[go: up one dir, main page]

CN103913176B - 一种分布式最短时间计算方法和装置 - Google Patents

一种分布式最短时间计算方法和装置 Download PDF

Info

Publication number
CN103913176B
CN103913176B CN201410149434.8A CN201410149434A CN103913176B CN 103913176 B CN103913176 B CN 103913176B CN 201410149434 A CN201410149434 A CN 201410149434A CN 103913176 B CN103913176 B CN 103913176B
Authority
CN
China
Prior art keywords
monitoring node
time period
time
shortest time
shortest
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.)
Active
Application number
CN201410149434.8A
Other languages
English (en)
Other versions
CN103913176A (zh
Inventor
周迪
陈燕兵
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.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview 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 Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201410149434.8A priority Critical patent/CN103913176B/zh
Publication of CN103913176A publication Critical patent/CN103913176A/zh
Application granted granted Critical
Publication of CN103913176B publication Critical patent/CN103913176B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种分布式最短时间计算方法,该方法应用在智能交通系统中监控节点上,包括:A、分别计算当前时间段自身到达各下游邻居监控节点的最短时间,并将该计算得到的最短时间上报给其上游邻居监控节点;B、接收各下游邻居监控节点上报的当前时间段该等下游邻居监控节点到各自下游监控节点的最短时间;C、根据步骤B中的所述最短时间,计算当前时间段自身到达各下游监控节点的最短时间。本发明利用智能交通系统的监控数据,并利用智能交通系统各监控节点进行分布式的计算获得两监控节点之间最短时间的方法实时性好、易用性好,性能高。

Description

一种分布式最短时间计算方法和装置
技术领域
本发明涉及视频监控技术领域,尤其涉及一种分布式最短时间计算方法和装置。
背景技术
随着IT的高速发展及在人类生活中的应用,人类的行为被分析得也越来越多。很多时候我们需要知道车辆从城市的一点到另外一点可能的最短时间和其需要经历的路径。在交通警察业务中的套牌分析、车辆追踪、超速分析,公安嫌犯车辆行踪查找等业务中,都需要了解两个点之间的最短行车时间。
申请号为CN201310154201.2的中国专利申请给出了一种面向交通热点规避的路径规划方法。该方法根据驾车用户所要去往的目的地进行动态并带有规避性质的路径规划,实现一种以行车最短时间为目的的智能路径规划方法;该方法不断地从网页、微博、实时上报的交通信息以及历史规律性信息等多个数据源中挖掘出交通热点信息,如大型活动、交通事故、高峰堵塞路段、学校等大型单位上下学(班)时间和天气信息等;该方法通过实时采集交通热点信息,结合道路最高时速限制、路宽、交叉口交通灯延时对行车的影响及干道是否含有非机动车车带,规划出一条可以具有规避功能的快速导航线路,并可根据当前位置实时进行动态的路径规划;该方法可以为驾驶者提供最快的到达目的地路径,也在一定程度上缓解城市交通拥堵问题。
该现有技术的方法进行最省时规划依赖的数据是从网页、微博、实时上报的交通信息以及历史规律性信息等多个数据源中挖掘出交通热点信息,如大型活动、交通事故、高峰堵塞路段、学校等大型单位上下学(班)时间和天气信息;并且在获得这些数据后使用美国交通局路阻函数、以及动态逼近式最短路优先算法得到最快到达目的地的路径。上述数据来源过于庞杂,综合运用这些数据的算法对计算设备性能要求较高。
发明内容
有鉴于此,本发明提供一种分布式最短时间计算方法和装置。
本发明方法包括如下步骤:
A、分别计算当前时间段自身到达各下游邻居监控节点的最短时间,并将该计算得到的最短时间上报给其上游邻居监控节点;
B、接收各下游邻居监控节点上报的当前时间段该等下游邻居监控节点到各自下游监控节点的最短时间;
C、根据步骤B中的所述最短时间,计算当前时间段自身到达各下游监控节点的最短时间。
优选地,所述步骤A中分别计算当前时间段到达各下游邻居监控节点的最短时间包括:
A1、分别接收各下游邻居监控节点发送的当前时间段内拍摄的车牌和对应的拍摄时间点信息;
A2、分别获取自身当前时间段对应的各时间段内自身拍摄的车牌和拍摄时间点信息,该当前时间段对应的各时间段为当前时间段减去上一时间段计算得到的到达各邻居监控节点最短时间,或者该当前时间段对应的各时间段为当前时间段减去上一时间段计算得到的到达各邻居监控节点最短时间后偏移时间t;
A3、分别统计自身和各下游邻居监控节点发送的当前时间段内拍摄的车牌的交集;
A4、分别将各交集车牌的两个拍摄时间点相减得到各时间差,并进一步根据各时间差得到当前时间段到达各下游邻居监控节点的最短时间。
优选地,该监控节点的上游邻居监控节点和下游邻居监控节点的信息被预先配置在该监控节点上。
本发明的一种分布式最短时间计算装置,包括:
第一最短时间计算模块,用于分别计算当前时间段到达各下游邻居监控节点的最短时间;
最短时间接收和上报模块,用于将第一最短时间计算模块计算得到的最短时间上报给上游邻居监控节点,接收各下游邻居监控节点上报的当前时间段该等下游邻居监控节点到各自下游监控节点的最短时间;
第二最短时间计算模块,用于根据最短时间接收和上报模块接收的最短时间,计算当前时间段自身到达各下游监控节点的最短时间。
优选地,所述第一最短时间计算模块执行如下步骤计算最短时间:
A1、分别接收各下游邻居监控节点发送的当前时间段内拍摄的车牌和对应的拍摄时间点信息;
A2、分别获取自身当前时间段对应的各时间段内自身拍摄的车牌和拍摄时间点信息,该当前时间段对应的各时间段为当前时间段减去上一时间段计算得到的到达各邻居监控节点最短时间,或者该当前时间段对应的各时间段为当前时间段减去上一时间段计算得到的到达各邻居监控节点最短时间后偏移时间t;
A3、分别统计自身和各下游邻居监控节点发送的当前时间段内拍摄的车牌的交集;
A4、分别将各交集车牌的两个拍摄时间点相减得到各时间差,并进一步根据各时间差得到当前时间段到达各下游邻居监控节点的最短时间。
本发明还提供一种计算不同区域监控节点间最短时间的方法,包括:
S21、按照权利要求1~3任一项方法计算第一区域的第一监控节点到该第一区域的每个边界监控节点的最短时间T1i,其中该每个边界监控节点为该监控节点的下游监控节点;
S22、按照权利要求1~3任一项方法计算第一区域的每个边界监控节点到第二区域对应的边界监控节点的最短时间Tij,其中第二区域中与第一区域边界监控节点对应的边界监控节点为第一区域边界监控节点的下游监控节点;
S23、按照权利要求1~3任一项方法计算第二区域的每个边界监控节点到该第二区域的第二监控节点的最短时间Tj2,其中第二监控节点为所述边界监控节点的下游监控节点;
S24、将各T1i、与T1i对应的Tij、与Tij对应的Tj2相加得到若干个和值,取若干个和值中最小的值作为第一区域第一监控节点到第二区域第二监控节点的最短时间。
相较于现有技术,本发明利用智能交通系统的监控数据,并利用智能交通系统各监控节点进行分布式的计算获得两监控节点之间最短时间的方法实时性好、易用性好,性能高。
附图说明
图1是本发明方法实施例流程图;
图2是本发明举例示意图;
图3是本发明子方法实施例流程图;
图4是本发明装置逻辑结构图;
图5是两个域分布式的最短时间计算示例。
具体实施方式
随着城市智能交通系统建立的日趋完善,卡口、电警的分布将呈现出广而密的状态。每个卡口、电警捕获每一个经过的车辆的数据。在一个智能交通系统中,可以很好的利用这些数据来进行智能分析。为此,本发明就提出一种利用智能交通系统中的每一个监控节点捕获的数据进行最短时间计算的方法。在考虑具体使用何种方法来进行监控节点之间最短时间的计算时,发明人结合智能交通系统自身的特点,确定了让各监控节点都参与到计算中来的方法,从而使得计算的压力不再由单个设备来承担。以下结合附图和实施例进行说明。
请参图1,图1给出了最短时间计算方法的流程图。该最短时间计算方法应用于智能交通系统的监控节点上;该智能交通系统的每一个监控节点执行如下步骤:
步骤11、分别计算当前时间段到达各下游邻居监控节点的最短时间,并将该计算得到的最短时间上报给其上游邻居监控节点;
步骤12、接收各下游邻居监控节点上报的该等下游邻居监控节点到各自下游监控节点的最短时间;
步骤13、根据步骤12中的所述最短时间,计算自身到达各下游监控节点的最短时间。
这里的监控节点可以是卡口相机、电警相机等监控前端设备。对于智能交通系统中的每一个监控节点可以在该监控节点上预先配置好其下游邻居监控节点和上游邻居监控节点。由于道路是有方向性的,所以车辆总是先被上游的监控节点拍摄,然后再被下游的监控节点拍摄。请参图2示例,每一个方框代表一个监控节点,方框和方框之间的带箭头的线段表示道路,车辆在道路上只能沿着箭头的方向前进。所以,该智能交通系统的管理员在进行邻居监控节点配置的时候,需要标示出上游邻居监控节点和下游邻居监控节点。比如对监控节点00007进行配置时,配置其下游邻居监控节点为00003、00006、00008,配置其上游邻居监控节点为00009;对监控节点00003上配置时,配置其下游邻居监控节点为00001、00002、00004,上游邻居监控节点为00007;其他监控节点类似配置。
每一监控节点分别计算当前时间段到各自下游邻居监控节点的最短时间时可以按照如下方式进行:
步骤111、分别接收各下游邻居监控节点发送的当前时间段内拍摄的车牌和拍摄时间点信息;并向上游邻居监控节点发送当前时间段内拍摄的车牌和拍摄时间点信息;
步骤112、分别获取自身当前时间段对应的各时间段内拍摄的车牌和拍摄时间点信息,该当前时间段对应的各时间段为当前时间段减去上个时间段计算得到的到达各邻居监控节点最短时间后得到的时间,或者该当前时间段对应的各时间段为当前时间段减去上个时间段计算得到的到达各邻居监控节点最短时间后偏移时间t得到的时间;
步骤113、分别统计和各下游邻居监控节点发送的当前时间段内拍摄的车牌的交集;
步骤114、分别将各交集车牌的两个拍摄时间点相减得到各时间差,并分别进一步对各时间差进行处理得到当前时间段到达各下游邻居监控节点的最短时间。
进一步参考图2,以监控节点00007为例,该节点接收下游邻居监控节点00003、00006、00008发送的当前时间段内拍摄的车牌和对应拍摄时间点信息;假设当前时间段为12:00:00~12:05:00,则监控节点00003、00006、00008将这段时间内拍摄的车牌和时间点信息发送给监控节点00007。比如说,监控节点00003在12:00:00~12:05:00内拍摄到了车牌号为1~200的200辆车;监控节点00006在同样的时间段内拍摄到了车牌号为201~350的150辆车;监控节点00008在该同样的时间段内拍摄到了车牌号为351~498的148辆车。由于这些监控节点上配置有上游邻居监控节点的信息,所以这些监控节点均将上述车牌信息以及每个车牌的拍摄时间点信息以点对点的方式发送给监控节点00007。
当前时间段为12:00:00~12:05:00的上一个时间段为11:55:00~12:00:00,假设该上一时间段计算得到的监控节点00007到下游邻居监控节点00003、00006、00008的最短时间分别为6分钟、5分钟、6分钟(起初可以根据经验设置每个监控节点到达其下游邻居监控节点的最短时间的初始值),则监控节点00007分别获取当前时间段对应的各时间段内拍摄的车牌和拍摄时间点信息为:分别获取在11:54:00~11:59:00时间段、11:55:00~12:00:00时间段内拍摄的车牌和拍摄时间点信息。从增大车牌交集的角度进行考虑,可以设置一个偏移时间t,比如1分钟,则将当前时间段对应的各时间段偏移1分钟为:将11:54:00~11:59:00时间段的首尾时间分别偏移1分钟得到时间段11:53:00~12:00:00;同样将11:55:00~12:00:00时间段也偏移1分钟得到11:54:00~12:01:00。在设置偏移时间的情况下,监控节点00007分别获取11:53:00~12:00:00、11:54:00~12:01:00时间段内拍摄的车牌和每个车牌拍摄时间点信息。
假设监控节点00007在11:54:00~11:59:00(未偏移)这段时间内拍摄到的车牌号为1~98,车牌号为220-275,车牌号为360~380,车牌号为630~668,总计214辆车;统计和下游邻居监控节点00003在12:00:00~12:05:00内拍摄到的车牌号为1~200的车牌的交集为车牌号为1~98的车牌。根据这98辆车在监控节点00007拍摄的时间和在邻居监控节点00003拍摄的时间得到每辆车在节点00007和00003之间的拍摄时间差。对这98个时间差计算其平均值,可以将该平均值作为监控节点00007到其邻居监控节点00003的最短时间;或者将这98个时间差按照从小到大的顺序进行排列,并去除前后各10%的时间差,将剩下的时间差求平均,可以将该结果作为监控节点00007到其邻居监控节点00003的最短时间。除了这两种对时间差进行处理的方式外,还可以有其他方式,这里不再一一描述。监控节点00007用同样的方式分别计算自身到下游邻居监控节点00006、00008的最短时间。本实施例将上述计算得到的最短时间作为当前时间段12:00:00~12:05:00对应的最短时间。本实施例中的时间段的长短可以根据实际智能交通系统节点的部署情况以及一天、一周不同时段进行设置。如果设置的比较短,则实时性将提高;如果设置的比较长,则计算量将减少。所以需要综合各种情况来进行该时间段的设置,以确保好的效果。
上述每个监控节点计算到达其下游邻居监控节点最短时间的方法是一种动态且依赖于实时数据的方法,该方法相比静态配置两节点间最小时间的方法准确性更高。并且每个监控节点将自身拍摄的车牌和时间点信息仅告知自己的上游邻居监控节点,并且传递的是车牌和时间点数据而非图片,所以整个智能交通系统中各监控节点间传输的数据量不会太大,不会影响该智能交通系统的正常工作。
为了得到每一个监控节点到达智能交通系统任意一个下游监控节点的最短时间,本发明实施例进一步需要各监控节点将计算得到的到达下游邻居监控节点的最短时间上报给其上游的邻居节点;同时接收各下游邻居监控节点上报的该等下游邻居监控节点到各自下游监控节点的最短时间。这样,每个监控节点就能计算自身到达任意一个下游监控节点的最短时间。
还是参考图2的例子,以监控节点00007为例进行说明。监控节点00007将到达其下游邻居监控节点00003、00006、00008的最短时间6分钟、5分钟、6分钟上报给其上游邻居监控节点00009。监控节点00007接收其下游邻居监控节点00003、00006和00008上报的到达各自下游监控节点的最短时间;比如00003上报到达00001的最短时间为3分钟,到达00002的最短时间为4分钟,到达00004的最短时间为3分钟。如果00001的下游还有一个监控节点00100,并且00001到达00100的最短时间为5分钟,则00003还上报到达00100的最短时间为8分钟。00100虽然不是00003的下游邻居监控节点,但仍是其下游监控节点,并且依赖00001上报的到达00100的最短时间5分钟,00003就可以得到自身到达00100的最短时间为8分钟。这样,监控节点00007就可以得到到达其下游任意一个监控节点的最短时间。如果00007到达其任意一个下游监控节点计算后有两个时间,则较小的时间作为最短时间;这种情况表明00007有两条路径可以到达该下游监控节点。图2对应的监控节点00007到达下游监控节点的最短时间和对应路径如表1。
表1
进一步参图2,00003向00007上报到00001、00002、00004的最短时间;00006向00007上报到00005、00002的最短时间;00008向00007上报到00004的最短时间;00007根据00003、00006、00008上报的最短时间并结合自身计算得到的到达00003的最短时间计算到达00001、00002、00004和00005的最短时间;00007再将计算得到的到达00001、00002、00004和00005的最短时间上报给00009。00009根据00007上报的到达上述节点的最短时间并结合自身计算的到达00007的最短时间就可以得到到达00001、00002、00004和00005的最短时间;00009根据00007上报的到达00008的最短时间并结合自身到达00007的最短时间可以计算到达00008的最短时间。后续00010向00009上报到达00008和00004的最短时间;00009根据00010上报的到达00008和00004的最短时间并结合自身到达00010的最短时间就可以到达00008和00004的最短时间。此时,00007将当前计算得到的新的到达00008、00004的最短时间和之前计算得到的最短时间进行比较,如果当前计算得到的小就用当前的最短时间更新之前对应的最短时间。本例中,00009经过00007到达00008的最短时间为18分钟,而经过00010到达00008的最短时间为16分钟,所以00009到达00008的最短时间为16分钟。同样的,00009经过00007到达00004的最短时间为25分钟,而00009经过00010到达00004的最短时间为23分钟,所以00009到达00004的最短时间为23分钟。所以,监控节点到达其下游监控节点的最短时间是一个动态更新的过程;当监控节点收到下游邻居监控节点上报的到达各下游监控节点的最短时间后,如果经过计算判断自身到达下游邻居监控节点的最短时间需要更新,则更新对应的最短时间,并将更新后的最短时间上报给自身的上游邻居监控节点。
综上,智能交通系统中的每个监控节点将自身到达下游监控节点的最短时间上报给自身的上游邻居监控节点后,该上游邻居监控节点进一步根据自身计算的到达每个监控节点的最短时间计算得到到达各下游监控节点的最短时间。由于下游监控节点、上游监控节点是相对概念,所以上述上报计算过程可以最终得到了每个监控节点到达自身任意下游监控节点的最短时间和对应的最短路径。
需要说明的是,图2和表1的最短时间计算结果均是对应某一时间段计算得到的结果。下一时间段,由于每个监控节点需要重新根据车牌和拍摄时间点数据计算到达下游邻居监控节点最短时间,所以图2和表1对应的最短时间均需要进行更新。
在上述计算监控节点到其下游监控节点最短时间的过程中同时也得到了到达下游监控节点的最省时路径。比如说监控节点00007到达监控节点00002的最省时路径为经过00003到达00002,而非经过00006到达00002。最短时间和最省时路径对于套牌分析、路径拥堵判断等业务非常有用。所以本发明的最短时间、最省时路径的获取方案非常具有实际价值。
本发明方案每个监控节点在获得自身到达下游监控节点的最短时间、最省时路径时都参与了计算,各监控节点共享各自的计算结果,从而达到了分布式计算的种种有益效果。
基于同样的构思,本发明还提供一种分布式最短时间计算装置。请参图4,该装置应用在智能交通智能交通系统中监控节点上,包括:第一最短时间计算模块,用于分别计算当前时间段到达各下游邻居监控节点的最短时间;最短时间接收和上报模块,用于将第一最短时间计算模块计算得到的最短时间上报给上游邻居监控节点,接收各下游邻居监控节点上报的当前时间段该等下游邻居监控节点到各自下游监控节点的最短时间;第二最短时间计算模块,用于根据最短时间接收和上报模块接收的最短时间,计算当前时间段自身到达各下游监控节点的最短时间。
该第一最短时间计算模块执行如下步骤计算最短时间:A1、分别接收各下游邻居监控节点发送的当前时间段内拍摄的车牌和对应的拍摄时间点信息;A2、分别获取自身当前时间段对应的各时间段内自身拍摄的车牌和拍摄时间点信息,该当前时间段对应的各时间段为当前时间段减去上一时间段计算得到的到达各邻居监控节点最短时间,或者该当前时间段对应的各时间段为当前时间段减去上一时间段计算得到的到达各邻居监控节点最短时间后偏移时间t;A3、分别统计自身和各下游邻居监控节点发送的当前时间段内拍摄的车牌的交集;A4、分别将各交集车牌的两个拍摄时间点相减得到各时间差,并进一步根据各时间差得到当前时间段到达各下游邻居监控节点的最短时间。
当监控节点数量非常庞大时,本发明的方法将面临计算量过大的问题。此时,可以考虑将监控节点按照其所在的区域进行划分,然后在单个区域实施前述最短时间计算方法,最后将各个区域的计算得到的最短时间对应相加得到不同区域监控节点间的最短时间。为方便说明,假设第一区域有一个边界监控节点,第二区域也有一个边界监控节点,第二区域的该边界监控节点为第一区域的边界监控节点的下游邻居监控节点。当计算第一区域的第一监控节点到第二区域的第二监控节点的最短时间时可以按照如下方法进行:
S21、按照前文所述的方法计算第一区域的第一监控节点到该第一区域的边界监控节点的最短时间T1
S22、按照前文所述的方法计算第一区域的该边界监控节点到第二区域的该边界监控节点的最短时间T2
S23、按照前文所述的方法计算第二区域的该边界监控节点到该第二区域的第二监控节点的最短时间T3
S24、将T1、T2和T3的和Tsum作为第一区域第一监控节点到第二区域第二监控节点的最短时间。
如果每个区域存在多个边界监控节点时,可以按照上述方法分别计算各个Tsum,Tsum的最小值即为第一区域的第一监控节点到第二区域的第二监控节点的最短时间。
请参图5,图5显示了两个区域的情况:区域0和区域1。如果要计算当前时间段区域0中的监控节点00005到区域1中的监控节点10001的最短时间,则先计算00005分别到00004、00008、00010的最短时间(这里00004、00008、00010是区域0的边界监控节点,且为00005的下游监控节点),记为t1、t2、t3,再计算10004、10008、10010到10001的最短时间t4、t5、t6,还需要计算00004到10004的最短时间t7,00008到10008的最短时间t8,00010到10010的最短时间t9;然后将t1、t4与t7相加,t2、t5和t8相加,t3、t6和t9相加,比较相加后的三个和值,最小的那个即为00005到10001的最短时间。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。

Claims (7)

1.一种分布式最短时间计算方法,其特征在于,该方法应用在智能交通系统中监控节点上,所述监控节点具体为监控前端设备,所述智能交通系统的每一个监控节点执行如下步骤:
A、分别计算当前时间段自身到达各下游邻居监控节点的最短时间,并将该计算得到的最短时间上报给其上游邻居监控节点;
B、接收各下游邻居监控节点上报的当前时间段该下游邻居监控节点到各自下游监控节点的最短时间;
C、根据步骤B中的所述最短时间,计算当前时间段自身到达各下游邻居监控节点的下游监控节点的最短时间。
2.如权利要求1所述的方法,其特征在于,所述A中分别计算当前时间段到达各下游邻居监控节点的最短时间包括:
A1、分别接收各下游邻居监控节点发送的当前时间段内拍摄的车牌和对应的拍摄时间点信息;
A2、分别获取自身当前时间段对应的各时间段内自身拍摄的车牌和拍摄时间点信息,该当前时间段对应的各时间段为当前时间段减去上一时间段计算得到的到达各邻居监控节点最短时间,或者该当前时间段对应的各时间段为当前时间段减去上一时间段计算得到的到达各邻居监控节点最短时间后偏移时间t;
A3、分别统计自身和各下游邻居监控节点发送的当前时间段内拍摄的车牌的交集;
A4、分别将各交集车牌的两个拍摄时间点相减得到各时间差,并进一步根据各时间差得到当前时间段到达各下游邻居监控节点的最短时间。
3.如权利要求1所述的方法,其特征在于,该监控节点的上游邻居监控节点和下游邻居监控节点的信息被预先配置在该监控节点上。
4.一种分布式最短时间计算装置,其特征在于,该装置应用在智能交通系统中的每一个监控节点上,所述监控节点具体为监控前端设备,包括:
第一最短时间计算模块,用于分别计算当前时间段到达各下游邻居监控节点的最短时间;
最短时间接收和上报模块,用于将第一最短时间计算模块计算得到的最短时间上报给上游邻居监控节点,接收各下游邻居监控节点上报的当前时间段该下游邻居监控节点到各自下游监控节点的最短时间;
第二最短时间计算模块,用于根据最短时间接收和上报模块接收的最短时间,计算当前时间段自身到达各下游邻居监控节点的下游监控节点的最短时间。
5.如权利要求4所述的装置,其特征在于,所述第一最短时间计算模块执行如下步骤计算最短时间:
A1、分别接收各下游邻居监控节点发送的当前时间段内拍摄的车牌和对应的拍摄时间点信息;
A2、分别获取自身当前时间段对应的各时间段内自身拍摄的车牌和拍摄时间点信息,该当前时间段对应的各时间段为当前时间段减去上一时间段计算得到的到达各邻居监控节点最短时间,或者该当前时间段对应的各时间段为当前时间段减去上一时间段计算得到的到达各邻居监控节点最短时间后偏移时间t;
A3、分别统计自身和各下游邻居监控节点发送的当前时间段内拍摄的车牌的交集;
A4、分别将各交集车牌的两个拍摄时间点相减得到各时间差,并进一步根据各时间差得到当前时间段到达各下游邻居监控节点的最短时间。
6.如权利要求4所述的装置,其特征在于,该监控节点的上游邻居监控节点和下游邻居监控节点的信息被预先配置在该监控节点上。
7.一种计算不同区域监控节点间最短时间的方法,其特征在于,包括:
S21、按照权利要求1~3任一项方法计算第一区域的第一监控节点到该第一区域的每个边界监控节点的最短时间T1i,其中该每个边界监控节点为该监控节点的下游监控节点;
S22、按照权利要求1~3任一项方法计算第一区域的每个边界监控节点到第二区域对应的边界监控节点的最短时间Tij,其中第二区域中与第一区域边界监控节点对应的边界监控节点为第一区域边界监控节点的下游监控节点;
S23、按照权利要求1~3任一项方法计算第二区域的每个边界监控节点到该第二区域的第二监控节点的最短时间Tj2,其中第二监控节点为所述边界监控节点的下游监控节点;
S24、将各T1i、与T1i对应的Tij、与Tij对应的Tj2相加得到若干个和值,取若干个和值中最小的值作为第一区域第一监控节点到第二区域第二监控节点的最短时间。
CN201410149434.8A 2014-04-14 2014-04-14 一种分布式最短时间计算方法和装置 Active CN103913176B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410149434.8A CN103913176B (zh) 2014-04-14 2014-04-14 一种分布式最短时间计算方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410149434.8A CN103913176B (zh) 2014-04-14 2014-04-14 一种分布式最短时间计算方法和装置

Publications (2)

Publication Number Publication Date
CN103913176A CN103913176A (zh) 2014-07-09
CN103913176B true CN103913176B (zh) 2017-05-17

Family

ID=51039040

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410149434.8A Active CN103913176B (zh) 2014-04-14 2014-04-14 一种分布式最短时间计算方法和装置

Country Status (1)

Country Link
CN (1) CN103913176B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246021A (zh) * 2007-12-18 2008-08-20 深圳市同洲电子股份有限公司 一种智能导航的实现方法、设备及系统
CN102024330A (zh) * 2010-10-26 2011-04-20 隋亚刚 基于高清视频技术的智能交通信号控制系统、方法及设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3185563B2 (ja) * 1994-10-19 2001-07-11 松下電器産業株式会社 経路探索表示装置
JPH09270801A (ja) * 1996-04-01 1997-10-14 Hitachi Ltd 動的経路制御方式
KR100653036B1 (ko) * 2000-12-11 2006-11-30 주식회사 케이티 회전 금지, 유-턴, 피-턴을 고려한 다익스트라 알고리즘또는 플로이드-워셜 알고리즘을 이용한 최단경로 산출방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246021A (zh) * 2007-12-18 2008-08-20 深圳市同洲电子股份有限公司 一种智能导航的实现方法、设备及系统
CN102024330A (zh) * 2010-10-26 2011-04-20 隋亚刚 基于高清视频技术的智能交通信号控制系统、方法及设备

Also Published As

Publication number Publication date
CN103913176A (zh) 2014-07-09

Similar Documents

Publication Publication Date Title
Keertikumar et al. Evolution of IoT in smart vehicles: An overview
CN110969857B (zh) 一种交通信息处理方法及装置
CN109064741B (zh) 基于多源数据融合的干道车辆运行轨迹重构的方法
CN103914988B (zh) 一种交通路况数据处理方法、装置和系统
DE602004020371D1 (de) Verfahren und vorrichtung zum routen von informationen abhängig von der verkehrsrichtung
Kim et al. Navopt: Navigator assisted vehicular route optimizer
Rathore et al. Exploiting real-time big data to empower smart transportation using big graphs
CN106895846B (zh) 一种路径规划方法及路径规划装置
CN113380028B (zh) 一种智慧出行交通数据融合方法及装置
CN106157619B (zh) 过饱和状态下路网在运车辆数计算方法
Krishnan et al. Traffic flow optimization and vehicle safety in smart cities
Santi et al. Taxi pooling in New York City: a network-based approach to social sharing problems
CN105547315A (zh) 一种车辆实时最优交通规划方法及系统
Sujitha et al. Intelligent transportation system for vehicular ad-hoc networks
CN103913176B (zh) 一种分布式最短时间计算方法和装置
Elbery et al. Vehicular crowd management: An iot-based departure control and navigation system
Huang et al. Vehicular network based reliable traffic density estimation
US12262282B2 (en) Approximating population density and post-incident scenario analysis
WO2018107611A1 (zh) 城市道路的运行速度的处理方法、装置、设备及非易失性计算机存储介质
Montero Mercadé et al. A case study on cooperative car data for traffic state estimation in an urban network
Mohammed et al. Fog computing-based model for mitigation of traffic congestion
Song et al. On characterization of the traffic hole problem in vehicular ad-hoc networks
Song et al. Catching up with traffic lights for data delivery in vehicular ad hoc networks
Kulkarni et al. Intelligent traffic light control with wireless sensor networks
Rakkesh et al. Simulation of real-time vehicle speed violation detection using complex event processing

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant