CN111508094A - 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法 - Google Patents

一种基于etc门架与卡口通行数据的高速公路拥堵发现方法 Download PDF

Info

Publication number
CN111508094A
CN111508094A CN202010612426.8A CN202010612426A CN111508094A CN 111508094 A CN111508094 A CN 111508094A CN 202010612426 A CN202010612426 A CN 202010612426A CN 111508094 A CN111508094 A CN 111508094A
Authority
CN
China
Prior art keywords
node
congestion
road section
passing
gate
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
CN202010612426.8A
Other languages
English (en)
Other versions
CN111508094B (zh
Inventor
宋晓峰
李道勋
季欣凯
吴戡
季玮
黄倩
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 Lab
Original Assignee
Zhejiang Lab
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 Lab filed Critical Zhejiang Lab
Priority to CN202010612426.8A priority Critical patent/CN111508094B/zh
Publication of CN111508094A publication Critical patent/CN111508094A/zh
Application granted granted Critical
Publication of CN111508094B publication Critical patent/CN111508094B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
    • G07B15/063—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems using wireless information transmission between the vehicle and a fixed station
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法，其包括如下步骤：获取ETC门架与卡口的所在道路编号、方向、设备桩号与设备编号信息；使用ETC门架与卡口的基础信息，以ETC门架与卡口为节点，建立节点之间通行关系的有向图；获取ETC门架与卡口的车辆通行数据，包括门架或者卡口的编号、经过车辆的车牌与车辆经过的时间；计算每个车辆通过有向图中每条边的行程时间，然后根据该边对应路段的长度获得每个车辆通过该路段的速度；根据车辆通过路段的速度，计算路段拥堵指数，发现高速公路拥堵路段。本发明可及时准确地发现高速公路路网拥堵情况，有效提升高速公路运营效率。

Description

一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法
技术领域
本发明涉及智能交通技术领域，尤其涉及一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法。
背景技术
高速公路作为连接重要城市和地区的骨干公路，在公路运输中发挥着不可替代的重要作用。道路拥堵严重影响高速公路的通行能力，如何快速准确地检测高速公路的拥堵区域是一个亟待解决的问题。快速确定交通拥堵事件的能够实现交通拥堵疏解，并保障高速公路交通的畅通。当前，高速公路拥堵检测方式通常采用人工上报与视频检测两种。然而，人工上报存在时延较长与漏报现象。视频摄像头只覆盖高速公路少量路段同时视频检测也存在一定的误差,因此视频检测也不能有效解决高速公路拥堵区域的识别问题。
目前，ETC系统已覆盖全国高速公路网络，成为高速公路计费的重要手段。ETC门架与卡口已经覆盖高速公路的几乎所有断面关键节点与高速公路收费站出入口。ETC门架与卡口通行数据包含经过车辆的车牌信息与通行时间信息，直接接入到高速公路交通控制管理中心的智能交通系统，可以达到秒级的延时。因此，使用ETC门架与卡口通行数据进行拥堵区域的识别能够满足实时性的需求。本发明提出一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法，解决快速准确地检测高速公路拥堵区域的问题。
发明内容
针对现有技术的不足，本发明提出一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法，旨在解决现有技术中交通拥堵检测一般通过人员上报与视频分析，交通拥堵检测结果不及时、不准确，而且不能实现全路段交通拥堵自动检测分析，交通拥堵检测效率低，高速公路通行效率下降的技术问题。
本发明的目的通过如下的技术方案来实现：
一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法，该方法具体包括如下步骤：
S1：获取ETC门架与卡口的基础信息，包括ETC门架与卡口的所在道路编号、方向、设备桩号与设备编号信息；
S2：使用ETC门架与卡口的基础信息，以ETC门架与卡口为节点，建立节点之间通行关系的有向图；
S3：获取所述的ETC门架与卡口的车辆通行数据，包括门架或者卡口的编号、经过车辆的车牌与车辆经过的时间；
S4：计算每个车辆通过所述的有向图中每条边的行程时间，然后根据该边对应路段的长度获得每个车辆通过该路段的速度；
S5：根据S4得到的车辆通过路段的速度，计算路段拥堵指数，发现高速公路拥堵路段。
进一步地，所述的有向图为D=(V,A)，其中，V为有向图中节点的集合，包含ETC门架与卡口；A为有向图中边的集合，以节点u为起始节点、节点v为终止节点的边记为(u,v)，对于任意两个节点u、v，如果车辆可以从节点u行驶到节点v，并且不经过任何其他节点，则(u,v)∈A；边(u,v)的限速为v(u,v)，边的距离为d(u,v)；
所述的S4具体通过以下子步骤来实现：
S4.1：计算节点u的出邻集
Figure 712325DEST_PATH_IMAGE001
；
计算出邻集非空的节点的集合U，
Figure 485108DEST_PATH_IMAGE002
；
计算节点u的最长限速行程时间tmax(u)={max(d(u,v) /v(u,v)):(u,v)∈A}；
记dmax(u)为d(u,v)/v(u,v)取最大值时的d(u,v)；
S4.2：对每一个经过节点u的车牌p，如果u∈U，则将车牌放入节点u的待处理车牌列表S(u,p)；
S4.3：对于节点u待处理车牌列表S(u,p)中的车牌p，如果车辆p经过节点u任何一个相邻的下游节点，计算车牌p经过节点u与相邻下游节点之间的时间差，记为∆t，计算车牌p通过路段的速度为vp(u,v)=d(u,v)/∆t；如果p未经过任何一个相邻的下游节点，且当前时刻与车牌p经过节点u的时刻的时间差∆t'大于tmax(u)，则计算车牌p通过路段的最大速度，并将其作为车牌p通过路段的速度，即vp(u,v)=vmax=dmax(u)/∆t'。
进一步地，所述的S5通过以下子步骤来实现：
S5.1：计算节点u的最近一分钟内的通行车辆的速度的集合L，L为S4.3中得到的两种情况下的速度vp(u,v)的并集；
S5.2：根据下式计算车牌p的拥堵程度如下：
Figure 556970DEST_PATH_IMAGE003
S5.3：根据下式计算路段(u,v)的拥堵程度J(u,v)和其方差S，然后根据表1给出的拥堵指数范围，即可得到拥堵级别；
Figure 224275DEST_PATH_IMAGE004
Figure 825020DEST_PATH_IMAGE005
其中，n为边(u,v)上最近一分钟计算获得的速度值的数量；
表1 拥堵级别表
Figure 85100DEST_PATH_IMAGE006
S5.4: 根据J(u,v)的值获得路段的拥堵级别，根据抽样定理，路段平均速度的分布满足：
Figure 695073DEST_PATH_IMAGE007
其中μ为速度分布的均值，t(n-1)为t分布，即学生氏分布；
S5.5：计算边(u,v)在该拥堵级别的置信度
Figure 724209DEST_PATH_IMAGE008
其中，
Figure 27015DEST_PATH_IMAGE009
,
Figure 508812DEST_PATH_IMAGE010
，x0与x1为当前拥堵级别对应的拥堵指数范围的上限与下限；
S5.6：如果边(u,v)的拥堵级别大于等于设定的拥堵级别，则将边(u,v)所在的路段标记为拥堵路段，并提供拥堵路段的拥堵指数与拥堵置信度。
本发明的有益效果如下：
本发明的方法基于现有的高速公路的ETC门架、卡口以及其对应的车辆通行数据，无需安装新的设备，实现及时准确地发现高速公路路网拥堵情况，为交通状态采集提供新的技术手段，使有限的投入能充分发挥出更大社会效益，有效地提升ETC门架与卡口系统运营效率。
附图说明
图1为本发明方法的总体流程图。
图2为本发明涉及的ETC门架和卡口示意图。
具体实施方式
下面根据附图和优选实施例详细描述本发明，本发明的目的和效果将变得更加明白，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。
本发明的基于ETC门架与卡口通行数据的高速公路拥堵发现方法，如图1所示，该方法具体包括如下步骤：
S1：获取ETC门架与卡口的基础信息，包括ETC门架与卡口的所在道路编号、方向、设备桩号与设备编号信息；
S2：使用ETC门架与卡口的基础信息，以ETC门架与卡口为节点，建立节点之间的通行关系的有向图；所述的有向图为D=(V,A)，其中，V为有向图中节点的集合，包含ETC门架与卡口。A为有向图中边的集合，以节点u为起始节点，节点v为终止节点的边记为(u,v)，对于任意两个节点u、v，如果车辆可以从节点u行驶到节点v，并且不经过任何其他节点，则(u,v)∈A；边(u,v)的限速为v(u,v)，边的距离为d(u,v)。
以图2作为一个实施例，D=(V,A)，V={A1,A2,B1,B2,C1,C2}，A={(A1,B1),(A1,C1),(B2,C1),(B2, A2), (C2,A2), (C2,B1)}；
S3：获取所述的ETC门架与卡口的车辆通行数据，包括门架或者卡口的编号、经过车辆的车牌与车辆经过的时间；
S4：计算每个车辆通过所述的有向图中每条边的行程时间，然后根据该边对应的路段的长度获得每个车辆通过该路段的速度；所述的S4具体通过以下子步骤来实现：
S4.1：计算节点u的出邻集
Figure 656896DEST_PATH_IMAGE001
；
计算出邻集非空的节点的集合U，
Figure 540538DEST_PATH_IMAGE002
；
计算节点u的最长限速行程时间tmax(u)={max(d(u,v)/v(u,v)):(u,v)∈A}；
记dmax(u)为d(u,v))/(v(u,v)取最大值时的d(u,v)；
以图2为例，
Figure 515710DEST_PATH_IMAGE011
,
Figure 484803DEST_PATH_IMAGE012
，
Figure 436579DEST_PATH_IMAGE013
,
Figure 440307DEST_PATH_IMAGE014
。U={A1,B2,C2}。以节点
Figure 819335DEST_PATH_IMAGE015
为例，假设路段限速均为100km/h，边的长度d(A1,B1)=10km，d(A1,C1)=5km，因此，tmax(A1)=6分钟，dmax(A1)=10km。
S4.2：对每一个经过节点u的车牌p，如果u∈U，则将车牌放入节点u的待处理车牌列表S(u,p)；
S4.3：对于节点u待处理车牌列表S(u,p)中的车牌p，如果车辆p经过节点u任何一个相邻的下游节点，计算车牌p经过节点u与相邻下游节点之间的时间差，记为∆t，计算车牌p通过路段的速度为vp(u,v)=d(u,v)/∆t；如果p未经过任何一个相邻的下游节点，且当前时刻与车牌p经过节点u的时刻的时间差∆t'大于tmax(u)，则计算车牌p通过路段的最大速度，并将其作为车牌p通过路段的速度，即vp(u,v)=vmax=dmax(u)/∆t'。
以节点A1为例，分为三种情况。第一种情况S(u,p)中的车牌经过下一个节点为B1或者C1，用经过下一节点的时间减去经过A1时间，并用两个节点的距离计算获得通过路段的速度。第二种情况，当前时间与经过A1的时间差大于6分钟，使用dmax(A1)计算车辆的速度。第三种情况，当前时间与经过A1的时间差小于6分钟，不作任何计算。
S5：根据S4得到的车辆通过路段的速度，计算路段拥堵指数，发现高速公路拥堵路段。
所述的S5通过以下子步骤来实现：
S5.1：计算节点u的最近一分钟内的通行车辆的速度的集合L，L为S4.3中得到的两种情况下的速度vp(u,v)的并集；
S5.2：根据下式计算车牌p的拥堵程度如下：
Figure 275724DEST_PATH_IMAGE003
以节点A1为例，V(A1,B1)=V(A1,C1)=100km/h。根据经过的车辆的速度，计算每一辆车的拥堵程度。
S5.3：根据下式计算路段(u,v)的拥堵程度J(u,v)和其方差S，然后根据表1给出的拥堵指数范围，即可得到拥堵级别；
Figure 296770DEST_PATH_IMAGE016
Figure 623846DEST_PATH_IMAGE017
其中，n为边(u,v)上最近一分钟计算获得的速度值的数量；
表1 拥堵级别表
Figure 937891DEST_PATH_IMAGE018
S5.4: 根据J(u,v)的值获得路段的拥堵级别，根据抽样定理，路段平均速度的分布满足：
Figure 881576DEST_PATH_IMAGE019
其中μ为速度分布的均值，t(n-1)为t分布，即学生氏分布；
S5.5：计算边(u,v)在该拥堵级别的置信度
Figure 440733DEST_PATH_IMAGE020
其中，
Figure 887895DEST_PATH_IMAGE009
,
Figure 608726DEST_PATH_IMAGE010
,x0与x1为当前拥堵级别对应的拥堵指数范围的上限与下限；
S5.6：根据设定的拥堵级别阈值，如果边(u,v)的拥堵指数大于等于设定的拥堵级别阈值，则将边(u,v)所在的路段标记为拥堵路段，并提供拥堵路段的拥堵指数与拥堵置信度。
本领域普通技术人员可以理解，以上所述仅为发明的优选实例而已，并不用于限制发明，尽管参照前述实例对发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内，所做的修改、等同替换等均应包含在发明的保护范围之内。

Claims (3)

1.一种基于ETC门架与卡口通行数据的高速公路拥堵发现方法，其特征在于，该方法具体包括如下步骤：
S1：获取ETC门架与卡口的基础信息，包括ETC门架与卡口的所在道路编号、方向、设备桩号与设备编号信息；
S2：使用ETC门架与卡口的基础信息，以ETC门架与卡口为节点，建立节点之间通行关系的有向图；
S3：获取所述的ETC门架与卡口的车辆通行数据，包括门架或者卡口的编号、经过车辆的车牌与车辆经过的时间；
S4：计算每个车辆通过所述的有向图中每条边的行程时间，然后根据该边对应路段的长度获得每个车辆通过该路段的速度；
S5：根据S4得到的车辆通过路段的速度，计算路段拥堵指数，发现高速公路拥堵路段。
2.根据权利要求1所述的基于ETC门架与卡口通行数据的高速公路拥堵发现方法，其特征在于，所述的有向图为D=(V,A)，其中，V为有向图中节点的集合，包含ETC门架与卡口；A为有向图中边的集合，以节点u为起始节点、节点v为终止节点的边记为(u,v)，对于任意两个节点u、v，如果车辆可以从节点u行驶到节点v，并且不经过任何其他节点，则(u,v)∈A；边(u,v)的限速为v(u,v)，边的距离为d(u,v)；
所述的S4具体通过以下子步骤来实现：
S4.1：计算节点u的出邻集
Figure 46963DEST_PATH_IMAGE001
；
计算出邻集非空的节点的集合U，
Figure 495262DEST_PATH_IMAGE002
；
计算节点u的最长限速行程时间tmax(u)={max(d(u,v) / v(u,v)):(u,v)∈A}；
记dmax(u)为d(u,v)/v(u,v)取最大值时的d(u,v)；
S4.2：对每一个经过节点u的车牌p，如果u∈U，则将车牌放入节点u的待处理车牌列表S(u,p)；
S4.3：对于节点u待处理车牌列表S(u,p)中的车牌p，如果车辆p经过节点u任何一个相邻的下游节点，计算车牌p经过节点u与相邻下游节点之间的时间差，记为∆t，计算车牌p通过路段的速度为vp(u,v)=d(u,v)/∆t；如果p未经过任何一个相邻的下游节点，且当前时刻与车牌p经过节点u的时刻的时间差∆t'大于tmax(u)，则计算车牌p通过路段的最大速度，并将其作为车牌p通过路段的速度，即vp(u,v)=vmax=dmax(u)/∆t'。
3.根据权利要求2所述的基于ETC门架与卡口通行数据的高速公路拥堵发现方法，其特征在于，所述的S5通过以下子步骤来实现：
S5.1：计算节点u的最近一分钟内的通行车辆的速度的集合L，L为S4.3中得到的两种情况下的速度vp(u,v)的并集；
S5.2：根据下式计算车牌p的拥堵程度如下：
Figure 806157DEST_PATH_IMAGE003
S5.3：根据下式计算路段(u,v)的拥堵程度J(u,v)和其方差S，然后根据表1给出的拥堵指数范围，即可得到拥堵级别；
Figure 732525DEST_PATH_IMAGE004
Figure 78056DEST_PATH_IMAGE005
其中，n为边(u,v)上最近一分钟计算获得的速度值的数量；
表1 拥堵级别表
Figure 431677DEST_PATH_IMAGE006
S5.4: 根据J(u,v)的值获得路段的拥堵级别，根据抽样定理，路段平均速度的分布满足：
Figure 229868DEST_PATH_IMAGE007
其中μ为速度分布的均值，t(n-1)为t分布，即学生氏分布；
S5.5：计算边(u,v)在该拥堵级别的置信度
Figure 461392DEST_PATH_IMAGE008
Figure 661429DEST_PATH_IMAGE008
其中，
Figure 185951DEST_PATH_IMAGE009
Figure 471439DEST_PATH_IMAGE009
,
Figure 739609DEST_PATH_IMAGE010
Figure 528574DEST_PATH_IMAGE010
，x0与x1为当前拥堵级别对应的拥堵指数范围的上限与下限；
S5.6：如果边(u,v)的拥堵级别大于等于设定的拥堵级别，则将边(u,v)所在的路段标记为拥堵路段，并提供拥堵路段的拥堵指数与拥堵置信度。
CN202010612426.8A 2020-06-30 2020-06-30 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法 Active CN111508094B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010612426.8A CN111508094B (zh) 2020-06-30 2020-06-30 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010612426.8A CN111508094B (zh) 2020-06-30 2020-06-30 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法

Publications (2)

Publication Number Publication Date
CN111508094A true CN111508094A (zh) 2020-08-07
CN111508094B CN111508094B (zh) 2020-09-22

Family

ID=71864561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010612426.8A Active CN111508094B (zh) 2020-06-30 2020-06-30 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法

Country Status (1)

Country Link
CN (1) CN111508094B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112509326A (zh) * 2020-12-02 2021-03-16 北京航空航天大学 一种基于广义极值t分布偏差的非周期拥堵检测方法
CN112651379A (zh) * 2021-01-12 2021-04-13 杭州像素元科技有限公司 一种基于深度学习的单车道拥堵检测方法
CN112785735A (zh) * 2020-12-31 2021-05-11 北京掌行通信息技术有限公司 一种基于收费数据的高速公路路况的监测方法及装置
CN112863172A (zh) * 2020-12-29 2021-05-28 千方捷通科技股份有限公司 高速公路交通运行状态判定方法、预警方法、装置及终端
CN113362602A (zh) * 2021-06-29 2021-09-07 山东旗帜信息有限公司 一种基于门架通行数据的拥堵分析方法及设备
CN113870570A (zh) * 2021-12-02 2021-12-31 湖南省交通科学研究院有限公司 一种基于etc的路网运行状态方法、系统和存储介质
CN114005276A (zh) * 2021-10-25 2022-02-01 浙江综合交通大数据开发有限公司 一种基于多数据源融合的高速公路拥堵预警方法
CN114863675A (zh) * 2022-04-08 2022-08-05 北京工业大学 基于路警数据融合的重点车辆位置推测与异常报警方法
CN114898571A (zh) * 2022-04-22 2022-08-12 福建工程学院 一种基于etc大数据的高速公路全路段车速测量方法
CN115953904A (zh) * 2023-03-15 2023-04-11 深圳市城市交通规划设计研究中心股份有限公司 高速交通流速度稳定性分析方法、电子设备及其存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6133825A (en) * 1999-06-02 2000-10-17 Mitsubishi Denki Kabushiki Kaisha Vehicle obstacle and lane congestion monitoring device and method
CN106571037A (zh) * 2016-11-15 2017-04-19 同济大学 一种基于卡口检测技术的高速公路实时路况监测方法
CN108109382A (zh) * 2018-02-05 2018-06-01 青岛大学 一种基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法
CN109544911A (zh) * 2018-10-30 2019-03-29 中山大学 一种基于lstm-cnn的城市路网交通状态预测方法
CN110021171A (zh) * 2019-04-23 2019-07-16 临沂大学 高速公路路况定位方法、装置及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6133825A (en) * 1999-06-02 2000-10-17 Mitsubishi Denki Kabushiki Kaisha Vehicle obstacle and lane congestion monitoring device and method
CN106571037A (zh) * 2016-11-15 2017-04-19 同济大学 一种基于卡口检测技术的高速公路实时路况监测方法
CN108109382A (zh) * 2018-02-05 2018-06-01 青岛大学 一种基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法
CN109544911A (zh) * 2018-10-30 2019-03-29 中山大学 一种基于lstm-cnn的城市路网交通状态预测方法
CN110021171A (zh) * 2019-04-23 2019-07-16 临沂大学 高速公路路况定位方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨杰，等: "《基于Storm的高速公路实时交通指数评估方法的研究与实现》", 《计算机应用研究》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112509326A (zh) * 2020-12-02 2021-03-16 北京航空航天大学 一种基于广义极值t分布偏差的非周期拥堵检测方法
CN112509326B (zh) * 2020-12-02 2021-12-10 北京航空航天大学 一种基于广义极值t分布偏差的非周期拥堵检测方法
CN112863172A (zh) * 2020-12-29 2021-05-28 千方捷通科技股份有限公司 高速公路交通运行状态判定方法、预警方法、装置及终端
CN112785735B (zh) * 2020-12-31 2022-02-18 北京千方科技股份有限公司 一种基于收费数据的高速公路路况的监测方法及装置
CN112785735A (zh) * 2020-12-31 2021-05-11 北京掌行通信息技术有限公司 一种基于收费数据的高速公路路况的监测方法及装置
WO2022143549A1 (zh) * 2020-12-31 2022-07-07 北京千方科技股份有限公司 一种基于收费数据的高速公路路况的监测方法及装置
CN112651379A (zh) * 2021-01-12 2021-04-13 杭州像素元科技有限公司 一种基于深度学习的单车道拥堵检测方法
CN113362602A (zh) * 2021-06-29 2021-09-07 山东旗帜信息有限公司 一种基于门架通行数据的拥堵分析方法及设备
CN114005276A (zh) * 2021-10-25 2022-02-01 浙江综合交通大数据开发有限公司 一种基于多数据源融合的高速公路拥堵预警方法
CN114005276B (zh) * 2021-10-25 2023-03-03 浙江综合交通大数据开发有限公司 一种基于多数据源融合的高速公路拥堵预警方法
CN113870570A (zh) * 2021-12-02 2021-12-31 湖南省交通科学研究院有限公司 一种基于etc的路网运行状态方法、系统和存储介质
CN114863675A (zh) * 2022-04-08 2022-08-05 北京工业大学 基于路警数据融合的重点车辆位置推测与异常报警方法
CN114863675B (zh) * 2022-04-08 2023-12-29 北京工业大学 基于路警数据融合的重点车辆位置推测与异常报警方法
CN114898571A (zh) * 2022-04-22 2022-08-12 福建工程学院 一种基于etc大数据的高速公路全路段车速测量方法
CN114898571B (zh) * 2022-04-22 2023-06-06 福建工程学院 一种基于etc大数据的高速公路全路段车速测量方法
CN115953904A (zh) * 2023-03-15 2023-04-11 深圳市城市交通规划设计研究中心股份有限公司 高速交通流速度稳定性分析方法、电子设备及其存储介质

Also Published As

Publication number Publication date
CN111508094B (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN111508094B (zh) 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法
US10573173B2 (en) Vehicle type identification method and device based on mobile phone data
US20200211374A1 (en) System, method, and apparatus for analyzing a traffic road condition
CN108550262B (zh) 基于毫米波雷达的城市交通感知系统
Yoon et al. Surface street traffic estimation
CN104658252B (zh) 基于多源数据融合的高速公路交通运行状态的评估方法
CN103258430B (zh) 路段旅行时间统计、以及交通路况判定方法和装置
WO2022152026A1 (zh) 交通拥堵检测方法、装置、电子设备及存储介质
CN112712697B (zh) 面向车路协同应用的车道级交通状态判别方法
CN109754598B (zh) 一种拥堵组团识别方法及系统
CN111882858B (zh) 一种基于多源数据的高速公路异常事件排队长度预测方法
CN115691120A (zh) 一种基于高速公路流水数据的拥堵识别方法及系统
CN114999181A (zh) 一种基于etc系统数据的高速公路车辆速度异常识别方法
CN110796862A (zh) 一种基于人工智能的高速公路交通状况检测系统及方法
CN106683442A (zh) 基于多指标的交叉口信号配时方案评价方法
CN110827537B (zh) 一种潮汐车道的设置方法、装置及设备
CN111754780A (zh) 一种基于拥堵指数的判断路段拥堵程度的方法
CN117953693B (zh) 一种基于视频ai的高速公路交通智能监测系统
CN114005275B (zh) 一种基于多数据源融合的高速公路车辆拥堵判别方法
CN117173899B (zh) 一种智慧城市交通出行品质评价方法
TWI774984B (zh) 交通事件偵測系統及方法
CN117037481A (zh) 一种高速公路路网可视化监控管理系统
CN115100847B (zh) 面向低渗透率网联车轨迹数据的排队服务时间估计方法
CN116343498A (zh) 一种基于大数据公交路线拥堵点提醒系统
CN112396829B (zh) 一种基于正向雷达数据的交叉口拥堵指数计算方法

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