CN117523850B - 一种高速服务区短时拥堵预测方法与系统 - Google Patents
一种高速服务区短时拥堵预测方法与系统 Download PDFInfo
- Publication number
- CN117523850B CN117523850B CN202410023122.6A CN202410023122A CN117523850B CN 117523850 B CN117523850 B CN 117523850B CN 202410023122 A CN202410023122 A CN 202410023122A CN 117523850 B CN117523850 B CN 117523850B
- Authority
- CN
- China
- Prior art keywords
- congestion
- historical
- determining
- service area
- dates
- 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 41
- 208000027744 congestion Diseases 0.000 claims abstract description 475
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims description 48
- 238000012937 correction Methods 0.000 claims description 16
- 238000012502 risk assessment Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种高速服务区短时拥堵预测方法与系统,属于拥堵预测技术领域,具体包括:通过高速服务区的可承载能力以及当前时刻对历史车流量数据进行筛选得到匹配数据,根据匹配数据确定高速服务区在当前时刻下的不同日期的历史拥堵数据,并结合不同日期与当前日期的时间间隔进行历史拥堵风险值的确定,当历史拥堵风险值不满足要求时,通过历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定,基于拥堵预测周期进行高速服务区的车流量的预测得到预测车流量,并通过预测车流量、所述可承载能力以及停放车辆数据进行高速服务区的拥堵风险的确定,从而进一步提升了拥堵预测的效率和准确性。
Description
技术领域
本发明属于拥堵预测技术领域,尤其涉及一种高速服务区短时拥堵预测方法与系统。
背景技术
停车功能是服务区最基本的功能之一,各服务区车位数一般情况下基本满足车辆停靠的需求,但当遇到节假日、高速交通事故等突发情况下,服务区拥挤导致车辆和人流出现规模聚集时会一定程度上提高安全事故的概率,因此如何提前预测拥挤状态并及时向管理人员预警并采取风险前置措施,成为亟待解决的技术问题。
为了解决上述技术问题,现有技术方案中CN202210242879.5《一种高速公路服务区车流量预测方法》中通过将高速公路服务区车流量预测的影响因素作为时序特征提取出来,并将提取出来的时序特征作为模型输入,进行高速公路服务区的车流量预测,但是与此同时,却存在以下技术问题:
造成服务区拥堵的原因除了车流量以外,服务区内部的停放车辆的数量和滞留时间的差异也会导致服务区的拥堵现象的出现,因此若不考虑服务区的停放车辆的数量,则无法准确的实现对服务区的拥堵预测。
针对上述技术问题,本发明提供了一种高速服务区短时拥堵预测方法与系统。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种高速服务区短时拥堵预测方法。
一种高速服务区短时拥堵预测方法,其特征在于,具体包括:
S1通过当前日期的日期类型以及高速服务区的历史车流量数据进行所述日期类型下的存在车辆拥堵的日期的确定,并结合不同的存在车辆拥堵的日期的历史拥堵数据进行历史总体拥堵风险的确定,当所述历史总体拥堵风险满足要求时,进入下一步骤;
S2通过停放车辆数据以及停车位数量进行所述高速服务区的可承载能力的确定,并结合当前时刻对所述历史车流量数据进行筛选得到匹配数据;
S3根据所述匹配数据确定所述高速服务区在当前时刻下的不同日期的历史拥堵数据,并结合不同日期与当前日期的时间间隔进行历史拥堵风险值的确定,当所述历史拥堵风险值不满足要求时,通过所述历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定,并进入下一步骤;
S4基于所述拥堵预测周期进行所述高速服务区的在单位时间内的车流量的预测得到预测车流量,并通过所述预测车流量、所述可承载能力以及停放车辆数据进行所述高速服务区的拥堵风险的确定。
本发明的有益效果在于:
1、通过日期类型下的存在车辆拥堵的日期以及不同的存在车辆拥堵的日期的历史拥堵数据进行历史总体拥堵风险的确定,充分考虑到由于日期类型的不同在不同的日期类型下的存在车辆拥堵的日期以及不同的车辆拥堵的日期的拥堵严重程度的差异,也为实现对拥堵较为严重的日期的筛选奠定了基础。
2、通过历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定,既考虑到由于可承载能力的差异导致的拥堵风险的差异,同时考虑到在相同的条件下的历史拥堵的严重程度和类似日期类型下的拥堵严重程度的差异,实现了差异化的拥堵预测周期的确定,提升了拥堵预测的处理效率。
3、通过预测车流量、可承载能力以及停放车辆数据进行高速服务区的拥堵风险的确定,不仅实现了从可承载能力以及预测车流量两个角度对拥堵风险的评估,同时还考虑到由于不同的停放车辆的停放时间的差异导致的驶离概率的差异,从而进一步提升了拥堵风险的评估的准确性。
进一步的技术方案在于,所述日期类型包括法定节假日、工作日、周末。
进一步的技术方案在于,所述存在车辆拥堵的日期根据所述高速服务区的车位占用率或者高速服务区的出入口的龙门架的车辆检测数据进行确定,具体的当所述高速服务区的车位占用率大于预设值或者高速服务区的出入口的龙门架检测得到的车速不在预设车速区间时,则确定日期存在车辆拥堵。
进一步的技术方案在于,所述高速服务区的可承载能力根据所述高速服务区的剩余停车位数量进行确定,具体的根据停放车辆数量以及停车位数量进行所述高速服务区的剩余停车位数量的确定。
进一步的技术方案在于,通过所述历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定,具体包括:
基于所述历史总体拥堵风险进行当前日期的拥堵预测基准周期的确定;
分别根据所述历史拥堵风险值以及可承载能力进行所述历史拥堵风险值所对应的修正周期量以及可承载能力所对应的修正周期量的确定,并结合所述当前日期的拥堵预测基准周期进行所述拥堵预测周期的确定。
第二方面,本发明提供了一种高速服务区短时拥堵预测系统,采用上述的一种高速服务区短时拥堵预测方法,其特征在于,具体包括:
历史风险评估模块,数据筛选模块,预测周期确定模块,风险输出模块;
其中所述历史风险评估模块负责通过当前日期的日期类型以及高速服务区的历史车流量数据进行所述日期类型下的存在车辆拥堵的日期的确定,并结合不同的存在车辆拥堵的日期的历史拥堵数据进行历史总体拥堵风险的确定;
所述数据筛选模块负责通过停放车辆数据以及停车位数量进行所述高速服务区的可承载能力的确定,并结合当前时刻对所述历史车流量数据进行筛选得到匹配数据;
所述预测周期确定模块负责根据所述匹配数据确定所述高速服务区在当前时刻下的不同日期的历史拥堵数据,并结合不同日期与当前日期的时间间隔进行历史拥堵风险值的确定,当所述历史拥堵风险值不满足要求时,通过所述历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定;
所述风险输出模块负责基于所述拥堵预测周期进行所述高速服务区的在单位时间内的车流量的预测得到预测车流量,并通过所述预测车流量、所述可承载能力以及停放车辆数据进行所述高速服务区的拥堵风险的确定。
其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是一种高速服务区短时拥堵预测方法的流程图;
图2是历史总体拥堵风险的确定的方法的流程图;
图3是历史拥堵风险值的确定的方法的流程图;
图4是高速服务区的拥堵风险的确定的方法的流程图;
图5是一种高速服务区短时拥堵预测系统的框架图;
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,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,都应当属于本说明书保护的范围。
申请人发现,对于大型的高速服务区,由于车流量的变动存在一定的规律性,因此在不同的时刻以及不同的时段的车辆的拥堵风险存在一定程度的差异,因此若不能综合考虑历史拥堵情况,则无法准确的实现对车辆拥堵的预测分析周期的确定,从而使得拥堵分析的效率有所降低。
为了解决上述技术问题,采用以下技术方案:
首先根据当前的日期类型确定在当前的日期类型下的存在车辆拥堵的日期的数量以及不同的存在车辆拥堵的日期的历史拥堵数据的确定,从而实现对历史总体拥堵风险的确定,具体的通过历史拥堵数据进行拥堵时长的确定,并通过拥堵时长大于预设拥堵时长的存在车辆拥堵的日期的比例进行历史总体拥堵风险的确定,并当所述历史总体拥堵风险满足要求时,进入下一步骤,当历史总体拥堵风险不满足要求时,通过历史总体拥堵风险进行拥堵预测周期的确定,并直接进入最后一步骤进行拥堵风险的预测;
然后通过停放车辆数据以及停车位数量进行高速服务区的可承载能力的确定,并结合当前时刻对历史车流量数据进行筛选得到匹配数据,具体的可以筛选与可承载能力的偏差满足要求且与当前时刻的偏差在一定的时间范围内的高速服务区的历史车流量数据;
然后根据匹配数据确定高速服务区在当前时刻下的不同日期的历史拥堵数据,并结合不同日期与当前日期的时间间隔进行历史拥堵风险值的确定,具体的可以通过历史拥堵时长进行不同的日期的拥堵严重程度的确定,并结合时间间隔进行拥堵严重程度的修正得到修正拥堵严重程度,并根据不同日期的修正严重程度的权重和进行历史拥堵风险值的确定,并当历史拥堵风险值不满足要求时,基于所述历史总体拥堵风险进行当前日期的拥堵预测基准周期的确定,分别根据所述历史拥堵风险值以及可承载能力进行所述历史拥堵风险值所对应的修正周期量以及可承载能力所对应的修正周期量的确定,并结合所述当前日期的拥堵预测基准周期进行所述拥堵预测周期的确定,并进入下一步骤,当历史拥堵风险值满足要求时,则通过预设拥堵预测周期进行预测车流量的确定,并进入下一步骤;
最后基于拥堵预测周期进行高速服务区的在单位时间内的车流量的预测得到预测车流量,具体的可以将日期类型、相同时刻的单位时间内的历史车流量作为输入量进行预测车流量的确定,并基于所述停放车辆数据进行不同的停放车辆的停放时长的确定,并结合所述高速服务区的不同的停放车辆的历史平均停放时长进行所述停放车辆在所述拥堵预测周期的驶离概率的确定,通过所述驶离概率将所述停放车辆划分为高概率驶离车辆和低概率驶离车辆,并根据所述高概率驶离车辆的数量以及驶离概率进行所述高速服务区的停放车辆的驶离推测数量以及驶离综合概率的确定,根据可承载能力和高速服务区的停放车辆的驶离推测数量以及驶离综合概率进行不同的预测可承载能力的区间的综合概率的确定,并基于所述预测车流量确定存在拥堵风险的预测可承载能力的区间的综合概率进行高速服务区的拥堵风险的确定。
以下将从方法类实施例和系统类实施例两个角度进行详细叙述。
为解决上述问题,根据本发明的一个方面,如图1所示,提供了一种高速服务区短时拥堵预测方法,其特征在于,具体包括:
S1通过当前日期的日期类型以及高速服务区的历史车流量数据进行所述日期类型下的存在车辆拥堵的日期的确定,并结合不同的存在车辆拥堵的日期的历史拥堵数据进行历史总体拥堵风险的确定,并当所述历史总体拥堵风险满足要求时,进入下一步骤;
在本实施例中,为了实现对较为拥堵的日期的识别,从而可以直接进入最后一步骤进行拥堵风险的识别,对于历史总体拥堵风险较小的日期,即历史总体拥堵风险满足要求的则进入下一步骤,根据当前时刻的历史拥堵风险确定是否需要进行拥堵风险的识别。
具体的,所述日期类型包括法定节假日、工作日、周末。
需要说明的是,所述存在车辆拥堵的日期根据所述高速服务区的车位占用率或者高速服务区的出入口的龙门架的车辆检测数据进行确定,具体的当所述高速服务区的车位占用率大于预设值或者高速服务区的出入口的龙门架检测得到的车速不在预设车速区间时,则确定日期存在车辆拥堵。
在可能的一个实施例中,如图2所示,上述步骤S1中的所述历史总体拥堵风险的确定的方法为:
S11将所述日期类型下存在车辆拥堵的日期作为历史拥堵日期,判断所述历史拥堵日期的数量是否小于最小日期数量限定值,若是,则进入步骤S15;
当历史拥堵日期的数量较少时,此时无法直接确定历史总体拥堵风险是否不满足要求,需要综合多方面的因素进行评估。
S12根据历史拥堵日期的数量是否大于预设日期数量,若是,则确定所述历史总体拥堵风险不满足要求,若否,则进入下一步骤;
S13基于所述历史拥堵日期与当前日期的时间间隔进行所述历史拥堵日期的权重的确定,并通过所述历史拥堵日期的数量与权重确定所述当前日期是否存在拥堵风险,若是,则确定所述历史总体拥堵风险不满足要求,若否,则进入下一步骤;
S14通过不同的历史拥堵日期的历史拥堵数据进行不同的历史拥堵日期的历史拥堵次数以及不同的历史拥堵次数的历史拥堵时长的确定,并结合不同的历史拥堵次数的车位占用率进行不同的历史拥堵日期的拥堵程度评估量的确定,并通过所述历史拥堵日期的数量、权重以及拥堵程度评估量确定所述当前日期是否存在拥堵风险,若是,则确定所述历史总体拥堵风险不满足要求,若否,则进入下一步骤;
在可能的一个实施例中,根据不同的历史拥堵次数的历史拥堵时长所处的时长区间以及车位占用率所处的占用率区间进行不同的历史拥堵次数的严重程度的确定,并根据历史拥堵日期的历史拥堵次数的数量和严重程度归一化处理后得到历史拥堵日期的拥堵程度评估量。
S15基于不同的历史拥堵日期的权重和拥堵程度评估量进行不同的历史拥堵日期的修正拥堵程度评估量的确定,并通过所述修正拥堵程度评估量进行所述历史拥堵日期中的关注拥堵日期的确定,基于所述关注拥堵日期的数量以及修正拥堵程度评估量、历史拥堵日期的数量以及不同的历史拥堵日期的修正拥堵评估量的平均值进行所述历史总体拥堵风险的确定。
在可能的一个实施例中,分别通过关注拥堵日期在历史拥堵日期的数量占比与修正拥堵程度评估量的平均值的乘积、历史拥堵日期在当前的日期类型的历史日期的数量占比以及不同的历史拥堵日期的修正拥堵评估量的平均值的乘积进行关注拥堵日期的总体拥堵风险评估量和历史拥堵日期的总体拥堵风险评估量的确定,并根据关注拥堵日期的修正拥堵程度评估量的平均值、历史拥堵日期的修正拥堵评估量的平均值进行上述的总体拥堵风险评估量和历史拥堵日期的总体拥堵风险评估量的权重值的确定,从而根据总体拥堵风险评估量和历史拥堵日期的总体拥堵风险评估量的权重和进行历史总体拥堵风险的确定。
需要说明的是,所述历史总体拥堵风险的取值范围在0到1之间,其中所述历史总体拥堵风险越大,则所述当前日期存在的拥堵风险越大,并当所述历史总体拥堵风险不在预设风险区间时,确定所述历史总体拥堵风险不满足要求。
另外需要说明的是,当所述历史总体拥堵风险不满足要求时,则通过所述历史总体拥堵风险进行拥堵预测周期的确定,并通过所述拥堵预测周期进行拥堵风险的评估。
在另外的一个可能的实施例中,上述步骤S1中的所述历史总体拥堵风险的确定的方法为:
将所述日期类型下存在车辆拥堵的日期作为历史拥堵日期,当所述历史拥堵日期的数量大于预设日期数量时:
基于所述历史拥堵日期与当前日期的时间间隔进行所述历史拥堵日期的权重的确定,并通过所述历史拥堵日期的数量与权重确定所述当前日期是否存在拥堵风险,若是,则确定所述历史总体拥堵风险不满足要求,若否,则进入下一步骤;
通过不同的历史拥堵日期的历史拥堵数据进行不同的历史拥堵日期的历史拥堵次数以及不同的历史拥堵次数的历史拥堵时长的确定,并结合不同的历史拥堵次数的车位占用率进行不同的历史拥堵日期的拥堵程度评估量的确定,并通过所述历史拥堵日期的数量、权重以及拥堵程度评估量进行所述历史拥堵日期的综合拥堵程度评估量的确定;
当所述历史拥堵日期的综合拥堵程度评估量不满足要求时,则确定所述历史总体拥堵风险不满足要求;
当所述历史拥堵日期的数量不大于预设日期数量或者所述历史拥堵日期的综合拥堵程度评估量满足要求时:基于不同的历史拥堵日期的权重和拥堵程度评估量进行不同的历史拥堵日期的修正拥堵程度评估量的确定,并通过所述修正拥堵程度评估量进行所述历史拥堵日期中的关注拥堵日期的确定,基于所述关注拥堵日期的数量以及修正拥堵程度评估量、历史拥堵日期的数量以及不同的历史拥堵日期的修正拥堵评估量的平均值进行所述历史总体拥堵风险的确定。
在本实施例中,通过日期类型下的存在车辆拥堵的日期以及不同的存在车辆拥堵的日期的历史拥堵数据进行历史总体拥堵风险的确定,充分考虑到由于日期类型的不同在不同的日期类型下的存在车辆拥堵的日期以及不同的车辆拥堵的日期的拥堵严重程度的差异,也为实现对拥堵较为严重的日期的筛选奠定了基础。
S2通过停放车辆数据以及停车位数量进行所述高速服务区的可承载能力的确定,并结合当前时刻对所述历史车流量数据进行筛选得到匹配数据;
可以理解的是,所述高速服务区的可承载能力根据所述高速服务区的剩余停车位数量进行确定,具体的根据停放车辆数量以及停车位数量进行所述高速服务区的剩余停车位数量的确定。
其中需要进一步说明的是,匹配数据为可承载能力的偏差满足要求且与当前时刻的偏离时长满足要求的历史车流量数据。
S3根据所述匹配数据确定所述高速服务区在当前时刻下的不同日期的历史拥堵数据,并结合不同日期与当前日期的时间间隔进行历史拥堵风险值的确定,当所述历史拥堵风险值不满足要求时,通过所述历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定,并进入下一步骤;
在可能的一个实施例中,如图3所示,上述步骤S3中的所述历史拥堵风险值的确定的方法为:
S31通过高速服务器的匹配数据确定在当前时刻下的不同日期的停放车辆数量与当前日期的停放车辆数量的偏差量的确定,并基于所述偏差量进行不同日期中的匹配日期以及匹配日期的车辆偏差量的确定;
S32通过当前时刻与预设时间间隔进行拥堵分析时段的确定,通过匹配日期的历史拥堵数据确定所述匹配日期的拥堵分析时段中存在车辆拥堵的日期的确定,并将其作为历史拥堵匹配日期,通过所述历史拥堵匹配日期的数量以及在所述匹配日期中的比例确定是否存在拥堵风险,若是,则进入步骤S34,若否,则进入步骤S33;
S33通过所述历史拥堵匹配日期的历史拥堵数据进行所述历史拥堵匹配日期的拥堵分析时段中的拥堵时刻与当前时刻的时间差的确定,并结合在所述拥堵分析时段中的拥堵时段的时长、车位占用率以及车辆偏差量进行所述历史拥堵匹配日期中的历史拥堵评估量的确定,根据所述历史拥堵评估量确定是否存在严重拥堵匹配日期,若是,则进入下一步骤,若否,则确定所述历史拥堵风险值满足要求;
S34利用所述历史拥堵评估量进行所述严重拥堵匹配日期的数量的确定,并根据所述严重拥堵匹配日期与当前日期的时间间隔确定是否存在拥堵风险,若是,则进入下一步骤,若否,则确定所述历史拥堵风险值满足要求;
S35基于不同的历史拥堵匹配日期与当前日期的时间间隔对所述历史拥堵评估量进行修正得到修正拥堵评估量,根据预设时长得到不同的时间区间内的所述严重拥堵匹配日期的数量以及修正拥堵评估量,并结合不同的时间区间内的拥堵匹配日期的数量以及修正拥堵评估量进行不同的时间区间的区块历史拥堵风险值的确定,通过不同时间区间的匹配日期的数量以及区块历史拥堵风险值进行历史拥堵风险值的确定。
具体的,所述预设时长根据所述高速服务区的投运年限进行确定,其中所述高速服务区的投运年限越长,则所述预设时长越长。
在另外的可能的一个实施例中,上述步骤S3中的所述历史拥堵风险值的确定的方法为:
通过高速服务器的匹配数据确定在当前时刻下的不同日期的停放车辆数量与当前日期的停放车辆数量的偏差量的确定,并基于所述偏差量进行不同日期中的匹配日期以及匹配日期的车辆偏差量的确定;
通过当前时刻与预设时间间隔进行拥堵分析时段的确定,通过匹配日期的历史拥堵数据确定所述匹配日期的拥堵分析时段中存在车辆拥堵的日期的确定,并将其作为历史拥堵匹配日期;
当所述历史拥堵匹配日期的数量满足要求时,确定所述历史拥堵风险值满足要求;
当所述历史拥堵匹配日期的数量不满足要求时,通过所述历史拥堵匹配日期的历史拥堵数据进行所述历史拥堵匹配日期的拥堵分析时段中的拥堵时刻与当前时刻的时间差的确定,并结合在所述拥堵分析时段中的拥堵时段的时长、车位占用率以及车辆偏差量进行所述历史拥堵匹配日期中的历史拥堵评估量的确定;
基于不同的历史拥堵匹配日期与当前日期的时间间隔对所述历史拥堵评估量进行修正得到修正拥堵评估量,根据预设时长得到不同的时间区间内的所述严重拥堵匹配日期的数量以及修正拥堵评估量,并结合不同的时间区间内的拥堵匹配日期的数量以及修正拥堵评估量进行不同的时间区间的区块历史拥堵风险值的确定,通过不同时间区间的匹配日期的数量以及区块历史拥堵风险值进行历史拥堵风险值的确定。
可以理解的是,通过所述历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定,具体包括:
基于所述历史总体拥堵风险进行当前日期的拥堵预测基准周期的确定;
分别根据所述历史拥堵风险值以及可承载能力进行所述历史拥堵风险值所对应的修正周期量以及可承载能力所对应的修正周期量的确定,并结合所述当前日期的拥堵预测基准周期进行所述拥堵预测周期的确定。
在本实施例中,通过历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定,既考虑到由于可承载能力的差异导致的拥堵风险的差异,同时考虑到在相同的条件下的历史拥堵的严重程度和类似日期类型下的拥堵严重程度的差异,实现了差异化的拥堵预测周期的确定,提升了拥堵预测的处理效率。
S4基于所述拥堵预测周期进行所述高速服务区的在单位时间内的车流量的预测得到预测车流量,并通过所述预测车流量、所述可承载能力以及停放车辆数据进行所述高速服务区的拥堵风险的确定。
在可能的一个实施例中,如图4所示,上述步骤S4中的所述高速服务区的拥堵风险的确定的方法为:
基于所述停放车辆数据进行不同的停放车辆的停放时长的确定,并结合所述高速服务区的不同的停放车辆的历史平均停放时长进行所述停放车辆在所述拥堵预测周期的驶离概率的确定;
通过所述驶离概率将所述停放车辆划分为高概率驶离车辆和低概率驶离车辆,并根据所述高概率驶离车辆的数量以及驶离概率进行所述高速服务区的停放车辆的驶离推测数量以及驶离综合概率的确定;
根据所述可承载能力、预测车流量、高速服务区的停放车辆的驶离推测数量以及驶离综合概率进行所述高速服务区的拥堵风险的确定。
在本实施例中,通过预测车流量、可承载能力以及停放车辆数据进行高速服务区的拥堵风险的确定,不仅实现了从可承载能力以及预测车流量两个角度对拥堵风险的评估,同时还考虑到由于不同的停放车辆的停放时间的差异导致的驶离概率的差异,从而进一步提升了拥堵风险的评估的准确性。
在具体的一个例子中:
首先通过当前日期的日期类型下的高速服务区的历史车流量数据大于4000辆的日期的占比进行总体拥堵风险的确定,当总体拥堵风险较大时,则通过预设周期即10分钟进行高速服务器的车流量的监测,并根据车流量的监测结果确定是否存在拥堵,当总体拥堵风险不大时,则进入下一步骤;
然后根据剩余的停车位数量进行高速服务区的可承载能力的确定,并通过可承载能力
通过停放车辆数据以及停车位数量进行所述高速服务区的可承载能力的确定,并结合当前时刻进行可承载能力的偏差满足要求且与当前时刻的偏离时长满足要求的历史车流量数据的筛选得到匹配数据;
根据所述匹配数据确定所述高速服务区在当前时刻下的拥堵日期,并结合不同的拥堵日期与当前日期的时间间隔构建的权重值进行历史拥堵风险值的确定,当所述历史拥堵风险值不满足要求时,通过所述历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定,并进入下一步骤;
基于拥堵预测周期进行所述高速服务区的在单位时间内的车流量的预测得到预测车流量,并通过预测车流量、可承载能力以及停放车辆数据进行高速服务区的拥堵风险的确定。
另一方面,如图5所示,本发明提供了一种高速服务区短时拥堵预测系统,采用上述的一种高速服务区短时拥堵预测方法,其特征在于,具体包括:
历史风险评估模块,数据筛选模块,预测周期确定模块,风险输出模块;
其中所述历史风险评估模块负责通过当前日期的日期类型以及高速服务区的历史车流量数据进行所述日期类型下的存在车辆拥堵的日期的确定,并结合不同的存在车辆拥堵的日期的历史拥堵数据进行历史总体拥堵风险的确定;
所述数据筛选模块负责通过停放车辆数据以及停车位数量进行所述高速服务区的可承载能力的确定,并结合当前时刻对所述历史车流量数据进行筛选得到匹配数据;
所述预测周期确定模块负责根据所述匹配数据确定所述高速服务区在当前时刻下的不同日期的历史拥堵数据,并结合不同日期与当前日期的时间间隔进行历史拥堵风险值的确定,当所述历史拥堵风险值不满足要求时,通过所述历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定;
所述风险输出模块负责基于所述拥堵预测周期进行所述高速服务区的在单位时间内的车流量的预测得到预测车流量,并通过所述预测车流量、所述可承载能力以及停放车辆数据进行所述高速服务区的拥堵风险的确定。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (8)
1.一种高速服务区短时拥堵预测方法,其特征在于,具体包括:
通过当前日期的日期类型以及高速服务区的历史车流量数据进行所述日期类型下的存在车辆拥堵的日期的确定,并结合不同的存在车辆拥堵的日期的历史拥堵数据进行历史总体拥堵风险的确定,当历史总体拥堵风险满足要求时,进入下一步骤;
通过停放车辆数据以及停车位数量进行所述高速服务区的可承载能力的确定,并结合当前时刻对所述历史车流量数据进行筛选得到匹配数据;
根据所述匹配数据确定所述高速服务区在当前时刻下的不同日期的历史拥堵数据,并结合不同日期与当前日期的时间间隔进行历史拥堵风险值的确定,当所述历史拥堵风险值不满足要求时,通过所述历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定,并进入下一步骤;
基于所述拥堵预测周期进行所述高速服务区的在单位时间内的车流量的预测得到预测车流量,并通过所述预测车流量、所述可承载能力以及停放车辆数据进行所述高速服务区的拥堵风险的确定;
所述历史总体拥堵风险的确定的方法为:
将所述日期类型下存在车辆拥堵的日期作为历史拥堵日期,当所述历史拥堵日期的数量大于预设日期数量时:
基于所述历史拥堵日期与当前日期的时间间隔进行所述历史拥堵日期的权重的确定,并通过所述历史拥堵日期的数量与权重确定所述当前日期是否存在拥堵风险,若是,则确定所述历史总体拥堵风险不满足要求,若否,则进入下一步骤;
通过不同的历史拥堵日期的历史拥堵数据进行不同的历史拥堵日期的历史拥堵次数以及不同的历史拥堵次数的历史拥堵时长的确定,并结合不同的历史拥堵次数的车位占用率进行不同的历史拥堵日期的拥堵程度评估量的确定,并通过所述历史拥堵日期的数量、权重以及拥堵程度评估量进行所述历史拥堵日期的综合拥堵程度评估量的确定;
当所述历史拥堵日期的综合拥堵程度评估量不满足要求时,则确定所述历史总体拥堵风险不满足要求;
当所述历史拥堵日期的数量不大于预设日期数量或者所述历史拥堵日期的综合拥堵程度评估量满足要求时:基于不同的历史拥堵日期的权重和拥堵程度评估量进行不同的历史拥堵日期的修正拥堵程度评估量的确定,并通过所述修正拥堵程度评估量进行所述历史拥堵日期中的关注拥堵日期的确定,基于所述关注拥堵日期的数量以及修正拥堵程度评估量、历史拥堵日期的数量以及不同的历史拥堵日期的修正拥堵评估量的平均值进行所述历史总体拥堵风险的确定;
所述历史拥堵风险值的确定的方法为:
S31通过高速服务器的匹配数据确定在当前时刻下的不同日期的停放车辆数量与当前日期的停放车辆数量的偏差量的确定,并基于所述偏差量进行不同日期中的匹配日期以及匹配日期的车辆偏差量的确定;
S32通过当前时刻与预设时间间隔进行拥堵分析时段的确定,通过匹配日期的历史拥堵数据确定所述匹配日期的拥堵分析时段中存在车辆拥堵的日期的确定,并将其作为历史拥堵匹配日期,通过所述历史拥堵匹配日期的数量以及在所述匹配日期中的比例确定是否存在拥堵风险,若是,则进入步骤S34,若否,则进入步骤S33;
S33通过所述历史拥堵匹配日期的历史拥堵数据进行所述历史拥堵匹配日期的拥堵分析时段中的拥堵时刻与当前时刻的时间差的确定,并结合在所述拥堵分析时段中的拥堵时段的时长、车位占用率以及车辆偏差量进行所述历史拥堵匹配日期中的历史拥堵评估量的确定,根据所述历史拥堵评估量确定是否存在严重拥堵匹配日期,若是,则进入下一步骤,若否,则确定所述历史拥堵风险值满足要求;
S34利用所述历史拥堵评估量进行所述严重拥堵匹配日期的数量的确定,并根据所述严重拥堵匹配日期与当前日期的时间间隔确定是否存在拥堵风险,若是,则进入下一步骤,若否,则确定所述历史拥堵风险值满足要求;
S35基于不同的历史拥堵匹配日期与当前日期的时间间隔对所述历史拥堵评估量进行修正得到修正拥堵评估量,根据预设时长得到不同的时间区间内的所述严重拥堵匹配日期的数量以及修正拥堵评估量,并结合不同的时间区间内的拥堵匹配日期的数量以及修正拥堵评估量进行不同的时间区间的区块历史拥堵风险值的确定,通过不同时间区间的匹配日期的数量以及区块历史拥堵风险值进行历史拥堵风险值的确定。
2.如权利要求1所述的高速服务区短时拥堵预测方法,其特征在于,所述日期类型包括法定节假日、工作日、周末。
3.如权利要求1所述的高速服务区短时拥堵预测方法,其特征在于,所述存在车辆拥堵的日期根据所述高速服务区的车位占用率或者高速服务区的出入口的龙门架的车辆检测数据进行确定,具体的当所述高速服务区的车位占用率大于预设值或者高速服务区的出入口的龙门架检测得到的车速不在预设车速区间时,则确定日期存在车辆拥堵。
4.如权利要求1所述的高速服务区短时拥堵预测方法,其特征在于,所述历史总体拥堵风险的取值范围在0到1之间,其中所述历史总体拥堵风险越大,则所述当前日期存在的拥堵风险越大,并当所述历史总体拥堵风险不在预设风险区间时,确定所述历史总体拥堵风险不满足要求。
5.如权利要求1所述的高速服务区短时拥堵预测方法,其特征在于,所述高速服务区的可承载能力根据所述高速服务区的剩余停车位数量进行确定,具体的根据停放车辆数量以及停车位数量进行所述高速服务区的剩余停车位数量的确定。
6.如权利要求1所述的高速服务区短时拥堵预测方法,其特征在于,通过所述历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定,具体包括:
基于所述历史总体拥堵风险进行当前日期的拥堵预测基准周期的确定;
分别根据所述历史拥堵风险值以及可承载能力进行所述历史拥堵风险值所对应的修正周期量以及可承载能力所对应的修正周期量的确定,并结合所述当前日期的拥堵预测基准周期进行所述拥堵预测周期的确定。
7.如权利要求1所述的高速服务区短时拥堵预测方法,其特征在于,所述高速服务区的拥堵风险的确定的方法为:
基于所述停放车辆数据进行不同的停放车辆的停放时长的确定,并结合所述高速服务区的不同的停放车辆的历史平均停放时长进行所述停放车辆在所述拥堵预测周期的驶离概率的确定;
通过所述驶离概率将所述停放车辆划分为高概率驶离车辆和低概率驶离车辆,并根据所述高概率驶离车辆的数量以及驶离概率进行所述高速服务区的停放车辆的驶离推测数量以及驶离综合概率的确定;
根据所述可承载能力、预测车流量、高速服务区的停放车辆的驶离推测数量以及驶离综合概率进行所述高速服务区的拥堵风险的确定。
8.一种高速服务区短时拥堵预测系统,采用权利要求1-7任一项所述的一种高速服务区短时拥堵预测方法,其特征在于,具体包括:
历史风险评估模块,数据筛选模块,预测周期确定模块,风险输出模块;
其中所述历史风险评估模块负责通过当前日期的日期类型以及高速服务区的历史车流量数据进行所述日期类型下的存在车辆拥堵的日期的确定,并结合不同的存在车辆拥堵的日期的历史拥堵数据进行历史总体拥堵风险的确定;
所述数据筛选模块负责通过停放车辆数据以及停车位数量进行所述高速服务区的可承载能力的确定,并结合当前时刻对所述历史车流量数据进行筛选得到匹配数据;
所述预测周期确定模块负责根据所述匹配数据确定所述高速服务区在当前时刻下的不同日期的历史拥堵数据,并结合不同日期与当前日期的时间间隔进行历史拥堵风险值的确定,当所述历史拥堵风险值不满足要求时,通过所述历史拥堵风险值、可承载能力以及历史总体拥堵风险进行拥堵预测周期的确定;
所述风险输出模块负责基于所述拥堵预测周期进行所述高速服务区的在单位时间内的车流量的预测得到预测车流量,并通过所述预测车流量、所述可承载能力以及停放车辆数据进行所述高速服务区的拥堵风险的确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410023122.6A CN117523850B (zh) | 2024-01-08 | 2024-01-08 | 一种高速服务区短时拥堵预测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410023122.6A CN117523850B (zh) | 2024-01-08 | 2024-01-08 | 一种高速服务区短时拥堵预测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117523850A CN117523850A (zh) | 2024-02-06 |
CN117523850B true CN117523850B (zh) | 2024-03-29 |
Family
ID=89764858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410023122.6A Active CN117523850B (zh) | 2024-01-08 | 2024-01-08 | 一种高速服务区短时拥堵预测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117523850B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012043095A (ja) * | 2010-08-17 | 2012-03-01 | Toyota Central R&D Labs Inc | 交通流計算装置及びプログラム |
CN102629415A (zh) * | 2012-04-28 | 2012-08-08 | 山东交通学院 | 面向高速公路救援的自行式主动预警系统 |
JP2013257667A (ja) * | 2012-06-11 | 2013-12-26 | Toshiba Corp | 交通管制システムおよび交通管制システムの情報提供方法 |
CN110675629A (zh) * | 2019-10-08 | 2020-01-10 | 苏交科集团股份有限公司 | 一种基于大数据的高速公路拥堵预测与主动防控方法 |
CN113034969A (zh) * | 2020-05-11 | 2021-06-25 | 路特迩科技(杭州)有限公司 | 基于区域的停车服务与管理方法、系统 |
CN113963544A (zh) * | 2021-11-05 | 2022-01-21 | 贵州省通信产业服务有限公司 | 一种服务区车流量预测系统 |
CN116052416A (zh) * | 2022-12-21 | 2023-05-02 | 星河智联汽车科技有限公司 | 基于道路历史数据的车流量预测方法、系统及存储介质 |
CN116229709A (zh) * | 2022-12-27 | 2023-06-06 | 西安银江智慧城市技术有限公司 | 一种交通拥堵提前预警及拥堵自动控制疏导方法 |
CN117236903A (zh) * | 2023-11-09 | 2023-12-15 | 浙江浙商互联信息科技有限公司 | 一种高速服务区智慧管理方法和系统 |
-
2024
- 2024-01-08 CN CN202410023122.6A patent/CN117523850B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012043095A (ja) * | 2010-08-17 | 2012-03-01 | Toyota Central R&D Labs Inc | 交通流計算装置及びプログラム |
CN102629415A (zh) * | 2012-04-28 | 2012-08-08 | 山东交通学院 | 面向高速公路救援的自行式主动预警系统 |
JP2013257667A (ja) * | 2012-06-11 | 2013-12-26 | Toshiba Corp | 交通管制システムおよび交通管制システムの情報提供方法 |
CN110675629A (zh) * | 2019-10-08 | 2020-01-10 | 苏交科集团股份有限公司 | 一种基于大数据的高速公路拥堵预测与主动防控方法 |
CN113034969A (zh) * | 2020-05-11 | 2021-06-25 | 路特迩科技(杭州)有限公司 | 基于区域的停车服务与管理方法、系统 |
CN113963544A (zh) * | 2021-11-05 | 2022-01-21 | 贵州省通信产业服务有限公司 | 一种服务区车流量预测系统 |
CN116052416A (zh) * | 2022-12-21 | 2023-05-02 | 星河智联汽车科技有限公司 | 基于道路历史数据的车流量预测方法、系统及存储介质 |
CN116229709A (zh) * | 2022-12-27 | 2023-06-06 | 西安银江智慧城市技术有限公司 | 一种交通拥堵提前预警及拥堵自动控制疏导方法 |
CN117236903A (zh) * | 2023-11-09 | 2023-12-15 | 浙江浙商互联信息科技有限公司 | 一种高速服务区智慧管理方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于手机与流量数据的浙江高速公路拥堵预测关键技术研究;王久辉;;科技展望;20170131(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117523850A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yeon et al. | Travel time estimation on a freeway using Discrete Time Markov Chains | |
CN110132511B (zh) | 一种基于动挠度衰减规律的桥梁结构监测评估方法 | |
Al-Deek et al. | New algorithms for filtering and imputation of real-time and archived dual-loop detector data in I-4 data warehouse | |
CN113159374B (zh) | 一种数据驱动的城市交通流速模式识别与实时预测预警方法 | |
CN110132512B (zh) | 一种基于主梁刚度衰减规律的桥梁结构监测评估方法 | |
CN110718057B (zh) | 路网运行状态评价方法、装置、电子设备及介质 | |
CN115240431A (zh) | 高速公路收费站交通流量实时在线仿真系统及仿真方法 | |
CN114155706B (zh) | 一种服务区车辆判别方法、装置、电子设备和存储介质 | |
CN117719385B (zh) | 一种智能充电桩控制系统及方法 | |
CN117523850B (zh) | 一种高速服务区短时拥堵预测方法与系统 | |
EP2682926B1 (en) | Traffic delay detection by mining ticket validation transactions | |
Ai et al. | State-oriented maintenance strategy for deteriorating segmental lining of tunnel | |
KR100795967B1 (ko) | 극치통계분석을 이용한 교량의 점검 및 유지관리 시스템 및방법 | |
Chen et al. | The impact of truck proportion on traffic safety using surrogate safety measures in China | |
CN113239436B (zh) | 一种钢桥状态等级评估与预测方法 | |
Lee et al. | Empirical observation of maximum throughput change in isolated merging bottlenecks depending on on-ramp traffic flow ratio | |
CN115293255A (zh) | 高速公路交通事故风险模型构建及风险判别方法 | |
CN110795798B (zh) | 一种基于多样本的钢丝绳可靠寿命计算方法 | |
Heitner et al. | Evaluation of bridge safety based on Weigh-in-Motion data | |
CN112381386A (zh) | 一种车辆稽查布控方法、装置、电子设备和存储介质 | |
Das et al. | Condition assessment and failure probability of existing bridges in the Cachar District, Assam | |
CN111931407A (zh) | 一种基于长期监测数据的结构可靠度评估预测方法及系统 | |
CN117592790B (zh) | 一种区域告警方法及系统 | |
CN118135802B (zh) | 一种基于深度学习网络的桥梁道路管控系统及方法 | |
Cheng et al. | Work zone crash cost prediction with a least median squares linear regression model |
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 |