CN115527380B - 车辆行驶速度测算方法、装置、计算机设备及存储介质 - Google Patents
车辆行驶速度测算方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115527380B CN115527380B CN202211120181.2A CN202211120181A CN115527380B CN 115527380 B CN115527380 B CN 115527380B CN 202211120181 A CN202211120181 A CN 202211120181A CN 115527380 B CN115527380 B CN 115527380B
- Authority
- CN
- China
- Prior art keywords
- portal
- time
- data
- passing
- 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.)
- Active
Links
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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明的实施例提供了一种车辆行驶速度测算方法、装置、计算机设备及存储介质,涉及数据处理领域。包括:获取预设区间内的原始门架数据,对原始门架数据进行修正,得到修正门架数据;根据修正门架数据计算经过门架时间和车流量的对应关系;根据经过门架时间和车流量的对应关系判断预设区间内是否存在拐点时间;若存在拐点时间,则采用第一计算规则计算通过门架的车辆的行驶速度。本申请实施例通过采用高速公路上现有的门架来测量车流量和车辆的行驶时间,降低了车辆行驶速度测算的成本;同时考虑到了两个门架间存在服务区的这一重要影响因素,通过计算拐点时间,对存在服务区的情况单独设立了计算规则,保证了计算结果的准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种车辆行驶速度测算方法、装置、计算机设备及存储介质。
背景技术
为了判断车辆在高速公路的实际区间是否存在超速,需要对车辆的行驶速度进行测算。目前高速公路车辆行驶速度测算主要有两种方法:一是根据用户移动轨迹,通过定点映射方式,形成车辆行驶轨迹,以获取车辆实时行驶速度。但这种方法主要集中于车辆实时速度的测算,没有考虑到车辆的平均速度,并且过于依赖数学理论知识,得到的结果较为理想化,忽略了实际情况对结果的影响,导致测算结果不够准确。
二是利用等间距均匀架设在高速公路旁的多根测速杆,来测量经过测速杆的车辆的车速。测速杆获取的速度数据需要传输到固定的系统中,在传输过程中可能会出现数据丢失等情况,使得最后得到的结果不准确。此外,测速杆的安装和系统的检测运营维护需要的成本也较高。
目前,尚无同时兼顾低成本和高质量的车辆行驶速度测算方法。
发明内容
本申请实施例提供了一种车辆行驶速度测算方法、装置、计算机设备及存储介质,能够以比较低的成本,较为准确地测算高速公路上车辆的行驶速度。
为了实现上述目的,本发明采用了如下的技术方案:
第一方面,本申请实施例提供了一种车辆行驶速度测算方法,所述方法包括:
获取预设区间内的原始门架数据,对所述原始门架数据进行分析,获取所述原始门架数据中的正常信息和缺失信息;
根据所述正常信息和所述缺失信息对所述原始门架数据进行修正,得到修正门架数据;
根据所述修正门架数据计算经过门架时间和车流量的对应关系;
根据所述经过门架时间和车流量的对应关系判断所述预设区间内是否存在拐点时间;
若存在所述拐点时间,则采用第一计算规则计算通过门架的车辆的行驶速度。
在一实施方式中,所述根据所述正常信息和所述缺失信息对所述原始门架数据进行修正,得到修正门架数据,包括:
计算所述缺失信息与所述正常信息的线性相关度;
当所述线性相关度大于或等于第一阈值时,使用回归替换法对所述缺失信息进行插补;
当所述线性相关度大于或等于第二阈值,且所述线性相关度小于所述第一阈值时,使用热卡填充法对所述缺失信息进行插补;所述第一阈值大于所述第二阈值;
当所述线性相关度小于所述第二阈值,或对所述修正门架数据的精确度需求大于或等于预设精确度阈值时,删除所述缺失信息。
在一实施方式中,所述根据所述修正门架数据计算经过门架时间和车流量的对应关系,包括:
选择起始门架与结束门架;
在所述预设区间内,均匀划分N个时间点,并获取各时间点对应的经过所述起始门架与所述结束门架的车流量;
以所述各时间点为横坐标,所述各时间点对应的经过所述起始门架与所述结束门架的车流量为纵坐标,得到时间流量散点数据;
根据所述时间流量散点数据生成时间流量曲线图。
在一实施方式中,所述根据所述经过门架时间和车流量的对应关系判断所述预设区间内是否存在拐点时间的步骤,包括:
将全部经过所述起始门架与所述结束门架的车流量按预设顺序排列,将前后衔接的经过所述起始门架与所述结束门架的车流量记为1,将前后不衔接的经过所述起始门架与所述结束门架的车流量记为0,生成条件矩阵;
计算时间流量散点数据两两之间的欧氏距离,生成欧氏距离矩阵;
将所述条件矩阵和所述欧氏距离矩阵合并,得到条件距离矩阵;
对所述条件距离矩阵进行聚类,得到第一数据组和第二数据组,其中,所述第一数据组中的最小数据大于所述第二数据组中的最大数据;
将所述第二数据组中的最大数据定义为拐点时间。
在一实施方式中,所述采用第一计算规则计算通过门架车辆的行驶速度,包括:
获取所述通过门架车辆的第一通行时间;
当所述第一通行时间小于所述拐点时间时,所述第一计算规则为:通过门架的车辆的行驶速度等于所述起始门架与结束门架间距离除以所述第一通行时间的商值;
当所述第一通行时间大于或等于所述拐点时间时,所述第一计算规则为:通过门架的车辆的行驶速度等于所述起始门架与结束门架间距离除以所述拐点时间的商值。
在一实施方式中,所述方法还包括:
若不存在所述拐点,获取所述通过门架的车辆的第二通行时间;
采用第二计算规则计算所述通过门架的车辆的行驶速度;
所述第二计算规则为:通过门架的车辆的行驶速度等于所述起始门架与所述结束门架间距离除以所述第二通行时间的商值。
在一实施方式中,通过门架的车辆包括客车车型和货车车型,其中,所述客车车型包括一型客车、二型客车、三型客车和四型客车;所述货车车型包括一型货车、二型货车、三型货车、四型货车、五型货车和六型货车。
第二方面,本申请实施例提供了一种车辆行驶速度测算装置,所述装置包括:
分析模块,用于获取预设区间内的原始门架数据,对所述原始门架数据进行分析,获取所述原始门架数据中的正常信息和缺失信息;
修正模块,用于根据所述正常信息和所述缺失信息对所述原始门架数据进行修正,得到修正门架数据;
第一计算模块,用于根据所述修正门架数据计算经过门架时间和车流量的对应关系;
判断模块,用于根据所述经过门架时间和车流量的对应关系判断所述预设区间内是否存在拐点时间;
第二计算模块,用于若存在所述拐点时间,则采用第一计算规则计算通过门架的车辆的行驶速度。
第三方面,本申请实施例提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器运行时执行第一方面所述的车辆行驶速度测算方法。
第四方面,本申请实施例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上存储有计算机程序,所述计算机程序被处理器运行时执行第一方面所述的车辆行驶速度测算方法。
本发明实施例的有益效果如下:
本申请实施例提供的车辆行驶速度测算方法、装置、计算机设备及存储介质,通过采用高速公路上现有的门架来测量车流量和车辆的行驶时间,降低了车辆行驶速度测算方法的成本;同时考虑到了两个门架之间存在服务区的这一重要影响因素,通过计算拐点时间,对存在服务区的情况单独设立了计算规则,保证了在不同情况下仍能准确地计算经过门架的车辆的行驶速度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的车辆行驶速度测算方法的一流程图;
图2为本申请实施例提供的一时间流量曲线图;
图3为本申请实施例提供的车辆行驶速度测算装置的一结构示意图。
图标:300-车辆行驶速度测算装置;310-分析模块;320-修正模块;330-第一计算模块;340-判断模块;350-第二计算模块。
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中的附图,对本发明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发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
实施例1
请参考图1,本实施例提供了一种车辆行驶速度测算方法,所述车辆行驶速度测算方法包括以下步骤:
S101,获取预设区间内的原始门架数据,对所述原始门架数据进行分析,获取所述原始门架数据中的正常信息和缺失信息;
高速公路上设置的门架有多个用途,如:布置限速探头拍超速、布置LED电子显示屏为过往司机提供信息提示、布置ETC装置等。除此之外,门架也可以测量经过门架的车流量等数据,本申请实施例利用门架数据计算过往车辆的平均速度,既可以减少额外设备的花费,又与实际行驶联系更加紧密。
在数据采集过程中,不免会存在数据的丢失,所以在使用门架数据进行计算之前,需要对原始门架数据进行评估与分析。分析原始门架数据存在的问题,找到其中的错误数据,一般为缺失信息,余下的信息称为正常信息。
S102,根据所述正常信息和所述缺失信息对所述原始门架数据进行修正,得到修正门架数据;
在一实施方式中,根据所述正常信息和所述缺失信息对所述原始门架数据进行修正,得到修正门架数据的步骤包括:
计算所述缺失信息与所述正常信息的线性相关度;
当所述线性相关度大于或等于第一阈值时,使用回归替换法对所述缺失信息进行插补;当所述线性相关度大于或等于所述第二阈值,且所述线性相关度小于所述第一阈值时,使用热卡填充法对所述缺失信息进行插补;
第一阈值大于第二阈值,当所述线性相关度大于或等于第一阈值时,可以确定缺失信息与其他正常信息存在较强的线性关系,这时可以采用回归替换法对缺失信息进行插补。具体地,选择若干个缺失信息,然后根据正常信息建立回归方程,利用回归方程估计缺失信息的条件期望值,再用所述条件期望值替换缺失信息。
当所述线性相关度大于或等于第二阈值,且所述线性相关度小于第一阈值时,可以认为缺失信息与正常信息线性关系不明显,这时可以采用热卡填充法,即在数据库中找到一个与缺失信息最相似的对象,用这个相似对象的值来进行填充。具体地,可以使用相关系数矩阵来确定哪个变量与缺失信息最相近,假设在相关系数矩阵中,最接近的值为变量Y,把所有元素按Y的取值大小进行排序。那么缺失信息就可以用排在变量Y前面的元素X来代替。
若所述线性相关度小于第二阈值,或对所述修正门架数据的精确度大于或等于预设精确度阈值时,删除所述缺失信息。
当所述线性相关度小于第二阈值,可以认为缺失信息与正常信息不存在线性关系,或对结果的精确度要求比较高时,不适合进行插补,且这部分数据总量不大,可做删除处理。
本实施方式通过分析缺失信息与正常信息的线性相关度,将不同线性相关度的缺失信息按照三种不同的方式处理,可以在保证误差较小的前提下有效提升最终得到的修正门架数据的完整性。
S103,根据所述修正门架数据计算经过门架时间和车流量的对应关系;
在一实施方式中,通过门架的车辆包括客车车型和货车车型,其中,所述客车车型包括一型客车、二型客车、三型客车和四型客车;所述货车车型包括一型货车、二型货车、三型货车、四型货车、五型货车和六型货车。将车辆具体划分为十种车型,对应不同车型,测算不同车型的行驶速度。
在一实施方式中,所述根据所述修正门架数据计算经过门架时间和车流量的对应关系,包括:
选择起始门架与结束门架;在所述预设区间内,均匀划分N个时间点,并获取各时间点对应的经过所述起始门架与所述结束门架的车流量;
以所述各时间点为横坐标,所述各时间点对应的经过所述起始门架与所述结束门架的车流量为纵坐标,得到时间流量散点数据;根据所述时间流量散点数据生成所述时间流量曲线图。在此,十种车型的时间流量曲线图不同,实际应用时需要将十种车型的时间流量曲线图都画出,但生成过程都一致。
以一型货车为例,首先将经过起始门架与结束门架的一型货车的车流量统计出来,然后以各时间点为横坐标,各时间点对应的起始门架与结束门架的一型货车车流量为纵坐标。如图2所示,图2为本申请实施例提供的一具体实施例。
观察发现,大概在9-17分钟内,车流量快速到达峰值后下降,且车流量集中于9-17这个区间内。因为未经过服务区的车辆速度相近,所以会体现为大流量的经过门架,而经过服务区的停留时间不同,则体现为小流量陆续经过门架。因此,这个时间段是未经过服务区的车辆通行时间,也就是车辆的实际通行时间。根据图像,可以初步确定拐点时间为17,在这个区间之后即通行时间在17之后的车辆,基本可判断为进入了服务区。因每个车辆在服务区停留的时间不同,所以最终整体通行时间也会存在差异。
如果两个门架间不存在服务区,车辆在高速无法停留,那么两门架间的经过时间为实际行驶时间。曲线图将不会出现高峰后的长区间的小波动。一型货车的时间流量曲线图的规律也适用于剩余九种车型上。
需要注意的是,上述实施方式中的拐点时间为初步判断,仅用于举例说明,事实上拐点时间计算比较复杂,依靠人眼判断的数据不够精确,所以下文的步骤S104提供了一种简单而准确的寻找拐点时间方法。
S104,根据所述经过门架时间和车流量的对应关系判断所述预设区间内是否存在拐点时间;
在一实施方式中,所述根据所述经过门架时间和车流量的对应关系判断所述预设区间内是否存在拐点时间的步骤,包括:
本实施方式采用的是条件系统聚类算法对车辆的时间流量数据进行了聚类,以求出拐点时间。具体地,可以通过系统聚类法将不同大小的数据进行分析,使得相似的数在一个组。数值较小的数据组中的最大值就是要求的拐点时间,但是这需要基于不改变车流量数据的顺序基础上进行。因此,要在聚类的基础上加上需要的条件进行约束,使原始数据顺序不变,从而在不破坏数据的顺序基础上实现聚类。
将全部经过所述起始门架与所述结束门架的车流量按预设顺序排列,将前后衔接的经过所述起始门架与所述结束门架的车流量记为1,将前后不衔接的经过所述起始门架与所述结束门架的车流量记为0,生成条件矩阵;
以两个门架间存在服务区的数据为例,通过对车流量和时间数据的处理,得到n个由小到大排列的有序数据。将前文所述的预设区间划分的各时间点记为X1,X2……Xn,按照由小到大的顺序排列。将不同时间点经过服务区上下游的起始门架与结束门架的车流量记为Y1,Y2……Yn,按照由小到大的顺序排列。把前后衔接记为1,即满足约束条件,前后不衔接记为0,即不满足约束条件,以此得到条件矩阵:
矩阵A:
观察矩阵可知,该条件矩阵次对角线上的元素是1,其余位置上的元素是0。
计算时间流量散点数据两两之间的欧氏距离,生成欧氏距离矩阵;
具体地,采用欧氏距离对数据之间距离进行计算,欧氏距离也称欧几里得度量(euclidean metric),指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离)。计算公式如下:
公式1:
其中,ρi代表第i个时间点对应的时间流量散点数据和第i+1个时间点对应的时间流量散点数据之间的真实距离,i代表车辆通过某一服务区的时间点,xi代表第i个点的横坐标,xi+1代表第i+1个点的横坐标,yi代表第i个点的纵坐标,yi+1代表第i+1个点的纵坐标。
通过欧式距离公式得到的欧式矩阵如下:
矩阵B:
将所述条件矩阵和所述欧氏距离矩阵合并,得到条件距离矩阵;
对所述条件距离矩阵进行聚类,得到第一数据组和第二数据组,其中第一数据组中的最小数据大于第二数据组中的最大数据;将所述第二数据组中的最大数据定义为拐点时间。
具体地,按照最短距离法,考察次对角线上的元素,找到彼此之间最短的距离,将有最短距离的两类进行合并,合并之后继续寻找最短距离,直到数据按照大小分为明显的两组。在一实施方式中,数值小的那一组中的最大值就是需要计算的拐点时间,即车辆通行时间如果大于或等于这个拐点时间,则可以判定车辆进入了服务区,如果小于这个拐点,则判定车辆没有进入服务区。
根据上述方式,用上述方法分别计算一型客车、二型客车、三型客车、四型客车、二型货车、三型货车、四型货车、五型货车、六型货车的车辆的拐点时间,可以求出十种车型的拐点,并以此计算每辆车的实际平均行驶速度。以一型货车为例,首先判断是否存在服务区,即是否存在拐点,如果不存在拐点,经过两个门架的时间即为实际通行时间,总路程除以实际通行时间即可。接下来如果存在服务区,再判断是否进入服务区:如果通行时间小于一型货车的拐点时间,那么判定没有进入服务区,通行时间即为实际行驶时间,用总时间除以实际行驶时间即可;如果通行时间大于一型货车的拐点时间,那么判定进入了服务区,则实际行驶速度为路程除以一型货车的拐点时间,用一型货车的拐点时间去替代一型货车的实际行驶时间可能会存在微小误差,但这部分数据量偏小,且微小误差影响不大,可忽略不计。
S105,若存在所述拐点时间,则采用第一计算规则计算通过门架的车辆的行驶速度。
在一实施方式中,所述采用第一计算规则计算通过门架的车辆的行驶速度,包括:
获取所述通过门架的车辆的第一通行时间;
当所述通行时间小于所述拐点时间时,所述第一计算规则为:通过门架的车辆的行驶速度等于所述起始门架与结束门架间距离除以所述第一通行时间的商值;
当所述通行时间大于或等于所述拐点时间时,所述第一计算规则为:通过门架的车辆的行驶速度等于所述起始门架与结束门架间的距离除以所述拐点时间的商值。
为了统一表达,用l1表示起始门架与结束门架间的距离,用t1表示经过起始门架与结束门架的时间、用t0表示拐点时间。同样的,以一型货车为例,其他车型类推。
首先判断是否存在拐点时间t0,如果存在拐点时间t0,即存在服务区,那么判断门架间的经过时间t1是否小于拐点时间t0。如果小于,说明车辆没有进入服务区,时间t1就是车辆的实际通行时间,那么车辆的实际平均速度vc2为:
公式2:
如果经过两个门架的时间大于拐点时间,说明车辆进入了服务区,那么可以把车辆的行驶时间判定为拐点时间。此时车辆的平均速度vc3为:
公式3:
在一实施方式中,所述方法还包括:
若不存在所述拐点,则采用第二计算规则计算所述通过门架的车辆的行驶速度。
在一实施方式中,所述采用第二计算规则计算通过门架的车辆的行驶速度,包括:
获取所述通过门架的车辆的第二通行时间;所述第二计算规则为:通过门架的车辆的行驶速度等于起始门架与结束门架间距离除以所述第二通行时间的商值。
如果不存在拐点时间t0,说明两个门架间不存在服务区,那么经过两个门架的时间t1就是实际行驶时间,因此车辆的实际平均速度vc1为:
公式4:
在实际应用中,客车与货车的限速标准不同,日间与夜间的限速标准也不同。因此本申请实施例还提供了分车型和时间区间计算车辆的区间实际行驶速度,具体地,计算前文所述的十种车型每种车型全部车辆日间/夜间区间平均行驶速度。以一型货车日间为例,用所有日间一型货车的总里程除以总时间,便得到一型货车日间所有车辆的平均行驶速度。
以下以一型货车为例,详细说明计算方法。剩余九种车型可依据一型货车算法,逐次计算。在下述计算方法中,日间的定义为上午8:00到晚上20:00,夜间的定义为晚上20:00到次日早上8:00。
当起始门架与结束门架间存在服务区时,一型货车的实际平均速度计算方法如下:
已知两门架之间的路程为l1,日间的行驶的车辆总数为n1,没有经过服务区的车辆数为m1,各车辆对应的行驶时间为t1、t2、t3至。则经过服务区的车辆数为n1-m1,行驶时间都判定为一型货车的拐点时间t0。
那么,一型货车两门架日间平均行驶速度vr1为:
公式5:
以一型货车为例,已知两门架之间的路程为l1,夜间的行驶的车辆总数为n2,没有经过服务区的车辆数为m2,行驶时间为t1、t2、t3至。经过服务区的车辆数为n2-m2,行驶时间都判定为一型货车的拐点时间t0。
那么,一型货车两门架夜间平均行驶速度vy1为:
公式6:
当起始门架与结束门架间不存在服务区时,以一型货车为例,因不存在服务区,便不存在拐点时间。那么,已知两门架之间的路程为l1,日间的行驶的车辆总数为n3,行驶时间为即t1、t2、t3至。
那么,一型货车两门架日间平均行驶速度vr2为:
已知两门架之间的路程为l1,夜间的行驶的车辆总数为n4,行驶时间为即t1、t2、t3至。
那么,一型货车两门架夜间平均行驶速度vy2为:
高速门架间车辆行驶速度的测算对判断车辆是否超速具有重要作用。当测算出不同门架间分车型日夜间平均行驶速度后,可将这些数据应用于交通app中,安装在车主手机上的交通app会对在不同区间对车主的车速进行监测:如果车辆行驶速度超过本方法算出的平均速度,可对车辆进行提示:您已超过此区间平均行驶速度,存在安全风险,请减速。通过这种方式可对不同区间的路段进行不同的安全速度提示,提高安全车速的准确性。
本实施例提供的一种车辆行驶速度测算方法至少具有以下优点:
本申请实施例提供的车辆行驶速度测算方法,对高速公路车辆的实际区间行驶速度进行精确计算,与现有测算方法相比,紧密结合实际车辆行驶数据,使用高速门架大数据进行计算,且使用算法所需数据全部来源于已有数据,不需要额外的设备安装成本,节约了成本;另外,该方法对实际速度的测算维度上进行创新,现有方法多集中于单个车辆速度的测算,但本方法除计算单个车辆行驶速度外,分车型对日/夜间整体平均速度进行测算,并且对不同门架间区间速度进行测算,能够从不同的维度反映车辆行驶速度,从而为判断车辆是否超速提供更加精准的数据支撑,同时也节省了人力资源与成本。
实施例2
本实施例提供了一种车辆行驶速度测算装置,请参照图3,该车辆行驶速度测算装置300包括分析模块310、修正模块320、第一计算模块330、判断模块340和第二计算模块350。
在本实施例中,所述分析模块310用于:用于获取预设区间内的原始门架数据,对所述原始门架数据进行分析,获取所述原始门架数据中的正常信息和缺失信息;
所述修正模块320用于:用于根据所述正常信息和所述缺失信息对所述原始门架数据进行修正,得到修正门架数据;
所述第一计算模块330用于:用于根据所述修正门架数据计算经过门架时间和车流量的对应关系;
所述判断模块340用于:用于根据所述经过门架时间和车流量的对应关系判断所述预设区间内是否存在拐点时间;
所述第二计算模块350用于:用于若存在所述拐点时间,则采用第一计算规则计算通过门架的车辆的行驶速度。
在一实施方式中,所述修正模块320还用于:
计算所述缺失信息与所述正常信息的线性相关度;
当所述线性相关度大于或等于第一阈值时,使用回归替换法对所述缺失信息进行插补;
当所述线性相关度大于或等于第二阈值,且所述线性相关度小于所述第一阈值时,使用热卡填充法对所述缺失信息进行插补;所述第一阈值大于所述第二阈值;
当所述线性相关度小于所述第二阈值,或对所述修正门架数据的精确度需求大于或等于预设精确度阈值时,删除所述缺失信息。
在一实施方式中,所述第一计算模块330还用于:
选择起始门架与结束门架;
在所述预设区间内,均匀划分N个时间点,并获取各时间点对应的经过所述起始门架与所述结束门架的车流量;
以所述各时间点为横坐标,所述各时间点对应的经过所述起始门架与所述结束门架的车流量为纵坐标,得到时间流量散点数据;
根据所述时间流量散点数据生成时间流量曲线图。
在一实施方式中,所述判断模块340还用于:
将全部经过所述起始门架与所述结束门架的车流量按预设顺序排列,将前后衔接的经过所述起始门架与所述结束门架的车流量记为1,将前后不衔接的经过所述起始门架与所述结束门架的车流量记为0,生成条件矩阵;
计算时间流量散点数据两两之间的欧氏距离,生成欧氏距离矩阵;
将所述条件矩阵和所述欧氏距离矩阵合并,得到条件距离矩阵;
对所述条件距离矩阵进行聚类,得到第一数据组和第二数据组,其中,所述第一数据组中的最小数据大于所述第二数据组中的最大数据;
将所述第二数据组中的最大数据定义为拐点时间。
在一实施方式中,所述第二计算模块350还用于:
获取所述通过门架的车辆的第一通行时间;
当所述第一通行时间小于所述拐点时间时,所述第一计算规则为:通过门架的车辆的行驶速度等于所述起始门架与结束门架间距离除以所述第一通行时间的商值;
当所述第一通行时间大于或等于所述拐点时间时,所述第一计算规则为:通过门架的车辆的行驶速度等于所述起始门架与结束门架间距离除以所述拐点时间的商值。
在一实施方式中,所述第二计算模块350还用于:
若不存在所述拐点,获取所述通过门架的车辆的第二通行时间;
采用第二计算规则计算所述通过门架的车辆的行驶速度;
所述第二计算规则为:通过门架的车辆的行驶速度等于起始门架与结束门架间距离除以所述第二通行时间的商值。
本实施例提供的车辆行驶速度测算装置可以实现实施例1所述的车辆行驶速度测算方法,为避免重复,在此不再赘述。
本申请实施例提供的车辆行驶速度测算装置,对高速公路车辆的实际区间行驶速度进行精确计算,紧密结合实际车辆行驶数据,使用高速门架大数据进行计算,且使用算法所需数据全部来源于已有数据,不需要额外的设备安装成本,节约了成本;另外,该方法对实际速度的测算维度上进行创新,现有方法多集中于单个车辆速度的测算,但本方法除计算单个车辆行驶速度外,分车型对日/夜间整体平均速度进行测算,并且对不同门架间区间速度进行测算,能够从不同的维度反映车辆行驶速度,从而为判断车辆是否超速提供更加精准的数据支撑,同时也节省了人力资源与成本。
实施例3
本实施例提供了一种计算机设备,所述计算机设备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实施例1所述的车辆行驶速度测算方法。
本实施例提供的计算机设备可以实现实施例1所述的车辆行驶速度测算方法,为避免重复,在此不再赘述。
实施例4
本实施例提供了一种计算机存储介质,所述计算机存储介质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实施例1所述的车辆行驶速度测算方法。
本实施例提供的计算机存储介质可以实现实施例1所述的车辆行驶速度测算方法,为避免重复,在此不再赘述。
在本实施例中,计算机可读存储介质可以为只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,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包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种车辆行驶速度测算方法,其特征在于,所述方法包括:
获取预设区间内的原始门架数据,对所述原始门架数据进行分析,获取所述原始门架数据中的正常信息和缺失信息;
根据所述正常信息和所述缺失信息对所述原始门架数据进行修正,得到修正门架数据;
根据所述修正门架数据计算经过门架时间和车流量的对应关系;
根据所述经过门架时间和车流量的对应关系判断所述预设区间内是否存在拐点时间;
若存在所述拐点时间,则采用第一计算规则计算通过门架的车辆的行驶速度;
所述根据所述修正门架数据计算经过门架时间和车流量的对应关系,包括:
选择起始门架与结束门架;
在所述预设区间内,均匀划分N个时间点,并获取各时间点对应的经过所述起始门架与所述结束门架的车流量;
以所述各时间点为横坐标,所述各时间点对应的经过所述起始门架与所述结束门架的车流量为纵坐标,得到时间流量散点数据;
根据所述时间流量散点数据生成时间流量曲线图;
所述根据所述经过门架时间和车流量的对应关系判断所述预设区间内是否存在拐点时间,包括:
将全部经过所述起始门架与所述结束门架的车流量按预设顺序排列,将前后衔接的经过所述起始门架与所述结束门架的车流量记为1,将前后不衔接的经过所述起始门架与所述结束门架的车流量记为0,生成条件矩阵;
计算时间流量散点数据两两之间的欧氏距离,生成欧氏距离矩阵;
将所述条件矩阵和所述欧氏距离矩阵合并,得到条件距离矩阵;
对所述条件距离矩阵进行聚类,得到第一数据组和第二数据组,其中,所述第一数据组中的最小数据大于所述第二数据组中的最大数据;
将所述第二数据组中的最大数据定义为拐点时间;
所述采用第一计算规则计算通过门架车辆的行驶速度,包括:
获取所述通过门架车辆的第一通行时间;
当所述第一通行时间小于所述拐点时间时,所述第一计算规则为:通过门架的车辆的行驶速度等于所述起始门架与结束门架间距离除以所述第一通行时间的商值;
当所述第一通行时间大于或等于所述拐点时间时,所述第一计算规则为:通过门架的车辆的行驶速度等于所述起始门架与结束门架间距离除以所述拐点时间的商值。
2.根据权利要求1所述的车辆行驶速度测算方法,其特征在于,所述根据所述正常信息和所述缺失信息对所述原始门架数据进行修正,得到修正门架数据,包括:
计算所述缺失信息与所述正常信息的线性相关度;
当所述线性相关度大于或等于第一阈值时,使用回归替换法对所述缺失信息进行插补;
当所述线性相关度大于或等于第二阈值,且所述线性相关度小于所述第一阈值时,使用热卡填充法对所述缺失信息进行插补;所述第一阈值大于所述第二阈值;
当所述线性相关度小于所述第二阈值,或对所述修正门架数据的精确度需求大于或等于预设精确度阈值时,删除所述缺失信息。
3.根据权利要求1所述的车辆行驶速度测算方法,其特征在于,所述方法还包括:
若不存在所述拐点,获取所述通过门架的车辆的第二通行时间;
采用第二计算规则计算所述通过门架的车辆的行驶速度;
所述第二计算规则为:通过门架的车辆的行驶速度等于所述起始门架与所述结束门架间距离除以所述第二通行时间的商值。
4.根据权利要求1所述的车辆行驶速度测算方法,其特征在于,通过门架的车辆包括客车车型和货车车型,其中,所述客车车型包括一型客车、二型客车、三型客车和四型客车;所述货车车型包括一型货车、二型货车、三型货车、四型货车、五型货车和六型货车。
5.一种车辆行驶速度测算装置,其特征在于,所述装置包括:
分析模块,用于获取预设区间内的原始门架数据,对所述原始门架数据进行分析,获取所述原始门架数据中的正常信息和缺失信息;
修正模块,用于根据所述正常信息和所述缺失信息对所述原始门架数据进行修正,得到修正门架数据;
第一计算模块,用于根据所述修正门架数据计算经过门架时间和车流量的对应关系;
判断模块,用于根据所述经过门架时间和车流量的对应关系判断所述预设区间内是否存在拐点时间;
第二计算模块,用于若存在所述拐点时间,则采用第一计算规则计算通过门架的车辆的行驶速度;
所述第一计算模块,还用于:
选择起始门架与结束门架;
在所述预设区间内,均匀划分N个时间点,并获取各时间点对应的经过所述起始门架与所述结束门架的车流量;
以所述各时间点为横坐标,所述各时间点对应的经过所述起始门架与所述结束门架的车流量为纵坐标,得到时间流量散点数据;
根据所述时间流量散点数据生成时间流量曲线图;
所述判断模块,还用于:
将全部经过所述起始门架与所述结束门架的车流量按预设顺序排列,将前后衔接的经过所述起始门架与所述结束门架的车流量记为1,将前后不衔接的经过所述起始门架与所述结束门架的车流量记为0,生成条件矩阵;
计算时间流量散点数据两两之间的欧氏距离,生成欧氏距离矩阵;
将所述条件矩阵和所述欧氏距离矩阵合并,得到条件距离矩阵;
对所述条件距离矩阵进行聚类,得到第一数据组和第二数据组,其中,所述第一数据组中的最小数据大于所述第二数据组中的最大数据;
将所述第二数据组中的最大数据定义为拐点时间;
所述第二计算模块,还用于:
获取所述通过门架车辆的第一通行时间;
当所述第一通行时间小于所述拐点时间时,所述第一计算规则为:通过门架的车辆的行驶速度等于所述起始门架与结束门架间距离除以所述第一通行时间的商值;
当所述第一通行时间大于或等于所述拐点时间时,所述第一计算规则为:通过门架的车辆的行驶速度等于所述起始门架与结束门架间距离除以所述拐点时间的商值。
6.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器运行时执行权利要求1-4任一项所述的车辆行驶速度测算方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行权利要求1-4任一项所述的车辆行驶速度测算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211120181.2A CN115527380B (zh) | 2022-09-15 | 2022-09-15 | 车辆行驶速度测算方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211120181.2A CN115527380B (zh) | 2022-09-15 | 2022-09-15 | 车辆行驶速度测算方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115527380A CN115527380A (zh) | 2022-12-27 |
CN115527380B true CN115527380B (zh) | 2023-07-21 |
Family
ID=84698255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211120181.2A Active CN115527380B (zh) | 2022-09-15 | 2022-09-15 | 车辆行驶速度测算方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115527380B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507418B (zh) * | 2017-08-09 | 2020-05-15 | 清华大学 | 一种高速公路车辆进入服务区停留过程分析方法及装置 |
CN112581774B (zh) * | 2020-12-08 | 2022-09-09 | 重庆大学 | 一种基于etc数据的高速公路服务区驶入车流量估计方法 |
CN112785735B (zh) * | 2020-12-31 | 2022-02-18 | 北京千方科技股份有限公司 | 一种基于收费数据的高速公路路况的监测方法及装置 |
CN113554422B (zh) * | 2021-06-08 | 2022-04-22 | 重庆大学 | 一种基于etc收费数据的车辆驶入服务区判别方法及装置 |
CN114155706B (zh) * | 2021-10-27 | 2023-02-17 | 北京千方科技股份有限公司 | 一种服务区车辆判别方法、装置、电子设备和存储介质 |
-
2022
- 2022-09-15 CN CN202211120181.2A patent/CN115527380B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115527380A (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110415516B (zh) | 基于图卷积神经网络的城市交通流预测方法及介质 | |
CN109117987B (zh) | 一种基于深度学习的个性化交通事故风险预测推荐方法 | |
Toledo et al. | Estimation of vehicle trajectories with locally weighted regression | |
CN106218329A (zh) | 基于无线传感器的车辆参数采集方法 | |
CN110414421A (zh) | 一种基于连续帧图像的行为识别方法 | |
CN111080976B (zh) | 一种温度变化场景下实时监测天然气泄漏的方法及装置 | |
CN107516279A (zh) | 一种网络舆情自动预警的方法 | |
CN106143497A (zh) | 胎压监测数据计算方法 | |
CN113176986A (zh) | 车联网数据质量确定方法、装置、计算机设备和存储介质 | |
CN107150690B (zh) | 一种基于道路标线的驾驶疲劳预警方法 | |
CN115527380B (zh) | 车辆行驶速度测算方法、装置、计算机设备及存储介质 | |
CN114357614A (zh) | 基于轴箱振动的转向架疲劳寿命在线估计方法 | |
CN107331163A (zh) | 一种排队长度计算方法及装置 | |
CN115204755B (zh) | 服务区入区率测算方法、装置、电子设备及可读存储介质 | |
CN117392855A (zh) | 基于卫星定位数据的车辆超限超载概率识别方法及系统 | |
CN108268678A (zh) | 驾驶行为分析方法、装置及系统 | |
CN115049996B (zh) | 基于证据推理规则的双传感器目标检测融合方法和系统 | |
CN114419894B (zh) | 一种路内停车泊位设置与使用监测的方法与系统 | |
CN115841712A (zh) | 一种基于v2x技术的驾驶数据处理方法、装置及设备 | |
CN113077629B (zh) | 动态车流量测算方法、装置、电子设备及存储介质 | |
Lin et al. | Road grade estimation based on the curvature of the vertical profile of a road | |
CN115327525A (zh) | 航迹置信度的评估方法、装置及电子设备 | |
CN114998075A (zh) | 一种交通运输碳排放计算方法、系统及可存储介质 | |
CN107463531A (zh) | 基于分箱灰色预测的波动数据缺失值处理方法及装置 | |
DE102016211361A1 (de) | Vorrichtung und Verfahren zur Kontrolle eines Reifendrucks entsprechend einer Reifencharakeristik |
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 |