CN103593973B - 一种城市道路交通态势评估*** - Google Patents
一种城市道路交通态势评估*** Download PDFInfo
- Publication number
- CN103593973B CN103593973B CN201210553037.8A CN201210553037A CN103593973B CN 103593973 B CN103593973 B CN 103593973B CN 201210553037 A CN201210553037 A CN 201210553037A CN 103593973 B CN103593973 B CN 103593973B
- Authority
- CN
- China
- Prior art keywords
- flow information
- traffic flow
- traffic
- subsystem
- initial
- 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 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000007667 floating Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000013523 data management Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000008439 repair process Effects 0.000 abstract description 5
- 230000008034 disappearance Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种城市道路交通态势评估***,包括数据采集子***、云存储子***、交通态势评估子***、交通信息发布子***;其中,数据采集子***通过GPS浮动车、固定检测器采集初始交通流信息;云存储子***以云存储方式存储数据初始交通流信息,并对城市道路交通态势评估***用户、初始交通流信息进行管理;交通态势评估子***对初始交通流信息进行预处理,对连续5个采样时间内缺失的初始交通流信息进行修复处理;并对完备交通流信息、修复的交通流信息进行融合后,采用云方法与粗糙集方法确定当前交通态势;交通信息发布子***向公众发布当前交通态势。本发明具有可靠性、精度、实时性均较高等特点,可广泛应用于交通评估中。
Description
技术领域
本发明涉及评估技术,特别涉及一种城市道路交通态势评估***。
背景技术
近年来,随着经济的发展,城市汽车保有量呈快速增长给城市交通运行带来巨大的压力,城市道路拥堵现象越来越严重。据统计,美国每年因交通堵塞而造成的经济损失约为410亿美元,加拿大9个主要的大城市每年因交通拥挤造成的经济损失都在23亿美元至37亿美元之间,等等。基于这些问题,交通态势评估成为了一个迫在眉睫的问题。
目前,交通态势评估已在国内外发达国家和地区得到应用。比如,基于GPS浮动车的交通状态评估,由于其没有结合GPS浮动车的资源和道路固定传感器的资源,而只将GPS浮动车数据为单源数据,故基于GPS浮动车的交通状态评估的可靠性与精度较差。此外,国内外一些研究机构采用多源传感器信息融合技术进行交通状态识别,但研究成果尚未成熟应用。
申请号为200910237285.X、发明名称为“一种基于信息融合的高速公路交通状态识别方法”中国发明专利申请采用决策权方法建立交通状态识别的二叉树结构,并逐级融合得到最终融合结果。但是,该专利申请需要逐级进行样本训练,使得其计算量大、实时性差。
现有技术中,交通状态识别技术存在可靠性、精度、实时性均比较差等问题。
发明内容
有鉴于此,本发明的主要目的在于提供一种可靠性、精度、实时性均较高的城市道路交通态势评估***。
为了达到上述目的,本发明提出的技术方案为:
一种城市道路交通态势评估***,包括数据采集子***、云存储子***、交通态势评估子***、交通信息发布子***;其中,
数据采集子***,用于通过GPS浮动车、城市道路中同一断面上安装的包括线圈检测器与微波检测器的固定检测器采集初始交通流信息,并把初始交通流信息发送至云存储子***。
云存储子***,用于以云存储方式存储数据采集子***发送的初始交通流信息;还用于对所述城市道路交通态势评估***用户、初始交通流信息进行管理。
交通态势评估子***,用于对从云存储子***读取的初始交通流信息进行预处理,以获得完备交通流信息;对连续5个采样时间内缺失的初始交通流信息进行修复处理,以获得修复的交通流信息;对完备交通流信息、修复的交通流信息进行融合后,采用云方法与粗糙集方法确定当前交通态势。
交通信息发布子***,用于向公众发布当前交通态势。
综上所述,本发明所述城市道路交通态势评估***中,云存储子***实现对海量初始交通流信息的有效存储。交通态势评估子***对初始交通流信息进行预处理,以筛选出交通流量完备信息,并对交通流量不完备信息进行修复;对完备交通流信息、修复的交通流信息进行融合后,采用云方法与粗糙集方法确定当前交通态势;最后,由交通信息发布子***向公众公布当前交通态势。由于本发明所述城市道路交通态势评估***采用预处理措施,删除掉初始交通流信息中一些不合理信息,使得采样信息比较精确;对交通流量不完备信息进行修复,使得参与评估的信息更加可靠、精确,且实时性较强;本发明方法最后采用云方法与粗糙集方法进行评估,使得城市道路交通状态评估的可靠性、精度、实时性均较高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所述城市道路交通态势评估***的组成结构示意图;
图2为本发明所述交通态势评估子***的组成结构示意图;
图3为本发明所述预处理单元的组成结构示意图。
具体实施方式
下面将结合本发明的附图,对本发明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作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。
图1为本发明所述城市道路交通态势评估***的组成结构示意图。如图1所示,本发明所述一种城市道路交通态势评估***,包括数据采集子***1、云存储子***2、交通态势评估子***3、交通信息发布子***4;其中,
数据采集子***1,用于通过GPS浮动车、城市道路中同一断面上安装的包括线圈检测器与微波检测器的固定检测器采集初始交通流信息,并把初始交通流信息发送至云存储子***2。
本发明中,初始交通流信息包括流量、行程速度、占有率。
云存储子***2,用于以云存储方式存储数据采集子***1发送的初始交通流信息;还用于对所述城市道路交通态势评估***用户、初始交通流信息进行管理。
交通态势评估子***3,用于对从云存储子***2读取的初始交通流信息进行预处理,以获得完备交通流信息;对连续5个采样时间内缺失的初始交通流信息进行修复处理,以获得修复的交通流信息;对完备交通流信息、修复的交通流信息进行融合后,采用云方法与粗糙集方法确定当前交通态势。
交通信息发布子***4,用于向公众发布当前交通态势。
总之,本发明所述城市道路交通态势评估***中,云存储子***实现对海量初始交通流信息的有效存储。交通态势评估子***对初始交通流信息进行预处理,以筛选出交通流量完备信息,并对交通流量不完备信息进行修复;对完备交通流信息、修复的交通流信息进行融合后,采用云方法与粗糙集方法确定当前交通态势;最后,由交通信息发布子***向公众公布当前交通态势。由于本发明所述城市道路交通态势评估***采用预处理措施,删除掉初始交通流信息中一些不合理信息,使得采样信息比较精确;对交通流量不完备信息进行修复,使得参与评估的信息更加可靠、精确,且实时性较强;本发明方法最后采用云方法与粗糙集方法进行评估,使得城市道路交通状态评估的可靠性、精度、实时性均较高。
本发明中,云存储子***2包括云存储数据库、用户管理单元、数据管理单元;其中,
云存储数据库,用于在数据管理单元的控制下,以云存储方式存储数据采集子***1发送的初始交通流信息。
用户管理单元,用于添加、删除所述城市道路交通态势评估***用户,设置所述城市道路交通态势评估***用户权限,为不同级别的所述城市道路交通态势评估***用户设置不同的功能。
数据管理单元,用于将所述数据采集子***采集的初始交通流信息写入云存储数据库,并从云存储数据库中导出、删除初始交通流信息。
图2为本发明所述交通态势评估子***的组成结构示意图。如图2所示,本发明所述交通态势评估子***3包括数据预处理单元31、融合单元32、交通状态识别单元33;其中,
预处理单元31,用于对从云存储子***2读取的初始交通流信息依次进行规则检测、阈值检测、异常数据识别检测,获得完备交通流信息;对连续5个采样时间内缺失的初始交通流信息进行修复处理,以获得修复的交通流信息;并将完备交通流信息、修复的交通流信息发送至融合单元32。
融合单元32,用于对预处理单元31发送的来自GPS浮动车与固定检测器的完备交通流信息、修复的交通流信息中的行程速度进行融合,并将得到融合的交通流信息发送至交通状态识别单元33。
交通状态识别单元33,用于对融合单元32发送的融合的交通流信息进行云识别后,得到交通流信息云;采用粗糙集方法依次删除交通流信息云中冗余的条件属性及重复、多余的属性值,得到关于流量、行程速度、占有率与畅通、缓行、一般拥堵或拥堵四种交通状态之间的决策规则,以确定当前交通状态。
图3为本发明所述预处理单元的组成结构示意图。如图3所示,本发所述预处理单元31包括规则检测模块311、阈值检测模块312、异常数据识别检测模块313、修复模块314;其中,
规则检测模块311,用于采用如下表所示的规则对从云存储子***2读取的初始交通流信息进行检测:其中,q为交通流量、o为占有率、v为速度;
序号 | 规则 | 判断 | 处理方式 |
1 | q=0,o=0,v=0 | 缺失或真实 | 进行下一步检验 |
2 | q≠0,o=0,v=0 | 错误 | 删除 |
3 | q=0,o≠0,v=0 | 错误 | 删除 |
4 | q=0,o=1,v=0 | 完全停车 | 进行下一步检验3 --> |
5 | q=0,o=0,v≠0 | 错误 | 删除 |
6 | q=0,o≠0,v≠0 | 错误 | 删除 |
7 | q≠0,o≠0,v=0 | 错误 | 删除 |
8 | q≠0,o=0,v≠0 | 不确定 | 进行下一步检验 |
9 | q≠0,o≠0,v≠0 | 不确定 | 进行下一步检验 |
当初始交通流信息错误时,删除该初始交通流信息;当初始交通流信息缺失、真实、不确定或为完全停车状态时,将初始交通流信息作为第一中间交通流信息发送至阈值检测模块312。
阈值检测模块312,用于判断规则检测模块311发送的第一中间交通流信息中的速度v是否满足如果满足,则将第一中间交通流信息作为第二中间交通流信息发送至异常数据识别检测模块313;如果不满足,则删除该第一中间交通流信息。
异常数据识别检测模块313,用于根据第二中间交通流信息的前n个值的期望与方差,判断第二中间交通流信息的波动是否正常:如果正常,则将第二中间交通流信息作为完备交通流信息,并发送至融合单元32;如果不正常,则将第二中间交通流信息删除。
修复模块,用于对从云存储子***2读取的连续5个采样时间内缺失的初始交通流信息进行修复处理,以获得修复的交通流信息,具体为:采用对缺失的初始交通流信息进行修复;其中,为第i个缺失的交通流信息的修复值,Hxj为第j个GPS浮动车、线圈检测器或微波检测器的采集的初始交通流信息,wij为第j个GPS浮动车、线圈检测器或微波检测器的采集的初始交通流信息相对于第i个缺失的交通流信息的权值,且
其中,为第i个缺失的初始交通流信息的前k个初始交通流信息与来自第j个GPS浮动车、线圈检测器或微波检测器的第i个缺失的初始交通流信息的前k个初始交通流信息的相关系数。
本发明中,所述对完备交通流信息、修复的交通流信息进行融合为:根据对完备交通流信息、修复的交通流信息;其中,为完备交通流信息与修复的交通流信息中的道路平均行程速度,Wm为道路第m个区段的权值,Vm为道路第m个区段来自GPS浮动车与固定检测器的完备交通流信息、修复的交通流信息中行程速度的匹配平均速度。在此,利用固定检测器的速度对浮动车速度进行校准后得到匹配平均速度
所述道路第m个区段的权值Wm的获得方法为:其中,为海赛矩阵,gn为系数。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (4)
1.一种城市道路交通态势评估***,其特征在于,所述评估***包括数据采集子***、云存储子***、交通态势评估子***、交通信息发布子***;其中,
数据采集子***,用于通过GPS浮动车、城市道路中同一断面上安装的包括线圈检测器与微波检测器的固定检测器采集初始交通流信息,并把初始交通流信息发送至云存储子***;
云存储子***,用于以云存储方式存储数据采集子***发送的初始交通流信息;还用于对所述城市道路交通态势评估***用户、初始交通流信息进行管理;
交通态势评估子***,用于对从云存储子***读取的初始交通流信息进行预处理,以获得完备交通流信息;对连续5个采样时间内缺失的初始交通流信息进行修复处理,以获得修复的交通流信息;对完备交通流信息、修复的交通流信息进行融合后,采用云方法与粗糙集方法确定当前交通态势;
交通信息发布子***,用于向公众发布当前交通态势;
其中,所述初始交通流信息包括流量、行程速度、占有率;
其中,所述云存储子***包括云存储数据库、用户管理单元、数据管理单元;其中,
云存储数据库,用于在数据管理单元的控制下,以云存储方式存储所述数据采集子***发送的初始交通流信息;
用户管理单元,用于添加、删除所述城市道路交通态势评估***用户,设置所述城市道路交通态势评估***用户权限,为不同级别的所述城市道路交通态势评估***用户设置不同的功能;
数据管理单元,用于将所述数据采集子***采集的初始交通流信息写入云存储数据库,并从云存储数据库中导出、删除初始交通流信息。
2.根据权利要求1所述的城市道路交通态势评估***,其特征在于,所述交通态势评估子***包括数据预处理单元、融合单元、交通状态识别单元;其中,
预处理单元,用于对从所述云存储子***读取的初始交通流信息依次进行规则检测、阈值检测、异常数据识别检测,获得完备交通流信息;对连续5个采样时间内缺失的初始交通流信息进行修复处理,以获得修复的交通流信息;并将完备交通流信息、修复的交通流信息发送至融合单元;
融合单元,用于对预处理单元发送的来自GPS浮动车与固定检测器的完备交通流信息、修复的交通流信息中的行程速度进行融合,并将得到融合的交通流信息发送至交通状态识别单元;
交通状态识别单元,用于对融合单元发送的融合的交通流信息进行云识别后,得到交通流信息云;采用粗糙集方法依次删除交通流信息云中冗余的条件属性及重复、多余的属性值,得到关于流量、行程速度、占有率与畅通、缓行、一般拥堵或拥堵四种交通状态之间的决策规则,以确定当前交通态势。
3.根据权利要求1所述的城市道路交通态势评估***,其特征在于,所述对完备交通流信息、修复的交通流信息进行融合为:根据对完备交通流信息、修复的交通流信息进行融合;其中,为完备交通流信息与修复的交通流信息中的道路平均行程速度,Wm为道路第m个区段的权值,为道路第m个区段来自GPS浮动车与固定检测器的完备交通流信息、修复的交通流信息中行程速度的匹配平均速度。
4.根据权利要求3所述的城市道路交通态势评估***,其特征在于,所述道路第m个区段的权值Wm的获得方法为:其中,为海赛矩阵,gn为系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210553037.8A CN103593973B (zh) | 2012-12-18 | 2012-12-18 | 一种城市道路交通态势评估*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210553037.8A CN103593973B (zh) | 2012-12-18 | 2012-12-18 | 一种城市道路交通态势评估*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103593973A CN103593973A (zh) | 2014-02-19 |
CN103593973B true CN103593973B (zh) | 2016-07-06 |
Family
ID=50084085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210553037.8A Expired - Fee Related CN103593973B (zh) | 2012-12-18 | 2012-12-18 | 一种城市道路交通态势评估*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103593973B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200654A (zh) * | 2014-09-16 | 2014-12-10 | 安徽达尔智能控制***有限公司 | 一种载波雷达断面监测交通流量控制*** |
CN104200664A (zh) * | 2014-09-16 | 2014-12-10 | 安徽达尔智能控制***有限公司 | 一种基于智能交通***的出租车交通信息发布和诱导*** |
EP3073459A1 (en) * | 2015-03-26 | 2016-09-28 | Siemens Aktiengesellschaft | Traffic management in a traffic network |
CN105118289A (zh) * | 2015-06-17 | 2015-12-02 | 河南理工大学 | 一种交通态势评估方法 |
CN106846826A (zh) * | 2015-12-07 | 2017-06-13 | 东华软件股份公司 | 道路路况监测方法及装置 |
CN106023592A (zh) * | 2016-07-11 | 2016-10-12 | 南京邮电大学 | 一种基于gps数据的交通拥堵检测方法 |
CN106781490A (zh) * | 2016-12-29 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 城市道路交通运行分析评价*** |
CN108877207A (zh) * | 2017-05-09 | 2018-11-23 | 保定维特瑞光电能源科技有限公司 | 一种道路交通态势在线视频判别*** |
CN107909822B (zh) * | 2017-11-29 | 2019-11-22 | 银江股份有限公司 | 基于流量和饱和度分析的scats线圈检测器自动诊断方法 |
CN109035777B (zh) * | 2018-08-23 | 2021-03-26 | 河南中裕广恒科技股份有限公司 | 交通运行态势分析方法及*** |
CN109272175A (zh) * | 2018-11-15 | 2019-01-25 | 山东管理学院 | 一种基于城市流动网络的数据采集***及方法 |
CN109754604B (zh) * | 2018-12-03 | 2021-01-26 | 江苏智运科技发展有限公司 | 一种基于交通线圈检测数据质量控制的拥堵区域识别方法 |
CN111489546A (zh) * | 2019-01-29 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 交通信息发布方法、装置、设备及存储介质 |
CN113487867A (zh) * | 2021-07-07 | 2021-10-08 | 安徽富煌科技股份有限公司 | 一种基于实值粗糙集模型的区域交通状态预警*** |
CN118013465B (zh) * | 2024-04-09 | 2024-07-09 | 微网优联科技(成都)有限公司 | 基于多传感器协同的非机动车识别方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567126A (zh) * | 2009-05-31 | 2009-10-28 | 上海宝康电子控制工程有限公司 | 城市道路交通信息检测与发布*** |
CN101571997A (zh) * | 2009-05-31 | 2009-11-04 | 上海宝康电子控制工程有限公司 | 多源交通信息融合处理方法及其装置 |
CN101719315A (zh) * | 2009-12-23 | 2010-06-02 | 山东大学 | 一种基于中间件的动态交通信息采集方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7466841B2 (en) * | 2004-08-16 | 2008-12-16 | Siemens Corporate Research, Inc. | Method for traffic sign detection |
CN101925939A (zh) * | 2007-12-20 | 2010-12-22 | 意大利电信股份公司 | 估计道路交通的方法和*** |
-
2012
- 2012-12-18 CN CN201210553037.8A patent/CN103593973B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567126A (zh) * | 2009-05-31 | 2009-10-28 | 上海宝康电子控制工程有限公司 | 城市道路交通信息检测与发布*** |
CN101571997A (zh) * | 2009-05-31 | 2009-11-04 | 上海宝康电子控制工程有限公司 | 多源交通信息融合处理方法及其装置 |
CN101719315A (zh) * | 2009-12-23 | 2010-06-02 | 山东大学 | 一种基于中间件的动态交通信息采集方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103593973A (zh) | 2014-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103593973B (zh) | 一种城市道路交通态势评估*** | |
CN102881162B (zh) | 大规模交通信息的数据处理及融合方法 | |
CN103606274B (zh) | 一种城市道路交通状态评估方法 | |
CN104134349B (zh) | 一种基于交通多源数据融合的公交路况处理***及方法 | |
CN107958031B (zh) | 基于融合数据的居民出行od分布提取方法 | |
Wang et al. | Macrolevel model development for safety assessment of road network structures | |
CN109241627B (zh) | 概率分级的动态支护方法及自动设计支护方案的装置 | |
CN106898142B (zh) | 一种考虑路段相关性的路径行程时间可靠度计算方法 | |
CN104809112A (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN103839080A (zh) | 基于测度查询熵的视频流异常事件检测方法 | |
CN110532250B (zh) | 交规数据的处理方法及装置 | |
CN110555477A (zh) | 一种市政设施故障预测方法及装置 | |
CN112069378A (zh) | 一种基于idf曲线的城市致灾降水分类判定方法 | |
CN103473459A (zh) | 一种多***大数据的处理及融合方法 | |
CN103093625B (zh) | 一种基于可信度验证的城市道路交通状态实时估计方法 | |
CN103955596A (zh) | 一种基于交通事故采集技术的事故热点综合判定方法 | |
Jia et al. | Influence of measurement variability of international roughness index on uncertainty of network-level pavement evaluation | |
CN100481153C (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN117538503A (zh) | 一种实时智能的土壤污染监测***及方法 | |
Kong et al. | A scenario-based map-matching algorithm for complex urban road network | |
Spruce et al. | Social sensing of high-impact rainfall events worldwide: A benchmark comparison against manually curated impact observations | |
CN113095387B (zh) | 基于联网车载adas的道路风险识别方法 | |
Zhu et al. | Fuzzy c-means clustering identification method of urban road traffic state | |
CN104569340B (zh) | 地下环境质量测定方法及装置 | |
Roh | Development and performance assessment of winter climate hazard models on traffic volume with four model structure types |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20160706 Termination date: 20191218 |
|
CF01 | Termination of patent right due to non-payment of annual fee |