CN106887138A - 一种堵车蔓延态势侦测方法与*** - Google Patents
一种堵车蔓延态势侦测方法与*** Download PDFInfo
- Publication number
- CN106887138A CN106887138A CN201510941064.6A CN201510941064A CN106887138A CN 106887138 A CN106887138 A CN 106887138A CN 201510941064 A CN201510941064 A CN 201510941064A CN 106887138 A CN106887138 A CN 106887138A
- Authority
- CN
- China
- Prior art keywords
- road
- traffic congestion
- gps data
- detecting
- vehicle
- 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
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
- G08G1/0133—Traffic data processing for classifying traffic situation
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请公开了一种堵车蔓延态势侦测方法,包括:预处理机动车GPS数据文件,将所述机动车GPS数据文件依据车辆唯一身份标识抽取该机动车的GPS数据并单独保存;依据城市道路之间的拓扑关系将预处理后的GPS数据映射到城市道路上;统计每条道路单位时刻的平均速度并判断堵车等级;依据统计出的城市道路堵车等级侦测堵车蔓延态势,解决了现有技术中城市道路堵车蔓延态势侦测无法在时间与空间连续侦测,且需人工统计数据的缺陷。本申请还公开了一种堵车蔓延态势侦测***。
Description
技术领域
本申请涉及智能交通领域,尤其涉及一种堵车蔓延态势侦测方法与***。
背景技术
近年来,工业化进程加快和汽车数量的急剧增长,导致道路里程和汽车的增长速度失衡,出现了一系列的交通问题,最直接的问题就是城市道路严重堵塞、路网通行能力下降、车辆行驶缓慢、交通事故频发,这些导致了城市居民的出行舒适度的下降和出行困难。
车辆路线诱导***是解决目前各大城市普遍存在的交通拥堵等问题的行之有效方法。堵车蔓延态势侦测作为诱导***的重要研究内容,可以更准确的反映道路交通状态,为出行者提供实时的交通诱导服务,使其避开交通拥挤路段,为其在从起点到终点的出行过程提供实时帮助,使整个出行过程舒适、便利、高效;也可以分析道路上的交通流运行状态,控制交通流,反馈数据作为交叉口信号协同控制的依据,及时疏导过往车辆,缩短出行时间,减少损失,保证交通的安全畅通。
对于堵车蔓延态势侦测的研究,现有的研究方法采用:在对实测数据和模拟数据分析的基础上,对常发性拥挤和偶发性拥挤的时空扩散规律进行分析,比较二者不同的扩散特性;对交通拥挤扩散规律分析的基础上,提出基于固定型检测器的拥挤估计模型,对拥挤的时空扩散范围进行实时估计,为交通拥挤的快速疏散提供支持;在对交通拥挤扩散规律分析的基础上,提出基于移动型检测器的拥挤估计模型,对拥挤的时空扩散范围进行实时估计,并与基于固定型检测器的拥挤估计模型进行比较分析,比较二者在描述交通拥挤扩散规律和实时估计时的有效性。但是,该方法局限在于:智能建立在某一条道路的速度检测上,而无法覆盖全部城市道路;且需要人工统计数据,也无法侦测实时数据,要么只考虑空间上的连续性,或者只考虑时间上的连续性。
发明内容
本申请实施例提供一种堵车蔓延态势侦测方法与***,用以解决现有技术中无法实时侦测全市道路车流蔓延数据、且需要人工统计数据的问题。
本申请实施例采用下述技术方案:
一种堵车蔓延态势侦测方法,包括:预处理机动车GPS数据文件,将所述机动车GPS数据文件依据车辆唯一身份标识抽取该机动车的GPS数据并单独保存;依据城市道路之间的拓扑关系将预处理后的GPS数据映射到城市道路上;统计每条道路单位时刻的平均速度并判断堵车等级;依据统计出的城市道路堵车等级侦测堵车蔓延态势。
一种堵车蔓延态势侦测***,包括:预处理单元,用于预处理机动车GPS数据文件,将所述机动车GPS数据文件依据车辆唯一身份标识抽取该机动车的GPS数据并单独保存;匹配单元,用于依据城市道路之间的拓扑关系将预处理后的GPS数据映射到城市道路上;统计单元,用于统计每条道路单位时刻的平均速度并判断堵车等级;侦测单元,用于依据统计出的城市道路堵车等级侦测堵车蔓延态势。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:将机动车GPS数据和城市道路数据综合起来应用到堵车蔓延态势检测,实现了时间上的连续和空间上的连续,且无需人工来统计数据。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例一提供的堵车蔓延态势侦测方法流程图;
图2为本申请实施例二提供的堵车蔓延态势侦测***示意图;
图3为本申请GPS数据与城市道路映射方法的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
互联网的快速发展,使电视这一传统行业不再局限于电视台的播放内容,随着各种电视盒的普及,电视作为智能家居的一部分已经完全融入互联网,用户可以随意选择观看自己喜好的节目内容,改变了电视台播放什么用户就看什么的传统模式。
实施例1
图1为本申请实施例1提供的堵车蔓延态势侦测方法的流程图,本案通过处理城市出租车GPS数据,再将GPS数据映射到城市道路上并以此来侦测堵车蔓延态势。包括以下步骤:
S11:预处理出租车GPS数据文件。
本步骤所述出租车GPS数据文件为全市出租车GPS数据,以深圳市为例,一般全市每天的出租车GPS数据源文件存储在服务器的一个文件中。
本步骤是指将一个文件中的GPS数据源文件依据某一唯一身份标识进行分类抽取并单独保存,所述唯一身份标识为车牌号。同时,删除不必要的字段数据,比如设备号、报警类型、车辆状态、车牌颜色等数据内容。GPS源文件数据如表1所示,包括车牌号、经度、纬度、汇报时间、设备号、速度、方向、定位状态、报警类型、SIM***、车辆状态、车牌颜色等。其中号牌号码表示前述出租车的车牌号;经度和维度分别为该租车当前所处的经纬度(标准为World Geodetic System 1984,单位度);汇报时间表示出租车上传数据的时间;设备号为出租车定位仪编号;速度为该出租车上传数据时的瞬时速度(单位Km/h);方向表示该出租车车身为正北方向顺时针的角度(单位度);定位状态表示是否定位,若定位状态为0,则说明该车在上传数据时无法定位,该数据无效,应删除该条数据;SIM***表示通讯***身份识别代码;车辆状态表示该出租车是否载客;车牌颜色可分为黄、黑、蓝、白。
表1
GPS数据源文件依据本步骤依据车牌号为唯一标识进行分类抽取后得到的数据内容如表2所示,即依据车牌号这一唯一身份标识分类抽取GPS数据单独保存,并删除无用的数据内容后的GPS数据,删除的无用数据内容包括设备号、定位状态、报警类型、SIM***、车牌颜色。
牌照 | 汇报时间 | 车辆状态 | 速度 | 方向 | 经度 | 纬度 |
STRING | DATETIME | NUMBER | NUMBER | NUMBER | NUMBER | NUMBER |
粤BV9N68 | 2014/12/70:06 | 1 | 78 | 89 | 113.967484 | 22.557568 |
表2
需要说明的是,本申请中的唯一身份标识不限于车牌号、还可以是SIM***、或其他唯一身份标识中的至少一个。所述GPS数据源文件也不限于城市出租车的GPS数据源文件,也可以是私家车的GPS数据源文件,当然,并非所有私家车均装有定位装置,但是可以预计的未来,不排除私家车同样均上传GPS源文件数据的可能性。
S12:依据城市道路之间的拓扑关系将预处理后的GPS数据映射到城市道路上。
本步骤是指依据城市道路之间的空间拓扑关系、及GPS数据所确定的经纬度与车辆前进方向进行匹配,并计算出当前车辆GPS定位数据的匹配点。
如图3所示,P0表示待匹配的定位点,L1,L2,L3表示定位点P0附近的路段,从点P0向所有路段作投影,计算P0点到各路段的距离di及车辆行驶方向与相应路段间的夹角θi,根据以下公式计算各候选路段的度量值:λi=Wddi+Wθθi其中,Wd、Wθ分别为距离和方向的权值。在所有候选路段中选取最小度量值λi所对应的路段作为匹配路段,即认为车辆在该路段上行驶。
S13:统计每条道路单位时刻的平均速度并判断堵车等级。
本步骤首先依次遍历全市每条道路,计算该道路上出租车i行驶的距离Si和历时ti,依据以下公式来统计每条道路上某单位时刻的平均速度
再依据所述计算出的平均速度判断堵车等级:
若2公里范围内,平均车速低于30km/h,高于25km/h,一条车道排队通过车辆高于30辆,低于50辆,定义为一般性堵车;
若2公里范围内,平均车速低于25km/h,高于20km/h,一条车道排队通过车辆高于50辆,低于80辆,定义为较为堵车;
若2公里范围内,平均车速低于20km/h,高于15km/h,一条车道排队通过车辆高于80辆,低于120辆,定义为严重性堵车;
若2公里范围内,平均车速低于15km/h,一条车道排队通过车辆高于120辆,定义为绝对堵车。
S14:依据统计出的城市道路堵车等级侦测堵车蔓延态势。
本步骤依据以下子步骤进行:
S141:先依据两条堵车道路是否有连接点来判断这两条道路在T+Δt内是否连接,并将可以连接的堵车道路构成一个联通子图,两条堵车道路的堵车等级可以相同或不相同;
S142:判断T+Δt的所有堵车联通子图与T+2Δt的所有联通子图是否有交点,若存在交点,则将这两个联通子图叠加,否则认为是一次堵车蔓延事件。
S143:重复步骤S142直到需要判断的那一刻结束,从而侦测出一天内所有的堵车蔓延事件。
本申请堵车蔓延态势侦测方法将出租车或私家车GPS数据和城市道路数据综合起来应用到堵车蔓延态势检测,实现了时间上的连续和空间上的连续,且无需人工来统计数据。
实施例2
图2为本申请实施例2提供的堵车蔓延态势侦测***的示意图,主要是指通过处理城市出租车GPS数据,再将GPS数据映射到城市道路上并以此来侦测堵车蔓延态势。具体包括:
预处理单元21,用于预处理出租车GPS数据文件;
匹配单元22,用于依据城市道路之间的拓扑关系将预处理后的GPS数据映射到城市道路上;
统计单元203,用于统计每条道路单位时刻的平均速度并判断堵车等级;
侦测单元204,用于依据统计出的城市道路堵车等级侦测堵车蔓延态势。
所述预处理单元21中所述出租车GPS数据文件为全市出租车GPS数据,以深圳市为例,一般全市每天的出租车GPS数据源文件存储在服务器的一个文件中。
所述预处理单元21是指将一个文件中的GPS数据源文件依据某一唯一身份标识进行分类抽取并单独保存,所述唯一身份标识为车牌号。同时,删除不必要的字段数据,比如设备号、报警类型、车辆状态、车牌颜色等数据内容。GPS源文件数据如表1所示,包括车牌号、经度、纬度、汇报时间、设备号、速度、方向、定位状态、报警类型、SIM***、车辆状态、车牌颜色等。其中号牌号码表示前述出租车的车牌号;经度和维度分别为该租车当前所处的经纬度(标准为World Geodetic System 1984,单位度);汇报时间表示出租车上传数据的时间;设备号为出租车定位仪编号;速度为该出租车上传数据时的瞬时速度(单位Km/h);方向表示该出租车车身为正北方向顺时针的角度(单位度);定位状态表示是否定位,若定位状态为0,则说明该车在上传数据时无法定位,该数据无效,应删除该条数据;SIM***表示通讯***身份识别代码;车辆状态表示该出租车是否载客;车牌颜色可分为黄、黑、蓝、白。
GPS数据源文件依据本步骤依据车牌号为唯一标识进行分类抽取后得到的数据内容如表2所示,即依据车牌号这一唯一身份标识分类抽取GPS数据单独保存,并删除无用的数据内容后的GPS数据,删除的无用数据内容包括设备号、定位状态、报警类型、SIM***、车牌颜色。
需要说明的是,本申请中的唯一身份标识不限于车牌号、还可以是SIM***、或其他唯一身份标识中的至少一个。所述GPS数据源文件也不限于城市出租车的GPS数据源文件,也可以是私家车的GPS数据源文件,当然,并非所有私家车均装有定位装置,但是可以预计的未来,不排除私家车同样均上传GPS源文件数据的可能性。所以,本申请可将出租车或私家车统称为机动车。
所述匹配单元22是指依据城市道路之间的空间拓扑关系、及GPS数据所确定的经纬度与车辆前进方向进行匹配,并计算出当前车辆GPS定位数据的匹配点。
如图3所示,P0表示待匹配的定位点,L1,L2,L3表示定位点P0附近的路段,从点P0向所有路段作投影,计算P0点到各路段的距离di及车辆行驶方向与相应路段间的夹角θi,根据以下公式计算各候选路段的度量值:λi=Wddi+Wθθi其中,Wd、Wθ分别为距离和方向的权值。在所有候选路段中选取最小度量值λi所对应的路段作为匹配路段,即认为车辆在该路段上行驶。
所述统计单元23首先依次遍历全市每条道路,计算该道路上出租车i行驶的距离Si和历时ti,依据以下公式来统计每条道路上某单位时刻的平均速度
再依据所述计算出的平均速度判断堵车等级:
若2公里范围内,平均车速低于30km/h,高于25km/h,一条车道排队通过车辆高于30辆,低于50辆,定义为一般性堵车;
若2公里范围内,平均车速低于25km/h,高于20km/h,一条车道排队通过车辆高于50辆,低于80辆,定义为较为堵车;
若2公里范围内,平均车速低于20km/h,高于15km/h,一条车道排队通过车辆高于80辆,低于120辆,定义为严重性堵车;
若2公里范围内,平均车速低于15km/h,一条车道排队通过车辆高于120辆,定义为绝对堵车。
所述侦测单元24先依据两条堵车道路是否有连接点来判断这两条道路在T+Δt内是否连接,并将可以连接的堵车道路构成一个联通子图,两条堵车道路的堵车等级可以相同或不相同;
随后判断T+Δt的所有堵车联通子图与T+2Δt的所有联通子图是否有交点,若存在交点,则将这两个联通子图叠加,否则认为是一次堵车蔓延事件;
重复判断T+Δt的所有堵车联通子图与T+2Δt的所有联通子图是否有交点,若存在交点,则将这两个联通子图叠加,直到需要判断的那一刻结束,从而侦测出一天内所有的堵车蔓延事件。
本申请堵车蔓延态势侦测***将出租车或私家车GPS数据和城市道路数据综合起来应用到堵车蔓延态势检测,实现了时间上的连续和空间上的连续,且无需人工来统计数据。
需要说明的是,实施例一所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程对象聚类设备的处理器以产生一个机器,使得通过计算机或其他可编程对象聚类设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程对象聚类设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程对象聚类设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种堵车蔓延态势侦测方法,其特征在于,包括:
预处理机动车GPS数据文件,将所述机动车GPS数据文件依据车辆唯一身份标识抽取该机动车的GPS数据并单独保存;
依据城市道路之间的拓扑关系将预处理后的GPS数据映射到城市道路上;
统计每条道路单位时刻的平均速度并判断堵车等级;
依据统计出的城市道路堵车等级侦测堵车蔓延态势。
2.如权利要求1所述的方法,其特征在于,所述车辆唯一身份标识是车牌号或SIM***中的至少一种,预处理机动车GPS数据文件还包括:
删除无用的GPS数据内容,保留有用的数据内容,所述有用的数据内容包括车牌号或SIM***、经度、纬度、汇报时间、速度、方向。
3.如权利要求2所述的方法,其特征在于,依据城市道路之间的拓扑关系将预处理后的GPS数据映射到城市道路上,包括:
依据经纬度确定的定位点计算该定位点到各候选路段的投影距离di与车辆行驶方向与各候选路段之间的夹角θi;
依据公式λi=Wddi+Wθθi计算出各候选路段的度量值λi,,选取度量值最小的候选路段作为匹配路段,其中Wd、Wθ分别为距离和方向的权值。
4.如权利要求1或3任一项所述的方法,其特征在于,统计每条道路单位时刻的平均速度并判断堵车等级,包括:
依次遍历每条道路,计算该道路上机动车i行驶的距离Si和历时ti,依据以下公式来统计每条道路上某单位时刻的平均速度
再依据所述计算出的平均速度判断堵车等级。
5.如权利要求4所述的方法,其特征在于,依据统计出的城市道路堵车等级侦测堵车蔓延态势,包括:
依据两条堵车道路是否有连接点来判断这两条道路在T+Δt内是否连接,并将可以连接的堵车道路构成一个联通子图;
判断T+Δt的所有堵车联通子图与T+2Δt的所有联通子图是否有交点,若存在交点,则将这两个联通子图叠加,否则认为是一次堵车蔓延事件;
重复判断T+Δt的所有堵车联通子图与T+2Δt的所有联通子图是否有交点,若存在交点,则将这两个联通子图叠加,直到需要判断的那一刻结束。
6.一种堵车蔓延态势侦测***,其特征在于,包括:
预处理单元,用于预处理机动车GPS数据文件,将所述机动车GPS数据文件依据车辆唯一身份标识抽取该机动车的GPS数据并单独保存;
匹配单元,用于依据城市道路之间的拓扑关系将预处理后的GPS数据映射到城市道路上;
统计单元,用于统计每条道路单位时刻的平均速度并判断堵车等级;
侦测单元,用于依据统计出的城市道路堵车等级侦测堵车蔓延态势。
7.如权利要求6所述的***,其特征在于,所述车辆唯一身份标识是车牌号或SIM***中的至少一种,所述预处理单元用于预处理机动车GPS数据文件,还包括:
删除无用的GPS数据内容,保留有用的数据内容,所述有用的数据内容包括车牌号或SIM***、经度、纬度、汇报时间、速度、方向。
8.如权利要求7所述的***,其特征在于,所述匹配单元用于依据城市道路之间的拓扑关系将预处理后的GPS数据映射到城市道路上,包括:
依据经纬度确定的定位点计算该定位点到各候选路段的投影距离di与车辆行驶方向与各候选路段之间的夹角θi;
依据公式λi=Wddi+Wθθi计算出各候选路段的度量值λi,,选取度量值最小的候选路段作为匹配路段,其中Wd、Wθ分别为距离和方向的权值。
9.如权利要求6或8任一项所述的***,其特征在于,所述统计单元用于统计每条道路单位时刻的平均速度并判断堵车等级,包括:
依次遍历每条道路,计算该道路上机动车i行驶的距离Si和历时ti,依据以下公式来统计每条道路上某单位时刻的平均速度
再依据所述计算出的平均速度判断堵车等级。
10.如权利要求9所述的***,其特征在于,所述侦测单元用于依据统计出的城市道路堵车等级侦测堵车蔓延态势,包括:
依据两条堵车道路是否有连接点来判断这两条道路在T+Δt内是否连接,并将可以连接的堵车道路构成一个联通子图;
判断T+Δt的所有堵车联通子图与T+2Δt的所有联通子图是否有交点,若存在交点,则将这两个联通子图叠加,否则认为是一次堵车蔓延事件;
重复判断T+Δt的所有堵车联通子图与T+2Δt的所有联通子图是否有交点,若存在交点,则将这两个联通子图叠加,直到需要判断的那一刻结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510941064.6A CN106887138B (zh) | 2015-12-16 | 2015-12-16 | 一种堵车蔓延态势侦测方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510941064.6A CN106887138B (zh) | 2015-12-16 | 2015-12-16 | 一种堵车蔓延态势侦测方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106887138A true CN106887138A (zh) | 2017-06-23 |
CN106887138B CN106887138B (zh) | 2019-11-05 |
Family
ID=59174753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510941064.6A Active CN106887138B (zh) | 2015-12-16 | 2015-12-16 | 一种堵车蔓延态势侦测方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106887138B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108335483A (zh) * | 2017-12-25 | 2018-07-27 | 深圳先进技术研究院 | 交通拥堵扩散路径的推断方法及其*** |
CN109035777A (zh) * | 2018-08-23 | 2018-12-18 | 河南中裕广恒科技股份有限公司 | 交通运行态势分析方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070039362A1 (en) * | 2005-08-17 | 2007-02-22 | Macura Dragan M | Progressive digestion process for producing fertilizer |
CN102231235A (zh) * | 2011-04-29 | 2011-11-02 | 陈伟 | 一种交通流异常点检测定位方法 |
CN103065468A (zh) * | 2012-12-14 | 2013-04-24 | 中国航天***工程有限公司 | 交通信息的评估方法和装置 |
CN103488893A (zh) * | 2013-09-23 | 2014-01-01 | 北京交通发展研究中心 | 一种桥下积水导致的交通拥堵蔓延预测技术方案 |
CN105070056A (zh) * | 2015-07-23 | 2015-11-18 | 合肥革绿信息科技有限公司 | 一种基于浮动车的交叉***通拥堵指数计算方法 |
-
2015
- 2015-12-16 CN CN201510941064.6A patent/CN106887138B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070039362A1 (en) * | 2005-08-17 | 2007-02-22 | Macura Dragan M | Progressive digestion process for producing fertilizer |
CN102231235A (zh) * | 2011-04-29 | 2011-11-02 | 陈伟 | 一种交通流异常点检测定位方法 |
CN103065468A (zh) * | 2012-12-14 | 2013-04-24 | 中国航天***工程有限公司 | 交通信息的评估方法和装置 |
CN103488893A (zh) * | 2013-09-23 | 2014-01-01 | 北京交通发展研究中心 | 一种桥下积水导致的交通拥堵蔓延预测技术方案 |
CN105070056A (zh) * | 2015-07-23 | 2015-11-18 | 合肥革绿信息科技有限公司 | 一种基于浮动车的交叉***通拥堵指数计算方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108335483A (zh) * | 2017-12-25 | 2018-07-27 | 深圳先进技术研究院 | 交通拥堵扩散路径的推断方法及其*** |
CN109035777A (zh) * | 2018-08-23 | 2018-12-18 | 河南中裕广恒科技股份有限公司 | 交通运行态势分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN106887138B (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
CN112017447B (zh) | 一种基于gps位置信息判定车辆逆行违规的方法及*** | |
US20190180610A1 (en) | Vehicle type identification method and device based on mobile phone data | |
Zear et al. | Intelligent transport system: A progressive review | |
CN110060484B (zh) | 一种基于区块链的公路客运违章实时预警***及方法 | |
CN112069888B (zh) | 车辆排查方法、***及其路侧设备、车载设备、手持终端 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
Al Mamun et al. | An intelligent smartphone based approach using IoT for ensuring safe driving | |
Dogru et al. | Traffic accident detection by using machine learning methods | |
Liu et al. | Evaluation of floating car technologies for travel time estimation | |
CN109859505B (zh) | 高速站点的预警处理方法、装置、服务器和介质 | |
CN202996022U (zh) | 采用蓝牙技术的交通状态感知*** | |
Habtie et al. | Artificial neural network based real-time urban road traffic state estimation framework | |
CN104408920A (zh) | 基于卡口通行信息判断长途客运车辆交通违法行为的方法 | |
CN109410576A (zh) | 多源数据融合的路况分析方法、装置、存储介质及*** | |
CN103956065A (zh) | 一种交通工具管理*** | |
CN103914979A (zh) | 采用蓝牙技术的交通状态感知***及其感知方法 | |
CN114997493A (zh) | 一种高速公路车辆碳排放量预测方法及*** | |
CN106887138A (zh) | 一种堵车蔓延态势侦测方法与*** | |
Wang et al. | Estimating control delays at signalised intersections using low‐resolution transit bus‐based global positioning system data | |
CN104217591A (zh) | 动态路况检测方法及*** | |
Aoki et al. | An early event detection technique with bus GPS data | |
Montero et al. | Case study on cooperative car data for estimating traffic states in an urban network | |
CN103900553A (zh) | 区域地图记录方法和*** | |
CN115641721B (zh) | 多来源交通流指标融合及基于融合指标的路况计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |