CN115273480B - 一种基于大数据分析的交通预警系统及其方法 - Google Patents

一种基于大数据分析的交通预警系统及其方法 Download PDF

Info

Publication number
CN115273480B
CN115273480B CN202211186573.9A CN202211186573A CN115273480B CN 115273480 B CN115273480 B CN 115273480B CN 202211186573 A CN202211186573 A CN 202211186573A CN 115273480 B CN115273480 B CN 115273480B
Authority
CN
China
Prior art keywords
early warning
traffic
data
congestion
information
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
Application number
CN202211186573.9A
Other languages
English (en)
Other versions
CN115273480A (zh
Inventor
孙龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Intelligent Transportation Information Co ltd
Original Assignee
Nanjing Intelligent Transportation Information Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Intelligent Transportation Information Co ltd filed Critical Nanjing Intelligent Transportation Information Co ltd
Priority to CN202211186573.9A priority Critical patent/CN115273480B/zh
Publication of CN115273480A publication Critical patent/CN115273480A/zh
Application granted granted Critical
Publication of CN115273480B publication Critical patent/CN115273480B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic 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
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Emergency Management (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及智慧交通技术领域,具体公开了一种基于大数据分析的交通预警系统及其方法，系统包括信息采集系统、交通预警计算系统、调度系统和云端服务平台；本发明针对现有客车交通运行中所发生的不同状况，而构建出交通预警系统，能够通过大数据分析处理后，可定性客车交通存在的拥挤风险问题后输出对应拥挤风险存在的预警方案，进而优化客车交通产生的预警信息，降低客车交通拥挤风险；同时通过定量分析后单个客车数据树形和多个线路客车数据树形，相互结合数据自学习的训练，不仅使得关联拥挤度预警层次所对应的方案定位准确，且可输出多种关联后可靠的解决方案，实现拥挤风险预判，提高了面对交通拥挤度信息时优化方案的应对可靠性。

Description

一种基于大数据分析的交通预警系统及其方法
技术领域
本发明涉及智慧交通技术领域，特别是一种基于大数据分析的交通预警系统及其方法。
背景技术
近来年，随着我国城市现代化建设进程的不断推进，道路交通基础设施建设突飞猛进，城市道路规模逐渐扩大。不断扩张的道路规模与较高的道路密度，给城市公共交通运营工作带来了巨大的压力。现有的客车面对当前线路所获取的信息，难以进行分析预判下一时间段的客车运行状态，例如，如果基于现有的信息，客车在运行时不提前做出预警和关联反应，则会造成城市道路和乘客的拥堵，即无法针对现有获取的拥堵信息，而生成不同层次的预警方案，来进行动态调整，进而导致交通系统常态化的拥堵，不利于智慧交通的推广与运行。
发明内容
鉴于上述现有的智慧交通中存在的问题，提出了本发明。
因此，本发明的目的是提供一种基于大数据分析的交通预警系统及其方法，构建出交通预警系统，进行大数据分析处理后，可定性客车交通存在的拥挤风险问题后输出对应拥挤风险存在的预警方案，进而优化客车交通产生的预警信息，降低客车交通拥挤风险。
为解决上述技术问题，本发明提供如下技术方案：
一方面提供一种基于大数据分析的交通预警系统，包括：
信息采集系统，用于获取客车交通运行线路发生的预警信息，所述信息采集系统包括车载终端、站台监控端和地图API数据获取端；
交通预警计算系统，用于对获取的客车交通预警信息进行实时计算、分析和处理，通过神经网络自主学习后构建客车交通运营拥挤度数据树模型，所述交通预警计算系统包括数据处理器、数据分析模块、预警定位模块、寻址转移器模块、共享数据模块、状态监控模块和大数据信息存储模块；所述交通预警计算系统的预警定位模块采用定量分析后定期评估分析拥挤度情况，同时匹配预警阶层，所述定量分析如式（1）所示：
Figure 956695DEST_PATH_IMAGE001
（1）；
式中，
Figure 327634DEST_PATH_IMAGE002
为车载终端、站台监控端和地图API数据获取端所获取的预警信息，
Figure 605031DEST_PATH_IMAGE003
为车载终端拥挤度
Figure 428631DEST_PATH_IMAGE004
、站台监控端拥挤度
Figure 20149DEST_PATH_IMAGE005
和地图API数据获取端拥挤度
Figure 245594DEST_PATH_IMAGE006
的融合 权值，且
Figure 428314DEST_PATH_IMAGE007
，
Figure 270368DEST_PATH_IMAGE008
表示拥挤度数量；对定量分析后的拥挤度值
Figure 399998DEST_PATH_IMAGE009
求积分，得出一段时 间内的拥挤度累计值
Figure 479949DEST_PATH_IMAGE010
，如式（2）所示：
Figure 364729DEST_PATH_IMAGE012
（2）；
拥挤度累计值
Figure 162921DEST_PATH_IMAGE013
用于定期评估分析拥挤度情况，
Figure 830662DEST_PATH_IMAGE014
为小时、分钟、天或周为周期， 匹配相应的三个预警阶层，
Figure 30699DEST_PATH_IMAGE015
表示微分算子；同时对获得的拥挤度累计值
Figure 86380DEST_PATH_IMAGE010
采用最小二乘 法拟合得出曲线函数
Figure 309551DEST_PATH_IMAGE016
，并求偏导得出变化度量值
Figure 843301DEST_PATH_IMAGE017
，实现拥挤风险预 判；其中，
Figure 163423DEST_PATH_IMAGE018
为偏导数符号；
调度系统，与所述交通预警计算系统连接，用于接收预警方案，并根据所述预警方案调度服务区内的客车，优化客车交通产生的拥挤度，降低客车交通拥挤风险；以及
云端服务平台，用于监管端和客车用户端之间的网络服务，共享所述交通预警计算系统处理的数据，并为所述信息采集系统中的车载终端和站台监控端，提供预警数据和关联预警方案的反馈数据传输，以此提醒相应的人员。
作为本发明的一种优选方案，其中：所述数据分析模块对输入的预警信息进行训练、识别、定位、预警指标标定和预警方案输出的整合，具体地，即将单个车辆的预警信息和单个车辆的方案措施数据，生成单个客车数据树形数据以及多条线路客车数据树形数据后，完成训练、识别和关联定位预警方案；预警定位模块，通过单个客车数据树形数据和多条线路客车数据树形数据，相互结合数据自学习的训练，进行不同层次的拥挤度和相应的预警指标的定性，定性客车交通存在的拥挤风险问题后输出对应拥挤风险存在的预警方案，实现拥挤风险预判；所述寻址转移器模块，用于所述数据处理器原理数据寻址与转移地址寻址；所述共享数据模块，用于将事故信息传递给道路上行驶车辆的车载导航系统或司机手机上的导航系统，并可以将路况等信息传递给后台系统；所述状态监控模块，用于所述交通预警计算系统运行状态的监控；所述大数据信息存储模块，用于所述交通预警计算系统运行数据的存储。
作为本发明的一种优选方案，其中：所述云端服务平台设有所述监管端和客车用户端所对应的用户挂载前端，所述用户挂载前端包括访问账号管理模块和功能使用模块，所述功能使用模块设有预警信息数据筛选，以及添加客车交通的客车种类、线路、站台和添加产品分类，用于管理权限内客车运营部门内的线路、站台和客车种类，即对上述线路、站台和客车种类选取后的编辑、删除、上架或下架。
作为本发明的一种优选方案，其中：所述不同层次的拥挤度具体地设置至少三级预警阶层，所述预警定位模块采用定量分析后定期评估分析拥挤度情况，匹配相应的三个预警阶层，以及对应匹配所述预警方案为顶级报警事件、次级报警事件和第三级报警事件。
作为本发明的一种优选方案，其中：
对于车载终端拥挤度
Figure 62109DEST_PATH_IMAGE004
、站台监控端拥挤度
Figure 834893DEST_PATH_IMAGE005
和地图API数据获取端拥挤度
Figure 175263DEST_PATH_IMAGE019
的测试样本，第
Figure 84314DEST_PATH_IMAGE020
组分类器判决结果所对应的概率输出，即为该组分类器所有判决标签对 应的概率输出的最大值，记为
Figure 419480DEST_PATH_IMAGE021
，如式（3）所示：
Figure 413981DEST_PATH_IMAGE022
（3）；
其中，
Figure 289533DEST_PATH_IMAGE023
表示第
Figure 584248DEST_PATH_IMAGE024
类判决标签；
Figure 621474DEST_PATH_IMAGE025
表示第
Figure 572113DEST_PATH_IMAGE026
类判决标签对应的第
Figure 985776DEST_PATH_IMAGE027
组分类器判 决结果所对应的概率输出；
则融合权值
Figure 134998DEST_PATH_IMAGE028
计算如式（4）所示：
Figure 546388DEST_PATH_IMAGE029
（4）。
作为本发明的一种优选方案，其中：所述车载终端上设有一键报警模块，所述一键报警模块至少设置三个预警按钮，并与所述预警方案一一对应设置。
作为本发明的一种优选方案，其中：所述预警信息包括客车当前位置、目标客车交通运行线路车流拥堵度信息、目标客车交通运行线路站台拥堵信息、目标客车交通运行客车排班拥挤度信息，以及目标客车交通运行车内人员拥挤度信息。
另一方面提供一种基于大数据分析的交通预警方法，包括以下步骤：
步骤S1：城市客车交通运行线路发生的预警信息采集，采用智能设备以及在线地图API数据获取线路车流拥堵度信息、线路站台拥堵信息以及车内人员拥挤度信息的实时数据作为预警信息数据，并对预警信息数据进行数据清洗、数据脱敏、数据质控和入库；
步骤S2：构建客车交通运营拥挤度数据树模型，设置至少三级预警阶层，顶级报警事件、次级报警事件和第三级报警事件；
步骤S3：将单个客车数据树形和多个线路客车数据树形，相互结合数据自学习的训练，进行不同层次的拥挤度和相应的预警指标的定性，并集成到客车交通运营拥挤度数据树模型，运用加权事故树分析法，结合拥挤度信息，进行拥挤风险预判，以及匹配相应的三个预警阶层，对应匹配所述预警方案为顶级报警事件、次级报警事件和第三级报警事件；
步骤S4：根据不同的风险值，结合预警单项指标和综合指标阈值，判断预警阶层，并定性客车交通存在的拥挤风险问题后，关联输出对应拥挤风险存在的预警方案，启动相应的预警方案信息；
步骤S5：调度系统根据预警方案信息，实现客车交通运营的动态规划调度，同时通过云服务平台反馈调度数据，即将调度系统的动态规划调度信息发送至车载终端和站台监控端。
本发明的有益效果：本发明针对现有客车交通运行中所发生的不同状况，而构建出交通预警系统，能够通过大数据分析处理后，可定性客车交通存在的拥挤风险问题后输出对应拥挤风险存在的预警方案，进而优化客车交通产生的预警信息，降低客车交通拥挤风险；同时通过定量分析后单个客车数据树形和多个线路客车数据树形，相互结合数据自学习的训练，不仅使得关联拥挤度预警层次所对应的方案定位准确，且可输出多种关联后可靠的解决方案，实现拥挤风险预判，提高了面对交通拥挤度信息时优化方案的应对可靠性，有利于在客车交通中进行推广应用。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明基于大数据分析的交通预警系统的模块化结构示意图；
图2为本发明基于大数据分析的交通预警系统的通讯示意图；
图3为本发明基于大数据分析的交通预警方法的流程图。
图中标号：10、信息采集系统；20、交通预警计算系统；30、调度系统；40、云端服务平台。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
实施例1，参照图1、图2，为本发明的一个实施例，该实施例提供了一种基于大数据分析的交通预警系统，如下：
本实施例的信息采集系统10用于获取客车交通运行线路发生的预警信息，信息采集系统10包括车载终端、站台监控端和地图API数据获取端；需要说明的，车载终端通过安装在上、下客车门上的摄像头，完成对车内人员数量的确定，通过与车载核定人数比值进而获得车内拥挤度，同理，站台监控端通过安装在站台上的摄像头，完成对站台上人员数量的确定，通过与站台核定人数比值进而获得站台拥挤度，而地图API数据获取端通过获取地图在线API库来获得相对应路线的拥挤度信息，基于上述不同的拥挤度信息通过实时获取形成预警信息传输至交通预警计算系统20中进行计算分析。
本实施例的交通预警计算系统20用于对获取的客车交通运行线路发生的预警信息进行实时计算、分析和处理，通过神经网络自主学习后构建客车交通运营拥挤度数据树模型，交通预警计算系统20包括数据处理器、数据分析模块、预警定位模块、寻址转移器模块、共享数据模块、状态监控模块和大数据信息存储模块；
本实施例进一步说明的，数据分析模块对输入的预警信息进行训练、识别、定位、预警指标标定和预警方案输出的整合，具体地，将单个车辆的预警信息和单个车辆的方案措施数据，生成单个客车数据树形数据以及多条线路客车数据树形数据后，完成训练、识别和关联定位预警方案；预警定位模块通过单个客车数据树形数据和多条线路客车数据树形数据，相互结合数据自学习的训练，进行不同层次的拥挤度和相应的预警指标的定性，定性客车交通存在的拥挤风险问题后输出对应拥挤风险存在的预警方案，实现拥挤风险预判；寻址转移器模块，用于数据处理器原理数据寻址与转移地址寻址；共享数据模块，用于将事故信息传递给道路上行驶车辆的车载导航系统或司机手机上的导航系统，并可以将路况等信息传递给后台系统；状态监控模块，用于交通预警计算系统20运行状态的监控；大数据信息存储模块，用于交通预警计算系统20运行数据的存储。
本实施例需要强调的是，上述不同层次的拥挤度具体地设置至少三级预警阶层，预警定位模块采用定量分析后定期评估分析拥挤度情况，匹配相应的三个预警阶层，以及对应匹配预警方案为顶级报警事件、次级报警事件和第三级报警事件；
其中，交通预警计算系统20的预警定位模块采用定量分析后定期评估分析拥挤度情况，同时匹配预警阶层，所述定量分析如式（1）所示：
Figure 515481DEST_PATH_IMAGE030
（1）；
式中，
Figure 998415DEST_PATH_IMAGE031
为车载终端、站台监控端和地图API数据获取端所获取的预警信息，
Figure 939826DEST_PATH_IMAGE032
为 车载终端拥挤度
Figure 584434DEST_PATH_IMAGE004
、站台监控端拥挤度
Figure 306402DEST_PATH_IMAGE005
和地图API数据获取端拥挤度
Figure 61869DEST_PATH_IMAGE006
的融合权值， 且
Figure 123366DEST_PATH_IMAGE033
，
Figure 938875DEST_PATH_IMAGE034
表示拥挤度数量；对经定量分析后的拥挤度值
Figure 882560DEST_PATH_IMAGE035
求积分，得出一段时间内的拥 挤度累计值
Figure 441717DEST_PATH_IMAGE036
，如式（2）所示：
Figure 357721DEST_PATH_IMAGE037
（2）；
拥挤度累计值
Figure 630218DEST_PATH_IMAGE038
用于定期评估分析拥挤度情况，
Figure 61200DEST_PATH_IMAGE039
为小时、分钟、天或周为周期，匹 配相应的三个预警阶层，
Figure 361731DEST_PATH_IMAGE040
表示微分算子；同时对获得的拥挤度值拥挤度累计值
Figure 928979DEST_PATH_IMAGE041
采用最小 二乘法拟合得出曲线函数
Figure 351870DEST_PATH_IMAGE042
，并求偏导得出变化度量值
Figure 4568DEST_PATH_IMAGE043
，实现拥挤风险预判； 其中，
Figure 108790DEST_PATH_IMAGE044
为偏导数符号；
对于车载终端拥挤度
Figure 61703DEST_PATH_IMAGE045
、站台监控端拥挤度
Figure 124337DEST_PATH_IMAGE046
和地图API数据获取端拥挤度
Figure 529910DEST_PATH_IMAGE047
的 测试样本，第
Figure 172244DEST_PATH_IMAGE048
组分类器判决结果所对应的概率输出，即为该组分类器所有判决标签对应的 概率输出的最大值记为
Figure 714084DEST_PATH_IMAGE049
，如式（3）所示：
Figure 478778DEST_PATH_IMAGE050
（3）；
则融合权值
Figure 106068DEST_PATH_IMAGE051
计算如式（4）所示：
Figure 552093DEST_PATH_IMAGE029
（4）。
其中对多种特征进行融合时，需要多组分类器，分类器的概率输出记为
Figure 479598DEST_PATH_IMAGE052
；（
Figure 352876DEST_PATH_IMAGE053
），其中，
Figure 201883DEST_PATH_IMAGE054
表示第
Figure 248336DEST_PATH_IMAGE054
类判决标签，
Figure 30348DEST_PATH_IMAGE055
表示判决结果为第
Figure 74527DEST_PATH_IMAGE055
组分类器产生的第
Figure 410830DEST_PATH_IMAGE055
种特 征；将提取的复合检测信号缺陷特征作为测试样本，并将其输入k分类PSVM的分类器中，设 定待训练、待分类的缺陷特征信号共有k类，提取的复合检测信号缺陷特征；将多种待训练 的不同的缺陷特征分别输入多组分类器，并按照树状结构进行训练，其中每组分类器包含1 个PSVM；可实现对客车交通运行线路发生的预警信息数据融合结果的精确和快速输出。这 样一来避免了此系统中多传感器信号缺陷特征集中式任务调度的性能延迟，提高了系统处 理的时效性，即大的提高了分析处理的精度和速度。
本实施例的调度系统30与交通预警计算系统20连接，用于接收预警方案，并根据预警方案调度服务区内的客车，优化客车交通产生的拥挤度，降低客车交通拥挤风险；以及本实施例的云端服务平台40，用于监管端和客车用户端之间的网络服务，共享交通预警计算系统20处理的数据，并为信息采集系统10中的车载终端和站台监控端，提供预警数据和关联预警方案的反馈数据传输，以此提醒相应的人员。通过对获取的客车交通预警信息进行分析，并根据边缘计算的预设资源种类进行数据划分，将目标数据划分为至少一个数据块种类，获得数据集后装载子数据集，并创建共享空间分配至用户端，分配共享数据空间至云端服务平台40。
云端服务平台40设有监管端和客车用户端所对应的用户挂载前端，用户挂载前端包括访问账号管理模块和功能使用模块，功能使用模块设有预警信息数据筛选，以及添加客车交通的客车种类、线路、站台和添加产品分类，用于管理权限内客车运营部门内的线路、站台和客车种类，即对上述线路、站台和客车种类选取后的编辑、删除、上架或下架。
本实施例优选地，车载终端上设有一键报警模块，一键报警模块至少设置三个预警按钮，并与预警方案一一对应设置，此外，预警信息包括客车当前位置、目标客车交通运行线路车流拥堵度信息、目标客车交通运行线路站台拥堵信息、目标客车交通运行客车排班拥挤度信息，以及目标客车交通运行车内人员拥挤度信息。
实施例2，参照图3，为本发明的第二个实施例，该实施例提供了一种基于大数据分析的交通预警方法，包括以下步骤：
步骤S1：城市客车交通运行线路发生的预警信息采集，采用智能设备以及在线地图API数据获取线路车流拥堵度信息、线路站台拥堵信息以及车内人员拥挤度信息的实时数据作为预警信息数据，并对预警信息数据进行数据清洗、数据脱敏、数据质控和入库；
步骤S2：构建客车交通运营拥挤度数据树模型，设置至少三级预警阶层，顶级报警事件、次级报警事件和第三级报警事件；
步骤S3：将单个客车数据树形和多个线路客车数据树形，相互结合数据自学习的训练，进行不同层次的拥挤度和相应的预警指标的定性，并集成到客车交通运营拥挤度数据树模型，运用加权事故树分析法，结合拥挤度信息，进行拥挤风险预判，以及匹配相应的三个预警阶层，对应匹配预警方案为顶级报警事件、次级报警事件和第三级报警事件；
步骤S4：根据不同的风险值，结合预警单项指标和综合指标阈值，判断预警阶层，并定性客车交通存在的拥挤风险问题后，关联输出对应拥挤风险存在的预警方案，启动相应的预警方案信息；
步骤S5：调度系统30根据预警方案信息，实现客车交通运营的动态规划调度，同时通过云服务平台反馈调度数据，即将调度系统30的动态规划调度信息发送至车载终端和站台监控端。
综上所述，本发明针对现有客车交通运行中所发生的不同状况，而构建出交通预警系统，能够通过大数据分析处理后，可定性客车交通存在的拥挤风险问题后输出对应拥挤风险存在的预警方案，进而优化客车交通产生的预警信息，降低客车交通拥挤风险；同时通过定量分析后单个客车数据树形和多个线路客车数据树形，相互结合数据自学习的训练，不仅使得关联拥挤度预警层次所对应的方案定位准确，且可输出多种关联后可靠的解决方案，实现拥挤风险预判，提高了面对交通拥挤度信息时优化方案的应对可靠性，有利于在客车交通中进行推广应用。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。
应理解的是，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种基于大数据分析的交通预警系统，其特征在于，包括：
信息采集系统（10），用于获取客车交通运行线路发生的预警信息，所述信息采集系统（10）包括车载终端、站台监控端和地图API数据获取端；
交通预警计算系统（20），用于对获取的客车交通运行线路发生的预警信息进行实时计算、分析和处理，通过神经网络自主学习后构建客车交通运营拥挤度数据树模型，所述交通预警计算系统（20）包括数据处理器、数据分析模块、预警定位模块、寻址转移器模块、共享数据模块、状态监控模块和大数据信息存储模块；所述交通预警计算系统（20）的预警定位模块采用定量分析后定期评估分析拥挤度情况，同时匹配预警阶层，所述定量分析如式（1）所示：
Figure 380298DEST_PATH_IMAGE001
（1）；
式中，
Figure 962589DEST_PATH_IMAGE002
为车载终端、站台监控端和地图API数据获取端所获取的预警信息，
Figure 684557DEST_PATH_IMAGE003
为 车载终端拥挤度
Figure 643286DEST_PATH_IMAGE004
、站台监控端拥挤度
Figure 501520DEST_PATH_IMAGE005
和地图API数据获取端拥挤度
Figure 585539DEST_PATH_IMAGE006
的融合权值， 且
Figure 529224DEST_PATH_IMAGE007
，
Figure 26064DEST_PATH_IMAGE008
表示拥挤度数量；对定量分析后的拥挤度值
Figure 4384DEST_PATH_IMAGE009
求积分，得出一段时间内的 拥挤度累计值
Figure 194057DEST_PATH_IMAGE010
，如式（2）所示：
Figure 625039DEST_PATH_IMAGE011
（2）；
拥挤度累计值
Figure 987887DEST_PATH_IMAGE012
用于定期评估分析拥挤度情况，
Figure 758397DEST_PATH_IMAGE013
为小时、分钟、天或周为周期，匹配 相应的三个预警阶层，
Figure 915709DEST_PATH_IMAGE014
表示微分算子；同时对获得的拥挤度累计值
Figure 99565DEST_PATH_IMAGE010
采用最小二乘法拟 合得出曲线函数
Figure 734946DEST_PATH_IMAGE015
，并求偏导得出变化度量值
Figure 625542DEST_PATH_IMAGE016
，实现拥挤风险预判；其 中，
Figure 219334DEST_PATH_IMAGE017
为偏导数符号；
调度系统（30），与所述交通预警计算系统（20）连接，用于接收预警方案，并根据所述预警方案调度服务区内的客车，优化客车交通的拥挤度，降低客车交通拥挤风险，具体地所述数据分析模块对输入的预警信息进行训练、识别、定位、预警指标标定和预警方案输出的整合，即将单个车辆的预警信息和单个车辆的方案措施数据，生成单个客车数据树形数据以及多条线路客车数据树形数据后，完成训练、识别和关联定位预警方案；所述预警定位模块通过单个客车数据树形数据和多条线路客车数据树形数据，相互结合数据自学习的训练，进行不同层次的拥挤度和相应的预警指标的定性，定性客车交通存在的拥挤风险问题后输出对应拥挤风险存在的预警方案，实现拥挤风险预判；
云端服务平台（40），用于监管端和客车用户端之间的网络服务，共享所述交通预警计算系统（20）处理的数据，并为所述信息采集系统（10）中的车载终端和站台监控端，提供预警数据和关联预警方案的反馈数据传输，以此提醒相应的人员。
2.如权利要求1所述的一种基于大数据分析的交通预警系统，其特征在于，所述寻址转移器模块，用于所述数据处理器原理数据寻址与转移地址寻址；
所述共享数据模块，用于将事故信息传递给道路上行驶车辆的车载导航系统或司机手机上的导航系统，并将路况信息传递给后台系统；
所述状态监控模块，用于所述交通预警计算系统（20）运行状态的监控；
所述大数据信息存储模块，用于所述交通预警计算系统（20）运行数据的存储。
3.如权利要求1所述的一种基于大数据分析的交通预警系统，其特征在于，所述云端服务平台（40）设有所述监管端和客车用户端所对应的用户挂载前端，所述用户挂载前端包括访问账号管理模块和功能使用模块，所述功能使用模块设有预警信息数据筛选，以及添加客车交通的客车种类、线路、站台和添加产品分类，用于管理权限内客车运营部门内的线路、站台和客车种类，即对上述线路、站台和客车种类选取后的编辑、删除、上架或下架。
4.如权利要求2所述的一种基于大数据分析的交通预警系统，其特征在于，所述不同层次的拥挤度具体地设置至少三级预警阶层，所述预警定位模块采用定量分析后定期评估分析拥挤度情况，匹配相应的三个预警阶层，以及对应匹配所述预警方案为顶级报警事件、次级报警事件和第三级报警事件。
5.如权利要求1所述的一种基于大数据分析的交通预警系统，其特征在于，对于车载终 端拥挤度
Figure 562591DEST_PATH_IMAGE004
、站台监控端拥挤度
Figure 532821DEST_PATH_IMAGE005
和地图API数据获取端拥挤度
Figure 74660DEST_PATH_IMAGE018
的测试样本，第
Figure 777037DEST_PATH_IMAGE019
组 分类器判决结果所对应的概率输出，即为该组分类器所有判决标签对应的概率输出的最大 值，记为
Figure 669907DEST_PATH_IMAGE020
，如式（3）所示：
Figure 647090DEST_PATH_IMAGE021
（3）；
其中，
Figure 512278DEST_PATH_IMAGE022
表示第
Figure 447873DEST_PATH_IMAGE023
类判决标签；
Figure 765722DEST_PATH_IMAGE024
表示第
Figure 812175DEST_PATH_IMAGE025
类判决标签对应的第
Figure 328607DEST_PATH_IMAGE026
组分类器判决结 果所对应的概率输出；
则融合权值
Figure 372787DEST_PATH_IMAGE027
计算如式（4）所示：
Figure 237319DEST_PATH_IMAGE028
（4）。
6.如权利要求4所述的一种基于大数据分析的交通预警系统，其特征在于，所述车载终端上设有一键报警模块，所述一键报警模块至少设置三个预警按钮，并与所述预警方案一一对应设置。
7.如权利要求1所述的一种基于大数据分析的交通预警系统，其特征在于，所述预警信息包括客车当前位置、目标客车交通运行线路车流拥堵度信息、目标客车交通运行线路站台拥堵信息、目标客车交通运行客车排班拥挤度信息，以及目标客车交通运行车内人员拥挤度信息。
8.一种基于大数据分析的交通预警方法，应用于如权利要求1所述的一种基于大数据分析的交通预警系统，其特征在于，包括以下步骤：
步骤S1：城市客车交通运行线路发生的预警信息采集，采用智能设备以及在线地图API数据获取线路车流拥堵度信息、线路站台拥堵信息以及车内人员拥挤度信息的实时数据作为预警信息数据，并对预警信息数据进行数据清洗、数据脱敏、数据质控和入库；
步骤S2：构建客车交通运营拥挤度数据树模型，设置至少三级预警阶层，顶级报警事件、次级报警事件和第三级报警事件；
步骤S3：将单个客车数据树形和多个线路客车数据树形，相互结合数据自学习的训练，进行不同层次的拥挤度和相应的预警指标的定性，并集成到客车交通运营拥挤度数据树模型，运用加权事故树分析法，结合拥挤度信息，进行拥挤风险预判，以及匹配相应的三个预警阶层，对应匹配所述预警方案为顶级报警事件、次级报警事件和第三级报警事件；
步骤S4：根据不同的风险值，结合预警单项指标和综合指标阈值，判断预警阶层，并定性客车交通存在的拥挤风险问题后，关联输出对应拥挤风险存在的预警方案，启动相应的预警方案信息；
步骤S5：调度系统（30）根据预警方案信息，实现客车交通运营的动态规划调度，同时通过云服务平台反馈调度数据，即将调度系统（30）的动态规划调度信息发送至车载终端和站台监控端。
CN202211186573.9A 2022-09-28 2022-09-28 一种基于大数据分析的交通预警系统及其方法 Active CN115273480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211186573.9A CN115273480B (zh) 2022-09-28 2022-09-28 一种基于大数据分析的交通预警系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211186573.9A CN115273480B (zh) 2022-09-28 2022-09-28 一种基于大数据分析的交通预警系统及其方法

Publications (2)

Publication Number Publication Date
CN115273480A CN115273480A (zh) 2022-11-01
CN115273480B true CN115273480B (zh) 2023-01-20

Family

ID=83755952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211186573.9A Active CN115273480B (zh) 2022-09-28 2022-09-28 一种基于大数据分析的交通预警系统及其方法

Country Status (1)

Country Link
CN (1) CN115273480B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115909734B (zh) * 2022-11-14 2024-01-09 南京智慧交通信息股份有限公司 一种基于轨迹大数据的车辆行驶数据筛选更新系统及其方法
CN115986945B (zh) * 2023-03-21 2023-06-16 山东聚发数字工业技术有限公司 一种基于工业互联网的电力设备监测方法、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107507428A (zh) * 2017-09-11 2017-12-22 安徽实运信息科技有限责任公司 一种用于道路交通拥挤度检测系统
CN108648495A (zh) * 2018-06-08 2018-10-12 华南理工大学 一种智能实时显示公交车拥挤程度的方法及系统
CN114613145A (zh) * 2022-05-12 2022-06-10 中运科技股份有限公司 一种大数据下的客运流量感知预警系统及方法
CN115099721A (zh) * 2022-08-24 2022-09-23 南京智慧交通信息股份有限公司 一种基于大数据分析的客车交通拥挤度评估系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019209251A1 (en) * 2018-04-23 2019-10-31 Google Llc Determining vehicle crowdedness using real-time location data

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107507428A (zh) * 2017-09-11 2017-12-22 安徽实运信息科技有限责任公司 一种用于道路交通拥挤度检测系统
CN108648495A (zh) * 2018-06-08 2018-10-12 华南理工大学 一种智能实时显示公交车拥挤程度的方法及系统
CN114613145A (zh) * 2022-05-12 2022-06-10 中运科技股份有限公司 一种大数据下的客运流量感知预警系统及方法
CN115099721A (zh) * 2022-08-24 2022-09-23 南京智慧交通信息股份有限公司 一种基于大数据分析的客车交通拥挤度评估系统及方法

Also Published As

Publication number Publication date
CN115273480A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN115273480B (zh) 一种基于大数据分析的交通预警系统及其方法
CN109754594B (zh) 一种路况信息获取方法及其设备、存储介质、终端
US9799219B2 (en) Vehicle data system and method
CN108242149A (zh) 一种基于交通数据的大数据分析方法
KR100820467B1 (ko) 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법
CN111325437B (zh) 异常行驶行为的识别方法、装置以及电子设备
CN112883936A (zh) 一种对车辆违规行为的检测方法及其系统
CN115099721B (zh) 一种基于大数据分析的客车交通拥挤度评估系统及方法
CN112883645A (zh) 单体电池电压不一致故障预测方法、装置及服务器
CN115375234A (zh) 基于gnss的运输车辆运行轨迹规划方法
CN110175654A (zh) 一种轨迹路标的更新方法及系统
CN116580271A (zh) 一种感知融合算法的测评方法、装置、设备及存储介质
CN116011800A (zh) 一种交通事件预警的方法及设备
CN110866770A (zh) 车辆保养方案的预测方法和预测系统
US20230177959A1 (en) Vehicle accident prediction system, vehicle accident prediction method, vehicle accident prediction program, and learned model creation system
CN114066288B (zh) 一种基于智慧数据中心的营运道路应急检测方法及系统
Ghanim et al. An artificial intelligence approach to estimate travel time along public transportation bus lines
CN112346969B (zh) 一种基于数据采集平台的aeb开发验证系统及方法
CN114166234A (zh) 基于路害度量选择导航路线和路害识别预警的系统、方法、装置、处理器及计算机存储介质
JP2002260142A (ja) 走行時間予測方法
CN113421067A (zh) 一种共享自行车品牌识别与数量管理方法及系统
KR102590358B1 (ko) 교통 정보 센터의 관심 영역의 영상 처리 방법 및 그를 위한 장치
KR102590356B1 (ko) 교통 정보 센터의 돌발 이벤트 처리 방법 및 그를 위한 장치
CN117894181B (zh) 一种全域通行异常状况集成监测方法及系统
KR102590355B1 (ko) 교통 정보 센터의 교통 영상 융합 장치 및 방법

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