CN111341107A - 一种基于云平台数据的共享式交通控制方法 - Google Patents

一种基于云平台数据的共享式交通控制方法 Download PDF

Info

Publication number
CN111341107A
CN111341107A CN202010416681.5A CN202010416681A CN111341107A CN 111341107 A CN111341107 A CN 111341107A CN 202010416681 A CN202010416681 A CN 202010416681A CN 111341107 A CN111341107 A CN 111341107A
Authority
CN
China
Prior art keywords
road section
traffic
time
cloud platform
traffic control
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
Application number
CN202010416681.5A
Other languages
English (en)
Inventor
李斌勇
杜泽燕
雷正毅
徐孟奇
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.)
Chengdu University of Information Technology
Original Assignee
Chengdu University of Information Technology
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 Chengdu University of Information Technology filed Critical Chengdu University of Information Technology
Priority to CN202010416681.5A priority Critical patent/CN111341107A/zh
Publication of CN111341107A publication Critical patent/CN111341107A/zh
Pending legal-status Critical Current

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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种基于云平台数据的共享式交通控制方法，包括以下步骤：S1、获取各路段的实时路况信息；S2、判断各路段的汽车拥堵指数是否超过预设的阈值；S3、确定拥堵路段的区域范围；S4、确定最优的协同交通控制策略；S5、利用云平台将所述协同交通控制策略发送至交通拥堵路段对应的控制服务器，并利用所述控制服务器对拥堵路段的交通信号灯进行调控，实现共享式交通控制。本发明设计简单，利用云平台有选择的向各路段的控制服务器获取数据，不仅减轻了控制服务器处理的压力，降低硬件耗损，还提高了运行速度，解决了传统交通疏导采用人工的情况下，导致等待时间过长的问题。

Description

一种基于云平台数据的共享式交通控制方法
技术领域
本发明属于交通控制领域，尤其涉及一种基于云平台数据的共享式交通控制方法。
背景技术
交通灯对于路况的控制起重要作用，通行时间与等待时间的分配直接决定了该道路是否通畅，而且不同路况交通灯应该分配不同的通行时间间隔，以保证该道路的通畅。传统的交通控制采用人工对现场交通进行疏导，在拥挤路段拉长通行时间缩短等待时间，但该方法耗费人力，且在等待交警到达期间现场交通处于混乱阶段，降低了人们出行效率的同时，还容易引发交通事故。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于云平台数据的共享式交通控制方法，解决了传统交通疏导采用人工的情况下，导致等待时间过长、出行效率低的问题。
为了达到以上目的，本发明采用的技术方案为：
本方案提供一种基于云平台数据的共享式交通控制方法，包括以下步骤：
S1、获取各路段的实时路况信息，并将所述实时路况信息存储至各路段对应的控制服务器中；
S2、根据所述实时路况信息判断各路段的汽车拥堵指数是否超过预设的阈值，若是，则将拥堵路段的实时路况信息发送至云平台，并进入步骤S3，否则，保持当前交通控制策略，并将当前交通控制策略经控制服务器上传至云平台；
S3、确定拥堵路段的区域范围；
S4、对区域范围内各路段的实时路况信息进行分析，确定最优的协同交通控制策略；
S5、利用云平台将所述协同交通控制策略发送至交通拥堵路段对应的控制服务器，并利用所述控制服务器对拥堵路段的交通信号灯进行调控，实现共享式交通控制。
本发明的有益效果是：本发明利用汽车拥堵指数对当前路况是否具有拥堵风险进行判断，并利用云平台调用相应的协同交通控制策略，有助于缓解交通拥堵，实现了共享式智能交通控制，解决了传统交通疏导采用人工的情况下，导致等待时间过长、出行效率低的问题。
进一步地，所述步骤S1中各路段的实时路况信息包括：各个路段交通灯的红绿灯时间、等待通行的汽车流量、等待通行的汽车经纬度位置信息、汽车行驶方向以及车速。
再进一步地，所述步骤S2包括以下步骤：
S201、根据所述实时路况信息计算得到t时刻以及t+1时刻各路段的汽车流量；
S202、根据所述汽车流量以及各路段的红绿灯时长，计算得到各路段的汽车拥堵指数；
S203、判断所述汽车拥堵指数是否超过预设的阈值，若是，则将拥堵路段的实时路况信息发送至云平台，并进入步骤S3，否则，保持当前交通控制策略，并将当前交通控制策略经控制服务器上传至云平台。
再进一步地，所述步骤S202中汽车拥堵指数的表达式如下：
Figure 389170DEST_PATH_IMAGE001
Figure 382534DEST_PATH_IMAGE002
其中，P(x)表示汽车拥堵指数，a表示分段函数自变量，N表示汽车流量，Li表示拥堵路段的车道长度，ti表示红绿灯时长，Vi表示该路段的自由流速度，v表示车速，F表示可变参数，i表示拥堵路段。
上述进一步方案的有益效果是：本发明利用汽车拥堵指数对当前路况是否拥堵进行判断，从而实现对交通信号灯的智能调控，缓解交通压力。
再进一步地，所述步骤S3具体为：根据拥堵路段的实时路况信息，利用云平台分析等待通行的车辆经纬度位置信息确定拥堵路段的区域范围。
上述进一步方案的有益效果：本发明利用汽车的经纬度信息，能有效地确定其拥堵路段的区域范围。
再进一步地，所述步骤S4包括以下步骤：
S401、根据区域范围内的实时路况信息构建预测模型；
S402、根据拥堵路段的汽车流量计算得到在一个交通信号灯控制周期内的红灯和绿灯的时间长度比；
S403、根据所述时间长度比利用预测模型计算得到目标优化函数；
S404、根据所述目标优化函数得到最优协同交通控制策略。
上述进一步方案的有益效果是：本发明中预测模型具有滚动优化和反馈校正的特征，以使在求解目标函数时能提高求解精度和求解效率，从而获取最优的交通控制策略。
再进一步地，所述步骤S402包括以下步骤：
S4021、根据拥堵路段的汽车流量及汽车的经纬度信息，计算得到拥堵路段的汽车的相对位置和汽车的航向，其中，汽车的航向为汽车驶近或驶离拥堵路段的方向；
S4022、根据汽车的相对位置和汽车的航向预测所述拥堵路段的红绿灯持续时间；
S4023、根据所述红绿灯持续时间与当前拥堵路段的红绿灯时间，计算得到在一个信号灯控制周期内的红灯和绿灯的时间长度比。
上述进一步方案的有益效果是：本发明根据实时道路拥堵情况确定其红灯和绿灯时间时间比，有助于缓解交通拥堵。
再进一步地，所述步骤S403中目标优化函数的表达式如下：
Figure 933601DEST_PATH_IMAGE003
其中， maxJ(k)表示目标优化函数，
Figure 280400DEST_PATH_IMAGE004
表示模型仿真步长，k表示时间长度比，Np表示预测时间跨度，S(n)表示汽车流量，n表示汽车数量，j表示仿真次数。
上述进一步方案的有益效果是：本发明利用目标优化函数提高求解精度，从而获取最优的交通控制策略。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
实施例
如图1所示，本发明一种基于云平台数据的共享式交通控制方法，其实现方法如下：
S1、获取各路段的实时路况信息，并将实时路况信息存储至各路段对应的控制服务器中；
本实施例中，各路段的实时路况信息包括：各个路段交通灯的红绿灯时间、等待通行的汽车流量、等待通行的汽车经纬度位置信息、汽车行驶方向以及车速；
S2、根据实时路况信息判断各路段的汽车拥堵指数是否超过预设的阈值，若是，则将拥堵路段的实时路况信息发送至云平台，并进入步骤S3，否则，保持当前交通控制策略，并将当前交通控制策略经控制服务器上传至云平台；其实现方法如下：
S201、根据实时路况信息计算得到t时刻以及t+1时刻各路段的车流量；
S202、根据汽车流量以及各路段的红绿灯时长，计算得到各路段的汽车拥堵指数；
汽车拥堵指数的表达式如下：
Figure 600523DEST_PATH_IMAGE001
Figure 764788DEST_PATH_IMAGE002
其中，P(x)表示汽车拥堵指数，a表示分段函数自变量，N表示汽车流量，Li表示拥堵路段的车道长度，ti表示红绿灯时长，Vi表示该路段的自由流速度，v表示车速，F表示可变参数，i表示拥堵路段；
S203、判断汽车拥堵指数是否超过预设的阈值，若是，则将拥堵路段的实时路况信息发送至云平台，并进入步骤S3，否则，保持当前交通控制策略，并将当前交通控制策略经控制服务器上传至云平台；
本实施例中，由于城市各路段路况复杂，有些路段与其相邻路段的距离很知，因此需要综合拥堵路段及其相邻路段的交通情况，得到t时刻以及t+1时刻各路段的车流量，进而对拥堵路段进行协助控制。
本实施例中，由于实时采集的交通路况数据量过大，同时现有各路段控制服务器大部分采用分布式存储，因此，在进行协同策略分析时利用云平台进行分析和处理，无需利用控制服务器进行分析，节约硬件资源。
S3、确定拥堵路段的区域范围；
本实施例中，根据拥堵路段的实时路况信息，利用云平台分析等待通行的车辆经纬度位置信息确定拥堵路段的区域范围。
本实施例中，获取拥堵路段的区域范围便于调控该路段的交通信号灯。
S4、对区域范围内各路段的实时路况信息进行分析，确定最优的协同交通控制策略，其实现方法如下：
S401、根据区域范围内的实时路况信息构建预测模型；
S402、根据拥堵路段的车流量计算得到在一个交通信号灯控制周期内的红灯和绿灯的时间长度比，其实现方法如下：
S4021、根据拥堵路段的汽车流量及汽车的经纬度信息，计算得到拥堵路段的汽车的相对位置和汽车的航向，其中，汽车的航向为汽车驶近或驶离拥堵路段的方向；
S4022、根据汽车的相对位置和汽车的航向预测所述拥堵路段的红绿灯持续时间；
S4023、根据所述红绿灯持续时间与当前拥堵路段的红绿灯时间，计算得到在一个信号灯控制周期内的红灯和绿灯的时间长度比；
S403、根据时间长度比利用预测模型计算得到目标优化函数，
目标优化函数的表达式如下：
Figure 285375DEST_PATH_IMAGE003
其中， maxJ(k)表示目标优化函数，
Figure 419553DEST_PATH_IMAGE004
表示模型仿真步长，k表示时间长度比，Np表示预测时间跨度，S(n)表示汽车流量，n表示汽车数量，j表示仿真次数；
S404、根据目标优化函数得到最优协同交通控制策略；
本实施例中，将路段平均速度和平均密度均纳入评价体系构建目标函数，从而获取最优的交通控制策略。
S5、利用云平台将协同交通控制策略发送至交通拥堵路段对应的控制服务器，并利用控制服务器对拥堵路段的交通信号灯进行调控，实现共享式交通控制。
本实施例中，当A路段发生拥堵时，B路段通畅，通过云平台获取控制服务器A以及控制服务器B的数据，综合分析A和B路段实时路况信息，若A路段的车流量、车密度等与B路段相近，生成针对A路段的协同交通控制策略，并将该协同交通控制策略发送至A路段的控制服务器，利用A路段的控制服务器对A路段的交通信号灯进行调控，实现共享式交通控制。同样的，当针对多路段拥堵时，采用同样的方法生成拥堵路段的协同交通控制策略。本实施例中，云平台能向各路段的控制服务器获取数据，因此减轻了控制服务器处理的压力，提高了运行速度，解决了传统交通疏导采用人工的情况下，导致等待时间过长的问题。

Claims (8)

1.一种基于云平台数据的共享式交通控制方法，其特征在于，包括以下步骤：
S1、获取各路段的实时路况信息，并将所述实时路况信息存储至各路段对应的控制服务器中；
S2、根据所述实时路况信息判断各路段的汽车拥堵指数是否超过预设的阈值，若是，则将拥堵路段的实时路况信息发送至云平台，并进入步骤S3，否则，保持当前交通控制策略，并将当前交通控制策略经控制服务器上传至云平台；
S3、确定拥堵路段的区域范围；
S4、对区域范围内各路段的实时路况信息进行分析，确定最优的协同交通控制策略；
S5、利用云平台将所述协同交通控制策略发送至交通拥堵路段对应的控制服务器，并利用所述控制服务器对拥堵路段的交通信号灯进行调控，实现共享式交通控制。
2.根据权利要求1所述的基于云平台数据的共享式交通控制方法，其特征在于，所述步骤S1中各路段的实时路况信息包括：各个路段交通灯的红绿灯时间、等待通行的汽车流量、等待通行的汽车经纬度位置信息、汽车行驶方向以及车速。
3.根据权利要求1所述的基于云平台数据的共享式交通控制方法，其特征在于，所述步骤S2包括以下步骤：
S201、根据所述实时路况信息计算得到t时刻以及t+1时刻各路段的汽车流量；
S202、根据所述汽车流量以及各路段的红绿灯时长，计算得到各路段的汽车拥堵指数；
S203、判断所述汽车拥堵指数是否超过预设的阈值，若是，则将拥堵路段的实时路况信息发送至云平台，并进入步骤S3，否则，保持当前交通控制策略，并将当前交通控制策略经控制服务器上传至云平台。
4.根据权利要求3所述的基于云平台数据的共享式交通控制方法，其特征在于，所述步骤S202中汽车拥堵指数的表达式如下：
Figure 897451DEST_PATH_IMAGE001
Figure 45666DEST_PATH_IMAGE002
其中，P(x)表示汽车拥堵指数，a表示分段函数自变量，N表示汽车流量，Li表示拥堵路段的车道长度，ti表示红绿灯时长，Vi表示该路段的自由流速度，v表示车速，F表示可变参数，i表示拥堵路段。
5.根据权利要求1所述的基于云平台数据的共享式交通控制方法，其特征在于，所述步骤S3具体为：根据拥堵路段的实时路况信息，利用云平台分析等待通行的车辆经纬度位置信息确定拥堵路段的区域范围。
6.根据权利要求1所述的基于云平台数据的共享式交通控制方法，其特征在于，所述步骤S4包括以下步骤：
S401、根据区域范围内的实时路况信息构建预测模型；
S402、根据拥堵路段的汽车流量计算得到在一个交通信号灯控制周期内的红灯和绿灯的时间长度比；
S403、根据所述时间长度比利用预测模型计算得到目标优化函数；
S404、根据所述目标优化函数得到最优协同交通控制策略。
7.根据权利要求6所述的基于云平台数据的共享式交通控制方法，其特征在于，所述步骤S402包括以下步骤：
S4021、根据拥堵路段的汽车流量及汽车的经纬度信息，计算得到拥堵路段的汽车的相对位置和汽车的航向，其中，汽车的航向为汽车驶近或驶离拥堵路段的方向；
S4022、根据汽车的相对位置和汽车的航向预测所述拥堵路段的红绿灯持续时间；
S4023、根据所述红绿灯持续时间与当前拥堵路段的红绿灯时间，计算得到在一个信号灯控制周期内的红灯和绿灯的时间长度比。
8.根据权利要求6所述的基于云平台数据的共享式交通控制方法，其特征在于，所述步骤S403中目标优化函数的表达式如下：
Figure 571326DEST_PATH_IMAGE003
其中， maxJ(k)表示目标优化函数，
Figure 384561DEST_PATH_IMAGE004
表示模型仿真步长，k表示时间长度比，Np表示预测时间跨度，S(n)表示汽车流量，n表示汽车数量，j表示仿真次数。
CN202010416681.5A 2020-05-18 2020-05-18 一种基于云平台数据的共享式交通控制方法 Pending CN111341107A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010416681.5A CN111341107A (zh) 2020-05-18 2020-05-18 一种基于云平台数据的共享式交通控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010416681.5A CN111341107A (zh) 2020-05-18 2020-05-18 一种基于云平台数据的共享式交通控制方法

Publications (1)

Publication Number Publication Date
CN111341107A true CN111341107A (zh) 2020-06-26

Family

ID=71187547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010416681.5A Pending CN111341107A (zh) 2020-05-18 2020-05-18 一种基于云平台数据的共享式交通控制方法

Country Status (1)

Country Link
CN (1) CN111341107A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932871A (zh) * 2020-06-28 2020-11-13 银江股份有限公司 一种区域级实时交通控制策略推荐系统及方法
CN112533140A (zh) * 2020-11-24 2021-03-19 天津市市政工程设计研究院 一种基于指数的共享单车分布情况评估方法
CN113990072A (zh) * 2021-11-24 2022-01-28 卢志渊 一种城市道路预约通行管理系统
CN114386848A (zh) * 2022-01-13 2022-04-22 重庆市盈科物联网信息技术有限公司 一种用于交叉路口的通行控制方法及系统
CN114724391A (zh) * 2022-03-30 2022-07-08 重庆长安汽车股份有限公司 一种拥堵路段车辆引导系统及方法
CN114999164A (zh) * 2022-08-05 2022-09-02 深圳支点电子智能科技有限公司 智能交通预警处理方法及相关设备
CN115527382A (zh) * 2022-09-08 2022-12-27 安徽交控信息产业有限公司 一种基于智能多目标优化算法的交通控制方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102074117A (zh) * 2010-12-28 2011-05-25 同济大学 道路分区域短程同步控制方法
CN202142192U (zh) * 2011-06-16 2012-02-08 上海宝康电子控制工程有限公司 基于视频流量采集的交通信号机自动控制系统
CN103559795A (zh) * 2013-11-07 2014-02-05 青岛海信网络科技股份有限公司 一种多策略多目标的自适应交通控制方法
CN103985250A (zh) * 2014-04-04 2014-08-13 浙江工业大学 轻量级的全息道路交通状态视觉检测装置
CN104021672A (zh) * 2014-06-09 2014-09-03 北京世纪高通科技有限公司 一种获取交通拥堵指数的方法和装置
CN104157155A (zh) * 2014-08-24 2014-11-19 无锡北斗星通信息科技有限公司 交通路口信号灯自适应控制系统
CN204010330U (zh) * 2014-08-24 2014-12-10 无锡北斗星通信息科技有限公司 交通路口信息发布终端
CN104766483A (zh) * 2015-04-09 2015-07-08 吉林大学 一种基于云计算的交通控制诱导协调系统及方法
CN105761520A (zh) * 2014-12-17 2016-07-13 上海宝康电子控制工程有限公司 实现交通路线自适应诱导的系统
CN108399763A (zh) * 2018-03-07 2018-08-14 辽宁工业大学 一种基于神经网络的交叉路口交通信号灯控制算法
CN109215343A (zh) * 2018-09-20 2019-01-15 山东交通学院 基于社团发现的路网拥堵区域动态识别方法及系统
CN110444020A (zh) * 2019-08-13 2019-11-12 软通动力信息技术有限公司 一种关联路口控制方法、装置、系统和存储介质
US20200111354A1 (en) * 2015-09-08 2020-04-09 Ofer Hofman Method for traffic control

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102074117A (zh) * 2010-12-28 2011-05-25 同济大学 道路分区域短程同步控制方法
CN202142192U (zh) * 2011-06-16 2012-02-08 上海宝康电子控制工程有限公司 基于视频流量采集的交通信号机自动控制系统
CN103559795A (zh) * 2013-11-07 2014-02-05 青岛海信网络科技股份有限公司 一种多策略多目标的自适应交通控制方法
CN103985250A (zh) * 2014-04-04 2014-08-13 浙江工业大学 轻量级的全息道路交通状态视觉检测装置
CN104021672A (zh) * 2014-06-09 2014-09-03 北京世纪高通科技有限公司 一种获取交通拥堵指数的方法和装置
CN204010330U (zh) * 2014-08-24 2014-12-10 无锡北斗星通信息科技有限公司 交通路口信息发布终端
CN104157155A (zh) * 2014-08-24 2014-11-19 无锡北斗星通信息科技有限公司 交通路口信号灯自适应控制系统
CN105761520A (zh) * 2014-12-17 2016-07-13 上海宝康电子控制工程有限公司 实现交通路线自适应诱导的系统
CN104766483A (zh) * 2015-04-09 2015-07-08 吉林大学 一种基于云计算的交通控制诱导协调系统及方法
US20200111354A1 (en) * 2015-09-08 2020-04-09 Ofer Hofman Method for traffic control
CN108399763A (zh) * 2018-03-07 2018-08-14 辽宁工业大学 一种基于神经网络的交叉路口交通信号灯控制算法
CN109215343A (zh) * 2018-09-20 2019-01-15 山东交通学院 基于社团发现的路网拥堵区域动态识别方法及系统
CN110444020A (zh) * 2019-08-13 2019-11-12 软通动力信息技术有限公司 一种关联路口控制方法、装置、系统和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ZEYAN DU: "Construction Project Cost Estimation Based on Improved BP Neural Network", 《2017 INTERNATIONAL CONFERENCE ON SMART GRID AND ELECTRICAL AUTOMATION (ICSGEA)》 *
丁宏飞: "城市快速路交通信息提取与协同优化研究", 《中国优秀博士学位论文全文数据库工程科技Ⅱ辑》 *
丁宏飞: "基于模型预测控制的城市快速路交通协同控制", 《公路交通科技》 *
郑淑鉴: "国内外交通拥堵评价指标计算方法研究", 《公路与汽运》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932871A (zh) * 2020-06-28 2020-11-13 银江股份有限公司 一种区域级实时交通控制策略推荐系统及方法
CN111932871B (zh) * 2020-06-28 2021-06-29 银江股份有限公司 一种区域级实时交通控制策略推荐系统及方法
CN112533140A (zh) * 2020-11-24 2021-03-19 天津市市政工程设计研究院 一种基于指数的共享单车分布情况评估方法
CN112533140B (zh) * 2020-11-24 2021-10-12 天津市赛英工程建设咨询管理有限公司 一种基于指数的共享单车分布情况评估方法
CN113990072A (zh) * 2021-11-24 2022-01-28 卢志渊 一种城市道路预约通行管理系统
CN114386848A (zh) * 2022-01-13 2022-04-22 重庆市盈科物联网信息技术有限公司 一种用于交叉路口的通行控制方法及系统
CN114724391A (zh) * 2022-03-30 2022-07-08 重庆长安汽车股份有限公司 一种拥堵路段车辆引导系统及方法
CN114999164A (zh) * 2022-08-05 2022-09-02 深圳支点电子智能科技有限公司 智能交通预警处理方法及相关设备
CN115527382A (zh) * 2022-09-08 2022-12-27 安徽交控信息产业有限公司 一种基于智能多目标优化算法的交通控制方法

Similar Documents

Publication Publication Date Title
CN111341107A (zh) 一种基于云平台数据的共享式交通控制方法
WO2018149308A1 (zh) 一种道路交通优化方法、装置以及电子设备
CN103996289B (zh) 一种流量-速度匹配模型及行程时间预测方法及系统
WO2021051870A1 (zh) 基于强化学习模型的信息控制方法、装置和计算机设备
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
WO2019047905A1 (zh) 一种交通路况分析系统、方法以及装置
WO2018149307A1 (zh) 交通路况分析方法、装置及电子设备
CN107067764B (zh) 一种城市交叉口可变导向车道自适应控制方法
CN104485003B (zh) 一种基于管道模型的智能交通信号控制方法
CN108765981A (zh) 一种分车道实时排队长度预测方法
CN110136455A (zh) 一种交通信号灯配时方法
CN115512538B (zh) 一种基于碳排放的可变限速控制方法及系统
CN105096643A (zh) 基于多线路前车运行数据的实时公交到站时间预测方法
CN110264757A (zh) 基于连续信号灯信息的智能网联汽车分层速度规划方法
CN101706996A (zh) 一种基于信息融合的高速公路交通状态识别方法
CN103680127A (zh) 一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法
CN113192347A (zh) 动态交通场景下智能网联车辆经济性驾驶控制方法
CN102360522A (zh) 一种高速公路优化控制方法
CN116432448B (zh) 基于智能网联车和驾驶员遵从度的可变限速优化方法
CN110570672A (zh) 一种基于图神经网络的区域交通信号灯控制方法
CN106530757B (zh) 一种高架匝道智能信号调控方法
CN107331166A (zh) 一种基于路径分析的动态限行方法
CN109035811A (zh) 一种基于数字信息素的智能交通信号灯实时调控方法
CN113505346A (zh) 一种基于人工智能的城市路灯数据处理及联合调控系统
CN108133602A (zh) 一种城市交通信号控制方法和装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200626