CN109377759A - 一种获取间断交通流中车队行程时间的方法 - Google Patents
一种获取间断交通流中车队行程时间的方法 Download PDFInfo
- Publication number
- CN109377759A CN109377759A CN201811433950.8A CN201811433950A CN109377759A CN 109377759 A CN109377759 A CN 109377759A CN 201811433950 A CN201811433950 A CN 201811433950A CN 109377759 A CN109377759 A CN 109377759A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- fleet
- crossing
- time
- record
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种获取间断交通流中车队行程时间的方法,根据实时过车数据构建过车集合模型,以车队为间隔获取信息,支持获取每个车队的行程时间,数据获取分析更加精细。同时车队与信号控制周期相关,并且车队行程时间计算及时,可以为实时信号控制提供数据支撑。
Description
技术领域
本专利属于计算机应用程序的发明专利,涉及智能交通控制技术。
背景技术
随着机动车保有量的持续增长,交通拥堵时有发生。为更好的监视管理交通情况,城市路网中安装了大量的卡口型电子警察。然而卡口型电子警察的数据利用仍有很大的提升空间,如何从丰富的数据中挖掘出更有价值的信息已成为一个迫切需要解决的问题。
行程时间是车辆沿一定路线在实际交通条件下,从一处到达另一处行车所需的总时间(包括停车和延误)。车辆的行程时间可通过车牌识别、浮动车等检测手段获得,大部分以固定时间间隔的形式,未考虑间断交通交通流与信号周期的关联性,传统计算方法得到的行程时间无法实时反映各信号周期的控制效果。
发明内容
发明目的:本发明涉及一种获取间断交通流的车队行程时间的方案,支持获取每个车队的行程时间,数据获取分析更加精细。同时车队与信号控制周期相关,并且车队行程时间获取及时,可以为实时信号控制提供数据支撑。
技术方案:为实现上述发明目的,本发明可采用以下技术方案:
一种获取间断交通流中车队行程时间的方法,包括以下步骤:
(1)、建立过车集合模型,过车集合模型分为四层:路口、路口方向、过车集合、过车记录;
(2)、通过设置在路口的车辆检测器检测车辆通过数据并更新过车集合;过车集合代表车队,每个过车集合存放一个车队的过车记录;
(3)、匹配路网数据;将过车集合与城市路网数据中心的路网数据匹配;
(4)、选择路口方向;根据存储的路网信息,提取出待分析流向对应的两个路口方向;
(5)、提取车队的过车记录;步骤(4)中的两个路口方向分别对应若干个过车集合;从两个路口各取一个过车集合,比对两个过车集合,提取相同车辆的过车记录;提取出来的过车记录,组成一个车队;
循环比对两路口的若干个集合,获取到达路口的所有车队信息;
(6)、获取行程时间;根据提取的过车记录,计算车队中每辆车的行程时间;在此基础上,计算车队的行程时间和车队车辆数;
根据每个过车集合的行程时间和车队车辆数,计算该方向平均行程时间和平均行程速度。
有益效果:本发明应用于交通信号实时控制系统后,体现了如下优点:
1、以车队为间隔获取信息,支持获取每个车队的行程时间,数据获取分析更加精细。
2、本专利未使用信号周期数据,车队与信号控制周期相关,并且车队行程时间计算及时,为实时信号控制提供数据支撑。
3、与传统固定间隔的行程时间不同,本发明的行程时间可以作为精细化评价指标。
4、可以作为交通诱导依据,实时发布交通行程时间信息,缓解交通拥堵。
进一步的,设置车头时距,即在同一车道上行驶的车辆队列中两连续车辆车头端部通过某一断面的时间间隔,当车头时距在预设范围内的两辆车认为属于同一车队;
当检测到车辆不属于目前的车队时,该车辆作为新车队的头车,并将对应的过车记录存在放在下一个过车集合中。
进一步的,过车集合包含遗忘因子,超过预设时间的过车信息包含了临时停车的车辆数据,在实时控制中予以识别剔除。
进一步的,在步骤(4)中,当需要获取某个路口直行方向的行车时间,则选择该路口、以及自该路口直行后到的下个路口。
进一步的,在步骤(4)中,当需要获取某个路口转弯方向的行车时间,则选择该路口、以及自该路口转向后到的下个路口。
附图说明
图1为本发明中采用的过车集合模型示意图。
图2为本发明的流程图。
图3为获取直行方向车队行程时间选择路口的示意图。
图4为获取左转方向车队行程时间选择路口的示意图。
具体实施方式
本发明提供一种获取间断交通流中车队行程时间的方法,如图2所示,包括以下步骤。
1)过车集合模型定义
请结合图1所示。过车集合模型分为四层:路口、路口方向、过车集合、过车记录。
在构建过车集合模型后,开始计算车队行程时间。
2)更新过车集合
过车集合代表车队。每个过车集合存放一个车队的过车记录,不同车队的记录存放在不同的过车集合中。
车头时距描述在同一车道上行驶的车辆队列中,两连续车辆车头端部通过某一断面的时间间隔。车头时距在一定范围内的两辆车,可以认为属于同一车队。
当检测到车辆不属于目前的车队时,该车辆作为新车队的头车,并将对应的过车记录存在放在下一个过车集合中。
过车集合包含遗忘因子。比较久远的过车信息包含了临时停车的车辆数据,在实时控制中应予以识别剔除。因此使用遗忘因子,使得每个方向只能记得过去若干个过车集合的信息,即只能记得过去若干个车队的信息。
3)匹配路网数据
由于过车集合只与路口检测器相关联,为了完成车队行程时间计算,需要将过车集合与路网数据匹配起来。根据过车集合模型和路网数据,即可完成路网->路口->路口方向->过车集合->过车记录的匹配。
4)选择路口方向
根据存储的路网信息,提取出待分析流向对应的两个路口方向。图3中,为了分析路口1西方向直行车流的行程时间,需要选择路口1的西方向和路口2的西方向。图4中,为了分析路口1北方向左转车流的行程时间,需要选择路口1的北方向和路口2的西方向。
5)提取车队的过车记录
上一步骤中,选择的两个路口方向分别对应若干个过车集合。从两个路口各取一个过车集合,比对两个过车集合,提取相同车辆的过车记录。提取出来的过车记录,组成一个车队。
循环比对两路口的若干个集合,获取到达路口的所有车队信息。
6)计算行程时间
根据提取的过车记录,计算车队中每辆车的行程时间。在此基础上,计算车队的行程时间和车队车辆数。
根据每个过车集合的行程时间和车队车辆数,计算该方向平均行程时间和平均行程速度。
本发明的关键点是按过车记录自动构建过车集合模型,识别各路口各方向到达的车队,并与路网结构结合计算行程时间。以车队为间隔获取信息,支持获取每个车队的行程时间,数据获取分析更加精细。同时车队与信号控制周期相关,并且车队行程时间计算及时,可以为实时信号控制提供数据支撑。
Claims (5)
1.一种获取间断交通流中车队行程时间的方法,其特征在于,包括以下步骤:
(1)、建立过车集合模型,过车集合模型分为四层:路口、路口方向、过车集合、过车记录;
(2)、通过设置在路口的车辆检测器检测车辆通过数据并更新过车集合;过车集合代表车队,每个过车集合存放一个车队的过车记录;
(3)、匹配路网数据;将过车集合与城市路网数据中心的路网数据匹配;
(4)、选择路口方向;根据存储的路网信息,提取出待分析流向对应的两个路口方向;
(5)、提取车队的过车记录;步骤(4)中的两个路口方向分别对应若干个过车集合;从两个路口各取一个过车集合,比对两个过车集合,提取相同车辆的过车记录;提取出来的过车记录,组成一个车队;
循环比对两路口的若干个集合,获取到达路口的所有车队信息;
(6)、获取行程时间;根据提取的过车记录,计算车队中每辆车的行程时间;在此基础上,计算车队的行程时间和车队车辆数;
根据每个过车集合的行程时间和车队车辆数,计算该方向平均行程时间和平均行程速度。
2.根据权利要求1所述的方法,其特征在于,设置车头时距,即在同一车道上行驶的车辆队列中两连续车辆车头端部通过某一断面的时间间隔,当车头时距在预设范围内的两辆车认为属于同一车队;
当检测到车辆不属于目前的车队时,该车辆作为新车队的头车,并将对应的过车记录存在放在下一个过车集合中。
3.根据权利要求2所述的方法,其特征在于,过车集合包含遗忘因子,超过预设时间的过车信息包含了临时停车的车辆数据,在实时控制中予以识别剔除。
4.根据权利要求1所述的方法,其特征在于,在步骤(4)中,当需要获取某个路口直行方向的行车时间,则选择该路口、以及自该路口直行后到的下个路口。
5.根据权利要求1所述的方法,其特征在于,在步骤(4)中,当需要获取某个路口转弯方向的行车时间,则选择该路口、以及自该路口转向后到的下个路口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811433950.8A CN109377759B (zh) | 2018-11-28 | 2018-11-28 | 一种获取间断交通流中车队行程时间的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811433950.8A CN109377759B (zh) | 2018-11-28 | 2018-11-28 | 一种获取间断交通流中车队行程时间的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109377759A true CN109377759A (zh) | 2019-02-22 |
CN109377759B CN109377759B (zh) | 2021-02-26 |
Family
ID=65377412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811433950.8A Active CN109377759B (zh) | 2018-11-28 | 2018-11-28 | 一种获取间断交通流中车队行程时间的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377759B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963532A (zh) * | 2021-09-10 | 2022-01-21 | 南京莱斯信息技术股份有限公司 | 一种基于间断放行特征的路段内车辆数估计方法及终端 |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0707807A2 (en) * | 1994-10-18 | 1996-04-24 | Assenburg B.V. | A piece of office furniture |
JP2005258726A (ja) * | 2004-03-10 | 2005-09-22 | Mitsubishi Heavy Ind Ltd | 道路交通情報提供システム |
US20080147307A1 (en) * | 2005-02-07 | 2008-06-19 | Zhen Liu | Method and apparatus for predicting future travel times over a transportation network |
CN101727746A (zh) * | 2009-09-18 | 2010-06-09 | 苏州大学 | 信号灯控制的城市道路机动车动态行程时间估计方法 |
CN101894461A (zh) * | 2009-05-22 | 2010-11-24 | 上海宝康电子控制工程有限公司 | 城市地面道路行程时间预测方法 |
CN101976508A (zh) * | 2010-10-26 | 2011-02-16 | 隋亚刚 | 基于车牌识别数据的交通信号干线相位差优化方法 |
CN102521998A (zh) * | 2012-01-09 | 2012-06-27 | 吉林大学 | 特大灾害条件下基于可靠性的应急交通疏散路径优化方法 |
CN102855755A (zh) * | 2012-09-06 | 2013-01-02 | 哈尔滨工业大学 | 一种基于运行车速预测的城市干道车队离散模型的建模方法 |
CN103383816A (zh) * | 2013-07-01 | 2013-11-06 | 青岛海信网络科技股份有限公司 | 复用电子警察混合交通流检测的交通信号控制方法及装置 |
CN103489048A (zh) * | 2013-10-17 | 2014-01-01 | 李慧兵 | 一种基于rfid数据的路径行程时间预测方法 |
CN105046959A (zh) * | 2015-06-30 | 2015-11-11 | 东南大学 | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 |
CN105809963A (zh) * | 2016-04-27 | 2016-07-27 | 公安部交通管理科学研究所 | 一种基于实测车的城市通道交通状态评价方法 |
CN106355907A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 |
CN106803348A (zh) * | 2017-03-28 | 2017-06-06 | 安徽四创电子股份有限公司 | 一种基于卡口的高架道路车辆行程时间短时预测方法 |
CN106971578A (zh) * | 2017-03-24 | 2017-07-21 | 东华大学 | 基于车载自组织网络的车辆行驶时间实时估计系统 |
CN107527501A (zh) * | 2017-06-05 | 2017-12-29 | 交通运输部公路科学研究所 | 一种高速公路站间行程时间数据的构造方法以及预测高速公路行程时间的方法 |
CN107730922A (zh) * | 2017-09-11 | 2018-02-23 | 北方工业大学 | 一种单向干线绿波协调控制自适应调整方法 |
CN107730931A (zh) * | 2017-09-20 | 2018-02-23 | 北方工业大学 | 一种车路协同环境下车辆编队控制及其信号优化方法 |
CN108242154A (zh) * | 2018-03-09 | 2018-07-03 | 同济大学 | 一种实时检测道路车辆行程车速的方法及系统 |
CN108287973A (zh) * | 2018-02-01 | 2018-07-17 | 迈锐数据(北京)有限公司 | 交通状态的模拟方法及装置 |
CN108399468A (zh) * | 2018-01-31 | 2018-08-14 | 华南理工大学 | 一种基于车时成本优化的运营时段划分方法 |
KR20180118086A (ko) * | 2018-10-18 | 2018-10-30 | 팅크웨어(주) | 전자 기기 및 전자 기기의 내비게이션 서비스 방법 |
CN108765941A (zh) * | 2018-05-29 | 2018-11-06 | 重庆大学 | 一种信号交叉口车辆到达率估计方法 |
CN108831143A (zh) * | 2018-06-15 | 2018-11-16 | 合肥工业大学 | 基于车路协同技术的信号交叉口车队速度引导方法 |
-
2018
- 2018-11-28 CN CN201811433950.8A patent/CN109377759B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0707807A2 (en) * | 1994-10-18 | 1996-04-24 | Assenburg B.V. | A piece of office furniture |
JP2005258726A (ja) * | 2004-03-10 | 2005-09-22 | Mitsubishi Heavy Ind Ltd | 道路交通情報提供システム |
US20080147307A1 (en) * | 2005-02-07 | 2008-06-19 | Zhen Liu | Method and apparatus for predicting future travel times over a transportation network |
CN101894461A (zh) * | 2009-05-22 | 2010-11-24 | 上海宝康电子控制工程有限公司 | 城市地面道路行程时间预测方法 |
CN101727746A (zh) * | 2009-09-18 | 2010-06-09 | 苏州大学 | 信号灯控制的城市道路机动车动态行程时间估计方法 |
CN101976508A (zh) * | 2010-10-26 | 2011-02-16 | 隋亚刚 | 基于车牌识别数据的交通信号干线相位差优化方法 |
CN102521998A (zh) * | 2012-01-09 | 2012-06-27 | 吉林大学 | 特大灾害条件下基于可靠性的应急交通疏散路径优化方法 |
CN102855755A (zh) * | 2012-09-06 | 2013-01-02 | 哈尔滨工业大学 | 一种基于运行车速预测的城市干道车队离散模型的建模方法 |
CN103383816A (zh) * | 2013-07-01 | 2013-11-06 | 青岛海信网络科技股份有限公司 | 复用电子警察混合交通流检测的交通信号控制方法及装置 |
CN103489048A (zh) * | 2013-10-17 | 2014-01-01 | 李慧兵 | 一种基于rfid数据的路径行程时间预测方法 |
CN105046959A (zh) * | 2015-06-30 | 2015-11-11 | 东南大学 | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 |
CN105809963A (zh) * | 2016-04-27 | 2016-07-27 | 公安部交通管理科学研究所 | 一种基于实测车的城市通道交通状态评价方法 |
CN106355907A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 |
CN106971578A (zh) * | 2017-03-24 | 2017-07-21 | 东华大学 | 基于车载自组织网络的车辆行驶时间实时估计系统 |
CN106803348A (zh) * | 2017-03-28 | 2017-06-06 | 安徽四创电子股份有限公司 | 一种基于卡口的高架道路车辆行程时间短时预测方法 |
CN107527501A (zh) * | 2017-06-05 | 2017-12-29 | 交通运输部公路科学研究所 | 一种高速公路站间行程时间数据的构造方法以及预测高速公路行程时间的方法 |
CN107730922A (zh) * | 2017-09-11 | 2018-02-23 | 北方工业大学 | 一种单向干线绿波协调控制自适应调整方法 |
CN107730931A (zh) * | 2017-09-20 | 2018-02-23 | 北方工业大学 | 一种车路协同环境下车辆编队控制及其信号优化方法 |
CN108399468A (zh) * | 2018-01-31 | 2018-08-14 | 华南理工大学 | 一种基于车时成本优化的运营时段划分方法 |
CN108287973A (zh) * | 2018-02-01 | 2018-07-17 | 迈锐数据(北京)有限公司 | 交通状态的模拟方法及装置 |
CN108242154A (zh) * | 2018-03-09 | 2018-07-03 | 同济大学 | 一种实时检测道路车辆行程车速的方法及系统 |
CN108765941A (zh) * | 2018-05-29 | 2018-11-06 | 重庆大学 | 一种信号交叉口车辆到达率估计方法 |
CN108831143A (zh) * | 2018-06-15 | 2018-11-16 | 合肥工业大学 | 基于车路协同技术的信号交叉口车队速度引导方法 |
KR20180118086A (ko) * | 2018-10-18 | 2018-10-30 | 팅크웨어(주) | 전자 기기 및 전자 기기의 내비게이션 서비스 방법 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963532A (zh) * | 2021-09-10 | 2022-01-21 | 南京莱斯信息技术股份有限公司 | 一种基于间断放行特征的路段内车辆数估计方法及终端 |
CN113963532B (zh) * | 2021-09-10 | 2023-06-23 | 南京莱斯信息技术股份有限公司 | 一种基于间断放行特征的路段内车辆数估计方法及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN109377759B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570658B (zh) | 基于层次聚类的路口异常车辆轨迹识别分析方法 | |
CN108959466B (zh) | 基于bcs-dbscan的出租车载客热点可视化方法及系统 | |
WO2022141911A1 (zh) | 一种基于路侧感知单元的动态目标点云快速识别及点云分割方法 | |
CN105608505B (zh) | 一种基于手机信令数据的居民轨道交通出行方式识别方法 | |
CN111210612B (zh) | 基于公交gps数据与站点信息提取公交线路轨迹的方法 | |
CN105788274B (zh) | 基于时空轨迹大数据的城市交叉口车道级结构提取方法 | |
CN109410586A (zh) | 一种基于多元数据融合的交通状态检测方法 | |
CN104021671B (zh) | 一种svm与模糊判断相结合的道路实时路况的判断方法 | |
CN111818313B (zh) | 一种基于监控视频的车辆实时追踪方法及装置 | |
CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
CN110298500A (zh) | 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法 | |
CN106710208A (zh) | 交通状态的获取方法及装置 | |
CN110275934A (zh) | 基于北斗定位系统的车辆行驶情况风险分析方法和系统 | |
CN108256560A (zh) | 一种基于时空聚类的停驻识别方法 | |
CN108648445A (zh) | 基于交通大数据的动态交通态势预测方法 | |
CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
CN106340205A (zh) | 交通监控方法及交通监控装置 | |
CN109816271A (zh) | 基于共享单车轨迹数据的自行车道服务水平评价方法 | |
CN101123038A (zh) | 一种路口关联路段动态路况采集方法 | |
CN107590999A (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN106558217B (zh) | 一种获取路边停车场信息的方法、装置及服务器 | |
CN110400461A (zh) | 一种路网变更检测方法 | |
CN109493449A (zh) | 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法 | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 | |
CN104537052A (zh) | 基于小波分析模极大值算法的交通出行换乘点识别方法 |
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 |