CN106530762A - 交通信号控制方法和装置 - Google Patents
交通信号控制方法和装置 Download PDFInfo
- Publication number
- CN106530762A CN106530762A CN201611220588.7A CN201611220588A CN106530762A CN 106530762 A CN106530762 A CN 106530762A CN 201611220588 A CN201611220588 A CN 201611220588A CN 106530762 A CN106530762 A CN 106530762A
- Authority
- CN
- China
- Prior art keywords
- intersection
- time
- traffic
- early warning
- time interval
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000010586 diagram Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提出了一种交通信号控制方法和装置,涉及控制技术领域,本方法包括:获取根据历史车流量建立的车流量预测模型,历史车流量为过去的第一时间区间内的每个第一时段内第一路口的各个方向上的历史车流量建立的车流量预测模型;根据车流量预测模型获取未来的第二时间区间内的每个第一时段内第一路口的各个方向上的预测车流量;根据该预测车流量确定第二时间区间内的每个第一时段内第一路口的各个方向上的交通信号灯时间,该方法能够基于历史车流量对未来一段时间的车流量进行预测,并基于预测的车流量来设置交通信号灯的时间,使得交通信号灯的时间设置的更加符合未来车流量的规律,并且能够节约人为调整的成本。
Description
技术领域
本公开涉及控制技术领域,尤其涉及一种交通信号控制方法和装置。
背景技术
随着汽车的保有量不断增多,道路交通的压力越来越重。交通信号灯作为应用最广泛的交通管理器,能够疏导交通流量、提高道路通行能力、减少交通事故。然而,传统的交通信号灯控制方法,是以固定的交通信号灯时间为主,出现需要调整的情况时,由交通管制人员人为调控,往往是在路段陷入拥堵之后才能进行干涉,具有滞后性,耗费时间和资源,交通效率低。
发明内容
本公开提供一种交通信号控制方法和装置,用以解决传统交通信号控制方法具有滞后性,耗费时间和资源、交通效率低的问题。
为了实现上述目的,根据本公开实施例的第一方面,提供一种交通信号控制方法,所述方法包括:
获取根据历史车流量建立的车流量预测模型,所述历史车流量为过去的第一时间区间内的每个第一时段内,所述第一路口的各个方向上的历史车流量建立的车流量预测模型;
根据所述车流量预测模型获取未来的第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量;
根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量确定所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的交通信号灯时间。
可选的,所述方法还包括:
在进入所述第二时间区间中的所述第一时段后,获取在使用所述交通信号灯时间的情况下,所述第一路口的各个方向的交通状态信息;
当根据所述交通状态信息确定所述第一路口的至少一个方向发生交通拥堵时,获取所述至少一个方向的预警级别;
根据所述至少一个方向的预警级别对所述至少一个方向上的交通信号灯时间进行调整。
可选的,当所述第一路口在第一方向上发生交通拥堵时,所述方法还包括:
获取第二路口的路口预警级别,所述第二路口为所述第一路口的沿所述第一方向的下一路口;
根据所述第二路口的路口预警级别对所述第二路口的交通信号灯时间进行调整。
可选的,所述方法还包括:
获取所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的实际车流量;
根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的实际车流量更新所述车流量预测模型,得到更新后的车流量预测模型;
将所述更新后的车流量预测模型作为所述第二时间区间的下一时间区间内的每个所述第一时段内所述第一路口的各个方向上的车流量预测模型。
可选的,所述根据历史车流量建立所述车流量预测模型的方法包括:
对于所述各个方向中的第一方向,根据所述第一时间区间内的每个第一时段内所述第一路口的所述第一方向上的历史车流量建立所述第一方向上的时间序列;其中,所述第一方向为所述第一路口的各个方向中的任一方向;
对所述第一方向上的时间序列进行d阶差分;
根据进行差分后的所述第一方向上的时间序列建立时间序列模型,所述时间序列模型为自回归积分滑动平均模型ARIMA模型;
将所述时间序列模型作为所述第一方向上的车流量预测模型。
可选的,所述根据所述车流量预测模型获取未来的第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量,包括:
对于所述第一方向,根据所述第一方向上的车流量预测模型,利用最小均方误差预测方法获取在所述第二时间区间内的每个所述第一时段内所述第一方向上的预测车流量。
可选的,所述根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量确定所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的交通信号灯时间,包括:
根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量确定所述第一路口的各个方向在所述第一时段的平均预测车流量;
根据所述第一路口的各个方向在所述第一时段的平均预测车流量确定所述第一路口的各个方向的权重;
根据所述第一路口的各个方向的权重确定所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的交通信号灯时间。
可选的,所述在进入所述第二时间区间中的所述第一时段后,获取在使用所述交通信号灯时间的情况下,所述第一路口的各个方向的交通状态信息,包括:
在进入所述第二时间区间中的所述第一时段后,获取在使用所述交通信号灯时间的情况下,所述第一路口的各个方向的平均车速、平均通过时间以及路段车辆负载。
可选的,所述当根据所述交通状态信息确定所述第一路口的至少一个方向发生交通拥堵时,获取所述至少一个方向的预警级别,包括:
当所述第一路口的至少一个方向满足以下至少一者时,确定所述至少一个方向发生交通拥堵:平均车速小于平均车速阈值的时间大于第一时间阈值、平均通过时间大于第二时间阈值、路段车辆负载大于车辆负载阈值;
当确定所述至少一个方向发生交通拥堵时,根据每个发生交通拥堵的方向的平均车速、平均通过时间以及路段车辆负载,以及平均车速的权重、平均通过时间的权重、路段车辆负载的权重确定所述每个发生交通拥堵的方向的预警级别。
可选的,所述获取第二路口的路口预警级别,包括:
当所述第二路口为主路口时,确定所述第二路口的所有一级相邻路口,以及每个所述一级相邻路口的所有二级相邻路口;
获取每个所述二级相邻路口的路口预警级别和权重,所述每个所述二级相邻路口的路口预警级别和权重是预先设置的;
根据每个所述二级相邻路口的路口预警级别和权重,确定每个所述一级相邻路口的路口预警级别;
根据每个所述一级相邻路口的路口预警级别,以及预先设置的每个所述一级相邻路口的权重,确定所述第二路口的路口预警级别;或者,
当所述第二路口为任一主路口的一级相邻路口时,确定所述第二路口的所有二级相邻路口;
获取每个所述二级相邻路口的路口预警级别和权重,所述每个所述二级相邻路口的路口预警级别和权重是预先设置的;
根据每个所述二级相邻路口的路口预警级别和权重,确定所述第二路口的路口预警级别;或者,
当所述第二路口为任一一级相邻路口的二级相邻路口时,获取预先设置的所述第二路口的路口预警级别。
根据本公开实施例的第二方面,提供一种交通信号控制装置,所述装置包括:
模型获取模块、预测模块和时间调整模块;
所述模型获取模块,用于获取根据历史车流量建立的车流量预测模型,所述历史车流量为过去的第一时间区间内的每个第一时段内所述第一路口的各个方向上的历史车流量;
所述预测模块,用于根据所述车流量预测模型获取未来的第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量;
所述时间调整模块,用于根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量确定所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的交通信号灯时间。
可选的,所述装置还包括:交通状态信息获取模块、预警级别获取模块和第一调整模块;
所述交通状态信息获取模块,用于在进入所述第二时间区间中的所述第一时段后,获取在使用所述交通信号灯时间的情况下,所述第一路口的各个方向的交通状态信息;
所述预警级别获取模块,用于当根据所述交通状态信息确定所述第一路口的至少一个方向发生交通拥堵时,获取所述至少一个方向的预警级别;
所述第一调整模块,用于根据所述至少一个方向的预警级别对所述至少一个方向上的交通信号灯时间进行调整。
可选的,所述装置还包括:路口预警级别获取模块和第二调整模块;
所述路口预警级别获取模块,用于当所述第一路口在第一方向上发生交通拥堵时,获取第二路口的路口预警级别,所述第二路口为所述第一路口的沿所述第一方向的下一路口;
所述第二调整模块,用于根据所述第二路口的路口预警级别对所述第二路口的交通信号灯时间进行调整。
可选的,所述装置还包括:车流量监控模块;
所述车流量监控模块,用于获取所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的实际车流量;
所述建模模块,还用于根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的实际车流量更新所述车流量预测模型,得到更新后的车流量预测模型;以及,将所述更新后的车流量预测模型作为所述第二时间区间的下一时间区间内的每个所述第一时段内所述第一路口的各个方向上的车流量预测模型。
可选的,所述装置还包括:建模模块,所述建模模块包括:数据获取子模块、差分子模块和模型建立子模块;
所述数据获取子模块,用于对于所述各个方向中的第一方向,根据所述第一时间区间内的每个第一时段内所述第一路口的所述第一方向上的历史车流量建立所述第一方向上的时间序列;其中,所述第一方向为所述第一路口的各个方向中的任一方向;
所述差分子模块,用于对所述第一方向上的时间序列进行d阶差分;
所述模型建立子模块,用于根据进行差分后的所述第一方向上的时间序列建立时间序列模型,所述时间序列模型为自回归积分滑动平均模型ARIMA模型;将所述时间序列模型作为所述第一方向上的车流量预测模型。
可选的,所述预测模块用于:
对于所述第一方向,根据所述第一方向上的车流量预测模型,利用最小均方误差预测方法获取在所述第二时间区间内的每个所述第一时段内所述第一方向上的预测车流量。
可选的,所述时间调整模块包括:均值获取子模块、权重获取子模块和时间调整子模块
所述均值获取子模块,用于根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量确定所述第一路口的各个方向在所述第一时段的平均预测车流量;
所述权重获取子模块,用于根据所述第一路口的各个方向在所述第一时段的平均预测车流量确定所述第一路口的各个方向的权重;
所述时间调整子模块,用于根据所述第一路口的各个方向的权重确定所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的交通信号灯时间。
可选的,所述交通状态信息获取模块用于:
在进入所述第二时间区间中的所述第一时段后,获取在使用所述交通信号灯时间的情况下,所述第一路口的各个方向的平均车速、平均通过时间以及路段车辆负载。
可选的,所述预警级别获取模块用于:
当所述第一路口的至少一个方向满足以下至少一者时,确定所述至少一个方向发生交通拥堵:平均车速小于平均车速阈值的时间大于第一时间阈值、平均通过时间大于第二时间阈值、路段车辆负载大于车辆负载阈值;
当确定所述至少一个方向发生交通拥堵时,根据每个发生交通拥堵的方向的平均车速、平均通过时间以及路段车辆负载,以及平均车速的权重、平均通过时间的权重、路段车辆负载的权重确定所述每个发生交通拥堵的方向的预警级别。
可选的,所述路口预警级别获取模块用于:
当所述第二路口为主路口时,确定所述第二路口的所有一级相邻路口,以及每个所述一级相邻路口的所有二级相邻路口;
获取每个所述二级相邻路口的路口预警级别和权重,所述每个所述二级相邻路口的路口预警级别和权重是预先设置的;
根据每个所述二级相邻路口的路口预警级别和权重,确定每个所述一级相邻路口的路口预警级别;
根据每个所述一级相邻路口的路口预警级别,以及预先设置的每个所述一级相邻路口的权重,确定所述第二路口的路口预警级别;或者,
当所述第二路口为任一主路口的一级相邻路口时,确定所述第二路口的所有二级相邻路口;
获取每个所述二级相邻路口的路口预警级别和权重,所述每个所述二级相邻路口的路口预警级别和权重是预先设置的;
根据每个所述二级相邻路口的路口预警级别和权重,确定所述第二路口的路口预警级别;或者,
当所述第二路口为任一一级相邻路口的二级相邻路口时,获取预先设置的所述第二路口的路口预警级别。
通过上述技术方案,本公开利用历史车流量建立预测模型预测未来车流量,并根据预测结果设定交通信号灯的时间,同时根据实时采集的交通状态信息,对交通信号灯的时间进行调整,能够解决传统交通信号控制方法具有滞后性,耗费时间和资源,交通效率低的问题,能够基于历史车流量对未来一段时间的车流量进行预测,并基于预测的车流量来设置交通信号灯的时间,能够使得交通信号灯的时间设置的更加符合未来车流量的规律,并且能够节约人为调整所花费的时间和资源,提高交通效率的效果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种交通信号控制方法的流程图;
图2是根据一示例性实施例示出的另一种交通信号控制方法的流程图;
图3是根据一示例性实施例示出的另一种交通信号控制方法的流程图;
图4是根据一示例性实施例示出的另一种交通信号控制方法的流程图;
图5是根据一示例性实施例示出的又一种交通信号控制方法的流程图;
图6是根据一示例性实施例示出的再一种交通信号控制方法的流程图;
图7是根据一示例性实施例示出的一种交通信号控制装置的框图;
图8是根据一示例性实施例示出的另一种交通信号控制装置的框图;
图9是根据一示例性实施例示出的另一种交通信号控制装置的框图;
图10是根据一示例性实施例示出的另一种交通信号控制装置的框图;
图11是根据一示例性实施例示出的另一种交通信号控制装置的框图;
图12是根据一示例性实施例示出的又一种交通信号控制装置的框图;
图13是根据一示例性实施例示出的再一种交通信号控制装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在介绍本公开提供的交通信号控制方法和装置之前,首先对本公开各个实施例所涉及应用场景进行介绍。本公开涉及道路交通场景,道路上行驶的车辆都设置有OBU(Onboard Unit,车载单元),能够通过V2X(Vehicle to X,汽车与外界交互)网络与服务器、设置在道路周围的RSU(Road Side Unit,路边单元)进行通信。其中OBU能够将所在车辆的标识、位置、或者其他行驶信息上报给RSU或服务器,RSU通常设置在交通信号灯附近的指定位置以及两个信号灯之间路段的指定位置,RSU能够通过获取经过的车辆的信息,例如车辆的数量、速度、方向、轨迹等等,获得道路的路况信息并上报给服务器。本公开各个实施例所涉及的交通信号灯,不限于是路口的交通灯或是非路口的交通信号灯(例如,某路段的学校门口或者是管制区域的交通信号灯),并且本公开各个实施例所涉及的路口包括但不限于十字路口、丁字路口或者是其他类型的路口。
图1是根据一示例性实施例示出的一种交通信号控制方法的流程图,如图1所示,该方法包括:
步骤101,获取根据历史车流量建立的车流量预测模型,所述历史车流量为过去的第一时间区间内的每个第一时段内第一路口的各个方向上的历史车流量建立的车流量预测模型。
示例的,第一路口可以是任意一个需要对交通信号灯进行设置的路口。其中第一时间区间为预设的历史车流量采集周期,可以根据具体道路的通行情况、道路施工规划等进行灵活调整。例如,可以设定该第一时间区间为当前时间点的前三个月,第一时段例如可以是周一至周日中的任意一天,也可以是某一天中的任一时段,由于周一至周日的车流量存在差异,甚至同一天的不同时段的车流量也存在差异(如上下班高峰时段,和其他时段车流量差异很大),因此上述的第一时段可以设置为某一天的具体某一时段,例如,第一时间段为周一早上的上班高峰7:00至9:00。可以由RSU采集该第一时间区间内的多个第一时段该第一路口在第一方向(第一方向可以是第一路口的任一方向,例如由南向北行驶的方向)的车流量信息,上传至服务器,车流量信息是一个带有时间信息的序列,其中可以包括通行车辆的数量、通行车辆的行驶方向等。服务器根据RSU采集到的车流量信息,建立一个能够描述该第一路口在第一时段在该第一方向上的车流量的ARIMA模型(AutoregressiveIntegrated Moving Average Model,自回归积分滑动平均模型),作为第一路口在第一时段在该第一方向上的车流量预测模型,其中,当第一时间段为周一早上的上班高峰7:00至9:00时,得到的车流量预测模型可以用于预测未来一段时间内的周一早上的上班高峰7:00至9:00的车流量。同理可以得多该第一路口在第一时段在其他方向上的车流量预测模型。
步骤102,根据车流量预测模型获取未来的第二时间区间内的每个第一时段内第一路口的各个方向上的预测车流量。
需要说明的是,该第二时间区间为预设的未来车流量预测周期,是以当前时间点为起点的未来的一个时间区间,同样可以根据具体道路的通行情况、道路施工规划等进行灵活调整,例如可以设置为从当前时刻起的三个月至一年(或者也可以是其他时间长度),以从当前时刻起的三个月为例,在这三个月内都以步骤101中获取的车流量预测模型进行车流量的预测。第二时间区间内的第一时段与第一时间区间内的第一时段为同一时段,即在步骤101中得到的第一时段内第一路口的第一方向车流量预测模型应当用于预测未来第二时间区间内同时段的车流量。例如,根据前三个月内的每个周一早上7:00至9:00该第一路口的第一方向上的车流量获取的车流量预测模型,应当用于预测后三个月的每个周一早上7:00至9:00该第一路口的第一方向上的车流量。
可选的,在预测车流量时可以采用最小均方误差预测方法,以第一方向为例,根据第一方向上的车流量预测模型,利用最小均方误差预测方法获取在第二时间区间内的每个第一时段内该第一方向上的预测车流量。
步骤103,根据第二时间区间内的每个第一时段内第一路口的各个方向上的预测车流量确定第二时间区间内的每个第一时段内第一路口的各个方向上的交通信号灯时间。
示例的,通常一个道路路口的各个方向(例如南北向,东西向,对于可以双向行驶的路口还可以进行更细的分类,例如由南向北,由北向南,由西向东等等)车流量并不相同,因此可以根据步骤102中得到的第一路口的各个方向的预测车流量来获取每个方向上权重,该权重可以表示在对应方向上车流量的大小,因此可以用于分配各个方向上的时间,权重大的方向预测车流量大,分配的交通信号灯的绿灯时间长,相应的,权重小的方向预测车流量小,分配的交通信号灯的绿灯时间短。
图2是根据一示例性实施例示出的另一种交通信号控制方法的流程图,如图2所示,该方法还包括:
步骤104,在进入第二时间区间中的第一时段后,获取在使用交通信号灯时间的情况下,第一路口的各个方向的交通状态信息。
从步骤101至步骤103,完成对交通信号灯时间的设定,能够适应第二时间区间内的道路在正常通行情况下的交通控制。但是因为道路的通行情况是随时发生变化的,也会出现各种临时、突发的道路状况,所以需要对道路进行实时监控。在使用步骤103所设定的交通信号灯时间的情况下,当时间进入第二时间区间中时,由RSU采集道路的交通状态信息。
其中,交通状态信息可以包括第一路口的各个方向的平均车速、平均通过时间以及路段车辆负载。
步骤105,当根据交通状态信息确定第一路口的至少一个方向发生交通拥堵时,获取至少一个方向的预警级别。
示例的,道路发生交通拥堵,直观上的现象就是道路上的车辆行驶缓慢、通过时间变长、道路上的车辆越来越多。因此,可以根据步骤104中获取的交通状态信息判断第一路口的是否有某个方向发生拥堵。
其中,判断拥堵的方法可以是:当第一路口的至少一个方向满足以下至少一者时,确定该至少一个方向发生交通拥堵:平均车速小于平均车速阈值的时间大于第一时间阈值、平均通过时间大于第二时间阈值、路段车辆负载大于车辆负载阈值。
当确定该至少一个方向发生交通拥堵时,根据每个发生交通拥堵的方向的平均车速、平均通过时间以及路段车辆负载,以及平均车速的权重、平均通过时间的权重、路段车辆负载的权重确定每个发生交通拥堵的方向的预警级别。
示例的,当步骤105判断只有一个方向发生拥堵时,可以直接调整该方向的交通信号灯的显示时间,也可以通过下面的公式将这个路口的每个方向的预警级别都计算一遍,然后根据预警级别重新分配交通信号灯的显示时间。当步骤105判断多个方向发生拥堵时,则需要根据预警级别来调整各个方向的交通信号灯的显示时间。
预警级别可以通过以下公式计算:
其中Wlevel为预警级别,为平均车速,为平均通过时间,为路段车辆负载,ωv为平均车速的权重,ωT为平均通过时间的权重,ωM为路段车辆负载的权重。
其中,关于权重的设置,可以分别设置高、中、低三种重要程度,来表示道路通行情况中各参数的重要程度。各参数的权重可以是固定的,也可以是根据道路通行情况实时调整。举例来说,在上面的公式中,平均车速平均通过时间和路段车辆负载三个参数对应的权重,可以分别设置0.3、0.5、0.7来表示高、中、低三种重要程度。在计算各个方向的预警级别时,对于任何一个方向,可以设置上述三个参数超过阈值的程度来确定权重。
以平均通过时间为例,可以设置两个阈值:分别用于表示平均通过时间超标的时间阈值T1,和平均通过时间严重超标的时间阈值T2,其中T1小于T2。当小于T1时,表示平均通过时间正常,ωv相应设置为0.3;当大于或等于T1且小于T2时,表示平均通过时间超标,可以认为发生拥堵,ωv相应设置为0.5;当大于T2时,表示平均通过时间超标严重,可以认为发生严重拥堵,ωv相应设置为0.7。同理,平均车速和路段车辆负载也可以采用相同的方式来设置权重。其中,为每个变量也可以设置更多的超标等级并相应设置该级别的权重,具体的可以根据实际需要来设置。
示例地,假设第一路口有两个方向,其中第二方向上述的三个参数均正常,第一方向上平均车速和路段车辆负载均正常,但是平均通过时间大于T1但是小于T2,可以判断该第一方向发生拥堵,此时,可以根据上述的公式分别计算第一方向的预警级别为 第二方向的预警级别为 然后根据W1和W2来分配第一方向和第二方向的交通信号灯的显示时间。多个方向同时发生拥堵的计算方法与上述方法相同,不再赘述。
步骤106,根据该至少一个方向的预警级别对该至少一个方向上的交通信号灯时间进行调整。
以第一路口为十字路口,分东西向和南北向为例,当东西向的平均车速小于平均车速阈值的时间大于第一时间阈值时,判断东西向发生拥堵,则调整东西向的交通信号灯的显示时间,若当前该交通信号灯为绿灯,延长该绿灯的显示时间,若当前该交通信号灯为红灯,则延长下一个绿灯的显示时间。若东西向和南北向的平均车速小于平均车速阈值的时间均大于第一时间阈值时,则计算两个方向上的预警级别和各自的权重:
根据得到的权重进行调整后的交通信号灯时间可以表示为:
t1=U1*T
t2=U2*T
其中,Wlevel1为表示东西向的预警级别,Wlevel2为表示南北向的预警级别,U1和U2分别表示东西向和南北向的权重。t1和t2分别表示东西向和南北向的交通信号灯在时间段T内分配的绿灯显示时间。对交通信号灯时间的调整,可以由服务器根据预警级别计算出t1和t2,并将其发送给该路口两个方向上的交通信号灯,也可以由服务器将该路口两个方向的权重U1和U2相应地发送给该路口两个方向上的交通信号灯,由交通信号灯计算各自绿灯的显示时间。
图3是根据一示例性实施例示出的另一种交通信号控制方法的流程图,如图3所示,当第一路口在第一方向上发生交通拥堵时,该方法还可以包括:
步骤107,获取第二路口的路口预警级别,第二路口为第一路口的沿第一方向的下一路口。
示例的,在传统的交通信号控制方法中,遇到交通拥堵的情况通常只能分别调整各路口的交通信号灯,无法预测交通拥堵对周围路口的影响。本实施例中,经过步骤105的判断,第一路口发生拥堵时,获取第二路口的路口预警级别。
其中,道路上的路口可以分为主路口、一相邻级路口、二级相邻路口,主路口可以是城市主干道,一级相邻路口是主路口临近的下一路口,二级相邻路口是一级相邻路口临近的下一路口,其中一个主路口周围可能有多个一级相邻路口,一个一级相邻路口周围可能有多个二级相邻路口。路口预警级别的确定方法可以包括:
当第二路口为主路口时:
首先,确定第二路口的所有一级相邻路口,以及每个一级相邻路口的所有二级相邻路口。
其次,获取每个二级相邻路口的路口预警级别和权重,每个所述二级相邻路口的路口预警级别和权重是预先设置的。
再次,根据每个二级相邻路口的路口预警级别和权重,确定每个一级相邻路口的路口预警级别。
最后,根据每个一级相邻路口的路口预警级别,以及预先设置的每个一级相邻路口的权重,确定第二路口的路口预警级别。
当第二路口为任一主路口的一级相邻路口时:
首先,确定第二路口的所有二级相邻路口。
其次,获取每个二级相邻路口的路口预警级别和权重,每个二级相邻路口的路口预警级别和权重是预先设置的。
最后,根据每个二级相邻路口的路口预警级别和权重,确定第二路口的路口预警级别。
当第二路口为任一一级相邻路口的二级相邻路口时,获取预先设置的第二路口的路口预警级别。
上述的方法可以表示为以下公式:
其中,Di表示主路口i的预警级别,Sik表示主路口i的一级相邻路口k的预警级别,πk表示一级相邻路口k的预警级别的权重,xij表示路口i的二级相邻路口j的预警级别,αj表示二级相邻路口j的预警级别,M表示路口i的二级相邻路口的数量。即可以理解为主路口的路口预警级别可以根据与其相邻的所有一级相邻路口的路口预警级别和相应的权重来确定,而每个一级相邻路口的路口预警级别都可以由与其相邻的的所有二级相邻路口的路口预警级别和相应的权重来确定。
步骤108,根据第二路口的路口预警级别对第二路口的交通信号灯时间进行调整。
该第二路口的路口预警级别能够使第二路口的交通信号灯时间提前做好调整准备,在造成第一路口拥堵的车流量预计到达第二路口时,调整交通信号灯时间。
值得说明的是,当第一路口发生拥堵时,第一路口的RSU可以向第二路口的RSU发送预警消息,第二路口的RSU可以向服务器(RSU可以直接上报给服务器,也可以由RSU向交通信号灯管理设备请求,然后由交通信号灯管理设备上报给服务器)上报这个预警消息,而后由服务器执行步骤107,以及步骤108,其中服务器在进行步骤108时,服务器先根据第二路口的路口预警级别对第二路口的交通信号灯时间进行调整,再将调整后的交通信号灯时间发送至第二路口的交通信号灯管理设备,信号灯管理设备则根据调整后的交通信号灯时间来控制该第二路口的信号灯进行信号灯的控制。或者,当第一路口发生拥堵时,第一路口的RSU可以直接请求服务器调整第二路口的交通信号灯,而后由服务器执行步骤107,以及步骤108。又或者,当第一路口发生拥堵时,第一路口的RSU可以向第二路口的RSU发送预警消息,第二路口的RSU可以向第二路口的交通信号灯管理设备请求调整第二路口的交通信号灯,该交通信号灯管理设备可以具备一定的处理能力,可以获取第二路口的路口预警级别(该预警级别可以从服务器获取,也可以获取本地预先存储的第二路口的路口预警级别),并根据第二路口的路口预警级别对第二路口的交通信号灯时间进行调整。
可选的,还可以获取第三路口的路口预警级别,第三路口为第一路口的沿第一方向的上一路口。即当第一路口发生拥堵时,向第一路口的上一路口进行反馈,使得上一路口根据第一路口的拥堵情况以及自身的路口预警级别来调整交通信号灯时间。
综上所述,本公开利用根据某一路口的某一方向在过去一段时间内某一时段的历史车流量建立的预测模型来预测该路口的相同方向在未来一段时间内的相同时段内的车流量,并根据该路口各个方向的车流预测结果设定该路口的交通信号灯的时间,然后根据实时采集的该路口各个方向的实际车流量来判断该路口各个方向的交通状态,当发生拥堵时对该路口的交通信号灯的时间进行调整,能够解决传统交通信号控制方法具有滞后性,耗费时间和资源,交通效率低的问题。既能够基于历史车流量对未来一段时间的车流量进行预测,并基于预测的车流量来设置交通信号灯的时间,使得交通信号灯的时间设置的更加符合未来车流量的规律,也能够达到实时调整交通信号灯时间,因此能够达到节约人为调整所花费的时间和资源,提高交通效率的效果。并且,当某一路口发生拥堵时,可以对这个路口的邻近路口进行预警,并且可以对这些相邻路口的交通信号灯时间进行调整,能够达到在拥堵到达前就对交通进行提前疏导,避免邻近路口发生交通拥堵的效果。
图4是根据一示例性实施例示出的另一种交通信号控制方法的流程图,如图4所示,该方法还可以包括:
步骤109,获取第二时间区间内的每个第一时段内第一路口的各个方向上的实际车流量。
步骤110,根据第二时间区间内的每个第一时段内第一路口的各个方向上的实际车流量更新车流量预测模型,得到更新后的车流量预测模型。
步骤111,将更新后的车流量预测模型作为第二时间区间的下一时间区间内的每个第一时段内第一路口的各个方向上的车流量预测模型。
需要说明的是,从第二时间区间的起始时刻开始,可以对第二时间区间内RSU采集到的车流量进行存储,到第二时间区间结束时,就获取了第二时间区间内采集到的车流量,那么可以根据该车流量按照上述方法,更新该车流量预测模型(其中更新车流量预测模型可以参照步骤101所示的建模方法重新建立车流量预测模型,也可以采用其他算法对车流量预测模型进行迭代更新),使车流量预测模型能够预测在第二时间区间之后的下一时间区间内的第一时段的车流量(可参照步骤102所示的方法),从而可以对该下一时间区间进行步骤101-106所示的方法。因此,通过对车流量预测模型的不断更新,能够获取该第一路口各个方向上更精准的预测车流量,从而可以使该第一路口的交通信号灯的调整更精准。
图5是根据一示例性实施例示出的又一种交通信号控制方法的流程图,如图5所示,步骤101包括:
步骤1011,对于各个方向中的第一方向,根据第一时间区间内的每个第一时段内第一路口的第一方向上的历史车流量建立第一方向上的时间序列。其中,第一方向为第一路口的各个方向中的任一方向。
步骤1012,对第一方向上的时间序列进行d阶差分。
示例的,以第一路口的第一方向上的历史车流量Xt建立时间序列{Xt}模型,其中t表示第一时间段。{Xt}不是平稳的,差分d次后得到平稳序列
步骤1013,根据进行差分后的第一方向上的时间序列建立时间序列模型,该时间序列模型为ARIMA模型。将该时间序列模型作为第一方向上的车流量预测模型。
Wt是平稳的,对Wt建立ARIMA模型:
Wt=c+φ1Wt-1+φ2Wt-2+…+φpWt-p+εt+θ1εt-1+θ2εt-2+…
+θqεt-q
其中,c是常数,εt是均值为0方差为σ2的白噪声序列,φp是自回归模型系数,θq是残差模型中的系数,p和q是自回归模型阶数。
图6是根据一示例性实施例示出的再一种交通信号控制方法的流程图,如图6所示,步骤103包括:
步骤1031,根据第二时间区间内的每个第一时段内第一路口的各个方向上的预测车流量确定第一路口的各个方向在第一时段的平均预测车流量。
步骤1032,根据第一路口的各个方向在第一时段的平均预测车流量确定第一路口的各个方向的权重。
步骤1033,根据第一路口的各个方向的权重确定第二时间区间内的每个第一时段内第一路口的各个方向上的交通信号灯时间。
以第一路口为十字路口为例来说,首先由步骤1031确定两个方向的平均预测车流量。{Xt(i)}表示东西向车流量预测序列,共包含了第二时间区间内N周的预测车流量,Xt(i)表示该预测序列中第i周中时间段t(即第一时段)的预测车流量,其中i∈{1,2,…,N}。相应的,{Yt(i)}为南北向车流量预测序列,共包含了第二时间区间内N周的预测车流量,Yt(i)表示该预测序列中第i周中时间段t(即第一时段)的预测车流量。那么,东西向的平均预测车流量X和南北向的平均预测车流量Y可以由以下公式计算得到:
其次,根据步骤1032计算东西向的权重I1为:
南北向的权重I2为:
最后根据I1和I2可以确定该交通信号灯的时间,即:
t1=I1*T
t2=I2*T
其中,t1和t2分别为东西向和南北向的交通信号灯的绿灯显示时间。
图7是根据一示例性实施例示出的一种交通信号控制装置的框图,如图7所示,该装置包括:模型获取模块701、预测模块702和时间调整模块703。
模型获取模块701,用于获取根据历史车流量建立的车流量预测模型,所述历史车流量为过去的第一时间区间内的每个第一时段内,所述第一路口的各个方向上的历史车流量。
预测模块702,用于根据车流量预测模型获取未来的第二时间区间内的每个第一时段内所述第一路口的各个方向上的预测车流量。
时间调整模块703,用于根据第二时间区间内的每个第一时段内第一路口的各个方向上的预测车流量确定第二时间区间内的每个第一时段内第一路口的各个方向上的交通信号灯时间。
图8是根据一示例性实施例示出的另一种交通信号控制装置的框图,如图8所示,该装置包括:交通状态信息获取模块704、预警级别获取模块705和第一调整模块706;
交通状态信息获取模块704,用于在进入第二时间区间中的第一时段后,获取在使用交通信号灯时间的情况下,第一路口的各个方向的交通状态信息。
预警级别获取模块705,用于当根据交通状态信息确定第一路口的至少一个方向发生交通拥堵时,获取该至少一个方向的预警级别。
第一调整模块706,用于根据该至少一个方向的预警级别对该至少一个方向上的交通信号灯时间进行调整。
图9是根据一示例性实施例示出的另一种交通信号控制装置的框图,如图9所示,该装置还包括:路口预警级别获取模块707和第二调整模块708;
路口预警级别获取模块707,用于当第一路口在第一方向上发生交通拥堵时,获取第二路口的路口预警级别,第二路口为第一路口的沿第一方向的下一路口。
第二调整模块708,用于根据第二路口的路口预警级别对第二路口的交通信号灯时间进行调整。
图10是根据一示例性实施例示出的另一种交通信号控制装置的框图,如图10所示,该装置还包括:车流量监控模块709;
车流量监控模块709,用于获取第二时间区间内的每个第一时段内第一路口的各个方向上的实际车流量。
建模模块701,还用于根据第二时间区间内的每个第一时段内第一路口的各个方向上的实际车流量更新车流量预测模型,得到更新后的车流量预测模型;以及,将更新后的车流量预测模型作为第二时间区间的下一时间区间内的每个第一时段内第一路口的各个方向上的车流量预测模型。
图11根据一示例性实施例示出的又一种交通信号控制装置的框图,如图11所示,该装置还包括:建模模块710。该建模模块710包括:数据获取子模块7101、差分子模块7102和模型建立子模块7103,如图12所示:
数据获取子模块7101,用于对于各个方向中的第一方向,根据第一时间区间内的每个第一时段内第一路口的第一方向上的历史车流量建立第一方向上的时间序列;其中,第一方向为第一路口的各个方向中的任一方向。
差分子模块7102,用于对第一方向上的时间序列进行d阶差分。
模型建立子模块7103,用于根据进行差分后的第一方向上的时间序列建立时间序列模型,该时间序列模型为自回归积分滑动平均模型ARIMA模型。将该时间序列模型作为第一方向上的车流量预测模型。
可选的,预测模块702用于:
对于所述第一方向,根据所述第一方向上的车流量预测模型,利用最小均方误差预测方法获取在所述第二时间区间内的每个所述第一时段内所述第一方向上的预测车流量。
图13是根据一示例性实施例示出的再一种交通信号控制装置的框图,如图13所示,时间调整模块703包括:均值获取子模块7031、权重获取子模块7032和时间调整子模块7033。
均值获取子模块7031,用于根据第二时间区间内的每个第一时段内第一路口的各个方向上的预测车流量确定第一路口的各个方向在第一时段的平均预测车流量。
权重获取子模块7032,用于根据第一路口的各个方向在第一时段的平均预测车流量确定第一路口的各个方向的权重。
时间调整子模块7033,用于根据第一路口的各个方向的权重确定第二时间区间内的每个第一时段内第一路口的各个方向上的交通信号灯时间。
可选的,交通状态信息获取模块704用于:
在进入第二时间区间中的第一时段后,获取在使用交通信号灯时间的情况下,第一路口的各个方向的平均车速、平均通过时间以及路段车辆负载。
可选的,预警级别获取模块705用于:
当第一路口的至少一个方向满足以下至少一者时,确定该至少一个方向发生交通拥堵:平均车速小于平均车速阈值的时间大于第一时间阈值、平均通过时间大于第二时间阈值、路段车辆负载大于车辆负载阈值。
当确定该至少一个方向发生交通拥堵时,根据每个发生交通拥堵的方向的平均车速、平均通过时间以及路段车辆负载,以及平均车速的权重、平均通过时间的权重、路段车辆负载的权重确定每个发生交通拥堵的方向的预警级别。
可选的,路口预警级别获取模块706用于:
当第二路口为主路口时,确定第二路口的所有一级相邻路口,以及每个一级相邻路口的所有二级相邻路口。
获取每个二级相邻路口的路口预警级别和权重,每个所述二级相邻路口的路口预警级别和权重是预先设置的。
根据每个二级相邻路口的路口预警级别和权重,确定每个一级相邻路口的路口预警级别。
根据每个一级相邻路口的路口预警级别,以及预先设置的每个一级相邻路口的权重,确定第二路口的路口预警级别。或者,
当第二路口为任一主路口的一级相邻路口时,确定第二路口的所有二级相邻路口。
获取每个二级相邻路口的路口预警级别和权重,每个二级相邻路口的路口预警级别和权重是预先设置的。
根据每个二级相邻路口的路口预警级别和权重,确定第二路口的路口预警级别。或者,
当第二路口为任一一级相邻路口的二级相邻路口时,获取预先设置的第二路口的路口预警级别。
其中,上述各个模块所实现功能的具体说明已经在上述方法实施例中进行了详细描述,此处不再赘述。
综上所述,本公开利用根据某一路口的某一方向在过去一段时间内某一时段的历史车流量建立的预测模型来预测该路口的相同方向在未来一段时间内的相同时段内的车流量,并根据该路口各个方向的车流预测结果设定该路口的交通信号灯的时间,然后根据实时采集的该路口各个方向的实际车流量来判断该路口各个方向的交通状态,当发生拥堵时对该路口的交通信号灯的时间进行调整,既能够基于历史车流量对未来一段时间的车流量进行预测,并基于预测的车流量来设置交通信号灯的时间,使得交通信号灯的时间设置的更加符合未来车流量的规律,也能够达到实时调整交通信号灯时间,因此能够达到节约人为调整所花费的时间和资源,提高交通效率的效果。并且,当某一路口发生拥堵时,可以像对这个路口的邻近路口进行预警,并且可以对这些相邻路口的交通信号灯时间进行调整,能够达到在拥堵到达前就对交通进行提前疏导,避免邻近路口发生交通拥堵的效果。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,本领域技术人员在考虑说明书及实践本公开后,容易想到本公开的其它实施方案,均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。同时本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。本公开并不局限于上面已经描述出的精确结构,本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种交通信号控制方法,其特征在于,所述方法包括:
获取根据历史车流量建立的车流量预测模型,所述历史车流量为过去的第一时间区间内的每个第一时段内,所述第一路口的各个方向上的历史车流量;
根据所述车流量预测模型获取未来的第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量;
根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量确定所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的交通信号灯时间。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在进入所述第二时间区间中的所述第一时段后,获取在使用所述交通信号灯时间的情况下,所述第一路口的各个方向的交通状态信息;
当根据所述交通状态信息确定所述第一路口的至少一个方向发生交通拥堵时,获取所述至少一个方向的预警级别;
根据所述至少一个方向的预警级别对所述至少一个方向上的交通信号灯时间进行调整。
3.根据权利要求2所述的方法,其特征在于,当所述第一路口在第一方向上发生交通拥堵时,所述方法还包括:
获取第二路口的路口预警级别,所述第二路口为所述第一路口的沿所述第一方向的下一路口;
向第二路口的控制设备发送预警信号,所述第二路口为所述第一路口的沿所述第一方向的下一路口,所述预警信号用于所述第二路口的控制设备根据所述第二路口的路口预警级别对所述第二路口的交通信号灯时间进行调整。
4.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
获取所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的实际车流量;
根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的实际车流量更新所述车流量预测模型,得到更新后的车流量预测模型;
将所述更新后的车流量预测模型作为所述第二时间区间的下一时间区间内的每个所述第一时段内所述第一路口的各个方向上的车流量预测模型。
5.根据权利要求1所述的方法,其特征在于,所述根据历史车流量建立所述车流量预测模型的方法包括:
对于所述各个方向中的第一方向,根据所述第一时间区间内的每个第一时段内所述第一路口的所述第一方向上的历史车流量建立所述第一方向上的时间序列;其中,所述第一方向为所述第一路口的各个方向中的任一方向;
对所述第一方向上的时间序列进行d阶差分;
根据进行差分后的所述第一方向上的时间序列建立时间序列模型,所述时间序列模型为自回归积分滑动平均模型ARIMA模型;
将所述时间序列模型作为所述第一方向上的车流量预测模型。
6.根据权利要求5所述的方法,其特征在于,所述根据所述车流量预测模型获取未来的第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量,包括:
对于所述第一方向,根据所述第一方向上的车流量预测模型,利用最小均方误差预测方法获取在所述第二时间区间内的每个所述第一时段内所述第一方向上的预测车流量。
7.根据权利要求1所述的方法,其特征在于,所述根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量确定所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的交通信号灯时间,包括:
根据所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的预测车流量确定所述第一路口的各个方向在所述第一时段的平均预测车流量;
根据所述第一路口的各个方向在所述第一时段的平均预测车流量确定所述第一路口的各个方向的权重;
根据所述第一路口的各个方向的权重确定所述第二时间区间内的每个所述第一时段内所述第一路口的各个方向上的交通信号灯时间。
8.根据权利要求2所述的方法,其特征在于,所述在进入所述第二时间区间中的所述第一时段后,获取在使用所述交通信号灯时间的情况下,所述第一路口的各个方向的交通状态信息,包括:
在进入所述第二时间区间中的所述第一时段后,获取在使用所述交通信号灯时间的情况下,所述第一路口的各个方向的平均车速、平均通过时间以及路段车辆负载。
9.根据权利要求8所述的方法,其特征在于,所述当根据所述交通状态信息确定所述第一路口的至少一个方向发生交通拥堵时,获取所述至少一个方向的预警级别,包括:
当所述第一路口的至少一个方向满足以下至少一者时,确定所述至少一个方向发生交通拥堵:平均车速小于平均车速阈值的时间大于第一时间阈值、平均通过时间大于第二时间阈值、路段车辆负载大于车辆负载阈值;
当确定所述至少一个方向发生交通拥堵时,根据每个发生交通拥堵的方向的平均车速、平均通过时间以及路段车辆负载,以及平均车速的权重、平均通过时间的权重、路段车辆负载的权重确定所述每个发生交通拥堵的方向的预警级别。
10.根据权利要求3所述的方法,其特征在于,所述获取第二路口的路口预警级别,第二路口的路口预警级别的确定方法包括:
当所述第二路口为主路口时,确定所述第二路口的所有一级相邻路口,以及每个所述一级相邻路口的所有二级相邻路口;
获取每个所述二级相邻路口的路口预警级别和权重,所述每个所述二级相邻路口的路口预警级别和权重是预先设置的;
根据每个所述二级相邻路口的路口预警级别和权重,确定每个所述一级相邻路口的路口预警级别;
根据每个所述一级相邻路口的路口预警级别,以及预先设置的每个所述一级相邻路口的权重,确定所述第二路口的路口预警级别;或者,
当所述第二路口为任一主路口的一级相邻路口时,确定所述第二路口的所有二级相邻路口;
获取每个所述二级相邻路口的路口预警级别和权重,所述每个所述二级相邻路口的路口预警级别和权重是预先设置的;
根据每个所述二级相邻路口的路口预警级别和权重,确定所述第二路口的路口预警级别;或者,
当所述第二路口为任一一级相邻路口的二级相邻路口时,获取预先设置的所述第二路口的路口预警级别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611220588.7A CN106530762A (zh) | 2016-12-26 | 2016-12-26 | 交通信号控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611220588.7A CN106530762A (zh) | 2016-12-26 | 2016-12-26 | 交通信号控制方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106530762A true CN106530762A (zh) | 2017-03-22 |
Family
ID=58338844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611220588.7A Pending CN106530762A (zh) | 2016-12-26 | 2016-12-26 | 交通信号控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106530762A (zh) |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507413A (zh) * | 2017-08-29 | 2017-12-22 | 广东蔚海数问大数据科技有限公司 | 车辆位置预测方法及装置 |
CN107730890A (zh) * | 2017-11-09 | 2018-02-23 | 石数字技术成都有限公司 | 一种基于实时场景下车流车速预测的智能交通方法 |
CN107895481A (zh) * | 2017-11-21 | 2018-04-10 | 福建工程学院 | 基于浮动车技术的区域道路车流量控制方法 |
CN107967803A (zh) * | 2017-11-17 | 2018-04-27 | 东南大学 | 基于多源数据及变权重组合预测模型的交通拥堵预测方法 |
CN108053661A (zh) * | 2017-12-19 | 2018-05-18 | 青岛海信网络科技股份有限公司 | 一种交通控制的方法及装置 |
CN108200552A (zh) * | 2017-12-14 | 2018-06-22 | 华为技术有限公司 | 一种v2x通信方法和装置 |
CN108717792A (zh) * | 2018-07-19 | 2018-10-30 | 石修英 | 智慧医联网救护车辆监控系统 |
CN108877245A (zh) * | 2018-07-19 | 2018-11-23 | 孙仲碧 | 一种动态智慧救助控制系统 |
CN108877249A (zh) * | 2018-07-19 | 2018-11-23 | 孙仲碧 | 基于云计算的智慧医疗服务网络 |
CN108898836A (zh) * | 2018-07-19 | 2018-11-27 | 王大江 | 智慧城市交通云计算方法 |
CN108922165A (zh) * | 2018-07-19 | 2018-11-30 | 石修英 | 基于环境因素的医护智慧救助系统 |
CN108922206A (zh) * | 2018-07-19 | 2018-11-30 | 王大江 | 基于大数据的智慧城市路网监测方法 |
CN108922208A (zh) * | 2018-07-19 | 2018-11-30 | 石修英 | 结合交通信息的智慧医联网监控系统 |
CN108922207A (zh) * | 2018-07-19 | 2018-11-30 | 孙仲碧 | 基于物联网的智慧医护系统 |
CN108961754A (zh) * | 2018-07-19 | 2018-12-07 | 王大江 | 智慧城市云端智能交通监控方法 |
CN109147363A (zh) * | 2018-09-10 | 2019-01-04 | 吉林大学 | 交通智能引导系统及引导方法 |
CN109559513A (zh) * | 2018-12-12 | 2019-04-02 | 武汉理工大学 | 一种基于相邻周期流量差值预测的自适应信号控制方法 |
CN109658720A (zh) * | 2018-12-03 | 2019-04-19 | 北京千方科技股份有限公司 | 一种路口车辆通行的系统及方法 |
CN109671283A (zh) * | 2019-02-12 | 2019-04-23 | 河南城建学院 | 一种道路交通用警示灯 |
CN109712413A (zh) * | 2019-01-29 | 2019-05-03 | 蚌埠学院 | 具备自动调节功能的十字道路交通管理控制方法及系统 |
CN110021161A (zh) * | 2018-01-09 | 2019-07-16 | 株式会社日立制作所 | 一种交通流向的预测方法及系统 |
CN110503822A (zh) * | 2018-05-18 | 2019-11-26 | 杭州海康威视系统技术有限公司 | 确定交通方案的方法和装置 |
CN110895882A (zh) * | 2019-12-24 | 2020-03-20 | 腾讯科技(深圳)有限公司 | 公路通行能力确定方法及装置 |
CN110969275A (zh) * | 2018-09-30 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法、装置、可读存储介质及电子设备 |
CN110992712A (zh) * | 2019-12-16 | 2020-04-10 | 南阳理工学院 | 一种基于云计算交通信号灯灯光控制系统 |
CN111047880A (zh) * | 2018-10-12 | 2020-04-21 | 杭州海康威视系统技术有限公司 | 路网的交通控制方法、装置、存储介质和管理设备 |
CN111127926A (zh) * | 2019-12-18 | 2020-05-08 | 合肥金誉堂文化传媒有限责任公司 | 一种城市智慧交通导流装置及导流方法 |
CN111353657A (zh) * | 2020-05-25 | 2020-06-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种人均小汽车保有量的预测方法、装置及终端设备 |
CN111445707A (zh) * | 2019-11-22 | 2020-07-24 | 北京邮电大学 | 交通信号灯的配时方法、装置、电子设备及存储介质 |
CN111445694A (zh) * | 2020-03-04 | 2020-07-24 | 青岛海信网络科技股份有限公司 | 一种基于交通流量预测的节假日交通调度方法及装置 |
CN111915877A (zh) * | 2019-05-08 | 2020-11-10 | 阿里巴巴集团控股有限公司 | 一种车流路径分布信息的处理方法、装置及电子设备 |
CN111915875A (zh) * | 2019-05-08 | 2020-11-10 | 阿里巴巴集团控股有限公司 | 一种车流路径分布信息的处理方法、装置及电子设备 |
CN112017453A (zh) * | 2019-05-30 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 一种信号灯的协调方法、计算设备及存储介质 |
CN112185112A (zh) * | 2020-09-24 | 2021-01-05 | 雷皓然 | 一种基于人工智能的交通管理方法、设备及系统 |
CN112330074A (zh) * | 2020-12-02 | 2021-02-05 | 公安部交通管理科学研究所 | 一种基于移动警务的卡口流量预警方法 |
WO2021051870A1 (zh) * | 2019-09-18 | 2021-03-25 | 平安科技(深圳)有限公司 | 基于强化学习模型的信息控制方法、装置和计算机设备 |
CN113516858A (zh) * | 2021-07-16 | 2021-10-19 | 北京东土正创科技有限公司 | 一种交通灯的控制方法、交通灯网络系统及交通灯节点 |
WO2021212866A1 (zh) * | 2020-04-21 | 2021-10-28 | 长安大学 | 一种车辆出行量预测模型构建方法及预测方法和系统 |
CN114758495A (zh) * | 2022-03-29 | 2022-07-15 | 北京百度网讯科技有限公司 | 交通信号灯调整方法、装置及电子设备 |
CN115273506A (zh) * | 2022-07-28 | 2022-11-01 | 联想(北京)有限公司 | 一种交通信号灯控制方法、装置及电子设备 |
CN115440061A (zh) * | 2022-08-04 | 2022-12-06 | 杭州海康威视数字技术股份有限公司 | 一种信号灯控制方法及装置 |
US11587440B2 (en) | 2021-03-23 | 2023-02-21 | Kyndryl, Inc. | Prediction method for resilient interconnected traffic management |
CN117894196A (zh) * | 2024-01-25 | 2024-04-16 | 中科世通亨奇(北京)科技有限公司 | 交通管制的方法、系统、存储介质及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206801A (zh) * | 2007-12-17 | 2008-06-25 | 青岛海信网络科技股份有限公司 | 一种自适应交通控制方法 |
DE102007056225A1 (de) * | 2007-11-22 | 2009-05-28 | Siemens Ag | Verfahren und Vorrichtung zum Steuern eines Verkehrsflusses an einer Kreuzung |
CN103903452A (zh) * | 2014-03-11 | 2014-07-02 | 东南大学 | 交通流短时预测方法 |
CN104036646A (zh) * | 2014-06-26 | 2014-09-10 | 公安部交通管理科学研究所 | 交叉口信号配时时段的划分方法 |
JP2014191728A (ja) * | 2013-03-28 | 2014-10-06 | Kyosan Electric Mfg Co Ltd | 交通信号制御装置 |
US20150134232A1 (en) * | 2011-11-22 | 2015-05-14 | Kurt B. Robinson | Systems and methods involving features of adaptive and/or autonomous traffic control |
CN105225500A (zh) * | 2015-08-20 | 2016-01-06 | 青岛海信网络科技股份有限公司 | 一种交通控制辅助决策方法及装置 |
-
2016
- 2016-12-26 CN CN201611220588.7A patent/CN106530762A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007056225A1 (de) * | 2007-11-22 | 2009-05-28 | Siemens Ag | Verfahren und Vorrichtung zum Steuern eines Verkehrsflusses an einer Kreuzung |
CN101206801A (zh) * | 2007-12-17 | 2008-06-25 | 青岛海信网络科技股份有限公司 | 一种自适应交通控制方法 |
US20150134232A1 (en) * | 2011-11-22 | 2015-05-14 | Kurt B. Robinson | Systems and methods involving features of adaptive and/or autonomous traffic control |
JP2014191728A (ja) * | 2013-03-28 | 2014-10-06 | Kyosan Electric Mfg Co Ltd | 交通信号制御装置 |
CN103903452A (zh) * | 2014-03-11 | 2014-07-02 | 东南大学 | 交通流短时预测方法 |
CN104036646A (zh) * | 2014-06-26 | 2014-09-10 | 公安部交通管理科学研究所 | 交叉口信号配时时段的划分方法 |
CN105225500A (zh) * | 2015-08-20 | 2016-01-06 | 青岛海信网络科技股份有限公司 | 一种交通控制辅助决策方法及装置 |
Cited By (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507413A (zh) * | 2017-08-29 | 2017-12-22 | 广东蔚海数问大数据科技有限公司 | 车辆位置预测方法及装置 |
CN107730890A (zh) * | 2017-11-09 | 2018-02-23 | 石数字技术成都有限公司 | 一种基于实时场景下车流车速预测的智能交通方法 |
CN107730890B (zh) * | 2017-11-09 | 2021-04-20 | 一石数字技术成都有限公司 | 一种基于实时场景下车流车速预测的智能交通方法 |
CN107967803A (zh) * | 2017-11-17 | 2018-04-27 | 东南大学 | 基于多源数据及变权重组合预测模型的交通拥堵预测方法 |
CN107895481A (zh) * | 2017-11-21 | 2018-04-10 | 福建工程学院 | 基于浮动车技术的区域道路车流量控制方法 |
CN107895481B (zh) * | 2017-11-21 | 2021-01-19 | 福建工程学院 | 基于浮动车技术的区域道路车流量控制方法 |
CN108200552A (zh) * | 2017-12-14 | 2018-06-22 | 华为技术有限公司 | 一种v2x通信方法和装置 |
CN108200552B (zh) * | 2017-12-14 | 2020-08-25 | 华为技术有限公司 | 一种v2x通信方法和装置 |
CN108053661A (zh) * | 2017-12-19 | 2018-05-18 | 青岛海信网络科技股份有限公司 | 一种交通控制的方法及装置 |
CN110021161A (zh) * | 2018-01-09 | 2019-07-16 | 株式会社日立制作所 | 一种交通流向的预测方法及系统 |
CN110503822A (zh) * | 2018-05-18 | 2019-11-26 | 杭州海康威视系统技术有限公司 | 确定交通方案的方法和装置 |
CN108717792A (zh) * | 2018-07-19 | 2018-10-30 | 石修英 | 智慧医联网救护车辆监控系统 |
CN108877249A (zh) * | 2018-07-19 | 2018-11-23 | 孙仲碧 | 基于云计算的智慧医疗服务网络 |
CN108922207A (zh) * | 2018-07-19 | 2018-11-30 | 孙仲碧 | 基于物联网的智慧医护系统 |
CN108961754A (zh) * | 2018-07-19 | 2018-12-07 | 王大江 | 智慧城市云端智能交通监控方法 |
CN108877245A (zh) * | 2018-07-19 | 2018-11-23 | 孙仲碧 | 一种动态智慧救助控制系统 |
CN108922208A (zh) * | 2018-07-19 | 2018-11-30 | 石修英 | 结合交通信息的智慧医联网监控系统 |
CN108898836A (zh) * | 2018-07-19 | 2018-11-27 | 王大江 | 智慧城市交通云计算方法 |
CN108922206A (zh) * | 2018-07-19 | 2018-11-30 | 王大江 | 基于大数据的智慧城市路网监测方法 |
CN108922165A (zh) * | 2018-07-19 | 2018-11-30 | 石修英 | 基于环境因素的医护智慧救助系统 |
CN109147363A (zh) * | 2018-09-10 | 2019-01-04 | 吉林大学 | 交通智能引导系统及引导方法 |
CN110969275B (zh) * | 2018-09-30 | 2024-01-23 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法、装置、可读存储介质及电子设备 |
CN110969275A (zh) * | 2018-09-30 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法、装置、可读存储介质及电子设备 |
CN111047880A (zh) * | 2018-10-12 | 2020-04-21 | 杭州海康威视系统技术有限公司 | 路网的交通控制方法、装置、存储介质和管理设备 |
CN109658720A (zh) * | 2018-12-03 | 2019-04-19 | 北京千方科技股份有限公司 | 一种路口车辆通行的系统及方法 |
CN109559513B (zh) * | 2018-12-12 | 2021-07-20 | 武汉理工大学 | 一种基于相邻周期流量差值预测的自适应信号控制方法 |
CN109559513A (zh) * | 2018-12-12 | 2019-04-02 | 武汉理工大学 | 一种基于相邻周期流量差值预测的自适应信号控制方法 |
CN109712413A (zh) * | 2019-01-29 | 2019-05-03 | 蚌埠学院 | 具备自动调节功能的十字道路交通管理控制方法及系统 |
CN109671283A (zh) * | 2019-02-12 | 2019-04-23 | 河南城建学院 | 一种道路交通用警示灯 |
WO2020224445A1 (zh) * | 2019-05-08 | 2020-11-12 | 阿里巴巴集团控股有限公司 | 一种车流路径分布信息的处理方法、装置及电子设备 |
CN111915877A (zh) * | 2019-05-08 | 2020-11-10 | 阿里巴巴集团控股有限公司 | 一种车流路径分布信息的处理方法、装置及电子设备 |
CN111915875A (zh) * | 2019-05-08 | 2020-11-10 | 阿里巴巴集团控股有限公司 | 一种车流路径分布信息的处理方法、装置及电子设备 |
CN111915877B (zh) * | 2019-05-08 | 2024-09-10 | 阿里巴巴集团控股有限公司 | 一种车流路径分布信息的处理方法、装置及电子设备 |
CN111915875B (zh) * | 2019-05-08 | 2024-07-19 | 阿里巴巴集团控股有限公司 | 一种车流路径分布信息的处理方法、装置及电子设备 |
CN112017453A (zh) * | 2019-05-30 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 一种信号灯的协调方法、计算设备及存储介质 |
WO2021051870A1 (zh) * | 2019-09-18 | 2021-03-25 | 平安科技(深圳)有限公司 | 基于强化学习模型的信息控制方法、装置和计算机设备 |
CN111445707A (zh) * | 2019-11-22 | 2020-07-24 | 北京邮电大学 | 交通信号灯的配时方法、装置、电子设备及存储介质 |
CN110992712A (zh) * | 2019-12-16 | 2020-04-10 | 南阳理工学院 | 一种基于云计算交通信号灯灯光控制系统 |
CN111127926A (zh) * | 2019-12-18 | 2020-05-08 | 合肥金誉堂文化传媒有限责任公司 | 一种城市智慧交通导流装置及导流方法 |
CN110895882A (zh) * | 2019-12-24 | 2020-03-20 | 腾讯科技(深圳)有限公司 | 公路通行能力确定方法及装置 |
CN111445694A (zh) * | 2020-03-04 | 2020-07-24 | 青岛海信网络科技股份有限公司 | 一种基于交通流量预测的节假日交通调度方法及装置 |
CN111445694B (zh) * | 2020-03-04 | 2022-02-01 | 青岛海信网络科技股份有限公司 | 一种基于交通流量预测的节假日交通调度方法及装置 |
WO2021212866A1 (zh) * | 2020-04-21 | 2021-10-28 | 长安大学 | 一种车辆出行量预测模型构建方法及预测方法和系统 |
CN111353657A (zh) * | 2020-05-25 | 2020-06-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种人均小汽车保有量的预测方法、装置及终端设备 |
CN112185112A (zh) * | 2020-09-24 | 2021-01-05 | 雷皓然 | 一种基于人工智能的交通管理方法、设备及系统 |
CN112330074A (zh) * | 2020-12-02 | 2021-02-05 | 公安部交通管理科学研究所 | 一种基于移动警务的卡口流量预警方法 |
US11587440B2 (en) | 2021-03-23 | 2023-02-21 | Kyndryl, Inc. | Prediction method for resilient interconnected traffic management |
CN113516858A (zh) * | 2021-07-16 | 2021-10-19 | 北京东土正创科技有限公司 | 一种交通灯的控制方法、交通灯网络系统及交通灯节点 |
CN114758495A (zh) * | 2022-03-29 | 2022-07-15 | 北京百度网讯科技有限公司 | 交通信号灯调整方法、装置及电子设备 |
CN114758495B (zh) * | 2022-03-29 | 2024-02-06 | 北京百度网讯科技有限公司 | 交通信号灯调整方法、装置及电子设备 |
CN115273506A (zh) * | 2022-07-28 | 2022-11-01 | 联想(北京)有限公司 | 一种交通信号灯控制方法、装置及电子设备 |
CN115273506B (zh) * | 2022-07-28 | 2023-08-18 | 联想(北京)有限公司 | 一种交通信号灯控制方法、装置及电子设备 |
CN115440061A (zh) * | 2022-08-04 | 2022-12-06 | 杭州海康威视数字技术股份有限公司 | 一种信号灯控制方法及装置 |
CN117894196A (zh) * | 2024-01-25 | 2024-04-16 | 中科世通亨奇(北京)科技有限公司 | 交通管制的方法、系统、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106530762A (zh) | 交通信号控制方法和装置 | |
US10902719B2 (en) | Method of predicting traffic congestion and controlling traffic signals based on deep learning and server for performing the same | |
CN108806283B (zh) | 一种交通信号灯的控制方法及车联网平台 | |
EP2747000B1 (en) | System and method for automatic allocation of mobile resources to tasks | |
CN110379164B (zh) | 一种动态调控的公交准点控制方法及系统 | |
AU2024201521A1 (en) | Predictive traffic management system | |
CN111094894A (zh) | 车辆和导航系统 | |
Papamichail et al. | Balancing of queues or waiting times on metered dual-branch on-ramps | |
CN106530757B (zh) | 一种高架匝道智能信号调控方法 | |
DE102013000385A1 (de) | Verfahren und Navigationssystem zum Ermitteln eines Fahrroutenvorschlags für eine bevorstehende Fahrt mit einem Kraftwagen | |
KR102179433B1 (ko) | 분산 예측 기반의 교통신호 제어 시스템 및 그 방법 | |
Samoili et al. | Investigation of lane flow distribution on hard shoulder running freeways | |
CN117351734A (zh) | 一种车辆延误的智能调控方法及系统 | |
CN116993131B (zh) | 一种基于公共交通线路管理的优化方法及系统 | |
CN109686087B (zh) | 巡逻机器人的管理方法及装置 | |
CN117474293B (zh) | 一种基于大数据的区域安全态势分析预警方法 | |
KR20130141102A (ko) | 교통 혼잡 회피 유도 시스템 및 방법 | |
DE102018201787A1 (de) | Verfahren und System zum Optimieren und Vorhersagen einer Verkehrssituation | |
CN115909722A (zh) | 一种应用于智能公交的路阻调度方法及系统 | |
CN115762131A (zh) | 一种应用于公共交通的智能行车计划编制方法及系统 | |
Ma et al. | Evaluation of the integrated application of intelligent transportation system technologies using stochastic incident generation and resolution modeling | |
Nicoleta Mocofan et al. | Comparative assessment of traffic control parameters within an UTC-distributed system | |
US20240233523A1 (en) | Method for control of traffic regulation agents of a road network | |
Dubey | Adaptive Traffic Control System: The Smart and Imperative Traffic Monitoring System for India | |
Christofa | Traffic signal optimization with transit priority: A person-based approach |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |
|
RJ01 | Rejection of invention patent application after publication |