CN115188186A - 一种区域内交通流量监测方法 - Google Patents

一种区域内交通流量监测方法 Download PDF

Info

Publication number
CN115188186A
CN115188186A CN202210740114.4A CN202210740114A CN115188186A CN 115188186 A CN115188186 A CN 115188186A CN 202210740114 A CN202210740114 A CN 202210740114A CN 115188186 A CN115188186 A CN 115188186A
Authority
CN
China
Prior art keywords
monitored
area
flow
traffic flow
data
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
Application number
CN202210740114.4A
Other languages
English (en)
Other versions
CN115188186B (zh
Inventor
蔡岗
张沛
孔晨晨
何瑞华
黄淑兵
李小武
尤勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Traffic Management Research Institute of Ministry of Public Security
Original Assignee
Traffic Management Research Institute of Ministry of Public Security
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Traffic Management Research Institute of Ministry of Public Security filed Critical Traffic Management Research Institute of Ministry of Public Security
Priority to CN202210740114.4A priority Critical patent/CN115188186B/zh
Publication of CN115188186A publication Critical patent/CN115188186A/zh
Application granted granted Critical
Publication of CN115188186B publication Critical patent/CN115188186B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及智能交通技术领域，具体公开了一种区域内交通流量监测方法，其中，包括：根据上一周期的交通流量监测数据确定待监测地区当前周期的流量上限阈值和流量下限阈值；获取待监测地区的实时交通流量数据，并与所述流量上限阈值和流量下限阈值分别进行比较；若当前周期的实时交通流量数据在所述流量下限阈值与所述流量上限阈值之间，则确定当前交通流量数据正常，否则确定当前交通流量异常。本发明提供的区域内交通流量监测方法，通过对地理空间进行划区，综合划定区域内卡口和GPS流量监测数据，从而更加全面地对区域内交通流量进行刻画，比单点或单源的流量检测方法更加准确。

Description

一种区域内交通流量监测方法
技术领域
本发明涉及智能交通技术领域，尤其涉及一种区域内交通流量监测方法。
背景技术
短时间内交通流量聚集的现象容易导致区域内的交通瘫痪，不但造成出行者的交通延误，更能进一步导致交通安全事故的发生。
对此，交管部门如何能够通过实时监测辖区内交通流量，以便于交警在问题出现时及时增派警力进行引导疏堵并维持秩序就显得尤为重要。目前，大多数流量检测算法是基于单一数据源和单独的流量监测设备，无法形成对区域内交通流量有全面细致的感知，从而导致流量异常检测能力欠佳，在预警额实时性和准确性方面具有较大的局限性。
因此，如何能够提高交通流量监测的准确性和实时性成为本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种区域内交通流量监测方法，解决相关技术中存在的交通流量监测准确性低且实时性差的问题。
作为本发明的一个方面，提供一种区域内交通流量监测方法，其中，包括：
根据上一周期的交通流量监测数据确定待监测地区当前周期的流量上限阈值和流量下限阈值；
获取待监测地区的实时交通流量数据，并与所述流量上限阈值和流量下限阈值分别进行比较；
若当前周期的实时交通流量数据在所述流量下限阈值与所述流量上限阈值之间，则确定当前交通流量数据正常，否则确定当前交通流量异常；
其中，根据上一周期的交通流量监测数据确定待监测地区当前周期的流量上限阈值和流量下限阈值，包括：
根据待监测地区的地图信息进行区域划分，得到多个待监测区域；
将上一周期的待监测地区的卡口流量数据和GPS数据与所述多个待监测区域进行匹配，得到每个待监测区域所对应的卡口流量数据；
根据待监测地区的卡口流量数据按照流量时间序列进行四分位数计算，确定待监测地区的交通流量上限阈值和交通流量下限阈值。
进一步地，根据待监测地区的地图信息进行区域划分，得到多个待监测区域，包括：
获取待监测地区的地图信息；
对待监测地区的地图信息进行区域划分，得到多个待监测区域；
对每个待监测区域进行编码，得到待监测区域编码。
进一步地，对待监测地区的地图信息进行区域划分，得到多个待监测区域，包括：
根据莫顿码将待监测地区的地图信息划分为N*N的待监测区域，其中N为大于或者等于1的自然数。
进一步地，对每个待监测区域进行编码，得到待监测区域编码，包括：
根据莫顿码对每个待监测区域进行编码，得到待监测区域编码。
进一步地，将上一周期的待监测地区的卡口流量数据和GPS数据与所述多个待监测区域进行匹配，得到每个待监测区域所对应的卡口流量数据，包括：
将上一周期的待监测地区的卡口流量数据和GPS数据均基于莫顿码进行编码，得到卡口流量数据编码信息和GPS数据编码信息；
根据所述卡口流量数据编码信息和所述GPS数据编码信息与所述待监测区域编码进行匹配，以将所述卡口流量数据和所述GPS数据匹配至对应的待监测区域；
将每个待监测区域内均填入对应的卡口流量数据和GPS数据。
进一步地，将上一周期的待监测地区的卡口流量数据和GPS数据与所述多个待监测区域进行匹配，得到每个待监测区域所对应的卡口流量数据，还包括：
当待监测区域内缺少对应的卡口流量数据或者GPS数据时，根据双线性插值法对缺少卡口流量数据或者GPS数据的待监测区域进行补全。
根据待监测地区的卡口流量数据按照流量时间序列进行四分位数计算，确定待监测地区的交通流量上限阈值和交通流量下限阈值，包括：
提取待监测地区的每个时刻的卡口流量数据和GPS数据集合；
将该待监测地区的每个时刻的卡口流量数据和GPS数据集合进行拆分，得到该待监测地区的每个时刻的卡口流量数据集合和该待监测地区的每个时刻的 GPS数据集合；
根据该待监测地区的每个时刻的卡口流量数据集合和该待监测地区的每个时刻的GPS数据集合并结合四分位数进行计算，以确定待监测地区的交通流量上限阈值和交通流量下限阈值。
进一步地，根据该待监测区域的每个时刻的卡口流量数据集合和该待监测区域的每个时刻的GPS数据集合并结合四分位数进行计算，以确定待监测地区的交通流量上限阈值和交通流量下限阈值，包括：
分别计算该待监测区域的每个时刻的卡口流量数据集合的上四分位数和下四分位数，得到流量上四分位数结果和流量下四分位数结果；
根据所述流量上四分位数结果和流量四分位数结果确定车流量上限阈值和车流量下限阈值；
分别计算该待监测区域的每个时刻的GPS数据集合的上四分位数和下四分位数，得到GPS数据上四分位数结果和GPS数据下四分位数结果；
根据所述GPS数据上四分位数结果和GPS数数据下四分位数结果确定车速上限阈值和车速下限阈值。
进一步地，获取待监测地区的实时交通流量数据，并与所述流量上限阈值和流量下限阈值分别进行比较，包括：
获取待监测地区当前周期的实时车流量和实时GPS数据；
将待监测地区当前周期的实时车流量分别与所述车流量上限阈值和车流量下限阈值进行比较，以及将待监测地区当前周期的实时GPS数据分别与车速上限阈值和车速下限阈值进行比较。
进一步地，若当前周期的实时交通流量数据在所述流量下限阈值与所述流量上限阈值之间，则确定当前交通流量数据正常，否则确定当前交通流量异常，包括：
若待监测地区当前周期的实时车流量大于或者等于所述车流量上限阈值且实时车速大于或者等于车速上限阈值，或者，若待监测地区当前周期的实时车流量小于或者等于所述车流量下限阈值且实时车速小于或者等于车速下限阈值，则确定当前交通流量异常；
否则，判断当前周期交通流量正常。
本发明提供的区域内交通流量监测方法，首先提取历史数据，通过基于地图分区莫顿码的数据分区匹配方法、融合卡口流量数据和GPS数据的时空矩阵构建、基于双线性插值的矩阵空值补全方法、基于四分位数的流量上下限阈值确定方法确定流量的正常范围，最后基于区域异常交通流量实时检测方法判断流量是否异常。因此，本发明提供的区域内交通流量监测方法，通过对地理空间进行划区，综合划定区域内卡口和GPS流量监测数据，从而更加全面地对区域内交通流量进行刻画，比单点或单源的流量检测方法更加准确。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1为本发明提供的区域内交通流量监测方法的流程图。
图2为本发明提供的莫顿编码原理图。
图3为本发明提供的时空矩阵构建原理图。
图4为本发明提供的双线性插值原理图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种区域内交通流量监测方法，图1是根据本发明实施例提供的区域内交通流量监测方法的流程图，如图1所示，包括：
S100、根据上一周期的交通流量监测数据确定待监测地区当前周期的流量上限阈值和流量下限阈值；
具体地，在本发实施例中可以包括：
S110、根据待监测地区的地图信息进行区域划分，得到多个待监测区域；
在本发明实施例中，具体可以包括：
获取待监测地区的地图信息；
对待监测地区的地图信息进行区域划分，得到多个待监测区域；
对每个待监测区域进行编码，得到待监测区域编码。
在本发明实施例中，对待监测地区的地图信息进行区域划分，得到多个待监测区域，包括：
根据莫顿码将待监测地区的地图信息划分为N*N的待监测区域，其中N为大于或者等于1的自然数。
需要说明的是，对每个待监测区域进行编码，得到待监测区域编码，包括：
根据莫顿码对每个待监测区域进行编码，得到待监测区域编码。
应当理解的是，利用莫顿码对地图进行分区，根据卡口数据和GPS数据的经纬度信息，将两类数据匹配到相应的地图区间上。如图2所示，莫顿码的原理是对整个地图或某个区域进行划分，根据经纬度作二进制编码，二进制编码以经度、纬度轮流平分的方式编码；或经度纬度分别逐级二分，然后交叉合并二进制编码，最后将二进制编码转化十进制编码。
S120、将上一周期的待监测地区的卡口流量数据和GPS数据与所述多个待监测区域进行匹配，得到每个待监测区域所对应的卡口流量数据；
在本发明实施例中，具体可以包括：
将上一周期的待监测地区的卡口流量数据和GPS数据均基于莫顿码进行编码，得到卡口流量数据编码信息和GPS数据编码信息；
根据所述卡口流量数据编码信息和所述GPS数据编码信息与所述待监测区域编码进行匹配，以将所述卡口流量数据和所述GPS数据匹配至对应的待监测区域；
将每个待监测区域内均填入对应的卡口流量数据和GPS数据。
应当理解的是，在本发明实施例中，完成数据集的地图划分后对每个区块里填入相应的卡口流量数据与GPS数据(具体可以理解为车速)，首先设定一定的时间间隔后将数据集在时间范围上分为M份，然后基于莫顿码将地图划分为 N*N维区块，从空间上将数据与区块一一对应，则可构建M个N*N维的时空矩阵。
根据每个区块的卡口流量数据和GPS数据计算矩阵中每个元素的值。假设历史数据的时间跨度为T，每t时间为一时刻将T划分为M个时刻，则第i个时刻的时空矩阵内第j行、第k列的矩阵元素对应l个卡口，对应z个GPS数据，则该元素的卡口流量信息为l个卡口流量之和，GPS流量速度信息是z个GPS 数据之和，如果区块内无对应卡口或者GPS数据则填入空值。如图3是时空矩阵A的Am*i*j元素计算方式。
在本发明实施例中，将上一周期的待监测地区的卡口流量数据和GPS数据与所述多个待监测区域进行匹配，得到每个待监测区域所对应的卡口流量数据，还包括：
当待监测区域内缺少对应的卡口流量数据或者GPS数据时，根据双线性插值法对缺少卡口流量数据或者GPS数据的待监测区域进行补全。
应当理解的是，完成流量-速度时空矩阵的构建后，由于卡口和GPS数据的局限性，必将产生许多缺失数据，利用双线性插值公式完成缺失值的填充。
双线性插值是比较普遍的二维线性插值方法，其基本原理如图4所示，假设已知Q11、Q21、Q12和Q22，现求缺失值P。先在x方向上进行线性插值得到R1 和R2像素点，然后基于R1、R2在y方向上再次进行线性插值。
先求得R1和R2：
Figure BDA0003717591110000051
Figure BDA0003717591110000052
然后再求得P：
Figure BDA0003717591110000053
S130、根据待监测地区的卡口流量数据按照流量时间序列进行四分位数计算，确定待监测地区的交通流量上限阈值和交通流量下限阈值。
在本发明实施例中，包括：
提取待监测地区的每个时刻的卡口流量数据和GPS数据集合；
将该待监测地区的每个时刻的卡口流量数据和GPS数据集合进行拆分，得到该待监测地区的每个时刻的卡口流量数据集合和该待监测地区的每个时刻的 GPS数据集合；
根据该待监测地区的每个时刻的卡口流量数据集合和该待监测地区的每个时刻的GPS数据集合并结合四分位数进行计算，以确定待监测地区的交通流量上限阈值和交通流量下限阈值。
进一步具体地，根据该待监测区域的每个时刻的卡口流量数据集合和该待监测区域的每个时刻的GPS数据集合并结合四分位数进行计算，以确定待监测地区的交通流量上限阈值和交通流量下限阈值，包括：
分别计算该待监测区域的每个时刻的卡口流量数据集合的上四分位数和下四分位数，得到流量上四分位数结果和流量下四分位数结果；
根据所述流量上四分位数结果和流量四分位数结果确定车流量上限阈值和车流量下限阈值；
分别计算该待监测区域的每个时刻的GPS数据集合的上四分位数和下四分位数，得到GPS数据上四分位数结果和GPS数据下四分位数结果；
根据所述GPS数据上四分位数结果和GPS数数据下四分位数结果确定车速上限阈值和车速下限阈值。
针对同一位置的流量时间序列利用四分位数计算其上下限，作为判断流量是否异常的阈值，针对区域ij，提取每个时刻矩阵
Figure BDA0003717591110000061
将此矩阵的卡口流量和GPS流量进行拆分，得到Qt和Vt两个一维矩阵，其中 Qt＝[q0,q1,q2,…qM]，Vt＝[v0,v1,v2,…vM]。分别计算集合Qt的上四分位数为qt3，下四分位数为qt1，定义IOR为qt3-qt1，则设置流量对比上限阈值qtup为qt3+1.5* IOR，流量对比下限阈值qtdo为qt1-1.5*IOR。同理，计算集合Vt的上下限阈值分别为vtup和vtdo。
S200、获取待监测地区的实时交通流量数据，并与所述流量上限阈值和流量下限阈值分别进行比较；
在本发明实施例中，具体可以包括：
获取待监测地区当前周期的实时车流量和实时GPS数据；
将待监测地区当前周期的实时车流量分别与所述车流量上限阈值和车流量下限阈值进行比较，以及将待监测地区当前周期的实时GPS数据分别与车速上限阈值和车速下限阈值进行比较。
S300、若当前周期的实时交通流量数据在所述流量下限阈值与所述流量上限阈值之间，则确定当前交通流量数据正常，否则确定当前交通流量异常；
在本发明实施例中，具体可以包括：
若待监测地区当前周期的实时车流量大于或者等于所述车流量上限阈值且实时车速大于或者等于车速上限阈值，或者，若待监测地区当前周期的实时车流量小于或者等于所述车流量下限阈值且实时车速小于或者等于车速下限阈值，则确定当前交通流量异常；
否则，判断当前周期交通流量正常。
应当理解的是，预测开始后，设置每15分钟为一个时刻，假设最开始的预测时刻为0，t为当前时刻，以一天96个时刻为周期T，对当前时刻的流量进行实时监测，从而对比流量上下限阈值进而判定区域流量是否异常。假设当前时刻为t，当前qt和vt分别为当前时刻的卡口监测流量和GPS监测流量，实时对比 qt、vt与上下限阈值qtup、qtdo、vtup、vtdo vtdo，如果(qt≥qtup且vt≥vtup)或者(qt≤qtdo且vt≤vtdo)，则判定为流量异常。当完成T周期内的流量比对后，进入下一周期T，继续执行前文所述的步骤，由此不断循环。
综上，本发明实施例提供的区域内交通流量监测方法，首先提取历史数据，通过基于地图分区莫顿码的数据分区匹配方法、融合卡口流量数据和GPS数据的时空矩阵构建、基于双线性插值的矩阵空值补全方法、基于四分位数的流量上下限阈值确定方法确定流量的正常范围，最后基于区域异常交通流量实时检测方法判断流量是否异常。因此，本发明实施例提供的区域内交通流量监测方法，通过对地理空间进行划区，综合划定区域内卡口和GPS流量监测数据，从而更加全面地对区域内交通流量进行刻画，比单点或单源的流量检测方法更加准确。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种区域内交通流量监测方法，其特征在于，包括：
根据上一周期的交通流量监测数据确定待监测地区当前周期的流量上限阈值和流量下限阈值；
获取待监测地区的实时交通流量数据，并与所述流量上限阈值和流量下限阈值分别进行比较；
若当前周期的实时交通流量数据在所述流量下限阈值与所述流量上限阈值之间，则确定当前交通流量数据正常，否则确定当前交通流量异常；
其中，根据上一周期的交通流量监测数据确定待监测地区当前周期的流量上限阈值和流量下限阈值，包括：
根据待监测地区的地图信息进行区域划分，得到多个待监测区域；
将上一周期的待监测地区的卡口流量数据和GPS数据与所述多个待监测区域进行匹配，得到每个待监测区域所对应的卡口流量数据；
根据待监测地区的卡口流量数据按照流量时间序列进行四分位数计算，确定待监测地区的交通流量上限阈值和交通流量下限阈值。
2.根据权利要求1所述的区域内交通流量监测方法，其特征在于，根据待监测地区的地图信息进行区域划分，得到多个待监测区域，包括：
获取待监测地区的地图信息；
对待监测地区的地图信息进行区域划分，得到多个待监测区域；
对每个待监测区域进行编码，得到待监测区域编码。
3.根据权利要求2所述的区域内交通流量监测方法，其特征在于，对待监测地区的地图信息进行区域划分，得到多个待监测区域，包括：
根据莫顿码将待监测地区的地图信息划分为N*N的待监测区域，其中N为大于或者等于1的自然数。
4.根据权利要求2所述的区域内交通流量监测方法，其特征在于，对每个待监测区域进行编码，得到待监测区域编码，包括：
根据莫顿码对每个待监测区域进行编码，得到待监测区域编码。
5.根据权利要求2所述的区域内交通流量监测方法，其特征在于，将上一周期的待监测地区的卡口流量数据和GPS数据与所述多个待监测区域进行匹配，得到每个待监测区域所对应的卡口流量数据，包括：
将上一周期的待监测地区的卡口流量数据和GPS数据均基于莫顿码进行编码，得到卡口流量数据编码信息和GPS数据编码信息；
根据所述卡口流量数据编码信息和所述GPS数据编码信息与所述待监测区域编码进行匹配，以将所述卡口流量数据和所述GPS数据匹配至对应的待监测区域；
将每个待监测区域内均填入对应的卡口流量数据和GPS数据。
6.根据权利要求5所述的区域内交通流量监测方法，其特征在于，将上一周期的待监测地区的卡口流量数据和GPS数据与所述多个待监测区域进行匹配，得到每个待监测区域所对应的卡口流量数据，还包括：
当待监测区域内缺少对应的卡口流量数据或者GPS数据时，根据双线性插值法对缺少卡口流量数据或者GPS数据的待监测区域进行补全。
7.根据权利要求2所述的区域内交通流量监测方法，其特征在于，根据待监测地区的卡口流量数据按照流量时间序列进行四分位数计算，确定待监测地区的交通流量上限阈值和交通流量下限阈值，包括：
提取待监测地区的每个时刻的卡口流量数据和GPS数据集合；
将该待监测地区的每个时刻的卡口流量数据和GPS数据集合进行拆分，得到该待监测地区的每个时刻的卡口流量数据集合和该待监测地区的每个时刻的GPS数据集合；
根据该待监测地区的每个时刻的卡口流量数据集合和该待监测地区的每个时刻的GPS数据集合并结合四分位数进行计算，以确定待监测地区的交通流量上限阈值和交通流量下限阈值。
8.根据权利要求7所述的区域内交通流量监测方法，其特征在于，根据该待监测区域的每个时刻的卡口流量数据集合和该待监测区域的每个时刻的GPS数据集合并结合四分位数进行计算，以确定待监测地区的交通流量上限阈值和交通流量下限阈值，包括：
分别计算该待监测区域的每个时刻的卡口流量数据集合的上四分位数和下四分位数，得到流量上四分位数结果和流量下四分位数结果；
根据所述流量上四分位数结果和流量四分位数结果确定车流量上限阈值和车流量下限阈值；
分别计算该待监测区域的每个时刻的GPS数据集合的上四分位数和下四分位数，得到GPS数据上四分位数结果和GPS数据下四分位数结果；
根据所述GPS数据上四分位数结果和GPS数数据下四分位数结果确定车速上限阈值和车速下限阈值。
9.根据权利要求8所述的区域内交通流量监测方法，其特征在于，获取待监测地区的实时交通流量数据，并与所述流量上限阈值和流量下限阈值分别进行比较，包括：
获取待监测地区当前周期的实时车流量和实时GPS数据；
将待监测地区当前周期的实时车流量分别与所述车流量上限阈值和车流量下限阈值进行比较，以及将待监测地区当前周期的实时GPS数据分别与车速上限阈值和车速下限阈值进行比较。
10.根据权利要求9所述的区域内交通流量监测方法，其特征在于，若当前周期的实时交通流量数据在所述流量下限阈值与所述流量上限阈值之间，则确定当前交通流量数据正常，否则确定当前交通流量异常，包括：
若待监测地区当前周期的实时车流量大于或者等于所述车流量上限阈值且实时车速大于或者等于车速上限阈值，或者，若待监测地区当前周期的实时车流量小于或者等于所述车流量下限阈值且实时车速小于或者等于车速下限阈值，则确定当前交通流量异常；
否则，判断当前周期交通流量正常。
CN202210740114.4A 2022-06-28 2022-06-28 一种区域内交通流量监测方法 Active CN115188186B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210740114.4A CN115188186B (zh) 2022-06-28 2022-06-28 一种区域内交通流量监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210740114.4A CN115188186B (zh) 2022-06-28 2022-06-28 一种区域内交通流量监测方法

Publications (2)

Publication Number Publication Date
CN115188186A true CN115188186A (zh) 2022-10-14
CN115188186B CN115188186B (zh) 2024-02-20

Family

ID=83514888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210740114.4A Active CN115188186B (zh) 2022-06-28 2022-06-28 一种区域内交通流量监测方法

Country Status (1)

Country Link
CN (1) CN115188186B (zh)

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03209599A (ja) * 1990-01-11 1991-09-12 Nippon Signal Co Ltd:The 異常交通流の検出装置
DE19944077A1 (de) * 1999-09-14 2001-03-22 Daimler Chrysler Ag Verfahren und Vorrichtung zur Verkehrszustandsüberwachung
CN102968901A (zh) * 2012-11-30 2013-03-13 青岛海信网络科技股份有限公司 获取区域拥堵信息的方法及区域拥堵分析装置
US20160153804A1 (en) * 2014-12-02 2016-06-02 Here Global B.V. Monitoring and Visualizing Traffic Surprises
CN107424416A (zh) * 2017-06-19 2017-12-01 深圳市创艺工业技术有限公司 基于无人机的路段交通流量监测***
CN108629990A (zh) * 2018-06-14 2018-10-09 重庆同济同枥信息技术有限公司 一种基于多源数据的实时动态配时方法及***
CN109409713A (zh) * 2018-10-15 2019-03-01 北京交通大学 基于贝叶斯模型和三倍标准差准则的道路网络评估方法
CN109935080A (zh) * 2019-04-10 2019-06-25 武汉大学 一种交通线路上的车流量实时计算的监测***及方法
CN109979193A (zh) * 2019-02-19 2019-07-05 中电海康集团有限公司 一种基于马尔科夫模型的数据异常诊断方法
CN110363255A (zh) * 2019-08-19 2019-10-22 公安部交通管理科学研究所 一种基于深度学习算法的高速公路限速限流方法
US20200097351A1 (en) * 2018-09-26 2020-03-26 Palo Alto Research Center Incorporated System and method for binned inter-quartile range analysis in anomaly detection of a data series
CN111179592A (zh) * 2019-12-31 2020-05-19 合肥工业大学 基于时空数据流融合分析的城市交通预测方法和***
CN111583648A (zh) * 2020-05-14 2020-08-25 公安部交通管理科学研究所 融合gps数据和卡口流量数据的城市交通流量预测方法
CN111613049A (zh) * 2019-02-26 2020-09-01 北京嘀嘀无限科技发展有限公司 一种道路状态监测方法以及装置
CN112330074A (zh) * 2020-12-02 2021-02-05 公安部交通管理科学研究所 一种基于移动警务的卡口流量预警方法
WO2021052031A1 (zh) * 2019-09-20 2021-03-25 苏宁云计算有限公司 基于统计四分位距的商品库存风险预警方法、***及计算机可读存储介质
CN113190997A (zh) * 2021-04-29 2021-07-30 贵州数据宝网络科技有限公司 一种大数据终端数据修复方法及***
CN113808399A (zh) * 2021-09-15 2021-12-17 谦亨信息化技术与***(苏州)有限公司 一种基于大数据的智慧交通管理方法和***
CN114155703A (zh) * 2021-09-18 2022-03-08 阿里云计算有限公司 交通管控方法及装置
US20220148316A1 (en) * 2020-09-14 2022-05-12 Shanghai Sensetime Intelligent Technology Co., Ltd. Method and device for determining road operation condition, and storage medium
CN114495498A (zh) * 2022-01-20 2022-05-13 青岛海信网络科技股份有限公司 一种交通数据分布有效性判别方法及装置
CN114495497A (zh) * 2022-01-19 2022-05-13 山东大学 一种交通异常数据的判别和插补方法及***

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03209599A (ja) * 1990-01-11 1991-09-12 Nippon Signal Co Ltd:The 異常交通流の検出装置
DE19944077A1 (de) * 1999-09-14 2001-03-22 Daimler Chrysler Ag Verfahren und Vorrichtung zur Verkehrszustandsüberwachung
CN102968901A (zh) * 2012-11-30 2013-03-13 青岛海信网络科技股份有限公司 获取区域拥堵信息的方法及区域拥堵分析装置
US20160153804A1 (en) * 2014-12-02 2016-06-02 Here Global B.V. Monitoring and Visualizing Traffic Surprises
CN107424416A (zh) * 2017-06-19 2017-12-01 深圳市创艺工业技术有限公司 基于无人机的路段交通流量监测***
CN108629990A (zh) * 2018-06-14 2018-10-09 重庆同济同枥信息技术有限公司 一种基于多源数据的实时动态配时方法及***
US20200097351A1 (en) * 2018-09-26 2020-03-26 Palo Alto Research Center Incorporated System and method for binned inter-quartile range analysis in anomaly detection of a data series
CN109409713A (zh) * 2018-10-15 2019-03-01 北京交通大学 基于贝叶斯模型和三倍标准差准则的道路网络评估方法
CN109979193A (zh) * 2019-02-19 2019-07-05 中电海康集团有限公司 一种基于马尔科夫模型的数据异常诊断方法
CN111613049A (zh) * 2019-02-26 2020-09-01 北京嘀嘀无限科技发展有限公司 一种道路状态监测方法以及装置
CN109935080A (zh) * 2019-04-10 2019-06-25 武汉大学 一种交通线路上的车流量实时计算的监测***及方法
CN110363255A (zh) * 2019-08-19 2019-10-22 公安部交通管理科学研究所 一种基于深度学习算法的高速公路限速限流方法
WO2021052031A1 (zh) * 2019-09-20 2021-03-25 苏宁云计算有限公司 基于统计四分位距的商品库存风险预警方法、***及计算机可读存储介质
CN111179592A (zh) * 2019-12-31 2020-05-19 合肥工业大学 基于时空数据流融合分析的城市交通预测方法和***
CN111583648A (zh) * 2020-05-14 2020-08-25 公安部交通管理科学研究所 融合gps数据和卡口流量数据的城市交通流量预测方法
US20220148316A1 (en) * 2020-09-14 2022-05-12 Shanghai Sensetime Intelligent Technology Co., Ltd. Method and device for determining road operation condition, and storage medium
CN112330074A (zh) * 2020-12-02 2021-02-05 公安部交通管理科学研究所 一种基于移动警务的卡口流量预警方法
CN113190997A (zh) * 2021-04-29 2021-07-30 贵州数据宝网络科技有限公司 一种大数据终端数据修复方法及***
CN113808399A (zh) * 2021-09-15 2021-12-17 谦亨信息化技术与***(苏州)有限公司 一种基于大数据的智慧交通管理方法和***
CN114155703A (zh) * 2021-09-18 2022-03-08 阿里云计算有限公司 交通管控方法及装置
CN114495497A (zh) * 2022-01-19 2022-05-13 山东大学 一种交通异常数据的判别和插补方法及***
CN114495498A (zh) * 2022-01-20 2022-05-13 青岛海信网络科技股份有限公司 一种交通数据分布有效性判别方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
侯策 等: "道路车流量不均匀的交通灯控制***研究", 现代信息科技, vol. 4, no. 9, pages 10 - 15 *

Also Published As

Publication number Publication date
CN115188186B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
CN107945507B (zh) 行程时间预测方法及装置
CN110415516B (zh) 基于图卷积神经网络的城市交通流预测方法及介质
CN109658695B (zh) 一种多因素的短时交通流预测方法
EP3413284B1 (en) Computer system and method for state prediction of a traffic system
CN101488284A (zh) 道路交通状况即时预测的智能管理***
CN111583648B (zh) 融合gps数据和卡口流量数据的城市交通流量预测方法
CN102346964A (zh) 道路交通网络区域拥堵实时预测与智能管理***
CN113570867B (zh) 一种城市交通状态预测方法、装置、设备及可读存储介质
CN116187591B (zh) 基于动态时空趋势的商业停车场剩余车位数量预测方法
WO2022142418A1 (zh) 一种基于gis地图信息的交通拥堵指数预测方法及装置
CN113052405B (zh) 基于物联网和人工智能的交通拥堵预测与优化方法
CN110889444A (zh) 一种基于卷积神经网络的驾驶轨迹特征分类方法
CN113159403A (zh) 路口行人轨迹预测的方法及装置
CN110633853A (zh) 时空数据预测模型的训练方法、装置及电子设备
CN115188186A (zh) 一种区域内交通流量监测方法
CN111145535B (zh) 一种复杂场景下的行程时间可靠性分布预测方法
Shen et al. Traffic velocity prediction using GPS data: IEEE ICDM contest task 3 report
Vu et al. Bus running time prediction using a statistical pattern recognition technique
CN109410565B (zh) 一种动态交通事件预测方法及装置
CN114238346B (zh) 监控密度分析方法、装置、存储介质和电子设备
CN114708728A (zh) 一种识别交通高峰期的方法、电子设备及存储介质
CN114742329A (zh) 一种改进的城市内涝车辆避险路径遗传规划方法
CN114817328A (zh) 一种水域数据处理方法、装置及***
CN112857380B (zh) 道路通行状态确定方法、装置、存储介质及电子设备
CN110148298A (zh) 基于机动车电子标识数据的私家车规律出行行为发现方法

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