CN116468313A - 一种道路通行能力评价方法及装置 - Google Patents
一种道路通行能力评价方法及装置 Download PDFInfo
- Publication number
- CN116468313A CN116468313A CN202310342425.XA CN202310342425A CN116468313A CN 116468313 A CN116468313 A CN 116468313A CN 202310342425 A CN202310342425 A CN 202310342425A CN 116468313 A CN116468313 A CN 116468313A
- Authority
- CN
- China
- Prior art keywords
- road traffic
- road
- value
- traffic
- target
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 56
- 238000012545 processing Methods 0.000 claims description 26
- 238000012795 verification Methods 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000007726 management method Methods 0.000 abstract description 25
- 238000004458 analytical method Methods 0.000 abstract description 21
- 230000009286 beneficial effect Effects 0.000 abstract description 11
- 230000002349 favourable effect Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路通行能力评价方法及装置，该方法包括：获取道路通行参数信息集合；道路通行参数信息集合中的道路通行参数信息包括若干个道路通行参数；对道路通行参数信息集合进行前处理，得到道路通行值信息集合；道路通行值信息集合包括至少6个道路通行值信息；每个道路通行值信息为若干个道路通行值有序排列的数据集合；基于道路通行模型对道路通行值信息集合进行计算处理，确定出道路通行评价结果；道路通行评价结果表征目标道路的可通行能力。可见，本发明有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种道路通行能力评价方法及装置。
背景技术
城市道路网是城市运输体系的重要组成部分，可以为城市的经济社会发展提供有力支撑，同时也可以为国家建设提供有力帮助，承担运输职能，与其他运输方式相比，公路运输具有覆盖范围大、联通程度深、运输方式灵活等特点，同时与其他运输方式的联动效果较好，是整个运输体系中极为重要的一部分。中国近年来逐步重视道路等关键基础设施的发展，即统筹国家经济建设相关领域与公路运输发展全局，协调运用资源，共同服务于可持续的公路运输发展目标。公路运输需要以建制内精干高效的力量在第一时间完成应急任务，这就对公路运输的时间提出了较高的要求，而公路运输的时间往往与道路的通畅程度直接相关。道路畅通，运输任务能够顺利完成；如果道路拥挤，公路运输任务的完成难度就会大大增加。
目前，常用的评价的方法主要有数据包络分析法(DEA)，多元回归法，优劣解距离法(TOPSIS)等。其中数据包络分析法缺少实际运行的数据与指标，因此DEA法难以适用于实际运输任务的场景；多元回归法同样存在类似的问题，需要大量的样本数据来进行拟合，这也正是我们所缺少的；TOPSIS法相对来说对样本数据无过多要求，但是其计算方式较为复杂。因此，提供一种道路通行能力评价方法及装置，以提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
发明内容
本发明所要解决的技术问题在于，提供一种道路通行能力评价方法及装置，有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
为了解决上述技术问题，本发明实施例第一方面公开了一种道路通行能力评价方法，所述方法包括：
获取道路通行参数信息集合；所述道路通行参数信息集合中的道路通行参数信息包括若干个道路通行参数；所述道路通行参数表征某一特定长度路段在某一特定时间的目标道路所对应的道路数据；
对所述道路通行参数信息集合进行前处理，得到道路通行值信息集合；所述道路通行值信息集合包括至少6个道路通行值信息；每个所述道路通行值信息为若干个道路通行值有序排列的数据集合；
基于道路通行模型对所述道路通行值信息集合进行计算处理，确定出道路通行评价结果；所述道路通行评价结果表征所述目标道路的可通行能力。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述道路通行参数信息集合进行前处理，得到道路通行值信息集合，包括：
对所述道路通行参数信息集合进行计算处理，得到道路通行指标值信息集合；所述道路通行指标值信息集合包括若干个道路通行指标值信息；每个所述道路通信参数对应于一个所述道路通行指标值信息；
对所述道路通行指标值信息集合进行归一化处理，得到道路通值信息集合。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述道路通行指标值信息集合进行归一化处理，得到道路通行值信息集合，包括：
对于任一所述道路通行指标值信息，识别该道路通行指标值信息中所有道路通行指标值的最大值和最小值，得到通行指标最大值和通行指标最小值；
对于该道路通行指标值信息中的任一所述道路通行指标值，利用归一化模型对该道路通行指标值、所述通行指标最大值和所述通行指标最小值进行计算处理，得到该道路通行指标值对应的道路通行值；
其中，所述归一化模型为：
式中，x′i为第i个所述道路通行值；xmax为所述通行指标最大值；xmin为所述通行指标最小值；xi为第i个所述道路通行指标值。
作为一种可选的实施方式，在本发明实施例第一方面中，所述基于道路通行模型对所述道路通行值信息集合进行计算处理，确定出道路通行评价结果，包括：
对于某一特定长度路段在某一特定时间的目标道路，从所述道路通行值信息集合确定出该目标道路对应的目标道路通行值集合；所述目标道路通行值集合包括若干个目标道路通行值；
利用道路通行模型对所述目标道路通行值集合进行计算处理，得到该目标道路对应的道路通行评价值；所述道路通行评价值为位于[0，1]之间的正数；
其中，所述道路通行模型为：
式中，TPI为所述道路通行评价值；Wj为第j个所述目标道路通行值对应的第一权重参数；Vj为第j个所述目标道路通行值对应的第二权重参数；Xj为第j个所述目标道路通行值，n为所述目标道路通行值的数量；每个所述第一权重参数对应于唯一一个所述目标道路通行值；每个所述第二权重参数对应于至少2个所述目标道路通行值；
利用预设的道路通行等级映射关系对所述道路通行评价值进行等级转换，得到该目标道路对应的道路通行等级；所述道路通行等级的等级大小与所述目标道路的可通行能力成反比关系；
对所有所述道路通行等级进行整合处理，得到道路通行评价结果。
作为一种可选的实施方式，在本发明实施例第一方面中，所述道路通行评价结果包括：第一道路通行评价结果和第二道路通行评价结果；所述第一道路通行评价结果表征在某一特定时间所述目标道路各路段的可通行能力；所述第二道路通行评价结果表征所述某一特定长度路段的目标道路在各时间的可通行能力；
所述对所有所述道路通行等级进行整合处理，得到道路通行评价结果，包括：
对于某一特定时间，从所有所述道路通行等级中筛选出与该特定时间相匹配的所述道路通行等级作为第一目标道路通行等级；
对所有所述第一目标道路通行等级按路段的位置顺序关系进行拼接融合，得到所述第一道路通行评价结果；
对于某一特定长度路段，从所有所述道路通行等级中筛选出与该特定长度路段相匹配的所述道路通行等级作为第二目标道路通行等级；
对所有所述第二目标道路通行等级按路段的时间先后关系进行拼接融合，得到所述第二道路通行评价结果。
作为一种可选的实施方式，在本发明实施例第一方面中，在所述基于道路通行模型对所述道路通行值信息集合进行计算处理，确定出道路通行评价结果之前，所述方法还包括：
获取初始模型；
对所述初始模型进行模型评估，得到权重参数信息；
对所述权重参数信息进行一致性校验，得到校验结果；
当所述校验结果为不一致时，利用所述权重参数信息对所述初始模型进行更新，并触发执行所述对所述初始模型进行模型评估，得到权重参数信息；
当所述校验结果为一致时，基于所述初始模型中变量元素的关联关系和所述权重参数信息，确定出所述道路通行模型。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述初始模型进行模型评估，得到权重参数信息，包括：
对所述初始模型中变量元素进行重要度评估，得到重要度估值集合；所述重要度估值表征所述变量元素之间的重要程度关系；
基于所述初始模型中变量元素的关联关系和所述重要度估值集合，确定出判断矩阵集合；所述出判断矩阵集合包括两个判断矩阵；两个所述判断矩阵中的矩阵元素的数量是不相一致的；
对于任一所述判断矩阵，利用权重计算模型对该判断矩阵进行计算，得到该判断矩阵对应的初始权重参数信息；所述初始权重参数信息包括若干个初始权重参数；
其中，所述权重计算模型为：
式中，Wk′为第k个初始权重参数；wkl为所述判断矩阵中坐标为(k，l)的矩阵元素，m为所述判断矩阵的阶数；每个所述矩阵元素对应于一个所述重要度估值；
对所有所述初始权重参数信息进行归一化处理，得到权重参数信息。
本发明实施例第二方面公开了一种道路通行能力评价装置，装置包括：
获取模块，用于获取道路通行参数信息集合；所述道路通行参数信息集合中的道路通行参数信息包括若干个道路通行参数；所述道路通行参数表征某一特定长度路段在某一特定时间的目标道路所对应的道路数据；
第一处理模块，用于对所述道路通行参数信息集合进行前处理，得到道路通行值信息集合；所述道路通行值信息集合包括至少6个道路通行值信息；每个所述道路通行值信息为若干个道路通行值有序排列的数据集合；
第二处理模块，用于基于道路通行模型对所述道路通行值信息集合进行计算处理，确定出道路通行评价结果；所述道路通行评价结果表征所述目标道路的可通行能力。
本发明第三方面公开了另一种道路通行能力评价装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的道路通行能力评价方法中的部分或全部步骤。
本发明第四方面公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的道路通行能力评价方法中的部分或全部步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，获取道路通行参数信息集合；道路通行参数信息集合中的道路通行参数信息包括若干个道路通行参数；道路通行参数表征某一特定长度路段在某一特定时间的目标道路所对应的道路数据；对道路通行参数信息集合进行前处理，得到道路通行值信息集合；道路通行值信息集合包括至少6个道路通行值信息；每个道路通行值信息为若干个道路通行值有序排列的数据集合；基于道路通行模型对道路通行值信息集合进行计算处理，确定出道路通行评价结果；道路通行评价结果表征目标道路的可通行能力。可见，本发明有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种道路通行能力评价方法的流程示意图；
图2是本发明实施例公开的一种道路通行能力评价装置的结构示意图；
图3是本发明实施例公开的另一种道路通行能力评价装置的结构示意图。
具体实施方式
为了使本技术领域的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他实施例，都属于本发明保护的范围。
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”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种道路通行能力评价方法及装置，有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种道路通行能力评价方法的流程示意图。其中，图1所描述的道路通行能力评价方法应用于评价管理***中，如用于道路通行能力评价管理的本地服务器或云端服务器等，本发明实施例不做限定。如图1所示，该道路通行能力评价方法可以包括以下操作：
101、获取道路通行参数信息集合。
本发明实施例中，上述道路通行参数信息集合中的道路通行参数信息包括若干个道路通行参数。
本发明实施例中，上述道路通行参数表征某一特定长度路段在某一特定时间的目标道路所对应的道路数据。
102、对道路通行参数信息集合进行前处理，得到道路通行值信息集合。
本发明实施例中，道路通行值信息集合包括至少6个道路通行值信息。
本发明实施例中，上述每个道路通行值信息为若干个道路通行值有序排列的数据集合。
103、基于道路通行模型对道路通行值信息集合进行计算处理，确定出道路通行评价结果。
本发明实施例中，道路通行评价结果表征目标道路的可通行能力。
需要说明的是，上述道路通行参数信息包括车辆行驶速度信息，和/或，车辆冲突信息，和/或，道路交通饱和度信息，和/或，时间占有率信息，和/或，道路车道宽度信息，和/或，道路限速信息，本发明实施例不做限定。
具体的，道路交通饱和度信息表征道路车辆的拥挤程度。道路交通饱和度信息对应的道路交通饱和度越高，道路上通行的车辆越多，越不利于车辆的通行。
具体的，车辆行驶速度信息表征目标道路上正在行驶的所有车辆在某一特定路段的车速。车辆行驶速度信息对应的地点车速平均值在一定程度上表征当前道路车辆行驶的实际通畅程度。
具体的，时间占有率信息表征在选定的某一特定时间内车辆占用车辆检测器的时间。时间占有率信息对应的时间占有率从微观角度衡量道路的拥挤程度，时间占有率越高，代表车辆之间的跟驰行为更加紧密，也代表道路更拥挤。
具体的，车辆冲突信息表征在路段上不同流向的车流在时空中交错通行、产生冲突甚至发生交通事故等情况。车辆冲突信息对应的车辆冲突值主要衡量道路的安全性，安全性越低，车辆的行驶行为越趋于保守，安全性越高，驾驶行为越趋近于激进。
具体的，道路宽度信息表征特定路段的道路实际物理宽度。道路宽度信息对应的道路宽度越大，通行行为一般越顺畅，反之则通行受到的阻滞影响越严重。
具体的，道路限速信息表征不同等级或路况的道路具有不同的速度限制。道路限速信息对应的道路限速值会影响通行能力的上限。
可见，实施本发明实施例所描述的道路通行能力评价方法有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在一个可选的实施例中，上述对道路通行参数信息集合进行前处理，得到道路通行值信息集合，包括：
对道路通行参数信息集合进行计算处理，得到道路通行指标值信息集合；道路通行指标值信息集合包括若干个道路通行指标值信息；每个道路通信参数对应于一个道路通行指标值信息；
对道路通行指标值信息集合进行归一化处理，得到道路通值信息集合。
需要说明的是，上述对道路通行参数信息集合中的道路通行参数信息的计算处理是根据不同时间和不同路段的目标道路对应的道路通行参数进行加权求和计算得到的。
可选的，上述道路通行指标值信息对应的道路通行指标值包括道路交通饱和度、地点车速平均值、时间占有率、车辆冲突值、道路宽度、道路限速值，本发明实施例不做限定。
需要说明的是，上述地点车速平均值表征在某一特定长度路段在某一特定时间的目标道路的所有车辆的平均车速。
可见，实施本发明实施例所描述的道路通行能力评价方法有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在另一个可选的实施例中，对道路通行指标值信息集合进行归一化处理，得到道路通行值信息集合，包括：
对于任一道路通行指标值信息，识别该道路通行指标值信息中所有道路通行指标值的最大值和最小值，得到通行指标最大值和通行指标最小值；
对于该道路通行指标值信息中的任一道路通行指标值，利用归一化模型对该道路通行指标值、通行指标最大值和通行指标最小值进行计算处理，得到该道路通行指标值对应的道路通行值；
其中，归一化模型为：
式中，x′i为第i个道路通行值；xmax为通行指标最大值；xmin为通行指标最小值；xi为第i个道路通行指标值。
需要说明的是，上述通过归一化处理可将道路通行指标值的量纲进行统一，以得到统一量纲的道路通行值。
可见，实施本发明实施例所描述的道路通行能力评价方法有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在又一个可选的实施例中，基于道路通行模型对道路通行值信息集合进行计算处理，确定出道路通行评价结果，包括：
对于某一特定长度路段在某一特定时间的目标道路，从道路通行值信息集合确定出该目标道路对应的目标道路通行值集合；目标道路通行值集合包括若干个目标道路通行值；
利用道路通行模型对目标道路通行值集合进行计算处理，得到该目标道路对应的道路通行评价值；道路通行评价值为位于[0，1]之间的正数；
其中，道路通行模型为：
式中，TPI为道路通行评价值；Wj为第j个目标道路通行值对应的第一权重参数；Vj为第j个目标道路通行值对应的第二权重参数；Xj为第j个目标道路通行值，n为目标道路通行值的数量；每个第一权重参数对应于唯一一个目标道路通行值；每个第二权重参数对应于至少2个目标道路通行值；
利用预设的道路通行等级映射关系对道路通行评价值进行等级转换，得到该目标道路对应的道路通行等级；道路通行等级的等级大小与目标道路的可通行能力成反比关系；
对所有道路通行等级进行整合处理，得到道路通行评价结果。
需要说明的是，上述目标道路通行值为在某一特定长度路段在某一特定时间的目标道路所获得的目标道路通行值。
需要说明的，上述道路通行评价值越接近0，表明道路越畅通，越接近1，表明道路越拥堵。
可选的，上述道路通行等级映射关系表征不同道路通行评价值对应于不同的道路通行等级。进一步的，上述道路通行等级包括至少6个不同大小的等级。举例来说，上述道路通行等级映射关系可如下表所示：
进一步的，上述道路通行等级对应的等级越大，目标道路的可通行能力越弱。
可见，实施本发明实施例所描述的道路通行能力评价方法有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在又一个可选的实施例中，道路通行评价结果包括：第一道路通行评价结果和第二道路通行评价结果；第一道路通行评价结果表征在某一特定时间目标道路各路段的可通行能力；第二道路通行评价结果表征某一特定长度路段的目标道路在各时间的可通行能力；
对所有道路通行等级进行整合处理，得到道路通行评价结果，包括：
对于某一特定时间，从所有道路通行等级中筛选出与该特定时间相匹配的道路通行等级作为第一目标道路通行等级；
对所有第一目标道路通行等级按路段的位置顺序关系进行拼接融合，得到第一道路通行评价结果；
对于某一特定长度路段，从所有道路通行等级中筛选出与该特定长度路段相匹配的道路通行等级作为第二目标道路通行等级；
对所有第二目标道路通行等级按路段的时间先后关系进行拼接融合，得到第二道路通行评价结果。
需要说明的是，上述第一目标道路通行等级是位于特定时间内对目标道路的道路通行能力评价情况。
需要说明的是，上述第二目标道路通行等级是在特定长度路段内对目标道路的道路通行能力评价情况。
进一步的，上述匹配筛选是根据采集道路通行等级对应的道路通行参数的时间或路段来匹配的。
可见，实施本发明实施例所描述的道路通行能力评价方法有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在一个可选的实施例中，在基于道路通行模型对道路通行值信息集合进行计算处理，确定出道路通行评价结果之前，方法还包括：
获取初始模型；
对初始模型进行模型评估，得到权重参数信息；
对权重参数信息进行一致性校验，得到校验结果；
当校验结果为不一致时，利用权重参数信息对初始模型进行更新，并触发执行对初始模型进行模型评估，得到权重参数信息；
当校验结果为一致时，基于初始模型中变量元素的关联关系和权重参数信息，确定出道路通行模型。
需要说明的是，上述初始模型表征不同变量元素由上至下的关联关系。进一步的，上述变量元素的关联关系表征不同变量元素的从属关系和平行关系。举例来说，变量元素包括A、B、C、B1、B2、B3、B4、C1和C2，B和C从属于A(A的元素等级高于B和C的元素等级)，B1、B2、B3和B4从属于B(B的元素等级高于B1、B2、B3和B4的元素等级)，C1和C2从属于C(C的元素等级高于C1和C2的元素等级)，B和C是平行关系(B的元素等级和C的元素等级是相同的)，B1、B2、B3和B4是平行关系(B1、B2、B3和B4的元素等级是相同的)，C1和C2是平行关系(C1和C2的元素等级是相同的)。上述B和C的位置顺序为B位于C之前，即B的位置序号优先于C，与之相对应的是B1、B2、B3和B4的位置顺序也是依次排列的，C1和C2的位置顺序也是依次排列的。
在该可选的实施例中，作为一种可选的实施方式，上述对权重参数信息进行一致性校验，得到校验结果，包括：
计算权重参数信息对应的判断矩阵的最大特征根，得到目标最大特征根集合；
利用一致性指标模型对目标最大特征根集合中的所有目标最大特征根进行计算，得到一致性指标值集合；
获取平均随机一致性指标；
计算一致性指标值集合中所有一致性指标值与平均随机一致性指标的比率，得到一致性比率集合；
判断一致性比率集合中的所有一致性比率是否小于比率阈值，得到比率判断结果；
当比率判断结果为是时，确定校验结果为一致；
当比率判断结果为否时，确定校验结果为不一致。
需要说明的是，上述一致性指标模型为：
其中，CI为一致性指标值；λmax是判断矩阵的最大特征根；m为判断矩阵的阶数。
可选的，上述目标最大特征根集合中目标最大特征根的数量与判断矩阵的数量是相一致的。
优选的，上述比率阈值为0.1。
在该可选实施中，作为一种可选的实施方式，上述基于初始模型中变量元素的关联关系和权重参数信息，确定出道路通行模型，包括：
根据初始模型中变量元素的关联关系中各变量元素的从属关系，确定出目标变量元素集合；目标变量元素集合包括6个目标变量元素；每两个目标变量元素之间为平行关系；每个目标变量元素均从属元素等级更高的变量元素；每个目标变量元素不包含从属的变量元素；
对于任一目标变量元素，根据该目标变量元素的从属关系和位置顺序，从第一权重参数信息和第二权重参数信息中筛选与该目标变量元素相匹配的第一权重参数和第二权重参数；目标变量元素的位置顺序表征处于平行关系的所有变量元素的有序排列的位置序号；
将该目标变量元素以及与其相匹配的第一权重参数和第二权重参数进行乘积，得到该目标变量元素对应的元素模型；
对所有的元素模型进行累计求和，得到道路通行模型。
可见，实施本发明实施例所描述的道路通行能力评价方法有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在另一个可选的实施例中，对初始模型进行模型评估，得到权重参数信息，包括：
对初始模型中变量元素进行重要度评估，得到重要度估值集合；重要度估值表征变量元素之间的重要程度关系；
基于初始模型中变量元素的关联关系和重要度估值集合，确定出判断矩阵集合；出判断矩阵集合包括两个判断矩阵；两个判断矩阵中的矩阵元素的数量是不相一致的；
对于任一判断矩阵，利用权重计算模型对该判断矩阵进行计算，得到该判断矩阵对应的初始权重参数信息；初始权重参数信息包括若干个初始权重参数；
其中，权重计算模型为：
式中，Wk′为第k个初始权重参数；wkl为判断矩阵中坐标为(k，l)的矩阵元素；每个矩阵元素对应于一个重要度估值；
对所有初始权重参数信息进行归一化处理，得到权重参数信息。
需要说明的是，上述判断矩阵的具体形式为：
其中，W为初始模型的判断矩阵，w11、w1m、wm1、wmm为变量元素之间的重要度估值。
需要说明的是，上述判断矩阵中每行的变量元素是根据变量元素的位置顺序依次排列的。
优选的，上述m为2或6。
需要说明的是，上述判断矩阵包括第一判断矩阵和第二判断矩阵。进一步的，上述第一判断矩阵中的矩阵元素对应的变量元素从属于第二判断矩阵中的矩阵元素对应的变量元素。
需要说明的是，上述重要程度关系与的重要度估值的对应关系如下表所示：
可选的，上述权重参数信息包括第一权重参数信息和第二权重参数信息。第一权重参数信息和第二权重参数信息分别包括6个第一权重参数和2个第二权重参数。进一步的，上述第一权重参数信息是根据第一判断矩阵计算得到的，上述第二权重参数信息是根据第二判断矩阵计算得到。
需要说明的是，上述判断矩阵为平行关系的变量元素构建的矩阵。
需要说明的是，上述权重参数信息表征有从属关系的变量元素之间的重要程度。
需要说明的是，第一权重参数信息和第二权重参数信息中的权重参数是根据根据变量元素的位置顺序依次排列的。
可见，实施本发明实施例所描述的道路通行能力评价方法有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
实施例二
请参阅图2，图2是本发明实施例公开的一种道路通行能力评价装置的结构示意图。其中，图2所描述的装置能够应用于评价管理***中，如用于道路通行能力评价管理的本地服务器或云端服务器等，本发明实施例不做限定。如图2所示，该装置可以包括：
获取模块201，用于获取道路通行参数信息集合；道路通行参数信息集合中的道路通行参数信息包括若干个道路通行参数；道路通行参数表征某一特定长度路段在某一特定时间的目标道路所对应的道路数据；
第一处理模块202，用于对道路通行参数信息集合进行前处理，得到道路通行值信息集合；道路通行值信息集合包括至少6个道路通行值信息；每个道路通行值信息为若干个道路通行值有序排列的数据集合；
第二处理模块203，用于基于道路通行模型对道路通行值信息集合进行计算处理，确定出道路通行评价结果；道路通行评价结果表征目标道路的可通行能力。
可见，实施图2所描述的道路通行能力评价装置，有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在另一个可选的实施例中，如图2所示，第一处理模块202对道路通行参数信息集合进行前处理，得到道路通行值信息集合，包括：
对道路通行参数信息集合进行计算处理，得到道路通行指标值信息集合；道路通行指标值信息集合包括若干个道路通行指标值信息；每个道路通信参数对应于一个道路通行指标值信息；
对道路通行指标值信息集合进行归一化处理，得到道路通值信息集合
可见，实施图2所描述的道路通行能力评价装置，有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在又一个可选的实施例中，如图2所示，第一处理模块202对道路通行指标值信息集合进行归一化处理，得到道路通行值信息集合，包括：
对于任一道路通行指标值信息，识别该道路通行指标值信息中所有道路通行指标值的最大值和最小值，得到通行指标最大值和通行指标最小值；
对于该道路通行指标值信息中的任一道路通行指标值，利用归一化模型对该道路通行指标值、通行指标最大值和通行指标最小值进行计算处理，得到该道路通行指标值对应的道路通行值；
其中，归一化模型为：
式中，x′i为第i个道路通行值；xmax为通行指标最大值；xmin为通行指标最小值；xi为第i个道路通行指标值。
可见，实施图2所描述的道路通行能力评价装置，有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在又一个可选的实施例中，如图2所示，第二处理模块203基于道路通行模型对道路通行值信息集合进行计算处理，确定出道路通行评价结果，包括：
对于某一特定长度路段在某一特定时间的目标道路，从道路通行值信息集合确定出该目标道路对应的目标道路通行值集合；目标道路通行值集合包括若干个目标道路通行值；
利用道路通行模型对目标道路通行值集合进行计算处理，得到该目标道路对应的道路通行评价值；道路通行评价值为位于[0，1]之间的正数；
其中，道路通行模型为：
式中，TPI为道路通行评价值；Wj为第j个目标道路通行值对应的第一权重参数；Vj为第j个目标道路通行值对应的第二权重参数；Xj为第j个目标道路通行值，n为目标道路通行值的数量；每个第一权重参数对应于唯一一个目标道路通行值；每个第二权重参数对应于至少2个目标道路通行值；
利用预设的道路通行等级映射关系对道路通行评价值进行等级转换，得到该目标道路对应的道路通行等级；道路通行等级的等级大小与目标道路的可通行能力成反比关系；
对所有道路通行等级进行整合处理，得到道路通行评价结果
可见，实施图2所描述的道路通行能力评价装置，有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在又一个可选的实施例中，如图2所示，道路通行评价结果包括：第一道路通行评价结果和第二道路通行评价结果；第一道路通行评价结果表征在某一特定时间目标道路各路段的可通行能力；第二道路通行评价结果表征某一特定长度路段的目标道路在各时间的可通行能力；
第二处理模块203对所有道路通行等级进行整合处理，得到道路通行评价结果，包括：
对于某一特定时间，从所有道路通行等级中筛选出与该特定时间相匹配的道路通行等级作为第一目标道路通行等级；
对所有第一目标道路通行等级按路段的位置顺序关系进行拼接融合，得到第一道路通行评价结果；
对于某一特定长度路段，从所有道路通行等级中筛选出与该特定长度路段相匹配的道路通行等级作为第二目标道路通行等级；
对所有第二目标道路通行等级按路段的时间先后关系进行拼接融合，得到第二道路通行评价结果
可见，实施图2所描述的道路通行能力评价装置，有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在又一个可选的实施例中，如图2所示，在第二处理模块203基于道路通行模型对道路通行值信息集合进行计算处理，确定出道路通行评价结果之前，装置还包括：
模型训练模块204，用于获取初始模型；
对初始模型进行模型评估，得到权重参数信息；
对权重参数信息进行一致性校验，得到校验结果；
当校验结果为不一致时，利用权重参数信息对初始模型进行更新，并触发执行对初始模型进行模型评估，得到权重参数信息；
当校验结果为一致时，基于初始模型中变量元素的关联关系和权重参数信息，确定出道路通行模型。
可见，实施图2所描述的道路通行能力评价装置，有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
在又一个可选的实施例中，如图2所示，模型训练模块204对初始模型进行模型评估，得到权重参数信息，包括：
对初始模型中变量元素进行重要度评估，得到重要度估值集合；重要度估值表征变量元素之间的重要程度关系；
基于初始模型中变量元素的关联关系和重要度估值集合，确定出判断矩阵集合；出判断矩阵集合包括两个判断矩阵；两个判断矩阵中的矩阵元素的数量是不相一致的；
对于任一判断矩阵，利用权重计算模型对该判断矩阵进行计算，得到该判断矩阵对应的初始权重参数信息；初始权重参数信息包括若干个初始权重参数；
其中，权重计算模型为：
式中，Wk′为第k个初始权重参数；wkl为判断矩阵中坐标为(k，l)的矩阵元素，m为判断矩阵的阶数；每个矩阵元素对应于一个重要度估值；
对所有初始权重参数信息进行归一化处理，得到权重参数信息。
可见，实施图2所描述的道路通行能力评价装置，有利于提高道路通行性能的评价效率和准确性，进而为运输任务规划与管理提供数据支撑和分析依据，增加运输的可靠性。
实施例三
请参阅图3，图3是本发明实施例公开的又一种道路通行能力评价装置的结构示意图。其中，图3所描述的装置能够应用于评价管理***中，如用于道路通行能力评价管理的本地服务器或云端服务器等，本发明实施例不做限定。如图3所示，该装置可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，用于执行实施例一所描述的道路通行能力评价方法中的步骤。
实施例四
本发明实施例公开了一种计算机可读读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的道路通行能力评价方法中的步骤。
实施例五
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的道路通行能力评价方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种道路通行能力评价方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种道路通行能力评价方法，其特征在于，所述方法包括：
获取道路通行参数信息集合；所述道路通行参数信息集合中的道路通行参数信息包括若干个道路通行参数；所述道路通行参数表征某一特定长度路段在某一特定时间的目标道路所对应的道路数据；
对所述道路通行参数信息集合进行前处理，得到道路通行值信息集合；所述道路通行值信息集合包括至少6个道路通行值信息；每个所述道路通行值信息为若干个道路通行值有序排列的数据集合；
基于道路通行模型对所述道路通行值信息集合进行计算处理，确定出道路通行评价结果；所述道路通行评价结果表征所述目标道路的可通行能力。
2.根据权利要求1所述的道路通行能力评价方法，其特征在于，所述对所述道路通行参数信息集合进行前处理，得到道路通行值信息集合，包括：
对所述道路通行参数信息集合进行计算处理，得到道路通行指标值信息集合；所述道路通行指标值信息集合包括若干个道路通行指标值信息；每个所述道路通信参数对应于一个所述道路通行指标值信息；
对所述道路通行指标值信息集合进行归一化处理，得到道路通值信息集合。
3.根据权利要求2所述的道路通行能力评价方法，其特征在于，所述对所述道路通行指标值信息集合进行归一化处理，得到道路通行值信息集合，包括：
对于任一所述道路通行指标值信息，识别该道路通行指标值信息中所有道路通行指标值的最大值和最小值，得到通行指标最大值和通行指标最小值；
对于该道路通行指标值信息中的任一所述道路通行指标值，利用归一化模型对该道路通行指标值、所述通行指标最大值和所述通行指标最小值进行计算处理，得到该道路通行指标值对应的道路通行值；
其中，所述归一化模型为：
式中，x′i为第i个所述道路通行值；xmax为所述通行指标最大值；xmin为所述通行指标最小值；xi为第i个所述道路通行指标值。
4.根据权利要求1所述的道路通行能力评价方法，其特征在于，所述基于道路通行模型对所述道路通行值信息集合进行计算处理，确定出道路通行评价结果，包括：
对于某一特定长度路段在某一特定时间的目标道路，从所述道路通行值信息集合确定出该目标道路对应的目标道路通行值集合；所述目标道路通行值集合包括若干个目标道路通行值；
利用道路通行模型对所述目标道路通行值集合进行计算处理，得到该目标道路对应的道路通行评价值；所述道路通行评价值为位于[0，1]之间的正数；
其中，所述道路通行模型为：
式中，TPI为所述道路通行评价值；Wj为第j个所述目标道路通行值对应的第一权重参数；Vj为第j个所述目标道路通行值对应的第二权重参数；Xj为第j个所述目标道路通行值，n为所述目标道路通行值的数量；每个所述第一权重参数对应于唯一一个所述目标道路通行值；每个所述第二权重参数对应于至少2个所述目标道路通行值；
利用预设的道路通行等级映射关系对所述道路通行评价值进行等级转换，得到该目标道路对应的道路通行等级；所述道路通行等级的等级大小与所述目标道路的可通行能力成反比关系；
对所有所述道路通行等级进行整合处理，得到道路通行评价结果。
5.根据权利要求4所述的道路通行能力评价方法，其特征在于，所述道路通行评价结果包括：第一道路通行评价结果和第二道路通行评价结果；所述第一道路通行评价结果表征在某一特定时间所述目标道路各路段的可通行能力；所述第二道路通行评价结果表征所述某一特定长度路段的目标道路在各时间的可通行能力；
所述对所有所述道路通行等级进行整合处理，得到道路通行评价结果，包括：
对于某一特定时间，从所有所述道路通行等级中筛选出与该特定时间相匹配的所述道路通行等级作为第一目标道路通行等级；
对所有所述第一目标道路通行等级按路段的位置顺序关系进行拼接融合，得到所述第一道路通行评价结果；
对于某一特定长度路段，从所有所述道路通行等级中筛选出与该特定长度路段相匹配的所述道路通行等级作为第二目标道路通行等级；
对所有所述第二目标道路通行等级按路段的时间先后关系进行拼接融合，得到所述第二道路通行评价结果。
6.根据权利要求1所述的道路通行能力评价方法，其特征在于，在所述基于道路通行模型对所述道路通行值信息集合进行计算处理，确定出道路通行评价结果之前，所述方法还包括：
获取初始模型；
对所述初始模型进行模型评估，得到权重参数信息；
对所述权重参数信息进行一致性校验，得到校验结果；
当所述校验结果为不一致时，利用所述权重参数信息对所述初始模型进行更新，并触发执行所述对所述初始模型进行模型评估，得到权重参数信息；
当所述校验结果为一致时，基于所述初始模型中变量元素的关联关系和所述权重参数信息，确定出所述道路通行模型。
7.根据权利要求6所述的道路通行能力评价方法，其特征在于，所述对所述初始模型进行模型评估，得到权重参数信息，包括：
对所述初始模型中变量元素进行重要度评估，得到重要度估值集合；所述重要度估值表征所述变量元素之间的重要程度关系；
基于所述初始模型中变量元素的关联关系和所述重要度估值集合，确定出判断矩阵集合；所述出判断矩阵集合包括两个判断矩阵；两个所述判断矩阵中的矩阵元素的数量是不相一致的；
对于任一所述判断矩阵，利用权重计算模型对该判断矩阵进行计算，得到该判断矩阵对应的初始权重参数信息；所述初始权重参数信息包括若干个初始权重参数；
其中，所述权重计算模型为：
式中，Wk′为第k个初始权重参数；wkl为所述判断矩阵中坐标为(k，l)的矩阵元素，m为所述判断矩阵的阶数；每个所述矩阵元素对应于一个所述重要度估值；
对所有所述初始权重参数信息进行归一化处理，得到权重参数信息。
8.一种道路通行能力评价装置，其特征在于，所述装置包括：
获取模块，用于获取道路通行参数信息集合；所述道路通行参数信息集合中的道路通行参数信息包括若干个道路通行参数；所述道路通行参数表征某一特定长度路段在某一特定时间的目标道路所对应的道路数据；
第一处理模块，用于对所述道路通行参数信息集合进行前处理，得到道路通行值信息集合；所述道路通行值信息集合包括至少6个道路通行值信息；每个所述道路通行值信息为若干个道路通行值有序排列的数据集合；
第二处理模块，用于基于道路通行模型对所述道路通行值信息集合进行计算处理，确定出道路通行评价结果；所述道路通行评价结果表征所述目标道路的可通行能力。
9.一种道路通行能力评价装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的道路通行能力评价方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的道路通行能力评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310342425.XA CN116468313A (zh) | 2023-03-31 | 2023-03-31 | 一种道路通行能力评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310342425.XA CN116468313A (zh) | 2023-03-31 | 2023-03-31 | 一种道路通行能力评价方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116468313A true CN116468313A (zh) | 2023-07-21 |
Family
ID=87178208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310342425.XA Pending CN116468313A (zh) | 2023-03-31 | 2023-03-31 | 一种道路通行能力评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116468313A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103824126A (zh) * | 2014-02-17 | 2014-05-28 | 株洲南车时代电气股份有限公司 | 交通拥堵情况分析*** |
| CN105321347A (zh) * | 2015-09-18 | 2016-02-10 | 西安电子科技大学 | 一种分层次的路网交通拥堵评价方法 |
| CN106373397A (zh) * | 2016-09-28 | 2017-02-01 | 哈尔滨工业大学 | 基于模糊神经网络的遥感图像道路通行情况分析方法 |
| CN108847025A (zh) * | 2018-08-28 | 2018-11-20 | 电子科技大学 | 一种交通拥堵判定方法 |
| CN111143754A (zh) * | 2019-12-02 | 2020-05-12 | 中铁第四勘察设计院集团有限公司 | 隧道纵坡的评价处理方法、装置、设备和存储介质 |
| CN113409571A (zh) * | 2021-05-12 | 2021-09-17 | 北京北大千方科技有限公司 | 一种设置公交车道的判定方法、装置、存储介质及终端 |
| CN113743831A (zh) * | 2021-11-03 | 2021-12-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种桥梁网络综合性能评估方法、装置及存储介质 |
-
2023
- 2023-03-31 CN CN202310342425.XA patent/CN116468313A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103824126A (zh) * | 2014-02-17 | 2014-05-28 | 株洲南车时代电气股份有限公司 | 交通拥堵情况分析*** |
| CN105321347A (zh) * | 2015-09-18 | 2016-02-10 | 西安电子科技大学 | 一种分层次的路网交通拥堵评价方法 |
| CN106373397A (zh) * | 2016-09-28 | 2017-02-01 | 哈尔滨工业大学 | 基于模糊神经网络的遥感图像道路通行情况分析方法 |
| CN108847025A (zh) * | 2018-08-28 | 2018-11-20 | 电子科技大学 | 一种交通拥堵判定方法 |
| CN111143754A (zh) * | 2019-12-02 | 2020-05-12 | 中铁第四勘察设计院集团有限公司 | 隧道纵坡的评价处理方法、装置、设备和存储介质 |
| CN113409571A (zh) * | 2021-05-12 | 2021-09-17 | 北京北大千方科技有限公司 | 一种设置公交车道的判定方法、装置、存储介质及终端 |
| CN113743831A (zh) * | 2021-11-03 | 2021-12-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种桥梁网络综合性能评估方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108430069B (zh) | 一种v2x网络性能测试及综合评价分析方法 | |
| CN109191896A (zh) | 个性化停车位推荐方法和*** | |
| CN109670970B (zh) | 一种驾驶行为评分方法、装置及计算机可读存储介质 | |
| CN113034913A (zh) | 交通拥堵预测方法、装置、设备及存储介质 | |
| CN106503840A (zh) | 停车场可用车位预测方法及*** | |
| CN108446824A (zh) | 一种驾驶行为的风险评估方法、装置、设备及存储介质 | |
| CN110675626B (zh) | 基于多维数据的交通事故黑点预测方法、装置及介质 | |
| CN106652441A (zh) | 一种基于时空数据的城市道路交通状态预测方法 | |
| CN111191949B (zh) | 网约车辆异常行驶行为识别方法、装置、电子设备 | |
| CN109272745A (zh) | 一种基于深度神经网络的车辆轨迹预测方法 | |
| CN110188797A (zh) | 一种基于贝叶斯优化的智能汽车快速测试方法 | |
| CN109118787A (zh) | 一种基于深度神经网络的车辆速度预测方法 | |
| CN110956807A (zh) | 基于多源数据与滑动窗口组合的高速公路流量预测方法 | |
| CN104517040A (zh) | 一种基于ic卡数据公交车辆车内拥挤程度计算方法 | |
| CN111738484B (zh) | 一种公交站点选址的方法、装置及计算机可读存储介质 | |
| CN109635335A (zh) | 驾驶风险预测方法、装置、计算机设备及存储介质 | |
| Trieu et al. | Use of Monte Carlo simulation for a sensitivity analysis of highway safety manual calibration factors | |
| CN111583641A (zh) | 道路拥堵分析方法、装置、设备和存储介质 | |
| CN115759329A (zh) | 基于卷积神经网络的景区游客人数预测方法 | |
| CN114332825B (zh) | 基于深度学习的道路地形分布识别方法、设备和存储介质 | |
| CN113935158A (zh) | 一种针对高速公路事故多发点的交通检测器优化布设方法 | |
| CN107346610A (zh) | 一种路况提醒方法及装置 | |
| CN113283548B (zh) | 一种车辆安全评分方法、装置、设备和存储介质 | |
| CN111723835A (zh) | 车辆移动轨迹区分方法、装置和电子设备 | |
| CN116468313A (zh) | 一种道路通行能力评价方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |