CN111091295B - 一种城市区域边界控制*** - Google Patents
一种城市区域边界控制*** Download PDFInfo
- Publication number
- CN111091295B CN111091295B CN201911324265.6A CN201911324265A CN111091295B CN 111091295 B CN111091295 B CN 111091295B CN 201911324265 A CN201911324265 A CN 201911324265A CN 111091295 B CN111091295 B CN 111091295B
- Authority
- CN
- China
- Prior art keywords
- control
- data
- traffic
- time
- area
- 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
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 13
- 230000002452 interceptive effect Effects 0.000 claims abstract description 12
- 238000012800 visualization Methods 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 12
- 238000011144 upstream manufacturing Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 238000011217 control strategy Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 241001417517 Scatophagidae Species 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000002542 deteriorative effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000010344 co-firing Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
一种城市区域边界控制***，包括：数据模块，用于选取各类表征交通状态的基础数据，并进行基础数据预处理，并将处理后的基础数据传输给状态评估模块；状态评估模块，用于对历史数据进行离线训练获取通行能力路网平均速度和对实时数据进行计算获取一定时间粒度范围内的区域路网平均速度，并与通行能力路网平均速度对比，判断实时数据所处范围并传输给控制方案模块；控制方案模块，用于根据状态评估模块的判断结果决定边界控制的启动或结束，并计算区域的截流点位下发相应的配时方案给信号***，同时将各类信息传输给交互可视化模块；信号***，用于根据配时方案进行交通信号控制；交互可视化模块，用于显示各类信息、手动决定边界控制的结束。
Description
技术领域
本发明属于智能交通领域，涉及一种城市区域边界控制***。
背景技术
国民经济的发展和科技的进步促进了城市范围的扩大，越来越多的大城市周边出现了大型新城、组团等，都市区、城市群间的联系也日益密切，城市内、城市间的交通需求快速增长，再加上城市车辆机动化程度已进入了较高水平，交通拥堵往往不仅发生在路口或路段，也会从路口、路段的点演变到多条路段的线，甚至影响到相交路线，演变成区域层面的交通问题。根据研究，区域交通拥堵与区域内的交通需求密切相关。区域范畴也存在通行能力的概念，当区域交通需求超出其通行能力时，就有可能发生拥堵。因此，根据区域的通行能力，有效调控区域路网的需求，在需求量较大的时段，通过控制驶入交通量，特别是进入区域核心区的交通量，成为了缓解乃至预防区域交通拥堵的关键。
在面向区域的交通管理方面，国内借鉴国外经验，通常采用汽车尾号限行、拥挤定价、错峰出行等宏观政策手段限制区域路网交通总量，也取得了一系列成效。但宏观政策手段的时段和范围不适宜经常变动，缺乏灵活性，同时政策的制定无法过于细致，难以考虑到微观交通流的供需平衡关系和城市内区域间的差别，解决具体问题较为困难。
当前，越来越多的城市认识到先进的城市交通控制***的作用与重要性，部署了或规划部署城市交通控制***，信号优化服务也有了开展的基础，可以解决更多交通问题。在这样的前提下，本发明提出一种城市区域边界控制***，从区域的角度出发分析区域交通状况，利用交通控制***进行边界控制，进而改善区域交通状况。
发明内容
为了克服现有技术中存在的不足，本发明在于提供了一种能够制定符合当前区域交通状态的边界控制策略、识别适宜区域边界截流的信号点位、调整边界点位信号配时城市区域边界控制***。
本发明采用的技术方案是：
一种城市区域边界控制***，其特征在于：包括：
数据模块，用于选取各类表征交通状态的基础数据，并进行基础数据预处理，并将处理后的基础数据传输给状态评估模块，其中基础数据包括历史数据和实时数据；
状态评估模块，用于对历史数据进行离线训练获取通行能力路网平均速度和对实时数据进行计算获取一定时间粒度范围内的区域路网平均速度，并与通行能力路网平均速度对比，判断实时数据所处范围并传输给控制方案模块；
控制方案模块，用于根据状态评估模块的判断结果决定边界控制的启动或结束，并计算区域的截流点位下发相应的配时方案给信号***，同时将各类信息传输给交互可视化模块；
信号***，用于根据配时方案进行交通信号控制；
交互可视化模块，用于显示各类信息、手动决定边界控制的结束。
进一步，所述数据模块包括：
基础数据单元，用于基础数据的定义、基础数据的分类、基础数据的调用；
数据处理单元，用于基础数据的预处理，预处理包括补全、修复、匹配、融合、标准化和分析。
进一步，所述状态评估模块包括：
区域性质单元，用于对历史数据进行离线训练获取通行能力路网平均速度；
实时状态单元，用于对实时数据进行计算获取一定时间粒度范围内的区域路网平均速度，并与通行能力路网平均速度对比，判断实时数据所处范围并传输给控制方案模块。
进一步，所述区域性质单元采用宏观交通指标-路网平均速度V来表征区域需求，区域总出流Qout_total作为区域状态表征，通过历史数据计算历史状态中，区域总出流最高时，路网的平均速度作为路网达到通行能力时的平均速度，定义为通行能力路网平均速度Vcap。
进一步，所述控制方案模块包括：
***控制单元，用于实现实时状态单元评估信息与历史通行能力的对比，根据区域路网宏观基本图(Macroscopic fundamental diagram，MFD)的性质，决定边界控制的开启/关闭状态；
截流点选取单元，用于选择有限个入区域流量较大且上游路段交通状态较好的路口作为截流点位；
配时方案单元，用于根据截流点位输出相应的配时方案进行边界控制。
进一步，所述***控制单元中，
边界控制不开启/结束条件：
V≥Vter
或
Vact＜V＜Vter
边界控制开启条件：
V≤Vact
其中，v为路网平均速度，
V＝∑(vroadsect·qroadsect)/∑qroadsect
其中vroadsect为区域内路段车速；qroadsect为区域内路段流量；Vact为边界控制开启阈值，Vact＝0.85Vcap；Vter为边界控制结束阈值，Vcat＝0.95Vcap。
进一步，所述截流点选取单元的截流点位选取过程如下：
(1)借助实时流量、速度数据，按实时入流量，由大至小对边界点位排序，选择实时入流最大的n个边界点位，
n＝F(Lamp)
其中F(Lamp)是Lamp的函数，由实际经验拟合，Lamp为区域内有信号控制的交叉口个数；
(2)依次判断各选取点位是否有进或出区域同放相位、所述选取点位出流与入流比值是否大于阈值、上游路段速度状态是否为拥堵或严重拥堵；
(3)若上述判断均为否，选择所述选取点位为截流点位；若有同放相位但上游路段拥堵或严重拥堵，或没有同放相位但出流与入流比值小于等于阈值，所述选取点位不能作为截流点位，选择第n+1位的边界点位进行判断。
进一步，所述配时方案单元采用层次控制框架进行边界控制，分为上层控制层和下层控制层；
所述上层控制层采用多变量反馈的PI调节器，其控制算法如下：
qin(t)＝qin(t-1)+Ki*[Vcap-V(t)]-Kp*[V(t)-V(t-1)]
其中：t为时间粒度；
qin(t)、qin(t-1)分别为t时刻、t-1时刻总入流；
Vcap、V(t)、V(t-1)分别为历史最大路网平均速度、t时刻路网平均速度、t-1时刻路网平均速度；
Vcap-V(t)：控制量需修正偏差，当区域内的交通流状态越差，该值越大，需要减少进入的交通量越大；
V(t)-V(t-1)：代表区域内状态的演化，若V(t)-V(t-1)＜0，则区域交通状态持续恶化，需增加限制进入交通量；若V(t)-V(t-1)>0，则区域拥堵在缓解，可放松进入交通量；
Ki：非负参数，控制强度，Ki越大，控制强度越大，效果越好；Ki越小，单位时间内控制量越小，区域交通流状态变化慢；
Kp：非负参数，根据区域内状态演化，若区域内拥堵开始缓解，压缩的交通量可以减少，若仍在恶化需增加压缩量；
对于每一个截流点位n，依据路段通行能力与所有截流点位的通行能力进行分配，该数据传至下层控制层；
qn(t)＝qin(t)·Nn/Ntot
其中，qn(t)为截流点位n在t时刻的计算入流；
Nn为当前截流点位进入区域方向车道数；
Ntot为所有截流点位进入区域方向车道数的和；
所述下层控制层对主干道网络采用最大压力控制，其控制算法如下：
对于截流点位n，引入各路段在t时刻的状态值sz(t)，状态值为路段当前时刻路段速度vz(t)与一个月内历史最大速度vz，max的比，即
sz(t)＝vz(t)/vz，max
则对于截流点位n，设进入区域方向路段为z，z的集合为In，则z的设定流量为：
给定历史数据、实时实测指标或预测速度，在周期开始时刻(t时刻)，z路段上施加的压力pz(t)计算如下所示；
其中，ω为进入区域各方向路段的下游路段，on为ω集合；
vz，max为路段z的历史最大速度；
vz(k)是路段z在t时刻的设定速度，
vz(k)＝qz(t)·vz，max/qz，max
qz，max为z路段历史最大流量；
vω(t)为下游路段ω在t时刻的速度；
Lz，Lω分别是路段z和下游路段ω的长度，从而使一定速度的短路段的压力比更长但相同速度的路段压力更大；
βz，ω为由路段z转向ω相位的绿信比；
计算交叉口n各进口道的压力(即计算)，路口的每个相位j施加压力计算如下，并且该指标可用于计算路口的不同绿信比；
其中，j为n路口的相位，Fn为相位的集合；
vj为j相位包含的所有进口道。
在每个周期结束时，将绿灯时间与每个阶段计算出的压力成比例地分配，绿信比计算方法：
其中，λn，j(t)为n路口j相位在t时刻的绿信比。
进一步，所述信号***采用三层控制策略和单双向的干线协调的自适应控制逻辑的SCATS信号***，其包括：
信号控制设备，用于滚动优化方案的下发对象；
开放的接口，用于命令传输通信；
检测器单元，用于返回交通状态数据。
进一步，所述交互可视化模块包括：
***信息单元，用于输出触发时间和持续时间；
区域状态信息单元，用于显示实时区域状态信息指标的变化情况以及状态水平；
控制点位信息单元，用于以图像形式显示参与控制优化的点位信息，反映路口是否被优化，并可通过点击查看路口编号信息、监控情况及优化方案；显示参与优化的路口的个数，以及参与优化的路口与总路口的比例。
本发明的有益效果：能够制定符合当前区域交通状态的边界控制策略、识别适宜区域边界截流的信号点位、调整边界点位信号配时。
附图说明
图1是本发明的框架结构示意图。
图2是本发明的控制方案模块的流程示意图。
图3是本发明的截流点选取单元的流程示意图。
图4是本发明的配时方案单元的流程示意图。
具体实施方式
下面结合具体实施例来对本发明进行进一步说明，但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到，本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。
参见图1-4，本实施例提供了一种城市区域边界控制***，该***能够制定符合当前区域交通状态的边界控制策略、识别适宜区域边界截流的信号点位、调整边界点位信号配时，其包含数据模块、状态评估模块、控制方案模块、信号***、交互可视化模块五个模块。
为实现更科学合理有效的边界控制信号方案，需要综合考虑交通状态数据和交通状态影响数据，从而利用微观数据的整合，实现对区域状态评估和控制方案的制定。由于评价的是区域状态，微观数据的完整性和准确性有较高的要求，需要对数据进行充分的预处理。
本实施例所述数据模块用于选取各类表征交通状态的基础数据，并进行基础数据预处理，并将处理后的基础数据传输给状态评估模块，其中基础数据包括历史数据和实时数据。所述数据模块主要包括基础数据单元和数据处理单元。所述基础数据单元，用于基础数据的定义、基础数据的分类、基础数据的调用；其中基础数据定义：基础数据单元存储了包括各类的可表征交通状态的数据，包括但不限于城市的信控路口的信号***运行记录，如每周期的控制方案数据、人工操作记录和日志数据等；城市所有信控路口的的检测器数据如流量和饱和度等；互联网数据，一切与交通运营有关的且可处理后返回表征交通状态的信息的数据统称为交通状态数据，如城市全域的速度数据，轨迹数据等，该数据主要来自于互联网公司如地图运营厂商，地图导航运营厂商和交通出行运营厂商等；地理信息数据，该数据主要来自于城市的交通管理部门。
基础数据类别：基础数据按照使用的情况分为历史数据和实时数据，历史数据主要为离线训练使用，该数据存储量至少3个月的数据。实时数据主要为算法部署至实际生产环境过程中的使用数据或者算法的输入数据，该数据必须为实时数据，实时性保证少于5分钟。历史数据和实时数据的数据库内容和格式需保持一致。
基础数据的调用：基础数据的数据量庞大和数据种类繁多，每张数据表的使用与存储频率各步不相同，所以本发明数据的传输与使用一般会采取两种方式，针对数据表数据量较少的情况一般采取数据库语句直接查询的方式获取，针对数据表数据量较大的情况和数据表连接较多即该数据的被请求次数较多的情况采用接口形式进行数据传输。
所述数据处理单元，用于基础数据的预处理，预处理包括补全、修复、匹配、融合、标准化和分析。无论是构建完备的训练数据还是在线部署应用的实时数据，数据预处理的过程都由算法自动完成。对于离线历史数据的异常情况，数据预处理主要针对集成数据做数据可用性处理；对于在线过程出现的任何数据异常情况，本发明通过算法部分做必要排除处理。
其中数据补全主要针对短时因各种原因造成的数据缺少的情况做补全处理，补全的方法是将使用其交通态势相同的数据，如：认为其上个同周天的同时段的交通态势是相同的。
数据修复针对数据长时间缺失的情况，如检测器损坏导致的数据缺失，只能进行修复处理，修复的方法主要通过其所有上游路口的流向该车道的流量进行计算的，针对路口的等级、车道等级、车道功能及该车道功能所承担的流量进行分析设置权重，计算缺失的车道流量。
数据匹配依据训练数据的格式，将不同时空维度维度数据匹配。如将控制方案数据和速度数据进行匹配，时间上：控制方案数据依据其路口周期返回，时间延迟5分钟以内。速度数据每2分钟返回一组数据；空间上：控制方案数据指路口***运行记录，速度数据为该运营商按照一定的规律自行定义的link速度值，且该速度值与速度等级划分有关，数据在数量上可能各不相同，每个物理意义的路段的可能对应多个link速度，依据对交通业务的理解，靠近路口的最重要，之后依次次之。
数据融合包括数据层融合、特征层数据融合决策层数据融合。其中数据层指直接在采集到的原始数据层上进行的融合，对检测器数据的原始采集未经预处理之前就进行数据的综合与分析。特征层融合属于中间层次的融合，它先对来自传感器的原始信息进行特征提取(特征可以是目标的边缘、方向、速度等)，然后对特征信息进行综合分析和处理。决策层融合通过不同类型的传感器观测同一个目标，每个传感器在本地完成基本的处理，其中包括预处理、特征抽取、识别或判决，以建立对所观察目标的初步结论。然后通过关联处理进行决策层融合判决，最终获得联合推断结果。
数据的标准化，包括异常数据的清洗、不规范数据的处理和依据算法需要的数据格式构建的训练数据集。异常数据包括速度数据为负值，速度数据长时间为0，控制方案数据相位个数异常变化等情况，控制方案数据同时间返回两组数据等，对于不同的情况，数据标准化依据不同的原则进行数据的修正。如速度数据选择相同交通态势数据进行修正，控制方案数据分析原因，进行不规范数据的删除。训练数据主要来自正确的完整的匹配数据，主要包括车道级的绿信比和对应的速度数据。
交通控制中，对交通状态的评估是制定控制策略的条件，可靠的状态评估可以减少控制迭代，提升控制效率。本实施例状态评估模块，用于对历史数据进行离线训练获取通行能力路网平均速度和对实时数据进行计算获取一定时间粒度范围内的区域路网平均速度，并与通行能力路网平均速度对比，判断实时数据所处范围并传输给控制方案模块。
本发明基于区域路网的宏观基本图进行控制优化调整。根据研究，宏观路网交通流具有时间(t,time)、空间(s,space)、类型(ty,type)、原因(r,reason)、程度(v,value)五方面的属性，决定了宏观交通流随时间发生变化的动态特征。尽管难以实时具体描述这种动态特征，但从宏观层面上，宏观路网中的交通流分布特性具有一定规律性。整个路网所有检测器采集的流量与占有率数据，将其集聚后，就可得到一条低离散度的曲线，路网内出行车辆所完成的加权流量与网络内部累积车辆数间存在类似抛物线关系。区域路网的输出量与区域内累积车辆数拟合呈近似二次曲线关系，即当该区域内累积交通量在一个最佳临界范围内时，区域的输出总量达到最大；如果累积车辆数继续増加，超出这个最佳临界值时，路网流出量将快速下降。
本实施例所述状态评估模块包括：区域性质单元，用于对历史数据进行离线训练获取通行能力路网平均速度；实时状态单元，用于对实时数据进行计算获取一定时间粒度范围内的区域路网平均速度，并与通行能力路网平均速度对比，判断实时数据所处范围并传输给控制方案模块。
宏观基本图的影响因素主要包括交通条件、道路条件、管控措施以及选择行为等，由此，在本发明的应用环境中，区域的宏观基本图基本不变，可以通过数据评估获得宏观基本图的具体性质。主要采用离线训练的方法，利用区域内的历史数据，综合得到可获得宏观基本图的指标。
根据宏观基本图的原理，将区域内车辆数作为区域需求，区域总出流(Qout_total)作为区域状态表征。通过历史数据，计算一个月内，区域总出流与区域内车辆数(Ntotal)的关系曲线。当区域总出流最大时，路网内车辆数即为路网通行能力(Ncap)。
值得注意的是，由于受到环境限制，由数据模块收集、传输的数据通常存在一定缺陷，例如数据缺失严重等，在应用中存在一定困难，需融合多源数据，深入挖掘现有数据的物理含义，扩展理论的应用范围，在有限的外界条件下尽可能获得接近理想的状态评估，所采用的状态评估指标可能与理论要求的指标存在一定转换关系。例如，区域流量数据多来自于信号***的检测器，利用检测器检测各路段的流量等微观指标，但流量检测受设备硬件条件影响，可能存在较为严重的数据缺失；同时，地图供应商提供的区域浮动车速度数据通常较为全备。在这种情况下，获取路网内车辆数就存在较大困难，需要考虑其他因素。
考虑到流量-速度的相互关系并推广至路网中，随着路网内车辆数增加，各路段分配的车辆逐渐增多，相应地，各路段的行驶速度下降，使得路网平均速度下降，反之亦然。故而，本发明区域性质单元利用宏观交通指标-路网平均速度(V)代替路网内车辆数来表征区域需求，计算历史状态中，区域总出流最高时，路网的平均速度，作为路网达到通行能力时的平均速度，定义为通行能力路网平均速度(Vcap)。
本实施例实时状态单元利用实时数据进行判断，并输出控制方案。计算实时一定时间粒度范围内的区域路网平均速度，本发明中取1个小时，与通行能力路网平均速度对比，判断状态所处范围，以此决定控制策略，并计算控制方案下发调控。
本实施例所述控制方案模块包含***控制单元、截流点选取单元和配时方案单元，其中，***控制单元决定边界控制的启动与结束，截流点选取单元依据一定的原则选择截流点位，配时方案单元计算截流点位的配时方案。
具体的，***控制单元实现实时状态评估信息与历史通行能力的对比，根据区域路网宏观基本图的性质，决定***开启/关闭状态。
边界控制不开启/结束条件：
V≥Vter
或
Vact＜V＜Vter
边界控制开启条件：
V≤Vact
其中，v为路网平均速度，
V＝∑(vroadsect·qroadsect)/∑qroadsect
vroadsect为区域内路段车速；
qroadsect为区域内路段流量；
Vact为边界控制开启阈值，本实施设置Vact＝0.85Vcap；
Vter为边界控制结束阈值，本实施例设置Vact＝0.95Vcap。
边界控制要求减少***区域进入区域的车辆数，不可避免地将导致***车辆的集聚，由此，边界路口截流点的选择存在一定的限制条件。其一，为避免***形成环区域拥堵带，影响正常通行，截流点路口的数量不宜过多；其二，所选择的截流点应是入流相对较大的关键路口，能够有效减少区域入流，快速实现截流减量；其三，截流点不应选在上游已经发生拥堵的路口，以免加重原有拥堵，造成拥堵上溯等严重后果；其四，截流点的截流，是以减少入流方向配时实现的，对于没有同放相位的路口，相当于出区域方向的配时也相应减少，出流减少将削减截流对区域车辆数的影响效果，由此，应选择有同放相位的路口或出流与入流差距较大的路口。
综上，本实施例截流点选取单元，以有效、便捷、对***影响相对较小为原则，选择有限个入区域流量较大且上游路段交通状态较好的路口作为截流点。
首先，借助实时流量、速度等数据，按实时入流量，由大至小对边界点位排序，选择实时入流最大的n个边界点位(根据区域规模大小计算n的范围)。
n＝F(Lamp)
其中F(Lamp)是Lamp的函数，由实际经验拟合，Lamp为区域内有信号控制的交叉口个数。根据某地市区经验，可考虑采用下述公式，
n＝Lamp2/3.5*10-4+3.0714*(Lamp/50)+1。
随后，依次判断各选取点位是否有进或出区域同放相位、该点位出流(该点位区域外点位流量)与入流比值是否大于阈值、上游路段速度状态是否为拥堵或严重拥堵等条件。
若上述判断均为否，选择该点位为截流点位；若有同放相位但上游路段拥堵或严重拥堵，或没有同放相位但出流与入流比值小于等于阈值，该点位不能作为截流点位。选择第n+1位的边界点位进行判断。
配时方案单元采用层次控制框架进行边界控制，分为上层控制层和下层控制层。每个层各为一个控制器，它们独立工作，仅需从上层传递信息至下层。对两层采用相同的信号周期。在每个控制周期，控制器从***接收所有需要的计算指标进行计算。这两层并行运行，每一层都有自己的目标，这些目标与网络的全局(上层)或局部(下层)性能有关。对于上下层，利用不同类型的输入数据(上层利用路网平均速度，下层利用进口道速度)计算出不同的输出结果(上层输出控制比例，下层输出)。
对于上层控制层，采用多变量反馈的PI调节器，保持以最佳方式(即，***达到通行能力，出流最大等)控制在不同状态之间的转换。基于每个区域的车辆分布以及有关***总体性能的客观指标，可以通过边界的信号灯，将一个区域的流量转移到所有邻近区域。转移时，相邻区域的交通状态会受到影响，由此采用下层控制层，使流量均匀地转移到相邻区域，改善周边区域的排队状况和拥堵。
上层控制层的边界控制截流配时的核心在于将区域状态维持在最大通行能力附近。理论上为了避免交通拥堵导致效率降低，即路网平均速度V减小，认为宏观基本图中的临界值(即通行能力路网平均速度Vcap)是控制器的设定值。
但根据城市路网特点，路网较难进入速度极低的状态，由此控制目标是保证区域状态稳定在设定值右侧附近，虽然此时区域总出流未达到最大，但此时接近通行能力并能避免区域状态进入拥堵区域且不可逆的情况。因此，本算法采用PI控制维持稳定。
qin(t)＝qin(t-1)+Ki*[Vcap-Vt)]-Kp*[V(t)-V(t-1)]
其中：
t为时间粒度；
qin(t)、qin(t-1)分别为t时刻、t-1时刻总入流；
Vcap、V(t)、V(t-1)分别为历史最大路网平均速度、t时刻路网平均速度、t-1时刻路网平均速度；
Vcap-V(t)：控制量需修正偏差，当区域内的交通流状态越差，该值越大，需要减少进入的交通量越大。
V(t)-V(t-1)：代表区域内状态的演化，若V(t)-V(t-1)<0，则区域交通状态持续恶化，需增加限制进入交通量；若V(t)-V(t-1)>0，则区域拥堵在缓解，可放松进入交通量；
Ki：非负参数，控制强度，Ki越大，控制强度越大，效果越好；Ki越小，单位时间内控制量越小，区域交通流状态变化慢。另外Ki取得过分大会出现不稳定的情况。初始设置为5veh/km/lane。
Kp：非负参数，根据区域内状态演化，若区域内拥堵开始缓解，压缩的交通量可以减少，若仍在恶化需增加压缩量。初始设置为20veh/km/lane。
在实际运用中，Ki和Kp作为控制系数，可以用适当的工程方法，人工手动调整找到。或者也可以通过实际数据区域进入量和区域密度关系估计得到。研究表明，结果对系数取值不敏感，即，适宜的参数范围较大，只要采用的参数不过分大(否则***会有较大震荡，控制不稳定)，参数的大小影响的是控制的强弱和获得平衡的时间长短，但总能获得平衡的控制效果。
对于每一个截流点位n，依据路段通行能力与所有截流点的通行能力进行分配。该数据传至下层控制层。
qn(t)＝qin(t)·Nn/Ntot
其中，qn(t)为截流点位n在t时刻的计算入流；
Nn为当前截流点位进入区域方向车道数；
Ntot为所有截流点位进入区域方向车道数的和。
对于下层控制层，对主干道网络采用最大压力控制。这种分散的控制器不需要网络的当前或未来平均需求(与其他模型预测控制框架相比)。如果需求在一定范围内，最大压力可稳定网络，从而使网络通行能力保持最大化。它仅需要每个交叉点的局部信息就能够使流量最大化。
对于截流点n，引入各路段在t时刻的状态值sz(t)，状态值为路段当前时刻路段速度vz(t)与一个月内历史最大速度vz，max的比，即
sz(t)＝vz(t)/vz，max
则对于截流点n，设进入区域方向路段为z，z的集合为In，则z的设定流量为：
给定历史数据、实时实测指标或预测速度，在周期开始时刻(t时刻)，z路段上施加的压力pz(t)计算如下所示。
其中，ω为进入区域各方向路段的下游路段，on为ω集合；
vz，max为路段z的历史最大速度；
vz(k)是路段z在t时刻的设定速度，
vz(k)＝qz(t)·vz，max/qz，max
qz，max为z路段历史最大流量；
vω(t)为下游路段ω在t时刻的速度；
Lz，Lω分别是路段z和下游路段ω的长度，从而使一定速度的短路段的压力比更长但相同速度的路段压力更大；
βz，ω为由路段z转向ω相位的绿信比；
计算交叉口n各进口道的压力(即计算)，路口的每个相位j施加压力计算如下，并且该指标可用于计算路口的不同绿信比。
其中，j为n路口的相位，Fn为相位的集合；
vj为j相位包含的所有进口道。
在每个周期结束时，将绿灯时间与每个阶段计算出的压力成比例地分配。绿信比计算方法：
其中，λn，j(t)为n路口j相位在t时刻的绿信比。
本实施例测试的信号***为自适应控制逻辑的SCATS信号***。SCATS信号***拥有完备的三层控制策略和单双向的干线协调。该***搭配良好的配时优化软件，将更好的发挥交通信号控制对改善交通拥堵的作用。作为一种优化配时的***框架，能适应先进的控制***必然能适应其他的控制***。本实施例信号***必须包括信号控制设备、开放的接口和检测器单元三部分。其中信号设备是滚动优化方案的下发对象，开放的接口主要用于通信，如命令传输。检测器单元主要返回交通状态数据，如流量和饱和度。
本实施例的交互可视化模块主要功能是呈现边界控制的相关信息，使控制人员直观地了解区域的状态、边界控制的***信息、控制点位信息，并可以由控制人员手动对区域***的优化发出终止信号，以便机动调整。所述交互可视化模块的信息包含***信息、区域状态信息、控制点位信息等三类。
具体的，本发明所实现的边界控制是针对区域的动态控制的重要组成部分，是一种有特定功能的配时优化***。本***的触发和结束通过算法计算，由此，在交互可视化模块中，设置***信息单元，输出触发时间和持续时间，直观地反映出优化***工作的时间和时段。区域状态信息单元显示实时区域状态信息指标的变化情况以及状态水平，通过区域各项宏观指标与极端值、平均值、预测值的对比，直观表征区域态势，反映交通状况是否存在问题以及问题的严重性，在优化***工作时也能够通过宏观指标反馈交通状况，便于评估与操作。本发明的边界控制方案是在边界点位的基础上，有选择地筛选截流点位并设置配时方案。故在控制点位信息单元，以图像形式显示参与控制优化的点位信息，反映路口是否被优化，并可通过点击查看路口编号信息、监控情况及优化方案；显示参与优化的路口的个数，以及参与优化的路口与总路口的比例，体现控制的影响范围。
Claims (9)
1.一种城市区域边界控制***，其特征在于：包括：
数据模块，用于选取各类表征交通状态的基础数据，并进行基础数据预处理，并将处理后的基础数据传输给状态评估模块，其中基础数据包括历史数据和实时数据；
状态评估模块，用于对历史数据进行离线训练获取通行能力路网平均速度和对实时数据进行计算获取一定时间粒度范围内的区域路网平均速度，并与通行能力路网平均速度对比，判断实时数据所处范围并传输给控制方案模块；
控制方案模块，用于根据状态评估模块的判断结果决定边界控制的启动或结束，并计算区域的截流点位下发相应的配时方案给信号***，同时将各类信息传输给交互可视化模块，各类信息包括***信息、区域状态信息、控制点位信息；所述控制方案模块包括配时方案单元，用于根据截流点位输出相应的配时方案进行边界控制；所述配时方案单元采用层次控制框架进行边界控制，分为上层控制层和下层控制层；
所述上层控制层采用多变量反馈的PI调节器，其控制算法如下：
qin(t)＝qin(t-1)+Ki*[Vcap-V(t)]-Kp*[V(t)-V(t-1)]
其中：t为时间粒度；
qin(t)、qin(t-1)分别为t时刻、t-1时刻总入流；
Vcap、V(t)、V(t-1)分别为通行能力路网平均速度、t时刻路网平均速度、t-1时刻路网平均速度；
Vcap-V(t)：控制量需修正偏差，当区域内的交通流状态越差，该值越大，需要减少进入的交通量越大；
V(t)-V(t-1)：代表区域内状态的演化，若V(t)-V(t-1)＜0，则区域交通状态持续恶化，需增加限制进入交通量；若V(t)-V(-1)>0，则区域拥堵在缓解，可放松进入交通量；
Ki：非负参数，控制强度，Ki越大，控制强度越大，效果越好；Ki越小，单位时间内控制量越小，区域交通流状态变化慢；
Kp：非负参数，根据区域内状态演化，若区域内拥堵开始缓解，压缩的交通量可以减少，若仍在恶化需增加压缩量；
对于每一个截流点位n，依据路段通行能力与所有截流点位的通行能力进行分配，该数据传至下层控制层；
qn(t)＝qin(t)·Nn/Ntot
其中，qn(t)为截流点位n在t时刻的计算入流；
Nn为当前截流点位进入区域方向车道数；
Ntot为所有截流点位进入区域方向车道数的和；
所述下层控制层对主干道网络采用最大压力控制，其控制算法如下：
对于截流点位n，引入各路段在t时刻的状态值sz(t)，状态值为路段当前时刻路段速度vz(t)与一个月内历史最大速度vz，max的比，即
sz(t)＝vz(t)/vz，max
则对于截流点位n，设进入区域方向路段为z，z的集合为In，则z的设定流量为：
给定历史数据、实时实测指标或预测速度，在周期开始时刻，t时刻，z路段上施加的压力pz(t)计算如下所示；
其中，ω为进入区域各方向路段的下游路段，on为ω集合；
vz，max为路段z的历史最大速度；
vz(k)是路段z在t时刻的设定速度，
vz(k)＝qz(t)·vz，max/qz，max
qz，max为z路段历史最大流量；
vω(t)为下游路段ω在t时刻的速度；
Lz，Lω分别是路段z和下游路段ω的长度，从而使一定速度的短路段的压力比更长但相同速度的路段压力更大；
βz，ω为由路段z转向ω相位的绿信比；
计算交叉口n各进口道的压力，即计算路口的每个相位j施加压力计算如下，并且该指标可用于计算路口的不同绿信比；
其中，j为n路口的相位，Fn为相位的集合；
vj为j相位包含的所有进口道；
在每个周期结束时，将绿灯时间与每个阶段计算出的压力成比例地分配，绿信比计算方法：
其中，λn，j(t)为n路口j相位在t时刻的绿信比；
信号***，用于根据配时方案进行交通信号控制；
交互可视化模块，用于显示各类信息、手动决定边界控制的结束。
2.根据权利要求1所述的一种城市区域边界控制***，其特征在于：所述数据模块包括：
基础数据单元，用于基础数据的定义、基础数据的分类、基础数据的调用；
数据处理单元，用于基础数据的预处理，预处理包括补全、修复、匹配、融合、标准化和分析。
3.根据权利要求1所述的一种城市区域边界控制***，其特征在于：所述状态评估模块包括：
区域性质单元，用于对历史数据进行离线训练获取通行能力路网平均速度；
实时状态单元，用于对实时数据进行计算获取一定时间粒度范围内的区域路网平均速度，并与通行能力路网平均速度对比，判断实时数据所处范围并传输给控制方案模块。
4.根据权利要求3所述的一种城市区域边界控制***，其特征在于：所述区域性质单元采用宏观交通指标-路网平均速度V来表征区域需求，区域总出流Qout_total作为区域状态表征，通过历史数据计算历史状态中，区域总出流最高时，路网的平均速度作为路网达到通行能力时的平均速度，定义为通行能力路网平均速度Vcap。
5.根据权利要求4所述的一种城市区域边界控制***，其特征在于：所述控制方案模块还包括：
***控制单元，用于实现实时状态单元评估信息与历史通行能力的对比，根据区域路网宏观基本图的性质，决定边界控制的开启/关闭状态；
截流点选取单元，用于选择有限个入区域流量较大且上游路段交通状态较好的路口作为截流点位。
6.根据权利要求5所述的一种城市区域边界控制***，其特征在于：所述***控制单元中，
边界控制不开启/结束条件：
V≥Vter
或
Vact＜V＜Vter
边界控制开启条件：
V≤Vact
其中，v为路网平均速度，
V＝∑(vroadsect·qroadsect)/∑qroadsect
其中vroadsect为区域内路段车速；qroabsect为区域内路段流量；Vact为边界控制开启阈值，Vact＝0.85Vcap；Vter为边界控制结束阈值，Vter＝0.95Vcap。
7.根据权利要求6所述的一种城市区域边界控制***，其特征在于：所述截流点选取单元的截流点位选取过程如下：
(1)借助实时流量、速度数据，按实时入流量，由大至小对边界点位排序，选择实时入流最大的n个边界点位，
n＝F(Lamp)
其中F(Lamp)是Lamp的函数，由实际经验拟合，Lamp为区域内有信号控制的交叉口个数；
(2)依次判断各选取点位是否有进或出区域同放相位、所述选取点位出流与入流比值是否大于阈值、上游路段速度状态是否为拥堵或严重拥堵；
(3)若上述判断均为否，选择所述选取点位为截流点位；若有同放相位但上游路段拥堵或严重拥堵，或没有同放相位但出流与入流比值小于等于阈值，所述选取点位不能作为截流点位，选择第n+1位的边界点位进行判断。
8.根据权利要求1所述的一种城市区域边界控制***，其特征在于：所述信号***采用三层控制策略和单双向的干线协调的自适应控制逻辑的SCATS信号***，其包括：
信号控制设备，用于滚动优化方案的下发对象；
开放的接口，用于命令传输通信；
检测器单元，用于返回交通状态数据。
9.根据权利要求1所述的一种城市区域边界控制***，其特征在于：所述交互可视化模块包括：
***信息单元，用于输出触发时间和持续时间；
区域状态信息单元，用于显示实时区域状态信息指标的变化情况以及状态水平；
控制点位信息单元，用于以图像形式显示参与控制优化的点位信息，反映路口是否被优化，并可通过点击查看路口编号信息、监控情况及优化方案；显示参与优化的路口的个数，以及参与优化的路口与总路口的比例。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911324265.6A CN111091295B (zh) | 2019-12-20 | 2019-12-20 | 一种城市区域边界控制*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911324265.6A CN111091295B (zh) | 2019-12-20 | 2019-12-20 | 一种城市区域边界控制*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111091295A CN111091295A (zh) | 2020-05-01 |
| CN111091295B true CN111091295B (zh) | 2023-07-21 |
Family
ID=70395214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911324265.6A Active CN111091295B (zh) | 2019-12-20 | 2019-12-20 | 一种城市区域边界控制*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111091295B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862636B (zh) * | 2020-08-10 | 2021-07-16 | 长春理工大学 | 一种交通信号控制方法及*** |
| CN111932888B (zh) | 2020-08-17 | 2021-11-12 | 山东交通学院 | 防止边界路段排队溢流的区域动态边界控制方法及*** |
| CN112466126B (zh) * | 2020-11-13 | 2022-02-22 | 北方工业大学 | 一种基于mfd的路网可拓展区域控制方法 |
| CN113487861B (zh) * | 2021-06-29 | 2022-07-08 | 东南大学 | 一种多模式交通网络边界控制方法 |
| CN113724504B (zh) * | 2021-08-06 | 2023-04-07 | 之江实验室 | 一种面向车辆轨迹大数据的城市区域流量预测***及方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107895481A (zh) * | 2017-11-21 | 2018-04-10 | 福建工程学院 | 基于浮动车技术的区域道路车流量控制方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542818B (zh) * | 2012-01-13 | 2016-02-17 | 吉林大学 | 一种基于有机计算的区域边界交通信号协调控制方法 |
| CN105809958A (zh) * | 2016-03-29 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及*** |
| CN106971565B (zh) * | 2017-04-22 | 2019-08-23 | 高新兴科技集团股份有限公司 | 基于物联网的区域交通边界控制与诱导协同方法及*** |
| CN110111562B (zh) * | 2019-04-01 | 2021-04-09 | 北京交通大学 | 一种城市交通宏观区域边界控制方法 |
-
2019
- 2019-12-20 CN CN201911324265.6A patent/CN111091295B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107895481A (zh) * | 2017-11-21 | 2018-04-10 | 福建工程学院 | 基于浮动车技术的区域道路车流量控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111091295A (zh) | 2020-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111091295B (zh) | 一种城市区域边界控制*** | |
| CN110533932B (zh) | 一种基于滚动优化的城市级全域交通信号推荐方法及*** | |
| CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及*** | |
| Roncoli et al. | Hierarchical model predictive control for multi-lane motorways in presence of vehicle automation and communication systems | |
| WO2017166474A1 (zh) | 一种基于交叉口群的交通控制方法及*** | |
| CN111951549B (zh) | 在网联车辆环境下的自适应交通信号灯控制方法及*** | |
| CN109754597A (zh) | 一种城市道路区域拥堵调控策略推荐***及方法 | |
| CN105844927A (zh) | 新型感知与控制的道路交叉口群信号控制***及控制方法 | |
| CN111341095B (zh) | 一种基于边缘侧在线计算的交通信号控制***及方法 | |
| CN104778835B (zh) | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 | |
| Hamad et al. | Developing a measure of traffic congestion: Fuzzy inference approach | |
| CN105225500A (zh) | 一种交通控制辅助决策方法及装置 | |
| CN110136455A (zh) | 一种交通信号灯配时方法 | |
| CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
| CN111210621B (zh) | 基于实时路况的信号绿波协调路线优化控制方法及*** | |
| CN108447263A (zh) | 基于浮动车的干线协调控制交叉口的信号控制评价方法 | |
| CN109816978B (zh) | 考虑驾驶员动态响应行为的区域群体交通诱导***及方法 | |
| CN114708746A (zh) | 智慧城市的交通信号提示方法及*** | |
| CN109765801A (zh) | 基于vissim仿真的车联网设计速度调整的实现方法 | |
| CN102819956A (zh) | 一种基于单截面环形线圈检测器的道路交通事件检测方法 | |
| CN117351734A (zh) | 一种车辆延误的智能调控方法及*** | |
| CN117764340A (zh) | 一种新能源电动汽车充电引导分级调控方法 | |
| Hounsell et al. | Urban network traffic control | |
| CN117079457A (zh) | 一种基于gps数据的交通拥堵预测方法 | |
| JPH0451399A (ja) | 交通管制方式 |
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: 310012 1st floor, building 1, 223 Yile Road, Hangzhou City, Zhejiang Province Applicant after: Yinjiang Technology Co.,Ltd. Address before: 310012 1st floor, building 1, 223 Yile Road, Hangzhou City, Zhejiang Province Applicant before: ENJOYOR Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |