CN103258430A - 路段旅行时间统计、以及交通路况判定方法和装置 - Google Patents
路段旅行时间统计、以及交通路况判定方法和装置 Download PDFInfo
- Publication number
- CN103258430A CN103258430A CN2013101506139A CN201310150613A CN103258430A CN 103258430 A CN103258430 A CN 103258430A CN 2013101506139 A CN2013101506139 A CN 2013101506139A CN 201310150613 A CN201310150613 A CN 201310150613A CN 103258430 A CN103258430 A CN 103258430A
- Authority
- CN
- China
- Prior art keywords
- highway section
- vehicle
- hourage
- statistical value
- sample
- 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
本发明公开了一种路段旅行时间统计、以及交通路况判定方法和装置,所述方法包括:采集当前时间之前的设定时间段内在路段的上游路口驶入路段以及在路段的下游路口驶出路段的小型车车辆的车牌数据;对路段的上游路口以及下游路口采集的车牌数据进行车牌匹配;确定车牌匹配的车辆通过路段的行驶时间以及行驶速度;根据确定出的行驶速度进行异常速度筛选后,确定出样本车辆;根据各样本车辆通过路段的行驶时间,结合当前时间所处时间段,计算出路段的旅行时间统计值。本发明的路段旅行时间统计方法仅采集小型车车辆的车牌数据,对车牌数据进行车牌匹配以及异常速度数据筛选后,结合当前时间所处时间段更为准确地计算了城市道路路段旅行时间。
Description
技术领域
本发明涉及智能交通领域,尤其涉及一种路段旅行时间统计、以及交通路况判定方法和装置。
背景技术
随着城市化进程的迅速推进,人民生活水平日益提高,城市机动车保有量飞速增长,随之带来的是城市道路交通拥堵现象日趋严重。对城市道路交通路况进行自动、及时的判定,可以为出行者提供城市道路是否拥堵的信息,有助于出行者的顺利出行,并减缓城市交通拥堵现象,提高城市道路交通综合管理水平。
目前,城市道路交通路况主要是根据道路路段旅行时间来进行判定的:根据道路路段旅行时间计算出该路段的平均行驶速度;根据该路段的平均行驶速度查找城市道路交通路况状态划分表,判定出该路段的交通路况。
公开号为CN1025924446的发明专利公开了一种利用浮动车定位数据计算城际道路旅行时间的方法。该方法设置至少两个速度阈值,所述至少两个速度阈值将城际路链划分为至少三种路段类型;在每一个数据采集时刻采集浮动车的定位数据,包括行车速度和经纬度坐标;根据浮动车的定位数据与速度阈值对城际路链进行分段;并根据浮动车的定位数据与速度阈值计算每种路段上的旅行时间。
本发明的发明人发现,该方法应用于城市道路时,计算出的路段旅行时间可能不够准确;其原因在于,该方法主要针对城际间路链进行分段,并对城际间的路段旅行时间进行计算。若将该方法应用于城市道路路段旅行时间的计算,该方法没有限定采集浮动车定位数据的车辆类型,不能排除特定浮动车的定位数据,比如城市中在固定站点停靠的公交车的定位数据。因此,根据该方法计算得出的城市道路路段旅行时间不够准确,导致城市交通路况的判定也不够准确。
公开号为CN101017609的发明专利公开了一种城市交通行程时间智能化分析***。该***包括安装在城市交通网络的各个路口的抓拍识别设备、智能化服务器,各个抓拍识别设备连接智能化服务器;智能化服务器包括城市交通网络拓扑结构模块、车辆抓拍识别模块、路段平均行驶时间计算模块、违章判别模块。其中,路段平均行驶时间计算模块用于计算路段平均行驶时间(或者路段旅行时间)。
本发明的发明人发现,该方法在进行路段平均行驶时间计算时也不够准确;其原因在于,该方法将抓拍到的车牌号匹配的车牌数据全部作为计算路段平均行驶时间的车牌数据,并没有对车牌数据进行异常数据筛选。若抓拍的车牌数据中包括在该路段进行短暂停车或者加油的车辆的车牌数据,则该***计算出的路段平均行驶时间将不够准确,导致城市交通路况的判定也不够准确。
综上所述,对于城市道路应用现有技术的路段旅行时间计算方法,计算出的路段旅行时间不够准确,导致依据路段旅行时间判定出的交通路况的准确性也不高;因此,有必要提供一种能够更为准确地判定出的交通路况的路段旅行时间计算和交通路况判定方法。
发明内容
本发明的实施例提供了一种路段旅行时间统计、以及交通路况判定方法和装置,用以更为准确地计算城市道路路段旅行时间,并根据路段旅行时间更为准确地判定城市道路的交通路况。
根据本发明的一个方面,提供了一种路段旅行时间统计方法,包括:
获取第一数据采集集合和第二数据采集集合;其中,第一数据采集集合中包括了当前时间之前的设定时间段内在所述路段的上游路口采集的驶入所述路段的小型车车辆的车牌数据;第二数据采集集合中包括了当前时间之前的设定时间段内在所述路段的下游路口采集的驶出所述路段的小型车车辆的车牌数据;
对于第二数据采集集合中的每个车牌数据,若在第一数据采集集合中查找到与之相匹配的车牌数据,则将该车牌数据确定为待统计的车牌数据,将具有该车牌数据的车辆确定为待统计车辆;
针对每个待统计车辆,确定该车辆通过所述路段的行驶时间,并根据确定的行驶时间确定该车辆通过所述路段的行驶速度;
根据每个待统计车辆通过所述路段的行驶速度,进行异常速度筛选,从所述待统计车辆中确定出样本车辆;
根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值。
较佳地,所述根据每个待统计车辆通过所述路段的行驶速度,进行异常速度筛选后,从所述待统计车辆中确定出样本车辆具体包括:
对于每个待统计车辆,将该待统计车辆通过所述路段的行驶速度与所述路段的行驶速度区间的上、下限进行比较;若大于所述行驶速度区间的上限,则将该待统计车辆确定为超速车辆;若小于所述行驶速度区间的下限,则将该待统计车辆确定为怠速车辆;
统计确定为超速车辆的数量,若超速车辆的数量少于第一比例阈值,则将各超速车辆确定为待筛除车辆;
统计确定为怠速车辆的数量,若怠速车辆的数量少于第二比例阈值,则将各怠速车辆确定为待筛除车辆;
确定所述待统计车辆中除所述待筛除车辆之外的车辆为所述样本车辆。
较佳地,所述设定时间段具体为一个采样周期;以及第一数据采集集合和第二数据采集集合中的车牌数据为当前采样周期所采集到的车牌数据。
较佳地,所述根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值具体包括:
在确定出所述样本车辆的数量小于样本值下限后,若判断出所述当前时间所处时间段为高峰期,则:
将所述当前采样周期的样本状态设置为缺失后,判断之前n1个采样周期的样本状态是否均为缺失;若均为缺失,则提示工作人员进行人工处理;否则,计算所述之前n1个采样周期的路段的旅行时间统计值的算术平均值;将计算出的算术平均值作为所述当前采样周期的路段的旅行时间统计值;其中,n1为预先设定的整数值。
较佳地,所述根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值还包括:
在确定出所述样本车辆的数量小于样本值下限后,若判断出所述当前时间所处时间段为平峰期,则:
将所述当前采样周期的样本状态设置为缺失后,判断之前n2个采样周期的样本状态是否均为缺失;若均为缺失,将历史数据中m天前与所述当前时间相应的时间所处采样周期的路段的旅行时间统计值,作为所述当前采样周期的所述路段的旅行时间统计值;否则,计算所述之前n2个采样周期的路段的旅行时间统计值的算术平均值;将计算出的算术平均值作为所述当前采样周期的路段的旅行时间统计值;其中,n2、m分别为预先设定的整数值。
较佳地,所述根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值还包括:
在确定出所述样本车辆的数量小于样本值下限后,若判断出所述当前时间所处时间段为低峰期,则:
判断前一采样周期的交通路况是否为畅通;若是,则将所述路段的自由流速对应的旅行时间值作为所述当前采样周期的所述路段的旅行时间统计值;否则,判断之前n3个采样周期的样本状态是否均为缺失;若均为缺失,则提示工作人员进行人工处理;否则,计算所述之前n3个采样周期的路段的旅行时间统计值的算术平均值;将计算出的算术平均值作为所述当前采样周期的路段的旅行时间统计值;其中,n3为预先设定的整数值,所述前一采样周期的交通路况是根据所述当前采样周期之前的采样周期的路段的旅行时间统计值判定出来的。
较佳地,所述根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值还包括:
若确定出所述样本车辆的数量大于样本值上限,则根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值后,对计算出的旅行时间统计值作进一步优化:将小于计算出的旅行时间统计值的、各样本车辆通过所述路段的行驶时间作算术平均后,得到的平均值作为优化后的旅行时间统计值;将优化后的旅行时间统计值作为所述路段的最终的旅行时间统计值;
若确定出所述样本车辆的数量在所述样本值上、下限之间,则根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值。
根据本发明的另一个方面,还提供了一种交通路况判定方法,包括:
采用上述路段旅行时间统计方法计算出所述路段的旅行时间统计值;
根据计算出的旅行时间统计值,计算所述路段的行驶速度统计值;
根据计算出的速度统计值判定所述路段的交通路况。
根据本发明的另一个方面,还提供了一种路段旅行时间统计装置,包括:
采集数据获取模块,用于获取第一数据采集集合和第二数据采集集合;其中,第一数据采集集合中包括了当前时间之前的设定时间段内在所述路段的上游路口采集的驶入所述路段的小型车车辆的车牌数据;第二数据采集集合中包括了当前时间之前的设定时间段内在所述路段的下游路口采集的驶出所述路段的小型车车辆的车牌数据;
车牌匹配模块,用于对于第二数据采集集合中的每个车牌数据,若在第一数据采集集合中查找到与之相匹配的车牌数据,则将该车牌数据确定为待统计的车牌数据,将具有该车牌数据的车辆确定为待统计车辆;
异常速度筛选模块,用于针对每个待统计车辆,确定该车辆通过所述路段的行驶时间,并根据确定的行驶时间确定该车辆通过所述路段的行驶速度;根据每个待统计车辆通过所述路段的行驶速度,进行异常速度筛选,从所述待统计车辆中确定出样本车辆;
旅行时间统计模块,用于根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值。
根据本发明的另一个方面,还提供了一种交通路况判定装置,包括:
上述路段旅行时间统计装置中的各模块;以及
行驶速度统计模块,用于根据所述旅行时间统计模块计算出的路段的旅行时间统计值,计算所述路段的行驶速度统计值;
交通路况确定模块,用于根据所述行驶速度统计模块计算出的行驶速度统计值判定所述路段的交通路况。
本发明的技术方案中,由于排除了摩托车、公交车等不能准确反映城市道路路段旅行时间以及交通路况的车牌数据的采集,仅采集小型车车辆的车牌数据,且对采集的车牌数据进行了车牌匹配以及异常速度数据筛选,结合当前时间所处时间段(高峰期、平峰期和低峰期)计算出了路段的旅行时间统计值;从而可以更为准确地计算城市道路中路段的旅行时间统计值,以提高依据路段的旅行时间统计值进行路段的交通路况判定的准确性,为出行者提供更为准确的交通信息以便顺利出行。
附图说明
图1为本发明实施例的路段旅行时间统计方法流程图;
图2为本发明实施例的高峰期计算路段旅行时间统计值的方法流程图;
图3为本发明实施例的平峰期计算路段旅行时间统计值的方法流程图;
图4为本发明实施例的低峰期计算路段旅行时间统计值的方法流程图;
图5为本发明实施例的交通路况判定方法流程图;
图6a为本发明实施例的路段旅行时间统计装置的内部结构框图;
图6b为本发明实施例的装置的交通路况判定装置内部结构框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举出优选实施例,对本发明进一步详细说明。然而,需要说明的是,说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解,即便没有这些特定的细节也可以实现本发明的这些方面。
本发明的技术方案中,路段旅行时间统计方法排除摩托车、公交车等不能准确反映城市道路路段旅行时间以及交通路况的车牌数据的采集,仅采集小型车车辆的车牌数据;对采集的车牌数据进行车牌匹配以及异常速度筛选;运用正态分布准则排除小概率车辆后,结合当前时间所处时间段(高峰期、平峰期和低峰期)对路段旅行时间进行统计分析。由此,提高了城市道路路段旅行时间计算的准确性,进而更为准确的判定城市道路交通路况。
下面结合附图详细说明本发明的实施例的技术方案。
本发明实施例提供的路段旅行时间统计方法的流程,如图1所示,包括如下步骤:
S101:对从路段的上游路口驶入的、以及从所述路段的下游路口驶出的小型车车辆的车牌数据进行采集与存储。
具体地,车牌数据主要通过路段上游路口以及下游路口的数据采集设备(电子警察、卡口、电子车牌等)进行采集;车牌数据采集包括:在路段上游路口采集当前时间之前的设定时间段Ta内通过路段上游停车线断面并驶入所述路段的车牌数据;在路段下游路口采集当前时间之前的设定时间段Tb内通过路段下游停车线断面并驶出所述路段的车牌数据;为保护车主的个人隐私,对采集的车牌数据进行标准化加密处理后存储。在实际应用中,Ta与Tb可以根据具体情况进行设定。
其中,车牌数据采集的车辆类型限定为小型车车辆,不采集摩托车、公交车等车辆的车牌数据;由于,摩托车行驶时灵活性太强,公交车在城市中的固定站点停靠,这些车辆在路段中的行驶时间不能准确的反映路段中的交通状况,将这些车辆排除在车牌数据的采集范围外,以提高依据采集的车牌数据计算路段的旅行时间统计值的准确性。
S102:获取当前时间之前的设定时间段内在所述路段的上游路口、以及下游路口采集的小型车车辆的车牌数据。
具体地,获取第一数据采集集合和第二数据采集集合;其中,第一数据采集集合中包括了当前时间之前的设定时间段内在所述路段的上游路口采集的驶入所述路段的小型车车辆的车牌数据;第二数据采集集合中包括了当前时间之前的设定时间段内在所述路段的下游路口采集的驶出所述路段的小型车车辆的车牌数据。在实际应用中,所述设定时间段具体为车牌数据的一个采样周期,且第一数据采集集合和第二数据采集集合中的车牌数据为当前采样周期所采集到的车牌数据。在每个采样周期到达时,获取当前时间之前的一个采样周期内采集的上游路口、以及下游路口的小型车车辆的车牌数据。
S103:对获取的所述路段上游路口以及下游路口的车牌数据,进行车牌匹配。
具体地,对于第二数据采集集合中的每个车牌数据,若在第一数据采集集合中查找到与之相匹配的车牌数据,则将该车牌数据确定为待统计的车牌数据,将具有该车牌数据的车辆确定为待统计车辆。
进行车牌匹配,可以将一个采样周期内仅通过所述路段上游路口或者仅通过所述路段下游路口的车辆的车牌数据进行排除,避免将长时间停驶的车辆等纳入统计车辆的范围,以进一步提高计算路段旅行时间统计值的准确性。
S104:针对每个待统计车辆,确定该车辆通过所述路段的行驶时间,并根据确定的行驶时间确定该车辆通过所述路段的行驶速度。
具体地,针对待统计车辆i,获取该待统计车辆的车牌数据后,从车牌数据中获取待统计车辆i通过路段上游路口停车线断面驶入所述路段的时刻tiu和通过路段下游路口停车线断面驶出所述路段的时刻tid计算待统计车辆i通过所述路段的行驶时间ti:ti=tid-tiu;进而计算待统计车辆i通过所述路段的行驶速度vi:vi=L/ti,其中L为所述路段的上游路口停车线与下游路口停车线之间的路段长度。
S105:根据每个待统计车辆通过所述路段的行驶速度,进行异常速度筛选,从所述待统计车辆中确定出样本车辆。
具体地,一种进行异常速度筛选的具体方法可以是:对于每个待统计车辆,将该待统计车辆通过所述路段的行驶速度与所述路段的行驶速度区间的上、下限进行比较;若大于所述行驶速度区间的上限,则将该待统计车辆确定为超速车辆;若小于所述行驶速度区间的下限,则将该待统计车辆确定为怠速车辆;统计确定为超速车辆的数量,若超速车辆的数量少于第一比例阈值,则将各超速车辆确定为待筛除车辆;统计确定为怠速车辆的数量,若怠速车辆的数量少于第二比例阈值,则将各怠速车辆确定为待筛除车辆;确定所述待统计车辆中除所述待筛除车辆之外的车辆为样本车辆。
例如:设定所述路段的行驶速度区间[vmin,vmax],其中,vmin为行驶速度区间下限,vmax为行驶速度区间上限,且一般默认路段的行驶速度区间为[5km/h,80km/h];若待统计车辆中行驶速度小于vmin的车辆在总的待统计车辆中占比低于20%(第一比例阈值),或者待统计车辆中行驶速度大于vmax的数据车辆在总的待统计车辆中占比低于20%(第二比例阈值),则将该待统计车辆确定为待筛除车辆,并予以清除;确定待统计车辆中除待筛除车辆之外的车辆为所述样本车辆。
此外,也可根据实际情况采用另一种进行异常速度筛选的方法,例如:对各待统计车辆通过所述路段的行驶速度进行排序;将排序在前的20%的车辆和排序在后的20%的车辆筛选出,并予以清除。显然,本领域技术人员可以根据本发明技术方案中所提供的异常速度筛选方法的提示,采用其它的异常速度筛选方法;在不脱离本发明的原理下,其它异常速度筛选方法也应视为本发明的保护范围。
进行异常速度筛选后,排除了超速车辆与怠速车辆的车牌数据,例如在所述路段进行短暂停车或者加油的怠速车辆的车牌数据,进一步提高了所述路段的旅行时间统计值计算的准确性。
S106:根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值。
具体地,不同时间段的交通流差别较大,使得各样本车辆在不同时间段通过所述路段的行驶时间差别较大。因此,结合当前时间所处时间段计算所述路段的旅行时间统计值将更为准确。
本发明的技术方案中,针对不同时间段的交通流差别,主要将时间段分为高峰期、平峰期和低峰期,考虑当前时间所处高峰期、平峰期或低峰期的情况,来计算所述路段的旅行时间统计值。下面分别详细介绍高峰期、平峰期或低峰期时,根据各样本车辆通过所述路段的行驶时间,计算出所述路段的旅行时间统计值的具体方法。
若当前时间所处时间段为高峰期,则根据各样本车辆通过所述路段的行驶时间,计算出所述路段的旅行时间统计值的具体方法流程,如图2所示,包括如下步骤:
S201:确定样本车辆的数量;若确定出所述样本车辆的数量大于样本值上限,则执行步骤S211;若确定出所述样本车辆的数量小于样本值下限,则执行步骤S221;若确定出所述样本车辆的数量在所述样本值上、下限之间,则执行步骤S231。
具体地,样本值上限与样本值下限可以根据经验进行设置,以便更加准确的计算出所述路段的旅行时间统计值。
S211:根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值。
具体地,通过正态分布准则排除样本车辆中的小概率车辆后计算出所述路段的旅行时间统计值的方法为:
计算样本车辆中各样本车辆通过所述路段的行驶时间的算术平均值t0;并根据如下公式1确定σ:
公式1中n为样本车辆的数量,i为自然数,ti表示第i个样本车辆通过所述路段的行驶时间;
若|ti-t0|>3σ,则将行驶时间为ti的车辆作为小概率车辆进行排除。
对排除小概率车辆后的样本车辆中的各样本车辆通过所述路段的行驶时间作算术平均值,得到所述路段的旅行时间统计值t。
S212:对计算出的旅行时间统计值作进一步优化,将优化后的旅行时间统计值作为所述路段的最终的旅行时间统计值。
具体地,本发明人根据聚类分析方法分析后,得知样本车辆的数量大于样本值上限时,当前采样周期所述路段的旅行时间统计值t用于判定交通路况不够准确;事实上,样本车辆中各样本车辆通过所述路段的行驶时间大于t时,各样本车辆通过所述路段的行驶时间一般包括了所述路段中各样本车辆等待信号灯红灯的时间,而样本车辆中各样本车辆通过所述路段的行驶时间小于t时,各样本车辆通过所述路段的行驶时间一般不包括所述路段中各样本车辆等待信号灯红灯的时间。
因此,对计算出的旅行时间统计值作进一步优化:将小于计算出的旅行时间统计值t的、各样本车辆通过所述路段的行驶时间作算术平均后,得到的平均值作为优化后的旅行时间统计值,并将优化后的旅行时间统计值作为所述路段的最终的旅行时间统计值。
S221:将当前采样周期的样本状态设置为缺失后,判断之前n1个采样周期的样本状态是否均为缺失,若均为缺失,则执行步骤S222;否则,执行步骤S223。
具体地,高峰期样本车辆的数量小于样本值下限时,判断为数据采集设备异常,或者异常原因造成交通堵塞,导致可用样本车辆的数量太少(数据缺失),从而将当前采样周期的样本状态设置为缺失。其中,进行缺失状态判断的采样周期数n1为预先设定的整数,本领域技术人员可以依据具体情况进行设定。
S222:提示工作人员进行人工处理,人工发布所述路段的旅行时间统计值。
具体地,由工作人员对路口的摄像信息进行观察后,确定所述路段的交通路况,并发布当前采样周期所述路段的旅行时间统计值。
S223:对当前采样周期进行数据缺失补偿,得到所述路段的旅行时间统计值。
具体地,对当前采样周期进行数据缺失补偿的方法为,获取当前采样周期之前n1个采样周期所述路段的旅行时间统计值;计算n1个采样周期所述路段的旅行时间统计值的算术平均值;将计算出的算术平均值作为当前样周期所述路段的旅行时间统计值。
S231:根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值。
若当前时间所处时间段为平峰期,则根据各样本车辆通过所述路段的行驶时间,计算出所述路段的旅行时间统计值的具体方法流程,如图3所示,包括如下步骤:
S301:确定样本车辆的数量;若确定出所述样本车辆的数量大于样本值上限,则执行步骤S311;若确定出所述样本车辆的数量小于样本值下限,则执行步骤S321;若确定出所述样本车辆的数量在所述样本值上、下限之间,则执行步骤S331。
S311:根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值。
S312:对计算出的旅行时间统计值作进一步优化,将优化后的旅行时间统计值作为所述路段的最终的旅行时间统计值。
S321:将当前采样周期的样本状态设置为缺失后,判断之前n2个采样周期的样本状态是否均为缺失,若均为缺失,则执行步骤S322;否则,执行步骤S323。
其中,进行缺失状态判断的采样周期数n2为预先设定的整数,本领域技术人员可以依据具体情况进行设定。
S322:对当前采样周期进行历史数据补偿,得到所述路段的旅行时间统计值。
具体地,将历史数据中m天前与当前时间相应的时间所处采样周期的路段的旅行时间统计值,作为当前采样周期的所述路段的旅行时间统计值,因此得到所述路段的旅行时间统计值。在实际应用中,m是预先设定的整数,例如设定m天具体为一周中的7天,或者多个周。
S323:对当前采样周期进行数据缺失补偿,得到所述路段的旅行时间统计值。
S331:根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值。
若当前时间所处时间段为低峰期,则根据各样本车辆通过所述路段的行驶时间,计算出所述路段的旅行时间统计值的具体方法流程,如图4所示,包括如下步骤:
S401:确定样本车辆的数量;若确定出所述样本车辆的数量大于样本值上限,则执行步骤S411;若确定出所述样本车辆的数量小于样本值下限,则执行步骤S421;若确定出所述样本车辆的数量在所述样本值上、下限之间,则执行步骤S431。
S411:根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值。
S412:对计算出的旅行时间统计值作进一步优化,将优化后的旅行时间统计值作为所述路段的最终的旅行时间统计值。
S421:判断前一采样周期的交通路况是否为畅通,若是,则执行步骤S422;否则,执行步骤S423。
S422:将所述路段的自由流速对应的旅行时间值作为所述路段的旅行时间统计值。
具体地,所述前一采样周期的交通路况是根据当前采样周期之前的采样周期的路段的旅行时间统计值判定出来的;若前一采样周期的交通路况为畅通,则判断为低峰期交通流较小且道路畅通,导致了获取到的样本车辆数量较少;因此将所述路段自由流速对应的旅行时间值作为所述路段的旅行时间统计值。在实际应用中,所述路段的自由流速设定为所述路段设计的最大行驶速度。
S423:将当前采样周期的样本状态设置为缺失后,判断之前n3个采样周期的样本状态是否均为缺失,若均为缺失,则执行步骤S424;否则,执行步骤S425。
其中,进行缺失状态判断的采样周期数n3为预先设定的整数,本领域技术人员可以依据具体情况进行设定。
S424:提示工作人员进行人工处理,人工发布所述路段的旅行时间统计值。
S425:对当前采样周期进行数据缺失补偿,得到当前采样周期所述路段的旅行时间统计值。
S431:根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值。
事实上,上述的结合当前时间所处高峰期、平峰期或低峰期的情况,来计算所述路段的旅行时间统计值的方法可以总结为如下:
若确定出样本车辆的数量大于样本值上限,则根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值后,对计算出的旅行时间统计值作进一步优化:将小于计算出的旅行时间统计值的、各样本车辆通过所述路段的行驶时间作算术平均后,得到的平均值作为优化后的旅行时间统计值;将优化后的旅行时间统计值作为所述路段的最终的旅行时间统计值;
若确定出样本车辆的数量在所述样本值上、下限之间,则根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值;
若确定出样本车辆的数量小于样本值下限,则对于当前时间所处时间段为高峰期的情况进行如下处理:将当前采样周期的样本状态设置为缺失后,判断之前n1个采样周期的样本状态是否均为缺失;若均为缺失,则提示工作人员进行人工处理;否则,计算所述之前n1个采样周期的路段的旅行时间统计值的算术平均值;将计算出的算术平均值作为当前采样周期的路段的旅行时间统计值;其中,n1为预先设定的整数值;
若确定出样本车辆的数量小于样本值下限,则对于当前时间所处时间段为平峰期的情况进行如下处理:将所述当前采样周期的样本状态设置为缺失后,判断之前n2个采样周期的样本状态是否均为缺失;若均为缺失,将历史数据中m天前与所述当前时间相应的时间所处采样周期的路段的旅行时间统计值,作为所述当前采样周期的所述路段的旅行时间统计值;否则,计算所述之前n2个采样周期的路段的旅行时间统计值的算术平均值;将计算出的算术平均值作为所述当前采样周期的路段的旅行时间统计值;其中,n2、m分别为预先设定的整数值。
若确定出样本车辆的数量小于样本值下限,则对于当前时间所处时间段为低峰期的情况进行如下处理:判断前一采样周期的交通路况是否为畅通;若是,则将所述路段的自由流速对应的旅行时间值作为所述当前采样周期的所述路段的旅行时间统计值;否则,判断之前n3个采样周期的样本状态是否均为缺失;若均为缺失,则提示工作人员进行人工处理;否则,计算所述之前n3个采样周期的路段的旅行时间统计值的算术平均值;将计算出的算术平均值作为所述当前采样周期的路段的旅行时间统计值;其中,n3为预先设定的整数值,所述前一采样周期的交通路况是根据所述当前采样周期之前的采样周期的路段的旅行时间统计值判定出来的。
本发明实施例提供的交通路况判定方法的流程,如图5所示,包括如下步骤:
S501:计算出所述路段的旅行时间统计值。
具体地,采用上述的路段旅行时间统计方法,计算出所述路段的旅行时间统计值。
S502:根据计算出的旅行时间统计值,计算所述路段的行驶速度统计值。
具体地,若计算出的旅行时间统计值为T,则所述路段的行驶速度统计值V为:V=L/T,式中L为所述路段的上游路口停车线与下游路口停车线之间的路段长度。
S503:根据计算出的速度统计值判定所述路段的交通路况。
具体地,根据国内外的实践经验,城市道路交通路况状态的划分的主要参数是路段的行驶速度。依据城市道路等级及交通路况状态划分的临界速度值,将城市道路交通路况状态划分为拥堵、滞缓和畅通三级,表1示出了城市道路交通状态级别划分依据。参照表1,并根据计算出的速度统计值,判定所述路段的交通路况。
表1
基于上述的路段旅行时间统计方法,本发明实施例提供的路段旅行时间统计装置的具体内部结构框图,如图6a所示,包括:采集数据获取模块601、车牌匹配模块602、异常速度筛选模块603、旅行时间统计模块604。
采集数据获取模块601用于获取第一数据采集集合和第二数据采集集合;其中,第一数据采集集合中包括了当前时间之前的设定时间段内在所述路段的上游路口采集的驶入所述路段的小型车车辆的车牌数据;第二数据采集集合中包括了当前时间之前的设定时间段内在所述路段的下游路口采集的驶出所述路段的小型车车辆的车牌数据。
车牌匹配模块602用于对采集数据获取模块601所获取的第二数据采集集合中的每个车牌数据,若在采集数据获取模块601所获取的第一数据采集集合中查找到与之相匹配的车牌数据,则将该车牌数据确定为待统计的车牌数据,将具有该车牌数据的车辆确定为待统计车辆。
异常速度筛选模块603用于针对车牌匹配模块602所确定的每个待统计车辆,确定该车辆通过所述路段的行驶时间,并根据确定的行驶时间确定该车辆通过所述路段的行驶速度;根据每个待统计车辆通过所述路段的行驶速度,进行异常速度筛选,从所述待统计车辆中确定出样本车辆。
旅行时间统计模块604用于根据异常速度筛选模块603确定的各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值。
本发明实施例提供的交通路况判定装置具体内部结构框图,如图6b所示,包括:上述的路段旅行时间统计装置中的各模块,以及行驶速度统计模块605、和交通路况确定模块606。
行驶速度统计模块605用于根据旅行时间统计模块604计算出的路段的旅行时间统计值,计算所述路段的行驶速度统计值。
交通路况确定模块606用于根据行驶速度统计模块605计算出的行驶速度统计值判定所述路段的交通路况。
本发明实施例的技术方案中,由于排除了摩托车、公交车等不能准确反映城市道路路段旅行时间以及交通路况的车牌数据的采集,仅采集小型车车辆的车牌数据,且对采集的车牌数据进行了车牌匹配以及异常速度数据筛选,结合当前时间所处时间段(高峰期、平峰期和低峰期)计算出了路段的旅行时间统计值;从而可以更为准确地计算城市道路中路段的旅行时间统计值,以提高依据路段的旅行时间统计值进行路段的交通路况判定的准确性,为出行者提供更为准确的交通信息以便顺利出行。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种路段旅行时间统计方法,其特征在于,包括:
获取第一数据采集集合和第二数据采集集合;其中,第一数据采集集合中包括了当前时间之前的设定时间段内在所述路段的上游路口采集的驶入所述路段的小型车车辆的车牌数据;第二数据采集集合中包括了当前时间之前的设定时间段内在所述路段的下游路口采集的驶出所述路段的小型车车辆的车牌数据;
对于第二数据采集集合中的每个车牌数据,若在第一数据采集集合中查找到与之相匹配的车牌数据,则将该车牌数据确定为待统计的车牌数据,将具有该车牌数据的车辆确定为待统计车辆;
针对每个待统计车辆,确定该车辆通过所述路段的行驶时间,并根据确定的行驶时间确定该车辆通过所述路段的行驶速度;
根据每个待统计车辆通过所述路段的行驶速度,进行异常速度筛选,从所述待统计车辆中确定出样本车辆;
根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值。
2.如权利要求1所述的方法,其特征在于,所述根据每个待统计车辆通过所述路段的行驶速度,进行异常速度筛选后,从所述待统计车辆中确定出样本车辆具体包括:
对于每个待统计车辆,将该待统计车辆通过所述路段的行驶速度与所述路段的行驶速度区间的上、下限进行比较;若大于所述行驶速度区间的上限,则将该待统计车辆确定为超速车辆;若小于所述行驶速度区间的下限,则将该待统计车辆确定为怠速车辆;
统计确定为超速车辆的数量,若超速车辆的数量少于第一比例阈值,则将各超速车辆确定为待筛除车辆;
统计确定为怠速车辆的数量,若怠速车辆的数量少于第二比例阈值,则将各怠速车辆确定为待筛除车辆;
确定所述待统计车辆中除所述待筛除车辆之外的车辆为所述样本车辆。
3.如权利要求1所述的方法,其特征在于,所述设定时间段具体为一个采样周期;以及第一数据采集集合和第二数据采集集合中的车牌数据为当前采样周期所采集到的车牌数据。
4.如权利要求3所述的方法,其特征在于,所述根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值具体包括:
在确定出所述样本车辆的数量小于样本值下限后,若判断出所述当前时间所处时间段为高峰期,则:
将所述当前采样周期的样本状态设置为缺失后,判断之前n1个采样周期的样本状态是否均为缺失;若均为缺失,则提示工作人员进行人工处理;否则,计算所述之前n1个采样周期的路段的旅行时间统计值的算术平均值;将计算出的算术平均值作为所述当前采样周期的路段的旅行时间统计值;其中,n1为预先设定的整数值。
5.如权利要求4所述的方法,其特征在于,所述根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值还包括:
在确定出所述样本车辆的数量小于样本值下限后,若判断出所述当前时间所处时间段为平峰期,则:
将所述当前采样周期的样本状态设置为缺失后,判断之前n2个采样周期的样本状态是否均为缺失;若均为缺失,将历史数据中m天前与所述当前时间相应的时间所处采样周期的路段的旅行时间统计值,作为所述当前采样周期的所述路段的旅行时间统计值;否则,计算所述之前n2个采样周期的路段的旅行时间统计值的算术平均值;将计算出的算术平均值作为所述当前采样周期的路段的旅行时间统计值;其中,n2、m分别为预先设定的整数值。
6.如权利要求5所述的方法,其特征在于,所述根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值还包括:
在确定出所述样本车辆的数量小于样本值下限后,若判断出所述当前时间所处时间段为低峰期,则:
判断前一采样周期的交通路况是否为畅通;若是,则将所述路段的自由流速对应的旅行时间值作为所述当前采样周期的所述路段的旅行时间统计值;否则,判断之前n3个采样周期的样本状态是否均为缺失;若均为缺失,则提示工作人员进行人工处理;否则,计算所述之前n3个采样周期的路段的旅行时间统计值的算术平均值;将计算出的算术平均值作为所述当前采样周期的路段的旅行时间统计值;其中,n3为预先设定的整数值,所述前一采样周期的交通路况是根据所述当前采样周期之前的采样周期的路段的旅行时间统计值判定出来的。
7.如权利要求6所述的方法,其特征在于,所述根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值还包括:
若确定出所述样本车辆的数量大于样本值上限,则根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值后,对计算出的旅行时间统计值作进一步优化:将小于计算出的旅行时间统计值的、各样本车辆通过所述路段的行驶时间作算术平均后,得到的平均值作为优化后的旅行时间统计值;将优化后的旅行时间统计值作为所述路段的最终的旅行时间统计值;
若确定出所述样本车辆的数量在所述样本值上、下限之间,则根据各样本车辆通过所述路段的行驶时间,采用正态分布准则计算出所述路段的旅行时间统计值。
8.一种交通路况判定方法,其特征在于,包括:
采用如权利要求1-7所述的方法计算出所述路段的旅行时间统计值;
根据计算出的旅行时间统计值,计算所述路段的行驶速度统计值;
根据计算出的速度统计值判定所述路段的交通路况。
9.一种路段旅行时间统计装置,其特征在于,包括:
采集数据获取模块,用于获取第一数据采集集合和第二数据采集集合;其中,第一数据采集集合中包括了当前时间之前的设定时间段内在所述路段的上游路口采集的驶入所述路段的小型车车辆的车牌数据;第二数据采集集合中包括了当前时间之前的设定时间段内在所述路段的下游路口采集的驶出所述路段的小型车车辆的车牌数据;
车牌匹配模块,用于对于第二数据采集集合中的每个车牌数据,若在第一数据采集集合中查找到与之相匹配的车牌数据,则将该车牌数据确定为待统计的车牌数据,将具有该车牌数据的车辆确定为待统计车辆;
异常速度筛选模块,用于针对每个待统计车辆,确定该车辆通过所述路段的行驶时间,并根据确定的行驶时间确定该车辆通过所述路段的行驶速度;根据每个待统计车辆通过所述路段的行驶速度,进行异常速度筛选,从所述待统计车辆中确定出样本车辆;
旅行时间统计模块,用于根据各样本车辆通过所述路段的行驶时间,并结合所述当前时间所处时间段,计算出所述路段的旅行时间统计值。
10.一种交通路况判定装置,其特征在于,包括:
如权利要求9所述的路段旅行时间统计装置中的各模块;以及
行驶速度统计模块,用于根据所述旅行时间统计模块计算出的路段的旅行时间统计值,计算所述路段的行驶速度统计值;
交通路况确定模块,用于根据所述行驶速度统计模块计算出的行驶速度统计值判定所述路段的交通路况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310150613.9A CN103258430B (zh) | 2013-04-26 | 2013-04-26 | 路段旅行时间统计、以及交通路况判定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310150613.9A CN103258430B (zh) | 2013-04-26 | 2013-04-26 | 路段旅行时间统计、以及交通路况判定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103258430A true CN103258430A (zh) | 2013-08-21 |
CN103258430B CN103258430B (zh) | 2015-03-11 |
Family
ID=48962310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310150613.9A Active CN103258430B (zh) | 2013-04-26 | 2013-04-26 | 路段旅行时间统计、以及交通路况判定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103258430B (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200648A (zh) * | 2014-08-21 | 2014-12-10 | 四川大学 | 一种基于电子车牌的路段平均旅行时间计算方法 |
CN104700630A (zh) * | 2013-12-05 | 2015-06-10 | 感知技术无锡有限公司 | 一种高速公路车流量的监测方法及*** |
CN104851287A (zh) * | 2015-04-15 | 2015-08-19 | 浙江大学 | 基于视频检测器的城市道路路段行程时间检测方法 |
CN104916129A (zh) * | 2015-05-05 | 2015-09-16 | 杭州电子科技大学 | 基于大规模卡口过车数据的道路实时通行速度计算方法 |
CN105139328A (zh) * | 2015-08-21 | 2015-12-09 | 北方工业大学 | 面向车牌识别数据的旅行时间实时预测方法及装置 |
CN105405293A (zh) * | 2015-12-23 | 2016-03-16 | 青岛海信网络科技股份有限公司 | 一种道路旅行时间短期预测方法和*** |
CN105702036A (zh) * | 2016-03-23 | 2016-06-22 | 深圳市金溢科技股份有限公司 | 一种车辆行驶时间计算方法、装置及*** |
CN105825675A (zh) * | 2016-05-17 | 2016-08-03 | 青岛海信网络科技股份有限公司 | 一种基于大数据的路段旅行时间计算方法和装置 |
CN105869478A (zh) * | 2015-02-06 | 2016-08-17 | 福特全球技术公司 | 确定驾驶员的排名 |
CN106062846A (zh) * | 2014-03-03 | 2016-10-26 | 丰田自动车株式会社 | 探测信息的收集方法、收集装置、程序、记录介质及旅行时间算出装置 |
CN107025788A (zh) * | 2017-05-17 | 2017-08-08 | 青岛海信网络科技股份有限公司 | 一种旅行时间预测方法及装置 |
CN107045791A (zh) * | 2017-03-16 | 2017-08-15 | 王德旺 | 汽车摩托车智能交通管理***的实现方法 |
CN107293117A (zh) * | 2017-07-04 | 2017-10-24 | 清华大学 | 一种公路异常事件的判断方法 |
CN107590999A (zh) * | 2017-08-18 | 2018-01-16 | 广东方纬科技有限公司 | 一种基于卡口数据的交通状态判别方法 |
CN108256662A (zh) * | 2016-12-29 | 2018-07-06 | 沈阳美行科技有限公司 | 到达时间的预测方法和装置 |
CN108629982A (zh) * | 2018-05-16 | 2018-10-09 | 中山大学 | 一种基于旅行时间分布规律的路段车辆数估计方法 |
CN109191872A (zh) * | 2018-10-09 | 2019-01-11 | 东南大学 | 一种基于号牌数据的路***通流特征参数提取方法 |
CN111667689A (zh) * | 2020-05-06 | 2020-09-15 | 浙江师范大学 | 车辆旅行时间预测的方法、设备和计算机设备 |
CN112069224A (zh) * | 2020-09-11 | 2020-12-11 | 重庆紫光华山智安科技有限公司 | 一种过车数量存储方法、装置、终端及计算机存储介质 |
CN112185117A (zh) * | 2020-09-30 | 2021-01-05 | 青岛海信网络科技股份有限公司 | 一种基于电警数据的优化评价方法及装置 |
CN112201030A (zh) * | 2019-07-08 | 2021-01-08 | 现代自动车株式会社 | 交通信息服务***和方法 |
CN112581764A (zh) * | 2020-12-11 | 2021-03-30 | 广州海云捷讯科技有限公司 | 基于大数据的集中控制方法、***、终端及存储介质 |
CN113053107A (zh) * | 2020-12-23 | 2021-06-29 | 沈阳世纪高通科技有限公司 | 一种结合自由流计算道路拥缓状态的方法及装置 |
CN114822016A (zh) * | 2022-03-11 | 2022-07-29 | 上海工程技术大学 | 一种基于gps数据流的路段均速估计*** |
CN114842661A (zh) * | 2022-07-04 | 2022-08-02 | 成都宜泊信息科技有限公司 | 一种管理室内地图通行路段实时状态的方法和*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6256577B1 (en) * | 1999-09-17 | 2001-07-03 | Intel Corporation | Using predictive traffic modeling |
JP2003021524A (ja) * | 2001-07-09 | 2003-01-24 | Kenwood Corp | ナビゲーション装置、到着時刻算出方法、及びプログラム |
US20080097686A1 (en) * | 2006-10-20 | 2008-04-24 | Nec Corporation | Travel-time prediction apparatus, travel-time prediction method, traffic information providing system and program |
CN101430828A (zh) * | 2008-12-22 | 2009-05-13 | 交通部公路科学研究院 | 基于交通信息提取计算的车牌数据处理方法 |
CN101882374A (zh) * | 2009-05-04 | 2010-11-10 | 上海宝康电子控制工程有限公司 | 一种车辆行程分布综合信息分析***及方法 |
CN101894461A (zh) * | 2009-05-22 | 2010-11-24 | 上海宝康电子控制工程有限公司 | 城市地面道路行程时间预测方法 |
WO2011051758A1 (en) * | 2009-10-27 | 2011-05-05 | Alcatel Lucent | Improving reliability of travel time estimation |
CN102087788A (zh) * | 2009-12-02 | 2011-06-08 | 上海济祥智能交通科技有限公司 | 基于浮动车车速置信度的交通状态参数估计方法 |
-
2013
- 2013-04-26 CN CN201310150613.9A patent/CN103258430B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6256577B1 (en) * | 1999-09-17 | 2001-07-03 | Intel Corporation | Using predictive traffic modeling |
JP2003021524A (ja) * | 2001-07-09 | 2003-01-24 | Kenwood Corp | ナビゲーション装置、到着時刻算出方法、及びプログラム |
US20080097686A1 (en) * | 2006-10-20 | 2008-04-24 | Nec Corporation | Travel-time prediction apparatus, travel-time prediction method, traffic information providing system and program |
CN101430828A (zh) * | 2008-12-22 | 2009-05-13 | 交通部公路科学研究院 | 基于交通信息提取计算的车牌数据处理方法 |
CN101882374A (zh) * | 2009-05-04 | 2010-11-10 | 上海宝康电子控制工程有限公司 | 一种车辆行程分布综合信息分析***及方法 |
CN101894461A (zh) * | 2009-05-22 | 2010-11-24 | 上海宝康电子控制工程有限公司 | 城市地面道路行程时间预测方法 |
WO2011051758A1 (en) * | 2009-10-27 | 2011-05-05 | Alcatel Lucent | Improving reliability of travel time estimation |
CN102087788A (zh) * | 2009-12-02 | 2011-06-08 | 上海济祥智能交通科技有限公司 | 基于浮动车车速置信度的交通状态参数估计方法 |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700630A (zh) * | 2013-12-05 | 2015-06-10 | 感知技术无锡有限公司 | 一种高速公路车流量的监测方法及*** |
CN106062846A (zh) * | 2014-03-03 | 2016-10-26 | 丰田自动车株式会社 | 探测信息的收集方法、收集装置、程序、记录介质及旅行时间算出装置 |
CN106062846B (zh) * | 2014-03-03 | 2018-10-30 | 丰田自动车株式会社 | 探测信息的收集方法、收集装置、记录介质及旅行时间算出装置 |
CN104200648B (zh) * | 2014-08-21 | 2016-02-03 | 四川大学 | 一种基于电子车牌的路段平均旅行时间计算方法 |
CN104200648A (zh) * | 2014-08-21 | 2014-12-10 | 四川大学 | 一种基于电子车牌的路段平均旅行时间计算方法 |
CN105869478B (zh) * | 2015-02-06 | 2019-12-06 | 福特全球技术公司 | 确定驾驶员的排名 |
CN105869478A (zh) * | 2015-02-06 | 2016-08-17 | 福特全球技术公司 | 确定驾驶员的排名 |
CN104851287A (zh) * | 2015-04-15 | 2015-08-19 | 浙江大学 | 基于视频检测器的城市道路路段行程时间检测方法 |
CN104851287B (zh) * | 2015-04-15 | 2017-02-22 | 浙江大学 | 基于视频检测器的城市道路路段行程时间检测方法 |
CN104916129A (zh) * | 2015-05-05 | 2015-09-16 | 杭州电子科技大学 | 基于大规模卡口过车数据的道路实时通行速度计算方法 |
CN105139328A (zh) * | 2015-08-21 | 2015-12-09 | 北方工业大学 | 面向车牌识别数据的旅行时间实时预测方法及装置 |
CN105139328B (zh) * | 2015-08-21 | 2019-03-19 | 北方工业大学 | 面向车牌识别数据的旅行时间实时预测方法及装置 |
CN107085943A (zh) * | 2015-12-23 | 2017-08-22 | 青岛海信网络科技股份有限公司 | 一种道路旅行时间短期预测方法和*** |
CN105405293A (zh) * | 2015-12-23 | 2016-03-16 | 青岛海信网络科技股份有限公司 | 一种道路旅行时间短期预测方法和*** |
CN105702036A (zh) * | 2016-03-23 | 2016-06-22 | 深圳市金溢科技股份有限公司 | 一种车辆行驶时间计算方法、装置及*** |
CN105825675A (zh) * | 2016-05-17 | 2016-08-03 | 青岛海信网络科技股份有限公司 | 一种基于大数据的路段旅行时间计算方法和装置 |
CN105825675B (zh) * | 2016-05-17 | 2019-09-17 | 青岛海信网络科技股份有限公司 | 一种基于大数据的路段旅行时间计算方法和装置 |
CN108256662A (zh) * | 2016-12-29 | 2018-07-06 | 沈阳美行科技有限公司 | 到达时间的预测方法和装置 |
CN107045791A (zh) * | 2017-03-16 | 2017-08-15 | 王德旺 | 汽车摩托车智能交通管理***的实现方法 |
CN107025788A (zh) * | 2017-05-17 | 2017-08-08 | 青岛海信网络科技股份有限公司 | 一种旅行时间预测方法及装置 |
CN107293117A (zh) * | 2017-07-04 | 2017-10-24 | 清华大学 | 一种公路异常事件的判断方法 |
CN107293117B (zh) * | 2017-07-04 | 2019-08-09 | 清华大学 | 一种公路异常事件的判断方法 |
CN107590999A (zh) * | 2017-08-18 | 2018-01-16 | 广东方纬科技有限公司 | 一种基于卡口数据的交通状态判别方法 |
CN108629982A (zh) * | 2018-05-16 | 2018-10-09 | 中山大学 | 一种基于旅行时间分布规律的路段车辆数估计方法 |
CN109191872B (zh) * | 2018-10-09 | 2021-03-19 | 东南大学 | 一种基于号牌数据的路***通流特征参数提取方法 |
CN109191872A (zh) * | 2018-10-09 | 2019-01-11 | 东南大学 | 一种基于号牌数据的路***通流特征参数提取方法 |
CN112201030A (zh) * | 2019-07-08 | 2021-01-08 | 现代自动车株式会社 | 交通信息服务***和方法 |
CN111667689A (zh) * | 2020-05-06 | 2020-09-15 | 浙江师范大学 | 车辆旅行时间预测的方法、设备和计算机设备 |
CN112069224A (zh) * | 2020-09-11 | 2020-12-11 | 重庆紫光华山智安科技有限公司 | 一种过车数量存储方法、装置、终端及计算机存储介质 |
CN112069224B (zh) * | 2020-09-11 | 2023-11-17 | 重庆紫光华山智安科技有限公司 | 一种过车数量存储方法、装置、终端及计算机存储介质 |
CN112185117B (zh) * | 2020-09-30 | 2021-12-24 | 青岛海信网络科技股份有限公司 | 一种基于电警数据的优化评价方法及装置 |
CN112185117A (zh) * | 2020-09-30 | 2021-01-05 | 青岛海信网络科技股份有限公司 | 一种基于电警数据的优化评价方法及装置 |
CN112581764A (zh) * | 2020-12-11 | 2021-03-30 | 广州海云捷讯科技有限公司 | 基于大数据的集中控制方法、***、终端及存储介质 |
CN113053107B (zh) * | 2020-12-23 | 2022-08-02 | 沈阳世纪高通科技有限公司 | 一种结合自由流计算道路拥缓状态的方法及装置 |
CN113053107A (zh) * | 2020-12-23 | 2021-06-29 | 沈阳世纪高通科技有限公司 | 一种结合自由流计算道路拥缓状态的方法及装置 |
CN114822016A (zh) * | 2022-03-11 | 2022-07-29 | 上海工程技术大学 | 一种基于gps数据流的路段均速估计*** |
CN114842661A (zh) * | 2022-07-04 | 2022-08-02 | 成都宜泊信息科技有限公司 | 一种管理室内地图通行路段实时状态的方法和*** |
CN114842661B (zh) * | 2022-07-04 | 2022-09-16 | 成都宜泊信息科技有限公司 | 一种管理室内地图通行路段实时状态的方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN103258430B (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103258430B (zh) | 路段旅行时间统计、以及交通路况判定方法和装置 | |
CN103531031B (zh) | 一种基于城市交通干线软封闭区视频检测识别实现一路绿灯通行的控制方法 | |
CN104464295B (zh) | 一种基于视频的高架入口匝道智能限行方法 | |
WO2019047905A1 (zh) | 一种交通路况分析***、方法以及装置 | |
CN101739820B (zh) | 路况预测的方法及装置 | |
CN203552313U (zh) | 一种高速公路快速监管不停车收费*** | |
CN106781460B (zh) | 一种路段交通状态确定方法及装置 | |
CN110264734A (zh) | 一种高速公路车辆稽查***及其工作方法 | |
CN103077610A (zh) | 一种路段旅行时间估计的方法和*** | |
CN109147330A (zh) | 一种拥堵识别方法及装置 | |
CN103514742A (zh) | 基于gps和gprs的高速公路通行智能监控*** | |
CN104157156A (zh) | 一种高速公路危险路段车速动态管理预警方法 | |
CN107025788A (zh) | 一种旅行时间预测方法及装置 | |
CN105118305A (zh) | 室外停车场出口车辆管理平台 | |
CN103559792A (zh) | 一种高速公路行驶车辆疲劳驾驶的认定方法 | |
CN111754786A (zh) | 一种识别高速公路交通工具通行事件的*** | |
CN112766054A (zh) | 一种基于图像识别的收费站防逃费智能方法与*** | |
CN109584560A (zh) | 一种基于高速公路交通检测的交通控制调节方法及*** | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN106373399A (zh) | 一种公交线路站点间运行瓶颈识别*** | |
CN203858680U (zh) | 基于机器视觉的高速公路快速收费装置 | |
CN106558217A (zh) | 一种获取路边停车场信息的方法、装置及服务器 | |
CN108665569A (zh) | 一种车辆不停车收费支付***及其方法 | |
CN111724492B (zh) | 一种高速公路etc智能自动引导收费*** | |
CN105070060B (zh) | 一种基于公交车载gps数据的城市道路交通状态判别方法 |
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 |