CN109243177B - 道路交通广域诱导方法 - Google Patents

道路交通广域诱导方法 Download PDF

Info

Publication number
CN109243177B
CN109243177B CN201811185833.4A CN201811185833A CN109243177B CN 109243177 B CN109243177 B CN 109243177B CN 201811185833 A CN201811185833 A CN 201811185833A CN 109243177 B CN109243177 B CN 109243177B
Authority
CN
China
Prior art keywords
node
traffic
road
time series
indicating
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
Application number
CN201811185833.4A
Other languages
English (en)
Other versions
CN109243177A (zh
Inventor
韩直
关菲菲
贺姣姣
朱湧
杨桪
陈成
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.)
China Merchants Chongqing Communications Research and Design Institute Co Ltd
Original Assignee
China Merchants Chongqing Communications Research and Design Institute Co Ltd
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 China Merchants Chongqing Communications Research and Design Institute Co Ltd filed Critical China Merchants Chongqing Communications Research and Design Institute Co Ltd
Priority to CN201811185833.4A priority Critical patent/CN109243177B/zh
Publication of CN109243177A publication Critical patent/CN109243177A/zh
Application granted granted Critical
Publication of CN109243177B publication Critical patent/CN109243177B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G08G1/0137—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
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles

Landscapes

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

Abstract

本发明提供道路交通广域诱导方法，其特征在于，包括以下步骤：S1:建立路段车辆排队长度的计算模型；S2：采集目标道路网络的空间参数、时间参数和交通参数；S3：将所述空间参数、时间参数和交通参数代入所述计算模型，计算所述目标道路网络的各个路段车辆排队长度，根据所述排队长度确定关键节点；S4：根据所述关键节点生成预控节点，并将所述预控节点及交通信息上传动态交通诱导系统，所述动态交通诱导系统向诱导终端发出诱导指令。本发明可实时动态、全面和智能的交通诱导，可有效预防道路交通网络的拥堵问题，提高道路网络的通行效率，减少车辆在道路上逗留的时间，并最终实现交通流量在道路网络中各个路段上的合理分配。

Description

道路交通广域诱导方法
技术领域
本发明涉及智能交通领域，尤其涉及道路交通广域诱导方法。
背景技术
智能交通系统是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。
交通诱导是指通过各种措施引导车辆行驶路线，通过引导是的道路网络交通流分配达到最优，从而提高道路网络交通效率。但现有诱导以人工干预和管理为主，路口信号控制为辅，路面信息采集点少，诱导信息表现为不完善、不精确和不及时。
因此，需要一种人工干预少、实时动态和全面的道路交通诱导方法。
发明内容
鉴于此，本发明提供一种智能、实时动态和全面的道路交通广域诱导方法。本发明可实时动态、全面和智能的交通诱导，可有效预防道路交通网络的拥堵问题，提高道路网络的通行效率，有效改善道路交通的通行能力，减少车辆在道路上逗留的时间，提高百姓日常出行的效率，并最终实现交通流量在道路网络中各个路段上的合理分配。
本发明提供一种道路交通广域诱导方法，其特征在于，包括以下步骤：
S1：建立路段车辆排队长度的计算模型；
所述路段车辆排队长度的计算模型包括无信号控制计算模型和信号控制计算模型，
其中，所述无信号控制计算模型的路段排队长度，采用如下方法计算：
Figure GDA0002770688890000021
式中，
Figure GDA0002770688890000022
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的排队长度，
Figure GDA0002770688890000023
表示下游节点NDi在第j个时间序列的阻塞排队长度，tj表示时间序列j的长度，
Figure GDA0002770688890000024
表示在下游节点NDi在第j个时间序列时的车流速度，
Figure GDA0002770688890000025
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的交通流量，
Figure GDA0002770688890000026
表示下游节点NDi在第j个时间序列的交通流量，
Figure GDA0002770688890000027
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的车流密度，
Figure GDA0002770688890000028
表示下游节点NDi在第j个时间序列的车流密度；
其中，信号控制计算模型的路段排队长度，采用如下方法计算：
Figure GDA0002770688890000029
式中，
Figure GDA00027706888900000210
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的排队长度，
Figure GDA00027706888900000211
表示下游节点NDi在第j个时间序列的阻塞排队长度，ptj表示绿灯时长，
Figure GDA00027706888900000212
表示在下游节点NDi在第j个时间序列时的车流速度，
Figure GDA00027706888900000213
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的交通流量，
Figure GDA00027706888900000214
表示下游节点NDi在第j个时间序列的交通流量，
Figure GDA00027706888900000215
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的车流密度，
Figure GDA0002770688890000031
表示下游节点NDi在第j个时间序列的车流密度；
其中，所述ptj表示绿灯时长，其中P表示绿灯时长比，所述P计算方程式如下：
P＝tg/t (3)
式中，tg表示一组交通信号灯中的绿灯时长，t表示一组交通信号灯的总时长，
其中，所述下游节点NDi在第j个时间序列的阻塞排队长度计算方程式如下方程式所示：
Figure GDA0002770688890000032
式中，
Figure GDA0002770688890000033
表示下游节点NDi在第j个时间序列的阻塞排队长度，
Figure GDA0002770688890000034
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的交通流量，
Figure GDA0002770688890000035
表示下游节点NDi的通行能力，tj表示时间序列j的长度，
Figure GDA0002770688890000036
表示上游节点NDi-1至下游节点NDi的路段的阻塞密度。
S2：采集目标道路网络的空间参数、时间参数和交通参数；
S3：将所述空间参数、时间参数和交通参数代入所述计算模型，计算所述目标道路网络的各个路段车辆排队长度，根据所述排队长度确定关键节点；
其中，步骤S3包括:
S31：计算出所述上游节点NDi-1至下游节点NDi的路段在第j个时间序列的排队长度与路段长度的比值；
S32：按时间先后顺序，依次找出同一时间序列内所述比值在设置阈值内的极限比值，将所述极限比值的对应路段标记为该时间序列的关键路段；
S33：将所述关键路段RS(i-1,i)的上游节点NDi-1作为该时间序列关键节点；
S4：根据所述关键节点生成预控节点，并将所述预控节点及交通信息上传动态交通诱导系统，所述动态交通诱导系统向诱导终端发出诱导指令；
步骤S4包括：
S41：找到所有含有所述关键节点NDi-1，且将所述关键节点NDi-1作为下游节点的路段
Figure GDA0002770688890000041
和
Figure GDA0002770688890000042
的集合
Figure GDA0002770688890000043
所述节点NDi-5、NDi-2和NDi+3为预控节点Ⅰ，所述预控节点Ⅰ为关键节点NDi-1的一级预控节点；
S42：根据步骤S41，依次找出NDi-5、NDi-2和NDi+3的预控节点Ⅱ，所述预控节点Ⅱ为关键节点NDi-1的二级预控节点。
进一步，所述空间参数包括端点EP、节点ND和路段RS参数，所述端点参数表示所述目标道路网络空间范围的边界线与道路的交点，所述节点ND表示道路节点；所述时间参数包括目标时间和绿灯时间；所述交通参数包括车流流量Q、车流速度V、车流密度K和交通阻塞密度KJ。
本发明的有益效果：本发明可以实现实时动态、全面和智能的交通诱导，可有效预防道路交通网络的拥堵问题，提高道路网络的通行效率，有效改善道路交通的通行能力，减少车辆在道路上逗留的时间，提高百姓日常出行的效率，并最终实现交通流量在道路网络中各个路段上的合理分配。
附图说明
下面结合附图和实施例对本发明作进一步描述：
图1为本发明的目标道路诱导控制示意图。
具体实施方式
以下结合说明书附图对本发明做出进一步的说明：
本发明提供的道路交通广域诱导方法，其特征在于，包括以下步骤：
S1：建立路段车辆排队长度的计算模型；
S2：采集目标道路网络的空间参数、时间参数和交通参数；
S3：将所述空间参数、时间参数和交通参数代入所述计算模型，计算所述目标道路网络的各个路段车辆排队长度，根据所述排队长度确定关键节点；
S4：根据所述关键节点生成预控节点，并将所述预控节点及交通信息上传动态交通诱导系统，所述动态交通诱导系统向诱导终端发出诱导指令。
在本实施例中，动态交通诱导系统采用现有动态交通诱导系统，其是基于电子、计算机、网络和通信等现代技术，根据出行者的OD路径向道路使用者提供最优路径指令或是通过获得实时交通信息帮助道路使用者找到一条从出发点到目的地的最优路径。这种系统通过诱导道路使用者的出行行为来改善路面交通系统，预防交通拥堵，减少车辆在道路上逗留的时间，并最终实现交通流在道路网络中各个路段上的合理分配。
在本实施例中，诱导终端包括车载诱导终端，如车载导航或智能手机，道路网络诱导屏、公路交通诱导屏。
在本实施例中，为清楚明了的显示目标道路网络的各个节点，可预先对各个节点进行编号，并对各个节点编号和其各自的位置关系进行存储，如将目标道路内的所有节点按照阿拉伯数字进行编号，如节点1、节点2、节点3和节点n。
通过上述技术方案可实现实时动态、全面和智能的交通诱导，可有效预防道路交通网络的拥堵问题，提高道路网络的通行效率，有效改善道路交通的通行能力，减少车辆在道路上逗留的时间，提高百姓日常出行的效率，并最终实现交通流量在道路网络中各个路段上的合理分配。
在本实施例中，所述路段车辆排队长度的计算模型包括无信号控制计算模型和信号控制计算模型，
其中，所述无信号控制计算模型的路段排队长度，采用如下方法计算：
Figure GDA0002770688890000051
式中，
Figure GDA0002770688890000052
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的排队长度，
Figure GDA0002770688890000061
表示下游节点NDi在第j个时间序列的阻塞排队长度，tj表示时间序列j的长度，
Figure GDA0002770688890000062
表示在下游节点NDi在第j个时间序列时的车流速度，
Figure GDA0002770688890000063
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的交通流量，
Figure GDA0002770688890000064
表示下游节点NDi在第j个时间序列的交通流量，
Figure GDA0002770688890000065
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的车流密度，
Figure GDA0002770688890000066
表示下游节点NDi在第j个时间序列的车流密度；
其中，信号控制计算模型的路段排队长度，采用如下方法计算：
Figure GDA0002770688890000067
式中，
Figure GDA0002770688890000068
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的排队长度，
Figure GDA0002770688890000069
表示下游节点NDi在第j个时间序列的阻塞排队长度，ptj表示绿灯时长，
Figure GDA00027706888900000610
表示在下游节点NDi在第j个时间序列时的车流速度，
Figure GDA00027706888900000611
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的交通流量，
Figure GDA00027706888900000612
表示下游节点NDi在第j个时间序列的交通流量，
Figure GDA00027706888900000613
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的车流密度，
Figure GDA00027706888900000614
表示下游节点NDi在第j个时间序列的车流密度；
其中，所述ptj表示绿灯时长，其中P表示绿灯时长比，所述P计算方程式如下：
P＝tg/t (3)
式中，tg表示一组交通信号灯中的绿灯时长，t表示一组交通信号灯的总时长，
其中，所述下游节点NDi在第j个时间序列的阻塞排队长度计算方程式如下方程式所示：
Figure GDA0002770688890000071
式中，
Figure GDA0002770688890000072
表示下游节点NDi在第j个时间序列的阻塞排队长度，
Figure GDA0002770688890000073
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的交通流量，
Figure GDA0002770688890000074
表示下游节点NDi的通行能力，tj表示时间序列j的长度，
Figure GDA0002770688890000075
表示上游节点NDi-1至下游节点NDi的路段的阻塞密度。
在本实施例中，无信号控制计算模型和信号控制计算模型是指道路网络的节点处有无交通指示信号灯来区分的，有交通信号指示灯的节点处采用信号控制计算模型；反之，则为无信号控制计算模型。
方法(4)中的
Figure GDA0002770688890000076
表示下游节点NDi的通行能力，道路通行能力是指道路上某一点某一车道或某一断面处，单位时间内可能通过的最大交通实体(车辆或行人)数，此参数是目标道路的属性参数。
其中
Figure GDA0002770688890000077
表示上游节点NDi-1至下游节点NDi的路段的阻塞密度，阻塞密度采用现在阻塞密度计算方法如，阻塞密度等于车头间距的倒数，其计算方程式如下所示：
KJ＝1/Hd (5)
KJ为阻塞密度，Hd:车头间距，其中车头间距等于车身长度机上两车间的距离。
采用上述计算模型可以根据目标道路网络的实际情况准确的计算目标道路路段的排队长度，并作为本方法发出诱导信息的主要参数。
在本实施例中，所述空间参数包括端点EP、节点ND和路段RS参数，所述端点参数表示所述目标道路网络空间范围的边界线与道路的交点，所述节点ND表示道路节点；所述时间参数包括目标时间和绿灯时间；所述交通参数包括车流流量Q、车流速度V、车流密度K和交通阻塞密度KJ。
在本实施例中，空间参数、时间参数和交通参数采用现有数据采集技术，如视频采集技术、地感线圈采集技术、微波(多普勒)检测方式和无线地磁检测方式。
空间参数S表示目标监管道路网络空间的集合包括端点EP、节点ND和路段RS参数，S＝{EP、ND、RS}，M、N、U分别表示EP、ND、RS的数量，EPi∈EP(i＝1,M)NDi∈ND(i＝1,N)。端点EP是目标道路网络空间范围的边界线与道路的交点。节点ND为目标道路节点。路段RS的交通流具有方向性，RS(i-1,i)＝(NDi-1,NDi)(i＝1,N)可表示为上游节点NDi-1至下游节点NDi的路段。
时间参数包括监管时间和绿灯时间，监管时间T表示目标时间范围的集合，将T分为H个连续的时间序列，表示为：tj∈T，(j＝1，H)。tj是第j个时间序列的长度。绿灯时间以G表示绿灯时间的集合，则
Figure GDA0002770688890000081
Figure GDA0002770688890000082
交通参数包括交通量、车流速度、车流密度、阻塞密度和排队长度。由于阻塞密度主要与车辆类型及其所占交通流的比例相关，和监管的时间范围与空间范围无关，故可以以常数看之，本文以KJ代之。以Q、V、K以及KJ分别表示交通量、车流速度、车流密度与阻塞密度，在时间序列j时空间位置i处的映射(阻塞密度与时间序列无关)，则有：
Figure GDA0002770688890000091
表示在时间序列j时，端点i处的交通量、
Figure GDA0002770688890000092
表示在时间序列j时，节点i处的交通量、
Figure GDA0002770688890000093
表示在时间序列j时，上游节点NDi-1至下游节点NDi的路段的交通量、
Figure GDA0002770688890000094
在时间序列j时，端点i处的车流速度、
Figure GDA0002770688890000095
在时间序列j时，端点i处的车流速度、
Figure GDA0002770688890000096
表示在时间序列j时，上游节点NDi-1至下游节点NDi的路段的车流速度、
Figure GDA0002770688890000097
表示在时间序列j时，端点i处的车流密度、
Figure GDA0002770688890000098
表示在时间序列j时，节点i处的车流密度、
Figure GDA0002770688890000099
表示在时间序列j时，上游节点NDi-1至下游节点NDi的路段的车流密度、
Figure GDA00027706888900000910
表示在路段i处的阻塞密度。
在本实施例中，步骤S3包括:
S31：计算出所述上游节点NDi-1至下游节点NDi的路段在第j个时间序列的排队长度与路段长度的比值；
S32：按时间先后顺序，依次找出同一时间序列内所述比值在设置阈值内的极限比值，将所述极限比值的对应路段标记为该时间序列的关键路段；
S33：将所述关键路段RS(i-1,i)的上游节点NDi-1作为该时间序列关键节点。
在本实施例中的设置阈值是根据目标道路的通行能力、交通流量高峰时间段、天气状况、节假日和突发事件多因素，综合考量后设定。阈值可以根据各个因素的改变进行不断的修正，以便根据实现状况灵活的实施交通诱导。如在上下班早高峰，可将阈值设置在0.8至1之间，在非交通流量高峰时间段，可将与之设置在0.9至1之间，也可根据天气状况对阈值进行调整。
在本实施例中，步骤S4包括：
S41：找到所有含有所述关键节点NDi-1，且将所述关键节点NDi-1作为下游节点的路段
Figure GDA0002770688890000101
和
Figure GDA0002770688890000102
的集合
Figure GDA0002770688890000103
所述节点NDi-5、NDi-2和NDi+3为预控节点Ⅰ，所述预控节点Ⅰ为关键节点NDi-1的一级预控节点；
S42：根据步骤S41，依次找出NDi-5、NDi-2和NDi+3的预控节点Ⅱ，所述预控节点Ⅱ为关键节点NDi-1的二级预控节点。
在本实施例中，可根据目标道路网络的实际情况，对一级预控节点和二级预控节点采取有差异的诱导方式，如对一级预控节点实施限流、禁止驶入的诱导措施，对二级预控节点实施分流、多路诱导方式进行诱导。
如图1所示，当路段车辆排队长度的计算模型计算得出路段RS(14,15)为关键路段，RS(14,15)的上游节点ND14为关键节点，找到所有含关键节点ND14且将ND14作为下游节点的路段RS(9,14)、RS(13,14)、RS(19,14)的集合
Figure GDA0002770688890000104
所述节点ND9、ND13和ND19为预控节点Ⅰ，预控节点Ⅰ为关键节点ND14的一级预控节点。根据步骤S41，依次找出ND9、ND13和ND19的预控节点ⅡND4、ND8、ND10、ND12、ND18、ND24和ND20，预控节点ⅡND4、ND8、ND10、ND12、ND18、ND24和ND20为关键节点ND14的二级预控节点。将一级预控节点和二级预控节点及节点交通信息上传动态交通诱导系统，动态交通诱导系统向诱导终端发出诱导指令。此时可在一级预控节点实施限流、禁止驶入的诱导措施，对二级预控节点实施分流、多路诱导方式进行诱导。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种道路交通广域诱导方法，其特征在于，包括以下步骤：
S1：建立路段车辆排队长度的计算模型；
所述路段车辆排队长度的计算模型包括无信号控制计算模型和信号控制计算模型，
其中，所述无信号控制计算模型的路段排队长度，采用如下方法计算：
Figure FDA0002770688880000011
式中，
Figure FDA0002770688880000012
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的排队长度，
Figure FDA0002770688880000013
表示下游节点NDi在第j个时间序列的阻塞排队长度，tj表示时间序列j的长度，
Figure FDA0002770688880000014
表示在下游节点NDi在第j个时间序列时的车流速度，
Figure FDA0002770688880000015
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的交通流量，
Figure FDA0002770688880000016
表示下游节点NDi在第j个时间序列的交通流量，
Figure FDA0002770688880000017
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的车流密度，
Figure FDA0002770688880000018
表示下游节点NDi在第j个时间序列的车流密度；
其中，信号控制计算模型的路段排队长度，采用如下方法计算：
Figure FDA0002770688880000019
式中，
Figure FDA00027706888800000110
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的排队长度，
Figure FDA00027706888800000111
表示下游节点NDi在第j个时间序列的阻塞排队长度，ptj表示绿灯时长，
Figure FDA0002770688880000021
表示在下游节点NDi在第j个时间序列时的车流速度，
Figure FDA0002770688880000022
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的交通流量，
Figure FDA0002770688880000023
表示下游节点NDi在第j个时间序列的交通流量，
Figure FDA0002770688880000024
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的车流密度，
Figure FDA0002770688880000025
表示下游节点NDi在第j个时间序列的车流密度；
其中，所述ptj表示绿灯时长，其中P表示绿灯时长比，所述P计算方程式如下：
P＝tg/t (3)
式中，tg表示一组交通信号灯中的绿灯时长，t表示一组交通信号灯的总时长，
其中，所述下游节点NDi在第j个时间序列的阻塞排队长度计算方程式如下方程式所示：
Figure FDA0002770688880000026
式中，
Figure FDA0002770688880000027
表示下游节点NDi在第j个时间序列的阻塞排队长度，
Figure FDA0002770688880000028
表示上游节点NDi-1至下游节点NDi的路段在第j个时间序列的交通流量，
Figure FDA0002770688880000029
表示下游节点NDi的通行能力，tj表示时间序列j的长度，
Figure FDA00027706888800000210
表示上游节点NDi-1至下游节点NDi的路段的阻塞密度；
S2：采集目标道路网络的空间参数、时间参数和交通参数；
S3：将所述空间参数、时间参数和交通参数代入所述计算模型，计算所述目标道路网络的各个路段车辆排队长度，根据所述排队长度确定关键节点；
其中，步骤S3包括:
S31：计算出所述上游节点NDi-1至下游节点NDi的路段在第j个时间序列的排队长度与路段长度的比值；
S32：按时间先后顺序，依次找出同一时间序列内所述比值在设置阈值内的极限比值，将所述极限比值的对应路段标记为该时间序列的关键路段；
S33：将所述关键路段RS(i-1,i)的上游节点NDi-1作为该时间序列关键节点；
S4：根据所述关键节点生成预控节点，并将所述预控节点及交通信息上传动态交通诱导系统，所述动态交通诱导系统向诱导终端发出诱导指令；
步骤S4包括：
S41：找到所有含有所述关键节点NDi-1，且将所述关键节点NDi-1作为下游节点的路段
Figure FDA0002770688880000031
和
Figure FDA0002770688880000032
的集合
Figure FDA0002770688880000033
所述节点NDi-5、NDi-2和NDi+3为预控节点Ⅰ，所述预控节点Ⅰ为关键节点NDi-1的一级预控节点；
S42：根据步骤S41，依次找出NDi-5、NDi-2和NDi+3的预控节点Ⅱ，所述预控节点Ⅱ为关键节点NDi-1的二级预控节点。
2.根据权利要求1所述的道路交通广域诱导方法，其特征在于：所述空间参数包括端点EP、节点ND和路段RS参数，所述端点参数表示所述目标道路网络空间范围的边界线与道路的交点，所述节点ND表示道路节点；所述时间参数包括目标时间和绿灯时间；所述交通参数包括车流流量Q、车流速度V、车流密度K和交通阻塞密度KJ。
CN201811185833.4A 2018-10-11 2018-10-11 道路交通广域诱导方法 Active CN109243177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811185833.4A CN109243177B (zh) 2018-10-11 2018-10-11 道路交通广域诱导方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811185833.4A CN109243177B (zh) 2018-10-11 2018-10-11 道路交通广域诱导方法

Publications (2)

Publication Number Publication Date
CN109243177A CN109243177A (zh) 2019-01-18
CN109243177B true CN109243177B (zh) 2021-01-01

Family

ID=65053310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811185833.4A Active CN109243177B (zh) 2018-10-11 2018-10-11 道路交通广域诱导方法

Country Status (1)

Country Link
CN (1) CN109243177B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109993972B (zh) * 2019-03-27 2021-11-12 招商局重庆交通科研设计院有限公司 道路交通管控时间的计算方法
CN110428628B (zh) * 2019-08-31 2022-01-28 招商局重庆交通科研设计院有限公司 道路交通诱导方法
CN110807927B (zh) * 2019-11-06 2022-12-30 星云互联(湖南)科技有限公司 一种交通分流方法、装置以及计算机可读存储介质
CN111127914B (zh) * 2020-02-26 2021-01-01 青岛海信网络科技股份有限公司 一种基于信号自动放行机制的方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102024323B (zh) * 2009-09-16 2012-12-26 交通部公路科学研究所 基于浮动车数据提取车辆排队长度的方法
CN102034354B (zh) * 2010-11-04 2012-09-19 东南大学 基于固定检测器的城市道路交通事故影响范围确定方法
CN104077918B (zh) * 2014-07-02 2016-08-17 上海理工大学 基于车载数据城市交通路口信号灯自适应控制方法
CN106971565B (zh) * 2017-04-22 2019-08-23 高新兴科技集团股份有限公司 基于物联网的区域交通边界控制与诱导协同方法及系统
CN107507415B (zh) * 2017-07-06 2020-12-18 广东交通职业技术学院 车联网下基于mfd和排队长度的路网边界限流控制方法

Also Published As

Publication number Publication date
CN109243177A (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
CN109243177B (zh) 道路交通广域诱导方法
CN109859479B (zh) 一种基于云计算的车辆道路引导疏散方法
CN102889892B (zh) 实景导航的方法及导航终端
CN105551269B (zh) 智慧城市中的交通信号灯的智能交通控制方法
CN101958052B (zh) 基于gps的交通流量和道路拥塞检测系统
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN108986492A (zh) 一种基于路侧设备的快速路匝道车流汇入引导方法与系统
CN102005129A (zh) 一种可实时进行路径诱导的中心导航方法
EP3413018B1 (en) Traffic control method and device
CN108986509B (zh) 一种基于车路协同的城市区域路径实时规划方法
CN105023456A (zh) 基于交通信号灯信号变化自适应智能线路规划方法
CN105466443A (zh) 一种导航方法以及终端
CN105225505A (zh) 路口公交信号优先控制系统
CN105303850A (zh) 道路交通路口的交通信号灯的控制方法
CN106781556B (zh) 一种适用于车载短距离通信网络的交通信号灯时长判断方法
US20190172344A1 (en) System for forecasting traffic condition pattern by analysis of traffic data and forecasting method thereof
CN108682168B (zh) 一种减少信号交叉口停车的车速引导系统及方法
CN110162050A (zh) 行驶控制方法及行驶控制系统
CN103295406A (zh) 智能交通防拥堵系统和装置
CN107784835A (zh) 基于交通数据分析的交通状态模式预测系统及其预测方法
EP1348208A2 (en) Traffic monitoring system
CN102622877A (zh) 利用路况信息及行驶速度的公交到站判断系统及判断方法
CN204904585U (zh) 一种高清视频一体机、交通信号机及基于视觉传感的交通信号控制系统
CN108198441A (zh) 一种快速智能交通系统及方法
CN105844925B (zh) 基于手机无线网的城市交通控制装置、系统及方法

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