CN109615865B - 一种基于od数据增量迭代式估计路段交通流量的方法 - Google Patents

一种基于od数据增量迭代式估计路段交通流量的方法 Download PDF

Info

Publication number
CN109615865B
CN109615865B CN201910021966.6A CN201910021966A CN109615865B CN 109615865 B CN109615865 B CN 109615865B CN 201910021966 A CN201910021966 A CN 201910021966A CN 109615865 B CN109615865 B CN 109615865B
Authority
CN
China
Prior art keywords
road section
data
shortest path
time
value
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
CN201910021966.6A
Other languages
English (en)
Other versions
CN109615865A (zh
Inventor
赖见辉
韩媛
陈艳艳
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.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
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 Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201910021966.6A priority Critical patent/CN109615865B/zh
Publication of CN109615865A publication Critical patent/CN109615865A/zh
Application granted granted Critical
Publication of CN109615865B publication Critical patent/CN109615865B/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
    • G08G1/0125—Traffic data processing
    • 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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于OD数据增量迭代式估计路段交通流量的方法属于交通数据挖掘和应用领域。以车辆的OD数据为对象，提出一种路段交通量的计算方法，包含OD数据预处理；构建最短路径的数据集合Dk(TO，TD，P)；根据车辆经过路段的从小到大的依次迭代计算各路段单元的状态值
Figure DDA0001941075280000011
汇总各状态值中的Q值，得到所有路段单元在不同时段上的交通量。通过对OD数据的挖掘与分析，能够获得OD数据背后的路段交通量和行驶速度信息，为交通管理提供数据支撑与决策支持。

Description

一种基于OD数据增量迭代式估计路段交通流量的方法
技术领域
本发明属于交通数据挖掘和应用领域，涉及利用OD数据计算路段交通量的方法。
背景技术
道路交通流量是指单位时间内通过道路某断面的交通流量。用于支撑道路建设项目可行性研究阶段的现状评价、综合分析，也是确定道路建设项目的建设规模、技术等级、工程设施、经济效益评价及几何线形设计的主要依据。
目前道路交通量的主要获取技术有线圈、视频、激光、微波等，通过在道路路段上安装监测设备进行采集，安装成本高，长期维护难度大、无法开展个体车辆追踪等特征，导致无法大规模安装应用，在路网中覆盖有限，目前无法获得全路网的时空交通量。
随着互联网技术的飞速发展，以出行个体为载体的交通信息获取方式得到大面积应用，如手机/车载终端导航数据、网约车订单数据、高速公路收费车辆数据，覆盖用户数亿。此类数据的特征是包括用户的出行起点和终点位置、时间等信息，本专利将具备此特征的数据称为OD数据。通过对OD数据的挖掘与分析，能够获得OD数据背后的路段交通量和行驶速度信息，为交通管理提供数据支撑与决策支持。
发明内容
本发明目的在于提出一种基于OD数据增量迭代式估计路段交通流量的方法，用于获取不同路段不同时段的交通流量。
一种基于OD数据增量迭代式估计路段交通流量的方法，其特征在于包含以下步骤:
步骤1:OD数据预处理，删除出发时间早于到达时间的数据，形成有效OD数据集；
步骤2:基于有效OD数据，根据车辆出发和到达的节点，计算途经的最短路径长度Pk，其中k表示第k条OD数据，以最短路径长度Pk由小到大排序，形成数据集合Dk(TO，TD，P),P表示Pk的集合，TO表示出发时间，TD表示到达时间；
步骤3:将路网按照节点为间隔划分成若干路段单元，标记为Ri，其中i表示第i条路段，最短路径由多个路段单元构成，将时间以一定的间隔均匀划分为若干时间段，标记为Ij，其中j表示第j个时间间隔段，路段单元Ri在某时间段Ij的状态用集合C表示，标记为
Figure GDA0002483625740000021
其中L表示路段单元长度，
Figure GDA0002483625740000022
表示交通流量，
Figure GDA0002483625740000023
表示平均速度；
步骤4:将以最短路径长短排序后的有效OD数据从小到大依次迭代更新计算路段单元的
Figure GDA0002483625740000024
过程如下:
4.1在有效OD数据中，抽取最短路径长度Pk<PF值的数据，PF为迭代计算的初始距离阈值，其选取相邻节点平均距离作为经验值，当Pk小于PF时，认为车辆在该最短路径上，速度运行状态不会发生较大变化，计算该最短路径的平均速度Vk，Vk＝P/(TD-TO)，将车辆出发和到达时间TO、TD与Ij进行比较，标记与Ij重合的时段，标记该最短路径途经的所有路段单元在重合时段的状态
Figure GDA0002483625740000025
其中
Figure GDA0002483625740000026
值更新为
Figure GDA0002483625740000027
n为路段单元在Ij时间段的记录数量；
4.2在有效OD数据中,继续抽取最短路径长度X1PF≤Pk<X2PF(X1≥1,X2≥2)值的数据。当最短路径途经的路段单元在重合的Ij时间段均存在已标记的状态
Figure GDA0002483625740000028
时，用已标记的状态
Figure GDA0002483625740000029
作为权重，计算最短路径途经的路段单元的速度值
Figure GDA00024836257400000210
计算过程如下:
Figure GDA00024836257400000211
Figure GDA00024836257400000212
式中:M为最短路径途经的路段单元数量，m为最短路径途经的第m个路段单元，
Figure GDA00024836257400000213
为第k条OD数据最短路径途经第m个路段单元的平均速度，
Figure GDA00024836257400000214
为最短路径途经的第1个路段单元在重合时段I1下已标记的速度，
Figure GDA00024836257400000215
和
Figure GDA00024836257400000216
以此类推，标记最短路径途经的所有路段单元在重合时段的状态
Figure GDA00024836257400000217
其中
Figure GDA00024836257400000218
值更新为
Figure GDA00024836257400000219
Figure GDA00024836257400000220
值更新为
Figure GDA00024836257400000221
与原
Figure GDA00024836257400000222
的平均值；
当最短路径途经的路段单元在重合的Ij时间段部分存在已标记的状态
Figure GDA0002483625740000031
时，根据已标记路段单元的
Figure GDA0002483625740000032
最短路径长度，计算未标记路段的状态值，先计算该路径的平均速度Vk，Vk＝P/(TD-TO)，将车辆出发和到达时间TO、TD与Ij进行比较，标记与Ij重合的时段，标记该最短路径途经的所有路段单元在重合时段的状态
Figure GDA0002483625740000033
将该状态赋给未标记路段单元，同时所有路段单元在重合的Ij时间段
Figure GDA0002483625740000034
值更新为
Figure GDA0002483625740000035
n为路段单元在Ij时间段的记录数量；
当最短路径途经的路段单元在重合的Ij时间段均不存在已标记的状态
Figure GDA0002483625740000036
时；计算该路径的平均速度Vk，Vk＝P/(TD-TO)，将车辆出发和到达时间TO，TD与Ij进行比较，标记与Ij重合的时段，标记该最短路径途经的所有路段单元在重合时段的状态
Figure GDA0002483625740000037
其中
Figure GDA0002483625740000038
值更新为
Figure GDA0002483625740000039
n为路段单元在Ij时间段的记录数量；
4.3在余下的有效OD数据中,每次增加最短路径一个PF值的范围,按4.2的步骤完成所有OD数据的计算；
步骤5:汇总
Figure GDA00024836257400000310
的Q值，得到所有路段单元在不同时间段上的交通量。
附图说明
图1.基于OD数据的路段交通量计算流程
图2.路段节点示意图
具体实施方式
本实施方案以道路OD数据为例，结合附图对本发明详细描述具体实施流程。实施流程如附图1，路段节点如附图2。
步骤1:对OD数据进行预处理，将出发时间早于到达时间的OD数据删除，形成有效OD数据集；
步骤2:基于有效OD数据，根据车辆出发和到达的节点，计算途经的最短路径长度Pk，其中k表示第k条OD数据，以最短路径长度Pk由小到大排序，形成数据集合Dk(TO，TD，P),TO表示车辆出发时间，TD表示车辆到达时间，如表1；
表1
Figure GDA0002483625740000041
步骤3：本例中将节点1→节点2路段标记为R1，节点2→节点3路段标记为R2，节点3→节点4路段标记为R3；本例以5分钟的时间间隔将全天划分为288个时段，标记为Ij，如时段00:00:00-00:05:00为第1个时段，时段23:55:00-24:00:00为第288个时段；
步骤4：计算相邻路段的平均距离26720米，并以此作为经验值，PF选取为26720米；
4.1在有效OD数据中，抽取最短路径长度满足Pk≤PF的OD数据，结果如表2：
表2
Figure GDA0002483625740000042
序号1的车辆在时间08:05:06进入R1,对应第86个时段，同理在第87个时段离开R1；序号2的车辆在第85个时段进入R1,在第87个时段离开R1；序号3的车辆在第86个时段进入R2，在第89个时段离开R2，序号4的车辆在第85个时段进入R2,在第88个时段离开R2，计算路径的平均速度Vk，Vk＝P/(TD-TO)：
Figure GDA0002483625740000051
(千米/小时)
Figure GDA0002483625740000052
(千米/小时)
Figure GDA0002483625740000053
(千米/小时)
Figure GDA0002483625740000054
(千米/小时)
将车辆出发和到达时间TO、TD与Ij进行比较，标记与Ij重合的时段，标记该最短路径途经的所有路段单元在重合时段的状态
Figure GDA0002483625740000055
序号1车辆和序号2的车辆在第86个时段和第87个时段都经过R1，因此第86个时段和第87个时段R1速度值为序号1和序号2的车辆速度的平均值，即：
Figure GDA0002483625740000056
(千米/小时)
序号3和序号4的车辆在第86个时段、第87个时段和第88个时段都经过R2，因此第86个时段、第87个时段和第88个时段R2的速度值为序号3和序号4的车辆速度的平均值，即：
Figure GDA0002483625740000057
(千米/小时)
故
Figure GDA0002483625740000058
为(16740，2，108.60)，
Figure GDA0002483625740000059
为(16740，2，108.60)，同理：
Figure GDA00024836257400000510
为(16740，1，99.94)，
Figure GDA00024836257400000511
为(26700，1，107.40)，
Figure GDA00024836257400000512
为(26700，2，108.32)，
Figure GDA00024836257400000513
为(26700，2，108.32)，
Figure GDA00024836257400000514
为(26700，2，108.32)，
Figure GDA00024836257400000515
为(26700，1，109.23)；
4.2提取路径长度满足PF＜PK≤2PF的OD数据，满足条件的数据如表3；
表3
Figure GDA0002483625740000061
序号5的车辆在第85个时段进入R1，在第87个时段离开R2；序号6的车辆在第87个时段进入R2，在第89个时段离开R1；序号7的车辆在第91个时段进入R2，在第93个时段离开R3；
(1)序号5:R1和R2在第85-87时段内均已标记状态；根据发明内容步骤4.2中的说明，序号5的各时段速度如下：
第85时段:
Figure GDA0002483625740000062
(千米/小时)
Figure GDA0002483625740000063
(千米/小时)
第86时段:
Figure GDA0002483625740000064
(千米/小时)
Figure GDA0002483625740000065
(千米/小时)
第87时段:
Figure GDA0002483625740000066
(千米/小时)
Figure GDA0002483625740000067
(千米/小时)
第85个时段-第87个时段均有状态标记，因此序号为5的车辆经过后，R1和R2的状态值均有更新，根据计算结果得到序号5的车辆第85时段和第86时段在R1上，第86时段和第87时段在R2上，故：
Figure GDA0002483625740000068
(千米/小时)
Figure GDA0002483625740000069
(千米/小时)
Figure GDA00024836257400000610
(千米/小时)
故更新后的状态值:
Figure GDA00024836257400000611
为(16740，2，130.87)，
Figure GDA00024836257400000612
为(16740，3，135.20)，
Figure GDA00024836257400000613
为(26700，3，151.90)，
Figure GDA00024836257400000614
为(26700，3，151.90)。
(2)序号6:R1在第88、89时段无状态标记，R1和R2在第87时段有状态标记。根据发明内容步骤4.2中的说明，序号6的各时段速度如下：
第87时段:
Figure GDA0002483625740000071
(千米/小时)
Figure GDA0002483625740000072
(千米/小时)
第88时段:
根据第88时段R2的标记状态值计算车辆在R1上行驶的时长并计算时段Ij的速度值。
OD数据序号6的车辆在R2行驶650s，在R1上行驶189秒,故车辆第87、88时段在R2，第89时段在R1，故：
Figure GDA0002483625740000073
(千米/小时)
Figure GDA0002483625740000074
(千米/小时)
Figure GDA0002483625740000075
(千米/小时)
故更新后的状态值为
Figure GDA0002483625740000076
为(26700，4，183.51)，
Figure GDA0002483625740000077
为(26700，3，108.32)，
Figure GDA0002483625740000078
为(16740，1，318.85)。
(3)序号7的车辆经过的时段R1和R2均无标记状态。
Figure GDA0002483625740000079
(千米/小时)
车辆第91时段和第92时段在R2上，第93时段在R3上。
故:
Figure GDA00024836257400000710
为(26700，1，109.23)，
Figure GDA00024836257400000711
为(26700，1，109.23)，
Figure GDA00024836257400000712
为(26700，1，109.23)。
步骤5：汇总状态值，得到所有路段单元在不同时间段上的交通流量，结果见表4。
表4
Figure GDA00024836257400000713
Figure GDA0002483625740000081
最后应说明的是：以上示例仅用以说明本发明而并非限制本发明所描述的技术方案；因此，尽管本说明书参照上述的示例对本发明已进行了详细的说明，但是，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种基于OD数据增量迭代式估计路段交通流量的方法，其特征在于包含以下步骤：
步骤1：OD数据预处理，删除出发时间早于到达时间的数据，形成有效OD数据集；
步骤2：基于有效OD数据，根据车辆出发和到达的节点，计算途经的最短路径长度Pk，其中k表示第k条OD数据，以最短路径长度Pk由小到大排序，形成数据集合Dk(TO，TD，P)，P表示Pk的集合，TO表示出发时间，TD表示到达时间；
步骤3：将路网按照节点为间隔划分成若干路段单元，标记为Ri，其中i表示第i条路段，最短路径由多个路段单元构成，将时间以一定的间隔均匀划分为若干时间段，标记为Ij，其中j表示第j个时间间隔段，路段单元Ri在某时间段Ij的状态用集合C表示，标记为
Figure FDA0002483625730000011
其中L表示路段单元长度，
Figure FDA0002483625730000012
表示交通流量，
Figure FDA0002483625730000013
表示平均速度；
步骤4：将以最短路径长短排序后的有效OD数据从小到大依次迭代更新计算路段单元的
Figure FDA0002483625730000014
过程如下：
4.1在有效OD数据中，抽取最短路径长度Pk＜PF值的数据，PF为迭代计算的初始距离阈值，其选取相邻节点平均距离作为经验值，当Pk小于PF时，认为车辆在该最短路径上，速度运行状态不会发生较大变化，计算该最短路径的平均速度Vk，Vk＝P/(TD-TO)，将车辆出发和到达时间TO、TD与Ij进行比较，标记与Ij重合的时段，标记该最短路径途经的所有路段单元在重合时段的状态
Figure FDA0002483625730000015
其中
Figure FDA0002483625730000016
值更新为
Figure FDA0002483625730000021
n为路段单元在Ij时间段的记录数量；
4.2在有效OD数据中，继续抽取最短路径长度X1PF≤Pk＜X2PF值的数据，其中X1≥1，X2≥2；当最短路径途经的路段单元在重合的Ij时间段均存在已标记的状态
Figure FDA0002483625730000022
时，用已标记的状态
Figure FDA0002483625730000023
作为权重，计算最短路径途经的路段单元的速度值
Figure FDA0002483625730000024
计算过程如下：
Figure FDA0002483625730000025
Figure FDA0002483625730000026
式中：M为最短路径途经的路段单元数量，m为最短路径途经的第m个路段单元，
Figure FDA0002483625730000027
为第k条OD数据最短路径途经第m个路段单元的平均速度，
Figure FDA0002483625730000028
为最短路径途经的第1个路段单元在重合时段I1下已标记的速度，
Figure FDA0002483625730000029
和
Figure FDA00024836257300000210
以此类推，标记最短路径途经的所有路段单元在重合时段的状态
Figure FDA00024836257300000211
其中
Figure FDA00024836257300000212
值更新为
Figure FDA00024836257300000213
Figure FDA00024836257300000214
值更新为
Figure FDA00024836257300000215
与原
Figure FDA00024836257300000216
的平均值；
当最短路径途经的路段单元在重合的Ij时间段部分存在已标记的状态
Figure FDA00024836257300000217
时，根据已标记路段单元的
Figure FDA00024836257300000218
最短路径长度，计算未标记路段的状态值，先计算该路径的平均速度Vk，Vk＝P/(TD-TO)，将车辆出发和到达时间TO、TD与Ij进行比较，标记与Ij重合的时段，标记该最短路径途经的所有路段单元在重合时段的状态
Figure FDA00024836257300000219
将该状态赋给未标记路段单元，同时所有路段单元在重合的Ij时间段
Figure FDA00024836257300000220
值更新为
Figure FDA00024836257300000221
n为路段单元在Ij时间段的记录数量；
当最短路径途经的路段单元在重合的Ij时间段均不存在已标记的状态
Figure FDA0002483625730000031
时；计算该路径的平均速度Vk，Vk＝P/(TD-TO)，将车辆出发和到达时间TO、TD与Ij进行比较，标记与Ij重合的时段，标记该最短路径途经的所有路段单元在重合时段的状态
Figure FDA0002483625730000032
其中
Figure FDA0002483625730000033
值更新为
Figure FDA0002483625730000034
n为路段单元在Ij时间段的记录数量；
4.3在余下的有效OD数据中，每次增加最短路径一个PF值的范围，按4.2的步骤完成所有OD数据的计算；
步骤5：汇总
Figure FDA0002483625730000035
的Q值，得到所有路段单元在不同时间段上的交通量。
CN201910021966.6A 2019-01-10 2019-01-10 一种基于od数据增量迭代式估计路段交通流量的方法 Active CN109615865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910021966.6A CN109615865B (zh) 2019-01-10 2019-01-10 一种基于od数据增量迭代式估计路段交通流量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910021966.6A CN109615865B (zh) 2019-01-10 2019-01-10 一种基于od数据增量迭代式估计路段交通流量的方法

Publications (2)

Publication Number Publication Date
CN109615865A CN109615865A (zh) 2019-04-12
CN109615865B true CN109615865B (zh) 2020-07-03

Family

ID=66015739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910021966.6A Active CN109615865B (zh) 2019-01-10 2019-01-10 一种基于od数据增量迭代式估计路段交通流量的方法

Country Status (1)

Country Link
CN (1) CN109615865B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110517491A (zh) * 2019-08-23 2019-11-29 长沙理工大学 一种考虑路径冗余和出行效率的路段重要度排序方法
CN110853375B (zh) * 2019-11-21 2020-12-01 东南大学 考虑重叠路径的随机用户均衡逐日动态交通流预测方法
CN111862588B (zh) * 2019-12-18 2022-04-22 北京嘀嘀无限科技发展有限公司 控制信息发布的方法、装置、电子设备和存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5941987B2 (ja) * 2012-08-08 2016-06-29 株式会社日立製作所 交通量予測装置および方法
CN103337189B (zh) * 2013-06-08 2015-07-29 北京航空航天大学 一种基于路段动态划分的车辆路径诱导方法
CN107146446B (zh) * 2017-07-10 2018-02-09 中南大学 一种基于rfid数据和动态车源的路径诱导方法
CN107993438A (zh) * 2017-12-08 2018-05-04 上海云砥信息科技有限公司 一种高速公路瓶颈路段拥堵预警方法
CN108961747B (zh) * 2018-07-03 2019-11-05 北京航空航天大学 一种不完备卡口数据条件下的城市道路交通状态信息提取方法

Also Published As

Publication number Publication date
CN109615865A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
Chen et al. A short-term traffic prediction model in the vehicular cyber–physical systems
CN109615865B (zh) 一种基于od数据增量迭代式估计路段交通流量的方法
CN109035761B (zh) 基于辅助监督学习的行程时间估计方法
CN101965601B (zh) 驾驶辅助装置及驾驶辅助方法
CN102087788B (zh) 基于浮动车车速置信度的交通状态参数估计方法
CN112820108B (zh) 一种自学习的路网交通状态分析及预测方法
CN110276950A (zh) 一种基于卡口视频数据的城市交通出行链重构方法
CN114463972B (zh) 一种基于etc门架通信数据的路段区间交通分析预测方法
CN110889444B (zh) 一种基于卷积神经网络的驾驶轨迹特征分类方法
CN103778784B (zh) 基于手机数据实时获取高速公路路段交通状态信息的方法
CN110019569B (zh) 一种获取城市轨道交通运营状态信息的方法
CN114446048B (zh) 基于手机信令数据的轨道交通出行者全出行链分析方法
CN106251642A (zh) 一种基于实时公交车gps数据的公交路链速度计算方法
CN104318327A (zh) 一种车辆轨迹预测分析方法
CN104217593A (zh) 一种面向手机移动速度的路况信息实时获取方法
CN105608895A (zh) 一种基于局部异常因子的城市交通拥堵路段检测方法
Wang et al. Forecasting traffic volume at a designated cross-section location on a freeway from large-regional toll collection data
CN104750829A (zh) 一种基于签到特征的用户位置分类方法及系统
CN111191817A (zh) 一种基于换乘客流量的公交线网拓扑划分方法
CN108242146A (zh) 基于公交卡数据分析乘客乘车站点及时间的方法和系统
CN115565376A (zh) 融合graph2vec、双层LSTM的车辆行程时间预测方法及系统
CN113345252B (zh) 一种收费站下道流量短时预测方法与装置
Zhang et al. Finding Paths With Least Expected Time in Stochastic Time-Varying Networks Considering Uncertainty of Prediction Information
CN112201041B (zh) 融合电警数据和抽样轨迹数据的干道路径流量估计方法
CN111931968B (zh) 一种应用手机gps数据来优化公共自行车站点布局的方法

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