CN110349410A - 一种交通拥堵指数测定方法 - Google Patents

一种交通拥堵指数测定方法 Download PDF

Info

Publication number
CN110349410A
CN110349410A CN201910757058.3A CN201910757058A CN110349410A CN 110349410 A CN110349410 A CN 110349410A CN 201910757058 A CN201910757058 A CN 201910757058A CN 110349410 A CN110349410 A CN 110349410A
Authority
CN
China
Prior art keywords
data
congestion
real time
label
historical
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
CN201910757058.3A
Other languages
English (en)
Other versions
CN110349410B (zh
Inventor
李周智
杨懿
牛新民
牛新伟
施强
姜新天
李高俊
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.)
GANSU WANHUA JINHUI INFORMATION TECHNOLOGY CO LTD
Original Assignee
Gansu Wanhua Jinhui Polytron Technologies Inc
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 Gansu Wanhua Jinhui Polytron Technologies Inc filed Critical Gansu Wanhua Jinhui Polytron Technologies Inc
Priority to CN201910757058.3A priority Critical patent/CN110349410B/zh
Publication of CN110349410A publication Critical patent/CN110349410A/zh
Application granted granted Critical
Publication of CN110349410B publication Critical patent/CN110349410B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0639—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
    • 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

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种交通拥堵指数测定方法，采用上述方法得到的拥堵指数为一个相对值，及今日的拥堵情况相对于历史拥堵的评价，且引入了近一周的数据和前一日的数据进行修正，得到的拥堵指数可以告知用户相对于以往的道路实际拥堵情况，更有利于用户进行路线选择，解决了现有的拥堵指数评估一般采用固定标准评估，当一个路段每天都是严重拥堵时，该路段的拥堵指数对用户的作用就不大了，用户无法通过拥堵指数判断该路段的拥堵较往常有什么区别的问题。

Description

一种交通拥堵指数测定方法
技术领域
本发明涉及交通运输领域，特别涉及一种交通拥堵指数测定方法。
背景技术
交通拥堵指数是根据道路通行情况，一些城市设置的综合反映道路网畅通或拥堵的概念性指数值，它相当于把拥堵情况数字化。随着信息技术的发展,城市交通信息化以及智慧城市建设的不断深入,对城市交通的观测角度也发生着变化。传统的城市交通评价主要集中于交通***解决交通问题的能力和水平。这一评价范围已不能满足社会对城市交通信息的需求，研究领域更多的开始关注城市交通的管理影响和环境影响。城市交通指数不仅能衡量一个城市不同时期的交通水平，同时能够反映同一时期不同城市交通水平的差异，依次能够分析城市交通的关键症结和严重程度，为促进城市交通发展提供良好的借鉴。
交通指数集交通拥堵空间范围、持续时间、严重程度为一体，是对路网交通总体运行状况进行定量化评估的综合性指标。与传统的车速、流量等参数相比，具有直观、简单的特点。交通指数让人们不仅模糊地知道堵或不堵，更能清楚地了解堵到何种程度，从而对全路网或区域路网交通运行情况有一个直观量化的了解。
随着GPS技术的飞速发展，GPS传感器在当今城市交通中使用越来越广泛，在很多城市中的出租车、公交车上都安装有GPS传感器。因此本发明尝试对分布在城市大街小巷的动态车辆位置信息(浮动车数据)为依据建立实用、可靠的交通拥堵指数计算平台，从而在当前条件下为城市交通进行量化评估。
现有的拥堵指数评估一般采用固定标准评估，当一个路段每天都是严重拥堵时，该路段的拥堵指数对用户的作用就不大了，用户无法通过拥堵指数判断该路段的拥堵较往常有什么区别。
发明内容
本发明的目的在于：提供了一种交通拥堵指数测定方法，解决了现有的拥堵指数评估一般采用固定标准评估，当一个路段每天都是严重拥堵时，该路段的拥堵指数对用户的作用就不大了，用户无法通过拥堵指数判断该路段的拥堵较往常有什么区别的问题。
本发明采用的技术方案如下：
一种交通拥堵指数测定方法，包括至少2个数据源，每个数据源的数据包括历史数据DH和实时数据D，还包括依次进行的以下步骤：
S1、将数据源进行分类，为每个类别建立标签；
S2、对每个标签的历史数据进行处理得到总体历史数据DH1、本周历史数据DH2和上一日历史数据DH3；
S3、对每个标签的实时数据D进行清洗得到平均实时数据D1，去除误差较大的数据；
S4、确定每个标签的拥堵指数P＝0.6*D1/DH1+0.3*D1/DH2+0.1*D1/DH3
S5、当P≤1.2时，基本没有拥堵；当1.2≤P≤1.5时，为轻度拥堵；当1.5≤P≤1.8时，为中度拥堵；当1.8≤P≤2.1时，为重度拥堵；当2.1≤P时，为严重拥堵。
采用上述方法得到的拥堵指数为一个相对值，及今日的拥堵情况相对于历史拥堵的评价，且引入了近一周的数据和前一日的数据进行修正，得到的拥堵指数可以告知用户相对于以往的道路实际拥堵情况，更有利于用户进行路线选择，解决了现有的拥堵指数评估一般采用固定标准评估，当一个路段每天都是严重拥堵时，该路段的拥堵指数对用户的作用就不大了，用户无法通过拥堵指数判断该路段的拥堵较往常有什么区别的问题。
进一步的，所述步骤S1中的数据分类按照数据源的车辆类型进行分类，包括私家车、出租车和公交车。
进一步的，所述数据源的数据为指定路段的通行时间或指定路段的车速中的至少一个。
进一步的，所述步骤S3中对每个标签的实时数据D进行清洗得到D1，去除误差较大的数据的方法包括以下步骤：
S301、对实时数据D计算平均数Da；
S302、根据实时数据D和平均数Da确定实时数据D的标准差Ds；
S303、当标准差Ds不大于10％Da时，以Da作为D1；否则转入步骤S304；
S304、去除实时数据D中与平均数Da差值最大的数据得到新的实时数据D，转入步骤S301。
采用上述方法可以去除误差较大的数据，将违章停靠或超速驾驶等数据排出在外，结果可信度较高。
进一步的，所述总体历史数据DH1为该标签下所有历史数据的平均值，本周历史数据DH2为该标签下近7日所有历史数据的平均值，上一日历史数据DH3为该标签下上一日所有历史数据的平均值。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1.本发明一种交通拥堵指数测定方法，解决了现有的拥堵指数评估一般采用固定标准评估，当一个路段每天都是严重拥堵时，该路段的拥堵指数对用户的作用就不大了，用户无法通过拥堵指数判断该路段的拥堵较往常有什么区别的问题。
2.本发明一种交通拥堵指数测定方法，去除了误差较大的数据，结果可信度较高。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
实施例1
一种交通拥堵指数测定方法，包括至少2个数据源，每个数据源的数据包括历史数据DH和实时数据D，还包括依次进行的以下步骤：
S1、将数据源进行分类，为每个类别建立标签；
S2、对每个标签的历史数据进行处理得到总体历史数据DH1、本周历史数据DH2和上一日历史数据DH3；
S3、对每个标签的实时数据D进行清洗得到平均实时数据D1，去除误差较大的数据；
S4、确定每个标签的拥堵指数P＝0.6*D1/DH1+0.3*D1/DH2+0.1*D1/DH3
S5、当P≤1.2时，基本没有拥堵；当1.2≤P≤1.5时，为轻度拥堵；当1.5≤P≤1.8时，为中度拥堵；当1.8≤P≤2.1时，为重度拥堵；当2.1≤P时，为严重拥堵。
采用上述方法得到的拥堵指数为一个相对值，及今日的拥堵情况相对于历史拥堵的评价，且引入了近一周的数据和前一日的数据进行修正，得到的拥堵指数可以告知用户相对于以往的道路实际拥堵情况，更有利于用户进行路线选择，解决了现有的拥堵指数评估一般采用固定标准评估，当一个路段每天都是严重拥堵时，该路段的拥堵指数对用户的作用就不大了，用户无法通过拥堵指数判断该路段的拥堵较往常有什么区别的问题。
如在一个指定路段，标准通宵时间为5分钟，由于堵车，一般通行时间为15-30分钟，按照传统的拥堵指数评估方法，无论通行时间是15分钟还是30分钟，均为严重拥堵，采用本方法，若历史平均数据均为20分钟，若今日通行时间为15分钟，则今日为基本没有拥堵，若今日通行时间为30分钟，则今日为基本重度拥堵，更加有利于用户进行路线选择。
实施例2
本实施例与实施例1的区别在于，所述步骤S1中的数据分类按照数据源的车辆类型进行分类，包括私家车、出租车和公交车。
进一步的，所述数据源的数据为指定路段的通行时间或指定路段的车速中的至少一个。
实施例3
本实施例与实施例1的区别在于，所述步骤S3中对每个标签的实时数据D进行清洗得到D1，去除误差较大的数据的方法包括以下步骤：
S301、对实时数据D计算平均数Da；
S302、根据实时数据D和平均数Da确定实时数据D的标准差Ds；
S303、当标准差Ds不大于10％Da时，以Da作为D1；否则转入步骤S304；
S304、去除实时数据D中与平均数Da差值最大的数据得到新的实时数据D，转入步骤S301。
采用上述方法可以去除误差较大的数据，将违章停靠或超速驾驶等数据排出在外，结果可信度较高。
进一步的，所述总体历史数据DH1为该标签下所有历史数据的平均值，本周历史数据DH2为该标签下近7日所有历史数据的平均值，上一日历史数据DH3为该标签下上一日所有历史数据的平均值。
以上所述，仅为本发明的优选实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。

Claims (5)

1.一种交通拥堵指数测定方法，包括至少2个数据源，每个数据源的数据包括历史数据DH和实时数据D，其特征在于：还包括依次进行的以下步骤：
S1、将数据源进行分类，为每个类别建立标签；
S2、对每个标签的历史数据进行处理得到总体历史数据DH1、本周历史数据DH2和上一日历史数据DH3；
S3、对每个标签的实时数据D进行清洗得到平均实时数据D1，去除误差较大的数据；
S4、确定每个标签的拥堵指数P＝0.6*D1/DH1+0.3*D1/DH2+0.1*D1/DH3
S5、当P≤1.2时，基本没有拥堵；当1.2≤P≤1.5时，为轻度拥堵；当1.5≤P≤1.8时，为中度拥堵；当1.8≤P≤2.1时，为重度拥堵；当2.1≤P时，为严重拥堵。
2.根据权利要求1所述的一种交通拥堵指数测定方法，其特征在于：所述步骤S1中的数据分类按照数据源的车辆类型进行分类，包括私家车、出租车和公交车。
3.根据权利要求1所述的一种交通拥堵指数测定方法，其特征在于：所述数据源的数据为指定路段的通行时间或指定路段的车速中的至少一个。
4.根据权利要求1所述的一种交通拥堵指数测定方法，其特征在于：所述步骤S3中对每个标签的实时数据D进行清洗得到D1，去除误差较大的数据的方法包括以下步骤：
S301、对实时数据D计算平均数Da；
S302、根据实时数据D和平均数Da确定实时数据D的标准差Ds；
S303、当标准差Ds不大于10％Da时，以Da作为D1；否则转入步骤S304；
S304、去除实时数据D中与平均数Da差值最大的数据得到新的实时数据D，转入步骤S301。
5.根据权利要求1所述的一种交通拥堵指数测定方法，其特征在于：所述总体历史数据DH1为该标签下所有历史数据的平均值，本周历史数据DH2为该标签下近7日所有历史数据的平均值，上一日历史数据DH3为该标签下上一日所有历史数据的平均值。
CN201910757058.3A 2019-08-16 2019-08-16 一种交通拥堵指数测定方法 Active CN110349410B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910757058.3A CN110349410B (zh) 2019-08-16 2019-08-16 一种交通拥堵指数测定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910757058.3A CN110349410B (zh) 2019-08-16 2019-08-16 一种交通拥堵指数测定方法

Publications (2)

Publication Number Publication Date
CN110349410A true CN110349410A (zh) 2019-10-18
CN110349410B CN110349410B (zh) 2020-11-13

Family

ID=68185228

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910757058.3A Active CN110349410B (zh) 2019-08-16 2019-08-16 一种交通拥堵指数测定方法

Country Status (1)

Country Link
CN (1) CN110349410B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112598169A (zh) * 2020-12-17 2021-04-02 广东南方通信建设有限公司 交通运行态势评估方法、***及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007241987A (ja) * 2006-02-07 2007-09-20 Matsushita Electric Ind Co Ltd 交通情報生成方法及び交通情報生成装置
JP2011048754A (ja) * 2009-08-28 2011-03-10 I-Transport Lab Co Ltd 交通状況解析装置、交通状況解析プログラム及び交通状況解析方法
CN103514743A (zh) * 2013-09-28 2014-01-15 上海电科智能***股份有限公司 一种实时指数匹配记忆区间的异常交通状态特征识别方法
CN104715610A (zh) * 2015-04-09 2015-06-17 银江股份有限公司 一种面向城市交通的交通指数计算方法
CN106652450A (zh) * 2016-12-16 2017-05-10 东南大学 一种高速公路交通指数数值确定方法
CN107798876A (zh) * 2017-11-07 2018-03-13 上海炬宏信息技术有限公司 基于事件的道路交通异常拥堵判断方法
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

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007241987A (ja) * 2006-02-07 2007-09-20 Matsushita Electric Ind Co Ltd 交通情報生成方法及び交通情報生成装置
JP2011048754A (ja) * 2009-08-28 2011-03-10 I-Transport Lab Co Ltd 交通状況解析装置、交通状況解析プログラム及び交通状況解析方法
CN103514743A (zh) * 2013-09-28 2014-01-15 上海电科智能***股份有限公司 一种实时指数匹配记忆区间的异常交通状态特征识别方法
CN104715610A (zh) * 2015-04-09 2015-06-17 银江股份有限公司 一种面向城市交通的交通指数计算方法
CN106652450A (zh) * 2016-12-16 2017-05-10 东南大学 一种高速公路交通指数数值确定方法
CN107798876A (zh) * 2017-11-07 2018-03-13 上海炬宏信息技术有限公司 基于事件的道路交通异常拥堵判断方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
彭增辉 等: "轨道交通断面拥挤指数计算模型", 《武汉理工大学学报》 *
韦清波 等: "考虑多因素的城市道路交通拥堵指数预测研究", 《交通运输***工程与信息》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112598169A (zh) * 2020-12-17 2021-04-02 广东南方通信建设有限公司 交通运行态势评估方法、***及装置
CN112598169B (zh) * 2020-12-17 2023-03-24 广东南方通信建设有限公司 交通运行态势评估方法、***及装置

Also Published As

Publication number Publication date
CN110349410B (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN104715610B (zh) 一种面向城市交通的交通指数计算方法
CN107563566B (zh) 一种基于支持向量机的公交站间运行时间区间预测方法
US9111442B2 (en) Estimating incident duration
DK2619059T3 (en) Driver profiling system and method
CN108806283A (zh) 一种交通信号灯的控制方法及车联网平台
GB2492369A (en) Analysing mobile telephone handover data to detect traffic jams and then obtaining floating vehicle data to determine a more accurate congestion location
AU2015296645A1 (en) Self-configuring traffic signal controller
Ardeshiri et al. A speed limit compliance model for dynamic speed display sign
CN107195177A (zh) 基于分布式内存计算框架对城市交通路况的预测方法
CN107564279A (zh) 一种基于浮动车数据的交通指数计算方法及***
CN116631211B (zh) 一种基于车联网的紧急车辆道路拥堵疏散***
CN110349410A (zh) 一种交通拥堵指数测定方法
Gorodokin et al. Optimization of adaptive traffic light control modes based on machine vision
CN109754606A (zh) 一种基于出租车定位预测道路拥堵情况的方法
CN105389982B (zh) 基于fcd的城市交叉口拥堵事件检测及消散方法
CN114078322A (zh) 一种公交运行状态评价方法、装置、设备及存储介质
Monsere et al. Best Practices for Installation of Rectangular Rapid Flashing Beacons With and Without Median Refuge Islands
Xiong et al. The tolerable waiting time: A generalized pareto distribution model with empirical investigation
CN109191836A (zh) 一种基于iqa的实时分车道车辆延误预测方法
Muley et al. Performance evaluation of Al Jame’Roundabout using SIDRA
Mongiardini et al. Evaluation of Gorge Road Centreline Audio Tactile Line Marking (ATLM) on Curves
Xian et al. Evidence from GTFS-R that Bus Priority Lanes reduce Marginal Delay
CN118097998B (zh) 道路状态提示方法、***、存储介质及电子设备
HASAN et al. Traffic assessment and optimization at signalized intersections: A review study
Ren et al. Divergent effects of factors on crashes under autonomous and conventional driving modes using a hierarchical bayesian approach

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
CP03 Change of name, title or address

Address after: 25/F, Internet Innovation and Entrepreneurship Building, No. 1119 Nanbinhe Middle Road, Qilihe District, Lanzhou City, Gansu Province, 730000

Patentee after: GANSU WANHUA JINHUI INFORMATION TECHNOLOGY Co.,Ltd.

Address before: 730000 24, Gansu innovation and entrepreneurship building, 1119 South Binhe Middle Road, Qilihe District, Lanzhou, Gansu.

Patentee before: GANSU WANHUA JINHUI TECHNOLOGY CO.,LTD.

CP03 Change of name, title or address