CN119723896B - 一种公交车站干扰下的路段通行能力计算方法及系统 - Google Patents
一种公交车站干扰下的路段通行能力计算方法及系统 Download PDFInfo
- Publication number
- CN119723896B CN119723896B CN202510230588.8A CN202510230588A CN119723896B CN 119723896 B CN119723896 B CN 119723896B CN 202510230588 A CN202510230588 A CN 202510230588A CN 119723896 B CN119723896 B CN 119723896B
- Authority
- CN
- China
- Prior art keywords
- lane
- bus
- travel time
- interference degree
- target
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及城市交通管理技术领域,具体涉及一种公交车站干扰下的路段通行能力计算方法及系统,该方法包括:确定研究范围、以及研究时间段;获取研究范围、研究时间段内的社会车轨迹数据和公交车轨迹数据;基于社会车轨迹数据、以及公交车轨迹数据进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线;基于社会车轨迹拟合曲线,按照波峰定位‑间距定宽的车道划分法,进行车道划分,并确定车道顺序;按照车道顺序,确定受公交车站影响的多个目标车道;基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数,进而结合车道基本通行能力,确定各目标车道的实际通行能力。
Description
技术领域
本发明涉及城市交通管理技术领域,具体涉及一种公交车站干扰下的路段通行能力计算方法及系统。
背景技术
道路服务水平是对道路服务质量的一个关键评价指标,道路通行能力是服务水平指标的计算根本。城市道路上往往受到许多干扰因素影响,导致通行能力下降,其中,公交停靠站对于路段的通行能力干扰较大。然而在测算有公交停车站造成的影响时往往很复杂,往往涉及到公交停靠站样式(港湾或非港湾)、公交车停靠停车区是否有溢出、公交车线路数量及发车频率,以及是否受到交叉口影响等等,这些因素相互交织,不便于日常通行能力折减的测算,因此,有必要提出一种简化而有效的评估方法,以快速准确地估算公交停靠站对道路通行能力的影响。
发明内容
为了实现科学、准确地评估公交停靠站对道路通行能力的影响,本发明的目的在于提供一种公交车站干扰下的路段通行能力计算方法及系统,所采用的技术方案具体如下:
第一方面,本申请公开了一种公交车站干扰下的路段通行能力计算方法,所述方法包括:
S1、确定研究范围、以及研究时间段;
S2、获取研究范围、研究时间段内的社会车轨迹数据和公交车轨迹数据;
S3、基于所述社会车轨迹数据、以及所述公交车轨迹数据进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线;
S4、基于社会车轨迹拟合曲线,按照波峰定位-间距定宽的车道划分法,进行车道划分,并确定车道顺序;
S5、按照车道顺序,确定受公交车站影响的多个目标车道;
S6、基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数,进而结合车道基本通行能力,确定各目标车道的实际通行能力。
进一步的,步骤S3中,所述基于所述社会车轨迹数据、以及所述公交车轨迹数据进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线,包括:
S31、基于所述社会车轨迹数据、以及所述公交车轨迹数据,确定社会车轨迹变化相对集中的第一区段、以及公交车轨迹变化相对集中的第二区段;
S32、在所述第一区段、以及所述第二区段内,分别采用混合高斯分布模型进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线。
进一步的,步骤S4中,所述基于社会车轨迹拟合曲线,按照波峰定位-间距定宽的车道划分法,进行车道划分,并确定车道顺序,包括:
S41、基于社会车轨迹拟合曲线,通过峰值检测,确定其中的波峰;
S42、以各波峰为基准点,沿着波峰方向做垂线,得到道路中心线;
S43、以相邻道路中心线之间的距离为车道宽度,进行车道划分,并基于车道与路侧的相对位置确定车道顺序。
进一步的,步骤S6中,所述基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数,包括:
S61、基于所述社会车轨迹拟合曲线、以及所述公交车轨迹拟合曲线之间的重叠面积,确定各目标车道的公交车混合干扰程度;
S62、基于受公交车站干扰的车道与非干扰车道的车道行驶数据的对比分析,得到各目标车道的行程时间干扰程度;
S63、综合公交车混合干扰程度、以及行程时间干扰程度,通过加权平均并归一化处理的计算,得到各目标车道的通行能力折减系数。
进一步的,步骤S62中,所述基于受公交车站干扰的车道与非干扰车道的车道行驶数据的对比分析,得到各目标车道的行程时间干扰程度,包括:
S621、获取研究范围内每条车道上所有车辆的行驶时间数据,通过平均值的计算,得到每条车道的平均行程时间;
S622、确定受公交车站干扰的各目标车道的平均行程时间、以及其余非干扰车道的整体平均行程时间,通过相对差异的计算,得到各目标车道的行程时间干扰程度。
进一步的,针对各目标车道,步骤S63中,所述综合公交车混合干扰程度、以及行程时间干扰程度,通过加权平均并归一化处理的计算,得到各目标车道的通行能力折减系数,包括:
S631、基于熵权法的计算,得到对应公交车混合干扰程度的第一权重系数,以及对应行程时间干扰程度的第二权重系数;
S632、基于所述第一权重系数、以及所述第二权重系数,对公交车混合干扰程度、以及行程时间干扰程度进行加权平均计算,得到公交车站对目标车道的综合干扰程度;
S633、基于所述综合干扰程度进行归一化处理,得到目标车道的通行能力折减系数。
进一步的,步骤S6中,所述结合车道基本通行能力,确定各目标车道的实际通行能力,包括:
S64、获取各目标车道的车道基本通行能力,并通过对应的通行能力折减系数对其进行调整,得到各目标车道的实际通行能力。
第二方面,本申请公开了一种公交车站干扰下的路段通行能力计算系统,所述系统包括范围确定模块、轨迹数据获取模块、轨迹曲线拟合模块、车道划分模块、目标车道识别模块、以及路段通行能力评估模块,其中:
所述范围确定模块,用于确定研究范围、以及研究时间段;
所述轨迹数据获取模块,用于获取研究范围、研究时间段内的社会车轨迹数据和公交车轨迹数据;
所述轨迹曲线拟合模块,用于基于所述社会车轨迹数据、以及所述公交车轨迹数据进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线;
所述车道划分模块,用于基于社会车轨迹拟合曲线,按照波峰定位-间距定宽的车道划分法,进行车道划分,并确定车道顺序;
所述目标车道识别模块,用于按照车道顺序,确定受公交车站影响的多个目标车道;
所述路段通行能力评估模块,用于基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数,进而结合车道基本通行能力,确定各目标车道的实际通行能力。
第二方面,本申请公开了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,实现所述的公交车站干扰下的路段通行能力计算方法。
第二方面,本申请公开了一种公交车站干扰下的路段通行能力计算控制设备,包括通信接口、存储器、通信总线和处理器,其中,所述处理器、通信接口和存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现所述的公交车站干扰下的路段通行能力计算方法的步骤。
本发明具有如下有益效果:
1)采用波峰定位-间距定宽的车道划分法,可以基于车辆行驶数据的实际分布进行车道划分,确保划分的车道更符合实际交通流特性。按照车道顺序确定受公交车站影响的目标车道,能够精准定位交通影响区域,为后续的分析和优化提供明确的目标;
2)通过综合评估社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据,可以计算出各目标车道的通行能力折减系数,进而确定实际通行能力。这为交通规划和决策提供了科学依据,有助于优化交通组织和管理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种公交车站干扰下的路段通行能力计算方法的方法流程图;
图2为车道划分、以及轨迹曲线拟合示意图;
图3为社会车与公交车轨迹拟合曲线的重叠面积示意图;
图4为本发明一个实施例所提供的一种公交车站干扰下的路段通行能力计算系统的系统结构图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种公交车站干扰下的路段通行能力计算方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体地说明本发明所提供的一种公交车站干扰下的路段通行能力计算方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种公交车站干扰下的路段通行能力计算方法的方法流程图,该方法包括如下步骤:
步骤S1,确定研究范围、以及研究时间段。
具体的,本申请以公交站与上一个路口之间的路段作为研究路段,以早晚高峰时段(如早上7:00至9:00,晚上17:00至19:00)作为研究时间段。
步骤S2,获取研究范围、研究时间段内的社会车轨迹数据和公交车轨迹数据。
具体的,本申请基于车载GPS设备、交通监控系统等数据源,采集研究范围内和研究时间段内的社会车轨迹数据和公交车轨迹数据。这些数据包括了车辆的位置信息、速度、行驶方向等关键信息,能够反映车辆在研究路段上的行驶情况。
步骤S3,基于所述社会车轨迹数据、以及所述公交车轨迹数据进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线。
具体的,本申请采用混合高斯分布模型对社会车轨迹数据、以及公交车轨迹数据进行拟合。需要说明的是,混合高斯分布模型的应用能够更精确地捕捉和描述车辆轨迹数据的分布特征。
步骤S4,基于社会车轨迹拟合曲线,按照波峰定位-间距定宽的车道划分法,进行车道划分,并确定车道顺序。
具体的,请参考图2,本申请通过峰值检测识别社会车轨迹拟合曲线上的显著波峰,并以这些波峰为基准点做垂线得到道路中心线。之后,通过测量相邻道路中心线之间的间隔距离确定车道宽度,并根据车道与路侧的相对位置确定车道顺序,从而实现清晰、合理的车道划分,为交通管理和优化提供支持。
步骤S5,按照车道顺序,确定受公交车站影响的多个目标车道。
具体的,按照车道顺序,请参考图3,考虑到公交车站通常位于路边,且乘客上下车时会频繁穿越临近车道,这可能导致临近路侧的车道及其相邻车道的交通流受到影响,产生拥堵或行驶速度降低的情况。因此,本申请会将图中所示的车道1(即临近路侧的车道)、以及与其相邻的车道2作为目标车道。
步骤S6,基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数,进而结合车道基本通行能力,确定各目标车道的实际通行能力。
具体的,本申请会获取社会车辆和公交车在同一时段内的行驶轨迹,并分别进行曲线拟合,得到社会车轨迹拟合曲线与公交车轨迹拟合曲线。之后,再利用地理信息系统(GIS)或相关软件工具,计算这两条拟合曲线在各目标车道上的重叠面积,该重叠面积反映了公交车与社会车辆在同一车道上的混合行驶程度,即公交车混合干扰程度。之后,通过对比分析受公交车站干扰的车道(目标车道)与非干扰车道的行驶数据,量化评估公交车对目标车道造成的行程时间干扰程度。最后,基于公交车混合干扰程度和行程时间干扰程度,通过加权平均并归一化处理的计算方法,综合考虑两者对车道通行能力的影响,得出各目标车道的通行能力折减系数。这一系数反映了由于公交车干扰,目标车道通行能力相对于无干扰情况下的降低程度。进一步的,结合车道的基本通行能力(即在无干扰条件下,车道能够容纳的最大交通流量),利用通行能力折减系数进行调整,得出各目标车道的实际通行能力。
由上可知,本申请公开的一种公交车站干扰下的路段通行能力计算方法,采用波峰定位-间距定宽的车道划分法,可以基于车辆行驶数据的实际分布进行车道划分,确保划分的车道更符合实际交通流特性。按照车道顺序确定受公交车站影响的目标车道,能够精准定位交通影响区域,为后续的分析和优化提供明确的目标;通过综合评估社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据,可以计算出各目标车道的通行能力折减系数,进而确定实际通行能力。这为交通规划和决策提供了科学依据,有助于优化交通组织和管理。
在其中一个实施例中,步骤S3中,所述基于所述社会车轨迹数据、以及所述公交车轨迹数据进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线,包括:
步骤S31,基于所述社会车轨迹数据、以及所述公交车轨迹数据,确定社会车轨迹变化相对集中的第一区段、以及公交车轨迹变化相对集中的第二区段。
具体的,由于受公交站干扰,社会车辆会在临近公交发生停靠行为前,进行变道以避开停靠的公交车、减速以保持安全距离、或停车等待公交车完成停靠并重新起步等行为,而这些行为会集中在一定路段范围产生,导致该区域内的交通流特性发生变化。基于此,本申请会分析社会车和公交车的轨迹数据,其中,对于社会车,本申请会基于车辆的行驶速度、方向等参数的变化情况,通过统计分析,将识别出的交通流量大、行驶状况复杂的区域路段作为第一区段。对于公交车,则基于其停靠站、停靠时间、与其他车辆的交互状态等特性,将公交车行驶轨迹变化较为集中的区域路段作为第二区段。
步骤S32,在所述第一区段、以及所述第二区段内,分别采用混合高斯分布模型进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线。
具体的,所述混合高斯分布模型的定义公式包括:
;
其中,p(x)表示混合高斯分布概率密度函数,j表示车辆类型,wj表示第j车辆类型的占比,表示第j车辆类型距离道路中心线距离的标准差,μj表示第j车辆类型距离道路中心线距离的均值,x表示总体车辆距离道路中心线的距离。
上述实施例中,利用混合高斯分布模型能够捕捉数据的复杂分布特性,提高拟合的准确性和鲁棒性的特点,使得能够得到更贴近实际的社会车和公交车轨迹拟合曲线,进而为后续的数据分析提供可靠的数据支持。
在其中一个实施例中,步骤S4中,所述基于社会车轨迹拟合曲线,按照波峰定位-间距定宽的车道划分法,进行车道划分,并确定车道顺序,包括:
步骤S41,基于社会车轨迹拟合曲线,通过峰值检测,确定其中的波峰。
具体的,本申请通过分析拟合曲线上的局部最大值点,并将这些点作为波峰。需要说明的是,波峰的位置代表了社会车行驶轨迹中较为集中的区域,通常对应于道路的中心。
步骤S42,以各波峰为基准点,沿着波峰方向做垂线,得到道路中心线。
具体的,本申请会在每个波峰处确定一个垂直方向,并沿着这个方向做一条垂线,这些垂线将作为道路中心线的初步估计。
步骤S43,以相邻道路中心线之间的距离为车道宽度,进行车道划分,并基于车道与路侧的相对位置确定车道顺序。
具体的,本申请会计算相邻道路线之间的间隔距离,这个距离即为车道宽度。之后,再根据车道与路侧的相对位置来确定车道的顺序。
在其中一个实施例中,请参考图2,本申请会将邻近路侧的车道定义为车道1,然后依次向左(具体根据道路的行驶方向而定)编号,得到车道2、车道3等。其中,车道1、以及与其相邻的车道2被定义为受公交车影响的车道。
在其中一个实施例中,步骤S6中,所述基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数,包括:
步骤S61,基于所述社会车轨迹拟合曲线、以及所述公交车轨迹拟合曲线之间的重叠面积,确定各目标车道的公交车混合干扰程度。
具体的,本申请会根据混合高斯分布模型绘制的各轨迹拟合曲线、以及统一参照坐标系坐标轴横轴形成的围合区域,确定社会车轨迹拟合曲线、以及公交车轨迹拟合曲线之间的重叠面积。
进一步的,请参考图3,目标车道范围内的重叠面积即为目标车道的公交车混合干扰程度,具体计算公式为:
;
其中,表示车道i的公交车混合干扰程度,表示车道i范围内社会车辆轨迹拟合曲线与公交车轨迹拟合曲线之间的重叠面积。
步骤S62,基于受公交车站干扰的车道与非干扰车道的车道行驶数据的对比分析,得到各目标车道的行程时间干扰程度。
具体的,本申请会获取研究范围内每条车道上所有车辆的行驶时间,并能通过算数平均的计算,得到每条车道的平均行程时间。之后,通过筛选与分组,得到受公交车站干扰车道(即目标车道)的平均行程时间T i ,以及非干扰车道(除目标车道外的所有车道)的整体平均行程时间T o 之后,基于平均行程时间T i 与整体平均行程时间T o 进行相对差异的计算,即可得到目标车道的行程时间干扰程度,其反映了公交车停靠对目标车道通行效率造成的额外时间负担。
步骤S63,综合公交车混合干扰程度、以及行程时间干扰程度,通过加权平均并归一化处理的计算,得到各目标车道的通行能力折减系数。
具体的,本申请会根据熵权法,为公交车混合干扰程度、以及行程时间干扰程度分配相应的权重,其中,熵权法是一种客观赋权方法,它能够根据各指标数据的离散程度来确定权重,使得离散程度越大的指标对综合评价的影响越大,从而赋予其更大的权重。
进一步的,在确定了权重之后,则对公交车混合干扰程度、以及行程时间干扰程度(即指标)进行加权平均计算。也就是,本申请会将每个指标的数值乘以其对应的权重,然后将加权后的数值相加来完成。
最后,将计算得到的加权平均值进行归一化处理,以得到各目标车道的通行能力折减系数。需要说明的是,归一化后的数值即为通行能力折减系数,它反映了各目标车道受公交车干扰的程度,其中,数值越大则表示干扰越严重,通行能力降低的幅度也就越大。
上述实施例中,通过分析社会车辆和公交车轨迹拟合曲线之间的重叠面积,可以精确量化公交车在目标车道上产生的混合干扰程度。这种量化方法比传统的定性评估更为准确,有助于更深入地理解公交车对交通流的影响。另外,通过对比分析受公交车站干扰的车道与非干扰车道的车道行驶数据,可以明确公交车停靠站对车道行程时间的具体影响。最后,综合公交车混合干扰程度和行程时间干扰程度,通过加权平均并归一化处理得到的通行能力折减系,能够客观反映公交车对车道通行能力的实际影响,为交通规划和管理提供科学依据。
在其中一个实施例中,步骤S62中,所述基于受公交车站干扰的车道与非干扰车道的车道行驶数据的对比分析,得到各目标车道的行程时间干扰程度,包括:
步骤S621,获取研究范围内每条车道上所有车辆的行驶时间数据,通过平均值的计算,得到每条车道的平均行程时间。
具体的,本申请会通过车载GPS设备或交通监控系统等数据采集设备,收集研究范围内每条车道上所有车辆的行驶时间数据。之后,通过求和所有车辆的行驶时间并除以车辆数量,得到每条车道的平均行程时间。
步骤S622,确定受公交车站干扰的各目标车道的平均行程时间、以及其余非干扰车道的整体平均行程时间,通过相对差异的计算,得到各目标车道的行程时间干扰程度。
具体的,对于受公交车站干扰的目标车道,本申请会通过步骤S621示意的方法计算其平均行程时间。同时,对研究范围内的其余非干扰车道,本申请会计算其整体平均行程时间,这可以通过计算所有非干扰车道的平均行程时间通过加权平均处理之后,即可得到对应的整体平均行程时间。
进一步的,本申请还将计算目标车道的平均行程时间与非干扰车道的整体平均行程时间的相对差异,这可以通过将目标车道的平均行程时间减去非干扰车道的整体平均行程时间,然后除以非干扰车道的整体平均行程时间来实现,得到的百分比取值即为各目标车道的行程时间干扰程度。
在其中一个实施例中,各目标车道的行程时间干扰程度可以通过以下公式计算所得:
;
其中,表示车道i(即为前述示意的目标车道)的行程时间干扰程度,表示车道i的平均行程时间,表示非干扰车道的整体平均行程时间。
上述实施例中,通过对比受公交车站干扰的目标车道与非干扰车道的平均行程时间,我们可以量化评估公交车停靠站对车道行驶效率的干扰程度。这种量化评估为交通规划和优化提供了有效的数据支持。
在其中一个实施例中,针对各目标车道,步骤S63中,所述综合公交车混合干扰程度、以及行程时间干扰程度,通过加权平均并归一化处理的计算,得到各目标车道的通行能力折减系数,包括:
步骤S631,基于熵权法的计算,得到对应公交车混合干扰程度的第一权重系数,以及对应行程时间干扰程度的第二权重系数。
具体的,熵权法的计算步骤包括:
第一步,对各个指标数据进行归一化处理。其中,指标数据分别为:
;
其中,为车道i的公交车混合干扰程度和行程时间干扰程度的数据集;
为对、进行标准化后的值。
对各指标数据进行归一化处理后,得到的归一化值即为:
;
其中,为数据矩阵中的标准化数据,i表示车道,j表示bus/car;表示数据矩阵中的第i条车道的第j个指标值,表示所有车道中所有干扰系数的最小值,表示所有车道中所有干扰系数的最大值。
第二步:将第一步中计算得到的归一化值带入以下公式,计算得到第j个指标下第i个指标值在整体指标数据中所占比重:
;
第三步:根据信息论中信息熵的定义,将带入以下公式,计算得到第j项指标的熵值:
;
第四步:将带入以下公式进行计算,即可得到对应公交车混合干扰程度的第一权重系数,以及对应行程时间干扰程度的第二权重系数:
;
即为第一权重系数,为第二权重系数,其中,k为指标的个数,即k=2。
步骤S632,基于所述第一权重系数、以及所述第二权重系数,对公交车混合干扰程度、以及行程时间干扰程度进行加权平均计算,得到公交车站对目标车道的综合干扰程度。
具体的,在得到对应车道i的第一权重系数、以及对应车道i的第二权重系数之后,通过以下公式对公交车混合干扰程度、以及行程时间干扰程度进行加权平均计算,即可得到公交车站对车道i的综合干扰程度:
;
其中,表示对应车道i的公交车混合干扰程度,表示对应车道i的行程时间干扰程度。
步骤S633,基于所述综合干扰程度进行归一化处理,得到目标车道的通行能力折减系数。
具体的,本申请通过以下公式进行归一化处理:
;
其中,表示对应车道i的通行能力折减系数。
需要说明的是,通行能力折减系数是一个小于或等于1的值,它代表了由于各种不利因素导致的车道通行能力的降低程度。具体来说,若车道i的通行能力折减系数越接近于1,则表示车道i的车道通行能力受不利因素影响越小;反之,若系数越小,则表示车道i的车道通行能力受不利因素影响越大。
上述实施例中,基于熵权法的计算,能够精确量化公交车混合干扰程度和行程时间干扰程度各自的权重。且基于量化所得的各项权重,对公交车混合干扰程度和行程时间干扰程度进行加权平均计算,得出公交车站对目标车道的综合干扰程度。这种综合评估方法能够全面考虑多种干扰因素对目标车道通行能力的影响,使得评估结果更加准确和可靠。
在其中一个实施例中,步骤S6中,所述结合车道基本通行能力,确定各目标车道的实际通行能力,包括:
步骤S64,获取各目标车道的车道基本通行能力,并通过对应的通行能力折减系数对其进行调整,得到各目标车道的实际通行能力。
具体的,本申请将获取每个目标车道的车道基本通行能力,并将其与对应的通行能力折减系数相乘,所得的结果即为该车道的实际通行能力。这种调整方法能够更准确地反映道路车道的实际通行状况,为交通规划、设计和管理提供更加科学的依据,有助于提升道路通行效率,减少交通拥堵。
请参考图4,本申请公开的一种公交车站干扰下的路段通行能力计算系统,所述系统包括范围确定模块、轨迹数据获取模块、轨迹曲线拟合模块、车道划分模块、目标车道识别模块、以及路段通行能力评估模块,其中:
所述范围确定模块,用于确定研究范围、以及研究时间段。
所述轨迹数据获取模块,用于获取研究范围、研究时间段内的社会车轨迹数据和公交车轨迹数据。
所述轨迹曲线拟合模块,用于基于所述社会车轨迹数据、以及所述公交车轨迹数据进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线。
所述车道划分模块,用于基于社会车轨迹拟合曲线,按照波峰定位-间距定宽的车道划分法,进行车道划分,并确定车道顺序。
所述目标车道识别模块,用于按照车道顺序,确定受公交车站影响的多个目标车道。
所述路段通行能力评估模块,用于基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数,进而结合车道基本通行能力,确定各目标车道的实际通行能力。
在其中一个实施例中,上述各模块还用于实现上述任一项方法实施例中示意的步骤,本申请对此不做限定。
由上可知,本申请公开的一种公交车站干扰下的路段通行能力计算系统,采用波峰定位-间距定宽的车道划分法,可以基于车辆行驶数据的实际分布进行车道划分,确保划分的车道更符合实际交通流特性。按照车道顺序确定受公交车站影响的目标车道,能够精准定位交通影响区域,为后续的分析和优化提供明确的目标;通过综合评估社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据,可以计算出各目标车道的通行能力折减系数,进而确定实际通行能力。这为交通规划和决策提供了科学依据,有助于优化交通组织和管理。
本申请还公开的一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,实现所述的公交车站干扰下的路段通行能力计算方法。
由上可知,本申请公开的一种计算机可读存储介质,采用波峰定位-间距定宽的车道划分法,可以基于车辆行驶数据的实际分布进行车道划分,确保划分的车道更符合实际交通流特性。按照车道顺序确定受公交车站影响的目标车道,能够精准定位交通影响区域,为后续的分析和优化提供明确的目标;通过综合评估社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据,可以计算出各目标车道的通行能力折减系数,进而确定实际通行能力。这为交通规划和决策提供了科学依据,有助于优化交通组织和管理。
本申请还公开了一种公交车站干扰下的路段通行能力计算控制设备,包括通信接口、存储器、通信总线和处理器,其中,所述处理器、通信接口和存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现所述的公交车站干扰下的路段通行能力计算方法的步骤。
由上可知,本申请公开的一种公交车站干扰下的路段通行能力计算控制设备,采用波峰定位-间距定宽的车道划分法,可以基于车辆行驶数据的实际分布进行车道划分,确保划分的车道更符合实际交通流特性。按照车道顺序确定受公交车站影响的目标车道,能够精准定位交通影响区域,为后续的分析和优化提供明确的目标;通过综合评估社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据,可以计算出各目标车道的通行能力折减系数,进而确定实际通行能力。这为交通规划和决策提供了科学依据,有助于优化交通组织和管理。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种公交车站干扰下的路段通行能力计算方法,其特征在于,所述方法包括:
S1、确定研究范围、以及研究时间段;
S2、获取研究范围、研究时间段内的社会车轨迹数据和公交车轨迹数据;
S3、基于所述社会车轨迹数据、以及所述公交车轨迹数据进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线;
S4、基于社会车轨迹拟合曲线,按照波峰定位-间距定宽的车道划分法,进行车道划分,并确定车道顺序;
S5、按照车道顺序,确定受公交车站影响的多个目标车道;
S6、基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数,进而结合车道基本通行能力,确定各目标车道的实际通行能力;
步骤S6中,所述基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数,包括:
S61、基于所述社会车轨迹拟合曲线、以及所述公交车轨迹拟合曲线之间的重叠面积,确定各目标车道的公交车混合干扰程度;
S62、基于受公交车站干扰的车道与非干扰车道的车道行驶数据的对比分析,得到各目标车道的行程时间干扰程度;
S63、综合公交车混合干扰程度、以及行程时间干扰程度,通过加权平均并归一化处理的计算,得到各目标车道的通行能力折减系数;
步骤S62中,所述基于受公交车站干扰的车道与非干扰车道的车道行驶数据的对比分析,得到各目标车道的行程时间干扰程度,包括:
S621、获取研究范围内每条车道上所有车辆的行驶时间数据,通过平均值的计算,得到每条车道的平均行程时间;
S622、确定受公交车站干扰的各目标车道的平均行程时间、以及其余非干扰车道的整体平均行程时间,通过相对差异的计算,得到各目标车道的行程时间干扰程度,各目标车道的行程时间干扰程度通过以下公式计算所得:
;
其中,表示车道i的行程时间干扰程度,表示车道i的平均行程时间,表示非干扰车道的整体平均行程时间;
针对各目标车道,步骤S63中,所述综合公交车混合干扰程度、以及行程时间干扰程度,通过加权平均并归一化处理的计算,得到各目标车道的通行能力折减系数,包括:
S631、基于熵权法的计算,得到对应公交车混合干扰程度的第一权重系数,以及对应行程时间干扰程度的第二权重系数;
S632、基于所述第一权重系数、以及所述第二权重系数,对公交车混合干扰程度、以及行程时间干扰程度进行加权平均计算,得到公交车站对目标车道的综合干扰程度;
S633、基于所述综合干扰程度进行归一化处理,得到目标车道的通行能力折减系数。
2.根据权利要求1所述的方法,其特征在于,步骤S3中,所述基于所述社会车轨迹数据、以及所述公交车轨迹数据进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线,包括:
S31、基于所述社会车轨迹数据、以及所述公交车轨迹数据,确定社会车轨迹变化相对集中的第一区段、以及公交车轨迹变化相对集中的第二区段;
S32、在所述第一区段、以及所述第二区段内,分别采用混合高斯分布模型进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线。
3.根据权利要求1所述的方法,其特征在于,步骤S4中,所述基于社会车轨迹拟合曲线,按照波峰定位-间距定宽的车道划分法,进行车道划分,并确定车道顺序,包括:
S41、基于社会车轨迹拟合曲线,通过峰值检测,确定其中的波峰;
S42、以各波峰为基准点,沿着波峰方向做垂线,得到道路中心线;
S43、以相邻道路中心线之间的距离为车道宽度,进行车道划分,并基于车道与路侧的相对位置确定车道顺序。
4.根据权利要求1所述的方法,其特征在于,步骤S6中,所述结合车道基本通行能力,确定各目标车道的实际通行能力,包括:
S64、获取各目标车道的车道基本通行能力,并通过对应的通行能力折减系数对其进行调整,得到各目标车道的实际通行能力。
5.一种公交车站干扰下的路段通行能力计算系统,其特征在于,所述系统包括范围确定模块、轨迹数据获取模块、轨迹曲线拟合模块、车道划分模块、目标车道识别模块、以及路段通行能力评估模块,其中:
所述范围确定模块,用于确定研究范围、以及研究时间段;
所述轨迹数据获取模块,用于获取研究范围、研究时间段内的社会车轨迹数据和公交车轨迹数据;
所述轨迹曲线拟合模块,用于基于所述社会车轨迹数据、以及所述公交车轨迹数据进行曲线拟合,得到社会车轨迹拟合曲线、以及公交车轨迹拟合曲线;
所述车道划分模块,用于基于社会车轨迹拟合曲线,按照波峰定位-间距定宽的车道划分法,进行车道划分,并确定车道顺序;
所述目标车道识别模块,用于按照车道顺序,确定受公交车站影响的多个目标车道;
所述路段通行能力评估模块,用于基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数,进而结合车道基本通行能力,确定各目标车道的实际通行能力;
所述路段通行能力评估模块基于社会车与公交车轨迹拟合曲线的重叠面积及车道行驶数据对比分析,综合评估各目标车道的通行能力折减系数的具体实现为:
基于所述社会车轨迹拟合曲线、以及所述公交车轨迹拟合曲线之间的重叠面积,确定各目标车道的公交车混合干扰程度;
基于受公交车站干扰的车道与非干扰车道的车道行驶数据的对比分析,得到各目标车道的行程时间干扰程度;
综合公交车混合干扰程度、以及行程时间干扰程度,通过加权平均并归一化处理的计算,得到各目标车道的通行能力折减系数;
所述路段通行能力评估模块基于受公交车站干扰的车道与非干扰车道的车道行驶数据的对比分析,得到各目标车道的行程时间干扰程度的具体实现为:
获取研究范围内每条车道上所有车辆的行驶时间数据,通过平均值的计算,得到每条车道的平均行程时间;
确定受公交车站干扰的各目标车道的平均行程时间、以及其余非干扰车道的整体平均行程时间,通过相对差异的计算,得到各目标车道的行程时间干扰程度,各目标车道的行程时间干扰程度通过以下公式计算所得:
;
其中,表示车道i的行程时间干扰程度,表示车道i的平均行程时间,表示非干扰车道的整体平均行程时间;
针对各目标车道,所述路段通行能力评估模块综合公交车混合干扰程度、以及行程时间干扰程度,通过加权平均并归一化处理的计算,得到各目标车道的通行能力折减系数的具体实现为:
基于熵权法的计算,得到对应公交车混合干扰程度的第一权重系数,以及对应行程时间干扰程度的第二权重系数;
基于所述第一权重系数、以及所述第二权重系数,对公交车混合干扰程度、以及行程时间干扰程度进行加权平均计算,得到公交车站对目标车道的综合干扰程度;
基于所述综合干扰程度进行归一化处理,得到目标车道的通行能力折减系数。
6.一种计算机可读存储介质,存储有计算机程序,其特征在于:所述计算机程序被处理器执行时,实现权利要求1-4任一项所述的公交车站干扰下的路段通行能力计算方法。
7.一种公交车站干扰下的路段通行能力计算控制设备,其特征在于:包括通信接口、存储器、通信总线和处理器,其中,所述处理器、通信接口和存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1-4任一项所述的公交车站干扰下的路段通行能力计算方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202510230588.8A CN119723896B (zh) | 2025-02-28 | 2025-02-28 | 一种公交车站干扰下的路段通行能力计算方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202510230588.8A CN119723896B (zh) | 2025-02-28 | 2025-02-28 | 一种公交车站干扰下的路段通行能力计算方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN119723896A CN119723896A (zh) | 2025-03-28 |
| CN119723896B true CN119723896B (zh) | 2025-06-10 |
Family
ID=95102179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202510230588.8A Active CN119723896B (zh) | 2025-02-28 | 2025-02-28 | 一种公交车站干扰下的路段通行能力计算方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN119723896B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN120580861A (zh) * | 2025-08-05 | 2025-09-02 | 山东省交通规划设计院集团有限公司 | 停车场出入活动对道路通行能力影响的评估方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110232821A (zh) * | 2019-06-19 | 2019-09-13 | 河海大学 | 一种高峰时段港湾公交停靠站临近车道通行能力计算方法 |
| CN118094392A (zh) * | 2024-01-31 | 2024-05-28 | 山东交通学院 | 一种道路车道线生成方法、装置、计算机设备及存储介质 |
| CN118711372A (zh) * | 2024-07-22 | 2024-09-27 | 武汉市规划研究院(武汉市交通发展战略研究院) | 基于多类型时空轨迹数据的机非混行影响分析方法及系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930670B (zh) * | 2010-08-12 | 2012-08-15 | 东南大学 | 公交行驶路段社会车辆运行时间预测方法 |
| US9286793B2 (en) * | 2012-10-23 | 2016-03-15 | University Of Southern California | Traffic prediction using real-world transportation data |
| US10895468B2 (en) * | 2018-04-10 | 2021-01-19 | Toyota Jidosha Kabushiki Kaisha | Dynamic lane-level vehicle navigation with lane group identification |
| EP3567345A1 (en) * | 2018-05-08 | 2019-11-13 | Volkswagen AG | Vehicle, apparatus, method and computer program for adapting a current route, network component, method and computer program for providing data on a traffic disturbing vehicle |
| CN111739291B (zh) * | 2020-06-05 | 2023-01-13 | 腾讯科技(深圳)有限公司 | 道路路况计算中的干扰识别方法及装置 |
| CN111932891B (zh) * | 2020-08-20 | 2022-03-25 | 腾讯科技(深圳)有限公司 | 一种路况识别方法及相关装置 |
| JP7563469B2 (ja) * | 2020-10-19 | 2024-10-08 | 住友電気工業株式会社 | 遅れ時間の算出装置、算出方法、及びコンピュータプログラム |
| US12227204B2 (en) * | 2022-08-25 | 2025-02-18 | Toyota Research Institute, Inc. | Systems and methods for detecting roadway lane boundaries |
| CN118464036A (zh) * | 2023-02-09 | 2024-08-09 | 腾讯科技(深圳)有限公司 | 道路车道的识别方法、装置、设备、介质及程序产品 |
| KR20240141365A (ko) * | 2023-03-20 | 2024-09-27 | 한양대학교 에리카산학협력단 | 혼합교통류 도로 안전성 취약구간 도출 시스템 및 방법 |
| CN117351705A (zh) * | 2023-09-28 | 2024-01-05 | 智慧互通科技股份有限公司 | 一种车道通行能力预测方法及系统 |
-
2025
- 2025-02-28 CN CN202510230588.8A patent/CN119723896B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110232821A (zh) * | 2019-06-19 | 2019-09-13 | 河海大学 | 一种高峰时段港湾公交停靠站临近车道通行能力计算方法 |
| CN118094392A (zh) * | 2024-01-31 | 2024-05-28 | 山东交通学院 | 一种道路车道线生成方法、装置、计算机设备及存储介质 |
| CN118711372A (zh) * | 2024-07-22 | 2024-09-27 | 武汉市规划研究院(武汉市交通发展战略研究院) | 基于多类型时空轨迹数据的机非混行影响分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN119723896A (zh) | 2025-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107610464B (zh) | 一种基于高斯混合时间序列模型的轨迹预测方法 | |
| CN114783183B (zh) | 一种基于交通态势算法的监控方法与系统 | |
| CN116935654B (zh) | 一种基于数据分配值的智慧城市数据分析方法及系统 | |
| CN119723896B (zh) | 一种公交车站干扰下的路段通行能力计算方法及系统 | |
| CN107742193B (zh) | 一种基于时变状态转移概率马尔可夫链的行车风险预测方法 | |
| US8645052B2 (en) | Motor vehicle acceleration determining system | |
| CN107085943B (zh) | 一种道路旅行时间短期预测方法和系统 | |
| CN107145989A (zh) | 基于人‑车‑交通路况的实际行驶工况构建方法 | |
| CN110288825B (zh) | 基于多源数据融合和snmf的交通控制子区聚类划分方法 | |
| CN101751777A (zh) | 基于空间聚类分析的城市路网交通小区动态划分方法 | |
| CN101739814A (zh) | 基于scats线圈数据的交通状态在线定量评价与预测方法 | |
| CN104318757B (zh) | 一种公交专用道上的公交车车路段运行时间预测方法 | |
| CN112258830B (zh) | 车辆编队行驶的可靠性评估方法及其应用 | |
| CN105355049A (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
| WO2018103449A1 (zh) | 基于建成环境和低频浮动车数据的路段行程时间估计方法 | |
| CN113935158B (zh) | 一种针对高速公路事故多发点的交通检测器优化布设方法 | |
| CN119091633B (zh) | 多维数据驱动的城市交通调度方法及平台 | |
| Habtemichael et al. | Incident-induced delays on freeways: quantification method by grouping similar traffic patterns | |
| CN116859352A (zh) | 一种路侧毫米波雷达设备运行状态评估方法及系统 | |
| CN118643948B (zh) | 基于网格化实现充电站的智能选址方法及系统 | |
| CN117133115A (zh) | 一种高速公路后方超视距潜在危险车辆检测方法 | |
| Yang et al. | Rapid analysis and detection algorithm and prevention countermeasures of urban traffic accidents under artificial intelligence | |
| Kyriakou et al. | A low-cost pavement-rating system, based on machine learning, utilising smartphone sensors | |
| CN107590998B (zh) | 一种基于浮动车数据的道路节点运行状态识别系统 | |
| CN111210067A (zh) | 一种通勤视角都市圈空间半径测算方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |