CN116363891B - 基于车联网的智慧城市网外运算方法及*** - Google Patents
基于车联网的智慧城市网外运算方法及*** Download PDFInfo
- Publication number
- CN116363891B CN116363891B CN202310628681.5A CN202310628681A CN116363891B CN 116363891 B CN116363891 B CN 116363891B CN 202310628681 A CN202310628681 A CN 202310628681A CN 116363891 B CN116363891 B CN 116363891B
- Authority
- CN
- China
- Prior art keywords
- real
- time
- congestion
- area
- traffic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 208000027744 congestion Diseases 0.000 claims description 154
- 238000004458 analytical method Methods 0.000 claims description 43
- 238000012544 monitoring process Methods 0.000 claims description 17
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于车联网的智慧城市网外运算方法及***,涉及城市网外运算技术领域,解决了现有技术中,城市道路通行过程中不能够针对通行车辆进行通行预先运算、实时运算以及预测运算的技术问题;本发明的预先运算端对待出行对象进行道路路线分析,并将可行驶路线进行数据采集计算,通过数据采集计算确定实时通行路线,在确定实时通行路线后,实时通行对象根据车载终端显示路线进行通行,实时运算端在通行过程中将实时通行路线进行数据采集计算,分析当前通行路线的实时车况,当实时通行路线车况存在拥堵时,预测运算端对拥堵对象所处路段进行车况预测,并通过数据采集计算对当前所处路段的实时车况进行预测。
Description
技术领域
本发明涉及城市网外运算技术领域,具体为基于车联网的智慧城市网外运算方法及***。
背景技术
车联网是由车辆位置、速度和路线等信息构成的交互网络,通过GPS、RFID、传感器和摄像头等部件,车辆可以完成自身环境和状态信息的采集,并通过互联网技术,所有的车辆可以将自身的各种信息传输汇聚到中央处理器,再通过计算机技术,这些车辆的信息可以被分析和处理,以计算出不同车辆的最佳路线、及时汇报路况和安排信号灯周期等操作;
但是在现有技术中,城市道路通行过程中不能够针对通行车辆进行通行预先运算、实时运算以及预测运算,以至于通行车辆的通行效率低,同时影响城市道路规划的合格性,降低了车联网数据采集计算的性能;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的就在于为了解决上述提出的问题,而提出基于车联网的智慧城市网外运算方法及***。
本发明的目的可以通过以下技术方案实现:基于车联网的智慧城市网外运算***,包括网外运算中心,其中网外运算中心内设置有预先运算端、实时运算端以及预测运算端;
将车联网覆盖的汽车标记为覆盖对象,设置标号i,i为大于1的自然数,根据覆盖对象的实时运行状态将覆盖对象划分为待出行对象、实时通行对象以及拥堵对象;
预先运算端对待出行对象进行道路路线分析,将待出行对象的始发地与目的地进行确定,并根据始发地和目的地进行互联网地图截取,并将截取地图标记为路线规划区,根据路线规划区内通行道路获取到待出行对象的可行驶路线,并将可行驶路线进行数据采集计算,通过数据采集计算确定实时通行路线;
在确定实时通行路线后,实时通行对象根据车载终端显示路线进行通行,实时运算端在通行过程中将实时通行路线进行数据采集计算,分析当前通行路线的实时车况,并根据实时车况分析判断当前路段是否存在拥堵风险;
当实时通行路线车况存在拥堵时,预测运算端对拥堵对象所处路段进行车况预测,通过数据采集计算对当前所处路段的实时车况进行预测,根据预测结果进行拥堵对象行驶规划。
作为本发明的一种优选实施方式,预先运算端的运行过程如下:
获取到可行驶路线内通行红绿灯中右转路口的数量占比以及可行驶路线内各路段需要通行需变道的频率,并将可行驶路线内通行红绿灯中右转路口的数量占比以及可行驶路线内各路段需要通行需变道的频率分别与数量占比阈值和需变道频率阈值进行比较:
若可行驶路线内通行红绿灯中右转路口的数量占比超过数量占比阈值,且可行驶路线内各路段需要通行需变道的频率未超过需变道频率阈值,则将对应可行驶路线标记为首选待通行路线;反之若可行驶路线内通行红绿灯中右转路口的数量占比未超过数量占比阈值,或者可行驶路线内各路段需要通行需变道的频率超过需变道频率阈值,则将对应可行驶路线标记为备选待通行路线。
作为本发明的一种优选实施方式,将首选待通行路线进行实时路况分析,获取到首选待通行路线中汇入路口车辆通行速度对应降低跨度以及首选待通行路线红绿灯设定路口处变道通行车速的降低速度,并将首选待通行路线中汇入路口车辆通行速度对应降低跨度以及首选待通行路线红绿灯设定路口处变道通行车速的降低速度分别与速度降低跨度阈值和速度降低速度阈值进行比较;
若首选待通行路线中汇入路口车辆通行速度对应降低跨度超过速度降低跨度阈值,或者首选待通行路线红绿灯设定路口处变道通行车速的降低速度超过速度降低速度阈值,则将对应首选待通行路线不作为实时通行路线;若首选待通行路线中汇入路口车辆通行速度对应降低跨度未超过速度降低跨度阈值,且首选待通行路线红绿灯设定路口处变道通行车速的降低速度未超过速度降低速度阈值,则将对应首选待通行路线作为实时通行路线,并将实时通行路线通过车联网发送至待通行对象的车载终端。
作为本发明的一种优选实施方式,实时运算端的运行过程如下:
将当前实时通行对象的通行路段进行监测,将通行路段各区域平均通行速度进行获取并在平均通行速度降低时将对应区域标记为拥堵风险区域,获取到实时通行对象对应通行路段内拥堵风险区域的车速度降低持续时长以及拥堵风险区域内车速降低过程中实时通行对象所处区域速度同步降低的缓冲时长,并将实时通行对象对应通行路段内拥堵风险区域的车速度降低持续时长以及拥堵风险区域内车速降低过程中实时通行对象所处区域速度同步降低的缓冲时长分别标记为VJC和HCS;获取到实时通行对象当前所处区域远离拥堵风险区域对应区域内车辆数量增加量,并将实时通行对象当前所处区域远离拥堵风险区域对应区域内车辆数量增加量标记为ZJL;
通过公式获取到实时通行对象的所处路段实时车况分析系数H,将实时通行对象的所处路段实时车况分析系数H与实时车况分析系数阈值进行比较。
作为本发明的一种优选实施方式,,其中,f1、f2以及f3均为预设比例系数,且f1>f2>f3>0。
作为本发明的一种优选实施方式,若实时通行对象的所处路段实时车况分析系数H超过实时车况分析系数阈值,则判定实时通行对象的所处路段实时车况分析存在拥堵风险,生成拥堵高风险信号并将拥堵高风险信号发送至实时通行对象的车载终端,车载终端在获取到拥堵高风险信号后,将对应实时通信对象进行道路重新规划;若实时通行对象的所处路段实时车况分析系数H未超过实时车况分析系数阈值,则判定实时通行对象的所处路段实时车况分析不存在拥堵风险,生成拥堵低风险信号并将拥堵低风险信号发送至实时通行对象的车载终端。
作为本发明的一种优选实施方式,预测运算端的运行过程如下:
获取到拥堵对象所处路段的拥堵区域,并将对应拥堵区域进行分析,获取到拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量以及拥堵区域内可通行区域车辆通行速度的增加跨度,并将拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量以及拥堵区域内可通行区域车辆通行速度的增加跨度分别与面积占比增加量阈值和速度增加跨度阈值进行比较;
若拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量超过面积占比增加量阈值,或者拥堵区域内可通行区域车辆通行速度的增加跨度超过速度增加跨度阈值,则判定拥堵对象当前所处路段拥堵预测缓解,生成拥堵缓解信号并将拥堵缓解信号发送至拥堵对象的车载终端;
若拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量未超过面积占比增加量阈值,且拥堵区域内可通行区域车辆通行速度的增加跨度未超过速度增加跨度阈值,则判定拥堵对象当前所处路段拥堵预测加剧,生成拥堵加剧信号并将拥堵加剧信号发送至拥堵对象的车载终端,车载终端接收到拥堵加剧信号后,为当前拥堵对象重新规划路线并将下一最近出口进行车道指引。
基于车联网的智慧城市网外运算方法,网外运算方法具体步骤如下:
步骤一、预先运算,对待出行对象进行道路路线分析,在城市道路通行过程中,通过数据采集计算对城市道路路线进行车况监测,并根据车况监测结果进行路线规划;
步骤二、实时运算,在完成路线规划后,实时通行对象根据车载终端显示路线进行通行,在通行过程中将实时通行路线进行数据采集计算,分析当前通行路线的实时车况,通过数据采集计算对实时通行路线进行车况监测,判断实时通行路线是否存在拥堵风险;
步骤三、预测运算,当实时通行路线车况存在拥堵时,对拥堵对象所处路段进行车况预测,通过数据采集计算对当前所处路段的实时车况进行预测。
与现有技术相比,本发明的有益效果是:
本发明中,预先运算端对待出行对象进行道路路线分析,在城市道路通行过程中,通过数据采集计算对城市道路路线进行车况监测,并根据车况监测结果进行路线规划,提高了汽车出行的高效性,避免出行拥堵同时能够对城市道路进行合理规划,提高了城市道路整体通行质量。
本发明中,在完成路线规划后,实时通行对象根据车载终端显示路线进行通行,实时运算端在通行过程中将实时通行路线进行数据采集计算,分析当前通行路线的实时车况,通过数据采集计算对实时通行路线进行车况监测,判断实时通行路线是否存在拥堵风险,并通过路线拥堵监测提高了车辆通行的合理性,同时能够保证区域内道路通行效率,避免城市道路管控不合理造成城市道路交通拥堵,降低了车联网运算效率。
本发明中,当实时通行路线车况存在拥堵时,预测运算端对拥堵对象所处路段进行车况预测,通过数据采集计算对当前所处路段的实时车况进行预测,确保拥堵对象能够合理匹配道路路线,防止拥堵对象离开当前路线后道路拥堵缓解,从而影响通行车辆的实时通行效率。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明***的原理框图;
图2为本发明方法的原理流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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作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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1所示,基于车联网的智慧城市网外运算***,包括网外运算中心,其中网外运算中心内设置有预先运算端、实时运算端以及预测运算端,在城市道路通行过程中,网外运算中心对道路进行实时数据采集计算,并对不同时段的车联网覆盖对象所处城市道路进行运算分析;
将车联网覆盖的汽车标记为覆盖对象,设置标号i,i为大于1的自然数,根据覆盖对象的实时运行状态将覆盖对象划分为待出行对象、实时通行对象以及拥堵对象;
预先运算端对待出行对象进行道路路线分析,在城市道路通行过程中,通过数据采集计算对城市道路路线进行车况监测,并根据车况监测结果进行路线规划,提高了汽车出行的高效性,避免出行拥堵同时能够对城市道路进行合理规划,提高了城市道路整体通行质量;
将待出行对象的始发地与目的地进行确定,并根据始发地和目的地进行互联网地图截取,并将截取地图标记为路线规划区,根据路线规划区内通行道路获取到待出行对象的可行驶路线,并将可行驶路线进行数据采集计算,将可行驶路线设置标号i,i为大于1的自然数;
获取到可行驶路线内通行红绿灯中右转路口的数量占比以及可行驶路线内各路段需要通行需变道的频率,并将可行驶路线内通行红绿灯中右转路口的数量占比以及可行驶路线内各路段需要通行需变道的频率分别与数量占比阈值和需变道频率阈值进行比较:
若可行驶路线内通行红绿灯中右转路口的数量占比超过数量占比阈值,且可行驶路线内各路段需要通行需变道的频率未超过需变道频率阈值,则将对应可行驶路线标记为首选待通行路线;反之若可行驶路线内通行红绿灯中右转路口的数量占比未超过数量占比阈值,或者可行驶路线内各路段需要通行需变道的频率超过需变道频率阈值,则将对应可行驶路线标记为备选待通行路线;
将首选待通行路线进行实时路况分析,获取到首选待通行路线中汇入路口车辆通行速度对应降低跨度以及首选待通行路线红绿灯设定路口处变道通行车速的降低速度,并将首选待通行路线中汇入路口车辆通行速度对应降低跨度以及首选待通行路线红绿灯设定路口处变道通行车速的降低速度分别与速度降低跨度阈值和速度降低速度阈值进行比较:
若首选待通行路线中汇入路口车辆通行速度对应降低跨度超过速度降低跨度阈值,或者首选待通行路线红绿灯设定路口处变道通行车速的降低速度超过速度降低速度阈值,则将对应首选待通行路线不作为实时通行路线;若首选待通行路线中汇入路口车辆通行速度对应降低跨度未超过速度降低跨度阈值,且首选待通行路线红绿灯设定路口处变道通行车速的降低速度未超过速度降低速度阈值,则将对应首选待通行路线作为实时通行路线,并将实时通行路线通过车联网发送至待通行对象的车载终端;
在完成路线规划后,实时通行对象根据车载终端显示路线进行通行,实时运算端在通行过程中将实时通行路线进行数据采集计算,分析当前通行路线的实时车况,通过数据采集计算对实时通行路线进行车况监测,判断实时通行路线是否存在拥堵风险,并通过路线拥堵监测提高了车辆通行的合理性,同时能够保证区域内道路通行效率,避免城市道路管控不合理造成城市道路交通拥堵,降低了车联网运算效率;
将当前实时通行对象的通行路段进行监测,将通行路段各区域平均通行速度进行获取并在平均通行速度降低时将对应区域标记为拥堵风险区域,获取到实时通行对象对应通行路段内拥堵风险区域的车速度降低持续时长以及拥堵风险区域内车速降低过程中实时通行对象所处区域速度同步降低的缓冲时长,并将实时通行对象对应通行路段内拥堵风险区域的车速度降低持续时长以及拥堵风险区域内车速降低过程中实时通行对象所处区域速度同步降低的缓冲时长分别标记为VJC和HCS;获取到实时通行对象当前所处区域远离拥堵风险区域对应区域内车辆数量增加量,并将实时通行对象当前所处区域远离拥堵风险区域对应区域内车辆数量增加量标记为ZJL;
通过公式获取到实时通行对象的所处路段实时车况分析系数H,其中,f1、f2以及f3均为预设比例系数,且f1>f2>f3>0;
将实时通行对象的所处路段实时车况分析系数H与实时车况分析系数阈值进行比较:
若实时通行对象的所处路段实时车况分析系数H超过实时车况分析系数阈值,则判定实时通行对象的所处路段实时车况分析存在拥堵风险,生成拥堵高风险信号并将拥堵高风险信号发送至实时通行对象的车载终端,车载终端在获取到拥堵高风险信号后,将对应实时通信对象进行道路重新规划;
若实时通行对象的所处路段实时车况分析系数H未超过实时车况分析系数阈值,则判定实时通行对象的所处路段实时车况分析不存在拥堵风险,生成拥堵低风险信号并将拥堵低风险信号发送至实时通行对象的车载终端;
当实时通行路线车况存在拥堵时,预测运算端对拥堵对象所处路段进行车况预测,通过数据采集计算对当前所处路段的实时车况进行预测,确保拥堵对象能够合理匹配道路路线,防止拥堵对象离开当前路线后道路拥堵缓解,从而影响通行车辆的实时通行效率;
获取到拥堵对象所处路段的拥堵区域,并将对应拥堵区域进行分析,获取到拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量以及拥堵区域内可通行区域车辆通行速度的增加跨度,并将拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量以及拥堵区域内可通行区域车辆通行速度的增加跨度分别与面积占比增加量阈值和速度增加跨度阈值进行比较:
若拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量超过面积占比增加量阈值,或者拥堵区域内可通行区域车辆通行速度的增加跨度超过速度增加跨度阈值,则判定拥堵对象当前所处路段拥堵预测缓解,生成拥堵缓解信号并将拥堵缓解信号发送至拥堵对象的车载终端;
若拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量未超过面积占比增加量阈值,且拥堵区域内可通行区域车辆通行速度的增加跨度未超过速度增加跨度阈值,则判定拥堵对象当前所处路段拥堵预测加剧,生成拥堵加剧信号并将拥堵加剧信号发送至拥堵对象的车载终端,车载终端接收到拥堵加剧信号后,为当前拥堵对象重新规划路线并将下一最近出口进行车道指引。
请参阅图2所示,基于车联网的智慧城市网外运算方法,网外运算方法具体步骤如下:
步骤一、预先运算,对待出行对象进行道路路线分析,在城市道路通行过程中,通过数据采集计算对城市道路路线进行车况监测,并根据车况监测结果进行路线规划;
步骤二、实时运算,在完成路线规划后,实时通行对象根据车载终端显示路线进行通行,在通行过程中将实时通行路线进行数据采集计算,分析当前通行路线的实时车况,通过数据采集计算对实时通行路线进行车况监测,判断实时通行路线是否存在拥堵风险;
步骤三、预测运算,当实时通行路线车况存在拥堵时,对拥堵对象所处路段进行车况预测,通过数据采集计算对当前所处路段的实时车况进行预测。
本发明在使用时,预先运算端对待出行对象进行道路路线分析,将待出行对象的始发地与目的地进行确定,并根据始发地和目的地进行互联网地图截取,并将截取地图标记为路线规划区,根据路线规划区内通行道路获取到待出行对象的可行驶路线,并将可行驶路线进行数据采集计算,通过数据采集计算确定实时通行路线;在确定实时通行路线后,实时通行对象根据车载终端显示路线进行通行,实时运算端在通行过程中将实时通行路线进行数据采集计算,分析当前通行路线的实时车况,并根据实时车况分析判断当前路段是否存在拥堵风险;当实时通行路线车况存在拥堵时,预测运算端对拥堵对象所处路段进行车况预测,通过数据采集计算对当前所处路段的实时车况进行预测,根据预测结构进行拥堵对象行驶规划。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (5)
1.基于车联网的智慧城市网外运算***,其特征在于,包括网外运算中心,其中网外运算中心内设置有预先运算端、实时运算端以及预测运算端;
将车联网覆盖的汽车标记为覆盖对象,设置标号i,i为大于1的自然数,根据覆盖对象的实时运行状态将覆盖对象划分为待出行对象、实时通行对象以及拥堵对象;
预先运算端对待出行对象进行道路路线分析,将待出行对象的始发地与目的地进行确定,并根据始发地和目的地进行互联网地图截取,并将截取地图标记为路线规划区,根据路线规划区内通行道路获取到待出行对象的可行驶路线,并将可行驶路线进行数据采集计算,通过数据采集计算确定实时通行路线;
在确定实时通行路线后,实时通行对象根据车载终端显示路线进行通行,实时运算端在通行过程中将实时通行路线进行数据采集计算,分析当前通行路线的实时车况,并根据实时车况分析判断当前路段是否存在拥堵风险;
当实时通行路线车况存在拥堵时,预测运算端对拥堵对象所处路段进行车况预测,通过数据采集计算对当前所处路段的实时车况进行预测,根据预测结果进行拥堵对象行驶规划;
实时运算端的运行过程如下:
将当前实时通行对象的通行路段进行监测,将通行路段各区域平均通行速度进行获取并在平均通行速度降低时将对应区域标记为拥堵风险区域,获取到实时通行对象对应通行路段内拥堵风险区域的车速度降低持续时长以及拥堵风险区域内车速降低过程中实时通行对象所处区域速度同步降低的缓冲时长,并将实时通行对象对应通行路段内拥堵风险区域的车速度降低持续时长以及拥堵风险区域内车速降低过程中实时通行对象所处区域速度同步降低的缓冲时长分别标记为VJC和HCS;获取到实时通行对象当前所处区域远离拥堵风险区域对应区域内车辆数量增加量,并将实时通行对象当前所处区域远离拥堵风险区域对应区域内车辆数量增加量标记为ZJL;
通过公式获取到实时通行对象的所处路段实时车况分析系数H,其中,f1、f2以及f3均为预设比例系数,且f1>f2>f3>0将实时通行对象的所处路段实时车况分析系数H与实时车况分析系数阈值进行比较:
若实时通行对象的所处路段实时车况分析系数H超过实时车况分析系数阈值,则判定实时通行对象的所处路段实时车况分析存在拥堵风险,生成拥堵高风险信号并将拥堵高风险信号发送至实时通行对象的车载终端,车载终端在获取到拥堵高风险信号后,将对应实时通信对象进行道路重新规划;若实时通行对象的所处路段实时车况分析系数H未超过实时车况分析系数阈值,则判定实时通行对象的所处路段实时车况分析不存在拥堵风险,生成拥堵低风险信号并将拥堵低风险信号发送至实时通行对象的车载终端。
2.根据权利要求1所述的基于车联网的智慧城市网外运算***,其特征在于,预先运算端的运行过程如下:
获取到可行驶路线内通行红绿灯中右转路口的数量占比以及可行驶路线内各路段需要通行需变道的频率,并将可行驶路线内通行红绿灯中右转路口的数量占比以及可行驶路线内各路段需要通行需变道的频率分别与数量占比阈值和需变道频率阈值进行比较;
若可行驶路线内通行红绿灯中右转路口的数量占比超过数量占比阈值,且可行驶路线内各路段需要通行需变道的频率未超过需变道频率阈值,则将对应可行驶路线标记为首选待通行路线;反之若可行驶路线内通行红绿灯中右转路口的数量占比未超过数量占比阈值,或者可行驶路线内各路段需要通行需变道的频率超过需变道频率阈值,则将对应可行驶路线标记为备选待通行路线。
3.根据权利要求2所述的基于车联网的智慧城市网外运算***,其特征在于,将首选待通行路线进行实时路况分析,获取到首选待通行路线中汇入路口车辆通行速度对应降低跨度以及首选待通行路线红绿灯设定路口处变道通行车速的降低速度,并将首选待通行路线中汇入路口车辆通行速度对应降低跨度以及首选待通行路线红绿灯设定路口处变道通行车速的降低速度分别与速度降低跨度阈值和速度降低速度阈值进行比较;
若首选待通行路线中汇入路口车辆通行速度对应降低跨度超过速度降低跨度阈值,或者首选待通行路线红绿灯设定路口处变道通行车速的降低速度超过速度降低速度阈值,则将对应首选待通行路线不作为实时通行路线;若首选待通行路线中汇入路口车辆通行速度对应降低跨度未超过速度降低跨度阈值,且首选待通行路线红绿灯设定路口处变道通行车速的降低速度未超过速度降低速度阈值,则将对应首选待通行路线作为实时通行路线,并将实时通行路线通过车联网发送至待通行对象的车载终端。
4.根据权利要求1所述的基于车联网的智慧城市网外运算***,其特征在于,预测运算端的运行过程如下:
获取到拥堵对象所处路段的拥堵区域,并将对应拥堵区域进行分析,获取到拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量以及拥堵区域内可通行区域车辆通行速度的增加跨度,并将拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量以及拥堵区域内可通行区域车辆通行速度的增加跨度分别与面积占比增加量阈值和速度增加跨度阈值进行比较;
若拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量超过面积占比增加量阈值,或者拥堵区域内可通行区域车辆通行速度的增加跨度超过速度增加跨度阈值,则判定拥堵对象当前所处路段拥堵预测缓解,生成拥堵缓解信号并将拥堵缓解信号发送至拥堵对象的车载终端;
若拥堵对象所处路段拥堵区域内可通行区域面积占比的增加量未超过面积占比增加量阈值,且拥堵区域内可通行区域车辆通行速度的增加跨度未超过速度增加跨度阈值,则判定拥堵对象当前所处路段拥堵预测加剧,生成拥堵加剧信号并将拥堵加剧信号发送至拥堵对象的车载终端,车载终端接收到拥堵加剧信号后,为当前拥堵对象重新规划路线并将下一最近出口进行车道指引。
5.基于车联网的智慧城市网外运算方法,其特征在于,网外运算方法具体步骤如下:
步骤一、预先运算,对待出行对象进行道路路线分析,在城市道路通行过程中,通过数据采集计算对城市道路路线进行车况监测,并根据车况监测结果进行路线规划;
步骤二、实时运算,在完成路线规划后,实时通行对象根据车载终端显示路线进行通行,在通行过程中将实时通行路线进行数据采集计算,分析当前通行路线的实时车况,通过数据采集计算对实时通行路线进行车况监测,判断实时通行路线是否存在拥堵风险;
将当前实时通行对象的通行路段进行监测,将通行路段各区域平均通行速度进行获取并在平均通行速度降低时将对应区域标记为拥堵风险区域,获取到实时通行对象对应通行路段内拥堵风险区域的车速度降低持续时长以及拥堵风险区域内车速降低过程中实时通行对象所处区域速度同步降低的缓冲时长,并将实时通行对象对应通行路段内拥堵风险区域的车速度降低持续时长以及拥堵风险区域内车速降低过程中实时通行对象所处区域速度同步降低的缓冲时长分别标记为VJC和HCS;获取到实时通行对象当前所处区域远离拥堵风险区域对应区域内车辆数量增加量,并将实时通行对象当前所处区域远离拥堵风险区域对应区域内车辆数量增加量标记为ZJL;
通过公式获取到实时通行对象的所处路段实时车况分析系数H,其中,f1、f2以及f3均为预设比例系数,且f1>f2>f3>0;
将实时通行对象的所处路段实时车况分析系数H与实时车况分析系数阈值进行比较:
若实时通行对象的所处路段实时车况分析系数H超过实时车况分析系数阈值,则判定实时通行对象的所处路段实时车况分析存在拥堵风险,生成拥堵高风险信号并将拥堵高风险信号发送至实时通行对象的车载终端,车载终端在获取到拥堵高风险信号后,将对应实时通信对象进行道路重新规划;
若实时通行对象的所处路段实时车况分析系数H未超过实时车况分析系数阈值,则判定实时通行对象的所处路段实时车况分析不存在拥堵风险,生成拥堵低风险信号并将拥堵低风险信号发送至实时通行对象的车载终端;
步骤三、预测运算,当实时通行路线车况存在拥堵时,对拥堵对象所处路段进行车况预测,通过数据采集计算对当前所处路段的实时车况进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310628681.5A CN116363891B (zh) | 2023-05-31 | 2023-05-31 | 基于车联网的智慧城市网外运算方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310628681.5A CN116363891B (zh) | 2023-05-31 | 2023-05-31 | 基于车联网的智慧城市网外运算方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116363891A CN116363891A (zh) | 2023-06-30 |
CN116363891B true CN116363891B (zh) | 2023-08-04 |
Family
ID=86905331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310628681.5A Active CN116363891B (zh) | 2023-05-31 | 2023-05-31 | 基于车联网的智慧城市网外运算方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116363891B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116842018B (zh) * | 2023-07-06 | 2024-02-23 | 上海比滋特信息技术有限公司 | 一种大数据的筛选方法和*** |
CN117649225B (zh) * | 2024-01-30 | 2024-04-05 | 江苏路安车联网研究院有限公司 | 车联网安全护栏监控运维管理*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6480783B1 (en) * | 2000-03-17 | 2002-11-12 | Makor Issues And Rights Ltd. | Real time vehicle guidance and forecasting system under traffic jam conditions |
KR20040026346A (ko) * | 2002-09-24 | 2004-03-31 | 한국전자통신연구원 | 능동형 실시간 교통정보 제공 장치 및 방법 |
JP2004257794A (ja) * | 2003-02-25 | 2004-09-16 | Zenrin Datacom Co Ltd | 経路探索装置 |
JP2007179348A (ja) * | 2005-12-28 | 2007-07-12 | Xanavi Informatics Corp | 交通状況予測方法およびその装置ならびにプログラム |
JP2009025235A (ja) * | 2007-07-23 | 2009-02-05 | Xanavi Informatics Corp | ナビゲーション装置 |
CN105810001A (zh) * | 2016-05-19 | 2016-07-27 | 东华大学 | 一种基于车载自组网的实时动态路径规划方法 |
CN110648028A (zh) * | 2019-10-09 | 2020-01-03 | 江苏顺泰交通集团有限公司 | 一种基于5g网络的交通大数据云平台及其使用方法 |
CN113395301A (zh) * | 2020-03-11 | 2021-09-14 | 成都秦川物联网科技股份有限公司 | 基于车联网的智慧城市网外运算方法及*** |
CN113674528A (zh) * | 2021-08-23 | 2021-11-19 | 田继伟 | 一种基于大数据共建共享的智慧交通***及方法 |
CN113704956A (zh) * | 2021-06-15 | 2021-11-26 | 深圳市综合交通设计研究院有限公司 | 一种基于数字孪生技术的城市道路在线微观仿真方法及*** |
CN115687709A (zh) * | 2022-10-16 | 2023-02-03 | 威海北洋电气集团股份有限公司 | 基于交通数据降维重构及多维分析的交通动态管控方法 |
-
2023
- 2023-05-31 CN CN202310628681.5A patent/CN116363891B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6480783B1 (en) * | 2000-03-17 | 2002-11-12 | Makor Issues And Rights Ltd. | Real time vehicle guidance and forecasting system under traffic jam conditions |
KR20040026346A (ko) * | 2002-09-24 | 2004-03-31 | 한국전자통신연구원 | 능동형 실시간 교통정보 제공 장치 및 방법 |
JP2004257794A (ja) * | 2003-02-25 | 2004-09-16 | Zenrin Datacom Co Ltd | 経路探索装置 |
JP2007179348A (ja) * | 2005-12-28 | 2007-07-12 | Xanavi Informatics Corp | 交通状況予測方法およびその装置ならびにプログラム |
JP2009025235A (ja) * | 2007-07-23 | 2009-02-05 | Xanavi Informatics Corp | ナビゲーション装置 |
CN105810001A (zh) * | 2016-05-19 | 2016-07-27 | 东华大学 | 一种基于车载自组网的实时动态路径规划方法 |
CN110648028A (zh) * | 2019-10-09 | 2020-01-03 | 江苏顺泰交通集团有限公司 | 一种基于5g网络的交通大数据云平台及其使用方法 |
CN113395301A (zh) * | 2020-03-11 | 2021-09-14 | 成都秦川物联网科技股份有限公司 | 基于车联网的智慧城市网外运算方法及*** |
CN113704956A (zh) * | 2021-06-15 | 2021-11-26 | 深圳市综合交通设计研究院有限公司 | 一种基于数字孪生技术的城市道路在线微观仿真方法及*** |
CN113674528A (zh) * | 2021-08-23 | 2021-11-19 | 田继伟 | 一种基于大数据共建共享的智慧交通***及方法 |
CN115687709A (zh) * | 2022-10-16 | 2023-02-03 | 威海北洋电气集团股份有限公司 | 基于交通数据降维重构及多维分析的交通动态管控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116363891A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12014629B2 (en) | Road traffic analysis methods and apparatuses | |
CN116363891B (zh) | 基于车联网的智慧城市网外运算方法及*** | |
CN108428348B (zh) | 一种道路交通优化方法、装置以及电子设备 | |
CN107784835B (zh) | 基于交通数据分析的交通状态模式预测***及其预测方法 | |
WO2019047905A1 (zh) | 一种交通路况分析***、方法以及装置 | |
CN109345031B (zh) | 基于交通流数据的协调干线线路规划方法及配置*** | |
CN111968370B (zh) | 一种微波雷达智能可变车道感知***及方法 | |
CN100589143C (zh) | 判断浮动车行驶状态的方法及装置 | |
WO1996024108A1 (en) | Method and apparatus for providing navigation guidance | |
CN113362605B (zh) | 基于潜在同质区域分析的分布式高速路优化***及方法 | |
CN112767683A (zh) | 一种基于反馈机制的路径诱导方法 | |
CN101673466A (zh) | 交通信号控制下的浮动车信息处理方法 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN114708746A (zh) | 智慧城市的交通信号提示方法及*** | |
CN103903432A (zh) | 用于确定路链拥堵状况的设备和方法 | |
CN111767644B (zh) | 考虑单隧道限速影响高速公路路段实际通行能力估计方法 | |
CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
CN115731693A (zh) | 一种车道划分方法以及相关装置 | |
CN114413923B (zh) | 一种行驶路线推荐方法、装置、存储介质及*** | |
CN112927497B (zh) | 一种浮动车识别方法、相关方法和装置 | |
KR101346220B1 (ko) | 교통 정보 제공 장치 및 방법 | |
CN113053100B (zh) | 一种公交到站时间的预估方法及装置 | |
CN117885745B (zh) | 一种基于车联网的驾驶行为监控*** | |
CN112885123B (zh) | 计算机信息和通信技术结合的城市路况信息管理*** | |
CN117809460B (zh) | 一种智慧交通调控方法及*** |
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 |