CN116580565A - 一种基于云计算的政务大数据分析系统 - Google Patents
一种基于云计算的政务大数据分析系统 Download PDFInfo
- Publication number
- CN116580565A CN116580565A CN202310849428.2A CN202310849428A CN116580565A CN 116580565 A CN116580565 A CN 116580565A CN 202310849428 A CN202310849428 A CN 202310849428A CN 116580565 A CN116580565 A CN 116580565A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- traffic
- road
- area
- coefficient
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000001556 precipitation Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 210000005036 nerve Anatomy 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims description 2
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 8
- 230000000903 blocking effect Effects 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于云计算的政务大数据分析系统,涉及数据处理分析技术领域,获取气象条件数据并建立气象条件数据集及气象系数,若取气象系数大于气象阈值,通过预警单元向外部发出第一预警信息;建立城区道路模型,由数据通信单元向车辆发出位置分享请求,以获取车辆的位置信息;请求获取车辆导航信息,以获城区道路车流模型;将城区的道路网络分割为若干个交通子区域,并在城区道路车流模型上进行标记;获取各个交通子区域的路况系数,将交通子区域区分为高负荷区域及低负荷区域,发送至处于行驶状态下的车辆上。以获取的城区道路车流模型,结合车辆的流动信息,在产生交通堵塞时,对车辆进行调度,以减缓交通压力。
Description
技术领域
本发明涉及数据处理分析技术领域,具体为一种基于云计算的政务大数据分析系统。
背景技术
在各种政务数据中,与民众关系最为紧密的是交通数据,每天交通数据的处理和分析,可以对民众的车辆驾驶起到指导作用。而对交通数据进行处理时,为了保障算力的充足,通常还会采用云计算技术。
在下班后车辆高峰期,一旦遇见下雨,交通网络内道路的路况变差,道路会产生较大程度的拥堵,为了减少车辆的拥堵,现有的政务大数据分析系统在对交通数据进行处理时,通常只会标记出产生拥堵的区域,难以对缓解车辆拥堵起到进一步的指导作用。
为此,本发明提供了一种基于云计算的政务大数据分析系统。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于云计算的政务大数据分析系统,通过获取气象条件数据并建立气象条件数据集及气象系数,若取气象系数大于气象阈值,通过预警单元向外部发出第一预警信息;建立城区道路模型,由数据通信单元向车辆发出位置分享请求,以获取车辆的位置信息;请求获取车辆导航信息,以获城区道路车流模型;将城区的道路网络分割为若干个交通子区域,并在城区道路车流模型上进行标记;获取各个交通子区域的路况系数,将交通子区域区分为高负荷区域及低负荷区域,发送至处于行驶状态下的车辆上。以获取的城区道路车流模型,结合车辆的流动信息,在产生交通堵塞时,对车辆进行调度,以减缓交通压力,从而解决了背景中的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种基于云计算的政务大数据分析系统,包括气象监测单元、数据通信单元、处理单元及预警单元,由气象监测单元对当前的气象条件进行监测,获取气象条件数据并建立气象条件数据集,并进而生成气象系数Qxs;以形成的气象系数Qxs对当前的车辆行驶条件进行判断;获取气象系数Qxs并预先设置气象阈值,若取气象系数Qxs大于气象阈值,通过预警单元向外部发出第一预警信息;
查询并获取城区内的道路网络信息,在训练后建立城区道路模型,在接收到第一预警信息后,使数据通信单元在城区内处于行驶状态的车辆保持通信状态,由数据通信单元向车辆发出位置分享请求,以获取各个行驶状态下的车辆的实时位置信息;
将若干个车辆的实时位置信息在城区道路模型上标记,在获取车辆的实时位置信息后,再请求获取车辆导航信息,所述导航信息至少包括:车辆行驶的目的地,以及要抵达目的时所规划的行驶路径;将各个车辆的目的地及时行驶时路径在城区道路模型上标记,以获城区道路车流模型;获取城区内的若干个道路枢纽的位置信息并以其作为中心,由处理单元使用训练后的分类器将城区的道路网络分割为若干个交通子区域,并在城区道路车流模型上进行标记;
由所述处理单元获取各个交通子区域的路况系数Lxs,将路况系数Lxs高于路况阈值的交通子区域确定为高负荷区域,将剩余的交通子区域标记为低负荷区域;并将其中路况系数Lxs最高的三个区域在区道路车流模型上进行显著性标记;将对交通子区域的标记结果由数据通信单元发送至处于行驶状态下的车辆上。
进一步的,从标记后的城区道路车流模型中获取每个交通子区域内当前每公里道路内车辆的平均数量,以该平均数量作为车流密度Cm,获取若干个车辆的驾驶速度 ,在平均后获取行驶速度Xv;结合车辆在交通子区域的位置及其要抵达的目的地位置,获取其驶出所在的交通子区域所需要耗费的行程,获取交通子区域内若干个车辆的行程的平均值生成未行驶里程Wx。
进一步的,气象条件数据集的建立方式如下:若当前已经开始降雨时,以获取的当前每小时内的平均降雨量作为降雨量Jr,并获取当前条件下的驾驶员的能见度Nd;将降雨量Jr及能见度Nd汇总,建立气象条件数据集;气象系数Qxs的生成方式如下:对气象条件数据集中的降雨量Jr及能见度Nd无量纲处理后,依照如下公式:
其中,参数意义为:降雨因子,,能见度因子,,为常数修正系数。
进一步的,由所述处理单元汇总车流密度Cm、行驶速度Xv及未行驶里程Wx,建立道路车况数据集;并生成路况系数Lxs;其中,所述路况系数Lxs的生成方式如下:
其中,参数意义为:为密度因子,为速度因子,,
为里程因子,;为常数修正系数。
进一步的,还包括预测分析单元,通过获取区道路车流模型上的当前车况数据,使用神经卷积模型在训练和测试后,建立车辆行驶数字孪生模型;获取并汇总城区内的道路网络内的车辆导航信息,道路车况数据及气象条件数据,作为车辆行驶数字孪生模型的数据输入,由预测分析单元在仿真分析后,对预设时间内道路网络内的车辆的行驶速度等数据进行预测,获取预测结果。
进一步的,从预测结果中分别获取各个车辆的车流密度Cm、行驶速度Xv及未行驶里程Wx,再次获取各个交通子区域的路况系数Lxs;若对应的交通子区域的路况系数Lxs的增加速度超过预设的速度阈值时,由预警单元向外发出第二预警信息。
进一步的,依据路况系数Lxs的变化,对子区域的负荷程度的变化进行预测;若低负荷区域即将向高负荷区域转化,由预警单元向外发出第二预警信息;第二预警信息由调度单元及位于路网络内的车辆接收,并在其导航界面上显示。
进一步的,在接收到第二预警信息后,在预测周期内,若城区内的道路网络仍处于持续降雨状态,获取各个交通子区域内的降水变化率Rv;若路况系数Lxs会产生变化,获取路况系数Lxs的路况变化速率Bv,并生成负荷调整系数Fxs。
进一步的,还包括调度单元,获取各个交通子区域的负荷调整系数Fxs,当负荷调整系数Fxs高于调整阈值时,将对应的交通子区域标记为待调度区域;并将剩余的交通子区域标记为非调度区域;使用调度单元集合车辆的导航信息,若非调度区域内车辆的行驶路径即将贯穿待调度区域,则引导该车辆重新规划行驶路径,以避开待调度区域,并提高行驶速度;若待调度区域内车辆的行驶路径即将贯穿待调度区域,则引导该车辆进入非调度区域内。
进一步的,负荷调整系数Fxs建立方式如下:路况变化速率Bv及降水变化率Rv以预测周期作为间隔,沿着时间轴连续获取若干个,做无量纲处理后,依照如下公式生成:
其中,,,且,为权重,其具体值由用户调
整设置;
其中,为路况变化速率Bv的移动预期均值,为降水变化率Rv的移动预期均值,n
为路况变化速率Bv及降水变化率Rv的获取次数。
(三)有益效果
本发明提供了一种基于云计算的政务大数据分析系统,具备以下有益效果:
1、在接收到第一预警信息后,由数据通信单元与处于道路网络内的车辆进行通信,获取车辆的位置和导航数据,以获取的城区道路车流模型,从而可以结合车辆的流动信息,可以在产生交通堵塞时,对车辆进行调度,以减缓交通压力,保障车辆的正常行驶;并将对交通子区域的标记结果由数据通信单元发送至处于行驶状态下的车辆上,车辆的驾驶人员能够及时获取当前的路况,可以自行调整车辆行驶策略,避免车辆在下雨天气下,交通网络进一步的产生拥堵。
2、通过建立车辆行驶数字孪生模型,以对车辆的行驶状态进行预测并获取预测结果及路况系数Lxs的预测值,依据路况系数Lxs对负荷程度的变化进行预测,在车辆获取到第二预警信息时,可以提前制定行驶策略以避开高负荷区域,避免车辆自身进入拥堵路段,使车辆能够保持正常行驶状态。
3、以负荷调整系数Fxs的值来判断交通子区域,特别是其中的高负荷区域是否需要进行调度和调整,并在将交通子区域区分为待调度区域和非调度区域后,分别执行对应的处理策略;以减少待调度区域内车辆的汇入量,减少堵塞的进一步严重化,对于非调度区域,则以提速减缓堵塞,对城区的交通网络的拥堵形成缓解;并且在必要时,能够借助于车辆行驶数字孪生模型的仿真分析,结合车辆的位置信息,给出车对车辆的驾驶建议;在区分出高负荷区域的基础上,进一步的给出调度建议,保障交通网络运行的稳定性。
附图说明
图1为本发明政务大数据分析系统的流程示意图;
图中:10、气象监测单元;20、数据通信单元;30、处理单元;40、预测分析单元;50、预警单元;60、调度单元。
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。
请参阅图1,本发明提供一种基于云计算的政务大数据分析系统,包括气象监测单元10、数据通信单元20、处理单元30、预测分析单元40、预警单元50及调度单元60,其中,
在城市区域进入下班高峰期时,若天气开始阴暗,开始下雨或者即将下雨时,由气象监测单元10对当前的气象条件进行监测,获取气象条件数据并建立气象条件数据集,并进而生成气象系数Qxs;以形成的气象系数Qxs对当前的车辆行驶条件进行判断;
其中,气象条件数据集的建立方式如下:若当前已经开始降雨时,以获取的当前每小时内的平均降雨量作为降雨量Jr,并获取当前条件下的驾驶员的能见度Nd;将降雨量Jr及能见度Nd汇总,建立气象条件数据集;其中,气象系数Qxs的生成方式如下:对气象条件数据集中的降雨量Jr及能见度Nd无量纲处理后,依照如下公式:
其中,参数意义为:降雨因子,,能见度因子,,为常数修正系数。
需要说明的是,由本领域技术人员采集多组样本数据并对每一组样本数据设定对
应的预设比例系数;将设定的预设比例系数和采集的样本数据代入公式,任意两个公式构
成二元一次方程组,将计算得到的系数进行筛选并取均值,得到的取值;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数;只要不影响参数与量化后数值的比例关系即可。
获取气象系数Qxs并预先设置气象阈值,若取气象系数Qxs大于气象阈值,则说明此时城区的交通网络可能在当前的天气条件下产生的一定的堵车,通过预警单元50向外部发出第一预警信息,例如,接收第一预警信息的可以为调度单元60;
使用时,在向外部或者调度单元60发出第一预警信息,此时,管理端的管理人员能够及时的获知当前车辆的行驶环境,在需要时,能够提前对车辆的运行和行驶提前进行规划和调度,减少城区内的拥堵;
查询并获取城区内的道路网络信息,例如,高架桥及隧道等,结合道路的位置、路宽等,在训练后建立城区道路模型,并将城区内的交通主干道在所述的城区道路模型上标记;在接收到第一预警信息后,使数据通信单元20在城区内处于行驶状态的车辆保持通信状态,由数据通信单元20向车辆发出位置分享请求,以获取各个行驶状态下的车辆的实时位置信息;
将若干个车辆的实时位置信息在城区道路模型上标记,同时,在获取车辆的实时位置信息后,再请求获取车辆导航信息,所述导航信息至少包括:车辆行驶的目的地,以及要抵达目的时所规划的行驶路径;将各个车辆的目的地及时行驶时路径在城区道路模型上标记,以获城区道路车流模型;
使用时,在接收到第一预警信息后,由数据通信单元20与处于道路网络内的车辆进行通信,获取车辆的位置和导航数据,以获取的城区道路车流模型,从而可以结合车辆的流动信息,可以在产生交通堵塞时,对车辆进行调度,以减缓交通压力,保障车辆的正常行驶。
参考图1,获取城区内的若干个道路枢纽的位置信息,并以其作为中心,由处理单元30使用训练后的分类器将城区的道路网络分割为若干个交通子区域,并在城区道路车流模型上进行标记;从标记后的城区道路车流模型中获取每个交通子区域内,当前每公里道路内车辆的平均数量,以该平均数量作为车流密度Cm,获取若干个车辆的驾驶速度 ,在平均后获取行驶速度Xv;
结合车辆在交通子区域的位置及其要抵达的目的地位置,获取其驶出所在的交通子区域所需要耗费的行程,获取交通子区域内若干个车辆的行程的平均值生成未行驶里程Wx;由所述处理单元30汇总车流密度Cm、行驶速度Xv及未行驶里程Wx,建立道路车况数据集;并生成路况系数Lxs;其中,所述路况系数Lxs的生成方式如下:
其中,参数意义为:为密度因子,为速度因子,,
为里程因子,;为常数修正系数。
需要说明的是,由本领域技术人员采集多组样本数据并对每一组样本数据设定对
应的预设比例系数;将设定的预设比例系数和采集的样本数据代入公式,任意三个公式构
成三元一次方程组,将计算得到的系数进行筛选并取均值,得到的取值;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数;只要不影响参数与量化后数值的比例关系即可。
使用时,通过路况系数Lxs,能够对各个交通子区域内的路况条件进行判断和评估,从而可以依据路况系数Lxs,对若干个交通子区域进行分类,在产生交通堵塞或者即将产生交通堵塞时,可以及时的进行处理。
参考图1,汇总各个交通子区域的路况系数Lxs,在预先设置了路况阈值的条件下,将路况系数Lxs高于路况阈值的交通子区域确定为高负荷区域,将剩余的交通子区域标记为低负荷区域;并将其中路况系数Lxs最高的三个区域在区道路车流模型上进行显著性标记,例如标记为橙色区域;
使用时,在获取各个交通子区域的路况系数Lxs的基础上,将若干个交通子区域区分为高负荷区域及低负荷区域,并将分类的结果由数据通信单元20发送至处于行驶状态下的车辆上,从而,车辆的驾驶人员能够及时获取当前的路况,可以自行调整车辆行驶策略,避免车辆在下雨天气下,交通网络进一步的产生拥堵。
参考图1,通过获取区道路车流模型上的当前车况数据,例如:路宽、可视度、车距及车速等,使用神经卷积模型,在训练和测试后,建立车辆行驶数字孪生模型;获取并汇总城区内的道路网络内的车辆导航信息,道路车况数据及气象条件数据,作为车辆行驶数字孪生模型的数据输入,由预测分析单元40在仿真分析后,对接下来的预设时间内,例如接下来的五分钟,道路网络内的车辆的行驶速度等数据进行预测,获取预测结果;
从预测结果中分别获取各个车辆的车流密度Cm、行驶速度Xv及未行驶里程Wx等数据,并再次获取各个交通子区域的路况系数Lxs;若对应的交通子区域的路况系数Lxs的增加速度超过预设的速度阈值时,由预警单元50向外发出第二预警信息;
依据路况系数Lxs的变化,对子区域的负荷程度的变化进行预测;若低负荷区域即将向高负荷区域转化,此时由预警单元50向外发出第二预警信息;所述的第二预警信息可以由调度单元60及位于路网络内的车辆接收,并在其导航界面上显示;
使用时,在当前的天气条件下建立车辆行驶数字孪生模型,以对车辆的行驶状态进行预测,并获取预测结果,进一步的获取到路况系数Lxs的预测值,依据路况系数Lxs对负荷程度的变化进行预测,在车辆获取到第二预警信息时,可以提前制定行驶策略以避开高负荷区域,避免车辆自身进入拥堵路段,使车辆能够保持正常行驶状态。
参考图1,在接收到第二预警信息后,在预测周期内,例如以每两分钟为一个预测周期,若城区内的道路网络仍处于持续降雨状态,此时,获取各个交通子区域内的降水变化率Rv;若路况系数Lxs会产生变化,获取路况系数Lxs的路况变化速率Bv,并生成负荷调整系数Fxs;
其中,路况变化速率Bv及降水变化率Rv以预测周期作为间隔,沿着时间轴连续获
取若干个,例如路况变化速率、、及;降水变化率、、及;
对路况变化速率Bv及降水变化率Rv,做无量纲处理后,依照如下公式生成:
其中,,,且1,为权重,其具体值由用户调
整设置;
其中,为路况变化速率Bv的移动预期均值,为降水变化率Rv的移动预期均值。
获取各个交通子区域的负荷调整系数Fxs,并预先设置调整阈值;当负荷调整系数Fxs高于调整阈值时,将对应的交通子区域标记为待调度区域;并将剩余的交通子区域标记为非调度区域;
使用调度单元60集合车辆的导航信息,若非调度区域内车辆的行驶路径即将贯穿待调度区域,则引导该车辆重新规划行驶路径,以避开待调度区域,并提高行驶速度;若待调度区域内车辆的行驶路径即将贯穿待调度区域,则引导该车辆进入非调度区域内。
使用时,在路况变化速率Bv及降水变化率Rv的基础上生成负荷调整系数Fxs,以负荷调整系数Fxs的值来判断交通子区域,特别是其中的高负荷区域是否需要进行调度和调整,并在将交通子区域区分为待调度区域和非调度区域后,分别执行对应的处理策略;以减少待调度区域内车辆的汇入量,减少堵塞的进一步严重化,对于非调度区域,则以提速减缓堵塞,对城区的交通网络的拥堵形成缓解;并且在必要时,能够借助于车辆行驶数字孪生模型的仿真分析,结合车辆的位置信息,给出车对车辆的驾驶建议;在区分出高负荷区域的基础上,进一步的给出调度建议,保障交通网络运行的稳定性。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种基于云计算的政务大数据分析系统,其特征在于:包括气象监测单元(10)、数据通信单元(20)、处理单元(30)及预警单元(50),
由气象监测单元(10)对当前的气象条件进行监测,获取气象条件数据并建立气象条件数据集,并进而生成气象系数Qxs,若取气象系数Qxs大于气象阈值,通过预警单元(50)向外部发出第一预警信息;
查询并获取城区内的道路网络信息,在训练后建立城区道路模型,在接收到第一预警信息后,使数据通信单元(20)在城区内处于行驶状态的车辆保持通信状态,由数据通信单元(20)向车辆发出位置分享请求,以获取各个行驶状态下的车辆的实时位置信息;
将若干个车辆的实时位置信息在城区道路模型上标记,在获取车辆的实时位置信息后,再请求获取车辆导航信息,所述导航信息至少包括:车辆行驶的目的地,以及要抵达目的时所规划的行驶路径;将各个车辆的目的地及时行驶时路径在城区道路模型上标记,以获城区道路车流模型;获取城区内的若干个道路枢纽的位置信息并以其作为中心,由处理单元(30)使用训练后的分类器将城区的道路网络分割为若干个交通子区域,并在城区道路车流模型上进行标记;
由所述处理单元(30)获取各个交通子区域的路况系数Lxs,将路况系数Lxs高于路况阈值的交通子区域确定为高负荷区域,将剩余的交通子区域标记为低负荷区域;并将其中路况系数Lxs最高的三个区域在区道路车流模型上进行显著性标记;将对交通子区域的标记结果由数据通信单元(20)发送至处于行驶状态下的车辆上。
2.根据权利要求1所述的一种基于云计算的政务大数据分析系统,其特征在于:从标记后的城区道路车流模型中获取每个交通子区域内当前每公里道路内车辆的平均数量,以该平均数量作为车流密度Cm,获取若干个车辆的驾驶速度 ,在平均后获取行驶速度Xv;结合车辆在交通子区域的位置及其要抵达的目的地位置,获取其驶出所在的交通子区域所需要耗费的行程,获取交通子区域内若干个车辆的行程的平均值生成未行驶里程Wx。
3.根据权利要求2所述的一种基于云计算的政务大数据分析系统,其特征在于:气象条件数据集的建立方式如下:若当前已经开始降雨时,以获取的当前每小时内的平均降雨量作为降雨量Jr,并获取当前条件下的驾驶员的能见度Nd;将降雨量Jr及能见度Nd汇总,建立气象条件数据集;气象系数Qxs的生成方式如下:对气象条件数据集中的降雨量Jr及能见度Nd无量纲处理后,依照如下公式:
其中,参数意义为:降雨因子/>,/>,能见度因子/>,/>,/>为常数修正系数。
4.根据权利要求2所述的一种基于云计算的政务大数据分析系统,其特征在于:由所述处理单元(30)汇总车流密度Cm、行驶速度Xv及未行驶里程Wx,建立道路车况数据集;并生成路况系数Lxs;其中,所述路况系数Lxs的生成方式如下:
其中,参数意义为:/>为密度因子,/>为速度因子,/>,/>为里程因子,/>;为常数修正系数。
5.根据权利要求2所述的一种基于云计算的政务大数据分析系统,其特征在于:还包括预测分析单元(40),通过获取区道路车流模型上的当前车况数据,使用神经卷积模型在训练和测试后,建立车辆行驶数字孪生模型;获取并汇总城区内的道路网络内的车辆导航信息,道路车况数据及气象条件数据,作为车辆行驶数字孪生模型的数据输入,由预测分析单元(40)在仿真分析后,对预设时间内道路网络内的车辆的行驶速度数据进行预测,获取预测结果。
6.根据权利要求5所述的一种基于云计算的政务大数据分析系统,其特征在于:从预测结果中分别获取各个车辆的车流密度Cm、行驶速度Xv及未行驶里程Wx,再次获取各个交通子区域的路况系数Lxs;若对应的交通子区域的路况系数Lxs的增加速度超过预设的速度阈值时,由预警单元(50)向外发出第二预警信息。
7.根据权利要求6所述的一种基于云计算的政务大数据分析系统,其特征在于:依据路况系数Lxs的变化,对子区域的负荷程度的变化进行预测;若低负荷区域即将向高负荷区域转化,由预警单元(50)向外发出第二预警信息;第二预警信息由调度单元(60)及位于路网络内的车辆接收,并在其导航界面上显示。
8.根据权利要求7所述的一种基于云计算的政务大数据分析系统,其特征在于:在接收到第二预警信息后,在预测周期内,若城区内的道路网络仍处于持续降雨状态,获取各个交通子区域内的降水变化率Rv;若路况系数Lxs会产生变化,获取路况系数Lxs的路况变化速率Bv,并生成负荷调整系数Fxs。
9.根据权利要求8所述的一种基于云计算的政务大数据分析系统,其特征在于:还包括调度单元(60),获取各个交通子区域的负荷调整系数Fxs,当负荷调整系数Fxs高于调整阈值时,将对应的交通子区域标记为待调度区域;并将剩余的交通子区域标记为非调度区域;使用调度单元(60)集合车辆的导航信息,若非调度区域内车辆的行驶路径即将贯穿待调度区域,则引导该车辆重新规划行驶路径,以避开待调度区域,并提高行驶速度;若待调度区域内车辆的行驶路径即将贯穿待调度区域,则引导该车辆进入非调度区域内。
10.根据权利要求9所述的一种基于云计算的政务大数据分析系统,其特征在于:负荷调整系数Fxs建立方式如下:路况变化速率Bv及降水变化率Rv以预测周期作为间隔,沿着时间轴连续获取若干个,做无量纲处理后,依照如下公式生成:
其中,/>,/>,且1,/>为权重,其具体值由用户调整设置;
其中,/>为路况变化速率Bv的移动预期均值,/>为降水变化率Rv的移动预期均值,n为路况变化速率Bv及降水变化率Rv的获取次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310849428.2A CN116580565B (zh) | 2023-07-12 | 2023-07-12 | 一种基于云计算的政务大数据分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310849428.2A CN116580565B (zh) | 2023-07-12 | 2023-07-12 | 一种基于云计算的政务大数据分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116580565A true CN116580565A (zh) | 2023-08-11 |
CN116580565B CN116580565B (zh) | 2023-10-27 |
Family
ID=87534472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310849428.2A Active CN116580565B (zh) | 2023-07-12 | 2023-07-12 | 一种基于云计算的政务大数据分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116580565B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094532A (zh) * | 2023-10-18 | 2023-11-21 | 中国农业科学院果树研究所 | 一种果园智能监测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170262790A1 (en) * | 2016-03-11 | 2017-09-14 | Route4Me, Inc. | Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints |
CN108492554A (zh) * | 2018-03-13 | 2018-09-04 | 辽宁工业大学 | 一种交通数据采集处理系统及其控制方法 |
CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
CN109448367A (zh) * | 2018-10-22 | 2019-03-08 | 卢伟涛 | 一种基于大数据图像采集的智能道路交通追踪管理系统 |
CN112071061A (zh) * | 2020-09-11 | 2020-12-11 | 谢能丹 | 基于云计算和数据分析的车辆服务系统 |
CN112562318A (zh) * | 2020-11-12 | 2021-03-26 | 云南省交通规划设计研究院有限公司 | 一种恶劣天气多发高速公路限速区的速度协同控制方法 |
CN113691629A (zh) * | 2021-08-25 | 2021-11-23 | 北京东华博泰科技有限公司 | 基于区块链与边缘计算的物联网数据管理系统 |
CN113706899A (zh) * | 2021-07-20 | 2021-11-26 | 山东高速集团有限公司创新研究院 | 一种基于高速公路桥面气象结冰预测的交通运行风险防控方法 |
CN114241777A (zh) * | 2022-01-06 | 2022-03-25 | 交通运输部路网监测与应急处置中心 | 一种多源异构联网监测路况预警系统和方法 |
WO2023014311A1 (en) * | 2021-08-06 | 2023-02-09 | Basarsoft Bilgi Teknolojileri Anonim Sirketi | Traffic density estimation system and a method thereof |
-
2023
- 2023-07-12 CN CN202310849428.2A patent/CN116580565B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170262790A1 (en) * | 2016-03-11 | 2017-09-14 | Route4Me, Inc. | Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints |
CN108492554A (zh) * | 2018-03-13 | 2018-09-04 | 辽宁工业大学 | 一种交通数据采集处理系统及其控制方法 |
CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
CN109448367A (zh) * | 2018-10-22 | 2019-03-08 | 卢伟涛 | 一种基于大数据图像采集的智能道路交通追踪管理系统 |
CN112071061A (zh) * | 2020-09-11 | 2020-12-11 | 谢能丹 | 基于云计算和数据分析的车辆服务系统 |
CN112562318A (zh) * | 2020-11-12 | 2021-03-26 | 云南省交通规划设计研究院有限公司 | 一种恶劣天气多发高速公路限速区的速度协同控制方法 |
CN113706899A (zh) * | 2021-07-20 | 2021-11-26 | 山东高速集团有限公司创新研究院 | 一种基于高速公路桥面气象结冰预测的交通运行风险防控方法 |
WO2023014311A1 (en) * | 2021-08-06 | 2023-02-09 | Basarsoft Bilgi Teknolojileri Anonim Sirketi | Traffic density estimation system and a method thereof |
CN113691629A (zh) * | 2021-08-25 | 2021-11-23 | 北京东华博泰科技有限公司 | 基于区块链与边缘计算的物联网数据管理系统 |
CN114241777A (zh) * | 2022-01-06 | 2022-03-25 | 交通运输部路网监测与应急处置中心 | 一种多源异构联网监测路况预警系统和方法 |
Non-Patent Citations (1)
Title |
---|
杨婷婷;李响;: "基于众源数据的实时路况发布系统准确性的评估", 江苏师范大学学报(自然科学版), no. 03 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094532A (zh) * | 2023-10-18 | 2023-11-21 | 中国农业科学院果树研究所 | 一种果园智能监测系统 |
CN117094532B (zh) * | 2023-10-18 | 2023-12-22 | 中国农业科学院果树研究所 | 一种果园智能监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116580565B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108806283A (zh) | 一种交通信号灯的控制方法及车联网平台 | |
CN102968901B (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
US8090524B2 (en) | Determining road traffic conditions using data from multiple data sources | |
CN116580565B (zh) | 一种基于云计算的政务大数据分析系统 | |
CN108806250B (zh) | 一种基于速度采样数据的区域交通拥堵评价方法 | |
CN111341095B (zh) | 一种基于边缘侧在线计算的交通信号控制系统及方法 | |
CN111091295B (zh) | 一种城市区域边界控制系统 | |
CN109559506B (zh) | 一种降雨天气下城市道路间断交通流延误时间预测方法 | |
CN108122408B (zh) | 一种路况监测方法、装置及其用于监测道路路况的系统 | |
CN108447263A (zh) | 基于浮动车的干线协调控制交叉口的信号控制评价方法 | |
CN113112789B (zh) | 城市快速路突发事件的影响预测及管控方法 | |
US12020566B2 (en) | Machine-learning based control of traffic operation | |
CN114419904B (zh) | 一种基于车路云协同的信号机控制系统及控制方法 | |
CN105046983A (zh) | 一种基于车路协同的交通流量预测系统及方法 | |
CN116363891B (zh) | 基于车联网的智慧城市网外运算方法及系统 | |
CN107886718A (zh) | 一种路况分析方法、装置及网络系统 | |
CN104252778A (zh) | 交通信息的采集、处理、发布方法及装置、系统 | |
CN114613145A (zh) | 一种大数据下的客运流量感知预警系统及方法 | |
KR20240032811A (ko) | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 | |
CN117746626A (zh) | 基于车流量的智慧交通管理方法及系统 | |
CN111767644B (zh) | 考虑单隧道限速影响高速公路路段实际通行能力估计方法 | |
US9047495B2 (en) | Identifying impact of a traffic incident on a road network | |
CN112950941B (zh) | 基于大数据的攻击预警分析系统 | |
CN112053570B (zh) | 一种城市交通路网运行状态监测评价方法及系统 | |
CN114038202A (zh) | 一种基于智慧园区交通流量的停车诱导系统及方法 |
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 |