CN107993435A - 交叉口信号周期及周期流量的估计方法 - Google Patents
交叉口信号周期及周期流量的估计方法 Download PDFInfo
- Publication number
- CN107993435A CN107993435A CN201711140183.7A CN201711140183A CN107993435A CN 107993435 A CN107993435 A CN 107993435A CN 201711140183 A CN201711140183 A CN 201711140183A CN 107993435 A CN107993435 A CN 107993435A
- Authority
- CN
- China
- Prior art keywords
- car
- cycle
- time
- moment
- track
- 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
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种交叉口信号周期及周期流量的估计方法,包括如下步骤:在时间段T内,记录当前时刻t0,将时刻t0作为起点,获取t0时刻前Δtp分钟内该车道的视频卡口过车数据;根据选择的第一个t分钟的视频卡口过车数据,以头车的时刻t2作为起点,继续查找下一个头车的时刻t3,根据查找到的t2时刻和t3时刻计算信号周期及周期流量。本发明仅通过交叉口的视频卡口过车数据的车辆过车时间估计交叉口的信号周期及周期流量,去除了去信号控制设备数据的依赖;信号灯的方案在不同的时间段会发生变化,本发明能够保证信号周期及周期流量的持续估计,实用性强;本发明能用于历史数据的分析,并且不依赖于历史数据的存储。
Description
技术领域
本发明涉及智能交通技术领域,尤其是涉及一种能够实现交叉口信号周期及周期流量的实时估计或离线的交叉口信号周期及周期流量的估计方法。
背景技术
随着大数据、云计算、人工智能技术的发展,利用海量的历史、实时数据分析交通需求,对交通信号控制方案进行在线优化,实现人工智能决策是目前智能交通发展的主要趋势。交通信号控制方案的计算所需的重要参数包括信号交叉口的车道周期流量,即道路交叉口一个车道在一个信号周期内所通过的车辆数。随着视频检测技术的成熟、国家“天网工程”的全面实施,信号交叉口的视频卡口设备覆盖面大幅提升,这些设备能够检测到交叉口各个车道每辆车的号牌、进出路口的时间等信息,检测精度足以取代以前信号控制机连接的地磁线圈,成为信号交叉口车道周期流量数据的来源。
由于视频卡口与信号控制设备之间跨网、设备分属不同厂商等原因,这些视频卡口所连接的数据计算平台,无法直接获知实时或历史的交通信号周期参数,海量的过车数据无法及时转换为计算信号控制方案,一定程度上阻碍或延缓了这一资源的便捷利用。因此,必须建立一种利用视频卡口过车数据估计信号交叉口周期及周期流量的方法,实现对周期及周期流量的估计,这不仅使得卡口过车数据能够更加便捷地应用于信号控制方案计算,也让未来更多源的流量数据应用于交通信号控制成为可能。
目前,国内已经有将视频卡口数据用于交通信号控制方案实时计算的案例,主要的实现方法是三类:第一类是直接利用视频卡口过车数据,统计5-10分钟的流量值,这种方法的缺点是由于计算时间间隔的选取无法保证恰好是信号周期时间的整数倍,则计算间隔越短,流量准确性越低,计算间隔越长,流量越平滑,无法实际反应路口交通状态;第二类是在视频设备与信号机设备时间增加流量转换设备,视频模拟线圈给信号机发送信号,信号机统计周期时间内的车辆数,这种方法的缺点是两个设备间需要增加转换设备,可能存在高频率的跨网通信,对设备统一时钟、传输性能都有很高的要求;第三类方法是信号设备将信号时间传输到上位机,视频将过车信息也传输到数据中心,两者在中心实现匹配。这种方法仍可能存在高频率的跨网通信,对设备时钟统一、传输性能要求较高的问题。
发明内容
本发明为了克服现有技术存在的上述不足,提供了一种能够实现交叉口信号周期及周期流量的实时估计或离线的交叉口信号周期及周期流量的估计方法。
为了实现上述目的,本发明采用了以下技术方案:
一种交叉口信号周期及周期流量的估计方法,包括如下步骤:
(1-1)在时间段T内,确定要估计信号周期的路口及要估计周期流量的车道,记录当前时刻t0,将时刻t0作为起点,获取t0时刻前Δtp分钟内该车道的视频卡口过车数据;
(1-2)以前Δtp分钟内该车道的视频卡口过车数据为样本数据,初始化相邻头车车头时距最大值Δhmax、车头时距临界值ΔH、相邻头车车头时距最大值调整步长相邻头车车头时距最大值调整步长队列初始化相邻头车车头时距最大值调整步长队列计数值n,设定n=1,选择Δtp分钟的第一个t分钟的视频卡口过车数据;
(1-3)根据选择的第一个t分钟的视频卡口过车数据,获得相邻两辆车车头时距,根据相邻两辆车车头时距,查找出车头时距最大的车作为头车;
(1-4)以查找出的头车的时刻t2作为计算起点,继续查找下一个头车的时刻t3,根据查找到的t2时刻和t3时刻计算信号周期及周期流量;
(1-5)如果t0时刻向前的t分钟之内存在最后一个完整的信号周期TT1,接受TT1为t0时刻的信号周期,并接受信号周期TT1时间段的车流量为t0时刻的周期流量;
如果t0时刻向前的t分钟之内不存在最后一个完整的信号周期TT1,t分钟内车流量异常,输出为0;
将当前时刻t1与时刻t0进行比较,如果(t1-t0)<t分钟,等待直到(t1-t0)=t,使t0加上t分钟,取(t0,t0+t)时间段的视频卡口过车数据,转入步骤(1-4);如果(t1-t0)=X分钟,转入步骤(1-1)。
本发明通过信号交叉口的视频卡口过车数据的车辆过车时间估计出该信号交叉口的信号周期及该车道的周期流量。
作为优选,步骤(1-4)的具体步骤如下:
(2-1)以查找出的头车的时刻t2作为起点,将连续车辆的各相邻车头时距相加,直到时间之和大于Δhmax时停止;
(2-2)在各相邻车头时距相加的连续车辆序列中,基于车头时距临界值ΔH从后往前定位尾车,如果存在第一个车头时距大于ΔH的车,该车即为下周期的头车,下一个头车的时刻为t3,该车的前一辆车为上周期的尾车,转入步骤(2-3);否则,转入步骤(2-4);
(2-3)利用公式Δt=t3-t2计算两个头车的时间差值Δt,时间差值Δt即为信号周期,周期流量为两个头车时刻之间的通过视频卡口的车辆数+1,如果周期流量小于等于2,转入步骤(2-6);如果Δt小于Δhmax,且则转入步骤(2-1);否则,转入步骤(2-7);
(2-4)如果n≤N,使并使n增加1,如果计算并更新对应的ΔH的值,转入步骤(2-2);
(2-5)如果或者转入步骤(2-4);如果n>N,重置n=1,转入步骤(2-6),
其中,N为相邻头车车头时距最大值调整步长队列的队列长度,为相邻头车车头时距最大值调整步长队列中的值,为相邻头车车头时距最大值调整步长的整数倍,包括正数和负数,为相邻头车车头时距最大值Δhmax的上边界,相邻头车车头时距最大值Δhmax的下边界;
(2-6)如果当前头车时刻与t0时刻之间还存在一个t分钟的视频卡口过车数据,清除头车信息,选择Δtp分钟的下一个t分钟的视频卡口过车数据,转入步骤(1-3);否则,确定新的头车时刻为当前t分钟结束的时刻,转入步骤(1-5);
(2-7)选定信号周期内最后一辆车的下一辆车为新的头车,重置n=1,如果时刻t0与最后找到的头车时刻的差值小于Δhmax,转入步骤(1-5),否则,转入步骤(2-1)。
作为优选,相邻头车车头时距最大值调整步长队列的队列长度的计算公式为:
作为优选,计算并更新对应的ΔH的值的计算公式如下:
如果车道为直行类车道,如果车道为左转类车道,
作为优选,时间段T具体是指早上6:00-21:00,连续5个周期车辆平均周期车辆数大于4,绿灯时间大于通常行人过街最小绿灯时间12秒的时间段;
路口是指使用信号灯进行控制的城市道路交叉口,包括十字路口、丁字路口、多叉路口等;
车道是指信号交叉口的车道,包括左转、掉头、直行、左直等车道,不能是不受信号灯控制一直可以通行的右转车道,不能是同一个周期非连续相位多次放行的车道。
作为优选,Δtp是指首次分析样本数据的时间长度,是t分钟的整数倍;
视频卡口是指路口的视频检测设备,包括正向、反向卡口、开启卡口过车检测功能的电警设备;
过车数据是指车道每辆车的过车信息,包括每辆车通过路口时被检测到的时间,精确到秒。
作为优选,头车是指在一个周期内,车道车辆放行时,首辆通过的车;
车头时距是指前后通过同一交叉口、同一车道的两辆车的时间差值;
相邻头车车头时距最大值Δhmax是指两个相邻的信号周期内,两辆头车之间的时间差值,Δhmax通过相邻头车车头时距最大值调整步长队列中的值改变大小。
作为优选,t为2分钟-10分钟,,X为120分钟-240分钟。
因此,本发明具有如下有益效果:本发明仅通过交叉口的视频卡口过车数据的车辆过车时间估计交叉口的信号周期及周期流量,去除了去信号控制设备数据的依赖;信号灯的方案在不同的时间段会发生变化,本发明能够保证信号周期及周期流量的持续估计,实用性强;本发明能用于历史数据的分析,并且不依赖于历史数据的存储。
附图说明
图1是本发明的一种流程图。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步描述:
如图1所示的实施例是一种交叉口信号周期及周期流量的估计方法,包括如下步骤:
(1-1)在时间段T内,确定要估计信号周期的路口及要估计周期流量的车道,记录当前时刻t0,将时刻t0作为起点,获取t0时刻前Δtp分钟内该车道的视频卡口过车数据;
(1-2)以前Δtp分钟内该车道的视频卡口过车数据为样本数据,初始化相邻头车车头时距最大值Δhmax、车头时距临界值ΔH、相邻头车车头时距最大值调整步长相邻头车车头时距最大值调整步长队列初始化相邻头车车头时距最大值调整步长队列计数值n,设定n=1,选择Δtp分钟的第一个5分钟的视频卡口过车数据;
(1-3)根据选择的第一个5分钟的视频卡口过车数据,获得相邻两辆车车头时距,根据相邻两辆车车头时距,查找出车头时距最大的车作为头车;
(1-4)以查找出的头车的时刻t2作为计算起点,将连续车辆的各相邻车头时距相加,直到时间之和大于Δhmax时停止;
(1-5)在各相邻车头时距相加的连续车辆序列中,基于车头时距临界值ΔH从后往前定位尾车,如果存在第一个车头时距大于ΔH的车,该车即为下周期的头车,下一个头车的时刻为t3,该车的前一辆车为上周期的尾车,转入步骤(1-6);否则,转入步骤(1-7);
(1-6)利用公式Δt=t3-t2计算两个头车的时间差值Δt,时间差值Δt即为信号周期,周期流量为两个头车时刻之间的通过视频卡口的车辆数+1,如果周期流量小于等于2,转入步骤(1-9);如果Δt小于Δhmax,且则转入步骤(1-4);否则,转入步骤(1-10);
(1-7)如果n≤N,使并使n增加1,如果计算并更新对应的ΔH的值,转入步骤(1-5);
(1-8)如果或者转入步骤(1-7);如果n>N,重置n=1,转入步骤(1-9),
其中,N为相邻头车车头时距最大值调整步长队列的队列长度,为相邻头车车头时距最大值调整步长队列中的值,为相邻头车车头时距最大值调整步长的整数倍,包括正数和负数,为相邻头车车头时距最大值Δhmax的上边界,相邻头车车头时距最大值Δhmax的下边界;
(1-9)如果当前头车时刻与t0时刻之间还存在一个5分钟的视频卡口过车数据,清除头车信息,选择Δtp分钟的下一个5分钟的视频卡口过车数据,转入步骤(1-3);否则,确定新的头车时刻为当前5分钟结束的时刻,转入步骤(1-11);
(1-10)选定信号周期内最后一辆车的下一辆车为新的头车,重置n=1,如果时刻t0与最后找到的头车时刻的差值小于Δhmax,转入步骤(1-11),否则,转入步骤(1-4);
(1-11)如果t0时刻向前的5分钟之内存在最后一个完整的信号周期TT1,接受TT1为t0时刻的信号周期,并接受信号周期TT1时间段的车流量为t0时刻的周期流量;
如果t0时刻向前的5分钟之内不存在最后一个完整的信号周期TT1,5分钟内车流量异常,输出为0;
将当前时刻t1与时刻t0进行比较,如果(t1-t0)<5分钟,等待直到(t1-t0)=5,使t0加上5分钟,取(t0,t0+5)时间段的视频卡口过车数据,转入步骤(1-4);如果(t1-t0)=120分钟,转入步骤(1-1)。
其中,相邻头车车头时距最大值调整步长队列的队列长度的计算公式为:
计算并更新对应的ΔH的值的计算公式如下:
如果车道为直行类车道,如果车道为左转类车道,
时间段T具体是指早上6:00-21:00,连续5个周期车辆平均周期车辆数大于4,绿灯时间大于通常行人过街最小绿灯时间12秒的时间段;
路口是指使用信号灯进行控制的城市道路交叉口,包括十字路口、丁字路口、多叉路口等;
车道是指信号交叉口的车道,包括左转、掉头、直行、左直等车道,不能是不受信号灯控制一直可以通行的右转车道,不能是同一个周期非连续相位多次放行的车道。
Δtp是指首次分析样本数据的时间长度,是5分钟的整数倍;
视频卡口是指路口的视频检测设备,包括正向、反向卡口、开启卡口过车检测功能的电警设备;
过车数据是指车道每辆车的过车信息,包括每辆车通过路口时被检测到的时间,精确到秒。
头车是指在一个周期内,车道车辆放行时,首辆通过的车;
车头时距是指前后通过同一交叉口、同一车道的两辆车的时间差值;
相邻头车车头时距最大值Δhmax是指两个相邻的信号周期内,两辆头车之间的时间差值,Δhmax通过相邻头车车头时距最大值调整步长队列中的值改变大小。
应理解,本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (8)
1.一种交叉口信号周期及周期流量的估计方法,其特征在于,包括如下步骤:
(1-1)在时间段T内,确定要估计信号周期的路口及要估计周期流量的车道,记录当前时刻t0,将时刻t0作为起点,获取t0时刻前Δtp分钟内该车道的视频卡口过车数据;
(1-2)以前Δtp分钟内该车道的视频卡口过车数据为样本数据,初始化相邻头车车头时距最大值Δhmax、车头时距临界值ΔH、相邻头车车头时距最大值调整步长相邻头车车头时距最大值调整步长队列初始化相邻头车车头时距最大值调整步长队列计数值n,设定n=1,选择Δtp分钟的第一个t分钟的视频卡口过车数据;
(1-3)根据选择的第一个t分钟的视频卡口过车数据,获得相邻两辆车车头时距,根据相邻两辆车车头时距,查找出车头时距最大的车作为头车;
(1-4)以查找出的头车的时刻t2作为计算起点,继续查找下一个头车的时刻t3,根据查找到的t2时刻和t3时刻计算信号周期及周期流量;
(1-5)如果t0时刻向前的t分钟之内存在最后一个完整的信号周期TT1,接受TT1为t0时刻的信号周期,并接受信号周期TT1时间段的车流量为t0时刻的周期流量;
如果t0时刻向前的t分钟之内不存在最后一个完整的信号周期TT1,t分钟内车流量异常,输出为0;
将当前时刻t1与时刻t0进行比较,如果(t1-t0)<t分钟,等待直到(t1-t0)=t,使t0加上t分钟,取(t0,t0+t)时间段的视频卡口过车数据,转入步骤(1-4);如果(t1-t0)=X分钟,转入步骤(1-1)。
2.根据权利要求1所述的交叉口信号周期及周期流量的估计方法,其特征在于,步骤(1-4)的具体步骤如下:
(2-1)以查找出的头车的时刻t2作为起点,将连续车辆的各相邻车头时距相加,直到时间之和大于Δhmax时停止;
(2-2)在各相邻车头时距相加的连续车辆序列中,基于车头时距临界值ΔH从后往前定位尾车,如果存在第一个车头时距大于ΔH的车,该车即为下周期的头车,下一个头车的时刻为t3,该车的前一辆车为上周期的尾车,转入步骤(2-3);否则,转入步骤(2-4);
(2-3)利用公式Δt=t3-t2计算两个头车的时间差值Δt,时间差值Δt即为信号周期,周期流量为两个头车时刻之间的通过视频卡口的车辆数+1,如果周期流量小于等于2,转入步骤(2-6);如果Δt小于Δhmax,且则转入步骤(2-1);否则,转入步骤(2-7);
(2-4)如果n≤N,使并使n增加1,如果计算并更新对应的ΔH的值,转入步骤(2-2);
(2-5)如果或者转入步骤(2-4);如果n>N,重置n=1,转入步骤(2-6),
其中,N为相邻头车车头时距最大值调整步长队列的队列长度,为相邻头车车头时距最大值调整步长队列中的值,为相邻头车车头时距最大值调整步长的整数倍,包括正数和负数,为相邻头车车头时距最大值Δhmax的上边界,相邻头车车头时距最大值Δhmax的下边界;
(2-6)如果当前头车时刻与t0时刻之间还存在一个t分钟的视频卡口过车数据,清除头车信息,选择Δtp分钟的下一个t分钟的视频卡口过车数据,转入步骤(1-3);否则,确定新的头车时刻为当前t分钟结束的时刻,转入步骤(1-5);
(2-7)选定信号周期内最后一辆车的下一辆车为新的头车,重置n=1,如果时刻t0与最后找到的头车时刻的差值小于Δhmax,转入步骤(1-5),否则,转入步骤(2-1)。
3.根据权利要求2所述的交叉口信号周期及周期流量的估计方法,其特征在于,相邻头车车头时距最大值调整步长队列的队列长度的计算公式为:
4.根据权利要求2所述的交叉口信号周期及周期流量的估计方法,其特征在于,计算并更新对应的ΔH的值的计算公式如下:
如果车道为直行类车道,如果车道为左转类车道,
5.根据权利要求1或2或3或4所述的交叉口信号周期及周期流量的估计方法,其特征在于,时间段T具体是指早上6:00-21:00,连续5个周期车辆平均周期车辆数大于4,绿灯时间大于通常行人过街最小绿灯时间12秒的时间段;
路口是指使用信号灯进行控制的城市道路交叉口,包括十字路口、丁字路口、多叉路口等;
车道是指信号交叉口的车道,包括左转、掉头、直行、左直等车道,不能是不受信号灯控制一直可以通行的右转车道,不能是同一个周期非连续相位多次放行的车道。
6.根据权利要求1或2或3或4所述的交叉口信号周期及周期流量的估计方法,其特征在于,Δtp是指首次分析样本数据的时间长度,是t分钟的整数倍;
视频卡口是指路口的视频检测设备,包括正向、反向卡口、开启卡口过车检测功能的电警设备;
过车数据是指车道每辆车的过车信息,包括每辆车通过路口时被检测到的时间,精确到秒。
7.根据权利要求1或2或3或4所述的交叉口信号周期及周期流量的估计方法,其特征在于,头车是指在一个周期内,车道车辆放行时,首辆通过的车;
车头时距是指前后通过同一交叉口、同一车道的两辆车的时间差值;
相邻头车车头时距最大值Δhmax是指两个相邻的信号周期内,两辆头车之间的时间差值,Δhmax通过相邻头车车头时距最大值调整步长队列中的值改变大小。
8.根据权利要求1或2或3或4所述的交叉口信号周期及周期流量的估计方法,其特征在于,t为2分钟-10分钟,X为120分钟-240分钟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711140183.7A CN107993435B (zh) | 2017-11-16 | 2017-11-16 | 交叉口信号周期及周期流量的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711140183.7A CN107993435B (zh) | 2017-11-16 | 2017-11-16 | 交叉口信号周期及周期流量的估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107993435A true CN107993435A (zh) | 2018-05-04 |
CN107993435B CN107993435B (zh) | 2019-10-29 |
Family
ID=62030429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711140183.7A Active CN107993435B (zh) | 2017-11-16 | 2017-11-16 | 交叉口信号周期及周期流量的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107993435B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377753A (zh) * | 2018-10-19 | 2019-02-22 | 江苏智通交通科技有限公司 | 协调方向重复放行的干线协调优化方法 |
CN109584581A (zh) * | 2019-01-10 | 2019-04-05 | 浙江工业大学 | 基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法 |
CN109584564A (zh) * | 2018-12-24 | 2019-04-05 | 上海羡通交通科技有限公司 | 一种适用多设备的信控方案实施优化方法及其系统和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985250A (zh) * | 2014-04-04 | 2014-08-13 | 浙江工业大学 | 轻量级的全息道路交通状态视觉检测装置 |
CN105844915A (zh) * | 2016-05-13 | 2016-08-10 | 东南大学 | 一种可变限速控制下交通流基本图的确定方法 |
CN106448192A (zh) * | 2016-10-21 | 2017-02-22 | 合肥哦走信息技术有限公司 | 一种基于视频检测的智能交通控制系统 |
CN106910340A (zh) * | 2017-04-13 | 2017-06-30 | 东南大学 | 一种实现自动检测道路交通量的方法 |
CN107341957A (zh) * | 2017-08-17 | 2017-11-10 | 中山大学 | 一种综合道路交通信息采集系统 |
-
2017
- 2017-11-16 CN CN201711140183.7A patent/CN107993435B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985250A (zh) * | 2014-04-04 | 2014-08-13 | 浙江工业大学 | 轻量级的全息道路交通状态视觉检测装置 |
CN105844915A (zh) * | 2016-05-13 | 2016-08-10 | 东南大学 | 一种可变限速控制下交通流基本图的确定方法 |
CN106448192A (zh) * | 2016-10-21 | 2017-02-22 | 合肥哦走信息技术有限公司 | 一种基于视频检测的智能交通控制系统 |
CN106910340A (zh) * | 2017-04-13 | 2017-06-30 | 东南大学 | 一种实现自动检测道路交通量的方法 |
CN107341957A (zh) * | 2017-08-17 | 2017-11-10 | 中山大学 | 一种综合道路交通信息采集系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377753A (zh) * | 2018-10-19 | 2019-02-22 | 江苏智通交通科技有限公司 | 协调方向重复放行的干线协调优化方法 |
CN109584564A (zh) * | 2018-12-24 | 2019-04-05 | 上海羡通交通科技有限公司 | 一种适用多设备的信控方案实施优化方法及其系统和装置 |
CN109584564B (zh) * | 2018-12-24 | 2021-11-16 | 上海羡通交通科技有限公司 | 一种适用多设备的信控方案实施优化方法及其系统和装置 |
CN109584581A (zh) * | 2019-01-10 | 2019-04-05 | 浙江工业大学 | 基于傅里叶变换的数据驱动交叉口信号控制实际执行周期估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107993435B (zh) | 2019-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110100271B (zh) | 用于使用交通信号数据估计道路交通状况的方法和装置 | |
CN107293116B (zh) | 一种基于视频分析的交通事件检测系统 | |
CN104240523B (zh) | 城市干道绿波控制方法 | |
CN106548632B (zh) | 一种相邻上下游信号交叉口排队长度估计方法 | |
CN109767630A (zh) | 一种基于车路协同的交通信号控制系统 | |
CN107993435B (zh) | 交叉口信号周期及周期流量的估计方法 | |
CN109272756A (zh) | 一种信控交叉口排队长度估计方法 | |
CN101783073B (zh) | 基于双截面检测器的信号交叉口延误测定方法 | |
CN104658279B (zh) | 基于视频通行状态监测的实时优化信号控制方法及系统 | |
CN105225506B (zh) | 基于逆向可变车道的交叉口公交左转优先道路及管控方法 | |
CN105405301B (zh) | 一种针对交叉口直右汇流冲突的右转信号感应控制方法 | |
CN105046954B (zh) | 基于视频智能分析的路口通行状态动态检测系统及方法 | |
CN104537851A (zh) | 实时反馈动态交通信号控制系统 | |
CN106384517A (zh) | 一种基于视觉传感的交通信号控制方法、装置及系统 | |
US11798408B2 (en) | Green wave speed determination method, electronic device and storage medium | |
CN112017434B (zh) | 一种基于时空协同的可变车道控制方法及系统 | |
CN109410574A (zh) | 一种面向阶段-相位信号控制方案的配时参数优化方法 | |
CN109993981A (zh) | 基于全息检测的交通信号自协调控制方法 | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN104200648B (zh) | 一种基于电子车牌的路段平均旅行时间计算方法 | |
CN109903574A (zh) | 路口交通信息的获取方法和装置 | |
CN106846844B (zh) | 城市道路公交信号优先方法 | |
CN108457144A (zh) | 一种连续流交叉口的使用方法 | |
CN110415519A (zh) | 一种基于车辆轨迹数据的区域交通信号实时优化控制方法 | |
CN109637127A (zh) | 一种信号灯近似时长的确定方法及系统 |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 310053 23-25, 2 building, 352 BINKANG Road, Binjiang District, Hangzhou, Zhejiang. Patentee after: Zhejiang zhongkong Information Industry Co.,Ltd. Address before: 310053 23-25, 2 building, 352 BINKANG Road, Binjiang District, Hangzhou, Zhejiang. Patentee before: ZHEJIANG SUPCON INFORMATION TECHNOLOGY Co.,Ltd. |