CN106652458A - 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 - Google Patents
基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 Download PDFInfo
- Publication number
- CN106652458A CN106652458A CN201710088907.1A CN201710088907A CN106652458A CN 106652458 A CN106652458 A CN 106652458A CN 201710088907 A CN201710088907 A CN 201710088907A CN 106652458 A CN106652458 A CN 106652458A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intersection
- time
- traffic
- shock wave
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Analytical Chemistry (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Chemical & Material Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法,包括如下步骤:由信号控制交叉口上游路段车辆检测器获取实时采集的交通流数据,由交叉口信号机实时采集信号相位信息;实时估计交叉口交通波轨迹坐标,绘制信号交叉口存在的冲击波i、ii、iii、iv及其时空运行轨迹;将车辆行驶状态简化为以自由流速度在非排队路段上行驶以及在交叉口处的停车状态两类;对于计算车辆经过特定位置的时刻,通过提取虚拟车辆坐标序列中与特定位置信息相对应的车辆时空坐标获取,实现对车辆路径行程时间的估计。本发明能够获得任意时刻出发的车辆在路径上的传播状态及其到达路径上任意地点的在线行程时间,具有更高的时效性和准确性。
Description
技术领域
本发明涉及智能交通技术领域,尤其是一种基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法。
背景技术
城市道路中,车辆的行程时间主要由非排队路段的行驶时间和交叉口处的排队延误两大部分构成,并且信号控制交叉口处的排队延误在城市道路交通出行时间中占据了决定性的比重,对实时排队延误的准确估计对提升城市道路行程时间在线估计的准确性至关重要。
早期有关交叉口延误估计的相关研究以假设稳态交通流为前提,通过对交叉口车辆“到达——离去”关系的建模,实现对信号控制交叉口车辆平均延误或总延误的估计。典型的方法包括Webster延误计算公式以及HCM推荐的延误计算方法。然而,在实时场景下,这些方法最大的缺陷在于无法精确地描述不同信号控制方式下车辆的到达模式,对交叉口延误进行实时估计难以满足准确性的要求。
随着当前交通流信息采集手段的进步,特别是精细化的交通流数据及信号配时数据的采集,使得更为动态、准确的信号交叉口控制延误估计成为可能。相比传统稳态假设下的控制延误估计方法,利用精细化的数据估计交叉口延误的优势在于可直接通过检测车辆“到达——离去”特征或车辆轨迹信息,在更为微观的时间跨度内(如一个信号控制周期内)描述信号控制与交通流之间的动态反馈作用,进而获得更具有时效性和更高准确性的控制延误估计结果。目前,诸多研究在获得高解析度信号数据、路段样本行程时间、浮动车轨迹、手机信令数据、图像识别等多种精细化交通数据的基础上,提出了一系列信号交叉口交通流运行状态估计方法,实现了对单一信号周期内排队长度、车辆延误等指标的准确估计。然而,现有方法多以单个交叉口为研究对象,缺少从交通流时空传播的角度出发,揭示交叉口交通流运行状态与车辆运行状态之间的关系。显然,从车辆行驶的动态过程来看,车辆运行前方的交通流状态具有时变性,只有当车辆到达某一交叉口时,其延误和停车次数等运行状态才能由当前交叉口的交通流运行状态所决定。
发明内容
本发明所要解决的技术问题在于,提供一种基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法,可以获得任意时刻触发的车辆在路径上的传播状态及其到达路径上任意地点的在线行程时间,具有更高的时效性和准确性。
为解决上述技术问题,本发明提供一种基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法,包括如下步骤:
(1)由信号控制交叉口上游路段车辆检测器获取实时采集的交通流数据,由交叉口信号机实时采集信号相位信息;
(2)基于LWR交通波动理论模型对信号控制交叉口不同交通流状态相遇所产生的冲击波的描述,定义时空轨迹图中任意t时刻冲击波i和冲击波iii轨迹的坐标为(t,xt),冲击波ii和冲击波iv轨迹的坐标分别为(t,x′t)和(t,x″t);选取初始时刻t0为相位的红灯开始时刻,假设初始时刻信号交叉口没有车辆排队,则xt,x′t,x″t均为0,实时估计交叉口交通波轨迹坐标,绘制信号交叉口存在的冲击波i、ii、iii、iv及其时空运行轨迹;
(3)将车辆行驶状态简化为以自由流速度在非排队路段上行驶以及在交叉口处的停车状态两类;考虑相邻交叉口的场景,假定某一车辆在t0时刻驶离上游交叉口i停车线,在车辆到达下游交叉口i+1停车线之前的任意t时刻的运行轨迹坐标表示为根据车辆的行进过程以及信号交叉口的交通波轨迹,在时空坐标下,若处于(t,xt),(t,x′t),(t,x″t)与信号红灯组成的时空区域内,则车辆的运行速度vt=0,否则vt=vf,以此对任意t时刻车辆处于行进状态或停车状态进行决策,从而生成相邻交叉口间路段虚拟车辆轨迹坐标;记录每一步更新的虚拟车辆位置坐标,直至车辆通过交叉口i+1停车线,即可获得虚拟车辆通过交叉口i与i+1间路段的轨迹信息,实现虚拟车辆轨迹重构;在考虑多个路段组成的路径时,虚拟车辆的轨迹坐标将从路径的起始路段开始计算,定义上下游交叉口停车线之间的道路为路段,车辆通过上一交叉口停车线的时刻即为进入下游路段的时刻;
(4)对于计算车辆经过特定位置的时刻,通过提取虚拟车辆坐标序列中与特定位置信息相对应的车辆时空坐标获取,实现对车辆路径行程时间的估计。
优选的,步骤(2)中实时估计交叉口交通波轨迹坐标具体包括如下步骤:
(21)根据信号交叉口冲击波形成及交汇的过程,对交叉口排队的不同情况定义任意时刻信号交叉口交通波轨迹的坐标估计逻辑;从而获得任意时刻的交通波轨迹坐标:(t,xt),(t,x′t),(t,x″t);不同时刻的坐标分别储存于坐标序列(t,xt),(t,x′t),(t,x″t)中;根据坐标序列实现对单一信号交叉口的交通波轨迹的构建;其中,交叉口排队情况包括:①红灯排队累积,交通波轨迹向路段上游行进;②周期绿时开始,启动波以速度ω开始向上游传播;③排队向上游蔓延,直至达到最大排队长度;④排队开始消散,冲击波以速度vf向下游交叉口移动;⑤上一周期结束,下一周期红灯开始;⑥上一周期未清空排队产生拥堵波,直至和消散波汇合;其中,ω为拥堵状态的交通波波速,vf为交叉口车道的自由流速度;
(22)考虑到信号控制交叉口排队车辆空间属性,以累加步长N描述所有排队车辆依次垂直叠加在交叉口停车线上游路段所形成的车辆排队在空间上的延展;在已知xt-1的情况下,t时刻车辆排队为xt,从(t-1)时刻到t时刻的一个时间间隔内,汇入排队末尾的车辆数为上游检测器位置N个时间间隔内到达的车辆数,N满足以下关系:
其中,θ为折减系数,即上游驶入车流在下游交叉口的转向比率;hj为阻塞车头间距;Q[f(i)]为第f(i)时刻的交通流率,计算公式为式中i为整数,取值为1,2,3,……,表示t-1时刻后的第i个时间步长,l为交叉口i的停车线至上游路段车间检测器之间的距离,其他变量的含义同前;采用试算法对未知步长N进行求解,即依次令N=1,2,3,4,5,…,n,使得等式左边大于或等于右边的N的最小取值即为N的最终取值。
优选的,步骤(2)在不同排队情况下,任意时刻信号交叉口交通波轨迹的坐标估计逻辑具体为:
1)红灯排队累积,交通波轨迹向路段上游行进:
其中,tmaxq为最大排队长度时刻,Qmax为最大排队长度,(tmaxq,Qmax)表示最大排队的时空坐标,NULL为空;其他变量含义同上;
2)周期绿时开始,启动波以速度ω开始向上游传播:
其中,sst为t时刻的信号相位状态,red表示红灯,green表示绿灯;ω为拥堵状态的交通波波速;其他变量含义同上;
3)排队向上游蔓延,直至达到最大排队长度:
其中变量含义同上;
4)排队开始消散,冲击波以速度vf向下游交叉口移动:
其中变量含义同上;
5)上一周期结束,下一周期红灯开始:
其中变量含义同上;
6)上一周期未清空排队产生拥堵波,直至和消散波汇合:
其中tminq为最小排队长度行程时刻,Qmin为最小排队长度,(tminq,Qmin)表示最小排队长度的时空坐标,其他变量含义同上。
本发明的有益效果为:本发明利用固定车辆检测器采集的路段交通流率以及信号控制系统提供的交叉口信号实时参数,分析城市道路信号控制交叉口实时、动态的交通流运行状态,构建车辆在路径上的虚拟行驶轨迹,从而获得任意时刻出发的车辆在路径上的传播状态及其到达路径上任意地点的在线行程时间,具有更高的时效性和准确性。
附图说明
图1为本发明的任意t时刻交通波轨迹的估计原理示意图。
图2为本发明的相邻交叉口间路段虚拟车辆轨迹坐标计算示意图。
图3为本发明的连续交叉口虚拟车辆轨迹示意图。
图4为本发明的方法流程示意图。
具体实施方式
本发明将城市道路信号交叉口的冲击波组合而成的轨迹定义为信号交叉口的交通波轨迹,根据行驶路径上所有交叉口相关转向的交通波轨迹以及车辆在所有非排队路段上的行驶时间实现车辆在路径上的虚拟轨迹的构建,进而根据轨迹坐标估计车辆路径行驶行程时间;本方法的详细步骤如下:
S1.由信号控制交叉口上游路段车辆检测器获取实时采集的交通流数据,由交叉口信号机实时采集信号相位信息;
实施中可采用1秒步长作为交叉口交通波轨迹估计和更新的时间间隔,并且将获得的汇集交通流数据统一换算为每秒精度的数据。例如,假设汇集时间间隔内的交通流状态是均匀的,如30秒间隔采集的交通流量为10辆,则1秒的交通量为0.33辆。
S2.基于LWR交通波动理论模型对信号控制交叉口不同交通流状态相遇所产生的冲击波的描述,定义时空轨迹图中任意t时刻冲击波i和冲击波iii轨迹的坐标为(t,xt),冲击波ii和冲击波iv轨迹的坐标分别为(t,x′t)和(t,x″t);选取初始时刻t0为相位的红灯开始时刻,假设初始时刻信号交叉口没有车辆排队,则xt,x′t,x″t均为0,实时估计交叉口交通波轨迹坐标,绘制信号交叉口存在的冲击波i、ii、iii、iv及其时空运行轨迹;具体的方法为:
根据信号交叉口冲击波形成及交汇的过程,对交叉口排队的不同情况定义任意时刻信号交叉口交通波轨迹的坐标估计逻辑,从而获得任意时刻的交通波轨迹坐标:(t,xt),(t,x′t),(t,x″t);不同时刻的坐标分别储存于坐标序列(t,xt),(t,x′t),(t,x″t)中;根据坐标序列实现对单一信号交叉口的交通波轨迹的构建;其中,定义的六种交叉口排队情景下的交通波轨迹坐标估计逻辑具体如下:
情景1:红灯排队累积,交通波轨迹向路段上游行进;其计算逻辑为:
其中,tmaxq为最大排队长度时刻,Qmax为最大排队长度,(tmaxq,Qmax)表示最大排队的时空坐标,NULL为空;θ为折减系数,即上游驶入车流在下游交叉口的转向比率;hj为阻塞车头间距;Q[f(i)]为第f(i)时刻的交通流率,计算公式为 式中i为整数,取值为1,2,3,……,表示t-1时刻后的第i个时间步长,vf为交叉口车道的自由流速度,l为交叉口i的停车线至上游路段车间检测器之间的距离;其他变量含义同上;
情景2:周期绿时开始,启动波以速度ω开始向上游传播;其计算逻辑为:
其中,sst为t时刻的信号相位状态,red表示红灯,green表示绿灯;ω为拥堵状态的交通波波速;其他变量含义同上;
情景3:排队向上游蔓延,直至达到最大排队长度;其计算逻辑为:
其中变量含义同上;
情景4:排队开始消散,冲击波以速度vf向下游交叉口移动;其计算逻辑为:
其中变量含义同上;
情景5:上一周期结束,下一周期红灯开始;其计算逻辑为:
其中变量含义同上;
情景6:上一周期未清空排队产生拥堵波,直至和消散波汇合;其计算逻辑为:
其中tminq为最小排队长度行程时刻,Qmin为最小排队长度,(tminq,Qmin)表示最小排队长度的时空坐标,其他变量含义同上;
图1为任意t时刻交通波轨迹的估计原理示意图,图中,l为交叉口i的停车线至上游路段车间检测器之间的距离;Q(t)为t时刻上游路段车检器断面处的交通流率;Δt为估计步长;tmaxq和tminq最大和最小排队长度行程时刻;Qmax和Qmin为最大和最小排队长度;(tmaxq,Qmax)表示最大排队的时空坐标;(tminq,Qmin)表示最小排队长度的时空坐标;vf为交叉口车道的自由流速度;ω为拥堵状态的交通波波速。
考虑到信号控制交叉口排队车辆空间属性,以累加步长N描述所有排队车辆依次垂直叠加在交叉口停车线上游路段所形成的车辆排队在空间上的延展;在已知xt-1的情况下,t时刻车辆排队为xt,从(t-1)时刻到t时刻的一个时间间隔内,汇入排队末尾的车辆数为上游检测器位置N个时间间隔内到达的车辆数,N满足以下关系:
式中变量的含义同前;采用试算法对未知步长N进行求解,即依次令N=1,2,3,4,5,…,n,使得等式左边大于或等于右边的N的最小取值即为N的最终取值;
由上述逻辑与方法,可获得任意时刻的交通波轨迹坐标:(t,xt),(t,x′t),(t,x″t);不同时刻的坐标分别储存于坐标序列(t,xt),(t,x′t),(t,x″t)中;根据坐标序列实现对单一信号交叉口的交通波轨迹的构建;
S3.将车辆行驶状态简化为以自由流速度在非排队路段上行驶以及在交叉口处的停车状态两类;考虑相邻交叉口的场景,假定某一车辆在t0时刻驶离上游交叉口i停车线,在车辆到达下游交叉口i+1停车线之前的任意t时刻的运行轨迹坐标可表示为根据车辆的行进过程以及信号交叉口的交通波轨迹,在时空坐标下,若处于(t,xt),(t,x′t),(t,x″t)与信号红灯组成的时空区域内,即图2中的阴影区域,则车辆的运行速度vt=0,否则vt=vf,以此对任意t时刻车辆处于行进状态或停车状态进行决策,从而生成相邻交叉口间路段虚拟车辆轨迹坐标;记录每一步更新的虚拟车辆位置坐标,直至车辆通过交叉口i+1停车线,即可获得虚拟车辆通过交叉口i与i+1间路段的轨迹信息,实现虚拟车辆轨迹重构;在考虑多个路段组成的路径时,虚拟车辆的轨迹坐标将从路径的起始路段开始计算,定义上下游交叉口停车线之间的道路为路段,车辆通过上一交叉口停车线的时刻即为进入下游路段的时刻;
S4.如图3所示,对于计算车辆经过特定位置的时刻,则可通过提取虚拟车辆坐标序列中与特定位置信息对应的车辆时空坐标获取,以此实现对车辆路径行程时间的估计。
本发明基于车流波理论,详细分析车辆在信号控制交叉口的在线传播过程,基于交叉口交通波轨迹形成机理重构车辆在城市道路路径上的虚拟行驶轨迹,通过虚拟车辆轨迹坐标对车辆路径上任意地点的行驶时间进行在线估计。所述方法利用固定车辆检测器采集的路段交通流率以及信号控制系统提供的交叉口信号配时参数,分析城市道路信号控制交叉口实时、动态的交通流运行状态,构建车辆在路径上的虚拟行驶轨迹,从而获得任意时刻出发的车辆在路径上的传播状态及其到达路径上任意地点的在线行程时间,具有更高时效性和准确性。
尽管本发明就优选实施方式进行了示意和描述,但本领域的技术人员应当理解,只要不超出本发明的权利要求所限定的范围,可以对本发明进行各种变化和修改。
Claims (2)
1.一种基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法,其特征在于,包括如下步骤:
(1)由信号控制交叉口上游路段车辆检测器获取实时采集的交通流数据,由交叉口信号机实时采集信号相位信息;
(2)基于LWR交通波动理论模型对信号控制交叉口不同交通流状态相遇所产生的冲击波的描述,定义时空轨迹图中任意t时刻冲击波i和冲击波iii轨迹的坐标为(t,xt),冲击波ii和冲击波iv轨迹的坐标分别为(t,x′t)和(t,x″t);选取初始时刻t0为相位的红灯开始时刻,假设初始时刻信号交叉口没有车辆排队,则xt,x′t,x″t均为0;实时估计交叉口交通波轨迹坐标,绘制信号交叉口存在的冲击波i、ii、iii、iv及其时空运行轨迹;
(3)将车辆行驶状态简化为以自由流速度在非排队路段上行驶以及在交叉口处的停车状态两类;考虑相邻交叉口的场景,假定某一车辆在t0时刻驶离上游交叉口i停车线,在车辆到达下游交叉口i+1停车线之前的任意t时刻的运行轨迹坐标表示为根据车辆的行进过程以及信号交叉口的交通波轨迹,在时空坐标下,若处于(t,xt),(t,x′t),(t,x″t)与信号红灯组成的时空区域内,则车辆的运行速度vt=0,否则vt=vf,以此对任意t时刻车辆处于行进状态或停车状态进行决策,从而生成相邻交叉口间路段虚拟车辆轨迹坐标;记录每一步更新的虚拟车辆位置坐标,直至车辆通过交叉口i+1停车线,即可获得虚拟车辆通过交叉口i与i+1间路段的轨迹信息,实现虚拟车辆轨迹重构;在考虑多个路段组成的路径时,虚拟车辆的轨迹坐标将从路径的起始路段开始计算,定义上下游交叉口停车线之间的道路为路段,车辆通过上一交叉口停车线的时刻即为进入下游路段的时刻;
(4)对于计算车辆经过特定位置的时刻,通过提取虚拟车辆坐标序列中与特定位置信息相对应的车辆时空坐标获取,实现对车辆路径行程时间的估计。
2.如权利要求1所述的基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法,其特征在于,步骤(2)中实时估计交叉口交通波轨迹坐标具体包括如下步骤:
(21)根据信号交叉口冲击波形成及交汇的过程,对交叉口排队的不同情况定义任意时刻信号交叉口交通波轨迹的坐标估计逻辑,从而获得任意时刻的交通波轨迹坐标:(t,xt),(t,x′t),(t,x″t);不同时刻的坐标分别储存于坐标序列(t,xt),(t,x′t),(t,x″t)中;根据坐标序列实现对单一信号交叉口的交通波轨迹的构建;其中,交叉口排队情况包括:①红灯排队累积,交通波轨迹向路段上游行进;②周期绿时开始,启动波以速度ω开始向上游传播;③排队向上游蔓延,直至达到最大排队长度;④排队开始消散,冲击波以速度vf向下游交叉口移动;⑤上一周期结束,下一周期红灯开始;⑥上一周期未清空排队产生拥堵波,直至和消散波汇合;其中,ω为拥堵状态的交通波波速,vf为交叉口车道的自由流速度;
(22)考虑到信号控制交叉口排队车辆空间属性,以累加步长N描述所有排队车辆依次垂直叠加在交叉口停车线上游路段所形成的车辆排队在空间上的延展;在已知xt-1的情况下,t时刻车辆排队为xt,从(t-1)时刻到t时刻的一个时间间隔内,汇入排队末尾的车辆数为上游检测器位置N个时间间隔内到达的车辆数,N满足以下关系:
其中,为折减系数,即上游驶入车流在下游交叉口的转向比率;hj为阻塞车头间距;Q[f(i)]为第f(i)时刻的交通流率,计算公式为式中i为整数,取值为1,2,3,……,表示t-1时刻后的第i个时间步长,为交叉口i的停车线至上游路段车间检测器之间的距离,其他变量的含义同前;采用试算法对未知步长N进行求解,即依次令N=1,2,3,4,5,…,n,使得等式左边大于或等于右边的N的最小取值即为N的最终取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710088907.1A CN106652458B (zh) | 2017-02-20 | 2017-02-20 | 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710088907.1A CN106652458B (zh) | 2017-02-20 | 2017-02-20 | 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106652458A true CN106652458A (zh) | 2017-05-10 |
CN106652458B CN106652458B (zh) | 2019-01-29 |
Family
ID=58845509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710088907.1A Active CN106652458B (zh) | 2017-02-20 | 2017-02-20 | 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106652458B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447256A (zh) * | 2018-03-22 | 2018-08-24 | 连云港杰瑞电子有限公司 | 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 |
CN108492562A (zh) * | 2018-04-12 | 2018-09-04 | 连云港杰瑞电子有限公司 | 基于定点检测与电警数据融合的交叉口车辆轨迹重构方法 |
CN109064741A (zh) * | 2018-08-01 | 2018-12-21 | 北京航空航天大学 | 基于多源数据融合的干道车辆运行轨迹重构的方法 |
CN109544947A (zh) * | 2019-01-08 | 2019-03-29 | 重庆交通大学 | 监控场景下基于车辆轨迹重构的交叉口延误计算方法 |
CN109712397A (zh) * | 2019-01-22 | 2019-05-03 | 江苏智通交通科技有限公司 | 基于gm跟驰模型的高速公路行程时间估计方法 |
CN109712398A (zh) * | 2019-01-22 | 2019-05-03 | 江苏智通交通科技有限公司 | 高速公路行程时间估计模型参数优化方法 |
CN110113716A (zh) * | 2019-04-22 | 2019-08-09 | 腾讯大地通途(北京)科技有限公司 | 一种路径状态信息获取方法、装置及存储介质 |
CN110942644A (zh) * | 2019-12-11 | 2020-03-31 | 长安大学 | 一种道路瓶颈路段识别及交通拥堵传播预警系统和方法 |
CN111161537A (zh) * | 2019-12-25 | 2020-05-15 | 北京交通大学 | 考虑拥堵叠加效应的公路拥堵态势预测方法 |
CN111199646A (zh) * | 2020-01-10 | 2020-05-26 | 北京航空航天大学 | 一种基于稀疏探测数据的城市信号控制干道车辆轨迹重构方法 |
CN112365711A (zh) * | 2020-10-21 | 2021-02-12 | 东南大学 | 一种基于车牌识别数据的车辆轨迹重构方法 |
CN113112816A (zh) * | 2021-04-06 | 2021-07-13 | 安徽百诚慧通科技有限公司 | 一种车辆在路段平均行驶延误的提取方法 |
CN113204734A (zh) * | 2021-03-31 | 2021-08-03 | 东南大学 | 基于排队论的过饱和状态下交通系统多尺度供需关系的系统建模方法 |
CN113486478A (zh) * | 2021-05-31 | 2021-10-08 | 东南大学 | 一种交叉口转弯车辆汇入直行车道仿真方法及系统 |
CN113506440A (zh) * | 2021-09-08 | 2021-10-15 | 四川国蓝中天环境科技集团有限公司 | 一种拉格朗日坐标系下多源数据融合的交通状态估计方法 |
CN113763696A (zh) * | 2020-06-01 | 2021-12-07 | 杭州海康威视数字技术股份有限公司 | 一种车辆路径重构方法、装置、电子设备及存储介质 |
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 |
CN114360250A (zh) * | 2022-01-12 | 2022-04-15 | 西南交通大学 | 一种信号路口机动车排队车辆轨迹重构方法 |
CN115100847A (zh) * | 2022-05-18 | 2022-09-23 | 东南大学 | 面向低渗透率网联车轨迹数据的排队服务时间估计方法 |
CN115273488A (zh) * | 2022-07-29 | 2022-11-01 | 中国市政工程西南设计研究总院有限公司 | 一种基于行程时间的路段车辆停放判断方法 |
CN115294787A (zh) * | 2018-04-13 | 2022-11-04 | 丰田自动车株式会社 | 交叉路口处的远程车辆控制 |
CN115311854A (zh) * | 2022-07-22 | 2022-11-08 | 东南大学 | 一种基于数据融合的车辆时空轨迹重构方法 |
CN116434575A (zh) * | 2022-12-15 | 2023-07-14 | 东南大学 | 一种考虑行进时间不确定性的公交绿波方案鲁棒生成方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003296891A (ja) * | 2002-04-01 | 2003-10-17 | I Transport Lab Co Ltd | 旅行時間推計装置およびその方法、コンピュータプログラム |
CN103903430A (zh) * | 2014-04-14 | 2014-07-02 | 东南大学 | 一种采用多源同构数据的行程时间动态融合预测方法 |
CN104200657A (zh) * | 2014-07-22 | 2014-12-10 | 杭州智诚惠通科技有限公司 | 一种基于视频和传感器的交通流量参数采集方法 |
CN105371857A (zh) * | 2015-10-14 | 2016-03-02 | 山东大学 | 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法 |
CN105741557A (zh) * | 2016-05-10 | 2016-07-06 | 重庆云途交通科技有限公司 | 一种浮动车交通信息提取、轨迹跟踪及查询方法 |
CN105788252A (zh) * | 2016-03-22 | 2016-07-20 | 连云港杰瑞电子有限公司 | 基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法 |
CN106023589A (zh) * | 2016-06-16 | 2016-10-12 | 北京航空航天大学 | 一种基于卡口数据的车辆轨迹重构方法 |
CN106383868A (zh) * | 2016-09-05 | 2017-02-08 | 电子科技大学 | 一种基于道路网络的时空轨迹聚类方法 |
-
2017
- 2017-02-20 CN CN201710088907.1A patent/CN106652458B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003296891A (ja) * | 2002-04-01 | 2003-10-17 | I Transport Lab Co Ltd | 旅行時間推計装置およびその方法、コンピュータプログラム |
CN103903430A (zh) * | 2014-04-14 | 2014-07-02 | 东南大学 | 一种采用多源同构数据的行程时间动态融合预测方法 |
CN104200657A (zh) * | 2014-07-22 | 2014-12-10 | 杭州智诚惠通科技有限公司 | 一种基于视频和传感器的交通流量参数采集方法 |
CN105371857A (zh) * | 2015-10-14 | 2016-03-02 | 山东大学 | 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法 |
CN105788252A (zh) * | 2016-03-22 | 2016-07-20 | 连云港杰瑞电子有限公司 | 基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法 |
CN105741557A (zh) * | 2016-05-10 | 2016-07-06 | 重庆云途交通科技有限公司 | 一种浮动车交通信息提取、轨迹跟踪及查询方法 |
CN106023589A (zh) * | 2016-06-16 | 2016-10-12 | 北京航空航天大学 | 一种基于卡口数据的车辆轨迹重构方法 |
CN106383868A (zh) * | 2016-09-05 | 2017-02-08 | 电子科技大学 | 一种基于道路网络的时空轨迹聚类方法 |
Non-Patent Citations (2)
Title |
---|
唐克双等: "基于定点检测数据的城市干道车辆轨迹重构", 《同济大学学报(自然科学版)》 * |
魏丽英等: "基于准冲击波的干道车流行程时间预测方法研究", 《交通运输系统工程与信息》 * |
Cited By (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108447256B (zh) * | 2018-03-22 | 2023-09-26 | 连云港杰瑞电子有限公司 | 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 |
CN108447256A (zh) * | 2018-03-22 | 2018-08-24 | 连云港杰瑞电子有限公司 | 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 |
CN108492562A (zh) * | 2018-04-12 | 2018-09-04 | 连云港杰瑞电子有限公司 | 基于定点检测与电警数据融合的交叉口车辆轨迹重构方法 |
CN108492562B (zh) * | 2018-04-12 | 2020-07-14 | 连云港杰瑞电子有限公司 | 基于定点检测与电警数据融合的交叉口车辆轨迹重构方法 |
CN115294787A (zh) * | 2018-04-13 | 2022-11-04 | 丰田自动车株式会社 | 交叉路口处的远程车辆控制 |
CN115294787B (zh) * | 2018-04-13 | 2024-03-26 | 丰田自动车株式会社 | 交叉路口处的远程车辆控制 |
CN109064741A (zh) * | 2018-08-01 | 2018-12-21 | 北京航空航天大学 | 基于多源数据融合的干道车辆运行轨迹重构的方法 |
CN109064741B (zh) * | 2018-08-01 | 2020-08-25 | 北京航空航天大学 | 基于多源数据融合的干道车辆运行轨迹重构的方法 |
CN109544947A (zh) * | 2019-01-08 | 2019-03-29 | 重庆交通大学 | 监控场景下基于车辆轨迹重构的交叉口延误计算方法 |
CN109544947B (zh) * | 2019-01-08 | 2021-06-25 | 重庆交通大学 | 监控场景下基于车辆轨迹重构的交叉口延误计算方法 |
CN109712398A (zh) * | 2019-01-22 | 2019-05-03 | 江苏智通交通科技有限公司 | 高速公路行程时间估计模型参数优化方法 |
CN109712397A (zh) * | 2019-01-22 | 2019-05-03 | 江苏智通交通科技有限公司 | 基于gm跟驰模型的高速公路行程时间估计方法 |
CN109712397B (zh) * | 2019-01-22 | 2021-05-28 | 江苏智通交通科技有限公司 | 基于gm跟驰模型的高速公路行程时间估计方法 |
CN109712398B (zh) * | 2019-01-22 | 2021-05-28 | 江苏智通交通科技有限公司 | 高速公路行程时间估计模型参数优化方法 |
CN110113716B (zh) * | 2019-04-22 | 2021-08-31 | 腾讯大地通途(北京)科技有限公司 | 一种路径状态信息获取方法、装置及存储介质 |
CN110113716A (zh) * | 2019-04-22 | 2019-08-09 | 腾讯大地通途(北京)科技有限公司 | 一种路径状态信息获取方法、装置及存储介质 |
CN110942644B (zh) * | 2019-12-11 | 2020-12-15 | 长安大学 | 一种道路瓶颈路段识别及交通拥堵传播预警系统和方法 |
CN110942644A (zh) * | 2019-12-11 | 2020-03-31 | 长安大学 | 一种道路瓶颈路段识别及交通拥堵传播预警系统和方法 |
CN111161537B (zh) * | 2019-12-25 | 2021-05-28 | 北京交通大学 | 考虑拥堵叠加效应的公路拥堵态势预测方法 |
CN111161537A (zh) * | 2019-12-25 | 2020-05-15 | 北京交通大学 | 考虑拥堵叠加效应的公路拥堵态势预测方法 |
CN111199646A (zh) * | 2020-01-10 | 2020-05-26 | 北京航空航天大学 | 一种基于稀疏探测数据的城市信号控制干道车辆轨迹重构方法 |
CN111199646B (zh) * | 2020-01-10 | 2021-07-06 | 北京航空航天大学 | 一种基于稀疏探测数据的城市信号控制干道车辆轨迹重构方法 |
CN113763696A (zh) * | 2020-06-01 | 2021-12-07 | 杭州海康威视数字技术股份有限公司 | 一种车辆路径重构方法、装置、电子设备及存储介质 |
CN113763696B (zh) * | 2020-06-01 | 2023-05-02 | 杭州海康威视数字技术股份有限公司 | 一种车辆路径重构方法、装置、电子设备及存储介质 |
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 |
CN112365711B (zh) * | 2020-10-21 | 2021-11-02 | 东南大学 | 一种基于车牌识别数据的车辆轨迹重构方法 |
CN112365711A (zh) * | 2020-10-21 | 2021-02-12 | 东南大学 | 一种基于车牌识别数据的车辆轨迹重构方法 |
CN113204734A (zh) * | 2021-03-31 | 2021-08-03 | 东南大学 | 基于排队论的过饱和状态下交通系统多尺度供需关系的系统建模方法 |
CN113204734B (zh) * | 2021-03-31 | 2024-04-09 | 东南大学 | 基于排队论的过饱和状态下交通系统多尺度供需关系的系统建模方法 |
CN113112816A (zh) * | 2021-04-06 | 2021-07-13 | 安徽百诚慧通科技有限公司 | 一种车辆在路段平均行驶延误的提取方法 |
CN113486478A (zh) * | 2021-05-31 | 2021-10-08 | 东南大学 | 一种交叉口转弯车辆汇入直行车道仿真方法及系统 |
CN113486478B (zh) * | 2021-05-31 | 2022-12-13 | 东南大学 | 一种交叉口转弯车辆汇入直行车道仿真方法及系统 |
CN113506440A (zh) * | 2021-09-08 | 2021-10-15 | 四川国蓝中天环境科技集团有限公司 | 一种拉格朗日坐标系下多源数据融合的交通状态估计方法 |
CN113506440B (zh) * | 2021-09-08 | 2021-11-30 | 四川国蓝中天环境科技集团有限公司 | 一种拉格朗日坐标系下多源数据融合的交通状态估计方法 |
CN114360250A (zh) * | 2022-01-12 | 2022-04-15 | 西南交通大学 | 一种信号路口机动车排队车辆轨迹重构方法 |
CN114360250B (zh) * | 2022-01-12 | 2022-11-11 | 西南交通大学 | 一种信号路口机动车排队车辆轨迹重构方法 |
CN115100847A (zh) * | 2022-05-18 | 2022-09-23 | 东南大学 | 面向低渗透率网联车轨迹数据的排队服务时间估计方法 |
CN115100847B (zh) * | 2022-05-18 | 2023-05-26 | 东南大学 | 面向低渗透率网联车轨迹数据的排队服务时间估计方法 |
CN115311854B (zh) * | 2022-07-22 | 2023-08-25 | 东南大学 | 一种基于数据融合的车辆时空轨迹重构方法 |
CN115311854A (zh) * | 2022-07-22 | 2022-11-08 | 东南大学 | 一种基于数据融合的车辆时空轨迹重构方法 |
CN115273488B (zh) * | 2022-07-29 | 2023-09-22 | 中国市政工程西南设计研究总院有限公司 | 一种基于行程时间的路段车辆停放判断方法 |
CN115273488A (zh) * | 2022-07-29 | 2022-11-01 | 中国市政工程西南设计研究总院有限公司 | 一种基于行程时间的路段车辆停放判断方法 |
CN116434575A (zh) * | 2022-12-15 | 2023-07-14 | 东南大学 | 一种考虑行进时间不确定性的公交绿波方案鲁棒生成方法 |
CN116434575B (zh) * | 2022-12-15 | 2024-04-09 | 东南大学 | 一种考虑行进时间不确定性的公交绿波方案鲁棒生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106652458B (zh) | 2019-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106652458A (zh) | 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法 | |
CN106355907B (zh) | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 | |
Wang et al. | Developing a platoon-wide eco-cooperative adaptive cruise control (CACC) system | |
CN106384509A (zh) | 考虑出租车运营状态下的城市道路行程时间分布估算方法 | |
CN104809895B (zh) | 相邻交叉口的干道协调控制模型及其优化方法 | |
CN104464310B (zh) | 城市区域多交叉口信号协同优化控制方法及系统 | |
CN103258436B (zh) | 一种确定信号控制交叉口进口道可变导向车道长度的方法 | |
CN104615897B (zh) | 基于低频gps数据的路段行程时间估算方法 | |
CN103208193B (zh) | 一种利用视频检测数据的城市相邻交叉口信号协调控制方法 | |
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 | |
CN104464314B (zh) | 一种公交车专用道交叉口的公交优先通行方法 | |
WO2022166239A1 (zh) | 一种车辆行驶方案的规划方法、装置和存储介质 | |
CN110209068A (zh) | 一种红绿灯配时优化与仿真模拟方法 | |
CN108492562A (zh) | 基于定点检测与电警数据融合的交叉口车辆轨迹重构方法 | |
CN107730886A (zh) | 一种车联网环境下城市交叉口交通信号动态优化方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN103903468B (zh) | 道路拥堵时间预警方法及装置 | |
CN106710245A (zh) | 基于密度的快速路多车道匝道控制方法 | |
Pei et al. | Velocity forecasts using a combined deep learning model in hybrid electric vehicles with V2V and V2I communication | |
CN107310550A (zh) | 道路交通工具行驶控制方法和装置 | |
CN102708698A (zh) | 基于车联网的车辆最优路径导航方法 | |
CN106548632A (zh) | 一种相邻上下游信号交叉口排队长度估计方法 | |
CN102855755B (zh) | 一种基于运行车速预测的城市干道车队离散模型的建模方法 | |
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 | |
CN110992676A (zh) | 一种道路通行能力与网联自动驾驶车当量系数估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 210009 No. 87 Dingjiaqiao, Gulou District, Nanjing City, Jiangsu Province Applicant after: Southeast University Address before: No. 2, four archway in Xuanwu District, Nanjing, Jiangsu Applicant before: Southeast University |
|
GR01 | Patent grant | ||
GR01 | Patent grant |