CN105809953A - 一种基于m2m的城市交通流车路协同控制方法 - Google Patents
一种基于m2m的城市交通流车路协同控制方法 Download PDFInfo
- Publication number
- CN105809953A CN105809953A CN201410827132.1A CN201410827132A CN105809953A CN 105809953 A CN105809953 A CN 105809953A CN 201410827132 A CN201410827132 A CN 201410827132A CN 105809953 A CN105809953 A CN 105809953A
- Authority
- CN
- China
- Prior art keywords
- rsm
- traffic
- road
- information
- vehicle
- 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
Abstract
一种基于M2M的城市交通流车路协同控制方法,具体涉及一种通过人与车、车与车、车与路之间的无线通信和信息交互,实现对城市道路交通流智能化管理与协同控制的方法。该方法利用人与车、车与车、车与路、路与路之间的信息交互来获取城市道路交通流系统中人、车、路、环境等实时信息,并从城市路网全局、驾驶员出行特性等角度对路网交通流进行动态诱导、优化控制,以实现路网交通流的均衡分配和合理负载,提高路网交通流运行效率。本发明提出的一种基于M2M的城市交通流车路协同控制方法主要由车载装置OBM、路侧装置RSM、中央控制装置CCM等三部分组成。
Description
技术领域
本发明涉及城市道路交通流管理与控制技术领域,具体涉及一种通过人与车、车与车、车与路之间的无线通信和信息交互,实现对城市道路交通流智能化管理与协同控制的方法。
技术背景
近年来,随着我国社会经济的快速发展和城市化进程的不断加快,城市的社会、经济、文化、生活等活动日益频繁,城市机动车保有量持续快速增长,城市道路交通出行需求迅猛增长;与此同时,由于受城市土地资源、建设资金、产业政策等条件的制约和影响,城市道路的改、扩、新建速度远远不能满足城市道路交通出行需求的增长速度,且城市道路交通智能化应用现状、技术水平等相对落后的现实条件使得城市道路交通供给与道路交通出行需求之间的矛盾进一步扩大,城市道路交通拥挤、拥堵问题日益突出,已成为我国许多大中城市面临的主要社会问题;交通拥挤所衍生的交通事故、能源消耗、环境污染等问题大大影响了城市经济建设和社会发展的运行效率,成为制约城市可持续、快速、健康发展的关键因素。
随着车联网技术在智能交通领域的深化研究和逐步推广应用,基于车与车、车与路之间的信息交互,构建城市交通流智能化管理系统已成为可能。它基于先进的传感器、无线通信等前沿科学技术,通过车与车、车与路之间的信息交互,完成全时空动态交通信息的采集、融合、分析、挖掘与处理,有效保障车辆在复杂环境下的行驶安全,实现对道路交通流的主动控制,通过均衡路网交通负荷,引导驾驶员避开交通拥挤走最佳行驶路线,有效缓解城市道路交通拥挤、拥堵,对提高城市道路交通系统的安全性、运行效率等具有十分重要的作用和意义。
发明内容
M2M(Machine-to-Machine,机器对机器)提供了实时数据在人机之间、设备之间、系统之间建立无线连接的手段,综合了数据采集、数据通信、信息处理、远程监控等技术手段,通过人、车、路之间的智能化、交互式无缝连接,能够实现人与车、车与车、车与路、路与路之间的信息交互、智能管理、优化控制、协同工作。因此,本发明提出了一种基于M2M的城市交通流车路协同控制方法,该方法充分利用人与车、车与车、车与路、路与路之间的信息交互来获取城市道路交通流系统中人、车、路、环境等实时信息,并从城市路网全局、驾驶员出行特性等角度对路网交通流进行动态诱导、优化控制,以实现路网交通流的均衡分配和合理负载,提高路网交通流运行效率。
本发明提出的一种基于M2M的城市交通流车路协同控制方法主要由车载装置(OnBoardMachine,OBM)、路侧装置(RoadSideMachine,RSM)、中央控制装置(CenterControlMachine,CCM)等三部分组成,如图1所示。其中,车载装置OBM安装在驾驶舱仪表盘位置,主要由人机交互、车辆状态感知、位置服务、车车通信、车路通信、信息存储等功能单元组成,具体如图2所示;路侧装置RSM分为主路侧装置Master-RSM和从路侧装置Slave-RSM。主路侧装置Master-RSM安装在关键交叉口位置,从路侧装置Slave-RSM安装在交叉口上游、次要交叉口以及与Master-RSM联调的交叉口(即与关键交叉口距离较近的交叉口)等位置,主路侧装置Master-RSM和从路侧装置Slave-RSM均由车路通信、路路通信、信息存储、信息处理、信息发布等功能单元组成,另外主路侧装置Master-RSM还具有中心通信、协同控制两个功能单元,具体如图3、图4、图5所示;中央控制装置CCM安装在城市交通信息中心或城市交通指挥中心,主要由数据监测、数据共享、数据服务、协同控制、决策支持等功能单元组成,具体如图6所示。
本发明提出的一种基于M2M的城市交通流车路协同控制方法,其特征主要包括以下步骤:
1)车载装置OBM
车载装置OBM是安装在车辆驾驶舱仪表盘位置的集成电子装置,由人机交互、车辆状态感知、位置服务、车车通信、车路通信、信息存储等功能单元组成。其中:
(1)人机交互单元
人机交互单元主要用于获取驾驶员的指令、查询等信息,记录并学习驾驶员的驾驶行为特性和行为习惯,并通过语音、图像、文字等方式向驾驶员提供实时的道路交通信息、预警信息、路径信息、引导信息等,实现人机之间的无缝衔接和信息交互;
(2)车辆状态感知单元
车辆状态感知单位通过车辆诊断系统(On-BoardDiagnostic,OBD)接口与车辆区域网络控制器(ControllerAreaNetwork,CAN)总线连接,基于.DBC格式文件解析车辆各电子控制单元(ElectronicControlUnit,ECU)在CAN总线传输的信号并实时提取车辆的运动状态、故障状态、油耗状态等信息,实现对车辆状态的实时感知;
(3)位置服务单元
位置服务单位通过嵌入在其中的卫星定位芯片(GPS或北斗等),获取车辆的经度、纬度、时间、瞬时速度、方向角等信息,并在地理信息系统(GeographicInformationSystem,GIS)中进行地图匹配,实时获取车辆位置、运动轨迹、路段行程时间、路段行程速度等信息;
(4)车车通信单元
车车通信单位通过嵌入在其中的测距传感器和无线通信模块,获取同向道路上前车、后车、两侧车辆的相对距离、相对位移、相对速度、相对转向角等,分析车辆可能存在的潜在危险,提前做出预警和驾驶操纵建议。同时,获取对向道路上存储在途径车辆上一定时间范围内的道路交通状态信息;
(5)车路通信单元
车路通信单元通过专用短程通信模块,向路侧装置RSM提供车辆的类型、长度、速度、综合排放等信息,并接收路侧装置RSM提供的前方交通信号控制、动态路径诱导、交通管制(限行、禁行等)、交通路况等信息;
(6)信息存储单元
信息存储单元是一个嵌入式小型关系型数据库系统,并与GIS绑定,用于存储车辆属性、车辆位置、运动状态、故障状态、运动轨迹以及途径的道路交通状态信息等。
2)路侧装置RSM
路侧装置RSM是安装在道路交叉口或交叉口上游的集成化、智能化控制装置,分为主路侧装置Master-RSM和从路侧装置Slave-RSM,主路侧装置Master-RSM安装在关键交叉口位置,从路侧装置Slave-RSM安装在交叉口上游、次要交叉口、联动协调交叉口(即与关键交叉口距离较近的交叉口)等位置。主路侧装置Master-RSM和从路侧装置Slave-RSM均由车路通信、路路通信、信息存储、信息处理、信息发布等功能单元组成,同时,主路侧装置Master-RSM还具有中心通信、协同控制两个功能单元。其中:
(1)车路通信单元
路侧装置RSM的车路通信单元负责与车载装置OBM中的车路通信单元建立通信,获取OBM车路通信单元提供的车辆类型、长度、速度、综合排放等信息,并向OBM提供车辆通行前方交通信号控制、动态路径诱导、交通管制(限行、禁行等)、交通路况等信息;
(2)路路通信单元
路路通信单元主要用于与相邻的路侧装置RSM进行交通流量、交通信号、交通诱导、交通状态等信息的交换,为RSM之间的协调控制提供信息共享;
(3)信息处理单元
路侧装置RSM的信息处理单元主要负责对采集到的车辆运动状态、交通排放、交通状态等信息进行统计、分析和处理,并对错误或缺失数据进行修复;
(4)信息存储单元
路侧装置RSM中的信息存储单元是一个中型数据库系统,用于存储路侧装置RSM影响范围内路网的地理信息、交通状态、交通信号、交通诱导等动静态交通信息;
(5)信息发布单元
路侧装置RSM中的信息发布单元负责通过可变信息板、可变标志牌、交通信号控制器、车载终端设备等发布限速、限行、路况、路径引导、道路通行权等信息;
(6)中心通信单元
主路侧装置Master-RSM的中心通信单元通过无线通信网络向中央控制装置CCM提供路侧装置RSM所辖道路或交叉口的交通流运行状态参数(流量、速度、行程时间、道路拥挤程度等)、交通信号控制状态参数、动态交通诱导状态参数等信息,并接收来自中央控制装置CCM提供的路侧装置RSM影响区域的道路交通状态、交通信号控制、动态交通诱导以及协调控制等信息;
(7)协同控制单元
主路侧装置RSM中的协同控制单元以均衡路网交通负荷、提高诱导服从率、降低车辆延误和尾气排放为目标,根据实时的道路交通信息、车辆排放信息等,对交叉口的交通信号控制方案进行实时优化,并结合驾驶员的出行路线选择特性,从路网全局的角度对交通诱导策略进行优化,为驾驶员出行提供智能化路径诱导、引导服务,以共同实现交通流在道路网络上的时空均衡分布,防止路网交通拥挤转移现象的发生。
3)中央控制装置CCM
中央控制装置CCM是安装在城市交通信息中心或城市交通指挥中心的集群智能交通管理中心平台,主要由数据监测、数据共享、数据服务、协同控制、决策支持等功能单元组成,其中:
(1)数据监测单元
数据监测单元是搭建在中心平台的交通大数据处理与分析平台,主要负责对采集到的城市路网内驾驶员、车辆、道路、交通、环境等信息进行监测、统计、分析、预测等处理工作;
(2)数据共享单元
数据共享单元是搭建在中心平台的共用交通信息平台,主要负责对城市道路交通多部门和多系统之间数据、定量数据和定性数据、动态数据和静态数据、实时数据和历史数据、真实数据和预测数据等信息的集成存储和交互共享;
(3)数据服务单元
数据服务单元是搭建在中心平台的交通信息开放平台,主要通过新媒体、自媒体、多媒体等手段和渠道向交通出行者、交通管理者、交通信息运营商等提供不同类型、不同需求、不同粒度、不同权限的道路交通信息服务;
(4)协同控制单元
协同控制单元是搭建在中心平台的城市交通战略协同管控平台,基于全路网实时的道路交通信息,以均衡路网交通负荷、缓解城市交通拥挤、促进交通节能减排为目标,通过交通信号控制和动态交通诱导的协同实施,进行城市路网各区域交通信号控制的战略协同,并引导驾驶员避开拥挤走最佳行驶路线,预防交通拥挤、拥堵现象的产生;
(5)决策支持单元
决策支持单元是搭建在中心平台的交通仿真分析与评价系统,通过对城市路网交通流运行状态信息和交通管控信息的输入,获取全路网交通流运行状态参数(平均延误、平均车速等),对路网交通流运行效率进行分析和评估;同时,针对路网的突发交通事件、大型活动等,通过交通仿真软件,分析不同交通组织方案的优劣,制定最优的交通组织方案供决策者选择。
附图说明
图1:一种基于M2M的城市交通流车路协同控制方法系统结构图
图2:车载装置OBM功能组成图;
图3:路侧装置RSM安装布设图;
图4:主路侧装置Master-RSM功能组成图;
图5:从路侧装置Slave-RSM功能组成图;
图6:中央控制装置CCM功能组成图;
图7:车辆地图匹配GPS坐标点分布图。
具体实施方式
如图1所示,本发明所述的一种基于M2M的城市交通流车路协同控制方法主要由车载装置OBM、路侧装置RSM、中央控制装置CCM三部分组成。其中,车载装置OBM安装在驾驶舱仪表盘位置,主要由人机交互、车辆状态感知、位置服务、车车通信、车路通信、信息存储等功能单元组成,具体如图2所示;路侧装置RSM分为主路侧装置Master-RSM和从路侧装置Slave-RSM,主路侧装置Master-RSM安装在关键交叉口位置,从路侧装置Slave-RSM安装在交叉口上游、次要交叉口以及与Master-RSM联调的交叉口(即与关键交叉口距离较近的交叉口)等位置,主路侧装置Master-RSM和从路侧装置Slave-RSM均由车路通信、路路通信、信息存储、信息处理、信息发布等功能单元组成,另外主路侧装置Master-RSM还具有中心通信、协同控制两个功能单元,具体如图3、图4、图5所示;中央控制装置CCM安装在城市交通信息中心或城市交通指挥中心,主要由数据监测、数据共享、数据服务、协同控制、决策支持等功能单元组成,具体如图6所示。
本发明提出的一种基于M2M的城市交通流车路协同控制方法,其工作流程具体如下:
1)车载装置OBM
本发明所述的车载装置OBM在城市交通流车路协同控制中主要承担三个方面的功能:一是作为交通信息采集设备,获取车辆自身状态信息和道路交通状态信息;二是作为车辆安全预警设备,通过分析车辆自身以及相邻车辆的运动状态,评估车辆可能存在的潜在风险,提前进行预警、警示和建议等;三是作为智能终端设备接收并显示交通状态、交通控制、交通诱导、交通管制等信息,通过图文、语音播报等方式引导驾驶员避开拥挤走最佳行驶路线。具体实施过程如下:
(1)人机交互单元
OBM中的人机交互单元主要用于获取驾驶员的指令、查询等信息,记录并学习驾驶员的驾驶行为特性和行为习惯,通过图像、文字、语音等方式向驾驶员提供实时的道路交通信息、预警信息、路径信息、引导信息等,实现人机之间的无缝衔接和信息交互。具体实现过程如下:
Step1:驾驶员通过耳麦或触摸屏向人机交互单元输入指令或查询信息INFO_in;
Step2:人机交互单元将INFO_in转化成OBM可识别的机器代码Mcode,根据驾驶员的要求,人机交互单元为驾驶员提供“3+1”条(“3”是3条不同权重侧重的信息,“1”是接近满足驾驶员出行路径偏好的信息)满足基本要求的初始信息INFO_init,并将信息转化成图形、文字、语音等形式的信息INFO_fd,向驾驶员进行播报;
Step3:在驾驶过程中,人机交互单元获取车辆经过道路的交通状态TCstatus,道路等级TCroad,路段行程时间TCtime,路段距离TClength,油耗TCcost,交通网络认知度TCnet,以及驾驶员目的地类型DESTtype等,统称为驾驶员所处的情境状态。构建DRper=f(TCstatus,TCroad,TCtime,TClength,TCcost,TCnet,DESTtype)之间的函数关系(DRper为驾驶员的出行路径偏好),学习驾驶员的出行路径偏好与驾驶员所处的情景状态之间的关系,提取驾驶员的出行路径偏好-情境状态之间的关联规则
Step4:人机交互单元在为驾驶员提供最优路径或查询信息时,根据驾驶员所处情境状态的不断变化,结合驾驶员的出行路径偏好-情境状态关联规则K,对Step2中提供“1”条信息进行不断修正,并将信息转化成图形、文字、语音等形式的信息INFO_out,通过信息辅助INFO_aid进行语音提示、引导,在满足驾驶员出行路径偏好的同时,走最佳行驶路径;
Step5:针对驾驶员在驾驶过程出行路径选择是否服从人机交互单元提供的INFO_out一致,如果不一致,记录驾驶员所处的情境状态与驾驶员的出行路径选择,更新出行路径偏好-情境状态关联规则
Step6:在驾驶过程中,人机交互单元还负责OBM其他功能单元在驾驶过程中产生的预警、提示、引导等信息的发布,将这些信息转化成图形、文字、语音的形式提供给驾驶员。
(2)车辆状态感知单元
OBM中的车辆状态感知单位通过OBD接口与CAN总线连接,对ECU在CAN总线之间传输的消息和信号进行解析,实时提取车辆状态信息,具体实现过程如下:
Step1:基于.DBC格式数据文件,解析车身控制中CAN总线控制发动机模块的实时数据,提取车辆的转速VEHr、油量VEHo、油温VEHt等数据;
Step2:基于.DBC格式数据文件,解析车身控制中CAN总线控制变速箱模块的实时数据,提取车辆的速度VEHv、里程VEHl、加/减速度VEHa、车辆运动状态(加速、减速、匀速、怠速等)VEHs等数据;
Step3:基于.DBC格式数据文件,解析车身控制中各ECU之间的故障码,提取车辆故障类型VEHft、故障位置VEHfl、故障信息VEHfi等信息;
Step4:构建车辆综合排放VEHemission与车辆的转速VEHr、油量VEHo、油温VEHt、速度VEHv、里程VEHl、加/减速度VEHa、车辆运动状态VEHs之间的函数关系VEHemission=f(VEHr,VEHo,VEHt,VEHv,VEHl,VEHa,VEHs);
Step5:将获取得到的VEHr、VEHo、VEHt、VEHv、VEHl、VEHa、VEHs、VEHemission、VEHft、VEHfl、VEHfi等数据发送到信息存储单元,基于时间序列进行存储;
Step6:将车辆的车辆故障类型VEHft、故障位置VEHfl、故障信息VEHfi等信息分别发送到人机交互单元和车路通信单元;由人机交互单元通过图形、文字、语音的方式告知驾驶员车辆发生故障。
(3)位置服务单元
OBM中的位置服务单元通过嵌入在其中的卫星定位芯片,并与GIS相结合,获取车辆的位置信息和运动状态信息,具体实现过程如下:
Step1:通过卫星定位芯片获取车辆所在位置的经度GPSlon、纬度GPSlat、时间GPSt、瞬时速度GPSv、方向角等信息;
Step2:对车辆经纬度信息进行地图上进行坐标转换,转换形成的地图坐标为经度MAPlon、纬度MAPlat,并在GIS地图上进行定位,考虑车辆定位存在的误差,采用垂直就近投影的方法将经度MAPlon、纬度MAPlat垂直映射到邻近的地图路段上,结合车辆上一时刻地图匹配坐标点与当前时刻拟匹配地图坐标点之间的距离,结合坐标点记录周期、瞬时速度GPSv、方向角确定最合理的地图坐标点,形成当前时刻车辆地图匹配的精确坐标点经度VEHlon、纬度VEHlat;
Step3:根据车辆经度VEHlon、纬度VEHlat,确定所在道路路段名称;同时结合上一时刻的车辆位置和确定车辆在道路或交叉口上的行进方向以及距离前方交叉口的距离;
Step4:根据车辆历史时刻在地图道路路段上的匹配坐标点,如图7所示。车辆进入道路路段的第一个匹配坐标点为VEHGPS1,GPS时间为t1;车辆离开道路路段的最后一个匹配坐标点为VEHGPSn,GPS时间为tn,通过获取路段上VEHGPS1、VEHGPSn之间的距离,来计算车辆的路段平均车速:
以及路段平均行车时间:
其中,LANEl为路段长度。
(4)车车通信单元
OBM中的车车通信单元通过嵌入在其中的测距传感器和无线通信模块,获取同向道路和对向道路的车辆运动状态信息和道路交通状态信息,根据车辆自身的状态,为驾驶员提供预警信息和操纵建议信息,具体实现过程如下:
Step1:通过测距传感器获取与同向相邻车辆之间的相对距离VEH0,i(T,S);
Step2:通过无线通信模块与同向相邻车辆之间实现信息交互,计算相邻车辆之间的相对速度VEH0,i(T,V),相对转向角
Step3:如果 车车通信单元通过人机交互单元向驾驶员发出建议降低车速的安全预警信息;如果车车通信单元通过人机交互单元向驾驶员发出预警信息,并建议调整驾驶方向,避免碰撞事故发生;如果与相邻车辆均存在 的情况,车车通信单元触发一条高优先级别的请求信息,通过相邻车辆的人机交互单元,请求相邻车辆的驾驶员加速离开(前方车辆)或降低速度(后方车辆)的请求,以避免发生连撞事故;
Step4:每辆车的车车通信单元中包含三个信息模块,分别为INFOup(存储的是车辆行驶方向的途经道路交通信息),INFOdw(存储的是车辆行驶方向的途经对向道路交通信息),INFOhis(存储的是车辆行驶方向前方的道路交通信息)。在行驶过程中,车车通信单元的无线通信模块与对向经过车辆进行信息交互。其中,车辆中的INFOdw模块获取一定时间范围内对向车辆车车通信单元INFOup模块的信息,从而获取对向车辆途经的道路交通信息;车辆中的INFOhis模块获取一定时间范围内对向车辆车车通信单元中INFOdw模块的信息,从而得到车辆通行前方的道路交通信息;
Step5:车辆在行进过程中,车车通信单元中的INFOhis模块获取的前方道路交通信息及路网范围会随着对向车辆的改变而不断发生改变,而且路网的道路交通信息也在不断发生变化。因此,INFOhis模块的另一个功能是对获取到的道路交通信息进行状态更新和路网重建。
其中,VEH0,i(T,S)、VEH0,i(T,V),VEH0,i(T,φ)中0表示本车,i表示相邻的第i辆车,T表示时刻,S表示距离,V表示速度,表示转向角;表示车辆最大加速度;Lsafe表示临界安全距离。
(5)车路通信单元
OBM中的车路通信单元通过嵌入在其中的专用短程通信模块,向路侧装置RSM提供车辆的类型、速度、综合排放等车辆属性、运行状态以及途经道路交通状态信息;同时,接收路侧装置RSM提供的车辆运行前方一定路网范围内的交通信号控制、动态路径诱导、交通管制(限行、禁行等)、交通路况等道路交通信息,具体实现过程如下:
Step1:当车辆通过路侧装置RSM时,车辆中的车路通信单元通过专用短程通信模块与路侧装置RSM的车路通信单元建立联系;
Step2:车路通信单元开始向路侧装置RSM提供车辆属性信息,具体包括车辆类型、长度、车牌号等信息;
Step3:车路通信单元向路侧装置RSM提供车辆运行状态信息,具有包括车辆运行速度VEHv、加/减速度VEHa、车辆运动状态(加速、减速、匀速、怠速等)VEHs、综合排放VEHemission以及故障信息等;
Step4:车路通信单元向路侧装置RSM提供车辆一定时间范围内途经道路路段的行程时间、平均速度、交叉口延误时间等信息;
Step5:同时,车路通信单元接收路侧装置RSM提供的前方道路一定路网范围内的交通信号状态信息动态路径诱导信息交通管制信息和交通路况信息
其中表示第i个路侧装置RSM所管辖网络内第j个交叉口的交通信号状态信息;LightCtype表示信号灯周期类型;LightC表示信号灯周期时长;LightG1表示相位1的绿灯时长;Lightstatus表示当前信号灯状态;表示第i个路侧装置RSM所管辖网络内第j个路径诱导设备的动态路径诱导信息;Guidetype表示动态路径诱导信息类型;Guideinfo表示动态路径诱导信息内容;Guidetime表示动态路径诱导信息时效;表示表示第i个路侧装置RSM所管辖网络内第j个交通管制标志的信息;TMCtype表示交通管制标志类型;TMCinfo表示交通管制标志内容;TMCloc交通管制标志位置;TMCcv表示交通管制作用车辆类型;表示第i个路侧装置RSM所管辖网络内第j个道路路段的交通路况信息;Roadlevel表示道路等级;Roadcodi表示道路路面养护状况;Roadsta表示道路路段交通状态。
(6)信息存储单元
OBM中的信息存储单元是一个小型嵌入式关系型数据库系统,并与城市道路交通网络的GIS平台进行绑定,用于存储、查询、显示车载装置OBM中人机交互单元、车辆状态感知单元、位置服务单元、车车通信单元、车路通信单元等单元获取、存储、产生的车辆属性、车辆位置、车辆运动状态、车辆故障状态、车辆运动轨迹、车辆途经道路路段交通状态以及驾驶员出行行为偏好等信息。
2)路侧装置RSM
本发明所述的路侧装置RSM在城市交通流车路协同控制中主要承担三个方面的功能:一是作为交通信息获取与发布装备,获取经过RSM所在道路截面的车辆运动状态信息以及CCM提供的RSM所辖一定路网范围内的道路交通信息,并将RSM所辖一定范围内路网的交通信息发布给经过RSM所在道路截面的车辆;二是作为交通信息处理与状态评估装备,对获取的车辆运动状态信息以及CCM提供的道路交通信息进行分析、处理,并对RSM所辖一定路网范围内的道路交通流运行状态及其发展态势进行评估;三是作为道路交通流协同控制装备,基于RSM所辖一定路网范围内的道路交通流运行状态信息,对所辖一定路网范围内的交通流进行协同控制。实施过程具体如下:
(1)车路通信单元
路侧装置RSM的车路通信单元通过嵌入在其中的专用短程通信模块和专用短程信息读写模块,实时对通过RSM所在截面的车辆进行实时扫描,与车载装置OBM中的车路通信单元建立通信,获取车载装置OBM车路通信单元提供的车辆属性信息、车辆运动状态信息以及车辆一定时间范围内途径道路路段的交通信息;路侧装置RSM的车路通信单元通过嵌入在其中的无线通信模块或网络通信模块获取RSM所辖一定路网范围内的道路交通状态信息;最后,路侧装置RSM向经过所在截面的车辆提供车辆运行前方一定路网范围内的交通信号控制、动态路径诱导、交通管制(限行、禁行等)、交通路况等道路交通信息,具体实现过程如下:
Step1:当有车辆经过路侧装置RSM所在道路截面时,路侧装置RSM的车路通信单元通过专用短程通信模块与车载装置OBM中的车路通信单元建立联系;
Step2:路侧装置RSM的车路通信单元通过专用短程信息读写模块,读取车载装置OBM车路通信单元提供的车辆属性信息(包括车辆类型、长度、车牌号等)、车辆运行状态信息(包括车辆运行速度VEHv、加/减速度VEHa、车辆运动状态VEHs、综合排放VEHenission等)、途径道路路段的交通状态信息等;
Step3:同时,路侧装置RSM的车路通信单元通过专用短程信息读写模块,向车载装置OBM车路通信单元提供车辆运行前方一定路网范围内的交通信号状态信息、动态路径诱导信息、交通管制信息、交通路况信息等。
(2)路路通信单元
路侧装置RSM的路路通信单元通过嵌入在其中的光纤网络通信模块和无线网络通信模块,与相邻路侧装置RSM进行信息交互,获取相邻交叉口或相邻路段的交通流运行状态信息、交通信号状态信息、动态交通诱导信息等,具体实现过程如下:
Step1:在路侧装置RSM所在交叉口开始进行交通信号周期转换之前,路侧装置RSM中的路路通信单元触发,与相邻的路侧装置RSM中的路路通信单元建立联系;
Step2:路侧装置RSM的路路通信单元通过光纤网络通信模块或无线网络通信模块,获取相邻路段路侧装置RSM在当前交通信号周期途经路侧装置RSM所在截面的交通流运行状态信息,包括流量、延误、饱和度、平均行程车速、平均行程时间等信息;
Step3:同时,路侧装置RSM的路路通信单元还获取相邻交叉口路侧装置RSM在当前交通信号周期的交叉口饱和度、信号周期、绿信比、各进口方向流量及转向比例、交叉口平均延误等;
Step4:另外,路侧装置RSM的路路通信单元还获取相邻路侧装置所控制的动态交通诱导装置在当前交通信号周期发布的交通诱导信息,包括前方路网交通状态、可替代路径信息、交通拥堵或交通事件持续时间等信息。
(3)中心通信单元
对于主路侧装置RSM-Master,还需要与中央控制装置CCM建立信息交互,主路侧装置RSM-Master的中心通信单元通过嵌入在其中的光纤网络通信模块和无线网络通信模块,与中央控制装置CCM进行信息交互,获取路侧装置RSM所辖范围内路网的交通流运行态势、区域交通信号协调控制策略、边界交通信号协调控制策略以及动态交通诱导协调策略等。同时,向中央控制装置CCM提供路侧装置RSM所辖范围内路网的交通流运行状态信息、交通信号控制信息、交通诱导信息等,具体实现过程如下:
Step1:在主路侧装置RSM-Master进行协同控制之前,主路侧装置RSM-Master的中心通信单元通过光纤网络通信模块或无线网络通信模块,获取路侧装置RSM所辖路网范围内的交通流运行态势其中是一个交通参数矩阵,表示第i个路侧装置RSM所辖路网未来一段时间内各个路段交通流量、路段交通状态、路段行程时间可靠性等;
Step2:在主路侧装置RSM-Master进行协同控制之前,主路侧装置RSM-Master需要获取中央控制装置CCM的区域交通信号协调控制策略以指导主路侧装置RSM-Master交通信号优化控制目标的制定。同时,获取中央控制装置CCM的边界交通信号协调控制策略以在路侧装置RSM所辖路网边界形成新的交通信号控制子区,防止交通流在边界交叉口形成阻滞现象;
Step3:主路侧装置RSM-Master协同控制是对路网交通流进行时间与空间的协同优化控制,因此除了通过交通信号对交通流进行时间优化控制外,还需要通过动态诱导对交通流进行空间优化控制和引导。因此,还需要与中央控制装置CCM交互,获取主路侧装置RSM-Master的动态交通诱导协调策略以引导交通流到达下一个区域网络的途经路径,均衡路网负荷,避免拥挤转移;
Step4:为了使中央控制装置CCM了解整个城市交通流的运行发展态势,制定合理的交通信号协调控制策略和动态交通诱导策略,路网中的各个主路侧装置RSM-Master还需要实时为中央控制装置CCM提供路侧装置所辖范围路网内各个交叉口及路段的交通流运行状态信息由和两个向量矩阵组成,表示第i个路侧装置RSM所辖路网范围内各个路段的交通流量、平均行程时间、平均行程速度等信息;表示第i个路侧装置RSM所辖路网范围内各个交叉口的信号配时方案、运行效益、平均车辆延误、交叉口饱和度等信息。
(4)信息处理单元
路侧装置RSM中的信息处理单元主要对从车路通信单元、路路通信单元、中心通信单元获取的交通数据进行质量控制与评价、数据融合和交通运行状态预测等工作,具体实现过程如下:
Step1:信息处理单元首先对从车路通信单元获取交通数据进行准确性和一致性检验,通过阈值法和时间序列分析来判断所获取的交通数据是否存在失真或者冗余现象,即:
为从车路通信单元获取的第i类交通数据;分别为第i类交通数据的最小值和最大值。如果不在范围内,则为失真数据,则剔除该数据。
分别为根据当前时间序列趋势分析拟合形成的第i类交通数据的最小值和最大值;分别为根据历史时间当前时刻的时间序列趋势分析拟合形成的第i类交通数据的最小值和最大值。如果不在范围或者不在 范围内,则剔除该数据。
另外,如果在采样时间间隔内,获取的超过1个,则根据上述的阈值范围,剔除不合格数据;如果超过1个数据合格,则选择临近范围中位数的数据,剔除其他冗余的数据。
Step2:信息处理单元还需要对从车路通信单元获取的交通数据进行完整性检验,对于缺失、错误的数据进行修复,修复方法如下:
为在t时刻缺失或者错误的交通数据修复值;为根据当前时间序列趋势分析拟合形成的t时刻第i类交通数据;为根据历史时间t时刻时间序列趋势分析拟合形成的当前时间t时刻第i类交通数据;αi、βi分别为第i类交通数据修正调整系数。
Step3:为了实现对路侧装置RSM所辖路网的道路交通流运行状态进行完整、准确的表达,RSM中的信息处理单元对从车路通信单元、路路通信单元、中心通信单元所获取的多源异构交通信息进行融合分析,实现对RSM所辖路网范围内的路段、节点(交叉口)的运行状态进行完整表达:
分别为第i个路侧装置RSM所辖路网的第j个路段和节点的第k种交通流运行状态表征参数;fLINK()、fNODE分别为关于路段和节点的交通流运行状态多源异构数据融合知识表达函数;ω、分别为不同交通数据来源的加权因子;分别表示车路通信单元第m个传感单元对第j个路段和节点的第k种交通流运行状态的表征参数;分别表示路路通信单元第n个传感单元对第j个路段和节点的第k种交通流运行状态表征参数;分别表示路路通信单元第r个传感单元对第j个路段和节点的第k种交通流运行状态表征参数。
Step4:通过对路侧装置RSM所辖路网的各个路段和节点交通流运行状态的准确、完整表达和融合计算,在此基础上对RSM所辖路网各个路段、节点以及整个所辖区域的交通流运行发展态势进行预测
分别为第i个路侧装置RSM所辖路网的第j个路段和节点的第k种交通流运行状态表征参数t时刻的状态;表示第i个路侧装置RSM所辖路网第k种交通流运行状态表征参数t时刻的路网运行状态;分别为根据当前时间序列趋势分析拟合形成的第i个路侧装置RSM所辖路网的第j个路段和节点的第k种交通流运行状态表征参数t时刻的状态;分别为根据历史时间t时刻时间序列趋势分析拟合形成的第i个路侧装置RSM所辖路网的第j个路段和节点的第k种交通流运行状态表征参数当前t时刻的状态;αLINK、βNODE分别为交通参数修正调整因子;分别表示第j个路段和节点的第k种交通流运行状态表征参数的加权因子。
(5)协同控制单元
主路侧装置RSM-Master的协同控制单元主要根据实时的道路交通信息、车辆运行状态信息等,对交叉口交通信号控制方案进行实时优化,并结合道路网络交通负荷情况,以及驾驶员的出行路线选择特性,从路网全局的角度对驾驶员进行路径引导,通过交通信号控制和动态交通诱导的协同运行,共同实现交通流在道路网络上的时空均衡分布,防止路网交通拥挤、拥堵现象发生。具体实现过程如下:
Step1:协同控制单元首先从信息处理单元分别获取路网当前时期和下一时期(预测数据)的交叉口各个进口方向的流量信息、车辆延误信息、车辆综合排放信息、车辆排队信息、路段交通负荷信息、路段平均车速等;
Step2:采用双层目标优化方法对主路侧装置RSM-Master所辖范围内信号交叉口的交通信号配时参数进行优化,上层以低延误、低排放为目标对信号交叉口的周期和绿信比进行优化:
其中,VEHDij、VEHEij为信号交叉口第j进口方向第i辆车的延误时间和综合排放;PIINT为交叉口交通流运行指标;
下层以低车辆排队长度、低路段交通负荷、高路段平均车速为目标对主路侧装置RSM-Master所辖路网范围内信号交叉口的公共周期以及交叉口信号协调的相位差进行优化:
其中,VEHQij、VEHSij、VEHVij分别为主路侧装置RSM-Master所辖路网范围内第j信号交叉口第i进口方向的路段排队长度、路段交通负荷、路段平均车速;PIRSM为主路侧装置RSM-Master所辖路网交通流运行指标;
同时以信号周期阈值范围、绿灯时间阈值范围、相位差阈值范围、交叉口饱和度阈值范围、路段交通负荷阈值范围为约束条件,优化求解主路侧装置RSM-Master所辖路网各信号交叉口的信号配时参数SIGLVPRSM;
Step3:由于主路侧装置RSM-Master所辖的范围只是城市路网的一部分,需要从城市路网全局的角度进行整体协调。基于中央控制装置CCM下发的区域交通信号区域交通信号协调控制策略边界交通信号协调控制策略所制定的控制目标为优化目标,以从信息处理单元获取路网下一时期交通流运行数据为数据输入,仍采用双层目标优化方法对交通信号配时参数进行优化。上层以低延误、低排放为目标对区域边界信号交叉口的周期和绿信比进行优化:
其中,VEHBDij、VEHBEij为区域边界第i信号交叉口第j进口方向车辆的平均延误时间和平均综合排放;为区域边界信号交叉口交通流运行指标;αi、βi分别为区域边界协调控制中第i信号交叉口延误和排放的调整指数;
下层以低车辆排队长度、低路段交通负荷、高路段平均车速为目标对主路侧装置RSM-Master所辖路网范围内信号交叉口的公共周期以及交叉口信号协调的相位差进行优化:
其中,VEHRQij、VEHRSij、VEHRVij分别为主路侧装置RSM-Master所辖路网范围内第j信号交叉口第i进口方向的路段排队长度、路段交通负荷、路段平均车速;PI(NETRCRSM)为主路侧装置RSM-Master所辖路网交通流运行指标;ωi,1、ωi,2、ωi,3分别为区域交通信号协调控制中第i信号交叉口排队长度、路段交通负荷、路段平均车速的调整指数;
同样以信号周期阈值范围、绿灯时间阈值范围、相位差阈值范围、交叉口饱和度阈值范围、路段交通负荷阈值范围为约束条件,优化求解主路侧装置RSM-Master所辖路网各信号交叉口在区域交通信号协调控制策略边界交通信号协调控制策略影响下的信号配时参数SIGGVPRSM;
Step4:SIGLVPRSM属于局部最优解,SIGGVPRSM属于全局最优解,需要在两种之间找到一个平衡点:
其中,SIGPRSM为主路侧装置RSM-Master所辖区域各信号交叉口最终的信号配时参数;分别为关于时间函数的平衡因子;
Step5:在SIGPRSM交叉口信号配时参数下,计算各信号交叉口各路段最佳的流量OPTVOLRSM,则下一个信号执行周期,主路侧装置RSM-Master所辖区域各路段的流量调整量为:
ΔVOLRSM=OPTVOLRSM-NOWVOLRSM
其中,NOWVOLRSM为主路侧装置RSM-Master所辖区域各路段的当前交通量。
Step6:基于动态交通诱导策略结合驾驶员的出行路径偏好与驾驶员所处的情景状态之间的关系,在主路侧装置RSM-Master所辖区域路网中以ΔVOLRSM为引导目标,按OPTVOLRSM的路网交通负荷进行驾驶员路径引导:
PI(ΔVOLRSM,OPTVOLRSM)
=σ1(t)·OPTGVG(NOWVOLRSM,NETRGRSM)+σ2(t)
·OPTLVG(NOWVOLRSM,DRper)
优化形成群体动态交通诱导信息VMSRGRSM和个体动态交通诱导信息DRIRGRSM;
其中,OPTGVG()、OPTLVG()分别为动态交通诱导全局优化函数和局部优化函数;σ1(t)、σ2(t)分别为关于时间的全局优化和局部优化调整系数;PI(ΔVOLRSM,OPTVOLRSM)为主路侧装置RSM-Master所辖区域路网诱导交通流运行指标。
(6)信息发布单元
路侧装置RSM中的信息发布单元主要负责将RSM各个单元优化处理后的信息发布给交通信号控制器、可变信息板、车载终端设备等,具体实现过程如下:
Step1:信息发布单元从主路侧装置RSM-Master中的协同控制单元获取下一时期的路网交通信号配时参数SIGPRSM,并发送到各个交通信号控制器中;
Step2:信息发布单元从主路侧装置RSM-Master中的协同控制单元获取群体动态交通诱导信息VMSRGRSM,将其发送到路网各个可变信息板中;
Step3:信息发布单元从主路侧装置RSM-Master中的协同控制单元获取个体动态交通诱导信息DRIRGRSM,通过车路通信单元发布到途经的车辆中,并通过OBM中的人机交互单元进行诱导信息显示。
(7)信息存储单元
路侧装置RSM的信息存储单元是一个中型数据库,用于存储、查询、显示路侧装置RSM中车路通信单元、路路通信单元、中心通信单元、信息处理单元、协同控制单元、信息发布单元等单元获取、存储、产生的至少30天内RSM所辖路网范围内的道路交通流信息、交通信号控制信息、动态交通诱导信息、道路交通环境信息、路网设备运行状态信息以及RSM所辖范围路网的静态道路、交通、设备等信息。
3)中央控制装置CCM
本发明所述的中央控制装置CCM在城市交通流车路协同控制中主要承担四个方面的功能:一是通过对城市全路网道路、交通、环境等数据的采集,基于交通大数据分析与处理平台,对城市路网内的道路、交通、环境等信息进行集成分析与监测;二是通过对城市全路网动静态道路、交通、环境等信息以及历史信息的集成存储,基于共用信息平台和开放服务平台,实现交通信息在多部门之间的共享以及不同类型的交通信息增值服务;三是通过对城市全路网道路交通流运行状态的判别与预测,进行区域交通信号协调控制策略、区域边界交通信号协调控制策略以及动态交通诱导策略的全局化制定,实现交通信号控制与动态交通诱导的协同;四是针对突发交通事件或大型社会经济活动,对不同环境下、不同道路交通流条件下的交通组织策略进行预案仿真分析,提供最佳交通组织保障方案。具体实施过程如下:
(1)数据监测单元
CCM中的数据监测单元是一个交通大数据分析与处理平台,主要负责对城市全路网内的道路交通信息进行分析和处理,实现对路网交通流的集成监测和统计分析,预警路网内交通拥挤热点、交通事故发生点等信息。具体实现过程如下:
Step1:数据监测单元首先从路侧装置RSM的中心通信单元获取路侧装置RSM所在截面或所辖路网的道路交通流运行状态信息和交通流预测信息,构建车辆的时空运行特征模型和路网路段或节点的时空运行特征模型:
VEHTP=f(GEID,GEC,GECM)
GEIDTP=ρ(VOLID,VOLC,VOLCM)
其中,VEHTP为车辆时空运行特征语义;GEIDTP为路网路段或节点的时空运行特征语义;f、ρ分别为描述框架体系;GEID为车辆所在的地理位置;GEC为车辆运行过程中位置的变化;GECM为车辆运行参数的变化过程;VOLID为路段或节点的交通负荷;VOLC为路段或节点的交通负荷变化;VOLCM为路段或节点的交通负荷变化过程。
Step2:对路网车辆时空运行特征VEHTP在GIS平台上进行聚类,通过路网内车辆运行轨迹的时空重叠度和累计数,当GEID(VEH)>MinLns时,车辆所在位置为交通拥挤热点;
其中,GEID(VEH)为地理位置GEID车辆时空重叠度和累计数;MinLns为交通拥挤临界阈值。
Step3:对路网路段或节点时空运行特征GEIDTP进行时空关联分析,分析路段或节点在时空上的关联性,如果GEIDTP(VOL)>MinVns时,且VOLC(VOL)>MinVc或VOLCM(VOL)>MinVcm,则路网路段或节点所在位置为交通事故发生点或交通拥堵瓶颈;
其中,GEIDTP(VOL)为路段或节点位置GEID交通负荷时空关联指数;MinVns为时空事件或拥堵瓶颈关联阈值;VOLC(VOL)、VOLCM(VOL)分别为路段或节点交通负荷时空关联变化特征和交通负荷时空关联变化过程;MinVc、MinVcm分别为路段或节点关联特征和关联变化过程中交通事件或拥堵瓶颈的时空关联临界阈值。
Step4:统计城市全路网路段、节点的交通运行参数(流量、速度、交通负荷、交通状态等)以及城市路网的交通拥挤热点、交通事件点等。
(2)数据共享单元
CCM中的数据共享单元是一个共用交通信息平台,集成了不同部门(交警、路政、公交、地铁等)的动静态道路、交通、环境信息,道路交通基础设施信息、交通管理与控制信息等;同时,不同部门、个人根据不同的权限可以对数据共享单元的信息进行管理、查询、更新、分析以及二次开发等。具体实现过程如下:
Step1:基于云平台数据存储技术,从车载装置OBM、路侧装置RSM以及中央控制装置CCM各个功能单元获取城市路网内驾驶员、车辆、道路、交通、环境的动静态数据、历史数据、预测数据等;
Step2:通过XML语义标准化,实现不同部门、不同系统数据定义、数据格式一致性转化,并通过WEB服务器上传到共用交通信息平台;
Step3:在共用交通信息平台中,平台为不同的用户授权不同的访问权限,永不基于数据访问权限进行数据管理、更新、提取等操作。
(3)数据服务单元
CCM中的数据服务单元是一个交通信息开放平台,交通出行者可以通过信息定制的方法获取满足个人需求的交通出行信息服务;交通管理者可以通过微信、微博、电视、广播、可变信息板等多种手段向出行者发布道路交通状态、交通管制、交通政策等信息;交通信息提供商可以通过对信息的二次加工和处理,向不同的用户提供增值信息服务等。具体实现过程如下:
Step1:基于RSS根据用户的个性化信息需求和偏好,交通信息开放平台向订阅用户推送实时的道路、交通、环境信息、路径信息、换乘信息等;
Step2:基于XML标准语义,通过后台接入,交通信息开放平台自动生成图文信息,通过微信公众服务号、微博、可变信息板等社会公众提供实时的道路交通状态、交通管制、交通政策等信息;
Step3:交通信息开放平台通过开放数据接口和API函数,交通信息服务商可以进行数据的二次加工处理,向交通出行者、交通管理者等提供交通信息增值服务。
(4)协同控制单元
CCM中的协同控制单元是一个城市交通战略协同管控平台,基于全路网实时的道路交通信息,以均衡路网交通负荷、缓解城市交通拥挤、促进交通节能减排为目标,通过交通信号控制和动态交通诱导的协同实施,进行城市路网各区域交通信号控制的战略协同,并引导驾驶员避开拥挤走最佳行驶路线,预防交通拥挤、拥堵现象的产生。具体实现过程如下:
Step1:以全路网车辆的低延误、低排放为目标进行全路网交通流的动态分配:
其中,WTNET为整个城市道路交通网络;a为道路路段;VOLa为道路路段a的交通流量;ta(VOLa)、ea(VOLa)分别为道路路段a关于交通流量VOLa的行程时间函数和车辆排放函数;λa、μa分别为道路路段a的行程时间和车辆排放影响因子;
Step2:基于动态分配获得路网交通流的最佳流量分配结果进行交通信号控制与动态交通诱导的协同控制,采用双目标协同控制优化方法:
其中,J1、J2分别为优化目标1和优化目标2;n为路网中协同子区个数;SatRSM(t)为路侧装置RSM所辖路网t时刻的平均交通负荷;DRSM(t)、QRSM(t)、VRSM(t)分别为路侧装置RSM所辖路网t时刻的平均车辆延误、平均车辆排队长度、平均车辆运行速度;δRSM,1(t)、δRSM,2(t)、δRSM,3(t)分别为t时刻路侧装置RSM中延误、排队长度、速度的调整指数;
优化目标1和优化目标2在优化过程中受到信号周期阈值范围、绿灯时间阈值范围、相位差阈值范围、交叉口饱和度阈值范围、路段交通负荷阈值范围、RSM所辖路网平均交通负荷阈值范围的约束,优化形成RSM所辖路网最佳区域交通信号控制策略RSIGCRSM、区域边界协调控制策略BSIGCRSM、动态交通诱导策略DTFGCRSM;
Step3:计算城市路网各RSM所辖路网当前区域交通信号控制策略RSGNCRSM、区域边界交通信号控制策略BSGNCRSM、动态交通诱导策略NDTGCRSM与RSIGCRSM、BSIGCRSM、DTFGCRSM之间的距离:
ΔRCRSM=‖RSGNCRSM-RSIGCRSM‖
ΔBCRSM=‖BSGNCRSM-BSIGCRSM‖
ΔGCRSM=‖NDTGCRSM-DTFGCRSM‖
以此确定下一个执行周期RSM所辖路网的区域交通信号协调控制策略NETRCRSM、区域边界交通信号协调控制策略NETBCRSM、动态交通诱导协调策略NETRGRSM:
NETRCRSM=τRSM,1·RSGNCRSM+θRSM,1·ΔRCRSM
NETBCRSM=τRSM,2·BSGNCRSM+θRSM,2·ΔBCRSM
NETRGRSM=τRSM,3·NDTGCRSM+θRSM,3·ΔGCRSM
其中,ΔRCRSM、ΔBCRSM、ΔGCRSM为当前策略与理想策略的距离;τRSM,1、τRSM,2、τRSM,3、θRSM,1、θRSM,2、θRSM,3分别为策略调整系数。
(5)决策支持单元
CCM中的决策支持单元是基于交通仿真软件的分析与评价系统,通过交通仿真软件的二次开发接口自动输入路网的交通流运行状态和交通管控信息,通过交通仿真软件的运行,获取全路网点、线、面的交通流运行指标参数,从而达到对路网交通管控方案运行效果、路网交通流运行效率进行评价。
同时,针对突发交通事件或者大型的社会经济、文体娱乐活动,通过交通仿真软件的二次开发接口自动输入实时的道路交通信息或预测的道路交通信息,通过对不同交通组织方案的仿真运行,获取不同交通组织方案下的交通流运行指标参数,通过对交通流运行指标的对比评价,选择最佳的交通组织方案。
Claims (6)
1.一种基于M2M的城市交通流车路协同控制方法,主要由车载装置OBM、路侧装置RSM、中央控制装置CCM等三部分组成。其中,车载装置OBM由人机交互、车辆状态感知、位置服务、车车通信、车路通信、信息存储等功能单元组成;路侧装置RSM分为主路侧装置Master-RSM和从路侧装置Slave-RSM,主路侧装置Master-RSM和从路侧装置Slave-RSM均由车路通信、路路通信、信息存储、信息处理、信息发布等功能单元组成,另外主路侧装置Master-RSM还具有中心通信、协同控制两个功能单元;中央控制装置CCM安装在城市交通信息中心或城市交通指挥中心,主要由数据监测、数据共享、数据服务、协同控制、决策支持等功能单元组成。其特征包括以下步骤:
1)车载装置OBM:车载装置OBM是安装在车辆驾驶舱仪表盘位置的集成电子装置,由人机交互、车辆状态感知、位置服务、车车通信、车路通信、信息存储等功能单元组成。车载装置OBM在城市交通流车路协同控制中主要承担三个方面的功能:一是作为交通信息采集设备,获取车辆自身状态信息和道路交通状态信息;二是作为车辆安全预警设备,通过分析车辆自身以及相邻车辆的运动状态,评估车辆可能存在的潜在风险,提前进行预警、警示和建议等;三是作为智能终端设备接收并显示交通状态、交通控制、交通诱导、交通管制等信息,通过图文、语音播报等方式引导驾驶员避开拥挤走最佳行驶路线;
2)路侧装置RSM:路侧装置RSM是安装在道路交叉口或交叉口上游的集成化、智能化控制装置,分为主路侧装置Master-RSM和从路侧装置Slave-RSM,主路侧装置Master-RSM安装在关键交叉口位置,从路侧装置Slave-RSM安装在交叉口上游、次要交叉口、联动协调交叉口(即与关键交叉口距离较近的交叉口)等位置。主路侧装置Master-RSM和从路侧装置Slave-RSM均由车路通信、路路通信、信息存储、信息处理、信息发布等功能单元组成,同时,主路侧装置Master-RSM还具有中心通信、协同控制两个功能单元。路侧装置RSM在城市交通流车路协同控制中主要承担三个方面的功能:一是作为交通信息获取与发布装备,获取经过RSM所在道路截面的车辆运动状态信息以及CCM提供的RSM所辖一定路网范围内的道路交通信息,并将RSM所辖一定范围内路网的交通信息发布给经过RSM所在道路截面的车辆;二是作为交通信息处理与状态评估装备,对获取的车辆运动状态信息以及CCM提供的道路交通信息进行分析、处理,并对RSM所辖一定路网范围内的道路交通流运行状态及其发展态势进行评估;三是作为道路交通流协同控制装备,基于RSM所辖一定路网范围内的道路交通流运行状态信息,对所辖一定路网范围内的交通流进行协同控制;
3)中央控制装置CCM:中央控制装置CCM是安装在城市交通信息中心或城市交通指挥中心的集群智能交通管理中心平台,主要由数据监测、数据共享、数据服务、协同控制、决策支持等功能单元组成。中央控制装置CCM在城市交通流车路协同控制中主要承担四个方面的功能:一是通过对城市全路网道路、交通、环境等数据的采集,基于交通大数据分析与处理平台,对城市路网内的道路、交通、环境等信息进行集成分析与监测;二是通过对城市全路网动静态道路、交通、环境等信息以及历史信息的集成存储,基于共用信息平台和开放服务平台,实现交通信息在多部门之间的共享以及不同类型的交通信息增值服务;三是通过对城市全路网道路交通流运行状态的判别与预测,进行区域交通信号协调控制策略、区域边界交通信号协调控制策略以及动态交通诱导策略的全局化制定,实现交通信号控制与动态交通诱导的协同;四是针对突发交通事件或大型社会经济活动,对不同环境下、不同道路交通流条件下的交通组织策略进行预案仿真分析,提供最佳交通组织保障方案。
2.根据权利要求l所述的一种基于M2M的城市交通流车路协同控制方法,其特征在于:OBM中的人机交互单元主要用于获取驾驶员的指令、查询等信息,记录并学习驾驶员的驾驶行为特性和行为习惯,通过图像、文字、语音等方式向驾驶员提供实时的道路交通信息、预警信息、路径信息、引导信息等,实现人机之间的无缝衔接和信息交互。具体实现过程如下:
Step1:驾驶员通过耳麦或触摸屏向人机交互单元输入指令或查询信息INFO_in;
Step2:人机交互单元将INFO_in转化成OBM可识别的机器代码Mcode,根据驾驶员的要求,人机交互单元为驾驶员提供“3+1”条(“3”是3条不同权重侧重的信息,“1”是接近满足驾驶员出行路径偏好的信息)满足基本要求的初始信息INFO_init,并将信息转化成图形、文字、语音等形式的信息INFO_fd,向驾驶员进行播报;
Step3:在驾驶过程中,人机交互单元获取车辆经过道路的交通状态TCstatus,道路等级TCroad,路段行程时间TCtime,路段距离TClength,油耗TCcost,交通网络认知度TCnet,以及驾驶员目的地类型DESTtype等,统称为驾驶员所处的情境状态。构建DRper=f(TCstatus,TCroad,TCtime,TClength,TCcost,TCnet,DESTtype)之间的函数关系(DRper为驾驶员的出行路径偏好),学习驾驶员的出行路径偏好与驾驶员所处的情景状态之间的关系,提取驾驶员的出行路径偏好-情境状态之间的关联规则
Step4:人机交互单元在为驾驶员提供最优路径或查询信息时,根据驾驶员所处情境状态的不断变化,结合驾驶员的出行路径偏好-情境状态关联规则K,对Step2中提供“1”条信息进行不断修正,并将信息转化成图形、文字、语音等形式的信息INFO_out,通过信息辅助INFO_aid进行语音提示、引导,在满足驾驶员出行路径偏好的同时,走最佳行驶路径;
Step5:针对驾驶员在驾驶过程出行路径选择是否服从人机交互单元提供的INFO_out一致,如果不一致,记录驾驶员所处的情境状态与驾驶员的出行路径选择,更新出行路径偏好-情境状态关联规则
Step6:在驾驶过程中,人机交互单元还负责OBM其他功能单元在驾驶过程中产生的预警、提示、引导等信息的发布,将这些信息转化成图形、文字、语音的形式提供给驾驶员。
3.根据权利要求1所述的一种基于M2M的城市交通流车路协同控制方法,其特征在于:OBM中的车辆状态感知单位通过OBD接口与CAN总线连接,对ECU在CAN总线之间传输的消息和信号进行解析,实时提取车辆状态信息,具体实现过程如下:
Step1:基于.DBC格式数据文件,解析车身控制中CAN总线控制发动机模块的实时数据,提取车辆的转速VEHr、油量VEHo、油温VEHt等数据;
Step2:基于.DBC格式数据文件,解析车身控制中CAN总线控制变速箱模块的实时数据,提取车辆的速度VEHv、里程VEHl、加/减速度VEHa、车辆运动状态(加速、减速、匀速、怠速等)VEHs等数据;
Step3:基于.DBC格式数据文件,解析车身控制中各ECU之间的故障码,提取车辆故障类型VEHft、故障位置VEHfl、故障信息VEHfi等信息;
Step4:构建车辆综合排放VEHemission与车辆的转速VEHr、油量VEHo、油温VEHt、速度VEHv、里程VEHl、加/减速度VEHa、车辆运动状态VEHs之间的函数关系VEHemission=f(VEHr,VEHo,VEHt,VEHv,VEHl,VEHa,VEHs);
Step5:将获取得到的VEHr、VEHo、VEHt、VEHv、VEHl、VEHa、VEHs、VEHemission、VEHft、VEHfl、VEHfi等数据发送到信息存储单元,基于时间序列进行存储;
Step6:将车辆的车辆故障类型VEHft、故障位置VEHfl、故障信息VEHfi等信息分别发送到人机交互单元和车路通信单元;由人机交互单元通过图形、文字、语音的方式告知驾驶员车辆发生故障。
4.根据权利要求1所述的一种基于M2M的城市交通流车路协同控制方法,其特征在于:OBM中的车车通信单元通过嵌入在其中的测距传感器和无线通信模块,获取同向道路和对向道路的车辆运动状态信息和道路交通状态信息,根据车辆自身的状态,为驾驶员提供预警信息和操纵建议信息,具体实现过程如下:
Step1:通过测距传感器获取与同向相邻车辆之间的相对距离VEH0,i(T,S);
Step2:通过无线通信模块与同向相邻车辆之间实现信息交互,计算相邻车辆之间的相对速度VEH0,i(T,V),相对转向角
Step3:如果 车车通信单元通过人机交互单元向驾驶员发出建议降低车速的安全预警信息;如果车车通信单元通过人机交互单元向驾驶员发出预警信息,并建议调整驾驶方向,避免碰撞事故发生;如果与相邻车辆均存在 的情况,车车通信单元触发一条高优先级别的请求信息,通过相邻车辆的人机交互单元,请求相邻车辆的驾驶员加速离开(前方车辆)或降低速度(后方车辆)的请求,以避免发生连撞事故;
Step4:每辆车的车车通信单元中包含三个信息模块,分别为INFOup(存储的是车辆行驶方向的途经道路交通信息),INFOdw(存储的是车辆行驶方向的途经对向道路交通信息),INFOhis(存储的是车辆行驶方向前方的道路交通信息)。在行驶过程中,车车通信单元的无线通信模块与对向经过车辆进行信息交互。其中,车辆中的INFOdw模块获取一定时间范围内对向车辆车车通信单元INFOup模块的信息,从而获取对向车辆途经的道路交通信息;车辆中的INFOhis模块获取一定时间范围内对向车辆车车通信单元中INFOdw模块的信息,从而得到车辆通行前方的道路交通信息;
Step5:车辆在行进过程中,车车通信单元中的INFOhis模块获取的前方道路交通信息及路网范围会随着对向车辆的改变而不断发生改变,而且路网的道路交通信息也在不断发生变化。因此,INFOhis模块的另一个功能是对获取到的道路交通信息进行状态更新和路网重建;
其中,VEH0,i(T,S)、VEH0,i(T,V),中0表示本车,i表示相邻的第i辆车,T表示时刻,S表示距离,V表示速度,表示转向角;表示车辆最大加速度;Lsafe表示临界安全距离。
5.根据权利要求1所述的一种基于M2M的城市交通流车路协同控制方法,其特征在于:主路侧装置RSM-Master的协同控制单元主要根据实时的道路交通信息、车辆运行状态信息等,对交叉口交通信号控制方案进行实时优化,并结合道路网络交通负荷情况,以及驾驶员的出行路线选择特性,从路网全局的角度对驾驶员进行路径引导,通过交通信号控制和动态交通诱导的协同运行,共同实现交通流在道路网络上的时空均衡分布,防止路网交通拥挤、拥堵现象发生。具体实现过程如下:
Step1:协同控制单元首先从信息处理单元分别获取路网当前时期和下一时期(预测数据)的交叉口各个进口方向的流量信息、车辆延误信息、车辆综合排放信息、车辆排队信息、路段交通负荷信息、路段平均车速等;
Step2:采用双层目标优化方法对主路侧装置RSM-Master所辖范围内信号交叉口的交通信号配时参数进行优化,上层以低延误、低排放为目标对信号交叉口的周期和绿信比进行优化:
其中,VEHDij、VEHEij为信号交叉口第j进口方向第i辆车的延误时间和综合排放;PIiNT为交叉口交通流运行指标;
下层以低车辆排队长度、低路段交通负荷、高路段平均车速为目标对主路侧装置RSM-Master所辖路网范围内信号交叉口的公共周期以及交叉口信号协调的相位差进行优化:
其中,VEHQij、VEHSij、VEHVij分别为主路侧装置RSM-Master所辖路网范围内第j信号交叉口第i进口方向的路段排队长度、路段交通负荷、路段平均车速;PIRSM为主路侧装置RSM-Master所辖路网交通流运行指标;
同时以信号周期阈值范围、绿灯时间阈值范围、相位差阈值范围、交叉口饱和度阈值范围、路段交通负荷阈值范围为约束条件,优化求解主路侧装置RSM-Master所辖路网各信号交叉口的信号配时参数SIGLVPRSM;
Step3:由于主路侧装置RSM-Master所辖的范围只是城市路网的一部分,需要从城市路网全局的角度进行整体协调。基于中央控制装置CCM下发的区域交通信号区域交通信号协调控制策略边界交通信号协调控制策略所制定的控制目标为优化目标,以从信息处理单元获取路网下一时期交通流运行数据为数据输入,仍采用双层目标优化方法对交通信号配时参数进行优化。上层以低延误、低排放为目标对区域边界信号交叉口的周期和绿信比进行优化:
其中,VEHBDij、VEHBEij为区域边界第i信号交叉口第j进口方向车辆的平均延误时间和平均综合排放;为区域边界信号交叉口交通流运行指标;αi、βi分别为区域边界协调控制中第i信号交叉口延误和排放的调整指数;
下层以低车辆排队长度、低路段交通负荷、高路段平均车速为目标对主路侧装置RSM-Master所辖路网范围内信号交叉口的公共周期以及交叉口信号协调的相位差进行优化:
其中,VEHRQij、VEHRSij、VEHRVij分别为主路侧装置RSM-Master所辖路网范围内第j信号交叉口第i进口方向的路段排队长度、路段交通负荷、路段平均车速;PI(NETRCRSM)为主路侧装置RSM-Master所辖路网交通流运行指标;ωi,1、ωi,2、ωi,3分别为区域交通信号协调控制中第i信号交叉口排队长度、路段交通负荷、路段平均车速的调整指数;
同样以信号周期阈值范围、绿灯时间阈值范围、相位差阈值范围、交叉口饱和度阈值范围、路段交通负荷阈值范围为约束条件,优化求解主路侧装置RSM-Master所辖路网各信号交叉口在区域交通信号协调控制策略边界交通信号协调控制策略影响下的信号配时参数SIGGVPRSM;
Step4:SIGLVPRSM属于局部最优解,SIGGVPRSM属于全局最优解,需要在两种之间找到一个平衡点:
其中,SIGPRSM为主路侧装置RSM-Master所辖区域各信号交叉口最终的信号配时参数;分别为关于时间函数的平衡因子;
Step5:在SIGPRSM交叉口信号配时参数下,计算各信号交叉口各路段最佳的流量OPTVOLRSM,则下一个信号执行周期,主路侧装置RSM-Master所辖区域各路段的流量调整量为:
ΔVOLRSM=OPTVOLRSM-NOWVOLRSM
其中,NOWVOLRSM为主路侧装置RSM-Master所辖区域各路段的当前交通量;
Step6:基于动态交通诱导策略结合驾驶员的出行路径偏好与驾驶员所处的情景状态之间的关系,在主路侧装置RSM-Master所辖区域路网中以ΔVOLRSM为引导目标,按OPTVOLRSM的路网交通负荷进行驾驶员路径引导:
PI(ΔVOLRSM,OPTVOLRSM)
=σ1(t)·OPTGVG(NOWVOLRSM,NETRGRSM)+σ2(t)
·OPTLVG(NOWVOLRSM,DRper)
优化形成群体动态交通诱导信息VMSRGRSM和个体动态交通诱导信息DRIRGRSM;
其中,OPTGVG()、OPTLVG()分别为动态交通诱导全局优化函数和局部优化函数;σ1(t)、σ2(t)分别为关于时间的全局优化和局部优化调整系数;PI(ΔVOLRSM,OPTVOLRSM)为主路侧装置RSM-Master所辖区域路网诱导交通流运行指标。
6.根据权利要求1所述的一种基于M2M的城市交通流车路协同控制方法,其特征在于:CCM中的协同控制单元是一个城市交通战略协同管控平台,基于全路网实时的道路交通信息,以均衡路网交通负荷、缓解城市交通拥挤、促进交通节能减排为目标,通过交通信号控制和动态交通诱导的协同实施,进行城市路网各区域交通信号控制的战略协同,并引导驾驶员避开拥挤走最佳行驶路线,预防交通拥挤、拥堵现象的产生。具体实现过程如下:
Step1:以全路网车辆的低延误、低排放为目标进行全路网交通流的动态分配:
其中,WTNET为整个城市道路交通网络;a为道路路段;VOLa为道路路段a的交通流量;ta(VOLa)、ea(VOLa)分别为道路路段a关于交通流量VOLa的行程时间函数和车辆排放函数;λa、μa分别为道路路段a的行程时间和车辆排放影响因子;
Step2:基于动态分配获得路网交通流的最佳流量分配结果进行交通信号控制与动态交通诱导的协同控制,采用双目标协同控制优化方法:
其中,J1、J2分别为优化目标1和优化目标2;n为路网中协同子区个数;SatRSM(t)为路侧装置RSM所辖路网t时刻的平均交通负荷;DRSM(t)、QRSM(t)、VRSM(t)分别为路侧装置RSM所辖路网t时刻的平均车辆延误、平均车辆排队长度、平均车辆运行速度;δRSM,1(t)、δRSM,2(t)、δRSM,3(t)分别为t时刻路侧装置RSM中延误、排队长度、速度的调整指数;
优化目标1和优化目标2在优化过程中受到信号周期阈值范围、绿灯时间阈值范围、相位差阈值范围、交叉口饱和度阈值范围、路段交通负荷阈值范围、RSM所辖路网平均交通负荷阈值范围的约束,优化形成RSM所辖路网最佳区域交通信号控制策略RSIGCRSM、区域边界协调控制策略BSIGCRSM、动态交通诱导策略DTFGCRSM;
Step3:计算城市路网各RSM所辖路网当前区域交通信号控制策略RSGNCRSM、区域边界交通信号控制策略BSGNCRSM、动态交通诱导策略NDTGCRSM与RSIGCRSM、BSIGCRSM、DTFGCRSM之间的距离:
ΔRCRSM=||RSGNCRSM-RSIGCRSM||
ΔBCRSM=||BSGNCRSM-BSIGCRSM||
ΔGCRSM=||NDTGCRSM-DTFGCRSM||
以此确定下一个执行周期RSM所辖路网的区域交通信号协调控制策略NETRCRSM、区域边界交通信号协调控制策略NETBCRSM、动态交通诱导协调策略NETRGRSM:
NETRCRSM=τRSM,1·RSGNCRSM+θRSM,1·ΔRCRSM
NETBCRSM=τRSM,2·BSGNCRSM+θRSM,2·ΔBCRSM
NETRGRSM=τRSM,3·NDTGCRSM+θRSM,3·ΔGCRSM
其中,ΔRCRSM、ΔBCRSM、ΔGCRSM为当前策略与理想策略的距离;τRSM,1、τRSM,2、τRSM,3、θRSM,1、θRSM,2、θRSM,3分别为策略调整系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410827132.1A CN105809953B (zh) | 2014-12-27 | 2014-12-27 | 一种基于m2m的城市交通流车路协同控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410827132.1A CN105809953B (zh) | 2014-12-27 | 2014-12-27 | 一种基于m2m的城市交通流车路协同控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105809953A true CN105809953A (zh) | 2016-07-27 |
CN105809953B CN105809953B (zh) | 2018-07-10 |
Family
ID=56981281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410827132.1A Expired - Fee Related CN105809953B (zh) | 2014-12-27 | 2014-12-27 | 一种基于m2m的城市交通流车路协同控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105809953B (zh) |
Cited By (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251666A (zh) * | 2016-08-08 | 2016-12-21 | 武汉理工大学 | 面向智能网联汽车的雾天环境下高速公路安全车速引导系统和方法 |
CN106355885A (zh) * | 2016-11-24 | 2017-01-25 | 深圳市永达电子信息股份有限公司 | 基于大数据分析平台的交通信号动态控制方法及系统 |
CN106595690A (zh) * | 2016-12-28 | 2017-04-26 | 吉林师范大学 | 基于物联网的汽车导航平台及使用方法 |
CN106710288A (zh) * | 2017-03-21 | 2017-05-24 | 宿迁学院 | 应用无线新型电子车牌实现交通路口疏导的系统及方法 |
CN107274700A (zh) * | 2017-08-09 | 2017-10-20 | 北方工业大学 | 一种车路协同环境下多源信息采集方法及装置 |
CN107444312A (zh) * | 2017-07-21 | 2017-12-08 | 湖北美轮易行科技有限公司 | 基于汽车obd诊断系统的车辆状态监控系统和方法 |
CN107563543A (zh) * | 2017-08-11 | 2018-01-09 | 北京邮电大学 | 一种基于群体智能的城市交通优化服务方法与系统 |
CN107609672A (zh) * | 2017-08-11 | 2018-01-19 | 北京邮电大学 | 一种支持虚拟车群体智能计算的车联网服务支撑环境 |
CN107730883A (zh) * | 2017-09-11 | 2018-02-23 | 北方工业大学 | 一种车联网环境下交叉口区域车辆调度方法 |
CN107833479A (zh) * | 2017-01-24 | 2018-03-23 | 问众智能信息科技(北京)有限公司 | 基于用户实时信息的车载智能提醒方法和装置 |
CN107886750A (zh) * | 2017-10-24 | 2018-04-06 | 北京邮电大学 | 一种基于超视距协同认知的无人驾驶汽车控制方法与系统 |
CN108022435A (zh) * | 2016-11-01 | 2018-05-11 | 中国移动通信有限公司研究院 | 一种交通控制方法及系统 |
CN108229078A (zh) * | 2018-03-19 | 2018-06-29 | 北京工业大学 | 一种城市交通场景中基于规则的群体运动模拟方法 |
CN108573600A (zh) * | 2017-03-10 | 2018-09-25 | 重庆邮电大学 | 一种驾驶员行为诱导与局部交通流优化方法 |
CN108647802A (zh) * | 2018-03-26 | 2018-10-12 | 华东师范大学 | 基于双层交通网络模型抗拥塞方法 |
CN108877256A (zh) * | 2018-06-27 | 2018-11-23 | 南京邮电大学 | 基于无线通信的交叉口附近分散协同自适应巡航控制方法 |
CN108898824A (zh) * | 2018-07-25 | 2018-11-27 | 公安部交通管理科学研究所 | 一种基于c-v2x的交叉口公交信号优先控制系统及控制方法 |
CN108961803A (zh) * | 2017-05-18 | 2018-12-07 | 中兴通讯股份有限公司 | 车辆驾驶辅助方法、装置、系统及终端设备 |
CN109035760A (zh) * | 2018-06-22 | 2018-12-18 | 东华大学 | 车载自组织网中不同rsu场景下的路网信息收集方法 |
CN109121117A (zh) * | 2018-07-13 | 2019-01-01 | 上海淞泓智能汽车科技有限公司 | 一种基于蜂窝网络的车路实时通信系统及通信方法 |
CN109118764A (zh) * | 2018-09-03 | 2019-01-01 | 山东交通学院 | 一种基于ZigBee的车联网通信系统 |
CN109118787A (zh) * | 2018-08-20 | 2019-01-01 | 浙江工业大学 | 一种基于深度神经网络的车辆速度预测方法 |
CN109243176A (zh) * | 2018-09-26 | 2019-01-18 | 东莞幻鸟新材料有限公司 | 一种城市交通管理系统 |
CN109426245A (zh) * | 2017-06-29 | 2019-03-05 | 李志远 | 车辆智能行车安全控制技术 |
CN109584570A (zh) * | 2018-12-29 | 2019-04-05 | 浙江方大智控科技有限公司 | 基于路边固定检测设备的交通管理方法 |
CN109615867A (zh) * | 2019-01-28 | 2019-04-12 | 大连海事大学 | 一种面向交通疏导的智能道路系统 |
CN109696888A (zh) * | 2017-10-24 | 2019-04-30 | 苏州宝时得电动工具有限公司 | 作业区域智能设备控制方法、装置、存储介质和系统 |
CN109716801A (zh) * | 2016-09-21 | 2019-05-03 | 三菱电机株式会社 | 路侧通信装置以及车载通信装置 |
CN109714730A (zh) * | 2019-02-01 | 2019-05-03 | 清华大学 | 用于车车及车路协同的云控平台系统及协同系统和方法 |
CN109785631A (zh) * | 2019-03-12 | 2019-05-21 | 大连海事大学 | 一种面向交通疏导的道路交通数据智能感知与分发网络架构 |
CN109872545A (zh) * | 2017-12-05 | 2019-06-11 | 航天信息股份有限公司 | 智能交通灯的控制方法及系统 |
WO2019179107A1 (zh) * | 2018-03-22 | 2019-09-26 | 合肥革绿信息科技有限公司 | 一种基于视频的主干路协同信号机控制方法 |
CN110428619A (zh) * | 2019-07-26 | 2019-11-08 | 阿尔法巴人工智能(深圳)有限公司 | 一种基于车路协同系统的智能驾驶方法 |
CN110599791A (zh) * | 2019-10-29 | 2019-12-20 | 北京汽车研究总院有限公司 | 信息监控方法、装置和设备 |
CN110648533A (zh) * | 2019-09-24 | 2020-01-03 | 北京星云互联科技有限公司 | 一种交通管控方法、设备、系统及存储介质 |
CN110880235A (zh) * | 2018-09-05 | 2020-03-13 | 阿里巴巴集团控股有限公司 | 路况信息处理系统中的路侧设备、处理方法及装置 |
CN111179597A (zh) * | 2020-01-10 | 2020-05-19 | 大连交通大学 | 城市路网级联失效负载再分配方法 |
CN111341131A (zh) * | 2020-03-05 | 2020-06-26 | 星觅(上海)科技有限公司 | 道路信息发送方法、装置、设备及存储介质 |
CN111402586A (zh) * | 2020-03-26 | 2020-07-10 | 华东交通大学 | 基于车联网的公路气象环境预报预警控制系统和方法 |
CN111524357A (zh) * | 2020-05-19 | 2020-08-11 | 河北德冠隆电子科技有限公司 | 用于车辆安全行驶所需的多数据融合的方法 |
CN111650604A (zh) * | 2020-07-02 | 2020-09-11 | 上海电科智能系统股份有限公司 | 利用精确定位实现自我车辆和周边障碍物精确探知的方法 |
WO2020191790A1 (en) * | 2019-03-26 | 2020-10-01 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | System and method for improving road safety and/or management |
CN111862587A (zh) * | 2019-12-16 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种出行引导策略生成方法及装置 |
CN112309152A (zh) * | 2019-08-01 | 2021-02-02 | 华为技术有限公司 | 一种车路协同方法及装置 |
CN112329182A (zh) * | 2020-10-28 | 2021-02-05 | 北京石油化工学院 | 车路协同条件下面向复杂交通形态的控制网格划分方法 |
CN112769929A (zh) * | 2020-12-31 | 2021-05-07 | 重庆车辆检测研究院有限公司 | 面向车路协同技术的场地在环测试系统及测试方法 |
CN112991800A (zh) * | 2021-03-03 | 2021-06-18 | 合肥工业大学 | 基于角度限制和双向搜索的城市路网最短路径获取方法 |
CN113077645A (zh) * | 2020-01-06 | 2021-07-06 | 广州汽车集团股份有限公司 | 一种车路协同道路交叉口的通行方法及系统 |
CN113112790A (zh) * | 2021-03-09 | 2021-07-13 | 华东师范大学 | 一种结合知识图谱的城市道路运行态势监测方法 |
CN113160553A (zh) * | 2021-01-28 | 2021-07-23 | 上海同仕交通科技有限公司 | 一种基于无人驾驶方向的车路协同信息交流方法及其系统 |
CN113327421A (zh) * | 2021-06-04 | 2021-08-31 | 河北省交通规划设计院 | 一种基于v2x路网控制方法及系统 |
CN113347254A (zh) * | 2021-06-02 | 2021-09-03 | 安徽工程大学 | 基于v2x的智能交通控制车联网系统及其控制方法 |
CN113362605A (zh) * | 2021-07-23 | 2021-09-07 | 上海交通大学 | 基于潜在同质区域辨识的分布式交通流优化系统及方法 |
CN113409598A (zh) * | 2021-06-08 | 2021-09-17 | 智道网联科技(北京)有限公司 | 区域道路交通信号灯协同联动自适应配时方法及装置 |
TWI741657B (zh) * | 2020-06-23 | 2021-10-01 | 交通部運輸研究所 | 使用車上診斷機在低排放區的管制平台及方法 |
CN114170807A (zh) * | 2020-09-11 | 2022-03-11 | 北京聚利科技有限公司 | 车辆轨迹信息获取方法、装置、设备和存储介质 |
CN115035711A (zh) * | 2022-04-14 | 2022-09-09 | 福建船政交通职业学院 | 一种高速公路隧道与互通立交衔接段交通导流控制方法 |
CN115331449A (zh) * | 2022-10-17 | 2022-11-11 | 四川省公路规划勘察设计研究院有限公司 | 长大连续纵坡路段事故易发区辨识方法、装置及电子设备 |
CN116206475A (zh) * | 2023-04-24 | 2023-06-02 | 成都西谷曙光数字技术有限公司 | 一种ldsw道路安全驾驶系统及其工作方法 |
CN116756992A (zh) * | 2023-07-07 | 2023-09-15 | 北京海澍科技有限公司 | 具有语义层的车路协同系统建模方法及设备 |
CN117456748A (zh) * | 2023-12-25 | 2024-01-26 | 北京华创智芯科技有限公司 | 基于车路协同技术的交通信号智能调控方法及系统 |
CN117558132A (zh) * | 2024-01-11 | 2024-02-13 | 北京华创智芯科技有限公司 | 基于大数据的交通管理平台数据处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013008148A (ja) * | 2011-06-23 | 2013-01-10 | Denso Corp | 交通情報提供装置 |
CN202996022U (zh) * | 2013-01-06 | 2013-06-12 | 上海市城市建设设计研究总院 | 采用蓝牙技术的交通状态感知系统 |
CN103761876A (zh) * | 2014-01-10 | 2014-04-30 | 山东大学 | 基于车路协同的道路交通信息采集与状态评价的方法 |
CN103824456A (zh) * | 2014-02-28 | 2014-05-28 | 武汉大学 | 一种车载传感器网络实时路况事件推荐方法 |
-
2014
- 2014-12-27 CN CN201410827132.1A patent/CN105809953B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013008148A (ja) * | 2011-06-23 | 2013-01-10 | Denso Corp | 交通情報提供装置 |
CN202996022U (zh) * | 2013-01-06 | 2013-06-12 | 上海市城市建设设计研究总院 | 采用蓝牙技术的交通状态感知系统 |
CN103761876A (zh) * | 2014-01-10 | 2014-04-30 | 山东大学 | 基于车路协同的道路交通信息采集与状态评价的方法 |
CN103824456A (zh) * | 2014-02-28 | 2014-05-28 | 武汉大学 | 一种车载传感器网络实时路况事件推荐方法 |
Cited By (84)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251666A (zh) * | 2016-08-08 | 2016-12-21 | 武汉理工大学 | 面向智能网联汽车的雾天环境下高速公路安全车速引导系统和方法 |
CN109716801B (zh) * | 2016-09-21 | 2021-10-19 | 三菱电机株式会社 | 路侧通信装置以及车载通信装置 |
CN109716801A (zh) * | 2016-09-21 | 2019-05-03 | 三菱电机株式会社 | 路侧通信装置以及车载通信装置 |
CN108022435A (zh) * | 2016-11-01 | 2018-05-11 | 中国移动通信有限公司研究院 | 一种交通控制方法及系统 |
CN106355885A (zh) * | 2016-11-24 | 2017-01-25 | 深圳市永达电子信息股份有限公司 | 基于大数据分析平台的交通信号动态控制方法及系统 |
CN106595690A (zh) * | 2016-12-28 | 2017-04-26 | 吉林师范大学 | 基于物联网的汽车导航平台及使用方法 |
CN107833479A (zh) * | 2017-01-24 | 2018-03-23 | 问众智能信息科技(北京)有限公司 | 基于用户实时信息的车载智能提醒方法和装置 |
CN108573600A (zh) * | 2017-03-10 | 2018-09-25 | 重庆邮电大学 | 一种驾驶员行为诱导与局部交通流优化方法 |
CN108573600B (zh) * | 2017-03-10 | 2022-02-08 | 重庆邮电大学 | 一种驾驶员行为诱导与局部交通流优化方法 |
CN106710288B (zh) * | 2017-03-21 | 2023-08-15 | 宿迁学院 | 应用无线新型电子车牌实现交通路口疏导的系统及方法 |
CN106710288A (zh) * | 2017-03-21 | 2017-05-24 | 宿迁学院 | 应用无线新型电子车牌实现交通路口疏导的系统及方法 |
CN108961803A (zh) * | 2017-05-18 | 2018-12-07 | 中兴通讯股份有限公司 | 车辆驾驶辅助方法、装置、系统及终端设备 |
CN109426245A (zh) * | 2017-06-29 | 2019-03-05 | 李志远 | 车辆智能行车安全控制技术 |
CN107444312A (zh) * | 2017-07-21 | 2017-12-08 | 湖北美轮易行科技有限公司 | 基于汽车obd诊断系统的车辆状态监控系统和方法 |
CN107274700A (zh) * | 2017-08-09 | 2017-10-20 | 北方工业大学 | 一种车路协同环境下多源信息采集方法及装置 |
CN107563543A (zh) * | 2017-08-11 | 2018-01-09 | 北京邮电大学 | 一种基于群体智能的城市交通优化服务方法与系统 |
CN107609672B (zh) * | 2017-08-11 | 2021-03-23 | 北京邮电大学 | 一种支持虚拟车群体智能计算的车联网服务支撑环境 |
CN107563543B (zh) * | 2017-08-11 | 2020-11-13 | 北京邮电大学 | 一种基于群体智能的城市交通优化服务方法与系统 |
CN107609672A (zh) * | 2017-08-11 | 2018-01-19 | 北京邮电大学 | 一种支持虚拟车群体智能计算的车联网服务支撑环境 |
CN107730883A (zh) * | 2017-09-11 | 2018-02-23 | 北方工业大学 | 一种车联网环境下交叉口区域车辆调度方法 |
CN107730883B (zh) * | 2017-09-11 | 2020-02-04 | 北方工业大学 | 一种车联网环境下交叉口区域车辆调度方法 |
CN107886750B (zh) * | 2017-10-24 | 2020-07-03 | 北京邮电大学 | 一种基于超视距协同认知的无人驾驶汽车控制方法与系统 |
CN107886750A (zh) * | 2017-10-24 | 2018-04-06 | 北京邮电大学 | 一种基于超视距协同认知的无人驾驶汽车控制方法与系统 |
CN109696888A (zh) * | 2017-10-24 | 2019-04-30 | 苏州宝时得电动工具有限公司 | 作业区域智能设备控制方法、装置、存储介质和系统 |
CN109872545A (zh) * | 2017-12-05 | 2019-06-11 | 航天信息股份有限公司 | 智能交通灯的控制方法及系统 |
CN108229078A (zh) * | 2018-03-19 | 2018-06-29 | 北京工业大学 | 一种城市交通场景中基于规则的群体运动模拟方法 |
CN108229078B (zh) * | 2018-03-19 | 2021-11-05 | 北京工业大学 | 一种城市交通场景中基于规则的群体运动模拟方法 |
WO2019179107A1 (zh) * | 2018-03-22 | 2019-09-26 | 合肥革绿信息科技有限公司 | 一种基于视频的主干路协同信号机控制方法 |
CN108647802A (zh) * | 2018-03-26 | 2018-10-12 | 华东师范大学 | 基于双层交通网络模型抗拥塞方法 |
CN108647802B (zh) * | 2018-03-26 | 2021-06-25 | 复旦大学 | 基于双层交通网络模型抗拥塞方法 |
CN109035760A (zh) * | 2018-06-22 | 2018-12-18 | 东华大学 | 车载自组织网中不同rsu场景下的路网信息收集方法 |
CN109035760B (zh) * | 2018-06-22 | 2021-11-02 | 东华大学 | 车载自组织网中不同rsu场景下的路网信息收集方法 |
CN108877256B (zh) * | 2018-06-27 | 2020-11-13 | 南京邮电大学 | 基于无线通信的交叉口附近分散协同自适应巡航控制方法 |
CN108877256A (zh) * | 2018-06-27 | 2018-11-23 | 南京邮电大学 | 基于无线通信的交叉口附近分散协同自适应巡航控制方法 |
CN109121117B (zh) * | 2018-07-13 | 2021-02-05 | 上海淞泓智能汽车科技有限公司 | 一种基于蜂窝网络的车路实时通信系统及通信方法 |
CN109121117A (zh) * | 2018-07-13 | 2019-01-01 | 上海淞泓智能汽车科技有限公司 | 一种基于蜂窝网络的车路实时通信系统及通信方法 |
CN108898824A (zh) * | 2018-07-25 | 2018-11-27 | 公安部交通管理科学研究所 | 一种基于c-v2x的交叉口公交信号优先控制系统及控制方法 |
CN109118787A (zh) * | 2018-08-20 | 2019-01-01 | 浙江工业大学 | 一种基于深度神经网络的车辆速度预测方法 |
CN109118764A (zh) * | 2018-09-03 | 2019-01-01 | 山东交通学院 | 一种基于ZigBee的车联网通信系统 |
CN110880235A (zh) * | 2018-09-05 | 2020-03-13 | 阿里巴巴集团控股有限公司 | 路况信息处理系统中的路侧设备、处理方法及装置 |
CN109243176A (zh) * | 2018-09-26 | 2019-01-18 | 东莞幻鸟新材料有限公司 | 一种城市交通管理系统 |
CN109584570A (zh) * | 2018-12-29 | 2019-04-05 | 浙江方大智控科技有限公司 | 基于路边固定检测设备的交通管理方法 |
CN109615867A (zh) * | 2019-01-28 | 2019-04-12 | 大连海事大学 | 一种面向交通疏导的智能道路系统 |
CN109714730B (zh) * | 2019-02-01 | 2021-03-19 | 清华大学 | 用于车车及车路协同的云控平台系统及协同系统和方法 |
CN109714730A (zh) * | 2019-02-01 | 2019-05-03 | 清华大学 | 用于车车及车路协同的云控平台系统及协同系统和方法 |
CN109785631A (zh) * | 2019-03-12 | 2019-05-21 | 大连海事大学 | 一种面向交通疏导的道路交通数据智能感知与分发网络架构 |
CN109785631B (zh) * | 2019-03-12 | 2021-08-24 | 大连海事大学 | 一种面向交通疏导的道路交通数据智能感知与分发网络架构 |
WO2020191790A1 (en) * | 2019-03-26 | 2020-10-01 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | System and method for improving road safety and/or management |
CN110428619A (zh) * | 2019-07-26 | 2019-11-08 | 阿尔法巴人工智能(深圳)有限公司 | 一种基于车路协同系统的智能驾驶方法 |
CN112309152A (zh) * | 2019-08-01 | 2021-02-02 | 华为技术有限公司 | 一种车路协同方法及装置 |
CN110648533A (zh) * | 2019-09-24 | 2020-01-03 | 北京星云互联科技有限公司 | 一种交通管控方法、设备、系统及存储介质 |
CN110599791A (zh) * | 2019-10-29 | 2019-12-20 | 北京汽车研究总院有限公司 | 信息监控方法、装置和设备 |
CN111862587A (zh) * | 2019-12-16 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种出行引导策略生成方法及装置 |
CN113077645A (zh) * | 2020-01-06 | 2021-07-06 | 广州汽车集团股份有限公司 | 一种车路协同道路交叉口的通行方法及系统 |
CN111179597A (zh) * | 2020-01-10 | 2020-05-19 | 大连交通大学 | 城市路网级联失效负载再分配方法 |
CN111341131A (zh) * | 2020-03-05 | 2020-06-26 | 星觅(上海)科技有限公司 | 道路信息发送方法、装置、设备及存储介质 |
CN111402586A (zh) * | 2020-03-26 | 2020-07-10 | 华东交通大学 | 基于车联网的公路气象环境预报预警控制系统和方法 |
CN111524357A (zh) * | 2020-05-19 | 2020-08-11 | 河北德冠隆电子科技有限公司 | 用于车辆安全行驶所需的多数据融合的方法 |
CN111524357B (zh) * | 2020-05-19 | 2022-01-07 | 河北德冠隆电子科技有限公司 | 用于车辆安全行驶所需的多数据融合的方法 |
TWI741657B (zh) * | 2020-06-23 | 2021-10-01 | 交通部運輸研究所 | 使用車上診斷機在低排放區的管制平台及方法 |
CN111650604A (zh) * | 2020-07-02 | 2020-09-11 | 上海电科智能系统股份有限公司 | 利用精确定位实现自我车辆和周边障碍物精确探知的方法 |
CN114170807B (zh) * | 2020-09-11 | 2023-04-28 | 北京聚利科技有限公司 | 车辆轨迹信息获取方法、装置、设备和存储介质 |
CN114170807A (zh) * | 2020-09-11 | 2022-03-11 | 北京聚利科技有限公司 | 车辆轨迹信息获取方法、装置、设备和存储介质 |
CN112329182A (zh) * | 2020-10-28 | 2021-02-05 | 北京石油化工学院 | 车路协同条件下面向复杂交通形态的控制网格划分方法 |
CN112769929B (zh) * | 2020-12-31 | 2023-02-21 | 招商局检测车辆技术研究院有限公司 | 面向车路协同技术的场地在环测试系统及测试方法 |
CN112769929A (zh) * | 2020-12-31 | 2021-05-07 | 重庆车辆检测研究院有限公司 | 面向车路协同技术的场地在环测试系统及测试方法 |
CN113160553A (zh) * | 2021-01-28 | 2021-07-23 | 上海同仕交通科技有限公司 | 一种基于无人驾驶方向的车路协同信息交流方法及其系统 |
CN112991800A (zh) * | 2021-03-03 | 2021-06-18 | 合肥工业大学 | 基于角度限制和双向搜索的城市路网最短路径获取方法 |
CN113112790A (zh) * | 2021-03-09 | 2021-07-13 | 华东师范大学 | 一种结合知识图谱的城市道路运行态势监测方法 |
CN113347254A (zh) * | 2021-06-02 | 2021-09-03 | 安徽工程大学 | 基于v2x的智能交通控制车联网系统及其控制方法 |
CN113327421A (zh) * | 2021-06-04 | 2021-08-31 | 河北省交通规划设计院 | 一种基于v2x路网控制方法及系统 |
CN113409598A (zh) * | 2021-06-08 | 2021-09-17 | 智道网联科技(北京)有限公司 | 区域道路交通信号灯协同联动自适应配时方法及装置 |
CN113362605B (zh) * | 2021-07-23 | 2022-06-21 | 上海交通大学 | 基于潜在同质区域分析的分布式高速路优化系统及方法 |
CN113362605A (zh) * | 2021-07-23 | 2021-09-07 | 上海交通大学 | 基于潜在同质区域辨识的分布式交通流优化系统及方法 |
CN115035711A (zh) * | 2022-04-14 | 2022-09-09 | 福建船政交通职业学院 | 一种高速公路隧道与互通立交衔接段交通导流控制方法 |
CN115035711B (zh) * | 2022-04-14 | 2023-11-17 | 福建船政交通职业学院 | 一种高速公路隧道与互通立交衔接段交通导流控制方法 |
CN115331449A (zh) * | 2022-10-17 | 2022-11-11 | 四川省公路规划勘察设计研究院有限公司 | 长大连续纵坡路段事故易发区辨识方法、装置及电子设备 |
CN116206475A (zh) * | 2023-04-24 | 2023-06-02 | 成都西谷曙光数字技术有限公司 | 一种ldsw道路安全驾驶系统及其工作方法 |
CN116756992A (zh) * | 2023-07-07 | 2023-09-15 | 北京海澍科技有限公司 | 具有语义层的车路协同系统建模方法及设备 |
CN116756992B (zh) * | 2023-07-07 | 2024-02-23 | 北京海澍科技有限公司 | 具有语义层的车路协同系统建模方法及设备 |
CN117456748A (zh) * | 2023-12-25 | 2024-01-26 | 北京华创智芯科技有限公司 | 基于车路协同技术的交通信号智能调控方法及系统 |
CN117456748B (zh) * | 2023-12-25 | 2024-03-05 | 北京华创智芯科技有限公司 | 基于车路协同技术的交通信号智能调控方法及系统 |
CN117558132A (zh) * | 2024-01-11 | 2024-02-13 | 北京华创智芯科技有限公司 | 基于大数据的交通管理平台数据处理方法及系统 |
CN117558132B (zh) * | 2024-01-11 | 2024-03-15 | 北京华创智芯科技有限公司 | 基于大数据的交通管理平台数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105809953B (zh) | 2018-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809953A (zh) | 一种基于m2m的城市交通流车路协同控制方法 | |
Carsten et al. | Intelligent speed adaptation: accident savings and cost–benefit analysis | |
Makino et al. | Solutions for urban traffic issues by ITS technologies | |
CN101572011B (zh) | 城市公交智能化调度管理系统及方法 | |
CN109285373A (zh) | 一种面向整体道路网的智能网联交通系统 | |
CN109118758A (zh) | 一种面向移动共享的智能网联交通管理系统 | |
CN108039053A (zh) | 一种智能网联交通系统 | |
CN109003467A (zh) | 一种防止车辆碰撞的方法、装置及系统 | |
CN105074793A (zh) | 用于车辆路径规划和交通管理的车道级车辆导航 | |
CN106408984B (zh) | 基于物联网的城市交通流诱导系统 | |
CN104200649A (zh) | 基于预先申请的交通高峰期路线资源调度分配系统与方法 | |
CN102945261B (zh) | 智能车载信息服务终端一键式目标搜索优化方法 | |
Vujić et al. | Pilot implementation of public transport priority in the city of Zagreb | |
Rahman et al. | Impacts of connected and autonomous vehicles on urban transportation and environment: A comprehensive review | |
CN206546634U (zh) | 基于物联网的城市交通流诱导系统 | |
Mikheeva et al. | Methodology for the formation of the infrastructure of intelligent management of transport processes | |
Tafidis et al. | Interregional European Cooperation platform to promote sustainable transport through ICT: an overview of best practices | |
CN104680821A (zh) | 一种智能交通系统及其导航方法 | |
Shankaran et al. | Intelligent Transport Systems and Traffic Management | |
Bubelíny et al. | The use of smart elements for the transport operation in the slovak cities | |
Makhloga | IMPROVING INDIA’S TRAFFIC MANAGEMENT USING INTELLIGENT TRANSPORTATION SYSTEMS | |
He | Robust-intelligent traffic signal control within a vehicle-to-infrastructure and vehicle-to-vehicle communication environment | |
Hansen et al. | GeoSence. Current state of the art and use case description on geofencing for traffic management | |
CN103236180A (zh) | 一种车载信息互动接口方法 | |
Oskarbski et al. | Multi-level transport systems model for traffic management activities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180710 Termination date: 20181227 |
|
CF01 | Termination of patent right due to non-payment of annual fee |