CN101702262B - 一种城市交通流畅通性指标的数据融合方法 - Google Patents
一种城市交通流畅通性指标的数据融合方法 Download PDFInfo
- Publication number
- CN101702262B CN101702262B CN200910211192XA CN200910211192A CN101702262B CN 101702262 B CN101702262 B CN 101702262B CN 200910211192X A CN200910211192X A CN 200910211192XA CN 200910211192 A CN200910211192 A CN 200910211192A CN 101702262 B CN101702262 B CN 101702262B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- main line
- delay
- crossing
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种城市交通流畅通性指标的数据融合方法,该方法包括:(1)十字交叉口畅通性指标的数据融合,其由各个方向的车辆平均延误的加权期望值来体现;(2)干线多交叉口畅通性指标的数据融合,其由车辆通过该干线各交叉口平均旅行时间延误来体现;(3)路网多干线多交叉口畅通性指标的数据融合,其由路网区域中各个干线的平均旅行时间延误加权期望值来体现。本发明方法基于城市交通的交通状态获取技术,通过获取交通参数进行城市交通流畅通性指标的数据融合,从而实现面向交通多目标的优化控制。本发明方法具有普适性、全面性和灵活性。
Description
技术领域
本发明涉及城市道路交通多源数据融合技术领域,尤其涉及面向城市道路交通流畅通性控制指标的数据融合方法。
背景技术
随着交通需求的持续增加和对路网高畅通性的要求越来越高,传统的交通单一控制目标如交叉口延误、排队长度和停车率等已不能满足城市道路交通控制的需要。为了改善交通运行状况,满足交通出行者对高畅通性的需求,需要建立以畅通性为主要目标的控制方法,以直接、系统、定量地表征交通流的拥堵程度。
交通出行者在参与交通中,由于道路和环境条件、交通干扰以及交通管理与控制等因素难免会使旅行时间延长,畅通性就是定量的描述这种旅行时间延长的一种指标。换句话说,由于交通控制、交通流量的增加等外界因素的干扰,从而使得自由行驶交通流的旅行时间被迫延长,畅通性是衡量该旅行时间延长程度的定量指标。畅通性是一个多层次的指标,对于单交叉口、干线多交叉口、区域多交叉口,畅通性指标分别代表不同的含义,以适应不同层次交通控制的需求。
畅通性是定量描述由于交通控制、交通流量的增加等外界因素而使自由行驶交通流旅行时间延长程度的指标,不是传统交通控制目标的简单累加,其无法通过交通状态获取技术的一次测量得到,必须综合考虑交通环境、交通流特征和多源传感器数据等,借助多源数据融和方法。该畅通性指标的期望是能够尽量给交通参与者一个畅通的、快捷的交通出行环境。
数据融合技术是针对使用了多个或多类传感器的这类系统其关联特征而开展的一种全新的信息处理方法。我国基于新型地磁传感器交通状态获取技术已取得突破进展,利用数据融合技术,将实时地、准确地获取交通流的畅通性指标。
发明内容
为了克服现有技术结构的不足,本发明提供一种城市交通流畅通性指标的数据融合方法,该方法以畅通性为目标进行优化控制,基于交通状态获取技术获得一次交通参数,以实现交通流的畅通性目标控制,进而研究交通流畅通性指标的融合方法。本发明解决其技术问题所采用的技术方案是:
城市交通流畅通性指标的数据融合方法,其包括:十字交叉口畅通性指标的数据融合,其由各个方向的车辆平均延误的加权期望值来体现;干线多交叉口畅通性指标的数据融合,其由车辆通过该干线各交叉口平均旅行时间延误来体现;以及,路网多干线多交叉口畅通性指标的数据融合,其由路网区域中各个干线的平均旅行时间延误加权期望值来体现。所述十字交叉口畅通性指标由十字交叉口中各相位车辆的平均延误时间来确定,所述车辆的平均延误时间包括:滞留时间和损失时间,所述滞留时间是指十字交叉口的排队等待时间,其由车辆饱和度所决定的滞留时间计算而得,所述饱和度由交通信号灯的周期长、绿信比、车流量和饱和流量决定;所述损失时间是指由于十字交叉口的相位转换及司机反应所耽误的时间,其由车辆进入十字交叉口信号灯控制区域的四种不同情况确定,所述四种不同情况及其相应的车辆延误时间确定如下:
情况1:车辆进入信号灯控制区域时,受控信号显示绿灯;当车辆到达停止线时,信号灯依然显示绿灯,车辆正常通过交叉口;此时车辆没有滞留时间和损失时间,所述车辆的延误时间为0;
情况2:车辆进入信号灯控制区域时,受控信号显示绿灯;当车辆到达停止线时,信号灯显示红灯,此时车辆无法正常通过交叉口;此时进入下一周期,滞留时间为此方向的红灯时间;当信号灯显示绿灯时,车辆起动,车辆有起动损失时间;此时所述车辆的延误时间为损失时间和滞留时间之和;
情况3:车辆进入信号灯控制区域时,受控信号显示红灯;当车辆到达停止线时,信号灯显示绿灯,这时车辆正常通过。此时车辆的延误时间为前面车辆启动所引起的延误时间;
情况4:车辆进入信号灯控制区域时,受控信号显示红灯;当车辆到达停止线时,信号灯依然显示红灯,车辆将无法正常通过交叉口;滞留时间为绿灯开始时刻与车辆到达时刻之差,当信号灯指示绿灯时,车辆起动,车辆有起动损失时间;所述车辆的延误时间为损失时间和滞留时间之和。
通过对各相位车辆的平均延误时间进行求取加权期望值,对所述十字交叉口畅通性指标进行数据融合;从而监控和优化城市交通流控制。所述干线多交叉口畅通性指标由干线旅行时间和干线理想旅行时间确定。所述干线旅行时间指从车辆进入干线开始,中间经过干线所有交叉口到驶离干线所花费的时间,其通过对该干线路段平均行驶时间和十字交叉口畅通性指标确定;所述干线理想旅行时间由该干线的路段长度和自由行驶速度确定。
在干线多交叉口中,畅通性指标由车辆通过该干线各交叉口平均旅行时间延误来体现,该干线各交叉口平均旅行时间延误由两部分组成,一是指干线行驶时间与干线理想行驶时间之差的数学期望;二是车辆在各交叉口的平均延误时间。该干线多交叉口畅通性指标的数据融合步骤包括:
步骤1:干线行驶时间的估计
干线行驶时间指从车辆进入干线开始,中间经过干线所有交叉口到驶离干线所花费的时间。由以下融合步骤得到:
第一步:标定虚拟传感器
交通状态获取系统中,传感器安置在交叉口i的出口道最前端和交叉口i+1的停止线处。设定传感器节点i为交叉口i出口道安置的传感器,传感器节点i+1为交叉口i+1停止线处安置的传感器。节点i与i+1之间的距离为di,平均行驶时间为定义传感器节点i与传感器节点i+1之间的虚拟传感器为mi=[di/100]个,分别标记为(i,1)、(i,2)...(i,mi)。
第二步:获取虚拟传感器的速度
定义传感器节点i与虚拟传感器节点(i,1)之间的平均行驶时间为Δti1,平均速度为Δvi1;虚拟传感器节点(i,(k-1))与虚拟传感器节点(i,k)之间的平均行程时间为Δtik,平均速度为Δvik(k=2,3...m);虚拟传感器节点(i,m)与传感器节点i+1之间的平均行程时间为平均速度为则传感器节点i与传感器节点i+1之间的平均行程时间为设定相邻节点(包括实际传感器节点与虚拟传感器节点)之间距离为则
其中,传感器节点i(i=1,2...n)的速度可以直接获取,虚拟传感器节点i,k的速度主要由传感器节点i的历史数据获得。设传感器采集数据的时间间隔为Δt,传感器i现在的时刻记为tiN,虚拟传感器节点(i,k)的速度为其中wkj为权重系数,k=1,2...mi。则
从而得到交通状态参数的空间分布。
第三步:得出干线行驶时间
步骤2理想的行驶时间的估算
理想的行驶时间是指车辆按自由行驶速度通过干线所花费的行驶时间;自由行驶的速度根据历史数据的统计规律和干线的基础设施环境决定,表达式如下:
式中,t理表示理想的行驶时间;li表示交叉口i与i+1之间的距离;vi表示车辆自由行驶通过交叉口i与i+1之间路段的平均速度;i表示某个交叉口;n表示干线交叉口的总数。
步骤3干线多交叉口畅通性指标的数据融合
车辆在各交叉口的平均延误时间用十字交叉口的畅通性指标来表示,所以干线交叉口的畅通性指标的数据融合计算公式如下:
式中,CTl表示某干线的畅通性指标;t理表示车辆通过干线的理想行驶时间;t行表示车辆通过干线的实际行驶时间;表示车辆在各交叉口的延误时间总和;表示交叉口i的畅通性指标,该指标反映的是交叉口的车辆平均延误时间;n表示干线的交叉口总数;i表示某交叉口;表示车辆在交叉口i与i+1之间路段的平均行驶时间;li表示交叉口i与i+1之间的距离;vi表示车辆自由行驶通过交叉口i与i+1之间路段的平均速度。所述路网多干线多交叉口畅通性指标由路网区域中各条干线的畅通性指标所计算的平均旅行时间延误来确定。路网多干线多交叉口畅通性指标的数据融合,其由路网区域中各个干线的车辆平均旅行时间延误加权期望值来实现。
本发明的有益效果
畅通性是定量描述由于交通控制、交通流量的增加等外界因素而使自由行驶交通流旅行时间延长程度的指标;本发明方法通过对城市交通流畅通性指标的数据融合来实现面向交通多目标的优化控制,其基于城市交通的交通状态获取技术,通过获取交通参数,来进行交通流畅通性指标数据融合。本发明方法具有普适性、全面性和灵活性。
附图说明
图1为根据本发明的十字交叉口畅通性指标的数据融合方法示意图;
图2为根据本发明的干线多交叉口畅通性指标的数据融合方法示意图;
图3为根据本发明的路网多干线多交叉口畅通性指标的数据融合方法示意图;
图4为实施例其中由于信号转换和车辆启动引起的损失时间示意图;
图5为实施例中单个十字交叉口的信号配时方案图;
图6为实施例中传感器空间分布图;
图7为旅行时间估算时速度的空间分布图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细描述:
实施例1:十字交叉口畅通性指标的数据融合方法,如图1所示的为根据本发明的十字交叉口畅通性指标的数据融合方法示意图,十字交叉口畅通性指标由十字交叉口中各相位车辆的平均延误时间来确定。车辆的平均延误时间包括:滞留时间和损失时间,其中,滞留时间是指十字交叉口的排队等待时间,其由车辆饱和度所决定的滞留时间计算而得,所述饱和度由交通信号灯的周期长、绿信比、车流量和饱和流量决定;损失时间是指由于十字交叉口的相位转换及司机反应所耽误的时间,其由车辆进入十字交叉口信号灯控制区域的四种不同情况确定。
四种不同情况及其相应的车辆延误时间确定如下:
情况1:车辆进入信号灯控制区域时,受控信号显示绿灯;当车辆到达停止线时,信号灯依然显示绿灯,车辆正常通过交叉口;此时车辆没有滞留时间和损失时间,所述车辆的延误时间为0;
情况2:车辆进入信号灯控制区域时,受控信号显示绿灯;当车辆到达停止线时,信号灯显示红灯,此时车辆无法正常通过交叉口;此时进入下一周期,滞留时间为此方向的红灯时间;当信号灯显示绿灯时,车辆起动,车辆有起动损失时间;此时所述车辆的延误时间为损失时间和滞留时间之和;
情况3:车辆进入信号灯控制区域时,受控信号显示红灯;当车辆到达停止线时,信号灯显示绿灯,这时车辆正常通过。此时车辆的延误时间为前面车辆启动所引起的延误时间;
情况4:车辆进入信号灯控制区域时,受控信号显示红灯;当车辆到达停止线时,信号灯依然显示红灯,车辆将无法正常通过交叉口;滞留时间为绿灯开始时刻与车辆到达时刻之差,当信号灯指示绿灯时,车辆起动,车辆有起动损失时间;所述车辆的延误时间为损失时间和滞留时间之和。
在本实施例中,损失时间是通过分析车辆在交叉口的运行速度曲线来估算的。如图4所示,当信号由红灯转变为绿灯的时候,车辆行驶速度由0开始加速直至正常行驶速度这段时间车辆的平均速度小于这样会引起一定的时间损失,称为前损失时间。当信号指示由绿灯转变成黄灯的时候,车速由正常行驶速度减速为0,这段时间损失称为后损失时间。
因此,由于信号转换和车辆启动引起的延误时间等于前损失时间加上后损失时间。在实际过程中,此损失时间变化范围不大,我们将此损失时间设定为定值3s。
在本实施例中,滞留时间通过引用经典的滞留时间计算公式确定。当饱和度小于0.9时,采用WebSter计算公式,当饱和度大于0.9时采用Akcelik计算公式。
Webster在“Signal Control Settings”(F.V.Webster.″Signal Control setting″.Technical Paper 39,Road Search Laboratory,1958.)中指出滞留时间由信号周期时长,绿信比,车流量,饱和流量大小,饱和度共同确定,其计算公式如下:
式中,t为车辆滞留时间;C为十字交叉口信号周期时长;λ为十字交叉口绿信比,即有效绿灯时间与信号周期时长C的比率;q为进口车道车流量;x为饱和度,观测最大流量与信号交叉口进口道的通行能力之比,有s为饱和流量,指在一次连续的绿灯信号时间内,进口道上一列连续车队能通过进口道停车线的最大流量。
上式第1项是均匀车辆到达率(即车辆以均匀分布规律进入交叉口)所产生的延误时间,第2项是是根据车辆随机到达服从泊松分布,利用M/D/1模型计算出来的车辆的随机性延误,第3项是从车流模拟试验得到。本实施例采用简化后的Webster模型,其表示如下:
该模型虽然应用广泛,但是其局限性也很明显,当饱和度较大,逐渐趋向于1.0时,按照该公式计算出来的结果将明显偏大。
而瞬态延误模型可以用来计算进口车道饱和度大于0.9的滞留时间。本实施例采用瞬态延误Akcelik模型,以解决如何减少由于饱和度过大而造成延误明显偏大的问题。首先采用非饱和流与饱和流之间的过渡函数延误模型。
式中大括号内为均衡相位延误(分为饱和与非饱和两种情况),C为十字交叉口信号周期时长,g为该进口车道所在相位分配的绿灯时间;随机延误和过饱和延误是在Q0中计算的。饱和度较大时,它弥补了以往被忽视的随机延误。Q0为(0,T)时间段内平均饱和排队长度的过渡函数,其计算公式为
式中:x0为进口车道的饱和流量(辆/s);N为该车道的通行能力(辆/s);T为观察时段的长度(S)。
式中,k表示该相位i的车道数;xij表示相位i的第j进口车道的饱和度;设定η为延误时间模型选择因子,选择规则定义为:当相位i的车道平均饱和度≤0.9时η为1,否则η为0;数学表达式为:
可以计算进口车道上车辆的延误时间,即
式中:tij为第i相位的第j车道依据Webster延迟模型计算得各进口道的车辆延误之和(s);tij′为第i相位的第j车道依据瞬态延误Akcelik模型计算得各进口道的车辆延误之和(s);lij为第i相位的第j车道由于信号转换和车辆启动引起的损失时间。
至此,十字交叉口各相位车辆的平均延误时间为
式中,ki表示相位i的车道总数,η为延误时间模型选择因子,qij为相位i第j进口车道上的车流量,其他字符含义如上述所指。
根据十字交叉口各相位车辆的凭据延误时间,求各相位车辆的平均延误时间的加权期望值,从而实现对十字交叉口畅通性指标进行数据融合。具体地,畅通性指标的数据融合计算公式为
式中,CT表示某个交叉口的畅通性指标,M表示该交叉口的相位总数,αi表示第i相位的重要权重,该值越大表示该相位越优先安排,通过该指标可以有选择地对某交叉口相位进行优化。
在本实施例中,以某轮放式相位十字交叉口为例,统计其早高峰(7:00-9:00)、晚高峰(5:00-7:00)连续三天的流量数据,作平均值处理,得到该交叉口各方向的车流量,如表1所示表1实例单交叉口的基础数据表。
表1 交叉口各方向车流量表
同时可以观测出该交叉口的信号配时方案,如图5所示。
根据交叉口各相位车辆平均延误计算公式,可以计算各相位的车辆平均延误,如表2所示的实例单交叉口的延误计算结果表。
表2 各相位平均车辆延误表
至此,根据交叉口畅通性指标计算公式,可以得到该交叉口的畅通性指标,为了简化计算,假设各相位的权重相同,结果如下:
实施例2 干线多交叉口畅通性指标的融合方法
如图2所示的根据本发明的干线多交叉口畅通性指标的数据融合方法示意图。在干线多交叉口中,畅通性指标由车辆通过该干线各交叉口平均旅行时间延误来体现,该干线各交叉口平均旅行时间延误由两部分组成,一是指估算的行驶时间与理想的行驶时间的差额;二是车辆在各交叉口的平均延误时间。其中,各项畅通性指标的数据融合步骤包括:
步骤1:干线行驶时间的估计
干线行驶时间指从车辆进入干线开始,中间经过干线所有交叉口到驶离干线所花费的时间。结合图6和图7,由以下融合步骤得到干线行驶时间的估计:
第一步:标定虚拟传感器
交通状态获取系统中,传感器安置在交叉口i的出口道最前端和交叉口i+1的停止线处。设定传感器节点i为交叉口i出口道安置的传感器,传感器节点i+1为交叉口i+1停止线处安置的传感器。节点i与i+1之间的距离为di,平均行驶时间为定义传感器节点i与传感器节点i+1之间的虚拟传感器为mi=[di/100]个,分别标记为(i,1)、(i,2)...(i,mi)。
第二步:获取虚拟传感器的速度
定义传感器节点i与虚拟传感器节点(i,1)之间的平均行驶时间为Δti1,平均速度为Δvi1;虚拟传感器节点(i,(k-1))与虚拟传感器节点(i,k)之间的平均行程时间为Δtik,平均速度为Δvik(k=2,3...m);虚拟传感器节点(i,m)与传感器节点i+1之间的平均行程时间为平均速度为则传感器节点i与传感器节点i+1之间的平均行程时间为设定相邻节点(包括实际传感器节点与虚拟传感器节点)之间距离为则
其中,传感器节点i(i=1,2...n)的速度可以直接获取,虚拟传感器节点i,k的速度主要由传感器节点i的历史数据获得。设传感器采集数据的时间间隔为Δt,传感器i现在的时刻记为tiN,虚拟传感器节点(i,k)的速度为其中wkj为权重系数,k=1,2...mi。则
从而得到交通状态参数的空间分布。
第三步:得出干线行驶时间
步骤2 理想的行驶时间的估算
理想的行驶时间是指车辆按自由行驶速度通过干线所花费的行驶时间;自由行驶的速度根据历史数据的统计规律和干线的基础设施环境决定,表达式如下:
式中,t理表示理想的行驶时间;li表示交叉口i与i+1之间的距离;vi表示车辆自由行驶通过交叉口i与i+1之间路段的平均速度;i表示某个交叉口;n表示干线交叉口的总数。
步骤3 干线多交叉口畅通性指标的数据融合
车辆在各交叉口的平均延误时间用交叉口的畅通性指标来表示,所以干线交叉口的畅通性指标的数据融合计算公式如下:
式中,CTl表示某干线的畅通性指标;t理表示车辆通过干线的理想行驶时间;t行表示车辆通过干线的实际行驶时间;表示车辆在各交叉口的延误时间总和;表示交叉口i的畅通性指标,该指标反映的是交叉口的车辆平均延误时间;n表示干线的交叉口总数;i表示某交叉口;表示车辆在交叉口i与i+1之间路段的平均行驶时间;li表示交叉口i与i+1之间的距离;vi表示车辆自由行驶通过交叉口i与i+1之间路段的平均速度。
实施例3路网多干线多交叉口畅通性指标的数据融合方法,如图3所示,路网多干线多交叉口畅通性指标由区域中若干干线的平均旅行时间延误加权期望值来体现。与单点控制交叉口畅通性指标的思路一样,加权期望也是一种改进,考虑了主次干道的关系,即主要干道分配的权重大而次要干道相对小。
以一个包含4个干线的交通网络为例,左侧的北向南干线用LNS表示,右侧北向南干线用RNS表示,下方的西向东干线用DWE表示,上方的西向东干线用UWE表示,交叉口的相位集合为B={1,2,3,4},分别指西向东、南向北、东向西和北向南方向。
在区域多交叉口中,畅通性指标由区域中若干干线的平均旅行时间延误加权期望值来计算。有:
Claims (4)
1.城市交通流畅通性指标的数据融合方法,其特征在于包括:十字交叉口畅通性指标的数据融合,其由各个方向的车辆平均延误的加权期望值来体现;干线多交叉口畅通性指标的数据融合,其由车辆通过该干线各交叉口平均旅行时间延误来体现;以及,路网多干线多交叉口畅通性指标的数据融合,其由路网区域中各个干线的平均旅行时间延误加权期望值来体现;
其中,所述车辆的平均延误包括:滞留时间和损失时间,所述滞留时间是指十字交叉口的排队等待时间,其由车辆饱和度所决定的滞留时间计算而得,所述饱和度由交通信号灯的周期长、绿信比、车流量和饱和流量决定;所述损失时间是指由于十字交叉口的相位转换及司机反应所耽误的时间,其由车辆进入十字交叉口信号灯控制区域的四种不同情况确定,所述四种不同情况及其相应的车辆延误时间确定如下:
情况1:车辆进入信号灯控制区域时,受控信号显示绿灯;当车辆到达停止线时,信号灯依然显示绿灯,车辆正常通过交叉口;此时车辆没有滞留时间和损失时间,所述车辆的延误时间为0;
情况2:车辆进入信号灯控制区域时,受控信号显示绿灯;当车辆到达停止线时,信号灯显示红灯,此时车辆无法正常通过交叉口;此时进入下一周期,滞留时间为此方向的红灯时间;当信号灯显示绿灯时,车辆起动,车辆有起动损失时间;此时所述车辆的延误时间为损失时间和滞留时间之和;
情况3:车辆进入信号灯控制区域时,受控信号显示红灯;当车辆到达停止线时,信号灯显示绿灯,这时车辆正常通过;此时车辆的延误时间为前面车辆启动所引起的延误时间;
情况4:车辆进入信号灯控制区域时,受控信号显示红灯;当车辆到达停止线时,信号灯依然显示红灯,车辆将无法正常通过交叉口;滞留时间为绿灯开始时刻与车辆到达时刻之差,当信号灯指示绿灯时,车辆起动,车辆有起动损失时间;所述车辆的延误时间为损失时间和滞留时间之和;并且
所述车辆通过该干线各交叉口平均旅行时间延误由两部分组成,一是指干线行驶时间与干线理想行驶时间之差的数学期望;二是车辆在各交叉口的平均延误时间。
2.根据权利要求1所述的城市交通流畅通性指标的数据融合方法,其特征在于,所述十字交叉口畅通性指标的数据融合是指,通过对各相位车辆的平均延误时间进行求取加权期望值,对所述十字交叉口畅通性指标进行数据融合;从而监控和优化城市交通流控制。
3.根据权利要求1所述的城市交通流畅通性指标的数据融合方法,其特征在于,所述干线多交叉口畅通性指标由干线旅行时间和干线理想旅行时间确定,所述干线旅行时间指从车辆进入干线开始,中间经过干线所有交叉口到驶离干线所花费的时间,其通过对该干线路段平均行驶时间和十字交叉口畅通性指标确定;所述干线理想旅行时间由该干线的路段长度和自由行驶速度确定。
4.根据权利要求1所述的城市交通流畅通性指标的数据融合方法,其特征在于,所述路网多干线多交叉口畅通性指标由路网区域中各条干线的畅通性指标所计算的平均旅行时间延误来确定;而路网多干线多交叉口畅通性指标的数据融合则由路网区域中各个干线的车辆平均旅行时间延误加权期望值来实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910211192XA CN101702262B (zh) | 2009-11-06 | 2009-11-06 | 一种城市交通流畅通性指标的数据融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910211192XA CN101702262B (zh) | 2009-11-06 | 2009-11-06 | 一种城市交通流畅通性指标的数据融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101702262A CN101702262A (zh) | 2010-05-05 |
CN101702262B true CN101702262B (zh) | 2011-08-17 |
Family
ID=42157175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910211192XA Expired - Fee Related CN101702262B (zh) | 2009-11-06 | 2009-11-06 | 一种城市交通流畅通性指标的数据融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101702262B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781504A (zh) * | 2017-01-23 | 2017-05-31 | 东南大学 | 一种基于浮动车gps数据的干线停车分析方法 |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011158364A1 (ja) * | 2010-06-17 | 2011-12-22 | トヨタ自動車株式会社 | 信号機サイクル推定装置及び信号機サイクル推定方法 |
CN102169627A (zh) * | 2011-01-30 | 2011-08-31 | 北京交通大学 | 基于虚拟速度传感器的快速路旅行时间预测方法 |
CN102426791B (zh) * | 2011-09-13 | 2013-08-07 | 华南理工大学 | 一种交通信号协调配时方案的n周期加权调节过渡方法 |
CN102509456B (zh) * | 2011-11-21 | 2013-10-02 | 青岛海信网络科技股份有限公司 | 饱和流量确定方法和装置 |
CN102915637B (zh) * | 2012-08-01 | 2014-08-20 | 浙江浙大中控信息技术有限公司 | 一种信号控制交叉口的交通状态评价方法及系统 |
CN103310640B (zh) * | 2013-05-28 | 2015-01-28 | 哈尔滨工业大学 | 一种面向机动车流的十字交叉口交通预信号控制方法 |
CN103700273B (zh) * | 2014-01-06 | 2016-01-06 | 东南大学 | 基于可变导向车道的信号配时优化方法 |
CN105225477B (zh) * | 2014-07-06 | 2017-07-28 | 临安巨丰城市配套设备有限公司 | 一种基于窨井盖的道路交通检测方法 |
CN104200648B (zh) * | 2014-08-21 | 2016-02-03 | 四川大学 | 一种基于电子车牌的路段平均旅行时间计算方法 |
CN104318791A (zh) * | 2014-10-20 | 2015-01-28 | 安徽师范大学 | 多路口交通流自适应协调控制的方法 |
CN105828505B (zh) * | 2016-05-20 | 2023-07-28 | 厦门市智联信通物联网科技有限公司 | 照明终端数据均衡的传感器网络管理系统及管理方法 |
CN105809981A (zh) * | 2016-05-26 | 2016-07-27 | 陕西理工学院 | 一种基于瞬时停车延误的单交叉口信号灯控制方法 |
CN106205129B (zh) * | 2016-08-17 | 2018-06-19 | 广州市市政工程设计研究总院 | 基于随机交通需求和通行能力的交叉口控制延误预测方法 |
CN106683468B (zh) * | 2017-01-11 | 2019-09-17 | 上海工业控制安全创新科技有限公司 | 一种基于实时路况大数据的最优车速智能推荐设备 |
CN106781500B (zh) * | 2017-01-11 | 2020-01-07 | 深圳市鑫玉锋科技有限公司 | 一种车载智能语音识别系统 |
CN106781499B (zh) * | 2017-01-11 | 2020-04-28 | 南京理工大学 | 一种交通网络效率评价系统 |
CN108428338B (zh) * | 2017-02-15 | 2021-11-12 | 阿里巴巴集团控股有限公司 | 交通路况分析方法、装置以及电子设备 |
CN106997668B (zh) * | 2017-04-18 | 2020-01-10 | 北京博研智通科技有限公司 | 利用手机移动数据评价路口信号机控制效率的方法和系统 |
CN107025789B (zh) * | 2017-05-27 | 2021-07-23 | 青岛海信网络科技股份有限公司 | 一种交通事件检测方法及装置 |
CN107644102B (zh) * | 2017-10-13 | 2020-11-03 | 北京京东尚科信息技术有限公司 | 数据特征构造方法及装置、存储介质、电子设备 |
CN107665582A (zh) * | 2017-11-20 | 2018-02-06 | 中兴软创科技股份有限公司 | 一种基于多源数据的交通服务水平评价方法 |
CN107945511A (zh) * | 2017-11-20 | 2018-04-20 | 中兴软创科技股份有限公司 | 一种交叉口延误时间的计算方法 |
CN108226915B (zh) * | 2017-12-25 | 2021-07-30 | 中国人民解放军63921部队 | 一种定量表征空间多目标空域分布方法 |
CN108764510B (zh) * | 2018-03-26 | 2021-08-27 | 北京城建设计发展集团股份有限公司 | 面向大规模路网的城市轨道交通并行仿真任务分解方法 |
US11263900B2 (en) * | 2018-10-05 | 2022-03-01 | Sumitomo Electric System Solutions Co., Ltd. | Traffic index computation device, computation method, traffic signal control system, and computer program |
CN110634308B (zh) * | 2019-09-26 | 2021-09-03 | 同济大学 | 一种基于车辆排队消散时间的单交叉口信号控制方法 |
CN111882905B (zh) * | 2020-07-31 | 2021-03-12 | 爱易成技术(天津)有限公司 | 一种道路交通预约通行的实现方法、系统及电子设备 |
CN113936454B (zh) * | 2021-09-22 | 2023-02-21 | 上海宝康电子控制工程有限公司 | 一种基于轨迹融合的信息处理方法及系统 |
CN115410375A (zh) * | 2022-11-02 | 2022-11-29 | 华路易云科技有限公司 | 一种基于雷卡融合交通数据的融合交通指标集生成方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101373559A (zh) * | 2007-08-24 | 2009-02-25 | 同济大学 | 基于浮动车数据评估城市路网交通状态的方法 |
CN101572004A (zh) * | 2008-04-30 | 2009-11-04 | 奥城同立科技开发(北京)有限公司 | 路口交通控制和流向疏导系统 |
-
2009
- 2009-11-06 CN CN200910211192XA patent/CN101702262B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101373559A (zh) * | 2007-08-24 | 2009-02-25 | 同济大学 | 基于浮动车数据评估城市路网交通状态的方法 |
CN101572004A (zh) * | 2008-04-30 | 2009-11-04 | 奥城同立科技开发(北京)有限公司 | 路口交通控制和流向疏导系统 |
Non-Patent Citations (2)
Title |
---|
JP特开平8-249586A 1996.09.27 |
梁颖.城市路网畅通可靠性分析.《公路交通科技》.2005,第22卷(第12期),105-108. * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781504A (zh) * | 2017-01-23 | 2017-05-31 | 东南大学 | 一种基于浮动车gps数据的干线停车分析方法 |
CN106781504B (zh) * | 2017-01-23 | 2019-03-12 | 东南大学 | 一种基于浮动车gps数据的干线停车分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101702262A (zh) | 2010-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101702262B (zh) | 一种城市交通流畅通性指标的数据融合方法 | |
CN108399740B (zh) | 一种信号控制交叉口机动车冲突概率预测方法 | |
CN104464310B (zh) | 城市区域多交叉口信号协同优化控制方法及系统 | |
CN109816977B (zh) | 一种数据驱动的交叉口信号控制评价系统 | |
CN105243855B (zh) | 一种减少机动车尾气排放的交叉口信号配时优化方法 | |
CN101930670B (zh) | 公交行驶路段社会车辆运行时间预测方法 | |
CN104318775B (zh) | 控制阶段快速路下匝道-地面道路交叉口一体化设计方法 | |
CN104809895A (zh) | 相邻交叉口的干道协调控制模型及其优化方法 | |
CN101877169B (zh) | 干线多交叉口交通流均衡性控制的数据融合系统及方法 | |
CN107622675A (zh) | 信号交叉口可变进出口车道交通流控制方法 | |
CN110288827B (zh) | 一种考虑停靠站排队溢出影响的公交车辆运行调度方法 | |
CN110363997A (zh) | 一种有施工区交叉口信号配时优化方法 | |
CN103824446A (zh) | 一种子区多交叉口群决策控制方法 | |
Sarvi et al. | Observing freeway ramp merging phenomena in congested traffic | |
CN104464311A (zh) | 一种城市道路路口信号协调控制的优化方法 | |
CN103366582A (zh) | 信号控制交叉口的交通安全评价方法 | |
Wierbos et al. | Influencing the queue configuration to increase bicycle jam density and discharge rate: An experimental study on a single path | |
CN104778839A (zh) | 基于视频检测器的城市道路下游分方向交通状态判别方法 | |
CN109859475B (zh) | 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 | |
CN113936475A (zh) | 一种多道路资源优化的交通控制方法和系统 | |
Chen et al. | Influence of pedestrian traffic on capacity of right-turning movements at signalized intersections | |
Pokhrel et al. | Performance Assessment of a Signalized Intersection: A Case Study of Jay Nepal Intersection | |
CN102157065A (zh) | 设置直通式公交专用进口道的信号交叉口设计方法 | |
Bie et al. | Development of vehicle delay and queue length models for adaptive traffic control at signalized roundabout | |
Yu et al. | A review of the link traffic time estimation of urban traffic |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110817 Termination date: 20211106 |