CN110232485B - 一种基于云计算的交通出行分析决策系统 - Google Patents

一种基于云计算的交通出行分析决策系统 Download PDF

Info

Publication number
CN110232485B
CN110232485B CN201910557330.3A CN201910557330A CN110232485B CN 110232485 B CN110232485 B CN 110232485B CN 201910557330 A CN201910557330 A CN 201910557330A CN 110232485 B CN110232485 B CN 110232485B
Authority
CN
China
Prior art keywords
travel
time
path
unit
acquiring
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
CN201910557330.3A
Other languages
English (en)
Other versions
CN110232485A (zh
Inventor
段华斌
邓永清
杨杰
尹向东
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.)
Hunan University of Science and Engineering
Original Assignee
Hunan University of Science and Engineering
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 Hunan University of Science and Engineering filed Critical Hunan University of Science and Engineering
Priority to CN201910557330.3A priority Critical patent/CN110232485B/zh
Publication of CN110232485A publication Critical patent/CN110232485A/zh
Application granted granted Critical
Publication of CN110232485B publication Critical patent/CN110232485B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Automation & Control Theory (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种基于云计算的交通出行分析决策系统，包括出行录入单元、数据解析单元、路径分析模块、地图库、云处理器、显示单元、存储单元、提醒单元、管理单元、出行监控模块和数据重构单元；所述出行录入单元用于用户录入出行信息，出行信息包括出发时间、出发地、目的地和路上时间；路上时间为用户预期在路上的消耗时间，路上时间可不输入，此时路上时间取无穷大；本发明通过出行监控模块，对用户的出行情况进行实时追踪，获取得到用户出行过程中的实时速度和实时时间，之后结合相关规则和方法判定用户是否需要更换出行方式和相应的出行路径，如果需要则利用数据重构单元，重新选择出行方式和对应出行路径。

Description

一种基于云计算的交通出行分析决策系统
技术领域
本发明属于出行分析决策领域，涉及一种云计算技术，具体是一种基于云计算的交通出行分析决策系统。
背景技术
交通出行与人们的生活密不可分，在任何时间均有可能涉及到出行，和相关事宜；而人们出行的方式也多种多样，可供选择的方式也很多；但是随之而来的问题是，当人们刚刚来到一个地方或者对某个城市不熟悉，去一些不熟悉的地方，虽然现在导航软件很强大，但是对于交通出行仅仅是提供相关方案，不会结合用户的自身实际需求提供一种更智能的交通出行辅助决策的系统；
而公开号为CN105844362A的专利申请公开了一种出行决策模型，尤其是涉及一种基于出行链全过程一体化出行综合信息的城市交通综合出行决策模型。包括小汽车出行决策模块、公共交通出行决策模块和P+R出行决策模块。本发明所提供的决策支持模型结合了小汽车出行路径优化、公共交通出行路径优化以及P+R出行路径优化，从而综合性较传统的决策系统更加全面，适用范围更广，实用性更强。同时，本发明技术方案还能够实现出行起始点与出行终止点不在同一路网网络中的出行路径优化；
但是该方案没有基于用户实际需求，来为用户提供智能交通决策和推荐相应路径；同时缺乏在出行过程中的，实时跟踪和及时更新相应的出行策略。为了解决这一技术缺陷，现提出一种技术方案。
发明内容
本发明的目的在于提供一种基于云计算的交通出行分析决策系统。
本发明所要解决的技术问题为：
（1）如何根据用户录入的出行信息，并对其进行处理，得到最短路径；
（2）如何根据用户实际需求，结合用户录入的出行信息，自动推荐用户选择出行方式；
（3）如何对用户的具体出行过程进行监控，并实时跟踪形成新的出行策略。
本发明的目的可以通过以下技术方案实现：
一种基于云计算的交通出行分析决策系统，包括出行录入单元、数据解析单元、路径分析模块、地图库、云处理器、显示单元、存储单元、提醒单元、管理单元、出行监控模块和数据重构单元；
其中，所述出行录入单元用于用户录入出行信息，出行信息包括出发时间、出发地、目的地和路上时间；路上时间为用户预期在路上的消耗时间，路上时间可不输入，此时路上时间取值无穷大；
所述出行录入单元用于将出行信息传输到数据解析单元，所述数据解析单元用于结合地图库对出行信息进行初定处理，数据解析单元还内置有天气同步模块，用于获取天气预报和实时天气；具体处理步骤为：
A、获取到出行信息内的出发时间、出发地、目的地和路上时间；
B、根据出发地和目的地，获取根据该出发地到达该目的地的最短路径，此处可记住导航软件实现；将该最短路径的距离标记为最短距离Z，同时将路上时间标记为Tl；
C、获取到出发时间到未来预设时间之间的时间段的天气预报，将天气预报下雨标记为障碍天气，其余标记为非障碍天气；
D、当最短距离Z小于等于预设距离X1，Z/Tl≤V1，V1为预设值，同时为非障碍天气时，推荐用户选择一类出行，该一类出行指代步行或者借助非机动车出行；并将最短路径和一类出行形成出行推荐信息，并将出行推荐信息传输到云处理器，停止当前步骤；
E、当不满足步骤D中三个条件中任一项时，将出行信息传输到路径分析模块；
其中，所述地图库内还存储有上一周用户所处城市的交通信息；
所述路径分析模块接收数据解析单元传输的出行信息和最短路径以及对应的最短距离Z；所述路径分析模块用于对出行信息和最短路径以及对应的最短距离Z进行最终决策，最终决策具体步骤如下：
S100：获取到出行信息和最短路径以及对应的最短距离Z；
S200：获取到出行信息内的路上时间Tl；
S300：利用公式得到所需到达目的地最低速度Vz=Z/T1；
S400：当Vz≤V2时，此时推荐二类出行，二类出行公交或地铁等公共交通；此处V2>V1；
S500：当Vz>V2时，此时推荐三类出行，三类出行为驾车或者打车等出行方式；
S600：按照步骤S100-S500选择出行方式，并将最短路径和对应出行方式形成出行推荐信息；
所述路径分析模块用于将出行信息传输到云处理器，所述云处理器用于将出行方式传输到显示单元进行实时显示。
进一步地，所述初定处理步骤B中数据解析单元中对于最短路径的具体获取步骤如下：
步骤一：根据出发地和目的地，获取从出发地到达该目的地距离最短的X2条路径，此处可取值为四条路径；
步骤二：任选一条路径；
步骤三：获取到该条路径的全程距离Ql；并自动获取到地图库内的该条路径上的交通数据，评价其阻碍系数，具体评价步骤为：
S1：获取到相对于当下上个星期，该条路径所有的交通数据；
S2：按照时间划分，得到一天的24个时间段Sti，i=1...24，获取得到24个时间，例如St1表示为从零点到凌晨一点的时间段；
S3：获取到上个星期一星期内，每个时间段发生堵车的概率，并将其标记为Dji，i=1...24，且Dji与Sti一一对应；
S4：获取到出发时间，获取到从出发时间到之后预设时间Ts这一时间段的堵车概率，Ts为预设值；当该时间段横跨几个时间段时，将各个时间段概率相加，得到阻碍系数Zx；
步骤四：利用公式Sl=Ql*（1+Zx），计算得到该条路径的参考距离；
步骤五：任选下一路径，重复步骤二-五，得到选取的所有路径的参考距离；
步骤六：将参考距离最短的路径标记为最短路径，对应的参考距离标记为最短距离。
进一步地，所述管理单元用于用户确认出行信息并按照对应出行方式出行；
所述出行监控模块用于实时监控用户的出行，并实时获取用户出行过程中的实时速度和实时时间，并对实时速度和实时时间进行出行数据跟随处理，具体处理步骤为：
SS1：获取到用户的实时速度；
SS2：每间隔预设时间段获取一次该时间段内用户的阶段加速度，得到若干个阶段加速度组Ai，i=1...m；
SS3：获取到阶段加速度小于零的个数，占当前所有阶段加速度总个数的比例，得到缓速占比；
SS4：当缓速占比大于等于X3时，进行步骤SS5-SS8尾段分析，X3为预设值；
SS5：获取前面所有时间段的平均速度，将该平均速度标记为参考平均速度，和剩余路段的距离；
SS6：获取到当前的时间点和出行信息内的出发时间、出发地、目的地和路上时间；根据出发时间和路上时间得到预期到达时间；
SS7：将参考平均速度视为经过剩余路段的距离的平均速度，得到用户到达目的地的时间；
SS8：将用户到达目的地的时间与预期到达时间，当用户到达目的地的时间比预期到达时间晚时生成数据重构信号，否则不执行任何操作；
所述出行监控模块在产生数据重构信号时将数据重构信号传输到数据重构单元，所述数据重构单元接收到数据重构信号时进行重构处理，具体为：
步骤一：将当前的地点视为新的出发地，当下时间为出发时间，不改变原有出行信息内的目的地和预期到达时间；
步骤二：按照数据解析单元和路径分析模块的原理重新对出行信息进行同样处理，得到新的出行推荐信息。
进一步地，所述数据重构单元用于将出行推荐信息返回到云处理器，所述云处理器接收数据重构单元传输的出行推荐信息并将其传输到显示单元进行显示。
进一步地，所述云处理器还用于将出行推荐信息打上时间戳传输到存储单元，所述存储单元接收云处理器传输的带有时间戳的出行推荐信息并进行存储。
本发明的有益效果：
（1）本发明通过数据解析单元中对最短路径进行获取，具体获取原理为根据出行信息内的出发地和目的地，获取从出发地到达该目的地距离最短的X2条路径，此处可取值为四条路径；任选一条路径；获取到该条路径的全程距离Ql；并自动获取到地图库内的该条路径上的交通数据，评价其阻碍系数；之后利用相应的公式计算得到该条路径的参考距离；再任选下一路径，重复之前的步骤，得到选取的所有路径的参考距离；将参考距离最短的路径标记为最短路径；从而得到最短路径；
（2）同时本发明还通过当出行录入单元录入出行信息，之后结合相关方法得到最短路径，对应距离为最短距离，之后利用数据解析单元对最短距离和相关因素进行分析，当最短距离Z小于等于预设距离X1，Z/Tl≤V1，V1为预设值，同时为非障碍天气时，推荐用户选择一类出行；当满足其他条件时对应推荐用户选择二类出行和三类出行；
（3）同时本发明还通过出行监控模块，对用户的出行情况进行实时追踪，获取得到用户出行过程中的实时速度和实时时间，之后结合相关规则和方法判定用户是否需要更换出行方式和相应的出行路径，如果需要则利用数据重构单元，重新选择出行方式和对应出行路径；本发明简单有效，且易于实用。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的系统框图。
具体实施方式
如图1所示，一种基于云计算的交通出行分析决策系统，包括出行录入单元、数据解析单元、路径分析模块、地图库、云处理器、显示单元、存储单元、提醒单元、管理单元、出行监控模块和数据重构单元；
其中，所述出行录入单元用于用户录入出行信息，出行信息包括出发时间、出发地、目的地和路上时间；路上时间为用户预期在路上的消耗时间，路上时间可不输入，表示时间随意，此时路上时间取值无穷大；
所述出行录入单元用于将出行信息传输到数据解析单元，所述数据解析单元用于结合地图库对出行信息进行初定处理，数据解析单元还内置有天气同步模块，用于获取天气预报和实时天气；具体处理步骤为：
A、获取到出行信息内的出发时间、出发地、目的地和路上时间；
B、根据出发地和目的地，获取根据该出发地到达该目的地的最短路径，此处可记住导航软件实现；将该最短路径的距离标记为最短距离Z，同时将路上时间标记为Tl；
C、获取到出发时间到未来预设时间之间的时间段的天气预报，将天气预报下雨标记为障碍天气，其余标记为非障碍天气；
D、当最短距离Z小于等于预设距离X1，Z/Tl≤V1，V1为预设值，同时为非障碍天气时，推荐用户选择一类出行，该一类出行指代步行或者借助非机动车出行；并将最短路径和一类出行形成出行推荐信息，并将出行推荐信息传输到云处理器，停止当前步骤；
E、当不满足步骤D中三个条件中任一项时，将出行信息传输到路径分析模块；
其中，所述地图库内还存储有上一周用户所处城市的交通信息，交通信息具体为该城市各个道路的堵车次数和对应单次堵车的时间，单次堵车次数标定为用户在某一路径上的实时速度低于预设值，且超过该预设值的时间低于预设时间；步骤B中数据解析单元中对于最短路径的具体获取步骤如下：
步骤一：根据出发地和目的地，获取从出发地到达该目的地距离最短的X2条路径，此处可取值为四条路径；
步骤二：任选一条路径；
步骤三：获取到该条路径的全程距离Ql；并自动获取到地图库内的该条路径上的交通数据，评价其阻碍系数，具体评价步骤为：
S1：获取到相对于当下上个星期，该条路径所有的交通数据；
S2：按照时间划分，得到一天的24个时间段Sti，i=1...24，获取得到24个时间，例如St1表示为从零点到凌晨一点的时间段；
S3：获取到上个星期一星期内，每个时间段发生堵车的概率，并将其标记为Dji，i=1...24，且Dji与Sti一一对应；
S4：获取到出发时间，获取到从出发时间到之后预设时间Ts这一时间段的堵车概率，Ts为预设值；当该时间段横跨几个时间段时，将各个时间段概率相加，得到阻碍系数Zx；
步骤四：利用公式Sl=Ql*（1+Zx），计算得到该条路径的参考距离；
步骤五：任选下一路径，重复步骤二-五，得到选取的所有路径的参考距离；
步骤六：将参考距离最短的路径标记为最短路径，对应的参考距离标记为最短距离；
所述路径分析模块接收数据解析单元传输的出行信息和最短路径以及对应的最短距离Z；所述路径分析模块用于对出行信息和最短路径以及对应的最短距离Z进行最终决策，最终决策具体步骤如下：
S100：获取到出行信息和最短路径以及对应的最短距离Z；
S200：获取到出行信息内的路上时间Tl；
S300：利用公式得到所需到达目的地最低速度Vz=Z/T1；
S400：当Vz≤V2时，此时推荐二类出行，二类出行公交或地铁等公共交通；此处V2>V1；
S500：当Vz>V2时，此时推荐三类出行，三类出行为驾车或者打车等出行方式；
S600：按照步骤S100-S500选择出行方式，并将最短路径和对应出行方式形成出行推荐信息；
所述路径分析模块用于将出行信息传输到云处理器，所述云处理器用于将出行方式传输到显示单元进行实时显示；
所述管理单元用于确认出行信息并按照对应出行方式出行；
所述出行监控模块用于实时监控用户的出行，并实时获取用户出行过程中的实时速度和实时时间，并对实时速度和实时时间进行出行数据跟随处理，具体处理步骤为：
SS1：获取到用户的实时速度；
SS2：每间隔预设时间段获取一次该时间段内用户的阶段加速度，得到若干个阶段加速度组Ai，i=1...m；
SS3：获取到阶段加速度小于零的个数，占当前所有阶段加速度总个数的比例，得到缓速占比；
SS4：当缓速占比大于等于X3时，进行步骤SS5-SS8尾段分析，X3为预设值；
SS5：获取前面所有时间段的平均速度，将该平均速度标记为参考平均速度，和剩余路段的距离；
SS6：获取到当前的时间点和出行信息内的出发时间、出发地、目的地和路上时间；根据出发时间和路上时间得到预期到达时间；
SS7：将参考平均速度视为经过剩余路段的距离的平均速度，得到用户到达目的地的时间；
SS8：将用户到达目的地的时间与预期到达时间，当用户到达目的地的时间比预期到达时间晚时生成数据重构信号，否则不执行任何操作；
所述出行监控模块在产生数据重构信号时将数据重构信号传输到数据重构单元，所述数据重构单元接收到数据重构信号时进行重构处理，具体为：
步骤一：将当前的地点视为新的出发地，当下时间为出发时间，不改变原有出行信息内的目的地和预期到达时间；
步骤二：按照数据解析单元和路径分析模块的原理重新对出行信息进行同样处理，得到新的出行推荐信息；
所述数据重构单元用于将出行推荐信息返回到云处理器，所述云处理器接收数据重构单元传输的出行推荐信息并将其传输到显示单元进行显示；
所述云处理器还用于将出行推荐信息打上时间戳传输到存储单元，所述存储单元接收云处理器传输的带有时间戳的出行推荐信息并进行存储。
本发明通过数据解析单元中对最短路径进行获取，具体获取原理为根据出行信息内的出发地和目的地，获取从出发地到达该目的地距离最短的X2条路径，此处可取值为四条路径；任选一条路径；获取到该条路径的全程距离Ql；并自动获取到地图库内的该条路径上的交通数据，评价其阻碍系数；之后利用相应的公式计算得到该条路径的参考距离；再任选下一路径，重复之前的步骤，得到选取的所有路径的参考距离；将参考距离最短的路径标记为最短路径；从而得到最短路径；
同时本发明还通过当出行录入单元录入出行信息，之后结合相关方法得到最短路径，对应距离为最短距离，之后利用数据解析单元对最短距离和相关因素进行分析，当最短距离Z小于等于预设距离X1，Z/Tl≤V1，V1为预设值，同时为非障碍天气时，推荐用户选择一类出行；当满足其他条件时对应推荐用户选择二类出行和三类出行；
同时本发明还通过出行监控模块，对用户的出行情况进行实时追踪，获取得到用户出行过程中的实时速度和实时时间，之后结合相关规则和方法判定用户是否需要更换出行方式和相应的出行路径，如果需要则利用数据重构单元，重新选择出行方式和对应出行路径；本发明简单有效，且易于实用。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (4)

1.一种基于云计算的交通出行分析决策系统，其特征在于，包括出行录入单元、数据解析单元、路径分析模块、地图库、云处理器、显示单元、存储单元、提醒单元、管理单元、出行监控模块和数据重构单元；
其中，所述出行录入单元用于用户录入出行信息，出行信息包括出发时间、出发地、目的地和路上时间；路上时间为用户预期在路上的消耗时间，路上时间可不输入，此时路上时间取值无穷大；
所述出行录入单元用于将出行信息传输到数据解析单元，所述数据解析单元用于结合地图库对出行信息进行初定处理，数据解析单元还内置有天气同步模块，用于获取天气预报和实时天气；具体处理步骤为：
A、获取到出行信息内的出发时间、出发地、目的地和路上时间；
B、根据出发地和目的地，获取根据该出发地到达该目的地的最短路径，此处可记住导航软件实现；将该最短路径的距离标记为最短距离Z，同时将路上时间标记为Tl；
C、获取到出发时间到未来预设时间之间的时间段的天气预报，将天气预报下雨标记为障碍天气，其余标记为非障碍天气；
D、当最短距离Z小于等于预设距离X1，Z/Tl≤V1，V1为预设值，同时为非障碍天气时，推荐用户选择一类出行，该一类出行指代步行或者借助非机动车出行；并将最短路径和一类出行形成出行推荐信息，并将出行推荐信息传输到云处理器，停止当前步骤；
E、当不满足步骤D中三个条件中任一项时，将出行信息传输到路径分析模块；
其中，所述地图库内还存储有上一周用户所处城市的交通信息；
所述路径分析模块接收数据解析单元传输的出行信息和最短路径以及对应的最短距离Z；所述路径分析模块用于对出行信息和最短路径以及对应的最短距离Z进行最终决策，最终决策具体步骤如下：
S100：获取到出行信息和最短路径以及对应的最短距离Z；
S200：获取到出行信息内的路上时间Tl；
S300：利用公式得到所需到达目的地最低速度Vz=Z/T1；
S400：当Vz≤V2时，此时推荐二类出行，二类出行公交或地铁等公共交通；此处V2>V1；
S500：当Vz>V2时，此时推荐三类出行，三类出行为驾车或者打车等出行方式；
S600：按照步骤S100-S500选择出行方式，并将最短路径和对应出行方式形成出行推荐信息；
所述路径分析模块用于将出行信息传输到云处理器，所述云处理器用于将出行方式传输到显示单元进行实时显示；
所述初定处理步骤B中数据解析单元中对于最短路径的具体获取步骤如下：
步骤一：根据出发地和目的地，获取从出发地到达该目的地距离最短的X2条路径，此处可取值为四条路径；
步骤二：任选一条路径；
步骤三：获取到该条路径的全程距离Ql；并自动获取到地图库内的该条路径上的交通数据，评价其阻碍系数，具体评价步骤为：
S1：获取到相对于当下上个星期，该条路径所有的交通数据；
S2：按照时间划分，得到一天的24个时间段Sti，i=1...24，获取得到24个时间，例如St1表示为从零点到凌晨一点的时间段；
S3：获取到上个星期一星期内，每个时间段发生堵车的概率，并将其标记为Dji，i=1...24，且Dji与Sti一一对应；
S4：获取到出发时间，获取到从出发时间到之后预设时间Ts这一时间段的堵车概率，Ts为预设值；当该时间段横跨几个时间段时，将各个时间段概率相加，得到阻碍系数Zx；
步骤四：利用公式Sl=Ql*（1+Zx），计算得到该条路径的参考距离；
步骤五：任选下一路径，重复步骤二-五，得到选取的所有路径的参考距离；
步骤六：将参考距离最短的路径标记为最短路径，对应的参考距离标记为最短距离。
2.根据权利要求1所述的一种基于云计算的交通出行分析决策系统，其特征在于，所述管理单元用于用户确认出行信息并按照对应出行方式出行；
所述出行监控模块用于实时监控用户的出行，并实时获取用户出行过程中的实时速度和实时时间，并对实时速度和实时时间进行出行数据跟随处理，具体处理步骤为：
SS1：获取到用户的实时速度；
SS2：每间隔预设时间段获取一次该时间段内用户的阶段加速度，得到若干个阶段加速度组Ai，i=1...m；
SS3：获取到阶段加速度小于零的个数，占当前所有阶段加速度总个数的比例，得到缓速占比；
SS4：当缓速占比大于等于X3时，进行步骤SS5-SS8尾段分析，X3为预设值；
SS5：获取前面所有时间段的平均速度，将该平均速度标记为参考平均速度，和剩余路段的距离；
SS6：获取到当前的时间点和出行信息内的出发时间、出发地、目的地和路上时间；根据出发时间和路上时间得到预期到达时间；
SS7：将参考平均速度视为经过剩余路段的距离的平均速度，得到用户到达目的地的时间；
SS8：将用户到达目的地的时间与预期到达时间，当用户到达目的地的时间比预期到达时间晚时生成数据重构信号，否则不执行任何操作；
所述出行监控模块在产生数据重构信号时将数据重构信号传输到数据重构单元，所述数据重构单元接收到数据重构信号时进行重构处理，具体为：
步骤一：将当前的地点视为新的出发地，当下时间为出发时间，不改变原有出行信息内的目的地和预期到达时间；
步骤二：按照数据解析单元和路径分析模块的原理重新对出行信息进行同样处理，得到新的出行推荐信息。
3.根据权利要求1所述的一种基于云计算的交通出行分析决策系统，其特征在于，所述数据重构单元用于将出行推荐信息返回到云处理器，所述云处理器接收数据重构单元传输的出行推荐信息并将其传输到显示单元进行显示。
4.根据权利要求1所述的一种基于云计算的交通出行分析决策系统，其特征在于，所述云处理器还用于将出行推荐信息打上时间戳传输到存储单元，所述存储单元接收云处理器传输的带有时间戳的出行推荐信息并进行存储。
CN201910557330.3A 2019-06-25 2019-06-25 一种基于云计算的交通出行分析决策系统 Active CN110232485B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910557330.3A CN110232485B (zh) 2019-06-25 2019-06-25 一种基于云计算的交通出行分析决策系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910557330.3A CN110232485B (zh) 2019-06-25 2019-06-25 一种基于云计算的交通出行分析决策系统

Publications (2)

Publication Number Publication Date
CN110232485A CN110232485A (zh) 2019-09-13
CN110232485B true CN110232485B (zh) 2023-04-18

Family

ID=67857207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910557330.3A Active CN110232485B (zh) 2019-06-25 2019-06-25 一种基于云计算的交通出行分析决策系统

Country Status (1)

Country Link
CN (1) CN110232485B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101566482A (zh) * 2009-06-15 2009-10-28 江苏新科软件有限公司 行人用导航装置
CN102645220A (zh) * 2012-05-21 2012-08-22 诚迈科技（南京）有限公司 智能出行方式实时规划推荐方法
CN103106787A (zh) * 2012-12-21 2013-05-15 周晓东 一种前瞻性解决城市交通拥堵的系统
CN105466440A (zh) * 2015-11-18 2016-04-06 爱国者电子科技有限公司 利用天气预报信息优化路径的导航装置、系统及方法
CN105973249A (zh) * 2016-04-21 2016-09-28 深圳天珑无线科技有限公司 智能出行方法和系统
CN107702729A (zh) * 2017-09-06 2018-02-16 东南大学 一种考虑预期路况的车辆导航方法及系统
CN107727108A (zh) * 2017-09-30 2018-02-23 百度在线网络技术（北京）有限公司 公共交通出行路线的推荐方法、装置及计算机可读介质
CN108051010A (zh) * 2017-10-27 2018-05-18 维沃移动通信有限公司 确定到达目的地的时间的方法及移动终端
CN108064025A (zh) * 2017-11-23 2018-05-22 努比亚技术有限公司 一种路线规划方法、移动终端以及计算机可读存储介质
CN109598372A (zh) * 2018-11-21 2019-04-09 山东师范大学 基于绿色共享交通的出行方案规划方法和共享交通系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101566482A (zh) * 2009-06-15 2009-10-28 江苏新科软件有限公司 行人用导航装置
CN102645220A (zh) * 2012-05-21 2012-08-22 诚迈科技（南京）有限公司 智能出行方式实时规划推荐方法
CN103106787A (zh) * 2012-12-21 2013-05-15 周晓东 一种前瞻性解决城市交通拥堵的系统
CN105466440A (zh) * 2015-11-18 2016-04-06 爱国者电子科技有限公司 利用天气预报信息优化路径的导航装置、系统及方法
CN105973249A (zh) * 2016-04-21 2016-09-28 深圳天珑无线科技有限公司 智能出行方法和系统
CN107702729A (zh) * 2017-09-06 2018-02-16 东南大学 一种考虑预期路况的车辆导航方法及系统
CN107727108A (zh) * 2017-09-30 2018-02-23 百度在线网络技术（北京）有限公司 公共交通出行路线的推荐方法、装置及计算机可读介质
CN108051010A (zh) * 2017-10-27 2018-05-18 维沃移动通信有限公司 确定到达目的地的时间的方法及移动终端
CN108064025A (zh) * 2017-11-23 2018-05-22 努比亚技术有限公司 一种路线规划方法、移动终端以及计算机可读存储介质
CN109598372A (zh) * 2018-11-21 2019-04-09 山东师范大学 基于绿色共享交通的出行方案规划方法和共享交通系统

Also Published As

Publication number Publication date
CN110232485A (zh) 2019-09-13

Similar Documents

Publication Publication Date Title
Rahman et al. Analysis of bus travel time distributions for varying horizons and real-time applications
Khattak et al. Stated preferences for investigating commuters' diversion propensity
US9536146B2 (en) Determine spatiotemporal causal interactions in data
CN102297700B (zh) 用于时间相关的路线计划的方法和导航装置
Lee et al. Robust accessibility: Measuring accessibility based on travelers' heterogeneous strategies for managing travel time uncertainty
CN113256987B (zh) 基于多源数据融合的居民出行链生成方法及共乘查询方法
US7706964B2 (en) Inferring road speeds for context-sensitive routing
Nielsen et al. Relevance of detailed transfer attributes in large-scale multimodal route choice models for metropolitan public transport passengers
Khattak et al. Effect of traffic information on commuters' propensity to change route and departure time
CN116862325A (zh) 一种城市轨道交通乘客出行链推断方法及系统
Carrion et al. Value of reliability: high occupancy toll lanes, general purpose lanes, and arterials
Lahoorpoor et al. The transit travel time machine: comparing three different tools for travel time estimation
Parkany et al. Modeling stated and revealed route choice: consideration of consistency, diversion, and attitudinal variables
CN110232485B (zh) 一种基于云计算的交通出行分析决策系统
Ahmed et al. Evaluation of accuracy of advanced traveler information and commuter behavior in a developing country
Kucirek Comparison between MATSIM & EMME: Developing a dynamic, activity-based microsimulation transit assignment model for Toronto
Faizrahnemoon Real-data modelling of transportation networks
Cingel et al. Modal split analysis by best-worst method and multinominal logit model
CN111931968A (zh) 一种应用手机gps数据来优化公共自行车站点布局的方法
CN112344957B (zh) 出行距离估算方法和系统
Ashwini et al. Analyzing Travel Time Reliability of a Bus Route in a Limited Data Set Scenario: A Case Study
Parida et al. Transit-Oriented Development (TOD) as a Sustainable Transport Strategy for Metropolitan Cities
Jung Enhanced Transit Ridership Forecasting Using Automatic Passenger Counting Data
Xie et al. Data-driven identification and analysis of passenger riding paths in megacity metro system
Rahmani et al. GPS-based data driven modeling of ambulance travel times: The case of Žilina region

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