CN106448165B - 一种基于网络约租车数据的路网行程时间可靠性评价方法 - Google Patents
一种基于网络约租车数据的路网行程时间可靠性评价方法 Download PDFInfo
- Publication number
- CN106448165B CN106448165B CN201610946924.XA CN201610946924A CN106448165B CN 106448165 B CN106448165 B CN 106448165B CN 201610946924 A CN201610946924 A CN 201610946924A CN 106448165 B CN106448165 B CN 106448165B
- Authority
- CN
- China
- Prior art keywords
- time
- journey
- traffic zone
- road network
- traffic
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 20
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 title claims description 4
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000003139 buffering effect Effects 0.000 claims abstract description 8
- XNBZPOHDTUWNMW-OUUCXATCSA-N alpha-L-Fucp-(1->2)-[alpha-D-Galp-(1->3)]-D-Galp Chemical compound O[C@H]1[C@H](O)[C@H](O)[C@H](C)O[C@H]1O[C@@H]1[C@@H](O[C@@H]2[C@@H]([C@@H](O)[C@@H](O)[C@@H](CO)O2)O)[C@@H](O)[C@@H](CO)OC1O XNBZPOHDTUWNMW-OUUCXATCSA-N 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于网络约租车数据的路网行程时间可靠性评价方法,其中,路网行程时间可靠性的划分方法为:根据乘客的乘车信息计算旅行时间;计算单个OD对上每次出行的行程时间率;进一步计算反映路网行程时间可靠性的网络缓冲行程时间率指数,即NBTRI。本发明为管理者提供更为有效的管理和控制路网的运行状态的方法,而且能帮助居民更好地规划出行时间,为出行者出行提供必要的信息参考。
Description
技术领域
本发明涉及路网行程时间可靠性指标评价领域,具体是一种基于网络约租车数据的可靠性指标计算方法。
背景技术
城市道路交通***在运行过程中,经常受到随机因素干扰,例如频繁的交通事故、临时性的道路维修与交通管制、突发性的自然灾害(地震、洪水、恶劣天气)等,均会给出行者带来不确定性,极大地降低了交通***运行的可靠性,对城市功能的发挥和城市发展都带来了不良的影响。因此,一个畅通的、可靠的道路交通***不仅是出行者实现出行目的的基础,也是城市交通管理者追求的目标。在此情况下,研究路段、路径、路网多层次行程时间可靠性指标评价方法及具有重要的实践价值。
现有的路网可靠性评价主要有三种方法:基于静态路网的连通性评价、基于行程时间的路网可靠性评价、基于路网容量的路网可靠性评价。
(1)基于静态路网的连通性评价是最简单的,仅考虑路网节点是否连通,车辆能否顺利行驶以及路网的非直线系数等因素,方法本身没有考虑到路网的交通流量和路网的容量限制。
(2)基于行程时间的路网可靠性评价方法中,行程时间是指在一定的交通需求条件下,OD对之间的行程时间小于或等于某一阈值。基于行程时间的路网可靠性分析需要大量的历史数据,从而得到每次出行从起点至终点所需的时间,再引入概率论方法,根据实时的交通运行状态,得到从起点到达终点准时的估计概率。
(3)基于路网容量的路网可靠性评价方法是在一定的服务水平下,路网能够提供一定交通需求的概率。该方法需要考虑影响道路通行能力的因素,如路网结构特征、天气等。
上述评价方法都需要大量的数据作为支持,并且很多方法都涉及到了OD对的数据,很难应用到实际当中。随着智能交通***的发展,应用移动互联网进行智能出行的出行者越来越多,特别是以网络约租车平台为代表的智能出行平台,为路网行程时间可靠性评价提供了丰富可靠的数据来源,从而克服了传统数据采集困难的弊端。
发明内容
本发明是在现有的典型可靠性评价指标的基础上,结合智能出行数据进行改进的指标计算方法,具有更强的适应性。不仅使管理者能更为有效地管理和控制路网的运行状态,而且能为出行者提供必要的出行信息参考。
本发明的目的是通过以下技术方案实现的:一种基于网络约租车数据的路网行程时间可靠性评价方法,包括步骤如下:
(1)通过网络约租车数据平台获取单个乘客的起讫点(OD)坐标、起讫点间旅行距离、上下车时间,并根据上下车时间差计算得到乘客的旅行时间。
(2)计算单个OD对上每次出行的行程时间率,即其中:τijk是从第i个交通小区到第j个交通小区的第k次出行的行程时间率;tijk是从第i个交通小区到第j个交通小区的第k次出行的旅行时间;dijk是从第i个交通小区到第j个交通小区的第k次出行的出行距离。
(3)根据单个OD对上每次出行的行程时间率获得单个OD对上的中位行程时间率τij,50%(即从第i个交通小区到第j个交通小区的中位行程时间率)和第95百分位数的OD间行程时间率τij,95%(即从第i个交通小区到第j个交通小区 的第95百分位数的OD间行程时间率)。进一步获得单个OD对上的缓冲行程时间率指数(Buffer travel time rate index):
(4)获得反映路网行程时间可靠性的网络缓冲行程时间率指数NBTRI。
式中:表示从第i个交通小区到第j个交通小区的权重系数,dijk为从第i个交通小区到第j个交通小区的第k次出行的距离,nij为从第i个交通小区到第j个交通小区总的出行次数。
(5)根据网络缓冲行程时间率指数NBTRI评价路网行程时间可靠性,NBTRI越大,可靠性越低。
进一步的,所述步骤5中,通过如下方法评价路网行程时间可靠性:
等级 | Level1 | Level2 | Level3 | Level4 | Level5 |
NBTRI值 | <0.25 | (0.25,0.5] | (0.5,1] | (1,1.5] | >1.5 |
可靠性划分 | 可靠 | 基本可靠 | 轻度不可靠 | 中度不可靠 | 严重不可靠 |
本发明的有益效果为:交通可靠性指标可以更好地评价区域和城市的交通可靠性,为出行者提供更好的出行规划指导。行程时间率及其他可靠性指标的概念可以为管理者提供更为有效的管理和控制路网的运行状态的方法,而且能帮助居民更好地规划出行时间,为出行者出行提供必要的信息参考。
附图说明
图1为OD点对间的关系示意图;
图2为杭州市BTRI的概率密度函数(PDF)曲线;
图3为杭州市BTRI的累计分布函数(CDF)曲线;
图4~图8分别为不同可靠性等级的BTRI图:
其中:图4在杭州地图上展示Level 1的样本;
图5在杭州地图上展示Level2的样本;
图6在杭州地图上展示Level3的样本;
图7在杭州地图上展示Level4的样本;
图8在杭州地图上展示Level 5的样本。
具体实施方式
本发明是基于国家自然科学基金青年基金项目(51508505)和浙江省自然科学基金杰出青年项目(LR17E080002)的研究,在现有的典型可靠性评价指标的基础上,结合智能出行数据进行改进的一种指标计算方法,具有更强的适应性。本发明涉及的计算方法,既涉及智力活动的规则和方法,又包含技术特征,属于专利保护的客体。该方法不仅使管理者能更为有效地管理和控制路网的运行状态,而且能为出行者提供必要的出行参考信息。
网络缓冲行程时间率指数(Network buffer time rate index,无量纲),简称NBTRI。该指标反映的是网络规划行程时间率占网络行程时间率的比重,即出行者为了保证能准时到达目的地的可能性足够大,预留的出行额外时间占平均出行时间的比重。
下面结合具体实施例对本发明进行进一步描述,但本发明的保护范围并不仅限于此。
实施例1
利用本发明所提出的可靠性指标计算方法,对大数据平台上杭州市出租车 订单数据进行抽样,进行交通可靠性进行评价,步骤如下:
(1)通过网络约租车数据平台获取单个乘客的起讫点(OD)坐标、起讫点间旅行距离、上下车时间,并根据上下车时间差计算得到乘客的旅行时间。
(2)计算单个OD对上每次出行的行程时间率,即其中:τijk是从第i个交通小区到第j个交通小区的第k次出行的行程时间率;tijk是从第i个交通小区到第j个交通小区的第k次出行的旅行时间;dijk是从第i个交通小区到第j个交通小区的第k次出行的出行距离。
(3)根据单个OD对上每次出行的行程时间率获得单个OD对上的中位行程时间率τij,50%(即从第i个交通小区到第j个交通小区的中位行程时间率)和第95百分位数的OD间行程时间率τij,95%(即从第i个交通小区到第j个交通小区的第95百分位数的OD间行程时间率)。进一步获得单个OD对上的缓冲行程时间率指数(Buffer travel time rate index):
绘制其PDF和CDF曲线分别如图3、图4所示:
(4)获得反映路网行程时间可靠性的网络缓冲行程时间率指数NBTRI。
式中:表示从第i个交通小区到第j个交通小区的权重系数,dijk为从第i个交通小区到第j个交通小区的第k次出行的距离,nij为从第i个交通小区到第j个交通小区总的出行次数。
(5)根据网络缓冲行程时间率指数NBTRI评价路网行程时间可靠性,NBTRI越大,可靠性越低。可以判断出杭州的可靠性为轻度不可靠。
实施例2
随机抽取OD对样本中的100个样本,按照实施例1的步骤1-3,分别计算各个OD对的BTRI值,将BTRI值按照下表分为五个等级。
划分结果如表1-表5所示:
表1-Level1
表2-Level2
表3-Level3
表4-Level4
表5-Level5
同理,将划分出的5个等级的样本在杭州地图上展示,分别如图4-8所示。
先抽取出Level5中行程数最大的404条OD对进行分析,进行实际车辆的运行来检测实际的旅行时间,发现在一天不同时间段中运行,车辆的实际旅行时间相差很多,标准差为45.90。可以证明这些路段的可靠性极低。
另外抽出Level1中程数最大的45条OD对进行分析,进行实际车辆的运行来检测实际的旅行时间,发现在一天不同时间段中运行,车辆的实际旅行时间相差无几,标准差为3.85,可以证明这些路段的可靠性较高。
由此得出本发明提出的可靠性评价方法能很好地反映出城市的交通状态并符合自然规律。因此,本发明提出的交通可靠性的评价方法能为管理者提供更为有效的管理和控制路网的运行状态的方法,而且能帮助居民更好地规划出行时间,为出行者出行提供必要的信息参考。
Claims (2)
1.一种基于网络约租车数据的路网行程时间可靠性评价方法,其特征在于,包括步骤如下:
(1)通过网络约租车数据平台获取单个乘客的起讫点OD坐标、起讫点间旅行距离、上下车时间,并根据上下车时间差计算得到乘客的旅行时间;
(2)计算单个OD对上每次出行的行程时间率,即其中:τijk是从第i个交通小区到第j个交通小区的第k次出行的行程时间率;tijk是从第i个交通小区到第j个交通小区的第k次出行的旅行时间;dijk是从第i个交通小区到第j个交通小区的第k次出行的出行距离;
(3)根据单个OD对上每次出行的行程时间率获得单个OD对上的中位行程时间率τij,50%和第95百分位数的OD间行程时间率τij,95%;所述的中位行程时间率τij,50%为从第i个交通小区到第j个交通小区的中位行程时间率,所述的第95百分位数的OD间行程时间率τij,95%为从第i个交通小区到第j个交通小区的第95百分位数的OD间行程时间率;进一步获得单个OD对上的缓冲行程时间率指数:
(4)获得反映路网行程时间可靠性的网络缓冲行程时间率指数NBTRI:
式中:表示从第i个交通小区到第j个交通小区的权重系数,dijk为从第i个交通小区到第j个交通小区的第k次出行的行程距离,nij为从第i个交通小区到第j个交通小区总的出行次数;
(5)根据网络缓冲行程时间率指数NBTRI评价路网行程时间可靠性,NBTRI越大,可靠性越低。
2.根据权利要求1所述的路网行程时间可靠性评价方法,其特征在于,所述步骤(5)中,通过如下方法评价路网行程时间可靠性:NBTRI值<0.25为可靠,0.25<NBTRI≤0.5为基本可靠,0.5<NBTRI≤1为轻度不可靠,1<NBTRI≤1.5为中度不可靠,NBTRI>1.5为严重不可靠。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610946924.XA CN106448165B (zh) | 2016-11-02 | 2016-11-02 | 一种基于网络约租车数据的路网行程时间可靠性评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610946924.XA CN106448165B (zh) | 2016-11-02 | 2016-11-02 | 一种基于网络约租车数据的路网行程时间可靠性评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106448165A CN106448165A (zh) | 2017-02-22 |
CN106448165B true CN106448165B (zh) | 2018-11-13 |
Family
ID=58178574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610946924.XA Active CN106448165B (zh) | 2016-11-02 | 2016-11-02 | 一种基于网络约租车数据的路网行程时间可靠性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106448165B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960572B (zh) * | 2017-04-05 | 2019-04-23 | 大连交通大学 | 一种基于延迟时间系数的高速公路行程时间可靠性计算方法 |
CN108681717B (zh) * | 2018-05-18 | 2021-12-07 | 贵州云腾志远科技发展有限公司 | 城市级交通视频检测设备质量检测方法 |
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 |
CN109637143B (zh) * | 2019-01-22 | 2021-06-11 | 江苏智通交通科技有限公司 | 改进的行程时间可靠性分析方法 |
CN110083801B (zh) * | 2019-04-12 | 2023-05-12 | 江苏智通交通科技有限公司 | 基于稳健统计的od行程时间可靠性估计方法与*** |
CN110264787B (zh) * | 2019-06-17 | 2022-07-15 | 南京航空航天大学 | 一种航班航路飞行时间可靠性评价方法及*** |
CN113869549A (zh) * | 2021-08-18 | 2021-12-31 | 北京航空航天大学 | 一种基于小区的网络出行可靠性评价及预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP5374067B2 (ja) * | 2008-04-21 | 2013-12-25 | 株式会社豊田中央研究所 | 交通状態シミュレーション装置及びプログラム |
CN105702073A (zh) * | 2016-04-13 | 2016-06-22 | 徐亚国 | 一种基于路网决策点行程时间索引值的动态转向导航方法 |
-
2016
- 2016-11-02 CN CN201610946924.XA patent/CN106448165B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP5374067B2 (ja) * | 2008-04-21 | 2013-12-25 | 株式会社豊田中央研究所 | 交通状態シミュレーション装置及びプログラム |
CN105702073A (zh) * | 2016-04-13 | 2016-06-22 | 徐亚国 | 一种基于路网决策点行程时间索引值的动态转向导航方法 |
Non-Patent Citations (1)
Title |
---|
基于浮动车数据的行程时间可靠度特征研究;陈小鸿等;《城市交通》;20070930;第5卷(第5期);第42-45页,第37页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106448165A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106448165B (zh) | 一种基于网络约租车数据的路网行程时间可靠性评价方法 | |
CN104700617B (zh) | 基于低精度gps轨迹数据的高精度车道信息提取方法 | |
CN105788260B (zh) | 一种基于智能公交***数据的公交乘客od推算方法 | |
US20170091350A1 (en) | Near real-time modeling of pollution dispersion | |
CN102521965B (zh) | 基于车牌识别数据的交通需求管理措施效果评价方法 | |
Wang et al. | Macrolevel model development for safety assessment of road network structures | |
CN110111574B (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
CN106971534A (zh) | 基于号牌数据的通勤出行特征分析方法 | |
CN103198104A (zh) | 一种基于城市智能公交***的公交站点od获取方法 | |
CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
CN104809112A (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN105825669A (zh) | 一种识别城市快速路交通瓶颈的***和方法 | |
WO2023109720A1 (zh) | 城市公共交通规划方法 | |
CN104574968B (zh) | 一种临界交通状态参数的确定方法 | |
CN110197335A (zh) | 一种基于概率od分布模型的下车站点人数计算方法 | |
CN103824450B (zh) | 基于交通状态规则的大型活动专用行车线路规划方法 | |
CN103049829B (zh) | 城乡客运线网与枢纽场站一体化融合方法 | |
CN108537391A (zh) | 一种基于出租车轨迹数据的出租车停靠站设置优化方法 | |
CN109191849A (zh) | 一种基于多源数据特征提取的交通拥堵持续时间预测方法 | |
CN113837446B (zh) | 一种基于多源异构数据的机场陆侧区域交通态势预测方法 | |
CN106651728A (zh) | 一种综合运输体系客运方式优势运距的确定方法 | |
CN106023592A (zh) | 一种基于gps数据的交通拥堵检测方法 | |
CN113066285A (zh) | 一种路况信息确定方法、装置、电子设备及存储介质 | |
CN105547310A (zh) | 一种基于pm2.5健康出行的路径规划装置及方法 | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |