CN114418161A - 公路服务区智慧联网方法、装置、电子设备及存储介质 - Google Patents
公路服务区智慧联网方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114418161A CN114418161A CN202111401677.2A CN202111401677A CN114418161A CN 114418161 A CN114418161 A CN 114418161A CN 202111401677 A CN202111401677 A CN 202111401677A CN 114418161 A CN114418161 A CN 114418161A
- Authority
- CN
- China
- Prior art keywords
- service area
- service
- data
- digital model
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000006855 networking Effects 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 89
- 238000005457 optimization Methods 0.000 claims abstract description 54
- 230000003068 static effect Effects 0.000 claims abstract description 37
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000013499 data model Methods 0.000 claims abstract description 9
- 238000007726 management method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 10
- 238000013523 data management Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 206010063385 Intellectualisation Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及数据处理的技术领域，尤其是涉及一种公路服务区智慧联网方法、装置、电子设备及存储介质。该方法包括：对服务区、区域关联路段进行在线监测，获取实时监测数据；根据历史监测数据由GIS系统以及BIM系统建立静态数字模型；由实时监测数据以及静态数据模型形成服务区数字模型，由服务区数字模型进行短时预测服务区情况；根据服务区情况选择优化决策，并根据优化决策生成引导信息。本申请具有解决高速公路服务区数据管理的技术问题进而解决高速公路拥堵的问题。
Description
技术领域
本申请涉及数据处理的技术领域，尤其是涉及公路服务区智慧联网方法、装置、电子设备及存储介质。
背景技术
随着经济社会的快速发展，高速公路的里程数不断增加，服务区作为高速公路不可或缺的服务设施，为道路通行车辆提供了休息、加油、购物、停车等多种服务。为了能够适应时代的发展，服务区逐渐向智能化、信息化、数字化方向建设。但是现有的智慧服务区只是强调单个服务区智慧化，并没有将沿线的各个智慧化的服务区有机结合起来，形成统一联网管控机制。
发明内容
为此，本申请的实施例提供了一种公路服务区智慧联网方法、装置、电子设备及存储介质，能够解决高速公路服务区数据管理的技术问题进而解决高速公路拥堵的问题，具体技术方案内容如下：
第一方面，本申请的实施例提供一种公路服务区智慧联网方法，所述方法包括：
对服务区、区域关联路段进行在线监测，获取实时监测数据；
根据历史监测数据由GIS系统以及BIM系统建立静态数字模型；
由实时监测数据以及静态数据模型形成服务区数字模型，由服务区数字模型进行短时预测服务区情况；
根据服务区情况选择优化决策，并根据优化决策生成引导信息。
通过采用上述技术方案，实时获取同一高速公路上各个服务区的实时监测数据，并由历史监测数据建立静态数字模型，静态数字模型为各服务区各个时间段的业务流量分布情况以及当时区域关联路段的车流量等信息，根据某一时间点区域关联路段的历史监测数据以及在该时间点之后合理时间间隔的服务区和/或区域关联路段的历史监测数据，即可由实时监测数据与静态数字模型构建的服务区数字模型对当前实时监测数据将会形成的服务区或者在高速公路后段的区域关联路段的业务流量进行短时预测，形成服务区情况，进而便于及时选择优化策略，并生成引导信息，实现服务区信息互联，减少拥堵的效果；且通过优化决策解决服务区之间运营负荷不均一，服务区运营成本高的问题；本方案还解决了服务区之间协调管理的技术问题。
优选的，所述实时监测数据包括服务区数据以及车流数据，所述在线监测为：通过物联网技术连通服务区各类经营业态数据的采集、处理和存储链路，根据所有服务区业态经营数据，获取各个服务区数据，并接入区域关联路段的门架数据，采集区域关联路段中车流数据。
通过采用上述技术方案，通过物联网技术建立的链路，获取其毗邻服务区的数据，实现各个服务区的数据连通以及业务流量均衡，从而合理分配服务区的资源，减少某一服务区拥堵，而毗邻服务区较多资源空闲的情况发生。接入区域相关路段的门架数据，也便于根据即将达到的车流量预测中心服务区以及毗邻服务区的短时预测的服务区情况，进而合理分配服务区的资源。
优选的，由服务区数字模型进行短时预测服务区情况包括：
将静态数字模型以及服务区数字模型综合时间序列趋外推和仿真模拟，对服务区情况进行短时预测。
通过采用上述技术方案，基于静态数字模型中与实时监测数据相似的历史监测数据形成的趋势，将服务区数字模型综合时间序列趋外推以及仿真模拟，可以得出对于该中心服务区的短时预测服务区情况，中心服务区通过联网获取毗邻服务区建立的短时预测情况，提高短时预测服务区情况的准确性且简化操作。
优选的，服务区数字模型包括出入口车流预测模型、停车预测模型、新能源补给模型、商店客流预测模型、服务区拥挤消散模型、服务区联动管控模型、片区路段流量模型。
通过采用上述技术方案，采用出入口车流预测模型、停车预测模型、新能源补给模型、商店客流预测模型、服务区拥挤消散模型、服务区联动管控模型、片区路段流量模型进行预测，简化服务区的服务区数字模型的数据处理量，但又平衡服务区数字模型对于预测准确性的要求。
优选的，所述根据服务区情况选择优化决策，并根据优化决策生成引导信息包括：
实时监测到某个服务区超负荷运营，监测该服务区毗邻服务区的运营情况；
若毗邻服务区存在低负荷运营，则对超负荷运营以及低负荷运营的服务区均构建服务区数字模型；
根据服务区数字模型选用优化决策，并根据优化决策构建模拟服务区数字模型，并评估模拟服务器数字模型；
若模拟服务区数字模型评估合格，则根据优化决策生成引导信息。
通过采用上述技术方案，当前服务区发生拥堵情况，在当前服务区以及毗邻服务区均建立服务区数字模型，且将毗邻服务区的服务区数字模型汇总至当前服务区，减轻中心服务区处理数据的数据量，且便于中心服务区根据毗邻服务区的情况选择合理的优化决策。
优选的，所述根据优化决策生成引导信息包括：根据优化决策对区域关联路段的车辆进行诱导信息发布，对区域关联路段通过诱导屏、地图、广播的渠道发布，并在服务区内通过智慧大屏、广播、公众号推送各交通管理部门信息，实时显示服务区各业务使用状况。
通过采用上述技术方案，在区域关联路段设置诱导屏、在地图上与区域关联路段显示引导信息、采用广播方式引导，便于出行者在行驶的过程中根据引导进入对应的服务区，上述三种方式的成本较低，实施难度较低，且控制逻辑也较低，便于布设于人群密集度较低的区域，且也便于出行者及时接收信息，从而实现实时信息的发布，在服务区内通过智慧大屏、广播、公众号推送各交通管理部门信息，通过多种渠道使出行者可以及时获取信息，进而便于按照引导信息调整获取资源的位置，减少服务区拥堵。
优选的，收集出行者预约服务信息，所述出行者预约服务信息为出行者出行前制定的预约通行路线；
根据出行者预约服务信息合理分配路线上的资源。
通过采用上述技术方案，引导出行者选择相应的服务区进行服务，有效避免服务区产生客流分布不均，使出行者拥有更好的服务；同时，通过动态引导信息的发布，从而避免服务区客流的大量聚集而导致服务区拥堵，致使出行时间增加，可以有效减少交通出行者在服务区的等待时间，提高出行效率。
第二方面，本申请的实施例提供一种公路服务区智慧联网装置，所述装置包括：
实时监测模块，用于对服务区、区域关联路段进行在线监测，获取实时监测数据；
静态数字建模模块，用于根据历史监测数据由GIS系统以及BIM系统建立静态数字模型；
短时预测模块，用于由实时监测数据以及静态数据模型形成服务区数字模型，由服务区数字模型进行短时预测服务区情况；
优化决策模块，用于根据服务区情况选择优化决策，并根据优化决策生成引导信息。
第三方面，本申请的实施例提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述的公路服务区智慧联网方法的步骤。
第四方面，本申请的实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的公路服务区智慧联网方法的步骤。
综上所述，与现有技术相比，本申请实施例提供的技术方案带来的有益效果至少包括：
1、实时获取同一高速公路上各个服务区的实时监测数据，并由历史监测数据建立静态数字模型，静态数字模型为各服务区各个时间段的业务流量分布情况以及当时区域关联路段的车流量等信息，根据某一时间点区域关联路段的历史监测数据以及在该时间点之后合理时间间隔的服务区和/或区域关联路段的历史监测数据，即可由实时监测数据与静态数字模型构建的服务区数字模型对当前实时监测数据将会形成的服务区或者在高速公路后段的区域关联路段的业务流量进行短时预测，形成服务区情况，进而便于及时选择优化策略，并生成引导信息，进而实现服务区信息互联，减少拥堵的效果；且通过优化决策解决服务区之间运营负荷不均一，服务区运营成本高的问题，还解决了服务区之间协调管理的技术问题；
2、通过物联网技术建立的链路，获取其毗邻服务区的数据，实现各个服务区的数据连通以及业务流量均衡，从而合理分配服务区的资源，减少某一服务区拥堵，而毗邻服务区较多资源空闲的情况发生。接入区域相关路段的门架数据，也便于根据即将达到的车流量预测中心服务区以及毗邻服务区的短时预测的服务区情况，进而合理分配服务区的资源；
3、在区域关联路段设置诱导屏、在地图上与区域关联路段显示引导信息、采用广播方式引导，便于出行者在行驶的过程中根据引导进入对应的服务区，上述三种方式的成本较低，实施难度较低，且控制逻辑也较低，便于布设于人群密集度较低的区域，且也便于出行者及时接收信息，从而实现实时信息的发布；在服务区内通过智慧大屏、广播、公众号推送各交通管理部门信息，通过多种渠道使出行者可以及时获取信息，进而便于按照引导信息调整获取资源的位置，减少服务区拥堵。
附图说明
图1是本申请其中一实施例提供的一种公路服务区智慧联网方法的流程示意图。
图2是本申请另一实施例提供的一种公路服务区智慧联网方法的流程示意图之一。
图3是本申请另一实施例提供的一种公路服务区智慧联网方法的流程示意图之二。
图4是本申请另一实施例提供的一种公路服务区智慧联网方法的流程示意图之三。
图5是本申请另一实施例提供的一种公路服务区智慧联网方法的流程示意图之四。
具体实施方式
本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
现有高速公路，由于智慧服务区之间相互独立运营，导致各大服务区运营负荷强度差异大；尤其在重大节假日期间，服务区的承载量难以满足激增的服务需求，导致车辆在服务区进出难、加油难、通行效率低，使服务质量下降。另外，由于服务区之间运营负荷不均一，不仅提高了服务区运营成本，而且还大大降低了出行者在服务区进行服务的体验感。且现有各服务区的信息化平台相对独立，缺乏统一管理和协同；现如今服务区智慧化主要集中在单个服务区智慧化和云平台建设，尚未基于单个智慧服务区和云平台建设相关成果。在服务区规模上，由于服务区的用地、造价等问题，造成部分服务区的规模减小，从而极易导致服务区过饱和的情况发生，进一步使服务区的服务质量下降。
下面结合说明书附图对本申请实施例作进一步详细描述。
参照图1，在本申请的一个实施例中，提供一种公路服务区智慧联网方法，所述方法的主要步骤描述如下：
S1：对服务区、区域关联路段进行在线监测，获取实时监测数据；
S2：根据历史监测数据由GIS系统以及BIM系统建立静态数字模型；
S3：由实时监测数据以及静态数据模型形成服务区数字模型，由服务区数字模型进行短时预测服务区情况；
S4：根据服务区情况选择优化决策，并根据优化决策生成引导信息。
在进行在线监测时，服务区以及区域关联路段可以为同一高速公路上所有的服务区以及跟服务区关联路段；也可以为以某一服务区为中心服务区，以该中心服务区沿高速公路方向累计3个服务区为毗邻服务区，该高速公路上于服务区之间的路段为区域关联路段。
在进行在线监控时，按照中心服务区沿高速公路方向累计3个服务区以及该区域关联路段作为中心服务区接收实时监测数据的范围，从而减少中心服务区的数据处理量。
在线监测包括人流监测、交通流监测、停车位监测、加油站、新能源补给、视频监视、气象环境监测等，具体可应用人流监测系统、交通流监测系统、停车位监测系统、加油站系统、新能源补给系统、视频监视系统、气象环境监测系统，在其他实施方式中，也可以监测其他数据，这里不作相关限定。通过云计算以及大数据技术，根据实时监测数据搭建统一的数字数据监测平台。
在获取实时监测数据会存储于存储介质中，以在后续调用中作为历史监测数据使用。
在获取到历史监测数据之后，就可以根据历史监测数据构建数字模型，实现将服务区从物理空间转化至数字空间。在本实施例中，运用GIS(Geographic InformationSystem，地理信息系统)+BIM(Building Information Modeling，建筑信息模型)技术，对历史监测数据进行汇集、清洗和分类，实现数字信息和实体之间的精准匹配，建立静态数字模型，静态数字模型用于描述服务区历史状况。
基于BIM+GIS的静态数字模型，表示的是毗邻服务区之间处于相对平衡状态时各种因素相互作用的一种模型，构建的整体思路是通过引入物联网、大数据、BIM、GIS、视频监控等技术，通过对服务区业务系统的基础数据实现接口自动采集、存储、清洗和分析，再运用智能可视化图表来展示服务区在经营、生产、管理、财务等宏观状况，可及时对服务区各种运营数据指标进行趋势分析和辅助决策。
在实际使用中，获取到实时监测数据后，将实时监测数据进行汇集、清洗和分类，结合静态数字模型即可生成服务区数字模型，服务区数字模型根据实时监测数据与静态数据模型的匹配状态进行短时预测服务区情况。
通过对大数据的分析和挖掘，全面掌握服务区车流人流的动态变化情况、餐饮经营情况、车辆停靠、加油、新能源补给运营情况等。另外，引入云计算、大数据技术，实现对服务区多源异构数据进行处理、融合、挖掘、存储等，构建基础数据库、业务数据库和主题数据库，为应用层提供标准的数据支持。
在本实施例中，短时预测为当前时间之后30-60分钟的运营状态，在获取到短时预测服务区情况之后，根据服务区情况选择优化策略，在本实施例中，优化策略为预先根据历史监测数据建立的静态模型建立的应对各种情况的策略，比如服务区A为中心服务区，服务区B、C、D为毗邻服务区，短时预测的服务区情况为服务区A超出阈值，而BCD并未超出阈值，则将预计A承受的服务流量，在BCD的阈值范围内合理分散至BCD内。
确定优化决策之后，引导信息为对于B、C、D，在其各自作为中心服务区的情况下，接收周围高速服务区关于该服务区的优化策略，根据优化策略开放区域内对应的资源，并将引导信息通过广播传输给位于区域关联路段上的出行者。
参照图2，可选的，在另一实施方式中，实时监测数据服务区数据以及车流数据，所述在线监测包括：
S11：通过物联网技术连通服务区各类经营业态数据的采集、处理和存储链路，根据所有服务区业态经营数据，获取各个服务区数据，并接入区域关联路段的门架数据，采集区域关联路段中车流数据。
具体的，在本实施例中，通过物联网技术连通服务区各类经营业态数据的采集、处理和存储链路为在服务区联网获取各类经营业态数据，即在各类经营业态对应的设备联网设置，获取对应的经营业态数据，比如在服务区的超市内设置可联网的自动计数器，统计超市人流动数据，并联网上传。
对于中心服务区，其可通过物联网技术建立的链路，获取其毗邻服务区的实时监测数据，实现各个服务区的数据连通以及业务流量均衡，从而合理分配服务区的资源，减少某一服务区拥堵，而毗邻服务区较多资源空闲的情况发生。接入区域相关路段的门架数据，也便于根据即将达到的车流量预测中心服务区以及毗邻服务区的短时预测的服务区情况，进而合理分配服务区的资源。
参照图3，可选的，在另一实施方式中，由服务区数字模型进行短时预测服务区情况包括：
S31：将静态数字模型以及服务区数字模型综合时间序列趋外推和仿真模拟，对服务区情况进行短时预测。
静态数字模型按照时间顺序显示分类后的历史监测数据，服务区数据模型则在静态数字模型的基础上增加实时监测数据汇集、清洗、分类后的数据，基于静态数字模型中与实时监测数据相似的历史监测数据形成的趋势，将服务区数字模型综合时间序列趋外推以及仿真模拟，可以得出对于该中心服务区的短时预测服务区情况，中心服务区通过联网获取毗邻服务区以相同方法建立的短时预测情况，提高短时预测服务区情况的准确性。
可选的，在另一实施方式中，服务区数字模型包括出入口车流预测模型、停车预测模型、新能源补给模型、商店客流预测模型、服务区拥挤消散模型、服务区联动管控模型、片区路段流量模型。
对历史监测数据进行汇集、清洗、分类，即可汇总出上述模型，上述模型为服务区常见的业务流量或者是占用资源较多的业务，服务区内还存在有其他业务，比如说公共厕所人流量模型等，本实施例采用出入口车流预测模型、停车预测模型、新能源补给模型、商店客流预测模型、服务区拥挤消散模型、服务区联动管控模型、片区路段流量模型进行预测，简化服务区的服务区数字模型的数据处理量，但又平衡服务区数字模型对于预测准确性的要求。
参照图4，可选的，在另一实施方式中，步骤S4包括：
S41：实时监测到某个服务区超负荷运营，监测该服务区毗邻服务区的运营情况；
S42：若毗邻服务区存在低负荷运营，则对超负荷运营以及低负荷运营的服务区均构建服务区数字模型；
S43：根据服务区数字模型选用优化决策，并根据优化决策构建模拟服务区数字模型，并评估模拟服务器数字模型；
S44：若模拟服务区数字模型评估合格，则根据优化决策生成引导信息。
具体的，在本实施方式中，在对服务区进行实时监测时，发现某一服务区超负荷运营，此时监测该服务区毗邻服务区的运营情况，如果毗邻服务区低负荷运行，该服务区以及毗邻服务区均建立服务区数字模型，且将毗邻服务区的服务区数字模型汇总至该服务区，减轻中心服务区处理数据的数据量，且便于中心服务区根据毗邻服务区的情况选择合理的优化决策。
优化决策包括需由中心服务区调出的业务流量以及根据毗邻服务区的各个业务的情况，将中心服务区调出的业务流量根据毗邻服务区对应业务的情况进行自动规划分配，根据自动规划分配的数据构建中心服务区以及毗邻服务区的模拟服务区数字模型，对各个模拟服务区数字模型进行评估，评估的逻辑为根据模拟服务区数字模型进行短期预测，模拟30-60分钟之后的前述服务区的业务情况，预先设置的各个服务区各个业务的最大负荷，将对应业务的模拟服务区数字模型短期预测与对应服务区的对应业务的最大负荷比较，若对应业务的模拟服务区数字模型短期预测小于最大负荷，则评估模拟服务区数字模型评估合格，对业务均衡后的服务区业务流量通过模拟服务区数字模型实现短期预测，即可合理分配业务流量，减少服务区拥堵或者服务区资源浪费的情况。
可选的，在另一实施方式中，根据优化决策生成引导信息包括：根据优化决策对区域关联路段的车辆进行诱导信息发布，对区域关联路段通过诱导屏、地图、广播的渠道发布，并在服务区内通过智慧大屏、广播、公众号推送各交通管理部门信息，实时显示服务区各业务使用状况。
具体的，在本实施方式中，在区域关联路段设置诱导屏、在地图上与区域关联路段显示引导信息、采用广播方式引导，便于出行者在行驶的过程中根据引导进入对应的服务区，前述的三种方式的实施成本较低，实施难度较低，且控制逻辑也较低，便于大量布设于人群密集度较低的区域，且也便于出行者及时接收信息，从而实现实时信息的发布。
在服务区内通过智慧大屏、广播、公众号推送各交通管理部门信息，通过多种渠道使出行者可以及时获取信息，进而便于按照引导信息调整获取资源的位置，减少服务区拥堵。
通过毗邻服务区管控优化决策后，对区域关联路段的车辆进行诱导信息发布，便于出行者提前选择最优的服务区。区域关联路段通过诱导屏、地图、广播的渠道发布，服务区内通过智慧大屏、广播、公众号推送各交通管理部门信息，实时显示服务区各设施使用状况，出行者可根据发布的引导信息情况自动选择毗邻的高速公路服务区进行服务。
参照图5，可选的，公路服务区智慧联网方法还包括：
S5：收集出行者预约服务信息，所述出行者预约服务信息为出行者出行前制定的预约通行路线；
S6：根据出行者预约服务信息合理分配路线上的资源。
具体的，出行者可在行驶至该高速公路前，将需要获取的业务设施信息上传，各服务区根据对应的检索字段获取与其关联的业务设施信息，从而对服务区内的资源进行合理分配，根据出行者行驶路线提供沿途服务区的预约服务，包括充电桩预约、停车位预约、餐饮预约等相关服务预约。通过预约服务信息，减少不必要的时间浪费，提高服务区的服务效率，减少服务区造成的交通拥堵。
对交通出行者来说，引导出行者选择相应的服务区进行服务，有效避免服务区产生客流分布不均，使出行者拥有更好的服务；同时，通过动态引导信息的发布，从而避免服务区客流的大量聚集而导致服务区拥堵，致使出行时间增加，可以有效减少交通出行者在服务区的等待时间，提高出行效率。
对服务区管理者来说，更好地管控片区服务区系统，合理分配服务车流。同时也可以有效地解决因为服务区规模减少，而引起运营不均衡的问题，使整个服务区系统以最优化的方式运营。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在本申请的一个实施例中，提供一种公路服务区智慧联网装置，该公路服务区智慧联网装置与上述实施例中的公路服务区智慧联网方法一一对应。该公路服务区智慧联网装置包：
实时监测模块，用于对服务区、区域关联路段进行在线监测，获取实时监测数据；
静态数字建模模块，用于根据历史监测数据由GIS系统以及BIM系统建立静态数字模型；
短时预测模块，用于由实时监测数据以及静态数据模型形成服务区数字模型，由服务区数字模型进行短时预测服务区情况；
优化决策模块，用于根据服务区情况选择优化决策，并根据优化决策生成引导信息。
进一步的，在另一实施方式中，实时监测数据包括服务区数据以及车流数据，实时监测模块还用于通过物联网技术连通服务区各类经营业态数据的采集、处理和存储链路，根据所有服务区业态经营数据，获取各个服务区数据，并接入区域关联路段的门架数据，采集区域关联路段中车流数据。
进一步的，在另一实施方式中，短时预测模块还用于将静态数字模型以及服务区数字模型综合时间序列趋外推和仿真模拟，对服务区情况进行短时预测。
进一步的，在另一实施方式中，服务区数字模型包括出入口车流预测模型、停车预测模型、新能源补给模型、商店客流预测模型、服务区拥挤消散模型、服务区联动管控模型、片区路段流量模型。
进一步的，在另一实施方式中，优化决策模块还用于实时监测到某个服务区超负荷运营，监测该服务区毗邻服务区的运营情况；若毗邻服务区存在低负荷运营，则对超负荷运营以及低负荷运营的服务区均构建服务区数字模型；根据服务区数字模型选用优化决策，并根据优化决策构建模拟服务区数字模型，并评估模拟服务器数字模型；若模拟服务区数字模型评估合格，则根据优化决策生成引导信息。
进一步的，在另一实施方式中，根据优化决策生成引导信息包括：根据优化决策对区域关联路段的车辆进行诱导信息发布，对区域关联路段通过诱导屏、地图、广播的渠道发布，并在服务区内通过智慧大屏、广播、公众号推送各交通管理部门信息，实时显示服务区各业务使用状况。
进一步的，在另一实施方式中，公路服务区智慧联网装置还包括预约分配模块。
预约分配模块用于收集出行者预约服务信息，所述出行者预约服务信息为出行者出行前制定的预约通行路线；根据出行者预约服务信息合理分配路线上的资源。
上述的公路服务区智慧联网装置各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在本申请实施例的一个实施例中，提供一种电子设备，该电子设备可以是服务器。该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，易失性或非易失性存储设备包括但不限于：磁盘，光盘，EEPROM(Electrically-Erasable Programmable Read Only Memory，电可擦除可编程只读存储器)，EPROM(Erasable Programmable Read Only Memory，可擦除可编程只读存储器)，SRAM(Static Random Access Memory，静态随时存取存储器)，ROM(Read-Only Memory，只读存储器)，磁存储器，快闪存储器，PROM(Programmable Read-Only Memory，可编程只读存储器)。该电子设备的存储器为存储于其内部的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时实现上述实施例所述的公路服务区智慧联网方法步骤。
在本申请的一个实施例中，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例所述的公路服务区智慧联网方法步骤。所述计算机可读存储介质包括ROM(Read-Only Memory，只读存储器)、RAM(Random-Access Memory，随机存取存储器)、CD-ROM(Compact Disc Read-OnlyMemory，只读光盘)、磁盘、软盘等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将本申请所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
Claims (10)
1.一种公路服务区智慧联网方法，其特征在于，所述方法包括：
对服务区、区域关联路段进行在线监测，获取实时监测数据；
根据历史监测数据由GIS系统以及BIM系统建立静态数字模型；
由实时监测数据以及静态数据模型形成服务区数字模型，由服务区数字模型进行短时预测服务区情况；
根据服务区情况选择优化决策，并根据优化决策生成引导信息。
2.根据权利要求1所述的公路服务区智慧联网方法，其特征在于，所述实时监测数据包括服务区数据以及车流数据，所述在线监测为：通过物联网技术连通服务区各类经营业态数据的采集、处理和存储链路，根据所有服务区业态经营数据，获取各个服务区数据，并接入区域关联路段的门架数据，采集区域关联路段中车流数据。
3.根据权利要求1所述的公路服务区智慧联网方法，其特征在于，由服务区数字模型进行短时预测服务区情况包括：
将静态数字模型以及服务区数字模型综合时间序列趋外推和仿真模拟，对服务区情况进行短时预测。
4.根据权利要求1-3任意一项所述的公路服务区智慧联网方法，其特征在于，服务区数字模型包括出入口车流预测模型、停车预测模型、新能源补给模型、商店客流预测模型、服务区拥挤消散模型、服务区联动管控模型、片区路段流量模型。
5.根据权利要求1所述的公路服务区智慧联网方法，其特征在于，所述根据服务区情况选择优化决策，并根据优化决策生成引导信息包括：
实时监测到某个服务区超负荷运营，监测该服务区毗邻服务区的运营情况；
若毗邻服务区存在低负荷运营，则对超负荷运营以及低负荷运营的服务区均构建服务区数字模型；
根据服务区数字模型选用优化决策，并根据优化决策构建模拟服务区数字模型，并评估模拟服务器数字模型；
若模拟服务区数字模型评估合格，则根据优化决策生成引导信息。
6.根据权利要求1所述的公路服务区智慧联网方法，其特征在于，所述根据优化决策生成引导信息包括：根据优化决策对区域关联路段的车辆进行诱导信息发布，对区域关联路段通过诱导屏、地图、广播的渠道发布，并在服务区内通过智慧大屏、广播、公众号推送各交通管理部门信息，实时显示服务区各业务使用状况。
7.根据权利要求1所述的公路服务区智慧联网方法，其特征在于，收集出行者预约服务信息，所述出行者预约服务信息为出行者出行前制定的预约通行路线；
根据出行者预约服务信息合理分配路线上的资源。
8.一种公路服务区智慧联网装置，其特征在于，所述装置包括：
实时监测模块，用于对服务区、区域关联路段进行在线监测，获取实时监测数据；
静态数字建模模块，用于根据历史监测数据由GIS系统以及BIM系统建立静态数字模型；
短时预测模块，用于由实时监测数据以及静态数据模型形成服务区数字模型，由服务区数字模型进行短时预测服务区情况；
优化决策模块，用于根据服务区情况选择优化决策，并根据优化决策生成引导信息。
9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-7任意一项所述的公路服务区智慧联网方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任意一项所述的公路服务区智慧联网方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111401677.2A CN114418161A (zh) | 2021-11-24 | 2021-11-24 | 公路服务区智慧联网方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111401677.2A CN114418161A (zh) | 2021-11-24 | 2021-11-24 | 公路服务区智慧联网方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114418161A true CN114418161A (zh) | 2022-04-29 |
Family
ID=81265396
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111401677.2A Pending CN114418161A (zh) | 2021-11-24 | 2021-11-24 | 公路服务区智慧联网方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114418161A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116485196A (zh) * | 2023-04-11 | 2023-07-25 | 特斯联科技集团有限公司 | 基于强化学习的服务区开放控制决策方法和系统 |
| CN117236903A (zh) * | 2023-11-09 | 2023-12-15 | 浙江浙商互联信息科技有限公司 | 一种高速服务区智慧管理方法和系统 |
| CN117236903B (zh) * | 2023-11-09 | 2024-05-10 | 浙江浙商互联信息科技有限公司 | 一种高速服务区智慧管理方法和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106056935A (zh) * | 2016-06-01 | 2016-10-26 | 东莞职业技术学院 | 智能交通诱导系统及方法 |
| CN107194861A (zh) * | 2017-07-02 | 2017-09-22 | 四川藏区高速公路有限责任公司 | 一种基于3dgis+bim的路网运营综合监控管理平台及方法 |
| CN109345208A (zh) * | 2018-10-31 | 2019-02-15 | 广西路桥工程集团有限公司 | 一种基于bim的智慧路网系统 |
| CN109544428A (zh) * | 2018-11-28 | 2019-03-29 | 南京莱斯信息技术股份有限公司 | 一种面向城市治理的智慧城市平台 |
| CN109637125A (zh) * | 2018-11-30 | 2019-04-16 | 创发科技有限责任公司 | 智能路况监测系统、装置、方法和计算机可读存储介质 |
| CN109978741A (zh) * | 2017-12-27 | 2019-07-05 | 上海宝康电子控制工程有限公司 | 基于云平台的智慧交通信息服务应用系统及方法 |
| CN112766752A (zh) * | 2021-01-25 | 2021-05-07 | 云南交投集团经营开发有限公司 | 一种高速公路服务区智慧化管理服务平台 |
| CN113628088A (zh) * | 2020-05-07 | 2021-11-09 | 上海鹭航科技有限公司 | 一种路侧交通可视化三维运控系统 |
| CN113658428A (zh) * | 2021-08-09 | 2021-11-16 | 南京美慧软件有限公司 | 一种高速公路智慧化主动管控平台 |
-
2021
- 2021-11-24 CN CN202111401677.2A patent/CN114418161A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106056935A (zh) * | 2016-06-01 | 2016-10-26 | 东莞职业技术学院 | 智能交通诱导系统及方法 |
| CN107194861A (zh) * | 2017-07-02 | 2017-09-22 | 四川藏区高速公路有限责任公司 | 一种基于3dgis+bim的路网运营综合监控管理平台及方法 |
| CN109978741A (zh) * | 2017-12-27 | 2019-07-05 | 上海宝康电子控制工程有限公司 | 基于云平台的智慧交通信息服务应用系统及方法 |
| CN109345208A (zh) * | 2018-10-31 | 2019-02-15 | 广西路桥工程集团有限公司 | 一种基于bim的智慧路网系统 |
| CN109544428A (zh) * | 2018-11-28 | 2019-03-29 | 南京莱斯信息技术股份有限公司 | 一种面向城市治理的智慧城市平台 |
| CN109637125A (zh) * | 2018-11-30 | 2019-04-16 | 创发科技有限责任公司 | 智能路况监测系统、装置、方法和计算机可读存储介质 |
| CN113628088A (zh) * | 2020-05-07 | 2021-11-09 | 上海鹭航科技有限公司 | 一种路侧交通可视化三维运控系统 |
| CN112766752A (zh) * | 2021-01-25 | 2021-05-07 | 云南交投集团经营开发有限公司 | 一种高速公路服务区智慧化管理服务平台 |
| CN113658428A (zh) * | 2021-08-09 | 2021-11-16 | 南京美慧软件有限公司 | 一种高速公路智慧化主动管控平台 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116485196A (zh) * | 2023-04-11 | 2023-07-25 | 特斯联科技集团有限公司 | 基于强化学习的服务区开放控制决策方法和系统 |
| CN116485196B (zh) * | 2023-04-11 | 2023-11-14 | 特斯联科技集团有限公司 | 基于强化学习的服务区开放控制决策方法和系统 |
| CN117236903A (zh) * | 2023-11-09 | 2023-12-15 | 浙江浙商互联信息科技有限公司 | 一种高速服务区智慧管理方法和系统 |
| CN117236903B (zh) * | 2023-11-09 | 2024-05-10 | 浙江浙商互联信息科技有限公司 | 一种高速服务区智慧管理方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Boyacı et al. | An integrated optimization-simulation framework for vehicle and personnel relocations of electric carsharing systems with reservations | |
| Ma et al. | Designing optimal autonomous vehicle sharing and reservation systems: A linear programming approach | |
| Martinez et al. | An agent‐based simulation model to assess the impacts of introducing a shared‐taxi system: an application to Lisbon (Portugal) | |
| CN113538898A (zh) | 一种基于多源数据的高速公路拥堵管控系统 | |
| CN106326992A (zh) | 一种基于电量匹配的app预约租车系统及方法 | |
| CN106530810A (zh) | 一种基于停车场信息的交通诱导系统 | |
| Yang et al. | Double-balanced relocation optimization of one-way car-sharing system with real-time requests | |
| Fiedler et al. | Impact of mobility-on-demand on traffic congestion: Simulation-based study | |
| CN105788270A (zh) | 基于物联网的交通数据预测方法及处理服务器 | |
| CN113723659B (zh) | 一种城市轨道交通全场景客流预测方法及系统 | |
| CN110210652A (zh) | 一种轨道交通站点客流控制方法及装置 | |
| CN112749842B (zh) | 一种押运路径的规划方法及装置 | |
| Okeke | The impacts of shared autonomous vehicles on car parking space | |
| CN114418161A (zh) | 公路服务区智慧联网方法、装置、电子设备及存储介质 | |
| Chiariotti et al. | Bike sharing as a key smart city service: State of the art and future developments | |
| Calabrò et al. | Comparing the performance of demand responsive and schedule-based feeder services of mass rapid transit: an agent-based simulation approach | |
| Ghandeharioun et al. | Link travel time estimation for arterial networks based on sparse GPS data and considering progressive correlations | |
| CN114298493A (zh) | 一种公路运行监测系统、方法、终端及存储介质 | |
| Das et al. | On-Street Parking Demand Estimation in Urban CBD using FI and CF Model: A Case Study –Kolkata, India | |
| CN113468243A (zh) | 地铁客流分析与预测方法及分析与预测系统 | |
| KR102359902B1 (ko) | 빅데이터 및 인공지능 기반 교차로 서비스수준 예측방법, 그리고 이를 포함하는 저장매체 | |
| Casas et al. | Decision Support Systems (DSS) for traffic management assessment: Notes on current methodology and future requirements for the implementation of a DSS | |
| Bilali et al. | An analytical model to evaluate traffic impacts of on-demand ride pooling | |
| Tian et al. | Designing and planning sustainable customized bus service for departing attendees of planned special events: A two-phase methodology integrating data-driven and demand-responsive | |
| CN110020799A (zh) | 一种基于时空基准的城管网格资源配置 |
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: 20220429 |