CN111243280B - 一种实时计算交通状态的指标的方法及装置 - Google Patents

一种实时计算交通状态的指标的方法及装置 Download PDF

Info

Publication number
CN111243280B
CN111243280B CN202010200071.1A CN202010200071A CN111243280B CN 111243280 B CN111243280 B CN 111243280B CN 202010200071 A CN202010200071 A CN 202010200071A CN 111243280 B CN111243280 B CN 111243280B
Authority
CN
China
Prior art keywords
vehicle
time
real
passing data
vehicle passing
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
CN202010200071.1A
Other languages
English (en)
Other versions
CN111243280A (zh
Inventor
靳嘉曦
李德盼
王伟
张玉福
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.)
Hisense TransTech Co Ltd
Original Assignee
Hisense TransTech 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 Hisense TransTech Co Ltd filed Critical Hisense TransTech Co Ltd
Priority to CN202010200071.1A priority Critical patent/CN111243280B/zh
Publication of CN111243280A publication Critical patent/CN111243280A/zh
Application granted granted Critical
Publication of CN111243280B publication Critical patent/CN111243280B/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
    • G08G1/0125Traffic data processing
    • G08G1/0133Traffic data processing for classifying traffic situation
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/065Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

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

Abstract

本发明公开了一种实时计算交通状态的指标的方法及装置,包括:获取各车辆的实时过车数据,然后根据实时过车数据,更新各车辆的出行链集合,判断各车辆的出行链集合中实时过车数据所在的出行链中新增过车数据是否为多个,若是,则对实时过车数据所在的出行链进行过车数据纠错,然后根据纠错后的各车辆的出行链集合中出行链的过车数据,确定出实时交通状态指标。以实现实时的计算出城市中全部路口的交通状态的指标,提高交通状态的指标的实时性,准确性。

Description

一种实时计算交通状态的指标的方法及装置
技术领域
本发明涉及智能交通领域,尤其涉及一种实时计算交通状态的指标的方法及装置。
背景技术
随着社会的快速发展,科学技术的不断发展,以计算机智能化、通信信息化技术为前沿代表,使得人们的生活变得更为便捷。5G通信技术的发展、智慧公路和车联网等技术的兴起为交通发展带来一系列机遇和挑战,传统交通问题,例如交通拥堵等问题有望得到改善。
以往的交通状态指标判定方法大多是根据历史数据,采用仿真模型对现在的交通状态进行估计。但是,每天道路上的交通状态不尽相同,根据历史数据估计现在或者未来的交通状态不具有实时性。
发明内容
本发明实施例提供一种实时计算交通状态的指标的方法及装置,用于实时确定出城市全部路口的交通状态指标,提高交通状态的指标的实时性,准确性。
第一方面,本发明实施例提供一种实时计算交通状态的指标的方法,包括:
获取各车辆的实时过车数据;
根据所述实时过车数据,更新所述各车辆的出行链集合;
确定所述各车辆的出行链集合中所述实时过车数据所在的出行链中新增过车数据是否为多个,若是,则对所述实时过车数据所在的出行链进行过车数据纠错;
根据纠错后的所述各车辆的出行链集合中出行链的过车数据,确定出实时交通状态指标。
上述技术方案中,根据各车辆的实时过车数据,更新各车辆的出行链集合,以得到各车辆在交通状态中实时的、准确的出行轨迹,再通过判断更新后的各车辆的出行链中新增的过车数据个数,对更新后的各车辆的出行链中的过车数据进行纠错,得到实时、准确的更新后的各车辆的出行链中的过车数据,通过实时、准确的过车数据计算出交通状态的指标,以此实现实时的计算出城市中全部路口的交通状态的指标,提高交通状态的指标的实时性,准确性。
可选的,所述根据所述实时过车数据,更新所述各车辆的出行链集合,包括:
判断所述各车辆的出行链集合中是否存在所述实时过车数据对应的车辆的出行链,若是,则确定所述车辆的出行链中所述实时过车数据的检测点与相邻检测点是否存在路网关系,若存在路网关系,则根据所述实时过车数据的检测点与相邻检测点的路网关系对所述车辆的出行链进行补全更新;
若所述各车辆的出行链集合中不存在所述实时过车数据对应的车辆的出行链,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点。
上述技术方案中,根据各车辆的实时过车数据,判断出各车辆的出行链集合中存在实时过车数据对应的车辆的出行链,并根据实时过车数据的检测点与相邻检测点的路网关系,对车辆的出行链进行补全更新,不需要依赖车辆的位置信息对车辆的出行链进行补全更新,以得到车辆在交通中实时准确的出行链。
可选的,所述根据所述实时过车数据的检测点与相邻检测点的路网关系对所述车辆的出行链进行补全更新,包括:
若所述实时过车数据的检测点与相邻检测点的路网关系为同一路口,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于第一阈值,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则将所述实时过车数据补全到所述车辆的出行链中,得到更新后的出行链;
若所述实时过车数据的检测点与相邻检测点的路网关系为路段关系,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于所述车辆的通行时间,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则将所述实时过车数据补全到所述车辆的出行链中,得到更新后的出行链;
若所述实时过车数据的检测点与相邻检测点的路网关系为其他关系,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于第二阈值,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则通过寻路算法补全所述实时过车数据的检测点与所述相邻检测点之间的过车数据,得到所述车辆的更新后的出行链。
上述技术方案,通过实时过车数据的检测点与相邻检测点的路网关系,将各车辆的已有的出行链进行更新,对车辆的出行链进行补全更新,以提升车辆的出行链的完整性。
可选的,在所述通过寻路算法补全所述实时过车数据的检测点与所述相邻检测点之间的过车数据之后,还包括:
确定补全过车数据之后的出行链中是否存在重复检测点且所述出行链的起止检测点的过车时间是否小于第一阈值,若是,则将所述起止检测点调换,重新通过寻路算法确定调换后的起止检测点之间的过车数据,得到所述车辆的新的出行链。
上述技术方案,通过实时过车数据的过车时间与相邻的过车数据的过车时间的时间间隔,对车辆的出行链在补全更新过程中进行纠错,将确定出不存在重复检测点出行链作为车辆更新后的出行链,其中过车时间是通过数据接收的时间,不是数据获取设备上时钟的时间,以提升车辆的出行链的准确性。
可选的,所述对所述实时过车数据所在的出行链进行过车数据纠错,包括:
根据所述实时过车数据所在出行链新增的过车数据之间的路段长度,等比例划分过车时间,将划分的过车时间确定为所述新增的过车数据的过车时间;
所述新增的过车数据的过车时间,确定相邻的两个过车时间的差值是否小于第三阈值,若是,则删除所述新增的过车数据,否则根据所述新增的过车数据对应的检测点所在的路口在路网中的进口道信息补全所述新增的过车数据中的转向信息。
上述技术方案,得到更新后的出行链的路段长度以及过车时间,根据等比例划分路段长度,等比例的划分过车数据,并根据相邻的两个过车时间的差值对更新后的出行链中的过车数据进行纠错,以提升更新后的出行链的过车数据的准确性,再根据路网关系与过车数据中的转向信息,将过车数据进一步纠错,确定出路网关系中路口的转向集合包含过车数据中车辆的转向信息,以得到在实际交通中,车辆实时准确的过车数据,提高车辆的过车数据的实时性,准确性。
可选的,所述根据纠错后的所述各车辆的出行链集合中出行链的过车数据,确定出实时交通状态指标,包括:
解析所述纠错后的所述各车辆的出行链集合中出行链的过车数据,得到各过车数据的过车时间、路口信息和转向信息;
根据所述各过车数据的过车时间、路口信息和转向信息,计算实时交通流量和各车辆的行程时间;
根据所述实时交通流量和各车辆的行程时间,确定实时的停车次数、排队长度和交通状态。
上述技术方案,根据车辆的实时过车数据,确定出当前的交通状态的多种指标,如车辆的排队长度、停车次数等,以此实现实时的计算出城市中全部路口的交通状态的指标,提高交通状态的指标的实时性,准确性。
可选的,在确定出实时交通状态指标之后,还包括:
根据所述实时过车数据,确定第一交通状态指标;
确定所述实时交通状态指标中的各指标与所述第一交通状态指标中的各指标的差值是否大于各指标的阈值,若是,则将所述实时交通状态指标存入数据库,否则将所述第一交通状态指标存入数据库。
第二方面,本发明实施例提供一种实时计算交通状态的指标的装置,包括:
获取模块,用于获取各车辆的实时过车数据;
处理模块,用于根据所述实时过车数据,更新所述各车辆的出行链集合;确定所述各车辆的出行链集合中所述实时过车数据所在的出行链中新增过车数据是否为多个,若是,则对所述实时过车数据所在的出行链进行过车数据纠错;根据纠错后的所述各车辆的出行链集合中出行链的过车数据,确定出实时交通状态指标。
可选的,所述处理模块具体用于:
判断所述各车辆的出行链集合中是否存在所述实时过车数据对应的车辆的出行链,若是,则确定所述车辆的出行链中所述实时过车数据的检测点与相邻检测点是否存在路网关系,若存在路网关系,则根据所述实时过车数据的检测点与相邻检测点的路网关系对所述车辆的出行链进行补全更新;
若所述各车辆的出行链集合中不存在所述实时过车数据对应的车辆的出行链,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点。
可选的,所述处理模块具体用于:
若所述实时过车数据的检测点与相邻检测点的路网关系为同一路口,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于第一阈值,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则将所述实时过车数据补全到所述车辆的出行链中,得到更新后的出行链;
若所述实时过车数据的检测点与相邻检测点的路网关系为路段关系,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于所述车辆的通行时间,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则将所述实时过车数据补全到所述车辆的出行链中,得到更新后的出行链;
若所述实时过车数据的检测点与相邻检测点的路网关系为其他关系,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于第二阈值,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则通过寻路算法补全所述实时过车数据的检测点与所述相邻检测点之间的过车数据,得到所述车辆的更新后的出行链。
可选的,所述处理模块还用于:
在所述通过寻路算法补全所述实时过车数据的检测点与所述相邻检测点之间的过车数据之后,确定补全过车数据之后的出行链中是否存在重复检测点且所述出行链的起止检测点的过车时间是否小于第一阈值,若是,则将所述起止检测点调换,重新通过寻路算法确定调换后的起止检测点之间的过车数据,得到所述车辆的新的出行链。
可选的,所述处理模块具体用于:
根据所述实时过车数据所在出行链新增的过车数据之间的路段长度,等比例划分过车时间,将划分的过车时间确定为所述新增的过车数据的过车时间;
所述新增的过车数据的过车时间,确定相邻的两个过车时间的差值是否小于第三阈值,若是,则删除所述新增的过车数据,否则根据所述新增的过车数据对应的检测点所在的路口在路网中的进口道信息补全所述新增的过车数据中的转向信息。
可选的,所述处理模块具体用于:
解析所述纠错后的所述各车辆的出行链集合中出行链的过车数据,得到各过车数据的过车时间、路口信息和转向信息;
根据所述各过车数据的过车时间、路口信息和转向信息,计算实时交通流量和各车辆的行程时间;
根据所述实时交通流量和各车辆的行程时间,确定实时的停车次数、排队长度和交通状态。
可选的,所述处理模块还用于:
在确定出实时交通状态指标之后,根据所述实时过车数据,确定第一交通状态指标;
确定所述实时交通状态指标中的各指标与所述第一交通状态指标中的各指标的差值是否大于各指标的阈值,若是,则将所述实时交通状态指标存入数据库,否则将所述第一交通状态指标存入数据库。
第三方面,本发明实施例还提供一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述实时计算交通状态的指标的方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行上述实时计算交通状态的指标的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,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,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种系统架构示意图;
图2为本发明实施例提供的一种实时计算交通状态的指标的方法的流程示意图;
图3为本发明实施例提供的一种实时计算交通状态的指标的方法的流程示意图;
图4为本发明实施例提供的一种实时计算交通状态的指标的方法的流程示意图;
图5为本发明实施例提供的一种实时计算交通状态的指标的方法的流程示意图;
图6为本发明实施例提供的一种实时计算交通状态的指标的方法的流程示意图;
图7为本发明实施例提供的一种实时计算交通状态的指标的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅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它实施例,都属于本发明保护的范围。
图1示例性的示出了本发明实施例所适用的一种系统架构,该系统架构包括服务器100,该服务器100可以包括处理器110、通信接口120和存储器130。
其中,通信接口120用于与交通信号机进行传输数据。
处理器110是服务器100的控制中心,利用各种接口和路线连接整个服务器100的各个部分,通过运行或执行存储在存储器130内的软件程序/或模块,以及调用存储在存储器130内的数据,执行服务器100的各种功能和处理数据。可选地,处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块,处理器110通过运行存储在存储器130的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据业务处理所创建的数据等。此外,存储器130可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是,上述图1所示的结构仅是一种示例,本发明实施例对此不做限定。
基于上述描述,图2示例性的示出了本发明实施例提供的一种实时计算交通状态的指标的方法的流程,该流程可由实时计算交通状态的指标的装置执行。
如图2所示,该流程具体包括:
步骤201,获取各车辆的实时过车数据。
本发明实施例,根据电警检测器等设备获取各车辆的实时过车数据。
其中,实时过车数据包括点位信息,方向信息,所在车道,车辆信息,进一步地,点位信息与地图中的交叉口点位一一对应,方向信息与地图中交叉口方向一一对应,所在车道,与交叉口渠道化中的车道一一对应,车辆信息包括车牌号、车辆类型、过车数据采集时间、实际过车时间。
需要说明的是,获取到的各车辆的实时过车数据是预处理后的,实时过车数据的预处理包括剔除掉异常车牌(如接收到的电警过车数据的车牌号若为″无车牌″、″未识别″中的一种情况),不作处理。利用一定规则(如抓拍时间是否有效)判断接收的每一条电警过车数据是否合法(如抓拍到的过车数据为非车辆物品,垃圾袋等)。
步骤202,根据所述实时过车数据,更新所述各车辆的出行链集合。
本发明实施例中,根据实时过车数据,判断各车辆的出行链集合中是否存在实时过车数据对应的车辆的出行链,若是,则确定车辆的出行链中实时过车数据的检测点与相邻检测点是否存在路网关系,若存在路网关系,则根据实时过车数据的检测点与相邻检测点的路网关系对车辆的出行链进行补全更新,若各车辆的出行链集合中不存在实时过车数据对应的车辆的出行链,则将实时过车数据的检测点确定为车辆的新的出行链的起点。
根据获取到的实时过车数据,实时过车数据对应的车辆是否已经存在出行链,若是确定出实时过车数据对应的车辆已经存在出行链,则根据车辆的出行链中实时过车数据的检测点与相邻检测点之间的路网关系,将车辆的现有的出行链进行补全更新,生成车辆更新后的出行链,若确定出实时过车数据对应的车辆不存在出行链,则将实时过车数据的检测点作为车辆的新的出行链的起点。
例如,一辆过车在E检测点获取到实时过车数据,A-D是该辆过车的现有出行链,确定出E点的相邻检测点为D点,则根据D与E之间的路网关系,将现有的出行链进行补全更新,将A-E作为该辆过车更新后的出行链。
进一步地,若实时过车数据的检测点与相邻检测点的路网关系为同一路口,则确定实时过车数据的过车时间与相邻的过车数据的过车时间是否大于第一阈值,若是,则将实时过车数据的检测点确定为车辆的新的出行链的起点,否则将实时过车数据补全到车辆的出行链中,得到更新后的出行链。其中第一阈值是可以依据经验设置的,例如可以取值5分钟、10分钟等。
在实时过车数据的检测点与相邻检测点的路网关系为同一路口(如十字路口)时,若实时过车数据的过车时间与相邻的过车数据的过车时间大于第一阈值(如预设的第一阈值为10分钟),则将实时过车数据的检测点作为车辆的新的出行链的起点,否则将实时过车数据补全到车辆的出行链中,得到车辆更新后的出行链。
若实时过车数据的检测点与相邻检测点的路网关系为路段关系,则确定实时过车数据的过车时间与相邻的过车数据的过车时间是否大于车辆的通行时间,若是,则将实时过车数据的检测点确定为车辆的新的出行链的起点,否则将实时过车数据补全到车辆的出行链中,得到更新后的出行链。其中通行时间可以是依据经验设置的,也是可以根据车辆实时的行驶速度确定的。
在实时过车数据的检测点与相邻检测点的路网关系为路段关系(如上下游路段)时,若实时过车数据的过车时间与相邻的过车数据的过车时间之间的时间间隔大于车辆在该路段上预设的通行时间,则将实时过车数据的检测点确定为车辆的新的出行链的起点,否则将实时过车数据补全到车辆的出行链中,作为更新后的出行链。
若实时过车数据的检测点与相邻检测点的路网关系为其他关系,则确定实时过车数据的过车时间与相邻的过车数据的过车时间是否大于第二阈值,若是,则将实时过车数据的检测点确定为车辆的新的出行链的起点,否则通过寻路算法补全实时过车数据的检测点与相邻检测点之间的过车数据,得到车辆的更新后的出行链。其中第二阈值是可以依据经验设置的,例如可以为1小时、1.5小时等。
在实时过车数据的检测点与相邻检测点的路网关系为其它路网关系时,若实时过车数据的过车时间与相邻的过车数据的过车时间之间的时间间隔大于第二阈值(如预设的第二阈值为1小时),则将实时过车数据的检测点确定为车辆新的出行链的起点,否则通过寻路算法补全实时过车数据的检测点与相邻检测点之间的过车数据,得到车辆的更新后的出行链。
需要说明的是,路网关系是根据路口为点,路段为线的拓扑关系建立的,拓扑关系是指网络中心各站点连接的形式,在确定实时过车数据的检测点与相邻检测点之间的路网关系之前,需要根据路网关系构建完善的路网拓扑结构,其中路网拓扑结构包括以下信息。
1、交叉路口点位信息,如交叉路口编号,交叉路口经纬度。
2、交叉路口转向及渠化信息,如交叉路口进口车道、方向、转向或转向下游路口。
3、路段信息,如路段方向、路段长度、车道数、路段的经纬度、路段的道路等级、路段上限制的速度、上游路和下游路口。
根据交叉路口以及路段信息,构建出能够反映路网关系的原始邻接矩阵,然后根据Floyd算法构建最优邻接矩阵,根据最优邻接矩阵可以获取到获取相邻检测点之间的最短路径,以此补全实时过车数据的检测点与相邻检测点之间的过车数据,更新车辆已有的出行链,其中邻接矩阵是根据路口之间距离构建邻接矩阵,预设不相邻路口之间距离为正无穷,然后将计算过的最短路径距离代替原始邻接矩阵中所有预设不相邻路口之间距离的正无穷,得到最优邻接矩阵,Floyd是插点法,是一种利用动态规划的思想寻找给定的加权图中多源点之间最短路径的算法。
进一步地,在通过寻路算法补全实时过车数据的检测点与相邻检测点之间的过车数据之后确定补全过车数据之后的出行链中是否存在重复检测点且出行链的起止检测点的过车时间是否小于第一阈值,若是,则将起止检测点调换,重新通过寻路算法确定调换后的起止检测点之间的过车数据,得到车辆的新的出行链。
在通过寻路算法补全实时过车数据的检测点与相邻检测点之间的过车数据,生成补全过车数据之后的出行链之后,判断补全过车数据之后的出行链之中是否在出行链的起止检测点的过车时间小于第一阈值内有重复的检测点,若补全过车数据之后的出行链在出行链的起止检测点的过车时间小于第一阈值内有重复的检测点,则将起止检测点调换,即起点变为新始点,始点变为新起点,重新通过寻路算法得到调换后的新的出行链,并得到调换后的起止检测点之间的过车数据,最终得到车辆的新的出行链。
例如,获取到重复检测点出的实时过车数据启动点F与结束点H,且确定出F、H两点获取过车数据的时间间隔小于10分钟,则将启动点F与结束点H相互调换,将H定义为启动点、F为结束点,然后进一步判断出行链H-F不再存有连续的重复检测点,则将H-F作为车辆的新的出行链。
步骤203,确定所述各车辆的出行链集合中所述实时过车数据所在的出行链中新增过车数据是否为多个,若是,则对所述实时过车数据所在的出行链进行过车数据纠错。
本发明实施例,确定各车辆的出行链集合中实时过车数据所在的出行链中新增过车数据是否为多个,若是,则根据实时过车数据出行链新增的过车数据之间的路段长度,等比例划分过车时间,将划分的过车时间确定为新增的过车数据的过车时间,新增的过车数据的过车时间,确定相邻的两个过车时间的差值是否小于第三阈值,若是,则删除新增的过车数据,否则根据新增的过车数据对应的检测点的路口在路网中的进口道信息补全新增的过车数据中的转向信息。其中第三阈值是可以依据经验设置的,例如可以为10秒、20秒等。
若各车辆的出行链集合中实时过车数据所在的出行链中新增过车数据等于1个,则表示新增出行链与原有的车辆出行链,是上下游路段的关系,则直接通过寻路算法补全实时过车数据的检测点与相邻检测点之间的过车数据,得到车辆的更新后的出行链。
若各车辆的出行链集合中实时过车数据所在的出行链中新增过车数据大于1个,则根据出行链新增的过车数据的路段长度以及车辆在新增出行链上的行程时间,通过等比例划分路段长度,将行程时间等比例划分,生成过车时间,将生成的过车时间确定为新增的过车数据的过车时间,再判断相邻的两个过车时间的差值是否小于第三阈值,若是,则删除新增的过车数据,否则根据新增的过车数据对应的检测点的路口在路网中的进口道信息补全新增的过车数据中的转向信息,具体实例如下。
实例1
如图3所示,具体流程如下。
步骤301,获取补全出行链。
根据寻路算法,获取到补全后的出行链。
步骤302,新增出行链。
将确定为新增加的出行链的过车数据直接发送至信息队列中。
步骤303,更新出行链。
保存更新后的且合理的出行链。
步骤304,判断新增过车数据个数是否大于1,若是,则执行步骤305,否则执行步骤310。
得到更新的出行链之后,然后判断更新的出行链中新增的过车数据的个数否大于1。
步骤305,获取过车数据之间的路段长度。
获取实时过车数据出行链新增的过车数据之间的路段长度。
步骤306,根据路段长度等比例划分过车时间。
根据实时过车数据出行链新增的过车数据之间的路段长度,等比例划分过车时间。
步骤307,判断相邻两过车时间差是否小于10秒,若是,则执行步骤308,否则执行步骤309。
步骤308,剔除过车数据。
删除新增的过车数据。
步骤309,按照路口和进口道信息补全转向信息。
根据新增的过车数据对应的检测点的路口在路网中的进口道信息补全新增的过车数据中的转向信息,生成纠错后的过车数据。
步骤310,将过车数据发送到信息队列。
将纠错后的过车数据发送到信息队列。
步骤204,根据纠错后的所述各车辆的出行链集合中出行链的过车数据,确定出实时交通状态指标。
解析纠错后的各车辆的出行链集合中出行链的过车数据,得到各过车数据的过车时间、路口信息和转向信息,根据各过车数据的过车时间、路口信息和转向信息,计算实时交通流量和各车辆的行程时间,根据实时交通流量和各车辆的行程时间,确定实时的停车次数、排队长度和交通状态。
通过流式计算引擎解析纠错后的过车数据,得到各过车数据的过车时间、路口信息和转向信息,通过实际的路网关系,获得当前路口的实际允许的转向集合,确定出当前路口的转向集合是否包含各过车数据中的转向信息,若是,则确定过车数据是正确的,并存储至数据库中,并根据正确的过车数据计算出实时交通流量和各车辆的行程时间,再根据实时交通流量和各车辆的行程时间,确定出实时的停车次数、排队长度等交通状态,具体实例如下。
实例2
如图4所示,具体流程包括:
步骤401,流式计算引擎解析过车数据。
通过流式计算引擎解析信息队列中的纠错后的过车数据,其中流式计算引擎如Storm(流式处理框架),信息队列如kafka(开源流处理平台)。
步骤402,得到过车数据的路口,转向。
得到纠错后的过车数据中过车在出行链交叉路口处的路口信息,转向信息。
步骤403,通过路网关系,获得当前路口的转向集合。
通过实际的路网关系,获得当前路口的转向集合,例如当前十字路口转向集合为直行和右转。
步骤404,判断转向集合中是否包含过车数据转向信息,若是,则执行步骤405,若否,则返回步骤401。
判断当前路口的转向集合中是否包含纠错后的过车数据中相应的转向信息,例如,当前路口的转向集合是直行和右转,若纠错后的过车数据在当前路口的转向信息为直行,则判断包含,确定纠错后的过车数据正确,并存入数据库中,若纠错后的过车数据在当前路口的转向信息为左行,则判断不包含,删除该条过车数据,解析下一条过车数据。
步骤405,将纠错后的过车数据存入数据库中。
将过车数据按照时间和转向分类,存入数据库中。
步骤406,计算流量。
根据纠错后的过车数据,计算出城市交通信息流量。
步骤407,两个过车时间相减获得行程时间。
将纠错后的过车数据中的随意两个过车时间相减,获得这两个过车时间的时间间隔,即两节点之间的行程时间。
步骤410,行程时间计算延误、行程时间比。
根据纠错后的过车数据中两节点之间的行程时间,与根据实际道路预设的两节点之间的行程时间进行比较。例如,过车数据中A、B两节点之间的行程时间为t1,预设的A、B两节点之间的行程时间为t2,将t1与t2的进行比较,确定出比值。
步骤411,计算交通状态的指标。
根据行程时间计算延误或行程时间比,计算出交通指标,例如上述例子中t1与t2的比值为交通状态的指标。
步骤412,确定交通状态。
根据获得的交通状态的指标,确定出交通状态的拥堵情况。
步骤413,停车次数。
根据纠错后的过车数据中两节点之间的行程时间与根据实际道路预设的两节点之间的行程时间,确定出停车次数,例如纠错后的过车数据中两节点之间的行程时间远大于根据实际道路预设的两节点之间的行程时间,则确定该车辆在两节点之间有停车行为,并确定出停车次数。
步骤414,排队长度。
根据纠错后的过车数据中两节点之间的行程时间与根据实际道路预设的两节点之间的行程时间确定出排队长度。
需要说明的是,停车次数、排队长度和交通信息流量等高级交通状态的指标是通过低级的交通状态的指标获得的。
在确定出实时交通状态指标之后,根据实时过车数据,确定第一交通状态指标,确定实时交通状态指标中的各指标与第一交通状态指标中的各指标的差值是否大于各指标的阈值,若是,则将实时交通状态指标存入数据库,否则将第一交通状态指标存入数据库,其中各指标的阈值是可以依据经验设置的。如现预设的排队长度交通状态指标阈值可以设置为10米,第一交通状态指标的车辆排队长度为50米,实时交通状态指标中车辆的排队长度为78米,差值为28米,则将实时交通状态指标存入数据库,具体实例如下所示。
实例3
如图5所示,具体流程如下:
步骤501,接收过车数据。
接收补全后和纠错后的实时过车数据。
步骤502,计算交通指标p1。
根据补全后和纠错后的实时过车数据,计算出实时交通状态的指标p1,如计算出该车辆的排队长度为76米。
步骤503,计算交通指标p2。
根据原始的方法计算出第一交通状态的指标p2,例如根据路口的距离检测器,得到车辆的排队长度大约在100米。
步骤504,判断p1与p2差值的绝对值是否大于y。
确定实时交通状态指标中的各指标与第一交通状态指标中的各指标的差值是否大于各指标的阈值,若是,则执行步骤505,否则执行步骤506。
例如,根据公式|p1-p2|>y(各指标的阈值),若满足公式的条件,则采用交通指标p1,否则采用交通指标p2。
步骤505,采用交通指标p1。
实时交通状态指标中的各指标与第一交通状态指标中的各指标的差值大于各指标的阈值时,采用实时交通状态的指标p1。
步骤506,采用交通指标p2。
实时交通状态指标中的各指标与第一交通状态指标中的各指标的差值不大于各指标的阈值时,采用原始交通状态的指标p2。
步骤507,将指标存入数据库。
若采用实时交通状态的指标p1,则将实时交通状态的指标p1存入数据库,若采用原始交通状态的指标p2,则将原始交通状态的指标p2存入数据库。
本发明实施例,根据获取的各车辆的实时过车数据,判断各车辆的出行链集合中是否存在实时过车数据对应的车辆的出行链,若存在,则根据车辆的出行链中实时过车数据的检测点与相邻检测点之间的路网关系,更新各车辆的出行链集合,并判断各车辆的出行链集合中实时过车数据所在的出行链中新增过车数据是否为多个,若是,则对实时过车数据所在的出行链进行过车数据纠错,根据纠错后的各车辆的出行链集合中出行链的过车数据,确定出实时交通状态指标。以实现不依赖车辆位置信息(如GPS、北斗等)对车辆的出行链进行纠错,而是采用实时的过车数据,以此实现计算出城市中全部路口的交通状态的指标,并在实时计算交通状态的指标时,通过剔除错误转向,排除不合理指标等方式实时纠错,提高了交通状态的指标的实时性,准确性。
为了更好的解释本发明实施例,下面以具体的实施例来描述上述的执行步骤。
如图6所示,具体流程包括:
步骤601,获取实时过车数据。
通过电警检测器获取实时的过车数据。
步骤602,判断实时过车数据是否具有有效性,若是,则执行步骤603,若否,则返回步骤601。
判断实时过车数据是否为正常的过车数据,例如,无车牌等异常情况的车辆的过车数据属于非正常过车数据。
步骤603,判断是否存在出行链,若存在,则执行步骤604,若不存在,则执行步骤621。
根据实时过车数据,进行判断,判断各车辆的出行链集合中是否已经存在实时过车数据对应的车辆的出行链。
步骤604,判断相邻检测点的路网关系,若为同一路口,则执行步骤605,若为路段关系,则执行步骤606,若为其他路网关系,则执行步骤607。
判断车辆的出行链中实时过车数据的检测点与其相邻检测点之间的路网关系。
步骤605,判断过车时间间隔是否>10分钟,若是,则执行步骤614,否则执行步骤613。
实时过车数据的检测点与相邻检测点的路网关系为同一路口,判断实时过车数据的过车时间与相邻的过车数据的过车时间是否大于10分钟(第一阈值)。
步骤606,判断过车时间间隔是否大于通行时间,若是,则执行步骤614,否则,执行步骤613。
实时过车数据的检测点与相邻检测点的路网关系为路段关系,判断实时过车数据的过车时间与相邻的过车数据的过车时间是否大于车辆的通行时间。
步骤607,判断过车时间间隔是否>1小时,若是,则执行步骤614,否则,执行步骤608。
实时过车数据的检测点与相邻检测点的路网关系为其他关系,确定实时过车数据的过车时间与相邻的过车数据的过车时间是否大于1小时(第二阈值)。
步骤608,通过寻路算法获取更新的出行链。
通过寻路算法以及相邻检测点,更新实时过车数据对应车辆的出行链。
步骤609,判断是否得到更新的出行链,若是,则执行步骤610,否则执行步骤608。
判断是否得到了通过补全过车数据,更新的实时过车数据对应车辆的出行链。
步骤610,判断是否存在重复检测点且时间间隔<10分钟,若是,则执行步骤611,否则执行步骤614。
判断更新的实时过车数据对应车辆的出行链中是否存在重复检测点且出行链的起止检测点的过车时间是否小于10分钟(第一阈值)。
步骤611,通过寻路算法再一次更新出行链。
将更新的出行链中的起止检测点位置进行调换,再一次通过寻路算法得到更新实时过车数据对应车辆的出行链。
步骤612,判断是否存在连续的重复路口,若是,则结束,否则执行步骤613。
判断重新得到的更新实时过车数据对应车辆的出行链中是否存在连续的重复路口。
步骤613,更新出行链。
将重新得到的更新实时过车数据对应车辆的出行链中不存在连续的重复路口的出行链作为更新的出行链,然后进行记录并保存。
步骤614,新增出行链。
将新增加的出行链保存,并将新增加的出行链的过车数据发送至信息队列中。
步骤615,判断新增过车数据个数是否大于1,若是执行步骤615,否则执行步骤621。
根据得到的更新的出行链,判断更新的出行链中新增的过车数据的个数否大于1。
步骤616,获取路段长度等信息。
获取更新的出行链的路段长度、过车时间等信息。
步骤617,补全过车时间。
将更新的出行链的过车时间按照更新的出行链长度等比例划分,补全更新的出行链中的过车时间。
步骤618,判断相邻两过车时间差是否小于10秒,若是,则执行步骤618,否则执行步骤619。
判断补全后的更新的出行链中相邻两个过车时间的时间差是否小于10秒(第一阈值)。
步骤619,剔除过车时间。
剔除更新的出行链所有的过车数据中,相邻的两过车时间差小于10秒的过车数据。
步骤620,按照路口ID和进口道方向补全转向信息。
通过路口和进口道信息补全出行链在节点出的过车转向信息,并生成纠错后的过车数据。
步骤621,将纠错后的过车数据发送到信息队列。
将纠错后的过车数据发送到信息队列,以使流式计算引擎解析信息队列中的过车数据。
本发明实施例,根据获取的各车辆的实时过车数据,判断实时过车数据对应车辆的出行轨迹是否存在,进一步生成更新的实时过车数据对应车辆的出行链,然后对更新的出行链进行纠错,确定出不再有连续重复路口的更新的出行链,然后确定出新增出行链节点数量大于1的出行链,将出行链的过车时间按照所述出行链长度等比例划分,补全出行链中节点的过车时间,遍历过车时间,判断行链中相邻节点的过车时间差是否小于第三阈值,若是,则通过路口和进口道信息补全出行链在节点出的过车转向信息,生成纠错后的过车数据;否则剔除相邻节点处对应的过车数据。以实现在更新出行链的过程中纠错数据,提升实时过车数据对应车辆的出行链的实时性,准确性。
基于相同的技术构思,图7示例性的示出了本发明实施例提供的一种实时计算交通状态的指标的装置的结构,该装置可以执行实时计算交通状态的指标的方法。
如图7所示,该装置具体包括:
获取模块701,用于获取各车辆的实时过车数据;
处理模块702,用于根据所述实时过车数据,更新所述各车辆的出行链集合;确定所述各车辆的出行链集合中所述实时过车数据所在的出行链中新增过车数据是否为多个,若是,则对所述实时过车数据所在的出行链进行过车数据纠错;根据纠错后的所述各车辆的出行链集合中出行链的过车数据,确定出实时交通状态指标。
可选的,所述处理模块702具体用于:
判断所述各车辆的出行链集合中是否存在所述实时过车数据对应的车辆的出行链,若是,则确定所述车辆的出行链中所述实时过车数据的检测点与相邻检测点是否存在路网关系,若存在路网关系,则根据所述实时过车数据的检测点与相邻检测点的路网关系对所述车辆的出行链进行补全更新;
若所述各车辆的出行链集合中不存在所述实时过车数据对应的车辆的出行链,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点。
可选的,所述处理模块702具体用于:
若所述实时过车数据的检测点与相邻检测点的路网关系为同一路口,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于第一阈值,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则将所述实时过车数据补全到所述车辆的出行链中,得到更新后的出行链;
若所述实时过车数据的检测点与相邻检测点的路网关系为路段关系,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于所述车辆的通行时间,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则将所述实时过车数据补全到所述车辆的出行链中,得到更新后的出行链;
若所述实时过车数据的检测点与相邻检测点的路网关系为其他关系,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于第二阈值,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则通过寻路算法补全所述实时过车数据的检测点与所述相邻检测点之间的过车数据,得到所述车辆的更新后的出行链。
可选的,所述处理模块702还用于:
在所述通过寻路算法补全所述实时过车数据的检测点与所述相邻检测点之间的过车数据之后,确定补全过车数据之后的出行链中是否存在重复检测点且所述出行链的起止检测点的过车时间是否小于第一阈值,若是,则将所述起止检测点调换,重新通过寻路算法确定调换后的起止检测点之间的过车数据,得到所述车辆的新的出行链。
可选的,所述处理模块702具体用于:
根据所述实时过车数据所在出行链新增的过车数据之间的路段长度,等比例划分过车时间,将划分的过车时间确定为所述新增的过车数据的过车时间;
所述新增的过车数据的过车时间,确定相邻的两个过车时间的差值是否小于第三阈值,若是,则删除所述新增的过车数据,否则根据所述新增的过车数据对应的检测点所在的路口在路网中的进口道信息补全所述新增的过车数据中的转向信息。
可选的,所述处理模块702具体用于:
解析所述纠错后的所述各车辆的出行链集合中出行链的过车数据,得到各过车数据的过车时间、路口信息和转向信息;
根据所述各过车数据的过车时间、路口信息和转向信息,计算实时交通流量和各车辆的行程时间;
根据所述实时交通流量和各车辆的行程时间,确定实时的停车次数、排队长度和交通状态。
可选的,所述处理模块702还用于:
在确定出实时交通状态指标之后,根据所述实时过车数据,确定第一交通状态指标;
确定所述实时交通状态指标中的各指标与所述第一交通状态指标中的各指标的差值是否大于各指标的阈值,若是,则将所述实时交通状态指标存入数据库,否则将所述第一交通状态指标存入数据库。
基于相同的技术构思,本发明实施例还提供一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述实时计算交通状态的指标的方法。
基于相同的技术构思,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行上述实时计算交通状态的指标的方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。

Claims (9)

1.一种实时计算交通状态的指标的方法,其特征在于,包括:
获取各车辆的实时过车数据;
根据所述实时过车数据,更新所述各车辆的出行链集合;
确定所述各车辆的出行链集合中所述实时过车数据所在的出行链中新增过车数据是否为多个,若是,则对所述实时过车数据所在的出行链进行过车数据纠错;
根据纠错后的所述各车辆的出行链集合中出行链的过车数据,确定出实时交通状态指标;
所述根据所述实时过车数据,更新所述各车辆的出行链集合,包括:
判断所述各车辆的出行链集合中是否存在所述实时过车数据对应的车辆的出行链,若是,则确定所述车辆的出行链中所述实时过车数据的检测点与相邻检测点是否存在路网关系,若存在路网关系,则根据所述实时过车数据的检测点与相邻检测点的路网关系对所述车辆的出行链进行补全更新;
若所述各车辆的出行链集合中不存在所述实时过车数据对应的车辆的出行链,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点。
2.如权利要求1所述的方法,其特征在于,所述根据所述实时过车数据的检测点与相邻检测点的路网关系对所述车辆的出行链进行补全更新,包括:
若所述实时过车数据的检测点与相邻检测点的路网关系为同一路口,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于第一阈值,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则将所述实时过车数据补全到所述车辆的出行链中,得到更新后的出行链;
若所述实时过车数据的检测点与相邻检测点的路网关系为路段关系,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于所述车辆的通行时间,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则将所述实时过车数据补全到所述车辆的出行链中,得到更新后的出行链;
若所述实时过车数据的检测点与相邻检测点的路网关系为其他关系,则确定所述实时过车数据的过车时间与相邻的过车数据的过车时间是否大于第二阈值,若是,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点,否则通过寻路算法补全所述实时过车数据的检测点与所述相邻检测点之间的过车数据,得到所述车辆的更新后的出行链。
3.如权利要求2所述的方法,其特征在于,在所述通过寻路算法补全所述实时过车数据的检测点与所述相邻检测点之间的过车数据之后,还包括:
确定补全过车数据之后的出行链中是否存在重复检测点且所述出行链的起止检测点的过车时间是否小于第一阈值,若是,则将所述起止检测点调换,重新通过寻路算法确定调换后的起止检测点之间的过车数据,得到所述车辆的新的出行链。
4.如权利要求1所述的方法,其特征在于,所述对所述实时过车数据所在的出行链进行过车数据纠错,包括:
根据所述实时过车数据所在出行链新增的过车数据之间的路段长度,等比例划分过车时间,将划分的过车时间确定为所述新增的过车数据的过车时间;
所述新增的过车数据的过车时间,确定相邻的两个过车时间的差值是否小于第三阈值,若是,则删除所述新增的过车数据,否则根据所述新增的过车数据对应的检测点所在的路口在路网中的进口道信息补全所述新增的过车数据中的转向信息。
5.如权利要求1所述的方法,其特征在于,所述根据纠错后的所述各车辆的出行链集合中出行链的过车数据,确定出实时交通状态指标,包括:
解析所述纠错后的所述各车辆的出行链集合中出行链的过车数据,得到各过车数据的过车时间、路口信息和转向信息;
根据所述各过车数据的过车时间、路口信息和转向信息,计算实时交通流量和各车辆的行程时间;
根据所述实时交通流量和各车辆的行程时间,确定实时的停车次数、排队长度和交通状态。
6.如权利要求1至5任一项所述的方法,其特征在于,在确定出实时交通状态指标之后,还包括:
根据所述实时过车数据,确定第一交通状态指标;
确定所述实时交通状态指标中的各指标与所述第一交通状态指标中的各指标的差值是否大于各指标的阈值,若是,则将所述实时交通状态指标存入数据库,否则将所述第一交通状态指标存入数据库。
7.一种实时计算交通状态的指标的装置,其特征在于,包括:
获取模块,用于获取各车辆的实时过车数据;
处理模块,用于根据所述实时过车数据,更新所述各车辆的出行链集合;确定所述各车辆的出行链集合中所述实时过车数据所在的出行链中新增过车数据是否为多个,若是,则对所述实时过车数据所在的出行链进行过车数据纠错;根据纠错后的所述各车辆的出行链集合中出行链的过车数据,确定出实时交通状态指标;
所述处理模块具体用于:
判断所述各车辆的出行链集合中是否存在所述实时过车数据对应的车辆的出行链,若是,则确定所述车辆的出行链中所述实时过车数据的检测点与相邻检测点是否存在路网关系,若存在路网关系,则根据所述实时过车数据的检测点与相邻检测点的路网关系对所述车辆的出行链进行补全更新;
若所述各车辆的出行链集合中不存在所述实时过车数据对应的车辆的出行链,则将所述实时过车数据的检测点确定为所述车辆的新的出行链的起点。
8.一种计算设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行权利要求1至6任一项所述的方法。
CN202010200071.1A 2020-03-20 2020-03-20 一种实时计算交通状态的指标的方法及装置 Active CN111243280B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010200071.1A CN111243280B (zh) 2020-03-20 2020-03-20 一种实时计算交通状态的指标的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010200071.1A CN111243280B (zh) 2020-03-20 2020-03-20 一种实时计算交通状态的指标的方法及装置

Publications (2)

Publication Number Publication Date
CN111243280A CN111243280A (zh) 2020-06-05
CN111243280B true CN111243280B (zh) 2021-04-13

Family

ID=70867246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010200071.1A Active CN111243280B (zh) 2020-03-20 2020-03-20 一种实时计算交通状态的指标的方法及装置

Country Status (1)

Country Link
CN (1) CN111243280B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112069224B (zh) * 2020-09-11 2023-11-17 重庆紫光华山智安科技有限公司 一种过车数量存储方法、装置、终端及计算机存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521965A (zh) * 2011-12-09 2012-06-27 同济大学 基于车牌识别数据的交通需求管理措施效果评价方法
WO2016067460A1 (ja) * 2014-10-31 2016-05-06 株式会社日立製作所 交通行動推定システム、交通シミュレーションシステム、交通行動推定方法
CN110379159A (zh) * 2019-06-24 2019-10-25 重庆大学 基于机动车电子标识数据的出行链提取方法
CN110428629A (zh) * 2019-09-03 2019-11-08 浙江创研信息技术有限公司 一种基于智能路测设备的道路状况探测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521965A (zh) * 2011-12-09 2012-06-27 同济大学 基于车牌识别数据的交通需求管理措施效果评价方法
WO2016067460A1 (ja) * 2014-10-31 2016-05-06 株式会社日立製作所 交通行動推定システム、交通シミュレーションシステム、交通行動推定方法
CN110379159A (zh) * 2019-06-24 2019-10-25 重庆大学 基于机动车电子标识数据的出行链提取方法
CN110428629A (zh) * 2019-09-03 2019-11-08 浙江创研信息技术有限公司 一种基于智能路测设备的道路状况探测方法

Also Published As

Publication number Publication date
CN111243280A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN107945507B (zh) 行程时间预测方法及装置
EP3413284A1 (en) Computer system and method for state prediction of a traffic system
US8706459B2 (en) Traffic sensor management
CN104331422A (zh) 一种路段类型推测方法
CN102855760A (zh) 基于浮动车数据的在线排队长度检测方法
CN104318327A (zh) 一种车辆轨迹预测分析方法
CN109841078B (zh) 导航数据处理方法及其装置、存储介质
US20220221281A1 (en) System and method for processing vehicle event data for analysis of road segments and turn ratios
CN113255088B (zh) 一种卡口过车记录的数据补全方法及系统
CN109493606A (zh) 一种高速公路上违停车辆的识别方法及系统
Ayman et al. Data-driven prediction and optimization of energy use for transit fleets of electric and ICE vehicles
CN113724497A (zh) 一种目标道路实时交通流量预测方法和装置
CN111243280B (zh) 一种实时计算交通状态的指标的方法及装置
Wei et al. Turn-level network traffic bottleneck identification using vehicle trajectory data
CN116698075B (zh) 路网数据处理方法、装置、电子设备及存储介质
CN114509068A (zh) 一种多层道路上的车辆的位置判断方法及装置
CN113963550B (zh) 一种多义路径识别方法、装置及电子设备
WO2022070201A1 (en) Method and system for dynamic traffic control for one or more junctions
Wang et al. Real-time dynamic route optimization based on predictive control principle
Lim et al. Spatiotemporal traffic density estimation based on ADAS probe data
CN114495505B (zh) 拥堵路段通过时长的预测方法、装置、介质及服务器
CN112735169B (zh) 一种车辆路径还原方法、设备及介质
KR102302486B1 (ko) 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체
CN106887138B (zh) 一种堵车蔓延态势侦测方法与系统
US20220198325A1 (en) Method, apparatus, and computer program product for predicting a split lane traffic pattern

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