CN113160559A - 一种基于大数据算法的红绿灯时间匹配系统 - Google Patents

一种基于大数据算法的红绿灯时间匹配系统 Download PDF

Info

Publication number
CN113160559A
CN113160559A CN202110315257.6A CN202110315257A CN113160559A CN 113160559 A CN113160559 A CN 113160559A CN 202110315257 A CN202110315257 A CN 202110315257A CN 113160559 A CN113160559 A CN 113160559A
Authority
CN
China
Prior art keywords
data
traffic light
module
traffic
algorithm
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
CN202110315257.6A
Other languages
English (en)
Inventor
秦冲
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202110315257.6A priority Critical patent/CN113160559A/zh
Publication of CN113160559A publication Critical patent/CN113160559A/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
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles

Abstract

本发明涉及大数据分析技术领域，公开了一种基于大数据算法的红绿灯时间匹配系统，包括数据采集模块、数据提取模块、数据存储模块、数据分析模块和数据应用模块，其特征在于，所述数据采集模块包括动态数据采集和静态数据采集，所述数据存储模块模块用于将提取的动态数据和静态数据存储在数据库中。本发明的系统包括数据采集模块、数据提取模块、数据存储模块、数据分析模块和数据应用模块，从而可以根据不同时间段，人流量以及非机动车通过十字路口的时间，在不同的分时段，对红绿灯设置不同长度的时间，即避免了行人或非机动车等红绿灯时间过长，而产生一部分行人或非机动车闯红灯的现象，以及适时调整箭头灯的指向，改善交通压力。

Description

一种基于大数据算法的红绿灯时间匹配系统
技术领域
本发明涉及大数据分析技术领域，具体是一种基于大数据算法的红绿灯时间匹配系统。
背景技术
当前，大数据作为新一轮工业革命中最为活跃的技术创新要素，正在全面重构全球生产、流通、分配、消费等领域，对全球竞争、国家治理、经济发展、产业转型、社会生活等方面产生全面深刻影响，用数据说话，重视定量分析，也逐渐成为科学研究、企业经营、政府决策等过程着重考虑的问题，其中大数据在交通上也起到重要作用，红绿灯时间匹配不合理将会造成道路拥堵的现象，甚至造成事故。
中国专利公开了一种基于大数据的智慧交通管理系统(授权公告号CN106504522B)，该专利技术以交通行业大数据处理为核心，整合城市交通数据资源，通过大数据处理技术，最终为城市交通行政部门决策和公众出行提供个性化的支持和服务，但是其不能对数据进行有效地发掘和分析，进而不能很好地调整红绿灯的时间段以及箭头灯的指向，进而不能有效地解决路口拥堵的问题。
发明内容
本发明的目的在于提供一种基于大数据算法的红绿灯时间匹配系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于大数据算法的红绿灯时间匹配系统，包括数据采集模块、数据提取模块、数据存储模块、数据分析模块和数据应用模块，所述数据采集模块包括动态数据采集和静态数据采集，所述动态数据采集用于采集车流数据、车型数据、车速数据、行人数量和速度数据以及非机动车种类、数量和速度数据，经过整合后存储在数据存储模块中，所述静态数据采集用于采集路段信息和设施信息，并射成RDF数据存储在数据存储模块中，所述数据提取模块用于提取动态数据和静态数据中的有用信息数据，所述数据存储模块模块用于将提取的动态数据和静态数据存储在数据库中，所述数据分析模块用于对存储的数据进行分析，确定红绿灯路口的车流数据、车型数据、车速数据、行人数量和速度数据以及非机动车种类、数量和速度数据最大值、最小值和平均值，并按照工作日、休息日、节假日进行对比，同时进行同比和环比对比分析，所述数据应用模块用于自动匹配红绿灯的时间段以及箭头灯的指向。
作为本发明再进一步的方案：所述数据分析模块包括数据清洗、关联分析、聚类分析和OD算法，所述数据清洗用于去除错误的数据、补全缺失的数据、修改逻辑错误的数据以及去除异常的数据，所述关联分析用于分析不同数据信息之间的联系，所述聚类分析用于按照数据的相似性和差异性，将数据划分成若干个子集，发现其特征及分布，从而匹配红绿灯的时间，所述OD算法用于统计不同时段路口放行时，第一辆车和最后一辆车通过路口所需的时间。
作为本发明再进一步的方案：所述数据提取模块设置有三种提取模式，分别为从单张数据库中按条件提取数据、跨表提取数据以及通过优化嵌套、筛选逻辑层次和遍历次数提取数据。
作为本发明再进一步的方案：所述路段信息包括路段的长度、交叉口数量、限速标准和车道数量，所述设施信息包括红绿灯数量、测速设备以及违规拍照设备。
作为本发明再进一步的方案：所述数据应用模块包括固定报表、实时分析、数据服务和数据挖掘，从而判断个体车辆行为、群体车辆行为、行程时间估算、流量预测和数据查询，匹配红绿灯时间段，最终实现分流的目的，改善交通压力。
作为本发明再进一步的方案：所述数据挖掘用于挖掘分析不同数据的特征，找出不同数据之间的联系，比如非机动车或行人闯红灯，进而导致了机动车通行变慢，无法按时通过路口，甚至引发事故，通过计算闯红灯的概率、数量和次数，分析红绿灯设置的时间间隔是否合理，进而调整红绿灯的时间间隔。
作为本发明再进一步的方案：所述数据挖掘的流程包括参数输入、提出目标、提示、方法选择和模样选择，通过提出目标和数据库进行数据选择，数据选择并经过提示后进行预处理，经过预处理后的数据并结合方法选择得到模样发现，模样发现并结合模样选择最终得出解释评价，实现数据的挖掘。
与现有技术相比，本发明的有益效果：
本发明的系统包括数据采集模块、数据提取模块、数据存储模块、数据分析模块和数据应用模块，其中数据分析模块包括数据清洗、关联分析、聚类分析和OD算法，数据应用模块包括固定报表、实时分析、数据服务和数据挖掘，从而可以根据不同时间段，人流量以及非机动车通过十字路口的时间，在不同的分时段，对红绿灯设置不同长度的时间，即避免了行人或非机动车等红绿灯时间过长，而产生一部分行人或非机动车闯红灯的现象，又避免了机动车等红绿灯时间过长，造成道路严重拥挤,以及适时调整箭头灯的指向，实现分流的目的，改善交通压力，可以根据路段的长度、交叉口数量、限速标准和车道数量，计算正常通行时，机动车通过这段路口所需的时间，堵车时，机动车通过这段路口所需的时间，以及早晚高峰时、工作日、休息日、节假日以及不同的季节、天气情况，行人和非机动车通过路口时所需的时间，从而尽可能地保证第一辆机动车达到下一个路口时，该路口的红绿灯由黄灯变为绿灯，以满足更多的车通过该路口，改善交通压力。
附图说明
图1为一种基于大数据算法的红绿灯时间匹配系统的结构示意图；
图2为一种基于大数据算法的红绿灯时间匹配系统的流程示意图；
图3为一种基于大数据算法的红绿灯时间匹配系统中数据采集模块的组成示意图；
图4为一种基于大数据算法的红绿灯时间匹配系统中数据挖掘的流程示意图。
具体实施方式
请参阅图1～4，本发明实施例中，一种基于大数据算法的红绿灯时间匹配系统，包括数据采集模块、数据提取模块、数据存储模块、数据分析模块和数据应用模块，数据采集模块包括动态数据采集和静态数据采集，动态数据采集用于采集车流数据、车型数据、车速数据、行人数量和速度数据以及非机动车种类、数量和速度数据，经过整合后存储在数据存储模块中，静态数据采集用于采集路段信息和设施信息，并射成RDF数据存储在数据存储模块中，数据提取模块用于提取动态数据和静态数据中的有用信息数据，数据存储模块模块用于将提取的动态数据和静态数据存储在数据库中，数据分析模块用于对存储的数据进行分析，确定红绿灯路口的车流数据、车型数据、车速数据、行人数量和速度数据以及非机动车种类、数量和速度数据最大值、最小值和平均值，并按照工作日、休息日、节假日进行对比，同时进行同比和环比对比分析，数据应用模块用于自动匹配红绿灯的时间段以及箭头灯的指向。
在图1中：数据分析模块包括数据清洗、关联分析、聚类分析和OD算法，数据清洗用于去除错误的数据、补全缺失的数据、修改逻辑错误的数据以及去除异常的数据，关联分析用于分析不同数据信息之间的联系，聚类分析用于按照数据的相似性和差异性，将数据划分成若干个子集，发现其特征及分布，从而匹配红绿灯的时间，OD算法用于统计不同时段路口放行时，第一辆车和最后一辆车通过路口所需的时间。
在图3中：数据提取模块设置有三种提取模式，分别为从单张数据库中按条件提取数据、跨表提取数据以及通过优化嵌套、筛选逻辑层次和遍历次数提取数据。
在图1中：路段信息包括路段的长度、交叉口数量、限速标准和车道数量，设施信息包括红绿灯数量、测速设备以及违规拍照设备。
在图1中：数据应用模块包括固定报表、实时分析、数据服务和数据挖掘，从而判断个体车辆行为、群体车辆行为、行程时间估算、流量预测和数据查询，匹配红绿灯时间段，最终实现分流的目的，改善交通压力。
在图1中：数据挖掘用于挖掘分析不同数据的特征，找出不同数据之间的联系，比如非机动车或行人闯红灯，进而导致了机动车通行变慢，无法按时通过路口，甚至引发事故，通过计算闯红灯的概率、数量和次数，分析红绿灯设置的时间间隔是否合理，进而调整红绿灯的时间间隔。
在图4中：数据挖掘的流程包括参数输入、提出目标、提示、方法选择和模样选择，通过提出目标和数据库进行数据选择，数据选择并经过提示后进行预处理，经过预处理后的数据并结合方法选择得到模样发现，模样发现并结合模样选择最终得出解释评价，实现数据的挖掘。
以上所述的，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于大数据算法的红绿灯时间匹配系统，包括数据采集模块、数据提取模块、数据存储模块、数据分析模块和数据应用模块，其特征在于，所述数据采集模块包括动态数据采集和静态数据采集，所述动态数据采集用于采集车流数据、车型数据、车速数据、行人数量和速度数据以及非机动车种类、数量和速度数据，经过整合后存储在数据存储模块中，所述静态数据采集用于采集路段信息和设施信息，并射成RDF数据存储在数据存储模块中，所述数据提取模块用于提取动态数据和静态数据中的有用信息数据，所述数据存储模块模块用于将提取的动态数据和静态数据存储在数据库中，所述数据分析模块用于对存储的数据进行分析，确定红绿灯路口的车流数据、车型数据、车速数据、行人数量和速度数据以及非机动车种类、数量和速度数据最大值、最小值和平均值，并按照工作日、休息日、节假日进行对比，同时进行同比和环比对比分析，所述数据应用模块用于自动匹配红绿灯的时间段以及箭头灯的指向。
2.根据权利要求1所述的一种基于大数据算法的红绿灯时间匹配系统，其特征在于，所述数据分析模块包括数据清洗、关联分析、聚类分析和OD算法，所述数据清洗用于去除错误的数据、补全缺失的数据、修改逻辑错误的数据以及去除异常的数据，所述关联分析用于分析不同数据信息之间的联系，所述聚类分析用于按照数据的相似性和差异性，将数据划分成若干个子集，发现其特征及分布，从而匹配红绿灯的时间，所述OD算法用于统计不同时段路口放行时，第一辆车和最后一辆车通过路口所需的时间。
3.根据权利要求1所述的一种基于大数据算法的红绿灯时间匹配系统，其特征在于，所述数据提取模块设置有三种提取模式，分别为从单张数据库中按条件提取数据、跨表提取数据以及通过优化嵌套、筛选逻辑层次和遍历次数提取数据。
4.根据权利要求1所述的一种基于大数据算法的红绿灯时间匹配系统，其特征在于，所述路段信息包括路段的长度、交叉口数量、限速标准和车道数量，所述设施信息包括红绿灯数量、测速设备以及违规拍照设备。
5.根据权利要求1所述的一种基于大数据算法的红绿灯时间匹配系统，其特征在于，所述数据应用模块包括固定报表、实时分析、数据服务和数据挖掘，从而判断个体车辆行为、群体车辆行为、行程时间估算、流量预测和数据查询，匹配红绿灯时间段，最终实现分流的目的，改善交通压力。
6.根据权利要求1所述的一种基于大数据算法的红绿灯时间匹配系统，其特征在于，所述数据挖掘用于挖掘分析不同数据的特征，找出不同数据之间的联系。
7.根据权利要求6所述的一种基于大数据算法的红绿灯时间匹配系统，其特征在于，所述数据挖掘的流程包括参数输入、提出目标、提示、方法选择和模样选择，通过提出目标和数据库进行数据选择，数据选择并经过提示后进行预处理，经过预处理后的数据并结合方法选择得到模样发现，模样发现并结合模样选择最终得出解释评价，实现数据的挖掘。
CN202110315257.6A 2021-03-24 2021-03-24 一种基于大数据算法的红绿灯时间匹配系统 Pending CN113160559A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110315257.6A CN113160559A (zh) 2021-03-24 2021-03-24 一种基于大数据算法的红绿灯时间匹配系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110315257.6A CN113160559A (zh) 2021-03-24 2021-03-24 一种基于大数据算法的红绿灯时间匹配系统

Publications (1)

Publication Number Publication Date
CN113160559A true CN113160559A (zh) 2021-07-23

Family

ID=76884612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110315257.6A Pending CN113160559A (zh) 2021-03-24 2021-03-24 一种基于大数据算法的红绿灯时间匹配系统

Country Status (1)

Country Link
CN (1) CN113160559A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745604A (zh) * 2014-01-27 2014-04-23 北京大学 一种人性化高效率行人过街设施及其控制方法
CN103942968A (zh) * 2014-04-22 2014-07-23 南京大学镇江高新技术研究院 一种基于交通流感知的智能交通灯调度系统及其调度方法
CN106355885A (zh) * 2016-11-24 2017-01-25 深圳市永达电子信息股份有限公司 基于大数据分析平台的交通信号动态控制方法及系统
CN107507433A (zh) * 2017-09-25 2017-12-22 南京律智诚专利技术开发有限公司 一种大数据分析动态交通信号系统的控制方法
CN112216106A (zh) * 2020-09-24 2021-01-12 武汉飞创智慧科技有限公司 基于bim技术的智能交通管理系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745604A (zh) * 2014-01-27 2014-04-23 北京大学 一种人性化高效率行人过街设施及其控制方法
CN103942968A (zh) * 2014-04-22 2014-07-23 南京大学镇江高新技术研究院 一种基于交通流感知的智能交通灯调度系统及其调度方法
CN106355885A (zh) * 2016-11-24 2017-01-25 深圳市永达电子信息股份有限公司 基于大数据分析平台的交通信号动态控制方法及系统
CN107507433A (zh) * 2017-09-25 2017-12-22 南京律智诚专利技术开发有限公司 一种大数据分析动态交通信号系统的控制方法
CN112216106A (zh) * 2020-09-24 2021-01-12 武汉飞创智慧科技有限公司 基于bim技术的智能交通管理系统

Similar Documents

Publication Publication Date Title
CN108364467B (zh) 一种基于改进型决策树算法的路况信息预测方法
Xu et al. Identifying urban traffic congestion pattern from historical floating car data
CN109191830B (zh) 一种基于视频图像处理的道路拥堵检测方法
CN110570658A (zh) 基于层次聚类的路口异常车辆轨迹识别分析方法
CN108665715B (zh) 一种路口智能交通研判和信号优化方法
CN110363985B (zh) 一种交通数据分析方法、装置、存储介质及设备
CN108877244B (zh) 一种基于动态数据的公交车辆交叉口运行瓶颈判别方法
CN111640304B (zh) 面向连续流交通设施的交通拥堵传播特征自动化量化提取方法
CN111768619A (zh) 一种基于卡口数据的快速路车辆od点确定方法
CN106297304A (zh) 一种基于MapReduce面向大规模卡口数据的套牌车识别方法
CN112188167B (zh) 基于5g边云计算的视频浓缩萃取精炼升华的方法和系统
CN114048277A (zh) 一种高速公路智能稽查追逃系统
CN113868492A (zh) 一种基于电警、卡口数据的可视化od分析方法及应用
CN112016735A (zh) 一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质
Mystakidis et al. Big data mining for smart cities: predicting traffic congestion using classification
Meng et al. Expressway crash prediction based on traffic big data
CN113487877A (zh) 一种道路车辆违规停车监控方法
CN114647684A (zh) 基于stacking算法的流量预测方法、装置及相关设备
Blumer et al. Cost-effective single-camera multi-car parking monitoring and vacancy detection towards real-world parking statistics and real-time reporting
Li et al. Analysis and prediction of intersection traffic violations using automated enforcement system data
CN114267173A (zh) 高速公路时空特征的多源数据融合方法、装置及设备
CN113160559A (zh) 一种基于大数据算法的红绿灯时间匹配系统
CN109471907B (zh) 一种基于卡口数据的行车规律分析系统和方法
Zhao et al. A machine learning based approach for predicting usage efficiency of shared e-scooters using vehicle availability data
CN109633716B (zh) 基于gps的城市配送车辆出行链及其特征识别方法与设备

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

Application publication date: 20210723

RJ01 Rejection of invention patent application after publication