CN116542528B - 一种通行需求满足度分析方法及装置 - Google Patents

一种通行需求满足度分析方法及装置 Download PDF

Info

Publication number
CN116542528B
CN116542528B CN202310342231.XA CN202310342231A CN116542528B CN 116542528 B CN116542528 B CN 116542528B CN 202310342231 A CN202310342231 A CN 202310342231A CN 116542528 B CN116542528 B CN 116542528B
Authority
CN
China
Prior art keywords
transportation
road
road section
vehicle
vehicles
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
Application number
CN202310342231.XA
Other languages
English (en)
Other versions
CN116542528A (zh
Inventor
肖岩平
郭小乐
冯俊池
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.)
Institute of Systems Engineering of PLA Academy of Military Sciences
Original Assignee
Institute of Systems Engineering of PLA Academy of Military Sciences
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 Institute of Systems Engineering of PLA Academy of Military Sciences filed Critical Institute of Systems Engineering of PLA Academy of Military Sciences
Priority to CN202310342231.XA priority Critical patent/CN116542528B/zh
Publication of CN116542528A publication Critical patent/CN116542528A/zh
Application granted granted Critical
Publication of CN116542528B publication Critical patent/CN116542528B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种通行需求满足度分析方法及装置，该方法包括：获取运输任务信息和运输路径信息；对运输任务信息进行标准化处理，得到车队标准化长度；利用道路阻抗模型对车队标准化长度和运输路径信息进行处理，得到通行需求满足度。可见，本发明有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。

Description

一种通行需求满足度分析方法及装置
技术领域
本发明涉及交通管理与控制技术领域，尤其涉及一种通行需求满足度分析方法及装置。
背景技术
随着信息化程度的提升，运输的高效性与快速性的重要性提升。物流配送，尤其是公路物流配送，因其广大的覆盖面积及灵活的联通程度，承担着关键的责任，而衡量一次运输任务成功与否的重要指标之一就是其能否按时完成运输任务，在这一点上，衡量运输路径能否满足运输的时间需求则更为关键。
常见的通行时间估计方法主要包括数据驱动型及模型驱动型两种。数据驱动型方法主要是指结合历史数据，从数据中挖掘出潜在的交通模式，并结合当前交通状态对未来的行程时间进行预测。常见的数据驱动型方法主要有人工神经网络、卡尔曼滤波等，但是这类方法最大的缺陷是过于依赖历史数据。对于军事运输任务，尤其是以车辆编队形式进行的运输任务，能够与之匹配的历史数据过于稀疏，难以有效挖掘出内在的交通模式，通行时间估计的准确度难以保证。模型驱动型方法主要是通过确定的交通模型，结合已知的交通参数如流量、密度、速度等来进行建模预测，预测精度略逊于数据驱动型方法，但是不依赖历史数据是其优势，相比之下模型驱动型的通行时间预测方法更适合于军事运输任务的通行满足度分析。常见的道路阻抗模型包括美国联邦公路局道路阻抗模型，但是该模型并不能反映道路交通从非拥挤到拥挤状态的变化，使得模型的泛用性存在一定的局限。同时，常用的道路阻抗模型还包括Davidson模型，该模型针对美国联邦公路局道路阻抗模型进行了一定的改进，但是该模型使用道路流量进行计算，同一流量可能对应不同的状态，使得模型存在一定的不确定性，并且模型只考虑了交通因素，对编组车辆可能产生影响的道路因素未考虑在内。
发明内容
本发明所要解决的技术问题在于，提供一种通行需求满足度分析方法及装置，能够充分考虑道路限重、限高等道路条件因素，有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
为了解决上述技术问题，本发明实施例第一方面公开了一种通行需求满足度分析方法，所述方法包括：
S1，获取运输任务信息和运输路径信息；所述运输任务信息包括运输编队信息、运输任务的开始时间和运输任务的结束时间；所述运输编队信息包括运输车辆的数量，和/或，车辆发动机最大功率，和/或，车辆总质量，和/或，车辆高度；所述运输路径信息包括运输路径和道路限高、道路限重。
S2，对所述运输任务信息进行标准化处理，得到车队标准化长度；
S3，利用道路阻抗模型对所述车队标准化长度和所述运输路径信息进行处理，得到通行需求满足度；所述道路阻抗模型包括道路条件模型和交通状况模型。
作为一种可选的实施方式，在本发明实施例第一方面中，所述利用道路阻抗模型对所述车队标准化长度和所述运输路径信息进行处理，得到通行需求满足度，包括：
S31，将所述运输路径拆分成多个运输路段；
S32，利用所述道路阻抗模型对任一所述运输路段进行处理，得到所述运输路段的路段阻抗系数；
S33，对所述路段阻抗系数和所述车队标准化长度进行计算，得到所述运输路径的通行需求满足度。
作为一种可选的实施方式，在本发明实施例第一方面中，所述利用所述道路阻抗模型对任一所述运输路段进行处理，得到所述运输路段的路段阻抗系数，包括：
S321，利用所述道路条件模型对任一所述运输路段进行处理，得到该运输路段的道路条件阻抗系数；所述道路条件模型包括道路限高指标和道路限重指标；
S322，利用所述交通状况模型对任一所述运输路段进行处理，得到该运输路段的交通状况阻抗系数；
S323，对所述道路条件阻抗系数和所述交通状况阻抗系数进行计算，得到所述运输路段的路段阻抗系数，计算表达式为：
式中，Ω是路段阻抗系数，α是放缩系数，用来对该部分进行变化来适应不同道路的实际情况，k是路段车辆密度，kj是路段阻塞密度，M是无穷大量，Hlim和Wlim均为二元变量，分别是道路限高和道路限重对车队行驶的满足程度；当前道路限高能满足车队行驶条件，指道路限高指标大于车队里单车的车辆高度最大值；当前道路限重能满足车队行驶条件，指道路限重指标大于车队里单车的车辆总质量最大值。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述路段阻抗系数和所述车队标准化长度进行计算，得到所述运输路径的通行需求满足度，包括：
S331，对所述运输路段的路段阻抗系数和所述车队标准化长度进行计算，得到路段实际行驶时间；
S332，对所有所述路段实际行驶时间进行累加计算，得到所述运输路径的路径实际行驶时间，计算表达式为：
ttotal＝∑ti
式中，ttotal是运输路径的路径实际行驶时间，ti是第i运输路段的路段实际通行时间；
S333，对比分析所述路径实际行驶时间和所述运输任务的完成时间指标，得到所述运输路径的通行需求满足度，判断表达式为：
式中，y是通行需求满足度，ts是运输任务的开始时间，te是运输任务的结束时间。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述运输路段的路段阻抗系数和所述车队标准化长度进行计算，得到路段实际行驶时间，包括：
S3311，从所述运输路径信息中获取该运输路段的路段实际长度；
S3312，对所述路段实际长度和所述车队标准化长度进行计算，得到该运输路段的路段理想通行时间；
S3313，对所述路段理想通行时间和所述路段阻抗系数进行计算，得到该运输路段的路段实际通行时间，计算表达式为：
t＝Ω·t0
式中，t0是路段理想通行时间，L是路段实际长度，Q是车队标准化长度，v是理想行驶速度，t是路段实际通行时间。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述运输任务信息进行标准化处理，得到车队标准化长度，包括：
S21，利用比功率指标将所述运输任务信息中的运输编队信息中的不同车辆换算为标准车辆；所述比功率指标是车辆发动机最大功率与车辆总质量之比；
S22，利用所述标准车辆对所述运输编队的车辆数目进行标准化，得到标准车队数目，计算表达式为：
αi＝Nri/Nr0
式中，αi是第i种车辆的权重系数，Nri是第i种车辆的比功率指标，Nr0是标准车辆的比功率指标；ncar是运输编队经过标准化后的标准车队数目，ni是第i种车辆的实际数量，N是运输编队的车辆种类数目；
S23，对所述标准车队数目进行处理，得到车队标准化长度，计算表达式为：
Q＝(Lcar+S)·ncar
式中，Q是车队标准化长度，Lcar是标准车辆的车长，S是标准车辆之间的安全跟驰距离。
本发明实施例第二方面公开了一种通行需求满足度分析装置，装置包括：
获取模块，用于获取运输任务信息和运输路径信息；所述运输任务信息包括运输编队信息、运输任务的开始时间和运输任务的结束时间；所述运输编队信息包括运输车辆的数量，和/或，车辆发动机最大功率，和/或，车辆总质量，和/或，车辆高度；所述运输路径信息包括运输路径和道路限高、道路限重。
第一处理模块，用于对所述运输任务信息进行标准化处理，得到车队标准化长度；
第二处理模块，用于利用道路阻抗模型对所述车队标准化长度和所述运输路径信息进行处理，得到通行需求满足度；所述道路阻抗模型包括道路条件模型和交通状况模型。
本发明第三方面公开了另一种通行需求满足度分析装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的通行需求满足度分析方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的通行需求满足度分析方法中的部分或全部步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，获取运输任务信息和运输路径信息；运输任务信息包括运输编队信息、运输任务的开始时间和运输任务的结束时间；运输编队信息包括运输车辆的数量，和/或，车辆发动机最大功率，和/或，车辆总质量，和/或，车辆高度；运输路径信息包括运输路径和道路限高、道路限重；对运输任务信息进行标准化处理，得到车队标准化长度；利用道路阻抗模型对车队标准化长度和运输路径信息进行处理，得到通行需求满足度。由此可见：
(1)本发明提供了一种模型驱动的行程时间估计方法，可以用于衡量车队运输任务的通行需求满足度，可解释性更强，更加便于理解，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。
(2)本发明针对道路阻抗模型进行改进，一方面增加了道路条件等因素的考虑，即道路限重、限高等运输任务中实际可能出现的情况，另一方面针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明实施例公开的一种通行需求满足度分析方法的流程示意图；
图2是本发明实施例公开的一种通行需求满足度分析装置的结构示意图；
图3是本发明实施例公开的另一种通行需求满足度分析装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种通行需求满足度分析方法及装置，能够充分考虑道路限重、限高等道路条件因素，有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种通行需求满足度分析方法的流程示意图。其中，图1所描述的通行需求满足度分析方法应用于满足度分析系统中，如通行需求满足度分析管理的本地服务器或云端服务器等，本发明实施例不做限定。如图1所示，该通行需求满足度分析方法可以包括以下操作：
S1，获取运输任务信息和运输路径信息。
本发明实施例中，上述运输任务信息包括运输编队信息、运输任务的开始时间和运输任务的结束时间。
本发明实施例中，上述运输编队信息包括运输车辆的数量，和/或，车辆发动机最大功率，和/或，车辆总质量，和/或，车辆高度。
本发明实施例中，上述运输路径信息包括运输路径和道路限高、道路限重。
S2，对运输任务信息进行标准化处理，得到车队标准化长度。
S3，利用道路阻抗模型对车队标准化长度和运输路径信息进行处理，得到通行需求满足度。
本发明实施例中，上述道路阻抗模型包括道路条件模型和交通状况模型。
可选的，实际的运输任务中车辆的组成往往较为复杂，车辆的动力性能也各不相同，而不同类型的车辆对整个车队的影响也会有所不同，因此需要对车队车辆进行标准化处理。
可选的，在大部分的实际道路环境中，因为道路状况、交通状态等多方面因素的影响，使得车队的行驶速度远低于自由流速度，行驶时间也会远大于理想行驶时间，因此引入道路阻抗的概念，来描述车辆行驶受到多方面阻碍的情况。
可见，实施本发明实施例所描述的通行需求满足度分析方法能够充分考虑道路限重、限高等道路条件因素，有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
在一个可选的实施例中，上述利用道路阻抗模型对车队标准化长度和运输路径信息进行处理，得到通行需求满足度，包括：
S3 1，将运输路径拆分成多个运输路段。
S32，利用道路阻抗模型对任一运输路段进行处理，得到运输路段的路段阻抗系数。
S33，对路段阻抗系数和车队标准化长度进行计算，得到运输路径的通行需求满足度。
可选的，将运输路径拆分为多个路段，按照交通中的默认方式，一般把两个交叉口之间的道路看成是一个路段。
可见，实施本发明实施例所描述的通行需求满足度分析方法能够利用道路阻抗模型对任一运输路段进行处理，得到运输路段的路段阻抗系数，有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
在另一个可选的实施例中，利用道路阻抗模型对任一运输路段进行处理，得到运输路段的路段阻抗系数，包括：
S321，利用道路条件模型对任一运输路段进行处理，得到该运输路段的道路条件阻抗系数；道路条件模型包括道路限高指标和道路限重指标。
S322，利用交通状况模型对任一运输路段进行处理，得到该运输路段的交通状况阻抗系数。
S323，对道路条件阻抗系数和交通状况阻抗系数进行计算，得到运输路段的路段阻抗系数，计算表达式为：
式中，Ω是路段阻抗系数，α是放缩系数，用来对该部分进行变化来适应不同道路的实际情况，k是路段车辆密度，kj是路段阻塞密度，M是无穷大量，Hlim和Wlim均为二元变量，分别是道路限高和道路限重对车队行驶的满足程度；当前道路限高能满足车队行驶条件，指道路限高指标大于车队里单车的车辆高度最大值；当前道路限重能满足车队行驶条件，指道路限重指标大于车队里单车的车辆总质量最大值。
可选的，在一定情况下，道路的车辆密度与行驶速度可以视为线性相关，即密度越大，道路行驶速度就越低，直到道路车辆密度达到最大值：阻塞密度，道路完全阻塞，行驶速度降低至0，车辆无法正常行驶，因此阻抗也趋近于无穷大。
可见，实施本发明实施例所描述的通行需求满足度分析方法能够对道路条件阻抗系数和交通状况阻抗系数进行计算，得到运输路段的路段阻抗系数，有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
在又一个可选的实施例中，对路段阻抗系数和车队标准化长度进行计算，得到运输路径的通行需求满足度，包括：
S331，对运输路段的路段阻抗系数和车队标准化长度进行计算，得到路段实际行驶时间。
S332，对所有路段实际行驶时间进行累加计算，得到运输路径的路径实际行驶时间，计算表达式为：
tt0tal＝∑ti
式中，ttotal是运输路径的路径实际行驶时间，ti是第i运输路段的路段实际通行时间。
S333，对比分析路径实际行驶时间和运输任务的完成时间指标，得到运输路径的通行需求满足度，判断表达式为：
式中，y是通行需求满足度，ts是运输任务的开始时间，te是运输任务的结束时间。
可见，实施本发明实施例所描述的通行需求满足度分析方法能够对运输路段的路段阻抗系数和车队标准化长度进行计算，得到路段实际行驶时间，更有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
在一个可选的实施例中，上述对运输路段的路段阻抗系数和车队标准化长度进行计算，得到路段实际行驶时间，包括：
S3311，从运输路径信息中获取该运输路段的路段实际长度。
S3312，对路段实际长度和车队标准化长度进行计算，得到该运输路段的路段理想通行时间。
S3313，对路段理想通行时间和路段阻抗系数进行计算，得到该运输路段的路段实际通行时间，计算表达式为：
t＝Ω·t0
式中，t0是路段理想通行时间，L是路段实际长度，Q是车队标准化长度，v是理想行驶速度，t是路段实际通行时间。
可选的，与一般车辆的理想行驶时间不同，车队的理想行驶时间计算中的路程需要考虑车队自身的长度，这主要是因为一般车辆的车身长度相对于路程长度可以忽略不计，但是车队因为自身车辆数目多、车身长度长以及安全车距等因素，导致车队的实际长度较长，难以忽略，因此在计算理想行驶时间时，应该将车辆长度同时考虑在内。
可见，实施本发明实施例所描述的通行需求满足度分析方法能够对路段实际长度和车队标准化长度进行计算，得到该运输路段的路段理想通行时间，更有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
在另一个可选的实施例中，对运输任务信息进行标准化处理，得到车队标准化长度，包括：
S21，利用比功率指标将运输任务信息中的运输编队信息中的不同车辆换算为标准车辆；比功率指标是车辆发动机最大功率与车辆总质量之比。
S22，利用标准车辆对运输编队的车辆数目进行标准化，得到标准车队数目，计算表达式为：
αi＝Nri/Nr0
式中，αi是第i种车辆的权重系数，Nri是第i种车辆的比功率指标，Nr0是标准车辆的比功率指标；ncar是运输编队经过标准化后的标准车队数目，ni是第i种车辆的实际数量，N是运输编队的车辆种类数目。
S23，对标准车队数目进行处理，得到车队标准化长度，计算表达式为：
Q＝(Lcar+S)·ncar
式中，Q是车队标准化长度，Lcar是标准车辆的车长，S是标准车辆之间的安全跟驰距离。
可选的，车队的长度并不仅仅是车辆长度的累加之和，实际上在道路上行驶的车队中，车辆与车辆之间的联系紧密，前后车之间往往保持一种跟驰状态，因此一辆车在车队中的实际长度，不仅仅是其自身的车长，还要计算其与后车之间的安全跟驰距离。
可选的，安全跟驰距离的含义一般是指后车在与前车保持速度一致的基础上，能够确保安全的后车车头与前车车尾之间的最小距离。
可见，实施本发明实施例所描述的通行需求满足度分析方法能够利用标准车辆对运输编队的车辆数目进行标准化，得到标准车队数目，更有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
实施例二
请参阅图2，图2是本发明实施例公开的一种通行需求满足度分析装置的结构示意图。其中，图2所描述的装置能够应用于满足度分析系统中，如通行需求满足度分析管理的本地服务器或云端服务器等，本发明实施例不做限定。如图2所示，该装置可以包括：
获取模块201，用于获取运输任务信息和运输路径信息；运输任务信息包括运输编队信息、运输任务的开始时间和运输任务的结束时间；运输编队信息包括运输车辆的数量，和/或，车辆发动机最大功率，和/或，车辆总质量，和/或，车辆高度；运输路径信息包括运输路径和道路限高、道路限重。
第一处理模块202，用于对运输任务信息进行标准化处理，得到车队标准化长度。
第二处理模块203，用于利用道路阻抗模型对车队标准化长度和运输路径信息进行处理，得到通行需求满足度；所述道路阻抗模型包括道路条件模型和交通状况模型。
可见，实施图2所描述的通行需求满足度分析装置，利用道路阻抗模型对车队标准化长度和运输路径信息进行处理，得到通行需求满足度，有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
在另一个可选的实施例中，如图2所示，第二处理模块203利用道路阻抗模型对车队标准化长度和运输路径信息进行处理，得到通行需求满足度，包括：
S31，将运输路径拆分成多个运输路段。
S32，利用道路阻抗模型对任一运输路段进行处理，得到运输路段的路段阻抗系数。
S33，对路段阻抗系数和车队标准化长度进行计算，得到运输路径的通行需求满足度。
可见，实施图2所描述的通行需求满足度分析装置，将运输路径拆分成多个运输路段，有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
在又一个可选的实施例中，如图2所示，第二处理模块203利用道路阻抗模型对任一运输路段进行处理，得到运输路段的路段阻抗系数，包括：
S321，利用道路条件模型对任一运输路段进行处理，得到该运输路段的道路条件阻抗系数；道路条件模型包括道路限高指标和道路限重指标。
S322，利用交通状况模型对任一运输路段进行处理，得到该运输路段的交通状况阻抗系数。
S323，对道路条件阻抗系数和交通状况阻抗系数进行计算，得到运输路段的路段阻抗系数，计算表达式为：
式中，Ω是路段阻抗系数，α是放缩系数，用来对该部分进行变化来适应不同道路的实际情况，k是路段车辆密度，kj是路段阻塞密度，M是无穷大量，Hlim和Wlim均为二元变量，分别是道路限高和道路限重对车队行驶的满足程度；当前道路限高能满足车队行驶条件，指道路限高指标大于车队里单车的车辆高度最大值；当前道路限重能满足车队行驶条件，指道路限重指标大于车队里单车的车辆总质量最大值。
可见，实施图2所描述的通行需求满足度分析装置，能够利用道路阻抗模型对任一运输路段进行处理，得到运输路段的路段阻抗系数，更有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
在又一个可选的实施例中，如图2所示，第二处理模块203对路段阻抗系数和车队标准化长度进行计算，得到运输路径的通行需求满足度，包括：
S331，对运输路段的路段阻抗系数和车队标准化长度进行计算，得到路段实际行驶时间。
S332，对所有路段实际行驶时间进行累加计算，得到运输路径的路径实际行驶时间，计算表达式为：
ttotal＝∑ti
式中，ttotal是运输路径的路径实际行驶时间，ti是第i运输路段的路段实际通行时间。
S333，对比分析路径实际行驶时间和运输任务的完成时间指标，得到运输路径的通行需求满足度，判断表达式为：
式中，y是通行需求满足度，ts是运输任务的开始时间，te是运输任务的结束时间。
可见，实施图2所描述的通行需求满足度分析装置，能够对路段阻抗系数和车队标准化长度进行计算，得到运输路径的通行需求满足度，更有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
在又一个可选的实施例中，如图2所示，第二处理模块203对运输路段的路段阻抗系数和车队标准化长度进行计算，得到路段实际行驶时间，包括：
S3311，从运输路径信息中获取该运输路段的路段实际长度。
S3312，对路段实际长度和车队标准化长度进行计算，得到该运输路段的路段理想通行时间。
S3313，对路段理想通行时间和路段阻抗系数进行计算，得到该运输路段的路段实际通行时间，计算表达式为：
t＝Ω·t0
式中，t0是路段理想通行时间，L是路段实际长度，Q是车队标准化长度，v是理想行驶速度，t是路段实际通行时间。
可见，实施图2所描述的通行需求满足度分析装置，能够对运输路段的路段阻抗系数和车队标准化长度进行计算，得到路段实际行驶时间，更有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
在又一个可选的实施例中，如图2所示，第二处理模块202对运输任务信息进行标准化处理，得到车队标准化长度，包括：
S21，利用比功率指标将运输任务信息中的运输编队信息中的不同车辆换算为标准车辆；比功率指标是车辆发动机最大功率与车辆总质量之比。
S22，利用标准车辆对运输编队的车辆数目进行标准化，得到标准车队数目，计算表达式为：
αi＝Nri/Nr0
式中，αi是第i种车辆的权重系数，Nri是第i种车辆的比功率指标，Nr0是标准车辆的比功率指标；ncar是运输编队经过标准化后的标准车队数目，ni是第i种车辆的实际数量，N是运输编队的车辆种类数目。
S23，对标准车队数目进行处理，得到车队标准化长度，计算表达式为：
Q＝(Lcar+S)·ncar
式中，Q是车队标准化长度，Lcar是标准车辆的车长，S是标准车辆之间的安全跟驰距离。
可见，实施图2所描述的通行需求满足度分析装置，能够对标准车队数目进行处理，得到车队标准化长度，有利于理解，可解释性更强，同时模型驱动无需历史数据，更加适合运输任务历史数据不足的情况。另外，针对现有模型中道路流量参数进行了完善，选择状态表达更加明确的车辆密度参数进行计算，避免了歧义，使模型表达更加明确。
实施例三
请参阅图3，图3是本发明实施例公开的又一种通行需求满足度分析装置的结构示意图。其中，图3所描述的装置能够应用于满足度分析系统中，如通行需求满足度分析管理的本地服务器或云端服务器等，本发明实施例不做限定。如图3所示，该装置可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，用于执行实施例一所描述的通行需求满足度分析方法中的步骤。
实施例四
本发明实施例公开了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的通行需求满足度分析方法中的步骤。
实施例五
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的通行需求满足度分析方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。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。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种通行需求满足度分析方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (8)

1.一种通行需求满足度分析方法，其特征在于，所述方法包括：
S1，获取运输任务信息和运输路径信息；所述运输任务信息包括运输编队信息、运输任务的开始时间和运输任务的结束时间；所述运输编队信息包括运输车辆的数量，和/或，车辆发动机最大功率，和/或，车辆总质量，和/或，车辆高度；所述运输路径信息包括运输路径和道路限高、道路限重；
S2，对所述运输任务信息进行标准化处理，得到车队标准化长度；
其中，所述对所述运输任务信息进行标准化处理，得到车队标准化长度，包括：
S21，利用比功率指标将所述运输任务信息中的运输编队信息中的不同车辆换算为标准车辆；所述比功率指标是车辆发动机最大功率与车辆总质量之比；
S22，利用所述标准车辆对所述运输编队的车辆数目进行标准化，得到标准车队数目，计算表达式为：
αi＝Nri/Nr0
式中，αi是第i种车辆的权重系数，Nri是第i种车辆的比功率指标，Nr0是标准车辆的比功率指标；ncar是运输编队经过标准化后的标准车队数目，ni是第i种车辆的实际数量，N是运输编队的车辆种类数目；
S23，对所述标准车队数目进行处理，得到车队标准化长度，计算表达式为：
Q＝(Lcar+S)·ncar
式中，Q是车队标准化长度，Lcar是标准车辆的车长，S是标准车辆之间的安全跟驰距离；
S3，利用道路阻抗模型对所述车队标准化长度和所述运输路径信息进行处理，得到通行需求满足度；所述道路阻抗模型包括道路条件模型和交通状况模型。
2.根据权利要求1所述的通行需求满足度分析方法，其特征在于，所述利用道路阻抗模型对所述车队标准化长度和所述运输路径信息进行处理，得到通行需求满足度，包括：
S31，将所述运输路径拆分成多个运输路段；
S32，利用所述道路阻抗模型对任一所述运输路段进行处理，得到所述运输路段的路段阻抗系数；
S33，对所述路段阻抗系数和所述车队标准化长度进行计算，得到所述运输路径的通行需求满足度。
3.根据权利要求2所述的通行需求满足度分析方法，其特征在于，所述利用所述道路阻抗模型对任一所述运输路段进行处理，得到所述运输路段的路段阻抗系数，包括：
S321，利用所述道路条件模型对任一所述运输路段进行处理，得到该运输路段的道路条件阻抗系数；所述道路条件模型包括道路限高指标和道路限重指标；
S322，利用所述交通状况模型对任一所述运输路段进行处理，得到该运输路段的交通状况阻抗系数；
S323，对所述道路条件阻抗系数和所述交通状况阻抗系数进行计算，得到所述运输路段的路段阻抗系数，计算表达式为：
式中，Ω是路段阻抗系数，α是放缩系数，用来对所述运输路段对应的阻抗情况进行变化来适应不同道路的实际情况，k是路段车辆密度，kj是路段阻塞密度，M是无穷大量，Hlim和Wlim均为二元变量，分别是道路限高和道路限重对车队行驶的满足程度；当前道路限高能满足车队行驶条件，指道路限高指标大于车队里单车的车辆高度最大值；当前道路限重能满足车队行驶条件，指道路限重指标大于车队里单车的车辆总质量最大值。
4.根据权利要求2所述的通行需求满足度分析方法，其特征在于，所述对所述路段阻抗系数和所述车队标准化长度进行计算，得到所述运输路径的通行需求满足度，包括：
S331，对所述运输路段的路段阻抗系数和所述车队标准化长度进行计算，得到路段实际行驶时间；
S332，对所有所述路段实际行驶时间进行累加计算，得到所述运输路径的路径实际行驶时间，计算表达式为：
ttotal＝∑ti
式中，ttotal是运输路径的路径实际行驶时间，ti是第i运输路段的路段实际通行时间；
S333，对比分析所述路径实际行驶时间和所述运输任务的完成时间指标，得到所述运输路径的通行需求满足度，判断表达式为：
式中，y是通行需求满足度，ts是运输任务的开始时间，te是运输任务的结束时间。
5.根据权利要求4所述的通行需求满足度分析方法，其特征在于，所述对所述运输路段的路段阻抗系数和所述车队标准化长度进行计算，得到路段实际行驶时间，包括：
S3311，从所述运输路径信息中获取该运输路段的路段实际长度；
S3312，对所述路段实际长度和所述车队标准化长度进行计算，得到该运输路段的路段理想通行时间；
S3313，对所述路段理想通行时间和所述路段阻抗系数进行计算，得到该运输路段的路段实际通行时间，计算表达式为：
t＝Ω·t0
式中，t0是路段理想通行时间，L是路段实际长度，Q是车队标准化长度，v是理想行驶速度，t是路段实际通行时间。
6.一种通行需求满足度分析装置，其特征在于，所述装置包括：
获取模块，用于获取运输任务信息和运输路径信息；所述运输任务信息包括运输编队信息、运输任务的开始时间和运输任务的结束时间；所述运输编队信息包括运输车辆的数量，和/或，车辆发动机最大功率，和/或，车辆总质量，和/或，车辆高度；所述运输路径信息包括运输路径和道路限高、道路限重；
第一处理模块，用于对所述运输任务信息进行标准化处理，得到车队标准化长度；
其中，所述对所述运输任务信息进行标准化处理，得到车队标准化长度，包括：
S21，利用比功率指标将所述运输任务信息中的运输编队信息中的不同车辆换算为标准车辆；所述比功率指标是车辆发动机最大功率与车辆总质量之比；
S22，利用所述标准车辆对所述运输编队的车辆数目进行标准化，得到标准车队数目，计算表达式为：
αi＝Nri/Nr0
式中，αi是第i种车辆的权重系数，Nri是第i种车辆的比功率指标，Nr0是标准车辆的比功率指标；ncar是运输编队经过标准化后的标准车队数目，ni是第i种车辆的实际数量，N是运输编队的车辆种类数目；
S23，对所述标准车队数目进行处理，得到车队标准化长度，计算表达式为：
Q＝(Lcar+S)·ncar
式中，Q是车队标准化长度，Lcar是标准车辆的车长，S是标准车辆之间的安全跟驰距离；
第二处理模块，用于利用道路阻抗模型对所述车队标准化长度和所述运输路径信息进行处理，得到通行需求满足度；所述道路阻抗模型包括道路条件模型和交通状况模型。
7.一种通行需求满足度分析装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-6任一项所述的通行需求满足度分析方法。
8.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-6任一项所述的通行需求满足度分析方法。
CN202310342231.XA 2023-03-31 2023-03-31 一种通行需求满足度分析方法及装置 Active CN116542528B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310342231.XA CN116542528B (zh) 2023-03-31 2023-03-31 一种通行需求满足度分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310342231.XA CN116542528B (zh) 2023-03-31 2023-03-31 一种通行需求满足度分析方法及装置

Publications (2)

Publication Number Publication Date
CN116542528A CN116542528A (zh) 2023-08-04
CN116542528B true CN116542528B (zh) 2023-11-14

Family

ID=87456731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310342231.XA Active CN116542528B (zh) 2023-03-31 2023-03-31 一种通行需求满足度分析方法及装置

Country Status (1)

Country Link
CN (1) CN116542528B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807926A (zh) * 2019-11-05 2020-02-18 武汉理工大学 一种基于混合交通的道路阻抗预测方法及装置
CN112767683A (zh) * 2020-12-22 2021-05-07 安徽百诚慧通科技有限公司 一种基于反馈机制的路径诱导方法
CN113761725A (zh) * 2021-08-19 2021-12-07 东南大学 一种基于交通仿真的路段阻抗函数校正方法
CN113763706A (zh) * 2021-08-19 2021-12-07 东南大学 一种考虑智能车队的道路阻抗函数计算方法
CN114463390A (zh) * 2022-01-11 2022-05-10 东南大学 耦合车队跟驰强化的多孪生对抗网络跨相机车辆追踪方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10475336B2 (en) * 2017-12-04 2019-11-12 Bluesignal Corporation System for forecasting traffic condition pattern by analysis of traffic data and forecasting method thereof

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807926A (zh) * 2019-11-05 2020-02-18 武汉理工大学 一种基于混合交通的道路阻抗预测方法及装置
CN112767683A (zh) * 2020-12-22 2021-05-07 安徽百诚慧通科技有限公司 一种基于反馈机制的路径诱导方法
CN113761725A (zh) * 2021-08-19 2021-12-07 东南大学 一种基于交通仿真的路段阻抗函数校正方法
CN113763706A (zh) * 2021-08-19 2021-12-07 东南大学 一种考虑智能车队的道路阻抗函数计算方法
CN114463390A (zh) * 2022-01-11 2022-05-10 东南大学 耦合车队跟驰强化的多孪生对抗网络跨相机车辆追踪方法

Also Published As

Publication number Publication date
CN116542528A (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
Zhao et al. Traffic speed prediction under non-recurrent congestion: Based on LSTM method and BeiDou navigation satellite system data
CN112700072B (zh) 交通状况预测方法、电子设备和存储介质
CN107958302B (zh) 基于虚拟拓扑交通网络的经验路径规划方法
CN110443185B (zh) 驾驶员识别方法、驾驶员识别装置、电子设备及存储介质
US11867512B2 (en) Dataset simplification of n-dimensional signals captured for asset tracking
CN110942211A (zh) 一种基于深度神经网络的预估达到时间预测方法及装置
Valera et al. Driving cycle and road grade on-board predictions for the optimal energy management in EV-PHEVs
CN105096590B (zh) 交通信息生成方法和交通信息生成设备
CN111914691B (zh) 一种轨道交通车辆定位方法及系统
CN114450557B (zh) 路线偏差量化及基于此的车辆路线学习
CN104318327A (zh) 一种车辆轨迹预测分析方法
CN112734219A (zh) 一种车辆运输行驶行为分析方法及系统
CN111397625A (zh) 车辆导航方法及相关装置
CN113553482A (zh) 停留点识别和出行链构建系统、算法、设备及存储介质
CN114170797A (zh) 交通限制路口的识别方法、装置、设备、介质及产品
CN116907523A (zh) 路径规划方法、装置、计算机设备和存储介质
CN116542528B (zh) 一种通行需求满足度分析方法及装置
CN116481560B (zh) 车辆行驶里程的计算方法、装置、终端及存储介质
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
CN111160594B (zh) 一种到达时间的预估方法、装置及存储介质
Buroni et al. A tutorial on network-wide multi-horizon traffic forecasting with deep learning.
CN113536493A (zh) 基于聚类反推的有效路径生成方法及断面客流估算方法
CN113447037A (zh) 行程偏航检测方法及装置
Rahman et al. Real time Traffic Flow Parameters Prediction with Basic Safety Messages at Low Penetration of Connected Vehicles
CN113723656A (zh) 行驶轨迹修复方法、装置、电子设备和存储介质

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