CN113066286B - 一种车路协同路网车辆运行风险路段判定方法和装置 - Google Patents
一种车路协同路网车辆运行风险路段判定方法和装置 Download PDFInfo
- Publication number
- CN113066286B CN113066286B CN202110290602.5A CN202110290602A CN113066286B CN 113066286 B CN113066286 B CN 113066286B CN 202110290602 A CN202110290602 A CN 202110290602A CN 113066286 B CN113066286 B CN 113066286B
- Authority
- CN
- China
- Prior art keywords
- road
- time
- vehicle
- vehicles
- section
- 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
-
- 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
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车路协同路网车辆运行风险路段判定方法和装置,根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间;根据所述各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间计算得到路段车辆全时段运行时间标准差;根据路段车辆全时段运行时间标准差,结合路段长度,计算车路协同路网各路段车辆时空运行风险度;根据所述风险度排序结果得到车路协同路网车辆运行风险路段。本发明可准确快速地判定车路协同路网车辆时空可靠运行风险路段,从而有助于提升车路协同环境下城市路网的运行效率。
Description
技术领域
本发明涉及一种路网车辆运行风险路段判定方法,特别是涉及一种考虑车路协同的路网车辆运行风险路段判定方法和装置,属于城市智能化交通管理与控制技术领域。
背景技术
伴随着城市交通的发展,人们对交通网络***的要求日益提高。路网运行不可靠将降低交通网络***的运行效率,降低交通流预测的精度,影响交通网络资源的调配。如何提高路网运行可靠性首先需要找出路网车辆运行的风险路段。由于城市路网中的交通流具有时间动态性和空间相关性,因此研究路网车辆运行的风险将考虑时间和空间两个方面。
现有技术中获取的交通特征数据精度不高,判定城市路网运行风险路段的准确度也不高,因此有必要提高风险路段的识别精度。
发明内容
本发明的主要目的在于,克服现有技术中的不足,提供一种车路协同路网车辆运行风险路段判定方法和装置,解决了城市路网运行风险路段判定准确度不高的问题。
为了达到上述目的,本发明所采用的技术方案是:一种车路协同路网车辆运行风险路段判定方法,包括步骤:
根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间;
根据所述各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间计算得到路段车辆全时段运行时间标准差;
根据路段车辆全时段运行时间标准差,结合路段长度,计算车路协同路网各路段车辆时空运行风险度;
根据所述风险度排序结果得到车路协同路网车辆运行风险路段。
进一步的,根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间,包括:
其中,分别表示第w周第d天第y个时段内路段k的第r个车道的第i辆未换道车辆运行时间、路段k的停站公交车线路g的第h辆公交车的停站时间;分别表示第w周第d天第y个时段路段k的第r个车道未换道车辆数、路段公交车线路g的公交车流量;H为星期d的第y个时段在路段k的停站公交车线路g的公交车辆数;Rk是路段k的车道总数;I为星期d的第y个时段在路段k的第r个车道上所有未换道的车辆数。
进一步的,计算得到路段车辆全时段运行时间标准差,方法包括:
根据采集的第W周车路协同路网运行特征数据计算路段各车道不换道车辆、换道车辆、公交车辆、所有车辆在某时段内运行时间标准差,计算路段车辆全时段运行时间标准差。
进一步的,路段各车道不换道车辆在某时段内运行时间标准差为:
路段各车道换道车辆在某时段内运行时间标准差为:
路段各车道公交车辆在某时段内运行时间标准差为:
路段各车道所有车辆在某时段内运行时间标准差为:
表示第W周第d天第y个时段路段k的第r个车道路段换道车辆数,表示第w周第d天第y个时段内路段k的停站公交车线路g的第h辆公交车的行程时间;为第W周第d天第y个时段路段k的路段公交车线路g的公交车流量;
路段k的所有车辆全时段运行时间标准差为:
其中,Y为时段总数,Gk为路段k的线路总数。
进一步的,车路协同路网各路段车辆时空运行风险度为:
lk为路段k的长度。
另一方面,一种车路协同路网车辆运行风险路段判定装置,包括:
时间标准差计算模块,用于根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间;再计算得到路段车辆全时段运行时间标准差;
风险度计算模块,用于根据路段车辆全时段运行时间标准差,结合路段长度,计算车路协同路网各路段车辆时空运行风险度;
风险路段判定模块,用于根据所述风险度排序结果得到车路协同路网车辆运行风险路段。
进一步的,根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间,包括:
其中,分别表示第w周第d天第y个时段内路段k的第r个车道的第i辆未换道车辆运行时间、路段k的停站公交车线路g的第h辆公交车的停站时间;分别表示第w周第d天第y个时段路段k的第r个车道未换道车辆数、路段公交车线路g的公交车流量;H为星期d的第y个时段在路段k的停站公交车线路g的公交车辆数;Rk是路段k的车道总数;I为星期d的第y个时段在路段k的第r个车道上所有未换道的车辆数;
进一步的,计算得到路段车辆全时段运行时间标准差,方法包括:
根据采集的第W周车路协同路网运行特征数据计算路段各车道不换道车辆、换道车辆、公交车辆、所有车辆在某时段内运行时间标准差,计算路段车辆全时段运行时间标准差。
进一步的,路段各车道不换道车辆在某时段内运行时间标准差为:
路段各车道换道车辆在某时段内运行时间标准差为:
路段各车道公交车辆在某时段内运行时间标准差为:
路段各车道所有车辆在某时段内运行时间标准差为:
为星期d第y个时段内路段k的所有车辆的路段运行时间标准差;表示第W周第d天第y个时段路段k的第r个车道路段换道车辆数,表示第w周第d天第y个时段内路段k的停站公交车线路g的第h辆公交车的行程时间;为第W周第d天第y个时段路段k的路段公交车线路g的公交车流量;
路段k的所有车辆全时段运行时间标准差为:
其中,Y为时段总数,Gk为路段k的线路总数。
进一步的,车路协同路网各路段车辆时空运行风险度为:
lk为路段k的长度。
本发明的有益效果:本发明在车路协同环境下获取了海量的交通特征时空数据,可以分析车路协同环境下路网车辆的运行规律,考虑时空运行的影响研究不同的车流特征,并在此基础上判定城市路网车运行风险路段,从而提高了判定城市路网车辆时空可靠运行风险路段的准确度,并可以对路网车辆时空可靠运行风险路段进行优化,有助于提高路网可靠性。
附图说明
图1是本发明实施例的方法流程图;
图2是本发明实施例中车路协同路网的路段划分图;
图3是本发明实施例的车路协同路网车辆时空可靠运行分析路段图。
具体实施方式
下面结合说明书附图,对本发明作进一步的说明。
实施例1:
本发明提供一种车路协同路网车辆运行风险路段判定方法,如图1所示,包括以下步骤:
步骤1,划分车路协同路网车辆运行分析路段;
以路网中各道路交叉口作为边界、并将道路运行方向分开,将路网划分成若干路段;
具体为:
如图2所示,以路网中各道路交叉口作为边界、并将道路运行方向分开,把路网划分成1,2,3,…,K个路段,各路段可能包括施工区、公交停靠站等道路几何场景。
步骤2,构建车路协同路网运行特征数据集;
车路协同路网运行特征数据集,包括各路段长度、车道数、公交线路数、车流量、运行时间等特征,需连续采集W周数据(一般取不小于4的整数);
具体为,
构建车路协同路网运行特征数据集Dnet={Dl(1),Dl(2),…Dl(k),},各路段的运行特征数据集Dl(k)={lk,Rk,Gk,Qk,Tk},式中,lk、Rk、Gk分别表示第k个路段的道路长度、车道数量和经停的公交线路数;路段k的各类车流量特征数据集式中分别表示第w周第d天(星期d)第y个时段路段k的第r个车道未换道车辆数、路段换道车辆数、路段公交车线路g的公交车流量,需要统计.周(一般取不小于4的整数)的数据,d为1至7的整数,分别代表星期一至星期日,每天(24小时)分为Y个时段,各时段间隔一般取0.25至1小时;路段k的车辆运行时间数据集式中分别表示第w周第d天(星期d)第y个时段内路段k的第r个车道的第i辆未换道车辆运行时间、路段k的第j辆换道车辆的行程时间、路段k的停站公交车线路g的第h辆公交车的行程时间和停站时间。
步骤3,根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间;
根据采集的前(W-1)周数据计算车路协同路网各路段车辆平均运行时间、公交车辆在停靠站的平均停靠时间;
具体为,
3-1)计算路段车辆平均通行时间;
其中,I为星期d的第y个时段在路段k的第r个车道上所有未换道的车辆数,i∈I;
Rk是某路段的车道总数;
3-2)计算不同线路公交车辆在停靠站的平均停靠时间;
其中,H为星期d的第y个时段在路段k的停站公交车线路g的公交车辆数,h∈H;
步骤4,根据采集的车路协同路网运行特征数据得到路段车辆全时段运行时间标准差,反映路段车辆时空可靠运行特征;
根据采集的第W周数据计算路段各车道不换道车辆、换道车辆、公交车辆、所有车辆在某特定时段内运行时间标准差,并计算路段车辆全时段运行时间标准差,反映路段车辆时空可靠运行特征;
具体为,
4-1)根据车路协同路网运行特征数据得到路段各车道不换道车辆某特定时段运行时间标准差;
4-2)根据车路协同路网运行特征数据得到路段换道车辆某特定时段运行时间标准差;
其中,J为星期d的第y个时段在路段k的换道车辆数,j∈J;
4-3)根据车路协同路网运行特征数据得到路段公交车辆某时段运行时间标准差;
4-4)根据路段各车道不换道车辆、换道车辆、公交车辆某时段运行时间标准差得到路段所有车辆某时段的运行时间标准差;
4-5)根据路段所有车辆某特定时段的运行时间标准差得到路段车辆全时段运行时间标准差;
由于每星期中的不同天、每天中不同时段的车辆运行特征均不同,故需要综合考虑这些时间因素影响,并利用一周时间内路段k的所有车辆的路段运行时间标准差δk来反映其在全时段的时空可靠运行特征,
步骤5,根据路段车辆全时段运行时间标准差,结合路段长度,计算车路协同路网各路段车辆时空运行风险度;
车路协同路网各路段车辆时空运行风险度Ek为:
步骤6,根据车路协同路网各路段车辆时空运行风险度排序结果判断得到车路协同路网车辆运行风险路段。
将车路协同路网各路段车辆时空运行风险度从大到小排序,前α%(一般取10-20%)的路段即为路网车辆运行风险路段;
具体为,
根据车路协同路网各路段车辆时空运行风险度Ek,将其从大到小排序,前α%(一般取10-20%)的路段即为路网车辆运行风险路段,从而可以对路网车辆运行风险路段进行优化,有助于提高路网可靠性。
针对风险路段,可对其交通管控措施(诸如优化交叉口信号配时方案、调整道路车道设置方案、加强道路智能化改造等)来降低其运行风险度,从而提高道路交通运行效率。
实施例2:
一种车路协同路网车辆运行风险路段判定装置,包括:
时间标准差计算模块,用于根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间;再计算得到路段车辆全时段运行时间标准差;
风险度计算模块,用于根据路段车辆全时段运行时间标准差,结合路段长度,计算车路协同路网各路段车辆时空运行风险度;
风险路段判定模块,用于根据所述风险度排序结果得到车路协同路网车辆运行风险路段。
进一步的,根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间,包括:
其中,分别表示第w周第d天第y个时段内路段k的第r个车道的第i辆未换道车辆运行时间、路段k的停站公交车线路g的第h辆公交车的停站时间;分别表示第w周第d天第y个时段路段k的第r个车道未换道车辆数、路段公交车线路g的公交车流量;H为星期d的第y个时段在路段k的停站公交车线路g的公交车辆数;Rk是路段k的车道总数;I为星期d的第y个时段在路段k的第r个车道上所有未换道的车辆数;
计算得到路段车辆全时段运行时间标准差,方法包括:
根据采集的第W周车路协同路网运行特征数据计算路段各车道不换道车辆、换道车辆、公交车辆、所有车辆在某时段内运行时间标准差,计算路段车辆全时段运行时间标准差。
进一步的,路段各车道不换道车辆在某时段内运行时间标准差为:
路段各车道换道车辆在某时段内运行时间标准差为:
路段各车道公交车辆在某时段内运行时间标准差为:
路段各车道所有车辆在某时段内运行时间标准差为:
表示第W周第d天第y个时段路段k的第r个车道路段换道车辆数,表示第w周第d天第y个时段内路段k的停站公交车线路g的第h辆公交车的行程时间;为第W周第d天第y个时段路段k的路段公交车线路g的公交车流量;
路段k的所有车辆全时段运行时间标准差为:
其中,Y为时段总数,Gk为路段k的线路总数。
进一步的,车路协同路网各路段车辆时空运行风险度为:
lk为路段k的长度。
实施例3:
一种车路协同路网车辆运行风险路段判定方法,包括:
S1:划分车路协同路网车路时空可靠运行分析路段。
S11:结合图3所示,以路网中各道路交叉口作为边界、并将道路运行方向分开,把路网划分成12个路段,各路段包括公交停靠站、施工区域道路几何场景,路网均为双向四车道,路段公交线路数:B1,B2路段有0条,路段A1,A2,C1,C2,E1,E2均有1条,路段D1,D2,F1,F2均有2条公交线路。
S2:构建车路协同路网运行特征数据集。
借助实地调研,调查取2020年11月2日至2020年11月29日一共4周,从周一到周日(2020年11月2日-2020年11月8日、2020年11月9日-2020年11月15日、2020年11月16日-2020年11月2日、2020年11月23日-2020年11月29日)的数据。各时段间隔取1小时,每天(24小时)分为24个时段。路段的长度与车道数量以及经停的公交线路数如表1所示,路段的各类车流量特征数据如表2所示(列举部分数据),路段的车辆运行时间数据如表3所示(列举部分数据)、路段的公交车辆运行与停站时间数据表如表4所示(列举部分数据)。
表1路段的长度与车道数量以及经停的公交线路数表
路段编号 | 路段长度/m | 路段车道数/个 | 公交线路数/条 |
A1 | 600 | 2 | 1 |
A2 | 590 | 2 | 1 |
B1 | 830 | 2 | 0 |
B2 | 800 | 2 | 0 |
C1 | 700 | 2 | 1 |
C2 | 720 | 2 | 1 |
D1 | 680 | 2 | 2 |
D2 | 680 | 2 | 2 |
E1 | 545 | 2 | 1 |
E2 | 540 | 2 | 1 |
F1 | 650 | 2 | 2 |
F2 | 650 | 2 | 2 |
表2路段的各类车流量特征数据表
表3路段的车辆运行时间数据表
表4路段的公交车辆运行与停站时间数据表
S3:计算车路协同路网各路段车辆平均运行时间。
S31:将统计的4周数据的前3周数据(2020年11月2日-2020年11月8日、2020年11月9日-2020年11月15日、2020年11月16日-2020年11月2日)用来计算车路协同路网各路段车辆平均运行时间。结合S2构建的车路协同路网运行特征数据集,得到星期一至星期日每个时段车辆在每个路段的各个车道上的平均运行时间,再得到星期一至星期日每个时段车辆在各个路段上运行的平均通行时间如表5所示(列举部分数据)。
S32:将统计的4周数据的前3周数据(2020年11月2日-2020年11月8日、2020年11月9日-2020年11月15日、2020年11月16日-2020年11月2日)用来计算车路协同路网各路段公交车辆在停靠站的平均停靠时间。结合S2构建的车路协同路网运行特征数据集,得到星期一至星期日每个时段在每个路段上运行的各条线路的公交车辆在停靠站的平均停站时间如表5所示(列举部分数据)。
表5路段车辆平均运行时间及路段各线路公交车辆平均停站时间
S4:分析路段车辆时空可靠运行特征。利用统计的共4周数据中第4周(2020年11月23日-2020年11月29日)数据计算路段各车道不换道车辆、换道车辆、公交车辆、所有车辆在特定时段内运行时间标准差,并计算路段车辆全时段运行时间标准差,从而分析路段车辆时空可靠运行特征。
S41:对于不同路段不同车道的不换道车辆,其在不同时段内的运行特征存在差异,故利用星期一至星期日每个时段内每个路段的各个车道不换道车辆的路段运行时间标准差来反映其在特定时段的时空可靠运行特征,结合S3的数据,得到如表6所示(列举部分数据)。
S42:对于不同路段的换道车辆,其在不同时段内的运行特征存在差异,故利用星期一至星期日每个时段内各路段的换道车辆的路段运行时间标准差来反映其在特定时段的时空可靠运行特征,结合S3的数据,得到如表6所示(列举部分数据)。
S43:对于不同路段不同线路的公交车辆,其在不同时段内的运行特征存在差异,故利用星期一至星期日每个时段内每个路段的各条线路的公交车辆的路段运行时间标准差来反映其在特定时段的时空可靠运行特征,结合S3的数据,得到如表6所示(列举部分数据)。
表6路段各类车辆在特定时段内的运行时间标准差
S44:由于路段中不同类型车辆占比存在差异,故将综合考虑各类型车辆在路段中的占比,利用星期一至星期日每个时段内各个路段的所有车辆的路段运行时间标准差来反映其在特定时段的时空可靠运行特征,如表7所示(列举部分数据)。
表7路段所有车辆在特定时段内的运行时间标准差
S45:由于每星期中的不同天、每天中不同时段的车辆运行特征均不同,故需要综合考虑这些时间因素影响,并利用一周时间内各个路段的所有车辆的路段运行时间标准差来反映其在全时段的时空可靠运行特征,如表8所示。
表8路段全时段运行时间标准差
路段编号 | 路段运行时间标准差/s |
A1 | 95 |
A2 | 103 |
B1 | 126 |
B2 | 95 |
C1 | 66 |
C2 | 95 |
D1 | 123 |
D2 | 115 |
E1 | 142 |
E2 | 120 |
F1 | 160 |
F2 | 123 |
S5:量化各路段车辆时空可靠运行程度。
根据S45得到的路段车辆全时段运行时间标准差,结合路段长度,计算车路协同路网各路段车辆时空运行风险度,如表9所示。
表9车路协同路网各路段车辆时空运行风险度
S6:判定车路协同路网车辆运行风险路段。
根据S5得到的车路协同路网各路段车辆时空运行风险度,将其从大到小排序,如表10所示。
表10车路协同路网各路段车辆时空运行风险度排序结果
路段编号 | 时空运行风险度(s/m) |
E1 | 0.26 |
F1 | 0.25 |
E2 | 0.22 |
F2 | 0.19 |
D1 | 0.18 |
A2 | 0.17 |
D2 | 0.17 |
A1 | 0.16 |
B1 | 0.15 |
C2 | 0.13 |
B2 | 0.12 |
C1 | 0.09 |
取前10%的路段,则E1即为路网车辆运行风险路段。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请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。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (2)
1.一种车路协同路网车辆运行风险路段判定方法,其特征在于,包括步骤:
根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间;
根据所述各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间计算得到路段车辆全时段运行时间标准差;
根据路段车辆全时段运行时间标准差,结合路段长度,计算车路协同路网各路段车辆时空运行风险度;
根据所述风险度排序结果得到车路协同路网车辆运行风险路段;
根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间,包括:
其中,分别表示第w周第d天第y个时段内路段k的第r个车道的第i辆未换道车辆运行时间、路段k的停站公交车线路g的第h辆公交车的停站时间;分别表示第w周第d天第y个时段路段k的第r个车道未换道车辆数、路段公交车线路g的公交车流量;H为星期d的第y个时段在路段k的停站公交车线路g的公交车辆数;Rk是路段k的车道总数;I为星期d的第y个时段在路段k的第r个车道上所有未换道的车辆数;
计算得到路段车辆全时段运行时间标准差,方法包括:
根据采集的第W周车路协同路网运行特征数据计算路段各车道不换道车辆、换道车辆、公交车辆、所有车辆在某时段内运行时间标准差,计算路段车辆全时段运行时间标准差;
路段各车道不换道车辆在某时段内运行时间标准差为:
路段各车道换道车辆在某时段内运行时间标准差为:
路段各车道公交车辆在某时段内运行时间标准差为:
路段各车道所有车辆在某时段内运行时间标准差为:
表示第W周第d天第y个时段路段k的第r个车道路段换道车辆数,表示第w周第d天第y个时段内路段k的停站公交车线路g的第h辆公交车的行程时间;为第W周第d天第y个时段路段k的路段公交车线路g的公交车流量;
路段k的所有车辆全时段运行时间标准差为:
其中,Y为时段总数,Gk为路段k的线路总数;
车路协同路网各路段车辆时空运行风险度为:
lk为路段k的长度。
2.一种车路协同路网车辆运行风险路段判定装置,其特征在于:包括:
时间标准差计算模块,用于根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间;再计算得到路段车辆全时段运行时间标准差;
风险度计算模块,用于根据路段车辆全时段运行时间标准差,结合路段长度,计算车路协同路网各路段车辆时空运行风险度;
风险路段判定模块,用于根据所述风险度排序结果得到车路协同路网车辆运行风险路段;
根据采集的车路协同路网运行特征数据计算车路协同路网各路段车辆平均运行时间和公交车辆在停靠站的平均停靠时间,包括:
其中,分别表示第w周第d天第y个时段内路段k的第r个车道的第i辆未换道车辆运行时间、路段k的停站公交车线路g的第h辆公交车的停站时间;分别表示第w周第d天第y个时段路段k的第r个车道未换道车辆数、路段公交车线路g的公交车流量;H为星期d的第y个时段在路段k的停站公交车线路g的公交车辆数;Rk是路段k的车道总数;I为星期d的第y个时段在路段k的第r个车道上所有未换道的车辆数;
计算得到路段车辆全时段运行时间标准差,方法包括:
根据采集的第W周车路协同路网运行特征数据计算路段各车道不换道车辆、换道车辆、公交车辆、所有车辆在某时段内运行时间标准差,计算路段车辆全时段运行时间标准差;
路段各车道不换道车辆在某时段内运行时间标准差为:
路段各车道换道车辆在某时段内运行时间标准差为:
路段各车道公交车辆在某时段内运行时间标准差为:
路段各车道所有车辆在某时段内运行时间标准差为:
表示第W周第d天第y个时段路段k的第r个车道路段换道车辆数,表示第w周第d天第y个时段内路段k的停站公交车线路g的第h辆公交车的行程时间;为第W周第d天第y个时段路段k的路段公交车线路g的公交车流量;
路段k的所有车辆全时段运行时间标准差为:
其中,Y为时段总数,Gk为路段k的线路总数;
车路协同路网各路段车辆时空运行风险度为:
lk为路段k的长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110290602.5A CN113066286B (zh) | 2021-03-18 | 2021-03-18 | 一种车路协同路网车辆运行风险路段判定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110290602.5A CN113066286B (zh) | 2021-03-18 | 2021-03-18 | 一种车路协同路网车辆运行风险路段判定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113066286A CN113066286A (zh) | 2021-07-02 |
CN113066286B true CN113066286B (zh) | 2022-05-20 |
Family
ID=76561701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110290602.5A Active CN113066286B (zh) | 2021-03-18 | 2021-03-18 | 一种车路协同路网车辆运行风险路段判定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113066286B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114023067B (zh) * | 2021-11-08 | 2022-09-16 | 河海大学 | 一种车联网环境稳健性导向的道路行程时间预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105006147A (zh) * | 2015-06-19 | 2015-10-28 | 武汉大学 | 一种基于道路时空关联关系的路段行程时间推断方法 |
CN105608895A (zh) * | 2016-03-04 | 2016-05-25 | 大连理工大学 | 一种基于局部异常因子的城市交通拥堵路段检测方法 |
US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
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 |
CN111292535A (zh) * | 2020-02-19 | 2020-06-16 | 河海大学 | 车路协同环境下面向乘客出行的路网交通状态评价方法 |
-
2021
- 2021-03-18 CN CN202110290602.5A patent/CN113066286B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105006147A (zh) * | 2015-06-19 | 2015-10-28 | 武汉大学 | 一种基于道路时空关联关系的路段行程时间推断方法 |
CN105608895A (zh) * | 2016-03-04 | 2016-05-25 | 大连理工大学 | 一种基于局部异常因子的城市交通拥堵路段检测方法 |
US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
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 |
CN111292535A (zh) * | 2020-02-19 | 2020-06-16 | 河海大学 | 车路协同环境下面向乘客出行的路网交通状态评价方法 |
Non-Patent Citations (1)
Title |
---|
基于速度的城市快速路交通拥堵预测研究;邢珊珊 等;《交通信息与安全》;20160428;第34卷(第2期);1-9 * |
Also Published As
Publication number | Publication date |
---|---|
CN113066286A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
CN108847042B (zh) | 一种路况信息发布方法及装置 | |
CN102855760B (zh) | 基于浮动车数据的在线排队长度检测方法 | |
CN108053661B (zh) | 一种交通控制的方法及装置 | |
CN108389406B (zh) | 信号控制时段自动划分方法 | |
CN107025788B (zh) | 一种旅行时间预测方法及装置 | |
CN105825669A (zh) | 一种识别城市快速路交通瓶颈的***和方法 | |
CN111680377A (zh) | 一种交通态势仿真方法、***和电子设备 | |
CN106920402A (zh) | 一种基于交通流量的时间序列划分方法与*** | |
CN102368355A (zh) | 快速更新交通数据的方法和*** | |
CN111341095A (zh) | 一种基于边缘侧在线计算的交通信号控制***及方法 | |
CN106504548A (zh) | 交通灯智能控制方法及*** | |
CN105608889A (zh) | 一种车辆停留分析方法 | |
CN111199247A (zh) | 一种公交运行仿真方法 | |
CN113066286B (zh) | 一种车路协同路网车辆运行风险路段判定方法和装置 | |
Rashidi et al. | Using automatic vehicle location data to model and identify determinants of bus bunching | |
CN110021161B (zh) | 一种交通流向的预测方法及*** | |
CN111192457A (zh) | 一种城市级整体的交通信号控制的方法及装置 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN113763728B (zh) | 一种交通组织及信号配时协同优化方法、装置及设备 | |
CN106683406B (zh) | 一种基于公交车载gps数据的公交专用道通行瓶颈检测方法 | |
CN109272760B (zh) | 一种scats***检测器数据异常值的在线检测方法 | |
CN105118310A (zh) | 一种基于视频的单点自优化信号控制方法及装置 | |
CN111292535A (zh) | 车路协同环境下面向乘客出行的路网交通状态评价方法 | |
CN115631082A (zh) | 一种基于高速路网拓扑结构的多场景路径还原方法 |
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 |