CN117037485A - 一种智慧高速公路主动交通流控制方法及*** - Google Patents
一种智慧高速公路主动交通流控制方法及*** Download PDFInfo
- Publication number
- CN117037485A CN117037485A CN202310997158.XA CN202310997158A CN117037485A CN 117037485 A CN117037485 A CN 117037485A CN 202310997158 A CN202310997158 A CN 202310997158A CN 117037485 A CN117037485 A CN 117037485A
- Authority
- CN
- China
- Prior art keywords
- traffic
- road
- control
- information
- event
- 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 35
- 238000005516 engineering process Methods 0.000 claims description 43
- 238000011144 upstream manufacturing Methods 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 206010039203 Road traffic accident Diseases 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000008520 organization Effects 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000002787 reinforcement Effects 0.000 claims description 4
- 241001465754 Metazoa Species 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 17
- 238000009826 distribution Methods 0.000 description 17
- 238000011217 control strategy Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 241000351238 Alinea Species 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/075—Ramp control
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智慧高速公路主动交通流控制方法及***,涉及智慧高速公路的主动控制技术领域,包括数据层、平台层和应用层,本发明包括数据层、平台层和应用层,数据层通过道路状态感知设备、气象站、能见度仪等融合多元数据并进行处理,平台层结合基础算法和服务平台提供数据,应用层则根据实时交通流状态,通过可变限速控制技术、单点匝道控制技术、实时交通状态预测技术、匝道协同控制技术、匝道主线协同控制技术和多策略与全线时空协同控制技术生成主动交通流控制方案,再基于控制设施发布控制信息,本发明能够对实时交通流进行监测,对道路进行主动管控,达到降低道路事故风险和提升通行效率的目的。
Description
技术领域
本发明涉及智慧高速公路的主动控制技术领域,具体是一种智慧高速公路主动交通流控制方法及***。
背景技术
随着我国城镇化、机动化进程的不断加快,道路交通量迅猛增长,我国各个地区和城市进行了大规模快速道路(包含高速公路及城市快速路)的建设,目前我国快速道路总里程位居世界首位,但在交通管理方面还很欠缺,尤其是国外已经应用多年并已充分证实效果的智能交通控制技术在我国快速道路上应用极少,对快速道路交通拥堵和安全的主动干预严重不足。目前中国交通行业正面临从传统能力建设为主向效能提升为主的转型和升级。大规模城市道路交通基础设施建设已经逐渐放缓且趋于饱和,精细化交通管理和精准化交通调控是未来交通科技发展的方向。
道路交通管控的实质是对行驶车辆的驾驶行为进行引导和控制,通过交通流状态分析和预测,采用合理的管控方法改变交通流的输入输出和运行状态,使交通流状态尽可能地向期望状态变化。通过适当的道路交通管控,可以在拥堵时将瓶颈区的运行容量保持在最大通行能力附近,从而保证交通流稳定性,实现现有交通基础设施性能最大化,提升通行效率、保障交通安全、降低污染物排放。相关研究表明:采用先进的交通管控技术,发展智能交通***(Intelligent Transportation System,ITS)有助于缓解交通拥堵、减少额外燃油消耗和污染排放、提高道路通行能力和交通流效率。
2018年2月27日,交通部印发了《交通运输部办公厅关于加快推进新一代国家交通控制网和智慧公路试点的通知》,开启了新一代国家控制网和智慧公路示范工程,重点围绕基础设施数字化,路运一体化车路协同,基于大数据路网综合管理以及“互联网+”路网综合服务等开展试点应用。目前,我国高速公路出行主要面临的两大痛点是安全和拥堵,其主要原因是采集数据精度低、数据价值挖掘不彻底、缺乏实时状态风险评估、多平台协调控制不足、管理控制手段单一,采用主动式高速公路交通流控制***,可以充分利用高速公路车流信息,进行实时交通状态预测和风险评估,打造“智慧高速”,从全局的角度协同、调度、保障交通平稳安全运行。主动式交通流控制***主要包含了可变限速控制、车道动态管理和匝道流量控制等功能。主动式交通流控制***已在英国、美国、荷兰、澳大利亚等国家和地区得到应用,数十年的工程实践经验表明,主动交通流控制***能有效缓解拥堵、提升行车安全。
发明内容
本发明的目的在于提供一种智慧高速公路主动交通流控制方法及***,以解决上述背景技术中提出的目前我国高速公路数据采集精度低、数据价值挖掘不彻底、缺乏实时状态风险评估、多平台协调控制不足、管理控制手段单一的问题。
为实现上述目的,本发明提供如下技术方案:
一种智慧高速公路主动交通流控制***,包括数据层、平台层和应用层,所述数据层包括数据处理和感知设备,所述平台层包括基础算法和平台能力,所述应用层包括信息发布、应用场景和关键技术,所述数据处理包括数据清洗、数据安全、数据存储、数据检验、数据搜索和数据融合,所述感知设备包括毫米波雷达、气象站、能见度仪、路面状态检测仪、视频摄像机和事件检测仪,毫米波雷达是工作在毫米波波段的雷达,通常安装于路中或路侧,通过对道路上车辆的跟踪实现各车道上流量、速度、占有率等交通流数据的统计,毫米波雷达所采集的交通流数据的周期通常为30秒,气象观测站通过其所装配的各类气象传感器,可以对所在区域降雨量、风力、气温等进行检测,能见度仪可对道路能见度进行实时检测,能迅速发现道路能见度异常区域,为实现对高速公路团雾等恶劣天气的检测,能见度仪在高速公路上的分布应较为稠密,由于高速公路一般情况下大部分区域拥有相似的气象条件,所以气象观测站在高速公路上的分布可以较为稀疏,所述基础算法包括贝叶斯条件Logit、深度学***台能力包括API服务、分布式数据服务总线、分布式高速缓存、并行计算和微服务,所述信息发布包括发布信息和控制设施,所述应用场景包括常态化交通流运行场景、道路常发及计划性事件场景和道路突发事件场景,所述关键技术包括单点匝道控制技术、多策略协同控制、实时交通状态预测、主线可变限速控制、匝道主线协同控制和全线时空协同控制。
作为本发明进一步的方案:所述发布信息包括道路交通风险、交通信息提示、交通态势和分车道限速。
作为本发明再进一步的方案:所述控制设施包括悬臂屏、条形屏、分块屏和RSU(车路协同路侧单元),分块屏由对应各行车道及应急车道的信息情报板组成,每车道上方由单块显示屏组成,单块显示面积不低于1.2m(高)×1.2m(宽),分块屏可显示两部分内容,分左右两部分,根据控制策略,左侧可显示速度、禁止通行、换道等信息,右侧可显示拥堵、事故、慢行车辆等信息;
条形屏位于车道上方,由一整条显示屏组成,可用于显示道路提示信息,或各车道单独的限速信息;
RSU(车路协同路侧单元)应用于车路协同场景,通常安装于路侧,通过C-V2X技术与车载单元(OBU,On Board Unit)进行通讯,通过对OBU下发速度引导信息可实现精细化的可变限速管理。
作为本发明再进一步的方案:所述常态化交通流运行场景包括上下游速度差异过大、货车占比过高、分车道速度差异过大、特种车辆行驶和大交通流量场景。
作为本发明再进一步的方案:所述道路常发及计划性事件场景包括道路养护施工、节假日异常拥堵、单向或双向交通中断、重点路段拥堵和连接线拥堵场景。
作为本发明再进一步的方案:所述道路突发事件场景包括不良天气、行人及动物穿越、道路抛洒物与障碍物和交通事故。
一种智慧高速公路主动交通流控制方法,所述方法如下;
S1、数据获取,数据获取包括两部分,一部分是交通流数据,即全线各控制单元各车道的交通流速度、流量和密度,并且包括当前各控制单元情报板上显示内容;另一部分是交通事件集中包含的不同类型的交通事件,各事件有不同的上报时间、事件等级、纵向影响范围(占用的控制单元)和横向影响范围(占用车道数);
S2、一级组织方案,以数据获取内容为基础,根据主动控制***事件种类,确定特定事件场景下的交通组织方案,包括事件策略影响范围、最低限速值、车道管理情况、以及相应新发布内容,作为限制条件;
S3、二级控制方案,根据事件优先级、各事件最低限速值、事件等级等限制条件,对事件集内的所有事件进行综合计算,获得多事件融合后的控制单元限速值、匝道流量控制率、交通信息发布内容等综合控制方案;
S4、三级协同方案,在综合控制方案的基础上,对高速全线实施时间、空间协同,包括限速值的时空协同、车道限制的空间协同和信息发布优先级协同等协同方法。
作为本发明再进一步的方案:所述S4中限速值的时间、空间协同包括上下游速度限制平滑、前后周期速度限制平滑和相邻车道之间速度差平滑,车道限制的空间协同包括应急车道设置空间协同、货车禁限空间协同和车道关闭空间协同,信息发布内容主要包括日常养护运维信息,灾害气候类事件场景信息,交通事故或违法占道信息,货车专用道开闭信息,应急车道开闭信息,交通事故风险预警信息,交通拥堵提示信息。
与现有技术相比,本发明的有益效果是:
本发明包括数据层、平台层和应用层,数据层通过道路状态感知设备、气象站、能见度仪等融合多元数据并进行处理,平台层结合基础算法和服务平台提供数据,应用层则根据实时交通流状态,通过可变限速控制技术、单点匝道控制技术、实时交通状态预测技术、匝道协同控制技术、匝道主线协同控制技术和多策略与全线时空协同控制技术生成主动交通流控制方案,再基于控制设施发布控制信息,本发明能够对实时交通流进行监测,对道路进行主动管控,达到降低道路事故风险和提升通行效率的目的。
附图说明
图1为本发明***架构图。
图2为本发明控制策略实施的层级架构图。
图3为本发明三级联动控制区示意图。
图4为本发明车道关闭提示流程图。
图5为本发明不良天气下信息流程发布图。
图6为本发明交通事故发生后信息发布流程图。
图7为本发明道路抛洒物信息流程发布图。
图8为本发明道路施工信息发布流程图。
图9为本发明道路拥挤信息发布流程图。
图10为本发明多目标可变限速控制示意图。
图11为本发明多目标可变限速控制流程图。
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。
请参阅图1,本发明实施例中,一种智慧高速公路主动交通流控制***,包括数据层、平台层和应用层,数据层包括数据处理和感知设备,平台层包括基础算法和平台能力,应用层包括信息发布、应用场景和关键技术,数据处理包括数据清洗、数据安全、数据存储、数据检验、数据搜索和数据融合,感知设备包括毫米波雷达、气象站、能见度仪、路面状态检测仪、视频摄像机和事件检测仪,毫米波雷达是工作在毫米波波段的雷达,通常安装于路中或路侧,通过对道路上车辆的跟踪实现各车道上流量、速度、占有率等交通流数据的统计,毫米波雷达所采集的交通流数据的周期通常为30秒,气象观测站通过其所装配的各类气象传感器,可以对所在区域降雨量、风力、气温等进行检测,能见度仪可对道路能见度进行实时检测,能迅速发现道路能见度异常区域,为实现对高速公路团雾等恶劣天气的检测,能见度仪在高速公路上的分布应较为稠密,由于高速公路一般情况下大部分区域拥有相似的气象条件,所以气象观测站在高速公路上的分布可以较为稀疏,基础算法包括贝叶斯条件Logit、深度学***台能力包括API服务、分布式数据服务总线、分布式高速缓存、并行计算和微服务;
信息发布包括发布信息和控制设施,发布信息包括道路交通风险、交通信息提示、交通态势和分车道限速,控制设施包括悬臂屏、条形屏、分块屏和RSU(车路协同路侧单元),分块屏由对应各行车道及应急车道的信息情报板组成,每车道上方由单块显示屏组成,单块显示面积不低于1.2m(高)×1.2m(宽),分块屏可显示两部分内容,分左右两部分,根据控制策略,左侧可显示速度、禁止通行、换道等信息,右侧可显示拥堵、事故、慢行车辆等信息,条形屏位于车道上方,由一整条显示屏组成,可用于显示道路提示信息,或各车道单独的限速信息,RSU(车路协同路侧单元)应用于车路协同场景,通常安装于路侧,通过C-V2X技术与车载单元(OBU,On Board Unit)进行通讯,通过对OBU下发速度引导信息可实现精细化的可变限速管理;
应用场景包括常态化交通流运行场景、道路常发及计划性事件场景和道路突发事件场景,常态化交通流运行场景包括上下游速度差异过大、货车占比过高、分车道速度差异过大、特种车辆行驶和大交通流量场景,道路常发及计划性事件场景包括道路养护施工、节假日异常拥堵、单向或双向交通中断、重点路段拥堵和连接线拥堵场景,道路突发事件场景包括不良天气、行人及动物穿越、道路抛洒物与障碍物和交通事故;
关键技术包括单点匝道控制技术、多策略协同控制、实时交通状态预测、主线可变限速控制、匝道主线协同控制和全线时空协同控制;
1.可变限速控制技术
可变限速控制技术(Variable Speed Limits)通过先进的交通流和环境特征参数自动检测技术,对变化中的道路交通环境特征做出实时反应,基于实时数据对当前交通流运行状态进行主动判别,基于一定控制策略由计算机自动调整当前限速值,并通过信息实时发布技术发布给道路使用者,与传统静态限速方法相比,可变限速控制技术不依赖于某一固定限速值,其核心思想为通过改变限速值对快速道路交通流运行进行主动干预,从而实现改善交通流运行、减小车速离散、缓解交通拥堵、提升行车安全等目的,其本质是一种动态限速方法。
2.单点匝道控制技术
单点匝道控制技术是以高速公路主路当前的交通状态为控制条件,运用优化技术、自动化控制理论、模糊控制和神经网络控制等技术确定入口匝道处的实际流率,并通过匝道限速或匝道信号灯的方式实现对匝道通行流率的管控,其基本目的是解决匝道局部处的交通拥挤,控制范围为某一处匝道,利用匝道及其相邻路段的实时检测或预测数据代替历史数据作为控制决策的基础。
3.实时交通状态预测技术
交通状态预测是智能交通***的基本组成部分,依据各种检测设备得到的交通数据,并结合历史交通数据及其他影响因素,从带有随机性和不确定性的交通状态变化中,建立预测方法和模型,找出其中的规律,对未来的交通状态进行预测,是一个典型的交通网络时间序列的回归问题。其关键在于如何针对特征数据的随机性与不确定性,并且同时结合时空相关性选择设计更为合适的模型算法,达到预测结果高精度小误差的目的。
4.匝道协同控制技术
匝道协同控制技术是在匝道局部优化控制的基础上,以瓶颈处的流量控制为目标,结合历史交通需求及交通拥挤影响范围在静态协调区域实现小范围多匝道内部协调控制。匝道协调控制主要是以***整体性能最优为目的,以***总的入匝流量最大或***车辆总的行程时间最小或总延误最小为性能指标,将各入口匝道调节率为控制变量,以通行能力为约束条件进行优化控制。
5.匝道主线协同控制技术
匝道主线协同控制技术是在瓶颈路段同时考虑主线可变限速控制和匝道控制的联动闭环反馈控制,可变限速控制和匝道控制是缓解合流区拥堵常用的控制方法。可变限速控制是通过对合流瓶颈区上游行驶速度的限制,减少汇入合流区的车流量;匝道控制则是采用匝道调节率对入口匝道上汇入主线车辆数进行控制,两种方法都是通过减少单位时间汇入主线合流瓶颈区的车辆数来避免或缓解合流区拥堵,但可变限速控制下入口匝道车辆汇入主线不受限制,根据合流区的交通状态求解限速值,一定程度上通过牺牲主线车辆的通行权来保证匝道车辆的通行权;匝道控制则相反,通过牺牲匝道车辆的通行权来保证主线车辆的通行权。而采用两者协调控制的方法可有效避免通行权的偏移问题,防止主线或者匝道上车辆排队上溯。
6.多策略与全线时空协同控制技术
在车道化主动控制***的实际应用中,往往需要根据多类型多场景的事件生成对应的控制策略。但在同一时刻,在不同的事件策略同时存在的情况下,可变信息情报板上只能显示唯一策略。且不同事件的影响范围不同,全线的统一策略需要根据各事件的时空范围进行动态调整。为满足上述需求,提出多策略与全线时空协同控制技术。多策略协同控制技术即在多事件场景下,根据事件优先级和事件限速等约束条件,对各可变信息情报板上的策略显示内容进行优化处理,而全线时空协同控制技术是对于全线可变信息情报板,在时间和空间两个维度设置动态限速调整阈值、相邻路段限速差阈值、相邻车道限速差阈值等约束条件,动态优化全线策略的显示内容。
请参阅图2,一种智慧高速公路主动交通流控制方法,方法如下;
S1、数据获取,数据获取包括两部分,一部分是交通流数据,即全线各控制单元各车道的交通流速度、流量和密度,并且包括当前各控制单元情报板上显示内容;另一部分是交通事件集中包含的不同类型的交通事件,各事件有不同的上报时间、事件等级、纵向影响范围(占用的控制单元)和横向影响范围(占用车道数);
S2、一级组织方案,以数据获取内容为基础,根据主动控制***事件种类,确定特定事件场景下的交通组织方案,包括事件策略影响范围、最低限速值、车道管理情况、以及相应新发布内容,作为限制条件,具体而言,如图3所示的四车道高速公路最外侧两车道因发生事故采取车道关闭措施,由该事故生成的交通组织方案需要同时关闭与主线相连的上匝道,并在上游发布提前向内侧换道的提示信息。为保证车道开闭的连续性,需要同时关闭事故位置下游的最外侧车道;
S3、二级控制方案,根据事件优先级、各事件最低限速值、事件等级等限制条件,对事件集内的所有事件进行综合计算,获得多事件融合后的控制单元限速值、匝道流量控制率、交通信息发布内容等综合控制方案,具体而言,在图3所示的控制区中,需要根据前方事故等级确定通过事故区域的最终限速值,并在其上游区域设置渐变的限速控制,使得车辆在控制区内首先减速至预警限速,避免在事故区域上游产生突然减速现象;
S4、三级协同方案,在综合控制方案的基础上,对高速全线实施时间、空间协同,包括限速值的时空协同、车道限制的空间协同和信息发布优先级协同等协同方法,限速值的时间、空间协同包括上下游速度限制平滑、前后周期速度限制平滑和相邻车道之间速度差平滑,车道限制的空间协同包括应急车道设置空间协同、货车禁限空间协同和车道关闭空间协同,信息发布内容主要包括日常养护运维信息,灾害气候类事件场景信息,交通事故或违法占道信息,货车专用道开闭信息,应急车道开闭信息,交通事故风险预警信息,交通拥堵提示信息,具体而言,在图3所示的协同区中,需要根据控制区的限速对协同区内的限速值进行平滑处理,并通过设置限速控制协同区上游上匝道与最外侧车道进入协同区的交通量,以适应下游控制区的限速。
动态交通控制的实现依赖于道路硬件和***软件的协同。道路硬件可分为道路状态感知设备和交通控制设备。***软件根据其具体功能可分为大数据平台、主动控制***。
1.***软硬件
道路硬件设备介绍如下:
(1)道路状态感知设备
道路状态感知设备是实现道路上交通流状态(如车道流量、车辆平均速度、车道占有率等)和天气状况(如气温、降雨量、能见度等)采集的硬件基础,是实现主动交通控制重要的数据来源,主要包括的硬件有毫米波雷达、气象观测站和能见度仪。
(2)交通控制设备
交通控制设备是实现对道路上车辆控制的硬件基础。主要有悬臂式显示屏(以下简称悬臂屏)、门架式分车道显示屏(以下简称分车道屏)、门架式条形显示屏(以下简称条形屏)和车路协同路侧单元(Road Side Unit,RSU)。
***软件介绍如下:
(1)数据平台
大数据平台负责对高速公路中感知设备产生的海量数据进行分布式存储、质量检验、数据清洗和数据安全管理,同时提供基础大数据算法可实现对交通数据的分析、融合和挖掘。
(2)控制软件
控制软件采用前后端分离结构和微服务架构,以分布式数据服务总线和分布式高速缓存为支撑,采取并行计算模式,提供各类API服务,前端通过人机交互,可获取道路各个路段实时的交通流量、占有率等信息,并结合态势评估和风险预测等后台算法可实时显示道路各路段的未来的交通状态和道路风险,对于需重点关注区域可通过点击摄像头图标获取相应位置道路视频画面,后端以各类关键算法为核心,以并行计算为支撑,构建起各类事件的控制策略模块。
主动控制***基于道路交通态势、交通风险和交通事件数据,匹配道路交通事件场景,以安全和高效为目标,应用前沿的机器学习、深度强化学习和模型预测控制等理论方法,以相关国家与地方标准为依据,结合交通流基础理论,面向交通事件场景,自动形成车道精细化控制策略。
2.控制条件
在出现下列情况时,主动控制***对高速公路进行主动交通流控制。
(1)交通流异常
基于车道级交通流统计数据,对交通态势评估,分析全线路段实时交通流状态。当某区域出现交通流紊乱、交通流量过大、各车道间平均速度差异过大或上下游道路平均速度差异过大时,进行动态交通控制,交通流异常的检测核心在于道路交通运行状态辨识研究。
通过布设在高速公路上有限的交通状态检测器所获取的实时交通流状态特征数据,应用交通流动力学模型对未被检测器覆盖的路段交通流状态特征进行估计,同时基于交通流***自身的动态特性,通过道路网内少量的状态监测而获得对全路网范围内交通流状态特征的估计,准确获取道路网络内交通流的实时状态特征。
(2)环境异常
当雨、雪、雾、冰等气象条件异常,道路受损、结构损坏等基础设施健康状态异常,或者护栏损坏等交通设施异常时,根据道路运行环境异常程度,进行动态交通控制。
不良天气下如能见度低、路面湿滑,可能导致交通运行缓慢且不稳定。***需根据实时采集的气象数据,结合国家相关标准,确定与气象条件匹配的限速值,并通过信息实时发布技术发布给道路使用者。其中具体的气象条件主要包括雾、风、雪、道路结冰、结冰预警、强降雨等情况。道路结构损坏等检测依赖于道路中所布设的结构传感器,结合道路设备全生命周期管理***,对影响行车安全的道路结构进行重点监测。
(3)交通事件发生
利用交通雷达、事件检测仪等对全线的交通事故、异常停车等事件进行检测,实时获取突发***通事件的详细信息,车道化主动控制***即时响应。掌握道路养护施工等计划性事件,基于事件发生时间与地点,动态交通控制***定时响应。面向事件的控制,关键点在于交通事件自动检测。
交通事件自动检测对大幅度降低由事件引起的延误、拥挤和事故,提高交通安全和道路服务水平具有极为重要的意义。采用统计方法、基于交通流模型算法、判别分析算法、基于数据挖掘的方法等一系列检测算法,根据实际观测数据与模型预测结果进行对比,以此判断并检测交通事件。
(4)安全风险升高
以动态交通流数据、交通流异常、环境异常、交通事件为基础,基于交通安全风险预测,实现全路段实时道路交通风险等级的动态判别和未来风险值的预测。对于当前风险过高和未来可能存在安全风险的区域,进行动态交通控制,提升高速公路安全运营水平。
风险预测主要包括三个指标:所有相邻车道速度差风险、所有相邻路段速度差风险以及路段实时风险。1)所有相邻车道速度差风险。针对每个路段,取最近的一组上下游雷达数据,提取交通流数据中当前时间前5-10分钟的每个车道的平均速度作为算法输入。根据每个车道的平均速度,计算相邻车道的速度差。根据提前设定的相邻车道速度差阈值对风险进行分级,将速度差转化为5个等级的风险指数,输出所有相邻车道速度差风险等级。2)所有相邻路段速度差风险。针对每个路段以及其相邻的上游路段,取最近的一组上下游雷达数据,提取交通流数据中当前时间前5-10分钟的上下游平均速度作为算法输入。根据相邻路段的平均速度,计算相邻路段的速度差,根据提前设定的相邻路段速度差风险分级,将速度差转化为5个等级的风险指数,输出所有相邻路段速度差风险。3)路段实时风险。针对每个路段,取最近的一组上下游雷达数据,提取交通流数据中当前时间前5-10分钟的上游平均速度、下游平均速度、上游平均流量、下游平均流量、上游平均占有率、下游平均占有率、上游速度标准差、下游速度标准差、上游流量标准差、下游流量标准差、上游占有率标准差、下游占有率标准差、上下游速度差、相邻车道速度差等交通流基础数据,作为算法输入,将交通流数据代入事故风险模型,计算每个路段的事故概率。根据提前设定的路段风险分级,将事故概率转化5个等级的风险指数,输出路段实时风险。
3.三级联动控制
控制策略实施过程中,遵循“一级组织、二级控制、三级协同”的多策略协同耦合控制的层级架构,将单一交通事件触发后生成的控制策略融合至全线控制策略中,使得全线形成统一、顺畅的控制。
4.控制技术
(1)可变限速控制
1)可变限速控制***组成
可变限速控制***通过交通流检测器、气象传感器、路面情况传感器等自动检测装置,提供实时的车辆速度、车头时距、交通组成等交通流特征参数,能见度、降雨量、降雪量、道路冰厚、风速风向等气象环境特征参数,并在这些信息的基础上,通过速度限值优化模型,由计算机确定最优的速度限值,并通过信息实时发布技术发布给道路情报板。它向驾驶员提供一个更加可信的速度限制,可以提高驾驶员对速度限制的遵从率。
高速公路可变限速控制***是实时采集外部信息并实时发布的***,由环境感知、事件判别、控制策略生成、信息发布这四个子***构成,环境感知***分为交通流检测和气象检测两种***,交通流检测子***由若干交通流检测设备组成,包括毫米波雷达、视频摄像头、视频事件检测仪等,根据道路实际情况设置在不同位置的交通流检测器按照预先设定的上报周期向中心服务器上报上一个周期内的交通流数据,气象检测子***由若干气象检测设备如气象站、能见度仪、路面传感器等组成,定时向中心服务器上报上一个周期内的气象、能见度和道路状态等数据,事件判别***根据交通流状态、气象环境数据和交通事件检测数据,运用各类交通事件场景判别算法,生成对应的交通事件和事件等级。控制策略生成***基于事件判别***所生成的交通事件和事件等级,结合实时道路交通状态,根据道路情报板的桩号位置和类型等基础信息,运用三级协同控制算法,生成道路情报板所应显示的提示信息和目标限速值,信息发布***由道路上给类型的情报板组成,信息发布***根据每块情报的目标限速值,结合道路情报板当前显示的信息,以平滑渐变的方法,向道路情报板以固定的时间间隔发送情报板限速值,以最终达到目标限速值。
2)可变限速控制***结构
可变限速***根据每个模块的具体功能可分为信息采集层、数据传输层、可变限速控制层和信息发布层,气象检测子***和交通流检测子***构成了可变限速***的信息采集层,信息采集层是其他所有子***的基础,信息采集层必须准确、可靠,能实时灵敏的反映道路基本情况,数据传输层接收信息采集层的数据并将限速值发布至信息发布层,提供了数据传输的桥梁,数据采集层可以采用光缆或无线通信的方式,可变限速控制层是整个可变限速控制技术的核心,该层可以分为两个层面:交通事件判别和控制策略生成,交通事件判别生成对应的交通事件和事件等级,基于该数据由控制策略生成模块生成对应的道路提示信息和道路限速值,信息发布层是整个***的终端,在道路上发布最终限速值,限速信息的发布必须配合相应执法手段,适用于不同的限速控制目标。
(1)信息采集层:信息采集层的功能是通过布设在高速公路沿线的各类检测设备,获得准确、实时的道路交通流运行状态以及天气条件,可变限速控制技术的优越性在于该技术能够反映实时的交通运行环境及运行情况,并进行动态的限速调节,因此信息采集层是实施可变限速控制的基础,目前已实施可变限速控制的高速公路多采用毫米波雷达和视频检测器进行交通流参数的采集;气象监测站以及能见度检测仪用于监测路段实时天气条件,需检测的交通流参数包括速度、流量、密度、占有率及车头时距等,环境天气数据包括降雨量、风速、风向、能见度及路面结冰情况等,信息采集层的关键在于检测到的交通流参数及天气数据的准确度,以及是否对交通流、天气的变化反应灵敏。
(2)数据传输层:数据传输层的功能是对信息采集层各硬件设施所采集到的信息进行数据整理,并通过传输硬件设施将数据传送到计算机数据库中,为路侧信息采集设施及控制中心之间提供了信息交互的途径,起到了沟通桥梁的作用,目前数据传输层多利用高速公路环路载波***的光缆进行数据信息的通信,数据传输层应根据具体需求提供与硬件兼容的接口,或传输前对采集数据进行相应的转换以减少传输信息量。
(3)可变限速控制层:可变限速控制层的功能即根据控制机理对实时交通流参数、天气数据进行分析,制定可变限速值的调控方式,是整个可变限速控制技术的核心,该层可以分为两个层面:交通事件判别和控制策略生成,交通事件判别依据感知到的道路交通数据和天气数据,生成对应的交通事件和事件等级,控制策略生成模块基于交通事件数据生成对应的道路提示信息和道路限速值。
(4)信息发布层:信息发布层的功能即将可变限速控制层制定的控制命令通过可变限速板发布给驾驶员,是整个可变限速控制***的终端,通过高速公路光缆***将控制中心的可变限速控制指令传输到本地控制柜中,通过门架上的条形屏或者分块屏进行提示信息和限速值的发布。
(2)动态车道管控技术
主要包括车道关闭提示算法,其中步骤包括:第一步:获取事件信息(如是否有事故发生以及事故发生地点,是否有施工路段和施工路段长度),第二步:判断是否需要关闭车道。第三步:如果需要关闭车道,则在事件发生地点或者施工路段上游1km处,在所需关闭的车道上方的可变情报板显示:该车道关闭,请提前变道。如果不需要关闭车道,则在该车道上游的可变情报板显示:所有车道均可通行,流程图如图4所示。
(3)交汇瓶颈路段控制技术
针对匝道存在的常发性拥堵问题,采用Alinea控制方法进行匝道单点控制。它具有良好的算法稳定性,操作容易,能够有效保持交通流的稳定高效。它的控制方法如式所示:
其中rk和rk-1分别是第k和k-1个周期匝道控制率,辆/h;kr为调整率参数,辆/h;为主线下游交通量达到通行能力时对应的占有率临界值;Ok-1为第k-1个周期下游实时占有率。
但是传统的Alinea算法没有考虑匝道排队长度溢出对于关联交叉口的影响。为了解决该问题,过往研究中有学者引入经典排队约束条件来限制rk的范围:
max[dk-1-(lmax-lk)/T,Rmin]≤rk≤min(Rmax,dk-1+lk/T)
其中,dk-1为第k-1个周期匝道车辆的到达率,辆/h;lmax为允许排队的最大长度;lk为第k个周期的排队长度;T为信号周期长度;Rmax和Rmin分别为单车匝道流量的上下限。
但是引入了排队约束的Alinea方法依旧存在以下问题:
(1)忽略匝道车辆汇入主线时对于可***间隙的要求,明显不符合实际;
(2)当排队长度过大时,将匝道控制率调整到最大值,虽然能够有效消散匝道排队,但是忽略了其对主线交通的巨大影响。
因此,本节提出了一种改进的Alinea入口匝道控制方法,在保留传统Alinea方法的诸多优势的同时,解决上述提出的问题。
首先,对匝道的排队长度进行分级,默认0~0.6lmax为三级情况,0.6lmax~0.9lmax为二级情况,大于0.9lmax为一级情况。
对于三级情况,考虑匝道车流汇入主线的可***间隙对Alinea的临界占有率进行标定,以保障匝道控制的真实有效性:
其中,rk,max为第k个周期最大控制率,辆/h;qk,gap为第k个周期主线最大控制交通量,辆/h;Ok,gap为第k个周期qk,gap对应的主线控制占有率临界值。
对于二级情况,匝道排队长度逐渐增加,为了避免大幅度增加匝道控制率对主线车流产生巨大影响,本文提出逐步增大控制率的排队控制模型:
其中,为排队长度临界值;kq为排队控制调节率。/>
在此基础上,综合考虑可***间隙的影响,提出考虑排队的Alinea模型:
max[dk-1-(lmax-lk)/T,Rmin]≤rk≤min(Rmax,dk-1+lk/T)
其中α为权重系数;Rmax和Rmin按经验取为900辆/h和180辆/h。
通过调节α取值,可以达到逐步加大控制率,稳定缓和地疏散匝道排队的目的。
对于一级情况,取rk为rk,max,以快速消散匝道排队。
(4)实时信息发布技术
不良天气下的信息提示:不良天气是导致高速公路交通事故、道路拥挤和路产损坏的主要原因,因此,及时准确地采集气象信息,科学正确地分析判断和快速有效地下达交通控制指令,是减少事故、保障畅通、保护路产、提高道路运营效率的必要措施,当出现不良天气时,通常受影响范围都很大,对交通的影响涉及到局部或整个路网,受影响范围内的局部或整个路网内的交通流必须被分流或诱导,使得路网内的交通更为有序、安全。信息发布流程图如图5所示。
事故发生后的信息提示:交通事故信息是一种典型的动态交通信息,其发布策略可采用瞬时状态发布策略和预测状态发布策略,瞬时状态发布策略可以通过交通监测***实时监测,利用交通参数值的简单判据或直观图像信息及时发布信息;预测交通状态发布策略往往通过若干预测模型来估计突发事件影响时间及交通拥挤持续时间来决定该信息是否发布。信息发布流程图如图6所示。
道路抛物的信息提示:抛洒物出现具有不可预见性,特别是货物洒落的情况,驾驶人明知可能会引发交通事故,但一般不会主动选择报警,而是自行处理,另外,由于受当前监控技术条件的限制,很难通过监控视频巡查发现,特别是在夜间、雨天等特殊条件下,发现抛洒物是极其困难的,而依靠人工巡查这种传统方式,不仅发现的量有限,而且效率也不高。抛洒事件发生后,需要第一时间做好安全预警,提示后方驾驶人避让,信息发布流程图如图7所示。
道路施工的信息提示:施工区域交通安全就是为了保证高速公路在施工期间正常通行和施工人员的人身安全,保证施工人员和驾驶员处在安全保护状态,因此,可以采取交通分流,如路网分流,便道分流和设置交通行为管制如设置警示标志、限速标志等方法来保障高速公路在施工期间的正常通行以及在高速公路正常通行期间施工人员的人身安全,此外,还要根据施工作业类型来设置专门的安全保护措施,以降低交通事故发生的风险,信息发布流程图如图8所示。
道路拥挤的信息提示:交通拥挤可分为常发***通拥挤和偶发***通拥挤。常发***通拥挤是指交通需求大于道路上固定瓶颈处的通行能力时发生的交通拥挤现象,通常用来描述在某些特定位置和某些特定时间反复出现的交通拥挤;而偶发***通拥挤是指交通需求大于道路上临时瓶颈处通行能力时产生的交通拥挤现象,用来描述由诸如事故、特殊天气等突发交通事件造成的道路实际通行能力下降而引起的交通拥挤,因此需要通过情报板对道路拥挤信息进行推送,提示驾驶员谨慎驾驶。流程图如图9所示。
(5)基于基础设施特征的交通流控制策略优化技术
入口匝道与主线交汇处形成的合流区是高速公路上最为常见交通瓶颈类型,入口匝道瓶颈路段存在严重的交通延误及较高的事故风险,因此提出同时改善高速公路交通安全与通行效率的可变限速控制策略,控制***示意图如图10所示,定义位于瓶颈位置上游第一个可变限速标志为关键标志,如图10(a)所示,其作用是对进入瓶颈位置的流量进行调节,从而消除瓶颈交通拥堵及避免瓶颈交通流通行能力下降,如图10(b)所示;位于瓶颈上游路段的其他限速标志定义为从属可变限速标志,其作用为在瓶颈上游路段平滑交通流速度波动,避免拥堵传播过程中由于车辆突然减速导致的追尾事故风险,如图10(c)所示。
本节提出的多目标可变限速控制流程如图11所示,步骤1首先对高速公路交通流检测器上实时交通流参数进行获取,根据离线数据判断瓶颈通行能力下降幅度以及关键占有率值,之后,先确定关键可变限速标志位置的限速值,当时间到达可变限速控制周期时,采用比例-积分控制器对关键可变限速值进行计算:
VSLC(k)=VSLC(k-1)+(KP+KI)eo(k)-KPeo(k-1)
式中VSLC(k)为k时刻关键可变限速值,KP和KI为控制参数, 为瓶颈位置占有率控制误差,/>为关键占有率,o(k)为k时刻瓶颈位置实测占有率。
步骤2对各从属可变限速标志位置的限速值进行计算,当时间达到可变限速控制周期时,采用实时追尾事故风险预测模型,根据实时交通流数据计算各路段内交通事故风险。当某路段内事故风险值大于设定阈值时,启动该路段的可变限速控制:
VSL(xi,k+1)=VSL(default)-ΔVSL(xi,k),if Ri(k)>RTH#
VSL(xi,k+1)=min{VSL(default),VSL(xi,k)+ΔVSL(xi,k)},else#
式中VSL(xi,k)为xi位置可变限速标志k时刻的限速值,VSL(default)为路段默认限速值,ΔVSL(xi,k)为限速值变化幅度,Ri(k)为k时刻路段i内事故风险,RTH启动可变限速的事故风险阈值。
路段内启动可变限速后,将限速值根据其变化步长逐步调整至目标限速值,式中ΔV为限速值变化幅度,TVSL(xi,k+1)为目标限速值:
ΔVSL(xi,k)=-ΔV,ifTVSL(xi,k+1)<VSL(xi,k)-ΔV#
ΔVSL(xi,k)=ΔV,ifTVSL(xi,j+1)>VSL(xi,k)+ΔV#
ΔVSL(xi,k)=0,ifVSL(xi,k)-ΔV<TVSL(xi,k+1)<VSL(xi,k)+ΔV#
之后,对相邻路段限速值进行检查,当相邻路段限速值差大于最大允许值ΔV'时,则对限速值进行调节,从而避免空间范围较大规模的速度波动:
ΔVSL(xi,k)=-ΔV',ifTVSL(xi,k+1)>TVSL(xi-1,k+1)+ΔV'#
每个限速标志位置的限速值确定后,对限速值进行核查,如果限速值超过了允许范围[VSLmin,VSLmax]时,则采用范围内最大或最小值用于下一控制周期,此外,将计算的限速值四舍五入至5mph的整数倍,在相应可变限速标志上进行发布。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种智慧高速公路主动交通流控制***,包括数据层、平台层和应用层,其特征在于:所述数据层包括数据处理和感知设备,所述平台层包括基础算法和平台能力,所述应用层包括信息发布、应用场景和关键技术,所述数据处理包括数据清洗、数据安全、数据存储、数据检验、数据搜索和数据融合,所述感知设备包括毫米波雷达、气象站、能见度仪、路面状态检测仪、视频摄像机和事件检测仪,所述基础算法包括贝叶斯条件Logit、深度学***台能力包括API服务、分布式数据服务总线、分布式高速缓存、并行计算和微服务,所述信息发布包括发布信息和控制设施,所述应用场景包括常态化交通流运行场景、道路常发及计划性事件场景和道路突发事件场景,所述关键技术包括单点匝道控制技术、多策略协同控制、实时交通状态预测、主线可变限速控制、匝道主线协同控制和全线时空协同控制。
2.根据权利要求1所述的一种智慧高速公路主动交通流控制***,其特征在于:所述发布信息包括道路交通风险、交通信息提示、交通态势和分车道限速。
3.根据权利要求1所述的一种智慧高速公路主动交通流控制***,其特征在于:所述控制设施包括悬臂屏、条形屏、分块屏和RSU(车路协同路侧单元)。
4.根据权利要求1所述的一种智慧高速公路主动交通流控制***,其特征在于:所述常态化交通流运行场景包括上下游速度差异过大、货车占比过高、分车道速度差异过大、特种车辆行驶和大交通流量场景。
5.根据权利要求1所述的一种智慧高速公路主动交通流控制***,其特征在于:所述道路常发及计划性事件场景包括道路养护施工、节假日异常拥堵、单向或双向交通中断、重点路段拥堵和连接线拥堵场景。
6.根据权利要求1所述的一种智慧高速公路主动交通流控制***,其特征在于:所述道路突发事件场景包括不良天气、行人及动物穿越、道路抛洒物与障碍物和交通事故。
7.一种智慧高速公路主动交通流控制方法,其特征在于:所述方法如下;
S1、数据获取,数据获取包括两部分,一部分是交通流数据,即全线各控制单元各车道的交通流速度、流量和密度,并且包括当前各控制单元情报板上显示内容;另一部分是交通事件集中包含的不同类型的交通事件,各事件有不同的上报时间、事件等级、纵向影响范围(占用的控制单元)和横向影响范围(占用车道数);
S2、一级组织方案,以数据获取内容为基础,根据主动控制***事件种类,确定特定事件场景下的交通组织方案,包括事件策略影响范围、最低限速值、车道管理情况、以及相应新发布内容,作为限制条件;
S3、二级控制方案,根据事件优先级、各事件最低限速值、事件等级等限制条件,对事件集内的所有事件进行综合计算,获得多事件融合后的控制单元限速值、匝道流量控制率、交通信息发布内容等综合控制方案;
S4、三级协同方案,在综合控制方案的基础上,对高速全线实施时间、空间协同,包括限速值的时空协同、车道限制的空间协同和信息发布优先级协同等协同方法。
8.根据权利要求7所述的一种智慧高速公路主动交通流控制方法,其特征在于:所述S4中限速值的时间、空间协同包括上下游速度限制平滑、前后周期速度限制平滑和相邻车道之间速度差平滑,车道限制的空间协同包括应急车道设置空间协同、货车禁限空间协同和车道关闭空间协同,信息发布内容主要包括日常养护运维信息,灾害气候类事件场景信息,交通事故或违法占道信息,货车专用道开闭信息,应急车道开闭信息,交通事故风险预警信息,交通拥堵提示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310997158.XA CN117037485A (zh) | 2023-08-09 | 2023-08-09 | 一种智慧高速公路主动交通流控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310997158.XA CN117037485A (zh) | 2023-08-09 | 2023-08-09 | 一种智慧高速公路主动交通流控制方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117037485A true CN117037485A (zh) | 2023-11-10 |
Family
ID=88638567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310997158.XA Pending CN117037485A (zh) | 2023-08-09 | 2023-08-09 | 一种智慧高速公路主动交通流控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117037485A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118197061A (zh) * | 2024-05-15 | 2024-06-14 | 江苏中天交通工程有限公司 | 基于数据分析技术的道路引导***及方法 |
-
2023
- 2023-08-09 CN CN202310997158.XA patent/CN117037485A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118197061A (zh) * | 2024-05-15 | 2024-06-14 | 江苏中天交通工程有限公司 | 基于数据分析技术的道路引导***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN104269051B (zh) | 一种高速公路监控管理*** | |
Montella et al. | Safety evaluation of automated section speed enforcement system | |
US20210201672A1 (en) | Video-based main road cooperative signal machine control method | |
CN112785849A (zh) | 一种高速公路拥堵状态判别和交通流管控***及方法 | |
US10699568B1 (en) | Video-based crossroad signal machine control method | |
CN102231231A (zh) | 区域公路网交通安全态势预警***及其方法 | |
CN110675624B (zh) | 一种高风险路段的行车风险控制方法 | |
WO2022027763A1 (zh) | 一种基于广域雷达的路面诱导***及方法 | |
CN103150930A (zh) | 针对快速道路常发性拥堵路段的追尾事故实时预测方法 | |
OBrien et al. | Micro-simulation of single-lane traffic to identify critical loading conditions for long-span bridges | |
CN107730937A (zh) | 一种交通事故风险最小化的隧道出入口动态车速诱导方法 | |
CN102819954A (zh) | 交通区域动态地图监控预测*** | |
CN115100865A (zh) | 隧道洞口区域交通安全的管控*** | |
CN106960572B (zh) | 一种基于延迟时间系数的高速公路行程时间可靠性计算方法 | |
CN117037485A (zh) | 一种智慧高速公路主动交通流控制方法及*** | |
CN113129610B (zh) | 不利天气高速公路自适应可变限速与信息协同控制方法 | |
CN115063990A (zh) | 一种混合交通流环境高速公路瓶颈路段动态限速控制方法 | |
CN116206440A (zh) | 一种基于智慧高速的交通流采集、预测、管控及信息化推送***及方法 | |
CN116153102A (zh) | 一种道路运行风险防控***及协同式动态显示方法 | |
Rakha et al. | Traffic signal control enhancements under vehicle infrastructure integration systems. | |
Chiguma | Analysis of side friction impacts on urban roads: Case study Dar-es-Salaam | |
CN111754790B (zh) | 一种基于雷达的匝道入***通控制***及方法 | |
Ackaah et al. | Assessing the harmonization potential of variable speed limit systems |
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 |