CN109300315B - 基于车辆检测概率的地磁数据异常判别方法及系统 - Google Patents
基于车辆检测概率的地磁数据异常判别方法及系统 Download PDFInfo
- Publication number
- CN109300315B CN109300315B CN201811191099.2A CN201811191099A CN109300315B CN 109300315 B CN109300315 B CN 109300315B CN 201811191099 A CN201811191099 A CN 201811191099A CN 109300315 B CN109300315 B CN 109300315B
- Authority
- CN
- China
- Prior art keywords
- detector
- vehicle
- occupancy
- red light
- vehicles
- 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
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
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- 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
- 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
- G08G1/07—Controlling traffic signals
Abstract
本发明公开了一种基于车辆检测概率的地磁数据异常判别方法及系统。其中,该方法,包括:建立地磁数据库;计算基于车辆检测概率红灯信号下车辆占用检测器时间模型和绿灯信号下车辆占用检测器时间模型,进而得到占有率与流量分布模型;根据占有率与流量分布模型的上边界和下边界,判断地磁数据是否异常:若地磁数据处于占有率与流量分布模型的上边界和下边界之间,则地磁数据正常;否则,判定地磁数据异常。
Description
技术领域
本发明属于交通数据处理领域,尤其涉及一种基于车辆检测概率的地磁数据异常判别方法及系统。
背景技术
目前,地磁检测器已经在国内大中型城市得到广泛应用,地磁检测器可以提供流量和占有率等交通数据,用于分析城市道路交通运行状态,缓解城市道路拥堵。但地磁检测器由于长期埋于地下、容易老化且受信号不稳定等因素影响,使得检测数据常出现异常,严重影响了地磁原始数据的质量。
现有的地磁数据识别方法大多都是用时间序列、数理统计和交通流理论等方法进行异常数据的判别,均未考虑信号灯对占有率的影响、检测器的安放位置以及红灯信号下停驶车辆与检测器的位置关系,均未考虑到信号灯对车辆占用检测器时间或占有率的影响,检测器安放位置以及红灯信号下停驶车辆与检测器的位置关系。其中,占有率指时间占有率,占有率=周期内车辆通过检测器时间之和/检测周期时间。
现有的地磁数据判别方法未考虑上述因素的影响,只从时间序列、数理统计和交通流理论这些方面进行预测,公式化严重,对异常数据的判断依赖于历史数据,交通数据不是一成不变的具有随机性,历史数据只是具有参考性,导致异常数据判别不准确。
发明内容
为了解决现有技术的不足,本发明的第一目的是提供一种基于车辆检测概率的地磁数据异常判别方法,其能够提高异常数据判别的准确性,进而提高地磁原始数据的质量。
本发明的一种基于车辆检测概率的地磁数据异常判别方法,包括:
建立地磁数据库;
计算基于车辆检测概率红灯信号下车辆占用检测器时间模型和绿灯信号下车辆占用检测器时间模型,进而得到占有率与流量分布模型;
根据占有率与流量分布模型的上边界和下边界,判断地磁数据是否异常:
若地磁数据处于占有率与流量分布模型的上边界和下边界之间,则地磁数据正常;否则,判定地磁数据异常。
进一步的,基于车辆检测概率红灯信号下车辆占用检测器时间模型为∑tr;
假设红灯亮起时检测器与停止线之间的车辆数为qr,检测器与停止线之间最大容纳车辆数为d,qr<d,则红灯信号下车辆占用检测器时间tr计算公式为:
式中:
ta为车辆的集结时间,由交叉口处车辆的到达率决定;
ts为红灯时间。
进一步的,假设检测器距离停车线距离一定的情况下,红灯信号下车辆停在检测器之上的概率用α表示,没有停在检测器之上的概率用β表示,信号周期用c表示,则检测间隔T内红灯下停车概率P(s)的公式为:
其中,j=1,2,…,n;n为大于或等于1的正整数。
红灯时间ts为:ts=P(s)*T。
进一步的,绿灯信号下车辆占用检测器时间模型为∑tg;
假设绿灯亮起时检测器与停止线之间的车辆数为qg,检测器与停止线之间最大容纳车辆数为d,当qg<d时:
当qg=d时:
式中:
tl为绿灯亮起时的损失时间;
td=ld/vd;其中ld为检测器到停止线的距离,vd为消散波波速;
进一步的,假设检测器检测周期T为信号周期c的公倍数,n为停驶车辆占用检测器的次数,n的最大值nmax=T/c;得到占有率与流量分布模型:
式中:Q为检测周期T内通过检测器的车辆总数;w表示地磁检测器一个工作周期内第w个红绿灯信号周期。
进一步的,占有率与流量分布模型的上边界Ou的公式为:
占有率与流量分布模型的下边界Od的公式为:
本发明的第二目的是提供一种基于车辆检测概率的地磁数据异常判别系统,其能够提高异常数据判别的准确性,进而提高地磁原始数据的质量。
本发明的一种基于车辆检测概率的地磁数据异常判别系统,包括存储器和处理器;所述处理器,被配置为以下步骤:
建立地磁数据库;
计算基于车辆检测概率红灯信号下车辆占用检测器时间模型和绿灯信号下车辆占用检测器时间模型,进而得到占有率与流量分布模型;
根据占有率与流量分布模型的上边界和下边界,判断地磁数据是否异常:
若地磁数据处于占有率与流量分布模型的上边界和下边界之间,则地磁数据正常;否则,判定地磁数据异常。
进一步的,基于车辆检测概率红灯信号下车辆占用检测器时间模型为∑tr;
假设红灯亮起时检测器与停止线之间的车辆数为qr,检测器与停止线之间最大容纳车辆数为d,qr<d,则红灯信号下车辆占用检测器时间tr计算公式为:
式中:
ta为车辆的集结时间,由交叉口处车辆的到达率决定;
ts为红灯时间;
假设检测器距离停车线距离一定的情况下,红灯信号下车辆停在检测器之上的概率用α表示,没有停在检测器之上的概率用β表示,信号周期用c表示,则检测间隔T内红灯下停车概率P(s)的公式为:
其中,j=1,2,…,n;n为大于或等于1的正整数。
红灯时间ts为:ts=P(s)*T。
进一步的,绿灯信号下车辆占用检测器时间模型为∑tg;
假设绿灯亮起时检测器与停止线之间的车辆数为qg,检测器与停止线之间最大容纳车辆数为d,当qg<d时:
当qg=d时:
式中:
tl为绿灯亮起时的损失时间;
td=ld/vd;其中ld为检测器到停止线的距离,vd为消散波波速;
进一步的,假设检测器检测周期T为信号周期c的公倍数,n为停驶车辆占用检测器的次数,n的最大值nmax=T/c;得到占有率与流量分布模型:
式中:Q为检测周期T内通过检测器的车辆总数;w表示地磁检测器一个工作周期内第w个红绿灯信号周期;
占有率与流量分布模型的上边界Ou的公式为:
占有率与流量分布模型的下边界Od的公式为:
与现有技术相比,本发明的有益效果是:
(1)本发明更注重于交通具有数据随机性的特性,预测出的结果更加贴合实际情况。
(2)其他方法会将一些正确数据误判为错误数据,例如根据时间序列判断,现在时刻和历史时刻数据差别较大,可能就会把这条数据判断为错误数据,但是这条数据有可能是正确数据;本发明判断出的错误数据准确率更高,并且对于正确数据的误判率更低。
(3)存储大量历史数据用于判断会占用大量的存储空间并且历史数据也有可能是错误的;本发明不需要大量的历史数据作为判断依据,可以根据现有数据进行判断,节省了存储空间。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明的一种基于车辆检测概率的地磁数据异常判别方法流程图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明的一种基于车辆检测概率的地磁数据异常判别方法,包括以下步骤:
步骤1):建立地磁数据库;
步骤2):建立红灯信号下车辆占用检测器时间模型和绿灯信号下车辆占用检测器时间模型;
步骤3):建立占有率与流量分布模型;
步骤4):建立占有率和流量分布的上下边界模型。
步骤1)的具体实施方法:
地磁数据库中的地磁数据包括:安放地磁检测器的路口编号,车道编号,每个检测周期内的流量,每个检测周期内检测器的占有率,为方便数据的使用可以以天为单位存储数据。
地磁数据库中的地磁数据,还包括:红灯亮起时检测器与停止线之间的车辆数、检测器与停止线之间最大容纳车辆数、车辆的集结时间、红灯亮起后通过检测器的车辆数、车辆长度以及车辆速度、绿灯亮起时检测器与停止线之间的车辆数、检测器到停止线的距离、消散波波速和绿灯亮起时通过检测器的车辆总数。
步骤2.1)建立红灯信号下车辆占用检测器时间模型的具体实施方法:
地磁数据的占有率为时间占有率,计算公式为:
式中:
∑tr为红灯信号下车辆占用检测器的时间;
∑tg为绿灯信号下车辆占用检测器的时间;
假设红灯亮起时检测器与停止线之间的车辆数为qr,检测器与停止线之间最大容纳车辆数为d,因为d为最大容纳车辆数,红灯亮起时检测器与停止线之间的车辆还处在运动状态,所以qr<d,tr计算公式为:
式中:
ta为车辆的集结时间,由交叉口处车辆的到达率决定;
其中,交叉口处车辆的到达率为已知数据;
ts为红灯时间,有以下几种情况,当车辆排队长度没有超过检测器位置,红灯下车辆不会停在检测器之上,此时检测器处于非激活状态,得到的占有率仅为绿灯状态下车辆的时间占有率。当车辆排队长度超过检测器位置,在红灯信号下,停驶的车辆存在两种状态:①停驶车辆停在检测器之上,在红灯期间车辆一直处于被检测状态,此时得到占有率会很大;②停驶的车辆不在检测器之上,检测器处于未激发状态,得到的占有率仅是绿灯下车辆的占有率。红灯信号下车辆排队长度超过检测器位置时,车辆停在检测器上的概率由检测器位置和车身长度和停车间距决定。假设检测器距离停车线距离一定的情况下,红灯信号下车辆停在检测器之上的概率用α表示,没有停在检测器之上的概率用β表示,信号周期用c表示,则检测间隔T内红灯下停车概率P(s)的公式为:
其中,j=1,2,…,n;n为大于或等于1的正整数。
红灯时间ts为:ts=P(s)*T。
步骤2.2)建立绿灯信号下车辆占用检测器时间模型的具体实施方法:
假设绿灯亮起时检测器与停止线之间的车辆数为qg,检测器与停止线之间最大容纳车辆数为d,当qg<d时:
当qg=d时:
式中:
tl为绿灯亮起时的损失时间;
td=ld/vd其中ld为检测器到停止线的距离,vd为消散波波速;
步骤(3)的具体实施方法:
假设检测器检测周期T为信号周期c的公倍数,n为停驶车辆占用检测器的次数,n的最大值nmax=T/c。得到占有率与流量分布模型:
式中:Q为检测周期T内通过检测器的车辆总数;w表示地磁检测器一个工作周期内第w个红绿灯信号周期c。
步骤(4)的具体实施方法:
通过占有率与流量分布模型,可以得到占有率与流量分布的边界,处于边界之外的数据点为错误数据。其上边界应满足Ou=Omax,此时检测间隔T内红灯信号下车辆均停在检测器之上,排队车辆以最大消散时间驶离交叉口,下游车辆并以最小到达时间到达交叉口。其下边界应满足Od=Omin,此时检测间隔T内红灯信号下车辆没有停在检测器之上,排队车辆以最小消散时间驶离交叉口,下游车辆并以最大到达时间到达交叉口。
上边界模型公式为:
下边界模型公式为:
将车流量区间等分为m各小区间,并将每个小区间内数据按照从小到达排序。根据上下边界模型得到红灯信号不同车辆检测概率下的数据分布边界,检测检测器数据是否符合车辆停在检测器上的概率。当数据样本符合车辆停在检测器上的概率,说明检测器数据正常,否则检测器数据异常。
本发明更注重于交通具有数据随机性的特性,预测出的结果更加贴合实际情况。
其他方法会将一些正确数据误判为错误数据,例如根据时间序列判断,现在时刻和历史时刻数据差别较大,可能就会把这条数据判断为错误数据,但是这条数据有可能是正确数据;本发明判断出的错误数据准确率更高,并且对于正确数据的误判率更低。
存储大量历史数据用于判断会占用大量的存储空间并且历史数据也有可能是错误的;本发明不需要大量的历史数据作为判断依据,可以根据现有数据进行判断,节省了存储空间。
本发明还提供了一种基于车辆检测概率的地磁数据异常判别系统,其能够提高异常数据判别的准确性,进而提高地磁原始数据的质量。
本发明的一种基于车辆检测概率的地磁数据异常判别系统,包括存储器和处理器;所述处理器,被配置为以下步骤:
建立地磁数据库;
计算基于车辆检测概率红灯信号下车辆占用检测器时间模型和绿灯信号下车辆占用检测器时间模型,进而得到占有率与流量分布模型;
根据占有率与流量分布模型的上边界和下边界,判断地磁数据是否异常:
若地磁数据处于占有率与流量分布模型的上边界和下边界之间,则地磁数据正常;否则,判定地磁数据异常。
其中,基于车辆检测概率红灯信号下车辆占用检测器时间模型为∑tr;
假设红灯亮起时检测器与停止线之间的车辆数为qr,检测器与停止线之间最大容纳车辆数为d,qr<d,则红灯信号下车辆占用检测器时间tr计算公式为:
式中:
ta为车辆的集结时间,由交叉口处车辆的到达率决定;
ts为红灯时间;
假设检测器距离停车线距离一定的情况下,红灯信号下车辆停在检测器之上的概率用α表示,没有停在检测器之上的概率用β表示,信号周期用c表示,则检测间隔T内红灯下停车概率P(s)的公式为:
其中,j=1,2,…,n;n为大于或等于1的正整数。
红灯时间ts为:ts=P(s)*T。
其中,绿灯信号下车辆占用检测器时间模型为∑tg;
假设绿灯亮起时检测器与停止线之间的车辆数为qg,检测器与停止线之间最大容纳车辆数为d,当qg<d时:
当qg=d时:
式中:
tl为绿灯亮起时的损失时间;
td=ld/vd;其中ld为检测器到停止线的距离,vd为消散波波速;
假设检测器检测周期T为信号周期c的公倍数,n为停驶车辆占用检测器的次数,n的最大值nmax=T/c;得到占有率与流量分布模型:
式中:Q为检测周期T内通过检测器的车辆总数;w表示地磁检测器一个工作周期内第w个红绿灯信号周期;
占有率与流量分布模型的上边界Ou的公式为:
占有率与流量分布模型的下边界Od的公式为:
与现有技术相比,本发明的有益效果是:
本发明更注重于交通具有数据随机性的特性,预测出的结果更加贴合实际情况。
其他方法会将一些正确数据误判为错误数据,例如根据时间序列判断,现在时刻和历史时刻数据差别较大,可能就会把这条数据判断为错误数据,但是这条数据有可能是正确数据;本发明判断出的错误数据准确率更高,并且对于正确数据的误判率更低。
存储大量历史数据用于判断会占用大量的存储空间并且历史数据也有可能是错误的;本发明不需要大量的历史数据作为判断依据,可以根据现有数据进行判断,节省了存储空间。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (6)
1.一种基于车辆检测概率的地磁数据异常判别方法,其特征在于,包括:
建立地磁数据库;
计算基于车辆检测概率红灯信号下车辆占用检测器时间模型和绿灯信号下车辆占用检测器时间模型,进而得到占有率与流量分布模型;
根据占有率与流量分布模型的上边界和下边界,判断地磁数据是否异常:
若地磁数据处于占有率与流量分布模型的上边界和下边界之间,则地磁数据正常;否则,判定地磁数据异常;
基于车辆检测概率红灯信号下车辆占用检测器时间模型为∑tr;
假设红灯亮起时检测器与停止线之间的车辆数为qr,检测器与停止线之间最大容纳车辆数为d,qr<d,则红灯信号下车辆占用检测器时间tr计算公式为:
式中:
ta为车辆的集结时间,由交叉口处车辆的到达率决定;
ts为红灯时间;
绿灯信号下车辆占用检测器时间模型为∑tg;
假设绿灯亮起时检测器与停止线之间的车辆数为qg,检测器与停止线之间最大容纳车辆数为d,当qg<d时:
当qg=d时:
式中:
tl为绿灯亮起时的损失时间;
td=ld/vd;其中ld为检测器到停止线的距离,vd为消散波波速;
5.一种基于车辆检测概率的地磁数据异常判别系统,其特征在于,包括存储器和处理器;所述处理器,被配置为以下步骤:
建立地磁数据库;
计算基于车辆检测概率红灯信号下车辆占用检测器时间模型和绿灯信号下车辆占用检测器时间模型,进而得到占有率与流量分布模型;
根据占有率与流量分布模型的上边界和下边界,判断地磁数据是否异常:
若地磁数据处于占有率与流量分布模型的上边界和下边界之间,则地磁数据正常;否则,判定地磁数据异常;
基于车辆检测概率红灯信号下车辆占用检测器时间模型为∑tr;
假设红灯亮起时检测器与停止线之间的车辆数为qr,检测器与停止线之间最大容纳车辆数为d,qr<d,则红灯信号下车辆占用检测器时间tr计算公式为:
式中:
ta为车辆的集结时间,由交叉口处车辆的到达率决定;
ts为红灯时间;
假设检测器距离停车线距离一定的情况下,红灯信号下车辆停在检测器之上的概率用α表示,没有停在检测器之上的概率用β表示,信号周期用c表示,则检测间隔T内红灯下停车概率P(s)的公式为:
其中,j=1,2,...,n;n为大于或等于1的正整数;
红灯时间ts为:ts=P(s)*T;
绿灯信号下车辆占用检测器时间模型为∑tg;
假设绿灯亮起时检测器与停止线之间的车辆数为qg,检测器与停止线之间最大容纳车辆数为d,当qg<d时:
当qg=d时:
式中:
tl为绿灯亮起时的损失时间;
td=ld/vd;其中ld为检测器到停止线的距离,vd为消散波波速;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811191099.2A CN109300315B (zh) | 2018-10-12 | 2018-10-12 | 基于车辆检测概率的地磁数据异常判别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811191099.2A CN109300315B (zh) | 2018-10-12 | 2018-10-12 | 基于车辆检测概率的地磁数据异常判别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109300315A CN109300315A (zh) | 2019-02-01 |
CN109300315B true CN109300315B (zh) | 2020-09-04 |
Family
ID=65162463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811191099.2A Active CN109300315B (zh) | 2018-10-12 | 2018-10-12 | 基于车辆检测概率的地磁数据异常判别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109300315B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681428B (zh) * | 2020-06-05 | 2023-03-28 | 阿波罗智联(北京)科技有限公司 | 一种溢流检测的方法、装置、电子设备及存储介质 |
CN114495498B (zh) * | 2022-01-20 | 2023-01-10 | 青岛海信网络科技股份有限公司 | 一种交通数据分布有效性判别方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4924407B2 (ja) * | 2007-12-25 | 2012-04-25 | 富士通株式会社 | センサ診断方法及びセンサ診断装置 |
CN101527082B (zh) * | 2008-03-07 | 2012-09-19 | 上海宝康电子控制工程有限公司 | 一种交通路况采集系统以及方法 |
JP4826609B2 (ja) * | 2008-08-29 | 2011-11-30 | トヨタ自動車株式会社 | 車両用異常解析システム及び車両用異常解析方法 |
EP2535881B1 (en) * | 2010-02-08 | 2015-10-28 | Obshchestvo s ogranichennoj otvetstvennost'ju "Korporazija "Stroy Invest Proekt M" | Method and device for determining the speed of travel and coordinates of vehicles and subsequently identifying same and automatically recording road traffic offences |
JP2012108748A (ja) * | 2010-11-18 | 2012-06-07 | Sony Corp | データ処理装置、データ処理方法、およびプログラム |
-
2018
- 2018-10-12 CN CN201811191099.2A patent/CN109300315B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109300315A (zh) | 2019-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9068848B2 (en) | Providing cost information associated with intersections | |
CN107170247B (zh) | 一种确定交叉口排队长度方法及装置 | |
CN101950477B (zh) | 一种交通信息处理方法及装置 | |
CN108320537B (zh) | 车辆排队长度的计算方法及装置 | |
CN106887141B (zh) | 基于排队论的连续交通节点拥塞程度预测模型、系统及方法 | |
CN112069944A (zh) | 一种道路拥堵等级确定方法 | |
CN109300315B (zh) | 基于车辆检测概率的地磁数据异常判别方法及系统 | |
CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN110733507A (zh) | 车道变换及道路隔离方法、装置、设备及存储介质 | |
CN111540204A (zh) | 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 | |
CN103971516A (zh) | 交通数据预处理方法及路况检测方法 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
JP3620487B2 (ja) | 交差点間走行所要時間推定装置 | |
CN109948436B (zh) | 一种监控道路上车辆的方法及装置 | |
CN109887285B (zh) | 一种停车原因的确定方法及装置 | |
CN110136437B (zh) | 一种交叉口进口道左直干扰问题的确定方法及装置 | |
CN110264725B (zh) | 路段流量的确定方法及装置 | |
CN112927498B (zh) | 一种基于智慧交通监控的数据分析方法及装置 | |
CN111009128A (zh) | 基于到达-离去模型实现路口交通状态实时研判处理的方法 | |
CN113380046B (zh) | 基于固定线路识别车辆行驶状态的方法、装置及电子设备 | |
CN113362597B (zh) | 一种基于非参数建模的交通序列数据异常检测方法及系统 | |
CN112927497B (zh) | 一种浮动车识别方法、相关方法和装置 | |
CN114419889A (zh) | 时段划分方法、装置、电子设备及存储介质 | |
CN113674542A (zh) | 溢流控制方法、装置及电子设备 | |
CN111402581A (zh) | 一种交通状态检测方法及检测装置 |
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 |