CN110220526B - 基于路径时间价值的anpr车辆导行方案生成方法 - Google Patents
基于路径时间价值的anpr车辆导行方案生成方法 Download PDFInfo
- Publication number
- CN110220526B CN110220526B CN201910402476.0A CN201910402476A CN110220526B CN 110220526 B CN110220526 B CN 110220526B CN 201910402476 A CN201910402476 A CN 201910402476A CN 110220526 B CN110220526 B CN 110220526B
- Authority
- CN
- China
- Prior art keywords
- path
- travel
- point
- time
- paths
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于路径时间价值的ANPR车辆导行方案生成方法,包括如下步骤:1)建立城市出行标准出行点信息;2)利用步骤1)的城市出行标准出行点信息建立城市标准出行OD点对间路径表;3)利用步骤1)和步骤2)数据,描述车辆一次出行轨迹;4)利用步骤2)、3)的数据生成导行方案,通过改变路径通行费用与通行时间,引导出行量最大路径的部分车辆选择其他路径通行。本发明便于查询、统计、分析及数据挖掘等操作;能为城市出行做分析。
Description
技术领域
本发明涉及一种基于路径时间价值的ANPR车辆导行方案生成方法。
背景技术
城市车辆导行方案通过调节信号灯时长、设置管控措施,增加通行收费等方式疏导车流,令路网流量均衡,提高通行效率。然而车主在选择通行路径时,面对相同的时长和费用,会根据自身情况做出不同的决策。然而,现有设计导行方案时,并未充分考虑车主在时长和费用偏好上的分布情况,导致方案未能达到理想的效果。
发明内容
本发明的目的在于提供了一种基于路径时间价值的ANPR车辆导行方案生成方法。本发明重点在于计算出行点对之间所有路径的时间价值,反映选择该路径车主在时间和费用之间的偏好。通过车牌自动识别数据(automatic number plate recognition data,简称ANPR)的信息提取城市车辆在各路径上的分布情况,也即车主在时间、费用偏好上的分布情况,据此设计车辆导行方案,包括通过降低候选路径通行费用,将对费用较敏感的车辆疏导至该路径,或者通过降低候选路径的通行时间,将对时间较敏感的车辆疏导至该路径,实现车辆导行的目的。
为了达到上述目的,本发明的技术方案是:
一种基于路径时间价值的ANPR车辆导行方案生成方法,包括如下步骤:
1)建立城市出行标准出行点信息;
2)利用步骤1)的城市出行标准出行点信息建立城市标准出行OD点对间路径表;
3)利用步骤1)和步骤2)数据,描述车辆一次出行轨迹;
4)利用步骤2)、3)的数据生成导行方案,通过改变路径通行费用与通行时间,引导出行量最大路径的部分车辆选择其他路径通行。
所述的步骤1)具体为:
(1)建立集合Φ=Φ1∩Φ2,其中Φ1为处于路口检测摄像头的聚合点集,Φ2为处于路段检测摄像头的聚合点集;所述路口检测摄像头聚合为一个聚合点的规则是:处于同一交叉路口的摄像头聚合为一个聚合点,其坐标为路口坐标;所述路段检测摄像头聚合为一个聚合点的规则是:距离交叉路口大于L1米,处于同一路段,且两两间距小于L2的摄像头聚合为一个聚合点,其坐标为该点聚合的所有摄像头坐标的聚类中心;
(2)将步骤(1)中集合Φ中每个聚合点视为城市标准出行点,每个所述标准出行点可用矢量(Φid,Longitude,Latitude,type)描述,分别对应该出行点的编号、经度、纬度、类型,其中路口出行点类型为1,路段出行点类型为2;
(3)将步骤(2)得到的城市标准出行点两两组合成出行二元组对集合,有OD={ODi=(Oi,Di)|Oi∈Φ,Di∈Φ,Oi≠Di,i=1,2,3,...,|Φ|},集合中每个元素用矢量(ODid,Oi,Di,dis,dir)描述,分别对应该出行对编号、起点出行点编号、终点出行点编号、起终点之间的直线距离、以及起点到终点的方向角。
所述的步骤2)具体为:
(a)对于所述的每个城市标准出行点对ODid,在路网中遍历其间所有可行路径,组成路径集合Path={pathj,j=1,2,...,m},pathj是ODid之间所有m条可行路径中的一条,每条路径轨迹由途经出行点序列描述;对每条可行路径pathj,其路径编号为pid、计算路径长度len、用时time、花费cost,其中路径花费cost为通行收费和消耗燃油费用之和,用时time为路段平均行驶时间与路口平均延误时间之和;
(b)建立费用函数f(λ)=time×λ+cost,其中λ为时间价值参数,也即车主的时间价值;定义路径pathj的时间价值λj为令该路径费用fj(λ)=pathj.time×λ+pathj.cost在ODid间所有路径中最小的值,也即当λ=λj时,fj(λ)≤fl(λ),l=1,2,3,...,m;每条路径时间价值计算方法如下:
首先将ODid间所有路径的花费pathj.c,升序排列,ODid间所有路径的用时pathj.t降序排列,j=1,2,3,...,m,从序列中剔除在花费序列中位次数小于在用时序列位次数的路径;
然后确定每条路径时间价值的取值区间;被剔除路径的时间价值λ的取值区间为(-∞,0],而剩余k条路径中的第l条路径的时间价值λl取值区间赋予规则如下:
所述的步骤3)具体为:
(1)ANPR数据记录车辆经过检测点的时间和车牌号,因此车辆一次出行的轨迹tr由一列二元组r=(c,t)序列按时间升序排列组成,其中c为摄像头编号,t为检测时间;根据所述步骤1)中建立的摄像头与出行点的对应关系,将二元组r=(c,t)中摄像头编号c代换为摄像头所属出行点的编号Φid;
(2)提取特征数据描述车辆一次出行的轨迹tr,包括车牌号vid、出发时间to、到达时间td、出行点对编号ODid、路径编号pid、路径匹配度ma;
(3)以所述轨迹tr中第一条和最后一条记录中出行点为出发点Oi和目的点Di,其所对应的出发点对的编号ODid;pid为出行点对ODid间所有路径中,与车辆轨迹匹配度ma的值最大的路径编号;ma为路径与轨迹中重合的出行点个数与轨迹中出行点个数之比,即当ma值最大的路径有多条,则选择轨迹长度与路径长度最接近的那条路径。
所述的步骤4)具体为:
(a)提取一段时间内的车辆出行轨迹描述数据tr(vid,to,td,ODid,pid,ma),统计每对出行点对ODid的各条路径pid在这段时间内的出行量;
(b)选择所有出行点对的所有路径中,出行量最大的路径pid*作为导行对象;
(c)由步骤2)分析得知路径pid*时间价值λ的取值区间[λmin,λmax],设选择该路径的车主时间价值均匀分布在该取值区间中,通过增加λmin至λmin+Δ,将部分流量引导至在S2022路径排序中,与路径pid*相邻,但费用较低的路径中,或减少λmax至λmax-Δ,将部分流量引导至与路径pid*相邻,但费用较高的路径中;引流车辆数约为路径流量的其中0<Δ<λmax-λmin;
(e)当引流至费用较高的路径中,则将费用较高路径的通行费用减少(t1-t2)×Δ,其中t2为路径pid*的用时,t1为费用较高路径的用时;
(f)Δ的取值根据引流量确定,令引流后,引入流量路径的流量与引出流量路径的流量相等。
本发明的有益效果为:本发明的目的在于提供了一种基于路径时间价值的ANPR车辆导行方案生成方法。本发明重点在于计算出行点对之间所有路径的时间价值,反映选择该路径车主在时间和费用之间的偏好。通过车牌自动识别数据(automatic number platerecognition data,简称ANPR)的信息提取城市车辆在各路径上的分布情况,也即车主在时间、费用偏好上的分布情况,据此设计车辆导行方案,包括通过降低候选路径通行费用,将对费用较敏感的车辆疏导至该路径,或者通过降低候选路径的通行时间,将对时间较敏感的车辆疏导至该路径,实现车辆导行的目的。
附图说明
图1为本发明的流程图;
图2为路径价值与路径费用关系图。
具体实施方式
本实施例的一种基于路径时间价值的ANPR车辆导行方案生成方法,如图1、2所示,包括如下步骤:
1)建立城市出行标准出行点信息;具体步骤为:
(1)建立集合Φ=Φ1∩Φ2,其中Φ1为处于路口检测摄像头的聚合点集,Φ2为处于路段检测摄像头的聚合点集;所述路口检测摄像头聚合为一个聚合点的规则是:处于同一交叉路口的摄像头聚合为一个聚合点,其坐标为路口坐标;所述路段检测摄像头聚合为一个聚合点的规则是:距离交叉路口大于L1米,处于同一路段,且两两间距小于L2的摄像头聚合为一个聚合点,其坐标为该点聚合的所有摄像头坐标的聚类中心;
(2)将步骤(1)中集合Φ中每个聚合点视为城市标准出行点,每个所述标准出行点可用矢量(Φid,Longitude,Latitude,type)描述,分别对应该出行点的编号、经度、纬度、类型,其中路口出行点类型为1,路段出行点类型为2;
(3)将步骤(2)得到的城市标准出行点两两组合成出行二元组对集合,有OD={ODi=(Oi,Di)|Oi∈Φ,Di∈Φ,Oi≠Di,i=1,2,3,...,|Φ|},集合中每个元素用矢量(ODid,Oi,Di,dis,dir)描述,分别对应该出行对编号、起点出行点编号、终点出行点编号、起终点之间的直线距离、以及起点到终点的方向角;
2)利用步骤1)的城市出行标准出行点信息建立城市标准出行OD点对间路径表;具体步骤为:
(a)对于所述的每个城市标准出行点对ODid,在路网中遍历其间所有可行路径,组成路径集合Path={pathj,j=1,2,...,m},pathj是ODid之间所有m条可行路径中的一条,每条路径轨迹由途经出行点序列描述;对每条可行路径pathj,其路径编号为pid、计算路径长度len、用时time、花费cost,其中路径花费cost为通行收费和消耗燃油费用之和,用时time为路段平均行驶时间与路口平均延误时间之和;
(b)建立费用函数f(λ)=time×λ+cost,其中λ为时间价值参数,也即车主的时间价值;定义路径pathj的时间价值λj为令该路径费用fj(λ)=pathj.time×λ+pathj.cost在ODid间所有路径中最小的值,也即当λ=λj时,fj(λ)≤fl(λ),l=1,2,3,...,m;每条路径时间价值计算方法如下:
首先将ODid间所有路径的花费pathj.c,升序排列,ODid间所有路径的用时pathj.t降序排列,j=1,2,3,...,m,从序列中剔除在花费序列中位次数小于在用时序列位次数的路径;
然后确定每条路径时间价值的取值区间;被剔除路径的时间价值λ的取值区间为(-∞,0],而剩余k条路径中的第l条路径的时间价值λl取值区间赋予规则如下:
3)利用步骤1)和步骤2)数据,描述车辆一次出行轨迹;具体步骤为:
(1)ANPR数据记录车辆经过检测点的时间和车牌号,因此车辆一次出行的轨迹tr由一列二元组r=(c,t)序列按时间升序排列组成,其中c为摄像头编号,t为检测时间;根据所述步骤1)中建立的摄像头与出行点的对应关系,将二元组r=(c,t)中摄像头编号c代换为摄像头所属出行点的编号Φid;
(2)提取特征数据描述车辆一次出行的轨迹tr,包括车牌号vid、出发时间to、到达时间td、出行点对编号ODid、路径编号pid、路径匹配度ma;
(3)以所述轨迹tr中第一条和最后一条记录中出行点为出发点Oi和目的点Di,其所对应的出发点对的编号ODid;pid为出行点对ODid间所有路径中,与车辆轨迹匹配度ma的值最大的路径编号;ma为路径与轨迹中重合的出行点个数与轨迹中出行点个数之比,即当ma值最大的路径有多条,则选择轨迹长度与路径长度最接近的那条路径;
4)利用步骤2)、3)的数据生成导行方案,通过改变路径通行费用与通行时间,引导出行量最大路径的部分车辆选择其他路径通行;具体步骤为:
(a)提取一段时间内的车辆出行轨迹描述数据tr(vid,to,td,ODid,pid,ma),统计每对出行点对ODid的各条路径pid在这段时间内的出行量;
(b)选择所有出行点对的所有路径中,出行量最大的路径pid*作为导行对象;
(c)由步骤2)分析得知路径pid*时间价值λ的取值区间[λmin,λmax],设选择该路径的车主时间价值均匀分布在该取值区间中,通过增加λmin至λmin+Δ,将部分流量引导至在S2022路径排序中,与路径pid*相邻,但费用较低的路径中,或减少λmax至λmax-Δ,将部分流量引导至与路径pid*相邻,但费用较高的路径中;引流车辆数约为路径流量的其中0<Δ<λmax-λmin;
(e)当引流至费用较高的路径中,则将费用较高路径的通行费用减少(t1-t2)×Δ,其中t2为路径pid*的用时,t1为费用较高路径的用时;
(f)Δ的取值根据引流量确定,令引流后,引入流量路径的流量与引出流量路径的流量相等。
本实施例重点在于计算出行点对之间所有路径的时间价值,反映选择该路径车主在时间和费用之间的偏好。通过车牌自动识别数据(automatic number platerecognition data,简称ANPR)的信息提取城市车辆在各路径上的分布情况,也即车主在时间、费用偏好上的分布情况,据此设计车辆导行方案,包括通过降低候选路径通行费用,将对费用较敏感的车辆疏导至该路径,或者通过降低候选路径的通行时间,将对时间较敏感的车辆疏导至该路径,实现车辆导行的目的。
Claims (4)
1.一种基于路径时间价值的ANPR车辆导行方案生成方法,其特征在于,包括如下步骤:
1)建立城市出行标准出行点信息;
2)利用步骤1)的城市出行标准出行点信息建立城市标准出行OD点对间路径表;
3)利用步骤1)和步骤2)数据,描述车辆一次出行轨迹;
4)利用步骤2)、3)的数据生成导行方案,通过改变路径通行费用与通行时间,引导出行量最大路径的部分车辆选择其他路径通行;
所述的步骤1)具体为:
(1)建立集合Φ=Φ1∩Φ2,其中Φ1为处于路口检测摄像头的聚合点集,Φ2为处于路段检测摄像头的聚合点集;所述路口检测摄像头聚合为一个聚合点的规则是:处于同一交叉路口的摄像头聚合为一个聚合点,其坐标为路口坐标;所述路段检测摄像头聚合为一个聚合点的规则是:距离交叉路口大于L1米,处于同一路段,且两两间距小于L2的摄像头聚合为一个聚合点,其坐标为该点聚合的所有摄像头坐标的聚类中心;
(2)将步骤(1)中集合Φ中每个聚合点视为城市标准出行点,每个所述标准出行点用矢量(Φid,Longitude,Latitude,type)描述,分别对应该出行点的编号、经度、纬度、类型,其中路口出行点类型为1,路段出行点类型为2;
(3)将步骤(2)得到的城市标准出行点两两组合成出行二元组对集合,有OD={ODi=(Oi,Di)|Oi∈Φ,Di∈Φ,Oi≠Di,i=1,2,3,...,|Φ|},集合中每个元素用矢量(ODid,Oi,Di,dis,dir)描述,分别对应出行对编号、起点出行点编号、终点出行点编号、起终点之间的直线距离、以及起点到终点的方向角。
2.如权利要求1所述的基于路径时间价值的ANPR车辆导行方案生成方法,其特征在于,所述的步骤2)具体为:
(a)对于每个城市标准出行点对ODid,在路网中遍历其间所有可行路径,组成路径集合Path={pathj,j=1,2,...,m},pathj是ODid之间所有m条可行路径中的一条,每条路径轨迹由途经出行点序列描述;对每条可行路径pathj,其路径编号为pid、计算路径长度len、用时time、花费cost,其中路径花费cost为通行收费和消耗燃油费用之和,用时time为路段平均行驶时间与路口平均延误时间之和;
(b)建立费用函数f(λ)=time×λ+cost,其中λ为时间价值参数,也即车主的时间价值;定义路径pathj的时间价值λj为令该路径费用fj(λ)=pathj.time×λ+pathj.cost在ODid间所有路径中最小的值,也即当λ=λj时,fj(λ)≤fl(λ),l=1,2,3,...,m;每条路径时间价值计算方法如下:
首先将ODid间所有路径的花费pathj.c,升序排列,ODid间所有路径的用时pathj.t降序排列,j=1,2,3,...,m,从序列中剔除在花费序列中位次数小于在用时序列位次数的路径;
然后确定每条路径时间价值的取值区间;被剔除路径的时间价值λ的取值区间为(-∞,0],而剩余k条路径中的第l条路径的时间价值λl取值区间赋予规则如下:
3.如权利要求1所述的基于路径时间价值的ANPR车辆导行方案生成方法,其特征在于,所述的步骤3)具体为:
(1)ANPR数据记录车辆经过检测点的时间和车牌号,因此车辆一次出行的轨迹tr由一列二元组r=(c,t)序列按时间升序排列组成,其中c为摄像头编号,t为检测时间;根据所述步骤1)中建立的摄像头与出行点的对应关系,将二元组r=(c,t)中摄像头编号c代换为摄像头所属出行点的编号Φid;
(2)提取特征数据描述车辆一次出行的轨迹tr,包括车牌号vid、出发时间to、到达时间td、出行点对编号ODid、路径编号pid、车辆轨迹匹配度ma;
4.如权利要求1所述的基于路径时间价值的ANPR车辆导行方案生成方法,其特征在于,所述的步骤4)具体为:
(a)提取一段时间内的车辆出行轨迹描述数据tr(vid,to,td,ODid,pid,ma),统计每对出行点对ODid的各条路径pid在这段时间内的出行量;其中各量为车牌号vid、出发时间to、到达时间td、出行点对编号ODid、路径编号pid、车辆轨迹匹配度ma;
(b)选择所有出行点对的所有路径中,出行量最大的路径pid*作为导行对象;
(c)由步骤2)分析得知路径pid*时间价值λ的取值区间[λmin,λmax],设选择该路径的车主时间价值均匀分布在该取值区间中,通过增加λmin至λmin+Δ,将部分流量引导至在步骤2)中(b)的路径排序中,与路径pid*相邻,但费用较低的路径中,或减少λmax至λmax-Δ,将部分流量引导至与路径pid*相邻,但费用较高的路径中;引流车辆数约为路径流量的其中0<Δ<λmax-λmin;
(e)当引流至费用较高的路径中,则将费用较高路径的通行费用减少(t1-t2)×Δ,其中t2为路径pid*的用时,t1为费用较高路径的用时;
(f)Δ的取值根据引流量确定,令引流后,引入流量路径的流量与引出流量路径的流量相等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910402476.0A CN110220526B (zh) | 2019-05-15 | 2019-05-15 | 基于路径时间价值的anpr车辆导行方案生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910402476.0A CN110220526B (zh) | 2019-05-15 | 2019-05-15 | 基于路径时间价值的anpr车辆导行方案生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110220526A CN110220526A (zh) | 2019-09-10 |
CN110220526B true CN110220526B (zh) | 2023-07-04 |
Family
ID=67821087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910402476.0A Active CN110220526B (zh) | 2019-05-15 | 2019-05-15 | 基于路径时间价值的anpr车辆导行方案生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110220526B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115631544B (zh) * | 2022-12-14 | 2023-02-28 | 高德软件有限公司 | 一种高速公路差异化收费的确定方法、装置及计算机设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777260A (zh) * | 2010-01-22 | 2010-07-14 | 天津市市政工程设计研究院 | 预约集港模式下的港区交通流预测方法 |
CN102542793A (zh) * | 2012-01-11 | 2012-07-04 | 东南大学 | 一种交叉口群过饱和交通态势主动控制方法 |
CN104778274A (zh) * | 2015-04-23 | 2015-07-15 | 山东大学 | 基于稀疏出租车gps数据的大范围城市路网旅行时间估计方法 |
CN104933136A (zh) * | 2015-06-15 | 2015-09-23 | 北方工业大学 | 基于海量车牌自动识别数据的动态拼车方法和系统 |
CN105185103A (zh) * | 2015-10-10 | 2015-12-23 | 上海市政工程设计研究总院(集团)有限公司 | 一种路段行程时间的管理控制方法 |
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN106097712A (zh) * | 2016-06-29 | 2016-11-09 | 肖锐 | 一种交通流优化引导系统 |
CN107146416A (zh) * | 2017-07-18 | 2017-09-08 | 陈剑桃 | 一种智能交通管理系统 |
CN107146446A (zh) * | 2017-07-10 | 2017-09-08 | 中南大学 | 一种基于rfid数据和动态车源的路径诱导方法 |
CN109003446A (zh) * | 2018-07-12 | 2018-12-14 | 重庆市城投金卡信息产业股份有限公司 | 一种基于rfid数据的城市错峰通行效果分析方法 |
CN109064754A (zh) * | 2018-10-10 | 2018-12-21 | 南京宁昱通交通科技有限公司 | 一种高速公路入口分流及流量协同控制技术 |
-
2019
- 2019-05-15 CN CN201910402476.0A patent/CN110220526B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777260A (zh) * | 2010-01-22 | 2010-07-14 | 天津市市政工程设计研究院 | 预约集港模式下的港区交通流预测方法 |
CN102542793A (zh) * | 2012-01-11 | 2012-07-04 | 东南大学 | 一种交叉口群过饱和交通态势主动控制方法 |
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN104778274A (zh) * | 2015-04-23 | 2015-07-15 | 山东大学 | 基于稀疏出租车gps数据的大范围城市路网旅行时间估计方法 |
CN104933136A (zh) * | 2015-06-15 | 2015-09-23 | 北方工业大学 | 基于海量车牌自动识别数据的动态拼车方法和系统 |
CN105185103A (zh) * | 2015-10-10 | 2015-12-23 | 上海市政工程设计研究总院(集团)有限公司 | 一种路段行程时间的管理控制方法 |
CN106097712A (zh) * | 2016-06-29 | 2016-11-09 | 肖锐 | 一种交通流优化引导系统 |
CN107146446A (zh) * | 2017-07-10 | 2017-09-08 | 中南大学 | 一种基于rfid数据和动态车源的路径诱导方法 |
CN107146416A (zh) * | 2017-07-18 | 2017-09-08 | 陈剑桃 | 一种智能交通管理系统 |
CN109003446A (zh) * | 2018-07-12 | 2018-12-14 | 重庆市城投金卡信息产业股份有限公司 | 一种基于rfid数据的城市错峰通行效果分析方法 |
CN109064754A (zh) * | 2018-10-10 | 2018-12-21 | 南京宁昱通交通科技有限公司 | 一种高速公路入口分流及流量协同控制技术 |
Non-Patent Citations (2)
Title |
---|
A Novel Method of Trip Route Estimation based on Vehicle License Plate Recognition System;Hong Chen等;《Procedia - Social and Behavioral Sciences》;20131106;第96卷;第643-652页 * |
基于车牌数据的OD矩阵获取及动态交通分配仿真研究;梅冬晨;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180415(第4期);第C034-692页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110220526A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107958302B (zh) | 基于虚拟拓扑交通网络的经验路径规划方法 | |
CN112543427B (zh) | 基于信令轨迹及大数据分析识别城市交通走廊的方法与系统 | |
CN103325245B (zh) | 一种黑名单车辆的时空行驶轨迹预测方法 | |
CN108596202B (zh) | 基于移动终端gps定位数据计算个人通勤时间的方法 | |
CN112820108B (zh) | 一种自学习的路网交通状态分析及预测方法 | |
CN111341095B (zh) | 一种基于边缘侧在线计算的交通信号控制系统及方法 | |
Shi et al. | A survey of hybrid deep learning methods for traffic flow prediction | |
CN111815948B (zh) | 基于工况特征的车辆行驶工况预测方法 | |
Tang et al. | A mixed path size logit-based taxi customer-search model considering spatio-temporal factors in route choice | |
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 | |
CN113516854B (zh) | 一种基于卡警、视频检测器的多路口协调自适应控制方法 | |
CN105551239A (zh) | 旅行时间预测方法及装置 | |
CN110220526B (zh) | 基于路径时间价值的anpr车辆导行方案生成方法 | |
CN111192457A (zh) | 一种城市级整体的交通信号控制的方法及装置 | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 | |
Nie et al. | Crowd-parking: A new idea of parking guidance based on crowdsourcing of parking location information from automobiles | |
CN106504545B (zh) | 一种城市主干道的路段交通掉头控制方法 | |
CN110610118A (zh) | 交通参数采集方法及装置 | |
CN110197583A (zh) | 一种道路路况的识别方法、装置及存储介质 | |
Zhang et al. | Real-time travel time estimation with sparse reliable surveillance information | |
CN108269411A (zh) | 一种高速公路etc车流量预测方法 | |
CN110264725A (zh) | 路段流量的确定方法及装置 | |
Ke et al. | Traffic Origin-Destination Flow-Inspired Dynamic Urban Arterial Partition for Coordinated Signal Control Using Automatic License Plate Recognition Data | |
CN110428612A (zh) | 车辆管控方法、装置、计算机设备和存储介质 | |
Ou et al. | Big-data-based analysis on the relationship between taxi travelling patterns and taxi drivers' incomes |
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 |