CN114298493A - 一种公路运行监测系统、方法、终端及存储介质 - Google Patents
一种公路运行监测系统、方法、终端及存储介质 Download PDFInfo
- Publication number
- CN114298493A CN114298493A CN202111501892.XA CN202111501892A CN114298493A CN 114298493 A CN114298493 A CN 114298493A CN 202111501892 A CN202111501892 A CN 202111501892A CN 114298493 A CN114298493 A CN 114298493A
- Authority
- CN
- China
- Prior art keywords
- road
- data
- monitoring
- information
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 7
- 210000002569 neuron Anatomy 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 11
- 230000000007 visual effect Effects 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000011664 signaling Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种公路运行监测系统、方法、终端及存储介质，其属于公路监测领域，其中方法包括获取多方数据集中到统一的平台；根据获取的多方数据对道路数据进行监测；根据监测信息对公路的流量进行预测；根据预测结果建立统一信息发布平台，提供实时出行信息。本申请具有通过信息化、大数据、地理空间技术等手段对公路数据进行宏观、中观、微观多纬度的分析监测，把公路状态进行模型化、指标化、可视化，为公路管理和调度人员提供实时的、准确的、可视化的数据支撑，从而做到全面提升监测水平的效果。
Description
技术领域
本申请涉及公路监测的技术领域，尤其是涉及一种公路运行监测系统、方法、终端及存储介质。
背景技术
公路运行监测系统是对公路路网畅通情况、运行情况、道路运输情况的实时监测及公路流量的预测。
针对公路通车里程量大、机动车保有量大从而带来的公路监管压力巨大，群众出行服务需求迫切，需运用信息化技术对数据进行统一采集、存储和分析，提高公路监测水平、调度效率、决策准确度。
在实现本申请的过程中，发明人发现上述技术至少存在以下问题：由于公路覆盖范围大，基础设施差，交通构成复杂，数据还分散于各业务系统，导致对公路流量预测较为困难。
发明内容
为了由于公路覆盖范围大，基础设施差，交通构成复杂，数据还分散于各业务系统，导致对公路流量预测较为困难，本申请提供一种公路运行监测系统、方法、终端及存储介质。
第一方面，本申请提供一种公路运行监测方法，采用如下的技术方案：
一种公路运行监测方法，包括以下步骤：
获取多方数据集中到统一的平台，所述多方数据包括交调点数据、气象信息、两客一危车辆定位、道路运输事件、道路施工信息、人员位置、公路路网地理信息和路面视频监控信息；
根据获取的多方数据对道路数据进行监测，所述监测内容具体包括对路网畅通情况监测、对公路运行情况监测、对道路运输情况监测、对交通环境监测和对实时视频进行监控；
根据监测信息对公路的流量进行预测；
根据预测结果建立统一信息发布平台，提供实时出行信息。
通过采用上述技术方案，通过信息化、大数据、地理空间技术等手段对公路数据进行宏观、中观、微观多纬度的分析监测，把公路状态进行模型化、指标化、可视化，为公路管理和调度人员提供实时的、准确的、可视化的数据支撑，从而做到全面提升监测水平。
可选的，所述获取多方数据集中到统一的平台具体包括：
通过系统对接，获取各个路段车型车辆流量、流速动态数据，实时接入高速公路和普通公路的动态数据；
通过调用接口，实时接入各个区县未来的天气数据；
通过数据采集，展示各个桥梁、涵洞、路网分布情况，接入公交、出租、GPS数据，随时掌握车辆分布情况。
通过采用上述技术方案，建立数据采集系统打通与各业务系统之间的数据链路，并且实现与交通运输指挥中心的互联互通和数据共享，实现数据资源统一存储、管理、共享。
可选的，所述根据获取的多方数据对道路数据进行监测具体包括：
分析拥堵路段交调点；
采集各个车型车辆的流量、流速；
建立模型，预测拥堵路段短时车流量、流速发生情况。
通过采用上述技术方案，通过交通饱和度来判断道路拥堵，通过建模的方式能够更加清晰直观地了解拥堵路段，便于用户了解实时路况，选择更好的出行路线。
可选的，所述根据监测信息对公路的流量进行预测具体包括：
通过对交调点的数据采集，计算出路段当前的车辆平均速度，并根据速度值设定拥堵阈值，计算出拥堵时长。
通过采用上述技术方案，对拥堵道路的车速变化进行时间和空间呈现，能够更加清晰直观地了解拥堵路段，便于用户了解实时路况，选择更好的出行路线。
可选的，所述根据监测信息对公路的流量进行预测还包括：
对交调点原始数据进行清洗加工，输出文件；
通过将原始数据一分为二的方法设置对照组进行比对；
将文件逐个输入神经网络进行训练产生神经网络；
将神经网络整合进公路运行监测与调度系统，实时获取最新交调点流量流速数据；
输入神经网络模型获得预测值。
通过采用上述技术方案，通过分析拥堵路段交调点采集到各个车型车辆的流量、流速，建立模型，预测拥堵路段短时车流量、流速发生情况，便于对数据进行同一处理，对公路情况进行分析预测。
可选的，所述根据预测结果建立统一信息发布平台还包括：
通过GIS随时监视资源的调动情况，跟踪各救援单位任务进程，及时更改救援方案。
通过采用上述技术方案，能够快速定位事故发生地点，大大提升调度环节的效率及可控度。
第二方面，本申请提供一种公路运行监测系统，采用如下的技术方案：
一种公路运行监测系统，包括：数据集成层、系统支撑层、核心应用层和用户展示层；
所述数据集成层用于接入静动态数据；
所述系统支撑层用于为平台提供集成环境；
所述核心应用层用于通过神经网络算法对交通路网大数据进行分析，
所述用户展示层用于展示公路的实时运行状况并实现对出行流量的预判。
通过采用上述技术方案，通过数据集成层、系统支撑层、核心应用层和用户展示层组成系统，建立数据采集系统打通与各业务系统之间的数据链路，并且实现与交通运输指挥中心的互联互通和数据共享，实现数据资源统一存储、管理、共享，并结合公路网的模型构建，以交调点流量、流速车数据进行拟合，实现对公路网的流量预测。
可选的，还包括GRU神经网络模型，所述GRU神经网络模型拥有16个输入参数、1个隐含层包含15个神经元节点以及16个输出参数。
通过采用上述技术方案，通过神经网络算法及交调点数据分析，能够清晰呈现道路实况、断面流量情况以及拥堵路段的短期预测。
第三方面，本申请提供一种智能终端，采用如下的技术方案：
一种智能终端，包括存储器和处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述任一所述的一种公路运行监测方法。
通过采用上述技术方案，能够存储并处理相应的程序，能够实现数据资源统一存储、管理、共享。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，包括可读存储介质及存储在所述可读存储介质上运行的计算机程序，所述计算机程序由处理器加载并执行以实现如上述任一所述的一种公路运行监测方法。
通过采用上述技术方案，便于储存相关的程序，便于更加直观的体现出公路的实时流量情况。
综上所述，本申请包括以下至少一种有益技术效果：
1.建立数据采集系统打通与各业务系统之间的数据链路，并且实现与交通运输指挥中心的互联互通和数据共享，实现数据资源统一存储、管理、共享；
2.通过信息化、大数据、地理空间技术等手段对公路数据进行宏观、中观、微观多纬度的分析监测，把公路状态进行模型化、指标化、可视化，为公路管理和调度人员提供实时的、准确的、可视化的数据支撑，从而做到全面提升监测水平；
3.通过手机信令数据，进行公路的路径识别和OD识别，挖掘基于公路网的交通出行OD，并结合公路网的模型构建，以交调点流量、流速车数据进行拟合，实现对公路网的流量预测。为公路网的规划、公路拥堵区域识别、公路改扩建、公路应急指挥等提供数据支撑。
附图说明
图1是本申请实施例的一种公路运行监测系统的整体结构框图。
图2是本申请实施例的运行监测模块的结构框图。
图3是本申请实施例的信息发布模块的结构框图。
图4是本申请实施例的GRU神经网络模型的结构框图。
图5是本申请实施例的一种公路运行监测方法的整体流程示意图。
附图标记说明：1、数据集成层；2、系统支撑层；3、核心应用层；31、流量预测模块；32、运行监测模块；321、路网畅通情况监测单元；322、公路运行情况监测单元；323、道路运输情况监测单元；324、交通环境监测单元；325、实时视频监控单元；33、信息发布模块；331、信息生成单元；332、信息分级单元；333、渠道选择单元；334、信息审查单元；335、信息发布单元；34、可视化调度模块；4、用户展示层；5、GRU神经网络模型；51、输入参数；52、神经元节点；53、输出参数。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细说明。
以下结合说明书附图对本申请一种公路运行监测系统的实施例作进一步详细描述。
本申请实施例公开一种公路运行监测系统。参照图1，一种公路运行监测系统包括数据集成层1、系统支撑层2、核心应用层3和用户展示层4。数据集成层1与核心应用层3通讯连接，核心应用层3和系统支撑层2交互通讯，核心应用层3与用户展示层4通讯连接；
数据集成层1主要接入普通公路交通流量流速数据、气象数据、车辆定位数据、道路运输时间数据、实时路况信息、道路施工信息、公路路网地理信息、路面视频监控数据、手机信令等及其他静动态数据。在本实施例中，实时路况信息包括国省干道路况信息、高速公路路况信息和农村公路路况信息，路面视频监控数据包括国省干道的视频监控数据和高速公路的视频监控数据。
在实施中，数据集成层1对数据进行同一采集，有利于提高工作效率，降低管理成本。基于信息化、数据指标化、数据可视化技术，可以大大提高公路调度管理、预警预判、应急处置的各个环节的时效性及降低人工成本。
系统支撑层2主要为平台提供集成环境，建立集通信、视频、信息、指标、指挥和调度于一体的可视化调度平台。在本实施例中，可视化调度平台具体应用包括视频会议、短信服务、语音服务和即时通讯等。
核心应用层3主要通过神经网络算法对交通路网大数据进行分析，对公路进行实施运行监测和流量预测，为公路网的规划、公路拥堵区域识别、公路改扩建、公路应急指挥等提供数据支撑。
参照图1和图2，在本实施例中，核心应用层3具体包括流量预测模块31、运行监测模块32、信息发布模块33和可视化调度模块34。运行检测模块包括路网畅通情况监测单元321、公路运行情况监测单元322、道路运输情况监测单元323、交通环境监测单元324和实时视频监控单元325。路网畅通情况监测单元321用于对路段拥堵情况进行监测、对断面车流量进行检测、对断面车流速进行监测。公路运行情况监测单元322用于对路面突发事件进行监测、对路面施工情况进行监测、对重点区域环境进行监测。道路运输情况监测单元323用于对车辆位置进行监测、对卡口数据进行监测。交通环境监测模块用于对温度、湿度、降水情况和风向进行监测。实时视频监控单元325用于对高速公路和普通公路进行监控。
流量预测模块31用于根据监测的信息对车流量进行预测，具体预测情况包括根据交调点数据预测车流量流速和根据手机信令数据预测流量。
图1和图3，信息发布模块33包括信息生成单元331、信息分级单元332、渠道选择单元333、信息审查单元334和信息发布单元335，其中，信息生成单元331用于采集数据并生成所需要的路况信息；信息分级单元332用于对路况信息的优先级进行设置，例如道路施工信息的优先级大于拥堵信息的优先级；渠道选择单元333用于选择分级后的信息所需要发布的平台；信息审查单元334用于对信息进行审查，判断信息情况是否属实；信息发布单元335用于将审查后的信息发布在选择的平台上。
在实施中，核心应用层3有利于提高路网运行效率，保障路网安全畅通。通过交通建模及大数据分析对路网运行状态进行全天候的监测与预判，及时发现隐患及时处理，防患于未然。同时也给路网优化和规划提供了直接的数据支撑，提高了科学性、精确性、经济性。
可视化调度模块34具体用于对资源的调度、对流程的处置，并将处理好的信息展示在平台上。可视化调度模块34内设有调度工具，可以通过调度工具对车辆进行调度，减少拥堵的情况发生。
用户展示层4通过列表、图形和视频的方式，实时展示普通国省干线公路的实时运行状况，并实现对重大节假日出行流量预判，提供公共出行服务，以多渠道多手段的方式发布服务信息。
参照图4，本申请实施例还包括GRU神经网络模型5，GRU是循环神经网络的一种。GRU和LSTM一样，是为了解决长期记忆和反向传播中的梯度等问题而提出来的。GRU模型适用于对时间序列上变化进行建模的任务，它在神经网络的同一层隐含节点间引入连接，在模型的不同部分共享参数，能够处理变长的序列数据。从GRU的特性我们得出结论：可以利用GUR神经网络模型对拥堵路段短时车流量流速进行预测算法的时间。GRU神经网络模型5包括16个输入参数51、一个隐含层和16和输出参数53，一个隐含层包括15个神经元节点52。其中，16个输入参数51分别对应8种不同车型的流量和流速，16个输出参数53分别对应8中不同车型的预测流量和预测流速。每个输入参数51分别与15个神经元节点52相连接，每个神经元节点52分别与16个输出参数53相连接。
在实施中，建立数据采集系统打通与各业务系统之间的数据链路，并且实现与交通运输指挥中心的互联互通和数据共享，实现数据资源统一存储、管理、共享。通过信息化、大数据、地理空间技术等手段对公路数据进行宏观、中观、微观多纬度的分析监测，把公路状态进行模型化、指标化、可视化，为公路管理和调度人员提供实时的、准确的、可视化的数据支撑，从而做到全面提升监测水平。通过手机信令数据，进行公路的路径识别和OD识别，挖掘基于公路网的交通出行OD，并结合公路网的模型构建，以交调点流量、流速车数据进行拟合，实现对公路网的流量预测。为公路网的规划、公路拥堵区域识别、公路改扩建、公路应急指挥等提供数据支撑。
下面结合一种公路运行监测系统对一种公路运行监测方法的实施进行详细说明：
参照图5，本申请另一实施例提供一种公路运行监测方法，包括：
S10，获取多方数据集中到统一的平台；
其中，多方数据包括交调点数据、气象信息、两客一危车辆定位、道路运输事件、道路施工信息、人员位置、公路路网地理信息和路面视频监控信息，通过调用接口与数据库实时同步方式将多方数据集中到统一的平台；
在一个实施例中，通过系统对接，获取各个路段车型车辆流量、流速动态数据，每10分钟更新一次。通过调用接口，实时接入各个区县未来5天的气象数据，为交通出行撑起晴雨伞。通过系统对接，实时接入高速公路和普通公路的事件、施工、视频等动态数据，实时掌握道路施工路段、车辆事故情况。通过数据采集，展示各个桥梁、涵洞、路网分布情况。通过数据采集，接入公交、出租、两客一危GPS数据，随时掌控车辆分布情况。每5分组更新一次。
S20，根据获取的多方数据对道路数据进行监测；
其中，监测内容具体包括对路网畅通情况监测、对公路运行情况监测、对道路运输情况监测、对交通环境监测和对实时视频进行监控。通过神经网络算法及交调点数据分析，呈现道路实况、断面流量情况以及拥堵路段的短期预测；
具体的，通过分析拥堵路段交调点采集到的各个车型车辆的流量、流速，建立模型，预测拥堵路段短时车流量、流速发生情况。
在一个实施例中，通过交通饱和度来判断道路拥堵，大于1为严重拥堵，大于1并且小于等于0.8为中度拥堵，其他为一般拥堵。交通饱和度=当前流量*流量百分比/1000/车道数量，其中流量百分比=当前车流量/上一时段车流量。
在另一个实施例中，通过神经网络算法及交调点数据分析具体包括以下步骤：
S1，对交调点原始数据进行清洗加工，输出为gru-{index}.json文件格式（index标识交调点编号）；
S2，通过将原始数据一分为二的方法设置对照组进行比对；
S3，将gru-{index}.json文件逐个输入神经网络进行训练，经过多轮正向、反向传播过程，产生神经网络，导出文件network-{index}.json（index标识交调点编号）；
S4，将神经网络整合进公路运行监测与调度系统，实时获得最新交调点流量流速数据，输入神经网络模型，最终获得预测值。
为了对拥堵道路的车速变化进行时间和空间呈现，通过对交调点的数据采集，计算出路段当前的车辆平均速度，根据速度值设定拥堵阈值，从而计算出拥堵时长。其中，速度值<=20km/h为严重拥堵，<=40km/h为中度拥堵，<=50km/h为轻度拥堵，<=60km/h为基本畅通，>60km/h为畅通。计算拥堵时长通过读取当前的路段交调点判断速度<=50km/h时累加获得拥堵时长。
在实施中，通过分析拥堵路段交调点采集到各个车型车辆的流量、流速，建立模型，预测拥堵路段短时车流量、流速发生情况，便于对数据进行同一处理，对公路情况进行分析预测。
S30，根据监测信息对公路的流量进行预测；
通过手机信令数据识别手机用户信息及出行轨迹匹配实际的公路网，挖掘基于公路网的交通出行OD并结合公路网的模型构建，以交调点流量、流速数据进行拟合，对公路网的流量进行预测。
其中，OD调查即交通起止点调查又称OD交通量调查，OD交通量就是指起终点间的交通出行量。“O”来源于英文ORIGIN，指出行的出发地点，“D”来源于英文DESTINATION，指出行的目的地。
在实施中，为公路网的规划、公路拥堵区域识别、公路改扩建、公路应急指挥等提供数据支撑。
S40，根据预测结果建立统一信息发布平台；
其中，信息发布平台是通过对接交通运输指挥中心、微信、短信、APP等建立的。通过列表、图形和视频的方式，实时展示普通国省干线公路的实时运行状况并实现对重大节假日出行流量预判，提供公众出行服务，多渠道多手段发布服务信息，从而达到服务百姓便捷出行的效果。
在实施中，通过综合应用GIS、视频的各种功能以及与指挥调度系统的紧密结合，辅助完成指挥调度任务，能够快速定位事故发生地点，随着时间的发展，通过GIS可以随时监视资源的调动情况，跟踪各救援单位任务进程，及时更改救援方案，确定进一步的任务，大大提升调度环节的效率及可控度。
基于上述同一发明构思，本申请实施例还公开一种智能终端。一种智能终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述任一所述的一种公路运行监测方法。
基于上述同一发明构思，本申请实施例还公开一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集能够由处理器加载并执行以实现上述方法实施例提供的一种公路运行监测方法。
应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，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/或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。字符“/”一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种公路运行监测方法，其特征在于，包括以下步骤：
获取多方数据集中到统一的平台，所述多方数据包括交调点数据、气象信息、两客一危车辆定位、道路运输事件、道路施工信息、人员位置、公路路网地理信息和路面视频监控信息；
根据获取的多方数据对道路数据进行监测，所述监测内容具体包括对路网畅通情况监测、对公路运行情况监测、对道路运输情况监测、对交通环境监测和对实时视频进行监控；
根据监测信息对公路的流量进行预测；
根据预测结果建立统一信息发布平台，提供实时出行信息。
2.根据权利要求1所述的一种公路运行监测方法，其特征在于，所述获取多方数据集中到统一的平台具体包括：
通过系统对接，获取各个路段车型车辆流量、流速动态数据，实时接入高速公路和普通公路的动态数据；
通过调用接口，实时接入各个区县未来的天气数据；
通过数据采集，展示各个桥梁、涵洞、路网分布情况，接入公交、出租、GPS数据，随时掌握车辆分布情况。
3.根据权利要求1所述的一种公路运行监测方法，其特征在于，所述根据获取的多方数据对道路数据进行监测具体包括：
分析拥堵路段交调点；
采集各个车型车辆的流量、流速；
建立模型，预测拥堵路段短时车流量、流速发生情况。
4.根据权利要求1所述的一种公路运行监测方法，其特征在于，所述根据监测信息对公路的流量进行预测具体包括：
通过对交调点的数据采集，计算出路段当前的车辆平均速度，并根据速度值设定拥堵阈值，计算出拥堵时长。
5.根据权利要求4所述的一种公路运行监测方法，其特征在于，所述根据监测信息对公路的流量进行预测还包括：
对交调点原始数据进行清洗加工，输出文件；
通过将原始数据一分为二的方法设置对照组进行比对；
将文件逐个输入神经网络进行训练产生神经网络；
将神经网络整合进公路运行监测与调度系统，实时获取最新交调点流量流速数据；
输入神经网络模型获得预测值。
6.根据权利要求1所述的一种公路运行监测方法，其特征在于，所述根据预测结果建立统一信息发布平台还包括：
通过GIS随时监视资源的调动情况，跟踪各救援单位任务进程，及时更改救援方案。
7.一种公路运行监测系统，其特征在于，包括：数据集成层(1)、系统支撑层(2)、核心应用层(3)和用户展示层(4)；
所述数据集成层(1)用于接入静动态数据；
所述系统支撑层(2)用于为平台提供集成环境；
所述核心应用层(3)用于通过神经网络算法对交通路网大数据进行分析，
所述用户展示层(4)用于展示公路的实时运行状况并实现对出行流量的预判。
8.根据权利要求7所述的一种公路运行监测系统，其特征在于，还包括GRU神经网络模型(5)，所述GRU神经网络模型(5)拥有16个输入参数(51)、1个隐含层包含15个神经元节点(52)以及16个输出参数(53)。
9.一种智能终端，其特征在于，包括存储器和处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6任一所述的一种公路运行监测方法。
10.一种计算机可读存储介质，其特征在于，包括可读存储介质及存储在所述可读存储介质上运行的计算机程序，所述计算机程序由处理器加载并执行以实现如权利要求1至6任一所述的一种公路运行监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111501892.XA CN114298493A (zh) | 2021-12-09 | 2021-12-09 | 一种公路运行监测系统、方法、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111501892.XA CN114298493A (zh) | 2021-12-09 | 2021-12-09 | 一种公路运行监测系统、方法、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114298493A true CN114298493A (zh) | 2022-04-08 |
Family
ID=80967977
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111501892.XA Pending CN114298493A (zh) | 2021-12-09 | 2021-12-09 | 一种公路运行监测系统、方法、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114298493A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114937366A (zh) * | 2022-07-22 | 2022-08-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
| CN117540114A (zh) * | 2024-01-10 | 2024-02-09 | 山东路科公路信息咨询有限公司 | 基于大数据挖掘的公路数据查询方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108198416A (zh) * | 2017-12-28 | 2018-06-22 | 金交恒通有限公司 | 一种手机信令与路网大数据的融合方法及其应用与系统 |
| CN207691853U (zh) * | 2017-12-28 | 2018-08-03 | 金交恒通有限公司 | 一种基于手机信令的路网运行监测系统 |
| CN109272157A (zh) * | 2018-09-12 | 2019-01-25 | 中交信息技术国家工程实验室有限公司 | 一种基于门控神经网络的高速公路交通流参数预测方法及系统 |
| CN112087481A (zh) * | 2020-07-22 | 2020-12-15 | 桂林电子科技大学 | 一种基于5g技术的高速公路新型迷你智慧服务区 |
| CN112766603A (zh) * | 2021-02-01 | 2021-05-07 | 湖南大学 | 一种交通流量预测方法、系统、计算机设备及存储介质 |
| CN113178072A (zh) * | 2021-04-23 | 2021-07-27 | 淮阴工学院 | 一种交通防堵塞预测系统及预测方法 |
-
2021
- 2021-12-09 CN CN202111501892.XA patent/CN114298493A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108198416A (zh) * | 2017-12-28 | 2018-06-22 | 金交恒通有限公司 | 一种手机信令与路网大数据的融合方法及其应用与系统 |
| CN207691853U (zh) * | 2017-12-28 | 2018-08-03 | 金交恒通有限公司 | 一种基于手机信令的路网运行监测系统 |
| CN109272157A (zh) * | 2018-09-12 | 2019-01-25 | 中交信息技术国家工程实验室有限公司 | 一种基于门控神经网络的高速公路交通流参数预测方法及系统 |
| CN112087481A (zh) * | 2020-07-22 | 2020-12-15 | 桂林电子科技大学 | 一种基于5g技术的高速公路新型迷你智慧服务区 |
| CN112766603A (zh) * | 2021-02-01 | 2021-05-07 | 湖南大学 | 一种交通流量预测方法、系统、计算机设备及存储介质 |
| CN113178072A (zh) * | 2021-04-23 | 2021-07-27 | 淮阴工学院 | 一种交通防堵塞预测系统及预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘明宇等: "基于深度学习的交通流量预测", 《系统仿真学报》 * |
| 殷浩: "普通国省干线公路网运行监测系统建设浅析", 《现代交通技术》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114937366A (zh) * | 2022-07-22 | 2022-08-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
| CN114937366B (zh) * | 2022-07-22 | 2022-11-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多尺度交通需求与供给转化的交通流推算方法 |
| CN117540114A (zh) * | 2024-01-10 | 2024-02-09 | 山东路科公路信息咨询有限公司 | 基于大数据挖掘的公路数据查询方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110111575B (zh) | 一种基于复杂网络理论的城市交通流量网络分析方法 | |
| Liu et al. | Corridor-based emergency evacuation system for Washington, DC: system development and case study | |
| CN113538898A (zh) | 一种基于多源数据的高速公路拥堵管控系统 | |
| Petrovska et al. | Traffic congestion analysis visualisation tool | |
| CN109145954A (zh) | 一种基于多源时空数据的网约车出行安全评价方法及系统 | |
| CN110705747A (zh) | 一种基于大数据的智慧公共交通云脑体系 | |
| CN103236163A (zh) | 一种基于群智网络的交通拥堵规避提示系统 | |
| CN114298493A (zh) | 一种公路运行监测系统、方法、终端及存储介质 | |
| CN109859505B (zh) | 高速站点的预警处理方法、装置、服务器和介质 | |
| CN111275965A (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
| CN114662583A (zh) | 应急事件防控调度方法、装置、电子设备和存储介质 | |
| Krislata et al. | Traffic Flows System Development for Smart City. | |
| Huang et al. | Sensing Multi-modal Mobility Patterns: A Case Study of Helsinki using Bluetooth Beacons and a Mobile Application | |
| Ozbay et al. | Evaluation of incident management strategies and technologies using an integrated traffic/incident management simulation | |
| Scemama et al. | Claire-siti, public and road transport network management control: A unified approach | |
| Si et al. | Data-based sorting algorithm for variable message sign location: Case study of Beijing | |
| Runhua et al. | Design scheme of public transport comprehensive dispatching MIS based on MAS | |
| Celuch et al. | Data Fusion for Public Transport Traffic Data Analysis: A Case Study | |
| Kabashkin | Dependability of v2i services in the communication network of the intelligent transport systems | |
| Park et al. | Location-based dynamic route guidance system of Korea: system design, algorithms and initial results | |
| Riouali et al. | Toward a Global WSN-Based System to Manage Road Traffic | |
| Yalçınkaya et al. | Investigation of waste fires and spatial Accessibility of fire stations in Izmir, Turkey | |
| Purkrábková et al. | Monitoring specific travel behavior in floating car data | |
| Aved et al. | A real-time route diversion management system | |
| Yusof et al. | Route selection for road vehicle real-driving emissions test using GIS |
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: 20220408 |
|
| RJ01 | Rejection of invention patent application after publication |