CN114241140B - 一种基于gis的车流实景三维建模方法和系统 - Google Patents
一种基于gis的车流实景三维建模方法和系统 Download PDFInfo
- Publication number
- CN114241140B CN114241140B CN202210168749.1A CN202210168749A CN114241140B CN 114241140 B CN114241140 B CN 114241140B CN 202210168749 A CN202210168749 A CN 202210168749A CN 114241140 B CN114241140 B CN 114241140B
- Authority
- CN
- China
- Prior art keywords
- relaxation
- preset
- degree
- target
- curve
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于GIS的车流实景三维建模方法和系统,其中,方法包括:确定预设地点,并获取预设地点的车辆信息位置信息,以及第二预设时间第一车辆的第二位置信息,从而计算第一张弛度和第二张弛度,并得到预设地点的张弛度和张弛流数,以此建立车流张弛度模型。本发明的有益效果:通过获取GIS数据中预设地点的车辆信息,并基于车辆信息获取到各个预设地点的目标张弛度以及张弛流数,从而可以使得到的车流张弛度模型更加便于预测。此外本申请不局限于密度,而是通过张弛度来反应车流的拥挤程度,从而实现了直接反应车流拥挤程度,对于判断高速公路的拥挤程度,相对于传统的密度检测方式而言更加准确。
Description
技术领域
本发明涉及计算机领域,特别涉及一种基于GIS的车流实景三维建模方法和系统。
背景技术
高速公路系统是区域内重要的人员和货物运输方式,目前对于高速公路上的车流实景建模主要是依赖于GIS数据进行建模,然而对GIS数据具有很多的庞大离散空间流数据,目前主要是通过对车流的数量进行预测,即对高速公路上的密度进行预测,然而这种高速公路上密度大并不能直接反应车流的拥挤情况。
发明内容
本发明的主要目的为提供一种基于GIS的车流实景三维建模方法和系统,旨在解决对密度进行预测并不能直接反应车流拥挤情况的问题。
本发明提供了一种基于GIS的车流实景三维建模方法,包括:
基于GIS在指定公路上设置多个预设地点;
获取在第一预设时间点后经过各个预设地点的第一数量的第一车辆,并对所述第一车辆进行标记;其中,所述预设地点对应的位置信息为第一位置信息;
获取第二预设时间点各个所述第一车辆的第二位置信息,以及在所述第二预设时间点后经过所述预设地点的第二数量的第二车辆;
获取所述第二车辆在所述第一预设时间点的第三位置信息;
根据误差最小值计算公式限定待拟合曲线与各个预设地点之间的误差最小值;其中,是的导函数,表示第i个预设地点的位置信息,表示第i个预设地点的目标张弛度,表示第i个预设地点的张弛流数,m表示预设地点的个数,表示待拟合曲线在第i个预设地点的张弛度误差,表示待拟合曲线在第i个预设地点的张弛流数误差;
根据所述第一矩阵和所述第二矩阵,求出参数(a1,…ak)并代入所述待拟合曲线中,得到拟合曲线;
获取所述指定公路的初始三维图,并根据所述拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型;其中,所述初始三维图含有指定公路的相关信息,根据所述拟合曲线对所述指定公路进行标记以实现对所述初始三维图的标注。
进一步地,所述根据所述第一矩阵和所述第二矩阵,求出参数(a1,…ak)并代入所述待拟合曲线中,得到拟合曲线的步骤之后,还包括:
获取各个所述预设地点不同时间的多个张弛度,以及对应的预测张弛度曲线和目标张弛度曲线;
采用预设的卡尔曼滤波技术为各个预设地点建立张弛度预测模型;其中,所述张弛度预测模型根据各个预设地点的多个张弛度,以及对应的预测张弛度曲线作为输入,以目标张弛度曲线作为输出训练而成;
进一步地,所述获取所述指定公路的初始三维图,并根据所述拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型的步骤之后,还包括:
采集不同目标张弛度下的平均速度;
进一步地,所述获取所述第二车辆在所述第一预设时间点的第三位置信息的步骤之后,还包括:
检测在所述第一预设时间点至所述第二预设时间点之间,所述第一车辆和第二车辆在服务区停留的时长是否小于预设时长;
根据停留时长小于预设时长的第一车辆和第二车辆计算所述第一张弛度和所述第二张弛度。
进一步地,所述获取所述指定公路的初始三维图,并根据所述拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型的步骤之后,还包括:
接收用户终端的导航信息,并判断所述导航信息是否具有所述指定公路的路段;
若是,则根据所述路段截取所述车流张弛度模型中对应的路段模型;
将所述路段模型发送至所述用户终端得到目标车流张弛度模型。
本发明还提供了一种基于GIS的车流实景三维建模系统,包括:
设置模块,用于基于GIS在指定公路上设置多个预设地点;
车辆获取模块,用于获取在第一预设时间点后经过各个预设地点的第一数量的第一车辆,并对所述第一车辆进行标记;其中,所述预设地点对应的位置信息为第一位置信息;
第二位置信息获取模块,用于获取第二预设时间点各个所述第一车辆的第二位置信息,以及在所述第二预设时间点后经过所述预设地点的第二数量的第二车辆;
第三位置信息获取模块,用于获取所述第二车辆在所述第一预设时间点的第三位置信息;
误差计算模块,用于根据误差最小值计算公式
限定待拟合曲线与各个预设地点之间的误差最小值;其中,是的导函数,表示第i个预设地点的位置信息,表示第i个预设地点的目标
张弛度,表示第i个预设地点的张弛流数,m表示预设地点的个数,表示待拟合曲线在第
i个预设地点的张弛度误差,表示待拟合曲线在第i个预设地点的张弛流数误差;
参数求取模块,用于根据所述第一矩阵和所述第二矩阵,求出参数(a1,…ak)并代入所述待拟合曲线中,得到拟合曲线;
构建模块,用于根据各个所述预设地点的所述目标张弛度以及所述张弛流数构建所述指定公路的车流张弛度模型。
进一步地,所述基于GIS的车流实景三维建模系统,还包括:
张弛度获取模块,用于获取各个所述预设地点不同时间的多个张弛度,以及对应的预测张弛度曲线和目标张弛度曲线;
模型建立模块,用于采用预设的卡尔曼滤波技术为各个预设地点建立张弛度预测模型;其中,所述张弛度预测模型根据各个预设地点的多个张弛度,以及对应的预测张弛度曲线作为输入,以目标张弛度曲线作为输出训练而成;
输入模块,用于将所述拟合曲线输入至所述张弛度预测模型中,得到目标拟合曲线;
标注模块,用于获取所述指定公路的初始三维图,并根据所述目标拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型。
进一步地,所述基于GIS的车流实景三维建模系统,还包括:
速度采集模块,用于采集不同目标张弛度下的平均速度;
进一步地,所述基于GIS的车流实景三维建模系统,还包括:
时长检测模块,用于检测在所述第一预设时间点至所述第二预设时间点之间,所述第一车辆和第二车辆在服务区停留的时长是否小于预设时长;
张弛度计算模块用于根据停留时长小于预设时长的第一车辆和第二车辆计算所述第一张弛度和所述第二张弛度。
进一步地,所述基于GIS的车流实景三维建模系统,还包括:
导航信息接收模块,用于接收用户终端的导航信息,并判断所述导航信息是否具有所述指定公路的路段;
截取模块,用于若是,则根据所述路段截取所述车流张弛度模型中对应的路段模型;
发送模块,用于将所述路段模型发送至所述用户终端得到目标车流张弛度模型。
本发明的有益效果:通过获取GIS数据中预设地点的车辆信息,并基于车辆信息获取到各个预设地点的目标张弛 度以及张弛流数,从而可以使得到的车流张弛度模型更加便于预测。此外本申请不局限于密度,而是通过张弛度来反应车流的拥挤程度,从而实现了直接反应车流拥挤程度,对于判断高速公路的拥挤程度,相对于传统的密度检测方式而言更加准确。
附图说明
图1 是本发明一实施例的一种基于GIS的车流实景三维建模方法的流程示意图;
图2 是本发明一实施例的一种基于GIS的车流实景三维建模系统的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。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。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变,所述的连接可以是直接连接,也可以是间接连接。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参照图1,本发明提出一种基于GIS的车流实景三维建模方法,包括:
S1:基于GIS在指定公路上设置多个预设地点;
S2:获取在第一预设时间点后经过各个预设地点的第一数量的第一车辆,并对所述第一车辆进行标记;其中,所述预设地点对应的位置信息为第一位置信息;
S3:获取第二预设时间点各个所述第一车辆的第二位置信息,以及在所述第二预设时间点后经过所述预设地点的第二数量的第二车辆;
S4:获取所述第二车辆在所述第一预设时间点的第三位置信息;
S7:根据误差最小值计算公式限定待拟合曲线与各个预设地点之间的误差最小值;其中,是的导函数,表示第i个预设地点的位置信息,表示第i个预设地点的目标张弛度,表示第i个预设地点的张弛流数,m表示预设地点的个数,表示待拟合曲线在第i个预设地点的张弛度误差,表示待拟合曲线在第i个预设地点的张弛流数误差;
S9:根据所述第一矩阵和所述第二矩阵,求出参数(a1,…ak)并代入所述待拟合曲线中,得到拟合曲线;
S10:获取所述指定公路的初始三维图,并根据所述拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型;其中,所述初始三维图含有指定公路的相关信息,根据所述拟合曲线对所述指定公路进行标记以实现对所述初始三维图的标注。
如上述步骤S1所述,基于GIS在指定公路上设置多个预设地点,其中,GIS数据是地理信息系统(Geographic Information System或 Geo-Information system,GIS),即在指定公路上具备有不同位置的采集点,因此,可以根据各个采集点设置多个预设地点,采集经过的车辆信息,该车辆信息可以为车辆的车牌号,从而对车辆信息进行采集。另外,预设地点也可以是额外设计的采集点,预设地点的数量应该足够多,以便于后续可以对张弛度进行预测。
如上述步骤S2所述,获取在第一预设时间点后经过各个预设地点的第一数量的第一车辆,并对所述第一车辆进行标记;其中,所述预设地点对应的位置信息为第一位置信息。在第一预设时间点处采集各个第一车辆,其中,第一预设时间点是相对于后续的第二预设时间点而言的,其不是时间上的具体某个点,一般会设置多个第一预设时间点以获取更为精准的数据,例如为当前时刻的前10分钟、前20分钟等,从而获取到经过各个预设地点的第一数量的第一车辆,第一车辆进行标记的方式即对车牌进行标记,标记的方式为记录第一车辆的车牌,以便于后续对第一车辆进行监控,预设地点的位置信息已经确定,此处不需要再进行采集,第一位置信息即为预设地点的位置,位置信息的表达可以是坐标,也可以是对指定公路的起点进行标记,然后以预设地点至起点的路程记为第一位置信息,本申请优选采用后者进行位置信息的记录。此处在第一预设时间点后经过的车辆的经过时间可以近似视为第一预设时间点经过的车辆,此处若车辆不多,则后续计算的张弛度也会特别大,因此,本申请对于该种情况不做考虑,应该说明的是,本申请适用于密度较大的指定公路。
如上述步骤S3所述,获取第二预设时间点各个所述第一车辆的第二位置信息,以及在所述第二预设时间点后经过所述预设地点的第二数量的第二车辆。第二预设时间点为第一预设时间点后的第二预设时间点,例如与第一预设时间点间隔20分钟后的第二时间点,其第二位置信息的获取,可以通过GIS数据进行获取,由于其车牌号已经进行了标记,此处只需要根据GIS数据中的图片数据,例如拍摄违法信息的摄像头获取到第二位置信息,需要说明的是,当采集的数据密度比较大的时候,可以获取到最新采集到第一车辆的采集点的位置作为第二位置信息。在一些实施例中,若用户在对应的导航APP上注册了车辆信息,也可以直接从APP上传的数据获取到第一车辆的第二位置信息。至于第二车辆为在第二预设时间点后经过的车辆,当车辆足够多的时候,此处在第二预设时间点后经过的车辆的经过时间可以近似视为第二预设时间点经过的车辆。
如上述S4所述,获取所述第二车辆在所述第一预设时间点的第三位置信息。该第三位置信息也可以通过GIS数据进行获取,即此处获取到了第二车辆的车牌信息,然后在第一预设时间点处获取到GIS数据,并通过第二车辆的车牌信息进行查询即可,查询的方式与获取第二位置信息的方式相同,此处不再赘述。
如上述步骤S5所述,根据所述第一位置信息和所述第二位置信息计算第一张弛度,以及根据所述第二位置信息和所述第三位置信息计算第二张弛度。其中,计算第一张弛度的方式可以是通过公式计算第一张弛度,同理计算第二张弛度的方式可以是公式,其中,为第一张弛度,表示第二位置信息,表示第一位置信息,表示第一预设时间点,表示第二预设时间点,为第二张弛度,表示第三位置信息。在一些实施例中,张弛度的定义也可以是其他的方式,其与通过的距离成正比即可。
如上述步骤S6所述,根据所述第一张弛度和所述第二张弛度计算所述预设地点的目标张弛度,以及所述预设地点的张弛流数。其中,目标张弛度的计算可以是第一张弛度与第二张弛度的平均值,至于张弛流数则是在预设地点的张弛度的导数,获取该导数可以更好的建立车辆张弛度模型,该张弛流数的计算方式为。
如上述步骤S7-S9所述,获取各个预设地点的目标张弛度以及张弛流数,通过上述步骤获取每个预设地点的目标张弛度以及张弛流数,此处在建立车流根据其可以拟合位置信息和目标张弛度之间的拟合曲线,根据公式,展开得到,对等式右边求偏导,得到,将其转化为矩阵形式并化简,得到第一矩阵,同理根据公式,可得第二矩阵,根据拟合位置信息与所述目标张弛度之间的拟合曲线。
如上述步骤10所述,获取所述指定公路的初始三维图,并根据所述拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型;其中,所述初始三维图含有指定公路的相关信息,根据所述拟合曲线对所述指定公路进行标记以实现对所述初始三维图的标注。其中,初始三维图为预先构建的三维图,其含有指定公路的相关信息(不含车流信息),此处只需要根据拟合曲线对指定公路上的张弛度进行标记即可,标记的方式可以是通过在公路上显示不同的颜色,也可以是其他的标记方法,本申请对此不做限定,在公路上进行标记车流张弛度的方式均包含在本申请的保护范围内。
本申请通过获取GIS数据中预设地点的车辆信息,并基于车辆信息获取到各个预设地点的目标张弛度以及张弛流数,从而可以使得到的车流张弛度模型更加便于预测。此外本申请不局限于密度,而是通过张弛度来反应车流的拥挤程度,从而实现了直接反应车流拥挤程度,对于判断高速公路的拥挤程度,相对于传统的密度检测方式而言更加准确。
在一个实施例中,所述根据所述第一矩阵和所述第二矩阵,求出参数(a1,…ak)并代入所述待拟合曲线中,得到拟合曲线的步骤S9之后,还包括:
S1001:获取各个所述预设地点不同时间的多个张弛度,以及对应的预测张弛度曲线和目标张弛度曲线;
S1002:采用预设的卡尔曼滤波技术为各个预设地点建立张弛度预测模型;其中,所述张弛度预测模型根据各个预设地点的多个张弛度,以及对应的预测张弛度曲线作为输入,以目标张弛度曲线作为输出训练而成;
S1003:将所述拟合曲线输入至所述张弛度预测模型中,得到目标拟合曲线;
S1004:获取所述指定公路的初始三维图,并根据所述目标拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型。
如上述步骤S1001-S1004所述,实现了对曲线进行更进一步的优化,进而提高车流张弛度模型的精准度。具体地,获取各个所述预设地点不同时间的多个张弛度,以及对应的预测张弛度曲线和目标张弛度曲线,其中,张弛度和预测张弛度曲线和目标张弛度曲线可以从之前的预测记录和测试记录中获取得到。然后根据卡尔曼滤波技术为各个预设地点建立张弛度预测模型,该张弛度预测模型是根据预测张弛度曲线与各个张弛度的协方差对最终的目标张弛度曲线预测的模型,其原理是给与实际得到的张弛度以及预测张弛度曲线以不同的权重值,并综合得到最终的目标张弛曲线,其计算过程为,根据同一时间的多个张弛度获取到对应的张弛度曲线,然后根据大数据对当前的张弛度曲线进行预测,得到预测张弛度曲线,然后赋予张弛度曲线和预测张弛度曲线以不同的权值,该权值通过对模型训练所得到。因此,将拟合曲线输入至张弛度预测模型中,在基于之前时间点测量的张弛度,即可得到目标拟合曲线,之前时间点指的是距离当前最近的几个时间点所测量得到值,在一个具体的实施例中,该张弛度预测模型是随着时间不断迭代得到的预测模型,即模型中存有之前的张弛度信息。然后再获取所述指定公路的初始三维图,并根据所述目标拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型。初始三维图为预先构建的三维图,其含有指定公路的相关信息(不含车流信息),此处只需要根据拟合曲线对指定公路上的张弛度进行标记即可,标记的方式可以是通过在公路上显示不同的颜色,也可以是其他的标记方法,本申请对此不做限定,在公路上进行标记车流张弛度的方式均包含在本申请的保护范围内。
在一个实施例中,所述获取所述指定公路的初始三维图,并根据所述拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型的步骤S10之后,还包括:
S1101:采集不同目标张弛度下的平均速度;
如上述步骤S1101-S1104所述,实现了对达到的时间预测。
步骤S1101中,采集不同目标张弛度下的平均速度,其中,采集的方式是在目标张弛度下对各个车辆进行测速,然后求取平均值,得到不同目标张弛度下的平均速度,以便于建立目标张弛度与平均速度之间的关系,需要说明的是,由于不可能获取完整的目标张弛度与平均速度,因此,只需要获取多个目标张弛度所对应的平均速度即可。
步骤S1102中,根据所述目标张弛度和所述平均速度构建速度与所述目标张弛度的函数关系;其中,v为所述速度,是目标张弛度,表示v与y的函数关系。其中,构建速度与目标张弛度的函数关系具体为根据目标张弛度对平均速度进行拟合,拟合的方式可以是线性拟合,也可以通过最小二乘法进行拟合。
步骤S1103中,按照时间顺序采集每个所述预设地点的多个所述目标张弛度,并通过预设的自回归积分滑动平均模型获取各个所述预设地点随着时间变化的张弛度函数;其中,表示经过时间后第i个预设地点的张弛度,公式中,即随着速度的不同,达到每个预设地点的时间也不同,每个预设地点的张弛度函数也会不同,因此,可以采用自回归积分滑动平均模型获取各个所述预设地点随着时间变化的张弛度函数,然后对时间和距离进行积分,即可得到总体的时长,即得到预计到达时间。
在一个实施例中,所述获取所述第二车辆在所述第一预设时间点的第三位置信息的步骤S4之后,还包括:
S501:检测在所述第一预设时间点至所述第二预设时间点之间,所述第一车辆和第二车辆在服务区停留的时长是否小于预设时长;
S502:根据停留时长小于预设时长的第一车辆和第二车辆计算所述第一张弛度和所述第二张弛度。
如上述步骤S501-S502所述,实现了对误差较大的车辆进行剔除,即在实际的过程中,车辆可能会在高速公路上的服务区进行休息,这种车辆会对结果产生极大的误差,因此,可以检测第一车辆和第二车辆在服务区停留的时长是否小于预设时长,根据停留时长小于预设时长的第一车辆和第二车辆计算所述第一张弛度和所述第二张弛度,当然此处停留的时长小于预设时长的第一车辆和第二车辆也包括了只是经过服务区并没有停在服务区的情形,即将该没有停留的时间记为0,需要说明的是,该指定地点采集的是实时的车辆,并没有对某辆车辆进行固定检测,因此,每个指定地点采集到的车辆信息以及位置信息大部分的数据都可以进行检测,这个部分的误差,当采集的第一车辆和第二车辆的数量足够大时,此处产生的误差会比较小,另外,还可以加上基于指定地点与其相邻的指定地点之间的距离,为该指定地点的张弛度计算可以加上一个误差值,该误差值根据实际情况计算得到。
在一个实施例中,所述获取所述指定公路的初始三维图,并根据所述拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型的步骤S10之后,还包括:
S1111:接收用户终端的导航信息,并判断所述导航信息是否具有所述指定公路的路段;
S1112:若是,则根据所述路段截取所述车流张弛度模型中对应的路段模型;
S1113:将所述路段模型发送至所述用户终端得到目标车流张弛度模型。
如上述步骤S1111-S1113所述,实现了对用户的张弛度的浏览,以便于用户选择更合适的道路。由于,用户终端一般只涉及到指定公路得到一部分,因此,只需要将该部分的路段模型发送给用户,对于不同的道路具有不同的目标车流张弛度模型,在一个具体的实施例中,可以将所有的目标车流张弛度模型进行综合,得到一个整体的目标车流张弛度模型,根据用户导航得到的路线,截取与路线相关的路段模型综合,得到用户导航路线的目标模型,然后将目标模型发送给用户,以便于用户进行选择,从而使用户对路况具有更好的把控,选择更好的路线前进。
本发明的有益效果:通过获取GIS数据中预设地点的车辆信息,并基于车辆信息获取到各个预设地点的目标张弛 度以及张弛流数,从而可以使得到的车流张弛度模型更加便于预测。此外本申请不局限于密度,而是通过张弛度来反应车流的拥挤程度,从而实现了直接反应车流拥挤程度,对于判断高速公路的拥挤程度,相对于传统的密度检测方式而言更加准确。
参照图2,本发明还提供了一种基于GIS的车流实景三维建模系统,包括:
设置模块10,用于基于GIS在指定公路上设置多个预设地点;
车辆获取模块20,用于获取在第一预设时间点后经过各个预设地点的第一数量的第一车辆,并对所述第一车辆进行标记;其中,所述预设地点对应的位置信息为第一位置信息;
第二位置信息获取模块30,用于获取第二预设时间点各个所述第一车辆的第二位置信息,以及在所述第二预设时间点后经过所述预设地点的第二数量的第二车辆;
第三位置信息获取模块40,用于获取所述第二车辆在所述第一预设时间点的第三位置信息;
第一计算模块50,用于通过公式计算第一张弛度以及通过公式计算第二张弛度,其中,为第一张弛度,表示第二位置信息,表示第一位
置信息,表示第一预设时间点,表示第二预设时间点,为第二张弛度,表示第三位
置信息
误差计算模块70,用于根据误差最小值计算公式限定待拟合曲线与各个预设地点之间的误差最小值;其中,是的导函数,表示第i个预设地点的位置信息,表示第i个预设地点的目标张弛度,表示第i个预设地点的张弛流数,m表示预设地点的个数,表示待拟合曲线在第i个预设地点的张弛度误差,表示待拟合曲线在第i个预设地点的张弛流数误差;
参数求取模块90,用于根据所述第一矩阵和所述第二矩阵,求出参数(a1,…ak)并代入所述待拟合曲线中,得到拟合曲线;
构建模块100,用于根据各个所述预设地点的所述目标张弛度以及所述张弛流数构建所述指定公路的车流张弛度模型。
在一个实施例中,所述基于GIS的车流实景三维建模系统,还包括:
张弛度获取模块,用于获取各个所述预设地点不同时间的多个张弛度,以及对应的预测张弛度曲线和目标张弛度曲线;
模型建立模块,用于采用预设的卡尔曼滤波技术为各个预设地点建立张弛度预测模型;其中,所述张弛度预测模型根据各个预设地点的多个张弛度,以及对应的预测张弛度曲线作为输入,以目标张弛度曲线作为输出训练而成;
输入模块,用于将所述拟合曲线输入至所述张弛度预测模型中,得到目标拟合曲线;
标注模块,用于获取所述指定公路的初始三维图,并根据所述目标拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型。
在一个实施例中,所述基于GIS的车流实景三维建模系统,还包括:
速度采集模块,用于采集不同目标张弛度下的平均速度;
在一个实施例中,所述基于GIS的车流实景三维建模系统,还包括:
时长检测模块,用于检测在所述第一预设时间点至所述第二预设时间点之间,所述第一车辆和第二车辆在服务区停留的时长是否小于预设时长;
张弛度计算模块用于根据停留时长小于预设时长的第一车辆和第二车辆计算所述第一张弛度和所述第二张弛度。
在一个实施例中,所述基于GIS的车流实景三维建模系统,还包括:
导航信息接收模块,用于接收用户终端的导航信息,并判断所述导航信息是否具有所述指定公路的路段;
截取模块,用于若是,则根据所述路段截取所述车流张弛度模型中对应的路段模型;
发送模块,用于将所述路段模型发送至所述用户终端得到目标车流张弛度模型。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
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权利要求范围之内。
Claims (10)
1.一种基于GIS的车流实景三维建模方法,其特征在于,包括:
基于GIS在指定公路上设置多个预设地点;
获取在第一预设时间点后经过各个预设地点的第一数量的第一车辆,并对所述第一车辆进行标记;其中,所述预设地点对应的位置信息为第一位置信息;
获取第二预设时间点各个所述第一车辆的第二位置信息,以及在所述第二预设时间点后经过所述预设地点的第二数量的第二车辆;
获取所述第二车辆在所述第一预设时间点的第三位置信息;
根据误差最小值计算公式限定待拟合曲线与各个预
设地点之间的误差最小值;其中 ,是的导函数,
表示第i个预设地点的位置信息,表示第i个预设地点的目标张弛度,表示第i个预设地
点的张弛流数,m表示预设地点的个数,表示待拟合曲线在第i个预设地点的张弛度误差,表示待拟合曲线在第i个预设地点的张弛流数误差;
根据所述第一矩阵和所述第二矩阵,求出参数(a1,…ak)并代入所述待拟合曲线中,得到拟合曲线;
获取所述指定公路的初始三维图,并根据所述拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型;其中,所述初始三维图含有指定公路的相关信息,根据所述拟合曲线对所述指定公路进行标记以实现对所述初始三维图的标注。
2.如权利要求1所述的基于GIS的车流实景三维建模方法,其特征在于,所述根据所述第一矩阵和所述第二矩阵,求出参数(a1,…ak)并代入所述待拟合曲线中,得到拟合曲线的步骤之后,还包括:
获取各个所述预设地点不同时间的多个张弛度,以及对应的预测张弛度曲线和目标张弛度曲线;
采用预设的卡尔曼滤波技术为各个预设地点建立张弛度预测模型;其中,所述张弛度预测模型根据各个预设地点的多个张弛度,以及对应的预测张弛度曲线作为输入,以目标张弛度曲线作为输出训练而成。
3.如权利要求1所述的基于GIS的车流实景三维建模方法,其特征在于,所述获取所述指定公路的初始三维图,并根据所述拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型的步骤之后,还包括:
采集不同目标张弛度下的平均速度;
4.如权利要求1所述的基于GIS的车流实景三维建模方法,其特征在于,所述获取所述第二车辆在所述第一预设时间点的第三位置信息的步骤之后,还包括:
检测在所述第一预设时间点至所述第二预设时间点之间,所述第一车辆和第二车辆在服务区停留的时长是否小于预设时长;
根据停留时长小于预设时长的第一车辆和第二车辆计算所述第一张弛度和所述第二张弛度。
5.如权利要求1所述的基于GIS的车流实景三维建模方法,其特征在于,所述获取所述指定公路的初始三维图,并根据所述拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型的步骤之后,还包括:
接收用户终端的导航信息,并判断所述导航信息是否具有所述指定公路的路段;
若是,则根据所述路段截取所述车流张弛度模型中对应的路段模型;
将所述路段模型发送至所述用户终端得到目标车流张弛度模型。
6.一种基于GIS的车流实景三维建模系统,其特征在于,包括:
设置模块,用于基于GIS在指定公路上设置多个预设地点;
车辆获取模块,用于获取在第一预设时间点后经过各个预设地点的第一数量的第一车辆,并对所述第一车辆进行标记;其中,所述预设地点对应的位置信息为第一位置信息;
第二位置信息获取模块,用于获取第二预设时间点各个所述第一车辆的第二位置信息,以及在所述第二预设时间点后经过所述预设地点的第二数量的第二车辆;
第三位置信息获取模块,用于获取所述第二车辆在所述第一预设时间点的第三位置信息;
第一计算模块,用于通过公式计算第一张弛度以及通过公式计
算第二张弛度,其中,为第一张弛度,表示第二位置信息,表示第一位置信息,表示
第一预设时间点,表示第二预设时间点,为第二张弛度,表示第三位置信息;
误差计算模块,用于根据误差最小值计算公式限定
待拟合曲线与各个预设地点之间的误差最小值;其中,
是的导函数,表示第i个预设地点的位置信息,表示第i个预设地点的目标张弛度,表示第i个预设地点的张弛流数,m表示预设地点的个数,表示待拟合曲线在第i个预设
地点的张弛度误差,表示待拟合曲线在第i个预设地点的张弛流数误差;
参数求取模块,用于根据所述第一矩阵和所述第二矩阵,求出参数(a1,…ak)并代入所述待拟合曲线中,得到拟合曲线;
构建模块,用于根据各个所述预设地点的所述目标张弛度以及所述张弛流数构建所述指定公路的车流张弛度模型。
7.如权利要求6所述的基于GIS的车流实景三维建模系统,其特征在于,所述基于GIS的车流实景三维建模系统,还包括:
张弛度获取模块,用于获取各个所述预设地点不同时间的多个张弛度,以及对应的预测张弛度曲线和目标张弛度曲线;
模型建立模块,用于采用预设的卡尔曼滤波技术为各个预设地点建立张弛度预测模型;其中,所述张弛度预测模型根据各个预设地点的多个张弛度,以及对应的预测张弛度曲线作为输入,以目标张弛度曲线作为输出训练而成;
输入模块,用于将所述拟合曲线输入至所述张弛度预测模型中,得到目标拟合曲线;
标注模块,用于获取所述指定公路的初始三维图,并根据所述目标拟合曲线对所述初始三维图进行标注,得到所述车流张弛度模型。
8.如权利要求6所述的基于GIS的车流实景三维建模系统,其特征在于,所述基于GIS的车流实景三维建模系统,还包括:
速度采集模块,用于采集不同目标张弛度下的平均速度;
张弛度采集模块,用于按照时间顺序采集每个所述预设地点的多个所述目标张弛度,
并通过预设的自回归积分滑动平均模型获取各个所述预设地点随着时间变化的张弛度函
数;其中,表示经过时间后第i个预设地点的张弛度;
9.如权利要求6所述的基于GIS的车流实景三维建模系统,其特征在于,所述基于GIS的车流实景三维建模系统,还包括:
时长检测模块,用于检测在所述第一预设时间点至所述第二预设时间点之间,所述第一车辆和第二车辆在服务区停留的时长是否小于预设时长;
张弛度计算模块用于根据停留时长小于预设时长的第一车辆和第二车辆计算所述第一张弛度和所述第二张弛度。
10.如权利要求6所述的基于GIS的车流实景三维建模系统,其特征在于,所述基于GIS的车流实景三维建模系统,还包括:
导航信息接收模块,用于接收用户终端的导航信息,并判断所述导航信息是否具有所述指定公路的路段;
截取模块,用于若是,则根据所述路段截取所述车流张弛度模型中对应的路段模型;
发送模块,用于将所述路段模型发送至所述用户终端得到目标车流张弛度模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210168749.1A CN114241140B (zh) | 2022-02-24 | 2022-02-24 | 一种基于gis的车流实景三维建模方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210168749.1A CN114241140B (zh) | 2022-02-24 | 2022-02-24 | 一种基于gis的车流实景三维建模方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114241140A CN114241140A (zh) | 2022-03-25 |
CN114241140B true CN114241140B (zh) | 2022-05-20 |
Family
ID=80747851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210168749.1A Active CN114241140B (zh) | 2022-02-24 | 2022-02-24 | 一种基于gis的车流实景三维建模方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114241140B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022021474A1 (zh) * | 2020-07-31 | 2022-02-03 | 爱易成技术(天津)有限公司 | 行车时刻表的生成方法、装置及电子设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10594806B2 (en) * | 2015-12-16 | 2020-03-17 | International Business Machines Corporation | Management of mobile objects and resources |
CN109641538A (zh) * | 2016-07-21 | 2019-04-16 | 国际智能技术公司 | 使用车辆创建,更新地图的系统和方法 |
CN107293117B (zh) * | 2017-07-04 | 2019-08-09 | 清华大学 | 一种公路异常事件的判断方法 |
US10628671B2 (en) * | 2017-11-01 | 2020-04-21 | Here Global B.V. | Road modeling from overhead imagery |
CN109949571A (zh) * | 2019-03-19 | 2019-06-28 | 北京百度网讯科技有限公司 | 异常拥堵的判别方法及装置、设备及存储介质 |
CN110647852A (zh) * | 2019-09-27 | 2020-01-03 | 集美大学 | 一种车流量统计方法、终端设备及存储介质 |
CN111476890B (zh) * | 2020-04-28 | 2023-04-11 | 武汉大势智慧科技有限公司 | 一种基于影像的三维场景重建中移动车辆的修复方法 |
CN113362605B (zh) * | 2021-07-23 | 2022-06-21 | 上海交通大学 | 基于潜在同质区域分析的分布式高速路优化系统及方法 |
-
2022
- 2022-02-24 CN CN202210168749.1A patent/CN114241140B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022021474A1 (zh) * | 2020-07-31 | 2022-02-03 | 爱易成技术(天津)有限公司 | 行车时刻表的生成方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114241140A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5374067B2 (ja) | 交通状態シミュレーション装置及びプログラム | |
JP6658088B2 (ja) | 情報処理装置、プログラム、及び地図データ更新システム | |
CN101275841B (zh) | 地物信息收集装置及地物信息收集方法 | |
JP5649726B2 (ja) | 障害横断情報を判断する方法 | |
CN104021676B (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
JP7355151B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
US8103448B2 (en) | Information storage apparatus for storing new road, program for the same, and system for the same | |
CN109544932A (zh) | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 | |
KR101530636B1 (ko) | 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법 | |
JP2006250875A (ja) | ナビゲーション装置および移動体位置修正方法 | |
US20100004903A1 (en) | Method of constructing a digital model of a route | |
CN107430815A (zh) | 用于自动识别停车区的方法和系统 | |
Ni | Determining traffic-flow characteristics by definition for application in ITS | |
WO2017185020A1 (en) | System and method for predicting hyper-local conditions and optimizing navigation performance | |
JP2012084024A (ja) | 交差点交通流計測装置 | |
Rogers | Creating and evaluating highly accurate maps with probe vehicles | |
Faghri et al. | Application of GPS in traffic management systems | |
CN114241140B (zh) | 一种基于gis的车流实景三维建模方法和系统 | |
Adamec et al. | Modelling of traffic load by the datafromsky system in the smart city concept | |
CN113421295A (zh) | 一种基于物联网的无人机测绘信息采集方法及云采集平台 | |
JP2018206014A (ja) | 交通情報取得装置、交通情報取得システム、交通情報取得方法、および交通情報取得プログラム | |
Magrath et al. | Evaluating different methods for determining road grade best suited to advanced bus transportation systems | |
Jomrich et al. | Lane Accurate Detection of Map Changes based on Low Cost Smartphone Data. | |
Stipancic et al. | Measuring Congestion Using Large-Scale Smartphone-Collected GPS Data in an Urban Road Network | |
JP2003242589A (ja) | 道路走行所要時間予測システム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |