CN102855757B - 基于排队检测器信息瓶颈状态识别方法 - Google Patents
基于排队检测器信息瓶颈状态识别方法 Download PDFInfo
- Publication number
- CN102855757B CN102855757B CN201210054342.2A CN201210054342A CN102855757B CN 102855757 B CN102855757 B CN 102855757B CN 201210054342 A CN201210054342 A CN 201210054342A CN 102855757 B CN102855757 B CN 102855757B
- Authority
- CN
- China
- Prior art keywords
- value
- bottleneck
- occupation rate
- time
- sample
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005096 rolling process Methods 0.000 claims abstract description 59
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 230000000903 blocking effect Effects 0.000 claims description 20
- 238000003908 quality control method Methods 0.000 claims description 14
- 230000004913 activation Effects 0.000 claims description 11
- 238000011144 upstream manufacturing Methods 0.000 claims description 10
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000013459 approach Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于排队检测器信息瓶颈状态识别方法。本发明以排队检测器的检测信息为基础,以超出阈值的滚动时间占有率连续出现的个数为判别指标,对路段交通状态进行实时判别,认为当排队长度大于或等于排队检测器与停车线的距离时,检测器位置处的状态为瓶颈状态。本发明以滚动时间占有率作为瓶颈状态的判别指标,提高了瓶颈状态识别的实时性。
Description
技术领域
本发明涉及瓶颈状态识别技术领域,特别是一种基于排队检测器信息的瓶颈状态识别方法。
背景技术
随着城市交通拥堵问题的日益加剧,很多节点的交通流运行经常处于过饱和状态,甚至部分路段的排队长度接近或等于路段长度,发生排队上溯现象,形成路段“瓶颈”,严重影响城市路网交通流的运行效率。一般情况下,当路段排队长度接近于路段长度时,该路段所处的交通状态可认为是“瓶颈状态”,该路段可称之为瓶颈路段。瓶颈状态属于一种特殊的过饱和状态,是路段交通状态极端恶化的表现。
当某路段交通状态达到瓶颈状态时,需要对该路段的上下游交叉口执行一种特殊的控制方式,即瓶颈控制。所谓瓶颈控制是指通过合理调节上下游交叉口的信号配时参数,减少路段上游输入、增加路段下游供给,以缓解路段交通压力的一种控制方式。实时监测路段交通状态、确定瓶颈控制的触发时刻是瓶颈控制的前提和基础,直接决定着瓶颈控制的效果。为了得到瓶颈控制所需的基本信息,部分城市交通信号控制***均在路段上游的内侧或中间车道埋设排队检测器。
目前,对于瓶颈状态识别方法的研究成果甚少,且大多算法尚处于理论研究阶段,与实际情况脱节严重,工程应用困难;此外,现有研究成果大多基于排队上溯发生之后的交通信息来识别路段瓶颈,导致瓶颈控制方案实施过晚,控制效果不佳。因此深入研究瓶颈状态的识别方法,对于缓解瓶颈路段交通压力十分必要。
发明内容
本发明的目的在于提供一种基于排队检测器信息的路段瓶颈状态识别方法。其特征在于以排队检测器的检测信息为基础,以超出阈值的滚动时间占有率连续出现的个数为判别指标,对路段交通状态进行实时判别,认为当排队长度大于或等于排队检测器与停车线的距离时,检测器位置处的状态为瓶颈状态。
该方法的基本思想是当路段排队队尾接近排队检测器位置时,后续到达车辆通过排队检测器速度接近拥堵速度,并且结合不同车型的有效车身长度可以确定表征拥堵可能发生的时间占有率阈值;利用排队检测器在低饱和状态下检测得到的交通流数据,统计得到非饱和状态下的滚动时间占有率;以不同的正整数为滑动间隔,取滑动区间内滚动时间占有率的最小值组成新的数列,并利用Johnson曲线将时间占有率数列转换成正态数据,进而利用质量控制图的基本思想确定不同个数的超出阈值的滚动时间占有率组成样本的控制上限;对比分析时间占有率阈值及不同间隔下的控制上限,选取使控制图上限小于或等于时间占有率阈值所要求的连续的超出阈值的滚动时间占有率的最小个数,作为瓶颈状态必然发生的标准;瓶颈触发条件即为滚动时间占有率连续大于阈值的个数大于或等于该标准。
为了实现上述目的,本发明提出的路段瓶颈状态识别方法包括滚动时间占有率计算、拥堵状态下滚动时间占有率阈值确定、瓶颈触发条件确定几个步骤。
具体的步骤包括:
c1、通过需检测车道断面的排队检测器获取该断面该车道的实时交通流参数,并对其进行预处理得到滚动时间占有率。
c2、根据小汽车有效车身长度及小型车拥堵速度确定拥堵可能发生的滚动时间占有率阈值。
c3、确定瓶颈触发阈值,即确定能够判别拥堵必然发生时滚动时间占有率连续大于其阈值的个数N。
c4、根据瓶颈状态所对应的阈值指标,判断路段是否达到瓶颈状态。
c5、根据c4的判别结果,若判断到达瓶颈状态,则触发瓶颈控制策略,否则跳转至步骤c1。
进一步的,步骤c1中获取实时交通流参数的过程包括:
c11、在需要检测的路段上游的内侧或中间车道上,在距离上游交叉口50m的位置铺设排队检测器,并使用电线、光缆或者无线通信的方式与交通监控中心相连。
c12、由大型车拥挤占有时间确定滚动时间占有率的时间尺度T。
式中:t j,b ——大型车拥挤占有时间;L eff,b ——大型车有效车身长度;u j,b ——大型车拥堵速度。
c13、计算滚动时间占有率。滚动时间占有率是以△t为滚动间隔,计算一系列连续的时间间隔T内的时间占有率。其计算公式如下:
o i =t i /T
式中:o i ——第i个时间间隔T内的滚动时间占有率;
t i ——第第i个时间间隔T内,车辆占用排队检测器时长。
进一步的,步骤c3中,运用了质量控制图的思想,通过枚举法确定N。
具体确定方法为:
c31、选择N * (N * 从1开始取值)个连续时间占有率中的最小值组成一个新样本X N*。X N*中的数据可用下式表示:
c32、步骤c31中获取的时间占有率非正态的样本数据转换为正态数据。
c33、确定样本X N*的质量控制图的控制上限UCL、中心线CL和控制下限LCL。
c34、根据所得质量控制图的参数确定N值。
进一步的,在步骤c31中,由于当滚动时间占有率小于小汽车以通常速度通过排队检测器的时间时,检测器位置附近必然没有发生拥堵,即当o i <t f,c /T时,将该样本从总体中剔除,其中t f,c 小汽车以自由流速度通过排队检测器的占用时间。
进一步的,步骤c32利用了Johnson曲线将非正态数据转换成正态数据。以百分位法以及Shapiro-Wilk或Epps-Pulley正态检验确定拟合数据的最佳Johnson曲线分布,进而根据Johnson曲线对正态转换的规律将非正态的滚动时间占有率数据转换成正态数据。
具体步骤为:
c321、确定拟合转换值z。为了能够寻求最佳的拟合转换值,在最佳拟合z值可能范围g{z:z=0.25,0.26,…,1.25}内由小到大进行逐个检验,步长为0.01,总计101个数值。首先令z取值为0.25。
c322、计算标准正态分布中对应于-sz、-z、z、sz的分布概率q 1,q 2,q 3,q 4。s>1,建议s取值为3。
式中:mod为取模运算符。
c324、计算分位数比率QR。
QR=mn/p 2
式中:
c325、根据QR确定Johnson转换***曲线形式,并利用z,m,n,p,x -z,x z进行估计曲线中的参数。其中x -z表示标准正态分布的1-z分位点;x z表示标准正态分布的z分位点。具体的曲线中的参数计算方法为:
当QR<1,即Johnson曲线为SB***时,各参数值如下。
当QR>1,即Johnson曲线为SU***时,各参数值下式。
当QR=1,即Johnson曲线为SL***时,各参数值下式。
c326、对正态转换后的数据进行正态性检验
当样本容量n<50时,采用Shapiro-Wilk检验。此时在显著水平α下,若根据样本计算的统计量W<Wα(Wα是W的α分位数,可通过查表得到),则拒绝正态假设。
当样本容量n>50时,采用Epps-Pulley检验,在检验水平α下,根据样本统计量Tep来确定是否拒绝正态假设。Tep统计量计算公式如下。
若由样本数据计算得到的统计量T EP大于或等于α水平下的分位数,则拒绝正态假设。
若拒绝正态假设,则将z值增加0.01,并返回c322;若不拒绝正态假设则输出z值和相应的W或Tep值。
进一步的,在步骤c33中,通过c32得到的滚动时间占有率样本X N*的正态转换结果,可以计算出样本X N*的质量控制图的控制上限UCL、中心线CL和控制下限LCL。具体计算方法如下。
对于SU和SL曲线,有:
对于SB曲线,有:
式中:x 0.5表示标准正态分布的0.5分位点;x 0.00135表示标准正态分布的0.00135分位点;x 0.99865表示标准正态分布的0.99865分位点。
进一步的,在步骤c4中,若滚动时间占有率超过时间占有率阈值的连续个数大于N,则路段处于瓶颈状态,否则判断路段不处于瓶颈状态。
本发明的有益效果:
1、以滚动时间占有率作为瓶颈状态的判别指标,提高了瓶颈状态识别的实时性;
2、以瓶颈路段的排队检测信息为基础,能从根本上改变以上游监测信息为基础的触发条件的滞后性,为有效避免排队上溯提供了前提;
3、该方法主要基于数据的分析得到瓶颈触发阈值,能够较为准确的反应实际的交通状况。
附图说明
图1为本发明总体流程图;
图2为排队检测器布设示意图;
图3为滚动时间占有率t i 统计方法示意图;
图4为触发阈值确定流程图。
具体实施方式
下面结合附图对本发明进行详细阐述。
本发明所述的瓶颈状态识别方法是以排队检测器的检测信息为基础的。该方法能够利用实时检测的交通流信息对路段交通状态进行分析,及时、准确的判别路段瓶颈状态,为缓解路段交通压力、避免排队上溯现象提供基础。
参考图1,图示了本发明对瓶颈状态识别方法的总体流程。这一瓶颈状态判别方法由硬件和软件两部分组成,其既有数据采集设备、信号机和服务器等硬件设备,也有完成滚动占有率计算、瓶颈触发阈值确定以及判断是否达到瓶颈状态的计算机程序部分。这一瓶颈状态识别方法是在排队检测器信息的基础上,通过自编计算机程序实现的,完整的说,其包括如下步骤:排队检测器对交通流参数的采集、滚动时间占有率的计算、拥堵可能发生的滚动时间占有率阈值的确定、瓶颈触发阈值的确定、是否触发瓶颈的判断。下面将按照时间顺序对基于排队检测器信息的瓶颈状态识别方法作详细的描述:
步骤一、安装硬件
参考图2,在路段上安装排队检测器。具体的实现排队检测器对交通信息参数进行采集需要安装以下硬件设备:
步骤二、计算滚动时间占有率
通过排队检测器对路段交通流信息进行采集后,利用所采集的信息对计算滚动时间占有率进行计算,步骤如下:
式中:t j,b ——大型车拥挤占有时间;L eff,b ——大型车有效车身长度;u j,b ——大型车拥堵速度;T——滚动时间占有率的时间尺度。
滚动时间占有率是以△t为滚动间隔,计算一系列连续的时间间隔T内的时间占有率。第i个时间占有率计算方法如下式。
o i =t i /T
式中:o i ——第i个时间间隔T内的滚动时间占有率;t i ——第i个时间间隔T内,车辆占用排队检测器时长。图3为以T=5△t为例说明t i 的统计方法。
步骤三、计算拥堵可能发生的滚动时间占有率阈值
根据小汽车有效车身长度及小型车拥堵速度确定表征拥堵可能发生的滚动时间占有率阈值。
步骤四、瓶颈触发阈值的确定
由于瓶颈路段未发生过饱和现象时,排队检测器处发生拥堵现象的概率很低,能够代表排队检测器位置处交通状态的滚动时间占有率控制图的UCL应该不大于,因此在确定N时,从N*=1开始枚举,若不满足条件则N*的值增加1继续运算,直到N*到达某个数值,由该数值得到的质量控制图的UCL小于或等于,则此时的N * 值即为所求的N值。
再者,由于滚动时间占有率样本的非正态性,需要利用Johnson曲线对数据进行正态化,且其首要步骤是寻求最佳的拟合转化值。
这里参考图4,给出了确定瓶颈触发阈值的具体步骤。
选择N * (N * 从1开始取值)个连续时间占有率中的最小值组成一个新样本X N*。X N*中的数据可用下式表示:
由于当滚动时间占有率小于小汽车以自由流速度通过排队检测器的时间占有率时,检测器位置附近必然没有发生拥堵,即当o i <t f,c /T时,将该样本从总体中剔除,其中t f,c 小汽车以自由流速度通过排队检测器的占用时间。。
计算标准正态分布中对应于-sz、-z、z、sz的分布概率q 1,q 2,q 3,q 4。其中s>1,建议s取值为3。
式中:mod为取模运算符。
QR=mn/p 2
式中:
表1 Johnson转换***
曲线中的参数可以利用z,m,n,p,x -z,x z进行估计,其中x -z表示标准正态分布的1-z分位点;x z表示标准正态分布的z分位点。
当QR<1,即Johnson曲线为SB***时,各参数值如下。
当QR>1,即Johnson曲线为SU***时,各参数值下式。
当QR=1,即Johnson曲线为SL***时,各参数值下式。
计算出各个参数后,可以根据表1对X N*进行正态转换。
、对Johnson转换后的数据进行正态性检验
当样本容量n<50时,采用Shapiro-Wilk检验。此时在显著水平α下,若根据样本计算的统计量W<Wα(Wα是W的α分位数,可通过查表得到),则拒绝正态假设。
当样本容量n>50时,采用Epps-Pulley检验,在检验水平α下,根据样本统计量Tep来确定是否拒绝正态假设。Tep统计量计算公式如下。
若由样本数据计算得到的统计量T EP大于或等于α水平下的分位数,则拒绝正态假设。
根据休哈特控制图相同的小概率事件域,控制图的CL、LCL和UCL应该分别在概率为0.5,0.00135和0.99865的分位数上。因此,当s取值为3时,在标准正态分布中,三个相应的分为数分别对应于z=0,z=-3,z=3的位置,并可根据正态转换函数的反函数确定对应的分位数x 0.5,x 0.00135,x 0.99865.
对于SU和SL曲线,有:
对于SB曲线,有:
Claims (6)
1.基于排队检测器信息瓶颈状态识别方法,其特征在于该方法包括以下步骤:
c1、通过需检测车道断面的排队检测器获取该断面该车道的实时交通流参数,并对其进行预处理得到滚动时间占有率;
c2、根据小汽车有效车身长度及小型车拥堵速度确定拥堵可能发生的滚动时间占有率阈值;
式中:表示拥堵可能发生的滚动时间占有率阈值;tj,c表示小汽车拥挤占有时间;Leff,c表示小汽车有效车身长度;uj,c表示小汽车拥堵速度;T表示滚动时间占有率的时间尺度;
c3、确定瓶颈触发阈值,即确定能够判别拥堵必然发生时滚动时间占有率连续大于其阈值的个数N;
c4、根据瓶颈状态所对应的阈值指标,判断路段是否达到瓶颈状态;
c5、根据c4的判别结果,若判断到达瓶颈状态,则触发瓶颈控制策略,否则跳转至步骤c1;
步骤c1中获取实时交通流参数的过程包括:
c11、在需要检测的路段上游的内侧或中间车道上,在距离上游交叉口50m的位置铺设排队检测器,并使用电线、光缆或者无线通信的方式与交通监控中心相连;
c12、由大型车拥挤占有时间确定T;
式中:tj,b表示大型车拥挤占有时间;Leff,b表示大型车有效车身长度;uj,b表示大型车拥堵速度;
c13、计算滚动时间占有率;滚动时间占有率是以△t为滚动间隔,计算一系列连续的时间间隔T内的时间占有率;其计算公式如下:
oi=ti/T
式中:oi表示第i个时间间隔T内的滚动时间占有率;ti表示第i个时间间隔T内,车辆占用排队检测器时长;
步骤c3中,运用了质量控制图的思想,通过枚举法确定N;
具体确定方法为:
c31、选择N*个连续时间占有率中的最小值组成一个新样本XN*;XN*中的数据用下式表示:
c32、将步骤c31中获取的时间占有率非正态的样本数据转换为正态数据;
c33、确定样本XN*的质量控制图的控制上限UCL、中心线CL和控制下限LCL;
c34、根据所得质量控制图的参数确定N值。
2.根据权利要求1所述的基于排队检测器信息瓶颈状态识别方法,其特征在于:在步骤c31中,由于当滚动时间占有率小于小汽车以通常速度通过排队检测器的时间时,检测器位置附近必然没有发生拥堵,即当oi<tf,c/T时, 将该样本从总体中剔除,其中tf,c小汽车以自由流速度通过排队检测器的占用时间。
3.根据权利要求1所述的基于排队检测器信息瓶颈状态识别方法,其特征在于:
步骤c32利用了Johnson曲线将非正态数据转换成正态数据;以百分位法以及Shapiro-Wilk或Epps-Pulley正态检验确定拟合数据的最佳Johnson曲线分布,进而根据Johnson曲线对正态转换的规律将非正态的滚动时间占有率数据转换成正态数据;
具体步骤为:
c321、确定拟合转换值z;为了能够寻求最佳的拟合转换值,在最佳拟合z值可能范围g{z:z=0.25,0.26,…,1.25}内由小到大进行逐个检验,步长为0.01,总计101个数值;首先令z取值为0.25;
c322、计算标准正态分布中对应于-sz、-z、z、sz的分布概率q1,q2,q3,q4,其中s>1;
式中:mod表示取模运算符;
c324、计算分位数比率QR;
QR=mn/p2
式中:
c325、根据QR确定Johnson转换***曲线形式,并利用z,m,n,p,x-z,xz 进行估计曲线中的参数;其中x-z表示标准正态分布的1-z分位点;xz表示标准正态分布的z分位点;具体的曲线中的参数计算方法为:
当QR<1,即Johnson曲线为SB***时,各参数值如下;
式中:cosh-1为反双曲线函数,其中:cosh-1(u)=ln(u+(u2-1)0.5),sinh-1(u)=ln(u+(u2+1)0.5);
当QR>1,即Johnson曲线为SU***时,各参数值下式;
当QR=1,即Johnson曲线为SL***时,各参数值下式;
以上计算式中的η、γ、λ、ε皆为Johnson曲线参数;计算出各参数后,利用Johnson转换***对数据进行正态转换;
c326、对正态转换后的数据进行正态性检验
当样本容量n<50时,采用Shapiro-Wilk检验;此时在显著水平α下,若根据样本计算的统计量W<Wα,则拒绝正态假设,其中Wα是W的α分位数,通过查表得到;
当样本容量n>50时,采用Epps-Pulley检验,在检验水平α下,根据样本统计量Tep来确定是否拒绝正态假设;Tep统计量计算公式如下;
若由样本数据计算得到的统计量TEP大于或等于α水平下的分位数,则拒绝正态假设;
若拒绝正态假设,则将z值增加0.01,并返回c322;若不拒绝正态假设则输出z值和相应的W或Tep值;
c327、在输出的W或Tep值中,找出W的最大值或Tep的最小值,对应的z值即为最优拟合转化值,通过该值计算得到的转换正态数据即为所需的数据转换结果X'。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210054342.2A CN102855757B (zh) | 2012-03-05 | 2012-03-05 | 基于排队检测器信息瓶颈状态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210054342.2A CN102855757B (zh) | 2012-03-05 | 2012-03-05 | 基于排队检测器信息瓶颈状态识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102855757A CN102855757A (zh) | 2013-01-02 |
CN102855757B true CN102855757B (zh) | 2014-05-21 |
Family
ID=47402305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210054342.2A Expired - Fee Related CN102855757B (zh) | 2012-03-05 | 2012-03-05 | 基于排队检测器信息瓶颈状态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102855757B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825669B (zh) * | 2015-08-15 | 2018-06-08 | 北京数行健科技有限公司 | 一种识别城市快速路交通瓶颈的***和方法 |
CN105825683B (zh) * | 2015-08-16 | 2018-11-13 | 北京数行健科技有限公司 | 一种道路交通状况评价方法 |
CN106920389B (zh) * | 2015-12-28 | 2020-03-27 | 北京亿阳信通科技有限公司 | 一种基于用户电信行为的交通状况控制方法及*** |
CN105654720B (zh) * | 2016-01-21 | 2018-06-29 | 浙江大学 | 基于城市道路拥堵识别的检测器布设方法 |
CN105654741B (zh) * | 2016-01-26 | 2018-07-17 | 浙江大学 | 一种面向单点瓶颈的上游区域信号控制参数优化方法 |
CN106846809B (zh) * | 2017-03-12 | 2019-06-14 | 浙江大学 | 一种基于车辆停车次数的排队最远点计算方法 |
CN109935076A (zh) * | 2018-05-21 | 2019-06-25 | 吉林化工学院 | 一种城市快速路常发***通瓶颈识别方法 |
CN110309199B (zh) * | 2019-06-24 | 2021-09-28 | 中山大学 | 一种面向非正态分布水质观测数据的幂变换分析方法 |
CN111811640A (zh) * | 2020-03-19 | 2020-10-23 | 同济大学 | 一种基于约翰森法则的谱归纳方法 |
CN112902946B (zh) * | 2021-01-14 | 2024-01-30 | 南京英锐创电子科技有限公司 | 轮胎状态检测方法、装置、计算机设备和存储介质 |
CN114155724B (zh) * | 2021-12-23 | 2022-11-22 | 连云港杰瑞电子有限公司 | 一种车联网环境下的交叉***通信号控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001331827A (ja) * | 2000-05-18 | 2001-11-30 | Toshiba Corp | 車両検出システム、車載器および車両検出方法 |
JP4982143B2 (ja) * | 2006-09-27 | 2012-07-25 | クラリオン株式会社 | 交通状況予測装置 |
JP4360419B2 (ja) * | 2007-04-26 | 2009-11-11 | アイシン・エィ・ダブリュ株式会社 | 交通状況判定システム |
KR100984962B1 (ko) * | 2007-12-11 | 2010-10-04 | 팅크웨어(주) | 교통 흐름 예측 방법 및 장치 |
CN101303801A (zh) * | 2008-06-30 | 2008-11-12 | 北京交通大学 | 一种城市快速路交通流状态实时判别方法 |
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*** |
-
2012
- 2012-03-05 CN CN201210054342.2A patent/CN102855757B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102855757A (zh) | 2013-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102855757B (zh) | 基于排队检测器信息瓶颈状态识别方法 | |
CN103186984B (zh) | 一种城市交叉口可变导向车道转向功能变换触发方法 | |
Tang et al. | Traffic-incident detection-algorithm based on nonparametric regression | |
CN103258427B (zh) | 基于信息物理网络的城市快速路交通实时监控方法 | |
CN102592451B (zh) | 一种基于双截面环形线圈检测器的道路交通事件检测方法 | |
Kaewkamnerd et al. | Vehicle classification based on magnetic sensor signal | |
CN106920403B (zh) | 一种基于阵列雷达的单点自适应控制方法 | |
CN103021176B (zh) | 基于断面检测器的城市道路交通状态判别方法 | |
CN101739824B (zh) | 基于数据融合技术的交通状况估计方法 | |
CN104299426B (zh) | 一种基于对行人检测计数统计的交通信号控制***及方法 | |
CN102568215B (zh) | 一种基于检测器的车辆排队检测方法 | |
CN107845259A (zh) | 公交运行情况实时反馈***及公交实时运行数据处理方法 | |
CN104464307B (zh) | 一种基于视频的隧道交通拥堵事件自动检测方法 | |
CN103280113A (zh) | 一种自适应的交叉口信号控制方法 | |
CN103337161A (zh) | 基于实时仿真模型的交叉口动态综合评价及信控***优化方法 | |
CN106443335A (zh) | 雷击故障识别方法及*** | |
CN111739315B (zh) | 一种交通信号灯绿波智能调节方法及智能调节*** | |
CN105788289A (zh) | 基于计算机软件***实现交通路况评估分析的方法和*** | |
CN103345842A (zh) | 一种道路车辆分型***及方法 | |
CN101882374A (zh) | 一种车辆行程分布综合信息分析***及方法 | |
CN101551945A (zh) | 高速公路交通安全预警方法 | |
CN104794895A (zh) | 一种面向高速公路的多源交通信息融合方法 | |
CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
CN109264519A (zh) | 一种电梯振动信号预处理方法及电梯网关*** | |
CN113935158A (zh) | 一种针对高速公路事故多发点的交通检测器优化布设方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140521 Termination date: 20150305 |
|
EXPY | Termination of patent right or utility model |