一种获取公交IC卡持卡乘客上车站点的方法

    公开(公告)号:CN101615207A

    公开(公告)日:2009-12-30

    申请号:CN200910104307.5

    申请日:2009-07-10

    申请人: 重庆大学

    IPC分类号: G06F17/40 G06Q50/00

    摘要: 本发明提供一种获取公交IC卡持卡乘客上车站点的方法,步骤简单,能准确获取公交IC卡持卡乘客的上车站点,为各站点的上车人数统计和客流分布情况分析奠定基础;包括如下步骤:1)采集公交线路沿线公交站点位置信息,存入地理信息库;2)接收公交车实时定位数据,通过与地理信息库的公交站点位置信息进行匹配,获得公交车进站时间数据并存储;3)读取公交车IC卡收费机刷卡记录,将刷卡记录中的刷卡时间与公交车进站时间进行匹配,即将同一公交车在相邻两站点进站时间之间的刷卡记录与前一站点IC卡持卡乘客上车站点对应。

    长途客运车辆人员超载监控系统及监控方法

    公开(公告)号:CN101610400A

    公开(公告)日:2009-12-23

    申请号:CN200910104308.X

    申请日:2009-07-10

    申请人: 重庆大学

    IPC分类号: H04N7/18 G08C17/02 G06T7/00

    摘要: 本发明提供长途客运车辆人员超载监控系统,能在本地实时判断超载,数据传输量小,适合对长途客运车辆的实时超载监控;所述长途客运车辆人员超载监控系统,包括图像采集装置,安装于车厢前端顶部正对过道,用于获取车厢内包含过道全景的图像;数据处理装置,接收摄像装置获取的图像信号,对图像进行处理分析,通过判断过道是否有人来判断车辆是否疑似超载;以及传输模块,当判断结果为疑似超载时,将当前图像无线传输至监控中心;此外,本发明还提供了一种长途客运车辆人员超载监控方法。

    一种基于人工蜂群算法的通勤私家车拼车匹配方法

    公开(公告)号:CN114331617A

    公开(公告)日:2022-04-12

    申请号:CN202111640253.1

    申请日:2021-12-29

    申请人: 重庆大学

    摘要: 本发明涉及一种基于人工蜂群算法的通勤私家车拼车匹配方法,属于数据算法处理技术领域,特别是通勤私家车拼车匹配方法技术领域。本方法通过对人工蜂群优化算法进行改进,重新设计蜜源和适应度规则,将每辆通勤车的出发时间作为蜜源的每一个维度,出发时间的区间作为蜜源的变化区间,以车辆拼车后所节约的路径长度作为适应度,使其有更强的搜索能力和开发能力。本方法根据车辆RFID电子车牌标识数据,统计得到通勤私家车出行行程和通勤私家车出行行程子序列,可以提高实验效率,降低复杂度,此方法参数少,效率高,效果好,比其他方法可以节省更多的路程,使更多的私家车进行匹配,解决方案更好。

    一种基于Transformer时空图卷积网络的交通流预测方法

    公开(公告)号:CN114330671A

    公开(公告)日:2022-04-12

    申请号:CN202210009238.5

    申请日:2022-01-06

    申请人: 重庆大学

    IPC分类号: G06N3/04 G06N3/08 G08G1/01

    摘要: 本发明涉及一种基于Transformer时空图卷积网络的交通流预测方法,属于交通流预测技术领域,包括以下步骤:根据路网部署的探测器及其之间的连通性和欧氏距离构造静态邻接矩阵;对探测器所采集到的交通流原始数据按指定时间间隔进行合并;对数据集采用最大最小方法进行归一化处理,并构建交通流时空图,将数据集分为训练集和测试集;构造基于Transformer时空图卷积网络预测模型;将训练集数据作为输入,训练预测模型;利用训练完成的时空图卷积网络预测模型对测试集进行交通流预测,并根据预测结果和实际交通数据,对预测误差进行评价分析。相比传统方法而言,本方法可以有效提取交通流数据中的时空相关性,更加充分地挖掘交通流数据中的信息,提升其预测精度。

    一种信号交叉口车辆到达率估计方法

    公开(公告)号:CN108765941B

    公开(公告)日:2022-03-11

    申请号:CN201810531802.3

    申请日:2018-05-29

    申请人: 重庆大学

    IPC分类号: G08G1/01 G08G1/065

    摘要: 本发明公开了一种信号交叉口车辆到达率估计方法,包括:步骤1.计算上下游信号交叉口的关联度;所述上下游信号交叉口包括独立信号交叉口和关联信号交叉口;步骤2.分别分析独立信号交叉口和关联信号交叉口车辆的到达过程,以获得车辆的到达规律;步骤3.分析关联信号交叉口车队的离散情况,并建立车队离散模型;步骤4.根据步骤2得出的车辆在独立信号交叉口和关联信号交叉口的到达规律,分别建立独立信号交叉口车辆到达率估计模型和关联信号交叉口车辆到达率估计模型,以计算车辆到达率。

    一种基于机动车电子标识数据的城市出行热点提取方法

    公开(公告)号:CN109472433B

    公开(公告)日:2021-11-09

    申请号:CN201810550231.8

    申请日:2018-05-31

    申请人: 重庆大学

    IPC分类号: G06Q10/06 G06Q50/26

    摘要: 本发明公开了一种基于机动车电子标识数据的城市出行热点提取方法,该方法包括以下步骤:步骤1.获取每个RFID电子标识采集点的辐射关径;步骤2.将区域D划分为若干个大小一致的正方形网格单元,求取每个网格单元的网格热度值;步骤3.通过网格热度分布直方图获得网格热度阈值,将超过网格热度阈值的网格定义为热点网格;步骤4.遍历各热点网格,合并互可达的热点网络得到热点区域。本发明通过引入数据场理论挖掘出居民出行的热点区域,这为今后的城市规划和交通管理打下了基础;本发明使用了机动车电子标识数据,数据量大,车辆数据全面,受干扰程度小,得到结果更加具有说服力。

    基于RFID电子车牌的城市交通OD计算方法

    公开(公告)号:CN108550261B

    公开(公告)日:2021-05-04

    申请号:CN201810550158.4

    申请日:2018-05-31

    申请人: 重庆大学

    摘要: 本发明涉及智能交通领域,公开了一种基于RFID电子车牌的城市交通OD计算方法,包括如下步骤:1)获取车辆通过RFID采集器的通行记录,保存在数据库中;2)设置起始时间T1和终止时间T2,从数据库中查找该时间范围内所有车辆的通行数据,得到每辆车的行驶轨迹;3)根据车辆的行驶轨迹,计算车辆通过两个相邻RFID采集器的通行时间间隔,将通行时间间隔与计算的基准时间间隔比较并判断目标车辆在该两个相邻的RFID采集器之间是否有停留,并根据停留点把行驶轨迹划分为不同的出行OD,得到单车的出行OD;4)根据单车出行OD汇聚得到任意两个RFID采集器间的OD矩阵,结合城市划分的交通小区,汇聚得到任意两个交通小区间的OD矩阵。本发明充分考虑了同时段的其他车辆的出行时间和交通路况,避免了由于交通拥堵等情况造成的停留点误判;适用范围广,覆盖范围大,可以监控城市道路上的大多数车辆,覆盖城市的绝大部分路网。

    一种信号交叉口车辆到达率估计方法

    公开(公告)号:CN108765941A

    公开(公告)日:2018-11-06

    申请号:CN201810531802.3

    申请日:2018-05-29

    申请人: 重庆大学

    IPC分类号: G08G1/01 G08G1/065

    CPC分类号: G08G1/0129 G08G1/065

    摘要: 本发明公开了一种信号交叉口车辆到达率估计方法,包括:步骤1.计算上下游信号交叉口的关联度;所述上下游信号交叉口包括独立信号交叉口和关联信号交叉口;步骤2.分别分析独立信号交叉口和关联信号交叉口车辆的到达过程,以获得车辆的到达规律;步骤3.分析关联信号交叉口车队的离散情况,并建立车队离散模型;步骤4.根据步骤2得出的车辆在独立信号交叉口和关联信号交叉口的到达规律,分别建立独立信号交叉口车辆到达率估计模型和关联信号交叉口车辆到达率估计模型,以计算车辆到达率。

    一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法

    公开(公告)号:CN108682153A

    公开(公告)日:2018-10-19

    申请号:CN201810549401.0

    申请日:2018-05-31

    申请人: 重庆大学

    IPC分类号: G08G1/01 G08G1/017

    摘要: 本发明公开了一种基于RFID电子车牌数据的城市道路交通拥堵状态判别方法,包括如下步骤:1)通过RFID电子车牌数据获取交通流评价参数,包括标准车当量数和平均速度;2)将步骤1)获得的标准车当量数和平均速度作为聚类操作的两个维度,进行聚类操作,获得最佳聚类数目和聚类结果;3)将聚类中心按照纵坐标投影点的取值由大到小排序,对于纵坐标投影点的取值相同的聚类中心点,将其向横坐标进行投影并按照横坐标投影点的取值由小到大进行排序,排序后的投影点所对应的聚类中心点即代表了交通拥堵状态从畅通到拥堵的连续变化趋势。本发明利用标准车当量数代替交通量作为GEFCM聚类算法的维度,可以更好的反映交通拥堵状态,并且相对于传统的模糊C均值算法,运用GEFCM会避免因样本类容量的不同对最终聚类结果的影响,提高聚类的准确性;并解决了聚类中心和具体交通拥堵状态之间匹配的问题。

    基于RFID电子车牌的城市交通OD计算方法

    公开(公告)号:CN108550261A

    公开(公告)日:2018-09-18

    申请号:CN201810550158.4

    申请日:2018-05-31

    申请人: 重庆大学

    IPC分类号: G08G1/01 G06K17/00 G06F17/30

    摘要: 本发明涉及智能交通领域,公开了一种基于RFID电子车牌的城市交通OD计算方法,包括如下步骤:1)获取车辆通过RFID采集器的通行记录,保存在数据库中;2)设置起始时间T1和终止时间T2,从数据库中查找该时间范围内所有车辆的通行数据,得到每辆车的行驶轨迹;3)根据车辆的行驶轨迹,计算车辆通过两个相邻RFID采集器的通行时间间隔,将通行时间间隔与计算的基准时间间隔比较并判断目标车辆在该两个相邻的RFID采集器之间是否有停留,并根据停留点把行驶轨迹划分为不同的出行OD,得到单车的出行OD;4)根据单车出行OD汇聚得到任意两个RFID采集器间的OD矩阵,结合城市划分的交通小区,汇聚得到任意两个交通小区间的OD矩阵。本发明充分考虑了同时段的其他车辆的出行时间和交通路况,避免了由于交通拥堵等情况造成的停留点误判;适用范围广,覆盖范围大,可以监控城市道路上的大多数车辆,覆盖城市的绝大部分路网。