装置,其特征在于,所述处理单元还用于:
在所述确定第一周期常发拥堵路段和第一周期常发拥堵区域之后,统计所述第一周期常发拥堵路口的路口延误时长,并根据所述路口延误时长,对所述第一周期常发拥堵路口进行排名;
统计所述第一周期常发拥堵区域的拥堵里程占比,根据所述拥堵里程占比对所述第一周期常发拥堵区域进行排名;
根据所述第一周期常发拥堵路口的排名和所述第一周期常发拥堵区域的排名,进行拥堵点位原因分析并制定缓堵方案。
10.如权利要求6至9任一项所述的装置,其特征在于,所述处理单元具体用于:
统计所述第一周期内所述日拥堵路段发生拥堵的天数,将发生拥堵的天数大于第二拥堵阈值的日拥堵路段确定为所述第一周期常发拥堵路段。
11.一种计算设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行权利要求1至5任一项所述的方法。
12.一种计算机可读非易失性存储介质,其特征在于,包括计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811092212.1A CN109118771B (zh) | 2018-09-19 | 2018-09-19 | 一种城市交通常发性拥堵特征确定的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811092212.1A CN109118771B (zh) | 2018-09-19 | 2018-09-19 | 一种城市交通常发性拥堵特征确定的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109118771A true CN109118771A (zh) | 2019-01-01 |
CN109118771B CN109118771B (zh) | 2020-12-08 |
Family
ID=64858426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811092212.1A Active CN109118771B (zh) | 2018-09-19 | 2018-09-19 | 一种城市交通常发性拥堵特征确定的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109118771B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110491122A (zh) * | 2019-07-29 | 2019-11-22 | 安徽科力信息产业有限责任公司 | 一种降低城市拥堵排名的方法及装置 |
CN110619745A (zh) * | 2019-08-28 | 2019-12-27 | 安徽科力信息产业有限责任公司 | 预防交通拥堵的数据处理方法及装置 |
CN110930713A (zh) * | 2020-02-07 | 2020-03-27 | 北京交研智慧科技有限公司 | 基于历史重现率的道路常发拥堵识别方法、装置及设备 |
CN111091715A (zh) * | 2020-03-20 | 2020-05-01 | 北京交研智慧科技有限公司 | 一种基于历史重现率的道路偶发拥堵识别方法及装置 |
CN111462498A (zh) * | 2020-05-29 | 2020-07-28 | 青岛大学 | 常发拥堵区域识别方法及设备 |
CN111540204A (zh) * | 2020-05-08 | 2020-08-14 | 青岛海信网络科技股份有限公司 | 一种面向交叉口问题诊断的交通运行状态评估方法及装置 |
CN111814081A (zh) * | 2020-07-08 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 高危路口检测方法、检测模型建立方法、装置、电子设备和可读存储介质 |
CN112185108A (zh) * | 2020-08-27 | 2021-01-05 | 银江股份有限公司 | 基于时空特征的城市路网拥堵模式识别方法、设备及介质 |
CN117095539A (zh) * | 2023-10-16 | 2023-11-21 | 江西时励朴华数字技术有限公司 | 交通拥堵处理方法、处理系统、数据处理装置、存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011079707A1 (zh) * | 2009-12-30 | 2011-07-07 | 北京世纪高通科技有限公司 | 交通路况信息填补方法和系统 |
CN104933860A (zh) * | 2015-05-20 | 2015-09-23 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN108320506A (zh) * | 2018-02-05 | 2018-07-24 | 青岛大学 | 一种基于复合网络的拥堵时段的发现方法 |
CN108492555A (zh) * | 2018-03-20 | 2018-09-04 | 青岛海信网络科技股份有限公司 | 一种城市路网交通状态评价方法及装置 |
-
2018
- 2018-09-19 CN CN201811092212.1A patent/CN109118771B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011079707A1 (zh) * | 2009-12-30 | 2011-07-07 | 北京世纪高通科技有限公司 | 交通路况信息填补方法和系统 |
CN104933860A (zh) * | 2015-05-20 | 2015-09-23 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN108320506A (zh) * | 2018-02-05 | 2018-07-24 | 青岛大学 | 一种基于复合网络的拥堵时段的发现方法 |
CN108492555A (zh) * | 2018-03-20 | 2018-09-04 | 青岛海信网络科技股份有限公司 | 一种城市路网交通状态评价方法及装置 |
Non-Patent Citations (1)
Title |
---|
张晓燕等: "《基于FCD的城市路网常发性拥堵路段识别方法研究》", 《交通信息与安全》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110491122A (zh) * | 2019-07-29 | 2019-11-22 | 安徽科力信息产业有限责任公司 | 一种降低城市拥堵排名的方法及装置 |
CN110619745A (zh) * | 2019-08-28 | 2019-12-27 | 安徽科力信息产业有限责任公司 | 预防交通拥堵的数据处理方法及装置 |
CN110930713A (zh) * | 2020-02-07 | 2020-03-27 | 北京交研智慧科技有限公司 | 基于历史重现率的道路常发拥堵识别方法、装置及设备 |
CN111091715A (zh) * | 2020-03-20 | 2020-05-01 | 北京交研智慧科技有限公司 | 一种基于历史重现率的道路偶发拥堵识别方法及装置 |
CN111540204B (zh) * | 2020-05-08 | 2021-05-11 | 青岛海信网络科技股份有限公司 | 一种面向交叉口问题诊断的交通运行状态评估方法及装置 |
CN111540204A (zh) * | 2020-05-08 | 2020-08-14 | 青岛海信网络科技股份有限公司 | 一种面向交叉口问题诊断的交通运行状态评估方法及装置 |
CN111462498A (zh) * | 2020-05-29 | 2020-07-28 | 青岛大学 | 常发拥堵区域识别方法及设备 |
CN111814081A (zh) * | 2020-07-08 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 高危路口检测方法、检测模型建立方法、装置、电子设备和可读存储介质 |
CN111814081B (zh) * | 2020-07-08 | 2021-03-09 | 北京嘀嘀无限科技发展有限公司 | 高危路口检测方法、检测模型建立方法、装置、电子设备和可读存储介质 |
CN112185108A (zh) * | 2020-08-27 | 2021-01-05 | 银江股份有限公司 | 基于时空特征的城市路网拥堵模式识别方法、设备及介质 |
CN112185108B (zh) * | 2020-08-27 | 2021-11-16 | 银江技术股份有限公司 | 基于时空特征的城市路网拥堵模式识别方法、设备及介质 |
CN117095539A (zh) * | 2023-10-16 | 2023-11-21 | 江西时励朴华数字技术有限公司 | 交通拥堵处理方法、处理系统、数据处理装置、存储介质 |
CN117095539B (zh) * | 2023-10-16 | 2024-01-09 | 江西时励朴华数字技术有限公司 | 交通拥堵处理方法、处理系统、数据处理装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109118771B (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118771A (zh) | 一种城市交通常发性拥堵特征确定的方法及装置 | |
Lagomarsino et al. | The heuristic vulnerability model: fragility curves for masonry buildings | |
Capacci et al. | Probabilistic life-cycle seismic resilience assessment of aging bridge networks considering infrastructure upgrading | |
Decò et al. | A probabilistic approach for the prediction of seismic resilience of bridges | |
US10764184B2 (en) | Detecting communication network insights of alerts | |
CA2708911C (en) | Marketing model determination system | |
van Erp et al. | Macroscopic traffic state estimation using relative flows from stationary and moving observers | |
CN110300134A (zh) | 云存储资源池的存储空间调整方法、装置及云存储系统 | |
US11258709B2 (en) | Detecting communication network insights of alerts | |
US20140039782A1 (en) | Determining a spatiotemporal impact of a planned event on traffic | |
CN105868035A (zh) | 一种故障预测的方法、装置和系统 | |
CN103312566A (zh) | 检测报文端口拥塞的方法及装置 | |
EP3598721B1 (en) | Detecting network congestions in a communication network | |
Yao et al. | Percolation-based resilience modeling and active intervention of disrupted urban traffic network during a snowstorm | |
Lu et al. | A parking occupancy prediction approach based on spatial and temporal analysis | |
Medina et al. | Effects of metered entry volume on an oversaturated network with dynamic signal timing | |
Miller et al. | GIS-based dynamic traffic congestion modeling to support time-critical logistics | |
KR102127639B1 (ko) | 교통 정보 시각화 분석 장치 및 방법 | |
CN109509019A (zh) | 房地产项目经营状况监控应用方法、系统及云应用系统 | |
CN110491122A (zh) | 一种降低城市拥堵排名的方法及装置 | |
Ahmed et al. | The impact of Uber and Lyft on taxi service quality: evidence from New York City | |
CN109325617A (zh) | 一种城市交通状态预测方法及装置 | |
CN111352924B (zh) | 解决数据倾斜问题的方法及装置 | |
Zhao et al. | Content-based recommendation for traffic signal control | |
CN103917971A (zh) | 具有老化机制的数据库和管理数据库的方法 |
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 |