CN108986509B - 一种基于车路协同的城市区域路径实时规划方法 - Google Patents
一种基于车路协同的城市区域路径实时规划方法 Download PDFInfo
- Publication number
- CN108986509B CN108986509B CN201810913280.3A CN201810913280A CN108986509B CN 108986509 B CN108986509 B CN 108986509B CN 201810913280 A CN201810913280 A CN 201810913280A CN 108986509 B CN108986509 B CN 108986509B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- road
- intersection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000003993 interaction Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 14
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- SVPXDRXYRYOSEX-UHFFFAOYSA-N bentoquatam Chemical compound O.O=[Si]=O.O=[Al]O[Al]=O SVPXDRXYRYOSEX-UHFFFAOYSA-N 0.000 description 1
- 230000009133 cooperative interaction Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
Abstract
本发明提供了一种基于车路协同的城市区域路径实时规划方法,该方法根据排队车辆消散过程,将路况分为有停车情形、无停车有减速情形和匀速行驶情形,并根据不同的情形计算路阻值。本发明充分利用先进车路协同技术所带来的高效信息交互技术优势,提出了一种考虑车辆在交通信号控制影响下的路段和交叉口行程时间计算方法,并以此为传统路径方法提供了一个分阶段的城市区域最优路径优化方法,为解决车路协同系统中路径问题提供了技术支持和理论依据。
Description
技术领域
本发明属于智能交通/车路协同技术、路径规划领域,具体涉及一种以交叉口交通信号控制和路径转向信息作为影响因素,对传统路径规划系统所得到的结果进行进一步优选的基于车路协同的区域路径实时规划与决策方法。
背景技术
随着我国汽车拥有量的逐年增加,在车辆普及给人民出行带来便利的同时,由于配套的道路设施建设相对迟缓,交通拥堵现象频繁发生。目前常用浮动车技术或固定交通检测器技术作为实时交通数据采集分析方法,但通过单一数据采集手段所能提供的实时交通数据种类十分有限。智能交通系统(Intelligent Transportation System,ITS)也因此被提出,为了改善传统交通控制依靠人为干预的不足,提高交通管控的便捷性,ITS运用了先进的传感、计算机与通信技术等,以构建实时、精准和可靠的交通管控系统为设计目标。其中,车联网(Vehicles to X,V2X)作为当前ITS中的研究热点,通过基于近场自组网技术实现了车辆间或车辆与其他职能路侧设备间的通信。其中,以车路协同系统(CooperativeVehicle Infrastructure System,CVIS)作为代表的相关技术具有广阔的发展和应用前景,借助该系统,交管部门可以有效的获取实时路网信息并根据相关内容建立合理有效的路网状态评价系统。
高实时性的路网状态评价系统不仅有助于交管部门更好的管理交通,也能够进一步服务于每一个车辆驾驶者。随着新建道路里程不断增长,各类智能交通基础设施建设不断增加,交通信息更多地被用于指导交通,驾驶员出行服务体验的要求也更严格。在城市道路交通系统中,虽然已有道路规划无法轻易更改,但通过合理的交通秩序管理与出行车辆诱导将能够有效降低交通拥堵程度、提升出行体验,这就推动了城市交通诱导系统(Traffic Guidance System,TGS)的发展。TGS是城市交通管理与控制工作中的关键一环,它为驾驶员发布实时交通信息和路线诱导,促使从而实现路网交通流的合理分配和整体延误的降低。
路径规划问题主要是根据出行者的需求,在给定的数字道路地图中根据OD信息规划出一条最优路径,从而达到节省驾驶员旅行费用的目的。该问题虽然早在几十年前就已经有学者开始进行研究,但由于不断有新的需求出现,可供应用的交通数据种类也越来越丰富,不断有新的研究分支和方法出现。
贵州大学李露蓉等基于优化蚁群算法构建了面向动态路径规划的模型,从而达到控制网络中车流量合理分配的目的。Sen等建立了一个基于旅行时间均值和方差的多目标规划模型,为出行者提供诸如旅行时间变化可能最小的路线,以满足更多实际需求。Backfrieder等面向智能交通系统设计了一个运输网络中智能线路管理的手段,以预测拥塞最小算法为基础向网联汽车提供路线建议。目前百度和高德在路径规划方面已取得成熟的成果,主要是根据浮动车的定位信息动态采集交通流数据,根据实时流量情况和道路拥挤程度动态优化行驶路径,实现行程时间最少或步行距离最短。
先进的路径规划系统离不开海量实时交通数据的支持,近些年来交通信息化大力发展也为这一传统研究领域注入了新的活力,但值得注意的是,目前此类研究中所用的数据主要以基于移动轨迹、手机信令和检测器等来源间接得到的,与真实交通场景存在一定的偏差,导致计算精度和实时性仍存在些许不足;同时,传统方法中以每条路段计算一个路阻权值的方法没有考虑到车辆在灯控信号影响下不同转向所花销时间不同这一特性,在城市道路中,因交通信号控制导致的路阻变化是非常明显的,而两点不足恰恰需要高实时性、高精度的路网评价系统来弥补。
综上所述可以看出,车联网及车路协同技术为提高传统的路网评价与路径规划服务水平提供了可能,通过将新技术所来的新方法引入到传统服务中来,不仅顺应未来交通发展的新趋势,将理论与实际相结合有益研究,也是缓解传统交通难题、提高交通运行效率的重要举措,具有较大的现实意义和较高的研究价值,是智能交通系统新的热点研究趋势。
现有相关技术
(1)车路协同系统
车路协同是采用先进的无线通信和新一代互联网等技术获取车辆和道路信息,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。
(2)城市交通诱导系统
城市交通诱导系统是智能交通系统的重要组成部分,它以实时动态分配理论为核心,综合运用检测、通信、计算机、GPS和GIS等高新技术,动态地向驾驶员提供最优路径引导指令和丰富的实时交通信息,通过单个车辆诱导来改善路面交通状态,防止和减轻交通阻塞,减少车辆在道路上的逗留时间,并最终实现交通流在路网上中各个路段上的合理分配。
(3)区域路径规划系统
区域路径规划问题主要是根据出行者的需求,在给定的数字道路地图中根据OD信息规划出一条最优路径,从而达到节省驾驶员旅行费用的目的,优化的标准包含行车距离最短、旅行时间最短、通行费用最低等。
现有技术不足
(1)车路协同系统的基本目标是:确保在任何时刻、任何路段都能实时感知到车路情况;确保在任何条件下都能提供必要的信息和便捷优质的交通综合服务;确保整体路网能够协调、畅通、安全、高效,最大限度地减少交通事故和交通拥堵的发生,从而达到提高道路通行能力的目的。因此,车路协同系统被广泛应用于多车道协同换道、城市交通控制以及道路交叉口信号控制等领域,但却较少应用于路径规划中。
(2)城市交通动态诱导以宏观交通诱导系统为主,典型的有可变情报板、交通广播及电子地图,实现方式通过收集检测器的信息判断路段拥堵状况并提示给附近的驾驶员,供他们根据实时交通状况来选择恰当的路线,但这种诱导方法不论是实时性还是所能提供的信息量都十分有限,随着移动网络和智能手机的发展,移动端电子地图所提供的实时路况和导航功能为驾驶员提供了更精准的诱导与行程时间预测服务。
(3)目前对路径规划系统研究中所用的数据主要基于移动轨迹、手机信令和检测器等来源间接得到的,与真实场景存在一定的偏差,导致计算精度和实时性仍存在些许不足。传统方法中以每条路段计算一个路阻权值的方法没有考虑到车辆在灯控信号影响下不同转向所花销时间不同这一特性,在城市道路中,因信号控制导致的路阻变化是非常明显的。
发明内容
针对以上三个相关技术的不足,本发明充分利用先进车路协同技术所带来的高效信息交互技术优势,提出了一种考虑车辆在交通信号控制影响下的路段和交叉口行程时间计算方法,并以此为传统路径方法提供了一个分阶段的城市区域最优路径优化方法,为解决车路协同系统中路径问题提供了技术支持和理论依据。本发明具体采取以下技术方案:
1、一种基于车路协同的城市区域路径实时规划方法,其特征在于,具体包括如下步骤:
式中:a为车辆加速度,dp为车辆排队时车间距,dg为跟驰时车间距,dl为车辆长度,N为最大排队车辆数。
步骤5:根据实际排队长度分两种情况:
步骤6:计算车辆因减速行为而导致的最大延误时间T2 X:
步骤7:当前方路口行驶方向不为右转时,计算排队长度S:
S=N(dp+dl)
步骤8:计算车辆到达路口时信号灯所处时刻为T1 X、T2 X和T3 X的驶入时间分界点:
附图说明
图1是基于车路协同的路径规划方法流程图。
图2是城市车路协同区域两阶段通信流程划分示意图。
图3是路阻计算中的三种情形示意图。
图4是路阻计算流程图。
具体实施方式
(一)车路协同系统下考虑灯控影响的实时路径规划方法
该方法的核心思想是,利用车路协同技术所提供的路侧信号机控制数据和V2X网络的通讯手段,对全局算法所提供的多条行程时间相近的路线提供一个考虑信号控制的精细化比较,并逐步得到了全程的最优行驶路线。方法流程图如图1所示。该方法具体实现步骤如下:
步骤1:车辆上安装的智能车载信息终端(On board Unit,OBU)与路侧终端(RoadSide Unit,RSU)之间建立V2X网络通信。
步骤2:车载终端根据车辆总线和传感器信息向路侧终端上报所要求的统计数据,在需要的时候向远程服务发送路径规划请求。
步骤3:远程服务端根据OD信息和路网状态计算全局最优路径,选取行程时间最小的两条路线作为备选;
步骤4:寻找两条路线中重合的路段(或节点),记为公众路段,将两条路线中非重合的路段(或节点),记为待选路线段;
步骤5:将规划路线发送给车载终端,由车载终端按照指定路线行驶,直至车载终端根据GPS数据和V2X交互信息判断车辆在下一个路口将进入待选路线段;
步骤6:车载终端向远程服务端发送区域最优路线规划指令,远程服务端根据路侧终端实时数据分别计算待选两条路线在考虑转向和灯控信息影响下的行程时间,选择二者中行程时间最小的一条路线提供给车载终端;
步骤7:车辆驶离节点后,以节点为起点重新计算到讫点的最优路径,并重复上述步骤,直至车辆到达讫点。
(二)基于车路协同交互的路阻计算方法
为了将确定各转向车道各自的路阻值,需要确保用于计算行程时间的动态车辆数据源根据车辆实际驶出方向进行区分,为此划定了路段与交叉口分界线,以停止线前禁止换道实线开始处为分界点,如图2所示,根据该划分方法,车辆在进入交叉口区域后,其转向方向也同时确定,最终统计的车辆行驶数据将经由V2X网络上传至路侧终端,并记录于指定转向的数据集中,最终路侧终端汇总的数据如表1所示:
表1车路信息交互汇总数据
其中,道路里程为常量调查数据,信号控制相关信息由路侧终端连接信号机获取,速度与排队数信息由路侧终端根据上报的车辆数据计算得到,根据实际需求和客观条件可调整计算间隔。
本系统中的路阻值是一个微观变量,特指对于任意一辆即将进入路段的车辆(图2点B),预测其驶离(图2点D)前方交叉口时所需经历的行程时间,因此,对于自由驶入的车流中的每一辆车,其路阻值均是不同的。
图3展示了一组6辆网联汽车驶入某一路段的轨迹图,横轴为时间轴,长度为下游交叉口的一个信号控制周期,纵轴表示该条路段的长度L,其中实线轨迹表示匀速行驶过程,点线轨迹表示加减速行驶过程,短横线轨迹表示停车过程。从中看出6辆车的行驶速度相近,由于信号控制和排队的影响,路阻值有较大差异。因为有排队车辆消散过程,计算路阻值时对照图3可分为三种情形:有停车情形(1,2,3号车)、无停车有减速情形(4号车)和匀速行驶情形(5,6号车),分别记为情形1,2,3。
路阻值计算的具体流程如下:
步骤1:记以红灯起亮时间为第0秒,任意一个相位红灯时间为绿灯时间为本文中上角标X=L,S,R一律表示为左、直、右三种转向情况,则当右转不受控时有对于两相位控制交叉口,有为了提高方法的容错率,将信号控制中黄灯时间一律计入红灯时间,计算下游交叉口信号控制周期C:
步骤2:暂不考虑二次排队的情形,记排队消散时间为T1 X,排队消散后仍对后车存在影响的时间为T2 X,排队消散后对后车不存在影响的时间为T3 X,则有:
步骤3:为了确定T1 X和T2 X的值需要判断路口车辆排队数,考虑到无突发情形下交通运行状态的连续性,该值在本系统中由路侧终端根据上两个信号控制周期的平均排队车辆数计算得到,记为N。
式中:a为车辆加速度,dp为车辆排队时车间距,dg为跟驰时车间距,dl为车辆长度,N为最大排队车辆数。
步骤5:根据实际排队长度分两种情况:
步骤6:在T2 X阶段内,车辆不会在路段中停车,但由于前方车辆仍处于未启动或缓慢加速过程中需要减速,记某一车辆为该条车道的第N+1辆车,临界情况下,其速度将在减速过程中趋于0,而后再加速行驶,则T2 X的持续时间可看作为该车辆因减速行为而导致的时间延误,考虑加减速过程为匀变速运动,则有变速过程中平均速度为最大延误时间T2 X为:
步骤7:当前方路口行驶方向不为右转时,路口可能存在排队情况,记排队长度为S,有:
S=N(dp+dl)
步骤8:记分别为车辆到达路口时,信号灯所处时刻为T1 X、T2 X和T3 X的驶入时间分界点,对于一个完整的信号控制周期C而言,当在上游路口驶入时间在之间时车辆在路口将减速行驶(情形2),在之间时车辆在路口将匀速行驶(情形3),其他时间段内将遇到停车(情形1)。考虑车辆在行驶过程中的匀速和减速过程,有:
步骤9:分别计算进入路段的车辆的具体驶出时间对于没有排队和减速过程的情形3而言,计算方法比较简便;对于另两种情况,需要计算出情形2下的具体减速过程和情形1下的具体排队次序n(排队时的序号),分别以车辆驶入时间占该情形下的总持续时间的比重来预测减速时间和排队次序n,则有:
Claims (1)
1.一种基于车路协同的城市区域路径实时规划方法,其特征在于,具体包括如下步骤:
步骤1:车辆上安装的智能车载信息终端与路侧终端之间建立V2X网络通信;
步骤2:车载终端根据车辆总线和传感器信息向路侧终端上报所要求的统计数据,在需要的时候向远程服务发送路径规划请求;
步骤3:远程服务端根据OD信息和路网状态计算全局最优路径,选取行程时间最小的两条路线作为备选;
步骤4:寻找两条路线中重合的路段,记为公众路段,将两条路线中非重合的路段,记为待选路线段;
步骤5:将规划路线发送给车载终端,由车载终端按照指定路线行驶,直至车载终端根据GPS数据和V2X交互信息判断车辆在下一个路口将进入待选路线段;
步骤6:车载终端向远程服务端发送区域最优路线规划指令,远程服务端根据路侧终端实时数据分别计算待选两条路线在考虑转向和灯控信息影响下的行程时间,选择二者中行程时间最小的一条路线提供给车载终端;
步骤7:车辆驶离节点后,以节点为起点重新计算到讫点的最优路径,并重复上述步骤,直至车辆到达讫点;
步骤9:记排队消散时间为T1 X,排队消散后仍对后车存在影响的时间为T2 X,排队消散后对后车不存在影响的时间为T3 X:
式中:a为车辆加速度,dp为车辆排队时车间距,dg为跟驰时车间距,dl为车辆长度,N为最大排队车辆数;
步骤12:根据实际排队长度分两种情况:
步骤14:当前方路口行驶方向不为右转时,计算排队长度S:
S=N(dp+dl)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810913280.3A CN108986509B (zh) | 2018-08-13 | 2018-08-13 | 一种基于车路协同的城市区域路径实时规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810913280.3A CN108986509B (zh) | 2018-08-13 | 2018-08-13 | 一种基于车路协同的城市区域路径实时规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108986509A CN108986509A (zh) | 2018-12-11 |
CN108986509B true CN108986509B (zh) | 2020-01-10 |
Family
ID=64552471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810913280.3A Active CN108986509B (zh) | 2018-08-13 | 2018-08-13 | 一种基于车路协同的城市区域路径实时规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108986509B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110398960B (zh) * | 2019-07-08 | 2024-01-19 | 浙江吉利汽车研究院有限公司 | 一种智能驾驶的路径规划方法、装置及设备 |
CN110428619A (zh) * | 2019-07-26 | 2019-11-08 | 阿尔法巴人工智能(深圳)有限公司 | 一种基于车路协同系统的智能驾驶方法 |
CN110794827B (zh) * | 2019-09-26 | 2022-04-22 | 国唐汽车有限公司 | 一种基于v2x的高效率通过交通信号灯的速度控制方法 |
CN111402600B (zh) * | 2020-01-20 | 2021-09-14 | 中国电建集团华东勘测设计研究院有限公司 | 基于复杂网络沙堆模型的城市路网机理关联规划方法 |
CN111681430B (zh) * | 2020-04-30 | 2022-03-29 | 安徽科力信息产业有限责任公司 | 实时预测未来机动车到达信号灯路口停止线台数的方法 |
CN112233413B (zh) * | 2020-07-20 | 2022-03-29 | 北方工业大学 | 一种面向智能网联车辆的多车道时空轨迹优化方法 |
CN111896018A (zh) * | 2020-07-30 | 2020-11-06 | 北京百度网讯科技有限公司 | 导航数据处理的方法、装置、设备及存储介质 |
CN112200453B (zh) * | 2020-10-10 | 2024-02-09 | 中国城市规划设计研究院 | 一种道路交通承载能力评价系统 |
CN112859062B (zh) * | 2021-01-19 | 2023-11-24 | 巍泰技术(武汉)有限公司 | 一种基于雷达的车辆排队长度检测方法及系统 |
CN115527372B (zh) * | 2022-11-29 | 2023-04-07 | 湖南工商大学 | 一种基于全局最优的智能交通实时诱导可变信息系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118320A (zh) * | 2015-09-29 | 2015-12-02 | 北方工业大学 | 一种基于车路协同的城市路段交通诱导方法及装置 |
CN106023629A (zh) * | 2016-06-06 | 2016-10-12 | 西安电子科技大学昆山创新研究院 | 一种路径推荐方法和装置 |
CN106403976A (zh) * | 2016-08-30 | 2017-02-15 | 哈尔滨航天恒星数据系统科技有限公司 | 一种基于阻抗匹配的Dijkstra最优交通路径规划方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206546634U (zh) * | 2016-11-28 | 2017-10-10 | 东莞职业技术学院 | 基于物联网的城市交通流诱导系统 |
-
2018
- 2018-08-13 CN CN201810913280.3A patent/CN108986509B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118320A (zh) * | 2015-09-29 | 2015-12-02 | 北方工业大学 | 一种基于车路协同的城市路段交通诱导方法及装置 |
CN106023629A (zh) * | 2016-06-06 | 2016-10-12 | 西安电子科技大学昆山创新研究院 | 一种路径推荐方法和装置 |
CN106403976A (zh) * | 2016-08-30 | 2017-02-15 | 哈尔滨航天恒星数据系统科技有限公司 | 一种基于阻抗匹配的Dijkstra最优交通路径规划方法及系统 |
Non-Patent Citations (4)
Title |
---|
Increased traffic flow through node-based bottleneck prediction and V2X communication;Christian Backfrieder 等;《IEEE Transactions on Intelligent Transportation Systems》;20170228;第349–363页 * |
Prediction of Road Resistance Based on Historical/Real-time Information and Road Quality;Qihui Qin 等;《2015 12th International Conference on Fuzzy Systems and Knowledge Discovery》;20151231;第1073-1077页 * |
基于动态交通的最短时间路径规划方法研究;向冬梅 等;《微计算机信息》;20121231;第28卷(第9期);第317-319页 * |
基于行程时间多步预测的实时路径导航算法;李进燕 等;《计算机应用研究》;20130228;第30卷(第2期);第346-349页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108986509A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986509B (zh) | 一种基于车路协同的城市区域路径实时规划方法 | |
CN108831143B (zh) | 基于车路协同技术的信号交叉口车队速度引导方法 | |
CN108538069B (zh) | 一种匝道合流区车辆速度管控系统及方法 | |
CN107045783B (zh) | 一种基于约定出行的道路路网精准行车运行方法和系统 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN102254443B (zh) | 间歇式公交专用道控制系统 | |
CN107274684B (zh) | 一种车路协同环境下单点交叉口信号控制策略选择方法 | |
CN205943098U (zh) | 一种用于交叉口不停车通行的智能交通诱导系统 | |
CN105261212B (zh) | 一种基于出租车gps数据地图匹配的出行时空分析方法 | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN104200649A (zh) | 基于预先申请的交通高峰期路线资源调度分配系统与方法 | |
CN103413455A (zh) | 一种道路交通引导方法及系统 | |
CN107730886A (zh) | 一种车联网环境下城市交叉口交通信号动态优化方法 | |
CN101299298A (zh) | 一种道路自适应入口匝道汇入控制设备与方法 | |
CN103136933A (zh) | 一种常规公交与地铁站的换乘协调控制方法 | |
CN112767683B (zh) | 一种基于反馈机制的路径诱导方法 | |
KR101889871B1 (ko) | 교차로 신호의 제어 방법 및 장치 | |
CN106530695A (zh) | 基于车联网的城市干道车辆行程时间实时预测方法 | |
CN104778835A (zh) | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 | |
CN103236164A (zh) | 一种保障公交车辆优先通行的车辆调控方法 | |
CN112767715B (zh) | 一种交叉路口交通信号灯与智能网联汽车的协同控制方法 | |
CN104192148A (zh) | 一种基于交通信号信息预知的主干道车速规划方法 | |
CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
CN104778839A (zh) | 基于视频检测器的城市道路下游分方向交通状态判别方法 | |
CN102063791B (zh) | 一种信号控制与定位监控相结合的公交车辆行车控制方法 |
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 |