CN112581765A - 一种基于卡口融合的在途量计算方法 - Google Patents

一种基于卡口融合的在途量计算方法 Download PDF

Info

Publication number
CN112581765A
CN112581765A CN202011464106.9A CN202011464106A CN112581765A CN 112581765 A CN112581765 A CN 112581765A CN 202011464106 A CN202011464106 A CN 202011464106A CN 112581765 A CN112581765 A CN 112581765A
Authority
CN
China
Prior art keywords
transit
rtic
speed
time
real
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
CN202011464106.9A
Other languages
English (en)
Other versions
CN112581765B (zh
Inventor
江茜
敖翔
丁大江
杜参军
尹晨辉
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.)
Beijing Cennavi Technologies Co Ltd
Original Assignee
Shaanxi Century High Tech 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 Shaanxi Century High Tech Co ltd filed Critical Shaanxi Century High Tech Co ltd
Priority to CN202011464106.9A priority Critical patent/CN112581765B/zh
Publication of CN112581765A publication Critical patent/CN112581765A/zh
Application granted granted Critical
Publication of CN112581765B publication Critical patent/CN112581765B/zh
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
    • G08G1/065—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

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

Abstract

本发明公开了一种基于卡口融合的在途量计算方法，包括以下步骤：步骤一：进行算法初始化：对每个类别的rtic道路设置不同的模型参数，之后进行实时计算速度在途量，根据速度，实时计算每个rtic的在途量，最后进行卡口校核，对于质量好的卡口数据，根据流量计算在途量，然后与用速度计算的在途量进行比较，然后对其他同类的rtic进行校核然后输出结果；步骤二：进行算法实施先获取阻塞密度，在速度过快时调整参数，FastSpeed＝0.6，SpeedDiscount＝0.7，上述参数表示，如果速度大于自由流速度的60％时，在途量计算的结果将乘以0.7；步骤三：计算范围，基于速度先获取单RTIC在途量计算。本发明能够更好的获取到在途量数据并根据在途量进行交警人员分配并进行道路通行能力评估。

Description

一种基于卡口融合的在途量计算方法
技术领域
本发明涉及道路交通领域，具体涉及一种基于卡口融合的在途量计算方法。
背景技术
随着城市人口和机动车保有量不断攀升，道路承载力已达上限，高峰期间交通流量数据获取基本通过前端采集设备进行数据收集，但由于不同城市信息化建设程度不一，采集设备存在覆盖面不全、设备不稳定、数据传输不持续等现实问题，单位面积或路段流量数据采集存在缺陷，不能有效评估交通通行能力和效率。
发明内容
本发明所要解决的技术问题在于：如何解决随着城市人口和机动车保有量不断攀升，道路承载力已达上限，高峰期间交通流量数据获取基本通过前端采集设备进行数据收集，但由于不同城市信息化建设程度不一，采集设备存在覆盖面不全、设备不稳定、数据传输不持续等现实问题，单位面积或路段流量数据采集存在缺陷，不能有效评估交通通行能力和效率的问题，提供了一种基于卡口融合的在途量计算方法。
本发明是通过以下技术方案解决上述技术问题的，本发明包括以下步骤：
步骤一：进行算法初始化：对每个类别的rtic道路设置不同的模型参数，之后进行实时计算速度在途量，根据速度，实时计算每个rtic的在途量，最后进行卡口校核，对于质量好的卡口数据，根据流量计算在途量，然后与用速度计算的在途量进行比较，然后对其他同类的rtic进行校核然后输出结果；
步骤二：进行算法实施先获取阻塞密度，在速度过快时调整参数，FastSpeed＝0.6，SpeedDiscount＝0.7，上述参数表示，如果速度大于自由流速度的60％时，在途量计算的结果将乘以0.7；
步骤三：计算范围，基于速度先获取单RTIC在途量计算，其具体过程如下：
S1：初始化读取RTIC如下信息：长度L、车道数LaneNum、等级Grade与自由流速度Vf，然后根据rtic的等级得到阻塞密度Kj；
S2：读取时间粒度，读取出一个时间粒度内的实时路况，然后取平均值，设为V；
S3：计算出实时车辆密度：K＝Kj*(1–V/Vf)，再计算出实时在途量：CarNum＝K*L*LaneNum，用车辆密度乘以RTIC长度乘以车道数；
S4：过快速度调整：如果当前速度V大于Vf乘以FastSpeed，对上步的结果乘以SpeedDiscount，然后作为最终的在途量结果；
S5：对区域内每一类rtic进行汇总，得到每一类总的在途量；对区域内所有rtic进行汇总得到区域总的在途量；
S6：写入表格：tiii_quantity_total_rtic；
步骤四：卡口辅助校正，卡口辅助校正的具体过程如下：
SS1：设置阈值，因为卡口的不稳定性，要求每类rtic上好的卡口数量不能低于预设阈值，即每类rtic上好的卡口不能少于预设数量，对于好卡口数量低于这个阈值的时刻，不进行这类道路的校正；
SS2：提取卡口数据，根据实时“卡口评价”的结果，得到当前质量好的卡口列表，并提取每个卡口的流量数据Q，每个卡口所在rtic的速度V，长度L，车道数LaneNum；
SS3：由交通基本关系：K＝Q/V得到rtic的车辆密度K，基于流量的在途量CarNum_Flow＝K*L；
SS4:校正系数由卡口计算的在途量除以由速度推出的在途量，即为校正系数：R＝CarNum_Flow/CarNum；
SS5：校正全部在途量，根据校正系数R，对其他没有卡口的同类rtic的在途量进行校正；
步骤五：道路在途量计算先读取道路的组成RTICList，然后分别计算每一条RTIC的在途量，累加总和即得到此区域的在途量；
步骤六：输出结果到表格：tiii_quantity_total_kakou。
优选的，所述步骤S6中的表格内容包括：时间、rtic类别与在途量总数。
优选的，所述rtic类别：0为区域内所有道路，1-9分别表示各类rtic。
优选的，所述实时车辆速度、实时车辆密度与实时在途量的具体生成过程如下：通过公式V＝a－bk，得到实时车辆速度，其中，V为车辆速度，K为路段车辆密度，a＝Vf，b＝Vf/Kj，最终得到K＝Kj*(1–V/Vf)，其中，Kj为阻塞密度，Vf为自由流速度，再通过公式CarNum＝K*L*LaneNum，计算出单RTIC在途量，其中L为RTIC长度，LaneNum为车道数，根据实时密度，推算实时在途量。
优选的，所述步骤六中的表格内容包括：时间、数量、类别、是否校正、校正系数与卡口数量。
本发明相比现有技术具有以下优点：该基于卡口融合的在途量计算模型方法，经过卡口评估后，对于卡口质量较好的流量数据，实时根据流量数据计算在途量数据，然后与根据速度推出的在途量进行比较，进行校核，得到一个更加合理的在途量计算结果，通过交警卡口数据和互联网数据，计算出来的自由流和道路属性、不同道路上的交通速度根据计算方法计算出来每条道路每分钟粒度的在途量，所有道路的在途量之和即全市交通在途量，根据长时间的监测，交警可以掌握城市早晚高峰、节假日等关注日期交通流，使得的交警合理派警设岗，并且能够更好的进行道路通行量的分析。
附图说明
图1是本发明的流程图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本实施例提供一种技术方案：一种基于卡口融合的在途量计算方法，包括以下步骤：
步骤一：进行算法初始化：对每个类别的rtic道路设置不同的模型参数，之后进行实时计算速度在途量，根据速度，实时计算每个rtic的在途量，最后进行卡口校核，对于质量好的卡口数据，根据流量计算在途量，然后与用速度计算的在途量进行比较，然后对其他同类的rtic进行校核然后输出结果；
步骤二：进行算法实施先获取阻塞密度，在速度过快时调整参数，FastSpeed＝0.6，SpeedDiscount＝0.7，上述参数表示，如果速度大于自由流速度的60％时，在途量计算的结果将乘以0.7；
步骤三：计算范围，基于速度先获取单RTIC在途量计算，其具体过程如下：
S1：初始化读取RTIC如下信息：长度L、车道数LaneNum、等级Grade与自由流速度Vf，然后根据rtic的等级得到阻塞密度Kj；
S2：读取时间粒度，读取出一个时间粒度内的实时路况，然后取平均值，设为V；
S3：计算出实时车辆密度：K＝Kj*(1–V/Vf)，再计算出实时在途量：CarNum＝K*L*LaneNum，用车辆密度乘以RTIC长度乘以车道数；
S4：过快速度调整：如果当前速度V大于Vf乘以FastSpeed，对上步的结果乘以SpeedDiscount，然后作为最终的在途量结果；
S5：对区域内每一类rtic进行汇总，得到每一类总的在途量；对区域内所有rtic进行汇总得到区域总的在途量；
S6：写入表格：tiii_quantity_total_rtic；
步骤四：卡口辅助校正，卡口辅助校正的具体过程如下：
SS1：设置阈值，因为卡口的不稳定性，要求每类rtic上好的卡口数量不能低于预设阈值，即每类rtic上好的卡口不能少于预设数量，对于好卡口数量低于这个阈值的时刻，不进行这类道路的校正；
SS2：提取卡口数据，根据实时“卡口评价”的结果，得到当前质量好的卡口列表，并提取每个卡口的流量数据Q，每个卡口所在rtic的速度V，长度L，车道数LaneNum；
SS3：由交通基本关系：K＝Q/V得到rtic的车辆密度K，基于流量的在途量CarNum_Flow＝K*L；
SS4:校正系数由卡口计算的在途量除以由速度推出的在途量，即为校正系数：R＝CarNum_Flow/CarNum；
SS5：校正全部在途量，根据校正系数R，对其他没有卡口的同类rtic的在途量进行校正；
步骤五：道路在途量计算先读取道路的组成RTICList，然后分别计算每一条RTIC的在途量，累加总和即得到此区域的在途量；
步骤六：输出结果到表格：tiii_quantity_total_kakou。
所述步骤S6中的表格内容包括：时间、rtic类别与在途量总数。
所述rtic类别：0为区域内所有道路，1-9分别表示各类rtic。
所述实时车辆速度、实时车辆密度与实时在途量的具体生成过程如下：通过公式V＝a－bk，得到实时车辆速度，其中，V为车辆速度，K为路段车辆密度，a＝Vf，b＝Vf/Kj，最终得到K＝Kj*(1–V/Vf)，其中，Kj为阻塞密度，Vf为自由流速度，再通过公式CarNum＝K*L*LaneNum，计算出单RTIC在途量，其中L为RTIC长度，LaneNum为车道数，根据实时密度，推算实时在途量。
所述步骤六中的表格内容包括：时间、数量、类别、是否校正、校正系数与卡口数量。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (5)

1.一种基于卡口融合的在途量计算方法，其特征在于，包括以下步骤：
步骤一：进行算法初始化：对每个类别的rtic道路设置不同的模型参数，之后进行实时计算速度在途量，根据速度，实时计算每个rtic的在途量，最后进行卡口校核，对于质量好的卡口数据，根据流量计算在途量，然后与用速度计算的在途量进行比较，然后对其他同类的rtic进行校核然后输出结果；
步骤二：进行算法实施先获取阻塞密度，在速度过快时调整参数，FastSpeed＝0.6，SpeedDiscount＝0.7，上述参数表示，如果速度大于自由流速度的60％时，在途量计算的结果将乘以0.7；
步骤三：计算范围，基于速度先获取单RTIC在途量计算，其具体过程如下：
S1：初始化读取RTIC如下信息：长度L、车道数LaneNum、等级Grade与自由流速度Vf，然后根据rtic的等级得到阻塞密度Kj；
S2：读取时间粒度，读取出一个时间粒度内的实时路况，然后取平均值，设为V；
S3：计算出实时车辆密度：K＝Kj*(1–V/Vf)，再计算出实时在途量：CarNum＝K*L*LaneNum，用车辆密度乘以RTIC长度乘以车道数；
S4：过快速度调整：如果当前速度V大于Vf乘以FastSpeed，对上步的结果乘以SpeedDiscount，然后作为最终的在途量结果；
S5：对区域内每一类rtic进行汇总，得到每一类总的在途量；对区域内所有rtic进行汇总得到区域总的在途量；
S6：写入表格：tiii_quantity_total_rtic；
步骤四：卡口辅助校正，卡口辅助校正的具体过程如下：
SS1：设置阈值，因为卡口的不稳定性，要求每类rtic上好的卡口数量不能低于预设阈值，即每类rtic上好的卡口不能少于预设数量，对于好卡口数量低于这个阈值的时刻，不进行这类道路的校正；
SS2：提取卡口数据，根据实时“卡口评价”的结果，得到当前质量好的卡口列表，并提取每个卡口的流量数据Q，每个卡口所在rtic的速度V，长度L，车道数LaneNum；
SS3：由交通基本关系：K＝Q/V得到rtic的车辆密度K，基于流量的在途量CarNum_Flow＝K*L；
SS4:校正系数由卡口计算的在途量除以由速度推出的在途量，即为校正系数：R＝CarNum_Flow/CarNum；
SS5：校正全部在途量，根据校正系数R，对其他没有卡口的同类rtic的在途量进行校正；
步骤五：道路在途量计算先读取道路的组成RTICList，然后分别计算每一条RTIC的在途量，累加总和即得到此区域的在途量；
步骤六：输出结果到表格：tiii_quantity_total_kakou。
2.根据权利要求1所述的一种基于卡口融合的在途量计算方法，其特征在于：所述步骤S6中的表格内容包括：时间、rtic类别与在途量总数。
3.根据权利要求2所述的一种基于卡口融合的在途量计算方法，其特征在于：所述rtic类别：0为区域内所有道路，1-9分别表示各类rtic。
4.根据权利要求1所述的一种基于卡口融合的在途量计算方法，其特征在于：所述实时车辆速度、实时车辆密度与实时在途量的具体生成过程如下：通过公式V＝a－bk，得到实时车辆速度，其中，V为车辆速度，K为路段车辆密度，a＝Vf，b＝Vf/Kj，最终得到K＝Kj*(1–V/Vf)，其中，Kj为阻塞密度，Vf为自由流速度，再通过公式CarNum＝K*L*LaneNum，计算出单RTIC在途量，其中L为RTIC长度，LaneNum为车道数，根据实时密度，推算实时在途量。
5.根据权利要求1所述的一种基于卡口融合的在途量计算方法，其特征在于：所述步骤六中的表格内容包括：时间、数量、类别、是否校正、校正系数与卡口数量。
CN202011464106.9A 2020-12-12 2020-12-12 一种基于卡口融合的在途量计算方法 Active CN112581765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011464106.9A CN112581765B (zh) 2020-12-12 2020-12-12 一种基于卡口融合的在途量计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011464106.9A CN112581765B (zh) 2020-12-12 2020-12-12 一种基于卡口融合的在途量计算方法

Publications (2)

Publication Number Publication Date
CN112581765A true CN112581765A (zh) 2021-03-30
CN112581765B CN112581765B (zh) 2022-11-18

Family

ID=75131777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011464106.9A Active CN112581765B (zh) 2020-12-12 2020-12-12 一种基于卡口融合的在途量计算方法

Country Status (1)

Country Link
CN (1) CN112581765B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470376A (zh) * 2021-05-25 2021-10-01 上海天壤智能科技有限公司 基于卡口过车数据的实时区域在途车辆计数方法及系统
CN113593242A (zh) * 2021-09-28 2021-11-02 之江实验室 一种基于路口车辆检测器组的在途量估算方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080071465A1 (en) * 2006-03-03 2008-03-20 Chapman Craig H Determining road traffic conditions using data from multiple data sources
EP2287820A1 (en) * 2009-07-29 2011-02-23 Universität Duisburg-Essen An apparatus and method operative for providing traffic information on a traffic area
CN110517490A (zh) * 2019-08-22 2019-11-29 广州市交通规划研究院 道路机动车承载力计算方法、系统、装置及存储介质
CN110533932A (zh) * 2019-08-06 2019-12-03 银江股份有限公司 一种基于滚动优化的城市级全域交通信号推荐方法及系统
CN111383448A (zh) * 2018-12-29 2020-07-07 阿里巴巴集团控股有限公司 一种基于道路区段的交通信息处理方法及装置
US20200312129A1 (en) * 2019-03-27 2020-10-01 Subaru Corporation Traffic management system
CN111986483A (zh) * 2020-08-28 2020-11-24 上海宝康电子控制工程有限公司 基于电警数据碰撞实现道路拥堵状态研判处理的方法、装置及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080071465A1 (en) * 2006-03-03 2008-03-20 Chapman Craig H Determining road traffic conditions using data from multiple data sources
EP2287820A1 (en) * 2009-07-29 2011-02-23 Universität Duisburg-Essen An apparatus and method operative for providing traffic information on a traffic area
CN111383448A (zh) * 2018-12-29 2020-07-07 阿里巴巴集团控股有限公司 一种基于道路区段的交通信息处理方法及装置
US20200312129A1 (en) * 2019-03-27 2020-10-01 Subaru Corporation Traffic management system
CN110533932A (zh) * 2019-08-06 2019-12-03 银江股份有限公司 一种基于滚动优化的城市级全域交通信号推荐方法及系统
CN110517490A (zh) * 2019-08-22 2019-11-29 广州市交通规划研究院 道路机动车承载力计算方法、系统、装置及存储介质
CN111986483A (zh) * 2020-08-28 2020-11-24 上海宝康电子控制工程有限公司 基于电警数据碰撞实现道路拥堵状态研判处理的方法、装置及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470376A (zh) * 2021-05-25 2021-10-01 上海天壤智能科技有限公司 基于卡口过车数据的实时区域在途车辆计数方法及系统
CN113470376B (zh) * 2021-05-25 2022-06-10 上海天壤智能科技有限公司 基于卡口过车数据的实时区域在途车辆计数方法及系统
CN113593242A (zh) * 2021-09-28 2021-11-02 之江实验室 一种基于路口车辆检测器组的在途量估算方法

Also Published As

Publication number Publication date
CN112581765B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
CN109558988B (zh) 一种基于大数据融合的电动汽车能耗预测方法及系统
CN112581765B (zh) 一种基于卡口融合的在途量计算方法
CN111452619B (zh) 电动车辆在线能耗预测方法及系统
Dervisoglu et al. Automatic calibration of the fundamental diagram and empirical observations on capacity
Lin et al. Regional driving characteristics, regional driving cycles
CN108256714A (zh) 一种基于车联网大数据的行车轨迹实时风险评估模型
EP3162651A1 (en) Driver profiling system and method
DE102012204306A1 (de) Verfahren zur Steuerung eines Bereitstellens von Verkehrsinformationsdaten zur Aktualisierung einer Verkehrsinformation
CN108345987B (zh) 一种道路基础设施建设项目影响评价决策支持系统及方法
CN109859477B (zh) 一种拥堵数据的确定方法和装置
US20220084396A1 (en) Method for extracting road capacity based on traffic big data
CN111724505A (zh) 一种行驶工况构建方法及装置
CN109379563B (zh) 监控视频数据存储管理的方法和系统
CN109359169A (zh) 一种基于概率图模型的共享单车逆行行为实时识别方法
Ge et al. Construction and simulation of rear-end conflicts recognition model based on improved TTC algorithm
CN115457764A (zh) 基于车辆轨迹数据的路段交通密度估测方法、装置及介质
CN104182633A (zh) 分层次的交通运行评价方法
Abdur-Rouf et al. A before-and-after traffic noise analysis of a roundabout converted to a signalized intersection
CN115879016A (zh) 共享单车出行潮汐时段的预测方法
CN109827588A (zh) 一种处理方法及电子设备
Lu et al. Safety Benefits Evaluation of Mixed Traffic Flow with Connected and Automated Vehicles under Snowy Conditions
Bari et al. A SIMULATION APPROACH FOR EVALUATING CONGESTION AND ITS MITIGATION MEASURES ON URBAN ARTERIALS OPERATING WITH MIXED TRAFFIC CONDITIONS.
CN116756205B (zh) 面向行驶周期的细分速度vkt和vht分布构建方法
Rosas et al. Neural network delay estimation with inclusion of heavy goods vehicular data
Crunkleton et al. Statistical patterns of traffic data and sample size estimation

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230519

Address after: Room 1002C, 10th Floor, No. 7 Xueyuan Road, Haidian District, Beijing, 100083

Patentee after: CENNAVI TECHNOLOGIES Co.,Ltd.

Address before: Room 4106, Maike business center, 12 Jinye Road, Zhangba Street office, high tech Zone, Xi'an City, Shaanxi Province, 710000

Patentee before: Shaanxi Century High Tech Co.,Ltd.