[发明专利]一种基于车辆行驶轨迹的道路拥堵精准预警系统及方法有效
申请号: | 201910639903.7 | 申请日: | 2019-07-15 |
公开(公告)号: | CN110415517B | 公开(公告)日: | 2020-12-01 |
发明(设计)人: | 邢廷炎 | 申请(专利权)人: | 中国地质大学(北京) |
主分类号: | G08G1/01 | 分类号: | G08G1/01 |
代理公司: | 北京君莫知识产权代理事务所(普通合伙) 11715 | 代理人: | 崔云鹤 |
地址: | 100083*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 车辆 行驶 轨迹 道路 拥堵 精准 预警系统 方法 | ||
1.一种基于车辆行驶轨迹的道路拥堵精准预警系统,所述系统包括:
预测区域网格化模块,所述预测区域网格化模块将包含所述车辆行驶轨迹的预测区域进行网格化切分;
轨迹切分提取模块,所述轨迹切分提取模块针对前述预测区域网格化模块输出的切分子网格进行轨迹切分并且提取;
轨迹重建模块,所述轨迹重建模块基于前述轨迹切分提取模块输出的切分轨迹进行轨迹重建;
其特征在于:
所述系统还包括:
切分轨迹筛选模块,用于对前述轨迹切分提取模块输出的切分轨迹进行筛选后,提供给所述轨迹重建模块;
时空特征调节模块,提供可调节的时空特征参数给所述轨迹重建模块,所述轨迹重建模块结合所述时空特征参数重建出预测轨迹,基于所述预测轨迹,对当前道路的拥堵情况进行预测。
2.如权利要求1所述的系统,其特征在于:所述包含车辆行驶轨迹的预测区域,包括全国交通流量热点图、城市交通流量热点图、区域交通流量特点图以及道路交通流量热点图。
3.如权利要求1所述的系统,其特征在于:所述预测区域网格化模块将包含所述车辆行驶轨迹的预测区域进行网格化切分,包括:
设定切分粒度值,以所述切分粒度值对所述预测区域进行网格化切分,得到多个子网格区域;
特征值分段提取,具体包括:
针对每一个子网格区域,对子网格区域中的车辆轨迹进行分段;
计算分段轨迹的特征值;
所述特征值包括分段轨迹包含的车辆密度、车辆的行驶速度均值、车辆的行驶方向一致度之一或者其组合。
4.如权利要求3所述的系统,其特征在于:切分轨迹筛选模块,用于对前述轨迹切分提取模块输出的切分轨迹进行筛选后,提供给所述轨迹重建模块,具体包括:
如果对应分段轨迹的特征值满足预定条件,则输出该分段轨迹;
否则,抛弃该分段轨迹;
其中,分段轨迹的特征值满足预定条件,具体包括:
所述分段轨迹包含的车辆密度大于一定阈值,
或者分段轨迹包含的车辆的行驶速度均值小于一定阈值;
或者分段轨迹包含的车辆的行驶方向一致度大于一定阈值。
5.如权利要求1或3所述的系统,其特征在于:所述轨迹重建模块基于前述轨迹切分提取模块输出的切分轨迹进行轨迹重建,包括:
采用空时轨迹分段预测算法,基于前述轨迹切分提取模块输出的切分轨迹,预测车辆轨迹的延伸趋势。
6.如权利要求5所述的系统,其特征在于:采用空时轨迹分段预测算法,基于前述轨迹切分提取模块输出的切分轨迹,预测车辆轨迹的延伸趋势,进一步包括:基于所述时空特征调节模块输入的不同时空特征参数,预测车辆轨迹在所述不同时空参数下的延伸趋势。
7.如权利要求6所述的系统,其特征在于:利用所述预测的车辆轨迹的延伸趋势,对道路拥堵情形进行精准预警。
8.一种采用如权利要求1-7任一项所述的基于车辆行驶轨迹的道路拥堵精准预警系统进行道路拥堵程度预测的方法,所述方法包括如下步骤:
S1:对预测区域进行网格化切分,得到多个子网格区域;
S2:针对每一个子网格区域,对子网格中的车辆轨迹进行分段;
S3:计算分段轨迹的特征值;
S4:如果所述特征值满足预定条件,则保留该分段轨迹,进入步骤S5;
S5:基于所有保留的分段轨迹,采用空时轨迹分段预测算法,预测车辆轨迹的延伸趋势;
其特征在于:
在所述步骤S5中,还包括时空特征调节步骤,通过输入的不同时空特征参数,预测车辆轨迹在所述不同时空参数下的延伸趋势;
利用所述预测的车辆轨迹的延伸趋势,对拥堵程度进行预测;
其中,所述特征值满足预定条件,具体包括:
所述分段轨迹包含的车辆密度大于一定阈值,
或者分段轨迹包含的车辆的行驶速度均值小于一定阈值;
或者分段轨迹包含的车辆的行驶方向一致度大于一定阈值。
9.一种计算机可读存储介质,其上存储有计算机可执行指令,通过存储器和处理器执行所述指令,用于实现权利要求8所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(北京),未经中国地质大学(北京)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910639903.7/1.html,转载请声明来源钻瓜专利网。