CN114913682B - 高速公路资源配置方法、装置、计算机设备和存储介质 - Google Patents
高速公路资源配置方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114913682B CN114913682B CN202210242901.6A CN202210242901A CN114913682B CN 114913682 B CN114913682 B CN 114913682B CN 202210242901 A CN202210242901 A CN 202210242901A CN 114913682 B CN114913682 B CN 114913682B
- Authority
- CN
- China
- Prior art keywords
- detection
- distance
- expressway
- highway
- determining
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- 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
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种高速公路资源配置方法、装置、计算机设备和存储介质。所述方法包括:根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定高速公路的压缩波波速;第一检测位置位于高速公路的上游位置;根据压缩波波速和预设的第一响应时间,确定第一检测位置与高速公路上事故发生位置之间的第一检测距离;确定高速公路的第二检测位置与事故发生位置之间的第二检测距离;第二检测位置位于高速公路的下游位置;根据第一检测距离和第二检测距离,对高速公路进行资源配置。采用本方法能够合理设置检测设备的布设间距,确保在自由流情境下检测设备能够及时检测到高速公路上的交通事故。
Description
技术领域
本申请涉及智能交通技术领域,特别是涉及一种高速公路资源配置方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着高速公路里程的增长和机动车流量的不断增大,交通事故的发生频率逐渐增高,对交通事故进行及时检测和处理,可以提高交通道路的运营效率。
现有技术中,利用部署在高速公路上的检测设备来监控交通事故,例如,智能监控器,检测设备的布设间距通过人工进行配置。在自由流情境下,高速公路上的车流处于低密度状态,人工配置时通常会在自由流概率较大的道路设置较大的布设间距。然而,当检测设备的布设间距过大时,可能会无法及时检测到交通事故,容易导致交通道路运营效率下降。
因此,目前高速公路上的检测设备部署存在交通事故检测不及时的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够及时检测交通事故的高速公路资源配置方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种高速公路资源配置方法。所述方法包括:
根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置;
根据所述压缩波波速和预设的第一响应时间,确定所述第一检测位置与所述高速公路上事故发生位置之间的第一检测距离;
确定所述高速公路的第二检测位置与所述事故发生位置之间的第二检测距离;所述第二检测位置位于所述高速公路的下游位置;
根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置。
在其中一个实施例中,所述根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置,包括:
将所述第一检测距离与所述第二检测距离之中的最小值,作为目标检测距离;
将所述目标检测距离与预设系数进行相乘,得到所述高速公路上的检测设备的第一部署距离;
根据所述检测设备的第一部署距离,对所述高速公路上的检测设备进行配置。
在其中一个实施例中,所述根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置,还包括:
对所述第一检测距离和所述第二检测距离进行求和,得到所述检测设备的第二部署距离;
根据所述检测设备的第二部署距离,对所述高速公路上的检测设备进行配置。
在其中一个实施例中,所述根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置,还包括:
获取所述检测设备的部署距离阈值;
在所述检测设备的第一部署距离或第二部署距离超过所述部署距离阈值的情况下,根据所述部署距离阈值,对所述高速公路上的检测设备进行配置。
在其中一个实施例中,在根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速的步骤之前,还包括:
确定所述高速公路上交通流的密度状态;
所述根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速,包括:
在所述密度状态为低密度状态的情况下,根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速。
在其中一个实施例中,所述确定所述高速公路上交通流的密度状态,包括:
获取所述高速公路上的目标路段;
确定所述目标路段的第一检测位置与第二检测位置之间占有率的绝对差值、所述目标路段的第一检测位置与第二检测位置之间占有率的第一相对差值、所述目标路段的第二检测位置占有率的第二相对差值;
在所述绝对差值小于第一阈值、所述第一相对差值小于第二阈值以及所述第二相对差值小于第三阈值的情况下,确定所述高速公路的密度状态为所述低密度状态。
第二方面,本申请还提供了一种高速公路资源配置装置。所述装置包括:
压缩波波速模块,用于根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置;
第一距离模块,用于根据所述压缩波波速和预设的第一响应时间,确定所述第一检测位置与所述高速公路上事故发生位置之间的第一检测距离;
第二距离模块,用于确定所述高速公路的第二检测位置与所述事故发生位置之间的第二检测距离;所述第二检测位置位于所述高速公路的下游位置;
资源配置模块,用于根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置;
根据所述压缩波波速和预设的第一响应时间,确定所述第一检测位置与所述高速公路上事故发生位置之间的第一检测距离;
确定所述高速公路的第二检测位置与所述事故发生位置之间的第二检测距离;所述第二检测位置位于所述高速公路的下游位置;
根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置;
根据所述压缩波波速和预设的第一响应时间,确定所述第一检测位置与所述高速公路上事故发生位置之间的第一检测距离;
确定所述高速公路的第二检测位置与所述事故发生位置之间的第二检测距离;所述第二检测位置位于所述高速公路的下游位置;
根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置;
根据所述压缩波波速和预设的第一响应时间,确定所述第一检测位置与所述高速公路上事故发生位置之间的第一检测距离;
确定所述高速公路的第二检测位置与所述事故发生位置之间的第二检测距离;所述第二检测位置位于所述高速公路的下游位置;
根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置。
上述高速公路资源配置方法、装置、计算机设备、存储介质和计算机程序产品,通过根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定高速公路的压缩波波速,根据压缩波波速和预设的第一响应时间,确定第一检测位置与所述高速公路上事故发生位置之间的第一检测距离,可以在高速公路上游,确定检测设备与交通事故处的距离,该检测设备能够在响应时间内及时检测到交通事故;确定高速公路的第二检测位置与事故发生位置之间的第二检测距离,可以在高速公路下游,确定检测设备与交通事故处的距离,该检测设备同样能够在响应时间内及时检测到交通事故;根据第一检测距离和第二检测距离,对高速公路进行资源配置,可以准确确定上游和下游检测设备与交通事故处的距离,根据该距离合理设置检测设备的布设间距,确保在自由流情境下检测设备能够及时检测到高速公路上的交通事故。
附图说明
图1为一个实施例中高速公路资源配置方法的流程示意图;
图2为一个实施例中高速公路检测设备部署的示意图;
图3为另一个实施例中高速公路资源配置方法的流程示意图;
图4为一个实施例中高速公路资源配置装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的高速公路资源配置方法,可以应用于终端或服务器。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图1所示,提供了一种高速公路资源配置方法,以该方法应用于服务器为例进行说明,包括以下步骤:
步骤S110,根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定高速公路的压缩波波速;第一检测位置位于高速公路的上游位置。
其中,车流密度目标值可以为最佳车流密度。
其中,车辆自由行驶速度可以为车辆在高速公路上自由行驶时的速度。
其中,第一检测位置可以为高速公路上交通事故发生位置上游的位置。
具体实现中,可以在高速公路的第一检测位置布设第一检测器,通过第一检测器采集第一检测位置的车流密度和交通流量,检测器可以将采集到的车流密度和交通流量发送至服务器,服务器将接收到的第一检测位置的车流密度输入预设的压缩波波速模型,并根据服务器中预先存储的车流密度目标值和车辆自由行驶速度,通过压缩波波速模型得到压缩波波速。
例如,可以假设高速公路车辆呈均匀分布,当发生交通事故时,交通速度会随之下降,从而造成交通流阻塞,形成交通瓶颈。根据交通流理论,交通流阻塞会导致压缩波的产生,并沿交通流方向向后传播。图2提供了一个高速公路检测设备部署的示意图。根据图2,可以在高速公路上游布设检测器A,在高速公路下游布设检测器B,检测器A和B之间的C点为交通事故发生点,D为发生事故前通过C点的最后一辆车。假设检测器A处的断面为断面A,检测器B处的断面为断面B,当C点发生交通事故时,C点下游的交通流不受影响,车辆仍按原速度进行行驶,在D通过检测器B后,断面B处的交通流产生异常情况,假设检测器B检测到异常情况的时刻为t1时刻,此时检测器B采集断面B处的车流密度和交通流量;在C点上游,则出现压缩波,依次传播到检测器A,假设检测器A检测到交通流异常的时刻为t2时刻,此时检测器A采集断面A处的车流密度和交通流量。
压缩波波速VW的计算公式可以为
其中,k1,k2分别为断面A、B的车流密度(单位:辆/km),q1,q2分别为断面A、B的交通流量(单位:辆/h)。
在自由流场景下,交通量不大,交通流密度处于低密度状态,根据交通流理论,交通流运行速度和车流密度可以满足以下关系
因此可以得到压缩波波速为
其中,k1为高速公路断面B处的车流密度,km为高速公路上的最佳车流密度,vf为车辆自由行驶速度。服务器可以预先存储km和vf,检测器A可以将采集到的车流密度k1发送给服务器,服务器在接收到k1后,将k1、km、vf代入压缩波波速计算公式,得到压缩波波速。
步骤S120,根据压缩波波速和预设的第一响应时间,确定第一检测位置与高速公路上事故发生位置之间的第一检测距离。
其中,第一响应时间可以为压缩波由事故发生位置传播到第一检测器的时间。
具体实现中,服务器可以获取到交通事故发生的时刻,以及交通事故所导致的波动传播到第一检测器的时刻,将波动传播到第一检测器的时刻与交通事故发生时刻之间的差值作为第一响应时间,服务器还可以将压缩波波速与第一响应时间进行相乘,得到第一检测位置与高速公路上事故发生位置之间的第一检测距离。
例如,设交通事故发生时刻为t0,交通事故所导致的波动传播到上游检测器A的时刻为t1,可以得到第一响应时间为t1-t0,由于压缩波波速为VW,可以得到检测器A与交通事故发生点C之间的第一检测距离X1为
X1=Vw×(t1-t0)。
步骤S130,确定高速公路的第二检测位置与事故发生位置之间的第二检测距离;第二检测位置位于高速公路的下游位置。
其中,第二检测位置可以为高速公路上交通事故发生位置下游的位置。
具体实现中,服务器可以获取到交通事故发生的时刻,以及交通事故所导致的波动传播到第二检测器的时刻,将波动传播到第二检测器的时刻与交通事故发生时刻之间的差值作为第二响应时间,服务器还可以将高速公路上车辆的自由行驶速度与第二响应时间进行相乘,得到第二检测距离。
例如,设交通事故发生时刻为t0,交通事故所导致的波动传播到下游检测器B的时刻为t2,可以得到第二响应时间为t2-t0,设高速公路上车辆的自由行驶速度为Vf,可以得到检测器B与交通事故发生点C之间的第二检测距离X2为
X2=Vf×(t2-t0)。
步骤S140,根据第一检测距离和第二检测距离,对高速公路进行资源配置。
具体实现中,可以将第一检测距离与第二检测距离进行相加,得到高速公路上检测设备的部署距离,还可以取第一检测距离和第二检测距离之中的最小值,并将最小值与预设系数相乘,得到检测设备的部署距离,服务器可以根据检测设备的部署距离,来配置高速公路上检测设备的间距。
例如,检测器A与检测器B之间布设间距的计算公式可以为
L1=X1+X2。
可以将高速公路上所有相邻检测器之间的距离设置为L1。
还可以设置当检测器A或检测器B中的任意一个检测到交通流异常情况时,服务器均对交通事故做出反应,因此可以将预设系数设置为2,检测器A与检测器B之间布设间距的计算公式可以为
L2=2*min(X1,X2)。
可以将高速公路上所有相邻检测器之间的距离设置为L2。
上述高速公路资源配置方法,通过根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定高速公路的压缩波波速,根据压缩波波速和预设的第一响应时间,确定第一检测位置与高速公路上事故发生位置之间的第一检测距离,可以在高速公路上游,确定检测设备与交通事故处的距离,该检测设备能够在响应时间内及时检测到交通事故;确定高速公路的第二检测位置与事故发生位置之间的第二检测距离,可以在高速公路下游,确定检测设备与交通事故处的距离,该检测设备同样能够在响应时间内及时检测到交通事故;根据第一检测距离和第二检测距离,对高速公路进行资源配置,可以准确确定上游和下游检测设备与交通事故处的距离,根据该距离合理设置检测设备的布设间距,确保在自由流情境下检测设备能够及时检测到高速公路上的交通事故。
在一个实施例中,上述步骤S140,可以具体包括:将第一检测距离与第二检测距离之中的最小值,作为目标检测距离;将目标检测距离与预设系数进行相乘,得到高速公路上的检测设备的第一部署距离;根据检测设备的第一部署距离,对高速公路上的检测设备进行配置。
具体实现中,服务器中可以预先存储预设系数,服务器还可以将第一检测距离与第二检测距离之中的最小值作为目标检测距离,通过将目标检测距离与预设系数相乘,得到高速公路上检测设备的部署间距,将该部署间距作为第一部署距离,在对检测设备进行配置时,服务器可以将高速公路上相邻检测设备之间的距离配置为第一部署距离。
例如,可以将预设系数设置为2,在确定第一检测距离X1和第二检测距离X2后,高速公路上检测设备的第一部署距离可以为
L2=2*min(X1,X2)。
本实施例中,通过将第一检测距离与第二检测距离之中的最小值作为目标检测距离,将目标检测距离与预设系数进行相乘,得到高速公路上的检测设备的第一部署距离,根据检测设备的第一部署距离对高速公路上的检测设备进行配置,可以在上游或者下游的任意检测设备检测到交通事故时,将交通事故信息上报给服务器,使服务器能够及时检测到交通事故,并对交通事故做出反应。
在一个实施例中,上述步骤S140,具体还可以包括:对第一检测距离和第二检测距离进行求和,得到检测设备的第二部署距离;根据检测设备的第二部署距离,对高速公路上的检测设备进行配置。
具体实现中,服务器可以将第一检测距离与第二检测距离进行求和,得到高速公路上检测设备的部署间距,将该部署间距作为第二部署距离,在对检测设备进行配置时,服务器可以将高速公路上相邻检测设备之间的距离配置为第二部署距离。
例如,在确定第一检测距离X1和第二检测距离X2后,高速公路上检测设备的第二部署距离可以为
L1=X1+X2。
本实施例中,通过对第一检测距离和第二检测距离进行求和,得到检测设备的第二部署距离,根据检测设备的第二部署距离,对高速公路上的检测设备进行配置,可以模拟自由流情境下交通事故位置上下游检测设备的间距,提高检测设备间距部署的准确性。
在一个实施例中,上述步骤S140,具体还可以包括:获取检测设备的部署距离阈值;在检测设备的第一部署距离或第二部署距离超过部署距离阈值的情况下,根据部署距离阈值,对高速公路上的检测设备进行配置。
具体实现中,可以在服务器中预先存储检测设备的部署距离阈值,在确定高速公路上检测设备的第一部署距离(或第二部署距离)后,可以将第一部署距离(或第二部署距离)与部署距离阈值相比较,若第一部署距离(或第二部署距离)不超过部署距离阈值,可以将高速公路上检测设备的间距设置为第一部署距离(或第二部署距离),若第一部署距离(或第二部署距离)超过部署距离阈值,可以将高速公路上检测设备的间距设置为部署距离阈值。
本实施例中,通过获取检测设备的部署距离阈值,在检测设备的第一部署距离或第二部署距离超过部署距离阈值的情况下,根据部署距离阈值,对高速公路上的检测设备进行配置,可以确保计算得到的检测设备部署距离不超过预设阈值,避免检测设备布设间距过大导致的数据采集精度不高,提高了资源配置的可靠性。
在一个实施例中,上述步骤S110之前,具体还可以包括步骤:确定高速公路上交通流的密度状态;上述步骤S110,可以具体包括:在密度状态为低密度状态的情况下,根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定高速公路的压缩波波速。
其中,密度状态可以为交通流的密度情况,例如,可以为高密度状态或低密度状态。
具体实现中,服务器可以在高速公路上确定一段目标路段,通过采集目标路段上车辆的占有率数据,确定目标路段的密度状态,将其作为高速公路交通流的密度状态,当确定密度状态为低密度状态时,可以执行本申请上述步骤S110,否则,若确定密度状态不为低密度状态,例如,为高密度状态,则不必执行上述步骤S110,此时可以采用高密度交通流情境下高速公路检测设备的配置方法。
本实施例中,通过确定高速公路上交通流的密度状态,在密度状态为低密度状态的情况下,根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定高速公路的压缩波波速,可以在准确判断交通流密度状态的基础上,执行上述高速公路资源配置方法,提高资源配置的可靠性。
在一个实施例中,上述确定高速公路上交通流的密度状态的步骤,可以具体包括:获取高速公路上的目标路段;确定目标路段的第一检测位置与第二检测位置之间占有率的绝对差值、目标路段的第一检测位置与第二检测位置之间占有率的第一相对差值、目标路段的第二检测位置占有率的第二相对差值;在绝对差值小于第一阈值、第一相对差值小于第二阈值以及第二相对差值小于第三阈值的情况下,确定高速公路的密度状态为低密度状态。
具体实现中,在确定高速公路上交通流密度状态时,可以获取高速公路上的一段目标路段,确定目标路段的第一检测位置和第二检测位置,并计算第一检测位置与第二检测位置之间占有率的绝对差值、第一检测位置与第二检测位置之间占有率的第一相对差值,以及第二检测位置占有率的第二相对差值,若绝对差值小于第一阈值、第一相对差值小于第二阈值且第二相对差值小于第三阈值,则可以确定高速公路的密度状态为低密度状态,否则,若绝对差值、第一相对差值、第二相对差值中任意一个不小于相应阈值,则可以确定密度状态不为低密度状态。
例如,可以利用下面的三个条件判断拥挤是否发生,
OCCDF=OCC(i,t)-OCC(i+1,t)≥K1
其中,OCCDF为拥挤路段上下游占有率的绝对差值,OCCRDF为拥挤路段上下游占有率的相对差值,DOCCTD为拥挤开始时下游占有率的相对差值,OCC(i,t)为第i个检测器在t时刻所测得的占有率,K1、K2、K3分别为相应条件的阈值。如果上述三个条件均不满足,则判定为低密度状态。
本实施例中,通过获取高速公路上的目标路段,确定目标路段的第一检测位置与第二检测位置之间占有率的绝对差值、目标路段的第一检测位置与第二检测位置之间占有率的第一相对差值、目标路段的第二检测位置占有率的第二相对差值,在绝对差值小于第一阈值、第一相对差值小于第二阈值以及第二相对差值小于第三阈值的情况下,确定高速公路的密度状态为低密度状态,可以准确确定高速公路的低密度状态,提高高速公路资源配置的可靠性。
在一个实施例中,如图3所示,提供了一种高速公路资源配置方法,以该方法应用于服务器为例进行说明,包括以下步骤:
步骤S310,确定高速公路上交通流的密度状态;
步骤S320,在密度状态为低密度状态的情况下,根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定高速公路的压缩波波速;
步骤S330,根据压缩波波速和预设的第一响应时间,确定第一检测位置与高速公路上事故发生位置之间的第一检测距离;
步骤S340,确定高速公路的第二检测位置与事故发生位置之间的第二检测距离;第二检测位置位于高速公路的下游位置;
步骤S350,根据第一检测距离和第二检测距离,对高速公路进行资源配置。
上述高速公路资源配置方法,先确定高速公路上交通流的密度状态,再在密度状态为低密度状态的情况下,根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定高速公路的压缩波波速,可以在准确判断交通流密度状态的基础上,执行高速公路资源配置方法,提高资源配置的可靠性;进一步地,根据压缩波波速和预设的第一响应时间确定第一检测位置与高速公路上事故发生位置之间的第一检测距离,确定高速公路的第二检测位置与事故发生位置之间的第二检测距离,最后根据第一检测距离和第二检测距离对高速公路进行资源配置,可以准确确定上游和下游检测设备与交通事故处的距离,根据该距离合理设置检测设备的布设间距,确保在自由流情境下检测设备能够及时检测到高速公路上的交通事故。
为了更清晰阐明本公开实施例提供的高速公路资源配置方法,以下以一个具体的实施例对该高速公路资源配置方法进行具体说明。
假设高速公路车辆呈均匀分布,当路段发生交通事故时,此处的交通速度会随之下降,从而造成交通流阻塞,即形成交通瓶颈。根据交通流理论,这种情况会导致压缩波的产生,并沿交通流方向向后传播。
如图2所示,假设C点为交通事故发生点,D为发生事故前通过C点的最后一辆车。此时,C点下游的交通流不受影响,车辆按原速度行驶,当D通过检测器B点后,B点的交通流产生异常情况;C点上游则出现压缩波,依次传到检测器A点(t1时刻),此时A点处交通流出现异常。
压缩波波速VW的计算公式可以为
其中,k1,k2分别为断面A、B的车流密度(单位:辆/km),q1,q2分别为断面A、B的交通流量(单位:辆/h)。
检测器A、B的距离为
L1=X1+X2
X1=Vw×(t1-t0)
X2=Vf×(t2-t0)。
其中,t0为交通事件发生时刻,t1为波动传播到上游检测器的时刻,t2为波动传播到下游检测器的时刻,Vf为自由行驶车速(km/h)。
双环形线圈数据是相对先进的交通事故检测算法的基础,只要上游或者下游检测点出现交通流参数异常,都将对事故做出反应。然而,若是交通事故的发生地点位于两个相邻检测点的中点,则为不利情况,所以需规定检测器的布设间距为
L2=2*min(X1,X2)。
由于检测器布设间距较大,导致数据采集精度不高,可以规定检测器的最大布设距离;且检测器存在严重损坏、不能正常工作的现象,因此可以时常对检测器进行检查,也可考虑检测器故障情况下,建立两阶段的整数规划模型。
研究结果显示,压缩波的出现会造成占有率急剧和车流密度上升、车速急剧下降。当密度(或占有率)的增量超过30%以上,则可判定发生交通事故,因此可规定出现事故时,断面A的密度与断面B的密度满足
K2=(1+30%)K1=1.3K1。
当交通量不大时,路段交通流密度为低密度状态,属于自由流情况。根据交通流理论,交通流运行速度和密度满足以下关系
因此可以得到交通波传播速度为
其中,K为密度(辆/km),Km为最佳密度(辆/km),K2=(1+30%)K1=1.3K1。
综上所述,可计算得到如表1所示的低密度条件下响应时间与部署间距对应表,车检器布设的理论值可以如表1所示,其中,Vt可以为t时刻的车辆行驶速度。
表1
利用仿真软件和事件检测算法,选择合理的检测器布设间距。其中算法采用加利福尼亚算法,仿真工具采用VISSIM。首先建立道路网络,标定相关参数,如自由流速度,输入交通量等等;然后在仿真软件中设置检测器,从而可获得交通量、速度、占有率等数据,检测器距离可事先设计多组,同时规定交通事件检测参数,如开始时间、持续时间、影响距离等等。最后利用上述算法的三个条件判断拥挤是否发生:
OCCDF=OCC(i,t)-OCC(i+1,t)≥K1
其中,OCCDF为拥挤路段上下游占有率的差值;OCCRDF为拥挤路段上下游占有率的相对差值;DOCCTD为拥挤开始时下游占有率的相对差值;OCC(i,t)为第i个检测站t时刻所测得的占有率;K1、K2、K3分别为相应条件的阈值。如果上述三个条件都满足,则判断拥挤发生。
之后,对事先设计的多组检测器布设间距分别进行仿真,最终选取合理的部署方案。
本实施例中,基于响应时间、交通流运行速度等数据,通过公式计算及实际情况,可以设计出在自由流情境下,高速公路上检测器的布设密度和布设距离。而且,利用仿真软件和算法,对检测器不同的布设间距产生的计算结果进行评价,可以选择自由流情境下合理的部署方案。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的高速公路资源配置方法的高速公路资源配置装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个高速公路资源配置装置实施例中的具体限定可以参见上文中对于高速公路资源配置方法的限定,在此不再赘述。
在一个实施例中,如图4所示,提供了一种高速公路资源配置装置,包括:压缩波波速模块410、第一距离模块420、第二距离模块430和资源配置模块440,其中:
压缩波波速模块410,用于根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置;
第一距离模块420,用于根据所述压缩波波速和预设的第一响应时间,确定所述第一检测位置与所述高速公路上事故发生位置之间的第一检测距离;
第二距离模块430,用于确定所述高速公路的第二检测位置与所述事故发生位置之间的第二检测距离;所述第二检测位置位于所述高速公路的下游位置;
资源配置模块440,用于根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置。
在一个实施例中,上述资源配置模块440,还用于将所述第一检测距离与所述第二检测距离之中的最小值,作为目标检测距离;将所述目标检测距离与预设系数进行相乘,得到所述高速公路上的检测设备的第一部署距离;根据所述检测设备的第一部署距离,对所述高速公路上的检测设备进行配置。
在一个实施例中,上述资源配置模块440,还用于对所述第一检测距离和所述第二检测距离进行求和,得到所述检测设备的第二部署距离;根据所述检测设备的第二部署距离,对所述高速公路上的检测设备进行配置。
在一个实施例中,上述资源配置模块440,还用于获取所述检测设备的部署距离阈值;在所述检测设备的第一部署距离或第二部署距离超过所述部署距离阈值的情况下,根据所述部署距离阈值,对所述高速公路上的检测设备进行配置。
在一个实施例中,上述高速公路资源配置装置,还包括:确定模块,用于确定所述高速公路上交通流的密度状态;上述压缩波波速模块410,还用于在所述密度状态为低密度状态的情况下,根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速。
在一个实施例中,上述确定模块,还用于获取所述高速公路上的目标路段;确定所述目标路段的第一检测位置与第二检测位置之间占有率的绝对差值、所述目标路段的第一检测位置与第二检测位置之间占有率的第一相对差值、所述目标路段的第二检测位置占有率的第二相对差值;在所述绝对差值小于第一阈值、所述第一相对差值小于第二阈值以及所述第二相对差值小于第三阈值的情况下,确定所述高速公路的密度状态为所述低密度状态。
上述高速公路资源配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储高速公路资源配置数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种高速公路资源配置方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种高速公路资源配置方法,其特征在于,所述方法包括:
获取所述高速公路上的目标路段;
确定所述目标路段的第一检测位置与第二检测位置之间占有率的绝对差值、所述目标路段的第一检测位置与第二检测位置之间占有率的第一相对差值、所述目标路段的第二检测位置占有率的第二相对差值;
在所述绝对差值小于第一阈值、所述第一相对差值小于第二阈值以及所述第二相对差值小于第三阈值的情况下,确定所述高速公路的密度状态为低密度状态;
根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置;
根据所述压缩波波速和预设的第一响应时间,确定所述第一检测位置与所述高速公路上事故发生位置之间的第一检测距离;
确定所述高速公路的第二检测位置与所述事故发生位置之间的第二检测距离;所述第二检测位置位于所述高速公路的下游位置;
根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置,包括:
将所述第一检测距离与所述第二检测距离之中的最小值,作为目标检测距离;
将所述目标检测距离与预设系数进行相乘,得到所述高速公路上的检测设备的第一部署距离;
根据所述检测设备的第一部署距离,对所述高速公路上的检测设备进行配置。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置,还包括:
对所述第一检测距离和所述第二检测距离进行求和,得到所述检测设备的第二部署距离;
根据所述检测设备的第二部署距离,对所述高速公路上的检测设备进行配置。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置,还包括:
获取所述检测设备的部署距离阈值;
在所述检测设备的第一部署距离或第二部署距离超过所述部署距离阈值的情况下,根据所述部署距离阈值,对所述高速公路上的检测设备进行配置。
5.根据权利要求1所述的方法,其特征在于,所述根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速,包括:
在所述密度状态为所述低密度状态的情况下,根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速。
6.一种高速公路资源配置装置,其特征在于,所述装置包括:
确定模块,用于获取所述高速公路上的目标路段;确定所述目标路段的第一检测位置与第二检测位置之间占有率的绝对差值、所述目标路段的第一检测位置与第二检测位置之间占有率的第一相对差值、所述目标路段的第二检测位置占有率的第二相对差值;在所述绝对差值小于第一阈值、所述第一相对差值小于第二阈值以及所述第二相对差值小于第三阈值的情况下,确定所述高速公路的密度状态为低密度状态;
压缩波波速模块,用于根据高速公路的第一检测位置的车流密度、预设的车流密度目标值和车辆自由行驶速度,确定所述高速公路的压缩波波速;所述第一检测位置位于所述高速公路的上游位置;
第一距离模块,用于根据所述压缩波波速和预设的第一响应时间,确定所述第一检测位置与所述高速公路上事故发生位置之间的第一检测距离;
第二距离模块,用于确定所述高速公路的第二检测位置与所述事故发生位置之间的第二检测距离;所述第二检测位置位于所述高速公路的下游位置;
资源配置模块,用于根据所述第一检测距离和所述第二检测距离,对所述高速公路进行资源配置。
7.根据权利要求6所述的装置,其特征在于,所述资源配置模块,还用于将所述第一检测距离与所述第二检测距离之中的最小值,作为目标检测距离;将所述目标检测距离与预设系数进行相乘,得到所述高速公路上的检测设备的第一部署距离;根据所述检测设备的第一部署距离,对所述高速公路上的检测设备进行配置。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210242901.6A CN114913682B (zh) | 2022-03-11 | 2022-03-11 | 高速公路资源配置方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210242901.6A CN114913682B (zh) | 2022-03-11 | 2022-03-11 | 高速公路资源配置方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114913682A CN114913682A (zh) | 2022-08-16 |
CN114913682B true CN114913682B (zh) | 2023-03-28 |
Family
ID=82763721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210242901.6A Active CN114913682B (zh) | 2022-03-11 | 2022-03-11 | 高速公路资源配置方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114913682B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2981885B1 (ja) * | 1998-07-31 | 1999-11-22 | 建設省土木研究所長 | 道路状況把握装置 |
CN102496264B (zh) * | 2011-11-11 | 2013-10-30 | 东南大学 | 一种高速公路突发交通事件影响范围的确定方法 |
CN103810904B (zh) * | 2014-03-12 | 2015-10-07 | 哈尔滨工业大学 | 基于vanet的高速公路行车安全预警***的预警方法 |
CN105023433B (zh) * | 2015-07-01 | 2018-04-20 | 重庆大学 | 一种高速公路交通异常事件影响范围预估方法 |
-
2022
- 2022-03-11 CN CN202210242901.6A patent/CN114913682B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114913682A (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hong et al. | Bifurcations of fuzzy nonlinear dynamical systems | |
EP3616062B1 (en) | Anomaly and causation detection in computing environments using counterfactual processing | |
US10101244B2 (en) | Self-learning simulation environments | |
US8892343B2 (en) | Determining a spatiotemporal impact of a planned event on traffic | |
CN105787248A (zh) | 基于时间序列数据的分析的异常感测和预测***及方法 | |
CN110995482A (zh) | 告警分析方法、装置、计算机设备及计算机可读存储介质 | |
JP5871192B2 (ja) | 監視データ分析装置、監視データ分析方法および監視データ分析プログラム | |
AU2021202991B2 (en) | Method and system for vehicle speed profile generation | |
US20190311615A1 (en) | Traffic control support system, traffic control support method, and program recording medium | |
CN113593218B (zh) | 交通异常事件的检测方法、装置、电子设备及存储介质 | |
CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
Chen et al. | A novel method for imminent crash prediction and prevention | |
CN114913682B (zh) | 高速公路资源配置方法、装置、计算机设备和存储介质 | |
CN114783173B (zh) | 高速公路资源配置方法、装置、计算机设备和存储介质 | |
CN104103079A (zh) | 一种运动目标的入侵检测方法及装置 | |
KR102006755B1 (ko) | 정보 엔트로피의 비교를 통한 차량 내 외부 데이터 침입 탐지 장치 및 그 동작 방법 | |
CN114614992B (zh) | 签名值输出及验证方法、装置、计算机设备、存储介质 | |
US20220058745A1 (en) | System and method for crowdsensing-based insurance premiums | |
CN110896524B (zh) | 网络结构监测方法、装置 | |
CN114238013A (zh) | 一种告警聚合方法、装置、设备及存储介质 | |
CN114936113B (zh) | 一种任务雪崩恢复方法、装置、电子设备及存储介质 | |
CN116644585B (zh) | 基于目标车辆危险度的险态场景数据生成方法和装置 | |
CN111209796B (zh) | 驾驶行为检测方法、装置、电子设备及介质 | |
CN113722292B (zh) | 分布式数据***的应灾处理方法、装置、设备及存储介质 | |
US20230289450A1 (en) | Determining trustworthiness of trained neural network |
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 |