CN116579905A - 一种基于生态通行指数改善交通的方法 - Google Patents
一种基于生态通行指数改善交通的方法 Download PDFInfo
- Publication number
- CN116579905A CN116579905A CN202310842022.1A CN202310842022A CN116579905A CN 116579905 A CN116579905 A CN 116579905A CN 202310842022 A CN202310842022 A CN 202310842022A CN 116579905 A CN116579905 A CN 116579905A
- Authority
- CN
- China
- Prior art keywords
- traveler
- route
- time
- eti
- travel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims description 13
- 239000000295 fuel oil Substances 0.000 claims description 9
- 102000003712 Complement factor B Human genes 0.000 claims description 6
- 108090000056 Complement factor B Proteins 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 230000008450 motivation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003090 exacerbative effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于生态通行指数改善交通的方法,涉及城市交通领域,包括识别出行方式、计算出行者的环保出行指数ETI得分,该得基于出行方式、出行时间和路线;实时ETI得分积分处理得总体ETI得分;总体ETI得分若超过预设阈值,出行者可获得激励。云端根据出行者提供信息生成最短导航路线,并预测拥堵道路,根据参照ETI得分排序,为高排名出行者保留最短导航路线,为其它出行者提供次短路线,避免拥堵。该过程重复,直到所有路线无拥堵,最终导航路线将发送给所有出行者。本发明通过环保出行指数激励出行者选择更环保的出行方式和路线,减少交通拥堵,提升出行效率,同时推动环保行为,为实现可持续城市交通出行做出贡献。
Description
技术领域
本发明涉及城市交通领域,更具体地说,涉及一种基于生态通行指数改善交通的方法。
背景技术
现代城市交通由于人口增长、经济发展和城市规模扩大等原因,面临着越来越严重的交通拥堵问题。传统的交通管理主要依靠静态的交通规划和人工的交通调度,难以满足现代城市复杂、动态的交通需求。此外,传统的交通管理方法对于出行方式、出行时间等多因素往往未能做出合理的综合考虑,无法有效调控交通流量,导致交通压力集中、路况拥堵等问题频发。
现有的导航系统,虽然可以提供最短路线或者最快到达时间的建议,但也可能导致某些热点路线的过度拥挤,进一步加剧了交通拥堵的问题,并且乘客或司机实际上并没有太多的动力去选择其他路线,从而进一步加剧交通拥堵。
同时,传统的交通管理方式往往没有考虑环保因素。对于步行、自行车等环保出行方式,往往未能给予足够的关注和优待。这既无法鼓励公众采取绿色出行方式,也无法从源头上减轻交通压力。
因此,如何科学地进行交通管理,如何有效地解决交通拥堵,如何鼓励绿色出行,如何给予公众合理的激励,这些都是现有交通管理面临的重要问题。
发明内容
本发明要解决的技术问题是提供一种基于生态通行指数改善交通的方法,以解决背景技术中提到的问题。
为了达到上述目的,本发明采取以下技术方案:
一种基于生态通行指数改善交通的方法,包括:
S1:根据出行者的实时出行方式,出行时间和路线情况,实时计算ETI得分;具体包括以下子步骤:
S1.1:确定出行者的实时出行方式,至少包括步行、自行车、公共交通工具、电动汽车、混合动力汽车、燃油汽车;
S1.2:根据出行方式,分别给予每种出行方式以基础分数A,其中每种出行方式的基础分数的数值从大到小排序如下:步行>自行车>公共交通工具>电动汽车>混合动力汽车>燃油汽车;
S1.3:根据出行者的出行时间是否为高峰时段给予第一评价因子B,其中,如果是非高峰时段,B为大于0的数值,如果是高峰时段,B为小于等于0的数值;
S1.4:根据出行者是否处于拥堵道路给予第二评价因子C,如果处于非拥堵道路,C为大于0的数值,如果处于拥堵道路,C为小于等于0的数值;
S1.5:实时计算A+B+C,作为该出行者的实时ETI得分;其中,ETI表示生态通行指数(Eco-Transit Index)。
S2:将实时ETI得分对一天中的出行时间进行积分,并除以总出行时间,作为一天的总体ETI得分;出行者的总体ETI得分高于预设阈值时,出行者将会获得对应的激励;所述激励至少包括可选的购物券、免费停车券、免费加油券、免费充电券(用于电动汽车充电);
当天的所述总体ETI得分将会作为下一次出行日对应的参照ETI得分,用于S3中的导航;
S3:在未发生拥堵时,将所有出行者将出发地、出发时间、目的地发送至云端;云端分析所有出行者的出发地、出发时间、目的地,并对每个出行者生成最短导航路线,并根据所有最短导航路线进行分析并预测拥堵道路,对将要进入该拥堵道路的出行者的参照ETI得分进行排序,将排序得到的前N个出行者的导航路线设为不变,而将剩余出行者的导航路线变更至仅次于最短导航路线的次短一级的导航路线;变更导航路线后,按相同的方式重新进行导航路线的分析、预测拥堵道路、变更导航路线,并保证变更路线时不变更回之前预测过的拥堵路段;多次循环后直至预测到所有路线均不再发生拥堵,并将最终得到的导航路线发送至所有出行者;
其中,N是不引发对应道路拥堵的最大出行者数量;
其中,若一个车辆内有多个出行者,则将该多个出行者看做一个统一出行者,并将该车辆内的所有出行者的参照ETI得分相加后作为该统一出行者的参照ETI得分参与排序。
优选的,在S1.2步骤中,基础分数A由以下方式确定:步行为100分,自行车为90分,公共交通工具为80分,电动汽车为70分,混合动力汽车为60分,燃油汽车为50分。
优选的,在S1.3步骤中,第一评价因子B由以下方式确定:非高峰时段为50分,高峰时段为-50分。
优选的,在S1.4步骤中,第二评价因子C由以下方式确定:处于非拥堵道路时为50分,处于拥堵道路时为-50分。
优选的,所述高峰时段为早上7:00~9:00以及下午5:00~7:00。
优选的,S1.4以及S3中,根据以下拥堵指数CI来判断路线是否拥堵:
CI = (V/C) × (1/S)
其中V为路线上的车辆数量;C为路线可容纳的最高车辆数量;S为路线的行车速度;
若CI大于预设阈值,则判定路线拥堵,否则判定路线不拥堵。
本发明将交通管理从静态的、单一维度的管理模式提升至动态的、多维度的评估管理模式,有益效果明显,具体表现在以下几个方面:
提升交通效率:该方法通过实时计算每个出行者的ETI得分,然后通过云端分析并调整最短导航路线,有效预测并防止拥堵路段的发生,这大大提高了交通效率。同时,它还考虑了出行者的出行时间,并对非高峰时段的出行者进行积极奖励,进一步平衡了交通流量,避免了交通拥堵。
鼓励环保出行:基于出行方式对ETI得分的影响,步行、自行车等环保出行方式得到了更高的分数,这种评分机制鼓励公众选择环保出行方式,有利于提高城市的绿色出行比例,减少碳排放,对环保有显著的推动作用。
强化激励机制:对高ETI得分的出行者提供奖励,如购物券、免费停车券等,这样的奖励机制有助于激励公众积极改善自己的出行方式,从而提高总体ETI得分,同时也提高了公众的出行体验。
优化交通规划:此方法通过使用拥堵指数(CI)预测拥堵路线,有助于交通规划部门科学地进行道路规划和交通调度,从而优化整个城市交通系统的运行。
提升车辆利用效率:对于拥有多个出行者的车辆,将其看作一个统一出行者进行ETI得分计算,这不仅鼓励了车辆共享,降低了单一车辆的出行者数量,也提高了车辆的利用效率,减轻了交通压力。
提升道路利用效率:在导航过程中,能够有效地平衡各条道路的交通压力,保证了各条道路的利用效率。
附图说明
图1是本发明方法示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作描述。
如图1所示,本发明一种基于生态通行指数改善交通的方法,总体方案包括:
S1:根据出行者的实时出行方式,出行时间和路线情况,实时计算ETI得分;具体包括以下子步骤:
S1.1:确定出行者的实时出行方式,至少包括步行、自行车、公共交通工具、电动汽车、混合动力汽车、燃油汽车;
S1.2:根据出行方式,分别给予每种出行方式以基础分数A,其中每种出行方式的基础分数的数值从大到小排序如下:步行>自行车>公共交通工具>电动汽车>混合动力汽车>燃油汽车;
S1.3:根据出行者的出行时间是否为高峰时段给予第一评价因子B,其中,如果是非高峰时段,B为大于0的数值,如果是高峰时段,B为小于等于0的数值;
S1.4:根据出行者是否处于拥堵道路给予第二评价因子C,如果处于非拥堵道路,C为大于0的数值,如果处于拥堵道路,C为小于等于0的数值;
S1.5:实时计算A+B+C,作为该出行者的实时ETI得分;
S2:将实时ETI得分对一天中的出行时间进行积分,并除以总出行时间,作为一天的总体ETI得分;所述总体ETI得分高于预设阈值时,对应出行者将会获得对应的激励;所述激励至少包括可选的购物券、免费停车券、免费加油券、免费充电券;
当天的所述总体ETI得分将会作为下一次出行日对应的参照ETI得分,用于S3中的导航;
S3:在未发生拥堵时,将所有出行者将出发地、出发时间、目的地发送至云端;云端分析所有出行者的出发地、出发时间、目的地,并对每个出行者生成最短导航路线,并根据所有最短导航路线进行分析并预测拥堵道路,对将要进入该拥堵道路的出行者的参照ETI得分进行排序,将排序得到的前N个出行者的导航路线设为不变,而将剩余出行者的导航路线变更至仅次于最短导航路线的次短一级的导航路线;变更导航路线后,按相同的方式重新进行导航路线的分析、预测拥堵道路、变更导航路线,并保证变更路线时不变更回之前预测过的拥堵路段;多次循环后直至预测到所有路线均不再发生拥堵,并将最终得到的导航路线发送至所有出行者;
其中,N是不引发对应道路拥堵的最大出行者数量;
其中,若一个车辆内有多个出行者,则将该多个出行者看做一个统一出行者,并将该车辆内的所有出行者的参照ETI得分相加后作为该统一出行者的参照ETI得分参与排序。
其中,在S1.2步骤中,基础分数A由以下方式确定:步行为100分,自行车为90分,公共交通工具为80分,电动汽车为70分,混合动力汽车为60分,燃油汽车为50分。
其中,在S1.3步骤中,第一评价因子B由以下方式确定:非高峰时段为50分,高峰时段为-50分。
其中,在S1.4步骤中,第二评价因子C由以下方式确定:处于非拥堵道路时为50分,处于拥堵道路时为-50分。
其中,所述高峰时段为早上7:00~9:00以及下午5:00~7:00。
其中,S1.4以及S3中,根据以下拥堵指数CI来判断路线是否拥堵:
CI=(V/C)×(1/S)
其中V为路线上的车辆数量;C为路线可容纳的最高车辆数量;S为路线的行车速度;
若CI大于预设阈值,则判定路线拥堵,否则判定路线不拥堵。
在以下实施例中,本发明考虑如何进行识别出行者的实时出行方式。这需要将各种出行方式如步行、自行车、公共交通工具、电动汽车、混合动力汽车和燃油汽车区分开来。下面是一些基于物联网技术的解决方案:
步行:可以使用智能手机或智能手表中的传感器(例如加速度计和陀螺仪)来检测步行模式。步行产生的加速度模式与其他出行方式不同,通常包括一种类似震动的模式,这是由于行走中的步伐产生的。
自行车:同样,自行车也有其特定的移动模式,通过使用设备上的加速度计和GPS数据,可以检测到与步行或汽车不同的速度和加速度模式。另一种可能的方法是安装一个特定的设备到自行车上,如一个特定的RFID标签,或者一个能够连接到用户的智能手机应用的蓝牙设备。
公共交通工具:对于公共交通,可以使用公交或地铁系统的API,通过GPS跟踪公共交通的位置,然后将这些数据与用户的GPS数据进行比对。如果匹配,就可以认为用户正在使用公共交通。另一种可能的方法是在公共交通工具上安装RFID标签或QR码,用户可以通过自己的手机扫描以标记他们正在乘坐公共交通。
电动汽车/混合动力汽车/燃油汽车:对于这些交通工具,可以使用OBD-II(On-boarddiagnostics)设备,这是一个在现代汽车上用来诊断车辆状况的通用接口。OBD-II设备可以提供包括车速、油耗、电池电压等信息,这些信息可以用来确定车辆的类型。例如,如果车辆的电池电压很高,但油耗为零,那么这可能是一辆电动汽车。另一种可能的方法是使用车辆的VIN(VehicleIdentificationNumber)来确定车辆的类型,VIN是车辆的唯一标识,其中包含了车辆的相关信息,包括制造商、车辆类型等。
共享汽车和电动自行车服务:对于这些服务,可以通过服务提供商的API获取用户的使用信息。
在以下一个实施例中将说明如何具体通过系统设置实现本发明方法,其只是其中一种系统设置方式:
1.云端服务:
云端服务可以使用AmazonWebServices(AWS)的一系列工具和服务实现。
使用AmazonEC2实例部署主要的数据处理和计算服务器。EC2可以根据需求自动伸缩,保证了在高峰时期仍能快速处理数据。
AmazonS3用于存储传感器和用户应用程序传输的数据。这些数据包括用户出行方式,ETI得分,路线情况等。
使用AmazonDynamoDB作为主要的数据库服务,存储和查询用户的历史ETI得分,激励情况,以及个人信息等。
利用AmazonKinesis处理实时流数据,从道路传感器接收车流量和车速等数据,并实时计算出拥堵指数。
使用AmazonSageMaker进行机器学习模型的训练和部署,用于预测拥堵路段和计算最优导航路线。
2.用户端应用:
用户手机上的应用程序是一个多功能的交通工具。利用GPS和加速度传感器以及其他传感器(如陀螺仪,指南针)确定用户的出行方式。例如,如果GPS显示用户速度很慢并且加速度变化很小,那么可以判断用户正在步行。
利用手机的内置时钟和日历功能确定出行时间。应用程序会在后台持续运行,并且每隔一定时间(例如5分钟)就将用户的出行方式,出行时间和GPS位置等信息发送到云端。
应用程序接收来自云端的导航建议,并利用内置的地图API(例如GoogleMapsAPI或AppleMapsAPI)显示给用户。当用户的总体ETI得分高于预设阈值时,应用程序会接收到云端发来的激励通知,并通过推送通知显示给用户。
3.道路传感器:
道路传感器可以包括车流量传感器,车速传感器,车辆类型传感器等。这些传感器可以通过无线网络(如4G,5G或Wi-Fi)将数据实时传输到云端。这些传感器应该均匀分布在城市的主要路段和交通节点,以获取全面准确的路况信息。道路传感器的数据可以用于计算拥堵指数,预测拥堵路段,以及评估系统的效果和性能。
这个系统能够处理大量的实时数据,快速做出决策,有效改善交通状况,同时鼓励公众环保出行。除此之外,还可以包括其他组件:
服务器端API:服务器端将具备一套RESTfulAPI,通过这套API,用户端应用程序能够向云端服务发送用户的出行信息、获取ETI得分、接收导航建议以及激励奖励等信息。API的安全性将通过OAuth2或JWT等技术进行保障,确保数据的安全传输。
用户端应用程序的用户界面(UI):用户端应用程序将具有友好的用户界面,提供直观的ETI得分显示、实时导航、激励奖励的通知等功能。此外,还应提供一些个性化设置,如夜间模式、路线偏好设置等。
数据分析和报告系统:在服务器端将包括一个数据分析和报告系统,这个系统能够汇总、分析各类数据,如用户的ETI得分分布、拥堵路段统计、激励奖励发放情况等,从而为城市交通管理部门提供决策支持。
5.系统的安全性和隐私保护:
所有传输的数据将通过SSL或者TLS协议加密,确保数据在传输过程中的安全性。
用户的个人信息和位置数据将受到严格的保护,遵循相关的数据保护法规,例如GDPR。用户的这些数据只会用于计算ETI得分和生成导航建议,不会用于任何其他目的。
从上面可以看到,这个基于ETI的交通改善系统是一个复杂而完整的系统,包括云端服务、用户端应用程序、道路传感器等多个组件,通过高度的数据整合和智能化的决策算法,可以有效地提高城市交通的效率,减少交通拥堵,同时鼓励更环保的出行方式。
关于本发明的导航算法的部分,在以下实施例中可以进一步细化:
生成最短导航路线:对于每个出行者,本发明首先使用诸如Dijkstra的最短路径算法来计算从出发地到目的地的最短路线。这将需要一个实时更新的道路网络数据,包括道路的长度、速度限制和当前交通状态等信息。预测拥堵道路:首先,本发明将所有生成的最短路径中的道路段统计出来,并计算在未来的出行时间段内,每段道路上可能的车辆数量。这可以通过将即将在这些道路上行驶的车辆数加上现有的车辆数来预测。如果预计的车辆数量超过了该道路的容量,本发明就将其标记为预计拥堵。
参考ETI得分排序:对于预测将会拥堵的道路,本发明将计算所有将要进入这条道路的出行者的参照ETI得分,并按照这个得分进行排序。这个得分是出行者出行方式、出行时间以及是否处于拥堵道路的综合考量,越高的得分代表越环保的出行方式和更合理的出行时间选择。
调整导航路线:在排序后,本发明将为ETI得分最高的前N个出行者保留最短路线,而为剩余的出行者寻找新的路线。新的路线将是次短的,且不包括之前预测为拥堵的道路段。本发明可以通过修改最短路径算法的权重函数,使得被标记为拥堵的道路段在计算中被赋予一个非常高的代价,从而在生成新的路径时自动避开。
重复上述步骤:调整路线后,本发明需要重新进行拥堵预测、ETI得分排序和路线调整。每次迭代后,都将减少即将在预测拥堵的道路上行驶的车辆数,直到所有的道路都不再预测为拥堵。这个过程可能需要多次迭代,但由于每次迭代都在减少拥堵,所以最终一定会找到一种满足所有人出行需要且不会引发拥堵的路线分配方式。
处理多个出行者的情况:如果一个车辆内有多个出行者,本发明将把他们视为一个统一的出行者。在进行ETI得分排序时,本发明将他们的得分加总。这意味着,一个车辆中的多个出行者,如果他们的出行方式和出行时间都比较环保,他们的总得分可能会很高,从而有更大的可能性保留最短路线。相加而不是取平均的方式,还能够保证更多人的车辆获得更高优先权,从而鼓励人们进行拼车,减少拥堵和碳排放。
以上所述,仅为本发明较佳的具体实施方式,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披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于生态通行指数改善交通的方法,其特征在于,包括:
S1:根据出行者的实时出行方式,出行时间和路线情况,实时计算ETI得分;具体包括以下子步骤:
S1.1:确定出行者的实时出行方式,至少包括步行、自行车、公共交通工具、电动汽车、混合动力汽车、燃油汽车;
S1.2:根据出行方式,分别给予每种出行方式以基础分数A,其中每种出行方式的基础分数的数值从大到小排序如下:步行>自行车>公共交通工具>电动汽车>混合动力汽车>燃油汽车;
S1.3:根据出行者的出行时间是否为高峰时段给予第一评价因子B,其中,如果是非高峰时段,B为大于0的数值,如果是高峰时段,B为小于等于0的数值;
S1.4:根据出行者是否处于拥堵道路给予第二评价因子C,如果处于非拥堵道路,C为大于0的数值,如果处于拥堵道路,C为小于等于0的数值;
S1.5:实时计算A+B+C,作为该出行者的实时ETI得分;
S2:将实时ETI得分对一天中的出行时间进行积分,并除以总出行时间,作为一天的总体ETI得分;当出行者的总体ETI得分高于预设阈值时,出行者将会获得对应的激励;所述激励至少包括可选的购物券、免费停车券、免费加油券、免费充电券;
当天的所述总体ETI得分将会作为下一次出行日对应的参照ETI得分,用于S3中的导航;
S3:在未发生拥堵时,将所有出行者将出发地、出发时间、目的地发送至云端;云端分析所有出行者的出发地、出发时间、目的地,并对每个出行者生成最短导航路线,并根据所有最短导航路线进行分析并预测拥堵道路,对将要进入该拥堵道路的出行者的参照ETI得分进行排序,将排序得到的前N个出行者的导航路线设为不变,而将剩余出行者的导航路线变更至仅次于最短导航路线的次短一级的导航路线;变更导航路线后,按相同的方式重新进行导航路线的分析、预测拥堵道路、变更导航路线,并保证变更路线时不变更回之前预测过的拥堵路段;多次循环后直至预测到所有路线均不再发生拥堵,并将最终得到的导航路线发送至所有出行者;
其中,N是不引发对应道路拥堵的最大出行者数量;
其中,若一个车辆内有多个出行者,则将该多个出行者看做一个统一出行者,并将该车辆内的所有出行者的参照ETI得分相加后作为该统一出行者的参照ETI得分参与排序。
2.根据权利要求1所述基于生态通行指数改善交通的方法,其特征在于,
在S1.2步骤中,基础分数A由以下方式确定:步行为100分,自行车为90分,公共交通工具为80分,电动汽车为70分,混合动力汽车为60分,燃油汽车为50分。
3.根据权利要求1所述基于生态通行指数改善交通的方法,其特征在于,在S1.3步骤中,第一评价因子B由以下方式确定:非高峰时段为50分,高峰时段为-50分。
4.根据权利要求1所述基于生态通行指数改善交通的方法,其特征在于,在S1.4步骤中,第二评价因子C由以下方式确定:处于非拥堵道路时为50分,处于拥堵道路时为-50分。
5.根据权利要求1所述基于生态通行指数改善交通的方法,其特征在于,所述高峰时段为早上7:00~9:00以及下午5:00~7:00。
6.根据权利要求1所述基于生态通行指数改善交通的方法,其特征在于,
S1.4以及S3中,根据以下拥堵指数CI来判断路线是否拥堵:
CI = (V/C) × (1/S)
其中V为路线上的车辆数量;C为路线可容纳的最高车辆数量;S为路线的行车速度;
若CI大于预设阈值,则判定路线拥堵,否则判定路线不拥堵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310842022.1A CN116579905A (zh) | 2023-07-11 | 2023-07-11 | 一种基于生态通行指数改善交通的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310842022.1A CN116579905A (zh) | 2023-07-11 | 2023-07-11 | 一种基于生态通行指数改善交通的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116579905A true CN116579905A (zh) | 2023-08-11 |
Family
ID=87536155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310842022.1A Pending CN116579905A (zh) | 2023-07-11 | 2023-07-11 | 一种基于生态通行指数改善交通的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116579905A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117709692A (zh) * | 2024-02-06 | 2024-03-15 | 四川绿豆芽信息技术有限公司 | 一种碳指标发放方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598372A (zh) * | 2018-11-21 | 2019-04-09 | 山东师范大学 | 基于绿色共享交通的出行方案规划方法和共享交通系统 |
CN109993215A (zh) * | 2019-03-08 | 2019-07-09 | 浙江大学 | 一种基于交通大数据的柔性限行管理方法 |
US20220222556A1 (en) * | 2020-04-30 | 2022-07-14 | Shandong Jiaotong University | Road traffic jam early warning method and system |
CN114923500A (zh) * | 2022-06-21 | 2022-08-19 | 陈好峰 | 一种基于大数据的疏散拥堵路段车辆的导航方法及其系统 |
CN115018122A (zh) * | 2022-05-05 | 2022-09-06 | 北京航空航天大学 | 一种基于大数据的公共交通出行激励方案优化方法 |
KR20230032331A (ko) * | 2021-08-30 | 2023-03-07 | 주식회사 써브 | 내비게이션을 통한 경로 및 운전가이드 제공 시스템 및 방법 |
-
2023
- 2023-07-11 CN CN202310842022.1A patent/CN116579905A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598372A (zh) * | 2018-11-21 | 2019-04-09 | 山东师范大学 | 基于绿色共享交通的出行方案规划方法和共享交通系统 |
CN109993215A (zh) * | 2019-03-08 | 2019-07-09 | 浙江大学 | 一种基于交通大数据的柔性限行管理方法 |
US20220222556A1 (en) * | 2020-04-30 | 2022-07-14 | Shandong Jiaotong University | Road traffic jam early warning method and system |
KR20230032331A (ko) * | 2021-08-30 | 2023-03-07 | 주식회사 써브 | 내비게이션을 통한 경로 및 운전가이드 제공 시스템 및 방법 |
CN115018122A (zh) * | 2022-05-05 | 2022-09-06 | 北京航空航天大学 | 一种基于大数据的公共交通出行激励方案优化方法 |
CN114923500A (zh) * | 2022-06-21 | 2022-08-19 | 陈好峰 | 一种基于大数据的疏散拥堵路段车辆的导航方法及其系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117709692A (zh) * | 2024-02-06 | 2024-03-15 | 四川绿豆芽信息技术有限公司 | 一种碳指标发放方法及系统 |
CN117709692B (zh) * | 2024-02-06 | 2024-05-03 | 四川绿豆芽信息技术有限公司 | 一种碳指标发放方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | T-finder: A recommender system for finding passengers and vacant taxis | |
CN101339042B (zh) | 一种个性化的动态路况信息生成及导航系统 | |
KR102552013B1 (ko) | 목적지 예측 기반 차량 제어 방법 및 시스템 | |
JP5350703B2 (ja) | 交通情報生成装置、コンピュータプログラム、及び交通情報の生成方法 | |
CN106969777A (zh) | 路径预测装置以及路径预测方法 | |
Liu et al. | Exploiting heterogeneous human mobility patterns for intelligent bus routing | |
Djavadian et al. | Multi-objective eco-routing for dynamic control of connected & automated vehicles | |
CN104121918A (zh) | 一种实时路径规划的方法和系统 | |
CN107063278A (zh) | 一种车辆导航系统、导航方法及其车辆 | |
EP4135358A1 (en) | Method, apparatus, and computer program product for predicting electric vehicle charge point utilization | |
He et al. | Congestion avoidance routing based on large-scale social signals | |
Rong et al. | Mining efficient taxi operation strategies from large scale geo-location data | |
CN110118567A (zh) | 出行方式推荐方法及装置 | |
Fagan et al. | Intelligent time of arrival estimation | |
Foell et al. | Catch me if you can: Predicting mobility patterns of public transport users | |
CN116579905A (zh) | 一种基于生态通行指数改善交通的方法 | |
Liu et al. | Themis: A participatory navigation system for balanced traffic routing | |
CN104596534B (zh) | 一种计算最优行车路径的方法 | |
Wang et al. | Large-scale intelligent taxicab scheduling: A distributed and future-aware approach | |
Hou et al. | Towards efficient vacant taxis cruising guidance | |
JP2014066655A (ja) | 経路探索装置及び経路探索方法 | |
CN115060278A (zh) | 基于多目标遗传算法的车辆智能换电导航方法和系统 | |
CN202650258U (zh) | 一种交通拥堵信息发布系统 | |
Tafidis et al. | Exploring crowdsourcing information to predict traffic-related impacts | |
Saber et al. | Rothar: Real-time on-line traffic assignment with load estimation |
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 |