CN113593242A - 一种基于路口车辆检测器组的在途量估算方法 - Google Patents

一种基于路口车辆检测器组的在途量估算方法 Download PDF

Info

Publication number
CN113593242A
CN113593242A CN202111140098.7A CN202111140098A CN113593242A CN 113593242 A CN113593242 A CN 113593242A CN 202111140098 A CN202111140098 A CN 202111140098A CN 113593242 A CN113593242 A CN 113593242A
Authority
CN
China
Prior art keywords
vehicle
sampling
vehicle detector
calculating
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.)
Pending
Application number
CN202111140098.7A
Other languages
English (en)
Inventor
季玮
徐图
吴戡
李道勋
黄倩
朱永东
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.)
Zhejiang Lab
Original Assignee
Zhejiang Lab
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 Zhejiang Lab filed Critical Zhejiang Lab
Priority to CN202111140098.7A priority Critical patent/CN113593242A/zh
Publication of CN113593242A publication Critical patent/CN113593242A/zh
Pending legal-status Critical Current

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
    • 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

本发明公开了一种基于路口车辆检测器组的在途量估算方法，包括以下步骤：S1：获取路网拓扑结构及全路网中车辆检测器的位置分布，将每个采样路段上下游路口的四个车辆检测器组成车辆检测器组；S2：在统计周期内通过车辆检测器组采集每个采样路段过车信息；S3：统计每个采样路段在统计周期内的车流量，并计算平均行驶速度和平均车流密度；S4：计算全路网所有采样路段的平均车流密度，并计算统计周期内的全路网平均在途量。本发明更为精准的观测路段平均车速，从而求得更加精准的车流密度，提高全路网在途量估算精度，避免由于无法全样本观测而造成的系统性偏差。

Description

一种基于路口车辆检测器组的在途量估算方法
技术领域
本发明涉及一种智能交通信息处理技术领域，尤其涉及一种基于路口车辆检测器组的在途量估算方法。
背景技术
在途量是指某一时刻，路网中正在行驶的机动车数量的总和，即路网的总承载量，也反映了该时刻路网中的机动车交通需求总量。在途量对于衡量路网运行状态、评价交通管理效果具有十分重要的意义。当综合考虑在途量和拥堵指数时，才能科学合理的评价交通管理措施的实施效果，即当在途量一定且拥堵指数下降、或当拥堵指数一定且在途量提升时，可说明对应的交通管理措施是有效的。
目前常用的在途量估算方法是记录路网中所有电警卡口在规定时间内捕捉到的车辆，按车牌号去重后的车辆总数，作为该路网当前的在途量。该方法基于电警卡口可以对路网内运行车辆进行全样本采样的假设，因此仅适用于电警卡口基本全覆盖的路网。当电警卡口布设密度较低，该方法结果存在系统性偏差，使得估算值低于真实值。
发明内容
本发明的目的在于提供一种基于路口车辆检测器组的在途量估算方法，解决了现有技术中根据电警卡口捕捉车辆去重统计在途量的方法在电警卡口布设密度较低时存在无法全样本观测而造成的系统性偏差的问题。
本发明采用的技术方案如下：
一种基于路口车辆检测器组的在途量估算方法，其特征在于，包括以下步骤：
S1：获取路网拓扑结构及全路网中车辆检测器的位置分布，并从车辆检测器分布完好的路段中随机选取若干个采样路段，将每个采样路段上下游路口的四个车辆检测器组成车辆检测器组；
S2：在统计周期内通过车辆检测器组采集每个采样路段过车信息，过车信息包括：车辆牌照号和车辆过车时间；
S3：统计每个采样路段在统计周期内的车流量，并计算每个采样路段在相应统计周期内车辆组合集合的平均行驶速度和采样路段的平均车流密度；
S4：计算全路网所有采样路段的平均车流密度，并计算统计周期内的全路网平均在途量。
进一步地，所述车辆检测器组由车辆检测器D1、车辆检测器D2、车辆检测器D3和车辆检测器D4组成。
进一步地，所述车辆检测器D1为所述采样路段的上游路口，所述车辆检测器D2为所述采样路段下游路口的右转进口道，所述车辆检测器D3为所述采样路段下游路口的直行进口道，所述车辆检测器D4为所述采样路段下游路口的左转进口道。
进一步地，所述S3中包括以下子步骤：
S31：统计车辆检测器D1检测到的所有车辆组成车辆组合集合
Figure 717617DEST_PATH_IMAGE001
，总车辆数为
Figure 369178DEST_PATH_IMAGE002
，其中
Figure 883336DEST_PATH_IMAGE003
为统计周期，
Figure 278546DEST_PATH_IMAGE004
为采样路段；
S32：每一辆车辆经过车辆检测器D1的车辆为
Figure 827339DEST_PATH_IMAGE005
，统计每一辆车辆经过车辆检测器D1的时刻
Figure 381292DEST_PATH_IMAGE006
，其中每一辆车辆为
Figure 648326DEST_PATH_IMAGE007
；
S33：根据车辆牌照号，再次统计每一辆车辆通过车辆检测器D2、车辆检测器D3或车辆检测器D4的时刻
Figure 581646DEST_PATH_IMAGE008
；
S34：计算每一辆车辆在采样路段内的平均速度
Figure 984946DEST_PATH_IMAGE009
，其中
Figure 978310DEST_PATH_IMAGE010
为检测到每一辆车辆
Figure 467060DEST_PATH_IMAGE007
的两个车辆检测器之间的距离；
S35：计算采样路段上车辆组合集合
Figure 938493DEST_PATH_IMAGE001
的平均行驶速度
Figure 196299DEST_PATH_IMAGE011
；
S36：计算采样路段上车辆组合集合
Figure 360564DEST_PATH_IMAGE001
的平均车流密度
Figure 336610DEST_PATH_IMAGE012
。
进一步地，所述S4中包括以下子步骤：
S41：统计采样路段的长度
Figure 346154DEST_PATH_IMAGE013
，并计算全路网所有采样路段的总长度
Figure 458467DEST_PATH_IMAGE014
；
S42：全路网中装备有车辆检测器组的各个采样路段
Figure 528054DEST_PATH_IMAGE015
组成集合
Figure 991396DEST_PATH_IMAGE016
；
S43：计算统计周期
Figure 70211DEST_PATH_IMAGE003
内全路网所有采样路段的平均车流密度
Figure 302609DEST_PATH_IMAGE017
；
S44：计算统计周期
Figure 808677DEST_PATH_IMAGE018
内全路网所有采样路段的平均在途量
Figure 759315DEST_PATH_IMAGE019
。
本发明的有益效果是：在本发明中，通过选取车辆检测器组的方式，联合采样路段上下游路口的多个车辆检测器的过车记录，再通过车辆牌照号比对的方法获得采样路段的通行时间、求得平均行驶速度和平均车流密度，进而求得全路网平均在途量。相比单个车辆检测器获得的瞬时速度，本发明的方法可以考虑由于路段内开口、路口交通组织方案、检测器覆盖盲区内的未知交通路况等信息，更为精准的观测路段平均行驶速度，从而求得更加精准的平均车流密度，提高全路网在途量的估算精度，从而避免由于无法全样本观测而造成的系统性偏差。
附图说明
图1为本发明的流程示意图；
图2为本发明车辆检测器组位置示意图；
图3为本发明实施例1-2和对比例1-2的平均绝对百分比误差MAPE的统计图。
具体实施方式
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。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。
见图1，一种基于路口车辆检测器组的在途量估算方法，包括以下步骤：
S1：获取路网拓扑结构及全路网中车辆检测器的位置分布，并从车辆检测器分布完好的路段中随机选取若干个采样路段，将每个采样路段上下游路口的四个车辆检测器组成车辆检测器组；
S2：在统计周期内通过车辆检测器组采集每个采样路段过车信息，过车信息包括：车辆牌照号和车辆过车时间；
S3：统计每个采样路段在统计周期内的车流量，并计算每个采样路段在相应统计周期内车辆组合集合的平均行驶速度和采样路段的平均车流密度；
所述S3中包括以下子步骤：
S31：统计车辆检测器D1检测到的所有车辆组成车辆组合集合
Figure 376241DEST_PATH_IMAGE001
，总车辆数为
Figure 463146DEST_PATH_IMAGE002
，其中
Figure 405694DEST_PATH_IMAGE003
为统计周期，
Figure 578049DEST_PATH_IMAGE004
为采样路段；
S32：每一辆车辆经过车辆检测器D1的车辆为
Figure 733087DEST_PATH_IMAGE020
，统计每一辆车辆经过车辆检测器D1的时刻
Figure 205657DEST_PATH_IMAGE006
，其中每一辆车辆为
Figure 53527DEST_PATH_IMAGE007
；
S33：根据车辆牌照号，再次统计每一辆车辆通过车辆检测器D2、车辆检测器D3或车辆检测器D4的时刻
Figure 978758DEST_PATH_IMAGE008
；
S34：计算每一辆车辆在采样路段内的平均速度
Figure DEST_PATH_IMAGE021
，其中
Figure 671907DEST_PATH_IMAGE010
为检测到每一辆车辆
Figure 733404DEST_PATH_IMAGE007
的两个车辆检测器之间的距离；
S35：计算采样路段上车辆组合集合
Figure 752176DEST_PATH_IMAGE001
的平均行驶速度
Figure 899123DEST_PATH_IMAGE022
；
S36：计算采样路段上车辆组合集合
Figure 927122DEST_PATH_IMAGE001
的平均车流密度
Figure 843126DEST_PATH_IMAGE012
。
S4：计算全路网所有采样路段的平均车流密度，并计算统计周期内的全路网平均在途量。
所述S4中包括以下子步骤：
S41：统计采样路段的长度
Figure 767219DEST_PATH_IMAGE023
，并计算全路网所有采样路段的总长度
Figure 667042DEST_PATH_IMAGE014
；
S42：全路网中装备有车辆检测器组的各个采样路段
Figure 967574DEST_PATH_IMAGE015
组成集合
Figure 269242DEST_PATH_IMAGE024
；
S43：计算统计周期
Figure 364237DEST_PATH_IMAGE025
内全路网所有采样路段的平均车流密度
Figure 485777DEST_PATH_IMAGE026
；
S44：计算统计周期
Figure 855578DEST_PATH_IMAGE025
内全路网所有采样路段的平均在途量
Figure 480595DEST_PATH_IMAGE027
。
见图2，所述车辆检测器组由车辆检测器D1、车辆检测器D2、车辆检测器D3和车辆检测器D4组成。
所述车辆检测器D1为所述采样路段的上游路口，所述车辆检测器D2为所述采样路段下游路口的右转进口道，所述车辆检测器D3为所述采样路段下游路口的直行进口道，所述车辆检测器D4为所述采样路段下游路口的左转进口道。
实施例1
S1：在交通仿真模拟器SUMO中生成10*10的网格型全路网并使用默认红绿灯方案，并将全路网分为36个采样路段i，在采样路段距上游路口10米设置车辆检测器D1，采样路段下游路口的右转进口道10米设置车辆检测器D2，采样路段下游路口的直行进口道10米设置车辆检测器D3，采样路段下游路口的左转进口道10米设置车辆检测器D4，并将四个车辆检测器组成车辆检测器组；
S2：使用交通仿真模拟器SUMO提供的randomTrips工具，以p=0.5生成1小时的随机交通流，利用交通仿真模拟器SUMO的traci接口，以5分钟为统计周期，统计每个统计周期内，在选取的36个采样路段中采集每个采样路段过车信息，包括车辆牌照号和车辆过车时间；
S3：统计每个采样路段在统计周期内的车流量，并计算每个采样路段在相应统计周期内车辆组合集合的平均行驶速度
Figure 277649DEST_PATH_IMAGE028
和采样路段的平均车流密度
Figure 620906DEST_PATH_IMAGE029
，测试结果见表1所示。
表1计算结果
Figure 528819DEST_PATH_IMAGE030
Figure 539500DEST_PATH_IMAGE031
S4：计算全路网所有采样路段的平均车流密度，并计算统计周期内的全路网平均在途量
Figure 238948DEST_PATH_IMAGE032
，并计算本发明全路网在途量估算值
Figure 69500DEST_PATH_IMAGE032
与在途量准确值
Figure 781104DEST_PATH_IMAGE033
的平均绝对百分比误差MAPE值，
Figure 6812DEST_PATH_IMAGE034
，测试结果见表2所示。
表2计算结果
Figure 614510DEST_PATH_IMAGE036
对比例1
通过过车去重法（过车去重法为记录全路网中所有电警卡口在规定时间内捕捉到的车辆，按车牌号去重后的车辆总数，作为该路网当前的全路网在途量估算值）计算全路网在途量估算值
Figure 666780DEST_PATH_IMAGE037
，并计算过车去重法全路网在途量估算值
Figure 140266DEST_PATH_IMAGE037
与途量准确值
Figure 594381DEST_PATH_IMAGE033
的平均绝对百分比误差MAPE值，
Figure DEST_PATH_IMAGE038
，测试结果见表3所示。
表3计算结果
统计周期
Figure 107402DEST_PATH_IMAGE039
 在途量准确值
Figure 912547DEST_PATH_IMAGE040
 过车去重法检测到车辆总数
Figure 700374DEST_PATH_IMAGE041
 过车去重法检测去重后车辆总数
Figure 8996DEST_PATH_IMAGE042
 平均绝对百分比误差MAPE
5 412 20356 740 0.79612
实施例2
S1：在交通仿真模拟器SUMO中生成10*10的网格型全路网并使用默认红绿灯方案，并将全路网分为36个采样路段i，在采样路段距上游路口10米设置车辆检测器D1，采样路段下游路口的右转进口道10米设置车辆检测器D2，采样路段下游路口的直行进口道10米设置车辆检测器D3，采样路段下游路口的左转进口道10米设置车辆检测器D4，并将四个车辆检测器组成车辆检测器组；
S2：使用交通仿真模拟器SUMO提供的randomTrips工具，以p=0.6生成1小时的随机交通流，利用交通仿真模拟器SUMO的traci接口，以6分钟为统计周期，统计每个统计周期内，在选取的36个采样路段中采集每个采样路段过车信息，包括车辆牌照号和车辆过车时间；
S3：统计每个采样路段在统计周期内的车流量，并计算每个采样路段在相应统计周期内车辆组合集合的平均行驶速度
Figure 224077DEST_PATH_IMAGE028
和采样路段的平均车流密度
Figure 250938DEST_PATH_IMAGE029
，测试结果见表4所示。
表4计算结果
Figure 842457DEST_PATH_IMAGE043
Figure 271164DEST_PATH_IMAGE044
S4：计算全路网所有采样路段的平均车流密度，并计算统计周期内的全路网平均在途量
Figure 657146DEST_PATH_IMAGE045
，并计算本发明全路网在途量估算值
Figure 436883DEST_PATH_IMAGE032
与在途量准确值
Figure 566513DEST_PATH_IMAGE046
的平均绝对百分比误差MAPE值，
Figure 115306DEST_PATH_IMAGE047
，测试结果见表5所示。
表5计算结果
Figure 937769DEST_PATH_IMAGE048
对比例2
通过过车去重法（过车去重法为记录全路网中所有电警卡口在规定时间内捕捉到的车辆，按车牌号去重后的车辆总数，作为该路网当前的全路网在途量估算值）计算全路网在途量估算值
Figure 939223DEST_PATH_IMAGE037
，并计算过车去重法全路网在途量估算值
Figure 872544DEST_PATH_IMAGE037
与途量准确值
Figure 10264DEST_PATH_IMAGE033
的平均绝对百分比误差MAPE值，
Figure 3628DEST_PATH_IMAGE049
，测试结果见表6所示。
表6计算结果
统计周期
Figure 492378DEST_PATH_IMAGE050
 在途量准确值
Figure 963811DEST_PATH_IMAGE046
 过车去重法检测到车辆总数
Figure 221617DEST_PATH_IMAGE051
 过车去重法检测去重后车辆总数
Figure 385882DEST_PATH_IMAGE052
 平均绝对百分比误差MAPE
6 393 24201 775 0.97201
由此可见，将实施例1-2和对比例1-2的计算精度结果比较如图3所示，本发明提出的方法的平均绝对百分比误差MAPE远远小于过车去重法的平均绝对百分比误差MAPE。由此可见，本发明的方法显著提高了路网在途量估算的准确性。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于路口车辆检测器组的在途量估算方法，其特征在于，包括以下步骤：
S1：获取路网拓扑结构及全路网中车辆检测器的位置分布，并从车辆检测器分布完好的路段中随机选取若干个采样路段，将每个采样路段上下游路口的四个车辆检测器组成车辆检测器组；
S2：在统计周期内通过车辆检测器组采集每个采样路段过车信息，过车信息包括：车辆牌照号和车辆过车时间；
S3：统计每个采样路段在统计周期内的车流量，并计算每个采样路段在相应统计周期内车辆组合集合的平均行驶速度和采样路段的平均车流密度；
S4：计算全路网所有采样路段的平均车流密度，并计算统计周期内的全路网平均在途量。
2.如权利要求1所述的一种基于路口车辆检测器组的在途量估算方法，其特征在于，所述车辆检测器组由车辆检测器D1、车辆检测器D2、车辆检测器D3和车辆检测器D4组成。
3.如权利要求2所述的一种基于路口车辆检测器组的在途量估算方法，其特征在于，所述车辆检测器D1为所述采样路段的上游路口，所述车辆检测器D2为所述采样路段下游路口的右转进口道，所述车辆检测器D3为所述采样路段下游路口的直行进口道，所述车辆检测器D4为所述采样路段下游路口的左转进口道。
4.如权利要求2所述的一种基于路口车辆检测器组的在途量估算方法，其特征在于，所述S3中包括以下子步骤：
S31：统计车辆检测器D1检测到的所有车辆组成车辆组合集合
Figure 61699DEST_PATH_IMAGE001
，总车辆数为
Figure 698216DEST_PATH_IMAGE002
，其中
Figure 772352DEST_PATH_IMAGE003
为统计周期，
Figure 127110DEST_PATH_IMAGE004
为采样路段；
S32：每一辆车辆经过车辆检测器D1的车辆为
Figure 780945DEST_PATH_IMAGE005
，统计每一辆车辆经过车辆检测器D1的时刻
Figure 537548DEST_PATH_IMAGE006
，其中每一辆车辆为
Figure 189109DEST_PATH_IMAGE007
；
S33：根据车辆牌照号，再次统计每一辆车辆通过车辆检测器D2、车辆检测器D3或车辆检测器D4的时刻
Figure 765584DEST_PATH_IMAGE008
；
S34：计算每一辆车辆在采样路段内的平均速度
Figure 754269DEST_PATH_IMAGE009
，其中
Figure DEST_PATH_IMAGE010
为检测到每一辆车辆
Figure 896537DEST_PATH_IMAGE007
的两个车辆检测器之间的距离；
S35：计算采样路段上车辆组合集合
Figure 187841DEST_PATH_IMAGE001
的平均行驶速度
Figure 251612DEST_PATH_IMAGE011
；
S36：计算采样路段上车辆组合集合
Figure 309567DEST_PATH_IMAGE001
的平均车流密度
Figure 447287DEST_PATH_IMAGE012
。
5.如权利要求4所述的一种基于路口车辆检测器组的在途量估算方法，其特征在于，所述S4中包括以下子步骤：
S41：统计采样路段的长度
Figure 237389DEST_PATH_IMAGE014
，并计算全路网所有采样路段的总长度
Figure 585193DEST_PATH_IMAGE016
；
S42：全路网中装备有车辆检测器组的各个采样路段
Figure 384522DEST_PATH_IMAGE017
组成集合
Figure 376749DEST_PATH_IMAGE018
；
S43：计算统计周期
Figure 665648DEST_PATH_IMAGE003
内全路网所有采样路段的平均车流密度
Figure 969590DEST_PATH_IMAGE019
；
S44：计算统计周期
Figure 53170DEST_PATH_IMAGE003
内全路网所有采样路段的平均在途量
Figure 431062DEST_PATH_IMAGE020
。
CN202111140098.7A 2021-09-28 2021-09-28 一种基于路口车辆检测器组的在途量估算方法 Pending CN113593242A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111140098.7A CN113593242A (zh) 2021-09-28 2021-09-28 一种基于路口车辆检测器组的在途量估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111140098.7A CN113593242A (zh) 2021-09-28 2021-09-28 一种基于路口车辆检测器组的在途量估算方法

Publications (1)

Publication Number Publication Date
CN113593242A true CN113593242A (zh) 2021-11-02

Family

ID=78242316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111140098.7A Pending CN113593242A (zh) 2021-09-28 2021-09-28 一种基于路口车辆检测器组的在途量估算方法

Country Status (1)

Country Link
CN (1) CN113593242A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115294776A (zh) * 2022-06-23 2022-11-04 北京北大千方科技有限公司 基于时间切片统计车辆通行量的方法、装置、设备及介质
CN115512552A (zh) * 2022-09-15 2022-12-23 云控智行科技有限公司 车流量统计方法、装置及设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101438335A (zh) * 2006-03-03 2009-05-20 因瑞克斯有限公司 使用来自移动数据源的数据估算道路交通状况
CN105303832A (zh) * 2015-11-05 2016-02-03 安徽四创电子股份有限公司 基于微波车辆检测器的高架桥路段交通拥堵指数计算方法
CN108847020A (zh) * 2018-06-06 2018-11-20 上海城市交通设计院有限公司 基于汽车电子标识技术的道路状态分析方法
CN110796876A (zh) * 2019-10-22 2020-02-14 南京理工大学 基于卡尔曼滤波的路段车辆总数估计方法
CN111179608A (zh) * 2019-12-25 2020-05-19 广州方纬智慧大脑研究开发有限公司 一种路口溢出检测方法、系统及存储介质
CN111383448A (zh) * 2018-12-29 2020-07-07 阿里巴巴集团控股有限公司 一种基于道路区段的交通信息处理方法及装置
CN112581765A (zh) * 2020-12-12 2021-03-30 陕西世纪高通科技有限公司 一种基于卡口融合的在途量计算方法
WO2021123453A1 (en) * 2019-12-19 2021-06-24 Tomtom Traffic B.V. Methods and systems for generating traffic volume data

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101438335A (zh) * 2006-03-03 2009-05-20 因瑞克斯有限公司 使用来自移动数据源的数据估算道路交通状况
CN105303832A (zh) * 2015-11-05 2016-02-03 安徽四创电子股份有限公司 基于微波车辆检测器的高架桥路段交通拥堵指数计算方法
CN108847020A (zh) * 2018-06-06 2018-11-20 上海城市交通设计院有限公司 基于汽车电子标识技术的道路状态分析方法
CN111383448A (zh) * 2018-12-29 2020-07-07 阿里巴巴集团控股有限公司 一种基于道路区段的交通信息处理方法及装置
CN110796876A (zh) * 2019-10-22 2020-02-14 南京理工大学 基于卡尔曼滤波的路段车辆总数估计方法
WO2021123453A1 (en) * 2019-12-19 2021-06-24 Tomtom Traffic B.V. Methods and systems for generating traffic volume data
CN111179608A (zh) * 2019-12-25 2020-05-19 广州方纬智慧大脑研究开发有限公司 一种路口溢出检测方法、系统及存储介质
CN112581765A (zh) * 2020-12-12 2021-03-30 陕西世纪高通科技有限公司 一种基于卡口融合的在途量计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周薇吾: "《数字化公路应用技术手册》", 30 April 2009, 知识产权出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115294776A (zh) * 2022-06-23 2022-11-04 北京北大千方科技有限公司 基于时间切片统计车辆通行量的方法、装置、设备及介质
CN115294776B (zh) * 2022-06-23 2024-04-12 北京北大千方科技有限公司 基于时间切片统计车辆通行量的方法、装置、设备及介质
CN115512552A (zh) * 2022-09-15 2022-12-23 云控智行科技有限公司 车流量统计方法、装置及设备
CN115512552B (zh) * 2022-09-15 2023-09-26 云控智行科技有限公司 车流量统计方法、装置及设备

Similar Documents

Publication Publication Date Title
Al-Deek et al. New algorithms for filtering and imputation of real-time and archived dual-loop detector data in I-4 data warehouse
CN113593242A (zh) 一种基于路口车辆检测器组的在途量估算方法
Cui et al. Identifying mismatch between urban travel demand and transport network services using GPS data: A case study in the fast growing Chinese city of Harbin
CN110197588A (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
CN109118771B (zh) 一种城市交通常发性拥堵特征确定的方法及装置
CN106856049B (zh) 基于卡口号牌识别数据的关键交叉口需求集聚分析方法
CN109359690B (zh) 基于卡口数据的车辆出行轨迹识别方法
CN109686091B (zh) 一种基于多源数据融合的交通流量填补算法
CN111275975B (zh) 一种交叉口转向流量数据的获取方法、装置和存储介质
CN114783183A (zh) 一种基于交通态势算法的监控方法与系统
CN110807919A (zh) 基于过车数据的城市路网交通运行态势评价方法
CN104700630A (zh) 一种高速公路车流量的监测方法及系统
CN115691120A (zh) 一种基于高速公路流水数据的拥堵识别方法及系统
CN112153574B (zh) 基于浮动车辆的路侧设备时钟准确性检验方法和系统
CN114239371A (zh) 基于仿真的大型停车场出入口车辆延误模型参数标定方法
CN103345575B (zh) 一种数据流概念漂移检测方法及系统
CN106530704A (zh) 一种基于多元数据融合的浮动车聚集检测方法
CN108629982B (zh) 一种基于旅行时间分布规律的路段车辆数估计方法
CN114596700A (zh) 一种基于门架数据的高速公路路段实时流量估计方法
CN105513362A (zh) 一种公交站台毗邻区公交车运行状态评价验证方法
CN115080638A (zh) 微观仿真的多源数据融合分析方法、电子设备及存储介质
CN115311858A (zh) 基于交通流韧性的城市路段分级管制方法
Elshenawy et al. Automatic imputation of missing highway traffic volume data
CN115880894A (zh) 一种交通状态确定方法、装置及设备
CN112364910B (zh) 基于峰值聚类高速公路收费数据异常事件检测方法及装置

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

Application publication date: 20211102

RJ01 Rejection of invention patent application after publication