CN104485003A - 一种基于管道模型的智能交通信号控制方法 - Google Patents
一种基于管道模型的智能交通信号控制方法 Download PDFInfo
- Publication number
- CN104485003A CN104485003A CN201410794858.XA CN201410794858A CN104485003A CN 104485003 A CN104485003 A CN 104485003A CN 201410794858 A CN201410794858 A CN 201410794858A CN 104485003 A CN104485003 A CN 104485003A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- pipeline
- message
- unit rsu
- flow
- 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
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于管道模型的智能交通信号控制方法,本方法降低了车辆通过交叉路口时的行驶质量。基于管道模型的智能交通信号控制方法的核心思想是:首先基于车联网中的车与基础设施通信,依靠路侧单元建立起一个用于精确探测车辆信息的管道模型。然后依据该模型实时并精确地收集进出管道的车辆信息,最终利用这些信息合理分配各方向车流绿灯通行时间。本发明能适应车流量的动态变化,在保证通行量的前提下,有效减少车辆的平均停止等待时间和平均停车次数,提高交叉路口处的行驶质量。
Description
技术领域
本发明涉及道路交通信号控制领域,特别是一种智能城市交通信号控制方法。
背景技术
城市交通环境中,交叉路口的存在改善了道路网络的连通性。然而,不同方向车流的交叉行驶加大了交叉路口处的拥塞程度,容易造成车辆行驶质量的下降。特别是当交通信号控制***分配的时间不合理时,会加剧交叉路口处的拥塞程度。城市道路交叉路口的交通运行状态与整个城市的交通运行状况密切相关,解决交叉路口处的交通问题是缓解城市道路拥塞,提高车辆行驶质量的关键。
交通信号控制被认为是目前提高交叉路口通行量最经济和有效的途径之一,其控制方式主要分为固定配时和自适应配时。固定配时方法依据交通量的历史数据,为交叉路口各方向分配合适的固定绿灯通行时间。自适应配时方法则通过适当的算法反馈当前配时方案的效果或者利用车辆检测提供实时的交通信息,用于动态调整配时方案。两种方法各有利弊:固定配时方法简单易实现,被广泛应用于实际生活当中,但是其无法适应车流量的高度动态性,降低了车辆通过交叉路口时的行驶质量。自适应配时方法能够较为灵活地适应车流量的动态性,但存在实现复杂和车辆信息获取不准确等问题。与固定配时方法相比,自适应配时方法更加灵活有效,因此研究人员或利用各种理论知识,或借助各种软硬件设备,提出和改进了多种自适应的交通信号控制方法。例如人工智能和机器学习理论、图像及视频处理技术、无线传感器网络技术等。近几年来,智能交通***(Intelligent Traffic System,ITS)对于改善道路交通的运输效率和安全性起到了关键作用。车辆自组织网络(Vehicular Ad-hoc Network,VANET)可以看作是ITS在过去十几年中飞速发展的产物,其为自适应交通信号控制***解决方案的实现提供了更加高效的手段。
现有的自适应交通信号控制方法众多,但存在实现复杂或获取车辆相关信息的准确性难以得到保障等缺陷。例如图像或视频的处理结果与采集的样本质量有密切的关系,特别是在天气恶劣或交通拥堵的情况下,这类方法的效果难以得到保证。基于“绿波”效应的交通控制通过实现干道上的车流不间断地经过多个交通灯路口而不停止,是目前 公认的最有效率的交通控制策略之一。“绿波”解决方案虽然高效,但是只能提高主干道的行驶质量,对分支道路的行驶可能会带来不利的影响。同时,这些方法均忽略了车辆类型对分配时间的影响。
发明内容
本发明针对现有交通信号控制方法的不足,提出了一种基于管道模型的智能交通信号控制方法。
本发明的技术方案为一种基于管道模型的智能交通信号控制方法,包括如下步骤:
步骤1,建立管道模型,所述的管道模型包括路侧单元、数据中心服务器和交通控制***;所述的路侧单元用于收集车辆的相关信息,所述的数据中心服务器用于处理路侧单元提交的车辆信息,所述的交通控制***用于为各路口分配合理的绿灯通行时间。转步骤2;
步骤2,当车辆进入管道时,向第一路侧单元RSU1发送到达消息AMi,到达消息AMi的内容包括车辆的标识符、行驶车道、车辆类型、到达管道的时间以及车辆的优先级,i代表第i个车辆;车辆离开管道时,向第二路侧单元RSU2发送离开消息DMi,离开消息DMi的内容包含车辆的标识符;第一路侧单元RSU1收到到达消息AMi后,数据中心服务器记录该车辆的相关信息;第二路侧单元RSU2收到离开消息DMi后,数据中心服务器删除该车辆的相关信息。同时,采用消息重传策略和过时信息删除策略处理信息。转步骤3;
步骤3,将车辆按类型分为大、中、小三类,并分别赋予影响权重Wx、Wy、Wz,其中小型车辆为标准影响权重,数据中心服务器通过累加管道中各类型车辆的权重,得到当前时刻影响绿灯时间分配的权重值,记为Flow_C,并将其上交给交通控制***。转步骤4;
步骤4,交通控制***检查当前方向的车道是否获得绿灯时间控制权,是则转步骤5,否则转步骤2;
步骤5,交通控制***比较管道中车辆的影响绿灯时间分配的权重值Flow_C与权重阈值Flow_T的大小,若Flow_C>Flow_T,说明道路拥塞程度较高,则转步骤6,否则转步骤8;
步骤6,为车流分配绿灯通行时间,继续比较管道中车辆的影响绿灯时间分配的权 重值Flow_C与权重阈值Flow_T的大小。若Flow_C>Flow_T,说明道路拥塞程度依然处于较高水平,转步骤7,否则转步骤8;
步骤7,交通控制***判断当前绿灯持续时间TG是否大于最长绿灯时间TmaxG,是则转步骤9,否则转步骤6;
步骤8,交通控制***为当前车道分配最短绿灯时间TminG,并转步骤9;
步骤9,交通控制***转移当前车道绿灯时间控制权至下一个方向的车道,结束流程。
所述的步骤2中的重传过程和过时信息删除过程为:车辆在发送到达消息时留有备份,如果在时间γ内没有收到来自第一路侧单元RSU1的回应,则发送备份消息,假设车辆i在进入和离开管道时分别向第一路侧单元RSU1和第二路侧单元RSU2发送到达消息AMi和离开消息DMi,在采用消息重传过程前提下,第一路侧单元RSU1和第二路侧单元RSU2接收消息的结果有以下四种情况:
(1)第一路侧单元RSU1收到到达消息AMi,第二路侧单元RSU2收到离开消息DMi:管道模型正常记录该车辆的进出情况;
(2)第一路侧单元RSU1没有接收到达消息AMi,第二路侧单元RSU2收到离开消息DMi:管道模型不记录该车辆的相关信息,不计入车辆数值,并不带入权重的计算;
(3)第一路侧单元RSU1收到到达消息AMi,第二路侧单元RSU2没有收到离开消息DMi:管道模型不记录该车辆的相关信息,不计入车辆数值,并不带入权重的计算;
(4)第一路侧单元RSU1没有接收到达消息AMi,第二路侧单元RSU2没有收到离开消息DMi:管道模型不记录该车辆的相关信息,不计入车辆数值,并不带入权重的计算。
所述的步骤3中,计算最终影响绿灯时间分配的权重值Flow_C的方法为:考虑一个方向车流的绿灯时间分配情况,忽略右转车流时间分配,假设当前道路管道中车辆总数为N,其中左转车辆、直行车辆和右转车辆所占比重分别为Na、Nb、Nc,令单个车辆的影响权重为Wi,则有:
其中flag表示车辆驶出方向的标识位,Wi表示第i个车辆的影响权重,并且flag和Wi的取值如式(2)和(3)所示:
数据中心服务器接收第一路侧单元RSU1和第二路侧单元RSU2处理后的车辆数据,通过公式(1)、(2)和(3)得到影响绿灯时间分配的权重值Flow_C,并将其上交给交通控制***。
本发明的技术效果是:一种基于管道模型的智能交通信号控制方法,首先基于车联网中的车与基础设施通信,依靠路侧单元建立起一个用于精确探测车辆信息的管道模型。然后依据该模型实时并精确地收集进出管道的车辆信息,最终利用这些信息合理分配各方向车流绿灯通行时间。本发明能适应车流量的动态变化,在保证通行量的前提下,有效减少车辆的平均停止等待时间和平均停车次数,提高交叉路口处的行驶质量。
附图说明
图1为管道模型的结构图;
图2-1为车辆到达消息格式图;
图2-2为车辆离开消息格式图;
图3为基于管道模型的应用场景图;
图4为基于管道模型的智能交通信号控制方法流程图。
具体实施方式
本发明研究发现,在目前的交通信号控制方法中,存在解决方法实现复杂,以及获取车辆相关信息的实时性和准确性难以得到保障等问题。本发明据此提供了新的智能交通信号控制方法。一种基于管道模型的智能交通信号控制方法,用于合理分配交叉路口各方向车流的绿灯通行时间。基于管道模型的智能交通信号控制方法的基本思想是:首先基于VANET中的车与基础设施(Vehicle-to-Infrastructure,V2I)通信,依靠路侧单元(Road Side Unit,RSU)建立起一个用于精确探测车辆信息的管道模型。然后依据该模型实时并精确地收集进出管道的车辆信息,最终利用这些信息合理分配各方向车流的绿 灯通行时间。
为了依据车流量分配信号时间,需要获得靠近交叉路口的车流密度信息。基于分簇算法以及利用视频或图像处理技术实现计算车辆密度的方法虽然能够估算出车辆的密度,但存在以下问题:(1)车辆密度计算不够准确,容易受到客观因素的干扰。例如当车流密度过大或者遭遇天气恶劣时,上述两类方法得到的结果难以得到保障;(2)忽略了车辆类型对分配时间的影响。因此,本发明首先基于VANET中的V2I通信提出了一种能够精确探测车辆信息的管道模型。
管道模型的实质是借助路侧单元收集和处理管道中车辆的相关信息,包括车辆的标识符、行驶车道、车辆类型、到达管道的时间以及车辆的优先级等。交通控制***则利用这些信息为各交叉路口分配信号灯时间。管道模型的最大优势在于能够准确获取管道内车流的实时情况。
如图1所示,管道模型的基本组成部分主要包括:路侧单元、数据中心服务器和交通控制***。路侧单元用于收集车辆的相关信息,数据中心服务器用于处理路侧单元提交的车辆信息,交通控制***用于为各路口分配合理的绿灯通行时间。路侧单元RSU1和RSU2之间的路段称为管道。当车辆进入管道时,向第一路侧单元RSU1发送到达消息(Arrival Message,AM),AM内容包括车辆的标识符、行驶车道、车辆类型、到达管道的时间以及车辆的优先级。车辆离开管道时,向第二路侧单元RSU2发送离开消息(Depart Message,DM),DM内容仅仅包含车辆的标识符。两种消息的格式如图2-1和图2-2所示。第一路侧单元RSU1收到AM后,记录车辆的相关信息;第二路侧单元RSU2收到DM后,删除车辆的相关信息。两者共同维护管道内车辆的实时信息数据库。数据中心服务器将车辆的相关信息进行统计和处理,并上交给交通控制***,用于控制道路信号时间的分配。
如图3所示,为基于管道模型的实施例图。为由西向东方向车流通过十字交叉路口前的情形。道路长度为L,管道长度为D,路侧单元RSU1和RSU2是管道模型的关键组成部分,分别位于管道的两侧收集进出管道车辆的信息。
管道模型实时记录车辆进出管道的信息,由于一天当中通过交叉路口的车流量比较大,在车与路边单元通信过程中会产生消息传递失败的可能性,从而对记录的结果造成一定的偏差。虽然这种偏差对信号周期的分配没有什么影响,但如果长期积累,有可能会造成较为明显的影响。因此,本发明采用消息重传策略和过时信息删除策略加强管道 模型的可靠性。
其中消息重传过程的核心在于:
车辆在发送到达消息时留有备份,如果在时间γ内没有收到来自RSU1的回应,则发送备份消息。假设车辆i在进入和离开管道时分别向第一路侧单元RSU1和第二路侧单元RSU2发送到达消息AMi和离开消息DMi。在采用消息重传策略前提下,RSU1和RSU2接收消息的结果有以下四种情况:
(1)第一路侧单元RSU1收到到达消息AMi,第二路侧单元RSU2收到DMi:说明管道模型正常记录了该车辆的进出情况;
(2)第一路侧单元RSU1没有接收到达消息AMi,第二路侧单元RSU2收到DMi:说明管道模型没有记录该车辆的相关信息,因此不做任何处理,即不计入车辆类型分为大、中、小三类车辆的数值,并不带入权重的计算。
(3)第一路侧单元RSU1收到到达消息AMi,第二路侧单元RSU2没有收到离开消息DMi:说明管道模型记录了该车辆的相关信息,但在车辆离开管道时删除车辆信息失败。此时采用过时信息删除策略,即如果在接受到达消息AMi后的时间段λ内依然没有接收离开消息DMi,则视为该车辆已经离开管道,并自动删除该车辆的相关信息。即使在λ时间段以后接收到离开消息DMi,不做任何处理,即不计入车辆类型分为大、中、小三类车辆的数值,并不带入权重的计算。
(4)第一路侧单元RSU1没有接收到达消息AMi,第二路侧单元RSU2没有收到离开消息DMi:说明管道模型没有该车辆的进出情况记录,不做任何处理,即不计入车辆类型分为大、中、小三类车辆的数值,并不带入权重的计算。
现实生活中,交通信号控制***通常分配给交叉路口各方向车流固定相等的绿灯时间。然而,不同方向的车流量通常不相等且均动态变化。固定的绿灯时间无法适应车流量的动态性,而分配相等的绿灯时间又无法满足各方向不同车流量的需求。因此,本发明基于管道模型提出一种按需分配的智能交通信号控制方法,在满足通行量的前提下为各方向车流分配合理的绿灯时间。
对于车辆来说,经过交叉路口的行驶质量与停止等待时间和停车次数密切相关。停止等待时间过长,会降低交叉路口的通行量;停车次数过多,容易降低车辆寿命,且增大尾气排放量。因此,一个良好的交通信号控制方法需要达到的目的是在保证通行量的前提下,尽可能地减少车流的平均停止等待时间以及平均停车次数。管道模型记录了车 辆进出管道的实时信息,通过管道内的车流情况,为其分配合理的绿灯通行时间。当车流量较小时,应分配较短的绿灯时间,减少车辆的停止等待时间;当车流量较大,应分配较长的绿灯时间,从而减少车辆的停车次数。
绿灯时间的分配实际上是对绿灯时间控制权转移的过程。当某一方向的道路获得绿灯时间控制权后,就会根据当前道路的车流量情况进行合理的绿灯时间分配,经历了分配的绿灯时间后,就会把绿灯时间控制权转移到下一个方向的道路。
假设权重的阈值为Flow_T,分配绿灯通行时间的流程如图4,具体步骤如下所示:
步骤1,建立管道模型,所述的管道模型包括路侧单元、数据中心服务器和交通控制***;所述的路侧单元用于收集车辆的相关信息,所述的数据中心服务器用于处理路侧单元提交的车辆信息,所述的交通控制***用于为各路口分配合理的绿灯通行时间。转步骤2;
步骤2,当车辆进入管道时,向第一路侧单元RSU1发送到达消息AMi,到达消息AMi的内容包括车辆的标识符、行驶车道、车辆类型、到达管道的时间以及车辆的优先级。车辆离开管道时,向第二路侧单元RSU2发送离开消息DMi,离开消息DMi内容包含车辆的标识符;第一路侧单元RSU1收到到达消息AMi后,数据中心服务器记录车辆的相关信息;第二路侧单元RSU2收到离开消息DMi后,数据中心服务器删除车辆的相关信息。同时,采用消息重传策略和过时信息删除策略处理信息。转步骤3;
所述的重传过程和过时信息删除过程为:车辆在发送到达消息时留有备份,如果在时间γ内没有收到来自RSU1的回应,则发送备份消息。假设车辆i在进入和离开管道时分别向第一路侧单元RSU1和第二路侧单元RSU2发送到达消息AMi和离开消息DMi。在采用消息重传策略前提下,RSU1和RSU2接收消息的结果有以下四种情况:
(1)第一路侧单元RSU1收到到达消息AMi,第二路侧单元RSU2收到DMi:说明管道模型正常记录了该车辆的进出情况;
(2)第一路侧单元RSU1没有接收到达消息AMi,第二路侧单元RSU2收到DMi:说明管道模型没有记录该车辆的相关信息,因此不做任何处理,即不计入车辆类型分为大、中、小三类车辆的数值,并不带入权重的计算。
(3)第一路侧单元RSU1收到到达消息AMi,第二路侧单元RSU2没有收到离开消息DMi:说明管道模型记录了该车辆的相关信息,但在车辆离开管道时删除车辆信息失败。此时采用过时信息删除策略,即如果在接受到达消息AMi后的时间段λ内依然没有 接收离开消息DMi,则视为该车辆已经离开管道,并自动删除该车辆的相关信息。即使在λ时间段以后接收到离开消息DMi,不做任何处理,即不计入车辆类型分为大、中、小三类车辆的数值,并不带入权重的计算。
(4)第一路侧单元RSU1没有接收到达消息AMi,第二路侧单元RSU2没有收到离开消息DMi:说明管道模型没有该车辆的进出情况记录,不做任何处理,即不计入车辆类型分为大、中、小三类车辆的数值,并不带入权重的计算。
步骤3,将车辆按类型分为大、中、小三类,并分别赋予影响权重Wx、Wy、Wz,其中小型车辆为标准影响权重,数据中心服务器通过累加管道中各类型车辆的权重,得到当前时刻影响绿灯时间分配的权重值,记为Flow_C;
考虑一个方向车流的绿灯时间分配情况,忽略右转车流时间分配,假设当前道路管道中车辆总数为N,其中左转车辆、直行车辆和右转车辆所占比重分别为Na、Nb、Nc,令单个车辆的影响权重为Wi,则有:
其中flag表示车辆驶出方向的标识位,Wi表示第i个车辆的影响权重,并且flag和Wi的取值如式(2)和(3)所示:
数据中心服务器接收第一路侧单元RSU1和第二路侧单元RSU2处理后的车辆数据,通过公式(1)、(2)和(3)得到影响绿灯时间分配的权重值Flow_C,并将其上交给交通控制***。转步骤4;
步骤4,交通控制***检查当前方向的车道是否获得绿灯时间控制权,是则转步骤5,否则转步骤2;
步骤5,交通控制***比较管道中车辆的影响绿灯时间分配的权重值Flow_C与权重阈值Flow_T的大小,若Flow_C>Flow_T,说明道路拥塞程度较高,则转步骤6,否则转步骤8;
步骤6,为车流分配绿灯通行时间,继续比较管道中车辆的影响绿灯时间分配的权 重值Flow_C与权重阈值Flow_T的大小。若Flow_C>Flow_T,说明道路拥塞程度依然处于较高水平,转步骤7,否则转步骤8;
步骤7,交通控制***判断当前绿灯持续时间TG是否大于最长绿灯时间TmaxG,是则转步骤9,否则转步骤6;
步骤8,交通控制***为当前车道分配最短绿灯时间TminG,并转步骤9;
步骤9,交通控制***转移当前车道绿灯时间控制权至下一个方向的车道,结束流程。
本发明所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例作各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权力要求书所定义的范围。
Claims (3)
1.一种基于管道模型的智能交通信号控制方法,其特征在于,包括如下步骤:
步骤1,建立管道模型,所述的管道模型包括路侧单元、数据中心服务器和交通控制***;所述的路侧单元用于收集车辆的相关信息,所述的数据中心服务器用于处理路侧单元提交的车辆信息,所述的交通控制***用于为各路口分配合理的绿灯通行时间;
步骤2,当车辆进入管道时,向第一路侧单元RSU1发送到达消息AMi,到达消息AMi的内容包括车辆的标识符、行驶车道、车辆类型、到达管道的时间以及车辆的优先级,i代表第i个车辆;车辆离开管道时,向第二路侧单元RSU2发送离开消息DMi,离开消息DMi的内容包含车辆的标识符;第一路侧单元RSU1收到到达消息AMi后,数据中心服务器记录该车辆的相关信息;第二路侧单元RSU2收到离开消息DMi后,数据中心服务器删除该车辆的相关信息;同时,采用消息重传策略和过时信息删除策略处理信息;
步骤3,将车辆按类型分为大、中、小三类,并分别赋予影响权重Wx、Wy、Wz,其中小型车辆为标准影响权重,数据中心服务器通过累加管道中各类型车辆的权重,得到当前时刻影响绿灯时间分配的权重值,记为Flow_C,并将其上交给交通控制***;
步骤4,交通控制***检查当前方向的车道是否获得绿灯时间控制权,是则转步骤5,否则转步骤2;
步骤5,交通控制***比较管道中车辆的影响绿灯时间分配的权重值Flow_C与权重阈值Flow_T的大小,若Flow_C>Flow_T,说明道路拥塞程度较高,则转步骤6,否则转步骤8;
步骤6,为车流分配绿灯通行时间,继续比较管道中车辆的影响绿灯时间分配的权重值Flow_C与权重阈值Flow_T的大小;若Flow_C>Flow_T,则道路拥塞程度依然处于较高水平,转步骤7,否则转步骤8;
步骤7,交通控制***判断当前绿灯持续时间TG是否大于最长绿灯时间TmaxG,是则转步骤9,否则转步骤6;
步骤8,交通控制***为当前车道分配最短绿灯时间TminG,并转步骤9;
步骤9,交通控制***转移当前车道的绿灯时间控制权至下一个方向的车道,结束流程。
2.根据权利要求1所述的一种基于管道模型的智能交通信号控制方法,其特征在于:所述的步骤2中的重传过程和过时信息删除过程为:车辆在发送到达消息时留有备份,如果在时间γ内没有收到来自第一路侧单元RSU1的回应,则发送备份消息,假设车辆i在进入和离开管道时分别向第一路侧单元RSU1和第二路侧单元RSU2发送到达消息AMi和离开消息DMi,在采用消息重传过程前提下,第一路侧单元RSU1和第二路侧单元RSU2接收消息的结果有以下四种情况:
(1)第一路侧单元RSU1收到到达消息AMi,第二路侧单元RSU2收到离开消息DMi:管道模型正常记录该车辆的进出情况;
(2)第一路侧单元RSU1没有接收到达消息AMi,第二路侧单元RSU2收到离开消息DMi:管道模型不记录该车辆的相关信息,不计入车辆数值,并不带入权重的计算;
(3)第一路侧单元RSU1收到到达消息AMi,第二路侧单元RSU2没有收到离开消息DMi:管道模型不记录该车辆的相关信息,不计入车辆数值,并不带入权重的计算;
(4)第一路侧单元RSU1没有接收到达消息AMi,第二路侧单元RSU2没有收到离开消息DMi:管道模型不记录该车辆的相关信息,不计入车辆数值,并不带入权重的计算。
3.根据权利要求1所述的一种基于管道模型的智能交通信号控制方法,其特征在于,所述的步骤3中,计算最终影响绿灯时间分配的权重值Flow_C的方法为:考虑一个方向车流的绿灯时间分配情况,忽略右转车流时间分配,假设当前道路管道中车辆总数为N,其中左转车辆、直行车辆和右转车辆所占比重分别为Na、Nb、Nc,令单个车辆的影响权重为Wi,则有:
其中flag表示车辆驶出方向的标识位,Wi表示第i个车辆的影响权重,并且flag和Wi的取值如式(2)和(3)所示:
数据中心服务器接收第一路侧单元RSU1和第二路侧单元RSU2处理后的车辆数据,通过公式(1)、(2)和(3)得到影响绿灯时间分配的权重值Flow_C,并将其上交给交通控制***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410794858.XA CN104485003B (zh) | 2014-12-18 | 2014-12-18 | 一种基于管道模型的智能交通信号控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410794858.XA CN104485003B (zh) | 2014-12-18 | 2014-12-18 | 一种基于管道模型的智能交通信号控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104485003A true CN104485003A (zh) | 2015-04-01 |
CN104485003B CN104485003B (zh) | 2016-08-24 |
Family
ID=52759543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410794858.XA Expired - Fee Related CN104485003B (zh) | 2014-12-18 | 2014-12-18 | 一种基于管道模型的智能交通信号控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104485003B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211252A (zh) * | 2017-07-04 | 2019-01-15 | 深圳市凯立德科技股份有限公司 | 一种导航方法及导航设备 |
WO2019246246A1 (en) * | 2018-06-20 | 2019-12-26 | Cavh Llc | Connected automated vehicle highway systems and methods related to heavy vehicles |
US10692365B2 (en) | 2017-06-20 | 2020-06-23 | Cavh Llc | Intelligent road infrastructure system (IRIS): systems and methods |
US10867512B2 (en) | 2018-02-06 | 2020-12-15 | Cavh Llc | Intelligent road infrastructure system (IRIS): systems and methods |
CN113823102A (zh) * | 2021-09-29 | 2021-12-21 | 武汉科技大学 | 软件定义车载网络环境下的自适应信号配时***及方法 |
US11373122B2 (en) | 2018-07-10 | 2022-06-28 | Cavh Llc | Fixed-route service system for CAVH systems |
CN115100879A (zh) * | 2022-06-14 | 2022-09-23 | 武汉科技大学 | 基于模糊控制的过饱和交通流信号配时方法及设备 |
US11482102B2 (en) | 2017-05-17 | 2022-10-25 | Cavh Llc | Connected automated vehicle highway systems and methods |
US11495126B2 (en) | 2018-05-09 | 2022-11-08 | Cavh Llc | Systems and methods for driving intelligence allocation between vehicles and highways |
US11735041B2 (en) | 2018-07-10 | 2023-08-22 | Cavh Llc | Route-specific services for connected automated vehicle highway systems |
US11735035B2 (en) | 2017-05-17 | 2023-08-22 | Cavh Llc | Autonomous vehicle and cloud control (AVCC) system with roadside unit (RSU) network |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08221690A (ja) * | 1995-02-15 | 1996-08-30 | Nippon Signal Co Ltd:The | 交通信号制御方法 |
CN101123041A (zh) * | 2006-08-10 | 2008-02-13 | 深圳市哈工大交通电子技术有限公司 | 一种交通信号灯控制方法及交通信号灯*** |
CN101197080A (zh) * | 2006-12-22 | 2008-06-11 | 四川川大智胜软件股份有限公司 | 一种新型的智能红绿灯控制*** |
WO2010098559A2 (en) * | 2009-02-26 | 2010-09-02 | Korea Advanced Institute Of Science And Technology | Traffic signal control system and method |
CN103903453A (zh) * | 2012-12-26 | 2014-07-02 | ***通信集团公司 | 一种智能交通控制***、装置和方法 |
-
2014
- 2014-12-18 CN CN201410794858.XA patent/CN104485003B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08221690A (ja) * | 1995-02-15 | 1996-08-30 | Nippon Signal Co Ltd:The | 交通信号制御方法 |
CN101123041A (zh) * | 2006-08-10 | 2008-02-13 | 深圳市哈工大交通电子技术有限公司 | 一种交通信号灯控制方法及交通信号灯*** |
CN101197080A (zh) * | 2006-12-22 | 2008-06-11 | 四川川大智胜软件股份有限公司 | 一种新型的智能红绿灯控制*** |
WO2010098559A2 (en) * | 2009-02-26 | 2010-09-02 | Korea Advanced Institute Of Science And Technology | Traffic signal control system and method |
CN103903453A (zh) * | 2012-12-26 | 2014-07-02 | ***通信集团公司 | 一种智能交通控制***、装置和方法 |
Non-Patent Citations (2)
Title |
---|
吴涛: "车路协同智能路侧***关键技术研究", 《中国优秀硕士学位论文全文数据库·信息科技辑》 * |
孟源 等: "车联网网络架构分析", 《成都大学学报(自然科学版)》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11935402B2 (en) | 2017-05-17 | 2024-03-19 | Cavh Llc | Autonomous vehicle and center control system |
US11482102B2 (en) | 2017-05-17 | 2022-10-25 | Cavh Llc | Connected automated vehicle highway systems and methods |
US12008893B2 (en) | 2017-05-17 | 2024-06-11 | Cavh Llc | Autonomous vehicle (AV) control system with roadside unit (RSU) network |
US11990034B2 (en) | 2017-05-17 | 2024-05-21 | Cavh Llc | Autonomous vehicle control system with traffic control center/traffic control unit (TCC/TCU) and RoadSide Unit (RSU) network |
US11955002B2 (en) | 2017-05-17 | 2024-04-09 | Cavh Llc | Autonomous vehicle control system with roadside unit (RSU) network's global sensing |
US11735035B2 (en) | 2017-05-17 | 2023-08-22 | Cavh Llc | Autonomous vehicle and cloud control (AVCC) system with roadside unit (RSU) network |
US11430328B2 (en) | 2017-06-20 | 2022-08-30 | Cavh Llc | Intelligent road infrastructure system (IRIS): systems and methods |
US10692365B2 (en) | 2017-06-20 | 2020-06-23 | Cavh Llc | Intelligent road infrastructure system (IRIS): systems and methods |
CN109211252A (zh) * | 2017-07-04 | 2019-01-15 | 深圳市凯立德科技股份有限公司 | 一种导航方法及导航设备 |
US10867512B2 (en) | 2018-02-06 | 2020-12-15 | Cavh Llc | Intelligent road infrastructure system (IRIS): systems and methods |
US11495126B2 (en) | 2018-05-09 | 2022-11-08 | Cavh Llc | Systems and methods for driving intelligence allocation between vehicles and highways |
WO2019246246A1 (en) * | 2018-06-20 | 2019-12-26 | Cavh Llc | Connected automated vehicle highway systems and methods related to heavy vehicles |
US11373122B2 (en) | 2018-07-10 | 2022-06-28 | Cavh Llc | Fixed-route service system for CAVH systems |
US11735041B2 (en) | 2018-07-10 | 2023-08-22 | Cavh Llc | Route-specific services for connected automated vehicle highway systems |
CN113823102A (zh) * | 2021-09-29 | 2021-12-21 | 武汉科技大学 | 软件定义车载网络环境下的自适应信号配时***及方法 |
CN115100879A (zh) * | 2022-06-14 | 2022-09-23 | 武汉科技大学 | 基于模糊控制的过饱和交通流信号配时方法及设备 |
CN115100879B (zh) * | 2022-06-14 | 2024-04-26 | 武汉科技大学 | 基于模糊控制的过饱和交通流信号配时方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104485003B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104485003B (zh) | 一种基于管道模型的智能交通信号控制方法 | |
CN102867422B (zh) | 基于车辆自组网的单点十字交叉口信号灯实时控制方法 | |
CN104537852B (zh) | 一种基于车路协同的道路突发事故提示方法 | |
CN106781509B (zh) | 一种基于v2v的协作式城市道路拥堵检测方法 | |
CN104916142B (zh) | 一种干道优先的交叉口自适应交通信号控制方法 | |
CN105245563A (zh) | 一种基于车辆节点连通稳定度的动态分簇方法 | |
CN107730886A (zh) | 一种车联网环境下城市交叉***通信号动态优化方法 | |
CN109035760B (zh) | 车载自组织网中不同rsu场景下的路网信息收集方法 | |
CN103208180B (zh) | 基于多智能体交互技术的智能交通调度***及方法 | |
CN107507430A (zh) | 一种城市路***通控制方法及*** | |
CN107248299B (zh) | 一种基于驻站时间的专用道公交优先干线协调控制方法 | |
CN107240252A (zh) | 一种交叉口的主动式车辆调度方法 | |
CN109005524A (zh) | 基于吞吐量比较的车联网rsu切换方法 | |
CN104080056A (zh) | 基于连通度概率感知的车载自组织网络的消息分发方法 | |
CN105225473A (zh) | 一种基于站点效率计算的公交快线设计方法 | |
CN111540219B (zh) | 基于人工智能车路协同的双向公交信号优先协同方法 | |
CN102842241A (zh) | 一种汽车前方有限区域实时交通信息的采集和传输方法 | |
Milojevic et al. | Short paper: Distributed vehicular traffic congestion detection algorithm for urban environments | |
CN104240522A (zh) | 基于车载网和模糊神经网络的自适应十字路口控制技术 | |
CN113362605A (zh) | 基于潜在同质区域辨识的分布式交通流优化***及方法 | |
CN105809952A (zh) | 避免公交车辆路段拥簇的控制方法、控制*** | |
CN105448115A (zh) | 高速交通网络中被动群集车辆间通信方法 | |
CN108733063B (zh) | 一种自动驾驶车辆的自主协同行驶决策方法 | |
CN108847019B (zh) | 一种计算可变线路公交车辆到达固定站点行程时间的方法 | |
Cao et al. | ETCS: An efficient traffic congestion scheduling scheme combined with edge computing |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160824 Termination date: 20161218 |