WO2012024957A1 - 实时交通流数据融合方法及装置 - Google Patents

实时交通流数据融合方法及装置 Download PDF

Info

Publication number
WO2012024957A1
WO2012024957A1 PCT/CN2011/075408 CN2011075408W WO2012024957A1 WO 2012024957 A1 WO2012024957 A1 WO 2012024957A1 CN 2011075408 W CN2011075408 W CN 2011075408W WO 2012024957 A1 WO2012024957 A1 WO 2012024957A1
Authority
WO
WIPO (PCT)
Prior art keywords
road
state
real
trust
traffic flow
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.)
Ceased
Application number
PCT/CN2011/075408
Other languages
English (en)
French (fr)
Inventor
夏伟
魏俊华
胡健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Cennavi Technologies Co Ltd
Original Assignee
Beijing Cennavi Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Cennavi Technologies Co Ltd filed Critical Beijing Cennavi Technologies Co Ltd
Publication of WO2012024957A1 publication Critical patent/WO2012024957A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

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
    • G08G1/02—Detecting movement of traffic to be counted or controlled using treadles built into the road
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control

Definitions

  • FIG. 2 is a schematic diagram of an operation speed and a road condition state of acquiring a road by using a coil according to Embodiment 1 of the present invention
  • the embodiment shown in FIG. 1 provides a real-time traffic flow data fusion method, which specifically includes the following steps: 1 01. Calculate, according to each real-time traffic flow data of the at least two real-time traffic flow data, a road state S and a running speed V corresponding to the road under each of the real-time traffic flow data.
  • the method for calculating the corresponding road state S and the running speed V of the road under each of the real-time traffic flow data is different, and the following describes how to calculate the road in the FCD, traffic, respectively.
  • Corresponding road state S and running speed V under flow induction coil data and event information data is different, and the following describes how to calculate the road in the FCD, traffic, respectively.
  • Step 3 Through map matching, the path is estimated to get the path corresponding to all GPS points of each vehicle. Specifically, it can be realized by the following methods: Selecting the possible matching roads based on the latitude and longitude coordinates of the GPS points, generally there are multiple, filtering the roads that are too large with the angle of the road through the direction of the GPS points, and the time passing through the GPS points The order and the road connection are determined to match the road.
  • the vehicle detector can obtain the time T1 passing through the first coil and the time T2 passing through the second coil, respectively, assuming the two adjacent coils.
  • the actual distance is D
  • the road state S is obtained based on the operating speed.
  • Event information data is usually collected by hand, and can be divided into internal collections and field collections.
  • the internal collection mainly collects traffic information from FM stations or collects data through video observations.
  • the field collection mainly depends on the collection. Personnel manually visualize the specific road traffic flow conditions. Both of these methods can directly obtain a more accurate road state S, but the running speed V is generally based on the road condition.
  • the state of the road condition mentioned in the embodiment of the present invention includes: smooth, slow, or congested.
  • the road state S is specifically: when the running speed V is less than 20 km/h, determining that the road state S is congested; when the running speed V is greater than or equal to 20 km/h and less than 40 km/h, determining that the road state S is slow; When the running speed V is greater than or equal to 40 km/h, it is determined that the road condition state S is unblocked.
  • this step can be implemented by the following sub-steps (not shown):
  • 102B Determine a trust degree corresponding to each real-time traffic flow data according to a conversion formula and a state accuracy rate of each of the real-time traffic flow data within a preset time range.
  • step 102 determines that the trustworthiness of each of the four real-time traffic flow data is as shown in Table 2:
  • the trust degree of the road in the road condition state in this step is: the sum of trust degrees corresponding to all real-time traffic flow data used when calculating the road state. The following describes in detail how to calculate the trust of the road under various road conditions.
  • the road state S having the highest trust degree is used as the current road condition of the road. a state, and calculating a current running speed of the road according to the running speed V corresponding to the road in the road state S with the highest degree of trust.
  • the current running speed V of the road G is calculated by the following process: ⁇ using the weighted average value of the road running speed V corresponding to the road state with the highest trust state as the current state of the road The running speed, wherein the weight value is a trust degree corresponding to the real-time traffic flow data used when calculating the running speed V.
  • the corresponding running speeds of the road G in the slow state are 21 km/h, 29 km/h and 27 km/h, respectively, and the calculation results are "21 km/h”.
  • the real-time traffic flow data is "FCD2", and the real-time traffic flow data used when calculating "29 km/h” is “coil”, and the real-time traffic flow data used when "27 km/h” is calculated is " Event "; according to Table 2, the "FCD2" corresponds to a degree of trust of 5, the "coil” corresponds to a degree of trust of 10, and the “event” corresponds to a degree of trust of 9.
  • the difference between the trust degree of the highest trust state of the road state and the trust state of the road state state with the second highest trust state is less than a preset threshold, according to the running speed of the road under each of the real-time AC data. Recalculating the current running speed of the road and determining the current road state of the road according to the current running speed.
  • FCD 1 represents the floating car data obtained from company 1
  • FCD2 represents the floating car data obtained from company 2
  • coil represents traffic flow induction coil data
  • event represents event information data.
  • the state of the road with the highest degree of trust is unblocked, and the corresponding trust degree is 1 5; the state of the road with the second highest degree of trust is slow, and the corresponding trust degree is also 15 .
  • the difference is less than the preset threshold of 7.5, and the difference may be less than the preset threshold of 7.5.
  • a corresponding running speed V under real-time AC data is recalculated to obtain a current running speed of the road, and a current road condition state of the road is determined according to the current running speed.
  • a weighted average of the running speed V of the road under each of the real-time AC data may be used as the current running speed of the road, where the weight value is In order to calculate the trust degree corresponding to the real-time traffic flow data used when the running speed V is obtained.
  • the current running speed of the road raft is calculated by taking the application scenario 2 as an example.
  • the running speed V of the road w under the four kinds of real-time AC data is: 45 km. /h, 30 km/h, 21 km/h, 50 km/h.
  • the embodiment of the present invention obtains different trust degrees according to the state accuracy of different real-time traffic flow data, and obtains the current degree of trust by analyzing the trust distribution of the road in each road state and the weighted average of the trust. Running speed and traffic status.
  • the road condition information obtained by one of the traffic flow data is used as the current road condition information of the road, and the embodiment of the present invention can effectively utilize the accuracy of various real-time traffic flow data, thereby improving the road condition information of the road. accuracy.
  • the foregoing method may further include the following step 106: 106. Verify, by using the event information data, the current road state and the current running speed of the calculated road.
  • Re-verification using event information data is mainly to verify the restricted class information. For example, when a restricted traffic event occurs on a road, the road should not have traffic flow information. For example, when an unexpected event that causes congestion is present, the threshold value of the running speed corresponding to the road state can be lowered by referring to the speed value on the road, so that the state tends to be congested.
  • an embodiment of the present invention provides a real-time traffic flow data fusion apparatus, including: a first processing unit 11, a second processing unit 12, a determining unit 13, a state fusion unit 14, and a speed fusion unit 15.
  • the first processing unit 11 is configured to sequentially calculate, according to each real-time traffic flow data of the at least two real-time traffic flow data, a road state S and a corresponding road condition corresponding to each real-time traffic flow data.
  • Speed V is configured to sequentially calculate, according to each real-time traffic flow data of the at least two real-time traffic flow data, a road state S and a corresponding road condition corresponding to each real-time traffic flow data.
  • the second processing unit 12 is configured to sequentially determine the reliability corresponding to each of the real-time traffic flow data
  • the determining unit 13 is configured to determine the trust degree of the road in each road condition state; the state fusion unit 14 is configured to: when the trust degree of the road state with the highest trust degree and the trust state of the road state state with the second highest trust degree are not smaller than Presetting a threshold value, using the road state S having the highest degree of trust as the current road state of the road, and according to the road, the trust degree is the most
  • the running speed V corresponding to the high road condition S calculates the current running speed of the road;
  • the speed fusing unit 15 is used for the trust degree of the road state with the highest trust degree and the trust state of the road state with the second highest trust degree.
  • the difference is less than the preset threshold, and the current running speed of the road is recalculated according to the corresponding running speed V of the road under each of the real-time AC data, and the road is determined according to the current running speed. Current traffic status.
  • the second processing unit may perform function subdivision (not shown), and specifically includes: a calculation module and a conversion module.
  • the calculation module is configured to sequentially calculate a state accuracy rate of each of the real-time traffic flow data within a preset time range; and the conversion module is configured to sequentially perform the data according to the conversion formula and each of the real-time traffic flow data.
  • the state fusion unit specifically uses the value obtained by weighting and averaging the corresponding running speed V of the road in the road state with the highest trust degree as the current running speed of the road.
  • the weight value is a trust degree corresponding to the real-time traffic flow data used when calculating the running speed V.
  • the speed fusing unit specifically uses the weighted average of the running speed V of the road under each of the real-time AC data as the current running speed of the road, wherein the weight value is calculated and calculated.
  • the letter corresponding to the real-time traffic flow data used when the running speed V is used Ten degrees.
  • the above apparatus may further include: an inspection unit 16.
  • the checking unit 16 is configured to verify the current road state and the current running speed of the calculated road using the event information data.
  • the real-time traffic flow data fusion device provided by the embodiment of the present invention combines at least two real-time traffic flow data to calculate the current road state and the running speed of the road, and the at least two traffic flow data respectively correspond to different trust degrees.
  • the road condition information obtained by selecting one of the traffic flow data is used as the current road condition information of the road, and the embodiment of the present invention can effectively utilize the accuracy of various real-time traffic flow data, thereby improving the road condition information of the road. The accuracy.
  • the embodiments of the present invention are mainly applied to the process of integrating real-time traffic flow data, and can improve the accuracy of the road condition information of the road.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Description

实时交通流数据融合方法及装置 本申请要求于 2010 年 8 月 23 日提交中国专利局、 申请号为 201010260603.7 , 发明名称为 "实时交通流数据融合方法及装置" 的 中国专利申请的优先权， 其全部内容通过引用结合在本申请中。
技术领域
本发明涉及智能交通技术领域，尤其涉及一种实时交通流数据融合方 法及装置。 背景技术
智能交通系统运用计算机、 通信、 人工智能、 传感器等技术可以为用 户提供道路的实时交通信息。 用户在驾驶过程中可以随时通过 GPS/GIS、 广播、 信息发布板等手段了解各个路段目前的交通状况， 交通管理部门可 以通过道路上的车辆传感器、视频摄像机等设备随时了解各个路段的交通 状况，并随时对各个交通路口的交通信号进行调整以及对外界进行信息发 布。 目前， 现有技术主要通过对 FCD ( Floating Car Data, 浮动车数据）、 交通流感应线圈数据或者事件信息数据等各种交通流数据分别进行单独 的处理来获得道路的交通情况，然后选取对其中一种数据进行处理后得出 的路况信息作为道路的当前路况信息进行填补， 例如， 选取对 FCD进行处 理得出的路况信息作为道路的当前路况信息。 然而，发明人发现现有技术是通过对各种交通流数据分别进行单独处 理， 然后选取其中一种交通流数据得出的路况信息作为道路的当前路况， 如果所选取的这种交通流数据发生异常，就会导致根据该类型的交通流数 据所得出的路况的准确性降低。
发明内容
本发明的实施例提供一种实时交通流数据融合方法及装置，提高了道 路的路况信息的准确性。
为达到上述目的， 本发明的实施例釆用如下技术方案：
一种实时交通流数据融合方法， 包括：
根据至少两种实时交通流数据中的每一种实时交通流数据，依次计算 得出道路在所述每一种实时交通流数据下对应的路况状态 s 和运行速度
V；
依次确定所述每一种实时交通流数据对应的信任度；
确定所述道路在各个路况状态下的信任度；
当信任度最高的路况状态的信任度与信任度次高的路况状态的信任 度的差值不小于预设阈值，釆用所述信任度最高的路况状态 S作为所述道 路的当前路况状态，并根据所述道路在所述信任度最高的路况状态 S下对 应的运行速度 V计算得出所述道路的当前运行速度；
当信任度最高的路况状态的信任度与信任度次高的路况状态的信任 度的差值小于预设阈值，根据所述道路在所述每一种实时交流数据下对应 的运行速度 V重新计算得出所述道路的当前运行速度，并根据所述当前运 行速度确定所述道路的当前路况状态。
一种实时交通流数据融合装置， 包括：
第一处理单元，用于根据至少两种实时交通流数据中的每一种实时交 通流数据，依次计算得出道路在所述每一种实时交通流数据下对应的路况 状态 S和运行速度 V；
第二处理单元，用于依次确定所述每一种实时交通流数据对应的信任 度；
确定单元， 用于确定所述道路在各个路况状态下的信任度；
状态融合单元，用于当信任度最高的路况状态的信任度与信任度次高 的路况状态的信任度的差值不小于预设阈值，釆用所述信任度最高的路况 状态 s作为所述道路的当前路况状态，并根据所述道路在所述信任度最高 的路况状态 S下对应的运行速度 V计算得出所述道路的当前运行速度； 速度融合单元，用于当信任度最高的路况状态的信任度与信任度次高 的路况状态的信任度的差值小于预设阈值，根据所述道路在所述每一种实 时交流数据下对应的运行速度 V重新计算得出所述道路的当前运行速度， 并根据所述当前运行速度确定所述道路的当前路况状态。
本发明实施例提供的实时交通流数据融合方法，通过依次计算得出道 路在所述每一种实时交通流数据下对应的路况状态 S和运行速度 V , 并依 次确定所述每一种实时交通流数据对应的信任度，可以确定所述道路在各 个路况状态下的信任度。 然后， 如果信任度最高的路况状态的信任度与信 任度次高的路况状态的信任度的差值不小于预设阈值，那么釆用所述信任 度最高的路况状态 s作为所述道路的当前路况状态，并根据所述道路在所 述信任度最高的路况状态 S下对应的运行速度 V计算得出所述道路的当前 运行速度； 否则， 根据所述道路在所述每一种实时交流数据下对应的运行 速度 V重新计算得出所述道路的当前运行速度，并根据所述当前运行速度 确定所述道路的当前路况状态。
从本发明实施例的实现过程可以看出，所述道路的当前路况状态和运 行速度是结合至少两种实时交通流数据计算得出的，所述至少两种交通流 数据各自对应不同的信任度，与现有技术选取其中一种交通流数据得出的 路况信息作为道路的当前路况信息相比，本发明实施例可以有效利用各种 实时交通流数据的准确性， 从而提高了道路的路况信息的准确性。
附图说明 实施例或现有技术描述中所需要使用的附图作简单地介绍， 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他的附 图。
图 1 为本发明实施例 1 提供的一种实时交通流数据融合方法的流程 图；
图 2为本发明实施例 1提供的利用线圈获取道路的运行速度和路况状 态的示意图；
图 3为本发明实施例 1提供的另一种实时交通流数据融合方法的流程 图；
图 4为本发明实施例 2提供的一种实时交通流数据融合装置结构图； 图 5 为本发明实施例 2 提供的另一种实时交通流数据融合装置结构 图。
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 有作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。
实施例 1 :
如图 1所示的实施例提供一种实时交通流数据融合方法，具体包括以 下步骤： 1 01、 根据至少两种实时交通流数据中的每一种实时交通流数据， 依 次计算得出道路在所述每一种实时交通流数据下对应的路况状态 S 和运 行速度 V。
实际应用时， 在获取所述实时交通流数据时， 可以在一定的时间周期 内把用于融合的至少两种实时交通流数据进行汇总。由于时间周期的选取 与实时交通流数据的发布频率有关。 如果时间周期选取的较短， 会造成获 取的实时交通流数据的数量有限， 数据出现极端值的几率加大， 如果时间 周期选取的太长， 则会对交通流信息发布造成影响， 例如不能够及时更新 交通流信息。 因而， 一种较优的方案为， 上述时间周期的值可以选取为 5 分钟。
需要说明的是， 本发明实施例提到的实时交通流数据包括： 浮动车数 据、 交通流感应线圈数据或者事件信息数据。
不同类型的数据具有不同的数据特性， 例如： FCD ( F l oa t i ng Ca r Da t a , 浮动车数据） 的特点是信息量大， 覆盖范围广， 准确率受浮动车处 理模型影响较大， 等级越高的道路信息准确率越高， FCD的回传频率越高 信息准确率越高。 又如， 交通流感应线圈数据的数据特点是信息主要针对 高速路等， 覆盖范围小， 但准确率较高。 还如， 事件信息数据具体可以分 为交通流信息和事件信息两类， 所述交通流信息可以用于交通流信息融 合， 而事件信息可以用于校验。 这类数据大部分需要人工录入， 具有较高 的准确性， 但是， 一般会存在一定的时间延误， 特别的， 当突发性事件发 生时， 利用事件信息数据对交通流的影响不好判断。
因而， 根据上述不同类型的实时交通流数据， 计算道路在所述每一种 实时交通流数据下对应的路况状态 S和运行速度 V的方法也不相同，下面 分别介绍如何计算道路在 FCD、 交通流感应线圈数据和事件信息数据下对 应的路况状态 S和运行速度 V。
一、 利用 FCD计算道路对应的路况状态 S和运行速度 V。
步骤 1、 首先将 FCD按照数据源和车辆 I D (每一辆浮动车都有自己唯 一的编号） 进行分类。
步骤 2、 然后， 抽取 FCD中的 GPS经纬度、 速度、 方向、 时间信息， 对 FCD中的异常数据进行过滤， 需要过滤的异常数据包括：
单点数据， 指同一车辆 I D的 GPS点数据只有一个。
异常数据， 指同一车辆 I D的相邻的两 GPS点时间差乘以最大速度值 小于这两个 GPS点间直线距离。
步骤 3、 通过地图匹配， 路径推测得到每辆车的所有 GPS点对应的道 路。 具体可以通过以下方式实现： 以 GPS点的经纬度坐标为中心选取可能 匹配到的道路， 一般会有多条， 通过 GPS点的方向过滤掉与道路夹角过大 的道路，通过 GPS点的时间先后顺序以及道路的联通关系，确定匹配道路。
步骤 4、 经过上述三个步骤可以确定每辆浮动车通过的道路集合， 使 用实际运行长度、 运行时间、 GPS点瞬时速度， 获得道路的运行速度 V , 并根据该运行速度 V确定其路况状态 S。
二、利用交通流感应线圈数据计算道路对应的路况状态 S和运行速度
V。
通常， 交通流感应线圈一般分为单线圈和双线圈， 下面以双线圈为例 说明车速提取。
如图 2所示， 当车辆通过两个相邻的环形线圈时， 车辆检测器可以分 别获得经过第一个线圈的时刻 T1和经过第二个线圈的时刻 T2 , 假设所述 两个相邻线圈的实际距离为 D , 该车辆的速度值 V可以根据 V = D/ ( T1 - T2 )计算得出。
在单位时间内， 获取所有通过上述两个相邻线圈的车辆的速度值， 并 计算所述所有通过车辆的速度值的平均值，利用该平均值作为道路在单位 时间内对应的运行速度 V , 根据运行速度得出路况状态 S。
三、 利用事件信息数据计算道路对应的路况状态 S和运行速度 V。 事件信息数据通常由人工进行釆集， 可以分为内业釆集和外业釆集， 内业釆集主要通过收听 FM电台的交通信息或通过视频观测收集数据， 外 业釆集主要靠釆集人员人工目测具体道路交通流状况。这两种釆集方式都 可以直接得到较为准确的路况状态 S , 但运行速度 V—般为人工根据路况 需要说明的是， 本发明实施例提到的所述路况状态包括： 畅通、 緩慢 或者拥堵。 根据运行速度 V得出路况状态 S具体为： 当运行速度 V小于 20km/h, 确定路况状态 S为拥堵； 当运行速度 V大于等于 20km/h并且小 于 40km/h, 确定路况状态 S为緩慢； 当运行速度 V大于等于 40km/h, 确 定路况状态 S为畅通。
102、 依次确定所述每一种实时交通流数据对应的信任度。
具体的， 本步骤可以通过如下子步骤实现 （图未示）：
102 A、依次计算出所述每一种实时交通流数据在预设时间范围内的状 态准确率；
102B、依次根据转换公式和所述每一种实时交通流数据的在预设时间 范围内的状态准确率确定所述每一种实时交通流数据对应的信任度。所述 转换公式为： 信任度 = [状态准确率 *1000+0.5] , 其中， [ ]为取整符号。
103、 确定所述道路在各个路况状态下的信任度。
假设应用场景一中，步骤 101 中至少两种实时交通流数据具体为从公 司 1获取的 FCD1、 从公司 2获取的 FCD2、 交通流感应线圈数据和事件信 息数据。假设利用上述四种实时交通流数据分别计算得出的道路 G对应的 运行速度和路况状态如下表一所示：
Figure imgf000011_0001
上述表一中的 "FCD1" 表示从公司 1获取的浮动车数据， "FCD2" 表 示从公司 2 获取的浮动车数据， "线圈" 表示交通流感应线圈数据， "事 件" 表示事件信息数据。
假设步骤 102 确定所述四种实时交通流数据各自对应的信任度如表 二所示：
Figure imgf000012_0002
Figure imgf000012_0001
那么本步骤中所述道路在路况状态下的信任度为：在计算得出所述路 况状态时釆用的所有实时交通流数据对应的信任度之和。下面具体介绍如 何计算得出所述道路在各个路况状态下的信任度。
例如， 根据表一可以得知， 计算得出畅通状态时釆用的实时交通流数 据为 "FCD1", 根据表二可以得知， 该 "FCD1" 对应的信任度为 6, 从而 可以确定所述道路 G在畅通状态时的信任度为 6;
又如， 根据表一可以得知， 计算得出緩慢状态时釆用的实时交通流数 据为 "FCD2"、 "线圈" 和 "事件"， 根据表二可以得知， 该 "FCD2" 对应 的信任度为 5, 该 "线圈" 对应的信任度为 10, 该 "事件" 对应的信任度 为 9, 那么道路在緩慢状态下的信任度为： 在计算得出所述緩慢状态时釆 用的所有实时交通流数据对应的信任度之和， 即， 5 + 10+9=24。 根据步骤 101得出的表一和步骤 102得出的表二，本步骤可以确定所 述道路 G在各个路况状态下的信任度如下表三所示：
Figure imgf000013_0002
Figure imgf000013_0001
104、 当信任度最高的路况状态的信任度与信任度次高的路况状态的 信任度的差值不小于预设阈值，釆用所述信任度最高的路况状态 S作为所 述道路的当前路况状态， 并根据所述道路在所述信任度最高的路况状态 S 下对应的运行速度 V计算得出所述道路的当前运行速度。
具体的， 以上述步骤 103中^^设的应用场景一为例， 所述预设阈值可 以根据公式 F = ( M1+M2+.. +Mn ) / n 计算得出， 其中， n表示实时交通 流数据个数， Mn表示第 n种实时交通流数据的信任度。 根据上述表二可 以计算得出预设阈值具体为 F = ( 6+5 + 10+9 ) /4=7.5。
从上述表三可以看出， 信任度最高的路况状态为緩慢， 对应的信任度 为 24, 信任度次高的路况状态为畅通， 其对应的信任度为 6; 那么可以得 出信任度最高的路况状态的信任度与信任度次高的路况状态的信任度的 差值为： 24-6 = 18。
此时， 由于 18>7.5，即信任度最高的路况状态的信任度与信任度次高 的路况状态的信任度的差值不小于预设阈值，可以确定所述道路 G当前的 路况状态 S为緩慢。 所述道路 G的当前运行速度 V具体通过如下过程计算得出： 釆用所述道路在所述信任度最高的路况状态下对应的运行速度 V 进 行加权平均得出的值作为所述道路的当前运行速度， 其中， 权重值为计算 得出所述运行速度 V时釆用的实时交通流数据对应的信任度。
具体的， 根据表一可以得知， 道路 G在緩慢状态下对应的运行速度分 别为 21 km/h、 29 km/h和 27 km/h, 计算得出 "21 km/h" 时釆用的实时 交通流数据为 "FCD2", 计算得出 "29 km/h" 时釆用的实时交通流数据为 "线圈"， 计算得出 "27 km/h" 时釆用的实时交通流数据为 "事件"； 根 据表二可以得知， 该 "FCD2" 对应的信任度为 5, 该 "线圈" 对应的信任 度为 10, 该 "事件" 对应的信任度为 9。 那么， 所述道路 G的当前运行速 度 V= ( 21 X 5 + 29 X 10+27 χ 9 ) / (5 + 10+9) = 26.6 km/h。
105、 当信任度最高的路况状态的信任度与信任度次高的路况状态的 信任度的差值小于预设阈值，根据所述道路在所述每一种实时交流数据下 对应的运行速度 V重新计算得出所述道路的当前运行速度，并根据所述当 前运行速度确定所述道路的当前路况状态。
为了更清楚的说明步骤 105的实现过程， 假设应用场景二中， 通过上 述步骤 101得到的利用四种实时交通流数据分别计算得出的道路 W对应的 运行速度和路况状态如下表四所示：
数据名称 FCD1 FCD2 线圈 事件
道路 w的状态 畅通 缓慢 缓慢 畅通 道路 W的速度（km/h) 45 30 21 50 表四
其中， " FCD 1，，表示从公司 1获取的浮动车数据， " FCD2 "表示从公司 2获取的浮动车数据， "线圈" 表示交通流感应线圈数据， "事件" 表示事 件信息数据。
假设在应用场景二下，通过步骤 1 02得出所述四种实时交通流数据各 自对应的信任度与上述表二相同，根据上述表二可以计算得出应用场景二 下釆用的预设阈值具体为 F = ( 6+5 + 1 0+9 ) / 4 = 7. 5。
那么通过步骤 1 03可以确定的所述道路 W在各个路况状态下的信任度 如下表五所示：
Figure imgf000015_0001
表五
从上述表五可以得知， 信任度最高的路况状态为畅通， 其对应的信任 度为 1 5 ; 信任度次高的路况状态为緩慢， 其对应的信任度也为 1 5。 由于 信任度最高的路况状态的信任度与信任度次高的路况状态的信任度的差 值为零， 该差值小于预设阈值 7. 5 , 此时， 可以根据所述道路在所述每一 种实时交流数据下对应的运行速度 V 重新计算得出所述道路的当前运行 速度， 并根据所述当前运行速度确定所述道路的当前路况状态。
具体的，可以釆用所述道路在所述每一种实时交流数据下对应的运行 速度 V进行加权平均得出的作为所述道路的当前运行速度， 其中， 权重值 为计算得出所述运行速度 V时釆用的实时交通流数据对应的信任度。
以应用场景二下计算道路 Ψ的当前运行速度为例进行说明，根据表四 和表二可以得知，所述道路 w在所述四种实时交流数据下对应的运行速度 V依次为： 45 km/h、 30 km/h、 21 km/h、 50 km/h。 计算得出所述 "45 km/h" 时釆用的实时交通流数据为 "FCD1", 其对应的信任度为 6; 计算得出所 述 "30 km/h" 时釆用的实时交通流数据为 "FCD2", 其对应的信任度为 5; 计算得出所述 "21 km/h" 时釆用的实时交通流数据为 "线圈"， 其对应的 信任度为 10; 计算得出所述 "50 km/h" 时釆用的实时交通流数据为 "事 件"， 其对应的信任度为 9。 那么， 所述道路 W的当前运行速度 V= ( 45 X 6 + 30 X 5 + 21 X 10+50 χ 9 )/ (6 + 5 + 10+9) = 36km/h,由于运行速度为 "36km/h" 对应的路况状态为 "緩曼"， 从而可以确定所述道路 W的当前路况状态 S 为 "緩慢"。
本发明的实施例通过根据不同实时交通流数据的状态准确性，赋予它 们不同的信任度，通过分析道路在各个路况状态下的信任度分布和对速度 进行信任度加权平均， 得到道路的当前的运行速度和路况状态。 与现有技 术选取其中一种交通流数据得出的路况信息作为道路的当前路况信息相 比， 本发明实施例可以有效利用各种实时交通流数据的准确性， 从而提高 了道路的路况信息的准确性。
进一步地， 如图 3所示， 上述方法还可以包括如下步骤 106: 106、 利用事件信息数据检验所述计算得出的道路的当前路况状态和 当前运行速度。
利用事件信息数据进行再校验主要是进行限制类信息的校验。 例如， 当道路上出现限制通行事件时， 该道路不应该有交通流信息。 又如， 当出 现易造成拥堵的突发事件时，可以参考道路上的速度值将路况状态对应的 运行速度的临界值进行调低， 使状态趋于拥堵化。
实施例 2:
如图 4所示，本发明实施例提供一种实时交通流数据融合装置，包括： 第一处理单元 11, 第二处理单元 12, 确定单元 13, 状态融合单元 14和 速度融合单元 15。
其中， 第一处理单元 11用于根据至少两种实时交通流数据中的每一 种实时交通流数据，依次计算得出道路在所述每一种实时交通流数据下对 应的路况状态 S和运行速度 V；
第二处理单元 12用于依次确定所述每一种实时交通流数据对应的信 任度；
确定单元 13用于确定所述道路在各个路况状态下的信任度； 状态融合单元 14用于当信任度最高的路况状态的信任度与信任度次 高的路况状态的信任度的差值不小于预设阈值，釆用所述信任度最高的路 况状态 S作为所述道路的当前路况状态，并根据所述道路在所述信任度最 高的路况状态 S下对应的运行速度 V计算得出所述道路的当前运行速度； 速度融合单元 15用于当信任度最高的路况状态的信任度与信任度次 高的路况状态的信任度的差值小于预设阈值，根据所述道路在所述每一种 实时交流数据下对应的运行速度 V 重新计算得出所述道路的当前运行速 度， 并根据所述当前运行速度确定所述道路的当前路况状态。
进一步地， 所述第二处理单元可以进行功能细分 （图未示）， 具体可 以包括： 计算模块和转换模块。
其中，计算模块用于依次计算出所述每一种实时交通流数据在预设时 间范围内的状态准确率；转换模块用于依次根据转换公式和所述每一种实 时交通流数据的在预设时间范围内的状态准确率确定所述每一种实时交 通流数据对应的信任度； 所述转换公式为： 信任度 = [状态准确率 * 1 000+0. 5 ] 。
需要说明的是， 具体应用时， 所述状态融合单元具体釆用所述道路在 所述信任度最高的路况状态下对应的运行速度 V 进行加权平均得出的值 作为所述道路的当前运行速度， 其中， 权重值为计算得出所述运行速度 V 时釆用的实时交通流数据对应的信任度。
所述速度融合单元具体釆用所述道路在所述每一种实时交流数据下 对应的运行速度 V进行加权平均得出的作为所述道路的当前运行速度，其 中，权重值为计算得出所述运行速度 V时釆用的实时交通流数据对应的信 任度。
进一步地， 如图 5所示， 上述装置还可以包括： 检验单元 1 6。
所述检验单元 1 6用于利用事件信息数据检验所述计算得出的道路的 当前路况状态和当前运行速度。
本发明实施例提供的实时交通流数据融合装置，结合至少两种实时交 通流数据计算得出的所述道路的当前路况状态和运行速度，所述至少两种 交通流数据各自对应不同的信任度，与现有技术选取其中一种交通流数据 得出的路况信息作为道路的当前路况信息相比，本发明实施例可以有效利 用各种实时交通流数据的准确性， 从而提高了道路的路况信息的准确性。
本发明实施例主要应用于对实时交通流数据进行融合的过程中，可以 提高道路的路况信息的准确性。
以上所述， 仅为本发明的具体实施方式， 但本发明的保护范围并不局 限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内， 可 轻易想到变化或替换， 都应涵盖在本发明的保护范围之内。 因此， 本发明 的保护范围应以所述权利要求的保护范围为准。

Claims

权 利 要 求 书
1、 一种实时交通流数据融合方法， 其特征在于， 包括：
根据至少两种实时交通流数据中的每一种实时交通流数据， 依次计算 得出道路在所述每一种实时交通流数据下对应的路况状态 S和运行速度 V； 依次确定所述每一种实时交通流数据对应的信任度；
确定所述道路在各个路况状态下的信任度；
当信任度最高的路况状态的信任度与信任度次高的路况状态的信任度 的差值不小于预设阈值， 采用所述信任度最高的路况状态 S作为所述道路 的当前路况状态， 并根据所述道路在所述信任度最高的路况状态 S下对应 的运行速度 V计算得出所述道路的当前运行速度；
当信任度最高的路况状态的信任度与信任度次高的路况状态的信任度 的差值小于预设阈值， 根据所述道路在所述每一种实时交流数据下对应的 运行速度 V重新计算得出所述道路的当前运行速度， 并根据所述当前运行 速度确定所述道路的当前路况状态。
2、 根据权利要求 1所述的实时交通流数据融合方法， 其特征在于， 所 述实时交通流数据包括： 浮动车数据、 交通流感应线圈数据或者事件信息 数据；
所述路况状态包括： 畅通、 緩慢或者拥堵。
3、 根据权利要求 1所述的实时交通流数据融合方法， 其特征在于， 所 述依次确定所述每一种实时交通流数据对应的信任度包括：
依次计算出所述每一种实时交通流数据在预设时间范围内的状态准确 率；
依次根据转换公式和所述每一种实时交通流数据的在预设时间范围内 的状态准确率确定所述每一种实时交通流数据对应的信任度；
所述转换公式为： 信任度 = [状态准确率 * 1 000+0. 5 ] 。
4、 根据权利要求 1所述的实时交通流数据融合方法， 其特征在于， 所 述道路在路况状态下的信任度为： 在计算得出所述路况状态时采用的所有 实时交通流数据对应的信任度之和。
5、 根据权利要求 1所述的实时交通流数据融合方法， 其特征在于， 还 包括：
利用事件信息数据检验所述计算得出的道路的当前路况状态和当前运 行速度。
6、 根据权利要求 1所述的实时交通流数据融合方法， 其特征在于， 所述预设阈值根据公式 F = ( M1 +M2 + . . +Mn ) / n 计算得出， 其中， n 表示实时交通流数据个数， Mn表示第 n种实时交通流数据的信任度；
所述根据所述道路在所述信任度最高的路况状态下对应的运行速度 V 计算得出所述道路的当前运行速度包括： 采用所述道路在所述信任度最高 的路况状态下对应的运行速度 V进行加权平均得出的值作为所述道路的当 前运行速度， 其中， 权重值为计算得出所述运行速度 V时采用的实时交通 流数据对应的信任度；
所述根据所述道路在所述每一种实时交流数据下对应的运行速度 V重 新计算得出所述道路的当前运行速度包括： 采用所述道路在所述每一种实 时交流数据下对应的运行速度 V进行加权平均得出的作为所述道路的当前 运行速度， 其中， 权重值为计算得出所述运行速度 V时采用的实时交通流 数据对应的信任度。
7、 一种实时交通流数据融合装置， 其特征在于， 包括：
第一处理单元， 用于根据至少两种实时交通流数据中的每一种实时交 通流数据， 依次计算得出道路在所述每一种实时交通流数据下对应的路况 状态 S和运行速度 V；
第二处理单元， 用于依次确定所述每一种实时交通流数据对应的信任 度；
确定单元， 用于确定所述道路在各个路况状态下的信任度；
状态融合单元， 用于当信任度最高的路况状态的信任度与信任度次高 的路况状态的信任度的差值不小于预设阈值， 采用所述信任度最高的路况 状态 S作为所述道路的当前路况状态， 并根据所述道路在所述信任度最高 的路况状态 S下对应的运行速度 V计算得出所述道路的当前运行速度； 速度融合单元， 用于当信任度最高的路况状态的信任度与信任度次高 的路况状态的信任度的差值小于预设阈值， 根据所述道路在所述每一种实 时交流数据下对应的运行速度 V重新计算得出所述道路的当前运行速度， 并根据所述当前运行速度确定所述道路的当前路况状态。
8、 根据权利要求 7所述的实时交通流数据融合装置， 其特征在于， 所 述第二处理单元包括：
计算模块， 用于依次计算出所述每一种实时交通流数据在预设时间范 围内的状态准确率；
转换模块， 用于依次根据转换公式和所述每一种实时交通流数据的在 预设时间范围内的状态准确率确定所述每一种实时交通流数据对应的信任 度；
所述转换公式为： 信任度 = [状态准确率 * 1 000+0. 5] 。
9、 根据权利要求 7所述的实时交通流数据融合装置， 其特征在于， 还 包括： 检验单元， 用于利用事件信息数据检验所述计算得出的道路的当前 路况状态和当前运行速度。
10、 根据权利要求 7所述的实时交通流数据融合装置， 其特征在于， 所述状态融合单元具体采用所述道路在所述信任度最高的路况状态下对应 的运行速度 V进行加权平均得出的值作为所述道路的当前运行速度，其中， 权重值为计算得出所述运行速度 V 时采用的实时交通流数据对应的信任 度； 所述速度融合单元具体采用所述道路在所述每一种实时交流数据下对 应的运行速度 V进行加权平均得出的作为所述道路的当前运行速度，其中， 权重值为计算得出所述运行速度 V 时采用的实时交通流数据对应的信任 度。
PCT/CN2011/075408 2010-08-23 2011-06-07 实时交通流数据融合方法及装置 Ceased WO2012024957A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2010102606037A CN101937616B (zh) 2010-08-23 2010-08-23 实时交通流数据融合方法及装置
CN201010260603.7 2010-08-23

Publications (1)

Publication Number Publication Date
WO2012024957A1 true WO2012024957A1 (zh) 2012-03-01

Family

ID=43390928

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2011/075408 Ceased WO2012024957A1 (zh) 2010-08-23 2011-06-07 实时交通流数据融合方法及装置

Country Status (2)

Country Link
CN (1) CN101937616B (zh)
WO (1) WO2012024957A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101937616B (zh) * 2010-08-23 2012-06-27 北京世纪高通科技有限公司 实时交通流数据融合方法及装置
CN102063793B (zh) * 2011-01-12 2012-10-31 上海炬宏信息技术有限公司 检测路况信息的方法和系统
CN102568208B (zh) * 2012-02-07 2014-01-01 福建工程学院 基于浮动车技术的路段限速信息识别方法
CN102737502A (zh) * 2012-06-13 2012-10-17 天津大学 基于gps数据的道路交通流预测方法
CN102930735A (zh) * 2012-10-25 2013-02-13 安徽科力信息产业有限责任公司 一种基于交通视频的城市实时交通路况信息发布方法
CN105070058B (zh) * 2015-08-11 2017-09-22 甘肃万维信息技术有限责任公司 一种基于实时路况视频的精准路况分析方法及系统
CN107798864A (zh) * 2016-09-06 2018-03-13 高德信息技术有限公司 一种道路通行速度的计算方法和装置
CN108346303B (zh) * 2018-04-09 2021-06-11 天津中兴智联科技有限公司 一种公交车识别和定位的实现方法及实现系统
CN112419712B (zh) * 2020-11-04 2021-12-10 同盾控股有限公司 道路断面车速检测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5173691A (en) * 1990-07-26 1992-12-22 Farradyne Systems, Inc. Data fusion process for an in-vehicle traffic congestion information system
US6718259B1 (en) * 2002-10-02 2004-04-06 Hrl Laboratories, Llc Adaptive Kalman filter method for accurate estimation of forward path geometry of an automobile
CN101064061A (zh) * 2007-02-08 2007-10-31 上海交通大学 异类交通信息实时融合方法
CN101216998A (zh) * 2008-01-11 2008-07-09 浙江工业大学 基于模糊粗糙集的证据理论城市交通流信息融合方法
CN101571997A (zh) * 2009-05-31 2009-11-04 上海宝康电子控制工程有限公司 多源交通信息融合处理方法及其装置
CN101656021A (zh) * 2008-08-19 2010-02-24 北京捷易联科技有限公司 一种路况的判别方法、系统及交通信息处理系统
AU2009236035A1 (en) * 2008-11-24 2010-06-10 Intelematics Australia Pty Ltd Method for Dynamically Integrating Traffic Data
CN101937616A (zh) * 2010-08-23 2011-01-05 北京世纪高通科技有限公司 实时交通流数据融合方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6577946B2 (en) * 2001-07-10 2003-06-10 Makor Issues And Rights Ltd. Traffic information gathering via cellular phone networks for intelligent transportation systems
CN101488284A (zh) * 2008-01-16 2009-07-22 闵万里 道路交通状况即时预测的智能管理系统
CN101540103B (zh) * 2008-03-17 2013-06-19 上海宝康电子控制工程有限公司 交通信息采集及事件处理的方法与系统
US7804423B2 (en) * 2008-06-16 2010-09-28 Gm Global Technology Operations, Inc. Real time traffic aide
CN101739820B (zh) * 2009-11-19 2012-09-26 北京世纪高通科技有限公司 路况预测的方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5173691A (en) * 1990-07-26 1992-12-22 Farradyne Systems, Inc. Data fusion process for an in-vehicle traffic congestion information system
US6718259B1 (en) * 2002-10-02 2004-04-06 Hrl Laboratories, Llc Adaptive Kalman filter method for accurate estimation of forward path geometry of an automobile
CN101064061A (zh) * 2007-02-08 2007-10-31 上海交通大学 异类交通信息实时融合方法
CN101216998A (zh) * 2008-01-11 2008-07-09 浙江工业大学 基于模糊粗糙集的证据理论城市交通流信息融合方法
CN101656021A (zh) * 2008-08-19 2010-02-24 北京捷易联科技有限公司 一种路况的判别方法、系统及交通信息处理系统
AU2009236035A1 (en) * 2008-11-24 2010-06-10 Intelematics Australia Pty Ltd Method for Dynamically Integrating Traffic Data
CN101571997A (zh) * 2009-05-31 2009-11-04 上海宝康电子控制工程有限公司 多源交通信息融合处理方法及其装置
CN101937616A (zh) * 2010-08-23 2011-01-05 北京世纪高通科技有限公司 实时交通流数据融合方法及装置

Also Published As

Publication number Publication date
CN101937616A (zh) 2011-01-05
CN101937616B (zh) 2012-06-27

Similar Documents

Publication Publication Date Title
CN104851286B (zh) 一种利用公交车辆gps数据动态评估道路交通状态的方法
CN108806283B (zh) 一种交通信号灯的控制方法及车联网平台
CN111341095B (zh) 一种基于边缘侧在线计算的交通信号控制系统及方法
US11798408B2 (en) Green wave speed determination method, electronic device and storage medium
CN103021176A (zh) 基于断面检测器的城市道路交通状态判别方法
CN105869401A (zh) 一种基于不同拥挤程度的路网动态分区方法
CN107507415A (zh) 车联网下基于mfd和排队长度的路网边界限流控制方法
CN111508094A (zh) 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法
CN103093625B (zh) 一种基于可信度验证的城市道路交通状态实时估计方法
CN110177370A (zh) 一种面向车联网的共谋恶意车辆节点检测方法
CN108615376A (zh) 一种基于视频检测的交叉口信号控制方案评价方法
WO2011079726A1 (zh) 一种交通信息融合处理方法及系统
CN109993981A (zh) 基于全息检测的交通信号自协调控制方法
CN102385798B (zh) 一种交通信息采集方法、装置及系统
CN106441324A (zh) 导航方法及装置、路况信息采集方法及系统
CN118609372B (zh) 基于车联网及物联网的公路实时路况检测方法及系统
CN111739293A (zh) 一种数据融合方法及装置
CN118430307A (zh) 一种基于c-v2x的感知融合系统及方法
CN112669596B (zh) 一种基于大数据的交通安全态势判别系统及方法
CN105654415B (zh) 一种面向交通管理者的路网通行效率变化率计算方法
CN102413423A (zh) 一种基于动态选择路边单元的车载自组网的上传方法
CN108389405B (zh) 道路交通容量控制方法
CN108389404B (zh) 道路交通拥堵治理方法
CN105225497B (zh) 基于地磁设备的道路拥堵状况计算方法
CN115762127A (zh) 交通事件感知方法、系统、电子设备和介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11819332

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 1201001251

Country of ref document: TH

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC

122 Ep: pct application non-entry in european phase

Ref document number: 11819332

Country of ref document: EP

Kind code of ref document: A1