CN110276951A - 一种基于移动互联网交通拥堵预警方法 - Google Patents
一种基于移动互联网交通拥堵预警方法 Download PDFInfo
- Publication number
- CN110276951A CN110276951A CN201910561657.8A CN201910561657A CN110276951A CN 110276951 A CN110276951 A CN 110276951A CN 201910561657 A CN201910561657 A CN 201910561657A CN 110276951 A CN110276951 A CN 110276951A
- Authority
- CN
- China
- Prior art keywords
- congestion
- vehicle
- road
- day
- congestion status
- 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
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于移动互联网交通拥堵预警方法,根据各个道路拥堵状态参数定义道路拥堵级别,将当天每个时间段的实际道路拥堵状态参数与定义的道路拥堵级别所属的道路拥堵状态参数范围进行比较确定实际道路拥堵级别,将各个道路的实际道路拥堵级别及时通知相关对象,相关对象根据实际道路拥堵级别和实际情况确定行车的最佳方案。可以最大限度地避免各个路口、各个路段发生车辆拥堵现象,大大地减小道路拥堵压力,即使发生了车辆拥堵现象也可以及时地进行缓解、消除,使交通基本上保持始终通畅。
Description
技术领域
本发明涉及一种预警方法,尤其涉及一种基于移动互联网交通拥堵预警方法。
背景技术
现有技术中,公共资源交通道路视频监控探头主要用于对车辆违章的监控,没有交通拥堵预警的功能,只有当监控人员通过道路视频发现道路拥堵后才向道路电子警示牌发出信息,警示车辆司机相关道路拥堵,这样的事后报警方式很难满足车辆司机避堵的需求。另外,交通红绿灯通常是以固定的时间间隔控制十字路口的车辆通行,没有智能应变的能力,经常出现亮绿灯的道路没有车辆通行,而亮红灯的道路却车辆堵成长龙,此时的红绿灯没有起到疏导交通的作用,反而起到制造拥堵阻碍交通的作用。本申请人经过长期的观察和深入的思考认识到造成道路拥堵的根本原因是没有交通拥堵预警机制,车辆司机只根据自己的实际情况确定行车方案,无法预料行车途中的路况。最终导致道路拥堵现象的频繁发生。随着科学技术的飞速发展,无人驾驶车辆已进入实际应用的阶段,无人驾驶车辆更需要交通拥堵预警信息作为行车路线选择的参考。因此,对交通拥堵预警的需求势在必行。
发明内容
本发明要解决的技术问题是提供一种基于移动互联网交通拥堵预警方法,该方法可以将每天每个时间段各个道路的实际道路拥堵状态像天气预报一样及时地通知给车辆司机、车载***、行人、无人驾驶车辆、道路信号灯时间控制端、车辆导航中心、交通管理部门;车辆司机和行人可以根据自己的实际需求和各个道路的实际道路拥堵状态确定自己的行车路线;无人驾驶车辆可以根据自己的实际任务和各个道路的实际道路拥堵状态确定自己的行车路线和时机;道路信号灯时间控制端可以根据各个道路的实际道路拥堵状态控制各个路口车辆的通行;车辆导航中心可以根据各个道路的实际道路拥堵状态为车辆提供更加优选的行车路线;交通管理部门可以根据各个道路的实际道路拥堵状态作好应急预案;这样,可以最大限度地避免各个路口、各个路段发生车辆拥堵现象,大大地减小道路拥堵压力,即使发生了车辆拥堵现象也可以及时地进行缓解、消除,使交通基本上保持始终通畅。
为了解决上述技术问题,本发明提供了一种基于移动互联网交通拥堵预警方法,根据各个道路拥堵状态参数定义道路拥堵级别,将当天每个时间段的实际道路拥堵状态参数与定义的道路拥堵级别所属的道路拥堵状态参数范围进行比较确定实际道路拥堵级别,将各个道路的实际道路拥堵级别及时通知相关对象,相关对象根据实际道路拥堵级别和实际情况确定行车的最佳方案。
道路拥堵级别分为五级;
道路拥堵级别从通到堵依次分为“非常畅通”、“畅通”、“无拥堵”、“拥堵”、“非常拥堵”;或者,
道路拥堵级别从堵到通依次分为“非常拥堵”、“拥堵”、“无拥堵”、“畅通”、“非常畅通”;
道路堵级别通过四个道路拥堵状态参数确定;
四个道路拥堵状态参数构成等差数列;或者,
四个道路拥堵状态参数的值根据实际情况确定;
四个道路拥堵状态参数是正比道路拥堵状态参数或反比道路拥堵状态参数;
正比道路拥堵状态参数的数值越大,道路越拥堵;
反比道路拥堵状态参数的数值越大,道路越畅通;
四个正比道路拥堵状态参数从小到大排序;
四个反比道路拥堵状态参数从大到小排序;
“非常畅通”定义为小于第一个正比道路拥堵状态参数的值;或者,
“非常畅通”定义为大于第一个反比道路拥堵状态参数的值;
“畅通”定义为大于或等于第一个正比道路拥堵状态参数的值且小于第二个正比道路拥堵状态参数的值;或者,
“畅通”定义为小于或等于第一个反比道路拥堵状态参数的值且大于第二个反比道路拥堵状态参数的值;
“无拥堵”定义为大于或等于第二个正比道路拥堵状态参数的值且小于第三个正比道路拥堵状态参数的值;或者,
“无拥堵”定义为小于或等于第二个反比道路拥堵状态参数的值且大于第三个反比道路拥堵状态参数的值;
“拥堵”定义为大于或等于第三个正比道路拥堵状态参数的值且小于第四个正比道路拥堵状态参数的值;或者,
“拥堵”定义为小于或等于第三个反比道路拥堵状态参数的值且大于第四个反比道路拥堵状态参数的值;
“非常拥堵”定义为大于或等于第四个正比道路拥堵状态参数的值;或者,
“非常拥堵”定义为小于或等于第四个反比道路拥堵状态参数的值。
四个道路拥堵状态参数根据当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值确定;
同一个时间段的若干个日是两个日至十个日;
若干个日是两个日或三个日或四个日或五个日或六个日或十个日;
所述若干个日是若干个同类日;
所述若干个同类日是最近若干个同类日;
最近若干个同类日中,各个所述同一个时间段中的天气情况均相同;
四个道路拥堵状态参数均小于当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值且均大于当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最小平均值;
最近若干同类日中同一个时间段实际道路拥堵状态参数的最大平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值中最大的平均值;
最近若干同类日中同一个时间段实际道路拥堵状态参数的最小平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值中最小的平均值;
最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数之和与最近若干同类日天数的比值;
同类日分为工作日、节假日;
同一个时间段均为晴天时间段或均为雨天时间段或均为雪天时间段或均为非晴雨雪天时间段;
晴天时间段是在该时间段中始终天空无云或云很少;
雨天时间段是在该时间段中有下雨的天气情况;
雪天时间段是在该时间段中有下雪的天气情况;
非晴雨雪天时间段是非晴天、非雨天、非雪天时间段;
每一个日内,实际道路拥堵参数的存储始于4:00止于24:00;
将4:00至24:00时间长度平均分为多个时间段;
将4:00至24:00时间长度平均分为20个时间段;
每一个时间段的时间长度为1:00;或者,
将4:00至24:00时间长度平均分为10个时间段;
每一个时间段的时间长度为2:00;或者,
将4:00至24:00时间长度平均分为5个时间段;
每一个时间段的时间长度为4:00;或者,
将4:00至24:00时间长度平均分为4个时间段;
每一个时间段的时间长度为5:00;
将每一个日中每一个时间段每一个道路的实际道路拥堵状态参数进行存储;
每一个日中每一个时间段每一个道路的实际道路拥堵状态参数记录包括“序号”字段、“日期”字段、“日类别”字段、“时间段”字段、“时间段天气情况”字段、“车流量”字段、“车辆间隔距离”字段、“车速”字段;
实际道路拥堵状态参数是通过对各个道路监控视频数据和/或其他设备采集的数据进行处理和分析得到的;
实际道路的时间段天气情况是通过对各个道路监控视频数据/或其他设备采集的数据进行处理和分析得到的;
每一个道路的实际道路拥堵状态参数记录构成实际道路拥堵状态参数表;
每天每个时间段的实际道路拥堵状态参数按照同类日分为工作日中时间段的实际道路拥堵状态参数、节假日中时间段的实际道路拥堵状态参数;
每天每个时间段的实际道路拥堵状态参数按照时间段天气情况分为晴天时间段的实际道路拥堵状态参数、非晴雨雪天时间段的实际道路拥堵状态参数、雨天时间段的实际道路拥堵状态参数、雪天时间段的实际道路拥堵状态参数;
每天每个时间段的实际道路拥堵状态参数按照道路拥堵状态参数的种类分为实际车流量拥堵状态参数、实际车辆间隔距离拥堵状态参数、实际车速拥堵状态参数;
实际道路拥堵状态参数按照比例类型分为实际正比道路拥堵状态参数和实际反比道路拥堵状态参数;
实际正比道路拥堵状态参数是实际车流量拥堵状态参数;
实际反比道路拥堵参数状态是实际车辆间隔距离拥堵状态参数或实际车速拥堵状态参数;
实际车流量拥堵状态参数是每一个时间段内经过同一点的车辆数与该时间段时长的比值;
实际车辆间隔距离拥堵状态参数是每一个时间段内经过同一点的各个车辆间相邻头尾间距之和与车辆数减一之差的比值;
实际车速拥堵状态参数是每一个时间段内经过同一点的各个车辆速度之和与车辆数的比值;
根据当日之前的实际道路拥堵状态参数表可以得到
晴天的各个最近若干个工作日中同一个时间段车流量记录统计表、
非晴雨雪天的各个最近若干个工作日中同一个时间段车流量记录统计表、
雨天的各个最近若干个工作日中同一个时间段车流量记录统计表、
雪天的各个最近若干个工作日中同一个时间段车流量记录统计表、
晴天的各个最近若干个节假日中同一个时间段车流量记录统计表、
非晴雨雪天的各个最近若干个节假日中同一个时间段车流量记录统计表、
雨天的各个最近若干个节假日中同一个时间段车流量记录统计表、
雪天的各个最近若干个节假日中同一个时间段车流量记录统计表、
晴天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
非晴雨雪天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
雨天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
雪天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
晴天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
非晴雨雪天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
雨天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
雪天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
晴天的各个最近若干个工作日中同一个时间段车速记录统计表、
非晴雨雪天的各个最近若干个工作日中同一个时间段车速记录统计表、
雨天的各个最近若干个工作日中同一个时间段车速记录统计表、
雪天的各个最近若干个工作日中同一个时间段车速记录统计表、
晴天的各个最近若干个节假日中同一个时间段车速记录统计表、
非晴雨雪天的各个最近若干个节假日中同一个时间段车速记录统计表、
雨天的各个最近若干个节假日中同一个时间段车速记录统计表、
雪天的各个最近若干个节假日中同一个时间段车速记录统计表;
上述各个统计表均包括“时间段”字段、多个“最近第某个日”字段、“平均值”字段、“最大值最小值字段”;
根据当天的时间段所属的同类日和天气情况以及道路拥堵状态参数的种类选择上述相应的统计表;
根据相应的统计表得出当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值;
根据当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值得到相应的道路拥堵级别。
各个道路包括各个路段、各个十字路口、各个丁字路口、各个高架改道扎口、各个高速公路出入扎口;
相关对象包括(但不限于)车辆司机、车载***、行人、无人驾驶车辆、道路信号灯时间控制端、车辆导航中心、交通管理部门;
各个道路拥堵的状态分为车流量拥堵状态、车辆间隔距离拥堵状态、车速拥堵状态;
车流量拥堵状态用车流量拥堵状态参数表征;
车辆间隔距离拥堵状态用车辆间隔距离拥堵状态参数表征;
车速拥堵状态用车速拥堵状态状态参数表征。
对视频中的车辆牌号进行识别(采集的数据包括但不局限于视频,包括其他设备采集的数据),通过车辆牌号确定车辆司机的身份,根据车辆司机的身份确定联系方式,将实际道路拥堵状态级别及时地通知到在路上的车辆司机,(根据本***客户端的客户设定,客户自行决定是否连接车辆制动***,控制车辆速度);通过车辆牌号确定无人驾驶车辆,将实际道路拥堵状态级别及时地通知到在路上的无人驾驶车辆;对道路上的行人进行人脸识别,通过人脸识别确定行人的身份,根据行人的身份确定联系方式,将实际道路拥堵状态级别及时地通知到在路上的行人;将实际道路拥堵状态级别及时地通知道路信号灯时间控制端,道路信号灯时间控制端根据实际道路拥堵状态级别对红绿灯切换时间进行控制,进而,对车辆及行人进行控制;将实际道路拥堵状态级别及时地通知车辆导航中心,车辆导航中心在导航中参考实际道路拥堵状态级别为用户选择最佳方案;将实际道路拥堵状态级别及时地通知交通管理部门,交通管理部门根据实际道路拥堵状态级别及时作好应急预案。
本发明的基于移动互联网交通拥堵预警方法与现有技术相比具有以下有益效果。
1、本技术方案由于采用了根据各个道路拥堵状态参数定义道路拥堵级别,将当天每个时间段的实际道路拥堵状态参数与定义的道路拥堵级别所属的道路拥堵状态参数范围进行比较确定实际道路拥堵级别,将各个道路的实际道路拥堵级别及时通知相关对象,相关对象根据实际道路拥堵级别和实际情况确定行车的最佳方案的技术手段,所以,该方法可以将每天每个时间段各个道路的实际道路拥堵状态像天气预报一样及时地通知给车辆司机、车载***、行人、无人驾驶车辆、道路信号灯时间控制端、车辆导航中心、交通管理部门;车辆司机和行人可以根据自己的实际需求和各个道路的实际道路拥堵状态确定自己的行车路线;无人驾驶车辆可以根据自己的实际任务和各个道路的实际道路拥堵状态确定自己的行车路线和时机;道路信号灯时间控制端可以根据各个道路的实际道路拥堵状态控制各个路口车辆的通行;车辆导航中心可以根据各个道路的实际道路拥堵状态为车辆提供更加优选的行车路线;交通管理部门可以根据各个道路的实际道路拥堵状态作好应急预案;这样,可以最大限度地避免各个路口、各个路段发生车辆拥堵现象,大大地减小道路拥堵压力,即使发生了车辆拥堵现象也可以及时地进行缓解、消除,使交通基本上保持始终通畅。由于实际道路拥堵级别是通过统计学原理计算(当然,也可以通过神经网络原理计算)后得到的,所以,该实际道路拥堵级别对之后的道路拥堵状态的预测和评估具有指导意义。
2、本技术方案由于采用了道路拥堵级别分为五级的技术手段,所以,便于大多数人对拥堵级别的理解。
3、本技术方案由于采用了道路拥堵级别从通到堵依次分为“非常畅通”、“畅通”、“无拥堵”、“拥堵”、“非常拥堵”的技术手段,所以,便于大多数人对正比道路拥堵状态的理解。
4、本技术方案由于采用了道路拥堵级别从堵到通依次分为“非常拥堵”、“拥堵”、“无拥堵”、“畅通”、“非常畅通”的技术手段,所以,便于大多数人对反比道路拥堵状态的理解。
5、本技术方案由于采用了道路堵级别通过四个道路拥堵状态参数确定的技术手段,所以,可确定出五个道路堵级别。
6、本技术方案由于采用了四个道路拥堵状态参数构成等差数列的技术手段,所以,有利于减轻计算压力,提高运算速度。
7、本技术方案由于采用了四个道路拥堵状态参数的值根据实际情况确定的技术手段,所以,有利于以对拥堵的级别做出更准确的判断。
8、本技术方案由于采用了四个道路拥堵状态参数是正比道路拥堵状态参数或反比道路拥堵状态参数的技术手段,所以,可根据需要选择不同的道路拥堵状态参数。
9、本技术方案由于采用了正比道路拥堵状态参数的数值越大,道路越拥堵;反比道路拥堵状态参数的数值越大,道路越畅通的技术手段,所以,有利于对道路拥堵状态的理解。
10、本技术方案由于采用了四个正比道路拥堵状态参数从小到大排序;四个反比道路拥堵状态参数从大到小排序的技术手段,所以,有利于程序的设计。
11、本技术方案由于采用了“非常畅通”定义为小于第一个正比道路拥堵状态参数的值;或者,“非常畅通”定义为大于第一个反比道路拥堵状态参数的值;“畅通”定义为大于或等于第一个正比道路拥堵状态参数的值且小于第二个正比道路拥堵状态参数的值;或者,“畅通”定义为小于或等于第一个反比道路拥堵状态参数的值且大于第二个反比道路拥堵状态参数的值;“无拥堵”定义为大于或等于第二个正比道路拥堵状态参数的值且小于第三个正比道路拥堵状态参数的值;或者,“无拥堵”定义为小于或等于第二个反比道路拥堵状态参数的值且大于第三个反比道路拥堵状态参数的值;“拥堵”定义为大于或等于第三个正比道路拥堵状态参数的值且小于第四个正比道路拥堵状态参数的值;或者,“拥堵”定义为小于或等于第三个反比道路拥堵状态参数的值且大于第四个反比道路拥堵状态参数的值;“非常拥堵”定义为大于或等于第四个正比道路拥堵状态参数的值;或者,“非常拥堵”定义为小于或等于第四个反比道路拥堵状态参数的值的技术手段,所以,可根据不同的道路拥堵状态参数进行程序设计。
12、本技术方案由于采用了四个道路拥堵状态参数根据当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值确定;同一个时间段的若干个日是两个日至十个日;若干个日是两个日或三个日或四个日或五个日或六个日或十个日;所述若干个日是若干个同类日;所述若干个同类日是最近若干个同类日;最近若干个同类日中,各个所述同一个时间段中的天气情况均相同,四个道路拥堵状态参数均小于当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值且均大于当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最小平均值;最近若干同类日中同一个时间段实际道路拥堵状态参数的最大平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值中最大的平均值;最近若干同类日中同一个时间段实际道路拥堵状态参数的最小平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值中最小的平均值;最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数之和与最近若干同类日天数的比值的技术手段,所以,有利于较精准地确定出道路拥堵状态参数。
13、本技术方案由于采用了同类日分为工作日、节假日;同一个时间段均为晴天时间段或均为雨天时间段或均为雪天时间段或均为非晴雨雪天时间段;晴天时间段是在该时间段中始终天空无云或云很少;雨天时间段是在该时间段中有下雨的天气情况;雪天时间段是在该时间段中有下雪的天气情况;非晴雨雪天时间段是非晴天、非雨天、非雪天时间段的技术手段同,所以,有利于更精准地确定出道路拥堵状态参数。
14、本技术方案由于采用了每一个日内,实际道路拥堵参数的存储始于4:00止于24:00;将4:00至24:00时间长度平均分为多个时间段;将4:00至24:00时间长度平均分为20个时间段;每一个时间段的时间长度为1:00;或者,将4:00至24:00时间长度平均分为10个时间段;每一个时间段的时间长度为2:00;或者,将4:00至24:00时间长度平均分为5个时间段;每一个时间段的时间长度为4:00;或者,将4:00至24:00时间长度平均分为4个时间段;每一个时间段的时间长度为5:00;将每一个日中每一个时间段每一个道路的实际道路拥堵状态参数进行存储;每一个日中每一个时间段每一个道路的实际道路拥堵状态参数记录包括“序号”字段、“日期”字段、“日类别”字段、“时间段”字段、“时间段天气情况”字段、“车流量”字段、“车辆间隔距离”字段、“车速”字段;实际道路拥堵状态参数是通过对各个道路监控视频数据和/或其他设备采集的数据进行处理和分析得到的;实际道路的时间段天气情况是通过对各个道路监控视频数据/或其他设备采集的数据进行处理和分析得到的技术手段,所以,再更进一步精准地确定出道路拥堵状态参数。
15、本技术方案由于采用了每一个道路的实际道路拥堵状态参数记录构成实际道路拥堵状态参数表;每天每个时间段的实际道路拥堵状态参数按照同类日分为工作日中时间段的实际道路拥堵状态参数、节假日中时间段的实际道路拥堵状态参数;每天每个时间段的实际道路拥堵状态参数按照时间段天气情况分为晴天时间段的实际道路拥堵状态参数、非晴雨雪天时间段的实际道路拥堵状态参数、雨天时间段的实际道路拥堵状态参数、雪天时间段的实际道路拥堵状态参数的技术手段,所以,所以,还更进一步精准地确定出道路拥堵状态参数。
16、本技术方案由于采用了每天每个时间段的实际道路拥堵状态参数按照道路拥堵状态参数的种类分为实际车流量拥堵状态参数、实际车辆间隔距离拥堵状态参数、实际车速拥堵状态参数;实际道路拥堵状态参数按照比例类型分为实际正比道路拥堵状态参数和实际反比道路拥堵状态参数;实际正比道路拥堵状态参数是实际车流量拥堵状态参数;实际反比道路拥堵参数状态是实际车辆间隔距离拥堵状态参数或实际车速拥堵状态参数;实际车流量拥堵状态参数是每一个时间段内经过同一点的车辆数与该时间段时长的比值;实际车辆间隔距离拥堵状态参数是每一个时间段内经过同一点的各个车辆间相邻头尾间距之和与车辆数减一之差的比值;实际车速拥堵状态参数是每一个时间段内经过同一点的各个车辆速度之和与车辆数的比值的技术手段,所以,既可通过一种实际道路拥堵状态进行预警,也可通过综合加权考虑多种实际道路拥堵状态进行预警,比如说:可根据实际车流量拥堵状态、实际车辆间隔距离拥堵状态、实际车速拥堵状态三个拥堵状态进行比较进行预警,设实际车流量拥堵状态的权重为1.5(权重的数值大小可根据采集数据统计分析得到,***参数设定栏可设定),实际车辆间隔距离拥堵状态的权重为1,实际车速拥堵状态的权重为1,
当实际车流量拥堵状态级别与实际车辆间隔距离拥堵状态级别相同且与实际车速拥堵状态级别相同时,以实际车流量拥堵状态级别进行预警;
当实际车流量拥堵状态级别与实际车辆间隔距离拥堵状态级别相同且与实际车速拥堵状态级别不相同时,以实际车流量拥堵状态级别进行预警;
当实际车流量拥堵状态级别与实际车辆间隔距离拥堵状态级别不相同且与实际车速拥堵状态级别相同时,以实际车流量拥堵状态级别进行预警;
当实际车流量拥堵状态级别与实际车辆间隔距离拥堵状态级别不相同且与实际车速拥堵状态级别不相同时,如果实际车辆间隔距离拥堵状态级别与实际车速拥堵状态级别不相同,则以实际车流量拥堵状态级别进行预警;
当实际车流量拥堵状态级别与实际车辆间隔距离拥堵状态级别不相同且与实际车速拥堵状态级别不相同时,如果实际车辆间隔距离拥堵状态级别与实际车速拥堵状态级别相同,则以实际车辆间隔距离拥堵状态级别或实际车速拥堵状态级别进行预警。
17、本技术方案由于采用了根据当日之前的实际道路拥堵状态参数表可以得到晴天的各个最近若干个工作日中同一个时间段车流量记录统计表、非晴雨雪天的各个最近若干个工作日中同一个时间段车流量记录统计表、雨天的各个最近若干个工作日中同一个时间段车流量记录统计表、雪天的各个最近若干个工作日中同一个时间段车流量记录统计表、晴天的各个最近若干个节假日中同一个时间段车流量记录统计表、非晴雨雪天的各个最近若干个节假日中同一个时间段车流量记录统计表、雨天的各个最近若干个节假日中同一个时间段车流量记录统计表、雪天的各个最近若干个节假日中同一个时间段车流量记录统计表、晴天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、非晴雨雪天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、雨天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、雪天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、晴天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、非晴雨雪天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、雨天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、雪天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、晴天的各个最近若干个工作日中同一个时间段车速记录统计表、非晴雨雪天的各个最近若干个工作日中同一个时间段车速记录统计表、雨天的各个最近若干个工作日中同一个时间段车速记录统计表、雪天的各个最近若干个工作日中同一个时间段车速记录统计表、晴天的各个最近若干个节假日中同一个时间段车速记录统计表、非晴雨雪天的各个最近若干个节假日中同一个时间段车速记录统计表、雨天的各个最近若干个节假日中同一个时间段车速记录统计表、雪天的各个最近若干个节假日中同一个时间段车速记录统计表;上述各个统计表均包括“时间段”字段、多个“最近第某个日”字段、“平均值”字段、“最大值最小值字段”;根据当天的时间段所属的同类日和天气情况以及道路拥堵状态参数的种类选择上述相应的统计表;根据相应的统计表得出当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值;根据当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值得到相应的道路拥堵级别的技术手段,所以,可极精准地确定出道路拥堵状态参数。
18、本技术方案由于采用了各个道路包括各个路段、各个十字路口、各个丁字路口、各个高架改道扎口、各个高速公路出入扎口;相关对象包括(但不限于)车辆司机、车载***、行人、无人驾驶车辆、道路信号灯时间控制端、车辆导航中心、交通管理部门,以及其他特殊客户群体;各个道路拥堵的状态分为车流量拥堵状态、车辆间隔距离拥堵状态、车速拥堵状态;车流量拥堵状态用车流量拥堵状态参数表征;车辆间隔距离拥堵状态用车辆间隔距离拥堵状态参数表征;车速拥堵状态用车速拥堵状态状态参数表征的技术手段,所以,为程序的设提供了详细的参考。
19、本技术方案由于采用了对视频中的车辆牌号进行识别(采集的数据包括但不局限于视频,包括其他设备采集的数据),通过车辆牌号确定车辆司机的身份,根据车辆司机的身份确定联系方式,将实际道路拥堵状态级别及时地通知到在路上的车辆司机,(根据本***客户端的客户设定,客户自行决定是否连接车辆制动***,控制车辆速度);通过车辆牌号确定无人驾驶车辆,将实际道路拥堵状态级别及时地通知到在路上的无人驾驶车辆;对道路上的行人进行人脸识别,通过人脸识别确定行人的身份,根据行人的身份确定联系方式,将实际道路拥堵状态级别及时地通知到在路上的行人;将实际道路拥堵状态级别及时地通知道路信号灯时间控制端,道路信号灯时间控制端根据实际道路拥堵状态级别对红绿灯切换时间进行控制,进而,对车辆及行人进行控制;将实际道路拥堵状态级别及时地通知车辆导航中心,车辆导航中心在导航中参考实际道路拥堵状态级别为用户选择最佳方案;将实际道路拥堵状态级别及时地通知交通管理部门,交通管理部门根据实际道路拥堵状态级别及时作好应急预案的技术手段,所以,为程序的设指明了方向。
附图说明
下面结合附图和具体实施方式对本发明的基于移动互联网交通拥堵预警方法作进一步的详细描述。
图1为本发明基于移动互联网交通拥堵预警方法的原理示意图。
图2为本发明基于移动互联网交通拥堵预警方法的***界面示意图。
图3为本发明基于移动互联网交通拥堵预警方法中每一个工作日中每一个时间段每一个道路的实际道路拥堵状态参数记录的示意图。
图4为晴天的各个最近若干个工作日中同一个时间段车流量记录统计表的示意图。
图5为非晴雨雪天的各个最近若干个工作日中同一个时间段车流量记录统计表的示意图。
图6为雨天的各个最近若干个工作日中同一个时间段车流量记录统计表的示意图。
图7为雪天的各个最近若干个工作日中同一个时间段车流量记录统计表的示意图。
图8为根据图4至图7的最大值和最小值得到对应不同天气情况时间段的四个道路拥堵状态参数表的示意图。
图9为根据当天不同时间段的天气情况和车流量与图8比较得到相应的拥堵级别的示意图。
图10为获取相对距离及判断是否是安全距离和危险距离的流程图。
具体实施方式
如图1至图9所示,本实施方式提供了一种基于移动互联网交通拥堵预警方法,根据各个道路拥堵状态参数定义道路拥堵级别,将当天每个时间段的实际道路拥堵状态参数与定义的道路拥堵级别所属的道路拥堵状态参数范围进行比较确定实际道路拥堵级别,将各个道路的实际道路拥堵级别及时通知相关对象,相关对象根据实际道路拥堵级别和实际情况确定行车的最佳方案。
本实施方式由于采用了根据各个道路拥堵状态参数定义道路拥堵级别,将当天每个时间段的实际道路拥堵状态参数与定义的道路拥堵级别所属的道路拥堵状态参数范围进行比较确定实际道路拥堵级别,将各个道路的实际道路拥堵级别及时通知相关对象,相关对象根据实际道路拥堵级别和实际情况确定行车的最佳方案的技术手段,所以,该方法可以将每天每个时间段各个道路的实际道路拥堵状态像天气预报一样及时地(预报)通知给车辆司机、车载***、行人、无人驾驶车辆、道路信号灯时间控制端、车辆导航中心、交通管理部门,以及其他特殊客户群体;车辆司机和行人可以根据自己的实际需求和各个道路的实际道路拥堵状态确定自己的行车路线;无人驾驶车辆可以根据自己的实际任务和各个道路的实际道路拥堵状态确定自己的行车路线和时机;道路信号灯时间控制端可以根据各个道路的实际道路拥堵状态控制各个路口车辆的通行;车辆导航中心可以根据各个道路的实际道路拥堵状态为车辆提供更加优选的行车路线;交通管理部门可以根据各个道路的实际道路拥堵状态作好应急预案;这样,可以最大限度地避免各个路口、各个路段发生车辆拥堵现象,大大地减小道路拥堵压力,即使发生了车辆拥堵现象也可以及时地进行缓解、消除,使交通基本上保持始终通畅。
如图1至图9所示,道路拥堵级别分为五级。
本实施方式由于采用了道路拥堵级别分为五级的技术手段,所以,便于大多数人对拥堵级别的理解。
如图1至图9所示,道路拥堵级别从通到堵依次分为“非常畅通”、“畅通”、“无拥堵”、“拥堵”、“非常拥堵”。
本实施方式由于采用了道路拥堵级别从通到堵依次分为“非常畅通”、“畅通”、“无拥堵”、“拥堵”、“非常拥堵”的技术手段,所以,便于大多数人对正比道路拥堵状态的理解。
如图1至图9所示,道路拥堵级别从堵到通依次分为“非常拥堵”、“拥堵”、“无拥堵”、“畅通”、“非常畅通”。
本实施方式由于采用了道路拥堵级别从堵到通依次分为“非常拥堵”、“拥堵”、“无拥堵”、“畅通”、“非常畅通”的技术手段,所以,便于大多数人对反比道路拥堵状态的理解。
如图1至图9所示,道路堵级别通过四个道路拥堵状态参数确定。
本实施方式由于采用了道路堵级别通过四个道路拥堵状态参数确定的技术手段,所以,可确定出五个道路堵级别。
如图1至图9所示,四个道路拥堵状态参数构成等差数列。
本实施方式由于采用了四个道路拥堵状态参数构成等差数列的技术手段,所以,有利于减轻计算压力,提高运算速度。
如图1至图9所示,四个道路拥堵状态参数的值根据实际情况(也可据人为经验判断)确定。
***可以根据平均等差排列,***也可以人工设定自定义数列值的范围,即人为经验来设定数列值范围。
本实施方式由于采用了四个道路拥堵状态参数的值根据实际情况确定的技术手段,所以,有利于以对拥堵的级别做出更准确的判断。
如图1至图9所示,四个道路拥堵状态参数是正比道路拥堵状态参数或反比道路拥堵状态参数。
本实施方式由于采用了四个道路拥堵状态参数是正比道路拥堵状态参数或反比道路拥堵状态参数的技术手段,所以,可根据需要选择不同的道路拥堵状态参数。
如图1至图9所示,正比道路拥堵状态参数的数值越大,道路越拥堵。
反比道路拥堵状态参数的数值越大,道路越畅通。
本实施方式由于采用了正比道路拥堵状态参数的数值越大,道路越拥堵;反比道路拥堵状态参数的数值越大,道路越畅通的技术手段,所以,有利于对道路拥堵状态的理解。
如图1至图9所示,四个正比道路拥堵状态参数从小到大排序。
四个反比道路拥堵状态参数从大到小排序。
本实施方式由于采用了四个正比道路拥堵状态参数从小到大排序;四个反比道路拥堵状态参数从大到小排序的技术手段,所以,有利于程序的设计。
如图1至图9所示,“非常畅通”定义为小于第一个正比道路拥堵状态参数的值;或者,
“非常畅通”定义为大于第一个反比道路拥堵状态参数的值;
“畅通”定义为大于或等于第一个正比道路拥堵状态参数的值且小于第二个正比道路拥堵状态参数的值;或者,
“畅通”定义为小于或等于第一个反比道路拥堵状态参数的值且大于第二个反比道路拥堵状态参数的值;
“无拥堵”定义为大于或等于第二个正比道路拥堵状态参数的值且小于第三个正比道路拥堵状态参数的值;或者,
“无拥堵”定义为小于或等于第二个反比道路拥堵状态参数的值且大于第三个反比道路拥堵状态参数的值;
“拥堵”定义为大于或等于第三个正比道路拥堵状态参数的值且小于第四个正比道路拥堵状态参数的值;或者,
“拥堵”定义为小于或等于第三个反比道路拥堵状态参数的值且大于第四个反比道路拥堵状态参数的值;
“非常拥堵”定义为大于或等于第四个正比道路拥堵状态参数的值;或者,
“非常拥堵”定义为小于或等于第四个反比道路拥堵状态参数的值。
本实施方式由于采用了“非常畅通”定义为小于第一个正比道路拥堵状态参数的值;或者,“非常畅通”定义为大于第一个反比道路拥堵状态参数的值;“畅通”定义为大于或等于第一个正比道路拥堵状态参数的值且小于第二个正比道路拥堵状态参数的值;或者,“畅通”定义为小于或等于第一个反比道路拥堵状态参数的值且大于第二个反比道路拥堵状态参数的值;“无拥堵”定义为大于或等于第二个正比道路拥堵状态参数的值且小于第三个正比道路拥堵状态参数的值;或者,“无拥堵”定义为小于或等于第二个反比道路拥堵状态参数的值且大于第三个反比道路拥堵状态参数的值;“拥堵”定义为大于或等于第三个正比道路拥堵状态参数的值且小于第四个正比道路拥堵状态参数的值;或者,“拥堵”定义为小于或等于第三个反比道路拥堵状态参数的值且大于第四个反比道路拥堵状态参数的值;“非常拥堵”定义为大于或等于第四个正比道路拥堵状态参数的值;或者,“非常拥堵”定义为小于或等于第四个反比道路拥堵状态参数的值的技术手段,所以,可根据不同的道路拥堵状态参数进行程序设计。
如图8所示,四个道路拥堵状态参数根据当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值确定;
同一个时间段的若干个日是两个日至十个日;
如图4至图7所示,若干个日是两个日。当然,也可以是,若干个日三个日或四个日或五个日或六个日或十个日;
所述若干个日是若干个同类日;
所述若干个同类日是最近若干个同类日;
最近若干个同类日中,各个所述同一个时间段中的天气情况均相同;
如图8所示,四个道路拥堵状态参数均小于当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值且均大于当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最小平均值;
如图4至图7所示,最近若干同类日中同一个时间段实际道路拥堵状态参数的最大平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值中最大的平均值;
最近若干同类日中同一个时间段实际道路拥堵状态参数的最小平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值中最小的平均值;
最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数之和与最近若干同类日天数的比值。
本实施方式由于采用了四个道路拥堵状态参数根据当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值确定;同一个时间段的若干个日是两个日至十个日;若干个日是两个日或三个日或四个日或五个日或六个日或十个日;所述若干个日是若干个同类日;所述若干个同类日是最近若干个同类日;最近若干个同类日中,各个所述同一个时间段中的天气情况均相同,四个道路拥堵状态参数均小于当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值且均大于当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最小平均值;最近若干同类日中同一个时间段实际道路拥堵状态参数的最大平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值中最大的平均值;最近若干同类日中同一个时间段实际道路拥堵状态参数的最小平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值中最小的平均值;最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数之和与最近若干同类日天数的比值的技术手段,所以,有利于较精准地确定出道路拥堵状态参数。
如图3所示,同类日分为工作日、节假日;
同一个时间段均为晴天时间段或均为雨天时间段或均为雪天时间段或均为非晴雨雪天时间段;
晴天时间段是在该时间段中始终天空无云或云很少;
雨天时间段是在该时间段中有下雨的天气情况;
雪天时间段是在该时间段中有下雪的天气情况;
非晴雨雪天时间段是非晴天、非雨天、非雪天时间段。
本实施方式由于采用了同类日分为工作日、节假日;同一个时间段均为晴天时间段或均为雨天时间段或均为雪天时间段或均为非晴雨雪天时间段;晴天时间段是在该时间段中始终天空无云或云很少;雨天时间段是在该时间段中有下雨的天气情况;雪天时间段是在该时间段中有下雪的天气情况;非晴雨雪天时间段是非晴天、非雨天、非雪天时间段的技术手段同,所以,有利于更精准地确定出道路拥堵状态参数。
如图3所示,每一个日内,实际道路拥堵参数的存储始于4:00止于24:00;
将4:00至24:00时间长度平均分为多个时间段;
将4:00至24:00时间长度平均分为20个时间段;
每一个时间段的时间长度为1:00;或者,
将4:00至24:00时间长度平均分为10个时间段;
每一个时间段的时间长度为2:00;或者,
将4:00至24:00时间长度平均分为5个时间段;
每一个时间段的时间长度为4:00;或者,
将4:00至24:00时间长度平均分为4个时间段;
每一个时间段的时间长度为5:00;
将每一个日中每一个时间段每一个道路的实际道路拥堵状态参数进行存储;
每一个日中每一个时间段每一个道路的实际道路拥堵状态参数记录包括“序号”字段、“日期”字段、“日类别”字段、“时间段”字段、“时间段天气情况”字段、“车流量”字段、“车辆间隔距离”字段、“车速”字段;
实际道路拥堵状态参数是通过对各个道路监控视频数据和/或其他设备采集的数据进行处理和分析得到的;
实际道路的时间段天气情况是通过对各个道路监控视频数据/或其他设备采集的数据进行处理和分析得到的。
本实施方式由于采用了每一个日内,实际道路拥堵参数的存储始于4:00止于24:00;将4:00至24:00时间长度平均分为多个时间段;将4:00至24:00时间长度平均分为20个时间段;每一个时间段的时间长度为1:00;或者,将4:00至24:00时间长度平均分为10个时间段;每一个时间段的时间长度为2:00;或者,将4:00至24:00时间长度平均分为5个时间段;每一个时间段的时间长度为4:00;或者,将4:00至24:00时间长度平均分为4个时间段;每一个时间段的时间长度为5:00;将每一个日中每一个时间段每一个道路的实际道路拥堵状态参数进行存储;每一个日中每一个时间段每一个道路的实际道路拥堵状态参数记录包括“序号”字段、“日期”字段、“日类别”字段、“时间段”字段、“时间段天气情况”字段、“车流量”字段、“车辆间隔距离”字段、“车速”字段;实际道路拥堵状态参数是通过对各个道路监控视频数据和/或其他设备采集的数据进行处理和分析得到的;实际道路的时间段天气情况是通过对各个道路监控视频数据/或其他设备采集的数据进行处理和分析得到的技术手段,所以,再更进一步精准地确定出道路拥堵状态参数。
如图3所示,每一个道路的实际道路拥堵状态参数记录构成实际道路拥堵状态参数表;
每天每个时间段的实际道路拥堵状态参数按照同类日分为工作日中时间段的实际道路拥堵状态参数、节假日中时间段的实际道路拥堵状态参数;
每天每个时间段的实际道路拥堵状态参数按照时间段天气情况分为晴天时间段的实际道路拥堵状态参数、非晴雨雪天时间段的实际道路拥堵状态参数、雨天时间段的实际道路拥堵状态参数、雪天时间段的实际道路拥堵状态参数。
本实施方式由于采用了每一个道路的实际道路拥堵状态参数记录构成实际道路拥堵状态参数表;每天每个时间段的实际道路拥堵状态参数按照同类日分为工作日中时间段的实际道路拥堵状态参数、节假日中时间段的实际道路拥堵状态参数;每天每个时间段的实际道路拥堵状态参数按照时间段天气情况分为晴天时间段的实际道路拥堵状态参数、非晴雨雪天时间段的实际道路拥堵状态参数、雨天时间段的实际道路拥堵状态参数、雪天时间段的实际道路拥堵状态参数的技术手段,所以,所以,还更进一步精准地确定出道路拥堵状态参数。
如图3所示,每天每个时间段的实际道路拥堵状态参数按照道路拥堵状态参数的种类分为实际车流量拥堵状态参数、实际车辆间隔距离拥堵状态参数、实际车速拥堵状态参数;
实际道路拥堵状态参数按照比例类型分为实际正比道路拥堵状态参数和实际反比道路拥堵状态参数;
实际正比道路拥堵状态参数是实际车流量拥堵状态参数;
实际反比道路拥堵参数状态是实际车辆间隔距离拥堵状态参数或实际车速拥堵状态参数;
实际车流量拥堵状态参数是每一个时间段内经过同一点的车辆数与该时间段时长的比值;
实际车辆间隔距离拥堵状态参数是每一个时间段内经过同一点的各个车辆间相邻头尾间距之和与车辆数减一之差的比值;
实际车速拥堵状态参数是每一个时间段内经过同一点的各个车辆速度之和与车辆数的比值。
本实施方式由于采用了每天每个时间段的实际道路拥堵状态参数按照道路拥堵状态参数的种类分为实际车流量拥堵状态参数、实际车辆间隔距离拥堵状态参数、实际车速拥堵状态参数;实际道路拥堵状态参数按照比例类型分为实际正比道路拥堵状态参数和实际反比道路拥堵状态参数;实际正比道路拥堵状态参数是实际车流量拥堵状态参数;实际反比道路拥堵参数状态是实际车辆间隔距离拥堵状态参数或实际车速拥堵状态参数;实际车流量拥堵状态参数是每一个时间段内经过同一点的车辆数与该时间段时长的比值;实际车辆间隔距离拥堵状态参数是每一个时间段内经过同一点的各个车辆间相邻头尾间距之和与车辆数减一之差的比值;实际车速拥堵状态参数是每一个时间段内经过同一点的各个车辆速度之和与车辆数的比值的技术手段,所以,既可通过一种实际道路拥堵状态进行预警,也可通过综合加权考虑多种实际道路拥堵状态进行预警,比如说:可根据实际车流量拥堵状态、实际车辆间隔距离拥堵状态、实际车速拥堵状态三个拥堵状态进行比较进行预警,设实际车流量拥堵状态的权重为1.5(权重的数值大小可根据采集数据统计分析得到,***参数设定栏可设定),实际车辆间隔距离拥堵状态的权重为1,实际车速拥堵状态的权重为1,
当实际车流量拥堵状态级别与实际车辆间隔距离拥堵状态级别相同且与实际车速拥堵状态级别相同时,以实际车流量拥堵状态级别进行预警;
当实际车流量拥堵状态级别与实际车辆间隔距离拥堵状态级别相同且与实际车速拥堵状态级别不相同时,以实际车流量拥堵状态级别进行预警;
当实际车流量拥堵状态级别与实际车辆间隔距离拥堵状态级别不相同且与实际车速拥堵状态级别相同时,以实际车流量拥堵状态级别进行预警;
当实际车流量拥堵状态级别与实际车辆间隔距离拥堵状态级别不相同且与实际车速拥堵状态级别不相同时,如果实际车辆间隔距离拥堵状态级别与实际车速拥堵状态级别不相同,则以实际车流量拥堵状态级别进行预警;
当实际车流量拥堵状态级别与实际车辆间隔距离拥堵状态级别不相同且与实际车速拥堵状态级别不相同时,如果实际车辆间隔距离拥堵状态级别与实际车速拥堵状态级别相同,则以实际车辆间隔距离拥堵状态级别或实际车速拥堵状态级别进行预警。
如图4至图7所示,根据当日之前的实际道路拥堵状态参数表可以得到
晴天的各个最近若干个工作日中同一个时间段车流量记录统计表、
非晴雨雪天的各个最近若干个工作日中同一个时间段车流量记录统计表、
雨天的各个最近若干个工作日中同一个时间段车流量记录统计表、
雪天的各个最近若干个工作日中同一个时间段车流量记录统计表、
晴天的各个最近若干个节假日中同一个时间段车流量记录统计表。同样,也可以得到
非晴雨雪天的各个最近若干个节假日中同一个时间段车流量记录统计表、
雨天的各个最近若干个节假日中同一个时间段车流量记录统计表、
雪天的各个最近若干个节假日中同一个时间段车流量记录统计表、
晴天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
非晴雨雪天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
雨天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
雪天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
晴天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
非晴雨雪天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
雨天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
雪天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
晴天的各个最近若干个工作日中同一个时间段车速记录统计表、
非晴雨雪天的各个最近若干个工作日中同一个时间段车速记录统计表、
雨天的各个最近若干个工作日中同一个时间段车速记录统计表、
雪天的各个最近若干个工作日中同一个时间段车速记录统计表、
晴天的各个最近若干个节假日中同一个时间段车速记录统计表、
非晴雨雪天的各个最近若干个节假日中同一个时间段车速记录统计表、
雨天的各个最近若干个节假日中同一个时间段车速记录统计表、
雪天的各个最近若干个节假日中同一个时间段车速记录统计表;
上述各个统计表均包括“时间段”字段、多个“最近第某个日”字段、“平均值”字段、“最大值最小值字段”;
根据当天的时间段所属的同类日和天气情况以及道路拥堵状态参数的种类选择上述相应的统计表;
根据相应的统计表得出当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值;
根据当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值得到相应的道路拥堵级别。
本实施方式由于采用了根据当日之前的实际道路拥堵状态参数表可以得到晴天的各个最近若干个工作日中同一个时间段车流量记录统计表、非晴雨雪天的各个最近若干个工作日中同一个时间段车流量记录统计表、雨天的各个最近若干个工作日中同一个时间段车流量记录统计表、雪天的各个最近若干个工作日中同一个时间段车流量记录统计表、晴天的各个最近若干个节假日中同一个时间段车流量记录统计表、非晴雨雪天的各个最近若干个节假日中同一个时间段车流量记录统计表、雨天的各个最近若干个节假日中同一个时间段车流量记录统计表、雪天的各个最近若干个节假日中同一个时间段车流量记录统计表、晴天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、非晴雨雪天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、雨天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、雪天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、晴天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、非晴雨雪天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、雨天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、雪天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、晴天的各个最近若干个工作日中同一个时间段车速记录统计表、非晴雨雪天的各个最近若干个工作日中同一个时间段车速记录统计表、雨天的各个最近若干个工作日中同一个时间段车速记录统计表、雪天的各个最近若干个工作日中同一个时间段车速记录统计表、晴天的各个最近若干个节假日中同一个时间段车速记录统计表、非晴雨雪天的各个最近若干个节假日中同一个时间段车速记录统计表、雨天的各个最近若干个节假日中同一个时间段车速记录统计表、雪天的各个最近若干个节假日中同一个时间段车速记录统计表;上述各个统计表均包括“时间段”字段、多个“最近第某个日”字段、“平均值”字段、“最大值最小值字段”;根据当天的时间段所属的同类日和天气情况以及道路拥堵状态参数的种类选择上述相应的统计表;根据相应的统计表得出当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值;根据当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值得到相应的道路拥堵级别的技术手段,所以,可极精准地确定出道路拥堵状态参数。
如图1至图9所示,各个道路包括各个路段、各个十字路口、各个丁字路口、各个高架改道扎口、各个高速公路出入扎口。
相关对象包括(但不限于)车辆司机、车载***、行人、无人驾驶车辆、道路信号灯时间控制端、车辆导航中心、交通管理部门,以及其他特殊客户群体;
各个道路拥堵的状态分为车流量拥堵状态、车辆间隔距离拥堵状态、车速拥堵状态;
车流量拥堵状态用车流量拥堵状态参数表征;
车辆间隔距离拥堵状态用车辆间隔距离拥堵状态参数表征;
车速拥堵状态用车速拥堵状态状态参数表征。
本实施方式由于采用了各个道路包括各个路段、各个十字路口、各个丁字路口、各个高架改道扎口、各个高速公路出入扎口;相关对象包括(但不限于)车辆司机、车载***、行人、无人驾驶车辆、道路信号灯时间控制端、车辆导航中心、交通管理部门;各个道路拥堵的状态分为车流量拥堵状态、车辆间隔距离拥堵状态、车速拥堵状态;车流量拥堵状态用车流量拥堵状态参数表征;车辆间隔距离拥堵状态用车辆间隔距离拥堵状态参数表征;车速拥堵状态用车速拥堵状态状态参数表征的技术手段,所以,为***的设计提供了详细的参考。
对视频中的车辆牌号进行识别(采集的数据包括但不局限于视频,包括其他设备采集的数据),通过车辆牌号确定车辆司机的身份,根据车辆司机的身份确定联系方式,将实际道路拥堵状态级别及时地通知到在路上的车辆司机,(根据本***客户端的客户设定,客户自行决定是否连接车辆制动***,控制车辆速度);通过车辆牌号确定无人驾驶车辆,将实际道路拥堵状态级别及时地通知到在路上的无人驾驶车辆,(无人驾驶车辆根据用户自设定连接车辆制动***,对车辆速度进行控制,制动);对道路上的行人进行人脸识别,通过人脸识别确定行人的身份,根据行人的身份确定联系方式,将实际道路拥堵状态级别及时地通知到在路上的行人;将实际道路拥堵状态级别及时地通知道路信号灯时间控制端,道路信号灯时间控制端根据实际道路拥堵状态级别对红绿灯切换时间进行控制,进而,对车辆及行人进行控制;将实际道路拥堵状态级别及时地通知车辆导航中心,车辆导航中心在导航中参考实际道路拥堵状态级别为用户选择最佳方案;将实际道路拥堵状态级别及时地通知交通管理部门,交通管理部门根据实际道路拥堵状态级别及时作好应急预案。特殊用户群体可以根据预报的级别,对交通载体进行管理。
本实施方式由于采用了(包括但不局限与)对视频中的车辆牌号进行识别(采集的数据包括但不局限于视频,包括其他设备采集的数据),通过车辆牌号确定车辆司机的身份,根据车辆司机的身份确定联系方式,将实际道路拥堵状态级别及时地通知到在路上的车辆司机,(根据本***客户端的客户设定,客户自行决定是否连接车辆制动***,控制车辆速度);通过车辆牌号确定无人驾驶车辆,将实际道路拥堵状态级别及时地通知到在路上的无人驾驶车辆;对道路上的行人进行人脸识别,通过人脸识别确定行人的身份,根据行人的身份确定联系方式,将实际道路拥堵状态级别及时地通知到在路上的行人;将实际道路拥堵状态级别及时地通知道路信号灯时间控制端,道路信号灯时间控制端根据实际道路拥堵状态级别对红绿灯切换时间进行控制,进而,对车辆及行人进行控制;将实际道路拥堵状态级别及时地通知车辆导航中心,车辆导航中心在导航中参考实际道路拥堵状态级别为用户选择最佳方案;将实际道路拥堵状态级别及时地通知交通管理部门,交通管理部门根据实际道路拥堵状态级别及时作好应急预案的技术手段,所以,为程序的设指明了方向。
如图10所示,在实际道路拥堵级别为“拥堵”或“非常拥堵”的道路上,
当相邻两车辆之间的相对距离小于该相邻两车辆之间的安全距离时,***将该相对距离分别通过移动客户端通知相邻两车辆的司机或车辆上的车载***,相邻两车辆的司机或车辆上的车载***根据该相对距离对车辆及时实施控制;和/或,
当相邻两车辆之间的相对距离小于该相邻两车辆之间的危险距离时,***将该相对距离分别通过移动客户端通知相邻两车辆的司机或车辆上的车载***,相邻两车辆的司机或车辆上的车载***根据该相对距离对车辆紧急实施控制;和/或,
当相邻行人、车辆之间的相对距离小于该相邻行人、车辆之间的安全距离时,通过本***客户端将该相对距离分别通知相邻行人、车辆的司机或车辆上的车载***,相邻行人及时避让,车辆的司机或车辆上的车载***根据该相对距离对车辆及时实施控制;和/或,
当相邻行人、车辆之间的相对距离小于该相邻行人、车辆之间的危险距离时,通过本***客户端将该相对距离分别通知相邻行人、车辆的司机或车辆上的车载***,相邻行人紧急避让,车辆的司机或车辆上的车载***根据该相对距离对车辆紧急实施控制。
本实施方式由于采用了在实际道路拥堵级别为“拥堵”或“非常拥堵”的道路上,当相邻两车辆之间的相对距离小于该相邻两车辆之间的安全距离时,***将该相对距离分别通过移动客户端通知相邻两车辆的司机或车辆上的车载***,相邻两车辆的司机或车辆上的车载***根据该相对距离对车辆及时实施控制;和/或,当相邻两车辆之间的相对距离小于该相邻两车辆之间的危险距离时,***将该相对距离分别通过移动客户端通知相邻两车辆的司机或车辆上的车载***,相邻两车辆的司机或车辆上的车载***根据该相对距离对车辆紧急实施控制;和/或,当相邻行人、车辆之间的相对距离小于该相邻行人、车辆之间的安全距离时,通过本***客户端将该相对距离分别通知相邻行人、车辆的司机或车辆上的车载***,相邻行人及时避让,车辆的司机或车辆上的车载***根据该相对距离对车辆及时实施控制;和/或,当相邻行人、车辆之间的相对距离小于该相邻行人、车辆之间的危险距离时,***客户端将该相对距离(通过本***客户端)分别通知相邻行人、车辆的司机或车辆上的车载***,相邻行人紧急避让,车辆的司机或车辆上的车载***根据该相对距离对车辆紧急实施控制的技术手段,所以,有利于防止在“拥堵”或“非常拥堵”的道路上交通事故的发生。
如图10所示,相邻两车辆之间的相对距离和相邻行人、车辆之间的相对距离获得的步骤为:
获取道路监控视频数据,或者,获取卫星道路监控数据,以及其他设备采集的数据;
对获取的道路监控视频数据进行***视觉处理,对获取的卫星道路监控数据、其他设备采集的数据进行程序化处理,对行人和车辆进行识别,对道路名称进行识别;
连接道路电子地图库,寻找匹配对应路段的道路电子地图;
对行人和车辆在道路电子地图地理位置进行识别;
将行人和车辆所在地理位置转换为电子地图坐标;
调用道路电子地图,将行人和车辆所在地理位置的电子地图坐标投射到道路电子地图上;
将行人和车辆所在地理位置的电子地图坐标投射到道路电子地图上之后,在***监控画面上显示在***监控画面上显示;
根据相邻两车辆的坐标计算出相邻两车辆之间的相对距离;
存储相邻两车辆之间的相对距离数据;
根据相邻行人和车辆的坐标计算出相邻行人和车辆之间的相对距离;
存储相邻行人和车辆之间的相对距离数据。
本实施方式由于采用了相邻两车辆之间的相对距离和相邻行人、车辆之间的相对距离获得的步骤为:获取道路监控视频数据,或者,获取卫星道路监控数据,以及其他设备采集的数据;对获取的道路监控视频数据进行***视觉处理,对获取的卫星道路监控数据、其他设备采集的数据进行程序化处理,对行人和车辆进行识别,对道路名称进行识别;连接道路电子地图库,寻找匹配对应路段的道路电子地图;对行人和车辆在道路电子地图地理位置进行识别;将行人和车辆所在地理位置转换为电子地图坐标;调用道路电子地图,将行人和车辆所在地理位置的电子地图坐标投射到道路电子地图上;将行人和车辆所在地理位置的电子地图坐标投射到道路电子地图上之后,在***监控画面上显示在***监控画面上显示;根据相邻两车辆的坐标计算出相邻两车辆之间的相对距离;存储相邻两车辆之间的相对距离数据;根据相邻行人和车辆的坐标计算出相邻行人和车辆之间的相对距离;存储相邻行人和车辆之间的相对距离数据的技术手段,所以,可精确地获得相邻两车辆之间的相对距离和相邻行人、车辆之间的相对距离。
如图10所示,判断相邻两车辆之间的相对距离是否小于该相邻两车辆之间的安全距离的步骤为:
设置相邻两车辆之间的安全距离;
将相邻两车辆之间的相对距离与相邻两车辆之间的安全距离进行比较;
判断相邻两车辆之间的相对距离是否小于该相邻两车辆之间的危险距离的步骤为:
设置相邻两车辆之间的危险距离;
将相邻两车辆之间的相对距离与相邻两车辆之间的危险距离进行比较;
判断相邻行人和车辆之间的相对距离是否小于该相邻两车辆之间的安全距离的步骤为:
设置相相邻行人和车辆之间的安全距离;
将相邻行人和车辆之间的相对距离与相邻行人和车辆之间的安全距离进行比较;
判断相邻行人和车辆之间的相对距离是否小于该相邻行人和车辆之间的危险距离的步骤为:
设置相邻行人和车辆之间的危险距离;
将相邻行人和车辆之间的相对距离与相邻行人和车辆之间的危险距离进行比较。
本实施方式由于采用了判断相邻两车辆之间的相对距离是否小于该相邻两车辆之间的安全距离的步骤为:设置相邻两车辆之间的安全距离;将相邻两车辆之间的相对距离与相邻两车辆之间的安全距离进行比较;判断相邻两车辆之间的相对距离是否小于该相邻两车辆之间的危险距离的步骤为:设置相邻两车辆之间的危险距离;将相邻两车辆之间的相对距离与相邻两车辆之间的危险距离进行比较;判断相邻行人和车辆之间的相对距离是否小于该相邻两车辆之间的安全距离的步骤为:设置相相邻行人和车辆之间的安全距离;将相邻行人和车辆之间的相对距离与相邻行人和车辆之间的安全距离进行比较;判断相邻行人和车辆之间的相对距离是否小于该相邻行人和车辆之间的危险距离的步骤为:设置相邻行人和车辆之间的危险距离;将相邻行人和车辆之间的相对距离与相邻行人和车辆之间的危险距离进行比较的技术手段,所以,可大大提高对相对距离判断的效率,有利于将预警信息及时通知相关人员。
当用户所在路段车辆的最高限速为100km/h时,行人与车辆的安全距离设置为100米,车辆与车辆的安全距离设置为100米,即该路段车辆最高限速时速数值千分之一。
当用户所在路段车辆的最高限速为100km/h时,行人与车辆的危险距离设置为50米,车辆与车辆的危险距离设置为50米,即该路段车辆最高限速时速数值千分之一的0.5倍。
Claims (8)
1.一种基于移动互联网交通拥堵预警方法,其特征在于:根据各个道路拥堵状态参数定义道路拥堵级别,将当天每个时间段的实际道路拥堵状态参数与定义的道路拥堵级别所属的道路拥堵状态参数范围进行比较确定实际道路拥堵级别,将各个道路的实际道路拥堵级别及时通知相关对象,相关对象根据实际道路拥堵级别和实际情况确定行车的最佳方案。
2.根据权利要求1所述的基于移动互联网交通拥堵预警方法,其特征在于:
道路拥堵级别分为五级;
道路拥堵级别从通到堵依次分为“非常畅通”、“畅通”、“无拥堵”、“拥堵”、“非常拥堵”;或者,
道路拥堵级别从堵到通依次分为“非常拥堵”、“拥堵”、“无拥堵”、“畅通”、“非常畅通”;
道路拥堵级别通过四个道路拥堵状态参数确定;
四个道路拥堵状态参数构成等差数列;或者,
四个道路拥堵状态参数的值根据实际情况确定;
四个道路拥堵状态参数是正比道路拥堵状态参数或反比道路拥堵状态参数;
正比道路拥堵状态参数的数值越大,道路越拥堵;
反比道路拥堵状态参数的数值越大,道路越畅通;
四个正比道路拥堵状态参数从小到大排序;
四个反比道路拥堵状态参数从大到小排序;
“非常畅通”定义为小于第一个正比道路拥堵状态参数的值;或者,
“非常畅通”定义为大于第一个反比道路拥堵状态参数的值;
“畅通”定义为大于或等于第一个正比道路拥堵状态参数的值且小于第二个正比道路拥堵状态参数的值;或者,
“畅通”定义为小于或等于第一个反比道路拥堵状态参数的值且大于第二个反比道路拥堵状态参数的值;
“无拥堵”定义为大于或等于第二个正比道路拥堵状态参数的值且小于第三个正比道路拥堵状态参数的值;或者,
“无拥堵”定义为小于或等于第二个反比道路拥堵状态参数的值且大于第三个反比道路拥堵状态参数的值;
“拥堵”定义为大于或等于第三个正比道路拥堵状态参数的值且小于第四个正比道路拥堵状态参数的值;或者,
“拥堵”定义为小于或等于第三个反比道路拥堵状态参数的值且大于第四个反比道路拥堵状态参数的值;
“非常拥堵”定义为大于或等于第四个正比道路拥堵状态参数的值;或者,
“非常拥堵”定义为小于或等于第四个反比道路拥堵状态参数的值。
3.根据权利要求2所述的基于移动互联网交通拥堵预警方法,其特征在于:
四个道路拥堵状态参数根据当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值确定;
同一个时间段的若干个日是两个日至十个日;
若干个日是两个日或三个日或四个日或五个日或六个日或十个日;
所述若干个日是若干个同类日;
所述若干个同类日是最近若干个同类日;
最近若干个同类日中,各个所述同一个时间段中的天气情况均相同;
四个道路拥堵状态参数均小于当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值且均大于当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最小平均值;
最近若干同类日中同一个时间段实际道路拥堵状态参数的最大平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值中最大的平均值;
最近若干同类日中同一个时间段实际道路拥堵状态参数的最小平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值中最小的平均值;
最近若干同类日中同一个时间段实际道路拥堵状态参数的平均值是各个最近若干同类日中同一个时间段实际道路拥堵状态参数之和与最近若干同类日天数的比值;
同类日分为工作日、节假日;
同一个时间段均为晴天时间段或均为雨天时间段或均为雪天时间段或均为非晴雨雪天时间段;
晴天时间段是在该时间段中始终天空无云或云很少;
雨天时间段是在该时间段中有下雨的天气情况;
雪天时间段是在该时间段中有下雪的天气情况;
非晴雨雪天时间段是非晴天、非雨天、非雪天时间段;
每一个日内,实际道路拥堵参数的存储始于4:00止于24:00;
将4:00至24:00时间长度平均分为多个时间段;
将4:00至24:00时间长度平均分为20个时间段;
每一个时间段的时间长度为1:00;或者,
将4:00至24:00时间长度平均分为10个时间段;
每一个时间段的时间长度为2:00;或者,
将4:00至24:00时间长度平均分为5个时间段;
每一个时间段的时间长度为4:00;或者,
将4:00至24:00时间长度平均分为4个时间段;
每一个时间段的时间长度为5:00;
将每一个日中每一个时间段每一个道路的实际道路拥堵状态参数进行存储;
每一个日中每一个时间段每一个道路的实际道路拥堵状态参数记录包括“序号”字段、“日期”字段、“日类别”字段、“时间段”字段、“时间段天气情况”字段、“车流量”字段、“车辆间隔距离”字段、“车速”字段;
实际道路拥堵状态参数是通过对各个道路监控视频数据和/或其他设备采集的数据进行处理和分析得到的;
实际道路的时间段天气情况是通过对各个道路监控视频数据/或其他设备采集的数据进行处理和分析得到的;
每一个道路的实际道路拥堵状态参数记录构成实际道路拥堵状态参数表;
每天每个时间段的实际道路拥堵状态参数按照同类日分为工作日中时间段的实际道路拥堵状态参数、节假日中时间段的实际道路拥堵状态参数;
每天每个时间段的实际道路拥堵状态参数按照时间段天气情况分为晴天时间段的实际道路拥堵状态参数、非晴雨雪天时间段的实际道路拥堵状态参数、雨天时间段的实际道路拥堵状态参数、雪天时间段的实际道路拥堵状态参数;
每天每个时间段的实际道路拥堵状态参数按照道路拥堵状态参数的种类分为实际车流量拥堵状态参数、实际车辆间隔距离拥堵状态参数、实际车速拥堵状态参数;
实际道路拥堵状态参数按照比例类型分为实际正比道路拥堵状态参数和实际反比道路拥堵状态参数;
实际正比道路拥堵状态参数是实际车流量拥堵状态参数;
实际反比道路拥堵参数状态是实际车辆间隔距离拥堵状态参数或实际车速拥堵状态参数;
实际车流量拥堵状态参数是每一个时间段内经过同一点的车辆数与该时间段时长的比值;
实际车辆间隔距离拥堵状态参数是每一个时间段内经过同一点的各个车辆间相邻头尾间距之和与车辆数减一之差的比值;
实际车速拥堵状态参数是每一个时间段内经过同一点的各个车辆速度之和与车辆数的比值;
根据当日之前的实际道路拥堵状态参数表可以得到
晴天的各个最近若干个工作日中同一个时间段车流量记录统计表、
非晴雨雪天的各个最近若干个工作日中同一个时间段车流量记录统计表、
雨天的各个最近若干个工作日中同一个时间段车流量记录统计表、
雪天的各个最近若干个工作日中同一个时间段车流量记录统计表、
晴天的各个最近若干个节假日中同一个时间段车流量记录统计表、
非晴雨雪天的各个最近若干个节假日中同一个时间段车流量记录统计表、
雨天的各个最近若干个节假日中同一个时间段车流量记录统计表、
雪天的各个最近若干个节假日中同一个时间段车流量记录统计表、
晴天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
非晴雨雪天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
雨天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
雪天的各个最近若干个工作日中同一个时间段车辆间隔距离记录统计表、
晴天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
非晴雨雪天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
雨天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
雪天的各个最近若干个节假日中同一个时间段车辆间隔距离记录统计表、
晴天的各个最近若干个工作日中同一个时间段车速记录统计表、
非晴雨雪天的各个最近若干个工作日中同一个时间段车速记录统计表、
雨天的各个最近若干个工作日中同一个时间段车速记录统计表、
雪天的各个最近若干个工作日中同一个时间段车速记录统计表、
晴天的各个最近若干个节假日中同一个时间段车速记录统计表、
非晴雨雪天的各个最近若干个节假日中同一个时间段车速记录统计表、
雨天的各个最近若干个节假日中同一个时间段车速记录统计表、
雪天的各个最近若干个节假日中同一个时间段车速记录统计表;
上述各个统计表均包括“时间段”字段、多个“最近第某个日”字段、“平均值”字段、“最大值最小值字段”;
根据当天的时间段所属的同类日和天气情况以及道路拥堵状态参数的种类选择上述相应的统计表;
根据相应的统计表得出当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值;
根据当日之前的若干个日中同一个时间段实际道路拥堵状态参数的最大平均值和最小平均值得到相应的道路拥堵级别。
4.根据权利要求3所述的基于移动互联网交通拥堵预警方法,其特征在于:
各个道路包括各个路段、各个十字路口、各个丁字路口、各个高架改道扎口、各个高速公路出入扎口;
相关对象包括车辆司机、车载***、行人、无人驾驶车辆、道路信号灯时间控制端、车辆导航中心、交通管理部门;
各个道路拥堵的状态分为车流量拥堵状态、车辆间隔距离拥堵状态、车速拥堵状态;
车流量拥堵状态用车流量拥堵状态参数表征;
车辆间隔距离拥堵状态用车辆间隔距离拥堵状态参数表征;
车速拥堵状态用车速拥堵状态状态参数表征。
5.根据权利要求4所述的基于移动互联网交通拥堵预警方法,其特征在于:
对视频中的车辆牌号进行识别,通过车辆牌号确定车辆司机的身份,根据车辆司机的身份确定联系方式,将实际道路拥堵状态级别及时地通知到在路上的车辆司机;通过车辆牌号确定无人驾驶车辆,将实际道路拥堵状态级别及时地通知到在路上的无人驾驶车辆;对道路上的行人进行人脸识别,通过人脸识别确定行人的身份,根据行人的身份确定联系方式,将实际道路拥堵状态级别及时地通知到在路上的行人;将实际道路拥堵状态级别及时地通知道路信号灯时间控制端,道路信号灯时间控制端根据实际道路拥堵状态级别对红绿灯切换时间进行控制,进而,对车辆及行人进行控制;将实际道路拥堵状态级别及时地通知车辆导航中心,车辆导航中心在导航中参考实际道路拥堵状态级别为用户选择最佳方案;将实际道路拥堵状态级别及时地通知交通管理部门,交通管理部门根据实际道路拥堵状态级别及时作好应急预案。
6.根据权利要求5所述的基于移动互联网交通拥堵预警方法,其特征在于:
在实际道路拥堵级别为“拥堵”或“非常拥堵”的道路上,
当相邻两车辆之间的相对距离小于该相邻两车辆之间的安全距离时,***将该相对距离分别通过移动客户端通知相邻两车辆的司机或车辆上的车载***,相邻两车辆的司机或车辆上的车载***根据该相对距离对车辆及时实施控制;和/或,
当相邻两车辆之间的相对距离小于该相邻两车辆之间的危险距离时,***将该相对距离分别通过移动客户端通知相邻两车辆的司机或车辆上的车载***,相邻两车辆的司机或车辆上的车载***根据该相对距离对车辆紧急实施控制;和/或,
当相邻行人、车辆之间的相对距离小于该相邻行人、车辆之间的安全距离时,将该相对距离分别通知相邻行人、车辆的司机或车辆上的车载***,相邻行人及时避让,车辆的司机或车辆上的车载***根据该相对距离对车辆及时实施控制;和/或,
当相邻行人、车辆之间的相对距离小于该相邻行人、车辆之间的危险距离时,将该相对距离分别通知相邻行人、车辆的司机或车辆上的车载***,相邻行人紧急避让,车辆的司机或车辆上的车载***根据该相对距离对车辆紧急实施控制。
7.根据权利要求6所述的基于移动互联网交通拥堵预警方法,其特征在于:
相邻两车辆之间的相对距离和相邻行人、车辆之间的相对距离获得的步骤为:
获取道路监控视频数据,或者,获取卫星道路监控数据,以及其他设备采集的数据;
对获取的道路监控视频数据进行***视觉处理,对获取的卫星道路监控数据、其他设备采集的数据进行程序化处理,对行人和车辆进行识别,对道路名称进行识别;
连接道路电子地图库,寻找匹配对应路段的道路电子地图;
对行人和车辆在道路电子地图地理位置进行识别;
将行人和车辆所在地理位置转换为电子地图坐标;
调用道路电子地图,将行人和车辆所在地理位置的电子地图坐标投射到道路电子地图上;
将行人和车辆所在地理位置的电子地图坐标投射到道路电子地图上之后,在***监控画面上显示在***监控画面上显示;
根据相邻两车辆的坐标计算出相邻两车辆之间的相对距离;
存储相邻两车辆之间的相对距离数据;
根据相邻行人和车辆的坐标计算出相邻行人和车辆之间的相对距离;
存储相邻行人和车辆之间的相对距离数据。
8.根据权利要求7所述的基于移动互联网交通拥堵预警方法,其特征在于:
判断相邻两车辆之间的相对距离是否小于该相邻两车辆之间的安全距离的步骤为:
设置相邻两车辆之间的安全距离;
将相邻两车辆之间的相对距离与相邻两车辆之间的安全距离进行比较;
判断相邻两车辆之间的相对距离是否小于该相邻两车辆之间的危险距离的步骤为:
设置相邻两车辆之间的危险距离;
将相邻两车辆之间的相对距离与相邻两车辆之间的危险距离进行比较;
判断相邻行人和车辆之间的相对距离是否小于该相邻两车辆之间的安全距离的步骤为:
设置相相邻行人和车辆之间的安全距离;
将相邻行人和车辆之间的相对距离与相邻行人和车辆之间的安全距离进行比较;
判断相邻行人和车辆之间的相对距离是否小于该相邻行人和车辆之间的危险距离的步骤为:
设置相邻行人和车辆之间的危险距离;
将相邻行人和车辆之间的相对距离与相邻行人和车辆之间的危险距离进行比较。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910561657.8A CN110276951B (zh) | 2019-06-26 | 2019-06-26 | 一种基于移动互联网交通拥堵预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910561657.8A CN110276951B (zh) | 2019-06-26 | 2019-06-26 | 一种基于移动互联网交通拥堵预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110276951A true CN110276951A (zh) | 2019-09-24 |
CN110276951B CN110276951B (zh) | 2020-11-13 |
Family
ID=67963360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910561657.8A Active CN110276951B (zh) | 2019-06-26 | 2019-06-26 | 一种基于移动互联网交通拥堵预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276951B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028511A (zh) * | 2019-12-25 | 2020-04-17 | 亚信科技(中国)有限公司 | 一种交通拥堵预警方法及装置 |
CN113393705A (zh) * | 2021-05-31 | 2021-09-14 | 云南思码蔻科技有限公司 | 基于隧道或道路内车辆留存数量的路况管理*** |
CN114170795A (zh) * | 2021-11-20 | 2022-03-11 | 武汉鑫弘凯交通科技有限公司 | 一种智能交通***中的物联网交通监测***及其使用方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1503180A1 (en) * | 2003-07-30 | 2005-02-02 | Pioneer Corporation | Vehicle navigation device |
JP2009252164A (ja) * | 2008-04-10 | 2009-10-29 | Xanavi Informatics Corp | サーバ装置、ナビゲーション装置、交通情報提示システムおよび交通情報提示方法 |
CN102509470A (zh) * | 2011-10-14 | 2012-06-20 | 北京掌城科技有限公司 | 基于动态路径规划实现车辆节能减排的***和方法 |
CN104157142A (zh) * | 2014-08-27 | 2014-11-19 | 河海大学 | 一种基于浮动车数据的城市路径行程时间预测方法 |
CN104809870A (zh) * | 2015-04-10 | 2015-07-29 | 安徽四创电子股份有限公司 | 一种高架桥入口匝道交通拥堵等级估计方法 |
CN104851295A (zh) * | 2015-05-22 | 2015-08-19 | 北京嘀嘀无限科技发展有限公司 | 获取路况信息的方法和*** |
CN105387865A (zh) * | 2015-10-16 | 2016-03-09 | 上海博泰悦臻网络技术服务有限公司 | 一种基于交通道路数据的路径规划方法及*** |
CN105489008A (zh) * | 2015-12-28 | 2016-04-13 | 北京握奇智能科技有限公司 | 基于浮动车卫星定位数据的城市道路拥堵计算方法及*** |
-
2019
- 2019-06-26 CN CN201910561657.8A patent/CN110276951B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1503180A1 (en) * | 2003-07-30 | 2005-02-02 | Pioneer Corporation | Vehicle navigation device |
JP2009252164A (ja) * | 2008-04-10 | 2009-10-29 | Xanavi Informatics Corp | サーバ装置、ナビゲーション装置、交通情報提示システムおよび交通情報提示方法 |
CN102509470A (zh) * | 2011-10-14 | 2012-06-20 | 北京掌城科技有限公司 | 基于动态路径规划实现车辆节能减排的***和方法 |
CN104157142A (zh) * | 2014-08-27 | 2014-11-19 | 河海大学 | 一种基于浮动车数据的城市路径行程时间预测方法 |
CN104809870A (zh) * | 2015-04-10 | 2015-07-29 | 安徽四创电子股份有限公司 | 一种高架桥入口匝道交通拥堵等级估计方法 |
CN104851295A (zh) * | 2015-05-22 | 2015-08-19 | 北京嘀嘀无限科技发展有限公司 | 获取路况信息的方法和*** |
CN105387865A (zh) * | 2015-10-16 | 2016-03-09 | 上海博泰悦臻网络技术服务有限公司 | 一种基于交通道路数据的路径规划方法及*** |
CN105489008A (zh) * | 2015-12-28 | 2016-04-13 | 北京握奇智能科技有限公司 | 基于浮动车卫星定位数据的城市道路拥堵计算方法及*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028511A (zh) * | 2019-12-25 | 2020-04-17 | 亚信科技(中国)有限公司 | 一种交通拥堵预警方法及装置 |
CN111028511B (zh) * | 2019-12-25 | 2021-10-15 | 亚信科技(中国)有限公司 | 一种交通拥堵预警方法及装置 |
CN113393705A (zh) * | 2021-05-31 | 2021-09-14 | 云南思码蔻科技有限公司 | 基于隧道或道路内车辆留存数量的路况管理*** |
CN114170795A (zh) * | 2021-11-20 | 2022-03-11 | 武汉鑫弘凯交通科技有限公司 | 一种智能交通***中的物联网交通监测***及其使用方法 |
CN114170795B (zh) * | 2021-11-20 | 2023-04-07 | 武汉鑫弘凯交通科技有限公司 | 一种智能交通***中的物联网交通监测***的使用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110276951B (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112837535B (zh) | 交通信息处理方法、装置、***、设备及存储介质 | |
CN112071061B (zh) | 基于云计算和数据分析的车辆服务*** | |
WO2018064931A1 (zh) | 考虑出租车运营状态下的城市道路行程时间分布估算方法 | |
CN110276951A (zh) | 一种基于移动互联网交通拥堵预警方法 | |
CN112435458B (zh) | 一种交通事故下的高速公路无人机应急仿真方法 | |
CN111798678A (zh) | 一种基于大数据的城市交通智能监控协调管理*** | |
CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
CN117014473B (zh) | 一种基于端云融合技术的智能网联汽车监控*** | |
CN111145533B (zh) | 基于城市区域的行人异常交通行为模式识别管控*** | |
CN104732762A (zh) | 一种交通异常路段概率识别方法 | |
KR102508367B1 (ko) | 커넥티드 자율 주행차의 안전 모니터링 및 운영설계범위를 지원하는 관제 서버 | |
CN110992712A (zh) | 一种基于云计算交通信号灯灯光控制*** | |
CN112140995A (zh) | 一种基于网络云端的智能汽车安全驾驶*** | |
CN113112804A (zh) | 一种智慧高速综合管控方法 | |
CN113112789A (zh) | 城市快速路突发事件的影响预测及管控方法 | |
CN115331401A (zh) | 一种高速公路长距离隧道车辆行驶安全智能分析预警*** | |
CN108091131A (zh) | 一种交通事件识别方法及装置 | |
CN117994983B (zh) | 一种基于物联网的高速路网态势感知方法及*** | |
CN114299739A (zh) | 目标路段的通过方法、***、存储介质及电子装置 | |
CN108364471B (zh) | 基于智能交通灯od信息检查的货运规划管理方法及*** | |
CN114375005B (zh) | 一种基于5g天线的车路通信测试*** | |
Ritchie et al. | Field investigation of advanced vehicle reidentification techniques and detector technologies-Phase 1 | |
CN116596307A (zh) | 一种基于公交运营安全数据构建驾驶员安全画像模型的方法 | |
KR100532145B1 (ko) | 교통정보 제공장치에서의 원시자료 수집 제공 장치 | |
CN108986455A (zh) | 一种车联网环境下拼车优先的hov车道动态管控方法 |
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 |