CN104101347A - 基于现代控制理论状态方程的最佳动态导航方法 - Google Patents
基于现代控制理论状态方程的最佳动态导航方法 Download PDFInfo
- Publication number
- CN104101347A CN104101347A CN201310124334.5A CN201310124334A CN104101347A CN 104101347 A CN104101347 A CN 104101347A CN 201310124334 A CN201310124334 A CN 201310124334A CN 104101347 A CN104101347 A CN 104101347A
- Authority
- CN
- China
- Prior art keywords
- state equation
- traffic flow
- magnitude
- city
- control theory
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
Abstract
本发明公开了一种基于人工智能城市交通流量负荷平衡算法的最佳动态导航方法,特别是一种通过现代控制理论状态方程来智能化地预测城市交通流量变化趋势,并以此为依据来实现最佳动态导航的方法。
Description
技术领域
本发明专利涉及一种基于人工智能城市交通流量负荷平衡算法的最佳动态导航方法,特别是一种通过现代控制理论状态方程来智能化地预测城市交通流量变化趋势,并以此为依据来实现最佳动态导航的方法。
背景技术
美国的纽约、波士顿和旧金山三大拥堵城市,2013年6月此三大拥堵城市通过与IBM公司合作,借助物联网、云计算技术和现代控制理论,开发成功了“动感市中心”智能交通系统,该系统只需将当前各条公路的车流速度、车流量,将这些参数输入模型就可以得40分钟后的这些道路模拟状况,从而能够前瞻性地为驾车者提供最佳动态导航服务。目前我国现有的动态导航都因为无法预测城市交通流量的未来变化趋势而只能被动地引导驾车者避开拥堵的路段,因为传统的控制是负反馈控制,研究的对象是误差,缺点是后知后觉,即必须先有误差的存在才能进行控制。
目前国内外传统的动态导航,本质上就是一种负反馈的控制,首先是前面有堵车发生了,然后在规划导航路径时被动地进行规避,因此动态导航只能在一定程度上帮助驾车者避开交通拥堵路段,而不能主动地对城市交通流量进行前瞻性的疏导,更甚的是,由于在帮助驾车者规避拥堵路段时,由于大量的驾车者为了规避拥堵路段而走同一条交通不拥堵的道路,往往造成原来拥堵的道路不堵了但原来本来不堵的道路却成了新的拥堵路段,如此反复,使城市的道路不断处于一个震荡的拥堵状态之下,因此往往造成在规划动态导航的过程中形成新的道路拥堵。为了解决以上问题,我们提出了基于现代控制理论状态方程的最佳动态导航方法。
发明内容
本发明的目的是提供一种克服上述不足,帮助驾车者避开交通拥堵路段,并且主动地对城市交通流量进行前瞻性疏导的基于现代控制理论状态方程的最佳动态导航方法。
实现本发明目的的技术方案是:一种基于现代控制理论状态方程的最佳动态导航方法,其特征在于:将城市中的交通流量传感器和车联网的车载导航设备形成一个交通流量感知物联网。
上述基于现代控制理论状态方程的最佳动态导航方法将城市中过去一年的历史交通数据、过去三个月的历史交通数据、过去两小时的历史交通数据、以及通过交通流量感知物联网感知到的当前交通流量情况、并加上导航规划中的道路的额定设计情况、包括导航规划中的道路是否会成为新的拥堵路段等一系列影响城市交通流量变化趋势的因素作为状态变量建立一个基于状态方程的数学模型,然后通过对状态方程的齐次方程的解算来实现对城市道路流量负荷变化做出智能化的前馈预测,由此来快速准确地实时预测一个城市的交通流量的变化趋势。
上述基于现代控制理论状态方程的最佳动态导航方法用城市中的突发事件对城市交通负荷平衡影响的因素,对状态方程的解做出修正,最后给驾车者一个动态的最佳路径导航规划。
本发明具有积极的效果:
(1)社会效益
能够帮助我国的驾车者更合理地使用城市道路资源,在驾车过程中避免堵车而节省能源,同时也因此而大大减少了碳排放量,使城市更加环保,而且能够使我国的动态导航赶上国际先进水平。
(2)经济效益
未来卫星定位导航成为汽车的标准配置将是大势所趋,最新的数据显示,美国汽车卫星定位导航仪的普及率是65%,在欧盟国家和日本的普及率已经分别达到73%和76%。与之相比我国到“十二五”结束时的汽车保有量将达到1.5亿辆,但汽车卫星定位导航仪的普及率却不足10%,因此存在巨大的市场发展空间。
另一方面,随着3G智能手机以及各种基于3G的个人移动信息终端开始普及,卫星定位导航市场将不再仅仅局限于传统的车载导航,根据国家统计数据,2012年全国国仅旅游出行人数就已经达到29.57亿人次,比上年增长12.0%,其中异地旅游人数为7.7亿人次,本地旅游人数为21.87亿人次,同时由于我国拥有世界上最大的手机群体,根据工信部预测,未来5年我国的3G智能手机保有量达将到7亿部,因此通过3G智能手机等各种3G移动终端获取包括出行和消费应用在内的多元化城市卫星定位导航服务的市场需求将发生爆炸性的增长。而本发明的实施能够有效地帮助驾车者避开堵车路段,因此比对收到驾车者的欢迎。以每终端¥20元计算,未来5年的市场容量达到¥150亿元。
具体实施方式
基于一体化物联网云计算技术和现代控制理论状态方程的最佳动态导航解决方法是通过物联网技术将城市中的交通流量传感器和城市交通实时数据中心连接起来,同时通过车联网技术将导航终端与最佳动态路径导航控制中心连接起来,然后通过云计算平台上基于状态方程的城市交通流量变化趋势数学模型对城市交通流量进行预测并以此为依据为驾车者提供动态的路径导航规划。
传统的控制是负反馈控制,研究的对象是误差,缺点是后知后觉,即必须先有误差的存在才能进行控制。目前国内外传统的动态导航,本质上就是一种负反馈的控制,首先是前面有堵车发生了,然后在规划导航路径时被动地进行规避,因此动态导航只能在一定程度上帮助驾车者避开交通拥堵路段,而不能主动地对城市交通流量进行前瞻性的疏导,更甚的是,由于在帮助驾车者规避拥堵路段时,由于大量的驾车者为了规避拥堵路段而走同一条交通不拥堵的道路,往往造成原来拥堵的道路不堵了但原来本来不堵的道路却成了新的拥堵路段,如此反复,使城市的道路不断处于一个震荡的拥堵状态之下。但基于一体化物联网云计算技术和现代控制理论状态方程的最佳动态导航解决方法采用了现代控制理论的状态方程。状态方程是一种用现代控制理论建立数学模型方法,状态方程研究的对象是事件的状态,世界上所有的事件的状态都随着时间的迁移而使随之发生变化。虽然状态随着时间的变化有快有慢,但这种变化是连续的,因此研究状态变化的历史过程可以对未来的状态进行预测。由于影响一个事件发生变化的因素往往有多个,因此数学家们又将这些影响事件发生变化的因素一一找出来,称之为状态变量。状态变量不是一个简单的算术含义上的变量,而往往是一个描述事件变化规律的数据序列,称为状态向量。
基于一体化物联网云计算技术和现代控制理论状态方程的最佳动态导航解决方法将影响城市中一个路段的交通负荷平衡的各种因素,比如:a、过去1年内的历史交通情况;b、过去3个月的历史交通情况;c、过去2小时的历史交通情况;d、当前的交通流量情况;e、额定设计的交通流量;f、目前在导航规划中被使用到的频率等;g、车子的速度等。智能化城市交通流量负荷平衡算法将所有这些影响城市交通负荷平衡的因素作为状态变量,然后通过状态方程建立一个数学模型,然后通过对状态方程的齐次方程求解得到60分钟内目标道路的交通流量变化趋势。
同时,基于一体化物联网云计算技术和现代控制理论状态方程的最佳动态导航解决方法还加上其他突发事件对城市交通负荷平衡影响的因素,如气候变化,节假日,突发的车祸等,对状态方程的解做出修正,最后给驾车者一个动态的最佳路径导航规划。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,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 (3)
1.一种基于现代控制理论状态方程的最佳动态导航方法,其特征在于:将城市中的交通流量传感器和车联网的车载导航设备形成一个交通流量感知物联网。
2.根据权利要求1所述的基于现代控制理论状态方程的最佳动态导航方法,其特征在于:将城市中过去一年的历史交通数据、过去三个月的历史交通数据、过去两小时的历史交通数据、以及通过交通流量感知物联网感知到的当前交通流量情况、并加上导航规划中的道路的额定设计情况、包括导航规划中的道路是否会成为新的拥堵路段等一系列影响城市交通流量变化趋势的因素作为状态变量建立一个基于状态方程的数学模型,然后通过对状态方程的齐次方程的解算来实现对城市道路流量负荷变化做出智能化的前馈预测,由此来快速准确地实时预测一个城市的交通流量的变化趋势。
3.根据权利要求2所述的基于现代控制理论状态方程的最佳动态导航方法,其特征在于:用城市中的突发事件对城市交通负荷平衡影响的因素,对状态方程的解做出修正,最后给驾车者一个动态的最佳路径导航规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310124334.5A CN104101347A (zh) | 2013-04-10 | 2013-04-10 | 基于现代控制理论状态方程的最佳动态导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310124334.5A CN104101347A (zh) | 2013-04-10 | 2013-04-10 | 基于现代控制理论状态方程的最佳动态导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104101347A true CN104101347A (zh) | 2014-10-15 |
Family
ID=51669692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310124334.5A Pending CN104101347A (zh) | 2013-04-10 | 2013-04-10 | 基于现代控制理论状态方程的最佳动态导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104101347A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104848871A (zh) * | 2015-06-09 | 2015-08-19 | 刘光明 | 带有交通状况变化趋势的地图与行车路线 |
CN111081010A (zh) * | 2018-10-18 | 2020-04-28 | 阿里巴巴集团控股有限公司 | 一种交通流量或旅行时间的预测方法和设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1317422A (zh) * | 2001-04-28 | 2001-10-17 | 陈新愚 | 一种车辆导航与路网管理的方法及装置 |
US20020040270A1 (en) * | 2000-09-16 | 2002-04-04 | Kwak Dong Hoon | Method and apparatus for vehicle navigation service using DSRC system |
CN1727846A (zh) * | 2004-07-28 | 2006-02-01 | 株式会社日立制作所 | 交通信息提供装置 |
CN101482419A (zh) * | 2008-01-11 | 2009-07-15 | 上海邮电设计院有限公司 | 一种基于a-gps和3g网络的车辆动态导航业务系统 |
CN201307343Y (zh) * | 2008-11-14 | 2009-09-09 | 上海经达实业发展有限公司 | 一种车辆动态路径导航装置 |
CN102356415A (zh) * | 2009-03-17 | 2012-02-15 | 新科电子(资讯通信系统)私人有限公司 | 使用预测的交通拥塞确定交通路线 |
-
2013
- 2013-04-10 CN CN201310124334.5A patent/CN104101347A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020040270A1 (en) * | 2000-09-16 | 2002-04-04 | Kwak Dong Hoon | Method and apparatus for vehicle navigation service using DSRC system |
CN1317422A (zh) * | 2001-04-28 | 2001-10-17 | 陈新愚 | 一种车辆导航与路网管理的方法及装置 |
CN1727846A (zh) * | 2004-07-28 | 2006-02-01 | 株式会社日立制作所 | 交通信息提供装置 |
CN101482419A (zh) * | 2008-01-11 | 2009-07-15 | 上海邮电设计院有限公司 | 一种基于a-gps和3g网络的车辆动态导航业务系统 |
CN201307343Y (zh) * | 2008-11-14 | 2009-09-09 | 上海经达实业发展有限公司 | 一种车辆动态路径导航装置 |
CN102356415A (zh) * | 2009-03-17 | 2012-02-15 | 新科电子(资讯通信系统)私人有限公司 | 使用预测的交通拥塞确定交通路线 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104848871A (zh) * | 2015-06-09 | 2015-08-19 | 刘光明 | 带有交通状况变化趋势的地图与行车路线 |
CN111081010A (zh) * | 2018-10-18 | 2020-04-28 | 阿里巴巴集团控股有限公司 | 一种交通流量或旅行时间的预测方法和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xia et al. | Field operational testing of eco-approach technology at a fixed-time signalized intersection | |
CN110489799B (zh) | 交通拥堵仿真处理方法及相关装置 | |
Fotouhi et al. | A review on the applications of driving data and traffic information for vehicles׳ energy conservation | |
CN105761492A (zh) | 一种基于网络流的大范围高速路网动态配流方法 | |
CN109064741A (zh) | 基于多源数据融合的干道车辆运行轨迹重构的方法 | |
CN104123845A (zh) | 基于现代控制理论的智能型动态导航 | |
Nefedov et al. | Energy efficient traffic-based street lighting automation | |
CN107985096A (zh) | 一种电动车物流系统中电动车的充电提示方法及装置 | |
Deng et al. | Reduce bus bunching with a real-time speed control algorithm considering heterogeneous roadway conditions and intersection delays | |
Hwang et al. | Changes in air pollutant emissions from road vehicles due to autonomous driving technology: A conceptual modeling approach | |
Kapusta et al. | Preemptive traffic light control based on vehicle tracking and queue lengths | |
Karbowski et al. | Vehicle energy management optimization through digital maps and connectivity | |
Liu et al. | Evaluation of the cost of intelligent upgrades of transportation infrastructure for intelligent connected vehicles | |
Chen et al. | Traffic flow guidance algorithm in intelligent transportation systems considering the effect of non-floating vehicle | |
CN104101347A (zh) | 基于现代控制理论状态方程的最佳动态导航方法 | |
CN102800193A (zh) | 考虑多车的ovdm交通流跟驰模型稳定性建模方法 | |
CN116698075B (zh) | 路网数据处理方法、装置、电子设备及存储介质 | |
CN105427394A (zh) | 基于试错法和机动车流量的拥堵收费最优费率确定方法 | |
CN105306157A (zh) | 一种基于网络连通的车载通信建模方法 | |
CN106887138B (zh) | 一种堵车蔓延态势侦测方法与系统 | |
Kuang et al. | Intelligent Vehicles' Effects on Chinese Traffic: A Simulation Study of Cooperative Adaptive Cruise Control and Intelligent Speed Adaption | |
CN205621291U (zh) | 一种十字路口显示最佳速度的智能交通系统 | |
Chang et al. | Traffic emission control based on emission pricing and signal timing | |
Wang et al. | Model of delay prediction for signalized intersection based on GPS data | |
Luo et al. | Simulation of Vehicle Startup Delay at Green Light and Its Direct and Chain-Reaction Impact on Traffic Flow |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141015 |
|
WD01 | Invention patent application deemed withdrawn after publication |