CN109376920A - 基于分钟转移矩阵的交通道路状态预测方法 - Google Patents
基于分钟转移矩阵的交通道路状态预测方法 Download PDFInfo
- Publication number
- CN109376920A CN109376920A CN201811193672.3A CN201811193672A CN109376920A CN 109376920 A CN109376920 A CN 109376920A CN 201811193672 A CN201811193672 A CN 201811193672A CN 109376920 A CN109376920 A CN 109376920A
- Authority
- CN
- China
- Prior art keywords
- crossing
- matrix
- minute
- vehicle
- idt
- 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.)
- Pending
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 239000002245 particle Substances 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000007423 decrease Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
Classifications
-
- 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"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于分钟转移矩阵的交通道路状态预测方法,所述历史交通数据包括抓拍地点、卡口名称、抓拍时间,所述路口转移状态预测方法包括步骤一,将抓拍时间为分析纬度,将纬度颗粒细化到分钟,步骤二,通过分析历史上该路口的每一分钟的车辆转移数量情况,形成分钟状态转移矩阵,步骤三,将此矩阵作为基础,通过路口转移模拟算法实现未来颗粒为分钟的交通状态预测。
Description
技术领域
本发明涉及大数据领域,尤其是一种利用大数据来对交通出行流量预测及疏导的方法。
背景技术
随着人民生活水平的提高,人均汽车持有量也在逐步提高,当城市市政道路建设速度低于汽车增长数量时,城市道路车流量将明显增大,尤其是发生突发性事故时,十字路口的交通将瞬间成为瘫痪状态,此时需要大量警力去现场维持秩序,给人民生活造成极大地不便。因此,一个较好的交通流量预测方式和疏导方法是解决该问题的主要手段。
发明内容
本发明为了解决上述技术的不足,提供了一种交通出行流量预测方法。
为了解决上述技术问题,所述历史交通数据包括抓拍地点、卡口名称、抓拍时间,所述路口转移状态预测方法包括步骤一,将抓拍时间为分析纬度,将纬度颗粒细化到分钟,步骤二,通过分析历史上该路口的每一分钟的车辆转移数量情况,形成分钟状态转移矩阵,步骤三,将此矩阵作为基础,通过路口转移模拟算法实现未来颗粒为分钟的交通状态预测。
采用了上述方式后,通过将路口中每一分钟的转移情况进行分析,并且基于大数据技术,建立转移矩阵,从而预测未来天数在该分钟内的汽车可能转移情况,提前预知可以更加针对性的对交通进行疏导,从而提高疏导效率,也同时可以建立预测机制,为市民出行起到良好的事先规划作用。
作为本发明的进一步改进,所述路口转移模拟算法可将路口模拟成a、b、c、d四个路口,并且路口可根据实际情况减少或增加,设置每个车道内的车可分别向其他三向的车道转移以及向自己方向的逆向车道进行调头,所述路口转移模拟算法的参数包括用于表示i路段在d日所有路口t分钟时刻的车辆转移数量矩阵的N,用于表示i路段,a路口在d日t分钟内共转移的汽车数量aidt,用于表示在i路段t分钟在d日内进行调头的汽车数量aidt1,用于表示在i路段a路口t分钟内分别向其他三个方向车道进行转移的aidt2,aidt3,aidt4,以此类推,可以得出用于表示在i路段b路口t分钟内调头以及分别向其他三个方向车道进行转移的为bidt1,bidt2,bidt3,bidt4,根据现有的总转移数量aidt以及路口的转出数量aidtn可以推算出i路段a路口在d日t分钟向各个方向及调头的转移率pidt,以及用于表示预测i路口在d日t+1分钟下的车辆转移预测数量矩阵M,所述N的矩阵为
采用了上述方式后,将路口进行模拟,并将转移方式设定成四种转移方式,分别为调头至本路口,向其他三向进行转移的转移方式,并根据一个路口向其他方向进行转移的方式设定四个参数分别为aidt1,aidt2,aidt3,aidt4,再设定转移率pidt以及用于表示预测i路口在d日t+1分钟下的车辆转移预测数量矩阵M,这样就可用上述几个参数来表达以及预测出将要转移的车辆数量为多少。而且四种转移方式的设定并不是常规设置,其可以根据具体情况增加或减少转移方式,只需将参数相对应的增加或减少即可实现。其中N的矩阵数据都是从交管部门现有数据所得。
作为本发明的进一步改进,所述转移率pidt的计算公式为以该公式以及大数据为基础,可以得到以大量的数据为基础,得出一个最接近实际以及误差最小的平均转移率pit,所述平均转移率pit的计算公式为并且根据该公式还能得到平均转移率矩阵P通过该矩阵可以展示在任意时间内任意一路口向其他路口转移的平均转移率。
采用了上述方式后,转移率的设置是通过总转移数以及路口转移数进行相除,从而得到一个数值,并且可从交警处获取相应的数据量,求出一个平均转移率,而该平均转移率则是相对来说误差最小,最可能接近实际数值的转移率,而每个路口每个时间转移到其他路口的转移率则用一个矩阵进行表示,则起到了汇总展示便于计算的技术效果。
作为本发明的进一步改进,所述t+1时刻车辆转移预测数量矩阵M的计算算法主要以t时刻的车辆转移数量矩阵N以及t时刻各个路口的道路内车辆总数矩阵[a,b,c,d]为基础,得出M的算法公式为M=[a,b,c,d]-N+N*P。
采用了上述方式后,计算一个路段t+1时间的车辆状态预测值,首先需要在t时刻该路段每个路口所有车的数量实际统计矩阵[a,b,c,d],然后再减去根据大数据为基础算出的转移车辆总数矩阵N再加上其他路口向该路口转移过来的车辆数矩阵N*P,即可得出特定路口的车辆转移预测数量矩阵。
作为本发明的进一步改进,一共转移的汽车数量aidt包括如下情况,在d日t分i路口未转移一辆车,则aidt,pidt及yidt的值均为0,如发生转移情况则适用计算公式。
采用了上述方式后,将情况分为两种,可以增加公式的适用条件。排除在路口发生实际转移时,并未有一辆车发生转移的实际情况,否则在公式中代入会产生相应错误。
具体实施方式
所述历史交通数据包括抓拍地点、卡口名称、抓拍时间,所述路口转移状态预测方法包括步骤一,将抓拍时间为分析纬度,将纬度颗粒细化到分钟,步骤二,通过分析历史上该路口的每一分钟的车辆转移数量情况,形成分钟状态转移矩阵,步骤三,将此矩阵作为基础,通过路口转移模拟算法实现未来颗粒为分钟的交通状态预测。通过将路口中每一分钟的转移情况进行分析,并且基于大数据技术,建立转移矩阵,从而预测未来天数在该分钟内的汽车可能转移情况,提前预知可以更加针对性的对交通进行疏导,从而提高疏导效率,也同时可以建立预测机制,为市民出行起到良好的事先规划作用。
所述路口转移模拟算法可将路口模拟成a、b、c、d四个路口,并且路口可根据实际情况减少或增加,设置每个车道内的车可分别向其他三向的车道转移以及向自己方向的逆向车道进行调头,所述路口转移模拟算法的参数包括用于表示i路段在d日所有路口t分钟时刻的车辆转移数量矩阵的N,用于表示i路段,a路口在d日t分钟内共转移的汽车数量aidt,用于表示在i路段t分钟在d日内进行调头的汽车数量aidt1,用于表示在i路段a路口t分钟内分别向其他三个方向车道进行转移的aidt2,aidt3,aidt4,以此类推,可以得出用于表示在i路段b路口t分钟内调头以及分别向其他三个方向车道进行转移的为bidt1,bidt2,bidt3,bidt4,根据现有的总转移数量aidt以及路口的转出数量aidtn可以推算出i路段a路口在d日t分钟向各个方向及调头的转移率pidt,以及用于表示预测i路口在d日t+1分钟下的车辆转移预测数量矩阵M,所述N的矩阵为
将路口进行模拟,并将转移方式设定成四种转移方式,分别为调头至本路口,向其他三向进行转移的转移方式,并根据一个路口向其他方向进行转移的方式设定四个参数分别为aidt1,aidt2,aidt3,aidt4,再设定转移率pidt以及用于表示预测i路口在d日t+1分钟下的车辆转移预测数量矩阵M,这样就可用上述几个参数来表达以及预测出将要转移的车辆数量为多少。而且四种转移方式的设定并不是常规设置,其可以根据具体情况增加或减少转移方式,只需将参数相对应的增加或减少即可实现。其中N的矩阵数据都是从交管部门现有数据所得。
所述转移率pidt的计算公式为以该公式以及大数据为基础,可以得到以大量的数据为基础,得出一个最接近实际以及误差最小的平均转移率pit,所述平均转移率pit的计算公式为并且根据该公式还能得到平均转移率矩阵P通过该矩阵可以展示在任意时间内任意一路口向其他路口转移的平均转移率。转移率的设置是通过总转移数以及路口转移数进行相除,从而得到一个数值,并且可从交警处获取相应的数据量,求出一个平均转移率,而该平均转移率则是相对来说误差最小,最可能接近实际数值的转移率,而每个路口每个时间转移到其他路口的转移率则用一个矩阵进行表示,则起到了汇总展示便于计算的技术效果。
所述t+1时刻车辆转移预测数量矩阵M的计算算法主要以t时刻的车辆转移数量矩阵N以及t时刻各个路口的车辆总数矩阵[a,b,c,d]为基础,得出M的算法公式为M=[a,b,c,d]-N+N*P。计算一个路段t+1时间的车辆状态预测值,首先需要在t时刻该路段每个路口所有车的数量实际统计矩阵[a,b,c,d],然后再减去根据大数据为基础算出的转移车辆总数矩阵N再加上其他路口向该路口转移过来的车辆数矩阵N*P,即可得出特定路口的车辆转移预测数量矩阵。一共转移的汽车数量aidt包括如下情况,在d日t分i路口未转移一辆车,则aidt,pidt及yidt的值均为0,如发生转移情况则适用计算公式。将情况分为两种,可以增加公式的适用条件。排除在路口发生实际转移时,并未有一辆车发生转移的实际情况,否则在公式中代入会产生相应错误。
Claims (5)
1.基于分钟转移矩阵的交通道路状态预测方法,其特征在于:所述历史交通数据包括抓拍地点、卡口名称、抓拍时间,所述路口转移状态预测方法包括步骤一,将抓拍时间为分析纬度,将纬度颗粒细化到分钟,步骤二,通过分析历史上该路口的每一分钟的车辆转移数量情况,形成分钟状态转移矩阵,步骤三,将此矩阵作为基础,通过路口转移模拟算法实现未来颗粒为分钟的交通状态预测。
2.根据权利要求1所述的基于分钟转移矩阵的交通道路状态预测方法,其特征在于:所述路口转移模拟算法可将路口模拟成a、b、c、d四个路口,并且路口可根据实际情况减少或增加,设置每个车道内的车可分别向其他三向的车道转移以及向自己方向的逆向车道进行调头,所述路口转移模拟算法的参数包括用于表示i路段在d日所有路口t分钟时刻的车辆转移数量矩阵的N,用于表示i路段,a路口在d日t分钟内共转移的汽车数量aidt,用于表示在i路段t分钟在d日内进行调头的汽车数量aidt1,用于表示在i路段a路口t分钟内分别向其他三个方向车道进行转移的aidt2,aidt3,aidt4,以此类推,可以得出用于表示在i路段b,c,d路口t分钟内调头以及分别向其他三个方向车道进行转移的为bidt1,bidt2,bidt3,bidt4,根据现有的总转移数量aidt以及路口的转出数量aidtn可以推算出i路段a路口在d日t分钟向各个方向及调头的转移率pidt,以及用于表示预测i路口在d日t+1分钟下的车辆转移预测数量矩阵M,所述N的矩阵为
3.根据权利要求2所述的基于分钟转移矩阵的交通道路状态预测方法,其特征在于:所述转移率pidt的计算公式为以该公式以及大数据为基础,可以得到以大量的数据为基础,得出一个最接近实际以及误差最小的平均转移率pit,所述平均转移率pit的计算公式为并且根据该公式还能得到平均转移率矩阵P通过该矩阵可以展示在任意时间内任意一路口向其他路口转移的平均转移率。
4.根据权利要求3所述的基于分钟转移矩阵的交通道路状态预测方法,其特征在于:所述t+1时刻车辆转移预测数量矩阵M的计算算法主要以t时刻的车辆转移数量矩阵N以及t时刻各个路口内的道路的车辆总数矩阵[a,b,c,d]为基础,得出M的算法公式为M=[a,b,c,d]‐N+N*P。
5.根据权利要求2所述的基于分钟转移矩阵的交通道路状态预测方法,其特征在于:一共转移的汽车数量aidt包括如下情况,在d日t分i路口未转移一辆车,则aidt,pidt及yidt的值均为0,如发生转移情况则适用计算公式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811193672.3A CN109376920A (zh) | 2018-10-12 | 2018-10-12 | 基于分钟转移矩阵的交通道路状态预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811193672.3A CN109376920A (zh) | 2018-10-12 | 2018-10-12 | 基于分钟转移矩阵的交通道路状态预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109376920A true CN109376920A (zh) | 2019-02-22 |
Family
ID=65397617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811193672.3A Pending CN109376920A (zh) | 2018-10-12 | 2018-10-12 | 基于分钟转移矩阵的交通道路状态预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376920A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105617A (zh) * | 2019-12-19 | 2020-05-05 | 浙大网新系统工程有限公司 | 基于矩阵稳定性分析的智能交通预测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4003827B2 (ja) * | 2002-03-27 | 2007-11-07 | 富士通エフ・アイ・ピー株式会社 | 交通量感知器を用いた路面性状推定方法とシステム |
CN105046956A (zh) * | 2015-06-24 | 2015-11-11 | 银江股份有限公司 | 一种基于转向系数的交通流模拟及预测方法 |
CN105118294A (zh) * | 2015-09-25 | 2015-12-02 | 山东易构软件技术股份有限公司 | 一种基于状态模式的短时交通流预测方法 |
CN105243856A (zh) * | 2015-10-30 | 2016-01-13 | 王安麟 | 城市交通信号智能控制规则的自组织构建方法 |
CN105405303A (zh) * | 2015-12-18 | 2016-03-16 | 佛山市高明区云大机械科技有限公司 | 一种基于车流量的交通控制方法 |
CN108417030B (zh) * | 2018-02-26 | 2020-05-19 | 浙江浙大中控信息技术有限公司 | 基于交通参数组合的路口交通状态强度计算方法 |
-
2018
- 2018-10-12 CN CN201811193672.3A patent/CN109376920A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4003827B2 (ja) * | 2002-03-27 | 2007-11-07 | 富士通エフ・アイ・ピー株式会社 | 交通量感知器を用いた路面性状推定方法とシステム |
CN105046956A (zh) * | 2015-06-24 | 2015-11-11 | 银江股份有限公司 | 一种基于转向系数的交通流模拟及预测方法 |
CN105118294A (zh) * | 2015-09-25 | 2015-12-02 | 山东易构软件技术股份有限公司 | 一种基于状态模式的短时交通流预测方法 |
CN105243856A (zh) * | 2015-10-30 | 2016-01-13 | 王安麟 | 城市交通信号智能控制规则的自组织构建方法 |
CN105405303A (zh) * | 2015-12-18 | 2016-03-16 | 佛山市高明区云大机械科技有限公司 | 一种基于车流量的交通控制方法 |
CN108417030B (zh) * | 2018-02-26 | 2020-05-19 | 浙江浙大中控信息技术有限公司 | 基于交通参数组合的路口交通状态强度计算方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105617A (zh) * | 2019-12-19 | 2020-05-05 | 浙大网新系统工程有限公司 | 基于矩阵稳定性分析的智能交通预测系统 |
CN111105617B (zh) * | 2019-12-19 | 2020-11-27 | 浙大网新系统工程有限公司 | 基于矩阵稳定性分析的智能交通预测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103903433B (zh) | 一种道路交通状态的实时动态判别方法及装置 | |
CN105869405B (zh) | 基于卡口数据的城市道路交通拥堵指数计算方法 | |
CN103985250B (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
CN108470461B (zh) | 一种交通信号控制器控制效果在线评价方法及系统 | |
CN105046956B (zh) | 一种基于转向系数的交通流模拟及预测方法 | |
CN103021193B (zh) | 一种面向行驶速度区间的干道绿波协调控制方法 | |
CN104933859B (zh) | 一种基于宏观基本图的确定网络承载力的方法 | |
CN100501795C (zh) | 一种路口关联路段动态路况采集方法 | |
Lu et al. | Effects of winter weather on traffic operations and optimization of signalized intersections | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN102136194A (zh) | 基于全景计算机视觉的道路交通状态检测装置 | |
CN102542801A (zh) | 一种融合多种交通数据的交通状况预测系统及方法 | |
CN109920244A (zh) | 可变车道实时控制系统及方法 | |
CN110334861A (zh) | 一种基于轨迹数据的城市区域划分方法 | |
Formánek et al. | Two-dimensional model of Ciliwung river flood in DKI Jakarta for development of the regional flood index map | |
CN110070734A (zh) | 基于高斯混合模型的信号交叉口饱和车头时距估计方法 | |
CN106846809B (zh) | 一种基于车辆停车次数的排队最远点计算方法 | |
CN114372503A (zh) | 一种集群车辆运动轨迹预测方法 | |
Ali et al. | Evaluation and analysis of traffic flow at signalized intersections in Nicosia using of SIDRA 5 Software | |
CN202394387U (zh) | 一种融合多种交通数据的交通状况预测系统 | |
CN109376920A (zh) | 基于分钟转移矩阵的交通道路状态预测方法 | |
CN111127880A (zh) | 一种基于mfd的网格路网交通性能分析方法 | |
Mystkowski et al. | Estimating queue lengths by using signal94, synchro3, transyt-7f, passer ii-90, and corsim | |
CN108399742A (zh) | 一种基于交通饱和度的交通态势热图可视化方法 | |
CN109255948A (zh) | 一种基于卡尔曼滤波的分车道车流比例预测方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190222 |
|
WD01 | Invention patent application deemed withdrawn after publication |