CN114446064A - 一种分析高速公路服务区流量的方法、装置、存储介质及终端 - Google Patents
一种分析高速公路服务区流量的方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN114446064A CN114446064A CN202111679238.8A CN202111679238A CN114446064A CN 114446064 A CN114446064 A CN 114446064A CN 202111679238 A CN202111679238 A CN 202111679238A CN 114446064 A CN114446064 A CN 114446064A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- passing time
- time
- service area
- passing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明公开了一种分析高速公路服务区流量的方法、装置、存储介质及终端,方法包括:确定包括服务区的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识;根据待判定时段与上下游收费基础设施标识生成车辆通行时间集合;根据车辆通行时间集合计算第一通行时间和第二通行时间;当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的通行时间确定为待分析通行时间;获取每个待分析车辆的横向比较指数和纵向比较指数,计算每个待分析车辆进入服务区的目标概率值,根据目标概率值统计进入服务区的车辆标识。本申请能扩大车辆进出服务区判定的视野域,有利于提升判定服务区流量的准确性。
Description
技术领域
本发明涉及智能交通技术领域,特别涉及一种分析高速公路服务区流量的方法、装置、存储介质及终端。
背景技术
服务区作为高速公路的配套服务设施,其有效运营可以更好地实现高速公路的社会服务价值,增加高速公路的经济效益。近年来,随着高速客货流量的快速增长,特别在节假日期间,大量的车流涌入服务区,给服务区的各项工作带来巨大的压力。因此,及时掌握各个服务区的流量,有助于提升服务区的有效运营与合理规划,创造更大的经济和社会效益。但是,进入服务区的流量受季节性影响,呈现周期性波动和不稳定发展趋势,这些都增加了对服务区流量分析的难度。
在现有方案中,要实现对服务区流量的实时监测,最直接的方式是在服务区的出入口布设流量传感器,但这需要较大的新增安装和维护成本;另一种间接方式是通过已有传感器采集的数据来分析服务区的流量,如移动位置传感器和路测定点流量传感器等。车辆的定位装置可以实时记录车辆的移动位置数据并传输到云端分析,移动位置数据的采样频率较高,可以精准地分析车辆在服务区是否停留以及停留的时长;但目前移动位置数据只能覆盖部分车辆,扩样后才能进行全流量的分析,这将会引入较大的误差。间接方式的另一种方案是基于路测的流量传感器,如2019年高速公路联网收费以来,车辆在途经高速公路上布设的收费门架时,会由收费设备产生一条车辆与门架关联的数据记录,称为联网收费数据。与移动位置数据的采样流量数据相比,联网收费数据可以近似认为是全流量数据,因此被视为高速公路业务场景分析的优质数据源,但在服务区流量分析任务中面临极大的挑战。
基于联网收费数据分析服务区流量的技术原理如图1所示,服务区s1的上下游分别有g1和g2两个门架,设某一车辆顺序经过g1和g2的耗时t1,2,若t1,2远大于其他车辆经过g1和g2的常规耗时则判定车辆进入服务区。这里存在两个问题,一是常规耗时的估计,二是远大于的判定方法。图2是车辆通过上游门架g1和下游门架g2的耗时分析,且g1和g2之间并无服务区的情况。其中,图2(A)和图2(C)分别是一天中客车和货车经过门架g1和g2的耗时,图2(B)和图2(D)则是选取了车流较大的18:00~19:00时段分析不同耗时的车辆数量分布。从图中可以看出,同一时段客车的通过量要多于货车;客车和货车通过的时长是有差异的,客车耗时要小于货车;同一时段同型车辆的行驶耗时近似满足正态分布,且货车正态分布的标准差比大于客车。由图2可以看出,即使不受服务区干扰,不同车辆通过g1、g2的耗时是有差异的,这种差异在当g1、g2距离较远,或者由于拥堵等情况导致g1和g2间耗时增加时会更加明显。同样因为不同车辆耗时的差异性,当g1和g2间的常规耗时增加时,是否进入服务区的车辆在耗时上的差异性就不易区分,即无法判定t1,2是否远大于因此,基于联网收费数据分析服务区流量,需要引入新的方法。
发明内容
本申请实施例提供了一种分析高速公路服务区流量的方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种分析高速公路服务区流量的方法,方法包括:
确定包括服务区的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识;
获取待判定时段和车辆收费记录集合,并根据待判定时段、车辆收费记录集合与上下游收费基础设施标识生成车辆通行时间集合;
根据车辆通行时间集合计算目标通行时间,并基于目标通行时间计算第一通行时间和第二通行时间;
当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间;
计算每个待分析通行时间对应的车辆进入服务区的目标概率值,并根据目标概率值统计进入服务区的车辆标识。
可选的,根据待判定时段、车辆收费记录集合与上下游收费基础设施标识生成车辆通行时间集合,包括:
根据待判定时段在所述车辆收费记录集合中提取经过服务区标识的车辆标识集合;其中,所述车辆收费记录集合是车辆经过所述下游收费基础设施时生成的;
计算车辆标识集合中每个车辆经过上下游收费基础设施之间的通行时间,生成车辆通行时间集合。
可选的,根据车辆通行时间集合计算目标通行时间,包括:
将车辆通行时间集合中各车辆通行时间进行降序排列,得到排序后的车辆通行时间集合;
将排序后的车辆通行时间集合中第预设分位值的车辆通行时间确定为目标通行时间;
其中,预设分位值优选95分位值。
可选的,基于目标通行时间计算第一通行时间和第二通行时间,包括:
将目标通行时间和预设服务区停留最短时长做和,得到第一通行时间;
将目标通行时间和预设耗时增加裕度做和,得到第三通行时间;其中,所述预设耗时增加裕度是不进入服务区的慢车较快车多出的通行时间,优选600秒;
提取上下游收费基础设施标识之间的路径长度;
计算路径长度与预设限速的速度的比值,并将比值与预设第一系数作积后得到第四通行时间;
在第三通行时间与第四通行时间中取较小值确定为第五通行时间;
将目标通行时间与预设第二系数作积后得到第六通行时间;
在第五通行时间与第六通行时间中取较大值确定为第二通行时间。
可选的,方法还包括:
当第一通行时间大于等于第二通行时间时,识别车辆通行时间集合中大于等于第一通行时间的车辆通行时间;
将大于等于第一通行时间的车辆通行时间对应的车辆确定为进入服务区的车辆;
或者,
当第一通行时间小于第二通行时间时,识别车辆通行时间集合中大于等于第二通行时间的车辆通行时间,并将大于等于第二通行时间的车辆通行时间对应的车辆确定为进入服务区的车辆。
可选的,计算每个待分析通行时间对应的车辆进入服务区的目标概率值,包括:
计算每个待分析通行时间的横向比较指数和延时时长;
根据延时时长计算延时指数;
确定每个待分析通行时间对应的车辆离开上一个服务区后行驶的近似距离和近似时长;
根据延时指数、近似距离和近似时长计算纵向比较指数;
将纵向比较指数与横向比较指数计算加权求和计算每个待分析通行时间对应的车辆进入服务区的目标概率值。
可选的,方法还包括:
当所述待分析通行时间对应的车辆的目标概率值大于预设概率值时,判定该车辆进入服务区。
可选的,方法还包括:当判定所述待分析通行时间对应的车辆进入服务区时,将每个待分析通行时间的延时时长确定为自身在服务区中停留的时长;
根据进入服务区的车辆标识、车辆对应的收费记录以及该车辆在服务区中停留的时长构建进入服务区的车辆参数的分布画像;其中,所述车辆参数的分布画像包括车辆的流量分布画像;
根据所述车辆的流量分布画像确定车辆进入服务区前的上游收费设施,计算进入服务区的来源于所述上游收费设施的车流量。
第二方面,本申请实施例提供了一种分析高速公路服务区流量的装置,装置包括:
上下游收费基础设施标识提取模块,用于确定包括服务区的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识;
车辆通行时间集合生成模块,用于获取待判定时段和车辆收费记录集合,并根据待判定时段、车辆收费记录集合与上下游收费基础设施标识生成车辆通行时间集合;
通行时间计算模块,用于根据车辆通行时间集合计算目标通行时间,并基于目标通行时间计算第一通行时间和第二通行时间;
服务区流量统计模块,用于当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间;
车辆标识统计模块,用于计算每个待分析通行时间对应的车辆进入服务区的目标概率值,并根据目标概率值统计进入服务区的车辆标识。
第三方面,本申请实施例提供一种计算机存储介质,计算机存储介质存储有多条指令,指令适于由处理器加载并执行上述的方法步骤。
第四方面,本申请实施例提供一种终端,可包括:处理器和存储器;其中,存储器存储有计算机程序,计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,分析高速公路服务区流量的装置首先确定待处理的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识,再根据待判定时段与上下游收费基础设施标识生成车辆通行时间集合,然后根据车辆通行时间集合计算目标通行时间,基于目标通行时间计算第一通行时间和第二通行时间,再当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间,最后计算每个待分析通行时间的车辆进入服务区的目标概率值,根据目标概率值统计进入服务区的车辆标识。由于本申请通过解算第一通行时间(即最短停留时间)和第二通行时间(即最长不停留时间),从概率的视角解析了车辆通行时间与是否进入服务区的相关关系,并在此过程中参考了其他车辆的信息以及本次出行的其他的行为数据,从而能扩大车辆进出服务区判定的视野域,提升了判定服务区流量的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种高速公路服务区流量分析的场景示意图;
图2是本申请实施例提供的一种无服务区上下游收费设施间车辆行驶耗时的分布情况示意图;
图3是本申请实施例提供的一种分析高速公路服务区流量的方法的流程示意图;
图4是本申请实施例提供的一种车辆全行程周期内行驶耗时与进服务区判定的关系示意图;
图5是本申请实施例提供的另一种分析高速公路服务区流量的方法的流程示意图;
图6A、图6B、图6C是申请实施例提供的一种进入和非进入服务区流量的拟合过程示意图;
图7是本申请实施例提供的一种车辆耗时与进服务区的概率关系示意图;
图8是本申请实施例提供的一种分析高速公路服务区流量的装置的结构示意图;
图9是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,所描述的实施例仅仅是本发明一部分实施例,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它实施例,都属于本发明保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“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。
本申请提供了一种分析高速公路服务区流量的方法、装置、存储介质及终端,以解决上述相关技术问题中存在的问题。本申请提供的技术方案中,由于本申请通过解算第一通行时间(即最短停留时间)和第二通行时间(即最长不停留时间),从概率的视角解析了车辆通行时间与是否进入服务区的相关关系,并在此过程中参考了其他车辆的信息以及本次出行的其他行为数据,从而能扩大车辆进出服务区判定的视野域,提升了判定服务区流量的准确性,下面采用示例性的实施例进行详细说明。
下面将结合附图3-附图7,对本申请实施例提供的分析高速公路服务区流量的方法进行详细介绍。该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的分析高速公路服务区流量的装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
请参见图3,为本申请实施例提供了一种分析高速公路服务区流量的方法的流程示意图。如图3所示,本申请实施例的方法可以包括以下步骤:
S101,确定包括服务区的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识;
其中,对于给定的一个高速基础设施集合Ω(G,S),其中G为收费采集设备的集合,包括收费门架和收费站;S为高速服务区的集合。高速收费拓扑单元为一个四元组含义为高速收费采集设备gi和gj之间存在一条长度为di,j的可达路径,该条路径上未布设其他收费采集设备,s为gi和gj之间路径上设置的服务区唯一标识,若gi和gj之间路径上未设置服务区,则
设C为高速公路上出现的车辆集合,对于给定的一辆车cl∈C,当其经过门架gi∈G时,会在收费设备上产生一条数据记录并上传到云端。其中,cl唯一标识一辆车,gi唯一标识一个收费采集设备,为车辆cl经过设备gi的时刻。设Ψ为高速收费拓扑单元的集合,Φ为收费数据记录的集合。
对于给定的任意一个服务区sk∈S,首先从高速收费拓扑单元集合Ψ中提取一个满足得到sk的上下游收费设施gi和gj,以及收费设施之间的路径距离di,j;对于给定的一个评估时段T=[tb,te],从收费记录集合Φ中提取行驶经过sk的车辆集合说明cl先后行驶经过了收费设施gi和gj,则cl一定行驶经过了sk,判定cl是否其进入sk则是本发明需要解决的问题。
由以上分析可知,客车和货车的分析时长等指标存在差异,在计算过程中需要区分车型进行处理,但其计算的方法却是相同的,因此本发明仅以客车为例进行方法说明。
在一种可能的实现方式中,首先确定包括服务区的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识。
S102,获取待判定时段和车辆收费记录集合,并根据待判定时段、车辆收费记录集合与上下游收费基础设施标识生成车辆通行时间集合;
在一种可能的实现方式中,获取待判定时段通过所述上下游收费基础设施的车辆收费记录集合,生成待判定时段车辆通行时间集合
在一种可能的实现方式中,在生成车辆通行时间集合时,首先获取待判定时段和车辆收费记录集合,然后根据待判定时段在预设收费记录集合中提取经过服务区的车辆标识集合,最后计算车辆标识集合中每个车辆标识经过上下游收费基础设施标识之间的通行时间,生成车辆通行时间集合。
S103,根据车辆通行时间集合计算目标通行时间,并基于目标通行时间计算第一通行时间和第二通行时间;
在本申请实施例中,在计算目标通行时间时,首先将车辆通行时间集合中各车辆通行时间进行降序排列,得到排序后的车辆通行时间集合,然后将排序后的车辆通行时间集合中第预设分位值的车辆通行时间确定为目标通行时间;其中,预设分位值优选95分位值。
进一步地,在基于目标通行时间计算第一通行时间和第二通行时间时,首先将目标通行时间和预设服务区停留最短时长做和,得到第一通行时间,再将目标通行时间和预设耗时增加裕度做和,得到第三通行时间,然后提取上下游收费基础设施标识之间的路径长度,再计算路径长度与预设限速的速度的比值,并将比值与预设第一系数作积后得到第四通行时间,其次在第三通行时间与第四通行时间中取较小值确定为第五通行时间,再将目标通行时间与预设第二系数作积后得到第六通行时间,最后在第五通行时间与第六通行时间中取较大值确定为第二通行时间。;其中,所述预设耗时增加裕度是不进入服务区的慢车较快车多出的通行时间,优选600秒;第一系数为3.6。
在一种可能的实现方式中,第一通行时间其中ρ1为车辆在服务区停留的最短时长,本发明一般设置ρ1=300秒,为目标通行时间,。第二通行时间当值较小时,意味着gi和gj间距离较短且路况比较畅通,此时用高速最低限速v1lmt约束较为合理,这里一般设v1lmt=60km/h;当较大时,一般对应gi和gj间距离较大或路况拥堵的情况,此时不进入服务区车辆的耗时的波动范围较大,因此用来约束较为合理;介于之间的情况,用来约束较为合理,ρ2指不进入服务区的慢车较快车的耗时增加裕度,本发明一般设ρ2=600秒。
S104,当第一通行时间小于第二通行时间时,将车辆通行时间集合中通行时间大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间;
S105,计算每个待分析通行时间对应的车辆进入服务区的目标概率值,并根据目标概率值统计进入服务区的车辆标识。
在进一步判断时,首先计算每个待分析通行时间的横向比较指数和延时时长,然后根据延时时长计算延时指数,再确定每个待分析通行时间对应的车辆离开上一个服务区后行驶的近似距离和近似时长,其次根据延时指数、近似距离和近似时长计算纵向比较指数,最后根据纵向比较指数与横向比较指数计算每个待分析通行时间对应的车辆进入服务区的目标概率值。
进一步地,当概率值大于等于预设概率阈值时,可确定该车辆进入服务区。
进一步地,发明人意识到当车辆经过gi和gj的耗时在和区间时,其是否进入服务区的概率主要由横向比较和纵向比较两个方面来决定,因此,在的情况下,在车辆通行时间集合中确定出经过gi和gj的通行时间在和区间的车辆所用的通行时间作为待分析通行时间,然后通过横向比较和纵向比较两个方面来判断。
横向比较是指,将车辆耗时与同时段经过gi和gj的其他车辆的耗时进行比较,相对耗时越长,则车辆进入服务区的概率越大;
纵向比较是指,将车辆在本服务区对应的上下游收费设施间的耗时与车辆本次行程在其他收费设施间的耗时相比,耗时越长,且与上一次耗时较长的时间和空间间隔越大,则该车辆进入服务区的概率越大。
在一个具体的实施方式中,获取并计算每个车辆的横向比较指数和纵向比较指数,对横向比较指数和纵向比较指数进行加权求和,得到该车辆进入服务区的目标概率,该概率越大,则该车辆进入服务区的概率越大。需要说明的是,横向比较指数及横向比较指数,纵向比较指数即纵向比较对应的指数。当该目标概率大于预设概率时,判定该车辆进入服务区。
其中,为延时指数,ρ5和ρ6分别是距上一个服务区(或入口收费站)的距离和时长的期望值,在一个具体的实施方式中,这里可以设ρ5=200千米,ρ6=120分钟;是指车辆离开上一个服务区后行驶的近似距离,是指车辆离开上一个服务区后行驶的近似时长。
进一步地,获取纵向比较指数所需的参数,具体获取及计算各参数的方式如下:
ρ3这里指代一个进入服务区的期望时长,本发明设置ρ3=1200秒,亦可以基于每个服务区的不同情况设置经验值或统计值。这里需要注意的是,当因为拥堵等情况导致车辆通过gi和gj的时长普遍较长时,可能会导致值波动的范围变大,此情况下需要对进行一定的修正,这里设置参数ρ4,本发明设ρ4=3600秒。
本发明认为,车辆在gi和gj间是否进入服务区的概率,不仅与车辆在gi和gj间的延时指数有关,还跟其上一次进服务区(如之前未进入过服务区,则是跟入口收费站)的时间和空间间隔有关。如图4中虚线所示,设系统判定车辆最近一次在和间进入服务区,则基于与的距离,以及cl经过与的时刻和我们可以得到车辆离开上一个服务区后行驶的近似距离(单位千米)和近似时长(单位分钟)。
其中,ρ5和ρ6分别是距上一个服务区(或入口收费站)的距离和时长的期望值,这里设ρ5=200千米,ρ6=120分钟。
其中ω1和ω6分别是横向比较指数和纵向比较指数的系数值,有ω1+ω6=1。
在另一种可能的实现方式中,当第一通行时间大于等于第二通行时间时,识别车辆通行时间集合中大于等于第一通行时间的车辆通行时间;将大于等于第一通行时间的车辆通行时间对应的车辆确定为进入服务区的车辆;例如di,j值很小且路况畅通,即使用最慢的车速跑完gi和gj间路程所多费的时间也无法抵消在服务区耗费的时间ρ1,此时进而可判定的车辆进入服务区。
或者,当第一通行时间小于第二通行时间时,识别车辆通行时间集合中大于等于第二通行时间的车辆通行时间,并将大于等于第二通行时间的车辆通行时间对应的车辆确定为进入服务区的车辆,例如对,通行时间的车辆为进入服务区的车辆。
进一步地,在确定出进入服务区的车辆后,将每个待分析通行时间的延时时长确定为自身在服务区中停留的时长,并根据进入服务区的车辆标识、车辆对应的收费记录以及自身在服务区中停留的时长构建车辆参数的分布画像。其中,所述车辆参数的分布画像包括车辆的车型分布画像、车辆的流量分布画像和车辆的停留时长分布画像,根据所述车辆的流量分布画像确定车辆进入服务区前的上游收费设施,计算进入服务区的来源于所述上游收费设施的车流量。
进一步地,可以对进入sk的车辆进行流量溯源。基于前面的分析,已知sk可能存在多个上下游收费设施对从而将流量归于不同的收费设施对(gi,gj)∈Ψ(sk),达到对流量进行溯源的目的。特别的,从车辆全生命周期的角度,对进入sk的流量溯源可以从时序上延伸到车辆进入收费站始。
需要说明的是,上述分析将有助于服务区对客流进行画像,提前统筹服务资源,并提供个性化的服务,提升服务区的运营效率和对流量的吸引力,为进一步对服务区流量进行调配和优化做好准备。
在本申请实施例中,分析高速公路服务区流量的装置首先确定包括服务区的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识,再根据待判定时段与上下游收费基础设施标识生成车辆通行时间集合,然后根据车辆通行时间集合计算目标通行时间,基于目标通行时间计算第一通行时间和第二通行时间,再当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间,最后计算每个待分析通行时间的车辆进入服务区的目标概率值,根据目标概率值统计进入服务区的车辆标识。由于本申请通过解算第一通行时间(即最短停留时间)和第二通行时间(即最长不停留时间),从概率的视角解析了车辆通行时间与是否进入服务区的相关关系,并在此过程中参考了其他车辆的信息以及本次出行的其他行为数据,从而能扩大车辆进出服务区判定的视野域,提升了判定服务区流量的准确性。
请参见图5,为本申请实施例提供了另一种分析高速公路服务区流量的方法的流程示意图。如图5所示,本申请实施例的方法可以包括以下步骤:
S201,确定包括服务区的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识;
S202,获取待判定时段和车辆收费记录集合,并根据待判定时段、、车辆收费记录集合与上下游收费基础设施标识生成车辆通行时间集合;
S203,根据车辆通行时间集合计算目标通行时间,并将目标通行时间和预设服务区停留最短时长做和,得到第一通行时间;
S204,将目标通行时间和预设耗时增加裕度做和,得到第三通行时间,并提取上下游收费基础设施标识之间的路径长度;
S205,计算路径长度与预设限速的速度的比值,并将比值与预设第一系数作积后得到第四通行时间;
S206,在第三通行时间与第四通行时间中取较小值确定为第五通行时间,并将目标通行时间与预设第二系数作积后得到第六通行时间;
S207,在第五通行时间与第六通行时间中取较大值确定为第二通行时间;
S208,当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间;
S209,计算每个待分析通行时间对应的车辆进入服务区的目标概率值,并根据目标概率值统计进入服务区的车辆标识;
通常,图1可知,对于给定的车辆cl∈C和它行驶经过的服务区sk∈S而言,从Φ中仅能够知道车辆通过sk上下游收费设施gi和gj的时刻,和对车辆在gi和gj之间的行驶细节一无所知,因此很难基于车辆cl自身的数据判定其是否进入sk。因此,本发明判定过程的视野从横向和纵向两个维度扩大:横向比较同样在评估时段T行驶经过sk的其他车辆,通过比较cl与其他车辆在gi和gj之间的行驶时长差异来对cl是否进入sk进行判定;因为车辆在一次行程中不会频繁进出服务区,纵向提取cl在此次行程生命周期内的其他行为数据,如驾驶速度偏好等,特别是距离上一次进出服务区的时间和空间间隔,也将有助于对cl是否进入sk进行判定。
由图2可知,不同车辆在相邻两个收费设置之间的行驶耗时是差异很大的,现有方法试图计算一个车辆的常规耗时,如通过设计时速反推常规耗时,或者对车辆的耗时进行聚类得出常规耗时,将车辆差异化的行驶过程硬性拟合成一个量化的值,这不仅与实际情况不符,也损失了大量的行驶语义信息,必将在本发明的业务场景中引入巨大的计算误差。基于图2的分析,观测相邻上下游收费设施gi和gj之间的车辆行驶耗时数据,不同车辆的行驶耗时近似满足正态分布,不进入服务区的车辆如此,进入服务区的车辆亦如此,本发明将车辆是否进入服务区的判定问题建模成一个概率问题。
设邻上下游收费设施gi和gj之间的车辆中,未进入服务区sk的车辆占比为α,进入服务区的车辆占比为β,有α+β=1且α>>β。设未进入服务区的车辆符合N(μα,σα)的正态分布,进入服务区的车辆符合N(μβ,σβ)的正态分布,一般有μβ>μα且σβ>σα。如图6A为预设的未进入服务区和进入服务区车辆不同耗时的概率分布曲线(设置μα=300,σα=80,μβ=800,σβ=150)。
考虑到未进入和进入服务区的车辆数是不平衡的,因此,我们以车辆占比为权重,对图6A的概率曲线进行加权(设置α=80%,β=20%),则得到加权后的概率曲线如图6B所示,进而将未进入和进入的车辆耗时概率曲线进行相加融合,得到如图6C所示的概率曲线,该曲线即为收费设施gi和gj之间所有车辆耗时的概率分布曲线。
对于评估时段T途经服务区sk的所有车辆集合而言,通过对所有车辆的耗时t统计,我们首先可以得到的是如图6C所示的所有车辆不同耗时的概率曲线(不妨设为f(t)),将图6C的曲线还原成图6B所示的2条曲线(不妨设为fα(t)~N(μα,σα)和fβ(t)~N(μβ,σβ))是多峰态正态分布的分解问题,理论上可以通过参数解析的方法得到,即可以通过最优化参数数组<μα,σα,μβ,σβ,α>来逼近曲线f(t)。若已知N(μα,σα)、N(μβ,σβ)和α,可以通过比较任意车辆耗时t的fα(t)和fβ(t)值来判定车辆进入服务区的概率。但是,上述参数解析方法对数据完整性要求较高,相对于未进入服务区的车辆,进入服务区车辆数量更少,且耗时数据分布的值域较大,这些都给参数解析方法的精度带来不利影响。此外,求解fα(t)和fβ(t)不是本发明问题的必要条件。因此,本发明提出另外一种方法,如图6C所示,本发明定义了两个时间系数和
由图6C可知,和将车辆的耗时分为左、中、右3个区间,左区间为确定未进服务区的耗时区间,耗时在该区间的车辆可以确定认为没有进服务区;右区间为确定进服务区的耗时区间,耗时在该区间的车辆可以确定认为进服务区;中区间为可能进服务区的耗时区间,耗时在该区间的车辆可能进服务区也可能未进服务区。
基于上述分析,如图7所示,基于车辆的耗时判定其是否进入服务区可以定义为一个概率问题,其核心目标为解算最短停留时间和最长不停留时间以及当车辆耗时在时,依概率判定车辆是否进入服务区,例如,当车辆使用的耗时越长,则其进入服务区的概率也大。
在本申请实施例中,分析高速公路服务区流量的装置首先确定待处理的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识,再根据待判定时段与上下游收费基础设施标识生成车辆通行时间集合,然后根据车辆通行时间集合计算目标通行时间,基于目标通行时间计算第一通行时间和第二通行时间,再当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间,最后计算每个待分析通行时间的车辆进入服务区的目标概率值,根据目标概率值统计进入服务区的车辆标识。由于本申请通过解算第一通行时间(即最短停留时间)和第二通行时间(即最长不停留时间),从概率的视角解析了车辆通行时间与是否进入服务区的相关关系,并在此过程中参考了其他车辆的信息以及本次出行的其他行为数据,从而能扩大车辆进出服务区判定的视野域,提升了判定服务区流量的准确性。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参见图8,其示出了本发明一个示例性实施例提供的分析高速公路服务区流量的装置的结构示意图。该分析高速公路服务区流量的装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括上下游收费基础设施标识提取模块10、车辆通行时间集合生成模块20、通行时间计算模块30、服务区流量统计模块40、车辆标识统计模块50。
上下游收费基础设施标识提取模块10,用于确定待处理的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识;
车辆通行时间集合生成模块20,用于获取待判定时段和车辆收费记录集合,并根据待判定时段、车辆收费记录集合与上下游收费基础设施标识生成车辆通行时间集合;
通行时间计算模块30,用于根据车辆通行时间集合计算目标通行时间,并基于目标通行时间计算第一通行时间和第二通行时间;
服务区流量统计模块40,用于当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间;
车辆标识统计模块50,用于计算每个待分析通行时间对应的车辆进入服务区的目标概率值,并根据目标概率值统计进入服务区的车辆标识。
需要说明的是,上述实施例提供的分析高速公路服务区流量的装置在执行分析高速公路服务区流量的方法时,仅以上述各功能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模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的分析高速公路服务区流量的装置与分析高速公路服务区流量的方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请实施例中,分析高速公路服务区流量的装置首先确定待处理的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识,再根据待判定时段与上下游收费基础设施标识生成车辆通行时间集合,然后根据车辆通行时间集合计算目标通行时间,基于目标通行时间计算第一通行时间和第二通行时间,再当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间,最后计算每个待分析通行时间的车辆进入服务区的目标概率值,根据目标概率值统计进入服务区的车辆标识。由于本申请通过解算第一通行时间(即最短停留时间)和第二通行时间(即最长不停留时间),从概率的视角解析了车辆通行时间与是否进入服务区的相关关系,并在此过程中参考了其他车辆的信息以及本次出行的其他行为数据,从而能扩大车辆进出服务区判定的视野域,提升了判定服务区流量的准确性。
本发明还提供一种计算机可读介质,其上存储有程序指令,该程序指令被处理器执行时实现上述各个方法实施例提供的分析高速公路服务区流量的方法。本发明还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例的分析高速公路服务区流量的方法。
请参见图9,为本申请实施例提供了一种终端的结构示意图。如图9所示,终端1000可以包括:至少一个处理器1001,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。
其中,通信总线1002用于实现这些组件之间的连接通信。
其中,用户接口1003可以包括显示屏(Display)、摄像头(Camera),可选用户接口1003还可以包括标准的有线接口、无线接口。
其中,网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种接口和线路连接整个电子设备1000内的各个部分,通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集,以及调用存储在存储器1005内的数据,执行电子设备1000的各种功能和处理数据。可选的,处理器1001可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1001中,单独通过一块芯片进行实现。
其中,存储器1005可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图9所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及分析高速公路服务区流量的应用程序。
在图9所示的终端1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输入的数据;而处理器1001可以用于调用存储器1005中存储的分析高速公路服务区流量的应用程序,并具体执行以下操作:
确定包括服务区的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识;
获取待判定时段和车辆收费记录集合,并根据待判定时段、车辆收费记录集合与上下游收费基础设施标识生成车辆通行时间集合;
根据车辆通行时间集合计算目标通行时间,并基于目标通行时间计算第一通行时间和第二通行时间;
当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间;
计算每个待分析通行时间对应的车辆进入服务区的目标概率值,并根据目标概率值统计进入服务区的车辆标识。
在一个实施例中,处理器1001在执行根据待判定时段与上下游收费基础设施标识生成车辆通行时间集合时,具体执行以下操作:
提取上下游收费基础设施标识之间的服务区标识;
根据待判定时段在预设收费记录集合中提取经过服务区标识的车辆标识集合;
计算车辆标识集合中每个车辆标识经过上下游收费基础设施标识之间的通行时间,生成车辆通行时间集合。
在一个实施例中,处理器1001在执行根据车辆通行时间集合计算目标通行时间时,具体执行以下操作:
将车辆通行时间集合中各车辆通行时间进行降序排列,得到排序后的车辆通行时间集合;
将排序后的车辆通行时间集合中第预设分位值的车辆通行时间确定为目标通行时间;
其中,预设分位值优选95分位值。
在一个实施例中,处理器1001在执行基于目标通行时间计算第一通行时间和第二通行时间时,具体执行以下操作:
将目标通行时间和预设服务区停留最短时长做和,得到第一通行时间;
将目标通行时间和预设耗时增加裕度做和,得到第三通行时间;
提取上下游收费基础设施标识之间的路径长度;
计算路径长度与预设限速的速度的比值,并将比值与预设第一系数作积后得到第四通行时间;
在第三通行时间与第四通行时间中取较小值确定为第五通行时间;
将目标通行时间与预设第二系数作积后得到第六通行时间;
在第五通行时间与第六通行时间中取较大值确定为第二通行时间。
在一个实施例中,处理器1001还执行以下操作:
当第一通行时间大于等于第二通行时间时,识别车辆通行时间集合中大于等于第一通行时间的车辆通行时间;
将大于等于第一通行时间的车辆通行时间对应的车辆确定为进入服务区的车辆;
或者,
当第一通行时间小于第二通行时间时,识别车辆通行时间集合中大于等于第二通行时间的车辆通行时间,并将大于等于第二通行时间的车辆通行时间对应的车辆确定为进入服务区的车辆。
在一个实施例中,处理器1001在执行计算每个待分析通行时间对应的车辆进入服务区的目标概率值时,具体执行以下操作:
计算每个待分析通行时间的横向比较指数和延时时长;
根据延时时长计算延时指数;
确定每个待分析通行时间对应的车辆离开上一个服务区后行驶的近似距离和近似时长;
根据延时指数、近似距离和近似时长计算纵向比较指数;
根据纵向比较指数与横向比较指数计算每个待分析通行时间对应的车辆进入服务区的目标概率值。
在一个实施例中,处理器1001还执行以下操作:
将每个待分析通行时间的延时时长确定为自身在服务区中停留的时长;
根据进入服务区的车辆标识以及自身在服务区中停留的时长构建车辆参数的分布画像。
在本申请实施例中,分析高速公路服务区流量的装置首先确定待处理的高速收费拓扑单元,并提取高速收费拓扑单元的上下游收费基础设施标识,再根据待判定时段与上下游收费基础设施标识生成车辆通行时间集合,然后根据车辆通行时间集合计算目标通行时间,基于目标通行时间计算第一通行时间和第二通行时间,再当第一通行时间小于第二通行时间时,将车辆通行时间集合中大于等于第一通行时间且小于第二通行时间的车辆通行时间确定为待分析通行时间,最后计算每个待分析通行时间的车辆进入服务区的目标概率值,根据目标概率值统计进入服务区的车辆标识。由于本申请通过解算第一通行时间(即最短停留时间)和第二通行时间(即最长不停留时间),从概率的视角解析了车辆通行时间与是否进入服务区的相关关系,并在此过程中参考了其他车辆的信息以及本次出行的其他行为数据,从而能扩大车辆进出服务区判定的视野域,提升了判定服务区流量的准确性。
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指令相关的硬件来完成,分析高速公路服务区流量的的程序可存储于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,的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (11)
1.一种分析高速公路服务区流量的方法,其特征在于,所述方法包括:
确定包括服务区的高速收费拓扑单元,并提取所述高速收费拓扑单元的上下游收费基础设施标识;
获取待判定时段和车辆收费记录集合,根据待判定时段、车辆收费记录集合与所述上下游收费基础设施标识生成车辆通行时间集合;
根据所述车辆通行时间集合计算目标通行时间,并基于所述目标通行时间计算第一通行时间和第二通行时间;
当所述第一通行时间小于所述第二通行时间时,将所述车辆通行时间集合中大于等于所述第一通行时间且小于所述第二通行时间的车辆通行时间确定为待分析通行时间;
计算每个所述待分析通行时间对应的车辆进入服务区的目标概率值,并根据所述目标概率值统计进入服务区的车辆标识。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待判定时段车辆收费记录集合与所述上下游收费基础设施标识生成车辆通行时间集合,包括:
根据所述待判定时段在所述车辆收费记录集合中提取经过所述服务区的车辆标识集合;其中,所述车辆收费记录集合是车辆经过所述下游收费基础设施时生成的;
计算所述车辆标识集合中每个车辆经过所述上下游收费基础设施之间的通行时间,生成车辆通行时间集合。
3.根据权利要求1所述的方法,其特征在于,所述根据所述车辆通行时间集合计算目标通行时间,包括:
将所述车辆通行时间集合中各车辆通行时间进行降序排列,得到排序后的车辆通行时间集合;
将排序后的车辆通行时间集合中第预设分位值的车辆通行时间确定为目标通行时间;
其中,所述预设分位值优选95分位值。
4.根据权利要求1所述的方法,其特征在于,所述基于所述目标通行时间计算第一通行时间和第二通行时间,包括:
将所述目标通行时间和预设服务区停留最短时长做和,得到第一通行时间;
将所述目标通行时间和预设耗时增加裕度做和,得到第三通行时间;其中,所述预设耗时增加裕度是不进入服务区的慢车较快车多出的通行时间,优选600秒;
提取所述上下游收费基础设施标识之间的路径长度;
计算所述路径长度与所述预设限速的速度的比值,并将所述比值与预设第一系数作积后得到第四通行时间;
在所述第三通行时间与所述第四通行时间中取较小值确定为第五通行时间;
将所述目标通行时间与预设第二系数作积后得到第六通行时间;
在所述第五通行时间与所述第六通行时间中取较大值确定为第二通行时间。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当所述第一通行时间大于等于所述第二通行时间时,识别所述车辆通行时间集合中大于等于所述第一通行时间的车辆通行时间;
将大于等于所述第一通行时间的车辆通行时间对应的车辆确定为进入服务区的车辆;
或者,
当所述第一通行时间小于所述第二通行时间时,识别所述车辆通行时间集合中大于等于所述第二通行时间的车辆通行时间,并将大于等于所述第二通行时间的车辆通行时间对应的车辆确定为进入服务区的车辆。
6.根据权利要求1所述的方法,其特征在于,所述计算每个所述待分析通行时间对应的车辆进入服务区的目标概率值,包括:
计算每个所述待分析通行时间对应的车辆的横向比较指数和延时时长;
根据所述延时时长计算延时指数;
确定每个所述车辆离开上一个服务区后行驶的近似距离和近似时长;
根据所述延时指数、所述近似距离和近似时长计算纵向比较指数;
将所述纵向比较指数与所述横向比较指数加权求和得到每个所述待分析通行时间对应的车辆进入服务区的目标概率值。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当所述待分析通行时间对应的车辆的目标概率值大于预设概率值时,判定该车辆进入服务区。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当判定所述待分析通行时间对应的车辆进入服务区时,将每个所述待分析通行时间的所述延时时长确定为其在服务区中停留的时长;
根据进入服务区的车辆标识、车辆对应的收费记录以及该车辆在服务区中停留的时长构建进入服务区的车辆参数的分布画像;其中,所述车辆参数的分布画像包括车辆的流量分布画像;
根据所述车辆的流量分布画像确定车辆进入服务区前的上游收费设施,计算进入服务区的来源于所述上游收费设施的车流量。
9.一种分析高速公路服务区流量的装置,其特征在于,所述装置包括:
上下游收费基础设施标识提取模块,用于确定包括服务区的待处理的高速收费拓扑单元,并提取所述高速收费拓扑单元的上下游收费基础设施标识;
车辆通行时间集合生成模块,获取待判定时段和车辆收费记录集合,并根据所述待判定时段、车辆收费记录集合与所述上下游收费基础设施标识生成待判定时段车辆通行时间集合;
通行时间计算模块,用于根据所述车辆通行时间集合计算目标通行时间,并基于所述目标通行时间计算第一通行时间和第二通行时间;
服务区流量统计模块,用于当所述第一通行时间小于所述第二通行时间时,将所述车辆通行时间集合中大于等于所述第一通行时间且小于所述第二通行时间的通信时间确定为待分析通行时间;
车辆标识统计模块,用于计算每个所述待分析通行时间对应的车辆进入服务区的目标概率值,并根据所述目标概率值统计进入服务区的车辆标识。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1-8任意一项的方法步骤。
11.一种终端,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1-8任意一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111679238.8A CN114446064B (zh) | 2021-12-31 | 2021-12-31 | 一种分析高速公路服务区流量的方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111679238.8A CN114446064B (zh) | 2021-12-31 | 2021-12-31 | 一种分析高速公路服务区流量的方法、装置、存储介质及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114446064A true CN114446064A (zh) | 2022-05-06 |
CN114446064B CN114446064B (zh) | 2023-04-28 |
Family
ID=81366086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111679238.8A Active CN114446064B (zh) | 2021-12-31 | 2021-12-31 | 一种分析高速公路服务区流量的方法、装置、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114446064B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082277A (zh) * | 2022-08-23 | 2022-09-20 | 交通运输部科学研究院 | 车辆管控区域行程识别方法、装置、电子设备及存储介质 |
CN115204755A (zh) * | 2022-09-15 | 2022-10-18 | 交通运输部科学研究院 | 服务区入区率测算方法、装置、电子设备及可读存储介质 |
CN115238024A (zh) * | 2022-09-26 | 2022-10-25 | 交通运输部科学研究院 | 高速公路设施定位方法、装置、电子设备及存储介质 |
CN115358551A (zh) * | 2022-08-08 | 2022-11-18 | 北京掌行通信息技术有限公司 | 一种高速公路引流分析方法、装置、存储介质及终端 |
CN115358551B (zh) * | 2022-08-08 | 2024-07-16 | 北京掌行通信息技术有限公司 | 一种高速公路引流分析方法、装置、存储介质及终端 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6401027B1 (en) * | 1999-03-19 | 2002-06-04 | Wenking Corp. | Remote road traffic data collection and intelligent vehicle highway system |
CN106227889A (zh) * | 2016-08-15 | 2016-12-14 | 华云科技有限公司 | 一种轨迹停留点分析提取方法 |
KR101714489B1 (ko) * | 2016-08-09 | 2017-03-09 | 한국정보기술 주식회사 | Cctv를 이용한 휴게소 우회 차량 관제 시스템 및 방법 |
CN107977747A (zh) * | 2017-10-27 | 2018-05-01 | 江苏中路工程技术研究院有限公司 | 一种集约化高速公路服务区停车场的布局方法 |
CN110264734A (zh) * | 2019-06-26 | 2019-09-20 | 北京梦陀螺科技有限公司 | 一种高速公路车辆稽查系统及其工作方法 |
CN210270993U (zh) * | 2019-09-19 | 2020-04-07 | 浙江省机电设计研究院有限公司 | 高速公路智慧服务区 |
CN111402595A (zh) * | 2020-03-31 | 2020-07-10 | 福建省厦门高速公路管理有限公司 | 一种用于高速服务区的智能管理方法和系统 |
CN112308383A (zh) * | 2020-10-13 | 2021-02-02 | 西安艾润物联网技术服务有限责任公司 | 一种基于物联网的车辆短途载客调度方法及装置 |
CN112581774A (zh) * | 2020-12-08 | 2021-03-30 | 重庆大学 | 一种基于etc数据的高速公路服务区驶入车流量估计方法 |
CN113362598A (zh) * | 2021-06-04 | 2021-09-07 | 重庆高速公路路网管理有限公司 | 一种高速公路服务区车流量预测方法 |
CN113380052A (zh) * | 2021-06-08 | 2021-09-10 | 重庆大学 | 基于etc数据的驶入服务区车流量预测方法及装置 |
CN113554422A (zh) * | 2021-06-08 | 2021-10-26 | 重庆大学 | 一种基于etc收费数据的车辆驶入服务区判别方法及装置 |
CN113724493A (zh) * | 2021-07-29 | 2021-11-30 | 北京掌行通信息技术有限公司 | 一种流量通道的分析方法、装置、存储介质及终端 |
-
2021
- 2021-12-31 CN CN202111679238.8A patent/CN114446064B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6401027B1 (en) * | 1999-03-19 | 2002-06-04 | Wenking Corp. | Remote road traffic data collection and intelligent vehicle highway system |
KR101714489B1 (ko) * | 2016-08-09 | 2017-03-09 | 한국정보기술 주식회사 | Cctv를 이용한 휴게소 우회 차량 관제 시스템 및 방법 |
CN106227889A (zh) * | 2016-08-15 | 2016-12-14 | 华云科技有限公司 | 一种轨迹停留点分析提取方法 |
CN107977747A (zh) * | 2017-10-27 | 2018-05-01 | 江苏中路工程技术研究院有限公司 | 一种集约化高速公路服务区停车场的布局方法 |
CN110264734A (zh) * | 2019-06-26 | 2019-09-20 | 北京梦陀螺科技有限公司 | 一种高速公路车辆稽查系统及其工作方法 |
CN210270993U (zh) * | 2019-09-19 | 2020-04-07 | 浙江省机电设计研究院有限公司 | 高速公路智慧服务区 |
CN111402595A (zh) * | 2020-03-31 | 2020-07-10 | 福建省厦门高速公路管理有限公司 | 一种用于高速服务区的智能管理方法和系统 |
CN112308383A (zh) * | 2020-10-13 | 2021-02-02 | 西安艾润物联网技术服务有限责任公司 | 一种基于物联网的车辆短途载客调度方法及装置 |
CN112581774A (zh) * | 2020-12-08 | 2021-03-30 | 重庆大学 | 一种基于etc数据的高速公路服务区驶入车流量估计方法 |
CN113362598A (zh) * | 2021-06-04 | 2021-09-07 | 重庆高速公路路网管理有限公司 | 一种高速公路服务区车流量预测方法 |
CN113380052A (zh) * | 2021-06-08 | 2021-09-10 | 重庆大学 | 基于etc数据的驶入服务区车流量预测方法及装置 |
CN113554422A (zh) * | 2021-06-08 | 2021-10-26 | 重庆大学 | 一种基于etc收费数据的车辆驶入服务区判别方法及装置 |
CN113724493A (zh) * | 2021-07-29 | 2021-11-30 | 北京掌行通信息技术有限公司 | 一种流量通道的分析方法、装置、存储介质及终端 |
Non-Patent Citations (1)
Title |
---|
崔洪军等: "基于车辆连续行驶时间高速公路服务区驶入率确定新方法", 《河北工业大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115358551A (zh) * | 2022-08-08 | 2022-11-18 | 北京掌行通信息技术有限公司 | 一种高速公路引流分析方法、装置、存储介质及终端 |
CN115358551B (zh) * | 2022-08-08 | 2024-07-16 | 北京掌行通信息技术有限公司 | 一种高速公路引流分析方法、装置、存储介质及终端 |
CN115082277A (zh) * | 2022-08-23 | 2022-09-20 | 交通运输部科学研究院 | 车辆管控区域行程识别方法、装置、电子设备及存储介质 |
CN115204755A (zh) * | 2022-09-15 | 2022-10-18 | 交通运输部科学研究院 | 服务区入区率测算方法、装置、电子设备及可读存储介质 |
CN115204755B (zh) * | 2022-09-15 | 2022-12-06 | 交通运输部科学研究院 | 服务区入区率测算方法、装置、电子设备及可读存储介质 |
CN115238024A (zh) * | 2022-09-26 | 2022-10-25 | 交通运输部科学研究院 | 高速公路设施定位方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114446064B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114446064A (zh) | 一种分析高速公路服务区流量的方法、装置、存储介质及终端 | |
CN112700072B (zh) | 交通状况预测方法、电子设备和存储介质 | |
CN109919347B (zh) | 路况生成方法、相关装置和设备 | |
CN110751828B (zh) | 一种路段拥堵测量方法、装置、计算机设备及存储介质 | |
CN107025788B (zh) | 一种旅行时间预测方法及装置 | |
CN106529711B (zh) | 用户行为预测方法及装置 | |
CN104424812B (zh) | 一种公交到站时间预测系统和方法 | |
CN103065469B (zh) | 行程时间的确定方法和装置 | |
CN103150900A (zh) | 一种基于视频的交通拥堵事件自动检测方法 | |
CN112434260B (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
CN109191861B (zh) | 一种基于视频检测器的高速公路逃费车辆异常行为检测系统及方法 | |
CN112863172A (zh) | 高速公路交通运行状态判定方法、预警方法、装置及终端 | |
CN111724184A (zh) | 一种转化概率预测方法及装置 | |
CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
CN112184931B (zh) | 基于高速公路路网的车辆计费路径优选系统及分析方法 | |
CN112837542B (zh) | 一种高速公路段交通量统计方法、装置、存储介质及终端 | |
CN106997662A (zh) | 一种城市公交车工况构建方法 | |
CN110021161B (zh) | 一种交通流向的预测方法及系统 | |
CN107644533B (zh) | 基于移动网络数据的高速公路虚拟断面车流量监测方法 | |
CN116206451A (zh) | 一种智慧交通车流数据分析方法 | |
Zheng et al. | Improved iterative prediction for multiple stop arrival time using a support vector machine | |
CN116543242B (zh) | 基于高速收费数据的车型检测方法、装置、设备及介质 | |
Rodrigues et al. | Hybrid context-aware multimodal routing | |
CN113643529B (zh) | 基于大数据分析的停车场车道拥堵预测方法及系统 | |
CN115550429A (zh) | 一种基于大数据的智能推荐系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |