CN116524711A - 基于交通大数据分析的智慧高速管控*** - Google Patents
基于交通大数据分析的智慧高速管控*** Download PDFInfo
- Publication number
- CN116524711A CN116524711A CN202310236073.XA CN202310236073A CN116524711A CN 116524711 A CN116524711 A CN 116524711A CN 202310236073 A CN202310236073 A CN 202310236073A CN 116524711 A CN116524711 A CN 116524711A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- traffic
- time
- analysis
- 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.)
- Granted
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000011217 control strategy Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 5
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/01—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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于交通管控技术领域,具体涉及基于交通大数据分析的智慧高速管控***。所述***包括:数据获取单元,配置用于获取道路的历史交通运行数据;数据分析单元,配置用于对获取到的历史交通运行数据进行数据特征分析,得到每条道路对应的交通数据特征;反馈监督单元,配置用于对该道路重新创建分类组;管控策略制定单元,配置用于在每个分类组中,基于该分类组中的道路的交通数据特征或实时数据特征,制定统一管控策略;分组道路控制单元,配置用于基于每个分类组的统一管控策略,执行对每个分类组中的道路的交通管控。本发明实现了交通管控的智能化,提升了管控的效率。
Description
技术领域
本发明属于交通管控技术领域,具体涉及基于交通大数据分析的智慧高速管控***。
背景技术
随着经济和社会的大发展,城市内聚集着大量的人口,车辆也已经成为很多家庭必不可少的出行工具,同时,地面交通拥堵问题日益突出。例如,随着城市布局的不断变迁,逐渐形成了工作单位集中在城市中心区域,居住地集中在城市***区域的格局,该格局会导致双向道路交通流不均衡的潮汐交通流现象,使车道资源利用率低下,导致交通拥堵。另外,目前的道路交叉口一般采用固定的车道功能划分方案,该方案无法根据交通流的不均衡性调整车道功能,使得车道的交通流引导方向无法灵活调整而适配实际交通情况,从而进一步加剧了路面交通的拥堵状况,尤其是道路交叉口处的交通拥堵状况。
再者,究其原因,除了车辆多,这些易发生拥堵的路口的交通信号灯的变换时间基本上固定不变,即无论是在早晚上下班高峰时间段,还是在其他时间段,交通信号灯的变换时间基本上是固定的,需要交警、协警和交通管理员进行人为干预,且驾驶人员无法了解下一个路口的拥堵情况,只能通过广播电台等信息延迟性较大的平台了解相关信息,局限性大。另外,车流量大造成的驾驶人员的心理、情绪等因素变化也极易造成碰擦、追尾等事故的发生,从而会进一步加剧拥堵状况。
专利申请号为CN201910903720.1A的专利文献公开了一种交通管控方法、设备、***及存储介质。其中,所述方法包括:接收路侧检测信息;对路侧检测信息进行分析,判断路侧检测路段是否存在交通异常;如果存在交通异常,则根据这些路侧检测信息生成引导预警策略;执行相关的交通管控操作。
该发明通过在每个道路设置检测装置,对对路侧检测信息进行分析,以达到更为及时的交通管控。但该发明对设备数量要求较多,且缺乏对各个检测设备的信息统筹,使得各个道路的监测结果独立运行和输出,降低了***效率,以及增加了成本。
发明内容
本发明的主要目的在于提供基于交通大数据分析的智慧高速管控***,实现了交通管控的智能化,提升了管控的效率。
为解决上述技术问题,本发明提供基于交通大数据分析的智慧高速管控***,所述***包括:数据获取单元,配置用于获取道路的历史交通运行数据;数据分析单元,配置用于对获取到的历史交通运行数据进行数据特征分析,得到每条道路对应的交通数据特征,将交通数据特征的差异在设定的第一范围内的道路归为一类,得到多个分类组;反馈监督单元,配置用于基于设定的时间间隔,实时获取每个分类组道路中的道路的实时交通运行数据,并基于实时交通运行数据,进行数据特征分析,得到分类组道路中的每条道路的实时数据特征,并将每条道路的实时数据特征分别与分类组中的所有道路的交通数据特征的归一化特征进行差异比较,若差异超过设定的第二范围,则将该道路从当前分类组中剔除,同时将该实时数据特征与其他分类组的交通数据特征的归一化特征进行差异比较,若与其他任一分类组的交通数据特征的归一化特征的差异在设定的第二范围内,则将该道路重新分组到该分类组;若与其他任一分类组的交通数据特征的归一化特征的差异均超过设定的第二范围内,则对该道路重新创建分类组;管控策略制定单元,配置用于在每个分类组中,基于该分类组中的道路的交通数据特征或实时数据特征,制定统一管控策略;分组道路控制单元,配置用于基于每个分类组的统一管控策略,执行对每个分类组中的道路的交通管控。
进一步的,所述历史交通运行数据包括:车辆通过该道路的平均时间,车辆通过该道路的最长时间,车辆通过该道路的最短时间;车辆通过该道路耗时最长时对应的时段;车辆通过该道路耗时最短对应的时段;车辆通过该道路的平均时长和该道路的红灯、绿灯、和黄灯分别在一次灯循环中的时长。
进一步的,所述数据获取单元获取道路的历史交通运行数据时,还将对获取到的历史交通运行数据进行数据标准化处理,具体包括:为每条道路和其对应的历史交通运行数据建立分析表单,每个分析表单的表单值为道路ID,不同的道路的道路ID彼此各不相同,每个道路ID对应该道路的历史交通运行数据,所述历史交通数据为分析表单中的表单值;再对分析表单中的数据进行数据标准化处理。
进一步的,所述对分析表单中的数据进行数据标准化处理的方法包括:获取分析表单,从所述分析表单中提取表单值;获取所述分析表单与标准表之间的第一映射关系,以及所述表单值和所述标准字段之间的第二映射关系;所述标准表中包括了标准字段以及对应标准字段的取值;基于所述第一映射关系和所述第二映射关系,将所述表单值转换为标准字段,并将所述表单值的取值转换成所述标准字段的取值;及利用转换后的多个标准字段生成与所述分析表单对应的标准化表。
进一步的,所述数据分析单元,对获取到的历史交通运行数据进行数据特征分析,得到每条道路对应的交通数据特征的方法包括:基于历史交通数据构建数据矩阵,将数据矩阵代入数据特征分析模型,得到数据特征值,该数据特征值为每条道路对应的交通数据特征;所述数据矩阵使用如下公式进行表示:
;
其中,车辆通过该道路的平均时间,/>为车辆通过该道路的最长时间,为车辆通过该道路的最短时间;/>车辆通过该道路耗时最长时对应的时段;/>为车辆通过该道路耗时最短对应的时段;/>为车辆通过该道路的平均时长;/>、/>和/>分别为该道路的红灯、绿灯、和黄灯分别在一次灯循环中的时长。
进一步的,所述数据特征分析模型使用如下公式进行表示:
;
其中,为交通数据特征。
进一步的,所述数据分析单元,将交通数据特征的差异在设定的第一范围内的道路归为一类,得到多个分类组的方法包括:对两个彼此不同的交通数据特征进行作差运算,得到作差结果,将作差结果与设定的第一范围进行比较,若在设定的第一范围内,则将对应的道路归为一类。
进一步的,所述第一范围的取值范围为:[15~20]。
进一步的,所述管控策略制定单元,在每个分类组中,基于该分类组中的道路的交通数据特征或实时数据特征,制定统一管控策略的方法包括:预设多个控制策略判断值,每个控制策略判断值对应一种交通管控策略,根据交通数据特征或实时数据特征,找到最近接的控制策略判断值,直接调取对应的交通管控策略,作为统一管控策略。
进一步的,所述统一管控策略包括:分类组中的道路的红灯、绿灯和黄灯分别在一次灯循环中的时长。
本发明的基于交通大数据分析的智慧高速管控***,具有以下有益效果:本发明通过大数据将城市道路中交通运行状况进行分析,将交通运行状况相似的道路进行分组,然后对同一分类组的道路制定统一管控策略,极大提升了管控的效率,另一方面,本发明还根据实时的运行状况,调整分组,以调整各个道路的管控策略,实现了管控的智能化。
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为本发明实施例提供的基于交通大数据分析的智慧高速管控***的***结构示意图。
具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
参考图1,本发明提供基于交通大数据分析的智慧高速管控***,所述***包括:
数据获取单元、数据分析单元、管控策略制定单元、分组道路控制单元和反馈监督单元。
本发明的***从结构上来说,类似于有监督的神经网络模型。反馈监督单元用于根据结果来调整分组策略。
其中,数据获取单元,配置用于获取道路的历史交通运行数据;数据获取获取数据的途径可以是通过图像获取,可以是通过传感器获取,也可以是人工录入。由于数据获取过程中难免会有数据噪声,因此,需要对获取到的数据进行数据标准化等处理。
数据分析单元,配置用于对获取到的历史交通运行数据进行数据特征分析,得到每条道路对应的交通数据特征,将交通数据特征的差异在设定的第一范围内的道路归为一类,得到多个分类组。数据分析单元的本质是对道路的划分。在实践中,由于不同道路所处的地理位置不同,使得其路况完全不同,有的道路拥堵,有的道路则非常畅通。针对不同的道路状况,制定不同的管控策略,可以降低交通拥堵的发生率。
从另外一方面来说,道路分类为后续制定交通管控策略提供了依据。
反馈监督单元,配置用于基于设定的时间间隔,实时获取每个分类组道路中的道路的实时交通运行数据,并基于实时交通运行数据,进行数据特征分析,得到分类组道路中的每条道路的实时数据特征,并将每条道路的实时数据特征分别与分类组中的所有道路的交通数据特征的归一化特征进行差异比较,若差异超过设定的第二范围,则将该道路从当前分类组中剔除,同时将该实时数据特征与其他分类组的交通数据特征的归一化特征进行差异比较,若与其他任一分类组的交通数据特征的归一化特征的差异在设定的第二范围内,则将该道路重新分组到该分类组;若与其他任一分类组的交通数据特征的归一化特征的差异均超过设定的第二范围内,则对该道路重新创建分类组;其中,第一范围和第二范围均为设定的数值范围。所述第一范围的取值范围为:[15~20];所述第二范围的取值范围为:[1~5]。
管控策略制定单元,配置用于在每个分类组中,基于该分类组中的道路的交通数据特征或实时数据特征,制定统一管控策略;分组道路控制单元,配置用于基于每个分类组的统一管控策略,执行对每个分类组中的道路的交通管控。
在上一实施例的基础上,所述历史交通运行数据包括:车辆通过该道路的平均时间,车辆通过该道路的最长时间,车辆通过该道路的最短时间;车辆通过该道路耗时最长时对应的时段;车辆通过该道路耗时最短对应的时段;车辆通过该道路的平均时长和该道路的红灯、绿灯、和黄灯分别在一次灯循环中的时长。
现有技术中,有针对实时路况调整的交通灯运行状态的技术,但这种技术对于设备要求很高,需要实时准确判断出交通运行状态。而由于道路的固定性,一段道路的运行状态在短期内不会出现显著的变化,因此,可以将运行状况相似的道路制定一种固定策略在相当长的事件内,都可以实现更加科学的道路交通管控。
在上一实施例的基础上,所述数据获取单元获取道路的历史交通运行数据时,还将对获取到的历史交通运行数据进行数据标准化处理,具体包括:为每条道路和其对应的历史交通运行数据建立分析表单,每个分析表单的表单值为道路ID,不同的道路的道路ID彼此各不相同,每个道路ID对应该道路的历史交通运行数据,所述历史交通数据为分析表单中的表单值;再对分析表单中的数据进行数据标准化处理。
道路ID表征了各个不同道路,是区分道路的标识。
在上一实施例的基础上,所述对分析表单中的数据进行数据标准化处理的方法包括:获取分析表单,从所述分析表单中提取表单值;获取所述分析表单与标准表之间的第一映射关系,以及所述表单值和所述标准字段之间的第二映射关系;所述标准表中包括了标准字段以及对应标准字段的取值;基于所述第一映射关系和所述第二映射关系,将所述表单值转换为标准字段,并将所述表单值的取值转换成所述标准字段的取值;及利用转换后的多个标准字段生成与所述分析表单对应的标准化表。
具体的,得到的标准化表将有利于后续进行数据分析。通过数据分析得到的结果也更加准确。
本发明也可以通过构建标准化数据库来实现永久性数据标准化。在后续数据录入过程中,直接将该数据存储进入标准化数据库即可。标准化数据库的构建方法包括:获取用于标准化构建的数据仓库的每一个标准化表;其中,每一个标准化表中包括M条关于数值的记录以及N条关于类型的记录,所述M、N为大于等于0的整数;将每一所述标准化表对应拆分为一个以所述N个类型为主的事实表以及M个数值表;其中将对应的N条类型数据存储在所述事实表中,并将所述事实表与M个数值表的对应关联关系记录在所述事实表中;将对应的M条数值数据存储在对应的M个数值表中,并生成一个数值的数值ID;将拆分后的且存在笛卡尔乘积的每一所述数值表拆分为对应多个单一数值的数值表;其中,存在笛卡尔乘积的每一所述数值表包括m个数值,则对应拆分为m个单一数值表,每一个单一数值表对应存储一个数值数据,并同时将所述事实表中与存在笛卡尔乘积的所述数值表关联的数值ID对应拆分m个单一数值ID,以对应m个单一数值表;基于生成的所述事实表和数值表的关联关系而构成星形连接网络,从而使数据标准化后的数据仓库为具有星形结构的关系型数据库。
在上一实施例的基础上,所述数据分析单元,对获取到的历史交通运行数据进行数据特征分析,得到每条道路对应的交通数据特征的方法包括:基于历史交通数据构建数据矩阵,将数据矩阵代入数据特征分析模型,得到数据特征值,该数据特征值为每条道路对应的交通数据特征;所述数据矩阵使用如下公式进行表示:
;
其中,车辆通过该道路的平均时间,/>为车辆通过该道路的最长时间,为车辆通过该道路的最短时间;/>车辆通过该道路耗时最长时对应的时段;/>为车辆通过该道路耗时最短对应的时段;/>为车辆通过该道路的平均时长;/>、/>和/>分别为该道路的红灯、绿灯、和黄灯分别在一次灯循环中的时长。
在上一实施例的基础上,所述数据特征分析模型使用如下公式进行表示:
;
其中,为交通数据特征。
具体的,数据特征反应的是该组数据的归一化特征值,通过该特征值其他值比较的结果,可以对对应的道路进行归类。
在上一实施例的基础上,所述数据分析单元,将交通数据特征的差异在设定的第一范围内的道路归为一类,得到多个分类组的方法包括:对两个彼此不同的交通数据特征进行作差运算,得到作差结果,将作差结果与设定的第一范围进行比较,若在设定的第一范围内,则将对应的道路归为一类。
在上一实施例的基础上,所述第一范围的取值范围为:[15~20]。
在上一实施例的基础上,所述管控策略制定单元,在每个分类组中,基于该分类组中的道路的交通数据特征或实时数据特征,制定统一管控策略的方法包括:预设多个控制策略判断值,每个控制策略判断值对应一种交通管控策略,根据交通数据特征或实时数据特征,找到最近接的控制策略判断值,直接调取对应的交通管控策略,作为统一管控策略。
在上一实施例的基础上,所述统一管控策略包括:分类组中的道路的红灯、绿灯和黄灯分别在一次灯循环中的时长。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和***的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (10)
1.基于交通大数据分析的智慧高速管控***,其特征在于,所述***包括:数据获取单元,配置用于获取道路的历史交通运行数据;数据分析单元,配置用于对获取到的历史交通运行数据进行数据特征分析,得到每条道路对应的交通数据特征,将交通数据特征的差异在设定的第一范围内的道路归为一类,得到多个分类组;反馈监督单元,配置用于基于设定的时间间隔,实时获取每个分类组道路中的道路的实时交通运行数据,并基于实时交通运行数据,进行数据特征分析,得到分类组道路中的每条道路的实时数据特征,并将每条道路的实时数据特征分别与分类组中的所有道路的交通数据特征的归一化特征进行差异比较,若差异超过设定的第二范围,则将该道路从当前分类组中剔除,同时将该实时数据特征与其他分类组的交通数据特征的归一化特征进行差异比较,若与其他任一分类组的交通数据特征的归一化特征的差异在设定的第二范围内,则将该道路重新分组到该分类组;若与其他任一分类组的交通数据特征的归一化特征的差异均超过设定的第二范围内,则对该道路重新创建分类组;管控策略制定单元,配置用于在每个分类组中,基于该分类组中的道路的交通数据特征或实时数据特征,制定统一管控策略;分组道路控制单元,配置用于基于每个分类组的统一管控策略,执行对每个分类组中的道路的交通管控。
2.如权利要求1所述的***,其特征在于,所述历史交通运行数据包括:车辆通过该道路的平均时间,车辆通过该道路的最长时间,车辆通过该道路的最短时间;车辆通过该道路耗时最长时对应的时段;车辆通过该道路耗时最短对应的时段;车辆通过该道路的平均时长和该道路的红灯、绿灯、和黄灯分别在一次灯循环中的时长。
3.如权利要求2所述的***,其特征在于,所述数据获取单元获取道路的历史交通运行数据时,还将对获取到的历史交通运行数据进行数据标准化处理,具体包括:为每条道路和其对应的历史交通运行数据建立分析表单,每个分析表单的表单值为道路ID,不同的道路的道路ID彼此各不相同,每个道路ID对应该道路的历史交通运行数据,所述历史交通数据为分析表单中的表单值;再对分析表单中的数据进行数据标准化处理。
4.如权利要求3所述的***,其特征在于,所述对分析表单中的数据进行数据标准化处理的方法包括:获取分析表单,从所述分析表单中提取表单值;获取所述分析表单与标准表之间的第一映射关系,以及所述表单值和所述标准字段之间的第二映射关系;所述标准表中包括了标准字段以及对应标准字段的取值;基于所述第一映射关系和所述第二映射关系,将所述表单值转换为标准字段,并将所述表单值的取值转换成所述标准字段的取值;及利用转换后的多个标准字段生成与所述分析表单对应的标准化表。
5.如权利要求4所述的***,其特征在于,所述数据分析单元,对获取到的历史交通运行数据进行数据特征分析,得到每条道路对应的交通数据特征的方法包括:基于历史交通数据构建数据矩阵,将数据矩阵代入数据特征分析模型,得到数据特征值,该数据特征值为每条道路对应的交通数据特征;所述数据矩阵使用如下公式进行表示:
;
其中,车辆通过该道路的平均时间,/>为车辆通过该道路的最长时间,/>为车辆通过该道路的最短时间;/>车辆通过该道路耗时最长时对应的时段;/>为车辆通过该道路耗时最短对应的时段;/>为车辆通过该道路的平均时长;/>、/>和/>分别为该道路的红灯、绿灯、和黄灯分别在一次灯循环中的时长。
6.如权利要求5所述的***,其特征在于,所述数据特征分析模型使用如下公式进行表示:
;
其中,为交通数据特征。
7.如权利要求5所述的***,其特征在于,所述数据分析单元,将交通数据特征的差异在设定的第一范围内的道路归为一类,得到多个分类组的方法包括:对两个彼此不同的交通数据特征进行作差运算,得到作差结果,将作差结果与设定的第一范围进行比较,若在设定的第一范围内,则将对应的道路归为一类。
8.如权利要求7所述的***,其特征在于,所述第一范围的取值范围为:[15~20]。
9.如权利要求8所述的***,其特征在于,所述管控策略制定单元,在每个分类组中,基于该分类组中的道路的交通数据特征或实时数据特征,制定统一管控策略的方法包括:预设多个控制策略判断值,每个控制策略判断值对应一种交通管控策略,根据交通数据特征或实时数据特征,找到最近接的控制策略判断值,直接调取对应的交通管控策略,作为统一管控策略。
10.如权利要求9所述的***,其特征在于,所述统一管控策略包括:分类组中的道路的红灯、绿灯和黄灯分别在一次灯循环中的时长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310236073.XA CN116524711B (zh) | 2023-03-13 | 2023-03-13 | 基于交通大数据分析的智慧高速管控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310236073.XA CN116524711B (zh) | 2023-03-13 | 2023-03-13 | 基于交通大数据分析的智慧高速管控*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116524711A true CN116524711A (zh) | 2023-08-01 |
CN116524711B CN116524711B (zh) | 2023-09-12 |
Family
ID=87405407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310236073.XA Active CN116524711B (zh) | 2023-03-13 | 2023-03-13 | 基于交通大数据分析的智慧高速管控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116524711B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090022049A (ko) * | 2007-08-29 | 2009-03-04 | 한국전자통신연구원 | 교통정보 제공 장치 및 그 방법 |
JP2010079521A (ja) * | 2008-09-25 | 2010-04-08 | Mitsubishi Electric Corp | 交通統計情報生成装置、車載交通情報処理装置、および、交通情報処理システム |
JP2013143002A (ja) * | 2012-01-11 | 2013-07-22 | Luna Co Ltd | 移動体の運行管理方法及び運行状況管理システム |
CN111489549A (zh) * | 2020-03-11 | 2020-08-04 | 北京交通大学 | 一种基于历史行为画像的出行车辆路径选择方法 |
CN113327421A (zh) * | 2021-06-04 | 2021-08-31 | 河北省交通规划设计院 | 一种基于v2x路网控制方法及*** |
CN113327416A (zh) * | 2021-04-14 | 2021-08-31 | 北京交通大学 | 基于短时交通流预测的城市区域交通信号控制方法 |
CN113961598A (zh) * | 2021-10-25 | 2022-01-21 | 中国科学院沈阳计算技术研究所有限公司 | 一种新型区块链链上数据高速检索模型 |
CN217821842U (zh) * | 2022-07-18 | 2022-11-15 | 山东博安智能科技股份有限公司 | 一种高速车辆在线监测设备 |
CN115440052A (zh) * | 2022-11-09 | 2022-12-06 | 成都工业职业技术学院 | 一种基于大数据的交通流控制方法及装置 |
-
2023
- 2023-03-13 CN CN202310236073.XA patent/CN116524711B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090022049A (ko) * | 2007-08-29 | 2009-03-04 | 한국전자통신연구원 | 교통정보 제공 장치 및 그 방법 |
JP2010079521A (ja) * | 2008-09-25 | 2010-04-08 | Mitsubishi Electric Corp | 交通統計情報生成装置、車載交通情報処理装置、および、交通情報処理システム |
JP2013143002A (ja) * | 2012-01-11 | 2013-07-22 | Luna Co Ltd | 移動体の運行管理方法及び運行状況管理システム |
CN111489549A (zh) * | 2020-03-11 | 2020-08-04 | 北京交通大学 | 一种基于历史行为画像的出行车辆路径选择方法 |
CN113327416A (zh) * | 2021-04-14 | 2021-08-31 | 北京交通大学 | 基于短时交通流预测的城市区域交通信号控制方法 |
CN113327421A (zh) * | 2021-06-04 | 2021-08-31 | 河北省交通规划设计院 | 一种基于v2x路网控制方法及*** |
CN113961598A (zh) * | 2021-10-25 | 2022-01-21 | 中国科学院沈阳计算技术研究所有限公司 | 一种新型区块链链上数据高速检索模型 |
CN217821842U (zh) * | 2022-07-18 | 2022-11-15 | 山东博安智能科技股份有限公司 | 一种高速车辆在线监测设备 |
CN115440052A (zh) * | 2022-11-09 | 2022-12-06 | 成都工业职业技术学院 | 一种基于大数据的交通流控制方法及装置 |
Non-Patent Citations (1)
Title |
---|
朱信宇;许景蕊;: "基于交通大数据的智慧交通信号控制***框架设计", 科学中国人, no. 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN116524711B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191872B (zh) | 一种基于号牌数据的路***通流特征参数提取方法 | |
CN107798876B (zh) | 基于事件的道路交通异常拥堵判断方法 | |
CN110111592B (zh) | 基于交通信号控制机动态匹配最优信号配时方案的方法 | |
CN108682149B (zh) | 基于二项Logistic回归的公路事故黑点路段线形致因分析方法 | |
CN102289933B (zh) | 一种城市快速路交通事件影响空间范围等级预测方法 | |
CN108597219B (zh) | 一种基于机器视觉的路段行人过街控制方法 | |
CN111951549A (zh) | 在网联车辆环境下的自适应交通信号灯控制方法及*** | |
CN104835344A (zh) | 交通路口信息发布终端 | |
CN205665896U (zh) | 一种交叉路口信号灯状态识别装置 | |
CN110266528A (zh) | 基于机器学习的车联网通信的流量预测方法 | |
CN116189436B (zh) | 一种基于大数据的多源数据融合算法 | |
CN106257555A (zh) | 一种基于led路灯的智能红绿灯*** | |
CN108510733A (zh) | 一种跨界数据深度融合解决公路交通拥堵的管控*** | |
CN112509328A (zh) | 一种交叉口右转机动车与电动自行车冲突行为分析方法 | |
CN115527382A (zh) | 一种基于智能多目标优化算法的交通控制方法 | |
CN101075377A (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN104966404A (zh) | 一种基于阵列雷达的单点自优化信号控制方法及装置 | |
CN116524711B (zh) | 基于交通大数据分析的智慧高速管控*** | |
CN109272760B (zh) | 一种scats***检测器数据异常值的在线检测方法 | |
CN112216106A (zh) | 基于bim技术的智能交通管理*** | |
CN109345825B (zh) | 车路协同环境下信号交叉口单向交通流控制***及方法 | |
CN116935643A (zh) | 交通管理方法、装置、设备及存储介质 | |
Marukatat | Structure-based rule selection framework for association rule mining of traffic accident data | |
CN214704951U (zh) | 基于vmd-lstm自动调节时长的智慧信号灯 | |
CN114387778B (zh) | 一种城市快速路拥堵原因分析的方法 |
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 |