CN110009917A - 一种分段连续观测的停车场特性调查方法 - Google Patents
一种分段连续观测的停车场特性调查方法 Download PDFInfo
- Publication number
- CN110009917A CN110009917A CN201910275026.XA CN201910275026A CN110009917A CN 110009917 A CN110009917 A CN 110009917A CN 201910275026 A CN201910275026 A CN 201910275026A CN 110009917 A CN110009917 A CN 110009917A
- Authority
- CN
- China
- Prior art keywords
- parking lot
- period
- vehicle number
- investigation
- parking
- 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
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种分段连续观测的停车场特性调查方法。本发明的方法包括步骤(1)调查开始前,统计t0时刻停放的车辆数P0和总车位数C;(2)将调查时段T划分为n连续的等时间段,每个时段时长为δ=T/n;(3)调查每个时段δ内驶入停车场的车辆数Ii和驶出停车场的车辆数Oi;(4)计算各时段停车场内的停放车辆数Pm和近似停放时间Ti;(5)计算停车场停车特性参数。本发明无需记录车牌信息,可以保护用户隐私;数据量小,便于调查和数据处理。
Description
技术领域:
本发明涉及交通调查领域,具体涉及一种分段连续观测的停车场特性调查方法。
背景技术:
停车调查是获取停车规划数据的基础,根据规划目的和对象等条件,选取恰当的调查方法,不但可以节约调查成本,而且也是获得准确可靠的数据的保证。
在停车场规划指标中,停车位利用率、周转率及平均停车时长等是停车场特性的重要评价指标。传统的停车特性调查主要有连续观测法和断续观测法。连续观测法主要是通过记录车辆牌照来区分驶入和驶离时刻;断续观测法是通过调查人员在调查区域内周期性地巡回,检查统计停放的车辆,主要有车辆牌照式和非牌照式两种。
牌照式连续观测法和牌照式断续观测法均可得到停车场的利用率、周转率及平均停车时间,其中断续观测法精度较低。同时,牌照式连续观测法也存在以下问题:调查强度高;被调查者(停车场)为了保护隐私,拒绝记录车牌信息;后期数据处理工作量大。因此,如何在保证必要精度的条件下提高调查效率、保护用户隐私成为调查人员面临的问题。
发明内容
本发明的目的是针对上述存在的问题,提供一种分段连续观测的停车场特性调查方法,此方法无需记录车牌信息,可以保护用户隐私;数据量小,便于调查和数据处理。该方法不仅适用于路外停车场调查,而且适用于路内停车场调查。在视野范围内,单个调查员可以调查100m范围内的停车位;而使用传统方法时,50m范围内就需要2人。
上述的目的通过以下技术方案实现:
一种分段连续观测的停车场特性调查方法,该方法包括如下步骤:
(1)调查开始前,统计t0时刻停放的车辆数P0和总车位数C;
(2)将调查时段T划分为n连续的等时间段,每个时段时长为δ=T/n;
(3)调查每个时段δ内驶入停车场的车辆数Ii和驶出停车场的车辆数Oi;
(4)计算各时段停车场内的停放车辆数Pm和近似停放时间Ti;
(5)计算停车场停车特性参数。
所述的分段连续观测的停车场特性调查方法,步骤(2)中所述的n取6。
所述的分段连续观测的停车场特性调查方法,步骤(4)中所述各时段停车场内的停放车辆数Pm的计算方法为:计算各个时段停车场净驶入量Ni=Ii-Oi,则可得停车场在第m个时段末停放的车辆数为式中:P0为停车场在时刻t0停放的车辆数;Ni为第i个调查时段驶入停车场的净车辆数,Ni=Ii-Oi。
所述的分段连续观测的停车场特性调查方法,步骤(4)中所述各时段停车场内的近似停放时间Ti的计算方法为:计算得第m个时段内的总停车时间为在调查时段T内得总停车时间可得式中:P0为停车场在时刻t0停放的车辆数;Ni为第i个调查时段驶入停车场的净车辆数,Ni=Ii-Oi;δ为停车场等调查时段的时长,δ=T/n。
所述的分段连续观测的停车场特性调查方法,步骤(5)中所述停车场停车特性参数包括:该停车场在调查时段T内的利用率:
该停车场在调查时段T内的周转率:
该停车场在调查时段T内的平均停车时长:
其中:H为调查时段T内该停车场的近似总停车时间;C为该停车场的车位数;P0为停车场在时刻t0停放的车辆数;δ为停车场等调查时段的时长,δ=T/n;Ii为第i个调查时段驶入停车场的车辆数;Oi为第i个调查时段驶出停车场的车辆数;Ni为第i个调查时段驶入停车场的净车辆数,Ni=Ii-Oi。
有益效果:
本方法对调查时段进行离散化处理,分别调查各个时段的进出车辆数;通过对各时段停车场的进出车辆数进行集计处理,近似计算调查时段内的总停车时间;计算停车场利用率、周转率及平均停车时长等停车特性参数。与现有停车特性调查方法相比:调查过程无需记录车辆号牌,可保护用户隐私;调查数据量小,数据处理简便。
附图说明
图1是调查时段分割示意图。将调查时段T划分为n连续的等时间段,每个时段时长为δ=T/n。
图2(a)是在场景一下,牌照式和分段式连续观测法的利用率误差随分段数量变化图;图2(b)是在场景一下,牌照式和分段式连续观测法的平均停车时间误差随分段数量变化图。
图3(a)是在场景二下,牌照式和分段式连续观测法的利用率误差随分段数量变化图;图3(b)是在场景二下,牌照式和分段式连续观测法的平均停车时间误差随分段数量变化图。
图4(a)是在场景三下,牌照式和分段式连续观测法的利用率误差随分段数量变化图;图4(b)是在场景三下,牌照式和分段式连续观测法的平均停车时间误差随分段数量变化图。
具体实施方式
下面结合附图和实例对本发明的技术方案作进一步的说明。
一种分段连续观测的停车场特性调查方法,该方法包括如下步骤:
(1)调查开始前,统计t0时刻停放的车辆数P0和总车位数C;
(2)将调查时段T划分为n连续的等时间段,每个时段时长为δ=T/n;
(3)调查每个时段δ内驶入停车场的车辆数Ii和驶出停车场的车辆数Oi;
(4)计算各时段停车场内的停放车辆数Pm和近似停放时间Ti;
(5)计算停车场停车特性参数。
所述的分段连续观测的停车场特性调查方法,步骤(2)中所述的n取6。
所述的分段连续观测的停车场特性调查方法,步骤(4)中所述各时段停车场内的停放车辆数Pm的计算方法为:计算各个时段停车场净驶入量Ni=Ii-Oi,则可得停车场在第m个时段末停放的车辆数为式中:P0为停车场在时刻t0停放的车辆数;Ni为第i个调查时段驶入停车场的净车辆数,Ni=Ii-Oi。
所述的分段连续观测的停车场特性调查方法,步骤(4)中所述各时段停车场内的近似停放时间Ti的计算方法为:计算得第m个时段内的总停车时间为在调查时段T内得总停车时间可得式中:P0为停车场在时刻t0停放的车辆数;Ni为第i个调查时段驶入停车场的净车辆数,Ni=Ii-Oi;δ为停车场等调查时段的时长,δ=T/n。计算过程详见表1。
表1各时段停放时间计算表
所述的分段连续观测的停车场特性调查方法,步骤(5)中所述停车场停车特性参数包括:该停车场在调查时段T内的利用率:
该停车场在调查时段T内的周转率:
该停车场在调查时段T内的平均停车时长:
其中:H为调查时段T内该停车场的近似总停车时间;C为该停车场的车位数;P0为停车场在时刻t0停放的车辆数;δ为停车场等调查时段的时长,δ=T/n;Ii为第i个调查时段驶入停车场的车辆数;Oi为第i个调查时段驶出停车场的车辆数;Ni为第i个调查时段驶入停车场的净车辆数,Ni=Ii-Oi。
分段连续观测法对每个时间段进出车辆的停车时间进行了近似集计处理,所以不可避免地存在误差。下面通过具体场景,计算该方法与牌照连续观测法的误差大小。
误差为:
以往研究表明,停车场车辆到达的时间间隔和停车时间均服从于负指数分布。因此采用软件仿真的方法来构建泊松流,分别计算牌照式连续观测法和分段式连续观测法的停车特性参数和对应误差。
(1)场景一:停车泊位250个,泊松流强度λ=80辆/小时,期望停车时间2小时,总调查时间3小时。
两种方法得到的周转率均为1.42,利用率和平均停车时间及误差见图2。图中横轴代表分段数量n,分段式连续观测法的计算结果均大于牌照式连续观测法,且误差随着分段的数量n增大而减小。当n>9时,误差ε<3%;当n≤9时,误差波动较大,最大为8%。
(2)场景二:停车泊位60个,泊松流强度λ=20辆/小时,期望停车时间2小时,总调查时间3小时。
两种方法得到的周转率均为1.43,利用率和平均停车时间及误差见图3。图中横轴代表分段数量n,分段式连续观测法的计算结果均大于牌照式连续观测法,且误差随着分段的数量n增大而减小。当n>5时,误差ε<3%。
(3)场景三:停车泊位500个,泊松流强度λ=80辆/小时,期望停车时间5小时,总调查时间3小时。
两种方法得到的周转率均为1.16,利用率和平均停车时间及误差见图4。图中横轴代表分段数量n,分段式连续观测法的计算结果均大于牌照式连续观测法,且误差随着分段的数量n增大而减小。当n>5时,误差ε<2%。
分段式连续观测法的精度受停车时长的影响较小,受车辆到达率大小的影响较大。在世界应用中适当增大n的值,可克服到达率较低时误差较大的缺点。
上述实施例仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和等同替换,这些对本发明权利要求进行改进和等同替换后的技术方案,均落入本发明的保护范围。
Claims (5)
1.一种分段连续观测的停车场特性调查方法,其特征在于,该方法包括如下步骤:
(1)调查开始前,统计t0时刻停放的车辆数P0和总车位数C;
(2)将调查时段T划分为n连续的等时间段,每个时段时长为δ=T/n;
(3)调查每个时段δ内驶入停车场的车辆数Ii和驶出停车场的车辆数Oi;
(4)计算各时段停车场内的停放车辆数Pm和近似停放时间Ti;
(5)计算停车场停车特性参数。
2.根据权利要求1所述的分段连续观测的停车场特性调查方法,其特征在于,步骤(2)中所述的n取6。
3.根据权利要求1所述的分段连续观测的停车场特性调查方法,其特征在于,步骤(4)中所述各时段停车场内的停放车辆数Pm的计算方法为:计算各个时段停车场净驶入量Ni=Ii-Oi,则可得停车场在第m个时段末停放的车辆数为式中:P0为停车场在时刻t0停放的车辆数;Ni为第i个调查时段驶入停车场的净车辆数,Ni=Ii-Oi。
4.根据权利要求1所述的分段连续观测的停车场特性调查方法,其特征在于,步骤(4)中所述各时段停车场内的近似停放时间Ti的计算方法为:计算得第m个时段内的总停车时间为在调查时段T内得总停车时间可得式中:P0为停车场在时刻t0停放的车辆数;Ni为第i个调查时段驶入停车场的净车辆数,Ni=Ii-Oi;δ为停车场等调查时段的时长,δ=T/n。
5.根据权利要求1所述的分段连续观测的停车场特性调查方法,其特征在于,步骤(5)中所述停车场停车特性参数包括:该停车场在调查时段T内的利用率:
该停车场在调查时段T内的周转率:
该停车场在调查时段T内的平均停车时长:
其中:H为调查时段T内该停车场的近似总停车时间;C为该停车场的车位数;P0为停车场在时刻t0停放的车辆数;δ为停车场等调查时段的时长,δ=T/n;Ii为第i个调查时段驶入停车场的车辆数;Oi为第i个调查时段驶出停车场的车辆数;Ni为第i个调查时段驶入停车场的净车辆数,Ni=Ii-Oi。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910275026.XA CN110009917A (zh) | 2019-04-04 | 2019-04-04 | 一种分段连续观测的停车场特性调查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910275026.XA CN110009917A (zh) | 2019-04-04 | 2019-04-04 | 一种分段连续观测的停车场特性调查方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110009917A true CN110009917A (zh) | 2019-07-12 |
Family
ID=67170285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910275026.XA Pending CN110009917A (zh) | 2019-04-04 | 2019-04-04 | 一种分段连续观测的停车场特性调查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009917A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934403A (zh) * | 2019-03-12 | 2019-06-25 | 浙江大学 | 基于数学模型的电动汽车居民区域充电负荷分析预测方法 |
CN111081056A (zh) * | 2019-12-16 | 2020-04-28 | 青岛海信网络科技股份有限公司 | 一种基于大数据智能分析的智慧社区临时停车管理系统 |
CN111429719A (zh) * | 2020-03-20 | 2020-07-17 | 北京工业大学 | 一种利用智能停车场进出数据推算场内车数的方法 |
CN115864398A (zh) * | 2023-02-14 | 2023-03-28 | 国网浙江省电力有限公司宁波供电公司 | 一种综合能源分布式管理调度方法及系统 |
CN116704782A (zh) * | 2023-05-09 | 2023-09-05 | 广东云网通信有限公司 | 一种停车路段繁忙程度计算方法、系统、装置及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989011138A1 (en) * | 1988-05-11 | 1989-11-16 | Alex Frauchiger | Process for relieving or preventing unwanted traffic jams in the broadest sense |
CN102867421A (zh) * | 2012-09-24 | 2013-01-09 | 东南大学 | 一种识别有效停车泊位占有率中离群数据的方法 |
CN203606960U (zh) * | 2013-05-14 | 2014-05-21 | 上海新物科技有限公司 | 智能停车场系统 |
CN107679654A (zh) * | 2017-09-25 | 2018-02-09 | 同济大学 | 一种停车规模预估控制系统及实现方法 |
CN107895481A (zh) * | 2017-11-21 | 2018-04-10 | 福建工程学院 | 基于浮动车技术的区域道路车流量控制方法 |
CN108039045A (zh) * | 2017-12-14 | 2018-05-15 | 浙江警察学院 | 一种机动车管控方法和系统 |
CN108447273A (zh) * | 2018-03-30 | 2018-08-24 | 合肥城市泊车投资管理有限公司 | 一种基于智能停车系统的剩余车位预测方法 |
CN108734972A (zh) * | 2018-07-16 | 2018-11-02 | 上海世脉信息科技有限公司 | 一种大数据环境下停车场占有率的预测方法 |
-
2019
- 2019-04-04 CN CN201910275026.XA patent/CN110009917A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1989011138A1 (en) * | 1988-05-11 | 1989-11-16 | Alex Frauchiger | Process for relieving or preventing unwanted traffic jams in the broadest sense |
CN102867421A (zh) * | 2012-09-24 | 2013-01-09 | 东南大学 | 一种识别有效停车泊位占有率中离群数据的方法 |
CN203606960U (zh) * | 2013-05-14 | 2014-05-21 | 上海新物科技有限公司 | 智能停车场系统 |
CN107679654A (zh) * | 2017-09-25 | 2018-02-09 | 同济大学 | 一种停车规模预估控制系统及实现方法 |
CN107895481A (zh) * | 2017-11-21 | 2018-04-10 | 福建工程学院 | 基于浮动车技术的区域道路车流量控制方法 |
CN108039045A (zh) * | 2017-12-14 | 2018-05-15 | 浙江警察学院 | 一种机动车管控方法和系统 |
CN108447273A (zh) * | 2018-03-30 | 2018-08-24 | 合肥城市泊车投资管理有限公司 | 一种基于智能停车系统的剩余车位预测方法 |
CN108734972A (zh) * | 2018-07-16 | 2018-11-02 | 上海世脉信息科技有限公司 | 一种大数据环境下停车场占有率的预测方法 |
Non-Patent Citations (1)
Title |
---|
卢笙,关宏志,宋茂灿,刘瑞远: "《一种简便的停车场特性调查方法——分段式连续观测法》", 《2017世界交通运输大会论文集(下册)中国公路学会会议论文集》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934403A (zh) * | 2019-03-12 | 2019-06-25 | 浙江大学 | 基于数学模型的电动汽车居民区域充电负荷分析预测方法 |
CN111081056A (zh) * | 2019-12-16 | 2020-04-28 | 青岛海信网络科技股份有限公司 | 一种基于大数据智能分析的智慧社区临时停车管理系统 |
CN111429719A (zh) * | 2020-03-20 | 2020-07-17 | 北京工业大学 | 一种利用智能停车场进出数据推算场内车数的方法 |
CN111429719B (zh) * | 2020-03-20 | 2021-07-23 | 北京工业大学 | 一种利用智能停车场进出数据推算场内车数的方法 |
CN115864398A (zh) * | 2023-02-14 | 2023-03-28 | 国网浙江省电力有限公司宁波供电公司 | 一种综合能源分布式管理调度方法及系统 |
CN116704782A (zh) * | 2023-05-09 | 2023-09-05 | 广东云网通信有限公司 | 一种停车路段繁忙程度计算方法、系统、装置及存储介质 |
CN116704782B (zh) * | 2023-05-09 | 2024-06-04 | 广东云网通信有限公司 | 一种停车路段繁忙程度计算方法、系统、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009917A (zh) | 一种分段连续观测的停车场特性调查方法 | |
CN109191830B (zh) | 一种基于视频图像处理的道路拥堵检测方法 | |
CN108550261B (zh) | 基于rfid电子车牌的城市交通od计算方法 | |
CN109272756B (zh) | 一种信控交叉口排队长度估计方法 | |
CN110111592B (zh) | 基于交通信号控制机动态匹配最优信号配时方案的方法 | |
CN105023434B (zh) | 一种高速公路拥堵指数的获取方法 | |
CN109145900A (zh) | 一种基于深度学习的车牌识别方法 | |
CN104599502A (zh) | 一种基于视频监控的车流量统计方法 | |
CN102360525A (zh) | 基于判别分析的快速道路实时交通事故风险预测方法 | |
CN108447265A (zh) | 基于topsis法的公路交通事故黑点路段鉴别方法 | |
CN109920251B (zh) | 一种城市道路交叉口交通组织合理性诊断分析方法及系统 | |
CN104794906A (zh) | 室外停车场出口车辆管理平台 | |
CN111027447B (zh) | 一种基于深度学习的道路溢出实时检测方法 | |
CN106971546A (zh) | 基于公交车gps数据的路段公交车渗透率估计方法 | |
CN110705484A (zh) | 利用行车轨迹识别连续变更车道违法行为的方法 | |
CN103528531A (zh) | 小型车车辆参数的物联网图像智能检测系统 | |
CN101131796A (zh) | 一种道路交通参数检测装置及检测方法 | |
CN110567662B (zh) | 一种基于工程比拟的桥梁短期监测评估方法 | |
CN113436448B (zh) | 一种信号交叉口借道左转车道设计方法及系统 | |
CN102708690A (zh) | 一种基于道路监控视频测量道路噪声的方法 | |
CN103208010B (zh) | 一种基于视觉特征的交通状态量化识别方法 | |
CN104200231B (zh) | 一种高效的交通状态标注方法 | |
CN104750919A (zh) | 一种道路通行能力影响因素识别方法 | |
CN105426871B (zh) | 一种适用于运动行人再识别的相似性度量计算方法 | |
CN112562311A (zh) | 基于gis大数据的工况权重因子获取方法及装置 |
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: 20190712 |