CN117173899B - 一种智慧城市交通出行品质评价方法 - Google Patents
一种智慧城市交通出行品质评价方法 Download PDFInfo
- Publication number
- CN117173899B CN117173899B CN202311451863.6A CN202311451863A CN117173899B CN 117173899 B CN117173899 B CN 117173899B CN 202311451863 A CN202311451863 A CN 202311451863A CN 117173899 B CN117173899 B CN 117173899B
- Authority
- CN
- China
- Prior art keywords
- road
- roads
- monitoring
- traffic
- representative
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000013441 quality evaluation Methods 0.000 title description 7
- 238000012544 monitoring process Methods 0.000 claims abstract description 264
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims description 30
- 206010039203 Road traffic accident Diseases 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 7
- 239000000428 dust Substances 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 4
- 238000012502 risk assessment Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims 4
- 238000012545 processing Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 13
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于数据处理技术领域,具体公开一种智慧城市交通出行品质评价方法,通过将城市中存在的道路按照等级划分为各级道路,并从各级道路中选取代表道路,进而针对代表道路进行路况监测、行车状态监测和路面状态监测,并根据监测结果分析城市道路的交通拥堵指数、行车违规指数、交通风险指数和路面质量系数,将其作为评价参数综合进行交通出行品质评价,由此通过将评价关注点充分落实到人和物上,实现了城市道路交通出行品质的多维合理评价,同时更加凸显智慧交通建设的特点,大大提高了评价结果的可靠度,有利于对城市道路发展现状的有效科学反馈。
Description
技术领域
本发明属于数据处理技术领域,具体涉及到一种智慧城市交通出行品质评价方法。
背景技术
智慧城市建设是一种城市规划和管理的方法,旨在充分利用信息和通信技术以提高城市的可持续性、效率、安全性和生活质量,智慧城市建设包括智能交通建设、智能住宅建设、智能环境建设等,其中智能交通建设因直接涉及到城市居民的日常生活、城市的经济活动以及城市的整体可持续性,使其重要性更为凸显。
在进行智慧交通建设时为了能够让城市规划者更好地了解城市道路的发展现状,制定更合理的道路规划,通过分析城市交通数据,对城市道路的交通出行品质进行评价成为反馈道路发展现状的有效途径。
然而现有技术在评价城市道路的交通出行品质时其关注点通常落在交通拥堵上,是作用在物上的,具体来说为交通拥堵很大程度上是由于路面短时间内车流量过大导致的,其作用对象是路面,忽略了对人的关注,智慧交通建设最大的特点就是以人为本,更看重城市交通的人文建设,如交通违规、交通事故,这些都是由于人的交通行为不当引发的,不仅会降低城市交通的文明度,还存在交通安全隐患,极大影响了交通出行品质,同时交通出行品质本质也是站在出行者人的角度进行评价的,由此可见现有技术单纯依据交通拥堵进行交通出行品质评价,使得评价维度过于单一,且未凸显智慧交通建设的特点,导致评价结果存在片面性,可靠度不高,在一定程度上降低了对道路发展现状的反馈效果。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种智慧城市交通出行品质评价方法,通过将交通出行品质的评价关注点落实到人和物上,有效解决了现有技术存在的问题。
本发明的目的可以通过以下技术方案实现:一种智慧城市交通出行品质评价方法,包括:S1、城市道路划分:将目标城市中存在的道路按照等级划分为各级道路,并从各级道路中选取代表道路。
S2、交通拥堵指数分析:设定监测周期及监测时段,其中监测周期由各监测日组成,进而利用交通监测设备在各监测日所在监测时段对各级道路对应的代表道路进行路况监测,得到各路段的路况信息,其中路况信息包为有效通行车辆数量及各通行车辆的有效移动速度,并据此分析各级道路对应代表道路的交通拥堵指数。
S3、行车违规及交通风险分析:利用交通监测设备在各监测日所在监测时段对各级道路对应的代表道路进行行车状态监测,得到各路段的行车违规信息和交通事故信息,其中行车违规信息包括违规车辆数量和各违规车辆的违规类型,交通事故信息包括交通事故发生频次及各次交通事故的关联车辆数量和现场维持时长,并据此分析各级道路对应代表道路的行车违规指数和交通风险指数。
S4、路面质量分析:在各监测日所在监测时段获取各级道路对应代表道路的路面状态信息,由此分析各级道路对应代表道路的路面质量系数。
S5、交通出行品质评价:基于各级道路对应代表道路的交通拥堵指数、行车违规指数、交通风险指数和路面质量系数评价目标城市对应的交通出行品质系数,具体评价公式为:
式中、/>、/>、/>分别表示为第/>级道路对应代表道路的路面质量系数、交通拥堵指数、行车违规指数、交通风险指数,/>表示为道路等级编号,/>,/>表示为目标城市存在的道路等级数量,/>表示为第/>级道路对应的权衡因子,且/>。
作为本发明的进一步创新,所述从各级道路中选取代表道路参见下述过程:确定历史分析时段,并在历史分析时段对应的各分析日内获取各级道路对应各条道路的车流量,进而进行均值计算,得到各级道路对应各条道路的平均车流量。
从各级道路对应各条道路的平均车流量中选取最大平均车流量对应的道路作为各级道路对应的代表道路。
作为本发明的进一步创新,所述各路段的具体获取方式如下:统计各级道路对应代表道路中布设的交通监测设备数量,并获取各交通监测设备对应的道路覆盖区域。
从道路覆盖区域中提取起点线和终点线,其中起点线和终点线构成了路段,由此将各级道路对应代表道路划分成各路段。
作为本发明的进一步创新,所述路况信息的具体监测过程如下:
将监测时段按照预设的间隔时长进行划分,得到若干监测时刻。
在各监测日所处监测时段的各监测时刻利用各路段的交通监测设备采集各路段的交通状态图像,进而从图像中统计通行车辆数量,并记录各通行车辆的车牌号,同时定位各通行车辆的行车位置。
将各监测时刻出现的通行车辆进行去重处理,得到监测时段存在的所有通行车辆,并进行计数,得到监测时段对应的通行车辆总数量。
将各监测时刻与下一监测时刻出现的通行车辆进行对比,从中筛选出对比一致的通行车辆,作为相邻监测时刻对应的参照通行车辆。
将相邻监测时刻对应的参照通行车辆与监测时段中存在的所有通行车辆进行匹配,若存在匹配失败的通行车辆,则在监测时段存在的所有通行车辆中剔除相应车辆,并统计剔除后的通行车辆数量,作为有效通行车辆数量。
将相邻监测时刻对应参照通行车辆的行车位置进行对比,得到参照通行车辆的行车距离,并结合预设的间隔时长计算得到相邻监测时刻对应参照通行车辆的移动速度。
将相邻监测时刻对应参照通行车辆的移动速度进行对比,进而将相同参照通行车辆对应的相邻监测时刻进行归类,得到各通行车辆对应的若干相邻监测时刻,进而将同一通行车辆在各相邻监测时刻的移动速度进行均值计算,得到各通行车辆的有效移动速度。
作为本发明的进一步创新,所述分析各级道路对应代表道路的交通拥堵指数参见下述过程:(1)获取各级道路对应代表道路的限制行驶速度。
(2)将各监测日所在监测时段内各级道路对应代表道路中各路段的路况信息结合限制行驶速度通过表达式:
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的通行效率系数,e表示为自然常数。
(3)将各监测日所在监测时段内各级道路对应代表道路中各路段的通行效率系数进行相互对比,从中选取最小通行效率系数作为各监测日所在监测时段内各级道路对应代表道路的象征通行效率系数。
(4)以监测日为横坐标,以象征通行效率系数为纵坐标,构建二维坐标系,由此针对各监测日所在监测时段内各级道路对应代表道路的象征通行效率系数在所构建的二维坐标系内标注若干点,形成象征通行效率系数变化曲线,进而针对变化曲线分析得到各级道路对应代表道路的常态象征通行效率系数。
(5)利用分析公式:
分析出各级道路对应代表道路的交通拥堵指数。
作为本发明的进一步创新,所述分析各级道路对应代表道路的行车违规指数包括下述步骤:从交管系统获取各违规类型对应的驾驶证需求扣分数,进而将各违规车辆的违规类型与各违规类型对应的驾驶证需求扣分数进行匹配,得到各违规车辆的驾驶证需求扣分数,记为各违规车辆的扣分数。
将各监测日所在监测时段内各级道路对应代表道路中各路段的行车违规信息导入分析公式:
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的行车违规指数。
将各监测日所在监测时段内各级道路对应代表道路中各路段的行车违规指数进行相互对比,从中选取最大行车违规指数作为各监测日所在监测时段内各级道路对应代表道路的象征行车违规指数,并同理按照(4)分析出各级道路对应代表道路的行车违规指数。
作为本发明的进一步创新,所述交通风险指数的具体分析过程如下:将各路段的交通事故信息通过表达式:
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的交通风险指数,式中a、b分别表示为设定的关联车辆数量、现场维持时长对应的占比因子。
将各监测日所在监测时段内各级道路对应代表道路中各路段的交通风险指数进行相互对比,从中选取最大交通风险指数作为各监测日所在监测时段内各级道路对应代表道路的象征交通风险指数,并同理按照(4)分析出各级道路对应代表道路的交通风险指数。
作为本发明的进一步创新,所述路面状态信息包括路面平整度、路面噪音响度和路面粉尘浓度。
作为本发明的进一步创新,所述分析各级道路对应代表道路的路面质量系数参见下述步骤:将各路段的路面状态信息导入表达式:
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的路面质量系数。
将各监测日所在监测时段内各级道路对应代表道路中各路段的路面质量系数进行相互对比,从中选取最小路面质量系数作为各监测日所在监测时段内各级道路对应代表道路的象征路面质量系数,并同理按照(4)分析出各级道路对应代表道路的路面质量系数。
作为本发明的进一步创新,所述的具体获取方式为:将目标城市中存在的各级道路与参考信息库中存储的各级道路对应的权衡因子进行匹配,从中匹配出各级道路对应的权衡因子。
相较于现有技术,本发明的有益效果如下:1、本发明通过对城市道路进行路况监测、行车状态监测和路面状态监测,并根据监测结果分析城市道路的交通拥堵指数、行车违规指数、交通风险指数和路面质量系数,将其作为评价参数综合进行交通出行品质评价,由此通过将评价关注点充分落实到人和物上,实现了交通出行品质的多维合理评价,同时更加凸显智慧交通建设的特点,大大提高了评价结果的可靠度,有利于对城市道路发展现状的有效科学反馈。
2、本发明在评价城市道路的交通出行品质时考虑到城市中存在的道路众多,通过将城市中存在的道路按照等级划分为各级道路,并从各级道路中选取代表道路,进而针对代表道路进行交通出行品质评价,一方面能够最大限度增加评价主体的覆盖面,避免出现只对城市中的个别道路进行交通出行品质评价造成的以偏概全,另一方面通过对各级道路的代表道路进行评价,不是针对所有道路,大大减少了评价的工作量,使得评价效率得到有效提升。
3、本发明在对城市道路进行路况监测、行车状态监测和路面状态监测时通过划定监测时段,具体为高峰通行时段,由此在道路的高峰通行时段进行监测会更加合理有效,才会使监测结果更加符合要求,从而最大限度提高了监测结果的使用价值。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明的实施步骤示意图。
图2为本发明中各路段的划分示意图。
图3为本发明中象征通行效率系数变化曲线示意图。
附图标记:1——起点线,2——道路覆盖区域,3——终点线。
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所示,本发明提出一种智慧城市交通出行品质评价方法,包括:
S1、城市道路划分:将目标城市中存在的道路按照等级划分为各级道路,并从各级道路中选取代表道路。
在上述方案的示例中道路等级可具体划分为主干道路、次要道路、局部道路。
需要特殊说明的是,由于城市道路的交通出行对机动车的影响最大,因而本发明是以机动车的通行为主体进行的。
优选地,从各级道路中选取代表道路参见下述过程:确定历史分析时段,并在历史分析时段对应的各分析日内获取各级道路对应各条道路的车流量,进而进行均值计算,得到各级道路对应各条道路的平均车流量。
应用于上述实施例,车流量的获取方式为利用各级道路对应各条道路入口处的交通监测设备采集各分析日内的车辆通行视频,以此获取各级道路对应各条道路在各分析日内的通行车辆数量,并将其进行均值计算,得到各级道路对应各条道路在历史分析时段内的平均通行车辆数量,再将其除以分析日的时长,得到各级道路对应各条道路的平均车流量。
从各级道路对应各条道路的平均车流量中选取最大平均车流量对应的道路作为各级道路对应的代表道路。
本发明从各级道路中选取较大车流量对应的道路作为目标道路,其目的在于道路的车流量越大,对交通出行的影响越大,而这又是本发明所需求的,因而选取较大车流量对应的道路作为目标道路会更加合理,符合实际需求。
本发明在评价城市道路的交通出行品质时考虑到城市中存在的道路众多,通过将城市中存在的道路按照等级划分为各级道路,并从各级道路中选取代表道路,进而针对代表道路进行交通出行品质评价,一方面能够最大限度增加评价主体的覆盖面,避免出现只对城市中的个别道路进行交通出行品质评价造成的以偏概全,另一方面通过对各级道路的代表道路进行评价,不是针对所有道路,大大减少了评价的工作量,使得评价效率得到有效提升。
S2、交通拥堵指数分析:设定监测周期及监测时段,其中监测周期由各监测日组成,进而利用交通监测设备在各监测日所在监测时段对各级道路对应的代表道路进行路况监测,得到各路段的路况信息,其中路况信息包为有效通行车辆数量及各通行车辆的有效移动速度,并据此分析各级道路对应代表道路的交通拥堵指数。
需要知道的是,本发明设定的监测时段为出行高峰时段,例如早高峰时段:7:00—9:00,晚高峰时段:17:00——19:00。
本发明在对城市道路进行路况监测、行车状态监测和路面状态监测时通过划定监测时段,具体为高峰通行时段,由此在道路的高峰通行时段进行监测会更加合理有效,才会使监测结果更加符合要求,从而最大限度提高了监测结果的使用价值。
优选地,交通监测设备为监控摄像头。
在上述方案中,各路段的具体获取方式如下:统计各级道路对应代表道路中布设的交通监测设备数量,并基于交通监测设备的规格型号获取交通监测设备的监测区域范围,由此将交通监测设备的监测区域范围结合各交通监测设备在道路上的布设位置获取各交通监测设备对应的道路覆盖区域。
从道路覆盖区域中提取起点线和终点线,其中起点线和终点线构成了路段,由此将各级道路对应代表道路划分成各路段,参见图2所示。
又一优选地,路况信息的具体监测过程如下:将监测时段按照预设的间隔时长进行划分,得到若干监测时刻。
作为上述方案的一个示例,监测时段为7:00—9:00,设定的时间间隔为5min,则划分得到的监测时刻分别为7:05、7:10、7:15、7:20……9:00。
在各监测日所处监测时段的各监测时刻利用各路段的交通监测设备采集各路段的交通状态图像,进而从图像中统计通行车辆数量,并记录各通行车辆的车牌号,同时定位各通行车辆的行车位置。
将各监测时刻出现的通行车辆进行去重处理,得到监测时段存在的所有通行车辆,并进行计数,得到监测时段对应的通行车辆总数量。
将各监测时刻与下一监测时刻出现的通行车辆进行对比,从中筛选出对比一致的通行车辆,作为相邻监测时刻对应的参照通行车辆。
将相邻监测时刻对应的参照通行车辆与监测时段中存在的所有通行车辆进行匹配,若存在匹配失败的通行车辆,则在监测时段存在的所有通行车辆中剔除相应车辆,并统计剔除后的通行车辆数量,作为有效通行车辆数量。
将相邻监测时刻对应参照通行车辆的行车位置进行对比,得到参照通行车辆的行车距离,并除以预设的间隔时长计算得到相邻监测时刻对应参照通行车辆的移动速度。
将相邻监测时刻对应参照通行车辆的移动速度进行对比,进而将相同参照通行车辆对应的相邻监测时刻进行归类,得到各通行车辆对应的若干相邻监测时刻,进而将同一通行车辆在各相邻监测时刻的移动速度进行均值计算,得到各通行车辆的有效移动速度。
在上述方案的优化实施中,各级道路对应代表道路的交通拥堵指数参见下述过程:(1)获取各级道路对应代表道路的限制行驶速度,例如60km/h、80km/h等。
(2)将各监测日所在监测时段内各级道路对应代表道路中各路段的路况信息结合限制行驶速度通过表达式:
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的通行效率系数,e表示为自然常数,其中各通行车辆的有效移动速度越接近限制行驶速度,通行效率系数越大,表明通行效率越高,越不容易发生交通拥堵。
(3)将各监测日所在监测时段内各级道路对应代表道路中各路段的通行效率系数进行相互对比,从中选取最小通行效率系数作为各监测日所在监测时段内各级道路对应代表道路的象征通行效率系数。
本发明通过以最小通行效率系数作为象征通行效率系数,其目的在于通行效率系数越小,越容易造成交通拥堵,越符合本发明的分析需求。
(4)以监测日为横坐标,以象征通行效率系数为纵坐标,构建二维坐标系,由此针对各监测日所在监测时段内各级道路对应代表道路的象征通行效率系数在所构建的二维坐标系内标注若干点,形成象征通行效率系数变化曲线,参照图3所示,进而针对变化曲线分析得到各级道路对应代表道路的常态象征通行效率系数,具体分析过程如下:
(41)分别获取象征通行效率系数变化曲线在各点的切线斜率绝对值,并进行均值计算,得到象征通行效率系数变化曲线的平均斜率。
(42)将象征通行效率系数变化曲线的平均斜率与设置的限定值进行对比,若平均斜率小于或等于限定值,则取各监测日所在监测时段内各级道路对应代表道路的象征通行效率系数平均数作为各级道路对应代表道路的常态象征通行效率系数,反之则取各监测日所在监测时段内各级道路对应代表道路的象征通行效率系数中位数作为各级道路对应代表道路的常态象征通行效率系数。
(5)利用分析公式:
分析出各级道路对应代表道路的交通拥堵指数。
S3、行车违规及交通风险分析:利用交通监测设备在各监测日所在监测时段对各级道路对应的代表道路进行行车状态监测,得到各路段的行车违规信息和交通事故信息,其中行车违规信息包括违规车辆数量和各违规车辆的违规类型,交通事故信息包括交通事故发生频次及各次交通事故的关联车辆数量和现场维持时长,并据此分析各级道路对应代表道路的行车违规指数和交通风险指数。
优选地,各级道路对应代表道路的行车违规指数包括下述分析步骤:从交管系统获取各违规类型对应的驾驶证需求扣分数,例如闯红灯对应的驾驶证需求扣分数为6分,超速行驶对应的驾驶证需求扣分数为3分,进而将各违规车辆的违规类型与各违规类型对应的驾驶证需求扣分数进行匹配,得到各违规车辆的驾驶证需求扣分数,记为各违规车辆的扣分数。
将各监测日所在监测时段内各级道路对应代表道路中各路段的行车违规信息导入分析公式:
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的行车违规指数,其中违规车辆数量越多,违规车辆的扣分数越多,行车违规指数越大。
将各监测日所在监测时段内各级道路对应代表道路中各路段的行车违规指数进行相互对比,从中选取最大行车违规指数作为各监测日所在监测时段内各级道路对应代表道路的象征行车违规指数,并同理按照(4)分析出各级道路对应代表道路的行车违规指数,具体同理过程如下:以监测日为横坐标,以象征行车违规指数为纵坐标,构建二维坐标系,由此针对各监测日所在监测时段内各级道路对应代表道路的象征行车违规指数在所构建的二维坐标系内标注若干点,形成象征行车违规指数变化曲线,进而分别获取变化曲线在各点的切线斜率绝对值,并进行均值计算,得到象征行车违规指数变化曲线的平均斜率。
将象征行车违规指数变化曲线的平均斜率与设置的限定值进行对比,若平均斜率小于或等于限定值,则取各监测日所在监测时段内各级道路对应代表道路的象征行车违规指数平均数作为各级道路对应代表道路的行车违规指数,反之则取各监测日所在监测时段内各级道路对应代表道路的象征行车违规指数中位数作为各级道路对应代表道路的行车违规指数。
进一步优选地,交通风险指数的具体分析过程如下:将各路段的交通事故信息通过表达式:
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的交通风险指数,式中a、b分别表示为设定的关联车辆数量、现场维持时长对应的占比因子,其中交通事故的关联车辆越多,现场维持时长越长,交通风险指数越大。
将各监测日所在监测时段内各级道路对应代表道路中各路段的交通风险指数进行相互对比,从中选取最大交通风险指数作为各监测日所在监测时段内各级道路对应代表道路的象征交通风险指数,并同理按照(4)分析出各级道路对应代表道路的交通风险指数,具体同理过程如下:以监测日为横坐标,以象征交通风险指数为纵坐标,构建二维坐标系,由此针对各监测日所在监测时段内各级道路对应代表道路的象征交通风险指数在所构建的二维坐标系内标注若干点,形成象征交通风险指数变化曲线,进而分别获取变化曲线在各点的切线斜率绝对值,并进行均值计算,得到象征交通风险指数变化曲线的平均斜率。
将象征交通风险指数变化曲线的平均斜率与设置的限定值进行对比,若平均斜率小于或等于限定值,则取各监测日所在监测时段内各级道路对应代表道路的象征交通风险指数平均数作为各级道路对应代表道路的交通风险指数,反之则取各监测日所在监测时段内各级道路对应代表道路的象征交通风险指数中位数作为各级道路对应代表道路的交通风险指数。
S4、路面质量分析:在各监测日所在监测时段获取各级道路对应代表道路的路面状态信息,其中路面状态信息包括路面平整度、路面噪音响度和路面粉尘浓度,由此分析各级道路对应代表道路的路面质量系数,具体分析过程为:将各路段的路面状态信息导入表达式:
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的路面质量系数,其中路面噪音响度越小,路面粉尘浓度越小,路面平整度越大,路面质量系数越大。
在具体的实施例中,路面状态信息的获取方式为利用平整度仪在各监测日所在监测时段对各级道路对应代表道路中各路段进行路面平整度检测,利用声级计在各监测日所在监测时段对各级道路对应代表道路中各路段进行路面噪音响度检测,利用颗粒物传感器在各监测日所在监测时段对各级道路对应代表道路中各路段进行路面粉尘浓度检测。
将各监测日所在监测时段内各级道路对应代表道路中各路段的路面质量系数进行相互对比,从中选取最小路面质量系数作为各监测日所在监测时段内各级道路对应代表道路的象征路面质量系数,并同理按照(4)分析出各级道路对应代表道路的路面质量系数,具体分析过程如下:以监测日为横坐标,以象征路面质量系数为纵坐标,构建二维坐标系,由此针对各监测日所在监测时段内各级道路对应代表道路的象征路面质量系数在所构建的二维坐标系内标注若干点,形成象征路面质量系数变化曲线,进而分别获取变化曲线在各点的切线斜率绝对值,并进行均值计算,得到象征路面质量系数变化曲线的平均斜率。
将象征路面质量系数变化曲线的平均斜率与设置的限定值进行对比,若平均斜率小于或等于限定值,则取各监测日所在监测时段内各级道路对应代表道路的象征路面质量系数平均数作为各级道路对应代表道路的路面质量系数,反之则取各监测日所在监测时段内各级道路对应代表道路的象征路面质量系数中位数作为各级道路对应代表道路的路面质量系数。
S5、交通出行品质评价:基于各级道路对应代表道路的交通拥堵指数、行车违规指数、交通风险指数和路面质量系数评价目标城市对应的交通出行品质系数,具体评价公式为:
式中、/>、/>、/>分别表示为第/>级道路对应代表道路的路面质量系数、交通拥堵指数、行车违规指数、交通风险指数,/>表示为道路等级编号,/>,/>表示为目标城市存在的道路等级数量,/>表示为第/>级道路对应的权衡因子,且/>,其中/>的具体获取方式为:将目标城市中存在的各级道路与参考信息库中存储的各级道路对应的权衡因子进行匹配,从中匹配出各级道路对应的权衡因子。
在上式中道路的交通拥堵指数、行车违规指数和交通风险指数对交通出行品质的影响为负影响,路面质量系数对交通出行品质的影响为正影响。
本发明在实施过程中还用到了参考信息库,用于存储各级道路对应的权衡因子。
本发明通过对城市道路进行路况监测、行车状态监测和路面状态监测,并根据监测结果分析城市道路的交通拥堵指数、行车违规指数、交通风险指数和路面质量系数,将其作为评价参数综合进行交通出行品质评价,由此通过将评价关注点充分落实到人和物上,实现了交通出行品质的多维合理评价,同时更加凸显智慧交通建设的特点,大大提高了评价结果的可靠度,有利于对城市道路发展现状的有效科学反馈。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (5)
1.一种智慧城市交通出行品质评价方法,其特征在于,包括:
S1、城市道路划分:将目标城市中存在的道路按照等级划分为各级道路,并从各级道路中选取代表道路;
S2、交通拥堵指数分析:设定监测周期及监测时段,其中监测周期由各监测日组成,进而利用交通监测设备在各监测日所在监测时段对各级道路对应的代表道路进行路况监测,得到各路段的路况信息,其中路况信息为有效通行车辆数量及各通行车辆的有效移动速度,并据此分析各级道路对应代表道路的交通拥堵指数;
S3、行车违规及交通风险分析:利用交通监测设备在各监测日所在监测时段对各级道路对应的代表道路进行行车状态监测,得到各路段的行车违规信息和交通事故信息,其中行车违规信息包括违规车辆数量和各违规车辆的违规类型,交通事故信息包括交通事故发生频次及各次交通事故的关联车辆数量和现场维持时长,并据此分析各级道路对应代表道路的行车违规指数和交通风险指数;
S4、路面质量分析:在各监测日所在监测时段获取各级道路对应代表道路的路面状态信息,由此分析各级道路对应代表道路的路面质量系数;
S5、交通出行品质评价:基于各级道路对应代表道路的交通拥堵指数、行车违规指数、交通风险指数和路面质量系数评价目标城市对应的交通出行品质系数,具体评价公式为:
;
式中、/>、/>、/>分别表示为第/>级道路对应代表道路的路面质量系数、交通拥堵指数、行车违规指数、交通风险指数,/>表示为道路等级编号,/>,/>表示为目标城市存在的道路等级数量,/>表示为第/>级道路对应的权衡因子,且/>;
所述分析各级道路对应代表道路的交通拥堵指数参见下述过程:
(1)获取各级道路对应代表道路的限制行驶速度;
(2)将各监测日所在监测时段内各级道路对应代表道路中各路段的路况信息结合限制行驶速度通过表达式:
;
计算出各监测日所在监测时段内各级道路对应代表道路中各路
段的通行效率系数,e表示为自然常数;
(3)将各监测日所在监测时段内各级道路对应代表道路中各路段的通行效率系数进行相互对比,从中选取最小通行效率系数作为各监测日所在监测时段内各级道路对应代表道路的象征通行效率系数;
(4)以监测日为横坐标,以象征通行效率系数为纵坐标,构建二维坐标系,由此针对各监测日所在监测时段内各级道路对应代表道路的象征通行效率系数在所构建的二维坐标系内标注若干点,形成象征通行效率系数变化曲线,进而针对变化曲线分析得到各级道路对应代表道路的常态象征通行效率系数;
(41)分别获取象征通行效率系数变化曲线在各点的切线斜率绝对值,并进行均值计算,得到象征通行效率系数变化曲线的平均斜率;
(42)将象征通行效率系数变化曲线的平均斜率与设置的限定值进行对比,若平均斜率小于或等于限定值,则取各监测日所在监测时段内各级道路对应代表道路的象征通行效率系数平均数作为各级道路对应代表道路的常态象征通行效率系数,反之则取各监测日所在监测时段内各级道路对应代表道路的象征通行效率系数中位数作为各级道路对应代表道路的常态象征通行效率系数;
(5)利用分析公式:
分析出各级道路对应代表道路的交通拥堵指数;
所述分析各级道路对应代表道路的行车违规指数包括下述步骤:
从交管系统获取各违规类型对应的驾驶证需求扣分数,进而将各违规车辆的违规类型与各违规类型对应的驾驶证需求扣分数进行匹配,得到各违规车辆的驾驶证需求扣分数,记为各违规车辆的扣分数;
将各监测日所在监测时段内各级道路对应代表道路中各路段的行车违规信息导入分析公式:
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的行车违规指数;
将各监测日所在监测时段内各级道路对应代表道路中各路段的行车违规指数进行相互对比,从中选取最大行车违规指数作为各监测日所在监测时段内各级道路对应代表道路的象征行车违规指数,并同理按照(4)分析出各级道路对应代表道路的行车违规指数;
所述交通风险指数的具体分析过程如下:
将各路段的交通事故信息通过表达式:
;
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的交通风险指数,式中a、b分别表示为设定的关联车辆数量、现场维持时长对应的占比因子;
将各监测日所在监测时段内各级道路对应代表道路中各路段的交通风险指数进行相互对比,从中选取最大交通风险指数作为各监测日所在监测时段内各级道路对应代表道路的象征交通风险指数,并同理按照(4)分析出各级道路对应代表道路的交通风险指数;
所述路面状态信息包括路面平整度、路面噪音响度和路面粉尘浓度;所述分析各级道路对应代表道路的路面质量系数参见下述步骤:
将各路段的路面状态信息导入表达式:
;
计算出各监测日所在监测时段内各级道路对应代表道路中各路段的路面质量系数;
将各监测日所在监测时段内各级道路对应代表道路中各路段的路面质量系数进行相互对比,从中选取最小路面质量系数作为各监测日所在监测时段内各级道路对应代表道路的象征路面质量系数,并同理按照(4)分析出各级道路对应代表道路的路面质量系数。
2.如权利要求1所述的一种智慧城市交通出行品质评价方法,其特征在于:所述从各级道路中选取代表道路参见下述过程:
确定历史分析时段,并在历史分析时段对应的各分析日内获取各级道路对应各条道路的车流量,进而进行均值计算,得到各级道路对应各条道路的平均车流量;
从各级道路对应各条道路的平均车流量中选取最大平均车流量对应的道路作为各级道路对应的代表道路。
3.如权利要求1所述的一种智慧城市交通出行品质评价方法,其特征在于:所述各路段的具体获取方式如下:
统计各级道路对应代表道路中布设的交通监测设备数量,并获取各交通监测设备对应的道路覆盖区域;
从道路覆盖区域中提取起点线和终点线,其中起点线和终点线构成了路段,由此将各级道路对应代表道路划分成各路段。
4.如权利要求1所述的一种智慧城市交通出行品质评价方法,其特征在于:所述路况信息的具体监测过程如下:
将监测时段按照预设的间隔时长进行划分,得到若干监测时刻;
在各监测日所处监测时段的各监测时刻利用各路段的交通监测设备采集各路段的交通状态图像,进而从图像中统计通行车辆数量,并记录各通行车辆的车牌号,同时定位各通行车辆的行车位置;
将各监测时刻出现的通行车辆进行去重处理,得到监测时段存在的所有通行车辆,并进行计数,得到监测时段对应的通行车辆总数量;
将各监测时刻与下一监测时刻出现的通行车辆进行对比,从中筛选出对比一致的通行车辆,作为相邻监测时刻对应的参照通行车辆;
将相邻监测时刻对应的参照通行车辆与监测时段中存在的所有通行车辆进行匹配,若存在匹配失败的通行车辆,则在监测时段存在的所有通行车辆中剔除相应车辆,并统计剔除后的通行车辆数量,作为有效通行车辆数量;
将相邻监测时刻对应参照通行车辆的行车位置进行对比,得到参照通行车辆的行车距离,并结合预设的间隔时长计算得到相邻监测时刻对应参照通行车辆的移动速度;
将相邻监测时刻对应参照通行车辆的移动速度进行对比,进而将相同参照通行车辆对应的相邻监测时刻进行归类,得到各通行车辆对应的若干相邻监测时刻,进而将同一通行车辆在各相邻监测时刻的移动速度进行均值计算,得到各通行车辆的有效移动速度。
5.如权利要求1所述的一种智慧城市交通出行品质评价方法,其特征在于:所述的具体获取方式为:将目标城市中存在的各级道路与参考信息库中存储的各级道路对应的权衡因子进行匹配,从中匹配出各级道路对应的权衡因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311451863.6A CN117173899B (zh) | 2023-11-03 | 2023-11-03 | 一种智慧城市交通出行品质评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311451863.6A CN117173899B (zh) | 2023-11-03 | 2023-11-03 | 一种智慧城市交通出行品质评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117173899A CN117173899A (zh) | 2023-12-05 |
CN117173899B true CN117173899B (zh) | 2024-01-30 |
Family
ID=88945407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311451863.6A Active CN117173899B (zh) | 2023-11-03 | 2023-11-03 | 一种智慧城市交通出行品质评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117173899B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584565A (zh) * | 2018-12-25 | 2019-04-05 | 天津易华录信息技术有限公司 | 一种交通安全评价系统及其评价指数计算方法 |
CN111429717A (zh) * | 2020-02-27 | 2020-07-17 | 贵州智诚科技有限公司 | 一种城市快速路道路运行能力评估方法 |
AU2020101738A4 (en) * | 2020-08-10 | 2020-09-17 | Annapu Reddy, Brahmananda Reddy DR | Automated real-time driving behavioural modelling analysis and reporting in denser traffic using data mining |
CN112991719A (zh) * | 2021-01-28 | 2021-06-18 | 北京奥泽尔科技发展有限公司 | 一种基于拥堵画像的交通拥堵预测方法及系统 |
CN113327418A (zh) * | 2021-05-31 | 2021-08-31 | 同济大学 | 一种快速路拥堵风险分级实时预测方法 |
CN113935319A (zh) * | 2021-10-29 | 2022-01-14 | 中国建设银行股份有限公司 | 一种预警交通行业违规风险的多级模型方法及系统 |
-
2023
- 2023-11-03 CN CN202311451863.6A patent/CN117173899B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584565A (zh) * | 2018-12-25 | 2019-04-05 | 天津易华录信息技术有限公司 | 一种交通安全评价系统及其评价指数计算方法 |
CN111429717A (zh) * | 2020-02-27 | 2020-07-17 | 贵州智诚科技有限公司 | 一种城市快速路道路运行能力评估方法 |
AU2020101738A4 (en) * | 2020-08-10 | 2020-09-17 | Annapu Reddy, Brahmananda Reddy DR | Automated real-time driving behavioural modelling analysis and reporting in denser traffic using data mining |
CN112991719A (zh) * | 2021-01-28 | 2021-06-18 | 北京奥泽尔科技发展有限公司 | 一种基于拥堵画像的交通拥堵预测方法及系统 |
CN113327418A (zh) * | 2021-05-31 | 2021-08-31 | 同济大学 | 一种快速路拥堵风险分级实时预测方法 |
CN113935319A (zh) * | 2021-10-29 | 2022-01-14 | 中国建设银行股份有限公司 | 一种预警交通行业违规风险的多级模型方法及系统 |
Non-Patent Citations (6)
Title |
---|
Highway_safety_influencing_factors_in_cold_regions;Xue-jing Du 等;《Advances in Mechanical Engineering》;第12卷(第10期);第1-13页 * |
基于属性识别理论的快速路交通安全态势评估方法研究;吴杰;《城市道桥与防洪》(第12期);第137-141页 * |
基于影响系数的高速公路行车风险评估模型;邱磊 等;《公路交通科技》;第37卷(第3期);第123-129页 * |
基于效率、安全与环保的城市平交口综合评价体系;胡功宏;胡魁;;北华大学学报(自然科学版)(第05期);第669-675页 * |
太原市道路服务水平评价体系研究;高荣;《山西交通科技》(第249期);第95-98页 * |
胡功宏 ; 胡魁 ; .基于效率、安全与环保的城市平交口综合评价体系.北华大学学报(自然科学版).2018,(第05期),第669-675页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117173899A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
WO2020244288A1 (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
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 | |
CN104392610B (zh) | 基于分布式视频的高速路交通事件影响范围动态监控方法 | |
CN103839409B (zh) | 基于多断面视觉传感聚类分析的交通流状态判别方法 | |
CN103258430B (zh) | 路段旅行时间统计、以及交通路况判定方法和装置 | |
CN107085943B (zh) | 一种道路旅行时间短期预测方法和系统 | |
He et al. | Incident duration prediction with hybrid tree-based quantile regression | |
CN109147330A (zh) | 一种拥堵识别方法及装置 | |
CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
CN104157156A (zh) | 一种高速公路危险路段车速动态管理预警方法 | |
CN103150930A (zh) | 针对快速道路常发性拥堵路段的追尾事故实时预测方法 | |
Loulizi et al. | Steady‐State Car‐Following Time Gaps: An Empirical Study Using Naturalistic Driving Data | |
CN103150900A (zh) | 一种基于视频的交通拥堵事件自动检测方法 | |
US20220383738A1 (en) | Method for short-term traffic risk prediction of road sections using roadside observation data | |
CN108629982B (zh) | 一种基于旅行时间分布规律的路段车辆数估计方法 | |
Meng et al. | Expressway crash prediction based on traffic big data | |
CN108447265A (zh) | 基于topsis法的公路交通事故黑点路段鉴别方法 | |
CN109785627A (zh) | 一种十字路口交通流量监控系统 | |
CN114550445B (zh) | 一种城市区域交通安全状态评估方法和装置 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN109035775A (zh) | 一种突发事件识别的方法及装置 | |
Zhai et al. | Comparative analysis of drive-cycles, speed limit violations, and emissions in two cities: Toronto and Beijing | |
CN117173899B (zh) | 一种智慧城市交通出行品质评价方法 | |
CN115497306A (zh) | 一种基于gis数据的速度区间权重计算方法 |
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 |