CN113674528B - 一种基于大数据共建共享的智慧交通系统及方法 - Google Patents

一种基于大数据共建共享的智慧交通系统及方法 Download PDF

Info

Publication number
CN113674528B
CN113674528B CN202110968638.4A CN202110968638A CN113674528B CN 113674528 B CN113674528 B CN 113674528B CN 202110968638 A CN202110968638 A CN 202110968638A CN 113674528 B CN113674528 B CN 113674528B
Authority
CN
China
Prior art keywords
road
vehicle
information
travel
traffic
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
Application number
CN202110968638.4A
Other languages
English (en)
Other versions
CN113674528A (zh
Inventor
田继伟
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.)
Shenzhen Tiya Digital Technology Co ltd
Original Assignee
Shenzhen Tiya Digital Technology Co ltd
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 Shenzhen Tiya Digital Technology Co ltd filed Critical Shenzhen Tiya Digital Technology Co ltd
Priority to CN202110968638.4A priority Critical patent/CN113674528B/zh
Publication of CN113674528A publication Critical patent/CN113674528A/zh
Application granted granted Critical
Publication of CN113674528B publication Critical patent/CN113674528B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Analytical Chemistry (AREA)
  • Strategic Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Remote Sensing (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明适用于智慧交通技术领域，尤其涉及一种基于大数据共建共享的智慧交通系统及方法，所述方法包括：获取来自车辆的行驶路径信息；根据行驶路径信息构建交通出行预测地图，统计每条道路的预期通行车辆值，并划分道路为低占用率道路和高占用率道路；对交通出行预测地图进行分析，判断行驶路径信息中包含的车辆出行路线是否经过高占用率道路；若经过高占用率道路，则根据交通出行预测地图生成指导路线信息；在车辆行驶的过程中，对交通出行预测地图进行实时修正，基于修正后的交通出行预测地图对指导路线信息进行调整，本发明通过获取车辆共享的出行信息，形成交通出行预测地图，能够预测不同时间下各道路的通行情况，为车辆出行提供指导建议。

Description

一种基于大数据共建共享的智慧交通系统及方法
技术领域
本发明属于智慧交通技术领域，尤其涉及一种基于大数据共建共享的智慧交通系统及方法。
背景技术
智慧交通在交通领域中充分运用物联网、云计算、人工智能、自动控制、移动互联网等技术，对交通管理、交通运输、公众出行等交通领域的全方面以及交通建设管理的全过程进行管控支撑，使交通系统在区域、城市甚至更大的时空范围内具备感知、互联、分析、预测、控制等能力，以充分保障交通安全、发挥交通基础设施效能、提升交通系统运行效率和管理水平，为通畅的公众出行和可持续的经济发展服务。
通过现有技术中的智慧交通系统，人们能够获取出行道路的实时拥堵信息，并可以根据该拥堵信息对其出行道路上的拥堵路段进行避让，从而来避免由于道路拥堵导致的出行时间过长，但是当人们获取到道路状况的信息时，道路拥堵的情况就已经发生了，因此现有的智慧交通系统在优化出行时间上发挥的作用比较有限，此外，现有的智慧交通系统只具有显示实时路况信息的能力，但无法提前对道路的通行情况进行预测，也无法根据不同人的出行计划为其提供车辆行驶路线的准确建议，致使交通系统的运行效率较低。
发明内容
本发明实施例的目的在于提供一种基于大数据共建共享的智慧交通方法，旨在解决背景技术中提出的问题。
本发明实施例是这样实现的，一种基于大数据共建共享的智慧交通方法，所述方法包括：
获取来自车辆的行驶路径信息，所述行驶路径信息至少包括车辆出行路线的起点信息、终点信息和必经点信息；
根据行驶路径信息构建交通出行预测地图，统计每条道路的预期通行车辆值，并划分道路为低占用率道路和高占用率道路，所述交通出行预测地图中包含各道路通行车辆数量变化趋势；
对交通出行预测地图进行分析，判断行驶路径信息中包含的车辆出行路线是否经过高占用率道路；
若经过高占用率道路，则根据交通出行预测地图生成指导路线信息，并下发至对应的车辆，所述指导路线信息中包含的指导路线至少经过必经点到达终点；
在车辆行驶的过程中，对交通出行预测地图进行实时修正，基于修正后的交通出行预测地图对所述指导路线信息进行调整，并将其下发至对应车辆；
所述对交通出行预测地图进行实时修正，基于修正后的交通出行预测地图对所述指导路线信息进行调整，并将其下发至对应车辆的具体步骤如下：
通过实时采集到的各个道路上行驶的车辆信息对所述交通出行预测地图进行修正，得到交通出行实时地图，所述交通出行实时地图记录在不同时刻下各个道路上真实行驶的车辆信息；
针对不同指导路线信息中包含的指导路线中的不同道路分别计算其拥堵率，以及车辆在不同道路上的通行时间，并综合考虑指导路线上各条道路的拥堵率和通行时间，分别计算得到不同指导路线的拥堵值，最后选定拥堵值为最小的指导路线，上述的计算过程通过如下公式来描述：
Fmin(E1,E2...Ei)，
Figure BDA0003225144580000011
其中，Fmin代表最小值函数，用来获取E1～Ei中的最小值，Ei代表指导路线的拥堵值，i代表不同指导路线的个数，n代表同一指导路线上包含的道路的个数，pik代表第i条指导路线内第k条道路上的通行车辆数量，qik代表第i条指导路线内第k条道路的最大通行车辆数量，sik代表第i条指导路线内第k条道路的车辆通行距离，vik代表第i条指导路线内第k条道路上的车辆行驶速度，λ代表在指导路线的拥堵值的计算中，指导路线的拥堵率所占的比重，1-λ代表在指导路线的拥堵值的计算中，指导路线的通行时间所占的比重；
根据所述拥堵值为最小的指导路线生成新的指导路线信息，并将其发送至相对应的车辆。
本发明的有益效果如下：
本发明提供的一种基于大数据共建共享的智慧交通方法，首先，车辆在出行前将自身的出行信息通过网络进行及时共享，然后，基于车辆共享的出行信息，系统形成交通出行预测地图，对不同时刻下各个道路上车辆的行驶情况进行提前预测，并根据不同用户的出发时间信息以及车辆的行驶路径信息，为其提供指导路线信息，接着，在车辆行驶的过程中，又对交通出行预测地图进行实时的修正，得到交通出行实时地图，并根据该实时地图计算上述的指导路线信息中包含的不同指导路线的拥堵值，拥堵值同时考虑指导路线上各条道路的拥堵率和通行时间，最后，根据所述拥堵值为最小的指导路线生成新的指导路线信息，并将其发送至相对应的车辆，避免由于道路拥堵导致的用户出行时间过长，或易发生交通事故等问题，本发明解决了现有技术中的智慧交通系统只具有显示实时路况信息的能力，但无法提前对道路的通行情况进行预测，也无法根据不同人的出行计划为其提供车辆行驶路线的准确建议，致使交通系统的运行效率较低等问题。
附图说明
图1为本发明实施例提供的一种基于大数据共建共享的智慧交通方法的流程图；
图2为本发明实施例提供的划分道路为低占用率道路和高占用率道路的步骤的流程图；
图3为本发明实施例提供的对交通出行预测地图进行分析并判断行驶路径信息中包含的车辆出行路线是否经过高占用率道路的步骤的流程图；
图4为本发明实施例提供的经过高占用率道路时根据交通出行预测地图生成指导路线信息并下发至对应的车辆的步骤的流程图；
图5为本发明实施例提供的一种基于大数据共建共享的智慧交通系统的架构图；
图6为本发明实施例提供的道路分类模块的架构图；
图7为本发明实施例提供的路线分析模块的架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
在本发明中，通过车辆将自身的出行信息进行共享，然后根据车辆共享的信息形成交通出行预测地图，利用交通出行预测地图能够预测短时间内各道路的车辆行驶情况，从而对车辆出行进行指导，以避免发生车辆拥堵等情况。
图1为本发明实施例提供的一种基于大数据共建共享的智慧交通方法的流程图，所述方法包括：
S100，获取来自车辆的行驶路径信息，所述行驶路径信息至少包括车辆出行路线的起点信息、终点信息和必经点信息。
在本步骤中，获取来自车辆的行驶路径信息，车辆在出发前，对此次出行的路径进行共享，例如，建立服务器，该服务器用于收集车辆共享的信息，并向车辆发送指导出行的信息，车辆在出发前，用户根据自己的需求，设置起点、终点和必经点，起点即为用户车辆出发的位置，终点为用户车辆最终到达的位置，必经点则是指在起点和终点之间，用户必须经过的地点，用户车辆从起点出发，然后依次通过必经点之后，最终到达终点，因此根据上述信息可以生成行驶路径信息，车辆则可以将上述行驶路径信息上传至服务器当中，现如今，有的车辆中包含有上网模块，可以直接与服务器连接，有的车辆则不具备上网功能，用户可以利用移动设备完成上传的操作，所述行驶路径信息还包括用户的出发时间信息。
S200，根据行驶路径信息构建交通出行预测地图，统计每条道路的预期通行车辆值，并划分道路为低占用率道路和高占用率道路，所述交通出行预测地图中包含各道路通行车辆数量变化趋势。
在本步骤中，构建交通出行预测地图，交通出行预测地图中包含各道路通行车辆数量变化趋势，在用户上传行驶路径信息后，服务器就能够以所有车辆上传的行驶路径信息为依据，对每一条车道在未来短时间内的通行情况进行预测，当然，服务器自身并不是仅依赖于用户上传的行驶路径信息，其还可以从交通部门获取对应的道路拥堵情况，以从交通部门获取的道路拥堵情况作为基础，并结合用户上传的行驶路径信息对每条道路未来短时间内的车辆行驶情况进行预测，而每条道路在建设时，其通行能力、车道数量以及路面质量等都是已知的，依据上述每条道路的基本信息，可以计算其允许的最大通行量，当最大通行量不高于实际通行需求量时，道路就会出现拥堵的情况，反之，道路则保持畅通，根据上述方式，对最大通行量不低于实际通行需求量的道路，其定义为低占用道路，说明该道路还可以继续容纳新的车辆，反之，对于对最大通行量低于实际通行需求量的道路，定义为高占用率道路，说明此时该道路已经接近满载了，无法继续接纳新的车辆，否则就会导致该道路出现拥堵，使得通行效率降低。
在本步骤中，划分道路为低占用率道路和高占用率道路的步骤具体可以为，识别当前道路的等级，根据道路的等级确定该道路允许同时通行车辆的数量阈值，若当前行驶在该道路的车辆数量超过数量阈值，则此道路为高占用率道路，反之，当前道路为低占用率道路。
S300，对交通出行预测地图进行分析，判断行驶路径信息中包含的车辆出行路线是否经过高占用率道路。
在本步骤中，对交通出行预测地图进行分析，由于在行驶路径信息包含起点、终点和必经点，因此，据此能够生成行驶路线，对于交通出行预测地图其在不同时刻是不一样的，每间隔一段时间就会变化一次，例如，依据当前时刻得到的交通出行预测地图实际上是包含多幅地图的，以一秒钟为间隔，如果预测三十分钟内的车况，那么实际上存在30*60＝1800幅地图，每一张地图对应未来半小时内每一秒钟的交通情况，对于需要出行的车辆而言，其在不同道路行驶的平均速度是已知的，因此可以根据车辆的行驶路线，判断未来半小时内车辆处于何处，并判断该处所在的道路是否为高占用率道路。
S400，若系统判断车辆的行驶路线经过高占用率道路，则根据交通出行预测地图生成指导路线信息，并下发至对应的车辆，所述指导路线信息中包含的指导路线至少经过必经点到达终点。
在本步骤中，如果系统预测得到车辆在某时刻所处的位置为高占用率道路，就说明该车辆若按照原始的出行路线继续行驶的话就会遇到道路拥堵，并且会同时加重道路拥堵的现象，此时，系统根据车辆的行驶路径信息并结合交通出行预测地图，生成多条从起点出发途经必经点且最后到达终点的绕行路线，接着对车辆通过不同绕行路线所需花费的时间进行计算，并得到计算结果，然后根据计算结果对不同的绕行路线进行优先排序，计算结果即在不同绕行路线上所需花费的时间越短，优先等级越高，最后选择若干条优先等级较高的绕行路线生成指导路线信息并下发至车辆，该指导路线信息中包含多条不同的指导路线，也即绕行路线，以及在不同的指导路线上将要花费的时间，指导路线信息尽量为用户选择低占用率的道路，在其被发送至车辆之后，用户从该指导路线信息中选择某条指导路线出行即可，指导路线信息中包含的指导路线至少经过必经点到达终点，因此不会影响车辆的出行计划，通过对车辆进行统筹分析，为车辆生成指导路线，从而减少道路拥堵情况的发生，大大提升城市交通系统的智慧性和运行效率。
S500，对交通出行预测地图进行实时修正，基于修正后的交通出行预测地图对所述指导路线信息进行调整，并将其下发至对应车辆，具体的步骤包括，首先，通过实时采集到的各个道路上行驶的车辆信息对所述交通出行预测地图进行修正，得到交通出行实时地图，所述交通出行实时地图记录在不同时刻下各个道路上真实行驶的车辆信息，接着，针对不同指导路线信息中包含的指导路线中的不同道路分别计算其拥堵率，以及车辆在不同道路上的通行时间，并综合考虑指导路线上各条道路的拥堵率和通行时间，分别计算得到不同指导路线的拥堵值，最后选定拥堵值为最小的指导路线，为了便于理解上述的计算过程，将该计算过程描述成以下的公式：
Fmin(E1,E2...Ei)，
Figure BDA0003225144580000031
其中，Fmin代表最小值函数，用来获取E1～Ei中的最小值，Ei代表指导路线的拥堵值，i代表不同指导路线的个数，n代表同一指导路线上包含的道路的个数，pik代表第i条指导路线内第k条道路上的通行车辆数量，qik代表第i条指导路线内第k条道路的最大通行车辆数量，sik代表第i条指导路线内第k条道路的车辆通行距离，vik代表第i条指导路线内第k条道路上的车辆行驶速度，λ代表在指导路线的拥堵值的计算中，指导路线的拥堵率所占的比重，1-λ代表在指导路线的拥堵值的计算中，指导路线的通行时间所占的比重。最后，根据所述拥堵值为最小的指导路线生成新的指导路线信息，并将其发送至相对应的车辆。
在本步骤中，因为考虑到上述提供给用户的指导路线信息只是基于交通出行预测地图生成的，对用户避开道路拥堵路段出行具有一定的指导意义，但在实际的情况下，还需考虑到没有提前共享其出行信息的用户的出行对道路状况造成的影响，以及天气状况、交通事故等不确定因素也会对道路状况造成影响，所以，在车辆按照指导路线信息行驶的过程中，还需通过不同道路上实时采集到的车辆行驶情况对交通出行预测地图进行实时的修正，从而得到交通出行实时地图，该地图能够反映在不同时刻各个道路上真实的车辆行驶情况，接着基于该交通出行实时地图和上述提供给用户的指导路线信息，分别计算指导路线信息中不同指导路线的拥堵值；
在具体的计算过程中，通过计算
Figure BDA0003225144580000041
的结果，得到第i条指导路线的拥堵率，通过计算
Figure BDA0003225144580000042
的结果，得到在第i条指导路线上所需花费的通行时间，由于最佳指导路线的选择需要同时考虑拥堵率与通行时间，例如指导路线A的拥堵率值为40，其通行时间为3小时，指导路线B的拥堵率值为60，其通行时间为1小时，在此情况下，应综合考虑拥堵率和通行时间来选择最佳指导路线，因此计算过程中引入λ值，λ代表在指导路线的拥堵值的计算中指导路线的拥堵率所占的比重，即1-λ代表在指导路线的拥堵值的计算中指导路线的通行时间所占的比重，λ值可以根据实际需求灵活设定，在本实施例中不做具体的限制。
如图2所示，作为本发明的一个优选实施例，所述根据行驶路径信息构建交通出行预测地图，统计每条道路的预期通行车辆值，并划分道路为低占用率道路和高占用率道路的步骤，具体包括：
S201，对行驶路径信息进行分析，根据车辆行驶速度计算车辆到达终点前每个时刻的预测位置。
在本步骤中，对行驶路径信息进行分析，并获取车辆的相关信息，从而根据行驶路径信息确定车辆所经过的道路的类型，然后结合车辆的相关信息，得到本车辆的平均行驶速度，由于道路的类型已经确定，那么根据平均行驶速度就可以计算得到在车辆到达终点前的每个时刻车辆所处的位置，该位置即为预测位置，例如，车辆在A道路、B道路和C道路上的平均行驶速度分别为a、b和c，此次出行中，在A道路、B道路和C道路上需要行驶的距离分别为L1、L2和L3，那么可以依据上述信息计算得到车辆在每个位置时对应的时间，也可以根据时间得到该时间对应的车辆位置。
S202，根据预测位置生成每个时刻对应的交通出行预测地图，并统计每个时刻各道路上车辆的数量。
在本步骤中生成交通出行预测地图，在上一步骤中，已经能够获取每个车辆在每个时刻所处的位置，通过统计每个时刻全部车辆的位置，也就得到了整个交通体系中全部道路的各个位置上每个时刻对应的车辆数量，并对其按道路进行统计，例如首先对道路进行分段，可以以1公里为一段，或者以道路的出入口之间为一段，然后统计出在每个时刻每段道路上存在的车辆数量。
S203，判断每条道路上车辆的数量是否超过预设值，若是，则该条道路为高占用率道路，若否，则该条道路为低占用率道路。
在本步骤中，判断每条道路上车辆的数量是否超过预设值，对于每条道路而言，为了保证道路通畅，道路上允许同时存在的车辆数量以及车辆间距是确定的，因此，该预设值可以依据每段道路的长度以及车辆之间的安全距离进行计算，计算得到每段道路中允许同时存在车辆的最大值，该值即为预设值，例如长度为1000m的一段道路，安全距离设置为100米，该道路存在3条车道，那么允许同时存在30辆车，预设值即为30，如果在某个时刻，该段道路上的车辆超过预设值，则将其定义为高占用率道路，反之，则定义为低占用率道路。
如图3所示，作为本发明的一个优选实施例，所述对交通出行预测地图进行分析，判断行驶路径信息中包含的车辆出行路线是否经过高占用率道路的步骤，具体包括：
S301，根据预设的车辆行驶速度计算车辆处于车辆出行路线中各位置的预测时间。
在本步骤中，获取车辆行驶速度，通过预设数据库的方式，在预设数据库中存储不同类型车辆在不同等级配置的道路上行驶的速度，在需要使用时，根据车辆的信息从预设数据库中调取对应的车辆行驶速度，由于车辆行驶速度已知，道路的类型已经确定，那么根据车辆行驶速度就可以计算得到，在车辆到达终点前的每个时刻，车辆所处的位置，该位置即为预测位置，每个预测位置对应的预测时间也就相应的被确定
S302，根据预测时间调取对应的交通出行预测地图。
S303，判断在当前的交通出行预测地图中，该车辆所在道路是否为高占用率道路。
在本步骤中，交通出行预测地图实际上是包含多幅不同时间的地图的，因此根据不同的预测时间，能够调取对应的交通出行预测地图，然后根据车辆的预测位置定位到对应的道路，并得到该道路是否属于高占用率道路，用于后续判断是否需要根据交通出行预测地图生成指导路线。
如图4所示，作为本发明的一个优选实施例，车辆的行驶路线若经过高占用率道路，则根据交通出行预测地图生成指导路线信息，并下发至对应的车辆的步骤，具体包括：
S401，当系统判断得到车辆将会经过高占用率道路时，根据车辆的行驶路径信息生成绕行路线。
在本步骤中，如果车辆被判定为会经过高占用率道路，那么为了避免车辆驶入高占用率道路，并避免加重该高占用率道路的交通负担，系统根据交通出行预测地图生成多条绕行路线，实际上可以根据用户需求将所有的绕行路线都生成出来，对此不做限制。
S402，对车辆通过绕行路线所需花费的时间进行计算，并得到计算结果。
S403，根据计算结果对绕行路线进行排序，得到指导路线信息并下发至车辆。
在本步骤中，为了减小绕行对用户出行时间的影响，需要尽量为用户推荐花费时间较少的绕行路线，首先对车辆经过不同绕行路线所需要的时间进行计算并得到计算结果，接着根据计算结果，对不同的绕行路线进行优先排序，在不同绕行路线上所需花费的时间越短，优先等级越高，最后选择若干条优先等级较高的绕行路线生成指导路线信息并下发至车辆，该指导路线信息中包含多条不同的指导路线，也即绕行路线，以及在不同的指导路线上将要花费的时间。
如图5所示，为本发明提供的一种基于大数据共建共享的智慧交通系统，所述系统包括：
信息获取模块100，用于获取来自车辆的行驶路径信息，所述行驶路径信息至少包括车辆出行路线的起点信息、终点信息和必经点信息。
在本系统中，信息获取模块100获取来自车辆的行驶路径信息，车辆在出发前，对此次出行的路径进行共享。
道路分类模块200，用于根据行驶路径信息构建交通出行预测地图，统计每条道路的预期通行车辆值，并划分道路为低占用率道路和高占用率道路，所述交通出行预测地图中包含各道路通行车辆数量的变化趋势。
在本系统中，道路分类模块200用于构建交通出行预测地图，交通出行预测地图中包含各道路通行车辆数量的变化趋势，在用户上传行驶路径信息后，服务器就能够以所有车辆上传的行驶路径信息为依据，对每一条道路在未来短时间内的通行情况进行预测。
路线分析模块300，用于对交通出行预测地图进行分析，判断行驶路径信息中包含的车辆出行路线是否经过高占用率道路。
在本系统中，路线分析模块300对交通出行预测地图进行分析，由于车辆的行驶路径信息中包含起点、终点和必经点的信息，因此，根据这些信息能够生成车辆的行驶路线，对于交通出行预测地图来说，其在不同时刻的内容是不一样的，每间隔一定时间，交通出行预测地图的内容就会变化一次。
路线下发模块400，用于若车辆经过高占用率道路，则根据交通出行预测地图生成指导路线信息，并下发至对应的车辆，所述指导路线信息中包含的指导路线至少经过必经点到达终点，该模块还用于在车辆行驶的过程中，对交通出行预测地图进行实时修正，基于修正后的交通出行预测地图对所述指导路线信息进行调整，并将其下发至对应车辆。
在本系统中，路线下发模块400通过预测分析，可能得到车辆将经过的位置为高占用率道路，此时根据交通出行预测地图生成指导路线信息，该指导路线信息中包含的指导路线则为用户避开了高占用率通道。
如图6所示，作为本发明的一个优选实施例，所述道路分类模块包括：
路径分析单元201，用于对行驶路径信息进行分析，根据车辆行驶速度计算车辆到达终点前每个时刻的预测位置。
路径分析单元201对车辆的行驶路径信息进行分析，并获取车辆的信息，从而根据行驶路径信息确定车辆所经过的道路的类型，然后结合车辆信息，得到车辆的平均行驶速度，由于道路的类型已经确定，那么根据平均行驶速度就可以计算得到在车辆到达终点前的每个时刻车辆所处的位置，该位置即为预测位置。
位置预测单元202，用于根据预测位置生成每个时刻对应的交通出行预测地图，并统计每个时刻各道路上车辆的数量。
位置预测单元202生成交通出行预测地图，在上一步骤中，已经能够获取每个车辆在每个时刻所处的位置，通过统计每个时刻全部车辆的位置，也就得到了在整个交通体系中全部道路的各个位置上在每个时刻对应的车辆数量。
道路定义单元203，用于判断每条道路上车辆的数量是否超过预设值，若是，则该条道路为高占用率道路，若否，则该条道路为低占用率道路。
道路定义单元203判断每条道路上车辆的数量是否超过预设值，对于一条道路而言，为了保证车辆通行通畅，道路上允许同时存在的车辆数量以及车辆间距是确定的，因此，该预设值可以依据每段道路的长度以及车辆之间的安全距离进行计算，计算得到每段道路中允许同时存在车辆的最大值，该值即为预设值。
如图7所示，作为本发明的一个优选实施例，所述路线分析模块包括：
时间预测单元301，用于根据预设的车辆行驶速度计算车辆处于车辆出行路线中各位置的预测时间。
时间预测单元301通过查询预设数据库的方式获取车辆行驶速度，具体的，在预设数据库中存储有不同类型车辆在不同等级配置的道路上行驶的速度，在需要时，能够根据车辆的信息从预设数据库中调取对应的车辆行驶速度。
地图调取单元302，用于根据预测时间调取对应的交通出行预测地图。
判别单元303，用于判断在当前的交通出行预测地图中，该车辆所在道路是否为高占用率道路。
在本模块中调取预测时间对应的交通出行预测地图，交通出行预测地图实际上是包含多幅不同时间的交通情况的地图的，因此根据不同的预测时间，能够调取对应的交通出行预测地图，然后根据车辆的预测位置定位到对应的道路，并得到该道路是否属于高占用率道路，用于后续判断是否需要根据交通出行预测地图生成指导路线。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述的程序可存储于非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于大数据共建共享的智慧交通方法，其特征在于，所述方法包括：
获取来自车辆的行驶路径信息，所述行驶路径信息至少包括车辆出行路线的起点信息、终点信息和必经点信息；
根据行驶路径信息构建交通出行预测地图，统计每条道路的预期通行车辆值，并划分道路为低占用率道路和高占用率道路，所述交通出行预测地图中包含各道路通行车辆数量的变化趋势；
对交通出行预测地图进行分析，判断行驶路径信息中包含的车辆出行路线是否经过高占用率道路；
若车辆出行路线经过高占用率道路，则根据交通出行预测地图生成指导路线信息，并下发至对应的车辆，所述指导路线信息中包含的指导路线至少经过必经点到达终点；
在车辆行驶的过程中，对交通出行预测地图进行实时修正，基于修正后的交通出行预测地图对所述指导路线信息进行调整，并将其下发至对应车辆；
所述对交通出行预测地图进行实时修正，基于修正后的交通出行预测地图对所述指导路线信息进行调整，并将其下发至对应车辆的具体步骤如下：
通过实时采集到的各个道路上行驶的车辆信息对所述交通出行预测地图进行修正，得到交通出行实时地图，所述交通出行实时地图记录在不同时刻下各个道路上真实行驶的车辆信息；
针对不同指导路线信息中包含的指导路线中的不同道路分别计算其拥堵率，以及车辆在不同道路上的通行时间，并综合考虑指导路线上各条道路的拥堵率和通行时间，分别计算得到不同指导路线的拥堵值，最后选定拥堵值为最小的指导路线，上述的计算过程通过如下公式来描述：
Fmin(E1,E2...Ei)，
Figure FDA0003469934450000011
其中，Fmin代表最小值函数，用来计算E1:Ei中的最小值，Ei代表指导路线的拥堵值，i代表不同指导路线的个数，n代表同一指导路线上包含的道路的个数，pik代表第i条指导路线内第k条道路上的通行车辆数量，qik代表第i条指导路线内第k条道路的最大通行车辆数量，sik代表第i条指导路线内第k条道路的车辆通行距离，vik代表第i条指导路线内第k条道路上的车辆行驶速度，λ代表在指导路线的拥堵值的计算中，指导路线的拥堵率所占的比重，1-λ代表在指导路线的拥堵值的计算中，指导路线的通行时间所占的比重；
根据所述拥堵值为最小的指导路线生成新的指导路线信息，并将其发送至相对应的车辆。
2.根据权利要求1所述的基于大数据共建共享的智慧交通方法，其特征在于，根据行驶路径信息构建交通出行预测地图，统计每条道路的预期通行车辆值，并划分道路为低占用率道路和高占用率道路的步骤，具体包括：
对行驶路径信息进行分析，根据车辆行驶速度计算车辆到达终点前每个时刻的预测位置；
根据车辆的预测位置生成每个时刻对应的交通出行预测地图，并统计每个时刻各道路上车辆的数量；
判断每条道路上车辆的数量是否超过预设值，若是，则判定该条道路为高占用率道路，若否，则判定该条道路为低占用率道路。
3.根据权利要求1所述的基于大数据共建共享的智慧交通方法，其特征在于，对交通出行预测地图进行分析，判断行驶路径信息中包含的车辆出行路线是否经过高占用率道路的步骤，具体包括：
根据预设的车辆行驶速度计算车辆处于车辆出行路线中各位置的预测时间；
根据预测时间调取对应的交通出行预测地图；
判断在当前的交通出行预测地图中，该车辆所在道路是否为高占用率道路。
4.根据权利要求1所述的基于大数据共建共享的智慧交通方法，其特征在于，若车辆经过高占用率道路，则根据交通出行预测地图生成指导路线信息，并下发至对应车辆的步骤，具体包括：
当系统判断得到车辆将会经过高占用率道路时，根据车辆的行驶路径信息生成绕行路线；
对车辆通过绕行路线所需花费的时间进行计算，得到计算结果；
根据计算结果对绕行路线进行排序，生成指导路线信息并下发至车辆。
5.根据权利要求2或3所述的基于大数据共建共享的智慧交通方法，其特征在于，得到所述车辆行驶速度的过程为，识别当前车辆类型，根据车辆类型从预设数据库中调取对应的车辆行驶速度。
6.根据权利要求1所述的基于大数据共建共享的智慧交通方法，其特征在于，所述行驶路径信息还包括出发时间信息。
7.根据权利要求1所述的基于大数据共建共享的智慧交通方法，其特征在于，划分道路为低占用率道路和高占用率道路的步骤为，识别当前道路的等级，根据道路的等级确定道路允许同时通行车辆的数量阈值，若当前行驶在道路上的车辆数量超过数量阈值，则此道路为高占用率道路，反之，此道路为低占用率道路。
CN202110968638.4A 2021-08-23 2021-08-23 一种基于大数据共建共享的智慧交通系统及方法 Active CN113674528B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110968638.4A CN113674528B (zh) 2021-08-23 2021-08-23 一种基于大数据共建共享的智慧交通系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110968638.4A CN113674528B (zh) 2021-08-23 2021-08-23 一种基于大数据共建共享的智慧交通系统及方法

Publications (2)

Publication Number Publication Date
CN113674528A CN113674528A (zh) 2021-11-19
CN113674528B true CN113674528B (zh) 2022-05-24

Family

ID=78545102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110968638.4A Active CN113674528B (zh) 2021-08-23 2021-08-23 一种基于大数据共建共享的智慧交通系统及方法

Country Status (1)

Country Link
CN (1) CN113674528B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115223363B (zh) * 2022-07-05 2023-01-31 中关村科学城城市大脑股份有限公司 一种基于城市大脑的交通信息无线传输方法及系统
CN115240423B (zh) * 2022-07-24 2024-03-01 福建港南实业有限公司 基于互联网的智慧城市交通调配方法及系统
CN116363891B (zh) * 2023-05-31 2023-08-04 江西科技学院 基于车联网的智慧城市网外运算方法及系统
CN116842018B (zh) * 2023-07-06 2024-02-23 上海比滋特信息技术有限公司 一种大数据的筛选方法和系统
CN118553090A (zh) * 2024-06-03 2024-08-27 湖北中交航胜科技有限公司 一种交通出行大数据分析方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106710278A (zh) * 2017-02-18 2017-05-24 山东交通学院 一种道路分流导向方法
JP2017198495A (ja) * 2016-04-26 2017-11-02 日産自動車株式会社 経路探索方法および経路探索装置
CN107702729A (zh) * 2017-09-06 2018-02-16 东南大学 一种考虑预期路况的车辆导航方法及系统
CN110310480A (zh) * 2019-06-25 2019-10-08 电子科技大学 一种基于拥塞控制的实时路径规划方法
CN112037518A (zh) * 2020-09-15 2020-12-04 浙江吉利控股集团有限公司 一种用于预测交通状态的计算方法、系统及车辆

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017198495A (ja) * 2016-04-26 2017-11-02 日産自動車株式会社 経路探索方法および経路探索装置
CN106710278A (zh) * 2017-02-18 2017-05-24 山东交通学院 一种道路分流导向方法
CN107702729A (zh) * 2017-09-06 2018-02-16 东南大学 一种考虑预期路况的车辆导航方法及系统
CN110310480A (zh) * 2019-06-25 2019-10-08 电子科技大学 一种基于拥塞控制的实时路径规划方法
CN112037518A (zh) * 2020-09-15 2020-12-04 浙江吉利控股集团有限公司 一种用于预测交通状态的计算方法、系统及车辆

Also Published As

Publication number Publication date
CN113674528A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
CN113674528B (zh) 一种基于大数据共建共享的智慧交通系统及方法
US12014629B2 (en) Road traffic analysis methods and apparatuses
US6539300B2 (en) Method for regional system wide optimal signal timing for traffic control based on wireless phone networks
CN109767030B (zh) 道路拥堵检测方法、装置、计算机设备及存储介质
KR102131842B1 (ko) 지능형 운전자 보조 시스템（ａｄａｓ）에서 사용하기 위한 호라이즌을 생성하는 방법 및 시스템
CN112466122B (zh) 一种公交线网的备选线路集生成、线路规划方法及装置
CN109711591B (zh) 一种路段速度预测方法、装置、服务器及存储介质
CN107945507A (zh) 行程时间预测方法及装置
CA3114774A1 (en) Systems and methods for managing traffic flow using connected vehicle data
US20200284594A1 (en) Vehicle and navigation system
CN110553656A (zh) 一种用于车机的路况规划方法及系统
CN113628446B (zh) 一种基于物联网的交通信息采集分析方法及系统
CN103177562A (zh) 一种获取交通状态预测所需信息的方法及装置
CN116431923B (zh) 一种针对城市道路的交通出行预测方法、设备及介质
Li et al. Cloud aided safety-based route planning
CN114638428A (zh) 一种交通路况预测方法、装置及车辆
CN111047880B (zh) 路网的交通控制方法、装置、存储介质和管理设备
CN118313531A (zh) 一种智慧园区内车辆装载调控方法、设备及介质
CN116734883A (zh) 一种道路拥堵预测及智能领航系统
CN108256662A (zh) 到达时间的预测方法和装置
CN113902209A (zh) 出行路线推荐方法、边缘服务器、云服务器、设备及介质
JP2022087906A (ja) 交通状況予測装置、および、交通状況予測方法
CN117709495B (zh) 一种用于预约出行的道路网络时空预留方法及相关设备
CN114566062B (zh) 车辆停车调度管理方法、装置、计算机设备和存储介质
JP7563469B2 (ja) 遅れ時間の算出装置、算出方法、及びコンピュータプログラム

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
TA01 Transfer of patent application right

Effective date of registration: 20220507

Address after: 218, building B, Funian Plaza, No.3, Shihua Road, Futian Free Trade Zone, Fubao community, Fubao street, Futian District, Shenzhen, Guangdong 518000

Applicant after: Shenzhen Tiya Digital Technology Co.,Ltd.

Address before: No.5, Zhongguancun South Street, Haidian District, Beijing

Applicant before: Tian Jiwei

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant