CN117634843A - 一种基于多源数据的交通运输数据共享管理系统及方法 - Google Patents
一种基于多源数据的交通运输数据共享管理系统及方法 Download PDFInfo
- Publication number
- CN117634843A CN117634843A CN202311726481.XA CN202311726481A CN117634843A CN 117634843 A CN117634843 A CN 117634843A CN 202311726481 A CN202311726481 A CN 202311726481A CN 117634843 A CN117634843 A CN 117634843A
- Authority
- CN
- China
- Prior art keywords
- data
- traffic
- node
- inspection
- checking
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000007726 management method Methods 0.000 claims abstract description 14
- 238000007689 inspection Methods 0.000 claims description 135
- 238000012545 processing Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008447 perception 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多源数据的交通运输数据共享管理系统及方法,属于交通运输数据共享技术领域。本发明包括查验节点数据模块、多源端口模块、交通运输反馈模块以及共享推荐模块;所述查验节点数据模块的输出端与所述多源端口模块的输入端相连接;所述多源端口模块的输出端与所述交通运输反馈模块的输入端相连接;所述交通运输反馈模块的输出端与所述共享推荐模块的输入端相连接。本发明能够采集大量的多源头数据类型,利用一定的数据融合体系,实现精准管控、协同服务能力,联合多方面数据进行交通运输车辆的规划指导,解决查验车辆拥堵在查验节点的问题,提高数字化交通能力。
Description
技术领域
本发明涉及交通运输数据共享技术领域,具体为一种基于多源数据的交通运输数据共享管理系统及方法。
背景技术
数字交通是数字经济发展的重要领域,是以数据为关键要素和核心驱动,促进物理和虚拟空间的交通运输活动不断融合、交互作用的现代交通运输体系。其赋能交通运输及关联产业,推动模式、业态、产品、服务等联动创新,提升出行和物流服务品质。
在目前数字交通的发展过程中,其虽然能够采集大量的多源头数据类型,但缺乏一定的数据融合体系,缺乏感知网络,缺乏精准管控、协同服务能力。尤其是在面临实际的交通运作过程中,对于特殊车辆的查验过程繁琐复杂,耗费时间,一旦整个交通网络出现大批需要查验的交通运输车辆,就极易形成在查验节点的交通拥堵,阻碍正常通行,而目前,尚没有技术能够联合多方面数据进行交通运输车辆的规划指导,缺乏解决查验车辆拥堵的技术手段。
发明内容
本发明的目的在于提供一种基于多源数据的交通运输数据共享管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于多源数据的交通运输数据共享管理方法,该方法包括以下步骤:
S1、获取道路查验节点位置数据(例如每个收费站可视为一个道路查验节点),在每个查验节点设置有数据接收端,任一交通运输司机A在距离查验节点小于一定值N时能够上传预约申请,预约申请传输至数据接收端,数据接收端将预约申请转入数据处理通道,数据处理通道调用多源数据端口,所述多源数据端口包括运输端口、查验端口和道路数据端口,N代表常数项;
S2、运输端口调用交通运输司机A的车辆在最近一个时间周期T内的平均速度、交通运输司机A的车辆与查验节点之间的距离、车载货物类型以及装载方式,计算生成交通运输司机A的车辆到达查验节点的预测时间;
S3、多源数据端口接收到交通运输司机A的车辆到达查验节点的预测时间后,调用道路数据端口,以交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内存在的交通运输车辆,并标记出所有交通运输车辆,在标记的交通运输车辆中选取出与交通运输司机A的车辆预约了同一查验节点的交通运输车辆,分别计算每一辆交通运输司机车辆到达查验节点的预测时间,按照时间长短进行排序,对时间小于交通运输司机A的车辆的反馈至查验端口;
S4、获取标记出的所有交通运输车辆中未选取出的交通运输车辆,构建交通分析模型,输出未选取出的交通运输车辆穿过查验节点的概率,若概率大于阈值,则判定为该交通运输车辆会通过查验节点,获取该交通运输车辆到达查验节点的预测时间,反馈至查验端口;
S5、查验端口接收到反馈数据后,调用已预约的交通运输车辆的车载货物类型以及装载方式,根据查验端口的历史查验数据,构建查验模型,输出每一辆交通运输车辆的查验时间,对于判定为会通过查验节点的交通运输车辆根据车辆大小取平均值作为查验时间,汇总计算总查验时间,输出至数据处理通道;
S6、数据处理通道反馈总查验时间至交通运输司机A的车辆的预约申请端口,若总查验时间超出系统设定的时间阈值,为交通运输司机A推荐下一查验节点。
根据上述技术方案,所述构建交通分析模型包括:
获取交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内的交通运输历史通行数据,任一条通过查验节点的交通运输通行数据记为Q;对未通过查验节点的交通运输通行数据进行分解处理,将反向车道的交通运输车辆删除,剩余交通运输通行数据记为S;
计算查验节点的通过率为Q/(S+Q);取同一查验节点的不同时间区间下的交通运输历史通行数据,生成不同时间区间下的查验节点的通过率,记为集合{x1、x2、…、xn},其中x1、x2、…、xn分别代表n组选取出来的不同时间区间下的查验节点的通过率;
以集合{x1、x2、…、xn}作为查验节点的训练集,分析查验节点的通过率预测值,记预测值计算方式为:
Ln+1=d+k*t
其中,Ln+1代表查验节点的通过率预测值;d为预测截距;k为预测斜率;t为预测周期;
按照移动平均的方式对预测截距、预测斜率进行取值:
d=2a1-a2
其中,a1、a2分别代表一次移动平均值和二次移动平均值;m代表移动平均中移动的数据组数值;
对查验节点的交通运输历史通行数据进行特征分解,分解为部分特征点,所述部分特征点包括车辆特征点与查验节点特征点;所述车辆特征点包括车辆额定承载量、车载货物类型;
所述查验节点特征点包括每一个路口节点的通过与否、查验节点的关联道路查验节点数量,所述每一个路口节点指在交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内的每一个道路交叉口;所述关联道路查验节点指通过当前查验节点能够到达的下一个查验节点;在实际运算中,通常会设定一定的距离来限制,防止数据无法控制,即是说,会设置有百公里范围内的区域,在这个区域内第一到达的查验节点;
以交通运输历史通行数据中的通过查验节点或者未通过查验节点作为结果数据,以部分特征点作为因素数据,所述因素数据中,车辆额定承载量超出系统设定承载阈值B时,定义为高,否则为低;车载货物类型为必须查验与非必须查验;每一个路口节点定义为通过与未通过;关联道路查验节点数超出系统设定数量阈值C时,定义为多,否则为少;将交通运输历史通行数据按照因素数据和结果数据整理成逐条数据组。
根据上述技术方案,获取当前的标记出的所有交通运输车辆中未选取出的交通运输车辆的车辆因素数据,以及预约的查验节点的因素数据,分别计算任一辆未选取出的交通运输车辆的结果数据,包括通过查验节点概率与未通过查验节点概率;
其中,P1指逐条数据组中通过查验节点概率或未通过查验节点概率,计算通过查验节点概率时均取逐条数据组中的通过查验节点概率,计算未通过查验节点概率时均取逐条数据组中的未通过查验节点概率;P1(Y1、U1、E1、R1)指因素数据为Y1、U1、E1、R1时的P1概率,其中Y1、U1、E1、R1指因素数据的取值,E1指路口节点部分,省略号代表每一个路口节点;P1(Y1)、P1(U1)、P1(E1)、…、P1(R1)指在逐条数据组中为P1时,各项因素数据的样本概率;P(Y1)、P(U1)、P(E1)、…、P(R1)指在逐条数据组中,各项因素数据的样本概率;
分别计算出任一辆未选取出的交通运输车辆的结果数据,其中通过查验节点的概率记为PT1,未通过查验节点的概率记为PT2,对比PT1与PT2的大小,选取较大的一方对应的结果作为该辆未选取出的交通运输车辆的结果数据;根据PT1与PT2之间的差值大小进行排序,差值越大在结果数据中排序越靠前;
获取预约查验节点的交通运输车辆与结果数据为通过查验节点的交通运输车辆,分别记数量为G1、G2;获取区域内交通运输车辆总数量记为F;
若存在,G1/F>Ln+1,则在判定中删除所有结果数据为通过查验节点的交通运输车辆;若存在(G1+G2)/F>Ln+1,则在判定中靠前选取结果数据为通过查验节点的交通运输车辆,满足(G1+部分G2)/F≤Ln+1时停止,其中(G1+部分G2)的值取最大值;若存在(G1+G2)/F≤Ln+1,则在判定中选取所有结果数据为通过查验节点的交通运输车辆;
根据判定后的数据获取判定选取的交通运输车辆到达查验节点的预测时间,反馈至查验端口。
根据上述技术方案,所述构建查验模型包括:
查验端口接收到反馈数据后,调用已预约的交通运输车辆的车载货物类型以及装载方式,根据查验端口的历史查验数据,选取相同装载方式的历史交通运输车辆的查验时间,以历史交通运输车辆的查验时间的平均值作为当前交通运输车辆的查验时间;
对于判定为会通过查验节点的交通运输车辆根据车辆大小取平均值作为查验时间,汇总计算总查验时间,输出至数据处理通道。
根据上述技术方案,在步骤S6中,还包括:
若交通运输司机A确认下一查验节点,则将该交通运输车辆在当前查验节点范围中抹除。
一种基于多源数据的交通运输数据共享管理系统,该系统包括:查验节点数据模块、多源端口模块、交通运输反馈模块以及共享推荐模块;
所述查验节点数据模块用于获取道路查验节点位置数据,在每个查验节点设置有数据接收端;所述多源端口模块包括多源数据端口,所述多源数据端口包括运输端口、查验端口和道路数据端口;所述交通运输反馈模块用于计算每一辆交通运输司机车辆到达查验节点的预测时间,汇总计算总查验时间,输出至数据处理通道;所述共享推荐模块用于接收总查验时间,反馈至交通运输司机的车辆的预约申请端口,若总查验时间超出系统设定的时间阈值,为交通运输司机推荐下一查验节点;
所述查验节点数据模块的输出端与所述多源端口模块的输入端相连接;所述多源端口模块的输出端与所述交通运输反馈模块的输入端相连接;所述交通运输反馈模块的输出端与所述共享推荐模块的输入端相连接。
根据上述技术方案,所述查验节点数据模块包括道路节点位置单元与数据接收单元;
所述道路节点位置单元用于获取道路查验节点位置数据,在每个查验节点设置有数据接收端;所述数据接收单元用于任一交通运输司机在距离查验节点小于一定值N时能够上传预约申请,预约申请传输至数据接收端,数据接收端将预约申请转入数据处理通道,数据处理通道调用多源数据端口;
所述道路节点位置单元的输出端与所述数据接收单元的输入端相连接。
根据上述技术方案,所述多源端口模块包括:
运输端口调用交通运输司机的车辆在最近一个时间周期T内的平均速度、交通运输司机的车辆与查验节点之间的距离、车载货物类型以及装载方式,计算生成交通运输司机的车辆到达查验节点的预测时间;
多源数据端口接收到任一交通运输司机A的车辆到达查验节点的预测时间后,调用道路数据端口,以交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内存在的交通运输车辆,并标记出所有交通运输车辆,在标记的交通运输车辆中选取出与交通运输司机A的车辆预约了同一查验节点的交通运输车辆,分别计算每一辆交通运输司机车辆到达查验节点的预测时间,按照时间长短进行排序,对时间小于交通运输司机A的车辆的反馈至查验端口。
根据上述技术方案,所述多源端口模块还包括:
获取标记出的所有交通运输车辆中未选取出的交通运输车辆,构建交通分析模型,输出未选取出的交通运输车辆穿过查验节点的概率,若概率大于阈值,则判定为该交通运输车辆会通过查验节点,获取该交通运输车辆到达查验节点的预测时间,反馈至查验端口;
查验端口接收到反馈数据后,调用已预约的交通运输车辆的车载货物类型以及装载方式,根据查验端口的历史查验数据,构建查验模型,输出每一辆交通运输车辆的查验时间,对于判定为会通过查验节点的交通运输车辆根据车辆大小取平均值作为查验时间。
根据上述技术方案,所述共享推荐模块包括数据共享单元与推荐单元;
所述数据共享单元用于接收总查验时间,反馈至交通运输司机的车辆的预约申请端口;所述推荐单元在总查验时间超出系统设定的时间阈值,为交通运输司机推荐下一查验节点;
若交通运输司机确认下一查验节点,则将该交通运输车辆在当前查验节点范围中抹除。
与现有技术相比,本发明所达到的有益效果是:本发明能够采集大量的多源头数据类型,利用一定的数据融合体系,实现精准管控、协同服务能力,联合多方面数据进行交通运输车辆的规划指导,解决查验车辆拥堵在查验节点的问题,提高数字化交通能力。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于多源数据的交通运输数据共享管理系统及方法的流程示意图。
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,本发明提供技术方案:
在本实施例一中,以鲜活农产品交通运输为例:
所述鲜活农产品交通运输指依据相关规定对享受鲜活农产品运输“绿色通道”政策的车辆进行交通运输过程中,给予免费通行政策;但是在这样的政策下,要求对每一辆交通运输车辆进行指定车道的查验过程;
因此在高速公路的各查验节点设置有数据接收端,交通运输司机在距离查验节点一定值时上传预约申请,预约申请传输至数据接收端,数据接收端将预约申请转入数据处理通道,数据处理通道调用多源数据端口;
所述多源数据端口包括运输端口、查验端口和道路数据端口,所述运输端口调用交通运输司机车辆最近一个周期内的平均速度和车辆与查验节点之间的距离、车载货物类型以及装载方式,计算生成交通运输司机车辆到达查验节点的预测时间,多源数据端口接收到交通运输司机车辆到达查验节点的预测时间后,调用道路数据端口,以交通运输司机车辆与查验节点之间的距离为半径检测形成的圆形区域内存在的交通运输车辆,并标记出所有交通运输车辆,在标记的交通运输车辆中选取出与交通运输司机车辆预约了同一查验节点的交通运输车辆,分别计算每一辆交通运输司机车辆到达查验节点的预测时间,按照时间长短进行排序,对时间小于交通运输司机车辆的反馈至查验端口;
获取标记出的所有交通运输车辆中未选取出的交通运输车辆,获取未选取出的交通运输车辆所在道路和车辆大小,获取查验节点的历史数据和关联道路节点,构建交通分析模型,输出未选取出的交通运输车辆穿过查验节点的概率,若概率大于阈值,则判定为该交通运输车辆会通过查验节点,获取交通运输车辆到达查验节点的预测时间,反馈至查验端口;
所述构建交通分析模型包括:
获取交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内的交通运输历史通行数据,任一条通过查验节点的交通运输通行数据记为Q;对未通过查验节点的交通运输通行数据进行分解处理,将反向车道的交通运输车辆删除,剩余交通运输通行数据记为S;
计算查验节点的通过率为Q/(S+Q);取同一查验节点的不同时间区间下的交通运输历史通行数据,生成不同时间区间下的查验节点的通过率,记为集合{x1、x2、…、xn},其中x1、x2、…、xn分别代表n组选取出来的不同时间区间下的查验节点的通过率;
以集合{x1、x2、…、xn}作为查验节点的训练集,分析查验节点的通过率预测值,记预测值计算方式为:
Ln+1=d+k*t
其中,Ln+1代表查验节点的通过率预测值;d为预测截距;k为预测斜率;t为预测周期;
按照移动平均的方式对预测截距、预测斜率进行取值:
d=2a1-a2
其中,a1、a2分别代表一次移动平均值和二次移动平均值;m代表移动平均中移动的数据组数值;
查验端口接收到反馈数据后,调用已预约的交通运输车辆的车载货物类型以及装载方式,根据历史数据,构建查验模型,输出每一辆交通运输车辆的查验时间,对于判定为会通过查验节点的交通运输车辆根据车辆大小取平均值作为查验时间,汇总计算总查验时间,输出至数据处理通道;
对查验节点的交通运输历史通行数据进行特征分解,分解为部分特征点,所述部分特征点包括车辆特征点与查验节点特征点;所述车辆特征点包括车辆额定承载量、车载货物类型;
所述查验节点特征点包括每一个路口节点的通过与否、查验节点的关联道路查验节点数量,所述每一个路口节点指在交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内的每一个道路交叉口;所述关联道路查验节点指通过当前查验节点能够到达的下一个查验节点;
以交通运输历史通行数据中的通过查验节点或者未通过查验节点作为结果数据,以部分特征点作为因素数据,所述因素数据中,车辆额定承载量超出系统设定承载阈值B时,定义为高,否则为低;车载货物类型为必须查验与非必须查验;每一个路口节点定义为通过与未通过;关联道路查验节点数超出系统设定数量阈值C时,定义为多,否则为少;将交通运输历史通行数据按照因素数据和结果数据整理成逐条数据组。
获取当前的标记出的所有交通运输车辆中未选取出的交通运输车辆的车辆因素数据,以及预约的查验节点的因素数据,分别计算任一辆未选取出的交通运输车辆的结果数据,包括通过查验节点概率与未通过查验节点概率;
其中,P1指逐条数据组中通过查验节点概率或未通过查验节点概率,计算通过查验节点概率时均取逐条数据组中的通过查验节点概率,计算未通过查验节点概率时均取逐条数据组中的未通过查验节点概率;P1(Y1、U1、E1、R1)指因素数据为Y1、U1、E1、R1时的P1概率,其中Y1、U1、E1、R1指因素数据的取值,E1指路口节点部分,省略号代表每一个路口节点;P1(Y1)、P1(U1)、P1(E1)、…、P1(R1)指在逐条数据组中为P1时,各项因素数据的样本概率;P(Y1)、P(U1)、P(E1)、…、P(R1)指在逐条数据组中,各项因素数据的样本概率;
分别计算出任一辆未选取出的交通运输车辆的结果数据,其中通过查验节点的概率记为PT1,未通过查验节点的概率记为PT2,对比PT1与PT2的大小,选取较大的一方对应的结果作为该辆未选取出的交通运输车辆的结果数据;根据PT1与PT2之间的差值大小进行排序,差值越大在结果数据中排序越靠前;
获取预约查验节点的交通运输车辆与结果数据为通过查验节点的交通运输车辆,分别记数量为G1、G2;获取区域内交通运输车辆总数量记为F;
若存在,G1/F>Ln+1,则在判定中删除所有结果数据为通过查验节点的交通运输车辆;若存在(G1+G2)/F>Ln+1,则在判定中靠前选取结果数据为通过查验节点的交通运输车辆,满足(G1+部分G2)/F≤Ln+1时停止,其中(G1+部分G2)的值取最大值;若存在(G1+G2)/F≤Ln+1,则在判定中选取所有结果数据为通过查验节点的交通运输车辆;
根据判定后的数据获取判定选取的交通运输车辆到达查验节点的预测时间,反馈至查验端口。
查验端口接收到反馈数据后,调用已预约的交通运输车辆的车载货物类型以及装载方式,根据查验端口的历史查验数据,选取相同装载方式的历史交通运输车辆的查验时间,以历史交通运输车辆的查验时间的平均值作为当前交通运输车辆的查验时间;
对于判定为会通过查验节点的交通运输车辆根据车辆大小取平均值作为查验时间,汇总计算总查验时间,输出至数据处理通道。
数据处理通道反馈总查验时间至交通运输车辆的预约申请端口,若总查验时间超出时间阈值,为交通运输司机推荐下一查验节点,若司机确认下一查验节点,则将该交通运输车辆在当前查验节点范围中抹除。
在本实施例二中,提供一种基于多源数据的交通运输数据共享管理系统,该系统包括:查验节点数据模块、多源端口模块、交通运输反馈模块以及共享推荐模块;
所述查验节点数据模块用于获取道路查验节点位置数据,在每个查验节点设置有数据接收端;所述多源端口模块包括多源数据端口,所述多源数据端口包括运输端口、查验端口和道路数据端口;所述交通运输反馈模块用于计算每一辆交通运输司机车辆到达查验节点的预测时间,汇总计算总查验时间,输出至数据处理通道;所述共享推荐模块用于接收总查验时间,反馈至交通运输司机的车辆的预约申请端口,若总查验时间超出系统设定的时间阈值,为交通运输司机推荐下一查验节点;
所述查验节点数据模块的输出端与所述多源端口模块的输入端相连接;所述多源端口模块的输出端与所述交通运输反馈模块的输入端相连接;所述交通运输反馈模块的输出端与所述共享推荐模块的输入端相连接。
所述查验节点数据模块包括道路节点位置单元与数据接收单元;
所述道路节点位置单元用于获取道路查验节点位置数据,在每个查验节点设置有数据接收端;所述数据接收单元用于任一交通运输司机在距离查验节点小于一定值N时能够上传预约申请,预约申请传输至数据接收端,数据接收端将预约申请转入数据处理通道,数据处理通道调用多源数据端口;
所述道路节点位置单元的输出端与所述数据接收单元的输入端相连接。
所述多源端口模块包括:
运输端口调用交通运输司机的车辆在最近一个时间周期T内的平均速度、交通运输司机的车辆与查验节点之间的距离、车载货物类型以及装载方式,计算生成交通运输司机的车辆到达查验节点的预测时间;
多源数据端口接收到任一交通运输司机A的车辆到达查验节点的预测时间后,调用道路数据端口,以交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内存在的交通运输车辆,并标记出所有交通运输车辆,在标记的交通运输车辆中选取出与交通运输司机A的车辆预约了同一查验节点的交通运输车辆,分别计算每一辆交通运输司机车辆到达查验节点的预测时间,按照时间长短进行排序,对时间小于交通运输司机A的车辆的反馈至查验端口。
所述多源端口模块还包括:
获取标记出的所有交通运输车辆中未选取出的交通运输车辆,构建交通分析模型,输出未选取出的交通运输车辆穿过查验节点的概率,若概率大于阈值,则判定为该交通运输车辆会通过查验节点,获取该交通运输车辆到达查验节点的预测时间,反馈至查验端口;
查验端口接收到反馈数据后,调用已预约的交通运输车辆的车载货物类型以及装载方式,根据查验端口的历史查验数据,构建查验模型,输出每一辆交通运输车辆的查验时间,对于判定为会通过查验节点的交通运输车辆根据车辆大小取平均值作为查验时间。
所述共享推荐模块包括数据共享单元与推荐单元;
所述数据共享单元用于接收总查验时间,反馈至交通运输司机的车辆的预约申请端口;所述推荐单元在总查验时间超出系统设定的时间阈值,为交通运输司机推荐下一查验节点;
若交通运输司机确认下一查验节点,则将该交通运输车辆在当前查验节点范围中抹除。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多源数据的交通运输数据共享管理方法,其特征在于:该方法包括以下步骤:
S1、获取道路查验节点位置数据,在每个查验节点设置有数据接收端,任一交通运输司机A在距离查验节点小于一定值N时能够上传预约申请,预约申请传输至数据接收端,数据接收端将预约申请转入数据处理通道,数据处理通道调用多源数据端口,所述多源数据端口包括运输端口、查验端口和道路数据端口,N代表常数项;
S2、运输端口调用交通运输司机A的车辆在最近一个时间周期T内的平均速度、交通运输司机A的车辆与查验节点之间的距离、车载货物类型以及装载方式,计算生成交通运输司机A的车辆到达查验节点的预测时间;
S3、多源数据端口接收到交通运输司机A的车辆到达查验节点的预测时间后,调用道路数据端口,以交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内存在的交通运输车辆,并标记出所有交通运输车辆,在标记的交通运输车辆中选取出与交通运输司机A的车辆预约了同一查验节点的交通运输车辆,分别计算每一辆交通运输司机车辆到达查验节点的预测时间,按照时间长短进行排序,对时间小于交通运输司机A的车辆的反馈至查验端口;
S4、获取标记出的所有交通运输车辆中未选取出的交通运输车辆,构建交通分析模型,输出未选取出的交通运输车辆穿过查验节点的概率,若概率大于阈值,则判定为该交通运输车辆会通过查验节点,获取该交通运输车辆到达查验节点的预测时间,反馈至查验端口;
S5、查验端口接收到反馈数据后,调用已预约的交通运输车辆的车载货物类型以及装载方式,根据查验端口的历史查验数据,构建查验模型,输出每一辆交通运输车辆的查验时间,对于判定为会通过查验节点的交通运输车辆根据车辆大小取平均值作为查验时间,汇总计算总查验时间,输出至数据处理通道;
S6、数据处理通道反馈总查验时间至交通运输司机A的车辆的预约申请端口,若总查验时间超出系统设定的时间阈值,为交通运输司机A推荐下一查验节点。
2.根据权利要求1所述的一种基于多源数据的交通运输数据共享管理方法,其特征在于:所述构建交通分析模型包括:
获取交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内的交通运输历史通行数据,任一条通过查验节点的交通运输通行数据记为Q;对未通过查验节点的交通运输通行数据进行分解处理,将反向车道的交通运输车辆删除,剩余交通运输通行数据记为S;
计算查验节点的通过率为Q/(S+Q);取同一查验节点的不同时间区间下的交通运输历史通行数据,生成不同时间区间下的查验节点的通过率,记为集合{x1、x2、…、xn},其中x1、x2、…、xn分别代表n组选取出来的不同时间区间下的查验节点的通过率;
以集合{x1、x2、…、xn}作为查验节点的训练集,分析查验节点的通过率预测值,记预测值计算方式为:
Ln+1=d+k*t
其中,Ln+1代表查验节点的通过率预测值;d为预测截距;k为预测斜率;t为预测周期;
按照移动平均的方式对预测截距、预测斜率进行取值:
d=2a1-a2
其中,a1、a2分别代表一次移动平均值和二次移动平均值;m代表移动平均中移动的数据组数值;
对查验节点的交通运输历史通行数据进行特征分解,分解为部分特征点,所述部分特征点包括车辆特征点与查验节点特征点;所述车辆特征点包括车辆额定承载量、车载货物类型;
所述查验节点特征点包括每一个路口节点的通过与否、查验节点的关联道路查验节点数量,所述每一个路口节点指在交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内的每一个道路交叉口;所述关联道路查验节点指通过当前查验节点能够到达的下一个查验节点;
以交通运输历史通行数据中的通过查验节点或者未通过查验节点作为结果数据,以部分特征点作为因素数据,所述因素数据中,车辆额定承载量超出系统设定承载阈值B时,定义为高,否则为低;车载货物类型为必须查验与非必须查验;每一个路口节点定义为通过与未通过;关联道路查验节点数超出系统设定数量阈值C时,定义为多,否则为少;将交通运输历史通行数据按照因素数据和结果数据整理成逐条数据组。
3.根据权利要求2所述的一种基于多源数据的交通运输数据共享管理方法,其特征在于:
获取当前的标记出的所有交通运输车辆中未选取出的交通运输车辆的车辆因素数据,以及预约的查验节点的因素数据,分别计算任一辆未选取出的交通运输车辆的结果数据,包括通过查验节点概率与未通过查验节点概率;
其中,P1指逐条数据组中通过查验节点概率或未通过查验节点概率,计算通过查验节点概率时均取逐条数据组中的通过查验节点概率,计算未通过查验节点概率时均取逐条数据组中的未通过查验节点概率;P1(Y1、U1、E1、R1)指因素数据为Y1、U1、E1、R1时的P1概率,其中Y1、U1、E1、R1指因素数据的取值,E1指路口节点部分,省略号代表每一个路口节点;P1(Y1)、P1(U1)、P1(E1)、…、P1(R1)指在逐条数据组中为P1时,各项因素数据的样本概率;P(Y1)、P(U1)、P(E1)、…、P(R1)指在逐条数据组中,各项因素数据的样本概率;
分别计算出任一辆未选取出的交通运输车辆的结果数据,其中通过查验节点的概率记为PT1,未通过查验节点的概率记为PT2,对比PT1与PT2的大小,选取较大的一方对应的结果作为该辆未选取出的交通运输车辆的结果数据;根据PT1与PT2之间的差值大小进行排序,差值越大在结果数据中排序越靠前;
获取预约查验节点的交通运输车辆与结果数据为通过查验节点的交通运输车辆,分别记数量为G1、G2;获取区域内交通运输车辆总数量记为F;
若存在,G1/F>Ln+1,则在判定中删除所有结果数据为通过查验节点的交通运输车辆;若存在(G1+G2)/F>Ln+1,则在判定中靠前选取结果数据为通过查验节点的交通运输车辆,满足(G1+部分G2)/F≤Ln+1时停止,其中(G1+部分G2)的值取最大值;若存在(G1+G2)/F≤Ln+1,则在判定中选取所有结果数据为通过查验节点的交通运输车辆;
根据判定后的数据获取判定选取的交通运输车辆到达查验节点的预测时间,反馈至查验端口。
4.根据权利要求1所述的一种基于多源数据的交通运输数据共享管理方法,其特征在于:所述构建查验模型包括:
查验端口接收到反馈数据后,调用已预约的交通运输车辆的车载货物类型以及装载方式,根据查验端口的历史查验数据,选取相同装载方式的历史交通运输车辆的查验时间,以历史交通运输车辆的查验时间的平均值作为当前交通运输车辆的查验时间;
对于判定为会通过查验节点的交通运输车辆根据车辆大小取平均值作为查验时间,汇总计算总查验时间,输出至数据处理通道。
5.根据权利要求1所述的一种基于多源数据的交通运输数据共享管理方法,其特征在于:在步骤S6中,还包括:
若交通运输司机A确认下一查验节点,则将该交通运输车辆在当前查验节点范围中抹除。
6.一种基于多源数据的交通运输数据共享管理系统,其特征在于:该系统包括:查验节点数据模块、多源端口模块、交通运输反馈模块以及共享推荐模块;
所述查验节点数据模块用于获取道路查验节点位置数据,在每个查验节点设置有数据接收端;所述多源端口模块包括多源数据端口,所述多源数据端口包括运输端口、查验端口和道路数据端口;所述交通运输反馈模块用于计算每一辆交通运输司机车辆到达查验节点的预测时间,汇总计算总查验时间,输出至数据处理通道;所述共享推荐模块用于接收总查验时间,反馈至交通运输司机的车辆的预约申请端口,若总查验时间超出系统设定的时间阈值,为交通运输司机推荐下一查验节点;
所述查验节点数据模块的输出端与所述多源端口模块的输入端相连接;所述多源端口模块的输出端与所述交通运输反馈模块的输入端相连接;所述交通运输反馈模块的输出端与所述共享推荐模块的输入端相连接。
7.根据权利要求6所述的一种基于多源数据的交通运输数据共享管理系统,其特征在于:所述查验节点数据模块包括道路节点位置单元与数据接收单元;
所述道路节点位置单元用于获取道路查验节点位置数据,在每个查验节点设置有数据接收端;所述数据接收单元用于任一交通运输司机在距离查验节点小于一定值N时能够上传预约申请,预约申请传输至数据接收端,数据接收端将预约申请转入数据处理通道,数据处理通道调用多源数据端口;
所述道路节点位置单元的输出端与所述数据接收单元的输入端相连接。
8.根据权利要求6所述的一种基于多源数据的交通运输数据共享管理系统,其特征在于:所述多源端口模块包括:
运输端口调用交通运输司机的车辆在最近一个时间周期T内的平均速度、交通运输司机的车辆与查验节点之间的距离、车载货物类型以及装载方式,计算生成交通运输司机的车辆到达查验节点的预测时间;
多源数据端口接收到任一交通运输司机A的车辆到达查验节点的预测时间后,调用道路数据端口,以交通运输司机A的车辆与查验节点之间的距离为半径检测形成的圆形区域内存在的交通运输车辆,并标记出所有交通运输车辆,在标记的交通运输车辆中选取出与交通运输司机A的车辆预约了同一查验节点的交通运输车辆,分别计算每一辆交通运输司机车辆到达查验节点的预测时间,按照时间长短进行排序,对时间小于交通运输司机A的车辆的反馈至查验端口。
9.根据权利要求8所述的一种基于多源数据的交通运输数据共享管理系统,其特征在于:所述多源端口模块还包括:
获取标记出的所有交通运输车辆中未选取出的交通运输车辆,构建交通分析模型,输出未选取出的交通运输车辆穿过查验节点的概率,若概率大于阈值,则判定为该交通运输车辆会通过查验节点,获取该交通运输车辆到达查验节点的预测时间,反馈至查验端口;
查验端口接收到反馈数据后,调用已预约的交通运输车辆的车载货物类型以及装载方式,根据查验端口的历史查验数据,构建查验模型,输出每一辆交通运输车辆的查验时间,对于判定为会通过查验节点的交通运输车辆根据车辆大小取平均值作为查验时间。
10.根据权利要求6所述的一种基于多源数据的交通运输数据共享管理系统,其特征在于:所述共享推荐模块包括数据共享单元与推荐单元;
所述数据共享单元用于接收总查验时间,反馈至交通运输司机的车辆的预约申请端口;所述推荐单元在总查验时间超出系统设定的时间阈值,为交通运输司机推荐下一查验节点;
若交通运输司机确认下一查验节点,则将该交通运输车辆在当前查验节点范围中抹除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311726481.XA CN117634843B (zh) | 2023-12-15 | 2023-12-15 | 一种基于多源数据的交通运输数据共享管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311726481.XA CN117634843B (zh) | 2023-12-15 | 2023-12-15 | 一种基于多源数据的交通运输数据共享管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117634843A true CN117634843A (zh) | 2024-03-01 |
CN117634843B CN117634843B (zh) | 2024-05-24 |
Family
ID=90019897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311726481.XA Active CN117634843B (zh) | 2023-12-15 | 2023-12-15 | 一种基于多源数据的交通运输数据共享管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117634843B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845661A (zh) * | 2017-02-07 | 2017-06-13 | 德阳力久云智知识产权运营有限公司 | 一种高速公路危化品车辆预约通行系统及方法 |
US20200027340A1 (en) * | 2017-03-30 | 2020-01-23 | Hangzhou Hikvision Digital Technology Co., Ltd. | A method and apparatus for predicting a location where a vehicle appears |
CN112906993A (zh) * | 2021-01-12 | 2021-06-04 | 西安石油大学 | 一种高速公路绿通车过站查验时间预测方法 |
CN113240910A (zh) * | 2021-07-12 | 2021-08-10 | 中国人民解放军国防科技大学 | 基于协同车辆的道路检测方法、系统、设备和存储介质 |
-
2023
- 2023-12-15 CN CN202311726481.XA patent/CN117634843B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845661A (zh) * | 2017-02-07 | 2017-06-13 | 德阳力久云智知识产权运营有限公司 | 一种高速公路危化品车辆预约通行系统及方法 |
US20200027340A1 (en) * | 2017-03-30 | 2020-01-23 | Hangzhou Hikvision Digital Technology Co., Ltd. | A method and apparatus for predicting a location where a vehicle appears |
CN112906993A (zh) * | 2021-01-12 | 2021-06-04 | 西安石油大学 | 一种高速公路绿通车过站查验时间预测方法 |
CN113240910A (zh) * | 2021-07-12 | 2021-08-10 | 中国人民解放军国防科技大学 | 基于协同车辆的道路检测方法、系统、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117634843B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108242149A (zh) | 一种基于交通数据的大数据分析方法 | |
Marczak et al. | Key variables of merging behaviour: empirical comparison between two sites and assessment of gap acceptance theory | |
CN112382098A (zh) | 交通拥堵检测方法、装置、电子设备及存储介质 | |
CN113345225B (zh) | 基于v2v通信的物流车辆前方道路实时路况的预测方法及系统 | |
Shiwakoti et al. | Investigating the state of connected and autonomous vehicles: A literature Review | |
CN112926768A (zh) | 基于时空注意力机制的地面道路车道级交通流预测方法 | |
Emami et al. | A neural network algorithm for queue length estimation based on the concept of k-leader connected vehicles | |
CN115169985A (zh) | 一种移动充电机器人的远程调度方法和系统 | |
Schmid et al. | Modeling train route decisions during track works | |
CN117634843B (zh) | 一种基于多源数据的交通运输数据共享管理系统及方法 | |
Ma et al. | Mining truck platooning patterns through massive trajectory data | |
Caferoglu et al. | The interplay between technology and pre-industry convergence: An analysis in the technology field of smart mobility | |
Chu et al. | Discrete choice models for gap acceptance at urban expressway merge sections considering safety, road geometry, and traffic conditions | |
CN116884223B (zh) | 一种智慧城市交通引导系统 | |
Knoop | Road Incidents and Network Dynamics: Effects on driving behaviour and traffic congestion | |
CN112711585A (zh) | 一种基于大数据技术的高速公路绿通车信用管理系统 | |
Gao et al. | Intersection dilemma-zone protection as a dynamic signal-optimization problem with model predictive control | |
CN113807579B (zh) | 一种基于机器学习的航班抵港延误时间预测方法 | |
Sorokin et al. | Using fuzzy classification to support decisionmaking during the modernization of the network infrastructure elements | |
Huang et al. | Analysing taxi customer-search behaviour using Copula-based joint model | |
Ghavidel et al. | A Random Effects Model for Travel-Time Variability Analysis Using Wi-Fi and Bluetooth Data | |
Mbiydzenyuy | Impact assessments of intelligent transport system performance in a freight transport corridor | |
Wang et al. | Bus dwell time estimation and overtaking maneuvers analysis: A stochastic process approach | |
Wu et al. | Developing and evaluating a coordinated person-based signal control paradigm in a corridor network | |
Chawky et al. | Evaluation of sensors impact on information redundancy in cooperative perception system |
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 |