CN110517490B - 道路机动车承载力计算方法、***、装置及存储介质 - Google Patents
道路机动车承载力计算方法、***、装置及存储介质 Download PDFInfo
- Publication number
- CN110517490B CN110517490B CN201910779565.7A CN201910779565A CN110517490B CN 110517490 B CN110517490 B CN 110517490B CN 201910779565 A CN201910779565 A CN 201910779565A CN 110517490 B CN110517490 B CN 110517490B
- Authority
- CN
- China
- Prior art keywords
- flow
- data
- road
- bearing capacity
- traffic
- 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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路机动车承载力计算方法、***、装置及存储介质,该方法包括步骤:获取交通流基本数据,交通流基本数据包括路段的速度及流量;对交通流基本数据进行预处理;对预处理后的交通流数据进行拟合形成流量‑速度关系曲线;根据设定的速度及所述流量‑速度关系曲线计算道路机动车承载力。该发明通过结合互联网数据平台及传统的交通管理获取交通流的大量数据,并对大数据进行预处理,对处理后的大数据进行流量‑速度关系曲线拟合,再根据设定的速度及流量‑速度关系曲线计算道路机动车承载力,预处理后的大数据更符合实际情况,计算更准确,以交通大数据为驱动,快速准确地计算路网道路机动车承载力。该发明广泛应用于交通工程领域。
Description
技术领域
本发明涉及交通工程领域,尤其涉及一种道路机动车承载力计算方法、***、装置及存储介质。
背景技术
随着我国城市化进程的推进,汽车保有量飞速增加,交通阻塞已成常态,交通事故频繁,城市交通拥堵问题日益凸显。交通拥堵问题的本质是交通供给与交通需求的不平衡问题,要有效缓解供需矛盾,需要准确理清区域内交通供给与交通需求的关系,其关键在于准确识别交通供给、有效控制交通需求。以道路机动车承载力研究为基础,可获知路网交通供给量,并对其交通运行状态的演变进行短期预测,提前执行有效的管控措施,实现主动交通管控,有效控制交通需求。
目前在城市交通的研究中,还没有对城市道路机动车承载力完整和确切的定义和描述,大部分学者借用城市生态承载力、城市资源承载力对城市道路机动车承载力进行间接描述。在计算方法上,目前关于城市机动车承载力计算的研究并不多,以城市不同交通状态为划分标准,可将路网机动车承载力的计算方法分为静态和动态两种,然而这些承载力的计算方法在求解过程中均面临一个共同的问题,即参数标定所需要的数据难以获得,如路段的车流速度、平均车头时距、OD(origin destination,起终点间的交通出行量)的分布等参数的标定需要大量的基础数据,传统的基础数据获得方法基本依靠人工调查,而人工调查存在耗时周期长,数据精确度低,后期录入工程量大等不足。
发明内容
有鉴于此,本发明实施例的目的是提供一种道路机动车承载力计算方法、***、装置及存储介质。该发明以交通大数据为驱动,快速准确地计算路网道路机动车承载力。
第一方面,本发明实施例提供了一种道路机动车承载力计算方法,包括步骤:
获取交通流基本数据,所述交通流基本数据包括路段的速度及流量;
对所述交通流基本数据进行预处理;
利用预处理后的所述交通流基本数据拟合流量-速度关系曲线;
根据设定的速度及所述流量-速度关系曲线计算道路机动车承载力。
优选地,所述路段的速度通过互联网数据平台获取,所述路段的流量通过卡口***或SCATS信号控制***获取。
优选地,所述对所述交通流基本数据进行预处理,包括对车辆进行标准车型预处理和对异常数据预处理。
优选地,当所述路段的流量通过卡口***获取时,所述交通流基本数据还包括车牌颜色,所述对车辆进行标准车型预处理,包括:
当车牌颜色为黄色,将车辆的标准车型折算系数设置为2;
当车牌颜色为黄色以外的其它颜色,将车辆的标准车型折算系数设置为1,所述其它颜色包括蓝色、白色及黑色;
将所有颜色的车辆乘以对应的标准车型折算系数后,求和获得标准车型流量。
优选地,当路段的流量通过SCATS信号控制***获取时,所述对车辆进行标准车型预处理,包括:将所述流量乘以标准车型折算系数获得标准车型流量。
优选地,所述对异常数据预处理,包括:
将车辆进行标准车型预处理后的速度或流量不大于0的数据剔除,得到修正数据;
根据路段的速度确定对应平均流量的上限流量和下限流量;
将所述修正数据中速度对应流量大于所述上限流量和小于所述下限流量的数据剔除,得到预处理后的交通流基本数据。
第二方面,本发明实施例提供了一种道路机动车承载力计算***,包括:
获取模块,用于获取交通流基本数据,所述交通流基本数据包括路段的速度及流量;
预处理模块,用于对所述交通流基本数据进行预处理;
拟合模块,用于利用预处理后的所述交通流基本数据拟合流量-速度关系曲线;
计算模块,用于根据设定的速度及所述流量-速度关系曲线计算道路机动车承载力。
第三方面,本发明实施例提供了一种道路机动车承载力计算装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的道路机动车承载力计算方法。
第四方面,本发明实施例提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行所述得的道路机动车承载力计算方法。
第五方面,本发明实施例提供了一种道路机动车承载力计算***,包括数据***以及与所述数据***连接的计算机设备;其中,
所述数据***,用于采集交通流基本数据,所述交通流基本数据包括路段的速度及流量;
所述计算机设备包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的道路机动车承载力计算方法。
实施本发明实施例包括以下有益效果:本发明实施例通过获取交通流基本数据的大数据,并对大数据进行预处理,对处理后的大数据进行流量-速度关系曲线拟合,再根据设定的速度及流量-速度关系曲线计算道路机动车承载力,预处理后的大数据更符合实际情况,计算更准确,可见,本发明以交通大数据为驱动,快速准确地计算路网道路机动车承载力。
附图说明
图1是本发明实施例提供的一种道路机动车承载力计算方法的步骤流程示意图;
图2是本发明实施例提供的一种道路机动车承载力计算方法及应用的流程示意图;
图3是本发明实施例提供的一种道路机动车承载力计算***的结构框图;
图4是本发明实施例提供的一种道路机动车承载力计算装置的结构框图;
图5是本发明实施例提供的另一种道路机动车承载力计算***的结构框图;
图6是本发明实施例提供的一种道路机动车承载力研究范围的示意图;
图7是本发明实施例提供的一道路卡口未处理的流量-速度示意图;
图8是本发明实施例提供的一道路SCATS路口未处理的流量-速度示意图;
图9是本发明实施例提供的一道路卡口数据预处理后流量-速度拟合函数的示意图;
图10是本发明实施例提供的一道路SCATS路口数据预处理后流量-速度拟合函数的示意图;
图11是本发明实施例提供的一种流量、速度及密度的关系曲线示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
本文将道路机动车承载力定义为:在规定的时空区域内,在现有城市交通资源总量与管理政策不变的情况下,保证城市道路不发生严重拥堵时的道路网所能够容纳的最大标准车辆数。
如图1所示,本发明实施例提供了一种道路机动车承载力计算方法,其包括的步骤如下所示。
S1、获取交通流基本数据,所述交通流基本数据包括路段的速度及流量;
S2、对所述交通流基本数据进行预处理;
S3、利用预处理后的所述交通流基本数据拟合流量-速度关系曲线;
S4、根据设定的速度及所述流量-速度关系曲线计算道路机动车承载力。
优选地,所述路段的速度通过互联网数据平台获取,所述路段的流量通过卡口***或SCATS(Sydney Coordinated Adaptive Traffic System,悉尼自适应交通控制***)信号控制***获取。通过卡口***可以获取卡口数据,通过SCATS***检测车道数据。按照预设的时间间隔获取数据,例如间隔10分钟或20分钟。
具体地,卡口***能够获取的交通信息很多,包括车型、车牌颜色、车品牌、车颜色、车速及流量等,本文根据需求主要提取路段的速度及流量等交通流基本数据;对所述交通流基本数据进行预处理,主要剔除无用和干扰数据;流量-速度关系拟合函数相关系数R2需在可接受的范围内,具体接收范围根据情况确定,一般可取0.8以上,流量-速度的拟合函数的关系式如下:
Q=aV2+bV+c
其中,Q表示流量,a、b及c表示系数,V表示路段的运行速度。
一般情况下,城市道路交通运行评价中,定义了各级道路拥堵情况下对应的速度,该速度对应的承载力即为道路机动车承载力。道路机动车承载力的计算公式如下:
其中,C表示路段的道路机动车承载力,单位为PCU;K表示路段的交通密度,单位为PCU/km;Q表示路段的车辆流量,单位为PCU/h;V表示路段的车辆速度,单位为km/h;L表示路段的长度,单位为km。
通过上述方法可以先计算路段的道路机动车承载力;再根据各路段所述的辖区情况,计算出各个辖区的道路机动车承载力;再统计研究范围内各个辖区的道路机动车承载力,计算市域级别的道路机动车承载力。辖区或市域的承载力由各个路段的承载力求和得到,计算公式如下:
其中,Ci表示辖区或市域i的道路机动车承载力;Cij表示辖区或市域i中路段j的道路机动车承载力;n表示辖区或市域中包含n个路段,Qj、Lj、Vj分别表示路段j的车辆流量、路段长度及车辆速度。
如图2所示,道路机动车承载力的计算流程可以如下:首先确定研究范围及对象,对路网进行信息梳理,将道路分为不同的级别,例如,快速路、主干道及次干道,根据道路情况设置卡口点位匹配或SCATS点位匹配,道路及点位匹配成功后,对卡口及SCATS数据进行预处理,再根据互联网数据平台获取的路段速度数据进行路段流量及速度关系曲线的拟合,从而计算路段的道路机动车承载力,进一步计算片区及路网的机动车道路机动车承载力。计算得到的道路机动车承载力可以应用到多个场合,例如,交通运作分析,路网剩余容量分析及机动车合理规模研究。如果道路及点位不匹配,则进行路段基本信息调研,重新规划路段承载力计算模型,再进行路段承载力校核。
实施本发明实施例包括以下有益效果:本发明实施例通过获取交通流基本数据的大数据,并对大数据进行预处理,对处理后的大数据进行流量-速度关系曲线拟合,再根据设定的速度及流量-速度关系曲线计算道路机动车承载力,预处理后的大数据更符合实际情况,计算更准确,可见,本发明以交通大数据为驱动,快速准确地计算路网道路机动车承载力。
优选地,所述对所述交通流基本数据进行预处理,包括对车辆进行标准车型预处理和对异常数据预处理。
具体地,不同车型的体型不同,占用的道路面积也不同,车速相对步行或自行车等交通工具来说,速度较快,获取的数据也可能存在误差,因此对交通流基本数据进行预处理可以使后续的道路机动车承载力计算更准确。
优选地,当所述路段的流量通过卡口***获取时,所述交通流基本数据还包括车牌颜色,所述对车辆进行标准车型预处理,包括:当车牌颜色为黄色,将车辆的标准车型折算系数设置为2;当车牌颜色为黄色以外的其它颜色,将车辆的标准车型折算系数设置为1,所述其它颜色包括蓝色、白色及黑色;将所有颜色的车辆乘以对应的标准车型折算系数后,求和获得标准车型流量。
具体地,通过卡口***获取卡口数据,对卡口数据中的车牌颜色进行分类并进行标准车型折算,具体如表1所示,在中心城区黄色车牌主要为公交车及大客车等车辆,根据国家相关规范,折算系数为2,其它车辆的折算系数为1。因此,可将卡口数据的车辆按照这种方法进行处理获得每个路段的标准车型流量。
表1、标准车型的折算系数
优选地,当路段的流量通过SCATS***获取时,所述对车辆进行标准车型预处理,包括:将所述流量乘以标准车型折算系数获得标准车型流量。
具体地,SCATS***检测的是车道的过车数据,无法区别车型,另外SCATS***存在车辆漏检的情况。因此,将大量的高峰小时交通调查数据与SCATS***检测数据进行对比,结合两者的关系获得标准车的折算系数。具体计算公式如下:
优选地,所述对异常数据预处理,包括:
将车辆进行标准车型预处理后的速度或流量不大于0的数据剔除,得到修正数据;
根据路段的速度确定对应平均流量的上限流量和下限流量;
将所述修正数据中速度对应流量大于所述上限流量和小于所述下限流量的数据剔除,得到预处理后的交通流基本数据。
具体地,数据异常包括多种情况,例如:流量数据小于零或为空值;流量数据为零且交通运行速度不为零;流量数据大于零且交通运行速度为零等情况。对速度进行取整分类,例如将速度为39km/h取为一类数据,对该类速度下的所有卡口数据流量取平均值得到平均流量Q,则将速度为39km/h的流量取平均值Q,针对卡口将该速度值下的流量大于1.3Q或流量小于0.7Q的流量数据视为异常数据进行剔除,针对SCATS数据将流量大于1.4Q或流量小于0.6Q的流量数据视为异常点进行剔除。
如图3所示,本发明实施例提供了一种道路机动车承载力计算***,包括:
获取模块,用于获取交通流基本数据,所述交通流基本数据包括路段的速度及流量;
预处理模块,用于对所述交通流基本数据进行预处理;
拟合模块,用于利用预处理后的所述交通流基本数据拟合流量-速度关系曲线;
计算模块,用于根据设定的拥堵速度及所述流量-速度关系曲线计算道路机动车承载力。
可见,上述方法实施例中的内容均适用于本***实施例中,本***实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
如图4所示,本发明实施例提供了一种道路机动车承载力计算装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的道路机动车承载力计算方法。
可见,上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行所述得的道路机动车承载力计算方法。同样地,上述方法实施例中的内容均适用于本存储介质实施例中,本存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
如图5所示,本发明实施例提供了一种道路机动车承载力计算***,包括数据***以及与所述数据***连接的计算机设备;其中,
所述数据***,用于采集交通流基本数据,所述交通流基本数据包括路段的速度及流量;
所述计算机设备包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的道路机动车承载力计算方法。
具体地,对于所述计算机设备,其可为不同类型的电子设备,包含但不限于有台式电脑、手提电脑等终端。
可见,上述方法实施例中的内容均适用于本***实施例中,本***实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
下面结合一个具体实施例对本发明作进一步详细的说明。
如图6所示,本次道路机动车承载力的范围为广州市外市籍车“开四停四”限行的范围,主要研究限该范围内的快速路及主次干道的承载力,不包括支路,具体的范围如下:大观路(广汕路至中山大道段,不含)、东环城市快速路(中山大道至东圃大桥段,不含)、珠江水道(东圃大桥至长洲岛至丫髻沙大桥至广和大桥段,海珠区南面、长洲岛和番禺区北面、海珠区和白云区西面、大坦沙和金沙洲东面),鸦岗大道(不含)、华南快速干线三期(鸦岗大道至春岗立交段,不含)、华南快速干线三期辅路(不含)、尖彭路(不含)、同泰路(不含)、广州大道北(同泰路以北段,不含)、华南快速干线二期(春岗立交段至广汕路段,不含)、广汕路(大观路至华南快速干线段,不含)合围的区域。上述不含表示由上述路段确定的研究范围,但是不包括此路段。
根据本发明的方法,该研究范围的道路机动车承载力计算步骤如下:
S1:通过互联网数据平台获得广州市主要道路的交通运行速度,通过卡口获得广州市各个路段点位的交通流量,通过SCATS***获得各个路口所在路段的交通流量。上述数据的数据粒度为10分钟。
S21:对卡口、SCATS路口数据进行标准车型预处理。
对卡口数据进行标准车型预处理。卡口数据包括车辆的车牌颜色,其中,卡口检测车辆主要是蓝、黄车牌的车辆,以9月份数据为例蓝牌车辆占比为87%、黄牌车辆为10%。在中心城区黄色车牌主要为公交车辆、大客车等车辆,根据国家相关规范,折算系数为2,其它车辆折算系数为1。因此,可将卡口数据车辆按照这种方法进行处理获得每个路段的标准车辆数。
对SCATS数据进行标准车型预处理。SCATS***检测的是车道的过车数据,无法区别车型,另外SCATS***存在车辆漏检的情况。将大量的高峰小时交通调查数据与SCATS***检测数据进行对比,结合两者的关系获得标准车的折算系数。以农林下路北往南方向为例,高峰小时的交通调查数据为454PCU,而SCATS***北进口的交通流量为341辆,两者的比例系数约为1.3,因此,将SCATS***的检测数据乘以1.3代表实际的标准车数据。通过大量的数据匹对,本次采用1.3的系数来换算SCATS数据。
S22、对异常数据进行预处理。
S221、数值判定法,指直接判断交通量的数值为小于零或为空值,并可结合交通流的机理判断数据的状态是否异常(如是否存在流量>0,速度=0或流量=0,速度>0等情况),从而确定是否需要进行数据修正。当流量值<0,***报错,数据需要修正;当流量值=0或流量值>0,按上述方法检测数据是否异常,如果异常,则进行数据修正,如果未发现异常,则数据可不修正。
S222、卡口数据异常处理,通过互联网数据平台可以导出每条路段的10分钟速度数据,利用卡口数据可以得到对应路段10分钟的流量数据。以黄埔大道西东往西方向为例,速度-流量的对应关系如图7所示,从图可以看出,数据上存在较多的异常点(图中黑色边框内数据点),导致流量-速度关系的拟合函数y=-1.3399x2+77.257x-37.665,相关系数R2值仅为0.597,不符合实际的分析需求,因此,需要将这些异常数据点进行剔除。
根据交通流理论,在单一流量值下,速度值不唯一;但在单一的速度值下,流量具有单一性,因此,可通过速度值来剔除异常点。通过数据观察,可以明显看出在同一速度值附近,流量应基本保持相同,而异常数据点与该值差异明显,故可以判定为异常点。具体步骤如下:
1)对速度进行取整数分类,如将速度为39km/h取为一类数据;
2)对该类数据的流量进行取平均值,经过计算将速度为39km/h的流量取平均值Q为947pcu;
3)将该速度值下的流量q>1.3Q或者q<0.7Q的视为异常点,即将流量大于1230pcu或者小于662pcu的视为异常处理,如表2所示,表中黑色未加粗数据为正常数据,需保留;黑色加粗数据为异常数据,需剔除。
表2、速度-流量对应数据
S223、SCATS-互联网数据预处理,通过互联网数据平台可以导出每条路段的10分钟速度数据,利用SCATS路口进口道的数据可以得到对应路段10分钟的流量数据。如图8所示,以华穗路北往南方向为例,未处理前速度-流量的拟合曲线y=-0.1827x2+6.483x+21.133,相关系数R2为0.7235,相关系数值良好,但仍然存在少数的异常数值点,需进一步剔除。类似上述卡口数据的处理方式,考虑到SCATS数据的特殊性,将q>1.4Q或者q<0.6Q的视为异常点。
S3、对预处理后的所述交通流基本数据拟合流量-速度关系曲线。
对图7中的卡口异常数据按上述方法进行处理后,如图9所示,流量-速度关系的拟合函数为y=-1.5661x2+92.303x-174.28,相关系数R2提升至0.86,基本可以满足实际要求。
对图8中的SCATS异常数据按上述方法处理后,如图10所示,速度-流量的拟合曲线为y=-0.1779x2+6.1957x+26.161,相关系数R2提升至0.8097,基本在可接受范围。
S41:根据拟合得到路段的速度-流量关系曲线,如图11所示,当流量为Qm时,代表路段的运行效率最高,此时速度对应为Vm、密度对应为Km,是路段的最佳承载力水平;当速度小于Vm时,路段的流量逐渐减少,但路段的密度逐渐增大,逐渐接近极限值;定义当速度为V承、流量为Q承、密度为K承时,路段的道路机动车承载力达到极限水平,此时道路处于拥堵状态。
目前,在美国一般定义城市道路速度<24km/h或者车辆密度>42辆/km为拥堵状态,德国定义路段车辆密度>40辆/km为拥堵状态,日本认为城市道路速度<20km/h为拥堵状态,国内一般认为城市道路平均行程速度<20km/h或在交叉口3次绿灯显示未通过路口为交通拥堵。
借鉴国内外的相关研究,本发明定义当城市道路的速度为20km/h时为道路的机动车承载力极限,根据每条道路的速度-流量关系曲线,可以得到对应路段的流量数据,进一步根据以下公式可以得到该路段的机动车承载力:
式中,C表示路段的机动车承载力,单位为PCU;K表示路段的交通密度,单位为PCU/km;Q表示路段的小时交通量,单位为PCU/h;V表示路段的小时运行速度,单位为km/h;L表示路段的长度,单位为km。
通过上述的公式计算,可以获得如表3所示的广州市主要道路单方向的机动车承载力,最大机动车承载力为37055PCU。
表3、广州主要道路单方向机动车承载力
S42:根据研究范围内各条道路的所属辖区情况,可以计算出各个辖区的道路机动车承载力,计算公式如下:
式中,Ci表示辖区i的机动车承载力;Cij表示辖区i中路段j的机动车承载力;n表示辖区中有n个路段。
广州市各个辖区的机动车承载力情况如表4所示,其中天河的机动车承载力最大,为45721PCU,其次为白云、海珠、越秀、荔湾和内环及放射线等。此外,结合道路的总长度来看,越秀与海珠的机动车承载力水平相似,但越秀的道路长度比海珠区少,这表明越秀的道路承载水平较高。
表4、广州市各辖区机动车承载力水平
S43:进一步通过统计研究范围内各个辖区的机动车承载力,可以得到广州市研究范围内道路机动车承载力为182015PCU,表明某一时刻在中心城区道路网的车辆数最大为182015PCU,超过该车辆,中心城区的交通运行状态将明显恶化,区域道路交通将达到严重拥堵水平。
根据本发明研究的机动车承载力计算方法,可以应用于道路的交通运行分析、路网的剩余容量分析以及机动车的合理规模研究等。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (7)
1.一种道路机动车承载力计算方法,其特征在于,包括步骤:
获取交通流基本数据,所述交通流基本数据包括路段的速度及流量;所述路段的速度通过互联网数据平台获取,所述路段的流量通过卡口***或SCATS信号控制***获取;
对所述交通流基本数据进行预处理;所述预处理包括对车辆进行标准车型预处理和对异常数据预处理;所述对异常数据预处理包括对异常数据进行剔除;
利用预处理后的所述交通流基本数据拟合流量-速度关系曲线;当所述流量-速度关系曲线的相关系数未达到预设值,对预处理后的所述交通流基本数据进一步剔除;
根据设定的速度及所述流量-速度关系曲线计算道路机动车承载力;
其中,道路机动车承载力的计算公式如下:
式中,C表示路段的机动车承载力,K表示路段的交通密度,Q表示路段的小时交通量,V表示路段的小时运行速度,L表示路段的长度;
当所述路段的流量通过SCATS信号控制***获取时,流量的计算公式如下:
当辖区包括若干条道路,辖区的道路机动车承载力的计算公式如下:
式中,Ci表示辖区i的机动车承载力;Cij表示辖区i中路段j的机动车承载力;n表示辖区中有n个路段。
2.根据权利要求1所述的道路机动车承载力计算方法,其特征在于,当所述路段的流量通过卡口***获取时,所述交通流基本数据还包括车牌颜色,所述对车辆进行标准车型预处理,包括:
当车牌颜色为黄色,将车辆的标准车型折算系数设置为2;
当车牌颜色为黄色以外的其它颜色,将车辆的标准车型折算系数设置为1,所述其它颜色包括蓝色、白色及黑色;
将所有颜色的车辆乘以对应的标准车型折算系数后,求和获得标准车型流量。
3.根据权利要求1所述的道路机动车承载力计算方法,其特征在于,所述对异常数据预处理,包括:
将车辆进行标准车型预处理后的速度或流量不大于0的数据剔除,得到修正数据;
根据路段的速度确定对应平均流量的上限流量和下限流量;
将所述修正数据中速度对应流量大于所述上限流量和小于所述下限流量的数据剔除,得到预处理后的交通流基本数据。
4.一种道路机动车承载力计算***,其特征在于,包括:
获取模块,用于获取交通流基本数据,所述交通流基本数据包括路段的速度及流量;所述路段的速度通过互联网数据平台获取,所述路段的流量通过卡口***或SCATS信号控制***获取;
预处理模块,用于对所述交通流基本数据进行预处理;所述预处理包括对车辆进行标准车型预处理和对异常数据预处理;所述对异常数据预处理包括对异常数据进行剔除;
拟合模块,用于利用预处理后的所述交通流基本数据拟合流量-速度关系曲线;当所述流量-速度关系曲线的相关系数未达到预设值,对预处理后的所述交通流基本数据进一步剔除;
计算模块,用于根据设定的速度及所述流量-速度关系曲线计算道路机动车承载力;
其中,道路机动车承载力的计算公式如下:
式中,C表示路段的机动车承载力,K表示路段的交通密度,Q表示路段的小时交通量,V表示路段的小时运行速度,L表示路段的长度;
当所述路段的流量通过SCATS信号控制***获取时,流量的计算公式如下:
当辖区包括若干条道路,辖区的道路机动车承载力的计算公式如下:
式中,Ci表示辖区i的机动车承载力;Cij表示辖区i中路段j的机动车承载力;n表示辖区中有n个路段。
5.一种道路机动车承载力计算装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-3任一项所述的道路机动车承载力计算方法。
6.一种存储介质,其中存储有处理器可执行的指令,其特征在于,所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-3任一项所述的道路机动车承载力计算方法。
7.一种道路机动车承载力计算***,其特征在于,包括数据***以及与所述数据***连接的计算机设备;其中,
所述数据***,用于采集交通流基本数据,所述交通流基本数据包括路段的速度及流量;
所述计算机设备包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-3任一项所述的道路机动车承载力计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779565.7A CN110517490B (zh) | 2019-08-22 | 2019-08-22 | 道路机动车承载力计算方法、***、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779565.7A CN110517490B (zh) | 2019-08-22 | 2019-08-22 | 道路机动车承载力计算方法、***、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110517490A CN110517490A (zh) | 2019-11-29 |
CN110517490B true CN110517490B (zh) | 2022-05-10 |
Family
ID=68626478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910779565.7A Active CN110517490B (zh) | 2019-08-22 | 2019-08-22 | 道路机动车承载力计算方法、***、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110517490B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110930708A (zh) * | 2019-12-06 | 2020-03-27 | 北京工业大学 | 一种城市交通承载力计算与预测方法 |
CN113129582B (zh) * | 2019-12-31 | 2023-05-09 | 阿里巴巴集团控股有限公司 | 一种交通状态预测方法及装置 |
CN112581765B (zh) * | 2020-12-12 | 2022-11-18 | 陕西世纪高通科技有限公司 | 一种基于卡口融合的在途量计算方法 |
CN113160553B (zh) * | 2021-01-28 | 2022-09-23 | 上海同仕交通科技有限公司 | 一种基于无人驾驶方向的车路协同信息交流方法及其*** |
CN113674541B (zh) * | 2021-09-14 | 2023-01-03 | 逸兴泰辰技术有限公司 | 路口红绿灯通行时间调整方法、服务端 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6970102B2 (en) * | 2003-05-05 | 2005-11-29 | Transol Pty Ltd | Traffic violation detection, recording and evidence processing system |
CN102360527A (zh) * | 2011-10-17 | 2012-02-22 | 天津市市政工程设计研究院 | 涉及交叉口服务水平的评价方法 |
CN102360532B (zh) * | 2011-10-19 | 2014-02-19 | 太仓市同维电子有限公司 | 路***通信号控制***及其控制方法 |
CN104408916B (zh) * | 2014-10-31 | 2017-07-11 | 重庆大学 | 基于路段速度、流量数据的道路交通运行状态评估方法 |
US10147316B2 (en) * | 2016-09-12 | 2018-12-04 | Here Global B.V. | Method, apparatus and computer program product for indexing traffic lanes for signal control and traffic flow management |
CN109002622B (zh) * | 2018-07-26 | 2023-05-23 | 广州大学 | 一种随机车流作用下大跨径桥梁总体荷载响应估算方法 |
-
2019
- 2019-08-22 CN CN201910779565.7A patent/CN110517490B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110517490A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110517490B (zh) | 道路机动车承载力计算方法、***、装置及存储介质 | |
CN109448367B (zh) | 一种基于大数据图像采集的智能道路交通追踪管理*** | |
CN109147330A (zh) | 一种拥堵识别方法及装置 | |
CN102306450B (zh) | 稀疏路网交通检测器布局方法 | |
CN103985250A (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
CN104408925A (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN107705551A (zh) | 交通路况的评估方法以及装置 | |
CN102136194A (zh) | 基于全景计算机视觉的道路交通状态检测装置 | |
CN104484996A (zh) | 一种基于多源数据的路段交通状态判别方法 | |
CN104715610A (zh) | 一种面向城市交通的交通指数计算方法 | |
CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
CN111341095A (zh) | 一种基于边缘侧在线计算的交通信号控制***及方法 | |
CN115081757A (zh) | 一种基于机器人技术的公路病害自动化检测方法 | |
CN109118770A (zh) | 一种基于交通监测数据的路段通行能力挖掘方法 | |
CN107564279A (zh) | 一种基于浮动车数据的交通指数计算方法及*** | |
WO2023216504A1 (zh) | 一种基于多尺度计算的数字路网交通状态推算方法 | |
CN115789527A (zh) | 一种基于水环境信息化治理的分析***及方法 | |
CN106548628A (zh) | 一种基于视觉空间转换网格化的路况分析方法 | |
CN104966404A (zh) | 一种基于阵列雷达的单点自优化信号控制方法及装置 | |
CN112528208A (zh) | 一种无称重ai智能识别货车超载估算方法、装置及*** | |
CN105118310A (zh) | 一种基于视频的单点自优化信号控制方法及装置 | |
CN114858987A (zh) | 一种基于物联网河湖水量水质监测与管理*** | |
CN104182633A (zh) | 分层次的交通运行评价方法 | |
CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
CN117151513A (zh) | 评价交通安全的方法、装置、设备及存储介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230808 Address after: Floor 1-6, west of No. 10 Guangwei Road, Yuexiu District, Guangzhou City, Guangdong Province, 510000 Patentee after: Guangzhou transportation planning and Research Institute Co.,Ltd. Address before: 510030 15th floor, Guangren building, No.1 Guangren Road, Yuexiu District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU TRANSPORT PLANNING Research Institute |
|
TR01 | Transfer of patent right |