CN111724587A - 一种基于rfid技术的交通流密度参数提取方法 - Google Patents

一种基于rfid技术的交通流密度参数提取方法 Download PDF

Info

Publication number
CN111724587A
CN111724587A CN202010463818.2A CN202010463818A CN111724587A CN 111724587 A CN111724587 A CN 111724587A CN 202010463818 A CN202010463818 A CN 202010463818A CN 111724587 A CN111724587 A CN 111724587A
Authority
CN
China
Prior art keywords
rfid
time
base stations
traffic flow
upstream
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.)
Pending
Application number
CN202010463818.2A
Other languages
English (en)
Inventor
孙棣华
赵敏
刘志宗
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.)
Chongqing University
Original Assignee
Chongqing 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 Chongqing University filed Critical Chongqing University
Priority to CN202010463818.2A priority Critical patent/CN111724587A/zh
Publication of CN111724587A publication Critical patent/CN111724587A/zh
Pending legal-status Critical Current

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
    • 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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于RFID技术的交通流密度参数提取方法，基于RFID技术采集两基站之间的车辆信息，然后计算交通流密度。搭建成本低，后期维护简便；全面采集所有通过车辆的数据，样本全，实时性好，判断准确；由于采用RFID技术采集数据，不受外界环境和天气影响，抗干扰能力强，工作稳定性强。

Description

一种基于RFID技术的交通流密度参数提取方法
技术领域
本发明属于智能交通信息技术领域，涉及一种基于RFID(Radio FrequencyIdentification)技术的交通流密度参数提取方法，可适用于城市道路已部署RFID技术装置的交通流密度参数的获取。
背景技术
一般来说，对于交通数据的正确理解和应用是能够充分掌握快速路交通运行状态，知晓交通流运行特性的重要前提保障。同时，交通流特征参数是指用来描述和反映交通运行特性的物理量，而交通流密度参数则是更能反映和体现道路通行状况的特征指标。因此，精确、全面地提取实时的交通流密度参数能够提前了解和估计城市交通的运行状况，以此达到为出行者节省出行时间，避免不必要的交通拥堵等目的；还可以提高道路服务水平，缓解城市环境污染，提升城市交通通行能力。
通过查阅公交车行程时间预测相关的专利和论文，现有的交通流密度参数提取方法，要么因为利用的地感线圈技术需要大量的布置双检测器而花费成本，且后期维护成本大；要么因为如利用GPS技术采集数据为抽样的情况，无法采集到全样本的单车数据并且没法获得实时的交通流转移率而导致交通流密度提取有一定的差异；要么因如采用视频识别等技术采集车辆数据的手段易受恶劣天气和环境的影响，抗干扰效果差，导致采集车辆信息不够精确，最终导致交通流密度参数的提取精度不够高，效果不够理想。
而目前现有的基于RFID技术的交通流密度参数提取方法的研究较少，且尚未成熟。一般都是利用采集到的车流量数除以两个RFID基站间的距离再除以车道数求取到的密度，这不属于瞬时密度，具有较大的误差性，且参考价值不大。同时，以往的研究在采集交通流量的时候一般都忽略了路段中存在支路、交叉口、匝道等存在交通流分流或合流的情形，即没有考虑交通流转移率，忽略了RFID基站之间车辆分流合流导致的交通流量动态变化的情形，该类方法的密度提取精度及效果较差。
发明内容
有鉴于此，本发明的目的是提供一种基于RFID技术的交通流密度参数提取方法。
本发明的目的是通过以下技术方案来实现的：
一种基于RFID技术的交通流密度参数提取方法，包括以下步骤：
步骤一：基于RFID技术的交通信息采集，即依据安装在道路龙门架上的RFID阅读器采集所有经过该采集点车辆的信息，所述信息包括电子车牌、过车时间；
步骤二：通过数据预处理，按照两两相邻RFID基站配对的形式，将步骤一采集到的电子车牌数据进行冗余、重复以及异常等情况的处理，同时将处理后的电子车牌数据合并规整，最后将车辆信息存入数据库中以待后续步骤使用；
步骤三：分别提取第k辆车经过上下游RFID基站的时间ti和tj，同时计算第k辆车通过上下游RFID基站的行程时间tij；
tij＝tj-ti
式中，
tij代表所选路段上RFID基站i到j之间车辆k的行程时间；
ti和tj分别表示第k辆车经过RFID基站i与j的时间，车辆行驶方向为RFID基站i至j(ti＜tj)，即RFID基站i代表道路上游处采集点，RFID基站j表示道路下游处采集点；
步骤四：针对获取得到的电子车牌数据确定统计时间间隔，所述统计时间间隔为30s-90s中的任一整数值；
步骤五：根据RFID基站间车辆的行程时间tij确定分析时段T，Tmax为RFID基站i和j之间行程时间最长的车辆的行程时间；计算上游RFID基站i处时间由ti到tj时段内的车流量
Figure BDA0002511955790000023
步骤六：选取合适的时间窗τ，τ＞Tmax，基于研究路段的车道数、步骤五得到的车流量
Figure BDA0002511955790000022
计算上游到下游RFID基站间ti时刻对应的交通流密度k。
进一步，所述步骤二按照两两相邻RFID基站配对的形式对所述电子车牌数据进行冗余、重复及异常情况的处理。
进一步，所述步骤四中的统计时间间隔为60s。
进一步，所述步骤六的交通流密度k的计算公式如下：
Figure BDA0002511955790000021
式中，
ti表示第k辆车经过上游RFID基站i的时刻；
τ表示选取的时间窗大小；
Qi(ti+τ)表示在时间(ti+τ)内经过RFID上游基站i的车流量；
Qij(tij+τ)表示在时间(tij+τ)内经过RFID上游基站i的车流量；
L表示RFID基站i与基站j之间的距离；
Tmax表示RFID基站i和j之间行程时间最长的车辆的行程时间；
n表示研究路段的车道数。
由于采用了上述技术方案，本发明具有如下的有益效果：
本发明涉及一种基于RFID技术的交通流密度参数提取方法，搭建成本低，后期维护简便；全面采集所有通过车辆的数据，样本全，实时性好，判断准确；由于采用RFID技术采集数据，不受外界环境和天气影响，抗干扰能力强，工作稳定性强；可以实现精准有效地交通流密度的实时获取，对缓解交通拥堵以及保证城市交通系统能高效运行起着至关重要的作用。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究，对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
本发明的附图说明如下。
图1为本发明的总体流程示意图；
图2为步骤三中计算上下游RFID基站间车辆行程时间的流程示意图；
图3为步骤五中计算车流量的流程示意图；
图4为步骤六中基于RFID技术计算交通流瞬时密度的算法流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例1
如图1-2所示，本实施例提供的一种基于RFID技术的交通流密度参数提取方法，包括以下步骤：
步骤一：基于RFID技术的交通信息采集，即依据安装在道路龙门架上的RFID阅读器采集所有经过该采集点车辆的信息，所述信息包括电子车牌、过车时间；
步骤二：通过数据预处理，按照两两相邻RFID基站配对的形式，将步骤一采集到的电子车牌数据进行冗余、重复以及异常等情况的处理，同时将处理后的电子车牌数据合并规整，最后将车辆信息存入数据库中以待后续步骤使用；
步骤三：参考图2，分别提取第k辆车经过上下游RFID基站的时间ti和tj，同时计算第k辆车通过上下游RFID基站的行程时间tij；
tij＝tj-ti
式中，
tij代表所选路段上RFID基站i到j之间车辆k的行程时间；
ti和tj分别表示第k辆车经过RFID基站i与j的时间，车辆行驶方向为RFID基站i至j(ti＜tj)，即RFID基站i代表道路上游处采集点，RFID基站j表示道路下游处采集点；
步骤四：针对获取得到的电子车牌数据确定统计时间间隔，所述统计时间间隔为30s-90s中的任一整数值；
步骤五：根据RFID基站间车辆的行程时间tij确定分析时段T，Tmax为RFID基站i和j之间行程时间最长的车辆的行程时间；计算上游RFID基站i处时间由ti到tj时段内的车流量
Figure BDA0002511955790000042
步骤六：选取合适的时间窗τ，τ＞Tmax，基于研究路段的车道数、步骤五得到的车流量
Figure BDA0002511955790000043
计算上游到下游RFID基站间ti时刻对应的交通流密度k。
本实施例中，所述步骤二按照两两相邻RFID基站配对的形式对所述电子车牌数据进行冗余、重复及异常情况的处理；步骤二的具体过程如下：
步骤2.1：将上下游RFID基站采集到的过车时间转换为时间戳的形式，同时设定一个时间阈值，将上下游RFID基站处对应的时间戳相减，只留下小于提前设定时间阈值的RFID电子车牌数据；
步骤2.2：除了上述步骤以外，还要规避一个RFID下游时间对应着多个RFID上游时间的情况。若有此情况，只需取离RFID下游时间最近的一次RFID上游时间为匹配结果即可。本实施例中，所述步骤四中的统计时间间隔为60s。
本实施例中，所述步骤六的交通流密度k的计算公式如下：
Figure BDA0002511955790000041
式中，
ti表示第k辆车经过上游RFID基站i的时刻；
τ表示选取的时间窗大小；
Qi(ti+τ)表示在时间(ti+τ)内经过RFID上游基站i的车流量；
Qij(tij+τ)表示在时间(tij+τ)内经过RFID上游基站i的车流量；
L表示RFID基站i与基站j之间的距离；
Tmax表示RFID基站i和j之间行程时间最长的车辆的行程时间；
n表示研究路段的车道数。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。

Claims (4)

1.一种基于RFID技术的交通流密度参数提取方法，其特征在于，包括以下步骤：
步骤一：基于RFID技术的交通信息采集，即依据安装在道路龙门架上的RFID阅读器采集所有经过该采集点车辆的信息，所述信息包括电子车牌、过车时间；
步骤二：通过数据预处理，按照两两相邻RFID基站配对的形式，将步骤一采集到的电子车牌数据进行冗余、重复以及异常等情况的处理，同时将处理后的电子车牌数据合并规整，最后将车辆信息存入数据库中以待后续步骤使用；
步骤三：分别提取第k辆车经过上下游RFID基站的时间ti和tj，同时计算第k辆车通过上下游RFID基站的行程时间tij；
tij＝tj-ti
式中，
tij代表所选路段上RFID基站i到j之间车辆k的行程时间；
ti和tj分别表示第k辆车经过RFID基站i与j的时间，车辆行驶方向为RFID基站i至j(ti＜tj)，即RFID基站i代表道路上游处采集点，RFID基站j表示道路下游处采集点；
步骤四：针对获取得到的电子车牌数据确定统计时间间隔，所述统计时间间隔为30s-90s中的任一整数值；
步骤五：根据RFID基站间车辆的行程时间tij确定分析时段T，Tmax为RFID基站i和j之间行程时间最长的车辆的行程时间；计算上游RFID基站i处时间由ti到tj时段内的车流量
Figure FDA0002511955780000011
步骤六：选取合适的时间窗τ，τ＞Tmax，基于研究路段的车道数、步骤五得到的车流量
Figure FDA0002511955780000012
计算上游到下游RFID基站间ti时刻对应的交通流密度k。
2.根据权利要求1所述的提取方法，其特征在于，所述步骤二按照两两相邻RFID基站配对的形式对所述电子车牌数据进行冗余、重复及异常情况的处理。
3.根据权利要求1所述的提取方法，其特征在于，所述步骤四中的统计时间间隔为60s。
4.根据权利要求1所述的提取方法，其特征在于，所述步骤六的交通流密度k的计算公式如下：
Figure FDA0002511955780000013
式中，
ti表示第k辆车经过上游RFID基站i的时刻；
τ表示选取的时间窗大小；
Qi(ti+τ)表示在时间(ti+τ)内经过RFID上游基站i的车流量；
Qij(tij+τ)表示在时间(tij+τ)内经过RFID上游基站i的车流量；
L表示RFID基站i与基站j之间的距离；
Tmax表示RFID基站i和j之间行程时间最长的车辆的行程时间；
n表示研究路段的车道数。
CN202010463818.2A 2020-05-27 2020-05-27 一种基于rfid技术的交通流密度参数提取方法 Pending CN111724587A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010463818.2A CN111724587A (zh) 2020-05-27 2020-05-27 一种基于rfid技术的交通流密度参数提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010463818.2A CN111724587A (zh) 2020-05-27 2020-05-27 一种基于rfid技术的交通流密度参数提取方法

Publications (1)

Publication Number Publication Date
CN111724587A true CN111724587A (zh) 2020-09-29

Family

ID=72565107

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010463818.2A Pending CN111724587A (zh) 2020-05-27 2020-05-27 一种基于rfid技术的交通流密度参数提取方法

Country Status (1)

Country Link
CN (1) CN111724587A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112233426A (zh) * 2020-11-23 2021-01-15 重庆市市政设计研究院有限公司 基于rfid及多源数据的桥梁实时预警方法装置及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968900A (zh) * 2012-11-15 2013-03-13 南京城市智能交通有限公司 一种对rfid交通数据进行处理的方法
CN104464307A (zh) * 2014-12-17 2015-03-25 合肥革绿信息科技有限公司 一种基于视频的隧道交通拥堵事件自动检测方法及装置
CN105336166A (zh) * 2015-11-02 2016-02-17 同济大学 基于车载蓝牙的交通特征参数提取方法
WO2018149307A1 (zh) * 2017-02-15 2018-08-23 阿里巴巴集团控股有限公司 交通路况分析方法、装置及电子设备
CN108847020A (zh) * 2018-06-06 2018-11-20 上海城市交通设计院有限公司 基于汽车电子标识技术的道路状态分析方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102968900A (zh) * 2012-11-15 2013-03-13 南京城市智能交通有限公司 一种对rfid交通数据进行处理的方法
CN104464307A (zh) * 2014-12-17 2015-03-25 合肥革绿信息科技有限公司 一种基于视频的隧道交通拥堵事件自动检测方法及装置
CN105336166A (zh) * 2015-11-02 2016-02-17 同济大学 基于车载蓝牙的交通特征参数提取方法
WO2018149307A1 (zh) * 2017-02-15 2018-08-23 阿里巴巴集团控股有限公司 交通路况分析方法、装置及电子设备
CN108847020A (zh) * 2018-06-06 2018-11-20 上海城市交通设计院有限公司 基于汽车电子标识技术的道路状态分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112233426A (zh) * 2020-11-23 2021-01-15 重庆市市政设计研究院有限公司 基于rfid及多源数据的桥梁实时预警方法装置及系统
CN112233426B (zh) * 2020-11-23 2024-02-02 重庆市市政设计研究院有限公司 基于rfid及多源数据的桥梁实时预警方法装置及系统

Similar Documents

Publication Publication Date Title
CN109871876B (zh) 一种基于浮动车数据的高速公路路况识别与预测方法
CN108765404B (zh) 一种基于深度学习图像分类的道路破损检测方法及装置
CN108550262B (zh) 基于毫米波雷达的城市交通感知系统
CN108346292B (zh) 基于卡口数据的城市快速路实时交通指数计算方法
CN104766475B (zh) 一种城市交通瓶颈挖掘方法
CN103593974B (zh) 一种基于定位信息的公交载客量采集方法
CN102024325B (zh) 基于浮动车技术的交通堵塞点识别方法
CN109191872B (zh) 一种基于号牌数据的路口交通流特征参数提取方法
CN106856049B (zh) 基于卡口号牌识别数据的关键交叉口需求集聚分析方法
CN108648445B (zh) 基于交通大数据的动态交通态势预测方法
CN111768619A (zh) 一种基于卡口数据的快速路车辆od点确定方法
CN208422108U (zh) 基于毫米波雷达与激光雷达的交通情况调查装置
CN104318770A (zh) 基于手机数据实时检测高速公路交通拥堵状态的方法
CN104318781B (zh) 基于rfid技术的行程速度获取方法
CN105046959B (zh) 基于双窗口滑动匹配机制的城市道路行程时间提取方法
CN109191861B (zh) 一种基于视频检测器的高速公路逃费车辆异常行为检测系统及方法
CN107146414B (zh) 基于车辆识别的路网通行能力提取方法
CN103310199B (zh) 基于高分辨率遥感数据的车辆型号识别方法
CN104298832A (zh) 一种基于rfid技术的路网交通流分析方法
CN112767684A (zh) 一种基于收费数据的高速公路交通拥堵检测方法
CN115830729A (zh) 基于高速公路etc数据融合的车辆出行信息提取方法
CN111724593A (zh) 一种基于rfid考虑交通流转移率的公交行程时间预测方法
CN114973659A (zh) 一种高速公路的间接事件检测的方法、装置及系统
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
CN111724587A (zh) 一种基于rfid技术的交通流密度参数提取方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200929

RJ01 Rejection of invention patent application after publication