CN117558132A - 基于大数据的交通管理平台数据处理方法及系统 - Google Patents
基于大数据的交通管理平台数据处理方法及系统 Download PDFInfo
- Publication number
- CN117558132A CN117558132A CN202410039308.0A CN202410039308A CN117558132A CN 117558132 A CN117558132 A CN 117558132A CN 202410039308 A CN202410039308 A CN 202410039308A CN 117558132 A CN117558132 A CN 117558132A
- Authority
- CN
- China
- Prior art keywords
- traffic
- situation
- channel
- data
- domain sub
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000007726 management method Methods 0.000 claims abstract description 87
- 230000002269 spontaneous effect Effects 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000013500 data storage Methods 0.000 claims abstract description 24
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims description 24
- 230000008520 organization Effects 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 208000027744 congestion Diseases 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification 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
Abstract
本公开提供了基于大数据的交通管理平台数据处理方法及系统，涉及交通数据处理技术领域，该方法包括：启动数据存入单元、数据转化单元和数据发出单元；监测自发性交通演变信息和强制性交通演变信息的路网交通态势；建立交通运行态势展望通道；对路网交通态势进行分析，映射输出交通态势展望结果；根据交通态势展望结果流转至数据发出单元，对交通管理层级发送调动指令，执行交通管理，通过本公开可以解决现有技术中存在由于传统的交通管理平台数据处理精确度和效率较低，预测交通数据的精确度较低，导致执行交通管理的效率较低的技术问题，实现提高交通管理平台数据处理精确度和效率的目标，达到提高交通管理的效率的技术效果。
Description
技术领域
本公开涉及交通数据处理技术领域，具体涉及基于大数据的交通管理平台数据处理方法及系统。
背景技术
随着科技发展，道路交通越来越复杂，因此为进行交通管理，交通管理平台应运而生。目前，现有的交通管理平台进行数据处理的获取数据质量较低、误差较大，导致容易获得处理结果误差较大，并且数据处理的效率较低，导致进行数据处理的算力较低，同时导致处理大量道路数据的精确度较低。另一方面，预测交通流量数据的准确性较低，导致精确管理交通道路的效率较低。因此，现需要一种对交通管理平台进行数据处理的方法，来解决上述问题。
综上所述，现有技术中存在由于传统的交通管理平台数据处理精确度和效率较低，预测交通数据的精确度较低，导致执行交通管理的效率较低的技术问题。
发明内容
本公开提供了基于大数据的交通管理平台数据处理方法及系统，用以解决现有技术中存在由于传统的交通管理平台数据处理精确度和效率较低，预测交通数据的精确度较低，导致执行交通管理的效率较低的技术问题。
根据本公开的第一方面，提供了基于大数据的交通管理平台数据处理方法，包括：连接交通管理平台，执行启动数据存入单元、数据转化单元和数据发出单元；于所述数据存入单元，根据交通组织需求监测自发性交通演变信息和强制性交通演变信息的路网交通态势；于所述数据转化单元，基于大数据建立交通运行态势展望通道，其中，包括时间域子通道和空间域子通道，且所述时间域子通道和空间域子通道具有数据传输链接；通过所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，对所述路网交通态势进行分析，通过所述数据传输链接映射至所述时间域子通道输出交通态势展望结果；根据所述交通态势展望结果流转至所述数据发出单元，根据所述交通组织需求匹配交通保障需求，以所述交通保障需求为约束，通过所述数据发出单元对交通管理层级发送调动指令，根据所述调动指令执行交通管理。
根据本公开的第二方面，提供了基于大数据的交通管理平台数据处理系统，包括：启动单元，所述启动单元用于连接交通管理平台，执行启动数据存入单元、数据转化单元和数据发出单元；数据存入单元，所述数据存入单元用于于所述数据存入单元，根据交通组织需求监测自发性交通演变信息和强制性交通演变信息的路网交通态势；数据转化单元，所述数据转化单元用于于所述数据转化单元，基于大数据建立交通运行态势展望通道，其中，包括时间域子通道和空间域子通道，且所述时间域子通道和空间域子通道具有数据传输链接；交通态势展望结果输出单元，所述交通态势展望结果输出单元用于通过所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，对所述路网交通态势进行分析，通过所述数据传输链接映射至所述时间域子通道输出交通态势展望结果；数据发出单元，所述数据发出单元用于根据所述交通态势展望结果流转至所述数据发出单元，根据所述交通组织需求匹配交通保障需求，以所述交通保障需求为约束，通过所述数据发出单元对交通管理层级发送调动指令，根据所述调动指令执行交通管理。
本公开中提供的一个或多个技术方案，至少具有如下技术效果或优点：根据本公开采用的通过连接交通管理平台，执行启动数据存入单元、数据转化单元和数据发出单元；于所述数据存入单元，根据交通组织需求监测自发性交通演变信息和强制性交通演变信息的路网交通态势；于所述数据转化单元，基于大数据建立交通运行态势展望通道，其中，包括时间域子通道和空间域子通道，且所述时间域子通道和空间域子通道具有数据传输链接；通过所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，对所述路网交通态势进行分析，通过所述数据传输链接映射至所述时间域子通道输出交通态势展望结果；根据所述交通态势展望结果流转至所述数据发出单元，根据所述交通组织需求匹配交通保障需求，以所述交通保障需求为约束，通过所述数据发出单元对交通管理层级发送调动指令，根据所述调动指令执行交通管理，解决了现有技术中存在由于传统的交通管理平台数据处理精确度和效率较低，预测交通数据的精确度较低，导致执行交通管理的效率较低的技术问题，实现提高交通管理平台数据处理精确度和效率的目标，达到提高交通管理的效率的技术效果。
应当理解，本部分所描述的内容并非旨在标示本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。
图1为本公开实施例提供的基于大数据的交通管理平台数据处理方法的流程示意图；
图2为本公开实施例提供的基于大数据的交通管理平台数据处理系统的结构示意图。
附图标记说明：启动单元11，数据存入单元12，数据转化单元13，交通态势展望结果输出单元14，数据发出单元15。
具体实施方式
以下结合附图对本公开的示范性实施例作出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
本公开实施例提供的基于大数据的交通管理平台数据处理方法，兹参照图1作说明，所述方法包括：
连接交通管理平台，执行启动数据存入单元、数据转化单元和数据发出单元；
具体地，交通管理平台为待进行数据处理的目标平台。连接交通管理平台进行数据交互，获得交通管理平台中数据存入单元、数据转化单元和数据发出单元。进一步地，发送执行启动指令，并根据执行启动指令启动数据存入单元、数据转化单元和数据发出单元。
于所述数据存入单元，根据交通组织需求监测自发性交通演变信息和强制性交通演变信息的路网交通态势；
具体地，在数据存入单元内，根据交通组织需求进行交通流量监测，获得自发性交通演变信息。其中，交通组织需求为根据道路事件进行交通流量管理的需求，如封闭道路需求。例如，道路事件可能是检修道路或由于举行比赛而占用道路等事件。进一步地，自发性交通演变信息包括基于道路上的车辆行为或人物行为而引发的交通堵塞等交通事件的信息。进一步地，强制性交通演变信息为根据自发性交通演变信息引发的被动发生的交通事件。例如，由于发生道路车祸，则发生车祸的区域为自发性交通演变中心，则根据道路车祸导致的所在道路的车辆停车，致使当前道路的连接道路的车辆也发生车辆停驶的现象，导致道路拥挤，则该道路拥挤的范围为强制性交通演变范围，包括于强制性交通演变信息。根据自发性交通演变信息结合强制性交通演变信息获得路网交通态势，即实时的交通拥堵程度信息。
于所述数据转化单元，基于大数据建立交通运行态势展望通道，其中，包括时间域子通道和空间域子通道，且所述时间域子通道和空间域子通道具有数据传输链接；
具体地，在数据转化单元内，建立交通运行态势展望通道。基于大数据获取输入数据，将输入数据根据划分规则划分为训练数据和验证数据，其中，划分规则由本领域技术人员根据实际情况进行自定义设置获得，例如，划分规则为6：4。通过训练数据对交通运行态势展望通道进行训练，当交通运行态势展望通道的输出数据趋于收敛时，获得交通运行态势展望通道输出准确率。当交通运行态势展望通道的输出准确率超过预设输出准确率阈值时，确定交通运行态势展望通道。进一步地，交通运行态势展望通道包括时间域子通道和空间域子通道。其中，空间域子通道用于对实时交通态势数据进行监测分析，时间域子通道用于对未来交通态势数据进行预测。相应地，时间域子通道和空间域子通道均以获得交通运行态势展望通道的方式进行训练获得。进一步地，时间域子通道和空间域子通道之间具有数据传输链接，用于进行数据传输。
通过所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，对所述路网交通态势进行分析，通过所述数据传输链接映射至所述时间域子通道输出交通态势展望结果；
具体地，通过将路网交通态势输入交通运行态势展望通道中的空间域子通道，对路网交通态势进行多级分类决策，获得决策结果。并通过数据传输链接将决策结果从空间域子通道映射至时间域子通道。通过时间域子通道进行预测输出交通态势展望结果，即道路拥挤程度预测结果和道路流量预测结果。
根据所述交通态势展望结果流转至所述数据发出单元，根据所述交通组织需求匹配交通保障需求，以所述交通保障需求为约束，通过所述数据发出单元对交通管理层级发送调动指令，根据所述调动指令执行交通管理。
具体地，交通态势展望结果从数据转化单元传输流转至数据发出单元。进一步地，根据交通组织需求匹配交通保障需求。其中，交通保障需求为对交通态势展望结果进行维护的保障。例如，交通组织需求为对道路进行封闭，则匹配获得交通保障需求为通过工作人员维护封闭等进行实际封闭的需求。进一步地，根据交通保障需求为约束，即按照交通保障需求为调动要求，通过数据发出单元对交通管理层级发送调动指令。其中，交通管理层级为进行交通管理的不同道路管理权限的相关部门。调动指令为调用交通管理相关部门进行交通管理的指令。进一步地，根据调动指令调用相关层级执行交通管理。
其中，通过本实施例可以解决现有技术中存在由于传统的交通管理平台数据处理精确度和效率较低，预测交通数据的精确度较低，导致执行交通管理的效率较低的技术问题，实现提高交通管理平台数据处理精确度和效率的目标，达到提高交通管理的效率的技术效果。
本公开实施例提供的方法中还包括：
根据所述自发性交通演变信息中自发性拥堵中心，基于所述交通组织需求计算所述自发性拥堵中心的拥堵时间；
根据所述拥堵时间获取拥堵路程，结合所述自发性拥堵中心的节点交错复杂度，融合获得所述强制性交通演变信息；
根据所述自发性交通演变信息和强制性交通演变信息，获得所述路网交通态势。
具体地，提取自发性交通演变信息中的自发性拥堵中心，即交通事件发生的位置中心。其中，根据交通组织需求中交通流量管理的需求，如根据交通事件的封路需求，计算自发性拥堵中心的拥堵时间。其中，计算方法为以拥堵中心的拥堵开始时间为起始计算时间，以根据自发性拥堵中心而牵连拥堵的范围的拥堵时间为截止时间进行计算。
进一步地，根据拥堵时间获取牵连拥堵范围的拥堵距离路程。进一步地，自发性拥堵中心的节点交错复杂度为自发性拥堵中心与邻近道路的交点数量。例如，当自发性拥堵中心在十字路口交点时，节点交错复杂度可以为4。进一步地，根据拥堵路程与节点交错复杂度进行乘积计算，获得强制性交通演变信息。
进一步地，结合自发性交通演变信息和强制性交通演变信息，组成获得路网交通态势。其中，根据交通组织需求监测自发性交通演变信息和强制性交通演变信息的路网交通态势，以提高通过交通管理平台进行交通管理的效率。
本公开实施例提供的方法中还包括：
对所述路网交通态势进行多个态势提取，并计算获得态势平均值；
根据所述多个态势与所述态势平均值的比值的倒数，获得态势修正序列；
通过所述态势修正序列对所述路网交通态势进行修正，更新获得所述路网交通态势。
具体地，从路网交通态势中所有态势进行提取，获得多个态势。其中，多个态势为多个道路拥堵程度。进一步地，对多个态势进行均值计算，获得态势平均值。
进一步地，将多个态势与态势平均值进行比值计算，获得多个比值结果，将比值结果进行倒数获取，根据获得的倒数作为态势修正的集合，即态势修正序列。其中，态势修正序列中各态势修正结果具有对应的修正态势对象。
进一步地，通过态势修正序列对路网交通态势中各态势进行修正，更新修正后的态势，进行组合获得路网交通态势。其中，对路网交通态势进行修正可以降低各态势对路网交通态势的影响程度，进而降低各态势中的误差态势对路网交通态势的影响程度，即降低个体误差对整体数据的影响。
本公开实施例提供的方法中还包括：
所述交通运行态势展望通道中所述空间域子通道具有交通运行态势要素决策、交通运行态势指标决策和交通运行态势定性决策；
根据所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，以所述交通运行态势要素决策为第一决策分类，以所述交通运行态势指标决策为第二决策分类，以所述交通运行态势定性决策为决策结果，进行多层级决策，输出决策结果；
根据所述数据传输链接将所述决策结果映射至所述时间域子通道，输出所述交通态势展望结果。
具体地，交通运行态势展望通道中的空间域子通道具有交通运行态势要素决策、交通运行态势指标决策和交通运行态势定性决策，用于进行态势分析。
进一步地，将路网交通态势输入交通运行态势展望通道中空间域子通道，用于通过分析当前道路的路网交通态势，进行后续的态势预测。进一步地，将交通运行态势要素决策作为第一决策分类，进行路网交通态势按照交通运行态势要素的分类。其中，交通运行态势要素为影响交通态势的交通要素、环境要素、事件要素。进一步地，将交通运行态势指标决策作为第二决策分类，进行路网交通态势按照交通运行态势指标的分类。其中，交通运行态势指标为交通要素、环境要素、事件要素的要素内容和要素范围。例如，要素范围为事件要素中举办赛事的道路位置范围。进一步地，以对第二决策分类进行交通运行态势定性决策，获得决策结果。其中，根据决策结果获得交通运行态势定性结果，进而完成多层级分类决策。
进一步地，根据数据传输链接将决策结果进行备份并发送至时间域子通道，进而完成决策结果的映射。相应地，也可以直接将决策结果发送至时间域子通道。进一步地，通过时间域子通道进行道路态势预测获得交通态势展望结果。
其中，通过路网交通态势输入交通运行态势展望通道中空间域子通道，对路网交通态势进行分析，通过数据传输链接映射至时间域子通道输出交通态势展望结果，可以提高获得交通态势展望结果的精确度，即提高进行预测的准确程度。
本公开实施例提供的方法中还包括：
对所述交通运行态势展望通道中构建所述交通运行态势要素决策、交通运行态势指标决策和交通运行态势定性决策；
基于大数据获得交通运行态势要素，输入所述交通运行态势要素决策的决策节点，以交通运行态势指标为第一目标值，将所述交通运行态势要素分为多个第一子集，确定所述交通运行态势指标决策；
以交通运行态势定性结果为第二目标值，将所述第一子集分为多个第二子集，确定所述交通运行态势定性决策。
具体地，在交通运行态势展望通道中构建交通运行态势要素决策、交通运行态势指标决策和交通运行态势定性决策，用于进行路网交通态势的分析。
进一步地，基于大数据进行检索获得交通运行态势要素，其中，交通运行态势要素为影响交通态势的交通要素、环境要素、事件要素。进一步地，将交通运行态势要素决策作为根决策节点，以交通运行态势指标为下一决策的目标值，即第一目标值，将交通运行态势要素分为多个第一子集，进而完成交通运行态势指标决策，并确定交通运行态势指标决策的决策节点。
进一步地，以交通运行态势定性结果为下一决策的目标值，即第二目标值，将第一子集分为多个第二子集，进而完成交通运行态势定性决策，并确定交通运行态势定性决策的决策节点。
其中，对交通运行态势展望通道中多个决策节点进行构建，进而提高通过交通运行态势展望通道获得输出结果的准确性。
本公开实施例提供的方法中还包括：
所述时间域子通道具有自发性交通展望节点和强制性交通展望节点；
以所述自发性交通展望节点配置第一权重，以所述强制性交通展望节点配置第二权重，布设所述交通态势展望结果的态势优先级；
根据所述态势优先级设置所述自发性交通展望节点和强制性交通展望节点中所述交通态势展望结果的发出序列，嵌入至所述数据发出单元。
具体地，时间域子通道具有自发性交通展望节点和强制性交通展望节点，分别用于获得交通态势展望结果对应的自发性交通演变信息和强制性交通演变信息，即预测的路网交通态势。
进一步地，对自发性交通展望节点配置第一权重，对强制性交通展望节点配置第二权重，其中，第一权重和第二权重之和为1。第一权重和第二权重由本领域技术人员根据实际情况进行自定义设置获得，例如，第一权重和第二权重之比为4：6。进一步地，根据第一权重和第二权重的权重大小，分别布设交通态势展望结果的态势优先级，用于进行优先处理。其中，对权重越大的交通展望节点布设更高优先级。
进一步地，根据态势优先级分别设置自发性交通展望节点和强制性交通展望节点中交通展望结果的发出顺序，获得发出序列，将发出序列嵌入至数据发出单元。
其中，根据交通态势展望结果按照发出序列通过数据发出单元进行发出，可以提高数据处理和执行交通管理的效率。
本公开实施例提供的方法中还包括：
根据所述发出单元发送的所述调动指令，提取第一层级进行任务权限匹配度分析，当所述第一层级的第一权限满足所述调动指令的调动权限阈值时，执行所述调动指令；
当所述第一权限不满足所述调动权限阈值时，提取第二层级的第二权限进行任务权限匹配度分析，直至满足所述调动权限阈值，获得最高层级执行交通管理。
具体地，根据发出单元发送的调动指令，提取交通管理层级中第一层级进行任务权限匹配度分析，即进行权限比对，当第一层级的第一权限满足调动指令的调动权限阈值时，执行调动指令。其中，调动权限阈值为进行任务处理需要的权限，根据任务重要程度或任务完成难度获得。
进一步地，当第一权限不满足调动权限阈值时，提取第二层级的第二权限进行任务权限匹配度分析，即进行权限比对，直至任一层级的任一权限满足调动权限阈值，将任一层级作为最高层级，并通过最高层级执行交通管理。其中，第二层级的第二权限高于第一层级的第一权限，任一层级的任一权限高于第二层级的第二权限。
其中，通过数据发出单元对交通管理层级发送调动指令，根据调动指令执行交通管理，以提高交通管理的管理任务完成程度。
实施例二
基于与前述实施例中基于大数据的交通管理平台数据处理方法同样的发明构思，如图2所示，本公开还提供了基于大数据的交通管理平台数据处理系统，所述系统包括：
启动单元11，所述启动单元11用于连接交通管理平台，执行启动数据存入单元、数据转化单元和数据发出单元；
数据存入单元12，所述数据存入单元12用于于所述数据存入单元，根据交通组织需求监测自发性交通演变信息和强制性交通演变信息的路网交通态势；
数据转化单元13，所述数据转化单元13用于于所述数据转化单元，基于大数据建立交通运行态势展望通道，其中，包括时间域子通道和空间域子通道，且所述时间域子通道和空间域子通道具有数据传输链接；
交通态势展望结果输出单元14，所述交通态势展望结果输出单元14用于通过所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，对所述路网交通态势进行分析，通过所述数据传输链接映射至所述时间域子通道输出交通态势展望结果；
数据发出单元15，所述数据发出单元15用于根据所述交通态势展望结果流转至所述数据发出单元，根据所述交通组织需求匹配交通保障需求，以所述交通保障需求为约束，通过所述数据发出单元对交通管理层级发送调动指令，根据所述调动指令执行交通管理。
进一步地，数据存入单元12用于执行如下方法：
根据所述自发性交通演变信息中自发性拥堵中心，基于所述交通组织需求计算所述自发性拥堵中心的拥堵时间；
根据所述拥堵时间获取拥堵路程，结合所述自发性拥堵中心的节点交错复杂度，融合获得所述强制性交通演变信息；
根据所述自发性交通演变信息和强制性交通演变信息，获得所述路网交通态势。
进一步地，数据存入单元12还用于执行如下方法：
对所述路网交通态势进行多个态势提取，并计算获得态势平均值；
根据所述多个态势与所述态势平均值的比值的倒数，获得态势修正序列；
通过所述态势修正序列对所述路网交通态势进行修正，更新获得所述路网交通态势。
进一步地，交通态势展望结果输出单元14用于执行如下方法：
所述交通运行态势展望通道中所述空间域子通道具有交通运行态势要素决策、交通运行态势指标决策和交通运行态势定性决策；
根据所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，以所述交通运行态势要素决策为第一决策分类，以所述交通运行态势指标决策为第二决策分类，以所述交通运行态势定性决策为决策结果，进行多层级决策，输出决策结果；
根据所述数据传输链接将所述决策结果映射至所述时间域子通道，输出所述交通态势展望结果。
进一步地，交通态势展望结果输出单元14还用于执行如下方法：
对所述交通运行态势展望通道中构建所述交通运行态势要素决策、交通运行态势指标决策和交通运行态势定性决策；
基于大数据获得交通运行态势要素，输入所述交通运行态势要素决策的决策节点，以交通运行态势指标为第一目标值，将所述交通运行态势要素分为多个第一子集，确定所述交通运行态势指标决策；
以交通运行态势定性结果为第二目标值，将所述第一子集分为多个第二子集，确定所述交通运行态势定性决策。
进一步地，数据发出单元15用于执行如下方法：
所述时间域子通道具有自发性交通展望节点和强制性交通展望节点；
以所述自发性交通展望节点配置第一权重，以所述强制性交通展望节点配置第二权重，布设所述交通态势展望结果的态势优先级；
根据所述态势优先级设置所述自发性交通展望节点和强制性交通展望节点中所述交通态势展望结果的发出序列，嵌入至所述数据发出单元。
进一步地，数据发出单元15还用于执行如下方法：
根据所述发出单元发送的所述调动指令，提取第一层级进行任务权限匹配度分析，当所述第一层级的第一权限满足所述调动指令的调动权限阈值时，执行所述调动指令；
当所述第一权限不满足所述调动权限阈值时，提取第二层级的第二权限进行任务权限匹配度分析，直至满足所述调动权限阈值，获得最高层级执行交通管理。
前述实施例一中的基于大数据的交通管理平台数据处理方法具体实例同样适用于本实施例的基于大数据的交通管理平台数据处理系统，通过前述对基于大数据的交通管理平台数据处理方法的详细描述，本领域技术人员可以清楚地知道本实施例中基于大数据的交通管理平台数据处理系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合和替代。任何在本公开的精神和原则之内所做的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (8)
1.基于大数据的交通管理平台数据处理方法，其特征在于，所述方法包括：
连接交通管理平台，执行启动数据存入单元、数据转化单元和数据发出单元；
于所述数据存入单元，根据交通组织需求监测自发性交通演变信息和强制性交通演变信息的路网交通态势；
于所述数据转化单元，基于大数据建立交通运行态势展望通道，其中，包括时间域子通道和空间域子通道，且所述时间域子通道和空间域子通道具有数据传输链接；
通过所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，对所述路网交通态势进行分析，通过所述数据传输链接映射至所述时间域子通道输出交通态势展望结果；
根据所述交通态势展望结果流转至所述数据发出单元，根据所述交通组织需求匹配交通保障需求，以所述交通保障需求为约束，通过所述数据发出单元对交通管理层级发送调动指令，根据所述调动指令执行交通管理。
2.如权利要求1所述的方法，其特征在于，所述根据交通组织需求监测自发性交通演变信息和强制性交通演变信息的路网交通态势，方法包括：
根据所述自发性交通演变信息中自发性拥堵中心，基于所述交通组织需求计算所述自发性拥堵中心的拥堵时间；
根据所述拥堵时间获取拥堵路程，结合所述自发性拥堵中心的节点交错复杂度，融合获得所述强制性交通演变信息；
根据所述自发性交通演变信息和强制性交通演变信息，获得所述路网交通态势。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
对所述路网交通态势进行多个态势提取，并计算获得态势平均值；
根据所述多个态势与所述态势平均值的比值的倒数，获得态势修正序列；
通过所述态势修正序列对所述路网交通态势进行修正，更新获得所述路网交通态势。
4.如权利要求1所述的方法，其特征在于，所述通过所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，对所述路网交通态势进行分析，通过所述数据传输链接映射至所述时间域子通道输出交通态势展望结果，方法包括：
所述交通运行态势展望通道中所述空间域子通道具有交通运行态势要素决策、交通运行态势指标决策和交通运行态势定性决策；
根据所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，以所述交通运行态势要素决策为第一决策分类，以所述交通运行态势指标决策为第二决策分类，以所述交通运行态势定性决策为决策结果，进行多层级决策，输出决策结果；
根据所述数据传输链接将所述决策结果映射至所述时间域子通道，输出所述交通态势展望结果。
5.如权利要求4所述的方法，其特征在于，所述交通运行态势展望通道中所述空间域子通道具有交通运行态势要素决策、交通运行态势指标决策和交通运行态势定性决策，方法包括：
对所述交通运行态势展望通道中构建所述交通运行态势要素决策、交通运行态势指标决策和交通运行态势定性决策；
基于大数据获得交通运行态势要素，输入所述交通运行态势要素决策的决策节点，以交通运行态势指标为第一目标值，将所述交通运行态势要素分为多个第一子集，确定所述交通运行态势指标决策；
以交通运行态势定性结果为第二目标值，将所述第一子集分为多个第二子集，确定所述交通运行态势定性决策。
6.如权利要求1所述的方法，其特征在于，所述根据所述交通态势展望结果流转至所述数据发出单元，方法包括：
所述时间域子通道具有自发性交通展望节点和强制性交通展望节点；
以所述自发性交通展望节点配置第一权重，以所述强制性交通展望节点配置第二权重，布设所述交通态势展望结果的态势优先级；
根据所述态势优先级设置所述自发性交通展望节点和强制性交通展望节点中所述交通态势展望结果的发出序列，嵌入至所述数据发出单元。
7.如权利要求1所述的方法，其特征在于，所述通过所述数据发出单元对交通管理层级发送调动指令，根据所述调动指令执行交通管理，方法包括：
根据所述发出单元发送的所述调动指令，提取第一层级进行任务权限匹配度分析，当所述第一层级的第一权限满足所述调动指令的调动权限阈值时，执行所述调动指令；
当所述第一权限不满足所述调动权限阈值时，提取第二层级的第二权限进行任务权限匹配度分析，直至满足所述调动权限阈值，获得最高层级执行交通管理。
8.基于大数据的交通管理平台数据处理系统，其特征在于，用于实施权利要求1-7中任意一项所述的基于大数据的交通管理平台数据处理方法，所述系统包括：
启动单元，所述启动单元用于连接交通管理平台，执行启动数据存入单元、数据转化单元和数据发出单元；
数据存入单元，所述数据存入单元用于于所述数据存入单元，根据交通组织需求监测自发性交通演变信息和强制性交通演变信息的路网交通态势；
数据转化单元，所述数据转化单元用于于所述数据转化单元，基于大数据建立交通运行态势展望通道，其中，包括时间域子通道和空间域子通道，且所述时间域子通道和空间域子通道具有数据传输链接；
交通态势展望结果输出单元，所述交通态势展望结果输出单元用于通过所述路网交通态势输入所述交通运行态势展望通道中所述空间域子通道，对所述路网交通态势进行分析，通过所述数据传输链接映射至所述时间域子通道输出交通态势展望结果；
数据发出单元，所述数据发出单元用于根据所述交通态势展望结果流转至所述数据发出单元，根据所述交通组织需求匹配交通保障需求，以所述交通保障需求为约束，通过所述数据发出单元对交通管理层级发送调动指令，根据所述调动指令执行交通管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410039308.0A CN117558132B (zh) | 2024-01-11 | 2024-01-11 | 基于大数据的交通管理平台数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410039308.0A CN117558132B (zh) | 2024-01-11 | 2024-01-11 | 基于大数据的交通管理平台数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117558132A true CN117558132A (zh) | 2024-02-13 |
| CN117558132B CN117558132B (zh) | 2024-03-15 |
Family
ID=89823561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410039308.0A Active CN117558132B (zh) | 2024-01-11 | 2024-01-11 | 基于大数据的交通管理平台数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117558132B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060074544A1 (en) * | 2002-12-20 | 2006-04-06 | Viorel Morariu | Dynamic optimizing traffic planning method and system |
| CN102542818A (zh) * | 2012-01-13 | 2012-07-04 | 吉林大学 | 一种基于有机计算的区域边界交通信号协调控制方法 |
| CN104778837A (zh) * | 2015-04-14 | 2015-07-15 | 吉林大学 | 一种道路交通运行态势多时间尺度预测方法 |
| CN105809953A (zh) * | 2014-12-27 | 2016-07-27 | 吉林大学 | 一种基于m2m的城市交通流车路协同控制方法 |
| CN107563543A (zh) * | 2017-08-11 | 2018-01-09 | 北京邮电大学 | 一种基于群体智能的城市交通优化服务方法与系统 |
| CN111815275A (zh) * | 2020-07-06 | 2020-10-23 | 广东省交通集团有限公司 | 一种路运一体化系统 |
| CN112598169A (zh) * | 2020-12-17 | 2021-04-02 | 广东南方通信建设有限公司 | 交通运行态势评估方法、系统及装置 |
| CN113434619A (zh) * | 2021-06-25 | 2021-09-24 | 南京美慧软件有限公司 | 一种4g的高速公路智能交通路况监控系统 |
| CN113643539A (zh) * | 2021-08-12 | 2021-11-12 | 合肥永信科翔智能技术有限公司 | 一种基于大数据的智慧交通管控系统 |
| CN114639243A (zh) * | 2022-03-31 | 2022-06-17 | 四川九洲视讯科技有限责任公司 | 智能交通预测与决策方法、系统及可读存储介质 |
| CN115796509A (zh) * | 2022-11-22 | 2023-03-14 | 交控科技股份有限公司 | 一种轨道交通应急调度辅助决策系统及方法 |
| CN117292551A (zh) * | 2023-11-27 | 2023-12-26 | 辽宁邮电规划设计院有限公司 | 基于物联网的城市交通态势调节系统与方法 |
-
2024
- 2024-01-11 CN CN202410039308.0A patent/CN117558132B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060074544A1 (en) * | 2002-12-20 | 2006-04-06 | Viorel Morariu | Dynamic optimizing traffic planning method and system |
| CN102542818A (zh) * | 2012-01-13 | 2012-07-04 | 吉林大学 | 一种基于有机计算的区域边界交通信号协调控制方法 |
| CN105809953A (zh) * | 2014-12-27 | 2016-07-27 | 吉林大学 | 一种基于m2m的城市交通流车路协同控制方法 |
| CN104778837A (zh) * | 2015-04-14 | 2015-07-15 | 吉林大学 | 一种道路交通运行态势多时间尺度预测方法 |
| CN107563543A (zh) * | 2017-08-11 | 2018-01-09 | 北京邮电大学 | 一种基于群体智能的城市交通优化服务方法与系统 |
| CN111815275A (zh) * | 2020-07-06 | 2020-10-23 | 广东省交通集团有限公司 | 一种路运一体化系统 |
| CN112598169A (zh) * | 2020-12-17 | 2021-04-02 | 广东南方通信建设有限公司 | 交通运行态势评估方法、系统及装置 |
| CN113434619A (zh) * | 2021-06-25 | 2021-09-24 | 南京美慧软件有限公司 | 一种4g的高速公路智能交通路况监控系统 |
| CN113643539A (zh) * | 2021-08-12 | 2021-11-12 | 合肥永信科翔智能技术有限公司 | 一种基于大数据的智慧交通管控系统 |
| CN114639243A (zh) * | 2022-03-31 | 2022-06-17 | 四川九洲视讯科技有限责任公司 | 智能交通预测与决策方法、系统及可读存储介质 |
| CN115796509A (zh) * | 2022-11-22 | 2023-03-14 | 交控科技股份有限公司 | 一种轨道交通应急调度辅助决策系统及方法 |
| CN117292551A (zh) * | 2023-11-27 | 2023-12-26 | 辽宁邮电规划设计院有限公司 | 基于物联网的城市交通态势调节系统与方法 |
Non-Patent Citations (2)
| Title |
|---|
| 彭璇;方艾芬;张森;: ""互联网+"高速公路交通运行监测平台研究", 中国交通信息化, no. 01, 15 January 2017 (2017-01-15), pages 90 - 92 * |
| 谈晓洁, 周晶, 盛昭瀚: "城市交通拥挤特征及疏导决策分析", 管理工程学报, vol. 17, no. 01, 30 March 2003 (2003-03-30), pages 56 - 59 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117558132B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cats et al. | Dynamic vulnerability analysis of public transport networks: mitigation effects of real-time information | |
| Akhavian et al. | Evaluation of queuing systems for knowledge-based simulation of construction processes | |
| Kim et al. | Diagnosis and prediction of traffic congestion on urban road networks using Bayesian networks | |
| CN103229148A (zh) | 运输车辆的适应性远程维护 | |
| CN103678004A (zh) | 一种基于非监督特征学习的主机负载预测方法 | |
| CN112598331B (zh) | 轨道交通的动态调度方法、系统、计算机设备和存储介质 | |
| Barabino et al. | An offline framework for handling automatic passenger counting raw data | |
| CN110246332B (zh) | 基于多源数据融合的轨道交通实时客流监察方法与系统 | |
| Vahedian et al. | Predicting urban dispersal events: A two-stage framework through deep survival analysis on mobility data | |
| CN115018148A (zh) | 一种基于数字孪生模型的城市轨道交通线网客流分布预测方法及系统 | |
| CN109739912A (zh) | 数据分析方法及系统 | |
| CN111754147A (zh) | 路区划分方法、系统、装置和计算机可读存储介质 | |
| CN114638021A (zh) | 物联网轻量级区块链系统安全性评价方法 | |
| De La Vega et al. | Exact approaches to the robust vehicle routing problem with time windows and multiple deliverymen | |
| Musolino et al. | A modelling framework to simulate paths and routes choices of freight vehicles in sub-urban areas | |
| CN117558132B (zh) | 基于大数据的交通管理平台数据处理方法及系统 | |
| CN114781704A (zh) | 一种基于过站航班保障流程的航班延误预测方法 | |
| CN109934368B (zh) | 订单数量和订单状态的预测方法、装置及系统 | |
| Shen et al. | Model cascading overload failure and dynamic vulnerability analysis of facility network of metro station | |
| Khorsi et al. | Pareto-based grouping meta-heuristic algorithm for humanitarian relief logistics with multistate network reliability | |
| CN116384807A (zh) | 基于模糊综合评价模型的航路网络拥挤态势评估方法 | |
| CN112785044B (zh) | 公共交通工具的实时满载率预测方法、装置、设备和介质 | |
| CN116522213A (zh) | 业务状态级别分类及分类模型训练方法、电子设备 | |
| CN114444922A (zh) | 一种群体智能控制下的混合交通效能评估方法 | |
| Zouein et al. | Alleviating airport terminal congestion through dynamic space reallocation |
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 |