CN101819717A - 基于交通状态时空模型的路网性能判定方法 - Google Patents
基于交通状态时空模型的路网性能判定方法 Download PDFInfo
- Publication number
- CN101819717A CN101819717A CN 201010120787 CN201010120787A CN101819717A CN 101819717 A CN101819717 A CN 101819717A CN 201010120787 CN201010120787 CN 201010120787 CN 201010120787 A CN201010120787 A CN 201010120787A CN 101819717 A CN101819717 A CN 101819717A
- Authority
- CN
- China
- Prior art keywords
- traffic
- time
- road
- crossing
- subarea
- 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
一种基于交通状态时空模型的路网性能判定方法,属于智能交通技术领域,包括获取交通流参数;进行交通子区动态划分;建立区域交通状态时空模型和对路网性能分析步骤实现,其中,交通流参数是车辆到达排队队尾时间、排队等待时间和通过路口时间构成的路段行程时间,交通子区动态划分采用周期原则对子区进行动态划分。按照本发明的思想进行建模、分析,可以从根本上找出交通拥挤问题的症结,从而提出相应的拥挤疏导方案,使交通管理具有方向性、目的性和高效性,显著提高城市交通管理的水平。
Description
技术领域
本发明涉及一种城市区域交通运行状态分析方法,主要用于城市交通管理中的信号控制、诱导及拥挤疏导策略的生成,属于智能交通研究领域。
背景技术
随着社会经济的快速发展,道路车辆不断增多,道路交通需求增长迅速,道路交通状况正变得日益严峻。恶性交通事故及交通拥挤的迅速增加,不但严重威胁人民生命和财产的安全,也给道路交通的运行效率带来了严重影响。在这种背景下,先进的交通信息管理系统(ATIMS)受到了广泛的关注,在世界各国都得到了快速的发展,被用于动态路径规划、动态导航、路网信号协调控制等各个方面。其中,对城市路网实时运行状态的分析与评估是ATIMS中关键的组成部分。
目前,在城市路网交通状态研究方面,主要利用模式识别的方法,避开路网状态建模问题,直接从检测数据得出相关结论。区域交通状态分析并没有一种合理的时空模型,所得结果不能同时得出包含时间信息和空间信息的区域交通状态。因此无法对城市路网当前的运行状态做出客观的评估,严重影响了城市交通管理水平。
交通状态时空分析模型的建立是区域交通状态分析的关键和基础。交通系统状态分析模型需要同时考虑时间、空间和交通状态参数,其中,交通状态参数是包含微观、中观和宏观等不同尺度。建立交通状态分析模型,需要在多个交通参数中选择或重新定义反映路口和路段状态的通用变量,需要建立包含时空交通状态信息的模型。
技术内容:
本发明要解决的技术问题是公开一种基于交通状态时空模型的路网性能判定方法,提出了一种基于道路状态参数的时空模型,并在此模型的基础上对路网性能进行时间和空间不同尺度上的分析。
本发明解决技术问题的方案包括以下步骤:
1、获取交通流参数;
2、进行交通子区动态划分;
3、建立区域交通状态时空模型;
4、对路网性能分析,并做出判定决策;
其中,交通流参数是车辆到达排队队尾时间、排队等待时间和通过路口时间构成的路段行程时间,交通子区动态划分采用周期原则对子区进行动态划分。
本方法中所需要的交通流参数主要为路段行程时间(包括车辆到达排队队尾时间、排队等待时间和通过路口时间三部分),此参数由GPS浮动车或固定检测器等检测方式获得,经相关数据处理后直接作为模型输入,减少了冗余。
由于交通系统的随机性、动态性等,在计算机容量、速度和性能方面等的限制下,对整个网络进行统一的控制与诱导的协同显然是不现实的。交通状态分析的目的是为了更好的对交通进行实施协调控制与诱导,以达到路网运营负载均衡、道路畅通的目的。研究表明,路网交通流的特性总是以区域为单位的,即几个相邻交叉口的交通流特性会在一段时间内具有相似性。因此本发明首先将整个城市路网按行政区划静态的划分为几个控制区域,并将其存储于相应的服务器中。然后按照周期原则对这些区域进行动态子区划分和调整,每个子区包括1~10个交叉口,同时将相关数据进行动态存贮。在交通控制与诱导协同条件下,按周期原则进行子区动态划分要经历一个判断过程:交通子区合并或分离是以“合并指标”是否达到“标准”来判断的。当相邻交叉口的“合并指数”达到标准时,将其合并为一个子区;当“合并指数”未达到标准时,保持原状态;当“合并指数”将为0时,原属于同一个子区的相邻交叉口拆分为不同的子区。
接下来建立路网区域交通状态时空模型。首先建立路段时空模型。采用交通控制中心端GIS软件读取道路数据文件,建立道路拓扑关系,采用邻接表结构存贮数据。同时,与以上所提出的交通子区划分建立动态链接,将子区划分结果以数据文件形式存入oracle数据库,并实时更新子区数据。(通过oracle完成)然后按照本发明中规定提取相应的交通流参数数据,计算得到路段行程时间。为了便于路网状态分析,由路段行程时间得到路段交通状态系数,保存在路段属性表中。
在路段时空模型的基础上建立区域交通状态时空模型。在道路拓扑关系数据中提取路口物理邻接关系建立路口邻接矩阵。在路口邻接矩阵的基础上加入时变的路段交通状态信息,便构成了包括时空信息的路段交通邻接状态阵。最后建立的路段交通状态连通矩阵包括了时空信息、交通状态判别信息,能够满足交通状态分析的需要,可以作为区域交通状态分析的模型。
在以上子区动态划分和交通状态时空模型的基础上进行路网性能评价。路网性能评价分两级,首先以交通子区为单位,对其路口可达性、路段连通性和交通状态时间序列进行分析,评估区域道路交通运行状态,将判别结果以电子地图和数据的形式呈现出来;然后以其上级区域为单位,从宏观角度同样进行这三种分析,可以很容易的发现交通拥堵的区域及其发展趋势,以便于交通管理部门及时做出正确的疏导策略。
按照本发明的思想进行建模、分析,可以从根本上找出交通拥挤问题的症结,从而提出相应的拥挤疏导方案,使交通管理具有方向性、目的性和高效性,显著提高城市交通管理的水平。
附图说明:
图1路网性能分析流程图;
图2城市交通控制系统层次示意图;
图3周期原则子区动态划分过程;
图4区域交通状态时空模型建模流程图;
图5邻接表拓扑结构示意图;
图6弧段状态属性图;
图7拥挤度截值取λτ=0.1时的路段连通图;
图8拥挤度截值取λτ=0.05时的路段连通图;
图9路网区域可达性指标时间序列图。
具体实施方式:
为了更好地讲解本发明的技术方案,下面结合附图作进一步的详细描述,路网性能分析的流程如图1所示。
本发明所适用的城市交通控制系统层次结构(如图2)大体上可分成:中央监控中心-区域控制中心-信号控制机。其中区域控制中心又包含几个子系统(也即子区),每个子系统控制1~10个信号控制机,若干个子系统组合为一个相对独立的系统。系统之间基本上互不相干,而系统内部各子系统之间存在一定的协调关系。随客观交通状况的实时变化,子系统既可以合并,也可以重新分开。
中央监控中心,除了对整个控制系统运行状况及系统各项设备做集中监视之外,还有专门用于系统数据库管理的计算机。执行管理任务的计算机,对所有各区域控制中心的各项数据以及每一台信号控制器的运行参数作动态存贮(以不断更新的动态数据库形式)。
1.交通子区动态划分
按信号周期长度来划分交通子区,被目前许多成功的交通控制系统所采用。周期划分原则的实质是:相邻交叉口信号最佳周期长度相近(周期差小于t秒),表明其交通状况相似。此时,交叉口合并实行信号协同控制,可使得合并后的各交叉口总延误小于合并前的总延误。t值应根据当地实际情况,考察周期时长与交通状况的相关性,经实地观测调查后确定。
周期原则子区动态划分过程:
在每一个信号控制周期及信息发布周期内,都要进行“合并指标”的判断计算。信息发布周期,交通流诱导系统根据诱导车辆OD数据,经动态交通分配,得到路网各路段交通流量,然后由区域交通控制中心计算出路网各交叉口最佳周期长,判断相邻交叉口周期差。而信号控制周期内“合并指数”的判断计算是根据车辆检测器检测到的交叉口实时交通流量,结合历史流量数据,也由区域交通控制中心经动态交通模型计算各交叉口最佳周期时长,判断相邻交叉口周期差。若相邻交叉口各自所要求的信号周期长度相差不超过t秒,则“合并指数”累积值加1,反之减1。若“合并指数”的累积值达到“s”,则可认为相邻交叉口已经达到合并为一个子区的“标准”。合并后的子区,在必要时还可以自动重新分解,只要“合并指数”累积值降至“0”。一旦“合并指数”累计至临界值s或0,即使达到累计标准,“合并指数”也不再累加,周期原则子区动态划分过程见图3。
2.区域交通状态时空模型建立
本发明在建立区域交通状态时空模型时主要分为两个步骤,建模流程见图4。
(1)首先建立路段时空模型
本发明中道路数据采用oracle数据库存贮,网络拓扑结构的数据采用邻接表结构,该表示法使用两个数组来表示网络的拓扑关系。一个数组存储和弧相关的数据,称之为弧段数组;另一个数组存储和结点相关的数据,称之为结点数组。网络中所有的弧以起点为顺序在数组中排列,起点相同的弧按指向结点ID顺序排列。弧段数组类似于邻接矩阵的压缩存储方式,即一条弧以两结点表示。弧的属性数据,如距离、权值等,保存在弧段属性表中。结点数组相当于一个基于邻接表结构的索引表,对于结点数组的邻接边的列数,本发明采用结点最大出度数确定,如图5所示,图中结点的最大出度为3,则结点数组中弧段部分为3列,在结点数组中,第i个元素存储的是以结点i为起点的所有弧段ID。图5是采用邻接表结构的道路拓扑关系示意图。
在区域路网状态分析中,路段处于连接宏观路网参数和微观路口参数的位置。路段参数通常包括流量、占有率、行程时间、行驶速度等。在建立路段模型时,需采用能够同时反映路段状态和路口状态的公共变量。行程时间能够反映路段和路口的共同状态,并且其在交通诱导中是一个关键的参数,因此本发明采用行程时间来表达路段运行状态,并定义路段行程时间Tij(k)为某一路段在一天中的第k个交通数据采样时段[tk,tk+1]内,车辆到达排队队尾时间、排队等待时间和通过路口时间3部分的总和。其中tk为第k个数据采样时段的起始时刻。
由于路段行程时间没有考虑路段长度的影响,不能比较相同行程时间下不同路段的交通状态差异。因此为了便于路网状态分析,引入路段交通状态系数的概念。
定义路段交通状态系数sij(tk,tk+1)(也即路段交通阻抗系数rij(tk,tk+1))为某一路段lij在第k个数据采样时段[tk,tk+1]内单位长度路段上的平均行程时间。表达式如下:
路段交通状态系数综合考虑了路段行程时间和路段长度两类物理量,同时可以把计算路段行程时间转化为计算路段平均速度,在实际的交通控制与诱导系统中具有很重要的现实意义。将该系数作为路段的状态属性保存在数据库中,并实时更新。弧段状态属性结构表如图6所示。
(2)建立区域交通状态时空模型
在路段交通状态时空模型的基础上,建立包括路口邻接状态和路段连通状态的区域交通状态时空模型。
提取道路拓扑数据中的节点数组,建立路口邻接矩阵。定义路口邻接矩阵A={aij}为路口间物理邻接关系,表示路网的空间信息。当两节点相邻并且有弧段连接时其元素值为1;否则为0。
在路口邻接矩阵的基础上,加入时变的路段交通状态信息,便构成了包括时空信息的交通状态阵,称为路段交通邻接状态阵M(tk,tk+1)={mij(tk,tk+1)},表示路口间可到达的阻抗程度。当路口间有弧段直接相连,其元素值为该弧段交通状态系数;否则为无穷大。表达式如下:
根据《城市道路交通管理评价指标体系》(2007版)中的评价指标定义交通拥挤状态临界值,用来评价当前交通状态。定义路段拥挤度截值λ为不同交通拥挤状态对应速度的倒数,即
在进行交通状态分析时,在拥挤程度值区间指定一个交通拥挤值作为交通拥挤程度截值λτ。例如:可以取λ1=0.1作为严重拥挤程度截值;λ2=0.05作为拥挤程度截值;λ3=0.037作为轻微拥挤程度截值。选定路段拥挤截值后,利用路段交通状态系数与拥挤截值的比较可得到路段在该截值下的连通性。
最后,在路段交通邻接状态阵的基础上,定义路段交通连通矩阵为路段在给定路段拥挤度截值λτ下路段连通状态的矩阵。当路段交通邻接状态阵元素值小于给定拥挤度截值时,其值为1;否则为0。即C(λτ,[tk,tk+δ])={cij(λτ,[tk,tk+δ])},其中:
路段交通连通矩阵C(λτ,[tk,tk+δ])包括了时空信息、交通状态判别信息,能够满足交通状态分析的需要,可以作为区域交通状态时空分析的模型。
3.路网性能分析
根据区域交通状态时空模型,本发明提出对路网进行三个方面的分析:路口可达性分析、路段连通性分析和交通状态时间序列分析。
(1)路口可达性分析
一条路径由从起点到终点间相互连接的路段组成,定义一条路径的阻抗为该路径上所有路段阻抗之和。
在道路交通网络中,连接两个节点间的路径往往不止一条,定义两节点的阻抗为连接起点到终点的所有路径中阻抗最小的那条路径所具有的阻抗值。即从节点i到j得通行阻抗为:
由节点i到节点j的可达性,也称为节点j对节点i的可达性。在其他条件相同时,阻抗越大,可达性越低。定义两节点的可达性为其交通阻抗的单调递减函数,满足这一条件的函数有多种形式,如反比例函数和负指数函数等。负指数函数具有值域归一性,由于比较等优点,因此选取负指数函数来进行可达性计算。记节点i到j得可达性为:
式中,dij(tk,tk+1)即为节点j对节点i的可达性指标;c为常数。从式中可以看出,由于阻抗非负,可达性的值域为[0,1]。
节点可达性适用于评价现有城市道路网络,体现了在当前路网交通条件下任意两点间可通达的便利程度。可达性指标值越大,表明从起点到终点的最优路径交通状态越好,行车越通畅。在实际应用中交通管理人员可通过GIS软件选取一些关键的节点作重点分析,根据节点间的可达性指标值很容易的看出节点间的通达程度,从而制定有针对性的交通疏导策略。
按照上述方法,由后台服务器结合道路交通数据库计算得到路网中节点对间的可达性后,就可以得到路网区域整体可达性指标。路网区域整体可达性为路网区域中所有相邻节点可达性的算术平均值,即
从路口可达性指标的计算可以看出,可达性指标综合了路网时空数据、路段距离、交通状态参数等因素,描述了城市路网交通运行的连接性能。通过路网区域整体可达性量化了该区域运行通畅状态。
(2)路段连通性分析
设在某时刻交通控制的目标是维持状态系数在某一λτ(交通状态截值)值以下,比如在高峰期交通管控的目标是避免出现严重拥挤状态,则取λτ=0.1。当某时刻某条路段上交通状态系数值小于λτ时,则此时两节点间的可达性好于规定的状态截值λτ时的可达性,这种情况下认为两节点是连通的。相反,若路段上交通状态系数值大于λτ时,此时两节点间的可达性较规定的状态截值λτ时的可达性要差,这时认为两节点不连通。路段交通连通矩阵C(λτ,[tk,tk+δ])体现了这种情况。
路网上任意两节点的连通性定义为如果存在一条从起点i到终点j的路径,该条路径上所有的路段状态系数都满足sij(tk,tk+1)<λτ,则认为从i到j是连通的;相反,如果从i到j不存在一条路径满足该路径上所有路段的状态系数都小于λτ,则i到j不连通。
从路网的组成及交通变化来看,路网交通状态不仅反映为以路段或交叉口为单位所具备的自身独立的属性,而且表现在其间相互影响和关联上,具有重要的时空特征。所以,在对路网进行连通性判断后,不连通路段在路网中往往呈现某种规律性分布,归纳起来其空间分布有如下几种基本形式:
(a)点 一条独立路段不连通,该条路段上游交叉口所有进口方向路段均为连通状态,下游交叉口其他路段也均为连通状态。
(b)线 某条连线上的节点在某方向上相互连接点均不连通,造成这条路径不连通。这种情况往往发生在高峰期间,交通流量的激增或者由于局部的交通阻塞未得到及时解决,使得交通拥挤在相互关联的路段上蔓延,并且主要分布在一条城市主干道上。
(c)面 相互关联的路段均不连通,成区域性分布。这种情况往往发生在区域性交通拥挤的情况下,相互连接的交叉口均发生不同程度的拥挤,并且拥挤不断向周围扩散。有时甚至会出现节点“孤立”的情况,即与节点相关的所有路段都是不连通的,这种节点往往处于路网的关键位置,是城市交通控制的重点。
一般说来,不连通路段的空间分布由以上三种基本类型组成,某一状态下,可能是其中一种,也可能是三种同时存在。
判断不连通路段的空间分布对于预防和治理交通拥挤具有十分重要的意义。尤其是取定合理的λτ值下,若检测到不连通路段呈线状或区域分布形态,说明此时该条线路或区域内的路段交通状态相似,一但某处发生交通拥挤,拥挤很容易会蔓延到整条线路或整个区域,后果将无法估计。
可以通过实时地收集处理地点交通信息,在不同状态截值下将不连通路段反映到城市道路网络结构上,就可以生成不连通路段的空间分布情况。此过程通过GIS软件完成,将分析结果显示在大屏幕上。比如图7和图8分别表示了某一子区在拥挤度截值取λτ=0.1时和λτ=0.05时的路段连通图,其中实线表示连通,虚线表示不连通。
(3)交通状态时间序列分析
为了进一步了解路段拥挤状况,可对某一个方向路段、某条线路上的路段甚至对区域路段的交通状态进行时间序列分析,挖掘交通状态数据中隐含的信息,提高交通管理与控制的水平。
Claims (5)
1.一种基于交通状态时空模型的路网性能判定方法,其特征包括以下步骤:
(1)获取交通流参数;
(2)进行交通子区动态划分;
(3)建立区域交通状态时空模型;
(4)对路网性能分析,并做出判定;
其中,交通流参数是车辆到达排队队尾时间、排队等待时间和通过路口时间构成的路段行程时间,交通子区动态划分采用周期原则对子区进行动态划分。
2.根据权利要求1所述的路网性能判定方法,其特征在于:交通子区动态划分是交通流诱导系统根据诱导车辆OD数据,经动态交通分配,得到路网各路段交通流量,然后由区域交通控制中心计算出路网各交叉口最佳周期长,判断相邻交叉口周期差,而信号控制周期内“合并指数”的判断计算是根据车辆检测器检测到的交叉口实时交通流量,结合历史流量数据,也由区域交通控制中心经动态交通模型计算各交叉口最佳周期时长,判断相邻交叉口周期差;若相邻交叉口各自所要求的信号周期长度相差不超过t秒,则“合并指数”累积值加1,反之减1;若“合并指数”的累积值达到“s”,则可认为相邻交叉口已经达到合并为一个子区的“标准”。
3.根据权利要求2所述的交通子区动态划分方法,其特征在于:合并后的子区,还可以自动重新分解,只要“合并指数”累积值降至“0”,一旦“合并指数”累计至临界值s或0,即使达到累计标准,“合并指数”也不再累加。
4.根据权利要求1所述的路网性能判定方法,其特征在于:建立区域交通状态时空模型,首先需要建立路段时空模型,通过读取道路数据文件,建立道路拓扑关系,采用邻接表结构存贮数据,同时,与所提出的交通子区划分建立动态链接,将子区划分结果以数据文件形式存入数据库,并实时更新子区数据,得到路段行程时间,然后在道路拓扑关系数据中提取路口物理邻接关系建立路口邻接矩阵,在路口邻接矩阵的基础上加入时变的路段交通状态信息,便构成了包括时空信息的路段交通邻接状态阵,最后建立的路段交通状态连通矩阵包括了时空信息、交通状态判别信息,作为区域交通状态分析的模型。
5.根据权利要求1所述的路网性能判定方法,其特征在于:所述的对路网性能分析,并做出判定是在子区动态划分和交通状态时空模型的基础上进行路网性能评价,路网性能评价分两级,首先以交通子区为单位,对其路口可达性、路段连通性和交通状态时间序列进行分析,评估区域道路交通运行状态,将判别结果以电子地图和数据的形式呈现出来;然后以其上级区域为单位,从宏观角度对这三种分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101207877A CN101819717B (zh) | 2010-03-05 | 2010-03-05 | 基于交通状态时空模型的路网性能判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101207877A CN101819717B (zh) | 2010-03-05 | 2010-03-05 | 基于交通状态时空模型的路网性能判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101819717A true CN101819717A (zh) | 2010-09-01 |
CN101819717B CN101819717B (zh) | 2012-02-22 |
Family
ID=42654802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101207877A Expired - Fee Related CN101819717B (zh) | 2010-03-05 | 2010-03-05 | 基于交通状态时空模型的路网性能判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101819717B (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542106A (zh) * | 2011-12-27 | 2012-07-04 | 中国科学院自动化研究所 | 基于可变区域划分的分布式交通仿真系统及仿真方法 |
CN102722986A (zh) * | 2012-06-28 | 2012-10-10 | 吉林大学 | 城市路网交通控制子区动态划分方法 |
CN103050005A (zh) * | 2012-11-16 | 2013-04-17 | 北京交通大学 | 城市道路交通状态时空分析方法与系统 |
CN103150680A (zh) * | 2013-03-25 | 2013-06-12 | 东南大学 | 一种道路可达性最佳的城市建设用地自动布局方法 |
CN103544841A (zh) * | 2013-10-22 | 2014-01-29 | 银江股份有限公司 | 交通控制区域动态划分方法 |
CN104091454A (zh) * | 2014-06-13 | 2014-10-08 | 东南大学 | 针对网格状路网的交通信号协同控制系统及控制方法 |
CN104240522A (zh) * | 2014-09-04 | 2014-12-24 | 中山大学 | 基于车载网和模糊神经网络的自适应十字路口控制技术 |
CN104537830A (zh) * | 2014-12-29 | 2015-04-22 | 上海电科智能系统股份有限公司 | 一种出行热点路网影响评估的交通指数区域划分方法 |
CN104567907A (zh) * | 2015-01-22 | 2015-04-29 | 四川汇源吉迅数码科技有限公司 | 一种基于动态反馈的实时路径规划方法 |
CN104596532A (zh) * | 2014-06-04 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种路段转移代价确定方法及装置 |
CN106327871A (zh) * | 2016-09-06 | 2017-01-11 | 华南理工大学 | 一种融合历史数据和预约数据的高速公路拥挤预测方法 |
CN107180541A (zh) * | 2017-06-01 | 2017-09-19 | 华南理工大学 | 一种交通控制小区的动态调整方法 |
CN107491450A (zh) * | 2016-06-13 | 2017-12-19 | 北京游谱科技发展有限公司 | 一种基于poi的行程修改方法及系统 |
CN108364465A (zh) * | 2018-02-09 | 2018-08-03 | 太原理工大学 | 基于宏观基本图的城市路网控制子区的动态划分方法 |
CN109191852A (zh) * | 2018-10-25 | 2019-01-11 | 西北工业大学 | 车-路-云协同的交通流态势预测方法 |
CN109360421A (zh) * | 2018-11-28 | 2019-02-19 | 平安科技(深圳)有限公司 | 一种基于机器学习的交通信息预测方法及装置、电子终端 |
CN109544922A (zh) * | 2018-11-27 | 2019-03-29 | 华南理工大学 | 一种基于区域划分的交通路网分布式预测控制方法 |
CN109841063A (zh) * | 2019-04-01 | 2019-06-04 | 武汉凤翥科技有限公司 | 一种交通控制子区动态划分方法 |
CN109840620A (zh) * | 2018-12-29 | 2019-06-04 | 厦门纳网科技股份有限公司 | 多属性时序交通网络中k个最近邻节点对的查询方法 |
CN110033613A (zh) * | 2019-03-07 | 2019-07-19 | 吉林建筑大学 | 基于区域交通同步性的智慧城市管理方法及系统 |
CN110598930A (zh) * | 2019-09-11 | 2019-12-20 | 长沙理工大学 | 一种公交线路优化调整方法及装置 |
CN110706486A (zh) * | 2019-10-15 | 2020-01-17 | 中国城市规划设计研究院 | 一种道路运行分析系统 |
CN110738853A (zh) * | 2019-10-25 | 2020-01-31 | 北京航空航天大学 | 一种基于复杂网络相关性的关键节点识别方法 |
CN110969275A (zh) * | 2018-09-30 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法、装置、可读存储介质及电子设备 |
CN111210625A (zh) * | 2020-01-10 | 2020-05-29 | 阿里巴巴集团控股有限公司 | 一种交通控制方法、装置及电子设备 |
CN111259100A (zh) * | 2020-01-10 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 一种路网拓扑结构的构建方法及装置 |
CN111275961A (zh) * | 2019-01-18 | 2020-06-12 | 北京交通大学 | 基于浮动车数据的城市交通运行状态特征计算方法 |
CN111354197A (zh) * | 2018-12-24 | 2020-06-30 | 北京嘀嘀无限科技发展有限公司 | 交通子区域及时段的划分方法及设备 |
CN111508225A (zh) * | 2019-01-30 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 信息处理、交通控制方法、装置及设备、存储介质 |
CN111613049A (zh) * | 2019-02-26 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 一种道路状态监测方法以及装置 |
CN112085949A (zh) * | 2020-08-13 | 2020-12-15 | 浙江工业大学 | 一种基于交通运行状况异常的路网脆弱性识别、分析与应对方法 |
CN112185116A (zh) * | 2020-09-29 | 2021-01-05 | 重庆文理学院 | 一种城市道路交通网络抗灾韧性能力评估方法 |
CN112598305A (zh) * | 2020-12-28 | 2021-04-02 | 中国人民解放军军事科学院国防科技创新研究院 | 基于局域结构流量的城市路网重要节点识别方法 |
CN113532449A (zh) * | 2021-06-21 | 2021-10-22 | 阿波罗智联(北京)科技有限公司 | 智能交通路网获取方法、装置、电子设备及存储介质 |
CN114093167A (zh) * | 2021-11-18 | 2022-02-25 | 公安部交通管理科学研究所 | 一种城市重点区域交通路网空间不均衡性测评方法 |
CN114662792A (zh) * | 2022-04-22 | 2022-06-24 | 广西财经学院 | 基于动态扩散图卷积的循环神经网络的交通流量预测方法 |
CN117292547A (zh) * | 2023-10-27 | 2023-12-26 | 重庆交通大学 | 一种大型活动多级影响区路网连通性评价方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6577946B2 (en) * | 2001-07-10 | 2003-06-10 | Makor Issues And Rights Ltd. | Traffic information gathering via cellular phone networks for intelligent transportation systems |
CN101127159A (zh) * | 2007-09-18 | 2008-02-20 | 中国科学院软件研究所 | 基于网络受限移动对象数据库的交通流数据采集与分析 |
EP1894182A2 (en) * | 2005-06-16 | 2008-03-05 | Global Traffic Technologies, LLC | Traffic preemption system with headway management |
CN101256083A (zh) * | 2008-04-09 | 2008-09-03 | 山东大学 | 基于动态信息的城市交通网络路径选择方法 |
CN100468481C (zh) * | 2007-02-07 | 2009-03-11 | 浙江工业大学 | 城市交通行程时间智能化分析系统 |
CN101567126A (zh) * | 2009-05-31 | 2009-10-28 | 上海宝康电子控制工程有限公司 | 城市道路交通信息检测与发布系统 |
CN101639978A (zh) * | 2009-08-28 | 2010-02-03 | 华南理工大学 | 一种动态划分交通控制子区的方法 |
-
2010
- 2010-03-05 CN CN2010101207877A patent/CN101819717B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6577946B2 (en) * | 2001-07-10 | 2003-06-10 | Makor Issues And Rights Ltd. | Traffic information gathering via cellular phone networks for intelligent transportation systems |
EP1894182A2 (en) * | 2005-06-16 | 2008-03-05 | Global Traffic Technologies, LLC | Traffic preemption system with headway management |
CN100468481C (zh) * | 2007-02-07 | 2009-03-11 | 浙江工业大学 | 城市交通行程时间智能化分析系统 |
CN101127159A (zh) * | 2007-09-18 | 2008-02-20 | 中国科学院软件研究所 | 基于网络受限移动对象数据库的交通流数据采集与分析 |
CN101256083A (zh) * | 2008-04-09 | 2008-09-03 | 山东大学 | 基于动态信息的城市交通网络路径选择方法 |
CN101567126A (zh) * | 2009-05-31 | 2009-10-28 | 上海宝康电子控制工程有限公司 | 城市道路交通信息检测与发布系统 |
CN101639978A (zh) * | 2009-08-28 | 2010-02-03 | 华南理工大学 | 一种动态划分交通控制子区的方法 |
Non-Patent Citations (1)
Title |
---|
《华南理工大学学报》 20071030 徐建闽 《关联交叉口短时交通流可预测性分析及组合预测算法》 第194页至第197页 第35卷, 第10期 2 * |
Cited By (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542106A (zh) * | 2011-12-27 | 2012-07-04 | 中国科学院自动化研究所 | 基于可变区域划分的分布式交通仿真系统及仿真方法 |
CN102722986A (zh) * | 2012-06-28 | 2012-10-10 | 吉林大学 | 城市路网交通控制子区动态划分方法 |
CN103050005A (zh) * | 2012-11-16 | 2013-04-17 | 北京交通大学 | 城市道路交通状态时空分析方法与系统 |
CN103150680A (zh) * | 2013-03-25 | 2013-06-12 | 东南大学 | 一种道路可达性最佳的城市建设用地自动布局方法 |
CN103150680B (zh) * | 2013-03-25 | 2016-06-08 | 东南大学 | 一种道路可达性最佳的城市建设用地自动布局方法 |
CN103544841B (zh) * | 2013-10-22 | 2015-10-21 | 银江股份有限公司 | 交通控制区域动态划分方法 |
CN103544841A (zh) * | 2013-10-22 | 2014-01-29 | 银江股份有限公司 | 交通控制区域动态划分方法 |
CN104596532A (zh) * | 2014-06-04 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种路段转移代价确定方法及装置 |
CN104091454B (zh) * | 2014-06-13 | 2016-03-16 | 东南大学 | 针对网格状路网的交通信号协同控制系统及控制方法 |
CN104091454A (zh) * | 2014-06-13 | 2014-10-08 | 东南大学 | 针对网格状路网的交通信号协同控制系统及控制方法 |
CN104240522A (zh) * | 2014-09-04 | 2014-12-24 | 中山大学 | 基于车载网和模糊神经网络的自适应十字路口控制技术 |
CN104537830A (zh) * | 2014-12-29 | 2015-04-22 | 上海电科智能系统股份有限公司 | 一种出行热点路网影响评估的交通指数区域划分方法 |
CN104567907A (zh) * | 2015-01-22 | 2015-04-29 | 四川汇源吉迅数码科技有限公司 | 一种基于动态反馈的实时路径规划方法 |
CN107491450A (zh) * | 2016-06-13 | 2017-12-19 | 北京游谱科技发展有限公司 | 一种基于poi的行程修改方法及系统 |
CN106327871A (zh) * | 2016-09-06 | 2017-01-11 | 华南理工大学 | 一种融合历史数据和预约数据的高速公路拥挤预测方法 |
CN106327871B (zh) * | 2016-09-06 | 2018-09-14 | 华南理工大学 | 一种融合历史数据和预约数据的高速公路拥挤预测方法 |
CN107180541B (zh) * | 2017-06-01 | 2020-01-14 | 华南理工大学 | 一种交通控制小区的动态调整方法 |
CN107180541A (zh) * | 2017-06-01 | 2017-09-19 | 华南理工大学 | 一种交通控制小区的动态调整方法 |
CN108364465A (zh) * | 2018-02-09 | 2018-08-03 | 太原理工大学 | 基于宏观基本图的城市路网控制子区的动态划分方法 |
CN110969275B (zh) * | 2018-09-30 | 2024-01-23 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法、装置、可读存储介质及电子设备 |
CN110969275A (zh) * | 2018-09-30 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法、装置、可读存储介质及电子设备 |
CN109191852A (zh) * | 2018-10-25 | 2019-01-11 | 西北工业大学 | 车-路-云协同的交通流态势预测方法 |
CN109191852B (zh) * | 2018-10-25 | 2021-07-06 | 西北工业大学 | 车-路-云协同的交通流态势预测方法 |
CN109544922A (zh) * | 2018-11-27 | 2019-03-29 | 华南理工大学 | 一种基于区域划分的交通路网分布式预测控制方法 |
CN109360421A (zh) * | 2018-11-28 | 2019-02-19 | 平安科技(深圳)有限公司 | 一种基于机器学习的交通信息预测方法及装置、电子终端 |
CN109360421B (zh) * | 2018-11-28 | 2022-03-25 | 平安科技(深圳)有限公司 | 一种基于机器学习的交通信息预测方法及装置、电子终端 |
CN111354197A (zh) * | 2018-12-24 | 2020-06-30 | 北京嘀嘀无限科技发展有限公司 | 交通子区域及时段的划分方法及设备 |
CN109840620A (zh) * | 2018-12-29 | 2019-06-04 | 厦门纳网科技股份有限公司 | 多属性时序交通网络中k个最近邻节点对的查询方法 |
CN109840620B (zh) * | 2018-12-29 | 2024-03-08 | 厦门纳网科技股份有限公司 | 多属性时序交通网络中k个最近邻节点对的查询方法 |
CN111275961A (zh) * | 2019-01-18 | 2020-06-12 | 北京交通大学 | 基于浮动车数据的城市交通运行状态特征计算方法 |
CN111508225A (zh) * | 2019-01-30 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 信息处理、交通控制方法、装置及设备、存储介质 |
CN111508225B (zh) * | 2019-01-30 | 2022-08-02 | 阿里巴巴集团控股有限公司 | 信息处理、交通控制方法、装置及设备、存储介质 |
CN111613049A (zh) * | 2019-02-26 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 一种道路状态监测方法以及装置 |
CN110033613A (zh) * | 2019-03-07 | 2019-07-19 | 吉林建筑大学 | 基于区域交通同步性的智慧城市管理方法及系统 |
CN110033613B (zh) * | 2019-03-07 | 2020-07-10 | 吉林建筑大学 | 基于区域交通同步性的智慧城市管理方法及系统 |
CN109841063A (zh) * | 2019-04-01 | 2019-06-04 | 武汉凤翥科技有限公司 | 一种交通控制子区动态划分方法 |
CN110598930A (zh) * | 2019-09-11 | 2019-12-20 | 长沙理工大学 | 一种公交线路优化调整方法及装置 |
CN110598930B (zh) * | 2019-09-11 | 2023-11-07 | 长沙理工大学 | 一种公交线路优化调整方法及装置 |
CN110706486A (zh) * | 2019-10-15 | 2020-01-17 | 中国城市规划设计研究院 | 一种道路运行分析系统 |
CN110738853A (zh) * | 2019-10-25 | 2020-01-31 | 北京航空航天大学 | 一种基于复杂网络相关性的关键节点识别方法 |
CN111259100A (zh) * | 2020-01-10 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 一种路网拓扑结构的构建方法及装置 |
CN111210625A (zh) * | 2020-01-10 | 2020-05-29 | 阿里巴巴集团控股有限公司 | 一种交通控制方法、装置及电子设备 |
CN112085949A (zh) * | 2020-08-13 | 2020-12-15 | 浙江工业大学 | 一种基于交通运行状况异常的路网脆弱性识别、分析与应对方法 |
CN112185116B (zh) * | 2020-09-29 | 2021-11-23 | 重庆文理学院 | 一种城市道路交通网络抗灾韧性能力评估方法 |
CN112185116A (zh) * | 2020-09-29 | 2021-01-05 | 重庆文理学院 | 一种城市道路交通网络抗灾韧性能力评估方法 |
CN112598305B (zh) * | 2020-12-28 | 2022-02-15 | 中国人民解放军军事科学院国防科技创新研究院 | 基于局域结构流量的城市路网重要节点识别方法 |
CN112598305A (zh) * | 2020-12-28 | 2021-04-02 | 中国人民解放军军事科学院国防科技创新研究院 | 基于局域结构流量的城市路网重要节点识别方法 |
CN113532449A (zh) * | 2021-06-21 | 2021-10-22 | 阿波罗智联(北京)科技有限公司 | 智能交通路网获取方法、装置、电子设备及存储介质 |
CN113532449B (zh) * | 2021-06-21 | 2023-11-21 | 阿波罗智联(北京)科技有限公司 | 智能交通路网获取方法、装置、电子设备及存储介质 |
US11835356B2 (en) | 2021-06-21 | 2023-12-05 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Intelligent transportation road network acquisition method and apparatus, electronic device and storage medium |
CN114093167A (zh) * | 2021-11-18 | 2022-02-25 | 公安部交通管理科学研究所 | 一种城市重点区域交通路网空间不均衡性测评方法 |
CN114093167B (zh) * | 2021-11-18 | 2022-12-06 | 公安部交通管理科学研究所 | 一种城市重点区域交通路网空间不均衡性测评方法 |
CN114662792B (zh) * | 2022-04-22 | 2023-01-20 | 广西财经学院 | 基于动态扩散图卷积的循环神经网络的交通流量预测方法 |
CN114662792A (zh) * | 2022-04-22 | 2022-06-24 | 广西财经学院 | 基于动态扩散图卷积的循环神经网络的交通流量预测方法 |
CN117292547A (zh) * | 2023-10-27 | 2023-12-26 | 重庆交通大学 | 一种大型活动多级影响区路网连通性评价方法 |
CN117292547B (zh) * | 2023-10-27 | 2024-05-07 | 重庆交通大学 | 一种大型活动多级影响区路网连通性评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101819717B (zh) | 2012-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101819717B (zh) | 基于交通状态时空模型的路网性能判定方法 | |
Kweon | Development of crash prediction models with individual vehicular data | |
CN104157139B (zh) | 一种交通拥堵预测方法及可视化方法 | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
Wey | Model formulation and solution algorithm of traffic signal control in an urban network | |
CN104464321B (zh) | 一种基于交通运行指数发展态势的智能交通诱导方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN100547625C (zh) | 一种城市交通中的典型行驶路线分析方法 | |
CN100541553C (zh) | 道路交通意外事件数据采集和处理方法 | |
Long et al. | Control strategies for dispersing incident-based traffic jams in two-way grid networks | |
CN105046949A (zh) | 一种基于手机数据计算o-d流进行车源预测的方法 | |
CN104484514A (zh) | 一种规避拥堵路段的弹性公交线路设计方法 | |
Verma | Review of studies on mixed traffic flow: perspective of developing economies | |
CN114093168A (zh) | 一种基于韧性视角下的城市道路交通运行状态评价方法 | |
CN104464280B (zh) | 车辆行进开销的预测方法及系统 | |
CN105704031A (zh) | 一种数据传输路径确定方法及装置 | |
Kong et al. | The method and application of big data mining for mobile trajectory of taxi based on MapReduce | |
Prontri et al. | Traffic signal control using fuzzy logic | |
Kurihara | Traffic-congestion forecasting algorithm based on pheromone communication model | |
Zhang et al. | A hybrid method of traffic congestion prediction and control | |
Aoki et al. | An early event detection technique with bus GPS data | |
Xiang et al. | A weighted mean velocity feedback strategy in intelligent two-route traffic systems | |
CN110097757B (zh) | 一种基于深度优先搜索的交叉口群关键路径识别方法 | |
CN111402585A (zh) | 偶发性拥堵路径的探测方法 | |
Tian et al. | Identification of critical links in urban road network considering cascading failures |
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 |
Granted publication date: 20120222 Termination date: 20160305 |
|
CF01 | Termination of patent right due to non-payment of annual fee |