CN101901546B - 基于动态信息的智能交通调度指挥及信息服务方法及*** - Google Patents
基于动态信息的智能交通调度指挥及信息服务方法及*** Download PDFInfo
- Publication number
- CN101901546B CN101901546B CN2010101663634A CN201010166363A CN101901546B CN 101901546 B CN101901546 B CN 101901546B CN 2010101663634 A CN2010101663634 A CN 2010101663634A CN 201010166363 A CN201010166363 A CN 201010166363A CN 101901546 B CN101901546 B CN 101901546B
- Authority
- CN
- China
- Prior art keywords
- period
- traffic
- data
- cycle
- prediction
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于动态信息的智能交通调度指挥及信息服务方法及***。该方法包括以下步骤:采集基础交通数据;对基础交通数据作时间归一、空间归一、属性归一;周期性地对整个路网的交通状态进行估计和预测;周期性地比对路网交通状态估计结果与历史数据,超出一定阈值的,向指挥员发送报警提示;响应受确认的所述报警提示,生成救援车辆调度方案;响应受确认的所述报警提示及估计和预测的路网交通状态,判断是否严重拥堵,生成并发布异常交通信息或常态交通信息。本发明可提高基础交通数据的利用率,加强城市交通监控指挥中心与110指挥中心的联系,提高指挥中心工作人员的工作效率,并提高出行者的出行效率。
Description
技术领域
本发明涉及对动态交通信息的分析处理以及基于动态交通信息对车辆及人员等应急资源进行指挥调度的方法及***。
背景技术
随着汽车保有量的不断增长,道路拥堵已经成为许多城市交通的家常便饭。为了缓解这一现象,许多城市纷纷建设城市智能交通***,这些***采集了不同类型的交通数据为各自独立的***所用,如交通控制***的流量检测用于控制信号周期的产生,出租车的GPS轨迹监控数据用于车辆的调度和管理。但由于建设***及服务范围的不同,这些基础交通数据仅能为本***提供有限的服务,便处于闲置状态。
另一方面,在目前的交通监控指挥中心中,主要依赖视频监控来人工监视路面的情况,费时费力。同时,交通监控指挥中心与负责处置紧急事务的110指挥中心又是相对独立的两个中心,一旦发生事故,负责处置紧急事务的110指挥中心通常会按照就近原则呼叫周边的巡警及救援车辆到场,而无法考虑现场及周边交通的拥堵状态,往往会延误救援的最佳时机。通往案发地点的驾驶员也由于无法通过交通广播等单一手段确切获知前方道路的实时交通信息,从而产生焦躁的情绪,容易导致二次事故的发生。
发明内容
本发明所要解决的技术问题是提高基础交通数据的利用率,加强城市交通监控指挥中心与110指挥中心的联系,提高指挥中心工作人员的工作效率,对城市的路网交通状态进行动态的评估和预测,并在此基础上为指挥中心提供事故检测报警、智能车辆调度等辅助决策信息,便于指挥人员调度指挥,也能为广大出行者提供实时动态的交通诱导信息服务,引导出行者选择和改变出行路线,减少不必要的延误,提高出行效率。
为解决上述技术问题,本发明采用的技术方案如下:
一种基于动态信息的智能交通调度指挥及信息服务方法,包括以下步骤:
(1)采集位于多个数据源的基础交通数据,所述基础交通数据包括静态交通数据及来自多个信息***的动态交通数据;
(2)对采集到的所述基础交通数据的产生时间进行解析,采用统一的时钟为参照点,生成年、月、日、时、分、秒的相对坐标;将所述动态交通数据产生的空间位置进行解析,采用统一的地理空间坐标系为参照系,生成城市、辖区、道路、路段、交叉口相对坐标;对所述动态交通数据描述的交通属性进行解析,生成阻塞、拥挤、畅通、快、慢相对属性;
(3)基于经过步骤(2)处理的所述基础交通数据,以第一周期周期性地对整个路网的交通状态进行估计和预测;
(4)以第二周期周期性地比对由步骤(3)所得的路网交通状态估计结果与长期积累的历史数据,超出一定阈值的,甑别为有事故发生,向指挥员发送报警提示,所述第二周期为所述第一周期的正整数倍;在经过人工核实后,对报警提示进行清除或确认;
(5)响应受确认的所述报警提示,判断是否需要车辆救援:若是,则生成救援车辆调度方案;
(6)响应受确认的所述报警提示及估计和预测的路网交通状态,判断是否严重拥堵:若是,则生成诱导方案,然后生成并发布异常交通信息;若否,则生成并发布常态交通信息。
所述动态交通数据包括车辆轨迹数据、交通事故数据、交通流量数据、救援车辆信息,且所述救援车辆信息包括救援车辆类型和位置。
路网交通状态的预测采用指数平滑法。
在所述生成救援车辆调度方案的步骤中,根据所述救援车辆的目标匹配度P排序,从最优匹配车辆开始调度,所述目标匹配度P=αC+β/Tn+γ/Ln,其中C为救援车辆类型匹配度,Tn为本救援车辆到事发地点的路径行程时间在所有救援车辆到事发地点的路径行程时间列表中按由短及长的排位,Ln为本救援车辆到事发地点的距离在所有救援车辆到事发地点距离列表中按由近及远的排位,α、β、γ为权重。
在所述生成诱导方案的步骤中,根据动态路况就拥堵发生源生成诱导方案,对距离拥堵发生源不同距离范围的出行者提供不同的诱导信息,引导出行者重新选择路径。
根据本发明的另一方面,还提供一种基于动态信息的智能交通调度指挥及信息服务***,包括:
基础交通数据采集设备,所述基础交通数据位于多个数据源且包括静态交通数据及来自多个信息***的动态交通数据;
坐标体系归一器:对采集到的所述基础交通数据的产生时间进行解析,采用统一的时钟为参照点,生成年、月、日、时、分、秒的相对坐标;将所述动态交通数据产生的空间位置进行解析,采用统一的地理空间坐标系为参照系,生成城市、辖区、道路、路段、交叉口相对坐标;对所述动态交通数据描述的交通属性进行解析,生成阻塞、拥挤、畅通、快、慢相对属性;
路网交通状态评估器,其基于经过所述坐标体系归一器处理的动态交通数据,以第一周期周期性地对整个路网的交通状态进行估计和预测;
事故自动报警器,其以第二周期周期性地比对由所述路网交通状态评估器估计的路网交通状态与长期积累的历史数据,超出一定阈值的,甑别为有事故发生,向指挥员发送报警提示,所述第二周期为所述第一周期的正整数倍;
救援车辆调度策略生成器,其响应受确认的所述报警提示,判断是否需要车辆救援:若是,则生成救援车辆调度方案;
路网交通状态发布服务器,其响应受确认的所述报警提示和所述路网交通状态评估器估计和预测的结果,判断是否严重拥堵:若是,则生成诱导方案,然后生成并发布异常交通信息;若否,则生成并发布常态交通信息;
数据存储及交换中心,用于存储所述基础交通数据采集设备、所述坐标体系归一器、所述路网交通状态评估器、所述事故自动报警器、所述救援车辆调度策略生成器、所述路网交通状态发布服务器产生的临时数据及历史数据,为其提供数据服务。
本发明具有以下技术效果:
(1)采用基础交通数据采集设备实时地采集来自多源***的交通数据,通过对交通数据的融合和综合分析,对路网交通状态进行估计和预测,提高了闲置数据的利用率;
(2)能够根据现有的数据推断路面的交通状况,以及可能发生的交通事故,替换现有的人工视频扫描,降低工作强度,提高工作效率;
(3)能根据交通动态来调整救援车辆的调度方案和行车路线,达到最好的救援效果;
(4)能根据交通动态来生成诱导方案向公众发布,提高路网的使用效率,缓解道路交通压力,降低驾驶员等待焦虑,减少交通事故的发生。
附图说明
图1为本发明的***结构示意图;
图2为智能交通调度指挥及信息服务信息流程图;
图3为基础交通数据的采集信息流图;
图4为路网交通状态估计流程图;
图5为事故自动报警流程图;
图6为救援车辆调度策略生成流程图;
图7为动态交通诱导方案生成流程;
图8为***物理部署图。
具体实施方式
下面根据附图,给出本发明的较佳实施例,并予以详细描述,使能更好地理解本发明的功能、特点。
如图1所示,本发明一种基于动态信息的智能交通调度指挥及信息服务***包括基础交通数据采集设备、坐标体系归一器、路网交通状态评估器、事故自动报警器、救援车辆调度策略生成器、路网交通状态发布服务器、数据存储及交换中心。
整个***的运行分为三个阶段:数据准备阶段、数据处理阶段及信息服务阶段。
数据准备阶段主要由基础交通数据采集设备完成。
基础交通数据采集设备主要实现位于多个数据源的基础交通数据的采集。基础交通数据包括静态交通数据及来自多个信息***的动态交通数据。其中,动态交通数据包括路段交通流量、路口信号控制、车辆轨迹、交通事故报警信息、停车信息、路况信息、救援车辆信息,以及其他可能的交通数据。数据采集采用主动采集和被动获取两种模式。主动采集指本***定时主动向数据源发起数据请求,由数据源发送请求的数据。被动获取指本***时刻进行数据监听,接收来自各个数据源的数据。两种模式都遵循相同的数据标准。本标准内容包括静态交通数据采集标准、交通流量数据采集标准、车辆轨迹数据采集标准、交通事故信息采集标准、停车信息采集标准、路况信息采集标准。基础交通数据采集设备可以集中部署(一个采集设备连接多个数据源,采集它们产生的交通数据),也可以分布部署在产生各类交通数据的***源端(采集设备部署在某数据源端,只采集该数据源的交通数据)。设备可以配置数据采集的模式,还可以配置数据的类型及来源。
基础交通数据采集设备包括传输适配器、数据适配器、数据映射器。传输适配器属于数据传输层,负责完成与外部***数据接口的匹配和向数据适配器传输数据包,外部***数据接口的匹配包括根据外部***提供的数据接口,配置数据采集采用分布部署或集中部署方式、主动采集或被动获取模式,以及采用何种传输协议传输数据等。数据适配器解析从传输适配器传输过来的数据包,根据包类型分解成不同类型的交通数据,这些交通数据包括但不限于交通流量数据、车辆轨迹数据、交通事故信息、停车信息、路况信息、救援车辆信息。对于数据适配器分解得到的交通数据,数据映射器再按照内部定义的标准进行规范,包括设备编码、事故编码、时间格式、地址的规范化等,将数据保存到数据存储及交换中心。
数据处理阶段主要由多元交通数据的坐标体系归一器和路网交通状态评估器完成。
基础交通数据采集设备采集到的基础交通数据,既是多源的(来自不同的***),又是多元的(体现不同的交通***特征),因此度量的尺度也需要统一。本发明采用坐标体系归一器,使各类交通数据统一在同一个多维坐标系中,便于计算。坐标体系归一器包括时间归一模块、空间归一模块及属性归一模块,综合完成多元数据坐标体系归一,是路网交通状态评估器工作的基础。时间归一指对各种动态交通数据的产生时间进行解析,采用***统一的时钟为参照点,生成年、月、日、时、分、秒的相对坐标。空间归一指将各类动态交通数据产生的空间位置进行解析,采用统一的地理空间坐标系为参照系,生成城市、辖区、道路、路段、交叉口等相对坐标。属性归一指对各类动态交通数据描述的交通属性进行解析,采用统一的评价标准,比如相关国家标准或***自定义的标准,生成阻塞、拥挤、畅通、快、慢等相对属性。坐标体系归一器采用集群和负载均衡技术,对各类数据分别进行时间归一、空间归一及属性归一,并统一管理。
路网交通状态评估器包括路网交通状态估计、路网交通状态预测及路网使用效率评估等模块,基于经过坐标体系归一处理的基础交通数据,对整个路网的交通状态进行估计和预测,并对路网使用效率进行评估,是进行后续的事故报警、救援车辆调度策略、路网交通状态发布的基础。路网交通状态评估器实现的功能包括:一、根据综合采集到的各类交通数据,推断路网的道路当前的交通状态,主要参数有:路段行程车速、路段行程时间、路径行程车速、路径行程时间、拥堵类别(自然/事故);二、根据综合采集到的各类数据源以及长期积累的历史数据,预测路网短期或长期的道路的交通状态,主要参数有:路段行程车速、路段行程时间、路径行程车速、路径行程时间;三、根据路网估计模块或路网预测模块的结果对路网的运行使用效率进行评估,评估指标有:路口/路段流量时空统计分析、路网平均行程时间、拥挤路段、拥挤区域、拥挤时段等。
信息服务阶段由事故自动报警器、救援车辆调度策略生成器和路网交通状态发布服务器完成。
事故自动报警器包括路网交通状态扫描模块和事故甑别及报警模块,它通过路网交通状态评估器的评估结果,结合道路静态信息和长期积累的历史数据不断地对道路路面状态进行自动扫描,对表现异常的状态进行甑别,超出一定阈值的,向指挥员发送报警提示。指挥员可以动态设定异常状态的报警阈值。在经过人工核实后,对报警提示进行清除或确认,同时通过路网交通状态发布服务器将实时交通状态向事发地址周边的出行者发布。需要进行救援的,还要调用救援车辆调度策略生成器,生成最合理的救援车辆派遣方案及行车路线。
救援车辆调度策略生成器包括基本信息管理模块、救援车辆调度方案生成模块和救援车辆行车方案生成模块。基本信息管理包括事故类型管理、车辆及车辆类型管理、救援车辆类型匹配度管理及救援策略管理等。救援策略指生成救援方案采用的优先策略,如采用时间最短优先、路途最短优先、类型匹配优先等。救援车辆的行车方案由车辆行驶的道路提示、转向提示、时间提示等信息组成。救援车辆调度策略生成器根据基础交通数据采集设备采集的救援车辆信息和路网交通状态评估器的评估结果,综合考虑事故类型、救援车辆类型、事发地址及救援车辆位置、救援车辆行程时间等因素,生成一套救援车辆调度方案,包括救援车辆的优先调度序列、每一辆救援车辆的建议行车路线、估计行程时间等。指挥员根据生成的救援车辆调度方案,通过电话呼叫、短信、网络数据传单等方式告知救援车辆驾驶员及相关人员。
路网交通状态发布服务器包括常态信息生成模块、诱导方案生成模块及信息发布适配器等模块,将路网交通状态或交通诱导信息发布给出行公众。在正常状态下,路网交通状态发布服务器主要发布由路网交通状态评估器计算出来的结果。当有事故发生或由于交通流量巨大造成道路拥堵时,发布服务器根据路况、事故类型、交通流量和人工评估的拥堵影响范围及影响时段,生成针对主要路口及路段的诱导方案,实时发布。发布手段包括即时交通广播、路边可变信息牌、个性化手机服务、联网的智能车载导航设备、互联网等。
数据存储及交换中心采用大规模关系数据库及数据仓库技术,用于存储各个阶段的临时数据及历史数据,为各个***模块提供数据服务。
智能交通调度指挥及信息服务的信息流程如图2所示。初始时首先要进行静态数据的采集和数据准备,动态交通数据由基础交通数据采集设备不停地获取。采集到的数据可以并行进行时间、空间与属性的归一处理,处理的结果存放到临时数据库中。路网交通状态评估器根据历史的数据集合及动态处理的临时数据库中的数据,进行路网交通状态的估计和预测,从而评估路网交通的使用效率,评估的结果一方面保存到历史数据集中,生成路网状态的数据仓库,另一方面保存到临时数据库中,用作事故的检测判断及路网交通信息发布的依据。事故自动报警器不断地扫描采集到的动态信息及估计出来的路网交通状态,结合历史数据集进行事故甑别,若扫描到异常的状态,则会通过***向指挥人员发送事故报警提示,指挥人员通过视频监控、电话询问等手段进行核实,若为误报,则继续扫描,否则根据动态路况评估事故的严重程度及可能的拥堵范围,通过路网交通状态发布服务器进行交通信息发布。若需要车辆救援,则人工确认救援车辆类型、事故类型及救援目标,救援车辆调度策略生成器根据以上参数及动静态交通数据,查找合适的救援车辆,按照目标匹配度排序,并计算每辆车的具体行车路线,通知到前若干最优匹配的救援车辆。救援目标指在事故中受损的车辆、道路设施或受伤的人。影响目标匹配度的因素包括救援车辆类型、事故类型、救援车辆距离、救援车辆行程时间。车辆的行车路线按行程时间最短作为优选路线,行车距离最短次之。救援车辆的通知手段包括电话、短信、智能车载终端等多种途径传达。若路况由于交通事故或车流量变大而拥堵严重,则根据动态路况就拥堵发生源生成动态诱导方案,对距离拥堵发生源不同距离范围的出行者提供不同的诱导信息,引导出行者重新选择路径,从而减缓对拥挤路段的交通压力。若路况不受事故或车流量影响,则发布正常估计的交通状态,辅助出行者进行出行决策。交通信息发布的手段包括但不局限于路侧可变信息牌、即时交通广播、手机短信、智能车载导航设备、互联网。
图3为基础交通数据的采集信息流图。
其中,静态数据采集包括为数字地图添加交通信息属性,以及在一定时间范围内没有变化的准静态交通信息。
动态交通数据包括:
(1)路段交通流量:通常指单位时间通过某道路断面的机动车流量,主要参数为:设备、采集时段、流量;
(2)车辆轨迹信息:包括固定卡口自动识别的车辆轨迹信息,主要参数为卡口,车牌号,经过时刻;以及浮动车(通常是出租车,或巡逻车)上安装的GPS设备返回的车辆运动轨迹,主要参数为:车辆,时刻,位置(地球坐标),方向,车辆运营状态;
(3)交通事故信息:实时或定时采集监控中心从110报警中心接收到的交通事故信息,主要参数为:报警时间,案发地址,案情摘要;
(4)停车信息:实时或定时从停车场获得的车位信息,主要参数为:停车场编号、获取或发送时刻、当前空车位数、进入停车场车辆数、离开停车场车辆数;
(5)路况信息:通过语音等方式获取从道路使用者报告的当前路况,需要将上报路况进行量化,量化后参数为:道路,起始交叉,终止交叉,行程时间,状态;
(6)救援车辆信息:包括救援车辆的类型,位置。
然后,坐标体系归一器将对基础交通数据进行时间归一、空间归一、属性归一。
本发明中的路网交通状态估计模块采用构成路网的路段的行程时间及行程车速(称为路段车速)来表征路网交通状态,综合考虑了车辆轨迹数据、交通事故数据及交通流量数据来进行周期性估计,周期长度可人工设置,一般取5分钟。估计的流程如图4所示。对于构成路网的每一个路段,执行以下步骤:
1.根据车辆轨迹数据,估计该路段的行程时间及轨迹车速。其中,路段的行程时间等于每个车辆经过该路段的行程时间的平均值;路段的轨迹车速等于每个车辆经过该路段的行程车速的调和平均值。
2.根据交通流量数据,判断是否有该路段本周期的交通流量数据:若有,则读取该路段本周期的交通流量数据以及上一周期的估计流量车速、预测流量车速,并根据该路段本周期的交通流量数据以及上一周期的估计流量车速、预测流量车速,估计该路段的流量车速。
3.判断该路段是否有本周期的轨迹车速(在同一周期内不是所有的路段都能计算出轨迹车速的,要看车辆在该周期内是否经过了估计的路段):若有,则根据本周期的估计轨迹车速、流量车速及上一周期的估计路段行程车速来计算本周期的估计路段行程车速;若无,则以历史路段行程车速及流量车速计算本周期的估计路段行程车速。
4.根据路段行程车速及道路属性确定路段拥挤状态。
5.计算道路行程时间和道路行程车速,道路行程时间=组成每条道路的所有路段行程时间之和,道路行程车速=道路长度/道路行程时间。
6.计算自定义的路径行程时间和路径行程车速,路径行程时间=所有组成路段行程时间之和,路径行程车速=路径长度/路径行程时间。
在步骤5和6中,路段行程时间=路段长度/路段行程车速。
在步骤3中:若轨迹车速、流量车速均大于零,则取轨迹车速、流量车速及上一周期的估计路段行程车速的平均值作为本周期的估计路段行程车速;若均为零,则取上一周期的估计路段行程车速值为本周期的路段行程车速值;否则,取两者中不为零者与上一周期的估计行程车速值的平均值为本周期估计路段行程车速值。
路网交通状态预测模块根据综合采集到的各类数据源以及长期积累的历史数据,采用指数平滑法预测路网短期或长期的道路的交通状态,主要参数有:路段行程车速、路段行程时间、路径行程车速、路径行程时间。以路段行程车速为例说明交通状态的预测方法:(1)短期交通状态,假设第t周期的估计路段行程车速为Vt,V′t为t-1周期预测的t周期路段行程车速,则t周期预测的t+1周期路段行程车速V′t+1=λVt+(1-λ)V′t,其中λ取值0.6,在第一个预测周期,V′1=V1。(2)长期道路交通状态,是指预测的时间段超过了一个预测周期的交通状态,距离当前时间越远,与当期的估计路网交通状态越无关,采用对折指数衰减法计算。设假设第t周期的估计路段行程车速为Vt,待预测时间段在第m周期(m>t+1),与第m周期在同一时段的历史平均路段行程车速为则预测时间段在第m周期的路段行程车速预测值:
流量车速、路段行程时间、路径行程车速、路径行程时间的预测方法类似:
若所要预测的周期m是当前周期t的后一周期,则根据U′m=λUt+(1-λ)U′t,计算当前周期t预测的周期m的流量车速U′m,其中Ut为当前周期t的估计流量车速,U′t为周期t-1预测的周期t的流量车速,λ取值0.6,U′1=U1;若所要预测的周期m是当前周期t的后一周期以后的周期,则根据计算当前周期t预测的周期m的流量车速U′m,其中Ut为当前周期t的估计流量车速,为与周期m在同一时段的历史平均路段流量车速;
若所要预测的周期m是当前周期t的后一周期,则根据τ′m=λτt+(1-λ)τ′t,计算当前周期t预测的周期m的路段行程时间τ′m,其中τt为当前周期t的估计路段行程时间,τ′t为周期t-1预测的周期t的路段行程时间,λ取值0.6,τ′1=τ1;若所要预测的周期m是当前周期t的后一周期以后的周期,则根据计算当前周期t预测的周期m的路段行程时间τ′m,其中τt为当前周期t的估计路段行程时间,为与周期m在同一时段的历史平均路段行程时间;
若所要预测的周期m是当前周期t的后一周期,则根据μ′m=λμt+(1-λ)μ′t,计算当前周期t预测的周期m的路径行程车速μ′m,其中μt为当前周期t的估计路径行程车速,μ′t为周期t-1预测的周期t的路径行程车速,λ取值0.6,μ′1=μ1;若所要预测的周期m是当前周期t的后一周期以后的周期,则根据计算当前周期t预测的周期m的路径行程车速μ′m,其中μt为当前周期t的估计路径行程车速,为与周期m在同一时段的历史平均路径行程车速;
若所要预测的周期m是当前周期t的后一周期,则根据T′m=λTt+(1-λ)T′t,计算当前周期t预测的周期m的路径行程时间T′m,其中Tt为当前周期t的估计路径行程时间,T′t为周期t-1预测的周期t的路径行程时间,λ取值0.6,T′1=T1;若所要预测的周期m是当前周期t的后一周期以后的周期,则根据计算当前周期t预测的周期m的路径行程时间T′m,其中Tt为当前周期t的估计路径行程时间,为与周期m在同一时段的历史平均路径行程时间。
路网使用效率评估模块根据采集到的原始交通数据、路网交通状态估计和预测的结果对路网的运行使用效率进行评估,评估指标有:路口/路段流量时空统计分析、路网平均行程时间、拥挤路段、拥挤区域、拥挤时段等。流量的时空统计分析是对原始交通流量数据的统计分析,采用各种柱状图、线形图等各种图表展示原始交通数据,进行同一地点不同时刻的交通流量对比分析或同一时段不同地点的交通流量对比分析,分析值包括交通流量平均值,最大值,最小值及方差等,分析时段和分析地点由人工录入。路网平均行程时间由组成路网的每个路段在评估时段的平均行程时间组成,评估时段由人工录入。拥挤路段对评估时段内的拥挤路段进行排名分析,按照路段的行程车速列出所有拥挤路段的信息,并在电子地图上显示,拥挤路段的评判标准可以采用默认值,也可以人工录入。拥挤区域长期处于拥挤状态的区域,可以将连续的拥挤路段划分在同一个拥挤区域,也可以通过在电子地图上显示所有拥挤路段的信息,人为地划定拥挤区域。拥挤时段指一天中整个路网处于大部分拥挤状态的时段,可以通过路网平均行程时间的长短、拥挤路段的多少及拥挤区域的大小来判定,判定阈值由人工录入。
事故自动报警的流程如图5所示。事故自动报警是指在没有获得人工上报事故的前提下,根据路网同一位置或区域的交通状况与以往历史的交通状况进行周期性比对,若路段行程车速或车流量有巨大变化,超过一定阈值的,可甑别为有事故发生,将向指挥员进行告警。这个周期是路网交通状态估计模块中的估计周期的正整数倍,而图5中的“前若干周期”可以是前3个周期。指挥员通过语音、视频等手段人工确认确实有事故发生,再根据事故发生地址、严重程度及路网交通状态,评估可能的拥堵范围,进行信息发布。在本发明中,事故一般是指车辆的碰撞、侧翻等,但还可包括比如导致车流密集的电影院散场、商场促销等情况。
当发生了严重的交通事故(比如有人员伤亡、多车相撞或车辆故障)时,需要紧急调派救援车辆。由于事发地点是随机的,如何快速找到能快速到达事发地点的救援车辆是关键,最近的车辆不一定是最快的车辆。本发明提出的救援车辆调度策略综合考虑事故类型及车辆类型,结合动态路况及救援车辆轨迹找到多个匹配救援车辆,根据救援车辆的目标匹配度排序,从最优匹配车辆开始调度。救援车辆的调度策略生成流程如图6所示。目标匹配度与救援车辆类型、救援车辆距离、救援车辆行程时间有关。目标匹配度P=αC+β/Tn+γ/Ln,其中:C为救援车辆类型匹配度,表示救援车辆的功能类型与事故类型的关联程度。救援车辆的功能类型可分为基本功能类型和替代功能类型。如洒水车的基本功能类型为道路清洁,替代功能类型可为提供水源。当事故类型为翻车起火,需要水灭火时,洒水车也是可能的救援车辆之一。C取0~1之间的值,在基本信息管理模块中预先设定,救援车辆的替代功能类型与事故类型关联越大,取值越大,当救援车辆的功能类型与事故类型完全吻合时,C为1,不吻合则为0,例如消防车对翻车起火事故的匹配度为1,洒水车对翻车起火事故的匹配度为0.3,救护车对翻车起火事故的匹配度为0;Tn为本救援车辆到事发地点的路径行程时间在所有救援车辆到事发地点的路径行程时间列表中按由短及长的排位;Ln为本救援车辆到事发地点的距离在所有救援车辆到事发地点距离列表中按由近及远的排位;α、β、γ为权重,取值为0~1之间,且α+β+γ=1,可根据实际情况调整,如:当救援策略为时间最短优先时,α取值0,β取值1,γ取值0;当救援策略为路途最短优先时,α取值0,β取值0,γ取值1;当救援策略为类型匹配优先时,α取值1,β取值0,γ取值0。
根据路网交通状态评估器估计、预测、评估的结果,以及人工确认报警信息后人工评估的可能的拥堵范围,判断是否发生严重拥堵。比如,当主线道路连续1公里路段行程车速低于5公里/小时或行程延误时间高于日常行程时间三倍以上时,判断为发生严重拥堵。这时,路网交通状态发布服务器的诱导方案生成模块将生成诱导方案。诱导方案的生成流程如图7所示。
若诱导点前方没有交通事故,计算从诱导点到目的点的主路径及可选路径的行程时间T1及T2,根据路径行程时间判断主路径及可选路径是否拥挤,若主路径及可选路径均拥堵时,显示主路径及可选路径当前的交通状态,若可选路径交通通畅时,可采用用户均衡原理,预测在一定反应率的情况下改变主路径的显示交通状态后主路径及可选路径的交通状态,使主路径及可选路径的交通流量达到均衡。具体做法是根据主路径及可选路径的行程时间升级或降级路径的诱导交通状态,可通过路径行程时间计算路径行程车速,根据路径行程车速以10公里/小时为一档将交通状态划分为10级。例如若主路径的行程车速是20公里小时,可选路段的行程车速为60公里小时,为了将交通流从主路径诱导到可选路径,可将主路径的诱导状态降级到10公里/小时,然后根据驾驶员看到降级诱导信息后的择路反应率预测主路径及可选路径的交通量,根据预测的交通量重新预测主路径及可选路径的行程车速,若预测得可选路径会发生拥塞而主路径会畅通,则将主路径诱导状态降一级而可选路径升一级,再重新根据反应率分配交通流量,直至两条路径的交通流量达到均衡。显示的信息为路网均衡时主路径升级或降级后的诱导状态以及的可选路径重分配后的交通状态。主路径及可选路径的行程车速的预测方法如下:根据主路径及可选路径当前的路段行程车速及路径的流量-速度关系计算交通量Q1和Q2,根据反应率R则预测得的主路径交通量Q1’=Q1*(1-R)和可选路径的交通量Q2’=Q2+Q1*R,根据路径的流量-速度关系及Q1’和Q2’可以计算主路径的行程车速V1’及可选路径的行程车速V2’。路网均衡模型可分为***均衡和用户均衡。当两条路径的预测交通量相差不超过5%时,可认为两条路径的流量分配达到了***均衡;当两条路径的行程车速相差不超过5%时,可认为两条路径的流量分配达到了用户均衡。
主路径和可选路径为预先人工录入的从诱导点到目的点的路径,由多个路段组成。路径的流量-速度关系为Q=aV2+bV+c,其中a、b、c可以通过历史的流量数据和估计行程车速采用最小二乘法进行拟合。反应率为出行者收到诱导交通信息后改变出行路径的概率,可以使用经验值,或通过用户调查获得。在***使用初期,驾驶员对发布的交通信息的信任度较低,看到诱导信息后改变路径的概率也较低,反应率可设为0.3。到***长期运行后,驾驶员会依赖于交通信息,看到诱导信息后选择改变路径的概率会升高,此时反应率可设为0.7。
若诱导点前方发生了交通事故,则读取事故的位置、类型、影响时间及范围等信息,根据路网交通状态评估器估计及预测的路段行程时间来计算经过事故点达到目的点的主路径行程时间T3,再将受事故影响的路段设为不可通行的路段,查找不通过这些路段而能达到目的点的替换路径以及替换路径的行程时间T4。若通过事故点达到目的点的行程时间T3依旧比通过替换路径达到目的点的路径行程时间T4短,则只显示事故信息及预警事故后的行程时间T3,否则显示事故信息及建议的替换路径及其到达目的点的行程时间T4。
诱导方案生成模块生成的异常交通信息包括事故信息、可能的拥堵范围、主路径和可选路径的行程时间及行程车速。
当未发生严重拥堵时,常态信息生成模块直接从路网交通状态评估器的估计结果获取路径的行程时间及行程车速,生成常态交通信息。
常态交通信息和异常交通信息均通过信息发布适配器发布到路侧可变信息牌、即时交通广播、手机短信、智能车载导航设备、互联网。信息发布适配器提供了路网交通状态发布服务器与上述发布媒介的接口。
图8是本发明的一个***应用物理部署示例。使用用户为公安交警指挥中心,分别从公安110接处警***、智能车牌识别***、交通信号控制***、出租车运营管理***中获取动态交通数据,在交警指挥中心进行处理,实现事故自动报警、紧急救援车辆调度及动态交通诱导等业务服务功能。
显然,在上述教导下,可能对本发明进行多种修正和变型,并在所附权利要求的范围内,本发明可实施为不同于具体描述的方式。
Claims (13)
1.一种基于动态信息的智能交通调度指挥及信息服务方法,包括以下步骤:
(1-1)采集位于多个数据源的基础交通数据,所述基础交通数据包括静态交通数据及来自多个信息***的动态交通数据;
(1-2)对采集到的所述基础交通数据的产生时间进行解析,采用统一的时钟为参照点,生成年、月、日、时、分、秒的相对坐标;将所述动态交通数据产生的空间位置进行解析,采用统一的地理空间坐标系为参照系,生成城市、辖区、道路、路段、交叉口相对坐标;对所述动态交通数据描述的交通属性进行解析,生成阻塞、拥挤、畅通、快、慢相对属性;
(1-3)基于经过步骤(1-2)处理的所述基础交通数据,以第一周期周期性地对整个路网的交通状态进行估计和预测;
(1-4)以第二周期周期性地比对由步骤(1-3)所得的路网交通状态估计结果与长期积累的历史数据,超出一定阈值的,甑别为有事故发生,向指挥员发送报警提示,所述第二周期为所述第一周期的正整数倍;在经过人工核实后,对报警提示进行清除或确认;
(1-5)响应受确认的所述报警提示,判断是否需要车辆救援:若是,则生成救援车辆调度方案;
(1-6)响应受确认的所述报警提示及估计和预测的路网交通状态,判断是否严重拥堵:若是,则生成诱导方案,然后生成并发布异常交通信息;若否,则生成并发布常态交通信息。
2.根据权利要求1所述的基于动态信息的智能交通调度指挥及信息服务方法,其特征在于,所述动态交通数据包括车辆轨迹数据、交通事故数据、交通流量数据、救援车辆信息,且所述救援车辆信息包括救援车辆类型和位置。
3.根据权利要求2所述的基于动态信息的智能交通调度指挥及信息服务方法,其特征在于,所述估计路网交通状态的步骤包括以下步骤:
(3-1)确定当前路段;
(3-2)根据所述车辆轨迹数据,估计所述当前路段本周期的行程时间及 轨迹车速;
(3-3)判断是否有所述当前路段本周期的交通流量数据:若是,则读取所述交通流量数据以及上一周期的估计流量车速、预测流量车速,并根据所述交通流量数据、估计流量车速、预测流量车速,估计所述当前路段本周期的流量车速;
(3-4)判断是否有所述当前路段本周期的轨迹车速:若是,则根据本周期的估计轨迹车速、流量车速及上一周期的估计路段行程车速,计算本周期的估计路段行程车速;若无,则以历史路段行程车速及流量车速计算本周期的估计路段行程车速;
(3-5)判断是否完成所有路段的计算:若是,则进入(3-6);若否,则跳转(3-1);
(3-6)计算自定义的路径行程时间和路径行程车速。
4.根据权利要求3所述的基于动态信息的智能交通调度指挥及信息服务方法,其特征在于,所述预测路网交通状态的步骤包括以下预测路段行程车速的步骤:
(4-1)若所要预测的周期m是当前周期t的后一周期,则根据V′m=λVt+(1-λ)V′t,计算当前周期t预测的周期m的路段行程车速V′m,其中Vt为当前周期t的估计路段行程车速,V′t为周期t-1预测的周期t的路段行程车速,λ取值0.6,V′1=V1;
6.根据权利要求3所述的基于动态信息的智能交通调度指挥及信息服务方法,其特征在于,所述预测路网交通状态的步骤包括以下预测路段行程时间的步骤:
(6-1)若所要预测的周期m是当前周期t的后一周期,则根据τ′m=λτt+(1-λ)τ′t,计算当前周期t预测的周期m的路段行程时间τ′m,其中τt为当前周期t的估计路段行程时间,τ′t为周期t-1预测的周期t的路段行程时间,λ取值0.6,τ′1=τ1;
7.根据权利要求3所述的基于动态信息的智能交通调度指挥及信息服务方法,其特征在于,所述预测路网交通状态的步骤包括以下预测路径行程车速的步骤:
(7-1)若所要预测的周期m是当前周期t的后一周期,则根据μ′m=λμt+(1-λ)μ′t,计算当前周期t预测的周期m的路径行程车速μ′m,其中μt为当前周期t的估计路径行程车速,μ′t为周期t-1预测的周期t的路径行程车速,λ取值0.6,μ′1=μ1;
8.根据权利要求3所述的基于动态信息的智能交通调度指挥及信息服务方法,其特征在于,所述预测路网交通状态的步骤包括以下预测路径行程时间的步骤:
(8-1)若所要预测的周期m是当前周期t的后一周期,则根据T′m=λTt+(1-λ)T′t,计算当前周期t预测的周期m的路径行程时间T′m,其中Tt为当前周期t的估计路径行程时间,T′t为周期t-1预测的周期t的路径行程时间,λ取值0.6,T′1=T1;
9.根据权利要求3所述的基于动态信息的智能交通调度指挥及信息服务方法,其特征在于,所述步骤(1-4)包括以下步骤:
(9-1)读取本周期及前若干周期的估计路段行程车速;
(9-2)判断所述本周期的估计路段行程车速是否变小且减小量超过预设值:若是,则进入(9-3);若否,则退出;
(9-3)获取所述本周期及前若干周期的路段车流量;
(9-4)判断所述路段车流量是否连续下降:若是,则进入(9-5);若否,则退出;
(9-5)甑别为有事故发生,向指挥员发送报警提示;
(9-6)指挥员核实所述报警提示,对所述报警提示进行清除或确认。
10.根据权利要求9所述的基于动态信息的智能交通调度指挥及信息服务方法,其特征在于,在所述生成救援车辆调度方案的步骤中,根据所述救 援车辆的目标匹配度P排序,从最优匹配车辆开始调度,所述目标匹配度P=αC+β/Tn+γ/Ln,其中C为救援车辆类型匹配度,Tn为本救援车辆到事发地点的路径行程时间在所有救援车辆到事发地点的路径行程时间列表中按由短及长的排位,Ln为本救援车辆到事发地点的距离在所有救援车辆到事发地点距离列表中按由近及远的排位,α、β、γ为权重。
11.根据权利要求1所述的基于动态信息的智能交通调度指挥及信息服务方法,其特征在于,在所述生成诱导方案的步骤中,根据动态路况就拥堵发生源生成诱导方案,对距离拥堵发生源不同距离范围的出行者提供不同的诱导信息,引导出行者重新选择路径。
12.根据权利要求1至11中任一项所述的基于动态信息的智能交通调度指挥及信息服务方法,其特征在于,所述严重拥堵是指主线道路连续1公里路段行程车速低于5公里/小时或行程延误时间高于日常行程时间三倍以上。
13.一种基于动态信息的智能交通调度指挥及信息服务***,包括:
基础交通数据采集设备,所述基础交通数据位于多个数据源且包括静态交通数据及来自多个信息***的动态交通数据;
坐标体系归一器:对采集到的所述基础交通数据的产生时间进行解析,采用统一的时钟为参照点,生成年、月、日、时、分、秒的相对坐标;将所述动态交通数据产生的空间位置进行解析,采用统一的地理空间坐标系为参照系,生成城市、辖区、道路、路段、交叉口相对坐标;对所述动态交通数据描述的交通属性进行解析,生成阻塞、拥挤、畅通、快、慢相对属性;
路网交通状态评估器,其基于经过所述坐标体系归一器处理的动态交通数据,以第一周期周期性地对整个路网的交通状态进行估计和预测;
事故自动报警器,其以第二周期周期性地比对由所述路网交通状态评估器估计的路网交通状态与长期积累的历史数据,超出一定阈值的,甑别为有事故发生,向指挥员发送报警提示,所述第二周期为所述第一周期的正整数倍;
救援车辆调度策略生成器,其响应受确认的所述报警提示,判断是否需要车辆救援:若是,则生成救援车辆调度方案;
路网交通状态发布服务器,其响应受确认的所述报警提示和所述路网交通状态评估器估计和预测的结果,判断是否严重拥堵:若是,则生成诱导方 案,然后生成并发布异常交通信息;若否,则生成并发布常态交通信息;
数据存储及交换中心,用于存储所述基础交通数据采集设备、所述坐标体系归一器、所述路网交通状态评估器、所述事故自动报警器、所述救援车辆调度策略生成器、所述路网交通状态发布服务器产生的临时数据及历史数据,为其提供数据服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101663634A CN101901546B (zh) | 2010-04-29 | 2010-04-29 | 基于动态信息的智能交通调度指挥及信息服务方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101663634A CN101901546B (zh) | 2010-04-29 | 2010-04-29 | 基于动态信息的智能交通调度指挥及信息服务方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101901546A CN101901546A (zh) | 2010-12-01 |
CN101901546B true CN101901546B (zh) | 2012-06-27 |
Family
ID=43227046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101663634A Active CN101901546B (zh) | 2010-04-29 | 2010-04-29 | 基于动态信息的智能交通调度指挥及信息服务方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101901546B (zh) |
Families Citing this family (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077622A (zh) * | 2012-11-14 | 2013-05-01 | 武汉德澳科技有限公司 | 一种基于传感器网络技术的车况及路况监控*** |
CN103854471B (zh) * | 2012-11-30 | 2015-09-30 | 北京掌城科技有限公司 | 一种交通信息的发布方法 |
CN103136957B (zh) * | 2012-12-25 | 2015-10-07 | 上海博泰悦臻电子设备制造有限公司 | 实时路况信息的提供方法及装置、导航*** |
JP6036421B2 (ja) * | 2013-03-14 | 2016-11-30 | 富士通株式会社 | 道路管理支援方法、道路管理支援装置、及び道路管理支援プログラム |
CN103337162A (zh) * | 2013-07-16 | 2013-10-02 | 四川大学 | 城市应急救援通道实时规划及动态调度*** |
CN103426312B (zh) * | 2013-09-02 | 2015-12-02 | 银江股份有限公司 | 一种基于道路流量检测的自动诱导方法及*** |
CN103473609B (zh) * | 2013-09-04 | 2016-09-07 | 银江股份有限公司 | 一种相邻卡口间od实时行车时间的获取方法 |
CN103714706B (zh) * | 2013-12-31 | 2015-10-28 | 迈锐数据(北京)有限公司 | 一种交通诱导方法 |
CN105023424B (zh) * | 2014-04-24 | 2017-08-08 | 深圳市赛格导航科技股份有限公司 | 一种道路交通拥堵控制方法及控制*** |
US9668108B2 (en) * | 2014-05-29 | 2017-05-30 | Empire Technology Development Llc | Remote driving assistance |
CN104123815B (zh) * | 2014-08-08 | 2016-09-14 | 浙江高速信息工程技术有限公司 | 一种高速公路自启动应急救援快速处置*** |
CN104299442B (zh) * | 2014-10-15 | 2016-04-27 | 河海大学 | 一种基于模式匹配的城市路径行程时间预测方法 |
CN104361750A (zh) * | 2014-12-03 | 2015-02-18 | 浙江欣凯锐电力发展有限公司 | 一种车辆信息监控*** |
CN105894809B (zh) * | 2014-12-25 | 2018-03-20 | 杭州远眺科技有限公司 | 一种分段式城市道路交通状态估计方法 |
CN104637265A (zh) * | 2015-02-06 | 2015-05-20 | 宁波永耀信息科技有限公司 | 调度自动化多级一体化智能值班报警*** |
US10453337B2 (en) * | 2015-06-25 | 2019-10-22 | Here Global B.V. | Method and apparatus for providing safety levels estimate for a travel link based on signage information |
CN104952273B (zh) * | 2015-07-17 | 2019-03-12 | 东方网力科技股份有限公司 | 针对车辆行为的告警方法、装置及*** |
CN106887137B (zh) * | 2015-12-15 | 2019-12-17 | 高德信息技术有限公司 | 拥堵事件提示方法及装置 |
US10546254B2 (en) * | 2016-01-26 | 2020-01-28 | Oracle International Corporation | System and method for efficient storage of point-to-point traffic patterns |
CN105869404A (zh) * | 2016-05-25 | 2016-08-17 | 成都联众智科技有限公司 | 交通拥堵预警*** |
CN106525062A (zh) * | 2016-10-29 | 2017-03-22 | 安徽省艾佳信息技术有限公司 | 一种基于时间预估的导航方法 |
CN106441336A (zh) * | 2016-10-29 | 2017-02-22 | 安徽省艾佳信息技术有限公司 | 一种基于道路拥堵的导航*** |
CN108074393A (zh) * | 2016-11-08 | 2018-05-25 | 刘通 | 一种确定城市大桥交通拥挤程度的方法 |
CN108090643B (zh) * | 2016-11-21 | 2021-10-29 | 莫元劲 | 快递物流调度方法及装置 |
CN107256627B (zh) * | 2017-03-21 | 2020-05-22 | 江建国 | 自动驾驶车辆调度方法、装置及*** |
CN106935030A (zh) * | 2017-03-31 | 2017-07-07 | 青岛海信网络科技股份有限公司 | 一种高速公路安全隐患路段识别方法和装置 |
CN109033102A (zh) * | 2017-06-08 | 2018-12-18 | 上海济通信息技术有限公司 | 城市客运交通信息资源整合平台数据仓库构建的方法 |
CN109615846A (zh) * | 2017-10-18 | 2019-04-12 | 宁波轩悦行电动汽车服务有限公司 | 一种电动汽车故障救助方法及*** |
CN109597322A (zh) * | 2017-10-18 | 2019-04-09 | 宁波轩悦行电动汽车服务有限公司 | 一种电动汽车救援方法及*** |
CN109615847A (zh) * | 2017-10-18 | 2019-04-12 | 宁波轩悦行电动汽车服务有限公司 | 一种租赁电动汽车救援***及救援方法 |
CN108053646B (zh) * | 2017-11-22 | 2020-12-08 | 华中科技大学 | 基于时间敏感特征的交通特征获取方法、预测方法及*** |
CN107945558A (zh) * | 2017-12-21 | 2018-04-20 | 路斌 | 一种基于北斗位置服务的看路方法及*** |
CN110020175B (zh) * | 2017-12-29 | 2023-08-11 | 阿里巴巴集团控股有限公司 | 一种搜索处理方法、处理设备和*** |
CN108281000B (zh) * | 2018-02-05 | 2020-08-14 | 北京交通大学 | 一种数据驱动的突发事件对区域路网影响分析***及方法 |
CN108417035A (zh) * | 2018-03-29 | 2018-08-17 | 成都精灵云科技有限公司 | 基于云平台的智能交通监控*** |
CN108665702B (zh) * | 2018-04-18 | 2020-09-29 | 北京交通大学 | 基于车路协同的施工道路多级预警***及方法 |
CN110415511B (zh) * | 2018-04-28 | 2021-08-13 | 杭州海康威视数字技术股份有限公司 | 车辆信息管理方法、装置及存储介质 |
CN108847023A (zh) * | 2018-06-13 | 2018-11-20 | 新华网股份有限公司 | 推送告警信息的方法、装置及终端设备 |
CN109035765B (zh) * | 2018-07-11 | 2022-03-18 | 贵州交通信息与应急指挥中心 | 一种交通流处置事件决策方法 |
CN109341710A (zh) * | 2018-08-30 | 2019-02-15 | 上海大学 | 不确定环境的交通网上快速抵达目的地的动态规划法 |
CN109255944B (zh) * | 2018-10-08 | 2021-08-17 | 长安大学 | 交通事故应急救援车辆的配置与派遣方法 |
CN110085034A (zh) * | 2019-03-12 | 2019-08-02 | 广州小马智行科技有限公司 | 一种基于智能车辆的监控方法及装置 |
CN110047288A (zh) * | 2019-04-24 | 2019-07-23 | 葛志凯 | 缓解道路拥堵的方法和*** |
CN110260874A (zh) * | 2019-06-19 | 2019-09-20 | 广州交投机电工程有限公司 | 一种信息发布与反馈方法及*** |
CN110503826B (zh) * | 2019-08-06 | 2020-12-25 | 安徽省交通规划设计研究总院股份有限公司 | 一种基于高速流量监测及预测的智能诱导方法 |
CN110827537B (zh) * | 2019-10-22 | 2021-07-20 | 青岛海信网络科技股份有限公司 | 一种潮汐车道的设置方法、装置及设备 |
CN110796858A (zh) * | 2019-10-24 | 2020-02-14 | 山东科技大学 | 一种基于视频过车数据的车辆轨迹预测方法及*** |
CN110634299B (zh) * | 2019-10-25 | 2022-03-25 | 福州大学 | 基于多源轨迹数据的城市交通状态精细划分与识别方法 |
CN111862588B (zh) * | 2019-12-18 | 2022-04-22 | 北京嘀嘀无限科技发展有限公司 | 控制信息发布的方法、装置、电子设备和存储介质 |
CN111160537B (zh) * | 2020-01-03 | 2022-08-19 | 南京邮电大学 | 一种基于ann的路***通警力资源调度*** |
CN111210094A (zh) * | 2020-03-06 | 2020-05-29 | 青岛海信网络科技股份有限公司 | 一种基于实时客流预测的机场出租车自动调度方法及装置 |
CN111739294B (zh) * | 2020-06-11 | 2021-08-24 | 腾讯科技(深圳)有限公司 | 一种路况信息收集方法、装置、设备及存储介质 |
CN111915907B (zh) * | 2020-08-18 | 2022-11-04 | 河南中天高新智能科技股份有限公司 | 一种基于车路协同的多尺度交通信息发布***和方法 |
CN112116249B (zh) * | 2020-09-18 | 2024-04-30 | 青岛海信网络科技股份有限公司 | 交通信息处理方法及电子设备 |
CN112133099A (zh) * | 2020-09-28 | 2020-12-25 | 广州瀚信通信科技股份有限公司 | 基于5g的智慧交通大数据管理方法、***、设备及介质 |
CN112201041B (zh) * | 2020-09-29 | 2022-02-18 | 同济大学 | 融合电警数据和抽样轨迹数据的干道路径流量估计方法 |
CN112489423B (zh) * | 2020-11-20 | 2022-06-03 | 湖南警察学院 | 一种基于视觉的城市道路交通交警指挥方法 |
CN113160553B (zh) * | 2021-01-28 | 2022-09-23 | 上海同仕交通科技有限公司 | 一种基于无人驾驶方向的车路协同信息交流方法及其*** |
CN113159374B (zh) * | 2021-03-05 | 2022-04-22 | 北京化工大学 | 一种数据驱动的城市交通流速模式识别与实时预测预警方法 |
CN113635829B (zh) * | 2021-10-19 | 2021-12-21 | 深圳市润格光电科技有限公司 | 交互式汽车氛围灯 |
CN113706875B (zh) * | 2021-10-29 | 2022-03-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路功能研判方法 |
CN114170800A (zh) * | 2021-12-03 | 2022-03-11 | 新唐信通(浙江)科技有限公司 | 一种交通云控平台主动事件预测并处置的方法与*** |
CN114333317B (zh) * | 2021-12-31 | 2023-06-02 | 杭州海康威视数字技术股份有限公司 | 一种交通事件的处理方法、装置、电子设备及存储介质 |
CN114863686B (zh) * | 2022-07-06 | 2022-09-30 | 临沂市公路事业发展中心 | 一种普通国省干线可变限速控制方法 |
CN115909720B (zh) * | 2022-10-14 | 2023-12-26 | 江苏未来网络集团有限公司 | 一种交通网络状态预测方法及*** |
CN116631211B (zh) * | 2023-05-24 | 2024-07-05 | 唐山智慧交通科技有限公司 | 一种基于车联网的紧急车辆道路拥堵疏散*** |
CN116863708B (zh) * | 2023-09-04 | 2024-01-12 | 成都市青羊大数据有限责任公司 | 一种智慧城市调度分配*** |
CN117789504B (zh) * | 2024-02-28 | 2024-05-03 | 苏州申亿通智慧运营管理有限公司 | 一种城市隧道交通智能指挥调度方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE1176569B (de) * | 1962-04-21 | 1964-08-20 | Johannes Troost | Dungschrappanlage |
JP2999339B2 (ja) * | 1993-01-11 | 2000-01-17 | 三菱電機株式会社 | 車両用経路案内装置 |
CN1963861A (zh) * | 2005-11-09 | 2007-05-16 | 同济大学 | 基于信息网格的交通动态信息服务网络点播***及方法 |
CN101615340A (zh) * | 2009-07-24 | 2009-12-30 | 北京工业大学 | 公交动态调度中的实时信息处理方法 |
-
2010
- 2010-04-29 CN CN2010101663634A patent/CN101901546B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN101901546A (zh) | 2010-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101901546B (zh) | 基于动态信息的智能交通调度指挥及信息服务方法及*** | |
CN109118758B (zh) | 一种面向移动共享的智能网联交通管理*** | |
Florin et al. | A survey of vehicular communications for traffic signal optimization | |
CA2928783C (en) | A system to provide real-time railroad grade crossing information to support traffic management decision-making | |
TWI451366B (zh) | 以全球定位系統(gps)為主之交通監視系統,以及與該交通監視系統通信的車輛及蜂巢電話 | |
US20130162449A1 (en) | Traffic Routing Using Intelligent Traffic Signals, GPS and Mobile Data Devices | |
CN104221065B (zh) | 利用照明网络进行交通管理的***和方法 | |
US20150039361A1 (en) | Techniques for Managing Snow Removal Equipment Leveraging Social Media | |
CN104134344A (zh) | 一种基于车联网的道路交通网络应急疏散路径生成方法 | |
Hossan et al. | Fog-based dynamic traffic light control system for improving public transport | |
CN105469624A (zh) | 一种基于调度的运营全过程自动监控方法 | |
CN103956043A (zh) | 基于移动终端的车辆出行路径辅助*** | |
Raut et al. | Intelligent transportation system for smartcity using VANET | |
CN109307515A (zh) | 用于确定机动车辆的停车位置的方法 | |
CN109754606B (zh) | 一种基于出租车定位预测道路拥堵情况的方法 | |
CN103294673A (zh) | 一种公共交通工具实时运营数据的采集与发布方法 | |
Makhloga | IMPROVING INDIA’S TRAFFIC MANAGEMENT USING INTELLIGENT TRANSPORTATION SYSTEMS | |
Brandão et al. | A multi-layer and vanet-based approach to improve accident management in smart cities | |
CN211604175U (zh) | 一种基于城市流动网络的数据采集*** | |
US20240211898A1 (en) | Autonomous knowledge-based smart waste collection system | |
KR102282906B1 (ko) | 대중교통 운행정보 제공 시스템 | |
JP2020004175A (ja) | 車両管理システムおよび車両管理方法 | |
Bireda | Intelligent transport system in ethiopia: status and the way forward | |
US20070265734A1 (en) | Traffic information system | |
CN102289474A (zh) | 信息管理的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 200233 three floor of No. 333, No. 41, Qinjiang Road, Xuhui District, Shanghai Patentee after: Di'aisi information technology Limited by Share Ltd Address before: No. 48, Pingjiang Road, Shanghai Patentee before: Shanghai DS Communication Equipment Co., Ltd. |