CN111915880A - 一种高速公路异常事件事发点有效通行能力估计方法 - Google Patents

一种高速公路异常事件事发点有效通行能力估计方法 Download PDF

Info

Publication number
CN111915880A
CN111915880A CN202010505627.8A CN202010505627A CN111915880A CN 111915880 A CN111915880 A CN 111915880A CN 202010505627 A CN202010505627 A CN 202010505627A CN 111915880 A CN111915880 A CN 111915880A
Authority
CN
China
Prior art keywords
abnormal event
traffic capacity
expressway
simulation software
abnormal
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
CN202010505627.8A
Other languages
English (en)
Inventor
唐毅
孙棣华
张强
吴霄
蔡加发
王世森
黄启亮
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.)
Chongqing Shouxun Technology Co ltd
Chongqing University
Original Assignee
Chongqing Shouxun Technology Co ltd
Chongqing University
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 Chongqing Shouxun Technology Co ltd, Chongqing University filed Critical Chongqing Shouxun Technology Co ltd
Priority to CN202010505627.8A priority Critical patent/CN111915880A/zh
Publication of CN111915880A publication Critical patent/CN111915880A/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Abstract

本发明公开了一种高速公路异常事件事发点有效通行能力估计方法，主要是通过仿真软件定量分析不同的交通因素对通行能力的影响，再利用折减系数法，采用软件仿真与折减系数修正的相结合的思路完成对异常事件下事发点有效通行能力影响的估计，所得估计结果准确性较高。

Description

一种高速公路异常事件事发点有效通行能力估计方法
技术领域
本发明涉及到交通数据分析及处理领域，可适用异常事件对事发点有效通行能力影响估计。
背景技术
近年来，人均拥有车辆数爆发增长，车辆增长的速率远超与高速公路路网的延伸建设速度，路面超饱和度的现象持续增大，也大大增长了高速公路出现异常事件的几率。高速公路发生异常事件后，容易引发连环车祸或者二次事故，造成恶劣的人员和财产伤害。因此，对异常事件发生点处的通行能力进行估计，有利于出行者和管控者做好决策，保障高速公路系统运行安全。
通过查阅相关专利和论文，发现现有对高速公路异常事件下通行能力的方法有专利 CN110782654A，通过获取多个车辆在目标道路上的历史行驶轨迹数据，确定由交通瓶颈造成的拥堵区域的临界行驶速度及拥堵传播速度；根据临界行驶速度、拥堵传播速度、预设的拥堵车辆密度及预设的通畅行驶速度进行交通流量基本图预测计算,输出相应的车辆流量作为拥堵区域通行能力。专利CN109118770A,基于交通监测数据的路段通行能力挖掘方法，从城市交通监测数据出发，利用数据挖掘的手段来获取路段通行能力指标，对分析周期为日的路段进行通行能力估计。另外，对于事故情况下的通行能力估计，目前常用的方法还有使用折减系数法，选取对通行能力有影响的因素，对其数值进行标定，从而计算出通行能力。
上述这些方法为利用仿真条件下的对不同影响因素进行仿真分析得出一些相关性的定性分析，而对于定量的方法，多采用人为标定相关指标因素，主观性较强，显然使结果的精度难以得到保障。
发明内容
为了克服上述问题，本发明的目的在于提供一种基于检测数据与仿真标定的异常事件对通行能力影响的模型，可适用于对高速路上的异常事件事发点有效通行能力估计进行估计。主要是通过仿真软件定量分析不同的交通因素对通行能力的影响，再利用折减系数法，采用软件仿真与折减系数修正的相结合的思路完成对异常事件下事发点有效通行能力影响的估计。
有鉴于此，本发明的目的是提供一种高速公路异常事件事发点有效通行能力估计方法。
本发明的目的是通过以下技术方案来实现的：
步骤1:通过仿真软件分析确定高速公路异常事件状态下以下因素对通行能力的影响：
封闭车道数N、封闭车道长度L、异常事件延迟时间T、大型车比例HV、异常事件路段限速V；
步骤2：提取高速公路异常事件下各因素的实际检测数据；
步骤3：基于仿真软件计算通行能力：
运用仿真软件测算异常事件下高速公路事发点区域通行能力公式为：
Figure BDA0002526432750000021
Figure BDA0002526432750000022
式中：
CF——仿真软件得到的异常事件下高速公路事发点区域通行能力；
T——仿真软件选取的时间分析周期(min)
QF——仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
VF——Transmodeler仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(veh)；
Ei——车型i换算系数
Pi——车型i流量占总流量的的比例；
步骤4：通过仿真分析标定各影响因素的折减系数；
步骤5:利用步骤4标定的折减系数和步骤2提取的实际检测数据计算有效通行能力
根据正常情况下道路的通行能力，再根据确定的五个对通行能力的因素，结合由仿真得到各因素的折算系数，就可求出道路的有效通行能力
Cs＝C0·fn·fL·fHV·fV·fT
式中：
Cs——异常事件下事发区域有效通行能力；
C0——正常情况下的通行能力(veh/h)；
fn——封闭车道数目折算系数；
fL——封闭车道长度折算系数；
fHV——大型车比例折算系数；
fV——异常事件路段限速折算系数；
fT——异常事件延迟时间折算系数。
进一步，所述步骤1的具体过程如下：
步骤11：利用仿真软件建立高速公路交通事故仿真场景；
步骤12：控制事故场景其它因素不变，改变事故造成的封闭车道数，比较由仿真软件输出的通行能力变化；
步骤13：控制事故场景其它因素不变，改变事故造成的封闭车道长度，比较由仿真软件输出的通行能力变化；
步骤14：控制事故场景其它因素不变，改变事故现场上游来车的大型车比例，比较由仿真软件输出的通行能力变化；
步骤15:控制事故场景其它因素不变，改变异常事件路段限速，比较由仿真软件输出的通行能力变化；
步骤16：控制事故场景其它因素不变，改变事故的延迟时间，比较由仿真软件输出的通行能力变化；
步骤17：确定高速公路的异常事件下对通行能力造成较大影响的因素为封闭车道数N, 封闭车道长度L，大型车比例HV,异常事件路段限速V,异常事件延迟时间T。
进一步，所述步骤4具体过程如下：
步骤41：利用交通仿真软件，建立高速公路异常事件仿真场景；
步骤42：固定其他因素，且异常事件路段不限速；通过改变封闭车道数，来分析封闭车道数对高速公路异常事件路段通行能力的影响；
封闭车道数目折算系数fn折算系数计算公式为：
Figure BDA0002526432750000031
式中：
Figure BDA0002526432750000032
——不同封道数N由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure BDA0002526432750000033
——不同封道数N由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fn——封闭车道数目折算系数；
步骤43：固定其他因素，且异常事件路段不限速；通过改变封闭车道长度，来分析封闭车道长度对高速公路异常事件路段通行能力的影响；
封闭车道长度折算系数fL折算系数计算公式为：
Figure BDA0002526432750000041
式中：
Figure BDA0002526432750000042
——不同封道长度N由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure BDA0002526432750000043
——不同封道长度N由仿真软件得到的异常事件下高速公路事发点区域的最大15min 当量交通量(pcu)；
fL——封闭车道长度折算系数；
步骤44：固定其他因素，且异常事件路段不限速，通过改变异常事件路段大型车的比例，来分析封大型车比例对高速公路异常事件路段通行能力的影响；
大型车比例折算系数fHV折算系数计算公式为：
Figure BDA0002526432750000044
式中：
Figure BDA0002526432750000045
——不同大型车比例HV由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure BDA0002526432750000046
——不同大型车比例HV由仿真软件得到的异常事件下高速公路事发点区域的最大 15min当量交通量(pcu)；
fHV——大型车比例折算系数；
步骤45：固定其他因素，通过改变事异常事件路段限速，来分析异常事件路段限速对高速公路异常事件路段通行能力的影响；
异常事件路段限速fV折算系数计算公式为：
Figure BDA0002526432750000047
式中：
Figure BDA0002526432750000048
——不同异常事件路段限速V由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure BDA0002526432750000049
——不同异常事件路段限速V由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fV——异常事件路段限速折算系数；
步骤46：固定其他因素，且异常事件路段不限速；通过改变事延迟时间，来分析异常事件延迟时间对高速公路异常事件路段通行能力的影响；
异常事件延迟时间fT折算系数计算公式为：
Figure BDA0002526432750000051
式中：
Figure BDA0002526432750000052
——不同异常事件延迟时间T由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure BDA0002526432750000053
——不同异常事件延迟时间T由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fT——异常事件延迟时间折算系数。
由于采用了上述技术方案，本发明具有如下的有益效果：
本发明通过仿真软件定量分析不同的交通因素对通行能力的影响，再利用折减系数法，采用软件仿真与折减系数修正的相结合的思路完成对异常事件下事发点有效通行能力影响的估计，所得估计结果准确性较高。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究，对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
本发明的附图说明如下。
图1出示了本发明的流程示意图；
图2出示了本发明仿真工程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例1
如图1-3所示，本实施例提供的一种高速公路异常事件事发点有效通行能力估计方法，包括以下步骤：
步骤1:通过仿真软件分析确定高速公路异常事件状态下以下因素对通行能力的影响：
封闭车道数N、封闭车道长度L、异常事件延迟时间T、大型车比例HV、异常事件路段限速V；
步骤2：提取高速公路异常事件下各因素的实际检测数据；
步骤3：基于仿真软件计算通行能力：
运用仿真软件测算异常事件下高速公路事发点区域通行能力公式为：
CF＝4×QF(5.4)
Figure BDA0002526432750000061
式中：
CF——仿真软件得到的异常事件下高速公路事发点区域通行能力
QF——仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
VF——Transmodeler仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(veh)；
Ei——车型i换算系数
Pi——车型i流量占总流量的的比例；
步骤4：通过仿真分析标定各影响因素的折减系数；
步骤5:利用步骤4标定的折减系数和步骤2提取的实际检测数据计算有效通行能力
根据正常情况下道路的通行能力，再根据确定的五个对通行能力的因素，结合由仿真得到各因素的折算系数，就可求出道路的有效通行能力
Cs＝C0·fn·fL·fHV·fV·fT
式中：
Cs——异常事件下事发区域有效通行能力；
C0——正常情况下的通行能力(veh/h)；
fn—封闭车道数目折算系数；
fL—封闭车道长度折算系数；
fHV—大型车比例折算系数；
fV—异常事件路段限速折算系数；
fT—异常事件延迟时间折算系数。
所述步骤1的具体过程如下：
步骤11：利用仿真软件建立高速公路交通事故仿真场景；
步骤12：控制事故场景其它因素不变，改变事故造成的封闭车道数，比较由仿真软件输出的通行能力变化；
步骤13：控制事故场景其它因素不变，改变事故造成的封闭车道长度，比较由仿真软件输出的通行能力变化；
步骤14：控制事故场景其它因素不变，改变事故现场上游来车的大型车比例，比较由仿真软件输出的通行能力变化；
步骤15:控制事故场景其它因素不变，改变异常事件路段限速，比较由仿真软件输出的通行能力变化；
步骤16：控制事故场景其它因素不变，改变事故的延迟时间，比较由仿真软件输出的通行能力变化；
步骤17：确定高速公路的异常事件下对通行能力造成较大影响的因素为封闭车道数N, 封闭车道长度L，大型车比例HV,异常事件路段限速V,异常事件延迟时间T。
所述步骤4具体过程如下：
步骤41：利用交通仿真软件，建立高速公路异常事件仿真场景；
步骤42：分别选取高速公路单向4车道封闭左侧1条车道和2条车道，仿真时间为8:00-10:00，事故发生时间为8:40，将大型车的比例设置为20％，异常事件延迟时间设置为20min，异常事件路段封闭车道长度为200m，且异常事件路段不限速；通过输入不同的交通量，得到来分析封闭车道数对高速公路路段通行能力的影响；
封闭车道数目折算系数fn折算系数计算公式为：
Figure BDA0002526432750000071
式中：
Figure BDA0002526432750000072
——不同封道数N由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure BDA0002526432750000073
——不同封道数N由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fn——封闭车道数目折算系数；
步骤43：分别选取高速公路单向4车道封闭左侧1条车道和2条车道，仿真时间为8:00-10:00，事故发生时间为8:40，将大型车的比例设置为20％，异常事件延迟时间设置为20min，异常事件路段封闭车道长度为200m，且异常事件路段不限速；通过输入不同的交通量，来分析封闭车道数对高速公路路段通行能力的影响；
封闭车道长度折算系数fL折算系数计算公式为：
Figure BDA0002526432750000081
式中：
Figure BDA0002526432750000082
——不同封道长度N由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure BDA0002526432750000083
——不同封道长度N由仿真软件得到的异常事件下高速公路事发点区域的最大15min 当量交通量(pcu)；
fL——封闭车道长度折算系数；
步骤44：分别选取高速公路单向4车道封闭左侧1条车道和2条车道，仿真时间为8:00-10:00，事故发生时间为8:40，异常事件延迟时间设置为20min，封闭车道长度为200m，异常事件路段不限速，三条车道总的输入交通量为4500veh/h，通过改变异常事件路段大型车的比例(20％-60％)，来分析封大型车比例对高速公路路段通行能力的影响；
大型车比例折算系数fHV折算系数计算公式为：
Figure BDA0002526432750000084
式中：
Figure BDA0002526432750000085
——不同大型车比例HV由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure BDA0002526432750000086
——不同大型车比例HV由仿真软件得到的异常事件下高速公路事发点区域的最大 15min当量交通量(pcu)；
fHV——大型车比例折算系数；
步骤45：分别选取高速公路单向4车道封闭左侧1条车道和2条车道，仿真时间为8:00-10:00，事故发生时间为8:40，异常事件延迟时间设置为20min，封闭车道长度为200m，大型车比例为0，三条车道总的输入交通量为4500veh/h，通过改变异常事件路段限速(50km/h-80km/h)，来分析异常事件路段限速对高速公路路段通行能力的影响；
异常事件路段限速fV折算系数计算公式为：
Figure BDA0002526432750000091
式中：
Figure BDA0002526432750000092
——不同异常事件路段限速V由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure BDA0002526432750000093
——不同异常事件路段限速V由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fV——异常事件路段限速折算系数；
步骤46：分别选取高速公路单向4车道封闭左侧1条车道和2条车道，仿真时间为8:00-10:00，事故发生时间为8:40，封闭车道长度为200m，大型车比例为20％，异常事件路段不限速，三条车道总的输入交通量为4500veh/h；通过改变事延迟时间(10min-50min)，来分析异常事件延迟时间对高速公路路段通行能力的影响；
异常事件延迟时间fT折算系数计算公式为：
Figure BDA0002526432750000094
式中：
Figure BDA0002526432750000095
——不同异常事件延迟时间T由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure BDA0002526432750000096
——不同异常事件延迟时间T由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fT——异常事件延迟时间折算系数。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。

Claims (3)

1.一种高速公路异常事件事发点有效通行能力估计方法，其特征在于，包括以下步骤：
步骤1:通过仿真软件分析确定高速公路异常事件状态下以下因素对通行能力的影响：
封闭车道数N、封闭车道长度L、异常事件延迟时间T、大型车比例HV、异常事件路段限速V；
步骤2：提取高速公路异常事件下各因素的实际检测数据；
步骤3：基于仿真软件计算通行能力：
运用仿真软件测算异常事件下高速公路事发点区域通行能力公式为：
Figure FDA0002526432740000011
Figure FDA0002526432740000012
式中：
CF——仿真软件得到的异常事件下高速公路事发点区域通行能力；
T——仿真软件选取的时间分析周期(min)
QF——仿真软件得到的异常事件下高速公路事发点区域的时间分析周期T内的当量交通量(pcu)；
VF——Transmodeler仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(veh)；
Ei——车型i换算系数
Pi——车型i流量占总流量的的比例；
步骤4：通过仿真分析标定各影响因素的折减系数；
步骤5:利用步骤4标定的折减系数和步骤2提取的实际检测数据计算有效通行能力
根据正常情况下道路的通行能力，再根据确定的五个对通行能力的因素，结合由仿真得到各因素的折算系数，就可求出道路的有效通行能力
Cs＝C0·fn·fL·fHV·fV·fT
式中：
Cs——异常事件下事发区域有效通行能力；
C0——正常情况下的通行能力(veh/h)；
fn——封闭车道数目折算系数；
fL——封闭车道长度折算系数；
fHV——大型车比例折算系数；
fV——异常事件路段限速折算系数；
fT——异常事件延迟时间折算系数。
2.根据权利要求1所述的估计方法，其特征在于：所述步骤1的具体过程如下：
步骤11：利用仿真软件建立高速公路交通事故仿真场景；
步骤12：控制事故场景其它因素不变，改变事故造成的封闭车道数，比较由仿真软件输出的通行能力变化；
步骤13：控制事故场景其它因素不变，改变事故造成的封闭车道长度，比较由仿真软件输出的通行能力变化；
步骤14：控制事故场景其它因素不变，改变事故现场上游来车的大型车比例，比较由仿真软件输出的通行能力变化；
步骤15:控制事故场景其它因素不变，改变异常事件路段限速，比较由仿真软件输出的通行能力变化；
步骤16：控制事故场景其它因素不变，改变事故的延迟时间，比较由仿真软件输出的通行能力变化；
步骤17：确定高速公路的异常事件下对通行能力造成较大影响的因素为封闭车道数N,封闭车道长度L，大型车比例HV,异常事件路段限速V,异常事件延迟时间T。
3.根据权利要求1所述的估计方法，其特征在于，所述步骤4具体过程如下：
步骤41：利用交通仿真软件，建立高速公路异常事件仿真场景；
步骤42：固定其他因素，且异常事件路段不限速；通过改变封闭车道数，来分析封闭车道数对高速公路异常事件路段通行能力的影响；
封闭车道数目折算系数fn折算系数计算公式为：
Figure FDA0002526432740000021
式中：
Figure FDA0002526432740000022
——不同封道数N由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure FDA0002526432740000023
——不同封道数N由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fn——封闭车道数目折算系数；
步骤43：固定其他因素，且异常事件路段不限速；通过改变封闭车道长度，来分析封闭车道长度对高速公路异常事件路段通行能力的影响；
封闭车道长度折算系数fL折算系数计算公式为：
Figure FDA0002526432740000031
式中：
Figure FDA0002526432740000032
——不同封道长度N由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure FDA0002526432740000033
——不同封道长度N由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fL——封闭车道长度折算系数；
步骤44：固定其他因素，且异常事件路段不限速，通过改变异常事件路段大型车的比例，来分析封大型车比例对高速公路异常事件路段通行能力的影响；
大型车比例折算系数fHV折算系数计算公式为：
Figure FDA0002526432740000034
式中：
Figure FDA0002526432740000035
——不同大型车比例HV由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure FDA0002526432740000036
——不同大型车比例HV由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fHV——大型车比例折算系数；
步骤45：固定其他因素，通过改变事异常事件路段限速，来分析异常事件路段限速对高速公路异常事件路段通行能力的影响；
异常事件路段限速fV折算系数计算公式为：
Figure FDA0002526432740000037
式中：
Figure FDA0002526432740000038
——不同异常事件路段限速V由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure FDA0002526432740000041
——不同异常事件路段限速V由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fV——异常事件路段限速折算系数；
步骤46：固定其他因素，且异常事件路段不限速；通过改变事延迟时间，来分析异常事件延迟时间对高速公路异常事件路段通行能力的影响；
异常事件延迟时间fT折算系数计算公式为：
Figure FDA0002526432740000042
式中：
Figure FDA0002526432740000043
——不同异常事件延迟时间T由仿真软件得到的异常事件下高速公路事发点区域通行能力
Figure FDA0002526432740000044
——不同异常事件延迟时间T由仿真软件得到的异常事件下高速公路事发点区域的最大15min当量交通量(pcu)；
fT——异常事件延迟时间折算系数。
CN202010505627.8A 2020-06-05 2020-06-05 一种高速公路异常事件事发点有效通行能力估计方法 Pending CN111915880A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010505627.8A CN111915880A (zh) 2020-06-05 2020-06-05 一种高速公路异常事件事发点有效通行能力估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010505627.8A CN111915880A (zh) 2020-06-05 2020-06-05 一种高速公路异常事件事发点有效通行能力估计方法

Publications (1)

Publication Number Publication Date
CN111915880A true CN111915880A (zh) 2020-11-10

Family

ID=73237525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010505627.8A Pending CN111915880A (zh) 2020-06-05 2020-06-05 一种高速公路异常事件事发点有效通行能力估计方法

Country Status (1)

Country Link
CN (1) CN111915880A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112860764A (zh) * 2021-02-09 2021-05-28 青岛海信网络科技股份有限公司 一种路网异常事件处理方法、装置、设备和介质
CN115424432A (zh) * 2022-07-22 2022-12-02 重庆大学 一种基于多源数据的高速公路异常事件下的上游分流方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5646853A (en) * 1991-07-19 1997-07-08 Hitachi, Ltd. Traffic control system
CN110070720A (zh) * 2019-05-15 2019-07-30 武汉科技大学 提高交叉口占道施工区通行能力模型拟合度的计算方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5646853A (en) * 1991-07-19 1997-07-08 Hitachi, Ltd. Traffic control system
CN110070720A (zh) * 2019-05-15 2019-07-30 武汉科技大学 提高交叉口占道施工区通行能力模型拟合度的计算方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘伟铭 等: "交通事故下高速公路有效通行能力分析与估算", 《科学技术与工程》 *
周枫桃 等: "《道路勘测设计》", 31 October 2018, 冶金工业出版社 *
杭佳宇: "基于Vissim仿真的车道缩减路段车辆通行能力影响因素分析", 《农业装备与车辆工程》 *
牛世峰 等: "灾害条件下公路通行能力折算方法研究", 《公路》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112860764A (zh) * 2021-02-09 2021-05-28 青岛海信网络科技股份有限公司 一种路网异常事件处理方法、装置、设备和介质
CN112860764B (zh) * 2021-02-09 2022-06-03 青岛海信网络科技股份有限公司 一种路网异常事件处理方法、装置、设备和介质
CN115424432A (zh) * 2022-07-22 2022-12-02 重庆大学 一种基于多源数据的高速公路异常事件下的上游分流方法

Similar Documents

Publication Publication Date Title
Zheng et al. Bivariate extreme value modeling for road safety estimation
CN104809878B (zh) 利用公交车gps数据检测城市道路交通异常状态的方法
KR100820467B1 (ko) 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법
CN104732075A (zh) 一种城市道路交通事故风险实时预测方法
CN105913661A (zh) 一种基于收费数据的高速公路路段交通状态判别方法
CN108922168B (zh) 一种中观层面事故多发道路判别的方法
CN110751311B (zh) 偶发性交通拥堵持续时间的数据提取与实时预测方法
CN113470362B (zh) 基于svr-dea模型的城市路段交通拥堵时空精准判别方法
CN113033840B (zh) 一种公路养护的判断方法和装置
CN111915880A (zh) 一种高速公路异常事件事发点有效通行能力估计方法
Choi et al. Proactive strategy for variable speed limit operations on freeways under foggy weather conditions
CN112990544B (zh) 一种高速公路交织区交通事故预测方法
CN113313357A (zh) 一种基于高斯过程回归分析的交通道路安全评价方法
CN112150801A (zh) 一种基于准车辆轨迹的快速路实时事故风险预测方法
CN111815953B (zh) 一种面向交通事件的高速公路交通管控效果评价方法
CN114863675A (zh) 基于路警数据融合的重点车辆位置推测与异常报警方法
Azizi et al. Estimation of freeway platooning measures using surrogate measures based on connected vehicle data
CN110738591A (zh) 基于倾向值匹配的爬坡车道交通安全效益计算方法
CN114912689A (zh) 基于地图网格索引和xgboost的超限车辆目的地预测方法及系统
Wang et al. Estimating mountainous freeway crash rate: Application of a spatial model with three-dimensional (3D) alignment parameters
CN113095387B (zh) 基于联网车载adas的道路风险识别方法
CN111402585B (zh) 偶发性拥堵路径的探测方法
CN115083146B (zh) 一种智能网联环境下的安全致因影响范围获取方法
Dhindsa Evaluating ramp metering and variable speed limits to reduce crash potential on congested freeways using micro-simulation
CN112036709B (zh) 基于随机森林的降雨天气高速公路二次事故致因分析方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201110