CN104575050A - 一种基于浮动车的快速路匝道智能诱导方法及装置 - Google Patents
一种基于浮动车的快速路匝道智能诱导方法及装置 Download PDFInfo
- Publication number
- CN104575050A CN104575050A CN201510018865.5A CN201510018865A CN104575050A CN 104575050 A CN104575050 A CN 104575050A CN 201510018865 A CN201510018865 A CN 201510018865A CN 104575050 A CN104575050 A CN 104575050A
- Authority
- CN
- China
- Prior art keywords
- section
- road
- traffic
- floating car
- represent
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于浮动车的快速路匝道智能诱导方法及装置。该方法包括下列顺序的步骤:在快速路匝道前方设置诱导屏设备,进行路段划分编码、匝道编码和诱导屏设备编码;将浮动车检测路网内的全部浮动车获取的实时动态参数数据,传输至后台服务器进行标准化存储;计算各个浮动车在路径上各个路段的平均出行时间和平均出行速度;对路段平均出行速度进行校正,并获取快速路各个路段的实时交通运行指数;计算各个匝道的平均交通运行指数,判定各个匝道关联路段的交通运行状态等级;构建智能交通诱导模型,并通过诱导屏设备实时显示智能交通诱导决策。本发明能够实现快速路匝道智能交通诱导。
Description
技术领域
本发明涉及城市快速路及高架匝道的智能交通诱导技术领域,尤其是一种基于浮动车的快速路匝道智能诱导方法及装置。
背景技术
随着城市汽车拥有量大幅增加,交通流量和道路供需的矛盾日益突出,城市快速路的出现大大增加了出行路线选择,但快速路带来畅通出行的同时带来了更多的矛盾,每到高峰时段快速路就成了停车场,大大延误了公众的出行。
智能交通诱导是解决快速路拥堵的有效途径,传统的方法大多是通过人工方式进行匝道的限行关闭来调节高架的交通流,应急处理延迟,还浪费人力成本;通过智能交通信息采集技术,实现匝道的智能诱导,是未来匝道控制管理发展的方向。交通信息采集的方式多种多样,有基于浮动车的信息采集技术,也有基于固定检测设备的信息采集方式,如视频检测、微波检测、地感线圈等;传统的信息采集方式存在一定的弊端,如视频检测在雨、雪、雾天环境下容易误判,线圈检测容易受到大型车辆的重压损坏,微波的探测范围较小等,错误的判别可能会导致路段交通负荷,形成停滞,影响应急事件的处理造成公共管理资源的浪费。浮动车交通信息采集技术是通过在车辆上安装GPS,利用车辆的动态位置变化信息进行实时路况提取的技术,基于浮动车位移数据,将时间序列的车辆位置坐标与地图进行匹配,计算所有浮动点的平均速度和路段旅行速度,进而可以提取道路的交通状态,该技术包括GPS数据预处理、地图匹配、路径推测和历史速度补充等数据处理核心程序,各个程序的处理模型也是多种多样的,精度存在着差异。
目前所使用的匝道交通诱导算法大多基于固定点交通信息采集设备,只能对检测很小范围内的道路交通状态,无法获取大范围的交通路况信息,存在检测盲区的弊端,会造成***对状态的误判,出行者如不能对路况信息进行实时掌控,会继续驶入快速路,导致匝道交通拥堵蔓延,事故多发,影响整个城市的交通运行效率。
发明内容
本发明的首要目的在于提供一种能够降低交通信息采集成本,提高快速路交通状态检测的准确度和效率,实现快速路匝道的智能交通诱导的控制管理方法。
为实现上述目的,本发明采用了以下技术方案:
一种基于浮动车的快速路匝道智能诱导方法,该方法包括下列顺序的步骤:
(1)在快速路匝道前方设置诱导屏设备,对快速路进行路段划分编码、快速路匝道编码和诱导屏设备编码,并将路段划分编码、快速路匝道编码和诱导屏设备编码进行关联配对。
(2)将浮动车检测路网内的全部浮动车获取的实时动态参数数据,传输至后台服务器进行标准化存储,后台服务器将实时动态参数数据传输至智能诱导处理服务器。
(3)智能诱导处理服务器将接收到的全部浮动车获取的实时动态参数数据进行地图匹配和路径规划处理,按照时间顺序分别提取各个浮动车路径的关联路段信息,计算各个浮动车在路径上各个路段的平均出行时间和平均出行速度。
(4)基于历史数据弥补模型和速度-运行指数模型,智能诱导处理服务器对路段平均出行速度进行校正,并获取快速路各个路段的实时交通运行指数。
(5)智能诱导处理服务器统计各个匝道所关联路段的交通运行指数,计算各个匝道的平均交通运行指数,并根据各个匝道的平均交通运行指数,判定各个匝道关联路段的交通运行状态等级。
(6)智能诱导处理服务器根据各个匝道关联路段的交通运行状态等级,构建智能交通诱导模型,并通过诱导屏设备实时显示智能交通诱导决策。
步骤(3)中,所述的计算各个浮动车在路径上各个路段的平均出行时间和平均出行速度,具体采用以下方法实现:
假设某辆浮动车在计算周期内所经过的一系列GPS点,经地图匹配和行车路径推测后的具体路径为{Pi,i=1,2,...,n},其中,Pi表示该车所经过的第i个路段的ID号;
先利用式(1)计算该车通过路段Pi的出行时间:
其中,tij表示浮动车j在路段Pi上的出行时间,△dj表示浮动车j在△tj时间内经过路径的长度,△tj表示浮动车j前后相邻两个上报数据的时间差,li表示路段Pi的长度。
再利用式(2)计算路段Pi上的平均出行速度vi:
其中,vi表示路段Pi的平均出行速度,ni表示路段Pi上参与计算的浮动车总个数,当ni等于0,即该路段上没有GPS数据覆盖时,需要用历史数据弥补模型进行弥补处理。
步骤(4)中,所述的历史数据弥补模型,具体如下所示:
当路段上没有GPS数据覆盖时,利用式(3)获得该路段的校正速度信息,
其中,表示该路段同一时间段的历史平均速度,表示该路段最近一次计算的平均出行速度,k1为大于0且略小于1的系数。
当路段上有GPS数据覆盖时,先利用式(4)计算当前路段的校正速度Vi,再利用式(5)更新该路段最近一次计算的速度同时利用式(6)更新同一时间段的历史平均速度
其中,k2和k3均为大于0且略小于1的系数。
步骤(4)中,所述的速度-运行指数模型,具体如式(7)所示:
在式(7)中,RTPIi表示路段Pi的交通运行指数;x,y,z,p,m的值是道路交通拥堵感受优化参数,按照道路等级赋予其参数值,其初始化参考值如表1所示;
表1路段交通运行指数模型参数
步骤(6)中,所述的智能诱导处理服务器根据各个匝道关联路段的交通运行状态等级,构建智能交通诱导模型,并通过诱导屏设备实时显示智能交通诱导决策;具体包括以下步骤:
(61)获取每个匝道所关联路段的交通运行指数,利用式(8)计算匝道平均交通运行指数:
其中,表示匝道平均交通运行指数,RTPIi表示当前匝道所关联路段的交通运行指数;h表示当前匝道的编码,hi表示当前匝道所关联的路段总个数。
(2)根据匝道平均交通运行指数,判定当前匝道所关联道路的交通运行状态等级,生成智能交通诱导方案决策树数据库,诱导屏设备通过调用指令数据库接口服务对快速路匝道进行智能交通诱导。
本发明的另一目的在于提供一种基于浮动车的快速路匝道智能诱导装置,包括浮动车、用于数据储存和标准化的后台服务器、智能诱导处理服务器和诱导屏设备。浮动车,其输出端与后台服务器的输入端相连,后台服务器的输出端与智能诱导处理服务器的输入端相连,智能诱导处理服务器的输出端与诱导屏设备的输入端相连。
由上述技术方案可知,本发明通过构建基于浮动车数据的智能化交通诱导控制算法,实现了快速路匝道智能交通诱导。本发明能够降低人工视频方式进行匝道管理的人力成本,并对城市交通流进行有效疏导,缓解交通拥堵,减少交通事故的发生,提升快速路的使用效率和服务水平。
附图说明
图1是本发明的方法流程图;
图2是本发明的装置结构框图。
其中:
1、浮动车,2、用于数据储存和标准化的后台服务器,3、智能诱导处理服务器,4、诱导屏设备。
具体实施方式
如图1所示的一种基于浮动车的快速路匝道智能诱导方法,该方法包括下列顺序的步骤:
S1、在快速路匝道前方设置诱导屏设备,对快速路进行路段划分编码Pi、快速路匝道编码zh和诱导屏设备编码,并将路段划分编码Pi、快速路匝道编码z和诱导屏设备编码进行关联配对。采用式(0)对快速路匝道编码zh和路段编码Pi进行一对多关联配对,
zh={P1,P2,...,Pi} (i∈I,h∈H) (0)
其中,I表示快速路上所有路段的总个数;H表示快速路上所有匝道的总个数。
S2、将浮动车检测路网内的全部浮动车获取的实时动态参数数据,传输至后台服务器进行标准化存储,后台服务器将实时动态参数数据传输至智能诱导处理服务器。浮动车获取的实时动态参数数据,包括时间、经度、纬度、高度、方向角和瞬时速度等。
S3、智能诱导处理服务器将接收到的全部浮动车获取的实时动态参数数据进行地图匹配和路径规划处理,按照时间顺序分别提取各个浮动车路径的关联路段信息,计算各个浮动车在路径上各个路段的平均出行时间和平均出行速度。
所述的计算各个浮动车在路径上各个路段的平均出行时间和平均出行速度,具体采用以下方法实现:
假设某辆浮动车在计算周期内所经过的一系列GPS点,经地图匹配和行车路径推测后的具体路径为{Pi,i=1,2,...,n},其中,Pi表示该车所经过的第i个路段的ID号;
先利用式(1)计算该车通过路段Pi的出行时间:
其中,tij表示浮动车j在路段Pi上的出行时间,△dj表示浮动车j在△tj时间内经过路径的长度,△tj表示浮动车j前后相邻两个上报数据的时间差,li表示路段Pi的长度。
再利用式(2)计算路段Pi上的平均出行速度vi:
其中,vi表示路段Pi的平均出行速度,ni表示路段Pi上参与计算的浮动车总个数,当ni等于0,即该路段上没有GPS数据覆盖时,需要用历史数据弥补模型进行弥补处理。
S4、获取统计周期内的样本个数,基于历史数据弥补模型和速度-运行指数模型,智能诱导处理服务器对路段平均出行速度进行校正,并获取快速路各个路段的实时交通运行指数。通过对快速路全部浮动车数据进行周期性统计分析计算,提取路段平均出行时间和平均出行速度,结合历史数据弥补模型和速度-运行指数模型,来获取路段交通运行指数。
所述的历史数据弥补模型,用于对当前浮动车数据进行校正,该模型能够提高数据的准确度。该历史数据弥补模型,具体如下所示:
当路段上没有GPS数据覆盖时,利用式(3)获得该路段的校正速度信息,
其中,表示该路段同一时间段的历史平均速度,表示该路段最近一次计算的平均出行速度,k1为大于0且略小于1的系数。
当路段上有GPS数据覆盖时,先利用式(4)计算当前路段的校正速度Vi,再利用式(5)更新该路段最近一次计算的速度同时利用式(6)更新同一时间段的历史平均速度
其中,k2和k3均为大于0且略小于1的系数。
所述的速度-运行指数模型,具体如式(7)所示:
在式(7)中,RTPI表示交通运行指数;x,y,z,p,m的值是道路交通拥堵感受优化参数,按照道路等级赋予其参数值,其初始化参考值如表1所示;
表1路段交通运行指数模型参数
S5、智能诱导处理服务器统计各个匝道所关联路段的交通运行指数,计算各个匝道的平均交通运行指数,并根据各个匝道的平均交通运行指数,判定各个匝道关联路段的交通运行状态等级。状态判定区间如表2所示:
表2交通运行指数分级表
交通运行指数 | [0,2] | (2,4] | (4,6] | (6,8] | (8,10] |
状态评价等级 | 非常畅通 | 畅通 | 缓行 | 拥挤 | 拥堵 |
S6、智能诱导处理服务器根据各个匝道关联路段的交通运行状态等级,构建智能交通诱导模型,并通过诱导屏设备实时显示智能交通诱导决策。该过程具体包括以下步骤:
S61、获取每个匝道所关联路段的交通运行指数,利用式(8)计算匝道平均交通运行指数:
其中,表示匝道平均交通运行指数,RTPIi表示当前匝道所关联路段的交通运行指数;h表示当前匝道的编码,hi表示当前匝道所关联的路段总个数。
S62、根据匝道平均交通运行指数,判定当前匝道所关联道路的交通运行状态等级,构建智能交通诱导方案,诱导屏设备通过调用指令数据库接口服务对快速路匝道进行智能交通诱导。设置在入口匝道的诱导屏设备通过调用数据库接口服务实现入口匝道的智能诱导,设置在出口匝道的诱导屏设备通过调用数据库接口服务实现出口匝道的智能诱导。
所述的构建智能交通诱导方案,具体包括以下步骤:
S621、判定当前匝道的属性,即是入口匝道还是出口匝道;
S622、根据交通运行状态的等级,制定智能交通诱导发布内容。诱导方案由四部分组成:时间、交通运行指数、交通运行状态和交通诱导内容,具体如下所示:
(1)入口匝道交通诱导内容基于入口匝道关联路段的实时交通运行指数智能生成,内容分成5个等级,如下:
A:该匝道关联道路运行状态为非常畅通等级:“前方高架道路交通运行状况非常好,控制车速,安全至上”。
B:该匝道关联道路运行状态为畅通等级:“前方高架道路交通运行状况良好,请按道路限速标准行驶”。
C:该匝道关联道路运行状态为轻度拥堵等级:“前方高架道路交通运行状况轻度拥堵,出行缓慢,注意安全驾驶”。
D:该匝道关联道路运行状态为中度拥堵等级:“前方高架道路交通运行状况中度拥堵,建议驾驶人员不要驶入高架,谨慎驾驶”。
E:该匝道关联道路运行状态为严重拥堵等级:“前方高架道路交通运行状况极差,严重拥堵,驾驶员请更换出行线路,禁止驶入高架”。
(2)出口匝道交通诱导内容基于出口匝道关联路段的实时交通运行指数智能生成,内容分成5个等级,如下:
A:该匝道关联道路运行状态为非常畅通等级:“前方高架道路交通运行状况非常好,控制车速,安全至上”。
B:该匝道关联道路运行状态为畅通等级:“前方高架道路交通运行状况良好,请按道路限速标准行驶”。
C:该匝道关联道路运行状态为轻度拥堵等级:“前方高架道路交通运行状况轻度拥堵,出行缓慢,注意安全驾驶”。
D:该匝道关联道路运行状态为中度拥堵等级:“前方高架道路交通运行状况中度拥堵,建议驾驶人员驶出高架,谨慎驾驶”。
E:该匝道关联道路运行状态为严重拥堵等级:“前方高架道路交通运行状况极差,严重拥堵,驾驶员请驶出高架,避让拥堵”。
如图2所示,本发明的另一目的在于提供一种基于浮动车的快速路匝道智能诱导装置,包括浮动车1、用于数据储存和标准化的后台服务器2、智能诱导处理服务器3和诱导屏设备4。浮动车1,其输出端与后台服务器2的输入端相连,后台服务器2的输出端与智能诱导处理服务器3的输入端相连,智能诱导处理服务器3的输出端与诱导屏设备4的输入端相连。
如图2所示的一种基于浮动车的快速路匝道智能诱导装置,包括浮动车1、用于数据储存和标准化的后台服务器2、智能诱导处理服务器3和诱导屏设备4。浮动车1,其输出端与后台服务器2的输入端相连,后台服务器2的输出端与智能诱导处理服务器3的输入端相连,智能诱导处理服务器3的输出端与诱导屏设备4的输入端相连。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (6)
1.一种基于浮动车的快速路匝道智能诱导方法,其特征在于:该方法包括下列顺序的步骤:
(1)在快速路匝道前方设置诱导屏设备,对快速路进行路段划分编码、快速路匝道编码和诱导屏设备编码,并将路段划分编码、快速路匝道编码和诱导屏设备编码进行关联配对;
(2)将浮动车检测路网内的全部浮动车获取的实时动态参数数据,传输至后台服务器进行标准化存储,后台服务器将实时动态参数数据传输至智能诱导处理服务器;
(3)智能诱导处理服务器将接收到的全部浮动车获取的实时动态参数数据进行地图匹配和路径规划处理,按照时间顺序分别提取各个浮动车路径的关联路段信息,计算各个浮动车在路径上各个路段的平均出行时间和平均出行速度;
(4)基于历史数据弥补模型和速度-运行指数模型,智能诱导处理服务器对路段平均出行速度进行校正,并获取快速路各个路段的实时交通运行指数;
(5)智能诱导处理服务器统计各个匝道所关联路段的交通运行指数,计算各个匝道的平均交通运行指数,并根据各个匝道的平均交通运行指数,判定各个匝道关联路段的交通运行状态等级;
(6)智能诱导处理服务器根据各个匝道关联路段的交通运行状态等级,构建智能交通诱导模型,并通过诱导屏设备实时显示智能交通诱导决策。
2.根据权利要求1所述的一种基于浮动车的快速路匝道智能诱导方法,其特征在于:步骤(3)中,所述的计算各个浮动车在路径上各个路段的平均出行时间和平均出行速度,具体采用以下方法实现:
假设某辆浮动车在计算周期内所经过的一系列GPS点,经地图匹配和行车路径推测后的具体路径为{Pi,i=1,2,...,n},其中,Pi表示该车所经过的第i个路段的ID号;
先利用式(1)计算该车通过路段Pi的出行时间:
其中,tij表示浮动车j在路段Pi上的出行时间,Δdj表示浮动车j在Δtj时间内经过路径的长度,Δtj表示浮动车j前后相邻两个上报数据的时间差,li表示路段Pi的长度;
再利用式(2)计算路段Pi上的平均出行速度vi:
其中,vi表示路段Pi的平均出行速度,ni表示路段Pi上参与计算的浮动车总个数,当ni等于0,即该路段上没有GPS数据覆盖时,需要用历史数据弥补模型进行弥补处理。
3.根据权利要求1所述的一种基于浮动车的快速路匝道智能诱导方法,其特征在于:步骤(4)中,所述的历史数据弥补模型,具体如下所示:
当路段上没有GPS数据覆盖时,利用式(3)获得该路段的校正速度信息,
其中,表示该路段同一时间段的历史平均速度,表示该路段最近一次计算的平均出行速度,k1为大于0且略小于1的系数;
当路段上有GPS数据覆盖时,先利用式(4)计算当前路段的校正速度Vi,再利用式(5)更新该路段最近一次计算的速度同时利用式(6)更新同一时间段的历史平均速度
其中,k2和k3均为大于0且略小于1的系数。
4.根据权利要求1所述的一种基于浮动车的快速路匝道智能诱导方法,其特征在于:步骤(4)中,所述的速度-运行指数模型,具体如式(7)所示:
在式(7)中,RTPIi表示路段Pi的交通运行指数;x,y,z,p,m的值是道路交通拥堵感受优化参数,按照道路等级赋予其参数值,其初始化参考值如表1所示;
表1路段交通运行指数模型参数
5.根据权利要求1所述的一种基于浮动车的快速路匝道智能诱导方法,其特征在于:步骤(6)中,所述的智能诱导处理服务器根据各个匝道关联路段的交通运行状态等级,构建智能交通诱导模型,并通过诱导屏设备实时显示智能交通诱导决策;具体包括以下步骤:
(61)获取每个匝道所关联路段的交通运行指数,利用式(8)计算匝道平均交通运行指数:
其中,表示匝道平均交通运行指数,RTPIi表示当前匝道所关联路段的交通运行指数;h表示当前匝道的编码,hi表示当前匝道所关联的路段总个数;
(2)根据匝道平均交通运行指数,判定当前匝道所关联道路的交通运行状态等级,生成智能交通诱导方案决策树数据库,诱导屏设备通过调用指令数据库接口服务对快速路匝道进行智能交通诱导。
6.一种基于浮动车的快速路匝道智能诱导装置,其特征在于:包括浮动车、用于数据储存和标准化的后台服务器、智能诱导处理服务器和诱导屏设备;
浮动车,其输出端与后台服务器的输入端相连,后台服务器的输出端与智能诱导处理服务器的输入端相连,智能诱导处理服务器的输出端与诱导屏设备的输入端相连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510018865.5A CN104575050B (zh) | 2015-01-14 | 2015-01-14 | 一种基于浮动车的快速路匝道智能诱导方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510018865.5A CN104575050B (zh) | 2015-01-14 | 2015-01-14 | 一种基于浮动车的快速路匝道智能诱导方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104575050A true CN104575050A (zh) | 2015-04-29 |
CN104575050B CN104575050B (zh) | 2016-08-24 |
Family
ID=53090992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510018865.5A Active CN104575050B (zh) | 2015-01-14 | 2015-01-14 | 一种基于浮动车的快速路匝道智能诱导方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104575050B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105070056A (zh) * | 2015-07-23 | 2015-11-18 | 合肥革绿信息科技有限公司 | 一种基于浮动车的交叉***通拥堵指数计算方法 |
CN105139645A (zh) * | 2015-07-23 | 2015-12-09 | 合肥革绿信息科技有限公司 | 一种基于浮动车技术的城市区域路网运行指数评估方法 |
CN105261210A (zh) * | 2015-07-23 | 2016-01-20 | 合肥革绿信息科技有限公司 | 一种基于北斗装备的路段交通拥堵指数计算方法 |
CN105355051A (zh) * | 2015-12-09 | 2016-02-24 | 中兴软创科技股份有限公司 | 一种基于电子警察数据的拥堵识别方法与装置 |
CN106530791A (zh) * | 2016-11-03 | 2017-03-22 | 中兴软创科技股份有限公司 | 公交车到站位置匹配方法与*** |
CN106599916A (zh) * | 2016-12-08 | 2017-04-26 | 淮阴工学院 | 一种基于决策树的小汽车出行路径选择模式辨识方法 |
CN106710276A (zh) * | 2017-03-21 | 2017-05-24 | 北京汽车集团有限公司 | 交通信息获取方法及装置 |
CN107798872A (zh) * | 2017-10-27 | 2018-03-13 | 北京世纪高通科技有限公司 | 一种分车道路况的生成方法和装置 |
CN107895481A (zh) * | 2017-11-21 | 2018-04-10 | 福建工程学院 | 基于浮动车技术的区域道路车流量控制方法 |
CN114518750A (zh) * | 2021-12-15 | 2022-05-20 | 电子科技大学 | 一种基于阿米巴运动机制的路径规划方法 |
CN114758499A (zh) * | 2022-04-01 | 2022-07-15 | 济南市公安局交通警察支队 | 一种基于多源数据的城市高架快速路匝道智能自动控制的方法、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003177024A (ja) * | 2001-12-11 | 2003-06-27 | Kenwood Corp | 車載用ナビゲーション装置 |
JP2007218923A (ja) * | 2007-03-28 | 2007-08-30 | Xanavi Informatics Corp | ナビゲーション装置の経路探索方法 |
CN101281684A (zh) * | 2008-01-30 | 2008-10-08 | 吉林大学 | 显示板诱导与区域控制协同运作的区域交通管理*** |
CN101303800A (zh) * | 2008-07-02 | 2008-11-12 | 苏州莱迪斯特电子有限公司 | 一种智能交通信息***及其处理方法 |
CN101807348A (zh) * | 2010-03-05 | 2010-08-18 | 安徽师范大学 | 一种动态网络导航***及方法 |
CN101840636A (zh) * | 2010-06-01 | 2010-09-22 | 苏州位置科技有限公司 | 高速公路实时车流监测预警诱导管理***和监测方法 |
CN102542823A (zh) * | 2011-12-16 | 2012-07-04 | 东南大学 | 一种基于交通流运行状态的快速道路可变限速控制方法 |
CN102930735A (zh) * | 2012-10-25 | 2013-02-13 | 安徽科力信息产业有限责任公司 | 一种基于交通视频的城市实时交通路况信息发布方法 |
CN103632546A (zh) * | 2013-11-27 | 2014-03-12 | 中国航天***工程有限公司 | 一种基于浮动车数据的城市道路交通事故影响预测方法 |
-
2015
- 2015-01-14 CN CN201510018865.5A patent/CN104575050B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003177024A (ja) * | 2001-12-11 | 2003-06-27 | Kenwood Corp | 車載用ナビゲーション装置 |
JP2007218923A (ja) * | 2007-03-28 | 2007-08-30 | Xanavi Informatics Corp | ナビゲーション装置の経路探索方法 |
CN101281684A (zh) * | 2008-01-30 | 2008-10-08 | 吉林大学 | 显示板诱导与区域控制协同运作的区域交通管理*** |
CN101303800A (zh) * | 2008-07-02 | 2008-11-12 | 苏州莱迪斯特电子有限公司 | 一种智能交通信息***及其处理方法 |
CN101807348A (zh) * | 2010-03-05 | 2010-08-18 | 安徽师范大学 | 一种动态网络导航***及方法 |
CN101840636A (zh) * | 2010-06-01 | 2010-09-22 | 苏州位置科技有限公司 | 高速公路实时车流监测预警诱导管理***和监测方法 |
CN102542823A (zh) * | 2011-12-16 | 2012-07-04 | 东南大学 | 一种基于交通流运行状态的快速道路可变限速控制方法 |
CN102930735A (zh) * | 2012-10-25 | 2013-02-13 | 安徽科力信息产业有限责任公司 | 一种基于交通视频的城市实时交通路况信息发布方法 |
CN103632546A (zh) * | 2013-11-27 | 2014-03-12 | 中国航天***工程有限公司 | 一种基于浮动车数据的城市道路交通事故影响预测方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105070056A (zh) * | 2015-07-23 | 2015-11-18 | 合肥革绿信息科技有限公司 | 一种基于浮动车的交叉***通拥堵指数计算方法 |
CN105139645A (zh) * | 2015-07-23 | 2015-12-09 | 合肥革绿信息科技有限公司 | 一种基于浮动车技术的城市区域路网运行指数评估方法 |
CN105261210A (zh) * | 2015-07-23 | 2016-01-20 | 合肥革绿信息科技有限公司 | 一种基于北斗装备的路段交通拥堵指数计算方法 |
CN105355051A (zh) * | 2015-12-09 | 2016-02-24 | 中兴软创科技股份有限公司 | 一种基于电子警察数据的拥堵识别方法与装置 |
CN106530791A (zh) * | 2016-11-03 | 2017-03-22 | 中兴软创科技股份有限公司 | 公交车到站位置匹配方法与*** |
CN106599916A (zh) * | 2016-12-08 | 2017-04-26 | 淮阴工学院 | 一种基于决策树的小汽车出行路径选择模式辨识方法 |
CN106710276A (zh) * | 2017-03-21 | 2017-05-24 | 北京汽车集团有限公司 | 交通信息获取方法及装置 |
WO2018171314A1 (zh) * | 2017-03-21 | 2018-09-27 | 北京汽车集团有限公司 | 交通信息获取方法及装置 |
CN106710276B (zh) * | 2017-03-21 | 2019-04-26 | 北京汽车集团有限公司 | 交通信息获取方法及装置 |
CN107798872A (zh) * | 2017-10-27 | 2018-03-13 | 北京世纪高通科技有限公司 | 一种分车道路况的生成方法和装置 |
CN107895481A (zh) * | 2017-11-21 | 2018-04-10 | 福建工程学院 | 基于浮动车技术的区域道路车流量控制方法 |
CN114518750A (zh) * | 2021-12-15 | 2022-05-20 | 电子科技大学 | 一种基于阿米巴运动机制的路径规划方法 |
CN114518750B (zh) * | 2021-12-15 | 2023-08-15 | 电子科技大学 | 一种基于阿米巴运动机制的路径规划方法 |
CN114758499A (zh) * | 2022-04-01 | 2022-07-15 | 济南市公安局交通警察支队 | 一种基于多源数据的城市高架快速路匝道智能自动控制的方法、设备及存储介质 |
CN114758499B (zh) * | 2022-04-01 | 2023-08-18 | 济南市公安局交通警察支队 | 一种基于多源数据的城市高架快速路匝道智能自动控制的方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104575050B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104575050B (zh) | 一种基于浮动车的快速路匝道智能诱导方法及装置 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
Yang et al. | Eco-driving system for connected automated vehicles: Multi-objective trajectory optimization | |
CN110160550B (zh) | 一种基于道路积水预测的城市路线引导方法 | |
CN108986509B (zh) | 一种基于车路协同的城市区域路径实时规划方法 | |
CN101944288B (zh) | 城市公交线路停靠站设置方法 | |
CN103745089A (zh) | 一种多维公共交通运行指数评价方法 | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN105070056A (zh) | 一种基于浮动车的交叉***通拥堵指数计算方法 | |
CN102708698A (zh) | 基于车联网的车辆最优路径导航方法 | |
CN112767683B (zh) | 一种基于反馈机制的路径诱导方法 | |
CN104658285A (zh) | 一种城市内涝情况下的交通智能疏导方法 | |
CN102509454A (zh) | 基于fcd与地磁检测器的道路状态融合方法 | |
CN111063208A (zh) | 一种基于车联网的车道级交通诱导方法及*** | |
CN105070078B (zh) | 一种基于车车通信的动态路径诱导方法 | |
CN113554877B (zh) | 一种基于可变限速的长上坡交通流稳定性提升方法 | |
CN105279980A (zh) | 判断信号控制交叉口是否适用于连续流交叉口改造的方法 | |
CN112101670A (zh) | 数据处理方法、装置、电子设备和可读存储介质 | |
CN102521998A (zh) | 特大灾害条件下基于可靠性的应急交通疏散路径优化方法 | |
CN105139670A (zh) | 一种基于视频的区域自优化信号控制方法及装置 | |
CN104575049B (zh) | 一种基于阵列雷达的高架匝道智能诱导方法及装置 | |
CN105070073A (zh) | 一种基于地磁的区域自优化信号控制方法及装置 | |
CN105185107A (zh) | 一种基于gps的交通运行趋势推测方法 | |
CN106997496A (zh) | 一种双向两车道公路施工区最佳施工长度设置方法 | |
CN107123268B (zh) | 一种平面交叉***通安全状态评估方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230829 Address after: 230088 2801, Block B, Zheshang Building, High tech Zone, Hefei City, Anhui Province Patentee after: Ningbo horoma Information Technology Co.,Ltd. Address before: University Science Park B509, No. 602, Mount Huangshan Road, High tech Zone, Hefei, Anhui 230088 Patentee before: HEFEI GELYU INFORMATION TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |