CN102708688A - 一种基于二级模糊综合判别的城市道路状态辨识方法 - Google Patents

一种基于二级模糊综合判别的城市道路状态辨识方法 Download PDF

Info

Publication number
CN102708688A
CN102708688A CN2012101877736A CN201210187773A CN102708688A CN 102708688 A CN102708688 A CN 102708688A CN 2012101877736 A CN2012101877736 A CN 2012101877736A CN 201210187773 A CN201210187773 A CN 201210187773A CN 102708688 A CN102708688 A CN 102708688A
Authority
CN
China
Prior art keywords
road
traffic
urban road
section
fuzzy
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.)
Granted
Application number
CN2012101877736A
Other languages
English (en)
Other versions
CN102708688B (zh
Inventor
兰时勇
王晟
李新胜
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.)
Sichuan University
Sichuan Chuanda Zhisheng Software Co Ltd
Wisesoft Co Ltd
Original Assignee
Sichuan University
Sichuan Chuanda Zhisheng Software 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 Sichuan University, Sichuan Chuanda Zhisheng Software Co Ltd filed Critical Sichuan University
Priority to CN201210187773.6A priority Critical patent/CN102708688B/zh
Publication of CN102708688A publication Critical patent/CN102708688A/zh
Application granted granted Critical
Publication of CN102708688B publication Critical patent/CN102708688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)

Abstract

一种基于二级模糊综合判别的城市道路状态辨识方法涉及智能交通控制。包括城市道路子段自动划分、实时接收道路交通参数、实时辨识道路交通状态和道路交通诱导屏实时动态显示几个步骤。在城市道路子段自动划分模块中将一条道路自动划分为两个子段，子段划分取决参数包括道路长度、前方信号灯绿信比、道路设计饱和率、道路限制速度和控制参数。在二级模糊综合城市道路交通状态辨识模块中进行城市道路交通状态实时辨识，这种辨别是基于分段高斯隶属函数和模糊数学理论的理论进行的二级模糊辨别。对二级模糊综合评定后，得出城市道路状态辨别的结果，发布在道路交通诱导屏上。本发明充分考虑了城市道路实际因素，有效实现交通的负荷均衡，应用前景广阔。

Description

一种基于二级模糊综合判别的城市道路状态辨识方法
技术领域
本发明属于计算机应用技术领域，特别涉及智能交通控制。
背景技术
道路交通状态主要可分为“堵塞”、“拥挤”和“畅通”三种状态。道路交通状态评判的目的是运用一定的方法对实时交通数据进行分析，快速辨识出道路各种交通状态，为交通控制和诱导提供依据。
道路交通状态的判别方法可分为两大类：人工判别方法和自动判别方法。前者包括市民报告、专职人员报告和闭路电视监视等。这种方法的优点是方便、直接、经济，缺点是要求当时当地有目击者，难以24小时全天候发挥作用。后者以信息采集与处理技术、计算机技术和通信技术为基础，可以全天候连续监视道路交通所处状态，得到了越来越多的关注和长足发展。
国内外现有的交通状态辨识方法，大部分是以高速公路的突发交通事件为对象，而在城市交通中，由于受到交叉口信号灯及非机动车的影响，其交通流特性与高速公路相比较更为复杂，城市交通状态自动判别的难度更大。城市交通状态所采用的数据处理方法主要包括决策树、统计分析、平滑滤波等常规方法。而交通流状态本身演化过程所依据的参数指标变化是一个连续过程，各种状态间的划分也是模糊的，模糊判别的方法用来对交通流状态进行判别更适合。在现有技术中模糊判别一般采用一级判别，一级模糊判别方法是依据整条道路的交通特征参数遵循最大隶属度的准则来对其作交通状态判定的。这种方法存在以下不足：
第一，没有考虑城市道路中临近交通信号灯路段与远离信号灯路段交通特征参数对其相应路段的交通状态的影响是不一样的，这些交通特征参数包括排队长度、平均速度和车道占有率等，因此现有的一级模糊判别方法所获得的交通状态的准确性有待进一步验证；
第二，在模糊交通状态判别中的隶属函数的选取时，为了简化大都选用的是降半梯形公式来线性表示，忽视了高斯型函数具有无过零点且曲线光滑、物理意义清晰更适合作为模糊判别的隶属函数的特点，更少有针对在临近信号灯路段的交通特征参数隶属函数形式和参数的确定方法；
第三，由于城市道路交通拥挤现象的原因复杂，每种交通状态都有一定的相似性，使得交通状态划分存在模糊性，对于当所有隶属度差异不明显的情况，只依据遵循最大隶属度原则来给出最后的判定结果不能描述交通状态客观的模糊性。
基于上述原因，现有的交通状态辨识方法不能客观准确的区分的城市道路状态。
发明内容   
本发明的目的是针对传统交通状态辨识方法的不足，提出一种基于二级模糊综合判别的城市道路交通状态辨识方法。本发明提出的城市道路交通状态辨识方法充分考虑城市道路的交通实际，构建数学模型对城市道路自动分子段；再针对每一子段采用无过零点且曲线光滑且物理意义清晰的更适合作为模糊判别的隶属函数的特点的高斯型隶属函数，进而采用二级模糊综合判别；最终实现城市道路交通状态更客观准确的识别。
本发明的目的是这样达到的： 城市道路状态辨别包括城市道路子段自动划分、实时接收道路交通参数、城市道路交通状态实时辨识和道路交通诱导屏实时动态显示几个步骤；城市道路子段自动划分在城市道路子段自动划分模块中进行，实时接收道路交通参数在城市道路子段交通参数采集模块中进行，实时辨识道路交通状态在二级模糊综合城市道路交通状态辨识模块中进行；城市道路子段自动划分模块、城市道路子段交通参数采集和二级模糊综合城市道路交通状态辨识模块设置在智能交通控制***的处理服务器中。
城市道路子段自动划分模块接收来自智能交通控制***中的城市道路设计参数模块参数，完成对城市道路子段划分并将划分结果发送到二级模糊综合城市道路交通状态辨识模块，二级模糊综合城市道路交通状态辨识模块同时接收城市道路子段交通参数采集模块通过网络从道路现场采集点实时传输的视频参数和城市道路子段划分结果参数进行城市道路交通状态实时辨识，将实时交通状态辨识结果通过网络通讯发布到智能交通控制***的道路交通诱导屏，道路交通诱导屏实时动态发布交通状态辨识结果。
所述城市道路子段自动划分是对一条道路U自动划分为两个子段U1和U2，U1和U2划分取决参数包括道路长度、前方信号灯绿信比、道路设计饱和率、道路限制速度和控制参数。
所述实时辨识道路交通状态在是基于分段高斯隶属函数和模糊数学理论的理论进行的二级模糊辨别，步骤是：
（1）、对各个道路子段建立评定对象单因素集 
Figure 970378DEST_PATH_IMAGE001
；
（2）、针对各个道路子段建立评定集
Figure 83827DEST_PATH_IMAGE002
；
（3）、建立从单因素集
Figure 949671DEST_PATH_IMAGE001
 到子评定集
Figure 173979DEST_PATH_IMAGE002
的一个模糊关系映射，由笛卡儿乘积对应关系导出单因素评定矩阵
Figure 438738DEST_PATH_IMAGE003
；
（4）、第一级模糊综合评定，选择分段高斯模糊数学综合函数进行综合并将其作归一化处理；
（5）二级模糊综合评定；
（6）、对二级判定结果进行模糊分析判断，得出城市道路状态辨别的结果。
城市道路子段自动划分是对一条道路U自动划分为两个子段U1和U2是依据公式1-1划分的：
   
Figure 457510DEST_PATH_IMAGE004
                     （1-1）
式中，dU1和dU2分别表示道路子段U1 和U2的长度，d表示整条道路长度、t表示路段
式中，dU1和dU2分别表示道路子段U1 和U2的长度，d表示整条道路长度、t表示路段前方信号灯绿信比、s表示道路设计饱和率、v表示道路限制速度，a是与道路总长相关的控制参数，b是与道路限制速度相关的控制参数。
所述二级模糊综合城市道路交通状态自动辨识的具体步骤是：
（1）、对各个道路子段建立评定对象单因素集
Figure 807720DEST_PATH_IMAGE001
；Ui = [L，V，D]，其中
Figure 835718DEST_PATH_IMAGE005
表示第几个路段子集，L代表路段排队长度比，V代表平均车速，D代表占用率；
（2）、针对各个道路子段建立评定集
Figure 17301DEST_PATH_IMAGE002
；
Figure 410236DEST_PATH_IMAGE006
，其中
Figure 44480DEST_PATH_IMAGE007
代表道路第
Figure 548274DEST_PATH_IMAGE008
个子路段属于畅通状态，
Figure 849942DEST_PATH_IMAGE009
代表第
Figure 476095DEST_PATH_IMAGE008
个子路段属于拥挤状态，
Figure 535318DEST_PATH_IMAGE010
代表第
Figure 905120DEST_PATH_IMAGE008
个子路段属于堵塞状态；
（3）、建立从单因素集
Figure 998978DEST_PATH_IMAGE001
 到子评定集
Figure 796032DEST_PATH_IMAGE002
的一个模糊关系映射，单因素集
Figure 404868DEST_PATH_IMAGE001
中的任一元素
Figure 250464DEST_PATH_IMAGE011
就与
Figure 261146DEST_PATH_IMAGE012
的笛卡儿乘积
Figure 163855DEST_PATH_IMAGE013
中的对应元素唯一对应，由此导出单因素评定矩阵
Figure 971591DEST_PATH_IMAGE003
，
Figure 774462DEST_PATH_IMAGE015
，其中
Figure 913319DEST_PATH_IMAGE016
指的是子路段
Figure 434431DEST_PATH_IMAGE008
排队长度比隶属于畅通、拥挤与堵塞的程度，
Figure 949726DEST_PATH_IMAGE017
指的是子路段
Figure 669420DEST_PATH_IMAGE008
速度隶属于畅通、拥挤与堵塞的程度，
Figure 916862DEST_PATH_IMAGE018
指的是子路段
Figure 987586DEST_PATH_IMAGE008
占用率隶属于畅通、拥挤与堵塞的程度；
（4）、第一级模糊综合评定，依据专家经验和实际观察统计选择各交通特征量的分段高斯模糊数学综合函数进行综合，对各子路段集用因素集
Figure 978676DEST_PATH_IMAGE001
内的对应模糊集
Figure 818456DEST_PATH_IMAGE019
表示该因素的权重分配，求出一级单因素综合评定集
Figure 299116DEST_PATH_IMAGE020
，并将其作归一化处理；
（5）二级模糊综合评定，将前一级评定输出作为评定矩阵
Figure 794819DEST_PATH_IMAGE021
，将各子路段对整个道路的权重模糊子集为
Figure 386337DEST_PATH_IMAGE022
，则可求出二级模糊评定输出
Figure 18307DEST_PATH_IMAGE023
；  
（6）、对二级判定结果进行模糊分析判断，得出城市道路交通状态辨别的结果：设定一个阈值
Figure 935447DEST_PATH_IMAGE024
，对任意
Figure 715185DEST_PATH_IMAGE025
均符合要求，当
Figure 48077DEST_PATH_IMAGE026
中仅有一个值大于
Figure 862449DEST_PATH_IMAGE027
时，将其归一到所对应的交通状态；当
Figure 637243DEST_PATH_IMAGE028
的值都大于时，将其归一到“畅通/拥挤”临界状态；当
Figure 40860DEST_PATH_IMAGE030
的值都大于
Figure 709738DEST_PATH_IMAGE027
时，将其归一到 “拥挤/堵塞”临界状态。
本发明具有如下优点：
（1）充分考虑了城市道路实际因素的影响，实现更客观准确的城市道路交通状态辨识，为城市智能交通动态控制和诱导提供更有效的信息支撑。从而实现城市道路交通的负荷均衡、缓解拥堵、交通畅通有序，为城市道路交通和谐打下良好的基础。
（2）辨识算法计算效率高，应用前景广泛。
附图说明
图1是在本发明在智能交通控制***中结构示意图。
图2是实施例中第二子段对平均车辆排队长度比分段高斯隶属函数示意图。
图3是实施例中第二子段对平均速度分段高斯隶属函数示意图。
图4是实施例中第二子段对车道占用率分段高斯隶属函数示意图。
图5是道路交通诱导屏的动态显示图。图中，实线代表实际诱导屏中的红色，表示堵塞的交通状态；虚线代表实际诱导屏中的黄色，表示拥挤的交通状态；点划线代表实际诱导屏中的绿色，表示畅通的交通状态。
具体实施方式
参见附图1。城市道路子段自动划分模块以及二级模糊综合城市道路交通状态辨识模块是本发明的核心内容，通过一台处理服务器完成。城市道路设计参数输入模块依据每条城市道路在规划设计时都对应有整条道路长度、路段前方信号灯绿信比、道路设计饱和率以及道路限制速度等参数，依据实际城市道路交通路网形成配置文件存于处理服务器中。城市道路子段自动划分模块依据城市道路设计参数再结合自动划分的数学模型对城市道路进行子段划分。城市道路子段交通参数采集依据现有成熟的视频采集分析技术实现，通过网络从道路现场采集点实时传输到处理服务器。二级模糊综合城市道路交通状态辨识模块采用分段高斯隶属函数和模糊数学理论实现。道路交通诱导屏动态发布交通状态模块通过网络通讯接受实时交通状态辨识结果，用于实际城市道路交通关键现场实现交通诱导。
在具体实施过程中，整个城市道路状态的辨别包括道路子段自动划分、实时接收道路交通参数、实时辨识道路交通状态和道路交通诱导屏实时动态显示几个步骤。
第一步：道路子段自动划分
在本实施例中，设定某城市道路设计的参数：最大限速40公里/小时、红绿灯周期为60秒且绿信比为1/2、道路总长为1公里、道路饱和率为0.4，且设定式1-1中的控制参数a和b分别为3和10公里/小时，依据式1-1
                （1-1）
计算得到道路子段分别长度为：dU1=0.32公里    dU2=0.68公里。
第二步：实时接收道路交通参数
道路交通参数获取方式是在道路前方架设摄像机获取道路实时视频，依据道路子段划分在视频中标定位置，采用现有视频分析处理技术分别获取个子段实时交通参数。本实施例取5分钟平均的车辆排队长度比、平均车速、车道占用率。
第三步：城市道路交通状态实时辨识
在实时辨识道路交通状态的过程中，按照以下6步进行：
（1）、对各个道路子段建立评定对象单因素集
Figure 395115DEST_PATH_IMAGE001
；Ui = [L，V，D]，其中表示第几个路段子集，L代表路段排队长度比，V代表平均车速，D代表占用率；
（2）、针对各个道路子段建立评定集；，其中
Figure 202348DEST_PATH_IMAGE007
代表道路第
Figure 477471DEST_PATH_IMAGE008
个子路段属于畅通状态，
Figure 58625DEST_PATH_IMAGE009
代表第
Figure 393792DEST_PATH_IMAGE008
个子路段属于拥挤状态，
Figure 122713DEST_PATH_IMAGE010
代表第
Figure 139211DEST_PATH_IMAGE008
个子路段属于堵塞状态；
（3）、建立从单因素集
Figure 637188DEST_PATH_IMAGE001
 到子评定集
Figure 346518DEST_PATH_IMAGE002
的一个模糊关系映射，单因素集
Figure 297157DEST_PATH_IMAGE001
中的任一元素
Figure 179662DEST_PATH_IMAGE011
就与
Figure 466900DEST_PATH_IMAGE012
的笛卡儿乘积中的对应元素
Figure 785065DEST_PATH_IMAGE014
唯一对应，由此导出单因素评定矩阵
Figure 205683DEST_PATH_IMAGE003
，
Figure 615935DEST_PATH_IMAGE015
，其中
Figure 729385DEST_PATH_IMAGE016
指的是子路段
Figure 592299DEST_PATH_IMAGE008
排队长度比隶属于畅通、拥挤与堵塞的程度，
Figure 816607DEST_PATH_IMAGE017
指的是子路段
Figure 878103DEST_PATH_IMAGE008
速度隶属于畅通、拥挤与堵塞的程度，指的是子路段
Figure 512664DEST_PATH_IMAGE008
占用率隶属于畅通、拥挤与堵塞的程度；
（4）、第一级模糊综合评定，依据专家经验和实际观察统计选择各交通特征量的分段高斯模糊数学综合函数进行综合，对各子路段集用因素集
Figure 478346DEST_PATH_IMAGE001
内的对应模糊集表示该因素的权重分配，求出一级单因素综合评定集，并将其作归一化处理；
（5）二级模糊综合评定，将前一级评定输出作为评定矩阵
Figure 687108DEST_PATH_IMAGE021
，将各子路段对整个道路的权重模糊子集为
Figure 190901DEST_PATH_IMAGE022
，则可求出二级模糊评定输出
Figure 492570DEST_PATH_IMAGE023
；  
（6）、对二级判定结果进行模糊分析判断，得出城市道路交通状态辨别的结果：设定一个阈值
Figure 793757DEST_PATH_IMAGE024
，对任意均符合要求，当
Figure 550677DEST_PATH_IMAGE026
中仅有一个值大于
Figure 378956DEST_PATH_IMAGE027
时，将其归一到所对应的交通状态；当
Figure 176010DEST_PATH_IMAGE028
的值都大于
Figure 722529DEST_PATH_IMAGE029
时，将其归一到“畅通/拥挤”临界状态；当的值都大于时，将其归一到 “拥挤/堵塞”临界状态。
本实施例第二子路段的平均车辆排队长度比、平均速度、车道占用率的分段高斯隶属函数如附图2、3、4所示。
第四步：道路交通诱导屏实时动态显示
在对二级判定结果进行模糊分析判断后得出的道路交通状况，传送到道路交通诱导屏上实时显示，分为红、黄、绿三种颜色分别显示堵塞、拥挤和畅通状况。
附图5给出了本实施例的道路交通诱导屏实时动态显示。实际交通诱导屏中红色表示堵塞的交通状态，黄色表示拥挤的交通状态，绿色表示畅通的具体状况。附图用实线代表交通诱导屏中的红色，虚线代表交通诱导屏中的黄色，点划线代表交通诱导屏中的绿色。道路交通状况一目了然，为道路交通参与者提供了极大的方便。

Claims (3)

1.一种基于二级模糊综合判别的城市道路状态辨别的方法，其特征在于：辨别的方法包括城市道路子段自动划分、实时接收道路交通参数、城市道路交通状态实时辨识和道路交通诱导屏实时动态显示几个步骤；城市道路子段自动划分在城市道路子段自动划分模块中进行，实时接收道路交通参数在城市道路子段交通参数采集模块中进行，城市道路交通状态实时辨识在二级模糊综合城市道路交通状态辨识模块中进行；城市道路子段自动划分模块、城市道路子段交通参数采集和二级模糊综合城市道路交通状态辨识模块设置在智能交通控制***的处理服务器中；
城市道路子段自动划分模块接收来自智能交通控制***中的城市道路设计参数模块的参数，完成对城市道路子段划分并将划分结果发送到二级模糊综合城市道路交通状态辨识模块，二级模糊综合城市道路交通状态辨识模块同时接收城市道路子段交通参数采集模块通过网络从道路现场采集点实时传输的视频参数和城市道路子段划分结果参数进行城市道路交通状态实时辨识，将实时交通状态辨识结果通过网络通讯发布到智能交通控制***的道路交通诱导屏，道路交通诱导屏实时动态发布交通状态辨识结果；
所述城市道路子段自动划分是对一条道路U自动划分为两个子段U1和U2，U1和U2划分取决参数包括道路长度、前方信号灯绿信比、道路设计饱和率、道路限制速度和控制参数；
所述实时辨识道路交通状态在是基于分段高斯隶属函数和模糊数学理论进行的二级模糊辨别，步骤是：
（1）、对各个道路子段建立评定对象单因素集                                                
Figure 703228DEST_PATH_IMAGE002
；
（2）、针对各个道路子段建立评定集；
（3）、建立从单因素集
Figure 462423DEST_PATH_IMAGE002
 到子评定集
Figure 670681DEST_PATH_IMAGE004
的一个模糊关系映射，由笛卡儿乘积对应关系导出单因素评定矩阵；
（4）、第一级模糊综合评定，选择分段高斯模糊数学综合函数进行综合并将其作归一化处理；
（5）二级模糊综合评定；
（6）、对二级判定结果进行模糊分析判断，得出城市道路状态辨别的结果。
2.如权利要求1所述的城市道路状态辨别的方法，其特征在于：所述城市道路子段自动划分是对一条道路U自动划分为两个子段U1和U2是依据公式1-1划分的：
   
Figure 2012101877736100001DEST_PATH_IMAGE007
                     （1-1）
式中，dU1和dU2分别表示道路子段U1 和U2的长度，d表示整条道路长度、t表示路段前方信号灯绿信比、s表示道路设计饱和率、v表示道路限制速度，a是与道路总长相关的控制参数，b是与道路限制速度相关的控制参数。
3.如权利要求1所述的城市道路状态辨别的方法，其特征在于：所述二级模糊综合城市道路交通状态自动辨识的具体步骤是：
（1）、对各个道路子段建立评定对象单因素集
Figure 547370DEST_PATH_IMAGE002
；Ui = [L，V，D]，其中
Figure 681417DEST_PATH_IMAGE009
表示第几个路段子集，L代表路段排队长度比，V代表平均车速，D代表占用率；
（2）、针对各个道路子段建立评定集
Figure 948451DEST_PATH_IMAGE004
；
Figure 209668DEST_PATH_IMAGE011
，其中
Figure 878546DEST_PATH_IMAGE013
代表道路第
Figure 871910DEST_PATH_IMAGE015
个子路段属于畅通状态，
Figure 439289DEST_PATH_IMAGE017
代表第
Figure 176301DEST_PATH_IMAGE015
个子路段属于拥挤状态，代表第个子路段属于堵塞状态；
（3）、建立从单因素集
Figure 745057DEST_PATH_IMAGE002
 到子评定集
Figure 20181DEST_PATH_IMAGE004
的一个模糊关系映射，单因素集
Figure 725969DEST_PATH_IMAGE002
中的任一元素
Figure 2012101877736100001DEST_PATH_IMAGE021
就与
Figure 2012101877736100001DEST_PATH_IMAGE023
的笛卡儿乘积
Figure 874184DEST_PATH_IMAGE025
中的对应元素
Figure 603106DEST_PATH_IMAGE027
唯一对应，由此导出单因素评定矩阵
Figure 744237DEST_PATH_IMAGE006
，，其中
Figure 325446DEST_PATH_IMAGE031
指的是子路段排队长度比隶属于畅通、拥挤与堵塞的程度，
Figure 220907DEST_PATH_IMAGE033
指的是子路段
Figure 573391DEST_PATH_IMAGE015
速度隶属于畅通、拥挤与堵塞的程度，
Figure 515939DEST_PATH_IMAGE035
指的是子路段
Figure 766923DEST_PATH_IMAGE015
占用率隶属于畅通、拥挤与堵塞的程度；
（4）、第一级模糊综合评定，依据专家经验和实际观察统计选择各交通特征量的分段高斯模糊数学综合函数进行综合，对各子路段集用因素集
Figure 187540DEST_PATH_IMAGE002
内的对应模糊集表示该因素的权重分配，求出一级单因素综合评定集
Figure 2012101877736100001DEST_PATH_IMAGE039
，并将其作归一化处理；
（5）二级模糊综合评定，将前一级评定输出作为评定矩阵，将各子路段对整个道路的权重模糊子集为
Figure 2012101877736100001DEST_PATH_IMAGE043
，则可求出二级模糊评定输出
Figure 165038DEST_PATH_IMAGE045
；  
（6）、对二级判定结果进行模糊分析判断，得出城市道路交通状态辨别的结果：设定一个阈值
Figure 152586DEST_PATH_IMAGE047
，对任意
Figure 376894DEST_PATH_IMAGE049
均符合要求，当
Figure 251440DEST_PATH_IMAGE051
中仅有一个值大于时，将其归一到所对应的交通状态；当
Figure 948318DEST_PATH_IMAGE055
的值都大于
Figure 2012101877736100001DEST_PATH_IMAGE056
时，将其归一到“畅通/拥挤”临界状态；当的值都大于
Figure 350218DEST_PATH_IMAGE053
时，将其归一到 “拥挤/堵塞”临界状态。
CN201210187773.6A 2012-06-08 2012-06-08 一种基于二级模糊综合判别的城市道路状态辨识方法 Active CN102708688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210187773.6A CN102708688B (zh) 2012-06-08 2012-06-08 一种基于二级模糊综合判别的城市道路状态辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210187773.6A CN102708688B (zh) 2012-06-08 2012-06-08 一种基于二级模糊综合判别的城市道路状态辨识方法

Publications (2)

Publication Number Publication Date
CN102708688A true CN102708688A (zh) 2012-10-03
CN102708688B CN102708688B (zh) 2014-01-22

Family

ID=46901400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210187773.6A Active CN102708688B (zh) 2012-06-08 2012-06-08 一种基于二级模糊综合判别的城市道路状态辨识方法

Country Status (1)

Country Link
CN (1) CN102708688B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136954A (zh) * 2012-12-25 2013-06-05 上海博泰悦臻电子设备制造有限公司 导航设备及导航路径上关键路况的提示方法与装置
CN103956063A (zh) * 2014-05-09 2014-07-30 苏州鸣伦电子科技有限公司 一种动态绘制交通诱导屏地图和路况更新的方法
CN104766483A (zh) * 2015-04-09 2015-07-08 吉林大学 一种基于云计算的交通控制诱导协调***及方法
CN105336169A (zh) * 2015-12-09 2016-02-17 青岛海信网络科技股份有限公司 一种基于视频判断交通拥堵的方法和***
CN106485932A (zh) * 2016-12-28 2017-03-08 芜湖乐锐思信息咨询有限公司 高效路径管理***
CN106530723A (zh) * 2016-12-28 2017-03-22 芜湖乐锐思信息咨询有限公司 基于并行数据挖掘的交通导航***
CN106600963A (zh) * 2016-12-28 2017-04-26 芜湖乐锐思信息咨询有限公司 基于行车数据挖掘的路径管理***
CN106710259A (zh) * 2017-02-18 2017-05-24 山东交通学院 一种车道占用率警示方法
CN106790585A (zh) * 2016-12-28 2017-05-31 芜湖乐锐思信息咨询有限公司 基于云计算的道路交通资源管理***
CN106781482A (zh) * 2016-12-28 2017-05-31 芜湖乐锐思信息咨询有限公司 新型智能交通数据处理***
CN106790141A (zh) * 2016-12-28 2017-05-31 芜湖乐锐思信息咨询有限公司 基于云计算的新型道路交通资源管理信息***
CN106781483A (zh) * 2016-12-28 2017-05-31 芜湖乐锐思信息咨询有限公司 智能交通管理***
CN108388540A (zh) * 2018-03-01 2018-08-10 兰州交通大学 基于模糊综合评价的道路网选取算法
CN110428628A (zh) * 2019-08-31 2019-11-08 招商局重庆交通科研设计院有限公司 道路交通诱导方法
CN114882696A (zh) * 2020-10-28 2022-08-09 华为技术有限公司 道路容量的确定方法、装置及存储介质
CN115086910A (zh) * 2022-04-27 2022-09-20 同济大学 一种v2x环境下基于动静态特征的实时路段划分方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5566072A (en) * 1993-08-10 1996-10-15 Mitsubishi Jidosha Kogyo Kabushiki Kaisha Method and apparatus for estimating a road traffic condition and method and apparatus for controlling a vehicle running characteristic
US5696502A (en) * 1994-03-14 1997-12-09 Siemens Aktiengesellschaft Method of sensing traffic and detecting traffic situations on roads, preferably freeways
US20050143903A1 (en) * 2003-12-30 2005-06-30 Jin Ho Park Method for determining traffic conditions
JP2009145951A (ja) * 2007-12-11 2009-07-02 Toyota Central R&D Labs Inc ドライバ状態推定装置及びプログラム
CN101739815A (zh) * 2009-11-06 2010-06-16 吉林大学 道路交通拥挤状态在线识别方法
CN101783074A (zh) * 2010-02-10 2010-07-21 北方工业大学 一种城市道路交通流状态实时判别方法及***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5566072A (en) * 1993-08-10 1996-10-15 Mitsubishi Jidosha Kogyo Kabushiki Kaisha Method and apparatus for estimating a road traffic condition and method and apparatus for controlling a vehicle running characteristic
US5696502A (en) * 1994-03-14 1997-12-09 Siemens Aktiengesellschaft Method of sensing traffic and detecting traffic situations on roads, preferably freeways
US20050143903A1 (en) * 2003-12-30 2005-06-30 Jin Ho Park Method for determining traffic conditions
JP2009145951A (ja) * 2007-12-11 2009-07-02 Toyota Central R&D Labs Inc ドライバ状態推定装置及びプログラム
CN101739815A (zh) * 2009-11-06 2010-06-16 吉林大学 道路交通拥挤状态在线识别方法
CN101783074A (zh) * 2010-02-10 2010-07-21 北方工业大学 一种城市道路交通流状态实时判别方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘清: "城市道路交通状况的F_①-评价及其实例研究", 《武汉理工大学学报(交通科学与工程版)》 *
窦慧丽 等: "基于模糊数学的公路交通量预测方法", 《交通科技与经济》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136954A (zh) * 2012-12-25 2013-06-05 上海博泰悦臻电子设备制造有限公司 导航设备及导航路径上关键路况的提示方法与装置
CN103136954B (zh) * 2012-12-25 2015-08-26 上海博泰悦臻电子设备制造有限公司 导航设备及导航路径上关键路况的提示方法与装置
CN103956063A (zh) * 2014-05-09 2014-07-30 苏州鸣伦电子科技有限公司 一种动态绘制交通诱导屏地图和路况更新的方法
CN104766483A (zh) * 2015-04-09 2015-07-08 吉林大学 一种基于云计算的交通控制诱导协调***及方法
CN105336169A (zh) * 2015-12-09 2016-02-17 青岛海信网络科技股份有限公司 一种基于视频判断交通拥堵的方法和***
CN106781483A (zh) * 2016-12-28 2017-05-31 芜湖乐锐思信息咨询有限公司 智能交通管理***
CN106485932A (zh) * 2016-12-28 2017-03-08 芜湖乐锐思信息咨询有限公司 高效路径管理***
CN106600963A (zh) * 2016-12-28 2017-04-26 芜湖乐锐思信息咨询有限公司 基于行车数据挖掘的路径管理***
CN106530723A (zh) * 2016-12-28 2017-03-22 芜湖乐锐思信息咨询有限公司 基于并行数据挖掘的交通导航***
CN106790585A (zh) * 2016-12-28 2017-05-31 芜湖乐锐思信息咨询有限公司 基于云计算的道路交通资源管理***
CN106781482A (zh) * 2016-12-28 2017-05-31 芜湖乐锐思信息咨询有限公司 新型智能交通数据处理***
CN106790141A (zh) * 2016-12-28 2017-05-31 芜湖乐锐思信息咨询有限公司 基于云计算的新型道路交通资源管理信息***
CN106710259A (zh) * 2017-02-18 2017-05-24 山东交通学院 一种车道占用率警示方法
CN108388540A (zh) * 2018-03-01 2018-08-10 兰州交通大学 基于模糊综合评价的道路网选取算法
CN110428628A (zh) * 2019-08-31 2019-11-08 招商局重庆交通科研设计院有限公司 道路交通诱导方法
CN114882696A (zh) * 2020-10-28 2022-08-09 华为技术有限公司 道路容量的确定方法、装置及存储介质
CN114882696B (zh) * 2020-10-28 2023-11-03 华为技术有限公司 道路容量的确定方法、装置及存储介质
CN115086910A (zh) * 2022-04-27 2022-09-20 同济大学 一种v2x环境下基于动静态特征的实时路段划分方法
CN115086910B (zh) * 2022-04-27 2024-05-31 同济大学 一种v2x环境下基于动静态特征的实时路段划分方法

Also Published As

Publication number Publication date
CN102708688B (zh) 2014-01-22

Similar Documents

Publication Publication Date Title
CN102708688B (zh) 一种基于二级模糊综合判别的城市道路状态辨识方法
CN109345031B (zh) 基于交通流数据的协调干线线路规划方法及配置***
WO2019047905A1 (zh) 一种交通路况分析***、方法以及装置
CN109754597B (zh) 一种城市道路区域拥堵调控策略推荐***及方法
CN101789182B (zh) 一种基于平行仿真技术的交通信号控制***及方法
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN103996289B (zh) 一种流量-速度匹配模型及行程时间预测方法及***
CN104021671B (zh) 一种svm与模糊判断相结合的道路实时路况的判断方法
CN104899360B (zh) 一种绘制宏观基本图的方法
CN103839415B (zh) 基于路面图像特征识别的交通流量和占有率信息获取方法
CN107730886A (zh) 一种车联网环境下城市交叉***通信号动态优化方法
CN111739315B (zh) 一种交通信号灯绿波智能调节方法及智能调节***
CN110136455A (zh) 一种交通信号灯配时方法
CN101299298A (zh) 一种道路自适应入口匝道汇入控制设备与方法
CN105405301B (zh) 一种针对交叉口直右汇流冲突的右转信号感应控制方法
CN108665715A (zh) 一种路口智能交通研判和信号优化方法
CN108959821A (zh) 一种高速公路收费站可变向车道通行控制方法
CN105321357A (zh) 一种孤立交叉口同相位右转与行人信号的设置***及方法
CN103531031A (zh) 一种基于交通干线软封闭区视频检测识别实现绿波带通行控制的研究
CN110363997A (zh) 一种有施工区交叉口信号配时优化方法
CN106971535B (zh) 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台
CN101783074A (zh) 一种城市道路交通流状态实时判别方法及***
CN112950940B (zh) 一种道路施工期的交通分流方法
CN106157624B (zh) 基于交通定位数据的多粒度道路分流可视分析方法
CN108256560A (zh) 一种基于时空聚类的停驻识别方法

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