CN101354837A - 交通信息*** - Google Patents
交通信息*** Download PDFInfo
- Publication number
- CN101354837A CN101354837A CNA2008101443073A CN200810144307A CN101354837A CN 101354837 A CN101354837 A CN 101354837A CN A2008101443073 A CNA2008101443073 A CN A2008101443073A CN 200810144307 A CN200810144307 A CN 200810144307A CN 101354837 A CN101354837 A CN 101354837A
- Authority
- CN
- China
- Prior art keywords
- information
- transport information
- link
- transport
- recovery
- 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
Images
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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
关于作为突发事件的检出对象的链路组,使用以前交通信息进行主成分分析,根据计算出的有关链路组的交通信息的上位基底,求出以前交通信息的复原交通信息。对于目前交通信息,根据上位的基底,求出目前交通信息的复原交通信息。比较目前交通信息与复原交通信息的残差和残差统计交通信息,目前交通信息的残差较大时,判定发生突发事件。发明的课题,在于提供根据周边的道路链路的交通信息,检出交通事故、工程等突发事件的交通信息***。
Description
技术领域
[0001]
本发明涉及提供道路的堵车信息等交通信息的交通信息***。
背景技术
[0002]
在现有技术的交通信息***中,就如VICS(注册商标)那样,通过路边设置的红外线传感器及光信标,收集交通堵车等交通信息,再通过FM多重广播及路边设置的光信标、无线电信标等设施,提供给车载机器(例如车载导航***、车载电视机、文字多重广播接收装置)的服务,已经广为人知。
[0003]
进而,近几年来,将车辆本身作为传感器收集交通信息、提供给车载机器的探测器交通信息服务,也引人瞩目。在该***中,车辆收集行驶的位置信息、时刻信息等履历数据(探测器信息),通过手机、无线通话机等通信机器,上报给交通信息中心。将这种车辆称作“探测器车”。在交通信息中心中,将从各车辆收集的探测器信息变换成链路(Link)的交通信息,通过通信机器,提供给各车载机器。
[0004]
上述现有技术,提供有关堵车等的实时信息(例如堵车状况、堵车路段长度等信息)以及根据过去的数据作出的堵车的预测信息。另外,由于探测器车的行驶位置和时刻是随机的,所以探测器交通信息在空间上产生欠缺。由于在车载机器上显示信息或路线探索等用途中,如果交通信息有欠缺,就不能够进行适当的处理,所以需要将空间上欠缺的数据补充完整。在探测器交通信息服务中,是提供以包含了补充完整的交通信息的形式的交通信息。
[0005]
可是,在实际的道路交通中,存在着许多不能够明确反映道路状况的小事故及工程车辆等引起的交通障碍,过去未能将这种突发事件引起的交通障碍,作为“突发事件障碍”,完整地传达给驾驶员。
[0006]
与此不同,在专利文献1中公开了对以前的交通信息的统计值和目前的交通信息加以比较,根据其偏差是否超过阈值,检知是否发生突发事件的方法。在该手法中,检知的对象是道路链路单位,在设定以前的交通信息的统计值和目前的交通信息的偏差的阈值的范围之际,按照各时间段、各地点设定。
[0007]
另外,在专利文献2中公开了在以前有交通事故的链路中预测是否产生了交通事故引起的堵车的方法。该方法从积累的交通信息中,抽出交通事故地点,作为事故堵车动向信息,生成与交通事故地点前后相连的道路链路的链路旅行时间的时间系列变化。进而,比较目前的交通信息的链路旅行时间和通常时的堵车信息,超过规定的阈值,而且根据以前的交通信息,对包含最新的交通信息的链路旅行时间的时间系列变化和事故堵车动向信息加以比较后,预测交通事故是否导致堵车。
[0008]
另外,在专利文献3中公开了设定根据预测值判定规定时间后的异常交通流的上下阈值,和现在的交通量加以比较后,判定突发事件是否发生的装置。
[0009]
另外,在专利文献4中公开了收集有关交通事故等突发事件的信息,预测是否堵车的***。在该***中,突发事件被行驶中的驾驶员看到后收集,通过通信装置(例如车辆搭载的通信终端、手机等),从车辆侧发送给交通信息中心。为了减轻报告者的麻烦,有关突发事件的位置信息利用车辆搭载的位置检出单元(例如GPS接收机、方位检知器)获得,发送给交通信息中心。
[0010]
专利文献1:JP特开2005-285108号公报
专利文献2:JP特开2005-352649号公报
专利文献3:JP特开平03-209599号公报
专利文献4:JP特开平11-238194号公报
[0011]
在专利文献1中,以道路链路单位判定突发事件。进而在设定目前的交通信息和以前的交通信息的统计值的偏差的阈值时,按照各时间段、各地点设定。但是因为以道路链路单位进行设定,所以它也没有考虑和周边的道路链路的交通信息的关系。因此,该道路链路的周边的整体的交通量增加时,也有可能错误地判定为突发事件。
[0012]
在专利文献2中,只有在以前有交通事故的链路,而且积累了当时的交通信息数据的车载机能够判定突发事件。因此,判定突发事件的范围受到限制。
[0013]
在专利文献3中,也和专利文献1一样,因为进行以道路链路为单位的突发事件检出,所以该道路链路的周边的整体的交通量增加时,也有可能错误地判定为突发事件。
[0014]
在专利文献4中,每次通过手机、PHS电话机、无线电通话机等从目击现场的驾驶员那里接受交通事故等突发事件的信息。因此,随着报告者的感觉差异,在认识上有可能产生偏差。这就必须修正提供的信息。
发明内容
[0015]
本发明的课题,在于提供不接收来自现场目击者的报告、不根据链路单独的交通信息的分析检出有关交通事故及工程等突发事件地检出突发事件的交通信息***。
[0016]
为了解决上述课题,本发明具备:交通信息存储部,该交通信息存储部积蓄从外部提供的信息;统计演算部,该统计演算部对交通信息存储部存放的以前的交通信息进行统计分析,编制有关交通信息的道路链路之间的相关信息;交通信息复原部,该交通信息复原部使和输入的交通信息的误差成为最小地使用预先求出的相关信息,求出复原的交通信息;残差演算部,该残差演算部求出提供的交通信息和对该交通信息进行复原的复原交通信息的差分。
[0017]
在交通信息复原部中,对于目前的交通信息,求出进行了复原的目前复原交通信息,对于以前的交通信息,求出进行了复原的以前复原交通信息;在残差演算部中,分别求出目前的交通信息与目前复原交通信息的差分和以前的交通信息与以前复原交通信息的差分;在突发事件判定部中,比较根据以前的交通信息与以前复原交通信息的差分规定的阈值和目前的交通信息与目前复原交通信息的差分,判定各道路链路有无突发事件。
[0018]
采用本发明后,能够根据检出突发事件的道路链路的周边的道路链路的交通信息,自动检知成为交通障碍的突发事件。
附图说明
图1交通信息***的整体图。
图2是表示基底存储部的结构的图形。
图3是表示在联机处理中复原目前交通信息的处理流程的图形。
图4是表示在脱机处理中复原以前交通信息的处理流程的图形。
图5是表示联机处理中的残差演算部对于目前交通信息的处理流程的概要的图形。
图6是表示脱机处理中的残差演算部对于以前交通信息的处理流程的概要的图形。
图7是表示残差信息存储部存放的残差信息的结构的图形。
图8是表示突发事件判定部的处理流程的概要的图形。
图9是表示突发事件检出信息的结构的图形。
图10是表示车载终端装置的区域的突发事件检出信息的显示例的图形。
图11是表示在链路1中的突发事件检出区域的概念的图形。
具体实施方式
[0019]
下面,参照附图,讲述本发明的实施方式。
[0020]
本发明的交通信息***,将定期接收目前的交通信息作为前提构成。例如在日本,作为目前的交通信息,设想与可以从交通信息中心接收信息的链路对应的旅行时间。在这里,所谓“旅行时间”,是行驶规定的区间所需的时间。链路是将道路交通信息与道路对应之际的道路的最小单位。它也是检出旅行时间的最小单位,为了测定链路之间的旅行时间而设置传感器及监视器等。或者根据探测器车收集的行驶履历数据(探测器数据),检出链路之间的旅行时间。
[实施例1]
[0021]
图1是本发明涉及的交通信息***的整体结构图。如图1所示,交通信息***由传感器装置1和车载终端装置110构成。
[0022]
在这里,传感器装置1包含交通信息接收部10、目前交通信息存储部20、以前交通信息存储部30、基底演算部40、基底存储部50、交通信息复原部60、残差演算部70、残差统计交通信息接收部80、突发事件判定部90、交通信息发送部100等各功能块后构成。
[0023]
传感器装置1的功能块,可以大致分为脱机处理的部分和联机处理的部分。所谓“脱机处理的部分”,是指以前交通信息存储部30、基底演算部40、交通信息复原部60、残差演算部70、残差统计交通信息接收部80。所谓“联机处理的部分”,是指目前交通信息存储部20、交通信息复原部60、残差演算部70、突发事件判定部90、交通信息发送部100。交通信息复原部60和残差演算部70,成为脱机处理和联机处理共用的功能块。
[0024]
传感器装置1由具备存储装置的计算机实现,构成传感器装置1的各功能块的功能,通过执行该存储装置存储的规定的程序实现。此外,存储装置由RAM、非易失性存储器、硬盘装置等构成。
[0025]
作为目前的交通信息,交通信息接收部10从交通信息服务中心接收根据全国的主要的道路链路上设置的路上传感器数据得出的各链路的旅行时间或根据探测器车上报的探测器数据得出的各链路的旅行时间,存放到目前交通信息存储部20和以前交通信息存储部30中。各存储部的信息的更新周期,采用预先规定的时间间隔。目前交通信息存储部20的信息,每逢交通信息接收部10接收新的目前的交通信息时更新;而以前交通信息存储部30的信息,在生成统计交通信息之际使用的例如一个月或一年的长时间内被以前交通信息存储部30保持。但是目前交通信息存储部20不仅可以积蓄1次的更新周期的交通信息,还可以积蓄2~数周期的交通信息。每个链路的旅行时间,例如可以通过在每个链路上设置车辆检知装置,测定链路之间的行驶所需的时间后获得,或者使探测器车在数据收集的对象链路之间一边测定时间一边行驶后获得。
[0026]
在目前交通信息存储部20中,利用成为信息收集的对象的道路链路的链路ID管理目前的交通信息(目前交通信息)。例如从路上的传感器接收交通信息时,在目前交通信息存储部20中存放道路链路的ID信息、路上传感器的接收的时刻信息、链路旅行时间、根据链路长和链路旅行时间求出的平均通过速度、由道路链路的平均通过速度换算的堵车度、通过道路链路的车辆台数等数据。另外,从探测器车接收交通信息时,存放探测器车固有的ID、对道路链路而言的流入时刻、流出时刻、链路旅行时间、堵车度、平均通过速度等数据。
[0027]
在以前交通信息存储部30中,存放交通信息接收部10以前接收的交通信息(以前交通信息)。该交通信息,和目前交通信息存储部20同样,被成为信息收集的对象的道路链路的链路ID管理。例如从路上的传感器接收交通信息时,在交通信息接收部10中存放道路链路的ID信息、路上传感器的接收的时刻信息、链路旅行时间、通过道路链路的车辆台数等数据。另外,从探测器车接收交通信息时,存放道路链路的ID、探测器车固有的ID、对道路链路而言的流入时刻、流出时刻、链路旅行时间等数据。
[0028]
基底演算部40按照规定的地图区域,分割以前交通信息存储部30存放的交通信息,将各区域包含的多个链路的以前交通信息作为对象,进行主成分分析,作为该区域中的基底,输出该区域内的链路组中关联变化的交通信息的成分。
[0029]
主成分分析中的分析数据的一个样品,是在以前交通信息存储部30存放的在相同的时刻收集的交通信息。在这里,所谓“交通信息”,表现各道路链路的堵车度、链路旅行时间或道路链路中的平均通过速度。另外,分析对象的道路链路数,相当于每个样品的变量的数。就是说,在以前的N次的收集的时刻中,在M个道路链路收集的以前的交通信息,是N个样品、M个变量的数据,如果设收集时刻n中的第m个链路的交通信息(堵车度、链路旅行时间或平均通过速度)为x(n,m),那么就可以用矢量X(n)=[x(n,1),x(n,2),…,x(n,M)]表现收集时刻n中的链路1~M的各交通信息。对于这种数据进行主成分分析后,可以获得M个基底W(1)~W(M)。每一个基底都由与原数据的各变量对应的M个要素构成,一个基底的构成要素,是在原数据的各变量之间关联变化的成分。进行主成分分析后获得的这些基底,具有经过其线性合成后近似原数据的任意样品的性质。使关于第i个链路的第p个基底的表示相关的强度的数值为w(p,i)时,可以用矢量W(p)=[w(p,1),w(p,2),…,p(p,M)]表现第p个的基底,成为
…(公式1)
式中:a(n,p)是基底的线性合成中的各基底的合成强度。
[0030]
另外,还有将由以前交通信息和根据以前交通信息生成的统计交通信息构成的数据,作为分析对象数据,进行主成分分析后获得基底的手法。在该手法中,由于在生成基底时使用欠缺较少的统计交通信息,所以能够稳定地求出各基底的合成强度。在这里,作为统计交通信息,使用以前交通信息的各链路的平均值。如果用矢量T(n)=[t(n,1),t(n,2),…,t(n,M)]表现收集时刻n中链路1~M的统计交通信息,那么链路i的统计值就成为收集时刻n~(n-k+1)的链路i中的交通信息的平均值
k是生成统计交通信息时的样品数。
[0031]
生成统计交通信息时,使用相同时间段的以前交通信息。例如计算12:00~12:30的统计交通信息之际,从以前交通信息中抽出收集时刻为12:30的交通信息,进行利用公式2的平均处理后生成。另外,统计交通信息按照以前交通信息的日种(工作日、休息日等)生成。
[0032]
用矢量X2(n)=[X(n),T(n)]=[x(n,1),x(n,2),…,x(n,M),t(n,1),t(n,2),…,t(n,M)]表现由以前交通信息和统计交通信息构成的数据。这时,分析对象数据x(n,M)由和以前交通信息的收集时刻n相同的收集时刻n的统计交通信息构成。该分析对象数据是N个样品、2M个变量的数据,对于该分析对象数据进行主成分分析后,可以获得2M个基底W’(1)~W’(2M)。用矢量W’(p)=[w’(p,1),w(p,2),…,w’(p,2M)]表现第p个基底时,w’(p,1),…,w’(p,M)是以前交通信息在各原数据的变量之间关联变化的成分,w’(p,M+1),…w’(p,2M)是统计交通信息在各原数据的变量之间关联变化的成分。而且,分析对象数据x2(n)成为
式中:a’(n,p)是基底的线性合成中的各基底的合成强度。
[0033]
对于经过主成分分析后求出的M个基底,作为各基底具有多少信息量的指标,能够使用分散表现。将该分散称作“基底的参与率(寄与率)”,按照参与率高的顺序,归纳第1个基底~第p个基底,定义为“上位基底”。这时,基底数P将道路链路数M作为最大值,通常取决于累计参与率。例如使累计参与率成为80%以下地决定基底数P。在本实施例的讲述中,将直到成为累计参与率80%以下的上位P(P≤M)为止的基底组W(1)~W(P),定义为“上位基底”。
[0034]
在上述公式1中,等号的左边是分析对象——多个道路链路中的瞬间n的交通信息(目前的交通信息),右边是将它作为多个基底的线性合成表记的数据。在右边中,基底W(i)相当于在作为分析对象的区域的各链路中关联变化的交通信息成分。这样表现交通信息后,能够利用各基底的系数的大小表现多个链路的中的交通状况的倾向。为了分析以前的交通信息获得这种基底,如上所述可以采用主成分分析,但是除此之外,还可以采用独立成分分析及因子分析等统计性的手法。
[0035]
利用基底演算部40进行的处理,其目的在于将链路之间的交通信息的关联作为基底后数值化。因此,需要将在实际的道路网络上关联变化的链路组,作为分析单位。例如将同一个2次网格(2次メッシュ)内的链路信息作为主成分分析的分析单位。该分析单位不局限于2次网格,集合可以用多个链路构成。因此,也能够采用3次网格、4次网格等网格单位、都道府县等地域单位、高速公路、城市高速公路、国道、普通公路等道路种类单位或其它的组合。例如对象网格可以将3次网格而且是茨城县的国道作为分析单位。在本实施例中,分析集约成为2次网格单位的M个链路。此外,由于一般来说每个网格包含的网格的个数随着网格的不同而不同,所以集约的链路的数M,并不局限于在各网格中成为相同。
[0036]
在这里,所谓地图网格,是根据经度纬度将地图划分成网格状的方法。1次网格相当于二十万分之一地形图的一个区划,是将全国划分成一个边的长度大约为80km的矩形区域。所谓2次网格,是能够将1次网格纵横8等分的区域,相当于二万五千分之一地形图的一个区划,是纬度差5分、经度差7分30秒、一边的长度是大约为10km的网格数据。另外,3次网格,是能够将2次网格在经度方向及纬度方向上10等分后形成的区域,是纬度差30秒、经度差45秒、一边的长度是大约1km的区域。
[0037]
基底存储部50,存放基底演算部40输出的基底信息。图2表示基底存储部50的结构。基底存储部50按照各分析单位(在本实施例中为2次网格单位),存储成为其分析对象的链路(链路1~链路M)的信息和基底。在分析单位内,存放基底演算部40输出的基底组(W(1)~W(P))及其成分(w(1,1)~w(1,M),…w(P,1)~w(P,M)。
[0038]
交通信息复原部60将目前交通信息存储部20或以前交通信息存储部30存放的交通信息、基底存储部50存放的基底信息作为输入,进行对于基底而言的交通信息的加权射影,对于射影的交通信息,求出对于各基底而言的合成强度,根据该合成强度和基底信息,编制复原交通信息数据。
[0039]
在此示出计算复原交通信息的方法。对于用基底存储部50存放的上位基底W(1),W(2),…W(P)张开的线性空间,将交通信息加权射影后,可以获得各基底的合成强度。交通信息被探测器车收集时,由于探测器车的行驶是随机性的,所以明确计测了交通信息的链路和欠缺的链路时,将前者的加权为1、后者的加权为0后,决定各基底在目前交通信息中所占的强度。
[0040]
就是说,对于链路1~M的交通信息X,将链路1~M的各交通信息X(1)~X(M)中收集了交通信息的链路的加权为“1”、将没有收集的链路的加权为“0”,对于用基底W(1)~W(P)张开的线性空间进行加权射影后,就成为
交通信息X=a(1)×W(1)+a(2)×W(2)+…+a(P)×W(P)+e…(公式4)
关于收集了交通信息的链路,可以获得将误差矢量e的范数最小化的合成强度a(1)~a(P)。此外,对于链路而言的加权,不仅有随着有无交通信息而成为“1”和“0”的二值,而且还有按照收集的探测器交通信息的可靠度及新鲜度决定等方法。例如按照可靠度决定加权的方法,根据通过道路链路的探测器车的台数求出。假设通过链路1的探测器车的台数为1台、通过链路2的探测器车的台数为3台,那么使对于链路2而言的加权成为链路1的3倍,就能够在加权中反映可靠度。另外,采用按照探测器交通信息的新鲜度决定加权的方法时,加大设定与交通信息复原部60进行处理的时刻最近的时刻收集的链路旅行时间数据的加权。
[0041]
复原交通信息的矢量X’=[x’(1),x’(2),…x’(M)],可以根据基底W(1)~W(P)的矢量和合成强度a(1)~a(P),利用
X’=a(1)×W(1)+a(2)×W(2)+…+a(P)×W(P)…(公式5)
计算。式中:x’(i)表示对第i个链路在公式5中复原的交通信息。这里所谓的“交通信息”,可以与目前的交通信息、以前的交通信息置换。
[0042]
另外,为了使用生成基底时考虑了统计交通信息的基底W’(1)~W’(P)的向量,编制复原交通信息的数据,将由链路1~M的交通信息X的向量和统计交通信息T的向量构成的对象数据X(2)=[X,T]的向量作为基底W’(1)~W’(P),进行加权射影。这时,使链路1~M的各交通信息X(1)~X(M)中收集了交通信息的链路的加权为“1”、没有收集交通信息的链路的加权为“0”、关于链路1~M的各统计交通信息T(1)~T(M)的加权为“1”,将X2作为基底W’(1)~W’(P),进行加权射影。于是,在
X2=a2(1)×W’(1)+a2(2)×W’(2)+…+a2(P)×W’(P)+e…(公式6)
中,关于收集了交通信息的链路,可以获得将误差矢量e的范数最小化的合成强度a2(1)~a2(P)。此外,对于统计交通信息的链路而言的加权,不仅有随着有无交通信息而成为“1”和“0”的二值,而且还有按照统计交通信息的新鲜度及样品数决定等方法。
[0043]
对象数据的复原向量2’=[x’(1),x’(2),…,x’(M),t’(1),t’(2),…,t’(M)],可以根据基底W’(1)~W’(P)的向量和合成强度a2(1)~a2(P),利用
X2’=a2(1)×W’(1)+a2(2)×W’(2)+…+a2(P)×W’(P)…(公式7)
来计算。式中:x’表示关于M个链路由公式7得到的复原的交通信息,t’表示关于M个链路由公式7得到的复原的交通信息。在以下的处理中,使用复原的交通信息。因此,关于对象数据的复原矢量X2’,将抽出了与交通信息对应的第1~第M的要素的向量,作为复原交通信息x’。
[0044]
在联机处理中,在交通信息复原部60中计算目前的复原交通信息。所谓“目前的复原交通信息”,是使用基底演算部40求出的基底,将随机观测的交通信息复原的结果。在图3的联机处理中,表示复原目前数据的处理流程。首先,从目前交通信息存储部20中取得作为处理对象的地图网格包含的各链路的目前的交通信息X(步骤S10)。接着,从基底存储部50中取得与作为分析对象的2次网格的编号对应的上位基底W(1)~W(P)(步骤S20)。再接着,根据取得的基底,使公式4中的误差矢量e的范数成为最小地对目前交通信息进行加权射影(步骤S30)。然后,根据该加权射影后获得的合成强度中与上位基底对应的合成强度a(1)~a(P),使用公式5求出复原交通信息X’,关于各链路输出复原的交通信息(步骤S40)。经过以上的处理流程后,编制目前的复原交通信息。
[0045]
另一方面,在脱机处理中,在交通信息复原部60中计算以前的复原交通信息。所谓“根据以前交通信息的复原交通信息”,是在以前的N次的收集时刻中的N次的复原交通信息。因此,关于收集的N次的样品数据,编制复原交通信息。在图4的脱机处理中,表示复原以前交通信息的处理流程。它和对于以前的N次的交通信息反复进行求出图3所示的复原交通信息的计算的处理同样。首先,作为初始化处理,从基底存储部50中取得与作为分析对象的2次网格的编号对应的上位基底W(1)~W(P),使n为1(步骤S50)。接着,判定对以前交通信息的所有的(N次的)样品数据是否进行了处理(步骤S60)。对所有的样品进行了处理时(在步骤S50中为Yes)结束处理。还没有对所有的样品数据进行处理时(在步骤S50中为No),取得根据来自以前交通信息存储部30的第n次的样品数据的各链路的以前交通信息X(n)(步骤S70)。然后,根据基底W(1)~W(P),进行以前交通信息X(n)的加权射影。经过该加权射影后,计算出各基底的合成强度(步骤S80),根据基底W(1)~W(P)和合成强度a(1)~a(P),使用公式5,编制复原交通信息X’(n)。进而给n加1后,更新n(步骤S90),返回S60的判定处理。经过以上的处理流程后,用以前N次的所有的样品数据,编制以前交通信息的复原交通信息。
[0046]
残差演算部70,计算交通信息复原部60输入的交通信息和交通信息复原部60输出的复原交通信息之差(残差交通信息)。在联机处理中,计算交通信息复原部60输出的目前的复原交通信息和目前交通信息存储部20存放的目前交通信息的残差。在脱机处理中,计算交通信息复原部60输出的以前N次的复原交通信息和以前交通信息存储部30存放的以前N次的以前交通信息的各N次的残差交通信息。该所谓“残差交通信息”,是复原交通信息中的每个链路的链路旅行时间和与复原交通信息对应的交通信息中的每个链路的链路旅行时间之差。输出的残差交通信息的值较大,意味着在基底存储部50中存放的上位基底中,不能够表现对象网格内的链路的信息。反过来说,也可以说,与以前交通信息相比,对象网格内的链路的相关关系不复存在。基底表现对象网格内的链路之间的相关关系。因此在本发明中,将从以前的交通信息数据中抽出的不能够用相关关系表现的道路链路的交通信息,作为突发事件检出。
[0047]
图5是表示本实施方式涉及的残差演算部70中的对于目前交通信息的处理流程的概要的图形。如图5所示,求出交通信息复原部60计算出来的目前的复原交通信息X’和目前交通信息存储部20存储的交通信息X之差。就是说,按照每个链路求出目前交通信息X中的链路1~M的交通信息和复原交通信息X’中的链路1~M的交通信息的差分。残差计算处理,是对于所有的链路都进行的处理。下面,使用图5,具体讲述处理流程。对于目前交通信息存储部20存放的目前的交通信息,取得各链路的交通信息(步骤S101)。在这里,讲述第i个链路。在实际的处理中,对于链路1~M的所有的链路都进行处理。对于获得的链路i的目前的交通信息X(i),判定能否完整地收集信息(步骤S102)。根据探测器数据编制目前交通信息时,存在着能够收集交通信息的道路链路和交通信息欠缺(没有能够收集交通信息)的道路链路。为了计算目前的复原交通信息和目前的交通信息的参差,必须计测成为对象的道路链路的交通信息。链路i的目前的交通信息X(i)欠缺时(在步骤S102中No),结束对于链路i的处理。收集了链路i的目前的交通信息时(在步骤S102中Yes),从交通信息复原部60中取得链路i的目前的复原交通信息X’(i)(步骤S103)。接着,求出获得的目前的交通信息X(i)和复原交通信息X’(i)的差分。将链路i的残差交通信息d(i)作为
d(i)=X(i)-X’(i) …(公式8)
计算(步骤S104),结束对于链路i的处理。对于所有的链路1~M进行以上的处理。这样,能够编制目前交通信息的残差交通信息D=[d(1),d(2),…,d(M)]的矢量。此外,对于在步骤S102中判定为No的链路i的残差d(i),定义能够判定目前的交通信息X(i)是欠缺值的固有的值,例如定为输入了NaN(Not a Number:无信号)等的值的数据。
[0048]
脱机处理时,由于对以前的复原交通信息进行了N次计算,所以对残差交通信息也进行N次计算。图6示出该处理流程。首先,判定对以前交通信息的所有的(N次的)样品数据是否取得残差交通信息(步骤S105)。对所有的复原交通信息进行处理时(在步骤S105中Yes),进入步骤110。还没有对所有的复原交通信息进行处理时(在步骤S105中No),进行以下的循环处理。首先,对于上次循环处理的下一个收集时刻中的以前交通信息,从以前交通信息存储部30中取得各链路1~M的交通信息(步骤S106)。接着,和图5的步骤S102同样,对取得的所有链路分别判定是收集了交通信息还是欠缺交通信息(步骤S107)。欠缺的链路时(在步骤S107中No),进入步骤8105。能够收集的链路时(在步骤S108中Yes),从交通信息复原部60中对于现在处理中的收集时刻,根据复原的以前交通信息取得相应链路的交通信息。再接着,计算在相同的收集时刻中的以前的交通信息和复原的以前的交通信息的残差(步骤S109)。对所有的链路1~M进行从步骤S107~步骤S109的处理后,求出作为目前处理对象的收集时刻中的残差交通信息。接着进入步骤S105,移行到对下一个收集时刻的循环处理。
[0049]
对于N次的收集时刻,求出残差交通信息后,在步骤S110中,统计处理以前的残差交通信息,编制残差统计交通信息。例如根据过去N次中的各链路的残差交通信息的时间系列数据,按照工作日、休息日等所谓日种及时间段,进行统计处理后,编制相同时刻的残差的最大值、平均值、标准偏差等残差统计交通信息。
[0050]
残差统计交通信息接收部80,存放残差演算部70编制的残差统计交通信息。图7是表示残差统计交通信息接收部80存放的残差统计交通信息的结构的图形。残差统计交通信息接收部80的残差统计交通信息,在脱机处理中积蓄,积蓄根据残差演算部70输出的N次的残差交通信息编制的残差统计交通信息。该残差统计交通信息被用工作日、休息日等所谓日种及最大值、残差平均值、标准偏差等统计信息分类,按照每个时间段,利用道路链路的链路ID管理。此外,在这里,使第i个道路链路的链路ID是“Linki”。
[0051]
突发事件判定部90,比较残差演算部70输出的目前交通信息的残差交通信息和残差统计交通信息存储部80存放的残差统计交通信息,判定是否发生突发事件。该突发事件判定部90将残差交通信息和残差统计交通信息加以比较,旨在掌握对象网格内的链路之间交通信息的相互关系不复存在的情况。因此,利用交通信息复原部60将要检出突发事件的整个区域的目前交通信息作为输入,暂时变换成链路单位的复原交通信息,用残差演算部70计算出该复原交通信息和目前交通信息的残差,对于交通信息的相互关系进行判定。
[0052]
在突发事件判定部90中,将残差演算部70输出的残差交通信息与残差统计交通信息存储部80编制的阈值进行比较,根据是否相对较大检出每个链路的突发事件。例如将该阈值定为残差统计交通信息存储部80存放的每个时间段的最大值。而且将链路i的阈值定为L(i),在图5所示的残差统计交通信息中,定为在相当于要检出突发事件的日期时间的日种和时间段的分类中的最大值的相应的链路ID的值。图8是表示本实施方式涉及的传感器装置1中的突发事件判定部90的处理流程的概要的图形。就第i个链路,讲述突发事件判定的处理流程。从残差演算部70输出的残差交通信息中,取得第i个残差交通信息d(i)(步骤S201)。接着,作为阈值取得残差统计交通信息接收部80存放的同一日种的残差统计交通信息内每个时间段的残差统计交通信息的最大值(步骤S202)。再接着,比较残差交通信息d(i)和阈值L(i)(步骤S203)。d(i)-L(i)>0时(在步骤S203中Yes),由于取得的残差交通信息大于阈值,所以判断在该链路i中发生突发事件,编制突发事件检出信息(步骤S204)。另一方面,d(i)-L(i)≤0时(在步骤S203中No),由于残差交通信息小于阈值,所以判断在预想的事件的范围内,结束对于第i个链路的处理。对于作为处理对象的区域的道路链路,反复进行以上的处理。此外,对于目前的交通信息是欠缺值的道路链路,不与残差统计交通信息进行比较。
另外,阈值L(i)也可以利用残差统计交通信息存储部80中保存的同一日种的残差统计信息中的、各时间段的残差统计交通信息的平均值M(i)和标准偏差STD(i)来确定。若设系数为k,则阈值L(i)可以由下式求出。
L(i)=M(i)+k×STD(i)
若假设残差统计交通信息为正态分布,则阈值L(i)成为以下概率的不易发生的值,在系数k为1时,残差统计交通信息整体的约3分之1;在系数k为3时,约1000分之3。
[0053]
由于每逢收集到新的目前值时进行突发事件判定部90的处理,所以多次判定处理的结果d(i)-L(i)>0的状况继续时,判定“有突发事件”,就能够提高判定以上的可靠性。图9是表示在步骤S204中编制突发事件检出信息的结构的图形。突发事件检出信息,由通过对链路ID、残差和阈值加以比较后检出突发事件的时刻、突发事件检出对象链路标记、突发事件发生标记、与阈值的乖离度构成。
[0054]
所谓“突发事件检出对象链路标记”,是旨在判断是不是突发事件检出的对象的符号。1表示是突发事件检出对象的符号,2表示非对象的符号。在本发明的处理中,对现在的交通信息和使用现在数据后复原的交通信息加以比较。因此,没有现在的交通信息数据、数据有欠缺的道路链路,不成为突发事件判定对象链路。因此,保存图5的步骤S102中的判定的结果。突发事件发生标记,表现是否判定了对象链路是突发事件。它反映图9的步骤S203的结果,在突发事件判定的处理步骤S203中,Yse时成为1,No时成为0。进而,用(d(i)-L(i))/L(i)定义乖离度,是对于阈值L(i)而言的残差交通信息d(i)和阈值L(i)的差分的比例。它表示与阈值相比,现在交通信息的偏差用多大的比例增加。因此,乖离度较大者,突发事件检出的可靠性高。进而,可以说突发事件本身的大小也大。
[0055]
对所有的链路进行以上的处理。然后,将求出的突发事件检出信息发送给交通信息发送部100。交通信息发送部100将突发事件判定部90输出的突发事件检出信息,发送给各车载终端装置110。
[0056]
车载终端装置110从交通信息发送部100那里接收突发事件检出信息,显示接收的突发事件检出信息。图10是表示车载终端装置110中的突发事件检出信息的显示例的图形。用道路链路的线条的粗细,区别目前交通信息、突发事件检出链路、目前交通信息欠缺链路。另外,还按照各道路链路的堵车度、突发事件的大小,用大、中、小进行分级,改变颜色后显示突发事件的大小。该突发事件的大小,根据图9的突发事件检出信息存放的乖离度编制。为了分别区别目前交通信息、突发事件检出链路、目前交通信息欠缺链路,可以使用改变线条的色调·彩度·亮度的改变线种等的显示方法。
[0057]
进而,根据突发事件检出链路,编制与乖离度对应的突发事件检出区域,显示该链路周边的地区。图11是表示在检出了发生突发事件的链路1中的突发事件检出区域的概念的图形。到链路1的距离r,取决于突发事件检出信息的乖离度。另外,多个突发事件检出区域重叠时,优先显示乖离度高的区域。这样,对于检出了发生突发事件的链路1和链路2,链路1的乖离度大、链路2的乖离度为中时,链路1的突发事件检出区域和链路2的突发事件检出区域重叠的部分,优先显示链路1的突发事件检出区域。
[0058]
采用以上讲述的实施方式后,能够只凭链路旅行时间这种有限的信息,自动检出突发事件。本发明的突发事件检出的特征,在于掌握对象网格内的道路交通信息的相关关系,与以前相比不复存在的状况。进而,能够根据检出突发事件信息的位置信息、时刻信息及其大小、可靠度,发送突发事件信息。将它发送给车载终端装置110后,能够成为驾驶员拿定注意时的有用的服务。
Claims (7)
1、一种交通信息***,根据外部提供的交通信息,检出道路链路中有无突发事件,其特征在于:具备:
交通信息存储部,该交通信息存储部积蓄所述交通信息;
统计演算部,该统计演算部对该交通信息存储部中存放的以前的交通信息进行统计分析,编制有关交通信息的道路链路之间的相关信息;
交通信息复原部,该交通信息复原部使与输入的交通信息的误差成为最小地使用所述相关信息,求出复原的交通信息;
残差演算部,该残差演算部求出输入所述交通信息复原部的交通信息与在所述交通信息复原部中对该交通信息进行复原后的复原交通信息之间的差;以及
突发事件判定部,该突发事件判定部判定有无突发事件,
所述交通信息复原部,对于现在提供的交通信息,求出进行了复原的目前的复原交通信息,对于所述交通信息存储部中存放的以前的交通信息,求出进行了复原的以前复原交通信息;
所述残差演算部,求出现在提供的交通信息与所述目前的复原交通信息之间的每个道路链路的差——第1差分,和所述交通信息存储部中存放的以前的交通信息与所述以前的复原交通信息之间的每个道路链路的差——第2差分;
所述突发事件判定部,对根据所述第2差分规定的阈值与所述第1差分进行比较,判定各道路链路有无突发事件,并将判定的突发事件信息发送给车载终端。
2、如权利要求1所述的交通信息***,其特征在于:所述相关信息,是表示对于各道路链路的所述以前的交通信息经过主成分分析后求出的道路链路的相关类型的基底;
在所述交通信息复原部中,使用所述基底中参与率高的上位基底,进行交通信息的复原。
3、如权利要求2所述的交通信息***,其特征在于:在所述交通信息复原部中,对向根据所述基底的特征空间射影输入的交通信息后求出的合成强度和所述基底进行线性合成后,求出该交通信息的复原交通信息。
4、如权利要求1所述的交通信息***,其特征在于:所述突发事件信息,包含判定各道路链路有无突发事件的标记信息和表示所述第1差分的值的乖离度信息。
5、如权利要求4所述的交通信息***,其特征在于:所述车载终端,接收所述突发事件信息的乖离度信息,将所述乖离度信息作为突发事件的大小,按照该乖离度信息,以不同的线条的色调、彩度、亮度,显示该突发事件对应的道路链路。
6、如权利要求2所述的交通信息***,其特征在于:所述残差演算部,计算对所述第2差分进行统计处理后的残差统计交通信息;
所述阈值,根据该残差统计交通信息来确定。
7、如权利要求6所述的交通信息***,其特征在于:所述残差统计交通信息,是用包含工作日、休息日的区分的日种信息,对所述第2差分的交通信息的时间系列数据加以分类,对于根据所述日种信息的分类结果,包含在相同的时间段的平均值、标准偏差、最大值在内的统计值的信息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007192757A JP4446316B2 (ja) | 2007-07-25 | 2007-07-25 | 交通情報システム |
JP2007192757 | 2007-07-25 | ||
JP2007-192757 | 2007-07-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101354837A true CN101354837A (zh) | 2009-01-28 |
CN101354837B CN101354837B (zh) | 2010-12-01 |
Family
ID=39870545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008101443073A Expired - Fee Related CN101354837B (zh) | 2007-07-25 | 2008-07-25 | 交通信息*** |
Country Status (5)
Country | Link |
---|---|
US (1) | US20090082948A1 (zh) |
EP (1) | EP2023308B1 (zh) |
JP (1) | JP4446316B2 (zh) |
CN (1) | CN101354837B (zh) |
DE (1) | DE602008001218D1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637357A (zh) * | 2012-03-27 | 2012-08-15 | 山东大学 | 一种区域交通状态评价方法 |
CN103038117A (zh) * | 2010-06-29 | 2013-04-10 | 本田技研工业株式会社 | 堵车预测方法 |
CN104798121A (zh) * | 2012-11-22 | 2015-07-22 | 三菱重工业株式会社 | 交通信息处理***、服务器装置、交通信息处理方法及程序 |
CN105809767A (zh) * | 2015-01-20 | 2016-07-27 | 现代自动车株式会社 | 用于收集车辆数据的方法和设备 |
CN110930702A (zh) * | 2019-11-25 | 2020-03-27 | 沈阳世纪高通科技有限公司 | 交通事件的处理方法及装置 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100131300A1 (en) * | 2008-11-26 | 2010-05-27 | Fred Collopy | Visible insurance |
ATE526655T1 (de) * | 2009-07-27 | 2011-10-15 | Clarion Co Ltd | Verfahren und vorrichtung zum bestimmen von verkehrsinformationen und system zur routenberechnung |
JP2012042339A (ja) * | 2010-08-19 | 2012-03-01 | Zenrin Datacom Co Ltd | 経路案内装置、経路案内システム、及びプログラム |
JP5246248B2 (ja) | 2010-11-29 | 2013-07-24 | 株式会社デンソー | 予測装置 |
US8892343B2 (en) * | 2012-07-31 | 2014-11-18 | Hewlett-Packard Development Company, L.P. | Determining a spatiotemporal impact of a planned event on traffic |
US9207105B2 (en) | 2013-06-26 | 2015-12-08 | Globalfoundries U.S. 2 Llc | System and method for incident detection with spatiotemporal thresholds estimated via nonparametric quantile regression |
US9368027B2 (en) | 2013-11-01 | 2016-06-14 | Here Global B.V. | Traffic data simulator |
US9495868B2 (en) * | 2013-11-01 | 2016-11-15 | Here Global B.V. | Traffic data simulator |
US9200910B2 (en) | 2013-12-11 | 2015-12-01 | Here Global B.V. | Ranking of path segments based on incident probability |
US9240123B2 (en) | 2013-12-13 | 2016-01-19 | Here Global B.V. | Systems and methods for detecting road congestion and incidents in real time |
CN103680168B (zh) * | 2013-12-31 | 2015-12-30 | 迈锐数据(北京)有限公司 | 一种交通信息发布方法 |
US9518837B2 (en) * | 2014-12-02 | 2016-12-13 | Here Global B.V. | Monitoring and visualizing traffic surprises |
US9361797B1 (en) | 2014-12-11 | 2016-06-07 | Here Global B.V. | Detecting road condition changes from probe data |
US9286797B1 (en) | 2015-01-09 | 2016-03-15 | International Business Machines Corporation | Traffic incident location identification |
JP6460474B2 (ja) * | 2015-03-27 | 2019-01-30 | 住友電工システムソリューション株式会社 | 交通事象推定装置、交通事象推定システム、交通事象推定方法及びコンピュータプログラム |
US10055504B2 (en) * | 2015-04-09 | 2018-08-21 | International Business Machines Corporation | Aggregation of traffic impact metrics |
CN104809878B (zh) * | 2015-05-14 | 2017-03-22 | 重庆大学 | 利用公交车gps数据检测城市道路交通异常状态的方法 |
CN104916131B (zh) * | 2015-05-14 | 2017-05-10 | 重庆大学 | 高速公路事件检测的数据清洗方法 |
US10395183B2 (en) | 2016-03-15 | 2019-08-27 | Nec Corporation | Real-time filtering of digital data sources for traffic control centers |
CN105957378B (zh) * | 2016-05-04 | 2021-11-26 | 深圳市凯立德科技股份有限公司 | 一种交通信息提示方法及设备 |
CN107248282B (zh) * | 2017-06-29 | 2021-07-02 | 浩鲸云计算科技股份有限公司 | 获取道路运行状态等级的方法 |
JP2019053578A (ja) * | 2017-09-15 | 2019-04-04 | トヨタ自動車株式会社 | 交通量判定システム、交通量判定方法、及び交通量判定プログラム |
CN110782664A (zh) * | 2019-10-16 | 2020-02-11 | 北京航空航天大学 | 一种智能车路***的运行状况监测方法 |
CN111608102B (zh) * | 2020-04-23 | 2022-05-03 | 哈尔滨工业大学 | 一种高速公路交通事件的分级预警方法 |
CN112183868B (zh) * | 2020-09-30 | 2023-05-12 | 青岛海信网络科技股份有限公司 | 交通流量预测模型的构建方法及电子设备 |
CN113537580B (zh) * | 2021-06-28 | 2024-04-09 | 中科领航智能科技(苏州)有限公司 | 一种基于自适应图学习的公共交通客流预测方法及*** |
CN113947902A (zh) * | 2021-10-18 | 2022-01-18 | 上海海事大学 | 一种基于Seq2Seq自编码器模型的交通事故实时检测和预警方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2893544B2 (ja) | 1990-01-11 | 1999-05-24 | 日本信号株式会社 | 異常交通流の検出装置 |
JPH11238194A (ja) | 1998-02-20 | 1999-08-31 | Fujitsu Ten Ltd | 交通渋滞予測方法および装置ならびに交通状況提供装置 |
JP2005285108A (ja) | 2004-03-03 | 2005-10-13 | Matsushita Electric Ind Co Ltd | 突発事象検出方法及び突発事象検出装置 |
JP4259404B2 (ja) | 2004-06-09 | 2009-04-30 | 株式会社デンソー | 渋滞情報の報知システム及びカーナビゲーション装置 |
JP4211706B2 (ja) * | 2004-07-28 | 2009-01-21 | 株式会社日立製作所 | 交通情報提供装置 |
JP2006079483A (ja) * | 2004-09-13 | 2006-03-23 | Hitachi Ltd | 交通情報提供装置,交通情報提供方法 |
JP4175312B2 (ja) * | 2004-09-17 | 2008-11-05 | 株式会社日立製作所 | 交通情報予測装置 |
JP4329711B2 (ja) * | 2005-03-09 | 2009-09-09 | 株式会社日立製作所 | 交通情報システム |
US7912627B2 (en) * | 2006-03-03 | 2011-03-22 | Inrix, Inc. | Obtaining road traffic condition data from mobile data sources |
US7706964B2 (en) * | 2006-06-30 | 2010-04-27 | Microsoft Corporation | Inferring road speeds for context-sensitive routing |
JP4950590B2 (ja) * | 2006-08-07 | 2012-06-13 | クラリオン株式会社 | 交通情報提供装置、交通情報提供システム、交通情報の送信方法、および交通情報の要求方法 |
JP4729469B2 (ja) * | 2006-11-10 | 2011-07-20 | 日立オートモティブシステムズ株式会社 | 交通情報システム |
JP4547408B2 (ja) * | 2007-09-11 | 2010-09-22 | 日立オートモティブシステムズ株式会社 | 交通状況予測装置,交通状況予測方法 |
-
2007
- 2007-07-25 JP JP2007192757A patent/JP4446316B2/ja not_active Expired - Fee Related
-
2008
- 2008-07-24 US US12/179,246 patent/US20090082948A1/en not_active Abandoned
- 2008-07-24 DE DE602008001218T patent/DE602008001218D1/de active Active
- 2008-07-24 EP EP08013364A patent/EP2023308B1/en not_active Expired - Fee Related
- 2008-07-25 CN CN2008101443073A patent/CN101354837B/zh not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103038117A (zh) * | 2010-06-29 | 2013-04-10 | 本田技研工业株式会社 | 堵车预测方法 |
CN103038117B (zh) * | 2010-06-29 | 2016-01-20 | 本田技研工业株式会社 | 堵车预测方法 |
US9449509B2 (en) | 2010-06-29 | 2016-09-20 | Honda Motor Co., Ltd. | Method of traffic congestion estimation |
CN102637357A (zh) * | 2012-03-27 | 2012-08-15 | 山东大学 | 一种区域交通状态评价方法 |
CN104798121A (zh) * | 2012-11-22 | 2015-07-22 | 三菱重工业株式会社 | 交通信息处理***、服务器装置、交通信息处理方法及程序 |
US9495867B2 (en) | 2012-11-22 | 2016-11-15 | Mitsubishi Heavy Industries, Ltd. | Traffic information processing system, server device, traffic information processing method, and program |
CN105809767A (zh) * | 2015-01-20 | 2016-07-27 | 现代自动车株式会社 | 用于收集车辆数据的方法和设备 |
CN105809767B (zh) * | 2015-01-20 | 2019-10-08 | 现代自动车株式会社 | 用于收集车辆数据的方法和设备 |
CN110930702A (zh) * | 2019-11-25 | 2020-03-27 | 沈阳世纪高通科技有限公司 | 交通事件的处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20090082948A1 (en) | 2009-03-26 |
JP4446316B2 (ja) | 2010-04-07 |
JP2009031881A (ja) | 2009-02-12 |
EP2023308B1 (en) | 2010-05-12 |
EP2023308A1 (en) | 2009-02-11 |
DE602008001218D1 (de) | 2010-06-24 |
CN101354837B (zh) | 2010-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101354837B (zh) | 交通信息*** | |
De Fabritiis et al. | Traffic estimation and prediction based on real time floating car data | |
Basso et al. | Real-time crash prediction in an urban expressway using disaggregated data | |
DE60319993T2 (de) | Vorrichtung und verfahren zur verkehrsinformationsbereitstellung | |
Ahmed et al. | The viability of using automatic vehicle identification data for real-time crash prediction | |
CN101127158B (zh) | 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端 | |
CN110807930B (zh) | 危险车辆预警方法及装置 | |
US8452771B2 (en) | Method for differentiating traffic data obtained from probe vehicles | |
KR100820467B1 (ko) | 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법 | |
Qiao et al. | Short-term travel time prediction considering the effects of weather | |
CN109844832A (zh) | 一种基于行程时间分布的多模态交通异常检测方法 | |
CN102231231A (zh) | 区域公路网交通安全态势预警***及其方法 | |
CN105139638A (zh) | 一种出租车载客点选取的方法及*** | |
CN109658693B (zh) | 一种路况信息获取和处理的方法及装置 | |
Wang et al. | Digital roadway interactive visualization and evaluation network applications to WSDOT operational data usage. | |
Cohen et al. | Travel time estimation between loop detectors and FCD: A compatibility study on the Lille network, France | |
Navandar et al. | Analysis of the determinants of service headway variability at tollbooths under mixed traffic scenario in emerging countries | |
DE102004002808A1 (de) | Verkehrssteuerungssystem | |
Klein et al. | Decision support system for advanced traffic management through data fusion | |
Elleuch et al. | Towards an efficient traffic congestion prediction method based on neural networks and big GPS data | |
CN101620783A (zh) | 交通信息***及交通信息处理方法 | |
Songchitruksa et al. | Assessing weather, environment, and loop data for real-time freeway incident prediction | |
CN109636250A (zh) | 一种危险货物卡车生存概率和危险概率的预测方法 | |
CN114724356A (zh) | 基于气象数据整合的gis高速公路事故预警的方法及*** | |
Le | ENHANCING TRAFFIC SAFETY: A COMPREHENSIVE APPROACH THROUGH REAL-TIME DATA AND INTELLIGENT TRANSPORTATION SYSTEMS. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101201 Termination date: 20190725 |