CN109887288B - 一种基于出行结构的城市路网诱导方案发布方法和系统 - Google Patents
一种基于出行结构的城市路网诱导方案发布方法和系统 Download PDFInfo
- Publication number
- CN109887288B CN109887288B CN201910235483.6A CN201910235483A CN109887288B CN 109887288 B CN109887288 B CN 109887288B CN 201910235483 A CN201910235483 A CN 201910235483A CN 109887288 B CN109887288 B CN 109887288B
- Authority
- CN
- China
- Prior art keywords
- travel
- guidance
- road
- module
- time
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Abstract
本发明公开了一种基于出行结构的城市路网诱导方案发布方法和系统,系统包括数据接入模块、需求结构分析模块、诱导路径搜索模块、诱导策略生成模块、诱导发布模块;方法首选通过数据接入模块获取指定时间段内全路网机动车卡口过车记录,并由卡口过车记录获取机动车的出行结构;随后根据出行结构构建路网拓扑结构,得到路网的OD点对集合及对应的出行路径集;然后获取出行路径集的实时交通流量数据,并基于交通流量数据生成拥堵路段集合;同时基于拥堵路段集合构建诱导路径搜索模型,并基于路网的交通运行情况和历史通行轨迹对每一OD点对生成多条诱导路径;最后根据机动车的出行确定最优诱导发布策略和次优诱导发布策略;本发明可提升路网通行效率。
Description
技术领域
本发明属于城市路网交通运行诱导发布技术领域,具体涉及一种基于出行结构的城市路网诱导方案发布方法和系统。
背景技术
在城市道路网络中,交通诱导发布是现代化智能交通运行管理必不可少的手段之一,主要面向路面车辆提供城市路网通行引导信息或指令,通过车辆通行的诱导来调整路面交通状态,以交通需求在路网的合理分配为目标,从而达到缓解交通拥堵、方便机动车出行的目的;但是基于交通运行数据的不可预测性和随机性,可能导致交通诱导发布效果不佳的问题,尤其是实时交通流量的变化,因此需要一种实时有效的交通诱导发布方式及对应的诱导发布生成机构来实现高效、实用的交通诱导方案。
发明内容
本发明的目的是提出一种基于出行结构的城市路网诱导方案发布方法和系统,基于实时的交通流数据实施全局最优的诱导路径搜索,并通过对路网交通出行结构的分析确定路网内的诱导方案发布策略,以期达到路网需求均衡分布的效果,使出行者避开拥堵路段,进而提升路网整体通行效率,具体技术方案如下:
一方面,提供一种基于出行结构的城市路网诱导方案发布方法,所述方法包括:
S1、获取指定时间段内全路网机动车卡口过车记录,基于所述卡口过车记录提取对应每一机动车的原始历史通行轨迹,对原始历史通行轨迹进行完整性重构得到完整历史通行轨迹,并根据所述完整历史通行轨迹得到与每一机动车对应的出行模式标签;
S2、构建路网拓扑结构,根据所述路网拓扑结构确定路网OD点对集合C;并基于所述完整历史通行轨迹确定所述OD点对的出行路径集,并根据机动车对应的出行模式标签确定出行路径集各组成路段的出行模式;
S3、获取与所述出行路径集对应的包含流量、速度、车头时距的实时交通流量数据,基于所述交通流量数据对应所述出行路径集中的拥堵路段,并生成拥堵路段集合S以及所述每一个拥堵路段对应的影响范围集合Zs,其中s指代拥堵路段集合S中的任一个元素;
S4、基于所述拥堵路段集合S构建全局最优的诱导路径搜索模型,并根据全路网实时的交通运行情况及每一所述OD点对所述出行路径集的各组成路段出行结构生成多条诱导路径;
S5、根据所述出行结构确定诱导发布策略,并筛选所述OD点对间的多条诱导路径中的最优路径诱导方案。
进一步的,步骤S1包括:
S11、判断每一机动车对应的所述原始历史通行轨迹是否完整,若不完整,通过粒子群算法进行重构操作,生成完整的通行轨迹;
S12、对每一机动车逐一进行所述完整历史通行轨迹的空间汇集,基于所述空间汇集计算机动车在所述指定时间段内的历史出行时空特征指标;
S13、将所述时空特征指标作为每一机动车的属性,采用高斯混合模型对所述指定时间段内所有所述属性确定机动车的出行模式标签。
进一步的,所述时空特征指标包括:轨迹重复系数、日均出行次数、路网日均逗留时长和出发时刻相似度;其中,所述轨迹点重复系数用于衡量通行轨迹的相似性,计算公式为:
轨迹点重复系数=不同轨迹点数量/出现天数,轨迹点是指所述原始历史通行轨迹中的卡口记录点,出现天数指机动车存在出行轨迹的天数;
日均出行次数=总出行次数/出现天数;
路网日均逗留时长=总行驶时长/出现天数,总行驶时长依据每一机动车对应的完整轨迹的通行时长统计得到;
出发时刻相似度=位于不同时间间隔内的轨迹起始时间节点数量/出现天数;其中,时间间隔是指将一日24小时划分为等长的若干时间区间,每一区间对应一个时间间隔。
进一步的,所述出行模式标签包括刚性需求群体和非刚性需求群体,所述刚性需求群体为具有指定规律性的出行机动车群体;所述非刚性需求群体为不具有指定规律性的出行机动车群体。
进一步的,步骤S2所述的确定出行路径集各组成路段的出行模式方法为:
S21、根据机动车对应的所述轨迹空间汇集和所述出行模式标签得到每一所述OD点对的交通需求结构;
S22、基于所述交通需求结构将所述OD点对的所述刚性需求群体的数量和非刚性群体的数量分配至所述出行路径集中的组成路段,并计算每一所述组成路段中所述刚性需求群体的数量和所述非刚性需求群体的数量比例,得到所述出行路段的出行模式。
进一步的,步骤S3包括:根据所述路网拓扑结构搜索所述拥堵路段集合S中每一拥堵路段的上游路段,并设定一阈值K,并计算所述上游路段的实时交通流量与最大通行能力的比值v/c,若v/c<K,则将所述上游路段纳入所述拥堵路段的影响范围集合Zs,并进一步向上游搜索;否则,停止搜索。
进一步的,步骤S4中所述根据全路网实时的交通运行情况及每一所述OD点对所述出行路径集的各组成路段出行结构生成多条诱导路径,包括:
S42、根据所述完整历史通行轨迹从所述出行路径集中筛选出有效路径集P:
S421、计算每一所述OD点对对应路径的流量qr,以及总流量Qδ=∑qr,δ表示所述OD点对的序号,且δ∈C;
S43、基于所述有效路径集P,从所述卡口过车记录中调取设定时间间隔内所述路径的过车记录,并计算机动车在每一所述OD点对的平均行使时间Tδ;
S45、采用所述诱导路径搜索模型针对每一所述OD点对同时生成多条诱导路径。
进一步的,步骤S5包括:
S51、在所述有效路径集P中筛选出包含拥堵路段的所有所述OD点对集合,根据所述出行结构中所述刚性需求群体的数量与所述非刚性需求群体的数量比例计算每一所述OD点对的所述刚性需求群体对应数量,并筛选出所述刚性需求群体的数量最高所对应的所述OD点对发布最优诱导路径,其余所述OD点对发布次优诱导路径;
S52、根据所述拥堵路段的影响范围集合Zs中各路段的出行模式,计算路段实时的所述刚性需求群体的数量与所述非刚性需求群体的数量;选择各路段的所述剩余承载力低且所述刚性需求群体数量高的路段,发布最优诱导路径,其余路段发布次优诱导路径。
另一方面,提供一种基于出行结构的城市路网诱导方案发布系统,应用于上述的基于出行结构的城市路网诱导方案发布方法,所述系统包括数据接入模块、需求结构分析模块、拥堵识别模块、诱导路径搜索模块、诱导策略生成模块、诱导发布模块,其中:
数据接入模块,通过指定接口连接智能卡口系统与数据库,用于获取卡口过车记录,动态同步所述智能卡口系统实时的过车记录,并与数据库进行数据交互;
需求结构分析模块,从所述数据接入模块调取原始历史通行轨迹,用于对机动车轨迹重构、路网OD点对出行路径集分析,以及OD出行结构与路段的出行模式分析;
拥堵识别模块,从所述接入数据接入模块读取实时同步数据,用于识别路网内的拥堵路段,生成所述拥堵路段集S,并分析拥堵路段影响范围;
诱导路径搜索模块,从所述数据接入模块获取所述智能卡口系统实时的过车记录,从所述需求结构分析模块获取OD出行结构与路段的出行模式分析结果,从所述拥堵识别模块接入拥堵路段集;用于计算实时的路段剩余承载力与路段行程时间;针对每一个所述OD点对同时生成多条诱导路径;且所述诱导路径搜索模型设置在所述诱导路径搜索模块内;
诱导策略生成模块,从需求结构分析模块接入OD点对出行路径集以及OD出行结构、路段出行模式的分析结果,从拥堵识别模块接入拥堵路段集及其影响范围,从诱导路径搜索模块接入诱导路径的最优方案、次优方案以及路段剩余承载力,确定最优诱导方案、次优诱导方案的发布位置以及发布内容,并传递至所述诱导发布模块;
诱导发布模块,连接所述诱导策略生成模块,并与道路诱导屏控制卡对接,用于将所述诱导策略生成模块输出的诱导方案发布位置、内容;将诱导方案传输至路段相应的控制卡,实现诱导方案的发布。
本发明的基于出行结构的城市路网诱导方案发布方法和系统中,系统由数据接入模块、需求结构分析模块、拥堵识别模块、诱导路径搜索模块、诱导策略生成模块、诱导发布模块构成,通过数据接入模块读取智能卡口系统,以获取机动车的卡口过车记录,并动态同步所述智能卡口系统实时的过车记录;同时,数据接入模块还与数据库连接并相互之间通过设定接口进行数据交互;由需求结构分析模块对机动车轨迹重构、路网OD点对出行路径集分析,以及OD出行结构与路段的出行模式分析;由拥堵识别模块识别路网内的拥堵路段,并根据拥堵路段分析拥堵路段影响范围;由诱导路径搜索模块计算实时的路段剩余承载力与路段行程时间,并生成对应每一OD点对的多条诱导路径;由诱导策略生成模块诱导路径搜索模块接入诱导路径的最优方案、次优方案以及路段剩余承载力,确定最优诱导方案、次优诱导方案的发布位置以及发布内容,并传递至所述诱导发布模块,通过诱导发布模块将诱导方案发布至路网中设置的诱导屏控制卡,实现对路网内机动车的有效诱导;与现有技术相比,本发明可基于路网的实时交通流数据实施全局最优的诱导路径搜索,并通过对路网交通出行结构分析来确定诱导方案的发布策略,以实现路网需求均衡分别,使出行者可避开拥堵路段,提升路网整体的通行效率。
附图说明
图1是本发明实施例中所述基于出行结构的城市路网诱导方案发布方法的流程图示意;
图2是本发明实施例中所述基于出行结构的城市路网诱导方案发布系统的结构框图示意。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明实施例中,提供一种基于出行结构的城市路网诱导方案发布方法及系统,参阅图1,本发明提供的方法具体包括步骤如下:
步骤一、获取指定时间段内全路网机动车卡口过车记录,基于卡口过车记录提取对应每一机动车的原始历史通行轨迹,对原始历史通行轨迹进行完整性重构得到完整历史通行轨迹,并根据完整历史通行轨迹得到与每一机动车对应的出行模式标签;具体的,本发明还需在实际操作过程中判断每一机动车对应的原始历史通行轨迹是否完整,若不完整,通过粒子群算法进行重构操作,生成完整历史通行轨迹;同时,对每一机动车逐一进行完整历史通行轨迹的空间汇集,基于空间汇集计算机动车在指定时间段内的历史出行时空特征指标;然后,将时空特征指标作为每一机动车的属性,采用高斯混合模型对指定时间段内所有属性确定机动车的出行模式标签。
优选的,本发明中卡口过车记录的单位以机动车为单位进行记录。
在本发明实施例中,时空特征指标包括:轨迹重复系数、日均出行次数、路网日均逗留时长和出发时刻相似度;其中,轨迹点重复系数用于衡量通行轨迹的相似性,各时空特征指标的计算公式为:轨迹点重复系数=不同轨迹点数量/出现天数,轨迹点是指所述原始历史通行轨迹中的卡口记录点,出现天数指机动车存在出行轨迹的天数;日均出行次数=总出行次数/出现天数;路网日均逗留时长=总行驶时长/出现天数,总行驶时长依据每一机动车对应的完整轨迹的通行时长统计得到;出发时刻相似度=位于不同时间间隔内的轨迹起始时间节点数量/出现天数;其中,时间间隔是指将一日24小时划分为等长的若干时间区间,每一区间对应一个时间间隔;例如,若以1小时为时间间隔长度,那么时间间隔区间划分情况为:[0:00,1:00),[1:00,2:00),……,[23:00,0:00),共24个区间。
具体的,出行模式标签包括刚性需求群体和非刚性需求群体,在实施例中,机动车由于高频次的出行从而形成机动车的通行时间以及通行空间范围具有明显的恒定性,即有规律性的出行,这种机动车构成的群体为刚性需求群体;反之,对应的机动车群体则构成非刚性需求群体。
步骤二、构建路网拓扑结构,根据路网拓扑结构确定路网OD点对集合C;并基于完整历史通行轨迹确定OD点对的出行路径集;并根据机动车对应的出行模式标签确定出行路径集各组成路段的出行模式;具体的,根据机动车对应的轨迹空间汇集和出行模式标签得到每一OD点对的交通需求结构,即刚性群体的样本量与非刚性需求群体的样本量比值;样本量包括日均样本量、以及短间隔内的平均样本量,其中短间隔指一天24个小时内划分的若干时间区间,在实施例中,可以为等间隔区间,如24小时划分为24个等间距区间:[0:00,1:00),[1:00,2:00),……;也可以为非等间距区间:高峰时段[6:00,11:00)、[16:30,19:30),平峰时段[0:00,6:00)、[11:00,16:30)、[19:30,24:00),具体如何划分可根据实际情况进行设定,在此并不进行限制和固定;随后,分析每一OD点对交通需求结构的日变化及一天二十四小时内各时间间隔的变化模式;基于出行路径集得到OD出行结构,并将OD点对的刚性需求群体的数量和非刚性群体的数量分配至出行路径集中的组成路段,并计算每一组成路段中刚性需求群体的数量和非刚性需求群体的数量比例,基于数量比例确组成路段的出行模式,这样制定的诱导发布策略能够更加适应路网内的交通需求。
步骤三、获取与出行路径集对应的包含流量、速度、车头时距的实时交通流量数据,基于交通流量数据对应出行路径集中的拥堵路段,并生成拥堵路段集合S以及对应每一拥堵路段的影响范围集合Zs,其中s指代拥堵路段集合S中的任一个元素;具体根据路网拓扑结构搜索拥堵路段集合S中每一拥堵路段的上游路段,并设定一阈值K,并计算上游路段的实时交通流量与最大通行能力的比值v/c,若v/c<K,则将上游路段纳入拥堵路段影响范围集合Zs,并进一步向上游搜索;否则,停止搜索,以此获取路网中各路段的交通流具体情况,后续可以此为依据制定机动车在路网出行的诱导发布策略。
步骤四、基于拥堵路段集合S构建全局最优的诱导路径搜索模型,并根据全路网实时的交通运行情况及每一OD点对的出行路径集的各组成路段出行结构生成多条诱导路径;其中,对每一OD点对生成多条诱导路径具体包括步骤为:
首先,根据路网的实时交通流数据通过公式计算路段(i,j)的剩余承载力及通行时间,其中,表示路段(i,j)的通行能力,q(i,j)为路段(i,j)的实时流量;然后,根据完整历史通行轨迹从出行路径集中筛选出有效路径集P,具体包括:计算每一OD点对对应路径的流量qr,以及总流量Qδ=∑qr,δ表示所述OD点对的序号,且δ∈C;并按从高到低的顺序将每一OD点对对应的路径依次选入有效路径集P中,并对每一路径进行交通流量累加设定交通流量累加上限0.9Qδ,若路径交通流量累加值则结束路径选入所述有效路径集P,并确定有效路径集中的全部路径;随后,基于有效路径集P,从卡口过车记录中调取设定时间间隔内路径的过车记录,并计算机动车在每一OD点对的平均行使时间Tδ;同时,将有效路径集P转化为路段集合Cs,即提取出路径中的所有路段构成路段集合Cs,根据拥堵路段集合S确定最终有效路段集合最后,采用诱导路径搜索模型针对每一OD点对同时生成多条诱导路径,其中诱导路径搜索模型的优化目标为min∑i∈N∑j∈Nx(i,j)t(i,j),式中N为路网拓扑结构中所有节点集合,i,j均为节点序号,t(i,j)为路段(i,j)上的实时的通行时间,x(i,j)为分配到路段(i,j)上的流量其中a指代路段,为OD点对δ中路径r的流量,参数诱导路径搜索模型的约束条件为:,其中节点τ∈N,Eδ为OD点对δ可忍受的最大时间不便利性;诱导路径搜索模型输出一个最优路径和若干次优路径。
步骤五、根据出行结构确定诱导发布策略,并筛选OD点对间的多条诱导路径中的最优路径诱导方案;具体地,在有效路径集P中筛选出包含拥堵路段的所有OD点对集合,根据出行结构中刚性需求群体的数量与非刚性需求群体的数量比例计算每一OD点对的刚性需求群体对应数量,并筛选出刚性需求群体的数量最高所对应的OD点对发布最优诱导路径,其余OD点对发布次优诱导路径;根据拥堵路段的影响范围集合Zs中各路段的出行模式,计算路段实时的刚性需求群体的数量与非刚性需求群体的数量;选择各路段的剩余承载力低且刚性需求群体数量高的路段,发布最优诱导路径,其余路段发布次优诱导路径。
基于上述提供的城市路网诱导方案发布方法,本发明还提出一种基于出行结构的城市路网诱导方案发布系统,应用于上述基于出行结构的城市路网诱导方案发布方法,参阅图2,所述系统包括数据接入模块、需求结构分析模块、拥堵识别模块、诱导路径搜索模块、诱导策略生成模块、诱导发布模块;其中,数据接入模块,通过指定接口连接智能卡口系统与数据库,用于获取卡口过车记录,动态同步所述智能卡口系统实时的过车记录,并与数据库进行数据交互;需求结构分析模块,从数据接入模块调取原始历史通行轨迹,用于对机动车轨迹重构、路网OD点对出行路径集分析,以及OD出行结构与路段的出行模式分析;拥堵识别模块,从接入数据接入模块读取实时同步数据,用于识别路网内的拥堵路段,生成所述拥堵路段集S,并分析拥堵路段影响范围;诱导路径搜索模块,从数据接入模块获取智能卡口系统实时的过车记录,从需求结构分析模块获取OD出行结构与路段的出行模式分析结果,从拥堵识别模块接入拥堵路段集;用于计算实时的路段剩余承载力与路段行程时间;针对每一个OD点对同时生成多条诱导路径;且诱导路径搜索模型设置在诱导路径搜索模块内;诱导策略生成模块,从需求结构分析模块接入OD点对出行路径集以及OD出行结构、路段出行模式的分析结果,从拥堵识别模块接入拥堵路段集及其影响范围,从诱导路径搜索模块接入诱导路径的最优方案、次优方案以及路段剩余承载力,确定最优诱导方案、次优诱导方案的发布位置以及发布内容,并传递至诱导发布模块;诱导发布模块,连接诱导策略生成模块,并与道路诱导屏控制卡对接,用于将诱导策略生成模块输出的诱导方案发布位置、内容;将诱导方案传输至路段相应的控制卡,实现诱导方案的发布。
本发明的基于出行结构的城市路网诱导方案发布方法和系统中,系统由数据接入模块、需求结构分析模块、拥堵识别模块、诱导路径搜索模块、诱导策略生成模块、诱导发布模块构成,通过数据接入模块读取智能卡口系统,以获取机动车的卡口过车记录,并动态同步所述智能卡口系统实时的过车记录;同时,数据接入模块还与数据库连接并相互之间通过设定接口进行数据交互;由需求结构分析模块对机动车轨迹重构、路网OD点对出行路径集分析,以及OD出行结构与路段的出行模式分析;由拥堵识别模块识别路网内的拥堵路段,并根据拥堵路段分析拥堵路段影响范围;由诱导路径搜索模块计算实时的路段剩余承载力与路段行程时间,并生成对应每一OD点对的多条诱导路径;由诱导策略生成模块诱导路径搜索模块接入诱导路径的最优方案、次优方案以及路段剩余承载力,确定最优诱导方案、次优诱导方案的发布位置以及发布内容,并传递至所述诱导发布模块,通过诱导发布模块将诱导方案发布至路网中设置的诱导屏控制卡,实现对路网内机动车的有效诱导;与现有技术相比,本发明可基于路网的实时交通流数据实施全局最优的诱导路径搜索,并通过对路网交通出行结构分析来确定诱导方案的发布策略,以实现路网需求均衡分别,使出行者可避开拥堵路段,提升路网整体的通行效率。
以上仅为本发明的较佳实施例,但并不限制本发明的专利范围,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本发明专利保护范围之内。
Claims (6)
1.一种基于出行结构的城市路网诱导方案发布方法,其特征在于,所述方法包括:
S1、获取指定时间段内全路网机动车卡口过车记录,基于所述卡口过车记录提取对应每一机动车的原始历史通行轨迹,对原始历史通行轨迹进行完整性重构得到完整历史通行轨迹,并根据所述完整历史通行轨迹得到与每一机动车对应的出行模式标签;所述出行模式标签包括刚性需求群体和非刚性需求群体,所述刚性需求群体为具有指定规律性的出行机动车群体;所述非刚性需求群体为不具有指定规律性的出行机动车群体;
S2、构建路网拓扑结构,根据所述路网拓扑结构确定路网OD点对集合C;并基于所述完整历史通行轨迹确定所述OD点对的出行路径集,并根据机动车对应的出行模式标签确定出行路径集各组成路段的出行模式;
S3、获取与所述出行路径集对应的包含流量、速度、车头时距的实时交通流量数据,基于所述交通流量数据对应所述出行路径集中的拥堵路段,并生成拥堵路段集合S以及每一个拥堵路段的影响范围集合Zs,其中s指代拥堵路段集合S中的任一个元素;
S4、基于所述拥堵路段集合S构建全局最优的诱导路径搜索模型,并根据全路网实时的交通运行情况及每一所述OD点对的所述出行路径集各组成路段的出行模式生成多条诱导路径;
S42、根据所述完整历史通行轨迹从所述出行路径集中筛选出有效路径集P:
S421、计算每一所述OD点对对应路径的流量qr,以及总流量Qδ=∑qr,δ表示所述OD点对的序号,且δ∈C;
S43、基于所述有效路径集P,从所述卡口过车记录中调取设定时间间隔内所述路径的过车记录,并计算机动车在每一所述OD点对的平均行使时间Tδ;
S45、采用所述诱导路径搜索模型针对每一所述OD点对同时生成多条诱导路径;
S5、根据所述出行模式确定诱导发布策略,并筛选所述OD点对间的多条诱导路径中的最优路径诱导方案;
S51、在所述有效路径集P中筛选出包含拥堵路段的所有所述OD点对集合,根据所述出行结构中所述刚性需求群体的数量与所述非刚性需求群体的数量比例计算每一所述OD点对的所述刚性需求群体对应数量,并筛选出所述刚性需求群体的数量最高所对应的所述OD点对发布最优诱导路径,其余所述OD点对发布次优诱导路径;
S52、根据所述拥堵路段的影响范围集合Zs中各路段的出行模式,计算路段实时的所述刚性需求群体的数量与所述非刚性需求群体的数量;选择各路段的所述剩余承载力低且所述刚性需求群体数量高的路段,发布最优诱导路径,其余路段发布次优诱导路径。
2.如权利要求1所述的基于出行结构的城市路网诱导方案发布方法,其特征在于,步骤S1包括:
S11、判断每一机动车对应的所述原始历史通行轨迹是否完整,若不完整,通过粒子群算法进行重构操作,生成完整历史通行轨迹;
S12、对每一机动车逐一进行所述完整历史通行轨迹的空间汇集,基于所述空间汇集计算机动车在所述指定时间段内的历史出行时空特征指标;
S13、将所述时空特征指标作为每一机动车的属性,采用高斯混合模型对所述指定时间段内所有所述属性确定机动车的出行模式标签。
3.如权利要求2所述的基于出行结构的城市路网诱导方案发布方法,其特征在于,所述时空特征指标包括:轨迹点重复系数、日均出行次数、路网日均逗留时长和出发时刻相似度;其中,所述轨迹点重复系数用于衡量通行轨迹的相似性,计算公式为:
轨迹点重复系数=不同轨迹点数量/出现天数,轨迹点是指所述原始历史通行轨迹中的卡口记录点,出现天数指机动车存在出行轨迹的天数;
日均出行次数=总出行次数/出现天数;
路网日均逗留时长=总行驶时长/出现天数,总行驶时长依据每一机动车对应的完整轨迹的通行时长统计得到;
出发时刻相似度=位于不同时间间隔内的轨迹起始时间节点数量/出现天数;其中,时间间隔是指将一日24小时划分为等长的若干时间区间,每一区间对应一个时间间隔。
4.如权利要求2所述的基于出行结构的城市路网诱导方案发布方法,其特征在于,步骤S2所述的确定出行路径集各组成路段的出行模式方法为:
S21、根据机动车对应的轨迹空间汇集和所述出行模式标签得到每一所述OD点对的交通需求结构;
S22、基于所述交通需求结构将所述OD点对的所述刚性需求群体的数量和非刚性群体的数量分配至所述出行路径集中的各组成路段,并计算每一所述组成路段中所述刚性需求群体的数量和所述非刚性需求群体的数量比例,得到所述组成路段的出行模式。
5.如权利要求1所述的基于出行结构的城市路网诱导方案发布方法,其特征在于,步骤S3包括:根据所述路网拓扑结构搜索所述拥堵路段集合S中每一拥堵路段的上游路段,并设定一阈值K,并计算所述上游路段的实时交通流量与最大通行能力的比值v/c,若v/c<K,则将所述上游路段纳入所述拥堵路段的影响范围集合Zs,并进一步向上游搜索;否则,停止搜索。
6.一种基于出行结构的城市路网诱导方案发布系统,应用于权利要求1-5任一项所述的基于出行结构的城市路网诱导方案发布方法,其特征在于,所述系统包括数据接入模块、需求结构分析模块、拥堵识别模块、诱导路径搜索模块、诱导策略生成模块、诱导发布模块,其中:
数据接入模块,通过指定接口连接智能卡口系统与数据库,用于获取卡口过车记录,动态同步所述智能卡口系统实时的过车记录,并与数据库进行数据交互;
需求结构分析模块,从所述数据接入模块调取原始历史通行轨迹,用于对机动车轨迹重构、路网OD点对出行路径集分析,以及OD出行结构与路段的出行模式分析;
拥堵识别模块,从所述数据接入模块读取实时同步数据,用于识别路网内的拥堵路段,生成所述拥堵路段集合S,并分析拥堵路段影响范围;
诱导路径搜索模块,从所述数据接入模块获取所述智能卡口系统实时的过车记录,从所述需求结构分析模块获取OD出行结构与路段的出行模式分析结果,从所述拥堵识别模块接入拥堵路段集合S;用于计算实时的路段剩余承载力与路段行程时间;针对每一个所述OD点对同时生成多条诱导路径;且所述诱导路径搜索模型设置在所述诱导路径搜索模块内;
诱导策略生成模块,从需求结构分析模块接入OD点对出行路径集以及OD出行结构与路段出行模式的分析结果,从拥堵识别模块接入拥堵路段集合S及其影响范围,从诱导路径搜索模块接入诱导路径的最优方案、次优方案以及路段剩余承载力,确定最优诱导方案、次优诱导方案的发布位置以及发布内容,并传递至所述诱导发布模块;
诱导发布模块,连接所述诱导策略生成模块,并与道路诱导屏控制卡对接,用于将所述诱导策略生成模块输出的诱导方案发布位置、内容;将诱导方案传输至路段相应的控制卡,实现诱导方案的发布。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910235483.6A CN109887288B (zh) | 2019-03-27 | 2019-03-27 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
PCT/CN2019/115057 WO2020192120A1 (zh) | 2019-03-27 | 2019-11-01 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910235483.6A CN109887288B (zh) | 2019-03-27 | 2019-03-27 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109887288A CN109887288A (zh) | 2019-06-14 |
CN109887288B true CN109887288B (zh) | 2021-06-15 |
Family
ID=66934581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910235483.6A Active CN109887288B (zh) | 2019-03-27 | 2019-03-27 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109887288B (zh) |
WO (1) | WO2020192120A1 (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887288B (zh) * | 2019-03-27 | 2021-06-15 | 江苏智通交通科技有限公司 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
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 |
CN111047860B (zh) * | 2019-12-02 | 2021-01-08 | 安徽百诚慧通科技有限公司 | 一种车辆运行轨迹提取方法 |
CN111862587B (zh) * | 2019-12-16 | 2021-11-19 | 北京嘀嘀无限科技发展有限公司 | 一种出行引导策略生成方法及装置 |
CN114664086B (zh) * | 2019-12-18 | 2023-11-24 | 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 |
CN112639764A (zh) * | 2020-03-31 | 2021-04-09 | 华为技术有限公司 | 汽车出行规律的分析方法、服务器及系统 |
CN112015837A (zh) * | 2020-08-24 | 2020-12-01 | 安徽科力信息产业有限责任公司 | 一种城市道路高频路径分析方法、系统及存储介质 |
CN112489433B (zh) * | 2020-12-17 | 2022-11-04 | 华为技术有限公司 | 交通拥堵分析方法及装置 |
CN112767683B (zh) * | 2020-12-22 | 2021-12-21 | 安徽百诚慧通科技有限公司 | 一种基于反馈机制的路径诱导方法 |
CN113207080B (zh) * | 2021-03-22 | 2022-02-25 | 北京邮电大学 | 一种vanet中的数据协作传输方法、装置及电子设备 |
CN112991740B (zh) * | 2021-03-23 | 2022-03-11 | 苏州蓝图智慧城市科技有限公司 | 一种基于出行离散度及聚类的车辆引导方法、介质及设备 |
CN113052405B (zh) * | 2021-05-08 | 2021-12-17 | 湖北讯华科技股份有限公司 | 基于物联网和人工智能的交通拥堵预测与优化方法 |
CN113593220B (zh) * | 2021-07-02 | 2022-07-29 | 南京泛析交通科技有限公司 | 一种基于宏观基本图的路网承载力估计方法 |
CN114313851A (zh) * | 2022-01-11 | 2022-04-12 | 浙江柯工智能系统有限公司 | 一种模块化化纤物料转运平台及方法 |
CN114566041B (zh) * | 2022-01-27 | 2022-12-06 | 苏州大学 | 多源数据融合城市拥堵路段多模式出行诱导方法及设备 |
CN114758514B (zh) * | 2022-03-24 | 2023-07-28 | 山东省交通规划设计院集团有限公司 | 一种基于道路使用模式的路径诱导方法及系统 |
CN114743396B (zh) * | 2022-03-29 | 2023-04-28 | 江苏拓邮信息智能技术研究院有限公司 | 基于粒子群优化算法的交通诱导调度系统及其调度方法 |
CN115830851A (zh) * | 2022-11-03 | 2023-03-21 | 阿波罗智联(北京)科技有限公司 | 交通流量调节方法、装置、设备及介质 |
CN116110228B (zh) * | 2023-04-06 | 2023-07-07 | 齐鲁云商数字科技股份有限公司 | 一种基于区块链的城市交通快速化引导系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009064283A (ja) * | 2007-09-07 | 2009-03-26 | Omron Corp | 交通情報提供システムおよび交通情報提供方法 |
CN105070078A (zh) * | 2015-08-16 | 2015-11-18 | 吉林大学 | 一种基于车车通信的动态路径诱导方法 |
CN106384504A (zh) * | 2016-09-06 | 2017-02-08 | 江苏智通交通科技有限公司 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
CN107146446A (zh) * | 2017-07-10 | 2017-09-08 | 中南大学 | 一种基于rfid数据和动态车源的路径诱导方法 |
CN107591004A (zh) * | 2017-11-01 | 2018-01-16 | 中原智慧城市设计研究院有限公司 | 一种基于车路协同的智能交通诱导方法 |
CN109035766A (zh) * | 2018-07-13 | 2018-12-18 | 北京工业大学 | 一种车联网环境下考虑可变周期的动态交通控制与诱导协同优化方法 |
CN109345823A (zh) * | 2018-09-19 | 2019-02-15 | 连云港杰瑞电子有限公司 | 一种基于大数据的智能交通数据分析系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9564048B2 (en) * | 2014-12-18 | 2017-02-07 | Sap Se | Origin destination estimation based on vehicle trajectory data |
CN108122069B (zh) * | 2017-12-08 | 2021-10-15 | 杭州电子科技大学 | 基于海量交通数据居民出行起点终点矩阵提取方法 |
CN108717790B (zh) * | 2018-07-06 | 2021-02-26 | 广州市交通运输研究所 | 一种基于卡口车牌识别数据的车辆出行分析方法 |
CN109887288B (zh) * | 2019-03-27 | 2021-06-15 | 江苏智通交通科技有限公司 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
-
2019
- 2019-03-27 CN CN201910235483.6A patent/CN109887288B/zh active Active
- 2019-11-01 WO PCT/CN2019/115057 patent/WO2020192120A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009064283A (ja) * | 2007-09-07 | 2009-03-26 | Omron Corp | 交通情報提供システムおよび交通情報提供方法 |
CN105070078A (zh) * | 2015-08-16 | 2015-11-18 | 吉林大学 | 一种基于车车通信的动态路径诱导方法 |
CN106384504A (zh) * | 2016-09-06 | 2017-02-08 | 江苏智通交通科技有限公司 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
CN107146446A (zh) * | 2017-07-10 | 2017-09-08 | 中南大学 | 一种基于rfid数据和动态车源的路径诱导方法 |
CN107591004A (zh) * | 2017-11-01 | 2018-01-16 | 中原智慧城市设计研究院有限公司 | 一种基于车路协同的智能交通诱导方法 |
CN109035766A (zh) * | 2018-07-13 | 2018-12-18 | 北京工业大学 | 一种车联网环境下考虑可变周期的动态交通控制与诱导协同优化方法 |
CN109345823A (zh) * | 2018-09-19 | 2019-02-15 | 连云港杰瑞电子有限公司 | 一种基于大数据的智能交通数据分析系统 |
Non-Patent Citations (4)
Title |
---|
实时路况分析系统在治理交通拥堵中的应用;张海东;《计算机时代》;20131231(第7期);40-42、45 * |
诱导信息下出行者路径选择行为研究;史路;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20160215(第02期);C034-652 * |
路网局部拥堵下的机动车交通快速分流方案形成机制;李翔宇;《中国优秀硕士学位论文全文数据库工程科技II辑》;20180315(第03期);C034-883 * |
面向交通诱导的城市路网分区及优化研究;郭佳宁;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20150515(第05期);C034-196 * |
Also Published As
Publication number | Publication date |
---|---|
WO2020192120A1 (zh) | 2020-10-01 |
CN109887288A (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109887288B (zh) | 一种基于出行结构的城市路网诱导方案发布方法和系统 | |
CN103646187B (zh) | 一种统计周期内车辆出行路线及od矩阵获取方法 | |
CN111768618B (zh) | 基于城市画像的交通拥堵状态传播预测和预警系统及方法 | |
Powell et al. | Towards reducing taxicab cruising time using spatio-temporal profitability maps | |
Li et al. | Studying the benefits of carpooling in an urban area using automatic vehicle identification data | |
CN104121908B (zh) | 一种延时路径规划的方法和系统 | |
WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
CN106781479B (zh) | 一种基于手机信令数据实时获取高速公路运行状态的方法 | |
CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
Wang et al. | A big data approach for smart transportation management on bus network | |
CN109754594A (zh) | 一种路况信息获取方法及其设备、存储介质、终端 | |
CN108010316A (zh) | 一种基于路网模型的道路交通多源数据融合处理方法 | |
CN106767871A (zh) | 一种基于云端的预设模式的导航系统及其使用方法 | |
CN108734955A (zh) | 预测路况状态的方法及装置 | |
CN102842219B (zh) | 预测方法和系统 | |
CN111275965A (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
CN108648445A (zh) | 基于交通大数据的动态交通态势预测方法 | |
CN109410574A (zh) | 一种面向阶段-相位信号控制方案的配时参数优化方法 | |
CN108922193B (zh) | 一种基于浮动车轨迹数据的交叉口信号周期估计方法 | |
CN104318327A (zh) | 一种车辆轨迹预测分析方法 | |
CN114202917B (zh) | 基于动态交通流短时预测的施工区域交通控制与诱导方法 | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 | |
CN113868492A (zh) | 一种基于电警、卡口数据的可视化od分析方法及应用 | |
CN104596534B (zh) | 一种计算最优行车路径的方法 | |
CN110021161A (zh) | 一种交通流向的预测方法及系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 211106 19 Su Yuan Avenue, Jiangning economic and Technological Development Zone, Nanjing, Jiangsu Applicant after: JIANGSU ZHITONG TRAFFIC TECHNOLOGY Co.,Ltd. Address before: 210006, Qinhuai District, Jiangsu, Nanjing should be 388 days street, Chenguang 1865 Technology Creative Industry Park E10 building on the third floor Applicant before: JIANGSU ZHITONG TRAFFIC TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |