CN105825669A - 一种识别城市快速路交通瓶颈的系统和方法 - Google Patents

一种识别城市快速路交通瓶颈的系统和方法 Download PDF

Info

Publication number
CN105825669A
CN105825669A CN201510502638.XA CN201510502638A CN105825669A CN 105825669 A CN105825669 A CN 105825669A CN 201510502638 A CN201510502638 A CN 201510502638A CN 105825669 A CN105825669 A CN 105825669A
Authority
CN
China
Prior art keywords
data
detector
supersaturation
traffic bottlenecks
probability
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
Application number
CN201510502638.XA
Other languages
English (en)
Other versions
CN105825669B (zh
Inventor
申作军
李萌
姜涵
何方
陈婕妤
俞佳莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING DCROSSING TECHNOLOGY CO., LTD.
Original Assignee
Beijing Dcrossing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Dcrossing Technology Co Ltd filed Critical Beijing Dcrossing Technology Co Ltd
Priority to CN201510502638.XA priority Critical patent/CN105825669B/zh
Publication of CN105825669A publication Critical patent/CN105825669A/zh
Application granted granted Critical
Publication of CN105825669B publication Critical patent/CN105825669B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

一种识别城市快速路交通瓶颈的方法,包括:采集道路车辆的移动导航数据和道路固定检测器数据;对采集的数据进行预处理,将不同来源的数据进行匹配,并确定每个检测器断面的流量-速度分布;根据流量-速度分布确定过饱和临界速度和过饱和概率;确定过饱和概率-检测器位置分布,确定交通瓶颈衡量指标,并识别交通瓶颈;以及对识别出的交通瓶颈进行分类,并针对不同类型的交通瓶颈给出对应的治理措施。

Description

-种识别城市快速路交通瓶颈的系统和方法
技术领域
[0001] 本发明设及道路交通领域,特别设及一种识别城市快速路交通瓶颈的系统和方 法。
背景技术
[0002] 随着城市化建设的加快,城市快速路的覆盖率也越来越高,然而快速路负荷严重 和拥堵问题也日益突出。而交通瓶颈是导致交通拥堵的直接原因,如何能够找到关键的交 通瓶颈,有针对性地进行治理是缓解交通拥堵的重要问题。
[0003] 目前已有的研究中对于交通瓶颈的识别,大多数采用的方法是根据道路上的固定 检测器检测的速度或占有率,然后结合人为设定的阔值来判断拥堵和非拥堵,其完全基于 单一的数据源。还有的研究是根据经验选取可能造成瓶颈的相关因素推断,但没有考虑交 通供给和交通需求的矛盾,也没有将道路固有属性考虑进来。另外,从研究的规模上来讲, 国内外的研究对象大都是针对一段高速公路或城市道路的微观研究,没有对一个区域的路 网的交通瓶颈进行宏观上的研究。
[0004] 近年来,随着车载导航和手机终端导航的普及W及道路上检测器的布设完善,能 够获取大量的实时交通数据,并能够反映道路的交通状况。因此,寻找一种方法能够充分利 用上述数据来对城市道路的交通状态和交通瓶颈的分布进行识别是非常有必要和有意义 的。
发明内容
[0005] 本发明所要解决的技术问题是:如何使用多种数据源识别城市快速路的常发性主 要交通瓶颈。
[0006] 本发明采用W下技术方案来实现: 一种识别城市快速路交通瓶颈的方法,包括: 数据采集步骤:采集道路车辆的移动导航数据和道路固定检测器数据;数据融合步 骤:对采集的数据进行预处理,将不同来源的数据进行匹配,并绘制每个检测器断面的流 量-速度分布图;计算步骤:根据流量-速度分布图确定过饱和临界速度和过饱和概率;交 通瓶颈识别步骤:绘制过饱和概率-检测器位置分布图,确定交通瓶颈衡量指标,并识别交 通瓶颈。
[0007] 此外,本发明还提出了一种结合相关路段的速度时空分布图对上述交通瓶颈的验 证方法,并且能够进一步确定交通瓶颈的具体位置和传播的范围。
[0008] 此外,本发明还给出了不同类型交通瓶颈的分类标准,并且提出了针对不同类型 的交通瓶颈所采取的交通治理措施。
[000引此外,本发明还提出了一种识别城市快速路交通瓶颈的系统,包括: 数据采集单元:采集道路车辆的移动导航数据和道路固定检测器数据;数据融合单 元:对采集的数据进行预处理,将不同来源的数据进行匹配,并绘制每个检测器断面的流 量-速度分布图;计算单元:根据流量-速度分布图确定过饱和临界速度和过饱和概率;交 通瓶颈识别单元:绘制过饱和概率-检测器位置分布图,确定交通瓶颈衡量指标,并识别交 通瓶颈。
[0010] 本发明的技术效果是:基于移动导航数据和固定检测器监测数据的融合,提出了 一种新的识别城市快速路常发性主要交通瓶颈的方法,能够在现阶段计算机处理能力下有 效实现数据融合利用和数据挖掘,从城市层面上识别出快速路的交通瓶颈,从而为交通拥 堵治理和优化提供更加精确和科学的建议。
附图说明
[0011] 图1是本发明的交通瓶颈识别方法的流程图 图2是移动导航获取的数据形式图 图3是每个检测器断面的流量-速度散点图 图4是分段线性拟合流程图 图5是设定过渡区的交通状态的划分图 图6是过饱和概率-检测器位置分布图北京市二环内环为例) 图7是交通瓶颈识别图北京市二环内环为例) 图8是第一、Ξ、四类交通瓶颈示意图北京市二环内环为例) 图9是是第二类交通瓶颈示意图北京市二环内环为例) 图10是北京市二环内环部分区域速度时空分布图(2014年10月12日) 图11是本发明的交通瓶颈识别系统的结构图
具体实施方式
[0012] W下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述。
[0013] 实施方式一 本实施方式主要设及道路交通瓶颈的识别方法。该方法主要包括W下几个步骤:数据 采集步骤、数据融合步骤、计算步骤、交通瓶颈识别步骤(参见附图1)。下面分别具体介绍: 1. 数据采集步骤:采集道路车辆的移动导航数据和道路固定检测器数据。
[0014] 本步骤采集的数据来源包括两个部分。第一个部分是通过车载或手机终端的导航 软件收集得到的浮动车数据。该数据记录了车辆的ID号W及每辆车每分钟的位置、时间、 速度等信息,其中位置包括经度和缔度,时间年份、月份、日期、小时、分钟、秒等信息巧曰附 图2所示)。第二部分是城市中道路上的固定检测器采集到的微波数据。该数据记录了检 测器所在断面的位置W及每个时间间隔内的流量、时间占有率、速度等信息,W时间为序记 录。其中位置W检测器的经度和缔度表示。当然,采集的数据记录不限于上述格式,也可采 用其他的格式形式。 2. 数据融合步骤:对采集的数据进行预处理,将不同来源的数据进行匹配,并确定每 个检测器断面的流量-速度分布。
[0015] 将道路划分成若干路段,依据经缔度和行驶方向信息将移动导航数据中的每一条 数据匹配到对应的道路和路段上,并提取出每个检测器所在路段上在一个时间间隔内的平 均速度。对于检测器断面的微波流量数据,处理成相同时间间隔内的累计流量。最终得到 每个检测器断面每个时间间隔内对应的一组流量和速度。将上述处理后的一段时间内巧曰 1、2、3个月)的全部流量-速度数据绘制在二维散点图中,从而得到每个检测器断面的一幅 流量-速度分布图设日图3所示)。其中横坐标表示速度,纵坐标表示流量(此处横纵轴可交 换)。 3.计算步骤:根据流量-速度分布确定过饱和临界速度和过饱和概率。
[0016] 过饱和临界速度是指:在某一路段上通行能力最大时的空间平均速度。图3中示 出了每个检测器断面的流量-速度图。在该图中可W看出,流量-速度的数据点分布存在 对应流量最大的临界点,该临界点位置对应的速度,即为过饱和临界速度。对于该临界点的 求解,可W采用本领域已知的多种线性或非线性数据拟合的方式来获取,如建立分段直线、 抛物线、多次曲线等数学模型来近似该流量-速度分布,并进而求解过饱和临界速度。
[0017] 例如,可W假定该流量-速度的分布为Ξ角形,然后通过求解Ξ角形的顶点来获 得过饱和临界速度,具体可采用如下的分段线性拟合的方法来获取(参见附图4的流程图): 首先给定一个区间[a, b],根据经验我们认为临界速度处于运个区间内,由此将速度分 为Ξ个区间[0, a]、[a, b]、比,Vmax]。用左右两个区间内的点分别拟合出两条直线并满足 上述的两个条件,即
Figure CN105825669AD00061
由运两条直线相交得到交点
Figure CN105825669AD00062
若此点不在区间[a, b]内,就用此点代替其中一个边界重新拟合捜索,若交点在区间 内,则W此交点为中心把边界到它的距离缩小10%,即将区间[a, b]缩小范围,继续W区间 两边的点拟合取交点。
[001引如此反复多次后,当…其中醫为精确度,可W取0. 1、0. 5、1等实数,认为 已经找到足够精确的临界速度,故停止拟合,即为过饱和临界速度。
[0019] 当然,也可W采用其他的线性或非线性拟合等方式,来求解过饱和临界速度。
[0020] 在得到每个检测器断面的过饱和临界速度后,对于速度小于过饱和临界速度的数 据点,称为过饱和状态;对于速度大于过饱和临界速度的数据点称为非饱和状态。根据上述 的判断标准,对于每个检测器处,W-个时间段内的数据为全样本,将过饱和状态的数据量 除W全样本的数据量,计算得到的就是该检测器处该时间段的过饱和概率。该指标的意义 为一段时间内发生过饱和的时间片段占总时间长度的比例,从时间上对发生过饱和的频率 有了一个评价指标。
[0021] 优选地,为了减少速度-流量基本图中处于中间部分不稳定的过渡区的干扰,还 可W围绕过饱和临界速度设置η% (可W取10%、5%等)的过渡区间,运样一来,将速度的分 布划分成Ξ个区间,当速度位于过渡区内时,认为处于难W准确判断的过渡状态,当速度小 于过渡区的下边界时,认为该数据点为过饱和状态;当速度大于过渡区的上边界时,认为该 数据点为非饱和状态(参见附图5所示)。并相应地求解过饱和概率。
[0022] 交通瓶颈识别步骤:确定过饱和概率-检测器位置分布,确定交通瓶颈衡量指标, 并识别交通瓶颈。
[0023] 由上一步骤可W得到每个检测器的断面在一段时间内的过饱和概率,将得到的过 饱和概率按照检测器位置的顺序展开,即得到了过饱和概率在城市快速路上随位置的分布 图巧日图6所示)。此图中横轴为检测器的编号,即可代表位置,编号的顺序或者逆序代表行 车方向。纵轴为根据之前设定的判别过饱和状态的标准计算得到的过饱和概率。运里采用 的是柱状图,当然也可其他形式展现出过饱和概率随不同检测器位置变化的关系,如 折线图等,也可将坐标轴代表的意义改变,如可W将横轴改为检测器的经缔度等。图6示出 的是北京市二环内环的检测器分布位置的某一时间段的过饱和概率值。从图中可W看到某 些地方的过饱和概率明显居高,形成了几处波峰,然而波峰前后的过饱和概率递增或递减 的趋势却有明显的差异。根据此过饱和的概率分布,可W识别出城市道路上的几种具有代 表性的主要交通瓶颈。
[0024] 通过对过饱和概率在城市快速路上的概率大小的统计,设置相应的标准为判断主 要交通瓶颈的衡量指标,即认为过饱和概率大于运一标准的位置最有可能是主要的交通瓶 颈。运一标准可W是所有断面过饱和概率的上四分位数、90%分位数等,也可W是其他根据 过饱和概率分布图的形状确定的有意义的标准。
[00巧]由于过饱和的发生与否是与流量有着密切关系的,当需求比较大的时候,较多路 段可能会处于过饱和状态,当需求减少的时候,有部分路段就会跳出过饱和状态,但仍有一 些比较脆弱的地方仍然过饱和,那些地方的过饱和概率就会最高,也最有可能是交通瓶颈。 运一步找到的一些极有可能是瓶颈的位置就是那些过饱和概率处于峰值的地方,由此可W 初步确定交通瓶颈的位置。如对于北京市二环内环,取过饱和概率等于50%为一个判定高 过饱和概率的标准,通过运个方法可W找到如图7中那些过饱和概率较高即处于波峰的位 置。
[0026] 此外,对于相邻两个检测器的过饱和概率出现急剧突变的情况,形成类似悬崖似 的形状,为了在之后的分类中将其区别于其他形式,本发明中认为当相邻两个检测器的过 饱和概率的差值大于一定数值时(根据过饱和概率的大小选取,可取15%、20%等标准),即判 断为发生了过饱和概率突变。
[0027] 优选地,在对交通瓶颈识别的基础上,还可W进一步包括如下的交通瓶颈分类步 骤。
[0028] 5.交通瓶颈分类步骤:根据过饱和概率-检测器位置分布对识别出的交通瓶颈 进行分类。
[0029] 根据过饱和概率-检测器位置分布图,还可W发现,在识别出来的主要交通瓶颈 中,上下游的过饱和概率的变化形式有明显的区别,因此在识别交通瓶颈的同时可W根据 过饱和概率-检测器位置图的不同的特征对他们进行分类(参见附图8-9)。
[0030] 第一类的特征:峰值上游,连续多个及W上过饱和概率呈阶梯状,峰值下游相邻检 测器过饱和概率突降。
[0031] 第二类的特征:峰值上游和下游的相邻的检测器过饱和概率都突然下降。
[0032] 第Ξ类的特征:峰值上游,连续多个及W上检测器过饱和概率呈阶梯状,峰值下游 相邻检测器缓慢下降。
[0033] 第四类的特征:峰值上游连续多个及W上检测器呈阶梯状递增,下游相邻连续若 干个检测器仍保持较高过饱和概率,未出现突然下降情况。
[0034] 通过对交通瓶颈的分类,能够进一步发现交通瓶颈产生的原因,从而采取针对性 的交通治理措施。
[0035] 实施方式二 本实施方式主要设及道路交通瓶颈的验证方法。该方法还能够用来验证过饱和饱和概 率的高低能否表示瓶颈的主次,并且能够用来确定检测器区域内的交通瓶颈的具体位置和 传播的范围。具体方法如下: 根据数据采集步骤获取的数据制作相关路段的速度时空分布图巧日图10所示)。该图 可W展现速度随一天24小时在某段路上随空间的变化图,横轴为24小时,纵轴为位置,颜 色深浅代表速度的大小。从速度的时空分布图中可W看到速度的大小在时间和空间上的变 化,从而找到速度较低的区域,即拥堵发生的区域,也可W看到最初发生拥堵的位置,且拥 堵是如何随着时间的变化向上游传播的。
[0036] W北京市二环内环建国口附近的路段一天的速度时空分布图为例,从图10中可 W看出建国口是主要的交通瓶颈,拥堵从那里开始随着时间向上游蔓延,在下午接近晚高 峰的时候传播远至东直口桥处。由于建国口是主要的交通瓶颈,且经过工作日、周末和节假 日多日的速度时空分布图可W发现建国口处为一个常发的顽固的交通瓶颈,因此那里的过 饱和概率在一定范围内是最高的。
[0037] 由此可W证明过饱和概率的高低与拥堵传播和交通瓶颈的主次有关,可W认为过 饱和概率高的地方是主要的交通瓶颈,因此我们可W根据过饱和概率的柱状图分布判断找 到北京市快速路上的常发性主要交通瓶颈,即过饱和概率处于峰值的地方。并且对于具体 的时间,可W结合速度的时空分布图确定拥堵的传播和变化。
[0038] 实施方式Ξ 本实施方式主要设及对不同类型交通瓶颈的治理对策方案,具体如下。
[0039] 针对实施方式一中识别得到的不同类型的交通瓶颈,可W采取相应的措施进行治 理: (1)对于第一类典型的瓶颈,主要是由于交通瓶颈处为重要的目的地和交通要塞,上游 的车流较大,因此可W对上游去往瓶颈处的车流进行提前分流诱导,将一部分车流引导至 辅路或其他城市道路前往目的地,W减小主路的压力;或推进公共交通的建设,将一部分小 汽车使用者转移到公交出行上减少城市快速路的需求;还可W通过制定部分路段的拥堵收 费政策缓解局部区域的严重拥堵。
[0040] (2)对于第二类相对独立的小瓶颈,主要是由于出入口的流量较大而引起的局部 堵塞,而应道的交织段起到主要的限制作用,因此一方面可W适当增大应道过渡段长度,或 者提前限制变道,减少干扰,使车流稳定分流和合流,另一方面在出口和入口应道处使用信 号灯控制,让出口的车流更迅速地驶离,让入口的车流有控制地进入。
[0041] (3)对于第Ξ类的交通瓶颈,主要是由于出入口连续密集分布造成相互影响,一旦 一处陷入瓶颈,犹如牵一发而动全身,波及较大的范围。针对此类交通瓶颈,一方面是在设 计之初就尽可能避免如此的应道设计,另一方面在情况W及如此的事实下,通过应道之间 的信号灯协调控制来帮助改善主路的交通状态。根据上下游出入口处的交通状态和交通需 求设定应道信号灯的放行周期,尽量减少相互干扰的程度。
[0042] (4)对于第四类的大型堪塞湖型的交通瓶颈,主要是由于交通刚性需求极大,同时 出入口也分布较多两个原因叠加形成的。运样的情况导致交通状况复杂,很难通过对一个 地方治理而有效改善整个区域的交通状况。因此针对运一类型的瓶颈,有效地减少小干扰 对其交通状态产生不稳定的影响是很关键的,通过加强警力和监管力度,减少事故和不规 范驾驶等干扰,从而提高出入口和断面的通过效率,改善局部道路通行能力,缓解多米诺骨 牌似的传播效应;其次,可W通过制定合适的拥堵收费政策,对运样的大片区域拥堵范围内 使用经济杠杆来调整交通供给和需求的矛盾,缓解大型交通瓶颈的交通状况。
[0043] 将对于城市快速路交通瓶颈的分析总结如下: 表1不同类型交通瓶颈的治理方案
Figure CN105825669AD00091
实施方式四 本发明在识别道路交通瓶颈的方法基础上,还提供一种相应的识别交通瓶颈的系统。 该系统具体包括(参见附图11): 数据采集单元:采集道路车辆的移动导航数据和道路固定检测器数据; 数据融合单元:对采集的数据进行预处理,将不同来源的数据进行匹配,并确定每个检 测器断面的流量-速度分布; 计算单元:根据流量-速度分布确定过饱和临界速度和过饱和概率 交通瓶颈识别单元:确定过饱和概率-检测器位置分布,确定交通瓶颈衡量指标,并识 别交通瓶颈。
[0044] 优选地,该系统还可W进一步包括: 交通瓶颈分类单元:根据过饱和概率-检测器位置分布对识别出的交通瓶颈进行分 类。
[0045] 优选地,该系统还可W进一步包括: 交通瓶颈治理对策单元:根据不同类型的交通瓶颈提出相应的治理对策。
[0046] 优选地,该系统还可W进一步包括: 交通瓶颈验证单元:根据相关路段的速度时空分布图验证过饱和概率的高低与交通瓶 颈的主次有关。
[0047] W上实施例的说明只是用于帮助理解本方案的方法及其核屯、思想。应当指出,在 不脱离本方案原理的前提下,还可w对本方案进行若干改进,运些改进也同样落入本方案 权利要求的保护范围内。

Claims (16)

1. 一种识别城市快速路交通瓶颈的方法,包括: 数据采集步骤:采集道路车辆的移动导航数据和道路固定检测器数据; 数据融合步骤:对采集的数据进行预处理,将不同来源的数据进行匹配,并确定每个检 测器断面的流量-速度分布; 计算步骤:根据流量-速度分布确定过饱和临界速度和过饱和概率; 交通瓶颈识别步骤:确定过饱和概率-检测器位置分布,确定交通瓶颈衡量指标,并识 别交通瓶颈。
2. 根据权利要求1所述的方法,其特征在于:数据融合步骤中,根据移动导航数据提取 的每个检测器所在路段的某个时间间隔的平均速度,以及该检测器在同一时间间隔的流量 数据,组合得到每个检测器的某一时间间隔的流量-速度数据,从而确定每个检测器断面 的流量-速度分布。
3. 根据权利要求1所述的方法,其特征在于:计算步骤中,采用分段线性拟合方法从流 量-速度分布中确定过饱和临界速度。
4. 根据权利要求1所述的方法,其特征在于:计算步骤中,对于每个检测器处,将过饱 和状态的数据量除以全部数据量,计算得到该检测器处的过饱和概率,其中,速度小于过饱 和临界速度的数据点,称为过饱和状态的数据。
5. 根据权利要求4所述的方法,其特征在于:在过饱和临界速度两侧设置过渡区,过饱 和状态的数据是指速度小于该过渡区的下边界速度的数据点。
6. 根据权利要求1所述的方法,其特征在于:该方法还包括交通瓶颈分类步骤,根据过 饱和概率-检测器位置分布对识别出的交通瓶颈进行分类。
7. 根据权利要求6所述的方法,其特征在于:该方法还包括交通瓶颈治理对策步骤,根 据不同类型的交通瓶颈,采用相应的治理对策。
8. 权利要求1-7所述的方法,其特征在于:根据相关路段的速度时空分布,来验证过饱 和概率的高低与交通瓶颈的主次有关。
9. 一种识别城市快速路交通瓶颈的系统,其特征在于,包括: 数据采集单元:采集道路车辆的移动导航数据和道路固定检测器数据; 数据融合单元:对采集的数据进行预处理,将不同来源的数据进行匹配,并确定每个检 测器断面的流量-速度分布; 计算单元:根据流量-速度分布确定过饱和临界速度和过饱和概率; 交通瓶颈识别单元:确定过饱和概率-检测器位置分布,确定交通瓶颈衡量指标,并识 别交通瓶颈。
10. 根据权利要求9所述的系统,其特征在于:数据融合单元中,根据移动导航数据提 取的每个检测器所在路段的某个时间间隔的平均速度,以及该检测器在同一时间间隔的流 量数据,组合得到每个检测器的某一时间间隔的流量-速度数据,从而确定每个检测器断 面的流量-速度分布。
11. 根据权利要求9所述的系统,其特征在于:计算单元中,采用分段线性拟合方法从 流量-速度分布中确定过饱和临界速度。
12. 根据权利要求9所述的系统,其特征在于:计算单元中,对于每个检测器处,将过饱 和状态的数据量除以全部数据量,计算得到该检测器处的过饱和概率,其中,速度小于过饱 和临界速度的数据点,称为过饱和状态的数据。
13. 根据权利要求12所述的系统,其特征在于:计算单元中,在过饱和临界速度两侧设 置过渡区,过饱和状态的数据是指速度小于该过渡区的下边界速度的数据点。
14. 根据权利要求9所述的系统,其特征在于:所述系统包括: 交通瓶颈分类单元:根据过饱和概率-检测器位置分布对识别出的交通瓶颈进行分 类。
15. 根据权利要求14所述的系统,其特征在于:所述系统包括: 交通瓶颈治理对策单元:根据不同类型的交通瓶颈提出相应的治理对策。
16. 根据权利要求9-15所述的系统,其特征在于:所述系统包括: 交通瓶颈验证单元:根据相关路段的速度时空分布验证过饱和概率的高低与交通瓶颈 的主次有关。
CN201510502638.XA 2015-08-15 2015-08-15 一种识别城市快速路交通瓶颈的系统和方法 Active CN105825669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510502638.XA CN105825669B (zh) 2015-08-15 2015-08-15 一种识别城市快速路交通瓶颈的系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510502638.XA CN105825669B (zh) 2015-08-15 2015-08-15 一种识别城市快速路交通瓶颈的系统和方法

Publications (2)

Publication Number Publication Date
CN105825669A true CN105825669A (zh) 2016-08-03
CN105825669B CN105825669B (zh) 2018-06-08

Family

ID=56514482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510502638.XA Active CN105825669B (zh) 2015-08-15 2015-08-15 一种识别城市快速路交通瓶颈的系统和方法

Country Status (1)

Country Link
CN (1) CN105825669B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825683A (zh) * 2015-08-16 2016-08-03 李萌 一种道路交通状况评价方法
CN106683406A (zh) * 2017-01-18 2017-05-17 东南大学 一种基于公交车载gps数据的公交专用道通行瓶颈检测方法
CN106960571A (zh) * 2017-03-30 2017-07-18 百度在线网络技术(北京)有限公司 道路拥堵瓶颈点确定方法、装置、服务器及存储介质
CN107146414A (zh) * 2017-06-28 2017-09-08 江苏智通交通科技有限公司 基于车辆识别的路网通行能力提取方法
CN107146405A (zh) * 2017-01-23 2017-09-08 北京博研智通科技有限公司 获取精准受阻系数的方法和系统
CN107742418A (zh) * 2017-09-29 2018-02-27 东南大学 一种城市快速路交通拥堵状态及堵点位置自动识别方法
CN108622081A (zh) * 2017-03-15 2018-10-09 奥迪股份公司 用于车辆的辅助驾驶设备和方法
CN108777068A (zh) * 2018-06-13 2018-11-09 西华大学 一种基于多维检测线圈采集周期的交通流瓶颈识别方法
CN108986488A (zh) * 2018-07-23 2018-12-11 东南大学 一种车车通信环境下匝道汇入协同轨迹确定方法及设备
CN109064754A (zh) * 2018-10-10 2018-12-21 南京宁昱通交通科技有限公司 一种高速公路入口分流及流量协同控制技术
CN109935076A (zh) * 2018-05-21 2019-06-25 吉林化工学院 一种城市快速路常发性交通瓶颈识别方法
CN110782654A (zh) * 2019-02-22 2020-02-11 北京嘀嘀无限科技发展有限公司 拥堵区域通行能力估测方法、装置及数据处理设备
CN110782656A (zh) * 2019-04-15 2020-02-11 北京嘀嘀无限科技发展有限公司 一种道路瓶颈点识别方法、装置、电子设备及存储介质
CN111325968A (zh) * 2018-12-13 2020-06-23 深圳先进技术研究院 一种基于拥堵扩散的交通瓶颈预测方法、系统及电子设备
WO2021097759A1 (en) * 2019-11-21 2021-05-27 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for traffic control based on vehicle trajectory data

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542793A (zh) * 2012-01-11 2012-07-04 东南大学 一种交叉口群过饱和交通态势主动控制方法
CN102855757A (zh) * 2012-03-05 2013-01-02 浙江大学 基于排队检测器信息瓶颈状态识别方法
CN104778834A (zh) * 2015-01-23 2015-07-15 哈尔滨工业大学 一种基于车辆gps数据的城市道路交通拥堵判别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542793A (zh) * 2012-01-11 2012-07-04 东南大学 一种交叉口群过饱和交通态势主动控制方法
CN102855757A (zh) * 2012-03-05 2013-01-02 浙江大学 基于排队检测器信息瓶颈状态识别方法
CN104778834A (zh) * 2015-01-23 2015-07-15 哈尔滨工业大学 一种基于车辆gps数据的城市道路交通拥堵判别方法

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825683B (zh) * 2015-08-16 2018-11-13 北京数行健科技有限公司 一种道路交通状况评价方法
CN105825683A (zh) * 2015-08-16 2016-08-03 李萌 一种道路交通状况评价方法
CN106683406A (zh) * 2017-01-18 2017-05-17 东南大学 一种基于公交车载gps数据的公交专用道通行瓶颈检测方法
CN106683406B (zh) * 2017-01-18 2019-01-29 东南大学 一种基于公交车载gps数据的公交专用道通行瓶颈检测方法
CN107146405A (zh) * 2017-01-23 2017-09-08 北京博研智通科技有限公司 获取精准受阻系数的方法和系统
CN108622081A (zh) * 2017-03-15 2018-10-09 奥迪股份公司 用于车辆的辅助驾驶设备和方法
CN106960571A (zh) * 2017-03-30 2017-07-18 百度在线网络技术(北京)有限公司 道路拥堵瓶颈点确定方法、装置、服务器及存储介质
CN107146414A (zh) * 2017-06-28 2017-09-08 江苏智通交通科技有限公司 基于车辆识别的路网通行能力提取方法
CN107146414B (zh) * 2017-06-28 2020-02-07 江苏智通交通科技有限公司 基于车辆识别的路网通行能力提取方法
CN107742418B (zh) * 2017-09-29 2020-04-24 东南大学 一种城市快速路交通拥堵状态及堵点位置自动识别方法
CN107742418A (zh) * 2017-09-29 2018-02-27 东南大学 一种城市快速路交通拥堵状态及堵点位置自动识别方法
CN109935076A (zh) * 2018-05-21 2019-06-25 吉林化工学院 一种城市快速路常发性交通瓶颈识别方法
CN108777068A (zh) * 2018-06-13 2018-11-09 西华大学 一种基于多维检测线圈采集周期的交通流瓶颈识别方法
CN108986488A (zh) * 2018-07-23 2018-12-11 东南大学 一种车车通信环境下匝道汇入协同轨迹确定方法及设备
CN109064754A (zh) * 2018-10-10 2018-12-21 南京宁昱通交通科技有限公司 一种高速公路入口分流及流量协同控制技术
CN111325968B (zh) * 2018-12-13 2021-05-25 深圳先进技术研究院 一种基于拥堵扩散的交通瓶颈预测方法、系统及电子设备
CN111325968A (zh) * 2018-12-13 2020-06-23 深圳先进技术研究院 一种基于拥堵扩散的交通瓶颈预测方法、系统及电子设备
CN110782654A (zh) * 2019-02-22 2020-02-11 北京嘀嘀无限科技发展有限公司 拥堵区域通行能力估测方法、装置及数据处理设备
CN110782656A (zh) * 2019-04-15 2020-02-11 北京嘀嘀无限科技发展有限公司 一种道路瓶颈点识别方法、装置、电子设备及存储介质
CN111915893B (zh) * 2019-04-15 2021-05-11 北京嘀嘀无限科技发展有限公司 一种道路瓶颈点识别方法、装置、电子设备及存储介质
CN111915893A (zh) * 2019-04-15 2020-11-10 北京嘀嘀无限科技发展有限公司 一种道路瓶颈点识别方法、装置、电子设备及存储介质
WO2021097759A1 (en) * 2019-11-21 2021-05-27 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for traffic control based on vehicle trajectory data

Also Published As

Publication number Publication date
CN105825669B (zh) 2018-06-08

Similar Documents

Publication Publication Date Title
CN105825669A (zh) 一种识别城市快速路交通瓶颈的系统和方法
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN105913661B (zh) 一种基于收费数据的高速公路路段交通状态判别方法
CN103021176B (zh) 基于断面检测器的城市道路交通状态判别方法
CN102968901B (zh) 获取区域拥堵信息的方法及区域拥堵分析装置
CN102419905B (zh) 基于交通波理论的高速公路事故的交通影响范围确定方法
CN105355049B (zh) 一种基于宏观基本图的高速公路运行状态评价方法
CN102855760B (zh) 基于浮动车数据的在线排队长度检测方法
CN102592447B (zh) 一种基于fcm的区域路网的道路交通状态判别方法
WO2019047905A1 (zh) 一种交通路况分析系统、方法以及装置
CN102708689B (zh) 一种实时路况监控系统
CN103440764A (zh) 一种基于车辆自动识别数据的城市路网车辆出行路径重构方法
CN108335482A (zh) 一种城市交通态势感知方法及可视化方法
CN107240264B (zh) 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法
CN102722984B (zh) 一种实时路况监控方法
CN108447256A (zh) 基于电警和定点检测器数据融合的干道车辆轨迹重构方法
CN102087788A (zh) 基于浮动车车速置信度的交通状态参数估计方法
Ma et al. Estimating maximum queue length for traffic lane groups using travel times from video-imaging data
CN101404120A (zh) 判断浮动车行驶状态的方法及装置
CN103794061A (zh) 基于多种定位数据计算道路融合行程车速的方法
CN103632541B (zh) 交通事件路链检测与数据填补方法
CN111091720B (zh) 基于信令数据和浮动车数据的拥堵路段识别方法及装置
CN105654720A (zh) 基于城市道路拥堵识别的检测器布设方法
Akyol et al. Pedestrian-friendly traffic signal control using Eclipse SUMO
CN100446015C (zh) 一种可用于地面道路网交通状况测定的方法和系统

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
CB03 Change of inventor or designer information

Inventor after: Guo Yaming

Inventor after: Jiang Han

Inventor after: He Fang

Inventor after: Chen Jieyu

Inventor after: Yu Jiaying

Inventor before: Shen Zuojun

Inventor before: Li Meng

Inventor before: Jiang Han

Inventor before: He Fang

Inventor before: Chen Jieyu

Inventor before: Yu Jiaying

CB03 Change of inventor or designer information
TA01 Transfer of patent application right

Effective date of registration: 20180420

Address after: 102200 Beijing city Changping District future science and Technology City, 237 Oasis Road 112 Oasis

Applicant after: BEIJING DCROSSING TECHNOLOGY CO., LTD.

Address before: 100125 1-602, South Road, Nong exhibition hall, Chaoyang District, Beijing 1-602

Applicant before: Li Meng

Applicant before: Jiang Han

Applicant before: BEIJING DCROSSING TECHNOLOGY CO., LTD.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant