CN115565365A - 一种高速公路数据处理方法、装置、设备及计算机程序产品 - Google Patents
一种高速公路数据处理方法、装置、设备及计算机程序产品 Download PDFInfo
- Publication number
- CN115565365A CN115565365A CN202211053736.6A CN202211053736A CN115565365A CN 115565365 A CN115565365 A CN 115565365A CN 202211053736 A CN202211053736 A CN 202211053736A CN 115565365 A CN115565365 A CN 115565365A
- Authority
- CN
- China
- Prior art keywords
- traffic
- information
- state information
- determining
- highway section
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 32
- 238000004590 computer program Methods 0.000 title claims abstract description 8
- 238000003745 diagnosis Methods 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 19
- 238000005065 mining Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 abstract description 13
- 230000006399 behavior Effects 0.000 description 52
- 208000027744 congestion Diseases 0.000 description 37
- 206010039203 Road traffic accident Diseases 0.000 description 21
- 230000003068 static effect Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000011282 treatment Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000012502 risk assessment Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种高速公路数据处理方法、装置、设备及计算机程序产品。本公开的至少一个实施例中,通过获取高速公路路段的导航数据,可以确定危险驾驶行为信息、客货车流量分配信息以及多个交通运行维度的状态信息;进而,基于危险驾驶行为信息以及多个交通运行维度的状态信息,可以确定目标高速公路路段的多项通行提示信息,以便对用户进行提示,合理配置用户的出行选择,及时应对突发事件下高速流量瞬时变化带来的拥堵;并且,基于客货车流量分配信息以及多个交通运行维度的状态信息,可以确定目标高速公路路段的多项运营诊断信息,以便高速运营服务端优化高速运营方案,减少突发事件下高速流量瞬时变化带来的经济损失。
Description
技术领域
本公开实施例涉及数据处理技术领域,具体涉及一种高速公路数据处理方法、装置、设备及计算机程序产品。
背景技术
传统高速公路运营方案是由规划院或咨询公司针对高速公路运营主体管辖范围内的路段制定得到的方案,由高速公路运营主体执行方案。方案以传统经验为主,无法及时应对突发事件下高速流量瞬时变化带来的拥堵和经济损失。
发明内容
本公开的至少一个实施例提供了一种高速公路数据处理方法、装置、设备及计算机程序产品。
第一方面,本公开实施例提出一种高速公路数据处理方法,该方法包括:
获取目标高速公路路段的导航数据;
基于导航数据确定危险驾驶行为信息、客货车流量分配信息以及多个交通运行维度的状态信息;
基于危险驾驶行为信息以及多个交通运行维度的状态信息,确定目标高速公路路段的多项通行提示信息;
基于客货车流量分配信息以及多个交通运行维度的状态信息,确定目标高速公路路段的多项运营诊断信息。
在一些实施例中,多个交通运行维度的状态信息,包括以下至少两种信息:
高速路段交通运行状态信息、收费站交通运行状态信息、服务区交通运行状态信息以及相邻道路交通运行状态信息。
在一些实施例中,多项通行提示信息包括以下至少两种信息:安全运行提示信息、拥堵提示信息和交通事件提示信息;
基于危险驾驶行为信息以及多个交通运行维度的状态信息,确定目标高速公路路段的多项通行提示信息,包括:
基于危险驾驶行为信息,确定安全运行提示信息;
和/或,基于高速路段交通运行状态信息、收费站交通运行状态信息和服务区交通运行状态信息中的至少两种信息,确定拥堵提示信息和/或交通事件提示信息。
在一些实施例中,多项运营诊断信息包括:高速差异化收费诊断信息和高速路段运营损失诊断信息;
基于客货车流量分配信息以及多个交通运行维度的状态信息,确定目标高速公路路段的多项运营诊断信息包括:
基于客货车流量分配信息、高速路段交通运行状态信息和相邻道路交通运行状态信息,确定高速差异化收费诊断信息;
基于客货车流量分配信息,确定高速路段运营损失诊断信息。
在一些实施例中,高速公路数据处理方法还包括:
基于目标高速公路路段和相邻道路的网络拓扑结构、目标高速公路路段的交通通行量以及相邻道路的交通通行量,确定交通通行量溯源诊断信息。
在一些实施例中,高速公路数据处理方法还包括:
通过导航应用发布多项通行提示信息,并通过导航应用挖掘用户的出行模式;
向高速运营服务端提供多项运营诊断信息和交通通行量溯源诊断信息,以获取高速运营服务端生成的高速运营方案;
基于导航应用挖掘用户的出行模式,确定高速运营方案的实施效果指标值。
第二方面,本公开实施例还提出一种高速公路数据处理装置,该装置包括:
获取单元,用于获取目标高速公路路段的导航数据;
第一确定单元,用于基于导航数据确定危险驾驶行为信息、客货车流量分配信息以及多个交通运行维度的状态信息;
第二确定单元,用于基于危险驾驶行为信息以及多个交通运行维度的状态信息,确定目标高速公路路段的多项通行提示信息;
第三确定单元,用于基于客货车流量分配信息以及多个交通运行维度的状态信息,确定目标高速公路路段的多项运营诊断信息。
第三方面,本公开实施例还提出一种计算机可读存储介质,其中,计算机可读存储介质存储程序或指令,程序或指令使计算机执行如第一方面任一实施例所述高速公路数据处理方法的步骤。
第四方面,本公开实施例还提出一种计算机设备,其中,包括至少一个计算装置和至少一个存储指令的存储装置;所述指令在被所述至少一个计算装置运行时,促使所述至少一个计算装置执行如第一方面任一实施例所述高速公路数据处理方法的步骤。
第五方面,本公开实施例还提出一种计算机程序产品,其包括计算机指令,其中,该计算机指令被处理器执行时实现如第一方面任一实施例所述高速公路数据处理方法的步骤。
可见,本公开的至少一个实施例中,通过获取高速公路路段的导航数据,可以确定危险驾驶行为信息、客货车流量分配信息以及多个交通运行维度的状态信息;进而,基于危险驾驶行为信息以及多个交通运行维度的状态信息,可以确定目标高速公路路段的多项通行提示信息,以便对用户进行提示,合理配置用户的出行选择,及时应对突发事件下高速流量瞬时变化带来的拥堵;并且,基于客货车流量分配信息以及多个交通运行维度的状态信息,可以确定目标高速公路路段的多项运营诊断信息,以便高速运营服务端优化高速运营方案,减少突发事件下高速流量瞬时变化带来的经济损失。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种高速公路数据处理方法的流程示意图;
图2为本公开实施例提供的另一种高速公路数据处理方法的流程示意图;
图3为本公开实施例提供的又一种高速公路数据处理方法的流程示意图;
图4为本公开实施例提供的又一种高速公路数据处理方法的流程示意图;
图5为本公开实施例提供的一种高速公路数据处理装置的示意图;
图6为本公开实施例提供的一种电子设备的示例性框图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,所描述的实施例是本公开的一部分实施例,而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本公开,而非对本公开的限定。基于所描述的本公开的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
近年来,随着智能交通的发展和全社会信息化、智能化终端设备的普及应用,基于交通大数据针对高速公路运营的评诊治一体化解决方案的自动生成成为可能,从而提供更加精细、更加精准、更加高效的数据诊断、决策咨询的服务。
图1为本公开实施例提供的一种高速公路数据处理方法的流程示意图,该高速公路数据处理方法的执行主体为电子设备,电子设备包括但不限于车载设备、智能手机、掌上电脑、平板电脑、带显示屏的可穿戴设备、台式机、笔记本电脑、一体机、智能家居设备、服务器等,其中,服务器可以是独立的服务器,也可以是多个服务器的集群,可以包括搭建在本地的服务器和架设在云端的服务器。
如图1所示,该高速公路数据处理方法可以包括但不限于步骤101至步骤104:
在步骤101中,获取目标高速公路路段的导航数据。
通常一个高速公路运营主体管辖一段高速公路路段,针对待优化高速公路运营方案的目标高速公路运营主体,可以获取其管辖的目标高速公路路段的动态交通数据和静态交通数据。其中,动态交通数据包括车辆上的导航应用(Application,APP)所产生的导航数据。静态交通数据是由地图厂商提供的数据,静态交通数据包括但不限于以下至少一种数据:公路交通工程设施标准数据、公路交通工程***技术标准数据、高速公路和相邻国省道路网拓扑结构等。
目标高速公路路段的导航数据是行驶在目标高速公路路段上的各车辆使用导航应用所产生的数据。导航数据包括但不限于以下至少一种数据:车辆定位数据、车辆行驶状态数据、导航轨迹数据、用户上报的交通事件数据等与导航相关的数据。其中,车辆行驶状态数据可以通过车辆的传感设备采集得到。
在步骤102中,基于导航数据确定危险驾驶行为信息、客货车流量分配信息以及多个交通运行维度的状态信息。
在本公开实施例中,基于导航数据中的车辆行驶状态数据和导航轨迹数据,可以确定危险驾驶行为信息,危险驾驶行为信息包括:急刹车行为、急加速行为、急并线行为和超速行为(简称三急一速行为)。本公开发明人发现,在通常情况下,三急一速行为不会必然造成交通事故,但发生了交通事故的道路一般会出现三急一速行为。因此,本公开实施例中将三急一速行为作为危险驾驶行为。
在本公开实施例中,基于用户在导航应用中添加的车辆信息(包括但不限于以下至少一种:车牌号、车辆类型、车辆参数等)和/或导航用户画像(包括但不限于以下至少一种:用户出行习惯、出行意图、支付能力和路径选择),确定上报导航数据的车辆为客车还是货车,进而基于上报导航数据的客车数量和货车数量,可以确定客货车流量分配信息。客货车流量分配信息包括:高速路段客货车流量分配信息和相邻道路客货车流量分配信息。
在本公开实施例中,基于导航数据中的车辆行驶状态数据以及交通事件数据(交通事件数据包括但不限于以下至少一种数据:用户上报的交通事件、权威单位实时提供的交通事件以及通过导航应用大数据挖掘得到的交通事件),可以确定多个交通运行维度的状态信息。
其中,多个交通运行维度的状态信息包括以下至少两种信息:高速路段交通运行状态信息(包括但不限于以下至少一种:车辆排队长度和车队排队时长、客货车流量)、收费站交通运行状态信息(包括但不限于以下至少一种:收费站排队长度、平均行驶速度、收费站排队时长、收费站车流量)、服务区交通运行状态信息(包括但不限于以下至少一种:服务区排队长度、平均行驶速度、服务区排队时长、车辆驶入率、服务区车流量)以及相邻道路交通运行状态信息(包括但不限于以下至少一种:车辆排队长度和车队排队时长、客货车流量)。可见,本公开实施例通过海量数据实现了对高速公路多个交通运行维度下的交通运行状态进行评价。
在步骤103中,基于危险驾驶行为信息以及多个交通运行维度的状态信息,确定目标高速公路路段的多项通行提示信息。
在本公开实施例中,可以预先构建静态知识库和模型库。
静态知识库包括但不限于以下至少一种:静态交通数据(包括但不限于以下至少一种:公路交通工程设施标准数据、公路交通工程***技术标准数据、高速公路和相邻国省道路网拓扑结构等)、交通事件数据库中记录的交通事件数据(包括但不限于以下至少一种:道路限速数据、道路封闭数据、道路管制数据和交通事故数据)以及交通通行量(OriginDestination,OD)数据库记录的高速公路和相邻道路出行OD数据。
模型库包括但不限于以下至少一种模型:拥堵预测模型、路段全流量反推模型、导航路径规划模型、客货车高速公路通行费计算模型。
拥堵预测模型对高速路段的拥堵预测流程为:获取高速路段的车辆排队长度和车队排队时长;判断车辆排队长度是否大于或等于预设的高速路段排队长度阈值,且判断车队排队时长是否大于或等于预设的高速路段排队时长阈值;若车辆排队长度大于或等于高速路段排队长度阈值,且车队排队时长大于或等于高速路段排队时长阈值,则确定高速路段发生拥堵。
拥堵预测模型对收费站的拥堵预测流程为:获取收费站的车辆排队长度和车队排队时长;判断车辆排队长度是否大于或等于预设的收费站排队长度阈值,且判断车队排队时长是否大于或等于预设的收费站排队时长阈值;若车辆排队长度大于或等于收费站排队长度阈值,且车队排队时长大于或等于收费站排队时长阈值,则确定收费站发生拥堵。
拥堵预测模型对服务区的拥堵预测流程为:获取服务区的车辆排队长度和车队排队时长;判断车辆排队长度是否大于或等于预设的服务区排队长度阈值,且判断车队排队时长是否大于或等于预设的服务区排队时长阈值;若车辆排队长度大于或等于服务区排队长度阈值,且车队排队时长大于或等于服务区排队时长阈值,则确定服务区发生拥堵。
路段全流量反推模型的反推流程包括:获取高速路段断面(例如高速路段的龙门架、高速路段的收费站等)的车流量的样本数据,车流量是单位时间通过高速路段断面的车辆数量,车流量的样本数据是基于某一导航应用的导航数据确定的车流量;确定该高速路段断面的车流量的真实数据,车流量的真实数据是基于该高速路段的历史车流量真值以及车流量年递增率计算得到的数据;进而,基于车流量的样本数据和车流量的真实数据,确定高速路段的用户渗透率,用户渗透率为车流量的样本数据与车流量的真实数据的比值;从而,将该某一导航应用的导航数据确定的高速路段车流量与高速路段的用户渗透率的比值,确定为路段全流量。
导航路径规划模型的规划流程包括:基于车辆定位数据、导航终点以及地图数据,规划导航路径。在一些实施例中,导航路径规划模型可以基于公路交通工程设施标准数据和***技术标准数据以及基于拥堵预测模型预测的拥堵提示信息,规划避开拥堵提示信息对应的拥堵路段的路径。规划的具体方式属于车辆导航领域的成熟技术,不再赘述。
客货车高速公路通行费计算模型基于高速公路收费标准确定,例如,每一车型单公里收费=收费费率×收费系数,其中,收费费率和高速公路类型(例如四车道高速公路,六车道高速公路等)有关,收费费率具体由高速公路收费标准规定;收费系数和车型有关,不同车型,收费系数不同,例如客车,是按座位数来划分的,座位越多,收费系数越高,收费系数具体由高速公路收费标准规定。
在本公开实施例中,基于危险驾驶行为信息中的三急一速(急刹车、急加速、急转弯和超速)、高速路段交通运行状态信息、收费站交通运行状态信息、服务区交通运行状态信息以及相邻道路交通运行状态信息,可以确定目标高速公路路段的多项通行提示信息,多项通行提示信息包括但不限于以下至少两种信息:安全运行提示信息、拥堵提示信息和交通事件提示信息。
其中,安全运行提示信息基于危险驾驶行为信息进行确定。例如,将危险驾驶行为信息与静态知识库中的公路交通工程设施标准数据、公路交通工程***技术标准数据以及交通事件数据(例如道路限速数据、道路封闭数据、道路管制数据和交通事故数据)进行匹配,得到安全运行提示信息。
例如,根据事故道路的交通事故驾驶行为数据和危险驾驶行为数据,进行数据统计与分析,以判断交通事故驾驶行为与危险驾驶行为之间是否存在关联关系或分布规律,从而得到两者间的对应关系,基于这两组数据之间的对应关系,确定道路风险评估阈值(即,发生危险驾驶行为数据量的阈值),即,若目标高速公路路段中发生的危险驾驶行为数量超过该阈值时,就认为目标高速公路路段存在发生交通事故的潜在风险。
具体地,从交通事件数据库中,获取在预设时间段内发生了交通事故的事故道路和对应的交通事故数量;从危险驾驶行为数据库中,获取在所述预设时间段内所述事故道路对应的危险驾驶行为数量;根据所述事故道路的交通事故数量和危险驾驶行为数量,得到道路风险评估阈值,包括:根据所有事故道路的交通事故数量,统计发生交通事故的驾驶行为数据分布形态;根据所有事故道路的危险驾驶行为数量,统计发生危险驾驶行为的数据分布形态;若两个数据分布形态相同(例如都为正态分布),则根据所有事故道路的危险驾驶行为数量,生成道路风险评估阈值(例如阈值为危险驾驶行为数量的平均值或标准差);将目标高速公路路段对应的危险驾驶行为数量和道路风险评估阈值进行比较,得到目标高速公路路段的风险评估结果作为安全运行提示信息。
在一些实施例中,拥堵提示信息基于高速路段交通运行状态信息、收费站交通运行状态信息和服务区交通运行状态信息进行确定。
例如,通过模型库中的拥堵预测模型,基于高速路段交通运行状态信息确定目标高速公路路段的车辆排队长度和车队排队时长,判断车辆排队长度是否大于或等于预设的高速路段排队长度阈值,且判断车队排队时长是否大于或等于预设的高速路段排队时长阈值;若车辆排队长度大于或等于高速路段排队长度阈值,且车队排队时长大于或等于高速路段排队时长阈值,则确定高速路段发生拥堵。
又例如,通过模型库中的拥堵预测模型,基于收费站交通运行状态信息确定目标收费站的车辆排队长度和车队排队时长,判断车辆排队长度是否大于或等于预设的收费站排队长度阈值,且判断车队排队时长是否大于或等于预设的收费站排队时长阈值;若车辆排队长度大于或等于收费站排队长度阈值,且车队排队时长大于或等于收费站排队时长阈值,则确定收费站发生拥堵。
又例如,通过模型库中的拥堵预测模型,基于服务区交通运行状态信息确定目标服务区的车辆排队长度和车队排队时长,判断车辆排队长度是否大于或等于预设的服务区排队长度阈值,且判断车队排队时长是否大于或等于预设的服务区排队时长阈值;若车辆排队长度大于或等于服务区排队长度阈值,且车队排队时长大于或等于服务区排队时长阈值,则确定服务区发生拥堵。
在一些实施例中,拥堵提示信息还可以包括导航路径信息,导航路径信息是基于公路交通工程设施标准数据和***技术标准数据,通过模型库中的导航路径规划模型规划得到的信息。
在一些实施例中,交通事件提示信息基于高速路段交通运行状态信息、收费站交通运行状态信息和服务区交通运行状态信息进行确定。
例如,将高速路段交通运行状态信息中的交通事件与静态知识库中的交通事件数据(例如道路限速数据、道路封闭数据、道路管制数据和交通事故数据等)进行匹配,若交通事件的发生位置处于交通事件数据中的发生位置的预设空间范围内,则确定匹配,进而得到目标高速公路路段的交通事件提示信息,交通事件提示信息中包括匹配的交通事件。
又例如,将收费站交通运行状态信息中的交通事件与静态知识库中的交通事件数据(例如道路限速数据、道路封闭数据、道路管制数据和交通事故数据等)进行匹配,若交通事件的发生位置处于交通事件数据中的发生位置的预设空间范围内,则确定匹配,进而得到目标收费站的交通事件提示信息,交通事件提示信息中包括匹配的交通事件。其中,目标收费站为目标高速公路路段中的收费站。
又例如,将服务区交通运行状态信息中的交通事件与静态知识库中的交通事件数据(例如道路限速数据、道路封闭数据、道路管制数据和交通事故数据等)进行匹配,若交通事件的发生位置处于交通事件数据中的发生位置的预设空间范围内,则确定匹配,进而得到目标服务区的交通事件提示信息,交通事件提示信息中包括匹配的交通事件。其中,目标服务区为目标高速公路路段的服务区。
可见,本公开实施例基于多个交通运行维度的状态信息,结合静态知识库和模型库,实现对多个交通运行维度的状态信息进行通行诊断,得到多项通行诊断信息,多项通行诊断信息包括但不限于以下至少两种信息:安全运行诊断结果、拥堵诊断结果和交通事件诊断结果;进而基于多项通行诊断信息,可以确定多项通行提示信息,多项通行提示信息包括但不限于以下至少两种信息:安全运行诊断提示信息、拥堵提示信息和交通事件提示信息。
在步骤104中,基于客货车流量分配信息以及多个交通运行维度的状态信息,确定目标高速公路路段的多项运营诊断信息。
其中,多项运营诊断信息包括但不限于:高速差异化收费诊断信息和高速路段运营损失诊断信息。
在本公开实施例中,基于高速路段客货车流量分配信息和相邻道路客货车流量分配信息、高速路段交通运行状态信息和相邻道路交通运行状态信息,结合静态知识库中的高速公路和相邻国省道路网拓扑结构,利用模型库中的路段全流量反推模型和客货车高速公路通行费计算模型,确定高速差异化收费诊断信息。
其中,高速差异化收费诊断信息包括但不限于以下至少一种信息:分路段差异化收费、分车型差异化收费、分时段差异化收费、分出入口差异化收费、分方向差异化收费以及分支付方式差异化收费。
在本公开实施例中,基于高速路段客货车流量分配信息和相邻道路客货车流量分配信息,结合交通事件数据库、路段全流量反推模型和客货车高速公路通行费计算模型,确定高速路段运营损失诊断信息。其中,交通事件数据库中记录的信息包括但不限于以下至少一种:道路限速数据、道路封闭数据、道路管制数据和交通事件数据。
其中,高速路段运营损失诊断信息包括但不限于以下至少一种信息:封闭类事件经济损失以及施工和事故类事件经济损失。其中,封闭类事件经济损失=规划导航次数×单公里收费×里程;施工和事故类事件经济损失=(规划导航次数-实际导航次数)×单公里收费×里程。
可见,本公开实施例基于多个交通运行维度的状态信息,结合静态知识库和模型库,实现对多个交通运行维度的状态信息进行运营诊断,得到多项运营诊断信息,多项运营诊断信息包括但不限于:高速差异化收费诊断信息和高速路段运营损失诊断信息。
综上所述,本公开实施例中,通过获取高速公路路段的导航数据,可以确定危险驾驶行为信息、客货车流量分配信息以及多个交通运行维度的状态信息;进而,基于危险驾驶行为信息以及多个交通运行维度的状态信息,可以确定目标高速公路路段的多项通行提示信息,以便对用户进行提示,合理配置用户的出行选择,及时应对突发事件下高速流量瞬时变化带来的拥堵;并且,基于客货车流量分配信息以及多个交通运行维度的状态信息,可以确定目标高速公路路段的多项运营诊断信息,以便高速运营服务端优化高速运营方案,减少突发事件下高速流量瞬时变化带来的经济损失。
在上述实施例的基础上,图2为本公开实施例提供的另一种高速公路数据处理方法的流程示意图,在图2中,“高速路段交通运行状态信息”、“收费站交通运行状态信息”、“服务区交通运行状态信息”和“相邻道路交通运行状态信息”为四个交通运行维度的状态信息。这四个交通运行维度的状态信息以及图2中所示的“高速路段客货车流量分配信息”、“相邻道路客货车流量分配信息”和“危险驾驶行为信息”是基于目标高速公路路段的导航数据确定的信息。其中,目标高速公路路段为待优化高速公路运营方案的目标高速公路运营主体所管辖的高速路段。
在图2中,“公路交通工程设施标准数据和***技术标准数据”、“高速公路和相邻国省道路网拓扑结构”以及“交通事件数据(道路限速、道路封闭、道路管制和交通事故)”为静态知识库中的数据。
在图2中,“拥堵预测模型(高速路段、收费站、服务区)”、“路段全流量反推模型”、“导航路径规划模型”以及“客货车高速公路通行费计算模型”为预先构建的模型库中的模型。
在图2中,“安全运行提示信息”是将“危险驾驶行为信息”与“公路交通工程设施标准数据和***技术标准数据”以及“交通事件数据(道路限速、道路封闭、道路管制和交通事故)”进行匹配得到的信息。
在图2中,“拥堵提示信息”是通过“拥堵预测模型(高速路段、收费站、服务区)”分别对“高速路段交通运行状态信息”、“收费站交通运行状态信息”以及“服务区交通运行状态信息”进行预测得到的信息。另外,“拥堵提示信息”还可以包括导航路径信息,导航路径信息是基于“公路交通工程设施标准数据和***技术标准数据”,通过“导航路径规划模型”规划得到的信息。
在图2中,“交通事件提示信息”是将“高速路段交通运行状态信息”、“收费站交通运行状态信息”以及“服务区交通运行状态信息”分别与“交通事件数据(道路限速、道路封闭、道路管制和交通事故数据等)”进行匹配得到的数据。
在图2中,“高速差异化收费诊断信息”通过以下方式确定:基于“高速路段客货车流量分配信息”和“相邻道路客货车流量分配信息”、“高速路段交通运行状态信息”和“相邻道路交通运行状态信息”,结合“高速公路和相邻国省道路网拓扑结构”,利用“路段全流量反推模型”和“客货车高速公路通行费计算模型”,确定“高速差异化收费诊断信息”。
在图2中,“高速路段运营损失诊断信息”通过以下方式确定:基于“高速路段客货车流量分配信息”和“相邻道路客货车流量分配信息”,结合“交通事件数据(道路限速、道路封闭、道路管制和交通事故数据等)”、“路段全流量反推模型”和“客货车高速公路通行费计算模型”,确定“高速路段运营损失诊断信息”。
在图2中,“安全运行提示信息”、“拥堵提示信息”和“交通事件提示信息”为目标高速公路路段的三项通行提示信息,便对用户进行提示,合理配置用户的出行选择,及时应对突发事件下高速流量瞬时变化带来的拥堵。
在图2中,“高速差异化收费诊断信息”和“高速路段运营损失诊断信息”为目标高速公路路段的两项运营诊断信息,以便高速运营服务端优化高速运营方案,减少突发事件下高速流量瞬时变化带来的经济损失。
在上述实施例的基础上,图3为本公开实施例提供的另一种高速公路数据处理方法的流程示意图,图3与图1的区别在于:图3除了包括图1中的所有步骤,图3还包括虚线框内的步骤105。
在步骤105中,基于目标高速公路路段和相邻道路的网络拓扑结构、目标高速公路路段的交通通行量(OD)以及相邻道路的交通通行量,确定交通通行量溯源诊断信息。
其中,交通通行量溯源诊断信息包括但不限于:车流的热门起点、热门终点、客货车流量占比。
可见,基于交通通行量溯源诊断信息,可以确定导致拥堵的车流溯源和原因,为节假日大客流出行的应急预案提供更精准的量化支撑。
在上述实施例的基础上,图4为本公开实施例提供的又一种高速公路数据处理方法的流程示意图,图4与图3的区别在于:图4除了包括图3中的所有步骤,图4还包括虚线框内的步骤106至步骤108。
在步骤106中,通过导航应用发布多项通行提示信息,并通过导航应用挖掘用户的出行模式。
其中,挖掘用户的出行模式例如为:将不同用户的出行行为进行聚合,聚合后得到的任一出行行为集合即为一种出行模式。出行模式包括但不限于以下至少一种:依据提示进行出行选择,忽略提示等。
在本公开实施例中,将多项通行提示信息(例如安全运行提示信息、拥堵提示信息和交通事件提示信息中的至少两种信息)通过导航应用向用户进行发布,以便对用户进行提示,合理配置用户的出行选择,实现对各类随机突发事件的预警,及时应对突发事件下高速流量瞬时变化带来的拥堵,提高对突发事件的应对能力,减少封路、收费站拥堵等事件的发生次数和持续时长,从而提升高速公路收费站、服务区的通行效率。
在另一些实施例中,还可以将高速差异化收费诊断信息(例如高速通行费优惠信息)通过导航应用向用户进行发布,以便合理配置用户的出行选择,减少突发事件下高速流量瞬时变化带来的经济损失。
在本公开实施例中,通过导航应用挖掘用户的出行模式,实现动态检测发布内容对用户出行选择的影响。
在步骤107中,向高速运营服务端提供多项运营诊断信息和交通通行量溯源诊断信息,以获取所述高速运营服务端生成的高速运营方案。
在本公开实施例中,高速运营服务端基于获取的多项运营诊断信息和交通通行量溯源诊断信息,优化高速运营方案,得到高速公路运营评诊治一体化解决方案,减少突发事件下高速流量瞬时变化带来的经济损失。
其中,高速公路运营评诊治一体化解决方案包括但不限于以下至少一项:更加精细的道路管理养护作业方案、更加精准的道路封闭管控策略和更加精细的差异化收费策略。在一些实施例中,高速公路运营评诊治一体化解决方案还包括:多项通行诊断信息和多项运营诊断信息,其中,多项通行诊断信息包括但不限于以下至少一种信息:安全运行诊断结果、拥堵诊断结果和交通事件诊断结果;多项运营诊断信息包括但不限于:高速差异化收费诊断信息和高速路段运营损失诊断信息。在一些实施例中,高速公路运营评诊治一体化解决方案还包括:交通通行量(OD)溯源诊断信息。
可见,本公开实施例中,通过高速公路运营评诊治一体化解决方案可以根据交通通行量的变化,对收费、道路管理养护及服务区的工作进行更为精准的安排以节约运营成本。
在步骤108中,基于导航应用挖掘用户的出行模式,确定高速运营方案的实施效果指标值。
其中,实施效果指标值包括但不限于以下至少一种:通行效率、经济损失下降率和高速公路通行费收入增加率。
在本公开实施例中,通过挖掘用户的出行模式,完成对运营方案实施后效果后评价的闭环反馈,从而提供更加精细、更加精准、更加高效的数据诊断、决策咨询的服务。
经过测试,本公开实施例中高速公路运营评诊治一体化解决方案,将大流量场景下收费站、服务区的通行效率提升10%~15%;通过实施更加精细的道路管养作业方案和更加精准的道路封闭管控策略,将经济损失下降10%~15%;通过更加精细的差异化收费策略将高速公路通行费收入每年增加10%~15%。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员能够理解,本公开实施例并不受所描述的动作顺序的限制,因为依据本公开实施例,某些步骤可以采用其他顺序或者同时进行。另外,本领域技术人员能够理解,说明书中所描述的实施例均属于可选实施例。
图5为本公开实施例提供的一种高速公路数据处理装置的示意图,该高速公路数据处理装置可以应用于电子设备,电子设备包括但不限于车载设备、智能手机、掌上电脑、平板电脑、带显示屏的可穿戴设备、台式机、笔记本电脑、一体机、智能家居设备、服务器等,其中,服务器可以是独立的服务器,也可以是多个服务器的集群,可以包括搭建在本地的服务器和架设在云端的服务器。本公开实施例提供的高速公路数据处理装置可以执行高速公路数据处理方法各实施例提供的处理流程,如图5所示,高速公路数据处理装置包括:获取单元51、第一确定单元52、第二确定单元53和第三确定单元54。
获取单元51,用于获取目标高速公路路段的导航数据;
第一确定单元52,用于基于导航数据确定危险驾驶行为信息、客货车流量分配信息以及多个交通运行维度的状态信息;
第二确定单元53,用于基于危险驾驶行为信息以及多个交通运行维度的状态信息,确定目标高速公路路段的多项通行提示信息;
第三确定单元54,用于基于客货车流量分配信息以及多个交通运行维度的状态信息,确定目标高速公路路段的多项运营诊断信息。
在一些实施例中,多个交通运行维度的状态信息,包括:
高速路段交通运行状态信息、收费站交通运行状态信息、服务区交通运行状态信息以及相邻道路交通运行状态信息。
在一些实施例中,多项通行提示信息包括:安全运行提示信息、拥堵提示信息和交通事件提示信息;
第二确定单元53用于:基于危险驾驶行为信息,确定安全运行提示信息;基于高速路段交通运行状态信息、收费站交通运行状态信息和服务区交通运行状态信息,确定拥堵提示信息和交通事件提示信息。
在一些实施例中,多项运营诊断信息包括:高速差异化收费诊断信息和高速路段运营损失诊断信息;
第三确定单元54用于:基于客货车流量分配信息、高速路段交通运行状态信息和相邻道路交通运行状态信息,确定高速差异化收费诊断信息;基于客货车流量分配信息,确定高速路段运营损失诊断信息。
在一些实施例中,高速公路数据处理装置还包括图5中未示出的第四确定单元,用于基于目标高速公路路段和相邻道路的网络拓扑结构、目标高速公路路段的交通通行量以及相邻道路的交通通行量,确定交通通行量溯源诊断信息。
在一些实施例中,高速公路数据处理装置还包括图5中未示出的提示单元、提供单元和效果确定单元:
提示单元,用于通过导航应用发布多项通行提示信息,并通过导航应用挖掘用户的出行模式。
提供单元,用于向高速运营服务端提供多项运营诊断信息和交通通行量溯源诊断信息,以获取高速运营服务端生成的高速运营方案;
效果确定单元,用于基于导航应用挖掘用户的出行模式,确定高速运营方案的实施效果指标值。
本公开的至少一个高速公路数据处理装置实施例中,通过获取高速公路路段的导航数据,可以确定危险驾驶行为信息、客货车流量分配信息以及多个交通运行维度的状态信息;进而,基于危险驾驶行为信息以及多个交通运行维度的状态信息,可以确定目标高速公路路段的多项通行提示信息,以便对用户进行提示,合理配置用户的出行选择,及时应对突发事件下高速流量瞬时变化带来的拥堵;并且,基于客货车流量分配信息以及多个交通运行维度的状态信息,可以确定目标高速公路路段的多项运营诊断信息,以便高速运营服务端优化高速运营方案,减少突发事件下高速流量瞬时变化带来的经济损失。
以上公开的高速公路数据处理装置各实施例的细节可参考前述的高速公路数据处理方法各实施例的细节,为避免重复不再赘述。
图6是本公开实施例提供的一种计算机设备的示例性框图。如图6所示,该计算机设备包括:至少一个计算装置61、至少一个存储指令的存储装置62。可以理解,本实施例中的存储装置62可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
在一些实施方式中,存储装置62存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:操作***和应用程序。
其中,操作***,包含各种***程序,例如框架层、核心库层、驱动层等,用于实现各种基础任务以及处理基于硬件的任务。应用程序,包含各种应用程序,例如媒体播放器(Media Player)、浏览器(Browser)等,用于实现各种应用任务。实现本公开实施例提供的高速公路数据处理方法的程序可以包含在应用程序中。
在本公开实施例中,至少一个计算装置61通过调用至少一个存储装置62存储的程序或指令,具体的,可以是应用程序中存储的程序或指令,至少一个计算装置61用于执行本公开实施例提供的高速公路数据处理方法各实施例的步骤。
本公开实施例提供的高速公路数据处理方法可以应用于计算装置61中,或者由计算装置61实现。计算装置61可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过计算装置61中的硬件的集成逻辑电路或者软件形式的指令完成。上述的计算装置61可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本公开实施例提供的高速公路数据处理方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储装置62,计算装置61读取存储装置62中的信息,结合其硬件完成方法的步骤。
本公开实施例还提出一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如高速公路数据处理方法各实施例的步骤,为避免重复描述,在此不再赘述。其中,计算机可读存储介质可以为非暂态计算机可读存储介质。
本公开实施例还提出一种计算机程序产品,其包括计算机指令,该计算机指令存储在非暂态计算机可读存储介质中,该计算机指令被处理器执行时实现如高速公路数据处理方法各实施例的步骤,为避免重复描述,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。
本领域的技术人员能够理解,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
虽然结合附图描述了本公开的实施方式,但是本领域技术人员可以在不脱离本公开的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种高速公路数据处理方法,所述方法包括:
获取目标高速公路路段的导航数据;
基于所述导航数据确定危险驾驶行为信息、客货车流量分配信息以及多个交通运行维度的状态信息;
基于所述危险驾驶行为信息以及所述多个交通运行维度的状态信息,确定所述目标高速公路路段的多项通行提示信息;
基于所述客货车流量分配信息以及所述多个交通运行维度的状态信息,确定所述目标高速公路路段的多项运营诊断信息。
2.根据权利要求1所述的方法,其中,所述多个交通运行维度的状态信息,包括以下至少两种信息:
高速路段交通运行状态信息、收费站交通运行状态信息、服务区交通运行状态信息以及相邻道路交通运行状态信息。
3.根据权利要求2所述的方法,其中,所述多项通行提示信息包括以下至少两种信息:安全运行提示信息、拥堵提示信息和交通事件提示信息;
所述基于所述危险驾驶行为信息以及所述多个交通运行维度的状态信息,确定所述目标高速公路路段的多项通行提示信息,包括:
基于所述危险驾驶行为信息,确定所述安全运行提示信息;
和/或,基于所述高速路段交通运行状态信息、所述收费站交通运行状态信息和所述服务区交通运行状态信息中的至少两种信息,确定所述拥堵提示信息和/或所述交通事件提示信息。
4.根据权利要求2所述的方法,其中,所述多项运营诊断信息包括:高速差异化收费诊断信息和高速路段运营损失诊断信息;
所述基于所述客货车流量分配信息以及所述多个交通运行维度的状态信息,确定所述目标高速公路路段的多项运营诊断信息包括:
基于所述客货车流量分配信息、所述高速路段交通运行状态信息和所述相邻道路交通运行状态信息,确定所述高速差异化收费诊断信息;
基于所述客货车流量分配信息,确定所述高速路段运营损失诊断信息。
5.根据权利要求1所述的方法,其中,所述方法还包括:
基于所述目标高速公路路段和相邻道路的网络拓扑结构、所述目标高速公路路段的交通通行量以及所述相邻道路的交通通行量,确定交通通行量溯源诊断信息。
6.根据权利要求5所述的方法,其中,所述方法还包括:
通过导航应用发布所述多项通行提示信息,并通过所述导航应用挖掘用户的出行模式;
向高速运营服务端提供所述多项运营诊断信息和所述交通通行量溯源诊断信息,以获取所述高速运营服务端生成的高速运营方案;
基于所述导航应用挖掘用户的出行模式,确定所述高速运营方案的实施效果指标值。
7.一种高速公路数据处理装置,所述装置包括:
获取单元,用于获取目标高速公路路段的导航数据;
第一确定单元,用于基于所述导航数据确定危险驾驶行为信息、客货车流量分配信息以及多个交通运行维度的状态信息;
第二确定单元,用于基于所述危险驾驶行为信息以及所述多个交通运行维度的状态信息,确定所述目标高速公路路段的多项通行提示信息;
第三确定单元,用于基于所述客货车流量分配信息以及所述多个交通运行维度的状态信息,确定所述目标高速公路路段的多项运营诊断信息。
8.一种计算机可读存储介质,其中,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至6任一项所述高速公路数据处理方法的步骤。
9.一种计算机设备,其中,包括至少一个计算装置和至少一个存储指令的存储装置;所述指令在被所述至少一个计算装置运行时,促使所述至少一个计算装置执行如权利要求1至6任一项所述高速公路数据处理方法的步骤。
10.一种计算机程序产品,其包括计算机指令,其中,该计算机指令被处理器执行时实现如权利要求1至6任一项所述高速公路数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211053736.6A CN115565365A (zh) | 2022-08-31 | 2022-08-31 | 一种高速公路数据处理方法、装置、设备及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211053736.6A CN115565365A (zh) | 2022-08-31 | 2022-08-31 | 一种高速公路数据处理方法、装置、设备及计算机程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115565365A true CN115565365A (zh) | 2023-01-03 |
Family
ID=84739798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211053736.6A Pending CN115565365A (zh) | 2022-08-31 | 2022-08-31 | 一种高速公路数据处理方法、装置、设备及计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115565365A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080065311A1 (en) * | 2006-09-12 | 2008-03-13 | Frederic Bauchot | System and method for exchanging positioning information between vehicles in order to estimate road traffic |
JP2013020493A (ja) * | 2011-07-12 | 2013-01-31 | Hitachi Automotive Systems Ltd | 事故渋滞に関する損害額算定システム |
CN103258437A (zh) * | 2012-02-16 | 2013-08-21 | 索尼公司 | 信息处理设备、终端设备、信息处理方法及状况显示方法 |
CN103413454A (zh) * | 2013-09-03 | 2013-11-27 | 章志兵 | 高速公路车辆安全行车及管理*** |
CN108364494A (zh) * | 2018-02-26 | 2018-08-03 | 郑清辉 | 道路交通智能管理方法、***及平台 |
CN108986459A (zh) * | 2018-07-06 | 2018-12-11 | 华南理工大学 | 一种基于预约通行的高速公路拥挤疏导方法 |
US20190012909A1 (en) * | 2016-01-03 | 2019-01-10 | Yosef Mintz | System and methods to apply robust predictive traffic load balancing control and robust cooperative safe driving for smart cities |
CN110766258A (zh) * | 2018-07-25 | 2020-02-07 | 高德软件有限公司 | 一种道路风险的评估方法及装置 |
CN111523925A (zh) * | 2020-04-07 | 2020-08-11 | 天津市市政工程设计研究院 | 一种基于etc设备的高速公路费率动态调控方法 |
CN111985749A (zh) * | 2019-05-23 | 2020-11-24 | 阿里巴巴集团控股有限公司 | 一种道路风险的评估方法及装置 |
CN114005274A (zh) * | 2021-10-21 | 2022-02-01 | 浙江综合交通大数据开发有限公司 | 基于小客车当量的高速公路收费站分级联动管控方法 |
CN114005275A (zh) * | 2021-10-25 | 2022-02-01 | 浙江交投高速公路运营管理有限公司 | 一种基于多数据源融合的高速公路车辆拥堵判别方法 |
CN114509081A (zh) * | 2021-12-31 | 2022-05-17 | 北京中交兴路车联网科技有限公司 | 基于差异化收费计算车辆通行成本的方法以及装置 |
-
2022
- 2022-08-31 CN CN202211053736.6A patent/CN115565365A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080065311A1 (en) * | 2006-09-12 | 2008-03-13 | Frederic Bauchot | System and method for exchanging positioning information between vehicles in order to estimate road traffic |
JP2013020493A (ja) * | 2011-07-12 | 2013-01-31 | Hitachi Automotive Systems Ltd | 事故渋滞に関する損害額算定システム |
CN103258437A (zh) * | 2012-02-16 | 2013-08-21 | 索尼公司 | 信息处理设备、终端设备、信息处理方法及状况显示方法 |
CN103413454A (zh) * | 2013-09-03 | 2013-11-27 | 章志兵 | 高速公路车辆安全行车及管理*** |
US20190012909A1 (en) * | 2016-01-03 | 2019-01-10 | Yosef Mintz | System and methods to apply robust predictive traffic load balancing control and robust cooperative safe driving for smart cities |
CN108364494A (zh) * | 2018-02-26 | 2018-08-03 | 郑清辉 | 道路交通智能管理方法、***及平台 |
CN108986459A (zh) * | 2018-07-06 | 2018-12-11 | 华南理工大学 | 一种基于预约通行的高速公路拥挤疏导方法 |
CN110766258A (zh) * | 2018-07-25 | 2020-02-07 | 高德软件有限公司 | 一种道路风险的评估方法及装置 |
CN111985749A (zh) * | 2019-05-23 | 2020-11-24 | 阿里巴巴集团控股有限公司 | 一种道路风险的评估方法及装置 |
CN111523925A (zh) * | 2020-04-07 | 2020-08-11 | 天津市市政工程设计研究院 | 一种基于etc设备的高速公路费率动态调控方法 |
CN114005274A (zh) * | 2021-10-21 | 2022-02-01 | 浙江综合交通大数据开发有限公司 | 基于小客车当量的高速公路收费站分级联动管控方法 |
CN114005275A (zh) * | 2021-10-25 | 2022-02-01 | 浙江交投高速公路运营管理有限公司 | 一种基于多数据源融合的高速公路车辆拥堵判别方法 |
CN114509081A (zh) * | 2021-12-31 | 2022-05-17 | 北京中交兴路车联网科技有限公司 | 基于差异化收费计算车辆通行成本的方法以及装置 |
Non-Patent Citations (1)
Title |
---|
刘艳丽;等: "基于高速收费大数据的短时交通流量预测方法", 计算机与数字工程, no. 05, 31 May 2019 (2019-05-31) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
---|---|---|
US10878510B2 (en) | Telematics system and corresponding method thereof | |
Jo et al. | Estimation of heavy vehicle-involved rear-end crash potential using WIM data | |
Gladhill et al. | Exploring traffic safety and urban form in Portland, Oregon | |
Hu et al. | Advancing usage‐based insurance–a contextual driving risk modelling and analysis approach | |
KA et al. | Developing proximal safety indicators for assessment of un-signalized intersection–a case study in Surat city | |
Farrag et al. | Toward the improvement of traffic incident management systems using Car2X technologies | |
Abdel-Aty et al. | Safety and operational impact of connected vehicles’ lane configuration on freeway facilities with managed lanes | |
Kemp et al. | Life cycle greenhouse gas impacts of a connected and automated SUV and van | |
Zhao et al. | Factors affecting traffic risks on bridge sections of freeways based on partial dependence plots | |
CN114509081B (zh) | 基于差异化收费计算车辆通行成本的方法以及装置 | |
CN111914940A (zh) | 一种共享车辆站点分群聚类方法、***、装置及存储介质 | |
CN115565365A (zh) | 一种高速公路数据处理方法、装置、设备及计算机程序产品 | |
Jiang et al. | Developing highway capacity manual capacity adjustment factors for connected and automated traffic on roundabouts | |
Hou et al. | Development of travel time functions for disrupted urban arterials with microscopic traffic simulation | |
Krislata et al. | Traffic Flows System Development for Smart City. | |
Aguiar et al. | MobiWise: Eco-routing decision support leveraging the Internet of Things | |
Qu et al. | Analyzing the safety impacts of variable speed limit control on aggregated driving behavior based on traffic big data | |
GANDHI et al. | Comparative evaluation of alternate bus rapid transit system (BRTS) planning, operation and design options | |
Vasebi et al. | Air emission impacts of low-level automated vehicle technologies in US metropolitan areas | |
Pallela et al. | Examining the lane-wise time headway and speed characteristics at curb-side bus stop on four-lane divided urban arterials | |
Casas et al. | Decision Support Systems (DSS) for traffic management assessment: Notes on current methodology and future requirements for the implementation of a DSS | |
Chen et al. | The impact of truck proportion on traffic safety using surrogate safety measures in China | |
Khadka et al. | Multicriteria Planning Framework for Regional Intersection Improvement Using Telematics Data of Connected Vehicles | |
Zhang et al. | Exploring relationships between months and different crash types on mountainous freeways using a combined modeling approach | |
Elawady et al. | The benefits of using connected vehicles system on traffic delay and safety at urban signalized intersections |
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 |