CN108932855A - 道路交通控制***、方法以及电子设备 - Google Patents
道路交通控制***、方法以及电子设备 Download PDFInfo
- Publication number
- CN108932855A CN108932855A CN201710364565.1A CN201710364565A CN108932855A CN 108932855 A CN108932855 A CN 108932855A CN 201710364565 A CN201710364565 A CN 201710364565A CN 108932855 A CN108932855 A CN 108932855A
- Authority
- CN
- China
- Prior art keywords
- traffic
- pedestrian
- parameter
- traffic conditions
- road
- 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
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种道路交通控制***,包括:视频交通信息分析模块,用于从视频交通信息中获取路网的交通情况参数;交通情况预测模块,用于根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;实际交通情况评估模块,用于基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;交通控制决策模块,用于根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。降低了路网中交叉口的机动车与行人、非机动车之间的交通冲突,从而有效改善了路网中交叉口的交通拥堵情况。
Description
技术领域
本申请涉及智能交通领域,具体涉及一种道路交通控制***。本申请同时涉及一种道路交通控制方法以及装置,另一种道路交通控制方法以及***,,两种电子设备,以及两种计算机可读介质。
背景技术
在当下环境下,汽车的持有量年年上升,致使交通越来越拥堵。尤其在出行高峰时段,机动车与行人流量都较大的情况下,如何解决人车冲突,保证机动车与行人都能顺利通行就显得尤为重要。随着信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效的运用于整个交通管理***,逐渐的建立起了更加高效的综合管理交通的智能交通***。
目前智能交通***中已经提供了一些交通优化方案。一种交通优化方案是基于细胞自动机的信号控制交叉***通流模拟,该方案是应用细胞自动机方法对信号控制交叉口的动态交通流进行建模和模拟,可以使比较复杂的交通状态用相对简单的计算来实现,通过比较模拟结果和原始输入方案来进行优化信号配时;该方案虽然使交通状态变得更为简化,但是没有具体解决行人与机动车之间的冲突问题。
另一种交通优化方案是,混合交通条件下单点交叉口信号配时优化,该方案立足于城市道路交通混合交通流运行特性及构成,将混合交通流对信号控制方案的影响归纳为交叉口机动车与慢行交通之间路权的不合理分配以及路段行人过街信号对机动车流的干扰;该方案虽然考虑了行人与机动车之间的相互影响,但是主要以机动车为侧重点,没有充分考虑行人的通行。
上述现有技术方案主要依靠GPS、地磁感应等来主要来自机动车辆的交通流量数据,而没有有效的方式全面获得行人以及非机动车的交通情况信息,导致存在明显的数据偏差,致使这些方案均无法有效的综合考虑机动车,行人和非机动车等各种交通使用主体,难以获得最佳的控制效果。
发明内容
本申请提供一种道路交通控制***,以解决现有道路交通控制方案中机动车与行人、非机动车存在交通冲突的问题。
本申请还提供一种道路交通控制方法以及装置,另一种道路交通控制方法以及***,两种电子设备,以及两种计算机可读介质。
本申请提供一种道路交通控制***,包括:
视频交通信息分析模块,用于从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
交通情况预测模块,用于根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
实际交通情况评估模块,用于基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
交通控制决策模块,用于根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
可选的,包括:非视频交通信息获取模块,用于获取非视频方式获得的交通情况信息,并形成相应的交通情况参数。
可选的,所述交通情况预测模块包括交通控制参数提取子模块;
所述交通控制参数提取子模块,用于根据接收到的交通情况参数,分析并提取出交通控制参数;所述交通情况预测模块根据所述交通情况参数对未来时间段的交通情况进行预测,其中的交通情况参数使用所述交通控制参数。
可选的,所述的交通控制参数,包括下述参数当中的至少一项:
机动车流量、机动车速度、机动车排队长度、行人和/或非机动车流量、行人和/或非机动车速度。
可选的,所述实际交通情况评估模块,包括交通评价参数提取子模块;
所述交通评价参数提取子模块,用于根据接收到的交通情况参数,分析并提取出交通评价参数;所述实际交通情况评估模块基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,采用所述交通评价参数进行评估。
可选的,所述的交通评价参数,包括下述参数当中的至少一项:
机动车排队长度、机动车通行能力、机动车延误、行人和/或非机动车通行能力、行人和/或非机动车排队长度。
可选的,所述可控交通元素,包括下述至少一项:
红绿灯配时,增加/减少红绿灯,增加或减少左转车道,增加或减少调头车道,增加或减少右转车道,增加或减少直行车道,设置单行道,调整去向车道和来向车道的数目,增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道。
可选的,所述根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案,采用如下方式实现:
根据所述交通情况预测结果,获得所述路网中一个或多个路段的交通流量的预测值,以及一个或多个路段的交叉口的道路交通的预测值;
获取所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
对所述路网中一个或多个路段的交叉***通信号进行配时优化。
可选的,所述路网中一个或多个路段的交通流量,包括:
单位时间内到达道路某一截面的车辆数量、行人数量和/或非机动车数量。
可选的,所述交叉口的道路交通,至少包括如下参数:
排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间。
可选的,所述优化算法包括:线性规划方法;所述对所述路网中一个或多个路段的交叉口信号进行配时优化采用所述线性规划方法,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
可选的,所述优化目标包括:
所述路网中一个或多个路段的机动车流量之间的差值小于预设的流量阈值。
可选的,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
其中,所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
所述控制方案通过计算所述线性目标函数的最小值确定。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
计算所述信号周期内所有车辆的总延误时间;
根据所述信号周期内到达的车辆数,计算所述信号周期内每辆车的平均延误时间。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
可选的,所述总延误时间等于下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时。
可选的,根据所述控制方案对所述路网中一个或多个路段的可控交通元素进行优化,在优化后,基于优化后获得的交通情况参数,根据所述交通情况评价模型评估优化后的交通情况,获得优化后交通情况评估结果。
可选的,所述交通情况评估结果,包括:
所述路网中一个或多个路段交通流量的均衡程度,所述路网中拥堵路段和拥堵路段的数量。
可选的,所述可控交通元素的控制方案,包括下述道路交通优化方式当中的至少一种:
增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道,以及生成道路规划建议和/或道路扩建优化建议。
本申请还提供一种道路交通控制方法,包括:
从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
本申请还提供一种道路交通控制装置,包括:
视频交通信息分析单元,用于从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
交通情况预测单元,用于根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
实际交通情况评估单元,用于基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
交通控制决策单元,用于根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
本申请另外提供第二种道路交通控制方法,包括:
获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
可选的,使用线性规划方法确定所述配时优化方案;所述使用线性规划方法确定所述配时优化方案,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
可选的,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
其中,所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
通过计算所述线性目标函数的最小值确定所述配时优化方案。
可选的,所述通过计算所述线性目标函数的最小值确定所述配时优化方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
本申请还提供一种道路交通控制***,包括:
交通情况预测模块,用于获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
交通情况参数获取模块,用于获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
交通控制优化模块,基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
本申请还提供一种电子设备,包括:
存储器,以及处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
本申请另外提供一种电子设备,包括:
存储器,以及处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
本申请还提供一种计算机可读介质,其上存储有指令,所述指令被执行以用于:
从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
本申请另外提供一种计算机可读介质,其上存储有指令,所述指令被执行以用于:
获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
与现有技术相比,本申请具有以下优点:
本申请提供的道路交通控制***,包括:从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
所述道路交通控制***,利用视频分析技术,通过城市内高覆盖的摄像头来获取交通数据,与基于GPS、地磁感应获得交通流量数据的方式相比,本申请获得的交通流量数据的方式可以全局感知车辆信息、行人信息,因而是全局无偏的数据,通过分析这样的视频数据能提炼出更加准确的实时交通参数数据;本申请的方案同时考虑了机动车和行人、非机动车的混合交通控制方法,针对混合交通中拥挤的机动车,以及行人利用信号配时与车道优化来优化交通,并且可以实时获取视频数据进行分析并通过反馈机制不断对交通进行优化,最终使每个路段的机动车平均车流量变得更为平均,且行人过街延误减少,从而有效改善了路网中交叉口的交通拥堵情况。
附图说明
图1是本申请实施例提供的一种道路交通控制***的示意图;
图2是本申请实施例提供的一种道路交通控制***的交通控制决策模块的实施步骤流程图;
图3是本申请实施例提供的一种道路交通控制方法的处理流程图;
图4是本申请实施例提供的一种道路交通控制装置的示意图;
图5是本申请实施例提供的第二种道路交通控制方法的处理流程图;
图6是本申请实施例提供的第二种道路交通控制***的示意图;
图7是本申请实施例提供的第一种电子设备的示意图;
图8是本申请实施例提供的第二种电子设备的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
本申请提供一种道路交通控制***。本申请还提供一种道路交通控制方法以及装置,另一种道路交通控制方法以及***,两种电子设备,以及两种计算机可读介质。在下面的实施例中逐一进行详细说明。
本申请提供的一种道路交通控制***实施例如下:
以下结合图1至图2对本申请实施例提供的一种道路交通控制***进行说明。其中图1是本实施例提供的一种道路交通控制***的示意图;图2是本实施例提供的一种道路交通控制***中交通控制决策模块实施步骤的流程图。
具体的,图1所示的一种道路交通控制***的示意图,包括视频交通信息分析模块101、交通情况预测模块102、实际交通情况评估模块103、交通控制决策模块104。
本申请提供的道路交通控制***的核心思想是:针对城市内高覆盖的摄像头获取的视频交通信息,采用视频分析技术获取城市路网的交通情况参数,同时包括机动车交通情况参数和行人以及其他非机动车的交通情况参数,从所述的交通情况参数获取交通控制参数用于对未来时间段的交通情况进行预测,根据预测结果确定交通控制优化策略,在一轮优化后,实时从交通摄像头或者视频采集卡的视频信息获取实际交通信息,采用交通情况评价模型对实际交通情况进行评价,并将评价结果反馈到交通控制决策模块,进行下一轮优化,直至城市路网各个路段流量均衡。
需要说明的是,本申请实施例提供的道路交通控制***,在具体实施时,也会使用从GPS、地磁感应等传统设备以非视频方式获得的相关交通信息参与交通控制优化决策。
具体实施时,本申请提供的道路交通控制***对实际路网的道路交通环境进行优化调整。实际应用中,所述的道路交通环境,包括交通参与者、车辆、道路交通设施。所述交通参与者一般指行人、管理者、驾驶人、乘车人;所述车辆,包括私家车辆、公共车辆、商业车辆、应急车辆、非机动车辆、清洁车辆等;所述道路交通设施包括通信设施、信号控制设备、检测与监控设备、交通安全设施、标志、标线等。道路交通环境是本申请提供的道路交通控制***的数据来源,可以通过道路交通设施的测与监控设备,例如路网中覆盖的摄像头,获取道路交通环境的相关信息,例如行人和非机动车的交通信息,机动车的交通信息等,所述的道路交通控制***对道路交通环境的相关交通信息进行分析处理后获得的交通控制优化策略,用于控制道路交通环境中的一些可控设备,例如信号灯设备等,调节道路交通环境来达到优化目的。
所述视频交通信息分析模块101,用于从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种。
所述视频交通信息分析模块101本身包含多个部分,首先是需要从分布在交通网路中的各个视频设备中采集视频交通信息,这些视频交通信息可以存储在数据库服务器等数据存储设备中;然后,通过视频识别和视频分析,对其中的机动车、行人、非机动车等进行识别,进而进行分析,获取路网的交通情况参数。以下对此进行详细的说明。
目前的道路交通***,尤其是城市路网中,已经广泛设置了大量视频采集设备采集路网信息。例如,在交叉路口配置有可以360度旋转的球机,用于获取交叉路口的各个方向上的信息;在一般路段一般配置有固定拍摄的枪机,用于监控路段上特定方向的交通情况。所有视频采集设备采集的的视频交通信息会通过网络传送到交通控制中心,供交通管理部门实时掌握路网通行情况。这些视频交通信息一般还会通过数据存储设备存储,以便在以后需要处理交通事故时,进行责任划分等场合使用。
目前,对上述视频交通信息的利用仍然处于初级阶段,其中反映的丰富的道路交通的实际情况和规律性的情况都没有提取出来。主要问题在于,视频交通信息包含大量的车辆、行人和非机动车等信息,这些视频信息对于交通管理而言,过于凌乱庞杂,冗余度太大,大多数信息对交通管理是没有意义的。例如,视频交通信息中包含的大量机动车辆的图像信息,从这些信息可以看出机动车的形状、颜色,可以分析出机动车的品牌和型号等,但这些信息实际上对道路交通的优化管理而言毫无意义。
因此,对于所述视频交通信息,需要进行信息提取,获得可以用于道路交通管理的交通情况参数。
所述交通情况参数,是指可以直接用于进行道路交通分析的反映道路交通状况的数值信息,例如,某一路段的车流量,平均车速;某个十字路口的等候车辆数,等候行人数,等候非机动车数等,这些交通情况参数直接反映了交通使用主体对道路交通利用情况的某一个方面。综合各种交通情况参数,就可以获得对道路交通情况的预测,也可以用于评估道路交通当前的使用情况。
具体的交通情况参数有很多种,总体上可以分为两类,即交通控制参数和交通评价参数;两者只是根据可能的用处进行的大致分类,并没有非常严格的分类标准。
所述交通控制参数,主要包括:机动车流量、机动车速度、机动车通行能力、行人和/或非机动车流量、行人和/或非机动车速度。所述交通评价参数,主要包括:机动车排队长度、机动车延误时间、行人和/或非机动车等候数、行人和/或非机动车延误时间。
以下以机动车流量和机动车速度为例,说明如何从视频交通信息,通过视频分析技术,获取路网的交通情况参数。
所述机动车流量,是指在单位时间内通过某一个路段的机动车数量,用于衡量道路交通的利用情况。从视频交通信息,可以采用如下方式分析获得机动车流量:对于某个需要统计机动车流量的路段,可将从该路段获得的道路交通视频材料作为所述视频交通信息,通过视频识别技术,识别出视频中的机动车辆,并进而对单位时间中在该视频材料中出现的某个方向的机动车数量进行统计,这样就可以获得相应路段的该方向的车流量。通过上述方式获得某路段在某个时间段的车流量,这是初步的交通控制参数。
所述机动车速度,是指机动车在单位时间内的行驶速度。通过从视频交通信息,可以采用如下方式分析获得机动车速度:将获得的道路交通视频材料作为所述的视频交通信息,通过视频识别技术,识别出视频中的某个机动车辆,并对单位时间中在该视频材料中该机动车的位置变化情况进行计算,或者相反,对该机动车辆通过一个固定距离所耗费的时间进行计时,这样,就可以获得该机动车辆的速度。例如,在进行上述机动车速度计算时,可以依据视频信息中出现的道路上固定的道路交通距离标识,估算出机动车辆的行驶距离,这样,只要结合视频的时间线信息就可以获得该机动车的行驶速度。在以通过方式获得具体的机动车的行驶速度的基础上,还可以在此基础上进一步获得与机动车的行驶速度有关的二次参数;例如,对于同一个视频中出现的机动车,分别计算各个机动车的行驶速度,然后获得该视频反映的路段和时间段的机动车的平均行驶速度,或者,获得该视频反映的路段和时间段的机动车行驶速度的分布等;这些进一步加工的数据在后续使用中可以更好的作为预测路段未来情况的参数。
以上介绍的根据视频交通信息,获得机动车流量以及机动车速度的方式,所获得的参数是一次数据,在此基础上,还可以进一步加工为二次数据。例如,对于机动车流量数据而言,可以通过统计某一个较长时间的车流量,计算出平均车流量,也可以根据不同时段的视频材料,分别统计出不同时段的车流量,从而进一步分析出不同时段的车流量变化情况。对于机动车速度而言,可以对同一个视频中出现的机动车,分别计算各个机动车的行驶速度,然后获得该视频反映的路段和时间段的机动车的平均行驶速度,或者,获得该视频反映的路段和时间段的机动车行驶速度的分布等;在一个较长的时间维度下,还可以获得不同时间段机动车速度的变化情况;综合从各个不同路段获得的视频交通信息,还可以获得不同路段上机动车速度的分布情况等,这些数据便于从整体上掌握机动车在道路上的行驶情况,从而实现对各个路段的未来某个时点的交通情况的预估。在本申请的优选实施例中,还可以结合机动车本身带有的GPS设备,获得GPS数据,从而计算出机动车的行驶速度以及机动车流量。让然,由于目前并非所有机动车都使用了GPS设备,也可以将这些非视频交通信息和视频交通信息结合,获得更为精确的机动车相关的交通情况参数。
与上述两种交通情况参数类似,通过对视频交通信息应用视频分析技术,也可以获取路网的其他交通情况参数。其中,机动车通行能力是反应某个路段在一段时间中能够通行的最大的机动车数量。
本实施例采用视频交通信息作为信息来源的一个主要优势在于,所述视频交通信息中还可以反应出机动车之外的其他道路使用主体的情况,这些道路使用主体主要包括行人、非机动车;根据不同的目的,不排除只考虑行人或者只考虑非机动车的情况,但是一般而言,对道路交通的优化需要考虑所有道路使用主体,即行人、非机动车的交通情况参数均需要获取。与上述获取机动车数据的情况类似,通过所述视频交通信息,采用视频分析技术,识别出其中具体的行人,并获取行人速度,行人流量等信息。
采用本实施例提供的技术方案,由于主要是利用视频交通信息,因此,能够获得较为丰富的交通情况,其中的行人交通情况参数和非机动车交通情况参数,均是仅仅采用GPS等手段无法获得的信息。
所述交通情况预测模块102,用于根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果。
对道路交通优化的核心是,需要根据动态的道路交通情况对未来的时点进行预测,这样才能进行恰当的决策,充分利用可控交通元素对交通进行调整,从而最大限度的利用道路交通的潜力。本模块的作用就是根据交通情况参数,对交通情况进行预测。
本实施例中,所述交通情况参数,主要是指从所述视频交通信息中获取的交通情况参数,但是也可以包含非视频交通情况参数。为了获取非视频方式获得的交通情况参数,可以设置专门处理非视频交通信息获取模块,用于获取非视频方式获得的交通情况信息,并进行加工计算,形成相应的交通情况参数。常见的非视频交通信息包括GPS、地磁、微波、线圈等方式获得的参数;当然,由于这些参数大多数仅仅能够检测机动车的情况,其数据具有一定局限性,但是可以补充视频交通信息的不足,例如,根据来自机动车的GPS信号往往可以更准确的获得机动车的速度。
从前面可以看出,所述交通情况参数包括很多类型的参数,一些基础参数还可以经过加工形成二次参数,因此,需要对这些参数进行综合分析,从而获得便于使用的交通控制参数。例如,在获取了某路段某方向上的机动车流量参数,以及同样路段同样方向的机动车速度参数的情况下,就可以分析出有多少车辆在以大致多高的速度在此路段行驶。综合这些数据,就可以比较好的进行道路交通情况的预测。
为了较好的利用交通情况参数,在交通情况预测模块102中,可以包含专门的交通控制参数提取子模块;所述交通控制参数提取子模块,根据接收到的交通情况参数,分析并提取出交通控制参数。所述交通情况预测模块根据所述交通情况参数对未来时间段的交通情况进行预测,其中的交通情况参数使用所述交通控制参数。
如前所述,所述交通控制参数是交通情况参数的一部分,其含义可以根据需要确定。所述交通控制参数提取子模块可以从所述视频交通信息分析模块提供的交通情况参数中提出一部分合适的参数作为交通控制参数,但更重要的是,可以将能够获得的各种交通情况参数进行综合处理,获得更便于用于预测的交通控制参数。
例如,对于某一个路段,当获得其最近时段的机动车流量、以及机动车车速分布情况后,就可以根据上述两个数据,计算预估出前方路段在若干时间后的车流量,这样,就可以对所述前方路段出口的红绿灯进行调整,以便绿灯时长能够匹配预估的车流量。
所述交通情况预测结果,就是采用上述方式获得的对将来时点的交通情况预测。
当然,所述将来时点可以是指将来十分钟也,也可以指将来某一天的上午十点。对于距离当前时点不同的将来时点,可以采用不同的预估方式。例如,可以根据实时获得的交通情况参数,比较精确的推断十分钟后某个路段的情况,从而对红绿灯进行调节;也可以根据以往积累的工作日交通情况变化的交通情况参数,在工作日的上班时间、下班时间分别选择具体时间点,分别采用不同的道路分配方案,即确定潮汐车道的具体变更时间点。总之,交通情况预测结果本身就可以根据不同的要求,采用不同方式计算获得。
所述实际交通情况评估模块103,用于基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果。
仅仅根据对道路交通情况未来时点的预测进行交通控制存在明显的缺陷,即由于道路交通情况是动态变化的,并且具有很大的随机性,与实际交通情况往往有出入,为此,需要对实际交通情况进行评估;另外,对实际交通情况的评估可以更好的从道路交通使用主体的角度选择合适的交通情况参数,获得更为合理的评价视角。
与所述交通情况预测模块102相同,所述交通情况参数,主要是指从所述视频交通信息分析模块获取的交通情况参数,但是也可以包含非视频交通情况参数。这些非视频方式获得的交通情况参数,同样可以来自专门设置的非视频交通信息获取模块,在此不再赘述。总之,从交通情况参数获取的来源而言,实际交通情况评估模块103与所述交通情况预测模块102没有不同,但是在数据的选取和使用上,两者明显不同。
为了较好的利用交通情况参数,在实际交通情况评估模块103中,可以包括交通评价参数提取子模块;所述交通评价参数提取子模块,根据接收到的交通情况参数,分析并提取出交通评价参数;所述实际交通情况评估模块基于所述交通情况参数,并根据交通情况评价模型,评估实际交通情况,采用所述交通评价参数进行评估。如前所述,所述交通评价参数是交通情况参数的一部分,其含义可以根据需要确定。所述交通评价参数提取子模块可以从所述视频交通信息分析模块提供的交通情况参数中提出一部分合适的参数作为交通评价参数,但更重要的是,可以将能够获得的各种交通情况参数进行综合处理,获得更便于用于评价实际交通情况的交通评价参数。
所述交通评价参数一般从交通使用主体的体验角度选择参数,例如,机动车排队长度、机动车通行能力、机动车延误、行人和/或非机动车通行能力、行人和/或非机动车等候长度等。这些指标能够更好的贴合交通使用主体的感受,将其用于决策能够更好的改善交通控制效果。
例如,对于某一个路段,当获得其机动车延误数据以及行人等候长度数据后,就可以根据上述两个数据,对交通控制效果对交通使用主体的影响进行实际评估,从而明确改善交通情况的控制方向。所述实际交通情况评估结果,在本实施例中,相当于反馈***中的负反馈,根据实际交通情况评估结果,可以对控制方案的实际效果做出评估,进而进行相应的调整。例如,如果按照原来的控制方案,某个十字路口的行人等候长度明显超过合理的时间,这个信息提供到交通控制决策模块,交通控制决策模块就有可能调整红绿灯配时,为行人分配更多的通过时间。
所述实际交通情况评估模块可以是对经过交通控制决策模块对可控交通元素的控制策略进行调整从而使得交通得到优化后的交通情况进行实时评估,这样,该信息提供给交通控制决策模块后,就可以实时对控制方案进行调整;当然,也可以对已经发生过的某个过去时间段的交通情况进行评估,从而在该过去时间段控制方案的基础上进行调整。例如,对前一天发生的交通情况进行整体评估,从而可以调整第二天的交通情况。
由所述实际交通情况评估模块得到的交通情况评估结果,还可以包括下述内容:所述路网中各个路段交通流量的均衡程度,以及拥堵路段的数量和具体的拥堵路段。
所述交通控制决策模块104,用于根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
本模块的作用是生成合理的可控交通元素的控制方案,实现对交通的调整。本模块所依据的信息包括来自所述交通情况预测模块102的交通情况预测结果,以及来自所述实际交通情况评估模块103的实际交通情况评估结果。
所述可控交通元素,主要是指红绿灯配时,车道调整等道路交通中可以随时进行调控的元素;这些交通控制元素的特点是随时可以根据需要调整,从而可以随时实现对交通的调节作用。其中,所述红绿灯配时,是指对红绿灯如何分配红灯时间和绿灯时间,从而改变路权的归属,通过合理的调整,可以保证十字路口整体交通效率。所述车道调整,包括增加或减少左转车道;增加或减少调头车道;增加或减少右转车道;增加或减少直行车道;设置单行道;调整去向车道和来向车道的数目等,这些措施可以通过一些路道上设置的指示灯来随时调整。
当然,可控交通元素也可以包括一些不能实时调整,但是可以根据长期积累的交通情况参数,而对道路交通提出的改进建议。例如,下述道路建设方式的建议中的至少一种:增加/减少红绿灯,调整调整左转和/或直行和/或右转车道数设置以及单行道设置,以及给出道路规划建议和/或道路建设和/或扩建优化建议。这些措施虽然不能实时实现,但是可以在积累了足够的数据,掌握了道路交通情况的总体情况后,在可以对道路交通进行修缮、调整的时候进行调整,从而达到改进道路交通的目的。这些,也可以视作对可控交通元素的控制方案的一部分。
当然,本模块的核心在于优化算法,即采用何种具体的方式,使用所述交通情况预测结果和实际交通情况评估结果,获得所述对可控交通元素的控制方案。
具体可以使用的优化算法无疑有很多。例如,通过对交通情况参数的长期搜集和积累,可以依据宏观的规律性数据,尤其是时间相关性的规律性数据,对道路交通建设调整的进行宏观指导。也可以是根据较近时段的交通情况参数获得的交通情况预测结果以及实际交通情况评估结果,实时对红绿灯配时、车道分配等进行调整。以下主要说明实时对红绿灯配时、车道分配进行调整的优化算法。
本实施例中,优选使用的优化算法为线性规划方法。
交通***非常复杂,交通情况参数中包括了相互关联的多个变量,例如机动车的速度和行人过街延误相互影响,而根据这些交通情况参数做出针对可控交通元素的最优的调整策略,使得机动车和行人以及非机动车在各个路段能够顺畅通行,延误时间最短,从而尽可能解决路网中的拥堵现象。
根据道路交通情况的这些特点,本实施例采用的线性规划目标函数为机动车的延误时间和行人及非机动车的总延误时间之和,涉及的约束条件包括如下参数:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间,根据所述约束条件求解线性目标函数的最小值,从而计算出最优的信号灯配时,具体实现如图2示:
步骤S103-1,获取信号周期和信号绿时。
所述信号绿时,是指交通信号灯在一个信号周期内的能够用于以饱和车流的有效绿灯时间。本实施例中按照实际绿灯时间与黄灯时间的和再去掉启动损失时间计算信号绿时。
本步骤是获取路网中各个路段的交叉口的信号灯的信号周期,以及信号灯的红绿灯配时,一般可以通过信号灯控制***获取到上述数据。
所述的信号周期是指信号灯色按设定的相位顺序显示一周所需的时间,即一个循环内各控制步伐的步长之和。
步骤S103-2,获取机动车流量、行人和非机动车流量、交叉路口通行条件预测值。
本步骤是由所述的交通预测模块获取的交通情况预测结果,其详细处理已经在所述的交通预测模块的处理中描述,此处不再赘述。
步骤S103-3,针对所述的新一轮的交通评价参数,评估实际交通情况。
所述的新一轮交通评价参数,是根据上一轮根据所述交通控制决策模块对所述可控交通元素调整优化交通后,实时从视频交通信息获取新一轮的交通评价参数。由所述的实际交通情况评估模块得到的所述的实际交通评估结果,其具体过程已经在所述的实际交通情况评估模块中详细描述,此处不再赘述。
步骤S103-4,确定交叉口控制模型线性约束条件和线性目标函数。
本步骤中,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
所述控制方案通过计算所述线性目标函数的最小值确定,涉及的约束条件包括如下参数:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间。
本实施例中具体的线性目标函数表达式如下:
Dij=∑kdkqk+dp∑kqk人+dij∑nqn人;
其中,i和j为两个信号灯,且道路流量方向为i->j,Dij为i->j方向上的总延误时间,dk为第k条支路通往道路i->j的平均车辆延误时间,qk为第k条支路的到道路i->j方向的瞬时车流量,dij为i->j方向的非十字路口行人过街平均延误时间,qn人为对n个过街人行横道的瞬时流量,dp为十字路口行人平均延误时间,qk人为第k条通往道路i->j上的十字路口行人过街流量;通过对上述目标函数在上述约束条件下求最小值,获得最优配时方案。
本实施例中,计算总延误时间时,需要使用的参数包括:路网各个路段的交叉口的交通条件预测值、路网各个路段的交通流量预测值以及路网各个路段交叉口的原始的信号周期和信号绿时。
所述路网各个路段的交叉口的交通条件预测值至少包括车排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间;所述路网各个路段的交通流量是指单位时间内到达道路某一截面的行人和非机动车数量以及机动车数量,所述路网各个路段的交通流量的预测值由所述交通情况预测模块得到。所述交通情况预测模块针对视频交通信息采用视频分析技术获取,对于包含大量机动车的视频交通信息而言,通过视频识别技术,在视频图片中的每条车道上设置一个固定区域作为虚拟的检测线,再对该区域内图像进行处理,例如,将当前输入帧图像与背景图像进行差值计算,以分离出车辆,实际处理中由于背景图像需要实时刷新,并且受光线、摄像头抖动、树叶晃动、水波纹(雨雾天)、摄像头聚焦漂移等因素的影响,采用卡尔曼滤波算法对车流量进行更为准确的识别。
这样就可以获得相应路段的该方向的车流量。对于车流量,可以通过统计某一个较长时间的车流量,计算出平均车流量,也可以根据不同时段的视频材料,分别统计出不同时段的车流量,从而进一步分析出不同时段的车流量变化情况,据此获取下一时段的预测值。此外,还可以根据不同路段之间的空间关系,估算出某一路段与另外一个路段的车流量在时间上的影响关系等。
此外,还可以根据不同路段之间的空间关系,估算出某一路段与另外一个路段的车流量在时间上的影响关系等。
除此之外交通情况参数可以来自不同的渠道,例如感应式环形线圈检测器、磁感应检测器、脉冲超声波式检测器、雷达检测器、光电检测器、摩擦电检测器、红外线检测器以及GPS等自动采集手段也可以提供交通信息,本实施例主要使用上述视频交通信息。
另外,行人和非机动车的交通流量,也采取机动车的相同处理方法从所述的视频交通信息中获取。
步骤S103-5,通过求线性目标函数极值确定红绿灯信号最优配时。
本步骤中求线性目标函数极值时,将机动车与行人冲突区域对于机动车和行人的延误时间的影响作为所述总延误时间的计算因子,所述的总延误时间包括下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时;
所述的行人指代范围,包括了非机动车。
本实施例中,按照如下步骤计算每辆机动车的平均延误时间:
计算一个信号周期内,全部车辆的总延误时间为:
∑ti=0.5(th+ts)thq;
其中,用∑ti表示一个信号周期内车辆的信号总延误时间,th表示有效红灯时间,ts表示排队车辆消散所需要的时间,q为车辆的到达的车流量;
按照一个信号周期T内到达车辆数是q,计算每辆车的信号平均延误时间为:
其中排队车辆消散所需要的时间λm为机动车饱和率,λ为机动车到达率。
本实施例中,按照如下步骤计算行人和非机动车的平均延误时间:
根据机动车到达与行人冲突区域的时间间距满足负指数分布,选择概率密度函数为:f(x)=λe-λx,因此行人直接穿越车流的概率为:p(x>)=e-λτ,其中x为行人等待车辆间隔数,其分布为p(x=k)=(1-e-λτ)ke-λτ;
根据上述分布和概率函数计算得到行人人均等待间隙数为:并由此得出行人不能过街的等待时间为
根据上述信息计算出行人平均延误时间为:
根据上述行人和非机动车的平均延误时间以及机动车的平均延误时间得到路网中各个路段的总延误时间计算公式:
其中,qkij为车辆的到达车瞬时流量,λm为机动车饱和率,th人为行人和非机动车的有效红灯时间,th车为有机动车的效红灯时间,T为一个信号周期,为每辆车的信号平均延误时间,为每个行人或者每个非机动车的信号平均延误时间。
通过计算上述Dij的最小值,从而解出th人和th车,得到行人和非机动车的红绿灯配时以及机动车的红绿灯配时。
此外,路网中各个路段的总延误时间的上述公式在实际计算其所包含的所述三个部分时还可以采用其他形式计算所述各部分延误时间,例如,每个过街人行横道的行人瞬时流量之和,再乘以非十字路口行人过街平均延误时间,从而得出所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间;所述十字路口所有行人过街延误时间等于每条支路行人延误时间之和,所述每条支路行人延误时间之和等于该条支路行人的平均延误时间与该条支路在所述道路流量方向上的行人瞬时流量的乘积,所述该条支路行人的平均延误时间等于行人信号平均延误时间与机动车与行人冲突区域导致的行人延误时间之和。
需要说明的是,上述算法的优化目标还可以包括路网的各个路段的交通流量均衡,通过计算整体路网各个路段的机动车流量之间的差值,判断其小于预定的阈值则认为各个路段的交通流量均衡。
另外,本实施例中,根据所述可控交通元素的控制方案的历史累积数据,可以对城市道路建设给出道路规划建议和道路扩建优化建议,例如,对于主干路长期由于左转排队长度过长导致的拥堵,建议按拥堵时段增加禁左车道。道路的优化建议还包括:增加或者减少红绿灯,调整左转、直行、右转车道数,设置单行道等。
本申请提供的一种道路交通控制方法实施例如下:
在上述的实施例中,提供了一种道路交通控制***,与之相对应的,本申请还提供了一种道路交通控制方法,下面结合附图进行说明。
参照附图3,其示出了本申请提供的一种道路交通控制方法处理流程图的示意图。
由于方法实施例基本相似于***实施例,所以描述得比较简单,相关的部分请参见上述提供的***实施例的对应说明即可。下述描述的方法实施例仅仅是示意性的。
本申请提供一种道路交通控制方法,包括:
步骤S301,从视频交通信息中获取路网的交通情况参数;
其中,所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种。
步骤S302,根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
步骤S303,基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
步骤S304,根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
可选的,所述道路交通控制方法,包括:获取非视频方式获得的交通情况信息,并形成相应的交通情况参数。
可选的,所述根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果步骤,包括下述子步骤:
根据接收到的交通情况参数,分析并提取出交通控制参数;并且,所述根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果步骤中当中,根据所述交通情况参数对未来时间段的交通情况进行预测,其中的交通情况参数使用所述交通控制参数。
可选的,所述的交通控制参数,包括下述参数当中的至少一项:机动车流量、机动车速度、机动车排队长度、行人和/或非机动车流量、行人和/或非机动车速度。
可选的,所述基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果步骤,包括下述子步骤:
根据接收到的交通情况参数,分析并提取出交通评价参数;并且,所述基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果步骤,采用所述交通评价参数进行评估。
可选的,所述的交通评价参数,包括下述参数当中的至少一项:机动车排队长度、机动车通行能力、机动车延误、行人和/或非机动车通行能力、行人和/或非机动车排队长度。
可选的,所述可控交通元素,包括下述至少一项:
红绿灯配时,增加/减少红绿灯,增加或减少左转车道,增加或减少调头车道,增加或减少右转车道,增加或减少直行车道,设置单行道,调整去向车道和来向车道的数目,增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道。
可选的,所述根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案,采用如下方式实现:
根据所述交通情况预测结果,获得所述路网中一个或多个路段的交通流量的预测值,以及一个或多个路段的交叉口的道路交通的预测值;
获取所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
对所述路网中一个或多个路段的交叉***通信号进行配时优化。
可选的,所述路网中一个或多个路段的交通流量,包括:单位时间内到达道路某一截面的车辆数量、行人数量和/或非机动车数量。
可选的,所述交叉口的道路交通,至少包括如下参数:排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间。
可选的,所述优化算法包括:线性规划方法;所述对所述路网中一个或多个路段的交叉口信号进行配时优化采用所述线性规划方法,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
可选的,所述优化目标包括:所述路网中一个或多个路段的机动车流量之间的差值小于预设的流量阈值。
可选的,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
所述控制方案通过计算所述线性目标函数的最小值确定。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
计算所述信号周期内所有车辆的总延误时间;
根据所述信号周期内到达的车辆数,计算所述信号周期内每辆车的平均延误时间。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
可选的,所述总延误时间等于下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时。
可选的,根据所述控制方案对所述路网中一个或多个路段的可控交通元素进行优化,在优化后,基于优化后获得的交通情况参数,根据所述交通情况评价模型评估优化后的交通情况,获得优化后交通情况评估结果。
可选的,所述交通情况评估结果,包括:所述路网中一个或多个路段交通流量的均衡程度,所述路网中拥堵路段和拥堵路段的数量。
可选的,所述可控交通元素的控制方案,包括下述道路交通优化方式当中的至少一种:
增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道,以及生成道路规划建议和/或道路扩建优化建议。
本申请提供的一种道路交通控制装置实施例如下:
在上述的实施例中,提供了一种道路交通控制方法,与之相对应的,本申请还提供了一种道路交通控制装置,下面结合附图进行说明。
参照附图4,其示出了本申请提供的一种道路交通控制装置实施例的示意图。
由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本申请提供一种道路交通控制装置,包括:
视频交通信息分析单元401,用于从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
交通情况预测单元402,用于根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
实际交通情况评估单元403,用于基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
交通控制决策单元404,用于根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
可选的,所述道路交通控制装置,包括:
非视频交通信息获取单元,用于获取非视频方式获得的交通情况信息,并形成相应的交通情况参数。
可选的,所述交通情况预测单元402包括交通控制参数提取子单元;
所述交通控制参数提取子单元,用于根据接收到的交通情况参数,分析并提取出交通控制参数;所述交通情况预测单元402根据所述交通情况参数对未来时间段的交通情况进行预测,其中的交通情况参数使用所述交通控制参数。
可选的,所述的交通控制参数,包括下述参数当中的至少一项:机动车流量、机动车速度、机动车排队长度、行人和/或非机动车流量、行人和/或非机动车速度。
可选的,所述实际交通情况评估单元403,包括交通评价参数提取子单元;
所述交通评价参数提取子单元,用于根据接收到的交通情况参数,分析并提取出交通评价参数;所述实际交通情况评估单元403基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,采用所述交通评价参数进行评估。
可选的,所述的交通评价参数,包括下述参数当中的至少一项:机动车排队长度、机动车通行能力、机动车延误、行人和/或非机动车通行能力、行人和/或非机动车排队长度。
可选的,所述交通控制决策单元404,包括:
预测值获取子单元,用于根据所述交通情况预测结果,获得所述路网中一个或多个路段的交通流量的预测值,以及一个或多个路段的交叉口的道路交通的预测值;
交通信号获取子单元,用于获取所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
配时优化子单元,用于对所述路网中一个或多个路段的交叉***通信号进行配时优化。
可选的,所述路网中一个或多个路段的交通流量,包括:单位时间内到达道路某一截面的车辆数量、行人数量和/或非机动车数量。
可选的,所述交叉口的道路交通,至少包括如下参数:排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间。
可选的,所述可控交通元素,包括下述至少一项:
红绿灯配时,增加/减少红绿灯,增加或减少左转车道,增加或减少调头车道,增加或减少右转车道,增加或减少直行车道,设置单行道,调整去向车道和来向车道的数目,增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道。
可选的,所述优化算法包括:线性规划方法;所述配时优化子单元采用所述线性规划方法,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
可选的,所述优化目标包括:所述路网中一个或多个路段的机动车流量之间的差值小于预设的流量阈值。
可选的,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
所述控制方案通过计算所述线性目标函数的最小值确定。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
计算所述信号周期内所有车辆的总延误时间;
根据所述信号周期内到达的车辆数,计算所述信号周期内每辆车的平均延误时间。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
可选的,
所述总延误时间等于下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时;
所述的行人指代范围,包括了非机动车。
可选的,根据所述控制方案对所述路网中一个或多个路段的可控交通元素进行优化,在优化后,基于优化后获得的交通情况参数,根据所述交通情况评价模型评估优化后的交通情况,获得优化后交通情况评估结果。
可选的,所述交通情况评估结果,包括:所述路网中一个或多个路段交通流量的均衡程度,所述路网中拥堵路段和拥堵路段的数量。
可选的,所述可控交通元素的控制方案,包括下述道路交通优化方式当中的至少一种:
增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道,以及生成道路规划建议和/或道路扩建优化建议。
本申请还提供了第二种道路交通控制方法实施例如下:
在上述的实施例中,提供了第一种道路交通控制方法,另外,本申请还提供了第二种道路交通控制方法,下面结合附图进行说明。
参照附图5,其示出了本申请提供的第二种道路交通控制方法的处理流程示意图。
由于第二种道路交通控制方法是以第一种道路交通控制方法为基础,实施例基本相似,所以描述得比较简单,相关的部分请参见上述提供的实施例的对应说明即可。下述描述第二种道路交通控制方法实施例仅仅是示意性的。
本申请提供第二种道路交通控制方法,包括:
步骤S501,获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
步骤S502,获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
步骤S503,基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
可选的,使用线性规划方法确定所述配时优化方案;所述使用线性规划方法确定所述配时优化方案,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
可选的,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
其中,所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
通过计算所述线性目标函数的最小值确定所述配时优化方案。
可选的,所述通过计算所述线性目标函数的最小值确定所述配时优化方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
可选的,所述道路交通控制方法,包括:获取非视频方式获得的交通情况信息,并形成相应的交通情况参数。
可选的,所述获得交通情况预测结果,包括:根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果步骤,包括下述子步骤:
根据接收到的交通情况参数,分析并提取出交通控制参数;并且,所述根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果步骤中当中,根据所述交通情况参数对未来时间段的交通情况进行预测,其中的交通情况参数使用所述交通控制参数。
可选的,所述的交通控制参数,包括下述参数当中的至少一项:机动车流量、机动车速度、机动车排队长度、行人和/或非机动车流量、行人和/或非机动车速度。
可选的,所述路网中一个或多个路段的交通流量,包括:
单位时间内到达道路某一截面的车辆数量、行人数量和/或非机动车数量。
可选的,所述交叉口的道路交通,至少包括如下参数:
排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间。
可选的,所述道路交通控制方法所述优化目标包括:
所述路网中一个或多个路段的机动车流量之间的差值小于预设的流量阈值。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
计算所述信号周期内所有车辆的总延误时间;
根据所述信号周期内到达的车辆数,计算所述信号周期内每辆车的平均延误时间。
可选的,所述总延误时间等于下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时。
可选的,所述配时优化方案包括下述道路交通优化方式当中的至少一种:
调整红绿灯配时,增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道,以及生成道路规划建议和/或道路扩建优化建议。
本申请还提供了第二种道路交通控制***实施例如下:
在上述的实施例中,提供了第二种道路交通控制方法,另外,本申请还提供了第二种道路交通控制***,下面结合附图进行说明。
参照附图6,其示出了本申请提供的第二种道路交通控制***的示意图。
由于第二种道路交通控制***是以第二种道路交通控制方法为基础,实施例基本相似,所以描述得比较简单,相关的部分请参见上述提供的实施例的对应说明即可。下述描述第二种道路交通控制***实施例仅仅是示意性的。
本申请提供第二种道路交通控制***,包括:
交通情况预测模块601,用于获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
交通情况参数获取模块602,用于获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
交通控制优化模块603,基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
可选的,所述交通控制优化模块包括交通信号配时优化子模块,用于通过线性规划方法确定所述配时优化方案;所述使用线性规划方法确定所述配时优化方案,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
可选的,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
其中,所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
通过计算所述线性目标函数的最小值确定所述配时优化方案。
可选的,所述通过计算所述线性目标函数的最小值确定所述配时优化方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
可选的,所述道路交通控制***,包括:
非视频交通信息获取模块,用于获取非视频方式获得的交通情况信息,并形成相应的交通情况参数。
可选的,所述交通情况预测模块包括交通控制参数提取子单元;
所述交通控制参数提取子单元,用于根据接收到的交通情况参数,分析并提取出交通控制参数;所述交通情况预测模块602根据所述交通情况参数对未来时间段的交通情况进行预测,其中的交通情况参数使用所述交通控制参数。
可选的,所述的交通控制参数,包括下述参数当中的至少一项:机动车流量、机动车速度、机动车排队长度、行人和/或非机动车流量、行人和/或非机动车速度。
可选的,所述路网中一个或多个路段的交通流量,包括:
单位时间内到达道路某一截面的车辆数量、行人数量和/或非机动车数量。
可选的,所述交叉口的道路交通,至少包括如下参数:
排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间。
可选的,所述配时优化方案的优化目标包括:
所述路网中一个或多个路段的机动车流量之间的差值小于预设的流量阈值。
可选的,所述通过计算所述线性目标函数的最小值确定所述配时优化方案,包括:
计算所述信号周期内所有车辆的总延误时间;
根据所述信号周期内到达的车辆数,计算所述信号周期内每辆车的平均延误时间。
可选的,所述配时优化方案的总延误时间等于下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时。
可选的,所述配时优化方案包括下述道路交通优化方式当中的至少一种:
调整红绿灯配时,增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道,以及生成道路规划建议和/或道路扩建优化建议。
本申请提供的一种电子设备实施例如下:
本申请还提供了一种用于实现第一种道路交通控制方法的电子设备,下面结合附图进行说明。
参照附图7,其示出了本实施例提供的第一种电子设备的示意图。
本申请提供的所述电子设备实施例描述得比较简单,相关的部分请参见上述提供的所述道路交通控制方法实施例的对应说明即可。下述描述的实施例仅仅是示意性的。
本申请提供一种电子设备,包括:
存储器701,以及处理器702;
所述存储器701用于存储计算机可执行指令,所述处理器702用于执行所述计算机可执行指令:
从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
可选的,所述处理器702还用于执行下述计算机可执行指令:获取非视频方式获得的交通情况信息,并形成相应的交通情况参数。
可选的,所述根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果,包括:
根据接收到的交通情况参数,分析并提取出交通控制参数;所述根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果计算机可执行指令的执行过程中,其中的交通情况参数使用所述交通控制参数。
可选的,所述的交通控制参数,包括下述参数当中的至少一项:机动车流量、机动车速度、机动车排队长度、行人和/或非机动车流量、行人和/或非机动车速度。
可选的,所述基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果,包括:
根据接收到的交通情况参数,分析并提取出交通评价参数;所述基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果计算机可执行指令的执行过程中,其中的交通情况参数使用所述交通评价参数。
可选的,所述的交通评价参数,包括下述参数当中的至少一项:机动车排队长度、机动车通行能力、机动车延误、行人和/或非机动车通行能力、行人和/或非机动车排队长度。
可选的,所述根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案,采用如下方式实现:
根据所述交通情况预测结果,获得所述路网中一个或多个路段的交通流量的预测值,以及一个或多个路段的交叉口的道路交通的预测值;
获取所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
对所述路网中一个或多个路段的交叉***通信号进行配时优化。
可选的,所述路网中一个或多个路段的交通流量,包括:单位时间内到达道路某一截面的车辆数量、行人数量和/或非机动车数量。
可选的,所述交叉口的道路交通,至少包括如下参数:排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间。
可选的,所述优化算法包括:线性规划方法;所述对所述路网中一个或多个路段的交叉口信号进行配时优化采用所述线性规划方法,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
可选的,所述优化目标包括:所述路网中一个或多个路段的机动车流量之间的差值小于预设的流量阈值。
可选的,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
所述控制方案通过计算所述线性目标函数的最小值确定。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
计算所述信号周期内所有车辆的总延误时间;
根据所述信号周期内到达的车辆数,计算所述信号周期内每辆车的平均延误时间。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
可选的,
所述总延误时间等于下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时;
所述的行人指代范围,包括了非机动车。
可选的,根据所述控制方案对所述路网中一个或多个路段的可控交通元素进行优化,在优化后,基于优化后获得的交通情况参数,根据所述交通情况评价模型评估优化后的交通情况,获得优化后交通情况评估结果。
可选的,所述交通情况评估结果,包括:所述路网中一个或多个路段交通流量的均衡程度,所述路网中拥堵路段和拥堵路段的数量。
可选的,所述可控交通元素的控制方案,包括下述道路交通优化方式当中的至少一种:
增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道,以及生成道路规划建议和/或道路扩建优化建议。
本申请还提供第二种电子设备实施例如下:
本申请还提供了用于实现第二种道路交通控制方法的第二种电子设备,下面结合附图进行说明。
参照附图8,其示出了本实施例提供的第二种电子设备的示意图。
本申请提供的所述电子设备实施例描述得比较简单,相关的部分请参见上述提供的第二种道路交通控制方法实施例的对应说明即可。下述描述的实施例仅仅是示意性的。
本申请提供第二种电子设备,包括:
存储器801,以及处理器802;
所述存储器801用于存储计算机可执行指令,所述处理器802用于执行所述计算机可执行指令:
获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
可选的,包括使用线性规划方法确定所述配时优化方案;所述使用线性规划方法确定所述配时优化方案,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
可选的,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
其中,所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
通过计算所述线性目标函数的最小值确定所述配时优化方案。
可选的,所述通过计算所述线性目标函数的最小值确定所述配时优化方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
可选的,包括:获取非视频方式获得的交通情况信息,并形成相应的交通情况参数。
可选的,根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果,包括下述子步骤:
根据接收到的交通情况参数,分析并提取出交通控制参数;并且,所述根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果步骤中当中,根据所述交通情况参数对未来时间段的交通情况进行预测,其中的交通情况参数使用所述交通控制参数。
可选的,所述的交通控制参数,包括下述参数当中的至少一项:机动车流量、机动车速度、机动车排队长度、行人和/或非机动车流量、行人和/或非机动车速度。
可选的,所述路网中一个或多个路段的交通流量,包括:
单位时间内到达道路某一截面的车辆数量、行人数量和/或非机动车数量。
可选的,所述交叉口的道路交通,至少包括如下参数:
排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间。
可选的,所述道路交通控制方法所述优化目标包括:
所述路网中一个或多个路段的机动车流量之间的差值小于预设的流量阈值。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
计算所述信号周期内所有车辆的总延误时间;
根据所述信号周期内到达的车辆数,计算所述信号周期内每辆车的平均延误时间。
可选的,所述总延误时间等于下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时。
可选的,所述配时优化方案包括下述道路交通优化方式当中的至少一种:
调整红绿灯配时,增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道,以及生成道路规划建议和/或道路扩建优化建议。
本申请提供的一种计算机可读介质实施例如下:
在上述的实施例中,提供了一种道路交通控制方法,此外,本申请还提供了一种计算机可读介质,其上存储有指令,所述指令被执行时,执行本申请提供的所述道路交通控制方法。
本申请提供一种计算机可读介质,其上存储有指令,所述指令被执行以用于:
从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
可选的,所述道路交通控制方法,包括:
获取非视频方式获得的交通情况信息,并形成相应的交通情况参数。
可选的,所述根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果,包括:
根据接收到的交通情况参数,分析并提取出交通控制参数;所述交通情况预测模块根据所述交通情况参数对未来时间段的交通情况进行预测,其中的交通情况参数使用所述交通控制参数。
可选的,所述的交通控制参数,包括下述参数当中的至少一项:
机动车流量、机动车速度、机动车排队长度、行人和/或非机动车流量、行人和/或非机动车速度。
可选的,所述基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果,包括:
根据接收到的交通情况参数,分析并提取出交通评价参数;所述实际交通情况评估模块基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,采用所述交通评价参数进行评估。
可选的,所述的交通评价参数,包括下述参数当中的至少一项:
机动车排队长度、机动车通行能力、机动车延误、行人和/或非机动车通行能力、行人和/或非机动车排队长度。
可选的,所述可控交通元素,包括下述至少一项:
红绿灯配时,增加/减少红绿灯,增加或减少左转车道,增加或减少调头车道,增加或减少右转车道,增加或减少直行车道,设置单行道,调整去向车道和来向车道的数目,增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道。
可选的,所述根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案,采用如下方式实现:
根据所述交通情况预测结果,获得所述路网中一个或多个路段的交通流量的预测值,以及一个或多个路段的交叉口的道路交通的预测值;
获取所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
对所述路网中一个或多个路段的交叉***通信号进行配时优化。
可选的,所述路网中一个或多个路段的交通流量,包括:
单位时间内到达道路某一截面的车辆数量、行人数量和/或非机动车数量。
可选的,所述交叉口的道路交通,至少包括如下参数:
排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间。
可选的,所述优化算法包括:线性规划方法;所述对所述路网中一个或多个路段的交叉口信号进行配时优化采用所述线性规划方法,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
可选的,所述优化目标包括:
所述路网中一个或多个路段的机动车流量之间的差值小于预设的流量阈值。
可选的,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
其中,所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
所述控制方案通过计算所述线性目标函数的最小值确定。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
计算所述信号周期内所有车辆的总延误时间;
根据所述信号周期内到达的车辆数,计算所述信号周期内每辆车的平均延误时间。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
可选的,所述总延误时间等于下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时。
可选的,根据所述控制方案对所述路网中一个或多个路段的可控交通元素进行优化,在优化后,结合优化后获得的交通情况参数,根据所述交通情况评价模型评估优化后的交通情况,获得优化后交通情况评估结果。
可选的,所述交通情况评估结果,包括:
所述路网中一个或多个路段交通流量的均衡程度,所述路网中拥堵路段和拥堵路段的数量。
可选的,所述可控交通元素的控制方案,包括下述道路交通优化方式当中的至少一种:
增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道,以及生成道路规划建议和/或道路扩建优化建议。
本申请提供的另一种计算机可读介质实施例如下:
在上述的实施例中,提供了另一种道路交通控制方法,此外,本申请还提供了一种计算机可读介质,其上存储有指令,所述指令被执行时,执行本申请提供的上述另一种道路交通控制方法。
本申请提供另一种计算机可读介质,其上存储有指令,所述指令被执行以用于:
获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
可选的,使用线性规划方法确定所述配时优化方案;所述使用线性规划方法确定所述配时优化方案,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
可选的,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
其中,所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
通过计算所述线性目标函数的最小值确定所述配时优化方案。
可选的,所述通过计算所述线性目标函数的最小值确定所述配时优化方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
可选的,所述道路交通控制方法,包括:获取非视频方式获得的交通情况信息,并形成相应的交通情况参数。
可选的,所述获得交通情况预测结果,包括:根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果步骤,包括下述子步骤:
根据接收到的交通情况参数,分析并提取出交通控制参数;并且,所述根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果步骤中当中,根据所述交通情况参数对未来时间段的交通情况进行预测,其中的交通情况参数使用所述交通控制参数。
可选的,所述的交通控制参数,包括下述参数当中的至少一项:机动车流量、机动车速度、机动车排队长度、行人和/或非机动车流量、行人和/或非机动车速度。
可选的,所述路网中一个或多个路段的交通流量,包括:
单位时间内到达道路某一截面的车辆数量、行人数量和/或非机动车数量。
可选的,所述交叉口的道路交通,至少包括如下参数:
排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间。
可选的,所述道路交通控制方法所述优化目标包括:
所述路网中一个或多个路段的机动车流量之间的差值小于预设的流量阈值。
可选的,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
计算所述信号周期内所有车辆的总延误时间;
根据所述信号周期内到达的车辆数,计算所述信号周期内每辆车的平均延误时间。
可选的,所述总延误时间等于下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时。
可选的,所述配时优化方案包括下述道路交通优化方式当中的至少一种:
调整红绿灯配时,增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道,以及生成道路规划建议和/或道路扩建优化建议。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
Claims (30)
1.一种道路交通控制***,其特征在于,包括:
视频交通信息分析模块,用于从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
交通情况预测模块,用于根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
实际交通情况评估模块,用于基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
交通控制决策模块,用于根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
2.根据权利要求1所述的道路交通控制***,其特征在于,包括:非视频交通信息获取模块,用于获取非视频方式获得的交通情况信息,并形成相应的交通情况参数。
3.根据权利要求2所述的道路交通控制***,其特征在于,所述交通情况预测模块包括交通控制参数提取子模块;
所述交通控制参数提取子模块,用于根据接收到的交通情况参数,分析并提取出交通控制参数;所述交通情况预测模块根据所述交通情况参数对未来时间段的交通情况进行预测,其中的交通情况参数使用所述交通控制参数。
4.根据权利要求3所述的道路交通控制***,其特征在于,所述的交通控制参数,包括下述参数当中的至少一项:
机动车流量、机动车速度、机动车排队长度、行人和/或非机动车流量、行人和/或非机动车速度。
5.根据权利要求2所述的交通控制***,其特征在于,所述实际交通情况评估模块,包括交通评价参数提取子模块;
所述交通评价参数提取子模块,用于根据接收到的交通情况参数,分析并提取出交通评价参数;所述实际交通情况评估模块基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,采用所述交通评价参数进行评估。
6.根据权利要求5所述的道路交通控制***,其特征在于,所述的交通评价参数,包括下述参数当中的至少一项:
机动车排队长度、机动车通行能力、机动车延误、行人和/或非机动车通行能力、行人和/或非机动车排队长度。
7.根据权利要求1所述的道路交通控制***,其特征在于,所述可控交通元素,包括下述至少一项:
红绿灯配时,增加/减少红绿灯,增加或减少左转车道,增加或减少调头车道,增加或减少右转车道,增加或减少直行车道,设置单行道,调整去向车道和来向车道的数目,增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道。
8.根据权利要求1所述的道路交通控制***,其特征在于,所述根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案,采用如下方式实现:
根据所述交通情况预测结果,获得所述路网中一个或多个路段的交通流量的预测值,以及一个或多个路段的交叉口的道路交通的预测值;
获取所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
对所述路网中一个或多个路段的交叉***通信号进行配时优化。
9.根据权利要求8所述的道路交通控制***,其特征在于,所述路网中一个或多个路段的交通流量,包括:
单位时间内到达道路某一截面的车辆数量、行人数量和/或非机动车数量。
10.根据权利要求8所述的道路交通控制***,其特征在于,所述交叉口的道路交通,至少包括如下参数:
排队长度、机动车饱和率、机动车到达率、路口行人流量、有效红灯时间。
11.根据权利要求8所述的道路交通控制***,其特征在于,所述优化算法包括:线性规划方法;所述对所述路网中一个或多个路段的交叉口信号进行配时优化采用所述线性规划方法,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
12.根据权利要求8所述的道路交通控制***,其特征在于,所述优化目标包括:
所述路网中一个或多个路段的机动车流量之间的差值小于预设的流量阈值。
13.根据权利要求10所述的道路交通控制***,其特征在于,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
其中,所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
所述控制方案通过计算所述线性目标函数的最小值确定。
14.根据权利要求13所述的道路交通控制***,其特征在于,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
计算所述信号周期内所有车辆的总延误时间;
根据所述信号周期内到达的车辆数,计算所述信号周期内每辆车的平均延误时间。
15.根据权利要求13所述的道路交通控制***,其特征在于,所述通过计算所述线性目标函数的最小值确定所述控制方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
16.根据权利要求15所述的道路交通控制***,其特征在于,所述总延误时间等于下述三部分之和:
所述道路流量方向上的机动车延误时间,等于每条支路机动车的车辆延误时间之和;所述每条支路机动车的车辆延误时间等于该条支路每辆机动车的平均延误时间与该条支路在所述道路流量方向上的瞬时车流量的乘积;所述该条支路每辆机动车的平均延误时间等于该条支路在所述道路流量方向上的信号平均延误时间和机动车与行人冲突区域导致的机动车平均延误时间两者之和;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间等于每个过街人行横道的信号延误时间之和;所述每个过街人行横道的信号延误时间等于所述过街人行横道的信号延误时间乘以所述过街人行横道的行人瞬时流量;
所述十字路口所有与行人过街延误时间等于十字路口行人流量与十字路口行人平均延误时间的乘积;所述十字路口行人平均延误时间等于所有支路的机动车与行人冲突区域导致的行人延误时间之和,再与所述十字路口每个行人的信号平均延误时间求和;
根据所述总延误时间的最小值,确定行人和非机动车的红绿灯配时以及机动车的红绿灯配时。
17.根据权利要求8所述的道路交通控制***,其特征在于,根据所述控制方案对所述路网中一个或多个路段的可控交通元素进行优化,在优化后,基于优化后获得的交通情况参数,根据所述交通情况评价模型评估优化后的交通情况,获得优化后交通情况评估结果。
18.根据权利要求8所述的道路交通控制***,其特征在于,所述交通情况评估结果,包括:
所述路网中一个或多个路段交通流量的均衡程度,所述路网中拥堵路段和拥堵路段的数量。
19.根据权利要求8所述的道路交通控制***,其特征在于,所述可控交通元素的控制方案,包括下述道路交通优化方式当中的至少一种:
增加/减少红绿灯,调整左转、直行和/或右转车道数,设置单行道,以及生成道路规划建议和/或道路扩建优化建议。
20.一种道路交通控制方法,其特征在于,包括:
从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
21.一种道路交通控制装置,其特征在于,包括:
视频交通信息分析单元,用于从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
交通情况预测单元,用于根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
实际交通情况评估单元,用于基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
交通控制决策单元,用于根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
22.一种道路交通控制方法,其特征在于,包括:
获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
23.根据权利要求22所述的道路交通控制方法,其特征在于,包括:
使用线性规划方法确定所述配时优化方案;所述使用线性规划方法确定所述配时优化方案,其约束条件涉及的参数包括:信号周期、排队长度、行人最大允许延误时间、机动车最大允许延误时间;其优化目标至少包括:行人或者非机动车的延误时间与机动车的延误时间之和最小。
24.根据权利要求23所述的道路交通控制方法,其特征在于,所述线性规划方法采用的线性目标函数为每个路段道路流量方向上总延误时间等于下述三部分之和:道路流量方向上的机动车延误时间、道路流量方向上的所有非十字路口过街人行横道的行人延误时间和所有十字路口行人过街延误时间;
其中,所述道路流量方向上的机动车延误时间,等于通往所述道路流量方向的所有的支路机动车延误时间之和;所述的支路机动车延误时间等于所述支路机动车的平均车辆延误时间与该方向上的瞬时车流量的乘积;
所述道路流量方向上的所有非十字路口过街人行横道的行人延误时间,等于所述路段流量方向上的所有过街人行横道的瞬时流量之和与非十字路口行人过街平均延误时间的乘积;
所述所有十字路口行人过街延误时间,等于所述道路流量方向上的所有支路的十字路口行人过街流量之和与十字路口行人平均延误时间的乘积;
通过计算所述线性目标函数的最小值确定所述配时优化方案。
25.根据权利要求25所述的道路交通控制方法,其特征在于,所述通过计算所述线性目标函数的最小值确定所述配时优化方案,包括:
根据机动车到达与行人冲突区域的时间间距满足的负指数分布,选择概率密度函数;
根据所述负指数分布和所述概率密度函数计算平均行人延误时间。
26.一种道路交通控制***,其特征在于,包括:
交通情况预测模块,用于获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
交通情况参数获取模块,用于获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
交通控制优化模块,基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
27.一种电子设备,其特征在于,包括:
存储器,以及处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
28.一种电子设备,其特征在于,包括:
存储器,以及处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
29.一种计算机可读介质,其特征在于,其上存储有指令,所述指令被执行以用于:
从视频交通信息中获取路网的交通情况参数;所述交通情况参数,至少包括机动车交通情况参数,并包括行人交通情况参数、非机动车交通情况参数中的至少一种;
根据所述交通情况参数对未来时间段的交通情况进行预测,获得交通情况预测结果;
基于所述交通情况参数,并根据交通情况评价模型评估实际交通情况,获得实际交通情况评估结果;
根据所述交通情况预测结果以及实际交通情况评估结果,采用优化算法确定可控交通元素的控制方案。
30.一种计算机可读介质,其特征在于,其上存储有指令,所述指令被执行以用于:
获得交通情况预测结果,所述交通情况预测结果包括:路网中一个或多个路段的交通流量的预测值,以及所述路段的交叉口的道路交通的预测值;
获取交通情况参数,所述交通情况参数包括:所述路网中一个或多个路段的交叉***通信号的信号周期和信号绿时;
基于所述交通情况预测结果,对所述路网中一个或多个路段的交叉***通信号进行配时优化。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710364565.1A CN108932855A (zh) | 2017-05-22 | 2017-05-22 | 道路交通控制***、方法以及电子设备 |
TW107106544A TW201901632A (zh) | 2017-05-22 | 2018-02-27 | 道路交通控制系統、方法以及電子設備 |
PCT/US2018/033961 WO2018217806A1 (en) | 2017-05-22 | 2018-05-22 | Road traffic control system, method, and electronic device |
EP18805389.6A EP3631616A4 (en) | 2017-05-22 | 2018-05-22 | SYSTEM, METHOD AND ELECTRONIC DEVICE FOR REGULATING ROAD TRAFFIC |
US15/986,640 US10354523B2 (en) | 2017-05-22 | 2018-05-22 | Road traffic control system, method, and electronic device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710364565.1A CN108932855A (zh) | 2017-05-22 | 2017-05-22 | 道路交通控制***、方法以及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108932855A true CN108932855A (zh) | 2018-12-04 |
Family
ID=64271997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710364565.1A Pending CN108932855A (zh) | 2017-05-22 | 2017-05-22 | 道路交通控制***、方法以及电子设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10354523B2 (zh) |
EP (1) | EP3631616A4 (zh) |
CN (1) | CN108932855A (zh) |
TW (1) | TW201901632A (zh) |
WO (1) | WO2018217806A1 (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472983A (zh) * | 2018-12-27 | 2019-03-15 | 河南省慕华教育科技有限公司 | 基于深度学习的智能交通控制方法及*** |
CN109887190A (zh) * | 2019-01-10 | 2019-06-14 | 深圳市万华汽车服务投资控股有限公司 | 一种洗车交互方法、装置及*** |
CN110472271A (zh) * | 2019-07-01 | 2019-11-19 | 电子科技大学 | 一种微观交通仿真的非机动车道混合交通流模型构建方法 |
CN110969866A (zh) * | 2019-11-13 | 2020-04-07 | 北京百度网讯科技有限公司 | 信号灯配时方法、装置、电子设备及存储介质 |
CN111275989A (zh) * | 2019-12-31 | 2020-06-12 | 浙江浙大中控信息技术有限公司 | 拥堵报警驱动的单点信号配时优化方法 |
CN111369794A (zh) * | 2020-02-28 | 2020-07-03 | 腾讯科技(深圳)有限公司 | 交通参与信息的确定方法、装置、设备及存储介质 |
CN111429735A (zh) * | 2020-03-26 | 2020-07-17 | 中国联合网络通信集团有限公司 | 机动车信号灯控制方法、装置及计算机可读存储介质 |
CN111613053A (zh) * | 2020-04-21 | 2020-09-01 | 北京掌行通信息技术有限公司 | 一种交通扰动的检测分析方法、装置、存储介质及终端 |
CN112185117A (zh) * | 2020-09-30 | 2021-01-05 | 青岛海信网络科技股份有限公司 | 一种基于电警数据的优化评价方法及装置 |
CN112906984A (zh) * | 2021-03-24 | 2021-06-04 | 苏州蓝图智慧城市科技有限公司 | 一种道路交通状态预测方法、装置、存储介质及电子设备 |
CN113257009A (zh) * | 2021-04-25 | 2021-08-13 | 安徽银徽科技有限公司 | 具备车辆诱导功能的智能交通运维方法及*** |
CN113257008A (zh) * | 2021-05-12 | 2021-08-13 | 兰州交通大学 | 基于深度学习的行人流量动态控制***及方法 |
CN113316808A (zh) * | 2019-01-14 | 2021-08-27 | 华为技术有限公司 | 通过交通状态的时空扩展搜索空间控制交通信号 |
CN113506451A (zh) * | 2021-05-25 | 2021-10-15 | 王子雷 | 一种道路交通拥堵治理方法 |
CN113689703A (zh) * | 2021-09-06 | 2021-11-23 | 季华实验室 | 一种车辆分流控制方法、装置、电子设备及存储介质 |
CN113990086A (zh) * | 2020-07-27 | 2022-01-28 | 阿里巴巴集团控股有限公司 | 一种交通控制方法、装置及电子设备 |
CN114170793A (zh) * | 2021-11-03 | 2022-03-11 | 江苏大学 | 一种高速公路车道动态管控方法 |
CN114567726A (zh) * | 2022-02-25 | 2022-05-31 | 苏州安智汽车零部件有限公司 | 一种类人眼自适应消抖前视摄像头 |
CN115273496A (zh) * | 2022-07-27 | 2022-11-01 | 北京英泰智科技股份有限公司 | 动态控制人行横道信号灯配时的方法、***及电子设备 |
CN115795083A (zh) * | 2022-11-17 | 2023-03-14 | 北京百度网讯科技有限公司 | 确定道路设施完备性的方法、装置、电子设备和介质 |
CN116013092A (zh) * | 2022-12-07 | 2023-04-25 | 嘉应学院 | 一种基于云计算的道路交通管理*** |
CN116110237A (zh) * | 2023-04-11 | 2023-05-12 | 成都智元汇信息技术股份有限公司 | 一种基于灰色马尔科夫链的信号灯控制方法及装置及介质 |
CN117994993A (zh) * | 2024-04-02 | 2024-05-07 | 中国电建集团昆明勘测设计研究院有限公司 | 公路交叉口红绿灯控制方法、***、电子设备及存储介质 |
Families Citing this family (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10769946B1 (en) * | 2017-04-24 | 2020-09-08 | Ronald M Harstad | Incentive-compatible, asymmetric-information, real-time traffic-routing differential-advice |
IT201700064752A1 (it) * | 2017-06-12 | 2018-12-12 | Duel S R L | Metodo di elaborazione dati per sintetizzare in tempo reale informazioni di traffico personalizzate |
CN110097768B (zh) * | 2018-01-30 | 2021-12-21 | 西门子公司 | 交通信号指示方法、装置、***和机器可读介质 |
WO2019162969A1 (en) * | 2018-02-26 | 2019-08-29 | Videonetics Technology Private Limited | System for computationally efficient analysis of traffic details in traffic video stream and a method thereof |
WO2020075677A1 (ja) * | 2018-10-12 | 2020-04-16 | 京セラ株式会社 | 基地局、交通通信システム、及び方法 |
US10977936B2 (en) * | 2018-11-13 | 2021-04-13 | Ford Global Technologies, Llc | Method and apparatus for adaptive engagement of temporary traffic control measures and navigation response |
US11482103B2 (en) * | 2018-11-22 | 2022-10-25 | François VAUDRIN | Control and manage traffic light system with VANET |
CN109615190A (zh) * | 2018-11-26 | 2019-04-12 | 浙江海洋大学 | 一种非机动车道使用情况评价方法 |
CN109801474A (zh) * | 2019-02-22 | 2019-05-24 | 北京启安智慧科技有限公司 | 一种城市安全的区域风险分析方法及*** |
CN110033616B (zh) * | 2019-04-10 | 2021-03-02 | 合肥学院 | 交叉口行人与非机动车过街信号自动感应控制方法 |
CN110164152B (zh) * | 2019-07-03 | 2021-08-24 | 西安工业大学 | 一种用于单交叉路***通信号灯控制*** |
CN110335465A (zh) * | 2019-07-10 | 2019-10-15 | 北京维联众诚科技有限公司 | 基于ai深度学习的监控视频中交通拥堵检测方法和*** |
CN114730522A (zh) * | 2019-10-14 | 2022-07-08 | 华为云计算技术有限公司 | 交通推理器 |
CN112802326B (zh) * | 2019-11-13 | 2022-03-04 | 阿波罗智联(北京)科技有限公司 | 交通方案控制方法和装置 |
CN110853339A (zh) * | 2019-11-25 | 2020-02-28 | 华录易云科技有限公司 | 一种基于视频检测的行人过街自适应***及方法 |
JP7310577B2 (ja) * | 2019-12-06 | 2023-07-19 | トヨタ自動車株式会社 | 環境予測システム及び環境予測方法 |
CN112071093A (zh) | 2020-04-22 | 2020-12-11 | 义硕智能股份有限公司 | 交通号志灯的控制***及方法 |
TWI797468B (zh) * | 2020-04-22 | 2023-04-01 | 義碩智能股份有限公司 | 交通號誌燈的控制系統及方法 |
CN111597700B (zh) * | 2020-05-09 | 2023-08-15 | 北京百度网讯科技有限公司 | 信控算法评估方法、装置、电子设备及可读存储介质 |
CN111599190B (zh) * | 2020-05-14 | 2021-10-29 | 安徽师范大学 | 一种智能交通灯***以及调节方法 |
CN111696348B (zh) * | 2020-06-05 | 2022-08-09 | 南京云创大数据科技股份有限公司 | 一种多功能的智能信号控制***和方法 |
CN111897730A (zh) * | 2020-08-03 | 2020-11-06 | 中关村科学城城市大脑股份有限公司 | 城市大脑建设中ai算法评测方法、***、设备及介质 |
CN112037508B (zh) * | 2020-08-13 | 2022-06-17 | 山东理工大学 | 基于动态饱和流率的交叉口信号配时优化方法 |
WO2022040107A1 (en) * | 2020-08-15 | 2022-02-24 | Lacuna Technologies, Inc. | Ground transportation management using simulation and modeling |
CN112133110A (zh) * | 2020-08-24 | 2020-12-25 | 安徽晟东科技有限公司 | 一种基于大数据的交通信号灯控制*** |
CN112330953A (zh) * | 2020-10-10 | 2021-02-05 | 杭州翔毅科技有限公司 | 基于云数据的交通控制方法、装置、设备及存储介质 |
CN112557506B (zh) * | 2020-11-27 | 2024-04-26 | 上海华东民航机场建设监理有限公司 | 采用无人机监理道面特征的方法、***、终端和存储介质 |
CN112489460A (zh) * | 2020-12-03 | 2021-03-12 | 百度国际科技(深圳)有限公司 | 信号灯信息的输出方法和装置 |
CN112885089B (zh) * | 2021-01-25 | 2022-06-07 | 合肥学院 | 一种基于多维指标的干线绿波智能诊断方法 |
CN112907970B (zh) * | 2021-02-02 | 2022-05-10 | 杭州远眺科技有限公司 | 一种基于车辆排队长度变化率的可变车道转向控制方法 |
CN113096419B (zh) * | 2021-03-29 | 2022-02-22 | 台州市公安局交通警察局 | 一种服务于车辆优先通行的信号控制方法 |
CN113327421B (zh) * | 2021-06-04 | 2022-03-25 | 河北省交通规划设计研究院有限公司 | 一种基于v2x路网控制方法及*** |
CN113343956B (zh) * | 2021-08-06 | 2021-11-19 | 腾讯科技(深圳)有限公司 | 路况信息的预测方法、装置和存储介质及电子设备 |
CN114239272B (zh) * | 2021-12-16 | 2023-03-28 | 北京工业大学 | 一种基于逆行行为的混合自行车流微观建模方法和装置 |
CN114419878B (zh) * | 2021-12-22 | 2023-04-07 | 银江技术股份有限公司 | 城市路网全域交通状态预测的方法、电子装置和存储介质 |
CN114611932B (zh) * | 2022-03-10 | 2023-09-05 | 哈尔滨工业大学 | 基于仿真和变道冲突的入口加速车道服务水平分级方法 |
CN114724353B (zh) * | 2022-03-10 | 2023-06-09 | 深圳大学 | 考虑行人的公交信号被动优先控制方法及装置 |
CN114627658B (zh) * | 2022-04-22 | 2023-10-27 | 河北上元智能科技股份有限公司 | 一种重大特殊车队通行高速公路的交通控制方法 |
CN114937354B (zh) * | 2022-05-05 | 2023-09-05 | 南京补天科技实业有限公司 | 一种基于互联网的城市监测汇聚*** |
CN115273499B (zh) * | 2022-06-30 | 2023-11-10 | 华东师范大学 | 一种基于车流量的信号灯动态配时方法与*** |
CN115171380B (zh) * | 2022-07-01 | 2023-05-12 | 广西师范大学 | 一种抑制网络攻击造成车联网拥塞的控制模型和方法 |
CN115578854B (zh) * | 2022-07-29 | 2024-01-26 | 深圳高速公路集团股份有限公司 | 收费站车辆排队长度预测方法、装置、设备及存储介质 |
CN115238532A (zh) * | 2022-09-23 | 2022-10-25 | 天津大学 | 一种适用于商业综合体的冬季温度场预测***及方法 |
CN116721548B (zh) * | 2023-08-07 | 2023-12-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种跨时段方案安全切换的信号控制方法 |
CN117173896B (zh) * | 2023-11-02 | 2024-01-16 | 深圳市地铁集团有限公司 | 基于arm技术体系的视觉通行控制方法 |
CN117709811B (zh) * | 2024-02-05 | 2024-04-19 | 河北省交通规划设计研究院有限公司 | 一种基于城市仿真的城市规划***及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101086804A (zh) * | 2006-06-06 | 2007-12-12 | 杜存君 | 一种交通信息管理的方法和*** |
CN101251953A (zh) * | 2008-04-03 | 2008-08-27 | 同济大学 | 一种可用于环形交叉口的不对称时空优化控制方法 |
CN102097005A (zh) * | 2011-02-01 | 2011-06-15 | 吉林大学 | 智能化、集成化交通信号控制器 |
CN102568223A (zh) * | 2012-02-06 | 2012-07-11 | 同济大学 | 信号交叉口右转专用车道实时动态控制方法 |
CN101604479B (zh) * | 2009-07-14 | 2012-08-08 | 北京交通大学 | 混合交通环境下平面信号交叉口服务水平的评价方法 |
US9171461B1 (en) * | 2013-03-07 | 2015-10-27 | Steve Dabell | Method and apparatus for providing estimated patrol properties and historic patrol records |
CN106056934A (zh) * | 2016-08-04 | 2016-10-26 | 杭州普乐科技有限公司 | 一种智慧型主动式交通信号控制器及控制方法 |
KR101731373B1 (ko) * | 2017-02-03 | 2017-05-02 | (주)케이이씨디바이스 | 실시간 영상 분석을 통한 영상상황 예측 관제 시스템 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6490519B1 (en) * | 1999-09-27 | 2002-12-03 | Decell, Inc. | Traffic monitoring system and methods for traffic monitoring and route guidance useful therewith |
US6950788B2 (en) * | 2000-09-27 | 2005-09-27 | Ardeshir Faghri | Computer-implemented system and method for simulating motor vehicle and bicycle traffic |
US7698055B2 (en) * | 2004-11-16 | 2010-04-13 | Microsoft Corporation | Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data |
US7813870B2 (en) * | 2006-03-03 | 2010-10-12 | Inrix, Inc. | Dynamic time series prediction of future traffic conditions |
US8666643B2 (en) * | 2010-02-01 | 2014-03-04 | Miovision Technologies Incorporated | System and method for modeling and optimizing the performance of transportation networks |
US8744734B2 (en) | 2011-03-04 | 2014-06-03 | Board of Regents, University of Arizona | Active traffic and demand management system |
CN202075862U (zh) * | 2011-03-28 | 2011-12-14 | 长安大学 | 一种高速公路交通事故影响预测与控制*** |
US9978270B2 (en) * | 2014-07-28 | 2018-05-22 | Econolite Group, Inc. | Self-configuring traffic signal controller |
DE102015115237B4 (de) | 2015-09-10 | 2022-02-17 | Swarco Traffic Systems Gmbh | Steuervorrichtung und steuerverfahren für eine verkehrssteueranlage, und steuersystem |
US9633560B1 (en) * | 2016-03-30 | 2017-04-25 | Jason Hao Gao | Traffic prediction and control system for vehicle traffic flows at traffic intersections |
CN105869416A (zh) | 2016-06-12 | 2016-08-17 | 京东方科技集团股份有限公司 | 一种交通信号控制装置及其控制方法、控制*** |
CN106351095B (zh) | 2016-11-08 | 2018-08-21 | 广东振业优控科技股份有限公司 | 一种信控蓄水式交叉***通控制方法 |
-
2017
- 2017-05-22 CN CN201710364565.1A patent/CN108932855A/zh active Pending
-
2018
- 2018-02-27 TW TW107106544A patent/TW201901632A/zh unknown
- 2018-05-22 EP EP18805389.6A patent/EP3631616A4/en active Pending
- 2018-05-22 WO PCT/US2018/033961 patent/WO2018217806A1/en active Application Filing
- 2018-05-22 US US15/986,640 patent/US10354523B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101086804A (zh) * | 2006-06-06 | 2007-12-12 | 杜存君 | 一种交通信息管理的方法和*** |
CN101251953A (zh) * | 2008-04-03 | 2008-08-27 | 同济大学 | 一种可用于环形交叉口的不对称时空优化控制方法 |
CN101604479B (zh) * | 2009-07-14 | 2012-08-08 | 北京交通大学 | 混合交通环境下平面信号交叉口服务水平的评价方法 |
CN102097005A (zh) * | 2011-02-01 | 2011-06-15 | 吉林大学 | 智能化、集成化交通信号控制器 |
CN102568223A (zh) * | 2012-02-06 | 2012-07-11 | 同济大学 | 信号交叉口右转专用车道实时动态控制方法 |
US9171461B1 (en) * | 2013-03-07 | 2015-10-27 | Steve Dabell | Method and apparatus for providing estimated patrol properties and historic patrol records |
CN106056934A (zh) * | 2016-08-04 | 2016-10-26 | 杭州普乐科技有限公司 | 一种智慧型主动式交通信号控制器及控制方法 |
KR101731373B1 (ko) * | 2017-02-03 | 2017-05-02 | (주)케이이씨디바이스 | 실시간 영상 분석을 통한 영상상황 예측 관제 시스템 |
Non-Patent Citations (1)
Title |
---|
李玲: "平面信控交叉口右转车辆与过街行人交通冲突研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472983A (zh) * | 2018-12-27 | 2019-03-15 | 河南省慕华教育科技有限公司 | 基于深度学习的智能交通控制方法及*** |
CN109887190A (zh) * | 2019-01-10 | 2019-06-14 | 深圳市万华汽车服务投资控股有限公司 | 一种洗车交互方法、装置及*** |
CN113316808A (zh) * | 2019-01-14 | 2021-08-27 | 华为技术有限公司 | 通过交通状态的时空扩展搜索空间控制交通信号 |
CN110472271A (zh) * | 2019-07-01 | 2019-11-19 | 电子科技大学 | 一种微观交通仿真的非机动车道混合交通流模型构建方法 |
JP7152458B2 (ja) | 2019-11-13 | 2022-10-12 | 阿波▲羅▼智▲聯▼(北京)科技有限公司 | 信号機のタイミング設定方法、装置、電子機器及び記憶媒体 |
JP2021082287A (ja) * | 2019-11-13 | 2021-05-27 | ベイジン バイドゥ ネットコム サイエンス アンド テクノロジー カンパニー リミテッド | 信号機のタイミング設定方法、装置、電子機器及び記憶媒体 |
CN110969866A (zh) * | 2019-11-13 | 2020-04-07 | 北京百度网讯科技有限公司 | 信号灯配时方法、装置、电子设备及存储介质 |
US11138874B2 (en) | 2019-11-13 | 2021-10-05 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Timing control method and apparatus for signal light, electronic device and storage medium |
CN111275989A (zh) * | 2019-12-31 | 2020-06-12 | 浙江浙大中控信息技术有限公司 | 拥堵报警驱动的单点信号配时优化方法 |
CN111275989B (zh) * | 2019-12-31 | 2021-04-27 | 浙江浙大中控信息技术有限公司 | 拥堵报警驱动的单点信号配时优化方法 |
CN111369794A (zh) * | 2020-02-28 | 2020-07-03 | 腾讯科技(深圳)有限公司 | 交通参与信息的确定方法、装置、设备及存储介质 |
CN111429735A (zh) * | 2020-03-26 | 2020-07-17 | 中国联合网络通信集团有限公司 | 机动车信号灯控制方法、装置及计算机可读存储介质 |
CN111429735B (zh) * | 2020-03-26 | 2021-04-02 | 中国联合网络通信集团有限公司 | 机动车信号灯控制方法、装置及计算机可读存储介质 |
CN111613053A (zh) * | 2020-04-21 | 2020-09-01 | 北京掌行通信息技术有限公司 | 一种交通扰动的检测分析方法、装置、存储介质及终端 |
CN111613053B (zh) * | 2020-04-21 | 2021-06-15 | 北京掌行通信息技术有限公司 | 一种交通扰动的检测分析方法、装置、存储介质及终端 |
CN113990086A (zh) * | 2020-07-27 | 2022-01-28 | 阿里巴巴集团控股有限公司 | 一种交通控制方法、装置及电子设备 |
CN112185117A (zh) * | 2020-09-30 | 2021-01-05 | 青岛海信网络科技股份有限公司 | 一种基于电警数据的优化评价方法及装置 |
CN112906984A (zh) * | 2021-03-24 | 2021-06-04 | 苏州蓝图智慧城市科技有限公司 | 一种道路交通状态预测方法、装置、存储介质及电子设备 |
CN112906984B (zh) * | 2021-03-24 | 2023-06-30 | 苏州蓝图智慧城市科技有限公司 | 一种道路交通状态预测方法、装置、存储介质及电子设备 |
CN113257009A (zh) * | 2021-04-25 | 2021-08-13 | 安徽银徽科技有限公司 | 具备车辆诱导功能的智能交通运维方法及*** |
CN113257009B (zh) * | 2021-04-25 | 2022-03-25 | 安徽银徽科技有限公司 | 具备车辆诱导功能的智能交通运维方法及*** |
CN113257008A (zh) * | 2021-05-12 | 2021-08-13 | 兰州交通大学 | 基于深度学习的行人流量动态控制***及方法 |
CN113506451A (zh) * | 2021-05-25 | 2021-10-15 | 王子雷 | 一种道路交通拥堵治理方法 |
CN113689703A (zh) * | 2021-09-06 | 2021-11-23 | 季华实验室 | 一种车辆分流控制方法、装置、电子设备及存储介质 |
CN113689703B (zh) * | 2021-09-06 | 2022-06-28 | 季华实验室 | 一种车辆分流控制方法、装置、电子设备及存储介质 |
CN114170793A (zh) * | 2021-11-03 | 2022-03-11 | 江苏大学 | 一种高速公路车道动态管控方法 |
CN114170793B (zh) * | 2021-11-03 | 2024-06-07 | 江苏大学 | 一种高速公路车道动态管控方法 |
CN114567726A (zh) * | 2022-02-25 | 2022-05-31 | 苏州安智汽车零部件有限公司 | 一种类人眼自适应消抖前视摄像头 |
CN115273496A (zh) * | 2022-07-27 | 2022-11-01 | 北京英泰智科技股份有限公司 | 动态控制人行横道信号灯配时的方法、***及电子设备 |
CN115795083A (zh) * | 2022-11-17 | 2023-03-14 | 北京百度网讯科技有限公司 | 确定道路设施完备性的方法、装置、电子设备和介质 |
CN115795083B (zh) * | 2022-11-17 | 2024-01-05 | 北京百度网讯科技有限公司 | 确定道路设施完备性的方法、装置、电子设备和介质 |
CN116013092A (zh) * | 2022-12-07 | 2023-04-25 | 嘉应学院 | 一种基于云计算的道路交通管理*** |
CN116110237A (zh) * | 2023-04-11 | 2023-05-12 | 成都智元汇信息技术股份有限公司 | 一种基于灰色马尔科夫链的信号灯控制方法及装置及介质 |
CN117994993A (zh) * | 2024-04-02 | 2024-05-07 | 中国电建集团昆明勘测设计研究院有限公司 | 公路交叉口红绿灯控制方法、***、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW201901632A (zh) | 2019-01-01 |
EP3631616A4 (en) | 2021-03-03 |
US10354523B2 (en) | 2019-07-16 |
WO2018217806A1 (en) | 2018-11-29 |
EP3631616A1 (en) | 2020-04-08 |
US20180336781A1 (en) | 2018-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108932855A (zh) | 道路交通控制***、方法以及电子设备 | |
CN107330547B (zh) | 一种城市公交动态调度优化方法及*** | |
CN110164162B (zh) | 一种特种车辆精细化引导***及通行方法 | |
Hamilton et al. | The evolution of urban traffic control: changing policy and technology | |
CN109345031B (zh) | 基于交通流数据的协调干线线路规划方法及配置*** | |
CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及*** | |
CN113330496A (zh) | 使用连接的车辆数据来管理交通流的***和方法 | |
CN108665707A (zh) | 一种预防局部交通拥堵的高速公路入口分流及流量协同控制方法 | |
CN106781558B (zh) | 车联网下基于宏观基本图的主通道交通流快速疏导方法 | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划***及方法 | |
CN109615887A (zh) | 智慧交通网络***信号指引方法 | |
CN112767694B (zh) | 用于缓解道路拥堵的交通优化方法和装置 | |
CN107195177A (zh) | 基于分布式内存计算框架对城市交通路况的预测方法 | |
Feng | Analyses of bus travel time reliability and transit signal priority at the stop-to-stop segment level | |
CN111009140B (zh) | 一种基于开源路况信息的智能交通信号控制方法 | |
WO2023276420A1 (en) | Distributed multi-task machine learning for traffic prediction | |
CN111524345A (zh) | 一种车辆实时排队长度约束下多目标优化的感应控制方法 | |
CN111047880B (zh) | 路网的交通控制方法、装置、存储介质和管理设备 | |
CN116884223B (zh) | 一种智慧城市交通引导*** | |
Clara Fang et al. | Computer simulation modeling of driver behavior at roundabouts | |
Ansariyar | Precision in Motion: Assessing the Accuracy of LiDAR Sensors for Delay Time Calculation at Signalized Intersections | |
Afandizadeh Zargari et al. | Improving SCATS operation during congestion periods using internal/external traffic metering strategy | |
Bagherian | Network-wide analysis and design of transit priority treatments | |
Al-Harthei et al. | Real-time traffic patrol allocation for Abu Dhabi emirate (UAE) | |
Liu et al. | Baseline microscopic and macroscopic models: Deliverable D4. 1 of the CoEXist project |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181204 |