CN111932898A - 一种基于etc门架***的短时流量预测方法 - Google Patents
一种基于etc门架***的短时流量预测方法 Download PDFInfo
- Publication number
- CN111932898A CN111932898A CN202011006344.5A CN202011006344A CN111932898A CN 111932898 A CN111932898 A CN 111932898A CN 202011006344 A CN202011006344 A CN 202011006344A CN 111932898 A CN111932898 A CN 111932898A
- Authority
- CN
- China
- Prior art keywords
- data
- flow
- traffic
- time
- lane
- 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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及交通信息技术领域的一种基于ETC门架***的短时流量预测方法,提取待预测路段内历史车辆通行数据,并按车道汇总样本流量数据;分别计算相邻两天或两天以上的不同时间段内的各车道流量变化浮动值,再计算得到变化浮动平均值;在待预测高速路段的同一通行方向上,选取相邻两个或两个以的ETC门架,统计历史车流量数据;再根据待预测路段内的ETC门架,采集相同时段内ETC门架每个车道的RSU天线数据并转换位交通量数据矩阵,计算路网各车道不同时段实时流量;将获得的车道实时流量数据与对应浮动平均值相乘,最后得出流量预测值,本发明能够提供一种数据采集快速方便、流量数据更新效率高、预测快速精准基于ETC门架***的短时流量预测方法。
Description
技术领域
本发明涉及交通信息技术领域,尤其涉及一种基于ETC门架***的短时流量预测方法。
背景技术
随着我国经济的不断发展,城市化水平日益加深,人民对美好生活的要求也日益提高,高速公路作为城市间的重要通道也发挥着越来越重要的作用。随着居民私家车数量的快速增长以及城市对物资日益增加的需求,高速公路的交通流量呈现持续快速增加的势头。逐年增加的交通量不仅使高速公路更加拥堵,同 时也会增加交通事故的发生几率。现有交通流量测算方法一般是通过建立在高速公路上的交调点产生的数据进行分析。现有传统预测是利用建立在高速公路上的交调点,采集对应点的交通量数据,包括分车型的交通量自然数时段合计值以及平均车速,通过统计学方法,测算相邻几个交调点的数据进行建模计算。现有技术通过交调数据预测交通流量的缺点包括交调数据采集的是某一断面的交通量数据,无法细分到车道;交调点分布的密度不均匀,无法进行精细化计算。
发明内容
本发明目的是为了克服现有技术的不足而提供一种数据采集快速方便、流量数据更新效率高、预测快速精准基于ETC门架***的短时流量预测方法。
Apache Flink是一个框架和分布式处理引擎,用于对无界和有界数据流进行有状态计算。
二维矩阵是指由矩阵里面的每个元素不再是单一的数,而是一个个有序实数对,在几何位置上由对应二维平面上的点构成。
RSU是Road Side Unit的英文缩写,直译就是路侧单元的意思,是ETC***中安装在路侧,采用DSRC(Dedicated Short Range Communication)技术,与车载单元(OBU,OnBoard Unit)进行通讯,实现车辆身份识别装置。
为达到上述目的,本发明采用了如下技术方案。
一种基于ETC门架***的短时流量预测方法,具体包括如下:
步骤一:从路网数据服务器中选定提取待预测路段内不同行驶方向上的样本ETC门架历史车辆通行数据,并按车道汇总各个车道样本流量数据;
步骤二:根据所述步骤一的车道样本流量数据,分别计算相邻两天或两天以上的不同时间段内的各车道流量变化浮动值,再计算得到变化浮动平均值;
步骤三:在待预测高速路段的同一通行方向上,选取相邻两个或两个以的ETC门架,统计预设固定时长内每个车道的连续一周以上每天的历史车流量数据;再根据待预测路段内的ETC门架,采集相同时段内ETC门架每个车道的RSU天线数据;
步骤四:将采集到的RSU天线数据转换为交通量数据矩阵,该矩阵为二维矩阵,便于后续步骤提取各个时间段的车辆数;
步骤五:将交通量数据矩阵构建成消息队列表数据,并利用Apache Flink流式计算框架实时接收更新消息队列表数据,同时按门架对应的各车道以时间段汇总分组,计算路网各车道不同时段实时流量;
步骤六:将获得的车道实时流量数据与对应的所述步骤二的车道历史流量浮动平均值相乘,最后得出待预测时段内的路段交通流量预测值。
作为本发明的进一步改进,所述步骤三中采集的RSU天线数据具体包括车辆流水数据中的车型数据、车牌号数据、通行时间数据以及所经过站点数据。
作为本发明的进一步改进,所述步骤二中的二维矩阵包括车辆通行时间与车辆通行数量。
作为本发明的进一步改进,所述步骤六中的变化浮动值是指相邻两天或两天以上不同时间段的车流量增长率数值,该增长率数值可以为正值或负值。
由于上述技术方案的运用,本发明的技术方案带来的有益技术效果:本技术方案首先采用通过选择待预测路网中样本门架的历史统计数据进行批量汇总统计,再选择临近时间段内相同样本门架的数据进行实时交通流量更新,通过结合临近时段实时流量情况并参考历史数据对ETC门架的短时流量进行预测,具有预测依据充分且能保证越趋接近实际交通情况;本技术方案还根据历史流量数据的不同时间段变化情况,对不同时间段的车道流量核算平均变化浮动值,并将其作为测算时的参考因子,这样就能为流量分析判定提供修正依据,也能降低偶发流量变动导致的差异,有效提高了数据预测的准确性;本技术方案通过高速公路路网中的ETC门架产生的实时交通数据,结合flink流式计算框架,提升了实时交通数据采集更新便利性及处理效率,大幅提高路网短时流量预测的速度和精度。
具体实施方式
下面结合反应路线及具体实施例对本发明作进一步的详细说明。
一种基于ETC门架***的短时流量预测方法,具体包括如下:步骤一:从路网数据服务器中选定提取待预测路段内不同行驶方向上的样本ETC门架历史车辆通行数据,并按车道汇总各个车道样本流量数据;步骤二:根据步骤一的车道样本流量数据,分别计算相邻两天或两天以上的不同时间段内的各车道流量变化浮动值,再计算得到变化浮动平均值;步骤三:在待预测高速路段的同一通行方向上,选取相邻两个或两个以的ETC门架,统计预设固定时长内每个车道的连续一周以上每天的历史车流量数据;再根据待预测路段内的ETC门架,采集相同时段内ETC门架每个车道的RSU天线数据;步骤四:将采集到的RSU天线数据转换为交通量数据矩阵,该矩阵为二维矩阵,便于后续步骤提取各个时间段的车辆数;步骤五:将交通量数据矩阵构建成消息队列表数据,并利用Apache Flink流式计算框架实时接收更新消息队列表数据,同时按门架对应的各车道以时间段汇总分组,计算路网各车道不同时段实时流量;步骤六:将获得的车道实时流量数据与对应的步骤二的车道历史流量浮动平均值相乘,最后得出待预测时段内的路段交通流量预测值。
步骤三中采集的RSU天线数据具体包括车辆流水数据中的车型数据、车牌号数据、通行时间数据以及所经过站点数据;步骤二中的二维矩阵包括车辆通行时间与车辆通行数量;步骤六中的变化浮动值是指相邻两天或两天以上不同时间段的车流量增长率数值,该增长率数值可以为正值或负值。
以上仅是本发明的具体应用范例,对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案,均落在本发明权利保护范围之内。
Claims (4)
1.一种基于ETC门架***的短时流量预测方法,其特征在于,具体包括如下:
步骤一:从路网数据服务器中选定提取待预测路段内不同行驶方向上的样本ETC门架历史车辆通行数据,并按车道汇总各个车道样本流量数据;
步骤二:根据所述步骤一的车道样本流量数据,分别计算相邻两天或两天以上的不同时间段内的各车道流量变化浮动值,再计算得到变化浮动平均值;
步骤三:在待预测高速路段的同一通行方向上,选取相邻两个或两个以的ETC门架,统计预设固定时长内每个车道的连续一周以上每天的历史车流量数据;再根据待预测路段内的ETC门架,采集相同时段内ETC门架每个车道的RSU天线数据;
步骤四:将采集到的RSU天线数据转换为交通量数据矩阵,该矩阵为二维矩阵,便于后续步骤提取各个时间段的车辆数;
步骤五:将交通量数据矩阵构建成消息队列表数据,并利用Apache Flink流式计算框架实时接收更新消息队列表数据,同时按门架对应的各车道以时间段汇总分组,计算路网各车道不同时段实时流量;
步骤六:将获得的车道实时流量数据与对应的所述步骤二的车道历史流量浮动平均值相乘,最后得出待预测时段内的路段交通流量预测值。
2.根据权利要求1所述的一种基于ETC门架***的短时流量预测方法,其特征在于:所述步骤三中采集的RSU天线数据具体包括车辆流水数据中的车型数据、车牌号数据、通行时间数据以及所经过站点数据。
3.根据权利要求1所述的一种基于ETC门架***的短时流量预测方法,其特征在于:所述步骤二中的二维矩阵包括车辆通行时间与车辆通行数量。
4.根据权利要求1所述的一种基于ETC门架***的短时流量预测方法,其特征在于:所述步骤六中的变化浮动值是指相邻两天或两天以上不同时间段的车流量增长率数值,该增长率数值可以为正值或负值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011006344.5A CN111932898B (zh) | 2020-09-23 | 2020-09-23 | 一种基于etc门架***的短时流量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011006344.5A CN111932898B (zh) | 2020-09-23 | 2020-09-23 | 一种基于etc门架***的短时流量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932898A true CN111932898A (zh) | 2020-11-13 |
CN111932898B CN111932898B (zh) | 2020-12-22 |
Family
ID=73335163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011006344.5A Active CN111932898B (zh) | 2020-09-23 | 2020-09-23 | 一种基于etc门架***的短时流量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932898B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034904A (zh) * | 2021-03-05 | 2021-06-25 | 交通运输部公路科学研究所 | 基于etc数据的交通状态估计方法和装置 |
CN113159856A (zh) * | 2021-04-30 | 2021-07-23 | 山东旗帜信息有限公司 | 一种收费站出站口流量预测方法及*** |
CN113496314A (zh) * | 2021-09-07 | 2021-10-12 | 南京感动科技有限公司 | 一种神经网络模型预测道路交通流量的方法 |
CN113689694A (zh) * | 2021-07-28 | 2021-11-23 | 山东中创软件商用中间件股份有限公司 | 一种车流量预测方法、装置、设备及可读存储介质 |
CN114005276A (zh) * | 2021-10-25 | 2022-02-01 | 浙江综合交通大数据开发有限公司 | 一种基于多数据源融合的高速公路拥堵预警方法 |
CN114023073A (zh) * | 2022-01-06 | 2022-02-08 | 南京感动科技有限公司 | 一种基于车辆行为分析的高速公路拥堵预测方法 |
CN114463972A (zh) * | 2022-01-26 | 2022-05-10 | 成都和乐信软件有限公司 | 一种基于etc门架通信数据的路段区间交通分析预测方法 |
CN114898574A (zh) * | 2022-04-26 | 2022-08-12 | 安徽省交通控股集团有限公司 | 交通参数的估计方法和*** |
CN115240414A (zh) * | 2022-07-19 | 2022-10-25 | 陕西蓝德智慧交通科技有限公司 | 一种基于etc门架***的交通情况调查方法 |
CN115331439A (zh) * | 2022-08-09 | 2022-11-11 | 山东旗帜信息有限公司 | 一种基于车辆历史画像的高速公路立交的车流量预测方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104183134A (zh) * | 2014-08-27 | 2014-12-03 | 重庆大学 | 基于智能分车型的高速公路短时交通流量预测方法 |
CN107564281A (zh) * | 2017-08-24 | 2018-01-09 | 南京茶非氪信息科技有限公司 | 一种基于wifi信号的宏观车流流量预测算法 |
CN108091132A (zh) * | 2016-11-22 | 2018-05-29 | ***通信有限公司研究院 | 一种交通流量预测方法及装置 |
CN108269411A (zh) * | 2016-12-31 | 2018-07-10 | 南京理工大学 | 一种高速公路etc车流量预测方法 |
CN111554107A (zh) * | 2020-03-27 | 2020-08-18 | 北京星云互联科技有限公司 | 交通管控方法、管理平台、路侧设备及*** |
-
2020
- 2020-09-23 CN CN202011006344.5A patent/CN111932898B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104183134A (zh) * | 2014-08-27 | 2014-12-03 | 重庆大学 | 基于智能分车型的高速公路短时交通流量预测方法 |
CN108091132A (zh) * | 2016-11-22 | 2018-05-29 | ***通信有限公司研究院 | 一种交通流量预测方法及装置 |
CN108269411A (zh) * | 2016-12-31 | 2018-07-10 | 南京理工大学 | 一种高速公路etc车流量预测方法 |
CN107564281A (zh) * | 2017-08-24 | 2018-01-09 | 南京茶非氪信息科技有限公司 | 一种基于wifi信号的宏观车流流量预测算法 |
CN111554107A (zh) * | 2020-03-27 | 2020-08-18 | 北京星云互联科技有限公司 | 交通管控方法、管理平台、路侧设备及*** |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034904B (zh) * | 2021-03-05 | 2022-06-24 | 交通运输部公路科学研究所 | 基于etc数据的交通状态估计方法和装置 |
CN113034904A (zh) * | 2021-03-05 | 2021-06-25 | 交通运输部公路科学研究所 | 基于etc数据的交通状态估计方法和装置 |
CN113159856A (zh) * | 2021-04-30 | 2021-07-23 | 山东旗帜信息有限公司 | 一种收费站出站口流量预测方法及*** |
CN113689694B (zh) * | 2021-07-28 | 2023-06-02 | 山东中创软件商用中间件股份有限公司 | 一种车流量预测方法、装置、设备及可读存储介质 |
CN113689694A (zh) * | 2021-07-28 | 2021-11-23 | 山东中创软件商用中间件股份有限公司 | 一种车流量预测方法、装置、设备及可读存储介质 |
CN113496314B (zh) * | 2021-09-07 | 2021-12-03 | 南京感动科技有限公司 | 一种神经网络模型预测道路交通流量的方法 |
CN113496314A (zh) * | 2021-09-07 | 2021-10-12 | 南京感动科技有限公司 | 一种神经网络模型预测道路交通流量的方法 |
CN114005276A (zh) * | 2021-10-25 | 2022-02-01 | 浙江综合交通大数据开发有限公司 | 一种基于多数据源融合的高速公路拥堵预警方法 |
CN114023073A (zh) * | 2022-01-06 | 2022-02-08 | 南京感动科技有限公司 | 一种基于车辆行为分析的高速公路拥堵预测方法 |
CN114463972A (zh) * | 2022-01-26 | 2022-05-10 | 成都和乐信软件有限公司 | 一种基于etc门架通信数据的路段区间交通分析预测方法 |
CN114463972B (zh) * | 2022-01-26 | 2024-02-27 | 成都和乐信软件有限公司 | 一种基于etc门架通信数据的路段区间交通分析预测方法 |
CN114898574A (zh) * | 2022-04-26 | 2022-08-12 | 安徽省交通控股集团有限公司 | 交通参数的估计方法和*** |
CN115240414A (zh) * | 2022-07-19 | 2022-10-25 | 陕西蓝德智慧交通科技有限公司 | 一种基于etc门架***的交通情况调查方法 |
CN115240414B (zh) * | 2022-07-19 | 2024-04-02 | 陕西蓝德智慧交通科技有限公司 | 一种基于etc门架***的交通情况调查方法 |
CN115331439A (zh) * | 2022-08-09 | 2022-11-11 | 山东旗帜信息有限公司 | 一种基于车辆历史画像的高速公路立交的车流量预测方法及*** |
CN115331439B (zh) * | 2022-08-09 | 2023-08-18 | 山东旗帜信息有限公司 | 一种基于车辆历史画像的高速公路立交的车流量预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111932898B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932898B (zh) | 一种基于etc门架***的短时流量预测方法 | |
CN109272756B (zh) | 一种信控交叉口排队长度估计方法 | |
WO2019047905A1 (zh) | 一种交通路况分析***、方法以及装置 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN103794061B (zh) | 基于多种定位数据计算道路融合行程车速的方法 | |
CN102855760B (zh) | 基于浮动车数据的在线排队长度检测方法 | |
CN111210612B (zh) | 基于公交gps数据与站点信息提取公交线路轨迹的方法 | |
CN112820108B (zh) | 一种自学习的路网交通状态分析及预测方法 | |
CN110807919A (zh) | 基于过车数据的城市路网交通运行态势评价方法 | |
CN113436433B (zh) | 一种高效的城市交通离群值检测方法 | |
CN105139638A (zh) | 一种出租车载客点选取的方法及*** | |
CN110807926B (zh) | 一种基于混合交通的道路阻抗预测方法及装置 | |
Yao et al. | Sampled trajectory data-driven method of cycle-based volume estimation for signalized intersections by hybridizing shockwave theory and probability distribution | |
CN109147323A (zh) | 一种用于公路客货运输指标统计的车辆gps数据处理方法 | |
CN107230350A (zh) | 一种基于卡口与手机流量话单数据的城市交通量获取方法 | |
CN101131796A (zh) | 一种道路交通参数检测装置及检测方法 | |
CN105741537A (zh) | 车辆寻客状态的识别方法及*** | |
CN112767686B (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
CN114078322B (zh) | 一种公交运行状态评价方法、装置、设备及存储介质 | |
CN103700264B (zh) | 基于etc收费数据的高速公路路段行程速度计算方法 | |
CN105070060B (zh) | 一种基于公交车载gps数据的城市道路交通状态判别方法 | |
CN105825675A (zh) | 一种基于大数据的路段旅行时间计算方法和装置 | |
CN112365716B (zh) | 一种基于gps数据的城市高架快速路动态安全性评价方法 | |
CN205247462U (zh) | 一种基于etc车辆的高速公路收费*** | |
CN111724587A (zh) | 一种基于rfid技术的交通流密度参数提取方法 |
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 |