CN113192342B - 基于浮动车数据的城市道路自由流状态百分位车速确定方法 - Google Patents
基于浮动车数据的城市道路自由流状态百分位车速确定方法 Download PDFInfo
- Publication number
- CN113192342B CN113192342B CN202110460950.2A CN202110460950A CN113192342B CN 113192342 B CN113192342 B CN 113192342B CN 202110460950 A CN202110460950 A CN 202110460950A CN 113192342 B CN113192342 B CN 113192342B
- Authority
- CN
- China
- Prior art keywords
- data
- percentile
- speed
- floating car
- road
- 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
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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于浮动车数据的城市道路自由流状态百分位车速确定方法,所述的方法包括步骤如下:S1:对城市路网数据进行预处理;S2:获取浮动车数据,通过浮动车地理位置信息与预处理后的城市路网数据进行地图匹配;S3:分别计算每日高峰时段和非高峰时段百分位速度;S4:根据每日两个时段百分位速度计算自由流百分位速度。本发明能有效剔除浮动车数据中的道路拥挤车速数据,得到道路中自由流的百分位车速数据,使得浮动车数据用于道路功能定位和限速标准制订。
Description
技术领域
本发明涉及城市道路交通安全技术领域,更具体地,涉及一种基于浮动车数据的城市道路自由流状态百分位车速确定方法。
背景技术
随着经济快速发展,城市道路不断增加,机动车保有量不断增加,为保障安全畅通出行,国家不断出台规范标准对新道路进行管理,而一些已建设道路安全管理往往并不符合最新标准规范,具体如功能定位、最高限速标准就存在争议。
道路上车辆的自由流百分位速度可以反映道路的功能定位和通行效率,通常可作为最高限速标准,在实践中许多国家以自由流85%位车速或90%位车速作为路段最高限速,用于道路安全管理。
此外,先前对自由流百分位速度的测算通常采用人工采集统计,雷达区间测速等方法,在时间和空间上都有局限性,覆盖面不全。已有研究表明来自于出租汽车的浮动车数据可反映道路交通状况,同时出租汽车一般出行时间没有限制,覆盖空间遍及路网,这使得浮动车数据覆盖性较好,但由于其同时包括道路在拥挤状态与畅行状态下的所有车速数据,不能直接用来计算道路上的自由流百分位速度,需要剔除道路拥挤时的数据。
发明内容
本发明为克服上述现有技术采用人工采集统计,雷达区间测速等方法在时间和空间上存在局限性、覆盖面不全的问题,提供了一种基于浮动车数据的城市道路自由流状态百分位车速确定方法,能有效剔除浮动车数据中的道路拥挤车速数据,得到道路中自由流的百分位车速数据,使得浮动车数据用于道路功能定位和限速标准制订。
为解决上述技术问题,本发明的技术方案如下:
一种基于浮动车数据的城市道路自由流状态百分位车速确定方法,所述的方法包括步骤如下:
S1:对城市路网数据进行预处理;
S2:获取浮动车数据,通过浮动车地理位置信息与预处理后的城市路网数据进行地图匹配;
S3:分别计算每日高峰时段和非高峰时段百分位速度;
S4:根据每日两个时段百分位速度计算自由流百分位速度。
优选地,步骤S1,具体地,载入城市路网数据,将城市道路划分路段,每一个路段起讫点为交叉口或交织区,同时对应城市路网中独立的路段ID,同时需要对路段数据进行筛选,排除受道路工程条件、路侧干扰程度过大的不可靠数据。
进一步地,步骤S2,具体地,从出租汽车GPS中获取浮动车数据,通过浮动车地理位置信息与城市路网数据进行地图匹配,使得每条浮动车数据都归属于特定路段ID,同时根据路段ID,对特定道路中的所有浮动车数据进行预处理,剔除异常数据。
再进一步地,所述的异常数据包括信息不完整的数据、时间异常的数据、经纬度异常的数据、速度异常的数据、有效性异常的数据。
再进一步地,所述的信息不完整的数据定义如下:若所述的浮动车数据中的浮动车号、具体时间、经纬度、速度、数据有效性几种信息中任意一种或多种信息缺失,则认为信息不完整的数据。
再进一步地,所述的时间异常的数据定义如下:若浮动车数据的时间信息字段发生跳变,则认为时间异常的数据。
再进一步地,所述的经纬度异常的数据的定义如下:若浮动车超出城市地图路网经纬度,则认为经纬度异常的数据;
所述的速度异常的数据的定义如下:如果某条数据出现速度小于0、或是速度大于等于120km/h,则认为速度异常的数据;
再进一步地,所述的有效性异常的数据的定义如下:若浮动车数据的有效性为1时,则表示数据有效;若浮动车数据的有效性为0时,则表示车载GPS数据采集过程中因信号传输故障、高大建筑遮挡、进入隧道等常见问题而产生的数据无效。
再进一步地,采用数据库语句,将道路特定周期中每日的所有浮动车数据按时间段分为高峰时段、非高峰时段,其中数据按速度大小排序,分别计算每日两个时段的百分位车速。
再进一步地,步骤S4,计算自由流百分位速度,具体步骤如下:
步骤S401:判断当日两个时段百分位车速是否存在差异。
|V1-V2|≤Z (1)
其中,V1为高峰时段百分位速度,V1为非高峰时段百分位速度;Z为阈值,可取1km/h;
若式(1)成立,则两个时段百分位车速可为自由流百分位车速;若式(1)不成立,则代表拥挤时段的车速影响到结果,需要下一步计算;
步骤S402:从0km/h开始逐步剔除低车速数据,直至两个时段的百分位车速没有差异或全部数据大于30km/h,若为前者,则代表此时计算后的百分位车速可为自由流百分位车速;若为后者,此时所有纳入统计车速均在30km/h以上,所得百分位车速也可视为自由流百分位车速。
Q=Q+C (2)
其中,Q初始为0,最大值取30km/h;C为每次计算步长,考虑限速管理通常以5的倍数进行浮动,可取5km/h;返回步骤S401继续进行判断;
步骤S403:通过一个完整周期的自由流百分位车速,求平均值,获得道路最终的自由流百分位车速。
与现有技术相比,本发明技术方案的有益效果是:
本发明利用了分时段的浮动车数据来计算百分位车速,然后通过剔除拥挤时段车速数据来计算自由流百分位车速,解决了浮动车数据同时囊括畅行时段和拥堵时段而无法进一步利用的问题。
本发明在时间和空间上的覆盖性更好,为交通管理者提供了更加准确、快捷的道路百分位车速信息,可用于限速标准制订、道路功能定位等。
附图说明
图1是本实施例所述的方法的步骤流程图。
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,仅用于示例性说明,不能理解为对本专利的限制。基于本发明中的实施例,本领域普通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,都属于本发明保护的范围。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,一种基于大规模浮动车数据的城市道路自由流百分位车速计算方法,所述的方法包括以下步骤:
S1:对城市路网数据进行预处理;
S2:获取浮动车数据,通过浮动车地理位置信息与预处理后的城市路网数据进行地图匹配;
S3:分别计算每日高峰时段和非高峰时段百分位速度;
S4:根据每日两个时段百分位速度计算自由流百分位速度。
在一个具体的实施例中,步骤S1,具体如下:载入城市路网数据,将城市道路划分路段,每一个路段起讫点为交叉口或交织区,同时对应城市路网中独立的路段ID,同时需要对路段数据进行筛选,排除受道路工程条件、路侧干扰程度过大的不可靠数据。
在一个具体的实施例中,步骤2,具体如下:从出租汽车GPS中获取浮动车数据,通过浮动车地理位置信息与城市路网数据进行地图匹配,使得每条浮动车数据都归属于特定路段ID,同时根据路段ID,对特定道路中的所有浮动车数据进行预处理,剔除异常数据。
所述的异常数据包括:
信息不完整的数据,所述的浮动车数据应至少包括浮动车号、具体时间、经纬度、速度、数据有效性几种信息,缺失其中任意一种或多种信息即可认为信息不完整的数据,需要剔除。
时间异常的数据,所述的浮动车数据通常按照时间序列记录,如果时间信息字段发生了跳变,则该数据即被认为是时间异常的数据,需要剔除。
经纬度异常的数据,所述的浮动车数据的经纬度信息应在可能行驶范围之内,即超出城市地图路网经纬度的数据会被认为是经纬度异常的数据,需要剔除。
速度异常的数据,如果某条数据出现速度小于0、或是速度大于等于120km/h等明显不可能在城市路段发生的情况(《城市综合交通体系规划标准》(GB/T51328-2018)中规定城市I级快速路最高限速100km/h),该数据即被认为是速度异常的数据,需要剔除。
有效性异常的数据,所述的浮动车数据本身用0和1来表示数据有效性。为1时,表示数据有效;为0时,表示车载GPS数据采集过程中因信号传输故障、高大建筑遮挡、进入隧道等常见问题而产生的数据无效情况,认为有效性异常的数据,需要进行剔除。
在一个具体的实施例中,步骤3包括:基于城市道路非高峰时段车辆往往处于畅行状态而高峰时段道路则呈现出拥挤状态,将道路特定周期中每日的所有浮动车数据按时间段分为两个部分,分别是高峰时段、非高峰时段,分别计算每日两个时段的百分位车速。
因数据量庞大,采用数据库语句,主要操作有:
1.划分高峰时段、非高峰时段;
采用数据库语句处理高峰时段数据,具体如下:
select*from数据t where((t.signaltime between to_date('日期07:00:00','yyyy-mm-dd hh24:mi:ss')and to_date('日期08:59:59','yyyy-mm-dd hh24:mi:ss'))or(t.signaltime between to_date('日期17:00:00','yyyy-mm-dd hh24:mi:ss')and to_date('日期19:59:59','yyyy-mm-dd hh24:mi:ss')))
采用数据库语句处理非高峰时段数据,具体如下:
select*from数据t where((t.signaltime between to_date('日期00:00:00','yyyy-mm-dd hh24:mi:ss')and to_date('日期06:59:59','yyyy-mm-dd hh24:mi:ss'))or(t.signaltime between to_date('日期09:00:00','yyyy-mm-dd hh24:mi:ss')and to_date('日期16:59:59','yyyy-mm-dd hh24:mi:ss'))or(t.signaltime between to_date('日期20:00:00','yyyy-mm-dd hh24:mi:ss')and to_date('日期23:59:59','yyyy-mm-dd hh24:mi:ss')))
2.数据按速度排序(默认升序排序)
select ID,Speed,road from高峰时段数据order by Speed
select ID,Speed,road from非高峰时段数据order by Speed
3.计算两个时段百分位速度
select Speed from高峰时段数据(已排序)where序号in(百分位数*(selectcount(*)from高峰时段数据))
select Speed from非高峰时段数据(已排序)where序号in(百分位数*(selectcount(*)from非高峰时段数据))
在一个具体的实施例中,步骤4包括:计算自由流百分位速度,具体步骤如下:
步骤S401:判断当日两个时段百分位车速是否存在差异。
|V1-V2|≤Z (1)
其中,V1为高峰时段百分位速度;V1为非高峰时段百分位速度;Z为阈值,可取1km/h。若式(1)成立,则两个时段百分位车速可为自由流百分位车速;若式(1)不成立,则代表拥挤时段的车速影响到结果,需要下一步计算。
步骤402:从0km/h开始逐步剔除低车速数据,直至两个时段的百分位车速没有差异或全部数据大于30km/h,若为前者,则代表此时计算后的百分位车速可为自由流百分位车速;若为后者,此时所有纳入统计车速均在30km/h以上,所得百分位车速也可视为自由流百分位车速。
Q=Q+C (2)
其中,Q初始为0,最大值取30km/h;C为每次计算步长,考虑限速管理通常以5的倍数进行浮动,可取5km/h。数据库语句如下:
select Speed from高峰时段数据(已排序)where序号in(百分位数*(selectcount(*)from高峰时段数据(已排序)where(Speed≥Q)))
select Speed from高峰时段数据(已排序)where序号in(百分位数*(selectcount(*)from高峰时段数据(已排序)where(Speed≥Q)))
随后,返回步骤S401继续判断
步骤403:通过一个完整周期的自由流百分位车速,求平均值,获得道路最终的自由流百分位车速。
本实施例以广州市内环路为载体,结合广州市内出租汽车的浮动车数据,对本实施例所述的方法做进一步说明。
广州内环路坐落于广州市中心地带,是一条环形路,总长度约26.7km,主线为双向六车道,分为A、B线(A线为顺时针,B线为逆时针),无红绿灯,设计时速为60km/h。如表1所示,根据路网数据将内环路分为4种路段:1类,全段限速60km/h,路况良好;2类,基本限速60km/h,路段小部分限速30-40km/h;3类,由于弯道、交织区等原因,全段限速30km/h;4类,全段限速40km/h。广州市内环路的限速标准一直以来受到广泛关注,道路定位存在争议。
通过GIS进行地图匹配后,获取一周内广州市内环路A/B两线的浮动车数据量为9233978条记录。经过统计,得到一周内分路段分时段的百分位车速,将高峰时段百分位车速设为V1,将非高峰时段百分位车速设为V2,经过计算(如图1)得到自由流百分位车速。
表1
经过计算发现,广州市内环路自由流85%位车速均高于最高限速,同时根据最新道路功能定位标准,广州市内环路的自由流85位车速符合城市II级快速路设计速度(60-80km/h)。本实施例所述的方法具有实际工程运用价值。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种基于浮动车数据的城市道路自由流状态百分位车速确定方法,其特征在于:所述的方法包括步骤如下:
S1:对城市路网数据进行预处理;
S2:获取浮动车数据,通过浮动车地理位置信息与预处理后的城市路网数据进行地图匹配;
S3:分别计算每日高峰时段和非高峰时段百分位速度;
S4:根据每日两个时段百分位速度计算自由流百分位速度;
步骤S4,计算自由流百分位速度,具体步骤如下:
步骤S401:判断当日两个时段百分位车速是否存在差异;
|V1-V2|≤Z (1)
其中,V1为高峰时段百分位速度,V1为非高峰时段百分位速度;Z为阈值,取1km/h;
若式(1)成立,则两个时段百分位车速为自由流百分位车速;若式(1)不成立,则代表拥挤时段的车速影响到结果,需要下一步计算;
步骤S402:从0km/h开始逐步剔除低车速数据,直至两个时段的百分位车速没有差异或全部数据大于30km/h,若为前者,则代表此时计算后的百分位车速为自由流百分位车速;若为后者,此时所有纳入统计车速均在30km/h以上,所得百分位车速也视为自由流百分位车速;
Q=Q+C (2)
其中,Q初始为0,最大值取30km/h;C为每次计算步长,考虑限速管理以5的倍数进行浮动,取5km/h;返回步骤S401继续进行判断;
步骤S403:通过一个完整周期的自由流百分位车速,求平均值,获得道路最终的自由流百分位车速。
2.根据权利要求1所述的基于浮动车数据的城市道路自由流状态百分位车速确定方法,其特征在于:步骤S1,具体地,载入城市路网数据,将城市道路划分路段,每一个路段起讫点为交叉口或交织区,同时对应城市路网中独立的路段ID,同时需要对路段数据进行筛选,排除受道路工程条件、路侧干扰程度过大的不可靠数据。
3.根据权利要求2所述的基于浮动车数据的城市道路自由流状态百分位车速确定方法,其特征在于:步骤S2,具体地,从出租汽车GPS中获取浮动车数据,通过浮动车地理位置信息与城市路网数据进行地图匹配,使得每条浮动车数据都归属于特定路段ID,同时根据路段ID,对特定道路中的所有浮动车数据进行预处理,剔除异常数据。
4.根据权利要求3所述的基于浮动车数据的城市道路自由流状态百分位车速确定方法,其特征在于:所述的异常数据包括信息不完整的数据、时间异常的数据、经纬度异常的数据、速度异常的数据、有效性异常的数据。
5.根据权利要求4所述的基于浮动车数据的城市道路自由流状态百分位车速确定方法,其特征在于:所述的信息不完整的数据定义如下:若所述的浮动车数据中的浮动车号、具体时间、经纬度、速度、数据有效性几种信息中任意一种或多种信息缺失,则认为信息不完整的数据。
6.根据权利要求4所述的基于浮动车数据的城市道路自由流状态百分位车速确定方法,其特征在于:所述的时间异常的数据定义如下:若浮动车数据的时间信息字段发生跳变,则认为时间异常的数据。
7.根据权利要求6所述的基于浮动车数据的城市道路自由流状态百分位车速确定方法,其特征在于:所述的经纬度异常的数据的定义如下:若浮动车超出城市地图路网经纬度,则认为经纬度异常的数据;
所述的速度异常的数据的定义如下:如果某条数据出现速度小于0、或是速度大于等于120km/h,则认为速度异常的数据。
8.根据权利要求7所述的基于浮动车数据的城市道路自由流状态百分位车速确定方法,其特征在于:所述的有效性异常的数据的定义如下:若浮动车数据的有效性为1时,则表示数据有效;若浮动车数据的有效性为0时,则表示车载GPS数据采集过程中因信号传输故障、高大建筑遮挡、进入隧道常见问题而产生的数据无效。
9.根据权利要求8所述的基于浮动车数据的城市道路自由流状态百分位车速确定方法,其特征在于:采用数据库语句,将道路特定周期中每日的所有浮动车数据按时间段分为高峰时段、非高峰时段,其中数据按速度大小排序,分别计算每日两个时段的百分位车速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110460950.2A CN113192342B (zh) | 2021-04-27 | 2021-04-27 | 基于浮动车数据的城市道路自由流状态百分位车速确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110460950.2A CN113192342B (zh) | 2021-04-27 | 2021-04-27 | 基于浮动车数据的城市道路自由流状态百分位车速确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113192342A CN113192342A (zh) | 2021-07-30 |
CN113192342B true CN113192342B (zh) | 2022-03-22 |
Family
ID=76979571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110460950.2A Active CN113192342B (zh) | 2021-04-27 | 2021-04-27 | 基于浮动车数据的城市道路自由流状态百分位车速确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192342B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103354030A (zh) * | 2013-07-29 | 2013-10-16 | 吉林大学 | 利用浮动公交车can总线信息判别道路交通状况的方法 |
CN103927873A (zh) * | 2014-04-28 | 2014-07-16 | 中国航天系统工程有限公司 | 浮动车与路段匹配方法及并行获取实时路况的方法 |
CN103956050A (zh) * | 2012-09-06 | 2014-07-30 | 北京交通发展研究中心 | 基于车辆行程数据的道路网运行评价方法 |
CN104732760A (zh) * | 2013-12-20 | 2015-06-24 | 高德软件有限公司 | 一种道路等级的更新方法和装置 |
CN106157619A (zh) * | 2016-07-12 | 2016-11-23 | 浙江大学 | 过饱和状态下路网在运车辆数计算方法 |
CN106781486A (zh) * | 2016-12-28 | 2017-05-31 | 安徽科力信息产业有限责任公司 | 基于浮动车数据的交通状态评价方法 |
CN107730892A (zh) * | 2017-11-20 | 2018-02-23 | 中兴软创科技股份有限公司 | 一种基于fcd与互联网数据融合的交通拥堵指数评价方法 |
CN109118769A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段自由流速度挖掘方法 |
CN109584561A (zh) * | 2018-12-21 | 2019-04-05 | 北京交通大学 | 基于浮动车数据的城市道路交通运行状态评价方法 |
CN109584549A (zh) * | 2018-11-08 | 2019-04-05 | 中国电子科技集团公司第二十八研究所 | 一种基于大规模浮动车数据的道路交通运行指数检测方法 |
CN109979198A (zh) * | 2019-04-08 | 2019-07-05 | 东南大学 | 基于大规模浮动车数据的城市快速道路车速离散辨识方法 |
CN110807919A (zh) * | 2019-10-22 | 2020-02-18 | 浙江大学 | 基于过车数据的城市路网交通运行态势评价方法 |
CN111275961A (zh) * | 2019-01-18 | 2020-06-12 | 北京交通大学 | 基于浮动车数据的城市交通运行状态特征计算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384509A (zh) * | 2016-10-08 | 2017-02-08 | 大连理工大学 | 考虑出租车运营状态下的城市道路行程时间分布估算方法 |
US10354526B2 (en) * | 2016-12-01 | 2019-07-16 | Here Global B.V. | Determining lane specific speed information |
-
2021
- 2021-04-27 CN CN202110460950.2A patent/CN113192342B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103956050A (zh) * | 2012-09-06 | 2014-07-30 | 北京交通发展研究中心 | 基于车辆行程数据的道路网运行评价方法 |
CN103354030A (zh) * | 2013-07-29 | 2013-10-16 | 吉林大学 | 利用浮动公交车can总线信息判别道路交通状况的方法 |
CN104732760A (zh) * | 2013-12-20 | 2015-06-24 | 高德软件有限公司 | 一种道路等级的更新方法和装置 |
CN103927873A (zh) * | 2014-04-28 | 2014-07-16 | 中国航天系统工程有限公司 | 浮动车与路段匹配方法及并行获取实时路况的方法 |
CN106157619A (zh) * | 2016-07-12 | 2016-11-23 | 浙江大学 | 过饱和状态下路网在运车辆数计算方法 |
CN106781486A (zh) * | 2016-12-28 | 2017-05-31 | 安徽科力信息产业有限责任公司 | 基于浮动车数据的交通状态评价方法 |
CN107730892A (zh) * | 2017-11-20 | 2018-02-23 | 中兴软创科技股份有限公司 | 一种基于fcd与互联网数据融合的交通拥堵指数评价方法 |
CN109118769A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段自由流速度挖掘方法 |
CN109584549A (zh) * | 2018-11-08 | 2019-04-05 | 中国电子科技集团公司第二十八研究所 | 一种基于大规模浮动车数据的道路交通运行指数检测方法 |
CN109584561A (zh) * | 2018-12-21 | 2019-04-05 | 北京交通大学 | 基于浮动车数据的城市道路交通运行状态评价方法 |
CN111275961A (zh) * | 2019-01-18 | 2020-06-12 | 北京交通大学 | 基于浮动车数据的城市交通运行状态特征计算方法 |
CN109979198A (zh) * | 2019-04-08 | 2019-07-05 | 东南大学 | 基于大规模浮动车数据的城市快速道路车速离散辨识方法 |
CN110807919A (zh) * | 2019-10-22 | 2020-02-18 | 浙江大学 | 基于过车数据的城市路网交通运行态势评价方法 |
Non-Patent Citations (5)
Title |
---|
公路运行速度特征研究;汪双杰等;《中国公路学报》;20101215;全文 * |
城市主干路车速影响因素研究;陈铭等;《交通与运输(学术版)》;20111230(第02期);全文 * |
城市快速路85%位车速特征分析;李英涛等;《城市交通》;20080925(第05期);全文 * |
城市浮动车数据定位误差分布规律研究;李军等;《科学技术与工程》;20160108(第01期);全文 * |
基于最小浮动车样本数量的道路覆盖率与交通信息更新周期研究;涂智等;《中国铁道科学》;20061028(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113192342A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104299415B (zh) | 基于蓝牙技术的分布式交通状态检测系统及其方法 | |
CN102044153B (zh) | 一种交通流通畅等级评价的方法与系统 | |
CN108682156B (zh) | 基于出租车gps数据动态监测市区交通排放污染状况的方法 | |
CN112270460A (zh) | 一种基于多源数据的超重货车货源站点识别方法 | |
CN100589143C (zh) | 判断浮动车行驶状态的方法及装置 | |
CN107331191A (zh) | 异常行驶车辆定位方法、云服务器及系统 | |
CN109345853A (zh) | 一种基于gis的无人车安全驾驶优化方法 | |
CN102087789B (zh) | 基于交通状态参数的交通状态判别系统和方法 | |
CN113870570B (zh) | 一种基于etc的路网运行状态方法、系统和存储介质 | |
CN110807926B (zh) | 一种基于混合交通的道路阻抗预测方法及装置 | |
CN110634290B (zh) | 一种基于自行车轨迹数据的逆行行为识别方法 | |
CN107741331A (zh) | 一种测试轮胎性能的方法 | |
CN110428621A (zh) | 一种基于轨迹数据的浮动车危险驾驶行为监测与预警方法 | |
CN116307837A (zh) | 一种基于多种监测技术的区域机动车排放评估方法及系统 | |
CN101937616A (zh) | 实时交通流数据融合方法及装置 | |
CN108665084B (zh) | 一种对驾驶风险的预测方法及系统 | |
CN114005275B (zh) | 一种基于多数据源融合的高速公路车辆拥堵判别方法 | |
CN114912689A (zh) | 基于地图网格索引和xgboost的超限车辆目的地预测方法及系统 | |
CN113192342B (zh) | 基于浮动车数据的城市道路自由流状态百分位车速确定方法 | |
CN107248282B (zh) | 获取道路运行状态等级的方法 | |
CN113870559B (zh) | 一种基于大数据车联网的交通流量计算方法 | |
US11587441B1 (en) | Location risk determination and ranking based on vehicle events and/or an accident database | |
CN114021825A (zh) | 一种基于轨迹数据的公交车运行延误估计方法 | |
CN105225497B (zh) | 基于地磁设备的道路拥堵状况计算方法 | |
CN116368544A (zh) | 用于检测超速的方法、电子装置及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |