一种基于大数据的公路救援站点选取系统及方法与流程

本发明涉及大数据领域，具体是一种基于大数据的公路救援站点选取系统及方法。

背景技术：

随着社会的高速发展，人们的生活水平也得到提高，越来越多的家庭拥有了私家车。当人们出行时，首先会考虑私家车出行，从而交通道路上的车辆越来越多，交通事故发生的频率也大幅度上升，当发生交通事故后，如果不及时处理事故现场，会影响该条道路上其他车辆的通行情况。在道路上设置救援站点有助于及时处理事故现场，减少因发生事故导致车辆通信缓慢的情况。但现有技术中，救援站点设置不够合理，导致救援速度不够及时，导致车辆恢复正常通行的速度较慢。

技术实现要素：

本发明的目的在于提供一种基于大数据的公路救援站点选取系统及方法，以解决现有技术中的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据的公路救援站点选取系统，所述站点分配系统包括路段划分模块、地理位置分析模块、车辆行驶分析模块、事故发生统计模块和救援站点选取模块，所述地理位置分析模块、车辆行驶分析模块、事故发生统计模块与救援站点选取模块连接，所述路段划分模块用于将救援站点所服务区间内的公路划分成若干小段公路，所述地理位置分析模块用于分析统计每小段公路的地理位置情况，所述车辆行驶分析模块用于分析统计每小段公路上的车辆行驶情况，所述事故发生统计模块用于分析统计每小段公路上的事故发生情况，所述救援站点选取模块根据每小段公路上的地理位置情况、车辆行驶情况、事故发生情况选取公路救援站点的位置。

作为优选方案，所述地理位置分析模块包括岔路口分析模块、弯道分析模块和地理位置影响参数计算模块，所述岔路口分析模块包括岔路口数量统计模块、岔路口数量比较模块和岔路口占比统计模块，所述岔路口数量统计模块用于统计每小段公路上的岔路口数量，所述岔路口数量比较模块用于将每小段公路上的岔路口的数量与岔路口参考数量进行比较并得出岔路口影响因子，所述岔路口占比统计模块用于统计每小段公路上的岔路口数量占服务区间内的公路上的岔路口数量的比重，所述弯道分析模块包括弯道数量统计模块、弯道数量比较模块和弯道占比统计模块，所述弯道数量统计模块用于统计每小段公路上的弯道数量，所述弯道数量比较模块用于将每小段公路上的弯道的数量与弯道参考数量进行比较并得出弯道影响因子，所述弯道占比统计模块用于统计每小段公路上的弯道数量占服务区间内的公路上的弯道数量的比重，所述地理位置影响参数计算模块根据岔路口影响因子、弯道影响因子、岔路口数量的比重和弯道数量的比重计算出地理位置影响参数。

作为优选方案，所述车辆行驶分析模块包括车流量分析模块、车辆速度分析模块和车辆影响参数计算模块，所述车流量分析模块包括车流量统计模块和车流量比较模块，所述车流量统计模块用于统计某一段时间内每小段公路上在高峰时间段的车流量，所述车流量比较模块用于将每小段公路上的车流量与预设车流量值进行比较并得出车流量影响因子，所述车辆速度分析模块包括车辆速度统计模块和车辆速度比较模块，所述车辆速度统计模块用于统计某一段时间内每段公路上在平峰时间段的车辆平均速度，所述车辆速度比较模块用于将每小段公路上的车辆平均速度与预设的车辆平均速度阈值进行比较并得出车速影响因子，所述车辆影响参数计算模块根据车流量影响因子和车速影响因子计算出车辆影响参数；所述救援站点选取模块包括选取模型建立模块、模型结果计算模块、计算结果排序模块和救援站点划分模块，所述选取模型建立模块用于建立公路救援站点选取模型，所述模型结果计算模块用于分别计算每小段公路上的公路救援站点选取模型，所述计算结果排序模块用于将每小段公路上的模型计算结果按照从大到小的顺序排序并从中选取排序第一的公路段和排序第二的公路段，所述救援站点划分模块根据排序第一的公路段和排序第二的公路段的位置选取公路救援站点的位置。

一种基于大数据的公路救援站点选取方法，所述分配方法包括以下步骤：

步骤s1：在公路上选取救援站点的服务区间，将服务区间内的公路平均分成等长的m小段公路；

步骤s2：获取每小段公路上的地理位置情况；

步骤s3：获取每小段公路上的车辆行驶情况；

步骤s4：获取每小段公路上的事故发生情况；

步骤s5：根据地理位置情况、车辆行驶情况、事故发生情况选取公路救援站点的位置。

作为优选方案，所述步骤s2进一步包括以下步骤：

步骤s21：分别获取每小段公路上的岔路口数量，其中，当该段公路上的岔路口数量n1小于等于1时，岔路口影响因子a1=0，当该段公路上的岔路口数n1大于1时，岔路口影响因子a1=1；

步骤s22：分别获取每小段公路上的弯道数量，其中，当该段公路上的弯道数量n2等于0时，弯道影响因子a2=0，当该段公路上的弯道数量n2大于0时，弯道影响因子a2=1；

步骤s23：分别获取每小段公路上的岔路口数量占服务区间内的公路上的岔路口数量的比重a3=n1/s1，s1为m小段公路上的岔路口数量之和；

步骤s24：分别获取每小段公路上的弯道数量占服务区间内的公路上的弯道数量的比重a4=n2/s2，s2为m小段公路上弯道数量之和；

步骤s25：计算地理位置影响参数

x=0.3a1+0.3a2+0.2a3+0.2a4，其中x的取值范围为[0,1]，公路上的岔路口和弯道会增加公路路况的复杂性，岔路口和弯道较多的地方，发生交通事故的概率会比较多，因此将公路上的岔路口和弯道作为救援站点位置的考虑因素。

作为优选方案，所述步骤s3进一步包括以下步骤：

步骤s31：分别获取近一个月内每小段公路上在高峰时间段的车流量，当车流量超过预设车流量值，车流量影响因子b1=1，否则，车流量影响因子b1=0；

步骤s32分别获取近一个月内每段公路上在平峰时间段的车辆平均速度，当车辆平均速度超过预设的车辆平均速度阈值时，车速影响因子b2=1，否则，车速影响因子b2=0；

步骤s34：计算车辆影响参数y=0.6b1+04b2，其中y的取值范围为[0,1]，在高峰时间段车流量比较多，车愈多，发生事故的概率越高，在平峰时间段车流量比较少，车辆平均速度会比较快，车速比较快时，发生事故的概率也会比较高，因此将高峰时间段的车流量和平峰时间段的车辆平均速度作为救援站点位置的考虑因素

作为优选方案，所述步骤s4进一步包括：分别获取近一个月内每小段公路上的事故发生次数占服务区间内的公路上的事故发生次数的比重c，c的取值范围为[0,1]。

作为优选方案，所述步骤s1中进一步包括：

当当前日期为工作日，则7点到9点之间以及17点到19点之间为高峰时间，当当前日期为节假日，则8点到20点之间为高峰时间，其余时间均为平峰时间。

作为优选方案，所述步骤s5进一步包括以下步骤：

s51：建立公路救援站点选取模型z=k1x+k2y+k3c，z的取值范围为[0,1]，其中，k1为x的权重，k2为y的权重，k3为c的权重；

s52：分别计算每小段公路上的公路救援站点选取模型的结果；

s53：将每小段公路上的模型计算结果按照从大到小的顺序排序，选取排序第一的公路段为第一公路段，选取排序第二的公路段为第二公路段；

s54：分别取第一公路段的中点p1、第二公路段的中点p2，连接p1点和p2点得到连线p1p2，取连线p1p2的中点作与连线p1p2的垂直线，垂直线与服务区间内的公路的交点，即为公路救援站点所在位置。

与现有技术相比，本发明的有益效果是：本发明通过综合考虑地理位置情况、车辆行驶情况、事故发生情况三个方面来选取公路救援站点的位置，从而合理设置公路救援站点所在位置，提高事故发生后的救援速度，提高车辆恢复正常通行的速度。

附图说明

图1为本发明一种基于大数据的公路救援站点选取系统的模块示意图；

图2为本发明一种基于大数据的公路救援站点选取系方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1～2，本发明实施例中，一种基于大数据的公路救援站点选取系统所述站点分配系统包括路段划分模块、地理位置分析模块、车辆行驶分析模块、事故发生统计模块和救援站点选取模块，所述地理位置分析模块、车辆行驶分析模块、事故发生统计模块与救援站点选取模块连接，所述路段划分模块用于将救援站点所服务区间内的公路划分成若干小段公路，所述地理位置分析模块用于分析统计每小段公路的地理位置情况，所述车辆行驶分析模块用于分析统计每小段公路上的车辆行驶情况，所述事故发生统计模块用于分析统计每小段公路上的事故发生情况，所述救援站点选取模块根据每小段公路上的地理位置情况、车辆行驶情况、事故发生情况选取公路救援站点的位置。

所述地理位置分析模块包括岔路口分析模块、弯道分析模块和地理位置影响参数计算模块，所述岔路口分析模块包括岔路口数量统计模块、岔路口数量比较模块和岔路口占比统计模块，所述岔路口数量统计模块用于统计每小段公路上的岔路口数量，所述岔路口数量比较模块用于将每小段公路上的岔路口的数量与岔路口参考数量进行比较并得出岔路口影响因子，所述岔路口占比统计模块用于统计每小段公路上的岔路口数量占服务区间内的公路上的岔路口数量的比重，所述弯道分析模块包括弯道数量统计模块、弯道数量比较模块和弯道占比统计模块，所述弯道数量统计模块用于统计每小段公路上的弯道数量，所述弯道数量比较模块用于将每小段公路上的弯道的数量与弯道参考数量进行比较并得出弯道影响因子，所述弯道占比统计模块用于统计每小段公路上的弯道数量占服务区间内的公路上的弯道数量的比重，所述地理位置影响参数计算模块根据岔路口影响因子、弯道影响因子、岔路口数量的比重和弯道数量的比重计算出地理位置影响参数。

所述车辆行驶分析模块包括车流量分析模块、车辆速度分析模块和车辆影响参数计算模块，所述车流量分析模块包括车流量统计模块和车流量比较模块，所述车流量统计模块用于统计某一段时间内每小段公路上在高峰时间段的车流量，所述车流量比较模块用于将每小段公路上的车流量与预设车流量值进行比较并得出车流量影响因子，所述车辆速度分析模块包括车辆速度统计模块和车辆速度比较模块，所述车辆速度统计模块用于统计某一段时间内每段公路上在平峰时间段的车辆平均速度，所述车辆速度比较模块用于将将每小段公路上的车辆平均速度与预设的车辆平均速度阈值进行比较并得出车速影响因子，所述车辆影响参数计算模块根据车流量影响因子和车速影响因子计算出车辆影响参数；所述救援站点选取模块包括选取模型建立模块、模型结果计算模块、计算结果排序模块和救援站点划分模块，所述选取模型建立模块用于建立公路救援站点选取模型，所述模型结果计算模块用于分别计算每小段公路上的公路救援站点选取模型，所述计算结果排序模块用于将每小段公路上的模型计算结果按照从大到小的顺序排序并从中选取排序第一的公路段和排序第二的公路段，所述救援站点划分模块根据排序第一的公路段和排序第二的公路段的位置选取公路救援站点的位置。

一种基于大数据的公路救援站点选取方法，所述分配方法包括以下步骤：

步骤s1：路段划分模块在公路上选取救援站点的服务区间，将服务区间内的公路平均分成等长的m小段公路；

步骤s2：地理位置分析模块获取每小段公路上的地理位置情况：

步骤s21：岔路口数量统计模块分别获取每小段公路上的岔路口数量，岔路口数量比较模块将该段公路上的岔路口数量n1与1进行比较，当该段公路上的岔路口数量n1小于等于1时，岔路口影响因子a1=0，当该段公路上的岔路口数n1大于1时，岔路口影响因子a1=1；

步骤s22：弯道数量统计模块分别获取每小段公路上的弯道数量，弯道数量比较模块将该段公路上的弯道数量n2与0进行比较，其中，当该段公路上的弯道数量n2等于0时，弯道影响因子a2=0，当该段公路上的弯道数量n2大于0时，弯道影响因子a2=1；

步骤s23：岔路口占比统计模块分别获取每小段公路上的岔路口数量占服务区间内的公路上的岔路口数量的比重a3=n1/s1，s1为m小段公路上的岔路口数量之和；

步骤s24：弯道占比统计模块分别获取每小段公路上的弯道数量占服务区间内的公路上的弯道数量的比重a4=n2/s2，s2为m小段公路上弯道数量之和；

步骤s25：地理位置影响参数计算模块计算地理位置影响参数

x=0.3a1+0.3a2+0.2a3+0.2a4，其中x的取值范围为[0,1]；

步骤s3：车辆行驶分析模块获取每小段公路上的车辆行驶情况：

步骤s31：车流量统计模块分别获取近一个月内每小段公路上在高峰时间段的车流量，车流量比较模块将车流量统计模块统计到的车流量与预设车流量值进行比较，当车流量超过预设车流量值，车流量影响因子b1=1，否则，车流量影响因子b1=0；

步骤s32：车辆速度统计模块分别获取近一个月内每段公路上在平峰时间段的车辆平均速度，车辆速度比较模块将车辆速度统计模块统计到车辆平均速度与预设的车辆平均速度阈值进行比较，当车辆平均速度超过预设的车辆平均速度阈值时，车速影响因子b2=1，否则，车速影响因子b2=0；

步骤s34：车辆影响参数计算模块计算车辆影响参数y=0.6b1+04b2，其中y的取值范围为[0,1]；

其中，当当前日期为工作日，则7点到9点之间以及17点到19点之间为高峰时间，当当前日期为节假日，则8点到20点之间为高峰时间，其余时间均为平峰时间。

步骤s4：事故发生统计模块获取每小段公路上的事故发生情况：事故发生统计模块分别获取近一个月内每小段公路上的事故发生次数占服务区间内的公路上的事故发生次数的比重c，c的取值范围为[0,1]；

步骤s5：救援站点选取模块根据地理位置情况、车辆行驶情况、事故发生情况选取公路救援站点的位置：

s51：选取模型建立模块建立公路救援站点选取模型z=0.3x+0.2y+0.5c，z的取值范围为[0,1]；

s52：模型结果计算模块分别计算每小段公路上的公路救援站点选取模型的结果；

s53：计算结果排序模块将每小段公路上的模型计算结果按照从大到小的顺序排序，选取排序第一的公路段为第一公路段，选取排序第二的公路段为第二公路段；

s54：救援站点划分模块分别取第一公路段的中点p1、第二公路段的中点p2，连接p1点和p2点得到连线p1p2，取连线p1p2的中点作与连线p1p2的垂直线，垂直线与服务区间内的公路的交点，即为公路救援站点所在位置。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。