CN111583654A - 一种预防交叉口堵车的方法 - Google Patents

一种预防交叉口堵车的方法 Download PDF

Info

Publication number
CN111583654A
CN111583654A CN202010458074.5A CN202010458074A CN111583654A CN 111583654 A CN111583654 A CN 111583654A CN 202010458074 A CN202010458074 A CN 202010458074A CN 111583654 A CN111583654 A CN 111583654A
Authority
CN
China
Prior art keywords
intersection
vehicle
speed
traffic jam
model
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
Application number
CN202010458074.5A
Other languages
English (en)
Other versions
CN111583654B (zh
Inventor
郑培余
张晖
赵上辉
杨宏伟
叶剑
陈波
陈冰
杨光
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.)
Duolun Technology Co Ltd
Original Assignee
Duolun 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 Duolun Technology Co Ltd filed Critical Duolun Technology Co Ltd
Priority to CN202010458074.5A priority Critical patent/CN111583654B/zh
Publication of CN111583654A publication Critical patent/CN111583654A/zh
Application granted granted Critical
Publication of CN111583654B publication Critical patent/CN111583654B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/09Arrangements for giving variable traffic instructions
    • G08G1/0962Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968Systems involving transmission of navigation instructions to the vehicle
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Abstract

本发明公开了一种预防交叉口堵车的方法,包括步骤如下:1)对交叉口群进行界定;2)利用排队论模型判断交叉口是否堵车;3)基于移动闭塞模型建立速度引导模型;4)根据上述速度引导模型得到当前车辆最佳行驶速度,并将其回传至当前车辆的车载终端。本发明的方法解决了在路口处驾驶员对于速度判定失误的问题,有效防止因为行驶速度带来的堵车问题。

Description

一种预防交叉口堵车的方法
技术领域
本发明涉及一种基于车联网排队论和移动闭塞模型的预防交叉口堵车的方法,属于城市交通技术领域。
背景技术
近年来,随着汽车拥有量的是日渐增多,产生了大量由于交通拥堵导致的时间延误、安全隐患和环境污染。交通运输部数据显示,交通拥堵产生的经济损失占全国生产力的5%~8%。80%的城市的交通拥堵集中在十字路口和城市中心,大量城市需要一个快捷准确的预防堵塞的解决方案。
随着网络技术的发展,与认为交通管理手段相比,速度引导在安全性和成本上都有优越之处。以单个交叉口为对象进行车速引导,虽然车辆能不停车通过当前交叉口,但通过交叉口后交通会呈现不均匀分布。当交通流到达下游交叉口时,就可能出现大规模拥堵;从城市网角度来说,以交叉口群为拥堵治理对象更佳。
排队论发源于上世纪初,美国贝尔公司发明了自动电话,用来适应工商电话需要,但是随之而来的是通话线路于电话用户呼叫的数量关系如何妥善解决,为了解决这个问题,排队论应运而生。排队论讨论服务时间、服务效率、服务间隔、服务台个数等等。该方法主要用于机场排队、地铁排队等一维模型,但是堵车情况严格来说是二维的,如环状堵车等,但如果把堵车的疏通点视为服务台,则也可以把堵车问题作为排队问题来解决。
目前,车联网是各个公司都在奋力研究的领域,但是现在并未普及,就算普及也需要大量的演算样本来提升性能。就目前而言,司机仍然是靠眼看耳听来控制车辆速度,观察区域只限于前后方向两辆车,经常容易发生车祸和堵车,倘若车联网能解决堵车问题则会极大有益于人类。
发明内容
为了克服现有技术中存在的不足,本发明提供一种预防交叉口堵车的方法,以解决现有技术中车联网技术的应用无法有效缓解拥堵路口堵车的问题。
为实现上述目的,本发明的一种预防交叉口堵车的方法,包括步骤如下:
1)对交叉口群进行界定;
2)利用排队论模型判断交叉口是否堵车;
3)基于移动闭塞模型建立速度引导模型;
4)根据上述速度引导模型得到当前车辆最佳行驶速度,并将其回传至当前车辆的车载终端。
进一步地,所述步骤1)具体包括:采用间距法计算交叉口之间的关联度,筛选出内部交叉口间距小的交叉口,即交叉口群,并将其是为一个整体进行协同控制。
进一步地,所述步骤1)中的交叉口群的判定因素包括:周围道路的复杂程度,其与实际情况下的车流量无关,以此给出第一层筛选,筛选出有可能堵车的交叉口群;包含十字路口、T字路口和车流量较大的窄巷。
进一步地,所述步骤2)具体包括:利用排队论模型进行第二层筛选,对上述步骤1)中界定出的交叉口群进行实际车流量监测,并用排队论模型进行计算,来筛选出堵车情况严重或者存在堵车隐患的路口。
进一步地,所述步骤2)具体还包括:利用排队论模型来计算各个道路的平均等待队长和平均等待时间,所述各道路的平均等待时间用以判断各道路是否有堵车事件的发生;统计堵车等待时间的历史数据,对平均等待时间设置一个阈值,如果小于该阈值,则判定为不堵车,运用速度引导模型来预防堵车;如果大于该阈值,则判定为堵车,对速度引导模型进行优化,用优化后的速度引导模型来解决堵车问题。
进一步地,所述步骤3)具体包括:移动闭塞模型的核心求解参数是车辆之间的最小追踪间隔LMB,其由驾驶员反映距离LREACTION、最大刹车距离LBRAKE和安全距离LSAFE构成;把LMB转化为安全闭塞时距TMB,TMB由驾驶员反应时间TREACTION、车辆紧急刹车时间TBRAKE和安全距离时间TSAFE组成,公式表示如下:
Figure BDA0002510016350000021
其中,VSUGGEST为车辆的引导速度,aMAX为车辆最大减速度。
进一步地,所述步骤3)具体还包括:针对车辆在十字路口右拐、直行和左拐的状况下进行分类讨论,不同的行驶路线决定着安全距离的计算方法不同。
进一步地,所述步骤3)具体还包括:车辆通过交叉口经历三个过程,分别为:1)驾驶员从接收信息到开始控速的时间TREACTION,在TREACTION内保持原速行驶;2)车辆调整至引导速度Vguide-i;3)车辆保持Vguide-i通过交叉口;
车辆在1)阶段内的行驶距离:
S1=V0i·t1=V0i·TREACTION (2)
车辆在2)阶段所用时间和行驶距离:
Figure BDA0002510016350000031
Figure BDA0002510016350000032
车辆在3)阶段节点所用时间和距离:
Figure BDA0002510016350000033
Figure BDA0002510016350000034
其中,Lrange-i是车辆从进入交叉口引导范围到交叉口停车线的距离,对于不同车道的车辆分为以下计算方式,(x1,y1)是车辆进入交叉口范围时的坐标,(x2,y2)是交叉口停车线中心点的坐标,Lleft是车辆左转的半径;
Figure BDA0002510016350000035
车辆经过上述三个阶段后通过交叉口时刻等于上述移动闭塞模型计算时刻:
Tpassfront-end+TREACTION+TBRAKE+TSAFE+Tadjust=Tarrive+T1+T2+T3 (8)
把1)、2)和3)的计算结果带入式(8),得到:
Figure BDA0002510016350000036
化简可得车辆i的引导速度为:
Figure BDA0002510016350000041
其中,Tguide-i=Tpassfront-end+Tsafe+Tadjust-i-Tarrive-i
本发明中,在车联网环境下,由路测单元采集周围环境信息、交通灯信息和周围车辆信息,并将采集到的信息传送至控制中心,由控制中心进行计算,以安全性和效率为条件,得到当前最佳行驶速度,传回车载终端。车联网环境下的速度引导模型和移动闭塞模型均采用无线通信,通过速度引导模型计算出普通车辆引导速度,相比只获取列车信息,其还能获取路测路标信息,红绿灯信息,周围360°方向的车辆信息,对于车辆定位技术、车辆感知技术和无线通信技术的要求较高。当发生堵车时,采用排队论对堵车平均等待时间进行计算,若超过阈值,则改进速度引导模型,对于被堵塞车辆,在确保安全性的基础上,升高引导速度,对于后方车辆,适当减少引导速度,直至堵塞交叉口完全疏通为止。
本发明的有益效果:
本发明的方法解决了在路口处驾驶员对于速度判定失误的问题,有效防止因为行驶速度带来的堵车问题。用计算机算出最佳行驶速度并将其传回车载终端,保证安全的同时确保了效率,减少道路堵塞。
附图说明
图1为本发明方法的原理图。
图2a为网状交叉口群示意图。
图2b为线状交叉口群示意图。
图3为移动闭塞模型原理图。
图4为车联网环境下左转车辆情况示意图。
图5为交叉口群堵塞情况下改进速度引导模型示意图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。
参照图1所示,本发明的一种预防交叉口堵车的方法,包括步骤如下:
1)对交叉口群进行界定;利用间距法筛选出交叉口群,可以是十字路口、T字路口等交通要道,也可以是车流量较大的窄巷;具体为:
判断是否为交叉口,采用间距法判断上下游交叉口是否为交叉口群
Figure BDA0002510016350000051
di≤D (2)
其中,(xup,yup)为上游交叉口坐标,(xdown,ydown)为下游交叉口坐标,D为上下游交叉口的界定距离,若di≤D,说明车辆处于交叉口范围内。
按照交叉口群里单点交叉口的协调控制关系和空间位置,可以把交叉口群分为线性交叉口群和网状交叉口群两种基本类型,如图2a和图2b。线性交叉口群呈一条直线,任意两个交叉口之间的连线是一条直线。区域网状交叉口群指交叉口群中任意两交叉口组成的起止点间可能存在一条路径,也可能存在多条路径。
2)利用排队论模型判断交叉口是否堵车;
令Pn为在t时刻车辆开出拥堵口的概率,λ为单位时间到达车辆数,μ为车辆疏通能力;且
Figure BDA0002510016350000052
根据排队论,可得:
Figure BDA0002510016350000053
Figure BDA0002510016350000054
根据几何级数收敛公式,可得:
Pn=ρn(1-ρ) (5)
令L为堵塞排队长度,即被堵汽车数量:
Figure BDA0002510016350000061
根据式(3)可以得出:
Figure BDA0002510016350000062
式中,ρ为评判道路是否堵塞的数据,若ρ<1,则道路正常,无堵车现象;若ρ>1,则道路出现拥堵现象,数值越大则越严重;
W=L/λ (8)
式中,W表示为平均等待时间,W越大,表示等待时间越久。
3)移动闭塞模型的使用;
如图3所示,移动闭塞模型的核心参数是车辆之间的最小追踪间隔LMB,其由驾驶员反映距离LREACTION、最大刹车距离LBRAKE和安全距离LSAFE构成;研究移动闭塞技术的关键是把LMB转化为安全闭塞时距TMB,TMB由驾驶员反应时间TREACTION、车辆紧急刹车时间TBRAKE和安全距离时间TSAFE组成,公式表示如下:
Figure BDA0002510016350000063
其中,VSUGGEST为车辆的引导速度,aMAX为车辆最大减速度。
一般来说,移动闭塞模型多用于列车、火车和动车场景。车辆行驶于固定铁轨上,由控制中心分析每辆车之间的位置和间距,如果有列车距离小于安全距离的情况,及时通知制定列车进行调整。
4)驶入车道的分类讨论
当车辆行驶至交叉口时,由车辆打转向灯,并将信息实时传入车联网,对车辆所在车道进行分析,对左转、右转、直行的情况做出不同引导;
车辆左转:
如图4所示,车辆左转受三个条件影响:前车通过交叉口的时刻、对向直行车通过交叉口时刻和信号灯闪烁时刻;引导策略如下:
41)车辆距离交叉口的范围d0i,车辆i收到到达引导范围时刻Tarivve和前车预计通过时间Tpassfront-i
42)对向直行车辆j,该车辆j预计通过时刻Tpassfront-j,选Tpassfront i-和Tpassfront-j中较晚的时刻作为前车最终通过时刻Tpassfront-end
43)以Tpassfront-end为起点,获得车辆j安全闭塞时距
Figure BDA0002510016350000072
预计通过时刻Tpass-i、左转车辆引导距离Lguide-left和引导速度Vguide-i
44)判断Vguide-i是否在交叉口的限速区间内[VMIN,VMAX],如果不在,则逐秒递增Tpass-i,直至符合限速要求;
45)判断Tpass-i是否处于绿灯时间,如果在绿灯内,则Vguide-i是最终引导速度Vguide-i-end;如果不在,则在下个周期绿灯时候重新开始计算,一直到Tpass-i处于绿灯时间内。
车辆直行和右转都与之类似,此处不再赘述。
5)速度引导模型建立;
车辆通过交叉口经历三个过程分别为51)驾驶员从接收信息到开始控速的时间TREACTION,在TREACTION内保持原速行驶;52)车辆调整至引导速度Vguide-i;53)车辆保持Vguide-i通过交叉口;
车辆在51)阶段内的行驶距离:
S1=V0i·t1=V0i·TREACTION (11)
车辆在52)阶段所用时间和行驶距离:
Figure BDA0002510016350000071
Figure BDA0002510016350000081
车辆在53)阶段节点所用时间和距离:
Figure BDA0002510016350000082
Figure BDA0002510016350000083
其中,Lrange-i是车辆从进入交叉口引导范围到交叉口停车线的距离,对于不同车道的车辆分为以下计算方式,(x1,y1)是车辆进入交叉口范围时的坐标,(x2,y2)是交叉口停车线中心点的坐标,Lleft是车辆左转的半径;
Figure BDA0002510016350000084
车辆经过上述三个阶段后通过交叉口时刻等于上述移动闭塞技术计算时刻:
Tpassfront-end+TREACTION+TBRAKE+TSAFE+Tadjust=Tarrive+T1+T2+T3 (17)
把51)、52)和53)的计算结果带入式(17),得到:
Figure BDA0002510016350000085
化简可得车辆i的引导速度为:
Figure BDA0002510016350000086
其中,Tguide-i=Tpassfront-end+Tsafe+Tadjust-i-Tarrive-i
6)根据上述速度引导模型得到当前车辆最佳行驶速度,并回传当前车辆的车载终端。
上述模型,基于车联网的计算,给出了当前车辆过弯时的合适的引导速度,但实际上并非所有驾驶员都会严格遵守引导速度来行驶,必然有一定误差,甚至会很大,在车流量较大的路口,些许误差累积起来则会造成堵车,这里使用排队论模型去给堵车构建一个理论化指标,以此来判断堵车情况,同时适当的更改速度引导模型,以便于更好的疏散车辆。由上述步骤2)算出的平均等待时间w;表1为更改速度引导模型的判定条件;如下:
表1
W>10min W<10min
堵车,更改速度引导模型 不堵车,引导模型不变
设速度引导模型更改后的速度为Vguide2-i,在可行范围内提升引导速度直至Vguide2-i,速度引导分三个过程,其中第二个过程是车辆调整至引导速度的过程,Vguide-i升高,则S2、T2降低;也就是说,当路口堵车的时,我们可以提升路口被堵车辆的引导速度,减慢即将到达路口的车辆的引导速度,如图5所示。
在路口堵车地段,因车辆被堵无法提速,疏通时车辆处于从0开始提速的状态,所以针对被堵车辆,可以把上述速度引导模型的引导速度公式(19)中的
Figure BDA0002510016350000091
进行修改;该项表示车辆在引导过程内用最大加速度产生的速度;因为其过于考虑了安全性问题,并不适用于已经发生堵车的堵车路口。因为车辆需要从0开始加速的原因,不再考虑用安全时段和加速度算出来的最终速度,把路段的最高限速考虑进去,根据到路口规定,交叉口范围内最高限速为85%路段最高限速VMAX
Figure BDA0002510016350000092
而对于即将到来却未到来的车辆,应该减小其速度,避免加重堵车情况:
Figure BDA0002510016350000093
尽管以上本发明的实施方案进行了描述,但本发明并不局限于上述的具体实施方案和应用领域,上述的具体实施方案仅仅是示意性的、指导性的,而不是限制性的。本领域的普通技术人员在本说明书的启示下,在不脱离本发明权利要求所保护的范围的情况下,还可以做出很多种的形式,这些均属于本发明保护之列。

Claims (8)

1.一种预防交叉口堵车的方法,其特征在于,包括步骤如下:
1)对交叉口群进行界定;
2)利用排队论模型判断交叉口是否堵车;
3)基于移动闭塞模型建立速度引导模型;
4)根据上述速度引导模型得到当前车辆最佳行驶速度,并将其回传至当前车辆的车载终端。
2.根据权利要求1所述的预防交叉口堵车的方法,其特征在于,所述步骤1)具体包括:采用间距法计算交叉口之间的关联度,筛选出内部交叉口间距小的交叉口,即交叉口群,并将其是为一个整体进行协同控制。
3.根据权利要求1所述的预防交叉口堵车的方法,其特征在于,所述步骤1)中的交叉口群的判定因素包括:周围道路的复杂程度,其与实际情况下的车流量无关,以此给出第一层筛选,筛选出有可能堵车的交叉口群;包含:十字路口、T字路口和车流量较大的窄巷。
4.根据权利要求1所述的预防交叉口堵车的方法,其特征在于,所述步骤2)具体包括:利用排队论模型进行第二层筛选,对上述步骤1)中界定出的交叉口群进行实际车流量监测,并用排队论模型进行计算,来筛选出堵车情况严重或者存在堵车隐患的路口。
5.根据权利要求1所述的预防交叉口堵车的方法,其特征在于,所述步骤2)具体还包括:利用排队论模型来计算各个道路的平均等待队长和平均等待时间,所述各道路的平均等待时间用以判断各道路是否有堵车事件的发生;统计堵车等待时间的历史数据,对平均等待时间设置一个阈值,如果小于该阈值,则判定为不堵车,运用速度引导模型来预防堵车;如果大于该阈值,则判定为堵车,对速度引导模型进行优化,用优化后的速度引导模型来解决堵车问题。
6.根据权利要求1所述的预防交叉口堵车的方法,其特征在于,所述步骤3)具体包括:移动闭塞模型的核心求解参数是车辆之间的最小追踪间隔LMB,其由驾驶员反映距离LREACTION、最大刹车距离LBRAKE和安全距离LSAFE构成;把LMB转化为安全闭塞时距TMB,TMB由驾驶员反应时间TREACTION、车辆紧急刹车时间TBRAKE和安全距离时间TSAFE组成,公式表示如下:
Figure FDA0002510016340000011
其中,VSUGGEST为车辆的引导速度,aMAX为车辆最大减速度。
7.根据权利要求6所述的预防交叉口堵车的方法,其特征在于,所述步骤3)具体还包括:针对车辆在十字路口右拐、直行和左拐的状况下进行分类讨论,不同的行驶路线决定着安全距离的计算方法不同。
8.根据权利要求6所述的预防交叉口堵车的方法,其特征在于,所述步骤3)具体还包括:车辆通过交叉口经历三个过程,分别为:1)驾驶员从接收信息到开始控速的时间TREACTION,在TREACTION内保持原速行驶;2)车辆调整至引导速度Vguide-i;3)车辆保持Vguide-i通过交叉口;
车辆在1)阶段内的行驶距离:
S1=V0i·t1=V0i·TREACTION (2)
车辆在2)阶段所用时间和行驶距离:
Figure FDA0002510016340000021
Figure FDA0002510016340000022
车辆在3)阶段节点所用时间和距离:
Figure FDA0002510016340000023
Figure FDA0002510016340000024
其中,Lrange-i是车辆从进入交叉口引导范围到交叉口停车线的距离,对于不同车道的车辆分为以下计算方式,(x1,y1)是车辆进入交叉口范围时的坐标,(x2,y2)是交叉口停车线中心点的坐标,Lleft是车辆左转的半径;
Figure FDA0002510016340000025
车辆经过上述三个阶段后通过交叉口时刻等于上述移动闭塞模型计算时刻:
Tpassfront-end+TREACTION+TBRAKE+TSAFE+Tadjust=Tarrive+T1+T2+T3 (8)
把1)、2)和3)的计算结果带入式(8),得到:
Figure FDA0002510016340000031
化简可得车辆i的引导速度为:
Figure FDA0002510016340000032
其中,Tguide-i=Tpassfront-end+Tsafe+Tadjust-i-Tarrive-i
CN202010458074.5A 2020-05-27 2020-05-27 一种预防交叉口堵车的方法 Active CN111583654B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010458074.5A CN111583654B (zh) 2020-05-27 2020-05-27 一种预防交叉口堵车的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010458074.5A CN111583654B (zh) 2020-05-27 2020-05-27 一种预防交叉口堵车的方法

Publications (2)

Publication Number Publication Date
CN111583654A true CN111583654A (zh) 2020-08-25
CN111583654B CN111583654B (zh) 2022-07-12

Family

ID=72114189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010458074.5A Active CN111583654B (zh) 2020-05-27 2020-05-27 一种预防交叉口堵车的方法

Country Status (1)

Country Link
CN (1) CN111583654B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784406A (zh) * 2021-01-06 2021-05-11 北京交通大学 基于移动闭塞时空占用带模型的列车追踪运行优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011152022A1 (ja) * 2010-05-31 2011-12-08 三洋電機株式会社 端末装置
CN106887141A (zh) * 2017-03-22 2017-06-23 山东大学 基于排队论的连续交通节点拥塞程度预测模型、系统及方法
CN207611490U (zh) * 2017-12-30 2018-07-13 广州大正新材料科技有限公司 一种用于解决路口交通拥堵的系统
CN108510769A (zh) * 2018-05-28 2018-09-07 北京交通大学 基于车路协同的移动闭塞交叉口车速引导系统和方法
CN108520633A (zh) * 2018-03-02 2018-09-11 江苏大学 一种缓解交通拥堵的车速引导方法
CN109754598A (zh) * 2018-08-02 2019-05-14 银江股份有限公司 一种拥堵组团识别方法及系统
CN110047292A (zh) * 2019-05-29 2019-07-23 招商局重庆交通科研设计院有限公司 道路路段拥堵预警方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011152022A1 (ja) * 2010-05-31 2011-12-08 三洋電機株式会社 端末装置
CN106887141A (zh) * 2017-03-22 2017-06-23 山东大学 基于排队论的连续交通节点拥塞程度预测模型、系统及方法
CN207611490U (zh) * 2017-12-30 2018-07-13 广州大正新材料科技有限公司 一种用于解决路口交通拥堵的系统
CN108520633A (zh) * 2018-03-02 2018-09-11 江苏大学 一种缓解交通拥堵的车速引导方法
CN108510769A (zh) * 2018-05-28 2018-09-07 北京交通大学 基于车路协同的移动闭塞交叉口车速引导系统和方法
CN109754598A (zh) * 2018-08-02 2019-05-14 银江股份有限公司 一种拥堵组团识别方法及系统
CN110047292A (zh) * 2019-05-29 2019-07-23 招商局重庆交通科研设计院有限公司 道路路段拥堵预警方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784406A (zh) * 2021-01-06 2021-05-11 北京交通大学 基于移动闭塞时空占用带模型的列车追踪运行优化方法
CN112784406B (zh) * 2021-01-06 2023-09-01 北京交通大学 基于移动闭塞时空占用带模型的列车追踪运行优化方法

Also Published As

Publication number Publication date
CN111583654B (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN113450583B (zh) 一种车路协同下高速公路可变限速和变道协同控制方法
Awal et al. Optimal traffic merging strategy for communication-and sensor-enabled vehicles
CN111369813B (zh) 一种智能网联汽车的匝道分合流协同控制方法及系统
CN108122423A (zh) 一种车辆引导方法、装置及系统
Florin et al. A survey of vehicular communications for traffic signal optimization
CN108986488B (zh) 一种车车通信环境下匝道汇入协同轨迹确定方法及设备
CN111968396A (zh) 智能车联网驱动的应急救援车行驶优化方法
CN106781435B (zh) 一种基于无线通信的非信控交叉路口车辆编队通行方法
CN107731010B (zh) 车联网环境下前车智能避让推荐方法及系统
CN106781551A (zh) 车联网环境下的高速公路出入口匝道联合控制系统及方法
CN113032964A (zh) 一种公交优先的交叉口信号控制方法及装置
CN114120666B (zh) 一种基于车路协同的智能车速诱导系统
CN108682168A (zh) 一种减少信号交叉口停车的车速引导系统及方法
CN114464002A (zh) 基于车路协同的紧急车辆信号交叉口车速引导系统
CN114999207B (zh) 一种智能网联环境下的公交车生态迫近引导方法
CN113345240A (zh) 一种基于智能网联环境的高速公路车辆汇入方法及系统
CN115035704B (zh) 一种信号控制交叉口行人信号提前相位设置方法
WO2023035666A1 (zh) 一种基于预期收益估计的城市路网交通信号灯控制方法
CN111583654B (zh) 一种预防交叉口堵车的方法
CN115565390A (zh) 智能网联汽车多车道队列通行控制方法、系统及计算机可读存储介质
CN115578869B (zh) 一种车路协同环境下的交叉口公交动态优先系统及方法
CN113611132B (zh) 一种基于车路协同系统的饱和单路口公交信号控制方法
Humagain et al. Dynamic Prioritization of Emergency Vehicles For Self-Organizing Traffic using VTL+ EV
CN114973710A (zh) 一种基于v2x的紧急救援车辆全路径通行管理方法
CN114894209A (zh) 一种基于车辆管理系统的无人矿卡路径规划冲突避让方法

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
CB03 Change of inventor or designer information

Inventor after: Ye Jian

Inventor after: Chen Bo

Inventor after: Zheng Peiyu

Inventor after: Zhang Hui

Inventor after: Zhao Shanghui

Inventor after: Yang Hongwei

Inventor after: Chen Bing

Inventor after: Yang Guang

Inventor before: Zheng Peiyu

Inventor before: Zhang Hui

Inventor before: Zhao Shanghui

Inventor before: Yang Hongwei

Inventor before: Ye Jian

Inventor before: Chen Bo

Inventor before: Chen Bing

Inventor before: Yang Guang

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant