CN114783173B - 高速公路资源配置方法、装置、计算机设备和存储介质 - Google Patents
高速公路资源配置方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114783173B CN114783173B CN202210242247.9A CN202210242247A CN114783173B CN 114783173 B CN114783173 B CN 114783173B CN 202210242247 A CN202210242247 A CN 202210242247A CN 114783173 B CN114783173 B CN 114783173B
- Authority
- CN
- China
- Prior art keywords
- detection
- distance
- traffic
- expressway
- 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.)
- Active
Links
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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种高速公路资源配置方法、装置、计算机设备和存储介质。所述方法包括:根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和第一检测位置的交通流量,确定高速公路的压缩波波速;确定第一检测距离和第二检测距离;根据第一检测距离和第二检测距离,确定高速公路上的检测设备的部署距离;根据部署距离对高速公路上的检测设备进行资源配置。采用本方法能够合理设置检测设备的布设间距,避免在堵塞交通流情境下检测设备布设间距过小导致的成本增加。
Description
技术领域
本申请涉及智能交通技术领域,特别是涉及一种高速公路资源配置方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着高速公路里程的增长和机动车流量的不断增大,交通事故的发生频率逐渐增高,对交通事故进行及时检测和处理,可以提高交通道路的运营效率。
现有技术中,利用部署在高速公路上的检测设备来监控交通事故,例如,智能监控器,检测设备的布设间距通过人工进行配置。在堵塞交通流情境下,高速公路上的车流密度较大,人工配置时通常会在堵塞交通流概率较大的道路设置较小的布设间距。然而,当检测设备的布设间距过小时,容易导致设备部署成本增加。
因此,目前高速公路上的检测设备部署存在成本较高的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够降低检测设备部署成本的高速公路资源配置方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种高速公路资源配置方法。所述方法包括:
根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和所述第一检测位置的交通流量,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置,所述第二检测位置位于所述高速公路的下游位置;
确定第一检测距离和第二检测距离;所述第一检测距离为所述第一检测位置与所述高速公路上事故发生位置之间的距离,且根据所述压缩波波速和预设的第一响应时间得到;所述第二检测距离为所述第二检测位置与所述事故发生位置之间的第二检测距离;
根据所述第一检测距离和所述第二检测距离,确定所述高速公路上的检测设备的部署距离;
根据所述部署距离对所述高速公路上的检测设备进行资源配置。
在其中一个实施例中,所述根据所述第一检测距离和所述第二检测距离,确定所述高速公路上的检测设备的部署距离,包括:
将所述第一检测距离与所述第二检测距离之中的最小值,作为目标检测距离;
将所述目标检测距离与预设系数进行相乘,得到所述高速公路上的检测设备的部署距离。
在其中一个实施例中,所述根据所述第一检测距离和所述第二检测距离,确定所述高速公路上的检测设备的部署距离,还包括:
将所述第一检测距离和所述第二检测距离进行求和,得到所述高速公路上的检测设备的部署距离。
在其中一个实施例中,所述根据所述部署距离对所述高速公路上的检测设备进行资源配置,包括:
获取所述检测设备的部署距离阈值;
在所述检测设备的部署距离超过所述部署距离阈值的情况下,根据所述部署距离阈值,对所述高速公路上的检测设备进行配置。
在其中一个实施例中,所述第二检测距离通过下述方式确定,包括:
获取所述高速公路的车辆自由行驶速度;
将所述车辆自由行驶速度与预设的第二响应时间进行相乘,得到所述第二检测距离。
在其中一个实施例中,所述方法还包括:
确定与所述高速公路上压缩波相关联的车流密度增量阈值;
根据所述车流密度增量阈值,确定所述第一检测位置与所述第二检测位置之间的车流密度的增量系数;
将所述第一检测位置的车流密度与所述增量系数进行相乘,得到所述第二检测位置的车流密度。
第二方面,本申请还提供了一种高速公路资源配置装置。所述装置包括:
压缩波波速确定模块,用于根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和所述第一检测位置的交通流量,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置,所述第二检测位置位于所述高速公路的下游位置;
检测距离确定模块,用于确定第一检测距离和第二检测距离;所述第一检测距离为所述第一检测位置与所述高速公路上事故发生位置之间的距离,且根据所述压缩波波速和预设的第一响应时间得到;所述第二检测距离为所述第二检测位置与所述事故发生位置之间的第二检测距离;
部署距离确定模块,用于根据所述第一检测距离和所述第二检测距离,确定所述高速公路上的检测设备的部署距离;
检测设备配置模块,用于根据所述部署距离对所述高速公路上的检测设备进行资源配置。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和所述第一检测位置的交通流量,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置,所述第二检测位置位于所述高速公路的下游位置;
确定第一检测距离和第二检测距离;所述第一检测距离为所述第一检测位置与所述高速公路上事故发生位置之间的距离,且根据所述压缩波波速和预设的第一响应时间得到;所述第二检测距离为所述第二检测位置与所述事故发生位置之间的第二检测距离;
根据所述第一检测距离和所述第二检测距离,确定所述高速公路上的检测设备的部署距离;
根据所述部署距离对所述高速公路上的检测设备进行资源配置。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和所述第一检测位置的交通流量,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置,所述第二检测位置位于所述高速公路的下游位置;
确定第一检测距离和第二检测距离;所述第一检测距离为所述第一检测位置与所述高速公路上事故发生位置之间的距离,且根据所述压缩波波速和预设的第一响应时间得到;所述第二检测距离为所述第二检测位置与所述事故发生位置之间的第二检测距离;
根据所述第一检测距离和所述第二检测距离,确定所述高速公路上的检测设备的部署距离;
根据所述部署距离对所述高速公路上的检测设备进行资源配置。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和所述第一检测位置的交通流量,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置,所述第二检测位置位于所述高速公路的下游位置;
确定第一检测距离和第二检测距离;所述第一检测距离为所述第一检测位置与所述高速公路上事故发生位置之间的距离,且根据所述压缩波波速和预设的第一响应时间得到;所述第二检测距离为所述第二检测位置与所述事故发生位置之间的第二检测距离;
根据所述第一检测距离和所述第二检测距离,确定所述高速公路上的检测设备的部署距离;
根据所述部署距离对所述高速公路上的检测设备进行资源配置。
上述高速公路资源配置方法、装置、计算机设备、存储介质和计算机程序产品,先根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和第一检测位置的交通流量,确定高速公路的压缩波波速,然后确定第一检测距离和第二检测距离,可以分别在高速公路的上游和下游,确定检测设备与交通事故发生位置之间的距离,该检测设备能够在响应时间内及时检测到交通事故;最后根据第一检测距离和第二检测距离,确定高速公路上的检测设备的部署距离,根据部署距离对高速公路上的检测设备进行资源配置,可以通过上游和下游检测设备与交通事故处的距离,合理设置检测设备的布设间距,避免在堵塞交通流情境下检测设备布设间距过小导致的成本增加。
附图说明
图1为一个实施例中高速公路资源配置方法的流程示意图;
图2为一个实施例中高速公路检测设备部署的示意图;
图3为一个实施例中高速公路资源配置装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的高速公路资源配置方法,可以应用于终端或服务器。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图1所示,提供了一种高速公路资源配置方法,以该方法应用于服务器为例进行说明,包括以下步骤:
步骤S110,根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和第一检测位置的交通流量,确定高速公路的压缩波波速;第一检测位置位于高速公路的上游位置,第二检测位置位于高速公路的下游位置。
其中,第一检测位置可以为高速公路上交通事故发生位置上游的位置。第二检测位置可以为高速公路上交通事故发生位置下游的位置。
具体实现中,可以在高速公路的第一检测位置布设第一检测器,在第二检测位置布设第二检测器,通过第一检测器采集第一检测位置的车流密度和交通流量,通过第二检测器采集第二检测位置的车流密度和交通流量,检测器可以将采集到的车流密度和交通流量发送至服务器,服务器将接收到的第一检测位置的车流密度、第二检测位置的车流密度和第一检测位置的交通流量输入预设的压缩波波速模型,得到压缩波波速模型输出的压缩波波速。
例如,可以假设高速公路车辆呈均匀分布,当发生交通事故时,交通速度会随之下降,从而造成交通流阻塞,形成交通瓶颈。根据交通流理论,交通流阻塞会导致压缩波的产生,并沿交通流方向向后传播。图2提供了一个高速公路检测设备部署的示意图。根据图2,可以在高速公路上游布设检测器A,在高速公路下游布设检测器B,检测器A和B之间的C点为交通事故发生点,D为发生事故前通过C点的最后一辆车。假设检测器A处的断面为断面A,检测器B处的断面为断面B,当C点发生交通事故时,C点下游的交通流不受影响,车辆仍按原速度进行行驶,在D通过检测器B后,断面B处的交通流产生异常情况,假设检测器B检测到异常情况的时刻为t1时刻,此时检测器B采集断面B处的车流密度和交通流量;在C点上游,则出现压缩波,依次传播到检测器A,假设检测器A检测到交通流异常的时刻为t2时刻,此时检测器A采集断面A处的车流密度和交通流量。
压缩波波速VW的计算公式可以为
其中,k1,k2分别为断面A、B的车流密度(单位:辆/km),q1,q2分别为断面A、B的交通流量(单位:辆/h)。
在堵塞交通流场景下,交通密度较大,一旦发生事故则会出现车道堵塞,车流立即呈现饱和状态,压缩波波速的计算公式可以为
其中,kj为高速公路下游第j(j=2,3,……)个检测器所在位置的车流密度,当j=2时,kj可以为断面B处的车流密度。检测器A可以将采集到的车流密度k1和交通流量q1发送给服务器,下游检测器j(当j=2时,可以为检测器B)可以将采集到的车流密度kj发送给服务器,服务器在接收到k1,kj,q1后,可以代入压缩波波速的计算公式,得到压缩波波速。
步骤S120,确定第一检测距离和第二检测距离;第一检测距离为第一检测位置与高速公路上事故发生位置之间的距离,且根据压缩波波速和预设的第一响应时间得到;第二检测距离为第二检测位置与事故发生位置之间的第二检测距离。
其中,第一响应时间可以为压缩波由事故发生位置传播到第一检测器的时间。
具体实现中,服务器可以获取到交通事故发生的时刻、交通事故所导致的波动传播到第一检测器的时刻,以及交通事故所导致的波动传播到第二检测器的时刻,将波动传播到第一检测器的时刻与交通事故发生时刻之间的差值作为第一响应时间,将波动传播到第二检测器的时刻与交通事故发生时刻之间的差值作为第二响应时间,服务器可以将压缩波波速与第一响应时间进行相乘,得到第一检测距离,还可以将高速公路上车辆的自由行驶速度与第二响应时间进行相乘,得到第二检测距离。
例如,设交通事故发生时刻为t0,交通事故所导致的波动传播到上游检测器A的时刻为t1,交通事故所导致的波动传播到下游检测器B的时刻为t2,可以得到第一响应时间为t1-t0,第二响应时间为t2-t0,设高速公路上车辆的自由行驶速度为Vf,由于压缩波波速为VW,可以得到检测器A与交通事故发生点C之间的第一检测距离X1为
X1=Vw×(t1-t0),
以及检测器B与交通事故发生点C之间的第二检测距离X2为
X2=Vf×(t2-t0)。
步骤S130,根据第一检测距离和第二检测距离,确定高速公路上的检测设备的部署距离。
具体实现中,可以将第一检测距离与第二检测距离进行相加,得到高速公路上检测设备的部署距离,还可以取第一检测距离和第二检测距离之中的最小值,并将最小值与预设系数相乘,得到检测设备的部署距离。
例如,检测器A与检测器B之间布设间距的计算公式可以为
L1=X1+X2。
进一步地,还可以设置当检测器A或检测器B中的任意一个检测到交通流异常情况时,服务器均对交通事故做出反应,因此可以将预设系数设置为2,检测器A与检测器B之间布设间距的计算公式还可以为
L2=2*min(X1,X2)。
步骤S140,根据部署距离对高速公路上的检测设备进行资源配置。
具体实现中,服务器可以根据检测设备的部署距离,来配置高速公路上检测设备的间距。
例如,可以将高速公路上所有相邻检测器之间的距离设置为L1,还可以将高速公路上所有相邻检测器之间的距离设置为L2。
上述高速公路资源配置方法,先根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和第一检测位置的交通流量,确定高速公路的压缩波波速,然后确定第一检测距离和第二检测距离,可以分别在高速公路的上游和下游,确定检测设备与交通事故发生位置之间的距离,该检测设备能够在响应时间内及时检测到交通事故;最后根据第一检测距离和第二检测距离,确定高速公路上的检测设备的部署距离,根据部署距离对高速公路上的检测设备进行资源配置,可以通过上游和下游检测设备与交通事故处的距离,合理设置检测设备的布设间距,避免在堵塞交通流情境下检测设备布设间距过小导致的成本增加。
在一个实施例中,上述步骤S130,可以具体包括:将第一检测距离与第二检测距离之中的最小值,作为目标检测距离;将目标检测距离与预设系数进行相乘,得到高速公路上的检测设备的部署距离。
具体实现中,服务器中可以预先存储预设系数,服务器还可以将第一检测距离与第二检测距离之中的最小值作为目标检测距离,通过将目标检测距离与预设系数相乘,得到高速公路上检测设备的部署间距。
例如,可以将预设系数设置为2,在确定第一检测距离X1和第二检测距离X2后,高速公路上检测设备的部署间距可以为
L2=2*min(X1,X2)。
本实施例中,通过将第一检测距离与第二检测距离之中的最小值作为目标检测距离,将目标检测距离与预设系数进行相乘,得到高速公路上检测设备的部署距离,可以在上游或者下游的任意检测设备检测到交通事故时,将交通事故信息上报给服务器,使服务器能够及时检测到交通事故,并对交通事故做出反应。
在一个实施例中,上述步骤S130,具体还可以包括:将第一检测距离和第二检测距离进行求和,得到高速公路上的检测设备的部署距离。
具体实现中,服务器可以将第一检测距离与第二检测距离进行求和,得到高速公路上检测设备的部署间距。
例如,在确定第一检测距离X1和第二检测距离X2后,高速公路上检测设备部署的间距可以为
L1=X1+X2。
本实施例中,通过将第一检测距离和第二检测距离进行求和,得到高速公路上的检测设备的部署距离,可以模拟堵塞交通流情境下交通事故位置上下游检测设备的间距,提高检测设备间距计算的准确性。
在一个实施例中,上述步骤S140,可以具体包括:获取检测设备的部署距离阈值;在检测设备的部署距离超过部署距离阈值的情况下,根据部署距离阈值,对高速公路上的检测设备进行配置。
具体实现中,可以在服务器中预先存储检测设备的部署距离阈值,在确定高速公路上检测设备的部署距离后,可以将部署距离与部署距离阈值相比较,若部署距离不超过部署距离阈值,可以将高速公路上检测设备的间距设置为部署距离,若部署距离超过部署距离阈值,可以将高速公路上检测设备的间距设置为部署距离阈值。
本实施例中,通过获取检测设备的部署距离阈值,在检测设备的部署距离超过部署距离阈值的情况下,根据部署距离阈值,对高速公路上的检测设备进行配置,可以确保计算得到的检测设备部署距离不超过预设阈值,避免检测设备布设间距过大导致的数据采集精度不高,提高资源配置的可靠性。
在一个实施例中,上述步骤S120,可以具体包括:获取高速公路的车辆自由行驶速度;将车辆自由行驶速度与预设的第二响应时间进行相乘,得到第二检测距离。
其中,车辆自由行驶速度可以为车辆在高速公路上自由行驶时的速度。
具体实现中,服务器可以获取到交通事故发生的时刻,以及交通事故所导致的波动传播到第二检测器的时刻,并将波动传播到第二检测器的时刻与交通事故发生时刻之间的差值作为第二响应时间。服务器还可以获取高速公路上的车辆自由行驶速度,例如,可以通过摄像头或测速仪获取车辆自由行驶速度,通过将车辆自由行驶速度与第二响应时间相乘,可以得到第二检测距离。
例如,设车辆自由行驶速度为Vf,交通事故发生时刻为t0,交通事故所导致的波动传播到下游检测器B的时刻为t2,则检测器B与交通事故发生点之间的第二检测距离为
X2=Vf×(t2-t0)。
本实施例中,通过获取高速公路的车辆自由行驶速度,将车辆自由行驶速度与预设的第二响应时间进行相乘,得到第二检测距离,可以方便可靠地获取到交通事故发生点与下游检测设备之间的距离,提高高速公路资源配置的效率。
在一个实施例中,上述高速公路资源配置方法,具体还可以包括:确定与高速公路上压缩波相关联的车流密度增量阈值;根据车流密度增量阈值,确定第一检测位置与第二检测位置之间的车流密度的增量系数;将第一检测位置的车流密度与增量系数进行相乘,得到第二检测位置的车流密度。
具体实现中,当发生交通事故时,压缩波的出现会造成高速公路上的车辆占有率和车流密度上升,车速下降,因此可以设置车流密度(或占有率)的增量阈值,当车流密度(或占有率)的增量超过预设的增量阈值时,判定发生交通事故,根据车流密度增量阈值确定第一检测位置与第二检测位置之间车流密度的增量系数,之后可以通过将第一检测位置车流密度与增量系数相乘,得到第二检测位置的车流密度。
例如,可以设置增量阈值为30%,当车流密度(或占有率)的增量超过30%时,判定发生交通事故,因此可以规定当发生交通事故时,交通事故发生点上游断面A与下游断面B之间车流密度(或占有率)的增量系数为1+30%=1.3,通过将上游断面A的车流密度(或占有率)与1.3相乘,可以得到下游断面B的车流密度(或占有率),具体公式可以为
K2=(1+30%)K1=1.3K1。
本实施例中,通过确定与高速公路上压缩波相关联的车流密度增量阈值,根据车流密度增量阈值,确定第一检测位置与第二检测位置之间的车流密度的增量系数,将第一检测位置的车流密度与增量系数进行相乘,得到第二检测位置的车流密度,可以方便快捷的通过第一检测位置车流密度确定第二检测位置车流密度,提高高速公路资源配置的效率。
为了更清晰阐明本公开实施例提供的高速公路资源配置方法,以下以一个具体的实施例对该高速公路资源配置方法进行具体说明。
假设高速公路上行驶的车辆呈均匀分布,当某一路段发生交通事故时,此处的交通速度会随之下降,从而造成交通流阻塞,即形成交通瓶颈。根据交通流理论,这种情况会导致压缩波的产生,并沿交通流方向向后传播。
如图2所示,假设C点为交通事故发生点,D为发生事故前通过C点的最后一辆车。此时,C点下游的交通流不受影响,车辆按原速度行驶,当D通过检测器B点后,B点的交通流产生异常情况;C点上游则出现压缩波,依次传到检测器A点(t1时刻),此时A点处交通流出现异常。
压缩波波速VW的计算公式可以为
其中,k1,k2分别为断面A、B的车流密度(单位:辆/km),q1,q2分别为断面A、B的交通流量(单位:辆/h)。
检测器A、B的距离为
L1=X1+X2
X1=Vw×(t1-t0)
X2=Vf×(t2-t0)。
其中,t0为交通事件发生时刻,t1为波动传播到上游检测器的时刻,t2为波动传播到下游检测器的时刻,Vf为自由行驶车速(km/h)。
双环形线圈数据是相对先进的交通事故检测算法的基础,只要上游或者下游检测点出现交通流参数异常,都将对事故做出反应。然而,若是交通事故的发生地点位于两个相邻检测点的中点,则为不利情况,可以规定检测器的布设间距为
L2=2*min(X1,X2)。
由于检测器布设间距较大,导致数据采集精度不高,可以规定检测器的最大布设距离;且检测器存在严重损坏、不能正常工作的现象,因此可以时常对检测器进行检查,也可考虑在检测器故障情况下,建立两阶段的整数规划模型。
研究结果显示,压缩波的出现会造成占有率急剧和车流密度上升、车速急剧下降。当密度(或占有率)的增量超过30%以上,则可判定发生交通事故,因此可规定出现事故时,断面A的密度与断面B的密度满足公式
K2=(K1+30%)=1.3K1。
在交通密度较大情况下,一旦发生事故则会出现车道堵塞,车流立即呈现饱和状态,则有压缩波波速
综上所述,可计算得到如表1所示的高密度条件下响应时间与部署间距对应表,车检器布设的理论值可以如表1所示,其中,Vt可以为车辆在t时刻的速度。
表1
进一步地,可以利用VISSIM仿真软件进行研究。首先在软件中建立高速公路模型,规定相应模型的参数,并针对堵塞交通流情境,设计每时段内加载的车辆数;然后采用人工神经网络中的多层前馈神经网络(BP),对检测器某一固定布设距离进行交通事件仿真实验,同时需采集对于事件较敏感的占有率和速度参数;最后利用Matlab软件对上述算法进行计算,从而得到在当前固定布设间距的前提下,算法的检测率(DR)、平均检测时间(MTTD)和误报警率(FAR)。之后对检测器不同的布设距离进行计算,从而得到效果较好且可节约投资的部署方案。
本实施例中,基于响应时间、交通流运行速度等数据,通过公式计算及实际情况,可以设计出在堵塞交通流情境下,高速公路上检测器的布设密度和布设距离。进一步地,利用仿真软件和算法,对检测器不同的布设间距产生的计算结果进行评价,可以选择堵塞交通流情境下合理的部署方案。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的高速公路资源配置方法的高速公路资源配置装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个高速公路资源配置装置实施例中的具体限定可以参见上文中对于高速公路资源配置方法的限定,在此不再赘述。
在一个实施例中,如图3所示,提供了一种高速公路资源配置装置,包括:压缩波波速确定模块310、检测距离确定模块320、部署距离确定模块330和检测设备配置模块340,其中:
压缩波波速确定模块310,用于根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和所述第一检测位置的交通流量,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置,所述第二检测位置位于所述高速公路的下游位置;
检测距离确定模块320,用于确定第一检测距离和第二检测距离;所述第一检测距离为所述第一检测位置与所述高速公路上事故发生位置之间的距离,且根据所述压缩波波速和预设的第一响应时间得到;所述第二检测距离为所述第二检测位置与所述事故发生位置之间的第二检测距离;
部署距离确定模块330,用于根据所述第一检测距离和所述第二检测距离,确定所述高速公路上的检测设备的部署距离;
检测设备配置模块340,用于根据所述部署距离对所述高速公路上的检测设备进行资源配置。
在一个实施例中,上述部署距离确定模块330,还用于将所述第一检测距离与所述第二检测距离之中的最小值,作为目标检测距离;将所述目标检测距离与预设系数进行相乘,得到所述高速公路上的检测设备的部署距离。
在一个实施例中,上述部署距离确定模块330,还用于将所述第一检测距离和所述第二检测距离进行求和,得到所述高速公路上的检测设备的部署距离。
在一个实施例中,上述检测设备配置模块340,还用于获取所述检测设备的部署距离阈值;在所述检测设备的部署距离超过所述部署距离阈值的情况下,根据所述部署距离阈值,对所述高速公路上的检测设备进行配置。
在一个实施例中,上述检测距离确定模块320,还用于获取所述高速公路的车辆自由行驶速度;将所述车辆自由行驶速度与预设的第二响应时间进行相乘,得到所述第二检测距离。
在一个实施例中,上述高速公路资源配置装置,还包括:
阈值确定模块,用于确定与所述高速公路上压缩波相关联的车流密度增量阈值;
系数确定模块,用于根据所述车流密度增量阈值,确定所述第一检测位置与所述第二检测位置之间的车流密度的增量系数;
密度确定模块,用于将所述第一检测位置的车流密度与所述增量系数进行相乘,得到所述第二检测位置的车流密度。
上述高速公路资源配置装置中的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计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机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,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储高速公路资源配置数据。该计算机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以实现一种高速公路资源配置方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种高速公路资源配置方法,其特征在于,所述方法包括:
根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和所述第一检测位置的交通流量,确定所述高速公路上事故发生位置与所述第一检测位置之间的压缩波波速;所述第一检测位置为所述高速公路上事故发生位置上游的位置,所述第二检测位置为所述高速公路上事故发生位置下游的位置;所述压缩波波速的计算公式为
其中,k1为所述第一检测位置的车流密度,kj为所述第二检测位置的车流密度,q1为所述第一检测位置的交通流量;
确定第一检测距离和第二检测距离;所述第一检测距离为所述第一检测位置与所述高速公路上事故发生位置之间的距离,且根据所述压缩波波速和预设的第一响应时间得到;所述第二检测距离为所述第二检测位置与所述事故发生位置之间的第二检测距离,且根据高速公路上车辆的自由行驶速度和预设的第二响应时间得到;所述第一检测距离的计算公式为
X1=Vw×(t1-t0),
所述第二检测距离的计算公式为
X2=Vf×(t2-t0),
其中,t0为事故发生时刻,t1为交通事故所导致的波动传播到所述第一检测位置的时刻,t2为交通事故所导致的波动传播到所述第二检测位置的时刻,t1-t0为所述第一响应时间,t2-t0为所述第二响应时间,Vf为所述高速公路上车辆的自由行驶速度;
将所述第一检测距离与所述第二检测距离之中的最小值与预设系数进行相乘,得到所述高速公路上的检测设备的部署距离,或者,将所述第一检测距离与所述第二检测距离进行求和,得到所述高速公路上的检测设备的部署距离;
根据所述部署距离对所述高速公路上的检测设备进行资源配置;所述根据所述部署距离对所述高速公路上的检测设备进行资源配置,包括:通过对不同的所述部署距离产生的仿真结果进行评价,确定所述高速公路上的检测设备的资源配置。
2.根据权利要求1所述的方法,其特征在于,所述根据所述部署距离对所述高速公路上的检测设备进行资源配置,包括:
获取所述检测设备的部署距离阈值;
在所述检测设备的部署距离超过所述部署距离阈值的情况下,根据所述部署距离阈值,对所述高速公路上的检测设备进行配置。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定与所述高速公路上压缩波相关联的车流密度增量阈值;
根据所述车流密度增量阈值,确定所述第一检测位置与所述第二检测位置之间的车流密度的增量系数;
将所述第一检测位置的车流密度与所述增量系数进行相乘,得到所述第二检测位置的车流密度。
4.一种高速公路资源配置装置,其特征在于,所述装置包括:
压缩波波速确定模块,用于根据高速公路的第一检测位置的车流密度、第二检测位置的车流密度和所述第一检测位置的交通流量,确定所述高速公路上事故发生位置与所述第一检测位置之间的压缩波波速;所述第一检测位置为所述高速公路上事故发生位置上游的位置,所述第二检测位置为所述高速公路上事故发生位置下游的位置;所述压缩波波速的计算公式为
其中,k1为所述第一检测位置的车流密度,kj为所述第二检测位置的车流密度,q1为所述第一检测位置的交通流量;
检测距离确定模块,用于确定第一检测距离和第二检测距离;所述第一检测距离为所述第一检测位置与所述高速公路上事故发生位置之间的距离,且根据所述压缩波波速和预设的第一响应时间得到;所述第二检测距离为所述第二检测位置与所述事故发生位置之间的第二检测距离,且根据高速公路上车辆的自由行驶速度和预设的第二响应时间得到;所述第一检测距离的计算公式为
X1=Vw×(t1-to),
所述第二检测距离的计算公式为
X2=Vf×(t2-t0),
其中,t0为事故发生时刻,t1为交通事故所导致的波动传播到所述第一检测位置的时刻,t2为交通事故所导致的波动传播到所述第二检测位置的时刻,t1-t0为所述第一响应时间,t2-t0为所述第二响应时间,Vf为所述高速公路上车辆的自由行驶速度;
部署距离确定模块,用于将所述第一检测距离与所述第二检测距离之中的最小值与预设系数进行相乘,得到所述高速公路上的检测设备的部署距离,或者,将所述第一检测距离与所述第二检测距离进行求和,得到所述高速公路上的检测设备的部署距离;
检测设备配置模块,用于根据所述部署距离对所述高速公路上的检测设备进行资源配置;所述根据所述部署距离对所述高速公路上的检测设备进行资源配置,包括:通过对不同的所述部署距离产生的仿真结果进行评价,确定所述高速公路上的检测设备的资源配置。
5.根据权利要求4所述的装置,其特征在于,所述检测设备配置模块,还用于获取所述检测设备的部署距离阈值;在所述检测设备的部署距离超过所述部署距离阈值的情况下,根据所述部署距离阈值,对所述高速公路上的检测设备进行配置。
6.根据权利要求4所述的装置,其特征在于,所述装置还包括:
阈值确定模块,用于确定与所述高速公路上压缩波相关联的车流密度增量阈值;
系数确定模块,用于根据所述车流密度增量阈值,确定所述第一检测位置与所述第二检测位置之间的车流密度的增量系数;
密度确定模块,用于将所述第一检测位置的车流密度与所述增量系数进行相乘,得到所述第二检测位置的车流密度。
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述的方法的步骤。
8.一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,所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
9.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210242247.9A CN114783173B (zh) | 2022-03-11 | 2022-03-11 | 高速公路资源配置方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210242247.9A CN114783173B (zh) | 2022-03-11 | 2022-03-11 | 高速公路资源配置方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114783173A CN114783173A (zh) | 2022-07-22 |
CN114783173B true CN114783173B (zh) | 2023-03-28 |
Family
ID=82423414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210242247.9A Active CN114783173B (zh) | 2022-03-11 | 2022-03-11 | 高速公路资源配置方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114783173B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3633706B2 (ja) * | 1996-03-06 | 2005-03-30 | 日産ディーゼル工業株式会社 | 車群走行制御装置 |
CN102254433B (zh) * | 2011-07-06 | 2013-06-05 | 东南大学 | 一种用于高速公路检测器的布设间距的测定方法 |
JP7033716B2 (ja) * | 2017-01-19 | 2022-03-11 | パナソニックIpマネジメント株式会社 | 信号制御装置および信号制御方法 |
CN112991724B (zh) * | 2021-02-09 | 2022-08-12 | 重庆大学 | 一种高速公路异常事件发生位置与事发时间的估计方法及装置 |
-
2022
- 2022-03-11 CN CN202210242247.9A patent/CN114783173B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114783173A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Real-time crash risk prediction on arterials based on LSTM-CNN | |
Ma et al. | Density-based outlier detection by local outlier factor on largescale traffic data | |
CN105208040A (zh) | 一种网络攻击检测方法及装置 | |
CN112344990B (zh) | 环境异常监测方法、装置、设备及存储介质 | |
CN101753381A (zh) | 一种检测网络攻击行为的方法 | |
CN110533887B (zh) | 一种基于实时监测数据的煤与瓦斯突出灾害离散模态预警方法,装置及存储介质 | |
US20140039782A1 (en) | Determining a spatiotemporal impact of a planned event on traffic | |
Huang et al. | Physics-informed deep learning for traffic state estimation: Illustrations with LWR and CTM models | |
CN111882877B (zh) | 一种交通区域分析方法及装置 | |
CN114444827B (zh) | 一种集群性能的评估方法和装置 | |
US20220413907A1 (en) | Priority determination system, priority determination method, and recording medium | |
Basak et al. | Analyzing the cascading effect of traffic congestion using LSTM networks | |
CN114783173B (zh) | 高速公路资源配置方法、装置、计算机设备和存储介质 | |
US20220058745A1 (en) | System and method for crowdsensing-based insurance premiums | |
Rahman et al. | A deep learning approach for network-wide dynamic traffic prediction during hurricane evacuation | |
Yang et al. | Dynamic spatiotemporal causality analysis for network traffic flow based on transfer entropy and sliding window approach | |
Li et al. | Conditional inference tree‐based analysis of hazardous traffic conditions for rear‐end and sideswipe collisions with implications for control strategies on freeways | |
US10140577B2 (en) | Data processing method and apparatus | |
CN114913682B (zh) | 高速公路资源配置方法、装置、计算机设备和存储介质 | |
Yusupova et al. | Cyber-physical systems and reliability issues | |
Xia et al. | Formalizing computational intensity of big traffic data understanding and analysis for parallel computing | |
CN115359663B (zh) | 山区公路灾害路段抗灾韧性计算方法、装置以及电子设备 | |
Aswad et al. | Context aware accidents prediction and prevention system for VANET | |
CN113449062B (zh) | 轨迹处理方法、装置、电子设备和存储介质 | |
Liu et al. | A repeated commuting driving cycle dataset with application to short-term vehicle velocity forecasting |
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 |