CN111047880B - 路网的交通控制方法、装置、存储介质和管理设备 - Google Patents
路网的交通控制方法、装置、存储介质和管理设备 Download PDFInfo
- Publication number
- CN111047880B CN111047880B CN201811191574.6A CN201811191574A CN111047880B CN 111047880 B CN111047880 B CN 111047880B CN 201811191574 A CN201811191574 A CN 201811191574A CN 111047880 B CN111047880 B CN 111047880B
- Authority
- CN
- China
- Prior art keywords
- road section
- bottleneck
- controllable
- section
- target
- 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
- G08G1/07—Controlling traffic signals
-
- 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
-
- 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)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种路网的交通控制方法、装置、存储介质和管理设备,属于智能交通领域。所述方法包括:在降低目标路网拥堵的可能性时,获取待预测时间段内的目标OD流量,并且获取目标路网中主交通发生点和主交通吸引点之间的多条关键路径,然后可以获取预先存储的多条关键路径的多个预设分流比例,对于每个预设分流比例,确定关键路径上的瓶颈路段的车辆总调节量,然后确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,然后在待预测时间段内开始的预设时长内确定多条关键路径的实际分流比例,选择与实际分流比例更接近的预设分流比例所对应的绿信比,基于该绿信比,控制目标路网中的信号灯。采用本申请,可以降低拥堵的可能性。
Description
技术领域
本发明涉及智能交通领域,特别涉及一种路网的交通控制方法、装置、存储介质和管理设备。
背景技术
随着人们生活水平的提高,人们都购买汽车作为代步工具,交通拥堵问题随之成为城市面临的主要问题之一。
相关技术中,在应对交通拥堵问题时,一般是获取当前道路上的车流量信息,然后基于获取到的车流量信息,确定道路拥堵情况,然后在道路上设置的VMS(VariableMessage Sign,可变情报板)上显示附近道路的拥堵情况。例如,在某条道路对应的显示区域显示绿色,标识正常通行,在某条道路对应的显示区域显示红色,标识重度拥堵等,人们可以基于拥堵情况选择出行路径。
由于仅显示出拥堵情况,供人们参考,并没有采取措施,所以不能从根本上缓解交通拥堵。
发明内容
为了解决相关技术的问题,本发明实施例提供了一种路网的交通控制方法、装置、存储介质和管理设备。所述技术方案如下:
第一方面,提供了一种路网的交通控制方法,所述方法包括:
获取待预测时间段内目标路网的目标OD流量,并获取所述目标路网中主交通发生点和主交通吸引点之间的多条关键路径;
对于所述多条关键路径的每个预设分流比例,根据所述目标OD流量和所述预设分流比例,如果在所述待预测时间段内所述目标路网中的关键路径上存在至少一个瓶颈路段,则确定每个瓶颈路段的车辆总调节量,根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,其中,对于每个瓶颈路段,所述目标行驶方向用于指示车辆能驶入或驶离所述瓶颈路段的车流方向;
确定所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例;
在所述待预测时间段除开始的所述预设时长之外的剩余时间段内,基于与所述实际分流比例最接近的预设分流比例所对应的绿信比,控制信号灯。
可选的,所述获取待预测时间段内目标路网的目标OD流量,包括:
获取当前时段内目标路网的第一OD流量,以及历史时间段内所述目标路网的第二OD流量,其中,所述历史时间段与待预测时间段的时间范围相同,所述当前时间段与所述待预测时间段属于相邻时间段;
根据所述第一OD流量、所述第二OD流量和所述目标路网中预设的信号灯配时策略,确定所述待预测时间段内所述目标路网的目标OD流量。
这样,由于考虑了当前时间段以及历史时间段,所以可以使确定出的目标OD流量更准确。
可选的,所述获取所述目标路网中主交通发生点和主交通吸引点之间的多条关键路径,包括:
根据所述第二OD流量,确定所述目标路网中主交通发生点和主交通吸引点之间的多条路径的车流量;
将所述多条路径,按照确定出的多条路径的车流量从大到小的顺序进行排序,选取排序队列中最前面的预设数目条路径,确定为所述主交通发生点和主交通吸引点之间的关键路径。
可选的,所述方法还包括:
根据所述第一OD流量,确定每条关键路径的车辆平均行驶时长;
根据每条关键路径的车辆平均行驶时长,确定所述多条关键路径的理想分流比例;
如果根据所述实际分流比例和所述理想分流比例,确定所述多条关键路径中目标关键路径的第一比值和第二比值之差大于或等于第一预设数值,则控制所述多条关键路径的VMS发布行驶诱导信息,如果所述第一比值和第二比值之差小于第一预设数值,则控制所述多条关键路径的VMS发布路况信息,其中,所述行驶诱导信息中包括路况信息和建议绕开所述目标关键路径的通知,所述第一比值为在实际分流比例下,所述目标关键路径对应的标识分流量的数值与所述多条关键路径对应的标识分流量的数值总和的比值,所述第二比值为在理想分流比例下,所述目标关键路径对应的标识分流量的数值与所述多条关键路径对应的标识分流量的数值总和的比值。
这样,可以显示更全面的行驶诱导信息。
可选的,所述根据每条关键路径的车辆平均行驶时长,确定所述多条关键路径的理想分流比例,包括:
根据每条关键路径的车辆平均行驶时长,确定所有关键路径的车辆平均行驶时长;
将所述多条关键路径的被选择概率相比,得到所述多条关键路径的理想分流比例。
可选的,所述确定所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例,包括:
将所述待预测时间段内开始的预设时长内所有关键路径的车流量相加,得到总车流量;
确定每条关键路径的车流量与所述总车流量的比值;
将多条关键路径分别对应的比值相比,得到所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例。
可选的,所述确定每个瓶颈路段的车辆总调节量之前,还包括:
根据所述目标OD流量和所述预设分流比例,确定所述关键路径中各路段的排队长度;
对于每个路段,如果所述路段的排队长度占所述路段的长度的比例超过第二预设数值,或者所述路段的排队长度超过第三预设数值,则确定所述路段为瓶颈路段。
可选的,所述确定每个瓶颈路段的车辆总调节量,包括:
对于每个瓶颈路段,预测驶入所述瓶颈路段的车辆数目、驶离所述瓶颈路段的车辆数目以及所述瓶颈路段上排队的车辆数目;
预测所述瓶颈路段的车辆总调节量为ΔS=max{ΔS1,0}+ΔS2,其中,ΔS1为驶入所述瓶颈路段的车辆数目与驶离所述瓶颈路段的车辆数目之差,ΔS2为所述瓶颈路段上排队的车辆数目。
可选的,所述方法还包括:
对于每个瓶颈路段,根据所述目标OD流量,确定所述瓶颈路段的上游各路段对所述瓶颈路段的车辆数目的贡献率和下游各路段对所述瓶颈路段的车辆数目的贡献率;
将贡献率大于第四预设数值的路段,确定为所述瓶颈路段的可控路段。
可选的,所述根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,包括:
根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的车辆调节量;
根据每个瓶颈路段对应的各可控路段的车辆调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比。
可选的,所述根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的可控路段的车辆调节量,包括:
对于每个瓶颈路段,根据所述瓶颈路段的车辆总调节量、驶入所述瓶颈路段的车辆数目、驶离所述瓶颈路段的车辆数目,确定所述瓶颈路段的上游车辆调节量和所述瓶颈路段的下游车辆调节量;
根据所述上游车辆调节量和所述瓶颈路段的上游各可控路段的贡献率,确定所述瓶颈路段的上游各可控路段的车辆调节量,并根据所述下游车辆调节量和所述瓶颈路段的下游各可控路段的贡献率,确定所述瓶颈路段的下游各可控路段的车辆调节量。
可选的,所述根据所述上游车辆调节量和所述瓶颈路段的上游各可控路段的贡献率,确定所述瓶颈路段的上游各可控路段的车辆调节量,并根据所述下游车辆调节量和所述瓶颈路段的下游各可控路段的贡献率,确定所述瓶颈路段的下游各可控路段的车辆调节量,包括:
确定所述瓶颈路段的上游各可控路段的剩余容量和下游各可控路段的剩余容量;
根据所述瓶颈路段的上游各可控路段与所述瓶颈路段的位置关系,对所述瓶颈路段的上游各可控路段分等级,按照所述瓶颈路段的上游各可控路段的等级高低顺序,根据所述上游车辆调节量、所述瓶颈路段的上游各可控路段的贡献率和所述瓶颈路段的上游各可控路段的剩余容量,确定所述瓶颈路段的上游各可控路段的车辆调节量;并根据所述瓶颈路段的下游各可控路段与所述瓶颈路段的位置关系,对所述瓶颈路段的下游各可控路段分等级,按照所述瓶颈路段的下游各可控路段的等级高低顺序,根据所述下游车辆调节量、所述瓶颈路段的下游各可控路段的贡献率和所述瓶颈路段的下游各可控路段的剩余容量,确定所述瓶颈路段的下游各可控路段的车辆调节量。
可选的,所述根据每个瓶颈路段对应的可控路段的车辆调节量,确定每个可控路段的目标行驶方向的信号灯的绿信比,包括:
对于可控路段b,所述可控路段b的目标行驶方向的信号灯的绿信比为其中,所述可控路段b的目标行驶方向包含有n条车道,每条车道的饱和流率为Slane,所述可控路段b每小时的车辆调节量为ΔSb,ΔSb等于分配给所述可控路段b的车辆调节量与60分钟的比值,所述可控路段b为任一可控路段。
第二方面,提供了一种路网的交通控制装置,所述装置包括:
获取模块,用于获取待预测时间段内目标路网的目标OD流量,并获取所述目标路网中主交通发生点和主交通吸引点之间的多条关键路径;
分析模块,用于对于所述多条关键路径的每个预设分流比例,根据所述目标OD流量和所述预设分流比例,如果在所述待预测时间段内所述目标路网中的关键路径上存在至少一个瓶颈路段,则确定每个瓶颈路段的车辆总调节量,根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,其中,对于每个瓶颈路段,所述目标行驶方向用于指示车辆能驶入或驶离所述瓶颈路段的车流方向;确定所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例;
控制模块,用于在所述待预测时间段除开始的所述预设时长之外的剩余时间段内,基于与所述实际分流比例最接近的预设分流比例所对应的绿信比,控制信号灯。
可选的,所述获取模块,用于:
获取当前时段内目标路网的第一OD流量,以及历史时间段内所述目标路网的第二OD流量,其中,所述历史时间段与待预测时间段的时间范围相同,所述当前时间段与所述待预测时间段属于相邻时间段;
根据所述第一OD流量、所述第二OD流量和所述目标路网中预设的信号灯配时策略,确定所述待预测时间段内所述目标路网的目标OD流量。
可选的,所述获取模块,用于:
根据所述第二OD流量,确定所述目标路网中主交通发生点和主交通吸引点之间的多条路径的车流量;
将所述多条路径,按照确定出的多条路径的车流量从大到小的顺序进行排序,选取排序队列中最前面的预设数目条路径,确定为所述主交通发生点和主交通吸引点之间的关键路径。
可选的,所述分析模块,还用于:
根据所述第一OD流量,确定每条关键路径的车辆平均行驶时长;
根据每条关键路径的车辆平均行驶时长,确定所述多条关键路径的理想分流比例;
所述控制模块,还用于:
如果根据所述实际分流比例和所述理想分流比例,确定所述多条关键路径中目标关键路径的第一比值和第二比值之差大于或等于第一预设数值,则控制所述多条关键路径的VMS发布行驶诱导信息,如果所述第一比值和第二比值之差小于第一预设数值,则控制所述多条关键路径的VMS发布路况信息,其中,所述行驶诱导信息中包括路况信息和建议绕开所述目标关键路径的通知,所述第一比值为在实际分流比例下,所述目标关键路径对应的标识分流量的数值与所述多条关键路径对应的标识分流量的数值总和的比值,所述第二比值为在理想分流比例下,所述目标关键路径对应的标识分流量的数值与所述多条关键路径对应的标识分流量的数值总和的比值。
可选的,所述分析模块,用于:
根据每条关键路径的车辆平均行驶时长,确定所有关键路径的车辆平均行驶时长;
将所述多条关键路径的被选择概率相比,得到所述多条关键路径的理想分流比例。
可选的,所述分析模块,用于:
将所述待预测时间段内开始的预设时长内所有关键路径的车流量相加,得到总车流量;
确定每条关键路径的车流量与所述总车流量的比值;
将多条关键路径分别对应的比值相比,得到所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例。
可选的,所述分析模块,还用于:
确定每个瓶颈路段的车辆总调节量之前,根据所述目标OD流量和所述预设分流比例,确定所述关键路径中各路段的排队长度;
对于每个路段,如果所述路段的排队长度占所述路段的长度的比例超过第二预设数值,或者所述路段的排队长度超过第三预设数值,则确定所述路段为瓶颈路段。
可选的,所述分析模块,用于:
对于每个瓶颈路段,预测驶入所述瓶颈路段的车辆数目、驶离所述瓶颈路段的车辆数目以及所述瓶颈路段上排队的车辆数目;
预测所述瓶颈路段的车辆总调节量为ΔS=max{ΔS1,0}+ΔS2,其中,ΔS1为驶入所述瓶颈路段的车辆数目与驶离所述瓶颈路段的车辆数目之差,ΔS2为所述瓶颈路段上排队的车辆数目。
可选的,所述分析模块,还用于:
对于每个瓶颈路段,根据所述目标OD流量,确定所述瓶颈路段的上游各路段对所述瓶颈路段的车辆数目的贡献率和下游各路段对所述瓶颈路段的车辆数目的贡献率;
将贡献率大于第四预设数值的路段,确定为所述瓶颈路段的可控路段。
可选的,所述分析模块,用于:
根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的车辆调节量;
根据每个瓶颈路段对应的各可控路段的车辆调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比。
可选的,所述分析模块,用于:
对于每个瓶颈路段,根据所述瓶颈路段的车辆总调节量、驶入所述瓶颈路段的车辆数目、驶离所述瓶颈路段的车辆数目,确定所述瓶颈路段的上游车辆调节量和所述瓶颈路段的下游车辆调节量;
根据所述上游车辆调节量和所述瓶颈路段的上游各可控路段的贡献率,确定所述瓶颈路段的上游各可控路段的车辆调节量,并根据所述下游车辆调节量和所述瓶颈路段的下游各可控路段的贡献率,确定所述瓶颈路段的下游各可控路段的车辆调节量。
可选的,所述分析模块,用于:
确定所述瓶颈路段的上游各可控路段的剩余容量和下游各可控路段的剩余容量;
根据所述瓶颈路段的上游各可控路段与所述瓶颈路段的位置关系,对所述瓶颈路段的上游各可控路段分等级,按照所述瓶颈路段的上游各可控路段的等级高低顺序,根据所述上游车辆调节量、所述瓶颈路段的上游各可控路段的贡献率和所述瓶颈路段的上游各可控路段的剩余容量,确定所述瓶颈路段的上游各可控路段的车辆调节量;并根据所述瓶颈路段的下游各可控路段与所述瓶颈路段的位置关系,对所述瓶颈路段的下游各可控路段分等级,按照所述瓶颈路段的下游各可控路段的等级高低顺序,根据所述下游车辆调节量、所述瓶颈路段的下游各可控路段的贡献率和所述瓶颈路段的下游各可控路段的剩余容量,确定所述瓶颈路段的下游各可控路段的车辆调节量。
可选的,所述分析模块,用于:
对于可控路段b,所述可控路段b的目标行驶方向的信号灯的绿信比为其中,所述可控路段b的目标行驶方向包含有n条车道,每条车道的饱和流率为Slane,所述可控路段b每小时的车辆调节量为ΔSb,ΔSb等于分配给所述可控路段b的车辆调节量与60分钟的比值,所述可控路段b为任一可控路段。
第三方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法步骤。
第四方面,提供了一种管理设备,包括处理器和存储器,其中,所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的程序,实现上述第一方面所述的方法步骤。
本发明实施例提供的技术方案带来的有益效果至少包括:
本发明实施例中,为了降低待预测时间段内目标路网拥堵的可能性,可以获取待预测时间段内的目标OD流量,并且获取目标路网中主交通发生点和主交通吸引点之间的多条关键路径,然后可以获取预先存储的多条关键路径的多个预设分流比例,对于每个预设分流比例,确定关键路径上的瓶颈路段的车辆总调节量,然后确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,然后在待预测时间段内开始的预设时长内确定多条关键路径的实际分流比例,选择与实际分流比例更接近的预设分流比例所对应的绿信比,基于该绿信比,控制目标路网中的信号灯,这样,可以提前对拥堵情况进行预测,并采取调节措施,降低了拥堵的可能性。
附图说明
图1是本发明实施例提供的一种路网的交通控制方法流程示意图;
图2是本发明实施例提供的一种确定车辆轨迹的示意图;
图3是本发明实施例提供的一种关键路径的示意图;
图4是本发明实施例提供的一种瓶颈路段的示意图;
图5是本发明实施例提供的一种路网的交通控制装置的结构示意图;
图6是本发明实施例提供的一种管理设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例提供了一种路网的交通控制的方法,该方法的执行主体可以是管理设备,管理设备可以是用于管理路网中各路口的信号灯的设备以及控制VMS显示的设备。
其中,管理设备中可以设置有处理器、存储器和收发器等,处理器可以用于进行路网的交通控制的过程的处理,存储器可以用于存储进行路网的交通控制的过程中需要的数据以及产生的数据,收发器可以用于接收以及发送数据。存储器还可以包括存储器和控制器,以提供处理器和收发器对存储器的访问。处理器是管理设备的控制中心,利用各种接口和线路连接整个管理设备的各个部分,通过运行或执行存储在存储器内的软件程序和/或模块,以及调用存储在存储器内的数据,执行管理设备的各种功能和处理数据,从而对管理设备进行整体监控。
在进行实施前,首先介绍一下本申请的应用场景:
交通拥堵问题是城市面临的主要问题之一,为了避免出现道路拥堵,要及时的对车流进行引导,减少拥堵时长。基于此,本发明实施例提出了路网的交通控制方案。
本发明实施例提供了一种路网的交通控制方法,如图1所示,该方法的执行流程可以如下:
步骤101,获取待预测时间段内目标路网的目标OD流量,并获取目标路网中主交通发生点和主交通吸引点之间的多条关键路径。
其中,待预测时间段为要进行交通控制的时间段,目标路网为任一路网,其中包括多个路口。在一个路网中,主交通发生点指主要的出发地,主交通吸引点指主要的目的地。
在实施中,管理设备要对目标路网某个时间段(后续可以称为待预测时间段)的交通进行控制,可以获取待预测时间段内目标路网的目标OD(Origon Destination,出发地目的地)流量,目标OD流量中包括多条过车轨迹,可以确定多条过车轨迹中每条轨迹的出发地和结束地,然后确定每个出发地的车辆轨迹数目,将车辆轨迹数目最多的出发地,确定为主交通发生点,然后确定每个结束地的车辆轨迹数目,将车辆轨迹数目最多的结束地,确定为是主交通吸引点。然后管理设备可以获取主交通发生点和主交通吸引点之间的多条关键路径。
可选的,可以使用当前时间段的OD流量和历史时间段的OD流量,确定待预测时间段的OD流量,相应的处理可以如下:
获取当前时段内目标路网的第一OD流量,以及历史时间段内目标路网的第二OD流量;根据第一OD流量、第二OD流量和目标路网中预设的信号灯配时策略,确定待预测时间段内目标路网的目标OD流量。
其中,当前时间段是包含当前时间点的时间段,当前时间段的时长可以预设,并且存储在管理设备中,如当前时间点为8:30,当前时间段为8:00~8:30等。当前时间段与待预测时间段相邻,例如,当前时间段为8:00~8:30,待预测时间段为8:30~9:30。历史时间段与待预测时间段的时间范围相同,例如,待预测时间段为周五的8:30~9:30,历史时间段为上周五的8:30~9:30等。
在实施中,目标路网中各个路口都设置有摄像设备,摄像设备与管理设备之间建立有通信连接,通信连接可以是有线连接或无线连接。摄像设备可以拍摄包含经过的车辆的图像,并为拍摄到的每个图像标记拍摄时间点等信息,摄像设备可以周期性将拍摄到的图像数据发送至管理设备,如每10分钟发送一次等,管理设备可以记录接收到的图像数据以及发送图像数据的摄像设备的标识。
管理设备中预先存储了摄像设备的标识与地理位置的对应关系,管理设备可以从接收到的图像数据中,基于目标路网的地理位置信息、摄像设备的标识与地理位置的对应关系,查找到目标路网中包含的各摄像设备的标识,然后基于该标识,从记录的图像中,获取目标路网的各摄像设备发送的当前时间段的图像数据,管理设备通过对图像进行识别,删除异常图像数据(如车牌识别不出来的图像数据等)和重复图像数据(如同一个摄像设备拍摄的包含相同车辆的图像),然后管理设备可以将进行删除处理后的图像数据输入至预设的车辆轨迹确定算法,则会确定出当前时间段的第一OD流量。然后对第一OD流量进行存储。
另外,还可以是前端摄像设备对拍摄到的图像进行识别和分析,得到目标路网中的全部过车数据,将目标路网中的全部过车数据发送至管理设备,管理设备可以进行存储,供后续使用。
车辆轨迹确定算法的过程可以如下:
如图2所示,s1、将删除处理后的图像数据按照时间顺序进行排列,s2、然后遍历所有删除处理后的图像数据,将图像数据中的车辆的车牌号作为索引点,s3、确定是否遍历完图像数据,如果未遍历完,在图像数据中识别到车牌号之后,s4、可以查看是否已经包含该车牌号,如果包含,s5、则基于拍摄识别出该车牌号的图像的摄像设备,判断是否已经到达目标路网的边界,s6、如果没有超出目标路网边界,则判断拍摄识别出该车牌号的图像的摄像设备所属的路口与记录的最后一个路口是否相邻,如果相邻,则说明车辆轨迹连续,如果超出路网边界,则结束,s7、可以更新该车牌号对应的轨迹信息,如果不相邻,则说明车辆轨迹不连续,s9、则可以确定最后一个路口到该路口的最短路径,补全车辆轨迹。S8、如果不包含该车牌号,则可以基于该车牌号,***一条新的车辆轨迹,循环执行上述过程,则可以确定目标路网中的全部过车数据,也即全部车辆轨迹信息,也即确定出第一OD流量。
需要说明的是,上述确定出的车辆轨迹中包括车辆经过每个路口的时间点信息、位置信息等。
管理设备可以使用相同的方式,确定出历史时间段的第二OD流量。
然后管理设备可以获取当前的目标路网中各路口预设的信号灯配时策略,该信号灯配时策略中包括一个通信周期(如30分钟等)内红灯的时长、绿灯的时长以及黄灯的时长,然后将第一OD流量、第二OD流量和各路口预设的信号灯配时策略,输入到OD流量预测算法中,OD流量预测算法则会输出目标路网待预测时间段内的目标OD流量。目标OD流量中记录有目标路网中各路段的车流量数据。
上述OD流量预测算法是一种比较成熟的算法,可以包括统计推断算法和状态空间算法等。
可选的,可以基于历史时间段的OD流量,确定出目标路网中的关键路径,相应的处理可以如下:
根据第二OD流量,确定目标路网中主交通发生点和主交通吸引点之间的多条路径的车流量;将车流量最大的预设数目条路径,确定为主交通发生点和主交通吸引点之间的关键路径。
其中,预设数目可以预设,并且存储至管理设备中,如3等。
在实施中,第二OD流量包括目标路网中历史时间段内的全部过车数据,管理设备可以从中确定出最多车辆的起始路口,并且确定出最多车辆的结束路口,将起始路口确定为主交通发生点,并将结束路口确定为主交通吸引点。
然后可以使用地图,确定出主交通发生点与主交通吸引点之前的多条路径,使用第二OD流量,确定出每条路径中的车流量,确定车流量最大的预设数目条路径,将这预设数目条路径,确定为主交通发生点和主交通吸引点之间的关键路径。例如,如图3所示,预设数目为2,主交通发生点为路口C,主交通吸引点为路口H,虚线所示的两条路径为关键路径。
步骤102,对于多条关键路径的每个预设分流比例,根据目标OD流量和预设分流比例,如果在待预测时间段内目标路网中的关键路径上存在至少一个瓶颈路段,则确定每个瓶颈路段的车辆总调节量,根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比。
其中,绿信比为信号灯在一个通行周期内可用于车辆通行的时长占整个周期的比例。
在实施中,管理设备中预先存储有多条关键路径的多个预设分流比例,对于任一预设分流比例,该预设分流比例为多条关键路径的车流量的比例,对于不同的预设分流比例,多条关键路径的车流量的顺序是相同的。例如,关键路径有3条,关键路径a、关键路径b和关键路径c,关键路径a、关键路径b和关键路径c对应的多个预设分流比例为1/2/3、1/3/2和3/2/1等。
对于每个预设分流比例,管理设备可以根据目标OD流量和该预设分流比例,确定出待预测时间段内关键路径上是否存在瓶颈路段,如果在目标路网中的关键路径上存在至少一个瓶颈路段,则可以确定每个瓶颈路段的车辆总调节量(车辆总调节量用于指示调节出这些数量的车辆后,瓶颈路段为正常通行路段,不会拥堵)。然后管理设备可以确定每个瓶颈路段对应的可控路段(可控路段指可以通过控制可控路段的信号灯,来调节瓶颈路段的车流量),然后管理设备可以根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,对于瓶颈路段的上游可控路段,目标行驶方向为驶入瓶颈路段的方向,对于瓶颈路段的下游可控路段,目标行驶方向为驶离瓶颈路段的方向。
这样,管理设备对于每个预设分流比例,都可以使用上述方法确定出绿信比。
另外,如果待预测时间段内关键路径上不存在瓶颈路段,说明关键路径上拥堵的可能性比较低,为了节约处理资源,可以不进行后续的处理。
需要说明的是,上述多个预设分流比例是在理想分流比例(后面进行解释)的基础上确定的,在保证总的车流量不变的情况下,对理想分流比例进行多次调整(基于理想分流比例上下浮动,得到预设分流比例),得到多个预设分流比例。例如,关键路径有3条,关键路径a、关键路径b和关键路径c,关键路径a、关键路径b和关键路径c的理想分流比例为1/2/3,可以将关键路径b的车流量比例减少1,并将关键路径a的车流量比例增加2,可以得到预设分流比例为3/1/3,可以将关键路径c的车流量比例减少2,并将关键路径a的车流量比例增加2,可以得到预设分流比例为3/2/1,可以将关键路径c的车流量比例减少1,并将关键路径b的车流量比例增加2,并将关键路径a的车流量比例增加2,可以得到预设分流比例为3/4/2,此处仅为一种举例的形式。
可选的,本发明实施例还提供了确定瓶颈路段的方法,相应的处理可以如下:
根据目标OD流量和预设分流比例,确定关键路径中各路段的排队长度;对于每个路段,如果路段的排队长度占路段的长度的比例超过第二预设数值,或者路段的排队长度超过第三预设数值,则确定路段为瓶颈路段。
其中,第二预设数值可以预设,并且存储至管理设备中,如50%等,第三预设数值可以预设,并且存储至管理设备中,如250米等。
在实施中,对于每个预设分流比例,管理设备可以将目标OD流量和预设分流比例输入到仿真算法中,获取关键路径中各路段(相邻的两个路口组成一个路段)的排队长度。
对于每个路段,管理设备可以判断该路段的排队长度是否大于第三预设阈值,如果该路段的排队长度大于第三预设阈值,则确定该路段为瓶颈路段。
或者,对于每个路段,管理设备可以获取该路段的长度,然后计算排队长度与该路段的长度的比值,如果该比值超过第二预设数值,则可以确定该路段为瓶颈路段。
可选的,可以基于驶入瓶颈路段的车辆数目、驶离瓶颈路段的车辆数目,确定瓶颈路段的总调节量,相应的处理可以如下:
对于每个瓶颈路段,预测驶入瓶颈路段的车辆数目、驶离瓶颈路段的车辆数目以及瓶颈路段上排队的车辆数目;预测瓶颈路段的车辆总调节量为ΔS=max{ΔS1,0}+ΔS2,其中,ΔS1为驶入瓶颈路段的车辆数目与驶离瓶颈路段的车辆数目之差,ΔS2为瓶颈路段上排队的车辆数目。
在实施中,对于上述确定出的每个瓶颈路段,管理设备可以根据目标OD流量和预设的信号灯配时策略,通过仿真算法,确定出待预测时将段内驶入该瓶颈路段的车辆数目xa,in、驶离该瓶颈路段的车辆数目xa,out以及该瓶颈路段上排队的车辆数目ΔS2,然后计算xa,in与xa,out的差值ΔS1,预测该瓶颈路段上的总调节量为ΔS=max{ΔS1,0}+ΔS2,其中,max{ΔS1,0}表示取ΔS1与0之间的最大值。
这样,由于考虑了驶入瓶颈路段的车辆数目、驶出瓶颈路段的车辆数目以及瓶颈路段上排队的车辆数目,所以可以较为准确的确定出瓶颈路段的车辆总调节量。
可选的,本发明实施例中,还提供了确定瓶颈路段的可控路段的方法,相应的处理可以如下:
对于每个瓶颈路段,根据目标OD流量,确定瓶颈路段的上游各路段对瓶颈路段的车辆数目的贡献率和下游各路段对瓶颈路段的车辆数目的贡献率;
将贡献率大于第四预设数值的路段,确定为瓶颈路段的可控路段。
其中,第四预设数值可以预设,并且存储在管理设备中,如50%等。瓶颈路段的上游路段指能驶入瓶颈路段的车辆所在的路段,瓶颈路段的下游路段指驶离瓶颈路段的车辆驶入的路段。如图4所示,瓶颈路段为路口a至路口b的路段,瓶颈路段的上游路段为路段c和d,瓶颈路段的下游路段为路段e。
在实施中,对于每个瓶颈路段,管理设备可以确定该瓶颈路段的上游各路段和下游各路段,然后使用目标OD流量,确定待预测时间段内上游各路段的驶入瓶颈路段的车辆数目,并确定待预测时间段内该瓶颈路段驶入下游各路段的车辆数目。
然后对于上游的某个路段,计算待预测时间段内驶入瓶颈路段的车辆数目与瓶颈路段上的车辆数目比值,将该比值确定为该路段对瓶颈路段的车辆数目的贡献率,这样,依此类推,可以确定出瓶颈路段的上游各路段对瓶颈路段的车辆数目的贡献率。
并且对于下游的某个路段,计算待预测时间段内驶离瓶颈路段驶入该路段的车辆数目与瓶颈路段上的车辆数目比值,将该比值确定为该路段对瓶颈路段的车辆数目的贡献率,这样,依此类推,可以确定出瓶颈路段的下游各路段对瓶颈路段的车辆数目的贡献率。
然后管理设备可以将上述确定出的多个贡献率与第四预设数值,进行比较,如果贡献率大于第四预设数值,则将贡献率大于第四预设数值的路段,确定为瓶颈路段的可控路段。
可选的,可以基于每个瓶颈路段对应的可控路段的车辆调节量,确定每个可控路段的目标行驶方向的信号灯的绿信比,相应的处理可以如下:
根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的车辆调节量;根据每个瓶颈路段对应的各可控路段的车辆调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比。
在实施中,对于每个瓶颈路段,管理设备可以获取前面确定出的该瓶颈路段的车辆总调节量,然后将车辆总调节量分配到该瓶颈路段的各可控路段上,也即确定出该瓶颈路段对应的各可控路段的车辆调节量,然后管理设备可以根据该瓶颈路段对应的各可控路段的车辆调节量,来确定出该瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比。这样,依次类推,即可确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比。
可选的,给各可控路段分配车辆调节量的方式可以如下:
对于每个瓶颈路段,根据瓶颈路段的车辆总调节量、驶入瓶颈路段的车辆数目、驶离瓶颈路段的车辆数目,确定瓶颈路段的上游车辆调节量和瓶颈路段的下游车辆调节量;根据上游车辆调节量和瓶颈路段的上游各可控路段的贡献率,确定瓶颈路段的上游各可控路段的车辆调节量,并根据下游车辆调节量和瓶颈路段的下游各可控路段的贡献率,确定瓶颈路段的下游各可控路段的车辆调节量。
在实施中,对于每个瓶颈路段,管理设备可以根据瓶颈路段的车辆总调节量ΔS、驶入瓶颈路段的车辆数目xa,in、驶离瓶颈路段的车辆数目xa,out,确定出该瓶颈路段的上游车辆调节量为该瓶颈路段的下游车辆调节量为其中,表示0.5和中的最大值,表示0.5和中的最大值,ΔS为瓶颈路段的车辆总调节量。
然后,管理设备可以获取该瓶颈路段对应的上游各可控路段对该瓶颈路段的贡献率,基于上游车辆调节量和获取到的贡献率,确定出瓶颈路段的上游各可控路段的车辆调节量,并且可以获取该瓶颈路段对应的下游各可控路段对该瓶颈路段的贡献率,基于下游车辆调节量和获取到的贡献率,确定出瓶颈路段的下游各可控路段的车辆调节量。
可选的,首先要确定各可控路段的剩余容量,再基于剩余容量来分配调节量,相应的处理可以如下:
确定瓶颈路段的上游各可控路段的剩余容量和下游各可控路段的剩余容量;根据瓶颈路段的上游各可控路段与瓶颈路段的位置关系,对瓶颈路段的上游各可控路段分等级,按照瓶颈路段的上游各可控路段的等级高低顺序,根据上游车辆调节量、瓶颈路段的上游各可控路段的贡献率和瓶颈路段的上游各可控路段的剩余容量,确定瓶颈路段的上游各可控路段的车辆调节量;并根据瓶颈路段的下游各可控路段与瓶颈路段的位置关系,对瓶颈路段的下游各可控路段分等级,按照瓶颈路段的下游各可控路段的等级高低顺序,根据下游车辆调节量、瓶颈路段的下游各可控路段的贡献率和瓶颈路段的下游各可控路段的剩余容量,确定瓶颈路段的下游各可控路段的车辆调节量。
在实施中,对于瓶颈路段的任一可控路段(不管是上游可控路段,还是下游可控路段),可以获取该可控路段b预设的最大排队长度Lb,max,确定其剩余容量为其中,Lb为可控路段b的实际长度,hs为最小车头间距,δ为预设的可控路段的安全排队系数,这样,对于每个可控路段,都可以使用该方法进行计算,确定出剩余容量。
然后,管理设备可以根据瓶颈路段的上游各可控路段与瓶颈路段的位置关系,将与瓶颈路段相邻的可控路段分为一级可控路段,可控路段中与一级路段相连的可控路段分为二级可控路段,依次类推,对上游各路段进行分等级。管理设备可以首先在上游一级可控路段中分配车辆调节量,然后在二级可控路段中分配车辆调节量,依次类推进行分配,分配方式为:对于上游一级可控路段中的每个可控路段,可控路段b(为上游任一可控路段)的车辆调节量为其中,ΔQ表示上游车辆调节量,Pa,b,1表示可控路段b为瓶颈路段的车辆数目的贡献率,m为等级为一级的可控路段的数目,Pa,k,1表示上游可控路段k为瓶颈路段的车辆数目的贡献率,在Δqb,1大于可控路段b的剩余容量时,可控路段b的车辆调节量即为剩余容量,在Δqb,1小于或等于可控路段b的剩余容量时,可控路段b的车辆调节量即为Δqb,1。一级可控路段的每个可控路段分配完车辆调节量后,可以确定上游车辆调节量是否全部分配完,如果全部分配完,则结束分配。如果未全部分配完,且一级可控路段不是目标路网的边界,则可以在二级路段上分配车辆调节量,分配方式与一级可控路段的分配方式相同,依此类推,直到达到目标路网的边界,或者上游车辆调节量已分配完,结束分配。如果未全部分配完,但是待分配可控路段是目标路网的边界,则结束分配。
并且管理设备可以根据瓶颈路段的下游各可控路段与瓶颈路段的位置关系,将与瓶颈路段相邻的可控路段分为一级路段,可控路段中与一级路段相连的可控路段分为二级路段,依次类推,对下游各路段进行分等级。管理设备可以首先在下游一级可控路段中分配车辆调节量,然后在二级可控路段中分配车辆调节量,依次类推进行分配,分配方式为:对于下游一级可控路段中的每个可控路段,可控路段b(为下游任一可控路段)的车辆调节量为其中,ΔQ表示下游车辆调节量,Pa,b,1表示可控路段b为瓶颈路段的车辆数目的贡献率,m为等级为一级的可控路段的数目,Pa,k,1表示可控路段k为瓶颈路段的车辆数目的贡献率,在Δqb,1大于可控路段b的剩余容量时,可控路段b的车辆调节量即为剩余容量,在Δqb,1小于或等于可控路段b的剩余容量时,可控路段b的车辆调节量即为Δqb,1。
一级可控路段的每个可控路段分配完车辆调节量后,可以确定下游车辆调节量是否全部分配完,如果全部分配完,则结束分配。如果未全部分配完,且一级可控路段不是目标路网的边界,则可以在二级路段上分配车辆调节量,分配方式与一级可控路段的分配方式相同,依此类推,直到达到目标路网的边界,或者下游车辆调节量已分配完,结束分配。如果未全部分配完,但是要分配的可控路段是目标路网的边界,也结束分配。
这样,对于每个瓶颈路径,都可以按照上述方式进行分配,可以全部分配完毕。
可选的,可以将确定出车辆调节量转换为绿信比,相应的处理可以如下:
对于可控路段b,可控路段b的目标行驶方向的信号灯的绿信比为其中,可控路段b的目标行驶方向包含有n条车道,每条车道的饱和流率为Slane,可控路段b每小时的车辆调节量为ΔSb,ΔSb等于分配给可控路段b的车辆调节量与60分钟的比值。
在实施中,对于任一可控路段b,管理设备可以计算可控路段b的目标行驶方向每小时的车辆调节量为Δqb表示分配给可控路段b的车辆调节量,T为60分钟。然后获取可控路段b的目标行驶方向包含的车道数目为n,并获取每条车道的饱和率为Slane,那么可控路段b的目标行驶方向的信号灯的绿信比可以为Δλb,这样,依此类推,即可确定出每个可控路段的绿信比。
需要说明的是,以上仅确定出一个预设分流比例对应的绿信比,每个预设分流比例,都可以使用上述方式来确定,此处不再赘述。
还需要说明的是,由于控制绿信比,可以控制路段的车辆的通行量,所以可以将车辆调节量除以可控路段的车辆饱和率与车道数目的乘积,可以确定出绿信比。
步骤103,确定待预测时间段内开始的预设时长内多条关键路径的实际分流比例。
其中,开始的预设时长为待预测时间段刚开始的一段时间,预设时长小于待预测时间段,可以预设,并且存储在管理设备中。例如,待预测时间段为8:00~9:00,预设时长为15分钟,则开始的预设时长为8:00~8:15。
在实施中,管理设备在确定出每个预设分流比例下,每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比之后,管理设备可以从目标路网的路口的各摄像设备获取拍摄到的图像数据,然后对图像数据进行识别,根据开始的预设时长内驶入关键路径的车辆的数目,将该数目确定为关键路径的车辆数目,这样,可以确定出这多条关键路径在开始的预设时长之内的车辆数目。然后根据多条关键路径在开始的预设时长的车辆数目,得到多条关键路径的实际分流比例。
可选的,可以首先计算总车辆数目,基于总车辆数目,确定出实际分流比例,相应的处理可以如下:
将待预测时间段内开始的预设时长内所有关键路径的车流量相加,得到总车流量;确定每条关键路径的车流量与总车流量的比值;将多条关键路径分别对应的比值相比,得到待预测时间段内开始的预设时长内多条关键路径的实际分流比例。
在实施中,管理设备可以将待预测时间段内开始的预设时长内多条关键路径在开始的预设时长的车流量进行相加,得到总车辆数目,然后确定每条关键路径的车辆数目与总车辆数目的比值,将多条关键路径分别对应的比值,进行相比,得到多条关键路径的实际分流比例。
例如,关键路径有3条,关键路径a、关键路径b和关键路径c,关键路径a、关键路径b和关键路径c的车辆数目分别为1000、1500、2000,总车辆数目为4500,则实际分流比例为2/3/4。
需要说明的是,此处计算实际分流比例时,多条关键路径的车辆数目相比的顺序与步骤102中多条关键路径的车辆数目相比的顺序相同。
还需要说明的是,每个瓶颈路段对应的可控路段有可能不是一个,那么对于每个可控路段的目标行驶方向都会确定出一个绿信比,所以后续在使用绿信比的时候,要与信号灯所属的可控路段的目标行驶方向相匹配。
步骤104,在待预测时间段除开始的预设时长之外的剩余时间段内,基于与实际分流比例最接近的预设分流比例所对应的绿信比,控制信号灯。
在实施中,管理设备确定出实际分流比例后,可以将实际分流比例与多个预设分流比例进行比较,确定与实际分流比例最接近的预设分流比例,然后获取步骤102中基于该预设分流比例确定出的绿信比(也即预设分流比例对应的绿信比),管理设备可以在待预测时间段除开始的预设时长之外的剩余时间段内,使用该绿信比,控制目标路网中的信号灯,降低瓶颈路段出现的概率。或者,管理设备可以通知信号灯的控制设备,使控制设备在待预测时间段除开始的预设时长之外的剩余时间段内,使用该绿信比,控制目标路网中的信号灯,降低瓶颈路段出现的概率。
需要说明的是,对于瓶颈路段的上游可控路段,控制的信号灯为可以使车辆驶入瓶颈路段的信号灯,例如,对于上游一级可控路段,控制的信号灯为与瓶颈路段相连的路口的信号灯,对于上游二级可控路段,控制的信号灯为与一级可控路段相连的路口的信号灯等。对于瓶颈路段的下游可控路段,控制的信号灯为可以使车辆驶离瓶颈路段的信号灯,例如,对于下游一级可控路段,控制的信号灯为与瓶颈路段相连的路口的信号灯,对于下游二级可控路段,控制的信号灯为与一级可控路段相连的路口的信号灯等。
可选的,确定与实际分流比例最接近的预设分流比例的方式可以如下:
对于每个预设分流比例,可以将实际分流比例与该预设分流比例,相同位置上的值对应相减,并求其绝对值,将绝对值相加,得到一个数值,依次类推,确定多个数值,将得到数值最小的预设分流比例,确定为与实际分流比例最接近的预设分流比例。例如,关键路径有关键路径a、关键路径b和关键路径c,多个预设分流比例分别为3/1/3、3/2/1和3/4/2,实际分流比例为4/5/3,对于第一个预设分流比例,得到的数值为5,对于第二个预设分流比例,得到的数值为6,对于第三个预设分流比例,得到的数值为3,3最小,可以将第三个预设分流比例,确定为与实际分流比例最近的预设分流比例。
需要说明的是,如果对于某个瓶颈路段,可控路段为多个,对于每个可控路段的每个行驶方向均有一个绿信比,需要将绿信比分配至对应的可控路段,以及对应的行驶方向上。
可选的,本发明实施例还提供了发布行驶诱导信息的方式,相应的处理可以如下:
根据第一OD流量,确定每条关键路径的车辆平均行驶时长;根据每条关键路径的车辆平均行驶时长,确定多条关键路径的理想分流比例;如果根据实际分流比例和理想分流比例,确定多条关键路径中目标关键路径的第一比值和第二比值之差大于或等于第一预设数值,则控制多条关键路径的VMS发布行驶诱导信息,如果第一比值和第二比值之差小于第一预设数值,则控制多条关键路径的VMS发布路况信息。
其中,第一预设数值可以预设,并且存储至管理设备中。行驶诱导信息中包括路况信息和建议绕开目标关键路径的通知。
在实施中,管理设备可以根据第一OD流量中的全部过车数据,确定关键路径上的各车辆(从关键路径的起始点行驶至关键路径的结束点的车辆)的行驶时长,然后对于每条关键路径,确定车辆平均行驶时长。然后根据每条关键路径的车辆平均行驶时长,确定多条关键路径的理想分流比例。
然后比较步骤103中确定出的实际分流比例与理想分流比例,如果对于多条关键路径中任一关键路径(后续可以称为是目标关键路径),可以确定在实际分流比例下,目标关键路径对应的标识分流量的数值与多条关键路径对应的标识分流量的数值总和的比值,得到第一比值,并且可以确定在理想分流比例下,目标关键路径对应的标识分流量的数值与多条关键路径对应的标识分流量的数值总和的比值,得到第二比值,计算第一比值与第二比值的差值。如果该差值大于或等于第一预设数值,则可以控制多条关键路径上设置的VMS发布行驶诱导信息,该行驶诱导信息中包括路况信息和建议绕开目标关键路径的通知,这样,可以及时的通知司机更换路径进行行驶,减少目标关键路径的拥堵。
如果该差值小于第一预设数值,则说明目标关键路径拥堵的可能性比较低,可以控制多条关键路径上设置的VMS发布路况信息,路况信息仅提示司机路段的大致通行情况,这样,可以及时的通知司机路况信息。
确定第一数值与第二数值的方式可以如下:
关键路径a、关键路径b和关键路径c的实际分流比例为1/2/3,在实际分流比例下,数值“1”标识关键路径a的分流量,数值“2”标识关键路径b的分流量,数值“3”标识关键路径c的分流量,目标关键路径为关键路径c,第一数值为3/(1+2+3)=0.5,关键路径a、关键路径b和关键路径c的理想分流比例为2/2/3,在理想分流比例下,数值“2”标识关键路径a的分流量,数值“2”标识关键路径b的分流量,数值“3”标识关键路径c的分流量,目标关键路径为关键路径c,第二数值为3/(2+2+3)=3/7。
这样,在实际分流比例与理想分流比例相差比较多时,提醒司机进行绕行,可以减少道路拥堵。
另外,控制VMS发布行驶诱导信息的触发条件还可以为:
可以将实际分流比例与理想分流比例,相同位置上的值对应相减,并求其绝对值,将绝对值相加,得到一个数值,如果该数值大于第五预设数值,则进行控制VMS发布行驶诱导信息的处理,如果该数值小于或等于第五预设数值,则进行控制VMS发布路况信息的处理。
可选的,确定理想分流比例的方式可以如下:
根据每条关键路径的车辆平均行驶时长,确定所有关键路径的车辆平均行驶时长;对于关键路径i,被选择概率为其中,T(i)为关键路径i的车辆平均行驶时长,为所有关键路径的车辆平均行驶时长;将多条关键路径的被选择概率相比,得到多条关键路径的理想分流比例。
在实施中,管理设备可以根据每条关键路径的车辆平均行驶时长,确定出所有关键路径的车辆平均行驶时长,然后对于任意一条关键路径i,管理设备可以确定被选择概率为在该式子中,T(i)为关键路径i的车辆平均行驶时长,为所有关键路径的车辆平均行驶时长,这样,就可以得到每条关键路径的被选择概率,将多条关键路径的被选择概率相比,就可以得到多条关键路径的理想分流比例。
需要说明的是,计算理想分流比例时,多条关键路径的顺序,与计算实际分流比例时多条关键路径的顺序相同。例如,关键路径有关键路径a、关键路径b和关键路径c,每次计算的顺序均为关键路径a、关键路径b和关键路径c。
还需要说明的是,即使现有技术中,在确定拥堵后,再生成控制策略,对道路车流量进行控制,势必会有一定的延迟。然而本申请中,可以提前对拥堵情况进行预测,并采取调节措施,使拥堵的可能性降低。
本发明实施例中,为了降低待预测时间段内目标路网拥堵的可能性,可以获取待预测时间段内的目标OD流量,并且获取目标路网中主交通发生点和主交通吸引点之间的多条关键路径,然后可以获取预先存储的多条关键路径的多个预设分流比例,对于每个预设分流比例,确定关键路径上的瓶颈路段的车辆总调节量,然后确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,然后在待预测时间段内开始的预设时长内确定多条关键路径的实际分流比例,选择与实际分流比例更接近的预设分流比例所对应的绿信比,基于该绿信比,控制目标路网中的信号灯,这样,可以提前对拥堵情况进行预测,并采取调节措施,降低了拥堵的可能性。
基于相同的技术构思,本发明实施例还提供了一种路网的交通控制装置,如图5所示,该装置包括:
获取模块510,用于获取待预测时间段内目标路网的目标OD流量,并获取所述目标路网中主交通发生点和主交通吸引点之间的多条关键路径;
分析模块520,用于对于所述多条关键路径的每个预设分流比例,根据所述目标OD流量和所述预设分流比例,如果在所述待预测时间段内所述目标路网中的关键路径上存在至少一个瓶颈路段,则确定每个瓶颈路段的车辆总调节量,根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,其中,对于每个瓶颈路段,所述目标行驶方向用于指示车辆能驶入或驶离所述瓶颈路段的车流方向;确定所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例;
控制模块530,用于在所述待预测时间段除开始的所述预设时长之外的剩余时间段内,基于与所述实际分流比例最接近的预设分流比例所对应的绿信比,控制信号灯。
可选的,所述获取模块510,用于:
获取当前时段内目标路网的第一OD流量,以及历史时间段内所述目标路网的第二OD流量,其中,所述历史时间段与待预测时间段的时间范围相同,所述当前时间段与所述待预测时间段属于相邻时间段;
根据所述第一OD流量、所述第二OD流量和所述目标路网中预设的信号灯配时策略,确定所述待预测时间段内所述目标路网的目标OD流量。
可选的,所述获取模块510,用于:
根据所述第二OD流量,确定所述目标路网中主交通发生点和主交通吸引点之间的多条路径的车流量;
将所述多条路径,按照确定出的多条路径的车流量从大到小的顺序进行排序,选取排序队列中最前面的预设数目条路径,确定为所述主交通发生点和主交通吸引点之间的关键路径。
可选的,所述分析模块520,还用于:
根据所述第一OD流量,确定每条关键路径的车辆平均行驶时长;
根据每条关键路径的车辆平均行驶时长,确定所述多条关键路径的理想分流比例;
所述控制模块530,还用于:
如果根据所述实际分流比例和所述理想分流比例,确定所述多条关键路径中目标关键路径的第一比值和第二比值之差大于或等于第一预设数值,则控制所述多条关键路径的VMS发布行驶诱导信息,如果所述第一比值和第二比值之差小于第一预设数值,则控制所述多条关键路径的VMS发布路况信息,其中,所述行驶诱导信息中包括路况信息和建议绕开所述目标关键路径的通知,所述第一比值为在实际分流比例下,所述目标关键路径对应的标识分流量的数值与所述多条关键路径对应的标识分流量的数值总和的比值,所述第二比值为在理想分流比例下,所述目标关键路径对应的标识分流量的数值与所述多条关键路径对应的标识分流量的数值总和的比值。
可选的,所述分析模块520,用于:
根据每条关键路径的车辆平均行驶时长,确定所有关键路径的车辆平均行驶时长;
将所述多条关键路径的被选择概率相比,得到所述多条关键路径的理想分流比例。
可选的,所述分析模块520,用于:
将所述待预测时间段内开始的预设时长内所有关键路径的车流量相加,得到总车流量;
确定每条关键路径的车流量与所述总车流量的比值;
将多条关键路径分别对应的比值相比,得到所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例。
可选的,所述分析模块520,还用于:
确定每个瓶颈路段的车辆总调节量之前,根据所述目标OD流量和所述预设分流比例,确定所述关键路径中各路段的排队长度;
对于每个路段,如果所述路段的排队长度占所述路段的长度的比例超过第二预设数值,或者所述路段的排队长度超过第三预设数值,则确定所述路段为瓶颈路段。
可选的,所述分析模块520,用于:
对于每个瓶颈路段,预测驶入所述瓶颈路段的车辆数目、驶离所述瓶颈路段的车辆数目以及所述瓶颈路段上排队的车辆数目;
预测所述瓶颈路段的车辆总调节量为ΔS=max{ΔS1,0}+ΔS2,其中,ΔS1为驶入所述瓶颈路段的车辆数目与驶离所述瓶颈路段的车辆数目之差,ΔS2为所述瓶颈路段上排队的车辆数目。
可选的,所述分析模块520,还用于:
对于每个瓶颈路段,根据所述目标OD流量,确定所述瓶颈路段的上游各路段对所述瓶颈路段的车辆数目的贡献率和下游各路段对所述瓶颈路段的车辆数目的贡献率;
将贡献率大于第四预设数值的路段,确定为所述瓶颈路段的可控路段。
可选的,所述分析模块520,用于:
根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的车辆调节量;
根据每个瓶颈路段对应的各可控路段的车辆调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比。
可选的,所述分析模块520,用于:
对于每个瓶颈路段,根据所述瓶颈路段的车辆总调节量、驶入所述瓶颈路段的车辆数目、驶离所述瓶颈路段的车辆数目,确定所述瓶颈路段的上游车辆调节量和所述瓶颈路段的下游车辆调节量;
根据所述上游车辆调节量和所述瓶颈路段的上游各可控路段的贡献率,确定所述瓶颈路段的上游各可控路段的车辆调节量,并根据所述下游车辆调节量和所述瓶颈路段的下游各可控路段的贡献率,确定所述瓶颈路段的下游各可控路段的车辆调节量。
可选的,所述分析模块520,用于:
确定所述瓶颈路段的上游各可控路段的剩余容量和下游各可控路段的剩余容量;
根据所述瓶颈路段的上游各可控路段与所述瓶颈路段的位置关系,对所述瓶颈路段的上游各可控路段分等级,按照所述瓶颈路段的上游各可控路段的等级高低顺序,根据所述上游车辆调节量、所述瓶颈路段的上游各可控路段的贡献率和所述瓶颈路段的上游各可控路段的剩余容量,确定所述瓶颈路段的上游各可控路段的车辆调节量;并根据所述瓶颈路段的下游各可控路段与所述瓶颈路段的位置关系,对所述瓶颈路段的下游各可控路段分等级,按照所述瓶颈路段的下游各可控路段的等级高低顺序,根据所述下游车辆调节量、所述瓶颈路段的下游各可控路段的贡献率和所述瓶颈路段的下游各可控路段的剩余容量,确定所述瓶颈路段的下游各可控路段的车辆调节量。
可选的,所述分析模块520,用于:
对于可控路段b,所述可控路段b的目标行驶方向的信号灯的绿信比为其中,所述可控路段b的目标行驶方向包含有n条车道,每条车道的饱和流率为Slane,所述可控路段b每小时的车辆调节量为ΔSb,ΔSb等于分配给所述可控路段b的车辆调节量与60分钟的比值,所述可控路段b为任一可控路段。
本发明实施例中,为了降低待预测时间段内目标路网拥堵的可能性,可以获取待预测时间段内的目标OD流量,并且获取目标路网中主交通发生点和主交通吸引点之间的多条关键路径,然后可以获取预先存储的多条关键路径的多个预设分流比例,对于每个预设分流比例,确定关键路径上的瓶颈路段的车辆总调节量,然后确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,然后在待预测时间段内开始的预设时长内确定多条关键路径的实际分流比例,选择与实际分流比例更接近的预设分流比例所对应的绿信比,基于该绿信比,控制目标路网中的信号灯,这样,可以提前对拥堵情况进行预测,并采取调节措施,降低了拥堵的可能性。
需要说明的是:上述实施例提供的路网的交通控制装置在进行路网交通控制时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的路网的交通控制装置与路网交通控制方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图6是本发明实施例提供的一种管理设备的结构示意图,该管理设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processingunits,CPU)601和一个或一个以上的存储器602,其中,所述存储器602中存储有至少一条指令,所述至少一条指令由所述处理器601加载并执行以实现上述路网的交通控制方法的步骤。
基于相同的技术构思,本申请还提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述路网的交通控制方法的步骤。
基于相同的技术构思,本申请还提供了一种管理设备,包括处理器和存储器,其中,所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的程序,实现上述路网的交通控制方法的步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种路网的交通控制方法,其特征在于,所述方法包括:
获取待预测时间段内目标路网的目标出发地目的地OD流量,并获取所述目标路网中主交通发生点和主交通吸引点之间的多条关键路径;
对于所述多条关键路径的每个预设分流比例,根据所述目标OD流量和所述预设分流比例,确定在所述待预测时间段内所述多条关键路径上是否存在瓶颈路段,如果所述多条关键路径上存在至少一个瓶颈路段,则确定每个瓶颈路段的车辆总调节量,根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,其中,对于所述每个瓶颈路段的上游可控路段,所述目标行驶方向为驶入所述瓶颈路段的方向,对于所述每个瓶颈路段的下游可控路段,所述目标行驶方向为驶离所述瓶颈路段的方向;
确定所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例;
在所述待预测时间段除开始的所述预设时长之外的剩余时间段内,基于与所述实际分流比例最接近的预设分流比例所对应的绿信比,控制信号灯。
2.根据权利要求1所述的方法,其特征在于,所述获取待预测时间段内目标路网的目标OD流量,包括:
获取当前时段内目标路网的第一OD流量,以及历史时间段内所述目标路网的第二OD流量,其中,所述历史时间段与待预测时间段的时间范围相同,所述当前时间段与所述待预测时间段属于相邻时间段;
根据所述第一OD流量、所述第二OD流量和所述目标路网中预设的信号灯配时策略,确定所述待预测时间段内所述目标路网的目标OD流量。
3.根据权利要求2所述的方法,其特征在于,所述获取所述目标路网中主交通发生点和主交通吸引点之间的多条关键路径,包括:
根据所述第二OD流量,确定所述目标路网中主交通发生点和主交通吸引点之间的多条路径的车流量;
将所述多条路径,按照确定出的多条路径的车流量从大到小的顺序进行排序,选取排序队列中最前面的预设数目条路径,确定为所述主交通发生点和主交通吸引点之间的关键路径。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述第一OD流量,确定每条关键路径的车辆平均行驶时长;
根据每条关键路径的车辆平均行驶时长,确定所述多条关键路径的理想分流比例;
如果根据所述实际分流比例和所述理想分流比例,确定所述多条关键路径中目标关键路径的第一比值和第二比值之差大于或等于第一预设数值,则控制所述多条关键路径的可变情报板VMS发布行驶诱导信息,如果所述第一比值和第二比值之差小于第一预设数值,则控制所述多条关键路径的VMS发布路况信息,其中,所述行驶诱导信息中包括路况信息和建议绕开所述目标关键路径的通知,所述第一比值为在实际分流比例下,所述目标关键路径对应的标识分流量的数值与所述多条关键路径对应的标识分流量的数值总和的比值,所述第二比值为在理想分流比例下,所述目标关键路径对应的标识分流量的数值与所述多条关键路径对应的标识分流量的数值总和的比值。
6.根据权利要求1至5任一所述的方法,其特征在于,所述确定所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例,包括:
将所述待预测时间段内开始的预设时长内所有关键路径的车流量相加,得到总车流量;
确定每条关键路径的车流量与所述总车流量的比值;
将多条关键路径分别对应的比值相比,得到所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例。
7.根据权利要求1至5任一所述的方法,其特征在于,所述根据所述目标OD流量和所述预设分流比例,确定在所述待预测时间段内所述多条关键路径上是否存在瓶颈路段,包括:
根据所述目标OD流量和所述预设分流比例,确定所述多条关键路径中各路段的排队长度;
对于每个路段,如果所述路段的排队长度占所述路段的长度的比例超过第二预设数值,或者所述路段的排队长度超过第三预设数值,则确定所述路段为瓶颈路段。
8.根据权利要求1至5任一所述的方法,其特征在于,所述确定每个瓶颈路段的车辆总调节量,包括:
对于每个瓶颈路段,预测驶入所述瓶颈路段的车辆数目、驶离所述瓶颈路段的车辆数目以及所述瓶颈路段上排队的车辆数目;
预测所述瓶颈路段的车辆总调节量为ΔS=max{ΔS1,0}+ΔS2,其中,ΔS1为驶入所述瓶颈路段的车辆数目与驶离所述瓶颈路段的车辆数目之差,ΔS2为所述瓶颈路段上排队的车辆数目。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
对于每个瓶颈路段,根据所述目标OD流量,确定所述瓶颈路段的上游各路段对所述瓶颈路段的车辆数目的贡献率和下游各路段对所述瓶颈路段的车辆数目的贡献率;
将贡献率大于第四预设数值的路段,确定为所述瓶颈路段的可控路段。
10.根据权利要求9所述的方法,其特征在于,所述根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,包括:
根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的车辆调节量;
根据每个瓶颈路段对应的各可控路段的车辆调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比。
11.根据权利要求10所述的方法,其特征在于,所述根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的可控路段的车辆调节量,包括:
对于每个瓶颈路段,根据所述瓶颈路段的车辆总调节量、驶入所述瓶颈路段的车辆数目、驶离所述瓶颈路段的车辆数目,确定所述瓶颈路段的上游车辆调节量和所述瓶颈路段的下游车辆调节量;
根据所述上游车辆调节量和所述瓶颈路段的上游各可控路段的贡献率,确定所述瓶颈路段的上游各可控路段的车辆调节量,并根据所述下游车辆调节量和所述瓶颈路段的下游各可控路段的贡献率,确定所述瓶颈路段的下游各可控路段的车辆调节量。
12.根据权利要求11所述的方法,其特征在于,所述根据所述上游车辆调节量和所述瓶颈路段的上游各可控路段的贡献率,确定所述瓶颈路段的上游各可控路段的车辆调节量,并根据所述下游车辆调节量和所述瓶颈路段的下游各可控路段的贡献率,确定所述瓶颈路段的下游各可控路段的车辆调节量,包括:
确定所述瓶颈路段的上游各可控路段的剩余容量和下游各可控路段的剩余容量;
根据所述瓶颈路段的上游各可控路段与所述瓶颈路段的位置关系,对所述瓶颈路段的上游各可控路段分等级,按照所述瓶颈路段的上游各可控路段的等级高低顺序,根据所述上游车辆调节量、所述瓶颈路段的上游各可控路段的贡献率和所述瓶颈路段的上游各可控路段的剩余容量,确定所述瓶颈路段的上游各可控路段的车辆调节量;并根据所述瓶颈路段的下游各可控路段与所述瓶颈路段的位置关系,对所述瓶颈路段的下游各可控路段分等级,按照所述瓶颈路段的下游各可控路段的等级高低顺序,根据所述下游车辆调节量、所述瓶颈路段的下游各可控路段的贡献率和所述瓶颈路段的下游各可控路段的剩余容量,确定所述瓶颈路段的下游各可控路段的车辆调节量。
14.一种路网的交通控制装置,其特征在于,所述装置包括:
获取模块,用于获取待预测时间段内目标路网的目标出发地目的地OD流量,并获取所述目标路网中主交通发生点和主交通吸引点之间的多条关键路径;
分析模块,用于对于所述多条关键路径的每个预设分流比例,根据所述目标OD流量和所述预设分流比例,确定在所述待预测时间段内所述多条关键路径上是否存在瓶颈路段,如果所述多条关键路径上存在至少一个瓶颈路段,则确定每个瓶颈路段的车辆总调节量,根据每个瓶颈路段的车辆总调节量,确定每个瓶颈路段对应的各可控路段的目标行驶方向的信号灯的绿信比,其中,对于所述每个瓶颈路段的上游可控路段,所述目标行驶方向为驶入所述瓶颈路段的方向,对于所述每个瓶颈路段的下游可控路段,所述目标行驶方向为驶离所述瓶颈路段的方向;确定所述待预测时间段内开始的预设时长内多条关键路径的实际分流比例;
控制模块,用于在所述待预测时间段除开始的所述预设时长之外的剩余时间段内,基于与所述实际分流比例最接近的预设分流比例所对应的绿信比,控制信号灯。
15.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-13任一所述的方法步骤。
16.一种管理设备,其特征在于,包括处理器和存储器,其中,所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的程序,实现权利要求1-13任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811191574.6A CN111047880B (zh) | 2018-10-12 | 2018-10-12 | 路网的交通控制方法、装置、存储介质和管理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811191574.6A CN111047880B (zh) | 2018-10-12 | 2018-10-12 | 路网的交通控制方法、装置、存储介质和管理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111047880A CN111047880A (zh) | 2020-04-21 |
CN111047880B true CN111047880B (zh) | 2021-06-04 |
Family
ID=70229948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811191574.6A Active CN111047880B (zh) | 2018-10-12 | 2018-10-12 | 路网的交通控制方法、装置、存储介质和管理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047880B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114023084B (zh) * | 2021-10-29 | 2023-01-17 | 青岛海信网络科技股份有限公司 | 一种交通拥堵处理方法、装置、设备及介质 |
CN113936480B (zh) * | 2021-11-11 | 2022-07-08 | 青岛海信网络科技股份有限公司 | 一种交通信号的控制方法和设备 |
CN114141032B (zh) * | 2022-02-07 | 2022-04-22 | 青岛海信网络科技股份有限公司 | 一种交通信号控制方案生成方法及设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201164B (zh) * | 2010-03-23 | 2015-09-30 | 数伦计算机技术(上海)有限公司 | 一种自适应城市交通拥堵快速反应*** |
CN103106787A (zh) * | 2012-12-21 | 2013-05-15 | 周晓东 | 一种前瞻性解决城市交通拥堵的*** |
CN103985267A (zh) * | 2014-06-06 | 2014-08-13 | 郝明学 | 一种同步显示前方路***通信号灯状态的***及方法 |
CN105654741B (zh) * | 2016-01-26 | 2018-07-17 | 浙江大学 | 一种面向单点瓶颈的上游区域信号控制参数优化方法 |
CN106530762A (zh) * | 2016-12-26 | 2017-03-22 | 东软集团股份有限公司 | 交通信号控制方法和装置 |
CN107331166B (zh) * | 2017-07-25 | 2018-06-19 | 中南大学 | 一种基于路径分析的动态限行方法 |
-
2018
- 2018-10-12 CN CN201811191574.6A patent/CN111047880B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111047880A (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10642268B2 (en) | Method and apparatus for generating automatic driving strategy | |
US10354523B2 (en) | Road traffic control system, method, and electronic device | |
Chen et al. | An improved adaptive signal control method for isolated signalized intersection based on dynamic programming | |
CN110164162B (zh) | 一种特种车辆精细化引导***及通行方法 | |
WO2018068605A1 (zh) | 行程时间预测方法、装置及服务器 | |
WO2021051870A1 (zh) | 基于强化学习模型的信息控制方法、装置和计算机设备 | |
US9002612B2 (en) | Prediction of driver-specific cruise speed using dynamic modeling | |
EP2806411B1 (en) | Driving model generation device, driving model generation method, driving evaluation device, driving evaluation method, and driving support system | |
US20210173402A1 (en) | Systems and methods for determining vehicle trajectories directly from data indicative of human-driving behavior | |
CN111047880B (zh) | 路网的交通控制方法、装置、存储介质和管理设备 | |
CN108597235B (zh) | 基于交通视频数据的交叉口信号参数优化及效果评估方法 | |
CN107851381A (zh) | 控制交通路口车辆通行的方法和装置 | |
CN109993984B (zh) | 一种车速引导方法及装置 | |
CN113330496A (zh) | 使用连接的车辆数据来管理交通流的***和方法 | |
US9865163B2 (en) | Management of mobile objects | |
JP2015212863A (ja) | 交通信号制御装置、交通信号制御方法、及びコンピュータプログラム | |
CN104875740B (zh) | 用于管理跟随空间的方法、主车辆以及跟随空间管理单元 | |
CN113747364B (zh) | 一种基于5g网络的智能交通导航方法、设备及介质 | |
US11113965B2 (en) | System for optimising transient kerbside access | |
CN111540204A (zh) | 一种面向交叉口问题诊断的交通运行状态评估方法及装置 | |
CN111737601A (zh) | 出行策略的推荐方法、装置、设备及存储介质 | |
CN111341093A (zh) | 车队的控制方法、装置、设备及存储介质 | |
CN115547054B (zh) | 一种基于大数据的交通引导*** | |
CN115440063A (zh) | 交通信号灯的控制方法、装置、计算机设备和存储介质 | |
CN115359671A (zh) | 一种路口车辆协同控制方法及相关设备 |
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 |