CN109712397B - 基于gm跟驰模型的高速公路行程时间估计方法 - Google Patents

基于gm跟驰模型的高速公路行程时间估计方法 Download PDF

Info

Publication number
CN109712397B
CN109712397B CN201910060911.6A CN201910060911A CN109712397B CN 109712397 B CN109712397 B CN 109712397B CN 201910060911 A CN201910060911 A CN 201910060911A CN 109712397 B CN109712397 B CN 109712397B
Authority
CN
China
Prior art keywords
time
following
running
vehicle
road section
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910060911.6A
Other languages
English (en)
Other versions
CN109712397A (zh
Inventor
吕伟韬
杨树
陈凝
周东
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.)
Jiangsu Zhitong Traffic Technology Co ltd
Original Assignee
Jiangsu Zhitong Traffic Technology Co ltd
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 Jiangsu Zhitong Traffic Technology Co ltd filed Critical Jiangsu Zhitong Traffic Technology Co ltd
Priority to CN201910060911.6A priority Critical patent/CN109712397B/zh
Publication of CN109712397A publication Critical patent/CN109712397A/zh
Priority to PCT/CN2019/114375 priority patent/WO2020151287A1/zh
Application granted granted Critical
Publication of CN109712397B publication Critical patent/CN109712397B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种基于GM跟驰模型的高速公路行程时间估计方法，将检测器的实测数据对交通流微观模型进行标定，由虚拟车辆跟驰特性分析路段内的交通微观运动属性，进而实现行程时间的估计；该方法能够实现对路段行程时间的估计，显著提升数据颗粒度，同时能够保证在拥堵状况下的行程时间估计精度，满足当前精细化交通管控对支撑数据的要求。

Description

基于GM跟驰模型的高速公路行程时间估计方法
技术领域
本发明涉及一种基于GM跟驰模型的高速公路行程时间估计方法。
背景技术
行程时间是交通运行管控中的重要参数指标，能够表征交通拥堵水平，辅助出行者做出出行决策。行程时间的获取，包括移动式检测(如浮动车)以及固定式检测(如基于号牌识别的数据匹配)。移动式交通数据采集方式能够直接获取到行程时间数据，但是却存在样本量不足、行程时间波动性过大等问题。而固定式交通数据采集方式由于无法直接获取行程时间数据，需要通过检测设备采集到的道路交通流参数(流量、速度、占有率)来间接进行行程时间估计。后者也是目前获取行程时间这一参数的主要方法。
实现行程时间估计的模型很多，在这类模型中行驶速度都是实现行程时间估计的关键参数，最为典型的就是平均值法估计，即行程时间＝路段长度/路段平均行驶速度，而在不同模型中对路段平均行驶速度也有不一样的定义，例如以上下游在车辆出发时刻检测的速度值的算术平均作为路段平均速度(Instantaneous model)，亦有模型(Time-Slicemodel)从出发时刻修正角度对平均速度进行优化。这类模型均建立在速度连续这一假设之上，但这显然是一种较为粗略的估计。车辆在路段上的行驶速度具有明显的波动性，平均速度无法保留车辆运行过程中的大部分信息。尤其在拥堵状况下，模型的估计值与真实值具有较大的差异。
上述问题是在高速公路行程时间估计过程中应当予以考虑并解决的问题。
发明内容
鉴于以上这一缺陷，本发明的目的是提供一种基于GM跟驰模型的高速公路行程时间估计方法，来解决如何提升拥堵状况下行程时间估计的精度，从而解决现有模型的估计值与真实值具有较大的差异的问题。
本发明的技术解决方案是：
一种基于GM跟驰模型的高速公路行程时间估计方法，将检测器的实测数据对交通流微观模型进行标定，由虚拟车辆跟驰特性分析路段内的交通微观运动属性，进而实现行程时间的估计；包括以下步骤，
S1、从分别安装于路段的上游端点Sa、下游端点Sb的检测器获取对应断面的交通检测数据，检测器的数据检测时间间隔为Ti；
S2、设置虚拟前导车VL与跟驰车VF，两车初始位置分别位于上游端点Sa、下游端点Sb，初始时刻为T0，该时刻两车的车头间距为路段长度L；
S3、定义虚拟前导车VL与跟驰车VF的运行特征；
S4、根据上一时间间隔的运行参数确定虚拟前导车VL在时刻t的运行参数；
S5、基于GM跟驰模型构建跟驰车VF在路段上游端点Sa至下游端点Sb的行驶轨迹；
S6、由步骤S4、S5对VF在路段全程通行行为进行描述，数据颗粒度达到ΔT，路段行驶起始时刻为T0，路段行驶结束时刻为Tb，即
Figure BDA0001953292250000021
路段行程时间估计值TT＝Tb-T0。
进一步地，步骤S3中，定义虚拟前导车VL与跟驰车VF的运行特征，具体为，虚拟前导车VL通行不受其他车辆影响，跟驰车VF在驶向下游端点Sb的过程中其行驶速度受到虚拟前导车VL的影响；在跟驰车VF到达下游端点Sb前，在任一时刻t两车的行驶距离分别为
Figure BDA0001953292250000022
车头间距
Figure BDA0001953292250000023
进一步地，步骤S4中，根据上一时间间隔的运行参数确定虚拟前导车VL在时刻t的运行参数，包括行驶速度、行驶距离。
进一步地，步骤S4中，确定虚拟前导车VL在时刻t的行驶速度
Figure BDA0001953292250000024
具体为，
Figure BDA0001953292250000025
其中t∈[Ti,Ti+1]，
Figure BDA0001953292250000026
分别为安装于路段下游端点Sb点的检测器在时间间隔Ti、Ti+1检测的平均行驶速度。
进一步地，步骤S4中，虚拟前导车VL在时刻t的行驶距离
Figure BDA0001953292250000027
具体为，
Figure BDA0001953292250000028
其中ΔT为GM跟驰模型中运行参数更新的时间间隔，
Figure BDA0001953292250000029
分别为前导车VL在t-ΔT时刻的行驶速度、行驶距离。
进一步地，步骤S5中，基于GM跟驰模型构建跟驰车VF在路段上游端点Sa至下游端点Sb的行驶轨迹，使用行驶速度、加速度、行驶距离描述，具体为，用检测器上游端点Sa在初始时刻T0检测的平均行驶速度对跟驰车VF的速度进行初始化处理；确定跟驰车VF在时刻t的运行参数，包括行驶速度、加速度、行驶距离；
其中，跟驰车VF在t时刻的实时行驶速度
Figure BDA0001953292250000031
计算公式为：
Figure BDA0001953292250000032
式中
Figure BDA0001953292250000033
分别为跟驰车VF在时刻t-ΔT的速度、加速度，VF实时加速度
Figure BDA0001953292250000034
具体的计算公式为：
Figure BDA0001953292250000035
式中l为车头间距指数，m为速度指数，αl,m为灵敏度，
Figure BDA0001953292250000036
分别为前导车VL与跟驰车VF在t-ΔT时刻的行驶距离，其中跟驰车的行驶距离
Figure BDA0001953292250000037
计算公式为：
Figure BDA0001953292250000038
式中，
Figure BDA0001953292250000039
为跟驰车VF在t-ΔT时刻的行驶距离，ΔT为GM跟驰模型中运行参数更新的时间间隔，
Figure BDA00019532922500000310
分别为跟驰车VF在时刻t-ΔT的速度、加速度。
本发明的有益效果是：
一、该种基于GM跟驰模型的高速公路行程时间估计方法，将交通流微观模型应用到行程时间估计中，同时对宏观环境下的交通流断面检测数据应用到微观的跟驰模型中，通过描述虚拟的虚拟前导车与跟驰车的运动属性，实现对路段行程时间的估计。
二、该种基于GM跟驰模型的高速公路行程时间估计方法，为一种新型的行程时间估计方法，采用交通流微观模型对行程时间这一宏观指标进行估计，其目的是提高行程时间估计模型性能的稳定性，尤其是提升拥堵状况下行程时间估计的精度，使得模型在不同的交通运行状况下都能输出可靠的行程时间估计结果；本发明方法提升高速公路行程时间估计精确度效果明显，在畅通状况下精度能够提升1.62％，在拥堵状况下精确度提升6.66％。三、本发明的基于GM跟驰模型的高速公路行程时间估计方法，运用检测器实测的宏观交通流参数数据对交通流微观模型进行标定，由虚拟车辆跟驰特性分析路段内的交通微观运动属性，在此基础上实现对路段行程时间的估计，显著提升数据颗粒度，同时能够保证在拥堵状况下的行程时间估计精度，满足当前精细化交通管控对支撑数据的要求。
附图说明
图1是本发明实施例基于GM跟驰模型的高速公路行程时间估计方法的流程示意图。
图2是实施例中设置虚拟前导车VL与跟驰车VF的说明示意图。
图3是实施例中获得的行程时间估计值与真实值的对比示意图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例
一种基于GM跟驰模型的高速公路行程时间估计方法，将检测器的实测数据对交通流微观模型进行标定，由虚拟车辆跟驰特性分析路段内的交通微观运动属性，进而实现行程时间的估计；如图1，具体步骤为：
S1、从分别安装于路段的上游端点Sa、下游端点Sb的检测器获取对应断面的交通检测数据，包括流量、平均行驶速度以及占有率，检测器的数据检测时间间隔为Ti，如图2。
S2、设置虚拟前导车VL与跟驰车VF，两车初始位置分别位于上游端点Sa、下游端点Sb，初始时刻为T0，该时刻两车的车头间距为路段长度L。
S3、定义VL与VF的运行特征，虚拟前导车VL通行不受其他车辆影响，跟驰车VF在驶向点下游端点Sb的过程中其行驶速度受到虚拟前导车VL的影响；在VF到达下游端点Sb前，在任一时刻t两车的行驶距离分别为
Figure BDA0001953292250000041
车头间距
Figure BDA0001953292250000042
S4、根据上一时间间隔的运行参数确定虚拟前导车VL在时刻t的运行参数，包括行驶速度、行驶距离；在时刻t的行驶速度
Figure BDA0001953292250000043
计算公式为：
Figure BDA0001953292250000044
其中t∈[Ti,Ti+1]，
Figure BDA0001953292250000045
分别为安装于路段下游端点Sb点的检测器在时间间隔Ti、Ti+1检测的平均行驶速度；VL在时刻t的行驶距离
Figure BDA0001953292250000046
计算公式为：
Figure BDA0001953292250000047
其中，
Figure BDA0001953292250000048
分别为前导车VL在t-ΔT时刻的行驶速度、行驶距离，ΔT为GM跟驰模型中运行参数更新的时间间隔，在实施例中ΔT＝0.1s。
S5、基于GM跟驰模型构建跟驰车VF在路段上游端点Sa至下游端点Sb的行驶轨迹，使用行驶速度、加速度、行驶距离描述，具体为，用检测器上游端点Sa在初始时刻T0检测的平均行驶速度对跟驰车VF的速度进行初始化处理；确定跟驰车VF在时刻t的运行参数，包括行驶速度、加速度、行驶距离。
其中，跟驰车VF在t时刻的实时行驶速度
Figure BDA0001953292250000051
计算公式为：
Figure BDA0001953292250000052
式中式中
Figure BDA0001953292250000053
分别为跟驰车VF在时刻t-ΔT的速度、加速度，实时加速度
Figure BDA0001953292250000054
具体的计算公式为：
Figure BDA0001953292250000055
式中l为车头间距指数，取值范围为[-1,4]，m为速度指数，取值范围为[-2,2]，αl,m为灵敏度，
Figure BDA0001953292250000056
分别为前导车VL与跟驰车VF在t-ΔT时刻的行驶距离，其中跟驰车的行驶距离
Figure BDA0001953292250000057
计算公式为：
Figure BDA0001953292250000058
式中，
Figure BDA0001953292250000059
为跟驰车VF在t-ΔT时刻的行驶距离，ΔT为GM跟驰模型中运行参数更新的时间间隔，
Figure BDA00019532922500000510
分别为跟驰车VF在时刻t-ΔT的速度、加速度。
需要注意的是，上述参数l、m、αl,m根据交通运行状态取值；自由流状态下参数l、m、αl,m取值方案具体为：l＝0.5，m＝0.8，αl,m＝12，拥堵状态下的取值方案为l＝1，m＝0.1，αl,m＝8。
S6、由步骤S4、S5能够对VF在路段全程通行行为进行描述，数据颗粒度达到ΔT，路段行驶起始时刻为T0，路段行驶结束时刻为Tb，即
Figure BDA00019532922500000511
路段行程时间估计值TT＝Tb-T0。
该种基于GM跟驰模型的高速公路行程时间估计方法，将交通流微观模型应用到行程时间估计中，同时对宏观环境下的交通流断面检测数据应用到微观的跟驰模型中，通过描述虚拟的虚拟前导车与跟驰车的运动属性，实现对路段行程时间的估计。如图3，本发明所述方法能够有效提升高速公路行程时间估计精确度，在畅通状况下精度能够提升1.62％，在拥堵状况下精确度提升6.66％。
实施例的基于GM跟驰模型的高速公路行程时间估计方法，为一种新型的行程时间估计方法，采用交通流微观模型对行程时间这一宏观指标进行估计，其目的是提高行程时间估计模型性能的稳定性，尤其是提升拥堵状况下行程时间估计的精度，使得模型在不同的交通运行状况下都能输出可靠的行程时间估计结果。
该种基于GM跟驰模型的高速公路行程时间估计方法，运用检测器实测的宏观交通流参数数据对交通流微观模型进行标定，由虚拟车辆跟驰特性分析路段内的交通微观运动属性，在此基础上实现对路段行程时间的估计，显著提升数据颗粒度，同时能够保证在拥堵状况下的行程时间估计精度，满足当前精细化交通管控对支撑数据的要求。

Claims (2)

1.一种基于GM跟驰模型的高速公路行程时间估计方法，其特征在于：将检测器的实测数据对交通流微观模型进行标定，由虚拟车辆跟驰特性分析路段内的交通微观运动属性，进而实现行程时间的估计；包括以下步骤，
S1、从分别安装于路段的上游端点Sa、下游端点Sb的检测器获取对应断面的交通检测数据，检测器的数据检测时间间隔为Ti；
S2、设置虚拟前导车VL与跟驰车VF，两车初始位置分别位于上游端点Sa、下游端点Sb，初始时刻为T0，该时刻两车的车头间距为路段长度L；
S3、定义虚拟前导车VL与跟驰车VF的运行特征；具体为，虚拟前导车VL通行不受其他车辆影响，跟驰车VF在驶向下游端点Sb的过程中其行驶速度受到虚拟前导车VL的影响；在跟驰车VF到达下游端点Sb前，在任一时刻t两车的行驶距离分别为
Figure FDA0002979156770000011
车头间距
Figure FDA0002979156770000012
S4、根据上一时间间隔的运行参数确定虚拟前导车VL在时刻t的运行参数，包括行驶速度、行驶距离；其中：
确定虚拟前导车VL在时刻t的行驶速度
Figure FDA0002979156770000013
具体为，
Figure FDA0002979156770000014
其中t∈[Ti,Ti+1]，
Figure FDA0002979156770000015
分别为安装于路段下游端点Sb点的检测器在时间间隔Ti、Ti+1检测的平均行驶速度；
虚拟前导车VL在时刻t的行驶距离
Figure FDA0002979156770000016
具体为，
Figure FDA0002979156770000017
其中ΔT为GM跟驰模型中运行参数更新的时间间隔，
Figure FDA0002979156770000018
分别为前导车VL在t-ΔT时刻的行驶速度、行驶距离；
S5、基于GM跟驰模型构建跟驰车VF在路段上游端点Sa至下游端点Sb的行驶轨迹；
S6、由步骤S4、S5对VF在路段全程通行行为进行描述，数据颗粒度达到GM跟驰模型中运行参数更新的时间间隔ΔT，路段行驶起始时刻为T0，路段行驶结束时刻为Tb，即跟驰车VF在路段行驶结束时刻Tb的行驶距离
Figure FDA0002979156770000019
路段行程时间估计值TT＝Tb-T0。
2.如权利要求1所述的基于GM跟驰模型的高速公路行程时间估计方法，其特征在于：步骤S5中，基于GM跟驰模型构建跟驰车VF在路段上游端点Sa至下游端点Sb的行驶轨迹，使用行驶速度、加速度、行驶距离描述，具体为，用检测器上游端点Sa在初始时刻T0检测的平均行驶速度对跟驰车VF的速度进行初始化处理；确定跟驰车VF在时刻t的运行参数，包括行驶速度、加速度、行驶距离；
其中，跟驰车VF在t时刻的实时行驶速度
Figure FDA0002979156770000021
计算公式为：
Figure FDA0002979156770000022
式中
Figure FDA0002979156770000023
分别为跟驰车VF在时刻t-ΔT的速度、加速度，VF实时加速度
Figure FDA0002979156770000024
具体的计算公式为：
Figure FDA0002979156770000025
式中l为车头间距指数，m为速度指数，αl,m为灵敏度，
Figure FDA0002979156770000026
分别为前导车VL与跟驰车VF在t-ΔT时刻的行驶距离，其中跟驰车的行驶距离
Figure FDA0002979156770000027
计算公式为：
Figure FDA0002979156770000028
式中，
Figure FDA0002979156770000029
为跟驰车VF在t-ΔT时刻的行驶距离，ΔT为GM跟驰模型中运行参数更新的时间间隔，
Figure FDA00029791567700000210
分别为跟驰车VF在时刻t-ΔT的速度、加速度。
CN201910060911.6A 2019-01-22 2019-01-22 基于gm跟驰模型的高速公路行程时间估计方法 Active CN109712397B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910060911.6A CN109712397B (zh) 2019-01-22 2019-01-22 基于gm跟驰模型的高速公路行程时间估计方法
PCT/CN2019/114375 WO2020151287A1 (zh) 2019-01-22 2019-10-30 基于gm跟驰模型的高速公路行程时间估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910060911.6A CN109712397B (zh) 2019-01-22 2019-01-22 基于gm跟驰模型的高速公路行程时间估计方法

Publications (2)

Publication Number Publication Date
CN109712397A CN109712397A (zh) 2019-05-03
CN109712397B true CN109712397B (zh) 2021-05-28

Family

ID=66262647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910060911.6A Active CN109712397B (zh) 2019-01-22 2019-01-22 基于gm跟驰模型的高速公路行程时间估计方法

Country Status (2)

Country Link
CN (1) CN109712397B (zh)
WO (1) WO2020151287A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109712397B (zh) * 2019-01-22 2021-05-28 江苏智通交通科技有限公司 基于gm跟驰模型的高速公路行程时间估计方法
CN111681412A (zh) * 2020-04-24 2020-09-18 安徽科力信息产业有限责任公司 评价快速路任意两点间所需旅行时间预测精度的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101436347A (zh) * 2008-12-09 2009-05-20 北京交通大学 一种快速路行程时间预测方法
CN102991498A (zh) * 2011-12-19 2013-03-27 王晓原 基于多源信息融合的驾驶员跟驰行为模型
CN103996289A (zh) * 2014-06-06 2014-08-20 北方工业大学 一种流量-速度匹配模型及行程时间预测方法及***
CN104537851A (zh) * 2014-12-26 2015-04-22 清华大学 实时反馈动态交通信号控制***
CN106652458A (zh) * 2017-02-20 2017-05-10 东南大学 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法
CN108806252A (zh) * 2018-06-19 2018-11-13 西南交通大学 一种高速公路混合交通流协同优化控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8762036B2 (en) * 2012-11-15 2014-06-24 Mitsubishi Electric Research Laboratories, Inc. Method for predicting travel times using autoregressive models
CN109035772A (zh) * 2018-08-08 2018-12-18 上海工程技术大学 基于收费数据的高速公路交通运行态势识别方法和装置
CN109712397B (zh) * 2019-01-22 2021-05-28 江苏智通交通科技有限公司 基于gm跟驰模型的高速公路行程时间估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101436347A (zh) * 2008-12-09 2009-05-20 北京交通大学 一种快速路行程时间预测方法
CN102991498A (zh) * 2011-12-19 2013-03-27 王晓原 基于多源信息融合的驾驶员跟驰行为模型
CN103996289A (zh) * 2014-06-06 2014-08-20 北方工业大学 一种流量-速度匹配模型及行程时间预测方法及***
CN104537851A (zh) * 2014-12-26 2015-04-22 清华大学 实时反馈动态交通信号控制***
CN106652458A (zh) * 2017-02-20 2017-05-10 东南大学 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法
CN108806252A (zh) * 2018-06-19 2018-11-13 西南交通大学 一种高速公路混合交通流协同优化控制方法

Also Published As

Publication number Publication date
CN109712397A (zh) 2019-05-03
WO2020151287A1 (zh) 2020-07-30

Similar Documents

Publication Publication Date Title
CN106355907B (zh) 基于车辆轨迹的信号控制交叉口排队长度实时估计方法
WO2020211456A1 (zh) 电动车辆续航里程测量方法、电子设备及存储介质
CN109712397B (zh) 基于gm跟驰模型的高速公路行程时间估计方法
WO2018064931A1 (zh) 考虑出租车运营状态下的城市道路行程时间分布估算方法
JP5263312B2 (ja) 渋滞判定装置、及び車両制御装置
CN109712398B (zh) 高速公路行程时间估计模型参数优化方法
CN111915887A (zh) 一种基于多源异构交通数据的集成与处理***及其方法
CN108871357B (zh) 一种在电子地图上显示拥堵路段的事故车道的方法
CN107111938B (zh) 用于确定拥堵末端位置的服务器、***和方法
JP6038304B2 (ja) 交通量推定システム
CN101739824A (zh) 基于数据融合技术的交通状况估计方法
CN106251642A (zh) 一种基于实时公交车gps数据的公交路链速度计算方法
CN114333364B (zh) 一种自动驾驶车辆通过信号交叉口生态驾驶方法
CN113570852B (zh) 基于安全替代评价指标的高风险路段风险防控手段评估的方法
CN105006149B (zh) 交通路况估计动态迭代方法
CN109583081A (zh) 一种车辆行驶速度预测模型构建方法
JP2004078482A (ja) 車両の交通状態量推定システム
CN110550041B (zh) 一种基于云端数据共享的路面附着系数估计方法
CN101976508A (zh) 基于车牌识别数据的交通信号干线相位差优化方法
JP5857389B2 (ja) 交通指標推定装置及びコンピュータプログラム
US9047495B2 (en) Identifying impact of a traffic incident on a road network
CN115083146B (zh) 一种智能网联环境下的安全致因影响范围获取方法
CN116051344A (zh) 基于安防监控视频的机场出租车运力流的检测分析方法
CN113570870A (zh) 分布式路口平均延误估计方法、装置、设备及存储介质
CN112927497A (zh) 一种浮动车识别方法、相关方法和装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 211106 19 Su Yuan Avenue, Jiangning economic and Technological Development Zone, Nanjing, Jiangsu

Applicant after: JIANGSU ZHITONG TRAFFIC TECHNOLOGY Co.,Ltd.

Address before: 210006, Qinhuai District, Jiangsu, Nanjing should be 388 days street, Chenguang 1865 Technology Creative Industry Park E10 building on the third floor

Applicant before: JIANGSU ZHITONG TRAFFIC TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant