CN113538952A - 公交车间隔异常识别与预警系统、方法、设备及存储介质 - Google Patents
公交车间隔异常识别与预警系统、方法、设备及存储介质 Download PDFInfo
- Publication number
- CN113538952A CN113538952A CN202110623691.0A CN202110623691A CN113538952A CN 113538952 A CN113538952 A CN 113538952A CN 202110623691 A CN202110623691 A CN 202110623691A CN 113538952 A CN113538952 A CN 113538952A
- Authority
- CN
- China
- Prior art keywords
- bus
- vehicle
- line
- interval
- route
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公交车间隔异常识别与预警系统、方法、设备及存储介质,尤其涉及公交车行驶过程中间隔距离异常的实时识别和道路预警,属于公交线路运营监测领域,目的是解决无法动态识别、精准度低的问题;本发明通过输入公交线网图层数据、车辆间隔阈值最小值、车辆间隔阈值最大值,初始化配置公交线网图层、公交线路的车辆队列字典、公交线路的车辆GPS点队列字典、车辆间隔阈值,并实时监测公交车辆的动态位置,识别并预警同一线路的相邻车辆在行驶过程中的车辆间隔过近、过远现象,提供公交线路到站间隔动态调整的数据支撑,提供公交线路的到站可靠性和运营服务水平。
Description
技术领域
本发明涉及一种实时识别与预警方法,尤其涉及公交车行驶过程中间隔距离异常的实时识别和道路预警,属于公交线路运营监测领域。
背景技术
公交线路到站可靠性是评估城市公交服务水平的关键衡量指标之一,公交车辆的到站间隔直接影响到乘客搭乘公交车的出行体验。当相邻公交车辆的到站间隔过大,在此期间的在站点等候的乘客所需耗费的候车时间也会增大;相反,当相邻公交车辆的到站间隔过小,甚至出现串车现象(后车追上并超过前车),容易造成前后两辆公交车的承载客流不均衡,后车的上车乘客量会比正常水平低,降低公交线路运营服务水平。
公交线路到站可靠性主要约束于公交车辆的发车间隔和行驶相邻车辆的距离间隔,前者属于公交车辆调度问题,后者反映公交车在行驶过程中的实时运行情况。在交通拥堵问题日益严重的情况下,通过结合城市公交GPS数据、公交线网数据,可实时监测公交车辆的动态位置,识别并预警同一线路的相邻车辆的大间隔、小间隔现象,通知公交车上的司机进行动态调整运行速度,实现公交线路运营过程中的信息互通互联,提升公交线路的到站可靠性。
在公交运营监测与分析的相关研究中,可分为两类研究,一是基于公交GPS等数据的公交运行水平分析,通过分析公交的实时运行特征,构建公交运行可靠度、公交到站可靠度等评价指标,该类研究属于对公交运营服务的事后分析,较难支撑对公交运营服务的动态监测与预警提升;二是基于公交GPS数据或公交到离站数据的公交车辆定位与公交到站预测,通过实时读取公交GPS数据或公交到离站数据,实现对公交线路的所有车辆的定位,以及结合推算出的实时公交运行速度,预测公交车辆到下游站点的预计到站时间,并以app、小程序等渠道为载体,向用户动态发布实时公交到站时间,该类研究侧重于在乘客角度提供数据服务,尽管实现了对公交车辆的定位与到站预测,但并实现实时识别前后车辆行驶间隔的异常,较难实现对公交线路车辆行驶的动态调整。
因此,设计一种公交车行驶间隔异常实时识别与预警方法,是一种公交线路运营服务实时监测与异常预警方法。通过实时监测公交车辆的动态位置,识别并预警同一线路的相邻车辆在行驶过程中的车辆间隔过近、过远现象,提供公交线路到站间隔动态调整的数据支撑,提供公交线路的到站可靠性和运营服务水平。付琰佳《动态路况条件下公交串车的调整策略建模与实证研究》以均衡车辆到站间隔和载客量为目标,从源头上减少甚至避免串车现象的发生,建立了基于多轮带约束搜索算法的动态条件下公交发车间隔调整策略模型。该方法考虑了公交线路运营的动态调整策略,可从发车间隔方面降低公交串车发生可能性,但并未考虑公交车辆在行驶过程中的实时路况等因素导致的串车问题,并未对公交线路实时串车行为进行识别与预警。
焦道通《基于智能公交数据的多条线路站点串车机理研究》利用成都市智能公交数据, 以单线路串车相关研究为基础,分别从多线路串车的指标描述、影响因素分析和车辆到站运行规律三个方面着手,深入研究解释公交多线路串车的主要影响机理,并未开展对公交线路串车的动态行为进行识别和预警。
王梦琪等《一种基于串车现象分析的常规公交运行稳定性优化方法》选取车头时距变异系数,通过分析城市公交的实时运行数据和城市公交运行特征,对实际的公交线路分时段进行分析,构建公交运行可靠度评价指标体系,对运行可靠性低的公交线路进行优化。该研究提供了一种评价公交线路运行可靠性的方法,但属于对公交线路串车现象与运行可靠性的事后评估,并未提供对公交线路串车现象的实时识别与线路运行可靠性的动态调整方法。
颜敏等《基于改进支持向量回归的公交串车预测研究》通过公交到离站数据对公交车头时距进行预测,建立基于改进支持向量回归的公交串车预测模型。该研究深入分析了公交串车现象的影响因素,通过改进支持向量回归的公交串车模型,提高了对公交运行状态波动较大的时段的串车预测精度,但由于数据源差异,该方法只支持公交到离站数据的输入,相比公交GPS数据缺失公交车在相邻站间的动态定位,识别精度会存在瓶颈。
张健等《常规公交车辆串车形成及预测建模》筛选出车站编号、车辆编号、时间段、区间旅行时间、停站时间、前车停站时间、发车间隔共7个串车形成影响因素,建立基于径向基函数神经网络的串车问题预测模型,对未来站的车头时距进行预测。该方法侧重于对串车现象的研究和预测,并未考虑在实际公交车辆运行场景中的预警应用。
发明内容
为解决的目前不能动态识别反馈交通数据、无法及时做出调整以及识别精度不足的问题,本发明提出了公交车间隔异常识别与预警系统、方法、设备及存储介质,本发明的技术方案如下:
方案一:公交车间隔异常识别与预警系统,该系统包括数据初始化模块、方向识别模块、队列更新模块、车辆标记模块和预警模块;其中数据初始化模块收集基础数据初始化处理后发送至方向识别模块用于车辆行驶方向识别;方向识别模块负责将数据进行识别和整合;队列更新模块负责计算整合后的数据并加以更新;最终由车辆标记模块判断公交车与邻车间隔并将数据结果通过反馈模块发送至相关道路交通人员及周围车辆完成预警。
方案二:公交车间隔异常识别与预警方法,是根据所述的系统为基础而实现的,该方法通过上述系统各模块进行实时识别与预警,通过识别标记公交车与邻车的车辆间隔异常数据,完成预警功能,该方法的具体步骤如下:
步骤一,通过所述数据初始化模块进行基础数据初始化;
步骤二,利用所述方向识别模块识别公交车辆行驶方向;
步骤三,利用所述队列更新模块计算公交车辆已行驶距离;
步骤四,更新公交线路的车辆队列信息;
步骤五,计算公交线路的相邻车辆距离;
步骤六,利用所述车辆标记模块识别并判断相邻车辆距离间隔是否小于间隔阈值最小值,若是标记车辆为间隔过近并执行步骤八,否则执行步骤七;
步骤七,识别并判断相邻车辆距离间隔是否大于间隔阈值最大值,若是则标记该车辆为间隔过远并执行步骤八,否则执行步骤九;
步骤八,通过步骤一至七的识别过程,利用预警模块将标记车辆间隔的异常数据输出,完成公交车行驶间隔异常实时识别和预警。
进一步地,步骤一中,所述基础数据包括输入公交线网图层数据、车辆间隔阈值最小值、车辆间隔阈值最大值,初始化配置公交线网图层、公交线路的车辆队列字典、公交线路的车辆GPS点队列字典和车辆间隔阈值。
进一步地,所述初始化的具体过程包括公交线网图层初始化、公交线路的车辆队列初始化公交线路车辆的GPS点队列初始化和车辆间隔阈值初始化;
所述公交线网图层初始化分为公交线路线要素和公交线路站点信息两部分;其中所述公交线路线要素包括线路编号、线路名称、线路名称、线路空间对象信息;所述公交线路站点信息包括线路编号、站点编号、站点名称和站点序号。
进一步地,所述公交线路的车辆队列初始化,其具体过程如下:
首先建立线路的车辆队列字典,所述队列字典的键为线路编号,值为车辆数组,其中车辆数组存储了键为指定线路的运营公交车的最新GPS信息;然后,针对每一条公交车信息初始化线路编号、车牌号、线路名称、更新时间戳和车辆已行驶距离;最后在公交线路的车辆队列初始化时,通过遍历公交线路线要素生成键,值为空数组的键对值记录,存放入所述的线路车辆队列字典。
进一步地,所述公交线路车辆的GPS点队列初始化,其具体过程为:首先建立线路车辆的GPS点队列字典,键为由线路编号与车牌号拼接生成的线路车辆编码,值为GPS 点数组,其中GPS点数组存储线路车辆的最近时间的至少5条GPS点信息,然后针对每一条GPS点信息记录车牌号、经度、纬度和车辆已行驶距离;并且在公交线路车辆GPS 点队列初始化时,默认线路车辆的GPS点队列字典设为空字典。
进一步地,在步骤二,所述识别公交车辆行驶方向的过程,具体步骤如下:
步骤二一,读取实时公交GPS数据;
步骤二二,GPS点的可选线路线要素集合生成;
步骤二三,GPS点到线路线要素的最近点识别;
步骤二四,假设线路方向,计算车辆已行驶距离;
步骤二五,更新公交线路车辆的GPS点队列;
步骤二六,对公交车的线路行驶方向判断。
进一步地,步骤四中,公交线路的车辆队列更新是根据步骤二得到的线路编号,更新键的线路编号,具体更新步骤如下:
步骤四一,根据步骤二,读取实时公交GPS点的车牌号、时间戳信息,识别得到的线路编号和线路名称;
步骤四二,根据步骤三得到的已行驶距离,汇集组成车辆信息,插入到更新键的线路编号中,形成新的车辆数组;
步骤四三,读取所述的车辆数组,并根据最新的更新时间戳,去掉重复的车辆信息;
步骤四四,根据车辆的已行驶距离进行升序排序,更新车辆队列;使得车辆数组中第一个是距离线路中始发站最近的车辆,最后一个是距离线路中始发站最远的车辆。
方案三:公交车间隔异常识别与预警设备,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现所述的一种公交车行驶间隔异常实时识别与预警方法的步骤。
方案四:一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种公交车行驶间隔异常实时识别与预警方法。
相比于现有技术,本发明有益效果体现在:
解决对公交线路的行驶车辆间的运营间隔异常的识别与预警;能够实时识别同一条公交线路的前后车辆的间隔距离,并根据车辆间隔距离的大小阈值,实现相邻车辆大间隔、串车现象的预防性动态预警,快速发现线路运营异常行为。
本发明通过实时读取公交GPS数据,采用线路空间对象,快速定位公交车辆的位置,并识别公交线路行驶车辆间隔异常,提供公交线路到站间隔动态调整的数据支撑,提供公交线路的到站可靠性和运营服务水平;
时效性高,本发明基于公交GPS点,快速识别公交车辆的线路方向并识别出线路前后车辆间隔异常,具备较高的时效性,能够满足公交运营线路的可靠性动态调整;
实用性高,本发明的数据源主要为公交GPS数据、公交线网数据,公交企业等管理单位获取渠道便捷,实用性较高;
识别精度高,本发明是采用前后公交车的线路空间对象计算得到其空间距离,并非采用直线距离或到站的车头时距等指标,精准定位车辆在线路的位置,计算和识别的前后车辆间隔的精度高。
附图说明
图1为公交车间隔异常识别与预警系统模块示意图;
图2为公交车间隔异常识别与预警方法整体流程图;
图3为车辆预警信息样例数据示例图;
图4为日统计线路及车辆预警次数示意图;
图5为工作日前20次的线路预警结果示意图;
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,以下结合附图对具体实施方式进行详细说明。
具体实施方式
具体实施方式一:本实施方式针对现有技术中存在的各个问题,进行详细介绍并说明公交车间隔异常识别与预警系统,用于完整联系各个部分之间的缺陷并加以解决和改进:首先未考虑公交车辆在行驶过程中的实时路况等因素导致的串车问题,并未对公交线路实时串车行为进行识别与预警;其次,未开展对公交线路串车的动态行为进行识别和预警;再次,未提供对公交线路串车现象的实时识别与线路运行可靠性的动态调整方法,相比公交GPS数据缺失公交车在相邻站间的动态定位;最后,识别精度会存在瓶颈未考虑在实际公交车辆运行场景中的预警应用。
综合上述车辆问题,提出公交车间隔异常识别与预警系统,该系统包括数据初始化模块、方向识别模块、队列更新模块、车辆标记模块和预警模块;其中数据初始化模块收集基础数据初始化处理后发送至方向识别模块用于车辆行驶方向识别;方向识别模块负责将数据进行识别和整合;队列更新模块负责计算整合后的数据并加以更新;最终由车辆标记模块判断公交车与邻车间隔并将数据结果通过反馈模块发送至相关道路交通人员及周围车辆完成预警。
具体实施方式二:除具体实施方式一所述的系统,本实施例介绍公交车间隔异常识别与预警方法的详细步骤,该方法进行实时识别与预警,通过识别标记公交车与邻车的车辆间隔异常数据,完成预警功能,步骤如下:
步骤一,基础数据初始化;
输入公交线网图层数据、车辆间隔阈值最小值、车辆间隔阈值最大值,初始化配置公交线网图层、公交线路的车辆队列字典、公交线路的车辆GPS点队列字典、车辆间隔阈值。
1.1公交线网图层初始化:
读取输入的公交线网图层数据ROUTEmap,包括公交线路线要素ROUTEshape:和公交线路站点信息ROUTEstop;
公交线路线要素ROUTEshape:包括线路编号(区分线路方向)route_id、线路名称(区分线路方向)route_name.、线路名称(不分线路方向)line_name、线路空间对象信息geom;
公交线路站点信息ROUTEstop包括线路编号(区分线路方向)route_id、站点编号stop_id、站点名称stop_name、站点序号stop_index。
1.2公交线路的车辆队列初始化:
建立线路的车辆队列字典键为线路编号(区分线路方向) route_id,值为车辆数组vehiclelist。其中,车辆数组存储了键为指定线路route_idx的运营公交车的最新GPS信息(i表示第i辆公交车, j表示第i辆公交车的最近GPS点记录),针对每一条公交车信息包括线路编号(区分线路方向)route_idx、车牌号线路名称(区分线路方向) route_namex、更新时间戳车辆已行驶距离
公交线路的车辆队列初始化时,通过遍历公交线路线要素ROUTEshape,生成键为route_id,值为空数组的键对值记录,存放入线路的车辆队列字典。
1.3公交线路车辆的GPS点队列初始化:
建立线路车辆的GPS点队列字典键为由线路编号 route_id与车牌号vehicle_id拼接生成的线路车辆编码route_vehicle_id,值为GPS点数组gpslist。其中,GPS点数组存储了线路route_idx车辆的最近的5条GPS点信息,针对每一条GPS点信息包括车牌号经度纬度车辆已行驶距离
公交线路车辆GPS点队列初始化时,默认设为空字典。
1.4车辆间隔阈值初始化:
步骤二,识别公交车辆行驶方向:
2.1读取实时公交GPS数据real_gpslist
2.2GPS点的可选线路线要素集合生成;
2.3GPS点到线路线要素的最近点识别;
2.4假设线路方向,计算车辆已行驶距离;
2.6公交车的线路行驶方向判断:
同一辆公交车,从始发站出发,随着时间的推移,在行驶过程中,距离始发站的已行驶距离会越来越远。因此,通过识别车辆最近5条GPS记录的已行驶距离的变化趋势,可识别线路行驶方向。
针对车辆读取线路车辆的GPS点队列字典中,键包含车辆编号的GPS点队列字典。对线路计算其最近一条GPS记录与最近第5条GPS记录的已行驶距离的差值,记为行驶距离差遍历线路线要素计算出行驶距离差值.最大的线路,记为公交车辆的行驶方向的线路,包括线路编号(区分线路方向)线路名称(区分线路方向)线路名称(不分线路方向)线路空间对象信息
步骤三,公交车辆已行驶距离计算;
步骤四,公交线路的车辆队列更新:
4.2读取车辆数组,根据最新的更新时间戳,去掉重复的车辆信息。
4.3根据车辆的已行驶距离进行升序排序,更新车辆队列。使得车辆数组中第一个是距离线路(区分线路方向)始发站最近的车辆,最后一个是距离线路(区分线路方向)始发站最远的车辆。
步骤五,公交线路的相邻车辆距离计算:
步骤六,车辆间隔过近识别:
步骤七,车辆间隔过远识别:
步骤八,车辆间隔异常数据输出:
返回车辆间隔异常的线路及其下一辆车辆信息,包括预警标记flagalarm、更新时间戳线路编号(区分线路方向)线路名称(区分线路方向)线路名称(不分线路方向) 车牌号车辆经度车辆纬度前一辆车的车牌号前一辆车的经度前一辆车的纬度信息综合上述车辆识别的总过程,本实施例结合图3和图4以及关于车辆预警信息表,如下所示:
根据图表的描述,最终由预警模块将返回车辆的间隔异常标记等线路信息,及其他相邻车辆的信息反馈给相关道路交通人员以及附近车辆,完成针对该路段的实时预警,通过快速识别和更新,有效的保障车辆行驶的间距安全,从疏导交通到规范司机驾驶行为起到预期作用。
具体实施方式三:上述方法示例可根据说明书附图1所示框图进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中;上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
具体地,该系统承载于计算机,包括处理器、存储器、总线和通信设备;
所述存储器用于存储计算机执行指令,所述处理器与所述存储器通过所述总线连接,所述处理器执行所述存储器存储的所述计算机执行指令,所述的通信设备负责与外界网络连接,进行数据的收发过程;所述处理器与存储器相连,所述的存储器包括数据库软件;
所述处理器与存储器包含的若干指令用以使得个人计算机或服务器或网络设备执行本方法全部或部分步骤;所述处理器所用类型包括中央处理器、通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合;所述存储介质包括U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘。
具体地,上述软件系统部分承载于中央处理器(Central Processing Unit,CPU),通用处理器,数字信号处理器(Digital Signal Processor,DSP),专用集成电路(Application-Specific Integrated Circuit,ASIC),现场可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明提出内容所描述的各种示例性的逻辑方框,模块和电路。所述处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等等。相关人员及用户通信的通信设备则可以利用收发器、收发电路或通信接口等。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (10)
1.公交车间隔异常识别与预警系统,其特征在于:该系统包括数据初始化模块、方向识别模块、队列更新模块、车辆标记模块和预警模块;其中数据初始化模块收集基础数据初始化处理后发送至方向识别模块用于车辆行驶方向识别;方向识别模块负责将数据进行识别和整合;队列更新模块负责计算整合后的数据并加以更新;最终由车辆标记模块判断公交车与邻车间隔并将数据结果通过反馈模块发送至相关道路交通人员及周围车辆完成预警。
2.公交车间隔异常识别与预警方法,是根据权利要求1所述的系统为基础而实现的,其特征在于:该方法通过上述系统各模块进行实时识别与预警,通过识别标记公交车与邻车的车辆间隔异常数据,完成预警功能,该方法的具体步骤如下:
步骤一,通过所述数据初始化模块进行基础数据初始化;
步骤二,利用所述方向识别模块识别公交车辆行驶方向;
步骤三,利用所述队列更新模块计算公交车辆已行驶距离;
步骤四,更新公交线路的车辆队列信息;
步骤五,计算公交线路的相邻车辆距离;
步骤六,利用所述车辆标记模块识别并判断相邻车辆距离间隔是否小于间隔阈值最小值,若是标记车辆为间隔过近并执行步骤八,否则执行步骤七;
步骤七,识别并判断相邻车辆距离间隔是否大于间隔阈值最大值,若是则标记该车辆为间隔过远并执行步骤八,否则执行步骤九;
步骤八,通过步骤一至七的识别过程,利用所述预警模块将标记车辆间隔的异常数据输出,完成公交车行驶间隔异常实时识别和预警。
3.根据权利要求2所述的公交车间隔异常识别与预警方法,其特征在于:步骤一中,所述基础数据包括输入公交线网图层数据、车辆间隔阈值最小值、车辆间隔阈值最大值,初始化配置公交线网图层、公交线路的车辆队列字典、公交线路的车辆GPS点队列字典和车辆间隔阈值。
4.根据权利要求3所述的公交车间隔异常识别与预警方法,其特征在于:所述初始化的具体过程包括公交线网图层初始化、公交线路的车辆队列初始化公交线路车辆的GPS点队列初始化和车辆间隔阈值初始化;
所述公交线网图层初始化分为公交线路线要素和公交线路站点信息两部分;其中所述公交线路线要素包括线路编号、线路名称、线路名称、线路空间对象信息;所述公交线路站点信息包括线路编号、站点编号、站点名称和站点序号。
5.根据权利要求4所述的公交车间隔异常识别与预警方法,其特征在于:
所述公交线路的车辆队列初始化,其具体过程如下:
首先建立线路的车辆队列字典,所述队列字典的键为线路编号,值为车辆数组,其中车辆数组存储了键为指定线路的运营公交车的最新GPS信息;然后,针对每一条公交车信息初始化线路编号、车牌号、线路名称、更新时间戳和车辆已行驶距离;最后在公交线路的车辆队列初始化时,通过遍历公交线路线要素生成键,值为空数组的键对值记录,存放入所述的线路车辆队列字典。
6.根据权利要求5所述的公交车间隔异常识别与预警方法,其特征在于:
所述公交线路车辆的GPS点队列初始化,其具体过程为:首先建立线路车辆的GPS点队列字典,键为由线路编号与车牌号拼接生成的线路车辆编码,值为GPS点数组,其中GPS点数组存储线路车辆的最近时间的至少5条GPS点信息,然后针对每一条GPS点信息记录车牌号、经度、纬度和车辆已行驶距离;并且在公交线路车辆GPS点队列初始化时,默认线路车辆的GPS点队列字典设为空字典。
7.根据权利要求6所述的公交车间隔异常识别与预警方法,其特征在于:在步骤二,所述识别公交车辆行驶方向的过程,具体步骤如下:
步骤二一,读取实时公交GPS数据;
步骤二二,GPS点的可选线路线要素集合生成;
步骤二三,GPS点到线路线要素的最近点识别;
步骤二四,假设线路方向,计算车辆已行驶距离;
步骤二五,更新公交线路车辆的GPS点队列;
步骤二六,对公交车的线路行驶方向判断。
8.根据权利要求7所述的公交车间隔异常识别与预警方法,其特征在于:步骤四中,公交线路的车辆队列更新是根据步骤二得到的线路编号,更新键的线路编号,具体更新步骤如下:
步骤四一,根据步骤二,读取实时公交GPS点的车牌号、时间戳信息,识别得到的线路编号和线路名称;
步骤四二,根据步骤三得到的已行驶距离,汇集组成车辆信息,插入到更新键的线路编号中,形成新的车辆数组;
步骤四三,读取所述的车辆数组,并根据最新的更新时间戳,去掉重复的车辆信息;
步骤四四,根据车辆的已行驶距离进行升序排序,更新车辆队列;使得车辆数组中第一个是距离线路中始发站最近的车辆,最后一个是距离线路中始发站最远的车辆。
9.公交车间隔异常识别与预警设备,其特征在于:包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现权利要求2至8任一项所述的公交车行驶间隔异常实时识别与预警方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求2至8任一项所述的公交车行驶间隔异常实时识别与预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110623691.0A CN113538952B (zh) | 2021-06-04 | 2021-06-04 | 公交车间隔异常识别与预警系统、方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110623691.0A CN113538952B (zh) | 2021-06-04 | 2021-06-04 | 公交车间隔异常识别与预警系统、方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113538952A true CN113538952A (zh) | 2021-10-22 |
CN113538952B CN113538952B (zh) | 2023-02-03 |
Family
ID=78095219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110623691.0A Active CN113538952B (zh) | 2021-06-04 | 2021-06-04 | 公交车间隔异常识别与预警系统、方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538952B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241764A (zh) * | 2021-12-15 | 2022-03-25 | 深圳榕亨实业集团有限公司 | 基于车路协同技术的公交精准数据融合中心系统及方法 |
CN115223371A (zh) * | 2022-09-20 | 2022-10-21 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种电动自行车大数据分析系统及其工作方法 |
CN116704763A (zh) * | 2023-06-13 | 2023-09-05 | 大连海事大学 | 一种考虑公交运营方案的智能公交车队动态编队方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615340A (zh) * | 2009-07-24 | 2009-12-30 | 北京工业大学 | 公交动态调度中的实时信息处理方法 |
CN102136190A (zh) * | 2011-05-03 | 2011-07-27 | 上海理工大学 | 城市公交客运事件应急响应调度管理系统及方法 |
CN105469624A (zh) * | 2016-01-11 | 2016-04-06 | 深圳市蓝泰源信息技术股份有限公司 | 一种基于调度的运营全过程自动监控方法 |
CN105809952A (zh) * | 2016-05-09 | 2016-07-27 | 厦门蓝斯通信股份有限公司 | 避免公交车辆路段拥簇的控制方法、控制系统 |
CN105976604A (zh) * | 2016-06-21 | 2016-09-28 | 东南大学 | 一种基于gis和公交gps数据的公交线路匹配方法 |
CN107481512A (zh) * | 2017-08-17 | 2017-12-15 | 深圳市海梁科技有限公司 | 自动驾驶公交的智能调度方法 |
US20200027347A1 (en) * | 2016-08-19 | 2020-01-23 | Dalian University Of Technology | Collaborative optimization method for bus timetable based on big data |
-
2021
- 2021-06-04 CN CN202110623691.0A patent/CN113538952B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615340A (zh) * | 2009-07-24 | 2009-12-30 | 北京工业大学 | 公交动态调度中的实时信息处理方法 |
CN102136190A (zh) * | 2011-05-03 | 2011-07-27 | 上海理工大学 | 城市公交客运事件应急响应调度管理系统及方法 |
CN105469624A (zh) * | 2016-01-11 | 2016-04-06 | 深圳市蓝泰源信息技术股份有限公司 | 一种基于调度的运营全过程自动监控方法 |
CN105809952A (zh) * | 2016-05-09 | 2016-07-27 | 厦门蓝斯通信股份有限公司 | 避免公交车辆路段拥簇的控制方法、控制系统 |
CN105976604A (zh) * | 2016-06-21 | 2016-09-28 | 东南大学 | 一种基于gis和公交gps数据的公交线路匹配方法 |
US20200027347A1 (en) * | 2016-08-19 | 2020-01-23 | Dalian University Of Technology | Collaborative optimization method for bus timetable based on big data |
CN107481512A (zh) * | 2017-08-17 | 2017-12-15 | 深圳市海梁科技有限公司 | 自动驾驶公交的智能调度方法 |
Non-Patent Citations (1)
Title |
---|
任峰等: "消除公交串车――一种基于GPS与GIS的实时控制方法", 《城市公共交通》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241764A (zh) * | 2021-12-15 | 2022-03-25 | 深圳榕亨实业集团有限公司 | 基于车路协同技术的公交精准数据融合中心系统及方法 |
CN114241764B (zh) * | 2021-12-15 | 2022-08-02 | 深圳榕亨实业集团有限公司 | 基于车路协同技术的公交精准数据融合中心系统及方法 |
CN115223371A (zh) * | 2022-09-20 | 2022-10-21 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种电动自行车大数据分析系统及其工作方法 |
CN115223371B (zh) * | 2022-09-20 | 2023-02-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种电动自行车大数据分析系统及其工作方法 |
CN116704763A (zh) * | 2023-06-13 | 2023-09-05 | 大连海事大学 | 一种考虑公交运营方案的智能公交车队动态编队方法 |
CN116704763B (zh) * | 2023-06-13 | 2023-12-05 | 大连海事大学 | 一种考虑公交运营方案的智能公交车队动态编队方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113538952B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113538952B (zh) | 公交车间隔异常识别与预警系统、方法、设备及存储介质 | |
US11175152B2 (en) | Method and system for risk determination of a route | |
CN112700072A (zh) | 交通状况预测方法、电子设备和存储介质 | |
US11512963B2 (en) | System and method for processing geolocation event data for low-latency | |
CN111324824B (zh) | 一种目的地推荐方法、其装置、电子设备及可读存储介质 | |
JP2022549453A (ja) | 行程分析のために車両イベントデータを処理するためのシステムおよび方法 | |
JP2012027905A (ja) | 分岐点に関連するコスト情報を提供するための方法およびデバイス並びにルートを決定する方法 | |
CN101644584A (zh) | 安全驾驶评价系统以及安全驾驶评价程序 | |
US20210024058A1 (en) | Evaluating the safety performance of vehicles | |
US20190017832A1 (en) | Method and apparatus for providing recorded, anonymized routes | |
CN110782656A (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
CN109754606B (zh) | 一种基于出租车定位预测道路拥堵情况的方法 | |
JP2014066655A (ja) | 経路探索装置及び経路探索方法 | |
EP4123618A1 (en) | System and method for processing vehicle event data for journey analysis | |
CN112748452A (zh) | 一种基于路网数据的gps轨迹清洗方法 | |
JP6447269B2 (ja) | トリガ条件決定プログラム、トリガ条件決定方法、およびトリガ条件決定装置 | |
KR101116922B1 (ko) | 차량의 통행시간 산출 방법 | |
Ricord et al. | Investigation of equity biases in transportation data: a literature review synthesis | |
CN112566025B (zh) | 公交客流来源去向识别方法、装置、电子设备和存储介质 | |
KR100489593B1 (ko) | 특성화된 교통정보 가공/제공방법 | |
CN111754760B (zh) | 一种确定公交下车站点的方法、装置及上位机 | |
CN109979190B (zh) | 一种道路交通状态的预测方法及装置 | |
Arifoğulları et al. | Public Transportation Data Analysis to Estimate Road Status in Metropolitan Areas: The Case of İstanbul | |
CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 | |
Hayashi et al. | Prioritization of Lane-based Traffic Jam Detection for Automotive Navigation System utilizing Suddenness Index Calculation Method for Aggregated Values |
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 |