CN104851309B - 一种交通诱导策略的实现方法 - Google Patents
一种交通诱导策略的实现方法 Download PDFInfo
- Publication number
- CN104851309B CN104851309B CN201510294215.3A CN201510294215A CN104851309B CN 104851309 B CN104851309 B CN 104851309B CN 201510294215 A CN201510294215 A CN 201510294215A CN 104851309 B CN104851309 B CN 104851309B
- Authority
- CN
- China
- Prior art keywords
- section
- vehicle
- congestion
- induction
- represent
- 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
Abstract
本发明公开了一种交通诱导策略方法,该方法针对目前交通诱导策略存在“拥塞漂移”现象的问题,通过在基于行程时间的最短路径费用函数中引入根据已诱导车辆和路段特性定义的路径计数器阻抗函数,本发明提出了同一种AR*路径诱导策略。改进的诱导策略首先通过对拥塞路段的检测、诱导车辆的候选、车辆诱导等级的划分,然后将车辆诱导至行程时间和路径计数器总费用代价函数最小的最优路径上。仿真结果表明,两种改进的诱导策略能够减少路网“拥塞漂移”现象的发生和平均行程时间。
Description
技术领域
本发明涉及涉及智能交通领域,特别涉及一种交通诱导策略的实现方法。
背景技术
交通诱导,或称交通流诱导,是以当前飞速发展的电子与信息技术为依托,通过交通分配与诱导,合理的将处于路网中分布不均匀的车流量进行合理的再分配和诱导控制,从而通过控制诱导改善路网中的交通流状况,减少路网中拥塞的发生,提高路网中道路的利用率,减少人车的出行费用。
当前已经存在的交通诱导系统存在若干缺点,主要表现在两个方面,首先,它们是一种基于被动反应式的路径诱导策略,即当交通拥塞发生的时候才采取措施缓解交通拥塞,虽然目前已经有一些基于预测性的路径诱导系统,但它们仅仅是一种警告系统,即当交通发生拥塞的时候向车辆提供交通实时信息,而不是主动向车辆提供诱导信息以避免交通拥塞的发生。其次,它们均是基于交通流的宏观诱导方式,也即是,若处于某一道路的车辆具有相同的目的地,那么处于这同一交通流的车辆将会收到相同的交通诱导信息,即这些车辆均会被诱导到相同的替代路线,如果处于该交通流的车辆大部分遵循该诱导信息,则可能导致二次拥塞的发生,即产生“拥塞漂移”现象。而本发明能够很好地解决上面的问题。
发明内容
本发明目的在于提供一种交通诱导策略的实现方法,该方法能够降低“拥塞漂移”现象的产生,并且降低了路网的整个路段平均行程时间。
本发明解决其技术问题所采取的技术方案是:一种交通诱导策略的实现方法,该方法包括如下步骤:
步骤1:拥塞路段的检测和预测
交通路网可以看做是一张加权有向图,其中加权有向图的节点代表路网中的路口,线代表路段,权值可以代表路段长度、行程时间等信息,本发明将行程时间作为路网加权有向图的权值,即求最短路径即是求最短行程时间,路段的权值随着路段上交通流量的变化而动态的发生着变化。本发明采用Greenshield模型估计路段平均行程时间,Greenshield模型估计路段平均行程时间的思想是认为在路段i上,平均行程速度估计值Vi和路段交通流Ki存在一种线性关系,即:
Ti=Li/Vi (2)
其中:Vf表示路段i在自由流交通状况下的路段平均行程速度;
Ki表示行驶在路段i的车辆;
Kjam表示路段i拥塞情况下车辆数;
Li表示路段i的道路长度;
Ti表示路段i路段行程时间估计值。
路段自由流速度表示路段在顺畅无拥塞情况下的行车平均速度,为简单起见,本发明所有路段的自由流速度均规定为所在路段的最高限速。表示路段i上当前时间段的车辆数和路段i所能容下的最大车辆数(即:及路段容量)比值,其中当前路段i上的车辆数目可以通过浮动车数据或者设置在路段边界上的固定检测器检测得到,其中路段容量可以由公式3计算得到,即:
其中:表示车辆的平均长度;
Lmin_gap表示车辆间的最小间距;
本发明定义一个拥塞阈值δ(δ∈[0,1]),当时表示路段该路段产生或者即将发生拥塞,当判断路段发生拥塞的时候,系统将为处于该路段上的车辆重新计算新的诱导路线,因此选择一个合适的δ非常重要,因为若δ取值过小,可能将产生不必要的诱导,即路段并未发生拥塞然而系统却为路段上的车辆计算新的诱导路线;若δ取值过大,则可能道路已经发生拥塞,而系统仍无法为该路段车辆计算新的诱导路线,从而无法达到拥塞避免的作用。
步骤2:车辆诱导目标的选择
当预测到某一路段即将发生交通拥塞或者检测到某条路段已经发生交通拥塞,那么即将驶入这条路段的车辆就可能遇到发生道路拥塞的风险。因此必须要对即将驶入该路段的上游车辆推荐新的诱导路线,本发明将即将驶入该拥塞路段的上游路段车辆作为候选诱导车辆,此时一个关键的问题就是如何选择合适的上游车辆作为诱导车辆。本发明定义一个参数L,用以表示该拥塞路段上游路段距离该拥塞路段的路段数,当某路段发生拥塞或者即将发生拥塞时,即将驶入该路段的上游L条路段都将收到新的路径诱导信息。
L必须取一个合适的值,若L过大,大量的车辆将获得新的路线诱导信息,这可能导致产生新的交通拥塞及二次拥塞(即:及大量的车辆被分配到另外相同的路线上),同时若L较大时,意味着系统将对更多的车辆计算新的诱导路线,将显著增加系统的计算负担;若L过小,又可能无法减轻或者避免该路段的拥塞。
步骤3:车辆诱导等级的划分
为了避免在最优路径诱导分配过程中产生的“拥塞漂移”现象,本发明将对需要诱导的车辆进行等级划分,不同的诱导等级将获得可能不同的诱导路线,从而向诱导的车辆推送不同的诱导信息以避免“拥塞漂移”现象的产生。考虑到车辆驾驶者所在的拥塞路段若离目的地不远,车辆驾驶者一般不愿意再更改行驶路线,而车辆离目的地较远时,车辆驾驶者一般愿意接受系统推荐的新的替代诱导路线,基于此,本发明选择根据候选诱导车辆距离其终点行程时间的长短给诱导车辆划分诱导等级。若候选诱导车辆距离其终点行程时间越长,诱导车辆被重新诱导的优先级越高,拥塞发生时将越早获得新的诱导路线;相反若时间越短,诱导车辆优先级越低,拥塞时获取新的诱导路线的时间越迟。
GG=remainTT (4)
其中:GG(Guidance Grade)表示诱导等级值;
remainTT(Remain Travel Time)表示车辆剩余行程时间;
根据公式4,车辆被诱导的优先等级等于其剩余行程时间,当剩余行程时间越长,其诱导等级越高,获得优先诱导的概率越大。
步骤4:AR*诱导策略实施
最短路径DSP是一种典型的诱导策略,即将车辆分配到行程时间或者其它费用最少的路径上。最常见的最短路径算法包括Dijkstra算法和A*算法,其优点是计算简单,当交通流量较小时是一种不错的诱导策略,但是当交通流量较大的时候,若较多的车辆接受指定的诱导替代路线,将产生一个严重的问题是过多的车辆都驶入替代诱导路线从而造成替代路线的拥塞,即此时只是将一个拥塞点诱导到另外一个拥塞点,产生“拥塞漂移”,并且最短路径诱导策略只考虑了当前的交通流数据而制定诱导信息,并没有考虑当前时间窗口制定的诱导路线车辆给下一个诱导时间窗口的诱导路线带来的影响。
本发明在估价函数f(n)的基础上加入一个阻抗函数R(n),称其为带阻抗函数的A*算法,即:
F(n)=(1-β)(G(n)+H(n))+β×R(n)
其中:G(n)是从出发地到路口n的路段行程时间;
H(n)是从n节点到目标节点的最佳路径的估计代价;
β为权重参数,用以平衡原A*算法和新加入的阻抗函数;
R(n)表示从出发起点路口到目的地路口n所经过所有路段的路径计数器之和。
上述公式通过考虑当前时间窗口诱导车辆对下一时间窗口诱导车辆的影响,即若较多的车辆被分配到最优路径上,将使得代价函数F(n)值增大,因而下一时间窗口诱导车辆的路线诱导可能将分配到新的F(n)代价函数更低的诱导路线上,从而避免了大量的车辆同时被诱导到最优路径上造成的“拥塞漂移”问题,避免了新的拥塞路段的产生。
有益效果:
1、本发明通过对拥塞路段的检测和预测,能够及时发现路段中的拥塞路段,通过设定合适的拥塞阈值,能够在路段即将发生拥塞的时候提前对路段以及路段上游车辆实施诱导,有效降低了拥塞路段的产生。
2、本发明通过对车辆诱导目标的选择,车辆诱导等级的划分,同时将已诱导车辆加入到最短路径诱导策略的费用代价函数中,有效地避免了在路段拥塞发生时将大量的车辆诱导至相同的诱导替代路线,并且降低了“拥塞漂移”现象的产生,降低了路网的路段平均行程时间。
附图说明
图1为本发明的方法流程图。
图2为本发明的拥塞漂移现象示意图。
具体实施方式
实施例一
如图1和图2所示,本发明包括周期性的提供拥塞路段的检测、车辆诱导目标的选择、车辆诱导等级的划分以及对选定的诱导车辆实施AR*策略诱导,主要实施步骤包括:
步骤1:分别对诱导的路网各个路段进行拥塞成都计算,当某路段的拥塞程度值达到拥塞阈值的时候,将该路段标定为拥塞路段,在后面的步骤中对该路段实施交通诱导。
步骤2:将经过拥塞路段的车辆以及拥塞路段上游L路段的车辆作为候选诱导目标。
步骤3:分别计算目标诱导车辆的剩余路段行程时间,对不同的目标车辆根据其剩余路段行程时间进行不同的诱导等级划分,不同的诱导等级将获得不同的诱导先后顺序。
步骤4:根据计算得到的目标诱导车辆先后顺序,通过对路径计数器以及路径权重值的定义,将已诱导车辆加入到最短路径费用函数中,分别对车辆进行AR*策略诱导。
其中,所诉路段拥塞阈值定义公式为:Ki表示路段i上的当前车辆数,Kjam表示该路段的车容量,所诉路段车容量定义为:表示车辆的平均长度,Lmin_gap表示车辆间的最小间距。在本发明中所诉路段拥塞阈值取值为0.7。
其中,所诉诱导目标车辆的选择定义为拥塞路段上游L路段,在本发明中上游路段L取值为2,及当拥塞发生时,将对拥塞路段以及拥塞上游2个路段的车辆实施诱导
其中,所诉车辆诱导等级划分根据车辆的剩余行程时间划分,及定义等级公式为:GG=remainTT。GG表示诱导等级值,remainTT表示车辆剩余行程时间。车辆剩余行程时间越长,车辆获得的诱导优先级越高,将越早获得路线诱导信息。
其中,本发明所诉的AR*诱导策略基于行程时间的费用函数定义为:F(n)=(1-β)(G(n)+H(n))+β×R(n),R(n)表示从出发起点路口到目的地路口n所经过所有路段的路径计数器之和,β表示已诱导车辆费用代价占总代价的比值系数,在发明中其取值为0.03。所诉路径计数器的定义为:其中ni表示诱导中信已经诱导分配至路段i上的车辆数,wi表示路段权重值。所诉路段权重值定义为:其中lenavg表示诱导路网中所有路段的平均长度,leni表示路段i的长度,lanei表示路段i的车道数,表示在自由流情况下所有路段的车辆平均行程速度,表示路段i的车辆平均行程速度。
实施例二
如图1所示,本发明提供了一种交通诱导策略的实现方法,该方法包括如下步骤:
步骤1:拥塞路段的检测和预测
交通路网可以看做是一个加权有向图,其中加权有向图的节点代表路网中的路口,线代表路段,权值可以代表路段长度、行程时间等信息,本发明将行程时间作为路网加权有向图的权值,即求最短路径即是求最短行程时间,路段的权值随着路段上交通流量的变化而动态的发生着变化。本发明采用Greenshield模型估计路段平均行程时间,Greenshield模型估计路段平均行程时间的思想是认为在路段i上,平均行程速度估计值Vi和路段交通流Ki存在一种线性关系,即:
Ti=Li/Vi (2)
其中:Vf表示路段i在自由流交通状况下的路段平均行程速度;
Ki表示行驶在路段i的车辆;
Kjam表示路段i拥塞情况下车辆数;
Li表示路段i的道路长度;
Ti表示路段i路段行程时间估计值。
路段自由流速度表示路段在顺畅无拥塞情况下的行车平均速度,为简单起见,本发明所有路段的自由流速度均规定为所在路段的最高限速。表示路段i上当前时间段的车辆数和路段i所能容下的最大车辆数(及路段容量)比值,其中当前路段i上的车辆数目可以通过浮动车数据或者设置在路段边界上的固定检测器检测得到,其中路段容量可以由公式4.3计算得到。
其中:表示车辆的平均长度;
Lmin_gap表示车辆间的最小间距;
本发明定义一个拥塞阈值δ(δ∈[0,1]),当时表示路段该路段产生或者即将发生拥塞,当判断路段发生拥塞的时候,系统将为处于该路段上的车辆重新计算新的诱导路线,因此选择一个合适的δ非常重要,因为若δ取值过小,可能将产生不必要的诱导,即路段并未发生拥塞然而系统却为路段上的车辆计算新的诱导路线;若δ取值过大,则可能道路已经发生拥塞,而系统仍无法为该路段车辆计算新的诱导路线,从而无法达到拥塞避免的作用。
步骤2:车辆诱导目标的选择
当预测到某一路段即将发生交通拥塞或者检测到某条路段已经发生交通拥塞,那么即将驶入这条路段的车辆就可能遇到发生道路拥塞的风险。因此必须要对即将驶入该路段的上游车辆推荐新的诱导路线,本发明将即将驶入该拥塞路段的上游路段车辆作为候选诱导车辆,此时一个关键的问题就是如何选择合适的上游车辆作为诱导车辆。本发明定义一个参数L,用以表示该拥塞路段上游路段距离该拥塞路段的路段数,当某路段发生拥塞或者即将发生拥塞时,即将驶入该路段的上游L条路段都将收到新的路径诱导信息。
L必须取一个合适的值,若L过大,大量的车辆将获得新的路线诱导信息,这可能导致产生新的交通拥塞及二次拥塞(及大量的车辆被分配到另外相同的路线上),同时L较大时,意味着系统将对更多的车辆计算新的诱导路线,将显著增加系统的计算负担;若L过小,又可能无法减轻或者避免该路段的拥塞。
步骤3:车辆诱导等级的划分
为了避免在最优路径诱导分配过程中产生的“拥塞漂移”现象,本发明将对需要诱导的车辆进行等级划分,不同的诱导等级将获得可能不同的诱导路线,从而向诱导的车辆推送不同的诱导信息以避免“拥塞漂移”现象的产生。考虑到车辆驾驶者所在的拥塞路段若离目的地不远,车辆驾驶者一般不愿意再更改行驶路线,而车辆离目的地较远时,车辆驾驶者一般愿意接受系统推荐的新的替代诱导路线,基于此,本发明选择根据候选诱导车辆距离其终点行程时间的长短给诱导车辆划分诱导等级。若候选诱导车辆距离其终点行程时间越长,诱导车辆被重新诱导的优先级越高,拥塞发生时将越早获得新的诱导路线;相反若时间越短,诱导车辆优先级越低,拥塞时获取新的诱导路线的时间越迟。
GG=remainTT (4)
其中:GG(Guidance Grade)表示诱导等级值;
remainTT(Remain Travel Time)表示车辆剩余行程时间;
根据公式4,车辆被诱导的优先等级等于其剩余行程时间,当剩余行程时间越长,其诱导等级越高,获得优先诱导的概率越大。
步骤4:AR*诱导策略实施
最短路径DSP是一种典型的诱导策略,即将车辆分配到行程时间或者其它费用最少的路径上。最常见的最短路径算法包括Dijkstra算法和A*算法,其优点是计算简单,当交通流量较小时是一种不错的诱导策略,但是当交通流量较大的时候,若较多的车辆接受指定的诱导替代路线,将产生一个严重的问题是过多的车辆都驶入替代诱导路线从而造成替代路线的拥塞,即此时只是将一个拥塞点诱导到另外一个拥塞点,产生“拥塞漂移”,并且最短路径诱导策略只考虑了当前的交通流数据而制定诱导信息,并没有考虑当前时间窗口制定的诱导路线车辆给下一个诱导时间窗口的诱导路线带来的影响。
基于上诉分析,本发明在针对基于行程时间最短路径A*算法的基础上,对A*算法进行改进。在这里先讨论下A*算法,A*算法是一种静态路网中求解最短路径的有效算法,公式表示如下:
F(n)=G(n)+H(n) (5)
其中:F(n)是由初始点经由节点n到目标点的估价函数;
G(n)是在状态空间中由初始节点到n节点的实际代价,在本论本发明
即从出发地到路口n的路段行程时间;
H(n)是从n节点到目标节点的最佳路径的估计代价。在本论本发明
即从路口n到目的地的最短行程时间预测值。
因此,在A*算法中寻找最优路径,即寻找估价函数F(n)最小的路径。这里本发明先定义一个路径计数器的概念,本发明定义路段i的路径计数器如下。
其中:ni表示诱导中心已经分配到路段i上的车辆数;
wi是一个和路段i有关的权重值。
本发明定义路段i的权重值如下:
其中:lenavg表示交通网络中所有路段的平均长度;
leni表示路段i的长度;
lanei表示路段i的车道数;
表示在自由流条件下整个交通网络的平均行程速度;
表示路段i在自由流条件下的行程速度。
在公式7中,采用权重值的原因是为了区分不同道路的不同特性,比如对于两个路段ri和rj,假设ni=nj,并且此时两个路段已有的车辆数和已经诱导分配的车辆数总和相等,但此时并不能将路段ri和路段rj同等对待,因为路段ri和rj可能存在不同的交通容量,比如路段ri包含更多的车道数或者路段长度更长,因此ri导致拥塞的概率更低。也就是说诱导分配相同的车辆到路段ri对ri的影响更小。
基于路径计数器的概念,本发明对A*算法作出以下改进,本发明在估价函数f(n)的基础上加入一个阻抗函数R(n),本发明称其为带阻抗函数的A*算法,即AR*(A*withRepulsion)算法,其中R(n)表示从出发起点路口到目的地路口n所经过所有路段的路径计数器之和。基于此,代价函数修改如下。
F(n)=(1-β)(G(n)+H(n))+β×R(n) (8)
其中:G(n)+H(n)是原A*算法计算值,即基于行程时间的最优路径;
β为权重参数,用以平衡原A*算法和新加入的阻抗函数。
从公式8可以看到,改进的AR*诱导策略将不仅仅考虑最优路径,同时将考虑当前时间窗口诱导车辆对下一时间窗口诱导车辆的影响,即若较多的车辆被分配到最优路径上,将使得代价函数F(n)值增大,因而下一时间窗口诱导车辆的路线诱导可能将分配到新的F(n)代价函数更低的诱导路线上,从而避免了大量的车辆同时被诱导到最优路径上造成的“拥塞漂移”问题,避免了新的拥塞路段的产生。
在公式8中,β取值必须取合适值,因为若β值较大时,估价函数F(n)的值主要取决于阻抗函数R(n)的值,即此时计算的路径主要考虑的是新规划路线路径的畅通程度,此时计算的最短路径可能严重偏离原最短路径,而当β取值过小的时候,改进的AR*算法又太接近A*算法,从而变成了原先的A*诱导策略。
Claims (4)
1.一种交通诱导策略的实现方法,其特征在于,所述方法包括如下步骤:
步骤1:拥塞路段的检测和预测;
步骤2:车辆诱导目标的选择;
步骤3:车辆诱导等级的划分;
步骤4:AR*诱导策略实施,所述步骤4包括:
在估价函数F(n)的基础上加入一个阻抗函数R(n),称其为带阻抗函数的A*算法,即:
F(n)=(1-β)(G(n)+H(n))+β×R(n)
其中:G(n)是从出发地到路口n的路段行程时间;
H(n)是从路口n到目的地的最短行程时间预测值;
β为权重参数,用以平衡原A*算法和新加入的阻抗函数;
R(n)表示从出发起点路口到目的地路口n所经过所有路段的路径计数器之和;
若较多的车辆被分配到最优路径上,将使得估价函数F(n)值增大,下一时间窗口诱导车辆的路线诱导将分配到估价函数F(n)更低的诱导路线上。
2.根据权利要求1所述的一种交通诱导策略的实现方法,其特征在于,所述方法的步骤1包括:将行程时间作为路网加权有向图的权值,即求最短路径,即是求最短行程时间,路段的权值随着路段上交通流量的变化而动态的发生着变化;采用Greenshield模型估计路段平均行程时间,Greenshield模型估计路段平均行程时间的思想是认为在路段i上,平均行程速度估计值Vi和路段交通流Ki存在一种线性关系,即:
Ti=Li/Vi (2)
其中:Vf表示路段i在自由流交通状况下的路段平均行程速度;
Ki表示行驶在路段i的车辆;
Kjam表示路段i所能容下的最大车辆数;
Li表示路段i的道路长度;
Ti表示路段i路段行程时间估计值;
路段自由流速度表示路段在顺畅无拥塞情况下的行车平均速度,所有路段的自由流速度均规定为所在路段的最高限速,表示路段i上当前时间段的车辆数和路段i所能容下的最大车辆数,即:路段容量,的比值,其中当前路段i上的车辆数目通过浮动车数据或者设置在路段边界上的固定检测器检测得到,其中路段容量由公式3计算得到,即:
其中:表示车辆的平均长度;
Lmin_gap表示车辆间的最小间距;
定义一个拥塞阈值δ,δ∈[0,1],当时表示路段产生或者即将发生拥塞,当判断路段发生拥塞的时候,系统将为处于该路段上的车辆重新计算新的诱导路线。
3.根据权利要求1所述的一种交通诱导策略的实现方法,其特征在于,所述方法的步骤2包括:将即将驶入该拥塞路段的上游路段车辆作为候选诱导车辆,定义一个参数L,用以表示该拥塞路段上游路段距离该拥塞路段的路段数,当某路段发生拥塞或者即将发生拥塞时,即将驶入该路段的上游L条路段都将收到新的路径诱导信息。
4.根据权利要求1所述的一种交通诱导策略的实现方法,其特征在于,所述方法的步骤3包括:将对需要诱导的车辆进行等级划分,不同的诱导等级将获得不同的诱导路线,从而向诱导的车辆推送不同的诱导信息以避免“拥塞漂移”现象的产生;选择根据候选诱导车辆距离其终点行程时间的长短给诱导车辆划分诱导等级;若候选诱导车辆距离其终点行程时间越长,诱导车辆被重新诱导的优先级越高,拥塞发生时将越早获得新的诱导路线;相反若时间越短,诱导车辆优先级越低,拥塞时获取新的诱导路线的时间越迟,即:
GG=remainTT (4)
其中:GG(Guidance Grade)表示诱导等级值;
remainTT(Remain Travel Time)表示车辆剩余行程时间;
根据上述公式4,车辆被诱导的优先等级等于其剩余行程时间,当剩余行程时间越长,其诱导等级越高,获得优先诱导的概率越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510294215.3A CN104851309B (zh) | 2015-06-01 | 2015-06-01 | 一种交通诱导策略的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510294215.3A CN104851309B (zh) | 2015-06-01 | 2015-06-01 | 一种交通诱导策略的实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104851309A CN104851309A (zh) | 2015-08-19 |
CN104851309B true CN104851309B (zh) | 2017-07-14 |
Family
ID=53850924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510294215.3A Active CN104851309B (zh) | 2015-06-01 | 2015-06-01 | 一种交通诱导策略的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104851309B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551244B (zh) * | 2015-12-08 | 2017-12-05 | 招商局重庆交通科研设计院有限公司 | 一种动态路径规划方法 |
CN105469641A (zh) * | 2015-12-15 | 2016-04-06 | 华南理工大学 | 一种山区高速公路特殊线形路段险态判别装置及预警方法 |
CN105702073B (zh) * | 2016-04-13 | 2018-01-02 | 徐亚国 | 一种基于路网决策点行程时间索引值的动态转向导航方法 |
CN106023629B (zh) * | 2016-06-06 | 2018-12-25 | 西安电子科技大学昆山创新研究院 | 一种路径推荐方法和装置 |
CN106779190B (zh) * | 2016-12-02 | 2020-03-31 | 东南大学 | 一种城市轨道交通乘客出行路径建议方法及系统 |
CN106952475B (zh) * | 2017-04-26 | 2019-04-23 | 清华大学 | 用户均衡原则下的双路径路网个性化诱导率分配方法 |
CN107248298B (zh) * | 2017-05-23 | 2020-04-24 | 招商局重庆交通科研设计院有限公司 | 基于交通流状态的道路交通控制方法 |
WO2019113875A1 (en) * | 2017-12-14 | 2019-06-20 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for optimizing order allocation |
CN107993452B (zh) * | 2017-12-20 | 2021-06-08 | 杭州远眺科技有限公司 | 基于wifi探针探测高速公路上道路通行速度的测速方法 |
CN108389405B (zh) * | 2018-04-25 | 2020-02-11 | 招商局重庆交通科研设计院有限公司 | 道路交通容量控制方法 |
CN110211381B (zh) * | 2019-06-05 | 2021-02-09 | 杭州中奥科技有限公司 | 交通线路分配方法及装置 |
CN111768624B (zh) * | 2020-06-30 | 2022-02-15 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN111932896B (zh) * | 2020-09-14 | 2020-12-22 | 成都宜泊信息科技有限公司 | 一种停车场的车辆拥堵检测方法及系统 |
CN112991745B (zh) * | 2021-04-30 | 2021-08-03 | 中南大学 | 分布式框架下交通流动态协同分配方法 |
CN113763741B (zh) * | 2021-08-20 | 2022-07-01 | 东南大学 | 一种车联网环境下的干线公路交通诱导方法 |
CN114693178A (zh) * | 2022-05-19 | 2022-07-01 | 弥费实业(上海)有限公司 | 基于区域交通信息的天车拥塞疏导方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005134427A (ja) * | 2003-10-28 | 2005-05-26 | Pioneer Electronic Corp | 交通状況報知装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体 |
CN201060553Y (zh) * | 2007-04-09 | 2008-05-14 | 上海东方明珠传输有限公司 | 基于数字音频广播的交通诱导系统 |
CN103000027B (zh) * | 2012-12-19 | 2014-12-10 | 安徽科力信息产业有限责任公司 | 基于浮动车在拥堵状态下的智能交通诱导方法 |
CN104658297B (zh) * | 2015-02-04 | 2017-12-22 | 沈阳理工大学 | 一种基于Sarsa学习的中心式动态路径诱导方法 |
-
2015
- 2015-06-01 CN CN201510294215.3A patent/CN104851309B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104851309A (zh) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104851309B (zh) | 一种交通诱导策略的实现方法 | |
CN108847037B (zh) | 一种面向非全局信息的城市路网路径规划方法 | |
CN102636177B (zh) | 一种导航路径规划方法和装置、导航系统 | |
US9599488B2 (en) | Method and apparatus for providing navigational guidance using the states of traffic signal | |
CN107944605A (zh) | 一种基于数据预测的动态交通路径规划方法 | |
CN112216130B (zh) | 一种车路协同环境下的应急车辆诱导方法 | |
Chevallier et al. | A macroscopic theory for unsignalized intersections | |
CN107346460A (zh) | 基于智能网联系统下前车运行信息的未来工况预测方法 | |
CN105427605B (zh) | 一种考虑交通方式转移的公交专用道设置效益计算方法 | |
CN107063278A (zh) | 一种车辆导航系统、导航方法及其车辆 | |
CN108877253A (zh) | 一种基于物联网的公交专用道资源动态共享方法及系统 | |
CN103839411A (zh) | 一种基于动态交通信息的事故影响范围分析方法 | |
CN103971530A (zh) | 一种实时路径规划方法 | |
CN108106622A (zh) | 一种乘车路线规划方法及系统 | |
CN110174893A (zh) | 一种无人驾驶控制方法、系统及车辆 | |
CN108986459A (zh) | 一种基于预约通行的高速公路拥挤疏导方法 | |
CN106355915A (zh) | 一种用于提供行驶建议的方法和装置 | |
CN111145565A (zh) | 一种用于城市交通的协调路线和协调方案的推荐方法及系统 | |
Davis | Realizing Wardrop equilibria with real-time traffic information | |
CN110211405B (zh) | 一种基于交通信息素模型的出行路径规划方法 | |
Hurtova et al. | Preference and area coordination of public transport in modern city | |
TWI623920B (zh) | 車速預測方法 | |
CN108389404B (zh) | 道路交通拥堵治理方法 | |
CN111127679A (zh) | 一种基于竞价的城市交通拥堵解决方法 | |
CN112446538A (zh) | 一种基于个性化避险的最优路径获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210517 Address after: Room 507, 6-3 Xingzhi Road, Nanjing Economic and Technological Development Zone, Jiangsu Province, 210000 Patentee after: NANJING NANYOU INSTITUTE OF INFORMATION TEACHNOVATION Co.,Ltd. Address before: 210003, 66 new model street, Gulou District, Jiangsu, Nanjing Patentee before: NANJING University OF POSTS AND TELECOMMUNICATIONS |