<kbd id="ia2e8"><input id="ia2e8"></input></kbd><u id="ia2e8"></u>
  • <blockquote id="ia2e8"></blockquote>
  • <blockquote id="ia2e8"></blockquote>
  • <samp id="ia2e8"><label id="ia2e8"></label></samp>
  • 一種基于大數據的路段旅行時間計算方法和裝置的制造方法

    文檔序號:10472098
    一種基于大數據的路段旅行時間計算方法和裝置的制造方法
    【專利摘要】本發明實施例涉及智能交通領域,尤其涉及一種基于大數據的路段旅行時間計算方法和裝置。在獲取第m周期內通過i路段的每輛車輛所花費的單車時間后,根據各車輛的單車時間,確定i路段在第m周期內的初步旅行時間值,需要進一步根據各車輛的單車時間和初步旅行時間值,確定異常車輛,最后根據排除異常車輛后的車輛的單車時間,確定i路段在所述第m周期的路段旅行時間值,因此能夠保證數據的質量,從而能夠實現根據采集的交通流信息,基于大數據技術準確的計算出路段旅行時間,同時還可提供實時交通信息服務,為交通管理者進行交通組織優化、擁堵治理提供決策依據,提高交通管理水平。
    【專利說明】
    -種基于大數據的路段旅行時間計算方法和裝置
    技術領域
    [0001] 本發明實施例設及智能交通領域,尤其設及一種基于大數據的路段旅行時間計算 方法和裝置。
    【背景技術】
    [0002] 近年來,隨著我國城市化進程的不斷推進,人們的生活水平日益提高,城市機動車 保有量飛速增長,隨之帶來的是城市道路交通擁堵問題日益凸顯,交通事故頻繁發生,對交 通管理部口的綜合管理水平與信息服務水平提出了挑戰,對城市經濟與發展也帶來一定的 負面影響。
    [0003] 在城市交通運行狀況評價中,路段旅行時間是不可或缺的重要部分。準確的路段 旅行時間能夠為出行者提供未來的交通狀況及變化趨勢,誘導用戶選擇合理的出行時間、 出行方式W及出行路徑,改善城市道路網交通流分布的時空不均勻性,為交通控制及交通 誘導提供可靠的指標依據,同時也是城市居民最為關屯、的交通參數。
    [0004] 在路段旅行時間統計方面,機動車數量的增加,使得車輛旅行時間的計算量成指 數級增長,傳統數據處理方式需要長時間才能給出結果,甚至出現無響應的情況;在實時路 況分析預測方面,面對城市大范圍旅行時間估計任務,傳統數據處理方式已力不從屯、。因 此,在城市化飛速發展的今天,迫切需要一種高效可行的解決方案,來解決海量數據的旅行 時間估計問題。
    [0005] 大數據(Big Data)的出現,解決了傳統數據庫進行海量數據查詢和分析性能瓶頸 問題,為海量數據的分析處理提供了有效的解決途徑。而其中基于內存的分布式計算框架, 對于復雜的迭代運算更是擁有先天的優越性。
    [0006] 因此如何根據采集的交通流信息,基于大數據技術準確的計算出路段旅行時間, 就顯得尤為重要。

    【發明內容】

    [0007] 本發明實施例提供一種基于大數據的路段旅行時間計算方法和裝置,用W實現根 據采集的交通流信息,基于大數據技術準確的計算出路段旅行時間。
    [000引本發明實施例提供一種基于大數據的路段旅行時間計算方法,包括:
    [0009] 從大數據平臺獲取第m周期內通過i路段的每輛車輛所花費的單車時間;
    [0010] 根據各車輛的單車時間,確定所述i路段在所述第m周期內的初步旅行時間值;
    [0011] 根據各車輛的單車時間和所述初步旅行時間值,確定異常車輛;
    [0012] 根據排除異常車輛后的車輛的單車時間,確定所述i路段在所述第m周期的路段旅 行時間值;m為正整數。
    [0013] 本發明實施例還提供一種基于大數據的路段旅行時間計算裝置,包括:
    [0014] 獲取模塊,用于從大數據平臺獲取第m周期內通過i路段的每輛車輛所花費的單車 時間;
    [0015] 確定模塊,用于根據各車輛的單車時間,確定所述i路段在所述第m周期內的初步 旅行時間值;
    [0016] 根據各車輛的單車時間和所述初步旅行時間值,確定異常車輛;
    [0017] 根據排除異常車輛后的車輛的單車時間,確定所述i路段在所述第m周期的路段旅 行時間值;m為正整數。
    [0018] 上述實施例提供的基于大數據的路段旅行時間計算方法和裝置,包括:首先獲取 第m周期內通過i路段的每輛車輛所花費的單車時間,根據各車輛的單車時間,確定i路段在 第m周期內的初步旅行時間值,然后根據各車輛的單車時間和初步旅行時間值,確定異常車 輛,最后根據排除異常車輛后的車輛的單車時間,確定i路段在所述第m周期的路段旅行時 間值,可W看出,由于在獲取第m周期內通過i路段的每輛車輛所花費的單車時間后,根據各 車輛的單車時間,確定i路段在第m周期內的初步旅行時間值,需要進一步根據各車輛的單 車時間和初步旅行時間值,確定異常車輛,最后根據排除異常車輛后的車輛的單車時間,確 定i路段在所述第m周期的路段旅行時間值,因此能夠保證數據的質量,從而能夠實現根據 采集的交通流信息,基于大數據技術準確的計算出路段旅行時間,同時還可提供實時交通 信息服務,為交通管理者進行交通組織優化、擁堵治理提供決策依據,提高交通管理水平。
    【附圖說明】
    [0019] 為了更清楚地說明本發明實施例中的技術方案,下面將對實施例描述中所需要使 用的附圖作簡要介紹。
    [0020] 圖1為本發明實施例提供的一種基于大數據的路段旅行時間計算方法流程圖;
    [0021] 圖2為本發明實施例提供的一種基于大數據的路段旅行時間計算方法及確定道路 擁堵級別的流程圖;
    [0022] 圖3為本發明實施例提供的一種基于大數據的路段旅行時間計算裝置結構示意 圖。
    【具體實施方式】
    [0023] 為了使本發明的目的、技術方案及有益效果更加清楚明白,W下結合附圖及實施 例,對本發明進行進一步詳細說明。應當理解,此處所描述的具體實施例僅僅用W解釋本發 明,并不用于限定本發明。
    [0024] 需要說明的是,本發明實施例所應用的大數據技術與現有技術相同,在此不再寶 述。
    [0025] 圖1示例性示出了本發明實施例提供的一種基于大數據的路段旅行時間計算方法 流程圖,如圖1所示,該方法可包括:
    [0026] S101、從大數據平臺獲取第m周期內通過第i路段的每輛車輛所花費的單車時間。
    [0027] S102、根據各車輛的單車時間,確定i路段在第m周期內的初步旅行時間值。
    [0028] S103、根據各車輛的單車時間和i路段在第m周期內的初步旅行時間值,確定異常 車輛。
    [0029] S104、根據排除異常車輛后的車輛的單車時間,確定i路段在第m周期的路段旅行 時間值。
    [0030] 其中,m為正整數。
    [0031] 在上述步驟S101中,首先可通過電子警察、交通卡口、電子車牌、RFID(Radio 化equency Identification,無線射頻識別)等設備采集第m周期內通過i路段的車牌數據, 然后對獲取的車牌數據進行預處理、車牌數據標準化、剔除錯誤數據、剔除超限數據后可計 算出第m周期內通過i路段的每輛車輛所花費的單車時間。
    [0032] 在具體實施時,可根據交通規則對錯誤數據、超限數據進行剔除。例如,可W根據 按正常交通習慣進入統計路段為原則,屏蔽掉在非正常交通習慣下進入統計路段的車輛的 單車時間。例如,W正交十字路口為例,對向道路可使用直行車道的過車數據,而針對左轉 進入統計路段的車輛,則選取道路標線指明左轉車道的過車數據,針對右轉進入統計路段 的車輛,若車輛在右轉進入統計路段上游路口時如果含有右轉燈控,則選取右轉車道的過 車數據。
    [0033] 由于車輛的速度值應處在一個合理的行程速度區間范圍內,因此在根據交通規則 對錯誤數據、超限數據進行剔除時,還可根據車輛的速度值對錯誤數據、超限數據進行剔 除。例如,W城市道路作為分析對象,假設默認的城市路段行程速度范圍為[5km/h,80km/ h],則對應的車輛的合理的行駛速度的可行區間為[L/80km/h,L/5km/h]。對于高速路,行程 速度較通常的城市道路高,原理一樣,僅僅是取值不同而已,運里不再寶述。
    [0034] 若旅行時間低于L/80km/h時,且該類數據在總樣本量中占比低于20%時,則被視 為異常數據予W清除。
    [0035] 若采集到的旅行時間大于L/5km/h時,且該類數據在總樣本量中占比低于20%時, 則被視為異常數據予W清除。
    [0036] 通過剔除超限數據,可W比較好的屏蔽掉過大或過小等孤立數據,為后續的統計 分析提供數據質量保證。
    [0037] 在獲取第m周期內通過i路段的每輛車輛所花費的單車時間后,可根據下列公式一 確定i路段在m周期內的初步旅行時間值。
    [003引
    (公.或一)
    [0039] 在上述公式一中,wk為回歸系數;η為在第m周期內經過i路段的車輛總數;Tik為第 k輛車輛在第m周期內經過i路段所花費的時間;T1為i路段在第m周期內的初步旅行時間值。
    [0040] 優選的,Qk的值可W為1/n,也可W為l/(n-2),當然也可W是其它的參數,本發明 實施例對Wk的取值范圍不進行任何限定。
    [0041] 在根據上述公式一確定第i路段在m周期內的初步旅行時間值后,
    [0042] 可進一步根據下列公式二確定排除系數,
    [0043]
    (公式二)
    [0044] 在上述公式二中,0為排除系數;η為第m周期內經過i路段的車輛的總數;Tik為第k 輛車輛在第m周期內經過i路段所花費的時間;T1為i路段在第m周期內的初步旅行時間值。
    [0045] 在根據上述公式二計算出排除系數后,可根據下列公式Ξ確定異常車輛。
    [0046] |Tik-Tl|>3。(公式 Ξ)
    [0047] 在上述公式Ξ中,0為排除系數;Tik為第i輛車輛在第m周期內經過i路段所花費的 時間;τι為i路段在第m周期內的初步旅行時間值。
    [0048] 在具體實施時,可將在第m周期采集到的單車時間與所述初步旅行時間值之間的 差值的絕對值大于3倍排除系數的車輛的單車時間排除掉,也可W將可將在第m周期采集到 的單車時間與所述初步旅行時間值之間的差值的絕對值大于2倍排除系數的車輛的單車時 間排除掉,還可W直接將在第m周期采集到的單車時間與所述初步旅行時間值之間的差值 的絕對值大于排除系數的車輛的單車時間排除掉,即在具體實施時,上述公式Ξ可靈活的 應用,可對上述公式Ξ進行各種變形,然后根據變形后的公式排除異常車輛的單車時間,從 而可為后續的統計分析提供數據質量保證。
    [0049] 優選的,在根據上述公式Ξ排除異常車輛的單車時間后,還可統計第m周期內車輛 的單車時間小于所述初步旅行時間值的車輛的單車時間,并根據統計得到的所有小于所述 初步旅行時間值的車輛的單車時間確定i路段在第m周期內的正常旅行時間值。
    [0050] 優選的,還可根據上述路段旅行時間值與上述正常旅行時間值之間的差值的絕對 值,確定擁堵級別。
    [0051] 例如,在具體實施時,當i路段的路段旅行時間值與正常旅行時間值之間的差值的 絕對值大于第一闊值時,可給出黃色預警;而當i路段的路段旅行時間值與正常旅行時間值 之間的差值的絕對值大于第二闊值時,可給出澄色預警。其中,第一闊值大于第二闊值。
    [0052] 在具體實施時,還可W根據上述路段旅行時間值與上述正常旅行時間值之間的差 值的絕對值,簡單的確定道路是否擁堵。例如,當i路段的路段旅行時間值與正常旅行時間 值之間的差值的絕對值的值越大表示道路越擁堵,當i路段的路段旅行時間值與正常旅行 時間值之間的差值的絕對值的值越小表示道路越楊通。
    [0053] 優選的,在確定i路段在第m周期的路段旅行時間值后,還可將其進行保存至歷史 數據庫中,W供后續對缺失的數據進行補償。
    [0054] 在確定i路段在第m周期的路段旅行時間值后,除了將其進行保存至歷史數據庫 中,還可將計算得到的i路段在第m周期的路段旅行時間值通過微博、微信、網站、移動客戶 端、誘導屏等方式進行發布,因此可提供實時交通信息服務,從而為交通管理者進行交通組 織優化、擁堵治理提供決策依據。
    [0055] 優選的,當i路段在第m周期內經過的車輛數量小于闊值,則判定為i路段在第m周 期內缺失數據。例如,在非低峰時段當檢測到經過i路段在第m周期內經過的車輛數量小于5 時,則可判定為數據缺失,運種情況下的數據缺失有可能屬于設備異常、路口堵塞情況所導 致的。
    [0056] 在高峰時段,若i路段在第m周期前的連續P個周期均判定為數據缺失,則根據公式 四對第m周期的數據進行補償。其中,P含4且P為正整數。
    [0057] HTi(r)=aTie(r) + (l-a)HT 廣 x(r)(公式四)
    [0058] 在公式四中,α為平滑系數;r為歷史上在所述i路段上與第m周期相應的周期;Τι6 (r)為歷史上所述i路段在第r周期的路段旅行時間值;HTV-x(r)為歷史上基于Ti6(r)之前X 天所述i路段在所述第r周期的路段旅行時間值;e為距離第m周期的時間段值。
    [0059] 在根據上述公式四對第m周期的數據進行補償后,還可將根據公式四所計算出的 補償值進行保存,并將保存的補償值作為歷史值。
    [0060] 當i路段在第m周期前的連續P個周期均判定為數據缺失時,由于采用歷史同周期 的平滑歷史數據對缺失的數據進行補償,因此具有變化平穩、波動性小的優點。另外,在對 缺失的數據補償W后將其保存作為歷史值,從而還能夠很好的描述歷史交通狀態變化特 性。
    [0061] 優選的,若i路段在第m周期前的連續V個周期均被判定為數據缺失,則從未缺失數 據的周期內確定V個距離第m周期最近的路段旅行時間,并根據V個距離第m周期最近的路段 旅行時間的平均值對第m周期缺失的數據進行數據補償。其中,v<4且V為正整數。
    [0062] 需要說明的是,上述公式四中的α可根據經驗取0.8,當然也可W取其它的參數值, 本發明實施例對α的取值不進行任何限定。
    [0063] 在低峰時段產生數據缺失的情況時,可W根據路段自由流速下對應的路段旅行時 間對缺失的數據進行補償。在具體實施時,可根據路段的長度與路段的自由流速計算出路 段在自由流速下的對應的路段旅行時間。
    [0064] 下面通過一個例子,對上述的方法流程進行詳細的解釋說明。
    [0065] 首先假設i路段的周期長度為5分鐘,進一步假設i路段在2016年4月25日下午17: 00-17:05運個周期內,在經過對采集的車牌數據進行預處理、車牌數據標準化、剔除錯誤 數據、剔除超限數據后共獲取到50輛車輛經過i路段時所花費的單車時間,運50輛車輛2016 年4月25日下午17:00-17:05周期內經過1路段時所花費的單車時間分別為1'1、了2、了3、了4、 Τ5、Τ6、Τ7、Τ8、Τ9、Τ10……巧0,進一步假設在該例子中回歸系數的取值為1/η,即將回歸系 數設置為1/50,則計算i路段在17:00-17:05周期內的路段旅行時間W及在計算出i路段在 17:00-17:05周期內的路段旅行時間后確定i道路擁堵級別的方法,可參見圖2。
    [0066] S201、獲取17:00-17:05周期內通過i路段的50輛車分別花費的單車時間Τ1、Τ2、 Τ3、Τ4、Τ5、Τ6、Τ7、Τ8、Τ9、Τ10……Τ50。
    [0067] S202、根據公式五計算得至Iji路段在2016年4月25日下午17:00-17:05周期內的初 步旅行時間值。
    [00側
    (公式五)
    [0069] 在公式五中,Τ1、Τ2、Τ3、Τ4、Τ5……Τ50為i路段在2016年4月25日下午17:00-17: 05周期內,經過對采集的車牌數據進行預處理、車牌數據標準化、剔除錯誤數據、剔除超限 數據后獲取到的50輛車輛經過i路段時分別所花費的單車時間;巧;為1路段在2016年4月25 日下午17:00-17:05周期內的初步旅行時間值。
    [0070] S203、根據公式六計算得到排除系數。
    [0071] (公式古)
    [0072] 在公式六中,050為i路段在2016年4月25日下午17:00-17:05周期內的排除系數; 50為2016年4月25日下午17:00-17:05周期內經過i路段的車輛的總數;Tik為第k輛車輛在 2016年4月25日下午17:00-17:05運個周期內經過i路段所花費的單車時間;5為1路段在 2016年4月25日下午17:00-17:05周期內的初步旅行時間值。
    [0073] S204、根據公式屯排除異常車輛的單車時間。
    [0074]
    (公式本)
    [00巧]在公式屯中,σ為排除系數;Tik為第k輛車輛在2016年4月25日下午17:00-17:05周 期內經過i路段所花費的時間;化路段在2016年4月25日下午17:00-17:05周期內的初 步旅行時間值。
    [0076] 進一步假設根據上述公式六巧巧>3σ確定異常車輛的數量為5輛,并進一步 假設在2016年4月25日下午17:00-17:05運個周期內第1輛車輛至第5輛車輛在i路段上所 花費的單車時間了1、了2、了3、了4、了5為異常數據。因此在計算2016年4月25日下午17:00-17: 05周期的路段旅行時間時,為了增加準確性,不使用異常車輛的單車時間T1、T2、T3、T4、T5, 即在計算2016年4月25日下午17:00-17:05周期路段旅行時間時,只使用剩下的45個數據。
    [0077] S205、根據公式八計算2016年4月25日下午17:00-17:05周期內的路段旅行時間。
    [007引
    (公式八)
    [00巧]在公式八中,Τ6、Τ7、Τ8、Τ9、Τ10……Τ50為i路段在2016年4月25日下午17:00-17: 05周期內,經過根據排除系數排除異常車輛的單車時間后獲取到的剩下的45輛車輛經過i 路段時所分別花費的單車時間;?7為2016年4月25日下午17:00-17:05周期內的路段旅行 時間。
    [0080] 進一步假設在剩下的45輛車輛的單車時間數據中,只有20輛車輛的單車時間數據 小于i路段在2016年4月25日下午17:00-17:05周期內的路段旅行時間Τ?,并進一步假設 Τ30、Τ31、Τ32、Τ33、Τ34……Τ50即從Τ30至Τ50運20輛車輛的單車時間數據小于i路段在2016 年4月25日下午17 :00-17 :05周期內的路段旅行時間巧,也就是說在2016年4月25日下午 17 :00-17:05周期內第30輛車輛至第50輛車輛在i路段上所花費的單車時間小于i路段在 2016年4月25日下午17:00-17:05運個周期內的路段旅行時間。
    [0081] S206、根據公式九計算i路段在2016年4月25日下午17:00-17:05周期內的正常旅 行時間。
    [0082]
    (公式九)
    [0083] 在公式九中,^為i路段在2016年4月25日下午17:00-17:05周期內的正常旅行 時間;Τ30、Τ31、Τ32、Τ33、Τ34……Τ50為在2016年4月25日下午17 :00-17:05周期內第30輛 車輛至第50輛車輛在i路段上所花費的單車時間。
    [0084] S207、將i路段在2016年4月25日下午17:00-17:05周期內的路段旅行時間與正常 旅行時間進行比較,確定擁堵級別。
    [0085] 在具體實施時,可將i路段在2016年4月25日下午17:00-17:05周期內的路段旅行 時間與正常旅行時間求差值,根據i路段在2016年4月25日下午17:00-17:05周期內的路段 旅行時間與正常旅行時間之間差值的絕對值給出擁堵級別。例如,當i路段在2016年4月25 日下午17:00-17:05周期內的路段旅行時間與正常旅行時間之間差值的絕對值越大時,表 示i路段在2016年4月25日下午17:00-17:05周期內越擁堵;當i路段在2016年4月25日下午 17:00-17:05周期內的路段旅行時間與正常旅行時間之間差值的絕對值越小時,表示i路 段在2016年4月25日下午17:00-17:05周期內越楊通。
    [0086] 基于上述舉例的基礎上,進一步通過舉例對缺失數據的情況進行詳細的解釋說 明。
    [0087]繼續假設i路段在2016年4月25 日下午 16:45-16:50、16: 50-16:55、16: 55-17: 00、17:00-17:05運四個周期內被判定為缺失數據,且缺失數據的周期數滿足通過公式四 補償的條件,進一步假設公式四中的時間段值為1天、平滑系數α值為〇.8、x取值7天后,則可 根據公式十對16:45-16:50周期的缺失數據進行補償。
    [008引 HTi(r)=0.8Tie(r)+0.2HT 廣 7(r)(公式十)
    [0089] 在公式十中,0.8為平滑系數;r為i路段與2016年04月25日16:45-16:50周期相應 的周期,即r為i路段在2016年04月24日16:45-16: 50運個周期;Ti6(r)為2016年04月24日 16:45-16: 50周期的路段旅行時間值;HTie-7(r)2016年04月24日16:45-16:50周期之前7 天所述i路段在所述第r周期的路段旅行時間值,即HTi6^7(r)i路段在2016年04月17日16: 45-16:50周期路段旅行時間值。
    [0090] 同理,對16:50-16:55周期、16:55-17:00周期W及17 :00-17:05周期的缺失數 據補償的方法與對16:45-16:50周期的缺失數據補償的方法相同,在此不再寶述。
    [0091] 在具體實施時,如果i路段僅僅在2016年4月25日下午16:45-16:50、16: 50-16: 55、16: 55-17:00運Ξ個周期內被判定為數據缺失,因此缺失數據的周期數不滿足通過公 式四補償的條件,進一步假設2016年4月25日下午16:30-16: 35、16:35-16 :40、16:40- 16:45運Ξ個周期內的路段旅行時間數據未缺失,則可將2016年4月25日下午16:30-16: 35、16:35-16:40、16:40-16:45運Ξ個周期的路段旅行時間進行求均值運算,并根據求均 值運算后的結果對2016年4月25日下午16:45-16:50、16:50-16:55、16:55-17:00運Ξ個 周期內缺失的數據進行補償。
    [0092] 在具體實施時,如果i路段僅僅在2016年4月25日下午16:50-16:55、16: 55-17: 00運兩個周期內被判定為數據缺失,因此缺失數據的周期數不滿足通過公式四補償的條 件,進一步假設2016年4月25日下午16:40-16:45、16:45-16:50運兩個周期內的路段旅行 時間數據未缺失,則可將2016年4月25日下午16:40-16:45、16:45-16:50運兩個周期的路 段旅行時間進行求均值運算,并根據求均值運算后的結果對2016年4月25日下午16:50- 16:55和16:55-17:00運兩個周期內缺失的數據進行補償。
    [0093] 在具體實施時,如果i路段僅僅在2016年4月25日下午16:55-17:00運一個周期內 被判定為數據缺失,因此缺失數據的周期數不滿足通過公式四補償的條件,進一步假設 2016年4月25日下午16: 50-16:55運一個周期內的路段旅行時間數據未缺失,則可根據 2016年4月25日下午16:50-16:55運個周期的路段旅行時間對2016年4月25日下午16:40- 16:45運一個周期內缺失的數據進行補償。
    [0094] 需要說明的是,無論是道路處于高峰期還是低峰期,當道路處于大樣本量時,均可 采用上述方法進行計算道路的路段旅行時間,并結合路段旅行時間確定擁堵級別,然而當 采集的數據出現孤立點時,可根據道路自由流速下對應的路段旅行時間對缺失的數據進行 補償。在具體實施時,可根據路段的長度與路段的自由流速計算出路段在自由流速下的對 應的路段旅行時間。
    [00M]從上述內容可W看出,由于在獲取第m周期內通過i路段的每輛車輛所花費的單車 時間后,根據各車輛的單車時間,確定i路段在第m周期內的初步旅行時間值,需要進一步根 據各車輛的單車時間和初步旅行時間值,確定異常車輛,最后根據排除異常車輛后的車輛 的單車時間,確定i路段在所述第m周期的路段旅行時間值,因此能夠保證數據的質量,從而 能夠實現根據采集的交通流信息,基于大數據技術快速準確的計算出路段旅行時間。
    [0096] 另外,在計算出路段旅行時間后還可將其進行保存至歷史數據庫中,W供后續對 歷史時間段內路段旅行時間的變化情況進行統計分析,通過對歷史數據的統計分析,獲取 旅行時間特征及其變換規律,為交通管理者進行交通組織優化、擁堵治理提供決策依據,同 時還可根據歷史數據和當前路況,給出擁堵預警,提醒交通管理者及時采取相應措施,從而 確保道路的楊通運行。此外,還可根據統計出的歷史時間段內路段旅行時間的變化情況,綜 合對比同周期歷史數據與當前數據,為信號配時、交通組織優化提供決策依據。
    [0097] 基于相同構思,本發明實施例提供還提供一種基于大數據的路段旅行時間計算裝 置。
    [0098] 圖3示例性示出了本發明實施提供的路段旅行時間計算裝置的結構示意圖。如圖3 所示,該裝置可包括:獲取模塊301和確定模塊302。
    [0099] 獲取模塊301,用于從大數據平臺獲取第m周期內通過i路段的每輛車輛所花費的 單車時間;
    [0100] 確定模塊302,用于根據各車輛的單車時間,確定所述i路段在所述第m周期內的初 步旅行時間值;
    [0101] 根據各車輛的單車時間和所述初步旅行時間值,確定異常車輛;
    [0102] 根據排除異常車輛后的車輛的單車時間,確定所述i路段在所述第m周期的路段旅 行時間值;m為正整數。
    [0103] 較佳的確定模塊302具體用于:
    [0104] 根據公式
    巧定所述r路段在所述第m周期內的初步旅行時間值;
    [0105] 其中,wk為回歸系數;η為在所述第m周期內經過所述r路段的車輛總數;Tik為第k 輛車輛在所述第m周期內經過所述i路段所花費的時間;T1為所述i路段在所述第m周期內的 初步旅行時間值。
    [0106] 較佳的確定模塊302具體用于:
    [0107] 根據公式(1 ),確定排除系數;
    [0108] 根據公式(2),確定異常車輛;其中:
    [0109] 公式
    其中,0為所述i路段在第m周期內的排除系數;η為所 述第m周期內經過所述i路段的車輛的總數;Tik為第k輛車輛在所述第m周期內經過所述i路 段所花費的時間;T1為所述i路段在所述第m周期內的初步旅行時間值;
    [0110] 公式(2)|Tik-Tl|>3〇;其中,0為排除系數;Tik為第k輛車輛在所述第m周期內經過 所述i路段所花費的時間;T1為所述i路段在所述第m周期內的初步旅行時間值。
    [0111] 較佳的確定模塊302還用于:
    [0112] 統計在所述第m周期內車輛的單車時間小于所述初步旅行時間值的車輛的單車時 間,根據統計得到的所有小于所述初步旅行時間值的車輛的單車時間確定所述i路段在所 述第m周期內的正常旅行時間值;
    [0113] 根據所述路段旅行時間值與所述正常旅行時間值之間的差值的絕對值,確定擁堵 級別。
    [0114] 較佳的還包括:數據補償模塊(圖中未示出);
    [0115] 所述數據補償模塊用于在所述i路段在所述第m周期內經過的車輛數量小于闊值 時,判定為所述i路段在所述第m周期內缺失數據;
    [0116] 若所述i路段在所述第m周期前的連續P個周期均判定為數據缺失,則根據公式(3) 對第m周期的數據進行補償;
    [0117] 公式(3)HTi(r)=aTie(r) + (l-a)HTie-x(r);其中,α為平滑系數;r為歷史上在所述i 路段上與第m周期相應的周期;Ti6(r)為歷史上所述i路段在第r周期的路段旅行時間值; 化)為歷史上基于Τι6化)之前X天所述i路段在所述第r周期的路段旅行時間值;e為距 離第m周期的時間段值。
    [0118] 較佳的,所述數據補償模塊還用于:
    [0119] 若所述i路段在所述第m周期前的連續V個周期均被判定為數據缺失,則從未缺失 數據的周期內確定V個距離所述第m周期最近的路段旅行時間;
    [0120] 根據所述V個距離所述第m周期最近的路段旅行時間的平均值對所述第m周期缺失 的數據進行數據補償;v<4且V為正整數。
    [0121] 根據W上內容可W看出,由于在獲取第m周期內通過i路段的每輛車輛所花費的單 車時間后,根據各車輛的單車時間,確定i路段在第m周期內的初步旅行時間值,需要進一步 根據各車輛的單車時間和初步旅行時間值,確定異常車輛,最后根據排除異常車輛后的車 輛的單車時間,確定i路段在所述第m周期的路段旅行時間值,因此能夠保證數據的質量,從 而能夠實現根據采集的交通流信息,基于大數據技術快速準確的計算出路段旅行時間。
    [0122] 另外,在計算出路段的計算出路段旅行時間后還可將其進行保存至歷史數據庫 中,W供后續歷史時間段內路段旅行時間的變化情況進行統計分析,通過對歷史數據的統 計分析,獲取旅行時間特征及其變換規律,為交通管理者進行交通組織優化、擁堵治理提供 決策依據,同時還可根據歷史數據和當前路況,給出擁堵預警,提醒交通管理者及時采取相 應措施,從而確保道路的楊通運行。此外,還可根據統計出的歷史時間段內路段旅行時間的 變化情況,綜合對比同周期歷史數據與當前數據,為信號配時、交通組織優化提供決策依 據。
    [0123] 本領域內的技術人員應明白,本發明的實施例可提供為方法、或計算機程序產品。 因此,本發明可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的 形式。而且,本發明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存 儲介質(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產品的形 式。
    [0124] 本發明是參照根據本發明實施例的方法、設備(系統)、和計算機程序產品的流程 圖和/或方框圖來描述的。應理解可由計算機程序指令實現流程圖和/或方框圖中的每一流 程和/或方框、W及流程圖和/或方框圖中的流程和/或方框的結合??商峁┻\些計算機程序 指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器W產 生一個機器,使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用于實 現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
    [0125] 運些計算機程序指令也可存儲在能引導計算機或其他可編程數據處理設備W特 定方式工作的計算機可讀存儲器中,使得存儲在該計算機可讀存儲器中的指令產生包括指 令裝置的制造品,該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或 多個方框中指定的功能。
    [0126] 運些計算機程序指令也可裝載到計算機或其他可編程數據處理設備上,使得在計 算機或其他可編程設備上執行一系列操作步驟W產生計算機實現的處理,從而在計算機或 其他可編程設備上執行的指令提供用于實現在流程圖一個流程或多個流程和/或方框圖一 個方框或多個方框中指定的功能的步驟。
    [0127] 盡管已描述了本發明的優選實施例,但本領域內的技術人員一旦得知了基本創造 性概念,則可對運些實施例作出另外的變更和修改。所W,所附權利要求意欲解釋為包括優 選實施例W及落入本發明范圍的所有變更和修改。
    [0128] 顯然,本領域的技術人員可W對本發明進行各種改動和變型而不脫離本發明的精 神和范圍。運樣,倘若本發明的運些修改和變型屬于本發明權利要求及其等同技術的范圍 之內,則本發明也意圖包含運些改動和變型在內。
    【主權項】
    1. 一種基于大數據的路段旅行時間計算方法,其特征在于,包括: 從大數據平臺獲取第m周期內通過i路段的每輛車輛所花費的單車時間; 根據各車輛的單車時間,確定所述i路段在所述第m周期內的初步旅行時間值; 根據各車輛的單車時間和所述初步旅行時間值,確定異常車輛; 根據排除異常車輛后的車輛的單車時間,確定所述i路段在所述第m周期的路段旅行時 間值;m為正整數。2. 如權利要求1所述的方法,其特征在于,所述根據各車輛的單車時間,確定所述i路段 在所述第m周期內的初步旅行時間值,包括:確定所述r路段在所述第m周期內的初步旅行時間值; 其中,cok為回歸系數;n為在所述第m周期內經過所述r路段的車輛總數;Tj為第k輛車 輛在所述第m周期內經過所述i路段所花費的時間;T1為所述i路段在所述第m周期內的初步 旅行時間值。3. 如權利要求1所述的方法,其特征在于,所述根據各車輛的單車時間和所述初步旅行 時間值,確定異常車輛,包括: 根據公式(1 ),確定排除系數; 根據公式(2),確定異常車輛;其中:其中,σ為所述i路段在第m周期內的排除系數;η為所述第 m周期內經過所述i路段的車輛的總數;Tj為第k輛車輛在所述第m周期內經過所述i路段所 花費的時間;T1為所述i路段在所述第m周期內的初步旅行時間值; 公式⑵其中,〇為排除系數;Tj為第k輛車輛在所述第m周期內經過所述i 路段所花費的時間;T1為所述i路段在所述第m周期內的初步旅行時間值。4. 如權利要求1至3任一項所述的方法,其特征在于,還包括: 統計在所述第m周期內車輛的單車時間小于所述初步旅行時間值的車輛的單車時間, 根據統計得到的所有小于所述初步旅行時間值的車輛的單車時間確定所述i路段在所述第 m周期內的正常旅行時間值; 根據所述路段旅行時間值與所述正常旅行時間值之間的差值的絕對值,確定擁堵級 別。5. 如權利要求1至3任一項所述的方法,其特征在于,還包括: 當所述i路段在所述第m周期內經過的車輛數量小于閾值,則判定為所述i路段在所述 第m周期內缺失數據; 若所述i路段在所述第m周期前的連續p個周期均判定為數據缺失,則根據公式(3)對第 m周期的數據進行補償;p 2 4且p為正整數; 公式U^I^r^aTArMl-cOHT廣x(r);其中,α為平滑系數;r為歷史上在所述i路段 上與第m周期相應的周期;iWr)為歷史上所述i路段在第r周期的路段旅行時間值;HlV^x (k)為歷史上基于iWk)之前X天所述i路段在所述第r周期的路段旅行時間值;e為距離第m 周期的時間段值。6. 如權利要求1所述的方法,其特征在于,還包括: 當所述i路段在所述第m周期內經過的車輛數量小于閾值,則判定為所述i路段在所述 第m周期內缺失數據; 若所述i路段在所述第m周期前的連續v個周期均被判定為數據缺失,則從未缺失數據 的周期內確定v個距離所述第m周期最近的路段旅行時間; 根據所述v個距離所述第m周期最近的路段旅行時間的平均值對所述第m周期缺失的數 據進行數據補償;v<4且v為正整數。7. -種基于大數據的路段旅行時間計算裝置,其特征在于,包括: 獲取模塊,用于從大數據平臺獲取第m周期內通過i路段的每輛車輛所花費的單車時 間; 確定模塊,用于根據各車輛的單車時間,確定所述i路段在所述第m周期內的初步旅行 時間值; 根據各車輛的單車時間和所述初步旅行時間值,確定異常車輛; 根據排除異常車輛后的車輛的單車時間,確定所述i路段在所述第m周期的路段旅行時 間值;m為正整數。8. 如權利要求7所述的裝置,其特征在于,所述確定模塊具體用于:確定所述r路段在所述第m周期內的初步旅行時間值; 其中,cok為回歸系數;n為在所述第m周期內經過所述r路段的車輛總數;Tj為第k輛車 輛在所述第m周期內經過所述i路段所花費的時間;T1為所述i路段在所述第m周期內的初步 旅行時間值。9. 如權利要求7所述的裝置,其特征在于,所述確定模塊具體用于: 根據公式(1 ),確定排除系數; 根據公式(2),確定異常車輛;其中:其中,σ為所述i路段在第m周期內的排除系數;η為所述第 m周期內經過所述i路段的車輛的總數;Tj為第k輛車輛在所述第m周期內經過所述i路段所 花費的時間;T1為所述i路段在所述第m周期內的初步旅行時間值; 公式⑵其中,〇為排除系數;Tj為第k輛車輛在所述第m周期內經過所述i 路段所花費的時間;T1為所述i路段在所述第m周期內的初步旅行時間值。10. 如權利要求7至9任一項所述的裝置,其特征在于,所述確定模塊還用于: 統計在所述第m周期內車輛的單車時間小于所述初步旅行時間值的車輛的單車時間, 根據統計得到的所有小于所述初步旅行時間值的車輛的單車時間確定所述i路段在所述第 m周期內的正常旅行時間值; 根據所述路段旅行時間值與所述正常旅行時間值之間的差值的絕對值,確定擁堵級 別。11. 如權利要求7至9任一項所述的裝置,其特征在于,還包括:數據補償模塊; 所述數據補償模塊用于在所述i路段在所述第m周期內經過的車輛數量小于閾值時,判 定為所述i路段在所述第m周期內缺失數據; 若所述i路段在所述第m周期前的連續p個周期均判定為數據缺失,則根據公式(3)對第 m周期的數據進行補償; 公式U^I^r^aTArMl-cOHT廣x(r);其中,α為平滑系數;r為歷史上在所述i路段 上與第m周期相應的周期;iWr)為歷史上所述i路段在第r周期的路段旅行時間值;HlV^x (k)為歷史上基于iWk)之前X天所述i路段在所述第r周期的路段旅行時間值;e為距離第m 周期的時間段值。12.如權利要求7所述的裝置,其特征在于,所述數據補償模塊還用于: 當所述i路段在所述第m周期內經過的車輛數量小于閾值時,判定為所述i路段在所述 第m周期內缺失數據; 若所述i路段在所述第m周期前的連續v個周期均被判定為數據缺失,則從未缺失數據 的周期內確定v個距離所述第m周期最近的路段旅行時間; 將所述v個距離所述第m周期最近的路段旅行時間的平均值對所述第m周期缺失的數據 進行數據補償;v<4且v為正整數。
    【文檔編號】G08G1/01GK105825675SQ201610326378
    【公開日】2016年8月3日
    【申請日】2016年5月17日
    【發明人】呂建輝, 王棟梁, 徐輝鋒
    【申請人】青島海信網絡科技股份有限公司
    再多了解一些
    網友詢問留言 已有0條留言
    • 還沒有人留言評論。精彩留言會獲得點贊!
    1
    中文字幕一区在线观看视频_国产偷v国产偷v_西西人体44rt net毛最多_伊人久久大香线蕉综合网