CN108320508A - 一种基于出行计划预测未来交通拥堵状况方法及其系统 - Google Patents

一种基于出行计划预测未来交通拥堵状况方法及其系统 Download PDF

Info

Publication number
CN108320508A
CN108320508A CN201810240302.4A CN201810240302A CN108320508A CN 108320508 A CN108320508 A CN 108320508A CN 201810240302 A CN201810240302 A CN 201810240302A CN 108320508 A CN108320508 A CN 108320508A
Authority
CN
China
Prior art keywords
information
plan
travel
time
vehicle
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
Application number
CN201810240302.4A
Other languages
English (en)
Other versions
CN108320508B (zh
Inventor
徐维祥
李娇娇
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201810240302.4A priority Critical patent/CN108320508B/zh
Publication of CN108320508A publication Critical patent/CN108320508A/zh
Application granted granted Critical
Publication of CN108320508B publication Critical patent/CN108320508B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

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

Abstract

本发明公开一种基于出行计划预测未来交通拥堵状况方法，包括：通过车载定位及发布装置获取出行计划信息以及用户实时位置信息；所述出行计划信息包括行驶路径；判断出行计划信息是否有效；通过实时交通流数据库获取路网信息并根据所述路网信息确定当前时刻处于同一路段中的当前车辆数量并计算下一时刻处于同一路段中的未来车辆数量；将处于所述行驶路径中的所述未来车辆数量与有效的所述出行计划信息进行相加并生成流量信息；根据所述流量信息确定交通拥堵状况等级。本发明能够对道路交通拥堵情况进行预测，为用户出行提供便利。

Description

一种基于出行计划预测未来交通拥堵状况方法及其系统
技术领域
本发明涉及智慧交通领域，特别是涉及一种基于出行计划预测未来交通拥堵状况方法及其系统。
背景技术
截至2016年末，全国民用汽车保有量19440万辆(包括三轮汽车和低速货车881万辆)，其中私人汽车保有量16559万辆。北京市民用汽车548.4万辆，其中私人汽车达到452.8万辆，而私人汽车中的轿车为316.2万辆。北京市日均车流量达到100万辆以上，在假期高峰期甚至达到200万辆以上。如此庞大的交通数据有助于智慧交通系统的建立。
大数据理论研究及应用广度与日俱增，在海量异构数据的分析与处理方面具有较强的优势，在智慧交通诱导系统中，应用大数据理论对海量的交通数据进行挖掘分析处理，可以为全新的智慧交通诱导的实现提供强有力的数据支持。
云计算技术是一种核心数据存储于互联网，同时计算方式也来自于互联网的新型计算机技术，可以提供足够强大的计算能力，极大地提升了计算速度。在智慧交通诱导系统中，应用云计算技术，可以更方便的存储海量交通数据，更快速地进行数据分析，极大地减少了运算时间。
无人驾驶作为一项全球性的颠覆技术变革，是人工智能应用场景的实践和检验之一。中国汽车工程协会消息称，我国力求高度或完全自动驾驶汽车在2021年到2025年能够上市；2026年到2030年，每辆车都应采用无人驾驶或辅助驾驶系统。
发明内容
本发明的目的在于提供一种基于出行计划预测未来交通拥堵状况方法及其系统，能够对道路交通拥堵情况进行预测，为用户出行提供便利。
为达到上述目的，本发明采用下述技术方案：一种基于出行计划预测未来交通拥堵状况方法，包括：
通过车载定位及发布装置获取包括行驶路径的出行计划信息以及用户实时位置信息；
判断出行计划信息是否有效；
通过实时交通流数据库获取路网信息并根据所述路网信息确定当前时刻处于同一路段中的当前车辆数量并计算下一时刻处于同一路段中的未来车辆数量；
将处于所述行驶路径中的所述未来车辆数量与有效的所述出行计划信息进行相加并生成流量信息；
根据所述流量信息确定交通拥堵状况等级。
优选地，所述判断出行计划信息是否有效并将有效的出行计划信息数目进行叠加包括：
当所述车载定位及发布装置获取所述出行计划信息时生成第一位置信息；
设定参考时间，当所述车载定位及发布装置获取所述出行计划信息时开始计时，当所述参考时间结束后，所述车载定位及发布装置实时生成第二位置信息；
设定一阈值，判断所述第一位置信息与所述第二位置信息之间的差值是否小于或等于所述阈值；
是，所述出行计划信息失效；
否，所述出行计划信息有效。
优选地，所述通过实时交通流数据库获取路网信息并根据所述路网信息确定当前时刻时处于同一路段中的当前车辆数量并计算下一时刻处于同一路段中的未来车辆数量包括：
通过实时交通流数据库获取路网信息，所述路网信息包括当前时刻各个车辆的定位信息以及车辆速度信息；
通过当前时刻的各个车辆的所述定位信息确定处于同一路段的当前车辆数量；
设定下一时刻；
通过所述定位信息以及车辆速度信息计算经过所述下一时刻时处于所述行驶路径中的各个车辆所到达的道路位置；
将处于同一所述道路位置的车辆进行统计并得到未来车辆数量。
优选地，所述根据所述流量信息确定交通拥堵状况等级包括：
将交通状况划分为若干交通拥堵状况等级，每个所述交通拥堵状况等级根据车辆数目进行划分，每个所述交通拥堵状况等级所规定的车辆数目均不相同；
根据所述流量信息中数目大小来确定所述流量信息所对应的所述交通拥堵状况等级。
一种基于出行计划预测未来交通拥堵状况系统，包括：
车载定位及发布装置，用于获取第一信息库，所述第一信息库包括出行计划信息以及用户实时位置信息；
出行计划数据库，用于存储所述第一信息库并进行发送；
实时交通流数据库，用于获取第二信息库并进行发送，所述第二信息库包括路网信息；
未来路况预测装置，用于分别接收所述出行计划数据库以及所述实时交通流数据库所发送的第一信息库以及第二信息库；
当所述未来路况预测装置接收到所述第一信息库时，所述未来路况预测装置根据所述用户实时位置信息判断所述出行计划信息是否有效；
当所述未来路况预测装置接收到所述第二信息库时，所述未来路况预测装置根据有效的所述出行计划信息以及所述第二信息库输出交通状况等级信息。
优选地，所述出行计划信息包括行驶路径。
本发明的有益效果如下：
本发明所述技术方案具有原理明确、设计简单的优点，能够获取用户的出行计划信息并实时对道路上的车辆进行实时监测，获取车辆的速度以及位置信息，经过进一步计算，得到各个车辆在未来的下一时刻所到达的道路位置，从而判断用户出行计划信息中的行驶路径中的道路交通拥堵情况，为用户的出行提供了便利。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明的系统流程图；
图2示出本发明的方法步骤流程图；
图3示出本发明的方法过程流程图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
如图1所示，一种基于出行计划预测未来交通拥堵状况系统，包括：
车载定位及发布装置，用于获取第一信息库，第一信息库包括出行计划信息以及用户实时位置信息；
出行计划数据库，用于存储所述第一信息库并进行发送；
实时交通流数据库，用于获取第二信息库并进行发送，第二信息库包括路网信息；
未来路况预测装置，用于分别接收出行计划数据库以及实时交通流数据库所发送的第一信息库以及第二信息库；
当未来路况预测装置接收到所述第一信息库时，未来路况预测装置根据用户实时位置信息判断出行计划信息是否有效；
当未来路况预测装置接收到第二信息库时，未来路况预测装置根据有效的出行计划信息以及第二信息库输出交通状况等级信息。
如图2所示，基于上述系统，本发明还提供一种基于出行计划预测未来交通拥堵状况方法，包括：
通过车载定位及发布装置获取包括行驶路径的出行计划信息以及用户实时位置信息；
判断出行计划信息是否有效；
通过实时交通流数据库获取路网信息并根据路网信息确定当前时刻处于同一路段中的当前车辆数量并计算下一时刻处于同一路段中的未来车辆数量；
将处于行驶路径中的未来车辆数量与有效的出行计划信息进行相加并生成流量信息；
根据流量信息确定交通拥堵状况等级。
也就是说，如图3所示，在本发明的具体实施中，通过车载定位及发布装置能够获取各个用户所发布的出行计划信息以及用户实时位置信息，车载定位及发布装置通常安装于用户的车内。出行计划信息包括有用户的行驶路径、用户的账号信息、发布时间信息、出行起点以及终点信息，接着判断所获取的各个用户所发布的出行计划信息是否有效，当车载定位及发布装置获取出行计划信息时生成车辆的第一位置信息并设定参考时间，当车载定位及发布装置获取出行计划信息时开始计时，并在参考时间结束后，车载定位及发布装置实时生成车辆的第二位置信息，设定一阈值，以此判断第一位置信息与第二位置信息之间的差值是否小于或等于阈值，当差值小于阈值时，则此出行计划信息失效，而当差值大于阈值时，则判定此出行计划信息有效，将有效的出行计划信息进行赋值，数值为1，并将无效的出行计划信息进行赋值，数值为0，当出行计划信息显示为无效时，能够及时的反馈至车载定位及发布装置，来提醒用户进行对出行计划信息的修改。
在本发明的具体实施中，通过实时交通流数据库获取道路的路网信息，路网信息包括当前时刻各个车辆的定位信息、车辆行驶速度信息以及道路信息等。
在本发明的具体实施中，根据路网信息确定当前时刻时处于同一路段中的当前车辆数量并计算下一时刻处于同一路段中的未来车辆数量包括：
设定一个下一时刻，并通过未来路况预测装置根据车辆行驶速度信息以及各个车辆的定位信息来计算当达到下一时刻时，处于行驶路径中的各个车辆所到达的道路位置，这里的下一时刻可以为两分钟、五分钟等，并将处于同一道路位置的车辆进行统计并得到未来车辆数量，并通过将未来车辆数量与有效的出行计划信息的赋值进行相加来得到流量信息。
在本发明的具体实施中，根据流量信息确定交通拥堵状况等级包括：
将交通状况划分为若干交通拥堵状况等级，每个交通拥堵状况等级根据车辆数目进行划分，每个交通拥堵状况等级所规定的车辆数目均不相同；
根据流量信息中数目大小来确定流量信息所对应的交通拥堵状况等级。
也就是说，通过设若干不同的交通拥堵状况等级来清楚的表达每条道路拥堵的情况，每个交通拥堵状况等级通过根据道路上的车辆数目进行划分，这样能够清楚的使用户能够清楚的了解道路的拥堵情况，对用户的实时出行提供了便利。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，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，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (7)

1.一种基于出行计划预测未来交通拥堵状况方法，其特征在于，包括：
通过车载定位及发布装置获取包括行驶路径的出行计划信息以及用户实时位置信息；
判断出行计划信息是否有效；
通过实时交通流数据库获取路网信息并根据所述路网信息确定当前时刻处于同一路段中的当前车辆数量并计算下一时刻处于同一路段中的未来车辆数量；
将处于所述行驶路径中的所述未来车辆数量与有效的所述出行计划信息进行相加并生成流量信息；
根据所述流量信息确定交通拥堵状况等级。
2.根据权利要求1所述的方法，其特征在于，所述判断出行计划信息是否有效并将有效的出行计划信息数目进行叠加包括：
当所述车载定位及发布装置获取所述出行计划信息时生成第一位置信息；
设定参考时间，当所述车载定位及发布装置获取所述出行计划信息时开始计时，当所述参考时间结束后，所述车载定位及发布装置实时生成第二位置信息；
设定一阈值，判断所述第一位置信息与所述第二位置信息之间的差值是否小于或等于所述阈值；
是，所述出行计划信息失效；
否，所述出行计划信息有效。
3.根据权利要求1所述的方法，其特征在于，所述通过实时交通流数据库获取路网信息并根据所述路网信息确定当前时刻时处于同一路段中的当前车辆数量并计算下一时刻处于同一路段中的未来车辆数量包括：
通过实时交通流数据库获取路网信息，所述路网信息包括当前时刻各个车辆的定位信息以及车辆速度信息；
通过当前时刻的各个车辆的所述定位信息确定处于同一路段的当前车辆数量；
设定下一时刻；
通过所述定位信息以及车辆速度信息计算经过所述下一时刻时处于所述行驶路径中的各个车辆所到达的道路位置；
将处于同一所述道路位置的车辆进行统计并得到未来车辆数量。
4.根据权利要求1所述的方法，其特征在于，所述根据所述流量信息确定交通拥堵状况等级包括：
将交通状况划分为若干交通拥堵状况等级，每个所述交通拥堵状况等级根据车辆数目进行划分，每个所述交通拥堵状况等级所规定的车辆数目均不相同；
根据所述流量信息中数目大小来确定所述流量信息所对应的所述交通拥堵状况等级。
5.一种基于出行计划预测未来交通拥堵状况系统，其特征在于，包括：
车载定位及发布装置，用于获取第一信息库，所述第一信息库包括出行计划信息以及用户实时位置信息；
出行计划数据库，用于存储所述第一信息库并进行发送；
实时交通流数据库，用于获取第二信息库并进行发送，所述第二信息库包括路网信息；
未来路况预测装置，用于分别接收所述出行计划数据库以及所述实时交通流数据库所发送的第一信息库以及第二信息库；
当所述未来路况预测装置接收到所述第一信息库时，所述未来路况预测装置根据所述用户实时位置信息判断所述出行计划信息是否有效；
当所述未来路况预测装置接收到所述第二信息库时，所述未来路况预测装置根据有效的所述出行计划信息以及所述第二信息库输出交通状况等级信息。
6.根据权利要求5所述的系统，其特征在于，所述出行计划信息包括行驶路径。
7.根据权利要求5所述的系统，其特征在于，所述路网信息包括各个车辆的定位信息以及车辆速度信息。
CN201810240302.4A 2018-03-22 2018-03-22 一种基于出行计划预测未来交通拥堵状况方法及其系统 Active CN108320508B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810240302.4A CN108320508B (zh) 2018-03-22 2018-03-22 一种基于出行计划预测未来交通拥堵状况方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810240302.4A CN108320508B (zh) 2018-03-22 2018-03-22 一种基于出行计划预测未来交通拥堵状况方法及其系统

Publications (2)

Publication Number Publication Date
CN108320508A true CN108320508A (zh) 2018-07-24
CN108320508B CN108320508B (zh) 2020-08-04

Family

ID=62898143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810240302.4A Active CN108320508B (zh) 2018-03-22 2018-03-22 一种基于出行计划预测未来交通拥堵状况方法及其系统

Country Status (1)

Country Link
CN (1) CN108320508B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111209966A (zh) * 2020-01-07 2020-05-29 中南大学 一种基于马尔科夫链的路径行程时间确定方法及系统
CN112037518A (zh) * 2020-09-15 2020-12-04 浙江吉利控股集团有限公司 一种用于预测交通状态的计算方法、系统及车辆
CN112581757A (zh) * 2020-12-09 2021-03-30 曾李 一种智慧交通信息处理方法、装置及服务器
CN112949879A (zh) * 2021-03-26 2021-06-11 支付宝(杭州)信息技术有限公司 出行预约处理方法及装置
CN114973732A (zh) * 2022-04-20 2022-08-30 安徽皖通科技股份有限公司 基于路网智能监控的语音指引系统及方法
CN114997451A (zh) * 2022-08-05 2022-09-02 深圳市城市交通规划设计研究中心股份有限公司 一种公路场景下自动驾驶车辆的预约通行方法及计算设备
CN116403426A (zh) * 2023-04-10 2023-07-07 广东海洋大学 基于路况大数据的路网引领方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006091981A (ja) * 2004-09-21 2006-04-06 Denso Corp 道路混雑度予測システムおよび道路混雑度予測装置
CN101964148A (zh) * 2009-07-24 2011-02-02 日立(中国)研究开发有限公司 道路交通信息记录服务器和gps用户终端
CN103106787A (zh) * 2012-12-21 2013-05-15 周晓东 一种前瞻性解决城市交通拥堵的系统
CN104240500A (zh) * 2014-08-25 2014-12-24 奇瑞汽车股份有限公司 一种路况信息预测方法及系统
CN105261214A (zh) * 2015-10-09 2016-01-20 深圳市凯立德科技股份有限公司 一种路况预测方法、装置及服务器
CN107045783A (zh) * 2017-05-19 2017-08-15 邱惠崧 一种基于约定出行的道路路网精准行车运行方法和系统
CN107464417A (zh) * 2017-07-27 2017-12-12 温州市鹿城区中津先进科技研究院 基于出行路径大数据分析的交通调度管控方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006091981A (ja) * 2004-09-21 2006-04-06 Denso Corp 道路混雑度予測システムおよび道路混雑度予測装置
CN101964148A (zh) * 2009-07-24 2011-02-02 日立(中国)研究开发有限公司 道路交通信息记录服务器和gps用户终端
CN103106787A (zh) * 2012-12-21 2013-05-15 周晓东 一种前瞻性解决城市交通拥堵的系统
CN104240500A (zh) * 2014-08-25 2014-12-24 奇瑞汽车股份有限公司 一种路况信息预测方法及系统
CN105261214A (zh) * 2015-10-09 2016-01-20 深圳市凯立德科技股份有限公司 一种路况预测方法、装置及服务器
CN107045783A (zh) * 2017-05-19 2017-08-15 邱惠崧 一种基于约定出行的道路路网精准行车运行方法和系统
CN107464417A (zh) * 2017-07-27 2017-12-12 温州市鹿城区中津先进科技研究院 基于出行路径大数据分析的交通调度管控方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
AXEL SIMROTH: "Travel Time Prediction Using Floating Car Data Applied to Logistics Planning", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
姜学方: "基于行为的交通出行预测", 《中国优秀博硕士学位论文全文数据库 工程科技Ⅱ辑》 *
谢艳芳: "交通信息下出行者出行选择行为影响分析研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111209966A (zh) * 2020-01-07 2020-05-29 中南大学 一种基于马尔科夫链的路径行程时间确定方法及系统
CN111209966B (zh) * 2020-01-07 2023-09-26 中南大学 一种基于马尔科夫链的路径行程时间确定方法及系统
CN112037518A (zh) * 2020-09-15 2020-12-04 浙江吉利控股集团有限公司 一种用于预测交通状态的计算方法、系统及车辆
CN112037518B (zh) * 2020-09-15 2022-03-25 浙江吉利控股集团有限公司 一种用于预测交通状态的计算方法、系统及车辆
CN112581757A (zh) * 2020-12-09 2021-03-30 曾李 一种智慧交通信息处理方法、装置及服务器
CN112581757B (zh) * 2020-12-09 2021-11-16 广东君略科技咨询有限公司 一种智慧交通信息处理方法、装置及服务器
CN112949879A (zh) * 2021-03-26 2021-06-11 支付宝(杭州)信息技术有限公司 出行预约处理方法及装置
CN114973732A (zh) * 2022-04-20 2022-08-30 安徽皖通科技股份有限公司 基于路网智能监控的语音指引系统及方法
CN114973732B (zh) * 2022-04-20 2023-09-08 安徽皖通科技股份有限公司 基于路网智能监控的语音指引系统及方法
CN114997451A (zh) * 2022-08-05 2022-09-02 深圳市城市交通规划设计研究中心股份有限公司 一种公路场景下自动驾驶车辆的预约通行方法及计算设备
CN116403426A (zh) * 2023-04-10 2023-07-07 广东海洋大学 基于路况大数据的路网引领方法及系统
CN116403426B (zh) * 2023-04-10 2024-01-05 广东海洋大学 基于路况大数据的路网引领方法及系统

Also Published As

Publication number Publication date
CN108320508B (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN108320508A (zh) 一种基于出行计划预测未来交通拥堵状况方法及其系统
Wu et al. Energy-optimal speed control for electric vehicles on signalized arterials
CN105091892B (zh) 车辆用能量管理装置
CN104024800B (zh) 可到达范围计算装置、方法
WO2019047905A1 (zh) 一种交通路况分析系统、方法以及装置
CN104750963B (zh) 交叉口延误时长估计方法及装置
CN105427605B (zh) 一种考虑交通方式转移的公交专用道设置效益计算方法
Kankanamge et al. Taxi trip travel time prediction with isolated XGBoost regression
CN104424812B (zh) 一种公交到站时间预测系统和方法
DE102014224090A1 (de) Planung für multimodale strecke
CN109191845B (zh) 一种公交车辆到站时间预测方法
CN104851287B (zh) 基于视频检测器的城市道路路段行程时间检测方法
CN106530695B (zh) 基于车联网的城市干道车辆行程时间实时预测方法
CN110040122A (zh) 车辆控制系统、车辆控制方法及存储介质
CN102831768A (zh) 一种基于车联网的混合动力客车行驶工况预测方法
CN103714257A (zh) 一种公共交通问题线路识别技术
CN112734242A (zh) 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端
CN108663061A (zh) 一种电动汽车里程预估系统及其预估方法
CN109118769A (zh) 一种基于交通监测数据的路段自由流速度挖掘方法
CN109584549A (zh) 一种基于大规模浮动车数据的道路交通运行指数检测方法
Hua et al. Optimizing phase compression for transit signal priority at isolated intersections
CN110879862B (zh) 基于物联网的车辆信息查询系统
CN105654745A (zh) 一种基于智能手机的交通流量实时监控方法
CN108540963A (zh) 回连模式下车联网雾计算能力的评估方法
CN106295826A (zh) Web客户端基于预约租车时间里程进行预约租车的方法

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
GR01 Patent grant
GR01 Patent grant