CN110992689A - 拥堵特征的确定方法及装置 - Google Patents
拥堵特征的确定方法及装置 Download PDFInfo
- Publication number
- CN110992689A CN110992689A CN201911194299.8A CN201911194299A CN110992689A CN 110992689 A CN110992689 A CN 110992689A CN 201911194299 A CN201911194299 A CN 201911194299A CN 110992689 A CN110992689 A CN 110992689A
- Authority
- CN
- China
- Prior art keywords
- congestion
- target area
- vehicle speed
- preset time
- rtic
- 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
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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种拥堵特征的确定方法及装置,涉及交通技术领域,能够精确的确定目标区域拥堵高峰期的拥堵特征。该方法包括:根据目标区域的历史车速数据,确定目标区域的L个预设时间段中每个预设时间段所对应的车速;根据L个预设时间段中每个预设时间段所对应的车速,确定目标区域的n个拥堵高峰时间段的拥堵特征;拥堵高峰时间段包括连续的M个预设时间段;M个预设时间段的时长之和大于等于第一时长;M个预设时间段对应的M个车速均小于等于第一预设值;根据n个拥堵高峰时间段的拥堵特征,确定目标区域的综合拥堵特征;综合拥堵特征表示在n个拥堵高峰内目标区域的通行情况。本申请实施例用于拥堵特征的确定过程中。
Description
技术领域
本申请涉及交通技术领域,尤其涉及一种拥堵特征的确定方法及装置。
背景技术
区域的拥堵特征是指该区域在一段时间内(例如一天)存在的拥堵高峰的次数,以及在这些拥堵高峰内的车辆通行情况。区域的拥堵特征是治理区域拥堵的重要依据。交通管理部门通常需要结合区域的拥堵特征,制定和实施交通拥堵治理措施(例如交通先行、勤务部署、秩序安排等)。
当前,交通管理部门确定拥堵特征的方法为:将每天的早上七点到九点定义为早高峰、晚上五点到七点定义为晚高峰。交通管理部门依据该早高峰和晚高峰的时间段制定和实施交通拥堵治理措施。
然而,由于各个城市所处的时区不同、各个城市的居民出行特征和城市规划的路网结构不同,导致各个城市的拥堵特征不尽相同。并且,即使是同一个城市,由于该城市内的热点区域(例如学校、医院以及车站等)的分布位置不同,导致各个道路或者区域的拥堵特征也不相同。如果仅仅简单的定义早高峰和晚高峰,无法准确的体现城市中各个区域和道路的拥堵特征,也就更不能根据城市中各个区域和道路的拥堵特征进行拥堵治理。
发明内容
本申请提供一种拥堵特征的确定方法及装置,能够精确的确定目标区域拥堵高峰期的车流量通行特征。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供一种拥堵特征的确定方法,该方法包括:服务器根据目标区域的历史车速数据,确定目标区域的L个预设时间段中每个预设时间段所对应的车速;L为正整数;L个预设时间段按时间顺序排序。服务器根据L个预设时间段中每个预设时间段所对应的车速,确定目标区域的n个拥堵高峰的拥堵特征;拥堵高峰包括连续的M个预设时间段;M个预设时间段的时长之和大于等于第一时长;M个预设时间段对应的M个车速均小于等于第一预设值;M为小于等于L的正整数;拥堵特征表示在拥堵高峰内,目标区域的通行情况。服务器根据n个拥堵高峰的拥堵特征,确定目标区域的综合拥堵特征;综合拥堵特征表示在n个拥堵高峰内目标区域的通行情况。
基于上述技术方案,本申请实施例提供的拥堵特征的确定方法,服务器确定目标区域的L个预设时间段中,每个预设时间段所对应的车速。这样服务器可以根据目标区域在一个预设时间段的车速,确定该目标区域在该预设时间段内是否拥堵。
进一步的,服务器根据L个预设时间段中每个预设时间段所对应的车速,确定目标区域的n个拥堵高峰的拥堵特征;拥堵高峰包括连续的M个预设时间段;M个预设时间段的时长之和大于等于第一时长;M个预设时间段对应的M个车速均小于等于第一预设值。这样,当目标区域在一个预设时间段内的车速小于第一预设值时,服务器可以确定目标区域在该预设时间段内发生了拥堵。当目标区域在连续的M个预设时间段内的车速均小于第一预设值的情况下,服务器确定目标区域在这连续的M个预设时间段内出现了拥堵高峰。也即是说,服务器在目标区域的拥堵时长超过第一时长的情况下,服务器确定目标区域出现了拥堵高峰。在目标区域出现拥堵高峰的情况下,服务器进一步确定目标区域在该M个预设时间段内的车速,可以准确的确定目标区域的拥堵特征。
服务器根据n个拥堵高峰的拥堵特征,确定目标区域的综合拥堵特征。可以使服务器确定目标区域在一天内总体的拥堵特征,可以为该区域的拥堵治理提供进一步的支撑。
第二方面,本申请提供一种拥堵特征的确定装置,该装置包括:处理单元,用于根据目标区域的历史车速数据,确定目标区域的L个预设时间段中每个预设时间段所对应的车速;L为正整数;L个预设时间段按时间顺序排序;处理单元,还用于根据L个预设时间段中每个预设时间段所对应的车速,确定目标区域的n个拥堵高峰的拥堵特征;拥堵高峰包括连续的M个预设时间段;M个预设时间段的时长之和大于等于第一时长;M个预设时间段对应的M个车速均小于等于第一预设值;M为小于等于L的正整数;拥堵特征表示在拥堵高峰内,目标区域的通行情况;处理单元,还用于根据n个拥堵高峰的拥堵特征,确定目标区域的综合拥堵特征;综合拥堵特征表示在n个拥堵高峰内目标区域的通行情况。
第三方面,本申请提供了一种拥堵特征的确定装置,该装置包括:处理器和通信接口;通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现如第一方面和第一方面的任一种可能的实现方式中所描述的拥堵特征的确定方法。
第四方面,本申请提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当指令在终端上运行时,使得终端执行如第一方面和第一方面的任一种可能的实现方式中描述的拥堵特征的确定方法。
第五方面,本申请实施例提供一种包含指令的计算机程序产品,当计算机程序产品在拥堵特征的确定装置上运行时,使得拥堵特征的确定装置执行如第一方面和第一方面的任一种可能的实现方式中所描述的拥堵特征的确定方法。
第六方面,本申请实施例提供一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现如第一方面和第一方面的任一种可能的实现方式中所描述的拥堵特征的确定方法。
具体的,本申请实施例中提供的芯片还包括存储器,用于存储计算机程序或指令。
附图说明
图1为本申请实施例提供的一种拥堵特征的确定方法的流程图;
图2为本申请实施例提供的另一种拥堵特征的确定方法的流程图;
图3为本申请实施例提供的一种拥堵特征的确定装置的结构示意图;
图4为本申请实施例提供的另一种拥堵特征的确定装置的结构示意图。
具体实施方式
下面结合附图对本申请实施例提供的拥堵特征的确定方法及装置进行详细地描述。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
以下,对本申请实施例涉及的名词进行解释,以方便读者理解。
(1)中国实时交通信息(real-time of China,RTIC)
RTIC是由Navinfo自主研发的交通信息道路编码方式,它是以国际上现有的交通信息道路编码为基础,针对中国的特殊道路情况而制定的道路编码方式。
RTIC级路段是道路的组成部分,一段道路通常由一个或者多个RTIC级路段组成。例如,长度为1000m的A道路可以由3个RTIC级路段组成。
(2)自由流速度
自由流速度是指不受上下游条件影响的交通流运行速度,是一种交通流的理论速度。自由流速度又称为畅行速度,是车辆在道路上不受其他车辆干扰时的行驶速度。
自由流速度通常包括下列三种情况下的车辆速度:
1、交通流的理论速度,是交通密度趋于零时的速度,即几乎没有车辆时的速度。
2、在交通量很小的条件下,车辆通过没有信号交叉口的城市干道的路段平均速度。
3、在交通量很小的条件下,高速公路基本路段或多车道公路路段上车辆的平均速度。
(3)特征日
特征日是指具有不同特征的日期。例如,具有不同的拥堵特征的日期。本申请实施例中,将一周的七天划分为七个特征日,周一、周二、周三、周四、周五、周六和周日分别为不同的特征日。
同一个区域在不同特征日内所具有的拥堵特征不同。例如,在周一至周五,学校附近会在上学和放学期间出现拥堵。而在周六和周日,学校附近则不会因为学生的上学和放学而出现拥堵。
为了解决现有技术中,无法准确确定目标区域的拥堵高峰期的拥堵特征的问题,本申请提供了一种拥堵特征的确定方法,服务器根据目标区域在各个时间段的车速,确定目标区域是否发生拥堵。进一步的,服务器在确定目标区域的连续拥堵时长超过预设时长时,确定目标区域出现拥堵高峰。服务器根据目标区域一天内出现的拥堵高峰,确定目标区域在一天内的拥堵特征,从而使服务器能够精确的确定目标区域拥堵高峰期的车流量通行特征。服务器还可以根据该目标区域拥堵高峰期的车流量通行特征进一步对目标区域进行拥堵治理,大大提升拥堵治理效率。
如图1所示,为本申请实施例提供的拥堵特征的确定方法的流程图,该方法包括以下步骤:
S101、服务器获取目标区域的历史车速数据。
一种可能的实现方式中,服务器以天为单位,获取目标区域的历史车速数据。
其中,服务器可以一次获取一天的历史车速数据。例如,服务器获取目标区域在2019年10月15日的历史车速数据。
或者,服务器可以一次获取连续多天的历史车速数据。例如,服务器获取目标区域在2019年10月10日-10月15日的历史车速数据。
又或者,服务器可以一次获取任意多个日期的历史车速数据。例如,服务器获取目标区域在2019年10月的每个周三的历史车速数据。
可以理解的是,为了确定目标区域在不同天气情况下目标区域的拥堵特征,服务器可以获取在天气相同的日期内的历史车速数据,以便于服务器对这些历史车速数据进行分析,确定目标区域在该种天气情况下的拥堵特征。
举例来说,服务器获取目标区域内在2019年10月份的5个下雨日期的历史车速数据。服务器根据上述方法对该5个下雨天气的历史车速数据进行分析,确定目标区域在下雨天气时的拥堵特征。
可以理解的是,为了确定目标区域在不同的特征日的拥堵特征,服务器可以获取多个特征日相同的日期的历史车速数据,以便于服务器对这些历史车速数据进行分析,确定目标区域在该特征日的拥堵特征。
举例来说,服务器获取2019年10月份特征日为周一的五个日期的历史车速数据。服务器根据上述方法对该5个特征日为周一的日期的历史车速数据进行分析,确定目标区域在周一时的拥堵特征。
可以理解的是,服务器还可以获取天气和特征日均相同的多个日期的历史车速数据,以便于服务器对这些历史车速数据进行分析,确定目标区域在该种天气和特征日所具有的拥堵特征。
举例来说,服务器获取2019年上半年特征日为周一,天气为下雨的5个日期的历史车速数据。服务器根据上述方法对该5个日期的历史车速数据进行分析,确定目标区域在周一下雨的情况下的拥堵特征。
需要说明的是,服务器还可以考虑其他因素对目标区域的拥堵特征的影响,例如,十一长假,清明,中秋、寒暑假、大型商业活动、限行限号等因素对目标区域的拥堵特征的影响。此时,服务器可以获取受这些因素影响的日期的历史车速数据,并进一步对这些数据进行分析,确定目标区域在这些日期的拥堵特征,进而确定该因素对目标区域的拥堵特征的影响。
S102、服务器根据目标区域的历史车速数据,确定目标区域的L个预设时间段中每个预设时间段所对应的车速。该L个预设时间段按时间顺序排序。
需要说明的是,服务器可以分别根据下述方式1和方式2,确定目标区域的L个预设时间段中每个预设时间段所对应的车速,下面进行详细说明。
方式1、服务器确定目标区域的历史车速数据对应的时长为T1,历史车速数据中的车速按时间顺序排列。服务器以时长T为间隔,按照时间顺序依次从历史车速数据中依次采集L个车速,其中,时长T为预设时间段的时长,L×T=T1。
需要说明的是,服务器采集的L个车速同样按照时间顺序排列。
举例来说,服务器获取了2019年10月15日06:00-2019年10月15日24:00这段时间之内的历史车速数据,则历史车速数据对应的时长T1=18小时。时长T为5分钟。相应的,服务器从06:00开始,共采集L=(60/5)×(24-6)=216个车速。
方式2、服务器确定目标区域的历史车速数据对应的时长为T1,历史车速数据中的车速按时间顺序排列。服务器以时长T2为间隔,从历史车速数据的开始时间依次采集p×L个车速,其中,p×T2=T,L×T=T1。服务器按照p×L个车速的时间顺序,将该p×L个车速划分为L组车速,每组包含p个车速,每一组车速对应一个预设时间段。对于每一组车速,服务器对该组内的p个车速求平均,将该平均车速作为该组车速对应的预设时间段的车速。
举例来说,在预设时间段对应的时长T=5分钟,时长T2=1分钟的情况下。服务器以1分钟为时间间隔,采集车速数据。服务器采集到5个1分钟的车速之后,将该5个1分钟合并,作为一个预设时间段,并将该5个1分钟所对应的车速求平均,作为该预设时间段所对应的车速。这样可以使服务器确定的该时间段所对应的车速的准确度更高。
例如,服务器分别采集06:00、06:01、06:02、06:03、06:04这五个时刻的车速。服务器将这五个时刻的车速的平均值,作为第一个预设时间段对应的车速。服务器分别采集06:05、06:06、06:07、06:08、06:09这五个时刻的车速。服务器将这五个时刻的车速的平均值,作为第二个预设时间段对应的车速。这样,服务器通过对五个时刻的车速求平均,可以使服务器确定的预设时间段对应的车速更加准确。
需要说明的是,上述方式1中服务器确定L个车速的计算量更少,计算速度更快。适用于目标区域的车速数据较多,或者对计算结果精度要求较低的场景中。上述方式2中服务器确定的L个车速的准确度更高。适用于目标区域车速数据较少,或者对计算结果精度要求较高的场景中。
可以理解的是,当目标区域为一个较大的区域时(例如,北京市市区),可以采用上述方式1中的方法确定L个车速。当目标区域为一个较小的区域是(例如,一个RTIC级路段),服务器可以采用上述方式2中的方法,确定L个车速。
S103、服务器根据L个预设时间段中每个预设时间段所对应的车速,确定目标区域的n个拥堵高峰的拥堵特征。
其中,拥堵高峰包括连续的M个预设时间段;M个预设时间段的时长之和大于等于第一时长。M个预设时间段对应的M个车速均小于等于第一预设值;M为小于等于L的正整数。
拥堵高峰的拥堵特征用于表征目标区域在拥堵高峰内的通行情况。拥堵高峰的拥堵特征包括:拥堵车速,拥堵时长,以及延时指数。拥堵车速为拥堵高峰中的M个车速的平均车速;拥堵时长为拥堵高峰的持续时长;延时指数为车辆以拥堵车速通过目标区域的时间,与车辆以自由流速度通过目标区域的时间的比值。该拥堵时长具体可以为:该M个预设时间段中第一个时间段的开始时间与第M个预设时间段的结束时间之间的差值。
需要说明的是,延时指数是指车辆在拥堵状态下通过该路段的时间,除以在自由流状态下通过该路段的时间。根据时间等于路段长度除以车速可知,在路段长度一定的情况下,车辆以两个不同车速通过同一个路段的时间的比值,与该两个不同车速的比值互为倒数。而本申请中,服务器可以直接获取车辆在拥堵状态下的车速,以及车辆的自由流速度。因此,在本申请中用自由流速度与拥堵车速的比值作为延时指数。
示例性的,目标区域的拥堵高峰包括连续的6个预设时间段,这六个预设时间段的开始时间为07:10,结束时间为07:40。这六个时间段所对应的车速分别为:10km/h,12km/h,15km/h,8km/h,12km/h,16km/h。该目标区域的自由流速度为60km/h。
一种可能的实现方式中,服务器根据L个预设时间段在时间上的先后顺序进行排序,并分别确定每个预设时间段对应的车速。这样,服务器可以得到按时间顺序排列的L个车速。进一步的,服务器确定该L个车速中是否存在连续的M个第二车速;第二车速为车速中小于等于第一预设值的车速。若存在有连续的M个第二车速,则服务器确定该M个第二车速对应的M个预设时间段属于一个拥堵高峰。该拥堵高峰所持续的时长为该M个预设时间段对应的时长。
可以理解的是,该M个预设时间段的时长之和大于等于第一时长。第一时长为服务器设置的拥堵高峰的阈值。
下面,以服务器设置的第一时长大于等于30分钟,预设时间段的时长T为5分钟为例进行说明。
由于第一时长大于等于30分钟,而一个预设时间段的时长为5分钟。因此,当存在连续6个以上的预设时间段的车速小于等于第一预设值时,服务器确定目标路段出现了拥堵高峰。其中,M为任意大于等于6的值。例如,M的值可以为6、7、8、15、20等。
需要说明的是,服务器根据第一时长确定M的最小取值。例如,第一时长为30分钟,预设时间段的时长为5分钟,则M的取值的最小值为6。服务器根据拥堵高峰的拥堵时长,确定M的值。例如,拥堵高峰的拥堵时长为60分钟,则M的值为10。
一种可能的实现方式中,如果在连续的M个预设时间段中,第二个预设时间段到第M-1个预设时间段之间,存在有小于Z个预设时间段的车速大于第一预设值,则服务器可以自动修正该Z个预设时间段对应的车速,并认为该Z个预设时间段对应的车速可以是小于等于第一预设值的。这样可以避免因为服务器采集的数据有误,或者因为车速波动,而导致的无法正确确定所有拥堵高峰。
示例性的,Z的值为2。
以下,以连续的M个预设时间段分别为第1个预设时间段到第10个预设时间段中的10个预设时间段,Z的值为2为例进行说明。
服务器确定第1个预设时间段到第10个预设时间段中,除了第2个时间段和第6个时间段的车速大于第一预设值之外,其他8个预设时间段所对应的车速均小于等于第一预设值。服务器对第2个时间段和第6个时间段的车速进行修正,认为第2个时间段和第6个时间段的车速不影响服务器最终确定的第1个时间段到第10个时间段之间的车速小于等于第一预设值的结果。因此,服务器确定目标在第1个时间段到第10个时间段之间处于拥堵高峰状态。
S104、服务器根据n个拥堵高峰的拥堵特征,确定目标区域的综合拥堵特征。
其中,综合拥堵特征表示在n个拥堵高峰内目标区域的通行情况。综合拥堵特征包括:n的值,综合拥堵车速,综合拥堵时长,以及综合延时指数。
综合拥堵车速V综合根据如下公式一确定:
其中,vi为n个拥堵高峰中第i个拥堵高峰的拥堵速度;ti为第i个拥堵高峰的拥堵时长。
综合拥堵时长为n个拥堵时长之和;所述综合延时指数为所述车辆以所述综合拥堵车速通过所述目标区域的时间,与所述车辆以所述自由流速度通过所述目标区域的时间的比值。与延时指数相同,我们在本申请中以自由流速度与综合拥堵车速的比值作为综合延时指数。
一种示例,目标区域在一天内共出现了两个拥堵高峰,该两个拥堵高峰中第一个拥堵高峰的拥堵特征为:拥堵车速为12km/h,拥堵时长50分钟,延时指数5。第二个拥堵高峰的拥堵特征为:拥堵车速为10km/h,拥堵时长60分钟,延时指数6。
基于上述技术方案,本申请实施例提供的拥堵特征的确定方法,服务器确定目标区域的L个预设时间段中,每个预设时间段所对应的车速。这样服务器可以根据目标区域在一个预设时间段的车速,确定该目标区域在该预设时间段内是否拥堵。
进一步的,服务器根据L个预设时间段中每个预设时间段所对应的车速,确定目标区域的n个拥堵高峰的拥堵特征;拥堵高峰包括连续的M个预设时间段;M个预设时间段的时长之和大于等于第一时长;M个预设时间段对应的M个车速均小于等于第一预设值。这样,当目标区域在一个预设时间段内的车速小于第一预设值时,服务器可以确定目标区域在该预设时间段内发生了拥堵。当目标区域在连续的M个预设时间段内的车速均小于第一预设值的情况下,服务器确定目标区域在这M个预设时间段内出现了拥堵高峰。也即是说,服务器在目标区域的拥堵时长超过第一时长的情况下,服务器确定目标区域出现了拥堵高峰。在目标区域出现拥堵高峰的情况下,服务器进一步确定目标区域在该M个预设时间段内的车速,可以准确的确定目标区域的拥堵特征。
服务器根据n个拥堵高峰的拥堵特征,确定目标区域的综合拥堵特征。可以使服务器确定目标区域在一天内总体的拥堵特征,可以为该区域的拥堵治理提供进一步的支撑。
基于图1所示的技术方案,如图2所示,图2示出了服务器在获取一天的历史车速数据的情况下,确定L个预设时间段中每个预设时间段所对应的车速的方法;以及服务器在获取Y天的历史车速数据的情况下,确定L个预设时间段中每个预设时间段所对应的车速的方法,Y为大于等于1的正整数。
其中,服务器在获取一天的历史车速数据的情况下,与服务器获取Y天的历史车速数据的情况下,确定L个预设时间段中每个预设时间段所对应的车速的方法不同,以下分别进行说明。
情况1、在服务器获取了一天的历史车速数据的情况下,S102可以通过以下步骤实现。
S1021、服务器确定历史车速数据对应的总时长。
其中,历史车速数据对应的总时长为该历史车速数据的结束时间与该历史车速数据的开始时间的差值。
举例来说,服务器获取了2019年10月15日00:00-2019年10月15日24:00这段时间内的历史车速数据,该历史车速数据对应的总时长为24小时。
S1022、服务器确定预设时间段的时长T。
需要说明的是,该预设时间段的时长T可以为服务器预先设置好的时长,也可以是服务器根据历史车速数据对应的总时长确定的时长。
示例性的,该预设时间段的时长T为5分钟。
S1023、服务器从历史车速数据的初始时刻开始,以时长T为间隔,依次获取L个车速。
该L个车速与L个预设时间段一一对应。服务器可以为每一个车速添加一个对应的时间标识。
其中,L的具体数值可以根据历史车速数据对应的总时长,以及时长T确定。
举例来说,服务器确定该历史车速数据对应的总时长为24小时。时长T为5分钟,相应的服务器确定L=(60/5)×24=288。
进一步的,服务器从历史车速数据中获取L个车速的过程为:服务器确定00:05时刻的车速,服务器将该时刻的车速作为目标区域在第1个预设时间段内的车速。服务器确定00:10时刻的车速,服务器将该时刻的车速作为目标区域在第2个预设时间段内的车速……依次类推,服务器确定24:00时刻的车速,服务器将该时刻的车速作为目标区域在最后一个预设时间段(或者说,第288个预设时间段)内的车速。
情况2、在服务器获取了Y天的历史车速数据的情况下,S102可以通过以下步骤实现。
针对该Y天的历史车速数据中每一天的历史车速数据,服务器依次执行S1021-S1023,确定每一天的历史车速数据中的L个车速。
S1024、服务器为每一天中的L个车速中的每一个车速设置对应的预设时间标识。
例如,服务器为每一天的历史车速数据中的第一个车速设置的预设时间标识为:00:05。服务器为每一天的历史车速数据中的第二个车速设置的预设时间标识为:00:10。
可以理解的是,服务器可以同步执行S1023和S1024。也即是说,服务器每获取到一个车速之后,将该车速对应的时间标识作为该车速对应的预设时间段的标识。
S1025、服务器确定具有相同时间标识的Y个车速的平均值。该平均值即为该时间标识对应的预设时间段的车速。
也即是说,服务器依次从每一天的L个车速中,获取时间标识为00:05的车速,共获取Y个时间标识为00:05的车速。服务器对该Y个车速求平均,将确定的平均值,作为第1个预设时间对应的车速。
举例来说,服务器获取了5个特征日为周一的日期的历史车速数据。这五个日期中时间标识为00:05的车速分别为:35km/h,42km/h,30km/h,38km/h,40km/h。服务器确定该五个车速的平均值为:37km/h。进而,服务器确定目标区域在时间标识为00:05的预设时间段所对应的车速为37km/h。
基于上述技术方案,服务器可以从一天的历史车速数据中确定L个车速。这样,服务器通过较少的计算量即可确定L个车速。或者,服务器还可以根据多天的历史车速数据中相同时间点的车速的平均值,确定L个车速。这样,使服务器确定的每个时间段的车速更具有代表性,使服务器最终的拥堵特征更加接近目标区域的实际拥堵特征。
在本申请实施例中,第一预设值为目标区域的自由流速度与预设系数的乘积;该预设系数小于1。举例来说,目标区域的自由流速度为40km/h,预设系数为0.5。则该第一预设值为40km/h×0.5=20km/h。
需要说明的是,目标区域可以由b个RTIC级路段组成;或者,目标区域也可以由一个道路组成,所述道路包括a个RTIC级路段;a和b均为正整数。目标区域的组成不同时,确定目标区域的自由流速度的方法不同。同时,目标区域的组成不同时,确定目标区域的各个预设时间段所对应的车速的方法也不同,以下分别进行说明。
1、目标区域由b个RTIC级路段组成;其中,b=1。
在目标区域由1个RTIC级路段组成的情况下,目标区域的自由流速度VfRTIC为预设值。
需要说明的是,一个RTIC级路段的自由流速度可以是服务器根据该RTIC级路段的道路类型设置的,也可以是服务器根据该RTIC级路段的历史车速确定的。
示例性的,服务器确定的目标RTIC级路段的自由流速度为60km/h。
服务器可以通过S101中所记载的方法确定RTIC级路段在预设时间段的车速VRTIC。
基于上述技术方案,在目标区域为一个RTIC级路段的情况下,服务器可以确定目标区域内的自由流速度,以及目标区域在各个预设时间段内的车速。进而服务器可以根据S103和S104中所记载的方案,确定目标区域的拥堵特征和综合拥堵特征。
2、目标区域由b个RTIC级路段组成,其中,b>1。
例如,目标区域可以由4个RTIC级路段组成。
需要说明的是,该目标区域可以为一个较小的区域,例如学校,或者一个交叉路口。也可以为一个较大的区域,例如一个城区等。
示例性的,当该目标区域为一个学校时,其包括的RTIC级路段可以为学校周围的四条RTIC级路段。当该目标区域是一个城区时,其包括的RTIC级路段为该城区内的所有RTIC级路段。
由于一个目标区域中包括b个RTIC级路段,因此服务器可以通过该目标区域中的b个RTIC级路段的自由流速度,确定该目标区域的自由流速度;以及根据该目标区域中b个RTIC级路段分别在同一个预设时间段的车速,确定该目标区域在这个预设时间段的车速。
具体为,服务器通过公式二,确定目标区域的自由流速度。
其中,VfRTICh为b个RTIC级路段中的第h个RTIC级路段的自由流车速;lh为第h个RTIC级路段的长度;βh为第h个RTIC级路段的道路等级;h为小于等于b的正整数;
目标区域的车速VS通过以下公式确定:
其中,VRTICh为第h个RTIC级路段的车速。
需要说明的是,公式三中共有b个VRTICh,该b个VRTICh所对应的时间段相同。服务器通过公式三确定的目标区域的车速所对应的时间段,与该第h个RTIC级路段的车速所对应的时间段相同。
举例来说,该目标区域包括4个RTIC级路段,该4个RTIC级路段的自由流速度分别为:60km/h,50km/h,58km/h以及40km/h。该4个RTIC级路段的长度分别为:1km,700m,900m,以及800m。该4个RTIC级路段的道路等级分别为:4,3,5,4。
服务器根据公式二,确定目标区域的自由流速度的大小为:
进一步的,服务器确定该4个RTIC级路段在08:10时所对应的车速分别为:22km/h,30km/h,26km/h,20km/h。服务器根据上述公式三,确定该目标区域在08:10时所对应的车速的大小为:
基于上述技术方案,在目标区域由多个RTIC级路段组成的情况下,服务器可以确定目标区域内的自由流速,以及目标区域在各个预设时间段内的车速。进而服务器可以根据S103和S104中所记载的方案,确定目标区域的拥堵特征和综合拥堵特征。
3、目标区域由一个道路组成
其中,一条道路包括a个RTIC级路段。例如一条道路可以包括3个RTIC级路段。
需要说明的是,该道路可以是一条完整的道路,例如南三环。也可以是一条路段,例如两个路口之间的路段。
由于一条道路包括a个RTIC级路段,因此服务器可以通过该道路中的a个RTIC级路段的自由流速度,确定该道路的自由流速度;以及根据该道路中a个RTIC级路段分别在同一个预设时间段的车速,确定该道路在这个时间段的车速。
具体为,服务器通过公式四,确定道路的自由流速度。
其中,VfRTICk为a个RTIC级路段中的第k个RTIC级路段的自由流车速;lk为第k个RTIC级路段的长度;ck为第k个RTIC级路段的车道数;k为小于等于a的正整数。
以及,服务器通过公式五,确定道路在一个时间段的车速。
道路的车速VR通过以下公式五确定:
其中,VRTICk为第k个RTIC级路段的车速。
需要说明的是,公式五中共有a个VRTICk,该a个VRTICk所对应的时间段相同。服务器通过公式五确定的道路车速所对应的时间段,与该第k个RTIC级路段的车速所对应的时间段相同。
举例来说,该道路包括三个RTIC级路段,该三个RTIC级路段的自由流速度分别为:60km/h,50km/h以及40km/h。该三个RTIC级路段的长度分别为:1km,500m,以及800m。该三个RTIC级路段的车道数分别为:4,5,以及3。
服务器根据公式四,确定该道路的自由流速度的大小为:
进一步的,服务器确定的该三个RTIC级路段在07:15时所对应的车速分别为:18km/h、20km/h、15km/h。则服务器根据上述公式五,确定该道路在07:15时所对应的车速的大小为:
基于上述技术方案,在目标区域由一个道路组成的情况下,服务器可以确定目标区域内的自由流速,以及目标区域在各个预设时间段内的车速。进而服务器可以根据S103和S104中所记载的方案,确定目标区域的拥堵特征和综合拥堵特征。
本申请实施例可以根据上述方法示例对拥堵特征的确定装置进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本申请实施例中对模块或者单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图3所示,为本申请实施例提供的一种拥堵特征的确定装置的结构示意图,该装置包括:
处理单元201,用于根据目标区域的历史车速数据,确定目标区域的L个预设时间段中每个预设时间段所对应的车速;L为正整数;L个预设时间段按时间顺序排序。
处理单元201,还用于根据L个预设时间段中每个预设时间段所对应的车速,确定目标区域的n个拥堵高峰的拥堵特征;拥堵高峰包括连续的M个预设时间段;M个预设时间段的时长之和大于等于第一时长;M个预设时间段对应的M个车速均小于等于第一预设值;M为小于等于L的正整数;拥堵特征表示在拥堵高峰内,目标区域的通行情况。
处理单元201,还用于根据n个拥堵高峰的拥堵特征,确定目标区域的综合拥堵特征;综合拥堵特征表示在n个拥堵高峰内目标区域的通行情况。
可选的,该装置还包括通信单元202,通信单元202用于获取目标区域的历史车速数据。
可选的,第一预设值为目标区域的自由流速度与预设系数的乘积;预设系数小于1。
可选的,拥堵特征包括:拥堵车速,拥堵时长,以及延时指数;拥堵车速为拥堵高峰中的M个车速的平均车速;拥堵时长为拥堵高峰的持续时长;延时指数为目标区域的自由流速度与拥堵车速的比值。
可选的,综合拥堵特征包括:综合拥堵车速,综合拥堵时长,以及综合延时指数;综合拥堵车速根据如下公式确定:
其中,vi为n个拥堵高峰中第i个拥堵高峰的拥堵速度;ti为第i个拥堵高峰的拥堵时长。
综合拥堵时长为n个拥堵时长之和;综合延时指数为目标区域的自由流速度与综合拥堵车速的比值。
可选的,目标区域为以下任一项:中国实时交通信息RTIC级路段,道路或者区域;道路包括a个RTIC级路段;区域包括b个RTIC级路段;a和b均为正整数。
可选的,在目标区域为RTIC级路段的情况下;目标区域的自由流速度VfRTIC为预设值;目标区域在预设时间段的车速VRTIC为:在预设时间段内通过RTIC级路段的多个车辆的平均车速。
可选的,在目标区域为包括a个RTIC级路段的道路的情况下;a为正整数。
道路的自由流车速VfR通过以下公式确定:
其中,VfRTICk为a个RTIC级路段中的第k个RTIC级路段的自由流车速;lk为第k个RTIC级路段的长度;ck为第k个RTIC级路段的车道数;k为小于等于a的正整数。
道路的车速VR通过以下公式确定:
其中,VRTICk为第k个RTIC级路段的车速。
可选的,在目标区域为包括b个RTIC级路段的区域的情况下;b为正整数;
区域的自由流车速通过以下公式确定:
其中,VfRTICh为b个RTIC级路段中的第h个RTIC级路段的自由流车速;lh为第h个RTIC级路段的长度;βh为第h个RTIC级路段的道路等级;h为小于等于b的正整数。
区域的车速VS通过以下公式确定:
其中,VRTICh为第h个RTIC级路段的车速。
在通过硬件实现时,本申请实施例中的通信单元202可以集成在通信接口上,处理单元201可以集成在处理器上。具体实现方式如图4所示。
图4示出了上述实施例中所涉及的拥堵特征的确定装置的又一种可能的结构示意图。该拥堵特征的确定装置包括:处理器302和通信接口303。处理器302用于对拥堵特征的确定装置的动作进行控制管理,例如,执行上述处理单元201执行的步骤,和/或用于执行本文所描述的技术的其它过程。通信接口303用于支持拥堵特征的确定装置与其他网络实体的通信,例如,执行上述通信单元202执行的步骤。拥堵特征的确定装置还可以包括存储器301和总线304,存储器301用于存储拥堵特征的确定装置的程序代码和数据。
其中,存储器301可以是拥堵特征的确定装置中的存储器等,该存储器可以包括易失性存储器,例如随机存取存储器;该存储器也可以包括非易失性存储器,例如只读存储器,快闪存储器,硬盘或固态硬盘;该存储器还可以包括上述种类的存储器的组合。
上述处理器302可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器可以是中央处理器,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线304可以是扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。总线304可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得该计算机执行上述方法实施例中的拥堵特征的确定方法。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当该指令在计算机上运行时,使得该计算机执行上述方法实施例所示的方法流程中的拥堵特征的确定方法。
其中,计算机可读存储介质,例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit,ASIC)中。在本申请实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (12)
1.一种拥堵特征的确定方法,其特征在于,所述方法包括:
根据目标区域的历史车速数据,确定目标区域的L个预设时间段中每个预设时间段所对应的车速;L为正整数;所述L个预设时间段按时间顺序排序;
根据所述L个预设时间段中每个预设时间段所对应的车速,确定所述目标区域的n个拥堵高峰的拥堵特征;所述拥堵高峰包括连续的M个预设时间段;所述M个预设时间段的时长之和大于等于第一时长;所述M个预设时间段对应的M个车速均小于等于第一预设值;M为小于等于L的正整数;所述拥堵特征表示在所述拥堵高峰内所述目标区域的通行情况;
根据所述n个拥堵高峰的拥堵特征,确定所述目标区域的综合拥堵特征;所述综合拥堵特征表示在所述n个拥堵高峰内所述目标区域的通行情况。
2.根据权利要求1所述的方法,其特征在于,所述第一预设值为所述目标区域的自由流速度与预设系数的乘积;所述预设系数小于1;
所述拥堵特征包括:拥堵车速,拥堵时长,以及延时指数;所述拥堵车速为所述拥堵高峰中的所述M个车速的平均车速;所述拥堵时长为所述拥堵高峰的持续时长;所述延时指数为车辆以所述拥堵车速通过所述目标区域的时间,与所述车辆以所述自由流速度通过所述目标区域的时间的比值。
4.根据权利要求2-3任一项所述的方法,其特征在于,目标区域由b个RTIC级路段组成;或者,目标区域由一个道路组成,所述道路包括a个RTIC级路段;a和b均为正整数。
5.根据权利要求4所述的方法,其特征在于,所述目标区域由b个RTIC级路段组成;在所述b的值为1的情况下,所述目标区域的自由流速度VfRTIC为预设值;所述目标区域在预设时间段的车速VRTIC为:在所述预设时间段内通过所述RTIC级路段的多个车辆的平均车速。
8.一种拥堵特征的确定装置,其特征在于,所述装置包括:
处理单元,用于根据目标区域的历史车速数据,确定目标区域的L个预设时间段中每个预设时间段所对应的车速;L为正整数;所述L个预设时间段按时间顺序排序;
所述处理单元,还用于根据所述L个预设时间段中每个预设时间段所对应的车速,确定所述目标区域的n个拥堵高峰的拥堵特征;所述拥堵高峰包括连续的M个预设时间段;所述M个预设时间段的时长之和大于等于第一时长;所述M个预设时间段对应的M个车速均小于等于第一预设值;M为小于等于L的正整数;所述拥堵特征表示在所述拥堵高峰内,所述目标区域的通行情况;
所述处理单元,还用于根据所述n个拥堵高峰的拥堵特征,确定所述目标区域的综合拥堵特征;所述综合拥堵特征表示在所述n个拥堵高峰内所述目标区域的通行情况。
9.根据权利要求8所述的装置,其特征在于,所述第一预设值为所述目标区域的自由流速度与预设系数的乘积;所述预设系数小于1;
所述拥堵特征包括:拥堵车速,拥堵时长,以及延时指数;所述拥堵车速为所述拥堵高峰中的所述M个车速的平均车速;所述拥堵时长为所述拥堵高峰的持续时长;所述延时指数为车辆以所述拥堵车速通过所述目标区域的时间,与所述车辆以所述自由流速度通过所述目标区域的时间的比值。
11.一种拥堵特征的确定装置,其特征在于,包括:处理器和通信接口;所述通信接口和所述处理器耦合,所述处理器用于运行计算机程序或指令,以实现如权利要求1-7任一项中所述的拥堵特征的确定方法。
12.一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当计算机执行该指令时,该计算机执行上述权利要求1-7任一项中所述的拥堵特征的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194299.8A CN110992689B (zh) | 2019-11-28 | 2019-11-28 | 拥堵特征的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194299.8A CN110992689B (zh) | 2019-11-28 | 2019-11-28 | 拥堵特征的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992689A true CN110992689A (zh) | 2020-04-10 |
CN110992689B CN110992689B (zh) | 2021-07-30 |
Family
ID=70087950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911194299.8A Active CN110992689B (zh) | 2019-11-28 | 2019-11-28 | 拥堵特征的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992689B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819325A (zh) * | 2021-01-29 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 高峰时段确定方法、装置、电子设备和存储介质 |
CN113257002A (zh) * | 2021-05-11 | 2021-08-13 | 青岛海信网络科技股份有限公司 | 一种高峰开始时间预测方法、装置、设备及介质 |
CN113256973A (zh) * | 2021-05-11 | 2021-08-13 | 青岛海信网络科技股份有限公司 | 一种高峰开始时间预测方法、装置、设备及介质 |
CN113450560A (zh) * | 2021-03-08 | 2021-09-28 | 陕西世纪高通科技有限公司 | 路况异常报警算法 |
CN112819325B (zh) * | 2021-01-29 | 2024-07-05 | 北京嘀嘀无限科技发展有限公司 | 高峰时段确定方法、装置、电子设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1895485A1 (en) * | 2006-08-31 | 2008-03-05 | Hitachi, Ltd. | Road congestion detection by distributed vehicle-to-vehicle communication systems |
CN102288193A (zh) * | 2011-07-06 | 2011-12-21 | 东南大学 | 一种基于历史数据的机动车出行路径的确定方法 |
CN104021672A (zh) * | 2014-06-09 | 2014-09-03 | 北京世纪高通科技有限公司 | 一种获取交通拥堵指数的方法和装置 |
CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及系统 |
CN107293113A (zh) * | 2016-03-31 | 2017-10-24 | 高德信息技术有限公司 | 一种区域拥堵延时指数的计算方法及装置 |
CN108492555A (zh) * | 2018-03-20 | 2018-09-04 | 青岛海信网络科技股份有限公司 | 一种城市路网交通状态评价方法及装置 |
CN109147330A (zh) * | 2018-09-19 | 2019-01-04 | 青岛海信网络科技股份有限公司 | 一种拥堵识别方法及装置 |
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 |
-
2019
- 2019-11-28 CN CN201911194299.8A patent/CN110992689B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1895485A1 (en) * | 2006-08-31 | 2008-03-05 | Hitachi, Ltd. | Road congestion detection by distributed vehicle-to-vehicle communication systems |
CN102288193A (zh) * | 2011-07-06 | 2011-12-21 | 东南大学 | 一种基于历史数据的机动车出行路径的确定方法 |
CN104021672A (zh) * | 2014-06-09 | 2014-09-03 | 北京世纪高通科技有限公司 | 一种获取交通拥堵指数的方法和装置 |
CN107293113A (zh) * | 2016-03-31 | 2017-10-24 | 高德信息技术有限公司 | 一种区域拥堵延时指数的计算方法及装置 |
CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及系统 |
CN108492555A (zh) * | 2018-03-20 | 2018-09-04 | 青岛海信网络科技股份有限公司 | 一种城市路网交通状态评价方法及装置 |
CN109147330A (zh) * | 2018-09-19 | 2019-01-04 | 青岛海信网络科技股份有限公司 | 一种拥堵识别方法及装置 |
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 |
Non-Patent Citations (3)
Title |
---|
MARKUS FORSTER ; RAPHAEL FRANK ; MARIO GERLA ; THOMAS ENGEL: "Improving highway traffic through partial velocity synchronization", 《2012 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM)》 * |
彭婷: "山地城市交通拥堵指数研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
杨俊瑛: "城市道路交通拥挤状态判别及预测研究_", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819325A (zh) * | 2021-01-29 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 高峰时段确定方法、装置、电子设备和存储介质 |
CN112819325B (zh) * | 2021-01-29 | 2024-07-05 | 北京嘀嘀无限科技发展有限公司 | 高峰时段确定方法、装置、电子设备和存储介质 |
CN113450560A (zh) * | 2021-03-08 | 2021-09-28 | 陕西世纪高通科技有限公司 | 路况异常报警算法 |
CN113257002A (zh) * | 2021-05-11 | 2021-08-13 | 青岛海信网络科技股份有限公司 | 一种高峰开始时间预测方法、装置、设备及介质 |
CN113256973A (zh) * | 2021-05-11 | 2021-08-13 | 青岛海信网络科技股份有限公司 | 一种高峰开始时间预测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110992689B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992689B (zh) | 拥堵特征的确定方法及装置 | |
CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
CN110223502B (zh) | 一种交叉口进口道数据渠化的方法及装置 | |
CN106408945A (zh) | 一种交通拥堵评价方法及系统 | |
CN109559512A (zh) | 一种区域交通流量预测方法及装置 | |
CN101636771A (zh) | 行程时间运算服务器、车辆用行程时间运算装置及行程时间运算系统 | |
CN108281033A (zh) | 一种停车诱导系统及方法 | |
WO2011060727A1 (zh) | 路况预测的方法及装置 | |
CN111931317B (zh) | 基于车载gps数据的区域拥堵路网边界控制方法 | |
Stepanchuk et al. | Surveying of traffic congestions on arterial roads of Kyiv City | |
WO2013144192A1 (en) | Digital location-based data methods and product | |
CN111199247A (zh) | 一种公交运行仿真方法 | |
CN111369810A (zh) | 车辆出行特征获取方法、装置、电子设备及存储介质 | |
CN110986992A (zh) | 无人售卖车辆的导航方法、装置、电子设备和存储介质 | |
CN112652164B (zh) | 一种交通时段划分方法、装置及设备 | |
Day et al. | Real-time arterial traffic signal performance measures | |
CN114863676B (zh) | 一种拥堵识别方法及装置 | |
CN114627642B (zh) | 一种交通拥堵识别方法及装置 | |
Kondyli et al. | The contribution of ramp demand in the capacity of merge bottleneck locations | |
CN115273468A (zh) | 一种交通拥堵控制策略生成方法及装置 | |
CN111968371B (zh) | 一种基于等时定位监测的道路通行时间估计系统及方法 | |
CN112885128B (zh) | 识别封堵路段的方法、装置、设备及存储介质 | |
Axer et al. | Level of service estimation at traffic signals based on innovative traffic data services and collection techniques | |
Vajeeran et al. | Delay analysis at a signalized T intersection | |
Ziboon et al. | Traffic Performance Evaluation and Analysis of Al-Fallah Intersection in Baghdad City Utilizing Synchro. 10 Software |
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 |