CN112150800A - 一种多源数据感知下的道路通行效率最大化的方法 - Google Patents
一种多源数据感知下的道路通行效率最大化的方法 Download PDFInfo
- Publication number
- CN112150800A CN112150800A CN202010835781.1A CN202010835781A CN112150800A CN 112150800 A CN112150800 A CN 112150800A CN 202010835781 A CN202010835781 A CN 202010835781A CN 112150800 A CN112150800 A CN 112150800A
- Authority
- CN
- China
- Prior art keywords
- time
- data
- phase
- module
- real
- 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
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
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种多源数据感知下的道路通行效率最大化的方法，包括以下步骤：S1、将道路车辆数据的各个数据源进行汇集于信息模块中；S2、第一数据汇总处理模块对信息模块中的数据进行加工处理；S3、所述计算处理模块输出实时车流量，实时车速，各个相位绿灯利用率，相位下相关车道的绿灯利用率，拥堵指数等数据；S4、所述第二数据汇总处理模对步骤S3中产生的数据进行数据汇总再处理；S5、所述预测处理模块输出相位时间优化数据，车道方向优化数据，潮汐车流预测数据，拥堵路段预测数据。根据本发明，通过对路口多种数据结合处理，实现对信号灯各个相位的时间优化，以实现车道利用效率的最大化。
Description
技术领域
本发明涉及交通的技术领域，特别涉及一种多源数据感知下的道路通行效率最大化的方法。
背景技术
随着经济飞速发展，城市交通的快速建设，交通问题日益成为城市如何更加高效有序的管理中的一个焦点问题。据了解，在众多的交通问题中信号灯周期以及各个相位时间设置不合理导致的道路通行效率很低，以及道路整体通行时间较长。因此，有必要提供一种通过对道路多数据源的分析，进而预测出某些时间段下周期相位所要设置的时间，以此来达到道路通行效率最大化的效果。
发明内容
针对现有技术中存在的不足之处，本发明的目的是提供一种多源数据感知下的道路通行效率最大化的方法，通过对路口多种数据结合处理，实现对信号灯各个相位的时间优化，以实现车道利用效率的最大化。为了实现根据本发明的上述目的和其他优点，提供了一种多源数据感知下的道路通行效率最大化的方法，包括：
信息模块、与所述信息模块信号连接的第一数据汇总处理模块、与所述第一数据汇总处理模块信号连接的计算处理模块、与所述计算处理模块信号连接的第二数据汇总处理模块以及与所述第二数据汇总处理模块信号连接的预测处理模块；
还包括以下步骤：
S1、将道路车辆数据的各个数据源进行汇集于信息模块中；
S2、第一数据汇总处理模块对信息模块中的数据进行加工处理；
S3、所述计算处理模块输出实时车流量，实时车速，各个相位绿灯利用率，相位下相关车道的绿灯利用率，拥堵指数等数据；
S4、所述第二数据汇总处理模对步骤S3中产生的数据进行数据汇总再处理；
S5、所述预测处理模块输出相位时间优化数据，车道方向优化数据，潮汐车流预测数据，拥堵路段预测数据。
优选的，所述信息模块包括信号机、实时视频单元、雷达及卡口数据库，所述信号机用于提供路口各个相位的时间，所述实时视频单元用于进行仿真识别，将视频流中的车辆在道路中的位置识别出来并显示在系统中，所述雷达用于提供当前路口车速以及拥堵指数，所述卡口数据库用于提供车辆信息。
优选的，所述计算处理模块包括实时车流量计算模块、实时平均车速计算模块、相位间绿灯利用率计算模块、相位内车道间绿灯利用率计算模块及实时拥堵指数计算模块；
所述实时车流量计算模块，用于计算路口的实时车流量；
所述实时平均车速计算模块，用于计算路口的实时平均车速；
所述相位间绿灯利用率计算模块，用于计算相位间绿灯利用率；
所述相位内车道间绿灯利用率计算模块，用于计算相位内车道间绿灯利用率；
所述实时拥堵指数计算模块，用于计算实时拥堵指数。
优选的，所述实时车流量计算模块每隔5分钟，取卡口数据库中的数据，对各个路口下的各个车道进行车流量统计，并将统计结果录入数据库中。
优选的，所述实时平均车速计算模块，每隔5分钟，取雷达数据，对各个路口下的各个车道下这个时间段内车辆的行驶速度取平均值，并将统计结果录入数据库中。
优选的，所述实时相位间绿灯利用率计算模块，每隔5分钟，取信号1数据，获取各个相位的绿灯时间，取卡口数据，获取该时间段内每个相位下相关车道的车流量，利用车流量与时间相除，得到每个相位的绿灯利用率。
优选的，所述实时相位内车道间绿灯利用率计算模块，每隔5分钟，取信号机1数据，获取各个相位的绿灯时间，取卡口数据，获取该时间段内每个车道的车流量，利用车流量与时间相除，得到每个车道的绿灯利用率。
优选的，所述预测处理模块包括相位时间优化预测模块、车道方向优化预测模块、潮汐车流预测模块及拥堵路段预测模块；
所述相位时间优化预测模块，用于计算路口的实时车流量；
所述车道方向优化预测模块，用于计算路口的实时平均车速；
所述潮汐车流预测模块，用于计算相位间绿灯利用率；
所述拥堵路段预测模块，用于计算相位内车道间绿灯利用率。
优选的，所述相位时间优化预测模块，通过对一个路口下各个相位的绿灯利用率进行对比，按绿灯利用率为权重，绿灯利用率越高，相位时间占整个周期时间越长；所述车道方向优化预测模块，通过对相位下各个车道的绿灯利用率进行对比，对绿灯利用率特别低的车道，提示用户考虑此车道方向可更换为绿灯利用率较高的车道方向。
优选的，所述潮汐车流预测模块，通过对同一路段不同方向早晚高峰车流量的分析比对，统计出是否有明显的潮汐现象并给出预测；所述拥堵路段预测模块，通过对某路段历史雷达拥堵指数的分析，预测出该路段在某些时间段拥堵指数较高，可在这些时间段内，将信号灯整体周期时间延长，以减少频繁的变换相位造成的时间浪费以致于道路利用率较低。
本发明与现有技术相比，其有益效果是：适用于各个城市道路交通路口，通过对各个数据源的分析处理给出不同时间段内所建议的信号的周期时间以及各个相位的时间。解决了传统道路交通中周期以及相位时间固定而造成的空闲时间段内绿灯利用率不高，相位时间配置不合理，拥堵时间段周期时间较短且相位变换频繁造成的时间浪费等问题。
附图说明
图1为根据本发明的多源数据感知下的道路通行效率最大化的方法的结构示意图。
图中：1.信号机；2.实时视频单元；3.雷达；4.卡口数据库；5.第一数据汇总处理模块；6.实时车流量计算模块；7.实时平均车速计算模块；8.相位间绿灯利用率计算模块；9.相位内车道间绿灯利用率计算模块；10.实时拥堵指数计算模块；11.第二数据汇总处理模块；12.相位时间优化预测模块；13.车道方向优化预测模块；14.潮汐车流预测模块；15.拥堵路段预测模块。
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做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。
参照图1，一种多源数据感知下的道路通行效率最大化的方法，包括：信息模块、与所述信息模块信号连接的第一数据汇总处理模块5、与所述第一数据汇总处理模块5信号连接的计算处理模块、与所述计算处理模块信号连接的第二数据汇总处理模块11以及与所述第二数据汇总处理模块11信号连接的预测处理模块；
还包括以下步骤：
S1、将道路车辆数据的各个数据源进行汇集于信息模块中；
S2、第一数据汇总处理模块5对信息模块中的数据进行加工处理；
S3、所述计算处理模块输出实时车流量，实时车速，各个相位绿灯利用率，相位下相关车道的绿灯利用率，拥堵指数等数据；
S4、所述第二数据汇总处理模块11对步骤S3中产生的数据进行数据汇总再处理；
S5、所述预测处理模块输出相位时间优化数据，车道方向优化数据，潮汐车流预测数据，拥堵路段预测数据。
进一步的，所述信息模块包括信号机1、实时视频单元2、雷达3及卡口数据库4，所述信号机1用于提供路口各个相位的时间，所述实时视频单元2用于进行仿真识别，将视频流中的车辆在道路中的位置识别出来并显示在系统中，所述雷达3用于提供当前路口车速以及拥堵指数，所述卡口数据库4用于提供车辆信息。
进一步的，所述计算处理模块包括实时车流量计算模块6、实时平均车速计算模块7、相位间绿灯利用率计算模块8、相位内车道间绿灯利用率计算模块9及实时拥堵指数计算模块10；
所述实时车流量计算模块6，用于计算路口的实时车流量；
所述实时平均车速计算模块7，用于计算路口的实时平均车速；
所述相位间绿灯利用率计算模块8，用于计算相位间绿灯利用率；
所述相位内车道间绿灯利用率计算模块9，用于计算相位内车道间绿灯利用率；
所述实时拥堵指数计算模块10，用于计算实时拥堵指数。
进一步的，所述实时车流量计算模块6每隔5分钟，取卡口数据库4中的数据，对各个路口下的各个车道进行车流量统计，并将统计结果录入数据库中。
进一步的，所述实时平均车速计算模块7，每隔5分钟，取雷达3数据，对各个路口下的各个车道下这个时间段内车辆的行驶速度取平均值，并将统计结果录入数据库中。
进一步的，所述实时相位间绿灯利用率计算模块8，每隔5分钟，取信号机1数据，获取各个相位的绿灯时间，取卡口数据，获取该时间段内每个相位下相关车道的车流量，利用车流量与时间相除，得到每个相位的绿灯利用率。
进一步的，所述实时相位内车道间绿灯利用率计算模块9，每隔5分钟，取信号机1数据，获取各个相位的绿灯时间，取卡口数据，获取该时间段内每个车道的车流量，利用车流量与时间相除，得到每个车道的绿灯利用率。
进一步的，所述预测处理模块包括相位时间优化预测模块12、车道方向优化预测模块13、潮汐车流预测模块14及拥堵路段预测模块15；
所述相位时间优化预测模块12，用于计算路口的实时车流量；
所述车道方向优化预测模块13，用于计算路口的实时平均车速；
所述潮汐车流预测模块14，用于计算相位间绿灯利用率；
所述拥堵路段预测模块15，用于计算相位内车道间绿灯利用率。
进一步的，所述相位时间优化预测模块12，通过对一个路口下各个相位的绿灯利用率进行对比，按绿灯利用率为权重，绿灯利用率越高，相位时间占整个周期时间越长；所述车道方向优化预测模块13，通过对相位下各个车道的绿灯利用率进行对比，对绿灯利用率特别低的车道，提示用户考虑此车道方向可更换为绿灯利用率较高的车道方向。
进一步的，所述潮汐车流预测模块14，通过对同一路段不同方向早晚高峰车流量的分析比对，统计出是否有明显的潮汐现象并给出预测；所述拥堵路段预测模块15，通过对某路段历史雷达3拥堵指数的分析，预测出该路段在某些时间段拥堵指数较高，可在这些时间段内，将信号灯整体周期时间延长，以减少频繁的变换相位造成的时间浪费以致于道路利用率较低。
工作原理：通过实时车流量计算模块6、实时平均车速计算模块7、相位间绿灯利用率计算模块8、相位内车道间绿灯利用率计算模块9、实时拥堵指数计算模块10、相位时间优化预测模块12、车道方向优化预测模块13、潮汐车流预测模块14、拥堵路段预测模块15。通过对各个数据源的分析处理给出不同时间段内所建议的信号的周期时间以及各个相位的时间。解决了传统道路交通中周期以及相位时间固定而造成的空闲时间段内绿灯利用率不高，相位时间配置不合理，拥堵时间段周期时间较短且相位变换频繁造成的时间浪费等问题。
这里说明的设备数量和处理规模是用来简化本发明的说明的，对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上，但其并不仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种多源数据感知下的道路通行效率最大化的方法，其特征在于，包括：信息模块、与所述信息模块信号连接的第一数据汇总处理模块、与所述第一数据汇总处理模块信号连接的计算处理模块、与所述计算处理模块信号连接的第二数据汇总处理模块以及与所述第二数据汇总处理模块信号连接的预测处理模块；
还包括以下步骤：
S1、将道路车辆数据的各个数据源进行汇集于信息模块中；
S2、第一数据汇总处理模块对信息模块中的数据进行加工处理；
S3、所述计算处理模块输出实时车流量，实时车速，各个相位绿灯利用率，相位下相关车道的绿灯利用率，拥堵指数等数据；
S4、所述第二数据汇总处理模块对步骤S3中产生的数据进行数据汇总再处理；
S5、所述预测处理模块输出相位时间优化数据，车道方向优化数据，潮汐车流预测数据，拥堵路段预测数据。
2.如权利要求1所述的一种多源数据感知下的道路通行效率最大化的方法，其特征在于，所述信息模块包括信号机、实时视频单元、雷达及卡口数据库，所述信号机用于提供路口各个相位的时间，所述实时视频单元用于进行仿真识别，将视频流中的车辆在道路中的位置识别出来并显示在系统中，所述雷达用于提供当前路口车速以及拥堵指数，所述卡口数据库用于提供车辆信息。
3.如权利要求1所述的一种多源数据感知下的道路通行效率最大化的方法，其特征在于，所述计算处理模块包括实时车流量计算模块、实时平均车速计算模块、相位间绿灯利用率计算模块、相位内车道间绿灯利用率计算模块及实时拥堵指数计算模块；
所述实时车流量计算模块，用于计算路口的实时车流量；
所述实时平均车速计算模块，用于计算路口的实时平均车速；
所述相位间绿灯利用率计算模块，用于计算相位间绿灯利用率；
所述相位内车道间绿灯利用率计算模块，用于计算相位内车道间绿灯利用率；
所述实时拥堵指数计算模块，用于计算实时拥堵指数。
4.如权利要求3所述的一种多源数据感知下的道路通行效率最大化的方法，其特征在于，所述实时车流量计算模块每隔5分钟，取卡口数据库中的数据，对各个路口下的各个车道进行车流量统计，并将统计结果录入数据库中。
5.如权利要求3所述的一种多源数据感知下的道路通行效率最大化的方法，其特征在于，所述实时平均车速计算模块，每隔5分钟，取雷达数据，对各个路口下的各个车道下这个时间段内车辆的行驶速度取平均值，并将统计结果录入数据库中。
6.如权利要求3所述的一种多源数据感知下的道路通行效率最大化的方法，其特征在于，所述实时相位间绿灯利用率计算模块，每隔5分钟，取信号机数据，获取各个相位的绿灯时间，取卡口数据，获取该时间段内每个相位下相关车道的车流量，利用车流量与时间相除，得到每个相位的绿灯利用率。
7.如权利要求3所述的一种多源数据感知下的道路通行效率最大化的方法，其特征在于，所述实时相位内车道间绿灯利用率计算模块，每隔5分钟，取信号机数据，获取各个相位的绿灯时间，取卡口数据，获取该时间段内每个车道的车流量，利用车流量与时间相除，得到每个车道的绿灯利用率。
8.如权利要求1所述的一种多源数据感知下的道路通行效率最大化的方法，其特征在于，所述预测处理模块包括相位时间优化预测模块、车道方向优化预测模块、潮汐车流预测模块及拥堵路段预测模块；
所述相位时间优化预测模块，用于计算路口的实时车流量；
所述车道方向优化预测模块，用于计算路口的实时平均车速；
所述潮汐车流预测模块，用于计算相位间绿灯利用率；
所述拥堵路段预测模块，用于计算相位内车道间绿灯利用率。
9.如权利要求8所述的一种多源数据感知下的道路通行效率最大化的方法，其特征在于，所述相位时间优化预测模块，通过对一个路口下各个相位的绿灯利用率进行对比，按绿灯利用率为权重，绿灯利用率越高，相位时间占整个周期时间越长；所述车道方向优化预测模块，通过对相位下各个车道的绿灯利用率进行对比，对绿灯利用率特别低的车道，提示用户考虑此车道方向可更换为绿灯利用率较高的车道方向。
10.如权利要求8所述的一种多源数据感知下的道路通行效率最大化的方法，其特征在于，所述潮汐车流预测模块，通过对同一路段不同方向早晚高峰车流量的分析比对，统计出是否有明显的潮汐现象并给出预测；所述拥堵路段预测模块，通过对某路段历史雷达拥堵指数的分析，预测出该路段在某些时间段拥堵指数较高，可在这些时间段内，将信号灯整体周期时间延长，以减少频繁的变换相位造成的时间浪费以致于道路利用率较低。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010835781.1A CN112150800A (zh) | 2020-08-19 | 2020-08-19 | 一种多源数据感知下的道路通行效率最大化的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010835781.1A CN112150800A (zh) | 2020-08-19 | 2020-08-19 | 一种多源数据感知下的道路通行效率最大化的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112150800A true CN112150800A (zh) | 2020-12-29 |
Family
ID=73888787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010835781.1A Pending CN112150800A (zh) | 2020-08-19 | 2020-08-19 | 一种多源数据感知下的道路通行效率最大化的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112150800A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104408948A (zh) * | 2014-10-30 | 2015-03-11 | 生茂光电科技股份有限公司 | 基于车载gps的城市道路交通公交优先信号控制方法 |
| EP3349200A1 (en) * | 2015-09-11 | 2018-07-18 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and device for processing traffic road information |
| CN109448385A (zh) * | 2019-01-04 | 2019-03-08 | 北京钛星科技有限公司 | 基于车路协同的自动驾驶车辆交叉路口调度系统及方法 |
| CN109615887A (zh) * | 2018-12-24 | 2019-04-12 | 张鹏 | 智慧交通网络系统信号指引方法 |
| CN110111592A (zh) * | 2019-06-25 | 2019-08-09 | 浪潮软件集团有限公司 | 基于交通信号控制机动态匹配最优信号配时方案的方法 |
-
2020
- 2020-08-19 CN CN202010835781.1A patent/CN112150800A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104408948A (zh) * | 2014-10-30 | 2015-03-11 | 生茂光电科技股份有限公司 | 基于车载gps的城市道路交通公交优先信号控制方法 |
| EP3349200A1 (en) * | 2015-09-11 | 2018-07-18 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and device for processing traffic road information |
| CN109615887A (zh) * | 2018-12-24 | 2019-04-12 | 张鹏 | 智慧交通网络系统信号指引方法 |
| CN109448385A (zh) * | 2019-01-04 | 2019-03-08 | 北京钛星科技有限公司 | 基于车路协同的自动驾驶车辆交叉路口调度系统及方法 |
| CN110111592A (zh) * | 2019-06-25 | 2019-08-09 | 浪潮软件集团有限公司 | 基于交通信号控制机动态匹配最优信号配时方案的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103050005B (zh) | 城市道路交通状态时空分析方法与系统 | |
| CN109493620B (zh) | 一种交通路况分析系统、方法以及装置 | |
| CN108665715B (zh) | 一种路口智能交通研判和信号优化方法 | |
| CN109410577B (zh) | 基于空间数据挖掘的自适应交通控制子区划分方法 | |
| CN108399740B (zh) | 一种信号控制交叉口机动车冲突概率预测方法 | |
| CN102855760B (zh) | 基于浮动车数据的在线排队长度检测方法 | |
| CN108629973A (zh) | 基于固定检测设备的路段交通拥堵指数计算方法 | |
| CN109191872B (zh) | 一种基于号牌数据的路口交通流特征参数提取方法 | |
| CN105046990B (zh) | 一种基于粒子群算法的相邻路口间人行道信号灯控制方法 | |
| CN103903433A (zh) | 一种道路交通状态的实时动态判别方法及装置 | |
| CN109859468A (zh) | 基于YOLOv3的多车道车流量计数及车辆跟踪方法 | |
| CN111915885B (zh) | 一种城市道路交通仿真实验方法及系统 | |
| CN114267173B (zh) | 高速公路时空特征的多源数据融合方法、装置及设备 | |
| CN105869398A (zh) | 一种基于K-means聚类的道路交通畅通度判断方法 | |
| CN111192457A (zh) | 一种城市级整体的交通信号控制的方法及装置 | |
| CN114299720A (zh) | 一种基于物联网的公共服务交通管理方法及系统 | |
| CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
| CN112150800A (zh) | 一种多源数据感知下的道路通行效率最大化的方法 | |
| CN110459067B (zh) | 基于车辆个体的交通绿路信号协调控制评价方法及系统 | |
| CN114360264A (zh) | 一种基于交通流量进行调节的智慧城市交通管理方法 | |
| CN110399771B (zh) | 交通环境现场维护系统 | |
| CN118230557A (zh) | 一种基于灯杆的城市交通管理方法、设备及介质 | |
| CN116704750B (zh) | 一种基于聚类算法的交通状态识别方法、电子设备、介质 | |
| CN114387778B (zh) | 一种城市快速路拥堵原因分析的方法 | |
| CN113066286A (zh) | 一种车路协同路网车辆运行风险路段判定方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201229 |