CN110930698B - 一种5g车联网环境下前方道路透明化计算方法 - Google Patents
一种5g车联网环境下前方道路透明化计算方法 Download PDFInfo
- Publication number
- CN110930698B CN110930698B CN201911128861.7A CN201911128861A CN110930698B CN 110930698 B CN110930698 B CN 110930698B CN 201911128861 A CN201911128861 A CN 201911128861A CN 110930698 B CN110930698 B CN 110930698B
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- base station
- cell
- road
- 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
- 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
- G08G1/0125—Traffic data processing
-
- 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
- G06F16/23—Updating
-
- 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
Abstract
一种5G车联网环境下前方道路透明化计算方法,属于智慧交通、云计算、5G车联网技术领域。部署5G通讯环境,捕捉联网车辆通讯报文数据,并对海量数据进行结构化处理,实现位置、速度、路径特征参数提取,缩减数据体量,降低数据维度,并将结构化数据打包上传云平台,利用云平台服务器计算能力对结构化数据进行高效运算,并对计算结果进行实时校核,实现道路透明化的时效性和精度的要求。
Description
技术领域
本发明涉及一种5G车联网环境下前方道路透明化计算方法,属于智慧交通、云计算、5G车联网技术领域。
背景技术
当前城市交通日益复杂脆弱,提前预判道路拥堵情况,对交通进行精细化控制,从而进行有效的交通疏导,是充分利用道路资源,有效解决交通拥堵的必要手段。实现精细化控制的前提是当前所获数据及未来预测数据精度高、时效强,充分实现道路透明化。
目前道路状况的主要获取方式,无论是国家交管部门基于道路上的监测设备获取的历史数据预测,还是如百度、高德、滴滴等公司的通过交通大数据分析对拥堵指数和拥堵概率进行计算,都未考虑出行计划的因素。
随着5G通讯技术的不断发展,其在交通领域解决交通拥堵的应用价值日益凸显。5G环境下联网车辆的数据交换速度可达千分之一秒以下,可实现对每一联网车辆的实时位置、方向、速度、加速度全部传回路旁基站,并上传至云平台进行高速计算,可在实现对道路情况进行精确计算。为交通的精细化控制以及未来无人驾驶的实现提供条件。
云计算技术是一种核心数据存储于互联网,同时计算方式也来自于互联网的新型计算机技术,可以提供足够强大的计算能力,极大地提升了计算速度。在智慧交通诱导系统中,应用云计算技术,可以更方便的处理海量交通数据(特别是交通出行计划数据),更快速地进行数据分析,极大地减少了运算时间。
发明内容
为了克服现有技术的不足,本发明提供一种5G车联网环境下前方道路透明化计算方法。本发明的意图在于针对现有的交通流预测完全基于历史数据的颠覆式改进,对5G环境下的联网车辆实时通讯数据进行计算,提供一种基于实时车辆通讯报文数据及联网车辆公开的路径请求数据的未来交通路况计算方法。
一种5G车联网环境下前方道路透明化计算方法,含有以下步骤;
部署5G通讯环境,捕捉联网车辆通讯报文数据,并对海量数据进行结构化处理,实现位置、速度、路径等特征参数提取,缩减数据体量,降低数据维度,并将结构化数据打包上传云平台,利用云平台服务器强大的计算能力对结构化数据进行高效运算,并对计算结果进行实时校核,实现道路透明化的时效性和精度的要求。
包括:
步骤1、5G通讯功能的车载终端在统一联网环境下,互联互通形成闭锁数据链;
步骤2、闭锁数据链向基站服务器打包发送运行数据及公开前方路径请求;
步骤3、连接覆盖联网车辆的5G通讯基站;
步骤4、启动结构化处理运行数据及路径请求数据的代理服务器;
步骤5、启动统一数据标度的完备地理信息系统;
步骤6、部署在云平台上的中央数据库集群;
步骤7、启动路网信息动态计算系统;
步骤8、启动交通预测校验系统;
步骤9、计算结果信息发布器。
还含有以下步骤;
建立云服务器存储规则,分配存储空间;将道路网按照行驶方向分成很多小的路段,将这些小路段称作“元胞”;元胞内包含充足的样本,能够保证元胞内数据统计量的信度;
元胞依据基站编号及在各基站内的排序进行编码,根据地理信息系统确定元胞内最大交通量,并在云服务器上分配存储空间,搭建基站内数据链,基站范围内互通数据的链路,每辆车均能够向周围车辆数据链发布信息,实现联网车辆信息互联互通,共享出行方向所在位置信息,确保基站服务器收到的多源报文数据具有单一维度和时间特征。
还含有以下步骤;搭建基站内数据链,基站范围内互通数据的链路,每辆车均向周围车辆数据链发布信息,实现联网车辆信息互联互通,共享出行方向所在位置信息,确保基站服务器收到的多源报文数据具有单一维度和时间特征;
基站服务器对联网车辆发布的报文进行监听,将采样周期内收到的报文数据进行预处理,对隐私信息进行加密;将脱敏后的数据按照空间位置筛选结果存入各个元胞;各元胞并行计算,提取流量、密度、速度特征参数,并将提取到的特征参数打包上传云平台,按照对应元胞编号进行存储。
还含有以下步骤;在云计算平台上部署未来预测算法,算法包含边界状态提取和元胞演化两个子系统;其中边界状态提取子系统具体为根据元胞传递规则对每一基站内各个元胞的边界流量、密度、传递强度进行并行计算,并按照车辆守恒方程依次推演;其中ρt为某一时刻元胞内车辆密度,Δt为采样间隔,l为元胞长度,fin、fout为流入辆、流出量;最终提取边界流量、密度,并将结果存入预测数据库。
还含有以下步骤;元胞演化子系统根据状态提取子系统提取的数据进行交通流量推演;算法为ρt+1=A(v)ρt+B(fin-fout)ρt+∈(t),其中A(v)、B(fin-fout)分别为边界流量、边界密度影响系数,由多元函数回归得到,∈(t)为系统噪声,根据长期观测结果进行降噪。
还含有以下步骤;更新预测仓库用于将预测得到的各元胞流量、速度、密度交通特征参数覆盖原有元胞属性,实现并行计算和实时更新。
还含有以下步骤;单一车辆根据行车计划,构造前方元胞邻居拓扑关系,在更新数据库中筛选所需元胞特征,建立转移通路,根据各元胞的速度特征,逐级筛选精确至单一元胞,并根据行驶时间准确判断所在位置,能够实现未来时间下车辆位置的精确预测。
还含有以下步骤;计算校验系统利用最新生成的交通特征数据检验车辆预测系统的准确性,并根据实时数据进行更新,对A(v)、B(fin-fout)参数进行实时修正,使系统具备反馈机制,实现控制系统闭环,提高预测的精度及稳定性。
还含有以下步骤;信息发布服务器根据各部门所需数据要求,在中央数据库中预留查询接口,根据需要将数据打包封装,提供给其他数据请求服务器,包括交通诱导显示屏、移动端APP、车辆导航终端;通过更新数据库进行监听,方便计算结果数据的转化、存储、提取分析与可视化显示相应高并发操作,且保持实时更新;并实时推送给发布出行计划的出行者,以供出行者了解前方道路情况,便于更改出行计划,避让拥堵路段。
本发明的显著技术效果:
1、未来行驶车辆均接入5G网络,并实时与5G基站进行数据交换(5G技术的迅速发展是大势所趋,在未来5G技术必将与智慧交通深度结合,因此该条件很快就可以实现)。
2、基于所有联网车辆通过使用导航等方式发布出行计划(随着无人驾驶车辆的投入运营,发布出行计划,已成为联网车辆的基本要求)。在5G通讯环境下,充分利用出行信息进行高时效性、强关联性的预测,实现道路透明化。
附图说明
当结合附图考虑时,通过参照下面的详细描述,能够更完整更好地理解本发明以及容易得知其中许多伴随的优点,但此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定,如图其中:
图1为5G车联网环境下计算未来交通路况详细过程图。
图2为5G车联网环境下未来预测算法并行计算过程图。
下面结合附图和实施例对本发明进一步说明。
具体实施方式
显然,本领域技术人员基于本发明的宗旨所做的许多修改和变化属于本发明的保护范围。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当称元件、组件被“连接”到另一元件、组件时,它可以直接连接到其他元件或者组件,或者也可以存在中间元件或者组件。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与所属领域中的普通技术人员的一般理解相同的意义。
为便于对实施例的理解,下面将结合做进一步的解释说明,且各个实施例并不构成对本发明的限定。
实施例1:如图1、图2所示,一种5G车联网环境下前方道路透明化计算方法,包括智慧交通系统建设,与涉及大数据调度处理的云计算技术,以实现对道路网的精细化管理。
一种5G车联网环境下前方道路透明化计算方法,含有以下步骤;
步骤1、建立云服务器存储规则,分配存储空间。将道路网按照行驶方向分成很多小的路段,将这些小路段称作“元胞”,根据未来5G基站的通讯半径(250m),将元胞长度确定为50m,即各基站范围内被划分为10个元胞。元胞内包含充足的样本,可以保证元胞内数据统计量的信度。元胞依据基站编号及在各基站内的排序进行编码,如五号基站的第三个元胞编号为C53,根据地理信息系统确定元胞内最大交通量,并在云服务器上分配存储空间;
步骤2、搭建基站内数据链(基站范围内互通数据的链路),每辆车均可向周围车辆数据链发布信息,实现联网车辆信息互联互通,共享出行方向所在位置等信息,确保基站服务器收到的多源报文数据具有单一维度和时间特征。
步骤3、基站服务器对联网车辆发布的报文进行监听,将采样周期内收到的报文数据进行预处理,按照相关法律要求对隐私信息进行加密。将脱敏后的数据按照空间位置筛选结果存入各个元胞。各元胞并行计算,提取流量、密度、速度特征参数,并将提取到的特征参数打包上传云平台,按照对应元胞编号进行存储;
步骤4、在云计算平台上部署未来预测算法,该算法包含边界状态提取和元胞演化两个子系统。其中边界状态提取子系统具体为根据元胞传递规则对每一基站内各个元胞的边界流量、密度、传递强度进行并行计算,并按照车辆守恒方程依次推演。
其中ρt为某一时刻元胞内车辆密度,
Δt为采样间隔,
l为元胞长度,
fin、fout为流入辆、流出量。
最终提取Ci1、Ci10处的边界流量、密度,并将结果存入预测数据库;
步骤5、元胞演化子系统根据状态提取子系统提取的数据进行交通流量推演。其核心算法为ρt+1=A(v)ρt+B(fin-fout)ρt+∈(t),
其中A(v)为边界流量,B(fin-fout)为边界密度影响系数,可由多元函数回归得到,
∈(t)为系统噪声,可根据长期观测结果进行降噪;
步骤6、更新预测仓库用于将预测得到的各元胞流量、速度、密度等交通特征参数覆盖原有元胞属性,以实现并行计算和实时更新;
步骤7、单一车辆可根据行车计划,构造前方元胞邻居拓扑关系,在更新数据库中筛选所需元胞特征,建立转移通路,根据各元胞的速度特征,逐级筛选精确至单一元胞,并根据行驶时间准确判断所在位置,可以实现未来时间下车辆位置的精确预测;
步骤8、计算校验系统利用最新生成的交通特征数据检验车辆预测系统的准确性,并根据实时数据进行更新,对A(v)、B(fin-fout)等参数进行实时修正,使系统具备反馈机制,实现控制系统闭环,提高预测的精度及稳定性;
步骤9、信息发布服务器根据各部门所需数据要求,在中央数据库中预留查询接口,可根据需要将数据打包封装,提供给其他数据请求服务器,包括交通诱导显示屏、移动端APP、车辆导航终端等。也可通过更新数据库进行监听,方便计算结果数据的转化、存储、提取分析与可视化显示等相应高并发操作,且保持实时更新。并实时推送给发布出行计划的出行者,以供出行者了解前方道路情况,便于更改出行计划,避让拥堵路段。
实施例2:如图1、图2所示,一种5G车联网环境下前方道路透明化计算方法,5G车联网环境下计算未来交通路况,含有以下步骤;
联网车辆通过5G基站联入网络,在统一联网环境下,每辆车均可向周围车辆数据链发布信息,实现联网车辆信息互联互通,共享出行方向所在位置等信息。
基站服务器对联网车辆发布的报文进行监听,将采样周期内收到的报文数据进行预处理,按照相关法律要求对隐私信息进行加密。
将脱敏后的数据按照空间位置筛选结果存入各个元胞。各元胞并行计算,提取流量、密度、速度特征参数,并将提取到的特征参数打包上传云平台,根据地理信息系统确定元胞内最大交通量,并在云服务器上分配存储空间,按照对应元胞规则进行存储。
在云计算平台上部署未来预测算法,该算法包含边界状态提取和元胞演化两个子系统。
其中边界状态提取子系统具体为根据元胞传递规则对每一基站内各个元胞的边界流量、密度、传递强度进行并行计算,并按照车辆守恒方程依次推演最终提取边界流量、密度,并将结果存入预测数据库。
将预测得到的各元胞流量、速度、密度等交通特征参数覆盖原有元胞属性,存入预测数据库,以实现并行计算和实时更新。
计算校验系统利用最新生成的交通特征数据检验车辆预测系统的准确性,并根据实时数据对参数进行实时修正,使系统具备反馈机制,实现控制系统闭环,提高预测的精度及稳定性。
根据各部门所需数据要求,在中央数据库中预留查询接口,可根据需要将数据打包封装,提供给其他数据请求服务器,包括交通诱导显示屏、移动端APP、车辆导航终端等。
也可通过更新数据库进行监听,方便计算结果数据的转化、存储、提取分析与可视化显示等相应高并发操作,且保持实时更新。
并实时推送给发布出行计划的出行者,以供出行者了解前方道路情况,便于更改出行计划,避让拥堵路段。
5G车联网环境下未来预测算法并行计算过程,含有以下步骤;
将道路网按照行驶方向分成很多小的路段,将这些小路段称作“元胞”。
元胞依据基站编号及在各基站内的排序进行编码,根据地理信息系统确定元胞内最大交通量,并在云服务器上分配存储空间,搭建基站内数据链(基站范围内互通数据的链路),每辆车均可向周围车辆数据链发布信息,实现联网车辆信息互联互通,共享出行方向所在位置等信息,确保基站服务器收到的多源报文数据具有单一维度和时间特征。
基站服务器对联网车辆发布的报文进行监听,将采样周期内收到的报文数据进行预处理,按照相关法律要求对隐私信息进行加密。
将脱敏后的数据按照空间位置筛选结果存入各个元胞。各元胞并行计算,提取流量、密度、速度特征参数,并将提取到的特征参数打包上传云平台,按照对应元胞编号进行存储。
边界状态提取子系统根据元胞传递规则对每一基站内各个元胞的边界流量、密度、传递强度进行并行计算。
并行拟合各元胞间传递函数,存入云计算平台,进行下一步预测、校偏、发布。
如上所述,对本发明的实施例进行了详细地说明,但是只要实质上没有脱离本发明的发明点及效果可以有很多的变形,这对本领域的技术人员来说是显而易见的。因此,这样的变形例也全部包含在本发明的保护范围之内。
Claims (3)
1.一种5G车联网环境下前方道路透明化计算方法,其特征在于含有以下步骤;部署5G通讯环境,捕捉联网车辆通讯报文数据,并对海量数据进行结构化处理,实现位置、速度及路径特征参数提取,缩减数据体量,降低数据维度,并将结构化数据打包上传云平台,利用云平台服务器计算能力对结构化数据进行高效运算,并对计算结果进行实时校核,实现道路透明化的时效性和精度的要求;
还含有以下步骤:
步骤1、5G通讯功能的车载终端在统一联网环境下,互联互通形成闭锁数据链;
步骤2、闭锁数据链向基站服务器打包发送运行数据及公开前方路径请求;
步骤3、连接覆盖联网车辆的5G通讯基站;
步骤4、启动结构化处理运行数据及路径请求数据的代理服务器;
步骤5、启动统一数据标度的完备地理信息系统;
步骤6、部署在云平台上的中央数据库集群;
步骤7、启动路网信息动态计算系统;
步骤8、启动交通预测校验系统;
步骤9、计算结果信息发布器;
还含有以下步骤;
建立云服务器存储规则,分配存储空间;将道路网按照行驶方向分成很多小的路段,将这些小路段称作“元胞”;元胞内包含充足的样本,能够保证元胞内数据统计量的信度;
元胞依据基站编号及在各基站内的排序进行编码,根据地理信息系统确定元胞内最大交通量,并在云服务器上分配存储空间,搭建基站内数据链,基站范围内互通数据的链路,每辆车均能够向周围车辆数据链发布信息,实现联网车辆信息互联互通,共享出行方向所在位置信息,确保基站服务器收到的多源报文数据具有单一维度和时间特征;
还含有以下步骤;搭建基站内数据链,基站范围内互通数据的链路,每辆车均向周围车辆数据链发布信息,实现联网车辆信息互联互通,共享出行方向所在位置信息,确保基站服务器收到的多源报文数据具有单一维度和时间特征;
基站服务器对联网车辆发布的报文进行监听,将采样周期内收到的报文数据进行预处理,对隐私信息进行加密;将脱敏后的数据按照空间位置筛选结果存入各个元胞;各元胞并行计算,提取流量、密度及速度特征参数,并将提取到的特征参数打包上传云平台,按照对应元胞编号进行存储;
还含有以下步骤;在云计算平台上部署未来预测算法,算法包含边界状态提取和元胞演化两个子系统;其中边界状态提取子系统具体为根据元胞传递规则对每一基站内各个元胞的边界流量、密度及传递强度进行并行计算,并按照车辆守恒方程依次推演;其中ρt为某一时刻元胞内车辆密度,Δt为采样间隔,l为元胞长度,fin、fout为流入辆、流出量;最终提取边界流量及密度,并将结果存入预测数据库;
还含有以下步骤;元胞演化子系统根据状态提取子系统提取的数据进行交通流量推演;更新预测仓库用于将预测得到的各元胞流量、速度及密度交通特征参数覆盖原有元胞属性,实现并行计算和实时更新;
还含有以下步骤;单一车辆根据行车计划,构造前方元胞邻居拓扑关系,在更新数据库中筛选所需元胞特征,建立转移通路,根据各元胞的速度特征,逐级筛选精确至单一元胞,并根据行驶时间准确判断所在位置,能够实现未来时间下车辆位置的精确预测。
2.根据权利要求1所述的一种5G车联网环境下前方道路透明化计算方法,其特征在于还含有以下步骤;计算校验系统利用最新生成的交通特征数据检验车辆预测系统的准确性,并根据实时数据进行更新,对A(v)、B(fin-fout)参数进行实时修正,使系统具备反馈机制,实现控制系统闭环,提高预测的精度及稳定性。
3.根据权利要求1所述的一种5G车联网环境下前方道路透明化计算方法,其特征在于还含有以下步骤;信息发布服务器根据各部门所需数据要求,在中央数据库中预留查询接口,根据需要将数据打包封装,提供给其他数据请求服务器,包括交通诱导显示屏、移动端APP及车辆导航终端;通过更新数据库进行监听,方便计算结果数据的转化、存储及提取分析与可视化显示相应高并发操作,且保持实时更新;并实时推送给发布出行计划的出行者,以供出行者了解前方道路情况,便于更改出行计划,避让拥堵路段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911128861.7A CN110930698B (zh) | 2019-11-18 | 2019-11-18 | 一种5g车联网环境下前方道路透明化计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911128861.7A CN110930698B (zh) | 2019-11-18 | 2019-11-18 | 一种5g车联网环境下前方道路透明化计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110930698A CN110930698A (zh) | 2020-03-27 |
CN110930698B true CN110930698B (zh) | 2021-05-04 |
Family
ID=69854163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911128861.7A Active CN110930698B (zh) | 2019-11-18 | 2019-11-18 | 一种5g车联网环境下前方道路透明化计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110930698B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001001367A1 (en) * | 1999-06-25 | 2001-01-04 | Artery Solutions Limited | Traffic monitoring method |
CN102819954A (zh) * | 2012-08-28 | 2012-12-12 | 南京大学 | 交通区域动态地图监控预测系统 |
CN104732279A (zh) * | 2015-03-25 | 2015-06-24 | 武汉大学 | 基于地理信息系统的改进元胞自动机交通流模拟分析方法 |
CN107846468A (zh) * | 2017-11-16 | 2018-03-27 | 北京卫星信息工程研究所 | 基于云计算技术的车联网应用系统及其控制方法 |
CN108364494A (zh) * | 2018-02-26 | 2018-08-03 | 郑清辉 | 道路交通智能管理方法、系统及平台 |
CN108680178A (zh) * | 2018-02-22 | 2018-10-19 | 北京交通大学 | 基于定位信息与路径数据分享的未来交通规划系统和方法 |
CN109000668A (zh) * | 2018-05-25 | 2018-12-14 | 上海汽车集团股份有限公司 | 基于车联网的实时智能导航方法 |
CN109993968A (zh) * | 2019-02-26 | 2019-07-09 | 北京工业大学 | 基于车联网的交通控制系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10692370B2 (en) * | 2014-03-03 | 2020-06-23 | Inrix, Inc. | Traffic obstruction detection |
CN103826203B (zh) * | 2014-03-10 | 2017-10-27 | 北京百度网讯科技有限公司 | 公交运行预测方法和装置 |
CN104464280B (zh) * | 2014-09-05 | 2017-05-03 | 广州市香港科大霍英东研究院 | 车辆行进开销的预测方法及系统 |
CN107180533A (zh) * | 2017-06-22 | 2017-09-19 | 北京中交华安科技有限公司 | 道路预警方法和装置 |
-
2019
- 2019-11-18 CN CN201911128861.7A patent/CN110930698B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001001367A1 (en) * | 1999-06-25 | 2001-01-04 | Artery Solutions Limited | Traffic monitoring method |
CN102819954A (zh) * | 2012-08-28 | 2012-12-12 | 南京大学 | 交通区域动态地图监控预测系统 |
CN104732279A (zh) * | 2015-03-25 | 2015-06-24 | 武汉大学 | 基于地理信息系统的改进元胞自动机交通流模拟分析方法 |
CN107846468A (zh) * | 2017-11-16 | 2018-03-27 | 北京卫星信息工程研究所 | 基于云计算技术的车联网应用系统及其控制方法 |
CN108680178A (zh) * | 2018-02-22 | 2018-10-19 | 北京交通大学 | 基于定位信息与路径数据分享的未来交通规划系统和方法 |
CN108364494A (zh) * | 2018-02-26 | 2018-08-03 | 郑清辉 | 道路交通智能管理方法、系统及平台 |
CN109000668A (zh) * | 2018-05-25 | 2018-12-14 | 上海汽车集团股份有限公司 | 基于车联网的实时智能导航方法 |
CN109993968A (zh) * | 2019-02-26 | 2019-07-09 | 北京工业大学 | 基于车联网的交通控制系统 |
Non-Patent Citations (2)
Title |
---|
Traffic regulation via individually controlled automated vehicles: a cell transmission model approach;Cicic, M;《IEEE International Conference on Intelligent Transportation Systems-ITSC》;20181210;全文 * |
城市快速路实时交通状态估计方法研究;马勇;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20150315;说明书第7页倒数第2段,第35页第1段-37页倒数第3段 * |
Also Published As
Publication number | Publication date |
---|---|
CN110930698A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | A new framework of intelligent public transportation system based on the internet of things | |
Karami et al. | Smart transportation planning: Data, models, and algorithms | |
CN112700639B (zh) | 一种基于联邦学习与数字孪生的智能交通路径规划方法 | |
CN110741665A (zh) | 对无人飞行器的三维网络覆盖建模 | |
Schmitt et al. | Vehicle route guidance systems: Classification and comparison | |
CN111768030B (zh) | 银行运输配送线路规划方法和装置、设备以及介质 | |
CN103287359A (zh) | 一种纯电动汽车能耗检测方法 | |
Billah et al. | A systematic literature review on blockchain enabled federated learning framework for internet of vehicles | |
CN111815946A (zh) | 一种异常路段的确定方法、装置、存储介质和电子设备 | |
Kamble et al. | On road intelligent vehicle path predication and clustering using machine learning approach | |
Shen et al. | An Innovative Data Integrity Verification Scheme in the Internet of Things assisted information exchange in transportation systems | |
US20230292216A1 (en) | Data-aware routing method and system for ad hoc wireless vehicular network, storage medium and device | |
CN107395757B (zh) | 基于acp方法和社会物理信息系统的平行车联网系统 | |
Manipriya et al. | A collaborative framework for traffic information in vehicular adhoc network applications | |
Buinevich et al. | Combine method of forecasting VANET cybersecurity for application of high priority way | |
CN110930698B (zh) | 一种5g车联网环境下前方道路透明化计算方法 | |
Tao et al. | Vehicular data cloud platform with 5G support: Architecture, services, and challenges | |
CN113971885A (zh) | 车速预测的方法、装置及系统 | |
CN113490181B (zh) | 一种基于lstm神经网络的车辆传输时延优化方法 | |
Boskovich et al. | Vehicular network rerouting autonomy with a V2V, I2V, and V2I communication matrix classification | |
CN111611332B (zh) | 航线中转的优化方法及系统 | |
Al Mahairzi et al. | Smart Road Technology for Traffic Management and ITS Infrastructure Assessment: A Case Study of Muscat Express Highway | |
CN113269339A (zh) | 一种网约车任务自动创建和分发的方法及系统 | |
Shan et al. | A novel personalized dynamic route recommendation approach based on pearson similarity coefficient in cooperative vehicle-infrastructure systems | |
Su | Research about the construction of intelligent transportation system under the big data of vehicle networking |
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 |