CN109409708A - 基于大数据的红绿灯保供电优先排序算法 - Google Patents
基于大数据的红绿灯保供电优先排序算法 Download PDFInfo
- Publication number
- CN109409708A CN109409708A CN201811189435.XA CN201811189435A CN109409708A CN 109409708 A CN109409708 A CN 109409708A CN 201811189435 A CN201811189435 A CN 201811189435A CN 109409708 A CN109409708 A CN 109409708A
- Authority
- CN
- China
- Prior art keywords
- traffic
- data
- road
- crossing
- indicating
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 16
- 238000012913 prioritisation Methods 0.000 title claims description 5
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于大数据的红绿灯保供电优先级排序算法,所述算法包括如下步骤,第一步,从交管部门获取交通出行抓拍数据和道路基础数据,第二步,对数据进行清洗及预处理,第三步,所述交管部门获取数据的需求字段主要包括抓拍地点、卡口名称、抓拍时间、车道数、道路长度,形成道路交通状态数据表,并且从以上数据汇总出特定时间特定路口的交通流量数以及道路汽车数量承载力,第四步,根据交通流量数以及道路汽车数量承载力这两个指标进行建模计算得出相应的各个路段负载率,以路段负载率来考核该路段的保供电优先级,如路段负载率越高则表示保供电优先级越高。
Description
技术领域
本发明涉及大数据领域,尤其是一种利用大数据来对红绿灯进行评级从而对保供电进行优先排序的计算算法。
背景技术
随着人民生活水平的提高,人均汽车持有量也在逐步提高,而在供电侧,如何保证对红绿灯的持续供电则是一项较为关键的核心任务,因为一旦出现大范围的红绿灯断电,必定会产生交通瘫痪以及一系列交通事故,极大的影响生活出行甚至生命安全,所以,如何在突发情况下以及现有条件上对片区内的红绿灯进行大数据科学评级,对一些重点路口的红绿灯首先进行供电则成了一个急需解决的技术问题。
发明内容
本发明为了解决上述技术的不足,提供了一种交通出行流量预测方法。
为了解决上述技术问题,所述算法包括如下步骤,第一步,从交管部门获取交通出行抓拍数据和道路基础数据,第二步,对数据进行清洗及预处理,第三步,所述交管部门获取数据的需求字段主要包括抓拍地点、卡口名称、抓拍时间、车道数、道路长度,形成道路交通状态数据表,并且从以上数据汇总出特定时间特定路口的交通流量数以及道路汽车数量承载力,第四步,根据交通流量数以及道路汽车数量承载力这两个指标进行建模计算得出相应的各个路段负载率,以路段负载率来考核该路段的保供电优先级,如路段负载率越高则表示保供电优先级越高。
采用了上述方法后,分析一个道路的红绿灯保供电优先级主要是从两个方面入手,一是该路口的交通流量数,如果该路口的交通流量数越大就说明该路口需要通行的车的数量就越多,从而更加要保障其红绿灯的供电正常性,否则一旦出现停电现象,大流量的汽车通过会很容易导致交通阻塞以及交通事故,但是仅凭交通流量数又无法准确的适用另一种情况,即在交通流量虽然不大但是其红绿灯与红绿灯之间的距离较短,车道较少的情况下,此时也很容易出现交通堵塞,所以,引入道路汽车数量承载力这一概念,并且将交通流量数除以道路汽车数量承载力,即可得到类似于路段负载率的概念,从而以负载率来评价是否优先供电。这样的方式是较为科学也是较为合理的一种排序算法。
作为本发明的进一步改进,对于交通流量数以及道路汽车数量承载力的建模方式中主要包括如下参数,用于表示i路口d日t时刻的交通流量数的Nidt,用于表示i路口d日的交通流量数的Nid,用于表示i路口的日均交通流量数的Ni,用于表示i路口的日交通出行流量权重的Wi,用于表示与i路口相关的第k道路的长度的Lik,用于表示与i路口相关的第k路的车道数的Mik;用于表示i路口k道路的道路汽车数量承载力Tik;用于表示i路口红绿灯k道路承载力权重的Pik,用于表示交通负载率的poi。
采用了上述方法后,将从交管部门获取的数据转换成上述参数,可以便于计算交通负载率。
作为本发明的进一步改进,用于表示以秒为单位来统计一日的交通流量数,所述所述用于表示这一个路口的车流量数占总车流量数的权重比,所述所述将i路口的日交通出行流量权重的Wi与i路口红绿灯相关道路承载力权重的Pi相除,即可得出评价优先级
采用了上述方法后,将各个参数利用算法分别计算出日交通出行流量权重以及红绿灯相关道路承载力权重,再将两个权重相除,则得到评价优先级poi的值,该值表示如果一条道路中其流量越大,交通承载越低,其发生交通堵塞的情况的可能性就会越高,优先级就会相应的增高。
作为本发明的进一步改进,所述数据清洗及预处理的规则包括规则一,任一数据缺失即定义为数据缺失,规则二,业务数据出现明显的常识性错误,即定义为数据不准确,规则三,各字段任一数据格式不规范即定义为不规范。
采用了上述方法后,数据清洗可以规避一定的无效数据,减小最后的参数数据误差。
具体实施方式
所述算法包括如下步骤,第一步,从交管部门获取交通出行抓拍数据和道路基础数据,以及从电力***取得电网拓扑数据,第二步,对数据进行清洗及预处理,第三步,根据数据提取相应的影响因子并以影响因子为基础建立红绿灯保供电优先排序模型,所述交管部门获取数据的需求字段主要包括抓拍地点、卡口名称、抓拍时间、车道数、道路长度,形成道路交通状态数据表,并且从以上数据汇总出特定时间特定路口的交通流量数以及道路汽车数量承载力,第四步,根据交通流量数以及道路汽车数量承载力这两个指标进行建模计算得出相应的各个路段负载率,以路段负载率来考核该路段的保供电优先级,如路段负载率越高则表示保供电优先级越高。分析一个道路的红绿灯保供电优先级主要是从两个方面入手,一是该路口的交通流量数,如果该路口的交通流量数越大就说明该路口需要通行的车的数量就越多,从而更加要保障其红绿灯的供电正常性,否则一旦出现停电现象,大流量的汽车通过会很容易导致交通阻塞以及交通事故,但是仅凭交通流量数又无法准确的适用另一种情况,即在交通流量虽然不大但是其红绿灯与红绿灯之间的距离较短,车道较少的情况下,此时也很容易出现交通堵塞,所以,引入道路汽车数量承载力这一概念,并且将交通流量数除以道路汽车数量承载力,即可得到类似于路段负载率的概念,从而以负载率来评价是否优先供电。这样的方式是较为科学也是较为合理的一种排序算法。
对于交通流量数以及道路汽车数量承载力的建模方式中主要包括如下参数,用于表示i路口d日t时刻的交通流量数的Nidt,用于表示i路口d日的交通流量数的Nid,用于表示i路口的日均交通流量数的用于表示i路口的日交通出行流量权重的Wi表示i路口的日交通出行流量权重,用于表示与i路口相关的第k道路的长度的Lik,用于表示与i路口相关的第k路的车道数的Mik;用于表示i路口所有道路的总承载力Ti;用于表示i路口红绿灯相关道路承载力权重的Pi,用于表示交通负载率的poi。将从交管部门获取的数据转换成上述参数,可以便于计算交通负载率。所述用于表示以秒为单位来统计一日的交通流量数,所述所述用于表示这一个路口的车流量数占总车流量数的权重比,所述所述将i路口的日交通出行流量权重的Wi与i路口红绿灯相关道路承载力权重的Pi相除,即可得出评价优先级将各个参数利用算法分别计算出日交通出行流量权重以及红绿灯相关道路承载力权重,再将两个权重相除,则得到评价优先级poi的值,该值表示如果一条道路中其流量越大,交通承载越低,其发生交通堵塞的情况的可能性就会越高,优先级就会相应的增高。
所述数据清洗及预处理的规则包括规则一,任一数据缺失即定义为数据缺失,规则二,业务数据出现明显的常识性错误,即定义为数据不准确,规则三,各字段任一数据格式不规范即定义为不规范。数据清洗可以规避一定的无效数据,减小最后的参数数据误差。
Claims (4)
1.基于大数据的红绿灯保供电优先级排序算法,其特征在于:所述算法包括如下步骤,第一步,从交管部门获取交通出行抓拍数据和道路基础数据,第二步,对数据进行清洗及预处理,第三步,所述交管部门获取数据的需求字段主要包括抓拍地点、卡口名称、抓拍时间、车道数、道路长度,形成道路交通状态数据表,并且从以上数据汇总出特定时间特定路口的交通流量数以及道路汽车数量承载力,第四步,根据交通流量数以及道路汽车数量承载力这两个指标进行建模计算得出相应的各个路段负载率,以路段负载率来考核该路段的保供电优先级,如路段负载率越高则表示保供电优先级越高。
2.根据权利要求1所述的基于大数据的红绿灯保供电优先排序算法,其特征在于:对于交通流量数以及道路汽车数量承载力的建模方式中主要包括如下参数,用于表示i路口d日t时刻的交通流量数的Nidt,用于表示i路口d日的交通流量数的Nid,用于表示i路口的日均交通流量数的用于表示i路口的日交通出行流量权重的Wi,用于表示与i路口相关的第k道路的长度的Lik,用于表示与i路口相关的第k路的车道数的Mik;用于表示i路口k道路的道路汽车数量承载力Tik;用于表示i路口红绿灯k道路承载力权重的Pik,用于表示交通负载率的poi。
3.根据权利要求2所述的基于大数据的红绿灯保供电优先排序算法,其特征在于:所述用于表示以秒为单位来统计一日的交通流量数,所述所述用于表示这一个路口的车流量数占总车流量数的权重比,所述所述将i路口的日交通出行流量权重的Wi与i路口红绿灯相关道路承载力权重的Pi相除,即可得出评价优先级
4.根据权利要求1所述的基于大数据的红绿灯保供电优先排序算法,其特征在于:所述数据清洗及预处理的规则包括规则一,任一数据缺失即定义为数据缺失,规则二,业务数据出现明显的常识性错误,即定义为数据不准确,规则三,各字段任一数据格式不规范即定义为不规范。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811189435.XA CN109409708A (zh) | 2018-10-12 | 2018-10-12 | 基于大数据的红绿灯保供电优先排序算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811189435.XA CN109409708A (zh) | 2018-10-12 | 2018-10-12 | 基于大数据的红绿灯保供电优先排序算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109409708A true CN109409708A (zh) | 2019-03-01 |
Family
ID=65467800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811189435.XA Pending CN109409708A (zh) | 2018-10-12 | 2018-10-12 | 基于大数据的红绿灯保供电优先排序算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109409708A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704788A (zh) * | 2023-05-25 | 2023-09-05 | 深圳市新创中天信息科技发展有限公司 | 一种基于边缘计算的车路协同方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202748942U (zh) * | 2012-08-15 | 2013-02-20 | 广西瀚特信息产业股份有限公司 | 一种保证公交优先的交叉口信号配时控制*** |
CN104616496A (zh) * | 2015-01-30 | 2015-05-13 | 国家电网公司 | 基于突变理论的电网大停电交通拥堵度评估方法 |
CN106284587A (zh) * | 2016-08-15 | 2017-01-04 | 东南大学 | 城市道路用渗蓄水罐及其施工方法 |
US9799218B1 (en) * | 2016-05-09 | 2017-10-24 | Robert Gordon | Prediction for lane guidance assist |
CN107316202A (zh) * | 2017-05-02 | 2017-11-03 | 国网浙江省电力公司 | 一种基于用户数量空间分布特征的负荷率电价测算方法 |
CN107749165A (zh) * | 2017-12-06 | 2018-03-02 | 四川九洲视讯科技有限责任公司 | 基于城市道路拥堵指数的计算方法 |
CN108629973A (zh) * | 2018-05-11 | 2018-10-09 | 四川九洲视讯科技有限责任公司 | 基于固定检测设备的路段交通拥堵指数计算方法 |
-
2018
- 2018-10-12 CN CN201811189435.XA patent/CN109409708A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202748942U (zh) * | 2012-08-15 | 2013-02-20 | 广西瀚特信息产业股份有限公司 | 一种保证公交优先的交叉口信号配时控制*** |
CN104616496A (zh) * | 2015-01-30 | 2015-05-13 | 国家电网公司 | 基于突变理论的电网大停电交通拥堵度评估方法 |
US9799218B1 (en) * | 2016-05-09 | 2017-10-24 | Robert Gordon | Prediction for lane guidance assist |
CN106284587A (zh) * | 2016-08-15 | 2017-01-04 | 东南大学 | 城市道路用渗蓄水罐及其施工方法 |
CN107316202A (zh) * | 2017-05-02 | 2017-11-03 | 国网浙江省电力公司 | 一种基于用户数量空间分布特征的负荷率电价测算方法 |
CN107749165A (zh) * | 2017-12-06 | 2018-03-02 | 四川九洲视讯科技有限责任公司 | 基于城市道路拥堵指数的计算方法 |
CN108629973A (zh) * | 2018-05-11 | 2018-10-09 | 四川九洲视讯科技有限责任公司 | 基于固定检测设备的路段交通拥堵指数计算方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116704788A (zh) * | 2023-05-25 | 2023-09-05 | 深圳市新创中天信息科技发展有限公司 | 一种基于边缘计算的车路协同方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766298B (zh) | 一种多制式多业务轨道交通仿真模拟方法及*** | |
CN105913661B (zh) | 一种基于收费数据的高速公路路段交通状态判别方法 | |
CN103258430B (zh) | 路段旅行时间统计、以及交通路况判定方法和装置 | |
CN110942411B (zh) | 基于区域联动的地铁车站客流分级报警方法 | |
CN107622678A (zh) | 一种基于图像处理的智能交通控制***及其方法 | |
CN109920244A (zh) | 可变车道实时控制***及方法 | |
CN104217297B (zh) | 一种轨道交通车站动态安全风险评价方法 | |
CN108417057A (zh) | 一种智能信号灯配时*** | |
CN109147329A (zh) | 基于通行能力的区域交通运行状态指数计算及可视化方法 | |
CN208689753U (zh) | 优化型智能交通信号灯调控*** | |
CN103679399B (zh) | 一种车站客流联动管控方法 | |
CN108364464A (zh) | 一种基于概率模型的公交车辆旅行时间建模方法 | |
CN109409708A (zh) | 基于大数据的红绿灯保供电优先排序算法 | |
CN107180403A (zh) | 一种公共交通客流量统计管理方法及*** | |
CN103824450A (zh) | 基于交通状态规则的大型活动专用行车线路规划方法 | |
CN106530714A (zh) | 一种基于交通流数据的二次交通事故时间预测方法 | |
CN107146413A (zh) | 一种智慧城市服务平台 | |
CN102024336A (zh) | 高速公路出入口智能诱导装置 | |
CN207731470U (zh) | 一种基于图像处理的智能交通控制*** | |
CN103021180B (zh) | 基于修正速度的宏观交通流离散模型的交通拥堵监控预报方法 | |
CN107564286A (zh) | 一种基于大数据信息融合的道路交通状态参数分析*** | |
CN102592455A (zh) | 一种基于离散模型的公路交通流检测器设置方法 | |
CN103021181B (zh) | 基于宏观离散交通流模型的交通拥堵监控预报方法 | |
CN116187762A (zh) | 一种基于Anylogic的轨道交通枢纽站瓶颈风险识别方法 | |
CN113297294B (zh) | 一种基于大数据和云计算的高速公路监控管理方法及云监控管理平台 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190301 |
|
RJ01 | Rejection of invention patent application after publication |