CN109816978A - 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 - Google Patents
考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 Download PDFInfo
- Publication number
- CN109816978A CN109816978A CN201910080370.3A CN201910080370A CN109816978A CN 109816978 A CN109816978 A CN 109816978A CN 201910080370 A CN201910080370 A CN 201910080370A CN 109816978 A CN109816978 A CN 109816978A
- Authority
- CN
- China
- Prior art keywords
- traffic
- group
- guidance
- data
- database
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 113
- 230000006698 induction Effects 0.000 claims abstract description 50
- 238000004891 communication Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000003908 quality control method Methods 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 16
- 206010039203 Road traffic accident Diseases 0.000 claims description 15
- 230000001939 inductive effect Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000012141 concentrate Substances 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000010429 evolutionary process Effects 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000003012 network analysis Methods 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 2
- 238000011144 upstream manufacturing Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 238000007667 floating Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种考虑驾驶员动态响应行为的区域群体交通诱导系统及方法，由实时交通数据检测与监视子系统、第一通信子系统、群体交通诱导控制平台、第二通信子系统、交通诱导信息发布与监视子系统、群体交通诱导应用子系统、第三通信子系统、天气信息采集子系统构成，本发明可以实现考虑驾驶员动态响应行为的区域群体交通时空协同诱导，为拥挤交通条件下区域群体交通诱导提供支持，为管理者制定主动式交通管理策略提供依据，对于提高交通运行效率和出行可靠度，提升智慧化交通管理水平有重要现实意义，将会产生巨大的经济和社会效益。
Description
技术领域
本发明属于智能交通技术领域，尤其是一种考虑驾驶员动态响应行为的区域群体交通诱导系统及方法。
背景技术
近年来，我国城市道路交通拥堵日益严重，由此造成出行效率和可靠性的降低，受到交通管理决策者和研究者的普遍关注。美国、欧洲、日本等发达国家，为应对日益严重的城市交通拥堵问题，均已把智能诱导技术作为提升交通信息发布、区域网络交通控制、交通需求管理水平的核心建设内容。我国以北京、上海等为代表的特大城市，已经逐步推广应用了基于可变情报板(Variable Message Sign，VMS)的道路群体交通诱导系统，并取得了一定的预期效果。然而，随着交通需求的不断增长，拥挤的道路网交通流呈现出更为复杂的动态性、随机性和不稳定性，迫切需要通过路网上VMS提供更为有效可靠的预测信息和时空协同的诱导策略来均衡路网负荷、提高出行可靠性和路网整体效率。
在拥挤的道路交通网络中，群体交通诱导系统的功效，取决于对网络交通状态的预测、对驾驶员群体实际动态响应行为的精确建模和有效可靠的群体交通诱导策略。这三者是相互依赖的，对网络交通状态演化和驾驶员群体实际动态响应行为的精确刻画，决定着群体交通诱导策略的应用效果。然而，现有的群体交通诱导方法主要基于传统的动态交通分配模型(Dynamic Traffic Assignment，DTA)，主要集中在描述交通流演化的动态性和稳定性，对驾驶员群体动态响应行为考虑不足。对驾驶员群体动态响应行为考虑不足将产生驾驶员群体响应行为建模的偏差，造成网络交通状态预测结果的偏差，进而影响群体交通诱导策略的效果，并有可能对出行可靠性和系统性能产生负面影响。另外，出行行为研究表明出行者对诱导信息的接受程度取决于诱导信息的可靠性，出行者一般通过经历的行程时间或交通状态来评价信息的可靠性。因此，“考虑驾驶员群体动态响应行为的有效、可靠的预测信息”比现状“基于实时检测的瞬时信息和短时预测信息”更受出行者关注，特别是在拥挤的道路交通网络中。对于出行者，有效可靠的诱导信息能够帮助其避免实际或者可能的瓶颈引起的不稳定交通流；对于交通管理者，通过诱导出行者到系统期望的路径，可以实现更为稳定的交通流水平，避免或者推迟发生交通流breakdown。
因此，对于交通拥挤日益严重的道路交通网络，有没有一个可操作的、提供有效可靠的群体诱导信息的方法，以提高出行可靠性和系统性能，是摆在交通管理决策者和研究者面前的难题。
近年来，随着交通检测技术的不断发展，检测精度不断提高，覆盖范围不断扩大，为考虑驾驶员动态响应行为的区域群体交通诱导系统的建立奠定了必要的应用基础条件，具有重要的理论意义和实用价值。其技术研发和应用推广，可以实现考虑驾驶员动态响应行为的区域群体交通协同诱导，为拥挤交通条件下区域群体交通诱导提供新方法。为交通管理者制定主动式交通管理策略提供依据，对于提高交通运行效率和出行可靠度，提升我国智慧化交通管理水平有重要现实意义，将会产生巨大的经济和社会效益。
发明内容
本发明针对现有技术的不足，提供了一种考虑驾驶员动态响应行为的区域群体交通诱导系统及方法。
一种考虑驾驶员动态响应行为的区域群体交通诱导系统，由实时交通数据检测与监视子系统、第一通信子系统、群体交通诱导控制平台、第二通信子系统、交通诱导信息发布与监视子系统、群体交通诱导应用子系统、第三通信子系统、天气信息采集子系统构成，所述的实时交通数据检测与监视子系统通过第一通信子系统与群体交通诱导控制平台连接，所述的交通诱导信息发布与监视子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的群体交通诱导应用子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的天气信息采集子系统通过第三通信子系统与群体交通诱导控制平台连接。
所述的实时交通数据检测与监视子系统包括多种交通检测器、视频监视摄像机、视频通信控制和监视器，通过外场多种交通检测器和视频监视摄像机采集道路网络上的交通数据，由视频通信控制和监视器记录并传递给所述的群体交通诱导控制平台。
所述的交通诱导信息发布与监视子系统包括可变情报板、交通信息发布控制和监视器，由可变情报板来发布所述的群体交通诱导控制平台生成的群体交通诱导信息，同时由交通信息发布控制和监视器记录群体交通诱导信息内容和时间，并传递给所述的群体交通诱导控制平台。
所述的群体交通诱导应用子系统包括群体交通诱导信息查询分析系统，由面向管理者和出行者的系统分析查询终端输入分析查询指令，传递给群体交通诱导控制平台，并由群体交通诱导控制平台生成分析查询报告，输出显示在分析查询终端上。面向管理者的系统有分析和查询功能，面向出行者的系统有查询功能。
所述的天气信息采集子系统包括天气信息发布系统和天气信息采集控制和监视器，由天气信息采集控制和监视器按照道路网络所在区域记录天气信息发布系统信息内容和时间，并传递给群体交通诱导控制平台。
所述的群体交通诱导控制平台，一方面实时汇集由所述的实时交通数据检测与监视子系统中的交通数据采集控制和监视器记录的交通检测数据，并接收由交通信息发布与监视子系统中的交通信息发布控制和监视器记录的交通诱导信息内容和时间，以及天气信息采集子系统中的天气信息采集控制和监视器记录的天气信息内容和时间，实现对考虑驾驶员动态响应行为的道路群体交通诱导所需原始数据的采集和汇集，并基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用交通检测数据质量控制模块、交通需求估计与预测模块、交通事故自动检测模块，实现群体交通诱导控制器输入数据的准备；另一方面，基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现群体交通诱导策略优化和信息内容制定。
所述的群体交通诱导控制平台由应用服务器Ⅰ、数据库服务器和应用服务器Ⅱ构成，应用服务器Ⅰ中设置有群体交通诱导控制输入准备器；应用服务器Ⅱ中设置有群体交通诱导控制器；数据库服务器设置有道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库和交通信息发布数据库。
所述的群体交通诱导控制输入准备器由交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块构成；所述的群体交通诱导控制输入准备器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的交通检测数据质量控制模块对交通检测数据进行预处理、修补和质量控制，并由所述的交通需求估计与预测模块、交通事故自动检测模块对基础交通数据进行分析计算，得到交通需求数据和交通事故数据。
所述的群体交通诱导控制器由群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块构成；所述的群体交通诱导控制器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的群体交通诱导控制逻辑模块实现群体诱导信息下考虑驾驶员群体动态响应行为的网络交通状态时空动力学演化分析；由所述的驾驶员响应行为估计模块预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据诱导信息分级模型、模糊控制算法和多诱导设施的时空协同诱导策略，得到群体交通时空协同诱导策略；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致。
一种考虑驾驶员动态响应行为的区域群体交通诱导方法，该方法具体包括以下步骤：
步骤一：实时交通数据采集和汇集；
实时汇集实时交通数据检测与监视子系统传递过来的原始数据，以及交通诱导信息发布与监视子系统和天气信息采集子系统传递过来的交通诱导信息发布数据和天气数据，并实现交通检测数据的质量控制，提高交通检测设备的利用效率和数据质量；交通检测数据由固定交通检测器、基于车和固定交通检测器相结合检测方式、移动交通检测器检测方式获得，这些数据经过数据校验与预处理、修补、质量控制汇集存储到数据库服务器；所述的数据库服务器包括道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库和交通信息发布数据库。
步骤二：群体交通诱导控制器输入数据准备
调用数据库服务器中的道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用交通需求估计与预测模块，建立交通需求估计与预测模型，得到控制期和预测期的交通需求，存储在数据库服务器交通需求数据库；利用交通事故自动检测模块，建立交通事故自动检测模型，辅以视频监视摄像机确认，得到交通事故信息，存储在数据库服务器交通事故数据库；交通需求估计与预测模型包括基于固定交通检测器、基于车和固定交通检测器相结合检测方式和基于移动交通检测器的三类组合模型；交通需求估计与预测和交通事故自动检测的数据处理过程集中在数据库服务器、应用服务器Ⅰ中进行；应用服务器Ⅰ包括交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块。
步骤三：群体交通诱导控制模型建立
把群体交通诱导控制任务描述为一个动态的、离散时间、空间的、带有约束控制变量的最优控制问题，将离散时间、空间以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型和驾驶员群体响应行为预估模型进行整合，作为网络交通演化过程模型，通过在未来一个时段内求解每一个控制周期的最优问题来实现反馈控制，群体交通诱导控制模型具体如下。
群体交通诱导控制目标函数由权重总时间消耗和一个预测误差项构成，具体如下：
约束条件具体如下:
以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型：
驾驶员群体响应行为预估模型：
群体交通诱导策略模型：
定义性约束:
非负约束:
所有变量≥0
群体交通诱导控制模型中，T是时间步长；M是控制期时长；P是预测期时长；kc是控制器的离散时间间隔，kc＝Mk；kp是预测的离散时间间隔,kp＝Pk；l是VMS的位置；m是VMS的信息内容；x(k)是k时段交通流演化过程状态向量；是基于k时段的信息预测得到时段{k,...,k+kp-1}的状态向量；d(k)是k时段交通扰动向量；是时段{k,...,k+kp-1}的扰动向量；v(l，m，kc)是控制周期σ(kc)时群体交通诱导方案向量；β(l，m，kc)是控制周期σ(kc)时驾驶员群体响应行为向量；u(k)是k时段群体交通诱导控制变量；u(kc)是基于控制周期σ(kc)的信息最小化目标函数的群体交通诱导方案向量；λi是路段i处的车道数；Li是路段i处的长度；qij(kc)是分流点i处上游主线j在k时段的交通量；ρn,i(k)是k时段道路n路段i处的交通密度；mveh,s,m(k)是k时段道路或路段上的车辆数；Xijk是分流点i处k时刻影响驾驶员响应行为的第j因素，包括交通信息有无，行程时间、交通状态、交通事故，交通信息覆盖空间范围，协调分流影响，联系主路径和替换路径匝道交通状况，分流点下游交通拥挤的可视性，工作日、非工作日、早高峰和非早高峰，天气情况；αijk是分流点i处k时刻的模型系数；εik是随机误差项，εik～N(qik，Qik)；F[x(k)，u(kc)，d(k)]是控制周期σ(kc)的状态更新函数；是控制周期σ(kc)的驾驶员群体响应行为预估模型；H[qij(kc),u(kc),β(l,m,kc)]是控制周期σ(kc)的群体交通诱导策略模型；是控制周期σ(kc)的目标函数。
步骤四：群体交通诱导控制策略制定与优化
由群体交通诱导控制逻辑模块调用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用出行场景时空表达模型，并借鉴系统动力学方法和传统宏观动态交通流模型结构，建立以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型，实现网络交通状态时空演化分析；由驾驶员响应行为估计模块定量分析在现实复杂交通环境下对驾驶员群体响应行为产生重要影响的内外在关键因素，结合离散选择理论和前景理论，建立现实复杂交通环境下驾驶员群体响应行为稳态预估模型，借鉴贝叶斯理论和卡尔曼滤波理论，实现驾驶员群体响应行为模型参数的动态更新，从而预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据不同类型、级别诱导信息和多诱导设施的时空协同诱导策略，利用模糊控制理论和基于迭代搜索的优化程序，建立群体交通诱导策略模型，实现群体交通诱导策略时空协同优化；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致；群体交通诱导控制策略制定与优化的数据处理过程集中在数据库服务器、应用服务器Ⅱ中进行；应用服务器Ⅱ包括群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块。
有益效果：本发明充分利用固定交通检测器(如感应线圈、微波检测器等)、基于车和固定交通检测器相结合检测方式(如基于蓝牙的系统、车牌识别系统等)、移动交通检测器(如基于浮动车系统、智能手机系统等)多源交通检测数据，以及交通诱导信息发布数据和天气数据，基于出行场景重构方法，实现实时、准确地掌握驾驶员群体的动态响应行为，建立以驾驶员群体动态响应行为为输入变量的网络交通状态演化模型，群体交通诱导策略时空协同优化模型，形成与驾驶员动态响应行为一致的群体交通诱导机制，从而实现主动式群体交通诱导，达到通过提供有效可靠的诱导信息来提升区域道路出行可靠性和系统性能的目的，为管理者制定主动式交通管理策略提供支持，为道路出行可靠性和系统性能提供坚实的基础，具有重要的理论意义和实用价值。其技术研发和应用推广，可以实现考虑驾驶员动态响应行为的区域群体交通时空协同诱导，为拥挤交通条件下区域群体交通诱导提供支持，为管理者制定主动式交通管理策略提供依据，对于提高交通运行效率和出行可靠度，提升智慧化交通管理水平有重要现实意义，将会产生巨大的经济和社会效益。
附图说明
图1是本发明一种考虑驾驶员动态响应行为的区域群体交通诱导系统的一个优选实施例的系统体系架构示意图；
图2是本发明一种考虑驾驶员动态响应行为的区域群体交通诱导系统的一个优选实施例的系统软件结构示意图；
图3是本发明一种考虑驾驶员动态响应行为的区域群体交通诱导系统的数据流程图。
具体实施方式
如图1所示，本发明由实时交通数据检测与监视子系统、第一通信子系统、群体交通诱导控制平台、第二通信子系统、交通信息发布与监视子系统、群体交通诱导应用子系统、第三通信子系统、天气信息采集子系统构成，所述的实时交通数据检测与监视子系统通过第一通信子系统与群体交通诱导控制平台连接，所述的交通信息发布与监视子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的群体交通诱导应用子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的天气信息采集子系统通过第三通信子系统与群体交通诱导控制平台连接。
实时交通数据检测与监视子系统通过外场多种交通检测器和视频监视摄像机采集道路网络上的交通数据并传递给所述的群体交通诱导控制平台。该实时交通数据检测与监视子系统包括固定交通检测器(如感应线圈、微波检测器等)、基于车和固定交通检测器相结合检测方式(如基于蓝牙的系统、车牌识别系统等)、移动交通检测器(如基于浮动车系统、智能手机系统等)、交通数据采集控制和监视器、第一通信子系统、视频通信控制和监视器。
固定交通检测器(如感应线圈、微波检测器等)采集并传递断面交通量、车速和占有率数据，视频监视摄像机实现道路交通状况、交通事故的人工巡视和确认；基于车和固定交通检测器相结合检测方式(如基于蓝牙的系统、车牌识别系统等)可以采集并传递区间车速、断面交通量和OD数据；移动交通检测器(如基于浮动车系统、智能手机系统等)采集并传递车辆位置、车速和轨迹数据。这些交通数据通过交通数据采集控制和监视器接口软件经过第一通信子系统传递给群体交通诱导控制平台，作为该平台的基础交通数据。
交通信息发布与监视子系统由可变情报板来发布所述的群体交通诱导控制平台生成的群体交通诱导信息，同时由交通信息发布控制和监视器记录群体交通诱导信息内容和时间，并传递给所述的群体交通诱导控制平台。
天气信息采集子系统包括天气信息发布系统和天气信息采集控制和监视器，由天气信息采集控制和监视器按照道路网络所在区域记录天气信息发布系统信息内容和时间，并传递给群体交通诱导控制平台。
群体交通诱导控制平台，一方面实时汇集由所述的实时交通数据检测与监视子系统采集的交通检测数据，并接收由交通信息发布与监视子系统传递过来的交通诱导信息发布数据，以及天气信息采集子系统传递过来的天气数据，实现对考虑驾驶员动态响应行为的道路群体交通诱导所需原始数据的采集和汇集，并基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用交通检测数据质量控制模块、交通需求估计与预测模块、交通事故自动检测模块，实现群体交通诱导控制器输入数据的准备；另一方面，基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现群体交通诱导策略优化和信息内容制定。
群体交通诱导应用子系统包括群体交通诱导信息查询分析系统，由面向管理者和出行者的系统分析查询终端输入分析查询指令，传递给群体交通诱导控制平台，并由群体交通诱导控制平台生成分析查询报告，输出显示在分析查询终端上。面向管理者有分析和查询功能，面向出行者有查询功能。
通信子系统可以采用有线和无线通信相结合的方式。
本发明体系架构的实时交通数据检测与监视子系统中采用交通数据采集控制和监视器记录交通检测数据，交通信息发布与监视子系统中采用交通信息发布控制和监视器记录交通诱导信息内容和时间，天气信息采集子系统中采用天气信息采集控制和监视器记录天气信息内容和时间，传递给群体交通诱导控制平台；交通数据采集控制和监视子系统、交通信息发布与监视子系统、天气信息采集子系统和群体交通诱导控制平台同步运行相同时间周期的指令，保证实时交通数据检测与监视子系统中实时交通检测数据采集汇集，交通信息发布与监视子系统中交通诱导信息发布数据汇集，天气信息采集子系统中天气数据汇集，交通信息发布与监视子系统中群体交通诱导信息发布，以及群体交通诱导控制平台中各模块协同运行生成群体交通诱导方案，这一过程的同步性。
群体交通诱导控制平台由应用服务器Ⅰ、数据库服务器和应用服务器Ⅱ构成，应用服务器Ⅰ中设置有群体交通诱导控制输入准备器；应用服务器Ⅱ中设置有群体交通诱导控制器；数据库服务器设置有道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库和交通信息发布数据库。群体交通诱导控制输入准备器由道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库、交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块构成；所述的群体交通诱导控制输入准备器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的交通检测数据质量控制模块对交通检测数据进行预处理、修补和质量控制，并由所述的交通需求估计与预测模块、交通事故自动检测模块对基础交通数据进行分析计算，得到交通需求数据和交通事故数据。群体交通诱导控制器由道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库、群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块构成；所述的群体交通诱导控制器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块制定与驾驶员动态响应行为一致、多诱导设施时空协同的群体交通诱导策略，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致。
本发明的主要特色之一是全面、同步、分类、实时汇集考虑驾驶员动态响应行为的区域道路群体交通诱导系统所需各类相关数据，通过预处理、修补和质量控制以保证数据质量，根据路网所能获得的不同数据源，有针对性的建立相应的交通模型，并进一步建立考虑驾驶员动态响应行为的群体交通诱导模型，充分利用各类交通数据，保证了数据的完整性和模型的可靠度。
如图2所示，所述的群体交通诱导控制平台中设置有群体交通诱导控制输入准备器和群体交通诱导控制器，这是本发明的核心部分所在。群体交通诱导控制输入准备器由道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库、交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块构成；所述的群体交通诱导控制输入准备器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的交通检测数据质量控制模块对交通检测数据进行预处理、修补和质量控制，并由所述的交通需求估计与预测模块、交通事故自动检测模块对基础交通数据进行分析计算，得到交通需求数据和交通事故数据。
所述的群体交通诱导控制器由道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库、群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块构成；所述的群体交通诱导控制器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的群体交通诱导控制逻辑模块实现群体诱导信息下考虑驾驶员群体动态响应行为的网络交通状态时空动力学演化分析；由所述的驾驶员响应行为估计模块预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据诱导信息分级模型、模糊控制算法和多诱导设施的时空协同诱导策略，得到群体交通时空协同诱导策略；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致。
如图3所示，所述的考虑驾驶员动态响应行为的区域群体交通诱导系统总体数据处理过程包括数据采集和汇集层，控制器输入数据准备层，群体交通诱导控制层和群体交通诱导应用层。
(1)数据采集和汇集层
该层的主要作用是实时汇集实时交通数据检测与监视子系统传递过来的原始数据，以及交通信息发布与监视子系统和天气信息采集子系统传递过来的交通诱导信息发布数据和天气数据，并实现交通检测数据的质量控制，提高交通检测设备的利用效率和数据质量。交通检测数据主要由固定交通检测器(如感应线圈、微波检测器等)、基于车和固定交通检测器相结合检测方式(如基于蓝牙的系统、车牌识别系统等)、移动交通检测器(如基于浮动车系统、智能手机系统等)检测方式获得，这些数据汇集存储到数据库服务器，并由控制器输入数据准备层的交通检测数据质量控制模块进行数据校验与预处理、修补、质量控制。数据采集和汇集层数据处理过程主要集中在数据库服务器、应用服务器Ⅰ中进行。
(2)控制器输入数据准备层
该层的主要作用是调用数据库服务器中的道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用交通需求估计与预测模块，建立交通需求估计与预测模型，得到控制期和预测期的交通需求，存储在数据库服务器交通需求数据库；利用交通事故自动检测模块，建立交通事故自动检测模型，辅以必要的视频监视摄像机确认，得到交通事故信息，存储在数据库服务器交通事故数据库。交通需求估计与预测模型主要包括基于固定交通检测器(如感应线圈、微波检测器等)、基于车和固定交通检测器相结合检测方式(如基于蓝牙的系统、车牌识别系统等)和基于移动交通检测器(如基于浮动车系统、智能手机系统等)的三类组合模型。交通需求估计与预测和交通事故自动检测的数据处理过程主要集中在数据库服务器、应用服务器Ⅰ中进行。
(3)群体交通诱导控制层
该层的主要作用是调用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用出行场景时空表达模型，并借鉴系统动力学方法和传统宏观动态交通流模型结构，建立以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型，实现网络交通状态时空演化分析；由驾驶员响应行为估计模块定量分析在现实复杂交通环境下对驾驶员群体响应行为产生重要影响的内外在关键因素，结合离散选择理论和前景理论，建立现实复杂交通环境下驾驶员群体响应行为稳态预估模型，借鉴贝叶斯理论和卡尔曼滤波理论，实现驾驶员群体响应行为模型参数的动态更新，从而预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据不同类型、级别诱导信息和多诱导设施的时空协同诱导策略，利用模糊控制理论和基于迭代搜索的优化程序，建立群体交通诱导策略模型，实现群体交通诱导策略时空协同优化；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体交通诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致。群体交通诱导控制策略制定与优化的数据处理过程主要集中在数据库服务器、应用服务器Ⅱ中进行。
(4)群体交通诱导应用层
由面向出行者的群体交通诱导信息显示终端可变情报板，实时发布考虑驾驶员动态响应行为、时空协同的群体交通诱导信息。由面向管理者和出行者的群体交通诱导信息查询分析终端，输入分析查询指令，传递给群体交通诱导系统，并由群体交通诱导系统生成查询分析报告，输出显示在查询分析终端上。
Claims (2)
1.考虑驾驶员动态响应行为的区域群体交通诱导系统，其特征在于：由实时交通数据检测与监视子系统、第一通信子系统、群体交通诱导控制平台、第二通信子系统、交通诱导信息发布与监视子系统、群体交通诱导应用子系统、第三通信子系统、天气信息采集子系统构成，所述的实时交通数据检测与监视子系统通过第一通信子系统与群体交通诱导控制平台连接，所述的交通诱导信息发布与监视子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的群体交通诱导应用子系统通过第二通信子系统与群体交通诱导控制平台连接；所述的天气信息采集子系统通过第三通信子系统与群体交通诱导控制平台连接；
所述的实时交通数据检测与监视子系统包括多种交通检测器、视频监视摄像机、视频通信控制和监视器，通过外场多种交通检测器和视频监视摄像机采集道路网络上的交通数据，由视频通信控制和监视器记录并传递给所述的群体交通诱导控制平台；
所述的交通诱导信息发布与监视子系统包括可变情报板、交通信息发布控制和监视器，由可变情报板来发布所述的群体交通诱导控制平台生成的群体交通诱导信息，同时由交通信息发布控制和监视器记录群体交通诱导信息内容和时间，并传递给所述的群体交通诱导控制平台；
所述的群体交通诱导应用子系统包括群体交通诱导信息查询分析系统，由面向管理者和出行者的系统分析查询终端输入分析查询指令，传递给群体交通诱导控制平台，并由群体交通诱导控制平台生成分析查询报告，输出显示在分析查询终端上；面向管理者的系统有分析和查询功能，面向出行者的系统有查询功能；
所述的天气信息采集子系统包括天气信息发布系统和天气信息采集控制和监视器，由天气信息采集控制和监视器按照道路网络所在区域记录天气信息发布系统信息内容和时间，并传递给群体交通诱导控制平台；
所述的群体交通诱导控制平台，一方面实时汇集由所述的实时交通数据检测与监视子系统中的交通数据采集控制和监视器记录的交通检测数据，并接收由交通信息发布与监视子系统中的交通信息发布控制和监视器记录的交通诱导信息内容和时间，以及天气信息采集子系统中的天气信息采集控制和监视器记录的天气信息内容和时间，实现对考虑驾驶员动态响应行为的区域群体交通诱导所需原始数据的采集和汇集，并基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用交通检测数据质量控制模块、交通需求估计与预测模块、交通事故自动检测模块，实现群体交通诱导控制器输入数据的准备；另一方面，基于道路交通属性数据、交通需求数据、交通检测数据、交通行为数据、交通信息发布数据和天气数据，利用群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现群体交通诱导策略优化和信息内容制定；
所述的群体交通诱导控制平台由应用服务器Ⅰ、数据库服务器和应用服务器Ⅱ构成，应用服务器Ⅰ中设置有群体交通诱导控制输入准备器；应用服务器Ⅱ中设置有群体交通诱导控制器；数据库服务器设置有道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库和交通信息发布数据库；
所述的群体交通诱导控制输入准备器由交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块构成；所述的群体交通诱导控制输入准备器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的交通检测数据质量控制模块对交通检测数据进行预处理、修补和质量控制，并由所述的交通需求估计与预测模块、交通事故自动检测模块对基础交通数据进行分析计算，得到交通需求数据和交通事故数据；
所述的群体交通诱导控制器由群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块构成；所述的群体交通诱导控制器利用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库提供的基础交通数据，由所述的群体交通诱导控制逻辑模块实现群体诱导信息下考虑驾驶员群体动态响应行为的网络交通状态时空动力学演化分析；由所述的驾驶员响应行为估计模块预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据诱导信息分级模型、模糊控制算法和多诱导设施的时空协同诱导策略，得到群体交通时空协同诱导策略；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致。
2.考虑驾驶员动态响应行为的区域群体交通诱导系统，其特征在于，该方法具体包括以下步骤：
步骤一：实时交通数据采集和汇集；
实时汇集实时交通数据检测与监视子系统传递过来的原始数据，以及交通诱导信息发布与监视子系统和天气信息采集子系统传递过来的交通诱导信息发布数据和天气数据；交通检测数据由固定交通检测器、基于车和固定交通检测器相结合检测方式、移动交通检测器检测方式获得，这些数据经过数据校验与预处理、修补、质量控制汇集存储到数据库服务器；所述的数据库服务器包括道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库和交通信息发布数据库；
步骤二：群体交通诱导控制器输入数据准备
调用数据库服务器中的道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用交通需求估计与预测模块，建立交通需求估计与预测模型，得到控制期和预测期的交通需求，存储在数据库服务器交通需求数据库；利用交通事故自动检测模块，建立交通事故自动检测模型，辅以视频监视摄像机确认，得到交通事故信息，存储在数据库服务器交通事故数据库；交通需求估计与预测模型包括基于固定交通检测器、基于车和固定交通检测器相结合检测方式和基于移动交通检测器的三类组合模型；交通需求估计与预测和交通事故自动检测的数据处理过程集中在数据库服务器、应用服务器Ⅰ中进行；应用服务器Ⅰ包括交通检测数据质量控制模块、交通需求估计与预测模块和交通事故自动检测模块；
步骤三：群体交通诱导控制模型建立
把群体交通诱导控制任务描述为一个动态的、离散时间、空间的、带有约束控制变量的最优控制问题，将离散时间、空间以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型和驾驶员群体响应行为预估模型进行整合，作为网络交通演化过程模型，通过在未来一个时段内求解每一个控制周期的最优问题来实现反馈控制，群体交通诱导控制模型具体如下；
群体交通诱导控制目标函数由权重总时间消耗和一个预测误差项构成，具体如下：
约束条件具体如下:
以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型：
驾驶员群体响应行为预估模型：
群体交通诱导策略模型：
定义性约束:
非负约束:
所有变量≥0
群体交通诱导控制模型中，T是时间步长；M是控制期时长；P是预测期时长；kc是控制器的离散时间间隔，kc＝Mk；kp是预测的离散时间间隔,kp＝Pk；l是VMS的位置；m是VMS的信息内容；x(k)是k时段交通流演化过程状态向量； 是基于k时段的信息预测得到时段{k,...,k+kp-1}的状态向量；d(k)是k时段交通扰动向量；是时段{k,...,k+kp-1}的扰动向量；v(l,m,kc)是控制周期σ(kc)时群体交通诱导方案向量；β(l,m,kc)是控制周期σ(kc)时驾驶员群体响应行为向量；u(k)是k时段群体交通诱导控制变量；u(kc)是基于控制周期σ(kc)的信息最小化目标函数的群体交通诱导方案向量；λi是路段i处的车道数；Li是路段i处的长度；qij(kc)是分流点i处上游主线j在k时段的交通量；ρn,i(k)是k时段道路n路段i处的交通密度；mveh,s,m(k)是k时段道路或路段上的车辆数；Xijk是分流点i处k时刻影响驾驶员响应行为的第j因素，包括交通信息有无，行程时间、交通状态、交通事故，交通信息覆盖空间范围，协调分流影响，联系主路径和替换路径匝道交通状况，分流点下游交通拥挤的可视性，工作日、非工作日、早高峰和非早高峰，天气情况；αijk是分流点i处k时刻的模型系数；εik是随机误差项，εik～N(qik,Qik)；F[x(k),u(kc),d(k)]是控制周期σ(kc)的状态更新函数；是控制周期σ(kc)的驾驶员群体响应行为预估模型；H[qij(kc),u(kc),β(l,m,kc)]是控制周期σ(kc)的群体交通诱导策略模型；是控制周期σ(kc)的目标函数；
步骤四：群体交通诱导控制策略制定与优化
由群体交通诱导控制逻辑模块调用道路交通属性数据库、交通需求数据库、交通检测数据库、交通行为数据库、交通信息发布数据库，利用出行场景时空表达模型，并借鉴系统动力学方法和传统宏观动态交通流模型结构，建立以驾驶员群体动态响应行为为输入变量的网络交通状态时空动力学演化模型，实现网络交通状态时空演化分析；由驾驶员响应行为估计模块定量分析在现实复杂交通环境下对驾驶员群体响应行为产生重要影响的内外在关键因素，结合离散选择理论和前景理论，建立现实复杂交通环境下驾驶员群体响应行为稳态预估模型，借鉴贝叶斯理论和卡尔曼滤波理论，实现驾驶员群体响应行为模型参数的动态更新，从而预估现实复杂交通环境下驾驶员群体响应行为；由所述的群体交通诱导策略模块根据不同类型、级别诱导信息和多诱导设施的时空协同诱导策略，利用模糊控制理论和基于迭代搜索的优化程序，建立群体交通诱导策略模型，实现群体交通诱导策略时空协同优化；由所述的群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块实现与驾驶员动态响应行为一致的群体交通诱导机制，确保提供的群体诱导策略与管理者的系统目标和驾驶员的动态响应行为相一致；群体交通诱导控制策略制定与优化的数据处理过程集中在数据库服务器、应用服务器Ⅱ中进行；应用服务器Ⅱ包括群体交通诱导控制逻辑模块、驾驶员响应行为估计模块和群体交通诱导策略模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910080370.3A CN109816978B (zh) | 2019-01-28 | 2019-01-28 | 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910080370.3A CN109816978B (zh) | 2019-01-28 | 2019-01-28 | 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109816978A true CN109816978A (zh) | 2019-05-28 |
| CN109816978B CN109816978B (zh) | 2023-11-14 |
Family
ID=66605439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910080370.3A Active CN109816978B (zh) | 2019-01-28 | 2019-01-28 | 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109816978B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112233418A (zh) * | 2020-09-27 | 2021-01-15 | 东南大学 | 一种智能网联混合交通流环境下二次交通事故预防控制方法 |
| CN112233458A (zh) * | 2020-09-27 | 2021-01-15 | 东南大学 | 一种面向二次事故预防动态车道与可变限速协同控制方法 |
| CN113537555A (zh) * | 2021-06-03 | 2021-10-22 | 太原理工大学 | 一种考虑扰动的交通子区模型预测滑模边界控制方法 |
| CN117804490A (zh) * | 2024-02-28 | 2024-04-02 | 四川交通职业技术学院 | 一种车辆运行路线的综合规划方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010029425A1 (en) * | 2000-03-17 | 2001-10-11 | David Myr | Real time vehicle guidance and traffic forecasting system |
| US20040249559A1 (en) * | 2001-02-09 | 2004-12-09 | Josef Mintz | Method and system for mapping traffic predictions with respect to telematics and route guidance applications |
| US20090024322A1 (en) * | 2005-03-30 | 2009-01-22 | Aisin Aw Co., Ltd. | Navigation System for a Vehicle |
| CN101556625A (zh) * | 2009-05-19 | 2009-10-14 | 上海理工大学 | 驾驶员对路径信息板动态响应行为的动态模拟方法 |
| CN101639871A (zh) * | 2009-07-23 | 2010-02-03 | 上海理工大学 | 面向行为研究的车载动态交通信息诱导系统模拟设计方法 |
| CN102750827A (zh) * | 2012-06-26 | 2012-10-24 | 浙江大学 | 群体诱导信息下驾驶员响应行为的数据采样和辨识系统 |
| CN102750826A (zh) * | 2012-06-26 | 2012-10-24 | 浙江大学 | 一种用于群体诱导信息下驾驶员响应行为的辨识方法 |
| CN103208194A (zh) * | 2013-04-03 | 2013-07-17 | 昆明联诚科技有限公司 | 一种城市交通信号协同控制系统 |
| CN105489010A (zh) * | 2015-12-29 | 2016-04-13 | 中国城市规划设计研究院 | 一种快速道路行程时间可靠度监测分析系统及方法 |
-
2019
- 2019-01-28 CN CN201910080370.3A patent/CN109816978B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010029425A1 (en) * | 2000-03-17 | 2001-10-11 | David Myr | Real time vehicle guidance and traffic forecasting system |
| US20040249559A1 (en) * | 2001-02-09 | 2004-12-09 | Josef Mintz | Method and system for mapping traffic predictions with respect to telematics and route guidance applications |
| US20090024322A1 (en) * | 2005-03-30 | 2009-01-22 | Aisin Aw Co., Ltd. | Navigation System for a Vehicle |
| CN101556625A (zh) * | 2009-05-19 | 2009-10-14 | 上海理工大学 | 驾驶员对路径信息板动态响应行为的动态模拟方法 |
| CN101639871A (zh) * | 2009-07-23 | 2010-02-03 | 上海理工大学 | 面向行为研究的车载动态交通信息诱导系统模拟设计方法 |
| CN102750827A (zh) * | 2012-06-26 | 2012-10-24 | 浙江大学 | 群体诱导信息下驾驶员响应行为的数据采样和辨识系统 |
| CN102750826A (zh) * | 2012-06-26 | 2012-10-24 | 浙江大学 | 一种用于群体诱导信息下驾驶员响应行为的辨识方法 |
| CN103208194A (zh) * | 2013-04-03 | 2013-07-17 | 昆明联诚科技有限公司 | 一种城市交通信号协同控制系统 |
| CN105489010A (zh) * | 2015-12-29 | 2016-04-13 | 中国城市规划设计研究院 | 一种快速道路行程时间可靠度监测分析系统及方法 |
Non-Patent Citations (12)
| Title |
|---|
| 卢守峰;刘喜敏;杨兆升;: "考虑诱导一致性的交通流协同管理模型研究", 武汉理工大学学报(交通科学与工程版), no. 02, pages 65 - 68 * |
| 周元峰: "基于信息的驾驶员路径选择行为及动态诱导模型研究", 中国博士学位论文全文数据库 (工程科技Ⅱ辑), pages 034 - 18 * |
| 周彤梅, 赵亮: "论道路交通的宏观控制", 中国人民公安大学学报(自然科学版), no. 01, pages 87 - 90 * |
| 徐天东;孙立军;郝媛;: "基于模型预测的快速交通网络路由诱导方法", 同济大学学报(自然科学版), no. 06, pages 827 - 831 * |
| 徐天东;郝媛;孙立军;: "群体诱导信息下驾驶员响应行为的辨识与建模", 同济大学学报(自然科学版), no. 11, pages 1706 - 1711 * |
| 戢晓峰;黄永忠;何增辉;韩春华;: "面向诱导的交通状态信息提取方法", 计算机工程与应用, no. 25, pages 20 - 22 * |
| 李炼恒;曹光斌;: "基于驾驶员意愿的交通诱导路径选择模型", 公路, no. 02, pages 143 - 147 * |
| 罗莉华;张方伟;陈继红;: "兼顾管理者需求和用户可接受性的交通诱导系统MPC设计", 南京理工大学学报, no. 02, pages 245 - 256 * |
| 葛红霞: "基于诱导信息的交通流动力学特性与非线性密度波研究", 万方数据 * |
| 袁凯: "考虑预测信息的交通诱导模型研究", 中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑), pages 034 - 652 * |
| 陈芳;张卫华;丁恒;颜鹏;: "基于出行者路径选择行为的VMS诱导策略研究", 系统工程理论与实践, no. 05, pages 177 - 190 * |
| 韦伟;周洋帆;: "城市VMS智能交通诱导系统设计策略", 城市住宅, no. 03, pages 30 - 33 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112233418A (zh) * | 2020-09-27 | 2021-01-15 | 东南大学 | 一种智能网联混合交通流环境下二次交通事故预防控制方法 |
| CN112233458A (zh) * | 2020-09-27 | 2021-01-15 | 东南大学 | 一种面向二次事故预防动态车道与可变限速协同控制方法 |
| CN113537555A (zh) * | 2021-06-03 | 2021-10-22 | 太原理工大学 | 一种考虑扰动的交通子区模型预测滑模边界控制方法 |
| CN117804490A (zh) * | 2024-02-28 | 2024-04-02 | 四川交通职业技术学院 | 一种车辆运行路线的综合规划方法及装置 |
| CN117804490B (zh) * | 2024-02-28 | 2024-05-17 | 四川交通职业技术学院 | 一种车辆运行路线的综合规划方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109816978B (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109816978A (zh) | 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 | |
| Yuan et al. | Passenger flow control strategies for urban rail transit networks | |
| CN111371904B (zh) | 云边端协同的高速公路云控系统及控制方法 | |
| CN106503843A (zh) | 一种基于手机信令数据的常规公交线网优化与调整方法 | |
| CN103632212B (zh) | 一种时变用户均衡动态网络演化客流预测系统和方法 | |
| CN101572011B (zh) | 城市公交智能化调度管理系统及方法 | |
| CN110493816A (zh) | 一种用于轨交地铁车站客流量的实时预测方法 | |
| CN105574154B (zh) | 一种基于大数据平台的城市宏观区域信息分析系统 | |
| CN103018418A (zh) | 景观水体水质在线预警系统 | |
| CN109272175A (zh) | 一种基于城市流动网络的数据采集系统及方法 | |
| CN113592128A (zh) | 一种大数据电网运行监测系统 | |
| CN109741626A (zh) | 停车场停车情况预测方法、调度方法和系统 | |
| CN106408984A (zh) | 基于物联网的城市交通流诱导系统 | |
| Wang et al. | A regret theory-based decision-making method for urban rail transit in emergency response of rainstorm disaster | |
| CN109543895A (zh) | 一种出基于出租客流转化的公交线网优化方法 | |
| CN105489010B (zh) | 一种快速道路行程时间可靠度监测分析系统及方法 | |
| CN113361825A (zh) | 一种踩踏事故早期预警方法及系统 | |
| Li et al. | Trajectory-driven planning of electric taxi charging stations based on cumulative prospect theory | |
| CN114723480B (zh) | 一种针对乡村旅游的客流量预测方法及货物调度系统 | |
| Su et al. | Data-driven method for passenger path choice inference in congested subway network | |
| CN206546634U (zh) | 基于物联网的城市交通流诱导系统 | |
| He et al. | A lyapunov drift-plus-penalty-based multi-objective optimization of energy consumption, construction period and benefit | |
| Deng et al. | Research on bus passenger traffic forecasting model based on gps and ic card data | |
| Huang et al. | Urban rail transit signal and control based on Internet of Things | |
| Runhua et al. | Design scheme of public transport comprehensive dispatching MIS based on MAS |
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 |