CN115100856A - 一种从多个出发地到多个目的地的车辆流向分析方法 - Google Patents
一种从多个出发地到多个目的地的车辆流向分析方法 Download PDFInfo
- Publication number
- CN115100856A CN115100856A CN202210695137.8A CN202210695137A CN115100856A CN 115100856 A CN115100856 A CN 115100856A CN 202210695137 A CN202210695137 A CN 202210695137A CN 115100856 A CN115100856 A CN 115100856A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- destination
- source
- basic
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供的一种从多个出发地到多个目的地的车辆流向分析方法,其预设需要进行车辆流向分析的来源地、目的地和分析时间段后,根据来源地、目的地包括的不同的行政区级别的地区与卡口备案信息的对应关系,找到来源地、目的地中所有的卡口设备,在全国车辆通行记录数据中提取来源地、目的地对应的待操作数据;再通过待操作数据包括的号牌种类和号牌号码,统计待分析的来源地、目的地车辆通行基本信息;进而针对每辆目标车辆,得到从来源地到目的地的车辆流向分析基础结果,将异常数据过滤后,得到车辆流向分析结果,将车辆流向分析结果按照所述目的地分组后,分别推送到所述目的地。
Description
技术领域
本发明涉及智能交通控制技术领域,具体为一种从多个出发地到多个目的地的车辆流向分析方法。
背景技术
现代的交通控制中,面对省外或者市外的突发情况,需要迅速查控并持续关注各辖区内具有重点地区途经史的车辆,对于车辆流向的分析要求快速且准确。特别是当需要查控从多个指定的出发地出发、流入指定的多个目的地的车辆时,查控工作需要每日开展且持续较久,同时来源地、目的地处于变化中,来源地和目的地的行政区级别也处于变化中,数据计算量非常大,且计算复杂。现有技术中,没有一个快速准确的方法可以很快的确定这种从多个来源地到多个目的地的车辆流向,通常需要管理部门投入很大的人力和时间才能完成这种调查分析工作。
发明内容
为了解决现有交通控制技术中无法兼顾多来源地到多目的地的车辆流向分析的问题,本发明提供一种从多个出发地到多个目的地的车辆流向分析方法,其可准确地研判预设时段内多来源地到多目的地的车辆流向,为目的地辖区迅速定位并查控相关车辆提供数据支持,不但提高了分析工作的效率,而且节省了人力资源。
本发明的技术方案是这样的:一种从多个出发地到多个目的地的车辆流向分析方法,其特征在于,其包括以下步骤:
S1:创建车辆通行记录提取操作记录表,记作:操作记录表,所述操作记录表初始化为空;
所述操作记录表包括:行政区划代码和日期;
构建基础数据集,初始化为空;
所述基础数据集包括:省级车辆通行基本信息、市级车辆通行基本信息、区级车辆通行基本信息;
S2:确定需要进行车辆流向分析的来源地、目的地和分析时间段;
所述来源地为:需要进行车辆流出分析的地区;
所述目的地为:需要分析流入车辆的地区;
所述分析时间段为:需要进行车辆流向分析的时间段;
S3:将所述来源地、所述目的地对应的行政区划代码和所述分析时间段对应的日期,提取出来生成临时表;
所述临时表包括:行政区划代码和日期;
S4:比较所述临时表和所述操作记录表,将两个表格中行政区和日期重复的数据,从所述临时表中删除,得到待操作表;所述待操作表包括:行政区划代码和日期;
S5:在所述分析时间段内,在全国范围内,获取车辆通行记录,创建全国车辆通行记录数据;
所述全国车辆通行记录数据包括:卡口设备编号、卡口抓拍时间、卡口抓拍方向、号牌种类和号牌号码;
S6:将所述全国车辆通行记录数据基于卡口备案信息,与所述待操作表进行关联,提取所述来源地和所述目的地对应的车辆通行记录数据,得到:待操作数据;
将所述待操作数据中包括的车辆,记作:待分析车辆;
所述卡口备案信息包括:卡口设备编号、卡口所在省份2位省份代码、卡口所在地市4位地市代码、卡口所在行政区划6位行政区划代码、卡口所在道路、卡口所在道路类型、卡口经度和卡口纬度;
所述待操作数据包括:卡口设备编号、卡口抓拍时间、卡口抓拍方向、号牌种类、号牌号码、卡口所在省份2位省份代码、卡口所在地市4位地市代码和卡口所在行政区划6位行政区划代码;
S7:根据所述待操作表,基于所述待操作数据中的号牌号码、号牌种类和行政区划代码,对所述待操作数据整理后,按行政区级别分别提取所述待分析车辆在各级行政区的通行基本信息;
将所述待分析车辆在各级行政区的通行基本信息,按照行政区级别分别存入到所述基础数据集中的省级车辆通行基本信息、市级车辆通行基本信息、区级车辆通行基本信息中;
将所述待操作表内容存入到所述操作记录表中;
S8:从所述基础数据集中,按照不同行政区级别,分别统计基础数据集包括的每一辆车在所述分析时间段内与所述目的地、所述来源地对应的通行基本信息;
将所述分析时间段内基础数据集包括的车辆,记作:目标车辆;
将统计的各个行政区级别的所述目的地、所述来源地的车辆通行基本信息,记作:地区通行基本信息数据集;所述地区通行基本信息数据集包括:来源地车辆通行基本信息、目的地车辆通行基本信息;
S9:按行政区级别的不同组合,从所述地区通行基本信息数据集逐对取出来源地、目的地车辆通行基本信息,以所述来源地、目的地为基础进行数据筛选,针对每一个所述目标车辆,保留来源地与目的地不同,且来源地最晚抓拍时间早于目的地最晚抓拍时间的关联结果,记作:车辆流向分析基础结果;
S10:将所述车辆流向分析基础结果中的异常数据进行过滤,得到车辆流向分析结果;
S11:将所述车辆流向分析结果按照所述目的地分组后,分别推送到所述目的地;
S12:循环执行步骤S9~S11,直至所述目的地、所述来源地对应的所有行政区级别的数据都已经提取完毕并参与计算,则完成本次车辆流向分析;
S13:指定所述来源地、所述目的地和所述分析时间段,循环执行步骤S2~S12,持续监测车辆流向。
其进一步特征在于:
所述车辆流向分析结果包括:车辆信息、来源地信息、目的地信息、分析时间段的来源地通行记录信息、分析时间段的目的地通行记录信息;
所述车辆信息包括:号牌种类、号牌号码;
所述来源地信息包括:来源地省份代码、地市代码、行政区划代码;
所述目的地信息包括:目的地省份代码、地市代码、行政区划代码;
分析时间段的所述来源地通行记录信息包括:车辆在来源地抓拍次数、高速公路抓拍次数、最早抓拍时间、最晚抓拍时间、行驶天数、车辆在来源地最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型;
分析时间段的所述目的地通行记录信息包括:车辆在目的地抓拍次数、高速公路抓拍次数、最早抓拍时间、最晚抓拍时间、行驶天数、车辆在目的地最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型;
所述车辆流向分析基础结果按来源地与目的地行政区级别划分,包括:省-省、省-市、省-区、市-省、市-市、市-区、区-省、区-市、区-区;
步骤S10中,将所述车辆流向分析基础结果中的异常数据进行过滤,包括以下步骤:
a1:预设速度阈值vt;
所述速度阈值为所述目标车辆在两个地区之间的能够达到的平均行驶速度的最大值;
a2:获取所述目标车辆在所述来源地最后一次被抓拍时的卡口设备,在卡口设备的备案信息中获取卡口设备的经纬度,记作:来源地经纬度Gs;抓拍时间记作:t1;
获取所述目标车辆在目的地最后一次被抓拍时的卡口设备,在卡口设备的备案信息中获取卡口设备的经纬度,记作:目的地经纬度Ge;抓拍时间记作:tg;
a3:计算所述来源地经纬度Gs、所述目的地经纬度Ge的球面距离,得到来源地和目的地的空间间隔 L;
计算t1和tg的差值,得到来源地和目的地的时间间隔T;
则,所述目标车辆在两个地区之间的行驶速度V=L/T;
a4:比较V和vt;
如果V>vt则,判定所述目标车辆从来源地和目的地之间的通行记录数据为异常数据;
否则,判定为非异常数据;
a5:将异常数据对应的车辆通行记录信息删除,完成异常数据过滤,得到所述车辆流向分析结果。
本发明提供的本发明提供的一种从多个出发地到多个目的地的车辆流向分析方法,其预设需要进行车辆流向分析的来源地、目的地和分析时间段后,根据来源地、目的地包括的不同的行政区级别的地区与卡口备案信息的对应关系,找到来源地、目的地中所有的卡口设备,在全国车辆通行记录数据中提取来源地、目的地对应的待操作数据;再通过待操作数据包括的号牌种类和号牌号码,统计待分析的来源地、目的地车辆通行基本信息;进而针对每辆目标车辆,得到从来源地到目的地的车辆流向分析基础结果,将异常数据过滤后,得到车辆流向分析结果,将车辆流向分析结果按照所述目的地分组后,分别推送到所述目的地;本发明技术方案将所有的数据先按照行政区级别进行划分处理,再对流向分析结果进行异常数据过滤,得到车辆从出发地到目的地的通行记录数据,避免了冗余的数据处理和存储,快速的得到最终结果,尤其适合持续较长时间的海量数据分析过程;同时,通过构建基础数据集存储不同级别行政区的车辆通行基本信息,以车辆通行记录提取操作记录表、临时表、待操作表作为海量数据提取与分析的辅助,每次对来源地、目的地的数据进行提取和分析前,进行临时表与操作记录表的比对,当每次分析过程的来源地、目的地和分析时间段与以往分析存在交叉时,已经参与过数据提取和分析的行政区及其对应的日期将被过滤,不再进行重复操作,避免了数据的重复存储和分析,提高了***整体的分析效率,可以快速准确地计算得到结果,确保本发明技术方案灵活地适用于各种不同场景,提高了分析工作的效率,节省了人力资源。
附图说明
图1为本发明的从多个来源地到多个目的地的车辆流向分析方法的流程示意图。
具体实施方式
如图1所示,本发明包括一种从多个出发地到多个目的地的车辆流向分析方法,其包括以下步骤。
S1:创建车辆通行记录提取操作记录表,记作:操作记录表,操作记录表初始化为空;
操作记录表包括:行政区划代码和日期;
构建基础数据集,初始化为空;
基础数据集包括:省级车辆通行基本信息、市级车辆通行基本信息、区级车辆通行基本信息。
具体实施时,基础数据集包括的字段为基于现有的卡口设备和卡口备案信息能够直接采集到的数据,具体包包括:号牌种类、号牌号码、卡口设备编号、卡口抓拍方向、卡口抓拍时间、卡口所在道路类型、卡口所在省份代码、卡口所在地市代码、卡口所在行政区划代码、最初抓拍时间、抓拍次数、高速公路抓拍次数。
S2:确定需要进行车辆流向分析的来源地、目的地和分析时间段;
来源地为:需要进行车辆流出分析的地区;
目的地为:需要分析流入车辆的地区;
分析时间段为:需要进行车辆流向分析的时间段。
根据现有的行政区划分和行政区划代码的记录方式,来源地、目的地包括:省、市、区级行政区,其中省、市、区级行政区分别以2、4、6位行政区划代码作指代。
本实施例中:分析时间段为2022年1月1日至2日,共2天;
来源地设置为河北省、河北省邢台市、河北省邢台市南宫市,行政区划代码分别为13、1305、130581;
目的地设置为江苏省、江苏省苏州市、江苏省苏州市昆山市,行政区划代码分别为32、3205、320583。
S3:将来源地、目的地对应的行政区划代码和分析时间段对应的日期,提取出来生成临时表;临时表包括:行政区划代码和日期。
S4:比较临时表和操作记录表,将两个表格中行政区和日期重复的数据,从临时表中删除,得到待操作表;待操作表包括:行政区划代码和日期;具体参照表1。
表1:待操作表的实施例
行政区划代码 | 日期 |
13 | 2022-01-01 |
1305 | 2022-01-01 |
130581 | 2022-01-01 |
32 | 2022-01-01 |
3205 | 2022-01-01 |
320583 | 2022-01-01 |
13 | 2022-01-02 |
1305 | 2022-01-02 |
130581 | 2022-01-02 |
32 | 2022-01-02 |
3205 | 2022-01-02 |
320583 | 2022-01-02 |
通过临时表与操作记录表的比较,将已经进行过数据提取与存储的行政区及对应日期过滤,并将未进行数据提取与存储的行政区及对应日期记录在待操作表,以待操作表作为海量通行记录数据提取与存储步骤的指引,一方面可以确保来源地、目的地和分析时间段可以灵活指定,另一方面不会增加***冗余的计算量和存储空间,使本发明方案适用于各种应用场景。
S5:在分析时间段内,在全国范围内,获取车辆通行记录,创建全国车辆通行记录数据;
全国车辆通行记录数据包括:卡口设备编号、卡口抓拍时间、卡口抓拍方向、号牌种类和号牌号码;
S6:将全国车辆通行记录数据基于卡口备案信息,与待操作表进行关联,提取来源地和目的地对应的车辆通行记录数据,得到:待操作数据;
待操作数据中包括的车辆,记作:待分析车辆;
卡口备案信息包括的字段有:卡口设备编号、卡口所在省份2位省份代码、卡口所在地市4位地市代码、卡口所在行政区划6位行政区划代码、卡口所在道路、卡口所在道路类型、卡口经度和卡口纬度;
待操作数据包括:卡口设备编号、卡口抓拍时间、卡口抓拍方向、号牌种类、号牌号码、卡口所在省份2位省份代码、卡口所在地市4位地市代码和卡口所在行政区划6位行政区划代码。
S7:根据待操作表,基于待操作数据中的号牌号码、号牌种类和行政区划代码,对待操作数据整理后,按行政区级别分别提取待分析车辆在各级行政区的通行基本信息;
其中,行政区划代码包括:2位省份代码、4位地市代码和6位行政区划代码,将待操作数据分别划分为三个行政区级别的数据,然后再按照待分析车辆分别提取;
将待分析车辆在各级行政区的通行基本信息,按照行政区级别分别存入到基础数据集中的省级车辆通行基本信息、市级车辆通行基本信息、区级车辆通行基本信息中;
将待操作表内容存入到操作记录表中。
具体实施时,基础数据集中的省级车辆通行基本信息、市级车辆通行基本信息、区级车辆通行基本信息以日期为单元统计并存储,具体内容如下:
省级车辆通行基本信息包含字段有:号牌种类、号牌号码、省份代码、车辆一日内在该省最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型、地市代码、行政区划代码、车辆一日内在该省最初抓拍时间、最晚抓拍时间、抓拍次数、高速公路抓拍次数;
市级车辆通行基本信息包含字段有:号牌种类、号牌号码、省份代码、地市代码、车辆一日内在该市最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型、行政区划代码、车辆一日内在该市最初抓拍时间、最晚抓拍时间、抓拍次数、高速公路抓拍次数;
区级车辆通行基本信息包含字段有:号牌种类、号牌号码、省份代码、地市代码、行政区划代码、车辆一日内在该区最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型、车辆一日内在该区最初抓拍时间、最晚抓拍时间、抓拍次数、高速公路抓拍次数。
S8:从基础数据集中,按照不同行政区级别,分别统计基础数据集包括的每一辆车在分析时间段内与目的地、来源地对应的通行基本信息;将所述分析时间段内基础数据集包括的车辆,记作:目标车辆;
将统计的各个行政区级别的目的地、来源地的车辆通行基本信息,记作:地区通行基本信息数据集;地区通行基本信息数据集包括:来源地车辆通行基本信息、目的地车辆通行基本信息。
将基础数据集分别与临时表中相应级别行政区划代码关联,按照不同行政区级别分别统计目标车辆在各个来源地、目的地通行基本信息,来源地、目的地通行基本信息各分为省、市、区三类单独存储。
本实施例中,来源地设置为河北省、河北省邢台市、河北省邢台市南宫市;目的地设置为江苏省、江苏省苏州市、江苏省苏州市昆山市。来源地和目的地包括的行政区级别有:省级、市级和区级,则具体实施时,第一轮按省级提取河北省、江苏省待操作数据,统计通行基本信息并存入基础数据集,再从中分别统计分析时间段内河北省、江苏省车辆通行基本信息,实施后续步骤S9~S11;第二轮按市级提取河北省邢台市、江苏省苏州市待操作数据,统计通行基本信息并存入基础数据集,再从中分别统计分析时间段内河北省邢台市、江苏省苏州市车辆通行基本信息,实施后续步骤S9~S11;第三轮按区级提取河北省邢台市南宫市、江苏省苏州市昆山市待操作数据,统计通行基本信息并存入基础数据集,再从中分别统计分析时间段内河北省邢台市南宫市、江苏省苏州市昆山市车辆通行基本信息,实施后续步骤S9~S11。
省级来源地、目的地车辆通行基本信息包含字段有:号牌种类、号牌号码、省份代码;车辆在时间段内在该省最晚抓拍对应的:卡口设备编号、抓拍方向、所在道路、道路类型、地市代码、行政区划代码;车辆在时间段内在该省内:最初抓拍时间、最晚抓拍时间、抓拍次数总和、高速公路抓拍次数总和、抓拍天数;
市级来源地、目的地车辆通行基本信息包含字段有:号牌种类、号牌号码、省份代码、地市代码;车辆在时间段内在该市最晚抓拍对应的:卡口设备编号、抓拍方向、所在道路、道路类型、行政区划代码;车辆在时间段内在该市内:最初抓拍时间、最晚抓拍时间、抓拍次数总和、高速公路抓拍次数总和、抓拍天数;
区级来源地、目的地车辆通行基本信息包含字段有:号牌种类、号牌号码、省份代码、地市代码、行政区划代码;车辆在时间段内在该区最晚抓拍对应的:卡口设备编号、抓拍方向、所在道路、道路类型;车辆在时间段内在该区内:最初抓拍时间、最晚抓拍时间、抓拍次数总和、高速公路抓拍次数总和、抓拍天数。
S9:按行政区级别的不同组合,从地区通行基本信息数据集逐对取出来源地、目的地车辆通行基本信息,以来源地、目的地为基础进行数据筛选,针对每一个目标车辆,保留来源地与目的地不同,且来源地最晚抓拍时间早于目的地最晚抓拍时间的关联结果,记作:车辆流向分析基础结果。
车辆流向分析基础结果按来源地与目的地行政区级别划分,本实施例中,行政区级别的不同组合具体包括9种划分方式:省-省、省-市、省-区、市-省、市-市、市-区、区-省、区-市、区-区。
具体实施时,每次取出来源地和目的地行政区级别的一对组合,如:省-区,基于目标车辆对省级来源地和区级目的地的车辆通行基本信息进行数据筛选。
车辆流向分析基础结果包括的字段内容与车辆流向分析结果相同,包括:车辆信息、来源地信息、目的地信息、分析时间段的来源地通行记录信息、分析时间段的目的地通行记录信息;
车辆信息包括:号牌种类、号牌号码;
来源地信息包括:来源地省份代码、地市代码、行政区划代码;
目的地信息包括:目的地省份代码、地市代码、行政区划代码;
分析时间段的来源地通行记录信息包括:车辆在来源地抓拍次数、高速公路抓拍次数、最早抓拍时间、最晚抓拍时间、行驶天数、车辆在来源地最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型;
分析时间段的目的地通行记录信息包括:车辆在目的地抓拍次数、高速公路抓拍次数、最早抓拍时间、最晚抓拍时间、行驶天数、车辆在目的地最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型。
本实施例中,车辆流向分析基础结果共有9类,分别为河北省-江苏省、河北省-江苏省苏州市、河北省-江苏省苏州市昆山市、河北省邢台市-江苏省、河北省邢台市-江苏省苏州市、河北省邢台市-江苏省苏州市昆山市、河北省邢台市南宫市-江苏省、河北省邢台市南宫市-江苏省苏州市、河北省邢台市南宫市-江苏省苏州市昆山市。
S10:将车辆流向分析基础结果中的异常数据进行过滤,得到车辆流向分析结果。
将车辆流向分析基础结果中的异常数据进行过滤,具体包括以下步骤:
a1:预设速度阈值vt;
速度阈值为目标车辆在两个地区之间的能够达到的平均行驶速度的最大值;
a2:获取目标车辆在来源地最后一次被抓拍时的卡口设备,在卡口设备的备案信息中获取卡口设备的经纬度,记作:来源地经纬度Gs;抓拍时间记作:t1;
获取目标车辆在目的地最后一次被抓拍时的卡口设备,在卡口设备的备案信息中获取卡口设备的经纬度,记作:目的地经纬度Ge;抓拍时间记作:tg;
a3:计算来源地经纬度Gs、目的地经纬度Ge的球面距离,得到来源地和目的地的空间间隔L;
计算t1和tg的差值,得到来源地和目的地的时间间隔T;
则,目标车辆在两个地区之间的行驶速度V=L/T;
a4:比较V和vt;
如果V>vt则,判定目标车辆从来源地和目的地之间的通行记录数据为异常数据;
否则,判定为非异常数据;
a5:将异常数据对应的车辆通行记录信息删除,完成异常数据过滤,得到车辆流向分析结果。
本实施例中,速度阈值vt设置为120km/h,即:在目前的高速公路运行速度规定下,车辆行驶平均速度不会超过120km/h,超过此阈值认为是抓拍图片识别错误造成两地出现相同号牌造成的异常数据,将异常数据对应的分析结果删除,完成异常数据过滤,提高计算结果的准确性。
S11:将车辆流向分析结果按照目的地分组后,分别推送到每个目的地。
车辆流向分析结果包括:车辆信息、来源地信息、目的地信息、分析时间段的来源地通行记录信息、分析时间段的目的地通行记录信息;
车辆信息包括:号牌种类、号牌号码;
来源地信息包括:来源地省份代码、地市代码、行政区划代码;
目的地信息包括:目的地省份代码、地市代码、行政区划代码;
分析时间段的来源地通行记录信息包括:车辆在来源地抓拍次数、高速公路抓拍次数、最早抓拍时间、最晚抓拍时间、行驶天数、车辆在来源地最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型;
分析时间段的目的地通行记录信息包括:车辆在目的地抓拍次数、高速公路抓拍次数、最早抓拍时间、最晚抓拍时间、行驶天数、车辆在目的地最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型。
按目的地整合车辆流向分析结果,为江苏省推送河北省-江苏省、河北省邢台市-江苏省、河北省邢台市南宫市-江苏省的分析结果,为江苏省苏州市推送河北省-江苏省苏州市、河北省邢台市-江苏省苏州市、河北省邢台市南宫市-江苏省苏州市的分析结果,为江苏省苏州市昆山市推送河北省-江苏省苏州市昆山市、河北省邢台市-江苏省苏州市昆山市、河北省邢台市南宫市-江苏省苏州市昆山市的分析结果。
S12:循环执行步骤S9~S11,直至目的地、来源地对应的所有行政区级别的数据都已经提取完毕并参与计算,则完成本次车辆流向分析。
S13:指定来源地、目的地和分析时间段,循环执行步骤S2~S12,持续监测车辆流向。
使用本发明的技术方案,先预设分析时间段、来源地、目的地,通过设置临时表,将临时表与车辆通行记录提取操作记录表进行比较,确定海量通行记录数据的每次提取与存储的最小处理量,提高***处理效率;分省、市、区三级组织来源地与目的地车辆通行记录数据,统计各级来源地、目的地通行车辆基本信息,再将分析时间段内来源地与目的地通行车辆基本信息进行关联,经筛选、整合后推送给各个目的地。基于本发明技术方案,无需增加新的硬件设备,结合卡口设备备案信息,在研判从多个来源地到多个目的地车辆流向方面条理清晰、效率较高。本发明技术方案不但能避免数据的冗余处理和存储,而且数据处理过程分级分类,条理清楚,容易实现,分析结果内容丰富、详细,为各地区在突发情况下对从不同重点关注的来源地流入辖区的车辆组织查控、保持每日关注提供有力支持。
Claims (4)
1.一种从多个出发地到多个目的地的车辆流向分析方法,其特征在于,其包括以下步骤:
S1:创建车辆通行记录提取操作记录表,记作:操作记录表,所述操作记录表初始化为空;
所述操作记录表包括:行政区划代码和日期;
构建基础数据集,初始化为空;
所述基础数据集包括:省级车辆通行基本信息、市级车辆通行基本信息、区级车辆通行基本信息;
S2:确定需要进行车辆流向分析的来源地、目的地和分析时间段;
所述来源地为:需要进行车辆流出分析的地区;
所述目的地为:需要分析流入车辆的地区;
所述分析时间段为:需要进行车辆流向分析的时间段;
S3:将所述来源地、所述目的地对应的行政区划代码和所述分析时间段对应的日期,提取出来生成临时表;
所述临时表包括:行政区划代码和日期;
S4:比较所述临时表和所述操作记录表,将两个表格中行政区和日期重复的数据,从所述临时表中删除,得到待操作表;所述待操作表包括:行政区划代码和日期;
S5:在所述分析时间段内,在全国范围内,获取车辆通行记录,创建全国车辆通行记录数据;
所述全国车辆通行记录数据包括:卡口设备编号、卡口抓拍时间、卡口抓拍方向、号牌种类和号牌号码;
S6:将所述全国车辆通行记录数据基于卡口备案信息,与所述待操作表进行关联,提取所述来源地和所述目的地对应的车辆通行记录数据,得到:待操作数据;
将所述待操作数据中包括的车辆,记作:待分析车辆;
所述卡口备案信息包括:卡口设备编号、卡口所在省份2位省份代码、卡口所在地市4位地市代码、卡口所在行政区划6位行政区划代码、卡口所在道路、卡口所在道路类型、卡口经度和卡口纬度;
所述待操作数据包括:卡口设备编号、卡口抓拍时间、卡口抓拍方向、号牌种类、号牌号码、卡口所在省份2位省份代码、卡口所在地市4位地市代码和卡口所在行政区划6位行政区划代码;
S7:根据所述待操作表,基于所述待操作数据中的号牌号码、号牌种类和行政区划代码,对所述待操作数据整理后,按行政区级别分别提取所述待分析车辆在各级行政区的通行基本信息;
将所述待分析车辆在各级行政区的通行基本信息,按照行政区级别分别存入到所述基础数据集中的省级车辆通行基本信息、市级车辆通行基本信息、区级车辆通行基本信息中;
将所述待操作表内容存入到所述操作记录表中;
S8:从所述基础数据集中,按照不同行政区级别,分别统计基础数据集包括的每一辆车在所述分析时间段内与所述目的地、所述来源地对应的通行基本信息;
将所述分析时间段内基础数据集包括的车辆,记作:目标车辆;
将统计的各个行政区级别的所述目的地、所述来源地的车辆通行基本信息,记作:地区通行基本信息数据集;所述地区通行基本信息数据集包括:来源地车辆通行基本信息、目的地车辆通行基本信息;
S9:按行政区级别的不同组合,从所述地区通行基本信息数据集逐对取出来源地、目的地车辆通行基本信息,以所述来源地、目的地为基础进行数据筛选,针对每一个所述目标车辆,保留来源地与目的地不同,且来源地最晚抓拍时间早于目的地最晚抓拍时间的关联结果,记作:车辆流向分析基础结果;
S10:将所述车辆流向分析基础结果中的异常数据进行过滤,得到车辆流向分析结果;
S11:将所述车辆流向分析结果按照所述目的地分组后,分别推送到所述目的地;
S12:循环执行步骤S9~S11,直至所述目的地、所述来源地对应的所有行政区级别的数据都已经提取完毕并参与计算,则完成本次车辆流向分析;
S13:指定所述来源地、所述目的地和所述分析时间段,循环执行步骤S2~S12,持续监测车辆流向。
2.根据权利要求1所述一种从多个出发地到多个目的地的车辆流向分析方法,其特征在于:所述车辆流向分析结果包括:车辆信息、来源地信息、目的地信息、分析时间段的来源地通行记录信息、分析时间段的目的地通行记录信息;
所述车辆信息包括:号牌种类、号牌号码;
所述来源地信息包括:来源地省份代码、地市代码、行政区划代码;
所述目的地信息包括:目的地省份代码、地市代码、行政区划代码;
分析时间段的所述来源地通行记录信息包括:车辆在来源地抓拍次数、高速公路抓拍次数、最早抓拍时间、最晚抓拍时间、行驶天数、车辆在来源地最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型;
分析时间段的所述目的地通行记录信息包括:车辆在目的地抓拍次数、高速公路抓拍次数、最早抓拍时间、最晚抓拍时间、行驶天数、车辆在目的地最晚抓拍对应的卡口设备编号、抓拍方向、所在道路、道路类型。
3.根据权利要求1所述一种从多个出发地到多个目的地的车辆流向分析方法,其特征在于:所述车辆流向分析基础结果按来源地与目的地行政区级别划分,包括:省-省、省-市、省-区、市-省、市-市、市-区、区-省、区-市、区-区。
4.根据权利要求1所述一种从多个出发地到多个目的地的车辆流向分析方法,其特征在于:步骤S10中,将所述车辆流向分析基础结果中的异常数据进行过滤,包括以下步骤:
a1:预设速度阈值vt;
所述速度阈值为所述目标车辆在两个地区之间的能够达到的平均行驶速度的最大值;
a2:获取所述目标车辆在所述来源地最后一次被抓拍时的卡口设备,在卡口设备的备案信息中获取卡口设备的经纬度,记作:来源地经纬度Gs;抓拍时间记作:t1;
获取所述目标车辆在目的地最后一次被抓拍时的卡口设备,在卡口设备的备案信息中获取卡口设备的经纬度,记作:目的地经纬度Ge;抓拍时间记作:tg;
a3:计算所述来源地经纬度Gs、所述目的地经纬度Ge的球面距离,得到来源地和目的地的空间间隔L;
计算t1和tg的差值,得到来源地和目的地的时间间隔T;
则,所述目标车辆在两个地区之间的行驶速度V = L/T;
a4:比较V和vt;
如果V>vt则,判定所述目标车辆从来源地和目的地之间的通行记录数据为异常数据;
否则,判定为非异常数据;
a5:将异常数据对应的车辆通行记录信息删除,完成异常数据过滤,得到所述车辆流向分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210695137.8A CN115100856B (zh) | 2022-06-20 | 2022-06-20 | 一种从多个出发地到多个目的地的车辆流向分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210695137.8A CN115100856B (zh) | 2022-06-20 | 2022-06-20 | 一种从多个出发地到多个目的地的车辆流向分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115100856A true CN115100856A (zh) | 2022-09-23 |
CN115100856B CN115100856B (zh) | 2023-05-26 |
Family
ID=83290244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210695137.8A Active CN115100856B (zh) | 2022-06-20 | 2022-06-20 | 一种从多个出发地到多个目的地的车辆流向分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100856B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002319093A (ja) * | 2001-04-19 | 2002-10-31 | Fujitsu Ltd | 配車計画支援装置、コンピュータプログラム及び記録媒体 |
CN104408920A (zh) * | 2014-11-25 | 2015-03-11 | 公安部交通管理科学研究所 | 基于卡口通行信息判断长途客运车辆交通违法行为的方法 |
US20150317844A1 (en) * | 2014-05-02 | 2015-11-05 | Kookmin University Industry-Academic Cooperation Foundation | Method of processing and analysing vehicle driving big data and system thereof |
CN105654730A (zh) * | 2015-12-31 | 2016-06-08 | 公安部交通管理科学研究所 | 一种基于卡口过车大数据分析的***认定方法 |
CN108986478A (zh) * | 2018-09-17 | 2018-12-11 | 公安部交通管理科学研究所 | 一种定点甄别违法车辆的方法 |
WO2020186764A1 (zh) * | 2019-03-21 | 2020-09-24 | 江苏智通交通科技有限公司 | 基于视频号牌设备的待转区车道饱和车头时距计算方法 |
-
2022
- 2022-06-20 CN CN202210695137.8A patent/CN115100856B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002319093A (ja) * | 2001-04-19 | 2002-10-31 | Fujitsu Ltd | 配車計画支援装置、コンピュータプログラム及び記録媒体 |
US20150317844A1 (en) * | 2014-05-02 | 2015-11-05 | Kookmin University Industry-Academic Cooperation Foundation | Method of processing and analysing vehicle driving big data and system thereof |
CN104408920A (zh) * | 2014-11-25 | 2015-03-11 | 公安部交通管理科学研究所 | 基于卡口通行信息判断长途客运车辆交通违法行为的方法 |
CN105654730A (zh) * | 2015-12-31 | 2016-06-08 | 公安部交通管理科学研究所 | 一种基于卡口过车大数据分析的***认定方法 |
CN108986478A (zh) * | 2018-09-17 | 2018-12-11 | 公安部交通管理科学研究所 | 一种定点甄别违法车辆的方法 |
WO2020186764A1 (zh) * | 2019-03-21 | 2020-09-24 | 江苏智通交通科技有限公司 | 基于视频号牌设备的待转区车道饱和车头时距计算方法 |
Non-Patent Citations (1)
Title |
---|
彭宁;刘忠山;周海波;: "基于云计算的智能卡口***研究", 软件导刊 * |
Also Published As
Publication number | Publication date |
---|---|
CN115100856B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243277B (zh) | 基于车牌识别数据的通勤车辆时空轨迹重构方法及*** | |
CN108346292B (zh) | 基于卡口数据的城市快速路实时交通指数计算方法 | |
CN111966729B (zh) | 一种车辆轨迹数据处理方法、装置、设备及存储介质 | |
CN109634946B (zh) | 一种基于大数据挖掘的轨迹智能匹配关联分析方法 | |
CN106610981A (zh) | 电子地图中道路信息的验证更新方法及*** | |
CN105046959B (zh) | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 | |
CN103903437B (zh) | 基于视频交通检测数据的机动车出行od矩阵获取方法 | |
CN110874369A (zh) | 一种多维数据融合侦查***及其方法 | |
CN111105628A (zh) | 一种停车场画像构建方法和装置 | |
CN108629982B (zh) | 一种基于旅行时间分布规律的路段车辆数估计方法 | |
CN110021161B (zh) | 一种交通流向的预测方法及*** | |
CN111949701A (zh) | 一种基于轨迹相似度的移动对象出行规律分析方法及装置 | |
CN115995149A (zh) | 一种基于多源数据的停车供需特征动态评估方法及*** | |
CN115100856A (zh) | 一种从多个出发地到多个目的地的车辆流向分析方法 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN112489439A (zh) | 一种基于大数据的交通管控方法、存储介质 | |
CN115376315B (zh) | 一种面向路网排放核算的多层级卡口质量控制方法 | |
CN113470376B (zh) | 基于卡口过车数据的实时区域在途车辆计数方法及*** | |
CN116070883A (zh) | 一种道路日常养护自动派单管理方法与*** | |
CN115063977B (zh) | 一种从单个出发地到多个目的地的车辆流向分析方法 | |
CN114407661A (zh) | 基于数据驱动的电动车能耗预测方法、***、设备及介质 | |
CN113505188A (zh) | 一种基于大数据的城市地图测绘更新***及方法 | |
CN111369200B (zh) | 一种基于车辆lbs数据的城市物流通道识别方法及*** | |
CN117274886B (zh) | 一种现状停车供需资源关系的数据分析方法 | |
CN117596551B (zh) | 一种基于手机信令数据的绿道网用户行为还原方法及装置 |
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 |