CN108847025A - 一种交通拥堵判定方法 - Google Patents

一种交通拥堵判定方法 Download PDF

Info

Publication number
CN108847025A
CN108847025A CN201810989870.4A CN201810989870A CN108847025A CN 108847025 A CN108847025 A CN 108847025A CN 201810989870 A CN201810989870 A CN 201810989870A CN 108847025 A CN108847025 A CN 108847025A
Authority
CN
China
Prior art keywords
congestion
parameter
weight
traffic
normalization
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.)
Pending
Application number
CN201810989870.4A
Other languages
English (en)
Inventor
李云霞
陈金佳
康波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201810989870.4A priority Critical patent/CN108847025A/zh
Publication of CN108847025A publication Critical patent/CN108847025A/zh
Pending legal-status Critical Current

Links

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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种交通拥堵判定方法，包括以下步骤：S1、确定交通拥堵的特征参数；S2、运用层次分析法，离线确定特征参数的权值；S3、根据拥堵指数计算公式、特征参数及特征参数的权值，判定交通拥堵等级。本发明提供的交通拥堵判定方法在对城市交通拥堵等级划分时，综合考虑了道路的通行情况、车辆运行情况和人们的感受等因素，与我国划分的道路拥堵等级相一致，将城市道路的交通拥堵等级划分为四级，即通畅、轻度拥堵、拥堵和严重拥堵，判定过程快速、高效、准确。

Description

一种交通拥堵判定方法
技术领域
本发明属于交通情况检测技术领域，具体涉及一种交通拥堵判定方法。
背景技术
国外对交通拥堵的定义是：美国道路通行交通堵塞，称交通挤、交通拥挤、交通拥堵、塞车或堵车，是指一种车多拥挤且车速缓慢的现象，通常在放假的开始和结束，或上下班尖峰时刻等时候出现。在对城市干线街道的服务水平等级划分中，将车速每小时22千米速度以下的车流称为拥堵车流；美国芝加哥运输部对道路拥堵的定义是30％或更大的5分钟车道占有率对应的交通状态；而在日本，把道路拥堵时间10分钟以上定义为交通拥堵。
我国根据城市主干路上机动车的平均行车速度，将道路的交通拥堵程度划分为四个等级。但是光凭这一个交通特征参数不能完全描述实际道路状况。
发明内容
针对现有技术中的上述不足，本发明提供的交通拥堵判定方法解决了现有的国内交通拥堵判定方法考虑因素不够全面，判定结果不够准确的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种交通拥堵判定方法，包括以下步骤：
S1、确定交通拥堵的特征参数；
S2、运用层次分析法，离线确定特征参数的权值；
S3、根据拥堵指数计算公式、特征参数及特征参数的权值，判定交通拥堵等级。
进一步地，所述步骤S1中，所述交通拥堵的特征参数包括归一化车流量f、空间占有率和归一化平均速度
所述归一化平均速度的计算公式为：
其中，v为当前行驶路段上单位时间内的平均速度；
vp为当前行驶路段允许行驶速度的上限值；
所述归一化车流量f的计算公式为：
其中，f为当前行驶路段上单位时间内车流量；
fp为当前行驶路段历史最大车流量；
所述空间占有率的计算公式为：
其中，lo为单位时间内测得当前行驶路段上所有车辆占用的长度；
l为当前行驶路段的总长度。
进一步地，所述步骤S2具体为：
S21、建立三个特征参数的判断矩阵；
S22、对判断矩阵中的三个特征参数进行重要性排序，进而确定每个特征参数的权值；
S23、对判定矩阵的权值进行一致性检验，并判断其检验结果是否小于0.1，
若是，则进入步骤S24；
若否，则修改当前判断矩阵的取值，并返回步骤S22；
S24、完成特征参数的权值确定。
进一步地，所述步骤S21中三个特征参数分别为归一化车流量、空间占有率和归一化平均速度；
所述判断矩阵B为三个特征参数两两比较其重要性而构建的标度矩阵；
建立的判断矩阵B为：
其中，i≤3，j≤3；
bij为特征参数Bi与Bj的相对重要性的标度值，其确定方法为：
当标度为1时，参数Bi与参数Bj同样重要；
当标度为3时，参数Bi与参数Bj相比，Bi比Bj稍微重要；
当标度为5时，参数Bi与参数Bj相比，Bi比Bj较强重要；
当标度为7时，参数Bi与参数Bj相比，Bi比Bj强烈重要；
当标度为9时，参数Bi与参数Bj相比，Bi比Bj极端重要；
当标度为2、4、6和8时，为标度为1、3、5、7和9中两相邻判断的中间值。
进一步地，所述步骤S22中特征参数归一化车流量、空间占有率和归一化平均速度的最大特征向量分别为M1、M2和M3；
其中，M1＝b11*b12*b13，M2＝b21*b22*b23，M3＝b31*b32*b33；
所述特征参数归一化车流量、空间占有率和归一化平均速度的权值分别为和
其中，
所述和的归一化权值向量W为：
进一步地，所述步骤S23中，对判定矩阵的权值进行一致性检验计算公式为：
其中，CR为平均一致性指标值；
CI为一致性指标值，其计算公式为：
其中，λmax为判断矩阵B的最大特征值。
进一步地，所述步骤S23中，修改当前判断矩阵的取值的方法为：重新对判断矩阵中的三个特征参数两两比较其重要性，比较过程遵循的标准。
进一步地，所述步骤S3中，所述拥堵指数μ的计算公式为：
其中，Kv,Ko,Kf分别是归一化平均速度，空间占有率，归一化车流量的权值；
分别为归一化平均速度，空间占有率，归一化车流量。
进一步地，归一化平均速度Kv，空间占有率Ko和归一化车流量Kf的权值形成的矩阵与归一化权值向量W的对应关系为：
所述对应的权值分别为和
进一步地，所述拥堵等级包括通畅、轻度拥堵、中度拥堵和严重拥堵；
当所述拥堵指数μ的取值范围为：μ>0.75时，判定拥堵等级为严重拥堵；
当所述拥堵指数μ的取值范围为：0.75>μ>0.5时，判定拥堵等级为严重拥堵；
当所述拥堵指数μ的取值范围为：0.5>μ>0.25时，判定拥堵等级为严重拥堵；
当所述拥堵指数μ的取值范围为：μ<0.25时，判定拥堵等级为严重拥堵。
当所述拥堵指数μ的取值范围为：μ<0.25时，判定拥堵等级为严重拥堵。
本发明的有益效果为：本发明提供的交通拥堵判定方法在对城市交通拥堵等级划分时，综合考虑了道路的通行情况、车辆运行情况和人们的感受等因素，与我国划分的道路拥堵等级相一致，将城市道路的交通拥堵等级划分为四级，即通畅、轻度拥堵、拥堵和严重拥堵，判定过程快速、高效、准确。
附图说明
图1为本发明提供的实施例中交通拥堵判定方法实现流程图。
图2为本发明提供的实施例中交通拥堵特征参数的权值确定方法流程图。
图3为本发明提供的实施例中道路交通拥堵情况判定示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种交通拥堵判定方法，包括以下步骤：
S1、确定交通拥堵的特征参数；
常用的交通特征参数有车流量、速度、占有率、交通密度、排队长度、车头时距。由于车辆遮挡问题，排队长度、车头间距和车头时距相对较难准确计算，交通密度的计算也比较复杂，而单一变量的交通特征参数不能完全反映交通拥堵状态及其演变过程。因此上述步骤S1中，选择交通拥堵的特征参数包括归一化车流量空间占有率和归一化平均速度作为交通拥堵判定的分析决策变量；
上述归一化平均速度的计算公式为：
其中，v为当前行驶路段上单位时间内的平均速度；
vp为当前行驶路段允许行驶速度的上限值；
上述归一化车流量的计算公式为：
其中，f为当前行驶路段上单位时间内车流量；
fp为当前行驶路段历史最大车流量；
上述空间占有率的计算公式为：
其中，lo为单位时间内测得当前行驶路段上所有车辆占用的长度；
l为当前行驶路段的总长度。
S2、运用层次分析法，离线确定特征参数的权值；
权值在一定程度上体现了各因素对交通拥堵的影响程度，实际上，在不同的道路上，这三个交通特征参数对拥堵也表现出不同的影响力，不同路段需要不同的适合该路段的权值。
在具体计算时，根据以往的数据，可以离线计算出路段交通特征参数的权值，在计算特征参数的权值时，截图采用层次分析法。层次分析法(Analytic Hierarchy Process，简称AHP)是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。
20世纪70年代初，在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时，应用网络***理论和多目标综合评价方法，提出的一种层次权重决策分析方法。而应用在本发明中，只需要建立三个元素：归一化平均速度，空间占有率，归一化车流量的判断矩阵，然后计算出三个元素的重要性排序，这就是要求的权值。
因此，如图2所示，上述步骤S2具体为：
S21、建立三个特征参数的判断矩阵；
所述步骤S21中三个特征参数分别为归一化车流量、空间占有率和归一化平均速度；
所述判断矩阵B为三个特征参数两两比较其重要性而构建的标度矩阵；
建立的判断矩阵B为：
其中，i≤3，j≤3；
bij为特征参数Bi与Bj的相对重要性的标度值，其确定方法为：
当标度为1时，参数Bi与参数Bj同样重要；
当标度为3时，参数Bi与参数Bj相比，Bi比Bj稍微重要；
当标度为5时，参数Bi与参数Bj相比，Bi比Bj较强重要；
当标度为7时，参数Bi与参数Bj相比，Bi比Bj强烈重要；
当标度为9时，参数Bi与参数Bj相比，Bi比Bj极端重要；
当标度为2、4、6和8时，为标度为1、3、5、7和9中两相邻判断的中间值。
当标度为倒数时，因素i与j相比，得判断值为bij，则因素j与i相比判断得
S22、对判断矩阵中的三个特征参数进行重要性排序，进而确定每个特征参数的权值；
上述步骤S22中特征参数归一化车流量、空间占有率和归一化平均速度的最大特征向量分别为M1、M2和M3；
其中，M1＝b11*b12*b13，M2＝b21*b22*b23，M3＝b31*b32*b33。
特征参数归一化车流量、空间占有率和归一化平均速度的权值分别为和
其中，
和的归一化权值向量W为：
W实际上就是三个特征参数的重要性排序；
S23、对判定矩阵的权值进行一致性检验，并判断其检验结果是否小于0.1，
若是，则进入步骤S24；
若否，则修改当前判断矩阵的取值，并返回步骤S22；
修改当前判断矩阵的取值的方法为：重新对判断矩阵中的三个特征参数两两比较其重要性，比较过程遵循的标准。
上述步骤S23中，对判定矩阵的权值进行一致性检验计算公式为：
其中，CR为平均一致性指标值；
CI为一致性指标值，其计算公式为：
其中，λmax为判断矩阵B的最大特征值，其计算公式为：
其中，pi为向量P中对应的特征参数值，i＝1,2,3；
P作为一个计算过程的中间计算量；
P1、P2和P3分别为特征参数值。
S24、完成特征参数的权值确定。
S3、根据拥堵指数计算公式、特征参数及特征参数的权值，判定交通拥堵等级。
上述步骤S3中，所述拥堵指数μ的计算公式为：
其中，Kv,Ko,Kf分别是归一化平均速度，空间占有率，归一化车流量的权值；
分别为归一化平均速度，空间占有率，归一化车流量。
归一化平均速度Kv，空间占有率Ko和归一化车流量Kf的权值形成的矩阵与归一化权值向量W的对应关系为：
所述对应的权值分别为和
将交通拥堵等级划分为：通畅、轻度拥堵、中度拥堵和严重拥堵；
当所述拥堵指数μ的取值范围为：μ>0.75时，判定拥堵等级为严重拥堵；表示道路非常拥堵，车辆不能自由行驶，常以低速行驶，车辆拥堵队列较长；
当所述拥堵指数μ的取值范围为：0.75>μ>0.5时，判定拥堵等级为严重拥堵；表示道路拥堵，车辆行驶不顺畅、速度明显受到其他车辆的影响；
当所述拥堵指数μ的取值范围为：0.5>μ>0.25时，判定拥堵等级为严重拥堵；表示道路状况一般，车辆行驶相对比较自由，开始受其他车辆影响较小，驾驶自由度略下降；
当所述拥堵指数μ的取值范围为：μ<0.25时，判定拥堵等级为严重拥堵；表示道路不拥堵，车辆能够顺畅的行驶，使用者基本不受其他车辆影响，驾驶自由度大。
在本发明的一个实施例中，提供了短时间内的交通拥堵判定实例，如图3 所示为人为判定的道路交通拥堵情况示意图；当前路段单位时间内的平均速度为36km/h，设定限速为60km/h，空间占有率为0.08，60帧内车流量为8，最大车流量为10。
建立判断矩阵为：
且每个特征参数的权值为：
且得到：
RI＝0.58
以上计算结果满足一致性检验要求；
因此，拥堵指数μ为：
上述判定结果为，该路段道路拥堵情况为轻度拥堵，与人为判断相符合。
本发明的有益效果为：本发明提供的交通拥堵判定方法在对城市交通拥堵等级划分时，综合考虑了道路的通行情况、车辆运行情况和人们的感受等因素，与我国划分的道路拥堵等级相一致，将城市道路的交通拥堵等级划分为四级，即通畅、轻度拥堵、拥堵和严重拥堵，判定过程快速、高效、准确。

Claims (10)

1.一种交通拥堵判定方法，其特征在于，包括以下步骤：
S1、确定交通拥堵的特征参数；
S2、运用层次分析法，离线确定特征参数的权值；
S3、根据拥堵指数计算公式、特征参数及特征参数的权值，判定交通拥堵等级。
2.根据权利要求1所述的交通拥堵判定方法，其特征在于，所述步骤S1中，所述交通拥堵的特征参数包括归一化车流量空间占有率和归一化平均速度
所述归一化平均速度的计算公式为：
其中，v为当前行驶路段上单位时间内的平均速度；
vp为当前行驶路段允许行驶速度的上限值；
所述归一化车流量的计算公式为：
其中，f为当前行驶路段上单位时间内车流量；
fp为当前行驶路段历史最大车流量；
所述空间占有率的计算公式为：
其中，lo为单位时间内测得当前行驶路段上所有车辆占用的长度；
l为当前行驶路段的总长度。
3.根据权利要求2所述的交通拥堵判定方法，其特征在于，所述步骤S2具体为：
S21、建立三个特征参数的判断矩阵；
S22、对判断矩阵中的三个特征参数进行重要性排序，进而确定每个特征参数的权值；
S23、对判定矩阵的权值进行一致性检验，并判断其检验结果是否小于0.1，
若是，则进入步骤S24；
若否，则修改当前判断矩阵的取值，并返回步骤S22；
S24、完成特征参数的权值确定。
4.根据权利要求3所述的交通拥堵判定方法，其特征在于，所述步骤S21中三个特征参数分别为归一化车流量、空间占有率和归一化平均速度；
所述判断矩阵B为三个特征参数两两比较其重要性而构建的标度矩阵；
建立的判断矩阵B为：
其中，i≤3，j≤3；
bij为特征参数Bi与Bj的相对重要性的标度值，其确定方法为：
当标度为1时，参数Bi与参数Bj同样重要；
当标度为3时，参数Bi与参数Bj相比，Bi比Bj稍微重要；
当标度为5时，参数Bi与参数Bj相比，Bi比Bj较强重要；
当标度为7时，参数Bi与参数Bj相比，Bi比Bj强烈重要；
当标度为9时，参数Bi与参数Bj相比，Bi比Bj极端重要；
当标度为2、4、6和8时，为标度为1、3、5、7和9中两相邻判断的中间值。
5.根据权利要求4所述的交通拥堵判定方法，其特征在于，所述步骤S22 中特征参数归一化车流量、空间占有率和归一化平均速度的最大特征向量分别为M1、M2和M3；
其中，M1＝b11*b12*b13，M2＝b21*b22*b23，M3＝b31*b32*b33；
所述特征参数归一化车流量、空间占有率和归一化平均速度的权值分别为和
其中，
所述和的归一化权值向量W为：
6.根据权利要求5所述的交通拥堵判定方法，其特征在于，所述步骤S23中，对判定矩阵的权值进行一致性检验计算公式为：
其中，CR为平均一致性指标值；
CI为一致性指标值，其计算公式为：
其中，λmax为判断矩阵B的最大特征值。
7.根据权利要求6所述的交通拥堵判定方法，其特征在于，所述步骤S23中，修改当前判断矩阵的取值的方法为：重新对判断矩阵中的三个特征参数两两比较其重要性，比较过程遵循的标准。
8.根据权利要求7所述的交通拥堵判定方法，其特征在于，所述步骤S3中，所述拥堵指数μ的计算公式为：
其中，Kv,Ko,Kf分别是归一化平均速度，空间占有率，归一化车流量的权值；
分别为归一化平均速度，空间占有率，归一化车流量。
9.根据权利要求8所述的交通拥堵判定方法，其特征在于，归一化平均速度Kv，空间占有率Ko和归一化车流量Kf的权值形成的矩阵与归一化权值向量W的对应关系为：
所述对应的权值分别为和
10.根据权利要求9所述的交通拥堵判定方法，其特征在于，所述拥堵等级包括通畅、轻度拥堵、中度拥堵和严重拥堵；
当所述拥堵指数μ的取值范围为：μ>0.75时，判定拥堵等级为严重拥堵；
当所述拥堵指数μ的取值范围为：0.75>μ>0.5时，判定拥堵等级为严重拥堵；
当所述拥堵指数μ的取值范围为：0.5>μ>0.25时，判定拥堵等级为严重拥堵；
当所述拥堵指数μ的取值范围为：μ<0.25时，判定拥堵等级为严重拥堵。
CN201810989870.4A 2018-08-28 2018-08-28 一种交通拥堵判定方法 Pending CN108847025A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810989870.4A CN108847025A (zh) 2018-08-28 2018-08-28 一种交通拥堵判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810989870.4A CN108847025A (zh) 2018-08-28 2018-08-28 一种交通拥堵判定方法

Publications (1)

Publication Number Publication Date
CN108847025A true CN108847025A (zh) 2018-11-20

Family

ID=64189424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810989870.4A Pending CN108847025A (zh) 2018-08-28 2018-08-28 一种交通拥堵判定方法

Country Status (1)

Country Link
CN (1) CN108847025A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934496A (zh) * 2019-03-14 2019-06-25 北京百度网讯科技有限公司 区域间通行影响确定方法、装置、设备和介质
CN110310476A (zh) * 2019-05-06 2019-10-08 平安国际智慧城市科技股份有限公司 道路拥堵程度的评估方法、装置、计算机设备及存储介质
CN113435675A (zh) * 2020-03-23 2021-09-24 上海浦东建筑设计研究院有限公司 一种基于移动危化品运输的道路分级方法及其应用
CN116468313A (zh) * 2023-03-31 2023-07-21 中国人民解放军军事科学院***工程研究院 一种道路通行能力评价方法及装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101540099A (zh) * 2008-03-17 2009-09-23 上海宝康电子控制工程有限公司 道路交通状态判断方法及***
CN101866549A (zh) * 2009-04-14 2010-10-20 北京宏德信智源信息技术有限公司 区域交通服务水平微观指标及评价方法
CN102831320A (zh) * 2012-08-29 2012-12-19 江苏省环境监测中心 流域水环境有机污染物监测全过程质控指标评价方法***
CN103177395A (zh) * 2012-12-28 2013-06-26 中国电力科学研究院 一种基于社会期望的智能配电网节能减排综合评价方法
CN103593976A (zh) * 2013-11-28 2014-02-19 青岛海信网络科技股份有限公司 基于检测器确定道路交通状态的方法及***
US20150094941A1 (en) * 2006-03-03 2015-04-02 Inrix, Inc. Filtering road traffic data from multiple data sources
CN105336169A (zh) * 2015-12-09 2016-02-17 青岛海信网络科技股份有限公司 一种基于视频判断交通拥堵的方法和***
CN105513354A (zh) * 2015-12-22 2016-04-20 电子科技大学 基于视频的城市道路交通拥堵检测***
CN106056303A (zh) * 2016-06-13 2016-10-26 宁波工程学院 一种城市地铁站拥挤度自动判定方法
CN106097726A (zh) * 2016-08-23 2016-11-09 苏州科达科技股份有限公司 检测区域的确定、交通信息检测方法及装置
CN107248284A (zh) * 2017-08-09 2017-10-13 北方工业大学 基于多源信息融合的实时交通评价方法
CN107274670A (zh) * 2017-07-06 2017-10-20 盐城工学院 校园交通评估方法及装置
CN108448606A (zh) * 2018-04-09 2018-08-24 国家电网公司 ±1100kV特高压直流工程主接线拓扑结构评估方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150094941A1 (en) * 2006-03-03 2015-04-02 Inrix, Inc. Filtering road traffic data from multiple data sources
CN101540099A (zh) * 2008-03-17 2009-09-23 上海宝康电子控制工程有限公司 道路交通状态判断方法及***
CN101866549A (zh) * 2009-04-14 2010-10-20 北京宏德信智源信息技术有限公司 区域交通服务水平微观指标及评价方法
CN102831320A (zh) * 2012-08-29 2012-12-19 江苏省环境监测中心 流域水环境有机污染物监测全过程质控指标评价方法***
CN103177395A (zh) * 2012-12-28 2013-06-26 中国电力科学研究院 一种基于社会期望的智能配电网节能减排综合评价方法
CN103593976A (zh) * 2013-11-28 2014-02-19 青岛海信网络科技股份有限公司 基于检测器确定道路交通状态的方法及***
CN105336169A (zh) * 2015-12-09 2016-02-17 青岛海信网络科技股份有限公司 一种基于视频判断交通拥堵的方法和***
CN105513354A (zh) * 2015-12-22 2016-04-20 电子科技大学 基于视频的城市道路交通拥堵检测***
CN106056303A (zh) * 2016-06-13 2016-10-26 宁波工程学院 一种城市地铁站拥挤度自动判定方法
CN106097726A (zh) * 2016-08-23 2016-11-09 苏州科达科技股份有限公司 检测区域的确定、交通信息检测方法及装置
CN107274670A (zh) * 2017-07-06 2017-10-20 盐城工学院 校园交通评估方法及装置
CN107248284A (zh) * 2017-08-09 2017-10-13 北方工业大学 基于多源信息融合的实时交通评价方法
CN108448606A (zh) * 2018-04-09 2018-08-24 国家电网公司 ±1100kV特高压直流工程主接线拓扑结构评估方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
任其亮: "时空路网交通拥堵预测与疏导决策方法研究", 《中国博士学位论文全文数据库工程科技II辑》 *
戴欣佚: ""农业生态旅游资源评价模型构建分析——以南京市为例"", 《中国农业资源与区划》 *
朱玲等: ""低碳农业经济指标体系构建及对江苏省的评价"", 《中国农业资源与区划》 *
王丹丹等: ""基于分布式模型模拟的茶树种植适宜性区划"", 《气象科学》 *
赵凌晓: ""高速公路工程造价管理绩效评价研究"", 《湖南交通科技》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109934496A (zh) * 2019-03-14 2019-06-25 北京百度网讯科技有限公司 区域间通行影响确定方法、装置、设备和介质
CN110310476A (zh) * 2019-05-06 2019-10-08 平安国际智慧城市科技股份有限公司 道路拥堵程度的评估方法、装置、计算机设备及存储介质
CN113435675A (zh) * 2020-03-23 2021-09-24 上海浦东建筑设计研究院有限公司 一种基于移动危化品运输的道路分级方法及其应用
CN113435675B (zh) * 2020-03-23 2024-04-16 上海浦东建筑设计研究院有限公司 一种基于移动危化品运输的道路分级方法及其应用
CN116468313A (zh) * 2023-03-31 2023-07-21 中国人民解放军军事科学院***工程研究院 一种道路通行能力评价方法及装置

Similar Documents

Publication Publication Date Title
CN108847025A (zh) 一种交通拥堵判定方法
CN104157139B (zh) 一种交通拥堵预测方法及可视化方法
CN102637357B (zh) 一种区域交通状态评价方法
Polus et al. New consistency model for rural highways and its relationship to safety
CN112201038B (zh) 一种基于单车不良驾驶行为风险的路网风险评估方法
CN106920040A (zh) 基于模糊层次分析的高速公路隧道交通事故风险评估方法
CN105405293A (zh) 一种道路旅行时间短期预测方法和***
CN109002622B (zh) 一种随机车流作用下大跨径桥梁总体荷载响应估算方法
CN108921372A (zh) 基于层次分析和可拓物元的高速公路隧道运营安全风险评价方法
CN106780266B (zh) 基于主成分贡献度参数的事故热点内特性分析及行车指导方法
CN107123268B (zh) 一种平面交叉***通安全状态评估方法
CN114187766A (zh) 一种基于饱和率的道路服务水平评价方法
Wang et al. ARIMA Model and Few‐Shot Learning for Vehicle Speed Time Series Analysis and Prediction
Zhang et al. Assessing the impacts of signal coordination on the crash risks of various driving cohorts
Pais et al. A multicriteria methodology for maintenance planning of cycling infrastructure
Edries et al. Forecasting the Fatality Rate of Traffic Accidents in Jordan: Applications of Time-Series, Curve Estimation, and Multiple Linear Regression Models.
CN111127885B (zh) 一种低排放城市区域的交通管控方法及其***
CN107886715B (zh) 道路行驶时间的预测方法和***
Manghat et al. Automobile level of service criteria for two-lane undivided heterogeneous urban corridors
CN108734963A (zh) 一种基于多元非线性回归的车辆超载判定方法
CN108922191A (zh) 一种基于软集合的行程时间的计算方法
CN110610611B (zh) 面向混行交通流中智能网联车辆的行车安全性评价方法
Polus et al. An enhanced, integrated design-consistency model for both level and mountainous highways and its relationship to safety
Shang et al. Inclement weather impacts on urban traffic conditions
Kwon et al. Adaptive coordination of ramp meter and intersection signal for optimal management of freeway corridor

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181120

RJ01 Rejection of invention patent application after publication