CN109767028A - 道路虚拟盲区监测点的识别方法、交通量预测方法及系统 - Google Patents
道路虚拟盲区监测点的识别方法、交通量预测方法及系统 Download PDFInfo
- Publication number
- CN109767028A CN109767028A CN201811492101.XA CN201811492101A CN109767028A CN 109767028 A CN109767028 A CN 109767028A CN 201811492101 A CN201811492101 A CN 201811492101A CN 109767028 A CN109767028 A CN 109767028A
- Authority
- CN
- China
- Prior art keywords
- monitoring point
- blind area
- road
- virtual blind
- virtual
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 208
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013277 forecasting method Methods 0.000 title claims description 8
- 238000001514 detection method Methods 0.000 claims description 3
- 241001269238 Data Species 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路虚拟盲区监测点的识别方法，包括：从道路起始位置开始，搜索设定距离的路段内是否有监测点，若无，则表示所述设定距离的路段内没有被监测，则把该段末位点设置为虚拟盲区监测点，以该虚拟盲区监测点为下一段起始位置，继续按照设定距离进行下一段道路监测点的监测识别，同时输出该虚拟盲区监测点的位置，若有，则表示所述设定距离的路段内已经被监测，将该段所述已有监测点设为下一段起始位置，继续按照设定距离进行下一段道路监测点的监测识别。本发明解决道路的监测不彻底的情况，方法简单便于实现，虚拟盲区监测点可以进行调节优化；可以通过已有数据预测盲区数据；可以对目标所有路线数据进行预测。
Description
技术领域
本发明涉及一种道路交通领域，具体地涉及一种道路虚拟盲区监测点的识别方法、交通量预测方法以及交通量预测系统。
背景技术
随着我国国民经济的快速发展，机动车保有量呈快速增长趋势，截至2017年底，全国机动车保有量达3.10亿辆，其中汽车保有量达2.17亿辆。与2016年相比，全国汽车保有量增长11.85％。伴随汽车数量的不断增长，我国的交通事业也获得了突飞猛进的发展，不过一些瓶颈问题也随之变得愈发明显，其中最典型的就包括：交通拥堵、道路建设滞后、道路管理不完善等弊端。
为了改善上述问题，如何构建完善的道路交通量监测系统是要务之一。道路交通量监测能够为道路规划、建设、管理、养护、公众出行以及应急处置提供重要的信息支持，并以此为基础，为合理确定道路网总体规模、技术标准和空间布局提供技术依据，并进一步改善道路交通出行服务水平，提高交通公共服务能力。目前我国许多道路设有高清摄像头等监测方式，但是该方法具有明显局限性，其中一大局限就是存在许多未能监测的交通盲区，给道路交通管理及物流运输业发展等带来极大不便。
发明内容
发明目的：为了克服现有技术的不足，本发明提供一种道路虚拟盲区监测点的识别方法、交通量预测方法及交通预测系统，解决了现有道路上许多未能监测的交通盲区的问题。
技术方案：本发明所述的道路虚拟盲区监测点的识别方法，该方法包括：
从道路起始位置开始，搜索设定距离L的路段内是否有监测点，
若无，则表示所述设定距离的路段内没有被监测，则把该段末位点设置为虚拟盲区监测点，以该虚拟盲区监测点为下一段起始位置，继续按照设定距离L进行下一段道路监测点的监测识别，同时输出该虚拟盲区监测点的位置，对应表示为(i,pi)；
若有，则表示所述设定距离L的路段内已经被监测，将该段所述已有监测点设为下一段起始位置，继续按照设定距离L进行下一段道路监测点的监测识别；
以上述判断类推，重复检测识别道路各段的监测点，直到道路终点结束监测，共得到N个虚拟盲区监测点。
优选的，该方法还包括：遍历所述N个虚拟盲区监测点，若第i个虚拟盲区监测点与相邻的下一个已有监测点之间的道路距离小于等于设定阈值l时，则将所述第i个虚拟盲区监测点位置进行调整，若大于设定阈值l时，则所述虚拟盲区监测点的位置不调整，其中，1≤i≤N。
优选的，若第i个虚拟盲区监测点与相邻的下一个已有监测点之间的道路距离小于等于设定阈值l时，则将所述第i个虚拟盲区监测点位置进行调整，调整方法为：
p'i＝(plj-pi)/2
所述pi为调整前第i个虚拟盲区监测点的位置，plj为第j个已有监测点的位置，其中第j个已有监测点为和第i个虚拟盲区监测点相邻的下一个已有监测点。
优选的，所述的设定阈值l小于设定距离L。
本发明还提供一种基于道路虚拟盲区监测点的识别方法实现的交通量预测方法，该方法包括：
(1)若该条道路的已有监测点共M个，识别第n个虚拟盲区监测点前后相邻的两个已有监测点，分别记为第m和第m+1个，其中1≤n≤N，1≤m≤N；
(2)根据车牌号码和监控摄像来计算第m和第m+1个已有监测点的交通量，分别记为tm和tm+1，则第n个虚拟盲区监测点的交通量为：(tm+tm+1)/2；
(3)依次对该条道路上的N个虚拟盲区监测点的实时交通量数据进行识别并输出。
在交通预测方法的基础上本发明提供一种交通预测系统，包括：
监测点识别模块，用于识别第n个虚拟盲区监测点前后相邻的两个已有监测点，分别记为第m和第m+1个，其中1≤n≤N，1≤m≤N；
虚拟盲区监测点交通量计算模块，用于根据车牌号码和监控摄像来计算第m和第m+1个已有监测点的交通量，分别记为tm和tm+1，并计算第n个虚拟盲区监测点的交通量为：(tm+tm+1)/2；
输出模块，用于依次对该条道路上的N个虚拟盲区监测点的实时交通量数据进行识别并输出。
有益效果：本发明可以构建虚拟盲区监测点，解决道路的监测不彻底的情况，方法简单便于实现且虚拟盲区监测点可以进行调节优化；可以通过已有数据预测盲区数据；可以对目标所有路线数据进行预测。
附图说明
图1是本发明一种道路虚拟盲区监测点识别方法示意图；
图2是本发明一种道路虚拟盲区监测点位置调整方法示意图；
图3是本发明一种道路虚拟盲区监测点的交通量预测方法流程示意图。
具体实施方式
实施例1
如图1，本发明所述的道路虚拟盲区监测点的识别方法，该方法包括：
从道路起始位置开始，搜索设定距离L的路段内是否有监测点，
若无，则表示所述设定距离的路段内没有被监测，则把该段末位点设置为虚拟盲区监测点，以该虚拟盲区监测点为下一段起始位置，继续按照设定距离L进行下一段道路监测点的监测识别，同时输出该虚拟盲区监测点的位置，对应表示为(i,pi)；
若有，则表示所述设定距离L的路段内已经被监测，将该段所述已有监测点设为下一段起始位置，继续按照设定距离L进行下一段道路监测点的监测识别；
以上述判断类推，重复检测识别道路各段的监测点，直到道路终点结束监测，共得到N个虚拟盲区监测点。
该方法还包括：遍历所述N个虚拟盲区监测点，若第i个虚拟盲区监测点与相邻的下一个已有监测点之间的道路距离小于等于设定阈值l时，则将所述第i个虚拟盲区监测点位置进行调整，若大于设定阈值l时，则所述虚拟盲区监测点的位置不调整，其中，1≤i≤N。
在其中一个实施例中，若第i个虚拟盲区监测点与相邻的下一个已有监测点之间的道路距离小于等于设定阈值l时，则将所述第i个虚拟盲区监测点位置进行调整，调整方法为：
p'i＝(plj-pi)/2
所述pi为调整前第i个虚拟盲区监测点的位置，plj为第j个已有监测点的位置，其中第j个已有监测点为和第i个虚拟盲区监测点相邻的下一个已有监测点。
所述的设定阈值l小于设定距离L，优选的设定距离为5KM，设定阈值为3KM，在此基础上的监测覆盖面最全面，监测效果最好。
本发明还提供一种基于道路虚拟盲区监测点的识别方法实现的交通量预测方法，该方法包括：
(1)若该条道路的已有监测点共M个，识别第n个虚拟盲区监测点前后相邻的两个已有监测点，分别记为第m和第m+1个，其中1≤n≤N，1≤m≤N；
(2)根据车牌号码和监控摄像来计算第m和第m+1个已有监测点的交通量，分别记为tm和tm+1，则第n个虚拟盲区监测点的交通量为：(tm+tm+1)/2；
(3)依次对该条道路上的N个虚拟盲区监测点的实时交通量数据进行识别并输出。
在交通预测方法的基础上本发明提供一种交通预测系统，包括：
监测点识别模块，用于识别第n个虚拟盲区监测点前后相邻的两个已有监测点，分别记为第m和第m+1个，其中1≤n≤N，1≤m≤N；
虚拟盲区监测点交通量计算模块，用于根据车牌号码和监控摄像来计算第m和第m+1个已有监测点的交通量，分别记为tm和tm+1，并计算第n个虚拟盲区监测点的交通量为：(tm+tm+1)/2；
输出模块，用于依次对该条道路上的N个虚拟盲区监测点的实时交通量数据进行识别并输出。
为了得到验证本方法的有效性，进行如下验证，假设该直线代表S240金宜线，起始点是0(起点桩号)，终点是20(终点桩号)，监测点0，K8与K18是本段已有的三个监测点，则：K8中的数字就是表示监测点在本段中的位置，也就是说监测点K8一定落在监测点5到监测点10之间。
(1)从起始位置开始，每5公里搜索是否有监测点。搜索方法为：起始位置值+5，如果在这个范围内有监测点，则表示该段已被监测；
例如：监测点0是起始位置点，假设从0开始+5，到达5，由于0-5之间没有监测点，则表示本段未被监测；则若从5开始+5，到达10，由于5-10之间有已设监测点K8，则表示本段已被监测；
(2)若这段已被监测，则从该段已存在的监测点继续搜索；若这段没有被监测，则把末位点设置为虚拟盲区监测点，同时对外输出该虚拟盲区监测点的位置；
例如：0-5这段没有被监测，所以将应将5设置为虚拟盲区监测点；5-10这段有被监测，监测点为K8，则以监测点K8为起始点继续搜索；
(3)从上一段的末位点开始，继续+5，重复检测后续道路是否有监测点，直到终点结束。
例如：搜索完5-10段，发现本段被监测了，监测点为K8，继续以监测点K8为开始点，+5到达监测点13，发现8-13段没有被监测，则把13设置为虚拟盲区监测点；继续以监测点13为开始点，+5到监测点18，发现13-18段已被监测，监测点为K18，以监测点K18为起点继续搜索，+5到监测点23，由于监测点20为终点位置，则不把20设置为监测点，结束搜索。
图2是本发明一种道路虚拟盲区监测点位置调整方法。图1依据5km末端插入虚拟盲区监测点的识别算法，最终会出现插入的虚拟盲区监测点的位置与紧邻的下一个监测点的位置较小，造成设施的浪费，可以对这种情况进行调整。
调整说明：
在第一步已经进行虚拟盲区监测点位置识别的基础上，从第一个插入的虚拟盲区监测点进行，计算其与下一个监测点的位置，若两者之间的位置距离小于或者等于3km,则将该监测点的位置调整为上一个监测点与下一个监测点之间的中间位置。
例如：
在S240省道上，X1为已经识别出来的虚拟盲区监测点，X1与下一个监测点Y2之间的距离小于3km,则将X1位置处的虚拟监控点位置调整为X1上一个监测点Y1与下一个监测点Y2之间的中间位置X11。依次类推，对该省道上的所有虚拟盲区监测点的位置进行调整。
图3是本发明一种监测盲区交通量的方法。
包括如下步骤：
第一步，输入各个省道起始桩号和已有监测点桩号值信息；
第二步，按照上述虚拟盲区监测点识别方法输出各个省道虚拟盲区监测点桩号信息；
第三步，搜索虚拟盲区监测点前后相邻两个已有监测点并输出数据信息；
第四步，输入各个省道虚拟盲区监测点前后相邻两个监测点桩号信息及其实时交通量数据、各个省道虚拟盲区监测点桩号信息，
第五步，通过前后相邻的两个已有监测点的交通量的均值来获得各省道虚拟盲区监测点的交通量，从而实现对整个道路对虚拟盲区监测点交通量的实时预测。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明，对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (6)
1.一种道路虚拟盲区监测点的识别方法，其特征在于，该方法包括：
从道路起始位置开始，搜索设定距离L的路段内是否有监测点，
若无，则表示所述设定距离的路段内没有被监测，则把该段末位点设置为虚拟盲区监测点，以该虚拟盲区监测点为下一段起始位置，继续按照设定距离L进行下一段道路监测点的监测识别，同时输出该虚拟盲区监测点的位置，对应表示为(i,pi)；
若有，则表示所述设定距离L的路段内已经被监测，将该段所述已有监测点设为下一段起始位置，继续按照设定距离L进行下一段道路监测点的监测识别；
以上述判断类推，重复检测识别道路各段的监测点，直到道路终点结束监测，共得到N个虚拟盲区监测点。
2.根据权利要求1所述的道路虚拟盲区监测点的识别方法，其特征在于，该方法还包括：遍历所述N个虚拟盲区监测点，若第i个虚拟盲区监测点与相邻的下一个已有监测点之间的道路距离小于等于设定阈值l时，则将所述第i个虚拟盲区监测点位置进行调整，若大于设定阈值l时，则所述虚拟盲区监测点的位置不调整，其中，1≤i≤N。
3.根据权利要求2所述的道路虚拟盲区监测点的识别方法，其特征在于，若第i个虚拟盲区监测点与相邻的下一个已有监测点之间的道路距离小于等于设定阈值l时，则将所述第i个虚拟盲区监测点位置进行调整，调整方法为：
p'i＝(plj-pi)/2
所述pi为调整前第i个虚拟盲区监测点的位置，plj为第j个已有监测点的位置，其中第j个已有监测点为和第i个虚拟盲区监测点相邻的下一个已有监测点。
4.根据权利要求3所述的道路虚拟盲区监测点的识别方法，其特征在于，所述的设定阈值l小于设定距离L。
5.一种根据权利要求1-4任一项所述的道路虚拟盲区监测点的识别方法实现的交通量预测方法，其特征在于，该方法包括：
(1)若该条道路的已有监测点共M个，识别第n个虚拟盲区监测点前后相邻的两个已有监测点，分别记为第m和第m+1个，其中1≤n≤N，1≤m≤N；
(2)根据车牌号码和监控摄像来计算第m和第m+1个已有监测点的交通量，分别记为tm和tm+1，则第n个虚拟盲区监测点的交通量为：(tm+tm+1)/2；
(3)依次对该条道路上的N个虚拟盲区监测点的实时交通量数据进行识别并输出。
6.一种根据权利要求5所述的交通量预测方法实现的交通量预测系统，其特征在于，包括：
监测点识别模块，用于识别第n个虚拟盲区监测点前后相邻的两个已有监测点，分别记为第m和第m+1个，其中1≤n≤N，1≤m≤N；
虚拟盲区监测点交通量计算模块，用于根据车牌号码和监控摄像来计算第m和第m+1个已有监测点的交通量，分别记为tm和tm+1，并计算第n个虚拟盲区监测点的交通量为：(tm+tm+1)/2；
输出模块，用于依次对该条道路上的N个虚拟盲区监测点的实时交通量数据进行识别并输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811492101.XA CN109767028A (zh) | 2018-12-07 | 2018-12-07 | 道路虚拟盲区监测点的识别方法、交通量预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811492101.XA CN109767028A (zh) | 2018-12-07 | 2018-12-07 | 道路虚拟盲区监测点的识别方法、交通量预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109767028A true CN109767028A (zh) | 2019-05-17 |
Family
ID=66451355
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811492101.XA Pending CN109767028A (zh) | 2018-12-07 | 2018-12-07 | 道路虚拟盲区监测点的识别方法、交通量预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109767028A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102819954A (zh) * | 2012-08-28 | 2012-12-12 | 南京大学 | 交通区域动态地图监控预测系统 |
| CN105243847A (zh) * | 2015-10-28 | 2016-01-13 | 安徽四创电子股份有限公司 | 一种高架道路交通检测器布设技术及其交通量估算方法 |
| CN106327870A (zh) * | 2016-09-07 | 2017-01-11 | 武汉大学 | 交通大数据采集中交通流分布估计及摄像头布点优化方法 |
| CN107886739A (zh) * | 2017-10-16 | 2018-04-06 | 王宁 | 交通人流量自动采集分析系统 |
| CN108198414A (zh) * | 2017-12-27 | 2018-06-22 | 北斗七星（重庆）物联网技术有限公司 | 一种道路监控点位置分布的方法、装置、设备及存储介质 |
-
2018
- 2018-12-07 CN CN201811492101.XA patent/CN109767028A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102819954A (zh) * | 2012-08-28 | 2012-12-12 | 南京大学 | 交通区域动态地图监控预测系统 |
| CN105243847A (zh) * | 2015-10-28 | 2016-01-13 | 安徽四创电子股份有限公司 | 一种高架道路交通检测器布设技术及其交通量估算方法 |
| CN106327870A (zh) * | 2016-09-07 | 2017-01-11 | 武汉大学 | 交通大数据采集中交通流分布估计及摄像头布点优化方法 |
| CN107886739A (zh) * | 2017-10-16 | 2018-04-06 | 王宁 | 交通人流量自动采集分析系统 |
| CN108198414A (zh) * | 2017-12-27 | 2018-06-22 | 北斗七星（重庆）物联网技术有限公司 | 一种道路监控点位置分布的方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
| CN102081859B (zh) | 一种公交车到站时间预测模型控制方法 | |
| US20190266891A1 (en) | A method to quantitatively analyze the effects of urban built environment on road travel time | |
| CN104217605B (zh) | 一种公交车到站时间测算方法和装置 | |
| CN109191849B (zh) | 一种基于多源数据特征提取的交通拥堵持续时间预测方法 | |
| CN107180538B (zh) | 一种车载轨迹运行方向的识别方法 | |
| CN103578267B (zh) | 基于公交gps数据的公交到站预测方法及系统 | |
| CN109087517A (zh) | 基于大数据的智能信号灯控制方法和系统 | |
| CN104835335A (zh) | 路网交通优化控制系统和方法 | |
| CN107909187B (zh) | 一种快速匹配电子地图中公交站点与路段的方法 | |
| CN104851287B (zh) | 基于视频检测器的城市道路路段行程时间检测方法 | |
| CN103208180B (zh) | 基于多智能体交互技术的智能交通调度系统及方法 | |
| CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
| CN105046983B (zh) | 一种基于车路协同的交通流量预测系统及方法 | |
| CN106971535B (zh) | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 | |
| CN109993964A (zh) | 基于Hadoop技术的智能交通管理系统 | |
| CN107085939B (zh) | 一种基于路网等级划分的高速公路vms布局优化方法 | |
| CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
| Li | Predicting short-term traffic flow in urban based on multivariate linear regression model | |
| CN106373399A (zh) | 一种公交线路站点间运行瓶颈识别系统 | |
| CN106683406B (zh) | 一种基于公交车载gps数据的公交专用道通行瓶颈检测方法 | |
| Liang et al. | An Overlapping Phase Approach to Optimize Bus Signal Priority Control under Two‐Way Signal Coordination on Urban Arterials | |
| CN102915404B (zh) | 一种适用于车辆自组网的基于模糊聚类算法的信息融合方法 | |
| CN105261222B (zh) | 城市道路交通网络控制方法及系统 | |
| CN111754790B (zh) | 一种基于雷达的匝道入口交通控制系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190517 |