CN110060476B - 一种基于速度离散风险系数的高速公路大车控制方法 - Google Patents
一种基于速度离散风险系数的高速公路大车控制方法 Download PDFInfo
- Publication number
- CN110060476B CN110060476B CN201910310508.4A CN201910310508A CN110060476B CN 110060476 B CN110060476 B CN 110060476B CN 201910310508 A CN201910310508 A CN 201910310508A CN 110060476 B CN110060476 B CN 110060476B
- Authority
- CN
- China
- Prior art keywords
- cart
- time
- standard deviation
- vehicle
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
- 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
- G08G1/075—Ramp control
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于速度离散风险系数的高速公路大车控制方法,涉及交通安全控制技术领域。本发明在实时检测数据的基础上,确定T 1‑T 2时段内安全风险临界状态下的大车比例值,进而明确当前大车比例所处的安全风险状态,以期通过利用升降杆和VMS板警示装置对进口匝道的大车进行控制和警示,可降低车流离散程度,保证车流平稳运行,减少交通事故,因此具有较好的市场前景。本发明对于明确安全风险临界状态下的大车比例值、降低车流离散程度、提高交通安全均具有重要的意义。
Description
技术领域
本发明涉及交通安全控制技术领域,具体来说的涉及一种实时控制匝道大车进入高速公路基本路段的方法,即一种基于速度离散风险系数的高速公路大车控制方法。
背景技术
我国高速公路交通构成复杂,不同车型的结构和动力性能存在差异,故大车比例是产生速度离散和影响行车安全的主要因素之一。现阶段还没有一种科学有效的方法来实时控制高速公路大车比例,因此,急需提供一种实时控制高速公路大车流量,保证车流运行稳定性的方法。
发明内容
本发明的目的是针对上述现有技术的不足,提供一种基于速度离散风险系数的高速公路大车控制方法,该方法对明确安全风险临界状态下的大车比例值、降低车流离散程度、提高交通安全均具有重要的意义。
本发明的目的是通过以下技术方案实现的:
一种基于速度离散风险系数的高速公路大车控制方法,其特征是,包括以下步骤:
1)选取高速公路匝道作为研究对象,以高速公路行车道路段作为数据检测对象,在高速公路行车路段与驶入匝道的大车道右侧路边处建立立柱,立柱中间设有用于大车拦截或放行的升降杆,立柱顶端右侧设有VMS板;
所述VMS板中含有中央控制器和数据分析器、交通流数据检测器、升降杆驱动器,所述交通流数据检测器将数据传输给数据分析器,所述数据分析器将分析结果传输给中央控制器,由中央控制器通过升降杆驱动器控制升降杆的升降;
2)T1—T2时刻,利用交通流数据检测器在长度为L的调查路段行车道上实时检测每一辆车的速度vj、车长lj、当前检测时间t,并实时传输到中央控制器;
4)运用数据分析器中预设的二项Logistic回归模型,得出T1-T2时刻内安全状态与风险状态临界点对应的大车比例;
5)利用数据分析器中预设的算法判断***对T1-T2时刻内的临界大车比例x临界和最后一个时段的实测大车比例xn实测进行比较;
若xn实测下对应的速度标准差系数值yn实测小于等于x临界下对应的速度标准差系数值y临界,表明此时处于安全状态,则在VMS板上输出“大车通行”,且升降杆驱动器控制升降杆升起;
若xn实测下对应的速度标准差系数值大于x临界下对应的速度标准差系数值,表明此时处于风险状态,则在VMS板上输出“大车禁入”,且升降杆驱动器控制升降杆落下,以限制大车进入;
6)T2时刻后,后续检测的各个计时时段的交通流数据依次传入数据分析器,并按3)、4)、5)步进行循环计算判断,且每个计时时段传入后,均会计算出当前计时时段的临界大车比例值和大车控制建议,以对下一计时时段大车的通行进行指导。
优选地,其特征是,所述步骤1)中,调查路段长度为L,起点A位于驶出匝道与高速公路基本路段连接处右侧,终点B位于驶入匝道与高速公路基本路段连接处右侧。
优选地,其特征是,所述步骤2)中,中央控制器根据当前检测时间t、固定时段间隔Δt对从T1时刻开始实时接收的数据进行分类存储,并依次实时将T1-T2时刻内的n个时段Δt1、Δt2、Δt3…Δtn交通流数据传送到数据分析器中。
优选地,其特征是,所述步骤2)中,各个计时时段分类判断方法如下:
若满足T1<t<=T1+Δt,则存入Δt1时段;
若满足T1+Δt<t<=T1+2Δt,则存入Δt2时段;
……
若满足T1+(n-1)Δt<t<=T1+nΔt,则存入Δtn时段;
其中:Δ(T2-T1)=Δt1+Δt2+Δt3+…+Δtn=nΔt1,n表示各个时段。
优选地,其特征是,所述步骤2)中,各个车辆车长lj的检测方法如下:在调查路段起点设置观测断面,分别实时记录每辆车Pj的车头、车尾经过观测断面的时间hj1、hj2,并结合检测的hj1至hj2时间段内该车的平均速度vj,利用下述公式计算出车长lj(单位:m):lj=vj×(hj2-hj1)。
优选地,其特征是,所述步骤3)中,利用数据分析器中的车长算法判断***,车长大于6m归属于大车,车长小于等于6m归属于小车,依次确定每个Δti时段内检测车辆所属的大、小车型类别,并对大车、小车进行分车型计数,各记为P大i、P小i。
优选地,其特征是,所述步骤4)中,运用数据分析器中预设的二项Logistic回归模型,自动得出安全状态与风险状态临界点对应的大车比例,具体做法如下:
a.数据分析器首先计算出T1-T2计时周期内n个计算时段Δt1、Δt2、Δt3…Δtn的速度标准差系数的85%累计频率值,记为Cv85%,并自动将Cvi<=Cv85%的速度标准差系数编码为0,即处安全状态,将Cvi>Cv85%的速度标准差系数编码为1,即处风险状态,使编码后的变量成为二分类变量;
b.数据分析器中预设的二元Logistic回归模型将以编码后的速度标准差系数为因变量、大车比例为自变量,在自动计算出参数后并转化成y关于x的方程,y为交通状态危险程度,x为大车比例:
LogitP(y=1)=β0+β1x;
式中:β0—常数项,β1—x所对应的偏回归系数;
式中:y—交通状态危险程度或速度标准差系数值(km/h),β0、β1的含义如前所述;
c.数据分析器基于转化后的方程计算出在T1-T2时刻内,y=Cv85%时对应得临界大车比例x临界,但鉴于大车比例的有效位数考虑,此时计算的临界大车比例是其速度标准差系数最接近于Cv85%时相应的数值。
优选地,所述步骤5)中,若VMS板上输出“大车禁入”,在此状态下,利用城市道路路段上的VMS板***,显示当前大车可供通行的匝道名称,来协助大车驾驶员选择合适的匝道进入高速公路。
本发明利用车速离散风险系数确定安全、风险状态下对应的临界大车比例x临界,来明确当前大车比例状态下所处的安全风险状态,进而借助VMS板和升降杆来控制和警示大车的进入,以降低检测路段的车速离散程度,保证车流运行稳定性。
本发明在T1-T2计时周期,利用数据检测设备和中央控制***获得各个计时时段内的每辆车的车长、车速数据,并根据数据分析器中的预设公式得到n个相同计时时段内的大车比例、平均速度、速度标准差系数、速度标准差数据。然后,计算n个计时时段内的速度标准差系数85%累计频率值,并以此作为安全状态、风险状态划分标准,自动将Cvi<=Cv85%的速度标准差系数编码为0,将Cvi>Cv85%的速度标准差系数编码为1,再基于嵌入的二元Logistic回归模型及模型转化方程,自动计算出y=Cv85%时对应得临界大车比例x临界。利用数据分析器中算法判断***对临界大车比例x临界、T1-T2时刻内最后一个计时时段即Δtn时段实测大车比例所对应的速度标准差系数值进行比较,其中与x临界相对应的y临界值最接近Cv85%,来确定当前所处的安全、风险程度,根据判断结果利用VMS板和升降杆来控制和警示进口匝道大车的进入,且利用城市道路VMS板实时显示当前可供通行的匝道入口来协助大车驾驶员选择合适的匝道进入高速公路。
本发明对于明确安全风险临界状态下的大车比例值、降低车流离散程度、提高交通安全均具有重要的意义。本发明在实时检测数据的基础上,可以确定T1-T2时段内安全风险临界状态下的大车比例值,进而明确当前大车比例所处的安全风险状态,以期通过利用升降杆和VMS板警示装置对进口匝道的大车进行控制和警示,可降低车流离散程度,保证车流平稳运行,减少交通事故,因此具有较好的市场前景。
附图说明
图1是本发明调查路段的平面图;
图2是本发明工作流程图;
图3是本发明实施例1中高速公路匝道附近标定点位置示意图;
图4.1、图4.2是实施例1中的交通风险程度与大车比例关系图及大车比例临界值。
具体实施方式
一种基于速度离散风险系数的高速公路大车控制方法,包括以下步骤:
1)选取高速公路匝道作为研究对象,以高速公路行车道路段作为数据检测对象,调查路段长度为L,起点A位于驶出匝道与高速公路基本路段连接处右侧,终点B位于驶入匝道与高速公路基本路段连接处右侧。
在高速公路基本路段与驶入匝道的大车道右侧路边处建立立柱。立柱中间设有升降杆(升降杆落下后可阻挡大车通行),立柱顶端右侧设有VMS板,VMS板中含有中央控制器和数据分析器、交通流数据检测器、升降杆驱动器。
2)T1—T2时刻,利用交通流数据检测器在长度为L的调查路段行车道上实时检测每一辆车的速度vj、车长lj、当前检测时间t,并实时传输到中央控制器,中央控制器根据当前检测时间t、固定时段间隔Δt对从T1时刻开始实时接收的数据进行分类存储,并依次实时将T1-T2时刻内的n个时段Δt1、Δt2、Δt3…Δtn交通流数据传送到数据分析器中。
各个计时时段分类判断方法如下:
若满足T1<t<=T1+Δt,则存入Δt1时段;
若满足T1+Δt<t<=T1+2Δt,则存入Δt2时段;
……
若满足T1+(n-1)Δt<t<=T1+nΔt,则存入Δtn时段;
其中:Δ(T2-T1)=Δt1+Δt2+Δt3+…+Δtn=nΔt1,n表示各个时段。
各个车辆车长lj的检测方法如下:
在调查路段起点设置观测断面,分别实时记录每辆车Pj的车头、车尾经过观测断面的时间hj1、hj2,并结合检测的速度vj,利用下述公式计算出车长lj(单位:m):lj=vj×(hj2-hj1)。
3)首先,利用数据分析器中的车长算法判断***(车长大于6m归属于大车,车长小于等于6m归属于小车)依次确定每个Δti时段内检测车辆所属的大、小车型类别,并对大车、小车进行分车型计数,各记为P大i、P小i,再按以下预设公式计算出各个Δti时段内的大车比例Mi、平均速度速度标准差SDi、速度标准差系数Cvi:
4)下一步,运用数据分析器中预设的二项Logistic回归模型,自动得出安全状态与风险状态临界点对应的大车比例:
a.数据分析器首先计算出T1-T2计时周期内n个计算时段Δt1、Δt2、Δt3…Δtn的速度标准差系数的85%累计频率值,记为Cv85%,并自动将Cvi<=Cv85%的速度标准差系数编码为0(处安全状态),将Cvi>Cv85%的速度标准差系数编码为1(处风险状态),使编码后的变量成为二分类变量;
b.数据分析器中预设的二元Logistic回归模型将以编码后的速度标准差系数为因变量、大车比例为自变量,在自动计算出参数后并转化成y(交通状态危险程度)关于x(大车比例)的方程。
LogitP(y=1)=β0+β1x(转化前)
式中:β0—常数项,
β1—x(大车比例)所对应的偏回归系数
式中:y—交通状态危险程度或速度标准差系数值(km/h),
β0、β1的含义如前所述
c.数据分析器基于转化后的方程计算出在T1-T2时刻内,y=Cv85%时对应得临界大车比例x临界,但鉴于大车比例的有效位数考虑,此时计算的临界大车比例是其速度标准差系数最接近于Cv85%时相应的数值;
5)利用数据分析器中预设的算法判断***对T1-T2时刻内的临界大车比例x临界和最后一个时段即Δtn时段的实测大车比例xn实测进行比较,其中,实测大车比例是利用2)中相关公式计算而得。
若xn实测下对应的速度标准差系数值yn实测小于等于x临界下对应的速度标准差系数值y临界(此时的y临界值最接近Cv85%),表明此时处于安全状态,则在VMS板上输出“大车通行”,且升降杆驱动器控制升降杆升起;
若xn实测下对应的速度标准差系数值大于x临界下对应的速度标准差系数值,表明此时处于风险状态,则在VMS板上输出“大车禁入”,且升降杆驱动器控制升降杆落下,以限制大车进入,并在此状态下,利用城市道路路段上的VMS板***,显示当前大车可供通行的匝道名称(所连接的高速公路路段处于安全状态),来协助大车驾驶员选择合适的匝道进入高速公路。
6)T2时刻后,后续检测的各个计时时段Δti的交通流数据依次传入数据分析器,并按3)、4)、5)步进行循环计算判断,且每个计时时段传入后,均会计算出当前计时时段的临界大车比例值和大车控制建议,以对下一计时时段大车的通行进行指导。
实施例1
以启扬高速公路匝道入口(扬州北)为例,该高速公路匝道入口附近基本路段安全状态与风险状态的临界大车比例确定步骤为:
a.确定调查区域,并以行车道为调查对象,如图3所示,以5min为统计时段,获取2017年12月22日和2017年12月23日上午7:00—上午12:00的120组样本数据(包含大车比例、速度标准差系数等数据),且行车道大车比例的范围在0.08-0.58之间。
b.鉴于速度标准差系数随大车比例呈现先增大后减小的非线性变化趋势,并在大车比例为0.35时,速度标准差系数达到最大,故而分别对0.08-0.35,0.35-0.58大车比例范围内的样本数据计算速度标准差系数的85%累计频率值。
在大车比例为0.08-0.35范围内时,得出Cv85%=0.18,故将Cv<=0.18的值编码为0,表示安全状态,将Cv>0.18的值编码为1,表示风险状态。在大车比例为0.35-0.58范围内时,得出Cv85%=0.19,故将Cv<=0.19的值编码为0,表示安全状态,将Cv>0.19的值编码为1,表示风险状态。
c.以大车比例为自变量,编码后的速度标准差系数为因变量,构建二项Logistic回归方程为:
d.转化上述二项Logistic回归方程形式,绘制交通状态危险程度随大车比例的变化曲线图,如图4.1-图4.2,并计算出大车比例为0.08≤x≤0.35范围内时,对应的临界大车比例为0.19,故而大车比例处于0.08≤x≤0.19范围内时,速度标准差系数小于0.18km/h,可认为处于安全状态,大车比例处于0.19<x≤0.35范围内时,速度标准差系数大于0.18km/h,可认为处于风险状态;大车比例为0.35≤x≤0.58范围内时,对应的临界大车比例为0.50,故而大车比例处于0.35≤x≤0.50范围内时,速度标准差系数大于0.19km/h,可认为处于风险状态,大车比例处于0.50<x≤0.58范围内时,速度标准差系数小于0.19km/h,可认为处于安全状态。
式中:x—大车比例;
y—交通状态危险程度或速度标准差系数,km/h。
综上所述,本发明利用二项Logistic模型来确定不同安全风险状态下对应的大车比例范围,并通过算法判断***实时判别当前大车比例所处的安全风险状态,以期实时控制高速公路大车流量,保证车流运行稳定性。
Claims (7)
1.一种基于速度离散风险系数的高速公路大车控制方法,其特征是,包括以下步骤:
1)选取高速公路匝道作为研究对象,以高速公路行车道路段作为数据检测对象,在高速公路行车路段与驶入匝道的大车道右侧路边处建立立柱,立柱中间设有用于大车拦截或放行的升降杆,立柱顶端右侧设有VMS板;
所述VMS板中含有中央控制器和数据分析器、交通流数据检测器、升降杆驱动器,所述交通流数据检测器将数据传输给数据分析器,所述数据分析器将分析结果传输给中央控制器,由中央控制器通过升降杆驱动器控制升降杆的升降;
2)T1—T2时刻,利用交通流数据检测器在长度为L的调查路段行车道上实时检测每一辆车的速度vj、车长lj、当前检测时间t,并实时传输到中央控制器;
4)运用数据分析器中预设的二项Logistic回归模型,得出T1-T2时刻内安全状态与风险状态临界点对应的大车比例;具体做法如下:
a.数据分析器首先计算出T1-T2计时周期内n个计算时段Δt1、Δt2、Δt3…Δtn的速度标准差系数的85%累计频率值,记为Cv85%,并自动将Cvi<=Cv85%的速度标准差系数编码为0,即处安全状态,将Cvi>Cv85%的速度标准差系数编码为1,即处风险状态,使编码后的变量成为二分类变量;
b.数据分析器中预设的二元Logistic回归模型将以编码后的速度标准差系数为因变量、大车比例为自变量,在自动计算出参数后并转化成y关于x的方程,y为交通状态危险程度,x为大车比例:
LogitP(y=1)=β0+β1x;
式中:β0—常数项,β1—x所对应的偏回归系数;
式中:y—交通状态危险程度或速度标准差系数值,β0、β1的含义如前所述;
c.数据分析器基于转化后的方程计算出在T1-T2时刻内,y=Cv85%时对应的临界大车比例x临界,但鉴于大车比例的有效位数考虑,此时计算的临界大车比例是其速度标准差系数最接近于Cv85%时相应的数值;
5)利用数据分析器中预设的算法判断***对T1-T2时刻内的临界大车比例x临界和最后一个时段的实测大车比例xn实测进行比较;
若xn实测下对应的速度标准差系数值yn实测小于等于x临界下对应的速度标准差系数值y临界,表明此时处于安全状态,则在VMS板上输出“大车通行”,且升降杆驱动器控制升降杆升起;
若xn实测下对应的速度标准差系数值大于x临界下对应的速度标准差系数值,表明此时处于风险状态,则在VMS板上输出“大车禁入”,且升降杆驱动器控制升降杆落下,以限制大车进入;
6)T2时刻后,后续检测的各个计时时段的交通流数据依次传入数据分析器,并按3)、4)、5)步进行循环计算判断,且每个计时时段传入后,均会计算出当前计时时段的临界大车比例值和大车控制建议,以对下一计时时段大车的通行进行指导。
2.根据权利要求1所述的一种基于速度离散风险系数的高速公路大车控制方法,其特征是,所述步骤1)中,调查路段长度为L,起点A位于驶出匝道与高速公路基本路段连接处右侧,终点B位于驶入匝道与高速公路基本路段连接处右侧。
3.根据权利要求1或2所述的一种基于速度离散风险系数的高速公路大车控制方法,其特征是,所述步骤2)中,中央控制器根据当前检测时间t、固定时段间隔Δt对从T1时刻开始实时接收的数据进行分类存储,并依次实时将T1-T2时刻内的n个时段Δt1、Δt2、Δt3…Δtn交通流数据传送到数据分析器中。
4.根据权利要求3所述的一种基于速度离散风险系数的高速公路大车控制方法,其特征是,所述步骤2)中,各个计时时段分类判断方法如下:
若满足T1<t<=T1+Δt,则存入Δt1时段;
若满足T1+Δt<t<=T1+2Δt,则存入Δt2时段;
……
若满足T1+(n-1)Δt<t<=T1+nΔt,则存入Δtn时段;
其中:Δ(T2-T1)=Δt1+Δt2+Δt3+…+Δtn=nΔt1,n表示各个时段。
5.根据权利要求4所述的一种基于速度离散风险系数的高速公路大车控制方法,其特征是,所述步骤2)中,各个车辆车长lj的检测方法如下:在调查路段起点设置观测断面,分别实时记录每辆车Pj的车头、车尾经过观测断面的时间hj1、hj2,并结合检测的hj1至hj2时间段内该车的平均速度vj,利用下述公式计算出车长lj,单位:m:lj=vj×(hj2-hj1)。
6.根据权利要求5所述的一种基于速度离散风险系数的高速公路大车控制方法,其特征是,所述步骤3)中,利用数据分析器中的车长算法判断***,车长大于6m归属于大车,车长小于等于6m归属于小车,依次确定每个Δti时段内检测车辆所属的大、小车型类别,并对大车、小车进行分车型计数,各记为P大i、P小i。
7.根据权利要求6所述的一种基于速度离散风险系数的高速公路大车控制方法,其特征是,所述步骤5)中,若VMS板上输出“大车禁入”,在此状态下,利用城市道路路段上的VMS板***,显示当前大车可供通行的匝道名称,来协助大车驾驶员选择合适的匝道进入高速公路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910310508.4A CN110060476B (zh) | 2019-04-17 | 2019-04-17 | 一种基于速度离散风险系数的高速公路大车控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910310508.4A CN110060476B (zh) | 2019-04-17 | 2019-04-17 | 一种基于速度离散风险系数的高速公路大车控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110060476A CN110060476A (zh) | 2019-07-26 |
CN110060476B true CN110060476B (zh) | 2021-04-27 |
Family
ID=67319301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910310508.4A Active CN110060476B (zh) | 2019-04-17 | 2019-04-17 | 一种基于速度离散风险系数的高速公路大车控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110060476B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101789183A (zh) * | 2010-02-10 | 2010-07-28 | 北方工业大学 | 一种入口匝道的自适应控制***及方法 |
CN202584432U (zh) * | 2012-05-25 | 2012-12-05 | 北京易华录信息技术股份有限公司 | 一种智能匝道控制*** |
CN105023433A (zh) * | 2015-07-01 | 2015-11-04 | 重庆大学 | 一种高速公路交通异常事件影响范围预估方法 |
CN108122418A (zh) * | 2017-12-19 | 2018-06-05 | 公安部交通管理科学研究所 | 城市快速路主线与匝道协同控制方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9786163B2 (en) * | 2015-11-06 | 2017-10-10 | Edward D. Ioli Trust | Automated highway system |
US11189163B2 (en) * | 2017-10-11 | 2021-11-30 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for infrastructure improvements |
-
2019
- 2019-04-17 CN CN201910310508.4A patent/CN110060476B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101789183A (zh) * | 2010-02-10 | 2010-07-28 | 北方工业大学 | 一种入口匝道的自适应控制***及方法 |
CN202584432U (zh) * | 2012-05-25 | 2012-12-05 | 北京易华录信息技术股份有限公司 | 一种智能匝道控制*** |
CN105023433A (zh) * | 2015-07-01 | 2015-11-04 | 重庆大学 | 一种高速公路交通异常事件影响范围预估方法 |
CN108122418A (zh) * | 2017-12-19 | 2018-06-05 | 公安部交通管理科学研究所 | 城市快速路主线与匝道协同控制方法及*** |
Non-Patent Citations (2)
Title |
---|
基于卡尔曼滤波的高速公路交通状态估计模型构建及效果评价;沈家军 等;《第十一届中国智能交通年会大会论文集》;20161116;第357-368页 * |
高速公路可变限速控制策略安全性效果仿真;李志斌 等;《西南交通大学学报》;20131031;第942-948页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110060476A (zh) | 2019-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109466562B (zh) | 车辆重量自动获取、车辆超载自动报警的***及方法 | |
CN103164962B (zh) | 一种山区公路急弯路段实时车速预警方法 | |
CN102360525B (zh) | 基于判别分析的快速道路实时交通事故风险预测方法 | |
CN109002622B (zh) | 一种随机车流作用下大跨径桥梁总体荷载响应估算方法 | |
CN111325978B (zh) | 一种高速公路车辆异常行为的全程监测警示***和方法 | |
CN108622105A (zh) | 基于多元回归分析的车辆弯道安全车速预测及预警*** | |
CN102915637B (zh) | 一种信号控制交叉口的交通状态评价方法及*** | |
CN110349427B (zh) | 一种基于大数据的智慧交通管理*** | |
CN101644568B (zh) | 坡路检测方法和坡路检测装置 | |
CN203192035U (zh) | 一种客货车混行的etc车道*** | |
CN103150930A (zh) | 针对快速道路常发性拥堵路段的追尾事故实时预测方法 | |
CN109448384B (zh) | 一种高速公路危险交通行为识别方法 | |
CN115331401B (zh) | 一种高速公路长距离隧道车辆行驶安全智能分析预警*** | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN109649396B (zh) | 一种营运车辆驾驶员安全性检测方法 | |
CN111383465A (zh) | 一种基于车联网的高速公路危险预警及速度控制*** | |
CN105279980A (zh) | 判断信号控制交叉口是否适用于连续流交叉口改造的方法 | |
CN103198713A (zh) | 基于交通数据和天气数据的减少交通事故的车辆调控方法 | |
CN111477005A (zh) | 一种基于车辆状态及行车环境的智能感知预警方法及*** | |
CN103942957A (zh) | 信号交叉口饱和状态下车辆排队长度计算方法 | |
CN107886739A (zh) | 交通人流量自动采集分析*** | |
CN103198707B (zh) | 一种基于晴天状况下危险交通流特征的车辆调控方法 | |
CN106548628A (zh) | 一种基于视觉空间转换网格化的路况分析方法 | |
KR101784635B1 (ko) | LiDAR 센서를 활용한 다중차로 교통검지 방법 및 시스템 | |
CN104916141A (zh) | 一种基于地磁检测的升降式限高架智能升降限高控制方法 |
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 |