CN102592451B - 一种基于双截面环形线圈检测器的道路交通事件检测方法 - Google Patents
一种基于双截面环形线圈检测器的道路交通事件检测方法 Download PDFInfo
- Publication number
- CN102592451B CN102592451B CN201210040985.1A CN201210040985A CN102592451B CN 102592451 B CN102592451 B CN 102592451B CN 201210040985 A CN201210040985 A CN 201210040985A CN 102592451 B CN102592451 B CN 102592451B
- Authority
- CN
- China
- Prior art keywords
- section
- traffic flow
- sampling interval
- traffic
- change rate
- 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.)
- Active
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于双截面环形线圈检测器的道路交通事件检测方法。现有方法侧重于对交通参数的分析,通过设置相应的阈值来进行交通事件的判别。本发明包括每一采样间隔内交通流数据获取的步骤、根据预处理后的交通流参数计算相邻两个检测断面间交通流参数的相对变化率和估计标准差的步骤、根据计算的相对变化率和估计标准差计算双截面道路交通事件判别指标的步骤、根据双截面道路交通事件判别指标来确定交通事件发生与否的步骤。本发明能减轻单个检测断面的交通流参数的波动对检测结果的影响,提高检测的准确性。
Description
技术领域
本发明涉及交通事件检测领域,特别是一种基于双截面环形线圈检测器的道路交通事件检测方法。
背景技术
随着我国高速公路的迅猛发展,高速公路交通事件频发,尤其是城市高速公路的常发性交通拥挤和偶发性交通拥挤,若不能及时处理,可能会造成一系列的二次事故、环境污染和能源浪费等严重问题。研究出易于工程实现的道路交通事件检测算法成为当务之急。
在已有的道路交通事件检测算法中,一般可分为基于单一断面交通流信息的单截面法,和基于相邻断面交通流信息的双截面算法。单截面算法中典型的有标准差法、McMaster法,双截面算法中典型的有California法、贝叶斯法、波动分析法、指数平滑法等。
早期的算法侧重于对交通参数的分析,通过设置相应的阈值来进行事件的判别。随着人工智能技术的发展,出现了诸如人工神经网络模型、模糊逻辑模型、概率神经网络模型、模糊逻辑遗传算法模型以及支持向量机模型等一系列的智能事件检测算法。采用先进的算法极大的提高了交通事件检测效率,但是这些算法大多需要事先采用大量的数据进行网络训练,需要标定各种参数,大多局限于理论研究,在实际中很难进行应用。
算法的关键是怎么更加合理的选取判断事件发生的指标。此外,阈值也是一个关键的因素,尽量采用较少的阈值,减少阈值标定的难度以及在不同条件下的普适性。
发明内容
本发明的目的在于提供一种基于双截面线圈检测器的道路交通事件检测方法,其特征在于基于道路上相邻两个检测断面的多种交通流参数,来自动判别该相邻两个检测断面之间的路段上是否发生交通事件,同时该算法采用尽量少的判别阈值,易于工程实现。
为实现上述目的,本发明提出的道路交通事件检测算法包括每一采样间隔内交通流数据获取的步骤、根据预处理后的交通流参数计算相邻两个检测断面间交通流参数的相对变化率和估计标准差的步骤、根据计算的相对变化率和估计标准差计算双截面道路交通事件判别指标的步骤、根据双截面道路交通事件判别指标来确定交通事件发生与否的步骤。
具体的检测步骤包括:
c1、从各检测断面各车道上的环形线圈检测器中根据事先确定的采样间隔时间获取该检测断面该车道的交通流量、速度和时间占有率这三项交通流参数,并对交通流参数进行预处理,得到表征该检测断面交通流特性的交通流量、速度和时间占有率。
c2、根据预处理后的交通流参数计算相邻两个检测断面同一采样间隔内交通流量、速度和时间占有率的相对变化率和估计标准差。
c3、根据所述交通流量、速度和时间占有率的相对变化率和估计标准差,计算双截面道路交通事件检测的判别指标。
c4、根据所述双截面道路交通事件检测的判别指标的值,判定相邻两个检测断面之间是否有交通事件发生。
c5、根据步骤c4的判别结果,若有交通事件发生,则通知交警或在信息板上提醒驾驶员,若没有,则跳转至步骤c1。
进一步的,步骤c1中获取实时交通流参数的过程包括:
c11、在需要检测的路段中每隔500-800米的检测断面上布设一组环形线圈检测器,并使用电线、光缆或无线通信的方式与交通事件检测中心相连。每组环形线圈检测器包括每条车道上相距一定距离布设的一对环形线圈检测器。
c12、确定数据采样间隔。交通事件检测中需要能获取短时交通流的突变特性,故选取采样间隔为30秒或1分钟。
c13、通过环形线圈检测器获取每一采样间隔内每条车道上的交通流量、速度和时间占有率数据。
c14、对步骤c13中获得的各车道实时交通流参数进行预处理,得到表征该检测断面的交通流参数。
进一步的,步骤c13中对于每个检测断面每条车道上的一对环形线圈检测器,从沿行车方向的第一个环形线圈检测器中获取相应车道的交通流量和时间占有率,从该车道的一对环形线圈检测器中获取相应车道的每辆车的速度,从而得到该车道上车辆的平均行驶速度。
从环形线圈检测器中获取交通参数具体包括:
c131、获取交通流量参数;
c132、获取速度参数;
采样间隔内每辆车的地点速度:
采样间隔内每条车道上车辆的平均行驶速度:
c133、获取时间占有率参数;
进一步的,步骤c14中需剔除各车道环形线圈检测器的异常数据,可以采用阈值筛选法,即剔除超过一定阈值的交通流量、速度和时间占有率数据;然后还需对合格数据进行平均化处理,得到表征该检测断面的交通流参数,详细步骤如下:
c141、单个检测断面的交通流量参数处理;
将检测断面每条车道上环形线圈检测器获取交通流量的平均值作为该检测断面的交通流量值。即:
b——第i检测断面的车道数量。
c142、单个检测断面的速度参数处理;
c143、单个检测断面的时间占有率参数处理;
进一步的,步骤c2中,在稳定的交通流运行情况下,交通流不发生突变现象,则在一个较短的时间段内,上下游环形线圈检测器所检测到的交通流参数会基本相同,不会存在较大的差异。所以就可以利用检测到的上下游交通流参数波动情况来判别是否有交通事件发生。具体分为:
c21、根据预处理后的交通流参数,计算两相邻检测断面同一采样间隔内交通流量、速度和时间占有率的相对变化率;
c22、根据所述的相对变化率,计算相对变化率的估计标准差。
进一步的,步骤c21包括:
c211、计算第i检测断面第t采样间隔交通流量的相对变化率;
针对第t采样间隔,计算第i检测断面与第i+1检测断面的交通流量之差与第i检测断面交通流量的比值,作为第i检测断面第t采样间隔交通流量的相对变化率。即:
c212、计算第i检测断面第t采样间隔速度的相对变化率;
c213、计算第i检测断面第t采样间隔时间占有率的相对变化率;
进一步的,步骤c22包括:
c221、计算第i检测断面第t采样间隔交通流量的相对变化率的估计标准差;
由前述原理可知,在稳定的交通流运行情况下,上下游环形线圈检测器所检测到的交通流参数的相对变化率会趋近于0,则交通流量的相对变化率的估计标准差可定义为:
式中:——第i检测断面第t采样间隔交通流量的相对变化率的估计标准差。
k——预测参数的采样间隔数目。
其中,k值可以根据实地调查确定,保证预测的误差在容许的范围之内,一般可以取3-5。
c222、计算第i检测断面第t采样间隔速度的相对变化率的估计标准差
c223、计算第i检测断面第t采样间隔时间占有率的相对变化率的估计标准差
进一步的,步骤c3中,运用质量控制的思想,综合考虑相邻两个检测断面交通流量、速度和时间占有率数据的波动程度,判断相邻两个检测断面之间的路段上是否有交通事件发生。
式中,β为调整参数,当β值较大时,检测灵敏度低,检测率就会减少,但误报率也会较小;若β值较小时,检测灵敏度高,则检测率就会增加,同样误报率也会随着增加。因此,需要根据实际情况综合考虑检测率和误报率之间的关系来确定β值。根据统计中的原则,可以令。
其基本思想是以相邻两个检测断面的交通流量、速度和时间占有率的相对变化率的估计标准差为轴长,构造一个椭球体,若相邻两个检测断面三项交通流参数的相对变化率对应的点位于该椭球体外,则判定交通流出现突变,有交通事件产生,若在椭球体内,则认为交通流运行正常,没有交通事件产生。
进一步的,步骤c4中,若由所述的步骤c3计算得出的双截面道路交通事件检测的判别指标,则判定第i检测断面与第i+1检测断面之间的路段上有交通事件发生,若,则判定第i检测断面与第i+1检测断面之间的路段上没有交通事件发生。
本发明的有益效果:
1、本方法用相邻两个检测断面的交通流量、速度和时间占有率数据进行道路交通事件检测,综合考虑多种交通流参数比仅考虑某一种或某几种交通流参数有更强的适应性,而且基于相邻两个检测断面的交通流参数,能减轻单个检测断面的交通流参数的波动对检测结果的影响,提高检测的准确性。
2、本方法对数据采集设备的要求不高,使用的是常规的环形线圈检测器,成本低,而且检测方法计算量小,能满足道路交通事件实时检测的需求。
3、本方法检测过程自动化程度高,仅有1个参数需要根据事先调查确定,无需人为地过多干预。
附图说明
图1为本发明方法流程图;
图2为交通参数获取流程图;
图3为双截面检测器布设图;
图4为双截面道路交通事件检测的流程。
具体实施方式
下面结合附图对本发明进行详细阐述。
参考图1,图示了双截面道路交通事件检测方法流程。
步骤1,参考图2,图示了交通流参数获取流程图。其中参考图3,图示了所述双截面道路交通事件检测方法的环形线圈检测器布设方案,其特征是采用规格为2×2m的环形线圈检测器,用于统计道路上检测断面处交通流运行情况。在需要检测的路段上每隔500-800m设置一个检测断面,每一检测断面布设一组环形线圈检测器,每组环形线圈检测器包括在每条车道上间隔一定距离的两个环形线圈检测器。其中沿行车方向的第一个环形线圈检测器编号为,另一个环形线圈检测器编号为,i为检测断面编号,沿行车方向从1开始依次递增,j为该检测断面上车道编号,最外侧车道编号为第1车道,向道路中线依次递增。
由于环形线圈检测器本身的特性,过小的采样间隔会增加检测的误差,过大的采样间隔不能表现出交通流的瞬时变化特性。国内外普遍采用的交通数据获取采样间隔有10秒、20秒、30秒、1分钟、2分钟、3分钟、5分钟、10分钟、15分钟等。交通事件检测中需要能获取短时交通流的突变特性,故选取采样间隔为30秒或1分钟。
根据确定的采样间隔,通过环形线圈检测器获取每一采样间隔内每条车道上的交通流量、速度和时间占有率数据。
交通流量计算方法:
速度计算方法:
采样间隔内每辆车的地点速度
采样间隔内每条车道上车辆的平均行驶速度:
时间占有率计算方法:
各车道环形线圈检测器获取的数据中往往存在着异常数据,可以采用阈值筛选法剔除异常数据,即剔除超过一定阈值的交通流量、速度和时间占有率数据。然后还需对合格数据进行平均化处理,得到表征该检测断面的交通流参数,详细步骤如下:
单个检测断面的交通流量参数处理
将检测断面每条车道上环形线圈检测器获取交通流量的平均值作为该检测断面的交通流量值。即:
b——第i检测断面的车道数量。
单个检测断面的速度参数处理
单个检测断面的时间占有率参数处理
步骤2,根据预处理后的交通流参数计算相邻两个检测断面同一采样间隔内交通流量、速度和时间占有率的相对变化率和估计标准差。
在稳定的交通流运行情况下,交通流不发生突变现象,则在一个较短的时间段内,上下游环形线圈检测器所检测到的交通流参数会基本相同,不会存在较大的差异。所以就可以利用检测到的上下游交通流参数波动情况来判别是否有交通事件发生。具体分为:
(1)根据预处理后的交通流参数,计算两相邻检测断面同一采样间隔内交通流量、速度和时间占有率的相对变化率。
1、计算第i检测断面第t采样间隔交通流量的相对变化率;
针对第t采样间隔,计算第i检测断面与第i+1检测断面的交通流量之差与第i检测断面交通流量的比值,作为第i检测断面第t采样间隔交通流量的相对变化率。即:
式中:——第i检测断面第t采样间隔交通流量的相对变化率。
2、计算第i检测断面第t采样间隔速度的相对变化率;
3、计算第i检测断面第t采样间隔时间占有率的相对变化率;
(2)根据所述的相对变化率,计算相对变化率的估计标准差。
1、计算第i检测断面第t采样间隔交通流量的相对变化率的估计标准差;
由前述原理可知,在稳定的交通流运行情况下,上下游环形线圈检测器所检测到的交通流参数的相对变化率会趋近于0,则交通流量的相对变化率的估计标准差可定义为:
式中:——第i检测断面第t采样间隔交通流量的相对变化率的估计标准差。
k——预测参数的采样间隔数目。
其中,k值可以根据实地调查确定,保证预测的误差在容许的范围之内,一般可以取3-5。
2、计算第i检测断面第t采样间隔速度的相对变化率的估计标准差
3、计算第i检测断面第t采样间隔时间占有率的相对变化率的估计标准差
式中:——第i检测断面第t采样间隔时间占有率的相对变化率的估计标准差。
参考图4,图示了双截面道路交通事件检测的流程。
步骤3,运用质量控制的思想,综合考虑相邻两个检测断面交通流量、速度和时间占有率数据的波动程度,判断相邻两个检测断面之间的路段上是否有交通事件发生。
计算双截面道路交通事件检测方法的判别指标,计算式如下:
式中,β为调整参数,当β值较大时,检测灵敏度低,检测率就会减少,但误报率也会较小;若β值较小时,检测灵敏度高,则检测率就会增加,同样误报率也会随着增加。因此,需要根据实际情况综合考虑检测率和误报率之间的关系来确定β值。根据统计中的原则,可以令。
步骤4,根据所述双截面道路交通事件检测的判别指标的值,检测是否有交通事件发生。
Claims (8)
1.一种基于双截面环形线圈检测器的道路交通事件检测方法,其特征在于该方法包括以下步骤:
c1、从各检测断面各车道上的环形线圈检测器中根据事先确定的采样间隔时间获取该检测断面该车道的交通流量、速度和时间占有率这三项交通流参数,并对交通流参数进行预处理,得到表征该检测断面交通流特性的交通流量、速度和时间占有率;
c2、根据预处理后的交通流参数计算相邻两个检测断面同一采样间隔内交通流量、速度和时间占有率的相对变化率和估计标准差;
c3、根据所述交通流量、速度和时间占有率的相对变化率和估计标准差,计算双截面道路交通事件检测的判别指标;
所述的判别指标DId,计算式如下:
式中,β为调整参数,当β值较大时,检测灵敏度低,检测率就会减少,但误报率也会较小;若β值较小时,检测灵敏度高,则检测率就会增加,同样误报率也会随着增加;因此,需要根据实际情况综合考虑检测率和误报率之间的关系来确定β值,根据统计中的3σ原则,可以令β=3;
c4、根据所述双截面道路交通事件检测的判别指标的值,判定相邻两个检测断面之间是否有交通事件发生;
c5、根据步骤c4的判别结果,若有交通事件发生,则通知交警或在信息板上提醒驾驶员,若没有,则跳转至步骤c1。
2.根据权利要求1所述的一种基于双截面环形线圈检测器的道路交通事件检测方法,其特征在于:步骤c1中获取实时交通流参数的过程包括:
c11、在需要检测的路段中每隔500-800米的检测断面上布设一组环形线圈检测器,并使用电线、光缆或无线通信的方式与交通事件检测中心相连;每组环形线圈检测器包括每条车道上相距一定距离布设的一对环形线圈检测器;
c12、确定数据采样间隔;交通事件检测中需要能获取短时交通流的突变特性,故选取采样间隔为30秒或1分钟;
c13、通过环形线圈检测器获取每一采样间隔内每条车道上的交通流量、速度和时间占有率数据;
c14、对步骤c13中获得的各车道实时交通流参数进行预处理,得到表征该检测断面的交通流参数。
3.根据权利要求2所述的一种基于双截面环形线圈检测器的道路交通事件检测方法,其特征在于:步骤c13中对于每个检测断面每条车道上的一对环形线圈检测器,从沿行车方向的第一个环形线圈检测器中获取相应车道的交通流量和时间占有率,从该车道的一对环形线圈检测器中获取相应车道的每辆车的速度,从而得到该车道上车辆的平均行驶速度;
从环形线圈检测器中获取交通流参数具体包括:
c131、获取交通流量参数;
式中:q(i,j,t)表示第i检测断面第j条车道第t采样间隔内交通流量的检测值;N(i,j,t)表示第i检测断面第j条车道第t采样间隔内通过第一个环形线圈检测器的总车辆数;T表示采样间隔时长;
c132、获取速度参数;
采样间隔内每辆车的地点速度:
式中:vn(i,j,t)表示第i检测断面第j条车道第t采样间隔内的第n辆车的地点速度;D表示布设的一对环形线圈检测器中前后线圈之间的距离;Δtn(i,j,t)表示第i检测断面第j条车道第t采样间隔内第n辆车通过前后线圈的时间差;
采样间隔内每条车道上车辆的平均行驶速度:
式中:v(i,j,t)表示第i检测断面第j条车道第t采样间隔平均行驶速度的检测值;
c133、获取时间占有率参数;
式中:o(i,j,t)表示第i检测断面第j条车道第t采样间隔时间占有率的检测值;tn(i,j,t)表示第i检测断面第j条车道第t采样间隔内第n辆车占用第一个环形线圈检测器的时间。
4.根据权利要求2所述的一种基于双截面环形线圈检测器的道路交通事件检测方法,其特征在于:步骤c14中需剔除各车道环形线圈检测器的异常数据,可以采用阈值筛选法,即剔除超过一定阈值的交通流量、速度和时间占有率数据;然后还需对合格数据进行平均化处理,得到表征该检测断面的交通流参数,详细步骤如下:
c141、单个检测断面的交通流量参数处理
将检测断面每条车道上环形线圈检测器获取交通流量的平均值作为该检测断面的交通流量值;即:
式中:qm(i,t)表示第i检测断面第t采样间隔预处理后的交通流量值;b表示第i检测断面的车道数量;
c142、单个检测断面的速度参数处理
式中:vm(i,t)表示第i检测断面第t采样间隔预处理后的速度值;
c143、单个检测断面的时间占有率参数处理
式中:om(i,t)表示第i检测断面第t采样间隔预处理后的时间占有率值。
5.根据权利要求1所述的一种基于双截面环形线圈检测器的道路交通事件检测方法,其特征在于:
步骤c2中,在稳定的交通流运行情况下,交通流不发生突变现象,则在一个较短的时间段内,上下游环形线圈检测器所检测到的交通流参数会基本相同,不会存在较大的差异,所以就可以利用检测到的上下游交通流参数波动情况来判别是否有交通事件发生;
具体步骤为:
c21、根据预处理后的交通流参数,计算两相邻检测断面同一采样间隔内交通流量、速度和时间占有率的相对变化率;
c22、根据所述的相对变化率,计算相对变化率的估计标准差。
6.根据权利要求5所述的一种基于双截面环形线圈检测器的道路交通事件检测方法,其特征在于:步骤c21包括:
c211、计算第i检测断面第t采样间隔交通流量的相对变化率;
针对第t采样间隔,计算第i检测断面与第i+1检测断面的交通流量之差与第i检测断面交通流量的比值,作为第i检测断面第t采样间隔交通流量的相对变化率;
式中:δq(i,t)表示第i检测断面第t采样间隔交通流量的相对变化率;
c212、计算第i检测断面第t采样间隔速度的相对变化率;
式中:δv(i,t)表示第i检测断面第t采样间隔速度的相对变化率;
c213、计算第i检测断面第t采样间隔时间占有率的相对变化率;
式中:δo(i,t)表示第i检测断面第t采样间隔时间占有率的相对变化率。
7.根据权利要求5所述的一种基于双截面环形线圈检测器的道路交通事件检测方法,其特征在于:步骤c22包括:
c221、计算第i检测断面第t采样间隔交通流量的相对变化率的估计标准差;
由前述原理可知,在稳定的交通流运行情况下,上下游环形线圈检测器所检测到的交通流参数的相对变化率会趋近于0,则交通流量的相对变化率的估计标准差可定义为:
式中:σδq(i,t)表示第i检测断面第t采样间隔交通流量的相对变化率的估计标准差,k表示预测参数的采样间隔数目;
其中,k值可以根据实地调查确定,保证预测的误差在容许的范围之内,取3-5;
c222、计算第i检测断面第t采样间隔速度的相对变化率的估计标准差
式中:σδv(i,t)表示第i检测断面第t采样间隔速度的相对变化率的估计标准差;
c223、计算第i检测断面第t采样间隔时间占有率的相对变化率的估计标准差
式中:σδo(i,t)表示第i检测断面第t采样间隔时间占有率的相对变化率的估计标准差。
8.根据权利要求1所述的一种基于双截面环形线圈检测器的道路交通事件检测方法,其特征在于:
步骤c4中,若由所述的步骤c3计算得出的双截面道路交通事件检测的判别指标DId>1,则判定第i检测断面与第i+1检测断面之间的路段上有交通事件发生,若DId≤1,则判定第i检测断面与第i+1检测断面之间的路段上没有交通事件发生。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210040985.1A CN102592451B (zh) | 2012-02-23 | 2012-02-23 | 一种基于双截面环形线圈检测器的道路交通事件检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210040985.1A CN102592451B (zh) | 2012-02-23 | 2012-02-23 | 一种基于双截面环形线圈检测器的道路交通事件检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102592451A CN102592451A (zh) | 2012-07-18 |
CN102592451B true CN102592451B (zh) | 2014-04-16 |
Family
ID=46481025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210040985.1A Active CN102592451B (zh) | 2012-02-23 | 2012-02-23 | 一种基于双截面环形线圈检测器的道路交通事件检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102592451B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103021176B (zh) * | 2012-11-29 | 2014-06-11 | 浙江大学 | 基于断面检测器的城市道路交通状态判别方法 |
CN104103171B (zh) * | 2014-07-22 | 2016-08-24 | 重庆大学 | 适用于双截面交通事件检测的数据修复方法 |
CN105096592B (zh) * | 2015-02-14 | 2017-11-14 | 江苏苏科畅联科技有限公司 | 公路拥堵事件检测方法及预警系统 |
CN104658271B (zh) * | 2015-03-09 | 2021-02-05 | 无锡物联网产业研究院 | 一种交通状态监控方法及系统 |
CN105303833B (zh) * | 2015-11-05 | 2017-06-20 | 安徽四创电子股份有限公司 | 基于微波车辆检测器的高架桥突发事件判别方法 |
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 |
CN110570649B (zh) * | 2018-06-05 | 2020-08-14 | 阿里巴巴(中国)有限公司 | 机动车流量检测方法、设备工作状态检测方法及相应装置 |
CN111489545B (zh) * | 2019-01-28 | 2023-03-31 | 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 |
CN114446052B (zh) * | 2022-01-17 | 2023-05-30 | 东南大学 | 基于多源数据多级融合的高速公路事件检测方法及装置 |
CN114495577A (zh) * | 2022-01-21 | 2022-05-13 | 华设设计集团股份有限公司 | 预防快速路二次事故的车路协同动态车道控制系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US2761120A (en) * | 1953-11-30 | 1956-08-28 | Eastern Ind Inc | Traffic control system |
JPH0449498A (ja) * | 1990-06-19 | 1992-02-18 | Nippon Signal Co Ltd:The | 走行車両の車種判別及び速度計測方法並びにそのための装置 |
CN101540101A (zh) * | 2008-03-17 | 2009-09-23 | 上海宝康电子控制工程有限公司 | 道路交通事件检测方法与系统 |
CN101706993A (zh) * | 2009-10-28 | 2010-05-12 | 北京交通大学 | 道路应急疏散能力指标体系的计算方法及系统 |
CN101789183A (zh) * | 2010-02-10 | 2010-07-28 | 北方工业大学 | 一种入口匝道的自适应控制系统及方法 |
-
2012
- 2012-02-23 CN CN201210040985.1A patent/CN102592451B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US2761120A (en) * | 1953-11-30 | 1956-08-28 | Eastern Ind Inc | Traffic control system |
JPH0449498A (ja) * | 1990-06-19 | 1992-02-18 | Nippon Signal Co Ltd:The | 走行車両の車種判別及び速度計測方法並びにそのための装置 |
CN101540101A (zh) * | 2008-03-17 | 2009-09-23 | 上海宝康电子控制工程有限公司 | 道路交通事件检测方法与系统 |
CN101706993A (zh) * | 2009-10-28 | 2010-05-12 | 北京交通大学 | 道路应急疏散能力指标体系的计算方法及系统 |
CN101789183A (zh) * | 2010-02-10 | 2010-07-28 | 北方工业大学 | 一种入口匝道的自适应控制系统及方法 |
Non-Patent Citations (6)
Title |
---|
基于感应线圈的道路交通事件自动检测算法比较研究;牛建峰;《智能交通技术》;20091231;第259-264页 * |
基于检测线圈数据的道路交通瓶颈分析;弓晋丽;《公路交通科技》;20100731;第118-122页 * |
基于环形线圈的城市道路段交通异常自动检测方法研究;郭恒明;《上海公路》;20010430;第31-34页 * |
弓晋丽.基于检测线圈数据的道路交通瓶颈分析.《公路交通科技》.2010, |
牛建峰.基于感应线圈的道路交通事件自动检测算法比较研究.《智能交通技术》.2009,259-264页. |
郭恒明.基于环形线圈的城市道路段交通异常自动检测方法研究.《上海公路》.2001,31-34. |
Also Published As
Publication number | Publication date |
---|---|
CN102592451A (zh) | 2012-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102592451B (zh) | 一种基于双截面环形线圈检测器的道路交通事件检测方法 | |
CN103839409B (zh) | 基于多断面视觉传感聚类分析的交通流状态判别方法 | |
Tang et al. | Traffic-incident detection-algorithm based on nonparametric regression | |
CN103021176B (zh) | 基于断面检测器的城市道路交通状态判别方法 | |
CN103646542B (zh) | 一种交通影响范围的预测方法和装置 | |
CN104408925B (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN104200687B (zh) | 一种驾驶员速度控制行为监测装置及监测方法 | |
CN102819956B (zh) | 一种基于单截面环形线圈检测器的道路交通事件检测方法 | |
CN105225500A (zh) | 一种交通控制辅助决策方法及装置 | |
CN109147330A (zh) | 一种拥堵识别方法及装置 | |
CN102881162A (zh) | 大规模交通信息的数据处理及融合方法 | |
CN102855757B (zh) | 基于排队检测器信息瓶颈状态识别方法 | |
CN104851287B (zh) | 基于视频检测器的城市道路路段行程时间检测方法 | |
CN110264715B (zh) | 一种基于路段突发拥堵分析的交通事件检测方法 | |
CN103903444B (zh) | 一种即时发现快速路拥堵引发点的方法和系统 | |
CN106355884A (zh) | 一种基于车型分类的高速公路车辆引导系统及方法 | |
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 | |
CN111815953B (zh) | 一种面向交通事件的高速公路交通管控效果评价方法 | |
CN106530714A (zh) | 一种基于交通流数据的二次交通事故时间预测方法 | |
CN107331163A (zh) | 一种排队长度计算方法及装置 | |
CN103198710B (zh) | 一种基于减小车辆追尾事故数量的车辆调控方法 | |
CN107293119A (zh) | 一种交通事件检测California算法模型改进方法 | |
CN102254433B (zh) | 一种用于高速公路检测器的布设间距的测定方法 | |
CN107025789A (zh) | 一种交通事件检测方法及装置 | |
CN114241756B (zh) | 一种高速公路施工期间硬路肩动态使用方法和系统 |
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 |