CN112767694B - 用于缓解道路拥堵的交通优化方法和装置 - Google Patents
用于缓解道路拥堵的交通优化方法和装置 Download PDFInfo
- Publication number
- CN112767694B CN112767694B CN202110009179.7A CN202110009179A CN112767694B CN 112767694 B CN112767694 B CN 112767694B CN 202110009179 A CN202110009179 A CN 202110009179A CN 112767694 B CN112767694 B CN 112767694B
- Authority
- CN
- China
- Prior art keywords
- target
- road
- determining
- information
- calculation model
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
本发明提供一种用于缓解道路拥堵的交通优化方法和装置,该方法包括:根据预设时间段内目标区域内产生的出行数据,确定目标区域内属于预设位置类型的地点对应的运行状态评价指标;根据所述运行状态评价指标,从所述地点中确定需要被治理的目标地点。根据目标地点对应的位置类型,从已建立的数据库中确定与目标地点对应的目标参考优化信息;根据目标参考优化信息,生成目标地点的交通治理方案。通过本方案,可以实现精细化、精准化、高效化的交通治理效果。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种用于缓解道路拥堵的交通优化方法和装置。
背景技术
随着人们生活水平的提高,汽车保有量逐年递增,这使得交通拥堵情况日益严重,给道路交通管理带来了很多挑战。
传统的交通优化方案中,通过交通管理部门的相关工作人员观察拥堵区域的拥堵原因后,基于人工经验给出优化方案并执行。这种以人工经验为主的优化方式,受人工观察结果的主观性、准确度和实效性的影响,并不能客观、准确和及时地反映道路拥堵的问题,存在优化效果不明显或者引发其他交通问题出现。因此,亟需提供基于技术手段提供交通优化方案的技术方案,以解决前述至少一个问题和/或因人工经验所带来的其他问题。
发明内容
本发明实施例提供一种用于缓解道路拥堵的交通优化方法和装置,能够提高交通拥堵情况的治理效果。
第一方面,本发明实施例提供一种用于缓解道路拥堵的交通优化方法,该方法包括:
根据预设时间段内目标区域内产生的出行数据,确定所述目标区域内属于预设位置类型的地点对应的运行状态评价指标;
根据所述运行状态评价指标,从所述地点中确定需要被治理的目标地点;
根据所述目标地点对应的位置类型,从已建立的数据库中确定与所述目标地点对应的目标参考优化信息;
根据所述目标参考优化信息,生成所述目标地点的交通治理方案。
第二方面,本发明实施例提供一种用于缓解道路拥堵的交通优化装置,该装置包括:
指标确定模块,用于根据预设时间段内目标区域内产生的出行数据,确定所述目标区域内属于预设位置类型的地点对应的运行状态评价指标;
地点确定模块,用于根据所述运行状态评价指标,从所述地点中确定需要被治理的目标地点;
信息选择模块,用于根据所述目标地点对应的位置类型,从已建立的数据库中确定与所述目标地点对应的目标参考优化信息;
地点治理模块,用于根据所述目标参考优化信息,生成所述目标地点的交通治理方案。
第三方面,本发明实施例提供一种电子设备,包括:存储器、处理器;其中,存储器上存储有可执行代码,当所述可执行代码被处理器执行时,使处理器至少可以实现如第一方面所述的用于缓解道路拥堵的交通优化方法。
第四方面,本发明实施例提供了一种非暂时性机器可读存储介质,非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使处理器至少可以实现如第一方面所述的用于缓解道路拥堵的交通优化方法。
在本发明实施例中,当需要对目标区域内的交通状况进行优化治理时,一方面,收集目标区域内一段时间内产生的出行数据,以根据这些出行数据确定目标区域内不同预设位置类型的地点各自对应的运行状态评价指标,并根据运行状态评价指标确定出需要被治理的目标地点。其中,在目标区域内定义了多种不同的位置类型,针对不同位置类型的地点,具体的治理措施是不同的。另一方面,为了实现针对不同预设位置类型的地点的交通运行状态治理,会预先建立包含多种参考优化信息的数据库。这样,在确定出需要治理的目标地点后,根据目标地点的位置类型,可以从数据库中选出与目标地点对应的目标参考优化信息,进而结合该目标参考优化信息生成目标地点的交通治理方案。
在上述方案中,针对不同预设位置类型的地点提供针对性的用于优化其交通运行状态的参考优化信息,通过对各种地点的交通运行状态进行自动化的分析,并结合参考优化信息进行治理方案的决策,可以实现精细化、精准化、高效化的交通治理效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图;
图2为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图;
图3为本发明实施例提供的一种区域路网治理过程的示意图;
图4为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图;
图5为本发明实施例提供的一种通勤走廊治理过程的示意图;
图6为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图;
图7为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图;
图8为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图;
图9为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图;
图10为本发明实施例提供的一种灯控路口治理过程的示意图;
图11为本发明实施例提供的一种用于缓解道路拥堵的交通优化装置的结构示意图;
图12为与图11所示实施例提供的用于缓解道路拥堵的交通优化装置对应的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
另外,下述各方法实施例中的步骤时序仅为一种举例,而非严格限定。
在本发明实施例提供的用于缓解道路拥堵的交通优化方法中,当想要对某个区域(称为目标区域)的道路交通进行拥堵治理,以优化这个区域的交通运行状况时,可以通过收集一段时间内这个目标区域内产生的出行数据,比如导航数据。另外,为了治理目标区域的拥堵情况,定义多种不同预设位置类型的地点(即区分不同的场景)。针对目标区域内的属于预设位置类型的地点,通过对出行数据进行自动分析,以得到各种地点对应的运行状态评价指标,从而结合该运行状态评价指标针对性地对各种需要治理的地点进行治理,最终可以实现针对目标区域内各种预设位置类型的地点的全面治理,改善目标区域的交通运行状况。
本发明实施例提供的用于缓解道路拥堵的交通优化方法可以由一电子设备来执行,该电子设备可以是诸如PC机、笔记本电脑等终端设备,也可以是服务器。该服务器可以是包含一独立主机的物理服务器,或者也可以为虚拟服务器,或者也可以为云端服务器或服务器集群。
下面结合以下实施例对用于缓解道路拥堵的交通优化方法的执行过程进行详细说明。
图1为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图,如图1所示,该方法包括如下步骤:
101、根据预设时间段内目标区域内产生的出行数据,确定目标区域内属于预设位置类型的地点对应的运行状态评价指标。
102、根据所述运行状态评价指标,从所述地点中确定需要被治理的目标地点。
103、根据目标地点对应的位置类型,从已建立的数据库中确定与目标地点对应的目标参考优化信息。
104、根据目标参考优化信息,生成目标地点的交通治理方案。
实际应用中,交通管理等相关部门会有治理交通状况的需求,因此,当需要对某个位置区域进行交通治理时,以该位置区域作为本文中的目标区域。该目标区域比如可以是某个城市中的某个区,或者是其他自定义的位置范围。实际应用中,用户可以通过在电子地图上划定目标区域对应的位置范围,以输入该目标区域。本文中,用户是指触发交通治理的人员,比如交管部门的工作人员。
为进行道路拥堵情况的优化,需要预先进行预设位置类型的定义,或者说定义多种不同的治理场景。本发明实施例中,设定多种不同的预设位置类型。可选地,预设位置类型包括如下至少一种:区域路网、通勤走廊、兴趣点、灯控路口、快速路、主次干路。其中,主次干路是指主干路和/或次干路。
其中,区域路网,是指目标区域内的整体路网情况,由目标区域内包含的若干条道路组成,可以包括但不限于快速路、主干路、次干路、支路,等等。
通勤走廊,对应于目标区域内存在的通勤热度比较高出行起止点对。比如,目标区域内有很多人都是从地点A去往地点B上班,那么地点A和地点B即为一对出行起止点,由地点A通往地点B的路径即可以作为一条通勤走廊。下文中会具体说明通勤走廊的确定过程。一条通勤走廊由至少一段道路构成,也就是说,构成通勤走廊的一条路径中可以包括一段或多段道路,一般来说,通勤走廊中包含的道路多为快速路,但是也可以包含主次干路。
兴趣点,可以预先定义一种或多种兴趣点,比如医院、停车场,等等。
灯控路口,即为设有交通灯的路口。
由上述举例可知,本发明实施例中设定的多种预设位置类型的地点,覆盖了点(如灯控路口、兴趣点)、线(各种道路,如快速路、主次干路)、面(如区域路网)不同粒度。通过综合考虑各种预设位置类型的地点的运行状态,以实现对目标区域内的不同预设位置类型的地点的针对性治理。
为了实现对不同预设位置类型的地点的针对性治理,在本发明实施例中,还会预先设定包含多种参考优化信息的数据库,而需要针对某种预设位置类型的地点进行治理时,需要从该数据库中选定与该地点的位置类型对应的参考优化信息。由此可见,其中,上述“针对性治理”可以体现为:不同预设位置类型的地点所选用的参考优化信息是不同的。
其中,可选地,数据库中可以包括如下至少一种参考优化信息:
城市交通规划标准信息,目标区域内的公共交通线网信息,目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型,灯控路口延迟计算模型,兴趣点等候时长计算模型。
进一步,可选地,当需要对区域路网进行治理时,可以选用的参考优化信息包括:城市交通规划标准信息和目标区域内的公共交通线网信息。当需要对通勤走廊进行治理时,可以选用的参考优化信息包括:目标区域内的公共交通线网信息,目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型。当需要对快速路进行治理时,可以选用的参考优化信息包括:目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型。当需要对主次干路进行治理时,可以选用的参考优化信息包括:目标区域内的公共交通线网信息,目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型,灯控路口延迟计算模型。当需要对兴趣点进行治理时,可以选用的参考优化信息包括:目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,兴趣点等候时长计算模型。当需要对灯控路口进行治理时,可以选用的参考优化信息包括:导航路径规划和旅行时间计算模型,灯控路口延迟计算模型。
以上各种参考优化信息的含义以及获取过程将在下文中进行说明。
基于上述多种预设位置类型的设定以及多种参考优化信息的设定,可以实现对目标区域内不同预设位置类型的地点的针对***通治理。概括来说,治理过程如下:
首先,获取预设时间段内目标区域内产生的出行数据。其中,该预设时间段可以是自定义的一段时间,比如触发交通治理操作之前的10天、半个月等。其中,出行数据可以包括导航数据,还可以包括公交车的运行数据。
其中,导航数据中会包括出行起止点信息(即导航起点和导航终点)、导航路径、旅行时间,还可以包括行驶至不同位置时的行驶速度等信息。
其中,公交车的运行数据中可以包括同一人的出行起止点信息(即上车站点和下车站点),公交车线路,行驶至不同位置时的行驶速度等信息。
在获得目标区域内产生的上述出行数据后,可以结合这些出行数据,确定目标区域内属于预设位置类型的地点所对应的运行状态评价指标。不同预设位置类型的地点所对应的运行状态评价指标可以有所不同。
举例来说,区域路网的运行状态评价指标可以包括两种维度的指标,其中一种是反映路网结构、人口基数以及出行方式的,另一种是反映交通运行状况的。比如,区域路网的运行状态评价指标可以包括:目标区域内的路网密度、各等级道路的配比、通勤人口数量、不同出行方式的人口比例;以及,早晚高峰拥堵延时指数、拥堵路段里程比、早晚高峰各等级道路的拥堵延时指数,等等。
其中,输入路网密度、各等级道路的配比等静态的指标,可以由相关工作人员输入。通勤人口数量可以通过统计出行数据中在设定通勤时间内具有稳定出行起止点的人口数量来得到。通过统计对应于不同出行方式的出行数据中的用于指示不同人的标识信息(如车牌号、***等)来确定不同出行方式的人口比例。
以一条道路为例,基于导航数据可以得到在不同时间段(如早晚高峰时段)通过这条道路的平均旅行时间,另外,通过对在这条道路上行驶的车辆的实际通行时间(实际驶过这条道路的时间)进行采集,结合平均旅行时间可以得到平均延时时间,从而,以该平均延时时间作为拥堵延时指数或者基于该平均延时时间和预设的计算公式计算出拥堵延时指数。对区域路网内包含的各条道路都进行上述计算,进而,通过设定的计算方式,对各条道路的拥堵延时指数进行计算,得到区域路网对应的拥堵延时指数。
仍以一条道路为例,这条道路的实际距离是已知的,基于导航数据可以得到在不同时间段(如早晚高峰时段)内这条道路上不同区间段的平均车辆行驶速度,统计出平均车辆行驶速度低于设定阈值的区间段的距离长度,结合这条道路的实际距离,可以得到这条道路的拥堵路段里程比。对区域路网内包含的各条道路都进行上述计算,进而,通过设定的计算方式,对各条道路的拥堵路段里程比进行计算,得到区域路网对应的拥堵路段里程比。
针对各条通勤走廊、快速路、主次干路来说,其对应的运行状态评价指标同样可以包括各种拥堵延时指数、拥堵路段里程比,等等。比如早晚高峰拥堵延时指数、早晚高峰拥堵路段里程比。
针对兴趣点来说,兴趣点对应的运行状态评价指标可以包括:等候时长,是指平均需要多久能够通过该兴趣点。通过在获得的大量出行数据中筛选出位置对应于某兴趣点附近(与兴趣点之间的距离小于预设阈值)的出行数据,基于这些出行数据计算出通过该兴趣点的平均时间,作为上述等候时长。
针对灯控路口来说,灯控路口对应的运行状态评价指标可以包括:延迟时间、停车次数、排队长度,等等。其中,延时时间是指平均一辆车通过某个灯控路口所需的时间;停车次数是指平均一辆车通过该灯控路口所需等待的红灯个数,即亮几次红灯;排队长度是指等待通过该灯控路口的平均车队长度。针对某个灯控路口来说,可以从获得的出行数据中筛选出位置与该灯控路口匹配的出行数据,根据筛选出的出行数据所反映出的位置、移动速度等信息,计算出与该灯控路口对应的运行状态评价指标。
基于上述介绍,计算出目标区域的整体区域路网的运行状态评价指标,目标区域内各条通勤走廊的运行状态评价指标,目标区域内各条快速路的运行状态评价指标,目标区域内各条主次干路的运行状态评价指标,目标区域内各兴趣点的运行状态评价指标,目标区域内各灯控路口的运行状态评价指标。在得到这些运行状态评价指标后,可以确定出需要被治理的目标地点。
可选地,针对区域路网来说,当采用多种运行状态评价指标来评价区域路网时,可以在其中的一种或几种(可以预先设定种类数量,或特定的哪一种)运行状态评价指标低于相应的设定阈值时,认为区域路网的运行状态不理想,需要被治理。
针对各条通勤走廊来说,可以按照各条通勤走廊对应的运行状态评价指标的高低顺序,依次排列各通勤走廊,从而可以确定运行状态评价指标低于设定阈值的通勤走廊都是需要被治理的。当通勤走廊对应有多种运行状态评价指标时,针对每条通勤走廊,可以根据设定的计算方式计算出其对应的多种运行状态评价指标的整合分值作为排序的依据,当然,不以此为限。当有多条通勤走廊需要被治理时,可以按照各自对应的运行状态评价指标的高低顺序,确定治理顺序,即优先治理运行状态指标更差的通勤走廊。
针对各条快速路、主次干路以及各个兴趣点、灯控路口来说,可以采用上述确定需要被治理的通勤走廊的方式,确定出需要被治理的快速路、主次干路、兴趣点、灯控路口。
在确定出需要被治理的目标地点之后,根据上文所说的不同预设位置类型的地点与参考优化信息的对应关系,从数据库中确定出目标地点对应的参考优化信息,称为目标参考优化信息。由上述介绍可知,该目标地点可能包括如下一种或多种地点:区域路网,一条或多条通勤走廊,一条或多条快速路,一条或多条主次干路,一个或多个兴趣点,一个或多个灯控路口。
在得到目标地点对应的目标参考优化信息后,根据目标参考优化信息,生成目标地点的交通治理方案,将该交通治理方案输出给相关人员,可以使相关人员执行该交通治理方案,以改善目标区域的交通运行状况。
概括来说,目标参考优化信息在生成治理方案的过程中的作用可以体现为两个方面:一方面是,给出一些参考阈值,以便在计算得到的运行状态评价指标与对应的参考阈值不匹配时,给出对应的治理建议信息;另一方面是,给出一些计算模型,每种计算模型用于从不同维度来预测出交通运行状态的变化趋势,从而,结合每种计算模型给出的变化趋势,给出改善目标地点运行状况的建议信息。
基于上述方案,通过将需要治理的目标区域细分为多种治理场景(即多种不同位置类型的地点),针对每种治理场景,进行交通运行状态的自动评价,基于评价结果,自动确定出每种治理场景下需要被治理的地点,进而结合每种治理场景所需使用到的参考优化信息,完成相应地点的运行状况的优化治理,实现了精细化、精确性、高效性的交通治理。
下面介绍下上文提及的几种计算模型的生成过程。
针对道路承载力计算模型:
获取历史时间内目标区域内的道路对应的历史出行数据;
根据目标区域内的道路对应的历史出行数据,确定每条道路对应的承载力函数,承载力函数反映的是车辆数与车辆行驶速度间的对应关系;
根据每条道路对应的承载力函数,确定适用于目标区域的道路承载力计算模型。
上述历史时间,与前文所说的预设时间段可以是不同的时间段,该历史时间可以是时长更大的范围,比如过去半年。历史出行数据可以包括导航数据(即包括导航起止点、导航轨迹信息的导航数据)。
道路承载力计算模型是用于计算道路承载力的。道路承载力,简单来说就是,一条道路上,在不同车辆行驶速度下能够容纳多少辆车。
目标区域内会包含多条道路,针对每条道路,可以获取其对应的历史出行数据,并根据获得的历史出行数据计算与其对应的承载力函数(其实就是每条道路对应的道路承载力计算模型),之后,通过对多条道路各自对应的承载力函数进行某种形式的计算,以得到最终可以普遍使用的道路承载力计算模型。其中,可以对多条道路各自对应的承载力函数进行求均值或加权求均值计算,以得到适用于目标区域的道路承载力计算模型。其中,可以根据每条道路对应的道路等级确定其对应的权重值,道路等级自高而低包括快速路、主干路、次干路。
针对目标区域内的任一条道路i来说,根据道路i对应的位置范围,筛选出途经道路i的若干条导航数据作为与道路i对应的历史出行数据。根据该若干条导航数据中记录的时间戳、行驶位置与行驶速度,对这若干条导航数据进行数据分析,以确定出道路i上包含不同数量的车辆时,对应的车辆行驶速度是多少,由此可以得到若干组键值对:车辆数与车辆行驶速度。拟合得到的这若干组车辆数与车辆行驶速度,可以得到道路i对应的承载力函数。
在上述数据分析过程中,比如可以先对时间戳进行排序,统计每个时间戳对应的车辆数作为一组车辆数,或者,可以统计时间差在设定范围内的几个相邻时间戳内对应的车辆数作为一组车辆数,之后,确定统计得到的时间戳内车辆的平均行驶速度,从而得到一组车辆数与车辆行驶速度。
可以理解的是,在道路承载力计算模型中,随着车辆数的增加,车辆行驶速度呈下降趋势。
针对灯控路口延迟计算模型:
获取历史时间内目标区域内的灯控路口对应的历史出行数据;
根据目标区域内的灯控路口对应的历史出行数据,确定每个灯控路口对应的灯控路口延迟函数,灯控路口延迟函数反映的是车辆行驶速度与延迟参数间的对应关系;
根据每个灯控路自对应的灯控路口延迟函数,确定适用于目标区域的灯控路口延迟计算模型。
其中,可选地,上述延迟参数包括如下至少一种:
描述通过灯控路口所需时间的延迟时间,描述需等待红灯个数的停车次数,描述等待通过灯控路口的车队长度的排队长度。
上述历史时间和历史出行数据与道路承载力计算模型时所使用的历史时间和历史出行数据一致。
目标区域内会包含多个灯控路口,针对每个灯控路口,可以获取其对应的历史出行数据,并根据获得的历史出行数据计算与其对应的灯控路口延迟函数,之后,通过对多个灯控路口各自对应的灯控路口延迟函数进行某种形式的计算,以得到最终可以普遍使用的灯控路口延迟计算模型。其中,可以对多个灯控路口各自对应的灯控路口延迟函数进行求均值计算,以得到灯控路口延迟计算模型。
简单来说,灯控路口延迟计算模型用于描述不同车辆行驶速度下,通过一个灯控路口需要花费的成本是多少,该成本以上述多种延迟参数来反映。
针对目标区域内的任一个灯控路口j来说,根据灯控路口j对应的位置范围,筛选出途经灯控路口j的若干条导航数据作为与灯控路口j对应的历史出行数据。根据该若干条导航数据中记录的时间戳、行驶位置与行驶速度,以及灯控路口j的灯控信号,对这若干条导航数据进行数据分析,以确定出灯控路口j车辆以不同行驶速度通过灯控路口j时,对应的延迟参数是多少,由此可以得到若干组键值对:车辆行驶速度与延迟参数。拟合得到的这若干组车辆行驶速度与延迟参数,可以得到灯控路口j对应的灯控路口延迟函数。
针对兴趣点等候时长计算模型:
获取历史时间内目标区域内的兴趣点对应的历史出行数据;
根据目标区域内的兴趣点对应的历史出行数据,确定每个兴趣点对应的等候时长函数,等候时长函数反映的是等候时长与车辆数间的对应关系;
根据每个兴趣点对应的等候时长函数,确定适用于目标区域的兴趣点等候时长计算模型。
上述历史时间和历史出行数据与道路承载力计算模型时所使用的历史时间和历史出行数据一致。
目标区域内会包含多个兴趣点,针对每个兴趣点,可以获取其对应的历史出行数据,并根据获得的历史出行数据计算与其对应的等候时长函数,之后,通过对多个兴趣点各自对应的等候时长函数进行某种形式的计算,以得到最终可以普遍使用的兴趣点等候时长计算模型。其中,可以对多个兴趣点各自对应的等候时长进行求均值计算,以得到兴趣点等候时长计算模型。
简单来说,兴趣点等候时长计算模型用于描述兴趣点附近具有不同车辆数时,通过兴趣点所需花费的时间是多少。
针对目标区域内的任一个兴趣点k来说,根据兴趣点k对应的位置范围,筛选出途经兴趣点k的若干条导航数据作为与兴趣点k对应的历史出行数据。根据该若干条导航数据中记录的时间戳、行驶位置与行驶速度,对这若干条导航数据进行数据分析,以确定出兴趣点k附近存在不同数量的车辆时,车辆通过兴趣点k的平均时间(即等候时长)是多少,由此可以得到若干组键值对:等候时长与车辆数。拟合得到的这若干组车辆数与等候时长,可以得到兴趣点k对应的等候时长函数。
以上介绍了几种计算模型的生成过程,由上述介绍可知,其实,这几种计算模型即可以实现为是拟合键值对得到的函数曲线。
下面再介绍上文提到的通勤走廊的确定过程:
根据历史时间内目标区域内产生的历史出行数据,确定多对出行起止点信息;
根据多对出行起止点信息,确定热度符合设定要求的至少一对出行起止点信息;
根据所述至少一对出行起止点信息确定目标区域内存在的至少一条通勤走廊。
上述历史出行数据,可以是包含导航起止点的导航数据。此时,一点导航起止点即为一对出行起止点信息。通过提取出每条导航数据中包含的导航起止点,可以得到多对出行起止点信息。
之后,根据多对出行起止点信息,确定热度符合设定要求的至少一对出行起止点信息。具体地,假设已经获得N对出行起止点,以其中的任一对出行起止点AB为例,其中,出行起点表示为A,出行终止点表示为B,如果剩余的多对出行起止点中存在M对出行起止点,这M对出行起止点中的出行起点都与A匹配,出行终止点都与B匹配,则认为这对出行起止点AB的热度为M,其中,M小于N,与A匹配是指与A的距离小于设定阈值,与B匹配同理。之后,针对剩余的(N-1-M)对出行起止点,继续统计下一对出行起止点的热度。最终,根据得到的多个出行起止点的热度,确定热度大于设定阈值的至少一对出行起止点。由这至少一对出行起止点确定出对应的至少一条通勤走廊。
可选地,由于一对出行起止点定义出了通勤走廊的起点和终点,实际上,由该起点去往该终点的路径可以有多条,可以将这多条路径都作为与这对出行起止点对应的多条通勤走廊,或者,可选地,还可以进一步结合这多条路径各自对应的使用情况,确定出其中使用人数符合设定要求的路径作为通勤走廊,比如使用人数最多的一条路径作为与这对出行起止点对应的通勤走廊。其中,可以通过获得的历史出行数据确定出平均每天上述多条路径上的车流量分别是多少,以确定出的车流量来表示使用人数。
下面结合以下的一些实施例对确定出不同位置类型的需要治理的目标地点后,目标地点的交通治理方案的生成过程进行示例性说明。
图2为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图,如图2所示,该方法可以包括如下步骤:
201、根据预设时间段内目标区域内产生的出行数据,确定目标区域内属于预设位置类型的地点对应的运行状态评价指标。
如前文所述,该预设位置类型包括如下至少一种:区域路网、通勤走廊、兴趣点、灯控路口、快速路、主次干路。
202、根据所述运行状态评价指标,确定需要被治理的目标地点包括区域路网。
203、从已建立的数据库中确定与区域路网对应的目标参考优化信息包括城市交通规划标准信息和目标区域内的公共交通线网信息。
204、根据区域路网对应的运行状态评价指标,城市交通规划标准信息中给出的参考指标,以及公共交通线网信息,生成区域路网的交通治理方案。
本实施例中假设的是需要被治理的目标地点是区域路网的情形。如前文所述,此时,为了生成区域路网的交通治理方案,需要使用到数据库中的城市交通规划标准信息和目标区域内的公共交通线网信息。
其中,城市交通规划标准信息中记录有一些参考指标,比如包括:路网结构配置规则、不同区域面积下的路网密度阈值,以及早晚高峰拥堵延时指数参考取值范围、早晚高峰拥堵路段里程比参考取值范围,等等。取值,路网结构配置规则中具体可以描述有不同人口数量下各等级道路的配比情况以及公交线网部署要求。
其中,目标区域内的公共交通线网信息中记录有目标区域内已经部署的公交运力情况,比如各条公交线路、站点位置等信息。
在得到区域路网的多种运行状态评价指标(如目标区域内的路网密度、各等级道路的配比、通勤人口数量、不同出行方式的人口比例、早晚高峰拥堵延时指数、早晚高峰拥堵路段里程比)后,与对应的参考阈值进行比较,确定出不符合对应的参考阈值的运行状态指标。另外,确定目标区域内实际已经部署的公共交通运力情况与相应人口数量下要求的部署规则是否匹配,其中,该人口数量即为上述通勤人口数量。
最终,根据比较结果,给出与区域路网对应的治理方案。举例来说,如图3中所示,假设确定出目标区域内快速路一共有10公里(km),占目标区域内道路总里程数的16%;主干路一共有130公里,占目标区域内道路总里程数的38%;次干路一共有200公里,占目标区域内道路总里程数的41%;支路一共有5公里,占目标区域内道路总里程数的5%。假设路网密度为6km/km2。假设目标区域内早晚高峰拥堵延时指数为2.1,早晚高峰拥堵路段里程比为2.3。通勤人口数量为50万,通勤人口密度为9000人/km2。以及假设不同出行方式比例为:3:3:2.6(其中,这三个数值分别代表驾车、公交、骑步行这三种出行方式)。假设上述举例的几种运行状态指标是不符合要求(异常)的几种运行状态指标,则可以确定目标区域早晚高峰拥堵严重,且快速路配比过低,路网密度较低,人口密度过高,绿色出行意愿低等诊断。最终,给出图3中示意的交通治理方案。
基于对区域路网的运行状态的评价和治理,可以在路网这个宏观层面上实现对目标区域整体的道路交通运行状况的改善,比如修路、增设公交线路。
图4为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图,如图4所示,该方法可以包括如下步骤:
401、根据预设时间段内目标区域内产生的出行数据,确定目标区域内属于预设位置类型的地点对应的运行状态评价指标。
如前文所述,预设位置类型包括如下至少一种:区域路网、通勤走廊、兴趣点、灯控路口、快速路、主次干路。
402、根据所述运行状态评价指标,确定需要被治理的目标地点包括对应于目标路径的目标通勤走廊,所述目标路径由至少一段道路构成。
如前文所述,通勤走廊对应于一点出行起止点。本实施例中,假设目标通勤走廊对应的出行起止点分别表示为起点A、终点B。
如前文所述,由起点A去往终点B的路径可能有多条,可以对这多条路径分别进行运行状态评价指标的确定,从而,可以将运行状态评价指标符合设定条件(如低于阈值)的路径都作为治理对象,也可以在有不止一条路径符合该设定条件时,仅选出运行状态评价指标表现最差的一条作为治理对象。可选地,还可以在确定出多条路径各自对应的运行状态评价指标后,将多条路径各自对应的运行状态评价指标提供给相关工作人员,由其选定需要被治理的路径。
本实施例中,将作为治理对象的一条或多条路径统称为目标路径。因此,本实施例中假设的是需要治理对应于目标路径的目标通勤走廊。
由于一条路径中往往会包括一段或多段道路,因此,目标路径实际上是由至少一段道路构成的。
403、从已建立的数据库中确定与目标通勤走廊对应的目标参考优化信息包括目标区域内的公共交通线网信息,目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型。
404、针对目标路径包含的至少一段道路中的任一道路,根据目标区域内的出行起止点信息确定预设通勤时间内途经所述任一道路的人口数量,根据所述人口数量以及公共交通线网信息中提供的与所述任一道路对应的公共交通部署信息,确定公共交通部署建议信息。
405、将所述人口数量对应的车辆数作为道路承载力计算模型的输入数据,通过道路承载力计算模型确定所述任一道路上的车辆行驶速度,若根据所述车辆行驶速度确定所述任一道路的拥堵程度符合设定要求,则通过导航路径规划和旅行时间计算模型确定与目标通勤走廊对应的引流路径;根据预设时间段内引流路径上对应的导航数据,确定在预设通勤时间内引流路径上的车辆行驶速度;根据引流路径上的车辆行驶速度和道路承载力计算模型,确定能够从所述任一道路上引流到引流路径上的车辆数,以生成引流建议信息。
406、确定目标通勤走廊的交通治理方案中包括所述公共交通部署建议信息和所述引流建议信息。
为便于描述,假设目标通勤走廊对应的需要被治理的目标路径表示为:起点A,道路1,道路2,道路3,终点B。表示从起点A出发后,依次途经道路1、道路2和道路3之后,到达终点B。
实际应用中,在治理上述目标路径的过程中,可以针对目标路径中包含的每段道路分别进行治理,基于此,可以基于已经获得的其中每段道路的运行状态评价指标进行治理。可以理解的是,在步骤401中,即可以获得目标路径中每段道路的运行状态评价指标,因为目标路径中包含的各段道路是对应于某种位置类型的地点的,一般是对应于快速路、也可能对应于主次干路。
可选地,针对目标路径中包含的任一道路i来说,如果该道路i的运行状态评价指标不理想,则认为道路i需要被治理,否则,可以不用治理道路i。在上述目标路径的举例中,道路i可以是道路1、道路2和道路3中的任一个。
针对道路i来说,首先,可以根据目标区域内的出行起止点信息确定预设通勤时间内途经道路i的人口数量。举例来说,获取对应于预设通勤时间的导航数据,基于这些导航数据确定出若干对出行起止点,针对其中任一对出行起止点xy来的,如果起点x到终点y的导航路径规划结果中包含道路i,则途经道路i的人口数量加一,最终得到途经道路i的人口数量。
之后,根据确定出的途经道路i的人口数量,以及目标区域内的公共交通线网信息中提供的与道路i对应的公共交通部署信息,确定公共交通部署建议信息。其中,与道路i对应的公交交通部署信息是指在道路i上或道路i附近可以使用到的公交线路数量,每条公交线路的站点部署情况。举例来说,如果途经道路i的人口数量很大,但是已经部署的与道路i对应的公交线路却比较少,则说明需要增设与道路i对应的公共交通运力,给出对应的公共交通部署建议信息。
治理道路i上的通勤压力,缓解其拥堵情况,除了考虑公共交通部署情况的改善外,还可以将道路i上的压力引流到附近其他拥堵程度不高的道路上。
为此,可以先将途经道路i的人口数量换算成车辆数,将换算成的车辆数作为道路承载力计算模型的输入,通过道路承载力计算模型确定道路i上的车辆行驶速度。其中,人口数量与车辆数的换算公式可以是预设的,比如车辆数即等于人口数量。由于道路承载力计算模型反映的就是车辆数与车辆行驶速度之间的函数关系,因此,基于该函数关系可以确定出换算出的车辆数所对应的车辆行驶速度,若根据该车辆行驶速度确定道路i的拥堵程度符合设定要求(比如低于设定阈值),则说明可以对该道路i进行引流处理。
此时,首先通过导航路径规划和旅行时间计算模型确定与目标通勤走廊对应的引流路径。其中,基于上文中假设目标通勤走廊是对应于目标路径的一条通勤走廊,在确定与该目标通勤走廊对应的引流路径的过程中,可以以该目标路径亦即目标通勤走廊的起点A和终点B作为导航起止点,输入到导航路径规划和旅行时间计算模型中,以通过导航路径规划和旅行时间计算模型输出引流路径,也就是与目标路径不同的其他导航路径,引流路径可能有一条或多条。另外,该导航路径规划和旅行时间计算模型还可以输出每条引流路径对应的旅行时间。
之后,获取预设时间段内引流路径上对应的导航数据,以根据该导航数据确定预设通勤时间内引流路径上的车辆行驶速度。其中,该预设时间段为前文中提及的预设时间段,比如过去十天。以过去十天为例,简单来说就是,获取过去十天的每天通勤时间内引流路径上对应的导航数据,以根据这些导航数据确定出引流路径在预设通勤时间内的平均车辆行驶速度。
之后,根据确定出的引流路径上的车辆行驶速度和道路承载力计算模型,确定能够从道路i上引流到引流路径上的车辆数,以生成引流建议信息。
举例来说,之前通过道路承载力计算模型确定出的道路i上的车辆行驶速度为V1,途经道路i的人口数量为N(并假设将该人口数量换算成的车辆数也为N),假设确定出的引流路径上的车辆行驶速度为V2,假设将其中的X辆车从道路i引流到引流路径上,则首先,根据车辆行驶速度V2和道路承载力计算模型,可以确定出与车辆行驶速度V2对应的车辆数M,将上述X辆车引入引流路径后,引流路径上容纳的车辆数为M+X,此时,在根据道路承载力计算模型确定出与车辆数M+X对应的车辆行驶速度V3,如果引流路径上车辆以该行驶速度V3行驶仍旧不至于使得引流路径发生较为严重的拥堵,则确定将上述X辆车引流到引流路径上。由此可见,将X作为变量,通过上述原理求解不至于使得引流路径发生较为严重拥堵的X的取值即可,最终得到的求解结果即为可以引流到引流路径上的车辆数。最终,可以生成表明可以将多少车辆引流到哪条引流路径上的引流建议信息,将该引流建议信息作为治理方案输出给相关工作人员,供相关工作人员进行交通调度。
可以理解的是,引流路径上也会包含一段或多段道路,可以根据道路i与引流路径中包含的道路的位置关系,确定出引流点,即应该在什么位置将车辆引入到引流路径上,从而,上述引流建议信息中还可以包括该引流点。引流点可以是引流路径中与道路i最靠近的一条道路的入口处。
为了能够更加直观地理解本实施例针对通勤走廊的治理方案,结合图5来示例性说明。
在图5中,假设目标通勤走廊是起点A至终点B之间的一条目标路径,其中包括图5中示意的道路1、道路2、道路3。
以道路1为例,假设统计发现道路1上在预设通勤时间(比如7:00-9:00,17:00-20:00)内需要承载的车流量为N,通过道路承载力计算模型计算出道路1对应的车辆行驶速度为V1,道路1容纳这么大的车流量导致车辆行驶速度V1很低。在图5中,假设通过导航路径规划和旅行时间计算模型计算出图中示意的一条引流路径L,并假设引流路径L上原本的车辆行驶速度为V2,最终假设基于道路承载力计算模型确定出可以将道路1中的30%的车辆引流到引流路径L上,使得引流路径L上的车辆行驶速度由V2降低到V3,但是即使降低到V3也不至于使得引流路径L拥堵明显,所以,生成在预设通勤时间内将道路1上的30%的车辆引流到引流路径L上的治理方案。
若采用上述治理方案,可选地,可以在执行阶段,基于驾驶者输入的导航起止点信息、实时行驶位置信息,在确定某驾驶者需要驶入道路1时,给出绕行到引流路径L上的导航路径规划结果,或者在驶入道路1前给出驾驶者绕行至引流路径L的提示信息。在已知道路1上通勤时间内平均的车流量为N的前提下,可以针对其中30%(与上述举例对应)的车辆执行上述治理方案。
图6为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图,如图6所示,该方法可以包括如下步骤:
601、根据预设时间段内目标区域内产生的出行数据,确定目标区域内属于预设位置类型的地点各自对应的运行状态评价指标。
如前文所述,预设位置类型包括如下至少一种:区域路网、通勤走廊、兴趣点、灯控路口、快速路、主次干路。
602、根据所述运行状态评价指标,确定需要被治理的目标地点包括目标快速路。
603、从已建立的数据库中确定与目标快速路对应的目标参考优化信息包括:目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型。
604、根据目标区域内的出行起止点信息,确定以目标出行起止点途经目标快速路的目标人口数量,以目标出行起止点为导航起止点,通过导航路径规划和旅行时间计算模型确定与目标快速路对应的引流路径,根据预设时间段内所述引流路径上对应的导航数据,确定引流路径上的车辆行驶速度,其中,以其他出行起止点途经所述目标快速路的人口数量小于以目标出行起止点途经所述目标快速路的目标人口数量。
605、根据引流路径上的车辆行驶速度和道路承载力计算模型,确定能够从目标快速路上引流到引流路径上的车辆数,以生成引流建议信息,目标快速路的交通治理方案中包括所述引流建议信息。
本实施例中针对快速路的治理,其原理与针对通勤走廊的治理相似。
简单来说,当确定需要治理目标区域内的目标快速路时,首先,基于已经获得的目标区域内的出行起止点信息进行车流量溯源,即确定使用这条目标快速路最多的是从哪来去往哪的人。
具体地,假设一对出行起止点为起点X、终点Y,另一对出行起止点为起点P、终点Q。假设通过导航路径规划可以得到起点X、终点Y之间的一条导航路径L1,以及得到起点P、终点Q之间的一条导航路径L2,假设这两条导航路径都经过这目标快速路,此时认为这两对出行起止点都是途经目标快速路的。
另外,假设根据对一段时间内收集的导航数据的分析结果发生,起点X、终点Y这对出行起止点对应的人口数量为N1(即有N1人需要从起点X去往终点Y),起点P、终点Q这对出行起止点对应的人口数量为N2,N1>N2,则认为针对目标快速路来说,起点X、终点Y这对出行起止点对目标快速路的使用贡献度高于起点P、终点Q这对出行起止点。
基于上述介绍内容,当确定需要治理目标快速路时,先确定以目标出行起止点途经目标快速路的目标人口数量,其中,以其他出行起止点途经所述目标快速路的人口数量小于以目标出行起止点途经所述目标快速路的目标人口数量。也就就是说,目标出行起止点是途经目标快速路的多对出行起止点中对目标快速路的使用贡献度最高的出行起止点。
之后,以目标出行起止点为导航起止点,通过导航路径规划和旅行时间计算模型确定与目标快速路对应的引流路径。再根据预设时间段内引流路径上对应的导航数据,确定引流路径上的车辆行驶速度,之后,根据引流路径上的车辆行驶速度和道路承载力计算模型,确定能够从目标快速路上引流到引流路径上的车辆数,以生成引流建议信息。从而,与目标快速路对应的治理方案中包括该引流建议信息。
举例来说,假设目标出行起止点途经目标快速路的目标人口数量为N,假设得到的引流路径L3,并假设为引流前该引流路径L3上的车辆行驶速度为V1,首先,根据车辆行驶速度V1和道路承载力计算模型,可以确定出与车辆行驶速度V1对应的车辆数M。假设可以将上述目标人口数量N换算成车辆数N,并假设可以将N个车辆中的X(需求解的未知量)个引流到引流路径L3中,引流路径L3上容纳的车辆数变为M+X,此时,在根据道路承载力计算模型确定出与车辆数M+X对应的车辆行驶速度V2,如果引流路径L3上车辆以该行驶速度V2行驶仍旧不至于使得引流路径L3发生较为严重的拥堵,则确定将上述X辆车引流到引流路径上。由此可见,将X作为变量,通过上述原理求解不至于使得引流路径L3发生较为严重拥堵的X的取值即可,最终得到的求解结果即为可以引流到引流路径L3上的车辆数。
上述引流路径的确定以及引流车辆数的确定过程,可以参考上文中的相关描述,在此不赘述。
图7为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图,如图7所示,该方法可以包括如下步骤:
701、根据预设时间段内目标区域内产生的出行数据,确定目标区域内属于预设位置类型的地点各自对应的运行状态评价指标。
如前文所述,位置类型包括如下至少一种:区域路网、通勤走廊、兴趣点、灯控路口、快速路、主次干路。
702、根据所述运行状态评价指标,确定需要被治理的目标地点包括目标主次干路。
本实施例中,目标主次干路是一种简称,是指目标主干路,或目标次干路。
703、从已建立的数据库中确定与目标主次干路对应的目标参考优化信息包括:目标区域内的公共交通线网信息,目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型,灯控路口延迟计算模型。
704、根据目标区域内的出行起止点信息,确定以目标出行起止点途经目标主次干路的目标人口数量,其中,以其他出行起止点途经目标主次干路的人口数量小于以目标出行起止点途经目标主次干路的目标人口数量。
上述目标出行起止点以及目标人口数量的确定过程可以参考前述实施例中的相关说明,实现原理相似,不再赘述。
705、根据目标人口数量,以及公共交通线网信息中提供的与目标主次干路对应的公共交通部署信息,确定公共交通部署建议信息。
举例来说,假设目标人口数量为N,已经获得的目标区域内与目标主次干路对应的公交线路有2条,假设N的取值很大,这两条公交线路显然不满足这么大人口数量的需求,因此,可以给出在目标主次干路上增设公交线路的部署建议。
706、以目标出行起止点为导航起止点,通过导航路径规划和旅行时间计算模型确定与目标主次干路对应的引流路径;根据预设时间段内引流路径上对应的导航数据确定引流路径上的第一车辆行驶速度;根据引流路径上的第一车辆行驶速度和道路承载力计算模型,确定能够从目标主次干路上引流到引流路径上的车辆数以及引入车辆数后引流路径上的第二车辆行驶速度。
707、根据第二车辆行驶速度和灯控路口延迟计算模型确定引流路径上的灯控路口的延迟参数,以根据延迟参数、第二车辆行驶速度和所述车辆数生成引流建议信息。
708、确定目标主次干路的交通治理方案中包括所述引流建议信息和所述公共交通部署建议信息。
上述步骤706的执行过程可以参考前述其他实施例中的相关说明,在此不赘述。
这里仅主要说明步骤707的执行过程。
由于主次干路上一般都会设有交通灯,因此主次干路上会存在一个或多个灯控路口,如果引入车流到引流路径上会使得引流路径上的灯控路口处的延迟参数特别恶化,显然是不合理的。因此,在考虑将目标主次干路上的车流量引流到引流路径时,还需考虑引流路径上灯控路口处的拥堵情况,以结合引流路径上灯控路口的拥堵情况作出合理的引流决策——是否应该引流到引流路径上,以及引流多少车辆到该引流路径上更合理。
此时,便需要使用到前文中创建的灯控路口延迟计算模型,该灯控路口延迟计算模型可以反映车辆行驶速度与延迟参数间的对应关系。在已经得到上述第二车辆行驶速度的基础上,将第二车辆行驶速度作为该灯控路口延迟计算模型的输入,可以计算出引流X辆车(X是指能够从目标主次干路上引流到引流路径上的车辆数)到引流路径后,引流路径上的灯控路口的延迟参数,可以将包括该延迟参数,车辆数X以及第二车辆行驶速度的引流建议信息输出给相关工作人员,如果相关工作人员确定该延迟参数、第二车辆行驶速度是可以接受的,那么确定可以向引流路径引入X辆车。由此可见,实际上就是寻求引流车辆数X与引流路径上的灯控路口的延迟参数之间的平衡。
图8为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图,如图8所示,该方法可以包括如下步骤:
801、根据预设时间段内目标区域内产生的出行数据,确定目标区域内属于预设位置类型的地点各自对应的运行状态评价指标。
如前文所述,预设位置类型包括如下至少一种:区域路网、通勤走廊、兴趣点、灯控路口、快速路、主次干路。
802、根据所述运行状态评价指标,确定需要被治理的目标地点包括目标兴趣点。
803、从已建立的数据库中确定与目标兴趣点对应的目标参考优化信息包括:目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,灯控路口延迟计算模型。
804、根据目标区域内的出行起止点信息,确定以目标出行起止点途经目标兴趣点的目标人口数量,其中,以其他出行起止点途经目标兴趣点的人口数量小于以目标出行起止点途经目标兴趣点的目标人口数量。
上述目标出行起止点以及目标人口数量的确定过程可以参考前述实施例中的相关说明,实现原理相似,不再赘述。
805、以目标出行起止点为导航起止点,通过导航路径规划和旅行时间计算模型确定与目标兴趣点对应的引流路径,根据兴趣点等候时长计算模型确定不同等候时长下目标兴趣点对应的车辆数,根据目标人口数量对应的车辆数和不同等候时长下目标兴趣点对应的车辆数,确定需要引流到引流路径上的车辆数,以生成引流建议信息,目标兴趣点的交通治理方案中包括所述引流建议信息。
本实施例中,当确定需要治理某个目标兴趣点时,说明该目标兴趣点附近拥堵比较严重,而实际应用中,造成目标兴趣点附近拥堵较为严重的车辆来源可以分为两类:一种是本身就需要去往目标兴趣点的车辆,另一种是途经目标兴趣点的车辆。在治理目标兴趣点的拥堵时,可以将途经目标兴趣点的车流量引流到其他路径上,以绕行目标兴趣点。
为了实现对目标兴趣点拥堵情况的治理,需要使用到前文中提及的兴趣点等候时长计算模型,兴趣点等候时长计算模型反映的是车辆数与等候时长之间的函数关系。
具体来说,基于上述函数关系可以得知不同车辆数与不同等候时长之间的对应关系,比如等候时长为1分钟,车辆数为K1;等候时长为3分钟,车辆数为K2;等候时长为5分钟,车辆数为K3。可以预先设定一个能够接受的最大等候时长,比如5分钟。从而,在确定出途经目标兴趣点的目标人口数量N以及规划出引流路径后,假设目标人口数量N对应的车辆数也为N,N>K3,此时,可以将N-K3个车辆引流到引流路径上,以避免过多的车辆在集中在目标兴趣点。
图9为本发明实施例提供的一种用于缓解道路拥堵的交通优化方法的流程图,如图9所示,该方法可以包括如下步骤:
901、根据预设时间段内目标区域内产生的出行数据,确定目标区域内属于预设位置类型的地点各自对应的运行状态评价指标。
如前文所述,预设位置类型包括如下至少一种:区域路网、通勤走廊、兴趣点、灯控路口、快速路、主次干路。
902、根据所述运行状态评价指标,确定需要被治理的目标地点包括目标灯控路口。
903、从已建立的数据库中确定与目标灯控路口对应的目标参考优化信息包括:导航路径规划和旅行时间计算模型,灯控路口延迟计算模型。
904、根据灯控路口延迟计算模型确定不同延迟参数下目标灯控路口对应的车辆行驶速度,根据不同延迟参数下目标灯控路口对应的车辆行驶速度,以及导航路径规划和旅行时间计算模型,确定不同延迟参数下通过目标灯控路口的旅行时间。
905、根据不同延迟参数下通过目标灯控路口的旅行时间,生成灯控建议信息,目标灯控路口的交通治理方案中包括所述灯控建议信息。
本实施中假设的是某个或连续的某几个灯控路口由于车辆行驶缓慢而需要被治理的情况。因此,上述目标灯控路口可能是某一个灯控路口,也可能是连续的几个灯控路口。
目标灯控路口之所以被确定为需要治理,是因为其延迟参数值表现的比较差,比如排队长度很长,停车次数较多,延迟时间较长,而灯控路口延迟计算模型描述的是延迟参数与车辆行驶速度之间的函数关系,因此,可以先假设将延迟参数优化到不同参数值时对应的车辆行驶速度是多少,之后,使用导航路径规划和旅行时间计算模型确定不同延迟参数下通过目标灯控路口的旅行时间,亦即不同车辆行驶速度下通过目标灯控路口的旅行时间。
举例来说,假设优化到延迟参数值为K1时,车辆行驶速度为V1;优化到延迟参数值为K2时,车辆行驶速度为V2;优化到延迟参数值为K3时,车辆行驶速度为V3。使用导航路径规划和旅行时间计算模型确定这三种车辆行驶速度下通过目标灯控路口分别所需的旅行时间,假设为T1、T2、T3。假设K1、K2、K3依次递增,那么T1、T2、T3会呈现递减趋势。
确定一个能够接受的合理的旅行时间,比如为上述T2,此时,与T2对应的延迟参数K2,即可以作为输出给相关工作人员的灯控建议。值得说明的是,并不一定是旅行时间越短越好,因为旅行时间越短,可能意味着需要对灯控路口的交通灯进行不合理或频繁的调节,另外,也可能会导致相邻的下游其他灯控路口发生拥堵。
相关工作人员基于延迟参数K2的建议,根据预设的延迟参数取值与交通灯控制策略之间的对应关系,更新目标灯控路口的交通灯的控制策略,比如更新红灯、绿灯的亮灭时长。
为了能够更加直观地理解针对灯控路口的治理,结合图10来示例性说明。在图10中,假设某条道路中依次包括图中示意的多个灯控路口,其中,通过对各个灯控路口进行运行状态评价指标的计算,确定需要被治理的目标灯控路口包括图10中圈出的三个灯控路口。通过上述治理过程,假设未被圈出的灯控路口每次红灯亮的时长为T1,则经过治理后,被圈出的灯控路口每次红灯亮的时长可能是T2,T2小于T1。
综上各个实施例,针对不同的治理场景,给出了针对性的治理方案,从而,结合上述各种治理场景的治理方案,可以实现针对目标区域全局的综合治理。
另外,在采用提供的治理方案之后,还可以对目标区域内各位置类型的地点的运行状态评价指标进行再次的计算,以对比判断治理方案的执行效果。
以下将详细描述本发明的一个或多个实施例的用于缓解道路拥堵的交通优化装置。本领域技术人员可以理解,这些用于缓解道路拥堵的交通优化装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
图11为本发明实施例提供的一种用于缓解道路拥堵的交通优化装置的结构示意图,如图11所示,该装置包括:指标确定模块11、地点确定模块12、信息选择模块13、地点治理模块14。
指标确定模块11,用于根据预设时间段内目标区域内产生的出行数据,确定所述目标区域内属于预设位置类型的地点对应的运行状态评价指标。
地点确定模块12,用于根据所述运行状态评价指标,从所述地点中确定需要被治理的目标地点。
信息选择模块13,用于根据所述目标地点对应的位置类型,从已建立的数据库中确定与所述目标地点对应的目标参考优化信息。
地点治理模块14,用于根据所述目标参考优化信息,生成所述目标地点的交通治理方案。
可选地,所述目标地点包括:区域路网;与所述区域路网对应的目标参考优化信息包括:城市交通规划标准信息和所述目标区域内的公共交通线网信息。此时,地点治理模块14具体可以用于:根据所述区域路网对应的运行状态评价指标,所述城市交通规划标准信息中给出的参考指标,以及所述公共交通线网信息,生成所述区域路网的交通治理方案。
可选地,所述目标地点包括:对应于目标路径的目标通勤走廊,所述目标路径由至少一段道路构成;与所述目标通勤走廊对应的目标参考优化信息包括:所述目标区域内的公共交通线网信息,所述目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型。此时,地点治理模块14具体可以用于:
针对所述至少一段道路中的任一道路,根据所述出行起止点信息确定预设通勤时间内途经所述任一道路的人口数量;
根据所述人口数量,以及所述公共交通线网信息中提供的与所述任一道路对应的公共交通部署信息,确定公共交通部署建议信息;
将所述人口数量对应的车辆数作为所述道路承载力计算模型的输入数据,通过所述道路承载力计算模型确定所述任一道路上的车辆行驶速度;
若根据所述车辆行驶速度确定所述任一道路的拥堵程度符合设定要求,则通过所述导航路径规划和旅行时间计算模型确定与所述目标通勤走廊对应的引流路径;
根据所述预设时间段内所述引流路径上对应的导航数据,确定在所述预设通勤时间内所述引流路径上的车辆行驶速度;
根据所述引流路径上的车辆行驶速度和所述道路承载力计算模型,确定能够从所述任一道路上引流到所述引流路径上的车辆数,以生成引流建议信息;
所述目标通勤走廊的交通治理方案中包括所述公共交通部署建议信息和所述引流建议信息。
可选地,所述目标地点包括:目标快速路;与所述目标快速路对应的目标参考优化信息包括:所述目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型。此时,地点治理模块14具体可以用于:
根据所述出行起止点信息,确定以目标出行起止点途经所述目标快速路的目标人口数量,其中,以其他出行起止点途经所述目标快速路的人口数量小于以目标出行起止点途经所述目标快速路的目标人口数量;
以所述目标出行起止点为导航起止点,通过所述导航路径规划和旅行时间计算模型确定与所述目标快速路对应的引流路径;
根据所述预设时间段内所述引流路径上对应的导航数据,确定所述引流路径上的车辆行驶速度;
根据所述引流路径上的车辆行驶速度和所述道路承载力计算模型,确定能够从所述目标快速路上引流到所述引流路径上的车辆数,以生成引流建议信息;
所述目标快速路的交通治理方案中包括所述引流建议信息。
可选地,所述目标地点包括:目标主次干路;与所述目标主次干路对应的目标参考优化信息包括:所述目标区域内的公共交通线网信息,所述目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型,灯控路口延迟计算模型。此时,地点治理模块14具体可以用于:
根据所述出行起止点信息,确定以目标出行起止点途经所述目标主次干路的目标人口数量,其中,以其他出行起止点途经所述目标主次干路的人口数量小于以目标出行起止点途经所述目标主次干路的目标人口数量;
根据所述目标人口数量,以及所述公共交通线网信息中提供的与所述目标主次干路对应的公共交通部署信息,确定公共交通部署建议信息;
以所述目标出行起止点为导航起止点,通过所述导航路径规划和旅行时间计算模型确定与所述目标主次干路对应的引流路径;
根据所述预设时间段内所述引流路径上对应的导航数据,确定所述引流路径上的第一车辆行驶速度;
根据所述引流路径上的第一车辆行驶速度和所述道路承载力计算模型,确定能够从所述目标主次干路上引流到所述引流路径上的车辆数以及引入所述车辆数后所述引流路径上的第二车辆行驶速度;
根据所述第二车辆行驶速度和所述灯控路口延迟计算模型确定所述引流路径上的灯控路口的延迟参数,以根据所述延迟参数、所述第二车辆行驶速度和所述车辆数生成引流建议信息;
所述目标主次干路的交通治理方案中包括所述引流建议信息和所述公共交通部署建议信息。
可选地,所述目标地点包括:目标兴趣点;与所述目标兴趣点对应的目标参考优化信息包括:所述目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,兴趣点等候时长计算模型。此时,地点治理模块14具体可以用于:
根据所述出行起止点信息,确定以目标出行起止点途经所述目标兴趣点的目标人口数量,其中,以其他出行起止点途经所述目标兴趣点的人口数量小于以目标出行起止点途经所述目标兴趣点的目标人口数量;
以所述目标出行起止点为导航起止点,通过所述导航路径规划和旅行时间计算模型确定与所述目标兴趣点对应的引流路径;
根据所述兴趣点等候时长计算模型确定不同等候时长下所述目标兴趣点对应的车辆数;
根据所述目标人口数量对应的车辆数和所述不同等候时长下所述目标兴趣点对应的车辆数,确定需要引流到所述引流路径上的车辆数,以生成引流建议信息;
所述目标兴趣点的交通治理方案中包括所述引流建议信息。
可选地,所述目标地点包括:目标灯控路口;与所述目标灯控路口对应的目标参考优化信息包括:导航路径规划和旅行时间计算模型,灯控路口延迟计算模型。此时,地点治理模块14具体可以用于:
根据所述灯控路口延迟计算模型确定不同延迟参数下所述目标灯控路口对应的车辆行驶速度;
根据所述不同延迟参数下所述目标灯控路口对应的车辆行驶速度,以及所述导航路径规划和旅行时间计算模型,确定所述不同延迟参数下通过所述目标灯控路口的旅行时间;
根据所述不同延迟参数下通过所述目标灯控路口的旅行时间,生成灯控建议信息;
所述目标灯控路口的交通治理方案中包括所述灯控建议信息。
可选地,所述装置还包括:计算模型确定模块。
可选地,所述计算模型确定模块,可以用于:获取历史时间内所述目标区域内的道路对应的历史出行数据;根据所述道路对应的历史出行数据,确定每条道路对应的承载力函数,所述承载力函数反映的是车辆数与车辆行驶速度间的对应关系;根据所述每条道路对应的承载力函数,确定适用于所述目标区域的道路承载力计算模型。
可选地,所述计算模型确定模块,还可以用于:获取历史时间内所述目标区域内的灯控路口对应的历史出行数据;根据所述灯控路口对应的历史出行数据,确定所述每个灯控路口对应的灯控路口延迟函数,所述灯控路口延迟函数反映的是车辆行驶速度与延迟参数间的对应关系;根据所述每个灯控路口对应的灯控路口延迟函数,确定适用于所述目标区域的灯控路口延迟计算模型。
可选地,所述计算模型确定模块,还可以用于:获取历史时间内所述目标区域内的兴趣点对应的历史出行数据;根据所述兴趣点对应的历史出行数据,确定所述每个兴趣点对应的等候时长函数,所述等候时长函数反映的是等候时长与车辆数间的对应关系;根据所述每个兴趣点对应的等候时长函数,确定适用于所述目标区域的兴趣点等候时长计算模型。
可选地,所述装置还包括:通勤走廊确定模块,用于根据历史时间内所述目标区域内产生的历史出行数据,确定多对出行起止点信息;根据多对出行起止点信息,确定热度符合设定要求的至少一对出行起止点信息;根据所述至少一对出行起止点信息确定所述目标区域内存在的至少一条通勤走廊。
图11所示装置可以执行前述图1至图10所示实施例中提供的交通治理方法,详细的执行过程和技术效果参见前述实施例中的描述,在此不再赘述。
在一个可能的设计中,上述图11所示用于缓解道路拥堵的交通优化装置的结构可实现为一电子设备,如图12所示,该电子设备可以包括:处理器21、存储器22。其中,存储器22上存储有可执行代码,当所述可执行代码被处理器21执行时,使处理器21至少可以实现如前述图1至图10所示实施例中提供的用于缓解道路拥堵的交通优化方法。
可选地,该电子设备中还可以包括通信接口23,用于与其他设备进行通信。
另外,本发明实施例提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器至少可以实现如前述图1至图10所示实施例中提供的用于缓解道路拥堵的交通优化方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例提供的交通治理方法可以由某种程序/软件来执行,该程序/软件可以由网络侧提供,前述实施例中提及的电子设备可以将该程序/软件下载到本地的非易失性存储介质中,并在其需要执行前述用于缓解道路拥堵的交通优化方法时,通过CPU将该程序/软件读取到内存中,进而由CPU执行该程序/软件以实现前述实施例中所提供的用于缓解道路拥堵的交通优化方法,执行过程可以参见前述图1至图10中的示意。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种用于缓解道路拥堵的交通优化方法,包括:
根据预设时间段内目标区域内产生的出行数据,确定所述目标区域内属于预设位置类型的地点对应的运行状态评价指标;其中,所述预设位置类型包括如下至少一种:区域路网、通勤走廊、快速路、主次干路、兴趣点、灯控路口;
根据所述运行状态评价指标,从所述地点中确定出相应运行状态评价指标低于设定阈值的地点作为需要被治理的目标地点;
根据所述目标地点对应的位置类型,从已建立的数据库中确定与所述目标地点对应的目标参考优化信息;其中,所述目标地点包括:区域路网;与所述区域路网对应的目标参考优化信息包括:城市交通规划标准信息和所述目标区域内的公共交通线网信息;
根据所述目标参考优化信息,生成所述目标地点的交通治理方案;
所述根据所述目标参考优化信息,生成所述目标地点的交通治理方案,包括:
根据所述区域路网对应的运行状态评价指标,所述城市交通规划标准信息中给出的参考指标,以及所述公共交通线网信息,生成所述区域路网的交通治理方案。
2.根据权利要求1所述的方法,其中,所述目标地点包括:对应于目标路径的目标通勤走廊,所述目标路径由至少一段道路构成;与所述目标通勤走廊对应的目标参考优化信息包括:所述目标区域内的公共交通线网信息,所述目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型;
所述根据所述目标参考优化信息,生成所述目标地点的交通治理方案,包括:
针对所述至少一段道路中的任一道路,根据所述出行起止点信息确定预设通勤时间内途经所述任一道路的人口数量;
根据所述人口数量,以及所述公共交通线网信息中提供的与所述任一道路对应的公共交通部署信息,确定公共交通部署建议信息;
将所述人口数量对应的车辆数作为所述道路承载力计算模型的输入数据,通过所述道路承载力计算模型确定所述任一道路上的车辆行驶速度;
若根据所述车辆行驶速度确定所述任一道路的拥堵程度符合设定要求,则通过所述导航路径规划和旅行时间计算模型确定与所述目标通勤走廊对应的引流路径;
根据所述预设时间段内所述引流路径上对应的导航数据,确定在所述预设通勤时间内所述引流路径上的车辆行驶速度;
根据所述引流路径上的车辆行驶速度和所述道路承载力计算模型,确定能够从所述任一道路上引流到所述引流路径上的车辆数,以生成引流建议信息;
所述目标通勤走廊的交通治理方案中包括所述公共交通部署建议信息和所述引流建议信息。
3.根据权利要求1所述的方法,其中,所述目标地点包括:目标快速路;与所述目标快速路对应的目标参考优化信息包括:所述目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型;
所述根据所述目标参考优化信息,生成所述目标地点的交通治理方案,包括:
根据所述出行起止点信息,确定以目标出行起止点途经所述目标快速路的目标人口数量,其中,以其他出行起止点途经所述目标快速路的人口数量小于以目标出行起止点途经所述目标快速路的目标人口数量;
以所述目标出行起止点为导航起止点,通过所述导航路径规划和旅行时间计算模型确定与所述目标快速路对应的引流路径;
根据所述预设时间段内所述引流路径上对应的导航数据,确定所述引流路径上的车辆行驶速度;
根据所述引流路径上的车辆行驶速度和所述道路承载力计算模型,确定能够从所述目标快速路上引流到所述引流路径上的车辆数,以生成引流建议信息;
所述目标快速路的交通治理方案中包括所述引流建议信息。
4.根据权利要求1所述的方法,其中,所述目标地点包括:目标主次干路;与所述目标主次干路对应的目标参考优化信息包括:所述目标区域内的公共交通线网信息,所述目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,道路承载力计算模型,灯控路口延迟计算模型;
所述根据所述目标参考优化信息,生成所述目标地点的交通治理方案,包括:
根据所述出行起止点信息,确定以目标出行起止点途经所述目标主次干路的目标人口数量,其中,以其他出行起止点途经所述目标主次干路的人口数量小于以目标出行起止点途经所述目标主次干路的目标人口数量;
根据所述目标人口数量,以及所述公共交通线网信息中提供的与所述目标主次干路对应的公共交通部署信息,确定公共交通部署建议信息;
以所述目标出行起止点为导航起止点,通过所述导航路径规划和旅行时间计算模型确定与所述目标主次干路对应的引流路径;
根据所述预设时间段内所述引流路径上对应的导航数据,确定所述引流路径上的第一车辆行驶速度;
根据所述引流路径上的第一车辆行驶速度和所述道路承载力计算模型,确定能够从所述目标主次干路上引流到所述引流路径上的车辆数以及引入所述车辆数后所述引流路径上的第二车辆行驶速度;
根据所述第二车辆行驶速度和所述灯控路口延迟计算模型确定所述引流路径上的灯控路口的延迟参数,以根据所述延迟参数、所述第二车辆行驶速度和所述车辆数生成引流建议信息;
所述目标主次干路的交通治理方案中包括所述引流建议信息和所述公共交通部署建议信息。
5.根据权利要求1所述的方法,其中,所述目标地点包括:目标兴趣点;与所述目标兴趣点对应的目标参考优化信息包括:所述目标区域内的出行起止点信息,导航路径规划和旅行时间计算模型,兴趣点等候时长计算模型;
所述根据所述目标参考优化信息,生成所述目标地点的交通治理方案,包括:
根据所述出行起止点信息,确定以目标出行起止点途经所述目标兴趣点的目标人口数量,其中,以其他出行起止点途经所述目标兴趣点的人口数量小于以目标出行起止点途经所述目标兴趣点的目标人口数量;
以所述目标出行起止点为导航起止点,通过所述导航路径规划和旅行时间计算模型确定与所述目标兴趣点对应的引流路径;
根据所述兴趣点等候时长计算模型确定不同等候时长下所述目标兴趣点对应的车辆数;
根据所述目标人口数量对应的车辆数和所述不同等候时长下所述目标兴趣点对应的车辆数,确定需要引流到所述引流路径上的车辆数,以生成引流建议信息;
所述目标兴趣点的交通治理方案中包括所述引流建议信息。
6.根据权利要求1所述的方法,其中,所述目标地点包括:目标灯控路口;与所述目标灯控路口对应的目标参考优化信息包括:导航路径规划和旅行时间计算模型,灯控路口延迟计算模型;
所述根据所述目标参考优化信息,生成所述目标地点的交通治理方案,包括:
根据所述灯控路口延迟计算模型确定不同延迟参数下所述目标灯控路口对应的车辆行驶速度;
根据所述不同延迟参数下所述目标灯控路口对应的车辆行驶速度,以及所述导航路径规划和旅行时间计算模型,确定所述不同延迟参数下通过所述目标灯控路口的旅行时间;
根据所述不同延迟参数下通过所述目标灯控路口的旅行时间,生成灯控建议信息;
所述目标灯控路口的交通治理方案中包括所述灯控建议信息。
7.根据权利要求1所述的方法,其中,所述方法还包括:
获取历史时间内所述目标区域内的道路对应的历史出行数据;
根据所述道路对应的历史出行数据,确定每条道路对应的承载力函数,所述承载力函数反映的是车辆数与车辆行驶速度间的对应关系;
根据所述每条道路对应的承载力函数,确定适用于所述目标区域的道路承载力计算模型。
8.根据权利要求1所述的方法,其中,所述方法还包括:
获取历史时间内所述目标区域内的灯控路口对应的历史出行数据;
根据所述灯控路口对应的历史出行数据,确定每个灯控路口对应的灯控路口延迟函数,所述灯控路口延迟函数反映的是车辆行驶速度与延迟参数间的对应关系;
根据所述每个灯控路口对应的灯控路口延迟函数,确定适用于所述目标区域的灯控路口延迟计算模型。
9.根据权利要求1所述的方法,其中,所述方法还包括:
获取历史时间内所述目标区域内的兴趣点对应的历史出行数据;
根据所述兴趣点对应的历史出行数据,确定每个兴趣点对应的等候时长函数,所述等候时长函数反映的是等候时长与车辆数间的对应关系;
根据所述每个兴趣点对应的等候时长函数,确定适用于所述目标区域的兴趣点等候时长计算模型。
10.根据权利要求2所述的方法,其中,所述方法还包括:
根据历史时间内所述目标区域内产生的历史出行数据,确定多对出行起止点信息;
根据多对出行起止点信息,确定热度符合设定要求的至少一对出行起止点信息;
根据所述至少一对出行起止点信息确定所述目标区域内存在的至少一条通勤走廊。
11.一种用于缓解道路拥堵的交通优化装置,包括:
指标确定模块,用于根据预设时间段内目标区域内产生的出行数据,确定所述目标区域内属于预设位置类型的地点对应的运行状态评价指标;其中,所述预设位置类型包括如下至少一种:区域路网、通勤走廊、快速路、主次干路、兴趣点、灯控路口;
地点确定模块,用于根据所述运行状态评价指标,从所述地点中确定出相应运行状态评价指标低于设定阈值的地点作为需要被治理的目标地点;
信息选择模块,用于根据所述目标地点对应的位置类型,从已建立的数据库中确定与所述目标地点对应的目标参考优化信息;其中,所述目标地点包括:区域路网;与所述区域路网对应的目标参考优化信息包括:城市交通规划标准信息和所述目标区域内的公共交通线网信息;
地点治理模块,用于根据所述目标参考优化信息,生成所述目标地点的交通治理方案;
所述地点治理模块,具体用于根据所述区域路网对应的运行状态评价指标,所述城市交通规划标准信息中给出的参考指标,以及所述公共交通线网信息,生成所述区域路网的交通治理方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110009179.7A CN112767694B (zh) | 2021-01-05 | 2021-01-05 | 用于缓解道路拥堵的交通优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110009179.7A CN112767694B (zh) | 2021-01-05 | 2021-01-05 | 用于缓解道路拥堵的交通优化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112767694A CN112767694A (zh) | 2021-05-07 |
CN112767694B true CN112767694B (zh) | 2022-06-17 |
Family
ID=75699427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110009179.7A Active CN112767694B (zh) | 2021-01-05 | 2021-01-05 | 用于缓解道路拥堵的交通优化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112767694B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298320A (zh) * | 2021-06-22 | 2021-08-24 | 招商局重庆交通科研设计院有限公司 | 城市道路低碳交通运输的优化方法 |
CN114038213B (zh) * | 2021-10-18 | 2022-12-23 | 中国联合网络通信集团有限公司 | 一种交通管控方法、装置和存储介质 |
CN116030654B (zh) * | 2023-02-13 | 2023-12-05 | ***数字城市科技有限公司 | 交通拥堵调节方法、装置、电子设备及介质 |
CN116311953B (zh) * | 2023-05-24 | 2023-08-08 | 高德软件有限公司 | 高速公路引流方法、引流展示方法、装置、设备、介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9689700B1 (en) * | 2016-03-18 | 2017-06-27 | Volkswagen Aktiengesellschaft | Apparatus, system and method for geometric linearization of navigational data |
CN110047288A (zh) * | 2019-04-24 | 2019-07-23 | 葛志凯 | 缓解道路拥堵的方法和*** |
CN111028505A (zh) * | 2019-11-28 | 2020-04-17 | 北京世纪高通科技有限公司 | 交通拥堵的治理方法及装置 |
CN111986480A (zh) * | 2020-08-24 | 2020-11-24 | 安徽科力信息产业有限责任公司 | 一种城市道路交通事件影响评价方法、***及存储介质 |
-
2021
- 2021-01-05 CN CN202110009179.7A patent/CN112767694B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9689700B1 (en) * | 2016-03-18 | 2017-06-27 | Volkswagen Aktiengesellschaft | Apparatus, system and method for geometric linearization of navigational data |
CN110047288A (zh) * | 2019-04-24 | 2019-07-23 | 葛志凯 | 缓解道路拥堵的方法和*** |
CN111028505A (zh) * | 2019-11-28 | 2020-04-17 | 北京世纪高通科技有限公司 | 交通拥堵的治理方法及装置 |
CN111986480A (zh) * | 2020-08-24 | 2020-11-24 | 安徽科力信息产业有限责任公司 | 一种城市道路交通事件影响评价方法、***及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112767694A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112767694B (zh) | 用于缓解道路拥堵的交通优化方法和装置 | |
US10354523B2 (en) | Road traffic control system, method, and electronic device | |
CN110675629B (zh) | 一种基于大数据的高速公路拥堵预测与主动防控方法 | |
US5798949A (en) | Traffic safety prediction model | |
CN109345031B (zh) | 基于交通流数据的协调干线线路规划方法及配置*** | |
CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
CN113808401B (zh) | 交通拥堵预测方法、装置、设备及存储介质 | |
CN112767683B (zh) | 一种基于反馈机制的路径诱导方法 | |
EP2587220A1 (en) | Method and device for providing an optimised route path to find a parking place in an area | |
CN110633558B (zh) | 一种城市交通***建模*** | |
CN110021161B (zh) | 一种交通流向的预测方法及*** | |
CN106056903A (zh) | 基于gps数据的道路拥塞区域的检测方法 | |
Fornalchyk et al. | Improvement of methods for assessing the effectiveness of dedicated lanes for public transport | |
Mishra et al. | Transit signal priority along a signalized arterial: A passenger-based approach | |
Chu et al. | Modeling gap choice behavior at urban expressway merging sections | |
CN114842667A (zh) | 停车导航方法、装置及网络设备 | |
Moreira-Matias et al. | An online learning framework for predicting the taxi stand's profitability | |
Murray-Tuite | Evaluation of strategies to increase transportation system resilience to congestion caused by incidents | |
Mudigonda et al. | Microscopic modeling of lane selection and lane changing at toll plazas | |
Bagherian | Network-wide analysis and design of transit priority treatments | |
Sharma et al. | Capacity analysis of Bhopal BRTS using empirical and simulation model | |
Vanderwoerd | Examining the effects of autonomous vehicle ride sharing services on fixed-route public transit | |
Chen et al. | Comprehensive evaluation of operational efficiency of intersections in arterial considering pedestrians yield rule | |
Mishra | Evaluating the Impacts of Existing Priority and Developing a Passenger Based Transit Signal Priority | |
Abret et al. | The determination of convenient junction type utilizing from estimated traffic data with AHP method |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220418 Address after: Room 715, 7th floor, No. 10, Furong street, Chaoyang District, Beijing Applicant after: BEIJING AUTONAVI YUNMAP TECHNOLOGY Co.,Ltd. Address before: Box 847, four, Grand Cayman capital, Cayman Islands, UK Applicant before: ALIBABA GROUP HOLDING Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |