CN114758493A - 一种基于数据融合的高速公路交通流量监测方法及系统 - Google Patents
一种基于数据融合的高速公路交通流量监测方法及系统 Download PDFInfo
- Publication number
- CN114758493A CN114758493A CN202210277866.1A CN202210277866A CN114758493A CN 114758493 A CN114758493 A CN 114758493A CN 202210277866 A CN202210277866 A CN 202210277866A CN 114758493 A CN114758493 A CN 114758493A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- portal
- travel
- highway
- 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 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 230000004927 fusion Effects 0.000 title claims abstract description 29
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012384 transportation and delivery 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G06Q50/40—
Abstract
本发明属于交通技术领域，提供了一种基于数据融合的高速公路交通流量监测方法及系统。该方法包括，将收费站和门架均匹配至高速公路交通网络节点，得到更新后的高速公路道路交通网络；根据同一车辆ID的收费站数据和门架数据，明确该车辆ID对应车辆的出行需求；基于所述出行需求及途经门架数据，结合更新后的高速公路道路交通网络，复原该车辆ID对应车辆的出行轨迹；基于所有车辆的出行轨迹，监测路段流量和互通转向流量。
Description
技术领域
本发明属于交通技术领域，尤其涉及一种基于数据融合的高速公路交通流量监测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
公路运输是交通运输体系内的重要运输方式之一，高速公路交通流量可以较为直观地反应高速公路交通状态和服务水平。宏观交通流信息可用于高速公路交通需求分析及新建道路规划，微观交通流信息可用于高速公路车道设计及互通设计，高精度的交通流信息还可用于交通管理管控、合理配置路网资源。
传统的交通需求和交通流估计通过人工调查获取，其耗费大量的人力且精度有限。公路交通分析的数据中主要包括交通量调查站数据、GPS数据、门架数据和收费站数据。交通量调查站统计数据只能感知路段断面过车数量，无法确定互通枢纽转向交通量。GPS数据可记录高精度车辆轨迹数据，但由于装载GPS设备的车辆有限，通过GPS数据无法直接获取全样本的交通量。门架数据是近年来高速公路领域常用的高质量数据，门架数据具有相对高精度并可以追溯车辆轨迹，但是门架数据无法获取车辆出行的准确起终点，且由于设备维修保养问题门架数据存在少部分数据丢失或错误现象。收费站数据通常直接用于交通需求估计，但由于省界收费站取消，部分交通需求数据难以直接获取。
综上所述，依靠上述单一数据都无法全面准确地感知交通流信息并进行深度分析。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供一种基于数据融合的高速公路交通流量监测方法及系统，其利用多源数据优势，对高速公路车辆轨迹进行重塑，从而获取全面信息，实现高速公路交通流量的监测。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种基于数据融合的高速公路交通流量监测方法。
一种基于数据融合的高速公路交通流量监测方法，包括：
将收费站和门架均匹配至高速公路交通网络节点，得到更新后的高速公路道路交通网络；
根据同一车辆ID的收费站数据和门架数据，明确该车辆ID对应车辆的出行需求；
基于所述出行需求及途经门架数据，结合更新后的高速公路道路交通网络，复原该车辆ID对应车辆的出行轨迹；
基于所有车辆的出行轨迹，监测路段流量和互通转向流量。
本发明的第二个方面提供一种基于数据融合的高速公路交通流量监测系统。
一种基于数据融合的高速公路交通流量监测系统，包括：
网络构建模块，其被配置为：将收费站和门架均匹配至高速公路交通网络节点，得到更新后的高速公路道路交通网络；
出行确定模块，其被配置为：根据同一车辆ID的收费站数据和门架数据，明确该车辆ID对应车辆的出行需求；
轨迹生成模块，其被配置为：基于所述出行需求及途经门架数据，结合更新后的高速公路道路交通网络，复原该车辆ID对应车辆的出行轨迹；
流量监测模块，其被配置为：基于所有车辆的出行轨迹，监测路段流量和互通转向流量。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的基于数据融合的高速公路交通流量监测方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的基于数据融合的高速公路交通流量监测方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明利用收费站和门架数据信息互补提取交通需求，将车辆途经位置匹配至路段，进行路径还原，估计交通流量，可用于准确估计高速公路交通需求、道路及枢纽转向交通流量，解决单一数据源数据缺失重复等数据质量缺陷的问题，进而为高速公路规划、设计和管理提供参考。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明示出的基于数据融合的高速公路交通流量监测方法的流程示意图；
图2为本发明示出的收费站、门架匹配至路段节点示例图；
图3为本发明示出的个体轨迹段提取交通需求划分示例图；
图4为本发明示出的车辆复原出行轨迹示例图；
图5为本发明示出的路段流量及枢纽转向流量估计示例图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要注意的是，附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以使用专用硬件与计算机指令的组合来实现。
实施例一
本实施例提供了一种基于数据融合的高速公路交通流量监测方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器和系统，并通过终端和服务器的交互实现。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务器、云通信、中间件服务、域名服务、安全服务CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。本实施例中，该方法包括以下步骤：
将收费站和门架均匹配至高速公路交通网络节点，得到更新后的高速公路道路交通网络；
根据同一车辆ID的收费站数据和门架数据，明确该车辆ID对应车辆的出行需求；
基于所述出行需求及途经门架数据，结合更新后的高速公路道路交通网络，复原该车辆ID对应车辆的出行轨迹；
基于所有车辆的出行轨迹，监测路段流量和互通转向流量。
具体地，本实施例中采用山东省某日高速公路收费站和门架数据，本实施例的技术方案可以采用以下步骤实现，如图1所示：
步骤一、提取高速公路道路信息和路段属性，构建高速公路道路交通网络；所述高速公路交通网络由节点和节点之间的边组成，所述节点是路段与路段的接触点，所述边是指路段；路段属性包括路段名称、路段自由行驶时间tf以及车道数l；路段自由行驶时间tf由该路段长度除以其限速得到。
步骤二、将收费站与门架匹配至高速公路交通网络节点；对于每一个收费站、门架，计算路段与收费站、门架位置的直线距离，搜索距离最近的路段；将收费站、门架匹配至最近路段上的最近节点；收费站和门架匹配至节点示例图见图2；
步骤三、收费站数据及门架数据预处理；抽取同一车辆ID的收费站数据和门架数据按时间顺序排列；删除收费站或门架位置与路网无法对应的数据；统计每辆车辆轨迹点的时间间隔，进行离群点分析，明确时间间隔离群点Δtth＝12090秒。
作为一种或多种实施方式，步骤三中，明确离群点指采用标准差法计算时间间隔离群点，具体步骤如下：
1)统计每辆车途经收费站、门架记录间的时间间隔，即Δti，j＝ti，j+1-ti，j(i＝1,2,3…I,j＝1,2,3…J-1)，式中ti，j为第i辆车的第j个记录的记录时间，Δti，j为第i辆车第j+1个记录与第j个记录的记录时间差，I为记录到的总车辆数，J为第i辆车途经轨迹点(途经收费站、门架的记录点)的记录数；
2)计算所有车辆轨迹点时间间隔的均值及标准差，即
N为所有时间间隔数；
3)根据公式
确定时间间隔离群点阈值，超过Δtth的值认为是时间间隔离群点。
步骤四，基于收费站数据和门架数据的数据层融合的出行需求提取；根据同一车辆ID的途经收费站、门架序列明确出行需求，有收费站起终点的按收费站作为出行起终点；只有收费站起点的，最后一次出现的门架记录作为出行终点；只有收费站终点的，第一次出现的门架记录作为出行起点；无收费站起终点的，第一次和最后一次出现的门架记录作为出行起终点；同时，根据时间间隔判断同一车辆ID出行记录中是否存在多次出行，检查中间轨迹点的时间间隔，若时间间隔超过时间间隔离群点，认为该收费站起终点间存在两次出行；车辆轨迹示例及出行需求提取见图3。
作为一种或多种实施方式，步骤四中，根据时间间隔判断同一车辆ID出行记录中是否存在多次出行是指针对同一车辆ID车辆当轨迹记录的时间间隔超过时间隔离群点，认为前后轨迹点分属两次出行。
步骤五、基于出行需求及途经门架信息复原出行轨迹；提取每次出行的起终点及途经门架对映至路网，得到出行途经轨迹节点序列；针对每次出行途经轨迹节点序列，采用最短路算法(A*算法)求解途经前后门架匹配的两节点间的途经路段；将前后门架间的途经路段拼接，复原每对OD的全部途经节点即完整轨迹路径；车辆复原出行轨迹示例见图4。针对每条路段，以路段起、终节点定位一条路段，统计每对OD全部途经节点中按顺序经过该路段起、终节点的轨迹数量，进而得到路段流量；针对枢纽，以途经枢纽位置的三个节点定位枢纽转向，统计每对OD全部途经节点中按顺序经过该枢纽三个节点的轨迹数量，进而得到枢纽转向流量。路段流量及枢纽转向流量估计示例见图5。
作为一种或多种实施方式，步骤五中，采用A*算法求解途经前后门架匹配的两节点间的途经路段具体步骤如下：
1)路段阻抗设置为路段自由行驶时间tf；
2)一对前后节点之间的路径中，采用A*算法求解总阻抗最小的路径；
3)将每对前后节点求解得到的途经路段节点存储至列表，即节点i,j间途经路段节点存储为[i,x1,…,xn,j]，式中，x1,…,xn为节点i,j间的途经节点；
本实施例提供了一种基于数据融合的高速公路交通流量监测方法，利用收费站和门架数据信息互补提取交通需求，将车辆途经位置匹配至路段进行路径还原估计交通流量，可用于准确估计高速公路交通需求、道路及枢纽转向交通流量，进而为高速公路规划、设计和管理提供参考。
实施例二
本实施例提供了一种基于数据融合的高速公路交通流量监测系统。
一种基于数据融合的高速公路交通流量监测系统，包括：
网络构建模块，其被配置为：将收费站和门架均匹配至高速公路交通网络节点，得到更新后的高速公路道路交通网络；
出行确定模块，其被配置为：根据同一车辆ID的收费站数据和门架数据，明确该车辆ID对应车辆的出行需求；
轨迹生成模块，其被配置为：基于所述出行需求及途经门架数据，结合更新后的高速公路道路交通网络，复原该车辆ID对应车辆的出行轨迹；
流量监测模块，其被配置为：基于所有车辆的出行轨迹，监测路段流量和互通转向流量。
此处需要说明的是，上述网络构建模块、出行确定模块、轨迹生成模块和流量监测模块与对应于实施例一中的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例一所述的基于数据融合的高速公路交通流量监测方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的基于数据融合的高速公路交通流量监测方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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，所述的程序可存储于一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，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于数据融合的高速公路交通流量监测方法，其特征在于，包括：
将收费站和门架均匹配至高速公路交通网络节点，得到更新后的高速公路道路交通网络；
根据同一车辆ID的收费站数据和门架数据，明确该车辆ID对应车辆的出行需求；
基于所述出行需求及途经门架数据，结合更新后的高速公路道路交通网络，复原该车辆ID对应车辆的出行轨迹；
基于所有车辆的出行轨迹，监测路段流量和互通转向流量。
2.根据权利要求1所述的基于数据融合的高速公路交通流量监测方法，其特征在于，在所述将收费站和门架均匹配至高速公路交通网络节点之前，包括：
提取高速公路道路信息和路段属性，构建高速公路道路交通网络；
所述高速公路交通网络包括节点和节点之间的边，所述节点是路段与路段的接触点，所述边是指路段；所述路段属性包括路段名称、路段自由行驶时间以及车道数；路段自由行驶时间由该路段长度除以其限速得到。
3.根据权利要求1所述的基于数据融合的高速公路交通流量监测方法，其特征在于，所述将收费站和门架均匹配至高速公路交通网络节点的过程包括：
对于每一个收费站、门架，计算路段与收费站和门架位置的直线距离，搜索距离最近的路段；将收费站和门架匹配至最近路段上的最近节点。
4.根据权利要求1所述的基于数据融合的高速公路交通流量监测方法，其特征在于，在所述根据同一车辆ID的收费站数据和门架数据，明确该车辆ID对应车辆的出行需求之前包括：
对所述收费站数据及门架数据进行预处理，抽取同一车辆ID的收费站数据和门架数据按时间顺序排列；
删除收费站或门架位置与更新后的高速公路道路交通网络无法对应的数据；统计每辆车辆轨迹点的时间间隔，明确时间间隔离群点。
5.根据权利要求4所述的基于数据融合的高速公路交通流量监测方法，其特征在于，所述明确该车辆ID对应车辆的出行需求包括：
有收费站起终点的按收费站作为出行起终点；
只有收费站起点的，最后一次出现的门架记录作为出行终点；
只有收费站终点的，第一次出现的门架记录作为出行起点；
无收费站起终点的，第一次和最后一次出现的门架记录作为出行起终点；
根据时间间隔判断同一车辆ID出行记录中是否存在多次出行，检查中间轨迹点的时间间隔，若时间间隔超过时间间隔离群点，则该车辆ID在该收费站起终点间存在两次出行。
6.根据权利要求1所述的基于数据融合的高速公路交通流量监测方法，其特征在于，所述复原该车辆ID对应车辆的出行轨迹的过程包括：
提取同一车辆ID每次出行的起终点及途经门架；
针对每次出行，采用最短路算法求解途经前后门架匹配的两节点间的途经路段；
将前后门架间的途经路段拼接，复原每对OD的全部途经节点，得到该车辆的完整轨迹路径。
7.根据权利要求1所述的基于数据融合的高速公路交通流量监测方法，其特征在于，所述监测路段流量和互通转向流量的过程包括：
针对每条路段，以路段起、终节点定位一条路段，统计每对OD途经节点中按顺序经过该路段起、终节点的轨迹数量，进而得到路段流量；
针对枢纽，以途经枢纽位置的三个节点定位枢纽转向，统计每对OD途经节点中按顺序经过该枢纽三个节点的轨迹数量，进而得到互通转向流量。
8.一种基于数据融合的高速公路交通流量监测系统，其特征在于，包括：
网络构建模块，其被配置为：将收费站和门架均匹配至高速公路交通网络节点，得到更新后的高速公路道路交通网络；
出行确定模块，其被配置为：根据同一车辆ID的收费站数据和门架数据，明确该车辆ID对应车辆的出行需求；
轨迹生成模块，其被配置为：基于所述出行需求及途经门架数据，结合更新后的高速公路道路交通网络，复原该车辆ID对应车辆的出行轨迹；
流量监测模块，其被配置为：基于所有车辆的出行轨迹，监测路段流量和互通转向流量。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于数据融合的高速公路交通流量监测方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于数据融合的高速公路交通流量监测方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210277866.1A CN114758493B (zh) | 2022-03-21 | 2022-03-21 | 一种基于数据融合的高速公路交通流量监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210277866.1A CN114758493B (zh) | 2022-03-21 | 2022-03-21 | 一种基于数据融合的高速公路交通流量监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114758493A true CN114758493A (zh) | 2022-07-15 |
| CN114758493B CN114758493B (zh) | 2024-03-12 |
Family
ID=82327347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210277866.1A Active CN114758493B (zh) | 2022-03-21 | 2022-03-21 | 一种基于数据融合的高速公路交通流量监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114758493B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201218988Y (zh) * | 2008-03-20 | 2009-04-08 | 天津市市政工程设计研究院 | 城市快速路互通立交交通流特征参数采集系统 |
| CN101571404A (zh) * | 2009-06-11 | 2009-11-04 | 东南大学 | 考虑交叉口转向的最短路径拍卖算法 |
| CN105590346A (zh) * | 2016-02-18 | 2016-05-18 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
| CN205721998U (zh) * | 2016-02-18 | 2016-11-23 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
| CN109389243A (zh) * | 2018-09-06 | 2019-02-26 | 华南理工大学 | 结合联网收费数据的高速公路交通情况调查站点布设方法 |
| CN111292533A (zh) * | 2020-02-11 | 2020-06-16 | 北京交通大学 | 基于多源数据的高速公路任意时段任意断面流量估计方法 |
| CN112184931A (zh) * | 2020-09-28 | 2021-01-05 | 广西信路威科技发展有限公司 | 基于高速公路路网的车辆计费路径优选系统及分析方法 |
| CN112734956A (zh) * | 2020-12-22 | 2021-04-30 | 千方捷通科技股份有限公司 | 一种etc门架确定的方法、装置及存储介质 |
| CN113034894A (zh) * | 2021-02-04 | 2021-06-25 | 招商新智科技有限公司 | 一种etc门架系统、高速公路路段封闭预警方法及装置 |
-
2022
- 2022-03-21 CN CN202210277866.1A patent/CN114758493B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201218988Y (zh) * | 2008-03-20 | 2009-04-08 | 天津市市政工程设计研究院 | 城市快速路互通立交交通流特征参数采集系统 |
| CN101571404A (zh) * | 2009-06-11 | 2009-11-04 | 东南大学 | 考虑交叉口转向的最短路径拍卖算法 |
| CN105590346A (zh) * | 2016-02-18 | 2016-05-18 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
| CN205721998U (zh) * | 2016-02-18 | 2016-11-23 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
| CN109389243A (zh) * | 2018-09-06 | 2019-02-26 | 华南理工大学 | 结合联网收费数据的高速公路交通情况调查站点布设方法 |
| CN111292533A (zh) * | 2020-02-11 | 2020-06-16 | 北京交通大学 | 基于多源数据的高速公路任意时段任意断面流量估计方法 |
| CN112184931A (zh) * | 2020-09-28 | 2021-01-05 | 广西信路威科技发展有限公司 | 基于高速公路路网的车辆计费路径优选系统及分析方法 |
| CN112734956A (zh) * | 2020-12-22 | 2021-04-30 | 千方捷通科技股份有限公司 | 一种etc门架确定的方法、装置及存储介质 |
| CN113034894A (zh) * | 2021-02-04 | 2021-06-25 | 招商新智科技有限公司 | 一种etc门架系统、高速公路路段封闭预警方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114758493B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9536146B2 (en) | Determine spatiotemporal causal interactions in data | |
| CN104331422B (zh) | 一种路段类型推测方法 | |
| CN109714709B (zh) | 一种基于历史信息的失联车辆位置预测方法和系统 | |
| US9824580B2 (en) | Method, computer readable storage medium and system for producing an uncertainty-based traffic congestion index | |
| CN104121908B (zh) | 一种延时路径规划的方法和系统 | |
| CN107945507A (zh) | 行程时间预测方法及装置 | |
| US10032368B1 (en) | Method and apparatus for measurement of parking duration from anonymized data | |
| CN109215372A (zh) | 路网信息更新方法、装置及设备 | |
| EP3640913A1 (en) | Method, apparatus, and system for automatic road closure detection | |
| CN107871400B (zh) | 路网信息更新方法及装置 | |
| CN103680127A (zh) | 一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法 | |
| CN113808400B (zh) | 车流迁徙情况的展示方法、装置、设备及介质 | |
| CN114450557B (zh) | 路线偏差量化及基于此的车辆路线学习 | |
| CN103793763A (zh) | 基于大数据与云计算的最优公交乘车路径挖掘系统 | |
| CN113587944B (zh) | 准实时的车辆行驶路线生成方法、系统及设备 | |
| Yang et al. | A novel approach for estimation of dynamic from static origin–destination matrices | |
| EP3671126A1 (en) | Method, apparatus, and system for providing road closure graph inconsistency resolution | |
| US11468768B2 (en) | Method, apparatus, and system for automatic road closure detection during probe anomaly | |
| CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
| CN108665723B (zh) | 一种信息获取方法及装置 | |
| US11537767B2 (en) | Automated control through a traffic model | |
| CN115631082B (zh) | 一种基于高速路网拓扑结构的多场景路径还原方法 | |
| CN114758493B (zh) | 一种基于数据融合的高速公路交通流量监测方法及系统 | |
| CN104121917A (zh) | 一种自动发现新建桥梁的方法和装置 | |
| Richly et al. | Predicting location probabilities of drivers to improved dispatch decisions of transportation network companies based on trajectory data |
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 |