专利汇可以提供基于升降式限高架的高架桥拥堵空间热点自动提取方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种基于升降式限高架的高架桥拥堵空间热点自动提取方法,包括:获取升降式限高架的设备数据;根据入口 匝 道速度数据和流量数据,计算一个采集周期内各个入口匝道的多车道单方向平均速度和多车道单方向总流量,并将二者与二者所对应的入口匝道共同作为样本集合;对样本集合进行预处理,剔除样本集合内的异常值;分别以多车道单方向平均速度、多车道单方向总流量为参数进行空间热点评估;将两个热点评估结果进行融合,自动提取高架桥拥堵空间热点。本发明充分地利用了升降式限高架入口匝道的速度、流量信息,通过空间热点的综合评估能够实现速度、流量两个交通参数的取长补短,提高了高架桥空间热点评估的准确度。,下面是基于升降式限高架的高架桥拥堵空间热点自动提取方法专利的具体信息内容。
1.一种基于升降式限高架的高架桥拥堵空间热点自动提取方法,该方法包括下列顺序的步骤:
(1)获取升降式限高架的设备数据,该数据包括入口匝道编号、入口匝道速度数据和入口匝道流量数据;
(2)根据入口匝道速度数据和入口匝道流量数据,计算一个采集周期内各个入口匝道的多车道单方向平均速度和多车道单方向总流量,并将二者与二者所对应的入口匝道共同作为样本集合,记为 其中,ni是第i个入口匝道的编号;vi是第i个入口匝道的多车道单方向平均速度;qi是第i个入口匝道的多车道单方向总流量;
(3)对样本集合进行预处理,剔除样本集合内的异常值;
(4)以多车道单方向平均速度为参数进行空间热点评估;
(5)以多车道单方向总流量为参数进行空间热点评估;
(6)将第四步的热点评估结果与第五步的热点评估结果进行融合,自动提取高架桥拥堵空间热点。
2.根据权利要求1所述的基于升降式限高架的高架桥拥堵空间热点自动提取方法,其特征在于:所述升降式限高架的设备数据包括设备编号、所处位置编号、匝道名称、入口匝道编号、入口匝道速度数据和入口匝道流量数据。
3.根据权利要求1所述的基于升降式限高架的高架桥拥堵空间热点自动提取方法,其特征在于:所述一个采集周期的范围为10分钟~15分钟,多车道单方向平均速度是将各车道的单方向速度求平均得到,多车道单方向总流量是将各个车道的单方向流量求和得到。
4.根据权利要求1所述的基于升降式限高架的高架桥拥堵空间热点自动提取方法,其特征在于:所述对样本集合进行预处理是指,设置速度阈值区间(0,80],设置流量阈值区间(0,MSV],判断样本集合中的vi是否在速度阈值区间(0,80]内,判断样本集合中的qi是否在流量阈值区间(0,MSV]内,若二者的判断结果均为是,则保留该样本数据,否则,剔除该样本数据;所述MSV是该入口匝道单车道的理论最大服务交通量,其计算公式如下:
MSV=2100×入口匝道所包含的车道个数
其中,2100是入口匝道单车道的最大服务交通量,其单位为pcu/(h*ln)。
5.根据权利要求1所述的基于升降式限高架的高架桥拥堵空间热点自动提取方法,其特征在于:所述以多车道单方向平均速度为参数进行空间热点评估是指,将样本集合内所有的多车道单方向平均速度值作为数据源进行数据分类,将其分为拥堵、缓行、畅通三个级别,然后将多车道单方向平均速度值归于拥堵的所对应的入口匝道集合记为 具体步骤如下:
(1)设定目标函数如下:
其中:
是样本点 与聚类中心cj之间的距离度量; 是指第i个匝道的多车道
单方向平均速度;j是指速度样本属于第j类,即属于三个聚类中的一类;N是第j类内包含的所有样本点的总数;
(2)从样本集合中,选择所有的多车道单方向平均速度值形成速度训练集合(3)采用K-means聚类算法将速度训练集合 划分为拥堵、缓行、畅通
三个类别,具体步骤如下:
3a)初始化随机生成3个聚类中心;
3b)把每个速度数据点分配到离其距离最近的聚类中心所在的簇内;
3c)当所有速度数据点均已分配完毕,计算目标函数是否最优化,也就是所有的速度数据点到其所对应的聚类中心距离度量最小;
3d)重复3a)至3c),直至3个聚类中心位置固定;
3e)取3个聚类中心中速度值最小的聚类中心所在的一类作为速度拥堵类;
(4)输出速度拥堵类所对应的拥堵的入口匝道集合
6.根据权利要求1所述的基于升降式限高架的高架桥拥堵空间热点自动提取方法,其特征在于:所述以多车道单方向总流量为参数进行空间热点评估是指,将样本集合内所有的多车道单方向总流量值作为数据源进行数据分类,将其分为拥堵、缓行、畅通三个级别,然后将多车道单方向总流量值归于拥堵的所对应的入口匝道集合记为 具体步骤如下:
(1)设定目标函数如下:
其中:
是样本点 与聚类中心cj之间的距离度量; 是指第i个匝道的多车道
单方向总流量;j是指速度样本属于第j类,即属于三个聚类中的一类;N是第j类内包含的所有样本点的总数;
(2)从样本集合中,选择所有的多车道单方向总流量值形成流量训练集合(3)采用K-means聚类算法将流量训练集合 划分为拥堵、缓行、畅通
三个类别,具体步骤如下:
3a)初始化随机生成3个聚类中心;
3b)把每个流量数据点分配到离其距离最近的聚类中心所在的簇内;
3c)当所有流量数据点均已分配完毕,计算目标函数是否最优化,也就是所有的流量数据点到其所对应的聚类中心距离度量最小;
3d)重复3a)至3c),直至3个聚类中心位置固定;
3e)取3个聚类中心中流量值最大的聚类中心所在的一类作为流量拥堵类;
(4)输出流量拥堵类所对应的拥堵的入口匝道集合
7.根据权利要求1所述的基于升降式限高架的高架桥拥堵空间热点自动提取方法,其特征在于:所述将第四步的热点评估结果与第五步的热点评估结果进行融合是指,判断入口匝道编号ni是否同时满足 且 即如果该匝道同时属于入口匝道集合
和入口匝道集合 的范围内,则提取该入口匝道作为高架桥拥堵空间热点。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种通过在线分类跟踪内窥镜图像序列特征点的方法 | 2020-05-08 | 884 |
基于卷积神经网络和概念格的图像语义完备标注方法 | 2020-05-11 | 741 |
一种基于聚类分析自主再学习的人脸识别方法 | 2020-05-11 | 519 |
基于共同注意力范式的孤独症辅助诊断装置 | 2020-05-08 | 386 |
一种基于局部区域聚类的电力设备故障区域提取方法 | 2020-05-11 | 767 |
一种基于深度学习的2D+3D大飞机外形缺陷检测与分析方法 | 2020-05-08 | 534 |
信用评分模型的构建方法、装置、设备及存储介质 | 2020-05-08 | 41 |
酒店评分方法、酒店推荐方法、电子装置和存储介质 | 2020-05-08 | 214 |
一种故障数据标记方法及故障识别装置 | 2020-05-11 | 326 |
车辆物流路径生成的方法、装置、计算机设备及存储介质 | 2020-05-08 | 202 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。