堵車演算法

① 用大數據解決城市擁堵

用大數據解決城市擁堵

隨著人口的增長，公交、火車以及其他的運輸設備將變的越來越擁堵。公共運輸部門從調查、攝像機中獲取定性數據描述擁堵，城市引擎（Urban Engines）公司卻相信通過智能演算法和大數據系統可以高效解決擁堵問題。
Urban Engines從谷歌風投等公司獲得了大量融資，金額未作披露。公司創始人包括Balaji Prabhakar、Deepak Merugu和Google的前設計師Shiva Shivakumar和Giao Nguyen。Shivakumar曾是谷歌在2001年至2010年期間的技術總監和出色的企業家，並且幫助建造了 Adsense、Search Appliances和Cloud Apps等項目。Prabhakar是斯坦福大學社交網路研究中心教授，是讓社交網路更智能、更具規模、更有效的研究發起人。
Urban Engines源自於Prabhakar關於城市擁堵的研究和對供需關系的理解，人們如何運用公共交通以及如何從高峰到非高峰期轉換人們的行為。Prabhakar和Shivakumar發明了SaaS，可以用來監測交通狀況。
Urban Engines軟體使用的數據來自城市運輸系統，通過空間分析重現城市運輸系統。軟體還能幫助實施獎勵計劃，以獎勵的方式增加增加公共交通參與，緩解高峰期擁堵。
這些數據來源於一種簡單的標記方式：當人們刷卡進出火車站或者汽車站時，鐵路和公路系統會收集數據作支付結算，但不作交通分析。Urban Engines將量化這些數據，然後分析每條公交和火車線路的擁堵程度、等待時間、歷史數據等訊息。
Prabhakar將這視作「群體感應」，通過感應人們的刷卡行為來確定他們所處位置，這聽起來有些復雜，事實上也是如此，團隊成員對演算法和技術進行了多年的研究 。Shivakumar表示：「運輸部門知道火車的具體位置，卻不知道人在哪兒。」
Urban Engines軟體獲交通部門批准，一旦部署到雲端，它就能知道哪一站上來了多少乘客，哪一列火車已經不堪重負等信息。更有趣的是交通部門可以與歷史數據進行比較，獲知應該增加哪些線路或者增加哪條線路的公交車數量。
Urban Engines已經進行過一些測試。通過與世界銀行合作，巴西聖保羅正在使用Urban Engines的解決方案改善交通系統，新加坡使用Urban Engines緩解高峰期的交通壓力，而華盛頓特區已經將其完全應用於鐵路系統。
Urban Engines表示，他們想要讓世界上100多個人口眾多的城市的運輸變得更有效，公司的系統會發揮很大作用。通過這個軟體，可以理解交通系統的運行，為決策提供參考，從而節約時間和金錢。

② 手機導航是怎麼知道車輛擁堵的

原因如下：

1. 在運行的手機導航都有兩個無線連接端，一個連接移動基站，一個連接導航衛星，前者負責生成數據，後者用來確定位置信息。那麼擁堵信息的形成其實就是很多個聯網聯星手機共同形成的數據反應在我們手機終端上。

2. 例如在路上有很多輛車都裝載了網路的手機端導航或者可聯網的車機，那麼如果前方路段有很多個車輛的車速變慢或者集體停止，那麼很明顯前方路段就出現了擁堵，那麼網路汽車的後台就能在非常短的時間內形成數據，通過移動網路，下發到各個車輛和手機的終端上，顯示預估擁堵時間的同時給出可行的避讓路線。

3. 而如果前方的很多終端上傳的信息顯示，這些車輛都是以比較快而穩定的速度形式，那麼則表示這一段路程暢通，其實在這個過程中，我們持有終端的司機朋友們都充當了信息的採集者和受益者，從這一點上來講，手機導航系統是一個真正意義上的共享機制。

(2)堵車演算法擴展閱讀：

1. 地圖導航的價值並不只限於開車路線推薦。地圖類的app目前支持駕車、公交、步行、騎行、電動車等幾個方式的出行，用戶去往目的地的方式，並不是只有駕車這一種方式。

2. 路線設計是動態化的，並非固態的。地圖導航的路線是動態化設計的，並非固態的，當地圖導航感覺到前方某段路線出現擁堵的時候，會為用戶設計更優路線，而不只是固態路線。

3.擁堵是多方面原因造成的，並非是因為太多用戶使用導航的緣故。網路地圖等都會有「躲避擁堵」模式，其為用戶推薦的路線會為用戶避開前方正在發生的擁堵情況。

③ 2020年哈爾濱計程車堵車費怎麼計算

把流量換兵，計程車堵車費的話，大約是20萬元左右，一個月我在哈爾濱，現在地方經濟條件不是太好，但是但是我覺得還是可以的，因為在很多的情況之下，我都能把這東西認真的做

④ 交通擁堵指數的計算方法

交通指數是對分布在城市大街小巷的動態車輛位置信息（簡稱浮動車數據）進行深入加工處理獲得的，在北京是通過全市3萬多輛計程車上的車載GPS回傳動態數據給數據處理中心。首先對車輛位置數據處理，得到不同功能等級道路的運行速度，然後根據道路功能不同以及流量數據計算該道路在全網中所佔權重，最後通過人對擁堵的感知判斷，給出換算到0-10的指數指標值。
但交通指數並不意味著車速，因道路情況不同，速度帶給人的感受並不相同。比如20公里每小時的速度在快速路上感覺就是嚴重擁堵，而在胡同等狹窄道路中就感覺比較順暢。
為了測算區分出這些等級，千餘名工作人員攜帶GPS等儀器，幾乎跑遍大街小巷，之後通過比對現場感受和數據測算，最終確定各種不同道路的交通指數。
交通指數計算最小時間單位是15分鍾，指數值可以實時動態地反映全路網的運行狀態，通過定義通勤早、晚高峰或者節假日高峰等不同統計周期，可以得到工作日高峰平均交通指數、日交通指數最大值等反映一天典型交通特徵的指數。

⑤ 急求演算法，要求：已知道路車流量如何判斷是否擁堵

建議用車速判斷
車速大於平均車速，空曠
車速接近平均車速，正常

車速小於平均車速，擁堵

⑥ 浙江預測擁堵准確率超90%，如何實現的

能預測准確的首要原因是數據來源的極大豐富，現在的技術水平為實時處理海量數據提供了可能。有了海量數據和處理能力，檢測和預測不是特別有技術含量的事情，我感覺只要演算法考慮到了足夠多的影響因素，簡單演算法和復雜演算法的准確率差距不是那麼大。另外看準確率這個評價指標，不得不說，數據會說謊，這一個指標不能證明其准。這也是中外各國行業內的一個公認的游戲。有人提到了大數定律，很多所謂的預測准確率都是在用這個，不然還有兩個重要指標一並列出來，就是誤報率和漏報率，分別表示沒堵你說堵，和堵了說不堵。很多時候都沒有這兩個指標。

⑦ 導航軟體提示堵車為啥很准

我相信對於司機來說， 他們會經常使用地圖軟體中的實時交通功能， 因為這個功能可以看到周圍的交通信息， 哪些道路被封鎖， 哪些道路暢通無阻。 那麼這是如何實現的呢？衛星能用嗎？事實上，主要有三個方面，確實有衛星參與。

結合以上三點，地圖軟體實時路況顯示非常准確。

⑧ 為什麼導航軟體能知道前方是否堵車這其中可能也有你的功勞！

現在開車比以前方便多了，在駕駛上有自動擋可以簡化操作，就算不知道路線，也有導航可以使用。導航可以說是車主必備的開車神器，現在的城市道路復雜，每天都有新的線路開通，如果沒有導航，很多車主都不知道如何到達目的地。導航還能根據堵車狀況更改路線，這就讓人疑惑，導航是怎麼知道前面堵不堵車的？這裡面或許有你的功勞。
1、數據統計
其實城市道路每天的堵車時間都有固定時段，畢竟城市中都是上班族，上下班的時間都差不多。通過數據收集分析就能知道什麼時間段會堵車，就像網約車有高峰期一樣。不過這種方法不太准確也不實時，所以只是輔助。
2、交通監測
現在的道路上到處都是攝像頭，尤其是城市道路中的交通要道，攝像頭更是遍布。交管部門安裝這么多攝像頭，雖然主要就是為了判斷違章與抓捕肇事逃逸，但是每條道路的車流量如何，交管系統還是會有統計的。很多導航都採用了這些數據，能夠通過一些演算法，將通信人數計算出來。
3、GPS設備、
現在的車主出門都要打開導航，而導航就會收集車主目前所處的位置，只要用導航的車主數量夠多，就能從導航公司的後台看見車主分布。只要一條道路上的車主夠多，就會被顯示成堵車，而有的導航還會專門去購買數據，因此，這其中就有你的一部分功勞。
4、埋線圈
這種方式就比較耗費資源，它就是在道路建設的時候預埋感應器，這樣就能監控道路的情況，但是這種做法很不劃算，因為要大量施工還要經常維護。
除了這些之外，還有人工監測等各種手段，導航公司就是通過多種方法收集，最後計算出接近實際情況的數據，然後在反饋到軟體上。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

⑨ 百度地圖，高德地圖的交通擁堵數據怎麼來的

要說數據來源，首先得對地圖數據做一個分類，因為不同分類的數據，其來源，採集方法都是有大不同的。
要明白地圖的數據分類，必須先理解一個概念，就是地圖圖層的概念：

如上圖，電子地圖對我們實際空間的表達，事實上是通過不同的圖層去描述，然後通過圖層疊加顯示來進行表達的過程。
對於我們地圖應用目標的不同，疊加的圖層也是不同的，用以展示我們針對目標所需要信息內容。
其次呢，我引入一下矢量模型和柵格模型的概念，GIS（電子地圖）採用兩種不同的數學模型來對現實世界進行模擬：
矢量模型：同多X,Y（或者X,Y,Z）坐標，把自然界的地物通過點，線，面的方式進行表達

柵格模型（瓦片模型）：用方格來模擬實體

目前在互聯網公開服務中，或者絕大多數手機APP里看到的，都是基於柵格（瓦片）模型的地圖服務，比如大家看到的網路地圖或者谷歌地圖，其實對於某一塊地方的描述，都是通過10多層乃是20多層不同解析度的圖片所組成，當用戶進行縮放時，根據縮放的級數，選擇不同解析度的瓦片圖拼接成一幅完整的地圖（由於一般公開服務，瓦片圖都是從伺服器上下載的，當網速慢的時候，用戶其實能夠親眼看到這種不同解析度圖片的切換和拼接的過程）
對於矢量模型的電子地圖來說，由於所有的數據以矢量的方式存放管理，事實上圖層是一個比較淡薄的概念，因為任何地圖元素和數據都可以根據需要自由分類組成，或者劃分成不同的圖層。各種圖層之間關系可以很復雜，例如可以將所有的道路數據做成一個圖層，也可以將主幹道做成一個圖層，支路做成另外一個圖層。圖層中數據歸類和組合比較自由。
而對於柵格模型（瓦片圖）來看，圖層的概念就很重要的，由於圖層是生成製作出來，每個圖層內包含的元素相對是固化的，因此要引入一個底圖的概念。也就是說，這是一個包含了最基本，最常用的地圖數據元素的圖層，例如：道路，河流，橋梁，綠地，甚至有些底圖會包含建築物或者其他地物的輪廓。在底圖的基礎上，可以疊加各種我們需要的圖層，以滿足應用的需要，例如：道路堵車狀況的圖層，衛星圖，POI圖層等等。
底圖通常是通過選取必要地圖矢量數據項，然後通過地圖美工的工作，設定顏色，字體，顯示方式，顯示規則等等，然後渲染得到了（通常會渲染出一整套不同解析度的瓦片地圖）
當然，即便在瓦片圖的服務中，在瓦片底圖之上，依然能夠覆蓋一些簡單的矢量圖層，例如道路走向（導航和線路規劃必用），POI點圖層（找個飯館加油站之類的）。只不過瓦片引擎無法對所有地圖數據構建在同一個空間數據引擎之中，比較難以進行復雜的地圖分析和地圖處理。
那麼既然瓦片圖引擎有那麼多的限制和缺陷，為什麼不都直接使用矢量引擎呢？因為瓦片圖引擎有著重大的優勢：
1. 能夠負載起大規模並發用戶，矢量引擎要耗費大量的伺服器運算資源（因為有完整的空間數據引擎），哪怕只是幾十上百的並發用戶，都需要極其誇張的伺服器運算能力了。矢量引擎是無法滿足公眾互聯網服務的要求的。
2. 由於地圖美工介入的渲染工作，瓦片圖可以做得非常好看漂亮和易讀，比較適合普通用戶的瀏覽
附：一張矢量地圖截圖：

其實主要就是為了引入圖層和底圖的概念，以方便說明下面的地圖數據分類

為了說明數據的來源和採集渠道，採集方法，將地圖數據分為以下幾個類型：

1. 底圖數據： 其實就是地圖中最基本的地物外形數據及一定的相關附加信息（例如道路名，河流名等）。事實上隨著遙感和航拍衛拍技術的進步，這部分數據依賴實地採集的比例已經越來越小，商業地圖數據商，尤其以高德為代表，處於成本收益考量，基本已經很少採用實地採集的方式了。這部分的數據主要來源於3種：
官方地圖：嚴格來說，這不能說是一種單獨的渠道，因為官方地圖的數據本身，也是來源於下面的兩種渠道，但是官方地圖一般來源於政府相關部門的權威測繪和發布，因此也單算成一種渠道。當然，需要說明的是，地圖廠商能從國家權威部門拿到或者買到的地圖，要比我們日常在街上商店裡買到的地圖要精細豐富很多，當然，很多時候也是用電子格式提供的。
當然，無論任何國家，真正高精度的地圖（例如1：200比例或更高）是受限制不會對外公布的。（相對應給大家參照的是，我國規定互聯網上可以公開發布的地圖，最高精度是1：10000）

實地外采：說白就是測繪人員利用專業的儀器儀表，在實地環境中測繪所得到的。這樣的採集方法耗時耗人都非常厲害，一則成本高，二則周期長，三則是采環境要求高（去喜馬拉雅山去測測能弄吐血了），而且未必能夠完全跟得上中國現在的城市變化。但是優點在於精度高，置信度，准確度非常高。這是國家測繪部門主要採用的手段，對於像北京市這樣一個城市來說，一般幾年才會完整重新測繪一輪。一般對於大多數商用測繪時，只是用在少數局部需要時，重點測繪才用得到。

這個大家馬路上應該也偶爾能見到

當然，在精度和准確度要求沒有那麼高的地方，實地採集也可以使用一些成本更低更便捷的工具，而不是專業測繪設備。例如用攜帶高精度GPS或其他定位的手持智能設備步行以繪制輪廓等。
航片衛片製作：就是通過自己拍攝或者購買的高精度航空照片或者衛星照片或者遙感照片，在此作為底片的基礎上進行人為的矢量標注和勾勒，從而形成自己的矢量數據。現在的航片或者遙感片的精度已經可以很高了，一般來說做到精度在0.05米的程度已經很容易。高德自己的航片據說已經可以做到0.03米的精度，對於商用地圖數據來說，通常已經夠用了。即便作為國家權威測繪，在大量荒郊野嶺的測繪，也主要依賴於這種手段。
目前常用的航拍或者衛拍手段包括機載數碼攝像，機載遙感以及三維激光掃描（主要用於3D地圖數據採集）

0.05米精度航片

衛片路網標注

航片/衛片標注和勾勒，前面是在底片上的操作，後面是勾勒標注後得到的矢量圖

數據加工製作示意圖（來源於高德某公開資料）
從這部分數據來說，網路是沒有自己的採集生產能力的，也沒有執照（沒有測繪資質）。網路的這一塊數據主要是向四維圖新買的。
國內這一塊的數據，主要有兩家供應商，就是高德和四維圖新。
四維圖新和國家測繪單位的關系非比尋常，其數據依賴國家測繪單位供給的佔大頭（當然也有互相供給的）。
高德也有一部分數據來源於國家測繪單位的供給，但是高德自己的航拍製作的能力還是不錯的（還承擔過一些國家測繪機關的測繪任務），相對來說，依賴國家測繪單位數據的比例要低一些。
總的來說，這部分數據的採集生產，在中國需要國家認定的資質，有資質的除了國家測繪機關以外，商業機構本來就不太多，而真正在這個數據供給市場上活躍的，現在主要就是高德和四維圖新這兩家。
其他無論是谷歌地圖也好，蘋果地圖也好，這部分的數據，基本上都是從上述兩家購買的。
2. POI數據：嚴格來說屬於矢量數據，不過是最簡單的矢量數據，換句話來說就是坐標點標注數據。也是電子地圖上最常用的數據圖層。
我們日常在電子地圖上所使用的數據都是POI數據（就是地圖上常見的那種標個氣球的點）。
POI數據只是信息關聯坐標點的數據，不涉及到線和面，是最簡單的矢量數據，用於簡單的地點標注而不需要相應地物輪廓的需求。
POI數據的內容五花八門，一般POI數據的供應商提供的POI數據都是日常常用的場所數據，例如飯店，商店，加油站，銀行等日常常用設施。
當然，在一些特殊的地圖應用領域，也可以委託這些數據供應商或者自行去專門採集特殊用途的POI數據，例如井蓋，消防栓等

稅務GIS系統標注企業及納稅信息
值得指出的是，POI數據的編輯更新簡單，同時也經常用於動態數據標注，最經典的莫過於車輛定位標注。
POI數據的採集和生產來源五花八門，不能盡述，總的來說，主要有以下幾種：
a）通過整合GPS的攝像機，步行或者車行，進行掃街持續拍攝，回去以後，再根據拍攝結果手工進行輸入和標注，這種方式適合於大規模的進行採集標注，效率高，成本低，車行居多，尤其適合沿街的店面和場所的採集和標注，是目前數據採集供應商的主要採集手段之一
b）通過專職或者兼職人員，使用手持含GPS的智能設備（比如智能手機），進行拍攝（主要是為了取證），輸入，提交，進行採集。這種採集方式，大多用於上述方法a的補充。在一些車輛不能達到的地方，或者商戶設施變動頻繁的某些區域使用
c）地址反向編譯：通過門牌地址號碼，以及矢量地圖中的道路數據，運用演算法進行定位標注。這種標注精度相對最低，准確性也不高，但是成本非常低。用在不需要特別高精度，成本控制也比較嚴的採集領域。大家在地圖服務搜索框中輸入地址門牌號，可以直接出現標注點，用的就是這個技術。
d）互聯網或者企業獲取：直接從一些專業類服務網站上抓取或者購買（例如大眾點評，攜程），或者直接從大家在其公開的地圖服務上的標注中進行篩選和獲取。這就是google，網路，高德自己免費向社會開放其地圖服務所能夠獲得的利益。尤其對於開放API免費企業客戶的使用，這種獲取是很有價值的。
國內POI數據的供應商沒有太多資質限制，相對底圖數據供應商，要多很多，例如圖吧等都是POI數據供應商，當然四維圖新和高德也提供POI數據，每個POI數據供應商，都有其自己的分類方式，數據定義等內容。很多時候，大家也互相買來買去，互補有無。
網路地圖這方面的數據，主要來自四維圖新和道道通，當然也有其他來源，甚至有少量的自產數據。
高德地圖這方面的數據以自產為主，輔以向一些專業服務商購買（口碑網，大眾點評，攜程，樂途，搜房）

⑩ 北京計程車堵車怎麼計算 詳細正確解釋一下

白天（早5：00--晚22：59）
起步價10元（三公里以內），超出（含）三公里至十五公里以內的公里數每公里按2元計費。超出（含）十五公里以外的公里數（每公里加收50%空駛費）按3元計費。
夜間（晚23：00-早4：59）
起步價11元（三公里以內）其它計費方式同上，但是每公里另加收20%的夜間費用 （不含起步價11元）
其他收費：
1、等候、低速行駛費
租用計程車時，根據乘客要求停車等候或由於道路條件限制（包括等信號燈）致使車輛的時 速低於十二公里時，每累計五分鍾，收一公里租價的費用（不含空駛費）
2、電話租車費，每次3元。
備註：租用計程車往返載客（即起點和終點在二公里范圍以內，包括二公里）和包車不得加收空駛費。