CN108470447B - 一种自主路径规划的交通疏导系统和方法 - Google Patents
一种自主路径规划的交通疏导系统和方法 Download PDFInfo
- Publication number
- CN108470447B CN108470447B CN201810293284.6A CN201810293284A CN108470447B CN 108470447 B CN108470447 B CN 108470447B CN 201810293284 A CN201810293284 A CN 201810293284A CN 108470447 B CN108470447 B CN 108470447B
- Authority
- CN
- China
- Prior art keywords
- traffic
- information
- vehicle
- vehicles
- traffic route
- 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.)
- Active
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
- 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
-
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
Abstract
本申请提供的自主路径规划的交通疏导系统和方法,其中系统包括:车辆信息获取模块,设置在各交通路径的入口,用于获取预设时间段内进入所述各交通路径的车辆信息,其中,所述车辆信息包括车辆数量、车辆速度;车辆调度模块,与所述车辆信息获取模块通信连接,用于获取所述车辆信息,并对所述车辆信息进行分析处理,生成各交通路径的入口的当前车辆的调度方案;信息发送模块,根据所述调度方案向所述各交通路径的入口的当前车辆或者是交通路径入口的疏导设施发送调度信息,以令所述各交通路径的入口的当前车辆根据所述调度信息进入相应的路段。本发明通过对车辆信息进行分析处理,可以提前对车辆进行疏导,并当发生交通拥堵时,对车辆进行调度,能够实现对交通拥堵的快速疏导。
Description
技术领域
本申请涉及智能交通领域,尤其涉及一种自主路径规划的交通疏导系统和方法。
背景技术
随着科学技术的发展,汽车越来越受到人们的欢迎,并逐渐融入人们的生活,成为出行、上班不可或缺的代步工具。
随着数量的逐渐增大,汽车对人们日常生活造成的困扰也越来越明显。特别是,随着城区车辆交通量的增大,交通拥堵的现象也日益严重,一方面,为人们的出行安全带来隐患,另一方面,交通拥堵影响出行效率,从而间接影响人们的工作效率。
现有技术中,交通疏导通常依赖于红绿灯,在高峰时段,甚至依赖于交警进行疏导。但是,通过红绿灯或者交警并不能有效防止交通拥堵现象的出现,即使在出现交通拥堵后,也不能快速疏导。
更具体来说,现有的疏导方式之所以不能有效克服拥堵,其主要原因是这些方式只针对拥堵点进行通行和禁行的交替控制,但却没有实现车辆数量与道路交通容量的最优化匹配。事实上,每一条道路都有其交通容量的上限,在上限以内则车辆可以正常通行,但如果道路的车辆数量高于该上限,就会出现车行缓慢并最终演化为拥堵;进而,拥堵造成该道路的车辆输出能力减弱,而车辆持续输入继续造成该道路上车辆数量的增加,导致该道路的拥堵越来越严重。与此同时,车辆具有向特定通行路径和特定目的地聚集的特点,当车辆聚集至某一特定目的地的某一特定道路直到发生拥堵的过程中,周边其它可以通往该目的地或者其附近地点的道路(例如目的地对向的道路)可能仍然处于交通容量未饱和的状态。可见,为了有效缓解和消除拥堵,只针对拥堵点本身进行疏导作用非常有限,其关键是要加强对拥堵道路周边的指向特定目的地的道路资源的科学运用,通过疏导分流,降低拥堵道路的车辆输入量,提高通行效率。并且,疏导分流要考虑拥堵点周边道路的道路容量和车辆数量的影响,避免形成新的堵点。
发明内容
有鉴于此,本申请的目的在于提出一种自主路径规划的交通疏导系统和方法,来解决现有技术中不能有效防止交通拥堵现象的出现,即使在出现交通拥堵后,也不能快速疏导的技术问题,以使交通变得流畅。
本申请利用学习与反馈算法,根据拥堵程度确定疏导点范围,按照疏导点及道路路径组织传导网络,并且通过虚拟迭代推演疏导点对车辆数量的调节系数及其影响,实现拥堵点周边车辆数量与道路交通容量的最优化匹配,改善拥堵点周边整体的通行效率,最终协调拥堵点所在道路的输入车辆数量和输出车辆数量,达到消除拥堵之目标。
基于上述目的,在本申请的一个方面,提出了一种自主路径规划的交通疏导系统,包括:
车辆信息获取模块,设置在各交通路径的入口,用于获取预设时间段内进入所述各交通路径的车辆信息,其中,所述车辆信息包括车辆数量、车辆速度;
车辆调度模块,与所述车辆信息获取模块通信连接,用于获取所述车辆信息,并对所述车辆信息进行分析处理,生成各交通路径的入口的当前车辆的调度方案;
信息发送模块,根据所述调度方案向所述各交通路径的入口的当前车辆或者是交通路径入口的疏导设施发送调度信息,以令所述各交通路径的入口的当前车辆根据所述调度信息进入相应的路段。
在一些实施例中,所述车辆信息获取模块包括:
视频采集单元,用于采集车辆视频,并根据所述车辆视频获取预设时间段内进入所述各交通路径的车辆信息。
在一些实施例中,所述车辆信息获取模块包括:
车辆检测单元,用于采用canny边缘检测算子对所述车辆视频进行边缘检测,并提取由封闭边缘包围的图像区域,并将所述图像区域与预先存储的车辆模型进行匹配,以对进入各交通路径的车辆进行识别;通过计数确定在预设时间段内进入所述各交通路径的车辆数量,根据车辆数量和预设时间段的时间长度,得到该预设时间段内该交通路径的车辆速度。
在一些实施例中,所述车辆信息获取模块包括:
信息交互单元,用于与车载RFID或者电子车牌进行信息交互,通过计数确定预设时间段内进入各交通路径的车辆数量和车辆速度。
在一些实施例中,所述车辆调度模块包括:
信息存储单元,用于存储各交通路径的交通容量阈值,以及交通容量与预计速度的对应关系。
在一些实施例中,所述车辆调度模块,包括:
信息对比单元,用于根据所述车辆信息获取各条交通路径的交通容量,与所述交通容量阈值进行对比,确定目标交通路径是否为拥堵路段。
在一些实施例中,所述车辆调度模块包括:
调度方案生成单元,用于根据道路拥堵点的拥堵程度,确定分布在以该拥堵点为中心的一定空间范围内的疏导点;并且确定从各个疏导点至目的地之间的全部可选路径;根据所述可选路径的平均速度相对于交通容量以及反馈量的函数关系,建立传导网络调度模型,其中,所述交通容量为该可选路径的预计容纳量,所述反馈量为对该可选路径输入的车辆数量的调节量;对所述传导网络调度模型进行迭代优化,生成调度方案。
基于上述目的,在本申请的另一个方面,提出了一种自主路径规划的交通疏导方法,包括:
获取预设时间段内进入所述各交通路径的车辆信息,其中,所述车辆信息包括车辆数量和车辆速度;
根据所述车辆信息获得各条交通路径的交通容量,与预设道路交通容量阈值进行对比,确定道路拥堵点;
根据道路拥堵点的拥堵程度,确定分布在以该拥堵点为中心的一定空间范围内的疏导点;并且确定从各个疏导点至目的地之间的全部可选路径;
根据所述可选路径的预计速度相对于交通容量以及反馈量的函数关系,建立传导网络调度模型,其中,所述交通容量为该可选路径的预计容纳量,所述反馈量为对该可选路径输入的车辆数量的调节量;
对所述传导网络调度模型进行迭代优化,生成调度方案;
根据所述调度方案向目标路段入口的当前车辆或者是交通路径入口的疏导设施发送调度指令,以令所述目标路段入口的当前车辆根据所述调度指令选择行进路径。
在一些实施例中,所述根据所述可选路径的预计速度相对于交通容量以及反馈量的函数关系调度模型,包括:
建立各条可选路径中车辆的预计速度v与该可选路径的交通容量w与反馈量b的函数关系v=f(w,b);
对函数v=f(w,b)进行迭代优化,使得最终得到的各条可选路径的预计速度v的平均速度v’达到预先设定的阈值范围;
在每一步的迭代过程中,以提高平均速度v’为目标,调整各可选路径的预计容纳量w和反馈量b,并将调整后的平均速度v1’与平均速度v’对比,若调整后的平均速度v1’大于平均速度v’,则该调度方案可取,并继续迭代,直到n次调整后的平均速度vn’达到期望值。
在一些实施例中,在不同时间段,所述平均速度的预先设定的期望值范围不同。
本申请实施例提供的自主路径规划的交通疏导系统和方法,通过对车辆信息进行分析处理,利用学习与反馈算法,按照疏导点及道路路径组织传导网络,并且通过虚拟迭代推演疏导点对车辆数量的调节系数及其影响,实现拥堵点周边车辆数量与道路交通容量的最优化匹配,可以提前于拥堵点形成的时间和空间对车辆进行疏导,当发生交通拥堵时对车辆进行的调度量化可控,通过改善拥堵点周边整体的通行效率,最终协调拥堵点所在道路的输入车辆数量和输出车辆数量,能够实现对交通拥堵的快速疏导。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请实施例一的自主路径规划的交通疏导系统的结构示意图;
图2是本申请实施例二的自主路径规划的交通疏导系统的结构示意图;
图3是本申请实施例三的自主路径规划的交通疏导方法的流程图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
作为本申请的一个实施例,如图1所示,是本申请实施例一的自主路径规划的交通疏导系统的结构示意图。从图中可以看出,本实施例提供的自主路径规划的交通疏导系统,包括:
车辆信息获取模块101,设置在各交通路径的入口,用于获取预设时间段内进入所述各交通路径的车辆信息,其中,所述车辆信息包括车辆数量。
在本实施例中,所述车辆信息获取模块101可以是设置在交通路径的入口的视频采集设备,例如摄像头,通过摄像头采集进入入口车辆的视频信息,然后对采集到的视频信息进行处理,即可以得到进入所述各交通路径的车辆信息。此外,所述车辆信息获取模块101可以是设置在交通路径的入口的无线信号采集设备,用于与车载RFID或者电子车牌等车载电子设备进行通信,以获取进入所述各交通路径的车辆信息。本实施中的交通路径是指两个路口之间的不分叉的独立路段,双向通行路段的每个通行方向被认为是一个单独的交通路径,通过将交通网络划分为多个交通路径,可以实现在每个交通路径入口处对车辆进行调度。本实施例中的车辆信息是车辆数量,具体地,可以是通过计数获得的在预设时间段内进入所述各交通路径的车辆数量。若所述车辆信息为视频信息,则可以利用canny边缘检测算子等边缘检测算法提取闭合边缘,并将提取到的闭合边缘与车辆模型进行匹配,若匹配成功,则将该闭合边缘确认为车辆图像,由此可以通过对各帧视频图像当中进入该交通路径的车辆图像进行计数,确定在预设时间段内进入所述各交通路径的车辆数量。若所述车辆信息为无线信号,则可以根据无线信号中携带的ID信息统计在预设时间段内进入所述各交通路径的车辆数量。根据车辆数量和预设时间段的时间长度,可以得到该预设时间段内该交通路径的车辆速度,进而可以根据该车辆速度衡量该路段的拥堵状况。
车辆调度模块102,与所述车辆信息获取模块通信连接,用于获取所述车辆信息,即车辆数量和车辆速度,并对所述车辆信息进行分析处理,生成各交通路径的入口的当前车辆的调度方案。
在本实施例中,所述车辆调度模块102用于在获取到车辆信息获取模块获取的车辆信息后,对所述车辆信息进行分析处理,以分析得到各路段潜在的拥堵点或者已经存在的拥堵点。由于道路宽度等多种因素的影响,每条交通路径的通行承载能力不一样,将每条交通路径输入的车辆数量与输出的车辆数量之间的差值称之为交通容量,例如,某一交通路径的交通容量超过预设阈值,则可以把该交通路径确定为潜在拥堵路段,该路段即为拥堵点,所述预设阈值为一个经验值,可以根据以往数据获得,具体地,可以统计历史数据中的拥堵路段在形成前,在预设时间段内的交通容量,可以对统计的多次实际拥堵形成过程中的交通容量数据进行平均,并将该平均值作为衡量形成潜在拥堵路段的预设阈值。
在本实施例中,所述车辆调度模块102对所述车辆信息进行分析处理的过程中,在分析得到各交通路径的车辆数量、交通容量以及车辆速度后,可以根据预设阈值确定潜在拥堵路段和已经形成的拥堵路段,基于传导网络原理构建函数,以上述车辆数量、交通容量、车辆速度信息作为初始值代入函数,并对函数进行迭代优化,形成调度方案,以根据所述调度方案将拥堵点入口的车辆引导至其他交通负荷量较小的路段,以防止和疏导交通拥堵,函数的构建和迭代优化参考后续实施例。
信息发送模块103,根据所述调度方案向所述各交通路径的入口的当前车辆或者是交通路径入口的疏导设施发送调度信息,以令所述各交通路径的入口的当前车辆根据所述调度信息进入相应的路段。
在所述车辆调度模块102根据车辆信息生成调度方案后,可以将所述调度方案发送至对应的信息发送模块103,并由所述信息发送模块将调度方案发送至各交通路径的入口的当前车辆或者是交通路径入口的疏导设施,例如发给车辆GPS导航仪或者是发给交通路径入口的车辆引导指示牌、红绿灯等,以令所述各交通路径的入口的当前车辆根据所述调度信息进入相应的路段。
本实施例中的自主路径规划的交通疏导系统,通过对车辆信息进行分析处理,可以提前对车辆进行疏导,并当发生交通拥堵时,对车辆进行调度,能够实现对交通拥堵的快速疏导。
如图2所示,是本申请实施例二的自主路径规划的交通疏导系统的结构示意图。作为本申请的一个可选实施例,所述自主路径规划的交通疏导系统包括车辆信息获取模块201、车辆调度模块202和信息发送模块203,所述车辆信息获取模块201、车辆调度模块202和信息发送模块203与上述实施例一中的车辆信息获取模块101、车辆调度模块102和信息发送模块103功能相似。
具体地,所述车辆信息获取模块201,包括:
视频采集单元2011,用于采集车辆视频,并根据所述车辆视频获取预设时间段内进入所述各交通路径的车辆信息。所述视频采集单元2011可以是设置在各交通路径的入口处的摄像头,用于获取进入所述各交通路径的车辆信息。
车辆检测单元2012,用于采用canny边缘检测算子对所述车辆视频进行边缘检测,并提取由封闭边缘包围的图像区域,并将所述图像区域与预先存储的车辆模型进行匹配,以对进入各交通路径的车辆进行识别,并通过计数确定在预设时间段内进入所述各交通路径的车辆数量,根据车辆数量和预设时间段的时间长度,可以得到该预设时间段内该交通路径的车辆速度。
信息交互单元2013,用于与车载RFID或者电子车牌进行信息交互,提取车辆ID等车辆信息,以计数确定预设时间段内进入各交通路径的车辆的车辆数量和车辆速度。
通过视频采集和信息交互同时采集车辆数量和车辆速度作为车辆信息,可以使得采集到的车辆信息更加准确。
所述车辆调度模块201,包括:
信息存储单元2011,用于存储各交通路径的交通容量阈值,即形成拥堵点的交通容量阈值,对于不同的路段,其交通容量阈值不同。并且,信息存储单元2011还存储各交通路径的交通容量与该交通路径的预计速度之间的对应关系,可以采用映射表保存每一个交通路径的交通容量与车辆的预计速度之间对应关系。
信息对比单元2012,用于获取各条交通路径的交通容量,将每条交通路径的所述交通容量与所述交通容量阈值进行对比,确定目标交通路径是否为拥堵路段。当某一条交通路径的交通容量大于或等于所述交通容量阈值时,则将目标交通路径确定为拥堵路段。当所述交通容量小于所述交通容量阈值时,且两者之间的差值小于预设差值阈值时,则将目标交通路径确定为潜在拥堵路段。当所述交通容量小于所述所述交通容量阈值时,且两者之间的差值大于或等于预设差值阈值时,则将目标交通路径确定为通畅路段。
所述车辆调度模块202还包括:
调度方案生成单元2023,用于根据道路拥堵点的拥堵程度,确定分布在以该拥堵点为中心的一定空间范围内的疏导点;并且确定从各个疏导点至目的地之间的全部可选路径;根据所述可选路径的平均速度相对于交通容量以及反馈量的函数关系,建立传导网络调度模型,其中,所述交通容量为该可选路径的预计容纳量,所述反馈量为对该可选路径输入的车辆数量的调节量;对所述传导网络调度模型进行迭代优化,生成调度方案;根据所述调度方案向目标路段入口的当前车辆或者是交通路径入口的疏导设施发送调度指令,以令所述目标路段入口的当前车辆根据所述调度指令选择行进路径。。
本实施例中的自主路径规划的交通疏导系统,通过对车辆信息进行分析处理,可以提前对车辆进行疏导,并当发生交通拥堵时,对车辆进行调度,能够实现对交通拥堵的快速疏导。
如图3所示,是本申请实施例三的自主路径规划的交通疏导方法的流程图。作为本申请的一个实施例,所述自主路径规划的交通疏导方法,包括以下步骤:
S301:获取预设时间段内进入所述各交通路径的车辆信息,其中,所述车辆信息包括所述车辆数量。
在本实施例中,可以通过视频采集设备采集在预设时间段内进入所述各交通路径的车辆信息,也可以通过无线信息采集设备与车载通信设备通信来获取在预设时间段内进入所述各交通路径的车辆信息,所述车辆信息中包括车辆数量。并且,所述车辆信息还包括车辆速度以及交通路径的交通容量;根据车辆数量和预设时间段的时间长度,可以得到该预设时间段内该交通路径的车辆速度;根据每条交通路径输入的车辆数量与输出的车辆数量之间的差值获得交通容量。
S302:根据所述车辆信息获得各条交通路径的交通容量,与预设道路交通容量阈值进行对比,确定道路拥堵点。
在获取车辆信息后,可以将各条交通路径的交通容量与预先设置的对应的道路交通容量阈值进行对比,当大于或等于所述交通容量阈值时,则将目标交通路径确定为拥堵路段。当交通容量小于所述交通容量阈值时,且两者之间的差值小于预设差值阈值时,则将目标交通路径确定为潜在拥堵路段。当所述车辆信息中的交通容量小于所述交通容量阈值时,且两者之间的差值大于或等于预设差值阈值时,则将目标交通路径确定为通畅路段。
S303:根据道路拥堵点的拥堵程度,确定分布在以该拥堵点为中心的一定空间范围内的疏导点;并且确定从各个疏导点至目的地之间的全部可选路径;根据可选路径的预计速度相对于交通容量以及反馈量的函数关系,建立传导网络调度模型,其中,所述交通容量为该路径的预计容纳量,所述反馈量为对该可选路径输入的车辆数量的调节量。其中,所述根据所述可选路径的预计速度相对于交通容量以及反馈量的函数关系调度模型具体为:建立各条可选路径中车辆的预计速度v与该可选路径的交通容量w与反馈量b的函数关系v=f(w,b);其中,可选路径中车辆的预计速度为:
v=map(w)
函数map表示该可选路径的车辆速度与该路径上的交通容量之间的映射关系,如前文所述,可以用映射表的形式存储该映射关系。
并且,每一个可选路径的交通容量w为:
其中,wi表示按照交通通行规则向该可选路径输入车辆的每一条可选路径的交通容量,bi表示按照交通通行规则向该可选路径输入车辆的每一条可选路径的反馈量,βi表示按照交通通行规则向该可选路径输入车辆的每一条可选路径的传导系数,该系数βi是一个与交通容量wi对应的映射系数值,可以预先保存该βi与wi的映射表,k表示所有按照交通通行规则向该可选路径输入车辆的可选路径的总数量。
通过统计各条可选路径的预计速度v的平均值获得平均速度v’。所述反馈量b表示对每条可选路径的入口处的所述车辆数量的预期增减量,如前文所述,车辆数量是预设时间段内进入交通路径的车辆的数量,例如预设时间段为10分钟,车辆数量是40辆,则反馈量b值为-5辆则表示下一个10分钟的预设时间段内将进入该交通路径的车辆数量减少5辆。
S304:对所述调度模型进行迭代优化,生成调度方案。
其中,对各条可选路径的函数v=f(w,b),首先取步骤S301中当前实际的交通容量和车辆速度作为初始条件代入该函数,并且将b值设为一个初始值。
进而,进行迭代优化,在每一步的迭代过程中,以提高平均速度v’为目标,调整各可选路径的预计容纳量w和反馈量b,并将调整后的平均速度v1’与平均速度v’对比,若调整后的平均速度v1’大于平均速度v’,则该调度方案可取,并继续迭代,直到n次调整后的平均速度vn’达到期望值,从寻找模型的最优解。即,随机改变每一可选路径的反馈量b值一个单位(例如,随机增大或者减小各个可选路径的b值一个单位),根据改变的b值重新计算每一条可选路径的交通容量w值,然后根据预存储的每条可选路径的交通容量w值和该可选路径的预计速度v的映射关系,获得每一条可选路径的预计速度v;进而统计获得全部可选路径预计速度v的平均值作为平均速度v1’,与原平均速度v’比较;若改变各条可选路径的各个反馈量b的值后的平均速度v1’大于原平均速度v’,则该调度方案有效,在下一轮迭代中继续以相同方式调整各个反馈量b的值一个单位,即如果本轮是增大了某一可选路径的反馈量b,则下一轮迭代继续增大该反馈量的b值一个单位,如果本轮是降低了某一可选路径的反馈量b,则下一轮迭代继续降低该反馈量的b值一个单位;相反,如果调整各条可选路径的b值后使平均速度v1’低于该原平均速度v’,则在下一轮迭代中以与本轮相反方式来调整各可选路径的b值;最终,通过迭代n轮改变各个反馈量b的值,使平均速度达到期望值,即使得最终n次调整后得到的各条可选路径的预计速度的平均速度vn’达到预先设定的阈值范围。
S305:根据所述调度方案,即最终确定使平均速度vn’达到预先设定的阈值范围时的各个可选路径的反馈量b值,向目标路段入口的当前车辆或者是交通路径入口的疏导设施发送调度指令,以令所述目标路段入口的当前车辆根据所述调度指令中设定的反馈量b值,选择行进路径。例如,对于某个可选路径来说,如果其入口的当前输入的车辆数量为30辆,最终确定的调度方案中该路径入口的反馈量b值为下一个预设时间段内增大车辆10辆,则可以通过交通疏导指示牌引导在下一个10分钟内共40辆车辆进入该可选路径。
在生成车辆的调度方案后,根据调度方案向各路段入口的车辆发送调度指令,使的各路段入口的车辆选择非拥堵路段行驶。
本实施例的自主路径规划的交通疏导方法,能够取得与上述系统实施例相类似的技术效果,这里不再赘述。
在一些实施例中,在不同时间段,所述平均速度的预先设定的阈值范围不同。由于不同时间段内,各路段上的交通量不同,因此,在高峰时段,可以设置所述平均速度的阈值偏小,在低谷时段,则可以设置所述平均速度的阈值偏大。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种自主路径规划的交通疏导系统,其特征在于,包括:
车辆信息获取模块,设置在各交通路径的入口,用于获取预设时间段内进入所述各交通路径的车辆信息,其中,所述车辆信息包括车辆数量、车辆速度;
车辆调度模块,与所述车辆信息获取模块通信连接,用于获取所述车辆信息,并对所述车辆信息进行分析处理,生成各交通路径的入口的当前车辆的调度方案;其中,所述车辆调度模块包括:信息存储单元,用于存储各交通路径的交通容量阈值,以及交通容量与预计速度的对应关系;信息对比单元,用于根据所述车辆信息获取各条交通路径的交通容量,与所述交通容量阈值进行对比,确定目标交通路径是否为拥堵点;调度方案生成单元,用于根据道路拥堵点的拥堵程度,确定分布在以该拥堵点为中心的一定空间范围内的疏导点;并且确定从各个疏导点至目的地之间的全部可选路径;根据所述可选路径的平均速度相对于交通容量以及反馈量的函数关系,建立传导网络调度模型,其中,所述交通容量为该可选路径的预计容纳量,所述反馈量为对该可选路径输入的车辆数量的调节量;对所述传导网络调度模型进行迭代优化,生成调度方案;
信息发送模块,根据所述调度方案向所述各交通路径的入口的当前车辆或者是交通路径入口的疏导设施发送调度信息,以令所述各交通路径的入口的当前车辆根据所述调度信息进入相应的路段。
2.根据权利要求1所述的自主路径规划的交通疏导系统,其特征在于,所述车辆信息获取模块包括:
视频采集单元,用于采集车辆视频,并根据所述车辆视频获取预设时间段内进入所述各交通路径的车辆信息。
3.根据权利要求1所述的自主路径规划的交通疏导系统,其特征在于,所述车辆信息获取模块包括:
车辆检测单元,用于采用canny边缘检测算子对所述车辆视频进行边缘检测,并提取由封闭边缘包围的图像区域,并将所述图像区域与预先存储的车辆模型进行匹配,以对进入各交通路径的车辆进行识别;通过计数确定在预设时间段内进入所述各交通路径的车辆数量,根据车辆数量和预设时间段的时间长度,得到该预设时间段内该交通路径的车辆速度。
4.根据权利要求1所述的自主路径规划的交通疏导系统,其特征在于,所述车辆信息获取模块包括:
信息交互单元,用于与车载RFID或者电子车牌进行信息交互,通过计数确定预设时间段内进入各交通路径的车辆数量和车辆速度。
5.一种自主路径规划的交通疏导方法,其特征在于,包括:
获取预设时间段内进入所述各交通路径的车辆信息,其中,所述车辆信息包括车辆数量和车辆速度;
根据所述车辆信息获得各条交通路径的交通容量,与预设道路交通容量阈值进行对比,确定道路拥堵点;
根据道路拥堵点的拥堵程度,确定分布在以该拥堵点为中心的一定空间范围内的疏导点;并且确定从各个疏导点至目的地之间的全部可选路径;
根据所述可选路径的预计速度相对于交通容量以及反馈量的函数关系,建立传导网络调度模型,其中,所述交通容量为该可选路径的预计容纳量,所述反馈量为对该可选路径输入的车辆数量的调节量;
对所述传导网络调度模型进行迭代优化,生成调度方案;
根据所述调度方案向目标路段入口的当前车辆或者是交通路径入口的疏导设施发送调度指令,以令所述目标路段入口的当前车辆根据所述调度指令选择行进路径。
6.根据权利要求5所述的自主路径规划的交通疏导方法,其特征在于,所述根据所述可选路径的预计速度相对于交通容量以及反馈量的函数关系调度模型,包括:
建立各条可选路径中车辆的预计速度v与该可选路径的交通容量w与反馈量b的函数关系v=f(w,b);
对函数v=f(w,b)进行迭代优化,使得最终得到的各条可选路径的预计速度v的平均速度v’达到预先设定的阈值范围;
在每一步的迭代过程中,以提高平均速度v’为目标,调整各可选路径的预计容纳量w和反馈量b,并将调整后的平均速度v1’与平均速度v’对比,若调整后的平均速度v1’大于平均速度v’,则该调度方案可取,并继续迭代,直到n次调整后的平均速度vn’达到期望值。
7.根据权利要求6所述的自主路径规划的交通疏导方法,其特征在于,在不同时间段,所述平均速度的预先设定的期望值范围不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810293284.6A CN108470447B (zh) | 2018-03-30 | 2018-03-30 | 一种自主路径规划的交通疏导系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810293284.6A CN108470447B (zh) | 2018-03-30 | 2018-03-30 | 一种自主路径规划的交通疏导系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108470447A CN108470447A (zh) | 2018-08-31 |
CN108470447B true CN108470447B (zh) | 2019-02-22 |
Family
ID=63262740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810293284.6A Active CN108470447B (zh) | 2018-03-30 | 2018-03-30 | 一种自主路径规划的交通疏导系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108470447B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200067055A (ko) * | 2018-12-03 | 2020-06-11 | 현대자동차주식회사 | 교통정보 제공 장치 및 방법 |
CN111833593B (zh) * | 2019-04-18 | 2022-12-27 | 北京京东乾石科技有限公司 | 控制车辆的方法和装置,及由车辆执行的控制方法和车辆 |
CN110276975B (zh) * | 2019-07-10 | 2021-05-11 | 中国联合网络通信集团有限公司 | 一种自动驾驶车辆分流调度方法及系统 |
CN110804966A (zh) * | 2019-09-23 | 2020-02-18 | 重庆特斯联智慧科技股份有限公司 | 一种智慧城市的道路行人识别通行调节系统和方法 |
CN110823236B (zh) * | 2019-10-12 | 2022-02-25 | 百度在线网络技术(北京)有限公司 | 路径规划方法、装置、电子设备及存储介质 |
CN111081013A (zh) * | 2019-12-03 | 2020-04-28 | 重庆特斯联智慧科技股份有限公司 | 一种基于预测算法的交通路线规划方法和系统 |
CN111813878A (zh) * | 2019-12-10 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、存储介质及电子设备 |
CN113870548A (zh) * | 2020-06-30 | 2021-12-31 | 奥迪股份公司 | 交通管理装置及相应的方法、服务器、计算机设备和介质 |
CN112258835A (zh) * | 2020-09-29 | 2021-01-22 | 航天科工广信智能技术有限公司 | 一种基于云边端融合技术的智慧交通系统 |
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 |
CN113052405B (zh) * | 2021-05-08 | 2021-12-17 | 湖北讯华科技股份有限公司 | 基于物联网和人工智能的交通拥堵预测与优化方法 |
CN113240917B (zh) * | 2021-05-08 | 2022-11-08 | 广州隧华智慧交通科技有限公司 | 一种将深度神经网络应用于智慧交通的交通管理系统 |
CN114842659B (zh) * | 2022-05-07 | 2023-08-04 | 青岛海信网络科技股份有限公司 | 一种交通拥堵疏导方法及装置 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571994A (zh) * | 2008-04-30 | 2009-11-04 | 奥城同立科技开发(北京)有限公司 | 城市道路交通状况显示和疏导方法 |
CN102169632A (zh) * | 2011-05-13 | 2011-08-31 | 北方工业大学 | 一种平面交叉路口的车流量检测方法 |
CN104143264A (zh) * | 2013-05-06 | 2014-11-12 | 董兰兰 | 一种交通拥堵的综合疏导方法 |
CN104616511A (zh) * | 2013-11-04 | 2015-05-13 | 西安艾力特电子实业有限公司 | 一种基于大数据分析的新型城市交通疏导系统 |
CN104680820A (zh) * | 2015-02-12 | 2015-06-03 | 浙江大学 | 一种基于梯度场的交通流车联网系统及交通流控制方法 |
-
2018
- 2018-03-30 CN CN201810293284.6A patent/CN108470447B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571994A (zh) * | 2008-04-30 | 2009-11-04 | 奥城同立科技开发(北京)有限公司 | 城市道路交通状况显示和疏导方法 |
CN102169632A (zh) * | 2011-05-13 | 2011-08-31 | 北方工业大学 | 一种平面交叉路口的车流量检测方法 |
CN104143264A (zh) * | 2013-05-06 | 2014-11-12 | 董兰兰 | 一种交通拥堵的综合疏导方法 |
CN104616511A (zh) * | 2013-11-04 | 2015-05-13 | 西安艾力特电子实业有限公司 | 一种基于大数据分析的新型城市交通疏导系统 |
CN104680820A (zh) * | 2015-02-12 | 2015-06-03 | 浙江大学 | 一种基于梯度场的交通流车联网系统及交通流控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108470447A (zh) | 2018-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470447B (zh) | 一种自主路径规划的交通疏导系统和方法 | |
CN107330547B (zh) | 一种城市公交动态调度优化方法及系统 | |
CN108932855A (zh) | 道路交通控制系统、方法以及电子设备 | |
US6339383B1 (en) | Traffic signal control apparatus optimizing signal control parameter by rolling horizon scheme | |
CN114418468B (zh) | 一种智慧城市交通调度策略控制方法和物联网系统 | |
CN105339992B (zh) | 道路状况掌握系统以及道路状况掌握装置 | |
CN110100271A (zh) | 用于使用交通信号数据估计道路交通状况的方法、装置和计算机程序产品 | |
CN113947900A (zh) | 一种智能网联快速路匝道协同控制系统 | |
CN109584567A (zh) | 基于车路协同的交通管理方法 | |
CN109816979B (zh) | 考虑公交车到站频率和乘车舒适度的公交线路推荐方法 | |
CN108447263A (zh) | 基于浮动车的干线协调控制交叉口的信号控制评价方法 | |
CN109615887A (zh) | 智慧交通网络系统信号指引方法 | |
CN110097249A (zh) | 一种公交客流监测分析系统及其方法 | |
WO2022142997A1 (zh) | 基于物联网的车辆自动驾驶方法及终端 | |
US11210942B2 (en) | System to optimize SCATS adaptive signal system using trajectory data | |
CN113470356B (zh) | 电子设备及区域路况预测方法 | |
Le et al. | Utility optimization framework for a distributed traffic control of urban road networks | |
CN113053142B (zh) | 一种基于车载定位和车路协同技术的公交优先控制系统 | |
CN113112789B (zh) | 城市快速路突发事件的影响预测及管控方法 | |
CN107421556A (zh) | 导航路径推送方法及装置 | |
CN113744533B (zh) | 一种基于5g的车辆疏导方法及系统 | |
CN108932470A (zh) | 图像处理系统、图像处理方法、信息处理装置和记录介质 | |
CN114761985A (zh) | V2x车辆道路使用率 | |
CN113532459A (zh) | 一种预测式导航路线规划方法及系统 | |
CN104331746A (zh) | 一种分离式的动态路径优化系统及其方法 |
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 |