CN110428612B - 车辆管控方法、装置、计算机设备和存储介质 - Google Patents

车辆管控方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110428612B
CN110428612B CN201910605192.1A CN201910605192A CN110428612B CN 110428612 B CN110428612 B CN 110428612B CN 201910605192 A CN201910605192 A CN 201910605192A CN 110428612 B CN110428612 B CN 110428612B
Authority
CN
China
Prior art keywords
vehicle
time
traffic flow
gate
predicted
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
CN201910605192.1A
Other languages
English (en)
Other versions
CN110428612A (zh
Inventor
唐运亮
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.)
Ping An International Smart City Technology Co Ltd
Original Assignee
Ping An International Smart City Technology Co Ltd
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 Ping An International Smart City Technology Co Ltd filed Critical Ping An International Smart City Technology Co Ltd
Priority to CN201910605192.1A priority Critical patent/CN110428612B/zh
Publication of CN110428612A publication Critical patent/CN110428612A/zh
Application granted granted Critical
Publication of CN110428612B publication Critical patent/CN110428612B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及大数据领域，尤其涉及一种车辆管控方法、装置、计算机设备和存储介质，包括：从车流量情况的历史数据中抽取出车流量高峰时间段和拥堵路段；建立一车流量管控模型，在路径上设立数个车流量管控的卡口；获取预进入拥堵路段车辆的信息，发送所述卡口的位置信息至所述预进入拥堵路段车辆的车载终端；接收预约通过所述卡口的时间信息，将所述时间信息入参到所述车流量管控模型后，得到所述高峰时间段内预通过卡口的车流量；若在所述高峰时间段内，任一所述卡口处预通过的车流量大于预设的车流量阈值，则发送最优行驶方案至车载终端。本申请有效解决了景区车辆拥堵的问题。

Description

车辆管控方法、装置、计算机设备和存储介质
技术领域
本申请涉及数据分析技术领域，尤其涉及一种车辆管控方法、装置、计算机设备和存储介质。
背景技术
随着国民生活水平的提高，旅游成为人们节假日的生活方式之一。但是，一些热门景区却在节假日中时长出现交通拥堵的问题。目前，对于热门景区、节假日重点路段出现的拥堵问题，基本上都是交警部门临时安排强制措施来疏导车辆，比如在重要的路口设置路障，或提示车主绕行。
但是，这些方式缺少事先对拥堵路段进行有效的合理限流，往往只是通过实时的路况信息进行管控。然而，根据实时路况进行拥堵治理存在着滞后性，不能及时对景区车流进行合理疏导，仍然会导致景区出现大量拥堵情况发生。
发明内容
基于此，针对目前根据实时路况进行拥堵治理存在着滞后性，不能及时对景区车流进行合理疏导的问题，提供一种车辆管控方法、装置、计算机设备和存储介质。
一种车辆管控方法，包括如下步骤：
获取拥堵路段在预设时间的历史车辆容量，根据所述历史车辆容量，计算得到所述拥堵路段在所述预设时间的历史车辆密度；
以所述历史车辆密度和所述预设时间为参数，构建车流量管控模型，其中，所述拥堵路段包括景区路段、高速公路路段和市区道路路段；
获取所述拥堵路段的起点实时车流量和终点实时车流量，将所述起点实时车流量和所述终点实时车流量做差，得到实时车流量变化值，根据所述实时车流量变化值，设立数个车流量监控的卡口；
接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，得到所述预计时间对应的预测卡口车辆密度；
若任一所述预测卡口车辆密度大于预设的车辆密度阈值，则发送重新选择出行时间指令至所述车载终端。
在其中一个可能的实施例中，所述根据所述历史车辆容量，计算得到所述拥堵路段在所述时间的历史车辆密度，包括：
根据预设的车辆移动速度、预设的路段长度和所述历史车辆容量，计算得到所述拥堵路段在所述时间的历史车辆密度，计算公式如下:
Figure GDA0002946087080000021
其中A表示所述历史车辆容量，V表示预设的车辆移动速度，
Figure GDA0002946087080000022
表示预设的路段长度，k表示历史车辆密度。
在其中一个可能的实施例中，所述接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，得到所述预计时间对应的预测卡口车辆密度之前，所述方法还包括：
获取所述预进入拥堵路段的车辆信息，从车辆管理数据库中抽取出所述预进入拥堵路段的车辆信息对应的车辆照片；
提取所述车辆照片的特征点，将所述车辆照片的特征点与所述预进入拥堵路段的车辆信息中的车型信息进行比对；
若一致则发送所述卡口的位置信息至所述车载终端，否则标记预进入拥堵路段的车辆为问题车辆。
在其中一个可能的实施例中，所述接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，得到所述预计时间对应的预测卡口车辆密度，包括：
接收所述车载终端预约通过所述卡口的预计时间，将所述预计时间和所述车辆容量入参到所述车流量管控模型后，得到所述预计时间对应的初始卡口车辆密度；
将所述初始卡口车辆密度入参到误差修正模型中进行修正，得到所述预计时间对应的预测卡口车辆密度。
在其中一个可能的实施例中，所述若任一所述预测卡口车辆密度大于预设的车辆密度阈值，则发送重新选择出行时间指令至所述车载终端之后，所述方法还包括：
接收所述车载终端重新选择的出行时间，将所述重新选择的出行时间入参到所述车流量管控模型，得到各个所述卡口的新车辆密度；
若所有所述卡口的新车辆密度均不大于所述车辆密度阈值，则发送允许通过指令至所述车载终端，否则，应用所述车辆流量管控模型得到推荐时间，发送推荐时间至所述车载终端。
一种车辆管控装置，包括如下模块：
模型建立模块，设置为获取拥堵路段在预设时间的历史车辆容量，根据所述历史车辆容量，计算得到所述拥堵路段在所述预设时间的历史车辆密度；以所述历史车辆密度和所述预设时间为参数，构建车流量管控模型，其中，所述拥堵路段包括景区路段、高速公路路段和市区道路路段；
卡口设立模块，设置为获取所述拥堵路段的起点实时车流量和终点实时车流量，将所述起点实时车流量和所述终点实时车流量做差，得到实时车流量变化值，根据所述实时车流量变化值，设立数个车流量监控的卡口；
实时监控模块，设置为接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，得到所述预计时间对应的预测卡口车辆密度；
若任一所述预测卡口车辆密度大于预设的车辆密度阈值，则发送重新选择出行时间指令至所述车载终端。
在其中一个可能的实施例中，所述实时监控模块，还用于：
获取所述预进入拥堵路段的车辆信息，从车辆管理数据库中抽取出所述预进入拥堵路段的车辆信息对应的车辆照片；
提取所述车辆照片的特征点，将所述车辆照片的特征点与所述预进入拥堵路段的车辆信息中的车型信息进行比对；
若一致则发送所述卡口的位置信息至所述车载终端，否则标记预进入拥堵路段的车辆为问题车辆。
在其中一个可能的实施例中，所述实时监控模块，还用于：
接收所述车载终端预约通过所述卡口的预计时间，将所述预计时间和所述车辆容量入参到所述车流量管控模型后，得到所述预计时间对应的初始卡口车辆密度；
将所述初始卡口车辆密度入参到误差修正模型中进行修正，得到所述预计时间对应的预测卡口车辆密度。
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述车辆管控方法的步骤。
一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述车辆管控方法的步骤。
与现有机制相比，本申请通过对景区路段历史数据进行有效分析，建立车流量管控模型，针对不同路段的车辆密度设立卡口，从而及时有效的对景区车流进行疏导，使景区道路的畅通。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。
图1为本申请在一个实施例中的一种车辆管控方法的整体流程图；
图2为本申请在一个实施例中的一种车辆管控方法中的车流预测过程示意图；
图3为本申请在一个实施例中的一种车辆管控装置的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
图1为本申请在一个实施例中的一种车辆管控方法的整体流程图，一种车辆管控方法，包括以下步骤：
S1、获取拥堵路段在预设时间的历史车辆容量，根据所述历史车辆容量，计算得到所述拥堵路段在所述预设时间的历史车辆密度；以所述历史车辆密度和所述预设时间为参数，构建车流量管控模型，其中，所述拥堵路段包括景区路段、高速公路路段和市区道路路段；
具体的，本步骤中的车辆容量通常由根据拥堵路段的道路宽度决定的，车辆容量的数值是在道路设计时所规定的。比如拥堵路段A的道路宽度为20m，车辆容量为200量，拥堵路段B的道路宽度为10m，则车辆容量为100量。
本步骤中的拥堵路段可以是景区路段，高速公路路段或者市区路段。
其中，拥堵路段可以通过对不同路段车流量历史数据进行统计后得到，即某一路段的车流量大于预设的车流量阈值，则该路段为拥堵路段。
在建立车流量管控模型时，可以采用多阈值控制法，即在所述车流量管控模型中存在着多个阈值，某一个参数超过其中一个阈值，则需要对车流量进行管控。在本步骤中，车流量管控模型可以采用动态算法进行设置，即把可以将测试时间段的起始时间和终止时间作为两个参数，把拥堵路段起点处的车辆密度和拥堵路段终点处的车辆密度作为另外2个参数，然后应用递归方法进行最优化求解得到拥堵路段的车流量管控模型。
其中，可以根据车辆移动速度，路段长度和车辆容量之间的关系，计算后得到所述车辆密度，计算公式如下:
Figure GDA0002946087080000061
其中A表示所述历史车辆容量，V表示预设的车辆移动速度，
Figure GDA0002946087080000062
表示预设的路段长度，k表示历史车辆密度。
S2、获取所述拥堵路段的起点实时车辆密度和终点实时车辆密度，将所述起点实时车辆密度和所述终点实时车辆密度做差，得到实时车辆密度变化值，根据所述实时车辆密度变化值，设立数个车流量监控的卡口；
具体的，卡口的设立是根据实时车流量变化值确定的，比如一个路段的车流量变化值为500，路段长度为10000m，则应用路段长度10000除以车流量变化值500得到20，那么则需在这个路段设立19个卡口，任意两个相邻卡口之间的距离间隔为500m。
根据上述方案设定的卡口需要采用动态算法对卡口位置进行优化，即适当改变相邻卡口之间的距离值。其中，动态算法涉及多阶段决策过程的最优化。它把已知问题分为许多阶段或许多子问题，然后按顺序求解各个子问题。在每种情况下，列出各种可能的局部解，然后根据某些条件，从局部解中挑选出那些有可能产生最优结果的解。
S3、接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，得到所述预计时间对应的预测卡口车辆密度；若任一所述预测卡口车辆密度大于预设的车辆密度阈值，则发送重新选择出行时间指令至所述车载终端。
具体的，车辆密度阈值是根据拥堵路段的车辆容量确定的，比如拥堵路段的车辆容量为1000，那么车辆密度阈值为1000*0.9＝900。其中，0.9为调节参数，可以根据不同拥堵路段的实际情况进行调整，取值范围为0.7～0.95。
将多个驾驶者所在车载终端预约的时间信息入参到车流量管控模型中后，通过车流量管控模型进行计算，可以得到通过不同卡口的车辆密度。具体可以采用将驾驶者预约的时间信息进行分段聚类的方式对卡口的车辆密度进行预测计算。比如，A驾驶者所在车载终端预约的时间为12:00，B驾驶者所在车载终端预约的时间为12:10，则可以将A和B聚类为同一时间段，然后将12:00入参到车流量管控模型进行趋势预测，得到卡口的车辆密度。
其中，重新选择出行时间指令中的出行时间根据车流量管控模型计算得到的形式方案，即车流量不大于预设的车辆密度阈值，然后进行迭代或者递归求解，得到拥堵路段上平均车流量最少的时间段，将这个时间段和对应的路径发送到所述车载终端。
本实施例，通过构建车流量管控模型，并利用车流量管控模型在道路上设置卡口，从而避免了高峰时间段景区车辆拥堵的问题。
在一个实施例中，所述接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，得到所述预计时间对应的预测卡口车辆密度之前，所述方法还包括：
获取所述预进入拥堵路段的车辆信息，从车辆管理数据库中抽取出所述预进入拥堵路段的车辆信息对应的车辆照片；
具体的，车辆驾驶者上传的车辆信息包括车辆照片，车主信息和牌照号。以所述车主信息或所述牌照号作为查询条件，遍历车辆管理数据库，抽取出对应的车辆照片。
提取所述车辆照片的特征点，将所述车辆照片的特征点与所述预进入拥堵路段的车辆信息中的车型信息进行比对；若一致则发送所述卡口的位置信息至所述车载终端，否则标记预进入拥堵路段的车辆为问题车辆。
具体的，从所述车辆照片中提取出车辆的颜色信息、轮廓信息和车辆的拍照号，以及车辆的品牌。其中车辆的颜色和轮廓信息可以采用像素点识别的方式，即通过像素点识别技术将车辆的轮廓从车辆照片中提取出来，然后对车辆的颜色进行分析。对于车辆牌照可以采用OCR字符识别的方式进行识别。获取车辆应有的拍照号码。
本实施例，通过对车辆信息进行核验，便于对套牌车辆进行预约的情况进行监管。
图3为本申请在一个实施例中的一种车辆管控方法中的车流预测过程示意图，如图所示，所述接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，得到所述预计时间对应的预测卡口车辆密度，包括：
S31、接收所述车载终端预约通过所述卡口的预计时间，将所述预计时间和所述车辆容量入参到所述车流量管控模型后，得到所述预计时间对应的初始卡口车辆密度；
具体的，车载终端可以进预约通过其中一个卡口的时间信息，将时间信息和对应的所有预约车辆数入参到所述车流量控制模型进行计算后，就可以得到高峰时间段内预通过卡口的车辆密度。
S32、将所述初始卡口车辆密度入参到误差修正模型中进行修正，得到所述预计时间对应的预测卡口车辆密度。
其中，误差修正模型可以采用Engle-Granger两步法，由协整与误差修正模型的的关系，可以得到误差修正模型建立的E-G两步法：第一步，进行协整回归(OLS法)，检验变量间的协整关系，估计协整向量(长期均衡关系参数)；第二步，若协整性存在，则以第一步求到的残差作为非均衡误差项加入到误差修正模型中，并用OLS法估计相应参数。
本实施例，通过误差修正模型，使高峰时间段的车流量数据更加准确。
在一个实施例中，所述若任一所述卡口车辆密度大于预设的车辆密度阈值，则发送重新选择出行时间指令至所述车载终端之后，所述方法还包括：
接收所述车载终端重新选择的出行时间，将所述重新选择的出行时间入参到所述车流量管控模型，得到各个所述卡口的新车辆密度；
具体的，在进行所述卡口的预通过的车流量统计时需要进行动态统计，即因为车辆预约情况会随时发生改变。即需要根据定时对预约通过卡口的车流量情况进行实时统计。通常可以设定一个数据更新的时间间隔，比如5s，即每隔5s就会更新一下车流量的数据。
若所有所述卡口的新车辆密度均不大于所述车辆密度阈值，则发送允许通过指令至所述车载终端，否则，应用所述车辆流量管控模型得到推荐时间，发送推荐时间至所述车载终端。
本实施例可以实时对卡口车流量进行调控，从而提升卡口对车流量的限制力度。
上述图1至图2中任一所对应的实施例或实施方式中所提及的技术特征也同样适用于本申请中的图3所对应的实施例，后续类似之处不再赘述。
以上对本申请中一种车辆管控方法进行说明，以下对执行上述车辆管控装置进行描述。
如图3所示的一种车辆管控装置的结构图，其可应用于车辆管控。本申请实施例中的车辆管控装置能够实现对应于上述图1所对应的实施例中所执行的车辆管控方法的步骤。车辆管控装置实现的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，所述模块可以是软件和/或硬件。
一种车辆管控装置，如图3所示，包括如下模块：
模型建立模块，设置为获取拥堵路段在预设时间的历史车辆容量，根据所述历史车辆容量，计算得到所述拥堵路段在所述预设时间的历史车辆密度；以所述历史车辆密度和所述预设时间为参数，构建车流量管控模型，其中，所述拥堵路段包括景区路段、高速公路路段和市区道路路段；
卡口设立模块，设置为获取所述拥堵路段的起点实时车辆密度和终点实时车辆密度，将所述起点实时车辆密度和所述终点实时车辆密度做差，得到实时车辆密度变化值，根据所述实时车辆密度变化值，设立数个车流量监控的卡口；
实时监控模块，设置为接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，得到所述预计时间对应的预测卡口车辆密度；
若任一所述预测卡口车辆密度大于预设的车辆密度阈值，则发送重新选择出行时间指令至所述车载终端。
在一个实施例中，所述实时监控模块，还用于：
获取所述预进入拥堵路段的车辆信息，从车辆管理数据库中抽取出所述预进入拥堵路段的车辆信息对应的车辆照片；
提取所述车辆照片的特征点，将所述车辆照片的特征点与所述预进入拥堵路段的车辆信息中的车型信息进行比对；
若一致则发送所述卡口的位置信息至所述车载终端，否则标记预进入拥堵路段的车辆为问题车辆。
在一个实施例中，所述实时监控模块，还用于：
接收所述车载终端预约通过所述卡口的预计时间，将所述预计时间和所述车辆容量入参到所述车流量管控模型后，得到所述预计时间对应的初始卡口车辆密度；
将所述初始卡口车辆密度入参到误差修正模型中进行修正，得到所述预计时间对应的预测卡口车辆密度。
在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述车辆管控方法的步骤。
在一个实施例中，提出了一种存储有计算机可读指令的存储介质，该计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述各实施例中的所述车辆管控方法的步骤。其中，所述存储介质可以为非易失性存储介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请一些示例性实施例，其中描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种车辆管控方法，其特征在于，包括：
获取拥堵路段在预设时间的历史车辆容量，根据所述历史车辆容量，和预设的车辆移动速度、预设的路段长度，计算得到所述拥堵路段在所述预设时间的历史车辆密度，计算公式如下:
Figure FDA0002957318700000011
其中A表示所述历史车辆容量，V表示预设的车辆移动速度，
Figure FDA0002957318700000012
表示预设的路段长度，k表示历史车辆密度；
以所述历史车辆密度和所述预设时间为参数，构建车流量管控模型，其中，所述拥堵路段包括景区路段、高速公路路段和市区道路路段；
获取所述拥堵路段的起点实时车流量和终点实时车流量，将所述起点实时车流量和所述终点实时车流量做差，得到实时车流量变化值，根据所述实时车流量变化值，设立数个车流量监控的卡口，其中，通过动态算法对所述卡口的卡口位置进行优化，即适当改变相邻卡口之间的距离值；
接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，采用将所述预计时间进行分段聚类的方式，对所述卡口的车辆密度进行预测计算，得到所述预计时间对应的预测卡口车辆密度；
若任一所述预测卡口车辆密度大于预设的车辆密度阈值，则发送重新选择出行时间指令至所述车载终端。
2.根据权利要求1所述的车辆管控方法，其特征在于，所述接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，得到所述预计时间对应的预测卡口车辆密度之前，所述方法还包括：
获取所述预进入拥堵路段的车辆信息，从车辆管理数据库中抽取出所述预进入拥堵路段的车辆信息对应的车辆照片；
提取所述车辆照片的特征点，将所述车辆照片的特征点与所述预进入拥堵路段的车辆信息中的车型信息进行比对；
若一致则发送所述卡口的位置信息至所述车载终端，否则标记预进入拥堵路段的车辆为问题车辆。
3.根据权利要求1所述的车辆管控方法，其特征在于，所述接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，得到所述预计时间对应的预测卡口车辆密度，包括：
接收所述车载终端预约通过所述卡口的预计时间，将所述预计时间和对应的所有预约车辆数入参到所述车流量管控模型后，得到所述预计时间对应的初始卡口车辆密度；
将所述初始卡口车辆密度入参到误差修正模型中进行修正，得到所述预计时间对应的预测卡口车辆密度。
4.根据权利要求1至3任一项所述的车辆管控方法，其特征在于，所述若任一所述预测卡口车辆密度大于预设的车辆密度阈值，则发送重新选择出行时间指令至所述车载终端之后，所述方法还包括：
接收所述车载终端重新选择的出行时间，将所述重新选择的出行时间入参到所述车流量管控模型，得到各个所述卡口的新车辆密度；
若所有所述卡口的新车辆密度均不大于所述车辆密度阈值，则发送允许通过指令至所述车载终端，否则，应用所述车流量管控模型得到推荐时间，发送推荐时间至所述车载终端。
5.一种车辆管控装置，其特征在于，包括以下模块：
模型建立模块，设置为获取拥堵路段在预设时间的历史车辆容量，根据所述历史车辆容量和预设的车辆移动速度、预设的路段长度，计算得到所述拥堵路段在所述预设时间的历史车辆密度，计算公式如下:
Figure FDA0002957318700000021
其中A表示所述历史车辆容量，V表示预设的车辆移动速度，
Figure FDA0002957318700000022
表示预设的路段长度，k表示历史车辆密度；以所述历史车辆密度和所述预设时间为参数，构建车流量管控模型，其中，所述拥堵路段包括景区路段、高速公路路段和市区道路路段；
卡口设立模块，设置为获取所述拥堵路段的起点实时车流量和终点实时车流量，将所述起点实时车流量和所述终点实时车流量做差，得到实时车流量变化值，根据所述实时车流量辆变化值，设立数个车流量监控的卡口，其中，通过动态算法对所述卡口的卡口位置进行优化，即适当改变相邻卡口之间的距离值；
实时监控模块，设置为接收预进入所述拥堵路段的车载终端上传的通过各所述卡口的预计时间，将所述预计时间入参到所述车流量管控模型，采用将所述预计时间进行分段聚类的方式，对所述卡口的车辆密度进行预测计算，得到所述预计时间对应的预测卡口车辆密度；
若任一所述预测卡口车辆密度大于预设的车辆密度阈值，则发送重新选择出行时间指令至所述车载终端。
6.根据权利要求5所述的车辆管控装置，其特征在于，所述实时监控模块，还用于：
获取所述预进入拥堵路段的车辆信息，从车辆管理数据库中抽取出所述预进入拥堵路段的车辆信息对应的车辆照片；
提取所述车辆照片的特征点，将所述车辆照片的特征点与所述预进入拥堵路段的车辆信息中的车型信息进行比对；
若一致则发送所述卡口的位置信息至所述车载终端，否则标记预进入拥堵路段的车辆为问题车辆。
7.根据权利要求5所述的车辆管控装置，其特征在于，所述实时监控模块，还用于：
接收所述车载终端预约通过所述卡口的预计时间，将所述预计时间和对应的所有预约车辆数入参到所述车流量管控模型后，得到所述预计时间对应的初始卡口车辆密度；
将所述初始卡口车辆密度入参到误差修正模型中进行修正，得到所述预计时间对应的预测卡口车辆密度。
8.一种计算机设备，其特征在于，所述设备包括：
至少一个处理器、存储器和收发器；
其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中存储的程序代码来执行如权利要求1-4中任一项所述车辆管控方法。
9.一种计算机存储介质，其特征在于，其包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-4中任一项所述车辆管控方法的步骤。
CN201910605192.1A 2019-07-05 2019-07-05 车辆管控方法、装置、计算机设备和存储介质 Active CN110428612B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910605192.1A CN110428612B (zh) 2019-07-05 2019-07-05 车辆管控方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910605192.1A CN110428612B (zh) 2019-07-05 2019-07-05 车辆管控方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN110428612A CN110428612A (zh) 2019-11-08
CN110428612B true CN110428612B (zh) 2021-04-13

Family

ID=68410286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910605192.1A Active CN110428612B (zh) 2019-07-05 2019-07-05 车辆管控方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110428612B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113990072B (zh) * 2021-11-24 2023-06-06 卢志渊 一种城市道路预约通行管理系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005196756A (ja) * 2003-12-30 2005-07-21 Hyundai Motor Co Ltd 道路交通状況の判断方法及び予測方法
CN105869405A (zh) * 2016-05-25 2016-08-17 银江股份有限公司 基于卡口数据的城市道路交通拥堵指数计算方法
CN106017496A (zh) * 2016-05-25 2016-10-12 南京信息职业技术学院 一种基于路况的实时导航方法
CN109215346A (zh) * 2018-10-11 2019-01-15 平安科技（深圳）有限公司 一种交通通行时间的预测方法、存储介质和服务器
CN109426796A (zh) * 2017-09-05 2019-03-05 杭州海康威视系统技术有限公司 车牌检测方法、装置及系统
CN109658697A (zh) * 2019-01-07 2019-04-19 平安科技（深圳）有限公司 交通拥堵的预测方法、装置和计算机设备
CN109767030A (zh) * 2018-12-14 2019-05-17 深圳壹账通智能科技有限公司 道路拥堵检测方法、装置、计算机设备及存储介质
CN109816976A (zh) * 2019-01-21 2019-05-28 平安科技（深圳）有限公司 一种交通管理方法及系统
CN109887283A (zh) * 2019-03-07 2019-06-14 东莞数汇大数据有限公司 一种基于卡口数据的道路拥堵预测方法、系统及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005196756A (ja) * 2003-12-30 2005-07-21 Hyundai Motor Co Ltd 道路交通状況の判断方法及び予測方法
CN105869405A (zh) * 2016-05-25 2016-08-17 银江股份有限公司 基于卡口数据的城市道路交通拥堵指数计算方法
CN106017496A (zh) * 2016-05-25 2016-10-12 南京信息职业技术学院 一种基于路况的实时导航方法
CN109426796A (zh) * 2017-09-05 2019-03-05 杭州海康威视系统技术有限公司 车牌检测方法、装置及系统
CN109215346A (zh) * 2018-10-11 2019-01-15 平安科技（深圳）有限公司 一种交通通行时间的预测方法、存储介质和服务器
CN109767030A (zh) * 2018-12-14 2019-05-17 深圳壹账通智能科技有限公司 道路拥堵检测方法、装置、计算机设备及存储介质
CN109658697A (zh) * 2019-01-07 2019-04-19 平安科技（深圳）有限公司 交通拥堵的预测方法、装置和计算机设备
CN109816976A (zh) * 2019-01-21 2019-05-28 平安科技（深圳）有限公司 一种交通管理方法及系统
CN109887283A (zh) * 2019-03-07 2019-06-14 东莞数汇大数据有限公司 一种基于卡口数据的道路拥堵预测方法、系统及装置

Also Published As

Publication number Publication date
CN110428612A (zh) 2019-11-08

Similar Documents

Publication Publication Date Title
WO2022121510A1 (zh) 基于随机策略梯度的交通信号控制方法、系统及电子设备
CN111462484B (zh) 拥堵状态的确定方法、装置、设备及计算机可读存储介质
CN109272034B (zh) 一种漏检车牌预测方法及处理终端
CN108806272B (zh) 一种提醒多辆机动车车主违法停车行为的方法及装置
CN109003455B (zh) 一种提醒车主违法停车行为的方法及装置
CN110838239A (zh) 车位导航方法、装置、计算机可读存储介质和计算机设备
CN108932851B (zh) 一种记录机动车违法停车行为的方法及装置
CN116824862B (zh) 一种智慧隧道交通运行管控方法、设备及介质
CN110956817B (zh) 一种车载单元唤醒方法、装置及系统
CN110599774A (zh) 基于区块链的交通违章处理方法及系统
CN109584579B (zh) 基于人脸识别的交通信号灯控制方法及计算机设备
CN115662148B (zh) 一种道路异常事件的预警方法、装置、设备及介质
CN113470206B (zh) 一种基于车辆匹配的高速公路稽查方法、设备及介质
CN110428612B (zh) 车辆管控方法、装置、计算机设备和存储介质
CN112530159B (zh) 一种自标定式多车道级交通流量检测方法及电子设备
CN111860383B (zh) 一种群体异常行为识别方法、装置、设备及存储介质
CN112991130A (zh) 基于人工智能的城市治理事件处理方法及装置
CN113129387A (zh) 一种相机位置检测方法、装置、设备及存储介质
CN115862322A (zh) 一种车辆可变限速控制优化方法、系统、介质及设备
CN111047880B (zh) 路网的交通控制方法、装置、存储介质和管理设备
CN114220040A (zh) 一种泊车方法、终端及计算机可读存储介质
CN117765720A (zh) 园区交通智慧适应疏导方法、系统、设备以及存储介质
CN111435568B (zh) 一种区域交通控制的方法及装置
CN115662145A (zh) 一种基于大数据的事故路段车辆应急分流方法
CN115273468A (zh) 一种交通拥堵控制策略生成方法及装置

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
GR01 Patent grant
GR01 Patent grant