CN110033620A - 一种基于交通监测数据的道路交叉口流量流向推算方法 - Google Patents
一种基于交通监测数据的道路交叉口流量流向推算方法 Download PDFInfo
- Publication number
- CN110033620A CN110033620A CN201910413753.8A CN201910413753A CN110033620A CN 110033620 A CN110033620 A CN 110033620A CN 201910413753 A CN201910413753 A CN 201910413753A CN 110033620 A CN110033620 A CN 110033620A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intersection
- traffic
- traffic monitoring
- monitoring data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于交通监测数据的道路交叉口流量流向推算方法，属于交通数据挖掘与应用技术领域，包括以下步骤：(1)获取城市指定研究区域的交通监测数据和需要进行交叉口流量流向推算的时间范围；(2)以电子车牌为主键、以车辆被检测时间为次键对交通监测数据进行排序，获取车辆的孤立位置‑时间分布；(3)采用Dijkstra算法寻找各孤立位置之间的最短路径，获取车辆的通行轨迹；(4)将指定时间范围内所有车辆的轨迹进行融合，推算出各交叉口的流量流向信息。本发明步骤简明，计算高效，对获取实时精确的道路交叉口流量及转向信息具有重要的现实意义，为丰富城市虚拟交通系统测试平台中道路交通信息基础数据库提供了有力的技术支撑。
Description
技术领域
本发明涉及交通数据挖掘与应用技术领域，特别是涉及一种基于交通监测数据的道路交叉口流量流向推算方法。
背景技术
近年来，随着城市化进程的不断推进，人口快速地向城市集聚，很多城市都存在不同程度的交通拥挤、堵塞的现象，并诱发交通事故率上升、环境污染加剧等其他交通问题。道路交叉口作为整个道路交通网络的瓶颈，改善交叉口的运行状态迫在眉睫。交叉口的流量及转向信息是进行交叉口几何渠化设计、信号控制方案及参数确定等工作的基础，获取实时精确的交叉口流量流向数据对于整个道路交通网络的管理和控制具有非常重要的现实意义。
在如今“互联网+交通”的大背景下，许多城市都建立了道路交通流量实时监测系统，寄希望能够通过互联网的思维来改进城市交通的运行方式。在智能交通建设和运营的过程中，每天视频监控、感应线圈、电子警察等监测方式将产生PB级别的道路交通流量监测数据，由此可以做到实时把控城市路网的运行状态，解决交通问题再不会受到数据匮乏的影响。
然而，城市道路监测系统提供的大部分是道路断面的流量信息，无法直接提供通过道路交叉口的流量和转向信息，因此，海量的交通监测数据就需要与交通工程理论相结合，形成科学合理的交通大数据应用体系，进而探寻解决城市交通问题的途径。为此本发明提出了一种基于交通监测数据的道路交叉口流量流向推算方法，可以为优化城市道路交叉口管理与控制策略提供科学的数据支撑。
发明内容
为了解决以上问题，本发明提供一种基于交通监测数据的道路交叉口流量流向推算方法，本发明的目的是避免通过传统的费时费力的人工调查的方式来获取城市道路交叉口流量流向信息，而是从城市交通监测数据出发，利用数据挖掘和轨迹融合的手段来获取道路交叉口流量及转向数据。本发明提供的方法，对丰富城市虚拟交通系统测试平台中道路交通信息基础数据库具有较大意义，为达此目的，本发明提供一种基于交通监测数据的道路交叉口流量流向推算方法，包括以下步骤：
(A)获取城市指定研究区域的交通监测数据和需要进行交叉口流量流向推算的时间范围；
(B)以电子车牌为主键、以车辆被检测时间为次键对交通监测数据进行排序，获取车辆的孤立位置-时间分布；
(C)采用Dijkstra算法寻找各孤立位置之间的最短路径，获取车辆的通行轨迹；
(D)将指定时间范围内所有车辆的轨迹进行融合，推算出各交叉口的流量流向信息。
作为本发明进一步改进，所述步骤(A)中，交通监测数据应为或能转化为结构化数据进行存储，其中，每条交通监测数据应至少包含VEHICLE_ID、READER_IP、TIME、TYPE 4个字段，其中VEHICLE_ID为车辆电子车牌编号，READER_IP为道路检测器IP地址，TIME为电子车牌被检测器识别到的时间，TYPE为车辆类型，车辆类型包括小型客车、出租车、小型货车、大型客车、公交车及大型货车六种，相应的，各车型当量交通量换算系数为“小型客车：1.0、出租车：1.0、小型货车：1.5、大型客车：2.0、公交车：2.0、大型货车：2.5”。
作为本发明进一步改进，所述步骤(B)中，将交通监测信息按照VEHICLE_ID字段内容的升序进行重新排列，对于VEHICLE_ID字段内容相同的交通监测信息，按照TIME字段内容的升序进行排列，利用READER_IP字段内容查询道路检测器的位置信息，获取每辆车按时间先后顺序出现的位置。
作为本发明进一步改进，所述步骤(C)中，认为车辆在经过两个道路检测器之间按照距离最短的路径行驶，使用经典的Dijkstra最短路算法计算车辆依次出现的道路检测器之间的距离最短的路径，记录每条路径经过的道路交叉口，形成车辆连续的通行轨迹。
作为本发明进一步改进，所述步骤(D)中，筛选指定时间范围内所有车辆的轨迹，利用描述的各车型当量交通量换算系数，将车辆轨迹转换成当量交通量轨迹，汇总统计出通过各个交叉口的当量交通流量流向信息。
本发明一种基于交通监测数据的道路交叉口流量流向推算方法与现有技术相比，具有以下技术效果：
(1)在如今大力建设智慧城市、智能交通的大背景下，本发明以城市交通监测数据为基础，利用数据挖掘和轨迹融合等技术手段，避免了通过传统的人工调查方式来获取道路交叉口流量流向数据，节约了调查费用，提高了结果的精确度，顺应了“互联网+交通”的潮流。
(2)本发明通过利用经典的Dijkstra最短路径算法来获取车辆在道路检测器之间的行驶路径，从而推算出车辆连续的行驶轨迹，计算高效、方法实用，能够很好地服务于城市道路交叉口管理和控制。
附图说明
图1为本发明方法的总体流程图；
图2为本发明车辆检测器布设位置分布图；
图3为本发明Dijkstra算法的流程图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明提供一种基于交通监测数据的道路交叉口流量流向推算方法，本发明的目的是避免通过传统的费时费力的人工调查的方式来获取城市道路交叉口流量流向信息，而是从城市交通监测数据出发，利用数据挖掘和轨迹融合的手段来获取道路交叉口流量和转向数据。本发明提供的方法，对丰富城市虚拟交通系统测试平台中道路交通信息基础数据库具有较大意义。
作为一个实施例，已知城市某指定区域的车辆检测器布设位置分布如图2所示，2019年03月11日07：00至07：30的交通监测结构化数据如表1所示，利用本发明提供的方法获取图2中进行编号的三个交叉口的流量流向数据表。
表1区域交通监测结构化数据表(部分)
| VEHICLE_ID | READER_IP | TIME | TYPE | … |
| 3464724 | 11.11.11.45 | 2019-03-11 07:00:06.027 | 小型客车 | … |
| 3888674 | 10.10.11.51 | 2019-03-11 07:00:46.029 | 出租车 | … |
| 2019668 | 10.10.70.100 | 2019-03-11 07:01:24.041 | 小型客车 | … |
| 3552713 | 10.10.30.32 | 2019-03-11 07:01:41.041 | 大型客车 | … |
| 85893 | 10.10.2.145 | 2019-03-11 07:01:59.055 | 公交车 | … |
| 3539392 | 101.18.2.226 | 2019-03-11 07:02:14.059 | 小型货车 | … |
| 3692011 | 10.10.103.61 | 2019-03-11 07:02:43.076 | 出租车 | … |
| … | … | … | … | … |
| 1397778 | 101.18.2.105 | 2019-03-11 07:15:04.838 | 小型客车 | … |
| 2676217 | 101.18.0.122 | 2019-03-11 07:15:16.841 | 公交车 | … |
| 3767460 | 10.10.82.180 | 2019-03-11 07:15:49.853 | 小型货车 | … |
| 3964122 | 10.10.2.135 | 2019-03-11 07:16:14.860 | 小型客车 | … |
| 707282 | 10.10.31.55 | 2019-03-11 07:16:29.861 | 大型客车 | … |
| 2866620 | 10.10.30.20 | 2019-03-11 07:16:54.878 | 小型客车 | … |
| 3512949 | 10.10.70.103 | 2019-03-11 07:17:09.889 | 小型客车 | … |
| … | … | … | … | … |
| 959903 | 10.10.82.45 | 2019-03-11 07:27:58.220 | 小型客车 | … |
| 1150239 | 11.11.11.86 | 2019-03-11 07:28:08.222 | 小型客车 | … |
| 1209093 | 11.11.11.103 | 2019-03-11 07:28:42.227 | 小型货车 | … |
| 3171357 | 10.10.20.80 | 2019-03-11 07:28:57.244 | 小型客车 | … |
| 273235 | 10.10.1.61 | 2019-03-11 07:29:02.248 | 公交车 | … |
| 322173 | 10.10.71.110 | 2019-03-11 07:29:29.271 | 出租车 | … |
| 959903 | 10.10.82.45 | 2019-03-11 07:29:47.220 | 大型客车 | … |
| … | … | … | … | … |
| … | … | … | … | … |
如图1所示，运用本发明提出的基于交通监测数据的道路交叉口流量流向推算方法，包括如下步骤：
(A)获取城市指定研究区域的交通监测数据和需要进行交叉口流量流向推算的时间范围；
城市交通监测数据涵盖了2019年03月11日07：00至07：30半小时内全部的路网监测数据，且交通监测数据中包含的车辆电子车牌信息已完成脱敏处理。
(B)以电子车牌为主键、以车辆被检测时间为次键对交通监测数据进行排序，获取车辆的孤立位置-时间分布；
将表1中的交通监测结构化数据按照VEHICLE_ID字段内容的升序进行重新排列，对于VEHICLE_ID字段内容相同的交通监测信息，按照TIME字段内容的升序进行排列，重新排序后的交通监测结构化数据表如表2所示。利用READER_IP字段内容查询道路检测器的位置信息，获取每辆车按时间先后顺序出现的位置。
表2重新排序后的区域交通监测数据表(部分)
| VEHICLE_ID | READER_IP | TIME | TYPE | … |
| 555 | 101.18.0.210 | 2019-03-11 07:03:15.735 | 小型客车 | … |
| 555 | 101.18.1.73 | 2019-03-11 07:11:56.321 | 小型客车 | … |
| 555 | 10.10.71.145 | 2019-03-11 07:13:11.116 | 小型客车 | … |
| 555 | 10.10.70.30 | 2019-03-11 07:16:07.087 | 小型客车 | … |
| 555 | 10.10.70.31 | 2019-03-11 07:21:39.094 | 小型客车 | … |
| … | … | … | … | … |
| 959 | 101.8.2.185 | 2019-03-11 07:02:08.090 | 公交车 | … |
| 959 | 10.10.21.100 | 2019-03-11 07:04:31.515 | 公交车 | … |
| 959 | 101.18.2.210 | 2019-03-11 07:11:09.373 | 公交车 | … |
| 959 | 11.11.11.76 | 2019-03-11 07:12:57.662 | 公交车 | … |
| 959 | 11.11.10.51 | 2019-03-11 07:18:12.280 | 公交车 | … |
| 959 | 101.18.2.194 | 2019-03-11 07:21:08.748 | 公交车 | … |
| 959 | 101.18.0.130 | 2019-03-11 07:23:43.923 | 公交车 | … |
| … | … | … | … | … |
| 1235 | 10.10.11.22 | 2019-03-11 07:12:15.093 | 小型客车 | … |
| 1235 | 10.10.2.80 | 2019-03-11 07:14:21.337 | 小型客车 | … |
| 1235 | 10.10.3.1 | 2019-03-11 07:17:21.879 | 小型客车 | … |
| 1235 | 101.8.1.226 | 2019-03-11 07:19:39.364 | 小型客车 | … |
| 1235 | 101.8.2.169 | 2019-03-11 07:22:56.604 | 小型客车 | … |
| 1235 | 10.10.32.65 | 2019-03-11 07:25:14.588 | 小型客车 | … |
| 1235 | 10.10.32.35 | 2019-03-11 07:26:26.210 | 小型客车 | |
| … | … | … | … | … |
| … | … | … | … | … |
(C)采用Dijkstra算法寻找各孤立位置之间的最短路径，获取车辆的通行轨迹；
由于城市道路上车辆检测器的布设密度较大，两个检测器之间的距离较近，可以认为车辆在经过两个道路检测器之间选择距离最短的路径行驶。如图3所示，使用经典的Dijkstra最短路算法计算车辆依次出现的道路检测器之间的距离最短的路径，记录每条路径经过的道路交叉口，形成车辆连续的通行轨迹。
(D)将指定时间范围内所有车辆的轨迹进行融合，推算出各交叉口的流量流向信息。
对于2019年03月11日07：00至07：30内所有车辆的轨迹，利用权利要求2中描述的各车型当量交通量换算系数，将车辆轨迹转换成当量交通量轨迹，汇总统计出通过图2中进行编号的三个交叉口的当量交通流量流向数据表，结果如表3所示。
表3交叉口当量交通流量流向数据表(pcu/h)
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。
Claims (5)
1.一种基于交通监测数据的道路交叉口流量流向推算方法，其特征在于：包括以下步骤：
(A)获取城市指定研究区域的交通监测数据和需要进行交叉口流量流向推算的时间范围；
(B)以电子车牌为主键、以车辆被检测时间为次键对交通监测数据进行排序，获取车辆的孤立位置-时间分布；
(C)采用Dijkstra算法寻找各孤立位置之间的最短路径，获取车辆的通行轨迹；
(D)将指定时间范围内所有车辆的轨迹进行融合，推算出各交叉口的流量流向信息。
2.根据权利要求1所述的一种基于交通监测数据的道路交叉口流量流向推算方法，其特征在于：所述步骤(A)中，交通监测数据应为或能转化为结构化数据进行存储，其中，每条交通监测数据应至少包含VEHICLE_ID、READER_IP、TIME、TYPE4个字段，其中VEHICLE_ID为车辆电子车牌编号，READER_IP为道路检测器IP地址，TIME为电子车牌被检测器识别到的时间，TYPE为车辆类型，车辆类型包括小型客车、出租车、小型货车、大型客车、公交车及大型货车六种，相应的，各车型当量交通量换算系数为“小型客车：1.0、出租车：1.0、小型货车：1.5、大型客车：2.0、公交车：2.0、大型货车：2.5”。
3.根据权利要求1所述的一种基于交通监测数据的道路交叉口流量流向推算方法，其特征在于：所述步骤(B)中，将交通监测信息按照VEHICLE_ID字段内容的升序进行重新排列，对于VEHICLE_ID字段内容相同的交通监测信息，按照TIME字段内容的升序进行排列，利用READER_IP字段内容查询道路检测器的位置信息，获取每辆车按时间先后顺序出现的位置。
4.根据权利要求1所述的一种基于交通监测数据的道路交叉口流量流向推算方法，其特征在于：所述步骤(C)中，认为车辆在经过两个道路检测器之间按照距离最短的路径行驶，使用经典的Dijkstra最短路算法计算车辆依次出现的道路检测器之间的距离最短的路径，记录每条路径经过的道路交叉口，形成车辆连续的通行轨迹。
5.根据权利要求1所述的一种基于交通监测数据的道路交叉口流量流向推算方法，其特征在于：所述步骤(D)中，筛选指定时间范围内所有车辆的轨迹，利用描述的各车型当量交通量换算系数，将车辆轨迹转换成当量交通量轨迹，汇总统计出通过各个交叉口的当量交通流量流向信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910413753.8A CN110033620A (zh) | 2019-05-17 | 2019-05-17 | 一种基于交通监测数据的道路交叉口流量流向推算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910413753.8A CN110033620A (zh) | 2019-05-17 | 2019-05-17 | 一种基于交通监测数据的道路交叉口流量流向推算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110033620A true CN110033620A (zh) | 2019-07-19 |
Family
ID=67242552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910413753.8A Pending CN110033620A (zh) | 2019-05-17 | 2019-05-17 | 一种基于交通监测数据的道路交叉口流量流向推算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110033620A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599765A (zh) * | 2019-08-16 | 2019-12-20 | 华南理工大学 | 一种基于多源数据融合的公路客货运输量指标统计方法 |
| CN113724494A (zh) * | 2021-07-30 | 2021-11-30 | 东南大学 | 一种定制公交需求区域识别方法 |
| CN114333356A (zh) * | 2021-11-30 | 2022-04-12 | 中交第二公路勘察设计研究院有限公司 | 基于视频多区域标记的道路平面交叉口交通量统计方法 |
| CN114822049A (zh) * | 2022-03-23 | 2022-07-29 | 山东省交通规划设计院集团有限公司 | 一种车辆流向监测分析方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521965A (zh) * | 2011-12-09 | 2012-06-27 | 同济大学 | 基于车牌识别数据的交通需求管理措施效果评价方法 |
| CN106504526A (zh) * | 2016-10-18 | 2017-03-15 | 东南大学 | 一种基于电子车牌信息的公交专用道设置影响分析方法 |
| US20180096597A1 (en) * | 2016-09-30 | 2018-04-05 | Nissan North America, Inc. | Optimizing Autonomous Car's Driving Time and User Experience Using Traffic Signal Information |
| CN109118769A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段自由流速度挖掘方法 |
| CN109118770A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段通行能力挖掘方法 |
| CN109448370A (zh) * | 2018-10-29 | 2019-03-08 | 东南大学 | 一种基于车辆轨迹数据的交通控制子区划分方法 |
-
2019
- 2019-05-17 CN CN201910413753.8A patent/CN110033620A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521965A (zh) * | 2011-12-09 | 2012-06-27 | 同济大学 | 基于车牌识别数据的交通需求管理措施效果评价方法 |
| US20180096597A1 (en) * | 2016-09-30 | 2018-04-05 | Nissan North America, Inc. | Optimizing Autonomous Car's Driving Time and User Experience Using Traffic Signal Information |
| CN106504526A (zh) * | 2016-10-18 | 2017-03-15 | 东南大学 | 一种基于电子车牌信息的公交专用道设置影响分析方法 |
| CN109118769A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段自由流速度挖掘方法 |
| CN109118770A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段通行能力挖掘方法 |
| CN109448370A (zh) * | 2018-10-29 | 2019-03-08 | 东南大学 | 一种基于车辆轨迹数据的交通控制子区划分方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110599765A (zh) * | 2019-08-16 | 2019-12-20 | 华南理工大学 | 一种基于多源数据融合的公路客货运输量指标统计方法 |
| CN113724494A (zh) * | 2021-07-30 | 2021-11-30 | 东南大学 | 一种定制公交需求区域识别方法 |
| CN113724494B (zh) * | 2021-07-30 | 2022-06-07 | 东南大学 | 一种定制公交需求区域识别方法 |
| CN114333356A (zh) * | 2021-11-30 | 2022-04-12 | 中交第二公路勘察设计研究院有限公司 | 基于视频多区域标记的道路平面交叉口交通量统计方法 |
| CN114333356B (zh) * | 2021-11-30 | 2023-12-15 | 中交第二公路勘察设计研究院有限公司 | 基于视频多区域标记的道路平面交叉口交通量统计方法 |
| CN114822049A (zh) * | 2022-03-23 | 2022-07-29 | 山东省交通规划设计院集团有限公司 | 一种车辆流向监测分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110033620A (zh) | 一种基于交通监测数据的道路交叉口流量流向推算方法 | |
| Quaassdorff et al. | Microscale traffic simulation and emission estimation in a heavily trafficked roundabout in Madrid (Spain) | |
| CN104200649B (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 | |
| Lyu et al. | Review of the studies on emission evaluation approaches for operating vehicles | |
| Vasconcelos et al. | Turboroundabouts: multicriterion assessment of intersection capacity, safety, and emissions | |
| Owais et al. | When to decide to convert a roundabout to a signalized intersection: Simulation approach for case studies in Jeddah and Al-Madinah | |
| CN113554877B (zh) | 一种基于可变限速的长上坡交通流稳定性提升方法 | |
| Fitzpatrick et al. | Spatial and temporal analysis of driver gap acceptance behavior at modern roundabouts | |
| CN109118769A (zh) | 一种基于交通监测数据的路段自由流速度挖掘方法 | |
| Shang et al. | Analyzing the effects of road type and rainy weather on fuel consumption and emissions: A mesoscopic model based on big traffic data | |
| Zhu et al. | Simulated analysis of exclusive bus lanes on expressways: case study in Beijing, China | |
| Ahn et al. | Field evaluation of energy and environmental impacts of driver route choice decisions | |
| CN105070060B (zh) | 一种基于公交车载gps数据的城市道路交通状态判别方法 | |
| Rengaraju et al. | Vehicle-arrival characteristics at urban uncontrolled intersections | |
| Bing et al. | Sustainable highway design: Disentangling the effects of geometric-related and traffic-related factors on urban highway traffic emissions | |
| Fedorčák et al. | viaRODOS: monitoring and visualisation of current traffic situation on highways | |
| CN109377759B (zh) | 一种获取间断交通流中车队行程时间的方法 | |
| CN112183871A (zh) | 基于空气指数的城市交通诱导系统 | |
| Kamal et al. | Partially Connected and Automated Traffic Operations in Road Transportation | |
| Sun et al. | Mining Urban Sustainability: Vehicle Emission Changes on Traffic Corridor by One-Way Traffic Conversion | |
| Huang et al. | Energetic Impacts of Autonomous Vehicles in Real-World Traffic Conditions From Nine Open-Source Datasets | |
| Chofidloturrohmah et al. | Strenghtening the performance of unsignalized intersections in Dinoyo district | |
| KUMAR | Traffic flow simulation using VISSIM software | |
| Zheng et al. | Predictive Modelling of Traffic Delay in Arterial Road Based on Machine Learning Algorithm | |
| Hao et al. | Eco-friendly Cooperative Traffic Optimization at Signalized Intersections |
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: 20190719 |
|
| RJ01 | Rejection of invention patent application after publication |