CN105046983B - 一种基于车路协同的交通流量预测***及方法 - Google Patents
一种基于车路协同的交通流量预测***及方法 Download PDFInfo
- Publication number
- CN105046983B CN105046983B CN201510377801.4A CN201510377801A CN105046983B CN 105046983 B CN105046983 B CN 105046983B CN 201510377801 A CN201510377801 A CN 201510377801A CN 105046983 B CN105046983 B CN 105046983B
- Authority
- CN
- China
- Prior art keywords
- data
- traffic
- traffic flow
- vehicle
- range communication
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000013439 planning Methods 0.000 claims abstract description 19
- 238000013459 approach Methods 0.000 claims abstract description 3
- 238000004891 communication Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 17
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 claims description 11
- 238000013277 forecasting method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于车路协同的交通流量预测***及方法,通过路边单元获取路径规划数据,根据路径规划数据可以进行预测交通路况,相较于一般的交通流量预测***,本发明提供的交通流量预测***及方法更有效。一般的交通流量预测***,是根据当前已经形成的交通路况,提醒驾车出行者避让拥堵路段,而本发明提供的交通流量预测***,可以预测交通路况,及时提醒驾车出行者规划合理路径,避免交通拥堵,分散拥堵路段的交通量。
Description
技术领域
本发明主要涉及车路协同技术领域,具体涉及一种基于车路协同的交通流量预测***及方法。
背景技术
交通流量指的是在一段时间内通过道路某一地点、某一断面或某一车道的交通实体数。随着交通基础设施建设和智能运输***的发展,交通规划和交通诱导已成为交通领域研究的热点。对于交通规划和交通诱导来说,准确的交通流量预测是其实现的前提和关键。交通流量预测根据时间跨度可分为长期交通流量预测和短期交通流量预测,长期交通流量预测以小时、天、月甚至年为时间单位,是宏观意义上的预测;短期交通流量预测一般的时间跨度不超过15分钟,是微观意义上的预测。短期交通流量预测是智能运输***的核心内容和实现其智能化功能的基础平台。短期交通流量预测具有高度非线性和不确定性等特点,并且同时间相关性较强,研究表明,城市交通路网中交通路段上某时刻的交通流量与本路段前几个时段的交通流量有关,并且交通流量具有24小时内准周期的特征。
本发明主要针对短期交通流量预测。
目前,世界上应用比较多的动态交通信息采集设备主要是固定型的断面交通信息采集设备。但是这个技术所提供的交通流量信息有一定的局限性,所提供的交通流量信息只是反映当前的交通状况和速度,而驾车出行是一个持续的过程,道路交通复杂,且变化快。驾驶者获取到当前的相关的交通流量信息,比如提示通过某一地点交通通畅,到达了以后,或许交通状况已经发生了变化。这样的交通流量信息对于交通管理部门的分布管理力量,有一定的现实意义,但对于驾车出行者避免拥堵、便捷出行的意义不大。
为了解决上述问题,本文提出了一种基于车路协同的交通流量预测***及方法。
发明内容
本发明的目的是提供一种基于车路协同的交通流量预测***及方法,为驾车出行者提供切实的道路交通信息,分散拥挤路段的交通量,避免交通拥堵,提高交通运输效率。
为了实现上述目的,本发明采用以下技术方案:
本发明提供了一种基于车路协同的交通流量预测***,包括:路边单元、车载单元、交通路况预测单元。
所述路边单元包括:车辆数据接收模块、车辆数据处理模块、专用短程通信(DSRC,Dedicated Short Range Communication)模块、交通流数据发送模块。
所述车载单元包括:专用短程通信(DSRC,Dedicated Short RangeCommunication)模块、车辆数据发送模块、导航模块、交通路况预测数据接收模块。
所述交通路况预测单元包括:专用短程通信(DSRC,Dedicated Short RangeCommunication)模块、交通流数据接收模块、交通流数据处理模块、交通路况预测数据发送模块。
所述车辆数据是指车辆位置、速度基本行驶数据以及路径规划数据。所述车辆位置、速度以及路径规划数据通过车载单元获取。所述路径规划数据是指车辆目的地、途径地点数据。
所述交通流数据是指通过某一地点实时预测交通流数据。所述交通路况预测数据是指根据所述交通流数据,结合通过某一地点最大交通流数据,得到的实时预测交通路况信息。比如通过某一地点最大交通流为每分钟100辆汽车,实时预测交通流为每分钟120辆汽车,则实时预测该地点交通拥堵。
本发明还提供了一种基于车路协同的交通流量预测方法,其特征在于:
步骤一、采集车辆数据。通过路边单元采集一定范围内的车辆数据,所述车辆数据是指车辆位置、速度基本行驶数据以及路径规划数据。
步骤二、处理接收到的车辆数据。路边单元通过专用短程通信接收一定范围内的车辆数据,对接收到的车辆数据进行处理,得到实时预测交通流数据。
步骤三、实时预测交通路况。交通路况预测单元根据实时预测交通流数据,判断实时交通路况,并将实时预测交通路况数据通过专用短程通信发送到车载单元。
步骤一进一步包含:
(1)车载单元通过专用短程通信向路边单元发送本车辆数据,所述车辆数据是指车辆位置、速度基本行驶数据以及路径规划数据。
(2)路边单元通过专用短程通信接收车载单元发送的车辆数据。
步骤二进一步包含:
(1)路边单元车辆数据处理模块,对路径规划数据和车辆位置基本行驶数据进行处理,判断是在高速路况还是在城市路况下。
(2)在高速路况下,结合车辆速度,((最低限速+最高限速)/2+当前车速)/2=路段预测交通流。假设车辆行驶速度不低于最低限速60km/h,不高于最高限速120km/h,取当前车速和90km/h的平均值,预测15分钟后,某路段的交通流。如当前车速为100km/h,取车速平均值为95km/h。在城市路况下,结合车辆速度,假设车辆行驶速度不低于10km/h,不高于80km/h,取当前车速和45km/h的平均值,预测15分钟后,某路段的交通流。如当前车速为60km/h,取车速平均值为52.5km/h。
步骤三进一步包含:
(1)交通路况预测单元交通流数据处理模块,对交通流数据进行处理,判断实时交通路况。
(2)交通路况预测单元交通路况预测数据发送模块,将实时预测交通路况数据通过专用短程通信发送到车载单元。
本发明提供的技术方案的有益效果是:
本发明提供了一种基于车路协同的交通流量预测***及方法,通过路边单元获取路径规划数据,根据路径规划数据可以进行预测交通路况,相较于一般的交通流量预测***,本发明提供的交通流量预测***及方法更有效。一般的交通流量预测***,是根据当前已经形成的交通路况,提醒驾车出行者避让拥堵路段,而本发明提供的交通流量预测***,可以预测交通路况,及时提醒驾车出行者规划合理路径,避免交通拥堵,分散拥堵路段的交通量。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,提供如下附图进行说明:
图1为本发明基于车路协同的交通流量预测***实施例结构示意图;
图2为本发明基于车路协同的交通流量预测方法实施例流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1为本发明基于车路协同的交通流量预测***实施例结构示意图。本发明提供一种基于车路协同的交通流量预测***,包含:路边单元、车载单元、交通路况预测单元。
所述路边单元包括:车辆数据接收模块、车辆数据处理模块、专用短程通信(DSRC,Dedicated Short Range Communication)模块、交通流数据发送模块。
所述车载单元包括:专用短程通信(DSRC,Dedicated Short RangeCommunication)模块、车辆数据发送模块、导航模块、交通路况预测数据接收模块。
所述交通路况预测单元包括:专用短程通信(DSRC,Dedicated Short RangeCommunication)模块、交通流数据接收模块、交通流数据处理模块、交通路况预测数据发送模块。
图2为本发明基于车路协同的交通流量预测方法实施例流程图。本发明提供一种基于车路协同的交通流量预测***及方法,包含:步骤一、采集车辆数据。通过路边单元采集一定范围内的车辆数据,所述车辆数据是指车辆位置、速度基本行驶数据以及路径规划数据;步骤二、处理接收到的车辆数据。路边单元通过专用短程通信接收一定范围内的车辆数据,对接收到的车辆数据进行处理,得到实时预测交通流数据;步骤三、实时预测交通路况。交通路况预测单元根据实时预测交通流数据,判断实时交通路况,并将实时预测交通路况数据通过专用短程通信发送到车载单元。
在采集车辆数据的过程中,路边单元采集车辆数据的范围在1km以内,路边单元采集车辆数据是区域性的。路边单元处理接收到的车辆数据方法:(1)路边单元车辆数据处理模块,对路径规划数据和车辆位置基本行驶数据进行处理,判断是在高速路况还是在城市路况下。(2)在高速路况下,结合车辆速度,假设车辆行驶速度不低于最低限速60km/h,不高于最高限速120km/h,取当前车速和90km/h的平均值,预测15分钟后,某路段的交通流。如当前车速为100km/h,取车速平均值为95km/h。在城市路况下,结合车辆速度,假设车辆行驶速度不低于10km/h,不高于80km/h,取当前车速和45km/h的平均值,预测15分钟后,某路段的交通流。如当前车速为60km/h,取车速平均值为52.5km/h。
交通路况预测单元交通流数据处理模块,对交通流数据进行处理,判断实时交通路况。判断实时交通路况方法:根据交通流数据计算得到实时预测交通流,与通过某一地点最大交通流相比较,以此作为判断依据。比如通过某一地点最大交通流为每分钟100辆汽车,实时预测交通流为每分钟120辆汽车,则实时预测该地点交通拥堵。
以上仅为本发明的典型实例而已,并非用来限定本发明的实施范围。即凡依照本发明申请专利范围所作的均等变化与修饰,皆为本发明专利范围所覆盖。
Claims (5)
1.一种基于车路协同的交通流量预测***的预测方法,其特征在于:所述预测***包括路边单元、车载单元和交通路况预测单元;通过所述车载单元获取车辆数据,所述车辆数据包括车辆位置、速度基本行驶数据以及路径规划数据;所述路径规划数据是指车辆目的地、途径地点数据;
所述路边单元包括:车辆数据接收模块、车辆数据处理模块、专用短程通信(DSRC,Dedicated Short Range Communication)模块、交通流数据发送模块;
交通流数据是指通过某一地点实时预测交通流数据;交通路况预测数据是指根据所述交通流数据,结合通过某一地点最大交通流数据,得到的实时预测交通路况信息;
路边单元车辆数据处理模块,对路径规划数据和车辆位置基本行驶数据进行处理,判断是在高速路况还是在城市路况下,并根据车辆速度结合路况对应的最高限速、最低限速计算出预测交通流数据;
所述预测方法包括如下步骤:
步骤一、采集车辆数据:通过路边单元采集一定范围内的车辆数据,所述车辆数据是指车辆位置、速度基本行驶数据以及路径规划数据;
步骤二、处理接收到的车辆数据:路边单元通过专用短程通信(DSRC,Dedicated ShortRange Communication)接收一定范围内的车辆数据,对接收到的车辆数据进行处理,得到实时预测交通流数据;
步骤三、实时预测交通路况:交通路况预测单元根据实时预测交通流数据,判断实时交通路况,并将实时预测交通路况数据通过专用短程通信(DSRC,Dedicated Short RangeCommunication)发送到车载单元;
所述步骤二进一步包含:
(1)路边单元车辆数据处理模块,对路径规划数据和车辆位置基本行驶数据进行处理,判断是在高速路况还是在城市路况下;
(2)在高速路况下,结合车辆速度计算,((最低限速+最高限速)/2+当前车速)/2=路段预测交通流。
2.根据权利要求1所述的基于车路协同的交通流量预测***的预测方法,其特征在于,所述车载单元包括:专用短程通信(DSRC,Dedicated Short Range Communication)模块、车辆数据发送模块、导航模块、交通路况预测数据接收模块。
3.根据权利要求1所述的基于车路协同的交通流量预测***的预测方法,其特征在于,所述交通路况预测单元包括:专用短程通信(DSRC,Dedicated Short RangeCommunication)模块、交通流数据接收模块、交通流数据处理模块、交通路况预测数据发送模块。
4.根据权利要求1所述的基于车路协同的交通流量预测***的预测方法,其特征在于,所述步骤一进一步包含:
(1)车载单元通过专用短程通信向路边单元发送本车辆数据,所述车辆数据是指车辆位置、速度基本行驶数据以及路径规划数据;
(2)路边单元通过专用短程通信接收车载单元发送的车辆数据。
5.根据权利要求1所述的基于车路协同的交通流量预测***的预测方法,其特征在于,所述步骤三进一步包含:
(1)交通路况预测单元交通流数据处理模块,对交通流数据进行处理,判断实时交通路况;
(2)交通路况预测单元交通路况预测数据发送模块,将实时预测交通路况数据通过专用短程通信发送到车载单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510377801.4A CN105046983B (zh) | 2015-08-14 | 2015-08-14 | 一种基于车路协同的交通流量预测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510377801.4A CN105046983B (zh) | 2015-08-14 | 2015-08-14 | 一种基于车路协同的交通流量预测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105046983A CN105046983A (zh) | 2015-11-11 |
CN105046983B true CN105046983B (zh) | 2019-01-25 |
Family
ID=54453485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510377801.4A Active CN105046983B (zh) | 2015-08-14 | 2015-08-14 | 一种基于车路协同的交通流量预测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046983B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513425B (zh) * | 2016-01-18 | 2018-02-27 | 江苏大学 | 一种车辆碰撞风险算法及事故预警方法 |
CN107105413A (zh) * | 2016-02-19 | 2017-08-29 | 苏州溥诺斯智能科技有限公司 | 一种基于可靠消息广播机制自组织网络的港口车辆智能网联*** |
CN105608918B (zh) * | 2016-03-31 | 2018-09-04 | 宇龙计算机通信科技(深圳)有限公司 | 一种路况信息监控方法和*** |
CN105913678B (zh) * | 2016-06-29 | 2018-10-02 | 盐城旷智科技有限公司 | 基于交通流量信息的远程导航*** |
CN106781591A (zh) * | 2016-12-19 | 2017-05-31 | 吉林大学 | 一种基于车路协同的城市车辆导航*** |
CN107067767A (zh) * | 2017-06-27 | 2017-08-18 | 奇瑞汽车股份有限公司 | 基于dsrc的智能交通*** |
CN109035816A (zh) * | 2018-09-25 | 2018-12-18 | 济南大学 | 一种基于数据预测的智能潮汐交通灯 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777253A (zh) * | 2009-12-24 | 2010-07-14 | 戴磊 | 一种实时路况采集、分析与反馈及智能交通综合服务*** |
CN102353380A (zh) * | 2011-06-30 | 2012-02-15 | 福建慧翰信息技术有限公司 | 路况预测和查询***及方法 |
CN103557870A (zh) * | 2013-10-09 | 2014-02-05 | 董路 | 一种动态轨迹导航方法及云平台 |
CN103606270A (zh) * | 2013-11-27 | 2014-02-26 | 重庆邮电大学 | 一种车路协同通信方法及*** |
CN104197948A (zh) * | 2014-09-11 | 2014-12-10 | 东华大学 | 一种基于交通信息预测的导航***及导航方法 |
CN104751669A (zh) * | 2015-03-20 | 2015-07-01 | 江苏大学 | 一种基于车联网的智能驾驶辅助***及方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6999001B2 (en) * | 2002-07-02 | 2006-02-14 | Kabushiki Kaisha Toshiba | Card processing system and card processing method on toll road |
US7804423B2 (en) * | 2008-06-16 | 2010-09-28 | Gm Global Technology Operations, Inc. | Real time traffic aide |
CN102930738A (zh) * | 2012-10-25 | 2013-02-13 | 北京交通大学 | 一种车辆定位及交通流量检测***与方法 |
CN103761876B (zh) * | 2014-01-10 | 2015-12-02 | 山东大学 | 基于车路协同的道路交通信息采集方法 |
CN104021680A (zh) * | 2014-06-18 | 2014-09-03 | 兴天通讯技术(天津)有限公司 | 基于移动终端的交通流预测方法及预测*** |
CN104637315B (zh) * | 2015-02-06 | 2016-07-13 | 北京交通大学 | 车路协同环境下的无信号交叉口优化控制方法和*** |
CN104680820B (zh) * | 2015-02-12 | 2017-02-01 | 浙江大学 | 一种基于梯度场的交通流车联网***及交通流控制方法 |
-
2015
- 2015-08-14 CN CN201510377801.4A patent/CN105046983B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777253A (zh) * | 2009-12-24 | 2010-07-14 | 戴磊 | 一种实时路况采集、分析与反馈及智能交通综合服务*** |
CN102353380A (zh) * | 2011-06-30 | 2012-02-15 | 福建慧翰信息技术有限公司 | 路况预测和查询***及方法 |
CN103557870A (zh) * | 2013-10-09 | 2014-02-05 | 董路 | 一种动态轨迹导航方法及云平台 |
CN103606270A (zh) * | 2013-11-27 | 2014-02-26 | 重庆邮电大学 | 一种车路协同通信方法及*** |
CN104197948A (zh) * | 2014-09-11 | 2014-12-10 | 东华大学 | 一种基于交通信息预测的导航***及导航方法 |
CN104751669A (zh) * | 2015-03-20 | 2015-07-01 | 江苏大学 | 一种基于车联网的智能驾驶辅助***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105046983A (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046983B (zh) | 一种基于车路协同的交通流量预测***及方法 | |
CN108364494B (zh) | 道路交通智能管理方法、***及平台 | |
CN101916509B (zh) | 一种用户自助的实时交通路况分享方法 | |
CN109191876B (zh) | 一种基于车联网技术的特殊车辆交通诱导***及其控制方法 | |
CN103177561B (zh) | 公交实时路况的生成方法 | |
CN104200649B (zh) | 基于预先申请的交通高峰期路线资源调度分配***与方法 | |
CN102081859B (zh) | 一种公交车到站时间预测模型控制方法 | |
CN111862606B (zh) | 一种基于多源数据的非法营运车辆识别方法 | |
CN109003467A (zh) | 一种防止车辆碰撞的方法、装置及*** | |
Booysen et al. | Informal public transport in Sub-Saharan Africa as a vessel for novel Intelligent Transport Systems | |
CN106710218A (zh) | 一种公交车到站时间预测方法 | |
CN104316068A (zh) | 基于电动汽车的导航的方法、装置及*** | |
CN101615340A (zh) | 公交动态调度中的实时信息处理方法 | |
CN107564310A (zh) | 一种基于道路交通信息云处理的车路互联***及方法 | |
CN103794044A (zh) | 结合车联网和跟弛换算的交通控制方法及*** | |
CN102324182A (zh) | 基于蜂窝网络的交通道路信息检测***及其检测方法 | |
CN109703389A (zh) | 基于新能源公交车的车桩网一体化充电调度装置及方法 | |
CN104580337A (zh) | 基于3g通讯技术的物联网全程监控的多目标优化计算方法 | |
CN106323311B (zh) | 一种行车路线规划方法及装置 | |
CN202008739U (zh) | 一种路况信息车载服务*** | |
CN203165234U (zh) | 智能出行与最佳车位导航装置 | |
CN103942952A (zh) | 一种路网功能层次状态等级评估方法 | |
CN106845476B (zh) | 一种基于北斗和图像识别技术的hov车道管理***及方法 | |
CN104599188A (zh) | 基于无线pda的移动校车安全全程监控的多目标优化计算方法 | |
CN205862601U (zh) | 一种云计算导航*** |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220301 Address after: 241009 Wuhu economic and Technological Development Zone, Anshan, Wuhu, Anhui Patentee after: Wuhu Sambalion auto technology Co.,Ltd. Address before: 241009 No. 8, Changchun Road, Wuhu economic and Technological Development Zone, Anhui, China Patentee before: CHERY AUTOMOBILE Co.,Ltd. |