CN109993980A - 交通流量预测方法、装置、计算机设备及存储介质 - Google Patents
交通流量预测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109993980A CN109993980A CN201910130814.XA CN201910130814A CN109993980A CN 109993980 A CN109993980 A CN 109993980A CN 201910130814 A CN201910130814 A CN 201910130814A CN 109993980 A CN109993980 A CN 109993980A
- Authority
- CN
- China
- Prior art keywords
- crossing
- road
- predicted
- transition probability
- probability matrix
- 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
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Abstract
本发明公开了交通流量预测方法、装置、计算机设备及存储介质。该方法包括:根据当前道路路口中各相邻子道路的车流量数据,获取各相邻子道路在当前时刻的转移概率矩阵;根据各相邻子道路在当前时刻的转移概率矩阵,获取对应的当前时刻路口转移概率矩阵;接收待预测路口,获取对应的相邻道路以作为目标道路集合;根据与目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与待预测路口对应的预测车流量数据;根据与待预测路口对应的相邻道路的转移概率矩阵,及与待预测路口对应的相邻道路的车流量,得到与待预测路口对应的下一时刻的预测车流量数据。该方法通过线路转移矩阵,可得到各线路之间转移情况,可提前做好线路规划及预测。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种交通流量预测方法、装置、计算机设备及存储介质。
背景技术
目前,在测算道路上各路口的车流量时,主要是通过路段的时间和数量来评估,是一种基于时间序列的预测模型,但未考虑到路段之间具有连接性,存在着线路的转移关系,从而导致对车流量的预测不准确。
发明内容
本发明实施例提供了一种交通流量预测方法、装置、计算机设备及存储介质,旨在解决现有技术中在测算道路上各路口的车流量时,主要是通过路段的时间和数量来评估,未考虑到路段之间具有连接性,从而导致对车流量的预测不准确的问题。
第一方面,本发明实施例提供了一种交通流量预测方法,其包括:
根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵;
根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵;
接收待预测路口,获取与所述待预测路口对应的相邻道路以作为目标道路集合;
根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据;以及
根据与所述待预测路口对应的相邻道路的转移概率矩阵,及与所述待预测路口对应的相邻道路的车流量,得到与所述待预测路口对应的下一时刻的预测车流量数据。
第二方面,本发明实施例提供了一种交通流量预测装置,其包括:
第一矩阵获取单元,用于根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵;
第二矩阵获取单元,用于根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵;
目标道路集合获取单元,用于接收待预测路口,获取与所述待预测路口对应的相邻道路以作为目标道路集合;
第一预测单元,用于根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据;以及
第二预测单元,用于根据与所述待预测路口对应的相邻道路的转移概率矩阵,及与所述待预测路口对应的相邻道路的车流量,得到与所述待预测路口对应的下一时刻的预测车流量数据。
第三方面,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的交通流量预测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的交通流量预测方法。
本发明实施例提供了一种交通流量预测方法、装置、计算机设备及存储介质。该方法包括根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵;根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵;接收待预测路口,获取与所述待预测路口对应的相邻道路以作为目标道路集合;根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据;以及根据与所述待预测路口对应的相邻道路的转移概率矩阵,及与所述待预测路口对应的相邻道路的车流量,得到与所述待预测路口对应的下一时刻的预测车流量数据。该方法通过线路转移矩阵,可得到各线路之间转移情况,可以提前做好线路规划及线路预测。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的交通流量预测方法的应用场景示意图;
图2为本发明实施例提供的交通流量预测方法的流程示意图;
图3为本发明实施例提供的交通流量预测方法的子流程示意图;
图4为本发明实施例提供的交通流量预测方法的另一子流程示意图;
图5为本发明实施例提供的交通流量预测装置的示意性框图;
图6为本发明实施例提供的交通流量预测装置的子单元示意性框图;
图7为本发明实施例提供的交通流量预测装置的另一子单元示意性框图;
图8为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
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,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1是本发明实施例提供的交通流量预测方法的应用场景示意图,图2是本发明实施例提供的交通流量预测方法的流程示意图,该交通流量预测方法应用于服务器中,该方法通过安装于服务器中的应用软件进行执行。
如图2所示,该方法包括步骤S110~S150。
S110、根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵。
在本实施例中,是设置在道路上(如设置在某一路口)的前端采集装置(如监控摄像头)在某一时间段采集到多张车辆图片,上传至服务器对车辆图片中包括的车辆数目进行统计以得到车流量数据。当通过为了获取某一路口在当前时刻的转移概率矩阵,需先获知该路口由哪些道路交汇而形成,这些道路记为该路口的相邻子道路。在统计了各相邻子道路的车流量数据,即可计算得到各相邻子道路在当前时刻的转移概率矩阵。其中,当前道路路口中各相邻子道路在当前时刻的转移概率矩阵中各概率值表示了各相邻子道路不同的车辆行为(如掉头、直行、右转、左转)的车辆数量占该子道路上车辆总数量的比例。例如,在当前时刻,路口A的相邻子道路总数量为3个,路口A左侧的道路上有100辆车,其中15辆车左转、20辆车直行、30辆车右转、35辆车掉头,此时路口A左侧的转移概率为(15/100,20/100,30/100,35/100)=(0.15,0.2,0.3,0.35)。
在一实施例中,步骤S110包括:
获取所述当前道路路口的相邻子道路总数量;
以正北方向为起始方向,按顺时针方向依次获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵。
在本实施例中,例如城市A中有一“丰”字形的城市主交通干道,按照从南至北的方向依次记为路口1,路口2、路口3,车辆在每一路口的4种行为(具体为掉头、直行、右转、左转),可以做如下表1中的编码定义:
车辆行为 | 编码 |
掉头 | 1 |
直行 | 2 |
右转 | 3 |
左转 | 4 |
表1
例如,在当前时刻,路口1的相邻子道路总数量为4个,路口1左侧的道路上有200辆车,其中30辆车左转,50辆车直行,50辆车右转,70辆车掉头;路口1右侧的道路上有200辆车,其中30辆车左转,50辆车直行,50辆车右转,70辆车掉头;路口1下方的道路上有200辆车,其中30辆车左转,50辆车直行,50辆车右转,70辆车掉头;路口1上方的道路上有200辆车,其中30辆车左转,50辆车直行,70辆车右转,50辆车掉头;此时路口1左侧的转移概率为(30/200,50/200,50/200,70/200)=(0.15,0.25,0.25,0.35),路口1右侧的转移概率为(30/200,50/200,50/200,70/200)=(0.15,0.25,0.25,0.35),路口1下方的转移概率为(30/200,50/200,70/200,50/200)=(0.15,0.25,0.35,0.25),路口1上方的转移概率为(30/200,50/200,70/200,50/200)=(0.15,0.25,0.35,0.25)。
以正北方向为起始方向,按顺时针方向依次获取所述当前道路路口(即路口1)中各相邻子道路在当前时刻的转移概率矩阵分别为(0.15,0.25,0.35,0.25)、(0.15,0.25,0.25,0.35)、(0.15,0.25,0.35,0.25)、(0.15,0.25,0.25,0.35)。在以正北方向为起始方向,按顺时针方向获取了所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵,即可进一步计算当前道路路口的当前时刻路口转移概率矩阵。由于在计算当前道路路口的当前时刻路口转移概率矩阵时,考虑了各相邻子道路的影响,能实现对当前路口车流量更准确的预测。
S120、根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵。
在一实施例中,如图3所示,步骤S120包括:
S121、获取与所述当前道路路口中各相邻子道路相应转移概率矩阵对应的权重值;
S122、根据所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵乘以对应的权重值并求和,得到与所述当前道路路口对应的当前时刻路口转移概率矩阵。
在本实施例中,若将与所述当前道路路口中各相邻子道路相应转移概率矩阵对应的权重值均设置为0.25,则所述当前道路路口对应的当前时刻路口转移概率矩阵为0.25*(0.15,0.25,0.35,0.25)+0.25*(0.15,0.25,0.25,0.35)+0.25*(0.15,0.25,0.35,0.25)+0.25*(0.15,0.25,0.25,0.35)=(0.15,0.25,0.3,0.3)。
作为获取与所述当前道路路口对应的当前时刻路口转移概率矩阵的另一实施例,为了统一获取路口1的转移概率,可以选择自南朝北为标准方向,将路口1的上下左右四个的转移概率统一为一个转移概率,例如经过统计后车辆行驶方向是从左到右(即自西朝东运动)的车辆总数是200辆,从右到左(即自东朝西运动)的车辆总数是220辆,从下到上(即自南朝北运动)的车辆总数是180辆,从上到下(即自北朝南运动)的车辆总数是200辆,故路口1从正北方向开始顺时针转动对应的转移概率为(180/800,200/800,200/800,220/800)=(0.225,0.25,0.25,0.275)。
上述实例描述的仅仅是路口1的当前时刻路口转移概率矩阵的计算过程,其余路口(如路口2、路口3)的当前时刻路口转移概率矩阵也是通过上述方式计算,也就是每一路口都是能对应得到当前时刻的转移概率矩阵。在计算了每一路口对应的当前时刻的转移概率矩阵,即可在考虑到各路段之间具有连接性来预测各路口的车流量。
S130、接收待预测路口,获取与所述待预测路口对应的相邻道路以作为目标道路集合。
在本实施例中,例如若选定路口2为待预测路口,由于路口2的相邻道路除了包括正南方的路口1,还包括路口2正北方的道路、正东方的道路、正西方的道路,其中路口2正北方的道路、正东方的道路、正西方的道路即路口1组成了目标道路集合。其中路口1对应的转移概率矩阵为(0.225,0.25,0.25,0.275),在分别获取了路口2正北方的道路、正东方的道路、正南方的道路、正西方的道路的转移概率矩阵后,即可获取待预测路口的转移概率矩阵。
S140、根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据。
在一实施例中,如图4所示,步骤S140包括:
S141、根据与所述目标道路集合中各道路对应的当前时刻的转移概率矩阵,以及与所述目标道路集合中各道路对应的权重值,获取所述待预测路口对应的目标转移概率矩阵;
S142、获取在所述目标道路集合中所选定的一个相邻道路的当前车流量,并获取所选定的相邻道路相对于所述待预测路口所正对的方向;
S143、根据所选定的相邻道路相对于所述待预测路口所正对的方向,以及所述待预测路口对应的转移概率矩阵,获取与所述待预测路口对应的各方向的预测车流量数据。
在本实施例中,在得到了待预测路口的转移概率矩阵后,可以先根据与待预测路口对应的相邻道路中其中一条相邻道路的当前车流量,作为待预测路口的各个方向的车流量预测量的预估参考值。
在一实施例中,步骤S143包括:
以所选定的相邻道路相对于所述待预测路口所正对的方向为目标方向,在所述待预测路口对应的所述目标转移概率矩阵中获取与所述目标方向对应的目标概率值;
根据所述目标方向对应的当前车流量与所述目标概率值之比乘以所述待预测路口对应的标转移概率矩阵,得到与所述待预测路口对应的各方向的预测车流量数据。
例如路口1汇入的总车流量是1000辆,路口2对应的转移概率矩阵为(0.225,0.275,0.25,0.25),而路口1对应的是路口2的正南方向,则路口2对应的个方向的预测车流量数据为1000/0.25*(0.225,0.275,0.25,0.25)=(900,1100,1000,1000),即路口2驶向正北方向(向路口3驶去的方向)的预测车流量数据为900辆,路口2驶向正东方向的预测车流量数据为1100辆,路口2驶向正南方向的预测车流量数据为1000辆,路口2驶向正西方向的预测车流量数据为1000辆。通过上述方式,能根据某一路口的车流量数据和转移概率矩阵准确测算相邻路口的预测车流量数据。
S150、根据与所述待预测路口对应的相邻道路的转移概率矩阵,及与所述待预测路口对应的相邻道路的车流量,得到与所述待预测路口对应的下一时刻的预测车流量数据。
在本实施例中,例如路口1左侧的道路上有400辆车,路口1右侧的道路上有400辆车,路口1左侧的转移概率矩阵为(0.15,0.25,0.25,0.35),路口1右侧的转移概率矩阵为(0.15,0.25,0.25,0.35),则在下一时刻,若路口1左侧和右侧的道路上均有400辆车,根据路口1左侧的转移概率矩阵(0.15,0.25,0.25,0.35)及路口1右侧的转移概率矩阵(0.15,0.25,0.25,0.35)结合路口1左侧和右侧的道路上的实际车辆数量可计算得到路口1对应对应的下一时刻的预测车流量数据。其中,路口1左侧的400辆车中60辆车左转,100辆车直行,100辆车右转,140辆车掉头;路口1右侧的道路上有400辆车,其中60辆车左转,100辆车直行,100辆车右转,140辆车掉头。
该方法通过线路转移矩阵,可得到各线路之间转移情况,可以提前做好线路规划及线路预测。
本发明实施例还提供一种交通流量预测装置,该交通流量预测装置用于执行前述交通流量预测方法的任一实施例。具体地,请参阅图5,图5是本发明实施例提供的交通流量预测装置的示意性框图。该交通流量预测装置100可以配置于服务器中。
如图5所示,交通流量预测装置100包括第一矩阵获取单元110、第二矩阵获取单元120、目标道路集合获取单元130、第一预测单元140、第二预测单元150。
第一矩阵获取单元110,用于根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵。
在本实施例中,是设置在道路上(如设置在某一路口)的前端采集装置(如监控摄像头)在某一时间段采集到多张车辆图片,上传至服务器对车辆图片中包括的车辆数目进行统计以得到车流量数据。当通过为了获取某一路口在当前时刻的转移概率矩阵,需先获知该路口由哪些道路交汇而形成,这些道路记为该路口的相邻子道路。在统计了各相邻子道路的车流量数据,即可计算得到各相邻子道路在当前时刻的转移概率矩阵。
在一实施例中,第一矩阵获取单元110包括:
子道路总数量获取单元,用于获取所述当前道路路口的相邻子道路总数量;
顺时针数据获取单元,用于以正北方向为起始方向,按顺时针方向依次获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵。
在本实施例中,例如城市A中有一“丰”字形的城市主交通干道,按照从南至北的方向依次记为路口1,路口2、路口3,车辆在每一路口的4种行为(具体为掉头、直行、右转、左转)。
例如,在当前时刻,路口1的相邻子道路总数量为4个,路口1左侧的道路上有200辆车,其中30辆车左转,50辆车直行,50辆车右转,70辆车掉头;路口1右侧的道路上有200辆车,其中30辆车左转,50辆车直行,50辆车右转,70辆车掉头;路口1下方的道路上有200辆车,其中30辆车左转,50辆车直行,50辆车右转,70辆车掉头;路口1上方的道路上有200辆车,其中30辆车左转,50辆车直行,70辆车右转,50辆车掉头;此时路口1左侧的转移概率为(30/200,50/200,50/200,70/200)=(0.15,0.25,0.25,0.35),路口1右侧的转移概率为(30/200,50/200,50/200,70/200)=(0.15,0.25,0.25,0.35),路口1下方的转移概率为(30/200,50/200,70/200,50/200)=(0.15,0.25,0.35,0.25),路口1上方的转移概率为(30/200,50/200,70/200,50/200)=(0.15,0.25,0.35,0.25)。
以正北方向为起始方向,按顺时针方向依次获取所述当前道路路口(即路口1)中各相邻子道路在当前时刻的转移概率矩阵分别为(0.15,0.25,0.35,0.25)、(0.15,0.25,0.25,0.35)、(0.15,0.25,0.35,0.25)、(0.15,0.25,0.25,0.35)。在以正北方向为起始方向,按顺时针方向获取了所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵,即可进一步计算当前道路路口的当前时刻路口转移概率矩阵。由于在计算当前道路路口的当前时刻路口转移概率矩阵时,考虑了各相邻子道路的影响,能实现对当前路口车流量更准确的预测。
第二矩阵获取单元120,用于根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵。
在一实施例中,如图6所示,第二矩阵获取单元120包括:
权重值获取单元121,用于获取与所述当前道路路口中各相邻子道路相应转移概率矩阵对应的权重值;
求和计算单元122,用于根据所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵乘以对应的权重值并求和,得到与所述当前道路路口对应的当前时刻路口转移概率矩阵。
在本实施例中,若将与所述当前道路路口中各相邻子道路相应转移概率矩阵对应的权重值均设置为0.25,则所述当前道路路口对应的当前时刻路口转移概率矩阵为0.25*(0.15,0.25,0.35,0.25)+0.25*(0.15,0.25,0.25,0.35)+0.25*(0.15,0.25,0.35,0.25)+0.25*(0.15,0.25,0.25,0.35)=(0.15,0.25,0.3,0.3)。
作为获取与所述当前道路路口对应的当前时刻路口转移概率矩阵的另一实施例,为了统一获取路口1的转移概率,可以选择自南朝北为标准方向,将路口1的上下左右四个的转移概率统一为一个转移概率,例如经过统计后车辆行驶方向是从左到右(即自西朝东运动)的车辆总数是200辆,从右到左(即自东朝西运动)的车辆总数是220辆,从下到上(即自南朝北运动)的车辆总数是180辆,从上到下(即自北朝南运动)的车辆总数是200辆,故路口1从正北方向开始顺时针转动对应的转移概率为(180/800,200/800,200/800,220/800)=(0.225,0.25,0.25,0.275)。
上述实例描述的仅仅是路口1的当前时刻路口转移概率矩阵的计算过程,其余路口(如路口2、路口3)的当前时刻路口转移概率矩阵也是通过上述方式计算,也就是每一路口都是能对应得到当前时刻的转移概率矩阵。在计算了每一路口对应的当前时刻的转移概率矩阵,即可在考虑到各路段之间具有连接性来预测各路口的车流量。
目标道路集合获取单元130,用于接收待预测路口,获取与所述待预测路口对应的相邻道路以作为目标道路集合。
在本实施例中,例如若选定路口2为待预测路口,由于路口2的相邻道路除了包括正南方的路口1,还包括路口2正北方的道路、正东方的道路、正西方的道路,其中路口2正北方的道路、正东方的道路、正西方的道路即路口1组成了目标道路集合。其中路口1对应的转移概率矩阵为(0.225,0.25,0.25,0.275),在分别获取了路口2正北方的道路、正东方的道路、正南方的道路、正西方的道路的转移概率矩阵后,即可获取待预测路口的转移概率矩阵。
第一预测单元140,用于根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据。
在一实施例中,如图7所示,第一预测单元140包括:
矩阵计算单元141,用于根据与所述目标道路集合中各道路对应的当前时刻的转移概率矩阵,以及与所述目标道路集合中各道路对应的权重值,获取所述待预测路口对应的目标转移概率矩阵;
目标方向获取单元142,用于获取在所述目标道路集合中所选定的一个相邻道路的当前车流量,并获取所选定的相邻道路相对于所述待预测路口所正对的方向;
流量数据预测单元143,用于根据所选定的相邻道路相对于所述待预测路口所正对的方向,以及所述待预测路口对应的转移概率矩阵,获取与所述待预测路口对应的各方向的预测车流量数据。
在本实施例中,在得到了待预测路口的转移概率矩阵后,可以先根据与待预测路口对应的相邻道路中其中一条相邻道路的当前车流量,作为待预测路口的各个方向的车流量预测量的预估参考值。
在一实施例中,流量数据预测单元143包括:
目标概率值获取单元,用于以所选定的相邻道路相对于所述待预测路口所正对的方向为目标方向,在所述待预测路口对应的所述目标转移概率矩阵中获取与所述目标方向对应的目标概率值;
流量数据计算单元,用于根据所述目标方向对应的当前车流量与所述目标概率值之比乘以所述待预测路口对应的标转移概率矩阵,得到与所述待预测路口对应的各方向的预测车流量数据。
例如路口1汇入的总车流量是1000辆,路口2对应的转移概率矩阵为(0.225,0.275,0.25,0.25),而路口1对应的是路口2的正南方向,则路口2对应的个方向的预测车流量数据为1000/0.25*(0.225,0.275,0.25,0.25)=(900,1100,1000,1000),即路口2驶向正北方向(向路口3驶去的方向)的预测车流量数据为900辆,路口2驶向正东方向的预测车流量数据为1100辆,路口2驶向正南方向的预测车流量数据为1000辆,路口2驶向正西方向的预测车流量数据为1000辆。通过上述方式,能根据某一路口的车流量数据和转移概率矩阵准确测算相邻路口的预测车流量数据。
第二预测单元150,用于根据与所述待预测路口对应的相邻道路的转移概率矩阵,及与所述待预测路口对应的相邻道路的车流量,得到与所述待预测路口对应的下一时刻的预测车流量数据。
在本实施例中,例如路口1左侧的道路上有400辆车,路口1右侧的道路上有400辆车,路口1左侧的转移概率矩阵为(0.15,0.25,0.25,0.35),路口1右侧的转移概率矩阵为(0.15,0.25,0.25,0.35),则在下一时刻,若路口1左侧和右侧的道路上均有400辆车,根据路口1左侧的转移概率矩阵(0.15,0.25,0.25,0.35)及路口1右侧的转移概率矩阵(0.15,0.25,0.25,0.35)结合路口1左侧和右侧的道路上的实际车辆数量可计算得到路口1对应对应的下一时刻的预测车流量数据。其中,路口1左侧的400辆车中60辆车左转,100辆车直行,100辆车右转,140辆车掉头;路口1右侧的道路上有400辆车,其中60辆车左转,100辆车直行,100辆车右转,140辆车掉头。
该装置通过线路转移矩阵,可得到各线路之间转移情况,可以提前做好线路规划及线路预测。
上述交通流量预测装置可以实现为计算机程序的形式,该计算机程序可以在如图8所示的计算机设备上运行。
请参阅图8,图8是本发明实施例提供的计算机设备的示意性框图。该计算机设备500是服务器。其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图8,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行交通流量预测方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行交通流量预测方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图8中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下功能:根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵;根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵;接收待预测路口,获取与所述待预测路口对应的相邻道路以作为目标道路集合;根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据;以及根据与所述待预测路口对应的相邻道路的转移概率矩阵,及与所述待预测路口对应的相邻道路的车流量,得到与所述待预测路口对应的下一时刻的预测车流量数据。
在一实施例中,处理器502在执行所述根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵的步骤时,执行如下操作:获取所述当前道路路口的相邻子道路总数量;以正北方向为起始方向,按顺时针方向依次获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵。
在一实施例中,处理器502在执行所述根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵的步骤时,执行如下操作:获取与所述当前道路路口中各相邻子道路相应转移概率矩阵对应的权重值;根据所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵乘以对应的权重值并求和,得到与所述当前道路路口对应的当前时刻路口转移概率矩阵。
在一实施例中,处理器502在执行所述根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据的步骤时,执行如下操作:根据与所述目标道路集合中各道路对应的当前时刻的转移概率矩阵,以及与所述目标道路集合中各道路对应的权重值,获取所述待预测路口对应的目标转移概率矩阵;获取在所述目标道路集合中所选定的一个相邻道路的当前车流量,并获取所选定的相邻道路相对于所述待预测路口所正对的方向;根据所选定的相邻道路相对于所述待预测路口所正对的方向,以及所述待预测路口对应的转移概率矩阵,获取与所述待预测路口对应的各方向的预测车流量数据。
在一实施例中,处理器502在执行所述根据所选定的相邻道路相对于所述待预测路口所正对的方向,以及所述待预测路口对应的转移概率矩阵,获取与所述待预测路口对应的各方向的预测车流量数据的步骤时,执行如下操作:以所选定的相邻道路相对于所述待预测路口所正对的方向为目标方向,在所述待预测路口对应的所述目标转移概率矩阵中获取与所述目标方向对应的目标概率值;根据所述目标方向对应的当前车流量与所述目标概率值之比乘以所述待预测路口对应的标转移概率矩阵,得到与所述待预测路口对应的各方向的预测车流量数据。
本领域技术人员可以理解,图8中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图8所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现以下步骤:根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵;根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵;接收待预测路口,获取与所述待预测路口对应的相邻道路以作为目标道路集合;根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据;以及根据与所述待预测路口对应的相邻道路的转移概率矩阵,及与所述待预测路口对应的相邻道路的车流量,得到与所述待预测路口对应的下一时刻的预测车流量数据。
在一实施例中,所述根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵,包括:获取所述当前道路路口的相邻子道路总数量;以正北方向为起始方向,按顺时针方向依次获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵。
在一实施例中,所述根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵,包括:获取与所述当前道路路口中各相邻子道路相应转移概率矩阵对应的权重值;根据所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵乘以对应的权重值并求和,得到与所述当前道路路口对应的当前时刻路口转移概率矩阵。
在一实施例中,所述根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据,包括:根据与所述目标道路集合中各道路对应的当前时刻的转移概率矩阵,以及与所述目标道路集合中各道路对应的权重值,获取所述待预测路口对应的目标转移概率矩阵;获取在所述目标道路集合中所选定的一个相邻道路的当前车流量,并获取所选定的相邻道路相对于所述待预测路口所正对的方向;根据所选定的相邻道路相对于所述待预测路口所正对的方向,以及所述待预测路口对应的转移概率矩阵,获取与所述待预测路口对应的各方向的预测车流量数据。
在一实施例中,所述根据所选定的相邻道路相对于所述待预测路口所正对的方向,以及所述待预测路口对应的转移概率矩阵,获取与所述待预测路口对应的各方向的预测车流量数据,包括:以所选定的相邻道路相对于所述待预测路口所正对的方向为目标方向,在所述待预测路口对应的所述目标转移概率矩阵中获取与所述目标方向对应的目标概率值;根据所述目标方向对应的当前车流量与所述目标概率值之比乘以所述待预测路口对应的标转移概率矩阵,得到与所述待预测路口对应的各方向的预测车流量数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种交通流量预测方法,其特征在于,包括:
根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵;
根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵;
接收待预测路口,获取与所述待预测路口对应的相邻道路以作为目标道路集合;
根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据;以及
根据与所述待预测路口对应的相邻道路的转移概率矩阵,及与所述待预测路口对应的相邻道路的车流量,得到与所述待预测路口对应的下一时刻的预测车流量数据。
2.根据权利要求1所述的交通流量预测方法,其特征在于,所述根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵,包括:
获取所述当前道路路口的相邻子道路总数量;
以正北方向为起始方向,按顺时针方向依次获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵。
3.根据权利要求2所述的交通流量预测方法,其特征在于,所述根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵,包括:
获取与所述当前道路路口中各相邻子道路相应转移概率矩阵对应的权重值;
根据所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵乘以对应的权重值并求和,得到与所述当前道路路口对应的当前时刻路口转移概率矩阵。
4.根据权利要求1所述的交通流量预测方法,其特征在于,所述根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据,包括:
根据与所述目标道路集合中各道路对应的当前时刻的转移概率矩阵,以及与所述目标道路集合中各道路对应的权重值,获取所述待预测路口对应的目标转移概率矩阵;
获取在所述目标道路集合中所选定的一个相邻道路的当前车流量,并获取所选定的相邻道路相对于所述待预测路口所正对的方向;
根据所选定的相邻道路相对于所述待预测路口所正对的方向,以及所述待预测路口对应的转移概率矩阵,获取与所述待预测路口对应的各方向的预测车流量数据。
5.根据权利要求4所述的交通流量预测方法,其特征在于,所述根据所选定的相邻道路相对于所述待预测路口所正对的方向,以及所述待预测路口对应的转移概率矩阵,获取与所述待预测路口对应的各方向的预测车流量数据,包括:
以所选定的相邻道路相对于所述待预测路口所正对的方向为目标方向,在所述待预测路口对应的所述目标转移概率矩阵中获取与所述目标方向对应的目标概率值;
根据所述目标方向对应的当前车流量与所述目标概率值之比乘以所述待预测路口对应的标转移概率矩阵,得到与所述待预测路口对应的各方向的预测车流量数据。
6.一种交通流量预测装置,其特征在于,包括:
第一矩阵获取单元,用于根据当前道路路口中各相邻子道路的车流量数据,获取所述当前道路路口中各相邻子道路在当前时刻的转移概率矩阵;
第二矩阵获取单元,用于根据各相邻子道路在当前时刻的转移概率矩阵,获取与所述当前道路路口对应的当前时刻路口转移概率矩阵;
目标道路集合获取单元,用于接收待预测路口,获取与所述待预测路口对应的相邻道路以作为目标道路集合;
第一预测单元,用于根据与所述目标道路集合中每一道路对应的当前时刻的转移概率矩阵,计算得到与所述待预测路口对应的预测车流量数据;以及
第二预测单元,用于根据与所述待预测路口对应的相邻道路的转移概率矩阵,及与所述待预测路口对应的相邻道路的车流量,得到与所述待预测路口对应的下一时刻的预测车流量数据。
7.根据权利要求6所述的交通流量预测装置,其特征在于,所述第一预测单元,包括:
矩阵计算单元,用于根据与所述目标道路集合中各道路对应的当前时刻的转移概率矩阵,以及与所述目标道路集合中各道路对应的权重值,获取所述待预测路口对应的目标转移概率矩阵;
目标方向获取单元,用于获取在所述目标道路集合中所选定的一个相邻道路的当前车流量,并获取所选定的相邻道路相对于所述待预测路口所正对的方向;
流量数据预测单元,用于根据所选定的相邻道路相对于所述待预测路口所正对的方向,以及所述待预测路口对应的转移概率矩阵,获取与所述待预测路口对应的各方向的预测车流量数据。
8.根据权利要求7所述的交通流量预测装置,其特征在于,所述流量数据预测单元,包括:
目标概率值获取单元,用于以所选定的相邻道路相对于所述待预测路口所正对的方向为目标方向,在所述待预测路口对应的所述目标转移概率矩阵中获取与所述目标方向对应的目标概率值;
流量数据计算单元,用于根据所述目标方向对应的当前车流量与所述目标概率值之比乘以所述待预测路口对应的标转移概率矩阵,得到与所述待预测路口对应的各方向的预测车流量数据。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的交通流量预测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至5任一项所述的交通流量预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910130814.XA CN109993980B (zh) | 2019-02-21 | 2019-02-21 | 交通流量预测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910130814.XA CN109993980B (zh) | 2019-02-21 | 2019-02-21 | 交通流量预测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993980A true CN109993980A (zh) | 2019-07-09 |
CN109993980B CN109993980B (zh) | 2022-06-07 |
Family
ID=67130280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910130814.XA Active CN109993980B (zh) | 2019-02-21 | 2019-02-21 | 交通流量预测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993980B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111009126A (zh) * | 2019-12-23 | 2020-04-14 | 重庆紫光华山智安科技有限公司 | 基于卡口抓拍数据的车辆行驶轨迹预测方法、系统及设备 |
CN112309136A (zh) * | 2019-07-29 | 2021-02-02 | 华为技术有限公司 | 一种确定交通流量的方法、装置及设备 |
CN114446054A (zh) * | 2022-01-24 | 2022-05-06 | 广东以诺通讯有限公司 | 一种缓解交通拥堵的方法、装置、设备和存储介质 |
CN114463983A (zh) * | 2020-06-30 | 2022-05-10 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN114973640A (zh) * | 2021-02-24 | 2022-08-30 | 阿里巴巴集团控股有限公司 | 交通流量的预测方法、装置及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101089913A (zh) * | 2007-07-12 | 2007-12-19 | 中国科学院地理科学与资源研究所 | 一种基于遗传算法和极大熵模型计算交叉口转向比例的方法 |
CN101123038A (zh) * | 2007-07-11 | 2008-02-13 | 山东省计算中心 | 一种路口关联路段动态路况采集方法 |
CN102436751A (zh) * | 2011-09-30 | 2012-05-02 | 上海交通大学 | 基于城市宏观路网模型的交通流短时预测方法 |
CN102693629A (zh) * | 2012-03-30 | 2012-09-26 | 天津市市政工程设计研究院 | 考虑大型车掉头需求的交叉口设计与控制方法 |
CN103794065A (zh) * | 2014-01-24 | 2014-05-14 | 东南大学 | 一种主动式的城市道路区域信号配时参数协同优化方法 |
CN103839412A (zh) * | 2014-03-27 | 2014-06-04 | 北京建筑大学 | 一种基于贝叶斯加权的路口动态转向比例组合估计方法 |
CN104134356A (zh) * | 2014-06-30 | 2014-11-05 | 南京航空航天大学 | 城市交叉口模型参考自适应信号的控制方法 |
CN104464320A (zh) * | 2014-12-15 | 2015-03-25 | 东南大学 | 基于真实路网特性及动态行程时间的最短路径诱导方法 |
CN105046956A (zh) * | 2015-06-24 | 2015-11-11 | 银江股份有限公司 | 一种基于转向系数的交通流模拟及预测方法 |
CN105118294A (zh) * | 2015-09-25 | 2015-12-02 | 山东易构软件技术股份有限公司 | 一种基于状态模式的短时交通流预测方法 |
JP2017004370A (ja) * | 2015-06-12 | 2017-01-05 | 日本電気通信システム株式会社 | 信号制御装置、信号制御システム、信号制御方法、及び信号制御プログラム |
CN106530721A (zh) * | 2016-12-28 | 2017-03-22 | 山东理工大学 | 一种基于转移矩阵的交叉口各流向流量值动态预测方法 |
CN106991813A (zh) * | 2017-05-15 | 2017-07-28 | 东南大学 | 一类掉头车辆和转向限制的道路交叉口流量流向推算方法 |
CN108877219A (zh) * | 2018-07-04 | 2018-11-23 | 长沙理工大学 | 一种城市交叉口禁左后交通流转移预测方法 |
CN109191852A (zh) * | 2018-10-25 | 2019-01-11 | 西北工业大学 | 车-路-云协同的交通流态势预测方法 |
US20190051167A1 (en) * | 2017-08-14 | 2019-02-14 | Gridsmart Technologies, Inc. | System and method of adaptive traffic management at an intersection |
-
2019
- 2019-02-21 CN CN201910130814.XA patent/CN109993980B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101123038A (zh) * | 2007-07-11 | 2008-02-13 | 山东省计算中心 | 一种路口关联路段动态路况采集方法 |
CN101089913A (zh) * | 2007-07-12 | 2007-12-19 | 中国科学院地理科学与资源研究所 | 一种基于遗传算法和极大熵模型计算交叉口转向比例的方法 |
CN102436751A (zh) * | 2011-09-30 | 2012-05-02 | 上海交通大学 | 基于城市宏观路网模型的交通流短时预测方法 |
CN102693629A (zh) * | 2012-03-30 | 2012-09-26 | 天津市市政工程设计研究院 | 考虑大型车掉头需求的交叉口设计与控制方法 |
CN103794065A (zh) * | 2014-01-24 | 2014-05-14 | 东南大学 | 一种主动式的城市道路区域信号配时参数协同优化方法 |
CN103839412A (zh) * | 2014-03-27 | 2014-06-04 | 北京建筑大学 | 一种基于贝叶斯加权的路口动态转向比例组合估计方法 |
CN104134356A (zh) * | 2014-06-30 | 2014-11-05 | 南京航空航天大学 | 城市交叉口模型参考自适应信号的控制方法 |
CN104464320A (zh) * | 2014-12-15 | 2015-03-25 | 东南大学 | 基于真实路网特性及动态行程时间的最短路径诱导方法 |
JP2017004370A (ja) * | 2015-06-12 | 2017-01-05 | 日本電気通信システム株式会社 | 信号制御装置、信号制御システム、信号制御方法、及び信号制御プログラム |
CN105046956A (zh) * | 2015-06-24 | 2015-11-11 | 银江股份有限公司 | 一种基于转向系数的交通流模拟及预测方法 |
CN105118294A (zh) * | 2015-09-25 | 2015-12-02 | 山东易构软件技术股份有限公司 | 一种基于状态模式的短时交通流预测方法 |
CN106530721A (zh) * | 2016-12-28 | 2017-03-22 | 山东理工大学 | 一种基于转移矩阵的交叉口各流向流量值动态预测方法 |
CN106991813A (zh) * | 2017-05-15 | 2017-07-28 | 东南大学 | 一类掉头车辆和转向限制的道路交叉口流量流向推算方法 |
US20190051167A1 (en) * | 2017-08-14 | 2019-02-14 | Gridsmart Technologies, Inc. | System and method of adaptive traffic management at an intersection |
CN108877219A (zh) * | 2018-07-04 | 2018-11-23 | 长沙理工大学 | 一种城市交叉口禁左后交通流转移预测方法 |
CN109191852A (zh) * | 2018-10-25 | 2019-01-11 | 西北工业大学 | 车-路-云协同的交通流态势预测方法 |
Non-Patent Citations (2)
Title |
---|
尹江华: "基于交叉口转向比例的局域OD矩阵推算方法研究", 《河北工业大学学报》 * |
尹江华: "基于交叉口转向比例的局域OD矩阵推算方法研究", 《河北工业大学学报》, no. 02, 15 April 2011 (2011-04-15) * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112309136A (zh) * | 2019-07-29 | 2021-02-02 | 华为技术有限公司 | 一种确定交通流量的方法、装置及设备 |
CN111009126A (zh) * | 2019-12-23 | 2020-04-14 | 重庆紫光华山智安科技有限公司 | 基于卡口抓拍数据的车辆行驶轨迹预测方法、系统及设备 |
CN114463983A (zh) * | 2020-06-30 | 2022-05-10 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN114463983B (zh) * | 2020-06-30 | 2023-04-14 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN114973640A (zh) * | 2021-02-24 | 2022-08-30 | 阿里巴巴集团控股有限公司 | 交通流量的预测方法、装置及系统 |
CN114446054A (zh) * | 2022-01-24 | 2022-05-06 | 广东以诺通讯有限公司 | 一种缓解交通拥堵的方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109993980B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993980A (zh) | 交通流量预测方法、装置、计算机设备及存储介质 | |
EP2681512B1 (en) | Vehicle route calculation | |
Biagioni et al. | Easytracker: automatic transit tracking, mapping, and arrival time prediction using smartphones | |
van Duin et al. | Towards an agent-based modelling approach for the evaluation of dynamic usage of urban distribution centres | |
CN110969857B (zh) | 一种交通信息处理方法及装置 | |
CN106969777A (zh) | 路径预测装置以及路径预测方法 | |
CN107103753A (zh) | 交通时间预测系统、交通时间预测方法以及交通模型建立方法 | |
CN103063222B (zh) | 具有转向限制机制的导航系统及其操作方法 | |
CN110118567A (zh) | 出行方式推荐方法及装置 | |
CN110363984A (zh) | 交通流量预测方法和设备 | |
CN107949873A (zh) | 旅行时间数据调整装置、旅行时间数据调整方法以及程序 | |
CN110288205B (zh) | 交通影响评价方法及装置 | |
CN105206051B (zh) | 一种城市路网合理性评价方法及装置 | |
CN108876425A (zh) | 一种租车费用计算方法及租车计费平台 | |
CN110099353A (zh) | 列车用户识别方法及设备 | |
CN108020813A (zh) | 定位方法、定位装置和电子设备 | |
CN110276557A (zh) | 一种跨网格调度工单创建方法 | |
CN110300123A (zh) | 异常流量识别方法、装置、电子设备及存储介质 | |
CN110310153A (zh) | 一种交易预测方法及装置 | |
CN107452207A (zh) | 浮动车数据源评价方法、装置及系统 | |
Nakashima et al. | One cycle of smart access vehicle service development | |
CN111862583B (zh) | 一种车流量预测方法及装置 | |
JP2016133386A (ja) | マップマッチングシステムおよびマップマッチング方法 | |
CN105825675B (zh) | 一种基于大数据的路段旅行时间计算方法和装置 | |
CN108777841A (zh) | 安全步距监控方法、装置及服务器 |
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 |