CN115497320A - 基于大数据平台的智慧城市交通管理***和方法 - Google Patents
基于大数据平台的智慧城市交通管理***和方法 Download PDFInfo
- Publication number
- CN115497320A CN115497320A CN202211122442.4A CN202211122442A CN115497320A CN 115497320 A CN115497320 A CN 115497320A CN 202211122442 A CN202211122442 A CN 202211122442A CN 115497320 A CN115497320 A CN 115497320A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- parking
- section
- parking lot
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096855—Systems involving transmission of navigation instructions to the vehicle where the output is provided in a suitable form to the driver
- G08G1/096872—Systems involving transmission of navigation instructions to the vehicle where the output is provided in a suitable form to the driver where instructions are given per voice
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于大数据平台的智慧城市交通管理***,包括导航模块、调度模块、监测模块和数据分析模块,本发明通过实时对当前行驶车辆距离目的地的距离进行获取并基于当前行驶车辆距离目的地的距离对其进行停车判定,避免了当前行驶车辆距离目的地的距离过远导致的最终选定的停车场的数据不准确情况的发生,通过对城市中的公共停车场进行监测,得到当前行驶车辆到达目的地的最优停车场名称并直接导航去往该停车场,一方面避免了当前行驶车辆等到达目的地后找不到停车场造成的时间浪费;另一方面避免了当前行驶车辆找寻停车场时造成的交通上的拥堵情况的发生。
Description
技术领域
本发明涉及智慧城市交通智能停车技术领域,具体涉及基于大数据平台的智慧城市交通管理***和方法。
背景技术
交通是城市经济发展的动脉,智慧交通是智慧城市建设的重要构成部分。智慧交通通过大数据、互联网、人工智能、区块链、云计算、超级计算、北斗卫星导航***等新技术与交通运输工程深度融合,最大发挥城市交通效能,建立人、车、路、环境协调运行的交通运行协调体系,实现交通效率和安全的提高,在智慧城市发展建设中发挥着至关重要的作用。
由于人们生活水平的提高,大部分的家庭都有了车,而车辆的增多必然导致停车难的问题,当用户行驶所要到达的目的地时,当前目的地的公共停车位停车较满,车主无法较为直观地观察到车辆空位情况,因此只能驱车慢速前行近距离巡视来寻找空车位,这在一定程度上导致了目的地附近的交通更复杂,且目的地的公共停车场如果停满了,车主将不得不附近的公共停车场一个个找寻空余车位,最终找到的空余车位也可能距离目的地较远,造成了车主极大的时间资源浪费。
为了解决上述缺陷,本发明提出了一种解决方案。
发明内容
本发明的目的在于提供基于大数据平台的智慧城市交通管理***和方法,目的是为了解决车主找寻空余车位导致的个人时间资源的浪费和找寻车位时导致的交通更复杂等问题。
本发明的目的可以通过以下技术方案实现:
基于大数据平台的智慧城市交通管理***,包括:
导航模块对装载有智能导航软件的行驶车辆进行位置信息进行获取,所述导航模块包括第一处理器、导航单元和播报单元,所述导航单元实时获取当前行驶车辆距离目的地的直线距离并将其传输到调度模块;
所述调度模块包括判定单元、调度单元和供选数据库,所述判定单元用于对当前行驶车辆距离目的地的直线距离进行停车判定,具体判定步骤如下:
S11:所述判定单元接收到调度模块传输的当前行驶车辆距离目的地的直线距离并将其标记为S,记录判定单元接收S的当前时间T1:
S12:将S和预设阈值S1进行大小比较:
若S>S1,所述判定单元生成待停车指令并将其传输到导航单元,所述导航单元接收到调度模块传输的待停车指令后继续获取当前行驶车辆距离目的地的直线距离并将其传输到调度模块;
若S≤S1,所述判定单元生成预停车指令并将其传输到第一处理器;所述第一处理器接收到调度模块传输的预停车指令后按照一定的筛选生成规则筛选当前车辆目的地附近的停车位并生成当前行驶车辆的供选数据,所述第一处理器将当前行驶车辆的供选数据传输到调度模块;
所述调度模块接收到导航模块传输的当前行驶车辆的供选数据后按照一定的规划步骤生成最优数据并将其分别传输到播报单元和导航单元;
所述播报单元依据当前传输的最优数据后对当前车辆的驾驶员进行最优停车场数据播报;
所述导航单元接收到当前传输的最优数据后获取最优数据中的停车场名称,所述导航单元依据最优数据中的停车场名称进行导航。
进一步的,所述第一处理器接收到调度模块传输的预停车指令后生成暂停指令并将其传输到导航单元,所述导航单元接收到第一处理器传输的暂停指令后暂停向判定单元传输当前行驶车辆距离目的地的直线距离。
进一步的,所述S12中,所述供选数据的筛选生成规则如下:
S21:所述第一处理器获取当前行驶车辆目的地的位置,并以当前行驶车辆目的地的位置为检索圆的圆心,以3公里为检索圆的半径创建当前行驶车辆的检索圆;
S22:所述第一处理器将当前行驶车辆的检索圆传输到导航模块;
S23:所述导航模块接收到第一处理器传输的当前行驶车辆的检索圆后获取涵盖在当前行驶车辆检索圆内所有停车场并标记为Q1、Q2、...、Qp,1≤p≤10;
S24:所述导航单元获取Qp个停车场的名称,并依次获取Qp个停车场的步行时间A1、A2、...、Ap和Qp停车场的行驶时间B1、B2、...、Bp;所述停车场的步行时间Ap为当前行驶车辆的驾驶员从停车场步行到达目的地耗费的时长,所述停车场的行驶时间Bp为当前行驶车辆到达停车场耗费的时长;
S25:所述第一处理器依据导航单元获取的Qp个停车场的名称、步行时间和行驶时间生成当前行驶车辆的供选数据。
进一步的,所述调度模块生成最优数据的具体规划步骤如下:
步骤一:所述调度模块依据供选数据中Qp个停车场名称在供选数据库中检索查询,获取到供选数据库中Qp个停车场的停车数据表;
步骤二:以一个停车场为例,所述调度模块获取当前时间内T1内的该停车场的空余停车位的数量Yz;
所述调度模块以当前时间T1所在的监测端为检索信息,获取当前时间T1内该停车场对应的监测类型;
步骤三:按照步骤二计算获取当前时间T1所有停车场的调度值X1、X2、...、Xp;
步骤四:利用max函数获取当前时间T1所有停车场调度值的最大值,所述调度模块依据所有停车场中最大调度值所对应的停车场名称生成最优数据。
进一步的,还包括监测模块,所述监测模块包括若干个监测单元,所述监测单元用于对城市中的每一个公共停车场的停车数据进行监测并生成停车监测数据,所述监测模块将停车数据传输到数据分析模块进行分析生成城市中所有公共停车场的停车信息表。
进一步的,所述数据分析模块对城市中所有公共停车场的停车监测数据进行分析的具体步骤如下:
S31:首先选定城市中的一个公共停车场作为待采样点,获取该待采样点的停车位总量C;
S32:将一个监测周期的时间划分为n个等时长的监测段,将一个监测周期的n个监测段标记为L1、L2、...、Ln;
获取t个监测周期一个监测段内待采样点的初始的空车位数量并标记为D1、D2、...、Dt,待采样点的最终的空车位数量并标记为E1、E2、...、Et;其中t个监测周期是指以当前监测周期为起点,向过去回溯t个监测周期;一个监测周期为1天,一个监测段为1小时;
S33:利用公式Ft=Et-Dt计算获取t个监测周期该监测段待采样点的空车位的变化差值Ft;
S34:对t个监测周期该监测段内待采样点空车位的变化差值Ft按照一定的判定步骤进行判定,判定步骤如下:
S341:所述数据分析模块创建初始值均为0的变量N1和N2,即N1=0和N2=0;
S342:以F1为例,若F1≥0,则将N1的值自加1,此时N1=1;若F1<0,则将N2的值自加1,此时N2=1;
S343:按照S342依次将t个监测周期该监测段内待采样点空车位的变化差值Ft和0做大小比较,并得到最终的N1和N2;
S35:利用公式计算获取t个监测周期该监测段的待采样点的空车位数量的离散值,将G与G1作比较,若G>G1,则按照|Eu-E|从大到小的顺序删除对应的Eu值并对应计算剩余空车位数量的离散值,直至G≤G1;所述G1为预设阈值,所述E为t个监测周期该监测段的待采样点参与剩余离散值计算的空车位数量的均值;
S36:对待采样点t个监测周期该监测段进行类型判定,类型判定的步骤如下:
S361:若N1-N2≥Max,则判定t个监测周期该监测段为待采样点的空闲段,利用公式计算获取待采样点空闲段的空闲填充率α1,所述Fi为t个监测周期该监测段内待采样点空车位变化差值Ft中所有为正数的变化差值;
S362:若Mmin<N1-N2<Mmax,则判定t个监测周期该监测段为待采样点的稳定段,利用公式计算获取待采样点稳定段的稳定填充率β1,所述Fj为t个监测周期该监测段内待采样点空车位变化差值Ft中所有为正数的变化差值;
S363:若N1-N2≤M,则判定t个监测周期该监测段为待采样点的繁冗段,利用公式计算获取待采样点繁冗段的繁冗填充率θ1;所述Fv为t个监测周期该监测段内待采样点空车位变化差值Ft中所有为负数的变化差值;所述Mmax和Mmin为预设阈值;
S37:按照步骤S32到S36,依次对待采样点的t个监测周期n个监测段进行类型判定并分别计算类型判定过后的空闲段的空闲填充率、稳定段的稳定填充率、和繁冗段的繁冗填充率;
S38:所述数据分析模块依据待采样点的所有空闲段和空闲段对应的空闲填充率、稳定段和稳定段对应的稳定填充率、繁冗段和繁冗段对应的繁冗填充率生成待采样点的停车信息表;
S39:按照S31到S38的步骤,所述数据分析模块依次生成城市中所有公共停车场的停车信息表并将其传输到供选数据库中进行存储。
本发明的有益效果:
(1)本发明通过实时对当前行驶车辆距离目的地的距离进行获取并基于当前行驶车辆距离目的地的距离对其进行停车判定,避免了当前行驶车辆距离目的地的距离过远导致的最终选定的停车场的数据不准确情况的发生;
(2)本发明通过对城市中的公共停车场进行监测,基于每个停车场在不同时段的停车数据将每个停车场的不同时段进行空闲段、稳定段和繁冗段的类型划分并对应计算不同时段对应类型的类型填充率,并基于每个不同停车场的步行时间和行驶时间,得到当前行驶车辆到达目的地的最优停车场名称并直接导航去往该停车场,一方面避免了当前行驶车辆等到达目的地后找不到停车场造成的时间上的资源浪费;另一方面避免了当前行驶车辆到达目的地后找寻停车场时造成的交通上的拥堵情况的发生,且降低了交通事故的发生率。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的***框图。
具体实施方式
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。
如图1所示,基于大数据平台的智慧城市交通管理***和方法,上述方法是通过一种基于大数据平台的智慧城市交通管理***进行的,所述基于大数据平台的智慧城市交通管理***包括导航模块、调度模块、监测模块和数据分析模块。
所述导航模块用于对装载有智能导航软件的行驶车辆进行位置信息的获取,所述导航模块包括第一处理器、导航单元和播报单元,所述导航单元实时获取当前行驶车辆距离目的地的直线距离并将其传输到调度模块;
所述调度模块包括判定单元、调度单元和供选数据库,所述调度模块实时接收导航单元传输的当前行驶车辆距离目的地的直线距离并将其传输到判定单元,所述判定单元用于对当前行驶车辆距离目的地的直线距离进行停车判定,具体判定步骤如下:
S11:所述判定单元接收到调度模块传输的当前行驶车辆距离目的地的直线距离并将其标记为S,记录当前时间T1:
S12:将S和预设S1进行大小比较:
若S>S1,所述判定单元生成待停车指令并将其传输到导航单元,所述导航单元接收到调度模块传输的待停车指令后继续获取当前行驶车辆距离目的地的直线距离并将其传输到调度模块;
若S≤S1,所述判定单元生成预停车指令并将其传输到第一处理器;
所述第一处理器接收到调度模块传输的预停车指令后生成暂停指令并将其传输到导航单元,所述导航单元接收到第一处理器传输的暂停指令后暂停向判定单元传输当前行驶车辆距离目的地的直线距离;所述第一处理器接收到调度模块传输的预停车指令后按照一定的筛选生成规则筛选生成当前车辆目的地附近的停车位并生成当前行驶车辆的供选数据,具体筛选生成规则如下:
S21:所述第一处理器获取当前行驶车辆目的地的位置,并以当前行驶车辆目的地的位置为检索圆的圆心,以r公里为检索圆的半径创建当前行驶车辆的检索圆;在本实施例中,r的取值为3;
S22:所述第一处理器将当前行驶车辆的检索圆传输到导航模块;
S23:所述导航模块接收到第一处理器传输的当前行驶车辆的检索圆后获取涵盖在当前行驶车辆检索圆内所有停车场并标记为Q1、Q2、...、Qp,在本实施例中,p的位置范围为[1,10];
S24:所述导航单元获取Qp个停车场的名称,并依次获取Qp个停车场的步行时间A1、A2、...、Ap和Qp停车场的行驶时间B1、B2、...、Bp;所述停车场的步行时间为当前行驶车辆的驾驶员从停车场步行到达目的地耗费的时长,所述停车场的行驶时间为当前行驶车辆到达停车场耗费的时长;
S25:所述第一处理器依据导航单元获取的Qp个停车场的名称、步行时间和行驶时间生成当前行驶车辆的供选数据并将其传输给调度模块;
所述调度模块接收到导航模块传输的当前行驶车辆的供选数据后按照一定的规划步骤生成最优数据,具体的规划步骤如下:
步骤一:所述调度模块依据供选数据中Qp个停车场名称在供选数据库中检索查询,获取到供选数据库中Qp个停车场的停车数据表;
步骤二:以一个停车场为例,所述调度模块获取当前时间内T1内的该停车场的空余停车位的数量Yz;
所述调度模块以当前时间T1所在的监测端为检索信息,获取当前时间T1内该停车场对应的监测类型;
若停车场对应的监测类型为空闲段,所述调度模块获取该停车场在当前时间T1对应监测段的空闲填充率αz;
若停车场对应的监测类型为稳定段,所述调度模块获取该停车场在当前时间T1对应监测段的稳定填充率βz;
若停车场对应的监测类型为繁冗段,所述调度模块获取该停车场在当前时间T1对应监测段的繁冗填充率θz;
步骤三:按照步骤二计算获取当前时间T1所有停车场的调度值X1、X2、...、Xp;
步骤四:利用max函数获取当前时间T1所有停车场调度值的最大值,所述调度模块将所有停车场中最大调度值所对应的停车场名称生成最优数据,所述调度模块将最优数据传输到导航模块;
所述导航模块接收到调度模块传输的最优数据后将其分别传输到导航单元和播报单元,所述播报单元依据当前传输的最优数据后对当前车辆的驾驶员进行最优停车场数据播报;
所述导航单元接收到当前传输的最优数据后获取最优数据中的停车场名称,所述导航单元依据最优数据中的停车场名称进行导航。
所述监测模块包括若干个监测单元,所述监测单元用于对城市中的每一个公共停车场的停车数据进行监测并生成停车监测数据,所述监测单元将城市中所有公共停车场的停车监测数据传输到数据分析模块;
所述数据分析模块用于城市中所有公共停车场的停车监测数据进行分析,具体分析步骤如下:
S31:首先选定城市中的一个公共停车场作为待采样点,获取该待采样点的停车位总量C;
S32:将一个监测周期的时间划分为n个等时长的监测段,将一个监测周期的n个监测段标记为L1、L2、...、Ln;
获取t个监测周期一个监测段内待采样点的初始的空车位数量并标记为D1、D2、...、Dt,待采样点的最终的空车位数量并标记为E1、E2、...、Et;在本实施例中,其中t个监测周期是指以当前监测周期为起点,向过去回溯t个监测周期;在本实施例中,一个监测周期为1天,一个监测段为1小时;
S33:利用公式Ft=Et-Dt计算获取t个监测周期该监测段待采样点的空车位的变化差值Ft;
S34:对t个监测周期该监测段内待采样点空车位的变化差值Ft按照一定的判定步骤进行判定,判定步骤如下:
S341:所述数据分析模块创建初始值均为0的变量N1、N2和N3,即N1=0和N2=0;
S342:以F1为例,若F1≥0,则将N1的值自加1,此时N1=1;若F1<0,则将N2的值自加1,此时N2=1;
S343:按照S342依次将t个监测周期该监测段内待采样点空车位的变化差值Ft和0做大小比较,并得到最终的N1和N2;
S35:利用公式计算获取t个监测周期该监测段的待采样点的空车位数量的离散值,将G与G1作比较,若G>G1,则按照|Eu-E|从大到小的顺序删除对应的Eu值并对应计算剩余空车位数量的离散值,直至G≤G1;
所述G1为预设阈值,所述E为t个监测周期该监测段的待采样点参与剩余离散值计算的空车位数量的均值;
S36:对待采样点t个监测周期该监测段进行类型判定,类型判定的步骤如下:
S361:若N1-N2≥Max,则判定t个监测周期该监测段为待采样点的空闲段;
S362:若Mmin<N1-N2<Mmax,则判定t个监测周期该监测段为待采样点的稳定段;
S363:若N1-N2≤M,则判定t个监测周期该监测段为待采样点的繁冗段;
所述Fv为t个监测周期该监测段内待采样点空车位变化差值Ft中所有为负数的变化差值;
所述Mmax和Mmin为预设阈值;
S37:按照步骤S32到S36,依次对待采样点的t个监测周期n个监测段进行类型判定并分别计算类型判定过后的空闲段的空闲填充率、稳定段的稳定填充率、和繁冗段的繁冗填充率;
S38:所述数据分析模块依据待采样点的所有空闲段和空闲段对应的空闲填充率、稳定段和稳定段对应的稳定填充率、繁冗段和繁冗段对应的繁冗填充率生成待采样点的停车信息表;
S39:按照S31到S38的步骤,依次生成城市中所有公共停车场的停车信息表;
所述数据分析模块将城市中所有公共停车场的停车信息表传输到供选数据库,所述供选数据库接收到数据分析模块传输的当前城市所有公共停车场的停车信息表后对其进行存储。
在说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (6)
1.基于大数据平台的智慧城市交通管理***,其特征在于,包括:
导航模块对装载有智能导航软件的行驶车辆进行位置信息进行获取,所述导航模块包括第一处理器、导航单元和播报单元,所述导航单元实时获取当前行驶车辆距离目的地的直线距离并将其传输到调度模块;
所述调度模块包括判定单元、调度单元和供选数据库,所述判定单元用于对当前行驶车辆距离目的地的直线距离进行停车判定,具体判定步骤如下:
S11:所述判定单元接收到调度模块传输的当前行驶车辆距离目的地的直线距离并将其标记为S,记录判定单元接收S的当前时间T1:
S12:将S和预设阈值S1进行大小比较:
若S>S1,所述判定单元生成待停车指令并将其传输到导航单元,所述导航单元接收到调度模块传输的待停车指令后继续获取当前行驶车辆距离目的地的直线距离并将其传输到调度模块;
若S≤S1,所述判定单元生成预停车指令并将其传输到第一处理器;所述第一处理器接收到调度模块传输的预停车指令后按照一定的筛选生成规则筛选当前车辆目的地附近的停车位并生成当前行驶车辆的供选数据,所述第一处理器将当前行驶车辆的供选数据传输到调度模块;
所述调度模块接收到导航模块传输的当前行驶车辆的供选数据后按照一定的规划步骤生成最优数据并将其分别传输到播报单元和导航单元;
所述播报单元依据当前传输的最优数据后对当前车辆的驾驶员进行最优停车场数据播报;
所述导航单元接收到当前传输的最优数据后获取最优数据中的停车场名称,所述导航单元依据最优数据中的停车场名称进行导航。
2.根据权利要求1所述的基于大数据平台的智慧城市交通管理***,其特征在于,所述第一处理器接收到调度模块传输的预停车指令后生成暂停指令并将其传输到导航单元,所述导航单元接收到第一处理器传输的暂停指令后暂停向判定单元传输当前行驶车辆距离目的地的直线距离。
3.根据权利要求1所述的基于大数据平台的智慧城市交通管理***,其特征在于,所述S12中,所述供选数据的筛选生成规则如下:
S21:所述第一处理器获取当前行驶车辆目的地的位置,并以当前行驶车辆目的地的位置为检索圆的圆心,以3公里为检索圆的半径创建当前行驶车辆的检索圆;
S22:所述第一处理器将当前行驶车辆的检索圆传输到导航模块;
S23:所述导航模块接收到第一处理器传输的当前行驶车辆的检索圆后获取涵盖在当前行驶车辆检索圆内所有停车场并标记为Q1、Q2、...、Qp,1≤p≤10;
S24:所述导航单元获取Qp个停车场的名称,并依次获取Qp个停车场的步行时间A1、A2、...、Ap和Qp停车场的行驶时间B1、B2、...、Bp;所述停车场的步行时间Ap为当前行驶车辆的驾驶员从停车场步行到达目的地耗费的时长,所述停车场的行驶时间Bp为当前行驶车辆到达停车场耗费的时长;
S25:所述第一处理器依据导航单元获取的Qp个停车场的名称、步行时间和行驶时间生成当前行驶车辆的供选数据。
4.根据权利要求1所述的基于大数据平台的智慧城市交通管理***,其特征在于,所述调度模块生成最优数据的具体规划步骤如下:
步骤一:所述调度模块依据供选数据中Qp个停车场名称在供选数据库中检索查询,获取到供选数据库中Qp个停车场的停车数据表;
步骤二:以一个停车场为例,所述调度模块获取当前时间内T1内的该停车场的空余停车位的数量Yz;
所述调度模块以当前时间T1所在的监测端为检索信息,获取当前时间T1内该停车场对应的监测类型;
步骤三:按照步骤二计算获取当前时间T1所有停车场的调度值X1、X2、...、Xp;
步骤四:利用max函数获取当前时间T1所有停车场调度值的最大值,所述调度模块依据所有停车场中最大调度值所对应的停车场名称生成最优数据。
5.根据权利要求1所述的基于大数据平台的智慧城市交通管理***,其特征在于,还包括监测模块,所述监测模块包括若干个监测单元,所述监测单元用于对城市中的每一个公共停车场的停车数据进行监测并生成停车监测数据,所述监测模块将停车数据传输到数据分析模块进行分析生成城市中所有公共停车场的停车信息表。
6.根据权利要求5所述的基于大数据平台的智慧城市交通管理***,其特征在于,所述数据分析模块对城市中所有公共停车场的停车监测数据进行分析的具体步骤如下:
S31:首先选定城市中的一个公共停车场作为待采样点,获取该待采样点的停车位总量C;
S32:将一个监测周期的时间划分为n个等时长的监测段,将一个监测周期的n个监测段标记为L1、L2、...、Ln;
获取t个监测周期一个监测段内待采样点的初始的空车位数量并标记为D1、D2、...、Dt,待采样点的最终的空车位数量并标记为E1、E2、...、Et;其中t个监测周期是指以当前监测周期为起点,向过去回溯t个监测周期;一个监测周期为1天,一个监测段为1小时;
S33:利用公式Ft=Et-Dt计算获取t个监测周期该监测段待采样点的空车位的变化差值Ft;
S34:对t个监测周期该监测段内待采样点空车位的变化差值Ft按照一定的判定步骤进行判定,判定步骤如下:
S341:所述数据分析模块创建初始值均为0的变量N1和N2,即N1=0和N2=0;
S342:以F1为例,若F1≥0,则将N1的值自加1,此时N1=1;若F1<0,则将N2的值自加1,此时N2=1;
S343:按照S342依次将t个监测周期该监测段内待采样点空车位的变化差值Ft和0做大小比较,并得到最终的N1和N2;
S35:利用公式计算获取t个监测周期该监测段的待采样点的空车位数量的离散值,将G与G1作比较,若G>G1,则按照|Eu-E|从大到小的顺序删除对应的Eu值并对应计算剩余空车位数量的离散值,直至G≤G1;所述G1为预设阈值,所述E为t个监测周期该监测段的待采样点参与剩余离散值计算的空车位数量的均值;
S36:对待采样点t个监测周期该监测段进行类型判定,类型判定的步骤如下:
S361:若N1-N2≥Max,则判定t个监测周期该监测段为待采样点的空闲段,利用公式1<i≤t,计算获取待采样点空闲段的空闲填充率α1,所述Fi为t个监测周期该监测段内待采样点空车位变化差值Ft中所有为正数的变化差值;
S362:若Mmin<N1-N2<Mmax,则判定t个监测周期该监测段为待采样点的稳定段,利用公式计算获取待采样点稳定段的稳定填充率β1,所述Fj为t个监测周期该监测段内待采样点空车位变化差值Ft中所有为正数的变化差值;
S363:若N1-N2≤M,则判定t个监测周期该监测段为待采样点的繁冗段,利用公式1<v≤t,计算获取待采样点繁冗段的繁冗填充率θ1;所述Fv为t个监测周期该监测段内待采样点空车位变化差值Ft中所有为负数的变化差值;所述Mmax和Mmin为预设阈值;
S37:按照步骤S32到S36,依次对待采样点的t个监测周期n个监测段进行类型判定并分别计算类型判定过后的空闲段的空闲填充率、稳定段的稳定填充率、和繁冗段的繁冗填充率;
S38:所述数据分析模块依据待采样点的所有空闲段和空闲段对应的空闲填充率、稳定段和稳定段对应的稳定填充率、繁冗段和繁冗段对应的繁冗填充率生成待采样点的停车信息表;
S39:按照S31到S38的步骤,所述数据分析模块依次生成城市中所有公共停车场的停车信息表并将其传输到供选数据库中进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211122442.4A CN115497320B (zh) | 2022-09-15 | 2022-09-15 | 基于大数据平台的智慧城市交通管理***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211122442.4A CN115497320B (zh) | 2022-09-15 | 2022-09-15 | 基于大数据平台的智慧城市交通管理***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115497320A true CN115497320A (zh) | 2022-12-20 |
CN115497320B CN115497320B (zh) | 2023-08-18 |
Family
ID=84467845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211122442.4A Active CN115497320B (zh) | 2022-09-15 | 2022-09-15 | 基于大数据平台的智慧城市交通管理***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115497320B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295684B (zh) * | 2023-03-07 | 2023-11-24 | 智能网联汽车(山东)协同创新研究院有限公司 | 一种智能网联环境下汽车瞬时油耗监测*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700283A (zh) * | 2014-01-09 | 2014-04-02 | 北京交通发展研究中心 | 地磁传感器停车监测方法 |
CN105096636A (zh) * | 2015-06-23 | 2015-11-25 | 中国联合网络通信集团有限公司 | 一种停车场的动态选择方法及*** |
CN110675651A (zh) * | 2019-09-29 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 停车场推荐方法和装置 |
JP2020098205A (ja) * | 2018-12-18 | 2020-06-25 | 株式会社ツイニーTWINNY Co., Ltd. | 駐車場案内ナビゲーション方法及びシステム |
CN111862664A (zh) * | 2019-04-09 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 一种停车调度方法及装置 |
-
2022
- 2022-09-15 CN CN202211122442.4A patent/CN115497320B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700283A (zh) * | 2014-01-09 | 2014-04-02 | 北京交通发展研究中心 | 地磁传感器停车监测方法 |
CN105096636A (zh) * | 2015-06-23 | 2015-11-25 | 中国联合网络通信集团有限公司 | 一种停车场的动态选择方法及*** |
JP2020098205A (ja) * | 2018-12-18 | 2020-06-25 | 株式会社ツイニーTWINNY Co., Ltd. | 駐車場案内ナビゲーション方法及びシステム |
CN111862664A (zh) * | 2019-04-09 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 一种停车调度方法及装置 |
CN110675651A (zh) * | 2019-09-29 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 停车场推荐方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116295684B (zh) * | 2023-03-07 | 2023-11-24 | 智能网联汽车(山东)协同创新研究院有限公司 | 一种智能网联环境下汽车瞬时油耗监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN115497320B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miller et al. | A tour-based model of travel mode choice | |
Martinez et al. | Assessing the impacts of deploying a shared self-driving urban mobility system: An agent-based model applied to the city of Lisbon, Portugal | |
CN102044149B (zh) | 一种基于时变客流的城市公交运营协调方法与装置 | |
CN104121918A (zh) | 一种实时路径规划的方法和*** | |
CN110458456B (zh) | 基于人工智能的需求响应式公交***的调度方法及*** | |
Mkahl et al. | An optimal solution for charging management of electric vehicles fleets | |
CN104123833A (zh) | 一种道路状况的规划方法和装置 | |
CN111815095B (zh) | 共享汽车调度方法、电子设备及存储介质 | |
CN112766591A (zh) | 共享单车调度方法 | |
CN115497320A (zh) | 基于大数据平台的智慧城市交通管理***和方法 | |
Sierpiński et al. | Research and shaping transport systems with multimodal travels–methodological remarks under the green travelling project | |
CN111341093B (zh) | 车队的控制方法、装置、设备及存储介质 | |
US20150100285A1 (en) | System for Providing Infrastructure Impacts on an Urban Area | |
CN111754686B (zh) | 一种高速路智慧灯杆的充电方法、装置和*** | |
de Almeida Correia et al. | Optimizing the use of electric vehicles in a regional car rental fleet | |
CN106372761A (zh) | 一种基于群智计算的公交自行车出行路线规划方法 | |
CN117409492A (zh) | 路内智慧停车无人化运营管理方法及*** | |
CN113160600A (zh) | 一种用于城市微循环公交***的车辆调度方法 | |
CN114912797B (zh) | 乘务排班交路表生成方法、装置、设备及存储介质 | |
Wang et al. | Energy consumption and carbon footprint of high-speed rail projects: Using CAHSR and FHSR as examples | |
Gusikhin et al. | Vehicle Routing to Minimize Mixed-Fleet Fuel Consumption and Environmental Impact. | |
CN114516274B (zh) | 列车充电方法和装置 | |
CN109633716A (zh) | 基于gps的城市配送车辆出行链及其特征识别方法与设备 | |
Ferreira et al. | Electric vehicle assistant based on driver profile | |
Li et al. | A Systematic Review of Macro/Mesoscopic Agent-based Models for Assessing Vehicle Automation within Mobility Networks |
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 |