CN110968964B - 一种基于多源交通传感器的系统可观测性的研究方法 - Google Patents
一种基于多源交通传感器的系统可观测性的研究方法 Download PDFInfo
- Publication number
- CN110968964B CN110968964B CN201911348419.5A CN201911348419A CN110968964B CN 110968964 B CN110968964 B CN 110968964B CN 201911348419 A CN201911348419 A CN 201911348419A CN 110968964 B CN110968964 B CN 110968964B
- Authority
- CN
- China
- Prior art keywords
- sensors
- observable
- sensor
- traffic
- expressway network
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000011160 research Methods 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 80
- 230000008859 change Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims 1
- 238000009434 installation Methods 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
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
-
- 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
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多源交通传感器的系统可观测性的研究方法,包括:将快速路网划分成称为元胞的若干路段;基于划分的元胞,以车流密度作为交通状态变量,建立交通流模型;其中,若元胞内布设有传感器,则系统输出矩阵对应元素为“1”;计算快速路网内单一或多种类型传感器的输出矩阵;基于系统矩阵和输出矩阵,判断快速路网系统是否可观测;若系统可观测,则减少传感器数量,继续判断系统是否可观测;直至得到满足系统可观测时所需的最少数量的单一类型传感器或最少数量的多种类型的传感器。本发明采用多源交通传感器进行系统可观测性的研究,不增加传感器的安装和维护成本,而且能最大限度的发挥每个数据采集装置的使用效率。
Description
技术领域
本发明涉及交通系统可观测性研究技术领域,具体涉及一种基于多源交通传感器的系统可观测性的研究方法。
背景技术
传统的系统可观测性研究,都是基于单一的传感器测量源;若基于现有布设的传感器不能满足系统可观测时,其他一系列与系统可观测性相关的研究都无法继续,从而导致基于可观性研究的一系列方法失效,比如状态观测器设计、卡尔曼滤波器设计,以及与可观测性相关的系统可控性研究也不能顺利开展。
发明内容
针对现有技术中单一类型交通传感器的缺点和不足,可考虑采用基于多源传感器研究系统的可观测性,即使基于现有布设的传感器不能满足系统可观测时,还可以利用路网中其他类型的传感器进行组合分析,或具有传感器功能的装备或装置进行系统可观测性分析,在不增加传感器的安装和维护成本的前提下,能最大限度的发挥每个数据采集装置的使用效率。比如手机和浮动车(安装GPS定位装置的公交车和出租车)可看作移动传感器,手机信令数据可以提供速度、位置等信息,浮动车可以提供速度信息;而速度信息可以转换成交通流密度,用于弥补某些路段没有安装固定传感器,缺少交通信息的缺陷。
基于此,本发明提供一种基于多源交通传感器的系统可观测性的研究方法;本发明基于多种类型的传感器,来研究交通网络系统的可观性研究及传感器布设问题,从而实现利用有限的传感器解决交通网络的可观测性,为交通状态估计和交通流控制奠定基础。
本发明公开了一种基于多源交通传感器的系统可观测性的研究方法,包括:
按照出入口匝道位置和车道数变化位置将快速路网划分成若干路段,每个路段称为一个元胞,并对元胞编制序号,便于快速路网系统可观测性研究;
基于划分的元胞,以车流密度作为交通状态变量,建立交通流模型;其中,在所述交通流模型中,若元胞内布设有传感器,则系统输出矩阵对应元素为“1”;否则,系统输出矩阵对应元素为“0”;
计算所述快速路网系统内单一或多种类型传感器的系统输出矩阵;
基于系统矩阵和系统输出矩阵,判断所述快速路网系统是否可观测;
若所述快速路网系统可观测,则减少传感器数量,继续判断所述快速路网系统是否可观测;直至得到满足所述快速路网系统可观测所需的最少数量的单一类型传感器或最少数量的多种类型的传感器,并记录传感器的数量和所对应元胞的位置。
作为本发明的进一步改进,
计算所述快速路网系统内单一类型传感器的系统输出矩阵;
基于系统矩阵和系统输出矩阵,判断在单一类型传感器下所述快速路网系统是否可观测;
若可观测,则减少单一类型传感器数量,继续判断所述快速路网系统是否可观测;直至得到满足所述快速路网系统可观测所需的最少数量的单一类型传感器,并记录传感器的数量和所对应元胞的位置;
若不可观测,则增加另一类型的传感器,判断在两类传感器下所述快速路网系统是否可观测;
若可观测,则减少两类传感器数量,继续判断所述快速路网系统是否可观测;直至得到满足所述快速路网系统可观测所需的最少数量的两类传感器,并记录传感器的数量和所对应元胞的位置;
若不可观测,则增加第三类型的传感器,判断在三类传感器下所述快速路网系统是否可观测;
若可观测,则减少三类传感器数量,继续判断所述快速路网系统是否可观测;直至得到满足所述快速路网系统可观测所需的最少数量的三类传感器,并记录传感器的数量和所对应元胞的位置;
若不可观测,则继续增加传感器类型,并判断。
作为本发明的进一步改进,若所有类型的传感器组合后所述快速路网系统仍不可观测,则判断所述快速路网系统在现有传感器类型下不可观测。
作为本发明的进一步改进,不同类型的传感器包括地磁线圈、手机、浮动车、微波传感器和视频装置等。
作为本发明的进一步改进,所述交通流模型的建立方法,包括:
式中,x∈Rn表示车流密度向量,n表示划分的元胞数量;u∈Rp表示系统的控制输入,y∈Rm表示交通传感器可以直接获取的交通参数,m表示布设交通传感器的路段的数量;A是与系统的状态相关的矩阵,称为系统矩阵;B是系统的输入矩阵;C是与路网布设的交通传感相关的矩阵,称为输出矩阵;Q是常数矩阵;
若同时存在多种类型的交通传感器,则系统相应的输出方程为:
其中,l表示交通传感器的种类,Cl是相应传感器对应的输出矩阵;由于不同类型的传感器采集的交通参数不同,但可通过相应的换算公式统一转换成车流密度,因此不同类型传感器对应的输出矩阵可采用统一的表示方法,具体形式如下:
若在第i个元胞布设了传感器,则其输出矩阵对应位置元素是1,否则是0。
与现有技术相比,本发明的有益效果为:
本发明采用多源交通传感器进行系统可观测性的研究,即使基于现有布设的传感器不能满足系统可观测时,其还可以利用路网中其他类型的传感器进行组合分析,或具有传感器功能的装备或装置进行系统可观测性分析,而不增加传感器的安装和维护成本,而且能最大限度的发挥每个数据采集装置的使用效率。
附图说明
图1为本发明一种实施例公开的基于多源交通传感器的系统可观测性的研究方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种基于多源交通传感器的系统可观测性的研究方法,包括:按照出入口匝道位置和车道数变化位置将快速路网划分成若干路段,每个路段称为一个元胞;基于划分的元胞,以车流密度作为交通状态变量,建立交通流模型;其中,在交通流模型中,若元胞内布设有传感器,则系统输出矩阵对应元素为“1”;否则,系统输出矩阵对应元素为“0”;计算快速路网内单一或多种类型传感器的系统输出矩阵;基于系统矩阵和系统输出矩阵,判断快速路网系统是否可观测;若快速路网可观测,则减少传感器数量,继续判断快速路网是否可观测;直至得到满足快速路网可观测所需的最少数量的单一类型传感器或最少数量的多种类型的传感器,并记录传感器的数量和所对应元胞的位置。
本发明采用多源交通传感器进行系统可观测性的研究,即使基于现有布设的传感器不能满足系统可观测时,其还可以利用路网中其他类型的传感器进行组合分析,或具有传感器功能的装备或装置进行系统可观测性分析,而不增加传感器的安装和维护成本,而且能最大限度的发挥每个数据采集装置的使用效率。
下面结合附图对本发明做进一步的详细描述:
如图1所示,本发明提供一种基于多源交通传感器的系统可观测性的研究方法,包括:
S1、按照出入口匝道位置和车道数变化位置将快速路网划分成若干路段,每个路段称为一个元胞;并将划分的元胞,依次标定序号,便于可观测性研究;
S2、基于划分的元胞,以车流密度作为交通状态变量,建立交通流模型;其中,在交通流模型中,若元胞内布设有传感器,则系统输出矩阵对应元素为“1”;否则,系统输出矩阵对应元素为“0”;
其中,交通流模型的建立方法,包括:
式中,x∈Rn表示车流密度向量,n表示划分的元胞数量;u∈Rp表示系统的控制输入,y∈Rm表示交通传感器可以直接获取的交通参数,如流量、速度等,m表示布设交通传感器的路段的数量;A是与系统的状态相关的矩阵,称为系统矩阵;B是系统的输入矩阵;C是与路网布设的交通传感相关的矩阵,称为输出矩阵;Q是常数矩阵;
若同时存在多种类型的交通传感器,则相应的输出方程为:
其中,l表示交通传感器的种类,Cl是相应传感器对应的输出矩阵;由于不同类型的传感器采集的交通参数不同,但可通过相应的换算公式统一转换成车流密度,因此不同类型传感器对应的输出矩阵可采用统一的表示方法,具体形式如下:
若在第i个元胞布设了传感器,则其输出矩阵对应位置元素是1,否则是0。
举例说明:
快速路网中不同路段同时存在地磁线圈、手机等移动设备、出租/公交等浮动车、微波传感器及视频装置等多种类型的交通传感器(具有交通参数采集功能的设备或装置也可看作是交通传感器),可采集车流量、车速、车流密度等不同的交通参数,这些参数可传输到路侧控制与计算单元转换成车流密度,针对每类传感器,计算出相应的输出矩阵C,若元胞内布设有传感器,则系统输出矩阵对应元素为“1”;否则,系统输出矩阵对应元素为“0”;
若快速路网划分为10个路段,对应的10个元胞分别编号为“1、2、3、···、10”;若地磁线圈设置在“1、3、5、7、9”元胞内,则在输出矩阵C中,“1、3、5、7、9”元胞对应的元素为“1”,“2、4、6、8、10”元胞对应的元素为“0”。
经过上述S1、S2完成路网元胞划分和交通流模型建立以后,即可基于多源交通传感器进行系统的可观测性算法研究,以及多源交通传感网络的优化布设问题;具体为:
S3、计算快速路网内单一或多种类型传感器的系统输出矩阵;
S4、基于系统矩阵和系统输出矩阵,判断快速路网系统是否可观测;其中,
在判断快速路网系统是否可观测时,需要考虑由系统矩阵A和输出矩阵C构成可观测性判别矩阵S,判断S的秩是否为划分的元胞数量。
举例说明:
若上述布设有传感器的“1、3、5、7、9”元胞内对应的输出矩阵与系统矩阵A所构成的判别矩阵S的秩为10,则判断系统可观测;若小于10,则判断系统不可观测。
S5、若快速路网系统可观测,则减少传感器数量,继续判断快速路网系统是否可观测;直至得到满足快速路网可观测所需的最少数量的单一类型传感器或最少数量的多种类型的传感器,并记录传感器的数量和所对应元胞的位置;
其中,在判断过程中需从单一类型传感器到多类型传感器进行逐次判断,具体为:
计算快速路网内任意单一类型传感器的输出矩阵C;
基于系统矩阵和单一类型传感器的输出矩阵,判断在单一类型传感器下快速路网是否可观测;
若在单一类型传感器下可观测,则减少单一类型传感器数量,继续判断快速路网系统是否可观测;直至得到满足快速路网系统可观测所需的最少数量的单一类型传感器,并记录传感器的数量和所对应元胞的位置;具体为:在矩阵Ci的基础上任意删除某一行,即减少传感器的数量,获得新的输出矩阵Ci,1,判断系统(A,Ci,1)是否可观测,若不可观测,则说明传感器数量不能减少,矩阵Ci对应的传感器就是最少的传感器配置;若系统(A,Ci,1)可观测,则重复以上步骤,直至系统(A,Ci,k)可观测,而(A,Ci,k+1)不可观测为止,说明矩阵Ci,k对应的传感器是保证系统可观测时所需布设的最少数量。
若在单一类型传感器下不可观测,则说明传感器布设不合理;此时,任意增加一个类型的传感器,进行任意两类传感器的组合,得出一系列的输出矩阵Cj,判断在两类传感器下快速路网是否可观测;
若在两类传感器下可观测,则减少两类传感器数量,继续判断快速路网系统是否可观测;直至得到满足快速路网系统可观测时所需的最少数量的两类传感器,并记录传感器的数量和所对应元胞的位置;具体为:在矩阵Cj的基础上任意删除某一行,即减少传感器布设的数量,获得新的输出矩阵Cj,1,判断系统(A,Cj,1)是否可观测,若不可观测,则说明传感器数量不能减少,矩阵Cj所对应的传感器类型及数量是最优配置;若系统(A,Ci,1)可观测,则重复以上步骤,直至系统(A,Cj,k)可观测,而(A,Cj,k+1)不可观测为止,说明矩阵Cj,k对应的传感器是保证系统可观测时所需布设的最少类型和最少数量的传感器;
若在两类传感器下不可观测,则在原来任意两种传感器组合的基础上继续增加一类传感器,进行任意三类传感器的组合,计算出一系列输出矩阵Ch,判断在三类传感器下快速路网系统是否可观测;
若在三类传感器下可观测,则减少三类传感器数量,继续判断快速路网是否可观测;直至得到满足快速路网可观测所需的最少数量的三类传感器,并记录传感器的数量和所对应元胞的位置;
若在三类传感器下不可观测,则继续增加传感器的组合类型;以此类推,最终确定出若干类型传感器组合情况下的输出矩阵C,即传感器最优布设数量和位置;
若所有类型的传感器组合后快速路网仍不可观测,则判断快速路网在现有传感器类型下不可观测,需要对路网划分进一步优化。
进一步,在两类或更多类传感器进行组合后,每种类型的传感器的作用是相同的,其在进行减少传感器数量进行判断时,不区分不同类型的传感器,最后输出的结果是保证系统可观测时所需布设的最少类型和最少数量的传感器。
本发明的上述研究方法可为后续新道路布置固定传感器(如地磁线圈)提供科学的布设依据,具有指导意义。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于多源交通传感器的系统可观测性的研究方法,其特征在于,包括:
按照出入口匝道位置和车道数变化位置将快速路网划分成若干路段,每个路段称为一个元胞,并对元胞编制序号,便于快速路网系统可观测性研究;
基于划分的元胞,以车流密度作为交通状态变量,建立交通流模型;其中,在所述交通流模型中,若元胞内布设有传感器,则系统输出矩阵对应元素为“1”;否则,系统输出矩阵对应元素为“0”;
计算所述快速路网系统内单一或多种类型传感器的系统输出矩阵;
基于系统矩阵和系统输出矩阵,判断所述快速路网系统是否可观测;其中,在判断快速路网系统是否可观测时,考虑由系统矩阵A和输出矩阵C构成可观测性判别矩阵S,判断S的秩是否为划分的元胞数量;若S的秩等于划分的元胞数量,则快速路网系统可观测;否则,不可观测;
若所述快速路网系统可观测,则减少传感器数量,继续判断所述快速路网系统是否可观测;直至得到满足所述快速路网系统可观测所需的最少数量的单一类型传感器或最少数量的多种类型的传感器,并记录传感器的数量和所对应元胞的位置;
具体包括:
计算所述快速路网系统内单一类型传感器的系统输出矩阵;
基于系统矩阵和系统输出矩阵,判断在单一类型传感器下所述快速路网系统是否可观测;
若可观测,则减少单一类型传感器数量,继续判断所述快速路网系统是否可观测;直至得到满足所述快速路网系统可观测所需的最少数量的单一类型传感器,并记录传感器的数量和所对应元胞的位置;
若不可观测,则增加另一类型的传感器,判断在两类传感器下所述快速路网系统是否可观测;
若可观测,则减少两类传感器数量,继续判断所述快速路网系统是否可观测;直至得到满足所述快速路网系统可观测所需的最少数量的两类传感器,并记录传感器的数量和所对应元胞的位置;
若不可观测,则增加第三类型的传感器,判断在三类传感器下所述快速路网系统是否可观测;
若可观测,则减少三类传感器数量,继续判断所述快速路网系统是否可观测;直至得到满足所述快速路网系统可观测所需的最少数量的三类传感器,并记录传感器的数量和所对应元胞的位置;
若不可观测,则继续增加传感器类型,并判断;
若所有类型的传感器组合后快速路网仍不可观测,则判断快速路网在现有传感器类型下不可观测,需要对路网划分进一步优化。
2.如权利要求1所述的研究方法,其特征在于,若所有类型的传感器组合后所述快速路网系统仍不可观测,则判断所述快速路网系统在现有传感器类型下不可观测。
3.如权利要求1-2中任一项所述的研究方法,其特征在于,不同类型的传感器包括地磁线圈、手机、浮动车、微波传感器和视频装置。
4.如权利要求1-2中任一项所述的研究方法,其特征在于,所述交通流模型的建立方法,包括:
式中,x∈Rn表示车流密度向量,n表示划分的元胞数量;u∈Rp表示系统的控制输入,y∈Rm表示交通传感器可以直接获取的交通参数,m表示布设交通传感器的路段的数量;A是与系统的状态相关的矩阵,称为系统矩阵;B是系统的输入矩阵;C是与路网布设的交通传感相关的矩阵,称为系统的输出矩阵;Q是常数矩阵;
若同时存在多种类型的交通传感器,则系统相应的输出方程为:
其中,l表示交通传感器的种类,Cl是相应传感器对应的输出矩阵;由于不同类型的传感器采集的交通参数不同,但可通过相应的换算公式统一转换成车流密度,因此不同类型传感器对应的输出矩阵可采用统一的表示方法,具体形式如下:
若在第i个元胞布设了传感器,则其输出矩阵对应位置元素是1,否则是0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911348419.5A CN110968964B (zh) | 2019-12-24 | 2019-12-24 | 一种基于多源交通传感器的系统可观测性的研究方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911348419.5A CN110968964B (zh) | 2019-12-24 | 2019-12-24 | 一种基于多源交通传感器的系统可观测性的研究方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110968964A CN110968964A (zh) | 2020-04-07 |
CN110968964B true CN110968964B (zh) | 2023-11-17 |
Family
ID=70036215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911348419.5A Active CN110968964B (zh) | 2019-12-24 | 2019-12-24 | 一种基于多源交通传感器的系统可观测性的研究方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110968964B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034903B (zh) * | 2021-03-05 | 2021-11-16 | 交通运输部公路科学研究所 | 基于多源信息融合的交通状态估计方法和装置 |
CN113053106B (zh) * | 2021-03-05 | 2022-08-26 | 交通运输部公路科学研究所 | 基于多传感器信息融合的交通状态估计方法和装置 |
CN113094853A (zh) * | 2021-04-01 | 2021-07-09 | 上海天麦能源科技有限公司 | 一种用于燃气管网泄漏定位的优化布局方法和系统 |
CN114863678B (zh) * | 2022-04-26 | 2023-04-07 | 交通运输部公路科学研究所 | 智能网联环境下道路安全风险检测器优化布设方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101222400A (zh) * | 2008-02-01 | 2008-07-16 | 北京交通大学 | 道路交通信息采集传感器网络节点装置及其数据传输方法 |
CN101226689A (zh) * | 2008-02-03 | 2008-07-23 | 北京交通大学 | 道路交通信息采集的多传感器接入装置及其数据融合方法 |
CN105427004A (zh) * | 2016-01-06 | 2016-03-23 | 北京工业大学 | 一种快速路网交通传感网络的优化布设方法 |
-
2019
- 2019-12-24 CN CN201911348419.5A patent/CN110968964B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101222400A (zh) * | 2008-02-01 | 2008-07-16 | 北京交通大学 | 道路交通信息采集传感器网络节点装置及其数据传输方法 |
CN101226689A (zh) * | 2008-02-03 | 2008-07-23 | 北京交通大学 | 道路交通信息采集的多传感器接入装置及其数据融合方法 |
CN105427004A (zh) * | 2016-01-06 | 2016-03-23 | 北京工业大学 | 一种快速路网交通传感网络的优化布设方法 |
Non-Patent Citations (1)
Title |
---|
Yuqi Guo.Dynamic-model-based switched proportional-integral state observer design and traffic density estimation for urban freeway.European Journal of Control.2018,103-113. * |
Also Published As
Publication number | Publication date |
---|---|
CN110968964A (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110968964B (zh) | 一种基于多源交通传感器的系统可观测性的研究方法 | |
CN107571867B (zh) | 用于控制无人驾驶车辆的方法和装置 | |
CN107331172B (zh) | 一种基于道路交通状态的交通相位调整方法和装置 | |
CN102629418B (zh) | 基于模糊卡尔曼滤波的交通流预测方法 | |
CN105513356B (zh) | 一种基于轨迹追踪的od矩阵估计方法与系统 | |
CN112785162B (zh) | 基于智能车语义的高精地图众包数据质量评估方法与系统 | |
CN110853347A (zh) | 一种短时交通路况预测方法、装置及终端设备 | |
CN101739822A (zh) | 区域交通状态获取的传感器网络配置方法 | |
CN108460481A (zh) | 基于循环神经网络的无人机侦察目标演变规律预测方法 | |
CN111161545B (zh) | 基于视频的交叉口区域交通参数统计方法 | |
CN102610091A (zh) | 出行服务信息的获取方法及装置 | |
CN112836789A (zh) | 一种基于复合神经网络算法的地连墙变形动态预测方法 | |
CN106682771A (zh) | 一种基于微气象信息的输电线路覆冰厚度预测方法 | |
CN107085939B (zh) | 一种基于路网等级划分的高速公路vms布局优化方法 | |
CN105913654B (zh) | 一种智能交通管理系统 | |
CN115527372A (zh) | 一种基于全局最优的智能交通实时诱导可变信息系统 | |
CN115291124A (zh) | 一种容量预测方法及装置 | |
CN111222522B (zh) | 神经网络训练、路面检测、智能驾驶控制方法和装置 | |
CN106803346A (zh) | 一种山区高速公路道路试验发动机冷却液温度信号检测系统的数据处理方法 | |
CN105468887B (zh) | 数据分析系统以及方法 | |
CN102819885B (zh) | 一种城市公共交通客流信息的统计分析方法及系统 | |
CN114613144B (zh) | 一种基于Embedding-CNN的混合车群运动演化规律的刻画方法 | |
Zhan et al. | Data accuracy oriented method for deploying fixed and mobile traffic sensors along a freeway | |
CN114413832A (zh) | 一种基于光纤传感的道路监测系统及方法 | |
CN105825670B (zh) | 基于数据融合的道路过饱和状态判断方法及系统 |
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 |