数据精英夏季特训营开车啦！
同时报名还可享更多优惠：
任选2套同报，再减200元！
任选3套同报，再减360元！
任选4套同报，再减520元！
任选5套同报，再减700元！
任选6套同报，再减900元！
（以上优惠不包括营5和营14）
1 引言
在“智能网联+智慧交管”深度融合的背景下，精准、全面、实时的路况数据已成为全域数字交通治理迈向“智慧化”、“精细化”与“多元化”发展的核心要素。传统基于浮动车GPS的互联网路况信息虽能在一定程度上描述行程时间与车速，但其渗透率低、类型单一等缺陷使其难以提升车道、转向级路况信息的精准度。借助于图像识别、感应控制、信息传输和存储等一体化交管技术的革新，基于电警、卡口系统的车牌识别数据(ALPR)以其连续性强、识别率高、样本量大、覆盖面广、稳定性高及时间延续性强等优势，为捕获更加全面的车道级交通参数、精准判别交通状态提供了全新的视角和解决方案。
本次应用实践选取达州市西外片区核心路网为实例路网，应用范围西起紫荆花路，东至朝阳中路，北起龙泉路，南至朝阳西路，区域面积约4.2km2，含10条主-次干道，24个交叉口，主要道路相交的交叉口均有检测设备覆盖。
车牌数据预处理：本次应用数据来源于脱敏后的自动车牌识别数据(Automatic License Plate Recognition)，即-ALPR数据–存在数据重复、异常、缺失等问题，需对其进行数据规约、转换和清洗等预处理分析。
数据规约：剔除未能刻画系统关键标识的属性，将一条完整的过车记录（6大类38个字段）维度规约为5类18个字段，精准描述标识对象的属性集合。
数据转换：数据规格化操作，将过车数据值限定在特定的范围之内、并将其转换为交通量数据。
数据清洗：清洗噪声数据，将其转换为符合精度要求的可用数据，提升基础数据质量。
本次应用选取-路网拓扑地图-13号交叉口，即金龙大道与永兴路交叉口作为研究对象。该交叉口有完整信号配时数据和监控视频。
车道级流量提取：以时间窗为该交叉口实时的信号周期时长，反映不同时间维度下交通量变化特性。
行程时间-行程车速提取：引入自适应滤波算法，对行程数据采取自适应滤波算法处理，经DBSCAN聚类各时段不停车行程时间阈值范围，获取行程时间过滤结果。
延误-排队长度提取：提取车辆行程时间后，采用延误估计算法对转向车均延误进行估计；同时，基于2024年5月23日全天行程时间建立高斯混合三分量模型拟合，引入EM算法拟合获取车道级排队长度。
基于交通参数的计算结果，构建交通状态判别模型提取各周期的交通运行状态。
车道级交通状态判别：实现早高峰时段车道级交通状态判别。
转向级交通状态判别：按车道功能对判别结果提取分转向的交通运行状态，为车道功能分配、信控制方案的提供精细化支撑。
评估与问题识别：对交叉口整体的运行状态进行判别，全日仅早高峰5个周期，晚高峰仅1个周期饱和度超过0.9，各周期车均控制延误均小于60s/veh，未处于过饱和运行状态。
本次应用实践聚焦于采用大量车牌识别数据提升互联网路况信息精准度，以达州智能交通项目服务的核心片区为应用场景，以数据预处理、交通参数计算及状态判别，充分验证并实践了实时车牌识别数据在智能交通领域应用的有效性。
现场应用实践表明，车牌识别数据(ALPR)以其独特优势，显著提升了车道-转向级路况信息精准度和实时性，为智能交通精细化管理提供了强有力的技术支撑。该项技术正在申请国家发明专利，未来，将加快推进核心算法向软件产品的成果转化，赋能项目运营质量提升，持续推动全域数字交通治理朝向更加“智慧化”、“精细化”和“多元化”的方向迈进。
最近有朋友问我们：为什么没有及时看到推文？因为微信改了推送规则，没有点“赞”或“在看”，没有把我们“星标”，都有可能出现这种状况。
加“星标”，不迷路！看完文章顺手点点“赞”或“在看”，就可以准时与我们见面了~
原文始发于微信公众号（城市数据派）：【实践案例分享】如何采用车牌识别数据提升互联网路况信息精准度？丨城市数据派
规划问道
