CN109887289A - 一种城市交通网络模型的网络车流量最大化方法 - Google Patents
一种城市交通网络模型的网络车流量最大化方法 Download PDFInfo
- Publication number
- CN109887289A CN109887289A CN201910245313.6A CN201910245313A CN109887289A CN 109887289 A CN109887289 A CN 109887289A CN 201910245313 A CN201910245313 A CN 201910245313A CN 109887289 A CN109887289 A CN 109887289A
- Authority
- CN
- China
- Prior art keywords
- road
- network
- traffic
- utilization rate
- vehicle flowrate
- 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
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种城市交通网络模型的网络车流量最大化方法,首先通过道路感知节点获取各路段实时的交通拥堵状况,启用网络车流量最大化交管系统,车载导航系统接收管控指令及路网数据,根据增广路径确定行车路线并记录行车轨迹,根据城市道路网络的结构建立对应的城市交通网络模型,通过Ford‑Fulkerson网络流最大化算法寻找道路的增广路径,求得可增流的路径,进而实行车辆的路线选择。本发明缓解了路段压力,降低了交管控制系统的复杂性;另一方面实现了系统网络内的车流量最大化,使得城市道路网络中的各车道尽可能拥有相同的利用率,以求达到时空资源的均衡配置。
Description
技术领域
本发明涉及一种网络流最大化算法,通过网络流最大化算法实现城市交通网络的智慧化设计,属于智慧交通系统设计技术领域。
背景技术
随着城市私家车数量快速上涨,城市道路的某些特定路段或特定区域交通拥堵久为诟病,发展到现在,甚至每年都会评比“年度拥堵城市排行榜”,北上广、重庆、武汉、南京等几乎年年上榜,缓解城市交通拥堵压力迫在眉睫,打造智慧城市环节中创建智慧交通也是重要一环。
通过调查发现,我国大部分城市交通管理系统对于单路口,采用典型定时式脱机控制系统-TRANSYT(Traffic Network Study Tools)系统:根据交通网络的历史数据应用计算机建模、优化与仿真技术,生成交通网络的固定信号配时方案。对于每个确定的交通网络配时方案,所有交叉口都将执行系统长度的信号周期,每个交叉口的各个信号相位都分配有各自固定的绿灯时间,每对相邻交叉口之间的相对相位差也将保持不变。而对于特定的拥堵路段采用设置绿波带,相邻绿波之间根据路口之间距离、车速设置合适的相位差,实现特定路段的通畅。即使如此,瞬时的巨大车流量还是很容易造成特定路段的拥堵,与此同时城市道路网中的很多次级道路车辆并不多,城市道路网的利用率处于不均衡状态。
究其原因,车辆驾驶员是行车路线决策者,使用的导航路线是基于路径最短原则规划的,在道路繁忙的城市中心很容易使车流集中在主干道上,进而发展成拥堵状况。而通过出行信息诱导到其它通畅路段的效果并不显著,很难从根本上实现城市道路网络利用率的均衡。另一方面,驾驶员往往追求行车路线的最短,这种单方面利益最大化行为,在博弈论中形成一种“囚徒困境”,困境的根本为在有限的道路资源条件下争夺有限的通行权,以此获得自己行车路线最短化收益。对于城市交通管理者来说,这并不是一种好的结果,若想打破“囚徒困境”,除了开拓有限的道路资源外,若使区域路网或整个路网的道路利用率达到均衡,通过合理的分流实现网络车流量最大化是我们研究的关键,对于部分驾驶员来说可能会绕一些路,但是可以换来整个路网的通行效率的提高,打破“囚徒困境”实现系统路网的道路利用率达到均衡,使系统内每个交通参与者都能受惠,对城市交通管理者具有一定的实用价值。
总结来说目前存在着的城市道路网络利用率不均衡问题仍然没有得到有效的解决,需要一个合理的解决方案。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种城市交通网络模型的网络车流量最大化方法,本发明通过寻找增广路径实行车辆路线的选择,一方面车载终端系统通过边缘计算选择的路线替代了驾驶员自己寻找的路线从源头上缓解了路段压力,并且系统采用边缘计算降低了交管控制系统的复杂性;另一方面实现了系统网络内的车流量最大化,使得城市道路网络中的各车道尽可能拥有相同的利用率,以求达到时空资源的均衡配置。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种城市交通网络模型的网络车流量最大化方法,首先向系统输入区域路段的上限通行容量,通过道路感知节点获取各路段实时的交通拥堵状况,选择是否需要道路的区域管控,不实行管控情况下不进行干预,实行管控则启用网络车流量最大化交管系统,交管控制中心向区域内的车辆发出管控指令并传送路网数据,车载导航系统接收管控指令及路网数据,管控区域驾驶员出发前需选择目的地,设定完目的地则车载导航系统根据接收到的路网数据寻找增广路径,车载导航系统根据增广路径确定行车路线并记录行车轨迹,到达目的地导航结束并向交管控制中心上传行车路线及行车轨迹记录,交管中心比对设定的行车路线和实际的行车记录判断是否处罚,若需要处罚生成罚单,不需要处罚则结束过程。根据城市道路网络的结构建立对应的城市交通网络模型,模型中需要收集的参数有:各路段的上限通行容量,各路段的当前实时车流量,基于交通网络模型,车载终端通过Ford-Fulkerson网络流最大化算法寻找道路的增广路径,求得可增流的路径,进而实行车辆的路线选择。具体包括以下步骤:
步骤1,获取城市道路网络结构信息,根据城市道路网络结构信息建立系统网络模型。
步骤2,根据城市道路网络结构信息计算道路的上限通行容量,通过道路感知节点获取当前的实时交通状况,在启用网络车流量最大化交管系统状态下,根据当前的实时交通状况和上限通行容量计算剩余容量。
步骤3,在启用网络车流量最大化交管系统状态下,通过边缘计算寻找道路的增广路径,根据寻找的增广路径,确定行车路线。各条增广路径所能增流的上限为增广路径上的最小剩余容量,最优解为所有增广路径中所能增流的最大值。
步骤4,根据当前流量和道路的上限通行容量求得道路利用率,再求得道路利用率的平均数,根据道路利用率的平均数和道路利用率求得道路利用率的均方差,将此道路利用率的均方差作为道路利用率效益评价,均方差越小,路网利用率在时空上越均衡。
优选的:所述步骤1中建立系统网络模型如下:
G={X,Y,E,C,F,R,L,N} (1)
用有向图G来表示一个城市道路交通网络,源点集合X={x,xi|i=1,2,…,n},x为图G的源端,xi为车辆的出发节点,其中,n为路口标号总个数,宿点集合Y={y,yi'|i'=1,2,…,n},y为图G的宿端,yi'为车辆的目的地,路网中边集:其中表示路网具有方向的直接相连的边,其中,i和j表示为两个直接相连的路口节点,道路的上限通行量集合:C={ci,j|i,j=1,2,…,n},ci,j表示路口节点i到路口节点j方向的上限通行容量,道路的当前实时流量集合:F={fi,j|i,j=1,2,…,n},fi,j表示路口节点i到路口节点j方向的当前流量,各路段的剩余容量:R={ri,j|i,j=1,2,…,n},ri,j表示路口节点i到路口节点j方向的剩余容量,L为系统内有向路段的总个数,路口节点集合:N={1,2,…,n}。
优选的:路口节点i到路口节点j方向的当前流量fi,j满足以下两个限制条件:
1)非负性和有限性:
0≤fi,j≤ci,j (2)
2)连续性:
F为从源端到宿端的总流量。Γ(vi)是vi的出向邻端集。Γ'(vi)为vi的入向邻端集。
优选的:所述步骤2中计算剩余容量方法如下:
Sm为车道组m的饱和流率,S0为进口车道基本饱和流率,M为车道组m所包含车道数,m表示车道组。fm为进口车道各类校正系数。
λm为绿信比。Tg为有效绿灯时长。T为一个周期时长。
信号交叉口一条进口车道的上限通行容量为:
为第m条进口道的上限通行容量。
一个进口方向的通行能力是此进口方向上所有进口道通行能力之和:
式中Ci,j为进口方向的通行能力。
对于次要道路的停车让路控制或减速让路控制交叉口,通行能力为:
式中:Ci',j'为次要道路的最大通行能力。fi,j为主要道路实时交通量。τ为主要道路车流中可供次要道路车辆穿越的临界间隙时距。h为次要道路车辆连续穿越主要道路车流间隙时的饱和时距。
主次道路的剩余容量计算方法分别为:
Ri,j=Ci,j-fi,j,Ri',j'=Ci',j'-fi',j' (9)
式中Ri,j为路段道路剩余容量的集合,Ri',j'为路段剩余容量集合。
优选的:所述步骤3中增广路径的寻找及选择如下:
当有向路段是前向弧,在路径P中满足其中分别表示路口节点i到路口节点j方向的剩余容量、上限通行容量、当前流量,当有向路段是后向弧,时,称P为增广路径,定义作为路径P上的增流。
对于每个源宿节点对(x,y)开始:
1)PA为一组增广路径。
2)对每条弧得到一个称为剩余网络的的新图。
3)Stack=x,将x标记已访问,其他节点标记未访问,Stack为特定路径的记录。
4)对于堆栈中的顶点i,如果有一个相邻顶点j满足:j没有通过i访问。然后转5),否则转6)。
5)按j然后进入7)。
6)用未访问标记通过i访问的顶点,并弹出i,转到7)。
7)如果y在堆栈顶部,用未访问标记y,将Stack中记录的路径P复制到PA中并弹出y。
8)如果堆栈不是空的,转到3),否则转到9)。
9)如果则当前流是最大流并且搜索过程结束,否则对于每个P∈PA,计算增广流用最大r(P)作为输出和搜索过程的结束。
优选的:道路上的车流量根据以下公式增加:
其中,表示增加后的道路上的车流量。
优选的:所述步骤4中道路利用率效益评价计算方法如下:
首先求得道路利用率
式中为路段的利用率,
再求得道路利用率的平均数。
式中为区域内路段总的利用率平均数,L为有向路段的总个数。
最后求得效用函数:道路利用率的均方差σ。
将道路利用率的均方差σ作为道路利用率效益评价。
优选的:进口车道基本饱和流率取值为1900pch/h。
优选的:主要道路车流中可供次要道路车辆穿越的临界间隙时距取值范围4.5~10s。
优选的:次要道路车辆连续穿越主要道路车流间隙时的饱和时距取值范围2~3s
本发明相比现有技术,具有以下有益效果:
1.本发明的基于网络流最大化交通系统设计方法,可以使道路网络承载尽可能多的交通流,提高了道路网络的利用率。给繁忙的城市中心道路中的车辆制订了一个规则,即车辆按照网络流最大化算法进行路径选择,以城市交通管理者的角度实现对城市道路网络的全局性管理,能够降低拥堵程度和概率,一定程度上对降低车辆在路网中的平均通行时间产生积极影响。
2.车辆按照网络流最大化算法进行路线选择过程中的算法计算由车辆导航系统来完成,采用这种边缘计算可以有效降低交管控制中心的计算量,控制中心只需发送和接收需要的数据即可,降低了系统的复杂性。
附图说明
图1为基于网络流最大化算法的城市交通系统设计流程图
图2为道路原始网络模型和剩余网络
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种城市交通网络模型的网络车流量最大化方法,先向系统输入区域路段的上限通行容量,通过道路感知节点获取各路段实时的交通拥堵状况,选择是否需要道路的区域管控,不实行管控情况下不进行干预,实行管控则启用网络车流量最大化交管系统,交管控制中心向区域内的车辆发出管控指令并传送路网数据,车载导航系统接收管控指令及路网数据,管控区域驾驶员出发前需选择目的地,设定完目的地则车载导航系统根据接收到的路网数据寻找增广路径,车载导航系统根据增广路径确定行车路线并记录行车轨迹,到达目的地导航结束并向交管控制中心上传行车路线及行车轨迹记录,交管中心比对设定的行车路线和实际的行车记录判断是否处罚,若需要处罚生成罚单,不需要处罚则结束过程。根据城市道路网络的结构建立对应的城市交通网络模型,模型中需要收集的参数有:各路段的上限通行容量,各路段的当前实时车流量,基于交通网络模型,车载终端通过Ford-Fulkerson网络流最大化算法寻找道路的增广路径,求得可增流的路径,进而实行车辆的路线选择。如图1所示,本发明的实现流程图,主要包括城市交通系统建模、剩余容量的计算、增广路径寻找及路径选择、道路利用率效益评价等几个主要过程。
基于网络流最大化算法城市交通系统设计步骤如下:
步骤1,首先对城市道路网络结构进行分析并建立系统的网络模型。
G={X,Y,E,C,F,R,L,N} (1)
用有向图G来表示一个城市道路交通网络,源点集合X={x,xi|i=1,2,…,n},x为图G的源端,xi为车辆的出发节点,其中n为路口标号总个数。宿点集合Y={y,yi'|i'=1,2,…,n},y为图G的宿端。yi'为车辆的目的地。路网中边集:其中表示路网具有方向的直接相连的边,为了表示方便也可以用i,j表示,其中i和j定义为两个直接相连的路口节点(连通端)。道路的上限通行量集合:C={ci,j|i,j=1,2,…,n},ci,j表示路口节点i到路口节点j方向的通行容量。道路的当前实时流量集合:F={fi,j|i,j=1,2,…,n},fi,j表示路口节点i到路口节点j方向的当前流量。各路段的剩余容量:R={ri,j|i,j=1,2,…,n},ri,j表示路口节点i到路口节点j方向的剩余容量。L为系统内有向路段的总个数。路口节点集合:N={1,2,…,n}。
其中fi,j必须满足两个限制条件:
1)非负性和有限性:
0≤fi,j≤ci,j (2)
2)连续性:
F为从源端到宿端的总流量;Γ(vi)是vi的出向邻端集;Γ'(vi)为vi的入向邻端集。
步骤2,道路的上限通行容量计算方法如下:
Sm为车道组m的饱和流率,pcu/h;S0为进口车道基本饱和流率,pcu/h,缺乏实测数据时可取值1900pch/h;M为车道组m所包含车道数;fm为进口车道各类校正系数。
λm为绿信比;Tg为有效绿灯时长,单位秒;T为一个周期时长,单位秒。
信号交叉口一条进口车道的上限通行容量为:
为第m条进口道的通行能力即上限容量,pcu/h。
一个进口方向的通行能力是此进口方向上所有进口道通行能力之和:
式中Ci,j为进口方向的通行能力,pcu/h。
对于次要道路的停车让路控制或减速让路控制交叉口,通行能力(主要道路车辆到达率服从泊松分布即车头时距服从负指数分布)为:
式中:Ci',j'为次要道路的最大通行能力,单位pcu/h;fi,j为主要道路实时交通量,单位pcu/h;τ为主要道路车流中可供次要道路车辆穿越的临界间隙时距,一般取值范围4.5~10s;h为次要道路车辆连续穿越主要道路车流间隙时的饱和时距,一般取值范围2~3s。
主次道路的剩余容量计算方法分别为:
Ri,j=Ci,j-fi,j,Ri',j'=Ci',j'-fi',j' (9)
式中Ri,j为路段道路剩余容量的集合,Ri',j'为路段剩余容量集合,单位pcu/h。
步骤3,增广路径的寻找及选择如下:
首先解释一下增广路径,当是前向弧,在路径P中满足其中分别表示路口节点i到路口节点j方向的剩余容量、通行容量、当前流量。当是后向弧,时,我们称P为增广路径。我们定义作为路径P上的增流。
对于每个源宿节点对(x,y)开始
1)(PA为一组增广路径)。
2)对每条弧设我们得到一个称为剩余网络的的新图。
3)设Stack=x,将x标记已访问,其他节点标记未访问。(Stack为特定路径的记录)
4)对于堆栈中的顶点i,如果有一个相邻顶点j满足:j没有通过i访问;然后转5),否则转6)。
5)按j然后进入7)。
6)用未访问标记通过i访问的顶点,并弹出i,转到7)。
7)如果y在堆栈顶部,用未访问标记y,将Stack中记录的路径P复制到PA中并弹出y。
8)如果堆栈不是空的,转到3),否则转到9)。
9)如果则当前流是最大流并且搜索过程结束,否则对于每个P∈PA,计算增广流用最大r(P)作为输出和搜索过程的结束。
结束。
如图2所示,根据原始网络模型所得到的增广路径P为双条线条,r(P)=300为输出和搜索的结果。
道路上的车流量理论上可以根据以下公式增加:
步骤4,道路利用率效益评价如下:
首先求得道路利用率。
式中为路段的利用率,
再求得道路利用率的平均数。
式中为区域内路段总的利用率平均数,L为有向路段的总个数,为已知统计数据。
最后求得效用函数:道路利用率的均方差。
综上所述,本发明是对现有的城市道路区域性控制不够细致化,无法使得道路网络承载尽可能大的车流量,车辆往往集中在某些主干道路段问题,提出一种基于网络流最大化算法的智能路线选择解决方案,使得路网的利用率达到一种均衡状态。该方法能够有效的解决城市道路网络中车流量过于集中状况,减少拥堵程度及拥堵概率,使得路网负载处于均衡状态。其通过城市网络车流最大化设计分析,建立了恰当的路网模型,并通过网络流最大化算法,有效的求的路络模型道路利用率的解,使算法结果更加准确、公平。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种城市交通网络模型的网络车流量最大化方法,其特征在于,包括以下步骤:
步骤1,获取城市道路网络结构信息,根据城市道路网络结构信息建立系统网络模型;
步骤2,根据城市道路网络结构信息计算道路的上限通行容量,通过道路感知节点获取当前的实时交通状况,在启用网络车流量最大化交管系统状态下,根据当前的实时交通状况和上限通行容量计算剩余容量;
步骤3,在启用网络车流量最大化交管系统状态下,通过边缘计算寻找道路的增广路径,根据寻找的增广路径,确定行车路线;各条增广路径所能增流的上限为增广路径上的最小剩余容量,最优解为所有增广路径中所能增流的最大值;
步骤4,根据当前流量和道路的上限通行容量求得道路利用率,再求得道路利用率的平均数,根据道路利用率的平均数和道路利用率求得道路利用率的均方差,将此道路利用率的均方差作为道路利用率效益评价,均方差越小,路网利用率在时空上越均衡。
2.根据权利要求1所述城市交通网络模型的网络车流量最大化方法,其特征在于:所述步骤1中建立系统网络模型如下:
G={X,Y,E,C,F,R,L,N} (1)
用有向图G来表示一个城市道路交通网络,源点集合X={x,xi|i=1,2,…,n},x为图G的源端,xi为车辆的出发节点,其中,n为路口标号总个数,宿点集合Y={y,yi'|i'=1,2,…,n},y为图G的宿端,yi'为车辆的目的地,路网中边集:其中表示路网具有方向的直接相连的边,其中,i和j表示为两个直接相连的路口节点,道路的上限通行量集合:C={ci,j|i,j=1,2,…,n},ci,j表示路口节点i到路口节点j方向的上限通行容量,道路的当前实时流量集合:F={fi,j|i,j=1,2,…,n},fi,j表示路口节点i到路口节点j方向的当前流量,各路段的剩余容量:R={ri,j|i,j=1,2,…,n},ri,j表示路口节点i到路口节点j方向的剩余容量,L为系统内有向路段的总个数,路口节点集合:N={1,2,…,n}。
3.根据权利要求2所述城市交通网络模型的网络车流量最大化方法,其特征在于:路口节点i到路口节点j方向的当前流量fi,j满足以下两个限制条件:
1)非负性和有限性:
0≤fi,j≤ci,j (2)
2)连续性:
F为从源端到宿端的总流量;Γ(vi)是vi的出向邻端集;Γ'(vi)为vi的入向邻端集。
4.根据权利要求3所述城市交通网络模型的网络车流量最大化方法,其特征在于:所述步骤2中计算剩余容量方法如下:
Sm为车道组m的饱和流率,S0为进口车道基本饱和流率,M为车道组m所包含车道数,m表示车道组;fm为进口车道各类校正系数;
λm为图信比;Tg为有效绿灯时长;T为一个周期时长;
信号交叉口一条进口车道的上限通行容量为:
为第m条进口道的上限通行容量;
一个进口方向的通行能力是此进口方向上所有进口道通行能力之和:
式中Ci,j为进口方向的通行能力;
对于次要道路的停车让路控制或减速让路控制交叉口,通行能力为:
式中:Ci',j'为次要道路的最大通行能力;fi,j为主要道路实时交通量;τ为主要道路车流中可供次要道路车辆穿越的临界间隙时距;h为次要道路车辆连续穿越主要道路车流间隙时的饱和时距;
主次道路的剩余容量计算方法分别为:
Ri,j=Ci,j-fi,j,Ri',j'=Ci',j'-fi',j' (9)
式中Ri,j为路段道路剩余容量的集合,Ri',j'为路段剩余容量集合。
5.根据权利要求4所述城市交通网络模型的网络车流量最大化方法,其特征在于:所述步骤3中增广路径的寻找及选择如下:
当有向路段是前向弧,在路径P中满足其中分别表示路口节点i到路口节点j方向的剩余容量、上限通行容量、当前流量,当有向路段是后向弧,时,称P为增广路径,定义作为路径P上的增流;
对于每个源宿节点对(x,y)开始:
1)PA为一组增广路径;
2)对每条弧 得到一个称为剩余网络的的新图;
3)Stack=x,将x标记已访问,其他节点标记未访问,Stack为特定路径的记录;
4)对于堆栈中的顶点i,如果有一个相邻顶点j满足:j没有通过i访问;然后转5),否则转6);
5)按j然后进入7);
6)用未访问标记通过i访问的顶点,并弹出i,转到7);
7)如果y在堆栈顶部,用未访问标记y,将Stack中记录的路径P复制到PA中并弹出y;
8)如果堆栈不是空的,转到3),否则转到9);
9)如果则当前流是最大流并且搜索过程结束,否则对于每个P∈PA,计算增广流用最大r(P)作为输出和搜索过程的结束。
6.根据权利要求5所述城市交通网络模型的网络车流量最大化方法,其特征在于:道路上的车流量根据以下公式增加:
其中,表示增加后的道路上的车流量。
7.根据权利要求6所述城市交通网络模型的网络车流量最大化方法,其特征在于:所述步骤4中道路利用率效益评价计算方法如下:
首先求得道路利用率
式中为路段的利用率,再求得道路利用率的平均数;
式中为区域内路段总的利用率平均数,L为有向路段的总个数;
最后求得效用函数:道路利用率的均方差σ;
将道路利用率的均方差σ作为道路利用率效益评价。
8.根据权利要求7所述城市交通网络模型的网络车流量最大化方法,其特征在于:进口车道基本饱和流率取值为1900pch/h。
9.根据权利要求8所述城市交通网络模型的网络车流量最大化方法,其特征在于:主要道路车流中可供次要道路车辆穿越的临界间隙时距取值范围4.5~10s。
10.根据权利要求9所述城市交通网络模型的网络车流量最大化方法,其特征在于:次要道路车辆连续穿越主要道路车流间隙时的饱和时距取值范围2~3s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245313.6A CN109887289A (zh) | 2019-03-28 | 2019-03-28 | 一种城市交通网络模型的网络车流量最大化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245313.6A CN109887289A (zh) | 2019-03-28 | 2019-03-28 | 一种城市交通网络模型的网络车流量最大化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109887289A true CN109887289A (zh) | 2019-06-14 |
Family
ID=66935059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910245313.6A Pending CN109887289A (zh) | 2019-03-28 | 2019-03-28 | 一种城市交通网络模型的网络车流量最大化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109887289A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782178A (zh) * | 2019-11-01 | 2020-02-11 | 北京航空航天大学 | 一种交通网络规划辅助决策方法及装置 |
CN110930696A (zh) * | 2019-11-07 | 2020-03-27 | 重庆特斯联智慧科技股份有限公司 | 一种基于ai导航的智慧城市交通管理运行方法及其系统 |
CN111127881A (zh) * | 2019-12-16 | 2020-05-08 | 安徽科力信息产业有限责任公司 | 一种区域防溢出的交通信号控制博弈方法及系统 |
CN111487962A (zh) * | 2020-03-30 | 2020-08-04 | 北京化工大学 | 一种应用于仓储环境下多机器人路径快速规划方法 |
CN111541582A (zh) * | 2020-04-09 | 2020-08-14 | 清华大学 | 卫星网络容量计算方法、装置和电子设备 |
CN112747758A (zh) * | 2019-10-29 | 2021-05-04 | 北京百度网讯科技有限公司 | 路网建模方法及装置 |
CN113128010A (zh) * | 2021-04-29 | 2021-07-16 | 长沙理工大学 | 一种快速确定道路网络容量最大路径的方法、装置及存储介质 |
CN113808424A (zh) * | 2021-09-28 | 2021-12-17 | 合肥工业大学 | 基于双向Dijkstra的城市路网K条最短路径的获取方法 |
CN113936481A (zh) * | 2021-12-02 | 2022-01-14 | 公安部交通管理科学研究所 | 一种信号控制交叉口的空间利用状况评价方法 |
CN114463983A (zh) * | 2020-06-30 | 2022-05-10 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN115440045A (zh) * | 2021-08-19 | 2022-12-06 | 佛山市城市规划设计研究院 | 一种提高交通导航实时准确性的方法 |
WO2023274306A1 (zh) * | 2021-06-30 | 2023-01-05 | 华为技术有限公司 | 一种路径规划的方法、服务器和车辆 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268701A (zh) * | 2013-06-05 | 2013-08-28 | 王燚 | 城市路网负载平衡方法 |
CN105139685A (zh) * | 2015-07-24 | 2015-12-09 | 合肥工业大学 | 一种基于最大流率路径优先的路网疏散规划方法 |
CN105745515A (zh) * | 2013-09-15 | 2016-07-06 | 通腾导航技术股份有限公司 | 产生优化交通流量的路线 |
CN105761492A (zh) * | 2016-05-04 | 2016-07-13 | 北京大学 | 一种基于网络流的大范围高速路网动态配流方法 |
US20170186314A1 (en) * | 2015-12-28 | 2017-06-29 | Here Global B.V. | Method, apparatus and computer program product for traffic lane and signal control identification and traffic flow management |
CN107038863A (zh) * | 2017-05-17 | 2017-08-11 | 东南大学 | 一种考虑综合交通管理措施的城市道路网络广义路权计算方法 |
US20170263117A1 (en) * | 2016-03-11 | 2017-09-14 | Ford Global Technologies, Llc | Method and apparatus for congestion reduction through cooperative adaptive cruise control |
-
2019
- 2019-03-28 CN CN201910245313.6A patent/CN109887289A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268701A (zh) * | 2013-06-05 | 2013-08-28 | 王燚 | 城市路网负载平衡方法 |
CN105745515A (zh) * | 2013-09-15 | 2016-07-06 | 通腾导航技术股份有限公司 | 产生优化交通流量的路线 |
CN105139685A (zh) * | 2015-07-24 | 2015-12-09 | 合肥工业大学 | 一种基于最大流率路径优先的路网疏散规划方法 |
US20170186314A1 (en) * | 2015-12-28 | 2017-06-29 | Here Global B.V. | Method, apparatus and computer program product for traffic lane and signal control identification and traffic flow management |
US20170263117A1 (en) * | 2016-03-11 | 2017-09-14 | Ford Global Technologies, Llc | Method and apparatus for congestion reduction through cooperative adaptive cruise control |
CN105761492A (zh) * | 2016-05-04 | 2016-07-13 | 北京大学 | 一种基于网络流的大范围高速路网动态配流方法 |
CN107038863A (zh) * | 2017-05-17 | 2017-08-11 | 东南大学 | 一种考虑综合交通管理措施的城市道路网络广义路权计算方法 |
Non-Patent Citations (3)
Title |
---|
PEIJUN YE, CHENG CHEN AND FENGHUA ZHU: "Dynamic Route Guidance using Maximum Flow Theoryand its MapReduce Implementation", 《2011 14TH INTERNATIONAL IEEE CONFERENCE ONINTELLIGENT TRANSPORTATION SYSTEMS》 * |
王佳: "Maximal Flow在京津冀公路交通网络管理中的应用 ", 《统计与决策》 * |
赵礼峰;严子恒: "基于增广链修复的最大流求解算法", 《计算机应用》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112747758A (zh) * | 2019-10-29 | 2021-05-04 | 北京百度网讯科技有限公司 | 路网建模方法及装置 |
CN110782178B (zh) * | 2019-11-01 | 2020-11-06 | 北京航空航天大学 | 一种交通网络规划辅助决策方法及装置 |
CN110782178A (zh) * | 2019-11-01 | 2020-02-11 | 北京航空航天大学 | 一种交通网络规划辅助决策方法及装置 |
CN110930696A (zh) * | 2019-11-07 | 2020-03-27 | 重庆特斯联智慧科技股份有限公司 | 一种基于ai导航的智慧城市交通管理运行方法及其系统 |
CN111127881A (zh) * | 2019-12-16 | 2020-05-08 | 安徽科力信息产业有限责任公司 | 一种区域防溢出的交通信号控制博弈方法及系统 |
CN111127881B (zh) * | 2019-12-16 | 2021-02-12 | 安徽科力信息产业有限责任公司 | 一种区域防溢出的交通信号控制博弈方法及系统 |
CN111487962B (zh) * | 2020-03-30 | 2021-10-01 | 北京化工大学 | 一种应用于仓储环境下多机器人路径快速规划方法 |
CN111487962A (zh) * | 2020-03-30 | 2020-08-04 | 北京化工大学 | 一种应用于仓储环境下多机器人路径快速规划方法 |
CN111541582A (zh) * | 2020-04-09 | 2020-08-14 | 清华大学 | 卫星网络容量计算方法、装置和电子设备 |
CN114463983A (zh) * | 2020-06-30 | 2022-05-10 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN113128010A (zh) * | 2021-04-29 | 2021-07-16 | 长沙理工大学 | 一种快速确定道路网络容量最大路径的方法、装置及存储介质 |
CN113128010B (zh) * | 2021-04-29 | 2022-07-08 | 长沙理工大学 | 快速确定道路网络容量最大路径的方法、装置及存储介质 |
WO2023274306A1 (zh) * | 2021-06-30 | 2023-01-05 | 华为技术有限公司 | 一种路径规划的方法、服务器和车辆 |
CN115440045A (zh) * | 2021-08-19 | 2022-12-06 | 佛山市城市规划设计研究院 | 一种提高交通导航实时准确性的方法 |
CN115440045B (zh) * | 2021-08-19 | 2023-12-22 | 佛山市城市规划设计研究院 | 一种提高交通导航实时准确性的方法 |
CN113808424A (zh) * | 2021-09-28 | 2021-12-17 | 合肥工业大学 | 基于双向Dijkstra的城市路网K条最短路径的获取方法 |
CN113808424B (zh) * | 2021-09-28 | 2022-07-05 | 合肥工业大学 | 基于双向Dijkstra的城市路网K条最短路径的获取方法 |
CN113936481A (zh) * | 2021-12-02 | 2022-01-14 | 公安部交通管理科学研究所 | 一种信号控制交叉口的空间利用状况评价方法 |
CN113936481B (zh) * | 2021-12-02 | 2022-07-26 | 公安部交通管理科学研究所 | 一种信号控制交叉口的空间利用状况评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109887289A (zh) | 一种城市交通网络模型的网络车流量最大化方法 | |
CN106960584B (zh) | 一种自适应路口交通信号灯的交通控制方法及装置 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN103278168B (zh) | 一种面向交通热点规避的路径规划方法 | |
CN105046987B (zh) | 一种基于强化学习的路面交通信号灯协调控制方法 | |
CN104240523B (zh) | 城市干道绿波控制方法 | |
WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
CN104464314B (zh) | 一种公交车专用道交叉口的公交优先通行方法 | |
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 | |
CN104574970B (zh) | 城市地下停车系统出入口接驳处交通状态评价方法 | |
CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及系统 | |
CN104899360B (zh) | 一种绘制宏观基本图的方法 | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN110136455A (zh) | 一种交通信号灯配时方法 | |
CN103236164B (zh) | 一种保障公交车辆优先通行的车辆调控方法 | |
CN110111592A (zh) | 基于交通信号控制机动态匹配最优信号配时方案的方法 | |
CN108665715A (zh) | 一种路口智能交通研判和信号优化方法 | |
CN107622668A (zh) | 一种基于rfid的动态可视化交叉口监测管理系统 | |
CN108597219A (zh) | 一种基于机器视觉的路段行人过街控制方法 | |
CN106408984A (zh) | 基于物联网的城市交通流诱导系统 | |
CN105551250A (zh) | 一种基于区间聚类的城市道路交叉口运行状态判别方法 | |
CN111009140B (zh) | 一种基于开源路况信息的智能交通信号控制方法 | |
CN106530763A (zh) | 进口流量与出口容量耦合的过饱和交通自适应信号控制方法 | |
CN105806355B (zh) | 一种车辆绿色路径导航系统及方法 | |
CN105185103B (zh) | 一种路段行程时间的管理控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |
|
RJ01 | Rejection of invention patent application after publication |