CN111402615A - 一种基于导航信息的可变车道控制方法 - Google Patents
一种基于导航信息的可变车道控制方法 Download PDFInfo
- Publication number
- CN111402615A CN111402615A CN202010267062.4A CN202010267062A CN111402615A CN 111402615 A CN111402615 A CN 111402615A CN 202010267062 A CN202010267062 A CN 202010267062A CN 111402615 A CN111402615 A CN 111402615A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- navigation information
- vehicles
- intersection
- lane
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于导航信息的可变车道控制方法,具体涉及交通管理领域,包括以下步骤:S1、车道级流量检测;S2、交叉口间行程时间估计;S3、车辆导航信息获取;S4、转向车流量预测;S5、可变车道方案生成:根据预测的各方向行驶的车辆数、各方向的车道数,并考虑不同方向车辆行驶的通过时间差异,决定可变车道的方向。本发明利用车路协同通信机制,获取一部分车辆在通过某一交叉口时预定的行驶方向,并用于可变车道的控制,且获取数据准确率高,调节可变车道的依据更可靠,可变车道的调节更趋于合理。
Description
技术领域
本发明实施例涉及交通管理领域,具体涉及一种基于导航信息的可变车道控制方法。
背景技术
随着我国机动车保有量的日益增加,交通拥挤现象日益严重,特别是交叉口作为城市交通的节点,是城市道路系统的重要组成部分,因此解决交叉口的拥堵问题对缓解城市交通拥堵问题有着举足轻重的作用。很多交叉口在潮汐交通影响下会产生各流向不均衡现象,容易使进口道利用效率低下,形成拥堵。
为了更充分地利用道路资源,提高道路通行能力,现在很多城市都在路口设置了可变车道。而可变车道的控制方法主要是由人工观察道路状况进行切换,或者基于历史数据的统计在固定时间进行切换,人工切换的方式效率较低,而基于统计的方法不能准确反映当前的交通状况。
另一方面,人工智能、车路协同技术的迅速发展可以为可变车道的控制提供更多实时的、精准的数据。充分利用这些数据,可以对可变车道进行更高效的控制。
发明内容
为此,本发明实施例提供一种基于导航信息的可变车道控制方法,旨在解决现有技术中由于可变车道的控制为人工切换或者基于历史数据的统计在固定时间进行切换导致的切换效率低以及不能准确反映当前的交通状况的问题。
为了实现上述目的,本发明实施例提供如下技术方案:一种基于导航信息的可变车道控制方法,包括以下步骤:
S1、车道级流量检测:通过图像识别方法并配合车辆检测算法识别检测当前交叉口和上游交叉口每个车道的车流量和排队长度,且每隔T1时间,计算出这段时间内各车道组的流量和排队长度;
S2、交叉口间行程时间估计:利用上游交叉口和当前交叉口识别出的相同车牌的车辆的间隔时间,计算出交叉口间行程时间;
S3、车辆导航信息获取:采用路侧设备与装载有车路协同设备OBU的车辆配合使用的方式,获取上游交叉口车辆的位置和导航信息;
S4、转向车流量预测:根据车辆导航信息和车道及流量信息,预测未来T2时间内交叉口各方向的车辆数,根据向路侧设备提供导航信息车辆的比例a%,计算未来T2时间通过当前交叉口向某个方向行驶的车辆数;
S5、可变车道方案生成:根据预测的各方向行驶的车辆数、各方向的车道数,并考虑不同方向车辆行驶的通过时间差异,决定可变车道的方向。
进一步地,步骤S1中,采用图像识别方法具体识别的内容包括车辆位置、车辆类型、车辆速度、车牌号码、车头间距、车辆排队长度。
进一步地,步骤S1中,车辆检测算法采用Faster R-CNN算法,其检测过程分为四个步骤:
1)卷积层:原始图片先经过conv-relu-pooling的多层卷积神经网络,提取出特征图;
2)RPN层:用于生成候选框,先经过3x3的卷积运算,然后分为两路。一路用来判断候选框是前景还是背景,另一路利用bounding box regression调整候选框的位置,从而得到特征子图proposals;
3)ROI层:将大小尺寸不同的proposal池化成相同的大小,然后送入后续的全连接层进行物体分类和位置调整回归;
4)分类层:ROI层输出的特征图proposal,通过全连接层与softmax,计算属于哪个具体类别,比如机动车、非机动车、行人等,并可以得到cls_prob概率向量,同时再次对boundingbox进行regression精细调整proposal位置,得到bbox_pred,用于回归更加精确的目标检测框。
进一步地,步骤S2中,因为有些车辆会在交叉口间停留,或不遵守交通规则如逆行等,所以如果仅对相同车牌的间隔时间作简单平均,可能会导致行程时间计算结果出现较大偏差,因此需要通过使用统计方法去除异常值:计算一段时间内每辆车的行程时间,并计算行程时间的均值和标准差,之后把超过两个标准差的车辆去除,重新计算行程时间均值即可。
进一步地,步骤S3中,获取上游交叉口车辆的位置和导航信息的具体方法为:通过上游交叉口的装载有车路协同设备OBU(On Board Unit)的车辆,把自车的位置和导航信息通过车路协同通信协议(如C-V2X协议)发送给路侧设备RSU(Road Side Unit)。
进一步地,所述导航信息主要是车辆通过本交叉口时的行进方向,同时,因为不是所有的车辆都有车路协同通信功能,也不是所有的车辆都有导航信息,所以,在这里还需要统计具有导航信息的车辆数。
进一步地,步骤S3中,还可以在交叉口路侧安装GPS导航软件访问系统,该GPS导航软件访问系统能够通过无线通讯连接车主终端内GPS导航软件,获取车主当前GPS导航信息,用以获取上游交叉口车辆的位置和导航信息。
进一步地,步骤S4中,采用以下公式计算未来T2时间通过当前交叉口向某个方向行驶的车辆数:
N1:提供导航信息的车辆数
N2:未提供导航信息的车数
K1:N1中左转车辆比例
K2:N2中左转车辆比例
N1’=λN1,λ>1
N2’=N1+N2-N1’
左转车辆数=K1 N1’+ K2 ft(N2’)
其中f(N2’)是根据前几个T2时间段的左转车辆数通过加权移动平均法预测的结果:
ft(x)=w1xt-1+w2xt-2+…+wnxt-n,其中w1+w2+…+wn11且w1>w2>…>wn
各个方向行驶车辆数计算方法同理。
本发明还提供了一种实现该基于导航信息的可变车道控制方法的系统,包括车道级流量检测模块、交叉口间行程时间估计模块、车辆导航信息获取模块、转向流量预测模块和可变车道生成模块,所述车道级流量检测模块输出端与交叉口间行程时间估计模块输入端连接,所述车道级流量检测模块、交叉口间行程时间估计模块和车辆导航信息获取模块输出端与转向流量预测模块输入端连接,所述转向流量预测模块输出端与可变车道生成模块输入端连接;
所述车道级流量检测模块用于采用图像识别方法和车辆检测算法对车道级流量进行检测,检测信息发送至交叉口间行程时间估计模块;
所述交叉口间行程时间估计模块用于根据车道级流量检测模块识别出的同一车辆的间隔时间,计算出交叉口间行程时间,并将信息发送至转向流量预测模块;
所述车辆导航信息获取模块用于采用路侧设备与装载有车路协同设备OBU的车辆配合使用的方式或是采用GPS导航软件访问系统访问车主终端内GPS导航软件的方式,获取上游交叉口车辆的位置和导航信息,并将信息发送至转向流量预测模块;
所述转向流量预测模块用于根据车辆导航信息和车道及流量信息对转向车流量进行预测,并将预测信息发送至可变车道生成模块;
所述可变车道生成模块用于根据预测的各方向车辆数、车道数,并考虑不同方向车辆行驶的通过时间差异,决定可变车道的方向。
本发明实施例具有如下优点:
1、本发明能够利用车路协同通信机制,获取一部分车辆在通过某一交叉口时预定的行驶方向,并用于可变车道的控制,这部分数据准确率高,并且可以在车辆未到达交叉口时获取,所以会使调节可变车道的依据更可靠;而且,随着支持车路协同的车辆越来越多,这部分数据占的比例会越来越高,使最终可变车道的调节更趋于合理;
2、本发明对于不向路侧设备提供导航信息的车辆,通过视频分析的方法获取其在交叉口向不同方向行驶的数量,并通过加权移动平均法进行预测,也能获得相对准确的数值;
3、本发明还可以通过GPS导航软件访问系统与GPS导航软件连接,在一些车主使用GPS导航软件时,可以获取软件推送给车主的路线信息,从而得知车辆在路口的行驶方向信息,并且能够准确的获取车辆位置等信息,使用更加方便,减少预测和计算车辆数的工作,还可以在可变车道方案生成时通过GPS导航软件直接通知车主变车道等工作,更加有利于交通控制的顺利实施。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明提供的整体流程图;
图2为本发明提供的整体系统结构框图;
图3为本发明实施例1提供的路侧设备RSU工作示意图;
图4为本发明实施例2提供的GPS导航软件访问系统工作示意图;
图中:1车道级流量检测模块、2交叉口间行程时间估计模块、3车辆导航信息获取模块、4转向流量预测模块、5可变车道生成模块。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,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。
实施例1:
参照说明书附图1,该实施例的一种基于导航信息的可变车道控制方法,包括以下步骤:
S1、车道级流量检测:通过图像识别方法并配合车辆检测算法识别检测当前交叉口和上游交叉口每个车道的车流量和排队长度,识别的内容包括车辆位置、车辆类型、车辆速度、车牌号码、车头间距、车辆排队长度,且每隔T1时间,计算出这段时间内各车道组的流量和排队长度;
S2、交叉口间行程时间估计:利用上游交叉口和当前交叉口识别出的相同车牌的车辆的间隔时间,计算出交叉口间行程时间;
S3、车辆导航信息获取:采用路侧设备与装载有车路协同设备OBU的车辆配合使用的方式,获取上游交叉口车辆的位置和导航信息;
S4、转向车流量预测:根据车辆导航信息和车道及流量信息,预测未来T2时间内交叉口各方向的车辆数,根据向路侧设备提供导航信息车辆的比例a%,计算未来T2时间通过当前交叉口向某个方向行驶(如左转)的车辆数:
N1:提供导航信息的车辆数
N2:未提供导航信息的车数
K1:N1中左转车辆比例
K2:N2中左转车辆比例
N1’=λN1,λ>1
N2’=N1+N2-N1’
左转车辆数=K1 N1’+ K2 ft(N2’)
其中f(N2’)是根据前几个T2时间段的左转车辆数通过加权移动平均法预测的结果:
ft(x)=w1xt-1+w2xt-2+…+wnxt-n,其中w1+w2+…+wn11且w1>w2>…>wn
其他方向行驶车辆数计算方法同理;
S5、可变车道方案生成:根据预测的各方向行驶的车辆数、各方向的车道数,并考虑不同方向车辆行驶的通过时间差异,决定可变车道的方向。
进一步地,步骤S1中,车辆检测算法采用Faster R-CNN算法,其检测过程分为四个步骤:
1)卷积层:原始图片先经过conv-relu-pooling的多层卷积神经网络,提取出特征图,供后续的RPN网络和全连接层使用。卷积层可采用VGG-16模型,先将原始图片,缩放裁剪为300x300的图片,然后经过13个conv-relu层,其中会穿插4个max-pooling层。所有的卷积的kernel都是3x3的,padding为1,stride为1。pooling层kernel为2x2, padding为0,stride为2。
2)RPN层:用于生成候选框。先经过3x3的卷积运算,然后分为两路。一路用来判断候选框是前景还是背景,它先reshape成一维向量,然后利用softmax判断候选框是前景还是背景,从中选取前景候选框,然后reshape恢复为二维feature map。另一路利用boundingbox regression调整候选框的位置,从而得到特征子图proposals。
3)ROI层:将大小尺寸不同的proposal池化成相同的大小,然后送入后续的全连接层进行物体分类和位置调整回归。
4)分类层:ROI层输出的特征图proposal,通过全连接层与softmax,就可以计算属于哪个具体类别,比如机动车、非机动车、行人等,并可以得到cls_prob概率向量。同时再次对bounding box进行regression精细调整proposal位置,得到bbox_pred,用于回归更加精确的目标检测框。根据目标的类别,只保留机动车目标,忽略非机动车、行人等目标。
对于视频中每一帧检测到的车辆,需要在不同帧中确定是否为同一车辆,以便计算车流量和排队长度。目标跟踪有很多经典算法,例如Lucas–Kanade光流法。检测算法和跟踪算法结合,可以给每辆车赋予一个唯一的ID,这样在视频流中,根据每一帧的车辆ID数据,可以很容易计算出一段时间内通过一个道路断面的车流量,同样也可以依据前后帧车辆位置不变判断出车辆静止,从而可以计算出静止车辆的数量和排队长度。
进一步地,步骤S2中,因为有些车辆会在交叉口间停留,或不遵守交通规则如逆行等,所以如果仅对相同车牌的间隔时间作简单平均,可能会导致形成时间计算结果出现较大偏差,因此需要通过使用统计方法去除异常值:计算一段时间内每辆车的行程时间,并计算行程时间的均值和标准差,之后把超过两个标准差的车辆去除,重新计算行程时间均值即可。
进一步地,步骤S3中,获取上游交叉口车辆的位置和导航信息的具体方法为:通过上游交叉口的装载有车路协同设备OBU(On Board Unit)的车辆,把自车的位置和导航信息通过车路协同通信协议(如C-V2X协议)发送给路侧设备RSU(Road Side Unit),其中导航信息主要是车辆通过本交叉口时的行进方向;同时,因为不是所有的车辆都有车路协同通信功能,也不是所有的车辆都有导航信息,所以,在这里还需要统计具有导航信息的车辆数。
应用示例:
如图3所示,右侧交叉口为当前交叉口,所示车辆行进方向左侧车道为可变车道(直行或左转),右侧车道为直行和右转混合,左侧交叉口为上游交叉口。在两个交叉口都安装有摄像头,上游交叉口安装有车路协同通信设备RSU。摄像头和RSU都通过通信链路(如光纤)连接到计算单元。两个路口的摄像头视频实时传送到计算单元,计算单元通过图像识别方法检测到车辆,通过跟踪算法确定每个车的ID(图中车上的数字),并计算每个车道的流量和排队长度,以及每辆车通过交叉口后的行驶方向。同时,根据两个摄像头识别到的车辆号牌的时间差,计算交叉口间的行程时间。另外,在左侧交叉口,又有部分车辆安装有车路协同通信设备OBU(图中ID为11和14的车),这些车辆在行驶到左侧交叉口附近RSU的通信范围内时,会依据车路协同通信协议把自车的位置信息和导航信息(通过右侧交叉口的行驶方向)发送给RSU,RSU把这些信息传送给计算单元,计算单元可以根据交叉口行程时间预测这些车辆到达右侧交叉口的时间,结合当前通过交叉口的车辆的转向比,即可更准确地预测一段时间(如3分钟)后右侧交叉口的车辆转向比,从而决定如何调节可变车道。
本发明能够利用车路协同通信机制,获取一部分车辆在通过某一交叉口时预定的行驶方向,并用于可变车道的控制;因为这部分数据准确率高,并且可以在车辆未到达交叉口时获取,所以会使调节可变车道的依据更可靠;而且,随着支持车路协同的车辆越来越多,这部分数据占的比例会越来越高,使最终可变车道的调节更趋于合理;
对于不向路侧设备提供导航信息的车辆,通过视频分析的方法获取其在交叉口向不同方向行驶的数量,并通过加权移动平均法进行预测,也能获得相对准确的数值;
对提供导航信息的车辆的数据,给予一定程度的加权,使最终结果更合理。
实施例2:
步骤S3中,还可以在交叉口路侧安装GPS导航软件访问系统,该GPS导航软件访问系统能够通过无线通讯连接车主终端内GPS导航软件,获取车主当前GPS导航信息,用以获取上游交叉口车辆的位置和导航信息,如图4所示。
实施场景具体为:通过GPS导航软件访问系统与GPS导航软件连接,在一些车主使用GPS导航软件时,可以获取软件推送给车主的路线信息,从而得知车辆在路口的行驶方向信息,并且能够准确的获取车辆位置等信息,使用更加方便,减少预测和计算车辆数的工作,还可以在可变车道方案生成时通过GPS导航软件直接通知车主变车道等工作,更加有利于交通控制的顺利实施。
参照说明书附图2,本发明还提供了一种实现该基于导航信息的可变车道控制方法的系统,包括车道级流量检测模块1、交叉口间行程时间估计模块2、车辆导航信息获取模块3、转向流量预测模块4和可变车道生成模块5,所述车道级流量检测模块1输出端与交叉口间行程时间估计模块2输入端连接,所述车道级流量检测模块1、交叉口间行程时间估计模块2和车辆导航信息获取模块3输出端与转向流量预测模块4输入端连接,所述转向流量预测模块4输出端与可变车道生成模块5输入端连接;
车道级流量检测模块1采用图像识别方法和车辆检测算法对车道级流量进行检测,检测信息发送至交叉口间行程时间估计模块2,交叉口间行程时间估计模块2根据车道级流量检测模块1识别出的同一车辆的间隔时间,计算出交叉口间行程时间;车辆导航信息获取模块3采用路侧设备与装载有车路协同设备OBU的车辆配合使用的方式或是采用GPS导航软件访问系统访问车主终端内GPS导航软件的方式,获取上游交叉口车辆的位置和导航信息,并将信息发送至转向流量预测模块4,转向流量预测模块4根据车辆导航信息和车道及流量信息对转向车流量进行预测,并将预测信息发送至可变车道生成模块5;可变车道生成模块5用于根据预测的各方向车辆数、车道数,并考虑不同方向车辆行驶的通过时间差异,决定可变车道的方向。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (9)
1.一种基于导航信息的可变车道控制方法,其特征在于,包括以下步骤:
S1、车道级流量检测:通过图像识别方法并配合车辆检测算法识别检测当前交叉口和上游交叉口每个车道的车流量和排队长度,且每隔T1时间,计算出这段时间内各车道组的流量和排队长度;
S2、交叉口间行程时间估计:利用上游交叉口和当前交叉口识别出的相同车牌的车辆的间隔时间,计算出交叉口间行程时间;
S3、车辆导航信息获取:采用路侧设备与装载有车路协同设备OBU的车辆配合使用的方式,获取上游交叉口车辆的位置和导航信息;
S4、转向车流量预测:根据车辆导航信息和车道及流量信息,预测未来T2时间内交叉口各方向的车辆数,根据向路侧设备提供导航信息车辆的比例a%,计算未来T2时间通过当前交叉口向某个方向行驶的车辆数;
S5、可变车道方案生成:根据预测的各方向行驶的车辆数、各方向的车道数,并考虑不同方向车辆行驶的通过时间差异,决定可变车道的方向。
2.根据权利要求1所述的一种基于导航信息的可变车道控制方法,其特征在于:步骤S1中,采用图像识别方法具体识别的内容包括车辆位置、车辆类型、车辆速度、车牌号码、车头间距、车辆排队长度。
3.根据权利要求1所述的一种基于导航信息的可变车道控制方法,其特征在于:步骤S1中,车辆检测算法采用Faster R-CNN算法。
4.根据权利要求1所述的一种基于导航信息的可变车道控制方法,其特征在于:步骤S2中,需要通过使用统计方法去除异常值:计算一段时间内每辆车的行程时间,并计算行程时间的均值和标准差,之后把超过两个标准差的车辆去除,重新计算行程时间均值。
5.根据权利要求1所述的一种基于导航信息的可变车道控制方法,其特征在于:步骤S3中,获取上游交叉口车辆的位置和导航信息的具体方法为:通过上游交叉口的装载有车路协同设备OBU的车辆,把自车的位置和导航信息通过车路协同通信协议发送给路侧设备RSU。
6.根据权利要求5所述的一种基于导航信息的可变车道控制方法,其特征在于:所述导航信息是车辆通过本交叉口时的行进方向,且需要统计具有导航信息的车辆数。
7.根据权利要求1所述的一种基于导航信息的可变车道控制方法,其特征在于:步骤S3中,还可以在交叉口路侧安装GPS导航软件访问系统,该GPS导航软件访问系统能够通过无线通讯连接车主终端内GPS导航软件,获取车主当前GPS导航信息,用以获取上游交叉口车辆的位置和导航信息。
8.根据权利要求1所述的一种基于导航信息的可变车道控制方法,其特征在于:步骤S4中,采用以下公式计算未来T2时间通过当前交叉口向某个方向行驶的车辆数:
N1:提供导航信息的车辆数
N2:未提供导航信息的车数
K1:N1中左转车辆比例
K2:N2中左转车辆比例
N1’=λN1,λ>1
N2’=N1+N2-N1’
左转车辆数=K1 N1’+ K2 ft(N2’)
其中f(N2’)是根据前几个T2时间段的左转车辆数通过加权移动平均法预测的结果:
ft(x)=w1xt-1+w2xt-2+…+wnxt-n,其中w1+w2+…+wn11且w1>w2>…>wn
各个方向行驶车辆数计算方法同理。
9.实现权利要求1-8任意一项所述的一种基于导航信息的可变车道控制方法的系统,其特征在于:包括车道级流量检测模块(1)、交叉口间行程时间估计模块(2)、车辆导航信息获取模块(3)、转向流量预测模块(4)和可变车道生成模块(5),所述车道级流量检测模块(1)输出端与交叉口间行程时间估计模块(2)输入端连接,所述车道级流量检测模块(1)、交叉口间行程时间估计模块(2)和车辆导航信息获取模块(3)输出端与转向流量预测模块(4)输入端连接,所述转向流量预测模块(4)输出端与可变车道生成模块(5)输入端连接;
所述车道级流量检测模块(1)用于采用图像识别方法和车辆检测算法对车道级流量进行检测,检测信息发送至交叉口间行程时间估计模块(2);
所述交叉口间行程时间估计模块(2)用于根据车道级流量检测模块(1)识别出的同一车辆的间隔时间,计算出交叉口间行程时间,并将信息发送至转向流量预测模块(4);
所述车辆导航信息获取模块(3)用于采用路侧设备与装载有车路协同设备OBU的车辆配合使用的方式或是采用GPS导航软件访问系统访问车主终端内GPS导航软件的方式,获取上游交叉口车辆的位置和导航信息,并将信息发送至转向流量预测模块(4);
所述转向流量预测模块(4)用于根据车辆导航信息和车道及流量信息对转向车流量进行预测,并将预测信息发送至可变车道生成模块(5);
所述可变车道生成模块(5)用于根据预测的各方向车辆数、车道数,并考虑不同方向车辆行驶的通过时间差异,决定可变车道的方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010267062.4A CN111402615B (zh) | 2020-04-08 | 2020-04-08 | 一种基于导航信息的可变车道控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010267062.4A CN111402615B (zh) | 2020-04-08 | 2020-04-08 | 一种基于导航信息的可变车道控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111402615A true CN111402615A (zh) | 2020-07-10 |
CN111402615B CN111402615B (zh) | 2021-10-26 |
Family
ID=71429478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010267062.4A Active CN111402615B (zh) | 2020-04-08 | 2020-04-08 | 一种基于导航信息的可变车道控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111402615B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233445A (zh) * | 2020-09-28 | 2021-01-15 | 上海思寒环保科技有限公司 | 一种智能路障规避方法及系统 |
CN113566835A (zh) * | 2021-06-21 | 2021-10-29 | 南京市德赛西威汽车电子有限公司 | 一种基于rsu的车辆汇入感知实时导航方法及系统 |
CN114049761A (zh) * | 2021-10-22 | 2022-02-15 | 江苏航天大为科技股份有限公司 | 一种基于智能可变车道的交叉口控制方法 |
Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060058945A1 (en) * | 2004-09-14 | 2006-03-16 | Hisayuki Watanabe | Navigation apparatus, driving direction guidance method, and navigation system |
US20070150192A1 (en) * | 2005-12-05 | 2007-06-28 | Kotaro Wakamatsu | Vehicle Position Estimating Apparatus And Vehicle Position Estimating Method |
WO2011126215A2 (ko) * | 2010-04-09 | 2011-10-13 | 고려대학교 산학협력단 | 양방향 통신 기능을 결합한 차량용 네비게이터 기반 실시간 교통망 구조 제어와 연계한 교통 흐름 제어 및 동적 경로 제공 시스템 및 그 방법 |
KR101119952B1 (ko) * | 2010-08-19 | 2012-03-16 | (주)삼우건설 | 횡단보도 및 가변차선용 교통안전 시설물 |
CN102968905A (zh) * | 2012-11-23 | 2013-03-13 | 江苏大为科技股份有限公司 | 自适应路口可变车道道路交通信号控制系统 |
CN103700273A (zh) * | 2014-01-06 | 2014-04-02 | 东南大学 | 基于可变导向车道的信号配时优化方法 |
CN104036645A (zh) * | 2014-06-03 | 2014-09-10 | 东南大学 | 基于可变车道的交叉口信号控制方法 |
CN104933882A (zh) * | 2015-05-20 | 2015-09-23 | 浙江吉利汽车研究院有限公司 | 一种交通路口驾驶辅助方法及系统 |
CN106297326A (zh) * | 2016-10-27 | 2017-01-04 | 深圳榕亨实业集团有限公司 | 基于全息路网潮汐交通流可变车道控制方法 |
CN106384518A (zh) * | 2016-10-31 | 2017-02-08 | 江苏金米智能科技有限责任公司 | 一种潮汐车道控制系统 |
CN106408962A (zh) * | 2016-10-31 | 2017-02-15 | 江苏金米智能科技有限责任公司 | 一种潮汐车道控制方法 |
CN106548633A (zh) * | 2016-10-20 | 2017-03-29 | 中国科学院深圳先进技术研究院 | 一种路网潮汐交通流可变导向车道控制方法 |
CN206370157U (zh) * | 2016-12-25 | 2017-08-01 | 华北理工大学 | 潮汐型可变车道 |
CN107170257A (zh) * | 2017-07-11 | 2017-09-15 | 山东理工大学 | 一种基于多源数据的逆向可变车道智能控制方法 |
CN206541448U (zh) * | 2016-12-19 | 2017-10-03 | 吉林大学 | 一种基于车路协同的城市车辆导航系统 |
CN108109390A (zh) * | 2018-02-02 | 2018-06-01 | 沈阳市公安局交通警察支队 | 一种道路交通可变车道调控系统及调控方法 |
CN108230698A (zh) * | 2016-12-21 | 2018-06-29 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法及装置 |
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 |
CN108665714A (zh) * | 2017-09-28 | 2018-10-16 | 孟卫平 | 交通信号泛弦控制方法及其系统 |
CN108765953A (zh) * | 2018-06-12 | 2018-11-06 | 佛山市飞程信息技术有限公司 | 一种通过汽车导航数据实现车道变更的方法及系统 |
CN109035816A (zh) * | 2018-09-25 | 2018-12-18 | 济南大学 | 一种基于数据预测的智能潮汐交通灯 |
CN109300325A (zh) * | 2018-12-14 | 2019-02-01 | 安徽江淮汽车集团股份有限公司 | 一种基于v2x的车道预测方法及系统 |
CN109448385A (zh) * | 2019-01-04 | 2019-03-08 | 北京钛星科技有限公司 | 基于车路协同的自动驾驶车辆交叉路口调度系统及方法 |
CN109658700A (zh) * | 2019-03-05 | 2019-04-19 | 上汽大众汽车有限公司 | 交叉路口防撞预警装置及预警方法 |
CN109767630A (zh) * | 2019-04-12 | 2019-05-17 | 江苏广宇科技产业发展有限公司 | 一种基于车路协同的交通信号控制系统 |
CN110570649A (zh) * | 2018-06-05 | 2019-12-13 | 高德软件有限公司 | 机动车流量检测方法、设备工作状态检测方法及相应装置 |
-
2020
- 2020-04-08 CN CN202010267062.4A patent/CN111402615B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060058945A1 (en) * | 2004-09-14 | 2006-03-16 | Hisayuki Watanabe | Navigation apparatus, driving direction guidance method, and navigation system |
US20070150192A1 (en) * | 2005-12-05 | 2007-06-28 | Kotaro Wakamatsu | Vehicle Position Estimating Apparatus And Vehicle Position Estimating Method |
WO2011126215A2 (ko) * | 2010-04-09 | 2011-10-13 | 고려대학교 산학협력단 | 양방향 통신 기능을 결합한 차량용 네비게이터 기반 실시간 교통망 구조 제어와 연계한 교통 흐름 제어 및 동적 경로 제공 시스템 및 그 방법 |
KR101119952B1 (ko) * | 2010-08-19 | 2012-03-16 | (주)삼우건설 | 횡단보도 및 가변차선용 교통안전 시설물 |
CN102968905A (zh) * | 2012-11-23 | 2013-03-13 | 江苏大为科技股份有限公司 | 自适应路口可变车道道路交通信号控制系统 |
CN103700273A (zh) * | 2014-01-06 | 2014-04-02 | 东南大学 | 基于可变导向车道的信号配时优化方法 |
CN104036645A (zh) * | 2014-06-03 | 2014-09-10 | 东南大学 | 基于可变车道的交叉口信号控制方法 |
CN104933882A (zh) * | 2015-05-20 | 2015-09-23 | 浙江吉利汽车研究院有限公司 | 一种交通路口驾驶辅助方法及系统 |
EP3300053A4 (en) * | 2015-05-20 | 2018-05-30 | Zhejiang Geely Automobile Research Institute Co., Ltd. | Traffic intersection driving assistance method and system |
CN106548633A (zh) * | 2016-10-20 | 2017-03-29 | 中国科学院深圳先进技术研究院 | 一种路网潮汐交通流可变导向车道控制方法 |
CN106297326A (zh) * | 2016-10-27 | 2017-01-04 | 深圳榕亨实业集团有限公司 | 基于全息路网潮汐交通流可变车道控制方法 |
CN106384518A (zh) * | 2016-10-31 | 2017-02-08 | 江苏金米智能科技有限责任公司 | 一种潮汐车道控制系统 |
CN106408962A (zh) * | 2016-10-31 | 2017-02-15 | 江苏金米智能科技有限责任公司 | 一种潮汐车道控制方法 |
CN206541448U (zh) * | 2016-12-19 | 2017-10-03 | 吉林大学 | 一种基于车路协同的城市车辆导航系统 |
CN108230698A (zh) * | 2016-12-21 | 2018-06-29 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法及装置 |
CN206370157U (zh) * | 2016-12-25 | 2017-08-01 | 华北理工大学 | 潮汐型可变车道 |
CN107170257A (zh) * | 2017-07-11 | 2017-09-15 | 山东理工大学 | 一种基于多源数据的逆向可变车道智能控制方法 |
CN108665714A (zh) * | 2017-09-28 | 2018-10-16 | 孟卫平 | 交通信号泛弦控制方法及其系统 |
CN108109390A (zh) * | 2018-02-02 | 2018-06-01 | 沈阳市公安局交通警察支队 | 一种道路交通可变车道调控系统及调控方法 |
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 |
CN110570649A (zh) * | 2018-06-05 | 2019-12-13 | 高德软件有限公司 | 机动车流量检测方法、设备工作状态检测方法及相应装置 |
CN108765953A (zh) * | 2018-06-12 | 2018-11-06 | 佛山市飞程信息技术有限公司 | 一种通过汽车导航数据实现车道变更的方法及系统 |
CN109035816A (zh) * | 2018-09-25 | 2018-12-18 | 济南大学 | 一种基于数据预测的智能潮汐交通灯 |
CN109300325A (zh) * | 2018-12-14 | 2019-02-01 | 安徽江淮汽车集团股份有限公司 | 一种基于v2x的车道预测方法及系统 |
CN109448385A (zh) * | 2019-01-04 | 2019-03-08 | 北京钛星科技有限公司 | 基于车路协同的自动驾驶车辆交叉路口调度系统及方法 |
CN109658700A (zh) * | 2019-03-05 | 2019-04-19 | 上汽大众汽车有限公司 | 交叉路口防撞预警装置及预警方法 |
CN109767630A (zh) * | 2019-04-12 | 2019-05-17 | 江苏广宇科技产业发展有限公司 | 一种基于车路协同的交通信号控制系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112233445A (zh) * | 2020-09-28 | 2021-01-15 | 上海思寒环保科技有限公司 | 一种智能路障规避方法及系统 |
CN113566835A (zh) * | 2021-06-21 | 2021-10-29 | 南京市德赛西威汽车电子有限公司 | 一种基于rsu的车辆汇入感知实时导航方法及系统 |
CN114049761A (zh) * | 2021-10-22 | 2022-02-15 | 江苏航天大为科技股份有限公司 | 一种基于智能可变车道的交叉口控制方法 |
CN114049761B (zh) * | 2021-10-22 | 2023-01-31 | 江苏航天大为科技股份有限公司 | 一种基于智能可变车道的交叉口控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111402615B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111402615B (zh) | 一种基于导航信息的可变车道控制方法 | |
US11113961B2 (en) | Driver behavior monitoring | |
US5801943A (en) | Traffic surveillance and simulation apparatus | |
WO2021008605A1 (zh) | 一种确定车速的方法和装置 | |
US5696503A (en) | Wide area traffic surveillance using a multisensor tracking system | |
US20200081442A1 (en) | Vehicle control apparatus and method for controlling automated driving vehicle | |
CN112017437B (zh) | 路口交通信息感知控制系统和方法 | |
US20200211373A1 (en) | Traffic information processing device | |
KR102330614B1 (ko) | 교통 신호 제어 시스템 및 그 방법 | |
US11615702B2 (en) | Determining vehicle path | |
CN102024330A (zh) | 基于高清视频技术的智能交通信号控制系统、方法及设备 | |
US20220237919A1 (en) | Method, Apparatus, and Computing Device for Lane Recognition | |
CN114694060B (zh) | 一种道路抛洒物检测方法、电子设备及存储介质 | |
CN107545757A (zh) | 基于车牌识别的城市道路流速测量装置和方法 | |
CN113178076A (zh) | 一种车路协同系统和车路协同方法 | |
CN114241762B (zh) | 一种基于物联网的智慧城市交通综合数据采集分析系统 | |
CN112612272A (zh) | 一种避障控制方法、电子设备及存储介质 | |
CN111932882A (zh) | 一种基于图像识别的道路事故实时预警系统、方法和设备 | |
CN114964286A (zh) | 轨迹规划信息生成方法、装置、电子设备以及存储介质 | |
KR102194220B1 (ko) | 교통 신호 제어 시스템 및 그 방법 | |
CN102024331A (zh) | 可用于智能交通信号控制系统的系统 | |
Khan et al. | Machine learning driven intelligent and self adaptive system for traffic management in smart cities | |
CN103903432A (zh) | 用于确定路链拥堵状况的设备和方法 | |
Kadim et al. | Real-time deep-learning based traffic volume count for high-traffic urban arterial roads | |
WO2021233154A1 (zh) | 可行驶区域检测方法、装置、设备及存储介质 |
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 |