-
公开(公告)号:CN115223365A
公开(公告)日:2022-10-21
申请号:CN202210832141.4
申请日:2022-07-15
Applicant: 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
IPC: G08G1/01
Abstract: 本发明公开了一种基于阻尼Holt模型的路网速度预测及异常识别方法,(1)针对地磁设备检测到的路网历史交通速度数据对问题数据进行异常识别和修复,使用绝对值差中位数对交通速度数据中的异常值进行处理,使用时空回归模型对缺失数据进行修复;(2)预测未来一段时间的路网速度量,对于路网速度量,根据历史路网速度建立模型,对未来的路网速度量进行预测;(3)针对路网交通系统中某路段的突发路网流量造成实时速度量与历史路网速度具有差异,建立预警机制实现预定提前量早期预警,对异常突发路网速度进行预警并发出信号。本发明提出的路网速度预测及异常识别方法,能对异常路网速度的形成及未来发展趋势进行预警,并做出足够提前量的早期预警。
-
公开(公告)号:CN114005100B
公开(公告)日:2022-09-13
申请号:CN202110674918.4
申请日:2021-06-17
Applicant: 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
IPC: G06V20/58 , G06V20/40 , G06V10/762 , G06F16/75 , G06F16/78
Abstract: 本发明公开了一种基于聚类分析的路侧停车位分类方法,针对所要研究的停车位,根据停车订单数据,提取出给定时间段内的所有订单的进车时间和出车时间,并根据进出车时间计算停车持续时间。对提取出的订单进出车时间和持续时间进行异常值处理及空缺数据修复,并根据进出车时间和持续时间以一小时为间隔计算泊位利用率,生成利用率时间序列。根据所有泊位利用率时间序列,使用聚合层次聚类算法将时间序列划分成不同的时间段,并计算该时间段内的泊位利用率。最后,以不同时间段内的利用率为特征,使用模糊C均值聚类算法对泊位进行分类。本发明的方法能够为城市的停车管理提供有力的支撑,避免盲目扩张现有停车位,促进城市交通管理的科学化和现代化进程。
-
公开(公告)号:CN114842645A
公开(公告)日:2022-08-02
申请号:CN202210455678.3
申请日:2022-04-28
Applicant: 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
Abstract: 本发明公开了一种基于k‑means的路网速度态势规律提取方法,首先对于采集到的数据进行预处理,路段合并,对缺失值填补。其次,根据时间序列的峰状偏向特征及几何特征,提出基于高峰交通时间序列曲线几何特征的指标体系,然后使用基于k‑means的聚类方法将交通速度时间序列按日划分为多个交通状态簇,进行交通速度模式的自发现。簇个数k值的选择采用Gapstatistic确定。最后,根据得到的聚类结果计算各簇的聚类中心,即为各路段的k个交通速度状态规律,使用基于相似度的模式匹配方法和实时交通速度时间序列进行匹配,得到与实时时间序列相似的模式。本发明提出的方法,可以揭示交通速度流的内在联系,从而更加清晰直观地揭示城市路网交通状态的时变特征及其规律。
-
公开(公告)号:CN115223365B
公开(公告)日:2023-09-29
申请号:CN202210832141.4
申请日:2022-07-15
Applicant: 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
IPC: G08G1/01
Abstract: 本发明公开了一种基于阻尼Holt模型的路网速度预测及异常识别方法,(1)针对地磁设备检测到的路网历史交通速度数据对问题数据进行异常识别和修复,使用绝对值差中位数对交通速度数据中的异常值进行处理,使用时空回归模型对缺失数据进行修复;(2)预测未来一段时间的路网速度量,对于路网速度量,根据历史路网速度建立模型,对未来的路网速度量进行预测;(3)针对路网交通系统中某路段的突发路网流量造成实时速度量与历史路网速度具有差异,建立预警机制实现预定提前量早期预警,对异常突发路网速度进行预警并发出信号。本发明提出的路网速度预测及异常识别方法,能对异常路网速度的形成及未来发展趋势进行预警,并做出足够提前量的早期预警。
-
公开(公告)号:CN114842645B
公开(公告)日:2023-04-07
申请号:CN202210455678.3
申请日:2022-04-28
Applicant: 北京市智慧交通发展中心(北京市机动车调控管理事务中心)
IPC: G08G1/01 , G08G1/052 , G06F18/23213 , G06F18/22
Abstract: 本发明公开了一种基于k‑means的路网速度态势规律提取方法,首先对于采集到的数据进行预处理,路段合并,对缺失值填补。其次,根据时间序列的峰状偏向特征及几何特征,提出基于高峰交通时间序列曲线几何特征的指标体系,然后使用基于k‑means的聚类方法将交通速度时间序列按日划分为多个交通状态簇,进行交通速度模式的自发现。簇个数k值的选择采用Gapstatistic确定。最后,根据得到的聚类结果计算各簇的聚类中心,即为各路段的k个交通速度状态规律,使用基于相似度的模式匹配方法和实时交通速度时间序列进行匹配,得到与实时时间序列相似的模式。本发明提出的方法,可以揭示交通速度流的内在联系,从而更加清晰直观地揭示城市路网交通状态的时变特征及其规律。
-
-
-
-