CN113611130A - 一种本地与过境货车车流量获取方法、系统及存储介质 - Google Patents
一种本地与过境货车车流量获取方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113611130A CN113611130A CN202110884781.5A CN202110884781A CN113611130A CN 113611130 A CN113611130 A CN 113611130A CN 202110884781 A CN202110884781 A CN 202110884781A CN 113611130 A CN113611130 A CN 113611130A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- point
- track
- points
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- 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
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种本地与过境货车车流量获取方法、系统及存储介质,其包括,提取GPS数据,GPS数据为车辆行驶轨迹数据;对提取的GPS数据进行清洗校验,对电子地图中的道路进行整合;将清洗校验后的GPS数据匹配到电子地图中整合后的市内的道路;根据GPS数据计算车辆经过不同道路的次数、运行里程和运行时长,并计算运行速度;将各道路在单位时间内车辆次数、车辆运行里程、运行速度按照车辆的吨位、车龄、车籍三个维度进行统计合并,得到车流量、车辆数、总里程、平均速度;将得到的车流量、车辆数、总里程、平均速度据按照时间维度进行合并统计;对不同时间维度、属地进行调整和校正,得到本地与过境货车的车流量信息。本发明可广泛在环保与交通领域中应用。
Description
技术领域
本发明涉及一种环保与交通技术领域,特别是关于一种不同车型和车龄的本地与过境货车车流量获取方法、系统及存储介质。
背景技术
交通流量作为机动车污染物排放清单编制的重要参数,也是机动车污染防控政策制定的重要参考数据,其准确性直接影响机动车污染物排放影响评估和精细化管控政策制定。其中重型货车是机动车尾气氮氧化物和颗粒物的主要贡献者,《中国移动源环境管理年报(2020年)》显示2019年全国重型货车排放的氮氧化物、颗粒物分别占汽车总排放的72%、49%,可见提高重型货车车流量数据准确性对于机动车管控尤为重要。传统交通流量获取方式包括通过交管部门调取道路交通卡口数据、路检路查、重点区域实地调研等抽样法,因道路交通卡口仅布设在重要交通道路上,并非全部道路,导致道路交通卡口数据存在数据覆盖不全面问题,路检路查和实地调研方式与所选路段和区域直接相关,所获取数据并不是实际全量数据,存在一定高估或低估现象,同时目前技术还不能区分出本地与过境车辆交通流量,因此,需要一种新的技术方法获取不同车型和车龄的本地与过境货车实际交通流量数据。
发明内容
针对上述问题,本发明的目的是提供一种不同车型和车龄的本地与过境货车车流量获取方法、系统及存储介质,其能克服现有方法获取不同车型和车龄的实际交通流量困难等问题,并能获取本地与过境货车实际交通流量数据。
为实现上述目的,本发明采取以下技术方案:一种本地与过境货车车流量获取方法,其包括:提取GPS数据,所述GPS数据为车辆行驶轨迹数据,包括车牌号、时间以及经纬度;对提取的所述GPS数据进行清洗校验,同时对电子地图中的道路进行整合;将清洗校验后的GPS数据匹配到电子地图中整合后的市内的道路;根据GPS数据计算车辆经过不同道路的次数、运行里程和运行时长,并计算运行速度;将各道路在单位时间内车辆次数、车辆运行里程、运行速度按照车辆的吨位、车龄、车籍三个维度进行统计合并,得到车流量、车辆数、总里程、平均速度;将得到的车流量、车辆数、总里程、平均速度据按照时间维度进行合并统计;对不同时间维度、属地进行调整和校正,得到本地与过境货车的车流量信息。
优选的,所述数据清洗校验包括轨迹数据偏离校验、GPS弱信号或无信号轨迹数据校验、剔除车辆停靠数据;所述轨迹数据偏离校验:将车辆轨迹漂移至道路之外的数据重新批量定位,定位在上一个GPS点位与下一个GPS点位中间;所述GPS弱信号或无信号轨迹数据校验:将车辆轨迹数据中弱信号或无信号的GPS数据,按照正常速度均匀定位在行驶道路上;所述剔除车辆停靠数据:将车辆行驶轨迹数据中车辆停靠轨迹进行聚类,使车辆停靠轨迹在预先设定的范围内,形成轨迹簇,剔除停靠轨迹簇数据。
优选的,所述剔除车辆停靠数据,包括:将GPS数据按照时间进行排序,第一个轨迹点自动生成第一个簇,中心点为该簇经纬度,簇半径阈值根据停靠点平均半径的经验值设定;当下一个经纬度轨迹点输入之后,判定到上一个经纬度点所在簇的中心点的距离,该距离超过簇半径阈值,则生成下一个簇,该经纬度点初始化为下一个簇的中心点;否则将该点添加到上一个点对应的簇中,重新计算上一个点对应的簇的中心点;重复判定,直到所有点都加入到簇中为止;删除簇中包含点少于预先设定数量的簇。
优选的,所述将清洗校验后的GPS数据匹配到电子地图中整合后的市内的道路,包括:按照道路宽度生成多边形缓冲区;判断GPS轨迹点是否在多边形缓冲区中,如果经纬度点在道路缓冲区内部,则判定该轨迹点在该条道路上,否则判定不在该条道路上。
优选的,所述判断GPS轨迹点是否在多边形缓冲区中,包括:从该轨迹点引出一条射线,观察射线与多边形的交点个数,如果交点个数为奇数,则该点在多边形内,如果为偶数则在多边形外;轨迹点引出的射线穿过顶点时,设定射线经过的点都属于射线以上的一侧,若该射线与多边形的交点为一个,则该轨迹点位于多边形内;反之,则该轨迹点位于多边形外。
优选的,所述判断GPS轨迹点是否在多边形缓冲区中,包括:轨迹点位于多边形的顶点,直接判断该轨迹点是否与多边形的顶点重合,即判断轨迹点的经纬度与某个顶点是否相等;轨迹点在多边形的边上,直接判断该轨迹点是否在线段上。
优选的,所述计算运行里程的方法为:根据道路点顺序,依次分别计算前后两个轨迹点到各个公路点的距离,如果两个最短距离都小于阈值,且匹配的两个公路点也符合前后顺序,则匹配,否则不匹配;如果匹配,取出对应两个公路点的列表,将前后两个轨迹点的投影点替换列表的两端点,计算公路点列表的总经纬度距离,其中投影根据轨迹点分别计算与公路列表端点的左侧点和右侧点的距离,取距离短的点与端点组成轨迹在公路上距离最近的两点,计算轨迹点在这两个点组成的线段上的投影;根据运行时长计算两个轨迹点速度;下一个轨迹点继续按照当前匹配的路段点往下进行匹配,如果匹配不上,继续下一路段进行匹配。
优选的,所述数据校正的方法为:根据箱型图识别每天统计结果的异常值:异常值为小于QL-1.5IQR或大于QU+1.5IQR的值,识别的异常值用均值替换;其中,QL为下四分位数,表示全部观察值中有四分之一的数据取值比它小;QU为上四分位数,表示全部观察值中有四分之一的数据取值比它大;IQR为四分位数间距,是上四分位数据QU与下四分位数QL之差。
一种本地与过境货车车流量获取系统,其包括:数据提取模块、数据清洗模块、数据匹配模块、数据计算模块、地域获取模块、时间获取模块及数据校正模块;所述数据提取模块,用于提取GPS数据,所述GPS数据为车辆行驶轨迹数据,包括车牌号、时间以及经纬度;所述数据清洗模块,对提取的所述GPS数据进行清洗校验,同时对电子地图中的道路进行整合;所述数据匹配模块,将清洗校验后的GPS数据匹配到电子地图中整合后的市内的道路;所述数据计算模块,根据GPS数据计算车辆经过不同道路的次数、运行里程和运行时长,并计算运行速度;所述地域获取模块,将各道路在单位时间内车辆次数、车辆运行里程、运行速度按照车辆的吨位、车龄、车籍三个维度进行统计合并,得到车流量、车辆数、总里程、平均速度;所述时间获取模块,将得到的车流量、车辆数、总里程、平均速度据按照时间维度进行合并统计;所述数据校正模块,对不同时间维度、属地进行调整和校正,得到本地与过境货车的车流量信息。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行如上述方法中的任一方法。
本发明由于采取以上技术方案,其具有以下优点:
1、本发明利用重型货车GPS轨迹交通大数据,对目标区域重型货车交通流量进行统计和分析,最终得到目标区域内重型货车的实际交通流量全量数据,克服传统方法获取交通流量困难,需要大量人力和物力、数据覆盖不全缺点。
2、本发明由于利用GPS交通流量信息可获取车辆牌照属地和注册年份等信息,进而可区分出不同车龄(车龄)的本地与过境重型货车实际交通流量,解决了当前机动车污染控制研究领域中不能定量化研究本地与外来车辆影响的技术方法瓶颈问题。
综上,本发明可以广泛应用于环保与交通领域中。
附图说明
图1是本发明一实施例中的车流量获取方法流程图;
图2是本发明一实施例中的GPS信号弱引起的数据偏离校验示意图;
图3是本发明一实施例中的停靠区域确认示意图;
图4是本发明一实施例中的道路及其多边形缓冲区示意图;
图5是本发明一实施例中的轨迹点在多边形缓冲区的射线法示意图;
图6是本发明一实施例中的计算运行里程示意图;
图7是本发明一实施例中的数据校正示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
在本发明一实施例中,提供一种不同车型和车龄的本地与过境货车车流量获取方法,如图1所示,其包括以下步骤:
步骤1、数据提取:利用重型货车车载卫星定位装置,提取车辆行驶轨迹(GPS)数据,包括车牌号、时间以及经纬度等;
步骤2、数据清洗规整:对步骤1提取的GPS数据进行清洗校验,同时对电子地图中的道路进行整合;
步骤3、数据匹配:将步骤2中清洗校验后的GPS数据匹配到电子地图中整合后的市内的道路;
步骤4、数据计算:根据GPS数据计算车辆经过不同道路的次数、运行里程和运行时长,并计算运行速度;
步骤5、数据统计(地域):将步骤4得到各道路在单位时间内车辆次数、车辆运行里程、运行速度按照车辆的吨位、车龄、车籍(是否本地)三个维度进行统计合并,得到车流量、车辆数、总里程、平均速度。
步骤6、数据统计(时间):将步骤5得到的车流量、车辆数、总里程、平均速度据按照时间维度进行合并统计;
步骤7、数据校正:采用总量控制法对不同时间维度、属地进行调整和校正,得到本地与过境货车的车流量信息;
在本实施例中,需要注意的是,如果没有相关的车辆限行或管控政策,每日的车流量等统计值在短期内应该不会出现大的波动。
在上述方案的基础上,各步骤的详细说明如下。
上述步骤2中,数据清洗校验包括轨迹数据偏离校验、GPS弱信号或无信号轨迹数据校验、剔除车辆停靠数据,具体为:
(1)轨迹数据偏离校验:在本实施例中,利用python程序,将步骤1中车辆轨迹漂移至道路之外的数据重新批量定位,一般定位在上一个GPS点位与下一个GPS点位中间,使得前后轨迹落在合理的路线上;
(2)GPS弱信号或无信号轨迹数据校验:在本实施例中,利用python程序,将步骤1中车辆轨迹数据中弱信号或无信号的GPS数据,按照正常速度均匀定位在行驶道路上;
例如,如2图所示,轨迹点在1号位置报错重叠,6号位置正常出现,中间间隔2分30秒,矫正办法为每隔30秒在道路上均匀插入轨迹点;
(3)剔除车辆停靠数据:采用聚类算法,将步骤1中车辆行驶轨迹数据中车辆停靠轨迹进行聚类,使车辆停靠轨迹在预先设定的范围内,形成轨迹簇,并剔除停靠轨迹簇数据。具体包括以下步骤:
步骤211、将步骤1中GPS数据按照时间进行排序,第一个轨迹点自动生成第一个簇,中心点为该簇经纬度,簇半径阈值可以根据停靠点平均半径的经验值设定。
步骤212、当下一个经纬度轨迹点输入之后,判定到上一个经纬度点所在簇的中心点的距离,该距离超过簇半径阈值,则生成下一个簇,该经纬度点初始化为下一个簇的中心点;否则将该点添加到上一个点对应的簇中,重新计算上一个点对应的簇的中心点;
其中,中心点计算方法为:将该簇中所有的经度相加,除以点数,得到中心点的经度;将该簇中所有纬度相加,除以簇中点数,得到中心点的纬度。
步骤213、重复步骤212,直到所有点都加入到簇中为止。
步骤214、删除簇中包含点少于预先设定数量的簇。因为这些簇不是停靠点,通常这些簇只有一个、两个或者三个经纬度点,不纳入统计范畴。
如图3所示,每一个圆型区域表示一个停靠区域,如1、3、4、5等区域内有一个轨迹点,这些很明显是车辆在正常行驶,2、13、15号区域是车辆行驶缓慢的轨迹点,每个区域内有两个轨迹点,这些区域不算是停靠区域。7号区域和12号区域有了5个及以上轨迹点,可以算之为停靠区域。
上述步骤2中,道路整合包括以下步骤:
步骤221、批量检索相同名称的道路;
通常由于路口、行政边界等原因,电子地图中将同一条道路打断为多条道路,故在本实施例中采用python程序批量检索相同名称的道路。
步骤222、将经纬度首尾相连的道路连接成一条名称相同的道路;
在本实施例中采用python程序将经纬度首尾相连的道路连接成一条名称相同的道路。
上述步骤3中,将清洗校验后的GPS数据匹配到电子地图中整合后的市内的道路,具体包括以下步骤:
步骤31、按照道路宽度生成多边形缓冲区;
例如,如图4所示,实线是道路经纬度连接生成的道路中间线,虚线为根据道路宽度扩充路面生成的道路多边形缓冲区。
步骤32、判断GPS轨迹点是否在多边形缓冲区中,如果经纬度点在道路缓冲区内部,则判定该轨迹点在该条道路上,否则判定不在该条道路上。
上述步骤32中,采用射线法判断GPS轨迹点是否在多边形缓冲区中,具体为:从该轨迹点引出一条水平射线(任意射线都可,但水平便于计算),观察射线与多边形的交点个数,如果交点个数为奇数,则该点在多边形内,如果为偶数则在多边形外。
如图5所示,点在多边形内,从该点做一条水平射线,与多边形交点个数为2*n+1为奇数,如点A,同理若点在多边形外,交点个数为偶数,如点B。
但是,实际中除了以上一般的轨迹点,还存在以下特殊轨迹点:
1)轨迹点位于多边形的顶点(如F),判断方法是不引出射线,直接判断该轨迹点是否与多边形的顶点重合,即判断轨迹点的经纬度与某个顶点是否相等;
2)轨迹点在多边形的边上(如D),判断方法是不引出射线,直接判断该轨迹点是否在线段上,判断方法很多,可以计算点与两个多边形顶点的连线斜率是否相等,且点的经纬度在两个顶点的经纬度之间;
3)轨迹点引出的射线穿过顶点(如C和E),首先设定射线经过的点都属于射线以上的一侧,若该射线与多边形的交点为一个,则该轨迹点位于多边形内;反之,则该轨迹点位于多边形外。例如,如图5所示,显然点1和发生顶点穿越的点2都位于射线E的同一侧,点3和发生顶点穿越的点2也都位于射线E的同一侧,所以射线E其实并没有穿越12和23这两条边,射线E与多边形的只在边45上相交,交点只有1个,所以判断点E在多边形内。同理,射线C分别与23和34都发生了穿越,交点记作2个,因此点C在多边形外,而射线Z没有和多边形发生穿越,点Z位于多边形外。
上述步骤4中,计算运行里程的方法为:将轨迹点投影到最近的道路上,计算道路上两个投影点的距离。例如,如图6所示,计算轨迹点AB之间的距离,一般方法是直接根据AB点的经纬度计算经纬度距离。如果在弯路上运行时,经纬度距离与实际的距离偏差较大,明显小于实际距离,由此计算的速度也会偏小。所以利用路网数据,将轨迹点投影到最近的道路上,计算道路点之间的距离,即计算a-2-3-4-5-6-7-8-b之间的距离和作为AB之间的运行距离。故,计算运行里程的方法包括以下步骤:
步骤41、采用轨迹点匹配道路数据方法,根据道路点顺序,依次分别计算前后两个轨迹点到各个公路点的距离,如果两个最短距离都小于阈值,且匹配的两个公路点也符合前后顺序,则匹配,否则不匹配;
步骤42、如果匹配,取出对应两个公路点的列表,将前后两个轨迹点的投影点替换列表的两端点,计算公路点列表的总经纬度距离,其中投影根据轨迹点分别计算与公路列表端点的左侧点和右侧点的距离,取距离短的点与端点组成轨迹在公路上距离最近的两点,计算轨迹点在这两个点组成的线段上的投影;
步骤43、再根据运行时长计算两个轨迹点速度;
步骤44、下一个轨迹点继续按照当前匹配的路段点往下进行匹配,如果匹配不上,继续下一路段进行匹配。
上述步骤5中,按照车辆的吨位、车龄、车籍(是否本地)三个维度进行统计合并,具体包括:
(1)统计单位时间内各道路情况:
其中,ni表示与车辆i同属性(吨位、车龄、是否本地)的车辆数;vechicle_numirk表示某吨位、某车龄、某车籍的车辆i在道路r上在第k时间段内的运行次数;vechicleik表示某吨位、某车龄、某车籍的车辆i在第k时间段内的运行;vechicle_milirk表示某吨位、某车龄、某车籍的车辆i在道路r上在第k时间段内的运行总里程;vechicle_speedirk表示某吨位、某车龄、某车籍的车辆i在道路r上在第k时间段内的运行平均里程;ROAD_PVrk表示道路r在第k时间段内某属性车辆的车流量;ROAD_UVrk表示道路r在第k时间段内某属性车辆的车辆数;ROAD_MILrk表示道路r在第k时间段内某属性车辆运行的总里程;ROAD_speedrk表示道路r在第k时间段内某属性车辆运行的平均速度。VEHICLE_UVrk表示道路r在第k时间段内某属性车辆的车辆数。
(2)统计单位时间内市内总体情况:
其中,R表示市内所有的道路;CITY_PVk表示市内第k时间段内某属性车辆的车流量;CITY_UVk表示市内第k时间段内某属性车辆的车辆数;CITY_MILk表示市内第k时间段内某属性车辆运行的总里程;CITY_SPEEDk表示市内第k时间段内某属性车辆运行的平均速度。I代表的是指示函数(indicator function),它的含义是:当输入为True的时候,输出为1,输入为False的时候,输出为0。
上述步骤6中,合并统计的公式为:
式中,DAY_PVd表示市内d天某属性车辆的车流量;DAY_UVd表示市内d天某属性车辆的车辆数;DAY_MILd表示市内d天某属性车辆运行的总里程;DAY_speedd表示市内d天某属性车辆运行的平均速度。
上述步骤7中,采用总量控制法对不同时间维度、属地进行调整和校正,包括:
式中,MONTH_PVm表示市内m月某属性车辆的车流量;MONTH_UVm表示市内m月某属性车辆的车辆数;MONTH_MILm表示市内m月某属性车辆运行的总里程;MONTH_SPEEDm表示市内m月某属性车辆运行的平均速度。
上述步骤7中,数据校正的方法为:
根据箱型图识别每天统计结果的异常值:异常值通常被定义为小于QL-1.5IQR或大于QU+1.5IQR的值;识别的异常值用均值替换,如图7所示。其中,QL为下四分位数,表示全部观察值中有四分之一的数据取值比它小;QU为上四分位数,表示全部观察值中有四分之一的数据取值比它大;IQR为四分位数间距,是上四分位数据QU与下四分位数QL之差,其间包含了全部观察值的一半。
在本发明的一实施例中,提供-种本地与过境货车车流量获取系统,其包括:数据提取模块、数据清洗模块、数据匹配模块、数据计算模块、地域获取模块、时间获取模块及数据校正模块;
数据提取模块,用于提取GPS数据,GPS数据为车辆行驶轨迹数据,包括车牌号、时间以及经纬度;
数据清洗模块,对提取的GPS数据进行清洗校验,同时对电子地图中的道路进行整合;
数据匹配模块,将清洗校验后的GPS数据匹配到电子地图中整合后的市内的道路;
数据计算模块,根据GPS数据计算车辆经过不同道路的次数、运行里程和运行时长,并计算运行速度;
地域获取模块,将各道路在单位时间内车辆次数、车辆运行里程、运行速度按照车辆的吨位、车龄、车籍三个维度进行统计合并,得到车流量、车辆数、总里程、平均速度;
时间获取模块,将得到的车流量、车辆数、总里程、平均速度据按照时间维度进行合并统计;
数据校正模块,对不同时间维度、属地进行调整和校正,得到本地与过境货车的车流量信息。
在本发明的一实施例中,提供一种存储一个或多个程序的计算机可读存储介质,一个或多个程序包括指令,指令当由计算设备执行时,使得计算设备上述实施例方法中的任一方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (10)
1.一种本地与过境货车车流量获取方法,其特征在于,包括:
提取GPS数据,所述GPS数据为车辆行驶轨迹数据,包括车牌号、时间以及经纬度;
对提取的所述GPS数据进行清洗校验,同时对电子地图中的道路进行整合;
将清洗校验后的GPS数据匹配到电子地图中整合后的市内的道路;
根据GPS数据计算车辆经过不同道路的次数、运行里程和运行时长,并计算运行速度;
将各道路在单位时间内车辆次数、车辆运行里程、运行速度按照车辆的吨位、车龄、车籍三个维度进行统计合并,得到车流量、车辆数、总里程、平均速度;
将得到的车流量、车辆数、总里程、平均速度据按照时间维度进行合并统计;
对不同时间维度、属地进行调整和校正,得到本地与过境货车的车流量信息。
2.如权利要求1所述获取方法,其特征在于,所述数据清洗校验包括轨迹数据偏离校验、GPS弱信号或无信号轨迹数据校验、剔除车辆停靠数据;
所述轨迹数据偏离校验:将车辆轨迹漂移至道路之外的数据重新批量定位,定位在上一个GPS点位与下一个GPS点位中间;
所述GPS弱信号或无信号轨迹数据校验:将车辆轨迹数据中弱信号或无信号的GPS数据,按照正常速度均匀定位在行驶道路上;
所述剔除车辆停靠数据:将车辆行驶轨迹数据中车辆停靠轨迹进行聚类,使车辆停靠轨迹在预先设定的范围内,形成轨迹簇,剔除停靠轨迹簇数据。
3.如权利要求2所述获取方法,其特征在于,所述剔除车辆停靠数据,包括:
将GPS数据按照时间进行排序,第一个轨迹点自动生成第一个簇,中心点为该簇经纬度,簇半径阈值根据停靠点平均半径的经验值设定;
当下一个经纬度轨迹点输入之后,判定到上一个经纬度点所在簇的中心点的距离,该距离超过簇半径阈值,则生成下一个簇,该经纬度点初始化为下一个簇的中心点;否则将该点添加到上一个点对应的簇中,重新计算上一个点对应的簇的中心点;
重复判定,直到所有点都加入到簇中为止;删除簇中包含点少于预先设定数量的簇。
4.如权利要求1所述获取方法,其特征在于,所述将清洗校验后的GPS数据匹配到电子地图中整合后的市内的道路,包括:
按照道路宽度生成多边形缓冲区;
判断GPS轨迹点是否在多边形缓冲区中,如果经纬度点在道路缓冲区内部,则判定该轨迹点在该条道路上,否则判定不在该条道路上。
5.如权利要求4所述获取方法,其特征在于,所述判断GPS轨迹点是否在多边形缓冲区中,包括:
从该轨迹点引出一条射线,观察射线与多边形的交点个数,如果交点个数为奇数,则该点在多边形内,如果为偶数则在多边形外;
轨迹点引出的射线穿过顶点时,设定射线经过的点都属于射线以上的一侧,若该射线与多边形的交点为一个,则该轨迹点位于多边形内;反之,则该轨迹点位于多边形外。
6.如权利要求4所述获取方法,其特征在于,所述判断GPS轨迹点是否在多边形缓冲区中,包括:
轨迹点位于多边形的顶点,直接判断该轨迹点是否与多边形的顶点重合,即判断轨迹点的经纬度与某个顶点是否相等;
轨迹点在多边形的边上,直接判断该轨迹点是否在线段上。
7.如权利要求1所述获取方法,其特征在于,所述计算运行里程的方法为:
根据道路点顺序,依次分别计算前后两个轨迹点到各个公路点的距离,如果两个最短距离都小于阈值,且匹配的两个公路点也符合前后顺序,则匹配,否则不匹配;
如果匹配,取出对应两个公路点的列表,将前后两个轨迹点的投影点替换列表的两端点,计算公路点列表的总经纬度距离,其中投影根据轨迹点分别计算与公路列表端点的左侧点和右侧点的距离,取距离短的点与端点组成轨迹在公路上距离最近的两点,计算轨迹点在这两个点组成的线段上的投影;
根据运行时长计算两个轨迹点速度;
下一个轨迹点继续按照当前匹配的路段点往下进行匹配,如果匹配不上,继续下一路段进行匹配。
8.如权利要求1所述获取方法,其特征在于,所述数据校正的方法为:
根据箱型图识别每天统计结果的异常值:异常值为小于QL-1.5IQR或大于QU+1.5IQR的值,识别的异常值用均值替换;其中,QL为下四分位数,表示全部观察值中有四分之一的数据取值比它小;QU为上四分位数,表示全部观察值中有四分之一的数据取值比它大;IQR为四分位数间距,是上四分位数据QU与下四分位数QL之差。
9.一种本地与过境货车车流量获取系统,其特征在于,包括:数据提取模块、数据清洗模块、数据匹配模块、数据计算模块、地域获取模块、时间获取模块及数据校正模块;
所述数据提取模块,用于提取GPS数据,所述GPS数据为车辆行驶轨迹数据,包括车牌号、时间以及经纬度;
所述数据清洗模块,对提取的所述GPS数据进行清洗校验,同时对电子地图中的道路进行整合;
所述数据匹配模块,将清洗校验后的GPS数据匹配到电子地图中整合后的市内的道路;
所述数据计算模块,根据GPS数据计算车辆经过不同道路的次数、运行里程和运行时长,并计算运行速度;
所述地域获取模块,将各道路在单位时间内车辆次数、车辆运行里程、运行速度按照车辆的吨位、车龄、车籍三个维度进行统计合并,得到车流量、车辆数、总里程、平均速度;
所述时间获取模块,将得到的车流量、车辆数、总里程、平均速度据按照时间维度进行合并统计;
所述数据校正模块,对不同时间维度、属地进行调整和校正,得到本地与过境货车的车流量信息。
10.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行如权利要求1至8所述方法中的任一方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110884781.5A CN113611130B (zh) | 2021-08-03 | 2021-08-03 | 一种本地与过境货车车流量获取方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110884781.5A CN113611130B (zh) | 2021-08-03 | 2021-08-03 | 一种本地与过境货车车流量获取方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113611130A true CN113611130A (zh) | 2021-11-05 |
CN113611130B CN113611130B (zh) | 2023-08-25 |
Family
ID=78339161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110884781.5A Active CN113611130B (zh) | 2021-08-03 | 2021-08-03 | 一种本地与过境货车车流量获取方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113611130B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115687366A (zh) * | 2022-12-08 | 2023-02-03 | 深圳市智多兴投控科技有限公司 | 一种物流主通道的构建方法及相关设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710624A (zh) * | 2005-06-02 | 2005-12-21 | 上海交通大学 | 城市路网交通流区间平均速度的获取方法 |
CN108804037A (zh) * | 2018-05-29 | 2018-11-13 | 郑州云海信息技术有限公司 | 基于箱型图处理存储设备历史性能数据的方法及系统 |
CN111340674A (zh) * | 2020-05-20 | 2020-06-26 | 北京航空航天大学 | 一种交通运力承运意图辨识方法 |
CN112270460A (zh) * | 2020-09-30 | 2021-01-26 | 交通运输部规划研究院 | 一种基于多源数据的超重货车货源站点识别方法 |
CN112419707A (zh) * | 2020-08-13 | 2021-02-26 | 北京交通发展研究院 | 一种基于gps数据空间匹配的车辆运行效率评价方法及系统 |
CN113138979A (zh) * | 2021-04-28 | 2021-07-20 | 扬州大学 | 一种基于轨迹数据的高速服务区货车服务水平评价方法 |
-
2021
- 2021-08-03 CN CN202110884781.5A patent/CN113611130B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710624A (zh) * | 2005-06-02 | 2005-12-21 | 上海交通大学 | 城市路网交通流区间平均速度的获取方法 |
CN108804037A (zh) * | 2018-05-29 | 2018-11-13 | 郑州云海信息技术有限公司 | 基于箱型图处理存储设备历史性能数据的方法及系统 |
CN111340674A (zh) * | 2020-05-20 | 2020-06-26 | 北京航空航天大学 | 一种交通运力承运意图辨识方法 |
CN112419707A (zh) * | 2020-08-13 | 2021-02-26 | 北京交通发展研究院 | 一种基于gps数据空间匹配的车辆运行效率评价方法及系统 |
CN112270460A (zh) * | 2020-09-30 | 2021-01-26 | 交通运输部规划研究院 | 一种基于多源数据的超重货车货源站点识别方法 |
CN113138979A (zh) * | 2021-04-28 | 2021-07-20 | 扬州大学 | 一种基于轨迹数据的高速服务区货车服务水平评价方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115687366A (zh) * | 2022-12-08 | 2023-02-03 | 深圳市智多兴投控科技有限公司 | 一种物流主通道的构建方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113611130B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612670B (zh) | 一种构建机动车排放清单的方法、装置和计算机设备 | |
EP3162651A1 (en) | Driver profiling system and method | |
CN105810006B (zh) | 路边停车位的识别方法及系统 | |
CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN114664087B (zh) | 基于轨迹识别车辆上下高速的方法、装置、设备及介质 | |
Wen et al. | On-highway vehicle emission factors, and spatial patterns, based on mobile monitoring and absolute principal component score | |
CN110969190B (zh) | 非法营运车辆检测方法、介质、设备及装置 | |
CN113611130B (zh) | 一种本地与过境货车车流量获取方法、系统及存储介质 | |
CN114912689A (zh) | 基于地图网格索引和xgboost的超限车辆目的地预测方法及系统 | |
CN114169588A (zh) | 一种交通运力的预测方法、装置、设备及存储介质 | |
CN112767686B (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
CN114202903A (zh) | 基于dem数据的车辆预警方法、装置、设备及存储介质 | |
Malcolm et al. | Mobile-source emissions: Analysis of spatial variability in vehicle activity patterns and vehicle fleet distributions | |
CN116416780A (zh) | 一种路侧感知系统的测试方法、装置、测试设备和介质 | |
CN113194408B (zh) | 检测北斗信号覆盖盲区的方法、装置、设备及存储介质 | |
CN114140985B (zh) | 基于知识图谱的车辆疲劳预警方法、装置、设备及介质 | |
CN116994441B (zh) | 一种交通流信息数据处理方法及系统 | |
CN113821735B (zh) | 识别非法加油站点的方法、装置、设备及存储介质 | |
CN114463970B (zh) | 自动检测卡口封闭的方法、装置、设备及存储介质 | |
CN114461933B (zh) | 基于周边搜索的车辆推荐方法、装置、设备及存储介质 | |
CN102903235A (zh) | 一种对实时路况进行质量评价的方法及装置 | |
CN117373259B (zh) | 高速公路车辆逃费行为识别方法、装置、设备和存储介质 | |
CN116226598B (zh) | 一种基于车辆性质及货物属地原则的公路货运量计算方法 | |
Ho et al. | Automated Quantification of Traffic Particulate Emissions via an Image Analysis Pipeline | |
CN114742685A (zh) | 一种基于等效密度和大数据分析的绿色通道货物检测方法 |
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 |