CN112614338A - 一种基于大数据的交通拥堵预测控制系统 - Google Patents

一种基于大数据的交通拥堵预测控制系统 Download PDF

Info

Publication number
CN112614338A
CN112614338A CN202011412156.2A CN202011412156A CN112614338A CN 112614338 A CN112614338 A CN 112614338A CN 202011412156 A CN202011412156 A CN 202011412156A CN 112614338 A CN112614338 A CN 112614338A
Authority
CN
China
Prior art keywords
route
congestion
time
vehicle
road
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
CN202011412156.2A
Other languages
English (en)
Inventor
程东
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202011412156.2A priority Critical patent/CN112614338A/zh
Publication of CN112614338A publication Critical patent/CN112614338A/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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G08G1/096838—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the user preferences are taken into account or the user selects one route out of a plurality

Landscapes

  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种基于大数据的交通拥堵预测控制系统，包括：中央处理器、大数据处理中心、车流量监控系统、GPS导航系统、路况采集模块、路线获取模块、路线拥堵时间调取模块、路线拥堵分析模块、更换路线规划模块、控制系统、无线传输模块和显示终端，通过GPS导航系统、车流量监控系统和路况采集模块对原始路线的道路情况进行全方面的掌握，通过路况采集模块采集路况信息并分析路段是否拥堵，根据预测的发生拥堵路段的拥堵持续时间和车辆到达该拥堵路段所需的时间之间的比较预测了车辆到达拥堵路段时是否会遇到堵车情况，从而根据预测结果选择更换路线，减少了车辆行驶遇到堵车浪费的时间，也在一定程度上改善了拥堵路段的疏通效率和疏通效果。

Description

一种基于大数据的交通拥堵预测控制系统
技术领域
本发明涉及大数据技术领域，具体为一种基于大数据的交通拥堵预测控制系统。
背景技术
随着城市的发展和扩充，道路拥堵的状况愈加严重，这个主要矛盾是交通上的供给和需求之间的矛盾，换句话说，现有城市交通上的供给无法满足当前城市对交通的需求，要解决这个矛盾，有多种方法：扩展现有的道路来增加交通供给；通过政策减少交通规模的扩大来降低交通需求；通过智能交通来协调供求关系，提高交通系统的效率和服务水平，这几种方法是并行的，在智慧交通方面仍需要一定的改善，现有的智慧交通管理系统通过各种测量和采集装置获取交通信息，并基于大数据的分析进行交通播报，可以帮助车辆规划路线避免拥堵，提供更便利的交通管理，但是在交通异常事件发生已经造成交通拥堵时，仍然存在由于车辆较多无法实现尽快管理疏通车辆的问题，若在交通异常事件发生时对交通拥堵情况进行预测并通知到还未抵达的车辆改变路线，能够在一定程度上改善交通拥堵时的疏通效率和疏通效果。
所以，人们需要一种基于大数据的交通拥堵预测控制系统来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据的交通拥堵预测控制系统，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的交通拥堵预测控制系统，其特征在于：包括中央处理器、大数据处理中心、车流量监控系统、GPS导航系统、路况采集模块、路线获取模块、路线拥堵时间调取模块、路线拥堵分析模块、更换路线规划模块、控制系统、无线传输模块和显示终端，所述中央处理器的输入端连接所述车流量监控系统、所述GPS导航系统和所述路况采集模块的输出端，所述中央处理器的输出端连接所述大数据处理中心的输入端，所述大数据处理中心的输入端连接所述路线获取模块的输出端，所述路线获取模块的输出端连接所述路线拥堵时间调取模块的输入端，所述路线拥堵时间调取模块的输出端连接所述路线拥堵分析模块的输入端，所述路线拥堵分析模块的输出端连接所述更换路线规划模块的输入端，所述大数据处理中心的输出端连接所述控制系统的输入端，所述控制系统的输出端连接所述无线传输模块的输入端，所述无线传输模块的输出端连接所述显示终端的输入端；
所述车流量监控系统用于对车主行驶路线拥堵路段的车流量进行实时监控，所述GPS导航系统用于在因原定行驶路线发生拥堵而更换路线时进行实时导航，所述路线获取模块用于获取车主前往目的地选择的原始路线，所述拥堵时间调取模块和所述路线拥堵分析模块用于调取路线的拥堵情况并预测分析在车辆到达拥堵路段时是否会遇到拥堵情况以及拥堵持续的时间，所述显示终端用于向车主显示规划更换的路线导航，通过预测拥堵路段的拥堵持续时间和车辆从出发到达拥堵路段的时间比较判断在到达拥堵路段时是否会遇到堵车情况，为提前更换路线提供了充分的准备时间，也在一定程度上改善了交通拥堵时的疏通效率。
进一步的，所述路况采集模块包括路况分析单元和路线拥堵时间记录单元，所述路况分析单元用于根据采集到的路线图像对该路线的所有路段进行路况分类，所述路线拥堵时间记录单元用于统计车主常用行驶路线的拥堵时间段及疏通道路所需的时间，通过路况采集模块采集路况信息判断所在路线是否会发生拥堵，结合车流量监控系统实时监控拥堵路段的车流量，为后续预测车辆到达拥堵路段时该路段是否已经疏通提高了准确度。
进一步的，在所述路况分析单元中，路况分类的具体方法是：首先提取图像中的道路区域，再统计灰度直方图，因为所述灰度直方图的特征向量维度过高，需要对图像进行滤波处理来降低所述灰度直方图特征向量的维度，再用LDA算法对图像进行降维处理，将路况分为：畅通、缓行、拥堵三类，LDA(线性判别分析)算法是一种用于分类的有效特征降维方法，滤波处理用于平滑灰度突变干扰，将路况进行分类有利于系统筛选出最优的起始路线供车主选择。
进一步的，所述大数据处理中心存储有车主常用的行驶路线记录、对应行驶路线发生拥堵情况记录以及对应行驶路线发生拥堵后疏通道路所用的历史时间记录数据。
进一步的，在发生拥堵时为车主更换行驶路线，包括以下步骤：
S1：确认车辆行驶的目的地，显示行驶的多条路线以供车主选择；
S2：确认路线后出发并记录出发的时间，调取判断该路线的拥堵情况；
S3：若会发生拥堵，预测分析拥堵持续的时间，计算车主到达拥堵路段的时间；
S4：两者相比较，分析是否需要更换路线并供车主选择；
S5：若选择更换路线，为车主规划到达目的地的最优路线。
进一步的，在步骤S1中：确认车辆行驶的目的地，显示行驶的多条路线以供车主选择：车主在GPS导航系统中输入需要到达的目的地，显示终端显示可以到达目的地的多条路线，调取大数据处理中心中不同路线到达目的地所需的时间集合为：t＝{t1，t2，...，tn}，比较不同路线到达目的地所需的时间，所需的最短时间为tmin，将该条路线作为推荐路线、其余路线按照到达时间由短到长进行排列并作为备选路线发送给车主，供车主选择，根据不同路线到达目的地所需时间的长短比较，结合路况采集模块筛选最优路线减少了车辆到达目的地浪费的时间。
进一步的，在步骤S2中：确认路线后出发并记录出发的时间，调取该路线的拥堵情况：车主选择并确认行驶路线后，记录出发的时间为Ti，通过路况分析单元根据采集到的路线图像对该路线进行路况分类，判断该路线是否会发生拥堵，将推荐路线发送给车主由其自行选择路线更加符合实际情况，分析判断原始路线是否会发生拥堵有利于预测该路线不同路段的拥堵持续时间。
进一步的，在步骤S3中：若会发生拥堵，预测分析拥堵持续的时间，计算车主到达拥堵路段的时间：若会发生拥堵，通过路线获取模块调取该路线会发生拥堵的路段，路线拥堵时间调取模块调取大数据处理中心中存储的对应路段拥堵持续的时间记录集合为：T＝{T1，T2，...，Tn}，根据下列公式计算对应路段拥堵持续的平均时间
Figure BDA0002818683070000031
Figure BDA0002818683070000032
预测车主到达该拥堵路段的时间为T’，记录的车辆出发的时间为Ti，根据下列公式计算车辆到达该拥堵路段所需的时间t’：
t'＝T'-Ti，
结合历史数据计算对应路段拥堵持续的平均时间有利于了解对应路段的道路疏通所需的一般时间，计算车辆到达该拥堵路段所需的时间有利于更确切地判断车辆到达时对应路段是否还处于拥堵状态。
进一步的，在步骤S4中：两者相比较，分析是否需要更换路线并供车主选择：比较对应路段拥堵持续的平均时间
Figure BDA0002818683070000034
和车辆到达该拥堵路段所需的时间t’，若
Figure BDA0002818683070000033
预测在车辆到达该拥堵路段时道路已经疏通完成，预计不会遇到堵车情况或拥堵持续时间很短，建议不更换路线继续行驶；若
Figure BDA0002818683070000041
预测在车辆到达该拥堵路段时道路还未疏通完成，仍处于拥堵中，车主会遇到堵车情况，建议更换路线，将上述建议发送到车辆的显示终端以供车主选择是否需要更换路线，通过比较对应路段拥堵持续的平均时间和车辆到达该拥堵路段所需的时间增加了预测车辆到达时道路是否已经疏通完毕结果的准确性，便于预测出车辆会遇到堵车情况时提前更换路线。
进一步的，在步骤S5中：若选择更换路线，为车主规划到达目的地的最优路线：若车主选择更换路线，在备选路线中规划最优路线：确认车主所在地坐标为(x，y)，所在目的地坐标为(xn，yn)，根据下列公式计算当前位置到目的地的直线距离d：
Figure BDA0002818683070000042
不同备选路线的行驶距离集合为：D＝{d1，d2，...，dn}，将不同备选路线的行驶距离与当前位置到目的地的直线距离d进行比较，匹配出最接近当前位置到目的地的直线距离d的路线作为最优路线、其它备选路线按照距离的远近排列推荐给车主以供其选择，根据预测结果提前更换路线并根据距离远近选择最优更换路线减少了车辆行驶遇到堵车浪费的时间，在一定程度上改善了交通拥堵时的疏通效率和疏通效果。
与现有技术相比，本发明所达到的有益效果是：
1.本发明通过GPS导航系统确认车主去往目的地的总共的原始可行路线，通过比较不同路线到达目的地所需的时间筛选出所需时间最短的最优原始路线，并通过路况采集模块根据LDA(线性判别分析)算法处理采集图像以对该路线的路况进行分类，判断该路线总体的拥堵情况，通过车流量监控系统对该路线拥堵路段的车流量进行实时监控，对原始路线的道路情况进行全方面的掌握，为预测车辆行驶时是否会发生堵车提供了有效的帮助；
2.本发明通过路段拥堵持续的平均时间和车辆到达该拥堵路段所需的时间之间的比较预测分析了车辆到达拥堵路段时是否会遇到堵车情况：若路段拥堵持续的平均时间小于车辆到达该拥堵路段所需的时间，预测在车辆到达该拥堵路段时道路已经疏通完成，预计不会遇到堵车情况或拥堵持续时间很短，建议不更换路线继续行驶；若路段拥堵持续的平均时间大于车辆到达该拥堵路段所需的时间，预测在车辆到达该拥堵路段时道路还未疏通完成，仍处于拥堵中，车主会遇到堵车情况，建议更换路线，将上述建议发送到车辆的显示终端以供车主选择是否需要更换路线，若车主选择更换路线，通过路线的行驶距离与当前位置到目的地的直线距离的比较筛选出最优的更换路线，根据预测结果提前更换路线减少了车辆行驶遇到堵车浪费的时间，选择更换路线也在一定程度上改善了拥堵路段的疏通效率和疏通效果。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的交通拥堵预测控制系统的结构图；
图2是本发明一种基于大数据的交通预测控制系统的拥堵更换行驶路线步骤图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
请参阅图1-2，本发明提供技术方案：一种基于大数据的交通拥堵预测控制系统，其特征在于：包括中央处理器、大数据处理中心、车流量监控系统、GPS导航系统、路况采集模块、路线获取模块、路线拥堵时间调取模块、路线拥堵分析模块、更换路线规划模块、控制系统、无线传输模块和显示终端，中央处理器的输入端连接车流量监控系统、GPS导航系统和路况采集模块的输出端，中央处理器的输出端连接大数据处理中心的输入端，大数据处理中心的输入端连接路线获取模块的输出端，路线获取模块的输出端连接路线拥堵时间调取模块的输入端，路线拥堵时间调取模块的输出端连接路线拥堵分析模块的输入端，路线拥堵分析模块的输出端连接更换路线规划模块的输入端，大数据处理中心的输出端连接控制系统的输入端，控制系统的输出端连接无线传输模块的输入端，无线传输模块的输出端连接显示终端的输入端；
车流量监控系统用于对车主行驶路线拥堵路段的车流量进行实时监控，GPS导航系统用于在因原定行驶路线发生拥堵而更换路线时进行实时导航，路线获取模块用于获取车主前往目的地选择的原始路线，拥堵时间调取模块和路线拥堵分析模块用于调取路线的拥堵情况并预测分析在车辆到达拥堵路段时是否会遇到拥堵情况以及拥堵持续的时间，显示终端用于向车主显示规划更换的路线导航，通过预测拥堵路段的拥堵持续时间和车辆到达拥堵路段的所需时间的比较判断在到达拥堵路段时是否会遇到堵车情况，便于为提前更换路线提供充分的准备时间，能够在一定程度上改善拥堵路段的疏通效率。
路况采集模块包括路况分析单元和路线拥堵时间记录单元，路况分析单元用于根据采集到的路线图像对该路线的所有路段进行路况分类，路线拥堵时间记录单元用于统计车主常用行驶路线的拥堵时间段及疏通道路所需的时间，通过路况采集模块采集路况信息判断所在路线是否会发生拥堵，结合车流量监控系统实时监控拥堵路段的车流量，为后续预测车辆到达拥堵路段时该路段是否已经疏通提高了准确度。
在路况分析单元中，路况分类的具体方法是：首先提取图像中的道路区域，再统计灰度直方图，因为所述灰度直方图的特征向量维度过高，需要对图像进行滤波处理来降低所述灰度直方图特征向量的维度，再用LDA算法对图像进行降维处理，将路况分为：畅通、缓行、拥堵三类，LDA(线性判别分析)算法是一种用于分类的有效特征降维方法，滤波处理用于平滑灰度突变干扰，将路况进行分类便于系统筛选出最优的起始路线供车主选择。
大数据处理中心存储有车主常用的行驶路线记录、对应行驶路线发生拥堵情况记录以及对应行驶路线发生拥堵后疏通道路所用的历史时间记录数据。
在发生拥堵时为车主更换行驶路线，包括以下步骤：
S1：确认车辆行驶的目的地，显示行驶的多条路线以供车主选择；
S2：确认路线后出发并记录出发的时间，调取判断该路线的拥堵情况；
S3：若会发生拥堵，预测分析拥堵持续的时间，计算车主到达拥堵路段的时间；
S4：两者相比较，分析是否需要更换路线并供车主选择；
S5：若选择更换路线，为车主规划到达目的地的最优路线。
在步骤S1中：确认车辆行驶的目的地，显示行驶的多条路线以供车主选择：车主在GPS导航系统中输入需要到达的目的地，显示终端显示可以到达目的地的多条路线，调取大数据处理中心中不同路线到达目的地所需的时间集合为：t＝{t1，t2，...，tn}，比较不同路线到达目的地所需的时间，所需的最短时间为tmin，将该条路线作为推荐路线、其余路线按照到达时间由短到长进行排列并作为备选路线发送给车主，供车主选择，根据不同路线到达目的地所需时间的长短比较，结合路况采集模块筛选最优路线能够减少车辆到达目的地浪费的时间。
在步骤S2中：确认路线后出发并记录出发的时间，调取该路线的拥堵情况：车主选择并确认行驶路线后，记录出发的时间为Ti，通过路况分析单元根据采集到的路线图像对该路线进行路况分类，判断该路线是否会发生拥堵。
在步骤S3中：若会发生拥堵，预测分析拥堵持续的时间，计算车主到达拥堵路段的时间：若会发生拥堵，通过路线获取模块调取该路线会发生拥堵的路段，路线拥堵时间调取模块调取大数据处理中心中存储的对应路段拥堵持续的时间记录集合为：T＝{T1，T2，...，Tn}，根据下列公式计算对应路段拥堵持续的平均时间
Figure BDA0002818683070000071
Figure BDA0002818683070000072
预测车主到达该拥堵路段的时间为T’，记录的车辆出发的时间为Ti，根据下列公式计算车辆到达该拥堵路段所需的时间t’：
t'＝T'-Ti，
计算车辆到达该拥堵路段所需的时间便于更确切地判断车辆到达时对应路段是否还处于拥堵状态。
在步骤S4中：两者相比较，分析是否需要更换路线并供车主选择：比较对应路段拥堵持续的平均时间
Figure BDA0002818683070000073
和车辆到达该拥堵路段所需的时间t’，若
Figure BDA0002818683070000074
预测在车辆到达该拥堵路段时道路已经疏通完成，预计不会遇到堵车情况或拥堵持续时间很短，建议不更换路线继续行驶；若
Figure BDA0002818683070000075
预测在车辆到达该拥堵路段时道路还未疏通完成，仍处于拥堵中，车主会遇到堵车情况，建议更换路线，将上述建议发送到车辆的显示终端以供车主选择是否需要更换路线。
在步骤S5中：若选择更换路线，为车主规划到达目的地的最优路线：若车主选择更换路线，在备选路线中规划最优路线：以所在城市中心为原点建模，确认车主所在地坐标为(x，y)，所在目的地坐标为(xn，yn)，根据下列公式计算当前位置到目的地的直线距离d：
Figure BDA0002818683070000076
不同备选路线的行驶距离集合为：D＝{d1，d2，...，dn}，将不同备选路线的行驶距离与当前位置到目的地的直线距离d进行比较，匹配出最接近当前位置到目的地直线距离d的路线作为最优路线、其它备选路线按照距离的远近排列推荐给车主以供其选择，根据预测结果提前更换路线并根据距离远近选择最优更换路线减少了车辆行驶遇到堵车浪费的时间，能够在改善拥堵路段的疏通效率和疏通效果。
实施例一：车主在GPS导航系统中输入需要到达的目的地，以所在城市中心为原点建立二维坐标系，确认目的地的坐标为(5，3)，显示终端显示可以到达目的地的路线有3条：路线1、路线2和路线3，调取大数据处理中心中不同路线到达目的地所需的时间集合为：t＝{1h，1.5h，1.7h}，比较不同路线到达目的地所需的时间：1h<1.5h<1.7h，所需的最短时间tmin＝1h，将路线1作为推荐路线、其余路线按照：路线2、路线3的顺序作为备选路线发送给车主，供车主选择，车主选择并确认行驶路线1后，记录出发的时间为Ti＝8：00，通过路况分析单元根据采集到的路线图像对该路线进行路况分类，判断路线1会发生拥堵，路线拥堵时间调取模块调取大数据处理中心中存储的对应路段拥堵持续的时间记录集合为：T＝{0.5h，0.7h，1h，1.2h，0.6h}，根据公式
Figure BDA0002818683070000081
计算对应路段拥堵持续的平均时间
Figure BDA0002818683070000082
预测车主到达该拥堵路段的时间为T’＝8：30，根据公式t'＝T'-Ti计算车辆到达该拥堵路段所需的时间t’＝0.5(h)，
Figure BDA0002818683070000083
预测在车辆到达该拥堵路段时道路还未疏通完成，仍处于拥堵中，车主会遇到堵车情况，建议更换路线，确认车主当前所在地坐标为(2，1)，根据公式
Figure BDA0002818683070000084
计算当前位置到目的地的直线距离
Figure BDA0002818683070000085
备选路线2、3的行驶距离集合为：D＝{3.75km，3.96km}，与当前位置到目的地的直线距离d进行比较，匹配出最接近当前位置到目的地直线距离d的路线为路线2，将路线2作为最优路线推荐给车主以供其选择。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本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施例所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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的交通拥堵预测控制系统，其特征在于：包括：中央处理器、大数据处理中心、车流量监控系统、GPS导航系统、路况采集模块、路线获取模块、路线拥堵时间调取模块、路线拥堵分析模块、更换路线规划模块、控制系统、无线传输模块和显示终端，所述中央处理器的输入端连接所述车流量监控系统、所述GPS导航系统和所述路况采集模块的输出端，所述中央处理器的输出端连接所述大数据处理中心的输入端，所述大数据处理中心的输入端连接所述路线获取模块的输出端，所述路线获取模块的输出端连接所述路线拥堵时间调取模块的输入端，所述路线拥堵时间调取模块的输出端连接所述路线拥堵分析模块的输入端，所述路线拥堵分析模块的输出端连接所述更换路线规划模块的输入端，所述大数据处理中心的输出端连接所述控制系统的输入端，所述控制系统的输出端连接所述无线传输模块的输入端，所述无线传输模块的输出端连接所述显示终端的输入端；
所述车流量监控系统用于对车主行驶路线拥堵路段的车流量进行实时监控，所述GPS导航系统用于在因原定行驶路线发生拥堵而更换路线时进行实时导航，所述路线获取模块用于获取车主前往目的地选择的原始路线，所述拥堵时间调取模块和所述路线拥堵分析模块用于调取路线的拥堵情况并预测分析在车辆到达拥堵路段时是否会遇到拥堵情况以及拥堵持续的时间，所述显示终端用于向车主显示规划更换的路线导航。
2.根据权利要求1所述的一种基于大数据的交通拥堵预测控制系统，其特征在于：所述路况采集模块包括路况分析单元和路线拥堵时间记录单元，所述路况分析单元用于根据采集到的路线图像对该路线的所有路段进行路况分类，所述路线拥堵时间记录单元用于统计车主常用行驶路线的拥堵时间段及疏通道路所需的时间。
3.根据权利要求2所述的一种基于大数据的交通拥堵预测控制系统，其特征在于：在所述路况分析单元中，路况分类的具体方法是：首先提取图像中的道路区域，再统计灰度直方图，因为所述灰度直方图的特征向量维度过高，需要对图像进行滤波处理来降低所述灰度直方图特征向量的维度，再用LDA算法对图像进行降维处理，将路况分为：畅通、缓行、拥堵三类。
4.根据权利要求1所述的一种基于大数据的交通拥堵预测控制系统，其特征在于：所述大数据处理中心存储有车主常用的行驶路线记录、对应行驶路线发生拥堵情况记录以及对应行驶路线发生拥堵后疏通道路所用的历史时间记录数据。
5.根据权利要求1所述的一种基于大数据的交通拥堵预测控制系统，其特征在于：在发生拥堵时为车主更换行驶路线，包括以下步骤：
S1：确认车辆行驶的目的地，显示行驶的多条路线以供车主选择；
S2：确认路线后出发并记录出发的时间，调取判断该路线的拥堵情况；
S3：若会发生拥堵，预测分析拥堵持续的时间，计算车主到达拥堵路段的时间；
S4：两者相比较，分析是否需要更换路线并供车主选择；
S5：若选择更换路线，为车主规划到达目的地的最优路线。
6.根据权利要求5所述的一种基于大数据的交通拥堵预测控制系统，其特征在于：在步骤S1中：确认车辆行驶的目的地，显示行驶的多条路线以供车主选择：车主在GPS导航系统中输入需要到达的目的地，显示终端显示可以到达目的地的多条路线，调取大数据处理中心中不同路线到达目的地所需的时间集合为：t＝{t1，t2，...，tn}，比较不同路线到达目的地所需的时间，所需的最短时间为tmin，将该条路线作为推荐路线、其余路线按照到达时间由短到长进行排列并作为备选路线发送给车主，供车主选择。
7.根据权利要求5所述的一种基于大数据的交通拥堵预测控制系统，其特征在于：在步骤S2中：确认路线后出发并记录出发的时间，调取该路线的拥堵情况：车主选择并确认行驶路线后，记录出发的时间为Ti，通过路况分析单元根据采集到的路线图像对该路线进行路况分类，判断该路线是否会发生拥堵。
8.根据权利要求7所述的一种基于大数据的交通拥堵预测控制系统，其特征在于：在步骤S3中：若会发生拥堵，预测分析拥堵持续的时间，计算车主到达拥堵路段的时间：若会发生拥堵，通过路线获取模块调取该路线会发生拥堵的路段，路线拥堵时间调取模块调取大数据处理中心中存储的对应路段拥堵持续的时间记录集合为：T＝{T1，T2，...，Tn}，根据下列公式计算对应路段拥堵持续的平均时间
Figure FDA0002818683060000021
Figure FDA0002818683060000022
预测车主到达该拥堵路段的时间为T’，记录的车辆出发的时间为Ti，根据下列公式计算车辆到达该拥堵路段所需的时间t’：
t'＝T'-Ti。
9.根据权利要求8所述的一种基于大数据的交通拥堵预测控制系统，其特征在于：在步骤S4中：两者相比较，分析是否需要更换路线并供车主选择：比较对应路段拥堵持续的平均时间
Figure FDA0002818683060000033
和车辆到达该拥堵路段所需的时间t’，若
Figure FDA0002818683060000034
预测在车辆到达该拥堵路段时道路已经疏通完成，预计不会遇到堵车情况或拥堵持续时间很短，建议不更换路线继续行驶；若
Figure FDA0002818683060000032
预测在车辆到达该拥堵路段时道路还未疏通完成，仍处于拥堵中，车主会遇到堵车情况，建议更换路线，将上述建议发送到车辆的显示终端以供车主选择是否需要更换路线。
10.根据权利要求9所述的一种基于大数据的交通拥堵预测控制系统，其特征在于：在步骤S5中：若选择更换路线，为车主规划到达目的地的最优路线：若车主选择更换路线，在备选路线中规划最优路线：以所在城市中心为原点建模，确认车主所在地坐标为(x，y)，所在目的地坐标为(xn，yn)，根据下列公式计算当前位置到目的地的直线距离d：
Figure FDA0002818683060000031
不同备选路线的行驶距离集合为：D＝{d1，d2，...，dn}，将不同备选路线的行驶距离与当前位置到目的地的直线距离d进行比较，匹配出最接近当前位置到目的地的直线距离d的路线作为最优路线、其它备选路线按照距离的远近排列推荐给车主以供其选择。
CN202011412156.2A 2020-12-04 2020-12-04 一种基于大数据的交通拥堵预测控制系统 Pending CN112614338A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011412156.2A CN112614338A (zh) 2020-12-04 2020-12-04 一种基于大数据的交通拥堵预测控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011412156.2A CN112614338A (zh) 2020-12-04 2020-12-04 一种基于大数据的交通拥堵预测控制系统

Publications (1)

Publication Number Publication Date
CN112614338A true CN112614338A (zh) 2021-04-06

Family

ID=75229068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011412156.2A Pending CN112614338A (zh) 2020-12-04 2020-12-04 一种基于大数据的交通拥堵预测控制系统

Country Status (1)

Country Link
CN (1) CN112614338A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113928331A (zh) * 2021-12-07 2022-01-14 成都车晓科技有限公司 一种商用车可视化监控系统
CN114613145A (zh) * 2022-05-12 2022-06-10 中运科技股份有限公司 一种大数据下的客运流量感知预警系统及方法
CN114743398A (zh) * 2022-03-15 2022-07-12 南方科技大学 拥塞可容忍的路径引导方法及装置、设备及存储介质
CN114842661A (zh) * 2022-07-04 2022-08-02 成都宜泊信息科技有限公司 一种管理室内地图通行路段实时状态的方法和系统
CN114973734A (zh) * 2022-05-10 2022-08-30 江苏国科北斗智能研究院有限公司 一种基于大数据的公共出行实时路况车流量调度系统
CN115019534A (zh) * 2022-05-05 2022-09-06 湖北文理学院 避开交通拥堵方法、装置、设备及存储介质
CN115440043A (zh) * 2021-09-26 2022-12-06 国信军创(岳阳)六九零六科技有限公司 基于rfid车辆识别实时路况信息道路监控管理系统
CN116734883A (zh) * 2023-08-14 2023-09-12 名商科技有限公司 一种道路拥堵预测及智能领航系统
CN116740974A (zh) * 2023-07-31 2023-09-12 武汉中交交通工程有限责任公司 一种基于路网大数据的高速公路路况预警系统
CN117278940A (zh) * 2023-08-29 2023-12-22 广东车卫士信息科技有限公司 基于hicar的车机互联系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008020414A (ja) * 2006-07-14 2008-01-31 Aisin Aw Co Ltd 経路探索方法及びナビゲーション装置
CN104102900A (zh) * 2014-06-30 2014-10-15 南京信息工程大学 一种车辆识别系统
CN105447479A (zh) * 2015-12-29 2016-03-30 安徽海兴泰瑞智能科技有限公司 一种高速卡口道路交通状态视频监控方法
CN105788335A (zh) * 2016-04-05 2016-07-20 广东欧珀移动通信有限公司 一种导航的方法及终端
CN106530781A (zh) * 2016-09-29 2017-03-22 奇瑞汽车股份有限公司 基于车联网分享路况信息的方法及系统
CN107705560A (zh) * 2017-10-30 2018-02-16 福州大学 一种融合视觉特征和卷积神经网络的道路拥堵检测方法
CN108053673A (zh) * 2017-12-08 2018-05-18 上海壹账通金融科技有限公司 一种路况预报方法、存储介质和服务器
CN109841059A (zh) * 2019-01-09 2019-06-04 东华大学 一种基于vanet环境下预测拥挤路段并进行规避的方法
CN111583634A (zh) * 2019-10-22 2020-08-25 张斌 一种基于智慧城市的大数据分析方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008020414A (ja) * 2006-07-14 2008-01-31 Aisin Aw Co Ltd 経路探索方法及びナビゲーション装置
CN104102900A (zh) * 2014-06-30 2014-10-15 南京信息工程大学 一种车辆识别系统
CN105447479A (zh) * 2015-12-29 2016-03-30 安徽海兴泰瑞智能科技有限公司 一种高速卡口道路交通状态视频监控方法
CN105788335A (zh) * 2016-04-05 2016-07-20 广东欧珀移动通信有限公司 一种导航的方法及终端
CN106530781A (zh) * 2016-09-29 2017-03-22 奇瑞汽车股份有限公司 基于车联网分享路况信息的方法及系统
CN107705560A (zh) * 2017-10-30 2018-02-16 福州大学 一种融合视觉特征和卷积神经网络的道路拥堵检测方法
CN108053673A (zh) * 2017-12-08 2018-05-18 上海壹账通金融科技有限公司 一种路况预报方法、存储介质和服务器
CN109841059A (zh) * 2019-01-09 2019-06-04 东华大学 一种基于vanet环境下预测拥挤路段并进行规避的方法
CN111583634A (zh) * 2019-10-22 2020-08-25 张斌 一种基于智慧城市的大数据分析方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115440043A (zh) * 2021-09-26 2022-12-06 国信军创(岳阳)六九零六科技有限公司 基于rfid车辆识别实时路况信息道路监控管理系统
CN113928331A (zh) * 2021-12-07 2022-01-14 成都车晓科技有限公司 一种商用车可视化监控系统
CN114743398B (zh) * 2022-03-15 2023-09-19 南方科技大学 拥塞可容忍的路径引导方法及装置、设备及存储介质
CN114743398A (zh) * 2022-03-15 2022-07-12 南方科技大学 拥塞可容忍的路径引导方法及装置、设备及存储介质
CN115019534A (zh) * 2022-05-05 2022-09-06 湖北文理学院 避开交通拥堵方法、装置、设备及存储介质
CN114973734A (zh) * 2022-05-10 2022-08-30 江苏国科北斗智能研究院有限公司 一种基于大数据的公共出行实时路况车流量调度系统
CN114973734B (zh) * 2022-05-10 2024-04-26 江苏国科北斗智能研究院有限公司 一种基于大数据的公共出行实时路况车流量调度系统
CN114613145A (zh) * 2022-05-12 2022-06-10 中运科技股份有限公司 一种大数据下的客运流量感知预警系统及方法
CN114842661A (zh) * 2022-07-04 2022-08-02 成都宜泊信息科技有限公司 一种管理室内地图通行路段实时状态的方法和系统
CN116740974A (zh) * 2023-07-31 2023-09-12 武汉中交交通工程有限责任公司 一种基于路网大数据的高速公路路况预警系统
CN116740974B (zh) * 2023-07-31 2024-03-22 武汉中交交通工程有限责任公司 一种基于路网大数据的高速公路路况预警系统
CN116734883A (zh) * 2023-08-14 2023-09-12 名商科技有限公司 一种道路拥堵预测及智能领航系统
CN117278940A (zh) * 2023-08-29 2023-12-22 广东车卫士信息科技有限公司 基于hicar的车机互联系统
CN117278940B (zh) * 2023-08-29 2024-04-05 广东车卫士信息科技有限公司 基于hicar的车机互联系统

Similar Documents

Publication Publication Date Title
CN112614338A (zh) 一种基于大数据的交通拥堵预测控制系统
CN107330547B (zh) 一种城市公交动态调度优化方法及系统
US10242568B2 (en) Adjustment of a learning rate of Q-learning used to control traffic signals
CN107784835B (zh) 基于交通数据分析的交通状态模式预测系统及其预测方法
CN110310480A (zh) 一种基于拥塞控制的实时路径规划方法
Liu et al. Dynamic shared autonomous taxi system considering on-time arrival reliability
CN106251642B (zh) 一种基于实时公交车gps数据的公交路链速度计算方法
EP4060642A1 (en) Method and system of predictive traffic flow and of traffic light control
CN111145544B (zh) 一种基于拥堵蔓延消散模型的行程时间及路径预测方法
CN103280110B (zh) 高速公路旅行时间的预测方法及装置
CN103177562A (zh) 一种获取交通状态预测所需信息的方法及装置
JP2019079199A (ja) 信号機切替制御装置、信号機切替制御方法及び信号機切替制御プログラム
CN113379099B (zh) 一种基于机器学习与copula模型的高速公路交通流自适应预测方法
CN117789504B (zh) 一种城市隧道交通智能指挥调度方法及系统
CN107944628A (zh) 一种路网环境下的聚集模式发现方法及系统
JP2009245295A (ja) 交通信号制御装置及び方法、到着プロファイルの推定装置、並びに、コンピュータプログラム
CN116844337A (zh) 基于车路协同的道路交通实时路况信息分析系统和方法
CN111737601A (zh) 出行策略的推荐方法、装置、设备及存储介质
CN115099721A (zh) 一种基于大数据分析的客车交通拥挤度评估系统及方法
CN110579220B (zh) 基于大数据的交通导航系统及方法
CN112665604A (zh) 交通工具智能引导平台
CN115440043B (zh) 基于rfid车辆识别实时路况信息道路监控管理系统
CN116823572A (zh) 人口流动数据的获取方法、装置及计算机可读存储介质
CN115909734A (zh) 一种基于轨迹大数据的车辆行驶数据筛选更新系统及其方法
JP6926644B2 (ja) 異常推定装置および表示装置

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