CN112712698A - 一种基于日历图分析及展示的交通对象统计方法 - Google Patents
一种基于日历图分析及展示的交通对象统计方法 Download PDFInfo
- Publication number
- CN112712698A CN112712698A CN202011620465.9A CN202011620465A CN112712698A CN 112712698 A CN112712698 A CN 112712698A CN 202011620465 A CN202011620465 A CN 202011620465A CN 112712698 A CN112712698 A CN 112712698A
- Authority
- CN
- China
- Prior art keywords
- traffic
- road
- objects
- characteristic parameters
- 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.)
- Pending
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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/54—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于日历图分析及展示的交通对象统计方法,其特征在于,包括如下步骤;S1:交通对象分类:对交通对象进行分类,通过对高速路段、上下匝道、桥隧段、汇入分流区以及辅路路段进行类别划分;S2:对不同交通对象进行特征参数选取:对S1中分类出来的不同交通对象的全部进行特征参数描述,特征参数包括该交通对象的交通流量、交通拥堵指数、承载力/承载度、交通通行能力;S3:特征参数的数据分析及预测。具备以下有益效果:1.对交通对象分离清晰明确,符合交通运行状态表征需求;2.可面向交通运行提供一种包括时间空间维度全局统筹的分析和展示形式;3.通过日历图的形式进行展现,符合人性化认知习惯,且通过分色展示直观表现交通对象状态。
Description
技术领域
本发明涉及道路交通技术领域,具体为一种基于日历图分析及展示的交通对象统计方法。
背景技术
目前对于交通对象的描述方式相对来说较为单一,主要是以对当前交通对象状态和历史交通对象统计为主,因此分析内容和表征方向往往偏向于对现在的描述和对过去的回溯,而对未来交通状态的预测能力不足。同时当前交通对象进行统计数据的展示,对历史交通对象进行包括折线图、柱形图等图表的形式进行展示。
现在对于交通对象的分类相对较简单,无法完全覆盖交通管理需求;同时对于交通对象的描述相对片面,局限于对实时或过去的单独表征;缺少对交通对象未来发展趋势的研判和预测,对交通未来态势分析能力不足。
为了克服现有交通对象的描述方式相对来说较为单一的问题,本发明提供一种基于日历图分析及展示的交通对象统计方法。
发明内容
解决的技术问题
针对现有技术的不足,本发明提供了一种基于日历图分析及展示的交通对象统计方法。本发明通过对交通对象进行分类,并以不同交通对象表征参数对对象进行描述,对特征数据进行分析,并结合时间匹配和预测构建交通对象特征参数日历图,对特征参数构建阈值区间,对不同区间进行不同颜色渲染,从而构建日历图分析和展示模式。
技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种基于日历图分析及展示的交通对象统计方法,其特征在于,包括如下步骤;
S1:交通对象分类:对交通对象进行分类,通过对高速路段、上下匝道、桥隧段、汇入分流区以及辅路路段进行类别划分;
S2:对不同交通对象进行特征参数选取:对S1中分类出来的不同交通对象的全部进行特征参数描述,特征参数包括该交通对象的交通流量、交通拥堵指数、承载力/承载度、交通通行能力;
S3:特征参数的数据分析及预测如下,
交通流量计算方法如下:交通流量计算方法如下:通过卡口摄像机监测断面的过车数量,用每小时的交通过车量数值,作为单位小时交通流量(veh/h)。其中不同交通对象的交通流量数值按照该对象相对应的卡口监测断面数据进行计算。
交通拥堵指数计算方法如下:根据道路平均车速及修正条件,计算路段交通指数,计算公式为:
其中Vf为道路i的自由流车速
Vi为道路i的实际车速
ki为路段i的车道数
li为路段i的长度
CRn:道路交通指数环比增长率
ARn:道路交通指数同比增长率
承载力/承载度计算方法如下:依据承载力计算模型,根据现有路网结构情况,计算高速路段及路网的容量,可根据高速公路的规则分路段、分行政区等计算不同路段的承载力,计算显示所选区内各高速路段承载车辆数;计算得出现有出入口、交织区、路段、高速路整体可同时承载的车辆数;给出路况顺畅、缓慢和拥堵时,在路段、路网上所承载车辆数量的临界值,为实现道路状态的评判预估提供基础;基于承载力计算,根据道路实时车辆运行情况,计算道路实时承载度;
交通通行能力计算方法如下:考虑路段特征要素(车道数、车道宽度、侧向净宽)、交通特征(交通组成、速度限制)、环境要素(雨雾天、突发事件,如事故、施工等导致的车道不可用)建立路段通行能力计算模型,得出该路段的通行能力;
交通特征参数预测方法如下:根据计算得到的各类交通特征参数的数据时间序列,预测当月每日该交通参数数值;
通过上述的交通特征参数计算及预测得到交通对象特征数据日历;
S4:特征数据区间判断:通过阈值设置划分表征数据判断区间,如对承载度小于等于0.2,即为区间一,承载度大于0.2小于等于0.4,即为区间二。承载度大于0.4小于等于0.6,即为区间三,承载度大于0.6,即为区间四。
S5:日历图生成及分色:根据不同交通对象的各类交通特征参数的时间分布,构建及生成日历图,并根据特征数据区间,对日历图进行分色展示。
(三)有益效果
本发明提供了一种基于日历图分析及展示的交通对象统计方法。具备以下有益效果:1.对交通对象分离清晰明确,符合交通运行状态表征需求;
2.可面向交通运行提供一种包括时间空间维度全局统筹的分析和展示形式;
3.通过日历图的形式进行展现,符合人性化认知习惯,且通过分色展示直观表现交通对象状态。
附图说明
图1为本发明基于日历图分析及展示的交通对象统计方法逻辑图;
图2为各个区间进行分色图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图所示,对高速路段承载度日历图的编制实例:
对高速路段的承载度进行计算,基于时空消耗法的交通设施承载力基本计算模型,根据设计数据计算最大承载力,同时根据实时车速、车头时距计算实时承载力,以实时承载力/最大承载力,计算高速路段承载度。通过当周实时分小时承载度的计算,结合历史承载度分时数据,形成匹配当周周一至周日的分时承载度日历数据。
根据承载度数据进行区间划分,对承载度小于等于0.2,即为区间一,承载度大于0.2小于等于0.4,即为区间二。承载度大于0.4小于等于0.6,即为区间三,承载度大于0.6,即为区间四。
分别对各个区间进行分色,其中区间一为绿色,区间二为黄色,区间三为橙色,区间四为红色,如图2所示。
一种基于日历图分析及展示的交通对象统计方法,其特征在于,包括如下步骤;
S1:交通对象分类:对交通对象进行分类,通过对高速路段、上下匝道、桥隧段、汇入分流区以及辅路路段进行类别划分;
S2:对不同交通对象进行特征参数选取:对S1中分类出来的不同交通对象的全部进行特征参数描述,特征参数包括该交通对象的交通流量、交通拥堵指数、承载力/承载度、交通通行能力;
S3:特征参数的数据分析及预测如下,
交通流量计算方法如下:通过卡口摄像机监测断面的过车数量,用每小时的交通过车量数值,作为单位小时交通流量(veh/h)。其中不同交通对象的交通流量数值按照该对象相对应的卡口监测断面数据进行计算。
交通拥堵指数计算方法如下:根据道路平均车速及修正条件,计算路段交通指数,计算公式为:
其中Vf为道路i的自由流车速
Vi为道路i的实际车速
ki为路段i的车道数
li为路段i的长度
CRn:道路交通指数环比增长率
ARn:道路交通指数同比增长率
承载力/承载度计算方法如下:依据承载力计算模型,根据现有路网结构情况,计算高速路段及路网的容量,可根据高速公路的规则分路段、分行政区等计算不同路段的承载力,计算显示所选区内各高速路段承载车辆数;计算得出现有出入口、交织区、路段、高速路整体可同时承载的车辆数;给出路况顺畅、缓慢和拥堵时,在路段、路网上所承载车辆数量的临界值,为实现道路状态的评判预估提供基础;基于承载力计算,根据道路实时车辆运行情况,计算道路实时承载度;
交通通行能力计算方法如下:考虑路段特征要素(车道数、车道宽度、侧向净宽)、交通特征(交通组成、速度限制)、环境要素(雨雾天、突发事件,如事故、施工等导致的车道不可用)建立路段通行能力计算模型,得出该路段的通行能力;
交通特征参数预测方法如下:根据计算得到的各类交通特征参数的数据时间序列,预测当月每日该交通参数数值;
通过上述的交通特征参数计算及预测得到交通对象特征数据日历;
S4:特征数据区间判断:通过阈值设置划分表征数据判断区间,如对承载度小于等于0.2,即为区间一,承载度大于0.2小于等于0.4,即为区间二。承载度大于0.4小于等于0.6,即为区间三,承载度大于0.6,即为区间四。
S5:日历图生成及分色:根据不同交通对象的各类交通特征参数的时间分布,构建及生成日历图,并根据特征数据区间,对日历图进行分色展示。
Claims (1)
1.一种基于日历图分析及展示的交通对象统计方法,其特征在于,包括如下步骤;
S1:交通对象分类:对交通对象进行分类,通过对高速路段、上下匝道、桥隧段、汇入分流区以及辅路路段进行类别划分;
S2:对不同交通对象进行特征参数选取:对S1中分类出来的不同交通对象的全部进行特征参数描述,特征参数包括该交通对象的交通流量、交通拥堵指数、承载力/承载度、交通通行能力;
S3:特征参数的数据分析及预测如下,
交通流量计算方法如下:通过卡口摄像机监测断面的过车数量,用每小时的交通过车量数值,作为单位小时交通流量(veh/h)。其中不同交通对象的交通流量数值按照该对象相对应的卡口监测断面数据进行计算;
交通拥堵指数计算方法如下:根据道路平均车速及修正条件,计算路段交通指数,计算公式为:
其中:Vf为道路i的自由流车速;Vi为道路i的实际车速;ki为路段i的车道数;li为路段i的长度;
CRn:道路交通指数环比增长率
ARn:道路交通指数同比增长率
承载力/承载度计算方法如下:依据承载力计算模型,根据现有路网结构情况,计算高速路段及路网的容量,可根据高速公路的规则分路段、分行政区等计算不同路段的承载力,计算显示所选区内各高速路段承载车辆数;计算得出现有出入口、交织区、路段、高速路整体可同时承载的车辆数;给出路况顺畅、缓慢和拥堵时,在路段、路网上所承载车辆数量的临界值,为实现道路状态的评判预估提供基础;基于承载力计算,根据道路实时车辆运行情况,计算道路实时承载度;
交通通行能力计算方法如下:考虑路段特征要素(车道数、车道宽度、侧向净宽)、交通特征(交通组成、速度限制)、环境要素(雨雾天、突发事件,如事故、施工等导致的车道不可用)建立路段通行能力计算模型,得出该路段的通行能力;
交通特征参数预测方法如下:根据计算得到的各类交通特征参数的数据时间序列,预测当月每日该交通参数数值;
通过上述的交通特征参数计算及预测得到交通对象特征数据日历;
S4:通过阈值设置划分表征数据判断区间,如对承载度小于等于0.2,即为区间一,承载度大于0.2小于等于0.4,即为区间二;承载度大于0.4小于等于0.6,即为区间三,承载度大于0.6,即为区间四;
S5:日历图生成及分色:根据不同交通对象的各类交通特征参数的时间分布,构建及生成日历图,并根据特征数据区间,对日历图进行分色展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620465.9A CN112712698A (zh) | 2020-12-30 | 2020-12-30 | 一种基于日历图分析及展示的交通对象统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620465.9A CN112712698A (zh) | 2020-12-30 | 2020-12-30 | 一种基于日历图分析及展示的交通对象统计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112712698A true CN112712698A (zh) | 2021-04-27 |
Family
ID=75547543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011620465.9A Pending CN112712698A (zh) | 2020-12-30 | 2020-12-30 | 一种基于日历图分析及展示的交通对象统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112712698A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008187612A (ja) * | 2007-01-31 | 2008-08-14 | Kddi Corp | トラヒック分析モデルの構築方法、装置および構築プログラムならびにその記憶媒体 |
CN103164957A (zh) * | 2011-12-19 | 2013-06-19 | 西安正昌电子有限责任公司 | 一种交通流量的测量分析系统 |
CN107845264A (zh) * | 2017-12-06 | 2018-03-27 | 西安市交通信息中心 | 一种基于视频监控的交通量采集系统及方法 |
-
2020
- 2020-12-30 CN CN202011620465.9A patent/CN112712698A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008187612A (ja) * | 2007-01-31 | 2008-08-14 | Kddi Corp | トラヒック分析モデルの構築方法、装置および構築プログラムならびにその記憶媒体 |
CN103164957A (zh) * | 2011-12-19 | 2013-06-19 | 西安正昌电子有限责任公司 | 一种交通流量的测量分析系统 |
CN107845264A (zh) * | 2017-12-06 | 2018-03-27 | 西安市交通信息中心 | 一种基于视频监控的交通量采集系统及方法 |
Non-Patent Citations (6)
Title |
---|
何承 等: "《上海市地方标准》", 1 July 2016 * |
刘思宁: "基于交通拥堵指数的交通拥堵模式聚类分析", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
孟家琪: "基于路网容量的土地开发强度的研究", 《中国优秀博硕士学位论文全文数据库(硕士) 经济与管理科学辑》 * |
梁杰林: "基于WiFi数据挖掘的交通路况信息系统的设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
谢军: "高速公路通行能力分析与服务质量评价研究", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》 * |
赵永胜: "重点地区土地开发的道路网交通承载力研究", 《现代交通技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410577B (zh) | 基于空间数据挖掘的自适应交通控制子区划分方法 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN103810849B (zh) | 一种基于浮动车数据的交通流变化趋势提取方法 | |
Smith | The existence of a time-dependent equilibrium distribution of arrivals at a single bottleneck | |
CN107798876B (zh) | 基于事件的道路交通异常拥堵判断方法 | |
CN106710216B (zh) | 高速公路实时交通拥堵路况检测方法和系统 | |
CN108629973A (zh) | 基于固定检测设备的路段交通拥堵指数计算方法 | |
CN105489006B (zh) | 基于出租车gps数据的多尺度道路流量可视分析方法 | |
CN108447263B (zh) | 基于浮动车的干线协调控制交叉口的信号控制评价方法 | |
CN109544912B (zh) | 一种基于多源数据融合的城市路网积水状态预测方法 | |
CN109584580B (zh) | 一种城市红绿灯智能控制方法及红绿灯智能控制系统 | |
CN111091295B (zh) | 一种城市区域边界控制系统 | |
WO2016192666A2 (zh) | 带有相对交通状况的地图与行车路线 | |
CN110633558B (zh) | 一种城市交通系统建模系统 | |
CN108022425A (zh) | 交通状况预测方法、装置和计算机设备 | |
CN111554107A (zh) | 交通管控方法、管理平台、路侧设备及系统 | |
CN110414708A (zh) | 一种潮汐车道优化方案选择方法、装置和存储介质 | |
CN201262784Y (zh) | 基于数据特征的城市信号控制路口交通状态检测和评价系统 | |
CN110276951B (zh) | 一种基于移动互联网交通拥堵预警方法 | |
CN107886718A (zh) | 一种路况分析方法、装置及网络系统 | |
CN115687709A (zh) | 基于交通数据降维重构及多维分析的交通动态管控方法 | |
CN114613145A (zh) | 一种大数据下的客运流量感知预警系统及方法 | |
CN112712698A (zh) | 一种基于日历图分析及展示的交通对象统计方法 | |
Erdelić et al. | Travel time prediction using speed profiles for road network of Croatia | |
CN116580565B (zh) | 一种基于云计算的政务大数据分析系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210427 |