CN109697854B - 多维度的城市道路交通状态评估方法 - Google Patents

多维度的城市道路交通状态评估方法 Download PDF

Info

Publication number
CN109697854B
CN109697854B CN201910137576.5A CN201910137576A CN109697854B CN 109697854 B CN109697854 B CN 109697854B CN 201910137576 A CN201910137576 A CN 201910137576A CN 109697854 B CN109697854 B CN 109697854B
Authority
CN
China
Prior art keywords
time
road network
road
peak
calculating
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
CN201910137576.5A
Other languages
English (en)
Other versions
CN109697854A (zh
Inventor
华璟怡
刘东波
顾金刚
张韧
王运霞
钱晨
王波
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.)
Traffic Management Research Institute of Ministry of Public Security
Original Assignee
Traffic Management Research Institute of Ministry of Public Security
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 Traffic Management Research Institute of Ministry of Public Security filed Critical Traffic Management Research Institute of Ministry of Public Security
Priority to CN201910137576.5A priority Critical patent/CN109697854B/zh
Publication of CN109697854A publication Critical patent/CN109697854A/zh
Application granted granted Critical
Publication of CN109697854B publication Critical patent/CN109697854B/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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种多维度的城市道路交通状态评估方法，包括以下步骤：步骤1，根据车辆定位信息获取车辆进出各路段时刻；步骤2，以设定时段时长为间隔，计算路段实时交通运行特征参数；步骤3，以设定时段时长为间隔，计算路网实时交通运行特征指标；步骤4，以天的时长为统计周期，计算路网全天交通运行状态指标；步骤5，根据指定时期内不同日期获取的路网全天交通运行状态指标，计算指定时期内路网交通运行态势评估指标；步骤6，针对指定的城市集，获得各城市路网交通运行态势评估指标的标准化值。本发明有助于全面描绘和评估城市道路交通运行状况。

Description

多维度的城市道路交通状态评估方法
技术领域
本发明涉及城市交通管理技术领域，尤其是一种多维度的城市道路交通状态评估方法。
背景技术
我国城市交通拥堵已由交通问题上升为一个全民关注的社会热点问题，而交通缓堵措施的制定、实施与评估，亟需量化、可评价的机制予以支持。随着智能交通的发展和全社会信息化、智能化终端设备的应用，通过大量数据对城市交通运行情况进行评估成为了可能。北京、深圳等城市依靠公交车、出租车等公共客运交通行业获取的浮动车数据，面向本城市发布交通运行指数，对城市路网交通运行状况的实时监测与评价；高德、百度、滴滴等互联网公司根据公司自身掌握的导航、车辆出行等数据，面向全国大中城市发布交通拥堵指数，对不同城市之间的拥堵程度进行横向比较分析。
然而，现有成果中的评估指标及方法均是通过获取的交通运行数据进行城市道路交通状态实时评估，其平面化的评估方式缺乏对不同时段、不同日期交通运行数据的碰撞与挖掘，无法有效评估城市道路交通在时间维度的变化特性。因此，为了更全面的反映路网交通运行状态，有必要建立一套面向一段时期内统计数据的多维度、递进式、强可比的交通运行状态评估方法。
发明内容
本发明的目的在于克服现有技术中存在的不足，提供一种多维度的城市道路交通状态评估方法，实现基于统计数据的交通运行态势评估指标的递进式计算，有助于全面描绘和评估城市道路交通运行状况；本发明采用的技术方案是：
一种多维度的城市道路交通状态评估方法，包括以下步骤：
步骤1，根据车辆定位信息获取车辆进出各路段时刻；
步骤2，以设定时段时长为间隔，计算路段实时交通运行特征参数；
步骤3，以设定时段时长为间隔，计算路网实时交通运行特征指标；
步骤4，以天的时长为统计周期，计算路网全天交通运行状态指标；
步骤5，根据指定时期内不同日期获取的路网全天交通运行状态指标，计算指定时期内路网交通运行态势评估指标；
步骤6，当有多个城市进行综合比较评估时，针对指定的城市集，获得各城市路网交通运行态势评估指标的标准化值。
进一步地，步骤2中，在每个时段结束时，计算各路段的实时在网车辆数、实时行程速度比、实时拥堵状态三项实时交通运行特征参数；具体包括：
步骤2.1，针对路段i，在以设定时段时长为间隔的时段j结束后，筛选出该时段内离开路段的车辆；
步骤2.2，计算筛选出的车辆总数nij，定义为路段i在时段j内的路段实时在网车辆数，输出路段实时在网车辆数特征参数；
步骤2.3，针对筛选出的车辆，根据车辆进入及离开各路段的时刻，计算每辆车通过路段i的行程时间
Figure BDA0001977419670000021
步骤2.4，计算路段i在时段j内的平均行程速度vij，计算公式为：
Figure BDA0001977419670000022
vij＝li/tij
其中，
Figure BDA0001977419670000023
路段i在时段j内通过的第k辆车的行程时间；
tij：路段i在时段j内的平均行程时间；
li：路段i的路段长度；
步骤2.5，计算路段i在时段j内的行程速度比TSRij，输出路段实时行程速度比特征参数，计算公式为：
Figure BDA0001977419670000024
其中，
Figure BDA0001977419670000025
路段i的路段限速；
步骤2.6，计算路段i在时段j内的拥堵状态值cij，当行程速度比TSRij大于等于相应设定阈值时，判断处于拥堵状态，令拥堵状态值cij为1；反之，当行程速度比TSRij小于相应设定阈值时，判断处于正常运行状态，令拥堵状态值cij为0；输出路段拥堵状态特征参数，计算公式为：
Figure BDA0001977419670000026
其中thd1为拥堵状态阈值。
进一步地，步骤3中，根据各路段的实时交通运行特征参数，在每个时段结束时，计算路网的行程速度比、拥堵里程比两项实时交通运行特征指标；
步骤3.1，根据各路段的实时在网车辆数特征参数，计算路段i在时段j内的路段权重wij，计算公式为：
Figure BDA0001977419670000027
步骤3.2，根据各路段的实时行程速度比特征参数和路段权重，计算路网在时段j内行程速度比TSRj，输出路网实时行程速度比特征指标，计算公式为：
Figure BDA0001977419670000028
步骤3.3，根据各路段的实时拥堵状态特征参数，计算路网在时段j内拥堵里程比CMRj，输出路网实时拥堵里程比特征指标，计算公式为：
Figure BDA0001977419670000031
进一步地，步骤4中，根据路网实时交通运行特征指标，以24小时为统计周期，计算路网的全天拥堵时间比率、全天高峰行程速度比、全天高峰拥堵里程比三项全天交通运行状态指标；具体包括：
步骤4.1，根据路网实时行程速度比特征指标，计算行程速度比TSRj大于等于拥堵状态阈值的时段的持续时间，得到全天的路网拥堵持续时间Tcon，计算公式为：
Figure BDA0001977419670000032
Figure BDA0001977419670000033
其中，cj：时段j内路网的拥堵状态，1代表处于拥堵状态，0代表处于正常运行状态；各个时段的持续时间均为T1；一天内的时段总数量NT；
步骤4.2，将Tcon除以全天时长计算路网的全天拥堵时间比率CTR，输出路网全天拥堵时间比率状态指标；
步骤4.3，根据路网实时行程速度比特征指标，对连续60分钟的路网行程速度比进行滑动平均，分别取0-12点和12-24点内滑动平均值最大的60分钟，定义为全天的早最高峰小时及晚最高峰小时；
步骤4.4，计算早最高峰小时和晚最高峰小时内的路网行程速度比平均值，定义为全天的高峰行程速度比TSR，输出路网全天高峰行程速度比状态指标；
步骤4.5，计算早最高峰小时和晚最高峰小时内的路网实时拥堵里程比峰值，定义为全天的高峰拥堵里程比CMR，输出路网全天高峰拥堵里程比状态指标。
更进一步地，步骤4.3中，早最高峰小时开始时段PAM及晚最高峰小时开始时段PPM的计算公式为：
Figure BDA0001977419670000034
Figure BDA0001977419670000035
Figure BDA0001977419670000036
Figure BDA0001977419670000037
其中，
Figure BDA0001977419670000038
上半天内，开始时段为j的连续60分钟内的路网行程速度比平均值；
Figure BDA0001977419670000039
下半天内，开始时段为j的连续60分钟内的路网行程速度比平均值；
时段时长为5分钟，0-12点包含1-144时段，12-24点包含145-288时段；60分钟内的时段序数x；
步骤4.4中，计算公式为：
Figure BDA0001977419670000041
Figure BDA0001977419670000042
TSR＝(TSRAM+TSRPM)/2
其中，
TSRAM：早最高峰小时内的路网平均行程速度比；
TSRPM：晚最高峰小时内的路网平均行程速度比。
步骤4.5中，计算公式为：
CMRAM＝max(CMRj)j＝PAM，PAM+1，…PAM+11
CMRPM＝max(CMRj)j＝PPM，PPM+1，…PPM+11
CMR＝max(CMRAM,CMRPM)
其中，
CMRAM：早最高峰小时内的路网实时拥堵里程比峰值；
CMRPM：晚最高峰小时内的路网实时拥堵里程比峰值。
进一步地，步骤5具体包括：
步骤5.1，计算指定时期内不同日期获取的路网全天拥堵时间比率的平均值，获取指定时期内的路网拥堵时间比率评估指标P-CTR；
步骤5.2，计算指定时期内不同日期获取的路网全天高峰行程速度比的平均值，获取指定时期内的路网高峰行程速度比评估指标P-TSR；
步骤5.3，计算指定时期内不同日期获取的路网全天高峰行程速度比标准差与平均值的比值，获取指定时期内的路网行程速度日偏差系数评估指标P-SDC；
步骤5.4，计算指定时期内不同日期获取的路网全天高峰拥堵里程比的平均值，获取指定时期内的路网高峰拥堵里程比评估指标P-CMR。
进一步地，当有多个城市进行综合比较评估时，对各城市的路网交通运行态势评估指标进行标准化，获取拥堵时间比率、高峰行程速度比、行程速度日偏差系数、高峰拥堵里程比四项路网交通运行态势评估指标的标准化值。
本发明的优点在于：本发明提出了多维度的城市道路交通状态评估方法，通过“实时-全天-指定时期”的分层进阶计算流程，实现基于统计数据的交通运行态势评估指标的递进式计算，深入挖掘城市道路交通在时变、日变等时间维度的特征规律，有助于全面描绘和评估城市道路交通运行状况；同时，通过对交通运行态势评估指标的标准化计算，将不同量纲和数量级的指标转化为统一量度标准化值，提高了指标的可比性，有助于不同城市间交通运行态势的横向比较分析。
附图说明
图1为本发明的方法总体流程图。
图2为本发明的计算路段实时交通运行特征参数流程图。
图3为本发明的计算路网实时交通运行特征指标流程图。
图4为本发明的计算路网全天交通运行状态指标流程图。
图5为本发明的计算指定时期内路网交通运行态势评估指标流程图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
一种多维度的城市道路交通状态评估方法，包括以下步骤：
步骤1，以交叉口中心为划分断面，将指定城市路网划分为m条路段，记录各路段的路段长度和路段限速；针对使用指定车载设备软件或手机软件的车辆，每秒获取车辆的GPS定位信息，记录车辆进入及离开各路段的时刻；
步骤2，根据各路段记录到的车辆进入及离开各路段的时刻，以5分钟为间隔，将全天划分为288个时段，在每个时段结束时，计算各路段的实时在网车辆数、实时行程速度比、实时拥堵状态三项实时交通运行特征参数；如图2所示；
步骤2.1，针对路段i，在以5分钟为间隔的时段j结束后，筛选出该时段内离开路段的车辆；
步骤2.2，计算筛选出的车辆总数nij，定义为路段i在时段j内的路段实时在网车辆数，输出路段实时在网车辆数特征参数；
步骤2.3，针对筛选出的车辆，根据车辆进入及离开各路段的时刻，计算每辆车通过路段i的行程时间
Figure BDA0001977419670000051
步骤2.4，计算路段i在时段j内的平均行程速度vij，计算公式为：
Figure BDA0001977419670000052
vij＝li/tij
其中，
Figure BDA0001977419670000053
路段i在时段j内通过的第k辆车的行程时间；
tij：路段i在时段j内的平均行程时间；
li：路段i的路段长度；
步骤2.5，计算路段i在时段j内的行程速度比TSRij(Travel Speed Ratio)，输出路段实时行程速度比特征参数，计算公式为：
Figure BDA0001977419670000054
其中，
Figure BDA0001977419670000055
路段i的路段限速；
步骤2.6，计算路段i在时段j内的拥堵状态值cij，当行程速度比TSRij大于等于2时，判断处于拥堵状态，令拥堵状态值cij为1；反之，当行程速度比TSRij小于2时，判断处于正常运行状态，令拥堵状态值cij为0；输出路段拥堵状态特征参数，计算公式为：
Figure BDA0001977419670000061
步骤3，根据各路段的实时交通运行特征参数，在每个时段结束时，计算路网的行程速度比、拥堵里程比两项实时交通运行特征指标；如图3所示；
步骤3.1，根据各路段的实时在网车辆数特征参数，计算路段i在时段j内的路段权重wij，计算公式为：
Figure BDA0001977419670000062
步骤3.2，根据各路段的实时行程速度比特征参数和路段权重，计算路网在时段j内行程速度比TSRj，输出路网实时行程速度比特征指标，计算公式为：
Figure BDA0001977419670000063
步骤3.3，根据各路段的实时拥堵状态特征参数，计算路网在时段j内拥堵里程比CMRj(Congestion Mileage Ratio)，输出路网实时拥堵里程比特征指标，计算公式为：
Figure BDA0001977419670000064
步骤4，根据路网实时交通运行特征指标，以24小时为统计周期，计算路网的全天拥堵时间比率、全天高峰行程速度比、全天高峰拥堵里程比三项全天交通运行状态指标；如图4所示；
步骤4.1，根据路网实时行程速度比特征指标，计算行程速度比TSRj大于等于2时段的持续时间，得到全天的路网拥堵持续时间Tcon，计算公式为：
Figure BDA0001977419670000065
Figure BDA0001977419670000066
其中，cj：时段j内路网的拥堵状态，1代表处于拥堵状态，0代表处于正常运行状态；各个时段的持续时间均为5分钟；一天内的时段总数量288；
步骤4.2，将Tcon除以全天时长计算路网的全天拥堵时间比率CTR(CongestionTime Ratio)，输出路网全天拥堵时间比率状态指标，计算公式为：
CTR＝Tcon/1440
上式中，全天为1440分钟；
步骤4.3，根据路网实时行程速度比特征指标，对连续60分钟的路网行程速度比进行滑动平均，分别取0-12点和12-24点内滑动平均值最大的60分钟，定义为全天的早最高峰小时及晚最高峰小时，早最高峰小时开始时段PAM及晚最高峰小时开始时段PPM的计算公式为：
Figure BDA0001977419670000071
Figure BDA0001977419670000072
Figure BDA0001977419670000073
Figure BDA0001977419670000074
其中，
Figure BDA0001977419670000075
上半天内，开始时段为j的连续60分钟内的路网行程速度比平均值；
Figure BDA0001977419670000076
下半天内，开始时段为j的连续60分钟内的路网行程速度比平均值；
由于时段时长为5分钟，0-12点包含1-144时段，12-24点包含145-288时段；x为60分钟内的时段序数；
步骤4.4，计算早最高峰小时和晚最高峰小时内的路网行程速度比平均值，定义为全天的高峰行程速度比TSR，输出路网全天高峰行程速度比状态指标，计算公式为：
Figure BDA0001977419670000077
Figure BDA0001977419670000078
TSR＝(TSRAM+TSRPM)/2
其中，
TSRAM：早最高峰小时内的路网平均行程速度比；
TSRPM：晚最高峰小时内的路网平均行程速度比。
步骤4.5，计算早最高峰小时和晚最高峰小时内的路网实时拥堵里程比峰值，定义为全天的高峰拥堵里程比CMR，输出路网全天高峰拥堵里程比状态指标，计算公式为：
CMRAM＝max(CMRj)j＝PAM，PAM+1，…PAM+11
CMRPM＝max(CMRj)j＝PPM，PPM+1，…PPM+11
CMR＝max(CMRAM,CMRPM)
其中，
CMRAM：早最高峰小时内的路网实时拥堵里程比峰值；
CMRPM：晚最高峰小时内的路网实时拥堵里程比峰值。
步骤5，根据指定时期内不同日期获取的路网全天交通运行状态指标，计算指定时期内路网拥堵时间比率、高峰行程速度比、行程速度日偏差系数、高峰拥堵里程比四项路网交通运行态势评估指标；如图5所示；
步骤5.1，计算指定时期内不同日期获取的路网全天拥堵时间比率的平均值，获取指定时期内的路网拥堵时间比率评估指标P-CTR，计算公式为：
Figure BDA0001977419670000081
其中，CTRr：第r天的路网全天拥堵时间比率；d：指定时期内包含的天数；
步骤5.2，计算指定时期内不同日期获取的路网全天高峰行程速度比的平均值，获取指定时期内的路网高峰行程速度比评估指标P-TSR，计算公式为：
Figure BDA0001977419670000082
其中，TSRr：第r天的路网全天高峰行程速度比；
步骤5.3，计算指定时期内不同日期获取的路网全天高峰行程速度比标准差与平均值的比值，获取指定时期内的路网行程速度日偏差系数评估指标P-SDC，计算公式为：
Figure BDA0001977419670000083
Figure BDA0001977419670000084
P-SDC＝σ/μ
其中，
μ：指定时期内路网全天高峰行程速度比的平均值；
σ：指定时期内路网全天高峰行程速度比的标准差；
步骤5.4，计算指定时期内不同日期获取的路网全天高峰拥堵里程比的平均值，获取指定时期内的路网高峰拥堵里程比评估指标P-CMR，计算公式为：
Figure BDA0001977419670000085
其中，CMRr：第r天的路网全天高峰拥堵里程比。
本发明中的指定时期，可以是每周的工作日时期；
步骤6，当有多个城市进行综合比较评估时，对各城市的路网交通运行态势评估指标进行标准化，获取拥堵时间比率、高峰行程速度比、行程速度日偏差系数、高峰拥堵里程比四项路网交通运行态势评估指标的标准化值；
令I1、I2、I3、I4分别表示拥堵时间比率、高峰行程速度比、行程速度日偏差系数、高峰拥堵里程比四项态势评估指标，指标的标准化值计算公式为：
Figure BDA0001977419670000086
Figure BDA0001977419670000087
其中，
Figure BDA0001977419670000088
第s个城市第z个态势评估指标的标准化值，z＝1,2,3,4；
Isz：第s个城市第z个态势评估指标实际值，z＝1,2,3,4；
Figure BDA0001977419670000091
第z个态势评估指标所有城市的平均值，z＝1,2,3,4；
q：指定城市集内的城市数量。
以下是一个实际例子，通过选择拥堵时间比率、高峰行程速度比、行程速度日偏差系数、高峰拥堵里程比四项指标，对十个典型城市交通运行态势进行综合评估；
Figure BDA0001977419670000092
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种多维度的城市道路交通状态评估方法，其特征在于，包括以下步骤：
步骤1，根据车辆定位信息获取车辆进出各路段时刻；
步骤2，以设定时段时长为间隔，计算路段实时交通运行特征参数；
步骤3，以设定时段时长为间隔，计算路网实时交通运行特征指标；
步骤4，以天的时长为统计周期，计算路网全天交通运行状态指标；
步骤5，根据指定时期内不同日期获取的路网全天交通运行状态指标，计算指定时期内路网交通运行态势评估指标；
步骤2中，在每个时段结束时，计算各路段的实时在网车辆数、实时行程速度比、实时拥堵状态三项实时交通运行特征参数；具体包括：
步骤2.1，针对路段i，在以设定时段时长为间隔的时段j结束后，筛选出该时段内离开路段的车辆；
步骤2.2，计算筛选出的车辆总数nij，定义为路段i在时段j内的路段实时在网车辆数，输出路段实时在网车辆数特征参数；
步骤2.3，针对筛选出的车辆，根据车辆进入及离开各路段的时刻，计算每辆车通过路段i的行程时间
Figure FDA0003064188560000011
步骤2.4，计算路段i在时段j内的平均行程速度vij，计算公式为：
Figure FDA0003064188560000012
vij＝li/tij
其中，
Figure FDA0003064188560000013
路段i在时段j内通过的第k辆车的行程时间；
tij：路段i在时段j内的平均行程时间；
li：路段i的路段长度；
步骤2.5，计算路段i在时段j内的行程速度比TSRij，输出路段实时行程速度比特征参数，计算公式为：
Figure FDA0003064188560000014
其中，
Figure FDA0003064188560000015
路段i的路段限速；
步骤2.6，计算路段i在时段j内的拥堵状态值cij，当行程速度比TSRij大于等于相应设定阈值时，判断处于拥堵状态，令拥堵状态值cij为1；反之，当行程速度比TSRij小于相应设定阈值时，判断处于正常运行状态，令拥堵状态值cij为0；输出路段拥堵状态特征参数，计算公式为：
Figure FDA0003064188560000016
其中thd1为拥堵状态阈值；
步骤3中，根据各路段的实时交通运行特征参数，在每个时段结束时，计算路网的行程速度比、拥堵里程比两项实时交通运行特征指标；
步骤3.1，根据各路段的实时在网车辆数特征参数，计算路段i在时段j内的路段权重wij，计算公式为：
Figure FDA0003064188560000021
步骤3.2，根据各路段的实时行程速度比特征参数和路段权重，计算路网在时段j内行程速度比TSRj，输出路网实时行程速度比特征指标，计算公式为：
Figure FDA0003064188560000022
步骤3.3，根据各路段的实时拥堵状态特征参数，计算路网在时段j内拥堵里程比CMRj，输出路网实时拥堵里程比特征指标，计算公式为：
Figure FDA0003064188560000023
步骤4中，根据路网实时交通运行特征指标，以24小时为统计周期，计算路网的全天拥堵时间比率、全天高峰行程速度比、全天高峰拥堵里程比三项全天交通运行状态指标；具体包括：
步骤4.1，根据路网实时行程速度比特征指标，计算行程速度比TSRj大于等于拥堵状态阈值的时段的持续时间，得到全天的路网拥堵持续时间Tcon，计算公式为：
Figure FDA0003064188560000024
Figure FDA0003064188560000025
其中，cj：时段j内路网的拥堵状态，1代表处于拥堵状态，0代表处于正常运行状态；各个时段的持续时间均为T1；一天内的时段总数量NT；
步骤4.2，将Tcon除以全天时长计算路网的全天拥堵时间比率CTR，输出路网全天拥堵时间比率状态指标；
步骤4.3，根据路网实时行程速度比特征指标，对连续60分钟的路网行程速度比进行滑动平均，分别取0-12点和12-24点内滑动平均值最大的60分钟，定义为全天的早最高峰小时及晚最高峰小时；
步骤4.4，计算早最高峰小时和晚最高峰小时内的路网行程速度比平均值，定义为全天的高峰行程速度比TSR，输出路网全天高峰行程速度比状态指标；
步骤4.5，计算早最高峰小时和晚最高峰小时内的路网实时拥堵里程比峰值，定义为全天的高峰拥堵里程比CMR，输出路网全天高峰拥堵里程比状态指标；
步骤4.3中，早最高峰小时开始时段PAM及晚最高峰小时开始时段PPM的计算公式为：
Figure FDA0003064188560000031
Figure FDA0003064188560000032
PAM＝y
Figure FDA0003064188560000033
Figure FDA0003064188560000034
PPM＝y
其中，
Figure FDA0003064188560000035
上半天内，开始时段为j的连续60分钟内的路网行程速度比平均值；
Figure FDA0003064188560000036
下半天内，开始时段为j的连续60分钟内的路网行程速度比平均值；
时段时长为5分钟，0-12点包含1-144时段，12-24点包含145-288时段；60分钟内的时段序数x；
步骤4.4中，计算公式为：
Figure FDA0003064188560000037
Figure FDA0003064188560000038
TSR＝(TSRAM+TSRPM)/2
其中，
TSRAM：早最高峰小时内的路网平均行程速度比；
TSRPM：晚最高峰小时内的路网平均行程速度比；
步骤4.5中，计算公式为：
CMRAM＝max(CMRj)j＝PAM，PAM+1，...PAM+11
CMRPM＝max(CMRj)j＝PPM，PPM+1，...PPM+11
CMR＝max(CMRAM,CMRPM)
其中，
CMRAM：早最高峰小时内的路网实时拥堵里程比峰值；
CMRPM：晚最高峰小时内的路网实时拥堵里程比峰值。
2.如权利要求1所述的多维度的城市道路交通状态评估方法，其特征在于，
步骤5具体包括：
步骤5.1，计算指定时期内不同日期获取的路网全天拥堵时间比率的平均值，获取指定时期内的路网拥堵时间比率评估指标P-CTR；
步骤5.2，计算指定时期内不同日期获取的路网全天高峰行程速度比的平均值，获取指定时期内的路网高峰行程速度比评估指标P-TSR；
步骤5.3，计算指定时期内不同日期获取的路网全天高峰行程速度比标准差与平均值的比值，获取指定时期内的路网行程速度日偏差系数评估指标P-SDC；
步骤5.4，计算指定时期内不同日期获取的路网全天高峰拥堵里程比的平均值，获取指定时期内的路网高峰拥堵里程比评估指标P-CMR。
3.如权利要求1所述的多维度的城市道路交通状态评估方法，其特征在于，
还包括步骤6，当有多个城市进行综合比较评估时，针对指定的城市集，获得各城市路网交通运行态势评估指标的标准化值。
4.如权利要求2或3所述的多维度的城市道路交通状态评估方法，其特征在于，
当有多个城市进行综合比较评估时，对各城市的路网交通运行态势评估指标进行标准化，获取拥堵时间比率、高峰行程速度比、行程速度日偏差系数、高峰拥堵里程比四项路网交通运行态势评估指标的标准化值。
CN201910137576.5A 2019-02-25 2019-02-25 多维度的城市道路交通状态评估方法 Active CN109697854B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910137576.5A CN109697854B (zh) 2019-02-25 2019-02-25 多维度的城市道路交通状态评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910137576.5A CN109697854B (zh) 2019-02-25 2019-02-25 多维度的城市道路交通状态评估方法

Publications (2)

Publication Number Publication Date
CN109697854A CN109697854A (zh) 2019-04-30
CN109697854B true CN109697854B (zh) 2021-07-16

Family

ID=66235056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910137576.5A Active CN109697854B (zh) 2019-02-25 2019-02-25 多维度的城市道路交通状态评估方法

Country Status (1)

Country Link
CN (1) CN109697854B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807919A (zh) * 2019-10-22 2020-02-18 浙江大学 基于过车数据的城市路网交通运行态势评价方法
CN111145536B (zh) * 2019-12-02 2021-03-16 北京航空航天大学 一种基于异常检测的道路网络脆性评价方法
CN111081019B (zh) * 2019-12-23 2021-08-10 华南理工大学 一种基于路段权重系数的路网交通运行状况评价方法
CN111429717A (zh) * 2020-02-27 2020-07-17 贵州智诚科技有限公司 一种城市快速路道路运行能力评估方法
CN111785024B (zh) * 2020-07-17 2022-03-18 陕西工业职业技术学院 一种分区域分时域的城市车辆工况构建方法
CN111932873B (zh) * 2020-07-21 2022-10-04 重庆交通大学 一种山地城市热点区域实时交通预警管控方法及系统
CN112712700A (zh) * 2020-12-30 2021-04-27 北京世纪高通科技有限公司 交通拥堵指数的确定方法及装置
CN113051653B (zh) * 2021-04-22 2022-06-03 华诚工程咨询集团有限公司 一种基于多维度数据分析的城市规划道路修建施工评估管理系统
CN113516847A (zh) * 2021-06-24 2021-10-19 华砺智行(武汉)科技有限公司 基于车联网v2x的高速公路防拥堵控制方法及系统
CN114202923B (zh) * 2021-12-07 2022-12-06 公安部交通管理科学研究所 一种城市道路交通拥堵时空分布综合指数测评方法
CN114255590B (zh) * 2021-12-17 2023-04-25 重庆市城投金卡信息产业(集团)股份有限公司 基于rfid数据的交通运行分析方法
CN114360251A (zh) * 2022-01-12 2022-04-15 陕西世纪高通科技有限公司 一种基于影响交通安全多维度综合交通安全指数计算方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639982A (zh) * 2009-09-04 2010-02-03 李剑 一种道路交通信息的无线采集方法及装置
CN101950482A (zh) * 2010-09-08 2011-01-19 公安部交通管理科学研究所 道路交通状态智能识别方法
CN102110365A (zh) * 2009-12-28 2011-06-29 日电（中国）有限公司 基于时空关系的路况预测方法和系统
CN103761430A (zh) * 2014-01-10 2014-04-30 安徽科力信息产业有限责任公司 一种基于浮动车的路网高峰时段识别方法
CN103956050A (zh) * 2012-09-06 2014-07-30 北京交通发展研究中心 基于车辆行程数据的道路网运行评价方法
CN104408916A (zh) * 2014-10-31 2015-03-11 重庆大学 基于路段速度、流量数据的道路交通运行状态评估方法
CN105741545A (zh) * 2016-03-16 2016-07-06 山东大学 一种基于公交车gnss时空轨迹数据判别交通状态的装置及方法
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
CN107610469A (zh) * 2017-10-13 2018-01-19 北京工业大学 一种考虑多因素影响的日维度区域交通指数预测方法
CN108629974A (zh) * 2018-05-17 2018-10-09 电子科技大学 顾及城市道路交通网络特征的交通运行指数建立方法
CN108765961A (zh) * 2018-08-03 2018-11-06 东华理工大学 一种基于改进型限幅平均滤波的浮动车数据处理方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002251691A (ja) * 2001-02-26 2002-09-06 Systec:Kk 車両長計測方法及び車両長計測装置
CN102682616B (zh) * 2011-03-16 2016-03-16 高德软件有限公司 无线数据广播系统交通信息发布方法和设备
CN104134349B (zh) * 2014-08-07 2016-01-20 北京航空航天大学 一种基于交通多源数据融合的公交路况处理系统及方法
US20170345295A1 (en) * 2016-05-26 2017-11-30 Amir MATTAR System and method for traffic flow management using an adaptive lane system

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101639982A (zh) * 2009-09-04 2010-02-03 李剑 一种道路交通信息的无线采集方法及装置
CN102110365A (zh) * 2009-12-28 2011-06-29 日电（中国）有限公司 基于时空关系的路况预测方法和系统
CN101950482A (zh) * 2010-09-08 2011-01-19 公安部交通管理科学研究所 道路交通状态智能识别方法
CN103956050A (zh) * 2012-09-06 2014-07-30 北京交通发展研究中心 基于车辆行程数据的道路网运行评价方法
CN103761430A (zh) * 2014-01-10 2014-04-30 安徽科力信息产业有限责任公司 一种基于浮动车的路网高峰时段识别方法
CN104408916A (zh) * 2014-10-31 2015-03-11 重庆大学 基于路段速度、流量数据的道路交通运行状态评估方法
CN105741545A (zh) * 2016-03-16 2016-07-06 山东大学 一种基于公交车gnss时空轨迹数据判别交通状态的装置及方法
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
CN107610469A (zh) * 2017-10-13 2018-01-19 北京工业大学 一种考虑多因素影响的日维度区域交通指数预测方法
CN108629974A (zh) * 2018-05-17 2018-10-09 电子科技大学 顾及城市道路交通网络特征的交通运行指数建立方法
CN108765961A (zh) * 2018-08-03 2018-11-06 东华理工大学 一种基于改进型限幅平均滤波的浮动车数据处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
城市路口交通状态判别方法研究;任其亮 等;《重庆交通大学学报》;20151231;正文第1-6页 *

Also Published As

Publication number Publication date
CN109697854A (zh) 2019-04-30

Similar Documents

Publication Publication Date Title
CN109697854B (zh) 多维度的城市道路交通状态评估方法
CN109791729B (zh) 一种基于行程时间分布的交通异常检测方法
Papadimitriou et al. Analysis of driver behaviour through smartphone data: The case of mobile phone use while driving
CN111452619B (zh) 电动车辆在线能耗预测方法及系统
CN102087788B (zh) 基于浮动车车速置信度的交通状态参数估计方法
CN109376935B (zh) 一种基于神经网络的公交客流分时段组合预测方法
CN111612670B (zh) 一种构建机动车排放清单的方法、装置和计算机设备
JP2021509978A (ja) 運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体
CN110969861B (zh) 一种车辆识别方法、装置、设备及计算机存储介质
CN114970943B (zh) 一种高速公路事故类型与严重程度预测方法
CN114463972A (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
CN112579915B (zh) 一种出行链的分析方法及装置
CN107918826A (zh) 一种驾驶环境感知的司机评价与调度方法
CN111145535B (zh) 一种复杂场景下的行程时间可靠性分布预测方法
CN110889086B (zh) 一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法
CN114332825B (zh) 基于深度学习的道路地形分布识别方法、设备和存储介质
Sjödin Real-driving emissions from diesel passenger cars measured by remote sensing and as compared with PEMS and chassis dynamometer measurements-CONOX Task 2 report
CN111680888B (zh) 基于rfid数据确定路网容量的方法
CN111444286B (zh) 一种基于轨迹数据的远距离交通节点关联性挖掘方法
CN115544900B (zh) 一种基于Shap算法分析电动车续航里程影响因素的方法
CN114202923B (zh) 一种城市道路交通拥堵时空分布综合指数测评方法
CN116778715A (zh) 一种多因素的高速交通流量智能预测方法
CN111640294A (zh) 一种新建地铁线路影响下城市公交线路客流变化预测方法
CN116205530A (zh) 一种城市智慧停车规划方法及系统
Khemri et al. Developing a Real-World, Second-by-Second Driving Cycle Database through Public Vehicle Trip Surveys

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