CN113706876A - 一种路网处理方法、设备及存储介质 - Google Patents

一种路网处理方法、设备及存储介质 Download PDF

Info

Publication number
CN113706876A
CN113706876A CN202111267554.4A CN202111267554A CN113706876A CN 113706876 A CN113706876 A CN 113706876A CN 202111267554 A CN202111267554 A CN 202111267554A CN 113706876 A CN113706876 A CN 113706876A
Authority
CN
China
Prior art keywords
road network
network index
index
determining
normalized data
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
CN202111267554.4A
Other languages
English (en)
Inventor
陈焕荣
苏美婷
杨德利
张茂华
高晶
潘希铭
王学峰
蔡世贵
林泽鑫
高巾
黄敏湘
王齐
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.)
Digital Guangdong Network Construction Co Ltd
Original Assignee
Digital Guangdong Network Construction 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 Digital Guangdong Network Construction Co Ltd filed Critical Digital Guangdong Network Construction Co Ltd
Priority to CN202111267554.4A priority Critical patent/CN113706876A/zh
Publication of CN113706876A publication Critical patent/CN113706876A/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
    • G08G1/0125—Traffic data processing
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Abstract

本申请公开了一种路网处理方法、设备及存储介质，其中，该方法包括获取各观测站预设时间范围内各路网指标的数据，一个观测站对应一个高速路段；对各路网指标的数据进行标准化处理，得到各路网指标对应的归一化数据；基于熵值法和归一化数据确定各观测站中各路网指标的权重；根据各路网指标的归一化数据和各路网指标的权重确定各路网指标对应高速路段的交通效能分值。由于各路网指标的熵值和权重值依赖于路网指标的样本分布，那么基于上述实现过程可以确定出各路网指标对于交通效能的影响因素大小，从而准确地确定出对应高速路段的交通效能分值，从而为相关交通主管部门及时、快速地提供科学的决策依据。

Description

一种路网处理方法、设备及存储介质
技术领域
本申请实施例涉及数据处理领域，尤其涉及一种路网处理方法、设备及存储介质。
背景技术
节假日期间，公路（高速公路）、铁路、航空、口岸等交通枢纽客流量均呈现大幅度增长，导致各地高速公路车流量同步增长，给各地的交通管理部门的疏导和管理工作带来了较大的压力。因此，需要结合拥堵情况及车流量情况分析路段的效能情况，科学地支撑交通管理部门对高速公路的基建决策。目前，交通主管部门对现有的高速公路交通效能仍停留在人工统计车流量，客观调查拥堵路段的阶段，还不能够及时、科学、快速地支撑交通主管部门决策。
发明内容
本申请实施例提供了一种路网处理方法、设备及存储介质，旨在基于各路网指标对于交通效能的影响因素大小，准确地确定出对应高速路段的交通效能分值，从而为相关交通主管部门及时、快速地提供科学的决策依据。
第一方面，本申请实施例提供了一种路网处理方法，该方法包括：
获取各观测站预设时间范围内各路网指标的数据，所述一个观测站对应一个高速路段；
对所述各路网指标的数据进行标准化处理，得到各路网指标对应的归一化数据；
基于熵值法和所述归一化数据确定各观测站中各路网指标的权重；
根据所述各路网指标的归一化数据和所述各路网指标的权重确定所述各路网指标对应高速路段的交通效能分值。
第二方面，本申请实施例还提供了一种路网处理装置，该装置包括：
获取模块，用于获取各观测站预设时间范围内各路网指标的数据，所述一个观测站对应一个高速路段；
处理模块，用于对所述各路网指标的数据进行标准化处理，得到各路网指标对应的归一化数据；
确定模块，用于基于熵值法和所述归一化数据确定各观测站中各路网指标的权重；
确定模块，还用于根据所述各路网指标的归一化数据和所述各路网指标的权重确定所述各路网指标对应高速路段的交通效能分值。
第三方面，本申请实施例还提供了一种计算机设备，包括存储器、控制器及存储在存储器上并可在控制器上运行的计算机程序，控制器执行计算机程序时，实现如本申请实施例所提供的任一项所述的路网处理方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，在计算机程序被控制器执行时，实现如本申请实施例提供的任一项所述的路网处理方法。
本申请提供一种路网处理方法、设备及存储介质，其中，该方法包括获取各观测站预设时间范围内各路网指标的数据，一个观测站对应一个高速路段；对各路网指标的数据进行标准化处理，得到各路网指标对应的归一化数据；基于熵值法和归一化数据确定各观测站中各路网指标的权重；根据各路网指标的归一化数据和各路网指标的权重确定各路网指标对应高速路段的交通效能分值。由于各路网指标的熵值和权重值依赖于路网指标的样本分布，那么基于上述实现过程可以确定出各路网指标对于交通效能的影响因素大小，从而准确地确定出对应高速路段的交通效能分值，从而为相关交通主管部门及时、快速地提供科学的决策依据。
附图说明
图1是本申请实施例中的一种路网处理方法的流程图；
图2是本申请实施例中的一种确定各路网指标对应的归一化数据的方法流程图；
图3是本申请实施例中的路网处理装置的结构示意图；
图4是本申请实施例中的计算机设备的结构示意图；
图5是本申请实施例中的计算机可读存储介质的模块示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作（或步骤）描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
另外，在本申请实施例中，“可选地”或者“示例性地”等词用于表示作例子、例证或说明。本申请实施例中被描述为“可选地”或者“示例性地”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“可选地”或者“示例性地”等词旨在以具体方式呈现相关概念。
图1为本申请实施例提供的一种路网处理方法的流程图，如图1所示，该方法可以包括但不限于以下步骤：
S101、获取各观测站预设时间范围内各路网指标的数据。
在本申请实施例中，高速路段坐标与观测站的编号、名称、坐标相匹配，即一个观测站对应一个高速路段，观测站用于监测对应高速路段的各类路网指标的数据信息。
示例性地，各路网指标可以包括该路段上机动车的平均速度、机动车当量（即单位时间内通过观测站的机动车的总吨位或累计车载重量）、固定时长内机动车流量、平均车头间距等等。
可选地，为了更加了解各路网指标的分布情况，在本申请实施例中，各观测站可以获取预设时间范围（例如，3个月）内对应监控高速路段的路网指标。
S102、对各路网指标的数据进行标准化处理，得到各路网指标对应的归一化数据。
由于观测站监测的各路网指标属于不同维度的数据，各个路网指标的计量单位不统一，因此需要对获取的各路网指标的数据进行标准化处理，例如，将指标的绝对值转换为相对值。经过对各路网指标的数据的标准化处理之后，将得到的各路网指标数据标记为归一化数据。
进一步地，由于上述步骤S101中获取的各观测站预设时间范围内各路网指标的数据，即对于每个观测站的每个路网指标而言，具有多个该路网指标对应的数据，那么在对各路网指标的数据进行标准化处理时，可以对各观测站预设时间段内各路网指标的数据进行平均化处理，即每个观测站对应的每项路网指标只有一个数据，在此基础上可以对各观测站的各路网指标数据做进一步标准化处理，得到各路网指标对应的归一化数据。
S103、基于熵值法和归一化数据确定各观测站中各路网指标的权重。
示例性地，本步骤的实现方式可以包括确定各观测站中各路网指标的比重；根据比重和第一公式确定各路网指标的熵值。
示例性地，第一公式可以包括：
Figure 723634DEST_PATH_IMAGE002
（1）
其中，
Figure 733178DEST_PATH_IMAGE004
为第j个路网指标的熵值，
Figure 845491DEST_PATH_IMAGE006
表示第i个观测站中第j个路网指标的比重， n为观测站总数，
Figure 915078DEST_PATH_IMAGE008
。
基于第一公式计算得到各路网指标的熵值后，可以根据得到的熵值确定各路网指 标的信息熵冗余度。例如，基于公式（2）计算各路网指标的信息熵冗余度
Figure 112841DEST_PATH_IMAGE010
。
Figure 660497DEST_PATH_IMAGE012
（2）
其中，
Figure 627316DEST_PATH_IMAGE013
表示第j个路网指标的信息熵冗余度。
根据得到的各路网指标的信息熵冗余度确定各路网指标的权重。例如，以某个路 网指标为对象，确定该路网指标的信息熵冗余度在所有路网指标中的权重
Figure 133384DEST_PATH_IMAGE015
，即通过以下 公式实现：
Figure 51399DEST_PATH_IMAGE017
（3）
其中，
Figure 402746DEST_PATH_IMAGE018
表示第j个路网指标的权重，m表示路网指标的总数。
S104、根据各路网指标的归一化数据和各路网指标的权重确定各路网指标对应高速路段的交通效能分值。
示例性地，获取各路网指标的归一化数据和各路网指标的权重后，可以基于各路网指标的归一化数据和各路网指标的权重分别确定对应高速路段的正向欧式距离值和负向欧式距离值，并将该负向欧式距离值作为分子，将正向欧式距离值与负向欧式距离值的和作为分母，将得到的分子与分母的比值确定为对应高速路段的交通效能分值。
上述实现可以过可以通过以下公式表示，例如，
Figure 489650DEST_PATH_IMAGE020
（4）
其中，
Figure 901040DEST_PATH_IMAGE022
表示第i个观测站对应高速路段的交通效能分值，
Figure 73396DEST_PATH_IMAGE024
表示第i个观测站对 应高速路段的负向欧式距离值，
Figure 228433DEST_PATH_IMAGE026
表示第i个观测站对应高速路段的正向欧式距离值。交 通效能分值
Figure 435424DEST_PATH_IMAGE027
越高，表示该路段交通效能越好，若交通效能分值
Figure 283294DEST_PATH_IMAGE028
越低，表示该路段交通 效能越差。
在上述过程中，通过各路网指标的样本分布，可以确定出路网指标的熵值，并通过对应路网指标的信息熵冗余度获取对应路网指标的权重值。比如机动车的平均速度，若所有路段的速度分布差异都比较小，即介于很小的区间范围内，则说明该路网指标并非是重要的影响因素，那么得到的该指标的权重值比较小。相反，若各路网指标样本分布差异较大，则对应的指标的熵值也会变大，其对于交通效能的评价而言属于重要的影响因素，那么得到的该指标的权重值也比较大。这样，由于权重值依赖于路网指标的实际样本分布，因而基于各路网指标的权重确定出相应的交通效能分值，可以为相关部门提供科学的决策依据。
本申请实施例提供了一种路网处理方法，该方法包括：获取各观测站预设时间范围内各路网指标的数据，一个观测站对应一个高速路段；对各路网指标的数据进行标准化处理，得到各路网指标对应的归一化数据；基于熵值法和归一化数据确定各观测站中各路网指标的权重；根据各路网指标的归一化数据和各路网指标的权重确定各路网指标对应高速路段的交通效能分值。由于各路网指标的熵值和权重值依赖于路网指标的样本分布，那么基于上述实现过程可以确定出各路网指标对于交通效能的影响因素大小，从而准确地确定出对应高速路段的交通效能分值，从而为相关交通主管部门及时、快速地提供科学的决策依据。
如图2所示，在一种示例中，上述步骤S102中确定各路网指标对应的归一化数据的实现方式可以包括但不限于以下步骤：
S201、对各观测站预设时间范围内各路网指标的数据进行平均处理，得到各观测站预设时间范围内各路网指标的平均值。
S202、在各观测站对应的各路网指标的平均值中确定各路网指标的最大值和最小值。
基于步骤S201得到各观测站预设时间范围内的各路网指标的平均值后，对于某一个路网指标而言，每个观测站均对应有该路网指标的平均值，那么可以在各个观测站对应的该路网指标的平均值中选取最大值和最小值。
例如，设
Figure 677366DEST_PATH_IMAGE030
为第i个观测站的第j个路网指标的平均值，其中，i的取值范围为1~n， j的取值范围为1~m，即总共有n个观测站（或n个高速路段），有m个路网指标。最大值设为
Figure 636095DEST_PATH_IMAGE032
，最小值设为
Figure 166434DEST_PATH_IMAGE034
，那么
Figure 185205DEST_PATH_IMAGE036
，
Figure 830688DEST_PATH_IMAGE038
。
S203、根据最大值、最小值和平均值确定各路网指标对应的归一化数据。
由于观测站获取多个不同路网指标，不同的路网指标代表不同的含义。比如，有些路网指标属于正向指标，有些路网指标属于负向指标。其中，正向指标表示该指标的数值变化对交通效能有正向影响，指标的数值越高，交通效能越高。负向指标表示该指标的数值变化对交通效能有负向影响，指标的数值越高，交通效能越低。因此，确定不同路网指标对应的归一化数据时，可以采用不同的处理方式。
例如，在当前路网指标为正向指标的情况下，在观测站的当前路网指标中减去当 前路网指标的最小值，将得到的差值作为分子；在当前路网指标的最大值中减去当前路网 指标的最小值，将得到的差值作为分母；将得到的分子与分母的比值确定为当前路网指标 的归一化数据。即通过如下公式确定正向指标的归一化数据
Figure 327528DEST_PATH_IMAGE040
：
Figure 243532DEST_PATH_IMAGE042
（5）
在当前路网指标为负向指标的情况下， 在当前路网指标的最大值中减去观测站 的当前路网指标，将得到的差值作为分子；在当前路网指标的最大值中减去当前路网指标 的最小值，将得到的差值作为分母；将得到的分子与分母的比值确定为当前路网指标的归 一化数据。即通过以下公式计算得到负向指标的归一化数据
Figure 167625DEST_PATH_IMAGE040
：
Figure 536290DEST_PATH_IMAGE044
（6）
在一种示例中，确定上述步骤S103中各观测站中各路网指标的比重的实现方式可以包括：分别以各路网指标为对象，根据各观测站对应的各路网指标的归一化数据确定各路网指标的归一化数据总和，将各观测站的各路网指标的归一化数据与对应路网指标的归一化数据总和的比值确定为各观测站中各路网指标的比重。例如，
Figure 836821DEST_PATH_IMAGE046
（7）
同样地，i的取值范围为1~n，j的取值范围为1~m，
Figure 872910DEST_PATH_IMAGE006
表示第j个路网指标下第i个 观测站的路网指标归一化数据值占该路网所有归一化数据值的比重。
在一种示例中，上述步骤S104中确定正向欧式距离值的实现方式可以包括：根据各路网指标的归一化数据、各路网指标的权重、各路网指标的最大值和第二公式，确定各路网指标对应高速路段的正向欧式距离值。
其中，第二公式包括
Figure 967905DEST_PATH_IMAGE048
（8）
Figure 89445DEST_PATH_IMAGE026
表示正向欧式距离值，
Figure 928088DEST_PATH_IMAGE049
表示第j个路网指标的权重，
Figure 553104DEST_PATH_IMAGE050
表示第j个路网指标 平均值的最大值，
Figure 819001DEST_PATH_IMAGE051
表示第i个观测站的第j个路网指标的归一化数据，m表示路网指标的 总数。
上述步骤S104中确定负向欧式距离值的实现方式可以包括：根据各路网指标的归一化数据、各路网指标的权重、各路网指标的最小值和第三公式，确定各路网指标对应高速路段的负向欧式距离值。
其中，第三公式包括
Figure 660792DEST_PATH_IMAGE053
（9）
Figure 303126DEST_PATH_IMAGE055
表示负向欧式距离值，
Figure 48228DEST_PATH_IMAGE049
表示第j个路网指标的权重，
Figure 485026DEST_PATH_IMAGE034
表示第j个路网指标 平均值的最小值，
Figure 315579DEST_PATH_IMAGE051
表示第j个路网指标的归一化数据，m表示路网指标的总数。
图3为本申请实施例提供的一种路网处理装置的结构示意图，如图3所示，该装置可以包括：获取模块301、处理模块302、确定模块303；
其中，获取模块，用于获取各观测站预设时间范围内各路网指标的数据，一个观测站对应一个高速路段；
处理模块，用于对各路网指标的数据进行标准化处理，得到各路网指标对应的归一化数据；
确定模块，用于基于熵值法和归一化数据确定各观测站中各路网指标的权重；
确定模块，还用于根据各路网指标的归一化数据和各路网指标的权重确定各路网指标对应高速路段的交通效能分值。
在一种示例中，上述处理模块用于对各观测站预设时间范围内各路网指标的数据进行平均处理，得到各观测站预设时间范围内各路网指标的平均值；在各观测站对应的各路网指标的平均值中确定各路网指标的最大值和最小值；以及，根据最大值、最小值和平均值确定各路网指标对应的归一化数据。
示例性地，在当前路网指标为正向指标的情况下，处理模块可以在观测站的当前路网指标中减去当前路网指标的最小值，将得到的差值作为分子；在当前路网指标的最大值中减去当前路网指标的最小值，将得到的差值作为分母；以及，将分子与分母的比值确定为当前路网指标的归一化数据；
在当前路网指标为负向指标的情况下，处理模块可以在当前路网指标的最大值中减去观测站的当前路网指标，将得到的差值作为分子；在当前路网指标的最大值中减去当前路网指标的最小值，将得到的差值作为分母；以及，将分子与分母的比值确定为当前路网指标的归一化数据。
在一种示例中，确定模块，用于确定各观测站中各路网指标的比重；根据比重和第 一公式确定各路网指标的熵值；其中，第一公式包括
Figure 496024DEST_PATH_IMAGE056
，
Figure 95633DEST_PATH_IMAGE057
为第j个路 网指标的熵值，
Figure 703332DEST_PATH_IMAGE006
表示第i个观测站中第j个路网指标的比重，n为观测站总数，
Figure 755601DEST_PATH_IMAGE058
；根据熵值确定各路网指标的信息熵冗余度；以及，根据信息熵冗余度确定各 路网指标的权重。
示例性地，确定模块可以用于分别以各路网指标为对象，根据各观测站对应各路网指标的归一化数据确定各路网指标的归一化数据总和；将各观测站的各路网指标的归一化数据与对应路网指标的归一化数据总和的比值确定为各观测站中各路网指标的比重。
在一种示例中，确定模块，用于根据各路网指标的归一化数据、各路网指标的权重确定各路网指标对应高速路段的正向欧式距离值；根据各路网指标的归一化数据、各路网指标的权重确定各路网指标对应高速路段的负向欧式距离值；确定正向欧式距离值与负向欧式距离值的和；以及，将负向欧式距离值与和的比值确定为对应高速路段的交通效能分值。
示例性地，确定模块，用于根据各路网指标的归一化数据、各路网指标的权重、预设时间范围内各路网指标平均值的最大值和第二公式，确定各路网指标对应高速路段的正向欧式距离值；
其中，第二公式包括
Figure 739738DEST_PATH_IMAGE048
，
Figure 459432DEST_PATH_IMAGE026
表示正向欧式距离值，
Figure DEST_PATH_IMAGE059
表示 第j个路网指标的权重，
Figure 470988DEST_PATH_IMAGE032
表示第j个路网指标平均值的最大值，
Figure 276133DEST_PATH_IMAGE051
表示第i个观测站第j 个路网指标的归一化数据，m表示路网指标的总数。
可选地，确定模块还用于根据各路网指标的归一化数据、各路网指标的权重、预设时间范围内各路网指标平均值的最小值和第三公式，确定各路网指标对应高速路段的负向欧式距离值；
其中，第三公式包括
Figure 798382DEST_PATH_IMAGE053
，
Figure 372582DEST_PATH_IMAGE055
表示负向欧式距离值，
Figure 587663DEST_PATH_IMAGE059
表示 第j个路网指标的权重，
Figure 348946DEST_PATH_IMAGE060
表示第j个路网指标平均值的最小值，
Figure 940464DEST_PATH_IMAGE051
表示第i个观测站第j 个路网指标的归一化数据，m表示路网指标的总数。
上述路网处理装置可以执行图1所提供的路网处理方法，具备该方法中相应的器件和有益效果。
图4为本申请实施例提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括控制器401、存储器402、输入装置403、输出装置404；电子设备中控制器401的数量可以是一个或多个，图4中以一个控制器401为例；电子设备中的控制器401、存储器402、输入装置403和输出装置404可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器402作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如图1实施例中的路网处理方法对应的程序指令/模块（例如，路网处理装置的获取模块301、处理模块302、确定模块303）。控制器401通过运行存储在存储器402中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的路网处理方法。
存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器402可进一步包括相对于控制器401远程设置的存储器，这些远程存储器可以通过网络连接至终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置403可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置404可包括显示屏等显示装置。
如图5所示，本申请实施例还提供一种包含计算机可读存储介质501和控制器502，该计算机可执行指令在由控制器502执行时用于执行一种路网处理方法，该方法包括图1所示的步骤。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（Read-Only Memory, ROM）、随机存取存储器（RandomAccess Memory, RAM）、闪存（FLASH）、硬盘或光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）实现本申请各个实施例所述的方法或功能。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种路网处理方法，其特征在于，包括：
获取各观测站预设时间范围内各路网指标的数据，所述一个观测站对应一个高速路段；
对所述各路网指标的数据进行标准化处理，得到各路网指标对应的归一化数据；
基于熵值法和所述归一化数据确定各观测站中各路网指标的权重；
根据所述各路网指标的归一化数据和所述各路网指标的权重确定所述各路网指标对应高速路段的交通效能分值。
2.根据权利要求1所述的方法，其特征在于，所述对各路网指标的数据进行标准化处理，得到各路网指标对应的归一化数据，包括：
对各观测站预设时间范围内各路网指标的数据进行平均处理，得到各观测站预设时间范围内各路网指标的平均值；
在各观测站对应的各路网指标的平均值中确定各路网指标的最大值和最小值；
根据所述最大值、所述最小值和所述平均值确定各路网指标对应的归一化数据。
3.根据权利要求2所述的方法，其特征在于，根据所述最大值、所述最小值和所述平均值确定各路网指标对应的归一化数据，包括：
在当前路网指标为正向指标的情况下， 在观测站的当前路网指标中减去所述当前路网指标的最小值，将得到的差值作为分子；
在所述当前路网指标的最大值中减去所述当前路网指标的最小值，将得到的差值作为分母；
将所述分子与所述分母的比值确定为所述当前路网指标的归一化数据；
在当前路网指标为负向指标的情况下， 在当前路网指标的最大值中减去观测站的当前路网指标，将得到的差值作为分子；
在所述当前路网指标的最大值中减去所述当前路网指标的最小值，将得到的差值作为分母；
将所述分子与所述分母的比值确定为所述当前路网指标的归一化数据。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述基于熵值法和所述归一化数据确定各观测站中各路网指标的权重，包括：
确定各观测站中各路网指标的比重；
根据所述比重和第一公式确定各路网指标的熵值；
其中，所述第一公式包括
Figure 633816DEST_PATH_IMAGE002
，
Figure 19798DEST_PATH_IMAGE004
为第j个路网指标的熵值，
Figure 533956DEST_PATH_IMAGE006
表示 第i个观测站中第j个路网指标的比重，n为观测站总数，
Figure 663586DEST_PATH_IMAGE008
；
根据所述熵值确定所述各路网指标的信息熵冗余度；
根据所述信息熵冗余度确定各路网指标的权重。
5.根据权利要求4所述的方法，其特征在于，所述确定各观测站中路网指标的比重，包括：
分别以各路网指标为对象，根据各观测站对应各路网指标的归一化数据确定所述各路网指标的归一化数据总和；
将各观测站的各路网指标的归一化数据与对应路网指标的归一化数据总和的比值确定为所述各观测站中各路网指标的比重。
6.根据权利要求1所述的方法，其特征在于，所述根据所述各路网指标的归一化数据和所述各路网指标的权重确定所述各路网指标对应高速路段的交通效能分值，包括：
根据所述各路网指标的归一化数据、所述各路网指标的权重确定所述各路网指标对应高速路段的正向欧式距离值；
根据所述各路网指标的归一化数据、所述各路网指标的权重确定所述各路网指标对应高速路段的负向欧式距离值；
确定所述正向欧式距离值与所述负向欧式距离值的和；
将所述负向欧式距离值与所述和的比值确定为对应高速路段的交通效能分值。
7.根据权利要求6所述的方法，其特征在于，所述根据所述各路网指标的归一化数据、所述各路网指标的权重确定所述各路网指标对应高速路段的正向欧式距离值，包括：
根据所述各路网指标的归一化数据、所述各路网指标的权重、预设时间范围内各路网指标平均值的最大值和第二公式，确定所述各路网指标对应高速路段的正向欧式距离值；
其中，所述第二公式包括
Figure 946800DEST_PATH_IMAGE010
，
Figure 238104DEST_PATH_IMAGE012
表示正向欧式距离值，
Figure 239558DEST_PATH_IMAGE014
表示 第j个路网指标的权重，
Figure 172879DEST_PATH_IMAGE016
表示第j个路网指标平均值的最大值，
Figure 310599DEST_PATH_IMAGE018
表示第i个观测站第j 个路网指标的归一化数据，m表示路网指标的总数。
8.根据权利要求6所述的方法，其特征在于，根据所述各路网指标的归一化数据、所述各路网指标的权重确定所述各路网指标对应高速路段的负向欧式距离值，包括：
根据所述各路网指标的归一化数据、所述各路网指标的权重、预设时间范围内各路网指标平均值的最小值和第三公式，确定所述各路网指标对应高速路段的负向欧式距离值；
其中，所述第三公式包括
Figure 38384DEST_PATH_IMAGE020
，
Figure 527134DEST_PATH_IMAGE022
表示负向欧式距离值，
Figure 231522DEST_PATH_IMAGE014
表示 第j个路网指标的权重，
Figure 489328DEST_PATH_IMAGE024
表示第j个路网指标平均值的最小值，
Figure 653593DEST_PATH_IMAGE018
表示第i个观测站第j 个路网指标的归一化数据，m表示路网指标的总数。
9.一种计算机设备，包括存储器、控制器及存储在所述存储器上并可在所述控制器上运行的计算机程序，其特征在于，所述控制器执行所述程序时实现如权利要求1-8中任一项所述的路网处理方法。
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，所述计算机程序被控制器执行时，实现如权利要求1-8中任一项所述的路网处理方法。
CN202111267554.4A 2021-10-29 2021-10-29 一种路网处理方法、设备及存储介质 Pending CN113706876A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111267554.4A CN113706876A (zh) 2021-10-29 2021-10-29 一种路网处理方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111267554.4A CN113706876A (zh) 2021-10-29 2021-10-29 一种路网处理方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113706876A true CN113706876A (zh) 2021-11-26

Family

ID=78647489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111267554.4A Pending CN113706876A (zh) 2021-10-29 2021-10-29 一种路网处理方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113706876A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392094A (zh) * 2014-10-17 2015-03-04 北京航空航天大学 一种基于浮动车数据的城市道路网络可靠性评价方法
JP2017146771A (ja) * 2016-02-17 2017-08-24 株式会社Ｓｃｒｅｅｎホールディングス 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム
CN107248283A (zh) * 2017-07-18 2017-10-13 北京航空航天大学 一种考虑路段关键度的城市区域路网运行状态评价方法
CN108734413A (zh) * 2018-05-30 2018-11-02 中铁第四勘察设计院集团有限公司 一种高铁站路网评价方法及装置
CN113554323A (zh) * 2021-07-28 2021-10-26 河北工业大学 面向路网关键节点的应急保障优化设计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392094A (zh) * 2014-10-17 2015-03-04 北京航空航天大学 一种基于浮动车数据的城市道路网络可靠性评价方法
JP2017146771A (ja) * 2016-02-17 2017-08-24 株式会社Ｓｃｒｅｅｎホールディングス 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム
CN107248283A (zh) * 2017-07-18 2017-10-13 北京航空航天大学 一种考虑路段关键度的城市区域路网运行状态评价方法
CN108734413A (zh) * 2018-05-30 2018-11-02 中铁第四勘察设计院集团有限公司 一种高铁站路网评价方法及装置
CN113554323A (zh) * 2021-07-28 2021-10-26 河北工业大学 面向路网关键节点的应急保障优化设计方法

Similar Documents

Publication Publication Date Title
US20140067434A1 (en) Methods and Systems for Providing Risk Profile Analytics
US20220215749A1 (en) Method for predicting at least one profile of the speed of a vehicle on a road network
JP2013257667A (ja) 交通管制システムおよび交通管制システムの情報提供方法
CN115083161B (zh) 车辆停留点的评估方法、装置、电子设备及可读存储介质
CN114443303A (zh) 资源分配方法、装置、设备及介质
CN116092296B (zh) 交通状态评估方法、装置、电子设备及存储介质
CN113706876A (zh) 一种路网处理方法、设备及存储介质
CN110264725B (zh) 路段流量的确定方法及装置
CN109618298B (zh) 流量控制方法、装置、设备及存储介质
CN117151513A (zh) 评价交通安全的方法、装置、设备及存储介质
CN105303246A (zh) 一种多线路公交到站时间预测方法
CN115482655B (zh) 一种基于偏最小二乘Kriging模型的路径诱导方法
CN115688957A (zh) 一种车辆能耗确定方法、装置、电子设备及存储介质
Tang et al. A PCI-based evaluation method for level of services for traffic operational systems
CN114627643A (zh) 一种高速公路事故风险预测方法、装置、设备及介质
CN111506619A (zh) 一种产业园区空间选址方法及系统
Jenelius et al. Travel time estimation for urban road networks using low frequency GPS probes
CN113140107B (zh) 交通信息处理方法、装置、电子设备及计算机存储介质
Ricord et al. Investigation of equity biases in transportation data: a literature review synthesis
CN117194930B (zh) 基于车辆行驶数据的隧道路段安全监控方法
CN117894181B (zh) 一种全域通行异常状况集成监测方法及系统
Purkrábková et al. Assessment of floating car data quality for emission estimation
CN116383678B (zh) 一种营运客车异常变速行为常发性路段识别方法
CN113630743B (zh) 一种基于v2x网络智能网联射频效益的分析方法
CN117093818B (zh) 城配物流车辆碳排放的测算方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211126