CN104900070B - 一种交叉路口车流建模及自适应控制方法及*** - Google Patents
一种交叉路口车流建模及自适应控制方法及*** Download PDFInfo
- Publication number
- CN104900070B CN104900070B CN201510257119.1A CN201510257119A CN104900070B CN 104900070 B CN104900070 B CN 104900070B CN 201510257119 A CN201510257119 A CN 201510257119A CN 104900070 B CN104900070 B CN 104900070B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- wagon flow
- time
- intersection
- self
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种交叉路口车流建模及自适应控制方法及***,该方法通过在一个信号周期内,感知各入口和出口方向处车辆的驶入和驶出事实,驶入和驶出时间,各入口方向驶入车辆数,以及该入口对应的直行和左转出口方向的驶出车辆数;根据驶入和驶出事实和时间,计算车辆经过交叉路口的入口和出口时车辆的平均延误时间;根据驶入车辆数和驶出车辆数计算车辆排队长度;以每个入口方向车流的平均延误时间为离散状态变量,相应方向的绿灯时间为控制变量,各方向的排队长度为输出变量,建立交叉路口的车流数学模型;对车流数学模型采用自适应控制方法进行实时控制。本发明***与该方法对应。本发明具有寿命长且易于维护、交通信号控制精确等优点。
Description
技术领域
本发明属于城市道路交通管理领域,尤其涉及一种交叉路口车流建模及自适应控制方法及***。
背景技术
城市道路交通的瓶颈是大量存在的平面交叉路口,因为在交叉路口处各方向车流的行驶轨迹存在很多空间冲突点。消除交叉路口车流轨迹空间冲突点的措施就是采用目前已广泛使用的交通信号灯控制方法,将车流在时间和空间上进行分离,以时间换空间,使各方向车流分时使用路口,从而达到安全通行的目的。从自动控制的角度来看,交通信号控制有开环控制和闭环控制两种方式。
交通信号开环控制就是目前广泛使用的定时控制方式。定时控制方式虽然简单易行,但其信号配时方案一经确定就不再改变,对车流的动态变化毫无适应性,容易造成绿时浪费,控制效果不理想。
而闭环控制方式是通过埋设在交叉路口各进口车道上的车辆检测传感器所实时检测到的车流数据,利用先进的智能交通信号控制算法计算出该交叉路口下一信号周期的红绿灯配时方案,从而对交叉路口实施信号控制。只要车流检测传感器工作可靠,信号控制算法合理可行,交通信号的闭环控制可以做到各方向车流的绿时既合理又不浪费,从而达到最大限度地发挥交叉路口通行能力、减少停车等待时间和使车流顺畅的目的,其控制效果远好于定时控制的效果。
但是,现有闭环控制方式缺乏车流模型、车辆通过交叉路口的平均延误无法实时测量、控制方案适应性不强、控制效果较差。
发明内容
本发明的目的在于提供一种交叉路口车流建模及自适应控制方法及***,旨在解决传统的交通信号控制***中,由于各进口方向车流的平均延误无法实时测量,且车流排队长度的测量不精确,无法实施基于车流模型的交通信号控制的问题。
本发明是这样实现的,一种交叉路口车流建模及自适应控制方法,包括以下步骤:
S1、在一个信号周期内,感知各入口和出口方向处车辆的驶入和驶出事实,驶入和驶出时间,各入口方向驶入车辆数,以及该入口对应的直行和左转出口方向的驶出车辆数;
S2、根据所述驶入和驶出事实和时间,计算车辆经过交叉路口的入口和出口时车辆延误时间的平均值,将该平均值确定为该方向车流的平均延误;根据所述驶入车辆数和驶出车辆数计算车辆排队长度;
S3、以每个入口方向车流的平均延误时间为离散状态变量,相应方向的绿灯时间为控制变量,各方向的排队长度为输出变量,建立交叉路口的车流数学模型;
S4、对上述车流数学模型采用自适应控制方法进行实时控制。
优选地,在步骤S1中,通过在车辆上安装有源射频识别标签,在交叉路口的入口和出口处安装射频阅读器,通过射频阅读器读取有源射频识别标签,感知车辆的驶入驶出事实和驶入驶出时间。
优选地,在步骤S2中,所述车辆排队长度的计算公式为:各入口方向的车辆排队长度=该入口方向原有排队长度+该入口方向驶入车辆数+该入口方向驶出车辆数;其中,车辆数单位为标准小客车PCU,当识别到的车辆不是标准小客车时,按车型标准乘以相应的系数。
优选地,在步骤S3中,所述车流数学模型用离散状态方程定义为:
其中,X(k)为当前时刻的车流平均延误时间向量,X(k+1)为下个时刻的车流平均延误时间向量,u(k)为绿灯时间向量,y(k)为排队长度向量,v(k)和w(k)为随机干扰向量,A、B、C、D为系数矩阵。
优选地,在步骤S4中,所述自适应控制方法包括自校正控制、广义预测控制、模型参考自适应控制、自校正PID控制。
本发明进一步提供了一种交叉路口车流自适应控制***,所述***包括:
感应模块,用于在一个信号周期内,感知各入口和出口方向处车辆的驶入和驶出事实,驶入和驶出时间,各入口方向驶入车辆数,以及该入口对应的直行和左转出口方向的驶出车辆数;
计算模块,用于根据所述驶入和驶出事实和时间,计算车辆经过交叉路口的入口和出口时车辆延误时间的平均值,将该平均值确定为该方向车流的平均延误;以及用于根据所述驶入车辆数和驶出车辆数计算车辆排队长度;
建模模块,用于以每个入口方向车流的平均延误时间为离散状态变量,相应方向的绿灯时间为控制变量,各方向的排队长度为输出变量,建立交叉路口的车流数学模型;
实时控制模块,用于对上述车流数学模型采用自适应控制方法进行实时控制。
优选地,在所述感应模块中,通过在车辆上安装有源射频识别标签,在交叉路口的入口和出口处安装射频阅读器,通过射频阅读器读取有源射频识别标签,感知车辆的驶入驶出事实和驶入驶出时间。
优选地,在所述计算模块中,所述车辆排队长度的计算公式为:各入口方向的车辆排队长度=该入口方向原有排队长度+该入口方向驶入车辆数+该入口方向驶出车辆数;其中,车辆数单位为标准小客车PCU,当识别到的车辆不是标准小客车时,按车型标准乘以相应的系数。
优选地,在所述建模模块中,所述车流数学模型用离散状态方程定义为:
其中,X(k)为当前时刻的车流平均延误时间向量,X(k+1)为下个时刻的车流平均延误时间向量,u(k)为绿灯时间向量,y(k)为排队长度向量,v(k)和w(k)为随机干扰向量,A、B、C、D为系数矩阵。
优选地,在所述实时控制模块中,所述自适应控制方法包括自校正控制、广义预测控制、模型参考自适应控制、自校正PID控制。
本发明克服了现有技术的不足,提供了一种交叉路口车流建模及自适应控制方法及***,由车流检测物联网布局、车辆平均延误测量计算方法、车辆排队长度测量计算方法、车流状态方程模型的建立、交通信号的自适应控制等环节构成,本发明在构建交叉路口车流数据采集的物联网***基础上,建立了统一的车流状态方程,并利用云计算技术和自适应控制技术,对交叉路口的信号进行实时计算和控制,以实现车辆的平均延误最小化。该模型结构对任意十字交叉路口均适用,具有很强的适应性。
相比于现有技术的缺点和不足,本发明具有以下有益效果:
(1)车流检测是非接触式的,寿命长且易于维护
传统的车流检测是用埋于路面下的环形线圈来实现的,容易受车流碾压变形而失效,维护或更换的工程量较大,工程施工时对交通的影响很大。而基于物联网的车辆检测方式是非接触式的,使用寿命长,且有源射频识别标签(tag)是安装在车辆上的,射频阅读器(reader)则安装在路边,所以维护和施工很方便,对交通没有任何影响。
(2)可实现车辆延误的精确测量
由于传统的环形线圈检测方法不能检测出同一辆车的驶入和驶出路口时刻,所以无法计算出车辆通过路口的延误时间,在控制模型算法中无法使用这一参数。而基于物联网的车辆检测方式可以很方便地检测出每辆车的延误时间和每个入口方向的车辆平均延误时间,可以据此建立交叉路口的车流模型并进行求解。
(3)可实现车辆排队长度的精确测量
环形线圈脉冲式的工作方式不能识别车辆的类型,只能判断出有无车辆通过,大车和小车均认为是一辆车,由此计算出的车辆排队长度的精度较差。而射频阅读器(reader)能读取车辆的车型信息,所以可精确计算出车辆排队长度,甚至还可以检测出车辆的去向。
(4)车流状态方程模型的建立
传统的交通信号控制方法都是“非模型”式的(如模糊控制或神经网络控制方法等),因为存在建模困难的问题(车辆延误测不出,排队长度算不准),所得到的控制方法针对性较强,不能对其它交叉路口普遍使用(因为每个交叉路口的车流情况特点不同),适应性很差。而本发明所建立的车流状态方程模型同时用到了每个入口方向的车辆平均延误和排队长度两个可实时测量的参数,通过不断的运行来在线辨识模型中的参数,从而对交叉路口的各方向绿灯时间进行精确控制,以达到路口通行能力最大和整个路口的车辆平均延误最小的控制目的。
(5)交通信号的自适应控制
对于上述交叉路口车流的状态方程,可以用自适应控制方法进行实时控制,比如自校正控制、广义预测控制、模型参考自适应控制、自校正PID控制等。通过在线辨识模型参数A,B,C,D来实时调整控制量(即各方向绿灯时间),以使控制目标函数值(与车辆平均延误和排队长度有关)达到最小。
附图说明
图1是本发明交叉路口车流建模及自适应控制方法的步骤流程图;
图2是本发明对所建立的车流数学模型采用自适应控制方法进行控制的步骤流程图;
图3是本发明交叉路口车流自适应控制***的结构示意图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。以下结合附图对本发明进行详细的描述。
一种交叉路口车流建模及自适应控制方法,如图1所示,包括以下步骤:
S1、在一个信号周期内,感知各入口和出口方向处车辆的驶入和驶出事实,驶入和驶出时间,各入口方向驶入车辆数,以及该入口对应的直行和左转出口方向的驶出车辆数。
在步骤S1中,要使用交通物联网来识别驶入或驶出交叉路口的车辆,要求每辆车都安装有源射频识别标签(tag),用于向安装在路口附近的射频阅读器(reader)发送信息。而射频阅读器安装在交叉路口所有出入口道路方向的路边。各入口处的射频阅读器负责感知车辆的驶入事实(读取用于识别车辆的基本信息及其驶入时间),其数据传送至交通云端进行动态储存和计算。由于阅读器分辨不出其所感知车辆的去向(即右转、直行或左转),所以需要用安装在各出口方向处的射频阅读器来感知车辆的驶出事实和驶出时间。
驶入车辆数由该入口方向射频阅读器读取,驶出车辆数由该入口对应的直行和左转出口方向射频阅读器读取。
S2、根据所述驶入和驶出事实和时间,计算车辆经过交叉路口的入口和出口时车辆延误时间的平均值,将该平均值确定为该方向车流的平均延误;根据所述驶入车辆数和驶出车辆数计算车辆排队长度。
在步骤S2中,某车辆通过交叉路口时,其经过的出口和入口两个阅读器读取车辆信息的时间差即为车辆在该路口的延误时间。在一个信号周期内,所有从某个进口方向通过交叉路口的车辆延误时间的平均值即为该方向车流的平均延误。随着车流不断进出路口,平均延误是一个离散的动态变量。
一般来说,交叉路口的右转车道是专用车道,不受信号灯控制,所以计算平均延误时不考虑右转车辆。平均延误的计算在交通云端进行。
此外,作为交叉路口车流状态方程模型中的输出变量,各入口方向的车辆排队长度=该入口方向原有排队长度+该入口方向驶入车辆数+该入口方向驶出车辆数。
车辆数的单位为PCU(标准小客车),如果识别到的车辆不是标准小客车,则按车型标准乘以相应的系数。排队长度的计算在交通云端进行。
S3、以每个入口方向车流的平均延误时间为离散状态变量,相应方向的绿灯时间为控制变量,各方向的排队长度为输出变量,建立交叉路口的车流数学模型。
在步骤S3中,以每个入口方向车流的平均延误时间为(离散)状态变量(对于典型的十字交叉路口,状态变量有4个分量),相应方向的绿灯时间为***的控制变量,各方向的排队长度为输出变量,再考虑到随机干扰,即可得到该路口的离散状态方程如下:
其中,X(k)为当前时刻的车流平均延误时间向量,X(k+1)为下个时刻的车流平均延误时间向量,u(k)为绿灯时间向量,y(k)为排队长度向量,v(k)和w(k)为随机干扰向量,A,B,C,D为系数矩阵。
上述状态方程即为交叉路口的车流数学模型。该模型也可转化为以输入输出变量表示的差分方程。
S4、对上述车流数学模型采用自适应控制方法进行实时控制。
在步骤S4中,对于上述交叉路口车流的状态方程,可以用自适应控制方法进行实时控制,比如自校正控制、广义预测控制、模型参考自适应控制、自校正PID控制等,通过在线辨识模型参数A,B,C,D来实时调整控制量(即各方向绿灯时间),以使控制目标函数值(与车辆平均延误和排队长度有关)达到最小。这些在线辨识和控制计算的计算量较大,由功能强大的云计算来实现。
在本发明中,上述自适应控制方法流程如图2所示,在图2中,k为信号周期序数,uk为交通信号控制器的控制量输出(即各相位的绿时),yk为各进口方向排队长度,fk为各方向的放行车辆数,dk为各方向的到达车辆数,且有yk+1=yk+dk-fk,Jk为控制目标。
在传统的交通信号控制***中,由于各进口方向车流的平均延误无法实时测量,且车流排队长度的测量不精确,所以无法实施基于车流模型的交通信号控制。本发明用安装在驾车人车上的有源射频识别标签(tag)和分布于交叉路口各进出口方向路边的射频阅读器(reader)来分别读取车辆的进入路口(需要精心安装调试来设置一个最远阅读距离,如距离路口100米即为进入路口)和离开路口的时间点,两者之差(由云计算实现)即为某车辆在该路口的延误时间。交叉路口所有入口方向车辆(不考虑右转车辆)的延误时间平均值即为该入口方向车辆的平均延误。随着车流动态地出入交叉路口,平均延误是一个随时间变化的、可实时测量的动态参数,这为交叉路口车流的建模和自适应控制奠定了基础。
目前广泛使用的环形线圈虽然可以测量入口方向的车辆排队长度,但其脉冲计数式的测量方式导致其识别不出车辆的类型,从而降低了测量的分辨率,测量误差较大,且环形线圈长期受到车辆碾压后容易变形失效,可靠性较差。在本发明提出的基于物联网和云计算的测量方案中,各入口方向的车辆排队长度=原有排队长度+驶入车辆数驶出车辆数。其中,驶入车辆数由该入口方向射频阅读器读取,驶出车辆数由该入口对应的直行和左转出口方向射频阅读器读取。车辆数的单位为PCU(标准小客车),如果识别到的车辆不是标准小客车(车辆类型在车管所的***中有登记),则按车型标准乘以相应的系数。这样就可实现入口方向车辆排队长度的精确测量。由于物联网车辆检测环节与车辆之间是非接触式的,所以可靠性很高。
以每个进口方向车流的平均延误时间为(离散)状态变量(对于典型的十字交叉路口,状态变量有4个分量),相应方向的绿时为***的控制量,输出为各方向的排队长度,再考虑到随机干扰,就可以建立该路口的离散状态方程如下:
上述状态方程即为交叉路口的车流数学模型。
目前,国内外有关科技文献中尚未见到类似的交叉路口的车流数学模型,它为交叉路口的交通信号自适应控制提供了理论基础。
对于上述交叉路口车流的状态方程,可以用自适应控制方法进行实时控制,比如自校正控制、广义预测控制、模型参考自适应控制、自校正PID控制等,通过在线辨识模型参数A,B,C,D来实时调整控制量(各方向绿时),使以平均延误和排队长度为变量的控制目标最小化。这些在线辨识和控制计算的计算量较大,由功能强大的云计算来实现。
本发明进一步提供了交叉路口车流自适应控制***,如图3所示,该***包括:
感应模块1,用于在一个信号周期内,感知各入口和出口方向处车辆的驶入和驶出事实,驶入和驶出时间,各入口方向驶入车辆数,以及该入口对应的直行和左转出口方向的驶出车辆数;
计算模块2,用于根据所述驶入和驶出事实和时间,计算车辆经过交叉路口的入口和出口时车辆延误时间的平均值,将该平均值确定为该方向车流的平均延误;以及用于根据所述驶入车辆数和驶出车辆数计算车辆排队长度;
建模模块3,用于以每个入口方向车流的平均延误时间为离散状态变量,相应方向的绿灯时间为控制变量,各方向的排队长度为输出变量,建立交叉路口的车流数学模型;
实时控制模块4,用于对上述车流数学模型采用自适应控制方法进行实时控制。
其中,在所述感应模块1中,通过在车辆上安装有源射频识别标签,在交叉路口的入口和出口处安装射频阅读器,通过射频阅读器读取有源射频识别标签,感知车辆的驶入驶出事实和驶入驶出时间。
在所述计算模块2中,所述车辆排队长度的计算公式为:各入口方向的车辆排队长度=该入口方向原有排队长度+该入口方向驶入车辆数+该入口方向驶出车辆数;其中,车辆数单位为标准小客车PCU,当识别到的车辆不是标准小客车时,按车型标准乘以相应的系数。
在所述建模模块3中,所述车流数学模型用离散状态方程定义为:
其中,X(k)为当前时刻的车流平均延误时间向量,X(k+1)为下个时刻的车流平均延误时间向量,u(k)为绿灯时间向量,y(k)为排队长度向量,v(k)和w(k)为随机干扰向量,A、B、C、D为系数矩阵。
在所述实时控制模块4中,所述自适应控制方法包括自校正控制、广义预测控制、模型参考自适应控制、自校正PID控制。
本发明中的交叉路口车流建模及自适应控制***实施例与上述方法实施例相对应,以上述方法实施例记载内容同样用于解释本***实施例,在此不再赘述。
以上所述,仅是本发明较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明以较佳实施例公开如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当利用上述揭示的技术内容作出些许变更或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明技术是指对以上实施例所作的任何简单修改、等同变化与修饰,均属于本发明技术方案的范围内。
Claims (8)
1.一种交叉路口车流建模及自适应控制方法,其特征在于,包括以下步骤:
S1、在一个信号周期内,感知各入口和出口方向处车辆的驶入和驶出事实,驶入和驶出时间,各入口方向驶入车辆数,以及该入口对应的直行和左转出口方向的驶出车辆数;
S2、根据所述驶入和驶出事实和时间,计算车辆经过交叉路口的入口和出口时车辆延误时间的平均值,将该平均值确定为该方向车流的平均延误;根据所述驶入车辆数和驶出车辆数计算车辆排队长度;
S3、以每个入口方向车流的平均延误时间为离散状态变量,相应方向的绿灯时间为控制变量,各方向的排队长度为输出变量,建立交叉路口的车流数学模型;
S4、对上述车流数学模型采用自适应控制方法进行实时控制;
在步骤S3中,所述车流数学模型用离散状态方程定义为:
其中,X(k)为当前时刻的车流平均延误时间向量,X(k+1)为下个时刻的车流平均延误时间向量,u(k)为绿灯时间向量,y(k)为排队长度向量,v(k)和w(k)为随机干扰向量,A、B、C、D为系数矩阵。
2.如权利要求1所述的交叉路口车流建模及自适应控制方法,其特征在于,在步骤S1中,通过在车辆上安装有源射频识别标签,在交叉路口的入口和出口处安装射频阅读器,通过射频阅读器读取有源射频识别标签,感知车辆的驶入驶出事实和驶入驶出时间。
3.如权利要求1所述的交叉路口车流建模及自适应控制方法,其特征在于,在步骤S2中,所述车辆排队长度的计算公式为:各入口方向的车辆排队长度=该入口方向原有排队长度+该入口方向驶入车辆数+该入口方向驶出车辆数;其中,车辆数单位为标准小客车PCU,当识别到的车辆不是标准小客车时,按车型标准乘以相应的系数。
4.如权利要求1所述的交叉路口车流建模及自适应控制方法,其特征在于,在步骤S4中,所述自适应控制方法包括自校正控制、广义预测控制、模型参考自适应控制、自校正PID控制。
5.一种交叉路口车流自适应控制***,其特征在于,所述***包括:感应模块,用于在一个信号周期内,感知各入口和出口方向处车辆的驶入和驶出事实,驶入和驶出时间,各入口方向驶入车辆数,以及该入口对应的直行和左转出口方向的驶出车辆数;
计算模块,用于根据所述驶入和驶出事实和时间,计算车辆经过交叉路口的入口和出口时车辆延误时间的平均值,将该平均值确定为该方向车流的平均延误;以及用于根据所述驶入车辆数和驶出车辆数计算车辆排队长度;
建模模块,用于以每个入口方向车流的平均延误时间为离散状态变量,相应方向的绿灯时间为控制变量,各方向的排队长度为输出变量,建立交叉路口的车流数学模型;
实时控制模块,用于对上述车流数学模型采用自适应控制方法进行实时控制;
在所述建模模块中,所述车流数学模型用离散状态方程定义为:
其中,X(k)为当前时刻的车流平均延误时间向量,X(k+1)为下个时刻的车流平均延误时间向量,u(k)为绿灯时间向量,y(k)为排队长度向量,v(k)和w(k)为随机干扰向量,A、B、C、D为系数矩阵。
6.如权利要求5所述的交叉路口车流自适应控制***,其特征在于,在所述感应模块中,通过在车辆上安装有源射频识别标签,在交叉路口的入口和出口处安装射频阅读器,通过射频阅读器读取有源射频识别标签,感知车辆的驶入驶出事实和驶入驶出时间。
7.如权利要求5所述的交叉路口车流自适应控制***,其特征在于,在所述计算模块中,所述车辆排队长度的计算公式为:各入口方向的车辆排队长度=该入口方向原有排队长度+该入口方向驶入车辆数+该入口方向驶出车辆数;其中,车辆数单位为标准小客车PCU,当识别到的车辆不是标准小客车时,按车型标准乘以相应的系数。
8.如权利要求5所述的交叉路口车流自适应控制***,其特征在于,在所述实时控制模块中,所述自适应控制方法包括自校正控制、广义预测控制、模型参考自适应控制、自校正PID控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510257119.1A CN104900070B (zh) | 2015-05-18 | 2015-05-18 | 一种交叉路口车流建模及自适应控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510257119.1A CN104900070B (zh) | 2015-05-18 | 2015-05-18 | 一种交叉路口车流建模及自适应控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104900070A CN104900070A (zh) | 2015-09-09 |
CN104900070B true CN104900070B (zh) | 2018-08-24 |
Family
ID=54032710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510257119.1A Expired - Fee Related CN104900070B (zh) | 2015-05-18 | 2015-05-18 | 一种交叉路口车流建模及自适应控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104900070B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105788302B (zh) * | 2016-04-08 | 2018-05-04 | 华北电力大学(保定) | 一种双目标优化的城市交通信号灯动态配时方法 |
CN106373410B (zh) * | 2016-09-21 | 2018-12-21 | 青岛大学 | 一种城市交通信号优化控制方法 |
CN106920403B (zh) * | 2017-03-12 | 2019-10-29 | 浙江大学 | 一种基于阵列雷达的单点自适应控制方法 |
CN107134156A (zh) * | 2017-06-16 | 2017-09-05 | 上海集成电路研发中心有限公司 | 一种基于深度学习的智能交通灯***及其控制交通灯的方法 |
CN108806289A (zh) * | 2018-07-31 | 2018-11-13 | 河南科技大学 | 一种交通信号灯组及其控制*** |
CN108961796A (zh) * | 2018-08-17 | 2018-12-07 | 江苏师范大学 | 一种基于射频技术的红绿灯语音提醒*** |
CN112750300B (zh) * | 2019-10-29 | 2022-09-27 | 阿波罗智联(北京)科技有限公司 | 道路交叉路口的延误指标数据获取方法和装置 |
CN111145565B (zh) * | 2019-12-16 | 2020-12-15 | 银江股份有限公司 | 一种用于城市交通的协调路线和协调方案的推荐方法及*** |
CN111554109B (zh) * | 2020-04-21 | 2021-02-19 | 河北万方中天科技有限公司 | 基于排队长度的信号配时方法及终端 |
CN113762575B (zh) * | 2020-12-02 | 2024-05-21 | 北京京东乾石科技有限公司 | 输送线路径优化方法和装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004077377A1 (fr) * | 2003-02-27 | 2004-09-10 | Shaopeng Yang | Procede de regulation de la circulation routiere et installations routieres |
CN100492435C (zh) * | 2007-03-09 | 2009-05-27 | 吉林大学 | 单个交叉口混合交通信号的控制方法 |
CN101515407A (zh) * | 2009-03-04 | 2009-08-26 | 同济大学 | 基于流体动力学的城市交通控制信号的自组织化方法 |
CN103761883B (zh) * | 2014-01-29 | 2016-03-02 | 中国科学技术大学 | 一种交通信号控制的自学习方法及*** |
CN103810869B (zh) * | 2014-02-27 | 2015-09-16 | 北京建筑大学 | 一种基于动态转向比例估计的路口信号控制方法 |
-
2015
- 2015-05-18 CN CN201510257119.1A patent/CN104900070B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104900070A (zh) | 2015-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104900070B (zh) | 一种交叉路口车流建模及自适应控制方法及*** | |
CN106846835B (zh) | 一种城市区域交通信号自适应协调控制方法 | |
CN104778845B (zh) | 多相位跳变和车辆全动态诱导交通控制方法 | |
CN109410606B (zh) | 一种基于视频的主干路协同信号机控制方法 | |
CN105785795B (zh) | 一种基于粒子群算法的列车运行速度曲线节能优化方法 | |
CN101308604B (zh) | 大范围战略交通协调控制方法 | |
CN105336183A (zh) | 一种基于路段通行能力的交通拥堵控制方法及装置 | |
CN103985250A (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
CN101894461A (zh) | 城市地面道路行程时间预测方法 | |
CN108417055B (zh) | 一种基于雷达检测器的主干路协同信号机控制方法 | |
US20200202710A1 (en) | Video-based crossroad signal machine control method | |
CN103150903A (zh) | 一种自适应学习的视频车辆检测方法 | |
CN105374217A (zh) | 一种基于道路交叉口平均饱和度的信号灯自适应控制方法 | |
CN104778848A (zh) | 用于道路交叉口车辆协调优化状态的交通信号优化控制方法 | |
CN109377751A (zh) | 一种智能道路机非分隔护栏控制***及方法 | |
CN103547033B (zh) | 基于无线传感器执行器网的大型智能灯光节能控制方法 | |
CN102289937B (zh) | 基于停车线检测器的城市地面道路交通状态自动判别方法 | |
CN104123837A (zh) | 基于微波和视频数据融合的间断流行程时间估计方法 | |
CN104616538B (zh) | 一种具有停车指数分析功能的车位状态检测器和方法 | |
CN102214396A (zh) | 基于微波检测的智能交通*** | |
CN102819956A (zh) | 一种基于单截面环形线圈检测器的道路交通事件检测方法 | |
CN206249561U (zh) | 一种基于道路运力的交通自适应调节*** | |
CN116994446A (zh) | 交通信号灯智慧调控*** | |
CN114333331B (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及*** | |
Dubey et al. | Adaptive traffic control system: The smart and imperative traffic control system for India |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
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: 20180824 |