CN106530757B - 一种高架匝道智能信号调控方法 - Google Patents

一种高架匝道智能信号调控方法 Download PDF

Info

Publication number
CN106530757B
CN106530757B CN201610858545.5A CN201610858545A CN106530757B CN 106530757 B CN106530757 B CN 106530757B CN 201610858545 A CN201610858545 A CN 201610858545A CN 106530757 B CN106530757 B CN 106530757B
Authority
CN
China
Prior art keywords
section
flow
ramp
density
speed
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
Application number
CN201610858545.5A
Other languages
English (en)
Other versions
CN106530757A (zh
Inventor
李建元
王辉
李丹
蒋伶华
陈涛
应康平
范鸿俊
袁进良
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.)
Yinjiang Technology Co.,Ltd.
Original Assignee
Enjoyor 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 Enjoyor Co Ltd filed Critical Enjoyor Co Ltd
Priority to CN201610858545.5A priority Critical patent/CN106530757B/zh
Publication of CN106530757A publication Critical patent/CN106530757A/zh
Application granted granted Critical
Publication of CN106530757B publication Critical patent/CN106530757B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/075—Ramp control
    • 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
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles

Abstract

一种高架匝道智能信号调控方法，包括如下步骤：步骤1：高架桥面交通状态数据采集：采集高架桥面的实时交通流量数据；步骤2：对采集的高架桥面流量与设定的流量阈值进行对比，若实时流量超过阈值，判断桥面堵塞；否则桥面处于未堵塞状态；步骤3：创建出口截面；步骤4：计算出口截面上游各段可变限制速度及各入口匝道控制率，设高架可分为多个路段，每个路段带一个入口匝道，出口匝道数不限；TTS为关于rk(t),k＝1,…,K的函数，最小化TTS，即计算rk(t),k＝1,…,K的组合使得TTS最小，通过线性规划方法计算rk(t),k＝1,…,K，则得到各入口匝道控制率。本发明简单有效、成本较低、实时性良好。

Description

一种高架匝道智能信号调控方法
技术领域
本发明涉及智能交通领域，尤其涉及一种高架匝道智能信号调控方法。
背景技术
随着社会经济的发展和人们生活水平的提高，越来越多的人和家庭选择驾车出行，这导致了已经恶化的城市交通拥堵愈发严重，尤其是作为城市快速交通设施和城市交通主躯干而承担了城市交通大部分流量的高架道路，拥堵情况日益严重，大大延误了公众出行时间，造成了资源的浪费。高架道路运行情况的好坏直接影响整个城市交通网的运行状态以及公众出行体验。为了有效调控高架道路交通流量，缓解高架道路拥堵情况，优化高架道路运行状态，在高架入口匝道布设信号灯，对信号灯进行调控成为研究者和交通管理者的应对措施。
传统的高架入口匝道信号调控大多是通过人工方式在高架流量较多、交通较拥堵时进行匝道的限行关闭，这种方式需要人力成本，且存在延迟。通过智能交通信息采集和分析技术，实现高架入口匝道的智能信号调控，是匝道控制管理发展的方向和研究的重点。
匝道智能信号调控分为单点调控和协调调控，单点调控方法只调节单个入口匝道，不考虑匝道之间的协调，包括有ZONE算法、ALINEA算法、神经网络算法等，其中ZONE算法参数调整复杂，ALINEA算法和神经网络算法实时性差。协调调控方法结合单点调控方法和多匝道协作控制，进一步调整各匝道流量调控率，避免主要匝道塞车，包括有HELPER算法、LINKED-RAMP算法等，上述两种算法没有提供如何给不同匝道分配调节率，且LINKED-RAMP算法不适合用于拥堵时的交通情况。另外，BOTTLENECK算法、SWARM算法、模糊逻辑算法线性规划算法、DMCS算法等存在没有基于OD信息、模型复杂、求解过程繁琐等缺点。已有专利《一种基于阵列雷达的高架匝道智能信号控制方法及装置》需要在高架道路上安装新的设备，而基于微波、线圈等方式的方法数据本身的延时较大。
发明内容
为了克服已有高架匝道信号调控方法的模型复杂、成本较高、实时性较差的不足,本发明提供了一种简单有效、成本较低、实时性良好的高架匝道智能信号调控方法。
本发明解决其技术问题所采用的技术方案是：
一种高架匝道智能信号调控方法，包括如下步骤：
步骤1：高架桥面交通状态数据采集
采集高架桥面的实时交通流量数据，设置周期为T。
步骤2：判断高架桥面是否堵塞
对采集的高架桥面流量与设定的流量阈值进行对比，若实时流量超过阈值，则判断桥面堵塞；否则桥面处于未堵塞状态；
步骤3：创建出口截面
当高架桥面堵塞时，其下游的通行能力下降，设堵塞断面下游为目标断面，目标变为提高目标断面的通行能力，使其接近最大容量；在目标断面上游创建出口截面，使出口截面的流量接近目标断面的通行能力，速度接近自由速度，所述自由速度为畅通情况下的自由行驶速度；出口截面的长度为从速度为0加速到理想速度时所需要的长度，如下式所示：
其中，Ldis为出口截面长度，单位为米，Vdir为理想速度，aave为平均加速度，Ladd为考虑到车辆变道等因素而附加的长度；
步骤4：采用可变限制速度与匝道控制融合算法计算出口截面上游各段可变限制速度及各入口匝道控制率，设高架可分为多个路段，每个路段带一个入口匝道，出口匝道数不限，过程如下：
4.1)确定目标函数：匝道控制的目标为恢复目标断面的通行能力、最小化总耗费时间、最大化总旅行距离，在第t时间步的目标函数由下式表示：
R＝TTS-TTD (2)
其中，R为目标函数，TTS是总耗费时间，TTD是总旅行距离，αttd,K表征最大化路段K流量的重要性，αttd,0表征最大化路段0流量的重要性，路段K为临界可变限制速度区域，为使其输出流量接近目标断面通行能力，令αttd,K＞＞αttd,0>0，ωk为路段k的入口匝道排队长度。ρk为路段k的密度，Lk为路段k长度，lk为路段k车道数，Ts为密度从堵塞密度恢复到理想密度所耗费时间，qk为路段k的流量，qK为路段K的流量，lKqK≈Qb，Qb为目标断面通行能力；TTS的前一项表示各路段车辆旅行时间之和，后一项表示入口匝道车辆排队时间；
qk根据下式计算得到：
其中，为前一时间路段k-1的流量，sk(t)为路段k总出口匝道流量(单位veh/h)，dk(t)为入口匝道k的需求，Qk为路段k通行能力，Qk,o为入口匝道k通行容量，Rk(t)为入口匝道k估计流量，取入口匝道需求、通行能力及主干道能接收流量的最小值；
4.2)ρk(t+1)根据密度动态预测公式得到：
其中，rk(t)为路段k入口匝道控制率，uk-1为堵塞区域上游路段的可变限制速度，uk为堵塞区域内路段的可变限制速度，ρk(t)为前一时间路段k密度。
4.3)计算uk(t)，计算公式如下：
αk(t)＝H(Qk-qk(t)) (9)
其中，uk(t)为可变限制速度，Vf为自由速度，αk(t)为入口匝道需求参数，βk为入口匝道长度参数， 0≤ε≤1为平衡入口匝道需求与入口匝道容量优先顺序的参数，vac为满足驾驶员接受程度所设置的速度变化量限制，γ为增益参数，uK(t)为临界可变限制速度，是最上游路段的可变限制速度，为出口截面速度，ρc为临界密度，为出口截面密度；
4.4)计算uk-1(t)
堵塞区域为流量存储段，当上游流量需求较大时，堵塞区域可能反向传播至上游导致流量存储段变大，因此上游路段按同理设置可变限制速度：
其中，Vst(t)为流量存储段的速度，Vst(t)根据下式确定：
Vst(t)×ρst(t)≥Qb (15)
ρc≤ρst(t)≤ρJ (16)
其中，ρst(t)为流量存储段的密度，ρc为临界密度，ρJ为堵塞密度，ρst(t)根据经验值选取；
当确定ρst(t)和Vst(t)后，可对上游路段是否应该加入流量存储段进行判断，通过比较ρst(t)与上游路段密度ρk(t)，若ρst(t)≤ρk(t)，则路段k加入流量存储段，否则不加入；
4.5)Ts为密度从堵塞密度ρJ恢复到理想密度ρb所耗费时间，设在最大通行能力Qb时的理想速度为Vb，则理想密度为
堵塞密度ρI恢复到理想密度ρb所耗费时间Ts为
其中，uK、ρK分别为临界可变限制速度区域的速度和密度，满足uKρK＜＜Qb，ldis为出口截面的车道数，lb为目标断面车道数，Lb为目标断面长度；
4.6)ωk(t+1)根据以下公式计算得到：
ωk(t+1)＝ωk(t)+Ts[dk(t)-qk,o(t)] (19)
其中，dk为入口匝道k需求，qk,o为入口匝道k估计流量。
结合式(6)、(7)、(13)、(17)和(18)，TTS为关于rk(t),k＝1,…,K的函数，最小化TTS，即计算rk(t),k＝1,…,K的组合使得TTS最小，通过线性规划方法计算rk(t),k＝1,…,K，则得到各入口匝道控制率。
进一步，将式(8)、(14)代入式(7)，式(5)、(19)代入式(4)，然后将式(7)、(18)、(19)代入式(3)，则求得TTS和TTD。
再进一步，所述步骤2中，流量阈值的选取根据历史一段时间内的高架桥面流量与流速关系得到，当流速下降时的流量为临界流量，流量阈值大于临界流量。
本发明的技术构思为：对高架桥面的流量、流速等交通状态进行分析，当桥面流量需求过度、路段交通堵塞导致下游的目标断面通行能力下降时，在目标断面上游设置出口截面，通过可变速度限制(VSL)方法控制从出口截面上游驶入的流量，并设置上游入口匝道的流量控制率，从而使目标断面恢复瓶颈流量，接近其通行能力。本发明方法能在实时获取高架交通状态的基础上不断更新，能实时对高架匝道进行调控；同时本发明方法兼顾主干道交通流及入口匝道排队情况，能极大避免入口匝道因排队过长产生的流量回溢现象。
本发明的有益效果主要表现在：(1)低成本。本发明方法是基于已有交通数据采集设备，无需安装新设备，且摒弃了人工调控操作，使人力、物力成本达到最低。
(2)可行性强。在分析高架交通状态基础上对高架桥面和入口匝道进行管控，以便恢复高架通行能力，原理简单、可行性强。
(3)实时性强。本发明方法能采集高架实时交通状态数据，并做出实时高架截面和入口匝道管控策略，具有较好的实时性。
(4)可靠性高。本发明方法兼顾入口匝道的排队情况，能有效防止入口匝道排队引起的流量回溢现象。
附图说明
图1是高架匝道智能信号调控方法的流程图。
图2是流量流速关系示意图。
图3是高架桥面示意图，其中，(a)表示目标断面上游出现堵塞时的状态，(b)表示在目标断面上游创建出口截面。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图3，一种高架匝道智能信号调控方法，包括以下步骤：
步骤1：高架桥面交通状态数据采集。采集高架桥面的实时交通流量数据，采集周期一般选为5分钟。
步骤2：判断高架桥面是否堵塞。对采集的高架桥面流量与设定的流量阈值进行对比，若实时流量超过阈值，则判断桥面堵塞；否则桥面处于未堵塞状态。流量阈值的选取根据历史一段时间内的高架桥面流量与流速关系得到，当流速下降时的流量为临界流量，流量阈值略大于临界流量。以图2所示杭州市中河高架庆春路南向北方向卡口设备流量流速关系图为例，黑色实线为流量，黑色虚线为流速，当流量为150时，流速明显下降，因此流量阈值可设为160veh/5分钟。
步骤3：创建出口截面。当高架桥面堵塞时，其下游的通行能力下降，设堵塞断面下游为目标断面，则本发明方法的目标变为提高目标断面的通行能力，使其接近最大容量。如图3(a)所示，目标断面上游出现堵塞时，将导致从上游流入目标断面的流量变小，使得目标断面通行能力降低，为恢复目标断面通行能力，如图3(b)所示在目标断面上游创建出口截面，使出口截面的流量接近目标断面的通行能力，速度接近自由速度(畅通情况下的自由行驶速度)，出口截面上游设置可变限制速度，通过限制上游速度及入口匝道流入量，使得临界可变限制速度区域的流量接近出口截面流量。
出口截面的长度为从速度0加速到理想速度时所需要的长度，计算公式如下：
其中，Ldis为出口截面长度，单位为米，Vdir为理想速度，aave为平均加速度，Ladd为考虑到车辆变道等因素而附加的长度。Vdir可根据高架实际情况设定，以杭州市高架的理想速度80为例，平均加速度设为10，附加长度为100，则
步骤4：采用可变限制速度与匝道控制融合算法计算出口截面上游各段可变限制速度及各入口匝道控制率。设高架可分为多个路段，每个路段带一个入口匝道，出口匝道数不限。计算过程如下：
4.1)确定目标函数。匝道控制的目标为恢复目标断面的通行能力、最小化总耗费时间、最大化总旅行距离，在第t时间步的目标函数可由下式表示：
R＝TTS-TTD (2)
其中，R为目标函数值，TTS是总耗费时间，TTD是总旅行距离，αttd,K表征最大化路段K流量的重要性，αttd,0表征最大化路段0流量的重要性，路段K为临界可变限制速度区域，为使其输出流量接近目标断面通行能力，令αttd,K＞＞αttd,0>0。ωk为路段k的入口匝道排队长度。ρk为路段k的密度，Lk为路段k长度，lk为路段k车道数，Ts为密度从堵塞密度恢复到理想密度所耗费时间，qk为路段k的流量，qK为路段K的流量，lKqK≈Qb，Qb为目标断面通行能力。TTS的前一项表示各路段车辆旅行时间之和，后一项表示入口匝道车辆排队时间。qk可根据下式计算得到：
其中，为前一时间路段k-1的流量，sk(t)为路段k总出口匝道流量(单位veh/h)，dk(t)为入口匝道k的需求，Qk为路段k通行能力，Qk,o为入口匝道k通行容量。
4.2)计算ρk(t+1)。ρk(t+1)可根据密度动态预测公式得到：
其中，rk(t)为路段k入口匝道控制率，uk-1为堵塞区域上游路段的可变限制速度，uk为堵塞区域内路段的可变限制速度，ρk(t)为前一时间路段k密度。
4.3)计算uk(t)。计算公式如下：
αk(t)＝H(Qk-qk(t)) (9)
其中，uk(t)为可变限制速度，Vf为自由速度，αk(t)为入口匝道需求参数，βk为入口匝道长度参数， 0≤ε≤1为平衡入口匝道需求与入口匝道容量优先顺序的参数，vac为满足驾驶员接受程度所设置的速度变化量限制，γ为增益参数，uK(t)为临界可变限制速度，是最上游路段的可变限制速度，为出口截面速度，ρc为临界密度，为出口截面密度。
4.4)计算uk-1(t)。堵塞区域为流量存储段，当上游流量需求较大时，堵塞区域可能反向传播至上游导致流量存储段变大，因此上游路段按同理设置可变限制速度：
其中，Vst(t)为流量存储段的速度，Vst(t)可根据下式确定：
Vst(t)×ρst(t)≥Qb (15)
ρc≤ρst(t)≤ρJ (16)
其中，ρst(t)为流量存储段的密度，ρc为临界密度，ρJ为堵塞密度。ρst(t)可根据经验值选取，Vst(t)可根据ρst(t)值确定。
当确定ρst(t)和Vst(t)后，可对上游路段是否应该加入流量存储段进行判断，通过比较ρst(t)与上游路段密度ρk(t)，若ρst(t)≤ρk(t)，则路段k加入流量存储段，否则不加入。
4.5)计算Ts。Ts为密度从堵塞密度ρJ恢复到理想密度ρb所耗费时间，设在最大通行能力Qb时的理想速度为Vb，则理想密度为
堵塞密度ρJ恢复到理想密度ρb所耗费时间Ts为
其中，uK、ρK分别为临界可变限制速度区域的速度和密度，满足uKρK＜＜Qb，ldis为出口截面的车道数，lb为目标断面车道数，Lb为目标断面长度。
4.6)计算ωk(t+1)。ωk(t+1)可根据入口匝道队列动态模型公式计算得到：
ωk(t+1)＝ωk(t)+Ts[dk(t)-qk,o(t)] (19)
其中，dk为入口匝道k需求，qk,o为入口匝道k估计流量。
将式(8)、(14)代入式(7)，式(5)、(19)代入式(4)，然后将式(7)、(18)、(19)代入式(3)，则求得TTS和TTD；TTS为关于rk(t),k＝1,…,K的函数，最小化TTS，即计算rk(t),k＝1,…,K的组合使得TTS最小，通过线性规划方法计算rk(t),k＝1,…,K，则可到各入口匝道控制率。
通过调控各入口匝道控制率及上游路段速度，能使得目标断面通行能力达到最大，并实现最小化总耗费时间、最大化总旅行距离的约束目标，方法实际可靠，可行性较强。

Claims (3)

1.一种高架匝道智能信号调控方法，其特征在于：包括如下步骤：
步骤1：高架桥面交通状态数据采集
采集高架桥面的实时交通流量数据，设置周期为T；
步骤2：判断高架桥面是否堵塞
对采集的高架桥面流量与设定的流量阈值进行对比，若实时流量超过阈值，则判断桥面堵塞；否则桥面处于未堵塞状态；
步骤3：创建出口截面
当高架桥面堵塞时，其下游的通行能力下降，设堵塞断面下游为目标断面，目标变为提高目标断面的通行能力，使其接近最大容量；在目标断面上游创建出口截面，使出口截面的流量接近目标断面的通行能力，速度接近自由速度，所述自由速度为畅通情况下的自由行驶速度；出口截面的长度为从速度为0加速到理想速度时所需要的长度，如下式所示：
其中，Ldis为出口截面长度，单位为米，Vdir为理想速度，aave为平均加速度，Ladd为考虑到车辆变道因素而附加的长度；
步骤4：采用可变限制速度与匝道控制融合算法计算出口截面上游各段可变限制速度及各入口匝道控制率，设高架可分为多个路段，每个路段带一个入口匝道，出口匝道数不限，过程如下：
4.1)确定目标函数：匝道控制的目标为恢复目标断面的通行能力、最小化总耗费时间、最大化总旅行距离，在第t时间步的目标函数由下式表示：
R＝TTS-TTD (2)
其中，R为目标函数，TTS是总耗费时间，TTD是总旅行距离，αttd,K表征最大化路段K流量的重要性，αttd,0表征最大化路段0流量的重要性，路段K为临界可变限制速度区域，为使其输出流量接近目标断面通行能力，令αttd,K＞＞αttd,0>0，ωk为路段k的入口匝道排队长度；ρk为路段k的密度，Lk为路段k长度，lk为路段k车道数，Ts为密度从堵塞密度恢复到理想密度所耗费时间，qk为路段k的流量，qK为路段K的流量，lKqK≈Qb，Qb为最大通行能力；TTS的前一项表示各路段车辆旅行时间之和，后一项表示入口匝道车辆排队时间；
qk根据下式计算得到：
其中，为前一时间路段k-1的流量，sk(t)为路段k总出口匝道流量，单位veh/h，dk(t)为入口匝道k的需求，Qk为路段k通行能力，Qk,o为入口匝道k通行容量，Rk(t)为入口匝道k估计流量，取入口匝道需求、通行能力及主干道能接收流量的最小值；
4.2)ρk(t+1)根据密度动态预测公式得到：
其中，rk(t)为路段k入口匝道控制率，uk-1为堵塞区域上游路段的可变限制速度，uk为堵塞区域内路段的可变限制速度，ρk(t)为前一时间路段k密度；
4.3)计算uk(t)，计算公式如下：
αk(t)＝H(Qk-qk(t)) (9)
其中，uk(t)为可变限制速度，Vf为自由速度，αk(t)为入口匝道需求参数，βk为入口匝道长度参数，ε)βk(t))＝1，0≤ε≤1为平衡入口匝道需求与入口匝道容量优先顺序的参数，vac为满足驾驶员接受程度所设置的速度变化量限制，γ为增益参数，uK(t)为临界可变限制速度，是最上游路段的可变限制速度，为出口截面速度，ρc为临界密度，为出口截面密度；
4.4)计算uk-1(t)
堵塞区域为流量存储段，当上游流量需求较大时，堵塞区域可能反向传播至上游导致流量存储段变大，因此上游路段按同理设置可变限制速度：
其中，Vst(t)为流量存储段的速度，Vst(t)根据下式确定：
Vst(t)×ρst(t)≥Qb (15)
ρc≤ρst(t)≤ρJ (16)
其中，ρst(t)为流量存储段的密度，ρc为临界密度，ρJ为堵塞密度，ρst(t)根据经验值选取；
当确定ρst(t)和Vst(t)后，可对上游路段是否应该加入流量存储段进行判断，通过比较ρst(t)与上游路段密度ρk(t)，若ρst(t)≤ρk(t)，则路段k加入流量存储段，否则不加入；
4.5)Ts为密度从堵塞密度ρJ恢复到理想密度ρb所耗费时间，设在最大通行能力Qb时的理想速度为Vb，则理想密度为
堵塞密度ρJ恢复到理想密度ρb所耗费时间Ts为
其中，uK、ρK分别为临界可变限制速度区域的速度和密度，满足uKρK＜＜Qb，ldis为出口截面的车道数，lb为目标断面车道数，Lb为目标断面长度；
4.6)ωk(t+1)根据以下公式计算得到：
ωk(t+1)＝ωk(t)+Ts[dk(t)-qk,o(t)] (19)
其中，dk为入口匝道k需求，qk,o为入口匝道k估计流量；
结合式(6)、(7)、(13)、(17)和(18)，TTS为关于rk(t),k＝1,…,K的函数，最小化TTS，即计算rk(t),k＝1,…,K的组合使得TTS最小，通过线性规划方法计算rk(t),k＝1,…,K，则得到各入口匝道控制率。
2.如权利要求1所述的一种高架匝道智能信号调控方法，其特征在于：将式(8)、(14)代入式(7)，式(5)、(19)代入式(4)，然后将式(7)、(18)、(19)代入式(3)，则求得TTS和TTD。
3.如权利要求1或2所述的一种高架匝道智能信号调控方法，其特征在于：所述步骤2中，流量阈值的选取根据历史一段时间内的高架桥面流量与流速关系得到，当流速下降时的流量为临界流量，流量阈值大于临界流量。
CN201610858545.5A 2016-09-28 2016-09-28 一种高架匝道智能信号调控方法 Active CN106530757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610858545.5A CN106530757B (zh) 2016-09-28 2016-09-28 一种高架匝道智能信号调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610858545.5A CN106530757B (zh) 2016-09-28 2016-09-28 一种高架匝道智能信号调控方法

Publications (2)

Publication Number Publication Date
CN106530757A CN106530757A (zh) 2017-03-22
CN106530757B true CN106530757B (zh) 2019-02-12

Family

ID=58344431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610858545.5A Active CN106530757B (zh) 2016-09-28 2016-09-28 一种高架匝道智能信号调控方法

Country Status (1)

Country Link
CN (1) CN106530757B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107268358A (zh) * 2017-06-22 2017-10-20 邹建东 一种高速公路应急出入口
CN109326121B (zh) * 2017-07-31 2020-10-27 交通运输部公路科学研究所 高速公路施工区上游车辆合流控制方法
CN108053648B (zh) * 2017-12-12 2021-07-20 郑州财经学院 拥堵道路的高效通行控制方法
CN110428628B (zh) * 2019-08-31 2022-01-28 招商局重庆交通科研设计院有限公司 道路交通诱导方法
CN110634295A (zh) * 2019-09-28 2019-12-31 安徽百诚慧通科技有限公司 一种利用优化模型计算道路最佳通行能力的方法
CN110766948A (zh) * 2019-11-06 2020-02-07 星云互联(湖南)科技有限公司 一种道路变限速引导方法、设备、系统及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289943A (zh) * 2011-06-29 2011-12-21 浙江工业大学 一种保证高架桥畅通的交通控制方法
CN103366584A (zh) * 2013-06-20 2013-10-23 银江股份有限公司 基于实时交通流检测的自适应潮汐车道控制方法
CN103700251A (zh) * 2013-11-27 2014-04-02 东南大学 一种快速道路上可变限速与匝道控制协调优化控制方法
CN104575051A (zh) * 2015-01-14 2015-04-29 合肥革绿信息科技有限公司 一种基于阵列雷达的高架匝道智能信号控制方法及装置
CN105206068A (zh) * 2015-09-29 2015-12-30 北京工业大学 一种基于车车通信技术进行高速公路合流区安全协调控制方法
KR101607386B1 (ko) * 2014-06-30 2016-03-30 아주대학교산학협력단 고속도로의 화물차 진입제어 방법 및 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289943A (zh) * 2011-06-29 2011-12-21 浙江工业大学 一种保证高架桥畅通的交通控制方法
CN103366584A (zh) * 2013-06-20 2013-10-23 银江股份有限公司 基于实时交通流检测的自适应潮汐车道控制方法
CN103700251A (zh) * 2013-11-27 2014-04-02 东南大学 一种快速道路上可变限速与匝道控制协调优化控制方法
KR101607386B1 (ko) * 2014-06-30 2016-03-30 아주대학교산학협력단 고속도로의 화물차 진입제어 방법 및 장치
CN104575051A (zh) * 2015-01-14 2015-04-29 合肥革绿信息科技有限公司 一种基于阵列雷达的高架匝道智能信号控制方法及装置
CN105206068A (zh) * 2015-09-29 2015-12-30 北京工业大学 一种基于车车通信技术进行高速公路合流区安全协调控制方法

Also Published As

Publication number Publication date
CN106530757A (zh) 2017-03-22

Similar Documents

Publication Publication Date Title
CN106530757B (zh) 一种高架匝道智能信号调控方法
CN108109398A (zh) 一种高架快速路多匝道协调控制系统及控制方法
Iordanidou et al. Feedback-based mainstream traffic flow control for multiple bottlenecks on motorways
Roncoli et al. Hierarchical model predictive control for multi-lane motorways in presence of vehicle automation and communication systems
CN102005122B (zh) 多匝道调节方法及其系统
CN103996289B (zh) 一种流量-速度匹配模型及行程时间预测方法及系统
Papamichail et al. Balancing of queues or waiting times on metered dual-branch on-ramps
CN106710220B (zh) 一种城市道路分层动态协调控制算法及控制方法
CN108510758A (zh) 基于视频实时信息的城市快速路入口匝道信号控制方法
CN105654741B (zh) 一种面向单点瓶颈的上游区域信号控制参数优化方法
CN102360522B (zh) 一种高速公路优化控制方法
CN112885088B (zh) 一种基于动态交通流的多匝道协调控制方法
CN108597235A (zh) 基于交通视频数据的交叉口信号参数优化及效果评估方法
CN106355905B (zh) 一种基于卡口数据的高架信号控制方法
CN109637160A (zh) 一种动态交通条件下的单点控制方法
CN108898854A (zh) 一种基于模型预测控制的多匝道协同控制方法
CN109920244A (zh) 可变车道实时控制系统及方法
Li et al. Integrated approach combining ramp metering and variable speed limits to improve motorway performance
Sun et al. Set of new traffic-responsive ramp-metering algorithms and microscopic simulation results
CN106935044A (zh) 一种基于公交信号优先协调控制的站点位置优化方法
CN109410599A (zh) 一种交通事件下高速公路匝道的协调诱控方法
Roncoli et al. Model predictive control for motorway traffic with mixed manual and VACS-equipped vehicles
Kan et al. Cross-comparison and calibration of two microscopic traffic simulation models for complex freeway corridors with dedicated lanes
CN114743396B (zh) 基于粒子群优化算法的交通诱导调度系统及其调度方法
Liu et al. A ramp metering method based on congestion status in the urban freeway

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 310023 floor 1, building 1, No. 223, Yile Road, Hangzhou, Zhejiang

Patentee after: Yinjiang Technology Co.,Ltd.

Address before: 310023 floor 1, building 1, No. 223, Yile Road, Hangzhou, Zhejiang

Patentee before: ENJOYOR Co.,Ltd.

CP01 Change in the name or title of a patent holder