CN109544912B - 一种基于多源数据融合的城市路网积水状态预测方法 - Google Patents
一种基于多源数据融合的城市路网积水状态预测方法 Download PDFInfo
- Publication number
- CN109544912B CN109544912B CN201811316031.2A CN201811316031A CN109544912B CN 109544912 B CN109544912 B CN 109544912B CN 201811316031 A CN201811316031 A CN 201811316031A CN 109544912 B CN109544912 B CN 109544912B
- Authority
- CN
- China
- Prior art keywords
- ponding
- road
- road network
- intersection
- water accumulation
- 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
-
- 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
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于多源数据融合的城市路网积水状态预测方法,针对当前道路积水监测不足之处,综合利用积水监测数据、交通运行数据等多源监测数据,考虑不同积水环境下的交通运行特点,结合交叉口、路段是否建设有路网积水监测站点分别给出了不同积水状态、不同交通运行情况下交叉口或路段的积水状态和预测分析。以全部交叉口和路段积水判断和预测结果为依据,构建道路不同积水状态分类和颜色划分,建立了路网积水状态预测图,从而将离散点积水监测扩大为路网层面的积水状态分析,得到了受城市内涝影响的中度及以上道路积水分布情况和影响比例,最终实现对路网积水状态的定性和定量预测分析。
Description
技术领域
本发明公开了一种基于多源数据融合的城市道路网积水状态预测方法,属于城市暴雨内涝情景下道路积水状态监测领域。
背景技术
当前,由于城市遭受暴雨影响,城区普遍发生内涝现象,导致车辆人员受困、财产损失、交通中断甚至瘫痪等问题。随着我国城市化进程的加快,城市内涝导致的不利后果愈发严重,严重阻碍了城市的可持续性发展。为了提高对内涝积水的监测水平,并避免内涝发生后造成各种损失,降雨路网积水监测站点能够有效准确监测暴雨发生后积水情况,根据监测数据分析结果,通过发布预警信息,提醒有关人员提前做好准备,规避内涝造成的不利因素,市政、水利、排水、消防等有关部门和单位据此也可启动应急响应方案,及时开展抢险救援工作,从而降低暴雨内涝对城市运转的影响。
为此,通过建设降雨路网积水监测站点可提升对暴雨积水状态的监测能力,并提高暴雨内涝灾害的预报预警水平。但是,由于建设成本、监测范围、实用性等问题,一般仅对个别或重点位置建设了城市降雨路网积水监测站点,并没有大范围、高密度的实现对城市全区域降雨积水的有效监控,即城市一旦发生暴雨,只能得到路网积水监测站点附近的积水情况,是一种离散点的积水监测,无法得到城市路网的积水状态信息,难以实现对路网道路积水状态的监测。
针对现有城市道路积水监测***的不足,与现有技术相比,本发明的优点在于:
1)实现了多源数据融合的道路积水状态预测分析,利用道路交通流数据(速度、流量、占有率)、降雨积水数据(路网积水监测站点位、积水深度)等数据,考虑不同积水环境对交通运行的影响,分别结合交叉口、路段交通运行特点,建立不同交通运行情况对应的积水状态,填补了路网积水监测站点不足造成的积水数据信息空白,通过数据挖掘和融合实现对全部交叉口和路段积水状态的监测和预测。
2)建立全路网积水状态预测分析,不完全依赖路网积水监测站点的积水数据,不用大规模建设路网积水监测站点也实现了路网积水状态的估计预测,不仅降低了***建设成本,并且扩大了积水监测范围,通过对道路积水状态预测实现了路网积水状态监测的全覆盖,如图1所示。
3)形成城市内涝对路网积水影响的定性分析和定量刻画,通过对路网道路建立分类积水标准,确定了城市内涝对道路影响的严重程度,通过建立路网积水状态分布图,以中度和重度积水为内涝标准,可直观、明显的获得内涝对路网的影响范围和比例,以此为基础,可及时开展相关预报预警、交通管控、应急准备、抢险救援等工作。
发明内容
本发明所采用的技术方案是:
本发明为解决城市路网积水状态难以实时、有效监测的问题,公开一种城市路网积水状态预测方法,该方法以路网积水监测数据、道路交通运行数据等为基础数据支撑,综合考虑路网积水监测站点位于道路的不同位置,在其积水状态的基础上,考虑周边交通运行状态,评估其对周边路网积水的影响范围。针对交叉口或路段未建设路网积水监测站点的情况,利用交通运行数据分析交叉口或路段积水状态。在此基础上,综合路网所有路网积水监测站点的积水状态和其周边路网道路影响分析结果,初步建立路网积水状态预测结果。最后,通过对积水状态进行分类,利用不同颜色代表不同的积水状态,建立路网积水状态预测图,可得到受内涝影响的路网积水分布图,从而解决当前只能进行积水点位监测,无法对路网积水状态进行估计,通过本方法实现了对路网积水状态的估计预测。本发明基本方案路线如图2所示,具体采用如下技术方案:
步骤1:确定路网积水监测站点地理位置及其与路段和交叉口的距离关系,并依据监测数据分析站点积水数据信息,判断路网积水监测站点积水状态
式中,h代表积水平均深度,t代表积水时间;
步骤2:根据路网积水监测站点所在位置,判断其与交叉口和路段的关联性,路网积水监测站点到交叉口的距离d不超过阈值,则确定所述路网积水监测站点位于交叉口附近,进入步骤3;若d超过阈值,则确定所述路网积水监测站点位于路段中间,进入步骤4;若路段或交叉口没有设置路网积水监测站点时,进入步骤5;
步骤3:当路网积水监测站点位于交叉口附近时,判断交叉口各方向积水情况和影响范围
1)交叉口为轻度或中度积水时
根据通行能力变化判断该方向路段积水情况
式中,Q为在该方向路段的交通通行能力,q代表该方向小时交通流量,α代表折扣系数;
2)交叉口为重度积水时
根据相邻下游交叉***通运行数据,综合判断积水影响范围情况:
1)l<200m,重度积水,路段与交叉口积水状态一致
2)l>200m,判断如下:
步骤4:当路网积水监测站点位于路段中间时,结合交通运行数据分析积水影响情况
1)路段为轻度或中度积水时
根据通行能力变化判断该方向路段积水情况
式中,T为该方向路段的交通通行能力,t代表该方向小时交通流量,β代表折扣系数;
2)路段路网积水监测站点为重度积水时
路段路网积水监测站点积水严重,车辆已无法正常通行,导致该路段交通断路,认定该路段为严重积水状态;
步骤5:当交叉口或路段没有路网积水监测站点时,融合交通检测数据,分析交通运行数据估计该交叉口或路段的积水情况
1)针对交叉口或路段积水情况
选取两个交通信号阶段所在交通通行路段,且两阶段所在路段不相同,提取两个路段的交通运行数据,预测交叉口或路段相应的积水情况
式中,o代表路段车辆检测器空间占有率,γz代表中度积水情况下车辆检测器占有率阈值,γs代表轻度积水情况下车辆检测器占有率阈值;
步骤6:整合路网道路积水情况预测结果,将所有交叉口和路段的积水预测结果整合到路网中,对不同的积水情况进行分类,严重积水的颜色为红色,中度积水对应颜色为黄色,轻度积水对应为粉色,无积水对应为绿色,从而建立路网积水状态预测图;
步骤7:受内涝影响的路网道路估计,根据路网积水状态预测结果,得到中度积水和重度积水路网道路。
本发明具有如下有益的技术效果:
1)本发明能够有效挖掘积水数据、气象数据、交通数据等之间的关联关系,利用多源数据分析弥补现有积水监测的不足,在考虑路网积水监测站点拓扑结构的基础上,结合路网积水监测站点位置、监测数据、周边交通等信息分析积水影响范围,实现基于数据融合技术的路网积水状态估计。
2)以往由于成本、规划、监管等方面的问题,无法进行全路网积水状态监测,只对重点区域或易积水地点建设路网积水监测站点,仅形成某些点位的积水监测。通过建立了路网积水状态预测方法,能够在降低建设、运维成本的基础上,突破仅能对孤立点积水状态监测的局限,提高路网积水和断路状态的感知和预测能力。
3)基于本方法可开展内涝区域路网状态实时与预测趋势分析,并开展相应的应急决策和救援工作,一方面结合实时内涝分析,加强对内涝区域路网的积水排涝工作,采取相关措施保障交通和人员的安全;另一方面,对可能发生内涝的路网,及时实施各种交通管控,预防人员受困和避免财产损失。
附图说明
下面结合附图和实例对本发明进一步说明:
图1本发明与传统方法基本流程对比图。
图2城市路网积水状态预测方法流程图
图3路网积水监测站点位置判断示意图。
图4路网积水监测站点和车辆检测器位置示意图。
具体实施方式
下面结合附图针对发明内容部分所采用的技术方案进行详细说明,主要步骤如下:
步骤1:确定路网积水监测站点地理位置及其与路段和交叉口的距离关系。
步骤2:根据路网积水监测站点所在位置,判断其与交叉口和路段的关联性。假设路网积水监测站点到交叉口的距离为d,如有d≤100m,则认为该路网积水监测站点位于交叉口附近。反之,如果路网积水监测站点到相邻交叉口的距离超过该值,即d>100m,则认为该路网积水监测站点位于路段中间,如图3所示。
步骤3:依据监测数据分析站点积水数据信息,判断路网积水监测站点积水状态,标准如下。
式中,h代表积水平均深度,t代表积水时间。根据上述标准可推得站点所在位置(交叉口或路段)的积水状态。
步骤4:当路网积水监测站点位于交叉口时,判断交叉口各方向积水情况和影响范围。以交叉口某一方向为例,分别针对三种积水情况,结合交通运行数据分析该方向的积水影响情况。
1)交叉口为轻度积水时
此时,该交叉***通还处于可通行条件,假设在这种道路环境下交叉口在该方向路段的交通通行能力为Q,则可根据通行能力变化判断该方向路段积水情况,判断标准如下。
式中,q代表该方向小时交通流量,α代表折扣系数,不同积水状态的折扣系数也不同,重度积水时α=0,即交通流量为零。
交叉口为中度积水时,此时,该交叉口积水较深,车辆通行条件较差,交通通行能力严重下降,但是还存在一部分车辆能够通过该交叉口的可能性。同理,假设在这种道路环境下交叉口在该方向路段的交通通行能力为Q,则可根据通行能力变化判断该方向路段积水情况,判断标准同(2)式。
2)交叉口为重度积水时
交叉口积水严重,车辆已无法正常通行,导致该节点交通断路。由此,与该交叉口各方向交通基本处于瘫痪状态,任何一方向交通都无法驶向另一方向,由于路网积水监测站点数量和范围的局限,但仅凭交叉口积水监测数据无法判断各方向的积水状态。因此,借助交通运行数据预测道路积水状态。以该方向的相邻下游交叉***通运行数据为参考,考虑下游路段长度l,综合判断积水影响范围情况。判断条件如下。
1)l<200m,重度积水,路段与交叉口积水状态一致。
2)l>200m,判断如下: (3)
步骤5:当路网积水监测站点位于路段时,判断路段两个方向积水情况和影响范围。以路段某一方向为例,分别针对三种积水情况,结合交通运行数据分析该方向的积水影响情况。
1)路段路网积水监测站点为轻度积水时
路段该方向交通还处于可通行条件,假设在这种道路环境下该方向路段的交通通行能力为T,则可根据通行能力变化判断该方向路段积水情况,判断标准如下。
式中,t代表该方向小时交通流量,β代表折扣系数,不同积水状态的折扣系数也不同,重度积水时β=0,即交通流量为零。
路段路网积水监测站点为中度积水时,路段在该点的积水较深,车辆通行条件较差,该方向交通通行能力严重下降,但是还存在一部分车辆能够通过该方向的可能性。假设在这种道路环境下路段在该方向交通通行能力为T,则根据通行能力变化判断路段该方向积水情况,判断标准同(4)式。
2)路段路网积水监测站点为重度积水时
路段路网积水监测站点积水严重,车辆已无法正常通行,导致该路段交通断路。此时认定该路段为严重积水状态。
步骤6:路网上仅有部分交叉口或路段建设了路网积水监测站点,当交叉口或路段没有路网积水监测站点时,无法提供相应位置的积水数据信息,如图4所示,则融合交通检测数据,分析交通运行数据估计该交叉口或路段的积水情况。
1)针对交叉口积水情况
选取两个交通信号阶段所在交通通行路段,且两阶段所在路段不相同,提取两个路段的交通运行数据,当两阶段路段交通运行数据均满足下式相关条件时,则可预测交叉口相应的积水情况。如果只有一个阶段满足而另一个阶段不满足时,则以积水程度最重的阶段预测结果为准。
式中,o代表路段车辆检测器空间占有率,γz代表中度积水情况下车辆检测器占有率阈值,γs代表轻度积水情况下车辆检测器占有率阈值。
2)针对路段积水情况
假设路段只有两端进出口,中间不存在其他交叉口。则可根据路段两端的车辆检测器数据分析路段的积水情况,预测标准条件同(5)式,当两端检测器之一符合条件时,则可得到相应的路段积水情况预测结果。
步骤7:整合路网道路积水情况预测结果。将所有交叉口和路段的积水预测结果整合到路网中,对不同的积水情况进行分类,每一种积水对应一个颜色,即严重积水的颜色为红色,中度积水对应颜色为黄色,轻度积水对应为粉色,无积水对应为绿色,从而建立路网积水状态预测图。
步骤8:受内涝影响的路网道路估计。由于中度及以上积水已经严重影响路网交通运行,在这种积水环境下,道路已经难以保障车辆人员安全通行,根据路网积水状态预测结果,可得到受城市内涝影响的路网道路,即中度积水和重度积水路网道路。
Claims (1)
1.一种基于多源数据融合的城市路网积水状态预测方法,其特征在于,该方法包括:
步骤1:确定路网积水监测站点地理位置及其与路段和交叉口的距离关系,并依据监测数据分析站点积水数据信息,判断路网积水监测站点积水状态
式中,h代表积水平均深度,t'代表积水时间;
步骤2:根据路网积水监测站点所在位置,判断其与交叉口和路段的关联性,路网积水监测站点到交叉口的距离d不超过阈值,则确定所述路网积水监测站点位于交叉口附近,进入步骤3;若d超过阈值,则确定所述路网积水监测站点位于路段中间,进入步骤4;若路段或交叉口没有设置路网积水监测站点时,进入步骤5;
步骤3:当路网积水监测站点位于交叉口附近时,判断交叉口各方向积水情况和影响范围
1)交叉口为轻度或中度积水时
根据通行能力变化判断交叉口方向路段积水情况
式中,Q为在交叉口方向路段的交通通行能力,q代表交叉口方向路段小时交通流量,max q表示交叉口方向路段小时交通流量最大值,α代表折扣系数;
2)交叉口为重度积水时
根据相邻下游交叉***通运行数据,综合判断积水影响范围情况:
1)l<200m,重度积水,路段与交叉口积水状态一致
2)l>200m,判断如下:
步骤4:当路网积水监测站点位于路段中间时,结合交通运行数据分析积水影响情况
1)路段为轻度或中度积水时
根据通行能力变化判断该路网积水监测站点所在路段积水情况
式中,T为所述路网积水监测站点所在路段的交通通行能力,t代表所述路网积水监测站点所在路段小时交通流量,max t表示所述路网积水监测站点所在路段小时交通流量最大值,β代表折扣系数;
2)路段路网积水监测站点为重度积水时
路段路网积水监测站点积水严重,车辆已无法正常通行,导致该路段交通断路,认定该路段为严重积水状态;
步骤5:当交叉口或路段没有路网积水监测站点时,融合交通检测数据,分析交通运行数据估计该交叉口或路段的积水情况
1)针对交叉口或路段积水情况
选取两个不同的交通信号阶段所在交通通行路段,提取两个路段的交通运行数据,预测交叉口或路段相应的积水情况
式中,o代表路段车辆检测器空间占有率,γz代表中度积水情况下车辆检测器占有率阈值,γs代表轻度积水情况下车辆检测器占有率阈值;
步骤6:整合路网道路积水情况预测结果,将所有交叉口和路段的积水预测结果整合到路网中,对不同的积水情况进行分类,严重积水的颜色为红色,中度积水对应颜色为黄色,轻度积水对应为粉色,无积水对应为绿色,从而建立路网积水状态预测图;
步骤7:受内涝影响的路网道路估计,根据路网积水状态预测结果,得到中度积水和重度积水路网道路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811316031.2A CN109544912B (zh) | 2018-11-07 | 2018-11-07 | 一种基于多源数据融合的城市路网积水状态预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811316031.2A CN109544912B (zh) | 2018-11-07 | 2018-11-07 | 一种基于多源数据融合的城市路网积水状态预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544912A CN109544912A (zh) | 2019-03-29 |
CN109544912B true CN109544912B (zh) | 2020-07-10 |
Family
ID=65844875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811316031.2A Active CN109544912B (zh) | 2018-11-07 | 2018-11-07 | 一种基于多源数据融合的城市路网积水状态预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544912B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322690A (zh) * | 2019-06-17 | 2019-10-11 | 西北工业大学 | 一种下沉路段积水状况监测预警***及其预测预警方法 |
CN111335091B (zh) * | 2020-03-08 | 2021-10-01 | 青岛理工大学 | 以消减城市内涝为目标的路网均衡排水的方法 |
CN112364890B (zh) * | 2020-10-20 | 2022-05-03 | 武汉大学 | 利用出租车轨迹制作城市可导航路网的交叉口引导方法 |
CN113053111B (zh) * | 2021-03-09 | 2022-08-12 | 上海新前端奕天科技有限公司 | 一种基于机器视觉和物联网的城市交通市政道路安全在线监测云平台 |
CN113408813B (zh) * | 2021-06-30 | 2022-03-15 | 重庆东登科技有限公司 | 水上急救平台的切换*** |
CN114858214B (zh) * | 2022-04-27 | 2023-08-25 | 中徽建技术有限公司 | 一种城市道路性能监测*** |
CN115472003B (zh) * | 2022-07-27 | 2024-04-05 | 山西西电信息技术研究院有限公司 | 一种基于多源信息的城市交通监管***及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323073A (zh) * | 2013-06-03 | 2013-09-25 | 安徽富煌和利时科技有限公司 | 一种道路积水水位监控与警示*** |
CN105160889B (zh) * | 2015-09-29 | 2018-02-09 | 中山大学 | 一种城市内涝情景下路网交通流的多源点协同疏导方法 |
CN105894835A (zh) * | 2016-07-04 | 2016-08-24 | 王新奎 | 一种道路积涝报警拦阻疏导装置 |
US10018475B2 (en) * | 2016-09-09 | 2018-07-10 | Ford Global Technologies, Llc | Water depth detection for vehicle navigation |
-
2018
- 2018-11-07 CN CN201811316031.2A patent/CN109544912B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109544912A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544912B (zh) | 一种基于多源数据融合的城市路网积水状态预测方法 | |
CN106530694B (zh) | 一种基于交通拥堵传播模型的交通拥堵预测方法及*** | |
CN104751642B (zh) | 一种高等级道路交通流运行风险实时预估方法 | |
CN110009158B (zh) | 台风暴雨洪水灾害全生命周期监测方法及*** | |
Geroliminis et al. | Identification and analysis of queue spillovers in city street networks | |
CN101739814B (zh) | 基于scats线圈数据的交通状态在线定量评价与预测方法 | |
Škorput et al. | Real-time detection of road traffic incidents | |
CN100589143C (zh) | 判断浮动车行驶状态的方法及装置 | |
CN104240499A (zh) | 一种基于微波数据的异常拥堵点判别方法 | |
CN108281000B (zh) | 一种数据驱动的突发事件对区域路网影响分析***及方法 | |
CN112835131B (zh) | 一种高速公路结冰风险路段动态短临预警方法 | |
CN115171385B (zh) | 一种基于毫米波雷达和视频联动交通事件检测*** | |
CN114363316A (zh) | 一种跨区域道路基础设施智能联网监测与监管*** | |
CN104732762A (zh) | 一种交通异常路段概率识别方法 | |
CN105303831A (zh) | 一种基于通信数据判断高速路拥堵情况的方法 | |
CN104778835A (zh) | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 | |
CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
CN100481153C (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN113112789A (zh) | 城市快速路突发事件的影响预测及管控方法 | |
Samoili et al. | Investigation of lane flow distribution on hard shoulder running freeways | |
CN102289937B (zh) | 基于停车线检测器的城市地面道路交通状态自动判别方法 | |
Guan et al. | Traffic incident duration prediction based on artificial neural network | |
CN114399726A (zh) | 实时智能监测客流及预警的方法和*** | |
Wang et al. | Prediction of red-light running on basis of inductive-loop detectors for dynamic all-red extension | |
KR102646880B1 (ko) | 교통량 증대를 위한 신호교차로 노면조건 및 교통패턴 분석 결과에 따른 신호등 운영 시스템 |
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 |