CN113178068B - 一种基于浮动车的道路拥堵指数计算方法及系统 - Google Patents
一种基于浮动车的道路拥堵指数计算方法及系统 Download PDFInfo
- Publication number
- CN113178068B CN113178068B CN202110356136.6A CN202110356136A CN113178068B CN 113178068 B CN113178068 B CN 113178068B CN 202110356136 A CN202110356136 A CN 202110356136A CN 113178068 B CN113178068 B CN 113178068B
- Authority
- CN
- China
- Prior art keywords
- road section
- road
- rci
- congestion index
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 10
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims 2
- 230000019771 cognition Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于浮动车的道路拥堵指数计算方法及系统,该系统由浮动车数据模块、中央处理模块、交通指数预处理模块、交通指数确定模块、可视化显示系统组成。系统以浮动车数据为基础,将路段分为快速路、主干路、次干路、支路四类,通过路段平均车速对其交通指数分别进行标定,同时算法考虑了路段缺失浮动车时的速度计算,更加符合路段实际运行情况,本发明算法精度高,可以准确识别道路交通运行状况,为交通规划和管理者提供科学的决策依据。
Description
技术领域
本发明属于交通状态识别领域,尤其涉及一种基于浮动车的道路拥堵指数计算方法及系统。
背景技术
随着社会经济的快速发展,汽车保有量近年来保持快速增长,交通出行不断增加,出行者对路段交通状态愈发关注,因此,对路段交通状态识别是近年来交通领域的热点研究问题。传统交通管理者为了对路段交通状态进行定性化分析,引入了道路拥堵指数(也称交通指数)的概念,用于描述道路交通运行状态,但无法进行直接计算,因此,其实际应用价值不大。在实际应用中,如何利用交通参数对路段交通指数进行计算和分析是本发明的重点内容,同时,城市道路不同类型路段的交通运行状态需进行考虑。
发明内容
本发明的主要目的是,旨在提供一种依据路段车速进行道路拥堵指数的计算算法,同时考虑不同类型路段的差异性,以提升出行者对路段运行情况的认知。
该系统由浮动车数据模块、中央处理模块、拥堵指数预处理模块、拥堵指数计算模块、可视化显示模块组成;所述浮动车数据模块由浮动车、GPS定位系统、数据传输系统组成,浮动车为安装GPS定位系统的出租车和网约车车辆,GPS定位系统实时收集车辆经纬度坐标、时间、车型、上下客状态、公司代码、方向角信息,通过数据传输系统将信号传送到中央处理模块,数据传输系统由信号发射器、接收天线组成。
所述中央处理模块由CPU、存储器组成,CPU接收浮动车数据模块的信息数据,并对数据进行计算和处理,存储器由硬盘组成,对数据进行存储,同时存储器包含路段基础数据信息、子片区范围信息,包括路段ID,路段长度,路段类型(分为快速路、主干路、次干路、支路)及路段经纬度坐标;CPU将浮动车数据系统的信息数据与路段经纬度坐标进行匹配,对车辆所在路段进行识别和判断,并将匹配信息传送到拥堵指数预处理模块、拥堵指数计算模块。
所述拥堵指数预处理模块负责计算路段平均车速,其算法如下:
当计算时间段为第T个计算周期且路段存在行驶车辆时,则第T计算周期内的路段平均车速为
式中,为路段第T个时间周期内的平均车速,/>为第/>辆车的行驶路程,/>为第i辆车的行驶时间,n为该时间内的总车辆数
当计算时间段为第T个计算周期且路段不存在行驶车辆时,则T时段内的路段平均车速为
式中,为路段第T个时间周期内的平均车速,/>为路段第T个时间周期内的历史平均车速,/>为路段第T-1个时间周期内的平均车速,/>为路段第T-2个时间周期内的平均车速,/>为路段第T-3个时间周期内的平均车速。
所述拥堵指数确定模块根据所求路段平均车速及道路等级确定路段及子片区拥堵指数,路段拥堵指数(RCI)计算方法如下,当路段为快速路时:
当路段为主干路时:
当路段为次干路及支路时:
R
式中,CI为路段拥堵指数,V为路段平均速度,当所计算区域为子片区时,子片区拥堵指数(DCI)计算方法为:
式中,DCI为子片区拥堵指数,为第i段快速路路段拥堵指数,/>为第j段快主干路段拥堵指数,/>为第k段次干路和支路路段拥堵指数,/>、/>、/>分别为参数,当快速路里程占总里程小于等于5%时,参数数值分别为0.38、0.34、0.28,当快速路里程占总里程大于5%小于等于10%时,参数数值分别为0.45、0.36、0.19,当快速路里程占总里程大于15%时,参数数值分别为0.50、0.32、0.18,拥堵等级根据拥堵指数共分为5个等级,包括:畅通[0-2)、基本畅通[2-4)、轻度拥堵[4-6)、中度拥堵[6-8)、严重拥堵[8-10)。
所述可视化显示系统由显示器、鼠标、键盘组成,可由键盘输入路段ID对路段和子片区拥堵指数进行查询,显示器包含所查询路段ID、道路名称、运行车速、路段拥堵指数、子片区拥堵指数及拥堵等级。
附图说明
图1为本发明提供的一种基于浮动车的道路拥堵指数计算方法及系统的系统框图。
具体实施方式
本发明的主要目的是,旨在提供一种依据路段车速进行道路拥堵指数的计算算法,同时考虑不同类型路段的差异性,以提升出行者对路段运行情况的认知。
该系统由浮动车数据模块、中央处理模块、拥堵指数预处理模块、拥堵指数计算模块、可视化显示模块组成;所述浮动车数据模块由浮动车、GPS定位系统、数据传输系统组成,浮动车为安装GPS定位系统的出租车和网约车车辆,GPS定位系统实时收集车辆经纬度坐标、时间、车型、上下客状态、公司代码、方向角信息,通过数据传输系统将信号传送到中央处理模块,数据传输系统由信号发射器、接收天线组成。
所述中央处理模块由CPU、存储器组成,CPU接收浮动车数据模块的信息数据,并对数据进行计算和处理,存储器由硬盘组成,对数据进行存储,同时存储器包含路段基础数据信息、子片区范围信息,包括路段ID,路段长度,路段类型(分为快速路、主干路、次干路、支路)及路段经纬度坐标;CPU将浮动车数据系统的信息数据与路段经纬度坐标进行匹配,对车辆所在路段进行识别和判断,并将匹配信息传送到拥堵指数预处理模块、拥堵指数计算模块。
所述拥堵指数预处理模块负责计算路段平均车速,其算法如下:
当计算时间段为第T个计算周期且路段存在行驶车辆时,则第T计算周期内的路段平均车速为
式中,为路段第T个时间周期内的平均车速,/>为第/>辆车的行驶路程,/>为第i辆车的行驶时间,n为该时间内的总车辆数
当计算时间段为第T个计算周期且路段不存在行驶车辆时,则T时段内的路段平均车速为
式中,为路段第T个时间周期内的平均车速,/>为路段第T个时间周期内的历史平均车速,/>为路段第T-1个时间周期内的平均车速,/>为路段第T-2个时间周期内的平均车速,/>为路段第T-3个时间周期内的平均车速。
所述拥堵指数确定模块根据所求路段平均车速及道路等级确定路段及子片区拥堵指数,路段拥堵指数(RCI)计算方法如下,当路段为快速路时:
当路段为主干路时:
当路段为次干路及支路时:
R
式中,CI为路段拥堵指数,V为路段平均速度,当所计算区域为子片区时,子片区拥堵指数(DCI)计算方法为:
式中,DCI为子片区拥堵指数,为第i段快速路路段拥堵指数,/>为第j段快主干路段拥堵指数,/>为第k段次干路和支路路段拥堵指数,/>、/>、/>分别为参数,当快速路里程占总里程小于等于5%时,参数数值分别为0.38、0.34、0.28,当快速路里程占总里程大于5%小于等于10%时,参数数值分别为0.45、0.36、0.19,当快速路里程占总里程大于15%时,参数数值分别为0.50、0.32、0.18,拥堵等级根据拥堵指数共分为5个等级,包括:畅通[0-2)、基本畅通[2-4)、轻度拥堵[4-6)、中度拥堵[6-8)、严重拥堵[8-10)。
所述可视化显示系统由显示器、鼠标、键盘组成,可由键盘输入路段ID对路段和子片区拥堵指数进行查询,显示器包含所查询路段ID、道路名称、运行车速、路段拥堵指数、子片区拥堵指数及拥堵等级。
车辆行驶在路段上时,浮动车数据模块实时收集车辆地理位置、行驶时间信息,通过数据传输系统将信号传送到中央处理模块。中央处理模块根据平均速度计算公式计算路段的平均速度,同时自动查询路段类型,若路段为快速路,则根据快速路拥堵指数算法进行计算,若为主干路,则根据主干路拥堵指数算法进行计算,若为次干路或支路,则根据次干路、支路拥堵指数算法进行计算,同时根据拥堵指数确定该路段的路段拥堵等级,若为子片区则根据子片区拥堵指数计算子片区拥堵指数,系统支持输入设备如键盘在线查询,输入设备可输入路段ID,系统通过输入ID与路段ID匹配后进行查询,显示器显示所查询路段ID、道路名称、运行车速、路段拥堵指数、子片区拥堵指数及拥堵等级。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (3)
1.一种基于浮动车的道路拥堵指数计算系统,其特征在于,该系统由浮动车数据模块、中央处理模块、拥堵指数预处理模块、拥堵指数计算模块、可视化显示模块组成;所述浮动车数据模块由浮动车、GPS定位系统、数据传输系统组成,浮动车为安装GPS定位系统的出租车和网约车车辆,GPS定位系统实时收集车辆经纬度坐标、时间、车型、上下客状态、公司代码、方向角信息,通过数据传输系统将信号传送到中央处理模块,数据传输系统由信号发射器、接收天线组成;
所述中央处理模块由CPU、存储器组成,同时存储器包含路段基础数据信息、子片区范围信息,包括路段ID,路段长度,路段类型及路段经纬度坐标,路段类型包括快速路、主干路、次干路、支路;
当所计算区域为子片区时,子片区拥堵指数计算方法为:
式中,DCI为子片区拥堵指数,RCI1,i为第i段快速路路段拥堵指数,RCI2,j为第j段快主干路段拥堵指数,RCI3,k为第k段次干路和支路路段拥堵指数,α、β、γ分别为参数,当快速路里程占总里程小于等于5%时,参数数值分别为0.38、0.34、0.28,当快速路里程占总里程大于5%小于等于10%时,参数数值分别为0.45、0.36、0.19,当快速路里程占总里程大于15%时,参数数值分别为0.50、0.32、0.18;
所述拥堵指数预处理模块负责计算路段平均车速,其算法如下:
当计算时间段为第T个计算周期且路段存在行驶车辆时,则第T计算周期内的路段平均车速为
式中,为路段第T个时间周期内的平均车速,Li为第i辆车的行驶路程,Ti为第i辆车的行驶时间,n为该时间内的总车辆数
当计算时间段为第T个计算周期且路段不存在行驶车辆时,则T时段内的路段平均车速为
式中,为路段第T个时间周期内的平均车速,/>为路段第T个时间周期内的历史平均车速,/>为路段第T-1个时间周期内的平均车速,/>为路段第T-2个时间周期内的平均车速,/>为路段第T-3个时间周期内的平均车速;
所述拥堵指数计算模块根据所求路段平均车速及道路等级确定路段及子片区拥堵指数,路段拥堵指数计算方法如下,当路段为快速路时:
RCI=10V∈[0,5)
RCI=10-log2(3/7V-8/7)V∈[5,12)
RCI=10-log2(V-8)V∈[12,24)
RCI=10-log2(4V-80)V∈[24,36)
RCI=10-log2(16V-512)V∈[36,48)
RCI=10-log2(64V-2816)V∈[48,60)
RCI=0V∈[60,+∞)
当路段为主干路时:
RCI=10V∈[0,5)
RCI=10-log2(V-4)V∈[5,8)
RCI=10-log2(1.5V-8)V∈[8,16)
RCI=10-log2(6V-80)V∈[16,24)
RCI=10-log2(24V-512)V∈[24,32)
RCI=10-log2(96V-2816)V∈[32,40)
RCI=0V∈[40,+∞)
当路段为次干路及支路时:
RCI=10V∈[0,5)
RCI=-0.4V+12V∈[5,10)
RCI=-0.2V+10V∈[10,30)
RCI=-0.4V+16V∈[30,40)
RCI=0V∈[40,+∞)
式中,RCI为路段拥堵指数,CI为路段拥堵指数,V为路段平均速度。
2.根据权利要求1所述的一种基于浮动车的道路拥堵指数计算系统,其特征在于,所述CPU接收浮动车数据模块的信息数据,并对数据进行计算和处理,存储器由硬盘组成,对数据进行存储;CPU将浮动车数据系统的信息数据与路段经纬度坐标进行匹配,对车辆所在路段进行识别和判断,并将匹配信息传送到拥堵指数预处理模块、拥堵指数计算模块。
3.根据权利要求1所述的一种基于浮动车的道路拥堵指数计算系统,其特征在于:所述可视化显示模块由显示器、鼠标、键盘组成,可由键盘输入路段ID对路段和子片区拥堵指数进行查询,显示器包含所查询路段ID、道路名称、运行车速、路段拥堵指数、子片区拥堵指数及拥堵等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110356136.6A CN113178068B (zh) | 2021-04-01 | 2021-04-01 | 一种基于浮动车的道路拥堵指数计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110356136.6A CN113178068B (zh) | 2021-04-01 | 2021-04-01 | 一种基于浮动车的道路拥堵指数计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113178068A CN113178068A (zh) | 2021-07-27 |
CN113178068B true CN113178068B (zh) | 2024-03-19 |
Family
ID=76922964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110356136.6A Active CN113178068B (zh) | 2021-04-01 | 2021-04-01 | 一种基于浮动车的道路拥堵指数计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113178068B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808388A (zh) * | 2021-08-03 | 2021-12-17 | 珠海市规划设计研究院 | 综合考虑小汽车和公共交通运行的交通拥堵分析方法 |
CN115527382B (zh) * | 2022-09-08 | 2023-04-18 | 安徽交控信息产业有限公司 | 一种基于智能多目标优化算法的交通控制方法 |
CN115527372B (zh) * | 2022-11-29 | 2023-04-07 | 湖南工商大学 | 一种基于全局最优的智能交通实时诱导可变信息系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139645A (zh) * | 2015-07-23 | 2015-12-09 | 合肥革绿信息科技有限公司 | 一种基于浮动车技术的城市区域路网运行指数评估方法 |
CN107564279A (zh) * | 2017-08-09 | 2018-01-09 | 重庆市市政设计研究院 | 一种基于浮动车数据的交通指数计算方法及系统 |
CN110599771A (zh) * | 2019-09-18 | 2019-12-20 | 京东城市(北京)数字科技有限公司 | 交通信息确定方法以及交通污染排放预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5662959B2 (ja) * | 2012-03-21 | 2015-02-04 | アイシン・エィ・ダブリュ株式会社 | 交通情報作成装置、交通情報作成方法及びプログラム |
-
2021
- 2021-04-01 CN CN202110356136.6A patent/CN113178068B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139645A (zh) * | 2015-07-23 | 2015-12-09 | 合肥革绿信息科技有限公司 | 一种基于浮动车技术的城市区域路网运行指数评估方法 |
CN107564279A (zh) * | 2017-08-09 | 2018-01-09 | 重庆市市政设计研究院 | 一种基于浮动车数据的交通指数计算方法及系统 |
CN110599771A (zh) * | 2019-09-18 | 2019-12-20 | 京东城市(北京)数字科技有限公司 | 交通信息确定方法以及交通污染排放预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113178068A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113178068B (zh) | 一种基于浮动车的道路拥堵指数计算方法及系统 | |
CN101373559B (zh) | 基于浮动车数据评估城市路网交通状态的方法 | |
Zhao et al. | Truck traffic speed prediction under non-recurrent congestion: Based on optimized deep learning algorithms and GPS data | |
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
US7755509B2 (en) | Use of pattern matching to predict actual traffic conditions of a roadway segment | |
GB2589031A (en) | A speed curve for assisting automated driving based on driving comfort | |
CN104699956A (zh) | 一种基于移动终端的干线绿波协调效果评估方法 | |
CN109003453B (zh) | 基于支持向量机的浮动车路段平均速度短时预测方法 | |
CN110675626B (zh) | 基于多维数据的交通事故黑点预测方法、装置及介质 | |
CN103440422A (zh) | 一种基于带时间窗的到站时间预测的公交晚点恢复方法 | |
CN111583628B (zh) | 基于数据质量控制的道路网重型货车交通流量预测方法 | |
CN112613225B (zh) | 一种基于神经网络元胞传输模型的交叉口交通状态预测方法 | |
CN107564279A (zh) | 一种基于浮动车数据的交通指数计算方法及系统 | |
CN105096590B (zh) | 交通信息生成方法和交通信息生成设备 | |
CN109147358B (zh) | 一种山区高速公路降雨环境预警系统及方法 | |
CN106971535A (zh) | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 | |
CN114363316A (zh) | 一种跨区域道路基础设施智能联网监测与监管系统 | |
CN103778784A (zh) | 基于手机数据实时获取高速公路路段交通状态信息的方法 | |
CN106600030B (zh) | 一种基于路网行程时间可靠性的出行预留时间计算方法 | |
Wang et al. | ARIMA model and few-shot learning for vehicle speed time series analysis and prediction | |
Chiguma | Analysis of side friction impacts on urban roads: Case study Dar-es-Salaam | |
CN113570860B (zh) | 针对轨迹数据的城市道路交通状态精细划分与识别的方法 | |
CN108564793A (zh) | 一种基于rfid电子车牌数据的行程时间预测方法 | |
Tin et al. | Measuring similarity between vehicle speed records using dynamic time warping | |
Xiong | Data Acquisition and Mining Algorithm of Car Networking under Big Data Background. |
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 |