CN110807926B - 一种基于混合交通的道路阻抗预测方法及装置 - Google Patents

一种基于混合交通的道路阻抗预测方法及装置 Download PDF

Info

Publication number
CN110807926B
CN110807926B CN201911070024.3A CN201911070024A CN110807926B CN 110807926 B CN110807926 B CN 110807926B CN 201911070024 A CN201911070024 A CN 201911070024A CN 110807926 B CN110807926 B CN 110807926B
Authority
CN
China
Prior art keywords
traffic
road
predicted
value
road section
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
CN201911070024.3A
Other languages
English (en)
Other versions
CN110807926A (zh
Inventor
赵菲
钟鸣
傅立平
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN201911070024.3A priority Critical patent/CN110807926B/zh
Publication of CN110807926A publication Critical patent/CN110807926A/zh
Application granted granted Critical
Publication of CN110807926B publication Critical patent/CN110807926B/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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • 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
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及道路阻抗预测技术领域，公开了一种基于混合交通的道路阻抗预测方法，包括以下步骤：获取经过待预测路段车辆的运行信息，根据运行信息计算各车辆通过待预测路段的通行时间值；获取各车辆通过待预测路段时，不同类型车辆的交通流量值；获取待预测路段的尺寸信息，根据尺寸信息计算待预测路段的不同车道的通行能力值；建立关于不同类型车辆的交通流量以及不同车道的通行能力之间的道路阻抗模型；根据各车辆实际的通行时间值、交通流量值以及不同车道的通行能力值对道路阻抗模型进行参数标定；根据标定后的道路阻抗模型对待预测路段的道路阻抗进行预测。本发明考虑了不同类型车辆之间的相互影响，道路阻抗预测精度高。

Description

一种基于混合交通的道路阻抗预测方法及装置
技术领域
本发明涉及道路阻抗预测技术领域，具体涉及一种基于混合交通的道路阻抗预测方法及装置。
背景技术
随着汽车保有量的逐年增加，小汽车已经成为人们出行的主要交通工具，随之带来的是严重的交通拥堵问题和环境污染问题。为此我国投入了大量的人力物力去改造和修建道路，同时通过限号限行来减少环境污染，然而这些并不能从根本上解决我国的交通问题。另外，我国城市交通情况比较复杂，在人口密集的区域为交通基础设施建设所能提供的空间非常有限，且这些区域的混行状态又比较严重。如果混合交通造成的通行效率与安全问题不能得到解决，将会严重影响城市的建设与发展，妨碍人民生活的质量。
在道路阻抗计算方面，以往的研究大多针对发达国家的道路条件，在这些国家，非机动交通的存在是微不足道的，因此这些模型并没有考虑到机动车与非机动车之间的相互作用，不符合我国实际的城市交通状况，因而计算精度低。
发明内容
本发明的目的在于克服上述技术不足，提供一种基于混合交通的道路阻抗预测方法及装置，解决现有技术中没有考虑到机动车和非机动车之间影响的混合交通状况，预测精度低的技术问题。
为达到上述技术目的，本发明的技术方案提供一种基于混合交通的道路阻抗预测方法，包括以下步骤：
获取经过待预测路段车辆的运行信息，根据所述运行信息计算各车辆通过所述待预测路段的通行时间值；
获取各车辆通过所述待预测路段时，不同类型车辆的交通流量值；
获取所述待预测路段的尺寸信息，根据所述尺寸信息计算所述待预测路段的不同车道的通行能力值；
建立关于不同类型车辆的交通流量以及不同车道的通行能力之间的道路阻抗模型；
根据各车辆实际的通行时间值、交通流量值以及不同车道的通行能力值对所述道路阻抗模型进行参数标定；
根据标定后的道路阻抗模型对所述待预测路段的道路阻抗进行预测。
本发明提供一种基于混合交通的道路阻抗预测装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述基于混合交通的道路阻抗预测方法。
与现有技术相比，本发明的有益效果包括：本发明在考虑不同类型车辆的干扰的情况下，利用车辆的运行信息，提取和分析车辆通过待预测路段的通行时间作为历史数据，同时获取相应通行时间内待预测路段的不同类型车辆的交通流量以及不同车道的通行能力，构建了一种基于混合交通的道路阻抗模型，基于真实数据对道路阻抗模型进行参数标定，最后得到道路阻抗模型实现道路阻抗预测，该模型考虑了不同类型车辆之间的相互作用，更符合我国实际的城市交通状况。
附图说明
图1是本发明提供的基于混合交通的道路阻抗预测方法一实施方式的流程图；
图2是本发明提供的运行信息数据预处理一实施方式的处理结果图；
图3是本发明提供的轨迹点位置信息导入一实施方式的导入结果图；
图4是本发明提供的待预测路段筛选区域设置一实施方式的设置结果图；
图5是本发明提供的各时间段内通行时间以及道路阻抗模型的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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发明，并不用于限定本发明。
实施例1
如图1所示，本发明的实施例1提供了基于混合交通的道路阻抗预测方法，以下简称本方法，包括以下步骤：
S1、获取经过待预测路段车辆的运行信息，根据所述运行信息计算各车辆通过所述待预测路段的通行时间值；
S2、获取各车辆通过所述待预测路段时，不同类型车辆的交通流量值；
S3、获取所述待预测路段的尺寸信息，根据所述尺寸信息计算所述待预测路段的不同车道的通行能力值；
S4、建立关于不同类型车辆的交通流量以及不同车道的通行能力之间的道路阻抗模型；
S5、根据各车辆实际的通行时间值、交通流量值以及不同车道的通行能力值对所述道路阻抗模型进行参数标定；
S6、根据标定后的道路阻抗模型对所述待预测路段的道路阻抗进行预测。
本发明首先获取车辆经过待预测路段时实际的运行信息，以实际的运行信息计算出车辆通过待预测路段所花费的通行时间，即道路阻抗；获取车辆通过待预测路段时，待预测路段上各种不同类型车辆实际的交通流量值；同时获取待预测路段的不同车道的通行能力值；以实际的通行时间、不同类型车辆实际的交通流量值以及不同车道的通行能力值作为后续参数标定的基础数据，以真实数据进行标定，使得标定结果更符合待预测道路的真实情况。基于道路阻抗、不同类型车辆的交通流量、不同车道的通行能力构建基于混合交通的道路阻抗模型；交通流量是影响道路阻抗的重要因素之一，本发明将不同类型的车辆的交通流量分开考虑，从而可以更精确的描述交通流量对道路阻抗即通行时间的影响；不同的路段其通行能力是不一样的，本发明将不同车道分开考虑，从而可以更精确的描述路段通行能力对道路阻抗即通行时间的影响，该道路阻抗模型考虑了不同类型车辆之间的相互作用，更符合我国城市混合交通的实际状况。最后利用获取的实际的通行时间、相同通行时间内不同类型车辆实际的交通流量值以及不同车道的通行能力值对道路阻抗模型进行参数标定，从而得到精确度高的道路阻抗模型，通过道路阻抗模型实现待预测路段的道路阻抗预测。
本发明提供的基于混合交通的道路阻抗预测方法，构建考虑不同类型车辆的交通流量以及不同类型车辆的相互作用关系的道路阻抗模型，采用真实的运行信息、真实的交通流量值做为参数标定的原始数据，可以更具体地评价混合交通道路的服务水平，为改善交通设施布局和交通规划提供重要的科学依据。
优选的，获取经过待预测路段车辆的运行信息，具体为：
收集车辆的运行信息，根据所述运行信息获取车辆的运行轨迹；
获取所述待预测路段的地理位置信息，根据所述地理位置信息设置筛选区域；
判断所述运行轨迹中是否存在落入所述筛选区域的轨迹点，如果不存在则表示对应车辆未经过所述待预测路段，如果存在，则进一步判断落入所述筛选区域的轨迹点的时间顺序是否与所述待预测路段的通行方向一致，如果一致，则表示对应车辆经过所述待预测路段；筛选出所有经过所述待预测路段的运行信息。
具体的，收集的运行信息中，并不是每一辆车都会经过待预测路段，并不是每一条运行信息都对待预测路段的道路阻抗模型建立有用，因此需要通过所选的待预测路段的地理位置进行运行信息筛选。具体做法为：
第一步，将GPS轨迹数据导入ArcMap即可获得任意一点或者一个区域的经纬度信息，GPS数据点在ArcMap中的最终显示结果如图3所示。
第二步，将待预测路段考虑为直线路段，在待预测路段的起点处设置一定范围的筛选区域，在待预测路段的终点处设置一定范围的筛选区域。如图4所示，A点为待预测路段的起点位置，B点为待预测路段的终点位置，A点所在方框和B点所在方框为筛选区域。
第三步，按照时间顺序对轨迹点排序，从而获取车辆的运行方向，通过设置好的筛选区域就可以判断运行轨迹是否是要研究的区域。若一车辆的运行轨迹中有轨迹点落在所设置的筛选区域内，且车辆的运行方向与待预测道路的通行方向一直，对该运行信息做进一步的处理并求取通行时间，若该运行轨迹没有轨迹点落在所设置的筛选区内那么就舍弃该运行信息。
待预测路段为图4所示，A点、B点为待预测路段两端的交叉口，同时也是判断运行轨迹是否与待预测路段匹配的两个筛选区域。如果某一个车辆的运行信息的一系列轨迹点中的某几点同时落在A筛选区域和B筛选区域内，那么可以判断该车辆的运行轨迹与所研究的待预测路段匹配。
优选的，根据所述运行信息获取车辆的运行轨迹，具体为：
所述运行信息为出租车的运行信息，所述运行信息包括车辆ID、各轨迹点的载客状态以及各轨迹点的运行速度；
筛选出同一车辆ID的轨迹点，在同一车辆ID的轨迹点中筛选出运行速度小于设定阈值的轨迹点；
在运行速度小于设定阈值的轨迹点中筛选出载客状态为已载客状态、前一轨迹点的载客状态为空载状态且后一轨迹点的载客状态为已载客状态的轨迹点，作为运行起点；
在运行速度小于设定阈值的轨迹点中筛选出载客状态为空载状态、前一轨迹点的载客状态为已载客状态且后一轨迹点的载客状态为空载状态的轨迹点，作为运行终点；
根据所述运行起点、运行终点以及其他轨迹点生成所述运行轨迹。
具体的，在进行运行轨迹获取前，先对运行信息进行数据的预处理，运用数据分析包将数据格式转换为数组形式的数据，处理后的结果图2所示，图2中每行数据为一条运行信息，每条运行信息包含了多个属性，包括：车辆ID、各轨迹点的时间值、各轨迹点的位置信息、各轨迹点的载客状态以及各轨迹点的运行速度。原始运行信息中各属性之间通过分隔符来区分，以便对运行信息进行预处理。各轨迹点的载客状态属性由两位的二进制数来表示：二进制00，即数值0表示出租车处于休息状态，停止运行；二进制01，即数值1表示出租车处于空载状态，运行信息正常记录；二进制11，即数值3表示出租车处于已载客状态，运行信息正常记录。
数据的预处理完成后，进行运行轨迹的获取。出租车的运行轨迹是指出租车在从接客至将乘客送达目的地这个过程经过的轨迹，运行轨迹开始的判断准则为出租车载客状态由空载状态变为已载客状态，运行轨迹结束的判断准则为状态由载客状态变为空载状态，具体方法为：
第一步，同一个车辆ID情况下，当该的轨迹点的状态为已载客状态(即数值为3)时，该的轨迹点的前一的轨迹点的状态为空载状态(即数值为1)，并且该的轨迹点的下一的轨迹点的状态为已载客状态(即数值为3)，同时该的轨迹点的运行速度值小于30km/h。那么该的轨迹点为出租车的运行轨迹的运行起点。
第二步，同一个车辆ID情况下，当该轨迹点的状态为空载状态(即数值为1)时，该轨迹点的前一轨迹点的状态为已载客状态(即数值为3)，并且该轨迹点的下一轨迹点的状态为空载状态(即数值为1)，同时该轨迹点的速度值小于30km/h。那么该轨迹点为出租车运行轨迹的运行终点。
运行起点、运行终点以及运行起点和运行终点之间的轨迹点构成了出租车的实际运行轨迹。由于出租车的运行信息上传的时间间隔不定，如果只通过速度为0这一条件来筛选出租车的行程会过于苛刻，因此将筛选条件设定为小于30km/h，通过以上筛选以及判定条件可以确定出租车的每一趟运行轨迹。
优选的，根据所述运行信息计算各车辆通过所述待预测路段的通行时间值，具体为：
获取所述待预测路段的起点位置信息以及终点位置信息；
根据所述运行信息获取与所述起点位置信息对应的轨迹点的开始时间值；
根据所述运行信息获取与所述终点位置信息对应的轨迹点的到达时间值；
将所述到达时间值减去所述开始时间值得到所述通行时间值。
具体的，每个轨迹点的运行信息的时间信息为“年月日时分秒”的形式，例如“20130901122423”为2013年9月1日中午12点24分23秒，在处理数据的时候通过将时间信息的字符串转换为整形时间值，那么该时间信息的整形时间值除以100得到的余数为当前轨迹点的秒，类似可以求得当前轨迹点的时和分，图4中，A点为待预测路段的起点位置，B点为待预测路段的终点位置，获取车辆经过A点时的时间值和经过B点时的时间值，计算两个时间值之间的差值即可得到车辆通过待预测路段的通行时间。
优选的，获取各车辆通过所述待预测路段时，不同类型车辆的交通流量值，具体为：
获取从所述开始时间值至所述到达时间值之间的时间段内，所述待预测路段上不同类型车辆的交通流量值。
考虑车辆通过待预测路段时的交通流量对道路阻抗的影响，具体的，需要获取的交通流量值有：机动车交通流量值qcar(pcu/h)；非机动车交通流量值qbike(pcu/h)；公交车交通流量值qbus(pcu/h)。
优选的，获取所述待预测路段的尺寸信息，根据所述尺寸信息计算所述待预测路段的不同车道的通行能力值，具体为：
所述待预测路段包括机动车道和非机动车道；
根据机动车道长度以及限速值计算所述待预测路段的机动车道理论通行能力值；根据非机动车的交通流量值设置非机动车流量修正系数，根据机动车道宽度设置机动车道宽度修正系数，根据车道数量设置车道数修正系数，根据交叉口夹角以及交叉口交通灯切换频率设置交叉口修正系数；通过所述非机动车流量修正系数、机动车道宽度修正系数、车道数修正系数、交叉口修正系数对所述机动车道理论通行能力值进行修正得到机动车道实际通行能力值：
Ccar＝N0·γ·η·C·n′
其中，Ccar为机动车道实际通行能力值，N0为机动车理论通行能力值，γ为非机动车流量修正系数，η为机动车道宽度修正系数，C为交叉口修正系数，n′为车道数修正系数；
根据非机动车道长度计算连续非机动车辆的理论通过时间；获取在所述理论通过时间内通过观测横断面的非机动车数量，获取非机动车道宽度，计算非机动车道实际通行能力值：
Figure BDA0002260679320000081
其中，Cbike为非机动车道实际通行能力值，t为理论通过时间，Nt为理论通过时间内通过观测横断面的非机动车数量，B为非机动车道宽度。
本实施例中，在计算机动车道的实际通行能力值时，不仅考虑了机动车道本身因素(即机动车道长度、限速值、机动车道宽度、车道数量、交叉口夹角、交叉口交通灯切换频率)的影响，还考虑了非机动车对机动车道的通行能力的影响，因为在非机动车流量较大时，可能会驶上机动车道，因此设置了非机动车流量修正系数，因此本实施例中机动车道的实际通行能力值更符合实际情况。具体的，机动车李东通行能力值可直接用机动车道长度除以限速值获得，机动车道宽度修正系数与机动车道宽度成正比设置，车道数量修正系数与车道数量成正比设置，交叉口修正系数与交叉口的夹角成正比设置，交叉口修正系数与与交通灯的红绿灯切换频率成反比设置。
本实施例中，非机动车道实际通行能力值通过理论通过时间、理论通过数量以及非机动车道宽度计算，具体的理论通过时间根据非机动车道长度以及非机动车平均速度计算，理论通过数量根据非机动车平均交通流量计算。优选的，当非机动车宽度大于设定阈值，使得机动车也可通过非机动车道时，可设置机动车流量修正系数，通过机动车流量修正系数对非机动车道实际通行能力值进行修正，从而使得非机动车道实际通行能力值的计算考虑到机动车的影响，更准确。
优选的，建立关于道路阻抗、不同类型车辆的交通流量以及不同车道的通行能力之间的道路阻抗模型，具体为：
Figure BDA0002260679320000091
其中，ta为道路阻抗，t0为零流道路阻抗，qcar为机动车的交通流量值，qbus为公交车的交通流量值，qbike为非机动车的交通流量值，Ccar为机动车道通行能力值，Cbike为非机动车道通行能力值，α1、α2、α3、β1、β2以及β3均为待标定参数。
本实施例中所建立的道路阻抗模型考虑了公交车、机动车以及非机动车三种不同类型车辆之间的相互影响，应该理解的对于车辆类型的划分还可以更细致，按照该道路阻抗模型可以计算考虑机动车与非机动车相互干扰的混合交通下道路阻抗，计算精度更高。
优选的，根据各车辆的通行时间值、不同类型车辆的交通流量值以及不同车道的通行能力值对所述道路阻抗模型进行参数标定，具体为：
分别对所述道路阻抗模型中每一待标定参数求偏导，得到非线性方程组；
将各车辆的通行时间值、不同类型车辆的交通流量值以及不同车道的通行能力值代入所述非线性方程组，得到所述待标定参数的值。
具体的，为方便标定阻抗函数，将阻抗函数进行适当的转换，将标定道路阻抗模型的问题转换为确定α1、α2、α3、β1、β2以及β3，使满足以下公式：
Figure BDA0002260679320000092
其中，y(i)为第i辆车辆
Figure BDA0002260679320000093
为第i个车辆经过所述待预测路段时的道路阻抗，
Figure BDA0002260679320000094
Figure BDA0002260679320000095
为第i辆车辆经过所述待预测路段时机动车的交通流量值，
Figure BDA0002260679320000101
Figure BDA0002260679320000102
为第i辆车辆经过所述待预测路段时公交车的交通流量值，
Figure BDA0002260679320000103
Figure BDA0002260679320000104
为第i辆车辆经过所述待预测路段时非机动车的交通流量值，
Figure BDA0002260679320000105
N为经过筛选的有经过待预测路段的车辆的数量。
根据一阶极值条件，通过分别对α1、α2、α3、β1、β2以及β3求偏导即可得到关于α1、α2、α3、β1、β2以及β3的非线性方程组，非线性方程组为：
Figure BDA0002260679320000106
…
Figure BDA0002260679320000107
通过对以上的非线性方程组求解即可得到满足要求的数值解α1、α2、α3、β1、β2以及β3，得到道路阻抗模型的最优参数。
优选的，本方法还包括：
将通行时间分为多个时间段，将筛选出的运行信息按多个所述时间段分为多组运行信息；
根据各组所述运行信息分别建立不同时间段的道路阻抗模型。
具体的，将通行时间分为5个时间段，0:00-7:00时间段，该时间段为夜间时刻，车辆处于一般自由流时间段；7:00-10:00为早高峰时间段；10:00-15:00为午间小高峰时段，车流量一般在中午12:00时刻处于波峰状态；15:00-19:00时间段，该时间段为晚高峰时段，19:00-00:00时间段，该时间段车流辆逐渐下降并平稳，通行时间较为稳定。在获取各车辆通过待预测路段的通行时间的基础上，根据不同时间段将通行时间分为五个阶段。针对每一阶段建立不同的道路阻抗模型，并根据不同阶段的通行时间，不同阶段的交通流量值，以及待预测路段的交通能力值对相应的道路阻抗模型进行参数标定，最后得到全天不同时间段的道路阻抗模型。图5中示出了五个时间段的通行时间图以及五个时间段对应的道路阻抗模型，图5中横轴为时间，纵轴为待预测路段的预测通行时间,也即预测道路阻抗。
实施例2
本发明的实施例2提供了基于混合交通的道路阻抗预测装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现以上实施例提供的基于混合交通的道路阻抗预测方法。
本发明实施例提供的基于混合交通的道路阻抗预测装置，用于实现基于混合交通的道路阻抗预测方法，因此，上述基于混合交通的道路阻抗预测方法所具备的技术效果，基于混合交通的道路阻抗预测装置同样具备，在此不再赘述。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

Claims (8)

1.一种基于混合交通的道路阻抗预测方法，其特征在于，包括以下步骤：
获取经过待预测路段车辆的运行信息，根据所述运行信息计算各车辆通过所述待预测路段的通行时间值；
获取各车辆通过所述待预测路段时，不同类型车辆的交通流量值；
获取所述待预测路段的尺寸信息，根据所述尺寸信息计算所述待预测路段的不同车道的通行能力值；当非机动车宽度大于设定阈值，设置机动车流量修正系数，通过机动车流量修正系数对非机动车道实际通行能力值进行修正；
建立关于不同类型车辆的交通流量以及不同车道的通行能力之间的道路阻抗模型；
根据各车辆实际的通行时间值、交通流量值以及不同车道的通行能力值对所述道路阻抗模型进行参数标定；
根据标定后的道路阻抗模型对所述待预测路段的道路阻抗进行预测；
建立关于不同类型车辆的交通流量以及不同车道的通行能力之间的道路阻抗模型，具体为：
Figure FDA0003022851080000011
其中，ta为道路阻抗，t0为零流道路阻抗，qcar为机动车的交通流量值，qbus为公交车的交通流量值，qbike为非机动车的交通流量值，Ccar为机动车道通行能力值，Cbike为非机动车道通行能力值，α1、α2、α3、β1、β2以及β3均为待标定参数；
获取所述待预测路段的尺寸信息，根据所述尺寸信息计算所述待预测路段的不同车道的通行能力值，具体为：
所述待预测路段包括机动车道和非机动车道；
根据机动车道长度以及限速值计算所述待预测路段的机动车道理论通行能力值；根据非机动车的交通流量值设置非机动车流量修正系数，根据机动车道宽度设置机动车道宽度修正系数，根据车道数量设置车道数修正系数，根据交叉口夹角以及交叉口信号灯切换频率设置交叉口修正系数；通过所述非机动车流量修正系数、机动车道宽度修正系数、车道数修正系数、交叉口修正系数对所述机动车道理论通行能力值进行修正得到机动车道实际通行能力值：
Ccar＝N0·η·C·n′
其中，Ccar为机动车道实际通行能力值，N0为机动车理论通行能力值，γ为非机动车流量修正系数，η为机动车道宽度修正系数，C为交叉口修正系数，n′为车道数修正系数；
根据非机动车道长度计算连续非机动车辆的理论通过时间；获取在所述理论通过时间内通过观测横断面的非机动车数量，获取非机动车道宽度，计算非机动车道实际通行能力值：
Figure FDA0003022851080000021
其中，Cbike为非机动车道实际通行能力值，t为理论通过时间，Nt为理论通过时间内通过观测横断面的非机动车数量，B为非机动车道宽度。
2.根据权利要求1所述的基于混合交通的道路阻抗预测方法，其特征在于，获取经过待预测路段车辆的运行信息，具体为：
收集车辆的运行信息，根据所述运行信息获取车辆的运行轨迹；
获取所述待预测路段的地理位置信息，根据所述地理位置信息设置筛选区域；
判断所述运行轨迹中是否存在落入所述筛选区域的轨迹点，如果不存在则表示对应车辆未经过所述待预测路段，如果存在，则进一步判断落入所述筛选区域的轨迹点的时间顺序是否与所述待预测路段的通行方向一致，如果一致，则表示对应车辆经过所述待预测路段；筛选出所有经过所述待预测路段的运行信息。
3.根据权利要求2所述的基于混合交通的道路阻抗预测方法，其特征在于，根据所述运行信息获取车辆的运行轨迹，具体为：
所述运行信息为出租车的运行信息，所述运行信息包括车辆ID、各轨迹点的载客状态以及各轨迹点的运行速度；
筛选出同一车辆ID的轨迹点，在同一车辆ID的轨迹点中筛选出运行速度小于设定阈值的轨迹点；
在运行速度小于设定阈值的轨迹点中筛选出载客状态为已载客状态、前一轨迹点的载客状态为空载状态且后一轨迹点的载客状态为已载客状态的轨迹点，作为运行起点；
在运行速度小于设定阈值的轨迹点中筛选出载客状态为空载状态、前一轨迹点的载客状态为已载客状态且后一轨迹点的载客状态为空载状态的轨迹点，作为运行终点；
根据所述运行起点、运行终点以及其他轨迹点生成所述运行轨迹。
4.根据权利要求1述的基于混合交通的道路阻抗预测方法，其特征在于，根据所述运行信息计算各车辆通过所述待预测路段的通行时间值，具体为：
获取所述待预测路段的起点位置信息以及终点位置信息；
根据所述运行信息获取与所述起点位置信息对应的轨迹点的开始时间值；
根据所述运行信息获取与所述终点位置信息对应的轨迹点的到达时间值；
将所述到达时间值减去所述开始时间值得到所述通行时间值。
5.根据权利要求4所述的基于混合交通的道路阻抗预测方法，其特征在于，获取各车辆通过所述待预测路段时，不同类型车辆的交通流量值，具体为：
获取从所述开始时间值至所述到达时间值之间的时间段内，所述待预测路段上不同类型车辆的交通流量值。
6.根据权利要求1所述的基于混合交通的道路阻抗预测方法，其特征在于，根据各车辆的实际的通行时间值、不同类型车辆的交通流量值以及不同车道的通行能力值对所述道路阻抗模型进行参数标定，具体为：
分别对所述道路阻抗模型中每一待标定参数求偏导，得到非线性方程组；
将各车辆的实际的通行时间值、不同类型车辆的交通流量值以及不同车道的通行能力值代入所述非线性方程组，得到所述待标定参数的值。
7.根据权利要求1所述的基于混合交通的道路阻抗预测方法，其特征在于，还包括：
将通行时间分为多个时间段，将筛选出的运行信息按多个所述时间段分为多组运行信息；
根据各组所述运行信息分别建立不同时间段的道路阻抗模型。
8.一种基于混合交通的道路阻抗预测装置，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7任一所述的基于混合交通的道路阻抗预测方法。
CN201911070024.3A 2019-11-05 2019-11-05 一种基于混合交通的道路阻抗预测方法及装置 Active CN110807926B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911070024.3A CN110807926B (zh) 2019-11-05 2019-11-05 一种基于混合交通的道路阻抗预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911070024.3A CN110807926B (zh) 2019-11-05 2019-11-05 一种基于混合交通的道路阻抗预测方法及装置

Publications (2)

Publication Number Publication Date
CN110807926A CN110807926A (zh) 2020-02-18
CN110807926B true CN110807926B (zh) 2021-06-11

Family

ID=69501083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911070024.3A Active CN110807926B (zh) 2019-11-05 2019-11-05 一种基于混合交通的道路阻抗预测方法及装置

Country Status (1)

Country Link
CN (1) CN110807926B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111767644B (zh) * 2020-06-05 2023-10-17 重庆大学 考虑单隧道限速影响高速公路路段实际通行能力估计方法
CN113761725B (zh) * 2021-08-19 2022-11-04 东南大学 一种基于交通仿真的路段阻抗函数校正方法
CN113674527B (zh) * 2021-08-23 2022-04-05 武汉风韵出行信息科技有限公司 一种基于智慧交通物联网的交通监测系统及方法
CN113554878A (zh) * 2021-09-18 2021-10-26 深圳市城市交通规划设计研究中心股份有限公司 一种路段阻抗函数确定方法、计算设备及存储介质
CN113935525B (zh) * 2021-10-11 2024-08-23 上海交通大学 基于poi影响的一种动态交通流量分配方法
CN116542528B (zh) * 2023-03-31 2023-11-14 中国人民解放军军事科学院系统工程研究院 一种通行需求满足度分析方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1600735B1 (de) * 2004-05-27 2006-11-29 Delphi Technologies, Inc. Kraftfahrzeugnavigationsgerät
CN101930670A (zh) * 2010-08-12 2010-12-29 东南大学 公交行驶路段社会车辆运行时间预测方法
CN104299442A (zh) * 2014-10-15 2015-01-21 河海大学 一种基于模式匹配的城市路径行程时间预测方法
CN105070042A (zh) * 2015-07-22 2015-11-18 济南市市政工程设计研究院（集团）有限责任公司 一种交通预测的建模方法
CN107038863A (zh) * 2017-05-17 2017-08-11 东南大学 一种考虑综合交通管理措施的城市道路网络广义路权计算方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10145299A1 (de) * 2001-09-14 2003-04-03 Bosch Gmbh Robert Verfahren zur automatischen Berechnung von optimalen Routen
CN104464320B (zh) * 2014-12-15 2016-09-07 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
CN106920395B (zh) * 2017-04-21 2019-04-12 杭州市综合交通研究中心 一种基于参数标定的交通阻抗计算方法
CN109959380A (zh) * 2017-12-22 2019-07-02 中南大学 一种基于车载导航轨迹特征的通行门的判定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1600735B1 (de) * 2004-05-27 2006-11-29 Delphi Technologies, Inc. Kraftfahrzeugnavigationsgerät
CN101930670A (zh) * 2010-08-12 2010-12-29 东南大学 公交行驶路段社会车辆运行时间预测方法
CN104299442A (zh) * 2014-10-15 2015-01-21 河海大学 一种基于模式匹配的城市路径行程时间预测方法
CN105070042A (zh) * 2015-07-22 2015-11-18 济南市市政工程设计研究院（集团）有限责任公司 一种交通预测的建模方法
CN107038863A (zh) * 2017-05-17 2017-08-11 东南大学 一种考虑综合交通管理措施的城市道路网络广义路权计算方法

Also Published As

Publication number Publication date
CN110807926A (zh) 2020-02-18

Similar Documents

Publication Publication Date Title
CN110807926B (zh) 一种基于混合交通的道路阻抗预测方法及装置
EP3719714B1 (en) Machine learning system for classifying an area as vehicle way
Fan et al. Congestion and environmental impacts of short car trip replacement with micromobility modes
CN105185115B (zh) 一种交通预测方法和预测系统
US11450202B2 (en) Method and system for determining a geographical area occupied by an intersection
DE60319993T2 (de) Vorrichtung und verfahren zur verkehrsinformationsbereitstellung
CN100463009C (zh) 一种交通信息融合处理方法和系统
WO2019047905A1 (zh) 一种交通路况分析系统、方法以及装置
CN101930670B (zh) 公交行驶路段社会车辆运行时间预测方法
Sekhar et al. Estimation of delay and fuel loss during idling of vehicles at signalised intersection in Ahmedabad
Anya et al. Application of AIMSUN microsimulation model to estimate emissions on signalized arterial corridors
Gonzales et al. Multimodal transport modeling for Nairobi, Kenya: insights and recommendations with an evidence-based model
JP4865922B1 (ja) 走行情報演算装置、ナビゲーションシステムおよび走行情報演算方法
CN106128132A (zh) 一种实时路况监控的系统
Tiedong et al. Applying floating car data in traffic monitoring
JP5434765B2 (ja) 起終点交通量算出装置、交通シミュレータ及び起終点交通量算出方法
CN114078322B (zh) 一种公交运行状态评价方法、装置、设备及存储介质
JP4914525B1 (ja) 走行情報演算装置および走行情報演算方法
JP4946950B2 (ja) リンク情報作成装置、リンク情報作成方法及びプログラム
CN112905856A (zh) 一种具有时空依赖的高速交通数据集的构建方法
CN115083198B (zh) 一种多车运力资源调度方法及装置
EP3922947A2 (en) Traffic analytics system for defining road networks
CN110021164A (zh) 基于行驶时间数据的网约车路网占有率分析方法
CN110021163A (zh) 基于行驶里程数据的网约车路网占有率分析方法
Patil et al. Estimation of cordon based marginal congestion cost for Greater Mumbai road network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant