CN115860536A - 一种道路口拥挤率评价方法 - Google Patents
一种道路口拥挤率评价方法 Download PDFInfo
- Publication number
- CN115860536A CN115860536A CN202211516423.XA CN202211516423A CN115860536A CN 115860536 A CN115860536 A CN 115860536A CN 202211516423 A CN202211516423 A CN 202211516423A CN 115860536 A CN115860536 A CN 115860536A
- Authority
- CN
- China
- Prior art keywords
- target road
- congestion
- intersection
- congestion rate
- parking area
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于交通技术领域,具体涉及一种道路口拥挤率评价方法,包括如下步骤:S1:选取目标道路口,采集目标道路口停车域信息,并划分不同时段,计算或从第三方数据源获取不同时段对应的拥挤状态评价指标;S2:基于目标道路口停车域信息,构建通行周期内的目标道路口的拥挤率模型;S3:基于当前时段,计算目标道路口通行周期内的拥挤率,并基于拥挤状态评价指标判别当前目标道路口的拥挤状态;S4:采用程序设计语言实现拥挤状态预测结果的可视化输出;能够通过该方法可视化输出目标道路口的预测的拥挤状态和拥挤率,以便于后续车辆对目标道路口的拥挤状态掌握,以及能够在多个路口堵塞时依据拥挤率选择出最合理路线,进而提高道路通行效率。
Description
技术领域
本发明属于交通技术领域,具体涉及一种道路口拥挤率评价方法。
背景技术
随着经济的飞速发展,城市机动车数量不断增加,加剧了道路的拥堵状况,尤其是交叉路口。为了对交叉路口对拥挤程度进行评价,一般采用拥堵指数或者拥堵系数作为交通运行状态的评价指标,用以直观反映道路的实际拥堵状态。但现有的导航地图中,没有对下一个路口拥挤情况的评价指标和显示窗口,同时导航地图中只能显示通畅、较通畅、较拥堵、拥堵等几种拥挤程度,并不能够直接显示拥挤程度的具体概率,进而难以在多个路口出现堵塞时选择出最合理的路线。
发明内容
本发明在于提供一种道路口拥挤率评价方法,通过划分不同时段,对目标道路口停车域信息进行采集,同时计算不同时段下目标道路口通行周期内的拥挤率,并基于拥挤状态评价指标进行比对,可视化输出目标道路口的预测的拥挤状态和拥挤率,以便于后续车辆对目标道路口的拥挤状态掌握,以及能够在多个路口堵塞时依据拥挤率选择出最合理路线,进而提高道路通行效率。
一种道路口拥挤率评价方法,包括如下步骤:
S1:选取目标道路口,采集目标道路口停车域信息,并划分不同时段,计算或从第三方数据源获取不同时段对应的拥挤状态评价指标;
S2:基于目标道路口停车域信息,构建通行周期内的目标道路口的拥挤率模型;
S3:基于当前时段,计算目标道路口通行周期内的拥挤率,并基于拥挤状态评价指标判别当前目标道路口的拥挤状态;
S4:采用程序设计语言实现拥挤状态预测结果的可视化输出。
通过划分不同时段,对目标道路口停车域信息进行采集,同时计算不同时段下目标道路口通行周期内的拥挤率,并基于拥挤状态评价指标进行比对,可视化输出目标道路口的预测的拥挤状态和拥挤率,以便于后续车辆对目标道路口的拥挤状态掌握,以及能够在多个路口堵塞时依据拥挤率选择出最合理路线,进而提高道路通行效率。
进一步的,S1中,目标道路口的选取为单侧道路口。
通过选取单侧道路口,降低实际采集难度,并能够依据单侧道路口的信息进行离散求和进而掌握多个道路口的拥挤状态信息。
进一步的,S1中,目标道路口停车域信息采集的方式为采用道路侧彩色相机对目标道路口进行拍摄采集。
进一步的,S1中,目标道路口停车域信息的采集包括:
采集目标道路口停车总域,其中,停车总域为目标道路口的车道停车实线段与停止线围成的矩形区域面积;
采集通行周期内目标道路口实际停车域,其中,实际停车域为通行周期内目标道路口车辆的实际停车占用面积。
通过获取目标道路口停车总域以及通行周期内的实际停车域,构建计算指标,使得能够依据其信息计算出不同状态下的道路口拥挤率。
进一步的,S1中,时段划分包括高峰时段和正常时段。
通过划分不同时段,并依据不同时段对指标进行调整,提高计算准确率,使得贴合实际情况。
进一步的,S1中,不同时段对应的拥挤状态评价指标包括:
当处于高峰时段时,通行周期内的拥挤率小于30%时为非常通畅,30%~50%时为较通畅,50%~80%时为较拥挤状态,大于80%为非常拥挤;
当处于正常时段时,通行周期内的拥挤率小于20%时为非常通畅,20%~40%时为较通畅,40%~60%时为较拥挤状态,大于60%为非常拥挤。
通过计算或获取不同时段对应的拥挤状态评价指标,能够依据实际计算的拥挤率与其相比较,进而获取当前时段下目标道路口的拥挤率。
进一步的,S2中,通行周期内目标道路口的拥挤率模型构建中,通行周期包括等待时间和通行时间,即:
通行周期内的拥挤率计算公式为:
式中,Y为通行周期内的拥挤率;m为等待时间,Sa为等待时间内的实际停车域,其中,Sa={Sai,1≤i≤m},Sai表示第i秒等待时间内的实际停车域,i取正整数;n为通行时间,Sb为通行时间内的实际停车域,其中,Sb={Sbj,1≤j≤n},Sbj表示第j秒通行时间内的实际停车域,j取正整数;T为通行周期,S为停车总域;等待时间、通行时间、通行周期均以秒为单位计算;
等待时间内的拥挤率计算公式为:
式中,Ym为等待时间内的拥挤率;
通行时间内的拥挤率计算公式为:
式中,Yn为等待时间内的拥挤率。
进一步的,S3中,计算当前时段下目标道路口通行周期内的拥挤率时,停车域信息计算方式为:
高峰时段时,其停车总域为采集停车总域的2倍;
正常时段时,其停车总域为采集停车总域的1.5倍。
通过对不同时段下停车域信息进行调整,提高计算准确率,使得贴合实际情况。
进一步的,S4中,拥挤状态预测结果的可视化输出包括:
输出当前目标道路口的拥挤状态;
输出当前目标道路口的拥挤率。
通过输出拥挤状态,以便于后续车辆对目标道路口的拥挤状态掌握;通过输出拥挤率,使得能够在多个路口堵塞时后续车辆依据拥挤率选择出最合理路线,进而提高道路通行效率;同时便于规划部门根据不同时段的拥挤率,合理设置整个道路口的通行周期以及等待时间和通行时间。
一种道路口拥挤率评价方法的系统,包括:
信息采集单元,用于采集停车域信息;
模型计算单元,用于计算当前目标道路口的拥挤率;
判别显示单元,用于判别当前目标道路口的拥挤状态,以及显示当前目标道路口的拥挤状态和拥挤率。
本发明的有益效果为:
通过划分不同时段,对目标道路口停车域信息进行采集,同时计算不同时段下目标道路口通行周期内的拥挤率,并基于拥挤状态评价指标进行比对,可视化输出目标道路口的预测的拥挤状态和拥挤率,以便于后续车辆对目标道路口的拥挤状态掌握,以及能够在多个路口堵塞时依据拥挤率进行科学调整,选择出最合理路线,进而提高道路通行效率;同时便于规划部门根据不同时段的拥挤率,合理设置整个道路口的通行周期以及等待时间和通行时间。
附图说明
图1为本发明的流程图;
图2为目标道路口的示意图;
图3为本发明的系统结构示意图。
附图标记:
11、停止线;12、停车实线段。
具体实施方式
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做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。
需要说明的是,下述实施方案中所述实验方法,如无特殊说明,均为常规方法,所述试剂和材料,如无特殊说明,均可从商业途径获得;在本发明的描述中,术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“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,仅是为了便于描述本发明和简化描述,并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,术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
实施例1
图1所示的是一种道路口拥挤率评价方法,通过划分不同时段,对目标道路口停车域信息进行采集,同时计算不同时段下目标道路口通行周期内的拥挤率,并基于拥挤状态评价指标进行比对,可视化输出目标道路口的预测的拥挤状态和拥挤率,以便于后续车辆对目标道路口的拥挤状态掌握,以及能够在多个路口堵塞时依据拥挤率选择出最合理路线,进而提高道路通行效率,具体包括如下步骤:
S1:选取目标道路口,采集目标道路口停车域信息,并划分不同时段,计算或从第三方数据源获取不同时段对应的拥挤状态评价指标;
其中,目标道路口的选取为单侧道路口,通过选取单侧道路口,降低实际采集难度,并能够依据单侧道路口的信息进行离散求和进而掌握多个道路口的拥挤状态信息。
其中,目标道路口停车域信息采集的方式为采用道路侧彩色相机对目标道路口进行拍摄采集,其具体采集方法为:通过道路侧彩色相机对目标道路口停车域内的车辆进行投影,并利用长宽相乘的方法逐秒计算所有车辆的占用面积,进而累加计算通行周期内目标道路口停车域面积,用于构成拥挤率计算模型的评价指标。
其中,目标道路口停车域信息的采集包括:
采集目标道路口停车总域;
其中,如图2中A处所示,停车总域为目标道路口车道停车实线段12与停止线11围成的矩形区域面积;
采集通行周期内目标道路口实际停车域。
其中,实际停车域为通行时间内目标道路口车辆的实际停车占用面积。
通过获取目标道路口停车总域以及通行周期内的实际停车域,构建计算指标,使得能够依据其信息计算出不同状态下的道路口拥挤率。
其中,时段划分包括高峰时段和正常时段,通过划分不同时段,并依据不同时段对指标进行调整,提高计算准确率,使得贴合实际情况。
其中,不同时段对应的拥挤状态评价指标包括:
当处于高峰时段时,通行周期内的拥挤率小于30%时为非常通畅,30%~50%时为较通畅,50%~80%时为较拥挤状态,大于80%为非常拥挤;
当处于正常时段时,通行周期内的拥挤率小于20%时为非常通畅,20%~40%时为较通畅,40%~60%时为较拥挤状态,大于60%为非常拥挤。
通过计算或获取不同时段对应的拥挤状态评价指标,能够依据实际计算的拥挤率与其相比较,进而获取当前时段下目标道路口的拥挤率。
S2:基于目标道路口停车域信息,构建通行周期内的目标道路口的拥挤率模型;
其中,通行周期内目标道路口的拥挤率模型构建中,通行周期包括等待时间和通行时间,即:
通行周期内的拥挤率计算公式为:
式中,Y为通行周期内的拥挤率;m为等待时间,Sa为等待时间内的实际停车域,其中,Sa={Sai,1≤i≤m},Sai表示第i秒等待时间内的实际停车域,i取正整数;n为通行时间,Sb为通行时间内的实际停车域,其中,Sb={Sbj,1≤j≤n},Sbj表示第j秒通行时间内的实际停车域,j取正整数;T为通行周期,S为停车总域;等待时间、通行时间、通行周期均以秒为单位计算;
等待时间内的拥挤率计算公式为:
式中,Ym为等待时间内的拥挤率;
通行时间内的拥挤率计算公式为:
式中,Yn为等待时间内的拥挤率。
S3:基于当前时段,计算目标道路口通行周期内的拥挤率,并基于拥挤状态评价指标判别当前目标道路口的拥挤状态;
其中,计算当前时段下目标道路口通行周期内的拥挤率时,停车域信息计算方式为:
高峰时段时,其停车总域为采集停车总域的2倍;
正常时段时,其停车总域为采集停车总域的1.5倍。
通过对不同时段下停车域信息进行调整,提高计算准确率,使得贴合实际情况。
S4:采用程序设计语言实现拥挤状态预测结果的可视化输出。
其中,拥挤状态预测结果的可视化输出包括:
输出当前目标道路口的拥挤状态;
输出当前目标道路口的拥挤率。
通过输出拥挤状态,以便于后续车辆对目标道路口的拥挤状态掌握;通过输出拥挤率,使得能够在多个路口堵塞时后续车辆依据拥挤率选择出最合理路线,进而提高道路通行效率;同时便于规划部门根据不同时段的拥挤率,合理设置整个道路口的通行周期以及等待时间和通行时间。
实施例2
如图3所示,本发明还提供了一种道路口拥挤率评价方法的系统,包括:
信息采集单元,用于采集停车域信息;
其中,停车域信息采集包括:
采集目标道路口停车域总域;
采集通行周期内目标道路口实际停车域,其包括采集通行时间内目标道路口实际停车域、采集等待时间内目标道路口实际停车域。
模型计算单元,用于计算当前目标道路口的拥挤率;
判别显示单元,用于判别当前目标道路口的拥挤状态,以及显示当前目标道路口的拥挤状态和拥挤率。
显然,上述实施例仅仅是清楚地说明所作的实施例,而非对实施方式的限定。对于所述领域的普通技术人员来说,在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种道路口拥挤率评价方法,其特征在于,包括如下步骤:
S1:选取目标道路口,采集目标道路口停车域信息,并划分不同时段,计算或从第三方数据源获取不同时段对应的拥挤状态评价指标;
S2:基于目标道路口停车域信息,构建通行周期内的目标道路口的拥挤率模型;
S3:基于当前时段,计算目标道路口通行周期内的拥挤率,并基于拥挤状态评价指标判别当前目标道路口的拥挤状态;
S4:采用程序设计语言实现拥挤状态预测结果的可视化输出。
2.根据权利要求1所述的一种道路口拥挤率评价方法,其特征在于:S1中,目标道路口的选取为单侧道路口。
3.根据权利要求1所述的一种道路口拥挤率评价方法,其特征在于:S1中,目标道路口停车域信息采集的方式为采用道路侧彩色相机对目标道路口进行拍摄采集。
4.根据权利要求3所述的一种道路口拥挤率评价方法,其特征在于:S1中,目标道路口停车域信息的采集包括:
采集目标道路口停车总域,其中,停车总域为目标道路口的车道停车实线段与停止线围成的矩形区域面积;
采集通行周期内目标道路口实际停车域,其中,实际停车域为通行周期内目标道路口车辆的实际停车占用面积。
5.根据权利要求1所述的一种道路口拥挤率评价方法,其特征在于:S1中,时段划分包括高峰时段和正常时段。
6.根据权利要求5所述的一种道路口拥挤率评价方法,其特征在于:S1中,不同时段对应的拥挤状态评价指标包括:
当处于高峰时段时,通行周期内的拥挤率小于30%时为非常通畅,30%~50%时为较通畅,50%~80%时为较拥挤状态,大于80%为非常拥挤;
当处于正常时段时,通行周期内的拥挤率小于20%时为非常通畅,20%~40%时为较通畅,40%~60%时为较拥挤状态,大于60%为非常拥挤。
7.根据权利要求5所述的一种道路口拥挤率评价方法,其特征在于:S2中,通行周期内目标道路口的拥挤率模型构建中,通行周期包括等待时间和通行时间,即:
通行周期内的拥挤率计算公式为:
式中,Y为通行周期内的拥挤率;m为等待时间,Sa为等待时间内的实际停车域,其中,Sa={Sai,1≤i≤m},Sai表示第i秒等待时间内的实际停车域,i取正整数;n为通行时间,Sb为通行时间内的实际停车域,其中,Sb={Sbj,1≤j≤n},Sbj表示第j秒通行时间内的实际停车域,j取正整数;T为通行周期,S为停车总域;等待时间、通行时间、通行周期均以秒为单位计算;
等待时间内的拥挤率计算公式为:
式中,Ym为等待时间内的拥挤率;
通行时间内的拥挤率计算公式为:
式中,Yn为等待时间内的拥挤率。
8.根据权利要求7所述的一种道路口拥挤率评价方法,其特征在于:S3中,计算当前时段下目标道路口通行周期内的拥挤率时,停车域信息计算方式为:
高峰时段时,其停车总域为采集停车总域的2倍;
正常时段时,其停车总域为采集停车总域的1.5倍。
9.根据权利要求6所述的一种道路口拥挤率评价方法,其特征在于:S4中,拥挤状态预测结果的可视化输出包括:
输出当前目标道路口的拥挤状态;
输出当前目标道路口的拥挤率。
10.一种用于权利要求1所述的道路口拥挤率评价方法的系统,其特征在于,包括:
信息采集单元,用于采集停车域信息;
模型计算单元,用于计算当前目标道路口的拥挤率;
判别显示单元,用于判别当前目标道路口的拥挤状态,以及显示当前目标道路口的拥挤状态和拥挤率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211516423.XA CN115860536A (zh) | 2022-11-29 | 2022-11-29 | 一种道路口拥挤率评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211516423.XA CN115860536A (zh) | 2022-11-29 | 2022-11-29 | 一种道路口拥挤率评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860536A true CN115860536A (zh) | 2023-03-28 |
Family
ID=85668076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211516423.XA Pending CN115860536A (zh) | 2022-11-29 | 2022-11-29 | 一种道路口拥挤率评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860536A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704771A (zh) * | 2023-06-21 | 2023-09-05 | 中咨数据有限公司 | 基于拥堵路段交通信息实时定位指挥处理系统 |
-
2022
- 2022-11-29 CN CN202211516423.XA patent/CN115860536A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704771A (zh) * | 2023-06-21 | 2023-09-05 | 中咨数据有限公司 | 基于拥堵路段交通信息实时定位指挥处理系统 |
CN116704771B (zh) * | 2023-06-21 | 2024-01-12 | 中咨数据有限公司 | 基于拥堵路段交通信息实时定位指挥处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109448367B (zh) | 一种基于大数据图像采集的智能道路交通追踪管理系统 | |
CN113327416B (zh) | 基于短时交通流预测的城市区域交通信号控制方法 | |
Zhang et al. | Optimizing minimum and maximum green time settings for traffic actuated control at isolated intersections | |
Chen et al. | Travel-time reliability as a measure of service | |
CN108983788B (zh) | 基于大数据挖掘的无人驾驶环卫车智能控制系统及方法 | |
CN106023605A (zh) | 一种基于深度卷积神经网络的交通信号灯控制方法 | |
CN113240938B (zh) | 智能改变城市红绿灯相序方法及其城市综合智能交通系统 | |
CN111383449A (zh) | 路口通行预估方法、计算机设备和计算机可读存储介质 | |
CN109272745A (zh) | 一种基于深度神经网络的车辆轨迹预测方法 | |
CN112017437A (zh) | 路口交通信息感知控制系统和方法 | |
CN115860536A (zh) | 一种道路口拥挤率评价方法 | |
CN107195177A (zh) | 基于分布式内存计算框架对城市交通路况的预测方法 | |
CN114241762B (zh) | 一种基于物联网的智慧城市交通综合数据采集分析系统 | |
CN112863182A (zh) | 基于迁移学习的跨模态数据预测方法 | |
CN116258342A (zh) | 停车管理服务系统 | |
CN114360264A (zh) | 一种基于交通流量进行调节的智慧城市交通管理方法 | |
CN117218836B (zh) | 一种基于智慧城市的城市规划项目综合管理信息平台 | |
CN109523788B (zh) | 一种路段运行效果评价方法 | |
CN112085951A (zh) | 交通状态判别方法、系统、存储介质、计算机设备及应用 | |
CN116994433A (zh) | 一种基于车流量数据的区域停车资源升级整改方法 | |
CN114882729B (zh) | 停车管理方法以及系统 | |
CN115294791A (zh) | 一种智慧城市用智能交通引导系统 | |
CN114898565A (zh) | 一种地埋式交通信号灯的自适应控制方法 | |
CN111785069A (zh) | 一种停车诱导方法、系统、智能终端和储存介质 | |
CN105825670A (zh) | 基于数据融合的道路过饱和状态判断方法及系统 |
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 |