[发明专利]交通状态监测方法、装置、计算机设备和可读存储介质有效
申请号: | 202010372669.9 | 申请日: | 2020-05-06 |
公开(公告)号: | CN113628434B | 公开(公告)日: | 2022-11-15 |
发明(设计)人: | 陈清元 | 申请(专利权)人: | 深圳市万普拉斯科技有限公司 |
主分类号: | G08G1/01 | 分类号: | G08G1/01 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 董慧 |
地址: | 518000 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 交通 状态 监测 方法 装置 计算机 设备 可读 存储 介质 | ||
1.一种交通状态监测方法,其特征在于,所述方法包括:
获取目标路段在观测时长内采样所得的车辆GPS数据;所述车辆GPS数据包括车辆数量、车辆速度和车辆位置;
根据所述车辆GPS数据计算所述观测时长内各采样周期的速度变异系数和跟车距离变异系数;根据所述速度变异系数、所述速度变异系数对应的权重、所述跟车距离变异系数和所述跟车距离变异系数对应的权重,计算所述观测时长内各采样周期的交通流离散度;所述速度变异系数对应的权重与所述跟车距离变异系数对应的权重之和为1;
所述跟车距离变异系数通过下式求得:
其中,DCVl(t)为在采样t时刻路段l上对应的跟车距离变异系数,DSDl(t)为在采样t时刻路段l上对应的所有车辆的跟车距离标准差,为在采样t时刻路段l上所有辆车的跟车距离均值,为在采样t时刻路段l上第i辆车的跟车距离,nl(t)为在采样t时刻路段l上的车辆数量;采样t时刻是观测时间内的第j个采样周期对应的时刻;
确定所述观测时长内的所述交通流离散度处于预设范围的命中次数,根据所述命中次数和所述观测时长内的采样次数,确定所述交通流离散度处于预设范围的第一比率;
若所述第一比率大于比率阈值,则确定在所述观测时长内所述目标路段的交通状态为拥堵状态。
2.根据权利要求1所述的方法,其特征在于,所述获取目标路段在观测时长内采样所得的车辆GPS数据,包括:
获取目标路段在观测时长内采样所得的原始车辆GPS数据;
对所述原始车辆GPS数据进行无效数据剔除处理,得到车辆GPS数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述车辆GPS数据计算所述观测时长内各采样周期的速度变异系数,包括:
根据所述车辆数量和所述车辆速度计算速度变异系数。
4.根据权利要求1所述的方法,其特征在于,所述确定所述观测时长内的所述交通流离散度处于预设范围的命中次数,包括:
获取所述观测时长对应的第一时长和所述采样周期对应的第二时长;
根据所述第一时长和所述第二时长计算在所述观测时长内的采样次数;
确定在所述观测时长内所述交通流离散度处于所述预设范围的命中次数。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述观测时长内各采样周期的交通流离散度,预测目标观测时长内各目标采样周期的交通流离散度,得到预测交通流离散度;
确定所述目标观测时长内的所述预测交通流离散度处于所述预设范围的第二比率;
若所述第二比率大于所述比率阈值,则确定在所述目标观测时长内所述目标路段的交通状态为拥堵状态。
6.根据权利要求5所述的方法,其特征在于,所述根据所述观测时长内各采样周期的交通流离散度,预测目标观测时长内各目标采样周期的交通流离散度,包括:
将所述观测时长内各采样周期的交通流离散度输入交通流离散度预测模型;所述交通流离散度预测模型为自回归移动平均模型;
通过所述交通流离散度预测模型预测所述目标观测时长内各目标采样周期的交通流离散度。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据在所述目标观测时长内所述目标路段的交通状态为拥堵状态,对所述目标路段对应路口的信号灯配时进行调整。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据在所述观测时长内所述目标路段的交通状态为拥堵状态生成拥堵提示信息;所述拥堵提示信息用于提示所述目标路段发生拥堵;
将所述拥堵提示信息发送至目标终端。
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深圳市万普拉斯科技有限公司,未经深圳市万普拉斯科技有限公司许可,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/202010372669.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种货运空铁集装箱提升中转装置及其方法
- 下一篇:一种沙发支撑底架