CN108806282B - 基于样本行程时间信息的车道组最大排队长度估计方法 - Google Patents
基于样本行程时间信息的车道组最大排队长度估计方法 Download PDFInfo
- Publication number
- CN108806282B CN108806282B CN201810558555.6A CN201810558555A CN108806282B CN 108806282 B CN108806282 B CN 108806282B CN 201810558555 A CN201810558555 A CN 201810558555A CN 108806282 B CN108806282 B CN 108806282B
- Authority
- CN
- China
- Prior art keywords
- period
- maximum
- travel time
- vehicle
- queuing
- 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
Images
Classifications
-
- 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
-
- 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
Abstract
本发明公开了一种基于样本行程时间信息的车道组最大排队长度估计方法。本发明首先在周期结束后利用样本行程时间信息提取最大行程时间并计算行程时间变化率。其次利用最大行程时间估计周期内的最大排队次数。再次计算最大行程时间所对应车辆首次被阻滞周期的排队位置进而估计首次被阻滞周期的最大排队长度位置。最后利用行程时间变化率计算周期排队最远点的关系,并基于最大行程时间车辆首次被阻滞周期的排队最远点推算当前周期的排队最远点位置。本发明可以自动区别同一路段下游进口道不同车道组之间的差异性,且无需假设车辆的到达规律,弱化了传统方法的假设条件,实现了提升预测精度。
Description
技术领域
本发明涉及一种对车道组最大排队长度估计的方法,具体是一种基于样本行程时间信息的车道组最大排队长度估计方法,属于智能交通研究领域。
背景技术
排队长度尤其是最大排队长度是交通管理与控制的重要基础,是优化诱导方案、调整信号控制参数的重要输入参数。现有排队长度估计方法主要基于地感线圈、微波等断面检测数据,通过“驶入-驶离”法统计路段承载车辆数,进而利用概率论估计路段排队车辆数及最大排队长度,存在如下两点问题:(1).估计误差逐步累积,随着时间推移误差急剧增大;(2).无法区分路段车辆的转向属性,约束精细刻画路段下游不同车道组之间的排队差异性,制约信号配时参数调整的精确性。为了弥补“驶入-驶离”法存在的上述缺陷,很多学者提出了基于交通波理论的排队长度估计方法,在车辆均匀到达的前提假设下按照交通波理论计算停车波波速进而估算最大排队长度。而在城市道路中,上游信号灯的影响致使车辆往往是脉冲式到达,交通波理论的实用性受到很大限制,其最终估计结果往往也存在很大误差。
近年来,随着新型检测技术和设备的不断成熟,获取区间交通流信息日益普遍。例如针对浮动车GPS数据通过地图匹配可以推算任意区段的行程时间信息;针对闯红灯自动记录系统的车牌和通过时刻数据亦可以计算区间行程时间信息。由于GPS尚未完全普及、闯红灯自动记录系统也存在错检和漏检现象,因此无法获取全样本的行程时间信息。获取行程时间的车辆可称之为样本车辆,相应的行程时间信息称为样本行程时间,这些样本行程时间信息可以反映车辆从上游驶入至下游驶离整个过程的总体情况,且自动区别下游进口道的车道组编号,因此,基于该类数据推算排队长度必然可以大幅提升参数的估计精度,且可以区别不同车道组。
该方法可以直接应用于交通控制领域,利用目前日益普及的闯红灯自动记录系统提供的样本行程时间数据实时计算最大排队长度,将为现有交通控制系统的升级改造提供技术基础。同时,该方法实现了GPS、闯红灯自动记录系统数据的信息复用,减少了城市交通控制系统对地感线圈、微波等传统检测设备的依赖度,降低了整个交通控制系统的运维成本。
发明内容
本发明针对现有技术的不足,提供了一种基于样本行程时间信息的车道组最大排队长度估计方法。
本发明的基本思想为:周期内释放车辆中的最大行程时间越大、且前后车之间的行程时间变化率越小则说明排队车辆数越多,也即最大排队长度越大。因此,可以利用周期最大行程时间和行程时间变化率来估算最大排队长度。
本发明包含四个步骤:(1).周期结束后利用样本行程时间信息提取最大行程时间并计算行程时间变化率;(2).利用最大行程时间估计周期内的最大排队次数;(3).计算最大行程时间所对应车辆首次被阻滞周期的排队位置进而估计首次被阻滞周期的最大排队长度位置;(4).利用行程时间变化率计算周期排队最远点的关系,并基于最大行程时间车辆首次被阻滞周期的排队最远点推算当前周期的排队最远点位置。
本发明的有益效果:本发明可以自动区别同一路段下游进口道不同车道组之间的差异性,且无需假设车辆的到达规律,弱化了传统方法的假设条件,实现了提升预测精度。同时,该方法无需铺设任务新的检测设备,在实现闯红灯自动记录等系统数据复用的同时,减少对传统的地感线圈、微波等断面检测设备的依赖程度,是未来交通信号控制的发展方向,为信号控制系统的升级换代提供一定的技术支撑。
附图说明
图1算法实现过程流程图;
图2行程时间变化率计算原理;
图3最大排队长度映射关系;
图4周期pi最大排队长度与车辆Φi排队位置关系。
具体实施方式
本发明的基本步骤如下:
c1、根据周期内的样本行程时间数据推算最大行程时间和行程时间变化率。
c2、利用最大行程时间及信号控制参数,计算周期释放车辆的最大排队次数。
c3、针对最大行程时间车辆的排队次数,也即周期释放车辆的最大排队次数确定该车辆首次被阻滞的周期编号及受阻延误时间,进而推算首次受阻周期内的排队最远点位置,也即最大排队长度。
c4、根据行程时间变化率,推算不同周期最大排队长度的映射关系,进而依据最大行程时间车辆首次被阻滞周期的排队最远点位置值计算当前周期的最大排队长度。
步骤c1的过程包括:
c11、假设当前周期为i,i周期内共有样本m个,则行程时间的样本集合为:
Ti=[Ti,1,Ti,2,…,Ti,m] (1-a)
式中,Ti为行程时间样本,Ti,m为i周期第m辆驶离车辆的行程时间,单位为秒。
在样本行程时间中,若个体行程时间值不大于自由流行程时间则表明该车辆在周期i内是自由通过的,没有受其阻滞作用;进而,若周期i内存在样本满足行程时间不大于自由流行程时间则该周期处于未饱和状态,否则该周期处于过饱和状态,如图2所示。
c12、假设周期i内的共有n个受阻的行程时间样本,即m个样本数据中,前n个为受阻车辆,后(m-n)为自由通过车辆,则利用最小二乘法可得行程时间变化率和周期i内释放车辆的最大行程时间:
式中,Si为周期i内的行程时间变化率,无量纲;Ti,j为周期i第j辆车的行程时间,单位为秒;ti,j为周期i第j辆车驶离下游停车线的时刻;Ti,max为周期i释放车辆的最大行程时间,单位为秒。
特别的,当周期i处于饱和状态时,n值为m。步骤c12的原理如图3所示。
步骤c2的过程包括:
c21、在周期i内的最大行程时间确定后,可以联合车辆的自由流速度确定最大延误时间,计算公式为:
di,max=Ti,max-Tf (1-d)
式中,di,max为周期i内释放车辆的最大延误时间,也即释放第一辆车的延误时间,单位为秒;Tf为车辆在不受信号阻滞作用下的平均行程时间,为定值,可以事前标定,其单位为秒。
c22、当周期最大延误时间小于当前周期的红灯时长时,最大延误车辆仅受当前周期的阻滞影响;当周期最大延误时间大于当前周期红灯时长而小于当前周期红灯时长和前一周期红灯时长之和时,最大延误车辆受当前周期和前一周期的阻滞影响;以此类推,可由周期最大延误时间和交叉口的信号配时参数确定本周期的最大停车次数,计算公式为:
Ni,max={K}+1
式中,Ni,max为周期i的最大停车次数,无量纲;(i-k)、(i-K)为周期编号,无量纲,ri-k为i-k周期下的红灯时长。
步骤c3的过程包括:
c31、针对当前周期i,如本周期的最大停车次数为Ni,max,则行程时间最大的车辆在周期(i-Ni,max+1)内首次受信号灯阻滞而产生排队;令周期i内最大行程时间车辆为Φi,(i-Ni,max+1)用pi来简化,则车辆Φi在周期pi内的延误时间为:
式中,rk为周期k内红灯时长,单位为秒。
c32、根据交通波理论,由自由流速度、行程时间变化率、启动波波速可以推算周期i内的停车波波速,其公式为:
式中,ui,s为周期i内的停车波波速,单位m/s;ui,w为启动波波速,单位为m/s,定值,可由实测标定,uf。
式中,gk为周期k内的绿灯时长,单位为s。
c35、根据步骤c33和c34,公式(1-h)和(1-i)相加可得周期pi内的最大排队长度,其公式为
步骤c4的过程包括:
c41、针对周期i和周期(i-1),假设周期i内的初始排队长度为Yi,则周期i内最大排队与初始排队之间的差值为(ui,s·ri),周期(i-1)内的最大排队长度与周期i内的初始排队之间的差值为(uf·gi-1),如图3所示;因此周期i和(i-1)内的最大排队长度Li和Li-1与Yi之间存在如下关系:
c42、根据步骤c41中的公式(1-k),可知任意连续两个周期之间的最大排队长度存在特定关系,如公式(1-l)所示:
Li-Li-1=ui,s·ri-uf·gi-1 (1-l)
c43、根据步骤c42依次类推,可知周期i与周期pi所对应的最大排队长度满足:
c44、将步骤c35中的公式(1-j)代入至步骤c43中的公式(1-m)可知周期i内的最大排队长度值,其公式为:
实施例:以某城市某路段两个交叉口数据为例,车辆牌照的记录从16:10:00至17:10:00。选择12个周期的数据来验证所提议的模型。具体实现流程见图1。
1、推算最大行程时间和行程时间变化率。
已知当前周期i内的样本m个,其中n个受阻的行程时间样本,通过如下公式可得行程时间变化率和周期i内释放车辆的最大行程时间,原理如图2图3所示。
2、计算周期释放车辆的最大排队次数。
计算联合车辆的自由流速度确定最大延误时间,也即释放第一辆车的延误时间,di,max。由周期最大延误时间和交叉口的信号配时参数确定本周期的最大停车次数。
Ni,max={K}+1
根据交通波理论,由自由流速度、行程时间变化率、启动波波速可以推算周期i内的停车波波速。
通过如下公式计算周期pi内的最大排队长度,周期pi最大排队长度与车辆Φi排队位置关系如图4所示。
4、计算当前周期的最大排队长度
根据周期i和(i-1)内的最大排队长度Li和Li-1与Yi之间的关系,得到任意连续两个周期之间的最大排队长度存在特定关系,通过如下公式计算得到周期i内的最大排队长度值。
最终得到结果,如下表所示。
从表格结果中可以看出本发明相对误差15.46%,满足交通控制的精度要求,说明本发明具有实用价值。
Claims (1)
1.基于样本行程时间信息的车道组最大排队长度估计方法,其特征在于该方法包括如下步骤:
c1、根据周期内的样本行程时间数据推算最大行程时间和行程时间变化率;
c2、利用最大行程时间及信号控制参数,计算周期释放车辆的最大排队次数;
c3、针对最大行程时间车辆的排队次数,也即周期释放车辆的最大排队次数确定该车辆首次被阻滞的周期编号及受阻延误时间,进而推算首次受阻周期内的排队最远点位置,也即最大排队长度;
c4、根据行程时间变化率,推算不同周期最大排队长度的映射关系,进而依据最大行程时间车辆首次被阻滞周期的排队最远点位置值计算当前周期的最大排队长度;
步骤c1具体是:
c11、假设当前周期为i,周期i内共有样本m个,则行程时间的样本集合为:
Ti=[Ti,1,Ti,2,…,Ti,m] (1-a)
式中,Ti为行程时间样本,Ti,m为周期i第m辆驶离车辆的行程时间,单位为秒;
c12、假设周期i内的共有n个受阻的行程时间样本,即m个样本数据中,前n个为受阻车辆,后(m-n)为自由通过车辆,则利用最小二乘法得行程时间变化率和周期i内释放车辆的最大行程时间:
式中,Si为周期i内的行程时间变化率,无量纲;Ti,j为周期i第j辆车的行程时间,单位为秒;ti,j为周期i第j辆车驶离下游停车线的时刻;Ti,max为周期i释放车辆的最大行程时间,单位为秒;
步骤c2具体是:
c21、在周期i内的最大行程时间确定后,联合车辆的自由流速度确定最大延误时间,计算公式为:
di,max=Ti,max-Tf (1-d)
式中,di,max为周期i内释放车辆的最大延误时间,也即释放第一辆车的延误时间,单位为秒;Tf为车辆在不受信号阻滞作用下的平均行程时间,为定值,单位为秒;
c22、当周期最大延误时间小于当前周期的红灯时长时,最大延误车辆仅受当前周期的阻滞影响;当周期最大延误时间大于当前周期红灯时长而小于当前周期红灯时长和前一周期红灯时长之和时,最大延误车辆受当前周期和前一周期的阻滞影响;以此类推,由周期最大延误时间和交叉口的信号配时参数确定本周期的最大停车次数,计算公式为:
式中,Ni,max为周期i的最大停车次数,无量纲;(i-k)、(i-K)为周期编号,无量纲,ri-k为i-k周期下的红灯时长;
步骤c3具体是:
c31、针对当前周期i,设本周期的最大停车次数为Ni,max,则行程时间最大的车辆在周期(i-Ni,max+1)内首次受信号灯阻滞而产生排队;令周期i内最大行程时间车辆为Φi,(i-Ni,max+1)用pi来简化,则车辆Φi在周期pi内的延误时间为:
式中,rk为周期k内红灯时长,单位为秒;
c32、根据交通波理论,由自由流速度、行程时间变化率、启动波波速推算周期i内的停车波波速,其公式为:
式中,ui,s为周期i内的停车波波速,单位m/s;ui,w为启动波波速,单位为m/s,定值,可由实测标定,uf为自由流速度;
式中,gk为周期k内的绿灯时长,单位为s;
c35、根据步骤c33和c34,公式(1-h)和(1-i)相加可得周期pi内的最大排队长度,其公式为
步骤c4具体是:
c41、针对周期i和周期(i-1),假设周期i内的初始排队长度为Yi,则周期i内最大排队与初始排队之间的差值为(ui,s·ri),周期(i-1)内的最大排队长度与周期i内的初始排队之间的差值为(uf·gi-1),则周期i和(i-1)内的最大排队长度Li和Li-1与Yi之间存在如下关系:
c42、根据步骤c41中的公式(1-k),可知任意连续两个周期之间的最大排队长度存在如下关系,如公式(1-l)所示:
Li-Li-1=ui,s·ri-uf·gi-1 (1-l)
c43、根据步骤c42依次类推,可知周期i与周期pi所对应的最大排队长度满足:
c44、将步骤c35中的公式(1-j)代入至步骤c43中的公式(1-m)可知周期i内的最大排队长度值,其公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810558555.6A CN108806282B (zh) | 2018-06-01 | 2018-06-01 | 基于样本行程时间信息的车道组最大排队长度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810558555.6A CN108806282B (zh) | 2018-06-01 | 2018-06-01 | 基于样本行程时间信息的车道组最大排队长度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108806282A CN108806282A (zh) | 2018-11-13 |
CN108806282B true CN108806282B (zh) | 2020-09-04 |
Family
ID=64090318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810558555.6A Active CN108806282B (zh) | 2018-06-01 | 2018-06-01 | 基于样本行程时间信息的车道组最大排队长度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108806282B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111199646B (zh) * | 2020-01-10 | 2021-07-06 | 北京航空航天大学 | 一种基于稀疏探测数据的城市信号控制干道车辆轨迹重构方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034353A (zh) * | 2010-11-04 | 2011-04-27 | 东南大学 | 基于固定检测器的城市道路交通事故排队长度测算方法 |
CN102568215A (zh) * | 2012-02-26 | 2012-07-11 | 浙江大学 | 一种基于检测器的车辆排队检测方法 |
DE102012204123A1 (de) * | 2012-03-15 | 2013-09-19 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur Bestimmung von Rückstaulängen von Verkehrsobjekten und/oder von Fahrzeugpulks |
CN106157619A (zh) * | 2016-07-12 | 2016-11-23 | 浙江大学 | 过饱和状态下路网在运车辆数计算方法 |
CN106355907A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 |
CN106846809A (zh) * | 2017-03-12 | 2017-06-13 | 浙江大学 | 一种基于车辆停车次数的排队最远点计算方法 |
CN107331163A (zh) * | 2017-06-30 | 2017-11-07 | 贵阳海信网络科技有限公司 | 一种排队长度计算方法及装置 |
CN107886725A (zh) * | 2017-11-16 | 2018-04-06 | 山东交通学院 | 基于卡口数据的排队长度计算方法和装置 |
US9972199B1 (en) * | 2017-03-08 | 2018-05-15 | Fujitsu Limited | Traffic signal control that incorporates non-motorized traffic information |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8279086B2 (en) * | 2008-09-26 | 2012-10-02 | Regents Of The University Of Minnesota | Traffic flow monitoring for intersections with signal controls |
CN101729872B (zh) * | 2009-12-11 | 2011-03-23 | 南京城际在线信息技术有限公司 | 一种基于视频监控图像自动判别道路交通状态的方法 |
JP5741310B2 (ja) * | 2011-08-10 | 2015-07-01 | 富士通株式会社 | 車列長測定装置、車列長測定方法及び車列長測定用コンピュータプログラム |
CN103680150B (zh) * | 2013-12-02 | 2015-10-28 | 同济大学 | 基于线圈检测的交通事件影响范围及持续时间确定方法 |
EP3114574A4 (en) * | 2014-03-03 | 2018-03-07 | Inrix, Inc. | Traffic obstruction detection |
CN104966402B (zh) * | 2015-06-05 | 2017-03-01 | 吉林大学 | 一种过饱和交通流交叉口排队溢出防控方法 |
US10019898B2 (en) * | 2016-01-14 | 2018-07-10 | Siemens Industry, Inc. | Systems and methods to detect vehicle queue lengths of vehicles stopped at a traffic light signal |
CN107123276B (zh) * | 2016-08-25 | 2020-04-21 | 苏州华川交通科技有限公司 | 利用低抽样率gps数据的交叉口车辆排队长度估算方法 |
CN106548632B (zh) * | 2016-10-17 | 2019-01-25 | 同济大学 | 一种相邻上下游信号交叉口排队长度估计方法 |
-
2018
- 2018-06-01 CN CN201810558555.6A patent/CN108806282B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034353A (zh) * | 2010-11-04 | 2011-04-27 | 东南大学 | 基于固定检测器的城市道路交通事故排队长度测算方法 |
CN102568215A (zh) * | 2012-02-26 | 2012-07-11 | 浙江大学 | 一种基于检测器的车辆排队检测方法 |
DE102012204123A1 (de) * | 2012-03-15 | 2013-09-19 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur Bestimmung von Rückstaulängen von Verkehrsobjekten und/oder von Fahrzeugpulks |
CN106157619A (zh) * | 2016-07-12 | 2016-11-23 | 浙江大学 | 过饱和状态下路网在运车辆数计算方法 |
CN106355907A (zh) * | 2016-10-18 | 2017-01-25 | 同济大学 | 基于车辆轨迹的信号控制交叉口排队长度实时估计方法 |
US9972199B1 (en) * | 2017-03-08 | 2018-05-15 | Fujitsu Limited | Traffic signal control that incorporates non-motorized traffic information |
CN106846809A (zh) * | 2017-03-12 | 2017-06-13 | 浙江大学 | 一种基于车辆停车次数的排队最远点计算方法 |
CN107331163A (zh) * | 2017-06-30 | 2017-11-07 | 贵阳海信网络科技有限公司 | 一种排队长度计算方法及装置 |
CN107886725A (zh) * | 2017-11-16 | 2018-04-06 | 山东交通学院 | 基于卡口数据的排队长度计算方法和装置 |
Non-Patent Citations (5)
Title |
---|
Cycle-by-cycle intersection queue length distribution estimation using sample travel times;Peng Hao, Xuegang Ban, Dong Guo, Qiang Ji;《Transportation Research Part B: Methodological》;20141031(第68期);全文 * |
Delay Pattern Estimation for Signalized Intersections Using Sampled Travel Times;Xuegang Ban,Ryan Herring,Peng Hao, Alexandre M.Bayen;《Transportation Research Record: Journal of the Transportation Research Board》;20090101(第2130期);全文 * |
Lane-Based Saturation Degree Estimation at Signalized Intersections Using Travel Time Data;Dongfang Ma, Xiaoqin Luo, Sheng Jin, Dianhai Wang, Weiwei Guo ,;《IEEE Intelligent Transportation Systems Magazine》;20170731;第9卷(第3期);全文 * |
基于二流理论的拥挤交通流当量排队长度模型;姚荣涵,王殿海,曲昭伟;《东南大学学报(自然科学版)》;20070531;第37卷(第3期);全文 * |
基于排队最远点约束的最大周期时长优化方法;王殿海,付凤杰,蔡正义,马东方;《华南理工大学学报(自然科学版)》;20140531;第42卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108806282A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765981B (zh) | 一种分车道实时排队长度预测方法 | |
CN108492562B (zh) | 基于定点检测与电警数据融合的交叉口车辆轨迹重构方法 | |
CN107886725B (zh) | 基于卡口数据的排队长度计算方法和装置 | |
CN106571030B (zh) | 多源交通信息环境下排队长度预测方法 | |
JP4716115B2 (ja) | 交通流パラメータ算出システム、方法及びプログラム | |
WO2018064931A1 (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 | |
CN109389826B (zh) | 一种信号交叉口饱和流率的实时计算方法 | |
CN107274672B (zh) | 基于gps数据的信号交叉口单车延误时间估计方法 | |
CN108470461B (zh) | 一种交通信号控制器控制效果在线评价方法及系统 | |
CN107730922A (zh) | 一种单向干线绿波协调控制自适应调整方法 | |
US11798408B2 (en) | Green wave speed determination method, electronic device and storage medium | |
CN110956804B (zh) | 一种交叉口信号配时诊断方法 | |
CN113380027A (zh) | 一种基于多源数据的交叉口交通状态参数估计方法及系统 | |
CN113421439B (zh) | 一种基于蒙特卡罗算法的单路口交通信号配时优化方法 | |
CN113129605B (zh) | 一种基于电子警察数据的交叉口车道排队长度估计方法 | |
CN111862602A (zh) | 基于轨迹数据的单交叉口信号配时优化方法 | |
CN108806282B (zh) | 基于样本行程时间信息的车道组最大排队长度估计方法 | |
CN109472985B (zh) | 基于路段旅行时间的实际交通需求流量估计方法 | |
CN113380036A (zh) | 一种基于电子警察数据的排队长度计算方法 | |
CN106846808B (zh) | 一种基于车牌数据的车辆停车次数计算方法 | |
CN113763707B (zh) | 一种基于号牌数据的路段溢流和车道阻挡状态辨识方法 | |
CN112116813B (zh) | 状态识别模型建立方法、道路交通状态识别方法及装置 | |
CN114155724A (zh) | 一种车联网环境下的交叉口交通信号控制方法 | |
CN114202916A (zh) | 单点交叉口交通信号控制方法 | |
JP5857389B2 (ja) | 交通指標推定装置及びコンピュータプログラム |
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 |