• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 9
    • 下载费用:30 金币  

    重庆时时彩最精准分析: 一种基于卡口的高架道路车辆行程时间短时预测方法.pdf

    关 键 词:
    一种 基于 卡口 高架道路 车辆 行程 时间 预测 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201710192848.2

    申请日:

    2017.03.28

    公开号:

    CN106803348A

    公开日:

    2017.06.06

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G08G 1/01申请日:20170328|||公开
    IPC分类号: G08G1/01; G08G1/017 主分类号: G08G1/01
    申请人: 安徽四创电子股份有限公司
    发明人: 杨灿; 邹娇; 孙晓静; 董婉丽; 邹倩
    地址: 230088 安徽省合肥市高新技术产业开发区香樟大道199号
    优先权:
    专利代理机构: 合肥和瑞知识产权代理事务所(普通合伙) 34118 代理人: 王挺;柯凯敏
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201710192848.2

    授权公告号:

    |||

    法律状态公告日:

    2017.06.30|||2017.06.06

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明属于高架道路交通领域,具体涉及一种基于卡口的高架道路车辆行程时间短时预测方法。本发明所包含的步骤为:1)、在高架道路的入口匝道和出口匝道处安装卡口设备并调试;2)、获取卡口数据;3)、根据所获得的卡口数据中的车牌信息,对高架道路出口匝道与入口匝道的数据记录进行匹配;4)、计算单个统计周期内高架道路车辆平均行程时间;5)、计算高架道路车辆行程时间预测值。本发明能够根据卡口设备获取的交通信息,准确实时的实现高架道路车辆平均行程时间的准确预测,进而为出行者提供未来的交通状况及变化趋势,诱导出行者选择合理的出行时间、出行路径,改善交通流分布的时空不均匀性。

    权利要求书

    1.一种基于卡口的高架道路车辆行程时间短时预测方法,其特征在于包括以下步骤:
    1)、在高架道路的入口匝道和出口匝道处安装卡口设备并调试;
    2)、获取卡口数据;
    所述卡口数据至少包括卡口编号、卡口位置信息、卡口所在匝道类型、经过卡口的车牌
    信息以及各车辆经过卡口时所对应的时间;
    3)、根据车牌信息,对高架道路出口匝道与入口匝道的数据记录进行匹配;匹配过程
    为:
    将各卡口检测到的车牌信息与该段高架桥相应的入口匝道和出口匝道进行逐一信息
    匹配,如果该车牌信息既有能匹配的入口匝道,又有能匹配的出口匝道,则该车牌信息所对
    应的卡口数据保留;如果车牌信息只有能匹配的入口匝道或只有能匹配的出口匝道,则该
    车牌信息所对应的卡口数据剔除;
    4)、设定一个统计周期,计算单个统计周期内高架道路车辆平均行程时间;子步骤如
    下:
    (4a)、根据步骤3)中保留的数据记录,计算单个统计周期内车辆经过出入口匝道的时
    间差,得到单个统计周期内高架道路上每个车辆的行程时间;
    (4b)、对所有的子步骤(4a)中得到的单个统计周期内高架道路上每个车辆的行程时间
    求平均值,得到单个统计周期内高架道路车辆平均行程时间;
    5)、计算高架道路车辆行程时间预测值;子步骤如下:
    (5a)、利用当前统计周期的数据和历史数据构建状态向量A:
    A=[t(i),t(i-1),t(i-2),t(i-3),th(i),th(i-1),th(i-2),th(i-3)]
    其中:
    t(i)是第i个统计周期的高架道路车辆平均行程时间;
    t(i-1)是第(i-1)个统计周期的高架道路车辆平均行程时间;
    t(i-2)是第(i-2)个统计周期的高架道路车辆平均行程时间;
    t(i-3)是第(i-3)个统计周期的高架道路车辆平均行程时间;
    th(i)是历史数据中第i个统计周期的高架道路车辆平均行程时间;
    th(i-1)是历史数据中第(i-1)个统计周期的高架道路车辆平均行程时间;
    th(i-2)是历史数据中第(i-2)个统计周期的高架道路车辆平均行程时间;
    th(i-3)是历史数据中第(i-3)个统计周期的高架道路车辆平均行程时间;
    (5b)、根据以下公式,获得实时数据和历史数据中对应组数据的距离d:
    <mrow> <msub> <mi>d</mi> <mi>j</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>t</mi> <mi>h</mi> </msub> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>(</mo> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>t</mi> <mi>h</mi> </msub> <mo>(</mo> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>(</mo> <mrow> <mi>i</mi> <mo>-</mo> <mn>2</mn> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>t</mi> <mi>h</mi> </msub> <mo>(</mo> <mi>i</mi> <mo>)</mo> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>(</mo> <mrow> <mi>i</mi> <mo>-</mo> <mn>3</mn> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>t</mi> <mi>h</mi> </msub> <mo>(</mo> <mrow> <mi>i</mi> <mo>-</mo> <mn>3</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>
    其中,dj是实时数据和历史数据中第j组数据的距离;d的值越小,则实时数据和该组历
    史数据的匹配度越高;
    (5c)、根据子步骤(5b)的计算结果,选取与实时数据匹配度最高的10组历史数据;
    (5d)、根据子步骤(5c)中获得的历史数据,通过下式计算高架道路车辆行程时间预测
    值:
    <mrow> <mi>t</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mn>10</mn> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>10</mn> </munderover> <msub> <mi>t</mi> <mrow> <mi>h</mi> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
    其中:
    t(i+1)是第(i+1)个统计周期的高架道路车辆行程时间预测值;
    thj(i+1)是子步骤(5c)中选取的10组历史数据中第j组数据的第(i+1)个统计周期的高
    架道路车辆平均行程时间。
    2.根据权利要求1所述的一种基于卡口的高架道路车辆行程时间短时预测方法,其特
    征在于:步骤4)中的统计周期为5分钟。

    说明书

    一种基于卡口的高架道路车辆行程时间短时预测方法

    技术领域

    本发明属于高架道路交通领域,具体涉及一种基于卡口的高架道路车辆行程时间
    短时预测方法。

    背景技术

    车辆数目的增加,给城市带来了交通拥堵、交通事故、交通污染等一系列问题,而
    智能交通系统的提出,就是为了有效地解决上述问题。发展智能交通系统,最基础、最关键
    的问题是如何采集道路交通的实时动态数据,从而方便智能交通的上层系统和??榻惺?br />据处理、分析和预测,实现交通信息的实时调控。目前已有的交通数据采集方式有很多,较
    为成熟的实时交通数据采集方法有两种:第一种为基于传感器的实时交通数据采集方法,
    包含主动监测方法和被动探测方法。传感器包含压电传感器、地埋式线圈检测器、微波雷
    达、超声波、摄像头等,能够采集和计算出的路况信息包含车速、车流量、车道占用率、车辆
    类别信息等。虽然各种传感器的原理和适用场合不同,但大都存在对安装场所和环境的依
    赖,且面临初期投资巨大、维护成本高、覆盖率小、数据精度较低、实时性较差等问题,有较
    大的局限性。第二种为基于浮动车的实时交通数据采集方法。浮动车即为安装了GPS和无线
    通信??榈某鲎獬岛凸怀?,当浮动车在路面上行驶时,周期性采集自身的GPS数据并发送
    至服务器端,由服务器通过地图匹配技术估计出浮动车的驾驶路线,进而得到浮动车辆的
    行程时间、行程速度以及所通过道路的平均速度。相对于第一种方法,该方法虽然在成本和
    覆盖率上都有所改善,且设备易于维护,不会受到天气、行人等其他无关因素的干扰,但仍
    需要较大的一次性投资,数据精度也受地图匹配技术的限制??悸堑酵ㄐ懦杀?,浮动车辆
    GPS数据的采集频率往往都较低,通常在15min左右,而服务器端由于缺乏交通上下文信息
    也仅能利用GPS数据对无效数据进行甄别和过滤,这就给数据预处理和地图匹配带来了很
    大的难度,在加大服务器负担的同时降低了数据的实时性。

    发明内容

    本发明的目的为克服上述现有技术的不足,提供一种高效快捷的基于卡口的高架
    道路车辆行程时间短时预测方法;本发明能够根据卡口设备获取的交通信息,准确实时的
    实现高架道路车辆平均行程时间的准确预测,进而为出行者提供未来的交通状况及变化趋
    势,诱导出行者选择合理的出行时间、出行路径,改善交通流分布的时空不均匀性。

    为实现上述目的,本发明采用了以下技术方案:

    一种基于卡口的高架道路车辆行程时间短时预测方法,其特征在于包括以下步
    骤:

    1)、在高架道路的入口匝道和出口匝道处安装卡口设备并调试;

    2)、获取卡口数据;

    所述卡口数据至少包括卡口编号、卡口位置信息、卡口所在匝道类型、经过卡口的
    车牌信息以及各车辆经过卡口时所对应的时间;

    3)、根据车牌信息,对高架道路出口匝道与入口匝道的数据记录进行匹配;匹配过
    程为:

    将各卡口检测到的车牌信息与该段高架桥相应的入口匝道和出口匝道进行逐一
    信息匹配,如果该车牌信息既有能匹配的入口匝道,又有能匹配的出口匝道,则该车牌信息
    所对应的卡口数据保留;如果车牌信息只有能匹配的入口匝道或只有能匹配的出口匝道,
    则该车牌信息所对应的卡口数据剔除;

    4)、设定一个统计周期,计算单个统计周期内高架道路车辆平均行程时间;子步骤
    如下:

    (4a)、根据步骤3)中保留的数据记录,计算单个统计周期内车辆经过出入口匝道
    的时间差,得到单个统计周期内高架道路上每个车辆的行程时间;

    (4b)、对所有的子步骤(4a)中得到的单个统计周期内高架道路上每个车辆的行程
    时间求平均值,得到单个统计周期内高架道路车辆平均行程时间;

    5)、计算高架道路车辆行程时间预测值;子步骤如下:

    (5a)、利用当前统计周期的数据和历史数据构建状态向量A:

    A=[t(i),t(i-1),t(i-2),t(i-3),th(i),th(i-1),th(i-2),th(i-3)]

    其中:

    t(i)是第i个统计周期的高架道路车辆平均行程时间;

    t(i-1)是第(i-1)个统计周期的高架道路车辆平均行程时间;

    t(i-2)是第(i-2)个统计周期的高架道路车辆平均行程时间;

    t(i-3)是第(i-3)个统计周期的高架道路车辆平均行程时间;

    th(i)是历史数据中第i个统计周期的高架道路车辆平均行程时间;

    th(i-1)是历史数据中第(i-1)个统计周期的高架道路车辆平均行程时间;

    th(i-2)是历史数据中第(i-2)个统计周期的高架道路车辆平均行程时间;

    th(i-3)是历史数据中第(i-3)个统计周期的高架道路车辆平均行程时间;

    (5b)、根据以下公式,获得实时数据和历史数据中对应组数据的距离d:



    其中,dj是实时数据和历史数据中第j组数据的距离;d的值越小,则实时数据和该
    组历史数据的匹配度越高;

    (5c)、根据子步骤(5b)的计算结果,选取与实时数据匹配度最高的10组历史数据;

    (5d)、根据子步骤(5c)中获得的历史数据,通过下式计算高架道路车辆行程时间
    预测值:


    其中:

    t(i+1)是第(i+1)个统计周期的高架道路车辆行程时间预测值;

    thj(i+1)是子步骤(5c)中选取的10组历史数据中第j组数据的第(i+1)个统计周期
    的高架道路车辆平均行程时间。

    步骤4)中的统计周期为5分钟。

    本发明的有益效果在于:

    1)、通过上述方案,本发明避免了传统交通采集方式因高额的数据获取成本、高投
    资负担以及低数据采集实时性等缺陷而导致的无法实时准确实现高架道路交通状况判定
    的问题。本发明通过卡口设备获取交通信息,并基于历史数据,在历史数据中查找与当前的
    实时状态相似的历史状态,并把与当前的实时状态匹配的历史状态应用于状态预测,从而
    准确而实时的实现高架道路车辆行程时间的预测,其计算方式简单而便捷,应用范围十分
    广泛,并显然对于分析高架道路的交通运行状态具有十分重要的意义。

    附图说明

    图1为本发明的方法流程框图。

    具体实施方式

    为便于理解,此处结合图1对本发明的具体工作流程作以下描述:

    如图1所示的,本发明的基于卡口的高架道路车辆行程时间短时预测方法所包含
    的步骤为:

    (1)、在高架道路的入口匝道和出口匝道处安装卡口设备并调试;

    (2)、获取卡口数据;

    (3)、根据所获得的卡口数据中的车牌信息,对高架道路出口匝道与入口匝道的数
    据记录进行匹配;

    (4)、以5分钟为一个统计周期,计算单个统计周期内高架道路车辆平均行程时间;

    (5)、计算高架道路车辆行程时间预测值。

    所述步骤2)中,所述卡口数据至少包括卡口编号、卡口位置信息、卡口所在匝道类
    型、经过卡口的车牌信息以及各车辆经过卡口时所对应的时间。

    所述步骤3)中,具体的匹配过程为:将各卡口检测到的车牌信息与该段高架桥相
    应的入口匝道和出口匝道进行逐一信息匹配。如果该车牌信息既有能匹配的入口匝道,又
    有能匹配的出口匝道,则该车牌信息所对应的卡口数据保留;如果车牌信息只有能匹配的
    入口匝道或只有能匹配的出口匝道,则该车牌信息所对应的卡口数据剔除。

    所述步骤4)中,计算单个统计周期内高架道路车辆平均行程时间的子步骤如下:

    (4a)、根据步骤3)中保留的数据记录,计算单个统计周期内车辆经过出入口匝道
    的时间差,得到单个统计周期内高架道路上每个车辆的行程时间;

    (4b)、对所有的子步骤(4a)中得到的单个统计周期内高架道路上每个车辆的行程
    时间求平均值,得到单个统计周期内高架道路车辆平均行程时间。

    所述步骤5)中,计算高架道路车辆行程时间预测值的子步骤如下:

    (5a)、利用当前统计周期的数据和历史数据构建状态向量A:

    A=[t(i),t(i-1),t(i-2),t(i-3),th(i),th(i-1),th(i-2),th(i-3)]

    其中:

    t(i)是第i个统计周期的高架道路车辆平均行程时间;

    t(i-1)是第(i-1)个统计周期的高架道路车辆平均行程时间;

    t(i-2)是第(i-2)个统计周期的高架道路车辆平均行程时间;

    t(i-3)是第(i-3)个统计周期的高架道路车辆平均行程时间;

    th(i)是历史数据中第i个统计周期的高架道路车辆平均行程时间;

    th(i-1)是历史数据中第(i-1)个统计周期的高架道路车辆平均行程时间;

    th(i-2)是历史数据中第(i-2)个统计周期的高架道路车辆平均行程时间;

    th(i-3)是历史数据中第(i-3)个统计周期的高架道路车辆平均行程时间。

    (5b)、根据以下公式,获得实时数据和历史数据中对应组数据的距离d:



    其中,dj是实时数据和历史数据中第j组数据的距离;d的值越小,则实时数据和该
    组历史数据的匹配度越高;

    (5c)、根据子步骤(5b)的计算结果,选取与实时数据匹配度最高的10组历史数据;

    (5d)、根据子步骤(5c)中获得的历史数据,通过下式计算高架道路车辆行程时间
    预测值:


    其中:

    t(i+1)是第(i+1)个统计周期的高架道路车辆行程时间预测值;

    thj(i+1)是子步骤(5c)中选取的10组历史数据中第j组数据的第(i+1)个统计周期
    的高架道路车辆平均行程时间。

    为进一步加深对本发明的理解,此处提供了以下实施例,以对本发明作进一步的
    具体论述:

    实施例1:

    在试验路段的入口匝道a和出口匝道b进行卡口设备的安装与调试,入口匝道a和
    出口匝道b之间的距离为3.4km。

    1)、取采样周期为8:00:00-8:05:00的入口匝道a和出口匝道b的卡口数据,通过车
    牌信息匹配,有6辆车从入口匝道a驶入试验路段,从出口匝道b驶出试验路段;对应的时间
    分别是:

    车辆1:经过入口匝道a的时间8:00:00,经过出口匝道b的时间8:03:55;

    车辆2:经过入口匝道a的时间8:00:06,经过出口匝道b的时间8:04:00;

    车辆3:经过入口匝道a的时间8:00:11,经过出口匝道b的时间8:04:10;

    车辆4:经过入口匝道a的时间8:00:45,经过出口匝道b的时间8:04:30;

    车辆5:经过入口匝道a的时间8:01:00,经过出口匝道b的时间8:04:58;

    车辆6:经过入口匝道a的时间8:01:03,经过出口匝道b的时间8:04:59。

    计算试验路段在采样周期8:00:00-8:05:00的行程时间:

    t=(235+234+239+225+238+230)/6=233.5s

    2)、获得前三个采样周期7:55:00-8:00:00、7:50:00-7:55:00、7:45:00-7:50:00
    的行程时间分别是:235.9s,236.3s,238.8s。

    3)、在历史数据中检索采样周期8:00:00-8:05:00、7:55:00-8:00:00、7:50:00-7:
    55:00、7:45:00-7:50:00的行程时间,计算实时数据和历史数据的匹配程度,选取与实时数
    据匹配度较高的前10组历史数据。这10组历史数据在采样周期8:05:00-8:10:00的行程时
    间分别是:231.8s,231.3s,230.1s,231.7s,230.9s,231.5s,230.2s,231.7s,229.7s,
    230.5s。

    4)行程时间的预测值:

    (231.8+231.3+230.1+231.7+230.9+231.5+230.2+231.7+229.7+230.5)/10=
    230.94s

    通过预测得到采样周期8:05:00-8:10:00的行程时间是230.94s。

    通过获取的卡口数据计算得到采样周期8:05:00-8:10:00的实际行程时间是
    233.1s,与预测值的误差是0.93%,误差值在允许范围内。

    关于本文
    本文标题:一种基于卡口的高架道路车辆行程时间短时预测方法.pdf
    链接地址://www.4mum.com.cn/p-6000858.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 棒球服品牌 大公报 学校餐厅开什么赚钱吗 亲朋棋牌游戏官网登陆 英超积分榜最新积分表 天津快乐10分玩法 晓游棋牌下载中心 大满贯电子游戏网站 美人捕鱼游戏 福彩25选7开奖查询 江苏7位数走势图位 辽宁11选5出号 排列5开奖号码 元棋牌游戏赚钱 欢乐升级怎么和好友一起玩 闲来麻将下载手机版