CN102819955A - 基于车辆行程数据的道路网运行评价方法 - Google Patents
基于车辆行程数据的道路网运行评价方法 Download PDFInfo
- Publication number
- CN102819955A CN102819955A CN2012103281154A CN201210328115A CN102819955A CN 102819955 A CN102819955 A CN 102819955A CN 2012103281154 A CN2012103281154 A CN 2012103281154A CN 201210328115 A CN201210328115 A CN 201210328115A CN 102819955 A CN102819955 A CN 102819955A
- Authority
- CN
- China
- Prior art keywords
- road
- highway section
- section
- traffic circulation
- interval
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于车辆行程数据的道路网运行评价方法,包括如下步骤:a.获取一定时间间隔内每一路段的区间平均速度;b.划分不同等级道路的各交通运行等级的速度阈值;c.每一路段在所述时间间隔内的交通运行等级;d.通过各路段在统计间隔内的平均车道流量、车道数和路段长度,三者相乘得到路段车公里数,不同等级道路路段车公里数相加获得不同等级道路的总车公里数;e.分别统计不同等级道路在不同交通运行等级下的道路里程及其占该等级道路总里程的比例;f.将上步的比例进行加权平均,得到整个路网中该交通运行等级下的道路的道路里程占路网总里程的比例。本发明方法可提供实时动态运行评价。
Description
技术领域
本发明涉及道路网运行状态的评价技术领域,具体地说是一种基于车辆行程数据的道路网运行评价方法。
背景技术
对于国内迅速发展中的大城市而言,社会、经济的发展带动了交通出行、信息通讯等基础联通网络的发展。经济的发展吸引了越来越多的人口向城市聚集,城市规模和面积不断扩大,交通出行的需求和数量迅猛增加,紧接着道路网络结构向“大范围”、“多层次”、“多模式”发展。在这种复杂的交通环境下,交通拥堵问题必然发生且严重影响了正常的交通出行。城市结构的复杂化发展必然引起交通拥堵的复杂化。城市交通运行状态是一个呈时空变化的、动态的复杂变量,城市道路网是城市综合交通体系中最为重要的基础设施,是多种交通方式的运行载体。道路网运行状况不仅客观反映道路***自身承载能力、运行效率和决定承载能力与效率的各种相关因素间交互作用关系,而且也在一定程度上客观地反映了城市交通供需平衡状况、城市交通方式构成的合宜程度以及与综合交通体系整体运行相关的规划决策和运行管理水平。因此,对道路网***实时运行状况的动态评价和诊断无疑是城市综合交通体系规划、建设与运行管理不可或缺的重要基础依据和前提条件。
城市道路网是一个具有高度开放性的复杂巨***,运行中受多种无约定和难以预知的人为因素以及自然因素干预影响,***运行经常处于非稳定状态。对于这样一个复杂的非稳定***进行整体实时动态评价是当今国内外尚未完全解决的难题。
迄今国内外仍在普遍应用的道路网运行评价方法,都是基于道路断面通行能力(C)和实际负荷流量(V)这两个基础数据。所依据的基本理论要点是:对于给定的道路和节点,其通行能力是个不变的常数,决定它们运行状况(水平)的是负荷量(流量)与通行能力之比值(即负荷度V/C)。这里称之为“负荷度评价”。
长期以来,人们既把负荷度评价理论方法用于道路或交叉口规划设计阶段的承载能力与服务水平的静态评估,也把它用于道路或交叉口实时运行动态分析。不仅如此,人们把这种本来只用于单一路段或节点做静态负荷评价的理论方法搬用到路网***实时动态评价。
现有的负荷度评价理论方法的主要局限性在于以下几点:
1)以负荷度评价理论方法建立的静态分析模型中,流量的增长是不受通行能力约束的,因此常常会出现V/C≥1的评估结果。事实上,由于路网运行中递延传导效应,任何一个断面的流量(V)都受通行能力的约束,并会随通行能力(C)的变化而变化,始终不会出现V/C≥1的情况。
2)负荷度评价理论方法用于路网整体评价时,未考虑不同功能和技术等级的道路对路网整体运行水平所发挥作用的差异,也未考虑它们之间的交互制约动态关联性。因此,只能给出在一个设定的出行O-D需求条件下,每条道路(路段)的负荷度(V/C)评估数值,无法给出路网整体运行水平评估指标。
3)负荷度评价方法无法反映路网运行中的随机波动状况。在不同的流态状况下,负荷度(V/C)与道路实际运行效率(畅通程度)的对应关系是有差异的。与流量或负荷度相比较,行程车速对道路畅通度更为敏感,也能更加真实地反映道路运行动态。在自由流和非稳定(紊乱)流两种状态下,车流运行速度离散程度都很高。换言之,在这两种状况下,对应于同一负荷度(V/C)值,实际运行随机波动性幅度很大,负荷度评价无法真实反映这一状况。
4)负荷度评价所依据的道路断面流量(V)数据,无论选取的断面间隔多密,在空间上仍然是不连续的。在数据采集的实际工作中,受设备投资等客观条件制约,流量数据的实时采集对于整个路网的覆盖率更是很难满足路网实时整体动态评价需要。鉴于前面述及的路网运行特性,路网整体运行动态评价无疑要求基础数据能够在时间与空间上均连续、无盲区。不仅如此,作为路网运行状态实时评价,现有宏观静态分析模型以出行OD历史数据为基础依据的负荷度评价也是不适用的。
综上所述,负荷度评价理论方法不能真实反映路网运行的实时动态特性,虽仍可用于单一道路或节点服务水平的静态评估,但却不适用于路网整体动态评价。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于车辆行程数据的道路网运行评价方法。本发明方法可提供实时动态运行评价。
为了解决上述技术问题,本发明采用了如下技术方案:
基于车辆行程数据的道路网运行评价方法,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d.通过各路段在统计间隔内的平均车道流量、车道数和路段长度,三者相乘得到路段车公里数,不同等级道路路段车公里数相加获得不同等级道路的总车公里数;
e.分别统计不同等级道路在不同交通运行等级下的道路里程及其占该等级道路总里程的比例;
f.将同一交通运行等级下的不同等级道路的道路里程占各自等级道路总里程的比例用各自等级道路的车公里数进行加权平均,得到整个路网中该交通运行等级下的道路的道路里程占路网总里程的比例。
进一步,如上所述的基于车辆行程数据的道路网运行评价方法,通过下式1计算交通运行指数,
式中,K1为交通运行指数,a为通过步骤f获得的交通运行等级中拥堵级别最高的道路的道路里程占路网总里程的百分比的分子的取值,K1由低至高的5个取值范围对应路网五个由低至高的交通运行等级。
进一步,如上所述的基于车辆行程数据的道路网运行评价方法,以多个连续的统计间隔为一个统计时段,计算统计时段内各统计间隔内的交通运行指数,从而统计得到该统计时段内不同交通运行等级的累计时间。
本发明的另一实施例的技术方案如下:
基于车辆行程数据的道路网运行评价方法,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d.选出交通运行等级属于拥堵级别的路段,统计得到日拥堵路段、周拥堵路段、月拥堵路段和年拥堵路段的数量和比例,其中日拥堵路段是早、晚高峰时段内,拥堵持续时间分别超过早晚高峰时段50%的路段;周拥堵路段是该周工作日内统计为日拥堵路段的频次至少为4的路段;月拥堵路段是该月工作日内作为日拥堵路段次数达到工该月作日天数的60%的路段;年拥堵路段是该年工作日内作为日拥堵路段次数超过该年工作日天数的50%的路段。
本发明的另一实施例的技术方案如下:
基于车辆行程数据的道路网运行评价方法,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.通过路段距离和和该路段的区间平均速度得到该路段的平均行程时间;
c.计算95%概率条件下通过一个或多个路段比平均行程时间多花费的时间与畅通状态下行程时间的比值,所述比值为行程时间可靠性指数;其中通过多个路段时的行程时间可靠性指数由单个路段的行程时间可靠性指数用车公里数加权平均计算得到。
本发明的另一实施例的技术方案如下:
基于车辆行程数据的道路网运行评价方法,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d通过路段距离和和该路段的区间平均速度得到该路段的平均行程时间;
e.计算一个路段或多个连续路段的交通运行指数,其中一个路段的交通运行指数根据速度阈值进行线性插值得到,多个连续路段的交通运行指数由单个路段的交通运行指数用平均行程时间加权平均得到。
本发明的另一实施例的技术方案如下:
基于车辆行程数据的道路网运行评价方法,其特征在于,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.计算每一路段的平均行程速率,所述平均行程速率为车辆行驶单位里程所消耗的时间,单位为小时/公里,由平均速度取倒数得到。
本发明的另一实施例的技术方案如下:
基于车辆行程数据的道路网运行评价方法,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d.分别统计不同等级道路在不同交通运行等级下的道路里程及其占该等级道路总里程的比例;
e.根据多个连续的统计间隔内拥堵级别的交通运行等级增加或减少的里程和所需的时间获得单位时间内拥堵里程增加的公里数,单位为公里/小时;和单位时间内拥堵里程减少的公里数,单位为公里/小时。
进一步,如上所述的基于车辆行程数据的道路网运行评价方法,以拥堵级别的道路的里程开始上升到拥堵级别的道路的里程不变或开始下降的时间间隔为拥堵形成时间,以拥堵级别的道路的里程开始下降到拥堵级别的道路的里程不变或开始上升的时间间隔为拥堵消散时间,得到拥堵形成时间与拥堵消散时间比。
进一步,如上所述的基于车辆行程数据的道路网运行评价方法,划分不同等级道路区间平均速度对应不同交通运行等级的速度阈值通过下述方法中的一种或多种相结合的方式获得:
1)取至少一周路网所包含所有路段的区间平均速度样本,按照不同道路等级分别画出处于不同速度区间的样本出现频数,并画出累积曲线,寻找85%,50%,30%,15%分位数,对应的速度值为划分畅通和基本畅通、基本畅通和轻度拥堵、轻度拥堵和中度拥堵、中度拥堵和严重拥堵的五个交通运行等级的阈值;
2)利用美国通行能力手册(HCM)的服务水平划分标准验证,HCM中定义了A、B、C、D、E、F六种服务水平,以A级服务水平为自由流状态,对应于自由流速度,则B至F级服务水平分别为道路运行速度到达自由流速度的70%、50%、40%、25%,对应本发明中所定义的畅通、基本畅通、轻度拥堵、中度拥堵和严重拥堵,按照我国的《城市道路交通规划设计规范(GB 50220-95)》规定快速路、主干路、次干路和支路对应的自由流速度分别为80公里/小时、60公里/小时和40公里/小时,计算得到速度对应不同交通运行等级的阈值;
3)基于跟车调查采集的每分钟记录的拥堵感知数据,分别针对快速路、主干路、次干路和支路的不同等级拥堵感知对应的速度区间进行概率分析,将两相邻拥堵感受速度概率分布曲线相交的点对应的速度值确定为相邻运行等级的速度阈值。
与现有技术相比,本发明的有益效果在于:
本发明的基于车辆行程数据的道路网运行评价方法能较好的适用于具有随机波动性、递延传导效应和周期规律性特征的整体和局部路网、交通走廊的动态运行评价,为交通战略规划、实时动态路网功况分析、交通***短板诊断、路网功能级配结构优化、缺陷及成因分析等提供了全新的技术手段,能够指导实际工作,实现交通科学化和精细化管理,本发明方法能够直观准确地表达道路网的运行状况。
附图说明
图1为本发明的基于车辆行程数据的道路网运行评价方法的流程图;
图2为本发明实施例中的交通运行指数曲线图;
图3为本发明实施例中的不同拥堵等级里程比例的图;
图4为本发明实施例中的行程时间可靠性指数;
图5为本发明实施例中的道路交通运行指数的曲线图;
图6为本发明实施例中的道路行程速率的曲线图;
图7为本发明实施例中的快速路拥堵形成与消散速度的图;
图8为北京市2010年工作日的日交通运行指数变化图;
图9为交通运行指数的预测结果图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细描述,但不作为对本发明的限定。
图1为本发明的基于车辆行程数据的道路网运行评价方法的流程图。图1***的显示了使用本发明方法得到多个评价指标以评价道路网的运行状况。下面通过不同的实施例详细说明不同的评价指标的计算方法。
实施例1:
基于车辆行程数据的道路网运行评价方法,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d.通过各路段在统计间隔内的平均车道流量、车道数和路段长度,三者相乘得到路段车公里数,不同等级道路路段车公里数相加获得不同等级道路的总车公里数;
e.分别统计不同等级道路在不同交通运行等级下的道路里程及其占该等级道路总里程的比例;
f.将同一交通运行等级下的不同等级道路的道路里程占各自等级道路总里程的比例用各自等级道路的车公里数进行加权平均,得到整个路网中该交通运行等级下的道路的道路里程占路网总里程的比例。
作为本实施例的优选,进一步,通过下式1计算交通运行指数,
式中,K1为交通运行指数,a为通过步骤f获得的交通运行等级中拥堵级别最高的道路的道路里程占路网总里程的百分比的分子的取值,K1由低至高的5个取值范围对应路网五个由低至高的交通运行等级。
作为本实施例的优选,以多个连续的统计间隔为一个统计时段,计算统计时段内各统计间隔内的交通运行指数,从而统计得到该统计时段内不同交通运行等级的累计时间。
实施例2:
基于车辆行程数据的道路网运行评价方法,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d.选出交通运行等级属于拥堵级别的路段,统计得到日拥堵路段、周拥堵路段、月拥堵路段和年拥堵路段的数量和比例,其中日拥堵路段是早、晚高峰时段内,拥堵持续时间分别超过早晚高峰时段50%的路段;周拥堵路段是该周工作日内统计为日拥堵路段的频次至少为4的路段;月拥堵路段是该月工作日内作为日拥堵路段次数达到工该月作日天数的60%的路段;年拥堵路段是该年工作日内作为日拥堵路段次数超过该年工作日天数的50%的路段。
实施例3:
基于车辆行程数据的道路网运行评价方法,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.通过路段距离和和该路段的区间平均速度得到该路段的平均行程时间;
c.计算95%概率条件下通过一个或多个路段比平均行程时间多花费的时间与畅通状态下行程时间的比值,所述比值为行程时间可靠性指数;其中通过多个路段时的行程时间可靠性指数由单个路段的行程时间可靠性指数用车公里数加权平均计算得到。
实施例4:
基于车辆行程数据的道路网运行评价方法,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d通过路段距离和和该路段的区间平均速度得到该路段的平均行程时间;
e.计算一个路段或多个连续路段的交通运行指数,其中一个路段的交通运行指数根据速度阈值进行线性插值得到,多个连续路段的交通运行指数由单个路段的交通运行指数用平均行程时间加权平均得到。
实施例5:
基于车辆行程数据的道路网运行评价方法,其特征在于,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.计算每一路段的平均行程速率,所述平均行程速率为车辆行驶单位里程所消耗的时间,单位为小时/公里,由平均速度取倒数得到。
实施例6:
基于车辆行程数据的道路网运行评价方法,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d.分别统计不同等级道路在不同交通运行等级下的道路里程及其占该等级道路总里程的比例;
e.根据多个连续的统计间隔内拥堵级别的交通运行等级增加或减少的里程和所需的时间获得单位时间内拥堵里程增加的公里数,单位为公里/小时;和单位时间内拥堵里程减少的公里数,单位为公里/小时。
作为本实施例的优选,进一步,以拥堵级别的道路的里程开始上升到拥堵级别的道路的里程不变或开始下降的时间间隔为拥堵形成时间,以拥堵级别的道路的里程开始下降到拥堵级别的道路的里程不变或开始上升的时间间隔为拥堵消散时间,得到拥堵形成时间与拥堵消散时间比。
在本发明的上述实施例中,划分不同等级道路区间平均速度对应不同交通运行等级的速度阈值通过下述方法中的一种或多种相结合的方式获得:
1)取至少一周路网所包含所有路段的区间平均速度样本,按照不同道路等级分别画出处于不同速度区间的样本出现频数,并画出累积曲线,寻找85%,50%,30%,15%分位数,对应的速度值为划分畅通和基本畅通、基本畅通和轻度拥堵、轻度拥堵和中度拥堵、中度拥堵和严重拥堵的五个交通运行等级的阈值;
2)利用美国通行能力手册(HCM)的服务水平划分标准验证,HCM中定义了A、B、C、D、E、F六种服务水平,以A级服务水平为自由流状态,对应于自由流速度,则B至F级服务水平分别为道路运行速度到达自由流速度的70%、50%、40%、25%,对应本发明中所定义的畅通、基本畅通、轻度拥堵、中度拥堵和严重拥堵,按照我国的《城市道路交通规划设计规范(GB 50220-95)》规定快速路、主干路、次干路和支路对应的自由流速度分别为80公里/小时、60公里/小时和40公里/小时,计算得到速度对应不同交通运行等级的阈值;
3)基于跟车调查采集的每分钟记录的拥堵感知数据,分别针对快速路、主干路、次干路和支路的不同等级拥堵感知对应的速度区间进行概率分析,将两相邻拥堵感受速度概率分布曲线相交的点对应的速度值确定为相邻运行等级的速度阈值。
本发明中的路段是指,道路网中由相邻两个端点界定道路区间,其中端点为道路交叉口、主辅路之间的出口或主辅路之间的入口。上述的路段具有方向性,其方向与其上的车辆行驶方向一致。本领域技术人员应该知道,主辅路之间的出口或入口是相对而言,因为一个主路的出口对应于辅路的入口。至少包含一个交叉口或一个出入口的道路区段。
本发明的上述实施例中,采用的统计间隔以15分钟为一个时间段。当然,也可采用其他如5分钟、10分钟或其他的时间段,一般不超过15分钟为宜。某路段的统计间隔内的区间平均速度可通过通过该路段上的浮动车数据获得,或者通过该路段上的可测定车辆旅行时间或速度的设备获得。测得车辆旅行时间后,通过路段信息表中的路段长度信息可得速度。这些设备可以是磁感应强度车辆检测装置、基于蓝牙设备的车辆检测设备或者是高速路上的收费***等等。为了便于数据的准确及分析等原因,通过各种设备获得的路段的区间平均速度多以每5分钟为间隔进行保存。为此,在不改变现有的***的条件下,本发明可通过如下方法计算15分钟间隔的路段的区间平均速度:基于浮动车数据(或其他数据源)计算5分钟间隔路段区间平均速度和5分钟间隔内车辆总行驶里程,并可计算5分钟间隔内的总行驶时间。将15分钟间隔内的行驶里程和计算得到的行驶时间进行加和汇总,依然通过如下公式可获得15分钟间隔的路段的区间平均速度:
按照我国的《城市道路交通规划设计规范(GB 50220-95)》道路等级分为如下三个等级:1)快速路、2)主干路、3)次干及支路。交通运行等级分为畅通、基本畅通、轻度拥堵、中度拥堵和严重拥堵五个级别。其中轻度拥堵、中度拥堵和严重拥堵这三个级别为拥堵级别。
本发明的上述实施例中通过上述三种方法相结合,得到划分不同等级道路对应不同交通运行等级的速度阈值(千米/小时),见下表1。
表1
表中对应的速度单位为千米/小时。
统计间隔内道路网中每一路段的区间平均速度通过如下公式获得:
式中:
为路段区间平均速度;
S为在该路段的所有样本车辆行驶的总长度;
n为该统计间隔内该路段内行驶的车辆数;
i为该路段内行驶的车辆编号,从1到n。
上式中的ti和n可通过相应的监控装置、GPS装置或其他可用的装置测得。如磁感应强度传感器***或基于蓝牙装置的车辆检测***等。或者通过浮动车获取相关数据。
本发明的上述实施例中的得出10个评价指标,其符号分别为K1~K10。该10个评价指标可以单独,或相结合来评价道路网的运行状况。该10个评价指标的说明如下:
K1:交通运行指数
交通运行指数是量化路网(或特定区域)在特定时刻(如7:00-7:15)的整体拥堵程度的相对数,本质上反映的是路网运行的综合拥堵强度和时空影响。根据拥堵水平和人们出行感受,交通运行指数与交通运行等级的对应关系如下:畅通[0~2)、基本畅通[2~4)、轻度拥堵[4~6)、中度拥堵[6~8)和严重拥堵[8~10]
表2。
K2:不同交通运行等级里程比例
指各等级道路和路网处于不同交通运行等级的里程比例,该指标能够表现交通拥堵在空间上的覆盖范围和演化趋势。
K3:道路网拥堵持续时间
基于每15分钟计算得到的交通拥堵指数,统计一天24小时处于不同拥堵级别的持续时间,分别得到严重拥堵、中度拥堵、轻度拥堵在一天中的持续时间。该指标能够从时间的角度表现交通拥堵的演化趋势。
K4:拥堵路段数量及比例
根据前述运行等级判断标准,识别高峰时段日拥堵路段、周常发拥堵路段、月常发拥堵路段、年常发拥堵路段等,统计其数量和占总路网里程的比例。
K5:行程时间可靠性指数
行程时间可靠性指数主要是描述路网运行稳定性的指标。是95%概率条件下通过一个或多个路段比平均行程时间多花费的时间与畅通状态下行程时间的比值。
K6:交通走廊运行指数
统计由多个路段组成的交通走廊综合运行指数,每个路段的交通运行指数经VHT加权计算交通走廊运行指数。
K7:交通走廊平均行程速率
平均行程速率是指车辆行驶单位里程(一般为1千米)所消耗的时间,反映交通走廊运行效率。
K8:拥堵形成时间
从空间的角度反映拥堵路段的聚集情况,为拥堵路段长度的增长速度,单位公里/小时。
K9:拥堵消散时间
从空间的角度反映拥堵路段的消散情况,为拥堵路段长度的减少速度,单位公里/小时。
K10:拥堵形成消散时间比
拥堵里程增长持续的时间与拥堵里程消散持续的时间之比,反映拥堵聚集特征和消散效率。
不同交通运行等级里程比例K2为不同交通运行等级道路处于不同交通运行等级的道路里程比例,道路网不同交通运行等级里程比例为不同等级道路不同交通运行等级里程比例用道路等级的车公里(VKT)进行加权平均,具体计算过程如下:
首先,按不同等级道路,分别统计该等级道路中处于各交通运行等级的路段的里程占该等级道路总里程的比例;
式中:
MRij为处于j交通运行等级下路段里程占i等级道路总里程的比例;
mij为i等级道路中处于j交通运行等级的路段里程;
mi为i等级道路里程总和;
i=1,2,3,4。
式中:
MRj为道路网j拥堵级别里程比例;
MRij为处于j交通交通运行等级下路段里程占i等级道路总里程的比例;
VKTi为第i等级道路的车公里数权重,快速路的总长度×平均流量;
n为道路等级的数量,按照城市道路划分标准,n=4;
j为交通运行等级。
道路网拥堵持续时间K3为不同交通运行等级,道路网不同交通运行等级里程比例为不同等级道路不同交通运行等级里程比例的累计时间,其基于一天随时间变化的交通运行指数K1判定所处交通运行等级,按交通运行等级分类分别累加得到,五个交通运行等级持续时间之和和为24小时。
常发拥堵路段数量及比例K4,拥堵路段筛选,根据规则筛选实时拥堵路段、日拥堵路段、周拥堵路段、月拥堵路段、年拥堵路段,统计其数量,即K4。
行程时间可靠性指数K5为95%概率条件下通过一个或多个路段比平均行程时间多花费的时间与畅通状态下行程时间的比值。
交通走廊运行指数K6计算,依据表1速度阈值,计算每条路段的运行指数,再在利用行程时间(VHT)作为权重系数,综合加权计算得到交通走廊的整体运行指数。
交通走廊行程速率指标K7是指车辆在交通走廊上行驶单位里程所消耗的平均时间,其是基于路段平均速度获得,其通过如下公式获得:
先通过路段平均速度获得路段行程速率,路段行程速率是指车辆行驶单位里程(一般为1Km)所消耗的时间,单位小时/公里,其公式为,
然后再计算交通走廊行程速率,
式中:n为组成交通走廊的路段总数。
拥堵形成与消散时间比K10是指拥堵形成和消散所分别持续的时间的比,拥堵形成时间即拥堵里程开始上升到拥堵里程不变或开始下降的时间间隔,拥堵消散时间即拥堵里程开始下降到拥堵里程不变或开始上升的时间间隔。
以北京2009年7月13日晚高峰为例,用本发明的评价方法对道路网运行进行评价。由于下大雨,对交通造成严重影响。
计算基础数据表为每5分钟间隔路段平均速度和路段信息表,每5分钟间隔路段平均速度部分数据见表3(以路段编号17961为例),路段信息表部分数据见表4。通过表3和表4路段编号关联,可获得路段对应的道路等级和路段长度。
表3
表4
路段编号 | 道路等级 | 长度(千米) |
17961 | 1 | 0.145968 |
17969 | 1 | 0.704059 |
17970 | 1 | 0.634693 |
17971 | 1 | 0.444815 |
17972 | 1 | 0.628229 |
17973 | 1 | 0.035519 |
17977 | 1 | 0.133309 |
17978 | 1 | 0.276816 |
17979 | 1 | 0.22221 |
17980 | 1 | 0.33244 |
基于表3和表4,表3中行驶距离比例与表4中路段长度相乘得到第i个5分钟间隔的行驶距离,3个相邻5分钟行驶距离相加得到15分钟间隔行驶距离。表3中第i个5分钟行驶距离除以平均速度得到第i个5分钟行程时间。表3中每5分钟间隔样本量相加得到每15分钟间隔样本量。利用公式2,计算得到每15分钟间隔路段平均速度,部分数据见表5(以路段编号17961为例)。
表5
基于表4和表5数据和表1速度阈值,分不同道路等级统计处于严重拥堵的道路里程比例,以不同道路等级的VKT加权,计算路网严重拥堵里程比例,再基于公式1,计算得到路网交通运行指数,如表6所示。
表6
K1:路网交通运行指数。图2为路网交通运行指数曲线图。图中深黑色线条为2009年7月13日的K1值变化曲线,浅灰色线是前三个月K1平均值变化曲线。可以看出正常情况下,晚高峰道路网从17:00开始拥堵,由于降雨影响,16:00开始拥堵,最高值接近于指数最大值10。
7月13日早高峰(7:00-9:00)交通拥堵指数为5.76,比前三月平均值略有上升;晚高峰(17:00-19:00)交通拥堵指数为9.09,比前三月平均值有大幅上升;日高峰时段交通拥堵指数为7.43。
K2:不同拥堵等级里程比例。基于表1、表4、表5和VKT权重得到。图3为本具体实施例中不同拥堵等级里程比例K2的图。图中自下而上分别为严重拥堵、中度拥堵、轻度拥堵、基本畅通、畅通。7月13日早高峰路网严重拥堵和中度拥堵里程比例为20%,较为正常。晚高峰路网严重拥堵和中度拥堵里程比例为36%,即超过三分之一的道路出现中度及以上拥堵,特别是快速路和主干路,严重拥堵和中度拥堵里程比例在40%左右,次干路和支路相对较好。该指标可用于年度评价交通拥堵治理效果在空间上的变化情况。
K3:道路网拥堵持续时间。由图2可得,7月13日这一天严重拥堵持续了2小时45分钟,集中在晚高峰时段,中度拥堵持续了2小时,轻度拥堵持续了2小时30分钟。从拥堵的持续时间可计算拥堵在时间上的影响,进一步可作为计算拥堵损失的基础参考数据。
K4:拥堵路段数量及比例。由表1、表4和表5得到。7月13日早高峰拥堵路段数量为1106条,长度比例为4.3%,晚高峰拥堵路段数量为2864条,长度比例为11.7%。将不同交通运行等级的路段以不同颜色在GIS路网中标识出来。可以清楚地看出主要的拥堵路段分布。
K5:行程时间可靠性指数。行程时间可靠性指数反映路网运行的波动性,需要相对较长的一个时期(多天)数据,以2012年2月份数据为基础,计算北京市二环内环行程时间可靠性指数如图4所示。可见曲线的波动性很大,特别是在高峰时段,反映出路网运行的不可靠性。数值为2表示:如果在2月份确保最多迟到1天,那么需要比平均行程时间还要多预留出2倍于自由流行程时间提前出发。例如,自由流情况下10分钟到达,平均情况是15分钟到达,那么要预留35分钟时间到达,比平均情况下的15分钟要提前20分钟出发。
K6:道路交通运行指数。图5为以西三环内、外环为例的道路交通运行指数的曲线图,首先根据速度阈值,用线性内插法计算出各路段运行指数,再用各路段的VHT(路段流量与路段行程时间乘积)作为权重,加权计算西三环内环方向和外环方向的道路交通运行指数,如图5所示。可见西三环内环方向受早高峰进城方向流量大影响,拥堵严重。晚高峰降雨主要影响了西三环外环方向。
K7:道路行程速率。如图6所示,图6为道路行程速率的曲线图。行程速率体现出与道路运行指数相同的特征,该指标对正常情况下的拥堵反映不敏感,对突发情况下的拥堵更为敏感。
如图7所示,图7为快速路拥堵形成与消散速度的图。其中
K8:交通拥堵形成速度。快速路拥堵形成平均速度为74.4公里/小时。
K9:交通拥堵消散速度。快速路拥堵消散平均速度为55.2公里/小时。
K10:拥堵形成与消散时间比。拥堵形成与消散时间比为2.25/3。
利用本发明技术方法,能够对降雨拥堵影响的特征进行客观、准确评价,为特殊天气交通拥堵预判和应急指挥提供了可视化的分析工具和准确的数据支持。
图8为北京市2010年工作日的日交通运行指数变化图。北京市自2008年10月以来实施的高峰时段机动车按尾号停驶措施,尾号组合为5、0和字母,1和6,2和7,3和8,4和9(含临时车牌);4和9组合的机动车数量明显少,因此,从图8可见,4和9组合停驶日的交通运行指数均为每周最高,验证了指数的正确性和敏感性。
使用本发明的评价方法开展了2011年中秋节前、圣诞节前、春节前等交通拥堵预测预警工作。附图9是对中秋节、国庆节前交通运行指数预警预测效果。
由于新学年开学、节日调休、国庆庆典筹备、节前集中探亲访友、外地进京车辆增多等因素影响,9月份交通拥堵为全年最严重。从历史数据分析来看,中秋节、国庆节前一周左右交通拥堵状况达到顶峰,晚高峰交通拥堵现象更为突出,特别是2010年中秋节前的9月17日,出现了全城大范围长时间拥堵,至今让人们记忆犹新。由此预判出2011年9月份北京市工作日平均交通指数将达到6.0-6.5,高于其他月份,由于对拥堵形势有了预判,在2011年8月提前建议市委市政府9月份在全市范围内开展“畅通北京 绿色出行”活动;同时提出了几个极易发生严重交通拥堵的日期,重点日期通过多部门应急联动开展临时性缓堵措施,避免了大范围长时间交通拥堵状况的发生。通过大力宣传以及有效引导,2011年9月份北京市交通运行平稳有序,平均交通指数为5.8,低于预测值。
该发明在北京市的应用也为后续缓解交通拥堵措施研究和实施提供了技术依据,也对其他城市实施类似措施具有借鉴意义。
以上实施例仅为本发明的示例性实施例,不用于限制本发明,本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (10)
1.基于车辆行程数据的道路网运行评价方法,其特征在于,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d.通过各路段在统计间隔内的平均车道流量、车道数和路段长度,三者相乘得到路段车公里数,不同等级道路路段车公里数相加获得不同等级道路的总车公里数;
e.分别统计不同等级道路在不同交通运行等级下的道路里程及其占该等级道路总里程的比例;
f.将同一交通运行等级下的不同等级道路的道路里程占各自等级道路总里程的比例用各自等级道路的车公里数进行加权平均,得到整个路网中该交通运行等级下的道路的道路里程占路网总里程的比例。
2.根据权利要求1所述的基于车辆行程数据的道路网运行评价方法,其特征在于,通过下式1计算交通运行指数,
式中,K1为交通运行指数,a为通过步骤f获得的交通运行等级中拥堵级别最高的道路的道路里程占路网总里程的百分比的分子的取值,K1由低至高的5个取值范围对应路网五个由低至高的交通运行等级。
3.根据权利要求2所述的基于车辆行程数据的道路网运行评价方法,其特征在于,以多个连续的统计间隔为一个统计时段,计算统计时段内各统计间隔内的交通运行指数,从而统计得到该统计时段内不同交通运行等级的累计时间。
4.基于车辆行程数据的道路网运行评价方法,其特征在于,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d.选出交通运行等级属于拥堵级别的路段,统计得到日拥堵路段、周拥堵路段、月拥堵路段和年拥堵路段的数量和比例,其中日拥堵路段是早、晚高峰时段内,拥堵持续时间分别超过早晚高峰时段50%的路段;周拥堵路段是该周工作日内统计为日拥堵路段的频次至少为4的路段;月拥堵路段是该月工作日内作为日拥堵路段次数达到工该月作日天数的60%的路段;年拥堵路段是该年工作日内作为日拥堵路段次数超过该年工作日天数的50%的路段。
5.基于车辆行程数据的道路网运行评价方法,其特征在于,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.通过路段距离和和该路段的区间平均速度得到该路段的平均行程时间;
c.计算95%概率条件下通过一个或多个路段比平均行程时间多花费的时间与畅通状态下行程时间的比值,所述比值为行程时间可靠性指数;其中通过多个路段时的行程时间可靠性指数由单个路段的行程时间可靠性指数用车公里数加权平均计算得到。
6.基于车辆行程数据的道路网运行评价方法,其特征在于,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d通过路段距离和和该路段的区间平均速度得到该路段的平均行程时间;
e.计算一个路段或多个连续路段的交通运行指数,其中一个路段的交通运行指数根据速度阈值进行线性插值得到,多个连续路段的交通运行指数由单个路段的交通运行指数用平均行程时间加权平均得到。
7.基于车辆行程数据的道路网运行评价方法,其特征在于,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.计算每一路段的平均行程速率,所述平均行程速率为车辆行驶单位里程所消耗的时间,单位为小时/公里,由平均速度取倒数得到。
8.基于车辆行程数据的道路网运行评价方法,其特征在于,包括如下步骤:
a.以一定的时间段为统计间隔,获取统计间隔内道路网中每一路段的区间平均速度;
b.划分不同等级道路的各交通运行等级的速度阈值;
c.根据路段所属道路等级及其区间平均速度确定每一路段在所述统计间隔内的交通运行等级;
d.分别统计不同等级道路在不同交通运行等级下的道路里程及其占该等级道路总里程的比例;
e.根据多个连续的统计间隔内拥堵级别的交通运行等级增加或减少的里程和所需的时间获得单位时间内拥堵里程增加的公里数,单位为公里/小时;和单位时间内拥堵里程减少的公里数,单位为公里/小时。
9.根据权利要求8所述的基于车辆行程数据的道路网运行评价方法,其特征在于,以拥堵级别的道路的里程开始上升到拥堵级别的道路的里程不变或开始下降的时间间隔为拥堵形成时间,以拥堵级别的道路的里程开始下降到拥堵级别的道路的里程不变或开始上升的时间间隔为拥堵消散时间,得到拥堵形成时间与拥堵消散时间比。
10.根据权利要求1-9所述的基于车辆行程数据的道路网运行评价方法,其特征在于,划分不同等级道路区间平均速度对应不同交通运行等级的速度阈值通过下述方法中的一种或多种相结合的方式获得:
1)取至少一周路网所包含所有路段的区间平均速度样本,按照不同道路等级分别画出处于不同速度区间的样本出现频数,并画出累积曲线,寻找85%,50%,30%,15%分位数,对应的速度值为划分畅通和基本畅通、基本畅通和轻度拥堵、轻度拥堵和中度拥堵、中度拥堵和严重拥堵的五个交通运行等级的阈值;
2)利用美国通行能力手册(HCM)的服务水平划分标准验证,HCM中定义了A、B、C、D、E、F六种服务水平,以A级服务水平为自由流状态,对应于自由流速度,则B至F级服务水平分别为道路运行速度到达自由流速度的70%、50%、40%、25%,对应本发明中所定义的畅通、基本畅通、轻度拥堵、中度拥堵和严重拥堵,按照我国的《城市道路交通规划设计规范(GB 50220-95)》规定快速路、主干路、次干路和支路对应的自由流速度分别为80公里/小时、60公里/小时和40公里/小时,计算得到速度对应不同交通运行等级的阈值;
3)基于跟车调查采集的每分钟记录的拥堵感知数据,分别针对快速路、主干路、次干路和支路的不同等级拥堵感知对应的速度区间进行概率分析,将两相邻拥堵感受速度概率分布曲线相交的点对应的速度值确定为相邻运行等级的速度阈值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210328115.4A CN102819955B (zh) | 2012-09-06 | 2012-09-06 | 基于车辆行程数据的道路网运行评价方法 |
CN201410183621.8A CN103956050B (zh) | 2012-09-06 | 2012-09-06 | 基于车辆行程数据的道路网运行评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210328115.4A CN102819955B (zh) | 2012-09-06 | 2012-09-06 | 基于车辆行程数据的道路网运行评价方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410183621.8A Division CN103956050B (zh) | 2012-09-06 | 2012-09-06 | 基于车辆行程数据的道路网运行评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102819955A true CN102819955A (zh) | 2012-12-12 |
CN102819955B CN102819955B (zh) | 2014-12-17 |
Family
ID=47304050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210328115.4A Active CN102819955B (zh) | 2012-09-06 | 2012-09-06 | 基于车辆行程数据的道路网运行评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102819955B (zh) |
Cited By (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198658A (zh) * | 2013-03-25 | 2013-07-10 | 浙江大学 | 一种城市道路交通状态不均衡度检测方法 |
CN103280096A (zh) * | 2013-03-29 | 2013-09-04 | 苏州数伦科技有限公司 | 交通监控管理*** |
CN104132637A (zh) * | 2014-07-25 | 2014-11-05 | 长安大学 | 基于车载can总线的道路平顺性检测装置及其检测方法 |
CN104464294A (zh) * | 2014-12-17 | 2015-03-25 | 合肥革绿信息科技有限公司 | 一种基于阵列雷达的路段交通状态评价方法及装置 |
CN104484994A (zh) * | 2014-12-17 | 2015-04-01 | 合肥革绿信息科技有限公司 | 基于阵列雷达的城市路网交通运行指数评价方法及装置 |
CN104537835A (zh) * | 2015-01-30 | 2015-04-22 | 北京航空航天大学 | 一种宏观—微观结合的环路交通可靠性仿真方法与*** |
CN104680789A (zh) * | 2015-03-04 | 2015-06-03 | 蔡诚昊 | 一种快速道路拥堵指数估算及预测方法 |
CN104933859A (zh) * | 2015-05-18 | 2015-09-23 | 华南理工大学 | 一种基于宏观基本图的确定网络承载力的方法 |
CN104952259A (zh) * | 2015-06-18 | 2015-09-30 | 安徽四创电子股份有限公司 | 基于交通场面雷达的交通事件的持续时间计算方法 |
CN105139645A (zh) * | 2015-07-23 | 2015-12-09 | 合肥革绿信息科技有限公司 | 一种基于浮动车技术的城市区域路网运行指数评估方法 |
CN105788289A (zh) * | 2014-12-17 | 2016-07-20 | 上海宝康电子控制工程有限公司 | 基于计算机软件***实现交通路况评估分析的方法和*** |
CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及*** |
CN106781470A (zh) * | 2016-12-12 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 城市道路的运行速度的处理方法及装置 |
CN106960571A (zh) * | 2017-03-30 | 2017-07-18 | 百度在线网络技术(北京)有限公司 | 道路拥堵瓶颈点确定方法、装置、服务器及存储介质 |
CN106991816A (zh) * | 2017-05-23 | 2017-07-28 | 招商局重庆交通科研设计院有限公司 | 道路交通流评价方法 |
CN104282165B (zh) * | 2013-07-12 | 2017-07-28 | 深圳市赛格导航科技股份有限公司 | 路段拥堵预警方法及装置 |
CN107293113A (zh) * | 2016-03-31 | 2017-10-24 | 高德信息技术有限公司 | 一种区域拥堵延时指数的计算方法及装置 |
CN107610470A (zh) * | 2017-10-31 | 2018-01-19 | 迈锐数据(北京)有限公司 | 一种交通拥堵评价方法和装置 |
CN107730892A (zh) * | 2017-11-20 | 2018-02-23 | 中兴软创科技股份有限公司 | 一种基于fcd与互联网数据融合的交通拥堵指数评价方法 |
CN107833459A (zh) * | 2017-10-31 | 2018-03-23 | 交通运输部科学研究院 | 一种基于gps数据的城市公交运行状况评价方法 |
CN108074393A (zh) * | 2016-11-08 | 2018-05-25 | 刘通 | 一种确定城市大桥交通拥挤程度的方法 |
CN108417037A (zh) * | 2018-05-09 | 2018-08-17 | 电子科技大学 | 一种基于交通态势的景点周边舒适度指数计算方法 |
CN108629974A (zh) * | 2018-05-17 | 2018-10-09 | 电子科技大学 | 顾及城市道路交通网络特征的交通运行指数建立方法 |
CN108831147A (zh) * | 2018-05-24 | 2018-11-16 | 温州大学苍南研究院 | 一种基于数据驱动的城市公交宏观行驶波动性的观测方法 |
CN109118769A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段自由流速度挖掘方法 |
CN109345154A (zh) * | 2018-12-04 | 2019-02-15 | 山东科技大学 | 一种交叉口时空利用效率评价方法 |
CN109615190A (zh) * | 2018-11-26 | 2019-04-12 | 浙江海洋大学 | 一种非机动车道使用情况评价方法 |
CN109741599A (zh) * | 2018-12-28 | 2019-05-10 | 天津易华录信息技术有限公司 | 交通运行评价方法 |
CN109952600A (zh) * | 2016-06-30 | 2019-06-28 | 奥克托信息技术股份公司 | 一种用于基于车辆的状态的确定来估计车辆的行驶时间的方法 |
CN110111576A (zh) * | 2019-05-16 | 2019-08-09 | 北京航空航天大学 | 一种基于时空拥堵子团的城市交通弹性指标及其实现方法 |
CN110276541A (zh) * | 2019-06-14 | 2019-09-24 | 上海理工大学 | 一种考虑出行者适应过程的道路组织评价方法 |
CN110634295A (zh) * | 2019-09-28 | 2019-12-31 | 安徽百诚慧通科技有限公司 | 一种利用优化模型计算道路最佳通行能力的方法 |
CN110718057A (zh) * | 2019-09-11 | 2020-01-21 | 北京掌行通信息技术有限公司 | 路网运行状态评价方法、装置、电子设备及介质 |
CN110930713A (zh) * | 2020-02-07 | 2020-03-27 | 北京交研智慧科技有限公司 | 基于历史重现率的道路常发拥堵识别方法、装置及设备 |
CN111402600A (zh) * | 2020-01-20 | 2020-07-10 | 中国电建集团华东勘测设计研究院有限公司 | 基于复杂网络沙堆模型的城市路网机理关联规划方法 |
CN111429717A (zh) * | 2020-02-27 | 2020-07-17 | 贵州智诚科技有限公司 | 一种城市快速路道路运行能力评估方法 |
CN113129582A (zh) * | 2019-12-31 | 2021-07-16 | 阿里巴巴集团控股有限公司 | 一种交通状态预测方法及装置 |
CN113903169A (zh) * | 2021-08-23 | 2022-01-07 | 深圳市金溢科技股份有限公司 | 一种交通优化方法、装置、电子设备及存储介质 |
CN114049769A (zh) * | 2021-11-16 | 2022-02-15 | 上海华建工程建设咨询有限公司 | 一种预测道路拥挤状况的方法、装置和电子设备 |
CN114255590A (zh) * | 2021-12-17 | 2022-03-29 | 重庆市城投金卡信息产业(集团)股份有限公司 | 基于rfid数据的交通运行分析方法 |
CN115019534A (zh) * | 2022-05-05 | 2022-09-06 | 湖北文理学院 | 避开交通拥堵方法、装置、设备及存储介质 |
CN115497306A (zh) * | 2022-11-22 | 2022-12-20 | 中汽研汽车检验中心(天津)有限公司 | 一种基于gis数据的速度区间权重计算方法 |
CN116030632A (zh) * | 2023-02-10 | 2023-04-28 | 西南交通大学 | 一种面向混合交通流的性能指标计算方法及*** |
CN116756205A (zh) * | 2023-05-12 | 2023-09-15 | 北京建筑大学 | 面向行驶周期的细分速度vkt和vht分布构建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1707544A (zh) * | 2005-05-26 | 2005-12-14 | 上海交通大学 | 城市路网交通流状态估计方法 |
CN1959759A (zh) * | 2006-11-17 | 2007-05-09 | 上海城市综合交通规划科技咨询有限公司 | 基于浮动车数据的交通分析方法 |
CN101673460A (zh) * | 2009-08-25 | 2010-03-17 | 北京世纪高通科技有限公司 | 一种交通信息的质量评价方法、装置及*** |
CN101710449A (zh) * | 2009-12-04 | 2010-05-19 | 吉林大学 | 基于公交车gps数据的交通流运行状态识别方法 |
CN101739820A (zh) * | 2009-11-19 | 2010-06-16 | 北京世纪高通科技有限公司 | 路况预测的方法及装置 |
US20120130625A1 (en) * | 2010-11-19 | 2012-05-24 | International Business Machines Corporation | Systems and methods for determining traffic intensity using information obtained through crowdsourcing |
-
2012
- 2012-09-06 CN CN201210328115.4A patent/CN102819955B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1707544A (zh) * | 2005-05-26 | 2005-12-14 | 上海交通大学 | 城市路网交通流状态估计方法 |
CN1959759A (zh) * | 2006-11-17 | 2007-05-09 | 上海城市综合交通规划科技咨询有限公司 | 基于浮动车数据的交通分析方法 |
CN101673460A (zh) * | 2009-08-25 | 2010-03-17 | 北京世纪高通科技有限公司 | 一种交通信息的质量评价方法、装置及*** |
CN101739820A (zh) * | 2009-11-19 | 2010-06-16 | 北京世纪高通科技有限公司 | 路况预测的方法及装置 |
CN101710449A (zh) * | 2009-12-04 | 2010-05-19 | 吉林大学 | 基于公交车gps数据的交通流运行状态识别方法 |
US20120130625A1 (en) * | 2010-11-19 | 2012-05-24 | International Business Machines Corporation | Systems and methods for determining traffic intensity using information obtained through crowdsourcing |
Cited By (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198658A (zh) * | 2013-03-25 | 2013-07-10 | 浙江大学 | 一种城市道路交通状态不均衡度检测方法 |
CN103280096A (zh) * | 2013-03-29 | 2013-09-04 | 苏州数伦科技有限公司 | 交通监控管理*** |
CN104282165B (zh) * | 2013-07-12 | 2017-07-28 | 深圳市赛格导航科技股份有限公司 | 路段拥堵预警方法及装置 |
CN104132637A (zh) * | 2014-07-25 | 2014-11-05 | 长安大学 | 基于车载can总线的道路平顺性检测装置及其检测方法 |
CN104464294A (zh) * | 2014-12-17 | 2015-03-25 | 合肥革绿信息科技有限公司 | 一种基于阵列雷达的路段交通状态评价方法及装置 |
CN104484994A (zh) * | 2014-12-17 | 2015-04-01 | 合肥革绿信息科技有限公司 | 基于阵列雷达的城市路网交通运行指数评价方法及装置 |
CN105788289A (zh) * | 2014-12-17 | 2016-07-20 | 上海宝康电子控制工程有限公司 | 基于计算机软件***实现交通路况评估分析的方法和*** |
CN104464294B (zh) * | 2014-12-17 | 2016-08-31 | 合肥革绿信息科技有限公司 | 一种基于阵列雷达的路段交通状态评价方法 |
CN104537835A (zh) * | 2015-01-30 | 2015-04-22 | 北京航空航天大学 | 一种宏观—微观结合的环路交通可靠性仿真方法与*** |
CN104537835B (zh) * | 2015-01-30 | 2018-02-23 | 北京航空航天大学 | 一种宏观—微观结合的环路交通可靠性仿真方法与*** |
CN104680789A (zh) * | 2015-03-04 | 2015-06-03 | 蔡诚昊 | 一种快速道路拥堵指数估算及预测方法 |
CN104933859A (zh) * | 2015-05-18 | 2015-09-23 | 华南理工大学 | 一种基于宏观基本图的确定网络承载力的方法 |
CN104952259A (zh) * | 2015-06-18 | 2015-09-30 | 安徽四创电子股份有限公司 | 基于交通场面雷达的交通事件的持续时间计算方法 |
CN105139645A (zh) * | 2015-07-23 | 2015-12-09 | 合肥革绿信息科技有限公司 | 一种基于浮动车技术的城市区域路网运行指数评估方法 |
CN107293113B (zh) * | 2016-03-31 | 2020-09-11 | 阿里巴巴(中国)有限公司 | 一种区域拥堵延时指数的计算方法及装置 |
CN107293113A (zh) * | 2016-03-31 | 2017-10-24 | 高德信息技术有限公司 | 一种区域拥堵延时指数的计算方法及装置 |
CN109952600B (zh) * | 2016-06-30 | 2021-09-24 | 奥克托信息技术股份公司 | 一种用于基于车辆的状态的确定来估计车辆的行驶时间的方法 |
CN109952600A (zh) * | 2016-06-30 | 2019-06-28 | 奥克托信息技术股份公司 | 一种用于基于车辆的状态的确定来估计车辆的行驶时间的方法 |
CN108074393A (zh) * | 2016-11-08 | 2018-05-25 | 刘通 | 一种确定城市大桥交通拥挤程度的方法 |
CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及*** |
CN106408945B (zh) * | 2016-11-28 | 2019-03-01 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及*** |
CN106781470A (zh) * | 2016-12-12 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 城市道路的运行速度的处理方法及装置 |
US11187554B2 (en) | 2016-12-12 | 2021-11-30 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method, device and computer storage medium for providing running speed of urban road |
CN106960571B (zh) * | 2017-03-30 | 2020-10-16 | 百度在线网络技术(北京)有限公司 | 道路拥堵瓶颈点确定方法、装置、服务器及存储介质 |
CN106960571A (zh) * | 2017-03-30 | 2017-07-18 | 百度在线网络技术(北京)有限公司 | 道路拥堵瓶颈点确定方法、装置、服务器及存储介质 |
CN106991816A (zh) * | 2017-05-23 | 2017-07-28 | 招商局重庆交通科研设计院有限公司 | 道路交通流评价方法 |
CN107610470A (zh) * | 2017-10-31 | 2018-01-19 | 迈锐数据(北京)有限公司 | 一种交通拥堵评价方法和装置 |
CN107833459A (zh) * | 2017-10-31 | 2018-03-23 | 交通运输部科学研究院 | 一种基于gps数据的城市公交运行状况评价方法 |
CN107730892A (zh) * | 2017-11-20 | 2018-02-23 | 中兴软创科技股份有限公司 | 一种基于fcd与互联网数据融合的交通拥堵指数评价方法 |
CN108417037A (zh) * | 2018-05-09 | 2018-08-17 | 电子科技大学 | 一种基于交通态势的景点周边舒适度指数计算方法 |
CN108629974A (zh) * | 2018-05-17 | 2018-10-09 | 电子科技大学 | 顾及城市道路交通网络特征的交通运行指数建立方法 |
CN108831147A (zh) * | 2018-05-24 | 2018-11-16 | 温州大学苍南研究院 | 一种基于数据驱动的城市公交宏观行驶波动性的观测方法 |
CN108831147B (zh) * | 2018-05-24 | 2020-11-10 | 温州大学苍南研究院 | 一种基于数据驱动的城市公交宏观行驶波动性的观测方法 |
CN109118769A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段自由流速度挖掘方法 |
CN109615190A (zh) * | 2018-11-26 | 2019-04-12 | 浙江海洋大学 | 一种非机动车道使用情况评价方法 |
CN109345154A (zh) * | 2018-12-04 | 2019-02-15 | 山东科技大学 | 一种交叉口时空利用效率评价方法 |
CN109741599A (zh) * | 2018-12-28 | 2019-05-10 | 天津易华录信息技术有限公司 | 交通运行评价方法 |
CN110111576A (zh) * | 2019-05-16 | 2019-08-09 | 北京航空航天大学 | 一种基于时空拥堵子团的城市交通弹性指标及其实现方法 |
CN110276541B (zh) * | 2019-06-14 | 2023-04-28 | 上海理工大学 | 一种考虑出行者适应过程的道路组织评价方法 |
CN110276541A (zh) * | 2019-06-14 | 2019-09-24 | 上海理工大学 | 一种考虑出行者适应过程的道路组织评价方法 |
CN110718057A (zh) * | 2019-09-11 | 2020-01-21 | 北京掌行通信息技术有限公司 | 路网运行状态评价方法、装置、电子设备及介质 |
CN110718057B (zh) * | 2019-09-11 | 2021-06-15 | 北京掌行通信息技术有限公司 | 路网运行状态评价方法、装置、电子设备及介质 |
CN110634295A (zh) * | 2019-09-28 | 2019-12-31 | 安徽百诚慧通科技有限公司 | 一种利用优化模型计算道路最佳通行能力的方法 |
CN113129582A (zh) * | 2019-12-31 | 2021-07-16 | 阿里巴巴集团控股有限公司 | 一种交通状态预测方法及装置 |
CN113129582B (zh) * | 2019-12-31 | 2023-05-09 | 阿里巴巴集团控股有限公司 | 一种交通状态预测方法及装置 |
CN111402600A (zh) * | 2020-01-20 | 2020-07-10 | 中国电建集团华东勘测设计研究院有限公司 | 基于复杂网络沙堆模型的城市路网机理关联规划方法 |
CN110930713A (zh) * | 2020-02-07 | 2020-03-27 | 北京交研智慧科技有限公司 | 基于历史重现率的道路常发拥堵识别方法、装置及设备 |
CN111429717A (zh) * | 2020-02-27 | 2020-07-17 | 贵州智诚科技有限公司 | 一种城市快速路道路运行能力评估方法 |
CN113903169A (zh) * | 2021-08-23 | 2022-01-07 | 深圳市金溢科技股份有限公司 | 一种交通优化方法、装置、电子设备及存储介质 |
CN113903169B (zh) * | 2021-08-23 | 2022-10-28 | 深圳市金溢科技股份有限公司 | 一种交通优化方法、装置、电子设备及存储介质 |
CN114049769A (zh) * | 2021-11-16 | 2022-02-15 | 上海华建工程建设咨询有限公司 | 一种预测道路拥挤状况的方法、装置和电子设备 |
CN114049769B (zh) * | 2021-11-16 | 2023-07-04 | 上海华建工程建设咨询有限公司 | 一种预测道路拥挤状况的方法、装置和电子设备 |
CN114255590A (zh) * | 2021-12-17 | 2022-03-29 | 重庆市城投金卡信息产业(集团)股份有限公司 | 基于rfid数据的交通运行分析方法 |
CN114255590B (zh) * | 2021-12-17 | 2023-04-25 | 重庆市城投金卡信息产业(集团)股份有限公司 | 基于rfid数据的交通运行分析方法 |
CN115019534A (zh) * | 2022-05-05 | 2022-09-06 | 湖北文理学院 | 避开交通拥堵方法、装置、设备及存储介质 |
CN115497306A (zh) * | 2022-11-22 | 2022-12-20 | 中汽研汽车检验中心(天津)有限公司 | 一种基于gis数据的速度区间权重计算方法 |
CN116030632A (zh) * | 2023-02-10 | 2023-04-28 | 西南交通大学 | 一种面向混合交通流的性能指标计算方法及*** |
CN116030632B (zh) * | 2023-02-10 | 2023-06-09 | 西南交通大学 | 一种面向混合交通流的性能指标计算方法及*** |
CN116756205A (zh) * | 2023-05-12 | 2023-09-15 | 北京建筑大学 | 面向行驶周期的细分速度vkt和vht分布构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102819955B (zh) | 2014-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102819955B (zh) | 基于车辆行程数据的道路网运行评价方法 | |
CN103956050B (zh) | 基于车辆行程数据的道路网运行评价方法 | |
Sui et al. | Mining urban sustainable performance: Spatio-temporal emission potential changes of urban transit buses in post-COVID-19 future | |
CN101930670B (zh) | 公交行驶路段社会车辆运行时间预测方法 | |
CN113506013B (zh) | 基于多源数据的中运量公共交通***综合效益评价方法 | |
Carteni | Urban sustainable mobility. Part 2: Simulation models and impacts estimation | |
Kuang et al. | A soft traffic management approach for achieving environmentally sustainable and economically viable outcomes: An Australian case study | |
Wismadi et al. | Transport situation in Jakarta | |
Zhao et al. | Spatiotemporal characteristics and driving factors of CO2 emissions from road freight transportation | |
CN109740823A (zh) | 一种面向实时场景计算的出租车打车决策方法及*** | |
Moylan et al. | Observed and simulated traffic impacts from the 2013 Bay Area Rapid Transit strike | |
Gholami et al. | Development of a performance measurement system to choose the most efficient programs, the case of the Mashhad transportation system | |
Rifai et al. | Study of Implementation Planning of Electronic Road Pricing System on Jakarta | |
Varga et al. | Overview of taxi database from viewpoint of usability for traffic model development: a case study for Budapest | |
Ulberg et al. | Evaluation of the cost-effectiveness of HOV lanes | |
Jang et al. | A dynamic congestion pricing strategy for high-occupancy toll lanes | |
Nonnamaker et al. | Regional Mobility Policy Background Report | |
Eluru et al. | Evaluating the Benefits of Multi-Modal Investments on Promoting Travel Mobility in Central Florida | |
Nagare et al. | Alternate ropeway transit system for Manpada Road | |
Ahmed et al. | EVALUATING THE USER’S PERCEPTION REGARDING THE ROLE AND PERFORMANCE OF PUBLIC TRANSPORT IN KHULNA-JESSORE HIGHWAY: A CASE STUDY ON AFILGATE TO FULBARIGATE MIDBLOCK | |
Hafizyar et al. | Optimizing Intersection Performance using Sidra Program on Sara-e-Shamali Intersection Kabul Afghanistan. | |
Nelson et al. | A sociodemographic analysis of Northeast Atlanta I-85 peak period commuters likely to be affected by implementation of value pricing along the corridor | |
De et al. | Evaluation of Traffic Congestion in a Hill City of North-East India | |
Zakiyyah | Performance Analysis of Monjali Intersection and Its Impact on Fuel Consumption | |
Su et al. | A study on road traffic performance index |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 100055 Beijing city Fengtai District six Lane Bridge No. 9 Patentee after: Beijing Traffic Development Research Institute Address before: 100055, room 503, block A, building No. 9, South Liuliqiao Road, Fengtai District, Beijing Patentee before: Beijing Transportation Research Center |