CN113380028B - 一种智慧出行交通数据融合方法及装置 - Google Patents
一种智慧出行交通数据融合方法及装置 Download PDFInfo
- Publication number
- CN113380028B CN113380028B CN202110606877.5A CN202110606877A CN113380028B CN 113380028 B CN113380028 B CN 113380028B CN 202110606877 A CN202110606877 A CN 202110606877A CN 113380028 B CN113380028 B CN 113380028B
- Authority
- CN
- China
- Prior art keywords
- space
- time
- urban
- traffic data
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及智慧交通技术领域,具体公开了一种智慧出行交通数据融合方法,其中,包括:获取多种途径采集到的交通数据,其中多种途径包括城市道路卡口、车辆卫星定位和浮动车辆平台;对所述交通数据按照时空分析方法进行分析得到区域内交通数据分析结果;将所述区域内交通数据分析结果进行时空扩展分析,得到城市道路整体交通数据分析结果;将所述城市道路整体交通数据分析结果作为城市智慧出行数据输出。本发明还公开了一种智慧出行交通数据融合装置。本发明提供的智慧出行交通数据融合方法实现跨平台跨网络交通出行数据的汇聚和管理,从而解决城市交通智慧出行数据融合计算和自扩展应用的难题。
Description
技术领域
本发明涉及智慧交通技术领域,尤其涉及一种智慧出行交通数据融合方法及一种智慧出行交通数据融合装置。
背景技术
智慧出行需要汇聚多方面的数据,如何建立交通出行元数据字典映射管理体系,兼容公安、交通、城管、出行服务企业等异构数据服务平台,支持数据源横向扩展,实现跨平台跨网络交通出行数据的汇聚和管理,解决城市交通智慧出行数据平台建设的难题。
目前智慧出行数据汇聚面临如下困难:(1)跨网络跨平台的交通出行数据多源异构;(2)数据深度融合不足;(3)数据来源于交管、交通、城管等多维业务;(4)缺少业务数据的质量管控;等等。
因此,如何提供一种智慧出行交通数据融合方法解决至少上述技术问题之一成为本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种智慧出行交通数据融合方法及一种智慧出行交通数据融合装置,解决相关技术中存在的无法实现数据融合的问题。
作为本发明的第一个方面,提供一种智慧出行交通数据融合方法,其中,包括:
获取多种途径采集到的交通数据,其中多种途径包括城市道路卡口、车辆卫星定位和浮动车辆平台;
对所述交通数据按照时空分析方法进行分析得到区域内交通数据分析结果;
将所述区域内交通数据分析结果进行时空扩展分析,得到城市道路整体交通数据分析结果;
将所述城市道路整体交通数据分析结果作为城市智慧出行数据输出。
进一步地,所述对所述交通数据按照时空分析方法进行分析得到区域内交通数据分析结果,包括:
按照空间基本单元和时间基本单元对城市道路分别进行空间切片和时间切片,得到城市道路的多个空间切片和多个时间切片;
根据所述交通数据得到机动车的运行状况;
根据时空二次回归算法分别计算多个空间切片和多个时间切片中机动车的交通强度。
进一步地,所述城市道路包括城市主干道和城市辅路,所述按照空间基本单元和时间基本单元对城市道路分别进行空间切片和时间切片,得到城市道路的多个空间切片和多个时间切片,包括:
按照第一空间基本单元和第一时间基本单元对城市主干道中相邻两个卡口之间的道路分别进行空间切片和时间切片,得到城市主干道的多个第一空间切片和多个第一时间切片;
按照第二空间基本单元和第二时间基本单元对城市辅路中相邻两个卡口之间的道路分别进行空间切片和时间切片,得到城市辅路的多个第二空间切片和多个第二时间切片。
进一步地,所述第一空间基本单元包括100米,第一时间基本单元包括6秒,第二空间基本单元包括100米,第二时间基本单元包括9秒。
进一步地,所述根据所述交通数据得到机动车的运行状况,包括:
获取机动车在城市主干道或城市辅路的相邻两个卡口的瞬时车速数据、通过相邻两个卡口的时间以及机动车的车辆号牌。
进一步地,所述根据时空二次回归算法分别计算多个空间切片和多个时间切片中机动车的交通强度,包括:
根据时空二次回归算法以及机动车在城市主干道或城市辅路的相邻两个卡口的瞬时车速数据、通过相邻两个卡口的时间以及机动车的车辆号牌分别计算多个第一空间切片或多个第二空间切片中机动车的平均车速,以及计算多个第一时间切片或多个第二时间切片中机动车的平均车速。
进一步地,所述将所述区域内交通数据分析结果进行时空扩展分析,得到城市道路整体交通数据分析结果,包括:
根据机动车在多个第一空间切片或多个第二空间切片中机动车的平均车速,以及机动车在多个第一时间切片或多个第二时间切片中机动车的平均车速得到机动车的行驶轨迹数据;
根据所述机动车的行驶轨迹数据以及回归算法进行空间扩展计算得到城市主干道或城市辅路中机动车时空中的平均速度;
根据所述机动车时空中的平均速度判定得到城市道路交通强度。
进一步地,所述根据所述机动车的行驶轨迹数据以及回归算法进行空间扩展计算得到城市主干道或城市辅路中机动车时空中的平均速度,包括:
针对城市主干道或城市辅路中的机动车,根据其在任意一个空间切片中所对应的任意一个时间切片上的速度,确定空间切片上任意节点的时空三次样条函数;
根据空间切片上任意节点的时空三次样条函数计算空间切片上任意节点的机动车平均速度;
根据插值函数对空间切片上任意节点的机动车平均速度进行数据空间扩展得到城市主干道或城市辅路中机动车时空中的平均速度。
作为本发明的另一个方面,提供一种智慧出行交通数据融合装置,其中,包括:
获取模块,用于获取多种途径采集到的交通数据,其中多种途径包括城市道路卡口、车辆卫星定位和浮动车辆平台;
时空分析模块,用于对所述交通数据按照时空分析方法进行分析得到区域内交通数据分析结果;
时空扩展分析模块,用于将所述区域内交通数据分析结果进行时空扩展分析,得到城市道路整体交通数据分析结果;
输出模块,用于将所述城市道路整体交通数据分析结果作为城市智慧出行数据输出。
本发明提供的智慧出行交通数据融合方法,首先对城市道路进行时间和空间切片,从多源异构的智慧出行提取时空数据中,根据时间序列进行数据融合,将兼容公安、交通、城管、出行服务企业等异构数据服务平台,支持数据源横向扩展,实现跨平台跨网络交通出行数据的汇聚和管理,从而解决城市交通智慧出行数据融合计算和自扩展应用的难题。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1为本发明提供的智慧出行交通数据融合方法的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案,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的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包括,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种智慧出行交通数据融合方法,图1是根据本发明实施例提供的智慧出行交通数据融合方法的流程图,如图1所示,包括:
S110、获取多种途径采集到的交通数据,其中多种途径包括城市道路卡口、车辆卫星定位和浮动车辆平台;
在本发明实施例中,交通数据可以通过城市道路卡口、车辆卫星定位以及浮动车辆平台等获取城市道路上运行的机动车的交通数据等信息。
例如,可以通过城市道路卡口也就是摄像头获取城市道路上运行的机动车的交通数据;每辆机动车上均设置有车辆卫星定位装置,还可以通过车辆卫星定位装置获取城市道路上运行的机动车的交通数据;例如,城市中的网约车、出租车等车辆平台会有机动车的交通数据,因此还可以通过浮动车辆平台获取交通数据。
S120、对所述交通数据按照时空分析方法进行分析得到区域内交通数据分析结果;
具体地,按照空间基本单元和时间基本单元对城市道路分别进行空间切片和时间切片,得到城市道路的多个空间切片和多个时间切片;
根据所述交通数据得到机动车的运行状况;
根据时空二次回归算法分别计算多个空间切片和多个时间切片中机动车的交通强度。
需要说明的是,所述城市道路包括城市主干道和城市辅路,所述按照空间基本单元和时间基本单元对城市道路分别进行空间切片和时间切片,得到城市道路的多个空间切片和多个时间切片,包括:
按照第一空间基本单元和第一时间基本单元对城市主干道中相邻两个卡口之间的道路分别进行空间切片和时间切片,得到城市主干道的多个第一空间切片和多个第一时间切片;
按照第二空间基本单元和第二时间基本单元对城市辅路中相邻两个卡口之间的道路分别进行空间切片和时间切片,得到城市辅路的多个第二空间切片和多个第二时间切片。
需要说明的是,在本发明实施例中,所述城市辅路是指城市道路中处于城市主干道之外的其他道路。
在一些实施方式中,所述第一空间基本单元包括100米,第一时间基本单元包括6秒,第二空间基本单元包括100米,第二时间基本单元包括9秒。
应当理解的是,在本发明实施例中,针对城市的空间按照道路为基础进行切片分割,再按照时间进行切片。城市主干道的空间基本单元为100米,时间基本单元为6秒。城市辅路的空间基本单元为100米,时间基本单元为9秒。通过该方式,将汇聚的瞬时信息转变为时空统计数据。
在本发明实施例中,所述根据所述交通数据得到机动车的运行状况,包括:
获取机动车在城市主干道或城市辅路的相邻两个卡口的瞬时车速数据、通过相邻两个卡口的时间以及机动车的车辆号牌。
根据时空二次回归算法以及机动车在城市主干道或城市辅路的相邻两个卡口的瞬时车速数据、通过相邻两个卡口的时间以及机动车的车辆号牌分别计算多个第一空间切片或多个第二空间切片中机动车的平均车速,以及计算多个第一时间切片或多个第二时间切片中机动车的平均车速。
例如,K1和K2分别表示相邻两个卡口,K1到K2道路进行100米的切片为L1~Ln,时间进行切片为T1~Tn;得到某辆车在K1卡口和K2卡口的瞬时速度v1、v2和通过卡口时间t1、t2和车牌号码;根据时空二次回归算法计算L1~Ln中、T1~Tn时空中的平均速度。
S130、将所述区域内交通数据分析结果进行时空扩展分析,得到城市道路整体交通数据分析结果;
具体地,根据机动车在多个第一空间切片或多个第二空间切片中机动车的平均车速,以及机动车在多个第一时间切片或多个第二时间切片中机动车的平均车速得到机动车的行驶轨迹数据;
根据所述机动车的行驶轨迹数据以及回归算法进行空间扩展计算得到城市主干道或城市辅路中机动车时空中的平均速度;
根据所述机动车时空中的平均速度判定得到城市道路交通强度。
汇聚的车辆行驶交通信息扩展汇聚到时空统计数据的步骤如下:
K1到K2道路进行100米的切片为L1~Ln,时间进行切片为T1~Tn;得到某辆车行驶轨迹数据(xi,yi,ti,vi);根据回归算法计算L1~Ln中、T1~Tn时空中的平均速度。
将采集的数据通过如上算法,将数据分布到时间段、空间段中。在L和T的时间空间段中,对落到此空间的数据采用平均值,计算对应时间和空间的交通强度值。
空间扩展算法如下:
对于某个空间段Li其时间Tim,Tin有数据Vim,Vin;
S(x)∈C[L1,Ln],且在每个小区间[tj,tj+1]上是三次多项式,其中L1=x0<x1<...<xn=Ln是给定节点,则称S(x)是节点x0,x1,...xn上的时空三次样条函数。若在节点xj上给定函数值Yj=f(Xj).(j=0,1,,n),并成立S(xj)=yj.(j=0,1,,n),S(x)为时空插值函数。
通过S(x)计算Vij的值,通过插值函数实现数据的扩展。
S140、将所述城市道路整体交通数据分析结果作为城市智慧出行数据输出。
本发明实施例提供的智慧出行交通数据融合方法,首先对城市道路进行时间和空间切片,从多源异构的智慧出行提取时空数据中,根据时间序列进行数据融合,将兼容公安、交通、城管、出行服务企业等异构数据服务平台,支持数据源横向扩展,实现跨平台跨网络交通出行数据的汇聚和管理,从而解决城市交通智慧出行数据融合计算和自扩展应用的难题。
作为本发明的另一实施例,提供一种智慧出行交通数据融合装置,其中,包括:
获取模块,用于获取多种途径采集到的交通数据,其中多种途径包括城市道路卡口、车辆卫星定位和浮动车辆平台;
时空分析模块,用于对所述交通数据按照时空分析方法进行分析得到区域内交通数据分析结果;
时空扩展分析模块,用于将所述区域内交通数据分析结果进行时空扩展分析,得到城市道路整体交通数据分析结果;
输出模块,用于将所述城市道路整体交通数据分析结果作为城市智慧出行数据输出。
本发明实施例提供的智慧出行交通数据融合装置的具体工作过程可以参照前文的智慧出行交通数据融合方法的描述,此处不再赘述。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (3)
1.一种智慧出行交通数据融合方法,其特征在于,包括:
获取多种途径采集到的交通数据,其中多种途径包括城市道路卡口、车辆卫星定位和浮动车辆平台;
对所述交通数据按照时空分析方法进行分析得到区域内交通数据分析结果;
将所述区域内交通数据分析结果进行时空扩展分析,得到城市道路整体交通数据分析结果;
将所述城市道路整体交通数据分析结果作为城市智慧出行数据输出;
所述对所述交通数据按照时空分析方法进行分析得到区域内交通数据分析结果,包括:
按照空间基本单元和时间基本单元对城市道路分别进行空间切片和时间切片,得到城市道路的多个空间切片和多个时间切片;
根据所述交通数据得到机动车的运行状况;
根据时空二次回归算法分别计算多个空间切片和多个时间切片中机动车的交通强度;
所述城市道路包括城市主干道和城市辅路,所述按照空间基本单元和时间基本单元对城市道路分别进行空间切片和时间切片,得到城市道路的多个空间切片和多个时间切片,包括:
按照第一空间基本单元和第一时间基本单元对城市主干道中相邻两个卡口之间的道路分别进行空间切片和时间切片,得到城市主干道的多个第一空间切片和多个第一时间切片;
按照第二空间基本单元和第二时间基本单元对城市辅路中相邻两个卡口之间的道路分别进行空间切片和时间切片,得到城市辅路的多个第二空间切片和多个第二时间切片;
所述根据所述交通数据得到机动车的运行状况,包括:
获取机动车在城市主干道或城市辅路的相邻两个卡口的瞬时车速数据、通过相邻两个卡口的时间以及机动车的车辆号牌;
所述根据时空二次回归算法分别计算多个空间切片和多个时间切片中机动车的交通强度,包括:
根据时空二次回归算法以及机动车在城市主干道或城市辅路的相邻两个卡口的瞬时车速数据、通过相邻两个卡口的时间以及机动车的车辆号牌分别计算多个第一空间切片或多个第二空间切片中机动车的平均车速,以及计算多个第一时间切片或多个第二时间切片中机动车的平均车速;
所述将所述区域内交通数据分析结果进行时空扩展分析,得到城市道路整体交通数据分析结果,包括:
根据机动车在多个第一空间切片或多个第二空间切片中机动车的平均车速,以及机动车在多个第一时间切片或多个第二时间切片中机动车的平均车速得到机动车的行驶轨迹数据;
根据所述机动车的行驶轨迹数据以及回归算法进行空间扩展计算得到城市主干道或城市辅路中机动车时空中的平均速度;
根据所述机动车时空中的平均速度判定得到城市道路交通强度;
所述根据所述机动车的行驶轨迹数据以及回归算法进行空间扩展计算得到城市主干道或城市辅路中机动车时空中的平均速度,包括:
针对城市主干道或城市辅路中的机动车,根据其在任意一个空间切片中所对应的任意一个时间切片上的速度,确定空间切片上任意节点的时空三次样条函数;
根据空间切片上任意节点的时空三次样条函数计算空间切片上任意节点的机动车平均速度;
根据插值函数对空间切片上任意节点的机动车平均速度进行数据空间扩展得到城市主干道或城市辅路中机动车时空中的平均速度。
2.根据权利要求1所述的智慧出行交通数据融合方法,其特征在于,所述第一空间基本单元包括100米,第一时间基本单元包括6秒,第二空间基本单元包括100米,第二时间基本单元包括9秒。
3.一种智慧出行交通数据融合装置,用于实现权利要求1或2所述的智慧出行交通数据融合方法,其特征在于,包括:
获取模块,用于获取多种途径采集到的交通数据,其中多种途径包括城市道路卡口、车辆卫星定位和浮动车辆平台;
时空分析模块,用于对所述交通数据按照时空分析方法进行分析得到区域内交通数据分析结果;
时空扩展分析模块,用于将所述区域内交通数据分析结果进行时空扩展分析,得到城市道路整体交通数据分析结果;
输出模块,用于将所述城市道路整体交通数据分析结果作为城市智慧出行数据输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110606877.5A CN113380028B (zh) | 2021-06-01 | 2021-06-01 | 一种智慧出行交通数据融合方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110606877.5A CN113380028B (zh) | 2021-06-01 | 2021-06-01 | 一种智慧出行交通数据融合方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113380028A CN113380028A (zh) | 2021-09-10 |
CN113380028B true CN113380028B (zh) | 2022-09-06 |
Family
ID=77575126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110606877.5A Active CN113380028B (zh) | 2021-06-01 | 2021-06-01 | 一种智慧出行交通数据融合方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113380028B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114722948A (zh) * | 2022-04-13 | 2022-07-08 | 北京中软政通信息技术有限公司 | 车辆行驶数据融合方法、装置、设备及介质 |
CN115762197A (zh) * | 2022-10-31 | 2023-03-07 | 安徽庐峰交通科技有限公司 | 一种基于物联网数据融合的全息路口优化调控系统及方法 |
CN117058887B (zh) * | 2023-10-12 | 2023-12-22 | 深圳市中智车联科技有限责任公司 | 一种城市交通数据的采集方法、装置、设备和介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489039B (zh) * | 2013-09-12 | 2016-08-24 | 重庆大学 | 具有在线自整定优化能力的高速公路交通流量融合预测方法 |
CN106251630B (zh) * | 2016-10-13 | 2018-09-07 | 东南大学 | 一种基于多源数据的递进式扩展卡尔曼滤波高速公路交通状态估计方法 |
WO2018122585A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
CN107248284B (zh) * | 2017-08-09 | 2019-11-05 | 北方工业大学 | 基于多源信息融合的实时交通评价方法 |
CN108831153A (zh) * | 2018-08-09 | 2018-11-16 | 深圳先进技术研究院 | 一种利用时空分布特性的交通流预测方法及装置 |
-
2021
- 2021-06-01 CN CN202110606877.5A patent/CN113380028B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113380028A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113380028B (zh) | 一种智慧出行交通数据融合方法及装置 | |
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
Zhou et al. | RiskOracle: A minute-level citywide traffic accident forecasting framework | |
Faghih-Imani et al. | Incorporating the impact of spatio-temporal interactions on bicycle sharing system demand: A case study of New York CitiBike system | |
US9129522B2 (en) | Traffic speed estimation using temporal and spatial smoothing of GPS speed data | |
Haghighi et al. | Using Twitter data for transit performance assessment: a framework for evaluating transit riders’ opinions about quality of service | |
US9536146B2 (en) | Determine spatiotemporal causal interactions in data | |
CN109993847B (zh) | 一种基于区块链的收集交通事故信息的架构及工作方法 | |
CN109996284A (zh) | 移动通信故障投诉工单处理方法、装置、设备及介质 | |
CN110021161B (zh) | 一种交通流向的预测方法及系统 | |
Du et al. | Transit pattern detection using tensor factorization | |
CN112398939A (zh) | 基于通信信令的分区式气象智能预警平台 | |
CN111767432A (zh) | 共现对象的查找方法和装置 | |
CN114298493A (zh) | 一种公路运行监测系统、方法、终端及存储介质 | |
CN114419897A (zh) | 一种基于v2x技术的城市交通cim系统及其展示方法 | |
Celes et al. | From mobility traces to knowledge: Design guidance for intelligent vehicular networks | |
CN109461303B (zh) | 一种交通拥堵状态获取方法和装置 | |
Mai-Tan et al. | Mining urban traffic condition from crowd-sourced data | |
EP3038024A1 (en) | A computer implemented method, a system and computer program products for selecting representatives' paths of commuting routes | |
CN112529466A (zh) | 一种基于大数据的智慧城管方法及系统 | |
CN112948483B (zh) | 一种城市大数据可视化系统 | |
CN116311892A (zh) | 一种基于拥堵传播的城市路段通行关键瓶颈识别方法 | |
CN114817328A (zh) | 一种水域数据处理方法、装置及系统 | |
KR102221964B1 (ko) | 북극권 건설 자원 인프라에 기반한 공간 정보 제공 방법 및 시스템 | |
Kabashkin | Dependability of v2i services in the communication network of the intelligent transport systems |
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 |