CN115830874A - 一种交通流基本图的拟合性能评价方法及系统 - Google Patents
一种交通流基本图的拟合性能评价方法及系统 Download PDFInfo
- Publication number
- CN115830874A CN115830874A CN202310096992.1A CN202310096992A CN115830874A CN 115830874 A CN115830874 A CN 115830874A CN 202310096992 A CN202310096992 A CN 202310096992A CN 115830874 A CN115830874 A CN 115830874A
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- vehicle speed
- average
- basic diagram
- average 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.)
- Granted
Links
Images
Classifications
-
- 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
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种交通流基本图的拟合性能评价方法及系统,涉及模型评价技术领域,包括获取交通流在预设期间内的车辆计数和时间平均车速;将所述预设期间划分为多个时段,对所述车辆计数和时间平均速度进行预处理,得到在每个时段中交通流所对应的第一平均车速和密度;获取待评价的交通流基本图,基于交通流基本图的模型构造对应的线性化转换器;利用所述线性化转换器对第一平均车速进行坐标变换;计算交通流在所述预设期间内的加权决定系数;根据所述加权决定系数评价所述交通流基本图对所述交通流的拟合性能,本发明提供了一种定量方法来评估交通流基本图在不同交通流密度下对经验数据的拟合性能。
Description
技术领域
本发明涉及模型评价技术领域,具体而言,涉及一种交通流基本图的拟合性能评价方法及系统。
背景技术
交通流基本图描述了宏观交通流参数(流量、密度和空间平均速度)之间的函数关系,对交通运营和管理至关重要。目前对交通流基本图的评价方法有观察法、关键状态分析法和统计分析法,目前的观察法和关键状态分析法只能评价现有的基本图,不能根据经验数据进一步指导基本图的优化;统计分析法的指标可以作为优化对象,用于特定基本图模型的参数校准,但是,如果基本图模型本身不能准确表示经验样本,这种统计分析指标不能对超过基本图模型的上限来更好地描述经验数据。因此,缺乏一种有效的定量方法来评估交通流基本图在不同交通流密度下对经验数据的拟合性能。
发明内容
本发明的目的在于提供一种交通流基本图的拟合性能评价方法及系统,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了一种交通流基本图的拟合性能评价方法,包括:
获取交通流在预设期间内的车辆计数和时间平均车速;
将所述预设期间划分为多个时段,对所述车辆计数和时间平均速度进行预处理,得到在每个时段中交通流所对应的第一平均车速和密度;
获取待评价的交通流基本图,基于交通流基本图的模型构造对应的线性化转换器;
利用所述线性化转换器对第一平均车速进行坐标变换;
基于所有时段的密度和坐标转换后的第一平均车速,计算得到交通流在所述预设期间内的加权决定系数;
根据所述加权决定系数系数评价所述交通流基本图对所述交通流的拟合性能。
第二方面,本申请还提供了一种交通流基本图的拟合性能评价系统,包括:
第一获取模块:获取交通流在预设期间内的车辆计数和时间平均车速;
处理模块:将所述预设期间划分为多个时段,对所述车辆计数和时间平均速度进行预处理,得到在每个时段中交通流所对应的第一平均车速和密度;
第二获取模块:获取待评价的交通流基本图,基于交通流基本图的模型构造对应的线性化转换器;
坐标转换模块:利用所述线性化转换器对第一平均车速进行坐标变换;
计算模块:基于所有时段的密度和坐标转换后的第一平均车速,计算得到交通流在所述预设期间内的加权决定系数;
评价模块:根据所述加权决定系数系数评价所述交通流基本图对所述交通流的拟合性能。
第三方面,本申请还提供了一种交通流基本图的拟合性能评价设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述交通流基本图的拟合性能评价方法的步骤。
第四方面,本申请还提供了一种可读存储介质,所述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执行时实现上述基于交通流基本图的拟合性能评价方法的步骤。
本发明的有益效果为:
本发明通过对交通流基本图构造线性化转化器,对经验数据进行线性变换,使基本图呈线性,此时如果待评价基本图能较好匹配经验数据,则转换后的数据也会呈明显线性趋势,则表示交通流基本图的拟合性能越好。因此根据转换后的经验数据计算交通流的加权决定系数,用于评价转换后的经验数据的线性趋势,从而定量评估交通流基本图的拟合性能。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
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为本发明实施例中所述的交通流基本图的拟合性能评价方法流程示意图;
图2为本发明实施例中所述的交通流基本图的拟合性能评价系统结构示意图;
图3为本发明实施例中所述的交通流基本图的拟合性能评价设备结构示意图。
图中标记:
01、第一获取模块;02、处理模块;021、第一计算单元;022、第二计算单元;023、第三计算单元;024、判断单元;03、第二获取模块;031、第一获取单元;032、构造单元;04、坐标转换模块;05、计算模块;051、排序单元;052、第四计算单元;053、第五计算单元;054、第六计算单元;06、评价模块;
800、交通流基本图的拟合性能评价设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
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。同时,在本发明的描述中,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。
实施例1
本实施例提供了一种交通流基本图的拟合性能评价方法。
参见图1,图中示出了本方法包括:
S1.获取交通流在预设期间内的车辆计数和时间平均车速;
本实施例中,所述预设期间内可以为1个月或2个月,通过线圈检测器按30s集计采集车辆计数和时间平均车速。
基于以上实施例,本方法还包括:
S2.将所述预设期间划分为多个时段,对所述车辆计数和时间平均速度进行预处理,得到在每个时段中交通流所对应的第一平均车速和密度;
本实施例中,将所述预设区间划分为时长为T的时段,得到n个时段,所述T为30的整数倍,优选的,令T=300s。
具体的,所述步骤S2包括:
S21.根据所述车辆计数计算得到每个时段中交通流所对应的流率;
S22.根据所述时间平均速度计算得到每个时段中交通流所对应的第一平均车速;
式中,q表示流率(小时交通量),i表示T时段内第i个30s,表示T时段内第i个30s的车辆计数;v表示T时段内的第一平均速度,表示T时段内第i个30s的时间平均车速,表示T时段内所有时间平均速度的方差。
S23.利用每个时段中交通流所对应的第一平均车速和流率计算得到每个时段中交通流所对应的密度;
式中,k为T时段的密度。
S24.根据预设判断条件判断每个时段中是否存在不合理的第一平均车速、流率或密度:
具体的,所述预设判断条件包括:
判断任意一个时段对应的第一平均车速、流率或密度是否小于第一预设值:若是,则表示所述时段的数据不合理;
否则,继续判断第一平均车速是否为第一预设值的同时流率大于第一预设值:
若是,则表示所述时段的数据不合理;否则,继续判断第一平均车速是否大于第二预设值:
若是,则表示所述时段的数据不合理;
否则,表示所述时段的数据合理。
本实施例中,令所述第一预设值为0,第二预设值为350km/h,即所述预设判断条件为:
若符合以上3个条件之一,则表示T时段的数据不合理。
若是,则剔除存在不合理的第一平均车速、流率或密度的时段对应的数据。
将不合理的数据剔除后得到的交通流数据作为经验数据。
基于以上实施例,本方法还包括:
S3.获取待评价的交通流基本图,基于交通流基本图的模型构造对应的线性化转换器;
具体的,所述步骤S3包括:
S31.获取待评价的交通流基本图和线性化转换器通式;
交通流基本图模型包括单段交通流基本图模型(如Greenshields, Underwood,Drake和Newell)、多段交通流基本图模型(如Daganzo和Smulders)以及考虑驾驶员异质性的随机交通流基本图模型。每个交通流基本图包含一系列参数,这些参数主要通过经验数据来校准或直接从交通情景中确定。不同的交通流基本图模型或参数校准方法将产生不同的交通流函数关系。
本实施例中,以Drake交通流基本图作为待评价的交通流基本图,所述Drake交通流基本图的模型为:
所述线性化转换器通式为;
S32.所述线性化转换器通式与Drake交通流基本图的模型结合,得到所述交通流基本图对应的线性化转换器:
根据式(4)和式(5)得到:
基于以上实施例,本方法还包括:
S4.利用所述线性化转换器对第一平均车速进行坐标变换;
具体的,获取经验数据中的第一平均车速,利用式(6)对第一平均车速进行坐标转换,得到:
基于以上实施例,本方法还包括:
S5.基于所有时段的密度和坐标转换后的第一平均车速,计算得到交通流在所述预设期间内的加权决定系数;
具体的,所述步骤S5包括:
S52.根据排序后的密度计算得到每个时段对应的权重;
具体的,判断当前时段的密度是否为所述交通流的极值:
若否,则根据当前时段的密度和当前时段的上一个时段的密度计算得到当前时段的权重,计算方法为:
若是,判断当前时段的密度为所述交通流的最高值或最低值:
S54.由所有时段对应的密度、坐标转换后的第一平均车速、第一平均车速均值和权重计算得到交通流的加权决定系数。
基于以上实施例,本方法还包括:
S6.根据所述加权决定系数系数评价所述交通流基本图对所述交通流的拟合性能;
实施例2:
如图2所示,本实施例提供了一种交通流基本图的拟合性能评价系统,所述系统包括:
第一获取模块01.获取交通流在预设期间内的车辆计数和时间平均车速;
处理模块02.将所述预设期间划分为多个时段,对所述车辆计数和时间平均速度进行预处理,得到在每个时段中交通流所对应的第一平均车速和密度;
第二获取模块03.获取待评价的交通流基本图,构造所述交通流基本图对应的线性化转换器;
坐标转换模块04.利用所述线性化转换器对第一平均车速进行坐标变换;
计算模块05.基于所有时段的密度和坐标转换后的第一平均车速,计算得到交通流在所述预设期间内的加权决定系数;
评价模块06.根据所述加权决定系数系数评价所述交通流基本图对所述交通流的拟合性能。
基于以上实施例,所述处理模块02.包括:
第一计算单元021.根据所述车辆计数计算得到每个时段中交通流所对应的流率;
第二计算单元022:根据所述时间平均速度计算得到每个时段中交通流所对应的第一平均车速;
第三计算单元023:利用每个时段中交通流所对应的第一平均车速和流率计算得到每个时段中交通流所对应的密度;
判断单元024.根据预设判断条件判断每个时段中是否存在不合理的第一平均车速、流率或密度:
若是,则剔除存在不合理的第一平均车速、流率或密度的时段对应的数据。
基于以上实施例,所述预设判断条件包括:
判断任意一个时段对应的第一平均车速、流率或密度是否小于第一预设值:若是,则表示所述时段的数据不合理;
否则,继续判断第一平均车速是否为第一预设值的同时流率大于第一预设值:
若是,则表示所述时段的数据不合理;否则,继续判断第一平均车速是否大于第二预设值:
若是,则表示所述时段的数据不合理;
否则,表示所述时段的数据合理。
基于以上实施例,所述第二获取模块03包括:
第一获取单元031.获取待评价的交通流基本图和线性化转换器通式;
构造单元032.所述线性化转换器通式与交通流基本图结合,得到所述交通流基本图对应的线性化转换器。
基于以上实施例,所述计算模块05.包括:
排序单元051.将所有时段对应的密度按照升序排列;
第四计算单元052.根据排序后的密度计算得到每个时段对应的权重;
第五计算单元053.根据坐标转换后的第一平均车速计算得到坐标转换后的第一平均车速均值;
第六计算单元054.由所有时段对应的密度、坐标转换后的第一平均车速、第一平均车速均值和权重计算得到交通流的加权决定系数。
需要说明的是,关于上述实施例中的系统,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例,本实施例中还提供了一种交通流基本图的拟合性能评价设备,下文描述的一种交通流基本图的拟合性能评价设备与上文描述的一种交通流基本图的拟合性能评价方法可相互对应参照。
图3是根据示例性实施例示出的一种交通流基本图的拟合性能评价设备800的框图。如图3所示,该交通流基本图的拟合性能评价设备800可以包括:处理器801,存储器802。该交通流基本图的拟合性能评价设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该交通流基本图的拟合性能评价设备800的整体操作,以完成上述的交通流基本图的拟合性能评价方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该交通流基本图的拟合性能评价设备800的操作,这些数据例如可以包括用于在该交通流基本图的拟合性能评价设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该交通流基本图的拟合性能评价设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,交通流基本图的拟合性能评价设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital SignalProcessing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的交通流基本图的拟合性能评价方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的交通流基本图的拟合性能评价方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由交通流基本图的拟合性能评价设备800的处理器801执行以完成上述的交通流基本图的拟合性能评价方法。
实施例4
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种交通流基本图的拟合性能评价方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的交通流基本图的拟合性能评价方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
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权利要求的保护范围为准。
Claims (10)
1.一种交通流基本图的拟合性能评价方法,其特征在于,包括:
获取交通流在预设期间内的车辆计数和时间平均车速;
将所述预设期间划分为多个时段,对所述车辆计数和时间平均速度进行预处理,得到在每个时段中交通流所对应的第一平均车速和密度;
获取待评价的交通流基本图,构造所述交通流基本图对应的线性化转换器;
利用所述线性化转换器对第一平均车速进行坐标变换;
基于所有时段的密度和坐标转换后的第一平均车速,计算得到交通流在所述预设期间内的加权决定系数;
根据所述加权决定系数系数评价所述交通流基本图对所述交通流的拟合性能。
2.根据权利要求1所述的交通流基本图的拟合性能评价方法,其特征在于,对所述车辆计数和时间平均速度进行预处理,得到在每个时段中交通流所对应的第一平均车速和密度,包括:
根据所述车辆计数计算得到每个时段中交通流所对应的流率;
根据所述时间平均速度计算得到每个时段中交通流所对应的第一平均车速;
利用每个时段中交通流所对应的第一平均车速和流率计算得到每个时段中交通流所对应的密度;
根据预设判断条件判断每个时段中是否存在不合理的第一平均车速、流率或密度:
若是,则剔除存在不合理的第一平均车速、流率或密度的时段对应的数据。
3.根据权利要求2所述的交通流基本图的拟合性能评价方法,其特征在于,所述预设判断条件包括:
判断任意一个时段对应的第一平均车速、流率或密度是否小于第一预设值:若是,则表示所述时段的数据不合理;
否则,继续判断第一平均车速是否为第一预设值的同时流率大于第一预设值:
若是,则表示所述时段的数据不合理;否则,继续判断第一平均车速是否大于第二预设值:
若是,则表示所述时段的数据不合理;
否则,表示所述时段的数据合理。
4.根据权利要求1所述的交通流基本图的拟合性能评价方法,其特征在于,所述获取待评价的交通流基本图,构造所述交通流基本图对应的线性化转换器,包括:
获取待评价的交通流基本图和线性化转换器通式;
所述线性化转换器通式与交通流基本图结合,得到所述交通流基本图对应的线性化转换器。
5.根据权利要求1所述的交通流基本图的拟合性能评价方法,其特征在于,基于所有时段的密度和坐标转换后的第一平均车速,计算得到交通流在所述预设期间内的加权决定系数,包括:
将所有时段对应的密度按照升序排列;
根据排序后的密度计算得到每个时段对应的权重;
根据坐标转换后的第一平均车速计算得到坐标转换后的第一平均车速均值;
由所有时段对应的密度、坐标转换后的第一平均车速、第一平均车速均值和权重计算得到交通流的加权决定系数。
6.一种交通流基本图的拟合性能评价系统,其特征在于,包括:
第一获取模块:获取交通流在预设期间内的车辆计数和时间平均车速;
处理模块:将所述预设期间划分为多个时段,对所述车辆计数和时间平均速度进行预处理,得到在每个时段中交通流所对应的第一平均车速和密度;
第二获取模块:获取待评价的交通流基本图,构造所述交通流基本图对应的线性化转换器;
坐标转换模块:利用所述线性化转换器对第一平均车速进行坐标变换;
计算模块:基于所有时段的密度和坐标转换后的第一平均车速,计算得到交通流在所述预设期间内的加权决定系数;
评价模块:根据所述加权决定系数评价所述交通流基本图对所述交通流的拟合性能。
7.根据权利要求6所述的交通流基本图的拟合性能评价系统,其特征在于,所述处理模块包括:
第一计算单元:根据所述车辆计数计算得到每个时段中交通流所对应的流率;
第二计算单元:根据所述时间平均速度计算得到每个时段中交通流所对应的第一平均车速;
第三计算单元:利用每个时段中交通流所对应的第一平均车速和流率计算得到每个时段中交通流所对应的密度;
判断单元:根据预设判断条件判断每个时段中是否存在不合理的第一平均车速、流率或密度:
若是,则剔除存在不合理的第一平均车速、流率或密度的时段对应的数据。
8.根据权利要求7所述的交通流基本图的拟合性能评价系统,其特征在于,所述判断单元包括:
判断任意一个时段对应的第一平均车速、流率或密度是否小于第一预设值:若是,则表示所述时段的数据不合理;
否则,继续判断第一平均车速是否为第一预设值的同时流率大于第一预设值:
若是,则表示所述时段的数据不合理;否则,继续判断第一平均车速是否大于第二预设值:
若是,则表示所述时段的数据不合理;
否则,表示所述时段的数据合理。
9.根据权利要求6所述的交通流基本图的拟合性能评价系统,其特征在于,所述第二获取模块包括:
第一获取单元:获取待评价的交通流基本图和线性化转换器通式;
构造单元:所述线性化转换器通式与交通流基本图结合,得到所述交通流基本图对应的线性化转换器。
10.根据权利要求6所述的交通流基本图的拟合性能评价系统,其特征在于,所述计算模块包括:
排序单元:将所有时段对应的密度按照升序排列;
第四计算单元:根据排序后的密度计算得到每个时段对应的权重;
第五计算单元:根据坐标转换后的第一平均车速计算得到坐标转换后的第一平均车速均值;
第六计算单元:由所有时段对应的密度、坐标转换后的第一平均车速、第一平均车速均值和权重计算得到交通流的加权决定系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310096992.1A CN115830874B (zh) | 2023-02-10 | 2023-02-10 | 一种交通流基本图的拟合性能评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310096992.1A CN115830874B (zh) | 2023-02-10 | 2023-02-10 | 一种交通流基本图的拟合性能评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830874A true CN115830874A (zh) | 2023-03-21 |
CN115830874B CN115830874B (zh) | 2023-05-12 |
Family
ID=85520987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310096992.1A Active CN115830874B (zh) | 2023-02-10 | 2023-02-10 | 一种交通流基本图的拟合性能评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830874B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150120174A1 (en) * | 2013-10-31 | 2015-04-30 | Here Global B.V. | Traffic Volume Estimation |
CN105825683A (zh) * | 2015-08-16 | 2016-08-03 | 李萌 | 一种道路交通状况评价方法 |
US9633560B1 (en) * | 2016-03-30 | 2017-04-25 | Jason Hao Gao | Traffic prediction and control system for vehicle traffic flows at traffic intersections |
CN111127880A (zh) * | 2019-12-16 | 2020-05-08 | 西南交通大学 | 一种基于mfd的网格路网交通性能分析方法 |
CN112201037A (zh) * | 2020-09-27 | 2021-01-08 | 同济大学 | 一种基于抽样轨迹数据的交叉口到达率估计方法 |
CN113947905A (zh) * | 2021-10-19 | 2022-01-18 | 交通运输部公路科学研究所 | 一种交通运行态势感知方法、模块及系统 |
CN114155717A (zh) * | 2022-02-10 | 2022-03-08 | 西南交通大学 | 一种交通流数据筛选方法、装置、设备及可读存储介质 |
EP4030376A1 (en) * | 2021-01-16 | 2022-07-20 | Bayerische Motoren Werke Aktiengesellschaft | Method for determining an impact of ride pooling on a traffic situation |
CN114783183A (zh) * | 2022-04-15 | 2022-07-22 | 中远海运科技股份有限公司 | 一种基于交通态势算法的监控方法与系统 |
CN115457768A (zh) * | 2022-08-30 | 2022-12-09 | 北京理工大学 | 考虑相关随机速度转换率的交通流模型的动力学分析方法 |
-
2023
- 2023-02-10 CN CN202310096992.1A patent/CN115830874B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150120174A1 (en) * | 2013-10-31 | 2015-04-30 | Here Global B.V. | Traffic Volume Estimation |
CN105825683A (zh) * | 2015-08-16 | 2016-08-03 | 李萌 | 一种道路交通状况评价方法 |
US9633560B1 (en) * | 2016-03-30 | 2017-04-25 | Jason Hao Gao | Traffic prediction and control system for vehicle traffic flows at traffic intersections |
CN111127880A (zh) * | 2019-12-16 | 2020-05-08 | 西南交通大学 | 一种基于mfd的网格路网交通性能分析方法 |
CN112201037A (zh) * | 2020-09-27 | 2021-01-08 | 同济大学 | 一种基于抽样轨迹数据的交叉口到达率估计方法 |
EP4030376A1 (en) * | 2021-01-16 | 2022-07-20 | Bayerische Motoren Werke Aktiengesellschaft | Method for determining an impact of ride pooling on a traffic situation |
CN113947905A (zh) * | 2021-10-19 | 2022-01-18 | 交通运输部公路科学研究所 | 一种交通运行态势感知方法、模块及系统 |
CN114155717A (zh) * | 2022-02-10 | 2022-03-08 | 西南交通大学 | 一种交通流数据筛选方法、装置、设备及可读存储介质 |
CN114783183A (zh) * | 2022-04-15 | 2022-07-22 | 中远海运科技股份有限公司 | 一种基于交通态势算法的监控方法与系统 |
CN115457768A (zh) * | 2022-08-30 | 2022-12-09 | 北京理工大学 | 考虑相关随机速度转换率的交通流模型的动力学分析方法 |
Non-Patent Citations (10)
Title |
---|
FEIFEI XU等: "Survey the impact of different rainfall intensities on urban road traffic operations using Macroscopic Fundamental Diagram" * |
JING LIU等: "Dynamic Traffic Flow Prediction Based on Long-Short Term Memory Framework With Feature Organization" * |
LU BAI等: "Calibration of stochastic link-based fundamental diagram with explicit consideration of speed heterogeneity" * |
刘澜: "面向边界控制的路网小区划分", 中国公路学报 * |
张南等: "城市干路宏观基本图稳定性研究" * |
杨昀霖;何兆成;王亦民;: "基于过车速度分布的中观仿真模型参数校准" * |
林云志: "基于车牌识别数据的宏观基本图研究" * |
王福建: "基于宏观基本图的城市路网交通状态判别与监控" * |
葛梦雪: "基于多维特征聚类的交通量模式识别与测算方法研究" * |
邵长桥: "宏观交通流模型参数标定方法" * |
Also Published As
Publication number | Publication date |
---|---|
CN115830874B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019169028A (ja) | 渋滞予測システム、渋滞予測方法、学習装置、予測装置、プログラム、および学習済みモデル | |
JP4480630B2 (ja) | 雷位置予測方法及び雷位置予測システム | |
CN109543909B (zh) | 车辆案件数量的预测方法、装置和计算机设备 | |
US20170371073A1 (en) | Prediction apparatus, prediction method, and non-transitory storage medium | |
WO2018207878A1 (ja) | 需要予測装置 | |
CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
JP2012050241A (ja) | 需要予測システム及び需要予測方法 | |
CN112308281A (zh) | 一种温度信息预测方法及装置 | |
CN111667093B (zh) | 中长期风电发电计算方法及装置 | |
CN102741840A (zh) | 用于对个性化场景建模的方法和装置 | |
CN111800289B (zh) | 通信网络故障分析方法和装置 | |
CN111507762A (zh) | 基于多任务共预测神经网络的城市出租车需求预测方法 | |
CN115017400A (zh) | 一种应用app推荐方法及电子设备 | |
JPWO2017033443A1 (ja) | 渋滞予測システム、渋滞予測方法、及び、プログラム | |
CN116933946A (zh) | 一种基于客流去向结构的轨道交通od客流预测方法及系统 | |
CN114333335A (zh) | 基于轨迹数据的车道级交通状态估计方法、装置及系统 | |
CN113869599A (zh) | 鱼类疫病发展预测方法、系统、设备及介质 | |
US10535004B2 (en) | Predicting an interface control action of a user with an in-vehicle user interface | |
CN115830874A (zh) | 一种交通流基本图的拟合性能评价方法及系统 | |
US20180001140A1 (en) | Exercise schedule optimizer system | |
CN111984514A (zh) | 基于Prophet-bLSTM-DTW的日志异常检测方法 | |
CN114741976B (zh) | 一种位移预测方法、装置、设备及可读存储介质 | |
CN110363386A (zh) | 一种鸢乌贼渔情数据处理方法、系统、装置和存储介质 | |
CN113570004B (zh) | 一种乘车热点区域预测方法、装置、设备及可读存储介质 | |
CN114648688A (zh) | 高铁沿线景观等级评估方法、系统、设备及可读存储介质 |
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 |