CN112990571A - 基于双层规划的交通数据分析方法、装置、设备及介质 - Google Patents
基于双层规划的交通数据分析方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112990571A CN112990571A CN202110267045.5A CN202110267045A CN112990571A CN 112990571 A CN112990571 A CN 112990571A CN 202110267045 A CN202110267045 A CN 202110267045A CN 112990571 A CN112990571 A CN 112990571A
- Authority
- CN
- China
- Prior art keywords
- path
- network information
- road network
- road
- section flow
- 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
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013178 mathematical model Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 80
- 238000010586 diagram Methods 0.000 description 7
- 239000002355 dual-layer Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明实施例涉及人工智能领域,公开了一种基于双层规划的交通数据分析方法、装置、设备及储介质,该方法包括:获取待规划区域的路网信息,路网信息包括一条或多条路径;确定路网信息中每条路径的路段流量,路段流量包括当前路段流量和最大路段流量;将路网信息中每条路径的路段流量输入用户均衡模型,得到路网信息中每条路径对应的候选规划路径信息;将路网信息中每条路径对应的候选规划路径信息输入系统最优模型,得到最优规划路径信息,并根据最优路径规划信息确定重新规划的路网信息。这种方式可以有效地重新规划交通网络,提升交通网络的通行能力和效率。本发明涉及区块链技术,如可将路网信息写入区块链中,以用于数据取证等场景。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于双层规划的交通数据分析方法、装置、设备及介质。
背景技术
交通网络设计问题是通过改善现有路网中的某些路段的通行能力,例如增加车道数或是基础设施,来提升该路段的通行能力,使得交通网络达到最优。近年来,随着车辆的增多,公路出现越来越拥堵的情况,尤其是上下班高峰期以及节假日时,道路尤为拥堵,因此,如何在现有道路的基础上更好地规划交通网络,提高道路通行能力和效率尤为重要。
发明内容
本发明实施例提供了一种基于双层规划的交通数据分析方法、装置、设备及介质,可以有效地重新规划交通网络,提升交通网络的通行能力和效率。
第一方面,本发明实施例提供了一种基于双层规划的交通数据分析方法,所述方法包括:
获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路;
根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量;
将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息;
将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。
进一步地,所述路段流量包括最大路段流量;所述根据所述路网信息确定所述路网信息中每条路径的路段流量,包括:
获取所述路网信息中每条路径的长度和宽度,并根据所述每条路径的长度和宽度确定所述每条路径的车道数量;
获取所述路网信息中每条路径对应的最高限制速度,并根据所述每条路径的车道数量和所述每条路径对应的最高限制速度确定所述每条路径的最大路段流量。
进一步地,所述路段流量包括当前路段流量;所述根据所述路网信息确定所述路网信息中每条路径的路段流量,包括:
获取所述路网信息中每条路径的长度和宽度,并根据所述长度和宽度确定所述每条路径的车道数量;
获取所述路网信息中所述每条路径当前行驶的车辆数量以及所述每条路径对应的最高限制速度;
根据所述每条路径的车道数量、所述每条路径的最高限制速度以及所述每条路径的当前行驶的车辆数量确定所述每条路径剩余的当前路段流量。
进一步地,所述将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息之前,还包括:
获取样本路网信息中每条样本路径的当前路段流量和最大路段流量;
将所述每条样本路径的当前路段流量和最大路段流量输入指定的遗传算法模型中进行训练,得到用户均衡模型。
进一步地,所述方法还包括:
将所述每条样本路径的当前路段流量和最大路段流量输入训练得到的用户均衡模型,得到所述每条样本路径对应的候选规划路径信息;
将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练,得到系统最优模型。
进一步地,所述将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练,得到系统最优模型,包括:
将所述每条样本路径对应的候选规划路径信息输入预设的数学模型,得到所述每条样本路径对应的候选规划路径的路段流量信息;
根据所述每条样本路径对应的候选规划路径的路段流量信息调整所述数学模型的模型参数,并对调整模型参数后的数学模型进行训练,得到所述系统最优模型。
进一步地,所述获取待规划区域的路网信息,包括:
获取所述待规划区域的地图信息;
根据所述待规划区域的地图信息确定所述待规划区域中的一条或多条路径,并根据所述一条或多条路径确定所述待规划区域的路网信息。
第二方面,本发明实施例提供了一种基于双层规划的交通数据分析装置,包括:
获取单元,用于获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路;
确定单元,用于根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量;
第一规划单元,用于将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息;
第二规划单元,用于将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。
第三方面,本发明实施例提供了一种计算机设备,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储支持基于双层规划的交通数据分析装置执行上述方法的计算机程序,所述计算机程序包括程序,所述处理器被配置用于调用所述程序,执行上述第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器执行以实现上述第一方面的方法。
本发明实施例可以获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路;根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量;将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息;将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。通过这种实施方式,可以有效地重新规划交通网络,提升交通网络的通行能力和效率。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于双层规划的交通数据分析方法的示意流程图;
图2是本发明实施例提供的一种双层模型的结构示意图;
图3是本发明实施例提供的一种基于双层规划的交通数据分析装置的示意框图;
图4是本发明实施例提供的一种计算机设备的示意框图。
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。
本发明实施例提供的基于双层规划的交通数据分析方法可以应用于一种基于双层规划的交通数据分析装置,在某些实施例中,所述基于双层规划的交通数据分析装置设置于计算机设备中。在某些实施例中,所述计算机设备包括但不限于智能手机、平板电脑、膝上型电脑等中的一种或者多种。
下面结合附图1对本发明实施例提供的基于双层规划的交通数据分析方法进行示意性说明。
请参见图1,图1是本发明实施例提供的一种基于双层规划的交通数据分析方法的示意流程图,如图1所示,该方法可以由基于双层规划的交通数据分析装置执行,所述基于双层规划的交通数据分析装置设置于计算机设备中。具体地,本发明实施例的所述方法包括如下步骤。
S101:获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径。
本发明实施例中,基于双层规划的交通数据分析装置可以获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路,在某些实施例中,所述分叉路包括但不限于三岔路、十字路等。
在一个实施例中,基于双层规划的交通数据分析装置在获取待规划区域的路网信息时,可以获取所述待规划区域的地图信息,并根据所述待规划区域的地图信息确定所述待规划区域中的一条或多条路径,并根据所述一条或多条路径确定所述待规划区域的路网信息。在其他实施例中,也可以采用其他方式获取所述待规划区域的路网信息,此处不做具体限定。在某些实施例中,所述带规划区域的路网信息中的每条路径包括多个地点信息,每条路径包括一条或多条路段,每条路段由两个地点组成,每条路径包括起点和终点。在某些实施例中,由起点和终点可以组成一条或多条路径。
S102:根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量。
本发明实施例中,基于双层规划的交通数据分析装置可以根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量。
在一个实施例中,所述路段流量包括最大路段流量;基于双层规划的交通数据分析装置在根据所述路网信息确定所述路网信息中每条路径的路段流量时,可以获取所述路网信息中每条路径的长度和宽度,并根据所述每条路径的长度和宽度确定所述每条路径的车道数量;获取所述路网信息中每条路径对应的最高限制速度,并根据所述每条路径的车道数量和所述每条路径对应的最高限制速度确定所述每条路径的最大路段流量。
在一个实施例中,所述路段流量包括当前路段流量;基于双层规划的交通数据分析装置在根据所述路网信息确定所述路网信息中每条路径的路段流量时,可以获取所述路网信息中每条路径的长度和宽度,并根据所述长度和宽度确定所述每条路径的车道数量;获取所述路网信息中所述每条路径当前行驶的车辆数量以及所述每条路径对应的最高限制速度;根据所述每条路径的车道数量、所述每条路径的最高限制速度以及所述每条路径的当前行驶的车辆数量确定所述每条路径剩余的当前路段流量。
本发明实施例,通过确定路网信息中每条路径的路段流量,有助于后续重新规划路网信息。
S103:将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息。
本发明实施例中,基于双层规划的交通数据分析装置可以将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息。
在一个实施例中,基于双层规划的交通数据分析装置在将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息之前,可以获取样本路网信息中每条样本路径的当前路段流量和最大路段流量;将所述每条样本路径的当前路段流量和最大路段流量输入指定的遗传算法模型中进行训练,得到用户均衡模型。
在一个实施例中,该用户均衡模型为如下公式(1)所示:
其中,xa为路段a的当前路段流量,xmax为路段a的最大路段流量。
在一个实施例中,基于双层规划的交通数据分析装置在将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息之前,可以将所述每条样本路径的当前路段流量和最大路段流量输入训练得到的用户均衡模型,得到所述每条样本路径对应的候选规划路径信息;并将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练,得到系统最优模型。在某些实施例中,所述候选规划路径信息包括路径的起点、终点、行驶时间等中的一种或多种。
在一个实施例中,所述预设的数学模型为如下公式(2)所示:
在一个实施例中,基于双层规划的交通数据分析装置在将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练,得到系统最优模型时,可以将所述每条样本路径对应的候选规划路径信息输入预设的数学模型,得到所述每条样本路径对应的候选规划路径的路段流量信息;根据所述每条样本路径对应的候选规划路径的路段流量信息调整所述数学模型的模型参数,并对调整模型参数后的数学模型进行训练,得到所述系统最优模型。
在一个实施例中,在将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练的过程中,可以根据预设的数学模型的输出结果调整所述公式(1)中的预设的数学模型的模型参数d,重复训练得到所述系统最优模型。
在一个实施例中,当调整后的模型参数为da时,训练得到所述系统最优模型,其中,所述系统最优模型如下公式(3)所示:
其中,
其中,xa有下面的非线性规划求解得:
其中,
其中,
A——路段集合;
R——起点集合;
S——终点集合;
Krs——从起点r到终点s的路径集合;
ta(xa)——当通过路段a的路段流量为xa时,路段的行驶时间;
xa——路段a的路段流量;
ta 0——路段a自由行驶时间;
Ka——当前路网中路段a的容量;
ya——表示路网中已经存在的路段增加值,是一个连续决策变量;
qrs——O-D对r-s间的总出行流量;
在一个实施例中,求解双层规划模型的算法综述:运用启发式算法,改变ya(某个路段增加的通行能力即最大路段流量),求解满足用户条件的xa(路段的流量),并将xa、ya带入系统最优模型求解,最终能使系统最优模型目标值最小的ya就为该路段需要增加路段的最优解。
在一个实施例中,基于双层规划的交通数据分析装置可以将所述路网信息中每条路径的当前路段流量和最大路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息。
在一个实施例中,基于双层规划的交通数据分析装置在将所述路网信息中每条路径的当前路段流量和最大路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息时,可以根据所述用户均衡模型中的遗传算法,所述路网信息中每条路径的当前路段流量和最大路段流量,计算得到每条路径的候选规划路径信息。
在一个实施例中,根据所述候选规划路径信息确定对应的一个或多个候选规划路径,其中,所述候选规划路径可以为扩宽的路径,基于双层规划的交通数据分析装置在根据所述用户均衡模型中的遗传算法,所述路网信息中每条路径的当前路段流量和最大路段流量,计算得到每条路径的候选规划路径信息时,可以根据所述路网信息中每条路径的当前路段流量和最大路段流量,确定每条路径的扩宽宽度,并进一步确定扩宽后的每条路径的路段流量,从而根据所述用户均衡模型中的遗传算法以及扩宽后的每条路径的扩宽宽度,确定扩宽后每条路径的路径信息。
在一个实施例中,所述候选规划路径可以为改道的路径,基于双层规划的交通数据分析装置在根据所述用户均衡模型中的遗传算法,所述路网信息中每条路径的当前路段流量和最大路段流量,计算得到每条路径的候选规划路径信息时,可以根据所述路网信息中每条路径的当前路段流量、最大路段流量以及路径节点,确定改道信息,并根据改道后的路径的路段流量,所述用户均衡模型中的遗传算法,计算得到改道后的路径信息。
S104:将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。
本发明实施例中,基于双层规划的交通数据分析装置可以将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。
在一个实施例中,所述重新规划的路网信息包括重新规划后的每条路径的最大路段流量、行驶时间等信息。
在一个实施例中,基于双层规划的交通数据分析装置可以将重新规划后的路径信息输入所述双层模型中的系统最优模型得到所述重新规划后的路径的最大路段流量信息。
在一个实施例中,基于双层规划的交通数据分析装置可以根据每条路径的最高限制速度以及重新规划后的每条路径的长度确定与所述重新规划后的路径对应的时间信息。
在一个实施例中,所述双层模型的架构图如下图2所示,图2是本发明实施例提供的一种双层模型的结构示意图,其中,上层模型即为系统最优模型(SO),上层模型考虑增加某个路段的通行能力(即路段流量,该路段流量包括当前路段流量和最大路段流量)。上层模型考虑一个约束条件,选定路段增加的通行能力为正值(即重新规划后的路径的最大路段流量大于重新规划前的最大路段流量)。下层模型即为用户均衡模型(UE),下层模型的目标是以出行者出行时间最小为条件选取出每条路径对应的候选规划路径信息。下层模型可以满足用户的出行需求,并且用户选择的路线为出行时间最短的路线。上层模型可以根据下层模型选取出每条路径对应的候选规划路径信息,确定出最优规划路径信息,并进一步根据所述最优路径规划信息确定重新规划的路网信息。
本发明实施例中,基于双层规划的交通数据分析装置可以获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路;根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量;将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息;将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。通过改进路网中某些路段的通行能力,可以有效地重新规划交通网络,提升交通网络的通行能力和效率,满足人们日益增长的交通需求。
本发明实施例还提供了一种基于双层规划的交通数据分析装置,该基于双层规划的交通数据分析装置用于执行前述任一项所述的方法的单元。具体地,参见图3,图3是本发明实施例提供的一种基于双层规划的交通数据分析装置的示意框图。本实施例的基于双层规划的交通数据分析装置包括:获取单元301、确定单元302、第一规划单元303以及第二规划单元304。
获取单元301,用于获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路;
确定单元302,用于根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量;
第一规划单元303,用于将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息;
第二规划单元304,用于将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。
进一步地,所述路段流量包括最大路段流量;所述确定单元302根据所述路网信息确定所述路网信息中每条路径的路段流量时,具体用于:
获取所述路网信息中每条路径的长度和宽度,并根据所述每条路径的长度和宽度确定所述每条路径的车道数量;
获取所述路网信息中每条路径对应的最高限制速度,并根据所述每条路径的车道数量和所述每条路径对应的最高限制速度确定所述每条路径的最大路段流量。
进一步地,所述路段流量包括当前路段流量;所述确定单元302根据所述路网信息确定所述路网信息中每条路径的路段流量时,具体用于:
获取所述路网信息中每条路径的长度和宽度,并根据所述长度和宽度确定所述每条路径的车道数量;
获取所述路网信息中所述每条路径当前行驶的车辆数量以及所述每条路径对应的最高限制速度;
根据所述每条路径的车道数量、所述每条路径的最高限制速度以及所述每条路径的当前行驶的车辆数量确定所述每条路径剩余的当前路段流量。
进一步地,所述第一规划单元303将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息之前,还用于:
获取样本路网信息中每条样本路径的当前路段流量和最大路段流量;
将所述每条样本路径的当前路段流量和最大路段流量输入指定的遗传算法模型中进行训练,得到用户均衡模型。
进一步地,所述第一规划单元303还用于:
将所述每条样本路径的当前路段流量和最大路段流量输入训练得到的用户均衡模型,得到所述每条样本路径对应的候选规划路径信息;
将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练,得到系统最优模型。
进一步地,所述第一规划单元303将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练,得到系统最优模型时,具体用于:
将所述每条样本路径对应的候选规划路径信息输入预设的数学模型,得到所述每条样本路径对应的候选规划路径的路段流量信息;
根据所述每条样本路径对应的候选规划路径的路段流量信息调整所述数学模型的模型参数,并对调整模型参数后的数学模型进行训练,得到所述系统最优模型。
进一步地,所述获取单元301获取待规划区域的路网信息时,具体用于:
获取所述待规划区域的地图信息;
根据所述待规划区域的地图信息确定所述待规划区域中的一条或多条路径,并根据所述一条或多条路径确定所述待规划区域的路网信息。
本发明实施例中,基于双层规划的交通数据分析装置可以获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路;根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量;将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息;将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。通过改进路网中某些路段的通行能力,可以有效地重新规划交通网络,提升交通网络的通行能力和效率,满足人们日益增长的交通需求。
参见图4,图4是本发明实施例提供的一种计算机设备的示意框图。如图所示的本实施例中的设备可以包括:一个或多个处理器401;一个或多个输入设备402,一个或多个输出设备403和存储器404。上述处理器401、输入设备402、输出设备403和存储器404通过总线405连接。存储器404用于存储计算机程序,所述计算机程序包括程序,处理器401用于执行存储器404存储的程序。
其中,处理器401被配置用于调用所述程序执行:
获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路;
根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量;
将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息;
将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。
进一步地,所述路段流量包括最大路段流量;所述处理器401根据所述路网信息确定所述路网信息中每条路径的路段流量时,具体用于:
获取所述路网信息中每条路径的长度和宽度,并根据所述每条路径的长度和宽度确定所述每条路径的车道数量;
获取所述路网信息中每条路径对应的最高限制速度,并根据所述每条路径的车道数量和所述每条路径对应的最高限制速度确定所述每条路径的最大路段流量。
进一步地,所述路段流量包括当前路段流量;所述处理器401根据所述路网信息确定所述路网信息中每条路径的路段流量时,具体用于:
获取所述路网信息中每条路径的长度和宽度,并根据所述长度和宽度确定所述每条路径的车道数量;
获取所述路网信息中所述每条路径当前行驶的车辆数量以及所述每条路径对应的最高限制速度;
根据所述每条路径的车道数量、所述每条路径的最高限制速度以及所述每条路径的当前行驶的车辆数量确定所述每条路径剩余的当前路段流量。
进一步地,所述处理器401将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息之前,还用于:
获取样本路网信息中每条样本路径的当前路段流量和最大路段流量;
将所述每条样本路径的当前路段流量和最大路段流量输入指定的遗传算法模型中进行训练,得到用户均衡模型。
进一步地,所述处理器401还用于:
将所述每条样本路径的当前路段流量和最大路段流量输入训练得到的用户均衡模型,得到所述每条样本路径对应的候选规划路径信息;
将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练,得到系统最优模型。
进一步地,所述处理器401将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练,得到系统最优模型时,具体用于:
将所述每条样本路径对应的候选规划路径信息输入预设的数学模型,得到所述每条样本路径对应的候选规划路径的路段流量信息;
根据所述每条样本路径对应的候选规划路径的路段流量信息调整所述数学模型的模型参数,并对调整模型参数后的数学模型进行训练,得到所述系统最优模型。
进一步地,所述处理器401获取待规划区域的路网信息时,具体用于:
获取所述待规划区域的地图信息;
根据所述待规划区域的地图信息确定所述待规划区域中的一条或多条路径,并根据所述一条或多条路径确定所述待规划区域的路网信息。
本发明实施例中,计算机设备可以获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路;根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量;将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息;将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。通过改进路网中某些路段的通行能力,可以有效地重新规划交通网络,提升交通网络的通行能力和效率,满足人们日益增长的交通需求。
应当理解,在本发明实施例中,所称处理器401可以是中央处理单元(CenSralProcessing UniS,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigiSalSignal Processor,DSP)、专用集成电路(ApplicaSion Specific InSegraSed CircuiS,ASIC)、现成可编程门阵列(Field-Programmable GaSe Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备402可以包括触控板、麦克风等,输出设备403可以包括显示器(LCD等)、扬声器等。
该存储器404可以包括只读存储器和随机存取存储器,并向处理器401提供指令和数据。存储器404的一部分还可以包括非易失性随机存取存储器。例如,存储器404还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器401、输入设备402、输出设备403可执行本发明实施例提供的图1所述的方法实施例中所描述的实现方式,也可执行本发明实施例图3所描述的基于双层规划的交通数据分析装置的实现方式,在此不再赘述。
本发明实施例中还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现图1所对应实施例中描述的基于双层规划的交通数据分析方法,也可实现本发明图3所对应实施例的基于双层规划的交通数据分析装置,在此不再赘述。
所述计算机可读存储介质可以是前述任一实施例所述的基于双层规划的交通数据分析装置的内部存储单元,例如基于双层规划的交通数据分析装置的硬盘或内存。所述计算机可读存储介质也可以是所述基于双层规划的交通数据分析装置的外部存储装置,例如所述基于双层规划的交通数据分析装置上配备的插接式硬盘,智能存储卡(SmarS MediaCard,SMC),安全数字(Secure DigiSal,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述基于双层规划的交通数据分析装置的内部存储单元也包括外部存储装置。所述计算机可读存储介质用于存储所述计算机程序以及所述基于双层规划的交通数据分析装置所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。所述的计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
需要强调的是,为进一步保证上述数据的私密和安全性,上述数据还可以存储于一区块链的节点中。其中,本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
以上所述,仅为本发明的部分实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于双层规划的交通数据分析方法,其特征在于,所述方法包括:
获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路;
根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量;
将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息;
将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。
2.根据权利要求1所述的方法,其特征在于,所述路段流量包括最大路段流量;所述根据所述路网信息确定所述路网信息中每条路径的路段流量,包括:
获取所述路网信息中每条路径的长度和宽度,并根据所述每条路径的长度和宽度确定所述每条路径的车道数量;
获取所述路网信息中每条路径对应的最高限制速度,并根据所述每条路径的车道数量和所述每条路径对应的最高限制速度确定所述每条路径的最大路段流量。
3.根据权利要求1所述的方法,其特征在于,所述路段流量包括当前路段流量;所述根据所述路网信息确定所述路网信息中每条路径的路段流量,包括:
获取所述路网信息中每条路径的长度和宽度,并根据所述长度和宽度确定所述每条路径的车道数量;
获取所述路网信息中所述每条路径当前行驶的车辆数量以及所述每条路径对应的最高限制速度;
根据所述每条路径的车道数量、所述每条路径的最高限制速度以及所述每条路径的当前行驶的车辆数量确定所述每条路径剩余的当前路段流量。
4.根据权利要求1所述的方法,其特征在于,所述将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息之前,还包括:
获取样本路网信息中每条样本路径的当前路段流量和最大路段流量;
将所述每条样本路径的当前路段流量和最大路段流量输入指定的遗传算法模型中进行训练,得到用户均衡模型。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将所述每条样本路径的当前路段流量和最大路段流量输入训练得到的用户均衡模型,得到所述每条样本路径对应的候选规划路径信息;
将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练,得到系统最优模型。
6.根据权利要求5所述的方法,其特征在于,所述将所述每条样本路径对应的候选规划路径信息输入预设的数学模型进行训练,得到系统最优模型,包括:
将所述每条样本路径对应的候选规划路径信息输入预设的数学模型,得到所述每条样本路径对应的候选规划路径的路段流量信息;
根据所述每条样本路径对应的候选规划路径的路段流量信息调整所述数学模型的模型参数,并对调整模型参数后的数学模型进行训练,得到所述系统最优模型。
7.根据权利要求1所述的方法,其特征在于,所述获取待规划区域的路网信息,包括:
获取所述待规划区域的地图信息;
根据所述待规划区域的地图信息确定所述待规划区域中的一条或多条路径,并根据所述一条或多条路径确定所述待规划区域的路网信息。
8.一种基于双层规划的交通数据分析装置,其特征在于,包括:
获取单元,用于获取待规划区域的路网信息,其中,所述路网信息包括一条或多条路径,每条路径包括多个节点,所述节点用于指示分叉路;
确定单元,用于根据所述路网信息确定所述路网信息中每条路径的路段流量,其中,所述路段流量包括当前路段流量和最大路段流量;
第一规划单元,用于将所述路网信息中每条路径的路段流量输入双层模型中用户均衡模型,得到所述路网信息中每条路径对应的候选规划路径信息;
第二规划单元,用于将所述路网信息中每条路径对应的候选规划路径信息输入所述双层模型中的系统最优模型,得到最优规划路径信息,并根据所述最优路径规划信息确定重新规划的路网信息。
9.一种计算机设备,其特征在于,包括处理器、存储器,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序,所述处理器被配置用于调用所述程序,执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110267045.5A CN112990571B (zh) | 2021-03-11 | 2021-03-11 | 基于双层规划的交通数据分析方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110267045.5A CN112990571B (zh) | 2021-03-11 | 2021-03-11 | 基于双层规划的交通数据分析方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990571A true CN112990571A (zh) | 2021-06-18 |
CN112990571B CN112990571B (zh) | 2023-06-20 |
Family
ID=76336415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110267045.5A Active CN112990571B (zh) | 2021-03-11 | 2021-03-11 | 基于双层规划的交通数据分析方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990571B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901006A (zh) * | 2010-06-30 | 2010-12-01 | 浙江大学 | 一种双层优化的工业过程最优控制系统及方法 |
CN111854779A (zh) * | 2020-02-25 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种路线规划方法、装置、电子设备及可读存储介质 |
CN112216130A (zh) * | 2020-09-30 | 2021-01-12 | 长沙理工大学 | 一种车路协同环境下的应急车辆诱导方法 |
-
2021
- 2021-03-11 CN CN202110267045.5A patent/CN112990571B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901006A (zh) * | 2010-06-30 | 2010-12-01 | 浙江大学 | 一种双层优化的工业过程最优控制系统及方法 |
CN111854779A (zh) * | 2020-02-25 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种路线规划方法、装置、电子设备及可读存储介质 |
CN112216130A (zh) * | 2020-09-30 | 2021-01-12 | 长沙理工大学 | 一种车路协同环境下的应急车辆诱导方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112990571B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109872535B (zh) | 一种智慧交通通行预测方法、装置及服务器 | |
Amiripour et al. | Designing large-scale bus network with seasonal variations of demand | |
CN106846873B (zh) | 一种路况导航的方法及装置 | |
CN107490385A (zh) | 出行路线规划方法及其装置 | |
CN107238391A (zh) | 一种公交出行路线的推荐方法及装置 | |
CN106803197A (zh) | 拼单方法和设备 | |
CN111861643A (zh) | 一种乘车位置的推荐方法、装置、电子设备及存储介质 | |
CN109784536A (zh) | 旅游行程的推荐方法、装置、计算机设备和存储介质 | |
CN114333305B (zh) | 一种高速公路拥堵时车辆诱导通行方法、装置、存储介质及终端 | |
JP6527060B2 (ja) | 経路探索システム、経路探索方法及びコンピュータプログラム | |
Harwood et al. | Investigating the use of metaheuristics for solving single vehicle routing problems with time-varying traversal costs | |
CN111862591A (zh) | 路况预测方法、装置及存储介质 | |
CN110855802A (zh) | 职教诊改系统的数据分片分发存储方法、装置及服务器 | |
CN112990571A (zh) | 基于双层规划的交通数据分析方法、装置、设备及介质 | |
US11237008B2 (en) | System and method for controlling vehicular pollution concentration and providing maximum traffic flow throughput | |
Szücs | Decision support for route search and optimum finding in transport networks under uncertainty | |
CN108229856A (zh) | 清分模型建立方法及装置 | |
Elbery et al. | Iot-based crowd management framework for departure control and navigation | |
CN115994726B (zh) | 派送路径调整方法、装置、电子设备和计算机可读介质 | |
CN112669630A (zh) | 交通信号配时方案生成方法、交通信号控制方法和装置 | |
Algomaiah et al. | Utilizing lane-based strategy to incorporate mixed traffic in interchange control for connected and autonomous vehicles | |
CN114842659B (zh) | 一种交通拥堵疏导方法及装置 | |
CN113628446B (zh) | 一种基于物联网的交通信息采集分析方法及系统 | |
CN113297310B (zh) | 一种物联网中区块链分片验证者选取的方法 | |
WO2015049064A1 (en) | Method and computer program product for accurate motorway speed control |
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 |