CN110766936A - 基于多源数据融合的交通运行状态感知方法和系统 - Google Patents
基于多源数据融合的交通运行状态感知方法和系统 Download PDFInfo
- Publication number
- CN110766936A CN110766936A CN201811189028.9A CN201811189028A CN110766936A CN 110766936 A CN110766936 A CN 110766936A CN 201811189028 A CN201811189028 A CN 201811189028A CN 110766936 A CN110766936 A CN 110766936A
- Authority
- CN
- China
- Prior art keywords
- traffic
- data
- state
- road network
- road
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000004927 fusion Effects 0.000 title claims abstract description 31
- 230000008520 organization Effects 0.000 claims description 48
- 238000005457 optimization Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 230000008447 perception Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 10
- 206010039203 Road traffic accident Diseases 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000006698 induction Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多源数据融合的交通运行状态感知方法和系统，该方法包括：获取移动型交通数据；从所述移动型交通数据中获取结构化的第一交通状态数据；获取固定型交通数据；从所述固定型交通数据中获取结构化的第二交通状态数据；将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据；从地图数据中获取结构化的路网数据；将所述目标交通运行状态数据的位置数据与所述路网数据中的位置数据进行匹配，得到所述路网的交通运行状态。本发明提供的技术方案可以得到全面准确的路网中交通运行状态，便于进行交通管控和诱导，并提升路网中的交通通行效率。
Description
技术领域
本发明涉及智慧交通技术领域，特别是涉及一种基于多源数据融合的交通运行状态感知方法和系统。
背景技术
在交通领域，无论是用户出行中规划路径还是交通管理不仅进行交通管控调度，均越来越依赖交通运行状态信息，如实时路况、交通事件、禁行和限行信息等。用户在规划路径中，结合实时路况可以规避拥堵道路和预计到达时间，交通管理者根据交通运行状态，可以发现定位交通运行问题，针对性设置或调整交通信号和道路组织等。
目前，业内最常用到的一种交通运行状态感知方法是地图和导航厂商，根据道路上行驶车辆上传的位置信息和用户上报的交通事件等信息，依据数据分析等手段分析得到拥堵、畅通等实时路况或者交通事故等交通运行状态。
上述生成交通运行状态主要在服务端对终端回传的数据的聚类分析得到，由于数据类型单一、终端设备定位存在误差、网络传输数据不稳定等因素，并且回传数据依赖于交通参与者，在交通流量较小的路段和时间段，无足够的回传数据，此外回传的数据缺少准确、实时的验证方案，导致无法得到部分区域和时段的交通运行状态或得到的交通运行状态不准确，无法满足用户出行和交通管控调度的需求。
发明内容
为解决上述技术问题，本发明实施例提供了一种基于多源数据融合的交通运行状态感知方法和系统，以获取全面准确的交通运行状态。
所述基于多源数据融合的交通运行状态感知方法，包括：
获取移动型交通数据，所述移动型交通数据包括通过移动网络获取的交通参与者状态数据；
从所述移动型交通数据中获取结构化的第一交通状态数据；
获取固定型交通数据，所述固定型交通数据包括通过摄像头获取的道路视频数据；
从所述固定型交通数据中获取结构化的第二交通状态数据；
将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据；
从地图数据中获取结构化的路网数据；
将所述目标交通运行状态数据的位置数据与所述路网数据中的位置数据进行匹配，得到所述路网的交通运行状态。
较佳的，所述固定型交通数据还包括：卡口数据和线圈数据；
所述从所述固定型交通数据中，获取结构化的第二交通状态数据，包括：
从所述道路视频数据中，获取结构化的第二交通状态数据；
从所述卡口数据和线圈数据中，获取结构化的第三交通状态数据；
对应的，所述将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据，包括：
将所述第一交通状态数据、第二交通状态数据和第三交通状态数据进行融合，得到目标交通运行状态数据。
较佳的，所述第一交通状态数据包括：第一交通流量数据和第一交通事件数据，所述第二交通状态数据包括：第二交通流量数据和第二交通事件数据；
所述将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据，包括：将第一交通流量数据和第二交通流量数据进行融合，得到目标交通流量数据；将第一交通事件数据和第二交通事件数据进行融合，得到目标交通事件数据；合并所述目标交通流量数据和目标交通事件数据，得到所述目标交通运行状态数据。
较佳的，所述获取固定型交通数据之前，还包括：
确定获取固定型交通数据的采集设备的位置；
建立所述采集设备的位置与地图数据中路网数据的位置之间的映射关系。
较佳的，所述从地图数据中获取结构化的路网数据，包括：
从地图数据中获取结构化的路段数据、路口数据、车道数据和转向数据中的一种或者多种；
所述将所述目标交通运行状态数据的位置数据与所述路网数据中的位置数据进行匹配，得到所述路网的交通运行状态，包括：
将所述目标交通运行状态数据的位置数据与所述路网数据中路段的位置数据、路口的位置数据、车道的位置数据和转向的位置数据中的一种或者多种分别进行匹配，得到路段交通运行状态、路口交通运行状态、车道交通运行状态和交通运行状态中的一种或者多种。
较佳的，所述得到所述路网的交通运行状态之后，还包括：
通过数据接口或显示设备发布所述路网的交通运行状态。
较佳的，所述得到所述路网的交通运行状态之后，还包括：
根据所述路网的交通运行状态，调整所述路网中对应位置的交通信号配时，所述交通信号配时包括：单路口交通信号配时、路段信号配时和区域信号配时中的一种或多种。
较佳的，所述得到所述路网的交通运行状态之后，还包括：
根据所述路网的交通运行状态，设置所述路网中的道路组织，所述道路组织包括：单路口组织、路段组织、路线组织和区域组织中的一种或多种。
较佳的，所述得到所述路网的交通运行状态之后，还包括：
获取所述交通运行状态在所述路网中的影响范围；
根据所述交通运行状态所述路网中的影响范围，生成交通诱导方案；
发布所述交通诱导方案。
相应于上述方法，本发明还提供了一种基于多源数据融合的交通运行状态感知系统，包括：
移动型交通数据获取模块：用于获取移动型交通数据，所述移动型交通数据包括通过移动网络获取的交通参与者状态数据；
第一交通状态数据获取模块：用于从所述移动型交通数据中获取结构化的第一交通状态数据；
固定型交通数据获取模块，用于获取固定型交通数据，所述固定型交通数据包括通过摄像头获取的道路视频数据；
第二交通状态数据获取模块：用于从所述固定型交通数据中获取结构化的第二交通状态数据；
数据融合模块，用于将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据；
路网数据获取模块，用于从地图数据中获取结构化的路网数据；
交通运行状态获取模块，用于将所述目标交通运行状态数据的位置数据与所述路网数据中的位置数据进行匹配，得到所述路网的交通运行状态。
较佳的，所述固定型交通数据获取模块包括：
道路视频数据获取单元、卡口数据获取单元和线圈数据获取单元；
所述道路视频数据获取单元，用于获取结构化的第二交通状态数据，所述第二交通状态数据包括道路视频数据；
所述卡口数据获取单元，用于获取结构化的第三交通状态数据，所述第三交通状态数据包括卡口数据；
所述线圈数据获取单元，用于获取结构化的第三交通状态数据，所述第三交通状态数据包括线圈数据；
对应的，所述数据融合模块，用于将所述第一交通状态数据、第二交通状态数据和第三交通状态数据进行融合，得到目标交通运行状态数据。
较佳的，所述基于多源数据融合的交通运行状态感知系统还包括：
交通信号优化模块，用于根据所述路网的交通运行状态，调整所述路网中对应位置的交通信号配时，所述交通信号配时包括：单路口交通信号配时、路段信号配时和区域信号配时中的一种或多种。
较佳的，所述基于多源数据融合的交通运行状态感知系统还包括：
交通组织优化模块，用于根据所述路网的交通运行状态，分析交通组织中存在的问题，设置所述路网中的道路组织，所述道路组织包括：单路口组织、路段组织、路线组织和区域组织中的一种或多种。
较佳的，所述基于多源数据融合的交通运行状态感知系统还包括：
交通诱导模块，用于获取所述交通运行状态在所述路网中的影响范围，并根据所述交通运行状态所述路网中的影响范围，生成并发布交通诱导方案。
本发明实施例提供的基于多源数据融合的交通运行状态感知方法和系统的技术方案中，首先获取了移动型交通数据和固定型的交通数据，并分布提取其中的交通状态数据，通过对交通状态数据的融合可以得到准确全面的目标交通运行状态数据，进一步与路网数据进行位置匹配后，可以得到全面准确的路网中交通运行状态，便于进行交通管控和诱导，并提升路网中的交通通行效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的基于多源数据融合的交通运行状态感知方法的一种流程示意图；
图2为本发明实施例所提供的基于多源数据融合的交通运行状态感知系统的一种框架示意图。
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，所描述的实施例仅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。
实施例一
如图1为基于多源数据融合的交通运行状态感知方法的一种流程示意图，本申请实施例提供的基于多源数据融合的交通运行状态感知方法可以包括以下步骤：
S101，获取移动型交通数据，所述移动型交通数据包括通过移动网络获取的交通参与者状态数据；
其中，所述交通参与者，包括：行人、非机动车、私家车、出租车、网约车、公交车、客车、货运车辆等。这些交通参与者在路网中的位置和移动状态是实时变化的。
所述交通参与者，可以通过移动终端、车机端等设备，使用GPS、北斗等卫星导航系统、基站和Wi-Fi等网络定位系统，通过移动互联网实时上报位置、移动速度、移动方向等状态数据。所述交通参与者还可以使用文字、图片和视频等形式，通过移动互联网上报实时路况、交通事故、交通管控等交通状态。通过上述方式获取到的交通参与者自身的状态数据和上传交通状态数据即为本实施例所述的移动型交通数据。
第三方平台，如地图和导航厂商、网约车厂商、运输公司等，可以通过网络实时或定期收集上述交通参与者上传的移动型交通数据。
S102，从所述移动型交通数据中获取结构化的第一交通状态数据；
地图和导航厂商等在获取到移动型交通数据之后，可以对所述移动型交通数据进行结构化处理，得到第一交通状态数据。结构化处理可以指：将数据转换为预先设定的数据结构。
对移动型交通数据的处理还可以包括：数据验证、数据聚合、数据去重清洗、数据优先级设定、数据格式转换、数据存储等。通过对所述移动型交通数据的结构化处理，可以得到设定结构的第一交通状态数据。
其中，所述第一交通状态数据可以包括第一交通流量数据和第一交通事件数据。所述第一交通流量数据包括：车流量、车辆评价速度和实时路况等；所述第一交通事件数据包括：交通事故、交通管控、道路维护等。
S103，获取固定型交通数据，所述固定型交通数据包括通过摄像头获取的道路视频数据；
通常路网中包括多个类型的摄像设备，如路口的治安摄像头、违章变道抓拍摄像头、闯红灯抓拍摄像头、公交车道占用抓拍摄像头、限号抓拍摄像头等，这些摄像设备固定的设置与路网中的特点位置，并可以通过上述摄像设备得到道路视频数据。
由于得到的道路视频数据为路网中固定位置的道路数据位置，本申请实施例将其作为固定型交通数据。所述固定型交通数据可以通过与该摄像头连通的网络中获取到。
此外，路网中还可以包括其它类型的固定型交通数据采集设备，如交通部门设置的卡口设备和线圈设备，这些设备也是固定设置与路网中特定位置，得到固定位置的卡口数据和线圈数据，因此卡口数据和线圈数据也属于固定型交通数据。
S104，从所述固定型交通数据中获取结构化的第二交通状态数据；
当所述固定型交通数据为道路视频数据时，所述第二交通状态数据可以包括第二交通流量数据和第二交通事件数据。所述第二交通流量数据包括：车记录、交通量、车头时距、排队长度、转向比例、车型分类、行人密度、非机密度等；所述第二交通事件数据包括：交通事故、异常停车、路口溢出、交通拥堵、车辆逆行、车辆压线、行人/非机动车闯入、横穿马路、机占非、非占机、人群聚集、大客流预警等。
通过在道路视频数据中提取交通要素，可以形成结构化的第二交通状态数据。其中，所述提取交通要素的过程，可以由前端的摄像设备本地端处理，并直接向服务端上传结构化的第二交通状态数据，还可以将道路视频数据上传到服务端，并由服务端提取交通要素，得到结构化的第二交通状态数据。
当所述固定型交通数据为卡口数据和线圈数据时，所述步骤S104中还可以包括：从所述卡口数据和线圈数据中，获取结构化的第三交通状态数据；其中，所述第三交通状态数据可以包括：时间、通过车牌号、通车数量、通车位置和方向等。
S105，将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据；
本步骤S105中，当所述固定型交通数据还包括卡口数据和线圈数据时，还可以包括：将所述第一交通状态数据、第二交通状态数据和第三交通状态数据进行融合，得到目标交通运行状态数据。
当所述固定型交通数据只包括卡口数据和线圈数据，不包括道路视频数据时，还可以包括：将所述第一交通状态数据和第三交通状态数据进行融合，得到目标交通运行状态数据。
所述第一交通状态数据和第二交通状态数据进行融合的过程包括：
将根据移动型交通数据获得的第一交通流量数据和根据固定型交通数据获得的第二交通流量数据进行融合，得到目标交通流量数据；
将根据移动型交通数据获得的第一交通事件数据和根据固定型交通数据获得的第二交通事件数据进行融合，得到目标交通事件数据；
合并所述目标交通流量数据和目标交通事件数据，得到所述目标交通运行状态数据。
此外，将第一交通状态数据、第二交通状态数据和第三交通状态数据进行融合的过程可参考上述描述，在此不再赘述。
上述所述第一交通状态数据和第二交通状态数据进行融合的过程，包括对交通流量数据、交通事件数据的数据验证、数据聚合、数据去重清洗、数据优先级设定、数据格式转换、数据存储等。
S106，从地图数据中获取结构化的路网数据；
地图中的路网数据包括：路段数据、路口数据、车道数据和转向数据中的一种或者多种；此外还可以包括交通信号灯等设备。本步骤中对路网数据进行统一的结构化处理，并还可以对所述路网数据进行分级、分段、分业务、分对象等处理，并定期更新。其中所述地图数据可以为普通地图数据或高精地图数据。
S107，将所述目标交通运行状态数据的位置数据与所述路网数据中的位置数据进行匹配，得到所述路网的交通运行状态。
由于移动型交通数据在获取时，包括为GPS等经纬度位置数据，因此根据第一交通状态数据生成的目标交通运行状态数据也具有位置属性，如交通事故A发送的经纬度坐标为(X,Y)，对应路网中经纬度坐标为(X,Y)的位置为路口B的东侧道路第一车道，因此可以匹配得知路口B的东侧道路第一车道的交通运行状态为发送交通事故A。
对于固定型的交通数据采集设备，如摄像头、卡口和线圈等，可以在获取固定型交通数据之前，预先确定获取固定型交通数据的采集设备的位置，并建立所述采集设备的位置与地图数据中路网数据的位置之间的映射关系。如摄像头C对应的路网中位置为路口B的东侧道路第一车道。对应的摄像头C采集的固定型交通数据中，根据第二交通状态数据生成的目标交通运行状态数据也具有位置属性；如摄像头C拍摄的范围内出现交通事故A，对应路网中路口B的东侧道路第一车道，因此可以匹配得知路口B的东侧道路第一车道的交通运行状态为发送交通事故A。
结合根据移动型交通数据和固定型的交通数据获取的交通状态数据融合后可以得到准确的目标交通运行状态数据，进一步与路网数据进行位置匹配后，可以得到路网中的交通运行状态。
所述步骤S107其中，所述将所述目标交通运行状态数据的位置数据与所述路网数据中的位置数据进行匹配，得到所述路网的交通运行状态，可以包括：
将所述目标交通运行状态数据的位置数据与所述路网数据中路段的位置数据、路口的位置数据、车道的位置数据和转向的位置数据中的一种或者多种分别进行匹配，得到路段交通运行状态、路口交通运行状态、车道交通运行状态和转向交通运行状态中的一种或者多种。如A车道交通运行状态为畅通、B路口交通运行状态为发送交通事故等，C路段交通运行状态为管控禁行等。
上述步骤中，S101、S103和S106可以并行执行，并不限定其执行次序，本领域技术人员可以根据需要设定不同的执行次序。
本实施例提供的多源数据融合的交通运行状态感知方法中，首先获取了移动型交通数据和固定型的交通数据，并分布提取其中的交通状态数据，通过对交通状态数据的融合可以得到准确全面的目标交通运行状态数据，进一步与路网数据进行位置匹配后，可以得到全面准确的路网中交通运行状态，便于进行交通管控和诱导，并提升路网中的交通通行效率。
实施例二
在实施例一提供的基于多源数据融合得到交通运行状态的技术方案基础上，本实施例还进一步提供了对交通运行状态调控的方案，如下：
在所述得到所述路网的交通运行状态之后，还可以包括：
通过数据接口或显示设备发布所述路网的交通运行状态。交通运行状态可以发布在用户端的显示设备、道路上交通状态大屏、交管部门交通监控设备上等，还可以通过数据接口提供导航路径规划服务调用等。
本实施例提供了如下三种类型的交通运行状态调控方案：
一、交通信号优化，可以包括：
根据所述路网的交通运行状态，结合交通指标评价体系分析交通信号中存在的问题，调整所述路网中对应位置的交通信号配时，所述交通信号配时包括：单路口交通信号配时、路段信号配时和区域信号配时中的一种或多种。所述交通信号优化还可以包括优化前后的效果对比。
二、交通组织优化，可以包括：
为了解决城市道路空间分布和功能设置不合理问题，可以根据所述路网的交通运行状态，分析交通组织中存在的问题，设置所述路网中的道路组织，所述道路组织包括：单路口组织、路段组织、路线组织和区域组织中的一种或多种。所述交通组织优化还可以包括优化前后的效果对比。
三、交通诱导优化，可以包括：
获取所述交通运行状态在所述路网中的影响范围；根据所述交通运行状态所述路网中的影响范围，生成交通诱导方案；发布所述交通诱导方案。
其中，交通诱导优化可以针对交通事件、拥堵信息、重大活动、节假日等，根据路网数据，确定其在所述路网中的影响地理范围和时间区间等，并生成对应的交通诱导方案。
其中所述交通诱导方案可以通过地图/导航软件发送至交通参与者，在交通参与者规划路线过程或行驶过程中，为其推荐行驶路线和到达点等。针对不同类型的车辆，不同方向、地区的车辆等，可以生成不同的交通诱导方案。
此外，所述交通诱导方案还可以通过信号灯调控、可变限速调控、诱导屏幕展示等不同方式发布执行。
本实施例提供的技术方案，在实施例一得到全面准确的路网中交通运行状态的基础上，提供了交通信号优化、交通组织优化和交通诱导的方案，能够有效的提升路网中的交通通行效率。
实施例三
相应于上述方法实施例一和实施例二，本实施例还提供了一种基于多源数据融合的交通运行状态感知系统，如2所示的系统架构示意图，该系统可以包括：
移动型交通数据获取模块201：用于获取移动型交通数据，所述移动型交通数据包括通过移动网络获取的交通参与者状态数据；
第一交通状态数据获取模块202：用于从所述移动型交通数据中获取结构化的第一交通状态数据；其中，所述第一交通状态数据可以包括：第一交通流量数据和第一交通事件数据；
固定型交通数据获取模块203，用于获取固定型交通数据，所述固定型交通数据包括通过摄像头获取的道路视频数据；
第二交通状态数据获取模块204：用于从所述固定型交通数据中获取结构化的第二交通状态数据；
数据融合模块205，用于将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据；
路网数据获取模块206，用于从地图数据中获取结构化的路网数据；
交通运行状态获取模块207，用于将所述目标交通运行状态数据的位置数据与所述路网数据中的位置数据进行匹配，得到所述路网的交通运行状态。
其中，所述固定型交通数据可以包括：道路视频数据、卡口数据和线圈数据；
对应的，固定型交通数据获取模块203可以包括：
道路视频数据获取单元、卡口数据获取单元和线圈数据获取单元；
其中，道路视频数据获取单元，用于获取结构化的第二交通状态数据，包括：第二交通流量数据和第二交通事件数据；
卡口数据获取单元和线圈数据获取单元，用于获取结构化的第三交通状态数据，包括卡口数据和道路数据。
此外，所述基于多源数据融合的交通运行状态感知系统，还可以包括：
交通信号优化模块208，用于：根据所述路网的交通运行状态，结合交通指标评价体系分析交通信号中存在的问题，调整所述路网中对应位置的交通信号配时，所述交通信号配时包括：单路口交通信号配时、路段信号配时和区域信号配时中的一种或多种。所述交通信号优化还可以包括优化前后的效果对比。
交通组织优化模块209，用于解决城市道路空间分布和功能设置不合理问题，包括：根据所述路网的交通运行状态，分析交通组织中存在的问题，设置所述路网中的道路组织，所述道路组织包括：单路口组织、路段组织、路线组织和区域组织中的一种或多种。所述交通组织优化还可以包括优化前后的效果对比。
交通诱导模块210，用于获取所述交通运行状态在所述路网中的影响范围；根据所述交通运行状态所述路网中的影响范围，生成并发布交通诱导方案。其中，交通诱导模块210可以针对交通事件、拥堵信息、重大活动、节假日等，根据路网数据，确定其在所述路网中的影响地理范围和时间区间等，并生成对应的交通诱导方案。
指挥调度模块211，用于提供交通状态、交通事件的发布、查询、推送、警察和交管部门的管理调度、固定型交通设备(如摄像头、线圈和卡口)的管理和维护等。
本实施例提供的基于多源数据融合的交通运行状态感知系统，首先获取了移动型交通数据和固定型的交通数据，并分布提取其中的交通状态数据，通过对交通状态数据的融合可以得到准确全面的目标交通运行状态数据，进一步与路网数据进行位置匹配后，可以得到全面准确的路网中交通运行状态，便于进行交通管控和诱导，并提升路网中的交通通行效率。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种基于多源数据融合的交通运行状态感知方法，其特征在于，包括：
获取移动型交通数据，所述移动型交通数据包括通过移动网络获取的交通参与者状态数据；
从所述移动型交通数据中获取结构化的第一交通状态数据；
获取固定型交通数据，所述固定型交通数据包括通过摄像头获取的道路视频数据；
从所述固定型交通数据中获取结构化的第二交通状态数据；
将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据；
从地图数据中获取结构化的路网数据；
将所述目标交通运行状态数据的位置数据与所述路网数据中的位置数据进行匹配，得到所述路网的交通运行状态。
2.根据权利要1所述的方法，其特征在于：
所述固定型交通数据还包括：卡口数据和线圈数据；
所述从所述固定型交通数据中，获取结构化的第二交通状态数据，包括：
从所述道路视频数据中，获取结构化的第二交通状态数据；
从所述卡口数据和线圈数据中，获取结构化的第三交通状态数据；
对应的，所述将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据，包括：
将所述第一交通状态数据、第二交通状态数据和第三交通状态数据进行融合，得到目标交通运行状态数据。
3.根据权利要1所述的方法，其特征在于：
所述第一交通状态数据包括：第一交通流量数据和第一交通事件数据，所述第二交通状态数据包括：第二交通流量数据和第二交通事件数据；
所述将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据，包括：将第一交通流量数据和第二交通流量数据进行融合，得到目标交通流量数据；将第一交通事件数据和第二交通事件数据进行融合，得到目标交通事件数据；合并所述目标交通流量数据和目标交通事件数据，得到所述目标交通运行状态数据。
4.根据权利要1所述的方法，其特征在于，所述获取固定型交通数据之前，还包括：
确定获取固定型交通数据的采集设备的位置；
建立所述采集设备的位置与地图数据中路网数据的位置之间的映射关系。
5.根据权利要1所述的方法，其特征在于：
所述从地图数据中获取结构化的路网数据，包括：
从地图数据中获取结构化的路段数据、路口数据、车道数据和转向数据中的一种或者多种；
所述将所述目标交通运行状态数据的位置数据与所述路网数据中的位置数据进行匹配，得到所述路网的交通运行状态，包括：
将所述目标交通运行状态数据的位置数据与所述路网数据中路段的位置数据、路口的位置数据、车道的位置数据和转向的位置数据中的一种或者多种分别进行匹配，得到路段交通运行状态、路口交通运行状态、车道交通运行状态和交通运行状态中的一种或者多种。
6.根据权利要1～5任一项所述的方法，其特征在于，所述得到所述路网的交通运行状态之后，还包括：
通过数据接口或显示设备发布所述路网的交通运行状态。
7.根据权利要1～5任一项所述的方法，其特征在于，所述得到所述路网的交通运行状态之后，还包括：
根据所述路网的交通运行状态，调整所述路网中对应位置的交通信号配时，所述交通信号配时包括：单路口交通信号配时、路段信号配时和区域信号配时中的一种或多种。
8.根据权利要1～5任一项所述的方法，其特征在于，所述得到所述路网的交通运行状态之后，还包括：
根据所述路网的交通运行状态，设置所述路网中的道路组织，所述道路组织包括：单路口组织、路段组织、路线组织和区域组织中的一种或多种。
9.根据权利要1～5任一项所述的方法，其特征在于，所述得到所述路网的交通运行状态之后，还包括：
获取所述交通运行状态在所述路网中的影响范围；
根据所述交通运行状态所述路网中的影响范围，生成交通诱导方案；
发布所述交通诱导方案。
10.一种基于多源数据融合的交通运行状态感知系统，其特征在于，包括：
移动型交通数据获取模块：用于获取移动型交通数据，所述移动型交通数据包括通过移动网络获取的交通参与者状态数据；
第一交通状态数据获取模块：用于从所述移动型交通数据中获取结构化的第一交通状态数据；
固定型交通数据获取模块，用于获取固定型交通数据，所述固定型交通数据包括通过摄像头获取的道路视频数据；
第二交通状态数据获取模块：用于从所述固定型交通数据中获取结构化的第二交通状态数据；
数据融合模块，用于将所述第一交通状态数据和第二交通状态数据进行融合，得到目标交通运行状态数据；
路网数据获取模块，用于从地图数据中获取结构化的路网数据；
交通运行状态获取模块，用于将所述目标交通运行状态数据的位置数据与所述路网数据中的位置数据进行匹配，得到所述路网的交通运行状态。
11.根据权利要求10所述的系统，其特征在于，所述固定型交通数据获取模块包括：
道路视频数据获取单元、卡口数据获取单元和线圈数据获取单元；
所述道路视频数据获取单元，用于获取结构化的第二交通状态数据，所述第二交通状态数据包括道路视频数据；
所述卡口数据获取单元，用于获取结构化的第三交通状态数据，所述第三交通状态数据包括卡口数据；
所述线圈数据获取单元，用于获取结构化的第三交通状态数据，所述第三交通状态数据包括线圈数据；
对应的，所述数据融合模块，用于将所述第一交通状态数据、第二交通状态数据和第三交通状态数据进行融合，得到目标交通运行状态数据。
12.根据权利要求10或11所述的系统，其特征在于，还包括：
交通信号优化模块，用于根据所述路网的交通运行状态，调整所述路网中对应位置的交通信号配时，所述交通信号配时包括：单路口交通信号配时、路段信号配时和区域信号配时中的一种或多种。
13.根据权利要求10或11所述的系统，其特征在于，还包括：
交通组织优化模块，用于根据所述路网的交通运行状态，分析交通组织中存在的问题，设置所述路网中的道路组织，所述道路组织包括：单路口组织、路段组织、路线组织和区域组织中的一种或多种。
14.根据权利要求10或11所述的系统，其特征在于，还包括：
交通诱导模块，用于获取所述交通运行状态在所述路网中的影响范围，并根据所述交通运行状态所述路网中的影响范围，生成并发布交通诱导方案。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2018108279177 | 2018-07-25 | ||
| CN201810827917 | 2018-07-25 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110766936A true CN110766936A (zh) | 2020-02-07 |
Family
ID=69328920
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811189028.9A Pending CN110766936A (zh) | 2018-07-25 | 2018-10-12 | 基于多源数据融合的交通运行状态感知方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110766936A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111524362A (zh) * | 2020-05-19 | 2020-08-11 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障系统与方法 |
| CN111524357A (zh) * | 2020-05-19 | 2020-08-11 | 河北德冠隆电子科技有限公司 | 用于车辆安全行驶所需的多数据融合的方法 |
| CN111627241A (zh) * | 2020-05-27 | 2020-09-04 | 北京百度网讯科技有限公司 | 用于生成车辆排队信息的方法和装置 |
| CN111768621A (zh) * | 2020-06-17 | 2020-10-13 | 北京航空航天大学 | 一种基于5g的城市道路路车融合全域感知方法 |
| CN111862633A (zh) * | 2020-06-23 | 2020-10-30 | 东风汽车集团有限公司 | 一种基于v2x的交通信号灯控制方法、路侧单元及系统 |
| CN112255984A (zh) * | 2020-10-28 | 2021-01-22 | 河北时代电子有限公司 | 一种基于分布式工业协议解析技术的多源数据采集系统 |
| CN113160571A (zh) * | 2021-06-28 | 2021-07-23 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
| CN113256984A (zh) * | 2021-06-25 | 2021-08-13 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101571997A (zh) * | 2009-05-31 | 2009-11-04 | 上海宝康电子控制工程有限公司 | 多源交通信息融合处理方法及其装置 |
| KR101117235B1 (ko) * | 2010-12-21 | 2012-03-16 | 연세대학교 산학협력단 | 교통사고 인식 장치 및 방법 |
| CN102881163A (zh) * | 2012-10-11 | 2013-01-16 | 南京艾酷派物联网有限公司 | 浮动车辆多功能数据监测设备 |
| CN103412975A (zh) * | 2013-07-11 | 2013-11-27 | 吴建平 | 动态交通仿真平台及其仿真方法 |
| CN105761520A (zh) * | 2014-12-17 | 2016-07-13 | 上海宝康电子控制工程有限公司 | 实现交通路线自适应诱导的系统 |
| CN106781490A (zh) * | 2016-12-29 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 城市道路交通运行分析评价系统 |
| WO2018122585A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
-
2018
- 2018-10-12 CN CN201811189028.9A patent/CN110766936A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101571997A (zh) * | 2009-05-31 | 2009-11-04 | 上海宝康电子控制工程有限公司 | 多源交通信息融合处理方法及其装置 |
| KR101117235B1 (ko) * | 2010-12-21 | 2012-03-16 | 연세대학교 산학협력단 | 교통사고 인식 장치 및 방법 |
| CN102881163A (zh) * | 2012-10-11 | 2013-01-16 | 南京艾酷派物联网有限公司 | 浮动车辆多功能数据监测设备 |
| CN103412975A (zh) * | 2013-07-11 | 2013-11-27 | 吴建平 | 动态交通仿真平台及其仿真方法 |
| CN105761520A (zh) * | 2014-12-17 | 2016-07-13 | 上海宝康电子控制工程有限公司 | 实现交通路线自适应诱导的系统 |
| CN106781490A (zh) * | 2016-12-29 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 城市道路交通运行分析评价系统 |
| WO2018122585A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111524362A (zh) * | 2020-05-19 | 2020-08-11 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障系统与方法 |
| CN111524357A (zh) * | 2020-05-19 | 2020-08-11 | 河北德冠隆电子科技有限公司 | 用于车辆安全行驶所需的多数据融合的方法 |
| CN111524357B (zh) * | 2020-05-19 | 2022-01-07 | 河北德冠隆电子科技有限公司 | 用于车辆安全行驶所需的多数据融合的方法 |
| CN111524362B (zh) * | 2020-05-19 | 2022-04-26 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障系统与方法 |
| CN111627241A (zh) * | 2020-05-27 | 2020-09-04 | 北京百度网讯科技有限公司 | 用于生成车辆排队信息的方法和装置 |
| CN111627241B (zh) * | 2020-05-27 | 2024-04-09 | 阿波罗智联(北京)科技有限公司 | 用于生成路口车辆排队信息的方法和装置 |
| CN111768621A (zh) * | 2020-06-17 | 2020-10-13 | 北京航空航天大学 | 一种基于5g的城市道路路车融合全域感知方法 |
| CN111862633A (zh) * | 2020-06-23 | 2020-10-30 | 东风汽车集团有限公司 | 一种基于v2x的交通信号灯控制方法、路侧单元及系统 |
| CN112255984A (zh) * | 2020-10-28 | 2021-01-22 | 河北时代电子有限公司 | 一种基于分布式工业协议解析技术的多源数据采集系统 |
| CN113256984A (zh) * | 2021-06-25 | 2021-08-13 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
| CN113256984B (zh) * | 2021-06-25 | 2021-11-05 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
| CN113160571A (zh) * | 2021-06-28 | 2021-07-23 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110766936A (zh) | 基于多源数据融合的交通运行状态感知方法和系统 | |
| Chowdhury et al. | Fundamentals of intelligent transportation systems planning | |
| US6577946B2 (en) | Traffic information gathering via cellular phone networks for intelligent transportation systems | |
| JP7207670B2 (ja) | コネクテッド自動運転車のハイウエイシステムとそれを用いた方法 | |
| US20190385449A1 (en) | System and method for providing automatic on-street parking control and unoccupied parking spot availability detection | |
| CN111915896A (zh) | 一种基于物联网的智能交通系统及方法 | |
| KR101663985B1 (ko) | 차량간 통신을 이용한 교통 상황정보 제공장치 및 그 방법 | |
| CN106251621A (zh) | 智慧交通管理系统及方法 | |
| Muralidharan et al. | Management of intersections with multi-modal high-resolution data | |
| CN113327415A (zh) | 用于发布交通信息的方法、装置、设备、存储介质和系统 | |
| Hadi et al. | Connected vehicle vehicle-to-infrastructure support of active traffic management | |
| CN114419897A (zh) | 一种基于v2x技术的城市交通cim系统及其展示方法 | |
| Růžička et al. | Big data application for urban transport solutions | |
| US20220392336A1 (en) | Vehicle to infrastructure information sharing and infrastructure control based on the information | |
| Xie et al. | Freeway and arterial system of transportation dashboard: Web-based freeway and arterial performance measurement system | |
| Ansariyar | Precision in Motion: Assessing the Accuracy of LiDAR Sensors for Delay Time Calculation at Signalized Intersections | |
| Aziz et al. | Synthesis study on transitions in signal infrastructure and control algorithms for connected and automated transportation | |
| Robinson | The development and application of an urban link travel time model using data derived from inductive loop detectors | |
| CN108470451A (zh) | 一种基于大数据的智能交通系统 | |
| Knoop et al. | Relationship between application scale and maximum time latency in intelligent transport solutions | |
| CN114038202A (zh) | 一种基于智慧园区交通流量的停车诱导系统及方法 | |
| Plan | Draft Report | |
| Gordon et al. | Deployment of intelligent transportation systems: A summary of the 2016 national survey results | |
| Mishra et al. | A Comprehensive Study on Intelligent Transportation Systems | |
| CN114241764B (zh) | 基于车路协同技术的公交精准数据融合中心系统及方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200508 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 102200, No. 18, No., Changsheng Road, Changping District science and Technology Park, Beijing, China. 1-5 Applicant before: AUTONAVI SOFTWARE Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200207 |
|
| RJ01 | Rejection of invention patent application after publication |