CN105931463B - 基于交通场面雷达的路段交通运行指数计算方法 - Google Patents
基于交通场面雷达的路段交通运行指数计算方法 Download PDFInfo
- Publication number
- CN105931463B CN105931463B CN201610487007.XA CN201610487007A CN105931463B CN 105931463 B CN105931463 B CN 105931463B CN 201610487007 A CN201610487007 A CN 201610487007A CN 105931463 B CN105931463 B CN 105931463B
- Authority
- CN
- China
- Prior art keywords
- msub
- traffic
- mrow
- section
- mtr
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于城市高架桥信息采集处理技术领域,具体涉及一种基于交通场面雷达的路段交通运行指数计算方法。本发明所具体包含的步骤为:1)、在路段上安装交通场面雷达并校准调试;2)、获取交通场面雷达的采集数据;3)、计算路段的单个采样周期的当量交通量;4)、计算以当量交通量为基础参数的交通状态划分区间;5)、计算路段交通运行指数。本发明具备适用性强、取样计算灵活以及判别精准的有点,能更加科学而高效的进行当前路段的交通状态判别,从而方便了解当前路段的交通拥堵情况,最终可有效提升当前路段的交通通行效率。
Description
技术领域
本发明属于城市高架桥信息采集处理技术领域,具体涉及一种基于交通场面雷达的路段交通运行指数计算方法。
背景技术
交通运行指数也叫交通指数,也称交通拥堵指数,是近几年交通信息化领域比较热门的一个指标。2011年,北京出了地方标准《DB11/T785-2011城市道路交通运行评价指标体系》,主要是由郭继孚牵头编制的,同时也提出一系列计算方法。后来2016年,浙江省推出了地方标准《DB33/T998-2016城市道路交通运行状态评价规范》,全省要求交警必须上交通运行指数平台,这足以证明交通运行指数在业内的被认可度。但与此同时,交通运行指数的相应计算弊端开始慢慢显露出来。由于目前通用的交通运行指数计算方式,都是先以流量确定交通状态区间,然后再进行分段函数模型计算;该传统方式会忽视到很多问题:一是不同车型的速度是不同的。公交车车速慢,即使畅通的情况下车速仍然不高,单纯以平均速度生硬的划分区间明显不合适。另一方面,不同车型的车辆占用的道路空间面积也是不一样的。以往都是以检测器上传的所统计车辆绝对数作为流量,这样单纯以流量确定交通状态区间就会出现不合理。例如:10辆小轿车和5辆公交车,从数量上而言,10辆小轿车应该大于5辆公交车;但是从占有道路空间面积的角度而言,10辆小轿车占有道路空间面积小于5辆公交车。此外,传统方式的计算过程中的参数区间划分大多都是凭经验或者已有的行业标准或者地方标准为准,主要是地方标准居多,目前有地方标准的地方主要是北京、广州和浙江省,显然不具备通用性,其他地方要使用的时候生搬硬套也难以满足需要。如何寻求一种操作便捷且合理的基于交通场面雷达的路段交通运行指数计算方法,以更加科学而高效的进行当前路段的交通状态判别,从而方便了解当前路段的交通拥堵情况,以提升当前交通通行效率,为本领域近年来所亟待解决的技术难题。
发明内容
本发明的目的为克服上述现有技术的不足,提供一种基于交通场面雷达的路段交通运行指数计算方法;其具备适用性强、取样计算灵活以及判别精准的有点,能更加科学而高效的进行当前路段的交通状态判别,从而方便了解当前路段的交通拥堵情况,最终可有效提升当前路段的交通通行效率。
为实现上述目的,本发明采用了以下技术方案:
一种基于交通场面雷达的路段交通运行指数计算方法,其特征在于包括以下步骤:
1)、在路段上安装交通场面雷达并校准调试;
2)、获取交通场面雷达的采集数据;
3)、计算路段的单个采样周期的当量交通量,如下;
设定一个采样周期;将一个采样周期内各类车辆的车辆数,以换算系数换算成标准车型的当量交通量,获得路段的当量交通量,公式如下:
q=∑NiEi
其中:
q是路段单个采样周期的当量交通量;
Ni是路段上单个采样周期内第i种车型的车辆数;
Ei是路段上单个采样周期内第i种车型的换算系数;
4)、获得以当量交通量为基础参数的交通状态划分区间,包括以下三个子步骤:
a、取一个月的路段当量交通量数据作为样本数据,记为Q={q1,q2......qn};
b、采用k-均值聚类方法,将样本集合Q={q1,q2......qn}划分为5类,聚类中心分别是Q1、Q2、Q3、Q4、Q5;
c、获得5类交通状态划分区间分别是:[0,(Q1+Q2)/2]、((Q1+Q2)/2,(Q2+Q3)/2]、((Q2+Q3)/2,(Q3+Q4)/2]、((Q3+Q4)/2,(Q4+Q5)/2]、((Q4+Q5)/2,Qmax),其中,区间内数值越大表明拥堵越严重,Qmax是路段的理想状态下的最大通行能力;
为便于计算,将区间简化为[0,A1]、(A1,A2]、(A2,A3]、(A3,A4]、(A4,Qmax);其中:
A1=(Q1+Q2)/2;A2=(Q2+Q3)/2;A3=(Q3+Q4)/2;A4=(Q4+Q5)/2;
5)、建立如下高架桥交通运行指数TCI模型,获得高架桥交通运行指数P:
式中:
P是路段交通运行指数;
q是路段单个采样周期的当量交通量;
Qmax是路段的理想状态下的最大通行能力。
所述步骤2)中,交通场面雷达的采集数据至少包括车辆ID数据、车辆类型数据以及上传的时间戳数据。
所述步骤3)中,以每5分钟作为一个采样周期。
本发明的有益效果在于:
1)、通过上述方案,一方面,抛弃了传统的以检测器上传的所统计车辆绝对数作为流量,而导致的交通状态判别不合理状况。本发通过巧妙的以路段当量交通量作为度量标准,依靠将所有车型都转化成标准车,然后以当量交通量作为基础参数进行交通状态判别,显然更加科学合理,判别准确度也更高。另一方面,本发明以路段已有的历史数据为样本,通过数据挖掘的方法,从而实现其交通状态区间的划分,其划分过程更为灵活;与传统的地域性极强的交通状态区间划分不同,本发明可广泛的适用于到不同的地方,适用性更强。
综上,本发明以综合考虑车型因素的当量交通量为度量标准,通过路段历史数据特性自动划分交通状态划分区间,并最终达到建立模型计算交通运行指数的目的,以客观而快速可靠的得到当前路段的交通运行指数数据。经由本发明计算获得的交通运行指数,能更为基准而可靠的了解当前路段的交通拥堵情况,不仅方便用户能自主选择和适时变更更为合适的出行路线,同时交通管理者也可以通过交通运行指数进行一些中观和宏观层面的交通规律性研究,以制定一些有针对性的政策方针。相对传统的计算结果呆板而效率低下的交通运行指数计算模式而言,本发明的计算过程简洁,客观性强,计算灵活多变而适用面广,在线的交通状态判断准确度高,可有效提升当地的交通通行效率。
附图说明
图1为本发明的方法流程图。
具体实施方式
为便于理解,此处结合附图1对本发明的具体实施步骤作以下描述:
如图1所示,本发明所具体包含的步骤为:
1)、在路段上安装交通场面雷达并校准调试;
2)、获取交通场面雷达的采集数据;
3)、计算路段的单个采样周期的当量交通量;
4)、计算以当量交通量为基础参数的交通状态划分区间;
5)、计算路段交通运行指数。
其中,步骤1)的在路段上安装交通场面雷达并校准调试,是指交通场面雷达的安装、部署和调试,严格按照交通场面雷达的操作手册进行操作,确保交通场面雷达的安装高度和角度达到数据采集的要求。
步骤2)的获取交通场面雷达的采集数据,是指通过通信网络将前端设备采集的数据回传到后台,这些数据包括车辆ID数据、车辆类型数据、上传的时间戳数据等。
步骤3)的计算路段的单个采样周期的当量交通量,也即以5分钟作为一个采样周期,采样周期可以根据实际需要进行调整。将一个采样周期内各类车辆的车辆数,以换算系数换算成标准车型的当量交通量,获得路段的当量交通量。公式如下:
q=∑NiEi
其中:
q是路段单个采样周期的当量交通量;
Ni是路段上单个采样周期内第i种车型的车辆数;
Ei是路段上单个采样周期内第i种车型的换算系数。
换算系数Ei的取值在我国的《公路工程技术标准》和《城市道路设计规范》均有规定。城市道路中的换算系数与公路中的换算系数有些许差异,交叉口与路段也有差异。在我国,是以小客车为标准车型,具体可参见《公路工程技术标准》和《城市道路设计规范》。本发明根据CJJ37-2012《城市道路工程设计规范》中4.1.2规定:交通量换算应采用小客车为标准车型,各种车辆的换算系统应符合表1的规定。
表1车辆换算系数
车辆类型 | 小客车 | 大型客车 | 大型货车 | 铰接车 |
换算系数 | 1.0 | 2.0 | 2.5 | 3.0 |
当计算以当量交通量为基础参数的交通状态划分区间时:首先,按照《城市道路交通拥堵评价指标体系》规定,交通状态分为5个等级,分别是非常畅通、畅通、轻度拥堵、中度拥堵、严重拥堵。为符合上述国标规定,将当量交通量的样本数据划分为5类。具体计算的子步骤如下:
a、取一个月的路段当量交通量数据作为样本数据,记为Q={q1,q2......qn};
b、采用k-均值聚类方法,将样本集合Q={q1,q2......qn}划分为5类。采用matlab软件直接计算得到聚类中心分别是Q1、Q2、Q3、Q4、Q5。而K-均值聚类的思路是:先随机选取5个对象作为初始的聚类中心;然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类;一旦全部对象都被分配了,每个聚类的聚类中心会根据聚类中现有的对象被重新计算。上述过程将不断重复直到满足某个终止条件,也就是算法收敛,则结束,输出聚类中心Q1、Q2、Q3、Q4、Q5。如果在一次迭代前后,J的值没有发生变化,说明算法已经收敛。J是目标函数,公式如下:
其中:
是样本点与聚类中心cj之间的距离度量。
c、确定5类交通状态划分区间;
当按照上述国标进行区间划分后,显然的,交通状态非常畅通、畅通、轻度拥堵、中度拥堵、严重拥堵五类对应的当量交通量区间分别是[0,(Q1+Q2)/2]、((Q1+Q2)/2,(Q2+Q3)/2]、((Q2+Q3)/2,(Q3+Q4)/2]、((Q3+Q4)/2,(Q4+Q5)/2]、((Q4+Q5)/2,Qmax),其中,区间内数值越大表明拥堵越严重,Qmax是路段的理想状态下的最大通行能力;
为便于计算,将区间简化为[0,A1]、(A1,A2]、(A2,A3]、(A3,A4]、(A4,Qmax);其中:
A1=(Q1+Q2)/2;A2=(Q2+Q3)/2;A3=(Q3+Q4)/2;A4=(Q4+Q5)/2;
计算路段交通运行指数,是综合反映道路网畅通或拥堵的概念性指数值。交通指数取值范围为0~10,分为五个级别,分别时非常畅通、畅通、轻度拥堵、中度拥堵、严重拥堵,数值越高表明交通拥堵状况越严重。此时,建立路段交通运行指数计算模型如下:
式中:
P是路段交通运行指数;
q是路段单个采样周期的当量交通量;
Qmax是路段的理想状态下的最大通行能力。
上述交通运行指数计算模型的q区间的划分是自主的根据道路实际交通流参数特性计算出来的,其具体来源依据为《道路通行能力手册2000》,其中高架桥属于城市街道等级I。此外,区间的取值是[0,A1]、(A1,A2]、(A2,A3]、(A3,A4]、(A4,Qmax),其中:
A1=(Q1+Q2)/2;A2=(Q2+Q3)/2;A3=(Q3+Q4)/2;A4=(Q4+Q5)/2;
Qmax的计算公式如下:
Qmax=QC÷12
其中:
QC是路段单车道基本通行能力;
QC单车道基本通行能力的取值参考CJJ37-2012《城市道路工程设计规范》中的《4通行能力与服务水平》。在此列出了该规范中关于快速路单车道通行能力的规定,具体内容如下表2:
表2关于快速路单车道通行能力的规定
设计速度km/h | 100 | 80 | 60 |
基本通行能力pcu/h | 2200 | 2100 | 1800 |
设计通行能力pcu/h | 2000 | 1750 | 1400 |
为进一步加深对本发明的理解,此处提供了以下实施例,以对本发明作进一步的具体论述:
实施例:
选择合肥市某一路段作为试验路段,安装交通场面雷达,获得了12:00~12:05这一采样周期的车辆数据。经交通场面雷达后台数据库数据统计得出:小客车数据为58辆、大型客车9辆、大型货车2辆。获得:
q=∑NiE=i=58*1+9*2+2*2.5=81
在后台数据库中选择实验路段1个月的当量交通量数据作为样本集合,Q={15,100,67......113};
采用matlab软件,写入代码可以直接计算得到聚类中心分别是34.6、69.8、105、141.2、166。
通过计算得到交通状态非常畅通、畅通、轻度拥堵、中度拥堵、严重拥堵五类对应的当量交通量区间分别是[0,52.2]、(52.2,87.4]、(87.4,123.1]、(123.1,153.6]、(153.6,175)。
故得到该路段交通运行指数计算公式:
由于12:00~12:05这一采样周期的当量交通量q=81,代入公式计算得到:
P=3.07
故该实验路段在12:00~12:05时的交通运行指数是3.07。
Claims (3)
1.一种基于交通场面雷达的路段交通运行指数计算方法,其特征在于包括以下步骤:
1)、在路段上安装交通场面雷达并校准调试;
2)、获取交通场面雷达的采集数据;
3)、计算路段的单个采样周期的当量交通量,如下;
设定一个采样周期;将一个采样周期内各类车辆的车辆数,以换算系数换算成标准车型的当量交通量,获得路段的当量交通量,公式如下:
q=∑NiEi
其中:
q是路段单个采样周期的当量交通量;
Ni是路段上单个采样周期内第i种车型的车辆数;
Ei是路段上单个采样周期内第i种车型的换算系数;
4)、获得以当量交通量为基础参数的交通状态划分区间,包括以下三个子步骤:
a、取一个月的路段当量交通量数据作为样本数据,记为Q={q1,q2......qn};
b、采用k-均值聚类方法,将样本集合Q={q1,q2......qn}划分为5类,聚类中心分别是Q1、Q2、Q3、Q4、Q5;
c、获得5类交通状态划分区间分别是:[0,(Q1+Q2)/2]、((Q1+Q2)/2,(Q2+Q3)/2]、((Q2+Q3)/2,(Q3+Q4)/2]、((Q3+Q4)/2,(Q4+Q5)/2]、((Q4+Q5)/2,Qmax),其中,区间内数值越大表明拥堵越严重,Qmax是路段的理想状态下的最大通行能力;
为便于计算,将区间简化为[0,A1]、(A1,A2]、(A2,A3]、(A3,A4]、(A4,Qmax);其中:
A1=(Q1+Q2)/2;A2=(Q2+Q3)/2;A3=(Q3+Q4)/2;A4=(Q4+Q5)/2;
5)、建立如下高架桥交通运行指数TCI模型,获得高架桥交通运行指数P:
<mrow>
<mi>P</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mi>q</mi>
<msub>
<mi>A</mi>
<mn>1</mn>
</msub>
</mfrac>
<mo>*</mo>
<mn>2</mn>
<mo>,</mo>
<mn>0</mn>
<mo><</mo>
<mi>q</mi>
<mo>&le;</mo>
<msub>
<mi>A</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>2</mn>
<mo>+</mo>
<mfrac>
<mrow>
<mi>q</mi>
<mo>-</mo>
<msub>
<mi>A</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>A</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>A</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<mn>2</mn>
<mo>,</mo>
<msub>
<mi>A</mi>
<mn>1</mn>
</msub>
<mo><</mo>
<mi>q</mi>
<mo>&le;</mo>
<msub>
<mi>A</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>4</mn>
<mo>+</mo>
<mfrac>
<mrow>
<mi>q</mi>
<mo>-</mo>
<msub>
<mi>A</mi>
<mn>2</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>A</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>A</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<mn>2</mn>
<mo>,</mo>
<msub>
<mi>A</mi>
<mn>2</mn>
</msub>
<mo><</mo>
<mi>q</mi>
<mo>&le;</mo>
<msub>
<mi>A</mi>
<mn>3</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>6</mn>
<mo>+</mo>
<mfrac>
<mrow>
<mi>q</mi>
<mo>-</mo>
<msub>
<mi>A</mi>
<mn>3</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>A</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>A</mi>
<mn>4</mn>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<mn>2</mn>
<mo>,</mo>
<msub>
<mi>A</mi>
<mn>3</mn>
</msub>
<mo><</mo>
<mi>q</mi>
<mo>&le;</mo>
<msub>
<mi>A</mi>
<mn>4</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>8</mn>
<mo>+</mo>
<mfrac>
<mrow>
<mi>q</mi>
<mo>-</mo>
<msub>
<mi>A</mi>
<mn>4</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>Q</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>A</mi>
<mn>4</mn>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<mn>2</mn>
<mo>,</mo>
<msub>
<mi>A</mi>
<mn>4</mn>
</msub>
<mo><</mo>
<mi>q</mi>
<mo><</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>10</mn>
<mo>,</mo>
<mi>q</mi>
<mo>&GreaterEqual;</mo>
<msub>
<mi>Q</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中:
P是路段交通运行指数;
q是路段单个采样周期的当量交通量;
Qmax是路段的理想状态下的最大通行能力。
2.根据权利要求1所述的一种基于交通场面雷达的路段交通运行指数计算方法,其特征在于:所述步骤2)中,交通场面雷达的采集数据至少包括车辆ID数据、车辆类型数据以及上传的时间戳数据。
3.根据权利要求1或2所述的一种基于交通场面雷达的路段交通运行指数计算方法,其特征在于:所述步骤3)中,以每5分钟作为一个采样周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610487007.XA CN105931463B (zh) | 2016-06-27 | 2016-06-27 | 基于交通场面雷达的路段交通运行指数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610487007.XA CN105931463B (zh) | 2016-06-27 | 2016-06-27 | 基于交通场面雷达的路段交通运行指数计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105931463A CN105931463A (zh) | 2016-09-07 |
CN105931463B true CN105931463B (zh) | 2018-03-02 |
Family
ID=56829035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610487007.XA Active CN105931463B (zh) | 2016-06-27 | 2016-06-27 | 基于交通场面雷达的路段交通运行指数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105931463B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803348A (zh) * | 2017-03-28 | 2017-06-06 | 安徽四创电子股份有限公司 | 一种基于卡口的高架道路车辆行程时间短时预测方法 |
CN110363988B (zh) * | 2019-07-11 | 2021-05-28 | 南京慧尔视智能科技有限公司 | 一种交叉口车辆通行效率的计算系统及方法 |
CN113870570B (zh) * | 2021-12-02 | 2022-02-18 | 湖南省交通科学研究院有限公司 | 一种基于etc的路网运行状态方法、系统和存储介质 |
CN116092296B (zh) * | 2023-03-06 | 2023-08-18 | 交通运输部科学研究院 | 交通状态评估方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10136646A1 (de) * | 2001-07-20 | 2003-02-06 | Ddg Ges Fuer Verkehrsdaten Mbh | Verfahren zur Flußbilanzierung von Fahrzeugen |
CN103761430B (zh) * | 2014-01-10 | 2017-07-07 | 安徽科力信息产业有限责任公司 | 一种基于浮动车的路网高峰时段识别方法 |
CN104809870A (zh) * | 2015-04-10 | 2015-07-29 | 安徽四创电子股份有限公司 | 一种高架桥入口匝道交通拥堵等级估计方法 |
CN105185107A (zh) * | 2015-07-23 | 2015-12-23 | 合肥革绿信息科技有限公司 | 一种基于gps的交通运行趋势推测方法 |
CN105303832B (zh) * | 2015-11-05 | 2018-01-19 | 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路段交通拥堵指数计算方法 |
-
2016
- 2016-06-27 CN CN201610487007.XA patent/CN105931463B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105931463A (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931463B (zh) | 基于交通场面雷达的路段交通运行指数计算方法 | |
CN108109382B (zh) | 基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 | |
CN102968901B (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
CN107901916B (zh) | 一种无需增装传感器的车辆载重获取方法 | |
Liu et al. | Modelling the multilevel structure and mixed effects of the factors influencing the energy consumption of electric vehicles | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN109215350B (zh) | 一种基于rfid电子车牌数据的短期交通状态预测方法 | |
CN106816008B (zh) | 一种道路拥堵预警及拥堵形成时间预测方法 | |
CN108256714A (zh) | 一种基于车联网大数据的行车轨迹实时风险评估模型 | |
CN102592453B (zh) | 一种基于时间窗口的实时交通状况判别方法 | |
CN107085943B (zh) | 一种道路旅行时间短期预测方法和系统 | |
CN104680789B (zh) | 一种快速道路拥堵指数估算及预测方法 | |
CN102289933B (zh) | 一种城市快速路交通事件影响空间范围等级预测方法 | |
CN103578273B (zh) | 一种基于微波雷达数据的道路交通状态估计方法 | |
CN104715610A (zh) | 一种面向城市交通的交通指数计算方法 | |
CN104408925A (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN106530709B (zh) | 一种面向用户的高速公路交通指数发布系统 | |
CN109697854A (zh) | 多维度的城市道路交通状态评估方法 | |
CN107180270A (zh) | 客流预测方法及系统 | |
CN103632547B (zh) | 移动瓶颈影响下路段行程时间预测系统及实现方法 | |
CN103942953A (zh) | 一种基于浮动车数据的城市路网动态交通拥挤预测方法 | |
CN109191849A (zh) | 一种基于多源数据特征提取的交通拥堵持续时间预测方法 | |
CN104318773A (zh) | 一种基于交通拥堵时空总量的交通拥堵测定方法 | |
CN106816009A (zh) | 高速公路实时交通拥堵路况检测方法及其系统 | |
CN103198713A (zh) | 基于交通数据和天气数据的减少交通事故的车辆调控方法 |
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 |