CN114708733A - 智慧城市交通安全管理决策支持系统 - Google Patents
智慧城市交通安全管理决策支持系统 Download PDFInfo
- Publication number
- CN114708733A CN114708733A CN202210460483.8A CN202210460483A CN114708733A CN 114708733 A CN114708733 A CN 114708733A CN 202210460483 A CN202210460483 A CN 202210460483A CN 114708733 A CN114708733 A CN 114708733A
- Authority
- CN
- China
- Prior art keywords
- traffic
- library
- road
- safety
- management
- 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 claims abstract description 160
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 238000007726 management method Methods 0.000 claims description 87
- 238000004458 analytical method Methods 0.000 claims description 24
- 230000006698 induction Effects 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 15
- 230000033228 biological regulation Effects 0.000 claims description 7
- 238000013439 planning Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 238000003012 network analysis Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 230000000052 comparative effect Effects 0.000 claims description 3
- 238000005206 flow analysis Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims 1
- 206010039203 Road traffic accident Diseases 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 description 17
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000004451 qualitative analysis Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000005728 strengthening Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
- G08G1/0125—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
- G08G1/01—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
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Databases & Information Systems (AREA)
- Chemical & Material Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了智慧城市交通安全管理决策支持系统，包括人机接口系统和计算机系统；计算机系统采用多库协同系统分别与基于GIS‑T的数据库管理系统、交通模型库管理系统、城市交通安全控制方法库管理系统和交通工程师知识库管理系统连接，通过交通工程师知识库管理系统连接城市交通安全控制知识库，以城市交通安全控制知识库为主导，分别通过基于GIS‑T的数据库管理系统连接GIS‑T数据库，通过交通模型库管理系统连接交通流理论、动态交通分配理论模型库，通过城市交通安全控制方法库管理系统连接交通安全控制方法库，实现多库协同智能决策。本发明降低了交通事故发生率，增强了交通管控决策的时效性，提高了路网交通运输的效率。
Description
技术领域
本发明涉及交通管理技术领域，特别涉及智慧城市交通安全管理决策支持系统。
背景技术
道路交通事故是意外伤亡和重大财产损失的主要原因之一，我国道路交通安全形势严峻。据中国统计年鉴数据，2021年发生道路交通事故约24.76万起，致死6.28万人，致伤25.61万人，直接财产损失13.46亿元。
在现有技术中，降低交通事故发生率、提高城市道路安全性的主要措施包括：增强全民的交通安全法规意识、完善安全道路交通设施、加强道路维护与管理和实施智能交通系统。前3项内容主要侧重于人的安全教育以及道路安全设备设施的应用。目前在智慧城市的实施中，对于历年来时间、空间上的道路交通事故的研判、事故原因的诊断、事故高效处理、事故防范措施等尚未形成完整的人工智能决策支持系统。
随着智慧城市、人工智能、大数据等技术发展，如何利用信息化、数字化、知识库等技术进行高效的城市交通安全控制一直是国内外交通工程领域研究的重点和热点。
因此，如何利用人工智能和专家系统技术在定性分析和不确定推理上的优势，充分利用交通工程师多年来采取安全控制措施的经验和知识解决现有技术的缺陷，成为本领域技术人员急需解决的技术问题。
发明内容
有鉴于现有技术的上述缺陷，本发明提供智慧城市交通安全管理决策支持系统，实现的目的是结合积累存储的交通事故大数据，利用人工智能和专家系统技术在定性分析和不确定推理上的优势，充分利用交通工程师多年来采取安全控制措施的经验和知识，及时的选用合适、经济、可行的交通安全控制方法。
为实现上述目的，本发明公开了智慧城市交通安全管理决策支持系统，包括面向使用者的人机接口系统，以及与所述人机接口系统连接，用于完成使用者指令并通过所述人机接口系统的计算机系统。
其中，所述计算机系统是多库协同系统；
所述多库协同系统分别与基于GIS-T的数据库管理系统、交通模型库管理系统、城市交通安全控制方法库管理系统和交通工程师知识库管理系统连接；
所述多库协同系统通过所述交通工程师知识库管理系统连接城市交通安全控制知识库，以所述城市交通安全控制知识库为主导，分别通过所述基于GIS-T的数据库管理系统连接GIS-T数据库，通过所述交通模型库管理系统连接交通流理论、动态交通分配理论模型库，通过所述城市交通安全控制方法库管理系统连接交通安全控制方法库，实现多库协同智能决策。
优选的，所述交通安全控制方法库包括改善公路条件控制方法、完善道路安全设施控制方法、城市交叉口控制方法和城市交通流诱导控制方法。
优选的，所述基于GIS-T的数据库管理系统和所述GIS-T数据库组成基于GIS-T的决策支持数据库系统，用于实时地获取交通数据、系统地对数据进行管理，深入地分析数据，及时进行信息发布以及使信息发布具有可视效果，用来管理交通网络的空间数据，为外部的交通网络分析模型提供分析工具、参与分析过程、显示与输出分析的结果，储存、管理和更新交通网络中的数据库，辅助交通路线规划，进行交通管理，建立广泛的、实时的数字交通信息服务体系，实现全数字化交通信息的实时发布，储存与检索，为交通实时管理、交通安全控制、自动及智能导航、客货运输调度提供有效的技术支持，为交通状态分析和动态交通分配提供交通信息。
优选的，所述交通模型库管理系统和所述交通流理论、动态交通分配理论模型库组成交通安全控制的决策支持模型库系统；
所述交通安全控制的决策支持模型库系统为交通安全管理者提供推理、分析、比较选择问题的能力，以交通工程学为基础，通过所述GIS－T数据库所融合得到的全面反映路网状况的的交通信息，进行统计分析、判断，为决策者提供定量、定性的交通信息。
优选的，所述交通流理论、动态交通分配理论模型库用于存储模型及其基本单元，具有共享性及动态性，包括三种不同的模型表示方法，即在程序表示的模块中应用了数据表示和知识表示，并融入了模糊推理、递阶控制等人工智能方法，三种不同的所述模型表示方法具体如下：
针对路口评价，即点的模型；
路段评价，即线的模型；
路网评价，即面的模型；
三种不同的所述模型表示方法通过分析道路包括车道数、通行能力的物理参数，包括交通流量、速度和车头间距的交通流特性，及统计的事故率，采用基于知识的模糊判断对关键的路口、路段给出安全警告提示，同时运用动态交通分配理论对路网交通流进行优化，提供必要的决策信息已备城市交通流诱导系统进行信息发布，或者用于交通规划管理者远期决策。
更优选的，建立针对所述路口评价，即所述点的模型的表示方法的流程具体如下：
根据实时检测到的交叉口双向交通流量和历史数据，进行流量分析预测，并根据已有的交通工程专家对交叉口控制方案的经验和知识，通过定量定性评价交叉口安全指标，提供是否将全无控制交叉口改为优先控制或者信号控制，或者是否需要优化包括周期、绿时差的绿信比的信号控制的参数。
优选的，所述城市交通安全控制方法库管理系统和所述交通安全控制方法库组成面向交通安全控制的决策支持方法库系统；
所述面向交通安全控制的决策支持方法库系统是一个软件系统，能够提供通用的决策方法、优化方法和软件工具，并实现对方法的管理；具体包括如下六种方法库：
第一种所述方法库为改善公路条件方法库；
所述改善公路条件方法库包括从道路线形设计方面考虑和从路面方面考虑；
所述从道路线形设计方面考虑应严格按照设计道路的平曲线和竖曲线，使弯道、坡道符合公路工程技术标准，各种线形组合要充分考虑安全性；
所述从路面方面考虑应保证路面的宽度，路肩的坚实度，路面的平整度和粗糙度；
第二种所述方法库为完善道路安全设施方法库；
所述完善道路安全设施方法库中的道路安全设施包括分隔带、安全护栏、交通标志、标线、视诱导设施和防眩设施；
所述完善道路安全设施方法库中的城市交通安全设施包括行人过街天桥、地道、交通安全；
第三种所述方法库为实施交通控制方法库；
所述实施交通控制方法库中的交通控制可以分为交通信号控制和交通法规控制；
所述实施交通控制方法库中的交通信号控制是在道路入口和交叉口处设交通信号灯，合理控制车辆的行驶；
所述实施交通控制方法库中的交通法规控制包括设立单向交通路段、变向车道和公交车专用车道；
第四种所述方法库为城市交通流诱导系统方法库；
所述城市交通流诱导系统方法库包括能够动态地向驾驶员提供的实时交通信息和最优路径引导指令；
所述城市交通流诱导系统方法库内的城市交通流诱导的方式包括群体诱导，即路边可变信息板显示和单车诱导，即采用车载信息装置提供最优路径；
第五种所述方法库为紧急事件管理方法库；
所述紧急事件管理方法库包括的内容能够快速准确地识别各种事件，并实施一系列的措施把这些事件对人和货物运输的影响降低到最小，帮助管理部门识别或预测有危险的天气、交通和设施条件，以便提前采取措施，防止事件的发生或将其影响减少到最小；
第六种所述方法库为公交智能化调度方法库；
所述公交智能化调度方法库根据公交车辆定位监控、重要路段电视影像监控，并能根据站点客流的实时情况，选择智能化调度方式的公交系统；
在所述城市交通安全控制方法库管理系统中，方法通常采用如下形式抽象的表示
(y1,y2,…,yn)＝F(x1,x2,…xm) (2)
其中，x1,x2,…xm为输入；
为y1,y2,…,yn对应所述输入的输出；
F(*)是一个抽象表达式，既可以是数学算法，也可以是一个程序。
更优选的，所述紧急事件管理方法库中，在i断面t时刻，输入数据为(x1,x2,x3)＝(OCCDFi,t,OCCRDFi,t,DOCCTDi,t)；
其中，OCCDFi,t表示上下游路段的空间占有率绝对差；
OCCRDFi,t表示空间占有率相对差；
DOCCTDi,t表示下游路段断面时间占有率相对差；
F(*)采用程序表示，核心为事件判断算法。
更优选的，所述事件判断算法为加利福尼亚算法。
本发明的有益效果：
本发明结合积累存储的交通事故大数据，利用人工智能和专家系统技术在定性分析和不确定推理上的优势，充分利用交通工程师多年来采取安全控制措施的经验和知识，及时的选用合适、经济、可行的交通安全控制方法。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1示出本发明一实施例的系统结构框架图。
图2示出本发明一实施例中加利福尼亚算法的流程图。
具体实施方式
实施例
如图1所示，智慧城市交通安全管理决策支持系统，包括面向使用者的人机接口系统，以及与所述人机接口系统连接，用于完成使用者指令并通过所述人机接口系统的计算机系统。
其中，所述计算机系统是多库协同系统；
所述多库协同系统分别与基于GIS-T的数据库管理系统、交通模型库管理系统、城市交通安全控制方法库管理系统和交通工程师知识库管理系统连接；
所述多库协同系统通过所述交通工程师知识库管理系统连接城市交通安全控制知识库，以所述城市交通安全控制知识库为主导，分别通过所述基于GIS-T的数据库管理系统连接GIS-T数据库，通过所述交通模型库管理系统连接交通流理论、动态交通分配理论模型库，通过所述城市交通安全控制方法库管理系统连接交通安全控制方法库，实现多库协同智能决策。
本发明的原理如下：
在现有城市交通管理中，决定采取何种交通安全控制措施，比如减少交叉口冲突，是采用优先控制，还是信号控制，不仅需要采集大量的交通数据，包括静态的交叉口物理参数、动态的交叉口交通流量等，还要根据交通工程师的经验，通过定量和定性分析，才能确定一种合适的交叉口安全控制方式。这种专家判定往往具有时延性，如果不能及时的发现安全隐患，将会带来严重的经济损失。因此，将人工智能和专家系统引入城市交通安全控制，可以根据实时统计的交通信息，尽早的选择安全控制方式，避免没有必要的冲突与事故。
本发明面向城市交通安全控制的智能决策支持系统IDSS，就是利用人工智能和专家系统技术在定性分析和不确定推理上的优势，充分利用交通工程师多年来采取安全控制措施的经验和知识，来及时的选用合适、经济、可行的交通安全控制方法。
本发明以国内ITS示范城市正在建设的交通地理信息系统(GeographicInformation System for Transportation，GIS-T)为平台，应用交通流理论、动态交通分配理论等交通工程学知识建立交通状态模型库，并融合了交通工程专家控制交通安全的丰富知识，构建了智慧城市交通安全控制决策支持系统结构框架，如图1所示。
本发明框架以知识库为主导，对GIS-T数据库、交通模型库、交通安全控制方法库进行调度管理，实现多库协同智能决策。
在某些实施例中，所述交通安全控制方法库包括改善公路条件控制方法、完善道路安全设施控制方法、城市交叉口控制方法和城市交通流诱导控制方法。
在某些实施例中，所述基于GIS-T的数据库管理系统和所述GIS-T数据库组成基于GIS－T的决策支持数据库系统，用于实时获取交通数据、系统地对数据进行管理，深入地分析数据，及时进行信息发布以及使信息发布具有可视效果，用来管理交通网络的空间数据，为外部的交通网络分析模型提供分析工具、参与分析过程、显示与输出分析的结果，储存、管理和更新交通网络中的数据库，辅助交通路线规划，进行交通管理，建立广泛的、实时的数字交通信息服务体系，实现全数字化交通信息的实时发布，储存与检索，为交通实时管理、交通安全控制、自动及智能导航、客货运输调度提供有效的技术支持，为交通状态分析和动态交通分配提供交通信息。
在实际应用中，基于GIS－T的决策支持数据库系统由数据库及其管理系统组成，它是智能决策支持系统不可缺少的重要组成部分。本部分从城市交通安全控制的角度，考虑充分利用各个城市已经建设的综合交通信息平台,如大数据平台等，研究了基于交通地理信息系统GIS-T的智能决策支持数据库系统，从而为交通模型库进行交通状态分析和动态交通分配提供实时、准确、动态的交通信息。
交通地理信息系统GIS-T，是收集、存储、管理、综合分析和处理空间信息和交通信息的计算机软硬件系统。它是地理信息系统GIS(Geographic Information System)技术在交通领域的延伸，是GIS与多种交通信息分析和处理技术的集成。由于城市交通网络具有很强的空间特征，而GIS技术具备的强大空间数据操作、管理与分析功能，因此GIS-T在交通管理中的应用是个必然。GIS-T不但用来管理交通网络的空间数据，还能够为外部的交通网络分析模型提供分析工具、参与分析过程、显示与输出分析的结果等。
GIS-T与其他GIS的区别主要在于：其属性数据库中存储的都是与交通有关的信息，其服务的领域也是以交通管理部门和出行的个人为主。GIS－T的应用汇集了地理信息系统(GIS)、遥感(Remote Sensing，RS)、全球定位系统(Globe Positioning System，GPS)，也称为“3S”技术，以及现代通讯信息技术(包括Intenet技术及无限通信技术等多项技术，它不但可以储存、管理和更新交通网络中的数据库，辅助交通路线规划，进行交通管理，而且可以建立广泛的、实时的数字交通信息服务体系，实现全数字化交通信息的实时发布，储存与检索，为交通实时管理、交通安全控制、自动及智能导航、客货运输调度提供有效的技术支持。
本研究选用GIS-T作为智能决策支持系统的数据库，主要是利用其处理交通信息的快速性、实时性、动态性，以GIS-T为平台，结合先进的数据采集技术、数据库与网络技术、空间分析技术以及交通信息融合技术，从而解决目前交通数据获取不及时，数据管理不系统，数据分析不深入，信息发布不及时以及不具有可视效果等的问题。
在某些实施例中，所述交通模型库管理系统和所述交通流理论、动态交通分配理论模型库组成交通安全控制的决策支持模型库系统；
所述交通安全控制的决策支持模型库系统为交通安全管理者提供推理、分析、比较选择问题的能力，以交通工程学为基础，通过所述GIS－T数据库所融合得到的全面反映路网状况的的交通信息，进行统计分析、判断，为决策者提供定量、定性的交通信息。
在某些实施例中，所述交通流理论、动态交通分配理论模型库用于存储模型及其基本单元，具有共享性及动态性，包括三种不同的模型表示方法，即在程序表示的模块中应用了数据表示和知识表示，并融入了模糊推理、递阶控制等人工智能方法，三种不同的所述模型表示方法具体如下：
针对路口评价，即点的模型；
路段评价，即线的模型；
路网评价，即面的模型；
三种不同的所述模型表示方法通过分析道路包括车道数、通行能力的物理参数，包括交通流量、速度和车头间距的交通流特性，及统计的事故率，采用基于知识的模糊判断对关键的路口、路段给出安全警告提示，同时运用动态交通分配理论对路网交通流进行优化，提供必要的决策信息已备城市交通流诱导系统进行信息发布，或者用于交通规划管理者远期决策。
在程序表示的模块中应用了数据表示和知识表示，并融入了模糊推理、递阶控制等人工智能方法，不仅针对性更强、运行效率更高，而且减少了冗余，也便于对模型进行修改与更新，可以实现模型的智能化管理。
在某些实施例中，建立针对所述路口评价，即所述点的模型的表示方法的流程具体如下：
根据实时检测到的交叉口双向交通流量和历史数据，进行流量分析预测，并根据已有的交通工程专家对交叉口控制方案的经验和知识，通过定量定性评价交叉口安全指标，提供是否将全无控制交叉口改为优先控制或者信号控制，或者是否需要优化包括周期、绿时差的绿信比的信号控制的参数。
建立该模型所用的知识(1)：两相交道路流量差越大，冲突数就越小，当两条道路流量相同时，冲突数就达到最大。交叉口总流量增加到一定程度，将造成交叉口内的车辆行驶混乱，事故频升。鉴于安全性考虑，此时应把无控制交叉口改为有控制交叉口，如设置信号灯。确定无控制交叉口设置信号灯的流量成为临界流量Qc。根据我国交通工程专家的理论研究与实际观测，假设Q1表示支路流量，该知识建立模型为：
Qc＝400-500veh/h,if Q1＞150veh/h
Qc＝700veh/h,if Q1≤150veh/h (1)
建立路口安全控制模型所用的知识(2)：平面交叉口可以分为全无控制交叉口、优先权控制交叉口和信号控制交叉口3类。对于一个交叉口选用何种控制类型，需要考虑交叉口个相交道路交通流量，发生交通事故次数、行人稠密程度以及今后的发展趋势等[5]。
如下表所示的交通管制经验和知识，用程序建立模型，由于GIS－T存储大量的交通数据，因此可以在进行月统计时对交叉口进行评估，从而在适当的时候提示交通管理者选择合适的管控措施。对于路段、路网也是采用类似的方法。
在某些实施例中，所述城市交通安全控制方法库管理系统和所述交通安全控制方法库组成面向交通安全控制的决策支持方法库系统；
在实际应用中，交通安全控制的智能决策支持方法库系统是一个软件系统，能够提供通用的决策方法、优化方法及软件工具等，并实现对方法的管理，它由方法库和方法库管理系统组成。
从交通工程学的角度，预防交通事故，提高城市交通安全性主要是协调人、车、路、环境之间的关系，目前我国主要是通过健全交通法制、加强交通安全教育、提高车辆安全性能和加强道路及其安全设施建设4个方面来进行交通安全控制。
其中前3者主要侧重于交通参与者的安全认识和车辆的硬件安全保护，而加强道路及其安全设施建设则涉及了许多交通工程师进行安全控制的经验和知识，在现实的交通管理中也是最复杂且能最有效控制交通安全的手段。因此，本专利主要从这个方面展开建立交通安全方法库系统。
所述面向交通安全控制的决策支持方法库系统是一个软件系统，能够提供通用的决策方法、优化方法和软件工具，并实现对方法的管理；具体包括如下六种方法库：
第一种所述方法库为改善公路条件方法库；
所述改善公路条件方法库包括从道路线形设计方面考虑和从路面方面考虑；
所述从道路线形设计方面考虑应严格按照设计道路的平曲线和竖曲线，使弯道、坡道符合公路工程技术标准，各种线形组合要充分考虑安全性；
所述从路面方面考虑应保证路面的宽度，路肩的坚实度，路面的平整度和粗糙度；
第二种所述方法库为完善道路安全设施方法库；
所述完善道路安全设施方法库中的道路安全设施包括分隔带、安全护栏、交通标志、标线、视诱导设施和防眩设施；
所述完善道路安全设施方法库中的城市交通安全设施包括行人过街天桥、地道、交通安全；
第三种所述方法库为实施交通控制方法库；
所述实施交通控制方法库中的交通控制可以分为交通信号控制和交通法规控制；
所述实施交通控制方法库中的交通信号控制是在道路入口和交叉口处设交通信号灯，合理控制车辆的行驶；
所述实施交通控制方法库中的交通法规控制包括设立单向交通路段、变向车道和公交车专用车道；
第四种所述方法库为城市交通流诱导系统方法库；
所述城市交通流诱导系统方法库包括能够动态地向驾驶员提供的实时交通信息和最优路径引导指令；
所述城市交通流诱导系统方法库内的城市交通流诱导的方式包括群体诱导，即路边可变信息板显示和单车诱导，即采用车载信息装置提供最优路径；
第五种所述方法库为紧急事件管理方法库；
所述紧急事件管理方法库包括的内容能够快速准确地识别各种事件，并实施一系列的措施把这些事件对人和货物运输的影响降低到最小，帮助管理部门识别或预测有危险的天气、交通和设施条件，以便提前采取措施，防止事件的发生或将其影响减少到最小；
第六种所述方法库为公交智能化调度方法库；
所述公交智能化调度方法库根据公交车辆定位监控、重要路段电视影像监控，并能根据站点客流的实时情况，选择智能化调度方式的公交系统；
在城市交通安全控制方法库管理系统中，方法通常采用如下形式抽象的表示
(y1,y2,…,yn)＝F(x1,x2,…xm) (2)
其中，x1,x2,…xm为输入；
为y1,y2,…,yn对应所述输入的输出；
F(*)是一个抽象表达式，既可以是数学算法，也可以是一个程序。
所述面向交通安全控制的决策支持方法库系统通过对道路上的车流进行诱导，从而优化道路空间利用，均衡路网车流在时空上的合理分配，避免拥挤，减少交通事故的发生；
公交的智能化调度可以提高公交的运行效率，提升公交出行的比例，在一定程度上缓解重要路段的车流拥挤，从而保障高峰期交通安全。
在某些实施例中，所述紧急事件管理方法库中，在i断面t时刻，输入数据为(x1,x2,x3)＝(OCCDFi,t,OCCRDFi,t,DOCCTDi,t)；
其中，OCCDFi,t表示上下游路段的空间占有率绝对差；
OCCRDFi,t表示空间占有率相对差；
DOCCTDi,t表示下游路段断面时间占有率相对差；
F(*)采用程序表示，核心为事件判断算法。
上述技术方案通过事件判断算法来确定是否有事件发生，以便在第一时间采用交通安全预防措施。
如图2所示，在某些实施例中，所述事件判断算法为加利福尼亚算法。
本发明构建了交通安全控制的智能决策支持系统结构框架，公开了基于交通地理信息系统GIS－T的智能决策支持数据库系统，从而为模型库进行交通状态分析提供实时、准确、动态的交通信息。
本发明建立的模型库系统主要以交通工程学为基础，通过GIS－T数据库所融合得到的全面反映路网状况的的交通信息，进行统计分析、判断，并采用交通工程专家的经验和知识，为决策者提供一些定量、定性的交通信息。
同时，本发明还从加强道路及其安全设施建设的角度建立了集完善道路安全设施、城市交叉口控制、城市交通流诱导系统、紧急事件管理系统等智能交通系统一体化的交通安全控制方法库。
如发明在某市小范围的实际验证表明，本发明建立的城市交通安全控制的智能决策支持系统可以尽早发现并避免潜在的交通事故隐患，降低了交通事故发生率，增强了交通管控决策的时效性，同时提高了路网交通运输的效率。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (9)
1.智慧城市交通安全管理决策支持系统，包括面向使用者的人机接口系统，以及与所述人机接口系统连接，用于完成使用者指令并通过所述人机接口系统的计算机系统；其特征在于：
所述计算机系统是多库协同系统；
所述多库协同系统分别与基于GIS-T的数据库管理系统、交通模型库管理系统、城市交通安全控制方法库管理系统和交通工程师知识库管理系统连接；
所述多库协同系统通过所述交通工程师知识库管理系统连接城市交通安全控制知识库，以所述城市交通安全控制知识库为主导，分别通过所述基于GIS-T的数据库管理系统连接GIS-T数据库，通过所述交通模型库管理系统连接交通流理论、动态交通分配理论模型库，通过所述城市交通安全控制方法库管理系统连接交通安全控制方法库，实现多库协同智能决策。
2.根据权利要求1所述的智慧城市交通安全管理决策支持系统，其特征在于，所述交通安全控制方法库包括改善公路条件控制方法、完善道路安全设施控制方法、城市交叉口控制方法和城市交通流诱导控制方法。
3.根据权利要求1所述的智慧城市交通安全管理决策支持系统，其特征在于，所述基于GIS-T的数据库管理系统和所述GIS-T数据库组成基于GIS－T的决策支持数据库系统，用于实时获取交通数据、系统地对数据进行管理，深入地分析数据，及时进行信息发布以及使信息发布具有可视效果，用来管理交通网络的空间数据，为外部的交通网络分析模型提供分析工具、参与分析过程、显示与输出分析的结果，储存、管理和更新交通网络中的数据库，辅助交通路线规划，进行交通管理，建立广泛的、实时的数字交通信息服务体系，实现全数字化交通信息的实时发布，储存与检索，为交通实时管理、交通安全控制、自动及智能导航、客货运输调度提供有效的技术支持，为交通状态分析和动态交通分配提供交通信息。
4.根据权利要求1所述的智慧城市交通安全管理决策支持系统，其特征在于，所述交通模型库管理系统和所述交通流理论、动态交通分配理论模型库组成交通安全控制的决策支持模型库系统；
所述交通安全控制的决策支持模型库系统为交通安全管理者提供推理、分析、比较选择问题的能力，以交通工程学为基础，通过所述GIS－T数据库所融合得到的全面反映路网状况的的交通信息，进行统计分析、判断，为决策者提供定量、定性的交通信息。
5.根据权利要求1或4所述的智慧城市交通安全管理决策支持系统，其特征在于，所述交通流理论、动态交通分配理论模型库用于存储模型及其基本单元，具有共享性及动态性，包括三种不同的模型表示方法，即在程序表示的模块中应用了数据表示和知识表示，并融入了模糊推理、递阶控制等人工智能方法，三种不同的所述模型表示方法具体如下：
针对路口评价，即点的模型；
路段评价，即线的模型；
路网评价，即面的模型；
三种不同的所述模型表示方法通过分析道路包括车道数、通行能力的物理参数，包括交通流量、速度和车头间距的交通流特性，及统计的事故率，采用基于知识的模糊判断对关键的路口、路段给出安全警告提示，同时运用动态交通分配理论对路网交通流进行优化，提供必要的决策信息已备城市交通流诱导系统进行信息发布，或者用于交通规划管理者远期决策。
6.根据权利要求5所述的智慧城市交通安全管理决策支持系统，其特征在于，建立针对所述路口评价，即所述点的模型的表示方法的流程具体如下：
根据实时检测到的交叉口双向交通流量和历史数据，进行流量分析预测，并根据已有的交通工程专家对交叉口控制方案的经验和知识，通过定量定性评价交叉口安全指标，提供是否将全无控制交叉口改为优先控制或者信号控制，或者是否需要优化包括周期、绿时差的绿信比的信号控制的参数。
7.根据权利要求1所述的智慧城市交通安全管理决策支持系统，其特征在于，所述城市交通安全控制方法库管理系统和所述交通安全控制方法库组成面向交通安全控制的决策支持方法库系统；
所述面向交通安全控制的决策支持方法库系统是一个软件系统，能够提供通用的决策方法、优化方法和软件工具，并实现对方法的管理；具体包括如下六种方法库：
第一种所述方法库为改善公路条件方法库；
所述改善公路条件方法库包括从道路线形设计方面考虑和从路面方面考虑；
所述从道路线形设计方面考虑应严格按照设计道路的平曲线和竖曲线，使弯道、坡道符合公路工程技术标准，各种线形组合要充分考虑安全性；
所述从路面方面考虑应保证路面的宽度，路肩的坚实度，路面的平整度和粗糙度；
第二种所述方法库为完善道路安全设施方法库；
所述完善道路安全设施方法库中的道路安全设施包括分隔带、安全护栏、交通标志、标线、视诱导设施和防眩设施；
所述完善道路安全设施方法库中的城市交通安全设施包括行人过街天桥、地道、交通安全；
第三种所述方法库为实施交通控制方法库；
所述实施交通控制方法库中的交通控制可以分为交通信号控制和交通法规控制；
所述实施交通控制方法库中的交通信号控制是在道路入口和交叉口处设交通信号灯，合理控制车辆的行驶；
所述实施交通控制方法库中的交通法规控制包括设立单向交通路段、变向车道和公交车专用车道；
第四种所述方法库为城市交通流诱导系统方法库；
所述城市交通流诱导系统方法库包括能够动态地向驾驶员提供的实时交通信息和最优路径引导指令；
所述城市交通流诱导系统方法库内的城市交通流诱导的方式包括群体诱导，即路边可变信息板显示和单车诱导，即采用车载信息装置提供最优路径；
第五种所述方法库为紧急事件管理方法库；
所述紧急事件管理方法库包括的内容能够快速准确地识别各种事件，并实施一系列的措施把这些事件对人和货物运输的影响降低到最小，帮助管理部门识别或预测有危险的天气、交通和设施条件，以便提前采取措施，防止事件的发生或将其影响减少到最小；
第六种所述方法库为公交智能化调度方法库；
所述公交智能化调度方法库根据公交车辆定位监控、重要路段电视影像监控，并能根据站点客流的实时情况，选择智能化调度方式的公交系统；
在所述城市交通安全控制方法库管理系统中，方法通常采用如下形式抽象的表示
(y1,y2,…,yn)＝F(x1,x2,…xm) (2)
其中，x1,x2,…xm为输入；
为y1,y2,…,yn对应所述输入的输出；
F(*)是一个抽象表达式，既可以是数学算法，也可以是一个程序。
8.根据权利要求7所述的智慧城市交通安全管理决策支持系统，其特征在于，所述紧急事件管理方法库中，在i断面t时刻，输入数据为(x1,x2,x3)＝(OCCDFi,t,OCCRDFi,t,DOCCTDi,t)；
其中，OCCDFi,t表示上下游路段的空间占有率绝对差；
OCCRDFi,t表示空间占有率相对差；
DOCCTDi,t表示下游路段断面时间占有率相对差；
F(*)采用程序表示，核心为事件判断算法。
9.根据权利要求8所述的智慧城市交通安全管理决策支持系统，其特征在于，所述事件判断算法为加利福尼亚算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210460483.8A CN114708733A (zh) | 2022-04-28 | 2022-04-28 | 智慧城市交通安全管理决策支持系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210460483.8A CN114708733A (zh) | 2022-04-28 | 2022-04-28 | 智慧城市交通安全管理决策支持系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114708733A true CN114708733A (zh) | 2022-07-05 |
Family
ID=82177563
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210460483.8A Pending CN114708733A (zh) | 2022-04-28 | 2022-04-28 | 智慧城市交通安全管理决策支持系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114708733A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103065459A (zh) * | 2011-10-18 | 2013-04-24 | 上海宝康电子控制工程有限公司 | 基于Web地理信息系统技术的智能交通综合管控平台系统 |
| CN103247176A (zh) * | 2013-05-17 | 2013-08-14 | 泽一信息科技（上海）有限公司 | 基于专家系统的道路交通自动事件检测系统 |
| CN106652437A (zh) * | 2017-03-05 | 2017-05-10 | 赵莉莉 | 智能交通全面实时指挥管控系统 |
| CN107274667A (zh) * | 2017-08-14 | 2017-10-20 | 公安部交通管理科学研究所 | 城市交通智能管控系统联网联控框架及实施方法 |
| US10304338B1 (en) * | 2018-04-26 | 2019-05-28 | At&T Intellectual Property I, L.P. | Cooperative intelligent traffic system communication between bicycles |
| CN110264750A (zh) * | 2019-06-14 | 2019-09-20 | 大连理工大学 | 一种基于多任务深度q网络的q值迁移的多交叉口信号灯协同控制方法 |
| CN110378824A (zh) * | 2019-06-26 | 2019-10-25 | 公安部交通管理科学研究所 | 一种公安交管数据大脑及构建方法 |
| CN111091312A (zh) * | 2020-03-25 | 2020-05-01 | 江苏广宇科技产业发展有限公司 | 一种基于bim的智能交通管理与评价系统 |
| CN113936465A (zh) * | 2021-10-26 | 2022-01-14 | 公安部道路交通安全研究中心 | 交通事件检测方法及装置 |
| US20220092974A1 (en) * | 2019-01-14 | 2022-03-24 | Simplifai Systems Ltd | Traffic strategy system and method of implementing the same |
-
2022
- 2022-04-28 CN CN202210460483.8A patent/CN114708733A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103065459A (zh) * | 2011-10-18 | 2013-04-24 | 上海宝康电子控制工程有限公司 | 基于Web地理信息系统技术的智能交通综合管控平台系统 |
| CN103247176A (zh) * | 2013-05-17 | 2013-08-14 | 泽一信息科技（上海）有限公司 | 基于专家系统的道路交通自动事件检测系统 |
| CN106652437A (zh) * | 2017-03-05 | 2017-05-10 | 赵莉莉 | 智能交通全面实时指挥管控系统 |
| CN107274667A (zh) * | 2017-08-14 | 2017-10-20 | 公安部交通管理科学研究所 | 城市交通智能管控系统联网联控框架及实施方法 |
| US10304338B1 (en) * | 2018-04-26 | 2019-05-28 | At&T Intellectual Property I, L.P. | Cooperative intelligent traffic system communication between bicycles |
| US20220092974A1 (en) * | 2019-01-14 | 2022-03-24 | Simplifai Systems Ltd | Traffic strategy system and method of implementing the same |
| CN110264750A (zh) * | 2019-06-14 | 2019-09-20 | 大连理工大学 | 一种基于多任务深度q网络的q值迁移的多交叉口信号灯协同控制方法 |
| CN110378824A (zh) * | 2019-06-26 | 2019-10-25 | 公安部交通管理科学研究所 | 一种公安交管数据大脑及构建方法 |
| CN111091312A (zh) * | 2020-03-25 | 2020-05-01 | 江苏广宇科技产业发展有限公司 | 一种基于bim的智能交通管理与评价系统 |
| CN113936465A (zh) * | 2021-10-26 | 2022-01-14 | 公安部道路交通安全研究中心 | 交通事件检测方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 杨兆升等: "城市交通安全管理的智能决策支持系统探讨", 《交通与计算机》 * |
| 王皓等: "基于物联网的城市交通突发事件的检测研究", 《计算机科学》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108364494B (zh) | 道路交通智能管理方法、系统及平台 | |
| CN111275965B (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 | |
| CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
| CN104200649A (zh) | 基于预先申请的交通高峰期路线资源调度分配系统与方法 | |
| CN103337167A (zh) | 城市道路预定分配确定终行驶路线,预防交通拥堵的方法 | |
| CN115063978B (zh) | 一种基于数字孪生的公交到站时间预测方法 | |
| CN110415513B (zh) | 一种公交专用道服务指数发布方法、系统及电子设备 | |
| JP2023531004A (ja) | ダイヤグラムの生成方法、ダイヤグラムの生成装置、電子設備及びコンピュータ読取可能な記憶媒体 | |
| CN111009140A (zh) | 一种基于开源路况信息的智能交通信号控制方法 | |
| Cárdenas et al. | Congestion minimization through sustainable traffic management: a micro-simulation approach | |
| Bakhsh | Traffic simulation modeling for major intersection | |
| CN114708733A (zh) | 智慧城市交通安全管理决策支持系统 | |
| Ova et al. | Evaluation of transit signal priority strategies for small-medium cities | |
| Kucirek | Comparison between MATSIM & EMME: Developing a dynamic, activity-based microsimulation transit assignment model for Toronto | |
| Maheshwari | An urban design response to the technological shift in transportation: How to conduct urban design with vehicle automation, sharing and connectivity | |
| Oskarbski et al. | Multi-level transport systems model for traffic management activities | |
| Mousavimasouleh et al. | Mixed Transport Network Prioritization Based on Environmental Impact and Population Density | |
| Ling et al. | Modelling of traffic capacity under traffic accident | |
| CHU et al. | Typical intelligent transportation applications | |
| Song et al. | The Bus Line Supporting System Based On Learning Neural Network Model Applied In GIS | |
| Elsayed | Evaluating Performance and Satisfaction of Bus Raid Transit Using the Hybrid T2NN-APPRESAL Method | |
| Loureiro et al. | Managing congestion in large Brazilian urban area through logical interface between SCOOT and GIS platform | |
| WO2019205118A1 (zh) | 一种公交专用道服务指数发布方法、系统及电子设备 | |
| Montsi | Calibration and validation of a micro-simulation model for operational performance evaluation of urban corridors | |
| Jamjoom | Implementation of a simulation model for optimizing the traffic flow from Arafat to Muzdalifah |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220705 |