CN113077629A - 动态车流量测算方法、装置、电子设备及存储介质 - Google Patents
动态车流量测算方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113077629A CN113077629A CN202110487993.XA CN202110487993A CN113077629A CN 113077629 A CN113077629 A CN 113077629A CN 202110487993 A CN202110487993 A CN 202110487993A CN 113077629 A CN113077629 A CN 113077629A
- Authority
- CN
- China
- Prior art keywords
- data
- traffic data
- traffic flow
- dynamic
- coefficient
- 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
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
- G06F16/23—Updating
-
- 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
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了动态车流量测算方法、装置、电子设备及计算机可读存储介质,该方法包括:获取历史交通数据;建立交通信息分类表,交通信息分类表将一天平均划分为多个子时间段,将道路划分为多个道路类型,将机动车划分为多个车型;根据历史交通数据计算每个子时间段对应的时段系数;根据历史交通数据计算每个道路类型对应的道路类型系数;根据历史交通数据计算每个车型与任一道路类型的组合对应的车型系数;获取动态交通数据;根据动态交通数据计算基础车流量;根据时段系数、道路类型系数和车型系数对基础车流量进行修正,得到动态车流量。该方法可得到精细化的动态车流量,降低了数据获取难度。普适性高,同时降低了测算难度和运算量。
Description
技术领域
本发明涉及车流量监测技术领域,具体涉及一种动态车流量测算方法、装置、电子设备及计算机可读存储介质。
背景技术
交通数据通常包括机动车交通量以及机动车平均速度,是机动车活动水平的一个非常重要的参数,建立高时空分辨率的城市机动车排放清单,对交通数据的时空分辨率要求较高。目前,相关研究人员大多利用监测仪器去获取高分辨率的交通数据,对监测仪器的要求较高。现有的监测仪器的覆盖范围和开启时间有限,不能持续获取全部道路的交通数据。监测仪器本身的误差和环境因素对交通数据的精度影响较大。
因此,设计一种精度高、普适性强、精细化的动态车流量测算方法成为了本领域的关键性问题。
发明内容
有鉴于此,本发明实施例提供了动态车流量测算方法、装置、电子设备及计算机可读存储介质,以解决现有技术中的车流量测算方法过于笼统,测算时段有限、测算范围有限、精度低、普适性差的问题。
为此,本发明实施例提供了如下技术方案:
本发明第一方面,提供了动态车流量测算方法,包括:
获取历史交通数据;
建立交通信息分类表,所述交通信息分类表将一天平均划分为多个子时间段,将道路划分为多个道路类型,将机动车划分为多个车型;
根据所述历史交通数据计算每个所述子时间段对应的时段系数;
根据所述历史交通数据计算每个所述道路类型对应的道路类型系数;
根据所述历史交通数据计算每个所述车型与任一所述道路类型的组合对应的车型系数;
获取动态交通数据;
根据所述动态交通数据计算基础车流量;
根据所述时段系数、所述道路类型系数和所述车型系数对所述基础车流量进行修正,得到动态车流量。
进一步地,所述时段系数、所述道路类型系数和所述车型系数的计算公式如下;
其中,p(i)为第i个子时间段对应的时段系数,Qa(i)为所述历史交通数据中第i个子时间段的车流量,子时间段的数量为T个,i、T和t为正整数,Qa(t)为所述历史交通数据中第t个子时间段的车流量,m(j)为第j个道路类型对应的道路类型系数,道路类型的数量为U个,j、U和u为正整数,车型的数量为X个,k、X和x为正整数,Qb(j,x)为所述历史交通数据中第x个车型在第j个道路类型的道路上的车流量,Qb(u,x)为所述历史交通数据中第x个车型在第u个道路类型的道路上的车流量,s(j,k)为第j个车型与第k个道路类型的组合对应的车型系数,Qb(j,k)为所述历史交通数据中第k个车型在第j个道路类型的道路上的车流量,Qb(u,k)为所述历史交通数据中第k个车型在第u个道路类型的道路上的车流量。
进一步地,所述车流量的计算公式如下:
Q(i,j,k)=p(i)m(j)s(j,k)Qc
其中,Q(i,j,k)为动态车流量,Qc为基础车流量,l0为车道数,d为堵塞系数,v为待测道路片段所有车辆的平均速度,Vf为自由速度。
进一步地,获取动态交通数据包括:
通过第一交通数据获取网络,每间隔设定时长对路网交通数据进行一次爬取得到第一原始数据,将所述第一原始数据转换为结构化数据集作为动态交通数据;或者,
通过第二交通数据获取网络,对城市区县范围交通数据进行实时爬取得到第二原始数据,将所述第二原始数据转换为结构化数据集作为动态交通数据。
进一步地,获取动态交通数据之后,还包括:
判断所述动态交通数据是否存在缺失得到第一判断结果;
所述第一判断结果为是,则利用均值插补法对所述动态交通数据进行填补。
进一步地,获取动态交通数据之后,还包括:
判断所述动态交通数据是否存在异常数据得到第二判断结果;
所述第二判断结果为是,则对所述异常数据进行修正。
进一步地,根据历史交通数据、交通信息分类表、动态交通数据和动态车流量建立MySQL数据库,所述MySQL数据库中的数据为csv-wkt格式文本文件。
本发明第二方面,提供了一种车流量测算装置,包括:
第一获取模块,用于获取历史交通数据;
分类模块,用于建立交通信息分类表,所述交通信息分类表将一天平均划分为多个子时间段,将道路划分为多个道路类型,将机动车划分为多个车型;
第一系数获取模块,用于根据所述历史交通数据计算每个所述子时间段对应的时段系数;
第二系数获取模块,用于根据所述历史交通数据计算每个所述道路类型对应的道路类型系数;
第三系数获取模块,用于根据所述历史交通数据计算每个所述车型与任一所述道路类型的组合对应的车型系数;
第二获取模块,用于获取动态交通数据;
第一测算模块,用于根据所述动态交通数据计算基础车流量;
第二测算模块,用于根据所述时段系数、所述道路类型系数和所述车型系数对所述基础车流量进行修正,得到动态车流量。
本发明第三方面,提供了一种电子设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行本发明第一方面中任一所述的动态车流量测算方法。
本发明第四方面,提供了一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现本发明第一方面中任一所述的动态车流量测算方法。
本发明实施例技术方案,具有如下优点:
(1)本发明实施例提供的动态车流量测算方法基于历史交通数据计算时段系数、道路类型系数和车型系数,只需计算一次即可在后续计算动态车流量时反复使用,后续只需获取基础的动态交通数据即可得到精细化的动态车流量,降低了数据获取难度。该方法精度高,普适性高,同时降低了测算难度和运算量。
(2)本发明实施例提供的动态车流量测算方法通过第一交通数据获取网络和第二交通数据获取网络获取动态交通数据,降低了数据获取难度和对设备的要求,不同的数据来源有利于保证动态交通数据获取的稳定性和连续性。
(3)本发明实施例提供的动态车流量测算方法通过对缺失数据进行填补,并对异常数据进行修正,能够提高动态车流量的精度并确保动态车流量的连续性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术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方式,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是根据本发明实施例的动态车流量测算方法的流程图;
图2是根据本发明实施例的动态车流量测算方法测算的动态车流量表格;
图3是根据本发明实施例的车流量测算装置的结构框图;
图4是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。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一个或者更多个特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
本发明实施例提供了动态车流量测算方法,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
在本实施例中提供了动态车流量测算方法,可用于车辆排放污染预警系统等,图1是根据本发明实施例的动态车流量测算方法的流程图。如图1所示,本发明提供了一种动态车流量测算方法,包括如下步骤:
S101:获取历史交通数据。本实施例中历史交通数据为连续的24小时的历史交通数据。
S102:建立交通信息分类表,交通信息分类表将一天平均划分为多个子时间段,将道路划分为多个道路类型,将机动车划分为多个车型。在一个实施例中,每个子时间段为一小时。在一个实施例中,道路划分为6个道路类型,分别为高速路、快速路、主干路、次干路、支路和小路。在一个实施例中,机动车划分为8个车型,分别为小型载客汽车、中型载客汽车、大型载客汽车、轻型载货汽车、中型载货汽车、重型载货汽车、公交车和摩托车。
S103:根据历史交通数据计算每个子时间段对应的时段系数。获取历史交通数据中,每个子时间段的车流量,并选出最大值,将每个子时间段的车流量与最大值的比值作为时间段系数。
S104:根据历史交通数据计算每个道路类型对应的道路类型系数。获取历史交通数据中,每个道路类型的车流量,并选出最大值,将每个道路类型的车流量与最大值的比值作为道路类型系数。
S105:根据历史交通数据计算每个车型与任一道路类型的组合对应的车型系数。将历史交通数据中车型与道路类型的组合的车流量与该车型在各道路类型下的总车流量的比值作为车型系数。
S106:获取动态交通数据。动态交通数据为待计算的动态车流量对应的交通数据。动态交通数据可选为实时更新。动态交通数据包括待测道路片段所有车辆的平均速度。本实施例中,动态交通数据的更新间隔与子时间段的时长相同。例如,子时间段为1小时,动态交通数据每1小时更新一次,动态交通数据包括1小时内待测道路片段所有车辆的平均速度。
S107:根据动态交通数据计算基础车流量。可选通过现有的交通流量速度公式计算基础车流量。
S108:根据时段系数、道路类型系数和车型系数对基础车流量进行修正,得到动态车流量。本实施例中,先根据待计算的动态车流量对应的时间、道路类型和车型选择对应的时段系数、道路类型系数和车型系数,再将选出的时段系数、道路类型系数和车型系数与基础车流量相乘得到动态车流量。
与现有技术相比,本发明实施例提供的动态车流量测算方法基于历史交通数据计算时段系数、道路类型系数和车型系数,只需计算一次即可在后续计算动态车流量时反复使用,后续只需获取基础的动态交通数据即可得到精细化的动态车流量,降低了数据获取难度。该方法精度高,普适性高,同时降低了测算难度和运算量。
在一个具体的实施方式中,时段系数、道路类型系数和车型系数的计算公式如下;
其中,p(i)为第i个子时间段对应的时段系数,Qa(i)为历史交通数据中第i个子时间段的车流量,子时间段的数量为T个,i、T和t为正整数,Qa(t)为历史交通数据中第t个子时间段的车流量,m(j)为第j个道路类型对应的道路类型系数,道路类型的数量为U个,j、U和u为正整数,车型的数量为X个,k、X和x为正整数,Qb(j,x)为历史交通数据中第x个车型在第j个道路类型的道路上的车流量,Qb(u,x)为历史交通数据中第x个车型在第u个道路类型的道路上的车流量,s(j,k)为第j个车型与第k个道路类型的组合对应的车型系数,Qb(j,k)为历史交通数据中第k个车型在第j个道路类型的道路上的车流量,Qb(u,k)为历史交通数据中第k个车型在第u个道路类型的道路上的车流量。
车流量的计算公式如下:
Q(i,j,k)=p(i)m(j)s(j,k)Qc
其中,Q(i,j,k)为动态车流量;Qc为基础车流量;l0为车道数;Vf为自由速度,本实施例中自由速度为待测道路片段的最高限速;d为堵塞系数;v为待测道路片段所有车辆的平均车速;h为车头间距;t0为反应时间,本实施例中取值为1.2s;k0为制动系数,本实施例中取值为0.17;l1为车身长度,本实施例中取值为0.005km;l2为前后车安全车距。
自由速度和车道数的取值如下表:
前后车安全车距的取值如下表:
车速(km) | 安全车距(m) |
v>100 | 110 |
80<v≤100 | 90 |
60<v≤80 | 70 |
40<v≤60 | 50 |
20<v≤40 | 30 |
0<v≤20 | 10 |
在一个具体的实施方式中,根据第一交通数据获取网络和第二交通数据网络获取动态交通数据。通过第一交通数据获取网络,每间隔设定时长对路网交通数据进行一次爬取得到第一原始数据,将所述第一原始数据转换为结构化数据集作为动态交通数据;或者,
通过第二交通数据获取网络,对城市区县范围交通数据进行实时爬取得到第二原始数据,将所述第二原始数据转换为结构化数据集作为动态交通数据。
在一些具体的实施方式中,第一交通数据网络可以为高德地图,第二交通数据网络可以为百度。高德地图交通态势所开放的API,设定所在城市的经纬度区域范围,利用python语言每间隔设定时长对路网交通数据进行一次爬取得到高德原始数据,利用python语言将高德原始数据转换为json格式的文本数据并进行解析,将解析结果转换成适用于数据库存放的结构化数据集作为动态交通数据,动态交通数据中包含linestring类型的经纬度数据。或者,通过百度所开放的交通数据端口,利用python语言对城市区县范围交通数据进行实时爬取得到百度原始数据,利用python语言将百度原始数据转换为json格式的文本数据,并进行解析,将解析结果转换成适用于数据库存放的结构化数据集作为动态交通数据。可选先通过高德地图获取动态交通数据,当获取失败时通过百度获取动态交通数据。图2是根据本发明实施例的动态车流量测算方法测算的动态车流量表格。如图2所示,从左到右的每列数据依次为道路ID、年、月、日、小时、车型、道路类型、车速、车流量。
与现有技术相比,本发明实施例提供的动态车流量测算方法通过第一交通数据网络和第二交通数据网络的数据端口获取动态交通数据,降低了数据获取难度和对设备的要求,不同的数据来源有利于保证动态交通数据获取的稳定性和连续性。
在一个具体的实施方式中,判断动态交通数据是否存在缺失得到第一判断结果。第一判断结果为是,则利用均值插补法对动态交通数据进行填补。判断动态交通数据是否存在异常数据得到第二判断结果。第二判断结果为是,则对异常数据进行修正。本实施例中,动态交通数据为待测道路片段所有车辆的平均车速,所以该数据理论上不能超过该待测道路片段的最高限速。本实施例中,将超过最高限速的车速数据判定为异常值,并利用均值插补法进行异常值的修正。
与现有技术相比,本发明实施例提供的动态车流量测算方法通过对缺失数据进行填补,并对异常数据进行修正,能够提高动态车流量的精度并确保动态车流量的连续性。
在一个具体的实施方式中,根据历史交通数据、交通信息分类表、动态交通数据和动态车流量建立MySQL数据库,MySQL数据库中的数据为csv-wkt格式文本文件。本实施例中,通过MySQL数据库存储历史交通数据、交通信息分类表、动态交通数据和动态车流量,便于数据更新、管理和调用。MySQL数据库中的数据为csv-wkt文本文件,以csv文本文件进行输出,文件名以年月日进行命名,坐标字段以wkt格式进行存储,该文件可直接利用相关GIS软件进行识别,可以很方便的进行数据的统计分析与可视化。
在本实施例中还提供了一种车流量测算装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”为可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明实施例的车流量测算装置的结构框图。如图3所示,本实施例提供一种车流量测算装置,包括:
第一获取模块301,用于获取历史交通数据;
分类模块302,用于建立交通信息分类表,交通信息分类表将一天平均划分为多个子时间段,将道路划分为多个道路类型,将机动车划分为多个车型;
第一系数获取模块303,用于根据历史交通数据计算每个子时间段对应的时段系数;
第二系数获取模块304,用于根据历史交通数据计算每个道路类型对应的道路类型系数;
第三系数获取模块305,用于根据历史交通数据计算每个车型与任一道路类型的组合对应的车型系数;
第二获取模块306,用于获取动态交通数据;
第一测算模块307,用于根据动态交通数据计算基础车流量;
第二测算模块308,用于根据时段系数、道路类型系数和车型系数对基础车流量进行修正,得到动态车流量。
本实施例中的车流量测算装置是以功能单元的形式来呈现,这里的单元是指ASIC电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本发明实施例还提供一种电子设备,具有上述图3所示的一种车流量测算装置。
请参阅图4,图4是本发明实施例提供的电子设备的硬件结构示意图,如图4所示,该终端可以包括:至少一个处理器401,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口403,存储器404,至少一个通信总线402。其中,通信总线402用于实现这些组件之间的连接通信。其中,通信接口403可以包括显示屏(Display)、键盘(Keyboard),可选通信接口403还可以包括标准的有线接口、无线接口。存储器404可以是高速RAM存储器(Random Access Memory,随机存取存储器),也可以是非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。存储器404可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以结合图3所描述的装置,存储器404中存储应用程序,且处理器401调用存储器404中存储的程序代码,以用于执行上述任一动态车流量测算方法。
其中,通信总线402可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线402可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器404可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器404还可以包括上述种类的存储器的组合。
其中,处理器401可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器401还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic,缩写:GAL)或其任意组合。
可选地,存储器404还用于存储程序指令。处理器401可以调用程序指令,实现如本申请图1实施例中所示的动态车流量测算方法。
本发明实施例还提供了一种非暂态计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的动态车流量测算方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种动态车流量测算方法,其特征在于,包括:
获取历史交通数据;
建立交通信息分类表,所述交通信息分类表将一天平均划分为多个子时间段,将道路划分为多个道路类型,将机动车划分为多个车型;
根据所述历史交通数据计算每个所述子时间段对应的时段系数;
根据所述历史交通数据计算每个所述道路类型对应的道路类型系数;
根据所述历史交通数据计算每个所述车型与任一所述道路类型的组合对应的车型系数;
获取动态交通数据;
根据所述动态交通数据计算基础车流量;
根据所述时段系数、所述道路类型系数和所述车型系数对所述基础车流量进行修正,得到动态车流量。
2.根据权利要求1所述的动态车流量测算方法,其特征在于,所述时段系数、所述道路类型系数和所述车型系数的计算公式如下;
其中,p(i)为第i个子时间段对应的时段系数,Qa(i)为所述历史交通数据中第i个子时间段的车流量,子时间段的数量为T个,i、T和t为正整数,Qa(t)为所述历史交通数据中第t个子时间段的车流量,m(j)为第j个道路类型对应的道路类型系数,道路类型的数量为U个,j、U和u为正整数,车型的数量为X个,k、X和x为正整数,Qb(j,x)为所述历史交通数据中第x个车型在第j个道路类型的道路上的车流量,Qb(u,x)为所述历史交通数据中第x个车型在第u个道路类型的道路上的车流量,s(j,k)为第j个车型与第k个道路类型的组合对应的车型系数,Qb(j,k)为所述历史交通数据中第k个车型在第j个道路类型的道路上的车流量,Qb(u,k)为所述历史交通数据中第k个车型在第u个道路类型的道路上的车流量。
4.根据权利要求1所述的动态车流量测算方法,其特征在于,获取动态交通数据包括:
通过第一交通数据获取网络,每间隔设定时长对路网交通数据进行一次爬取得到第一原始数据,将所述第一原始数据转换为结构化数据集作为动态交通数据;或者,
通过第二交通数据获取网络,对城市区县范围交通数据进行实时爬取得到第二原始数据,将所述第二原始数据转换为结构化数据集作为动态交通数据。
5.根据权利要求1所述的动态车流量测算方法,其特征在于,获取动态交通数据之后,还包括:
判断所述动态交通数据是否存在缺失得到第一判断结果;
所述第一判断结果为是,则利用均值插补法对所述动态交通数据进行填补。
6.根据权利要求1所述的动态车流量测算方法,其特征在于,获取动态交通数据之后,还包括:
判断所述动态交通数据是否存在异常数据得到第二判断结果;
所述第二判断结果为是,则对所述异常数据进行修正。
7.根据权利要求1-6任一项所述的动态车流量测算方法,其特征在于,还包括:
根据历史交通数据、交通信息分类表、动态交通数据和动态车流量建立MySQL数据库,所述MySQL数据库中的数据为csv-wkt格式文本文件。
8.一种车流量测算装置,其特征在于,包括:
第一获取模块,用于获取历史交通数据;
分类模块,用于建立交通信息分类表,所述交通信息分类表将一天平均划分为多个子时间段,将道路划分为多个道路类型,将机动车划分为多个车型;
第一系数获取模块,用于根据所述历史交通数据计算每个所述子时间段对应的时段系数;
第二系数获取模块,用于根据所述历史交通数据计算每个所述道路类型对应的道路类型系数;
第三系数获取模块,用于根据所述历史交通数据计算每个所述车型与任一所述道路类型的组合对应的车型系数;
第二获取模块,用于获取动态交通数据;
第一测算模块,用于根据所述动态交通数据计算基础车流量;
第二测算模块,用于根据所述时段系数、所述道路类型系数和所述车型系数对所述基础车流量进行修正,得到动态车流量。
9.一种电子设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行上述权利要求1-7中任一所述的动态车流量测算方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现上述权利要求1-7中任一所述的动态车流量测算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110487993.XA CN113077629B (zh) | 2021-04-30 | 2021-04-30 | 动态车流量测算方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110487993.XA CN113077629B (zh) | 2021-04-30 | 2021-04-30 | 动态车流量测算方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113077629A true CN113077629A (zh) | 2021-07-06 |
CN113077629B CN113077629B (zh) | 2022-01-28 |
Family
ID=76616347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110487993.XA Active CN113077629B (zh) | 2021-04-30 | 2021-04-30 | 动态车流量测算方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113077629B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063991A (zh) * | 2022-04-20 | 2022-09-16 | 深圳市康时源科技有限公司 | 红绿灯切换方法及计算机装置、存储介质、程序产品 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060064234A1 (en) * | 2004-09-17 | 2006-03-23 | Masatoshi Kumagai | Traffic information prediction system |
CN103838971A (zh) * | 2014-03-12 | 2014-06-04 | 中国航天系统工程有限公司 | 一种城市路网动态交通能耗及排放的计算方法 |
CN104851291A (zh) * | 2015-05-02 | 2015-08-19 | 石立公 | 一种实时车道拥堵指数分析系统及其分析方法 |
CN104915726A (zh) * | 2015-05-11 | 2015-09-16 | 四川汇源吉迅数码科技有限公司 | 一种基于时间片划分的车流量数据库生成方法 |
CN106056923A (zh) * | 2016-06-27 | 2016-10-26 | 安徽四创电子股份有限公司 | 基于交通场面雷达的路段交通状态判别方法 |
CN111260933A (zh) * | 2020-02-11 | 2020-06-09 | 北京交通大学 | 用于高分辨率机动车动态排放清单的小时交通量测算方法 |
-
2021
- 2021-04-30 CN CN202110487993.XA patent/CN113077629B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060064234A1 (en) * | 2004-09-17 | 2006-03-23 | Masatoshi Kumagai | Traffic information prediction system |
CN103838971A (zh) * | 2014-03-12 | 2014-06-04 | 中国航天系统工程有限公司 | 一种城市路网动态交通能耗及排放的计算方法 |
CN104851291A (zh) * | 2015-05-02 | 2015-08-19 | 石立公 | 一种实时车道拥堵指数分析系统及其分析方法 |
CN104915726A (zh) * | 2015-05-11 | 2015-09-16 | 四川汇源吉迅数码科技有限公司 | 一种基于时间片划分的车流量数据库生成方法 |
CN106056923A (zh) * | 2016-06-27 | 2016-10-26 | 安徽四创电子股份有限公司 | 基于交通场面雷达的路段交通状态判别方法 |
CN111260933A (zh) * | 2020-02-11 | 2020-06-09 | 北京交通大学 | 用于高分辨率机动车动态排放清单的小时交通量测算方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063991A (zh) * | 2022-04-20 | 2022-09-16 | 深圳市康时源科技有限公司 | 红绿灯切换方法及计算机装置、存储介质、程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN113077629B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105741590B (zh) | 路段预警的方法及系统 | |
CN109697854B (zh) | 多维度的城市道路交通状态评估方法 | |
US11466992B2 (en) | Method, apparatus, device and medium for detecting environmental change | |
CN113077629B (zh) | 动态车流量测算方法、装置、电子设备及存储介质 | |
CN110807926B (zh) | 一种基于混合交通的道路阻抗预测方法及装置 | |
CN111881243B (zh) | 一种出租车轨迹热点区域分析方法及系统 | |
CN109849930A (zh) | 自动驾驶汽车的相邻车辆的速度计算方法和装置 | |
WO2023034141A1 (en) | System and method for monitoring a vehicle | |
CN110853347A (zh) | 一种短时交通路况预测方法、装置及终端设备 | |
CN112562330A (zh) | 评估道路运行指数的方法和装置、电子设备、存储介质 | |
US11428535B2 (en) | System and method for determining a sign type of a road sign | |
CN106980029B (zh) | 车辆超速判断方法及其系统 | |
CN114943380A (zh) | 一种节假日公路交通流量预测方法、系统和存储介质 | |
CN113781543B (zh) | 基于双目相机的限高装置检测方法、系统和智能终端 | |
DE102005023266A1 (de) | Verfahren und Einrichtung zum Verbessern der GPS-Basierten Positionierung von Fahrzeugen auf Strassen | |
CN110926498A (zh) | 车辆里程补偿方法、装置、计算机设备以及程序产品 | |
CN109828270B (zh) | 一种表征地面沉降时序演变的方法 | |
CN109145401A (zh) | 一种计算机动车排放清单的方法、系统及终端设备 | |
CN110569546B (zh) | 交通小区的划分方法及装置 | |
CN109360137B (zh) | 一种车辆事故评估方法、计算机可读存储介质及服务器 | |
CN113282638B (zh) | 一种城建用车识别方法和装置 | |
EP4266190A1 (en) | Electronic map correction method and apparatus, navigation information configuration method and apparatus, and navigation method and apparatus | |
CN114419894B (zh) | 一种路内停车泊位设置与使用监测的方法与系统 | |
CN115166874A (zh) | 基于机器学习的气象干旱指数spi构建方法 | |
CN111583624B (zh) | 基于信息共享的车队组合方法及系统、共享平台、车辆 |
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 |