CN108281000A - 一种数据驱动的突发事件对区域路网影响分析***及方法 - Google Patents

一种数据驱动的突发事件对区域路网影响分析***及方法 Download PDF

Info

Publication number
CN108281000A
CN108281000A CN201810111309.6A CN201810111309A CN108281000A CN 108281000 A CN108281000 A CN 108281000A CN 201810111309 A CN201810111309 A CN 201810111309A CN 108281000 A CN108281000 A CN 108281000A
Authority
CN
China
Prior art keywords
index
road network
accident
section
calculation formula
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
Application number
CN201810111309.6A
Other languages
English (en)
Other versions
CN108281000B (zh
Inventor
杨珍珍
高自友
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201810111309.6A priority Critical patent/CN108281000B/zh
Publication of CN108281000A publication Critical patent/CN108281000A/zh
Application granted granted Critical
Publication of CN108281000B publication Critical patent/CN108281000B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种数据驱动的突发事件对区域路网影响分析***及方法，该***包括：采集模块、提取模块、第一计算模块、第二计算模块、第三计算模块、第四计算模块。本发明提出的一种数据驱动的突发事件对区域路网影响分析***及方法，能够有效分析突发事件对区域路网的影响程度。该分析方法和***不仅能够为交通运输部门管理突发事件提供辅助决策依据，提高事件处理效率，还能够为出行者合理安排出行提供参考。该方法能够应用到各种突发事件分析中，例如，事故、地震、山体滑坡、洪水、暴雪等对区域路网的影响分析。

Description

一种数据驱动的突发事件对区域路网影响分析***及方法
技术领域
本发明涉及区域路网分析技术领域。更具体地，涉及一种数据驱动的突发事件对区域路网影响分析***及方法。
背景技术
交通路网中的突发事件,包括暴雨、大雪、洪水、冰冻、泥石流、山体滑坡等恶劣天气自然灾害，以及车辆碰撞追尾、货物洒落、隧道起火等交通事故。突发事件常常会引起道路通行能力下降，导致交通拥堵或中断，严重情况下甚至会导致整个路网的交通瘫痪。在重特大交通事故及灾害情况下，及时准确地定位和监测突发事件对区域路网的影响，能够为交通运输部门管理交通事件提供辅助决策依据，提高事件处理效率，同时也可以为出行者合理安排出行提供参考，将灾害降低到最小，减少生命和财产的损失。
随着交通智能化与信息化的推进，海量交通数据的记录、存储及提取已经不再是一个难题，对于海量的数据，基于模型的方法面临参数多、模型结构复杂等问题，基于数据驱动的方法无需建立模型，仅寻找数据间的内在联系机制即可，分析评估简单高效，因此，需要提供一种基于数据驱动的突发事件对区域路网的影响分析***及方法。
发明内容
为达到上述目的，本发明一个方面提供一种数据驱动的突发事件对区域路网影响分析***，包括：
采集模块，采集所有区域路网范围和对应各区域路网各时间段内的历史数据；
提取模块，根据突发事件发生位置以及时间，提取对应区域路网范围内对应时间段的历史数据；
第一计算模块，计算突发事件后的时间段内对应的区域路网内的通行指数；
第二计算模块，计算突发事件后的时间段内对应的区域路网内的流量变化指数；
第三计算模块，计算突发事件后的时间段内对应的区域路网内的拥堵时长变化指数；
第四计算模块，计算突发事件后的时间段内对应的区域路网内的拥堵变化指数。
优选地，所述***还包括判断模块，所述判断模块根据所述第一计算模块计算的通行指数确定对应区域路网内每个路段为阻断路段、绕行路段或者正常路段；
其中，所述每个路段的通行指数计算公式为：
所述判断模块被配置为：当所述通行指数小于第一预设判断值，该路段被判断为阻断路段，当所述通行指数大于第二预设判断值，该路段被判断为绕行路段，当所述通行指数在所述第一预设判断值和第二预设判断值之间，该路段被判断为正常路段；
所述区域路网整体的通行指数的计算公式为：
优选地，所述每个时间段的流量变化指数的计算公式为：
提取的时间段内的整体流量变化指数的计算公式为：
优选地，所述拥堵时长的计算公式为
提取的各路段的拥堵时长变化指数的计算公式为：
所述区域路网整体的拥堵时长变化指数的计算公式为
所述拥堵指数的计算公式为：
所述拥堵变化指数的计算公式为：
本发明另一方面提供一种数据驱动的突发事件对区域路网影响分析方法，包括：
采集所有区域路网范围和对应各区域路网各时间段内的历史数据；
根据突发事件发生位置以及时间，提取对应区域路网范围内对应时间段的历史数据；
分别计算突发事件后的时间段内对应的区域路网内的通行指数、流量变化指数、拥堵时长变化指数以及拥堵变化指数。
优选地，所述计算突发事件后的时间段内对应的区域路网内的通行指数包括：
根据所述第一计算模块计算的通行指数确定对应区域路网内每个路段为阻断路段、绕行路段或者正常路段，
其中，所述通行指数计算公式为：
当所述通行指数小于第一预设判断值，该路段被判断为阻断路段，当所述通行指数大于第二预设判断值，该路段被判断为绕行路段，当所述通行指数在所述第一预设判断值和第二预设判断值之间，该路段被判断为正常路段；
计算所述区域路网整体的通行指数，其中，其计算公式为：
优选地，所述每个时间段的流量变化指数的计算公式为：
所述提取的时间段内的整体流量变化指数的计算公式为：
优选地，所述拥堵时长的计算公式为
所述提取的各路段的拥堵时长变化指数的计算公式为：
所述区域路网整体的拥堵时长变化指数的计算公式为
优选地，所述拥堵指数的计算公式为：
所述拥堵变化指数的计算公式为：
本发明的有益效果如下：
本发明提出的一种数据驱动的突发事件对区域路网影响分析***及方法，能够有效分析突发事件对区域路网的影响程度。该分析方法和***不仅能够为交通运输部门管理突发事件提供辅助决策依据，提高事件处理效率，还能够为出行者合理安排出行提供参考。该方法能够应用到各种突发事件分析中，例如，事故、地震、山体滑坡、洪水、暴雪等对区域路网的影响分析。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明一个实施例提供的一种数据驱动的突发事件对区域路网影响分析***结构示意图。
图2示出本发明一个实施例提供的一种数据驱动的突发事件对区域路网影响分析方法流程示意图。
图3示出本发明一个实施例提供的一种突发事件后的时间段内对应的区域路网内的通行指数的流程示意图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
交通路网中的突发事件,包括暴雨、大雪、洪水、冰冻、泥石流、山体滑坡等恶劣天气自然灾害，以及车辆碰撞追尾、货物洒落、隧道起火等交通事故。突发事件常常会引起道路通行能力下降，导致交通拥堵或中断，严重情况下甚至会导致整个路网的交通瘫痪。在重特大交通事故及灾害情况下，及时准确地定位和监测突发事件对区域路网的影响，能够为交通运输部门管理交通事件提供辅助决策依据，提高事件处理效率，同时也可以为出行者合理安排出行提供参考，将灾害降低到最小，减少生命和财产的损失。
突发事件对区域路网的影响分析方法研究方面，现有的研究方法主要是通过模型估计交通事故所引发交通拥挤在路网内的传播，为交通事故应急救援和路网交通管理提供决策依据。1976年，Chow利用冲击波理论和排队论建立了公路交通事件发生时车辆排队长度的估计模型。1986年，Morales根据到达离去曲线建立了车辆最大排队长度和延误估计模型，并分析了有计划的交通事件和突发的交通事件对模型的影响，用于确定最优的控制策略。1993年，Newell以波动理论与累计流量到离曲线模型为基础，利用实际数据建立了高速公路交通拥堵空间扩散估计模型。1997年，Lawson在排队论的基础上，对累计到达离去模型进行改进，设计了瓶颈路段交通拥堵时空扩散范围估计方法，但是模型需要假设车辆的到达率和离去率确定不变，且不能用于估计过饱和交叉***通拥挤扩散范围。2007年，王炜等将交通疏导措施作为影响因素，重新分配交通流，根据区域交通流总出行时间的变化确定交通事件造成影响范围，实时评估交通事件的影响范围。2008年，高翔和姜桂艳等设计了基于固定型检测器的CTM排队模型和基于移动型检测器的FCD方法，对城市道路的交通拥挤空间扩散范围进行估计，并利用决策树理论、模糊思想和专家***思想，建立了交通事件空间扩散范围估计方法。2017年，金书鑫等利用公路养护施工控制区设置经验及规范要求、交通流理论阻抗计算与行驶时间对比的研究方法，定量确定点、线、面3个层次的事故影响区。
申请号为201710077433.0的专利提出一种基于分布式协作的重大突发事件快速响应与决策支持平台，利用交通波理论建立交通事故的影响范围的预测模型，采用ANFIS模型修正危化品事件的持续时间模型，建立影响范围的预测模型；对雾、雨、雪等恶劣天气建立安全车速模型。
目前突发事件对区域路网的影响分析技术主要集中于交通事故和交通拥堵的持续时间及扩散范围的模型估计方法，已有的模型一般需要大量的输入变量，而在实际中，很难获得较全面的输入数据，无法满足突发事件情况下区域路网的实时、快速、全面的分析评估需求。
需要说明的是，本发明中涉及到的字母符号的含义如下：
i表示路段i，j表示分析时段j内，A表示整个区域路网内，T表示在整个区域路网范围内的分析时段，即A为所有i之和，T为所有j之和；
τ表示拥堵时长变化指数，β表示拥堵时长，γ表示拥堵变化指数，Q表示通过的车辆，l表示路段的长度，I表示拥堵指数，δ表示通行指数，φ表示流量变化指数，α表示路段是否拥堵，α＝1表示拥堵，α＝0表示不拥堵。
此外，上标“incident”表示发生事件后，上标“normal”表示正常情况下；
例如，表示发生事件后路段i在分析时段j内通过的车辆数,用表示正常情况下路段i在分析时间段j内通过的车辆数；表示发生事件后分析范围A在分析时段T内通过的车辆数,表示正常情况下分析范围A在分析时段T内通过的车辆数，本发明不再穷举。
有鉴于此，本发明的一个方面提供一种数据驱动的突发事件对区域路网影响分析***的具体实施方式，如图1所示，包括：采集模块1，采集所有区域路网范围和对应各区域路网各时间段内的历史数据；提取模块2，根据突发事件发生位置以及时间，提取对应区域路网范围内对应时间段的历史数据；第一计算模块3，计算突发事件后的时间段内对应的区域路网内的通行指数；第二计算模块4，计算突发事件后的时间段内对应的区域路网内的流量变化指数；第三计算模块5，计算突发事件后的时间段内对应的区域路网内的拥堵时长变化指数；第四计算模块6，计算突发事件后的时间段内对应的区域路网内的拥堵变化指数。
本发明提出的一种数据驱动的突发事件对区域路网影响分析***及方法，能够有效分析突发事件对区域路网的影响程度。该分析方法和***不仅能够为交通运输部门管理突发事件提供辅助决策依据，提高事件处理效率，还能够为出行者合理安排出行提供参考。该方法能够应用到各种突发事件分析中，例如，事故、地震、山体滑坡、洪水、暴雪等对区域路网的影响分析。
此外，如图1示出的，所述***还包括判断模块31，所述判断模块31根据所述第一计算模块3计算的通行指数确定对应区域路网内每个路段为阻断路段、绕行路段或者正常路段；
其中，所述每个路段的通行指数计算公式为：
所述判断模块31被配置为：当所述通行指数小于第一预设判断值，该路段被判断为阻断路段，当所述通行指数大于第二预设判断值，该路段被判断为绕行路段，当所述通行指数在所述第一预设判断值和第二预设判断值之间，该路段被判断为正常路段；
所述区域路网整体的通行指数的计算公式为：
优选地，所述每个时间段的流量变化指数的计算公式为：
提取的时间段内的整体流量变化指数的计算公式为：
优选地，所述拥堵时长的计算公式为：
提取的各路段的拥堵时长变化指数的计算公式为：
所述区域路网整体的拥堵时长变化指数的计算公式为
所述拥堵指数的计算公式为：
所述拥堵变化指数的计算公式为：
此外，本发明另一方面提供一种数据驱动的突发事件对区域路网影响分析方法，请结合图2，包括：
S1:采集所有区域路网范围和对应各区域路网各时间段内的历史数据；
S2:根据突发事件发生位置以及时间，提取对应区域路网范围内对应时间段的历史数据；
S3:分别计算突发事件后的时间段内对应的区域路网内的通行指数、流量变化指数、拥堵时长变化指数以及拥堵变化指数。
优选地，所述计算突发事件后的时间段内对应的区域路网内的通行指数包括：
S201:根据所述第一计算模块计算的通行指数确定对应区域路网内每个路段为阻断路段、绕行路段或者正常路段，
其中，所述通行指数计算公式为：
当所述通行指数小于第一预设判断值，该路段被判断为阻断路段，当所述通行指数大于第二预设判断值，该路段被判断为绕行路段，当所述通行指数在所述第一预设判断值和第二预设判断值之间，该路段被判断为正常路段；
S202:计算所述区域路网整体的通行指数，其中，其计算公式为：
优选地，所述每个时间段的流量变化指数的计算公式为：
所述提取的时间段内的整体流量变化指数的计算公式为：
优选地，所述拥堵时长的计算公式为
所述提取的各路段的拥堵时长变化指数的计算公式为：
所述区域路网整体的拥堵时长变化指数的计算公式为
优选地，所述拥堵指数的计算公式为：
所述拥堵变化指数的计算公式为：
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (10)

1.一种数据驱动的突发事件对区域路网影响分析***，其特征在于，包括：
采集模块，采集所有区域路网范围和对应各区域路网各时间段内的历史数据；
提取模块，根据突发事件发生位置以及时间，提取对应区域路网范围内对应时间段的历史数据；
第一计算模块，计算突发事件后的时间段内对应的区域路网内的通行指数；
第二计算模块，计算突发事件后的时间段内对应的区域路网内的流量变化指数；
第三计算模块，计算突发事件后的时间段内对应的区域路网内的拥堵时长变化指数；
第四计算模块，计算突发事件后的时间段内对应的区域路网内的拥堵变化指数。
2.根据权利要求1所述***，其特征在于，所述***还包括判断模块，所述判断模块根据所述第一计算模块计算的通行指数确定对应区域路网内每个路段为阻断路段、绕行路段或者正常路段；
其中，所述每个路段的通行指数计算公式为：
所述判断模块被配置为：当所述通行指数小于第一预设判断值，该路段被判断为阻断路段，当所述通行指数大于第二预设判断值，该路段被判断为绕行路段，当所述通行指数在所述第一预设判断值和第二预设判断值之间，该路段被判断为正常路段；
所述区域路网整体的通行指数的计算公式为：
3.根据权利要求1所述***，其特征在于，所述每个时间段的流量变化指数的计算公式为：
所述提取的时间段内的整体流量变化指数的计算公式为：
4.根据权利要求1所述***，其特征在于，所述拥堵时长的计算公式为
提取的各路段的拥堵时长变化指数的计算公式为：
所述区域路网整体的拥堵时长变化指数的计算公式为
5.根据权利要求1所述***，其特征在于，所述拥堵指数的计算公式为：
其中，li表示路段i的长度，βi,T表示路段i在分析时间段T内的累计拥堵时长；
所述拥堵变化指数的计算公式为：
6.一种数据驱动的突发事件对区域路网影响分析方法，其特征在于，包括：
采集所有区域路网范围和对应各区域路网各时间段内的历史数据；
根据突发事件发生位置以及时间，提取对应区域路网范围内对应时间段的历史数据；
分别计算突发事件后的时间段内对应的区域路网内的通行指数、流量变化指数、拥堵时长变化指数以及拥堵变化指数。
7.根据权利要求6所述方法，其特征在于，所述计算突发事件后的时间段内对应的区域路网内的通行指数包括：
根据所述第一计算模块计算的通行指数确定对应区域路网内每个路段为阻断路段、绕行路段或者正常路段，
其中，所述通行指数计算公式为：
当所述通行指数小于第一预设判断值，该路段被判断为阻断路段，当所述通行指数大于第二预设判断值，该路段被判断为绕行路段，当所述通行指数在所述第一预设判断值和第二预设判断值之间，该路段被判断为正常路段；
计算所述区域路网整体的通行指数，其中，其计算公式为：
8.根据权利要求6所述方法，其特征在于，所述每个时间段的流量变化指数的计算公式为：
所述提取的时间段内的整体流量变化指数的计算公式为：
9.根据权利要求6所述方法，其特征在于，所述拥堵时长的计算公式为
所述提取的各路段的拥堵时长变化指数的计算公式为：
所述区域路网整体的拥堵时长变化指数的计算公式为
10.根据权利要求6所述方法，其特征在于，所述拥堵指数的计算公式为：
所述拥堵变化指数的计算公式为：
CN201810111309.6A 2018-02-05 2018-02-05 一种数据驱动的突发事件对区域路网影响分析***及方法 Active CN108281000B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810111309.6A CN108281000B (zh) 2018-02-05 2018-02-05 一种数据驱动的突发事件对区域路网影响分析***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810111309.6A CN108281000B (zh) 2018-02-05 2018-02-05 一种数据驱动的突发事件对区域路网影响分析***及方法

Publications (2)

Publication Number Publication Date
CN108281000A true CN108281000A (zh) 2018-07-13
CN108281000B CN108281000B (zh) 2020-08-14

Family

ID=62807547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810111309.6A Active CN108281000B (zh) 2018-02-05 2018-02-05 一种数据驱动的突发事件对区域路网影响分析***及方法

Country Status (1)

Country Link
CN (1) CN108281000B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108922209A (zh) * 2018-07-20 2018-11-30 肖金保 一种云智能交通信号灯***
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
CN111369792A (zh) * 2019-11-22 2020-07-03 杭州海康威视***技术有限公司 一种交通事件的分析方法、装置及电子设备
CN111932899A (zh) * 2020-10-15 2020-11-13 江苏广宇协同科技发展研究院有限公司 一种基于交通仿真的交通突发事件控制方法及装置
CN112085949A (zh) * 2020-08-13 2020-12-15 浙江工业大学 一种基于交通运行状况异常的路网脆弱性识别、分析与应对方法
CN113689697A (zh) * 2021-08-13 2021-11-23 南京理工大学 一种基于规则匹配和知识图谱的交通事件影响分析方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226685A (zh) * 2007-11-20 2008-07-23 东南大学 道路交通意外事件数据采集和处理方法
CN101901546A (zh) * 2010-04-29 2010-12-01 上海迪爱斯通信设备有限公司 基于动态信息的智能交通调度指挥及信息服务方法及***
CN102346964A (zh) * 2010-08-05 2012-02-08 王学鹰 道路交通网络区域拥堵实时预测与智能管理***
CN102419905A (zh) * 2011-08-12 2012-04-18 北京航空航天大学 基于交通波理论的高速公路事故的交通影响范围确定方法
CN102968901A (zh) * 2012-11-30 2013-03-13 青岛海信网络科技股份有限公司 获取区域拥堵信息的方法及区域拥堵分析装置
CN103632546A (zh) * 2013-11-27 2014-03-12 中国航天***工程有限公司 一种基于浮动车数据的城市道路交通事故影响预测方法
CN103632541A (zh) * 2012-08-22 2014-03-12 北京掌城科技有限公司 交通事件路链检测与数据填补方法
CN103646542A (zh) * 2013-12-24 2014-03-19 北京四通智能交通***集成有限公司 一种交通影响范围的预测方法和装置
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***
CN106484966A (zh) * 2016-09-22 2017-03-08 北京交通大学 一种城市轨道交通突发事件动态影响范围与强度确定方法
CN106887137A (zh) * 2015-12-15 2017-06-23 高德信息技术有限公司 拥堵事件提示方法及装置
CN106935030A (zh) * 2017-03-31 2017-07-07 青岛海信网络科技股份有限公司 一种高速公路安全隐患路段识别方法和装置
CN106971537A (zh) * 2017-04-20 2017-07-21 山东高速信息工程有限公司 针对突发事件的道路拥堵预测方法及***

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226685A (zh) * 2007-11-20 2008-07-23 东南大学 道路交通意外事件数据采集和处理方法
CN101901546A (zh) * 2010-04-29 2010-12-01 上海迪爱斯通信设备有限公司 基于动态信息的智能交通调度指挥及信息服务方法及***
CN102346964A (zh) * 2010-08-05 2012-02-08 王学鹰 道路交通网络区域拥堵实时预测与智能管理***
CN102419905A (zh) * 2011-08-12 2012-04-18 北京航空航天大学 基于交通波理论的高速公路事故的交通影响范围确定方法
CN103632541A (zh) * 2012-08-22 2014-03-12 北京掌城科技有限公司 交通事件路链检测与数据填补方法
CN102968901A (zh) * 2012-11-30 2013-03-13 青岛海信网络科技股份有限公司 获取区域拥堵信息的方法及区域拥堵分析装置
CN103632546A (zh) * 2013-11-27 2014-03-12 中国航天***工程有限公司 一种基于浮动车数据的城市道路交通事故影响预测方法
CN103646542A (zh) * 2013-12-24 2014-03-19 北京四通智能交通***集成有限公司 一种交通影响范围的预测方法和装置
CN106887137A (zh) * 2015-12-15 2017-06-23 高德信息技术有限公司 拥堵事件提示方法及装置
CN106484966A (zh) * 2016-09-22 2017-03-08 北京交通大学 一种城市轨道交通突发事件动态影响范围与强度确定方法
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***
CN106935030A (zh) * 2017-03-31 2017-07-07 青岛海信网络科技股份有限公司 一种高速公路安全隐患路段识别方法和装置
CN106971537A (zh) * 2017-04-20 2017-07-21 山东高速信息工程有限公司 针对突发事件的道路拥堵预测方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张扬: "基于上海市道路交通状态指数的交通拥堵简析", 《交通与运输》 *
钟小明; 解建华; 徐婷; 张健: "探讨公路运营阶段通行条件指数", 《道路交通与安全》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108922209A (zh) * 2018-07-20 2018-11-30 肖金保 一种云智能交通信号灯***
CN108922209B (zh) * 2018-07-20 2021-06-04 江苏永诚交通集团有限公司 一种云智能交通信号灯***
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
CN111369792A (zh) * 2019-11-22 2020-07-03 杭州海康威视***技术有限公司 一种交通事件的分析方法、装置及电子设备
CN112085949A (zh) * 2020-08-13 2020-12-15 浙江工业大学 一种基于交通运行状况异常的路网脆弱性识别、分析与应对方法
CN111932899A (zh) * 2020-10-15 2020-11-13 江苏广宇协同科技发展研究院有限公司 一种基于交通仿真的交通突发事件控制方法及装置
CN113689697A (zh) * 2021-08-13 2021-11-23 南京理工大学 一种基于规则匹配和知识图谱的交通事件影响分析方法
CN113689697B (zh) * 2021-08-13 2022-06-28 南京理工大学 一种基于规则匹配和知识图谱的交通事件影响分析方法、***、设备、可读存储介质

Also Published As

Publication number Publication date
CN108281000B (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
CN108281000A (zh) 一种数据驱动的突发事件对区域路网影响分析***及方法
Theodoulou et al. Alternative methods to increase the effectiveness of freeway contraflow evacuation
Al-Deek et al. Modeling the benefits of advanced traveler information systems in corridors with incidents
Husdal Reliability/vulnerability versus cost/benefit
CN102184640B (zh) 高速公路网的救援路径自动决策方法
Apivatanagul et al. Bi-level optimization for risk-based regional hurricane evacuation planning
Mitsakis et al. Impacts of high-intensity storms on urban transportation: applying traffic flow control methodologies for quantifying the effects
Li et al. Modeling the traffic disruption caused by pluvial flash flood on intra‐urban road network
CN106379379B (zh) 一种城市轨道交通乘客上下车时间的预测方法
Tu et al. Evacuation plan of the city of almere: simulating the impact of driving behavior on evacuation clearance time
van Zuilekom et al. A decision support system for preventive evacuation of people
Tamminga et al. Influence of departure time spans and corresponding network performance on evacuation time
Pel et al. EVAQ: A new analytical model for voluntary and mandatory evacuation strategies on time-varying networks
Al-Deek et al. Incident management with advanced traveller information systems
Medina et al. Effects of metered entry volume on an oversaturated network with dynamic signal timing
Franzese et al. A methodology for the assessment of traffic management strategies for large-scale emergency evacuations
Vandebona et al. Effect of checkpoint control strategies in a simulated transit operation
Afandizadeh Zargari et al. Improving SCATS operation during congestion periods using internal/external traffic metering strategy
Hendrikx et al. Avalanche risk evaluation with practical suggestions for risk minimization: a case study of the Milford Road, New Zealand
Biondini et al. Life-cycle resilience of deteriorating bridge networks under earthquake scenarios
Bowles et al. Evacuation and life-loss estimation model for natural and dam break floods
Chen et al. Effects of Incorporating Connected Vehicle Technologies Into No-Notice Emergency Evacuation During Winter Weather (Phase I)
Ji et al. Estimation of traffic incident delay and its impact analysis based on cell transmission model
Hussein et al. Incorporating weather variables with probabilistic approach for trip planning
Huang et al. Traffic incident impact analysis with random matrix theory and cluster analysis

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