CN111462492B - 一种基于里奇流的关键路段检出方法 - Google Patents

一种基于里奇流的关键路段检出方法 Download PDF

Info

Publication number
CN111462492B
CN111462492B CN202010276921.6A CN202010276921A CN111462492B CN 111462492 B CN111462492 B CN 111462492B CN 202010276921 A CN202010276921 A CN 202010276921A CN 111462492 B CN111462492 B CN 111462492B
Authority
CN
China
Prior art keywords
weight
road
network
flow
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
CN202010276921.6A
Other languages
English (en)
Other versions
CN111462492A (zh
Inventor
李海峰
李炎
朱佳玮
贺思露
彭剑
崔振琦
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.)
Central South University
Original Assignee
Central South University
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 Central South University filed Critical Central South University
Priority to CN202010276921.6A priority Critical patent/CN111462492B/zh
Publication of CN111462492A publication Critical patent/CN111462492A/zh
Application granted granted Critical
Publication of CN111462492B publication Critical patent/CN111462492B/zh
Priority to PCT/CN2021/086403 priority patent/WO2021204283A1/zh
Priority to US17/553,101 priority patent/US20220108603A1/en
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
    • G08G1/0125—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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • 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
    • G08G1/01—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
    • 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
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions

Abstract

本发明公开了一种基于里奇流的关键路段检出方法，包括以下步骤：基于静态路网数据和实际流量数据，构建加权道路网络；计算不同时刻道路网络的初始奥利维里奇曲率值；通过里奇流迭代过程，得到使得网络每条边具有相同奥利维里奇曲率值的权重体系；计算同一路段权重变化的方向及变化程度，设定阈值提取权重在里奇流迭代过程中变化较大的路段。本发明方法是一种结合实际流量数据从流量传输角度提取城市路网关键路段的方法，解决了现有方法多仅从路网的拓扑结构分析关键路段，没有充分考虑路网的实际交通流分布情况以及网络的流量传输特性的问题。本发明方法简单易行，且检出结果更加符合实际路段交通分布和流量情况。

Description

一种基于里奇流的关键路段检出方法
技术领域
本发明属于地理空间信息利用技术领域，涉及交通地理信息的检测方法，具体涉及一种基于里奇流的关键路段检出方法。
背景技术
日益严峻的城市交通问题，特别是交通拥堵问题严重影响了居民的日常生产生活活动，是影响城市健康发展的主要负面因素。从本质上讲，交通拥堵问题产生是由于当前道路系统不能满足微观个体出行行为所引发的宏观网络交通流聚集现象。因此，综合考虑道路交通系统和居民出行行为有助于全面理解交通运行状况，优化交通管理，缓解交通拥堵状况。
一般来说，关键路段是道路网络中对全局通行能力有较大影响的道路集合。因此，关键路段与交通拥堵息息相关。关键路段的准确提取能够为缓解交通拥堵状况提供可靠的依据。但是现有关键路段提取方法大多仅从路网的拓扑结构出发提取关键路段，没有充分考虑路网的实际交通流分布情况以及网络中的流量传输特性的问题。
发明内容
本发明的目的在于提供一种基于里奇流的关键路段检出方法，本发明提出的道路网络关键路段提取方法将曲率流与复杂网络相结合，通过里奇流迭代方法，得到使得网络中每条边具有相同奥利维里奇曲率值的权重分布，计算原始权重与经里奇流迭代后的权重进行对比，用于提取关键路段。本发明方法简单易行，且检出结果更加符合实际路段交通分布和流量情况。
本发明的目的是这样实现的，一种基于里奇流的关键路段检出方法，包括以下步骤：
步骤1，基于静态路网数据和实际流量数据，构建加权道路网络；
步骤2，计算不同时刻道路网络的初始奥利维里奇曲率值；
步骤3，通过里奇流迭代过程，得到使得网络每条边具有相同奥利维里奇曲率值的权重体系；
步骤4，计算同一路段权重变化的方向及变化程度，设定阈值提取权重在里奇流迭代过程中变化较大的路段。
具体地，在步骤1中所述的静态路网数据的具体含义为：以路口为节点，以路段为边构建的道路网络；在步骤1中所述的实际流量数据是指带有GPS信息的出租车轨迹点数据，根据其经纬度信息转换成路段上的流量特征；步骤1所述的加权道路网络的构建过程包含以下步骤：
步骤101，建立静态道路网络；
步骤102，将出租车轨迹点数据映射到相应路段上；
步骤103，统计每条路段上不同时间段的出租车流量；
步骤104，构建以出租车流量为路段权重的加权道路网络。
具体地，所述的奥利维里奇曲率的计算公式为Rico(e)＝1-W1(mx,my)/d(x,y)，其中，mx、my表示与构成边e的两端点x、y直接连接的节点的概率测度，用dx、dy表示与点x、y直接连接的节点数量，则mx＝1/dx，my＝1/dy；W1(mx,my)是两个分布mx、my之间的运输距离；d(x,y)表示节点x到y的最短路径距离；
具体的，步骤2包括以下步骤：
步骤201，将原始权重归一化，归一化方式为
Figure BDA0002445111200000031
其中
Figure BDA0002445111200000032
为边e经归一化后的权重，
Figure BDA0002445111200000033
为边e的原始权重，|E|为网络中边的数量，
Figure BDA0002445111200000034
为边的原始权重总和；
步骤202，计算网络中每条边的初始奥利维里奇曲率值。
具体地，在步骤3中所述的里奇流迭代过程是一种曲率引导的扩散过程，在里奇流作用下，社区内部边的权重会缩小，而连接社区的边的权重会增大；里奇流迭代过程包含以下步骤：
步骤301，根据初始奥利维里奇曲率值及归一化原始权重值更新边的权重，权重更新公式为，
Figure BDA0002445111200000035
其中
Figure BDA0002445111200000036
为原始权重经k次里奇流迭代后的边的权重值；
步骤302：归一化更新后的权重，归一化计算公式为
Figure BDA0002445111200000037
其中|E|为网络中边的数量，
Figure BDA0002445111200000038
为边的权重总和；
步骤303，重复步骤301和步骤302，直至网络中每条边的奥利维里奇曲率值接近于一个常数。
具体地，在步骤4中所述的设定阈值提取权重在里奇流迭代过程中变化较大的路段，包括以下步骤：
步骤401，计算每条路段原始权重与里奇流迭代后权重之差δ；
步骤402，将权重之差排序，基于路网规模设定阈值τ，提取关键路段。
本发明方法提供了一种基于里奇流的关键路段检出方法，所述方法中的奥利维里奇曲率值是一种能够用于衡量网络中能量传输性质的复杂网络分析指标，里奇流迭代过程是一种曲率引导的扩散过程，它以某种形式上类似于热扩散的方式使空间变形，本发明方法是一种结合实际流量数据从流量传输角度提取城市路网关键路段的方法，解决了现有方法多仅从路网的拓扑结构分析关键路段，没有充分考虑路网的实际交通流分布情况以及网络的流量传输特性的问题。
附图说明
图1本发明方法的流程示意图；
图2本发明方法实施例的流程示意图。
具体实施方式
下面结合实施例和附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。
如图1所示，一种基于里奇流的关键路段检出方法，包括以下步骤：
步骤1，基于静态路网数据和实际流量数据，构建加权道路网络；
步骤2，计算不同时刻道路网络的初始奥利维里奇曲率值；
步骤3，通过里奇流迭代过程，得到使得网络每条边具有相同奥利维里奇曲率值的权重体系；
步骤4，计算同一路段权重变化的方向及变化程度，设定阈值提取权重在里奇流迭代过程中变化较大的路段。
具体地，在步骤1中所述的静态路网数据的具体含义为：以路口为节点，以路段为边构建的道路网络；在步骤1中所述的实际流量数据是指带有GPS信息的出租车轨迹点数据，根据其经纬度信息转换成路段上的流量特征；步骤1所述的加权道路网络的构建过程包含以下步骤：
步骤101，建立静态道路网络；
步骤102，将出租车轨迹点数据映射到相应路段上；
步骤103，统计每条路段上不同时间段的出租车流量；
步骤104，构建以出租车流量为路段权重的加权道路网络。
具体地，所述的奥利维里奇曲率的计算公式为Rico(e)＝1-W1(mx,my)/d(x,y)，其中，mx、my表示与构成边e的两端点x、y直接连接的节点的概率测度，用dx、dy表示与点x、y直接连接的节点数量，则mx＝1/dx，my＝1/dy；W1(mx,my)是两个分布mx、my之间的运输距离；d(x,y)表示节点x到y的最短路径距离；
具体的，步骤2包括以下步骤：
步骤201，将原始权重归一化，归一化方式为
Figure BDA0002445111200000051
其中
Figure BDA0002445111200000052
为边e经归一化后的权重，
Figure BDA0002445111200000053
为边e的原始权重，|E|为网络中边的数量，
Figure BDA0002445111200000054
为边的原始权重总和；
步骤202，计算网络中每条边的初始奥利维里奇曲率值。
具体地，在步骤3中所述的里奇流迭代过程是一种曲率引导的扩散过程，在里奇流作用下，社区内部边的权重会缩小，而连接社区的边的权重会增大；里奇流迭代过程包含以下步骤：
步骤301，根据初始奥利维里奇曲率值及归一化原始权重值更新边的权重，权重更新公式为，
Figure BDA0002445111200000061
其中
Figure BDA0002445111200000062
为原始权重经k次里奇流迭代后的边的权重值；
步骤302：归一化更新后的权重，归一化计算公式为
Figure BDA0002445111200000063
其中|E|为网络中边的数量，
Figure BDA0002445111200000064
为边的权重总和；
步骤303，重复步骤301和步骤302，直至网络中每条边的奥利维里奇曲率值接近于一个常数。
具体地，在步骤4中所述的设定阈值提取权重在里奇流迭代过程中变化较大的路段，包括以下步骤：
步骤401，计算每条路段原始权重与里奇流迭代后权重之差δ；
步骤402，将权重之差排序，基于路网规模设定阈值τ，提取关键路段。
如图2所示，利用北京市2012年11月1日的出租车轨迹点数据以及北京市路网数据，按照图1所示的流程，首先，将出租车轨迹点数据映射到路网上，构建加权路网，路网由1364个节点，2232条边构成。其次，计算加权路网中每条边的奥利维里奇曲率。然后，通过里奇流迭代过程得到使得路网中任意边的曲率值一致的边的权重分布。最后，根据网络规模，设定阈值τ，判断原始权重与收敛后权重之差δ与阈值τ的大小关系，提取关键路段。
具体实施步骤如下所述：
步骤A：构建北京市静态道路网络，网络由1364个节点以及2232条边组成；
步骤B：将2012年11月1日出租车轨迹点数据通过ArcGIS软件中的“空间连接”工具映射到相应路段上；
步骤C：统计每条路段上不同时间段的出租车流量；
步骤D：构建以出租车流量为路段权重的加权道路网络；
步骤E：将权重归一化，归一化方式为
Figure BDA0002445111200000071
其中
Figure BDA0002445111200000072
为边e经归一化后的权重，
Figure BDA0002445111200000077
为边e的原始权重，|E|为网络中边的数量，
Figure BDA0002445111200000073
为边的原始权重总和；
步骤F：计算网络中每条边的初始奥利维里奇曲率值，计算公式为Rico(e)＝1-W1(mx,my)/d(x,y)，其中，mx＝1/dx，my＝1/dy；W1(mx,my)是两个分布mx、my之间的运输距离，一般借助Wasserstein运输度量进行计算；d(x,y)表示节点x到y的加权最短路径距离；
步骤G：根据初始奥利维里奇曲率值及归一化原始权重值更新边的权重，权重更新公式为
Figure BDA0002445111200000074
步骤H：归一化更新后的权重，归一化计算公式为
Figure BDA0002445111200000075
其中|E|为网络中边的数量，
Figure BDA0002445111200000076
为边的权重总和；
步骤I：重复步骤G、H直至网络中任意边的奥利维里奇曲率值接近于一个常数；
步骤J：计算每条路段原始权重与里奇流迭代后权重之差δ并排序；
步骤K：基于路网规模设定阈值τ为2.5，以此提取关键路段共187条。
针对目前交通网络面临的现实挑战，本实施例提出的道路网络关键路段提取方法将曲率流与复杂网络相结合，通过里奇流迭代方法，得到使得网络中每条边具有相同奥利维里奇曲率值的权重分布，计算原始权重与经里奇流迭代后的权重进行对比，提取关键路段。里奇流方法是基于曲率的几何概念，里奇曲率定量地描述了空间在每个点上是如何弯曲的，而里奇流则以某种形式上类似于热扩散的方式使空间变形。当将里奇曲率应用至离散网络中时，在里奇流作用下，网络中社区内部边的权重会缩小，而连接社区的边的权重会增大。本发明方法从流量传输角度提取城市路网关键道路的方法，解决了现有方法多仅从路网的拓扑结构分析关键道路，没有充分考虑路网的实际交通流分布情况以及网络的流量传输特性的问题。路网中的关键路段往往与拥堵息息相关，因此提取路网中的关键路段能够为微观解决拥堵现状提供很好的借鉴作用。

Claims (4)

1.一种基于里奇流的关键路段检出方法，其特征在于，包括以下步骤：
步骤1，基于静态路网数据和实际流量数据，构建加权道路网络；
步骤2，计算不同时刻道路网络的初始奥利维里奇曲率值；
步骤3，通过里奇流迭代过程，得到使得网络每条边具有相同奥利维里奇曲率值的权重体系；
步骤4，计算同一路段权重变化的方向及变化程度，设定阈值提取权重在里奇流迭代过程中变化较大的路段；
在步骤1中所述的静态路网数据的具体含义为：以路口为节点，以路段为边构建的道路网络；在步骤1中所述的实际流量数据是指带有GPS信息的出租车轨迹点数据，根据其经纬度信息转换成路段上的流量特征；步骤1所述的加权道路网络的构建过程包含以下步骤：
步骤101，建立静态道路网络；
步骤102，将出租车轨迹点数据映射到相应路段上；
步骤103，统计每条路段上不同时间段的出租车流量；
步骤104，构建以出租车流量为路段权重的加权道路网络。
2.根据权利要求1所述的关键路段检出方法，其特征在于，所述的奥利维里奇曲率的计算公式为Rico(e)＝1-W1(mx,my)/d(x,y)，其中，mx、my表示与构成边e的两端点x、y直接连接的节点的概率测度，用dx、dy表示与点x、y直接连接的节点数量，则mx＝1/dx，my＝1/dy；W1(mx,my)是两个分布mx、my之间的运输距离；d(x,y)表示节点x到y的最短路径距离；步骤2包括以下步骤：
步骤201，将原始权重归一化，归一化方式为
Figure FDA0002908582990000011
其中
Figure FDA0002908582990000012
为边e经归一化后的权重，
Figure FDA0002908582990000013
为边e的原始权重，|E|为网络中边的数量，
Figure FDA0002908582990000014
为边的原始权重总和；
步骤202，计算网络中每条边的初始奥利维里奇曲率值。
3.根据权利要求2所述的关键路段检出方法，其特征在于，在步骤3中所述的里奇流迭代过程是一种曲率引导的扩散过程，在里奇流作用下，社区内部边的权重会缩小，而连接社区的边的权重会增大；里奇流迭代过程包含以下步骤：
步骤301，根据初始奥利维里奇曲率值及归一化原始权重值更新边的权重，权重更新公式为，
Figure FDA0002908582990000021
其中
Figure FDA0002908582990000022
为原始权重经k次里奇流迭代后的边的权重值；
步骤302：归一化更新后的权重，归一化计算公式为
Figure FDA0002908582990000023
其中|E|为网络中边的数量，
Figure FDA0002908582990000024
为边的权重总和；
步骤303，重复步骤301和步骤302，直至网络中每条边的奥利维里奇曲率值接近于一个常数。
4.根据权利要求3所述的关键路段检出方法，其特征在于，步骤4中所述的设定阈值提取权重在里奇流迭代过程中变化较大的路段，包括以下步骤：
步骤401，计算每条路段原始权重与里奇流迭代后权重之差δ；
步骤402，将权重之差排序，基于路网规模设定阈值τ，提取关键路段。
CN202010276921.6A 2020-04-10 2020-04-10 一种基于里奇流的关键路段检出方法 Active CN111462492B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010276921.6A CN111462492B (zh) 2020-04-10 2020-04-10 一种基于里奇流的关键路段检出方法
PCT/CN2021/086403 WO2021204283A1 (zh) 2020-04-10 2021-04-12 一种基于里奇流的关键路段检出方法
US17/553,101 US20220108603A1 (en) 2020-04-10 2021-12-16 Detection method of key road-sections based on ricci flow

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010276921.6A CN111462492B (zh) 2020-04-10 2020-04-10 一种基于里奇流的关键路段检出方法

Publications (2)

Publication Number Publication Date
CN111462492A CN111462492A (zh) 2020-07-28
CN111462492B true CN111462492B (zh) 2021-03-30

Family

ID=71679689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010276921.6A Active CN111462492B (zh) 2020-04-10 2020-04-10 一种基于里奇流的关键路段检出方法

Country Status (3)

Country Link
US (1) US20220108603A1 (zh)
CN (1) CN111462492B (zh)
WO (1) WO2021204283A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462492B (zh) * 2020-04-10 2021-03-30 中南大学 一种基于里奇流的关键路段检出方法
CN112270462B (zh) * 2020-10-10 2021-06-29 中南大学 一种基于里奇曲率的地铁网络脆弱线路识别方法
CN116645087A (zh) * 2023-07-27 2023-08-25 交通运输部科学研究院 一种农村公路养护决策生成方法、系统、装置及存储介质

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101477707A (zh) * 2008-12-18 2009-07-08 浙江大学 一种插值给定若干闭合曲线的曲面造型方法
EP2230794A3 (en) * 2009-03-16 2011-10-05 Technische Universität München Towards Electrical, Integrated Implementations of SIMPL Systems
GB201004084D0 (en) * 2010-03-11 2010-04-28 Ucl Business Plc Apparatus and method for registering medical images containing a tubular organ
US20130170726A1 (en) * 2010-09-24 2013-07-04 The Research Foundation Of State University Of New York Registration of scanned objects obtained from different orientations
WO2013059807A1 (en) * 2011-10-21 2013-04-25 The Research Foundation Of State University Of New York System and method for context preserving maps of tubular structures
CN102982552B (zh) * 2012-12-14 2015-09-16 中国科学院自动化研究所 一种基于里奇流的表面配准方法
CN103486971B (zh) * 2013-08-14 2016-07-13 北京交通大学 一种地铁隧道裂缝宽度检测及校正算法
CN104392021B (zh) * 2014-10-24 2016-04-06 山东大学 一种层次自由曲面的保角参数特性优化方法
CN104821080B (zh) * 2015-03-02 2017-04-12 北京理工大学 基于宏观城市交通流的智能车辆行驶速度及时间预测方法
CN106097431A (zh) * 2016-05-09 2016-11-09 王红军 一种基于三维栅格地图的物体整体识别方法
CN109285346B (zh) * 2018-09-07 2020-05-05 北京航空航天大学 一种基于关键路段的城市路网交通状态预测方法
CN109857457B (zh) * 2019-01-29 2022-03-08 中南大学 一种在双曲空间中学习源代码中的函数层次嵌入表示方法
CN110543728B (zh) * 2019-09-05 2023-03-21 大连理工大学 一种城市交通路网关键路口发现方法
CN110738856B (zh) * 2019-11-12 2020-09-22 中南大学 一种基于移动聚类的城市交通拥堵精细识别方法
CN111462492B (zh) * 2020-04-10 2021-03-30 中南大学 一种基于里奇流的关键路段检出方法

Also Published As

Publication number Publication date
CN111462492A (zh) 2020-07-28
US20220108603A1 (en) 2022-04-07
WO2021204283A1 (zh) 2021-10-14

Similar Documents

Publication Publication Date Title
CN111462492B (zh) 一种基于里奇流的关键路段检出方法
CN107529651B (zh) 一种基于深度学习的城市交通客流预测方法和设备
CN105243128B (zh) 一种基于签到数据的用户行为轨迹聚类方法
Xu et al. Context-aware real-time population estimation for metropolis
CN108597227A (zh) 高速公路收费站下道交通流量预测方法
CN111724589B (zh) 一种基于多源数据的高速公路断面流量估计方法
CN102332210A (zh) 基于手机定位数据的实时城市道路交通流数据提取方法
CN105243844A (zh) 一种基于手机信令的道路状态识别方法
CN107656987A (zh) 一种基于lda模型的地铁站点功能挖掘方法
WO2021013190A1 (zh) 基于气象参数的高速列车导航盲区定位方法及系统
CN109345434B (zh) 一种开放式小区内外部道路设计安全评价的方法
CN111524353B (zh) 一种交通文本数据用于速度预测及行程规划方法
CN109033239B (zh) 一种基于最小二乘优化的路网结构生成方法
CN110134907B (zh) 一种降雨缺失数据填补方法、系统及电子设备
WO2020253338A1 (zh) 一种基于交通大数据的道路通行能力提取方法
Zhang et al. Using street view images to identify road noise barriers with ensemble classification model and geospatial analysis
CN112884014A (zh) 一种基于路段拓扑结构分类的交通速度短时预测方法
CN111191817B (zh) 一种基于换乘客流量的公交线网拓扑划分方法
CN115828121A (zh) 基于邻接dbscan融合时变多图卷积网络的交通流预测方法
CN113779113B (zh) 基于雨洪时空过程相似性挖掘的洪水动态预估方法及系统
CN113657645B (zh) 基于注意力机制的时空连接增强3dcnn交通预测方法
CN111860974B (zh) 一种基于状态空间和联合分布的干旱多级预测方法
CN111914052B (zh) 一种区域空间关联关系确定方法及装置
CN115422782B (zh) 一种基于水文模型的洪水预报系统
CN115829163B (zh) 基于多模式集成的长江中下游流域径流预测方法和系统

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