CN112766662A - 确定收费站运营能力的方法、装置、电子设备及介质 - Google Patents
确定收费站运营能力的方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112766662A CN112766662A CN202011641186.0A CN202011641186A CN112766662A CN 112766662 A CN112766662 A CN 112766662A CN 202011641186 A CN202011641186 A CN 202011641186A CN 112766662 A CN112766662 A CN 112766662A
- Authority
- CN
- China
- Prior art keywords
- toll station
- target
- determining
- target toll
- station
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000003068 static effect Effects 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000007726 management method Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Optimization (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种确定收费站运营能力的方法、装置、电子设备及介质。本申请中,可以基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定目标收费站的服务能力;基于目标收费站所占的地理范围大小以及车道数据,确定目标收费站的静态画像;基于目标收费站的服务能力以及静态画像,确定目标收费站的运营能力。通过应用本申请的技术方案,可以融合收费站的多个运营参数,得到该收费站的服务能力以及动静态数据,从而综合确定该收费站的运营能力,也避免现有技术中计算收费站运营能力不可靠的问题。
Description
技术领域
本申请中涉及数据处理技术,尤其是一种确定收费站运营能力的方法、装置、电子设备及介质。
背景技术
收费站在交通路网中,尤其是在跨城市的城际路网中,属于重要的空间节点,随着经济的发展,跨城市的交通需求与日俱增,在收费站处发生的拥堵也越来越多,这对收费站的管理提出了更高的要求。对收费站服务能力的准确评估,不仅可以准确获取收费站的交通状态,以及实现准确的交通状态预测,同时还可以反映收费站的管理水平,从而为公共交通出行者和管理部门提供准确有效的信息。
然而,相关技术中确定收费站运营能力的方法不够精确,从而导致无法准确获取收费站的运营状态。
发明内容
本申请实施例提供一种确定收费站运营能力的方法、装置、电子设备及介质,其中,根据本申请实施例的一个方面,提供的一种确定收费站运营能力的方法,其特征在于,包括:
基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定所述目标收费站的服务能力;
基于所述目标收费站所占的地理范围大小以及车道数据,确定所述目标收费站的静态画像;
基于所述目标收费站的服务能力以及所述静态画像,确定所述目标收费站的运营能力。
可选地,在基于本申请上述方法的另一个实施例中,所述确定所述目标收费站的服务能力,包括:
获取在所述第一历史时间段内,距离所述目标收费站预设距离范围内的ETC 车道的第一车辆通行数据;以及,MTC车道的第二车辆通行数据,所述车辆通行数据包括车辆的通行距离以及通行时间;
基于所述ETC车道的第一车辆通行数据以及所述MTC车道的第二车辆通行数据,确定所述目标收费站的最长拥堵长度;
基于所述目标收费站的最长拥堵长度,确定所述目标收费站的观测区间,所述观测区间的长度大于所述目标收费站的最长拥堵长度;
根据所述目标收费站的观测区间,计算第一车辆在所述目标收费站的ETC 车道对应的第一通行代价;以及,第二车辆在所述目标收费站的MTC车道对应的第二通行代价。
可选地,在基于本申请上述方法的另一个实施例中,所述计算车辆在所述目标收费站的ETC车道对应的第一通行代价;以及,车辆在所述目标收费站的 MTC车道对应的第二通行代价之后,还包括:
基于所述第一通行代价,所述第二通行代价,所述车辆在所述观测区间内的行驶距离以及各个时刻的行驶状态,确定所述目标收费站的动态画像,所述行驶距离为所述车辆在所述观测区间内首次停车的位置与所述目标收费站之间的距离。
可选地,在基于本申请上述方法的另一个实施例中,所述确定所述目标收费站的动态画像之后,还包括:
基于所述目标收费站的动态画像,确定所述ETC车道的拥堵距离以及通行代价的对应流量关系曲线;将所述对应流量关系曲线中,所述ETC车道的极限流量作为所述目标收费站的第一动态能力;
以及,基于所述目标收费站的动态画像,确定所述MTC车道的拥堵距离以及通行代价的对应流量关系曲线;将所述对应流量关系曲线中,所述MTC车道的极限流量作为所述目标收费站的第二动态能力;
将所述第一动态能力与所述第二动态能力合并作为所述目标收费站的服务能力。
可选地,在基于本申请上述方法的另一个实施例中,所述确定所述目标收费站的动态画像之后,还包括:
获取所述目标收费站的类别信息,所述类型信息对应于主线收费站和匝道收费站的任意一种;
根据所述标收费站的类别信息,所占的地理范围大小以及车道数据,确定所述目标收费站的静态画像。
可选地,在基于本申请上述方法的另一个实施例中,所述确定所述目标收费站的静态画像之后,还包括:
采集所述目标收费站对应的管理系数,所述管理系数包括所述目标收费站所在的天气信息、路面状态信息、收费设备信息、以及管控信息的至少一种;
基于所述目标收费站的服务能力、所述静态画像以及所述管理系数,确定所述目标收费站的运营能力。
可选地,在基于本申请上述方法的另一个实施例中,所述确定所述目标收费站的运营能力,还包括:
确定所述目标收费站在不同运营周期对应的运营能力;
以及,确定与所述目标收费站同一运营类型的多个收费站的运营能力。
其中,根据本申请实施例的又一个方面,提供的一种确定收费站运营能力的装置,其特征在于,包括:
获取模块,被配置为基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定所述目标收费站的服务能力;
第一确定模块,被配置为基于所述目标收费站所占的地理范围大小以及车道数据,确定所述目标收费站的静态画像;
第二确定模块,被配置为基于所述目标收费站的服务能力以及所述静态画像,确定所述目标收费站的运营能力。
根据本申请实施例的又一个方面,提供的一种电子设备,包括:
存储器,用于存储可执行指令;以及
显示器,用于与所述存储器显示以执行所述可执行指令从而完成上述任一所述确定收费站运营能力的方法的操作。
根据本申请实施例的还一个方面,提供的一种计算机可读存储介质,用于存储计算机可读取的指令,所述指令被执行时执行上述任一所述确定收费站运营能力的方法的操作。
本申请中,可以基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定目标收费站的服务能力;基于目标收费站所占的地理范围大小以及车道数据,确定目标收费站的静态画像;基于目标收费站的服务能力以及静态画像,确定目标收费站的运营能力。通过应用本申请的技术方案,可以融合收费站的多个运营参数,得到该收费站的服务能力以及动静态数据,从而综合确定该收费站的运营能力,也避免现有技术中计算收费站运营能力不可靠的问题。
下面通过附图和实施例,对本申请的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本申请的实施例,并且连同描述一起用于解释本申请的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本申请,其中:
图1为本申请提出的一种确定收费站运营能力的方法示意图;
图2为本申请提出的一种收费广场外的路段示意图;
图3为本申请提出的一种判断当前时刻交通状态的示意图;
图4为本申请提出的一种通行代价样本分布示意图;
图5为本申请数据的一种确定收费站运营能力的电子装置的结构示意图;
图6为本申请显示电子设备结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
另外,本申请各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
需要说明的是,本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
下面结合图1-图4来描述根据本申请示例性实施方式的用于进行确定收费站运营能力的方法。需要注意的是,下述应用场景仅是为了便于理解本申请的精神和原理而示出,本申请的实施方式在此方面不受任何限制。相反,本申请的实施方式可以应用于适用的任何场景。
本申请还提出一种确定收费站运营能力的方法、装置、目标终端及介质。
图1示意性地示出了根据本申请实施方式的一种确定收费站运营能力的方法的流程示意图。如图1所示,该方法包括:
S101,基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定目标收费站的服务能力。
进一步的,收费站在交通路网中,尤其是在跨城市的城际路网中,属于重要的空间节点,随着经济的发展,跨城市的交通需求与日俱增,在收费站处发生的拥堵也越来越多,这对收费站的管理提出了更高的要求。对收费站服务能力的准确评估,不仅可以准确获取收费站的交通状态,以及实现准确的交通状态预测,同时还可以反映收费站的管理水平,从而为公共交通出行者和管理部门提供准确有效的信息。
目前,相关技术中在计算收费站运营能力的过程中还未对收费站ETC、MTC 做详细区分,无法准确的对收费站服务能力进行评估。进一步的,用于收费站服务能力评估的基础数据目前有两类:一类是公众出行产生的移动位置轨迹数据,这类数据上传频率高,能准确刻画局部的交通状态,但是无法区分通过收费站的方式是ETC还是MTC。而另外一类则是高速收费数据,高速收费数据是车辆经过高速门架产生的交易数据,能够准确区分车辆通过收费站的方式,但是高速门架间距大,门架间距一般都在数公里左右。受到门架间距的影响,高速收费数据只能评估较大空间范围的交通状态,不能精准地定位到收费站前的路段。例如图2所示,其中(a)示出了收费广场外的路段因流量瓶颈导致拥堵的场景,此场景下的交通扰动与该处收费站的服务能力无关。而图(b)示出了收费站前ETC排队长度短、MTC排队长度长的交通场景。
基于此,本申请在确定收费站运营能力的过程中,可以首先基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定目标收费站的服务能力。
需要说明的是,本申请不对第一历史时间段进行具体限定,例如可以为近一个月,也可以为近一年。
同样的,本申请也不对预设距离范围进行具体限定,例如可以为1公里,也可以为3公里等等。
可以理解的,如果在检测到该收费站在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据经常对应于拥堵时,则代表该收费站的服务能力较低。同样的,如果在检测到该收费站在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据经常对应于畅通时,则代表该收费站的服务能力较高。
进一步的,本申请还可以首先判定收费站前交通场景。例如如图3所示,可以首先判断当前时刻交通状态是否存在其他因素影响。例如以收费广场为界限,将收费站影响范围划分为收费广场和广场外路段两个部分,边界点记为 node,起点、终点分别记为begin,end。比较两部分的交通状态,定义v表示平均速度,l表示空间长度,t表示通行时间,则有
vnode->end=lnode->end/tnode->end
vbegin->node=lbegin->node/tbegin->node。
可以理解的,当广场外路段上的平均速度小于广场内的平均速度时,表明广场外的低速存在其他原因,与收费站无关,不应参与收费站的预设地理范围内的相关状态的计算。
S102,基于目标收费站所占的地理范围大小以及车道数据,确定目标收费站的静态画像。
进一步的,因受空间位置的约束以及当初建设规划的影响,不同收费站的规模各有不同。因此本申请可以在检测到目标收费站所占的地理范围大小以及车道数据之后,确定该目标收费站的静态画像。
可以理解的,例如当检测到目标收费站所占的地理范围越大,以及车道数量越多或越宽时,则代表该目标收费站的静态画像越高。同样的,当检测到目标收费站所占的地理范围越小,以及车道数量越少或越窄时,则代表该目标收费站的静态画像越低。
一种方式中,本申请可以定义sp表示收费站静态画像的集合,typei表示收费站i的类别(例如可以分为主线收费站和匝道收费站),disi表示收费站i的收费广场的长度,ni表示收费站i的车道数,etci表示收费站i的ETC通道的数量,mtci表示收费站i的MTC通道的数量,则有:
sp={(typei,disi,ni,etci,mtci)|i∈(0,m)}。
可以理解的,本申请即可以基于上述公式,确定目标收费站的静态画像,以使后续根据该静态画像,确定收费站的运营能力。
进一步的,由于旅行时间维度可以反映出收费站对应的不同通道的差异,故以旅行时间为主对移动位置数据进行分类。以北京京承收费站(出京方向) 为例,图4中(a)示出了京承收费站(出京方向)的通行代价样本分布,其中,收费站观测范围以距收费站1.5km处为起点,收费站位置为终点,纵坐标表示时间,单位是秒;横坐标表示时间,以timeid表示。timeid是以0002等价于 1分钟为间隔的一种表示时间的方法。
从图中点的分布可以看出,在图中所示的时间段内,在时长维度上数据可以按照时间间隔的分布分为两类。记某时刻的样本集合表示为:
sample=<t0,t1,…ti…>。
集合中样本按照时间从大到小排序,记相邻样本的间隔分布为blank,则有
blank=<t0-t1,t1-t2,…ti-ti+1…>。
取间隔集合中的最大值,若最大值满足可以表达的条件(大于一定范围),则该间隔值对应的索引位置即为原始数据分为两类的边界;若最大值小于可以表达的条件,则该时刻数据并无明显分类特征。定义pos表示某时刻两类数据的边界索引,则有:
其中,i表示原始数据中相邻数据间隔最大的位置索引。
按照上述方法,图4(b)中的红色线条示出了两类数据的边界。上述方法仅是一种可以达到分类效果的方法,其他分类算法如k-means等也可达到类似效果,本发明中不重复赘述。根据生活中的通行经验,一般来说ETC通道的通行效率要高于MTC,所以在此判定图4(b)中红色线条以下的数据为走ETC通道的样本,红色线条以上的数据为走MTC通道的样本。
S103,基于目标收费站的服务能力以及静态画像,确定目标收费站的运营能力。
本申请中,可以基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定目标收费站的服务能力;基于目标收费站所占的地理范围大小以及车道数据,确定目标收费站的静态画像;基于目标收费站的服务能力以及静态画像,确定目标收费站的运营能力。通过应用本申请的技术方案,可以融合收费站的多个运营参数,得到该收费站的服务能力以及动静态数据,从而综合确定该收费站的运营能力,也避免现有技术中计算收费站运营能力不可靠的问题。
可选地,在基于本申请上述方法的另一个实施例中,确定目标收费站的服务能力,包括:
获取在第一历史时间段内,距离目标收费站预设距离范围内的ETC车道的第一车辆通行数据;以及,MTC车道的第二车辆通行数据,车辆通行数据包括车辆的通行距离以及通行时间;
基于ETC车道的第一车辆通行数据以及MTC车道的第二车辆通行数据,确定目标收费站的最长拥堵长度;
基于目标收费站的最长拥堵长度,确定目标收费站的观测区间,观测区间的长度大于目标收费站的最长拥堵长度;
根据目标收费站的观测区间,计算第一车辆在目标收费站的ETC车道对应的第一通行代价;以及,第二车辆在目标收费站的MTC车道对应的第二通行代价。
可选地,在基于本申请上述方法的另一个实施例中,计算车辆在目标收费站的ETC车道对应的第一通行代价;以及,车辆在目标收费站的MTC车道对应的第二通行代价之后,还包括:
基于第一通行代价,第二通行代价,车辆在观测区间内的行驶距离以及各个时刻的行驶状态,确定目标收费站的动态画像,行驶距离为车辆在观测区间内首次停车的位置与目标收费站之间的距离。
可选地,在基于本申请上述方法的另一个实施例中,确定目标收费站的动态画像之后,还包括:
基于目标收费站的动态画像,确定ETC车道的拥堵距离以及通行代价的对应流量关系曲线;将对应流量关系曲线中,ETC车道的极限流量作为目标收费站的第一动态能力;
以及,基于目标收费站的动态画像,确定MTC车道的拥堵距离以及通行代价的对应流量关系曲线;将对应流量关系曲线中,MTC车道的极限流量作为目标收费站的第二动态能力;
将第一动态能力与第二动态能力合并作为目标收费站的服务能力。
进一步的,在评估收费站的服务能力过程中,主要是针对收费站前的交通场景进行评估,不仅需要统计收费站前的排队长度,更应该进一步明确收费站的拥堵成因,是由于收费站节点导致,还是收费广场外的道路达到流量瓶颈导致。另外,由于收费站存在ETC、MTC两种缴费方式,同一时间不同通道前的车辆行驶状态也存在差异,所以需要对ETC、MTC不同通道做详细区分。
例如,本申请可以定义flowetc表示收费站ETC流量,flowmtc表示收费站的MTC 流量,该数据可以从高速收费数据中直接读取。
另外,计算收费站的通行时间和排队距离,首先需要设置一个观测区间。通过统计一段时间内目标收费站的历史路况,可以得出该收费站的最远拥堵距离jamdis,则可以设置收费站的观测区间为jamdis+θ,设置θ的作用是为了保证观测区间的长度大于收费站的拥堵长度,以便可以得到准确的拥堵长度。移动位置数据回传的GPS信息中,包含详细位置信息,从而可以计算车辆经过观测区间的时长、排队等情况。
进一步的,本申请可以定义ti表示车辆i经过收费站观测区间的通行代价, leni表示车辆i在收费站观测区间内的首次停车位置距收费站的距离,定义ψt表示收费站观测区间内移动位置数据通行代价的分布,ψlen表示其排队位置的分布,则有
ψt={t0,t1,…,ti,…|i∈(0,n)};以及,
ψlen={len0,len1,…,leni,…|i∈(0,n)};
定义dp表示收费站的动态画像,则有
更进一步的,本申请可以定义ability表示收费站的服务能力。由于ETC、MTC 缴费方式的不同,同一收费站的ETC通道与MTC通道的服务能力有所差异,故需细化为收费站ETC通道的服务能力abilityetc,MTC通道的服务能力abilitymtc,即对收费站的服务能力可以表示为:
ability=(abilityetc,abilitymtc)。
再者,对于确定ETC的服务能力来说,本申请可以首先取得ETC通道的样本,计算ETC通道的通行代价的曲线。在数据没有明显突变的前提下,控制下一时刻数据变化的比例,以保证数据变化的稳定。记y(t)表示当前时刻的通行代价,y(t+1)表示下一时刻的通行代价,y'(t+1)表示下一时刻平滑后的结果,则有
其中,α,β分别表示控制增长或降低的比例系数。以时间刻度为轴,可以将 ETC通道的流量和通行代价关联起来,设定当通行代价大于δ时,收费站的运行状态受到影响,可到二元关系集合tuplesetc,则有
可以理解的,随着拥堵距离、通行代价的增加,单位时间内通过收费站的流量会达到一个极限,这个极限值即为收费站ETC通道的服务能力abilityetc。
另外,对于确定MTC的服务能力来说,本申请可以取MTC通道的样本,计算MTC通道的通行代价的曲线。由于MTC车道人工收费的因素,可能出现个别车辆等待时间较长,还有部分货车需要经过检查才能通行,故需要对MTC数据进行一定力度地清洗。定义θ表示数据集<t0,t1,…ti…>的重心,若数据集中的任一样本ti满足abs(ti-θ)>ξ,则将该点视为离群点,进行删除。
进一步的,本申请在清洗数据后,在数据没有明显突变时,控制下一时刻数据变化的比例,以保证数据变化的稳定。记y(t)表示当前时刻的通行代价, y(t+1)表示下一时刻的通行代价,y'(t+1)表示下一时刻平滑后表达的结果,则有
其中,α,β分别表示控制增长或降低的比例系数。以时间刻度为轴,可以将 MTC通道的流量和通行代价关联起来,设定当通行代价大于ω时,表示收费站的运行状态受到影响,可到二元关系集合tuplesmtc,则有
随着拥堵距离、通行代价的增加,单位时间内通过收费站的流量会达到一个极限,这个极限值即为收费站MTC通道的服务能力abilitymtc。
可选地,在基于本申请上述方法的另一个实施例中,确定目标收费站的动态画像之后,还包括:
获取目标收费站的类别信息,类型信息对应于主线收费站和匝道收费站的任意一种;
根据标收费站的类别信息,所占的地理范围大小以及车道数据,确定目标收费站的静态画像。
可选地,在基于本申请上述方法的另一个实施例中,确定目标收费站的静态画像之后,还包括:
采集目标收费站对应的管理系数,管理系数包括目标收费站所在的天气信息、路面状态信息、收费设备信息、以及管控信息的至少一种;
基于目标收费站的服务能力、静态画像以及管理系数,确定目标收费站的运营能力。
进一步的,由于收费站的服务能力不仅与收费站的静态画像有关,还与天气、路面状态、收费设备、管理者的管控措施等息息相关,因此本申请可以将上述的各种条件统称为收费站的管理系数。因受空间位置的约束以及当初建设规划的影响,不同收费站的规模各有不同。本申请可以定义sp表示收费站静态画像的集合,typei表示收费站i的类别(分主线收费站和匝道收费站),disi表示收费站i的收费广场的长度,ni表示收费站i的车道数,etci表示收费站i的ETC通道的数量,mtci表示收费站i的MTC通道的数量,则有:
sp={(typei,disi,ni,etci,mtci)|i∈(0,m)}。
可选地,在基于本申请上述方法的另一个实施例中,确定目标收费站的运营能力,还包括:
确定目标收费站在不同运营周期对应的运营能力;
以及,确定与目标收费站同一运营类型的多个收费站的运营能力。
进一步的,本申请可以得到不同时间段的收费站的相对服务能力。定义 dis_date表示不同时间段收费站服务能力的分布,re_abilityi表示目标收费站在时间段i的相对服务能力,则有
dis_date={(re_ability0,re_ability1,…,re_abilityi,…)|i∈(0,n)}
以历史最佳值的基准,为各个时间段的管理系数评分,定义时间段i的管理评分为βi,则
βi=re_abilityi/max(dis_data)
通过比较βi的大小,即可得到不同时间段管理系数的高低。从而确定目标收费站在不同运营周期对应的运营能力。
另外,本申请还可以确定对比同一运营类型的收费站a和收费站b的运营能力,一种方式中,可以利用收费站a的静态画像(disa,etca),收费站的b的静态画像(disb,etcb),得到收费站a的ETC通道的相对服务能力abilitya,收费站b的ETC 通道的相对服务能力abilityb,定义αa表示收费站a的管理系数,αb表示收费站b的管理系数,根据管理系数公式,可以得到
若比值大于1,表示收费站a的管理系数优于收费站b,若比值小于1,表示收费站a的管理系数弱于收费站b,若比值等于1,表示两个收费站的管理系数相当。从而确定各个收费站的运营能力。
本申请中,可以基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定目标收费站的服务能力;基于目标收费站所占的地理范围大小以及车道数据,确定目标收费站的静态画像;基于目标收费站的服务能力以及静态画像,确定目标收费站的运营能力。通过应用本申请的技术方案,可以融合收费站的多个运营参数,得到该收费站的服务能力以及动静态数据,从而综合确定该收费站的运营能力,也避免现有技术中计算收费站运营能力不可靠的问题。
在本申请的另外一种实施方式中,如图5所示,本申请还提供一种确定收费站运营能力的装置。其中,包括获取模块201,第一确定模块202,第二确定模块203,其中,
获取模块201,被配置为基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定所述目标收费站的服务能力;
第一确定模块202,被配置为基于所述目标收费站所占的地理范围大小以及车道数据,确定所述目标收费站的静态画像;
第二确定模块203,被配置为基于所述目标收费站的服务能力以及所述静态画像,确定所述目标收费站的运营能力。
本申请中,可以基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定目标收费站的服务能力;基于目标收费站所占的地理范围大小以及车道数据,确定目标收费站的静态画像;基于目标收费站的服务能力以及静态画像,确定目标收费站的运营能力。通过应用本申请的技术方案,可以融合收费站的多个运营参数,得到该收费站的服务能力以及动静态数据,从而综合确定该收费站的运营能力,也避免现有技术中计算收费站运营能力不可靠的问题。
在本申请的另外一种实施方式中,获取模块201,还包括:
获取模块201,被配置为获取在所述第一历史时间段内,距离所述目标收费站预设距离范围内的ETC车道的第一车辆通行数据;以及,MTC车道的第二车辆通行数据,所述车辆通行数据包括车辆的通行距离以及通行时间;
获取模块201,被配置为基于所述ETC车道的第一车辆通行数据以及所述 MTC车道的第二车辆通行数据,确定所述目标收费站的最长拥堵长度;
获取模块201,被配置为基于所述目标收费站的最长拥堵长度,确定所述目标收费站的观测区间,所述观测区间的长度大于所述目标收费站的最长拥堵长度;
获取模块201,被配置为根据所述目标收费站的观测区间,计算第一车辆在所述目标收费站的ETC车道对应的第一通行代价;以及,第二车辆在所述目标收费站的MTC车道对应的第二通行代价。
在本申请的另外一种实施方式中,获取模块201,还包括:
获取模块201,被配置为基于所述第一通行代价,所述第二通行代价,所述车辆在所述观测区间内的行驶距离以及各个时刻的行驶状态,确定所述目标收费站的动态画像,所述行驶距离为所述车辆在所述观测区间内首次停车的位置与所述目标收费站之间的距离。
在本申请的另外一种实施方式中,获取模块201,还包括:
获取模块201,被配置为基于所述目标收费站的动态画像,确定所述ETC车道的拥堵距离以及通行代价的对应流量关系曲线;将所述对应流量关系曲线中,所述ETC车道的极限流量作为所述目标收费站的第一动态能力;
获取模块201,被配置为以及,基于所述目标收费站的动态画像,确定所述 MTC车道的拥堵距离以及通行代价的对应流量关系曲线;将所述对应流量关系曲线中,所述MTC车道的极限流量作为所述目标收费站的第二动态能力;
获取模块201,被配置为将所述第一动态能力与所述第二动态能力合并作为所述目标收费站的服务能力。
在本申请的另外一种实施方式中,获取模块201,还包括:
获取模块201,被配置为获取所述目标收费站的类别信息,所述类型信息对应于主线收费站和匝道收费站的任意一种;
获取模块201,被配置为根据所述标收费站的类别信息,所占的地理范围大小以及车道数据,确定所述目标收费站的静态画像。
在本申请的另外一种实施方式中,获取模块201,还包括:
获取模块201,被配置为采集所述目标收费站对应的管理系数,所述管理系数包括所述目标收费站所在的天气信息、路面状态信息、收费设备信息、以及管控信息的至少一种;
获取模块201,被配置为基于所述目标收费站的服务能力、所述静态画像以及所述管理系数,确定所述目标收费站的运营能力。
在本申请的另外一种实施方式中,获取模块201,还包括:
获取模块201,被配置为确定所述目标收费站在不同运营周期对应的运营能力;
获取模块201,被配置为以及,确定与所述目标收费站同一运营类型的多个收费站的运营能力。
图6是根据一示例性实施例示出的一种电子设备的逻辑结构框图。例如,电子设备300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器,上述指令可由电子设备处理器执行以完成上述确定收费站运营能力的方法,该方法包括:基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定所述目标收费站的服务能力;基于所述目标收费站所占的地理范围大小以及车道数据,确定所述目标收费站的静态画像;基于所述目标收费站的服务能力以及所述静态画像,确定所述目标收费站的运营能力。可选地,上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种应用程序/计算机程序产品,包括一条或多条指令,该一条或多条指令可以由电子设备的处理器执行,以完成上述确定收费站运营能力的方法,该方法包括:基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定所述目标收费站的服务能力;基于所述目标收费站所占的地理范围大小以及车道数据,确定所述目标收费站的静态画像;基于所述目标收费站的服务能力以及所述静态画像,确定所述目标收费站的运营能力。可选地,上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。
图6为计算机设备30的示例图。本领域技术人员可以理解,示意图6仅仅是计算机设备30的示例,并不构成对计算机设备30的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如计算机设备30 还可以包括输入输出设备、网络接入设备、总线等。
所称处理器302可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等,处理器302是计算机设备30的控制中心,利用各种接口和线路连接整个计算机设备30的各个部分。
存储器301可用于存储计算机可读指令303,处理器302通过运行或执行存储在存储器301内的计算机可读指令或模块,以及调用存储在存储器301内的数据,实现计算机设备30的各种功能。存储器301可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序 (比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备30的使用所创建的数据等。此外,存储器301可以包括硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory, RAM)或其他非易失性/易失性存储器件。
计算机设备30集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种确定收费站运营能力的方法,其特征在于,包括:
基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定所述目标收费站的服务能力;
基于所述目标收费站所占的地理范围大小以及车道数据,确定所述目标收费站的静态画像;
基于所述目标收费站的服务能力以及所述静态画像,确定所述目标收费站的运营能力。
2.如权利要求1所述的方法,其特征在于,所述确定所述目标收费站的服务能力,包括:
获取在所述第一历史时间段内,距离所述目标收费站预设距离范围内的ETC车道的第一车辆通行数据;以及,MTC车道的第二车辆通行数据,所述车辆通行数据包括车辆的通行距离以及通行时间;
基于所述ETC车道的第一车辆通行数据以及所述MTC车道的第二车辆通行数据,确定所述目标收费站的最长拥堵长度;
基于所述目标收费站的最长拥堵长度,确定所述目标收费站的观测区间,所述观测区间的长度大于所述目标收费站的最长拥堵长度;
根据所述目标收费站的观测区间,计算第一车辆在所述目标收费站的ETC车道对应的第一通行代价;以及,第二车辆在所述目标收费站的MTC车道对应的第二通行代价。
3.如权利要求2所述的方法,其特征在于,所述计算车辆在所述目标收费站的ETC车道对应的第一通行代价;以及,车辆在所述目标收费站的MTC车道对应的第二通行代价之后,还包括:
基于所述第一通行代价,所述第二通行代价,所述车辆在所述观测区间内的行驶距离以及各个时刻的行驶状态,确定所述目标收费站的动态画像,所述行驶距离为所述车辆在所述观测区间内首次停车的位置与所述目标收费站之间的距离。
4.如权利要求3所述的方法,其特征在于,所述确定所述目标收费站的动态画像之后,还包括:
基于所述目标收费站的动态画像,确定所述ETC车道的拥堵距离以及通行代价的对应流量关系曲线;将所述对应流量关系曲线中,所述ETC车道的极限流量作为所述目标收费站的第一动态能力;
以及,基于所述目标收费站的动态画像,确定所述MTC车道的拥堵距离以及通行代价的对应流量关系曲线;将所述对应流量关系曲线中,所述MTC车道的极限流量作为所述目标收费站的第二动态能力;
将所述第一动态能力与所述第二动态能力合并作为所述目标收费站的服务能力。
5.如权利要求1所述的方法,其特征在于,所述确定所述目标收费站的动态画像之后,还包括:
获取所述目标收费站的类别信息,所述类型信息对应于主线收费站和匝道收费站的任意一种;
根据所述标收费站的类别信息,所占的地理范围大小以及车道数据,确定所述目标收费站的静态画像。
6.如权利要求1所述的方法,其特征在于,所述确定所述目标收费站的静态画像之后,还包括:
采集所述目标收费站对应的管理系数,所述管理系数包括所述目标收费站所在的天气信息、路面状态信息、收费设备信息、以及管控信息的至少一种;
基于所述目标收费站的服务能力、所述静态画像以及所述管理系数,确定所述目标收费站的运营能力。
7.如权利要求1所述的方法,其特征在于,所述确定所述目标收费站的运营能力,还包括:
确定所述目标收费站在不同运营周期对应的运营能力;
以及,确定与所述目标收费站同一运营类型的多个收费站的运营能力。
8.一种确定收费站运营能力的装置,其特征在于,包括:
获取模块,被配置为基于在第一历史时间段内,距离目标收费站预设距离范围内的车辆通行数据,确定所述目标收费站的服务能力;
第一确定模块,被配置为基于所述目标收费站所占的地理范围大小以及车道数据,确定所述目标收费站的静态画像;
第二确定模块,被配置为基于所述目标收费站的服务能力以及所述静态画像,确定所述目标收费站的运营能力。
9.一种电子设备,其特征在于,包括:
存储器,用于存储可执行指令;以及,
处理器,用于与所述存储器显示以执行所述可执行指令从而完成权利要求1-7中任一所述确定收费站运营能力的方法的操作。
10.一种计算机可读存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1-7中任一所述确定收费站运营能力的方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011641186.0A CN112766662A (zh) | 2020-12-31 | 2020-12-31 | 确定收费站运营能力的方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011641186.0A CN112766662A (zh) | 2020-12-31 | 2020-12-31 | 确定收费站运营能力的方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112766662A true CN112766662A (zh) | 2021-05-07 |
Family
ID=75698456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011641186.0A Pending CN112766662A (zh) | 2020-12-31 | 2020-12-31 | 确定收费站运营能力的方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766662A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114510997A (zh) * | 2021-12-30 | 2022-05-17 | 北京掌行通信息技术有限公司 | 收费站通行模式识别方法和*** |
CN114822050A (zh) * | 2022-03-30 | 2022-07-29 | 阿里巴巴(中国)有限公司 | 路况识别方法、电子设备及计算机程序产品 |
CN115083155A (zh) * | 2022-06-14 | 2022-09-20 | 四川交通职业技术学院 | 一种高速公路收费站应有etc车道数测算方法 |
CN115223359A (zh) * | 2022-06-08 | 2022-10-21 | 北京掌行通信息技术有限公司 | 一种对收费站预警的方法、装置、电子设备和存储介质 |
CN115578854A (zh) * | 2022-07-29 | 2023-01-06 | 深圳高速公路集团股份有限公司 | 收费站车辆排队长度预测方法、装置、设备及存储介质 |
CN116596345A (zh) * | 2023-07-07 | 2023-08-15 | 北京千方科技股份有限公司 | 高速路段的服务水平计算方法、装置、电子设备及介质 |
-
2020
- 2020-12-31 CN CN202011641186.0A patent/CN112766662A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114510997A (zh) * | 2021-12-30 | 2022-05-17 | 北京掌行通信息技术有限公司 | 收费站通行模式识别方法和*** |
CN114822050A (zh) * | 2022-03-30 | 2022-07-29 | 阿里巴巴(中国)有限公司 | 路况识别方法、电子设备及计算机程序产品 |
CN115223359A (zh) * | 2022-06-08 | 2022-10-21 | 北京掌行通信息技术有限公司 | 一种对收费站预警的方法、装置、电子设备和存储介质 |
CN115083155A (zh) * | 2022-06-14 | 2022-09-20 | 四川交通职业技术学院 | 一种高速公路收费站应有etc车道数测算方法 |
CN115578854A (zh) * | 2022-07-29 | 2023-01-06 | 深圳高速公路集团股份有限公司 | 收费站车辆排队长度预测方法、装置、设备及存储介质 |
CN115578854B (zh) * | 2022-07-29 | 2024-01-26 | 深圳高速公路集团股份有限公司 | 收费站车辆排队长度预测方法、装置、设备及存储介质 |
CN116596345A (zh) * | 2023-07-07 | 2023-08-15 | 北京千方科技股份有限公司 | 高速路段的服务水平计算方法、装置、电子设备及介质 |
CN116596345B (zh) * | 2023-07-07 | 2023-10-24 | 北京千方科技股份有限公司 | 高速路段的服务水平计算方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112766662A (zh) | 确定收费站运营能力的方法、装置、电子设备及介质 | |
EP3753002B1 (en) | Methods and systems for generating traffic volume or traffic density data | |
CN107389085B (zh) | 一种道路通行属性的确定方法、装置、计算机及存储介质 | |
US20160343250A1 (en) | Evaluation method, information processing apparatus, and computer-readable recording medium | |
CN107331172A (zh) | 一种基于道路交通状态的交通相位调整方法和装置 | |
US10147315B2 (en) | Method and apparatus for determining split lane traffic conditions utilizing both multimedia data and probe data | |
Huang et al. | Travel time prediction using tree-based ensembles | |
Woo | Toll plaza capacity and level of service | |
CN108805992B (zh) | 一种出租车拼车***、方法 | |
CN110782656B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
CN114509081B (zh) | 基于差异化收费计算车辆通行成本的方法以及装置 | |
DE112020005282T5 (de) | V2x-fahrzeugstrassennutzung | |
CN108806249B (zh) | 基于公交app软件的乘客出行优化方法 | |
CN111581538A (zh) | 一种基于高速公路收费数据的高速交通流状态推断方法 | |
DE102021119012A1 (de) | Platooning-steuerungsvorrichtung, server und verfahren | |
CN112805762A (zh) | 提高交通状况可视化的***和方法 | |
JP4313457B2 (ja) | 移動時間予測システム、プログラム記録媒体、移動時間予測方法、情報提供装置、および情報入手装置 | |
CN107204118A (zh) | 称重信息匹配方法、装置和服务器 | |
CN111369810A (zh) | 车辆出行特征获取方法、装置、电子设备及存储介质 | |
CN113808414A (zh) | 道路荷载确定方法、装置及存储介质 | |
EP4266190A1 (en) | Electronic map correction method and apparatus, navigation information configuration method and apparatus, and navigation method and apparatus | |
Jain et al. | Evaluation of travel speed of conventional buses and bus rapid transit service in Ahmedabad city, India using geo-informatics | |
Huang et al. | Analysing taxi customer-search behaviour using Copula-based joint model | |
Mohanty et al. | Operational effects of U-turns at median opening | |
Praveen et al. | Passenger car equivalency factors under platooning conditions |
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 |