CN115358551A - 一种高速公路引流分析方法、装置、存储介质及终端 - Google Patents
一种高速公路引流分析方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN115358551A CN115358551A CN202210945952.5A CN202210945952A CN115358551A CN 115358551 A CN115358551 A CN 115358551A CN 202210945952 A CN202210945952 A CN 202210945952A CN 115358551 A CN115358551 A CN 115358551A
- Authority
- CN
- China
- Prior art keywords
- highway
- shunted
- vehicle
- vehicles
- road
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims description 55
- 238000005457 optimization Methods 0.000 claims abstract description 108
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims description 44
- 230000006399 behavior Effects 0.000 claims description 35
- 230000008901 benefit Effects 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 102000051759 human factor J Human genes 0.000 description 1
- 108700008420 human factor J Proteins 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高速公路引流分析方法、装置、存储介质及终端,方法包括:当根据高速路网收费数据判断出高速公路存在分流现象时,确定高速公路的被分流的高速路段及分流的普通公路段;获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据确定被分流的高速路段的被分流车辆;根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数;根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。本申请为高速公路基础设施优化改善提供基础决策支撑,可提高高速公路在车辆整个出行链条中的服务竞争力,提升高速公路利用效率。
Description
技术领域
本发明涉及智能交通技术领域,特别涉及一种高速公路引流分析方法、装置、存储介质及终端。
背景技术
近年来,我国高速公路路网建设迅猛发展,交通运输快速增长,服务水平明显提高,交通基础设施建设为经济社会快速发展提供了有力支撑。但是,在高速公路网的实际运行中,特别是在高速路网和普通公路“两网”并行路段占比较高的区段,存在着高速公路与普通公路使用不平衡,一方面造成高速公路资源浪费,物流成本高;另一方面导致普通公路的交通压力大,安全事故频发等问题。因此,亟需在高速公路可承载的范围内,将普通公路的流量引流至高速公路,进而提升高速公路的整体资源利用率。
为了将普通公路的流量吸引至高速路网上来,需要从对比分析高速公路和普通公路在车辆出行需求链条中的整体服务竞争力,进一步对高速公路的运营资源进行优化部署,例如对高速公路部分区段实施差异化收费,以及逐步完善高速公路的餐饮、加油等服务设施的建设。当前,高速公路运营资源优化部署方案的制订由于缺乏数据支撑和有效的数据分析方法,不仅需要耗费大量的人力物力进行调查研究,还往往得到一些定性而非定量,不够客观和科学的结论,不能有效地支撑高速公路运营优化工作。
发明内容
本申请实施例提供了一种高速公路引流分析方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种高速公路引流分析方法,方法包括:
获取待分析高速公路在待分析周期内的高速路网收费数据;
当根据高速路网收费数据判断出待分析高速公路存在分流现象时,确定待分析高速公路的被分流的高速路段及分流的普通公路段;
获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据,将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆;
根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数;
根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
可选的,高速路网收费数据是由每个车辆在待分析周期内的通行记录集合组成;
方法还包括:
确定待分析高速公路一对不相邻的高速出口广场和高速入口广场;
根据每个车辆在待分析周期内的通行记录集合统计每个车辆经过不相邻的出口广场和入口广场的目标次数;
当目标次数大于预设阈值时,确定高速公路存在分流现象。
可选的,确定待分析高速公路的被分流的高速路段及分流的普通公路段,包括:
以出口广场传为起点,在预设总路网中执行逆向广度优先遍历算法,得到第一路段;
以入口广场为起点,在预设总路网中执行正向广度优先遍历算法,得到第二路段;
以第一路段为起始路段,并以第二路段为终止路段在预设高速路网中执行正向广度优先遍历算法,以搜索第一路段到第二路段的最短可达路径;
若存在最短可达路径,则将最短可达路径确定为被分流的高速路段;
在预设路网中执行优先的BFS算法,以搜索第一路段到第二路段的普通可达路径;
若存在至少一条普通可达路径,将普通可达路径确定为分流的普通公路段;
其中,
预设高速路网是基于预设总路网生成的。
可选的,将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,得到被分流的高速路段的被分流车辆,包括:
将每个车辆的公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,判断公路网移动位置数据的子集是否完全映射到分流的普通公路段所覆盖的路网上;
若是,则将该子集对应的车辆确定为被分流的高速路段的被分流车辆。
可选的,根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,包括:
获取每个被分流车辆的驻留行为记录;
根据每个被分流车辆的驻留行为记录对每个被分流车辆进行驻留行为分析,得到每个被分流车辆的驻留类型以及驻留类型的停留时长;
根据每个被分流车辆的驻留类型以及驻留类型的停留时长确定每个被分流车辆的分流原因描述信息。
可选的,根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数,包括:
确定预设影响交通分流的兴趣点所对应的每类车辆服务,并根据每个被分流车辆的分流原因描述信息统计待分析周期内每类车辆服务影响下的第一车辆总数;
根据每个被分流车辆的分流原因描述信息统计待分析周期内被多个车辆服务影响的第二车辆总数;
根据第一车辆总数、第二车辆总数以及被分流车辆总数计算每类车辆服务对应的扩样后独立影响的车辆数。
可选的,根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合,包括:
确定每类车辆服务的被分流的高速路段相对于分流的普通公路段的服务能力对比优势参数;
确定每类车辆服务的优化措施参数,并根据优化措施参数生成被分流的高速路段与分流的普通公路段的服务对比优势更新参数;
根据每类车辆服务对应的扩样后独立影响的车辆数以及与其对应的服务能力对比优势参数、服务对比优势更新参数计算出每类车辆服务的引流车辆数;
根据每类车辆服务的引流车辆数,并结合预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
可选的,根据每类车辆服务的引流车辆数,并结合预先定义的高速公路运营优化的目标函数进行最优化,包括:
根据每类车辆服务的引流车辆数计算所带来增加的通行费用;
根据每类车辆服务的优化措施参数计算每个分析周期的优化措施执行代价;
根据所带来增加的通行费用、优化措施执行代价,并结合预先定义的高速公路运营优化的目标函数进行最优化。
第二方面,本申请实施例提供了一种高速公路引流分析装置,装置包括:
多源数据获取模块,获取待分析高速公路在待分析周期内的高速路网收费数据;
路段类型划分模块,用于当根据高速路网收费数据判断出待分析高速公路存在分流现象时,确定待分析高速公路的被分流的高速路段及分流的普通公路段;
被分流车辆生成模块,用于获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据,将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆;
车辆数计算模块,用于根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数;
最优化模块,用于根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
第三方面,本申请实施例提供一种计算机存储介质,计算机存储介质存储有多条指令,指令适于由处理器加载并执行上述的方法步骤。
第四方面,本申请实施例提供一种终端,可包括:处理器和存储器;其中,存储器存储有计算机程序,计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,高速公路引流分析装置首先获取待分析高速公路在待分析周期内的高速路网收费数据,然后当根据高速路网收费数据判断出待分析高速公路存在分流现象时,确定待分析高速公路的被分流的高速路段及分流的普通公路段,其次获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据,将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆,再根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数,最后根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。由于本申请在高速路网收费数据和公路网移动位置数据的驱动下进行被分流车辆分析,并采用高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合,从而为高速公路基础设施优化改善、差异化收费工作提供基础决策支撑,可提高高速公路在车辆整个出行链条中的服务竞争力,进而提升高速公路利用效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种高速公路引流分析方法的流程示意图;
图2是本申请实施例提供的一种路网示意图;
图3是本申请实施例提供的一种借用普通公路实现高速绕行的示意图;
图4是本申请实施例提供的一种借用普通公路实现高速换道的示意图;
图5是本申请实施例提供的一种车辆在普通公路上的移动位置数据示意图;
图6是本申请实施例提供的一种高速公路引流分析装置的结构示意图;
图7是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供了一种高速公路引流分析方法、装置、存储介质及终端,以解决上述相关技术问题中存在的问题。本申请提供的技术方案中,由于本申请在高速路网收费数据和公路网移动位置数据的驱动下进行被分流车辆分析,并采用高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合,从而为高速公路基础设施优化改善、差异化收费工作提供基础决策支撑,可提高高速公路在车辆整个出行链条中的服务竞争力,进而提升高速公路利用效率,下面采用示例性的实施例进行详细说明。
下面将结合附图1-附图5,对本申请实施例提供的高速公路引流分析方法进行详细介绍。该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的高速公路引流分析装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
请参见图1,为本申请实施例提供了一种高速公路引流分析方法的流程示意图。如图1所示,本申请实施例的方法可以包括以下步骤:
S101,获取待分析高速公路在待分析周期内的高速路网收费数据;
其中,待分析高速公路是提前设定需要进行高速公路引流分析的高速公路,待分析周期是预先制定的一段时间,该时间可以是几小时,也可以时几天、几周乃至几个月、几年。流量传感器包括设置于高速公路出口广场传感器和入口广场传感器,例如ETC收费设备和车牌识别设备。高速路网收费数据是由流量传感器采集并上报至云端保存的。
通常,为了将普通公路的流量“引流”至高速公路,可以通过灵活的定价模式,对部分通行高速公路的车辆采用不同的标准收取通行费,通过价格杠杆均衡路网交通流量分布,进一步提升路网通行效率,促进物流降本增效。此外,逐步完善高速公路的餐饮、加油等服务设施的建设,提高高速公路在车辆整个出行链条中的服务竞争力,也是提升高速公路利用效率的一条可行路径。要实现该过程,首先需要定位高速公路被普通公路“分流”的区段,以及分析车辆被分流的可能原因,才能针对性地做出合理的差异化收费和高速公路设施优化方案。
在本申请实施例中,随着高速公路上收费门架上ETC收费设备、车牌图像识别设备的布设,基本构建起对高速公路全流量的粗粒度感知能力;海量的众包移动位置数据提供了覆盖高速公路和普通公路的采样流量的细粒度感知能力。对二者进行融合,将为高速公路和普通公路的流量调查、车辆行为分析和画像等工作提供坚实的数据基础,并进一步生成出科学合理的高速公路引流方案。
如图2所示,图2为公路网的一个局部,公路网由高速公路和普通公路构成,二者通过匝道进行连接。出于收费和流量感知的需求,在高速公路的收费设施(如进出高速公路的收费广场和高速公路门架)上布设有流量传感器(如ETC收费设备和车牌识别设备),当车辆经过流量传感器时,会在云端产生一条通行记录,本发明将其定义为一个三元组:
其中,c唯一标识一辆车;q代表高速路网上的一个收费设施,k为q的唯一ID;π为q的类型,本发明将q的类型定义为三类:A为入口广场,B为出口广场,D为门架;t为车辆c经过该收费设施q的时刻。
设Ψ为高速通行记录序列集合(即高速路网收费数据),有设C为高速入网车辆的集合,有c∈C。不妨设Ψc为Ψ中提取的车辆c的高速通行记录序列集合,有鉴于高速分流和引流分析只与车辆进出高速的通行记录相关,特提取车辆c经过收费广场时的高速通行记录序列集合为有
设和为中相邻的两条高速出入口记录,如果并且说明车辆c在时刻由出口收费广场驶出高速路网,并在时刻由入口收费广场重新驶入高速路网。即为上一条OD的出口记录,为下一条OD的入口记录。本发明研究与之间的相关性。
此外,由于本发明要涉及到空间地理分析,需要对路网做如下定义:
定义预设总路网G(N,E),其中N为预设总路网中节点n的集合,E为预设总路网中路段e的集合。根据路段e的属性划分,抽取E中属性为高速的路段及其关联节点构成预设高速路网G1(N1,E1)。
高速分流和引流分析的典型场景如图3所示,出于通行费节省或其他在途服务(加油、餐饮、车辆维修等)的便捷,车辆在出口驶离高速,经过一段地面道路的行驶后,又在入口处驶入高速,从而造成高速公路至处被分流。高速引流的目的是将满足上述行驶特征的车辆重新引入到至段行驶。
需要说明的是,在本发明中,要求和不相邻,即和间存在其他入口(如图3中),因为一种常见的场景是,车辆从出口出高速后到达目的地,再由目的地驶入高速时,为了避免浪费行程,可能不选择对应的入口驶入高速,而选择下一个相邻的入口驶入高速。
在一种可能的实现方式中,在根据上述描述定义完成后,可从云端获取待分析高速公路在待分析周期内来自流量传感器的高速路网收费数据。
S102,当根据高速路网收费数据判断出待分析高速公路存在分流现象时,确定待分析高速公路的被分流的高速路段及分流的普通公路段;
其中,高速路网收费数据是由每个车辆在待分析周期内的通行记录集合组成。
在本申请实施例中,
首先确定待分析高速公路一对不相邻的高速出口广场和高速入口广场;
根据每个车辆在待分析周期内的通行记录集合统计每个车辆经过不相邻的出口广场和入口广场的目标次数,并当目标次数大于预设阈值时,确定高速公路存在分流现象。
在一种可能的实现方式中,对于给定的一个分析周期Tdef,设有的一对不相邻的出口广场传感器和入口广场传感器提取车辆c通行记录集合中先后经过和的次数mc=Count(x,y,c),同理,可得到高速入网车辆集合C中所有车辆经过和的次数∑c∈CCount(x,y,c)。对于给定的一个出口广场传感器和入口广场传感器当∑c∈ CCount(x,y,c)>κ(κ为阈值参数设定)时,则出口广场传感器至入口广场传感器之间的高速公路存在潜在的分流现象。
分流现象的发生存在多种原因,如图4所示,当车辆在两条平行的高速公路间切换时,不可避免地先驶出高速,借用地方道路行驶后再驶入高速,但这不属于本发明讨论的情况。因此,需要借助空间地理分析,判断出口广场和入口广场之间,高速公路和地方道路的空间相关性。
在本申请实施例中,确定待分析高速公路的被分流的高速路段及分流的普通公路段时,首先以出口广场为起点,在预设总路网中执行逆向广度优先遍历(Reverse Breadth-First-Search,RBFS)算法,得到第一路段,再以入口广场为起点,在预设总路网中执行正向广度优先遍历(Breadth-First-Search,BFS)算法,得到第二路段。例如,从为起点在预设总路网G中执行逆向广度优先遍历算法(RBFS)上溯至预设高速路网的一条第一路段e1∈G1;同理从为起点在预设总路网G中执行正向BFS算法得到第二路段e2∈G1。
进一步的,在一个优选的实施方式中,第一路段e1和第二路段e2的选取也可以基于Ψ中与和相近的门架所在的路段替代,如图3中,的e1可以取所在路段,的e2可以取所在路段,鉴于离离较远,可以提高地理信息分析的可靠性。
其次以第一路段为起始路段,并以第二路段为终止路段在预设高速路网中执行正向广度优先遍历算法,以搜索第一路段到第二路段的最短可达路径,若存在最短可达路径,则将最短可达路径确定为被分流的高速路段,最后在预设路网中执行普通公路优先的BFS算法,以搜索第一路段到第二路段的普通可达路径,若存在至少一条普通可达路径,将普通可达路径确定为分流的普通公路段。例如以e1为起始路段,e2为终止路段,在预设高速路网G1上执行正向BFS算法,搜索从e1到e2的最短可达路径。若预设高速路网G1中存在可达路径则在预设总路网G中执行普通公路优先的BFS算法,搜索从e1到e2的可达路径,若预设总路网G中存在一条或多条可达路径,设为且的路径长度小于路径长度的ξ倍(ξ为阈值参数设定)。
进一步地,可以量化评估被分流区段的分流严重程度。如图3所示,统计与间的车流量为∑c∈CCount(3,4,c),而到的分流流量为∑c∈CCount(2,1,c),从而得到到间的高速区段被分流的比例为:γ2,1值越大,说明到间的高速区段被分流的情况越严重。
S103,获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据,将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆;
其中,公路网移动位置数据是由车辆上的车载终端生成并上报的。
通常,车辆在普通公路上的行为不被高速流量传感器所感知,因此本发明中车辆在普通公路上的行为基于车辆上装载的移动位置传感器来感知。车辆装载的移动位置传感器会定时产生一条移动位置记录并上传至云端,本发明将其定义为一个五元组:
在本申请实施例中,首先获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据,然后将每个公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,以判断每个公路网移动位置数据的子集是否完全映射到分流的普通公路段所覆盖的路网上;若是,则将该子集对应的车辆确定为被分流的高速路段的被分流车辆。例如待分析周期为Tdef,如图5所示,每个车辆在待分析周期内的移动位置数据记录为将其与分流的普通公路段覆盖的路网执行地图匹配(Map Matching)运算,若存在移动位置数据的子集 完全映射于被分流的高速路段上,即pm映射于路段e1上,pn映射于路段e2上,其pm~pn中的所有点均能映射于被分流的高速路段的其他路段上,则称车辆为被分流的高速路段的被分流车辆。
S104,根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数;
通常,通过分析被分流车辆的驻留行为来分析车辆被分流的原因。本发明定义驻留行为为一个四元组:其中,唯一标识一辆车,σ代表普通路段上与车辆行驶相关的一个兴趣点(Point of Interest,POI),其中k为σ的唯一ID,π为σ的类型,本发明中σ的类型有加油站、餐厅、维修点等;t为驻留于σ的开始时刻;τ为驻留于σ的时长。
在本发明中,车辆驻留于σ的判断方法是,设是的一个子集,对于中的任何一个点pk,有pk.v<V,且有pn1.t-pm1.t>T,则判定车辆驻留于σ,ψ.t=pm1.t,ψ.τ=pn1.t-pm1.t。其中,V、L和T为阈值参数设定。车辆在路径的所有驻留行为记为
需要说明的是,驻留行为分析要关联动态交通信息,以排除因为交通拥堵导致的驻留现象。
在本申请实施例中,在对被分流车辆进行行为模式分析时,首先获取每个被分流车辆的驻留行为记录,然后根据每个被分流车辆的驻留行为记录对每个被分流车辆进行驻留行为分析,得到每个被分流车辆的驻留类型以及驻留类型的停留时长,最后根据每个被分流车辆的驻留类型以及驻留类型的停留时长确定每个被分流车辆的分流原因描述信息。
具体的,本发明量化不同因素对和的路径选择的影响。首先,车辆对于不同路径的选择因素是多维度耦合的,但要试图影响和改变部分车辆的选择,在车辆的遴选上,应优先考虑受单因素影响的车辆,在行为上表现为只在一个POI处(兴趣点)驻留,或者没有在任何POI处驻留(说明车辆仅是对高速通行费敏感)。对于任意一类兴趣点σπ,其代表了车辆出行需要的一类服务,也代表了影响车辆出行路径选择的一维因素。
本发明假设,就任意一类服务而言,普通公路与高速公路服务能力的对比优势大小决定了受该因素独立影响的车辆的路径选择。反之,站在高速公路的角度,在该因素上优化服务所能达到的引流效果取决于服务优化后,服务能力的对比优势变化和受该因素独立影响的车辆数。车辆数越大,且服务优化后对比普通公路的优势越明显,则高速引流的效果越突出。因此,就任意一类服务而言,本发明需要量化评估该因素独立影响的车辆数,以及普通公路与高速公路服务能力的对比优势。
在一种可能的实现方式中,在根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数时,首先确定预设影响交通分流的兴趣点所对应的每类车辆服务,并根据每个被分流车辆的分流原因描述信息统计待分析周期内每类车辆服务影响下的第一车辆总数,然后根据每个被分流车辆的分流原因描述信息统计待分析周期内被多个车辆服务影响的第二车辆总数,其中,多个是指两个及以上。最后根据第一车辆总数、第二车辆总数以及被分流车辆总数计算每类车辆服务对应的扩样后独立影响的车辆数。
其中,C‘为移动位置数据对应的车辆集合。
为了表达的方便,将sφ归为sπ的一个特殊情况,sπ的集合记为Sπ={sπ},π的集合记为Π。
与高速定点感知设备相比,移动位置数据是采样数据,因此需要对其进行扩样处理。本发明中将服务sπ独立影响的车辆数从移动位置数据包含的车辆数扩样至高速定点设备感知到的分流车辆总数。
S105,根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
在本申请实施例中,在得到扩样后独立影响的车辆数后,首先确定被分流的高速路段相对于分流的普通公路段的服务能力对比优势参数,然后确定每类车辆服务的优化措施参数,并根据优化措施参数生成被分流的高速路段与分流的普通公路段的服务对比优势更新参数,最后根据每类车辆服务对应的扩样后独立影响的车辆数以及与其对应的服务能力对比优势参数、服务对比优势更新参数计算出每类车辆服务的引流车辆数,最后根据每类车辆服务的引流车辆数,并结合预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
例如,对于一类服务sπ而言,高速公路相对于普通公路的服务能力对比优势记为R(sπ),随着高速公路基础设施的优化,会导致服务能力提升,进而使得R(sπ)变大,则会有一定的车辆数被引流至高速,本发明记为ΔR(sπ)×F(sπ)。有:
例如,对于加油这类服务而言,加油站的数量是一个重要的参考因素,数量多代表用户的选择多,带来更多的用户价值。设加油站数量为对比加油服务sπ的因素j,则指高速公路的加油站数量,指地面道路的加油站数量,不妨设来指代高速公路的服务对比优势值。
同理,我们还可以考虑加油设施数量、平均加油时长、平均油价等因素,综合定义高速公路对普通公路的加油服务对比优势R(sπ)。
同理,可以定义餐饮、维修、通行等其他服务的对比优势。
就高速公路的运营优化而言,对于任意一类服务sπ而言,通过差异化收费或新建基础设施(如新建加油站),我们可以提高高速公路对普通公路的服务对比优势。定义对服务sπ的优化措施为ωπ,设优化措施ωπ的执行代价归一化到单位分析周期Tdef的估计为lost(ωπ,Tdef),执行后高速公路与普通公路的服务对比优势更新为R(sπ,ωπ),则根据之前的定义,可以带来的引流车辆数为:F(sπ)×(R(sπ,ωπ)-R(sπ))。
具体的,在根据每类车辆服务的引流车辆数,并结合预先定义的高速公路运营优化的目标函数进行最优化时,首先根据每类车辆服务的引流车辆数计算所带来增加的通行费用,根据每类车辆服务的优化措施参数计算每个分析周期的优化措施执行代价;然后根据所带来增加的通行费用、优化措施执行代价,并结合预先定义的高速公路运营优化的目标函数进行最优化。
例如,在得到每类车辆服务的引流车辆数后,从而可以计算出所带来增加的通行费用为F(sπ)×(R(sπ,ωπ)-R(sπ))×ε,其中ε为高速公路引流区段的通行费单价。
进一步地,在得到所带来增加的通行费用后,根据所带来增加的通行费用,并结合预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。例如预先定义的高速公路运营优化的目标函数为:
其中,z(sπ)为高速公路某一类服务sπ目前还可以服务的车辆数,超过z(sπ)将导致高速公路某一类服务sπ服务能力饱和,从而引发服务sπ的崩溃;Z为高速公路目前还可以服务的总车辆数,超过Z将导致高速公路服务能力饱和,从而引发高速公路总服务能力的崩溃。
通过最优化求解算来求解高速优化措施集合{ωπ},∈Π,可以得到最大化的引流收益。后续可根据高速优化措施集合进行高速公路引流。
在本申请实施例中,高速公路引流分析装置首先获取待分析高速公路在待分析周期内的高速路网收费数据,然后当根据高速路网收费数据判断出待分析高速公路存在分流现象时,确定待分析高速公路的被分流的高速路段及分流的普通公路段,其次获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据,将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆,再根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数,最后根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。由于本申请在高速路网收费数据和公路网移动位置数据的驱动下进行被分流车辆分析,并采用高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合,从而为高速公路基础设施优化改善、差异化收费工作提供基础决策支撑,可提高高速公路在车辆整个出行链条中的服务竞争力,进而提升高速公路利用效率。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参见图6,其示出了本发明一个示例性实施例提供的高速公路引流分析装置的结构示意图。该高速公路引流分析装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括多源数据获取模块10、路段类型划分模块20、被分流车辆生成模块30、车辆数计算模块40、最优化模块50。
多源数据获取模块10,获取待分析高速公路在待分析周期内的高速路网收费数据;
路段类型划分模块20,用于当根据高速路网收费数据判断出待分析高速公路存在分流现象时,确定待分析高速公路的被分流的高速路段及分流的普通公路段;
被分流车辆生成模块30,用于获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据,将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆;
车辆数计算模块40,用于根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数;
最优化模块50,用于根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
需要说明的是,上述实施例提供的高速公路引流分析装置在执行高速公路引流分析方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的高速公路引流分析装置与高速公路引流分析方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请实施例中,高速公路引流分析装置首先获取待分析高速公路在待分析周期内的高速路网收费数据,然后当根据高速路网收费数据判断出待分析高速公路存在分流现象时,确定待分析高速公路的被分流的高速路段及分流的普通公路段,其次获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据,将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆,再根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数,最后根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。由于本申请在高速路网收费数据和公路网移动位置数据的驱动下进行被分流车辆分析,并采用高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合,从而为高速公路基础设施优化改善、差异化收费工作提供基础决策支撑,可提高高速公路在车辆整个出行链条中的服务竞争力,进而提升高速公路利用效率。
本发明还提供一种计算机可读介质,其上存储有程序指令,该程序指令被处理器执行时实现上述各个方法实施例提供的高速公路引流分析方法。
本发明还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例的高速公路引流分析方法。
请参见图7,为本申请实施例提供了一种终端的结构示意图。如图7所示,终端1000可以包括:至少一个处理器1001,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。
其中,通信总线1002用于实现这些组件之间的连接通信。
其中,用户接口1003可以包括显示屏(Display)、摄像头(Camera),可选用户接口1003还可以包括标准的有线接口、无线接口。
其中,网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种接口和线路连接整个电子设备1000内的各个部分,通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集,以及调用存储在存储器1005内的数据,执行电子设备1000的各种功能和处理数据。可选的,处理器1001可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1001中,单独通过一块芯片进行实现。
其中,存储器1005可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图7所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及高速公路引流分析应用程序。
在图7所示的终端1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输入的数据;而处理器1001可以用于调用存储器1005中存储的高速公路引流分析应用程序,并具体执行以下操作:
获取待分析高速公路在待分析周期内来自流量传感器的高速路网收费数据;
当根据高速路网收费数据判断出待分析高速公路存在分流现象时,确定待分析高速公路的被分流的高速路段及分流的普通公路段;
获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据,将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆;
根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数;
根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
在一个实施例中,处理器1001还执行以下操作:
确定待分析高速公路一对不相邻的高速出口广场和高速入口广场;
根据每个车辆在待分析周期内的通行记录集合统计每个车辆经过不相邻的出口广场和入口广场的目标次数;
当目标次数大于预设阈值时,确定高速公路存在分流现象。
在一个实施例中,处理器1001在执行确定待分析高速公路的被分流的高速路段及分流的普通公路段时,具体执行以下操作:
以出口广场为起点,在预设总路网中执行逆向广度优先遍历算法,得到第一路段;
以入口广场为起点,在预设总路网中执行正向广度优先遍历算法,得到第二路段;
以第一路段为起始路段,并以第二路段为终止路段在预设高速路网中执行正向广度优先遍历算法,以搜索第一路段到第二路段的最短可达路径;
若存在最短可达路径,则将最短可达路径确定为被分流的高速路段;
在预设路网中执行优先的BFS算法,以搜索第一路段到第二路段的普通可达路径;
若存在至少一条普通可达路径,将普通可达路径确定为分流的普通公路段;
其中,
预设高速路网是基于预设总路网生成的。
在一个实施例中,处理器1001在执行将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,得到被分流的高速路段的被分流车辆时,具体执行以下操作:
将每个车辆的公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,判断公路网移动位置数据的子集是否完全映射到分流的普通公路段所覆盖的路网上;
若是,则将该子集对应的车辆确定为被分流的高速路段的被分流车辆。
在一个实施例中,处理器1001在执行根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息时,具体执行以下操作:
获取每个被分流车辆的驻留行为记录;
根据每个被分流车辆的驻留行为记录对每个被分流车辆进行驻留行为分析,得到每个被分流车辆的驻留类型以及驻留类型的停留时长;
根据每个被分流车辆的驻留类型以及驻留类型的停留时长确定每个被分流车辆的分流原因描述信息。
在一个实施例中,处理器1001在执行根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数时,具体执行以下操作:
确定预设影响交通分流的兴趣点所对应的每类车辆服务,并根据每个被分流车辆的分流原因描述信息统计待分析周期内每类车辆服务影响下的第一车辆总数;
根据每个被分流车辆的分流原因描述信息统计待分析周期内被多个车辆服务影响的第二车辆总数;
根据第一车辆总数、第二车辆总数以及被分流车辆总数计算每类车辆服务对应的扩样后独立影响的车辆数。
在一个实施例中,处理器1001在执行根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合时,具体执行以下操作:
确定被分流的高速路段相对于分流的普通公路段的服务能力对比优势参数;
确定每类车辆服务的优化措施参数,并根据优化措施参数生成被分流的高速路段与分流的普通公路段的服务对比优势更新参数;
根据每类车辆服务对应的扩样后独立影响的车辆数以及与其对应的服务能力对比优势参数、服务对比优势更新参数计算出每类车辆服务的引流车辆数;
根据每类车辆服务的引流车辆数,并结合预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
在一个实施例中,处理器1001在执行根据每类车辆服务的引流车辆数,并结合预先定义的高速公路运营优化的目标函数进行最优化时,具体执行以下操作:
根据每类车辆服务的引流车辆数计算所带来增加的通行费用;
根据每类车辆服务的优化措施参数计算每个分析周期的优化措施执行代价;
根据所带来增加的通行费用、优化措施执行代价,并结合预先定义的高速公路运营优化的目标函数进行最优化。
在本申请实施例中,高速公路引流分析装置首先获取待分析高速公路在待分析周期内来自流量传感器的高速路网收费数据,然后当根据高速路网收费数据判断出待分析高速公路存在分流现象时,确定待分析高速公路的被分流的高速路段及分流的普通公路段,其次获取与高速路网收费数据同周期的行驶于普通公路段的公路网移动位置数据,将公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆,再根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数,最后根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。由于本申请在高速路网收费数据和公路网移动位置数据的驱动下进行被分流车辆分析,并采用高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合,从而为高速公路基础设施优化改善、差异化收费工作提供基础决策支撑,可提高高速公路在车辆整个出行链条中的服务竞争力,进而提升高速公路利用效率。
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,高速公路引流分析的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (11)
1.一种高速公路引流分析方法,其特征在于,所述方法包括:
获取待分析高速公路在待分析周期内的高速路网收费数据;
当根据所述高速路网收费数据判断出所述待分析高速公路存在分流现象时,确定所述待分析高速公路的被分流的高速路段及分流的普通公路段;
获取与所述高速路网收费数据同周期的行驶于所述普通公路段的公路网移动位置数据,将所述公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆;
根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数;
根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
2.根据权利要求1所述的方法,所述高速路网收费数据是由每个车辆在所述待分析周期内的通行记录集合组成,其特征在于,
所述方法还包括:
确定待分析高速公路一对不相邻的高速出口广场和高速入口广场;
根据所述每个车辆在所述待分析周期内的通行记录集合统计每个车辆经过不相邻的出口广场和入口广场的目标次数;
当所述目标次数大于预设阈值时,确定高速公路存在分流现象。
3.根据权利要求2所述的方法,其特征在于,所述确定所述待分析高速公路的被分流的高速路段及分流的普通公路段,包括:
以所述出口广场为起点,在预设总路网中执行逆向广度优先遍历算法,得到第一路段;
以所述入口广场为起点,在预设总路网中执行正向广度优先遍历算法,得到第二路段;
以第一路段为起始路段,并以第二路段为终止路段在预设高速路网中执行正向广度优先遍历算法,以搜索第一路段到第二路段的最短可达路径;
若存在最短可达路径,则将最短可达路径确定为被分流的高速路段;
在预设路网中执行优先的BFS算法,以搜索第一路段到第二路段的普通可达路径;
若存在至少一条普通可达路径,将所述普通可达路径确定为分流的普通公路段;其中,
所述预设高速路网是基于所述预设总路网生成的。
4.根据权利要求1所述的方法,其特征在于,所述将所述公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,得到被分流的高速路段的被分流车辆,包括:
将每个车辆的所述公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,判断所述公路网移动位置数据的子集是否完全映射到所述分流的普通公路段所覆盖的路网上;
若是,则将该子集对应的车辆确定为被分流的高速路段的被分流车辆。
5.根据权利要求1所述的方法,其特征在于,所述根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,包括:
获取每个被分流车辆的驻留行为记录;
根据每个被分流车辆的驻留行为记录对每个被分流车辆进行驻留行为分析,得到每个被分流车辆的驻留类型以及驻留类型的停留时长;
根据每个被分流车辆的驻留类型以及驻留类型的停留时长确定每个被分流车辆的分流原因描述信息。
6.根据权利要求1所述的方法,其特征在于,所述根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数,包括:
确定预设影响交通分流的兴趣点所对应的每类车辆服务,并根据每个被分流车辆的分流原因描述信息统计待分析周期内所述每类车辆服务影响下的第一车辆总数;
根据每个被分流车辆的分流原因描述信息统计待分析周期内被多个车辆服务影响的第二车辆总数;
根据所述第一车辆总数、所述第二车辆总数以及被分流车辆总数计算每类车辆服务对应的扩样后独立影响的车辆数。
7.根据权利要求1所述的方法,其特征在于,所述根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合,包括:
确定每类车辆服务的被分流的高速路段相对于分流的普通公路段的服务能力对比优势参数;
确定每类车辆服务的优化措施参数,并根据所述优化措施参数生成被分流的高速路段与分流的普通公路段的服务对比优势更新参数;
根据每类车辆服务对应的扩样后独立影响的车辆数以及与其对应的服务能力对比优势参数、服务对比优势更新参数计算出每类车辆服务的引流车辆数;
根据每类车辆服务的引流车辆数,并结合预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
8.根据权利要求7所述的方法,其特征在于,所述根据每类车辆服务的引流车辆数,并结合预先定义的高速公路运营优化的目标函数进行最优化,包括:
根据每类车辆服务的引流车辆数计算所带来增加的通行费用;
根据所述每类车辆服务的优化措施参数计算每个分析周期的优化措施执行代价;
根据所带来增加的通行费用、优化措施执行代价,并结合预先定义的高速公路运营优化的目标函数进行最优化。
9.一种高速公路引流分析装置,其特征在于,所述装置包括:
多源数据获取模块,获取待分析高速公路在待分析周期内的高速路网收费数据;
路段类型划分模块,用于当根据所述高速路网收费数据判断出所述待分析高速公路存在分流现象时,确定所述待分析高速公路的被分流的高速路段及分流的普通公路段;
被分流车辆生成模块,用于获取与所述高速路网收费数据同周期的行驶于所述普通公路段的公路网移动位置数据,将所述公路网移动位置数据与分流的普通公路段所覆盖的路网执行地图匹配运算,生成被分流的高速路段的被分流车辆;
车辆数计算模块,用于根据每个被分流车辆的驻留行为记录确定每个被分流车辆的分流原因描述信息,并根据每个被分流车辆的分流原因描述信息计算每类车辆服务对应的扩样后独立影响的车辆数;
最优化模块,用于根据每类车辆服务对应的扩样后独立影响的车辆数和预先定义的高速公路运营优化的目标函数进行最优化,以计算出高速优化措施集合。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1-8任意一项的方法步骤。
11.一种终端,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1-8任意一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210945952.5A CN115358551A (zh) | 2022-08-08 | 2022-08-08 | 一种高速公路引流分析方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210945952.5A CN115358551A (zh) | 2022-08-08 | 2022-08-08 | 一种高速公路引流分析方法、装置、存储介质及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115358551A true CN115358551A (zh) | 2022-11-18 |
Family
ID=84001276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210945952.5A Pending CN115358551A (zh) | 2022-08-08 | 2022-08-08 | 一种高速公路引流分析方法、装置、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115358551A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115631544A (zh) * | 2022-12-14 | 2023-01-20 | 高德软件有限公司 | 一种高速公路差异化收费的确定方法、装置及计算机设备 |
CN116311953A (zh) * | 2023-05-24 | 2023-06-23 | 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 |
CN117475628A (zh) * | 2023-11-01 | 2024-01-30 | 中交资产管理有限公司 | 一种基于风险理论的高速公路运营方法及信息*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011160687A1 (en) * | 2010-06-23 | 2011-12-29 | Tomtom International B.V. | System and method of optimizing and dynamically updating route information |
CN107895483A (zh) * | 2017-11-24 | 2018-04-10 | 合肥博焱智能科技有限公司 | 基于云计算的rfid高速公路车辆分流管理*** |
CN108665707A (zh) * | 2018-05-24 | 2018-10-16 | 金陵科技学院 | 一种预防局部交通拥堵的高速公路入口分流及流量协同控制方法 |
CN109064754A (zh) * | 2018-10-10 | 2018-12-21 | 南京宁昱通交通科技有限公司 | 一种高速公路入口分流及流量协同控制技术 |
CN110085027A (zh) * | 2019-03-28 | 2019-08-02 | 中国公路工程咨询集团有限公司 | 一种大规模路网群体车流诱导任务的分解方法 |
US20210056845A1 (en) * | 2018-01-26 | 2021-02-25 | Shandong Provincial Communications Planning And Design Institute Co.,Ltd | Traffic flow dynamic guiding method based on region block |
CN113570897A (zh) * | 2021-07-28 | 2021-10-29 | 山东高速建设管理集团有限公司 | 一种高速公路改扩建工程车道级智能诱导方法 |
CN114141030A (zh) * | 2021-12-27 | 2022-03-04 | 吉林大学 | 一种异质行驶需求下的事故后高速公路车流诱导方法 |
CN114333305A (zh) * | 2021-12-21 | 2022-04-12 | 北京掌行通信息技术有限公司 | 一种高速公路拥堵时车辆诱导通行方法、装置、存储介质及终端 |
CN114446064A (zh) * | 2021-12-31 | 2022-05-06 | 北京掌行通信息技术有限公司 | 一种分析高速公路服务区流量的方法、装置、存储介质及终端 |
-
2022
- 2022-08-08 CN CN202210945952.5A patent/CN115358551A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011160687A1 (en) * | 2010-06-23 | 2011-12-29 | Tomtom International B.V. | System and method of optimizing and dynamically updating route information |
CN107895483A (zh) * | 2017-11-24 | 2018-04-10 | 合肥博焱智能科技有限公司 | 基于云计算的rfid高速公路车辆分流管理*** |
US20210056845A1 (en) * | 2018-01-26 | 2021-02-25 | Shandong Provincial Communications Planning And Design Institute Co.,Ltd | Traffic flow dynamic guiding method based on region block |
CN108665707A (zh) * | 2018-05-24 | 2018-10-16 | 金陵科技学院 | 一种预防局部交通拥堵的高速公路入口分流及流量协同控制方法 |
CN109064754A (zh) * | 2018-10-10 | 2018-12-21 | 南京宁昱通交通科技有限公司 | 一种高速公路入口分流及流量协同控制技术 |
CN110085027A (zh) * | 2019-03-28 | 2019-08-02 | 中国公路工程咨询集团有限公司 | 一种大规模路网群体车流诱导任务的分解方法 |
CN113570897A (zh) * | 2021-07-28 | 2021-10-29 | 山东高速建设管理集团有限公司 | 一种高速公路改扩建工程车道级智能诱导方法 |
CN114333305A (zh) * | 2021-12-21 | 2022-04-12 | 北京掌行通信息技术有限公司 | 一种高速公路拥堵时车辆诱导通行方法、装置、存储介质及终端 |
CN114141030A (zh) * | 2021-12-27 | 2022-03-04 | 吉林大学 | 一种异质行驶需求下的事故后高速公路车流诱导方法 |
CN114446064A (zh) * | 2021-12-31 | 2022-05-06 | 北京掌行通信息技术有限公司 | 一种分析高速公路服务区流量的方法、装置、存储介质及终端 |
Non-Patent Citations (4)
Title |
---|
YUSHENG WU 等: "Integrated Control Method for Ramp Traffic Flow in Construction Area of Expressway", 6TH INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE, COMPUTER TECHNOLOGY AND TRANSPORTATION, 22 March 2022 (2022-03-22), pages 1 - 6 * |
孙刃超: "快速路交织区网联车分区段换道引导策略研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, no. 01, 15 January 2022 (2022-01-15), pages 034 - 1287 * |
杨珍珍 等: "面向大型社会活动的快速路网控制策略仿真评价方法", 计算机应用研究, vol. 27, no. 12, 15 December 2010 (2010-12-15), pages 4473 - 4475 * |
程婕: "城市轨道网络化交通运输组织优化关键问题研究", 中国博士学位论文全文数据库工程科技Ⅱ辑, no. 08, 15 August 2016 (2016-08-15), pages 033 - 19 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115631544A (zh) * | 2022-12-14 | 2023-01-20 | 高德软件有限公司 | 一种高速公路差异化收费的确定方法、装置及计算机设备 |
CN115631544B (zh) * | 2022-12-14 | 2023-02-28 | 高德软件有限公司 | 一种高速公路差异化收费的确定方法、装置及计算机设备 |
CN116311953A (zh) * | 2023-05-24 | 2023-06-23 | 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 |
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 |
CN117475628A (zh) * | 2023-11-01 | 2024-01-30 | 中交资产管理有限公司 | 一种基于风险理论的高速公路运营方法及信息*** |
CN117475628B (zh) * | 2023-11-01 | 2024-05-03 | 中交资产管理有限公司 | 一种基于风险理论的高速公路运营方法及信息*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115358551A (zh) | 一种高速公路引流分析方法、装置、存储介质及终端 | |
CN109520744B (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
CN109919347B (zh) | 路况生成方法、相关装置和设备 | |
CN101271628B (zh) | 堵车状况运算*** | |
CN112863172B (zh) | 高速公路交通运行状态判定方法、预警方法、装置及终端 | |
US20190114909A1 (en) | Method and Apparatus for Identifying Congestion Bottlenecks | |
KR100820467B1 (ko) | 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법 | |
US20080077316A1 (en) | Traffic State Predicting Apparatus | |
CN103325268B (zh) | 交通信息创建装置和交通信息创建方法 | |
CN112837542B (zh) | 一种高速公路段交通量统计方法、装置、存储介质及终端 | |
CN112734956B (zh) | 一种etc门架确定的方法、装置及存储介质 | |
CN107025788A (zh) | 一种旅行时间预测方法及装置 | |
CN103065469A (zh) | 行程时间的确定方法和装置 | |
CN112734242A (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
CN111489555A (zh) | 一种交通运行状态预测方法、装置和*** | |
CN114446064A (zh) | 一种分析高速公路服务区流量的方法、装置、存储介质及终端 | |
CN111583641A (zh) | 道路拥堵分析方法、装置、设备和存储介质 | |
Jones et al. | Parkus 2.0: Automated cruise detection for parking availability inference | |
CN114333305A (zh) | 一种高速公路拥堵时车辆诱导通行方法、装置、存储介质及终端 | |
WO2010026630A1 (ja) | 交通流制御システム及びその方法 | |
Bansal et al. | Impacts of bus-stops on the speed of motorized vehicles under heterogeneous traffic conditions: a case-study of Delhi, India | |
JP2018021887A (ja) | 経路探索装置及びコンピュータプログラム | |
CN112945253A (zh) | 一种出行路线推荐方法、***和装置 | |
CN113838283B (zh) | 一种车辆的位置状态标记方法、装置、存储介质及终端 | |
CN109409731B (zh) | 一种融合断面检测交通数据及众包数据的公路节假日出行特征识别方法 |
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 |