CN113256968A - 一种基于手机活动数据的交通状态预测方法、设备及介质 - Google Patents

一种基于手机活动数据的交通状态预测方法、设备及介质 Download PDF

Info

Publication number
CN113256968A
CN113256968A CN202110479793.XA CN202110479793A CN113256968A CN 113256968 A CN113256968 A CN 113256968A CN 202110479793 A CN202110479793 A CN 202110479793A CN 113256968 A CN113256968 A CN 113256968A
Authority
CN
China
Prior art keywords
mobile phone
road
traffic volume
data
road 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.)
Granted
Application number
CN202110479793.XA
Other languages
English (en)
Other versions
CN113256968B (zh
Inventor
李玉宝
乔学军
陈翠娇
王文浩
王晓彤
张震宇
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.)
Jinan Jinyu Highway Industry Development Co ltd
Original Assignee
Jinan Jinyu Highway Industry Development Co ltd
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 Jinan Jinyu Highway Industry Development Co ltd filed Critical Jinan Jinyu Highway Industry Development Co ltd
Priority to CN202110479793.XA priority Critical patent/CN113256968B/zh
Publication of CN113256968A publication Critical patent/CN113256968A/zh
Application granted granted Critical
Publication of CN113256968B publication Critical patent/CN113256968B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/02—Processing of mobility data, e.g. registration information at HLR [Home Location Register] or VLR [Visitor Location Register]; Transfer of mobility data, e.g. between HLR, VLR or external networks
    • H04W8/08—Mobility data transfer

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种基于手机活动数据的交通状态预测方法、设备及介质，用以解决现有获取公路交通信息时需要大量的人力物力、过程繁琐，而且无法保证获取的公路信息的精确性的问题。该方法包括获取公路中各路段产生的手机移动数据，判断手机移动数据与相应的路段的交通量之间是否存在相关性；从各路段中，筛选出手机移动数据与相应路段的交通量之间存在相关性的路段，作为相关路段；根据相关路段的手机移动数据与交通量，确定手机移动数据与公路的交通量之间的相关关系；基于相关关系，根据手机移动数据预测公路的交通状态。减少采集公路上交通信息耗费的人力物力，保证获取的公路交通量的精确性，实现高效合理的交通状态预测。

Description

一种基于手机活动数据的交通状态预测方法、设备及介质
技术领域
本申请涉及交通运行预警领域，尤其涉及一种基于手机活动数据的交通状态预测方法、设备及介质。
背景技术
随着社会科技的发展，智能交通系统成为缓解公路交通拥堵与安全问题的有效方法。实时、精确的获取道路交通状态信息是智能交通系统高效运转的基础。
现有的公路交通信息的获取方法，如利用卫星定位技术、视频检测技术、手机无线通信定位技术，来实现交通信息的采集。这些现有的交通信息采集技术不仅需要大量的人力物力来实现繁琐的过程，而且无法保证获取的公路信息的精确性。
发明内容
本申请实施例提供一种基于手机活动数据的交通状态预测方法、设备及介质，用以解决现有获取公路交通信息时需要大量的人力物力、过程繁琐，而且无法保证获取的公路信息的精确性的问题。
本申请实施例提供的一种基于手机活动数据的交通状态预测方法，包括：获取公路中各路段产生的手机移动数据，判断所述手机移动数据与相应的路段的交通量之间是否存在相关性；从所述各路段中，筛选出所述手机移动数据与相应路段的交通量之间存在相关性的路段，作为相关路段；根据所述相关路段的手机移动数据与所述交通量，确定所述手机移动数据与所述公路的交通量之间的相关关系；基于所述相关关系，根据手机移动数据预测所述公路的交通状态。
在一个示例中，判断所述手机移动数据与相应的路段的交通量之间是否存在相关性，具体包括：通过微波交通检测器获取所述公路中各路段的交通信息；根据所述交通信息，确定所述公路中各路段对应的交通量；建立所述手机移动数据与所述交通量之间的拟合曲线；根据所述拟合曲线，确定所述手机移动数据与所述交通量是否存在线性关系；若所述手机移动数据与所述交通量之间存在线性关系，确定所述手机移动数据与所述交通量之间存在相关性。
在一个示例中，确定所述手机移动数据与所述公路的交通量之间的相关关系，具体包括：通过公式
Figure BDA0003048190050000021
计算第一预设时间段所述手机移动数据的第一均值；通过公式
Figure BDA0003048190050000022
计算第二预设时间段所述手机移动数据的第二均值；通过公式
Figure BDA0003048190050000023
计算第一预设时间段所述交通量的第一均值；通过公式
Figure BDA0003048190050000024
计算第二预设时间段所述交通量的第二均值；根据所述手机移动数据的第一均值、第二均值和所述交通量的第一均值、第二均值，确定所述相关路段的手机移动数据和所述交通量的相关关系；其中，D1表示所述手机移动数据的第一均值，D2表示所述手机移动数据的第二均值，T1表示所述交通量的第一均值，T2表示所述交通量的第二均值，N表示第一预设时间段总的时间间隔数，M表示第一预设时间段总的时间间隔数，i表示第i个时间间隔，Di表示第i个时间间隔的手机移动数据，Ti表示第i个时间间隔的交通量。
在一个示例中，确定所述相关路段的手机移动数据和所述交通量的相关关系，具体包括：将所述相关路段的手机移动数据的第一均值、第二均值和所述交通量的第一均值、第二均值代入公式y＝ax+b，确定所述手机移动数据和所述交通量的相关关系；其中，y表示预设周期内的交通量，x表示预设周期内的手机移动数据，a表示截距，b表示回归斜率。
在一个示例中，确定所述相关路段的手机移动数据和所述交通量的相关关系，具体包括：将所述相关路段的手机移动数据的第一均值、第二均值和所述交通量的第一均值、第二均值代入公式y＝ax+b，确定所述手机移动数据和所述交通量的相关关系；其中，y表示预设周期内的交通量，x表示预设周期内的手机移动数据，a表示截距，b表示回归斜率。
在一个示例中，确定所述手机移动数据与所述公路的交通量之间的相关关系之后，所述方法还包括：获取预设周期内至少一个路段的实际交通量，计算所述至少一个路段的实际交通量与预测交通量之间的误差值；若所述误差值小于预设误差值，则确定所述相关关系正确。
在一个示例中，计算所述至少一个路段的实际交通量与预测交通量之间的误差值，具体包括：通过公式
Figure BDA0003048190050000031
计算所述至少一个路段的实际交通量与预测交通量之间的误差值；其中，ε(m)表示所述路段的实际交通量与预测交通量之间的误差值，i表示第i个时间间隔，n表示预设周期内总的时间间隔数，T(m)’表示所述路段的预测交通量，T(m)表示所述路段的实际交通量。
在一个示例中，方法还包括：确定预设周期内，所述公路中各路段对应的手机移动数据的增加率；若所述手机移动数据的增加率大于预设增加率，确定对应路段存在安全隐患；向所述对应路段的后方路段的车辆发送前方存在安全隐患的提示。
在一个示例中，根据手机移动数据预测所述公路中各路段的交通状态，具体包括：获取所述公路中各路段的实时手机移动数据，基于所述相关关系，确定所述公路中各路段的预测交通量；若所述预测交通量高于预设阈值，确定所述路段的交通状态为拥挤；向所述路段的对应的后方路段的车辆发送前方拥挤的提示；若所述预测交通量低于预设阈值，确定所述路段的交通状态为平缓；向所述路段对应的后方路段的车辆发送前方平缓的提示。
本申请实施例提供的一种基于手机活动数据的交通状态预测设备，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至少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能够：获取公路中各路段产生的手机移动数据，判断所述手机移动数据与相应的路段的交通量之间是否存在相关性；从所述各路段中，筛选出所述手机移动数据与相应路段的交通量之间存在相关性的路段，作为相关路段；根据所述相关路段的手机移动数据与所述交通量，确定所述手机移动数据与所述公路的交通量之间的相关关系；基于所述相关关系，根据手机移动数据预测所述公路的交通状态。
本申请实施例提供的一种基于手机活动数据的交通状态预测的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：获取公路中各路段产生的手机移动数据，判断所述手机移动数据与相应的路段的交通量之间是否存在相关性；从所述各路段中，筛选出所述手机移动数据与相应路段的交通量之间存在相关性的路段，作为相关路段；根据所述相关路段的手机移动数据与所述交通量，确定所述手机移动数据与所述公路的交通量之间的相关关系；基于所述相关关系，根据手机移动数据预测所述公路的交通状态。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
通过获取公路中各路段产生的手机移动数据，确定手机移动数据与公路的交通量之间的相关关系；利用该相关关系，根据手机移动数据预测公路的交通状态，减少采集公路上交通信息耗费的人力物力，保证获取的公路交通量的精确性，实现高效合理的公路状态预测。通过预测公路状态，能够实时掌握交通运行情况，缓解交通拥堵和降低交通事故发生的概率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种基于手机活动数据的交通状态预测方法流程图；
图2为本申请实施例提供的一种基于手机活动数据的交通状态预测设备结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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，都属于本申请保护的范围。
高速公路道路网络的不断建设完善，机动车数量的持续增长，给人们的生活带来了极大的便利，随之而来的也有一系列的交通问题，如在高速公路上频繁出现交通堵塞，交通事故，实时掌握交通流运行情况，成为缓解高速公路拥堵和事故等交通问题的关键，现有的如利用卫星定位技术、视频检测技术、手机无线通信定位技术等公路交通信息的获取方法，不仅需要大量的人力物力来实现繁琐的过程，而且无法保证获取的公路信息的精确性。
本申请实施例提供了一种基于手机活动数据的交通状态预测方法、设备及介质，用于解决上述现有技术不仅需要大量的人力物力来实现繁琐的过程，而且无法保证获取的公路信息的精确性的问题。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的方法流程图，具体包括以下步骤：
S101：获取公路中各路段产生的手机移动数据，判断手机移动数据与相应的路段的交通量之间是否存在相关性。
在本申请实施例中，首先确定出公路划分的若干路段，然后，获取公路中各路段中产生的手机移动数据，并根据获取的手机移动数据，判断公路中各路段的手机移动数据与该路段的交通量之间是否存在相关性。
具体的，按照预设周期，通过卫星技术定时获取获取公路中各路段产生的手机移动数据。其中，预设周期具体可根据需要设置，本申请对此不做限定。
其中，手机移动数据是指通过GPRS、EDGE、TD-SCDMA、HSDPA、WCDMA、LTE等移动通信技术上网或使用相关数据增值业务所产生的数据流量。
公路上行驶的车辆上携带的手机会产生一定的手机移动数据，手机移动数据越多，表明公路上行驶的车辆越多，因此，可确定出手机移动数据与公路的交通量之间的具体关系，进而根据手机移动数据与公路的交通量之间的具体关系，获取公路上手机移动数据，来预测公路的交通状态。
在本申请实施例中，获取公路中各路段的交通信息，根据交通信息，确定公路中各路段对应的交通量；建立手机移动数据与交通量之间的拟合曲线；并根据该拟合曲线，确定手机移动数据与交通量是否存在线性关系；若手机移动数据与交通量之间不存在线性关系，表示手机移动数据与交通量之间不存在相关性；若手机移动数据与交通量之间存在线性关系，则确定手机移动数据与交通量之间存在相关性。
具体的，通过微波交通检测器获取公路中各路段的交通信息，根据微波交通检测器获取的交通信息，确定公路中各路段对应的交通量，绘制手机移动数据与交通量之间的散点图，并选择对应于手机移动数据与交通量的曲线类型，通过建立和求解方程组来确定曲线的参数，从而求得拟合曲线，根据手机移动数据与交通量之间的曲线类型，判断手机移动数据与交通量是否存在线性关系，若手机移动数据与交通量之间不存在线性关系，表示手机移动数据与交通量之间不存在相关性；若手机移动数据与交通量之间存在线性关系，表示手机移动数据与交通量之间存在相关性，则根据该线性关系确定手机移动数据与交通量之间的相关关系。
其中，交通信息包括但不限于公路中各路段的交通量，车辆对应的车速。微波车辆检测器是一种利用数字雷达波检测技术实时检测交通车流量、平均车速等交通数据的产品，广泛应用于高速公路、城市道路、桥梁等进行全天候的交通检测，能够精确的检测高速公路上的任何车辆。
S102：从各路段中，筛选出手机移动数据与相应路段的交通量之间存在相关性的路段，作为相关路段。
在本申请实施例中，由于测量存在一定误差，测量出的手机移动数据与相应路段的交通量之间不一定存在相关性。因此，需要从公路的各路段中，筛选出手机移动数据与相应路段的交通量之间存在相关性的路段，并将存在相关性的路段作为相关路段。
具体的，根据绘制的手机移动数据与交通量之间的散点图，确定手机移动数据与交通量之间是否存在相关性，若路段对应的手机移动数据与交通量之间存在相关性，则将该路段筛选出来，作为相关路段。
S103：根据相关路段的手机移动数据与交通量，确定手机移动数据与公路的交通量之间的相关关系。
在本申请实施例中，根据获取的相关路段的手机移动数据与交通量，确定相关路段对应的手机移动数据与公路的交通量之间的相关关系。
在本申请实施例中，为了使得出的手机移动数据与交通量之间的相关关系更加精准，因此，将预设周期分成第一预设时间段和第二预设时间段两个时间段，分别计算第一预设时间段和第二预设时间段的手机移动数据和交通量的均值，再根据第一预设时间段和第二预设时间段的手机移动数据和交通量的均值，计算相关路段对应的手机移动数据与公路的交通量之间的相关关系。
计算相关路段对应的手机移动数据与公路的交通量之间的相关关系，具体包括以下步骤：
步骤一、通过公式
Figure BDA0003048190050000071
计算第一预设时间段手机移动数据的第一均值；通过公式
Figure BDA0003048190050000072
计算第二预设时间段手机移动数据的第二均值。
其中，第一预设时间段、第二预设时间段具体可根据需要设置，本申请对此不做限定。
步骤二、通过公式
Figure BDA0003048190050000081
计算第一预设时间段交通量的第一均值；通过公式
Figure BDA0003048190050000082
计算第二预设时间段交通量的第二均值。
步骤三、根据手机移动数据的第一均值、第二均值和所述交通量的第一均值、第二均值，确定相关路段的手机移动数据和交通量的相关关系。
需要说明的是，D1表示手机移动数据的第一均值，D2表示手机移动数据的第二均值，T1表示交通量的第一均值，T2表示交通量的第二均值，N表示第一预设时间段总的时间间隔数，M表示第一预设时间段总的时间间隔数，i表示第i个时间间隔，Di表示第i个时间间隔的手机移动数据，Ti表示第i个时间间隔的交通量。
在本申请实施例中，将相关路段的手机移动数据的第一均值、第二均值和交通量的第一均值、第二均值代入公式y＝ax+b，计算出回归斜率和截距，进而确定手机移动数据和交通量的相关关系；其中，y表示预设周期内的交通量，x表示预设周期内的手机移动数据，a表示截距，b表示回归斜率。
在本申请实施例中，确定出相关路段的手机移动数据和交通量的相关关系之后，还需要对该相关关系进行验证，以保证手机移动数据和交通量的相关关系准确，可用来进行公路状态的预测。因此，获取预设周期内的至少一个路段的实际交通量，计算至少一个路段的实际交通量与预测交通量之间的误差值，若实际交通量与预测交通量之间的误差值小于预设误差值，则确定手机移动数据和交通量之间的相关关系正确。
具体的，通过公式
Figure BDA0003048190050000083
计算至少一个路段的实际交通量与预测交通量之间的误差值，并将该计算出的误差值与预设误差值进行比较，若实际交通量与预测交通量之间的误差值大于预设误差值，表示该相关关系误差较大，无法进行公路状态的预测；如果实际交通量与预测交通量之间的误差值小于预设误差值，表示该相关关系误差较小，则确定相关关系正确，并利用该相关关系进行公路状态的预测。
其中，ε(m)表示所述路段的实际交通量与预测交通量之间的误差值，i表示第i个时间间隔，n表示预设周期内总的时间间隔数，T(m)’表示所述路段的预测交通量，T(m)表示所述路段的实际交通量。其中，预设误差值具体可根据需要设置，本申请对此不做限定。
S104：基于相关关系，根据手机移动数据预测公路的交通状态。
在本申请实施例中，确定出手机移动数据和交通量之间的相关关系后，可获取公路产生的手机移动数据，并根据该相关关系，预测公路的交通量，根据交通量的大小，确定公路的交通状态。
在本申请实施例中，确定出手机移动数据和交通量之间的相关关系后，获取公路中各路段的实时手机移动数据，基于手机移动数据和交通量之间的相关关系，将实时手机移动数据代入该相关关系，进而确定公路中各路段的预测交通量；如果预测出的预测交通量高于预设阈值，表示对应路段上的车流量较高，则确定该路段的交通状态为拥挤，并向该路段的对应的后方路段的车辆发送前方拥挤的提示，后方路段的车辆可根据该提示做出减速或者换道等对应措施；如果预测出的预测交通量低于预设阈值，表示对应路段上的车流量较低，则确定路段的交通状态为平缓，并向该路段对应的后方路段的车辆发送前方平缓的提示，后方路段的车辆可根据该提示做出加速或者继续前行等对应措施。
在日常出行行驶过程中，如果行车前方的路段出现了车祸等交通事故，后方车辆往往不能及时得到消息，导致继续前行，很容易造成堵塞，后方车辆因为后来车辆的前进而无法后退或者换道，给交通秩序带来了极大的影响。
在本申请实施例中，确定预设周期内，公路中各路段对应的手机移动数据的增加率，如果手机移动数据的增加率大于预设增加率，表示公路上可能出现了堵塞，大量的车辆停滞在某一路段，导致该路段的手机移动数据快速增长，因此，确定该路段存在安全隐患，向该路段对应的后方路段的车辆发送前方存在安全隐患的提示，避免出现交通事故。
其中，预设增加率具体可根据需要设置，本申请对此不做限定。
本申请实施例通过获取公路中各路段产生的手机移动数据，确定手机移动数据与公路的交通量之间的相关关系；利用该相关关系，根据手机移动数据预测公路的交通状态，减少采集公路上交通信息耗费的人力物力，保证获取的公路交通量的精确性，实现高效合理的公路状态预测。通过预测公路状态，能够实时掌握交通运行情况，缓解交通拥堵和降低交通事故发生的概率。
以上为本申请实施例提供的一种基于手机活动数据的交通状态预测方法，基于同样的发明思路，本申请实施例还提供了相应的基于手机活动数据的交通状态预测设备，如图2所示。
图2为本申请实施例提供的基于手机活动数据的交通状态预测设备结构示意图，具体包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：获取公路中各路段产生的手机移动数据，判断手机移动数据与相应的路段的交通量之间是否存在相关性；从各路段中，筛选出手机移动数据与相应路段的交通量之间存在相关性的路段，作为相关路段；根据相关路段的手机移动数据与交通量，确定手机移动数据与公路的交通量之间的相关关系；基于相关关系，根据手机移动数据预测公路的交通状态。
本申请实施例提供一种基于手机活动数据的交通状态预测的非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：获取公路中各路段产生的手机移动数据，判断手机移动数据与相应的路段的交通量之间是否存在相关性；从各路段中，筛选出手机移动数据与相应路段的交通量之间存在相关性的路段，作为相关路段；根据相关路段的手机移动数据与交通量，确定手机移动数据与公路的交通量之间的相关关系；基于相关关系，根据手机移动数据预测公路的交通状态。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于手机活动数据的交通状态预测方法，其特征在于，包括：
获取公路中各路段产生的手机移动数据，判断所述手机移动数据与相应的路段的交通量之间是否存在相关性；
从所述各路段中，筛选出所述手机移动数据与相应路段的交通量之间存在相关性的路段，作为相关路段；
根据所述相关路段的手机移动数据与所述交通量，确定所述手机移动数据与所述公路的交通量之间的相关关系；
基于所述相关关系，根据手机移动数据预测所述公路的交通状态。
2.根据权利要求1所述的方法，其特征在于，判断所述手机移动数据与相应的路段的交通量之间是否存在相关性，具体包括：
通过微波交通检测器获取所述公路中各路段的交通信息；
根据所述交通信息，确定所述公路中各路段对应的交通量；
建立所述手机移动数据与所述交通量之间的拟合曲线；
根据所述拟合曲线，确定所述手机移动数据与所述交通量是否存在线性关系；
若所述手机移动数据与所述交通量之间存在线性关系，确定所述手机移动数据与所述交通量之间存在相关性。
3.根据权利要求1所述的方法，其特征在于，确定所述手机移动数据与所述公路的交通量之间的相关关系，具体包括：
通过公式
Figure FDA0003048190040000011
计算第一预设时间段所述手机移动数据的第一均值；
通过公式
Figure FDA0003048190040000012
计算第二预设时间段所述手机移动数据的第二均值；
通过公式
Figure FDA0003048190040000013
计算第一预设时间段所述交通量的第一均值；
通过公式
Figure FDA0003048190040000021
计算第二预设时间段所述交通量的第二均值；
根据所述手机移动数据的第一均值、第二均值和所述交通量的第一均值、第二均值，确定所述相关路段的手机移动数据和所述交通量的相关关系；
其中，D1表示所述手机移动数据的第一均值，D2表示所述手机移动数据的第二均值，T1表示所述交通量的第一均值，T2表示所述交通量的第二均值，N表示第一预设时间段总的时间间隔数，M表示第一预设时间段总的时间间隔数，i表示第i个时间间隔，Di表示第i个时间间隔的手机移动数据，Ti表示第i个时间间隔的交通量。
4.根据权利要求3所述的方法，其特征在于，确定所述相关路段的手机移动数据和所述交通量的相关关系，具体包括：
将所述相关路段的手机移动数据的第一均值、第二均值和所述交通量的第一均值、第二均值代入公式y＝ax+b，确定所述手机移动数据和所述交通量的相关关系；
其中，y表示预设周期内的交通量，x表示预设周期内的手机移动数据，a表示截距，b表示回归斜率。
5.根据权利要求1所述的方法，其特征在于，确定所述手机移动数据与所述公路的交通量之间的相关关系之后，所述方法还包括：
获取预设周期内至少一个路段的实际交通量，计算所述至少一个路段的实际交通量与预测交通量之间的误差值；
若所述误差值小于预设误差值，则确定所述相关关系正确。
6.根据权利要求5所述的方法，其特征在于，计算所述至少一个路段的实际交通量与预测交通量之间的误差值，具体包括：
通过公式
Figure FDA0003048190040000022
计算所述至少一个路段的实际交通量与预测交通量之间的误差值；
其中，ε(m)表示所述路段的实际交通量与预测交通量之间的误差值，i表示第i个时间间隔，n表示预设周期内总的时间间隔数，T(m)，表示所述路段的预测交通量，T(m)表示所述路段的实际交通量。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定预设周期内，所述公路中各路段对应的手机移动数据的增加率；
若所述手机移动数据的增加率大于预设增加率，确定对应路段存在安全隐患；
向所述对应路段的后方路段的车辆发送前方存在安全隐患的提示。
8.根据权利要求1所述的方法，其特征在于，根据手机移动数据预测所述公路中各路段的交通状态，具体包括：
获取所述公路中各路段的实时手机移动数据，基于所述相关关系，确定所述公路中各路段的预测交通量；
若所述预测交通量高于预设阈值，确定所述路段的交通状态为拥挤；
向所述路段的对应的后方路段的车辆发送前方拥挤的提示；
若所述预测交通量低于预设阈值，确定所述路段的交通状态为平缓；
向所述路段对应的后方路段的车辆发送前方平缓的提示。
9.一种基于手机活动数据的交通状态预测设备，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至少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能够：
获取公路中各路段产生的手机移动数据，判断所述手机移动数据与相应的路段的交通量之间是否存在相关性；
从所述各路段中，筛选出所述手机移动数据与相应路段的交通量之间存在相关性的路段，作为相关路段；
根据所述相关路段的手机移动数据与所述交通量，确定所述手机移动数据与所述公路的交通量之间的相关关系；
基于所述相关关系，根据手机移动数据预测所述公路的交通状态。
10.一种基于手机活动数据的交通状态预测的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
获取公路中各路段产生的手机移动数据，判断所述手机移动数据与相应的路段的交通量之间是否存在相关性；
从所述各路段中，筛选出所述手机移动数据与相应路段的交通量之间存在相关性的路段，作为相关路段；
根据所述相关路段的手机移动数据与所述交通量，确定所述手机移动数据与所述公路的交通量之间的相关关系；
基于所述相关关系，根据手机移动数据预测所述公路的交通状态。
CN202110479793.XA 2021-04-30 2021-04-30 一种基于手机活动数据的交通状态预测方法、设备及介质 Active CN113256968B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110479793.XA CN113256968B (zh) 2021-04-30 2021-04-30 一种基于手机活动数据的交通状态预测方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110479793.XA CN113256968B (zh) 2021-04-30 2021-04-30 一种基于手机活动数据的交通状态预测方法、设备及介质

Publications (2)

Publication Number Publication Date
CN113256968A true CN113256968A (zh) 2021-08-13
CN113256968B CN113256968B (zh) 2023-02-17

Family

ID=77223335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110479793.XA Active CN113256968B (zh) 2021-04-30 2021-04-30 一种基于手机活动数据的交通状态预测方法、设备及介质

Country Status (1)

Country Link
CN (1) CN113256968B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030014181A1 (en) * 2001-07-10 2003-01-16 David Myr Traffic information gathering via cellular phone networks for intelligent transportation systems
WO2007103180A2 (en) * 2006-03-03 2007-09-13 Inrix, Inc. Assessing road traffic conditions using data from mobile data sources
CN101510357A (zh) * 2009-03-26 2009-08-19 美慧信息科技（上海）有限公司 一种基于手机信号数据检测交通状态的方法
US20110161261A1 (en) * 2009-12-28 2011-06-30 Nec(China) Co., Ltd. Method and system for traffic prediction based on space-time relation
CN204348082U (zh) * 2015-01-22 2015-05-20 重庆交通大学 车载导航装置
CN105046949A (zh) * 2015-06-12 2015-11-11 中南大学 一种基于手机数据计算o-d流进行车源预测的方法
CN106504528A (zh) * 2016-11-02 2017-03-15 浙江大学 一种利用手机信令大数据和动态交通分配的od标定方法
CN106601005A (zh) * 2017-03-01 2017-04-26 青岛海澄知识产权事务有限公司 一种基于rfid和微信平台的城市智能交通诱导方法
CN206282356U (zh) * 2016-08-30 2017-06-27 江苏鸿信系统集成有限公司 智慧交通大数据分析系统
CN107134142A (zh) * 2017-07-10 2017-09-05 中南大学 一种基于多源数据融合的城市道路流量预测方法
CN107230350A (zh) * 2017-06-23 2017-10-03 东南大学 一种基于卡口与手机流量话单数据的城市交通量获取方法
CN108198416A (zh) * 2017-12-28 2018-06-22 金交恒通有限公司 一种手机信令与路网大数据的融合方法及其应用与系统
CN110276947A (zh) * 2019-06-05 2019-09-24 中国科学院深圳先进技术研究院 一种交通融合分析预测方法、系统及电子设备
CN110533914A (zh) * 2019-09-23 2019-12-03 浙江科技学院 一种高速公路路况自动监测控制系统及方法
CN111179586A (zh) * 2019-10-24 2020-05-19 广州市高科通信技术股份有限公司 一种基于大数据分析的交通诱导方法、设备及存储介质
CN212009835U (zh) * 2020-05-15 2020-11-24 济南金宇公路产业发展有限公司 一种交通大数据分析预警平台

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030014181A1 (en) * 2001-07-10 2003-01-16 David Myr Traffic information gathering via cellular phone networks for intelligent transportation systems
WO2007103180A2 (en) * 2006-03-03 2007-09-13 Inrix, Inc. Assessing road traffic conditions using data from mobile data sources
CN101510357A (zh) * 2009-03-26 2009-08-19 美慧信息科技（上海）有限公司 一种基于手机信号数据检测交通状态的方法
US20110161261A1 (en) * 2009-12-28 2011-06-30 Nec(China) Co., Ltd. Method and system for traffic prediction based on space-time relation
CN204348082U (zh) * 2015-01-22 2015-05-20 重庆交通大学 车载导航装置
CN105046949A (zh) * 2015-06-12 2015-11-11 中南大学 一种基于手机数据计算o-d流进行车源预测的方法
CN206282356U (zh) * 2016-08-30 2017-06-27 江苏鸿信系统集成有限公司 智慧交通大数据分析系统
CN106504528A (zh) * 2016-11-02 2017-03-15 浙江大学 一种利用手机信令大数据和动态交通分配的od标定方法
CN106601005A (zh) * 2017-03-01 2017-04-26 青岛海澄知识产权事务有限公司 一种基于rfid和微信平台的城市智能交通诱导方法
CN107230350A (zh) * 2017-06-23 2017-10-03 东南大学 一种基于卡口与手机流量话单数据的城市交通量获取方法
CN107134142A (zh) * 2017-07-10 2017-09-05 中南大学 一种基于多源数据融合的城市道路流量预测方法
CN108198416A (zh) * 2017-12-28 2018-06-22 金交恒通有限公司 一种手机信令与路网大数据的融合方法及其应用与系统
CN110276947A (zh) * 2019-06-05 2019-09-24 中国科学院深圳先进技术研究院 一种交通融合分析预测方法、系统及电子设备
CN110533914A (zh) * 2019-09-23 2019-12-03 浙江科技学院 一种高速公路路况自动监测控制系统及方法
CN111179586A (zh) * 2019-10-24 2020-05-19 广州市高科通信技术股份有限公司 一种基于大数据分析的交通诱导方法、设备及存储介质
CN212009835U (zh) * 2020-05-15 2020-11-24 济南金宇公路产业发展有限公司 一种交通大数据分析预警平台

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PU WANG ET AL.: "《Understanding Road Usage Patterns in Urban Areas》", 《SCIENTIFIC REPORTS》 *
周南等: "手机信令数据在城市道路交通量预测中的应用", 《公路工程》 *
颉带黎: "手机信令数据在城市道路交通量预测中的应用", 《科技传播》 *

Also Published As

Publication number Publication date
CN113256968B (zh) 2023-02-17

Similar Documents

Publication Publication Date Title
Choudhary et al. Impacts of speed variations on freeway crashes by severity and vehicle type
Guo et al. A cross-comparison of different techniques for modeling macro-level cyclist crashes
Kitali et al. Likelihood estimation of secondary crashes using Bayesian complementary log-log model
CN101925940B (zh) 用于预测公路上的行驶时间的方法和系统
Zhao et al. Investigating the effects of monthly weather variations on Connecticut freeway crashes from 2011 to 2015
CN112530163B (zh) 交通事故预测方法、装置、电子设备及存储介质
Qi et al. Freeway accident likelihood prediction using a panel data analysis approach
CN104751642A (zh) 一种高等级道路交通流运行风险实时预估方法
Afghari et al. Effects of globally obtained informative priors on Bayesian safety performance functions developed for Australian crash data
CN115060283A (zh) 用于识别受天气状况影响的可导航元素的方法及系统
CN115294767B (zh) 一种高速公路车道线实时检测与交通安全预警方法及装置
Choi et al. Risk factors related to fatal truck crashes on Korean freeways
Das et al. Inclusion of speed and weather measures in safety performance functions for rural roadways
Short et al. Effects of traffic signal installation on accidents
Jin et al. Investigating hierarchical effects of adaptive signal control system on crash severity using random-parameter ordered regression models incorporating observed heterogeneity
Malaghan et al. Exploring maximum and minimum operating speed positions on road geometric elements using continuous speed data
Abeygunawardhana et al. Identification of the impact on road roughness on speed patterns for different roadway segments
CN113256968B (zh) 一种基于手机活动数据的交通状态预测方法、设备及介质
Yu et al. Time headway distribution analysis of naturalistic road users based on aerial datasets
CN107479112B (zh) 浓雾预测方法、装置及系统
Sahani et al. Application of gap acceptance concept to investigate crossing behaviour of pedestrians at unsignalized intersections
Kesting et al. Online traffic state estimation based on floating car data
CN117058872A (zh) 一种用于高速公路信息发布方法、系统和存储介质
Mamdoohi et al. Identifying the impact area of a traffic event through k-means clustering
Walcott-Bryant et al. Harsh brakes at potholes in Nairobi: Context-based driver behavior in developing cities

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 250101 no.1188 Tianchen street, high tech Zone, Jinan City, Shandong Province

Applicant after: Shandong Jinyu Information Technology Group Co.,Ltd.

Address before: 250101 no.1188 Tianchen street, high tech Zone, Jinan City, Shandong Province

Applicant before: JINAN JINYU HIGHWAY INDUSTRY DEVELOPMENT Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A traffic state prediction method, device, and medium based on mobile activity data

Granted publication date: 20230217

Pledgee: Ji'nan rural commercial bank Limited by Share Ltd. high tech branch

Pledgor: Shandong Jinyu Information Technology Group Co.,Ltd.

Registration number: Y2024980000280