全部产品
云市场

车流分析及预测

更新时间:2020-02-05 11:04:11

1、服务介绍

1.1 概述

接入停车场管理/出入口及重要景点路口摄像头实时数据,结合客流预测数据,高德路况大数据服务,景区整体停车位(正式、备用、公共)、自驾小车、中巴、大巴车等数量及国标安防要求,对于整体停车需求进行预测,结合线上活动提供交付服务以及周边服务,同时通过数据决策服务未来的交通服务。

1.2 功能

  • 基于时间线的实时车流分析,包含车辆类型,数量,停车场使用情况
  • 未来1小时、1天、1周、1月的总车流量预测

1.3示例展示页面

  • 实时车流分析

车流分析

  • 实时车流预测车流预测

1.4 API说明

模块 售卖细分维度 数据输出 包含指标与定义说明
数据质量监测 实时小时/日/周/月级别(默认T-1天数据)
- 累计记录数
- 异常值(空值)累计数
- 物理存储值
所有数据源采集情况说明,便于检查数据来源异常
景区实时停车画像 实时小时/日/周/月级别 总数
实时小时/日/周/月级别 车类型比例(小轿车、大巴车、中巴车) 数量、比例
实时小时/日/周/月级别 车来源地分析(柱状图) 省市及排名、数量,省内省外比例
实时小时/日/周/月级别 车品牌分布 数量、比例
实时小时/日/周/月级别 停车时长分布 停车时间按照分钟计算
实时小时/日/周/月级别 基于时间维度的车流值 支持基于车类型进行筛选
实时车流预测 实时小时/日/周/月级别 指定时间段的车流量
实时智能预警 实时小时/日/周级别 明天客流量拥挤指数低,请做好日常接待,关注紧急情况。
实时小时/日/周级别 明天客流局部可能有拥挤情况,请关注热门景点区域。
实时小时/日/周级别 较高 明天客流量拥挤度较高,请关注游客热门路线区域,并做好出入口引导管理。
实时小时/日/周级别 明天客流量拥挤度高,请提前在重要景点设置工作人员,避免踩踏事件

2 接入指南

2.1API说明

车流密度指数统计数据查询API,根据model查询不同的统计数据。

Path 版本 是否登录
/tourism/data/traffic/query 1.0.0

入参

参数名 数据类型 是否必填 参数描述
projectId String Y 项目Id
model String Y 模型名称,具体模型名称参考对照表
paramJson String N json格式

paramJson根据模型需要传相应的参数(具体参数见模型示例),可用参数如下:

参数名 数据类型 是否必填 参数描述
startTime String N 开始时间(>=,包含该时间)
endTime String N 结束时间(<,不包含该时间)
topN Integer N 数据topN条数
parkId String N 停车场id

出参

参数名 数据类型 参数描述
code Int 错误码,code=200表示正确,其他表示错误
message String 结果信息,正确为success,错误的时候是错误提示
data JSONObject 结果数据
-series JSONArray 结果数据系列集合,可以理解为多个数据列,每个系列代表一列数据
—name String 数据系列名称
—values JSONArray 数据系列值的集合

2.2 API调用方式

SDK依赖

本例提供java sdk pom依赖示例,更多语言SDK详情请参考API调用对接指引

  1. <dependency>
  2. <groupId>com.aliyun.api.gateway</groupId>
  3. <artifactId>sdk-core-java</artifactId>
  4. <version>1.6.0.3</version>
  5. </dependency>

示例代码

  1. HttpClientBuilderParams builderParams = new HttpClientBuilderParams();
  2. builderParams.setAppKey("${appKey}"); // 请填写正确的AppKey
  3. builderParams.setAppSecret("${appSecret}"); // 请填写正确的AppSecret
  4. ApacheHttpClient apacheHttpClient = new ApacheHttpClient(builderParams);
  5. IoTApiRequest request = new IoTApiRequest();
  6. //设置api的版本
  7. request.setApiVer("1.0.0");
  8. //如果需要登陆,设置当前的会话的token
  9. //设置参数
  10. request.putParam("model", "xxxxxx");
  11. request.putParam("projectId", "yyyyy");
  12. Map<String, Object> param = new HashMap<>(8);
  13. param.put("startTime", "2019-01-01");
  14. param.put("endTime", "2019-01-31");
  15. param.put("limit", 10);
  16. request.putParam("paramJson", JSONObject.toJSONString(param));
  17. //请求参数域名、path、request
  18. String host = "api.link.aliyun.com";
  19. String path = "/tourism/data/traffic/query";
  20. System.out.println(JSON.toJSONString(request));
  21. ApiRequest apiRequest = new ApiRequest(HttpScheme.HTTP, host,
  22. HttpMethod.POST_BODY, path, JSON.toJSONBytes(request));
  23. apiRequest.setHttpConnectionMode(HttpConnectionModel.MULTIPLE_CONNECTION);
  24. ApiResponse response = apacheHttpClient.sendSyncRequest(apiRequest);
  25. System.out.println(request.getId());
  26. System.out.println(
  27. "response code = " + response.getCode() + " response message = " + response.getMessage()
  28. + " response content = " + new String(response.getBody(),
  29. "utf-8"));

2.3 模型示例

数据质量监测

model:TRIP_TRAFFIC_DATA_CHECK

车流相关存储的数据质量统计,包含数据总条数、空值条数。

入参

  1. {
  2. "model":"TRIP_TRAFFIC_DATA_CHECK",
  3. "projectId":"a124KKWfyglJF5rD",
  4. "paramJson":{
  5. "startTime":"2019-10-06",
  6. "endTime":"2019-10-08",
  7. "parkId":"xxx" //停车场id,可选
  8. }
  9. }

出参

  1. {
  2. "code":200,
  3. "data":{
  4. "series":[
  5. {
  6. "values":[
  7. "18"
  8. ],
  9. "name":"tblAllRecords" //总条数
  10. },
  11. {
  12. "values":[
  13. "0"
  14. ],
  15. "name":"tblDataSize" //存储空间,暂不支持
  16. },
  17. {
  18. "values":[
  19. "19"
  20. ],
  21. "name":"tblNullRecords" //空值条数
  22. }
  23. ]
  24. },
  25. "id":"ef95893535a94a41b08696beff009a2b"
  26. }

车流预测

通过历史车流数据,预测未来一段时间内的车流数量。
model:TRIP_TRAFFIC_PREDICT_STAT

入参

  1. {
  2. "model":"TRIP_TRAFFIC_PREDICT_STAT",
  3. "projectId":"a124KKWfyglJF5rD",
  4. "paramJson":{
  5. "parkId":"xxx" //停车场id,可选
  6. }
  7. }

出参

  1. {
  2. "code":200,
  3. "data":{
  4. "series":[
  5. {
  6. "values":[
  7. "33"
  8. ],
  9. "name":"r30d"
  10. },
  11. {
  12. "values":[
  13. "11"
  14. ],
  15. "name":"r1d"
  16. },
  17. {
  18. "values":[
  19. "11"
  20. ],
  21. "name":"r1h"
  22. },
  23. {
  24. "values":[
  25. "22"
  26. ],
  27. "name":"r7d"
  28. }
  29. ]
  30. },
  31. "id":"c7f6271bbffd4504985a130a25a9b8a2"
  32. }

实时智能预警


通过预测未来一天的车流量和停车场的车位总数来估算拥挤指数,提供相应的预案。
model:TOURIST_INTEL_TRAFFIC_PREDICTION_INFO

入参

  1. {
  2. "model":"TOURIST_INTEL_TRAFFIC_PREDICTION_INFO",
  3. "projectId":"a124KKWfyglJF5rD",
  4. "paramJson":{
  5. "parkId":"xxx" //停车场id,可选
  6. }
  7. }

出参

  1. {
  2. "code":200,
  3. "data":{
  4. "series":[
  5. {
  6. "values":[
  7. "拥挤指数低,请做好日常接待,关注紧急情况"
  8. ],
  9. "name":"predict"
  10. }
  11. ]
  12. },
  13. "id":"a35b7ba5257048aa9232a31c5b3a4181"
  14. }

停车类别

统计一段时间内各个类别车辆的个数
model:TRIP_TRAFFIC_TYPE_STATISTICS

入参

  1. {
  2. "model":"TRIP_TRAFFIC_TYPE_STATISTICS",
  3. "projectId":"a124KKWfyglJF5rD",
  4. "paramJson":{
  5. "startTime":"2019-10-06",
  6. "endTime":"2019-10-08",
  7. "parkId":"xxx" //停车场id,可选
  8. }
  9. }

出参

  1. {
  2. "code":200,
  3. "data":{
  4. "series":[
  5. {
  6. "values":[
  7. "11",
  8. "4",
  9. "4"
  10. ],
  11. "name":"count"
  12. },
  13. {
  14. "values":[
  15. "大巴",
  16. "中巴车",
  17. "小轿车"
  18. ],
  19. "name":"type"
  20. }
  21. ]
  22. },
  23. "id":"fc3e3d99970c47ca85822ff56c7c5af6"
  24. }

停车时长

统计一段时间内不同停车时段的车辆数量。
model:TRIP_TRAFFIC_PARKING_TIME_STATISTICS

入参:

  1. {
  2. "model":"TRIP_TRAFFIC_PARKING_TIME_STATISTICS",
  3. "projectId":"a124KKWfyglJF5rD",
  4. "paramJson":{
  5. "startTime":"2019-10-06",
  6. "endTime":"2019-10-08",
  7. "parkId":"xxx" //停车场id,可选
  8. }
  9. }

出参:

  1. {
  2. "code":200,
  3. "data":{
  4. "series":[
  5. {
  6. "values":[
  7. "15-30",
  8. "30-60",
  9. "<15"
  10. ],
  11. "name":"parkingDuration" //停车时长
  12. },
  13. {
  14. "values":[
  15. "11",
  16. "11",
  17. "11"
  18. ],
  19. "name":"count"
  20. }
  21. ]
  22. },
  23. "id":"36cc6dfe98974026a2f7bc96d5e2082d"
  24. }

车品牌

统计一段时间内,各个车辆品牌的车辆个数
model:TRIP_TRAFFIC_BRAND_ROUTE

入参:

  1. {
  2. "model":"TRIP_TRAFFIC_BRAND_ROUTE",
  3. "projectId":"a124KKWfyglJF5rD",
  4. "paramJson":{
  5. "startTime":"2019-10-06",
  6. "endTime":"2019-10-08",
  7. "parkId":"xxx" //停车场id,可选
  8. }
  9. }

出参:

  1. {
  2. "code":200,
  3. "data":{
  4. "series":[
  5. {
  6. "values":[
  7. "19"
  8. ],
  9. "name":"count"
  10. },
  11. {
  12. "values":[
  13. "大众"
  14. ],
  15. "name":"brand"
  16. }
  17. ]
  18. },
  19. "id":"46efa8acc0ea4b8e9e305d52e107ae9b"
  20. }

车流值

以小时维度统计各个类型车辆个数
model:TRIP_TRAFFIC_TYPE_STATISTICS_BY_HOUR

入参:

  1. {
  2. "model":"TRIP_TRAFFIC_TYPE_STATISTICS_BY_HOUR",
  3. "projectId":"a124KKWfyglJF5rD",
  4. "paramJson":{
  5. "startTime":"2019-10-06",
  6. "endTime":"2019-10-08",
  7. "parkId":"xxx" //停车场id,可选
  8. }
  9. }

出参:

  1. {
  2. "code":200,
  3. "data":{
  4. "series":[
  5. {
  6. "values":[
  7. "4",
  8. "11"
  9. ],
  10. "name":"cnt" // 数量
  11. },
  12. {
  13. "values":[
  14. "中巴车",
  15. "大巴"
  16. ],
  17. "name":"type" // 类别
  18. },
  19. {
  20. "values":[
  21. "11-21 11:00",
  22. "11-21 11:00"
  23. ],
  24. "name":"time" //时间
  25. }
  26. ]
  27. },
  28. "id":"7f9c3762789e421584744a62fc5cac7e"
  29. }

车流趋势

统计一段时间内的各个时间的车辆个数
model:TRIP_TRAFFIC_STATISTICS_BY_HOUR

image.png

入参:

  1. {
  2. "model":"TRIP_TRAFFIC_STATISTICS_BY_HOUR",
  3. "projectId":"a124KKWfyglJF5rD",
  4. "paramJson":{
  5. "startTime":"2019-10-06",
  6. "endTime":"2019-10-08",
  7. "parkId":"xxx" //停车场id,可选
  8. }
  9. }

出参:

  1. {
  2. "code":200,
  3. "data":{
  4. "series":[
  5. {
  6. "values":[
  7. "70",
  8. "13",
  9. "9",
  10. "2"
  11. ],
  12. "name":"count"
  13. },
  14. {
  15. "values":[
  16. "16:00",
  17. "17:00",
  18. "18:00",
  19. "19:00"
  20. ],
  21. "name":"time"
  22. }
  23. ]
  24. },
  25. "id":"408b338fe46445ccbbf5a422bf5c2bd4"
  26. }

车辆省份统计

统计一段时间内车辆的来源省份个数
model:TRIP_TRAFFIC_REGION_PROVINCE_STATISTICS

入参:

  1. {
  2. "model":"TRIP_TRAFFIC_REGION_PROVINCE_STATISTICS",
  3. "projectId":"a124KKWfyglJF5rD",
  4. "paramJson":{
  5. "startTime":"2019-10-06",
  6. "endTime":"2019-10-08",
  7. "parkId":"xxx" //停车场id,可选
  8. }
  9. }

出参:

  1. {
  2. "code":200,
  3. "data":{
  4. "series":[
  5. {
  6. "values":[
  7. "陕西",
  8. "湖北"
  9. ],
  10. "name":"province"
  11. },
  12. {
  13. "values":[
  14. "15",
  15. "4"
  16. ],
  17. "name":"count"
  18. }
  19. ]
  20. },
  21. "id":"d75f94fa8fe54edd95ddda32188c82e9"
  22. }

车辆城市

统计一段时间内车辆的来源城市个数
model:TRAFFIC_PROVICNE_CITY_ROUTE

入参:

_provice非必填,为空时代表查询全国的城市

  1. {
  2. "model":"TRAFFIC_PROVICNE_CITY_ROUTE",
  3. "projectId":"a124KKWfyglJF5rD",
  4. "paramJson":{
  5. "startTime":"2019-10-06",
  6. "endTime":"2019-10-08",
  7. "topN":10,
  8. "province":"西安",
  9. "parkId":"xxx" //停车场id,可选
  10. }
  11. }

出参:

  1. {
  2. "code":200,
  3. "data":{
  4. "series":[
  5. {
  6. "values":[
  7. "西安",
  8. "北京"
  9. ],
  10. "name":"city"
  11. },
  12. {
  13. "values":[
  14. "15",
  15. "4"
  16. ],
  17. "name":"count"
  18. }
  19. ]
  20. },
  21. "id":"096b940f21d74b22be55189b1f329f46"
  22. }