CN115294776B - 基于时间切片统计车辆通行量的方法、装置、设备及介质 - Google Patents
基于时间切片统计车辆通行量的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115294776B CN115294776B CN202210720808.1A CN202210720808A CN115294776B CN 115294776 B CN115294776 B CN 115294776B CN 202210720808 A CN202210720808 A CN 202210720808A CN 115294776 B CN115294776 B CN 115294776B
- Authority
- CN
- China
- Prior art keywords
- time
- vehicle
- counted
- traffic
- slicing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012216 screening Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Abstract
本申请公开了一种基于时间切片统计车辆通行量的方法、装置、设备及介质,方法包括:对获取的卡口过车数据进行筛选,得到待统计车辆的卡口过车数据;根据相邻卡口每辆车辆的通行时间确定时间分片值,根据时间分片值对待统计业务时段进行切片,得到多个时间分片;根据车辆的通行时间与时间分片的对应关系,计算每辆车在待统计业务时段内的在途量;根据每辆车在待统计业务时段内的在途量,计算待统计业务时段内所有车辆的在途量,得到待统计车辆的通行量。该方法按照城市道路卡口通行特征,对所需统计的时间范围进行切片,并按照统计学方法进行计算,最终得出更加科学、精准的出行量统计结果,为城市交通出行研判提供更加科学、可靠的数据基础。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种基于时间切片统计车辆通行量的方法、装置、设备及介质。
背景技术
城市出行领域中,公共出行规律分析是城市出行研判的一个重要方向,用以辅助公共出行优化的研究,为提升城市公众出行效率奠定基础。
在公共出行规律分析业务中,卡口过车数据是重要的基础业务数据之一。可以根据卡口过车数据分析车辆的通行量。例如,以往卡口过车数据分析方法主要是通过简单的数据去重、计算,实现对城市道路通行车辆的数量统计,并在此基础之上筛除货车、公交车、大巴车、出租车等车辆信息,完成对私家车通行车辆数量的计算。
但是,现有技术中的数据统计方法主要是基于原始过车数据,反映在数据精度方面存在非常大的模糊。由于车辆行驶行为具备时间性质,而过车数据为某时间点的车辆信息,因此在时间维度的统计方面具有一定的模糊性,无法真实反应车辆的通行特征。
发明内容
本申请实施例提供了一种基于时间切片统计车辆通行量的方法、装置、设备及介质。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基于时间切片统计车辆通行量的方法,包括:
对获取的卡口过车数据进行筛选,得到待统计车辆的卡口过车数据;
根据相邻卡口每辆车辆的通行时间确定时间分片值,根据时间分片值对待统计业务时段进行切片,得到多个时间分片;
根据车辆的通行时间与时间分片的对应关系,计算每辆车在待统计业务时段内的在途量;
根据每辆车在待统计业务时段内的在途量,计算待统计业务时段内所有车辆的在途量,得到待统计车辆的通行量。
在一个可选地实施例中,对获取的卡口过车数据进行筛选,得到待统计车辆的卡口过车数据,包括:
筛选与待统计车辆的号牌颜色以及车辆类型相同的车辆,得到第一车辆数据集;
从第一车辆数据集中筛选与待统计车辆的号牌种类相同的车辆,得到待统计车辆的卡口过车数据。
在一个可选地实施例中,根据相邻卡口每辆车辆的通行时间确定时间分片值,包括:
获取道路卡口设备的位置信息以及路网数据,根据位置信息以及路网数据分析卡口的连接顺序;
根据卡口过车数据计算每辆车通过任意相邻卡口之间的行程时间;
采用预设的帕累托函数计算预设比例的车辆都能通过相邻卡口的通行时间值,作为时间分片值。
在一个可选地实施例中,根据车辆的通行时间与时间分片的对应关系,计算每辆车在待统计业务时段内的在途量,包括:
根据卡口记录的车辆通行时间与时间分片的对应关系,计算每辆车在所有时间分片内出现的总次数;
根据待统计业务时段、时间分片值以及每辆车在所有时间分片内出现的总次数,计算每辆车在待统计业务时段内的在途量。
在一个可选地实施例中,根据待统计业务时段、时间分片值以及每辆车在所有时间分片内出现的总次数,计算每辆车在待统计业务时段内的在途量,包括:
根据如下公式计算每辆车在待统计业务时段内的在途量:
其中,Qc表示每辆车在待统计业务时段内的在途量,Tyw表示待统计业务时段,t表示时间分片值,Cx表示每辆车在所有时间分片内出现的总次数。
在一个可选地实施例中,根据每辆车在待统计业务时段内的在途量,计算待统计业务时段内所有车辆的在途量,得到待统计车辆的通行量,包括:
根据如下公式计算待统计业务时段内所有车辆的在途量:
其中,Q表示待统计业务时段内所有车辆的在途量,n表示车辆的数量,表示第i辆车辆在待统计业务时段内的在途量。
在一个可选地实施例中,卡口过车数据包括:
卡口编号、安装位置、相机朝向、拍摄时间、车道编号、车牌号码、号牌颜色、号牌种类以及车辆类型。
第二方面,本申请实施例提供了一种基于时间切片统计车辆通行量的装置,包括:
数据筛选模块,用于对获取的卡口过车数据进行筛选,得到待统计车辆的卡口过车数据;
时间切片模块,用于根据相邻卡口每辆车辆的通行时间确定时间分片值,根据时间分片值对待统计业务时段进行切片,得到多个时间分片;
第一计算模块,用于根据车辆的通行时间与时间分片的对应关系,计算每辆车在待统计业务时段内的在途量;
第二计算模块,用于根据每辆车在待统计业务时段内的在途量,计算待统计业务时段内所有车辆的在途量,得到待统计车辆的通行量。
第三方面,本申请实施例提供了一种电子设备,包括处理器和存储有程序指令的存储器,处理器被配置为在执行程序指令时,执行上述实施例提供的一种基于时间切片统计车辆通行量的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机可读指令,计算机可读指令被处理器执行以实现上述实施例提供的一种基于时间切片统计车辆通行量的方法。
本申请实施例提供的技术方案可以包括以下有益效果:
根据本申请实施例提供的基于时间切片统计车辆通行量的方法,以卡口过车数据为基础,按照城市道路卡口通行特征,对分析所需统计的时间范围进行切片,将车辆行驶行为进行时间维度的分段刻画,并按照统计学方法计算,最终得出更加科学、精准的出行量统计结果,为城市智慧出行领域中公众出行研究提供数据基础。
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是根据一示例性实施例示出的一种基于时间切片统计车辆通行量的方法流程示意图;
图2是根据一示例性实施例示出的一种现有技术中统计车辆通行量的方法示意图;
图3是根据一示例性实施例示出的一种根据时间分片划分时间窗口的示意图;
图4是根据一示例性实施例示出的一种根据帕累托函数统计时间分片值的方法示意图;
图5是根据一示例性实施例示出的一种时间分片方法的示意图;
图6是根据一示例性实施例示出的一种基于时间切片统计车辆通行量的装置结构示意图;
图7是根据一示例性实施例示出的一种电子设备的结构示意图;
图8根据一示例性实施例示出的一种计算机存储介质的示意图。
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系统和方法的例子。
现有技术中的车辆通行量统计方法,主要是基于原始过车数据,反映在数据精度方面存在非常大的模糊。由于车辆行驶行为具备时间性质,而过车数据为某时间点的车辆信息,因此,在时间维度的统计方面具有一定的模糊性,无法真实反应城市车辆出行特征。
如图2所示,实际过车数据构成情况为时间段1(车A、车B、车C、车D、车E、车F、车G、车H、车I)、时间段2(车A、车B、车C、车D、车G、车H)、时间段3(车A、车B、车C、车G、车H)、时间段4(车A、车C、车G)所示。按照目前的算法进行去重计算,总时段内出行量为9。但实际情况是只有车A、车C、车G三辆车为全时段行驶,其余车辆仅在部分时间段内出现未完全占用全时段内的通行路权,因此无法精确反映实际车辆出行情况。
基于此,本申请实施例提供了一种基于时间切片统计车辆通行量的方法,通过对城市车辆卡口抓拍数据进行时间切片,以最小、最合适的时间段范围对过车数据进行切割,用于辅助精细化的车辆出行量统计,还能进行车辆出行时段分析、个体出行时段分析等具体分析业务,从而有效提升数据分析的准确度,为城市交通出行研判提供更加科学、可靠的数据基础。
下面将结合附图对本申请实施例提供的基于时间切片统计车辆通行量的方法进行详细介绍。参见图1,该方法具体包括以下步骤。
S101对获取的卡口过车数据进行筛选,得到待统计车辆的卡口过车数据。
在一个实施例中,可以首先获取待统计区域的道路卡口过车数据,其中,获取的卡口过车数据S过车,包括卡口编号、安装位置、相机朝向、拍摄时间、车道编号、车牌号码、号牌颜色、号牌种类以及车辆类型等数据。
进一步地,对获取的卡口过车数据进行筛选,得到待统计车辆的卡口过车数据,具体地,筛选与待统计车辆的号牌颜色以及车辆类型相同的车辆,得到第一车辆数据集;从第一车辆数据集中筛选与待统计车辆的号牌种类相同的车辆,得到待统计车辆的卡口过车数据。
在一个示例性场景中,需要统计某时段的私家车通行量,从获取的卡口过车数据中筛选私家车过车数据,首先,按照号牌颜色和车辆类型进行筛选,筛选蓝底白字、小型车的过车数据,得到第一车辆数据集S1。然后根据号牌种类进行过滤,获取出租车车牌号码集Ptaxi、网约车车牌号码集PIntertaxi、货车车牌号码集Ptruck等其他种类的车辆,对S1进行过滤,得到私家车过车数据集S私家车过车。
还可以统计网约车过车数据、货车过车数据等其他待统计车辆,根据该步骤,可以得到待统计车辆的卡口过车数据。
S102根据相邻卡口每辆车辆的通行时间确定时间分片值,根据时间分片值对待统计业务时段进行切片,得到多个时间分片。
卡口过车数据时间切片的实现,主要是基于对城市交通出行领域数据的深入研究,以城市道路相邻卡口之间的通行时间作为基准时间分片,完成对过车数据基本统计单元的划分,可在时间方面代表基本的车辆行驶行为颗粒。例如,在统计车流量中,可通过统计每个时间分片内的车辆通行数量;再以分析业务所需的统计时段为目标,按照基准时间分片进行切片,以最小、最合适的时间段范围对过车数据进行切割,分段统计得出车辆通行数量。
在一种可能的实现方式中,首先,获取道路卡口设备的位置信息以及路网数据,根据位置信息以及路网数据对卡口的通行先后顺序进行连接,得出相邻卡口的连接关系。
进一步地,根据卡口过车数据计算每辆车通过任意相邻卡口之间的行程时间。例如,基于车牌号码,根据如下公式计算每辆车通过任意相临卡口之间的行程时间。
其中,表示第i辆车通过相邻卡口的行程时间,/>表示在第n+1个卡口的通过时间,/>表示在第n个卡口的通过时间。
根据统计计算的每辆车通过任意相临卡口之间的行程时间,生成相邻卡口通行时间集W。
进一步地,采用预设的帕累托函数计算预设比例的车辆都能通过相邻卡口的通行时间值,作为时间分片值。
在一个可选地实施例中,可以采用帕累托函数统计大部分车辆都能通过卡口的通行时间值,例如,筛选涵盖90%以上车辆通过的通行时间值,作为时间分片值。本申请实施例对预设比例不做具体限定,可根据实际情况自行设定。
如图4所示,可以看出10min及以下数值,占据96.6%数据数量,因此可将10min作为时间分片值。在统计车辆的通行量时,应以10min作为基本时间颗粒,时间维度的单位应不低于10min。
进一步地,根据时间分片值对待统计业务时段进行切片,得到多个时间分片。如图3所示,将待统计时段作为一个时间窗口,按照计算出来的时间分片值,对时间窗口进行切片,将待统计业务时段分割为多个时间分片。
在一个示例性场景中,假设需要分析某一小时内的私家车出行量,自动将一小时按照10min时间分片进行切片,生成如图5所示的时间片段链,包括0-10min、10-20min、20-30min、30-40min、40-50min、50-60min共6个时间分片。还可以得到24小时时间分片矩阵:
其中h与t取值范围:h∈(0,23)、t∈(1,6)。
在一个可选地实施方式中,为了提高时间分片的计算精度,还可以结合城市交通出行的早晚高峰现象,分别计算不同特殊时段对应的时间分片值。
具体地,根据卡口过车数据计算早高峰、晚高峰、平峰、凌晨等不同时段中,每辆车通过任意相邻卡口之间的行程时间。然后同样采用预设的帕累托函数计算预设比例的车辆都能通过相邻卡口的通行时间值,作为时间分片值。得出不同时段下的时间分片值,例如,平峰时10min钟左右90%以上的车辆都能通过,但是早晚高峰可能需要15分钟才能通过,凌晨车流量更少,可能5分钟左右就能通过,因此,对于不同的时段,可以采用不同的时间切片。
在一个可选地实施方式中,为了提高时间分片的计算精度,还可以结合实际卡口分布情况,分别计算不同道路对应的时间分片值。一般来讲,城区道路卡口分布相对比较集中,卡口间距较小;郊区道路、国省道卡口分布相对比较分散,卡口间距较大;因此在实际应用中,需要结合卡口的分布情况,划分空间区域,对不同的空间区域分别计算该区域的时间分片值,通过使用间距相似的卡口数据计算时间分片值,可以提高计算精度。
S103根据车辆的通行时间与时间分片的对应关系,计算每辆车在待统计业务时段内的在途量。
考虑到车辆可能仅出现在部分时间分片内,因此对车辆在整体时间窗口内的存在性进行定义,即车辆在整体时间窗口内存在记为完整的在途车辆;如仅存在若干时间分片内,则需赋予权重。首先,根据卡口记录的车辆通行时间与时间分片的对应关系,计算每辆车在所有时间分片内出现的总次数。
获取卡口记录的车辆通行时间,当卡口记录的车辆通行时间与时间分片对应时,确定该车辆在该时间分片内出现。例如,输入过车时间计算车辆所属时间分片,计算规则为:
当车辆的通行时间属于该时间分片时,f(S)=1。
在一个示例性场景中,将S私家车过车代入时间分片规则f(S),计算出车辆与时间分片的对应关系,例如,计算时间08:00-09:00在途量,将08:00-09:00划分为6个时间分片,采集到的车1在08:00-09:00的过车时间为:08:01、08:14、08:22,计算时间分片1值,依次计算p2=f(08:14)=1、p3=f(08:22)=1、p4=f(08:22)=0、p5=f(08:22)=0、p6=f(08:22)=0。得到车辆所属时间分片的关系结构:车辆在时间分片X中存在,作为有效值1;否则,作为无效值0。将所有的有效值加起来,就得到每辆车在所有时间分片内出现的总次数。
对所有车辆的通行时间与时间分片进行统计,如下表所示:
根据上表可知,车1在所有时间分片内出现的总次数为3,车2在所有时间分片内出现的总次数为2,车3在所有时间分片内出现的总次数为5,车4在所有时间分片内出现的总次数为3。
进一步地,根据待统计业务时段、时间分片值以及每辆车在所有时间分片内出现的总次数,计算每辆车在待统计业务时段内的在途量。在一种可能的实现方式中,根据如下公式计算每辆车在待统计业务时段内的在途量:
其中,Qc表示每辆车在待统计业务时段内的在途量,Tyw表示待统计业务时段,t表示时间分片值,Cx表示每辆车在所有时间分片内出现的总次数。
例如,根据上表计算车辆号牌1的在途量如下:
根据该公式,依次计算每辆车的在途量。因为每辆车在不同的时间分片内出现,因此计算出来的在途量是不同的,通过对时间细粒度的划分,可以提高车辆通行量计算的精度。
S104根据每辆车在待统计业务时段内的在途量,计算待统计业务时段内所有车辆的在途量,得到待统计车辆的通行量。
具体地,累加每辆车在待统计业务时段内的在途量,得到待统计车辆的通行量。包括:根据如下公式计算待统计业务时段内所有待统计车辆的在途量:
其中,Q表示待统计业务时段内所有车辆的在途量,n表示车辆的数量,表示第i辆车辆在待统计业务时段内的在途量。
计算出来的待统计业务时段内所有车辆的在途量即为待统计业务时段内车辆的通行量。例如,对上表所有车辆的在途量进行累加,得到所有车辆在此一小时内的在途量总和,得出私家车通行量。
根据本申请实施例提供的基于时间切片统计车辆通行量的方法,以卡口过车数据为基础,按照城市道路卡口通行特征,对分析所需统计的时间范围进行切片,将车辆行驶行为进行时间维度的分段刻画,并按照统计学方法计算,最终得出更加科学、精准的出行量统计结果。根据精确的在途量统计结果,还能进行城市拥堵分析、出行路线规划、个体出行时段分析等,为城市智慧出行领域中公众出行研究提供数据基础。
本申请实施例还提供一种基于时间切片统计车辆通行量的装置,该装置用于执行上述实施例的基于时间切片统计车辆通行量的方法,如图6所示,该装置包括:
数据筛选模块601,用于对获取的卡口过车数据进行筛选,得到待统计车辆的卡口过车数据;
时间切片模块602,用于根据相邻卡口每辆车辆的通行时间确定时间分片值,根据时间分片值对待统计业务时段进行切片,得到多个时间分片;
第一计算模块603,用于根据车辆的通行时间与时间分片的对应关系,计算每辆车在待统计业务时段内的在途量;
第二计算模块604,用于根据每辆车在待统计业务时段内的在途量,计算待统计业务时段内所有车辆的在途量,得到待统计车辆的通行量。
需要说明的是,上述实施例提供的基于时间切片统计车辆通行量的装置在执行基于时间切片统计车辆通行量的方法时,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,上述实施例提供的基于时间切片统计车辆通行量的装置与基于时间切片统计车辆通行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。
本申请实施例还提供一种与前述实施例所提供的基于时间切片统计车辆通行量的方法对应的电子设备,以执行上述基于时间切片统计车辆通行量的方法。
请参考图7,其示出了本申请的一些实施例所提供的一种电子设备的示意图。如图7所示,电子设备包括:处理器700,存储器701,总线702和通信接口703,处理器700、通信接口703和存储器701通过总线702连接;存储器701中存储有可在处理器700上运行的计算机程序,处理器700运行计算机程序时执行本申请前述任一实施例所提供的基于时间切片统计车辆通行量的方法。
其中,存储器701可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口703(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线702可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。其中,存储器701用于存储程序,处理器700在接收到执行指令后,执行程序,前述本申请实施例任一实施方式揭示的基于时间切片统计车辆通行量的方法可以应用于处理器700中,或者由处理器700实现。
处理器700可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器700中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器700可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器701,处理器700读取存储器701中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的基于时间切片统计车辆通行量的方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施例还提供一种与前述实施例所提供的基于时间切片统计车辆通行量的方法对应的计算机可读存储介质,请参考图8,其示出的计算机可读存储介质为光盘800,其上存储有计算机程序(即程序产品),计算机程序在被处理器运行时,会执行前述任意实施例所提供的基于时间切片统计车辆通行量的方法。
需要说明的是,计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的基于时间切片统计车辆通行量的方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
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。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于时间切片统计车辆通行量的方法,其特征在于,包括:
对获取的卡口过车数据进行筛选,得到待统计车辆的卡口过车数据;
根据相邻卡口每辆车辆的通行时间确定时间分片值,根据所述时间分片值对待统计业务时段进行切片,得到多个时间分片;
根据车辆的通行时间与时间分片的对应关系,计算每辆车在待统计业务时段内的在途量,包括:根据卡口记录的车辆通行时间与时间分片的对应关系,计算每辆车在所有时间分片内出现的总次数;根据待统计业务时段、时间分片值以及每辆车在所有时间分片内出现的总次数,计算每辆车在待统计业务时段内的在途量,包括:
根据如下公式计算每辆车在待统计业务时段内的在途量:
其中,Qc表示每辆车在待统计业务时段内的在途量,Tyw表示待统计业务时段,t表示时间分片值,Cx表示每辆车在所有时间分片内出现的总次数;
根据每辆车在待统计业务时段内的在途量,计算待统计业务时段内所有车辆的在途量,得到待统计车辆的通行量,包括:
根据如下公式计算待统计业务时段内所有车辆的在途量:
其中,Q表示待统计业务时段内所有车辆的在途量,n表示车辆的数量,表示第i辆车辆在待统计业务时段内的在途量;
其中,根据卡口记录的车辆通行时间与时间分片的对应关系,计算每辆车在所有时间分片内出现的总次数,包括:
获取卡口记录的车辆通行时间,当卡口记录的车辆通行时间与时间分片对应时,确定该车辆在该时间分片内出现,输入过车时间计算车辆所属时间分片,计算规则为:
其中S为通行时间,ah,t为时间分片;
将S私家车过车代入时间分片规则f(S),计算出车辆与时间分片的对应关系,得到车辆所属时间分片的关系结构:车辆在时间分片X中存在,作为有效值1;否则,作为无效值0;将所有的有效值加起来,就得到每辆车在所有时间分片内出现的总次数。
2.根据权利要求1所述的方法,其特征在于,对获取的卡口过车数据进行筛选,得到待统计车辆的卡口过车数据,包括:
筛选与所述待统计车辆的号牌颜色以及车辆类型相同的车辆,得到第一车辆数据集;
从所述第一车辆数据集中筛选与所述待统计车辆的号牌种类相同的车辆,得到待统计车辆的卡口过车数据。
3.根据权利要求1所述的方法,其特征在于,根据相邻卡口每辆车辆的通行时间确定时间分片值,包括:
获取道路卡口设备的位置信息以及路网数据,根据所述位置信息以及路网数据分析卡口的连接顺序;
根据卡口过车数据计算每辆车通过任意相邻卡口之间的行程时间;
采用预设的帕累托函数计算预设比例的车辆都能通过相邻卡口的通行时间值,作为时间分片值。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述卡口过车数据包括:
卡口编号、安装位置、相机朝向、拍摄时间、车道编号、车牌号码、号牌颜色、号牌种类以及车辆类型。
5.一种基于时间切片统计车辆通行量的装置,使用权利要求1-4任一项所述的方法,其特征在于,包括:
数据筛选模块,用于对获取的卡口过车数据进行筛选,得到待统计车辆的卡口过车数据;
时间切片模块,用于根据相邻卡口每辆车辆的通行时间确定时间分片值,根据所述时间分片值对待统计业务时段进行切片,得到多个时间分片;
第一计算模块,用于根据车辆的通行时间与时间分片的对应关系,计算每辆车在待统计业务时段内的在途量;
第二计算模块,用于根据每辆车在待统计业务时段内的在途量,计算待统计业务时段内所有车辆的在途量,得到待统计车辆的通行量。
6.一种电子设备,其特征在于,包括处理器和存储有程序指令的存储器,所述处理器被配置为在执行所述程序指令时,执行如权利要求1至4任一项所述的一种基于时间切片统计车辆通行量的方法。
7.一种计算机可读介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令被处理器执行以实现如权利要求1至4任一项所述的一种基于时间切片统计车辆通行量的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210720808.1A CN115294776B (zh) | 2022-06-23 | 2022-06-23 | 基于时间切片统计车辆通行量的方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210720808.1A CN115294776B (zh) | 2022-06-23 | 2022-06-23 | 基于时间切片统计车辆通行量的方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115294776A CN115294776A (zh) | 2022-11-04 |
CN115294776B true CN115294776B (zh) | 2024-04-12 |
Family
ID=83820248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210720808.1A Active CN115294776B (zh) | 2022-06-23 | 2022-06-23 | 基于时间切片统计车辆通行量的方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115294776B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116166709B (zh) * | 2022-11-17 | 2023-10-13 | 北京白龙马云行科技有限公司 | 时长校正方法、装置、电子设备和存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2874132A2 (en) * | 2013-09-27 | 2015-05-20 | Thales Holdings UK Plc | Apparatus and method for managing traffic |
CN105894825A (zh) * | 2015-06-03 | 2016-08-24 | 杭州远眺科技有限公司 | 一种基于流量传感器的城市道路占有率的计算方法 |
CN106558220A (zh) * | 2016-11-25 | 2017-04-05 | 北京掌行通信息技术有限公司 | 一种公路交通量的统计方法及装置 |
CN109255953A (zh) * | 2018-09-19 | 2019-01-22 | 江苏本能科技有限公司 | 基于区域的活动车辆分布展示方法及系统 |
CN110136452A (zh) * | 2018-02-08 | 2019-08-16 | 杭州海康威视数字技术股份有限公司 | 一种车辆统计方法及装置 |
CN110647852A (zh) * | 2019-09-27 | 2020-01-03 | 集美大学 | 一种车流量统计方法、终端设备及存储介质 |
CN110956824A (zh) * | 2019-12-12 | 2020-04-03 | 天地伟业技术有限公司 | 一种基于视频的事件监测方法 |
CN111383448A (zh) * | 2018-12-29 | 2020-07-07 | 阿里巴巴集团控股有限公司 | 一种基于道路区段的交通信息处理方法及装置 |
CN113470376A (zh) * | 2021-05-25 | 2021-10-01 | 上海天壤智能科技有限公司 | 基于卡口过车数据的实时区域在途车辆计数方法及系统 |
JP2021162902A (ja) * | 2020-03-30 | 2021-10-11 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法、およびプログラム |
CN113505638A (zh) * | 2021-05-27 | 2021-10-15 | 中国科学院深圳先进技术研究院 | 车流量的监测方法、监测装置及计算机可读存储介质 |
CN113593242A (zh) * | 2021-09-28 | 2021-11-02 | 之江实验室 | 一种基于路口车辆检测器组的在途量估算方法 |
CN114187766A (zh) * | 2021-11-08 | 2022-03-15 | 航天科工广信智能技术有限公司 | 一种基于饱和率的道路服务水平评价方法 |
WO2022095023A1 (zh) * | 2020-11-09 | 2022-05-12 | 驭势(上海)汽车科技有限公司 | 一种交通流信息的确定方法、装置、电子设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665699B (zh) * | 2017-03-30 | 2020-04-03 | 杭州海康威视数字技术股份有限公司 | 一种预测车辆出现地点的方法及装置 |
JP7314864B2 (ja) * | 2020-06-09 | 2023-07-26 | トヨタ自動車株式会社 | 情報提供システム、情報提供装置および情報提供プログラム |
-
2022
- 2022-06-23 CN CN202210720808.1A patent/CN115294776B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2874132A2 (en) * | 2013-09-27 | 2015-05-20 | Thales Holdings UK Plc | Apparatus and method for managing traffic |
CN105894825A (zh) * | 2015-06-03 | 2016-08-24 | 杭州远眺科技有限公司 | 一种基于流量传感器的城市道路占有率的计算方法 |
CN106558220A (zh) * | 2016-11-25 | 2017-04-05 | 北京掌行通信息技术有限公司 | 一种公路交通量的统计方法及装置 |
CN110136452A (zh) * | 2018-02-08 | 2019-08-16 | 杭州海康威视数字技术股份有限公司 | 一种车辆统计方法及装置 |
CN109255953A (zh) * | 2018-09-19 | 2019-01-22 | 江苏本能科技有限公司 | 基于区域的活动车辆分布展示方法及系统 |
CN111383448A (zh) * | 2018-12-29 | 2020-07-07 | 阿里巴巴集团控股有限公司 | 一种基于道路区段的交通信息处理方法及装置 |
CN110647852A (zh) * | 2019-09-27 | 2020-01-03 | 集美大学 | 一种车流量统计方法、终端设备及存储介质 |
CN110956824A (zh) * | 2019-12-12 | 2020-04-03 | 天地伟业技术有限公司 | 一种基于视频的事件监测方法 |
JP2021162902A (ja) * | 2020-03-30 | 2021-10-11 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2022095023A1 (zh) * | 2020-11-09 | 2022-05-12 | 驭势(上海)汽车科技有限公司 | 一种交通流信息的确定方法、装置、电子设备和存储介质 |
CN113470376A (zh) * | 2021-05-25 | 2021-10-01 | 上海天壤智能科技有限公司 | 基于卡口过车数据的实时区域在途车辆计数方法及系统 |
CN113505638A (zh) * | 2021-05-27 | 2021-10-15 | 中国科学院深圳先进技术研究院 | 车流量的监测方法、监测装置及计算机可读存储介质 |
CN113593242A (zh) * | 2021-09-28 | 2021-11-02 | 之江实验室 | 一种基于路口车辆检测器组的在途量估算方法 |
CN114187766A (zh) * | 2021-11-08 | 2022-03-15 | 航天科工广信智能技术有限公司 | 一种基于饱和率的道路服务水平评价方法 |
Non-Patent Citations (1)
Title |
---|
基于卡口车牌识别数据的车辆出行分析;龙小强;苏跃江;余畅;吴德馨;;交通运输系统工程与信息(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115294776A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60319993T2 (de) | Vorrichtung und verfahren zur verkehrsinformationsbereitstellung | |
Lyon et al. | Pedestrian collision prediction models for urban intersections | |
CN112950937B (zh) | 基于车辆轨迹预测道路限速值的方法、装置、设备及介质 | |
US6449555B1 (en) | Run time information arithmetic operation apparatus | |
Rajakumara et al. | Road traffic noise prediction model under interrupted traffic flow condition | |
CN115294776B (zh) | 基于时间切片统计车辆通行量的方法、装置、设备及介质 | |
Hunter et al. | A proactive approach to evaluating intersection safety using hard-braking data | |
CN111881243B (zh) | 一种出租车轨迹热点区域分析方法及系统 | |
CN111210632B (zh) | 一种车道功能划分合理性的分析方法、装置及存储介质 | |
Hummer et al. | Safety evaluation of seven of the earliest diverging diamond interchanges installed in the United States | |
CN115080638B (zh) | 微观仿真的多源数据融合分析方法、电子设备及存储介质 | |
CN111583641A (zh) | 道路拥堵分析方法、装置、设备和存储介质 | |
Molina Jr | Development of passenger car equivalencies for large trucks at signalized intersections | |
CN111291095A (zh) | 一种数据处理方法、装置及设备 | |
CN112885128B (zh) | 识别封堵路段的方法、装置、设备及存储介质 | |
CN114708728B (zh) | 一种识别交通高峰期的方法、电子设备及存储介质 | |
CN113611130B (zh) | 一种本地与过境货车车流量获取方法、系统及存储介质 | |
CN115392659A (zh) | 收费站拥堵程度的获取方法、装置、电子设备、程序及介质 | |
CN115565365A (zh) | 一种高速公路数据处理方法、装置、设备及计算机程序产品 | |
Ning et al. | Analyzing the impact of traffic violation behaviors on traffic fatal crashes using multilevel models on expressways | |
CN113256973B (zh) | 一种高峰开始时间预测方法、装置、设备及介质 | |
Malcolm et al. | Mobile-source emissions: Analysis of spatial variability in vehicle activity patterns and vehicle fleet distributions | |
CN109255953B (zh) | 基于区域的活动车辆分布展示方法及系统 | |
Banik et al. | Corridor level mobility analysis using GPS data | |
CN113821734B (zh) | 基于轨迹数据识别双司机的方法、装置、设备及介质 |
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 |