CN106781495A - 快速发现导致城市道路交通拥堵源头位置的方法和系统 - Google Patents

快速发现导致城市道路交通拥堵源头位置的方法和系统 Download PDF

Info

Publication number
CN106781495A
CN106781495A CN201710004992.9A CN201710004992A CN106781495A CN 106781495 A CN106781495 A CN 106781495A CN 201710004992 A CN201710004992 A CN 201710004992A CN 106781495 A CN106781495 A CN 106781495A
Authority
CN
China
Prior art keywords
coordinate points
congestion
measured
labeled
judge
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
Application number
CN201710004992.9A
Other languages
English (en)
Inventor
姜廷顺
王家捷
邱红桐
范厚本
潘汉中
梁子君
石勇
闫欢欢
宋志洪
陶刚
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.)
Anhui Keli Information Industry Co Ltd
Original Assignee
Anhui Keli Information Industry 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 Anhui Keli Information Industry Co Ltd filed Critical Anhui Keli Information Industry Co Ltd
Priority to CN201710004992.9A priority Critical patent/CN106781495A/zh
Publication of CN106781495A publication Critical patent/CN106781495A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • G08G1/0133Traffic data processing for classifying traffic situation

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种快速发现导致城市道路交通拥堵源头位置的方法及系统,通过互联网实时读取路况云数据,将读取的实时路况数据按照严重拥堵、拥堵、缓慢和畅通进行分类,将分类结果标注到电子地图上所对应的坐标点上;通过判断某一待测坐标点和其下游相邻坐标点的路况,即可准确判断待测坐标点所在的位置是否是拥堵源头。通过快速发现导致交通拥堵源头的准确位置,可以辅助交通管理部门快速采取相应措施,将拥堵源头消灭在萌芽状态或缩短拥堵源头的持续时间,从而提高城市道路的通行能力。

Description

快速发现导致城市道路交通拥堵源头位置的方法和系统
技术领域
本发明涉及城市道路交通管理技术领域,具体是一种快速发现导致城市道路交通拥堵源头位置的方法和系统。
背景技术
城市道路交通拥堵严重地影响人们的日常出行,如何缓解城市道路交通拥堵,已引起各级政府的高度重视。为了缓解城市交通拥堵,政府部门出台了许多政策并投入大量资金进行基础工程建设,专家学者投入了大量精力进行了理论研究。目前城市道路交通拥堵的状态仍不能有效缓解。如何缓解道路交通拥堵,缩短人们的出行时间,已成为人们关注的焦点。
导致道路交通拥堵的成因是多方面的,主要可以归纳为两大类,一类是周期性成因导致的拥堵,另一类是突发性成因导致的拥堵。不管是周期性成因导致的拥堵还是突发性成因导致的拥堵,关键是要快速找到导致道路拥堵的源头,并要快速确定拥堵源头的准确位置,如果不能快速找到拥堵源头的准确位置,将拥堵源头消灭在萌芽状态,拥堵就会不断蔓延,最终导致一个区域内交通都发生拥堵甚至导致交通瘫痪。只有快速发现导致交通拥堵源头的准确位置,才能采取相应措施,将拥堵源头消灭在萌芽状态或缩短拥堵源头的持续时间。
发明内容
本发明要解决现有技术中,不能快速发现导致道路交通拥堵源头的准确位置,从而提出了一种快速发现导致城市道路交通拥堵源头位置的方法和系统。
为解决上述技术问题,本发明采用如下技术方案:
本发明提供一种快速发现导致城市道路交通拥堵源头位置的方法,包括如下步骤:
S1:在电子地图上的预设位置标注坐标点;
S2:通过互联网实时读取路况云数据,将读取的实时路况数据按照严重拥堵、拥堵、缓慢和畅通进行分类,将分类结果标注到电子地图上所对应的坐标点上;
S3:判断待测坐标点上是否标注为严重拥堵,若是则执行步骤S4,否则执行步骤S5;
S4:判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵,若否则执行步骤S9,若是则返回步骤S2;
S5:判断所述待测坐标点上是否标注为拥堵,若是则执行步骤S6,否则执行步骤S7;
S6:判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵,若否则执行步骤S9,若是则返回步骤S2;
S7:判断所述待测坐标点上是否标注为缓慢,若是则执行步骤S8,否则返回步骤S2;
S8:判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵或缓慢,若否则执行步骤S9,若是则返回步骤S2;
S9:确定所述待测坐标点为拥堵源头。
可选地,上述的快速发现导致城市道路交通拥堵源头位置的方法中,所述步骤S1中:
将信号灯控制路口的入口坐标点、出口坐标点标注在电子地图上;若相邻两个路口或两个坐标点之间的距离大于设定阈值,则在该相邻两个路口或两个坐标点之间增加坐标点,将增加的坐标点标注于电子地图上。
可选地,上述的快速发现导致城市道路交通拥堵源头位置的方法中,所述设定阈值在200米至300米之间。
可选地,上述的快速发现导致城市道路交通拥堵源头位置的方法中,采用深红色表示严重拥堵、采用红色表示拥堵、采用黄色表示缓慢、采用绿色表示畅通。
本发明还提供一种快速发现导致城市道路交通拥堵源头位置的系统,包括:
坐标点选取模块,在电子地图上的预设位置标注坐标点;
路口标注模块,通过互联网实时读取路况云数据,将读取的实时路况数据按照严重拥堵、拥堵、缓慢和畅通进行分类,将分类结果标注到电子地图上所对应的坐标点上;
严重拥堵判断模块,判断待测坐标点上是否标注为严重拥堵;
相邻坐标点路况判断模块,在严重拥堵判断模块的判断结果为是时,判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵;
拥堵判断模块,在严重拥堵判断模块的判断结果为否时,判断所述待测坐标点上是否标注为拥堵;
所述相邻坐标点路况判断模块,在拥堵判断模块的判断结果为是时,判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵;
缓慢判断模块,在拥堵判断模块的判断结果为否时,判断所述待测坐标点上是否标注为缓慢;
所述相邻坐标点路况判断模块,在缓慢判断模块的判断结果为是时,判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵或缓慢;
源头判定模块,在所述相邻坐标点路况判断模块的判断结果为否时,确定所述待测坐标点为拥堵源头。
可选地,上述的快速发现导致城市道路交通拥堵源头位置的系统中,在所述坐标点选取模块中,将信号灯控制路口的入口坐标点、出口坐标点标注在电子地图上;若相邻两个路口间的距离大于设定阈值,则在该相邻两个路口之间增加坐标点,将增加的坐标点标注于电子地图上。
可选地,上述的快速发现导致城市道路交通拥堵源头位置的系统中,在所述坐标点选取模块中,所述设定阈值在200米至300之间。
可选地,上述的快速发现导致城市道路交通拥堵源头位置的系统中,采用深红色表示严重拥堵、采用红色表示拥堵、采用黄色表示缓慢、采用绿色表示畅通。
与现有技术中的方案相比,本发明提供的上述技术方案至少具有如下有益效果:
本发明提供一种快速发现导致城市道路交通拥堵源头位置的方法及系统,通过互联网实时读取路况云数据,将读取的实时路况数据按照严重拥堵、拥堵、缓慢和畅通进行分类,将分类结果标注到电子地图上所对应的坐标点上;通过判断某一待测坐标点和其下游相邻坐标点的路况,即可准确判断待测坐标点所在的位置是否是拥堵源头。通过快速发现导致交通拥堵源头的准确位置,可以辅助交通管理部门快速采取相应措施,将拥堵源头消灭在萌芽状态或缩短拥堵源头的持续时间,从而提高城市道路的通行能力。
附图说明
为了使本发明的内容更容易被清楚的理解,下面结合附图,对本发明作进一步详细的说明,其中,
图1为本发明一个实施例所述快速发现导致城市道路交通拥堵源头位置的方法的流程图;
图2为本发明一个实施例所述坐标点设置方式示意图;
图3为本发明一个实施例所述快速发现导致城市道路交通拥堵源头位置的系统的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。并且下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种快速发现导致城市道路交通拥堵源头位置的方法,如图1所示,包括如下步骤:
S1:在电子地图上的预设位置标注坐标点,如图2所示。所述电子地图是需要发现拥堵源头的区域标准电子地图。在电子地图标注坐标点,两个相邻坐标点之间的实际距离可以设定在100米至150米之间。所述坐标点可以设置于任何位置,例如路口的入口处、出口处、任意相邻两个路口之间的距离超过两百米时,可以在两个路口的入口处以及两个路口之间均设置坐标点。图中箭头表示行驶方向。
S2:通过互联网实时读取路况云数据,将读取的实时路况数据按照严重拥堵、拥堵、缓慢和畅通进行分类,将分类结果标注到电子地图上所对应的坐标点上;具体地,现有很多政府部门将路况信息数据发布至互联网上,这些数据也都是可以免费获取的,本步骤可直接从互联网上读取相应的路况数据即可,路况数据一般为某一地理坐标的深红、红色、黄色、绿色等路况数据。因为步骤S1中的电子地图的坐标点的地理坐标是已知的,因此可以很方便的从互联网上找到与该坐标点地理坐标相同的位置的路况信息,根据其处于深红色、红色、黄色和绿色中的哪一分类中,将坐标点的路况标注清楚。例如某一坐标点的为黄色,则可以直接将坐标点标注为黄色。
S3:判断待测坐标点上是否标注为严重拥堵,若是则执行步骤S4,否则执行步骤S5;采用深红色表示严重拥堵、采用红色表示拥堵、采用黄色表示缓慢、采用绿色表示畅通。本步骤中即可判断待测坐标点的颜色是否是深红色。
S4:判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵,若否则执行步骤S9,若是则返回步骤S2;即判断下游紧邻坐标点上是否是深红色。
S5:判断所述待测坐标点上是否标注为拥堵,若是则执行步骤S6,否则执行步骤S7;即判断待测坐标点是否为红色。
S6:判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵,若否则执行步骤S9,若是则返回步骤S2;即判断所述待测坐标点下游紧邻的坐标点上是否为深红色或者红色。
S7:判断所述待测坐标点上是否标注为缓慢,若是则执行步骤S8,否则返回步骤S2;即判断待测坐标点是否为黄色。
S8:判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵或缓慢,若否则执行步骤S9,若是则返回步骤S2;即判断所述待测坐标点下游紧邻的坐标点上是否为深红色或者红色或者黄色。
S9:确定所述待测坐标点为拥堵源头。也就是说如果某一坐标点为严重拥堵,但是其下游紧邻的坐标点不是严重拥堵则该坐标点为拥堵源头。如果某一坐标点为拥堵,但是其下游紧邻的坐标点不是严重拥堵也不是拥堵,则该坐标点为拥堵源头。如果某一坐标点为缓慢,但是其下游坐标点不是严重拥堵也不是拥堵也不是行驶缓慢,则该坐标点为拥堵源头。
本实施例的上述方案中,直接通过互联网获得的路况数据即可非常方便的找到拥堵源头。通过快速发现导致交通拥堵源头的准确位置,可以辅助交通管理部门快速采取相应措施,将拥堵源头消灭在萌芽状态或缩短拥堵源头的持续时间,从而提高城市道路的通行能力。
实施例2
本实施例提供一种快速发现导致城市道路交通拥堵源头位置的系统,如图3所示,包括:
坐标点选取模块1,在电子地图上的预设位置标注坐标点;如图2所示。所述电子地图为该城市的标准电子地图,可确定任意设定两坐标点之间的实际距离。相邻两坐标点之间的距离可以设定在100米至150米之间。所述坐标点可以设置于任何位置,例如路口的入口处、出口处、任意相邻两个路口之间的距离超过两百米时,可以在两个路口的入口处以及两个路口之间均设置坐标点。图中箭头表示行驶方向。
路口标注模块2,通过互联网实时读取路况云数据,将读取的实时路况数据按照严重拥堵、拥堵、缓慢和畅通进行分类,将分类结果标注到电子地图上所对应的坐标点上;具体地,现有政府机关采集的道路拥堵状态数据发布至互联网上,这些数据也都是可以获取的,本步骤可直接从互联网上读取相应的路况数据即可,路况数据一般为某一地理坐标的深红、红、黄、绿等信息。因为步骤S1中的电子地图的坐标点的地理坐标是固定的,因此可以很方便的从互联网上找到与该坐标点地理坐标相同的位置的路况信息,根据其处于严重拥堵、拥堵、缓慢和畅通中的哪一分类中,将坐标点的路况标注清楚。例如某一坐标点为黄色,则该坐标点标注为缓慢。具体可以直接在坐标点上标注“缓慢”,还可以通过颜色对路况进行标注。例如黄色表示缓慢,则可以直接将坐标点标注为黄色。
严重拥堵判断模块3,判断待测坐标点上是否标注为严重拥堵;采用深红色表示严重拥堵、采用红色表示拥堵、采用黄色表示缓慢、采用绿色表示畅通。本模块中即可判断待测坐标点的颜色是否是深红色。
相邻坐标点路况判断模块4,在严重拥堵判断模块的判断结果为是时,判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵;即判断下游紧邻坐标点上是否是深红色。
拥堵判断模块5,在严重拥堵判断模块的判断结果为否时,判断所述待测坐标点上是否标注为拥堵;即判断待测坐标点是否为红色。
所述相邻坐标点路况判断模块4,在拥堵判断模块的判断结果为是时,判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵;即判断所述待测坐标点下游紧邻的坐标点上是否为深红色或者红色。
缓慢判断模块6,在拥堵判断模块5的判断结果为否时,判断所述待测坐标点上是否标注为缓慢;即判断待测坐标点是否为黄色。
所述相邻坐标点路况判断模块4,在缓慢判断模块5的判断结果为是时,判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵或缓慢;即判断所述待测坐标点下游紧邻的坐标点上是否为深红色或者红色或者黄色。
源头判定模块7,在所述相邻坐标点路况判断模块的判断结果为否时,确定所述待测坐标点为拥堵源头。也就是说如果某一坐标点为严重拥堵,但是其下游紧邻的坐标点不是严重拥堵则该坐标点为拥堵源头。如果某一坐标点为拥堵,但是其下游紧邻的坐标点不是严重拥堵也不是拥堵,则该坐标点为拥堵源头。如果某一坐标点为缓慢,但是其下游坐标点不是严重拥堵也不是拥堵也不是行驶缓慢,则该坐标点为拥堵源头。
本实施例的上述方案中,直接通过互联网获得的路况数据即可非常方便的找到拥堵源头。通过快速发现导致交通拥堵源头的准确位置,可以辅助交通管理部门快速采取相应措施,将拥堵源头消灭在萌芽状态或缩短拥堵源头的持续时间,从而提高城市道路的通行能力。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种快速发现导致城市道路交通拥堵源头位置的方法,其特征在于,包括如下步骤:
S1:在电子地图上的预设位置标注坐标点;
S2:通过互联网实时读取路况云数据,将读取的实时路况数据按照严重拥堵、拥堵、缓慢和畅通进行分类,将分类结果标注到电子地图上所对应的坐标点上;
S3:判断待测坐标点上是否标注为严重拥堵,若是则执行步骤S4,否则执行步骤S5;
S4:判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵,若否则执行步骤S9,若是则返回步骤S2;
S5:判断所述待测坐标点上是否标注为拥堵,若是则执行步骤S6,否则执行步骤S7;
S6:判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵,若否则执行步骤S9,若是则返回步骤S2;
S7:判断所述待测坐标点上是否标注为缓慢,若是则执行步骤S8,否则返回步骤S2;
S8:判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵或缓慢,若否则执行步骤S9,若是则返回步骤S2;
S9:确定所述待测坐标点为拥堵源头。
2.根据权利要求1所述的快速发现导致城市道路交通拥堵源头位置的方法,其特征在于,所述步骤S1中:
将信号灯控制路口的入口坐标点、出口坐标点标注在电子地图上;若相邻两个路口或两个坐标点之间的距离大于设定阈值,则在该相邻两个路口或两个坐标点之间增加坐标点,将增加的坐标点标注于电子地图上。
3.根据权利要求2所述的快速发现导致城市道路交通拥堵源头位置的方法,其特征在于:
所述设定阈值在200米至300米之间。
4.根据权利要求1-3任一项所述的快速发现导致城市道路交通拥堵源头位置的方法,其特征在于:
采用深红色表示严重拥堵、采用红色表示拥堵、采用黄色表示缓慢、采用绿色表示畅通。
5.一种快速发现导致城市道路交通拥堵源头位置的系统,其特征在于,包括:
坐标点选取模块,在电子地图上的预设位置标注坐标点;
路口标注模块,通过互联网实时读取路况云数据,将读取的实时路况数据按照严重拥堵、拥堵、缓慢和畅通进行分类,将分类结果标注到电子地图上所对应的坐标点上;
严重拥堵判断模块,判断待测坐标点上是否标注为严重拥堵;
相邻坐标点路况判断模块,在严重拥堵判断模块的判断结果为是时,判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵;
拥堵判断模块,在严重拥堵判断模块的判断结果为否时,判断所述待测坐标点上是否标注为拥堵;
所述相邻坐标点路况判断模块,在拥堵判断模块的判断结果为是时,判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵;
缓慢判断模块,在拥堵判断模块的判断结果为否时,判断所述待测坐标点上是否标注为缓慢;
所述相邻坐标点路况判断模块,在缓慢判断模块的判断结果为是时,判断所述待测坐标点下游紧邻的坐标点上是否标注为严重拥堵或拥堵或缓慢;
源头判定模块,在所述相邻坐标点路况判断模块的判断结果为否时,确定所述待测坐标点为拥堵源头。
6.根据权利要求5所述的快速发现导致城市道路交通拥堵源头位置的系统,其特征在于:
在所述坐标点选取模块中,将信号灯控制路口的入口坐标点、出口坐标点标注在电子地图上;若相邻两个路口或两个坐标点之间的距离大于设定阈值,则在该相邻两个路口或两个坐标点之间增加坐标点,将增加的坐标点标注于电子地图上。
7.根据权利要求6所述的快速发现导致城市道路交通拥堵源头位置的系统,其特征在于:
在所述坐标点选取模块中,所述设定阈值在200米至300米之间。
8.根据权利要求4-7任一项所述的快速发现导致城市道路交通拥堵源头位置的系统,其特征在于:
采用深红色表示严重拥堵、采用红色表示拥堵、采用黄色表示缓慢、采用绿色表示畅通。
CN201710004992.9A 2017-01-04 2017-01-04 快速发现导致城市道路交通拥堵源头位置的方法和系统 Pending CN106781495A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710004992.9A CN106781495A (zh) 2017-01-04 2017-01-04 快速发现导致城市道路交通拥堵源头位置的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710004992.9A CN106781495A (zh) 2017-01-04 2017-01-04 快速发现导致城市道路交通拥堵源头位置的方法和系统

Publications (1)

Publication Number Publication Date
CN106781495A true CN106781495A (zh) 2017-05-31

Family

ID=58949940

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710004992.9A Pending CN106781495A (zh) 2017-01-04 2017-01-04 快速发现导致城市道路交通拥堵源头位置的方法和系统

Country Status (1)

Country Link
CN (1) CN106781495A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111028507A (zh) * 2019-12-16 2020-04-17 北京百度网讯科技有限公司 交通拥堵致因确定方法及装置
CN111986480A (zh) * 2020-08-24 2020-11-24 安徽科力信息产业有限责任公司 一种城市道路交通事件影响评价方法、系统及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719314A (zh) * 2009-11-17 2010-06-02 姜廷顺 区域交通拥堵引发点记录分析系统及其运行方法
US20100138141A1 (en) * 2007-08-22 2010-06-03 Toyota Jidosha Kabushiki Kaisha Traffic information generation method, traffic information generation device, and navigation system
EP2323115A1 (en) * 2009-11-09 2011-05-18 Hitachi, Ltd. Method and apparatus for predicting traffic jam area
CN102288194A (zh) * 2011-09-05 2011-12-21 上海梦擎信息科技有限公司 导航中实时路况的实现系统
CN103177576A (zh) * 2011-12-21 2013-06-26 上海优途信息科技有限公司 一种收费站上下游路况信息的判断方法及装置
CN105469603A (zh) * 2015-12-30 2016-04-06 青岛海信网络科技股份有限公司 一种交通拥堵源头分析方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100138141A1 (en) * 2007-08-22 2010-06-03 Toyota Jidosha Kabushiki Kaisha Traffic information generation method, traffic information generation device, and navigation system
EP2323115A1 (en) * 2009-11-09 2011-05-18 Hitachi, Ltd. Method and apparatus for predicting traffic jam area
CN101719314A (zh) * 2009-11-17 2010-06-02 姜廷顺 区域交通拥堵引发点记录分析系统及其运行方法
CN102288194A (zh) * 2011-09-05 2011-12-21 上海梦擎信息科技有限公司 导航中实时路况的实现系统
CN103177576A (zh) * 2011-12-21 2013-06-26 上海优途信息科技有限公司 一种收费站上下游路况信息的判断方法及装置
CN105469603A (zh) * 2015-12-30 2016-04-06 青岛海信网络科技股份有限公司 一种交通拥堵源头分析方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111028507A (zh) * 2019-12-16 2020-04-17 北京百度网讯科技有限公司 交通拥堵致因确定方法及装置
CN111028507B (zh) * 2019-12-16 2022-05-13 阿波罗智联(北京)科技有限公司 交通拥堵致因确定方法及装置
CN111986480A (zh) * 2020-08-24 2020-11-24 安徽科力信息产业有限责任公司 一种城市道路交通事件影响评价方法、系统及存储介质

Similar Documents

Publication Publication Date Title
Beitel et al. Assessing safety of shared space using cyclist-pedestrian interactions and automated video conflict analysis
CN107016851B (zh) 一种量化分析城市建成环境对道路行程时间影响的方法
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN103278168B (zh) 一种面向交通热点规避的路径规划方法
CN108981726A (zh) 基于感知定位监测的无人车语义地图建模及构建应用方法
CN105023445A (zh) 一种区域交通动态调控方法及系统
Melbye et al. Accessibility, congestion and travel delays in Dar es Salaam–A time–distance perspective
CN104851286A (zh) 一种利用公交车辆gps数据动态评估道路交通状态的方法
CN105303831A (zh) 一种基于通信数据判断高速路拥堵情况的方法
CN106781495A (zh) 快速发现导致城市道路交通拥堵源头位置的方法和系统
CN106504539A (zh) 一种快速确定高速公路拥堵源头位置的方法和系统
CN106816018A (zh) 一种城市可变信息标志地面交通诱导路段确定方法
CN106781496A (zh) 基于公安交通管理技术缓解城市交通拥堵的方法和系统
Zhang et al. Observational study on multi-type conflicts between passengers and cyclists at the bus stop–A case study in Nanjing
CN106530700A (zh) 一种基于固定检测器的判别交通拥堵的方法
CN105070074A (zh) 一种基于阵列雷达的区域自优化信号控制方法及装置
CN105070075A (zh) 一种基于阵列雷达的干线自优化信号控制方法及装置
Ferenchak et al. Spontaneous order of pedestrian and vehicle intersection conflicts in the Indian context
CN103680168B (zh) 一种交通信息发布方法
Illahi et al. Traffic flow analysis & efficiency of geometric design of a t-intersection a case study
CN107134131A (zh) 一种高速公路通行受阻系数的计算方法和系统
Tsuboi New Traffic Congestion Analysis Method in Developing Countries (India).
Tarko et al. Safety and operational impacts of alternative intersections
Das et al. Traffic congestion modelling under mixed traffic conditions through fuzzy logic approach: an Indian case study of arterial road
Bandyopadhyay et al. GIS-based Analysis of Traffic Congestion in Midnapore Municipality

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531