CN101739815A - 道路交通拥挤状态在线识别方法 - Google Patents
道路交通拥挤状态在线识别方法 Download PDFInfo
- Publication number
- CN101739815A CN101739815A CN200910217822A CN200910217822A CN101739815A CN 101739815 A CN101739815 A CN 101739815A CN 200910217822 A CN200910217822 A CN 200910217822A CN 200910217822 A CN200910217822 A CN 200910217822A CN 101739815 A CN101739815 A CN 101739815A
- Authority
- CN
- China
- Prior art keywords
- traffic
- congested
- recognition method
- congestion state
- road
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种道路交通拥挤状态在线识别方法,涉及交通信息处理方法,包括采集区间交通参数数据和地点交通参数数据,将数据传回信息处理器,通过信息处理器通过在线识别方法对各路段交流参数数据进行分析,利用采集的区间交通参数和地点交通参数确定各路段的拥挤情况以及拥挤的时间和空间扩散范围三个步骤,为交通管理与控制系统的其他子系统服务。本发明为道路交通管理和控制系统提供实时、可靠的交通状态信息,为提高交通管理决策和交通出行决策的科学性提供重要的信息基础。
Description
技术领域
本发明涉及智能交通系统领域中的交通信息处理方法,具体是一种道路交通拥挤状态在线识别方法。
背景技术
随着国民经济的快速发展和城市化进程的加快,我国机动车拥有量和道路交通量迅速增长,交通拥堵问题日趋严重。目前,大部分城市的主体路网结构已经基本成形,无法进行大幅度改造。在这种情况下,采用先进的交通管理系统提高道路的使用效率已经成为一种共识。对作为交通管理系统的重要组成部分的道路交通拥挤状态在线识别方法进行深入研究已显得尤为重要。
目前,已有成果主要是针对交通事件检测引发的偶发性交通拥挤进行研究。近年来,随着道路网络的逐步成熟和道路交通需求量的进一步增加,与交通事件无关的常发性交通拥挤越来越严重。交通高峰期的持续时间不断延长,高峰期出现交通拥挤的路段不断增加,严重影响了道路交通的安全性和运行效率。因此,常发性交通拥挤也逐渐成为交通监控的重要内容之一,原来以发现道路上的突发事件为目的的交通事件自动识别方法研究,逐渐扩展成为对道路上所有道路交通拥挤状态在线识别方法的研究。《HCM2000》和畅通工程中提出一些交通拥挤状态识别方法,但都只适合离线分析,无法实现实时在线识别。另外,已有成果中缺乏对交通拥挤空间和时间影响范围的在线估计方法研究,不能满足实时交通管理的要求。
通过分析已有交通拥挤状态评价方法,可以得出以下三点:
(1)已有交通拥挤状态评价方法主要针对交通事件引起的偶发性交通拥挤设计,针对常发性交通拥挤的在线识别方法较少,尤其是基于地点交通参数的自动识别方法较少;
(2)缺乏交通拥挤空间和时间扩散范围在线估计方法;
(3)已有检测方法相对于检测阈值的鲁棒性较差,存在对检测阈值依赖性太强、移植性较差的问题。
发明内容
本发明针对目前检测常发性交通拥挤的方法较少、缺乏交通拥挤空间和时间扩散范围在线估计方法以及已有方法鲁棒性较差的问题,利用增益放大原理,提出一种道路交通拥挤状态在线识别方法,并给出交通拥挤空间和时间扩散范围在线估计方法。
本发明是交通管理与控制系统中信息采集子系统的核心方法。信息采集子系统由硬件和软件两部分组成,本发明是信息采集子系统软件部分的核心方法。为使软件部分正常运行,需要相应的硬件部分作为支撑,主要包括检测器系统、通信线路系统和信息处理中心三部分,其运作流程为:
(1)通过设置在各个路段的检测器系统采集各地交通流参数数据。检测器系统主要包括区间交通参数检测系统和地点交通参数检测系统两部分,区间交通参数采集系统主要利用GPS浮动车、牌照识别系统和收费系统获取车辆通过路段上特定点的时刻,地点交通参数主要通过埋设在特定位置的检测线圈获得该地点的流量、速度和占有率等交通参数;
(2)通过通信线路系统将数据传回信息处理器。通信线路系统主要包括无线通信线路系统和有线通信线路系统两部分,GPS浮动车数据主要通过无线通信线路传回信息处理器,其他检测器采集的数据主要通过有线通信线路系统传回信息器;
(3)通过信息处理器的软件和硬件配合通过在线识别方法对各路段交流参数数据进行分析,利用采集的区间交通参数和地点交通参数确定各路段的拥挤情况以及拥挤的时间和空间扩散范围,为交通管理与控制系统的其他子系统服务。
所述的这种道路交通拥挤状态在线识别方法,主要解决了针对常发性交通拥挤的在线识别方法较少,尤其是基于地点交通参数的自动识别方法较少,交通拥挤时空扩散范围在线估计方法较少和评价方法鲁棒性较差的问题。
一种道路交通拥挤状态在线识别方法主要包括:
(1)基于区间交通参数的道路交通拥挤状态在线识别方法;
(2)基于地点交通参数的道路交通拥挤状态在线识别方法;
(3)单个路段常发性交通拥挤持续时间在线估计方法;
(4)常发性交通拥挤扩散范围在线估计方法。
所述的基于区间交通参数的道路交通拥挤状态在线识别方法,根据发生交通拥挤时区间交通参数的变化趋势,采用交通流的平均行程速度的倒数作为拥挤指数,给出相应的道路交通拥挤状态在线识别方法,并对识别结果进行多次持续性确认,最终给出交通拥挤状态识别结果。
所述的基于地点交通参数的道路交通拥挤状态在线识别方法,根据发生交通拥挤时速度、流量和占有率三个地点交通参数的变化趋势,利用增益放大原理构建交通拥挤指数,并基于交通拥挤指数构建了相应的交通拥挤状态识别方法,最后为了降低误警率,发明给出对识别结果进行多次持续性确认的方法。
所述的常发性交通拥挤扩散范围在线估计方法,将交通拥挤空间扩散范围定义为在空间连续的多个路段同时发生常发性拥挤状态的范围。其估计方法的主要思想是检测首先发生交通拥挤路段的相邻路段在可预测时间段内是否出现拥挤状态,最终确定在可预测时间段内出现拥挤的最大连续路段范围。
所述的单个路段常发性交通拥挤持续时间在线估计方法,主要针对单个路段估计拥挤持续时间,其思想是检测发生交通拥挤路段在可预测时间段内拥挤是否结束,从而估计交通拥挤的持续时间。
本发明的显著效果在于:本发明主要服务于道路交通管理和控制系统,为其提供实时、可靠的交通状态信息,为提高交通管理决策和交通出行决策的科学性提供重要的信息基础,其中,交通拥挤状态在线识别方法可以为交通信息发布系统和交通诱导系统提供道路拥挤状态信息,一方面可以避免车辆盲目驶入拥挤路段,导致拥挤路段越来越拥挤,无法发挥整个交通系统全部效率,另一方面,可以诱导交通参与者选择拥挤度较小的路段,节省交通参与者的出行时间。而当路段发生交通拥挤时,交通拥挤持续时间和扩散范围估计方法可以为交通管理系统提供交通拥挤未来可能的持续时间和扩散范围,为交通管理者制定疏导策略提供依据。本发明可以有效改善道路交通系统的运行效率和安全性以及在环境保护和降低能耗等方面的作用。
附图说明
图1为道路交通拥挤状态在线识别流程;
图2为基于地点交通参数的道路交通状态在线识别方法流程图;
图3为单个路段常发性拥挤持续时间在线估计流程图;
图4为常发性交通拥挤扩散范围在线估计流程图。
具体实施方式
如图1所示,本发明首先设计了基于区间交通参数和地点交通参数的交通拥挤状态评价方法,对实时采集的区间和地点交通参数进行处理,评价出交通流的实时拥挤状态,并通过常发性交通拥挤持续时间和扩散范围在线估计方法,获得常发性交通拥挤的估计持续时间和扩散范围,为交通管理者做出合理决策提供依据。
其中,基于区间交通参数的道路交通拥挤在线识别方法,在交通流理论中,连续交通流的流量与速度之间是抛物线关系。当交通需求量较低时,道路上的交通流量较小,所有车辆均能够以较高的速度运行,此时车头时距较大;随着交通需求量的增加,道路上的交通流量不断增大,同时交通流速度和车头时距逐渐下降,当交通需求量达到道路通行能力时,道路上的交通流量达到最大值,车头时距达到最小值;当交通需求量超过道路的通行能力时,为了保持行车安全,交通流的速度继续下降,车头时距开始增加,结果导致单位时间内通过道路的交通流量低于道路的通行能力,并持续下降,甚至为0。
由前面分析可知,在交通状态由顺畅到阻滞再到拥堵的过程,路段交通流的平均行程速度下降,同时平均行程时间和平均行程延误增加。
由于目前区间交通参数数据采集方法通常是先获得样本车辆的单车行程时间,由此估计交通流的平均行程时间,再结合路段的长度及其限制速度上限,计算交通流的平均行程速度和平均行程延误,这三个参数的计算结果具有高度的一致性。为便于理解和增加可比性,采用交通流的平均行程速度的倒数作为拥挤指数,即
式中:
γp(t)——P路段t时刻的区间拥挤指数;
根据交通管理的需要确定相应的阻滞状态和拥堵状态量测标准,并分别记为γ1和γ2,则
具体判断公式为:
式中:
Iq p(t)——P路段t时刻的交通状态确定值,1代表顺畅状态,2代表阻滞状态,3代表拥堵状态。
交通拥挤指数与特定阈值比较,如果交通拥挤指数在一定的阈值范围内,则可初步确定交通流处于一定的状态。如果将单次检测的结论作为交通状态评价的最终结论,会导致错误判断太多,误警率偏高,检测结果稳定性较差。为了降低误警率,提高检测结果的稳定性,可增加持续性检测,作为对交通状态评价结果的确认方法。具体如下式所示。
式中:
g-规定的检测次数减1。
其中,基于地点交通参数的道路交通拥挤状态在线识别方法,如图2所示,该方法的流程为首先实时采集流量、速度和占有率交通参数数据,计算交通拥挤指数,通过交通拥挤指数评价交通拥挤状态,最后通过持续性检测确认交通拥挤状态的识别结果。
交通流理论和交通实践均表明,在交通状态由顺畅状态、阻滞状态发展到拥堵状态的过程中,各种交通参数的变化趋势不同。为了充分利用各种交通参数数据中承载的交通状态特征,提高交通拥挤状态评价的可靠性,在设计交通拥挤评价方法时,应尽可能多地利用可获得的各种交通参数数据,方法的计算结果应为单调递增函数,且三种拥挤程度的交通状态具有良好的稳定性。因此,本发明提出交通拥挤指数的概念,将其定义为在某种交通数据采集方式下能够单调地表达路段交通拥挤程度的某个交通参数或若干交通参数的组合。综合考虑发生交通拥挤时各交通参数的变化特征,设计了交通拥挤指数来表征交通流的运行质量,如下式所示。
式中:
op(t)——P位置t时刻的占有率;
qp(i)——P位置t时刻的交通流量;
vp(i)——P位置t时刻的速度。
交通拥挤指数与特定阈值比较,如果交通拥挤指数在一定的阈值范围内,则可初步确定交通流处于一定的状态。具体判断公式为:
式中:
Ip(t)——P路段t时刻的交通状态确定值,1代表顺畅状态,2代表阻滞状态,3代表拥堵状态。
如果将单次检测的结论作为交通状态识别的最终结论,会导致错误判断太多,误警率偏高,检测结果稳定性较差。为了降低误警率,提高检测结果的稳定性,可增加持续性检测,作为对交通状态识别结果的确认方法。具体如下式所示。
式中:
g-规定的检测次数减1。
其中,单个路段常发性交通拥挤持续时间在线估计方法,如图3所示,其实现流程为:
(1)针对路段k,读取t时刻的交通参数实测数值;
(2)运行交通拥挤状态在线方法,判断t时刻交通状态是否为拥堵,若“是”则进入下一步,“否”则输出拥挤持续时间为0;
(3)令i=1,读取t时刻交通参数数据的可预测步数n和预测数据;
(4)判断i是否小于等于可预测步数,如果为“是”,输出拥挤持续时间为至少(n+1)*δ,如果为“否”,则进行下一步,其中δ是数据采样间隔;
(5)调用交通拥挤状态在线识别方法,判断t+i*δ是否处于拥堵状态,如果为“是”,令i=i+1,进入步骤(4),如果为“否”,进入下一步;
(6)判断t+(i+1)*δ时刻是否处于拥堵状态,如果为“是”,则令i=i+2,进入步骤4),如果为“否”,输出拥挤持续时间为(i+1)*δ。
其中,常发性交通拥挤扩散范围在线估计方法,如图4所示,常发性交通拥挤扩散范围在线估计方法的流程如下:
(1)实时检测各路段的交通状态,一旦检测到任意路段处于拥堵状态,则对路段进行动态编号,记录其路段编号P0和当前时刻t0;
(2)令j=P0;
(3)将j路段相邻上游路段编号赋予j,检测j路段在其可预测步数内是否会出现拥挤状态,如果为“否”,则输出路段j为上游拥挤扩散范围边界,如果为“是”,则重新进行步骤(3);
(4)将j路段相邻下游路段编号赋予j,检测j路段在其可预测步数内是否会出现拥挤状态,如果为“否”,则输出路段j为下游拥挤扩散范围边界,如果为“是”,则重新进行步骤(4)。
Claims (5)
1.一种道路交通拥挤状态在线识别方法,其特征在于包括如下步骤:
(1)采集区间交通参数数据和地点交通参数数据,区间交通参数数据包括车辆通过路段上特定点的时刻,地点交通参数数据包括该地点的流量、速度和占有率交通参数;
(2)将数据传回信息处理器;
(3)通过信息处理器通过在线识别方法对各路段交流参数数据进行分析,利用采集的区间交通参数和地点交通参数确定各路段的拥挤情况以及拥挤的时间和空间扩散范围,为交通管理与控制系统的其他子系统服务;
其中,在线识别方法包括:
(1)基于区间交通参数的道路交通拥挤状态在线识别方法;
(2)基于地点交通参数的道路交通拥挤状态在线识别方法;
(3)单个路段常发性交通拥挤持续时间在线估计方法;
(4)常发性交通拥挤扩散范围在线估计方法。
2.根据权利要求1所述的道路交通拥挤状态在线识别方法,其特征在于:基于区间交通参数的道路交通拥挤状态在线识别方法,根据发生交通拥挤时区间交通参数的变化趋势,采用交通流的平均行程速度的倒数作为拥挤指数,给出相应的道路交通拥挤状态在线识别方法,并对识别结果进行多次持续性确认,给出交通拥挤状态识别结果。
3.根据权利要求1所述的道路交通拥挤状态在线识别方法,其特征在于:基于地点交通参数的道路交通拥挤状态在线识别方法,根据发生交通拥挤时速度、流量和占有率三个地点交通参数的变化趋势,构建交通拥挤指数,并基于交通拥挤指数构建相应的交通拥挤状态识别方法,及对识别结果进行多次持续性确认的方法。
4.根据权利要求1所述的道路交通拥挤状态在线识别方法,其特征在于:常发性交通拥挤扩散范围在线估计方法,是将交通拥挤空间扩散范围定义为在空间连续的多个路段同时发生常发性拥挤状态的范围,其估计方法是检测首先发生交通拥挤路段的相邻路段在可预测时间段内是否出现拥挤状态,最终确定在可预测时间段内出现拥挤的最大连续路段范围。
5.根据权利要求1所述的道路交通拥挤状态在线识别方法,其特征在于:单个路段常发性交通拥挤持续时间在线估计方法,是针对单个路段估计拥挤持续时间,检测发生交通拥挤路段在可预测时间段内拥挤是否结束,从而估计交通拥挤的持续时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102178224A CN101739815B (zh) | 2009-11-06 | 2009-11-06 | 道路交通拥挤状态在线识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102178224A CN101739815B (zh) | 2009-11-06 | 2009-11-06 | 道路交通拥挤状态在线识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101739815A true CN101739815A (zh) | 2010-06-16 |
CN101739815B CN101739815B (zh) | 2011-11-09 |
Family
ID=42463244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009102178224A Expired - Fee Related CN101739815B (zh) | 2009-11-06 | 2009-11-06 | 道路交通拥挤状态在线识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101739815B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102280031A (zh) * | 2011-07-22 | 2011-12-14 | 南京莱斯信息技术股份有限公司 | 一种基于浮动车数据的路口交通状态识别方法 |
CN102360526A (zh) * | 2011-09-28 | 2012-02-22 | 东南大学 | 一种快速道路路段状态的实时监测方法 |
CN102360524A (zh) * | 2011-09-28 | 2012-02-22 | 东南大学 | 快速道路危险交通流特征的自动检测确认方法 |
CN102568194A (zh) * | 2011-12-26 | 2012-07-11 | 浙江工业大学 | 一种城市道路交通拥堵持续时间和空间扩散预测方法 |
CN102708688A (zh) * | 2012-06-08 | 2012-10-03 | 四川川大智胜软件股份有限公司 | 一种基于二级模糊综合判别的城市道路状态辨识方法 |
CN102938203A (zh) * | 2012-11-06 | 2013-02-20 | 江苏大为科技股份有限公司 | 基于基本交通流参数的道路拥挤状态自动判别方法 |
CN103366557A (zh) * | 2013-07-25 | 2013-10-23 | 北京交通发展研究中心 | 基于拥堵指数的交通拥堵评价方法 |
CN103514743A (zh) * | 2013-09-28 | 2014-01-15 | 上海电科智能系统股份有限公司 | 一种实时指数匹配记忆区间的异常交通状态特征识别方法 |
CN103593976A (zh) * | 2013-11-28 | 2014-02-19 | 青岛海信网络科技股份有限公司 | 基于检测器确定道路交通状态的方法及系统 |
CN103680168A (zh) * | 2013-12-31 | 2014-03-26 | 迈锐数据(北京)有限公司 | 一种交通信息发布方法 |
CN103903468A (zh) * | 2012-12-25 | 2014-07-02 | 上海博泰悦臻电子设备制造有限公司 | 道路拥堵时间预警方法及装置 |
CN104574972A (zh) * | 2015-02-13 | 2015-04-29 | 无锡物联网产业研究院 | 一种交通状态检测方法以及交通状态检测装置 |
CN104778837A (zh) * | 2015-04-14 | 2015-07-15 | 吉林大学 | 一种道路交通运行态势多时间尺度预测方法 |
CN104952259A (zh) * | 2015-06-18 | 2015-09-30 | 安徽四创电子股份有限公司 | 基于交通场面雷达的交通事件的持续时间计算方法 |
CN105185103A (zh) * | 2015-10-10 | 2015-12-23 | 上海市政工程设计研究总院(集团)有限公司 | 一种路段行程时间的管理控制方法 |
CN106203694A (zh) * | 2016-07-07 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 场所拥挤度预测模型建立、场所拥挤度预测方法和装置 |
CN106327881A (zh) * | 2016-10-19 | 2017-01-11 | 安徽四创电子股份有限公司 | 用于过渡路段的交通阻塞时间计算方法 |
CN106991815A (zh) * | 2017-05-23 | 2017-07-28 | 招商局重庆交通科研设计院有限公司 | 交通拥堵控制方法 |
CN108335483A (zh) * | 2017-12-25 | 2018-07-27 | 深圳先进技术研究院 | 交通拥堵扩散路径的推断方法及其系统 |
CN108538049A (zh) * | 2017-03-03 | 2018-09-14 | 防城港市港口区思达电子科技有限公司 | 城市交通拥挤自动识别方法 |
CN111489545A (zh) * | 2019-01-28 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 道路监控方法、装置以及设备、存储介质 |
CN112598169A (zh) * | 2020-12-17 | 2021-04-02 | 广东南方通信建设有限公司 | 交通运行态势评估方法、系统及装置 |
CN113380032A (zh) * | 2021-06-09 | 2021-09-10 | 重庆大学 | 一种基于层次聚类法的高速公路拥堵判断方法及装置 |
CN114863676A (zh) * | 2022-04-15 | 2022-08-05 | 青岛海信网络科技股份有限公司 | 一种拥堵识别方法及装置 |
-
2009
- 2009-11-06 CN CN2009102178224A patent/CN101739815B/zh not_active Expired - Fee Related
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102280031B (zh) * | 2011-07-22 | 2013-10-09 | 南京莱斯信息技术股份有限公司 | 一种基于浮动车数据的路口交通状态识别方法 |
CN102280031A (zh) * | 2011-07-22 | 2011-12-14 | 南京莱斯信息技术股份有限公司 | 一种基于浮动车数据的路口交通状态识别方法 |
CN102360526A (zh) * | 2011-09-28 | 2012-02-22 | 东南大学 | 一种快速道路路段状态的实时监测方法 |
CN102360524A (zh) * | 2011-09-28 | 2012-02-22 | 东南大学 | 快速道路危险交通流特征的自动检测确认方法 |
CN102360524B (zh) * | 2011-09-28 | 2013-07-10 | 东南大学 | 快速道路危险交通流特征的自动检测确认方法 |
CN102360526B (zh) * | 2011-09-28 | 2013-09-18 | 东南大学 | 一种快速道路路段状态的实时监测方法 |
CN102568194A (zh) * | 2011-12-26 | 2012-07-11 | 浙江工业大学 | 一种城市道路交通拥堵持续时间和空间扩散预测方法 |
CN102568194B (zh) * | 2011-12-26 | 2014-06-11 | 浙江工业大学 | 一种城市道路交通拥堵持续时间和空间扩散预测方法 |
CN102708688B (zh) * | 2012-06-08 | 2014-01-22 | 四川川大智胜软件股份有限公司 | 一种基于二级模糊综合判别的城市道路状态辨识方法 |
CN102708688A (zh) * | 2012-06-08 | 2012-10-03 | 四川川大智胜软件股份有限公司 | 一种基于二级模糊综合判别的城市道路状态辨识方法 |
CN102938203A (zh) * | 2012-11-06 | 2013-02-20 | 江苏大为科技股份有限公司 | 基于基本交通流参数的道路拥挤状态自动判别方法 |
CN103903468A (zh) * | 2012-12-25 | 2014-07-02 | 上海博泰悦臻电子设备制造有限公司 | 道路拥堵时间预警方法及装置 |
CN103366557B (zh) * | 2013-07-25 | 2016-06-22 | 北京交通发展研究中心 | 基于拥堵指数的交通拥堵评价方法 |
CN103366557A (zh) * | 2013-07-25 | 2013-10-23 | 北京交通发展研究中心 | 基于拥堵指数的交通拥堵评价方法 |
CN103514743A (zh) * | 2013-09-28 | 2014-01-15 | 上海电科智能系统股份有限公司 | 一种实时指数匹配记忆区间的异常交通状态特征识别方法 |
CN103514743B (zh) * | 2013-09-28 | 2016-01-06 | 上海电科智能系统股份有限公司 | 一种实时指数匹配记忆区间的异常交通状态特征识别方法 |
CN103593976A (zh) * | 2013-11-28 | 2014-02-19 | 青岛海信网络科技股份有限公司 | 基于检测器确定道路交通状态的方法及系统 |
CN103593976B (zh) * | 2013-11-28 | 2016-01-06 | 青岛海信网络科技股份有限公司 | 基于检测器确定道路交通状态的方法及系统 |
CN103680168A (zh) * | 2013-12-31 | 2014-03-26 | 迈锐数据(北京)有限公司 | 一种交通信息发布方法 |
CN103680168B (zh) * | 2013-12-31 | 2015-12-30 | 迈锐数据(北京)有限公司 | 一种交通信息发布方法 |
CN104574972A (zh) * | 2015-02-13 | 2015-04-29 | 无锡物联网产业研究院 | 一种交通状态检测方法以及交通状态检测装置 |
CN104574972B (zh) * | 2015-02-13 | 2017-05-10 | 无锡物联网产业研究院 | 一种交通状态检测方法以及交通状态检测装置 |
CN104778837A (zh) * | 2015-04-14 | 2015-07-15 | 吉林大学 | 一种道路交通运行态势多时间尺度预测方法 |
CN104952259A (zh) * | 2015-06-18 | 2015-09-30 | 安徽四创电子股份有限公司 | 基于交通场面雷达的交通事件的持续时间计算方法 |
CN105185103A (zh) * | 2015-10-10 | 2015-12-23 | 上海市政工程设计研究总院(集团)有限公司 | 一种路段行程时间的管理控制方法 |
CN105185103B (zh) * | 2015-10-10 | 2018-02-16 | 上海市政工程设计研究总院(集团)有限公司 | 一种路段行程时间的管理控制方法 |
CN106203694A (zh) * | 2016-07-07 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 场所拥挤度预测模型建立、场所拥挤度预测方法和装置 |
CN106203694B (zh) * | 2016-07-07 | 2022-01-04 | 百度在线网络技术(北京)有限公司 | 场所拥挤度预测模型建立、场所拥挤度预测方法和装置 |
CN106327881A (zh) * | 2016-10-19 | 2017-01-11 | 安徽四创电子股份有限公司 | 用于过渡路段的交通阻塞时间计算方法 |
CN108538049A (zh) * | 2017-03-03 | 2018-09-14 | 防城港市港口区思达电子科技有限公司 | 城市交通拥挤自动识别方法 |
CN106991815A (zh) * | 2017-05-23 | 2017-07-28 | 招商局重庆交通科研设计院有限公司 | 交通拥堵控制方法 |
CN108335483B (zh) * | 2017-12-25 | 2021-09-14 | 深圳先进技术研究院 | 交通拥堵扩散路径的推断方法及其系统 |
CN108335483A (zh) * | 2017-12-25 | 2018-07-27 | 深圳先进技术研究院 | 交通拥堵扩散路径的推断方法及其系统 |
CN111489545A (zh) * | 2019-01-28 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 道路监控方法、装置以及设备、存储介质 |
CN112598169A (zh) * | 2020-12-17 | 2021-04-02 | 广东南方通信建设有限公司 | 交通运行态势评估方法、系统及装置 |
CN112598169B (zh) * | 2020-12-17 | 2023-03-24 | 广东南方通信建设有限公司 | 交通运行态势评估方法、系统及装置 |
CN113380032A (zh) * | 2021-06-09 | 2021-09-10 | 重庆大学 | 一种基于层次聚类法的高速公路拥堵判断方法及装置 |
CN113380032B (zh) * | 2021-06-09 | 2022-08-02 | 重庆大学 | 一种基于层次聚类法的高速公路拥堵判断方法及装置 |
CN114863676A (zh) * | 2022-04-15 | 2022-08-05 | 青岛海信网络科技股份有限公司 | 一种拥堵识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101739815B (zh) | 2011-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101739815B (zh) | 道路交通拥挤状态在线识别方法 | |
CN109003444A (zh) | 基于广域雷达微波检测器的城市交叉口溢流控制方法 | |
CN102542801B (zh) | 一种融合多种交通数据的交通状况预测系统及方法 | |
CN112512020B (zh) | 一种基于多源数据融合的交通状态弱信号感知研判方法 | |
CN101739814B (zh) | 基于scats线圈数据的交通状态在线定量评价与预测方法 | |
CN109272756A (zh) | 一种信控交叉口排队长度估计方法 | |
JP4753084B2 (ja) | 交差点における交通量算出システム | |
CN102360525A (zh) | 基于判别分析的快速道路实时交通事故风险预测方法 | |
CN102637357A (zh) | 一种区域交通状态评价方法 | |
CN106601005B (zh) | 一种基于rfid和微信平台的城市智能交通诱导方法 | |
CN109544912B (zh) | 一种基于多源数据融合的城市路网积水状态预测方法 | |
CN108492554B (zh) | 一种交通数据采集处理系统的控制方法 | |
CN103413435A (zh) | 一种基于油耗采集的路网运行状态分析方法 | |
CN102360526A (zh) | 一种快速道路路段状态的实时监测方法 | |
CN205943076U (zh) | 一种拥堵检测车载装置 | |
CN103413436A (zh) | 一种基于油耗采集的路网运行状态分析系统 | |
CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
CN101551940A (zh) | 城市快速道路交通状态判别与发布系统及其方法 | |
CN111402613A (zh) | 一种自动驾驶车辆收费站车道选择方法 | |
CN112687100A (zh) | 一种基于wifi6的交通信息获取方法及系统 | |
CN101430829A (zh) | 一种基于gsm数据网进行交通疏导的方法及系统 | |
CN202394387U (zh) | 一种融合多种交通数据的交通状况预测系统 | |
CN103198707B (zh) | 一种基于晴天状况下危险交通流特征的车辆调控方法 | |
CN115862335A (zh) | 基于车路信息融合的拥堵预警方法、系统及存储介质 | |
CN102034348B (zh) | 一种道路交通状态识别方法 |
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 | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111109 Termination date: 20121106 |