CN104715604B - 获取实时路况信息的方法及其*** - Google Patents
获取实时路况信息的方法及其*** Download PDFInfo
- Publication number
- CN104715604B CN104715604B CN201410014230.3A CN201410014230A CN104715604B CN 104715604 B CN104715604 B CN 104715604B CN 201410014230 A CN201410014230 A CN 201410014230A CN 104715604 B CN104715604 B CN 104715604B
- Authority
- CN
- China
- Prior art keywords
- car
- section
- sample
- active link
- node
- 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.)
- Active
Links
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
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及智能交通领域，公开了一种获取实时路况信息的方法及其***。本发明中方法包括以下步骤：遍历路网中各路段，生成起始节点和终止节点均布设有卡警设备的有效链路；读入当前路况周期或者车牌回溯周期内上一历史周期所有卡警设备的过车数据；逐条读取有效链路，在过车数据中筛选出与该链路起始节点和终止节点对应的过车记录；寻找车牌匹配的过车记录，据此计算单样本的区间车速以及可信度，过滤异常样本；将各有效链路的样本分摊到各路段，生成实时路况信息。本发明中，该发明通过处理基础路网数据生成有效链路，在此基础上分析牌识过车数据，并引入样本可信度的概念，能够提高实时路况信息的准确率和复杂路网的信息覆盖。
Description
技术领域
本发明涉及智能交通领域，特别涉及交通诱导中的获取实时路况信息的方法及其***。
背景技术
随着相关技术的完善，车牌捕获率与识别率的显著提高，基于汽车车牌识别数据的交通信息采集技术应运而生。相比其他交通信息采集技术，基于车牌识别数据的交通信息采集技术具有工作连续性强、数据精确度高、检测样本量大等优点。基于汽车牌照自动判别技术的动态交通数据采集***通过在两个相邻的检测点对同一辆车的车牌进行判别分析，可以获得车辆的行程时间、行程车速等参数。若在给定的时段有多辆车经过特定路段，还可以得到该路段的平均行程时间和平均行程车速。
公开号为1937000的发明专利公开了一种城市交叉路口远程监控及车流识别检测的方法。在其中的车流识别检测方法中，该发明将城市路网中两个信号灯之间的有向路段视为一个处理单元。在交通监控现场，通过对该有向路段安装摄像头采集它的视频图像，为了传输的需要对该图像进行压缩处理。然后设置虚拟现实路面放置的检测环，对虚拟环区域的图像进行数字去噪和图像增强，利用模糊判断的虚拟环检测方法对通过虚拟检测环的车辆自动计数。
该发明虽然以城市路网中两个信号灯之间的有向路段为一个处理单元，但统计分析的是交叉路口的车流数据，无法给出路段上的路况信息。
公开号为102426783A的发明专利公开了一种基于车辆跟踪的低流量道路交通事件检测的方法，该发明通过对低流量道路的车辆进行跟踪，比对车辆牌照进行匹配，消除车辆识别导致的误检，判断交通事件的发生。该发明的优点是能降低流量情况下道路交通事件检测的误报率，可应用于低流量路网或低流量时段的道路交通事件检测，为交通事故救援预警服务。
该发明的缺点是由于检测路段须满足低流量和封闭两个条件，且须在该道路不同路段上布设多个高清卡口设备的要求，所以数据采集的条件较为严格，不具备在城市内广泛使用的条件。
公开号为101546478的发明专利公开了一种基于车牌识别数据的交通流集散分析***及其处理的方法，该发明能够分析指定区域内在特定时间段内的交通流来源于哪些区域，以及这些交通流到达本区域所行驶经过的路径，并给出主要汇集路径交通流的量化数据和比例；同时，分析指定区域内在特定时间段内的交通流消散到达哪些终点区域，以及这些交通流达到这些终点的行驶路径，并给出主要消散路径交通流的量化数据和比例。
该发明虽然通过识别车牌数据得到了长距离车辆行驶路径，但是无法计算得到准确的区间路况信息，不具备中微观路况信息处理的能力。
公开号为103258430A的发明专利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，该发明采集在设定时间段内，由路段的上游路口驶入路段以及由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。
该发明的缺点是在路段旅行时间统计过程中仅采集小型车车辆的车牌数据，忽略其他车型的数据，所以样本量会受到一定的影响；异常样本的过滤仅仅通过筛选异常车速样本，而不考虑其他的因素，这对路况信息的准确率会有较大影响；该发明的适用范围为路段，并不适用于城市复杂的路网。
综上所述，目前现有技术只能给出交叉口或个别路段的实时路况、实时路况信息准确率不高、适用条件较为严格。需要一种既能够得到高准确率的实时路况信息，又具有较高城市复杂路网覆盖率的获取实时路况信息的方法和***。
发明内容
本发明的目的在于提供一种获取实时路况信息的方法及其***，该发明通过处理电子基础路网数据在路网中生成有效链路，在有效链路基础上分析牌识过车数据，并引入样本可信度的概念，能够得到更高准确率的实时路况信息，同时有效解决城市复杂路网的实时路况信息覆盖问题。
为解决上述技术问题，本发明的实施方式公开了一种获取实时路况信息的方法，路网包括路段和节点，在部分路网节点上匹配有卡警设备，记录过车数据，方法包括以下步骤：
遍历路网中的各路段，对于路段的起始节点和终止节点至少有一处设有卡警设备的情况，生成有效链路，有效链路的起始节点和终止节点均布设有卡警设备；
读入当前路况周期或者车牌回溯周期内上一历史周期所有卡警设备的过车数据；
逐条读取有效链路，在所有卡警设备的过车数据中筛选出与当前读取的有效链路的起始节点和终止节点分别对应的过车记录；
在筛选出的与当前读取的有效链路的起始节点和终止节点分别对应的过车记录中寻找车牌匹配的过车记录，依据车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算单样本的区间车速以及可信度，剔除可信度低于第一预定阈值的异常样本；
遍历完所有有效链路后，将各有效链路剔除异常样本后的样本分摊到各路段，各路段依据各自分摊到的样本生成实时路况信息。
本发明的实施方式还公开了一种获取实时路况信息的***，路网包括路段和节点，在部分路网节点上匹配有卡警设备，记录过车数据，***包括：
有效链路生成模块，用于遍历路网中的各路段，对于路段的起始节点和终止节点至少有一处设有卡警设备的情况，生成有效链路，有效链路的起始节点和终止节点均布设有卡警设备；
过车数据接收模块，用于读入当前路况周期或者车牌回溯周期内上一历史周期所有卡警设备的过车数据；
过车记录筛选模块，用于在逐条读取有效链路后，在所有卡警设备的过车数据中筛选出与当前读取的有效链路的起始节点和终止节点分别对应的过车记录；
车牌匹配模块，用于在筛选模块筛选出的与当前读取的有效链路的起始节点和终止节点分别对应的过车记录中寻找车牌匹配的过车记录；
样本处理模块，用于依据车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算单样本的可信度，剔除可信度低于第一预定阈值的异常样本；
多样本融合模块，用于在遍历完所有有效链路后，将各有效链路剔除异常样本后的样本分摊到各路段，各路段依据各自分摊到的样本生成实时路况信息。
本发明实施方式与现有技术相比，主要区别及其效果在于：
该发明通过处理电子基础路网数据在路网中生成有效链路，在有效链路基础上分析牌识过车数据，并引入样本可信度的概念，能够得到更高准确率的实时路况信息，同时有效解决城市复杂路网的实时路况信息覆盖问题。
进一步地，本发明中异常样本的过滤不仅考虑筛选异常车速样本，而且通过引入可信度准则，从车辆样本的车型属性、车牌属性、行驶特征属性等角度综合考虑，最大程度的保证了计算所需的样本量，并且能够筛选出准确的优质样本，通过多样本融合计算后的实时路况信息具有较高的数据准确率。
附图说明
图1是本发明第一实施方式中一种获取实时路况信息的方法的流程示意图；
图2是本发明第一实施方式中一种获取实时路况信息的方法的整体流程图；
图3a至图3b是本发明第一实施方式中一种获取实时路况信息的方法的算法流程图；
图4是本发明第一实施方式中一种获取实时路况信息的方法中生成有效链路的流程图；
图5是本发明第三实施方式中一种获取实时路况信息的***的结构示意图；
图6是本发明第四实施方式中一种获取实时路况信息的***的结构示意图。
具体实施方式
在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
首先，下表1所示为本发明中涉及的一些术语解释：
表1
本发明第一实施方式涉及一种获取实时路况信息的方法，图1是该获取实时路况信息的方法的流程示意图，在该获取实时路况信息的方法中，路网包括路段和节点，在部分路网节点上匹配有卡警设备，记录过车数据，具体地说，如图1所示，该获取实时路况信息的方法包括以下步骤：
在步骤101中，遍历路网中的各路段，对于路段的起始节点和终止节点至少有一处设有卡警设备的情况，生成有效链路，有效链路的起始节点和终止节点均布设有卡警设备。“卡警设备”指电子警察抓拍机、卡口视频检测器、智慧监控视频检测器等可以进行车牌识别检测的设备。
优选地，在步骤101之前，还包括以下步骤：
读取基础路网数据，基础路网数据包括卡警设备与路网节点匹配数据；
读取配置参数，配置参数包括路况周期，路况状态判断阈值以及历史过车数据保存路径；路况周期为相邻两次路况信息发布的时间间隔，路况状态判断阈值用于判断道路交通状态，交通状态包括畅通，缓慢和拥堵，不同等级的道路交通状态阈值不同；
根据基础路网数据，建立基础路网中各独立路段的后继路段拓扑和前继路段拓扑关系。
后继路段是以目标路段的终止节点作为路段起始节点，且由该节点起始的交通流方向可通行的路段。
前继路段是以目标路段的起始节点作为路段终止节点，且终止于该节点的交通流方向可通行的路段。
优选地，在步骤101之前，还包括步骤：
根据目标路段的起始节点和终止节点是否设有卡警设备，对目标路段进行分类；
当只有起始节点或者终止节点一处设有卡警设备时，对应寻找目标路段的后继路段或者前继路段，与该目标路段组成有效链路，存入有效链路集合；
当起始节点和终止节点均设有卡警设备时，将该目标路段直接存入有效链路集合。
进一步地，在上述针对只有起始节点或者终止节点一处设有卡警设备时，对应寻找目标路段的后继路段或者前继路段，与目标路段组成有效链路的步骤中，采用一步递推的方法，一步递推生成有效链路的方法包括以下子步骤：
对应寻找只有起始节点处设有卡警设备的目标路段的后继路段或者只有终止节点处设有卡警设备的目标路段的前继路段，判断该后继路段的终止节点或者前继路段的起始节点是否有卡警设备编号；
若没有卡警设备编号，则继续往后或者往前寻找，直到到达第一个交叉口；若有卡警设备编号，则生成有效链路；
若到达第一个交叉口后还未寻找到终止节点有卡警设备编号的后继路段或者起始节点有卡警设备编号的前继路段，读取当前交叉口路段的右转，左转以及直行的路段，存入该第一交叉口后继路段或者前继路段集合；
逐条读取第一交叉口后继路段或者前继路段集合中的路段，判断从该集合中所读取的后继路段的终止节点或者前继路段的起始节点是否有卡警设备编号，若没有卡警设备编号，则继续往后或者往前寻找，直到到达第二个交叉口；若有卡警设备编号，则生成有效链路。
此外，可以理解，一步递推是指当目标路段起始节点或者终止节点中只有一处布设有卡警设备时，根据道路拓扑关系，在其后继路段或前继路段中寻找能够和目标路段组成两端节点均布设有卡警的路段，将二者虚拟组合成符合要求的有效路链。因只寻找上游或下游出现的第一个交叉口的路段，所以称为“一步递推”。
在本发明的其他实施方式中，并不局限于一步递推的方式，也可以寻找上游或下游出现的其他交叉口的路段，与目标路段组成有效链路。
此后进入步骤102，读入当前路况周期或者车牌回溯周期内上一历史周期所有卡警设备的过车数据。
此外，可以理解，在部分路网节点上设有的卡警设备所记录的过车数据可称为“牌识过车数据”，其包含车牌号码、过车时间、车辆速度、路口流水号、车道编号、车道方向、行驶状态、车辆类型等信息。
车牌回溯周期的引入是考虑到：在一般情况下，程序通过处理一个路况周期内的过车源数据，生成实时路况信息，而当路段过长或路段路况拥堵等情形下，在一个路况周期内，路段无法获取通过起终节点的同一车牌数据，所以需要在时间上向前回溯，以路况周期间隔为单位，在“车牌回溯周期”（例如30分钟）内进行同一车牌数据的查找。
此后进入步骤103，逐条读取由步骤101生成的有效链路，在步骤102中读入的所有卡警设备的过车数据中筛选出与当前读取的有效链路的起始节点和终止节点分别对应的过车记录。
优选地，在步骤103中，包括以下子步骤：
逐条读取所有卡警设备的过车数据；
判断当前读入的过车数据是否属于当前路况周期；
若是当前路况周期的，将该过车数据的路口流水号首先与当前读取的有效链路的终止节点处的卡警设备编号比较，再与当前读取的有效链路的起始节点处的卡警设备编号比较；若不是当前路况周期的，仅将该过车数据的路口流水号与当前读取的有效链路的起始节点处的卡警设备编号比较；
如果过车数据的路口流水号与有效链路终止节点处的卡警设备编号相同且过车数据的进口道方向与有效链路的路段终止方向相同，则将该过车数据存入该有效链路终止节点过车记录集合，判断是否遍历所有过车数据；
如果过车数据的路口流水号与有效链路起始节点处的卡警设备编号相同，则将该过车数据存入该有效链路起始节点过车记录集合，判断是否遍历所有过车数据；
如果过车数据的路口流水号与有效链路终止节点或者起始节点处的卡警设备编号都不相同，直接判断是否遍历所有过车数据；
若没有遍历完所有过车数据，则读取下一条过车数据。
此外，可以理解，因为读入的是当前路况周期或者车牌回溯周期内历史周期的过车数据，不存在将来时间内的过车数据，所以若读入的过车数据是当前路况周期的，将该过车数据的路口流水号首先与当前读取的有效链路的终止节点处的卡警设备编号比较，再与起始节点处的卡警设备编号比较。若不是当前路况周期的，即读入的过车数据为车牌回溯周期内上一历史周期的，仅将该过车数据的路口流水号与当前读取的有效链路的起始节点处的卡警设备编号比较，就能寻找到车辆连续通过有效链路的起始节点和终止节点的过车记录。
此后进入步骤104，在筛选出的与当前读取的有效链路的起始节点和终止节点分别对应的过车记录中寻找车牌匹配的过车记录，依据车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算单样本的区间车速以及可信度，剔除可信度低于第一预定阈值的异常样本。
此外可以理解，在本发明的其他实施方式中，剔除异常样本还可以通过四分位差法对异常数据去噪来实现，而不局限于上述剔除可信度较低的异常样本的方法。
优选地，在步骤104中，包括以下子步骤：
逐条读取有效链路终止节点过车记录，在有效链路起始节点过车记录中寻找与当前读取的有效链路终止节点过车记录的车牌相匹配的过车记录；
若未寻找到匹配的车牌，读取有效链路终止节点的下一条过车记录；
若寻找到匹配的车牌，判断匹配过程中是否有车牌重复匹配的情况。若没有重复，依据车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算车辆单样本的区间车速和可信度，并过滤样本可信度低于第一预定阈值的异常样本，读取有效链路终止节点的下一条过车记录；
若有重复，取过车时间大的过车记录后再计算单样本的区间车速和可信度，并过滤可信度低于第一预定阈值的异常样本，读取有效链路终止节点的下一条过车记录。
此后进入步骤105，遍历完所有有效链路后，将各有效链路剔除异常样本后的样本分摊到各路段，各路段依据各自分摊到的样本生成实时路况信息。
优选地，在步骤105中，包括以下子步骤：
根据路况状态判断阈值以及样本的区间车速，统计落在畅通区间中的样本量；
当畅通区间中的样本量与总样本量的比值大于或者等于第三预定阈值时，以样本可信度为权重，将畅通区间中的各单样本的区间车速加权平均生成实时路况信息；
当畅通区间中的样本量与总样本量的比值小于第三预定阈值时，以样本可信度为权重，将所有单样本区间车速加权平均生成实时路况信息。
此后结束此流程。
该发明通过处理电子基础路网数据在路网中生成有效链路，在有效链路基础上分析牌识过车数据，并引入样本可信度的概念，能够得到更高准确率的实时路况信息，同时有效解决城市复杂路网的实时路况信息覆盖问题。
本发明第二实施方式涉及一种获取实时路况信息的方法，第二实施方式在第一实施方式的基础上进行了改进，主要改进之处在于：
首先，在读入当前路况周期或者车牌回溯周期内上一历史周期所有卡警设备的过车数据的步骤102之后，包括步骤：
对读入的过车数据进行预处理以保留正确识别到车牌的有效过车数据。
其次，在步骤104中得到连续通过有效链路的起始节点和终止节点的车辆单样本后，计算车辆单样本的可信度的子步骤中，结合与车辆类型以及车辆行驶特性相关的属性进行计算，相关属性按照计算单样本可信度时所占的权重从高到低依次包括：
起始节点进口道车辆转向属性，属性包括直行车辆，右转车辆，左转车辆，调头车辆，上述属性所占的权重从高到低排列。
终止节点进口道车辆车道属性，属性包括直行车道，右转车道，左转车道，上述属性所占的权重从高到低排列。
车型属性，属性包括车辆外形大小和车辆类型，车辆外形所占的权重大于车辆类型所占的权重。
车牌属性，属性包括本地牌照和外地牌照，本地牌照所占的权重大于外地牌照所占的权重。
此外，可以理解，在本发明的其他实施方式中，也可以按照其他方式决定各种属性在计算单样本可信度时所占的权重，而不局限于本实施方式中所限定的方式。
最后，在将各有效链路剔除异常样本后的样本分摊到各路段，各路段依据各自分摊到的多个样本生成实时路况信息的步骤105之前，包括步骤：
判断车牌匹配的样本量与总样本量的比率是否达到第二预定阈值，
如果没有达到第二预定阈值，则读取车牌回溯周期内上一历史周期的过车数据以增加样本量。
本实施方式中异常样本的过滤不仅考虑筛选异常车速样本，而且通过引入可信度准则，从车辆样本的车型属性、车牌属性、行驶特征属性等角度综合考虑，能够筛选出准确的优质样本；同时，通过判断样本量所占比率最大程度地保证了计算所需的样本量，通过多样本融合计算后的实时路况信息具有较高的数据准确率。
作为本实施方式的优选例，图2至图4所示为整体流程图、算法流程图和有效链路生成流程图。
设计思想主要是考虑到车牌是汽车的唯一身份证，通过布设在路段起始和终止交叉口的电警或卡口设备，可以获取完整通过路段的车辆的车牌照，查询该车辆通过两个连续交叉口检测器的时间，可以得到时间差，结合路段长度，则可以计算得到该车辆通过目标路段的单车区间车速。当目标路段中存在多个单样本时，须对多个样本进行融合，进而可以得到目标路段的区间平均车速。
进入目标路段的样本车辆由于可能来自于上游交叉口各进口道方向，而驶出目标路段时下游交叉口进口道的方向是唯一确定的，所以可以通过上下游交叉口的编号以及下游交叉口进口道方向，对目标路段和过车数据进行匹配，通过车牌照对上下游交叉口捕获的车牌进行匹配，计算单样本的区间车速，并根据单样本的类型以及行驶特征等状态先验知识计算该样本的可信度。
具体地说，如图2所示，牌识实时路况整体流程图由下表2所示的12个功能模块构成：
表2
上述功能模块根据基础路网数据生成有效链路，在有效链路的基础上对过车数据进行车牌匹配后，对样本进行处理并分摊到各路段，生成实时路况信息。因此，整体流程划分为两大块，分别是对基础路网数据和过车数据进行处理，由此，整个流程的输入包括：
1）过车数据：布设在路段交叉口的电警和卡口采集到的过车数据
表3
2）基础路网数据：基础路网属性数据、卡警设备与路网节点匹配数据
表4
3）配置参数：路况周期、各等级道路交通状态阈值
| 特大型城市 | 大型城市 | 中型城市 | 小型城市 | 区县 | |
| 快速路 | 20-40 | 20-40 | 20-40 | 20-40 | 20-40 |
| 主路 | 12-25 | 12-25 | 12-25 | 12-25 | 12-25 |
| 干路 | 10-23 | 10-23 | 10-23 | 10-23 | 10-23 |
| 支路 | 8-20 | 8-20 | 8-20 | 8-20 | 8-20 |
注：不同城市规模其状态阈值应不相同，暂定相同单位：Km/h
表5
考虑到输出车速数据便于今后交通预测、诱导、信号控制等运用，所以实时路况信息以车速形式返回。
输出的路况信息（单位：km/h）
| 路段ID | 道路等级 | 正向车速 | 反向车速 | |
| 双线画路示例 | 10001 | 4 | 45 | -1 |
| 单线画路示例 | 10002 | 4 | 45 | 22 |
表6
图3a、3b和图4所示为算法流程图和有效链路生成流程图。如图3a、3b所示，算法流程包括如下步骤：
1、初始化：
1）读取基础路网数据：包含基础路网数据和卡警设备与路网节点匹配数据；
2）读取配置参数：周期时间参数，各等级道路路况状态阈值以及历史过车数据保存路径；
2、建立路网拓扑：根据电子地图中单、双线画路，分别生成基础路网中各独立路段的后继路段拓扑和前继路段拓扑关系。
3、读取基础路网数据集合中路段。
4、路段拓扑类型分类：
根据目标路段上下游路段是否匹配有卡警设备，可将路段的拓扑关系分为四类：
类型1：有起始和终止交叉口编号
类型2：有终止交叉口编号
类型3：有起始交叉口编号
类型4：无起始和终止交叉口编号
5、按拓扑类型进行路段“一步递推”生成有效链路：
实际中，由于基于高清的牌照识别设备建设成本比较高，所以会存在由于布设点位不足导致检测信息空间覆盖率不高的问题。算法设计中针对这种情况设计了构建有效路链过车中的“一步递推”，即当目标路段上下游交叉口中只有一处布设有卡警设备时，根据道路拓扑关系，在其后继路段或前继路段中寻找能够和目标路段组成上下游交叉口均布设有卡警的路段，将二者虚拟组合成符合算法要求的有效路链，继而进行车牌匹配。考虑到实时路况的准确度，暂时将这种车辆行驶的路径推测问题，设计为只推导一条后继或前继路段的解决方法，即“一步递推”。
类型1：不进行“一步递推”直接存入有效链路集合；
类型2：寻找当前独立路段的前继路段，进入“生成有效链路模块”；
类型3：寻找当前独立路段的后继路段，进入“生成有效链路模块”；
类型4：不进行“一步递推”，直接进入步骤3；
6、生成有效链路，具体流程如图4所示：
1）寻找拓扑类型为2的目标路段的前继路段（寻找拓扑类型为3的目标路段的后继路段），判断前继路段（拓扑类型为3的后继路段）的数量是否大于0，如果大于0，则进入步骤2），否则退出生成有效链路模块，流程结束；
2）判断是否达到了交叉口，是则寻找前继路段集合（拓扑类型为3的后继路段集合）进入步骤4），否则进入步骤3）；
3）判断是否有起始设备编号（拓扑类型为3的判断是否有终止类型编号），有编号则将当前路段和前继路段（拓扑类型为3的则是后继路段）虚拟合并，生成有效链路，流程结束，否则返回步骤1）；
4）依次读取前继路段集合（拓扑类型为3的后继路段集合）中每条独立路段，并判断起始设备编号（拓扑类型为3的判断是否有终止类型编号），有编号则将当前路段和前继路段（拓扑类型为3的则是后继路段）虚拟合并，生成有效链路进入步骤7），否则进入步骤5）；
5）寻找拓扑类型为2的目标路段的前继路段（寻找拓扑类型为3的目标路段的后继路段），判断前继路段（拓扑类型为3的后继路段）的数量是否大于0，如果大于0，则进入步骤6），否则进入步骤7）；
6）判断是否达到了交叉口，是则进入步骤7），否则进入步骤4）；
7）判断是否达到前继路段（拓扑类型为3的后继路段）集合末记录，是则流程结束，否则返回步骤4）。
7、判断是否生成有效链路，是则将生成的有效链路放入有效链路集合，否则返回步骤3；
8、判断是否达到路网表末记录，是则进入步骤9，否则返回步骤3；
9、读入Tn周期的过车数据（目前以5分钟为例），若Tn=To，则读入的过车数据为当前周期内的过车数据；
10、逐条读取有效链路集合中路段ID。
11、过车数据预处理：保留行驶状态为正常的过车数据；
12、逐条读取过车数据集合中的过车数据；
13、当前读入的周期是否是当前的实时周期，是则进入步骤14，否则进入步骤15；
14、判断CrossLSH（路口流水号）是否与路段终止交叉口编号相同，是则进入步骤16，否则进入步骤15；
15、判断CrossLSH（路口流水号）是否与路段起始交叉口编号相同，是则将该条过车记录存入VehiclePass_F数据集合，进入步骤17；
16、判断DirectIndex（进口道方向）是否与路段终止方向相同，是则将该条过车记录存入VehiclePass_T数据集合，进入步骤17；
17、判断是否到达过车记录表末，是则进入步骤18，否则返回步骤12；
18、车牌匹配：根据VehiclePass_T中的车牌数据在VehiclePass_F中寻找匹配，当车牌重复时取时间值大的记录，否则进入步骤19；
19、单样本匹配车牌的处理：
1）单样本区间车速计算：区间车速=路段长度/（PassTime2-PassTime1）*3.6
2）单样本可信度计算（结合车辆类型和车辆行驶特性）：
A）起始交叉口进口道车辆转向属性：右转车辆、直行车辆、左转车辆、调头车辆；
B）终止交叉口进口道车辆车道属性：右转车道、直行车道、左转车道；
C）车型属性：1）外形：大车、中车、小车
2）性质：普通车、特殊车；
D）车牌属地属性：本地牌照、外地牌照。
以上单样本可信度计算的4种属性中，起始交叉口进口道车辆转向属性值（下文用a表示）所占权重最高，其次是终止交叉口进口到车辆车道属性（下文用b表示），再次是车型属性（下文用c表示），最后是车牌属地属性（下文用d表示）。即，权重值的大小关系为：a>b>c>d；
以下是每种属性中各特征的权重大小关系：
A）中：直行>右转>左转>调头
B）中：直行>右转>左转
C）中：外形>性质：外形中小车>中车>大车；
性质中普通车>特殊车
D）中：本地牌照>外地牌照
一个典型的例子是：有两个样本，X和Y，X的样本属性描述为：a直行，b直行，c小车，c普通车，d本地牌照；Y的样本属性描述为：a直行，b左转，c大车，c普通车，d外地牌照。经过可信度模块算法的计算，样本X的可信度（0.9）比样本Y可信度（0.5）高。
20、异常样本剔除：
1）剔除可信度过低的单样本（行驶特征法）
2）异常数据去噪（四分位差法）
21、判断Tn周期内车牌是否全部匹配结束，是则进入步骤22，否则返回步骤18；
22、判断是否到达有效链路集合末记录，是则进入步骤23，否则返回步骤10；
23、判断是否需要读取车牌回溯周期内的上一周期历史过车数据，是则进入步骤24，否则进入步骤25。判断条件为当匹配到车牌的样本量与路段终止方向进口道总样本的比率大于等于x%时（例如3%）不需要读取历史过车数据，否则需要读取历史过车数据已增加样本量；
24、判断是否已读取车牌回溯周期内的全部过车数据，是则进入步骤25，否则返回步骤9；
25、样本拆分到各独立路段：
将有效链路拆分为各独立路段，并将完整通过有效链路的单样本分摊到各独立路段；
26、逐条读取由有效链路拆分后形成的独立路段集合中的路段；
27、多样本车速融合：
根据路况阈值（畅通、缓慢、拥堵），统计落在畅通区间中的样本量，当畅通样本量与总样本量之比大于等于Y%时（例如10%），则将畅通区间的单样本区间车速加权平均（样本可信度为权重）计算，结果作为该独立路段的多样本融合后的结果输出；当畅通样本量与总样本量之比小于Y%时，则将所有单样本进行加权平均，结果作为融合后结果输出；
28判断是否到达有效链路拆分后独立路段集合末行记录，是则进入步骤29，否则返回步骤26；
29、路网路况信息生成，并返回平台；
30、流程结束。
本发明的各方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现，指令代码都可以存储在任何类型的计算机可访问的存储器中（例如永久的或者可修改的，易失性的或者非易失性的，固态的或者非固态的，固定的或者可更换的介质等等）。同样，存储器可以例如是可编程阵列逻辑（Programmable ArrayLogic，简称“PAL”）、随机存取存储器（Random Access Memory，简称“RAM”）、可编程只读存储器（Programmable Read Only Memory，简称“PROM”）、只读存储器（Read-Only Memory，简称“ROM”）、电可擦除可编程只读存储器（Electrically Erasable Programmable ROM，简称“EEPROM”）、磁盘、光盘、数字通用光盘（Digital Versatile Disc，简称“DVD”）等等。
本发明第三实施方式涉及一种获取实时路况信息的***，图5是该获取实时路况信息的***的结构示意图。
具体地说，该获取实时路况信息的***路网包括路段和节点，在部分路网节点上匹配有卡警设备，记录过车数据，如图5所示，该***包括：
有效链路生成模块，用于遍历路网中的各路段，对于路段的起始节点和终止节点至少有一处设有卡警设备的情况，生成有效链路，有效链路的起始节点和终止节点均布设有卡警设备；
过车数据接收模块，用于读入当前路况周期或者车牌回溯周期内上一历史周期所有卡警设备的过车数据；
过车记录筛选模块，用于在逐条读取有效链路后，在所有卡警设备的过车数据中筛选出与当前读取的有效链路的起始节点和终止节点分别对应的过车记录；
车牌匹配模块，用于在筛选模块筛选出的与当前读取的有效链路的起始节点和终止节点分别对应的过车记录中寻找车牌匹配的过车记录；
样本处理模块，用于依据车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算单样本的可信度，剔除可信度低于第一预定阈值的异常样本；
多样本融合模块，用于在遍历完所有有效链路后，将各有效链路剔除异常样本后的样本分摊到各路段，各路段依据各自分摊到的样本生成实时路况信息。
优选地，获取实时路况信息的***还包括以下模块：
初始化模块，用于读取基础路网数据和配置参数。基础路网数据包括卡警设备与路网节点匹配数据，配置参数包括路况周期，路况状态判断阈值以及历史过车数据保存路径；
路段拓扑建立模块，用于根据基础路网数据，建立基础路网中各独立路段的后继路段拓扑和前继路段拓扑关系。
此外，可以理解，路况周期是相邻两次路况信息发布的时间间隔。
路况状态判断阈值用于判断道路交通状态，不同等级的道路交通状态阈值不同。
优选地，获取实时路况信息的***还包括：
拓扑类型分类模块，用于根据目标路段的起始节点和终止节点是否设有卡警设备，对目标路段进行分类；
当只有起始节点或者终止节点一处设有卡警设备时，有效链路生成模块对应寻找目标路段的后继路段或者前继路段，与目标路段组成有效链路，存入有效链路集合；
当起始节点和终止节点均设有卡警设备时，有效链路生成模块将该目标路段直接存入有效链路集合。
优选地，在过车记录筛选模块中，包括以下子模块：
过车数据读取子模块，用于逐条读取所有卡警设备的过车数据；
路况周期判断子模块，用于判断当前读入的过车数据是否属于当前路况周期；
编号比较子模块，用于当路况周期判断子模块判断为当前路况周期时，将该过车数据的路口流水号首先与当前读取的有效链路的终止节点处的卡警设备编号比较，再与当前读取的有效链路的起始节点处的卡警设备编号比较。并用于当路况周期判断子模块判断为不是当前路况周期时，仅将该过车数据的路口流水号与当前读取的有效链路的起始节点处的卡警设备编号比较；
如果过车数据的路口流水号与有效链路终止节点处的卡警设备编号相同且过车数据的进口道方向与有效链路的路段终止方向相同，则将该过车数据存入该有效链路终止节点过车记录集合；
如果过车数据的路口流水号与有效链路起始节点处的卡警设备编号相同，则将该过车数据存入该有效链路起始节点过车记录集合。
过车数据遍历子模块，用于判断是否遍历所有卡警设备的过车数据，若判断为没有遍历完所有过车数据，则过车数据读取子模块读取下一条过车数据。
此外，可以理解，因为读入的是当前路况周期或者车牌回溯周期内历史周期的过车数据，不存在将来时间内的过车数据，所以若是当前路况周期的，将该过车数据的路口流水号首先与当前读取的有效链路的终止节点处的卡警设备编号比较，再与终止节点处的卡警设备编号比较。若不是当前路况周期的，仅将该过车数据的路口流水号与当前读取的有效链路的起始节点处的卡警设备编号比较，就能寻找到车辆连续通过有效链路的起始节点和终止节点的过车记录。
优选地，在车牌匹配模块中，包括以下子模块：
读取子模块，用于逐条读取有效链路终止节点过车记录；
匹配车牌寻找子模块，用于根据读取的有效链路终止节点过车记录，在有效链路起始节点过车记录中寻找车牌匹配的过车记录；
若匹配车牌寻找子模块未寻找到匹配的车牌，读取子模块读取有效链路终止节点的下一条过车记录；
车牌重复判断子模块，用于若匹配车牌寻找子模块寻找到匹配的车牌，判断匹配过程中是否有车牌重复匹配的情况；
若没有重复，样本处理模块依据车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算车辆单样本的区间车速和可信度，并过滤样本可信度低于第一预定阈值的异常样本，读取子模块读取有效链路终止节点的下一条过车记录；
若有重复，取过车时间大的过车记录后，样本处理模块再计算单样本的区间车速和可信度，并过滤可信度低于第一预定阈值的异常样本，读取子模块读取有效链路终止节点的下一条过车记录。
优选地，样本处理模块包括以下子模块：
区间车速计算子模块，用于对车牌匹配的连续通过有效链路的起始节点和终止节点的车辆单样本计算区间车速；
样本可信度计算子模块，用于结合车辆类型和车辆行驶特征计算样本可信度；
异常样本过滤子模块，用于过滤可信度低于第一预定阈值的异常样本。
优选地，多样本融合模块包括以下子模块：
统计子模块，用于根据路况状态判断阈值以及样本的区间车速，统计落在畅通区间中的样本量；
局部样本加权子模块，用于当畅通区间中的样本量与总样本量的比值大于或者等于第三预定阈值时，以样本可信度为权重，将畅通区间中的单样本区间车速加权平均作为多样本融合结果；
全局样本加权子模块，用于当畅通区间中的样本量与总样本量的比值小于第三预定阈值时，以样本可信度为权重，将所有单样本区间车速加权平均作为多样本融合结果。
本发明中异常样本的过滤不仅考虑筛选异常车速样本，而且通过引入可信度准则，从车辆样本的车型属性、车牌属性、行驶特征属性等角度综合考虑，最大程度的保证了计算所需的样本量，并且能够筛选出准确的优质样本，通过多样本融合计算后的实时路况信息具有较高的数据准确率。第一实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明第四实施方式涉及一种获取实时路况信息的***，第四实施方式在第三实施方式的基础上进行了改进，主要改进之处在于：
首先，该获取实时路况信息的***还包括：
预处理模块，用于对读入的过车数据进行预处理以保留正确识别到车牌的有效过车数据。
其次，过车数据接收模块还包括子模块：
历史过车数据读取判断子模块，用于判断车牌匹配的样本量与总样本量的比率是否达到第二预定阈值，如果没有达到第二预定阈值，则过车数据接收模块读取车牌回溯周期内上一历史周期的历史过车数据以增加样本量。
作为优选例，***结构图如图6所示，整个***的输入包括过车数据、基础路网数据以及其他参数数据，过车数据读取模块和路网拓扑建模模块分别对过车数据和基础路网数据进行处理，处理后输入核心处理模块，该核心处理模块生成有效链路并进行车牌匹配，最后生成路况信息，在生成路况信息的过车中，也可以利用历史路况数据对路况信息进行填补。
第二实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第二实施方式互相配合实施。第二实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第二实施方式中。
本发明在实时路况信息的路网覆盖率以及路况信息的准确率两方面领先于现有技术：
1、现有技术多以交叉路口或独立的路段为处理单元，路况信息的空间覆盖率很低，而本发明则是以城市路网为处理单元，能够获得较高的空间覆盖率。
2、现有技术对检测路段的要求较为严格，须满足封闭的要求，不具备在城市内广泛使用的条件。而本发明则对检测路段的要求较低，并不需要满足封闭的要求。
3现有技术虽然通过识别车牌数据得到了长距离车辆行驶路径，但是无法计算得到准确的区间路况信息。而本发明不仅具备宏观车辆行驶路径判别的能力，且具有中微观实时路况信息处理的功能。
4、现有技术在路段旅行时间计算过程中仅采集小型车车辆的车牌数据，忽略其他车型的数据，所以样本量会受到一定的影响；异常样本的过滤仅仅通过筛选异常车速样本，而不考虑其他的因素，这对路况信息的准确率会有较大影响。而本发明通过引入可信度准则，从车辆样本的车型属性、车牌属性、行驶特征属性等角度综合考虑，最大程度的保证了计算所需的样本量，并且能够筛选出准确的优质样本，通过多样本融合算法计算后的实时路况信息具有较高的数据准确率。
需要说明的是，本发明各设备实施方式中提到的各单元都是逻辑单元，在物理上，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现，这些逻辑单元本身的物理实现方式并不是最重要的，这些逻辑单元所实现的功能的组合才是解决本发明所提出的技术问题的关键。此外，为了突出本发明的创新部分，本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，这并不表明上述设备实施方式并不存在其它的单元。
需要说明的是，在本专利的权利要求和说明书中，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。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然通过参照本发明的某些优选实施方式，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
Claims (19)
1.一种获取实时路况信息的方法，其特征在于，路网包括路段和节点，在部分路网节点上匹配有卡警设备，记录过车数据，所述方法包括以下步骤：
遍历路网中的各路段，对于路段的起始节点和终止节点至少有一处设有卡警设备的情况，生成有效链路，所述有效链路的起始节点和终止节点均布设有卡警设备；
读入当前路况周期或者车牌回溯周期内上一历史周期所有卡警设备的过车数据；
逐条读取有效链路，在所述所有卡警设备的过车数据中筛选出与当前读取的有效链路的起始节点和终止节点分别对应的过车记录；
在所述筛选出的与当前读取的有效链路的起始节点和终止节点分别对应的过车记录中寻找车牌匹配的过车记录，依据所述车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算单样本的区间车速以及可信度，剔除可信度低于第一预定阈值的异常样本；
遍历完所有有效链路后，将各有效链路剔除异常样本后的样本分摊到各路段，各路段依据各自分摊到的样本生成实时路况信息。
2.根据权利要求1所述的获取实时路况信息的方法，其特征在于，在所述遍历路网中的各路段，对于路段的起始节点和终止节点至少有一处设有卡警设备的情况，生成有效链路的步骤之前，还包括以下步骤：
读取基础路网数据，所述基础路网数据包括卡警设备与路网节点匹配数据；
读取配置参数，所述配置参数包括路况周期，路况状态判断阈值以及历史过车数据保存路径；
根据基础路网数据，建立基础路网中各独立路段的后继路段拓扑和前继路段拓扑关系。
3.根据权利要求1所述的获取实时路况信息的方法，其特征在于，在所述遍历路网中的各路段，对于路段的起始节点和终止节点至少有一处设有卡警设备的情况，生成有效链路的步骤之前，还包括步骤：
根据目标路段的起始节点和终止节点是否设有卡警设备，对目标路段进行分类；
当只有起始节点或者终止节点一处设有卡警设备时，对应寻找目标路段的后继路段或者前继路段，与该目标路段生成有效链路，存入有效链路集合；
当起始节点和终止节点均设有卡警设备时，将该目标路段直接存入有效链路集合。
4.根据权利要求3所述的获取实时路况信息的方法，其特征在于，在所述当只有起始节点或者终止节点一处设有卡警设备时，对应寻找目标路段的后继路段或者前继路段，与该目标路段组成有效链路的步骤中，采用一步递推的方法，所述一步递推的方法包括以下子步骤：
对应寻找只有起始节点或者终止节点处设有卡警设备的目标路段的后继路段或者前继路段，判断该后继路段的终止节点或者前继路段的起始节点是否有卡警设备编号；
若没有卡警设备编号，则继续往后或者往前寻找，直到到达第一交叉口；若有卡警设备编号，则生成有效链路；
若到达第一交叉口后还未寻找到终止节点有卡警设备编号的后继路段或者起始节点有卡警设备编号的前继路段，读取当前交叉口路段的右转，左转以及直行的路段，存入该第一交叉口后继路段或者前继路段集合；
逐条读取所述第一交叉口后继路段或者前继路段集合中的路段，判断从该集合中所读取的后继路段的终止节点或者前继路段的起始节点是否有卡警设备编号，若没有卡警设备编号，则继续往后或者往前寻找，直到到达第二个交叉口；若有卡警设备编号，则生成有效链路。
5.根据权利要求1所述的获取实时路况信息的方法，其特征在于，在所述读入当前路况周期或者车牌回溯周期内上一历史周期所有卡警设备的过车数据的步骤之后，包括步骤：
对所述读入的过车数据进行预处理以保留正确识别到车牌的有效过车数据。
6.根据权利要求1所述的获取实时路况信息的方法，其特征在于，在所述逐条读取有效链路，在所述所有卡警设备的过车数据中筛选出与当前读取的有效链路的起始节点和终止节点分别对应的过车记录的步骤中，包括以下子步骤：
逐条读取所述所有卡警设备的过车数据；
判断当前读入的过车数据是否属于当前路况周期；
若是当前路况周期的，将该过车数据的路口流水号首先与当前读取的有效链路的终止节点处的卡警设备编号比较，再与当前读取的有效链路的起始节点处的卡警设备编号比较；若不是当前路况周期的，仅将该过车数据的路口流水号与当前读取的有效链路的起始节点处的卡警设备编号比较；
如果过车数据的路口流水号与有效链路终止节点处的卡警设备编号相同且过车数据的进口道方向与有效链路的路段终止方向相同，则将该过车数据存入该有效链路终止节点过车记录集合，判断是否遍历所有过车数据；
如果过车数据的路口流水号与有效链路起始节点处的卡警设备编号相同，则将该过车数据存入该有效链路起始节点过车记录集合，判断是否遍历所有过车数据；
如果过车数据的路口流水号与有效链路终止节点或者起始节点处的卡警设备编号都不相同，直接判断是否遍历所有过车数据；
若没有遍历完所有过车数据，则读取下一条过车数据。
7.根据权利要求1所述的获取实时路况信息的方法，其特征在于，在所述筛选出的与当前读取的有效链路的起始节点和终止节点分别对应的过车记录中寻找车牌匹配的过车记录，依据所述车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算单样本的区间车速和可信度，剔除可信度低于第一预定阈值的异常样本的步骤中，包括以下子步骤：
逐条读取有效链路终止节点过车记录，在有效链路起始节点过车记录中寻找匹配；
若未寻找到匹配的车牌，读取有效链路终止节点的下一条过车记录；
若寻找到匹配的车牌，判断匹配过程中是否有车牌重复匹配的情况；若没有重复，依据所述车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算车辆单样本的区间车速和可信度，并过滤样本可信度低于第一预定阈值的异常样本，读取有效链路终止节点的下一条过车记录；
若有重复，取过车时间大的过车记录后再计算单样本的区间车速和可信度，并过滤可信度低于第一预定阈值的异常样本，读取有效链路终止节点的下一条过车记录。
8.根据权利要求7所述的获取实时路况信息的方法，其特征在于，在所述计算车辆单样本的可信度的子步骤中，结合与车辆类型以及车辆行驶特性相关的属性进行计算，所述属性按照计算单样本可信度时所占的权重从高到低依次包括：
起始节点进口道车辆转向属性，所述转向属性包括直行车辆，右转车辆，左转车辆，调头车辆，上述转向属性所占的权重从高到低排列；
终止节点进口道车辆车道属性，所述车道属性包括直行车道，右转车道，左转车道，上述车道属性所占的权重从高到低排列；
车型属性，所述车型属性包括车辆外形大小和车辆类型，车辆外形所占的权重大于车辆类型所占的权重；
车牌属性，所述车牌属性包括本地牌照和外地牌照，本地牌照所占的权重大于外地牌照所占的权重。
9.根据权利要求1所述的获取实时路况信息的方法，其特征在于，在所述将各有效链路剔除异常样本后的样本分摊到各路段，各路段依据各自分摊到的多个样本生成实时路况信息的步骤之前，包括步骤：
判断车牌匹配的样本量与总样本量的比率是否达到第二预定阈值，
如果没有达到第二预定阈值，则读取车牌回溯周期内上一历史周期的过车数据以增加样本量。
10.根据权利要求1所述的获取实时路况信息的方法，其特征在于，在所述将各有效链路剔除异常样本后的样本分摊到各路段，各路段依据各自分摊到的样本生成实时路况信息的步骤中，包括以下子步骤：
根据路况状态判断阈值以及样本的区间车速，统计落在畅通区间中的样本量；
当畅通区间中的样本量与总样本量的比值大于或者等于第三预定阈值时，以样本可信度为权重，将畅通区间中的单样本区间车速平均加权生成实时路况信息；
当畅通区间中的样本量与总样本量的比值小于第三预定阈值时，以样本可信度为权重，将所有单样本区间车速加权平均生成实时路况信息。
11.一种获取实时路况信息的***，其特征在于，路网包括路段和节点，在部分路网节点上匹配有卡警设备，记录过车数据，所述***包括：
有效链路生成模块，用于遍历路网中的各路段，对于路段的起始节点和终止节点至少有一处设有卡警设备的情况，生成有效链路，所述有效链路的起始节点和终止节点均布设有卡警设备；
过车数据接收模块，用于读入当前路况周期或者车牌回溯周期内上一历史周期所有卡警设备的过车数据；
过车记录筛选模块，用于在逐条读取有效链路后，在所述所有卡警设备的过车数据中筛选出与当前读取的有效链路的起始节点和终止节点分别对应的过车记录；
车牌匹配模块，用于在所述筛选模块筛选出的与当前读取的有效链路的起始节点和终止节点分别对应的过车记录中寻找车牌匹配的过车记录；
样本处理模块，用于依据所述车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算单样本的可信度，剔除可信度低于第一预定阈值的异常样本；
多样本融合模块，用于在遍历完所有有效链路后，将各有效链路剔除异常样本后的样本分摊到各路段，各路段依据各自分摊到的样本生成实时路况信息。
12.根据权利要求11所述的获取实时路况信息的***，其特征在于，还包括以下模块：
初始化模块，用于读取基础路网数据和配置参数；所述基础路网数据包括卡警设备与路网节点匹配数据，所述配置参数包括路况周期，路况状态判断阈值以及历史过车数据保存路径；
路段拓扑建立模块，用于根据基础路网数据，建立基础路网中各独立路段的后继路段拓扑和前继路段拓扑关系。
13.根据权利要求11所述的获取实时路况信息的***，其特征在于，还包括：
拓扑类型分类模块，用于根据目标路段的起始节点和终止节点是否设有卡警设备，对目标路段进行分类；
当只有起始节点或者终止节点一处设有卡警设备时，所述有效链路生成模块对应寻找目标路段的后继路段或者前继路段，与目标路段组成有效链路，存入有效链路集合；
当起始节点和终止节点均设有卡警设备时，所述有效链路生成模块将该目标路段直接存入有效链路集合。
14.根据权利要求11所述的获取实时路况信息的***，其特征在于，还包括：
预处理模块，用于对所述读入的过车数据进行预处理以保留正确识别到车牌的有效过车数据。
15.根据权利要求11所述的获取实时路况信息的***，其特征在于，在所述过车记录筛选模块中，包括以下子模块：
过车数据读取子模块，用于逐条读取所述所有卡警设备的过车数据；
路况周期判断子模块，用于判断当前读入的过车数据是否属于当前路况周期；
编号比较子模块，用于当路况周期判断子模块判断为当前路况周期时，将该过车数据的路口流水号首先与当前读取的有效链路的终止节点处的卡警设备编号比较，再与当前读取的有效链路的起始节点处的卡警设备编号比较；并用于当路况周期判断子模块判断为不是当前路况周期时，仅将该过车数据的路口流水号与当前读取的有效链路的起始节点处的卡警设备编号比较；
如果过车数据的路口流水号与有效链路终止节点处的卡警设备编号相同且过车数据的进口道方向与有效链路的路段终止方向相同，则将该过车数据存入该有效链路终止节点过车记录集合；
如果过车数据的路口流水号与有效链路起始节点处的卡警设备编号相同，则将该过车数据存入该有效链路起始节点过车记录集合；
过车数据遍历子模块，用于判断是否遍历所有卡警设备的过车数据，若判断为没有遍历完所有过车数据，则所述过车数据读取子模块读取下一条过车数据。
16.根据权利要求11所述的获取实时路况信息的***，其特征在于，在所述车牌匹配模块中，包括以下子模块：
读取子模块，用于逐条读取有效链路终止节点过车记录；
匹配车牌寻找子模块，用于根据读取的有效链路终止节点过车记录，在有效链路起始节点过车记录中寻找车牌匹配的过车记录；
若所述匹配车牌寻找子模块未寻找到匹配的车牌，读取子模块读取有效链路终止节点的下一条过车记录；
车牌重复判断子模块，用于若所述匹配车牌寻找子模块寻找到匹配的车牌，判断匹配过程中是否有车牌重复匹配的情况；
若没有重复，样本处理模块依据所述车牌匹配的过车记录得到连续通过有效链路的起始节点和终止节点的车辆单样本，计算车辆单样本的区间车速和可信度，并过滤样本可信度低于第一预定阈值的异常样本，读取子模块读取有效链路终止节点的下一条过车记录；
若有重复，取过车时间大的过车记录后，样本处理模块再计算单样本的区间车速和可信度，并过滤可信度低于第一预定阈值的异常样本，读取子模块读取有效链路终止节点的下一条过车记录。
17.根据权利要求11所述的获取实时路况信息的***，其特征在于，所述样本处理模块包括以下子模块：
区间车速计算子模块，用于对所述车牌匹配的连续通过有效链路的起始节点和终止节点的车辆单样本计算区间车速；
样本可信度计算子模块，用于结合车辆类型和车辆行驶特征计算样本可信度；
异常样本过滤子模块，用于过滤可信度低于第一预定阈值的异常样本。
18.根据权利要求11所述的获取实时路况信息的***，其特征在于，所述过车数据接收模块，还包括子模块：
历史过车数据读取判断子模块，用于判断车牌匹配的样本量与总样本量的比率是否达到第二预定阈值，如果没有达到第二预定阈值，则过车数据接收模块读取车牌回溯周期内上一历史周期的历史过车数据以增加样本量。
19.根据权利要求11所述的获取实时路况信息的***，其特征在于，所述多样本融合模块包括以下子模块：
统计子模块，用于根据路况状态判断阈值以及样本的区间车速，统计落在畅通区间中的样本量；
局部样本加权子模块，用于当畅通区间中的样本量与总样本量的比值大于或者等于第三预定阈值时，以样本可信度为权重，将畅通区间中的单样本区间车速加权平均作为多样本融合结果；
全局样本加权子模块，用于当畅通区间中的样本量与总样本量的比值小于第三预定阈值时，以样本可信度为权重，将所有单样本区间车速加权平均作为多样本融合结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410014230.3A CN104715604B (zh) | 2014-01-13 | 2014-01-13 | 获取实时路况信息的方法及其*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410014230.3A CN104715604B (zh) | 2014-01-13 | 2014-01-13 | 获取实时路况信息的方法及其*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104715604A CN104715604A (zh) | 2015-06-17 |
| CN104715604B true CN104715604B (zh) | 2017-02-15 |
Family
ID=53414890
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410014230.3A Active CN104715604B (zh) | 2014-01-13 | 2014-01-13 | 获取实时路况信息的方法及其*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104715604B (zh) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107813821B (zh) * | 2016-09-12 | 2024-05-31 | 北京行易道科技有限公司 | 预警方法及装置 |
| CN107025788B (zh) * | 2017-05-17 | 2020-03-17 | 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 |
| US11029693B2 (en) * | 2017-08-08 | 2021-06-08 | Tusimple, Inc. | Neural network based vehicle dynamics model |
| CN108898833A (zh) * | 2018-07-11 | 2018-11-27 | 贵州交通信息与应急指挥中心 | 一种高速拥堵时空分析方法 |
| CN108847042B (zh) * | 2018-08-24 | 2021-04-02 | 讯飞智元信息科技有限公司 | 一种路况信息发布方法及装置 |
| CN109584553B (zh) * | 2018-11-29 | 2020-09-22 | 浙江海康智联科技有限公司 | 一种基于时空信息的路段关联度缺失补全方法 |
| DE112019005964T5 (de) * | 2018-11-29 | 2021-09-23 | Sumitomo Electric Industries, Ltd. | Verkehrs-Assistenzsystem, Server und Verfahren, fahrzeugmontierte Vorrichtung und Verfahren zum Betreiben derselben, Computerprogramm, Aufzeichnungsmedium, Computer und integrierte Halbleiterschaltung |
| CN110459051B (zh) * | 2019-06-21 | 2020-09-04 | 平安国际智慧城市科技股份有限公司 | 路段特征模型训练方法、装置、终端设备及存储介质 |
| CN112967491A (zh) * | 2019-12-13 | 2021-06-15 | 百度在线网络技术（北京）有限公司 | 路况发布方法和装置、电子设备、存储介质 |
| CN111275975B (zh) * | 2020-02-28 | 2021-04-02 | 清华大学 | 一种交叉口转向流量数据的获取方法、装置和存储介质 |
| CN111754800B (zh) * | 2020-04-13 | 2021-10-15 | 腾讯科技（深圳）有限公司 | 路况信息的获取方法、装置及服务器 |
| CN111680377B (zh) * | 2020-06-11 | 2024-02-09 | 杭州海康威视数字技术股份有限公司 | 一种交通态势仿真方法、***和电子设备 |
| CN111932893B (zh) * | 2020-08-25 | 2022-07-05 | 上海宝康电子控制工程有限公司 | 基于信号与电警数据融合技术实现路段状态研判处理的方法 |
| 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 |
| CN113505788B (zh) * | 2021-06-28 | 2024-02-23 | 杭州海康威视***技术有限公司 | 获取路网信息的方法、装置及存储介质 |
| CN114220259B (zh) * | 2021-08-13 | 2023-02-28 | 苏交科集团股份有限公司 | 一种基于数据融合的高速公路应急控制方法 |
| CN113643541B (zh) * | 2021-09-10 | 2022-10-21 | 杭州海康威视数字技术股份有限公司 | 实时路况的确定方法、装置、设备及存储介质 |
| CN116994441B (zh) * | 2023-09-26 | 2023-12-12 | 北京清创美科环境科技有限公司 | 一种交通流信息数据处理方法及*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2266208A1 (en) * | 1999-03-19 | 2000-09-19 | Wenking Corp. | Remote road traffic data exchange and intelligent vehicle highway system |
| WO2010114161A1 (en) * | 2009-03-31 | 2010-10-07 | Aisin Aw Co., Ltd. | Map data update system, map data update method, computer-readable storage medium storing map data update program |
| CN102968900A (zh) * | 2012-11-15 | 2013-03-13 | 南京城市智能交通有限公司 | 一种对rfid交通数据进行处理的方法 |
| CN103050009A (zh) * | 2013-01-21 | 2013-04-17 | 北京世纪高通科技有限公司 | 一种提供动态交通信息的方法、装置及*** |
| CN103337165A (zh) * | 2013-07-17 | 2013-10-02 | 南京莱斯信息技术股份有限公司 | 基于多用卡口的道路交通状态分析***及分析方法 |
| CN103500504A (zh) * | 2013-09-30 | 2014-01-08 | 同济大学 | 基于rfid数据的城市道路交通参数估计与路况判别方法及应用*** |
-
2014
- 2014-01-13 CN CN201410014230.3A patent/CN104715604B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2266208A1 (en) * | 1999-03-19 | 2000-09-19 | Wenking Corp. | Remote road traffic data exchange and intelligent vehicle highway system |
| WO2010114161A1 (en) * | 2009-03-31 | 2010-10-07 | Aisin Aw Co., Ltd. | Map data update system, map data update method, computer-readable storage medium storing map data update program |
| CN102968900A (zh) * | 2012-11-15 | 2013-03-13 | 南京城市智能交通有限公司 | 一种对rfid交通数据进行处理的方法 |
| CN103050009A (zh) * | 2013-01-21 | 2013-04-17 | 北京世纪高通科技有限公司 | 一种提供动态交通信息的方法、装置及*** |
| CN103337165A (zh) * | 2013-07-17 | 2013-10-02 | 南京莱斯信息技术股份有限公司 | 基于多用卡口的道路交通状态分析***及分析方法 |
| CN103500504A (zh) * | 2013-09-30 | 2014-01-08 | 同济大学 | 基于rfid数据的城市道路交通参数估计与路况判别方法及应用*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104715604A (zh) | 2015-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104715604B (zh) | 获取实时路况信息的方法及其*** | |
| CN107066953B (zh) | 一种面向监控视频的车型识别、跟踪及矫正方法和装置 | |
| CN104504913B (zh) | 视频车流检测方法及装置 | |
| CN106846801A (zh) | 一种基于车辆轨迹的区域徘徊异常行为检测方法 | |
| CN107591002A (zh) | 一种基于分布式光纤的高速公路交通参数实时估计方法 | |
| CN101783074A (zh) | 一种城市道路交通流状态实时判别方法及*** | |
| CN104537841A (zh) | 无牌车辆违章检测方法及其检测*** | |
| CN106023593A (zh) | 一种交通拥堵检测方法和装置 | |
| CN111275975B (zh) | 一种交叉口转向流量数据的获取方法、装置和存储介质 | |
| CN105336166A (zh) | 基于车载蓝牙的交通特征参数提取方法 | |
| Poddar et al. | Automated traffic monitoring system using computer vision | |
| CN107563288A (zh) | 一种***车辆的识别方法和装置 | |
| CN104794906A (zh) | 室外停车场出口车辆管理平台 | |
| CN108229256A (zh) | 一种道路施工检测方法及装置 | |
| CN105374208A (zh) | 路况提醒和摄像头检测方法及其装置 | |
| CN113570864A (zh) | 一种电动自行车行驶路径匹配方法、设备及存储介质 | |
| CN104700630A (zh) | 一种高速公路车流量的监测方法及*** | |
| Abdel-Aty et al. | Using closed-circuit television cameras to analyze traffic safety at intersections based on vehicle key points detection | |
| CN111986483A (zh) | 基于电警数据碰撞实现道路拥堵状态研判处理的方法、装置及存储介质 | |
| Krishnakumar et al. | Detection of vehicle speeding violation using video processing techniques | |
| CN108510754A (zh) | 违规驾驶行为警示装置与方法 | |
| CN114202903A (zh) | 基于dem数据的车辆预警方法、装置、设备及存储介质 | |
| Banerjee et al. | A modern intersection data analytics system for pedestrian and vehicular safety | |
| Cruz et al. | Classified counting and tracking of local vehicles in manila using computer vision | |
| CN114694370A (zh) | 展示路口车流量的方法、装置、计算设备和存储介质 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190606 Address after: 201203 2nd Floor, No. 77-78, 887 Lane, Zuchong Road, Zhangjiang High-tech Park, Pudong New Area, Shanghai Patentee after: Gaodewei Intelligent Traffic System Co., Ltd., Shanghai Address before: 310051 Haikang Science Park Building No.1, 700 Dongliu Road, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: Hangzhou Hikvision Digital Technology Co., Ltd. |
|
| TR01 | Transfer of patent right |