CN113256978A - 一种城市拥堵地区的诊断方法、系统及储存介质 - Google Patents
一种城市拥堵地区的诊断方法、系统及储存介质 Download PDFInfo
- Publication number
- CN113256978A CN113256978A CN202110532459.6A CN202110532459A CN113256978A CN 113256978 A CN113256978 A CN 113256978A CN 202110532459 A CN202110532459 A CN 202110532459A CN 113256978 A CN113256978 A CN 113256978A
- Authority
- CN
- China
- Prior art keywords
- database
- road section
- congestion
- crowd
- data
- 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
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
-
- 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
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及城市规划领域及交通领域,尤其是一种城市拥堵地区的诊断方法,现提出如下方案,其包括将所述城市的路况数据、手机定位数据和基础空间数据实时输入至地理信息平台,并实时统一所有数据的坐标与高程;构建拥堵路段数据库和所述拥堵路段的人群数据库,将所述拥堵路段数据库和所述人群数据库形成挂接;从所述手机定位数据中提取所述人群数据库中所有人的个人定位数据,并按照时间顺序将不同时段的所述个人定位数据依次连接形成个人的行为轨迹数据;根据所述个人的行为轨迹数据将人群数据库中的人群进行分类,将分类的结果进行排序区分导致拥堵的人群。本发明实现了对拥堵地段的准确智能诊断,达到了减少交通拥堵、优化交通出行的目的。
Description
技术领域
本发明涉及城市规划领域及交通领域,尤其是一种城市拥堵地区的诊断方法、系统及储存介质。
背景技术
随着我国经济高速发展、城市机动车保有量的持续增长,城市交通拥堵情况愈发严重,并引发了居民日常出行质量下降、能源浪费、环境污染、经济损失等负面问题。此外,由于交通拥堵存在传播效应,若城市拥堵源发点未能得到有效的控制,将会引发附近路段的拥堵,进而影响到区域的交通运输能力。因此需要对这种路网交通瓶颈地段的交通拥堵进行识别、诊断与应对,将拥堵造成的负面影响降至最低。
目前已有的城市交通拥堵成因诊断方法,一种是通过分析多源交通数据,收集交通信息,进而从路网结构、车流分布、交叉口渠化、信号灯控制等方面分析道路拥堵成因,这种方法多是在拥堵发生后根据针对局部区域的道路信息、主观经验分析拥堵成因,自动化程度较低、主观性较强、实时性较差,难以从全局角度对城市交通拥堵进行动态实时的自动化诊断。另一种是利用手机移动、共享汽车等表征人类活动特征的大数据进行轨迹数据挖掘,进而计算出城市的拥堵地段,这种方法虽然关注到了哪些路段的人流导致了路段拥堵,但是未能关注到人群需求与偏好的差异化,未能精确诊断造成交通拥堵的典型人群特征,难以在人本视角下,从城市功能、公共设施配置等维度为交通拥堵问题的优化提供依据,因此具有一定的局限性,为此,本发明提出了一种城市拥堵地区的诊断方法、系统及储存介质。
发明内容
为解决现有技术中的问题,本发明提出了一种城市拥堵地区的诊断方法、系统及储存介质。
本发明公开了一种基于人群数字画像的城市拥堵地区的智能诊断方法,以路网数据、实时路况数据、手机定位数据、城市用地数据等多源大数据的获取、城市拥堵场景数据库的构建、城市拥堵路段的人群画像、拥堵路段的成因诊断及报告输出为五项主要步骤,通过多源大数据生成城市实时交通场景,进而通过识别城市拥堵路段筛选出拥堵路段空间边界内的拥堵人群,进一步基于前述多源大数据挖掘拥堵人群的年龄、职业、出行目的三类属性并分类画像,最终汇总各拥堵路段的人群类别信息,识别导致拥堵的典型人群并将生成的拥堵智能诊断报告输出至相关部门作为城市规划优化调整的依据,实现对拥堵地段的准确智能诊断,达到减少交通拥堵、优化交通出行的目的。
为了实现上述目的,本发明采用了如下技术方案:
一种城市拥堵地区的诊断方法,包括如下步骤:
S1:将所述城市的路况数据、手机定位数据和基础空间数据实时输入至地理信息平台,并实时统一所有数据的坐标与高程;
S2:构建拥堵路段数据库和所述拥堵路段的人群数据库,将所述拥堵路段数据库和所述人群数据库形成挂接;
S3:从所述手机定位数据中提取所述人群数据库中所有人的个人定位数据,并按照时间顺序将不同时段的所述个人定位数据依次连接形成个人的行为轨迹数据;
S4:根据所述个人的行为轨迹数据将人群数据库中的人群进行分类,将分类的结果进行排序区分导致拥堵的人群。
在一些实施例中,所述路况数据的采集方式包括:以路灯杆为依托,按单位距离放置视频摄像机,并根据车辆进入检测区时的背景灰度值变化判断并检测车辆速度,对车辆进行计数。
在一些实施例中,所述基础空间数据包括地块地理坐标、地块边界、地块面积和用地类型。
在一些实施例中,所述分类方式包括:根据个人的行为轨迹数据提取所述个人的年龄、职业和出行目的,基于个人的年龄、职业和出行目的对所述人群数据库的人群进行分类。
在一些实施例中,所述拥堵路段数据库的构建方式包括:根据每个时间切片识别出的拥堵路段,在地理信息平台中依次绘制出所有拥堵路段的机动车道范围边界,所述拥堵路段数据库包含路段编号、道路名称、拥堵时段以及空间信息。
在一些实施例中,所述人群数据库的构建方式包括:在地理信息平台中,根据每个时间切片中每个拥堵路段的地理位置关系,实时筛选出每个拥堵路段空间边界内的手机定位数据,根据所述手机定位数据构建每一个拥堵路段的人群数据库。
一种城市拥堵地区的诊断系统,所述系统包括:
多源大数据采集与输入模块,用于将所述城市的路况数据、手机定位数据和基础空间数据实时输入至地理信息平台,并实时统一所有数据的坐标与高程;
城市拥堵场景数据库构建模块,用于构建拥堵路段数据库和所述拥堵路段的人群数据库,将所述拥堵路段数据库和所述人群数据库形成挂接;
城市拥堵路段人群画像模块,用于从所述手机定位数据中提取所述人群数据库中所有人的个人定位数据,并按照时间顺序将不同时段的所述个人定位数据依次连接形成个人的行为轨迹数据,根据个人的行为轨迹数据提取所述个人的年龄、职业和出行目的,基于个人的年龄、职业和出行目的对所述人群数据库的人群进行分类;
拥堵路段成因诊断模块,用于根据分类的结果生成各拥堵路段的拥堵人群类别汇总表,将每个拥堵路段的各类人群按照占比从大到小排序,根据排序的结果诊断导致拥堵的典型人群;
拥堵诊断报告输出模块,用于将拥堵人群类别汇总表和每类典型人群的信息整合为拥堵路段诊断报告,并通过信号输出端口发送至信号接收端口。
在一些实施例中,所述拥堵路段数据库的构建方式包括:根据每个时间切片识别出的拥堵路段,在地理信息平台中依次绘制出所有拥堵路段的机动车道范围边界,所述拥堵路段数据库包含路段编号、道路名称、拥堵时段以及空间信息。
在一些实施例中,所述人群数据库的构建方式包括:在地理信息平台中,根据每个时间切片中每个拥堵路段的地理位置关系,实时筛选出每个拥堵路段空间边界内的手机定位数据,根据所述手机定位数据构建每一个拥堵路段的人群数据库。
一种储存介质,其上存储有计算机可读程序,所述程序在被处理器执行时,实现上述方法。
本发明的有益效果:
1、本发明的数据库采用人地挂接的方法,能够更加快速、便捷地识别出拥堵人群,相比于传统人力筛查更加直观、快速,如拥堵人群子数据库均与对应的拥堵路段数据库形成挂接;将拥堵人群子数据库与拥堵路段数据库挂接,进而生成各拥堵路段的拥堵人群类别汇总表;
2、通过集成多源大数据,并挖掘人群行为轨迹数据、人群出行信息等时空行为轨迹数据,能实现对人群的精准刻画,以个体行为路径为基础,通过对拥堵路段不同人群的数字画像与类型识别,对城市拥堵地区进行诊断与疏解;
3、在关注城市物质空间的基础上进一步关注人群行为,从根源分析城市拥堵背后的人为成因,相较于纯粹的交通分析具有更深层的含义,能实现更加合理的诊断与优化,助于交通拥堵的提前预防与治理,可提高相关部门应对重大交通拥堵问题和突发交通流变化的能力。
附图说明
图1为本发明的基于人群数字画像的城市拥堵地区智能诊断方法流程图;
图2为拥堵路段识别示意图(以南京江宁大学城片区为例);
图3为拥堵人群轨迹提取示意图(以南京江宁大学城片区为例);
图4为拥堵人群数字画像示意图(以南京江宁大学城片区为例);
图5为智能诊断报告示意图(以南京江宁大学城片区为例)。
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,而不是全部的实施例。
一种城市拥堵地区的诊断方法,包括如下步骤:
S1:将所述城市的路况数据、手机定位数据和基础空间数据实时输入至地理信息平台,并实时统一所有数据的坐标与高程;
在一些实施例中,所述路况数据的采集方式包括:以路灯杆为依托,按单位距离放置视频摄像机,并根据车辆进入检测区时的背景灰度值变化判断并检测车辆速度,对车辆进行计数;
在一些实施例中,所述基础空间数据包括:例如,地块地理坐标、地块边界、地块面积和用地类型等;
S2:构建拥堵路段数据库和所述拥堵路段的人群数据库,将所述拥堵路段数据库和所述人群数据库形成挂接;
在一些实施例中,所述拥堵路段数据库的构建方式包括:例如,根据每个时间切片识别出的拥堵路段,在地理信息平台中依次绘制出所有拥堵路段的机动车道范围边界,所述拥堵路段数据库包含路段编号、道路名称、拥堵时段以及空间信息;
在一些实施例中,所述人群数据库的构建方式包括:例如,在地理信息平台中,根据每个时间切片中每个拥堵路段的地理位置关系,实时筛选出每个拥堵路段空间边界内的手机定位数据,根据所述手机定位数据构建每一个拥堵路段的人群数据库;
S3:从所述手机定位数据中提取所述人群数据库中所有人的个人定位数据,并按照时间顺序将不同时段的所述个人定位数据依次连接形成个人的行为轨迹数据;
S4:根据所述个人的行为轨迹数据将人群数据库中的人群进行分类,将分类的结果进行排序区分导致拥堵的人群;
在一些实施例中,所述分类方式包括:根据个人的行为轨迹数据提取所述个人的年龄、职业和出行目的,基于个人的年龄、职业和出行目的对所述人群数据库的人群进行分类。
基于本发明提出的方法,本发明还提出一种城市拥堵地区的诊断系统,所述系统包括:
多源大数据采集与输入模块,用于将所述城市的路况数据、手机定位数据和基础空间数据实时输入至地理信息平台,并实时统一所有数据的坐标与高程;
城市拥堵场景数据库构建模块,用于构建拥堵路段数据库和所述拥堵路段的人群数据库,将所述拥堵路段数据库和所述人群数据库形成挂接;
城市拥堵路段人群画像模块,用于从所述手机定位数据中提取所述人群数据库中所有人的个人定位数据,并按照时间顺序将不同时段的所述个人定位数据依次连接形成个人的行为轨迹数据,根据个人的行为轨迹数据提取所述个人的年龄、职业和出行目的,基于个人的年龄、职业和出行目的对所述人群数据库的人群进行分类;
拥堵路段成因诊断模块,用于根据分类的结果生成各拥堵路段的拥堵人群类别汇总表,将每个拥堵路段的各类人群按照占比从大到小排序,根据排序的结果诊断导致拥堵的典型人群;
拥堵诊断报告输出模块,用于将拥堵人群类别汇总表和每类典型人群的信息整合为拥堵路段诊断报告,并通过信号输出端口发送至信号接收端口。
在一些实施例中,所述拥堵路段数据库的构建方式包括:根据每个时间切片识别出的拥堵路段,在地理信息平台中依次绘制出所有拥堵路段的机动车道范围边界,所述拥堵路段数据库包含路段编号、道路名称、拥堵时段以及空间信息。
在一些实施例中,所述人群数据库的构建方式包括:在地理信息平台中,根据每个时间切片中每个拥堵路段的地理位置关系,实时筛选出每个拥堵路段空间边界内的手机定位数据,根据所述手机定位数据构建每一个拥堵路段的人群数据库。
基于本发明提出的方法,本发明还提出一种储存介质,其上存储有计算机可读程序,所述程序在被处理器执行时,实现上述方法。
下面将对本发明的方法及系统做出举例阐述
S1:城市多源数据采集与输入模块。
1.1数据采集(实时路况数据):例如,可通过在道路两侧以路灯杆为依托、按单元距离D放置CCD视频摄像机作为交通信息视频检测器,并根据车辆进入检测区时的背景灰度值变化判断车辆存在,并以此检测车辆速度,其中,所述单元距离D为相邻路灯之间的距离,所述实时数据的采集频率为每分钟一次,包括检测器自身地理坐标、时刻、检测单元距离D之间的车辆计数n、每个路段单元内第i辆车的速度vi。
1.2数据接入:使用数据端口从手机服务商处接入高精度手机定位数据,从地图服务商处接入城市路网、用地等基础空间数据,其中,所述高精度手机定位数据借助手机服务商的定位基站每分钟获取一次,具体包括手机用户id、时间、位置点地理坐标,所述城市用地基础数据包含地块地理坐标、地块边界、地块面积和用地类型。
1.3数据集成:将实时路况数据、手机定位数据与城市基础空间数据实时输入至地理信息平台,并实时统一所有数据的坐标与高程。
又例如,多源大数据采集与输入的具体实施方式可以为如下:(1.1)实时路况数据采集,其具体操作步骤为在江苏省南京市江宁大学城片区的所有道路两侧以路灯杆为依托、按单元距离D放置CCD视频摄像机作为交通信息视频检测器,并根据车辆进入检测区时的背景灰度值变化判断车辆存在,进而获取实时路况数据。其中,所述单元距离D为相邻路灯之间的距离,所述实时数据包括检测器自身地理坐标、时刻、检测单元距离之间的车辆计数n、每个路段单元内第i辆车的速度vi;
(1.2)数据接入,使用数据端口从手机服务商处接入南京市高精度手机定位数据,从地图服务商处接入江宁大学城片区城市路网、用地等基础空间数据。其中,所述高精度手机定位数据借助手机服务商的定位基站每分钟获取一次,具体包括手机用户id、时间、位置点地理坐标。所述基础用地数据包含地块地理坐标、地块边界、地块面积和用地类型。
(1.3)数据集成,将实时路况数据、手机定位数据实时输入至地理信息平台,并实时统一所有数据的坐标与高程,生成江宁大学城片区实时交通场景。
S2:城市拥堵场景数据库构建模块。
2.1城市拥堵路段识别:基于S1中实时采集的车辆速度实时计算道路平均速度并根据《城市交通管理评价指标体系》中道路拥堵的判定标准,当道路平均速度小于20km/h,将该路段标记为拥堵路段。其中,所述道路平均速度指的是按检测单元距离D对路网数据进行切分生成的路段单元的平均速度,计算公式为vi为每个路段单元内第i辆车的速度(单位km/h),n为车辆计数。
2.2拥堵路段数据库构建:根据每个时间切片识别出的拥堵路段,在地理信息平台中依次绘制出所有拥堵路段的机动车道范围边界,进而构建拥堵路段的空间基础数据库,所述拥堵路段数据库包含路段编号、道路名称、拥堵时段以及空间信息。
2.3拥堵人群数据库构建:在地理信息平台中,根据S2.2中每个时间切片中每个拥堵路段的地理位置关系,实时筛选出该拥堵路段对应空间范围内的手机定位数据,对用户ID进行提取,并构建每一个拥堵路段的人群数据库,并将该拥堵路段的人群数据库与对应的拥堵路段数据库形成挂接。
S3:城市拥堵地段人群画像模块。
3.1人群行为轨迹数据集提取:根据拥堵路段所对应的拥堵人群数据库,从S1.2所获取的手机定位数据中提取拥堵人群的手机定位数据点集,并按照时间顺序依次连接,生成每个用户a的行为轨迹数据集Tra;
3.2人群出行信息挖掘:将每个用户发生在拥堵行为点集之后的第一个有效停留点标记为该拥挤用户出行目的地,按照地理位置关系将城市用地数据与该拥堵用户的出行目的地进行空间匹配,进而判定该拥挤用户出行目的地所对应的用地数据类别。其中,所述有效停留点是指用户在100米的范围内停留超过15分钟的非道路区域。所述城市用地数据具体包括地块地理坐标、地块边界、地块面积和用地类型,具体的获取步骤为基于《城市用地分类与规划建设用地标准》(GB50137-2011),在城市所有地块中筛选用地类型为A1(行政办公用地)、A2(文化设施用地)、A3(教育科研用地)、A4(体育用地)、A5(医疗卫生用地)、A6(社会福利设施用地)、A8(外事用地)、A9(宗教设施用地)、B1(商业用地)、B2(商务设施用地)、B3(娱乐康体用地)、B4(公用设施营业网点用地)、B9(其他服务设施用地)、M(工业用地)、S(道路与交通设施用地)、U(公用设施用地)、G1(公园绿地)、G3(广场用地)的地块。
3.3拥堵人群属性提取:根据拥堵路段所对应的拥堵人群数据库,从S1所获取的手机定位数据中提取拥堵人群的年龄、职业属性;根据S3.2中生成的该拥挤用户出行目的地所对应的用地数据类别,提取拥堵人群的出行目的属性,并与S2.3的拥堵人群数据库进行挂接。
3.4拥堵人群数字画像:基于年龄、职业、出行目的的人群数字画像,其具体操作步骤为按照国际标准,将0~14岁的拥堵人群分为少年,将15~24岁的拥堵人群分为青年人口,将25~64岁的拥堵人群分为壮年人口,将65岁以上的拥堵人群分为老年;根据职业特点,将拥堵人群分为就学、就业和非就学就业三个类别;根据目的地类型,可将拥堵人群的出行目的分为商务出行类、上学出行类、生活服务出行类、休闲游憩类。
所述出行目的结合拥挤用户出行目的地所对应的城市用地类型进行判定,具体判定规则如下:若该拥挤用户的出行目的地所对应的城市用地类别为A1、A8、A9、B2、B9、M、S或U类用地,则将其识别为商务出行类;若该拥挤用户的出行目的地所对应的城市用地类别为A3类用地,则将其识别为上学出行类;若该拥挤用户的出行目的地所对应的城市用地类别为A5、A6、B1或B4类用地,则将其识别为生活服务出行类;若该拥挤用户的出行目的地所对应的城市用地类别为A2、A4、B3、G1或G3类用地,则将其识别为休闲游憩类人群。
基于3大属性的人群画像规则,可将人群分为4*3*4=48类,进而针对各类别的拥堵人群,分别将每个拥堵路段数据库所对应的拥堵人群数据库进一步切分为48个拥堵人群子数据库。
S4:拥堵成因诊断模块。
4.1拥堵路段群体汇总:将S3.4中的拥堵人群子数据库与S2.2中的拥堵路段数据库挂接,进而生成各拥堵路段的拥堵人群类别汇总表。其中,所述拥堵人群类别汇总表中包含路段名称、拥堵时段、各类群体人数、各类群体占比。
4.2拥堵成因诊断:将拥堵路段r的各类拥堵人群按照占比从大到小排序,并筛选出排序前10的拥堵人群,将其识别为导致拥堵的典型人群。
S5:拥堵诊段报告输出模块。
将S4中每个拥堵路段的拥堵人群类别汇总表和每类典型人群的信息整合为拥堵路段诊断报告,并通过信号输出端口发送至规划相关部门,为公共管理部门采取相应的规划措施提供支撑。其中,所述诊断报告为word格式,包含信息如下:路段名称、拥堵时段、各类群体人数以及典型拥堵人群的类别、占比。以此为依据,可以为城市道路交通、公共交通等管理部门治理交通拥堵提供客观依据。
步骤2.3与步骤4.1,所述数据库采用人地挂接的方法,能够更加快速、便捷地识别出拥堵人群,相比于传统人力筛查更加直观、快速;如步骤2.3中拥堵人群子数据库均与对应的拥堵路段数据库形成挂接;步骤4.1中将拥堵人群子数据库与拥堵路段数据库挂接,进而生成各拥堵路段的拥堵人群类别汇总表;
步骤1.3与步骤3.2,通过集成多源大数据,并挖掘人群行为轨迹数据、人群出行信息等时空行为轨迹数据,能实现对人群的精准刻画,以个体行为路径为基础,通过对拥堵路段不同人群的数字画像与类型识别,对城市拥堵地区进行诊断与疏解;
步骤4.2与步骤5,关注城市物质空间的基础上进一步关注人群行为,从根源分析城市拥堵背后的人为成因,相较于纯粹的交通分析具有更深层的含义,能实现更加合理的诊断与优化,助于交通拥堵的提前预防与治理,可提高相关部门应对重大交通拥堵问题和突发交通流变化的能力。
以上所述,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 (10)
1.一种城市拥堵地区的诊断方法,其特征在于,包括如下步骤:
S1:将所述城市的路况数据、手机定位数据和基础空间数据实时输入至地理信息平台,并实时统一所有数据的坐标与高程;
S2:构建拥堵路段数据库和所述拥堵路段的人群数据库,将所述拥堵路段数据库和所述人群数据库形成挂接;
S3:从所述手机定位数据中提取所述人群数据库中所有人的个人定位数据,并按照时间顺序将不同时段的所述个人定位数据依次连接形成个人的行为轨迹数据;
S4:根据所述个人的行为轨迹数据将人群数据库中的人群进行分类,将分类的结果进行排序区分导致拥堵的人群。
2.根据权利要求1所述的一种城市拥堵地区的诊断方法,其特征在于,所述路况数据的采集方式包括:以路灯杆为依托,按单位距离放置视频摄像机,并根据车辆进入检测区时的背景灰度值变化判断并检测车辆速度,对车辆进行计数。
3.根据权利要求1所述的一种城市拥堵地区的诊断方法,其特征在于,所述基础空间数据包括地块地理坐标、地块边界、地块面积和用地类型。
4.根据权利要求1所述的一种城市拥堵地区的诊断方法,其特征在于,所述分类方式包括:根据个人的行为轨迹数据提取所述个人的年龄、职业和出行目的,基于个人的年龄、职业和出行目的对所述人群数据库的人群进行分类。
5.根据权利要求1所述的一种城市拥堵地区的诊断方法,其特征在于,所述拥堵路段数据库的构建方式包括:根据每个时间切片识别出的拥堵路段,在地理信息平台中依次绘制出所有拥堵路段的机动车道范围边界,所述拥堵路段数据库包含路段编号、道路名称、拥堵时段以及空间信息。
6.根据权利要求5所述的一种城市拥堵地区的诊断方法,其特征在于,所述人群数据库的构建方式包括:在地理信息平台中,根据每个时间切片中每个拥堵路段的地理位置关系,实时筛选出每个拥堵路段空间边界内的手机定位数据,根据所述手机定位数据构建每一个拥堵路段的人群数据库。
7.一种城市拥堵地区的诊断系统,其特征在于,所述系统包括:
多源大数据采集与输入模块,用于将所述城市的路况数据、手机定位数据和基础空间数据实时输入至地理信息平台,并实时统一所有数据的坐标与高程;
城市拥堵场景数据库构建模块,用于构建拥堵路段数据库和所述拥堵路段的人群数据库,将所述拥堵路段数据库和所述人群数据库形成挂接;
城市拥堵路段人群画像模块,用于从所述手机定位数据中提取所述人群数据库中所有人的个人定位数据,并按照时间顺序将不同时段的所述个人定位数据依次连接形成个人的行为轨迹数据,根据个人的行为轨迹数据提取所述个人的年龄、职业和出行目的,基于个人的年龄、职业和出行目的对所述人群数据库的人群进行分类;
拥堵路段成因诊断模块,用于根据分类的结果生成各拥堵路段的拥堵人群类别汇总表,将每个拥堵路段的各类人群按照占比从大到小排序,根据排序的结果诊断导致拥堵的典型人群;
拥堵诊断报告输出模块,用于将拥堵人群类别汇总表和每类典型人群的信息整合为拥堵路段诊断报告,并通过信号输出端口发送至信号接收端口。
8.根据权利要求7所述的一种城市拥堵地区的诊断系统,其特征在于,所述拥堵路段数据库的构建方式包括:根据每个时间切片识别出的拥堵路段,在地理信息平台中依次绘制出所有拥堵路段的机动车道范围边界,所述拥堵路段数据库包含路段编号、道路名称、拥堵时段以及空间信息。
9.根据权利要求7所述的一种城市拥堵地区的诊断系统,其特征在于,所述人群数据库的构建方式包括:在地理信息平台中,根据每个时间切片中每个拥堵路段的地理位置关系,实时筛选出每个拥堵路段空间边界内的手机定位数据,根据所述手机定位数据构建每一个拥堵路段的人群数据库。
10.一种储存介质,其特征在于,其上存储有计算机可读程序,所述程序在被处理器执行时,实现如权利要求1-6任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110532459.6A CN113256978A (zh) | 2021-05-17 | 2021-05-17 | 一种城市拥堵地区的诊断方法、系统及储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110532459.6A CN113256978A (zh) | 2021-05-17 | 2021-05-17 | 一种城市拥堵地区的诊断方法、系统及储存介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113256978A true CN113256978A (zh) | 2021-08-13 |
Family
ID=77182063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110532459.6A Pending CN113256978A (zh) | 2021-05-17 | 2021-05-17 | 一种城市拥堵地区的诊断方法、系统及储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256978A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223369A (zh) * | 2022-08-16 | 2022-10-21 | 中国银行股份有限公司 | 交通疏导方法和装置 |
CN115440039A (zh) * | 2022-09-01 | 2022-12-06 | 南京大学 | 交通事故拥堵成因分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108351858A (zh) * | 2015-08-30 | 2018-07-31 | 塞林特交通解决方案有限公司 | 用于基于蜂窝数据来识别交通拥堵根本原因以及建议可能的缓解措施的方法和系统 |
CN109035778A (zh) * | 2018-08-29 | 2018-12-18 | 深圳市赛为智能股份有限公司 | 拥堵成因分析方法、装置、计算机设备及存储介质 |
CN111028507A (zh) * | 2019-12-16 | 2020-04-17 | 北京百度网讯科技有限公司 | 交通拥堵致因确定方法及装置 |
KR102124955B1 (ko) * | 2019-11-29 | 2020-06-19 | 세종대학교산학협력단 | 시각적 분석을 통한 교통 혼잡 원인 식별 방법 및 서버 |
CN112150666A (zh) * | 2020-08-28 | 2020-12-29 | 汉海信息技术(上海)有限公司 | 确定道路拥堵原因的方法、装置、电子设备及存储介质 |
-
2021
- 2021-05-17 CN CN202110532459.6A patent/CN113256978A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108351858A (zh) * | 2015-08-30 | 2018-07-31 | 塞林特交通解决方案有限公司 | 用于基于蜂窝数据来识别交通拥堵根本原因以及建议可能的缓解措施的方法和系统 |
CN109035778A (zh) * | 2018-08-29 | 2018-12-18 | 深圳市赛为智能股份有限公司 | 拥堵成因分析方法、装置、计算机设备及存储介质 |
KR102124955B1 (ko) * | 2019-11-29 | 2020-06-19 | 세종대학교산학협력단 | 시각적 분석을 통한 교통 혼잡 원인 식별 방법 및 서버 |
CN111028507A (zh) * | 2019-12-16 | 2020-04-17 | 北京百度网讯科技有限公司 | 交通拥堵致因确定方法及装置 |
CN112150666A (zh) * | 2020-08-28 | 2020-12-29 | 汉海信息技术(上海)有限公司 | 确定道路拥堵原因的方法、装置、电子设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223369A (zh) * | 2022-08-16 | 2022-10-21 | 中国银行股份有限公司 | 交通疏导方法和装置 |
CN115440039A (zh) * | 2022-09-01 | 2022-12-06 | 南京大学 | 交通事故拥堵成因分析方法及系统 |
CN115440039B (zh) * | 2022-09-01 | 2024-06-07 | 南京大学 | 交通事故拥堵成因分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108109382B (zh) | 基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 | |
CN109583640A (zh) | 一种基于多源定位数据的城市出行客流属性识别方法 | |
CN112668375B (zh) | 景区内游客分布分析系统及方法 | |
CN105512166A (zh) | 一种微博舆情与城市路况相映射的交通平行方法 | |
CN113256978A (zh) | 一种城市拥堵地区的诊断方法、系统及储存介质 | |
CN108346291B (zh) | 基于手机app的城市道路交通事故采集与分析方法 | |
CN111813835A (zh) | 一种基于手机信令和poi数据的公共活动中心识别系统 | |
CN112669596B (zh) | 一种基于大数据的交通安全态势判别系统及方法 | |
CN112738729B (zh) | 一种用手机信令数据判别探亲返乡游客的方法及系统 | |
CN114969007A (zh) | 一种基于功能混合度和集成学习的城市功能区识别方法 | |
CN110490150A (zh) | 一种基于车辆检索的违章图片自动审核系统及方法 | |
CN110674887A (zh) | 一种基于视频分类的端到端道路拥堵检测算法 | |
CN111966746A (zh) | 一种气象防灾减灾流程监控系统及其监控方法 | |
CN111310340B (zh) | 基于人类移动的城市区域交互异常关系识别方法及设备 | |
Zhou et al. | Method for judging parking status based on yolov2 target detection algorithm | |
Chung et al. | Investigating the effects of POI-based land use on traffic accidents in Suzhou Industrial Park, China | |
CN116308956B (zh) | 一种城市区域主导功能与规划用途差异检测的方法 | |
CN111400877B (zh) | 一种基于gis数据的智能城市仿真系统和方法 | |
CN113516850B (zh) | 基于空间句法分析的管道沿线交通流量数据采集方法 | |
CN110610446A (zh) | 一种基于两步聚类思路的县域城镇分类方法 | |
CN113408867B (zh) | 基于手机用户和poi数据的城市入室盗窃犯罪风险评估方法 | |
CN111881303A (zh) | 一种城市异构节点分类的图网络结构方法 | |
CN113744525A (zh) | 一种基于特征提取与深度学习的交通分布预测方法 | |
CN106485921A (zh) | 一种基于社交数据的区域高速路网车流状态分析方法 | |
CN113421067A (zh) | 一种共享自行车品牌识别与数量管理方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210813 |