CN109300316A - 一种道路缓堵控制方法、***及设备 - Google Patents
一种道路缓堵控制方法、***及设备 Download PDFInfo
- Publication number
- CN109300316A CN109300316A CN201810764762.7A CN201810764762A CN109300316A CN 109300316 A CN109300316 A CN 109300316A CN 201810764762 A CN201810764762 A CN 201810764762A CN 109300316 A CN109300316 A CN 109300316A
- Authority
- CN
- China
- Prior art keywords
- ring road
- target
- target ring
- road
- traffic flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供一种道路缓堵控制方法、***及设备,其中,方法包括:获取拥堵路段对应的输入交通流;根据输入交通流中的车辆总量及车辆匝道来源,从拥堵路段上游的各个匝道中选取至少一个目标匝道;针对每个目标匝道,根据目标匝道的交通特征参数,以及在各个预设信号控制方案下交通特征参数与缓堵控制效果之间的变化规律,将每个目标匝道在达到预设缓堵要求时对应的预设信号控制方案分别作为目标匝道的目标信号控制方案;按照每个目标匝道的目标信号控制方案分别对每个目标匝道上的交通流进行控制,以缓解拥堵路段的压力。信号控制方案的选择不再依赖经验,这使得针对各个匝道上的交通流的控制更加科学、更加合理。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种道路缓堵控制方法、***及 设备。
背景技术
随着城市汽车保有量的增加,道路交通的压力越来越大,道路交通发生拥 堵的次数越来越多、拥堵程度也越来越严重。
其中,快速路为城市中大量、长距离和快速交通提供服务支持,但是,当 快速路上的匝道交通需求超出快速路的通行能力时,将造成快速路的交通拥堵, 尤其在早、晚高峰及节假日等交通需求高峰期,快速路上经常发生交通拥堵。
目前,解决快速路拥堵的手段通常是:根据经验来设置匝道口的信号灯, 以控制匝道的交通流。但是这种手段是经验性的,对快速路的缓堵效果并不佳。
发明内容
本申请的多个方面提供一种道路缓堵控制方法、***及设备,以解决现有 技术中依赖经验进行道路缓堵控制所导致的缓堵控制效果不佳的问题。
本申请实施例提供一种道路缓堵控制方法,包括:
获取拥堵路段对应的输入交通流,并统计所述输入交通流中的车辆总量及 车辆匝道来源;
根据所述输入交通流中的车辆总量及车辆匝道来源,从所述拥堵路段上游 的各个匝道中选取至少一个目标匝道;
针对每个目标匝道,根据所述目标匝道的交通特征参数,以及在各个预设 信号控制方案下交通特征参数与缓堵控制效果之间的变化规律,将每个所述目 标匝道在达到预设缓堵要求时对应的预设信号控制方案分别作为所述目标匝道 的目标信号控制方案;
按照每个目标匝道的目标信号控制方案分别对每个目标匝道上的交通流进 行控制,以缓解所述拥堵路段的压力。
本申请实施例还提供一种道路缓堵控制***,包括采集器、控制器和位于 匝道上的信号灯;
所述采集器用于采集拥堵路段在一预设时间内的输入交通流并将采集到的 所述输入交通流发送至所述控制器;
所述控制器用于获取拥堵路段对应的输入交通流,并统计所述输入交通流 中的车辆总量及车辆匝道来源;根据所述输入交通流中的车辆总量及车辆匝道 来源,从所述拥堵路段上游的各个匝道中选取至少一个目标匝道;针对每个目 标匝道,根据所述目标匝道的交通特征参数,以及在各个预设信号控制方案下 交通特征参数与缓堵控制效果之间的变化规律,将每个所述目标匝道在达到预 设缓堵要求时对应的预设信号控制方案分别作为所述目标匝道的目标信号控制 方案;并将所述目标匝道的目标信号控制方案发送至所述信号灯;
位于所述目标匝道上的所述信号灯用于按照所述目标信号控制方案进行工 作,以分别控制所述目标匝道上交通流的通行和/或暂停。
本申请实施例还提供一种电子设备,包括存储器和控制器;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中的计算机程序,以用于:
获取拥堵路段对应的输入交通流,并统计所述输入交通流中的车辆总量及 车辆匝道来源;
根据所述输入交通流中的车辆总量及车辆匝道来源,从所述拥堵路段上游 的各个匝道中选取至少一个目标匝道;
针对每个目标匝道,根据所述目标匝道的交通特征参数,以及在各个预设 信号控制方案下交通特征参数与缓堵控制效果之间的变化规律,将每个所述目 标匝道在达到预设缓堵要求时对应的预设信号控制方案分别作为所述目标匝道 的目标信号控制方案;
按照每个目标匝道的目标信号控制方案分别对每个目标匝道上的交通流进 行控制,以缓解所述拥堵路段的压力。
在本申请实施例中,通过分析当前拥堵路段对应的输入交通流,可从当前 拥堵路段上游选取至少一个匝道作为目标匝道,根据在各个预设信号控制方案 下交通特征参数与缓堵控制效果之间的变化规律,可确定出满足预设缓堵要求 时目标匝道所对应的目标信号控制方案,并据此对每个目标匝道上的交通流进 行控制,从而达到预设缓堵要求。本申请实施例中,可根据当前拥堵路段的实 际拥堵情况,确定出能够达到预设缓堵要求的信号控制方案,不再依赖经验, 这使得针对各个匝道上的交通流的控制更加科学、更加合理,可获得更好的缓 堵控制效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分, 本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限 定。在附图中:
图1为本申请一实施例提供的一种道路缓堵控制方法;
图2本申请实施例中拥堵路段及其上游的各个匝道组成的一种示例性拥堵 场景;
图3为本申请另一实施例提供的道路缓堵控制***的结构示意图;
图4为本申请又一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实 施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的 实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施 例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施 例,都属于本申请保护的范围。
现有技术中,解决快速路拥堵的手段通常是:根据经验来设置匝道口的信 号灯,以控制匝道的交通流。但是这种手段是经验性的,对快速路的缓堵效果 并不佳。针对现有技术存在的上述问题,本申请实施例提供一种解决方案:通 过分析当前拥堵路段对应的输入交通流,可从当前拥堵路段上游选取至少一个 匝道作为控制目标,根据在各个预设信号控制方案下交通特征参数与缓堵控制 效果之间的变化规律,可确定出满足预设缓堵要求时目标匝道所对应的目标信 号控制方案,并据此对每个目标匝道上的交通流进行控制,从而达到预设缓堵 要求。本申请实施例中,可根据当前拥堵路段的实际拥堵情况,确定出能够达 到预设缓堵要求的信号控制方案,不再依赖经验,这使得针对各个匝道上的交 通流的控制更加科学、更加合理,可获得更好的缓堵控制效果。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本申请一实施例提供的一种道路缓堵控制方法。如图1所示,该方 法包括:
100、获取拥堵路段对应的输入交通流,并统计输入交通流中的车辆总量及 车辆匝道来源;
101、根据输入交通流中的车辆总量及车辆匝道来源,从拥堵路段上游的各 个匝道中选取至少一个目标匝道;
102、针对每个目标匝道,根据目标匝道的交通特征参数,以及在各个预设 信号控制方案下交通特征参数与缓堵控制效果之间的变化规律,将每个目标匝 道在达到预设缓堵要求时对应的预设信号控制方案分别作为目标匝道的目标信 号控制方案;
103、按照每个目标匝道的目标信号控制方案分别对每个目标匝道上的交通 流进行控制,以缓解拥堵路段的压力。
本实施例提供的道路缓堵控制方法可应用于各种需要进行道路缓堵控制的 场景。例如:快速路的缓堵控制。广义的快速路包括公路、铁路、水道等交通 领域的快速道。狭义的快速路简称快速公路,常涉及城际快速路和城市快速路, 后者是城市中有较高车速为长距离交通服务的重要道路。主要联系市区各主要 地区、主要近郊区、卫星城镇、主要对外公路等。当然,除快速路外,本实施 例还可应用于主干路、次干路等连接有支路且经常发生拥堵的其它类型道路中, 本实施例对此不作限定。
本实施例中,拥堵路段一般是指主干道路上发生拥堵的路段,如快速路的 主路上发生拥堵的路段。匝道是指与主干道路相连接的支路,匝道上的交通流 将汇入主干道路上的交通流。本实施例中,拥堵路段上游的各个匝道上的交通 流汇入拥堵路段而形成拥堵路段对应的输入交通流。交通流则是指由若干车辆 组成的车流。其中,拥堵路段的输入交通流中包含的各个车辆可能来自拥堵路 段上游的不同匝道。
在获取拥堵路段对应的输入交通流时,为方便统计,可在拥堵路段的任意 断面上观测预设时间段内通过该断面的车辆,这些车辆将组成拥堵路段对应的 输入交通流。其中,预设时间段可根据实际需要进行设定,例如:一分钟、十 分钟或者一小时等,本实施例对此不作限定。根据输入交通流至少可统计出车 辆总量及车辆匝道来源,当然,还可统计其它信息,例如,车辆到达拥堵路段 的先后顺序、车辆速度、车辆从匝道行驶至拥堵路段的交通延误时间等等,本 实施例对此不作限定。
道路上的拥堵路段可能同时存在多个,对于当前拥堵路段而言,其上游的 拥堵路段相当于路障,将交通流阻断,因此,位于上游的拥堵路段上游的匝道 上的交通流,在上游的拥堵路段未疏通之前,将无法到达当前拥堵路段,也就 不会对当前拥堵路段造成影响。另外,对于距离当前拥堵路段较远或者交通流 很小的匝道,对当前拥堵路段的影响也不大,甚至可以忽略不计。对于这些对 当前拥堵路段影响甚微的匝道,如果对其采取交通流控制措施,不仅无法对当 前拥堵路段的缓堵控制带来积极效果,反而会阻碍这些匝道的交通流的正常运 行,造成不必要的交通延误。本实施例中,根据统计出的输入交通流中的车辆 总量及车辆匝道来源,可从拥堵路段上游的所有匝道中选择部分匝道作为目标 匝道,而不必对拥堵路段上游的所有匝道进行控制。其中,目标匝道是指需要 进行交通流控制的匝道。
本实施例中,可根据输入交通流中的车辆总量及车辆匝道来源,确定拥堵 路段上游的各个匝道对拥堵路段的影响程度,并根据各个匝道对拥堵路段的影 响程度来选取目标匝道。例如,可将距离拥堵路段最近的预定数量个匝道作为 目标匝道,也可将最先到达的预定数量个车辆涉及到的匝道作为目标匝道,当 然,还可按照其它原则进行目标匝道的选取,本实施例对此不作限定。
针对每个目标匝道,可统计出每个目标匝道的交通特征参数。交通特征参 数是指能够反映目标匝道交通状况的参数。可选地,交通特征参数可包括:目 标匝道与拥堵路段之间的间距、目标匝道在拥堵路段对应的输入交通流中的匝 道占比、目标匝道的最大车辆存储排队能力以及拥堵路段的拥堵程度等等。当 然还可以包括其它能够反映目标匝道交通状况的参数,本实施例对此不作限定。
对于同一目标匝道来说,在不同的信号控制方案下可能获得不同的缓堵控 制效果。对于不同的目标匝道,采用相同的控制方案可能获得不同的缓堵控制 效果。本实施例中,可根据在各个预设信号控制方案下交通特征参数与缓堵控 制效果之间的变化规律,以目标匝道能够达到预设缓堵要求为目标,确定出目 标匝道对应的目标信号控制方案。其中,预设缓堵要求可以是协同控制各个目 标匝道后拥堵路段与其上游的各个目标匝道所构成区域所需达到的整体缓堵要 求,也可以是独立控制每个目标匝道后目标匝道与拥堵路段所构成区域单独所 需达到的缓堵要求,当然还可以是其它控制方式下的其它缓堵区域所需达到的 缓堵要求,本实施例对此不作限定。本实施例中,预设缓堵要求可以是交通延 误最小,和/或,拥堵路段的输出交通流的流量最大。针对交通延误最小这一预 设缓堵要求,前述两种预设缓堵要求的定义将分别对应拥堵路段与其上游的各 个目标匝道所构成区域的整体交通延误最小,以及,每个目标匝道与拥堵路段 所构成区域分别达交通延误最小。由于整体协同控制各个目标匝道可更充分地 利用道路资源,后文中,将重点以拥堵路段与其上游的各个目标匝道所构成区 域整体达到预设缓堵要求为目标进行方案说明,应当理解的是,对于其他预设 缓堵要求的情况,可通过对参数间的关联关系进行适应性调整来进行方案实施。
本实施例中,基于在各个预设信号控制方案下交通特征参数与缓堵控制效 果之间的变化规律,可根据不同目标匝道的交通特征参数,分别确定出目标匝 道在不同预设信号控制方案下的缓堵控制效果,并从中确定出达到预设缓堵要 求时对应的缓堵控制效果,据此确定出该缓堵效果对应的信号控制方案,即确 定为目标匝道的目标信号控制方案。其中,确定目标匝道的目标控制方案时, 可根据目标匝道的交通特征参数,采用交通仿真等方式确定出目标匝道的目标 信号控制方案,当然,还可采用其它方式,本实施例对此不作限定。
在确定出每个目标匝道的目标信号控制方案后,可按照每个目标匝道的目 标信号控制方案分别对每个目标匝道上的交通流进行控制,以缓解拥堵路段的 压力。信号控制方案中至少包括:信号控制周期和/或匝道入口车流通信绿信比 等参数。可通过控制目标匝道上的信号灯来实施信号控制方案,以控制目标匝 道上的交通流。
本实施例中,通过分析当前拥堵路段对应的输入交通流,可从当前拥堵路 段上游选取至少一个匝道作为控制目标,根据在各个预设信号控制方案下交通 特征参数与缓堵控制效果之间的变化规律,可确定出满足预设缓堵要求时目标 匝道所对应的目标信号控制方案,并据此对每个目标匝道上的交通流进行控制, 从而达到预设缓堵要求。本申请实施例中,可根据当前拥堵路段的实际拥堵情 况,确定出能够达到预设缓堵要求的信号控制方案,不再依赖经验,这使得针 对各个匝道上的交通流的控制更加科学、更加合理,可获得更好的缓堵控制效 果。
在上述或下述实施例中,为了更加合理地选取目标匝道,可根据输入交通 流中的车辆总量及车辆匝道来源,计算拥堵路段上游的各个匝道在输入交通流 中的匝道占比;以所选匝道数量最少,且所选匝道的匝道占比之和达到限流比 例为目标,从各匝道中选择至少一个目标匝道。其中,匝道占比可表征各个匝 道对拥堵路段的影响程度。
例如,图2本申请实施例中拥堵路段及其上游的各个匝道组成的一种示例 性拥堵场景。如图2所示,若拥堵路段的输入交通流中包含10量车,其中来自1号匝道的为3辆,来自2号匝道的车为1辆,来自3号匝道的车为4辆,来自 4号匝道的车为2辆,则1、2、3、4号的匝道占比分别为0.3、0.1、0.4、0.2。 相应地,1、2、3、4号的匝道对拥堵路段的影响程度由强到弱依次为:3号、1 号、4号、2号。
本实施例中,限流比例是指限制进入拥堵路段的车流比例,限流比例大于0 且小于1。例如,按照前述统计的拥堵路段对应的输入交通流,若输入交通流中 包含100辆车,当限流比例为0.5时,将最多允许其中的50辆车进入拥堵区域; 当限流比例为0.8时,则最多允许其中的20辆车进入拥堵区域,其余的车辆将 被限制在拥堵区域之外。
可选地,限流比例可根据拥堵路段的拥堵严重程度和/或拥堵压力增加速度 来确定,当然,还可将拥堵路段的其它特征参数用来确定限流比例,例如,拥 堵路段的道路长度、拥堵的持续时间等等,本实施例对此不作限定。其中,拥 堵严重程度可根据拥堵路段中的车辆行驶速度来确定,例如,当车辆行驶速度 为20~30km/h时,确定为严重拥堵,当车辆行驶速度为40~50km/h时,确定为 一般拥堵。拥堵压力增加速度可根据车辆行驶速度的下降速度来确定,当车辆 行驶速度下降较快时,说明拥堵压力增加速度较快。
根据预设的限流比例,可以所选匝道数量最少,且所选匝道的匝道占比之 和达到限流比例为目标,从各匝道中选择至少一个目标匝道。承接前述的匝道 占比计算示例,当限流比例为0.5时,可从1~4号匝道中选择匝道占比之和达到 0.5时最少数量的匝道作为目标匝道,也即是将1号和3号匝道确定为目标匝道。
本实施例中,通过匝道占比确定拥堵路段上游的各个匝道中对拥堵路段影 响程度,从中选择数量最少、影响最大的几个匝道作为目标匝道,后续将对选 出的每个目标匝道进行交通流控制,而除目标匝道外的其它匝道的交通流将不 受影响,且这些匝道也不会对拥堵路段造成影响。从而可更加精准、更加合理 地控制拥堵源头,达到预设缓堵要求。
在上述或下述实施例中,可针对每个目标匝道,根据目标匝道的交通特征 参数,运行机器学习模型,以获得目标匝道在各个预设信号控制方案下的缓堵 控制效果,并将每个目标匝道的缓堵控制效果达到预设缓堵要求时对应的预设 信号控制方案,分别作为每个目标匝道的的目标信号控制方案;其中,机器学 习模型包括在各个预设信号控制方案下交通特征参数与缓堵控制效果之间的变 化规律。
本实施例中,可通过机器学习模型学习在各个预设信号控制方案下交通特 征参数与缓堵控制效果之间的变化规律,并在道路发生拥堵时,针对拥堵路段 上游的每个目标匝道,运行机器学习模型,由机器学习模型确定出每个目标匝 道在达到预设缓堵要求时对应的预设信号控制方案。机器学习模型将输出每个 目标匝道的目标信号控制方案。其中,实现机器学习模型学习任务的方法可以 是神经网络算法,当然也可以是决策树、概率图模型等其它方法,或者是多种 方法的组合,本实施例对此不作限定。
在机器学习模型的基础上,本实施例根据目标匝道的有限个交通特征参数 即可确定出能够达到预设缓堵要求的目标信号控制方案,与交通仿真等实现方 式相比,可减少缓堵控制时需要实时采集的数据量,并可获得更快的处理速度 以及更加准确的信号处理方案,从而可更高效地进行缓堵控制。
在运行机器学习模型之前,还包括对机器学习模型的训练过程。以下将详 细说明机器学习模型的训练过程。
本实施例中,可基于多个不同的仿真拥堵场景,获取每个仿真拥堵场景各 自对应的至少一个待控制匝道的交通特征参数;根据每个仿真拥堵场景各自对 应的至少一个待控制匝道的交通特征参数,仿真每个仿真拥堵场景中的每个待 控制匝道在若干个预设信号控制方案下分别产生的缓堵控制效果;根据每个仿 真拥堵场景各自对应的至少一个待控制匝道的交通特征参数,以及仿真获得的 每个仿真拥堵场景中的每个待控制匝道在若干个预设信号控制方案下分别产生 的缓堵控制效果,进行模型训练,以获得机器学习模型。
其中,仿真拥堵场景用于模拟实际道路交通场景。仿真拥堵场景可包括仿 真拥堵路段和仿真拥堵路段上游的多个仿真匝道,以及位于仿真拥堵路段和仿 真匝道上的交通流。不同的仿真拥堵场景是指交通状况各不相同的仿真拥堵场 景,例如,对于其它交通状况相同但拥堵路段的拥堵程度不同的两种场景,可 建立两个不同的仿真拥堵场景;对于其他交通状况相同但1号匝道上的交通流 大小不同的两种场景,可建立两个不同的仿真拥堵场景,等等,在此不再穷举。 值得说明的是,仿真拥堵场景越多,获得的仿真数据越丰富,基于仿真数据进 行机器学习模型训练时则可获得更高精度的机器学习模型。
根据多个不同的仿真拥堵场景,可获取每个仿真拥堵场景各自对应的至少 一个待控制匝道的交通特征参数。确定仿真拥堵场景中的仿真拥堵路段对应的 带待控制匝道的过程,可参考前述实施例中关于从拥堵路段上游的各个匝道中 选取至少一个目标匝道的过程,在此不再赘述。
本实施例中,可通过现有的交通仿真模型进行仿真拥堵场景中的交通仿真, 根据每个仿真拥堵场景各自对应的至少一个待控制匝道的交通特征参数,仿真 每个仿真拥堵场景中的每个待控制匝道在若干个预设信号控制方案下分别产生 的缓堵控制效果。将每个仿真拥堵场景各自对应的至少一个待控制匝道的交通 特征参数,以及仿真获得的每个仿真拥堵场景中的每个待控制匝道在若干个预 设信号控制方案下分别产生的缓堵控制效果作为模型参数,进行模型训练,这 样,机器学习模型至少可学习到在各个预设信号控制方案下交通特征参数与缓 堵控制效果之间的变化规律。
在进行模型训练时,可从仿真获得的每个仿真拥堵场景在若干个预设信号 控制方案下分别产生的缓堵控制效果确定出达到预设缓堵要求的缓堵控制效果; 以每个仿真拥堵场景各自对应的待控制匝道的交通特征参数作为输入参数,以 仿真获得的每个仿真拥堵场景达到预设缓堵要求作为目标,以及以预设缓堵要 求对应的信号控制方案作为输出,进行模型训练,以获得机器学习模型。
据此,机器学习模型可学习到在各个预设信号控制方案下交通特征参数与 缓堵控制效果之间的变化规律,并可从各个预设信号控制方案中,选择出待控 制匝道的缓堵控制效果达到预设缓堵要求时的信号控制方案。因此,在运行机 器学习模型时,机器学习模型可根据输入的待控制匝道的交通特征参数,直接 输出当前拥堵路段下,该待控制匝道对应的目标信号控制方案,在该待控制匝 道上实施该目标信号控制方案后可使缓堵控制效果达到预设缓堵要求。
本实施例中,缓堵控制效果中的效果参数可包括:仿真拥堵路段与带控制 匝道所构成的区域的整体交通延误程度,和/或,仿真拥堵路段的输出交通流的 流量。对应地,预设缓堵要求可以是:仿真拥堵路段与其上游的待控制匝道所 构成的区域的整体交通延误最小,和/或,仿真拥堵路段的输出交通流的流量最 大。
当缓堵控制效果的效果参数同时包括仿真拥堵路段与待控制匝道所构成的 区域的整体交通延误程度和仿真拥堵路段的输出交通流的流量时,可在进行模 型训练之前,设定缓堵控制效果中的交通延误程度和输出交通流的流量各自的 权重,根据交通延误程度和输出交通流的流量各自的权重确定预设缓堵要求。 例如,预设缓堵要求中可设定交通延误程度的权重为0.7,交通流的流量的权重 为0.3,则在训练机器学习模型的过程中,预设缓堵要求可以是交通延误最小且 交通流的流量不小于最大值的50%,当然,这仅是示例性的,根据权重换算, 预设缓堵要求也可能是其它结果,本实施例对此不作限定。
图3为本申请另一实施例提供的一种道路缓堵控制***示意图。如图3所 示,该道路缓堵控制***,包括采集器30、控制器31和位于匝道上的信号灯 32;
采集器30用于采集拥堵路段在一预设时间内的输入交通流并将采集到的输 入交通流发送至控制器31;
控制器31用于获取拥堵路段对应的输入交通流,并统计输入交通流中的车 辆总量及车辆匝道来源;根据输入交通流中的车辆总量及车辆匝道来源,从拥 堵路段上游的各个匝道中选取至少一个目标匝道;针对每个目标匝道,根据目 标匝道的交通特征参数,以及在各个预设信号控制方案下交通特征参数与缓堵 控制效果之间的变化规律,将每个目标匝道在达到预设缓堵要求时对应的预设 信号控制方案分别作为目标匝道的目标信号控制方案;并将目标匝道的目标信 号控制方案发送至信号灯32;
位于目标匝道上的信号灯32用于按照目标信号控制方案进行工作,以分别 控制目标匝道上交通流的通行和/或暂停。
其中,采集器30可以是设置在拥堵路段及各个匝道上的重力传感器、 ZIGBEE采集终端等等能够采集车辆数据的设备,本实施例对采集器的实现形式 不作限定。采集器可根据不同的设备形式设置在不同位置,例如可以设置在匝 道口、快速路主路的经常拥堵路段等等。
在一可选实施例中,控制器31在根据输入交通流中的车辆总量及车辆匝道 来源,从拥堵路段上游的各个匝道中选取至少一个目标匝道时,用于:
根据输入交通流中的车辆总量及车辆匝道来源,计算拥堵路段上游的各个 匝道在输入交通流中的匝道占比;
以所选匝道数量最少,且所选匝道的匝道占比之和达到限流比例为目标, 从各匝道中选择至少一个目标匝道。
在一可选实施例中,控制器31在以所选匝道数量最少,且所选匝道的匝道 占比之和达到限流比例为目标,从各匝道中选择至少一个目标匝道之前,还用 于:
根据拥堵路段的拥堵严重程度和/或拥堵压力增加速度,确定限流比例,限 流比例大于0且小于1。
在一可选实施例中,目标匝道的交通特征参数包括:目标匝道与拥堵路段 之间的间距、目标匝道对应的匝道占比、目标匝道的最大车辆存储排队能力以 及拥堵路段的拥堵程度中的一个或多个。
在一可选实施例中,预设信号控制方案中的控制参数包括:信号控制周期 和/或匝道入口车流通信绿信比。
在一可选实施例中,控制器31在针对每个目标匝道,根据目标匝道的交通 特征参数,以及在各个预设信号控制方案下交通特征参数与缓堵控制效果之间 的变化规律,将每个目标匝道在达到预设缓堵要求时对应的预设信号控制方案 分别作为目标匝道的目标信号控制方案时,用于:
针对每个目标匝道,根据目标匝道的交通特征参数,运行机器学习模型, 以获得目标匝道在各个预设信号控制方案下的缓堵控制效果,并将每个目标匝 道的缓堵控制效果达到预设缓堵要求时对应的预设信号控制方案,分别作为每 个目标匝道的的目标信号控制方案;
其中,机器学习模型包括在各个预设信号控制方案下交通特征参数与缓堵 控制效果之间的变化规律。
在一可选实施例中,控制器31在针对每个目标匝道,根据目标匝道的交通 特征参数,运行机器学习模型之前,还用于:
基于多个不同的仿真拥堵场景,获取每个仿真拥堵场景各自对应的至少一 个待控制匝道的交通特征参数;
根据每个仿真拥堵场景各自对应的至少一个待控制匝道的交通特征参数, 仿真每个仿真拥堵场景中的每个待控制匝道在若干个预设信号控制方案下分别 产生的缓堵控制效果;
根据每个仿真拥堵场景各自对应的至少一个目标匝道的交通特征参数,以 及仿真获得的每个仿真拥堵场景中的每个待控制匝道在若干个预设信号控制方 案下分别产生的缓堵控制效果,进行模型训练,以获得机器学习模型。
在一可选实施例中,控制器31在根据每个仿真拥堵场景各自对应的至少一 个目标匝道的交通特征参数,以及仿真获得的每个仿真拥堵场景中的每个待控 制匝道在若干个预设信号控制方案下分别产生的缓堵控制效果,进行模型训练, 以获得机器学习模型时,用于:
从仿真获得的每个仿真拥堵场景在若干个预设信号控制方案下分别产生的 缓堵控制效果确定出达到预设缓堵要求的缓堵控制效果;
以每个仿真拥堵场景各自对应的目标匝道的交通特征参数作为输入参数, 以仿真获得的每个仿真拥堵场景达到预设缓堵要求作为目标,以及以预设缓堵 要求对应的信号控制方案作为输出,进行模型训练,以获得机器学习模型。
在一可选实施例中,缓堵控制效果中的效果参数包括:仿真拥堵路段与待 控制匝道所构成的区域的整体交通延误程度,和/或,仿真拥堵路段的输出交通 流的流量;
当缓堵控制效果包括交通延误程度和输出交通流的流量时,控制器31在进 行模型训练之前,还用于:
设定缓堵控制效果中的交通延误程度和输出交通流的流量各自的权重,根 据交通延误程度和输出交通流的流量各自的权重确定预设缓堵要求。
图4为本申请又一实施例提供的一种电子设备的结构示意图。如图4所示, 该电子设备包括:存储器40和处理器41;
存储器40于存储计算机程序,并可被配置为存储其它各种数据以支持在 服务器设备上的操作。这些数据的示例包括用于在服务器设备上操作的任何 应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。
存储器40由任何类型的易失性或非易失性存储设备或者它们的组合实 现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM), 可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读 存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
处理器41与存储器40耦合,用于执行存储器40中的计算机程序,以用 于:
获取拥堵路段对应的输入交通流,并统计输入交通流中的车辆总量及车辆 匝道来源;
根据输入交通流中的车辆总量及车辆匝道来源,从拥堵路段上游的各个匝 道中选取至少一个目标匝道;
针对每个目标匝道,根据目标匝道的交通特征参数,以及在各个预设信号 控制方案下交通特征参数与缓堵控制效果之间的变化规律,将每个目标匝道在 达到预设缓堵要求时对应的预设信号控制方案分别作为目标匝道的目标信号控 制方案;
按照每个目标匝道的目标信号控制方案分别对每个目标匝道上的交通流进 行控制,以缓解拥堵路段的压力。
在一可选实施例中,处理器41在根据输入交通流中的车辆总量及车辆匝道 来源,从拥堵路段上游的各个匝道中选取至少一个目标匝道时,用于:
根据输入交通流中的车辆总量及车辆匝道来源,计算拥堵路段上游的各个 匝道在输入交通流中的匝道占比;
以所选匝道数量最少,且所选匝道的匝道占比之和达到限流比例为目标, 从各匝道中选择至少一个目标匝道。
在一可选实施例中,处理器41在以所选匝道数量最少,且所选匝道的匝道 占比之和达到限流比例为目标,从各匝道中选择至少一个目标匝道之前,还用 于:
根据拥堵路段的拥堵严重程度和/或拥堵压力增加速度,确定限流比例,限 流比例大于0且小于1。
在一可选实施例中,目标匝道的交通特征参数包括:目标匝道与拥堵路段 之间的间距、目标匝道对应的匝道占比、目标匝道的最大车辆存储排队能力以 及拥堵路段的拥堵程度中的一个或多个。
在一可选实施例中,预设信号控制方案中的控制参数包括:信号控制周期 和/或匝道入口车流通信绿信比。
在一可选实施例中,处理器41在针对每个目标匝道,根据目标匝道的交通 特征参数,以及在各个预设信号控制方案下交通特征参数与缓堵控制效果之间 的变化规律,将每个目标匝道在达到预设缓堵要求时对应的预设信号控制方案 分别作为目标匝道的目标信号控制方案时,用于:
针对每个目标匝道,根据目标匝道的交通特征参数,运行机器学习模型, 以获得目标匝道在各个预设信号控制方案下的缓堵控制效果,并将每个目标匝 道的缓堵控制效果达到预设缓堵要求时对应的预设信号控制方案,分别作为每 个目标匝道的的目标信号控制方案;
其中,机器学习模型包括在各个预设信号控制方案下交通特征参数与缓堵 控制效果之间的变化规律。
在一可选实施例中,处理器41在针对每个目标匝道,根据目标匝道的交通 特征参数,运行机器学习模型之前,还用于:
基于多个不同的仿真拥堵场景,获取每个仿真拥堵场景各自对应的至少一 个待控制匝道的交通特征参数;
根据每个仿真拥堵场景各自对应的至少一个待控制匝道的交通特征参数, 仿真每个仿真拥堵场景中的每个待控制匝道在若干个预设信号控制方案下分别 产生的缓堵控制效果;
根据每个仿真拥堵场景各自对应的至少一个目标匝道的交通特征参数,以 及仿真获得的每个仿真拥堵场景中的每个待控制匝道在若干个预设信号控制方 案下分别产生的缓堵控制效果,进行模型训练,以获得机器学习模型。
在一可选实施例中,处理器41在根据每个仿真拥堵场景各自对应的至少一 个目标匝道的交通特征参数,以及仿真获得的每个仿真拥堵场景中的每个待控 制匝道在若干个预设信号控制方案下分别产生的缓堵控制效果,进行模型训练, 以获得机器学习模型时,用于:
从仿真获得的每个仿真拥堵场景在若干个预设信号控制方案下分别产生的 缓堵控制效果确定出达到预设缓堵要求的缓堵控制效果;
以每个仿真拥堵场景各自对应的目标匝道的交通特征参数作为输入参数, 以仿真获得的每个仿真拥堵场景达到预设缓堵要求作为目标,以及以预设缓堵 要求对应的信号控制方案作为输出,进行模型训练,以获得机器学习模型。
在一可选实施例中,缓堵控制效果中的效果参数包括:仿真拥堵路段与待 控制匝道所构成的区域的整体交通延误程度,和/或,仿真拥堵路段的输出交通 流的流量;
当缓堵控制效果包括交通延误程度和输出交通流的流量时,处理器41在进 行模型训练之前,还用于:
设定缓堵控制效果中的交通延误程度和输出交通流的流量各自的权重,根 据交通延误程度和输出交通流的流量各自的权重确定预设缓堵要求。
进一步,如图4所示,该电子设备还包括:通信组件42、显示器43、电 源组件44等其它组件。图4中仅示意性给出部分组件,并不意味着电子设备 只包括图4所示组件。
其中,通信组件42被配置为便于通信组件所在设备和其他设备之间有线 或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络, 如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件42 经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一 个示例性实施例中,通信组件还包括近场通信(NFC)模块,以促进短程通 信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
其中,显示器43包括屏幕,其屏幕可以包括液晶显示器(LCD)和触摸 面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来 自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动 和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界, 而且还检测与所述触摸或滑动操作相关的持续时间和压力。
其中,电源组件44,为电源组件所在设备的各种组件提供电力。电源组 件可以包括电源管理***,一个或多个电源,及其他与为电源组件所在设备 生成、管理和分配电力相关联的组件。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储 介质,计算机程序被执行时能够实现上述方法实施例中可由电子设备执行的 各步骤。
本领域内的技术人员应明白,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。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序 产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程 图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流 程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算 机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使 得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现 在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功 能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的 指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流 程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理, 从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程 或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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暂存电脑可读媒体(transitory media), 如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵 盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备 不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为 这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下, 由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方 法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人 员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的 任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种道路缓堵控制方法,其特征在于,包括:
获取拥堵路段对应的输入交通流,并统计所述输入交通流中的车辆总量及车辆匝道来源;
根据所述输入交通流中的车辆总量及车辆匝道来源,从所述拥堵路段上游的各个匝道中选取至少一个目标匝道;
针对每个目标匝道,根据所述目标匝道的交通特征参数,以及在各个预设信号控制方案下交通特征参数与缓堵控制效果之间的变化规律,将每个所述目标匝道在达到预设缓堵要求时对应的预设信号控制方案分别作为所述目标匝道的目标信号控制方案;
按照每个目标匝道的目标信号控制方案分别对每个目标匝道上的交通流进行控制,以缓解所述拥堵路段的压力。
2.根据权利要求1所述的方法,其特征在于,所述根据所述输入交通流中的车辆总量及车辆匝道来源,从所述拥堵路段上游的各个匝道中选取至少一个目标匝道,包括:
根据所述输入交通流中的车辆总量及车辆匝道来源,计算所述拥堵路段上游的各个匝道在所述输入交通流中的匝道占比;
以所选匝道数量最少,且所选匝道的匝道占比之和达到限流比例为目标,从各匝道中选择至少一个目标匝道。
3.根据权利要求2所述的方法,其特征在于,所述以所选匝道数量最少,且所选匝道的匝道占比之和达到限流比例为目标,从各匝道中选择至少一个目标匝道之前,还包括:
根据拥堵路段的拥堵严重程度和/或拥堵压力增加速度,确定所述限流比例,所述限流比例大于0且小于1。
4.根据权利要求1所述的方法,其特征在于,所述目标匝道的交通特征参数包括:所述目标匝道与所述拥堵路段之间的间距、所述目标匝道对应的匝道占比、所述目标匝道的最大车辆存储排队能力以及所述拥堵路段的拥堵程度中的一个或多个。
5.根据权利要求1所述的方法,其特征在于,所述预设信号控制方案中的控制参数包括:信号控制周期和/或匝道入口车流通信绿信比。
6.根据权利要求1~5中任一项所述的方法,其特征在于,所述针对每个目标匝道,根据所述目标匝道的交通特征参数,以及在各个预设信号控制方案下交通特征参数与缓堵控制效果之间的变化规律,将每个所述目标匝道在达到预设缓堵要求时对应的预设信号控制方案分别作为所述目标匝道的目标信号控制方案,包括:
针对每个目标匝道,根据所述目标匝道的交通特征参数,运行机器学习模型,以获得所述目标匝道在各个预设信号控制方案下的缓堵控制效果,并将每个所述目标匝道的缓堵控制效果达到预设缓堵要求时对应的预设信号控制方案,分别作为每个所述目标匝道的的目标信号控制方案;
其中,机器学习模型包括在各个预设信号控制方案下交通特征参数与缓堵控制效果之间的变化规律。
7.根据权利要求6所述的方法,其特征在于,在所述针对每个目标匝道,根据所述目标匝道的交通特征参数,运行机器学习模型之前,还包括:
基于多个不同的仿真拥堵场景,获取每个所述仿真拥堵场景各自对应的至少一个待控制匝道的交通特征参数;
根据每个所述仿真拥堵场景各自对应的所述至少一个待控制匝道的交通特征参数,仿真每个仿真拥堵场景中的每个待控制匝道在若干个预设信号控制方案下分别产生的缓堵控制效果;
根据每个所述仿真拥堵场景各自对应的所述至少一个待控制匝道的交通特征参数,以及仿真获得的每个仿真拥堵场景中的每个待控制匝道在若干个预设信号控制方案下分别产生的缓堵控制效果,进行模型训练,以获得机器学习模型。
8.根据权利要求7所述的方法,其特征在于,所述根据每个所述仿真拥堵场景各自对应的所述至少一个待控制匝道的交通特征参数,以及仿真获得的每个仿真拥堵场景中的每个待控制匝道在若干个预设信号控制方案下分别产生的缓堵控制效果,进行模型训练,以获得机器学习模型,包括:
从所述仿真获得的每个仿真拥堵场景在若干个预设信号控制方案下分别产生的缓堵控制效果确定出达到预设缓堵要求的缓堵控制效果;
以每个所述仿真拥堵场景各自对应的待控制匝道的交通特征参数作为输入参数,以仿真获得的每个仿真拥堵场景达到预设缓堵要求作为目标,以及以所述预设缓堵要求对应的信号控制方案作为输出,进行模型训练,以获得机器学习模型。
9.根据权利要求6所述的方法,其特征在于,所述缓堵控制效果中的效果参数包括:所述仿真拥堵路段与所述待控制匝道所构成的区域的整体交通延误程度,和/或,所述仿真拥堵路段的输出交通流的流量;
当所述缓堵控制效果包括交通延误程度和输出交通流的流量时,所述进行模型训练之前,还包括:
设定所述缓堵控制效果中的交通延误程度和输出交通流的流量各自的权重,根据交通延误程度和输出交通流的流量各自的权重确定所述预设缓堵要求。
10.一种道路缓堵控制***,其特征在于,包括采集器、控制器和位于匝道上的信号灯;
所述采集器用于采集拥堵路段在一预设时间内的输入交通流并将采集到的所述输入交通流发送至所述控制器;
所述控制器用于获取所述拥堵路段对应的输入交通流,并统计所述输入交通流中的车辆总量及车辆匝道来源;根据所述输入交通流中的车辆总量及车辆匝道来源,从所述拥堵路段上游的各个匝道中选取至少一个目标匝道;针对每个目标匝道,根据所述目标匝道的交通特征参数,以及在各个预设信号控制方案下交通特征参数与缓堵控制效果之间的变化规律,将每个所述目标匝道在达到预设缓堵要求时对应的预设信号控制方案分别作为所述目标匝道的目标信号控制方案;并将所述目标匝道的目标信号控制方案发送至所述信号灯;
位于所述目标匝道上的所述信号灯用于按照所述目标信号控制方案进行工作,以分别控制所述目标匝道上交通流的通行和/或暂停。
11.一种电子设备,其特征在于,包括存储器和控制器;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中的计算机程序,以用于:
获取拥堵路段对应的输入交通流,并统计所述输入交通流中的车辆总量及车辆匝道来源;
根据所述输入交通流中的车辆总量及车辆匝道来源,从所述拥堵路段上游的各个匝道中选取至少一个目标匝道;
针对每个目标匝道,根据所述目标匝道的交通特征参数,以及在各个预设信号控制方案下交通特征参数与缓堵控制效果之间的变化规律,将每个所述目标匝道在达到预设缓堵要求时对应的预设信号控制方案分别作为所述目标匝道的目标信号控制方案;
按照每个目标匝道的目标信号控制方案分别对每个目标匝道上的交通流进行控制,以缓解所述拥堵路段的压力。
12.一种存储计算机指令的计算机可读存储介质,其特征在于,当所述计算机指令被一个或多个处理器执行时,致使所述一个或多个处理器执行以下动作:
获取拥堵路段对应的输入交通流,并统计所述输入交通流中的车辆总量及车辆匝道来源;
根据所述输入交通流中的车辆总量及车辆匝道来源,从所述拥堵路段上游的各个匝道中选取至少一个目标匝道;
针对每个目标匝道,根据所述目标匝道的交通特征参数,以及在各个预设信号控制方案下交通特征参数与缓堵控制效果之间的变化规律,将每个所述目标匝道在达到预设缓堵要求时对应的预设信号控制方案分别作为所述目标匝道的目标信号控制方案;
按照每个目标匝道的目标信号控制方案分别对每个目标匝道上的交通流进行控制,以缓解所述拥堵路段的压力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810764762.7A CN109300316B (zh) | 2018-07-12 | 2018-07-12 | 一种道路缓堵控制方法、***及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810764762.7A CN109300316B (zh) | 2018-07-12 | 2018-07-12 | 一种道路缓堵控制方法、***及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109300316A true CN109300316A (zh) | 2019-02-01 |
CN109300316B CN109300316B (zh) | 2022-07-12 |
Family
ID=65172159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810764762.7A Active CN109300316B (zh) | 2018-07-12 | 2018-07-12 | 一种道路缓堵控制方法、***及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109300316B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473421A (zh) * | 2019-09-23 | 2019-11-19 | 鞠青松 | 基于5g通信网络的智能交通导航*** |
CN110782668A (zh) * | 2019-10-31 | 2020-02-11 | 阿里巴巴集团控股有限公司 | 交通控制方法、装置及设备 |
CN112466127A (zh) * | 2020-11-13 | 2021-03-09 | 北京嘀嘀无限科技发展有限公司 | 一种交通通行的控制方法、***、电子设备及存储介质 |
CN114758499A (zh) * | 2022-04-01 | 2022-07-15 | 济南市公安局交通警察支队 | 一种基于多源数据的城市高架快速路匝道智能自动控制的方法、设备及存储介质 |
CN115547054A (zh) * | 2022-11-29 | 2022-12-30 | 湖南工商大学 | 一种基于大数据的交通引导*** |
CN117079480A (zh) * | 2023-10-13 | 2023-11-17 | 之江实验室 | 一种快速路上匝道交通信号灯的控制方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005122A (zh) * | 2010-11-23 | 2011-04-06 | 上海市城市建设设计研究院 | 多匝道调节方法及其*** |
CN103927889A (zh) * | 2014-04-15 | 2014-07-16 | 姜廷顺 | 一种利用视频跟踪技术的快速路匝道信号控制方法及*** |
CN104464295A (zh) * | 2014-12-17 | 2015-03-25 | 合肥革绿信息科技有限公司 | 一种基于视频的高架入口匝道智能限行方法及装置 |
CN106600991A (zh) * | 2017-01-17 | 2017-04-26 | 河北工业大学 | 一种基于混沌的城市快速路多匝道协调控制方法 |
CN107765551A (zh) * | 2017-10-25 | 2018-03-06 | 河南理工大学 | 一种城市快速路入口匝道控制方法 |
-
2018
- 2018-07-12 CN CN201810764762.7A patent/CN109300316B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005122A (zh) * | 2010-11-23 | 2011-04-06 | 上海市城市建设设计研究院 | 多匝道调节方法及其*** |
CN103927889A (zh) * | 2014-04-15 | 2014-07-16 | 姜廷顺 | 一种利用视频跟踪技术的快速路匝道信号控制方法及*** |
CN104464295A (zh) * | 2014-12-17 | 2015-03-25 | 合肥革绿信息科技有限公司 | 一种基于视频的高架入口匝道智能限行方法及装置 |
CN106600991A (zh) * | 2017-01-17 | 2017-04-26 | 河北工业大学 | 一种基于混沌的城市快速路多匝道协调控制方法 |
CN107765551A (zh) * | 2017-10-25 | 2018-03-06 | 河南理工大学 | 一种城市快速路入口匝道控制方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473421A (zh) * | 2019-09-23 | 2019-11-19 | 鞠青松 | 基于5g通信网络的智能交通导航*** |
CN110473421B (zh) * | 2019-09-23 | 2020-06-23 | 鞠青松 | 基于5g通信网络的智能交通导航*** |
CN110782668A (zh) * | 2019-10-31 | 2020-02-11 | 阿里巴巴集团控股有限公司 | 交通控制方法、装置及设备 |
CN112466127A (zh) * | 2020-11-13 | 2021-03-09 | 北京嘀嘀无限科技发展有限公司 | 一种交通通行的控制方法、***、电子设备及存储介质 |
CN114758499A (zh) * | 2022-04-01 | 2022-07-15 | 济南市公安局交通警察支队 | 一种基于多源数据的城市高架快速路匝道智能自动控制的方法、设备及存储介质 |
CN114758499B (zh) * | 2022-04-01 | 2023-08-18 | 济南市公安局交通警察支队 | 一种基于多源数据的城市高架快速路匝道智能自动控制的方法、设备及存储介质 |
CN115547054A (zh) * | 2022-11-29 | 2022-12-30 | 湖南工商大学 | 一种基于大数据的交通引导*** |
CN117079480A (zh) * | 2023-10-13 | 2023-11-17 | 之江实验室 | 一种快速路上匝道交通信号灯的控制方法及装置 |
CN117079480B (zh) * | 2023-10-13 | 2024-01-09 | 之江实验室 | 一种快速路上匝道交通信号灯的控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109300316B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109300316A (zh) | 一种道路缓堵控制方法、***及设备 | |
US10354523B2 (en) | Road traffic control system, method, and electronic device | |
Li et al. | An Open Traffic Light Control Model for Reducing Vehicles'$\hbox {CO} _ {2} $ Emissions Based on ETC Vehicles | |
CN106097730B (zh) | 一种路段车辆排队长度的估计方法、装置及*** | |
Geroliminis et al. | Identification and analysis of queue spillovers in city street networks | |
CN111402583B (zh) | 一种交通事件的感知方法、设备及存储介质 | |
CN113256969B (zh) | 一种高速公路的交通事故预警方法、设备及介质 | |
CN110210652A (zh) | 一种轨道交通站点客流控制方法及装置 | |
Wismans et al. | Real time traffic models, decision support for traffic management | |
CN109754144A (zh) | 面向云控的智能网联汽车数据及应用管理方法和装置 | |
US20210241613A1 (en) | Methods and systems for predicting travel time | |
Guerrero-Ibanez et al. | A policy-based multi-agent management approach for intelligent traffic-light control | |
CN110188921A (zh) | 车辆调度策略确定方法和装置 | |
CN109859477A (zh) | 一种拥堵数据的确定方法和装置 | |
CN104751650B (zh) | 一种对道路交通信号进行控制的方法和设备 | |
CN110751841B (zh) | 区域交通控制方法、设备、***及存储介质 | |
CN111951567A (zh) | 数据的处理方法、装置、设备及计算机存储介质 | |
Talukder et al. | Trajectory-based signal control in mixed connected vehicle environments | |
Zhao et al. | Optimizing work-zone schedule with floating car data considering traffic diversion and managed lanes | |
CN108133602A (zh) | 一种城市交通信号控制方法和装置 | |
CN110059866B (zh) | 一种基于预约的出行时间推荐方法及装置 | |
Graves et al. | A decentralized intersection management system through collaborative negotiation between smart signals | |
Zhao et al. | CTM Based Real‐Time Queue Length Estimation at Signalized Intersection | |
Blokpoel et al. | Advantage of cooperative traffic light control algorithms | |
Wu et al. | Signal optimization at urban highway rail grade crossings using an online adaptive priority strategy |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |