CN110738861B - 基于微波雷达检测的实时动态智能交通自适应方法 - Google Patents

基于微波雷达检测的实时动态智能交通自适应方法 Download PDF

Info

Publication number
CN110738861B
CN110738861B CN201910983487.2A CN201910983487A CN110738861B CN 110738861 B CN110738861 B CN 110738861B CN 201910983487 A CN201910983487 A CN 201910983487A CN 110738861 B CN110738861 B CN 110738861B
Authority
CN
China
Prior art keywords
dynamic
release
vehicle
intersection
real
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
CN201910983487.2A
Other languages
English (en)
Other versions
CN110738861A (zh
Inventor
徐甜甜
仲从建
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.)
Jiangsu Aerospace Dawei Technology Co Ltd
Original Assignee
Jiangsu Aerospace Dawei Technology 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 Jiangsu Aerospace Dawei Technology Co Ltd filed Critical Jiangsu Aerospace Dawei Technology Co Ltd
Priority to CN201910983487.2A priority Critical patent/CN110738861B/zh
Publication of CN110738861A publication Critical patent/CN110738861A/zh
Application granted granted Critical
Publication of CN110738861B publication Critical patent/CN110738861B/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
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic 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

Abstract

本发明涉及一种基于微波雷达检测的实时动态智能交通自适应方法，其包括如下步骤：步骤1、进行路口动向与放行模式的定义；步骤2、根据所述路口的实时动态信息执行静态放行；步骤3、根据所述路口的实时动态信息以及路口的静态放行结果执行动态淘汰放行；步骤4、在执行动态淘汰放行结束后，未检测到路口停止放行命令时，跳转至步骤2，否则，跳转至步骤5；步骤5、关闭路口放行。本发明能灵活应对路口车流量的动态变化，进行路口车道结构判别、路口动向和放行模式的设定，及时给出与路口车流匹配的放行方案，提高绿灯利用率，减少车辆等待时长，实现交通控制的全局优化。

Description

基于微波雷达检测的实时动态智能交通自适应方法
技术领域
本发明涉及一种方法，尤其是一种基于微波雷达检测的实时动态智能交通自适应方法，属于智能交通的技术领域。
背景技术
现有的车流量探测技术会由于外界环境影响、维修成本、数据精度等缺陷而面临淘汰。新兴技术的进步给智能信号系统带来了前期准备的优势，伴随着智能化研究的不断深入，对车流数据要求越来越精密，对检测系统的实时性、准确性、高效性也提出了更高的要求。其中微波雷达技术的应用已经逐渐走进研究者的视野，而如何将获取的信息得到广泛运用，实现多目标雷达算法研发和交通流的自适应控制已经迫在眉睫。
交通智能控制系统是我国现阶段发展的重点，而交通模式判别并加以应用处理是未来发展的大势所趋，交通信息采集、交通模式判别、交通控制选择具有一定的创新意义，通过与信号控制机的互联互通，实现对动态车流的有效控制，促进道路交通安全、有效的运行。
发明内容
本发明的目的是克服现有技术中存在的不足，提供一种基于微波雷达检测的实时动态智能交通自适应方法，其能灵活应对路口车流量的动态变化，进行路口车道结构判别、路口动向和放行模式的设定，及时给出与路口车流匹配的放行方案，提高绿灯利用率，减少车辆等待时长，实现交通控制的全局优化。
按照本发明提供的技术方案，一种基于微波雷达检测的实时动态智能交通自适应方法，所述交通自适应方法包括如下步骤：
步骤1、进行路口动向与放行模式的定义，其中，路口放行以两个周期为一个循环；
步骤2、在第一个周期内，通过微波雷达检测路口的实时动态信息，并根据所述路口的实时动态信息执行静态放行；
步骤3、在第二个周期内，通过微波雷达检测路口的实时动态信息，并根据所述路口的实时动态信息以及路口的静态放行结果执行动态淘汰放行；
步骤4、在执行动态淘汰放行结束后，未检测到路口停止放行命令时，跳转至步骤2，否则，跳转至步骤5；
步骤5、关闭路口放行。
所述路口动向与放行模式包括南北直行、南北左转、南左转直行同放、北左转直行同放、南北直行左转同放、东西直行、东西左转、东直行左转同放、西直行左转同放以及东西直行左转同放。
通过微波雷达检测得到路口的实时动态信息包括各动向车道号M、渠化长度Z、渠化长度内实时动态车间距L、车辆总长度P、车流量A、渠化长度内末车车尾距离末端动态距离C，统计当前相位车辆放行时间t。
步骤2中，执行静态方向的具体过程包括如下步骤：
步骤2.1、以东西直行为开始放行模式；
步骤2.2、东西方向上在上个周期存在任意两个未放行动向且所述两个未放行的动向能组成放行模式时，则执行所述组成的放行模式，否则，跳转至步骤2.3；
步骤2.3、东西方向上在上个周期存在一个未放行的动向时，筛选出所述动向组成的所有放行模式，并跳转至步骤3。
所述步骤3中，执行动态淘汰放行的具体过程包括如下步骤：
步骤3.1、以南北方向的任一放行模式放行；
步骤3.2、统计当前相位车辆放行时间t，并将所述当前相位车辆放行时间t与最小绿时间Tmin、最大绿时间Tmax进行比较，以得到
Y＝(Tmin-t)*(Tmax-t)
当Y<0时，则跳转至步骤步骤3.3，当Y>0且t<Tmin时，则放行当前相位，当Y>0且t>Tmax时，则淘汰所述当前相位，进行下一动向选择；
步骤3.3、根据动向车道流量数据得到动态车道占有率Q、渠化长度内实时动态车间距L以及动态末车车尾距离渠化长度末端处的距离C，当动态车道占有率Q小于车道占有率Qmin、渠化长度内实时动态车间距L大于最大车间距Lmax或动态末车车尾距离渠化长度末端处的距离C大于末车车尾距离渠化末端间距Cmax时，则淘汰所述动向车道，判断所述动向的其余车道，并跳转至步骤3.4；
步骤3.4、当所述动向车道未完全淘汰时，则继续执行所述动向，否则，淘汰所述动向车道，并跳转至步骤3.5；
步骤3.5、当放行模式中存在淘汰的动向时，跳转至步骤3.6，否则，跳转至步骤3.7；
步骤3.6、当上个周期未执行所述动向匹配或达到允许放行条件时，立即执行所述放行模式，否则，跳转至步骤3.8；
步骤3.7、南北方向其中一个放行模式动向全部被淘汰，并跳转至步骤3.8；
步骤3.8、直接运行下一个放行模式。
所述步骤3.3中，动态车道占有率Q为：
Figure BDA0002235971030000021
hs＝1000/K
E(t)＝E(t0)+(QA(t)-QB(t))
其中，E(t)为渠化长度内某一时刻车辆数，P为平均车长，mi为第i辆车的长度(m)，hs为车头间距(m/辆)，K为车流密度(辆/Km)，渠化长度的开始起点A，渠化长度的末端为B，则在路段内初始车辆为E(t0)，t时刻内从A处驶入的车辆数为QA(t)，从B处驶出的车辆数为QB(t)。
本发明的优点：有效避免了信息采集不充分、不及时的缺点，以及数据信息利用率不高、单目标跟踪、放行方式程序化等局限性。在充分考虑道路交叉口动态车流信息的基础上，发挥智能交通自适应放行方法的优势，有效进行路口车道结构判别、路口动向和放行模式的设定、车流实时淘汰放行原则等。保障车道通行顺畅、提高智能信号控制灯的利用率、减少车辆等待时长。应对实时变化的车流状态给出及时准确的放行方案，将探测技术信息采集、自适应放行方法、智能信号系统等高效匹配结合。
附图说明
图1为本发明的流程图。
图2为本发明静态放行的流程图。
图3为本发明动态淘汰放行的流程图。
图4为本发明时间和累计交通流量的关系图。
图5为本发明动态车道占有率与时间的关系图。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
如图1所示：为了能灵活应对路口车流量的动态变化，进行路口车道结构判别、路口动向和放行模式的设定，及时给出与路口车流匹配的放行方案，提高绿灯利用率，减少车辆等待时长，实现交通控制的全局优化，本发明的交通自适应方法包括如下步骤：
步骤1、进行路口动向与放行模式的定义，其中，路口放行以两个周期为一个循环；
具体地，进行路口的车流量控制一般包括安装于路口的交通信号灯、用于控制所述交通信号灯工作状态的信号机以及与所述信号机连接的服务器，通过信号机与服务器配合，或者直接在每个信号机内进行所需的路口动向与放行模式的定义。本发明实施例中，信号机还与设置在路口的微波雷达连接，通过微波雷达能获取所在路口的实时动态信息。
具体实施时，周期定义：例如先放行南北方向的几大相位，再放行东西方向的相位。东西方向的动向放行结束后则是一个周期。或者说是当再次放行南北方向相位之前则是一个周期。两个周期为一个循环是指连续两个周期进行比较。即每个放行周期都要与前一个周期进行参照，然后在决定放行。
所述路口动向与放行模式包括南北直行、南北左转、南左转直行同放、北左转直行同放、南北直行左转同放、东西直行、东西左转、东直行左转同放、西直行左转同放以及东西直行左转同放。本发明实施例中，根据每个路口的不同，选择与上述适配的路口动向与放行，具体为本技术领域人员所熟知，此处不再赘述。
步骤2、在第一个周期内，通过微波雷达检测路口的实时动态信息，并根据所述路口的实时动态信息执行静态放行；
本发明实施例中，通过微波雷达检测得到路口的实时动态信息包括各动向车道号M、渠化长度Z、渠化长度内实时动态车间距L、车辆总长度P、车流量A、渠化长度内末车车尾距离末端动态距离C，统计当前相位车辆放行时间t。
如图2所示，执行静态方向的具体过程包括如下步骤：
步骤2.1、以东西直行为开始放行模式；
步骤2.2、东西方向上在上个周期存在任意两个未放行动向且所述两个未放行的动向能组成放行模式时，则执行所述组成的放行模式，否则，跳转至步骤2.3；
步骤2.3、东西方向上在上个周期存在一个未放行的动向时，筛选出所述动向组成的所有放行模式，并跳转至步骤3。
综上，若东西方向上存在任意两个未放行动向，且能组合成放行模式，则放行该模式。若东西方向上存在一个未放行动向，筛选出匹配动向的组成模式，根据雷达监测的动向淘汰规则来确定下一个放行模式。如果存在多个匹配动向，则比较车辆数的大小来进行智能选择。若东西方向的动向全部放行过，由动向淘汰规则智能选择下一个放行模式。另外，放行规则规定同一周期内未放行相位，则下一周期必须优先放行。所述动向淘汰规则，即步骤3中动态淘汰放行过程。
步骤3、在第二个周期内，通过微波雷达检测路口的实时动态信息，并根据所述路口的实时动态信息以及路口的静态放行结果执行动态淘汰放行；
如图3所示，执行动态淘汰放行的具体过程包括如下步骤：
步骤3.1、以南北方向的任一放行模式放行；
步骤3.2、统计当前相位车辆放行时间t，并将所述当前相位车辆放行时间t与最小绿时间Tmin、最大绿时间Tmax进行比较，以得到
Y＝(Tmin-t)*(Tmax-t)
当Y<0时，则跳转至步骤步骤3.3，当Y>0且t<Tmin时，则放行当前相位，当Y>0且t>Tmax时，则淘汰所述当前相位，进行下一动向选择；
动向即是8大动向：南直行，南左转、北直行、北左转、东直行、东左转、西直行、西左转。相位定义：当前放行模式，例如是南北直行动向搭配放行则表示一个相位。南左转和北左转一起放行也是一个相位。相位即是放行模式。最大绿和最小绿时间：初始最大绿和最小绿是根据路口车流的排队情况，来给放行时间的一个变化范围，分别扩大一定的百分比，也缩短一定的百分比。扩大或缩短的值即为最大绿和最小绿，最大绿Tmax、最小绿Tmin的具体设定为本技术领域人员所熟知，此处不再赘述。
步骤3.3、根据动向车道流量数据得到动态车道占有率Q、渠化长度内实时动态车间距L以及动态末车车尾距离渠化长度末端处的距离C，当动态车道占有率Q小于车道占有率Qmin、渠化长度内实时动态车间距L大于最大车间距Lmax或动态末车车尾距离渠化长度末端处的距离C大于末车车尾距离渠化末端间距Cmax时，则淘汰所述动向车道，判断所述动向的其余车道，并跳转至步骤3.4；
本发明实施例中，所述步骤3.3中，动态车道占有率Q为：
Figure BDA0002235971030000051
hs＝1000/K
E(t)＝E(t0)+(QA(t)-QB(t))
其中，E(t)为渠化长度内某一时刻车辆数，P为平均车长，mi为第i辆车的长度(m)，hs为车头间距(m/辆)，K为车流密度(辆/Km)，渠化长度的开始起点A，渠化长度的末端为B，则在路段内初始车辆为E(t0)，t时刻内从A处驶入的车辆数为QA(t)，从B处驶出的车辆数为QB(t)。
如图4所示，为时间和累计交通流量的关系。车道占有率反映在一条车道上车辆的密集程度，即在某一瞬间渠化长度内所有车辆占用的长度占已知路段长度的百分比。如图5所示，在某一时刻的车道占有率与静态参数车道占有率最小值之间的关系图示。
综上，在(0,L渠化长度]范围内，检测该车道上某个时刻的渠化长度内实时动态车间距L、末车车尾距离渠化长度末端B点处的距离C、动态车道占有率Q，三个有效参数构成该车道的淘汰条件。计算公式如下所示：
Figure BDA0002235971030000052
其中，指数部分[X]表示数值取整，判断Z的取值范围，当Z>0时，则淘汰该车道；当Z<0时，继续执行该相位。
步骤3.4、当所述动向车道未完全淘汰时，则继续执行所述动向，否则，淘汰所述动向车道，并跳转至步骤3.5；
根据单车道淘汰规则的实现，同时运算已知动向上所有车道的放行情况，从而对是否淘汰该动向做出判断，引入符号函数搭建运算模型，计算公式如下：
Figure BDA0002235971030000061
其中，符号函数是分段函数，很好处理函数的区域划分。
Figure BDA0002235971030000062
Uj＝S1*S2*S3*.....*Si
其中Si是指第i(一个动向可能有好几个车道，i表示当前动向的第几个车道，i用来做淘汰动向判断。i的取值范围根据实际路口的情况来定的，有多少车道就是多少。)车道的判断标准，当该车道淘汰时，则Si＝2；否则Si＝0,；Uj表示第j大动向的淘汰准则，当Uj＝0时，则继续执行该动向的相位；当Uj≠0时，则终止执行该动向，进行选择下一动向的放行方案。
步骤3.5、当放行模式中存在淘汰的动向时，跳转至步骤3.6，否则，跳转至步骤3.7；
步骤3.6、当上个周期未执行所述动向匹配或达到允许放行条件时，立即执行所述放行模式，否则，跳转至步骤3.8；
步骤3.7、南北方向其中一个放行模式动向全部被淘汰，并跳转至步骤3.8；
步骤3.8、直接运行下一个放行模式。
步骤4、在执行动态淘汰放行结束后，未检测到路口停止放行命令时，跳转至步骤2，否则，跳转至步骤5；
步骤5、关闭路口放行。
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实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精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种基于微波雷达检测的实时动态智能交通自适应方法，其特征是，所述交通自适应方法包括如下步骤：
步骤1、进行路口动向与放行模式的定义，其中，路口放行以两个周期为一个循环；
步骤2、在第一个周期内，通过微波雷达检测路口的实时动态信息，并根据所述路口的实时动态信息执行静态放行；
步骤3、在第二个周期内，通过微波雷达检测路口的实时动态信息，并根据所述路口的实时动态信息以及路口的静态放行结果执行动态淘汰放行；
步骤4、在执行动态淘汰放行结束后，未检测到路口停止放行命令时，跳转至步骤2，否则，跳转至步骤5；
步骤5、关闭路口放行；
步骤2中，执行静态放行的具体过程包括如下步骤：
步骤2.1、以东西直行为开始放行模式；
步骤2.2、东西方向上在上个周期存在任意两个未放行动向且所述两个未放行的动向能组成放行模式时，则执行所述组成的放行模式，否则，跳转至步骤2.3；
步骤2.3、东西方向上在上个周期存在一个未放行的动向时，筛选出所述动向组成的所有放行模式，并跳转至步骤3；
所述步骤3中，执行动态淘汰放行的具体过程包括如下步骤：
步骤3.1、以南北方向的任一放行模式放行；
步骤3.2、统计当前单独动向的车辆放行时间t，并将所述当前单独动向的车辆放行时间t与最小绿时间Tmin、最大绿时间Tmax进行比较，以得到
Y＝(Tmin-t)*(Tmax-t)
当Y<0时，则跳转至步骤3.3，当Y>0且t<Tmin时，则放行当前相位，当Y>0且t>Tmax时，则淘汰所述当前单独动向，进行下一动向选择；
步骤3.3、根据动向车道流量数据得到动态车道占有率Q、渠化长度内实时动态车间距L以及动态末车车尾距离渠化长度末端处的距离C，当动态车道占有率Q小于车道占有率Qmin、渠化长度内实时动态车间距L大于最大车间距Lmax或动态末车车尾距离渠化长度末端处的距离C大于末车车尾距离渠化末端间距Cmax时，则淘汰所述动向车道，判断所述动向的其余车道，并跳转至步骤3.4；
步骤3.4、当所述动向车道未完全淘汰时，则继续执行所述动向，否则，淘汰所述动向，并跳转至步骤3.5；
步骤3.5、当放行模式中存在尚未淘汰的动向时，跳转至步骤3.6，否则，跳转至步骤3.7；
步骤3.6、当上个周期未执行所述动向匹配或达到允许放行条件时，立即执行所述放行模式，否则，跳转至步骤3.8；
步骤3.7、南北方向其中一个放行模式动向全部被淘汰，并跳转至步骤3.8；
步骤3.8、直接运行下一个放行模式。
2.根据权利要求1所述的基于微波雷达检测的实时动态智能交通自适应方法，其特征是：所述路口动向与放行模式包括南北直行、南北左转、南左转直行同放、北左转直行同放、南北直行左转同放、东西直行、东西左转、东直行左转同放、西直行左转同放以及东西直行左转同放。
3.根据权利要求1所述的基于微波雷达检测的实时动态智能交通自适应方法，其特征是：通过微波雷达检测得到路口的实时动态信息包括各动向车道号M、渠化长度Z、渠化长度内实时动态车间距L、车辆总长度PZ、车流量LA、渠化长度内末车车尾距离末端动态距离C，统计当前单独动向的车辆放行时间t。
4.根据权利要求1所述的基于微波雷达检测的实时动态智能交通自适应方法，其特征是，所述步骤3.3中，动态车道占有率Q为：
Figure FDA0002968813710000021
hs＝1000/K
E(t)＝E(t0)+(QA(t)-QB(t))
其中，E(t)为渠化长度内某一时刻车辆数，P为平均车长，mi为第i辆车的长度以m为单位，hs为车头间距以m/辆为单位，K为车流密度以辆/Km为单位，渠化长度的开始起点A，渠化长度的末端为B，则在路段内初始车辆为E(t0)，t时刻内从A处驶入的车辆数为QA(t)，从B处驶出的车辆数为QB(t)。
CN201910983487.2A 2019-10-16 2019-10-16 基于微波雷达检测的实时动态智能交通自适应方法 Active CN110738861B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910983487.2A CN110738861B (zh) 2019-10-16 2019-10-16 基于微波雷达检测的实时动态智能交通自适应方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910983487.2A CN110738861B (zh) 2019-10-16 2019-10-16 基于微波雷达检测的实时动态智能交通自适应方法

Publications (2)

Publication Number Publication Date
CN110738861A CN110738861A (zh) 2020-01-31
CN110738861B true CN110738861B (zh) 2021-06-11

Family

ID=69270087

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910983487.2A Active CN110738861B (zh) 2019-10-16 2019-10-16 基于微波雷达检测的实时动态智能交通自适应方法

Country Status (1)

Country Link
CN (1) CN110738861B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112735153A (zh) * 2020-10-23 2021-04-30 南京理工大学 一种基于微波雷达智能交通自适应放行方法
CN113516854B (zh) * 2021-03-25 2022-07-08 江苏航天大为科技股份有限公司 一种基于卡警、视频检测器的多路口协调自适应控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101409016A (zh) * 2008-02-01 2009-04-15 浙江通衢数码科技有限公司 一种城市道路交通控制方法
CN104778845A (zh) * 2014-12-29 2015-07-15 河南科技学院 多相位跳变和车辆全动态诱导交通控制方法
CN108806288A (zh) * 2018-07-16 2018-11-13 北方工业大学 一种基于单视频的城市道路交叉口自适应控制方法和装置
CN109003444A (zh) * 2018-07-02 2018-12-14 北方工业大学 基于广域雷达微波检测器的城市交叉口溢流控制方法
CN109637160A (zh) * 2018-11-29 2019-04-16 中电海康集团有限公司 一种动态交通条件下的单点控制方法
WO2019130299A1 (en) * 2017-12-31 2019-07-04 Axilion Ltd. Method, device, and system of dynamic allocation of traffic resources
CN110097766A (zh) * 2019-06-03 2019-08-06 南昌金科交通科技股份有限公司 一种利用三坐标雷达检测优化交通控制系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101409016A (zh) * 2008-02-01 2009-04-15 浙江通衢数码科技有限公司 一种城市道路交通控制方法
CN104778845A (zh) * 2014-12-29 2015-07-15 河南科技学院 多相位跳变和车辆全动态诱导交通控制方法
WO2019130299A1 (en) * 2017-12-31 2019-07-04 Axilion Ltd. Method, device, and system of dynamic allocation of traffic resources
CN109003444A (zh) * 2018-07-02 2018-12-14 北方工业大学 基于广域雷达微波检测器的城市交叉口溢流控制方法
CN108806288A (zh) * 2018-07-16 2018-11-13 北方工业大学 一种基于单视频的城市道路交叉口自适应控制方法和装置
CN109637160A (zh) * 2018-11-29 2019-04-16 中电海康集团有限公司 一种动态交通条件下的单点控制方法
CN110097766A (zh) * 2019-06-03 2019-08-06 南昌金科交通科技股份有限公司 一种利用三坐标雷达检测优化交通控制系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
过饱和交叉口群自适应控制方法;刘俊杰等;《传感器与微系统》;20180430;第37卷(第4期);全文 *

Also Published As

Publication number Publication date
CN110738861A (zh) 2020-01-31

Similar Documents

Publication Publication Date Title
CN110738861B (zh) 基于微波雷达检测的实时动态智能交通自适应方法
CN109649441B (zh) 一种列车自动驾驶节能控制方法
CN105035090B (zh) 基于交通信号灯的自主驾驶车辆轨迹预测控制方法
CN108790938B (zh) 一种针对不同驾驶模式的电机转矩控制方法
WO2022142540A1 (zh) 基于智能网联信息的新能源汽车滑行控制系统、方法及新能源汽车
WO2020244624A1 (zh) 一种交叉口绿灯空放时间计算方法和装置
CN109941211B (zh) 一种汽车智能驾驶系统结构共用型架构及构建方法
WO2022036765A1 (zh) 一种微波雷达智能可变车道感知系统及方法
CN110415522B (zh) 一种基于多目标雷达的可变车道的控制方法及装置
CN108153246B (zh) 一种基于指定速度的参数自适应s形速度规划插补方法
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
CN113232652B (zh) 一种基于运动学模型的车辆巡航控制方法及系统
CN109229160A (zh) 应对恶劣天气的列车自动控制方法、装置及车载设备
CN115662131B (zh) 网联环境下道路事故路段的多车道协同换道方法
CN108693883A (zh) 一种车辆自动驾驶的高精度停车方法和系统
CN113223324B (zh) 高速匝道入口合流的控制方法
Chang Guidelines for actuated controllers in coordinated systems
CN105741585A (zh) 面向节油的基于车联网的车辆轨迹平滑控制方法
CN111028519B (zh) 一种基于视频流量检测器的自适应控制方法
KR100820436B1 (ko) 차간거리 제어시스템 및 그의 차간거리 제어방법
JP7120186B2 (ja) 車両制御システム
CN111243298A (zh) 自动驾驶环境下普通十字交叉口智能通行控制方法
CN115331459A (zh) 自动驾驶环境下t型交叉口让行控制方法
CN111968397B (zh) 自动驾驶行为判定方法
CN115416655A (zh) 车辆跟车距离的规划方法、装置、车辆及存储介质

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