CN108898836A - 智慧城市交通云计算方法 - Google Patents

智慧城市交通云计算方法 Download PDF

Info

Publication number
CN108898836A
CN108898836A CN201810799825.2A CN201810799825A CN108898836A CN 108898836 A CN108898836 A CN 108898836A CN 201810799825 A CN201810799825 A CN 201810799825A CN 108898836 A CN108898836 A CN 108898836A
Authority
CN
China
Prior art keywords
num
crossing
vehicles
moment
arrive
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.)
Pending
Application number
CN201810799825.2A
Other languages
English (en)
Inventor
王大江
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810799825.2A priority Critical patent/CN108898836A/zh
Publication of CN108898836A publication Critical patent/CN108898836A/zh
Pending legal-status Critical Current

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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation

Landscapes

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

Abstract

为了提高交通信号灯的控制对路网堵塞的控制或调节的效率，本发明提供了一种智慧城市交通云计算方法，包括：(10)监测路网中两个路口之间的车辆数目；(20)根据车辆数目通过云计算的方式获得路网拥堵程度。本发明能够根据路网上交通灯之间的路段的车辆数目进行动态地红、绿灯点亮时间长度调整，且对于车辆数目根据申请人的大量试验确定了上述修正的经验公式，从而通过调整红绿灯时间长度的比例，使得由于司机主观原因造成红绿灯转换时起步早、晚造成的堵塞程度能够被尽可能地自动降低。经试验，在北京地区的路网堵塞程度能够被自动降低15％‑18％。

Description

智慧城市交通云计算方法
技术领域
本发明涉及路网堵塞程度控制领域，更具体地，涉及一种智慧城市交通云计算方法。
背景技术
城市交通堵塞是影响我国经济发展和居民生活质量的重要问题。实施交通信号控制策略以减少延误；发布实时交通信息以诱导车辆行驶乃保持路网动态均衡和缓解交通堵塞的交通管理措施。这两种交通管理措施均以交通状态，特别是对交通堵塞程度的有效评价为前提。我国公安部和建设部共同制定的《城市道路交通管理评价指标体系》将“交通负荷度”和“交叉路口阻塞率”作为城市道路交通管理科学化的重要指标。采用高峰期道路网交通负荷度来反映城市中心区域交通需求在时间上的集中程度，是一天中最不利状况下的供求矛盾的紧张程度。采用交叉路口阻塞率来衡量整个路网的饱和程度，是检查交通管理效果、制定交通需求管理对策、提出交叉口改造规划建设方案的依据。周期性阻塞交叉路口是指一定时间内经常出现阻塞的交叉口(不是随机或意外原因引起的)。信号灯控制交叉口若3次绿灯显示车辆未通过路口的为严重阻塞。
申请号为CN200810198919.0的中国发明专利申请公开了一种基于数据特征的城市信号控制路口交通状态检测和评价方法。其采用数据传输单元传来的数据构造随着交通密度变化且具有稳定极小值的车辆时距作为饱和交通流特征参量。然而，这种方法忽略了车辆启停过程中司机的主观延迟长短的区别，这种区别使得车辆时距的稳定最小值是不准确的甚至是不存在的，严重影响了交通信号灯的控制时长的有效性。
发明内容
为了提高交通信号灯的控制对路网堵塞的控制或调节的效率，本发明提供了一种智慧城市交通云计算方法，包括：
(10)监测路网中两个路口之间的车辆数目；
(20)根据车辆数目通过云计算的方式获得路网拥堵程度。
进一步地，所述步骤(10)包括：
获得第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{Num(n)}；
进一步地，所述步骤(20)包括：
(201)对集合{Num(n)}进行修正，预测第n+1时刻从上一个路口将要抵达路口的车辆数目集合{Num(n+1)}，并根据预测结果计算在一个信号灯控制周期内的红、绿灯点亮时间长度的比值；
(202)对所述比值进行校正；
(203)对上一个路口和将要抵达路口之间的路网堵塞程度进行估计。
进一步地，所述获得第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{Num(n)}包括：检测两个路口之间的某个位置处的车辆数目。
进一步地，所述检测两个路口之间的某个位置处的车辆数目包括利用摄像头并基于车牌识别方式获得单方向地经过该位置处的车辆的数目。
进一步地，所述步骤(201)包括：
设对第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{Num(n)}进行修正后得到的第1到第n时刻从上一个路口将要抵达路口的车辆数目为{Num’(n)}，其中{Num(n)}满足泊松分布的概率分布规律，其中n为自然数且n＝1，2，…；
将{Num(n)}与{Num’(n)}的联合概率密度函数C(Num(n),Num’(n))记作C(Num,Num’)，
C(Num,Num’)＝Pois(αT1λ,αT2λ,…,αTnλ)＝λ[-Pois(N)(λ)+αT1Pois(N-1)(λ)+…+αTNPois(λ)]，
其中Pois(λ)＝e-Nλ；N表示第n时刻Tn的车辆数目；
λ＝[n,Num’(n)]T，[]T在此表示对[]进行转置，λ为随机向量，是根据SVR短时交通流预测得到的在第n时刻的{Num’(n)}这一集合的一阶项之和的模值；
对{Num(n)}进行修正：
再设{Num’(n)}在{Num(n)}条件下的概率密度：
p(Num’|Num)＝p(Num’,Num)/p(Num)＝Pois(Num’,λNum’|Num)，其中
Pois(Num’,λNum’|Num)为均值等于λNum’|Num、方差矩阵M为的泊松函数，CA，B表示A与B之间的互协方差，
则
进一步地，所述步骤(202)包括：
(2021)获得将要抵达的路口的信号灯的红、绿灯点亮时间长度的比值R[n]；
(2022)获得车辆在上一个路口到所述将要抵达的路口之间的路段的堵塞程度Dcrowd；
(2023)对所述将要抵达路口的信号周期时长T[n+1]进行修正：
其中表示取上整数，Num'[n]表示第n时刻修正后的从上一个路口将要抵达路口的车辆数目，Num'[n+1]表示对第n+1时刻的从上一个路口将要抵达路口的车辆数目的预测数，Brpre表示上一个路口的岔道数，Brnow表示将要抵达的路口的岔道数，i和j均为正整数。
进一步地，所述步骤(203)包括：
根据T[n+1]的值与预设阈值集合的比较，确定上一个路口和将要抵达路口之间的路网堵塞程度。
本发明的有益效果为：能够根据路网上交通灯之间的路段的车辆数目进行动态地红、绿灯点亮时间长度调整，且对于车辆数目根据申请人的大量试验确定了上述修正的经验公式，从而通过调整红绿灯时间长度的比例，使得由于司机主观原因造成红绿灯转换时起步早、晚造成的堵塞程度能够被尽可能地自动降低。经试验，在北京地区的路网堵塞程度能够被自动降低15％-18％。
具体实施方式
根据本发明的优选实施例，本发明提供了一种智慧城市交通云计算方法，包括：
(10)监测路网中两个路口之间的车辆数目；
(20)根据车辆数目通过云计算的方式获得路网拥堵程度。
优选地，所述步骤(10)包括：
获得第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{Num(n)}；
优选地，所述步骤(20)包括：
(201)对集合{Num(n)}进行修正，预测第n+1时刻从上一个路口将要抵达路口的车辆数目集合{Num(n+1)}，并根据预测结果计算在一个信号灯控制周期内的红、绿灯点亮时间长度的比值；
(202)对所述比值进行校正；
(203)对上一个路口和将要抵达路口之间的路网堵塞程度进行估计。
优选地，所述获得第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{Num(n)}包括：检测两个路口之间的某个位置处的车辆数目。
优选地，所述检测两个路口之间的某个位置处的车辆数目包括利用摄像头并基于车牌识别方式获得单方向地经过该位置处的车辆的数目。
优选地，所述步骤(201)包括：
设对第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{Num(n)}进行修正后得到的第1到第n时刻从上一个路口将要抵达路口的车辆数目为{Num’(n)}，其中{Num(n)}满足泊松分布的概率分布规律，其中n为自然数且n＝1，2，…；
将{Num(n)}与{Num’(n)}的联合概率密度函数C(Num(n),Num’(n))记作C(Num,Num’)，
C(Num,Num’)＝Pois(αT1λ,αT2λ,…,αTnλ)＝λ[-Pois(N)(λ)+αT1Pois(N-1)(λ)+…+αTNPois(λ)]，
其中Pois(λ)＝e-Nλ；N表示第n时刻Tn的车辆数目；
λ＝[n,Num’(n)]T，[]T在此表示对[]进行转置，λ为随机向量，是根据SVR短时交通流预测得到的在第n时刻的{Num’(n)}这一集合的一阶项之和的模值；
对{Num(n)}进行修正：
再设{Num’(n)}在{Num(n)}条件下的概率密度：
p(Num’|Num)＝p(Num’,Num)/p(Num)＝Pois(Num’,λNum’|Num)，其中
Pois(Num’,λNum’|Num)为均值等于λNum’|Num、方差矩阵M为的泊松函数，CA，B表示A与B之间的互协方差，
则
优选地，所述步骤(202)包括：
(2021)获得将要抵达的路口的信号灯的红、绿灯点亮时间长度的比值R[n]；
(2022)获得车辆在上一个路口到所述将要抵达的路口之间的路段的堵塞程度Dcrowd；
(2023)对所述将要抵达路口的信号周期时长T[n+1]进行修正：
其中表示取上整数，Num'[n]表示第n时刻修正后的从上一个路口将要抵达路口的车辆数目，Num'[n+1]表示对第n+1时刻的从上一个路口将要抵达路口的车辆数目的预测数，Brpre表示上一个路口的岔道数，Brnow表示将要抵达的路口的岔道数，i和j均为正整数。
优选地，所述步骤(203)包括：
根据T[n+1]的值与预设阈值集合的比较，确定上一个路口和将要抵达路口之间的路网堵塞程度。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (8)

1.一种智慧城市交通云计算方法，包括：
(10)监测路网中两个路口之间的车辆数目；
(20)根据车辆数目通过云计算的方式获得路网拥堵程度。
2.根据权利要求1所述的方法，其特征在于，所述步骤(10)包括：获得第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{Num(n)}。
3.根据权利要求2所述的方法，其特征在于，所述步骤(20)包括：
(201)对集合{Num(n)}进行修正，预测第n+1时刻从上一个路口将要抵达路口的车辆数目集合{Num(n+1)}，并根据预测结果计算在一个信号灯控制周期内的红、绿灯点亮时间长度的比值；
(202)对所述比值进行校正；
(203)对上一个路口和将要抵达路口之间的路网堵塞程度进行估计。
4.根据权利要求3所述的方法，其特征在于，所述获得第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{Num(n)}包括：检测两个路口之间的某个位置处的车辆数目。
5.根据权利要求4所述的方法，其特征在于，所述检测两个路口之间的某个位置处的车辆数目包括利用摄像头并基于车牌识别方式获得单方向地经过该位置处的车辆的数目。
6.根据权利要求5所述的方法，其特征在于，所述步骤(201)包括：设对第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{Num(n)}进行修正后得到的第1到第n时刻从上一个路口将要抵达路口的车辆数目为{Num’(n)}，其中{Num(n)}满足泊松分布的概率分布规律，其中n为自然数且n＝1，2，…；
将{Num(n)}与{Num’(n)}的联合概率密度函数C(Num(n),Num’(n))记作C(Num,Num’)，
C(Num,Num’)＝Pois(αT1λ,αT2λ,…,αTnλ)＝λ[-Pois(N)(λ)+αT1Pois(N-1)(λ)+…+αTNPois(λ)]，
其中Pois(λ)＝e-Nλ；N表示第n时刻Tn的车辆数目；
λ＝[n,Num’(n)]T，[]T在此表示对[]进行转置，λ为随机向量，是根据SVR短时交通流预测得到的在第n时刻的{Num’(n)}这一集合的一阶项之和的模值；
对{Num(n)}进行修正：
再设{Num’(n)}在{Num(n)}条件下的概率密度：
p(Num’|Num)＝p(Num’,Num)/p(Num)＝Pois(Num’,λNum’|Num)，其中Pois(Num’,λNum’|Num)为均值等于λNum’|Num、方差矩阵M为的泊松函数，CA，B表示A与B之间的互协方差，
则
7.根据权利要求6所述的方法，其特征在于，所述步骤(202)包括：(2021)获得将要抵达的路口的信号灯的红、绿灯点亮时间长度的比值R[n]；
(2022)获得车辆在上一个路口到所述将要抵达的路口之间的路段的堵塞程度Dcrowd；
(2023)对所述将要抵达路口的信号周期时长T[n+1]进行修正：
其中表示取上整数，Num'[n]表示第n时刻修正后的从上一个路口将要抵达路口的车辆数目，Num'[n+1]表示对第n+1时刻的从上一个路口将要抵达路口的车辆数目的预测数，Brpre表示上一个路口的岔道数，Brnow表示将要抵达的路口的岔道数，i和j均为正整数。
8.根据权利要求7所述的方法，其特征在于，所述步骤(203)包括：根据T[n+1]的值与预设阈值集合的比较，确定上一个路口和将要抵达路口之间的路网堵塞程度。
CN201810799825.2A 2018-07-19 2018-07-19 智慧城市交通云计算方法 Pending CN108898836A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810799825.2A CN108898836A (zh) 2018-07-19 2018-07-19 智慧城市交通云计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810799825.2A CN108898836A (zh) 2018-07-19 2018-07-19 智慧城市交通云计算方法

Publications (1)

Publication Number Publication Date
CN108898836A true CN108898836A (zh) 2018-11-27

Family

ID=64351276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810799825.2A Pending CN108898836A (zh) 2018-07-19 2018-07-19 智慧城市交通云计算方法

Country Status (1)

Country Link
CN (1) CN108898836A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102194317A (zh) * 2011-04-06 2011-09-21 孙磊 一种多节点智能交通微云计算方法
CN102568223A (zh) * 2012-02-06 2012-07-11 同济大学 信号交叉口右转专用车道实时动态控制方法
CN103345165A (zh) * 2013-07-26 2013-10-09 中国人民解放军军事交通学院 缩微智能车群的智能交通硬件在线仿真系统
CN103903453A (zh) * 2012-12-26 2014-07-02 中国移动通信集团公司 一种智能交通控制系统、装置和方法
CN104575036A (zh) * 2015-01-28 2015-04-29 重庆云途交通科技有限公司 基于动态od流量预测与仿真优化的区域信号控制方法
CN105303856A (zh) * 2015-11-11 2016-02-03 清华大学 一种预测模型的可变情报板信息发布方法
CN105761521A (zh) * 2015-12-31 2016-07-13 重庆邮电大学 基于车联网的实时交通诱导路侧系统及实时交通诱导方法
CN106297328A (zh) * 2016-08-25 2017-01-04 深圳市元征科技股份有限公司 一种交通信号灯控制方法及装置
CN106530762A (zh) * 2016-12-26 2017-03-22 东软集团股份有限公司 交通信号控制方法和装置
US9637050B2 (en) * 2015-03-23 2017-05-02 Honda Motor Co., Ltd. Vehicle collision avoidance assist apparatus

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102194317A (zh) * 2011-04-06 2011-09-21 孙磊 一种多节点智能交通微云计算方法
CN102568223A (zh) * 2012-02-06 2012-07-11 同济大学 信号交叉口右转专用车道实时动态控制方法
CN103903453A (zh) * 2012-12-26 2014-07-02 中国移动通信集团公司 一种智能交通控制系统、装置和方法
CN103345165A (zh) * 2013-07-26 2013-10-09 中国人民解放军军事交通学院 缩微智能车群的智能交通硬件在线仿真系统
CN104575036A (zh) * 2015-01-28 2015-04-29 重庆云途交通科技有限公司 基于动态od流量预测与仿真优化的区域信号控制方法
US9637050B2 (en) * 2015-03-23 2017-05-02 Honda Motor Co., Ltd. Vehicle collision avoidance assist apparatus
CN105303856A (zh) * 2015-11-11 2016-02-03 清华大学 一种预测模型的可变情报板信息发布方法
CN105761521A (zh) * 2015-12-31 2016-07-13 重庆邮电大学 基于车联网的实时交通诱导路侧系统及实时交通诱导方法
CN106297328A (zh) * 2016-08-25 2017-01-04 深圳市元征科技股份有限公司 一种交通信号灯控制方法及装置
CN106530762A (zh) * 2016-12-26 2017-03-22 东软集团股份有限公司 交通信号控制方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨兆升: "基于支持向量机方法的短时交通流量预测方法", 《吉林大学学报(工学版)》 *

Similar Documents

Publication Publication Date Title
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN103810868A (zh) 一种基于高空视频信息的交通溢流抑制方法
CN104318773B (zh) 一种基于交通拥堵时空总量的交通拥堵测定方法
CN105654744A (zh) 一种基于q学习的改进交通信号控制方法
CN112950940B (zh) 一种道路施工期的交通分流方法
CN104574968A (zh) 一种临界交通状态参数的确定方法
CN107622668A (zh) 一种基于rfid的动态可视化交叉口监测管理系统
CN108765985A (zh) 基于第一辆车辆到达的信号交叉口进口道延误计算方法
CN105719510A (zh) 车联网环境下道路交通事故链阻断系统的效率评价方法
CN104182633B (zh) 分层次的交通运行评价方法
CN108961754A (zh) 智慧城市云端智能交通监控方法
CN108922208A (zh) 结合交通信息的智慧医联网监控系统
CN105628518A (zh) 道路无机稳定粒料类基层压实均匀性检测与评价方法
CN108898836A (zh) 智慧城市交通云计算方法
CN108922206A (zh) 基于大数据的智慧城市路网监测方法
Rompis et al. A methodology for calibrating microscopic simulation for modeling traffic flow under incidents
CN108922165A (zh) 基于环境因素的医护智慧救助系统
Liu et al. Modeling traffic flow dynamics on managed lane facility: approach based on cell transmission model
CN108877249A (zh) 基于云计算的智慧医疗服务网络
CN108717792A (zh) 智慧医联网救护车辆监控系统
CN109035756A (zh) 路况分析方法、装置、服务器和计算机可读存储介质
Hoffmann et al. Dynamic modeling of winter maintenance strategies and their impact on skid resistance
Ostrowski Attempt to apply the theory of reliability to assessment of signalised lane operation
CN107067723A (zh) 一种城市道路路段旅行时间的估计方法
CN108877245A (zh) 一种动态智慧救助控制系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181127

RJ01 Rejection of invention patent application after publication