CN108346292B - 基于卡口数据的城市快速路实时交通指数计算方法 - Google Patents
基于卡口数据的城市快速路实时交通指数计算方法 Download PDFInfo
- Publication number
- CN108346292B CN108346292B CN201810342296.3A CN201810342296A CN108346292B CN 108346292 B CN108346292 B CN 108346292B CN 201810342296 A CN201810342296 A CN 201810342296A CN 108346292 B CN108346292 B CN 108346292B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- bayonet
- real
- time
- data
- 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
Images
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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Analytical Chemistry (AREA)
- Game Theory and Decision Science (AREA)
- Chemical & Material Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于数据挖掘技术和交通状态判别领域,具体的说是一种基于卡口数据的城市快速路实时交通指数计算方法。该方法包括以下步骤:步骤一、获取快速路卡口数据;步骤二、快速路卡口数据预处理;步骤三、提取卡口对通行车辆记录;步骤四、计算路段单车行程速度;步骤五、计算路段区间平均速度;步骤六、区间平均速度短期预测;步骤七、计算快速路实时交通指数;步骤八、根据快速路实时交通指数划分拥堵等级。本发明具有实时性好、适用性强、准确性高的优点,利用卡口数据计算快速路实时交通指数,方便出行者和交通管理部门对当前交通运行状态进行科学而高效的判别。
Description
技术领域
本发明属于数据挖掘技术和交通状态判别领域,具体的说是一种基于卡口数据的城市快速路实时交通指数计算方法。
背景技术
近年来,我国城市快速路交通需求迅速增长,与此同时,城市道路建设步伐却较为缓慢,导致一些路段交通拥堵频发,车辆运输效率显著下降,给人们的日常出行带来了不便和影响。为了便于交通管理者全面把握交通运行状态,合理引导社会公众出行,缓解城市快速路的交通压力,对城市快速路开展交通运行状态实时评价,构建并发布科学、客观的快速路交通指数显得尤为重要。
交通指数,也称交通拥堵指数TCI(Traffic Congestion Index),是一种在统计间隔内,能够对道路网交通运行状况进行定量化评估,综合反映交通拥堵程度的概念性指数值。目前,交通指数在国内外已经有很多成功的应用经验:欧洲大多数国家以路段速度为核心计算交通拥堵指标,并每月统计发布一次;我国上海、北京、深圳等国内城市也研究了不同定义、不同算法的交通指数;需要说明的是,现有交通指数是根据各自所在城市的实际特点进行定义和计算的,不同城市的交通指数间不具有可比性,且参数换算指标的过程均较为复杂,不便于公众理解。这些城市大多通过获取出租车GPS数据来计算路网交通流指标。但由于出租车与社会车辆在驾驶习惯、行驶路线等方面存在一定的差异,可能造成计算误差。例如:快速路上出租车样本量不足,往往使得计算和评估结果与实际情况存在偏差,或因无样本而不能计算指数。此外,现有交通指数的实时性较差,用于计算的数据统计时段距离指数发布的时间存在时间差。
发明内容
本发明提供了一种实时性较强、灵活性良好、便于理解的基于卡口数据的城市快速路交通指数计算方法,克服了已有交通指数实时性较弱、适用性较差、难以理解等不足。
本发明技术方案结合附图说明如下:
一种基于卡口数据的城市快速路实时交通指数计算方法,该方法包括以下步骤:
步骤一、获取快速路卡口数据;
步骤二、快速路卡口数据预处理;
步骤三、提取卡口对通行车辆记录;
步骤四、计算路段单车行程速度;
步骤五、计算路段区间平均速度;
步骤六、区间平均速度短期预测;
步骤七、计算快速路实时交通指数;
步骤八、根据快速路实时交通指数划分拥堵等级。
所述的步骤一的具体方法如下:
从数据库中获取快速路卡口数据;所述的快速路卡口数据包括快速路卡口位置信息和车辆通过记录,均存在卡口编号即KKBH字段;其中所述的卡口位置信息包括:卡口编号、监控方向、所属道路、位置坐标;车辆通过记录包括:车牌号码、过车时间、行驶方向、卡口编号。
所述的步骤二的具体方法如下:
根据卡口编号对车辆通过记录和卡口位置信息进行有效的匹配,将卡口位置信息中的所属道路字段添加到车辆通过记录中,并删除错误上传的车辆行驶数据;
由于卡口监控设备会受到外界一些因素的干扰导致车辆牌照不能被准确识别,从而产生无效数据;卡口***允许摄像头一次性拍摄多张照片,因此造成同一车辆的多条重复记录,此步骤也需要将这些无效数据与冗余数据从数据库中删除,将车辆通过记录先后按照车牌号码和过车时间进行排序,删除无效数据
所述的步骤三的具体方法如下:
按照行驶方向将快速路的通过车辆分为上行和下行,定义向北或向东行驶为上行,向南或向西行驶为下行;根据监控方向和位置坐标将相邻卡口两两配对,构建不同方向上的卡口对位置序列:和卡口对表示车辆在上行方向上先经过卡口再经过卡口卡口对表示车辆在下行方向上先经过卡口再经过卡口以5分钟为统计周期,提取在当前时段t内先后经过两个相邻卡口的所有车辆记录。
所述的步骤四的具体方法如下:
计算路段单车行程速度为:
所述的步骤五的具体方法如下:
当卡口对的通过车辆数时,路段的区间平均速度为自由流下的速度或发生交通阻塞时的速度判别依据为历史数据库中上一周相同天相同时段相同路段的速度选择;其中,历史数据库中的初始区间平均速度为实地调查交通状态验证得到;
所述的步骤六的具体方法如下:
所述的步骤七的具体方法如下:
对3个相邻时段的区间平均速度进行加权计算,得到具有实时性的区间平均速度:
式中α,β,γ为权数;
快速路实时交通指数TCI计算公式:
所述的步骤八的具体方法如下:
根据步骤七得出的快速路实时交通指数TCI,结合城市快速路交通运行特点,为城市快速路交通拥堵状态划分等级,拥堵等级分为严重拥堵、拥堵、缓行、基本畅通和畅通。
本发明的有益效果为:
1、精确性高:本发明通过获取快速路的卡口数据实时计算交通指数,卡口设备***可以采集到全部类型的车辆,相比出租车GPS数据更加完整而精确。
2、适用性强:本方法仅需通过快速路卡口数据构建历史数据库,计算并预测路段区间平均速度即可实现交通指数的计算,对于安装了卡口监控***的城市均可具有可行性。
3、实时性好:本发明通过实时的快速路卡口数据计算路段当前时段的区间平均速度,并对未来两个时段进行预测,加权平均后得出指数发布时刻的区间平均速度,更具有实时性。
4、便于理解:相对现有的计算过程复杂、指标换算关系不易理解,且实时性较差的指数计算方法而言,本发明仅在区间平均速度参数的基础上构建而成,方法过程简单,易于计算和理解。
附图说明
图1为本发明提供的一种基于卡口数据的城市快速路实时交通指数计算方法的总体流程图。
具体实施方式
参阅图1,一种基于卡口数据的城市快速路实时交通指数计算方法,该方法包括以下步骤:
步骤一、获取快速路卡口数据;
从数据库中获取快速路卡口位置信息以及2017年12月的快速路车辆通过记录,卡口位置信息包括以下字段:卡口编号KKBH、监控方向JKCX、所属道路SSDL、位置坐标X,Y等;车辆通过记录包括:车牌号码CPHM、过车时间GCSJ、行驶方向XSFX、卡口编号KKBH等。
步骤二、快速路卡口数据预处理;
由于卡口监控设备会受到外界一些因素的干扰导致车辆牌照不能被准确识别,从而产生无效数据;卡口***允许摄像头一次性拍摄多张照片,因此造成同一车辆的多条重复记录,此步骤需要将这些无效数据与冗余数据从数据库中删除。可将车辆通过记录按照车牌号码和过车时间进行排序,删除无效数据。根据卡口编号对车辆通过记录和卡口位置信息进行有效的匹配,例如表1,将卡口位置信息中的所属道路字段添加到车辆通过记录中,并删除错误上传的车辆行驶数据。
表1
CPHM | GCSJ | XSFX | KKBH | SSDL |
吉A***** | 2017-12-2007:08:50.000 | 4 | 500011010000 | 东部快速路 |
吉A***** | 2017-12-2007:12:57.000 | 4 | 500011012000 | 东部快速路 |
吉A***** | 2017-12-2007:14:03.000 | 4 | 500011031000 | 东部快速路 |
吉A***** | 2017-12-2008:30:14.000 | 3 | 500011012000 | 东部快速路 |
吉A***** | 2017-12-2008:34:49.000 | 3 | 500011010000 | 东部快速路 |
…… | …… | … | …… | …… |
步骤三、提取卡口对通行车辆记录;
按照行驶方向将快速路的通过车辆分为上行和下行,例如:定义向北或向东行驶为上行,向南或向西行驶为下行。根据监控方向和位置坐标将相邻卡口两两配对,构建不同方向上的卡口对位置序列:
上行[……(500031043000,500031006000),(500031006000,500031048000),(500031048000,500031047000),(500031047000,500031023000)……];
下行:[……(500031026000,500031055000),(500031055000,500031052000),(500031052000,500031023000),(500031023000,500031047000)……];
以5分钟为统计周期,提取上午7:50-7:55内在南北走向的东部快速路卡口500011012000和卡口500011015000之间双向通行的所有车辆记录。
步骤四、计算路段单车行程速度;
统计东部快速路选定路段上5分钟内的车流量:
北向南方向上经过卡口对(500011012000,500011015000)的车辆记录数为:
Q(500011015000,500011012000)=57
南向北方向上经过卡口对(500011015000,500011012000)的车辆记录数为:
Q(500011012000,500011015000)=43
根据每一辆车经过两个卡口的时刻,计算单车路段行程时间:
根据卡口位置坐标计算路段长度L:R=6371.004km
500011012000(Xa,Ya)=(125.376891,43.865104),
500011015000(Xa,Ya)=(125.377001,43.851851),
L=R·Arccos((sin(Ya)sin(Yb)+cos(Ya)cos(Ya)cos(Xa-Xb))·Π/180=1473.69m
计算得到单车行程速度,如表2为南向北方向的通过车辆行程速度:
表2
步骤五、计算路段区间平均速度
Q(500011015000,500011012000)≠0,Q(500011012000,500011015000)≠0将路段单车行程速度按照数值大小进行排序,筛除异常数据后计算所有车辆行程速度的调和平均值,即为路段区间平均速度,计算公式如下:
步骤六、区间平均速度短期预测
要实现快速路交通指数的实时计算与发布,选择一种简单、计算速度快、精度高的方法对区间平均速度进行实时预测,本实施例中选择非参数回归法对下两个时段的区间平均速度进行预测,选取当前时段以及前3个时段的路段流量和区间平均速度作状态向量,与历史数据库中相应时刻的区间平均速度计算欧式距离,进行相似度匹配,得到预测结果:
步骤七、计算快速路交通指数
对计算和预测得到的3个相邻时段的区间平均速度进行加权计算,得到具有实时性的区间平均速度:
所述快速路实时交通指数TCI计算如下:
TCI0=ROUND(65.92)=66,TCI1=ROUND(59.87)=60。
步骤八、根据快速路实时交通指数划分拥堵等级。
为了便于没有驾驶经验的公众理解当前交通拥堵程度,结合城市的交通运行状态规律,以计算得到的快速路实时交通指数为基础,估计交通拥堵等级,见表。
表 基于城市快速路实时交通指数的拥堵等级划分表
TCI | [0,20] | (20,40] | (40,60] | (60,80] | >80 |
拥堵等级 | 严重拥堵 | 拥堵 | 缓行 | 基本畅通 | 畅通 |
Claims (4)
1.一种基于卡口数据的城市快速路实时交通指数计算方法,其特征在于,该方法包括以下步骤:
步骤一、获取快速路卡口数据;
步骤二、快速路卡口数据预处理;
步骤三、提取卡口对通行车辆记录;
步骤四、计算路段单车行程速度;
步骤五、计算路段区间平均速度;
步骤六、区间平均速度短期预测;
步骤七、计算快速路实时交通指数;
步骤八、根据快速路实时交通指数划分拥堵等级;
所述的步骤三的具体方法如下:
按照行驶方向将快速路的通过车辆分为上行和下行,定义向北或向东行驶为上行,向南或向西行驶为下行;根据监控方向和位置坐标将相邻卡口两两配对,构建不同方向上的卡口对位置序列:和卡口对表示车辆在上行方向上先经过卡口再经过卡口卡口对表示车辆在下行方向上先经过卡口再经过卡口以5分钟为统计周期,提取在当前时段t内先后经过两个相邻卡口的所有车辆记录;
所述的步骤四的具体方法如下:
计算路段单车行程速度为:
所述的步骤五的具体方法如下:
当卡口对的通过车辆数时,路段的区间平均速度为自由流下的速度或发生交通阻塞时的速度判别依据为历史数据库中上一周相同天相同时段相同路段的速度选择;其中,历史数据库中的初始区间平均速度为实地调查交通状态验证得到;
所述的步骤六的具体方法如下:
利用非参数回归法选取当前时段以及前3个时段的路段流量和区间平均速度作状态向量,与历史数据库中相应时刻的区间平均速度计算欧式距离,进行相似度匹配,根据预测结果得到下两个时段的区间平均速度:
所述的步骤七的具体方法如下:
对3个相邻时段的区间平均速度进行加权计算,得到具有实时性的区间平均速度:
式中α,β,γ为权数;
快速路实时交通指数TCI计算公式:
2.根据权利要求1所述的一种基于卡口数据的城市快速路实时交通指数计算方法,其特征在于,所述的步骤一的具体方法如下:
从数据库中获取快速路卡口数据;所述的快速路卡口数据包括快速路卡口位置信息和车辆通过记录,均存在卡口编号即KKBH字段;其中所述的卡口位置信息包括:卡口编号、监控方向、所属道路、位置坐标;车辆通过记录包括:车牌号码、过车时间、行驶方向、卡口编号。
3.根据权利要求2所述的一种基于卡口数据的城市快速路实时交通指数计算方法,其特征在于,所述的步骤二的具体方法如下:
根据卡口编号对车辆通过记录和卡口位置信息进行有效的匹配,将卡口位置信息中的所属道路字段添加到车辆通过记录中,并删除错误上传的车辆行驶数据;
由于卡口监控设备会受到外界一些因素的干扰导致车辆牌照不能被准确识别,从而产生无效数据;卡口***允许摄像头一次性拍摄多张照片,因此造成同一车辆的多条重复记录,此步骤也需要将这些无效数据与冗余数据从数据库中删除,将车辆通过记录先后按照车牌号码和过车时间进行排序,删除无效数据。
4.根据权利要求1所述的一种基于卡口数据的城市快速路实时交通指数计算方法,其特征在于,所述的步骤八的具体方法如下:
根据步骤七得出的快速路实时交通指数TCI查基于城市快速路实时交通指数的拥堵等级划分表即可划分拥堵等级,拥堵等级分为严重拥堵、拥堵、缓行、基本畅通和畅通。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810342296.3A CN108346292B (zh) | 2018-04-17 | 2018-04-17 | 基于卡口数据的城市快速路实时交通指数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810342296.3A CN108346292B (zh) | 2018-04-17 | 2018-04-17 | 基于卡口数据的城市快速路实时交通指数计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108346292A CN108346292A (zh) | 2018-07-31 |
CN108346292B true CN108346292B (zh) | 2021-02-05 |
Family
ID=62955113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810342296.3A Active CN108346292B (zh) | 2018-04-17 | 2018-04-17 | 基于卡口数据的城市快速路实时交通指数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108346292B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147320B (zh) * | 2018-08-16 | 2020-10-09 | 北京航空航天大学 | 一种基于卡口数据的路段交通状态判别方法 |
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 |
CN109087508B (zh) * | 2018-08-30 | 2021-09-21 | 广州市市政工程设计研究总院有限公司 | 基于高清卡口数据的毗邻区域交通量分析方法及*** |
CN110969275B (zh) * | 2018-09-30 | 2024-01-23 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法、装置、可读存储介质及电子设备 |
CN109637122A (zh) * | 2018-10-19 | 2019-04-16 | 天津易华录信息技术有限公司 | 一种数据处理方法、设备及*** |
CN109598932A (zh) * | 2018-12-04 | 2019-04-09 | 沈阳世纪高通科技有限公司 | 道路路况分析方法和装置 |
CN109859495A (zh) * | 2019-03-31 | 2019-06-07 | 东南大学 | 一种基于rfid数据获取区间速度的方法 |
CN110164133A (zh) * | 2019-06-13 | 2019-08-23 | 广东联合电子服务股份有限公司 | 节假日高速公路路网通行效率评估方法、电子设备、介质 |
CN110796867B (zh) * | 2019-11-28 | 2021-04-16 | 沈阳世纪高通科技有限公司 | 路况的确定方法及装置 |
CN111932877B (zh) * | 2020-08-07 | 2022-06-17 | 公安部交通管理科学研究所 | 一种基于车牌数据的路段交通异常状态识别方法 |
CN112489432A (zh) * | 2020-12-17 | 2021-03-12 | 安徽百诚慧通科技有限公司 | 一种高速公路在途车数量计算方法、装置及存储介质 |
CN112785735B (zh) * | 2020-12-31 | 2022-02-18 | 北京千方科技股份有限公司 | 一种基于收费数据的高速公路路况的监测方法及装置 |
CN113192341A (zh) * | 2021-04-02 | 2021-07-30 | 天地(常州)自动化股份有限公司 | 一种井下区域定位区间移动目标平均速度的估算方法 |
CN113470347B (zh) * | 2021-05-20 | 2022-07-26 | 上海天壤智能科技有限公司 | 结合卡口过车记录和浮动车gps数据的拥堵识别方法及*** |
CN117649772B (zh) * | 2024-01-26 | 2024-04-05 | 江苏嘉和天盛信息科技有限公司 | 一种道路交通监控*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766476A (zh) * | 2015-04-16 | 2015-07-08 | 上海理工大学 | 一种路段以及路网区域交通状态指数的计算方法 |
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 |
CN105869405A (zh) * | 2016-05-25 | 2016-08-17 | 银江股份有限公司 | 基于卡口数据的城市道路交通拥堵指数计算方法 |
JP2016186822A (ja) * | 2016-07-21 | 2016-10-27 | 住友電気工業株式会社 | 情報通信装置 |
CN106530710A (zh) * | 2016-12-16 | 2017-03-22 | 东南大学 | 一种面向管理者的高速公路交通指数预测方法和*** |
CN107833459A (zh) * | 2017-10-31 | 2018-03-23 | 交通运输部科学研究院 | 一种基于gps数据的城市公交运行状况评价方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101135070B1 (ko) * | 2009-11-30 | 2012-04-13 | 서울시립대학교 산학협력단 | 합성 개구 레이더 영상을 이용한 물체의 속도측정 방법 및 그 장치 |
CN104880193A (zh) * | 2015-05-06 | 2015-09-02 | 石立公 | 一种车道级导航***及其车道级导航方法 |
WO2018002386A1 (es) * | 2016-06-30 | 2018-01-04 | Dirección General De Tráfico | Procedimiento para determinar un índice que permita establecer y evaluar políticas de vigilancia de la velocidad, en las vías de circulación de un territorio. |
CN106448159B (zh) * | 2016-09-09 | 2018-11-02 | 蔡诚昊 | 一种基于动态交通信息的道路交通分级预警方法 |
CN107610469B (zh) * | 2017-10-13 | 2021-02-02 | 北京工业大学 | 一种考虑多因素影响的日维度区域交通指数预测方法 |
-
2018
- 2018-04-17 CN CN201810342296.3A patent/CN108346292B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766476A (zh) * | 2015-04-16 | 2015-07-08 | 上海理工大学 | 一种路段以及路网区域交通状态指数的计算方法 |
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 |
CN105869405A (zh) * | 2016-05-25 | 2016-08-17 | 银江股份有限公司 | 基于卡口数据的城市道路交通拥堵指数计算方法 |
JP2016186822A (ja) * | 2016-07-21 | 2016-10-27 | 住友電気工業株式会社 | 情報通信装置 |
CN106530710A (zh) * | 2016-12-16 | 2017-03-22 | 东南大学 | 一种面向管理者的高速公路交通指数预测方法和*** |
CN107833459A (zh) * | 2017-10-31 | 2018-03-23 | 交通运输部科学研究院 | 一种基于gps数据的城市公交运行状况评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108346292A (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108346292B (zh) | 基于卡口数据的城市快速路实时交通指数计算方法 | |
CN107610469B (zh) | 一种考虑多因素影响的日维度区域交通指数预测方法 | |
Zheng et al. | Detecting collective anomalies from multiple spatio-temporal datasets across different domains | |
CN110298500B (zh) | 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法 | |
CN106529754B (zh) | 基于大数据分析的出租车运营情况评估方法 | |
CN103150900B (zh) | 一种基于视频的交通拥堵事件自动检测方法 | |
Cui et al. | Identifying mismatch between urban travel demand and transport network services using GPS data: A case study in the fast growing Chinese city of Harbin | |
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 | |
CN108648445B (zh) | 基于交通大数据的动态交通态势预测方法 | |
CN110807919A (zh) | 基于过车数据的城市路网交通运行态势评价方法 | |
CN114596700B (zh) | 一种基于门架数据的高速公路路段实时流量估计方法 | |
CN109191605A (zh) | 一种考虑收费路径的高速公路计费费率准确性评测方法 | |
CN111768619A (zh) | 一种基于卡口数据的快速路车辆od点确定方法 | |
CN105046959B (zh) | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 | |
CN115691120A (zh) | 一种基于高速公路流水数据的拥堵识别方法及*** | |
CN112153574B (zh) | 基于浮动车辆的路侧设备时钟准确性检验方法和*** | |
CN116611586B (zh) | 一种基于双层异构网络的新建路网流量预测方法及*** | |
CN114501336B (zh) | 一种公路出行量测算方法、装置、电子设备及存储介质 | |
Zhang et al. | Demand, supply, and performance of street-hail taxi | |
CN115995149A (zh) | 一种基于多源数据的停车供需特征动态评估方法及*** | |
Kurkcu et al. | Data visualization tool for monitoring transit operation and performance | |
CN109978746A (zh) | 一种基于信令数据并结合动态阈值判断出行有效性的人***换量估计方法 | |
Song et al. | Public transportation service evaluations utilizing seoul transportation card data | |
CN108596381B (zh) | 基于od数据的城市停车需求预测方法 | |
CN114238346B (zh) | 监控密度分析方法、装置、存储介质和电子设备 |
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 |