CN115392659A - 收费站拥堵程度的获取方法、装置、电子设备、程序及介质 - Google Patents

收费站拥堵程度的获取方法、装置、电子设备、程序及介质 Download PDF

Info

Publication number
CN115392659A
CN115392659A CN202210954875.XA CN202210954875A CN115392659A CN 115392659 A CN115392659 A CN 115392659A CN 202210954875 A CN202210954875 A CN 202210954875A CN 115392659 A CN115392659 A CN 115392659A
Authority
CN
China
Prior art keywords
time
average
toll
toll station
vehicle
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
Application number
CN202210954875.XA
Other languages
English (en)
Inventor
王尔昕
郭庆锋
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.)
Tongdun Technology Co ltd
Original Assignee
Tongdun Technology 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 Tongdun Technology Co ltd filed Critical Tongdun Technology Co ltd
Priority to CN202210954875.XA priority Critical patent/CN115392659A/zh
Publication of CN115392659A publication Critical patent/CN115392659A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • G06Q20/145—Payments according to the detected use or quantity
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

本申请提供的收费站拥堵程度的获取方法、装置、电子设备、程序及介质，属于计算机技术领域。所述方法包括：获取在目标时间段中每个车辆通过收费站的前门架时的第一时间，以及每个车辆在收费站的收费窗口完成收费服务时的第二时间；根据所述第一时间和所述第二时间计算车辆通过所述收费站的平均通行时间；将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间；依据所述平均排队时间确定所述收费站的拥堵程度。

Description

收费站拥堵程度的获取方法、装置、电子设备、程序及介质
技术领域
本申请属于计算机技术领域，特别涉及一种收费站拥堵程度的获取方法、装置、电子设备、程序及介质。
背景技术
近些年我国汽车保有量的增长导致高速公路交通量逐渐增大，收费站的拥堵现象也日益明显。收费站是高速公路交通流的瓶颈，其通行能力的大小直接影响到高速公路交通流的运行状况。传统的人工收费由于停车收费时间长，车辆产生的延误时间较大从而降低了收费站的通行能力。电子不停车收费系统(Electronic Toll Collection,ETC)的发展缓解了交通流的拥堵状况，车辆行驶ETC车道只需以较低的车速通过即可实现不停车缴费，其延误时间相比人工收费方式(Manual Toll Collection)有较明显的改善，大大提升了收费站的整体通行能力。如今配置ETC和MTC的混合收费站已成为我国高速公路收费站的主要建设方式。
高速公路公司作为收费站的拥有者和管理者，需要对所辖区域各个收费站的拥堵情况进行全面的了解。这就需要通过建立一套完整的收费站拥堵情况基础理论、计算方法、应用体系和发布示范系统，以实现量化评价各个收费站的拥堵等级，为高速公路管理部门制定科学合理的交通管理决策，辅助交通组织与交通执法提供量化依据。
但是现有技术中计算收费站的拥堵程度通常是需要引入运营商专线与全国重点营运车辆联网数据等外部数据，对于外部数据的来源和准确性要求较高，这就造成了数据成本较高的问题，因此如何通过收费站本地的数据来准确性地获取到收费站的拥堵程度成为本领域亟需解决的问题。
发明内容
本申请提供的一种收费站拥堵程度的获取方法、装置、电子设备、程序及介质。
本申请一些实施例提供一种收费站拥堵程度的获取方法，所述方法包括：
获取在目标时间段中每个车辆通过收费站的前门架时的第一时间，以及每个车辆在收费站的收费窗口完成收费服务时的第二时间；
根据所述第一时间和所述第二时间计算车辆通过所述收费站的平均通行时间；
将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间；
依据所述平均排队时间确定所述收费站的拥堵程度。
可选地，所述根据所述第一时间和所述第二时间计算目标时间段中车辆通过所述收费站的平均通行时间，包括：
获取所述目标时间段的上一时间段中车辆通过所述收费站的预测平均通行时间；
根据所述第一时间和所述第二时间计算目标时间段中车辆通过所述收费站的实际平均通行时间；
基于指数平滑系数将所述预测平均通行时间和所述实际平均通行时间进行结合，得到车辆通过所述收费站的平均通行时间。
可选地，在所述将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间之前，所述方法还包括：
获取在历史时间段中车辆通过所述收费站的历史平均通行时间；
将数值大小次序位于目标次序的历史平均通行时间作为标准通行时间。
可选地，在所述将数值大小次序位于目标次序的历史平均通行时间作为标准通行时间之后，所述方法还包括：
在存在多种类型的车辆时，基于每种类型车辆通过所述收费站的历史通行时间均值计算调整系数；
基于所述调整系数、每种车辆与所有车辆之间的数量占比对所述标准通行时间进行调整。
可选地，在所述将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间之后，所述方法还包括：
在目标时间段中通过所述收费站的车辆数量小于车辆数量阈值时，基于所述车辆数量和车辆数量阈值的比值计算修正系数；
基于所述修正系数对所述平均排队时间进行修正。
可选地，在所述获取在目标时间段中每个车辆通过收费站的前门架时的第一时间，以及每个车辆在收费站的收费窗口完成收费服务时的第二时间之前，所述方法还包括：
获取在目标时间段中通过所述收费站的每个车辆的车辆信息；
剔除符合以下至少一种条件的车辆信息；
所述车辆信息中的车牌信息存在非法数据；
所述车辆信息中的通过时间大于数据采集时间；
所述车辆信息中的车辆速度超出车辆速度范围；
所述车辆信息中的通行时间超出固定箱体范围，其中所述固定箱体范围依据所述通行时间的上四分位数和下四分位数计算得到。
可选地，所述依据所述平均排队时间确定所述收费站的拥堵程度，包括：
在所述平均排队时间小于或等于第一排队时间阈值的情况下，确定拥堵程度为畅通；
在所述平均排队时间大于所述第一排队时间阈值，且小于或等于第二排队时间阈值的情况下，确定拥堵程度为缓行；
在所述平均排队时间大于所述第二排队时间阈值，且小于或等于第三排队时间阈值的情况下，确定拥堵程度为拥堵；
在所述平均排队时间大于所述第三排队时间阈值的情况下，确定拥堵程度为严重拥堵；
其中，所述第一排队时间阈值、所述第二排队时间阈值、所述第三排队时间阈值的数值依次减小。
本申请一些实施例提供一种收费站拥堵程度的获取装置，包括：
获取模块，用于获取在目标时间段中每个车辆通过收费站的前门架时的第一时间，以及每个车辆在收费站的收费窗口完成收费服务时的第二时间；
处理模块，用于根据所述第一时间和所述第二时间计算车辆通过所述收费站的平均通行时间；
将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间；
输出模块，用于依据所述平均排队时间确定所述收费站的拥堵程度。
可选地，所述处理模块，还用于：
获取所述目标时间段的上一时间段中车辆通过所述收费站的预测平均通行时间；
根据所述第一时间和所述第二时间计算目标时间段中车辆通过所述收费站的实际平均通行时间；
基于指数平滑系数将所述预测平均通行时间和所述实际平均通行时间进行结合，得到车辆通过所述收费站的平均通行时间。
可选地，所述处理模块，还用于：
获取在历史时间段中车辆通过所述收费站的历史平均通行时间；
将数值大小次序位于目标次序的历史平均通行时间作为标准通行时间。
可选地，所述处理模块，还用于：
在存在多种类型的车辆时，基于每种类型车辆通过所述收费站的历史通行时间均值计算调整系数；
基于所述调整系数、每种车辆与所有车辆之间的数量占比对所述标准通行时间进行调整。
可选地，所述处理模块，还用于：
在目标时间段中通过所述收费站的车辆数量小于车辆数量阈值时，基于所述车辆数量和车辆数量阈值的比值计算修正系数；
基于所述修正系数对所述平均排队时间进行修正。
可选地，所述获取模块，还用于：
获取在目标时间段中通过所述收费站的每个车辆的车辆信息；
剔除符合以下至少一种条件的车辆信息；
所述车辆信息中的车牌信息存在非法数据；
所述车辆信息中的通过时间大于数据采集时间；
所述车辆信息中的车辆速度超出车辆速度范围；
所述车辆信息中的通行时间超出固定箱体范围，其中所述固定箱体范围依据所述通行时间的上四分位数和下四分位数计算得到。
可选地，所述输出模块，还用于：
在所述平均排队时间小于或等于第一排队时间阈值的情况下，确定拥堵程度为畅通；
在所述平均排队时间大于所述第一排队时间阈值，且小于或等于第二排队时间阈值的情况下，确定拥堵程度为缓行；
在所述平均排队时间大于所述第二排队时间阈值，且小于或等于第三排队时间阈值的情况下，确定拥堵程度为拥堵；
在所述平均排队时间大于所述第三排队时间阈值的情况下，确定拥堵程度为严重拥堵；
其中，所述第一排队时间阈值、所述第二排队时间阈值、所述第三排队时间阈值的数值依次减小。
本申请一些实施例提供一种计算处理设备，包括：
存储器，其中存储有计算机可读代码；
一个或多个处理器，当所述计算机可读代码被所述一个或多个处理器执行时，所述计算处理设备执行如上述的收费站拥堵程度的获取方法。
本申请一些实施例提供一种计算机程序，包括计算机可读代码，当所述计算机可读代码在计算处理设备上运行时，导致所述计算处理设备执行如上述的收费站拥堵程度的获取方法。
本申请一些实施例提供一种非瞬态计算机可读介质，其中存储了如上述的收费站拥堵程度的获取方法。
本申请提供的一种收费站拥堵程度的获取方法、装置、电子设备、程序及介质，通过使用车辆在收费站的通行时间和标准通行时间进行比对来计算车辆的排队时间，然后依据排队时间衡量收费站的拥堵程度，从而在不额外安装设备和不引入外部数据的情况，仅需通过收费站的本地车辆数据即可准确地获取收费站的拥堵程度，不会产生除收费站本地数据之外的额外数据获取成本，降低了收费站拥堵程度获取的成本。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性地示出了本申请一些实施例提供的一种收费站拥堵程度的获取方法的流程示意图；
图2示意性地示出了本申请一些实施例提供的一种收费站拥堵程度的获取方法的原理示意图；
图3示意性地示出了本申请一些实施例提供的另一种收费站拥堵程度的获取方法的流程示意图之一；
图4示意性地示出了本申请一些实施例提供的另一种收费站拥堵程度的获取方法的流程示意图之二；
图5示意性地示出了本申请一些实施例提供的另一种收费站拥堵程度的获取方法的流程示意图之三；
图6示意性地示出了本申请一些实施例提供的另一种收费站拥堵程度的获取方法的流程示意图之四；
图7示意性地示出了本申请一些实施例提供的另一种收费站拥堵程度的获取方法的原理示意图；
图8示意性地示出了本申请一些实施例提供的另一种收费站拥堵程度的获取方法的流程示意图之五；
图9示意性地示出了本申请一些实施例提供的一种收费站拥堵程度的获取装置的结构示意图；
图10示意性地示出了用于执行根据本申请一些实施例的方法的计算处理设备的框图；
图11示意性地示出了用于保持或者携带实现根据本申请一些实施例的方法的程序代码的存储单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
图1示意性地示出了本申请提供的一种收费站拥堵程度的获取方法的流程示意图，所述方法包括：
步骤101，获取在目标时间段中每个车辆通过收费站的前门架时的第一时间，以及每个车辆在收费站的收费窗口完成收费服务时的第二时间。
步骤102，根据所述第一时间和所述第二时间计算车辆通过所述收费站的平均通行时间。
在本申请实施例中，目标时间段是收费站开放车辆通行的特定时间区间，由于拥堵程度是衡量收费站附近车流量的一个持续概念，因此在确定收费站的拥堵程度时需要获取收费站持续一段时间的通行数据作为参考，该目标时间段可以是系统默认设置的，也可以是用户自行设置的，具体可以根据实际需求设置，此处不做限定。平均通行时间是在目标时间段中通过收费站的车辆平均通行时间的均值，而通行时间是指车辆从经过收费站的前门架入口的时间点到完成收费服务时间点之间的时长。
示例性的，参照图2，一辆汽车从道路到收费站出口，会先经过收费站前的门架，然后驶过收费站匝道(一般来说，收费站前门架到收费站的距离较短，收费站匝道距离指的是收费站前最近的一个门架到收费站收费出口的距离，包含了一小段高速公路主线距离，匝道距离和收费站广场距离)，到达收费站出口，然后缴费驶出收费站。
在高速公路计费系统中，可以得到车辆经过收费站前门架的时间戳与车辆在收费窗口完成收费服务的时间戳，记车辆通过收费站断面，完成收费并出站所用的时间为T，T＝车辆在收费窗口完成收费服务的时间戳-车辆经过收费站前门架的时间戳。指的说明的是，由于在完成收费服务后车辆前方再无障碍，因此理论上是可以直接通行，不会出现等待的情况，因此在计算通行时间时不考虑车辆在完成收费服务后行驶出收费站的用时。
在实际应用中，系统可从设置在收费站的周围摄像机等信息采集设备对收费站周围的车辆的出入时间和其他车辆信息进行持续获取，并每隔目标时间段对最近的目标时间段中的车辆信息进行分析以得到后续评估收费站拥堵程度的平均通行时间。
步骤103，将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间。
在本申请实施例中，标准通行时间是指收费站在无拥堵情况，车辆驶入收费站后完成收费服务的用时时长。车辆进入收费站的过程具体可以分为四个阶段，分别是1、车辆从收费站的前门架行驶到收费站(收费站断面)的用时T1；2、在收费站排队等待收费的用时T2；收费服务用时T3；完成收费服务后行驶出收费站。因此参照上述描述，车辆在收费站的通行时间如下公式(1)：
T＝T1+T2+T3 (1)
理想状态下T1可以认为是车辆在不拥堵不排队的情况下，行驶过收费站断面的时间，T2为0，T3与收费通道类型有关，通常ETC(Electronic Toll Collection，电子不停车收费系统)的服务用时要少于MTC(Manual Toll Collection，人工收费系统)的服务用时。因此，可以根据收费通道是ETC还是MTC分别计算车辆经过不同类型收费通道的标准通行时间为T1+T3，则依据上述公式(1)可以推导出车辆的排队时间为下公式(2)：
T2＝T-(T1+T3) (2)
步骤104，依据所述平均排队时间确定所述收费站的拥堵程度。
在本申请实施例中，由于ETC车道和MTC车道的排队和服务时间差异较大，因此两类车道可以进行分开计算，最终结果也可以分别显示ETC车道和MTC车道的拥堵程度，当然也可以是将不同类型车道的平均排队时间整合到一起进行计算，以体现收费站中所有车道的整体拥堵情况，具体可以根据实际需求设置，此处不做限定。
本申请实施例通过使用车辆在收费站的通行时间和标准通行时间进行比对来计算车辆的排队时间，然后依据排队时间衡量收费站的拥堵程度，从而在不额外安装设备和不引入外部数据的情况，仅需通过收费站的本地车辆数据即可准确地获取收费站的拥堵程度，不会产生除收费站本地数据之外的额外数据获取成本，降低了收费站拥堵程度获取的成本。
可选地，参照图3，所述步骤102，包括：
步骤1021，获取所述目标时间段的上一时间段中车辆通过所述收费站的预测平均通行时间。
步骤1022，根据所述第一时间和所述第二时间计算目标时间段中车辆通过所述收费站的实际平均通行时间。
步骤1023，基于指数平滑系数将所述预测平均通行时间和所述实际平均通行时间进行结合，得到车辆通过所述收费站的平均通行时间。
在本申请实施例中，收费站断面的平均通行时间是通过收费站出口收费装置来进行统计与计算的，每个车辆的通行时间可以等于在收费窗口完成收费服务的时间点减去车辆经过收费站前门架的时间戳，因此若设当前时间为T，目标时间段的时长为Tw，则目标时间段为T-Tw～T，在该目标时间段中通过收费站的车辆数为k，车辆的通行时间为ti，则平均通行时间
Figure BDA0003790892390000091
的计算方式可参照下述公式(3)：
Figure BDA0003790892390000092
进一步的，由于平均通行时间计算采用目标时间段的滑动窗口的方式，因此去目标时间段中所有车辆的通行时间求均值计算的平均时间会产生一定的滞后性，在实际应用中，希望越靠近计算时间的车辆，计算平均通行时间时所占权重越高较好，因此本申请进一步采用指数平滑算法来计算平均通行时间。
具体的，指数平滑算法的基本思想是先对原始数据进行处理，处理后的数据成为平滑值，然后再根据平滑值计算构造预测模型，用于计算未来预测值。其原理是任一期的指数平滑值都是本期实际观测值与前一期指数平滑值的加权平均。按照平滑次数不同，指数平滑算法可以分为一次指数平滑法、二次指数平滑法和三次指数平滑法等，而本申请下面将示例性以一次指数平滑法计算平均通行时间。
指数平滑算法的预测模型为下述公式(4)：
Yt+1＝αXt+(1-α)Yt (4)
其中，Xt为第t期的实际值，Yt为第t期的预测值，α为指数平滑系数。
在本申请实施例中，可以将当前目标时间段的平均通行时间作为Yt+1，将上一目标时间段的历史实际通行时间作为Xt，将上一目标时间段的历史预测通行时间作为Yt，而α取值可以取0.6、0.7、0.8等较大值，这样可以加重近期观测值的权重，使得各期的实际观测值的权重由近及远加快地变小。
可选地，参照图4，步骤103之前，所述方法还包括：
步骤201，获取在历史时间段中车辆通过所述收费站的历史平均通行时间。
步骤202，将数值大小次序位于目标次序的历史平均通行时间作为标准通行时间。
在本申请实施例中，收费站的标准通行时间可以取每一周、每一月或者每一季度等时段中所有车辆通过收费站的历史平均通行时间，从小到大进行排序，然后从前往后取位于第10％、20％、30％等目标次序的历史平均通行时间作为标准通行时间。
步骤203，在存在多种类型的车辆时，基于每种类型车辆通过所述收费站的历史通行时间均值计算调整系数。
步骤204，基于所述调整系数、每种车辆与所有车辆之间的数量占比对所述标准通行时间进行调整。
在本申请实施例中，考虑到进入收费站时一个起停起的过程，不同类型车辆的启动时间之间存在明显差异，例如大型车辆的启动时间相交于小型汽车要花费更多时间，在计算时要将不同车辆的平均通行时间进行调整，即乘一个调整系数。
示例性的，以存在大型车辆和小型车辆两种类型的车辆为例，可以将小型车辆的调整系数设置为1，而大型车辆的调整系数设置为q，设标准通行时间为T0，收费站断面大车所占比例p，则调整后标准通行时间可通过下述公式(5)计算得到：
T’0＝(1-p)T0+pqT0＝(1-p+pq)T0 (5)
考虑到收费站断面的车辆通行时间的对数的分布，使用正态分布拟合，因此可通过下述公式(6)计算得到调整系数q：
Figure BDA0003790892390000111
其中，μ1为大型车辆通行时间的均值，μ2为小型车辆通行时间的均值。
本申请实施例考虑到不同收费站的自身条件不同，例如ETC、MTC、大小车辆等不同情况，对于部分ETC、MTC的收费服务时间差异较大，或是大车占比较多导致收费服务时间较长的收费站，对依据不同的车辆类型对参与计算的车辆通信时间进行调整，提高了所获取到收费站拥堵程度准确性。
可选地，参照图5，在所述步骤103之后，所述方法还包括：
步骤301，在目标时间段中通过所述收费站的车辆数量小于车辆数量阈值时，基于所述车辆数量和车辆数量阈值的比值计算修正系数。
步骤302，基于所述修正系数对所述平均排队时间进行修正。
在本申请实施例中，考虑到部分收费站几乎都是ETC车道，很少有MTC车道，而部分收费站的ETC车道通行车辆又极少，这种情况下，少数车辆的行为会对平均排队时间的计算产生较大影响，因此本申请中使用通过收费站断面的车流量对计算平均排队时间进行修正。具体是对每个收费站的历史数据分布，通过设置时间窗口的方式来计算收费站的车流量的车辆数量阈值，如果计算当前时间通过收费站的车辆数量小于该车辆数量阈值，则对车辆的平均排队时间进行下调，这样可以减轻少数车辆的异常行为对拥堵程度判断产生影响。
具体的，设置Q为目标时间段内通过收费站断面的车辆数量，Q0为收费站断面的车辆数量阈值，车辆数量和车辆数量阈值的比值为r＝Q/Q0。若rr≥1，则修正系数β＝1，若r<1，则修正系数
Figure BDA0003790892390000112
修正后的平均排队时间可参照下述公式(7)：
修正后的平均排队时间T’wait＝平均排队时间Twait*β (7)
本申请实施例对不同收费站的特点进行适配，并对流量较小的例如夜间、淡季等情况下车流量较小的情况下的车辆平均排队时长进行修正后再利用该车辆平均排队时长进行计算，提高了所获取到收费站拥堵程度准确性。
可选地，参照图6，在所述步骤101之前，所述方法还包括：
步骤401，获取在目标时间段中通过所述收费站的每个车辆的车辆信息。
步骤402，剔除符合以下至少一种条件的车辆信息：
所述车辆信息中的车牌信息存在非法数据；
所述车辆信息中的通过时间大于数据采集时间；
所述车辆信息中的车辆速度超出车辆速度范围；
所述车辆信息中的通行时间超出固定箱体范围，其中所述固定箱体范围依据所述通行时间的上四分位数和下四分位数计算得到。
在本申请实施例中，考虑到收费站的前门架与收费站出口收费装置上传的数据由发生错误的可能性，因此需要对所获取到的车辆信息进行清洗，清洗信息可以是：车牌非法数据，包括车牌第一个字不是省份简写或其他合法字符等，门架与收费站出口识别车辆经过时间大于当前时间，行驶过收费站断面的车辆速度小于0或大于120KM/h等，具体可以根据实际需求设置，此处不做限定。
进一步的，考虑到在门架时钟异常、存在网络异常等情况时，会导致部分速度数据存在异常，因此本申请使用箱型图发识别异常数据。
示例性的，参照图7，绝大多数数据在一个固定箱体范围内，超出箱体上下边缘的点则作为异常值进行去除。设数据的上四分位数为Q1，下四分位数为Q3，则IQR＝Q3-Q1，固定箱体范围的下限值可以是Q1-1.5*IQR，上限值可以是Q3+1.5*IQR。数据高于上限值或低于下限值则认为是异常数据，进行剔除。当然此处的固定箱体范围仅是示例性描述，具体的取值范围可以根据实际需求设置，此处不做限定。
可选地，参照图8，所述步骤104，包括：
步骤1041，在所述平均排队时间小于或等于第一排队时间阈值的情况下，确定拥堵程度为畅通。
步骤1042，在所述平均排队时间大于所述第一排队时间阈值，且小于或等于第二排队时间阈值的情况下，确定拥堵程度为缓行。
步骤1043，在所述平均排队时间大于所述第二排队时间阈值，且小于或等于第三排队时间阈值的情况下，确定拥堵程度为拥堵。
步骤1044，在所述平均排队时间大于所述第三排队时间阈值的情况下，确定拥堵程度为严重拥堵。
其中，所述第一排队时间阈值、所述第二排队时间阈值、所述第三排队时间阈值的数值依次减小。
在本申请实施例中，第一排队时间阈值、第二排队时间阈值和第三排队时间阈值的取值只要依次减小即可适用于本申请实施例。例如设第一排队时间阈值为90，第二排队时间阈值为180，第三排队阈值为600，平均排队时间为T’wait，T’wait≤90的情况下可视为收费站畅通，90<T’wait≤180的情况下可以视为收费站缓行，180<T’wait≤600的情况下可以视为收费站拥堵，600<T’wait的情况下，可以视为收费站严重拥堵。当然此处仅是示例性说明，具体的拥堵程度判断方式可以根据实际需求设置，此处不做限定。
图9示意性地示出了本申请提供的一种收费站拥堵程度的获取装置30的结构示意图，包括：
获取模块501，用于获取在目标时间段中每个车辆通过收费站的前门架时的第一时间，以及每个车辆在收费站的收费窗口完成收费服务时的第二时间；
处理模块502，用于根据所述第一时间和所述第二时间计算车辆通过所述收费站的平均通行时间；
将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间；
输出模块503，用于依据所述平均排队时间确定所述收费站的拥堵程度。
可选地，所述处理模块502，还用于：
获取所述目标时间段的上一时间段中车辆通过所述收费站的预测平均通行时间；
根据所述第一时间和所述第二时间计算目标时间段中车辆通过所述收费站的实际平均通行时间；
基于指数平滑系数将所述预测平均通行时间和所述实际平均通行时间进行结合，得到车辆通过所述收费站的平均通行时间。
可选地，所述处理模块502，还用于：
获取在历史时间段中车辆通过所述收费站的历史平均通行时间；
将数值大小次序位于目标次序的历史平均通行时间作为标准通行时间。
可选地，所述处理模块502，还用于：
在存在多种类型的车辆时，基于每种类型车辆通过所述收费站的历史通行时间均值计算调整系数；
基于所述调整系数、每种车辆与所有车辆之间的数量占比对所述标准通行时间进行调整。
可选地，所述处理模块502，还用于：
在目标时间段中通过所述收费站的车辆数量小于车辆数量阈值时，基于所述车辆数量和车辆数量阈值的比值计算修正系数；
基于所述修正系数对所述平均排队时间进行修正。
可选地，所述获取模块501，还用于：
获取在目标时间段中通过所述收费站的每个车辆的车辆信息；
剔除符合以下至少一种条件的车辆信息；
所述车辆信息中的车牌信息存在非法数据；
所述车辆信息中的通过时间大于数据采集时间；
所述车辆信息中的车辆速度超出车辆速度范围；
所述车辆信息中的通行时间超出固定箱体范围，其中所述固定箱体范围依据所述通行时间的上四分位数和下四分位数计算得到。
可选地，所述输出模块503，还用于：
在所述平均排队时间小于或等于第一排队时间阈值的情况下，确定拥堵程度为畅通；
在所述平均排队时间大于所述第一排队时间阈值，且小于或等于第二排队时间阈值的情况下，确定拥堵程度为缓行；
在所述平均排队时间大于所述第二排队时间阈值，且小于或等于第三排队时间阈值的情况下，确定拥堵程度为拥堵；
在所述平均排队时间大于所述第三排队时间阈值的情况下，确定拥堵程度为严重拥堵；
其中，所述第一排队时间阈值、所述第二排队时间阈值、所述第三排队时间阈值的数值依次减小。
本申请实施例通过使用车辆在收费站的通行时间和标准通行时间进行比对来计算车辆的排队时间，然后依据排队时间衡量收费站的拥堵程度，从而在不额外安装设备和不引入外部数据的情况，仅需通过收费站的本地车辆数据即可准确地获取收费站的拥堵程度，不会产生除收费站本地数据之外的额外数据获取成本，降低了收费站拥堵程度获取的成本。
以上所描述的设备实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的计算处理设备中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在非瞬态计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图10示出了可以实现根据本申请的方法的计算处理设备。该计算处理设备传统上包括处理器610和以存储器620形式的计算机程序产品或者非瞬态计算机可读介质。存储器620可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器620具有用于执行上述方法中的任何方法步骤的程序代码631的存储空间630。例如，用于程序代码的存储空间630可以包括分别用于实现上面的方法中的各种步骤的各个程序代码631。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为如参考图11所述的便携式或者固定存储单元。该存储单元可以具有与图10的计算处理设备中的存储器620类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元包括计算机可读代码631’，即可以由例如诸如610之类的处理器读取的代码，这些代码当由计算处理设备运行时，导致该计算处理设备执行上面所描述的方法中的各个步骤。
应该理解的是，虽然附图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，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本文中所称的“一个实施例”、“实施例”或者“一个或者多个实施例”意味着，结合实施例描述的特定特征、结构或者特性包括在本申请的至少一个实施例中。此外，请注意，这里“在一个实施例中”的词语例子不一定全指同一个实施例。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种收费站拥堵程度的获取方法，其特征在于，所述方法包括：
获取在目标时间段中每个车辆通过收费站的前门架时的第一时间，以及每个车辆在收费站的收费窗口完成收费服务时的第二时间；
根据所述第一时间和所述第二时间计算车辆通过所述收费站的平均通行时间；
将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间；
依据所述平均排队时间确定所述收费站的拥堵程度。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一时间和所述第二时间计算目标时间段中车辆通过所述收费站的平均通行时间，包括：
获取所述目标时间段的上一时间段中车辆通过所述收费站的预测平均通行时间；
根据所述第一时间和所述第二时间计算目标时间段中车辆通过所述收费站的实际平均通行时间；
基于指数平滑系数将所述预测平均通行时间和所述实际平均通行时间进行结合，得到车辆通过所述收费站的平均通行时间。
3.根据权利要求1所述的方法，其特征在于，在所述将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间之前，所述方法还包括：
获取在历史时间段中车辆通过所述收费站的历史平均通行时间；
将数值大小次序位于目标次序的历史平均通行时间作为标准通行时间。
4.根据权利要求3所述的方法，其特征在于，在所述将数值大小次序位于目标次序的历史平均通行时间作为标准通行时间之后，所述方法还包括：
在存在多种类型的车辆时，基于每种类型车辆通过所述收费站的历史通行时间均值计算调整系数；
基于所述调整系数、每种车辆与所有车辆之间的数量占比对所述标准通行时间进行调整。
5.根据权利要求1所述的方法，其特征在于，在所述将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间之后，所述方法还包括：
在目标时间段中通过所述收费站的车辆数量小于车辆数量阈值时，基于所述车辆数量和车辆数量阈值的比值计算修正系数；
基于所述修正系数对所述平均排队时间进行修正。
6.根据权利要求1所述的方法，其特征在于，在所述获取在目标时间段中每个车辆通过收费站的前门架时的第一时间，以及每个车辆在收费站的收费窗口完成收费服务时的第二时间之前，所述方法还包括：
获取在目标时间段中通过所述收费站的每个车辆的车辆信息；
剔除符合以下至少一种条件的车辆信息；
所述车辆信息中的车牌信息存在非法数据；
所述车辆信息中的通过时间大于数据采集时间；
所述车辆信息中的车辆速度超出车辆速度范围；
所述车辆信息中的通行时间超出固定箱体范围，其中所述固定箱体范围依据所述通行时间的上四分位数和下四分位数计算得到。
7.根据权利要求1所述的方法，其特征在于，所述依据所述平均排队时间确定所述收费站的拥堵程度，包括：
在所述平均排队时间小于或等于第一排队时间阈值的情况下，确定拥堵程度为畅通；
在所述平均排队时间大于所述第一排队时间阈值，且小于或等于第二排队时间阈值的情况下，确定拥堵程度为缓行；
在所述平均排队时间大于所述第二排队时间阈值，且小于或等于第三排队时间阈值的情况下，确定拥堵程度为拥堵；
在所述平均排队时间大于所述第三排队时间阈值的情况下，确定拥堵程度为严重拥堵；
其中，所述第一排队时间阈值、所述第二排队时间阈值、所述第三排队时间阈值的数值依次减小。
8.一种收费站拥堵程度的获取装置，其特征在于，所述装置包括：
获取模块，用于获取在目标时间段中每个车辆通过收费站的前门架时的第一时间，以及每个车辆在收费站的收费窗口完成收费服务时的第二时间；
处理模块，用于根据所述第一时间和所述第二时间计算车辆通过所述收费站的平均通行时间；
将所述平均通行时间和所述收费站的标准通行时间进行比对，得到车辆在所述收费站的平均排队时间；
输出模块，用于依据所述平均排队时间确定所述收费站的拥堵程度。
9.一种计算处理设备，其特征在于，包括：
存储器，其中存储有计算机可读代码；
一个或多个处理器，当所述计算机可读代码被所述一个或多个处理器执行时，所述计算处理设备执行如权利要求1-7中任一项所述的收费站拥堵程度的获取方法。
10.一种非瞬态计算机可读介质，其特征在于，其中存储了如权利要求1-7中任一项所述的收费站拥堵程度的获取方法的计算机程序。
CN202210954875.XA 2022-08-10 2022-08-10 收费站拥堵程度的获取方法、装置、电子设备、程序及介质 Pending CN115392659A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210954875.XA CN115392659A (zh) 2022-08-10 2022-08-10 收费站拥堵程度的获取方法、装置、电子设备、程序及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210954875.XA CN115392659A (zh) 2022-08-10 2022-08-10 收费站拥堵程度的获取方法、装置、电子设备、程序及介质

Publications (1)

Publication Number Publication Date
CN115392659A true CN115392659A (zh) 2022-11-25

Family

ID=84118795

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210954875.XA Pending CN115392659A (zh) 2022-08-10 2022-08-10 收费站拥堵程度的获取方法、装置、电子设备、程序及介质

Country Status (1)

Country Link
CN (1) CN115392659A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117197913A (zh) * 2023-09-27 2023-12-08 辽宁艾特斯智能交通技术有限公司 一种云计算的高速公路etc收费数据管理分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117197913A (zh) * 2023-09-27 2023-12-08 辽宁艾特斯智能交通技术有限公司 一种云计算的高速公路etc收费数据管理分析方法
CN117197913B (zh) * 2023-09-27 2024-04-16 辽宁艾特斯智能交通技术有限公司 一种云计算的高速公路etc收费数据管理分析方法

Similar Documents

Publication Publication Date Title
CN106779256B (zh) 一种基于事件驱动的停车空余泊位数实时预测方法及系统
CN111009151B (zh) 一种停车位推荐方法、存储介质及终端设备
CN110751828B (zh) 一种路段拥堵测量方法、装置、计算机设备及存储介质
CN111191949B (zh) 网约车辆异常行驶行为识别方法、装置、电子设备
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
CN116403407B (zh) 一种公路收费站的车道动态配置与诱导方法、设备及介质
CN111815096A (zh) 共享汽车投放方法、电子设备及存储介质
CN111754642A (zh) 共享停车场的管理方法、管理装置及终端
CN113763576A (zh) 一种提醒用户停车费用的方法及相关设备
US20200365017A1 (en) System and method for single-loop vehicle speed estimation using inductive loop signature data
US20150161891A1 (en) Imputing pricing criteria for parking using a combination of payment data and incomplete sensor data
CN112435500A (zh) 一种停车场剩余车位的统计方法、装置及终端设备
CN110738741B (zh) 停车场车辆缴费方法、介质、设备及系统
US20150006264A1 (en) Method and apparatus for dynamic pricing for on street parking as a prediction task
CN110046535B (zh) 基于机器学习的智能出行时间预测系统、方法及存储介质
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
CN114387816B (zh) 基于消费者行为预测分析的商城车流引导系统及方法
CN115775466A (zh) 一种车辆限流分区方法、装置、计算机设备及存储介质
CN112382087B (zh) 交通堵塞预测方法
CN114627643A (zh) 一种高速公路事故风险预测方法、装置、设备及介质
CN110264580B (zh) 一种非固定车位的管理方法及装置
US20150371452A1 (en) Dynamic road pricing method, system, and non-transitory computer readable storage medium
JP3526422B2 (ja) 走行所要時間情報演算システム
CN111508093A (zh) 一种用于高速公路的过路费预算系统
CN109615187A (zh) 一种od矩阵的评估方法、公交负载模拟方法及装置

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