CN114783185A - 基于交通波模型的隧道事故影响范围预测方法及*** - Google Patents
基于交通波模型的隧道事故影响范围预测方法及*** Download PDFInfo
- Publication number
- CN114783185A CN114783185A CN202210421250.7A CN202210421250A CN114783185A CN 114783185 A CN114783185 A CN 114783185A CN 202210421250 A CN202210421250 A CN 202210421250A CN 114783185 A CN114783185 A CN 114783185A
- Authority
- CN
- China
- Prior art keywords
- traffic
- accident
- wave
- tunnel
- calculating
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 45
- 230000000903 blocking effect Effects 0.000 claims description 18
- 238000011084 recovery Methods 0.000 claims description 14
- 238000011144 upstream manufacturing Methods 0.000 claims description 13
- 238000011160 research Methods 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010926 purge Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
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
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于交通波模型的隧道事故影响范围预测方法及***,涉及隧道交通技术领域。具体步骤包括如下:获取交通事故各阶段的持续时间以及集散波的波速;根据所述集散波的波速计算车辆排队长度;根据事故持续时间计算排队车辆数,并根据所述排队车辆数计算消散时间;由所述消散时间与事故持续时间得到总阻塞时间。本发明针对高速公路隧道区域路段的交通运行特点,在深入分析公路隧道运行安全管理需求的基础上,通过交通运行安全影响因素的分析以及交通事件影响范围和分类分级的研究,目的是减少现有高速公路隧道交通事件发生次数以及预防二次是事故的发生,为隧道区域交通管理者提供准确、及时、智能化的交通事件应急处置决策依据。
Description
技术领域
本发明涉及隧道交通技术领域,更具体的说是涉及一种基于交通波模型的隧道事故影响范围预测方法及***。
背景技术
高速公路隧道处于半封闭空间,光线条件较差,尾气尘土较多,交通环境复杂,行车影响因素多,事故发生可能性较大,同时事故发生后,救援相对比较困难,容易引发隧道拥堵或二次事故,事故严重程度较高。高速公路隧道内的交通变化对隧道外路段的交通运行也有一定的影响,当隧道内出现拥堵或事故时,通常会引起整段高速公路的交通阻塞,大大降低高速公路隧道区域路段的交通运行效率和安全水平。
目前虽然我国高速公路隧道区域配备了许多机电设施,但在运行安全提升方面还有较大提升空间,针对隧道区域的行车安全监控及应急处置还远远不够,缺乏对隧道区域交通相关数据的关联分析,不能对交通异常事件进行预防管控,缺少对交通异常事件的及时准确判断,导致事故影响范围扩大。
因此,对本领域技术人员来说,如何进行隧道交通事件影响范围预测是亟待解决的问题。
发明内容
有鉴于此,本发明提供了一种基于交通波模型的隧道事故影响范围预测方法及***,以解决背景技术中提到的问题。
为了实现上述目的,本发明采用如下技术方案:一方面,提供一种基于交通波模型的隧道事故影响范围预测方法,具体步骤包括如下:
获取交通事故各阶段的持续时间以及集散波的波速;
根据所述集散波的波速计算车辆排队长度;
根据事故持续时间计算排队车辆数,并根据所述排队车辆数计算消散时间;
由所述消散时间与事故持续时间得到总阻塞时间。
可选的,所述集散波的波速根据车道堵塞程度不同而采用不同的计算方式;车道堵塞程度分为车道全部堵塞和车道部分堵塞。
可选的,所述交通事故各阶段为:事故发生阶段、事故响应和清除阶段、恢复阶段。
可选的,所述车道全部堵塞时,事故发生阶段的集散波为停车波,所述停车波的波速计算公式为:
vw=-vfη1;
可选的,所述车道部分堵塞时,事故发生阶段为返回波,所述返回波的波速计算公式为:
vm=q1*t1+q2*t2=3000*1+1000*(1.15+0.5)=4654veh;
其中,q1是事故处理之前的流量,t1是事故处理的时间,q2是事故处理后到完全恢复的流量,t2是事故处理后到完全恢复的时间。
可选的,所述车辆排队长度的计算公式为:
L=v·t;
其中,v是集散波的波速,t是事故持续时间。
可选的,所述排队车辆数的计算公式为:
N=q*t;
其中,q是上游流量,t是事故持续时间。
可选的,所述消散时间的计算公式为:
其中,N为排队车辆数,q1是限流后的流量,q2是车道最大通行能力。
可选的,所述总阻塞时间的计算公式为:
T=t+t';
其中,t为事故持续时间,t'为消散时间。
总排队车辆的计算公式为:
Q=q*T;
其中,q是上游流量,T为总阻塞时间。
另一方面,提供一种基于交通波模型的隧道事故影响范围预测***,包括数据获取模块、车辆排队长度计算模块、排队车辆数计算模块、消散时间计算模块、总阻塞时间计算模块;其中,
所述数据获取模块,用于获取交通事故各阶段的持续时间以及集散波的波速;
所述车辆排队长度计算模块,用于根据所述集散波的波速计算车辆排队长度;
所述排队车辆数计算模块,用于根据事故持续时间计算排队车辆数;
所述消散时间计算模块,用于根据所述排队车辆数计算消散时间;
所述总阻塞时间计算模块,用于由所述消散时间与事故持续时间得到总阻塞时间。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于交通波模型的隧道事故影响范围预测方法及***,针对高速公路隧道区域路段的交通运行特点,在深入分析公路隧道运行安全管理需求的基础上,通过交通运行安全影响因素的分析以及交通事件影响范围和分类分级的研究,减少了现有高速公路隧道交通事件发生次数以及预防二次是事故的发生,交通波模型可以实时计算事件的影响范围,不需要大量的事件数据,为隧道区域交通管理者提供准确、及时、智能化的交通事件应急处置决策依据,提高隧道区域交通监管水平和应急处置能力,保障高速公路隧道区域的车辆安全、顺畅通行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程图;
图2为本发明的事故各阶段结构图;
图3为本发明的车道全部堵塞交通图;
图4为本发明的车道部分堵塞交通图;
图5为本发明的***结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例1公开了一种基于交通波模型的隧道事故影响范围预测方法,如图1所示,具体步骤包括如下:
S1、获取交通事故各阶段的持续时间以及集散波的波速;
S2、根据集散波的波速计算车辆排队长度;
S3、根据事故持续时间计算排队车辆数,并根据排队车辆数计算消散时间;
S4、由消散时间与事故持续时间得到总阻塞时间。
模型主要的输入参数有两类,一类是交通事件各阶段的持续时间,可以在得知交通事件基本特征后加以预测或取经验值;另一类是各列集散波的波速,集散波波速公式是根据交通流量守恒方程推导出来的,适用于各种交通条件,只要确定了集散波传播前后两个交通状态的流量和密度参数,即可确定集散波波速。波速公式中的交通量是转化为当量小汽车的交通流量,需要根据检测器给出的交通组成比例来换算。主要的输入变量及解释如表1所示。
表1
高速公路事件发生到结束主要分为四个阶段:1.事件产生(异常事件产生到检测到产生)2.响应阶段(确认事件到救援车辆到达事发现场)3.清除时间(从救援车辆到达到离开现场)4.恢复时期(事件清除到排队完全消散,交通流恢复正常)。
进一步的,集散波的波速根据车道堵塞程度不同而采用不同的计算方式;车道堵塞程度分为车道全部堵塞和车道部分堵塞,如图2所示。
(1)车道全部堵塞
车道全部阻塞在交通波模型体现为,事故发生位置下游标准化密度为1,其余正常,如图3所示。
1)事故发生阶段
事故发生阶段的集散波为停车波,停车波的波速计算公式为:
vw=-vfη1;
2)事件响应和得到清除阶段
计算车辆排队长度,车辆排队长度的计算公式为:
L=vw·t;
其中,vw是停车波的波速,t是事故持续时间。(指事故从发生到完全清除的时间),该时间可以根据不同事故类型、等级进行经验值的确定或者建立回归模型进行预测。
3)恢复阶段
恢复阶段,由于路段通行能力恢复,车辆排队开始消散,但仍会维持一段时间阻塞,因此总阻塞时间应该由排队形成时间(无法通过时期)以及排队消散时间之和共同组成。
排队车辆数的计算公式为:
N=q*t;
其中,q是上游流量,t是事故持续时间。
车道恢复正常后,如果在车道上游进行限流或分流等使流量减小,可以使排队逐渐消散,消散时间的计算公式为:
其中,N为排队车辆数,q1是限流后的流量,q2是车道最大通行能力。
总阻塞时间:
T=t+t';
其中,t为事故持续时间,t'为消散时间。
总排队车辆为:
Q=q*T;
其中,q是上游流量,T为总阻塞时间。
(2)车道部分堵塞
车道部分堵塞在模型中表现为事故上下游侧的通行能力不同,使得流量和密度不同,从而形成交通波,如图4所示。
1)事故发生阶段
事故发生阶段为返回波,返回波的波速计算公式为:
vm=q1*t1+q2*t2=3000*1+1000*(1.15+0.5)=4654veh;
其中,q1是事故处理之前的流量,t1是事故处理的时间,q2是事故处理后到完全恢复的流量,t2是事故处理后到完全恢复的时间。
2)事件响应和得到清除阶段
可以计算车辆排队长度。车辆排队长度计算公式为:
L=vm·t;
其中,vm是返回波的波速,t是事故持续时间。(指事故从发生到完全清除的时间),该时间可以根据不同事故类型、等级进行经验值的确定或者建立回归模型进行预测。
3)恢复阶段
恢复阶段,由于路段通行能力恢复,车辆排队开始消散,但仍会维持一段时间阻塞,因此总阻塞时间应该由排队形成时间(无法通过时期)以及排队消散时间之和共同组成。
排队车辆数为:
N=q*t;
其中,q是上游流量,t是事故持续时间。
车道恢复正常后,如果在车道上游进行限流或分流等使流量减小,可以使排队逐渐消散,消散时间的计算公式为:
其中,N为排队车辆数,q1是限流后的流量,q2是车道最大通行能力。
总阻塞时间为:
T=t+t';
其中,t为事故持续时间,t'为消散时间。
总排队车辆为:
Q=q*T;
其中,q是上游流量,T为总阻塞时间。
模型应用实例:
车辆一条双向四车道的高速公路上畅通行驶,其速度为100km/h,流量为3000veh/h。每条车道通行能力为1600veh/h。由于前方突发交通事故,造成两车道封闭;在持续了一小时后,车流量降至1000veh/h有一车道允许通行,通行速度为40km/h;又过了30分钟,两条车道允许通行。
1)在1h内事故前车辆平均排队长度
此阶段车道全部堵塞
车道全部阻塞在交通波模型体现为:事故发生位置下游标准化密度为1,其余正常。
车道全部堵塞
事件产生阶段主要为停车波,波速可由公式:vw=-vfη1进行计算。其中,kj是最大密度,ki是当前密度;HD为车头间距,当前密度ki可以由实测的断面流量数据和高速公路车辆平均速度确定,如果缺乏流量数据,可以利用经验值进行确定。
计算过程:
计算V/C=3000/(1600*2)=0.94<1,车辆可以保持通畅行驶。(V是道路上实际流量,C是道路通行能力)
计算事故发生前的密度:k1=q1/v1=3000/100=30veh/km
计算停车波速:vw=-uf·η1=-100*30/(1600*2/100)=-93.75km/h
2)1.5h后事故前的平均排队长度
事件响应和得到部分清除阶段,此阶段为车道部分堵塞的阶段。
此时的波为:车道上游的停车波、车道下游的发车波。故需要计算两个波速。
计算过程:
计算发车波速:vw,1=-(vf-v2)=-(100-40)=-60km/h
1小时后的停车波速:vw,2=-uf·η1=-100*(1000/100)/32=-31.25km/h
消散速度:vw=vw,1-vw,2=-60-(-31.25)=-28.75km/h
由于28.75*0.5<93.75,故半小时内排队无法完全消散。
平均排队长度为:(31.25*0.5+93.75-60*0.5)/2=39.6875km
事故从发生到完全消散的总时间
由于1.5小时后,事故完全消散,
此时的波速为:vw=-100km/h
事故消散时间t1=(31.25*0.5+93.75-60*0.5)/(100-31.25)=1.15h
总影响时间:T=t1+t2=1.15+1.5=2.65h
多元回归模型可以根据大量的历史数据对事件的影响范围预测,但适用于数据量较大的情况。交通波模型利用交通波的移动能够很好反应交通事件下拥堵的扩散,可有效分析交通事件的影响范围。本实施例基于交通波理论,确定能够反映隧道交通流特点的交通流基础理论模型。将回归分析和交通波模型两种方法相结合,在数据量较小的状况进行交通波模型预测,数据量较多的状况进行回归预测,结合事故发生点上游的交通流参数预测结果,考虑事件类型、发生位置等,构建高速公路隧道交通事件影响范围预测模型,对事件发生至应急人员到达时间内的拥堵长度等指标进行计算,以此实现对隧道交通影响范围的预测评估。
本发明实施例2公开了一种基于交通波模型的隧道事故影响范围预测***,如图5所示,包括数据获取模块、车辆排队长度计算模块、排队车辆数计算模块、消散时间计算模块、总阻塞时间计算模块;其中,
数据获取模块,用于获取交通事故各阶段的持续时间以及集散波的波速;
车辆排队长度计算模块,用于根据集散波的波速计算车辆排队长度;
排队车辆数计算模块,用于根据事故持续时间计算排队车辆数;
消散时间计算模块,用于根据排队车辆数计算消散时间;
总阻塞时间计算模块,用于由消散时间与事故持续时间得到总阻塞时间。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于交通波模型的隧道事故影响范围预测方法,其特征在于,具体步骤包括如下:
获取交通事故各阶段的持续时间以及集散波的波速;
根据所述集散波的波速计算车辆排队长度;
根据事故持续时间计算排队车辆数,并根据所述排队车辆数计算消散时间;
由所述消散时间与事故持续时间得到总阻塞时间。
2.根据权利要求1所述的一种基于交通波模型的隧道事故影响范围预测方法,其特征在于,所述集散波的波速根据车道堵塞程度不同而采用不同的计算方式;车道堵塞程度分为车道全部堵塞和车道部分堵塞。
3.根据权利要求1所述的一种基于交通波模型的隧道事故影响范围预测方法,其特征在于,所述交通事故各阶段为:事故发生阶段、事故响应和清除阶段、恢复阶段。
5.根据权利要求1所述的一种基于交通波模型的隧道事故影响范围预测方法,其特征在于,所述车道部分堵塞时,事故发生阶段为返回波,所述返回波的波速计算公式为:
vm=q1*t1+q2*t2=3000*1+1000*(1.15+0.5)=4654veh;
其中,q1是事故处理之前的流量,t1是事故处理的时间,q2是事故处理后到完全恢复的流量,t2是事故处理后到完全恢复的时间。
6.根据权利要求1所述的一种基于交通波模型的隧道事故影响范围预测方法,其特征在于,所述车辆排队长度的计算公式为:
L=v·t;
其中,v是集散波的波速,t是事故持续时间。
7.根据权利要求1所述的一种基于交通波模型的隧道事故影响范围预测方法,其特征在于,所述排队车辆数的计算公式为:
N=q*t;
其中,q是上游流量,t是事故持续时间。
9.根据权利要求1所述的一种基于交通波模型的隧道事故影响范围预测方法,其特征在于,所述总阻塞时间的计算公式为:
T=t+t';
其中,t为事故持续时间,t'为消散时间;
总排队车辆的计算公式为:
Q=q*T;
其中,q是上游流量,T为总阻塞时间。
10.一种基于交通波模型的隧道事故影响范围预测***,其特征在于,包括数据获取模块、车辆排队长度计算模块、排队车辆数计算模块、消散时间计算模块、总阻塞时间计算模块;其中,
所述数据获取模块,用于获取交通事故各阶段的持续时间以及集散波的波速;
所述车辆排队长度计算模块,用于根据所述集散波的波速计算车辆排队长度;
所述排队车辆数计算模块,用于根据事故持续时间计算排队车辆数;
所述消散时间计算模块,用于根据所述排队车辆数计算消散时间;
所述总阻塞时间计算模块,用于由所述消散时间与事故持续时间得到总阻塞时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210421250.7A CN114783185A (zh) | 2022-04-21 | 2022-04-21 | 基于交通波模型的隧道事故影响范围预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210421250.7A CN114783185A (zh) | 2022-04-21 | 2022-04-21 | 基于交通波模型的隧道事故影响范围预测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114783185A true CN114783185A (zh) | 2022-07-22 |
Family
ID=82431885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210421250.7A Pending CN114783185A (zh) | 2022-04-21 | 2022-04-21 | 基于交通波模型的隧道事故影响范围预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114783185A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419905A (zh) * | 2011-08-12 | 2012-04-18 | 北京航空航天大学 | 基于交通波理论的高速公路事故的交通影响范围确定方法 |
CN102610087A (zh) * | 2012-02-14 | 2012-07-25 | 清华大学 | 基于车流波理论的交通事件影响分析方法 |
CN108922212A (zh) * | 2018-07-17 | 2018-11-30 | 北京航空航天大学 | 一种基于无人机的高速公路突发事件下交通识别方法 |
CN110197584A (zh) * | 2019-04-03 | 2019-09-03 | 中国公路工程咨询集团有限公司 | 基于区域检测器的高速公路交通状态评价方法 |
-
2022
- 2022-04-21 CN CN202210421250.7A patent/CN114783185A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419905A (zh) * | 2011-08-12 | 2012-04-18 | 北京航空航天大学 | 基于交通波理论的高速公路事故的交通影响范围确定方法 |
CN102610087A (zh) * | 2012-02-14 | 2012-07-25 | 清华大学 | 基于车流波理论的交通事件影响分析方法 |
CN108922212A (zh) * | 2018-07-17 | 2018-11-30 | 北京航空航天大学 | 一种基于无人机的高速公路突发事件下交通识别方法 |
CN110197584A (zh) * | 2019-04-03 | 2019-09-03 | 中国公路工程咨询集团有限公司 | 基于区域检测器的高速公路交通状态评价方法 |
Non-Patent Citations (3)
Title |
---|
左友兰: "交通事件后交通流演变模型研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, pages 034 - 2480 * |
杨涛: "城市区域路网动态拥堵区边界控制方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, pages 034 - 785 * |
贺文: "基于NSGA-Ⅱ算法的左转待行区交叉口信号配时优化", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, pages 034 - 2267 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102419905B (zh) | 基于交通波理论的高速公路事故的交通影响范围确定方法 | |
CN107742418B (zh) | 一种城市快速路交通拥堵状态及堵点位置自动识别方法 | |
Cook | The detection of freeway capacity reducing incidents by traffic stream measurements | |
Giuliano | Incident characteristics, frequency, and duration on a high volume urban freeway | |
Lorenz et al. | A probabilistic approach to defining freeway capacity and breakdown | |
Liu et al. | A virtual vehicle probe model for time-dependent travel time estimation on signalized arterials | |
CN102496264B (zh) | 一种高速公路突发交通事件影响范围的确定方法 | |
CN102231231A (zh) | 区域公路网交通安全态势预警***及其方法 | |
CN109559506B (zh) | 一种降雨天气下城市道路间断交通流延误时间预测方法 | |
CN108281000B (zh) | 一种数据驱动的突发事件对区域路网影响分析***及方法 | |
CN103093635B (zh) | 一种快速道路凸形竖曲线路段可变限速控制方法 | |
CN103093636A (zh) | 一种快速道路转弯路段可变限速控制方法 | |
CN101794518B (zh) | 快速路匝道控制信号灯***及其运行方法 | |
CN111932899A (zh) | 一种基于交通仿真的交通突发事件控制方法及装置 | |
Miyim et al. | Smart traffic management system | |
Kang et al. | Assessing the benefits and costs of intelligent tranportation systems: Ramp meters | |
CN114299720A (zh) | 一种基于物联网的公共服务交通管理方法及*** | |
CN113870562B (zh) | 一种基于拥堵路段的高速公路车道管控策略的确定方法 | |
CN114783185A (zh) | 基于交通波模型的隧道事故影响范围预测方法及*** | |
CN117037485A (zh) | 一种智慧高速公路主动交通流控制方法及*** | |
Hourdos et al. | Development of a queue warning system utilizing ATM infrastructure system development and field-testing | |
Middelham et al. | Ramp metering in the Netherlands: an overview | |
CN114241756B (zh) | 一种高速公路施工期间硬路肩动态使用方法和*** | |
He et al. | Traffic influence degree of urban traffic accident based on speed ratio | |
Kwon et al. | The congestion pie: delay from collisions, potential ramp metering gain, and excess demand |
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 |