CN110930694A - 交通检测器布设方案的生成方法、计算机系统、存储介质 - Google Patents

交通检测器布设方案的生成方法、计算机系统、存储介质 Download PDF

Info

Publication number
CN110930694A
CN110930694A CN201911077719.4A CN201911077719A CN110930694A CN 110930694 A CN110930694 A CN 110930694A CN 201911077719 A CN201911077719 A CN 201911077719A CN 110930694 A CN110930694 A CN 110930694A
Authority
CN
China
Prior art keywords
laid
road
sub
traffic
paths
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.)
Granted
Application number
CN201911077719.4A
Other languages
English (en)
Other versions
CN110930694B (zh
Inventor
朱荣荣
汪淳
何林强
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN201911077719.4A priority Critical patent/CN110930694B/zh
Publication of CN110930694A publication Critical patent/CN110930694A/zh
Application granted granted Critical
Publication of CN110930694B publication Critical patent/CN110930694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions

Landscapes

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

Abstract

本申请公开了一种交通检测器布设方案的生成方法、计算机系统、计算机存储介质。该方法包括:获取以有向图表示的待布设区域的路网数据;从有向图中获取多条子路径;以待布设的交通检测器的数量作为第一约束条件,并以布设待布设的交通检测器之后,该多条子路径中所能够检测到的里程数之和最大化为目标,求解出包含需布设路段的路段集合。通过上述方式,能够优化交通检测器的布设方案,降低布设成本。

Description

交通检测器布设方案的生成方法、计算机系统、存储介质
技术领域
本申请涉及交通道路检测领域,特别涉及一种交通检测器布设方案的生成方法、计算机系统以及计算机存储介质。
背景技术
获取路网中各路段的行程时间是交通态势分析和交通流诱导的基础,也是智能交通系统中重要的基础输入信息。交通检测器经常被用来检测路段或路径的行程时间。通过计算同一辆车通过某一路段上游和下游交通检测器的时间差,可以获得该辆车在该路段上的行程时间。
然而,随着城市的发展,路网密度越来越大,在路段上安装交通检测器的成本剧增。
发明内容
本申请主要解决的技术问题是提供一种交通检测器布设方案的生成方法、计算机系统以及计算机存储介质,能够优化交通检测器的布设方案,降低布设成本。
为解决上述技术问题,本申请第一方面提供了一种交通检测器布设方案的生成方法,该方法包括:获取以有向图表示的待布设区域的路网数据,其中有向图中的节点表示路网中的交叉口,有向图中的边表示相邻两个交叉口之间的路段,并配置有路段长度;从有向图中获取多条子路径,其中每条子路径以两个交叉口为起点和终点,每条子路径所包含路段的数量大于或等于2且小于或等于预设的数量阈值,所包含路段的路段长度之和小于预设的长度阈值,且每条子路径配置有车辆流量;以待布设的交通检测器的数量作为第一约束条件,并以布设待布设的交通检测器之后,多条子路径中所能够检测到的里程数之和最大化为目标,求解出包含需布设路段的路段集合,其中每条子路径中所能够检测到的里程数正比于子路径中的第一个交通检测器与最后一个交通检测器之间的距离和车辆流量。
为解决上述技术问题,本申请第二方面提供了一种计算机系统,该计算机系统包括处理器以及与处理器耦接的存储器,该存储器存储有用于在处理器运行后实现本申请第一方面提供的方法的程序指令。
为解决上述技术问题,本申请第三方面提供了一种计算机存储介质,该计算机存储介质存储有计算机程序,计算机程序被执行时实现本申请第一方面提供的方法。
上述方案,以待布设的交通检测器的数量作为约束条件,并以布设待布设的交通检测器之后,预先选定的多条子路径中所能够检测到的里程数之和最大化为目标,进而计算出需要布设交通检测器的需布设路段,使得布设方案更加合理,布设成本更低。
附图说明
图1为本申请第一实施例提供的交通检测器布设方案的生成方法的流程图;
图2为本申请第二实施例提供的获取多条子路径的方法流程图;
图3为本申请第三实施例提供的一种从有向图中获取多条初始路径的方法流程图;
图4为本申请第四实施例提供的另一种从有向图中获取多条初始路径的方法流程图;
图5为本申请第五实施例提供的一种求解包含需布设路段的路段集合的方法流程图;
图6为本申请第六实施例提供的另一种求解包含需布设路段的路段集合的方法流程图;
图7为本申请第七实施例提供的一种计算机系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请中的术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。需注意的是,对于下述方法实施例,若有实质上相同的结果,本申请的方法并不以图示的流程顺序为限。
请参阅图1,图1为本申请第一实施例提供的交通检测器布设方案的生成方法的流程图。如图1所示,本实施例交通检测器布设方案的生成方法可以包括以下步骤:
S110:获取以有向图表示的待布设区域的路网数据。
在本步骤中,可利用待布设区域的市政道路规划图、航拍图以及其他方式生成有向图。其中,有向图中的节点表示路网中的交叉口,有向图中的边表示相邻两个交叉口之间的路段,并配置有路段长度。
可以理解的是,有向图是由一组节点和一组有方向的边组成的,每条有方向的边都连接着有序的一对节点。本实施例中,将检测出的路网数据用有向图的方式表示。其中,路网中包括至少一条路径,每条路径包括至少一条路段,可以根据路径中的交叉口将路径划分成不同的路段,每个路段的相邻两个交叉口对应有向图中的一对节点,每个路段均具有对应的路段长度。
S120:从有向图中获取多条子路径。
其中,每条子路径以两个交叉口为起点和终点,每条子路径所包含路段的数量大于或等于2且小于或等于预设的数量阈值,所包含路段的路段长度之和小于预设的长度阈值,且每条子路径配置有车辆流量。
子路径可根据路网中包含的路段数量以及各相邻路段长度之和得到。具体而言,当路径中包含的路段数量大于等于2时,对该路径作拆分。拆分后的子路径中路段数量小于预设的数量阈值、路段长度之和小于预设的长度阈值。在一具体实施方式中,数量阈值为3,长度阈值根据行程时间的检测精度确定。
S130:以待布设的交通检测器的数量作为第一约束条件,并以布设待布设的交通检测器之后,多条子路径中所能够检测到的里程数之和最大化为目标,求解出包含需布设路段的路段集合。
待布设的交通检测器的数量是指需新增到路网中的交通检测器的数量。其可以由用户直接给定,或者可以由用户给定的预算以及单个交通检测器的布设成本得到。
以待布设的交通检测器的数量为第一约束条件,多条子路径中所能够检测到的里程数之和最大化为目标建立目标规划模型,并对模型进行求解可得到包含需布设路段的路段集合。
其中,每条子路径中所能够检测到的里程数正比于子路径中的第一个交通检测器与最后一个交通检测器之间的距离和车辆流量。
在一具体实施方式中,每条子路径中所能够检测到的里程数可以等于子路径中的第一个交通检测器与最后一个交通检测器之间的距离和车辆流量的乘积。
在本步骤之前,还可以获取路网中的原有交通检测器(已布设的交通检测器)的数量与原有交通检测器所在的路段(已布设路段)。以根据路网中已布设的交通检测器的信息为基础结合待布设的交通检测器的数量和布设位置计算上述里程数。即,在用于进行计算里程数的第一个交通检测器与最后一个交通检测器包括上述已布设的交通检测器和待布设的交通检测器。
本实施例,以待布设的交通检测器的数量作为约束条件,并以布设待布设的交通检测器之后,预先选定的多条子路径中所能够检测到的里程数之和最大化为目标,进而计算出需要布设交通检测器的需布设路段,使得布设方案更加合理,布设成本更低。
请结合参阅图2,对从有向图中获取多条子路径进行举例说明。其中,图2为本申请第二实施例提供的获取多条子路径的方法流程图。
如图2所示,S120可以包括以下子步骤:
S221:从有向图中获取多条初始路径。
初始路径的信息可包括路径的数量、长度,路径中包含路段的数量,路径中包含的各路段的长度等信息。
S222:以数量阈值和长度阈值作为第二约束条件,将初始路径拆分成子路径。
当初始路径中所包含的路段数量大于或者等于2或长度大于预设阈值时,可根据预设的路径中包含的路段数量阈值和路径长度阈值对初始路径作拆分处理。拆分后的子路径中各路段数量小于预设的数量阈值、路段长度之和小于或者等于预设的长度阈值。比如,预先设置每条子路径中包含的路段数量阈值为3,路段长度阈值为1500(单位为m)。一条路径r由路段的集合{a1,a2,a3,a4}构成,其中路段a1的长度为700m,路段a2的长度为500m,路段a3的长度为300m,路段a4的长度为800m。则将该路径拆分成子路径r1和子路径r2,子路径r1由路段的集合{a1,a2,a3}构成,子路径r2由路段的集合{a3,a4}构成。
本实施例,通过将获得的初始路径拆分成路段之和小于预设长度阈值、路段数量小于预设数量阈值的子路径,当子路径的第一条路段和最后一条路段均安装了交通检测器时,可使得根据交通检测器得到的车辆行程时间更加精确。
请结合参阅图3和图4,对从有向图中获取多条初始路径进行举例说明。其中,图3为本申请第三实施例提供的一种从有向图中获取多条初始路径的方法流程图;图4为本申请第四实施例提供的另一种从有向图中获取多条初始路径的方法流程图。
如图3所示,S221可以包括子步骤:
S3211:获取车辆轨迹数据。
车辆轨迹数据也可以被称为车辆行驶数据,包括每一条车辆轨迹数据包括车辆行驶方向、车辆行驶时间、车辆位置坐标等信息。车辆轨迹数据包括但不限于通过浮动车数据、交通出行调查等方式得到。
当路径车辆轨迹数据无法直接获取时,可通过使用路径中部分路段的车辆轨迹数据对路网进行OD(起点-终点)矩阵反推的方式获得。其中,OD矩阵反推的原理是通过路段车辆轨迹数据数量来推算路径车辆轨迹数据数量。
S3212:将每条车辆轨迹数据对应成有向图中的一条初始路径。
将每条车辆轨迹数据转换成有向图中的路径,并将转换成的路径作为初始路径。具体来说,在有向图上确定车辆轨迹数据所对应的车辆轨迹所经过的交叉口和路段,进而形成初始路径。
S3213:对每条初始路径所对应的车辆轨迹数据的数量作为车辆流量。
每条初始路径至少包括一条车辆轨迹数据,初始路径对应的车辆轨迹数据的数量代表该条初始路径的车辆流量。初始路径对应的车辆轨迹数据的数量越多,则该条初始路径上的车辆流量越大。
如图4所示,步骤S221可以包括子步骤:
S4211:根据有向图构建OD矩阵。
OD矩阵也可以被称为起点-终点矩阵,该矩阵是由起点或终点中的一个作为行数,以另一个作为列数进行排列的二维矩阵。因此,通过OD矩阵可以确定多个起点和终点对(OD对)。
S4212:确定OD矩阵中的每一OD对之间的最短路径作为初始路径。
每一OD对(每一个起点和终点)之间在有向图中可能会存在多条路径,从一个OD之间的多条路径中选择一条最短的路径作为这对OD之间的初始路径。
S4213:为每一初始路径配置一固定值作为车辆流量。
筛选出包含路段数量大于等于2的初始路径,并将所有初始路径的流量赋一个初始值。比如,将所有初始路径的流量赋值为1。或者根据经验值为不同的初始路径分配不同的固定值,例如对于市中心的路径分配相对较高的车辆流量,而对于郊区的路径分配相对较低的车辆流量。
请参阅图5和图6,对求解包含需布设路段的路段集合进行举例说明。其中,图5为本申请第五实施例提供的一种求解包含需布设路段的路段集合的方法流程图;图6为本申请第六实施例提供的另一种求解包含需布设路段的路段集合的方法流程图。
如图5所示,步骤130包括子步骤:
S531:初始化路段集合。
初始化过程即为从有向图中选择原有交通检测器的路段作为已布设路段和/或从有向图中选择未布设所述交通检测器的路段作为需布设路段加入路径集合。
具体而言,当前有向图中具有已布设交通检测器的路段时,将有向图中已布设交通检测器的路段作为已布设路段加入路段集合中。当前有向图中没有已布设交通检测器的路段时,从有向图中随机选择或根据经验选择一条或多条未布设交通检测器的路段作为需布设路段加入路径集合。从而使得初始化后的路段集合中至少包含一条路段。
S532:分别计算有向图中的未处于路段集合内的各待判定路段与路段集合的并集中的路段均布设交通检测器后,多个子路径中所能够检测到的第一里程数之和。
具体而言,经过初始化后的路径集合为非空集合,将有向图中的未处于路段集合内的各待判定路段一一加入路径集合中进行计算。分别计算每条待判定路段加入路径集合时,路径集合中的路段均布设交通检测器后,多个子路径中所能够检测到的第一里程数之和。举例说明,路径集合A={a1,a2,…,a5},即路径集合A中包含a1-a5这五条路段,有向图中的未处于路段集合内的待判定路段集合B={a6,a7,…,a10},即路径集合B中包含a6-a10五条路段。将a6加入路段集合A={a1,a2,…,a5}后,计算路径集合{a1,a2,…,a5,a6}中的六个路段均布设交通检测器后,由路径集合{a1,a2,…,a5,a6}中的六个路段对应的多个子路径中所能够检测到的第一里程数之和;将a7加入路段集合A后,由路径集合{a1,a2,…,a5,a7}中的六个路段对应的多个子路径中所能够检测到的第一里程数之和;以同样的方式分别将a8、a9、a10加入路段集合A中,并分别计算出对应的路段加入集合A,并计算每个路段加入形成新的路径集合后对应的多个子路径中所能够检测到的第一里程数之和。
S533:将第一里程数之和的最大值所对应的待判定路段作为需布设路段加入路段集合;
S534:判断是否满足第一迭代结束条件,若不满足则返回S532,若满足则执行S535。
S535:输出路段集合。
输出的路段集合可以作为最终布设方案使用,也可以进行后续优化,例如图6所示的优化过程。
其中,在一具体实施方式中,第一迭代结束条件为路段集合中的需布设路段数量等于待布设的交通检测器的数量。第一迭代结束条件对应的迭代次数等于需新增交通检测器的数量。此时,路段集合中路段中数量=s(原有交通检测器的数量)+q(待布设的交通检测器的数量)。
本实施例,通过贪婪算法每次中从有向图中的未处于路段集合内的各待判定路段中选择一条加入路径集合中,计算此时的路径集合中的路段均布设交通检测器后,路径集合中的路段对应的多个子路径中所能够检测到的第一里程数之和。以此方式选择出第一里程数之和的最大值所对应的待判定路段,将其作为需布设路段加入路段集合。而且,前述过程迭代次数等于待布设交通检测器的数量(q),从而从有向图中的未处于路段集合内的待判定路段中选择q条最优的路段加入原来的路径集合中,作为需要安装交通检测器的路段。从而能够获得路网中的当前最优布设交通检测器的方案,降低交通检测器的布设成本。
如图6所示,为了避免图5所示的贪婪算法产生局部最优解,还可以进一步在图5的基础上进行以下步骤。值得注意的是,图6所示的步骤同样适用于通过其他方式在路段集合中已加入需布设路段的情况。
S631:计算路段集合中的路段均布设交通检测器后多个子路径中所能够检测到的第二里程数之和。
将路段集合中的路段对应的每个子路径均布设交通检测器后,对每个子路径中能够检测到的第二里程数作加权求和。
S632:从路段集合中选择一需布设路段。
本步骤中的选择需布设路段的方式可以为随机选择、也可以为定向选择等方式,在此不作限定。
S633:分别计算有向图中的未处于路段集合内的各待判定路段与去除选择的需布设路段后的路段集合的并集内的路段均布设交通监测器后,多个子路径中所能够检测到的第三里程数之和。
路径集合中有(s+q)条路段,其中s为已布设路段数量,q为需布设路段数量。每次从路径集合(s+q)中去除一条待布设路段后,再从有向图中的未处于路段集合内的待判定路段中选择的一条路段加入去到除一条待布设路段后的路径集合(s+(q-1))中,组成新的路径集合(s+(q-1+1)),并计算(s+(q-1+1))条路段均布设交通监测器后,多个子路径中所能够检测到的第三里程数之和。该过程最多可进行q次,以使路径集合中的q条路段都能被选择到。举例说明,路径集合A={a1,a2,…,a5},即路径集合A中包含a1-a5这五条路段,有向图中的未处于路段集合内的待判定路段组成的集合B={a6,a7,…,a10},即待判定路段组成的集合B中包含a6-a10这五条路段。从路径A中取出a1(需布设路段),并在待判定路段组成的集合B中取出a8放入路径集合A中,即将路径集合A中的a1替换成a8,这时的路径集合A变成了{a8,a2,…,a5},然后求{a8,a2,…,a5}中五条路段均布设交通监测器后,五条路段对应的子路径中所能够检测到的第三里程数之和。其中,第三里程数之和的计算方法与第二里程数之和的计算方法相同。
若第三里程数之和的最大值大于第二里程数之和,则执行S634。
S634:将第三里程数之和的最大值所对应的待判定路段代替选择的需布设路段。
S635:判断是否满足第二迭代结束条件,若不满足则返回S633,若满足,则执行S636。
S636:则输出路段集合。
在一具体实施方式中,第二迭代结束条件可以为迭代次数等于
Figure BDA0002262992000000101
其中m为有向图中的路段的数量,q为待布设的交通检测器的数量,s为已布设路段的数量。迭代次数也可以为m-q-s、
Figure BDA0002262992000000102
等。路网中需安装交通检测器的路段越多,迭代次数越少。
当然,第二迭代条件也可以为:本次迭代后的路径集合中路段均布设交通检测器后所能检测的第二里程数之和,与上一次迭代后/未进行本次迭代前的路径集合中路段均布设交通检测器后所能检测的第二里程数之和之间的差值小于预设值。满足该第二迭代条件,则结束迭代过程,输出路段集合。从而能够减少迭代的次数,进而减少迭代的时间、提高计算效率。
本实施例,通过交换算法,将路径集合中的路段分别在不同迭代次数中选择性地替换为待判定路段,根据替换后路径集合中路段所能覆盖的最大车辆里程数与替换前路径集合中路段所能覆盖的车辆里程数比较结果来决定是否对原本路径集合中路段进行替换,能够在对路径集合的需布设路段进行二次优化,可以在较大程度上避免出现局部最优解的情况。
请参阅图7,图7为本申请第七实施例提供的一种计算机系统的结构示意图。如图7所示,该计算机系统包括处理器710、与处理器710耦接的存储器720,其中,存储器720存储有用于实现上述任一实施例的方法的程序指令;处理器710用于执行存储器720存储的程序指令以实现上述任一实施例的方法。其中,处理器710还可以称为CPU(Central ProcessingUnit,中央处理单元)。处理器710可能是一种集成电路芯片,具有信号的处理能力。处理器710还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
需要说明的是,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机存储介质来指令相关的硬件完成。计算机程序可存储于一计算机存储介质中,该计算机程序被执行时能够实现上述任一实施例中的中任一实施例的方法或步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机存储介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、点载波信号、电信信号以及软件分发介质等。
以上仅为本申请的实施例,并非限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程的变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。

Claims (12)

1.一种交通检测器布设方案的生成方法,其特征在于,所述方法包括:
获取以有向图表示的待布设区域的路网数据,其中所述有向图中的节点表示路网中的交叉口,所述有向图中的边表示相邻两个所述交叉口之间的路段,并配置有路段长度;
从所述有向图中获取多条子路径,其中每条所述子路径以两个所述交叉口为起点和终点,每条所述子路径所包含路段的数量大于或等于2且小于或等于预设的数量阈值,所述子路径包含路段的路段长度之和小于预设的长度阈值,且每条所述子路径配置有车辆流量;
以待布设的交通检测器的数量作为第一约束条件,并以布设所述待布设的交通检测器之后,所述多条子路径中所能够检测到的里程数之和最大化为目标,求解出包含需布设路段的路段集合,其中每条所述子路径中所能够检测到的里程数正比于所述子路径中的第一个交通检测器与最后一个交通检测器之间的距离和所述车辆流量。
2.根据权利要求1所述的方法,其特征在于,所述从所述有向图中获取多条子路径的步骤包括:
从所述有向图中获取多条初始路径;
以所述数量阈值和所述长度阈值作为第二约束条件,将所述初始路径拆分成所述子路径。
3.根据权利要求2所述的方法,其特征在于,所述从所述有向图中获取多条初始路径的步骤包括:
获取车辆轨迹数据;
将每条所述车辆轨迹数据对应成所述有向图中的一条所述初始路径;
对每条所述初始路径所对应的所述车辆轨迹数据的数量作为所述车辆流量。
4.根据权利要求2所述的方法,其特征在于,所述从所述有向图中获取多条初始路径的步骤包括:
根据所述有向图构建OD矩阵;
确定所述OD矩阵中的每一OD对之间的最短路径作为所述初始路径;
为每一所述初始路径配置一固定值作为所述车辆流量。
5.根据权利要求1所述的方法,其特征在于,所述以待布设的交通检测器的数量作为第一约束条件,并以布设所述待布设的交通检测器之后,所述多条子路径中所能够检测到的里程数之和最大化为目标,求解出包含需布设路段的路段集合的步骤之前,包括:
获取所述路网中的已布设所述交通检测器的已布设路段;
其中,所述第一个交通检测器和所述最后一个交通检测器包括已布设的所述交通检测器和所述待布设的交通检测器。
6.根据权利要求1所述的方法,其特征在于,所述以待布设的交通检测器的数量作为第一约束条件,并以布设所述待布设的交通检测器之后,所述多条子路径中所能够检测到的里程数之和最大化为目标,求解出包含需布设路段的路段集合的步骤包括:
初始化所述路段集合,其中所述路段集合包括至少一需布设路段或已布设路段;
分别计算所述有向图中的未处于所述路段集合内的各待判定路段与所述路段集合的并集中的所述路段均布设所述交通检测器后所述多个子路径中所能够检测到的第一里程数之和;
将所述第一里程数之和的最大值所对应的所述待判定路段作为所述需布设路段加入所述路段集合,并返回所述分别计算所述有向图中的未处于所述路段集合内的各待判定路段与所述路段集合的并集中的所述路段均布设所述交通检测器后所述多个子路径中所能够检测到的第一里程数之和的步骤,直至满足第一迭代结束条件,并输出所述路段集合。
7.根据权利要求6所述的方法,其特征在于,所述初始化所述路段集合的步骤包括:
从所述有向图中选择已布设所述交通检测器的路段作为所述已布设路段和/或从所述有向图中选择未布设所述交通检测器的路段作为所述需布设路段加入所述路段集合。
8.根据权利要求6所述的方法,其特征在于,所述第一迭代结束条件为所述路段集合中的所述需布设路段的数量等于所述待布设的交通检测器的数量。
9.根据权利要求5所述的方法,其特征在于,所述以待布设的交通检测器的数量作为第一约束条件,并以布设所述待布设的交通检测器之后,所述多条子路径中所能够检测到的里程数之和最大化为目标,求解出包含需布设路段的路段集合的步骤进一步包括:
计算所述路段集合中的所述路段均布设所述交通检测器后所述多个子路径中所能够检测到的第二里程数之和;
从所述路段集合中选择一需布设路段;
分别计算所述有向图中的未处于所述路段集合内的各待判定路段与去除所述选择的需布设路段后的所述路段集合的并集内的所述路段均布设所述交通监测器后所述多个子路径中所能够检测到的第三里程数之和;
若所述第三里程数之和的最大值大于所述第二里程数之和,则将所述第三里程数之和的最大值所对应的所述待判定路段代替所述选择的需布设路段,并返回所述计算所述路段集合中的所述路段均布设所述交通检测器后所述多个子路径中所能够检测到的第二里程数之和的步骤,直至满足第二迭代结束条件,并输出所述路段集合。
10.根据权利要求9所述的方法,其特征在于,所述第二迭代结束条件为迭代次数等于
Figure FDA0002262991990000031
其中m为所述有向图中的路段的数量,q为所述待布设的交通检测器的数量,S为所述已布设路段的数量。
11.一种计算机系统,其特征在于,所述计算机系统包括处理器、与所述处理器耦接的存储器,其中,
所述存储器存储有用于在所述处理器运行后实现如权利要求1-10中任一项所述方法的程序指令。
12.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序被执行时实现权利要求1-10中任一项所述方法的步骤。
CN201911077719.4A 2019-11-06 2019-11-06 交通检测器布设方案的生成方法、计算机系统、存储介质 Active CN110930694B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911077719.4A CN110930694B (zh) 2019-11-06 2019-11-06 交通检测器布设方案的生成方法、计算机系统、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911077719.4A CN110930694B (zh) 2019-11-06 2019-11-06 交通检测器布设方案的生成方法、计算机系统、存储介质

Publications (2)

Publication Number Publication Date
CN110930694A true CN110930694A (zh) 2020-03-27
CN110930694B CN110930694B (zh) 2020-12-04

Family

ID=69853383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911077719.4A Active CN110930694B (zh) 2019-11-06 2019-11-06 交通检测器布设方案的生成方法、计算机系统、存储介质

Country Status (1)

Country Link
CN (1) CN110930694B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112365722A (zh) * 2020-09-22 2021-02-12 浙江大华系统工程有限公司 道路监控区域识别方法、装置、计算机设备和存储介质
CN112562341A (zh) * 2021-02-26 2021-03-26 深圳市城市交通规划设计研究中心股份有限公司 一种道路检测设备布设方法、装置及存储介质
CN112598912A (zh) * 2020-12-10 2021-04-02 佳都新太科技股份有限公司 卡口间隔获取方法、装置、计算机设备及存储介质
CN113269833A (zh) * 2021-06-23 2021-08-17 合肥量圳建筑科技有限公司 电气末端定位方法、装置、设备及存储介质
CN113673770A (zh) * 2021-08-24 2021-11-19 杭州海康威视数字技术股份有限公司 移动治超点的位置确定方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002260141A (ja) * 2001-02-26 2002-09-13 Matsushita Electric Ind Co Ltd 交通情報収集装置設置地点設計装置および方法
CN106652483A (zh) * 2017-03-06 2017-05-10 同济大学 利用检测设备在区域公路网布设交通信息检测点的方法
CN106781487A (zh) * 2016-12-28 2017-05-31 安徽科力信息产业有限责任公司 道路固定检测器布设类型选取方法
CN208477734U (zh) * 2018-06-04 2019-02-05 广州运星科技有限公司 一种基于地磁感应的交通数据采集终端
CN105844038B (zh) * 2016-03-31 2019-02-05 东南大学 一种高速公路多类型交通检测器组合优化布设方法
CN110322054A (zh) * 2019-06-14 2019-10-11 中交第一公路勘察设计研究院有限公司 一种公路路段交通监测器的优化布设方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002260141A (ja) * 2001-02-26 2002-09-13 Matsushita Electric Ind Co Ltd 交通情報収集装置設置地点設計装置および方法
CN105844038B (zh) * 2016-03-31 2019-02-05 东南大学 一种高速公路多类型交通检测器组合优化布设方法
CN106781487A (zh) * 2016-12-28 2017-05-31 安徽科力信息产业有限责任公司 道路固定检测器布设类型选取方法
CN106652483A (zh) * 2017-03-06 2017-05-10 同济大学 利用检测设备在区域公路网布设交通信息检测点的方法
CN208477734U (zh) * 2018-06-04 2019-02-05 广州运星科技有限公司 一种基于地磁感应的交通数据采集终端
CN110322054A (zh) * 2019-06-14 2019-10-11 中交第一公路勘察设计研究院有限公司 一种公路路段交通监测器的优化布设方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张鸿玉: "基于多源检测器的交通参数一体化感知方法研究", 《中国优秀硕士学位论文全文数据库》 *
沈金星: "基于 OD 反推技术的交通检测器优化布局研究", 《科技创业家》 *
王艳丽 等: "公路交通信息检测点的系统布设方法及其应用", 《中国科技论文》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112365722A (zh) * 2020-09-22 2021-02-12 浙江大华系统工程有限公司 道路监控区域识别方法、装置、计算机设备和存储介质
CN112598912A (zh) * 2020-12-10 2021-04-02 佳都新太科技股份有限公司 卡口间隔获取方法、装置、计算机设备及存储介质
CN112562341A (zh) * 2021-02-26 2021-03-26 深圳市城市交通规划设计研究中心股份有限公司 一种道路检测设备布设方法、装置及存储介质
CN112562341B (zh) * 2021-02-26 2021-06-29 深圳市城市交通规划设计研究中心股份有限公司 一种道路检测设备布设方法、装置及存储介质
WO2022179321A1 (zh) * 2021-02-26 2022-09-01 深圳市城市交通规划设计研究中心股份有限公司 一种道路检测设备布设方法、装置及存储介质
CN113269833A (zh) * 2021-06-23 2021-08-17 合肥量圳建筑科技有限公司 电气末端定位方法、装置、设备及存储介质
CN113269833B (zh) * 2021-06-23 2024-04-09 合肥量圳建筑科技有限公司 电气末端定位方法、装置、设备及存储介质
CN113673770A (zh) * 2021-08-24 2021-11-19 杭州海康威视数字技术股份有限公司 移动治超点的位置确定方法、装置、设备及存储介质
CN113673770B (zh) * 2021-08-24 2024-04-09 杭州海康威视数字技术股份有限公司 移动治超点的位置确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN110930694B (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
CN110930694B (zh) 交通检测器布设方案的生成方法、计算机系统、存储介质
Ton et al. Evaluating a data-driven approach for choice set identification using GPS bicycle route choice data from Amsterdam
Ashqar et al. Modeling bike counts in a bike-sharing system considering the effect of weather conditions
Mathew et al. Calibration of microsimulation models for nonlane-based heterogeneous traffic at signalized intersections
US9536146B2 (en) Determine spatiotemporal causal interactions in data
Yang et al. Using incomplete information for complete weight annotation of road networks
KR101994496B1 (ko) 정보 수집 및 검색을 통한 루트의 제공 기법
CN101275841B (zh) 地物信息收集装置及地物信息收集方法
Pavlis et al. A modified DBSCAN clustering method to estimate retail center extent
CN102865872A (zh) 路径生成系统、路径生成方法以及程序
WO2010105935A1 (en) Detecting change areas in a digital map from macro probe data attributes
CN110288205B (zh) 交通影响评价方法及装置
GB2495383A (en) Traffic sensor management using traffic simulation to chose the sensors
Sultan et al. Extracting spatial patterns in bicycle routes from crowdsourced data
Lentzakis et al. Hierarchical density-based clustering methods for tolling zone definition and their impact on distance-based toll optimization
Zhu et al. A driving cycle detection approach using map service API
Jiang et al. Identifying K Primary Corridors from urban bicycle GPS trajectories on a road network
Modi et al. Freeway capacity estimation method for planning applications
Ryu et al. Two-stage bicycle traffic assignment model
Hashemi A testbed for evaluating network construction algorithms from GPS traces
Smith et al. Automated grid element ordering for GIS-based overland flow modeling
Lin et al. Bicycle ridership using crowdsourced data: Ordered probit model approach
Jonker et al. Modeling trip-length distribution of shopping center trips from GPS data
Barth et al. Scalable unsupervised multi-criteria trajectory segmentation and driving preference mining
Friedrich et al. Routing for on-street parking search using probabilistic data

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