CN107146446A - 一种基于rfid数据和动态车源的路径诱导方法 - Google Patents
一种基于rfid数据和动态车源的路径诱导方法 Download PDFInfo
- Publication number
- CN107146446A CN107146446A CN201710557731.XA CN201710557731A CN107146446A CN 107146446 A CN107146446 A CN 107146446A CN 201710557731 A CN201710557731 A CN 201710557731A CN 107146446 A CN107146446 A CN 107146446A
- Authority
- CN
- China
- Prior art keywords
- mrow
- section
- msubsup
- msub
- rfid
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
- G08G1/096844—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is dynamically recomputed based on new data
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于RFID数据和动态车源的路径诱导方法,包括以下步骤:1)构建城市道路交通网络;2)将RFID基站与路段节点匹配;基于RFID记录数据提取基于路段节点的出行OD;3)采用MSA算法将出行OD分配到各个路段上,得到各路段流量和额外行驶时间;4)计算每个RFID基站的总额外行驶时间;将总额外行驶时间最长的N个RFID基站作为造成拥堵的主要车源;5)在进行路径诱导时,对于从造成拥堵的主要车源出发的出行和从其它车源出发的出行,分别使用不同的路阻函数来计算各条路段上的阻抗,基于MSA算法将该时段所有出行分配到各个路段上。本发明能有针对性地对局部车辆进行路径诱导,缓解交通拥堵问题。
Description
技术领域
本发明属于交通技术领域,具体涉及一种基于RFID数据和动态车源的路径诱导方法。
背景技术
随着城市化的加速和汽车使用率的提高,城市交通拥堵问题日益严重。交通拥堵的发生将带来燃料消耗、污染气体排放、出行时间增加等多种问题,影响人们的生活环境和出行体验。如何提高城市运输效率,缓解交通拥堵,是解决资源节约、环境保护和人类健康的重要课题之一。现在缓解交通拥堵的主要方式有:控制交通需求、改善道路网络结构、改善交通基础设施、智能路径诱导等。其中,智能路径诱导策略相对于交通需求控制更有利于提高司机接受度,具有更高的可行性,且相对于改善道路网络结构和交通基础设施更便于交通管理部门实施,有利于降低成本,因此该方向现已被广泛研究。但是,现有的智能路径诱导方法仍存在如下问题:
1)缺乏精确实时的交通需求数据,对智能路径诱导的研究局限于理论模型,其可行性和实用性难以证明。
2)目前的路径诱导方法大部分是利用静态的交通信息以全局的角度进行路径诱导,管理范围较广不利于管理部门实施,同时不利于司机接受诱导策略。
因此,有必要设计一种新的路径诱导方法。
发明内容
本发明所解决的技术问题是,针对现有技术的不足,提供一种基于RFID数据和动态车源的路径诱导方法,有针对性地对局部车辆进行路径诱导,缓解交通拥堵问题,可行性和实用性高。
本发明所提供的技术方案为:
一种基于RFID数据和动态车源的路径诱导方法,包括以下步骤:
步骤一、提取城市道路信息和道路属性,构建城市道路交通网络;
所述城市道路交通网络由节点和节点之间有向边组成,所述节点是路段与路段的接触点,所述有向边是指路段;路段属性包括路段限速v、路段长度s、路段自由行驶时间tf以及车道数l;其中路段自由行驶时间tf由该路段长度除以其限速得到,即tf=s/v;
步骤二、将RFID基站与城市道路交通网络中的节点匹配;基于RFID记录数据,提取不同时段基于路段节点的出行OD,每个出行OD为一个二维向量,其第1个分量为出行的起始节点,第2个分量为出行的终止节点;
所述将RFID基站与城市道路交通网络中的节点匹配是指:对于每一个RFID基站,首先根据其观测方向,搜索所在路段上的车辆行驶方向与该RFID基站的观测方向相同的节点;再找到这些节点中距离该RFID基站最近的节点,将该RFID基站匹配至最近的节点;提取不同时段基于路段节点的出行OD是指根据统计RFID记录的时间间隔分布,设定时间间隔阈值,并定义相邻两次RFID记录的时间间隔大于设定的阈值时,这两次记录分别属于两次出行,从而区分不同的出行,得到精确的出行OD;
步骤三、采用MSA算法将各个时段的出行OD分别分配到各个路段上,得到各个时段接近真实交通状况下的路段流量,并计算各个时段下各路段的额外行驶时间;
步骤四、将每个RFID基站作为车源,根据各个时段下路段的额外行驶时间,得到各个时段下每个RFID基站的总额外行驶时间;分别比较每个时段下各个RFID基站的总额外行驶时间,将总额外行驶时间最长的N个RFID基站作为相应时段造成拥堵的主要车源;不同时段造成拥堵的主要车源分布有所差异,是动态变化的;
步骤五、在进行路径诱导时,采用MSA算法将相应时段所有出行分配到各个路段上,完成路径诱导;在采用MSA算法分配出行的过程中,对于从该时段造成拥堵的主要车源出发的出行和从其它车源出发的出行,分别使用不同的路阻函数来计算各条路段上的阻抗。通过使用不同的路阻函数来进行交通流量分配和路径诱导,使用户最优状态向系统最优状态改变;根据不同时段造成拥堵的主要车源的动态变化,有针对地对不同的区域的出行智能提供有效路径诱导策略。
进一步地,所述步骤三中,采用MSA算法将某个时段的出行OD分配到各个路段上的具体步骤如下:
3.1)、设置迭代初始值n=1,
3.2)、对于每一个路段,更新其旅行时间:
其中,表示第n次迭代中路段a的旅行时间,taf表示路段a的自由行驶时间,通过BPR(Bureau of Public Roads)路阻函数计算得到;α、β是阻滞系数,根据经验取值(根据美国公路局给出的推荐值,α=0.15,β=4),Ca为路段a的容量,根据路段a的限速va和车道数la进行计算;为第n-1次迭代计算得到的路段a的流量;
3.3)、根据各路段的旅行时间用全有全无分配法将所有OD分配到相应的最短路径(一对OD对之间的路径中,总阻抗最小的路径即为最短路径;采用Dijkstra算法求解最短路径)上,得到第n次迭代中各路段的附加流量
3.4)、通过以下公式计算第n次迭代中各路段的流量:
3.5)、当满足收敛条件时,停止计算,将作为最终的分配结果;如果不是,令n=n+1并返回步骤2)。
进一步地,所述步骤3.5)中,收敛条件为:迭代计算得到的和满足其中ε为收敛阈值,ε<0.0001。
进一步地,所述步骤三中,路段a的容量Ca计算公式如下表所示:
表1.路段容量Ca计算公式.
进一步地,所述步骤三中,根据以下方程计算路段a的额外行驶时间:
进一步地,步骤四中,根据路段额外行驶时间,计算RFID基站的总额外行驶时间的公式如下:
其中,qzs表示从RFID基站z到RFID基站s的出行OD数量,Kzs表示RFID从基站z到RFID基站s的路径上的路段集合,NS表示从RFID基站z出发的所有出行OD的集合。
进一步地,所述步骤五中,采用MSA算法将相应时段所有出行分配到各个路段上的具体步骤如下:
5.1)、设置迭代初始值k=1,
5.2)、对于每一个路段,更新其路段阻抗:
其中,表示第k次迭代中路段a的阻抗,caf表示路段a的自由阻抗,caf=taf;表示路段流量为时路段a的路阻,通过路阻函数计算得到;对于从造成主要拥堵的动态车源出发的出行,采用以下路阻函数:其中表示路段流量为时路段a的旅行时间,α、β是阻滞系数,根据经验取值;Ca为路段a的容量,根据路段a的限速va和车道数la进行计算;taf表示路段a的自由行驶时间;为第k-1次迭代计算得到的路段a的流量;对于从其它车源出发的出行,采用以下路阻函数来计算各路段上的阻抗:
5.3)、根据各路段的阻抗将从造成主要拥堵的动态车源出发的出行和其它车源出发的出行分别分配到相应的最短路径上,对路段流量进行累加得到第k次迭代中各路段的附加流量
5.4)、通过以下公式计算第k次迭代中各路段的流量:
5.5)、当满足收敛条件时,停止计算,将作为最终的分配结果;如果不是,令k=k+1并返回步骤2)。
进一步地,所述步骤5.5)中,收敛条件为:迭代计算得到的和满足其中ε为收敛阈值,ε<0.0001。
进一步地,所述步骤五中,根据缓解拥堵的效率,设定造成拥堵的主要车源的个数N。
有益效果:随着信息技术的发展,大量高精度高分辨率的实时交通信息逐渐被获取和应用,本发明提供了一种基于RFID数据和动态车源的路径诱导方法,基于城市交通网络和高分辨率高精度的RFID数据提取的真实精确的交通需求信息(出行OD信息),采用MSA算法求解用户最优的情况下的交通量从而得到出行的额外行驶时间。不同时段的出行规律存在差异,通过分析不同时段产生额外行驶时间最多的基站,定位得到不同时段造成拥堵的主要车源,有针对性地对局部车辆进行路径诱导,相对于诱导全部车辆具有更高的可行性。针对从车源出发的车辆通过改变路段的交通阻抗,使用户最优向系统最优的转化。通过这种方式达到路径诱导的目的,且其减缓拥堵的效果接近诱导全部车辆达到的效果。通过分析拥堵减轻的标准——总额外行驶时间的减少量ΔTe和流量大于路段容量的拥堵路段的减少个数ΔNc,当车源个数增加时,改善交通的效率逐渐变低,因此在保证减轻拥堵效果的基础上可以减少控制车源的数量以减轻交通管理的压力。通过调整车源个数,实现可以调控的交通流分配,提供更高效可行性更强的路径诱导策略,在降低管理难度和提高驾驶员接受度的情况下在很大程度上缓解交通拥堵问题。本发明与现有技术相比,有以下优点:
1)传统的路径诱导方法多数以理论数据或静态的交通信息为基础,容易忽略城市道路交通的动态变化。本发明利用RFID数据在时间分辨率上的优势,获取高精度高分辨率的交通需求数据,动态车源信息更加精确,有利于根据不同时段的出行特点,对不同区域的车辆提供路径诱导策略;可以获取真实的动态交通信息,有利于证明方法的可行性和实用性。
2)通过分析不同时段造成拥堵的主要车源信息,根据不同时段的出行规律,可以有针对性地引导部分区域的车辆,减轻交通管理部门的管理难度。
附图说明
图1本发明所述基于RFID数据和动态车源的路径诱导方法的流程图;
图2应用本方法分析不同时段的车源分布,其中,(a)、(b)分别表示在早高峰和非高峰时段前45个车源的地理分布情况。
图3应用本方法进行智能路径诱导的效果展示图,其中,(a)、(b)分别表示在早高峰和非高峰时段总额外行驶时间的减少量ΔTe和流量大于路段容量的拥堵路段的减少个数ΔNc随着车源个数的变化。
具体实施方式
本发明提出了一种基于RFID数据和动态车源的路径诱导方法,下面结合附图和具体实施例对本发明作进一步详细描述,但不作为对本发明的限定。方法流程图见附图1,主要包括如下步骤:
1)对南京市有RFID基站覆盖的真实道路交通网络进行建模,生成初始路网G0。城市道路交通网络由节点和节点之间有向边组成,所述有向边是指城市道路交通网络中的路段。南京市城市道路交通网络工包括路段节点3917个,路段4986条。路段中包含路段限速v、车道数l,路段长度s等信息,路段的自由行驶时间tf=s/v,路段容量C由表1计算得到。
表1.路段容量C计算公式.
2)南京市的RFID数据来自244个RFID基站,根据其位置信息和方向信息将244个RFID基站匹配到路网G0中最近的节点。通过统计RFID记录的时间间隔分布,77.6%的时间间隔在20分钟以内,因此定义相邻两次RFID记录的时间间隔大于20分钟时,这两次记录分别属于两次出行。以一个小时为时间区间,根据每次出行的起始时间得到不同时间段的出行OD,8:00a.m.-9:00a.m.定义为早高峰时段,非高峰时段选取10:00a.m.-11:00a.m.。
3)得到出行OD后,采用MSA算法将出行OD分配到各个路段上,得到接近真实交通状况下的路段流量和额外行驶时间。具体的算法步骤如下所示:
0.赋初值n=1,
1.更新每条路段的旅行时间当n=1时,路段的旅行时间为自由行驶时间;
2.根据各路段的旅行时间用全有全无分配法将所有OD分配到相应的最短路径上,得到路段流量
3.修正每个路段的流量,
4.当接近时,为最终的分配结果;如果不是,令n=n+1并返回步骤1;
在算法中,通过Bureau of Public Roads(BPR)方程 得到,其中参数α=0.15,β=4;通过交通流的分配得到各个路段的流量,根据BPR方程计算路段a的额外行驶时间
4)以每个RFID基站作为车源,根据路段额外行驶时间tae,可以得到RFID基站n的总额外行驶时间:
其中,qzs表示从RFID基站z到RFID基站s的出行OD数量,Kzs表示RFID从基站z到RFID基站s的路径上的路段集合,NS表示从RFID基站z出发的所有出行OD的集合。对不同时段各个基站额外出行时间进行排序,可以得到造成拥堵的主要车源。图2(a)、(b)表示早高峰和非高峰时段前45个造成拥堵的主要车源地理分布。
5)在某一时段,对于从该时段造成拥堵的主要车源出发的出行,在进行交通流分配和路径诱导时采用路阻函数ca(f)=ta(f)+fd[ta(f)]/df来计算各路段上的阻抗,其中ta(f)表示路段流量为f时路段a的旅行时间。对于从其它车源出发的出行,在进行交通流分配时,采用路阻函数ca(f)=ta(f)来计算各路段上的阻抗。通过使用不同的路阻函数来进行交通流量分配和路径诱导,使用户最优状态向系统最优状态改变;根据不同时段造成拥堵的主要车源的动态变化,有针对地对不同的区域的出行智能提供有效路径诱导策略。图3(a)、(b)表示早高峰和非高峰时段总额外行驶时间的减少量ΔTe和流量大于路段容量的拥堵路段的减少个数ΔNc随着车源个数的增加而增加,但是拥堵缓解的效率逐渐降低。根据图2中体现的缓解拥堵效率可以选择车源的个数为45,在保证缓解拥堵效果的基础上提供更高效更便于实施的路径选择。
Claims (9)
1.一种基于RFID数据和动态车源的路径诱导方法,其特征在于,包括以下步骤:
步骤一、提取城市道路信息和道路属性,构建城市道路交通网络;
所述城市道路交通网络由节点和节点之间有向边组成,所述节点是路段与路段的接触点,所述有向边是指路段;路段属性包括路段限速v、路段长度s、路段自由行驶时间tf以及车道数l;其中路段自由行驶时间tf由该路段长度除以其限速得到,即tf=s/v;
步骤二、将RFID基站与城市道路交通网络中的节点匹配;基于RFID记录数据,提取不同时段基于路段节点的出行OD,每个出行OD为一个二维向量,其第1个分量为出行的起始节点,第2个分量为出行的终止节点;
步骤三、采用MSA算法将各个时段的出行OD分别分配到各个路段上,得到各个时段接近真实交通状况下的路段流量,并计算各个时段下各路段的额外行驶时间;
步骤四、将每个RFID基站作为车源,根据各个时段下路段的额外行驶时间,得到各个时段下每个RFID基站的总额外行驶时间;分别比较每个时段下各个RFID基站的总额外行驶时间,将总额外行驶时间最长的N个RFID基站作为相应时段造成拥堵的主要车源;
步骤五、在进行路径诱导时,采用MSA算法将相应时段所有出行分配到各个路段上,完成路径诱导;在采用MSA算法分配出行的过程中,对于从该时段造成拥堵的主要车源出发的出行和从其它车源出发的出行,分别使用不同的路阻函数来计算各条路段上的阻抗。
2.根据权利要求1所述的一种基于RFID数据和动态车源的路径诱导方法,其特征在于,所述步骤三中,采用MSA算法将某个时段的出行OD分配到各个路段上的具体步骤如下:
3.1)、设置迭代初始值n=1,
3.2)、对于每一个路段,更新其旅行时间:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>a</mi>
<mi>f</mi>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>t</mi>
<mi>a</mi>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>f</mi>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>n</mi>
<mo>></mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,表示第n次迭代中路段a的旅行时间,taf表示路段a的自由行驶时间,通过BPR路阻函数计算得到;α、β是阻滞系数,根据经验取值;Ca为路段a的容量,根据路段a的限速va和车道数la进行计算;为第n-1次迭代计算得到的路段a的流量;
3.3)、根据各路段的旅行时间用全有全无分配法将所有OD分配到相应的最短路径上,得到第n次迭代中各路段的附加流量
3.4)、通过以下公式计算第n次迭代中各路段的流量:
<mrow>
<msubsup>
<mi>f</mi>
<mi>a</mi>
<mi>n</mi>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<msubsup>
<mi>f</mi>
<mi>a</mi>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>y</mi>
<mi>a</mi>
<mi>n</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>/</mo>
<mi>n</mi>
<mo>;</mo>
</mrow>
3.5)、当满足收敛条件时,停止计算,将作为最终的分配结果;如果不是,令n=n+1并返回步骤2)。
3.根据权利要求2所述的一种基于RFID数据和动态车源的路径诱导方法,其特征在于,所述步骤3.5)中,收敛条件为:迭代计算得到的和满足其中ε为收敛阈值,ε<0.0001。
4.根据权利要求2所述的一种基于RFID数据和动态车源的路径诱导方法,其特征在于,所述步骤三中,路段a的容量Ca计算公式如下表所示:
表1.路段容量Ca计算公式.
5.根据权利要求2所述的一种基于RFID数据和动态车源的路径诱导方法,其特征在于,所述步骤三中,根据以下方程计算路段a的额外行驶时间:
<mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>a</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>&alpha;</mi>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>f</mi>
<mi>a</mi>
<mi>n</mi>
</msubsup>
<mo>/</mo>
<msub>
<mi>C</mi>
<mi>a</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>&beta;</mi>
</msup>
<msub>
<mi>t</mi>
<mrow>
<mi>a</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
6.根据权利要求4所述的一种基于RFID数据和动态车源的路径诱导方法,其特征在于,步骤四中,根据路段额外行驶时间,计算RFID基站的总额外行驶时间的公式如下:
<mrow>
<msub>
<mi>t</mi>
<mi>e</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>,</mo>
<mi>s</mi>
<mo>)</mo>
<mo>&Element;</mo>
<mi>N</mi>
<mi>S</mi>
</mrow>
</munder>
<mo>&lsqb;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>a</mi>
<mo>&Element;</mo>
<msub>
<mi>K</mi>
<mrow>
<mi>z</mi>
<mi>s</mi>
</mrow>
</msub>
</mrow>
</munder>
<msub>
<mi>t</mi>
<mrow>
<mi>a</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
<msub>
<mi>q</mi>
<mrow>
<mi>z</mi>
<mi>s</mi>
</mrow>
</msub>
</mrow>
其中,qzs表示从RFID基站z到RFID基站s的出行OD数量,Kzs表示RFID从基站z到RFID基站s的路径上的路段集合,NS表示从RFID基站z出发的所有出行OD的集合。
7.根据权利要求1所述的一种基于RFID数据和动态车源的路径诱导方法,其特征在于,所述步骤五中,采用MSA算法将相应时段所有出行分配到各个路段上的具体步骤如下:
5.1)、设置迭代初始值k=1,
5.2)、对于每一个路段,更新其路段阻抗:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>c</mi>
<mi>a</mi>
<mi>k</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>c</mi>
<mrow>
<mi>a</mi>
<mi>f</mi>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>c</mi>
<mi>a</mi>
<mi>k</mi>
</msubsup>
<mo>=</mo>
<msub>
<mi>c</mi>
<mi>a</mi>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>f</mi>
<mi>a</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>k</mi>
<mo>></mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,表示第k次迭代中路段a的阻抗,caf表示路段a的自由阻抗,caf=taf;表示路段流量为时路段a的路阻,通过路阻函数计算得到;对于从造成主要拥堵的动态车源出发的出行,采用以下路阻函数:其中表示路段流量为时路段a的旅行时间,α、β是阻滞系数,根据经验取值;Ca为路段a的容量,根据路段a的限速va和车道数la进行计算;taf表示路段a的自由行驶时间;为第k-1次迭代计算得到的路段a的流量;对于从其它车源出发的出行,采用以下路阻函数来计算各路段上的阻抗:
5.3)、根据各路段的阻抗将从造成主要拥堵的动态车源出发的出行和其它车源出发的出行分别分配到相应的最短路径上,对路段流量进行累加得到第k次迭代中各路段的附加流量
5.4)、通过以下公式计算第k次迭代中各路段的流量:
<mrow>
<msubsup>
<mi>f</mi>
<mi>a</mi>
<mi>k</mi>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<msubsup>
<mi>f</mi>
<mi>a</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>y</mi>
<mi>a</mi>
<mi>k</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>/</mo>
<mi>k</mi>
<mo>;</mo>
</mrow>
5.5)、当满足收敛条件时,停止计算,将作为最终的分配结果;如果不是,令k=k+1并返回步骤2)。
8.根据权利要求7所述的一种基于RFID数据和动态车源的路径诱导方法,其特征在于,所述步骤5.5)中,收敛条件为:迭代计算得到的和满足其中ε为收敛阈值,ε<0.0001。
9.根据权利要求1~8中任一项所述的一种基于RFID数据和动态车源的路径诱导方法,其特征在于,所述步骤五中,根据缓解拥堵的效率,设定造成拥堵的主要车源的个数N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710557731.XA CN107146446B (zh) | 2017-07-10 | 2017-07-10 | 一种基于rfid数据和动态车源的路径诱导方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710557731.XA CN107146446B (zh) | 2017-07-10 | 2017-07-10 | 一种基于rfid数据和动态车源的路径诱导方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107146446A true CN107146446A (zh) | 2017-09-08 |
CN107146446B CN107146446B (zh) | 2018-02-09 |
Family
ID=59775714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710557731.XA Active CN107146446B (zh) | 2017-07-10 | 2017-07-10 | 一种基于rfid数据和动态车源的路径诱导方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107146446B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730920A (zh) * | 2017-10-23 | 2018-02-23 | 淮阴工学院 | 一种基于道钉灯的动态可变车道控制方法 |
CN108550261A (zh) * | 2018-05-31 | 2018-09-18 | 重庆大学 | 基于rfid电子车牌的城市交通od计算方法 |
CN108682147A (zh) * | 2018-05-03 | 2018-10-19 | 广东省高速公路营运管理协会 | 一种高速公路交通拥堵疏导决策方法 |
CN108765949A (zh) * | 2018-06-06 | 2018-11-06 | 上海城市交通设计院有限公司 | 基于汽车电子标识技术的智能交通系统 |
CN109615865A (zh) * | 2019-01-10 | 2019-04-12 | 北京工业大学 | 一种基于od数据增量迭代式估计路段交通流量的方法 |
CN109785622A (zh) * | 2018-12-03 | 2019-05-21 | 南京三宝科技股份有限公司 | 一种基于车载电子标签技术的拥堵区域识别方法 |
CN109887288A (zh) * | 2019-03-27 | 2019-06-14 | 江苏智通交通科技有限公司 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
CN110220526A (zh) * | 2019-05-15 | 2019-09-10 | 浙江工业大学之江学院 | 基于路径时间价值的anpr车辆导行方案生成方法 |
CN111710163A (zh) * | 2020-07-13 | 2020-09-25 | 深圳市迅远科技有限公司 | 基于rfid技术的道路拥堵违停监测系统、方法及介质 |
CN112396837A (zh) * | 2020-11-13 | 2021-02-23 | 重庆中信科信息技术有限公司 | 基于交通大数据的拥堵区域车辆来源路径分析方法和系统 |
CN112767683A (zh) * | 2020-12-22 | 2021-05-07 | 安徽百诚慧通科技有限公司 | 一种基于反馈机制的路径诱导方法 |
CN116403410A (zh) * | 2023-06-06 | 2023-07-07 | 中南大学 | 一种考虑拥堵车源的高速公路混合路径诱导模型构建方法 |
CN116580563A (zh) * | 2023-07-10 | 2023-08-11 | 中南大学 | 基于马尔可夫链的区域拥堵车源预测方法、装置及设备 |
CN116580586A (zh) * | 2023-07-12 | 2023-08-11 | 中南大学 | 一种平衡个人利益和社会利益的车辆路径诱导方法及系统 |
CN114166233B (zh) * | 2021-11-30 | 2024-03-19 | 河海大学 | 一种在诱导屏上显示动态最优路径的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070044606A (ko) * | 2005-10-25 | 2007-04-30 | 주식회사 케이티 | 전자태그 및 gps를 이용한 경로 안내 시스템 및 방법 |
CN103337189A (zh) * | 2013-06-08 | 2013-10-02 | 北京航空航天大学 | 一种基于路段动态划分的车辆路径诱导方法 |
CN103440780A (zh) * | 2013-08-19 | 2013-12-11 | 中国航天系统工程有限公司 | 一种基于定位标签的城市复杂交通环境路径诱导系统和方法 |
CN103489048A (zh) * | 2013-10-17 | 2014-01-01 | 李慧兵 | 一种基于rfid数据的路径行程时间预测方法 |
CN104464320A (zh) * | 2014-12-15 | 2015-03-25 | 东南大学 | 基于真实路网特性及动态行程时间的最短路径诱导方法 |
CN106601005A (zh) * | 2017-03-01 | 2017-04-26 | 青岛海澄知识产权事务有限公司 | 一种基于rfid和微信平台的城市智能交通诱导方法 |
-
2017
- 2017-07-10 CN CN201710557731.XA patent/CN107146446B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070044606A (ko) * | 2005-10-25 | 2007-04-30 | 주식회사 케이티 | 전자태그 및 gps를 이용한 경로 안내 시스템 및 방법 |
CN103337189A (zh) * | 2013-06-08 | 2013-10-02 | 北京航空航天大学 | 一种基于路段动态划分的车辆路径诱导方法 |
CN103440780A (zh) * | 2013-08-19 | 2013-12-11 | 中国航天系统工程有限公司 | 一种基于定位标签的城市复杂交通环境路径诱导系统和方法 |
CN103489048A (zh) * | 2013-10-17 | 2014-01-01 | 李慧兵 | 一种基于rfid数据的路径行程时间预测方法 |
CN104464320A (zh) * | 2014-12-15 | 2015-03-25 | 东南大学 | 基于真实路网特性及动态行程时间的最短路径诱导方法 |
CN106601005A (zh) * | 2017-03-01 | 2017-04-26 | 青岛海澄知识产权事务有限公司 | 一种基于rfid和微信平台的城市智能交通诱导方法 |
Non-Patent Citations (1)
Title |
---|
张哲 等: "基于RFID技术的车辆动态路径诱导系统研究", 《软件导刊》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730920A (zh) * | 2017-10-23 | 2018-02-23 | 淮阴工学院 | 一种基于道钉灯的动态可变车道控制方法 |
CN108682147A (zh) * | 2018-05-03 | 2018-10-19 | 广东省高速公路营运管理协会 | 一种高速公路交通拥堵疏导决策方法 |
CN108550261A (zh) * | 2018-05-31 | 2018-09-18 | 重庆大学 | 基于rfid电子车牌的城市交通od计算方法 |
CN108765949A (zh) * | 2018-06-06 | 2018-11-06 | 上海城市交通设计院有限公司 | 基于汽车电子标识技术的智能交通系统 |
CN109785622A (zh) * | 2018-12-03 | 2019-05-21 | 南京三宝科技股份有限公司 | 一种基于车载电子标签技术的拥堵区域识别方法 |
CN109785622B (zh) * | 2018-12-03 | 2020-12-11 | 南京三宝科技股份有限公司 | 一种基于车载电子标签技术的拥堵区域识别方法 |
CN109615865A (zh) * | 2019-01-10 | 2019-04-12 | 北京工业大学 | 一种基于od数据增量迭代式估计路段交通流量的方法 |
CN109887288B (zh) * | 2019-03-27 | 2021-06-15 | 江苏智通交通科技有限公司 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
CN109887288A (zh) * | 2019-03-27 | 2019-06-14 | 江苏智通交通科技有限公司 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
CN110220526A (zh) * | 2019-05-15 | 2019-09-10 | 浙江工业大学之江学院 | 基于路径时间价值的anpr车辆导行方案生成方法 |
CN110220526B (zh) * | 2019-05-15 | 2023-07-04 | 浙江工业大学之江学院 | 基于路径时间价值的anpr车辆导行方案生成方法 |
CN111710163A (zh) * | 2020-07-13 | 2020-09-25 | 深圳市迅远科技有限公司 | 基于rfid技术的道路拥堵违停监测系统、方法及介质 |
CN112396837A (zh) * | 2020-11-13 | 2021-02-23 | 重庆中信科信息技术有限公司 | 基于交通大数据的拥堵区域车辆来源路径分析方法和系统 |
CN112767683B (zh) * | 2020-12-22 | 2021-12-21 | 安徽百诚慧通科技有限公司 | 一种基于反馈机制的路径诱导方法 |
CN112767683A (zh) * | 2020-12-22 | 2021-05-07 | 安徽百诚慧通科技有限公司 | 一种基于反馈机制的路径诱导方法 |
CN114166233B (zh) * | 2021-11-30 | 2024-03-19 | 河海大学 | 一种在诱导屏上显示动态最优路径的方法 |
CN116403410A (zh) * | 2023-06-06 | 2023-07-07 | 中南大学 | 一种考虑拥堵车源的高速公路混合路径诱导模型构建方法 |
CN116403410B (zh) * | 2023-06-06 | 2023-08-22 | 中南大学 | 一种考虑拥堵车源的高速公路混合路径诱导模型构建方法 |
CN116580563A (zh) * | 2023-07-10 | 2023-08-11 | 中南大学 | 基于马尔可夫链的区域拥堵车源预测方法、装置及设备 |
CN116580563B (zh) * | 2023-07-10 | 2023-09-22 | 中南大学 | 基于马尔可夫链的区域拥堵车源预测方法、装置及设备 |
CN116580586A (zh) * | 2023-07-12 | 2023-08-11 | 中南大学 | 一种平衡个人利益和社会利益的车辆路径诱导方法及系统 |
CN116580586B (zh) * | 2023-07-12 | 2023-10-13 | 中南大学 | 一种平衡个人利益和社会利益的车辆路径诱导方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107146446B (zh) | 2018-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107146446A (zh) | 一种基于rfid数据和动态车源的路径诱导方法 | |
CN103208034B (zh) | 一种轨道交通客流分布预测模型建立及预测方法 | |
CN104282162B (zh) | 一种基于实时车辆轨迹的交叉口自适应信号控制方法 | |
CN103927890B (zh) | 一种基于动态o-d矩阵估计的干线协调信号控制方法 | |
CN104183119B (zh) | 基于路段od反推的实时交通流分布预测方法 | |
CN105205557A (zh) | 一种城市常规公交线网设计方法 | |
CN112489426B (zh) | 一种基于图卷积神经网络的城市交通流量时空预测方案 | |
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 | |
CN106886604A (zh) | 一种适用于车道级导航定位的交叉路口路网模型 | |
CN106951999A (zh) | 一种交通出行方式与出发时刻联合选择的建模与分析方法 | |
CN106225797A (zh) | 一种路径规划方法 | |
CN105489000A (zh) | 一种夜班公交车站点及路径选择方法 | |
CN110059937A (zh) | 一种集成电动汽车全轨迹空间的负荷建模方法 | |
CN109584552A (zh) | 一种基于网络向量自回归模型的公交到站时间预测方法 | |
CN107766945A (zh) | 城市路网承载力的计算方法 | |
CN105225473A (zh) | 一种基于站点效率计算的公交快线设计方法 | |
CN103632537B (zh) | 一种基于浮动车的城市道路aadt估计方法 | |
CN103500511A (zh) | 一种基于车联网的交叉口信号灯绿信比调节方法 | |
CN108062591A (zh) | 电动汽车充电负荷时空分布预测方法 | |
CN104933479A (zh) | 一种基于可达性的城市公交枢纽布点规划方法 | |
CN105206071A (zh) | 基于混合交通流延误模型的交叉口配时方法 | |
CN115660501A (zh) | 电动汽车充电负荷可调裕度评估方法 | |
Guo et al. | Eco-driving of freight vehicles with signal priority on congested arterial roads | |
CN104821086A (zh) | 一种定位大规模交通网络中低效路段组合的方法 | |
Sharov et al. | The Irkutsk transportation master plan solutions for public transport system development |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |