CN111932873A - 一种山地城市热点区域实时交通预警管控方法及系统 - Google Patents
一种山地城市热点区域实时交通预警管控方法及系统 Download PDFInfo
- Publication number
- CN111932873A CN111932873A CN202010704769.7A CN202010704769A CN111932873A CN 111932873 A CN111932873 A CN 111932873A CN 202010704769 A CN202010704769 A CN 202010704769A CN 111932873 A CN111932873 A CN 111932873A
- Authority
- CN
- China
- Prior art keywords
- early warning
- vehicles
- hot spot
- congestion
- delay index
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000009826 distribution Methods 0.000 claims description 24
- 230000002093 peripheral effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 102100022936 ATPase inhibitor, mitochondrial Human genes 0.000 description 1
- 101000902767 Homo sapiens ATPase inhibitor, mitochondrial Proteins 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种山地城市热点区域实时交通预警管控方法,包括:步骤1、获取山地城市交通数据;步骤2、根据所述数据确定时段在网车辆数与拥堵延时指数;步骤3、根据所述时段在网车辆数及拥堵延时指数进行预警;步骤4、根据预警等级,将所诉拥堵延时指数输入至拥堵延时指数与时刻在网车辆数的关系模型中;步骤5、根据所述关系模型输出结果确定实际控制流量,根据实时交通预警管控方法建立可以确保了重点区域流量平稳可控,关联路网流量均衡,缓解山地城市热点区域及周边路网的交通运行压力,同时可以进行预警处理,提高管控效率。
Description
技术领域
本发明涉及交通管控领域,尤其涉及一种山地城市热点区域实时交通预 警管控方法及系统。
背景技术
山地城市空间形态就呈现出“多中心”,“多组团”的格局,交通流量 大,道路瓶颈显著,使得热点区域的管控难度加大,无形增加了社会经济的 损失和环境的污染,目前在道路交通管控领域,管控方法多是依靠以往交通 管控经验,多采用“一刀切”的管控方法,虽然一定程度上缓解热点区域道 路交通运行压力,但缺少交通数据支撑和科学的管控方法,导致周边被严控 的关联道路交通运行情况急剧恶化。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种山地城市 热点区域实时交通预警管控方法。
本发明解决上述技术问题的技术方案如下:一种山地城市热点区域实时 交通预警管控方法,包括:
步骤1、获取山地城市交通数据;
步骤2、根据所述数据确定时段在网车辆数与拥堵延时指数;
步骤3、根据所述时段在网车辆数及拥堵延时指数进行预警;
步骤4、根据预警的等级,将所述等级对应的所述拥堵延时指数输入至 拥堵延时指数与时刻在网车辆数的关系模型中;
步骤5、根据所述关系模型输出结果确定实际控制流量。
本发明的有益效果是:根据拥堵指数与时刻在网车辆数的关系模型的建 立可以确保了重点区域流量平稳可控,关联路网流量均衡,缓解山地城市热点 区域及周边路网的交通运行压力,同时还可以起到预警作用,提高管控效率。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述拥堵指数与时刻在网车辆数的关系模型的建立具体为:
对热点区域历史数据进行趋势线拟合分布,根据趋势线拟合分布的结果 建立拥堵指数与时刻在网车辆数的关系模型。
采用上述进一步方案的有益效果是:通过拟合分布可以更为有效的提高 模型的精确度,为确定最终的控制流量做铺垫。
进一步,步骤5具体为:
根据所述关系模型输出结果计算以预设时间为单位的总流量控制阈值, 将所述总流量控制阈值与各通道进入流量比例结合得出实际控制流量。
本发明解决上述技术问题的另一种技术方案如下:一种山地城市热点区 域实时交通管控系统,包括:
获取模块、用于获取山地城市交通数据;
确定模块、用于根据所述数据确定时段在网车辆数与拥堵延时指数;
预警模块、用于所述时段在网车辆数及拥堵延时指数进行预警
输入模块、用于根据预警的等级,将所述等级对应的所述拥堵延时指数 输入至拥堵延时指数与时刻在网车辆数的关系模型中;
输出模块、用于根据所述关系模型输出结果确定实际控制流量。
采用上述方案的有益效果:根据拥堵指数与时刻在网车辆数的关系模型 的建立可以确保了重点区域流量平稳可控,关联时段在网车辆数均衡,缓解山 地城市热点区域及周边路网的交通运行压力,同时还起到预警的作用,提高 管控效率。
进一步,所述拥堵指数与时刻在网车辆数的关系模型的建立具体为:
对热点区域历史数据进行趋势线拟合分布,根据趋势线拟合分布的结果 建立拥堵指数与时刻在网车辆数的量化关系模型。
采用上述进一步方案的有益效果是:通过拟合分布可以更为有效的提高 模型的精确度,为确定最终的控制流量做铺垫。
进一步,输出模块具体用于:
根据所述关系模型输出结果计算以预设时间为单位的总流量控制阈值, 将所述总流量控制阈值与各通道进入流量比例结合得出实际控制流量。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的 描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明一种山地城市热点区域实时交通预警管控方法实施例提供 的流程示意图;
图2为本发明一种山地城市热点区域实时交通预警管控系统实施例提供 的结构框架图;
图3为本发明一种山地城市热点区域实时交通预警管控方法实施例提供 的对数拟合分布子区1图;
图4为本发明一种山地城市热点区域实时交通预警管控方法实施例提供 的对数拟合分布子区2图;
图5为本发明一种山地城市热点区域实时交通预警管控方法实施例提供 的三次多项式拟合分布子区1图;
图6为本发明一种山地城市热点区域实时交通预警管控方法实施例提供 的三次多项式拟合分布子区2图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释 本发明,并非用于限定本发明的范围。
如图1所示,本发明一种山地城市热点区域实时交通预警、管控方法实 施例提供的流程示意图,包括:
步骤1、获取山地城市交通数据;
步骤2、根据所述数据确定时段在网车辆数与拥堵延时指数;
步骤3、根据所述时段在网车辆数及拥堵延时指数进行预警;
步骤4、根据预警的等级,将所述等级对应的所述拥堵延时指数输入至 拥堵延时指数与时刻在网车辆数的关系模型中;
步骤5、根据所述关系模型输出结果确定实际控制流量。
根据拥堵指数与时刻在网车辆数的关系模型的建立可以确保了重点区 域流量平稳可控,关联时段在网车辆数均衡,缓解山地城市热点区域及周边路 网的交通运行压力,同时起到预警的作用,提高管控效率。
需要说明的是,本申请文件中提及的山地城市交通数据可以是:重庆市 江北区的RFID,包含城投金卡数据、高空视频、高德拥堵延时指数等多种类 型数据,对其两个月的高峰时段数据进行挖掘分析,提取出时刻在网车辆数, 路网承载能力,拥堵延时指数等数据,并建立不同类型数据之间的联系;
路网承受能力为:路网承载能力(C)是指在一定的交通状态下,一定 时间(日、小时)内,在道路网上所能服务的最大标准车辆数,可通过城投 金卡数据或者时刻在网车辆数与卡口流量等数据处理分析获得,其中城投金 卡数据内在原理如下:
以车牌为关键参数,结合各通道进出口流量,15分钟为一节点,统计分 析独立车辆数,注意,相同车牌视为同一车辆,具体见下式:
其中:P为时段在网车辆数,单位为:辆/小时;为各通道进入区域 流量和,单位为:辆/15分钟;为各通道离开区域流量和,单位为:辆/15 分钟;为区域内部断面流量和,单位为:辆/15分钟;N为区域内检测的 相同车牌数;
确定路网承载能力可参考如下例子:
根据所利用的数据不同,将有不同的方法确定路网承载能力,本文采用 城投金卡、RFID卡口、高空视频等数据,具体方法如下:
(1)方法一
利用城投金卡数据,提取k个高峰时段时段在网车辆数(k≥200)依次 进行排序,其中最大者确定为路网承载能力,具体公式如下:。
C=MAX(P)=MAX(P1,P2,P3,...,Pk)
(2)方法二
1)确定最大时刻在网车辆数
利用高空全景视频,提取m个高峰时刻时刻在网车辆数(m≥100,本文 m取200)依次进行排序,其中最大者确定为最大时刻在网车辆数,具体公 式如下:
LMAX=MAX(L)=MAX(L1,L2,L3,...,Lm)
其中:LMAX为最大时刻在网车辆数;
2)确定路网承载能力
提取研究区域1个月早晚高峰进入区域的RFID和卡口流量数据,共计 60个小时流量数据,确定路网承载能力,具体公式如下:
WMAX=MAX(Q1,Q2,...Q60)
C=LMAX+WMAX
式中:Wi为进入区域总流量,单位为:辆/小时;WMAX为进入区域流量 最大值;为路网承载能力;
另外,步骤3可以参考如下示例,该预警处理可针对停车场、道路等地 点,预警处理的过程可以为:双指标拥堵预警阈值,具体参数可参考如下表 1所示,
表1
根据关系模型输出结果确定实际控制流量可参考如下例子:
分析城投金卡的时段在网车辆数以及拥堵延时指数等数据,参考高德拥 堵延时指数的评价体系,将管控等级分为3个级别,(一级为最高级)并确 定不同管控等级时刻在网车辆数阈值。结合TPI-L关系模型,确定以5分钟 为单位的总流量控制阈值,具体公式如下:
表2 表2为分级管控阈值及流量控制阈值表
其中:Q为路网总流量控制阈值,单位为:辆/5分钟;
统计分析不同时段、不同拥堵延时指数情况下,n个通道进入研究区域 的流量比例H。根据不同等级管控方案的进入总流量控制阈值及管控通道, 结合各通道进入流量比例,确定各通道实际控制流量q,具体公式如下:
qi=Qj×Hi,(j=三级、二级、一级;i=1、2...n)
式中:qi为通道实际控制流量,单位为:辆/5分钟;Qi为路网总流量控 制阈值,单位为:辆/5分钟;Hi为通道进入流量比例;
优选地,在上述任意实施例中,拥堵指数与时刻在网车辆数的关系模型 的建立具体为:
对热点区域历史数据进行趋势线拟合分布,根据趋势线拟合分布的结果 建立拥堵指数与时刻在网车辆数的关系模型。
通过拟合分布可以更为有效的提高模型的精确度,为确定最终的控制流 量做铺垫。
需要说明的是:时刻在网车辆数(L)是指在一定的交通状态下,某一 时刻在道路网上的车辆数之和,可由高空全景视频、无人机视频以及出入量 法等方法获得,其中高空全景视频是最为直观,准确的方法,该实施例则通 过对多个高空全景视频进行处理分析,提取时刻在网车辆数数据,高德采用 拥堵延时指数(TPI)作为城市拥堵程度的评价指标,即城市居民平均一次出 行实际旅行时间(V实际)与自由流状态下旅行时间(V自由)的比值,具体公式 如下:评价等级标准详见表3;
表3
拥堵延时指数-时刻在网车辆数关系模型(TPI-L)
高德拥堵延时指数TPI作为自变量,路网密度K作为因变量,根据热点 区域历史数据,采用趋势线拟合分布,建立二者的量化关系模型,本实施例 采用了多种拟合分布,其中三次多项式拟合分布与对数拟合分布所得到的精 度最高(决定系数R2较大),具体模型表达式如下:
对数拟合:
K=a×ln(TPI)+b
上式中:K为路网密度,单位为:辆/km;a、b为固定参数(与选定的 路网长度有关)。
三次多项式拟合:
K=ATPI3+BTPI2+CTPI+D
上式中:A、B、C、D为固定参数(与选定的路网长度有关)。
将路网划分为个子区域,路网总长度,路网子区总长度为,根据拟 合曲线的结果,如图3、4、5、6所示,子区1对数拟合的决定系数R2=0.7491, 三次多项式拟合的决定系数R2=0.7447;子区2对数拟合的决定系数 R2=0.8422,三次多项式拟合的决定系数R2=0.8421。二者的拟合程度相近, 但针对时刻在网车辆数的约束条件(L≤LMAX),故最终确定以对数拟合作为 高德拥堵延时指数与时刻在网车辆数的关系模型(TPI-L),具体公式如下:
式中:Ti为路网子区长度,单位为:km;T为路网总长度,单位为:km; ai、bi为固定参数(与划分的路网子区长度有关)。
优选地,在上述任意实施例中,步骤4具体为:
根据关系模型输出结果计算以预设时间为单位的总流量控制阈值,将总 流量控制阈值与各通道进入流量比例结合得出实际控制流量。
需要说明的是:下述为本发明的一个完整实施例,重庆市观音桥商圈为 重庆江北区的热点区域之一,以观音桥环道为核心区域。将观音桥环道划分 为3个子区,子区1:观音桥环道(东环),长度1.073km;子区2:观音桥 环道(西环),长度0.559km;子区3:观音桥环道(建新西路-建新东路段), 长度0.368km。
按照公式,将二者取均值处理,最终得到观音桥的路网承载能力为8000 辆/小时。根据公式(10),确定观音桥环道的TPI-L关系模型为:
L=L子区1+L子区2+L子区3
L子区1=1.073×(130.45×ln(TPI子区1)+44.779)
L子区2=0.559×(208.74×ln(TPI子区2)+71.406)
L子区3=0.368×(223.55×ln(TPI子区3)+15.54)
同时根据公式确定观音桥环道的分级管控阈值以及管控以及总流量控 制阈值,具体见表5分级管控阈值及流量控制阈值表。
表5
利用多组数据,对日常建新南北路等7个通道的流量比例进行统 计分析,将多组数据结果平均化处理,最终结果如表6所示。最终按 照“先建新东路、西路,后建新南路、北路,确保通道”的总体控制 策略,利用公式确定各个通道实际进入环道的流量,并对各个通道进 行信号或者警力调控,确保观音桥环道通行畅通,表6为各个通道的 流量比例表
表6
应用结果显示:环道全日拥堵时长较2018年减少2小时,减少警力18 人次,确保了重点区域流量平稳可控,关联时段在网车辆数均衡。
如图2所示,一种山地城市热点区域实时交通预警、管控系统实施例提 供的结构框架图,包括:
获取模块100、用于获取山地城市交通数据;
确定模块200、用于根据所述数据确定时段在网车辆数与拥堵延时指数; 预警模块300、用于所述时段在网车辆数及拥堵延时指数进行预警
输入模块400、用于根据预警的等级,将所述等级对应的所述拥堵延时 指数输入至拥堵延时指数与时刻在网车辆数的关系模型中;
输出模块500、用于根据所述关系模型输出结果确定实际控制流量。
根据拥堵指数与时刻在网车辆数的关系模型的建立可以确保了重点区 域流量平稳可控,关联时段在网车辆数均衡,缓解山地城市热点区域及周边路 网的交通运行压力,提高管控效率。
优选地,在上述任意实施例中,拥堵指数与时刻在网车辆数的关系模型 的建立具体为:
对热点区域历史数据进行趋势线拟合分布,根据趋势线拟合分布的结果 建立拥堵指数与时刻在网车辆数的量化关系模型。
通过拟合分布可以更为有效的提高模型的精确度,为确定最终的控制流 量做铺垫。
优选地,在上述任意实施例中,输出模块400具体用于:
根据关系模型输出结果计算以预设时间为单位的总流量控制阈值,将总 流量控制阈值与各通道进入流量比例结合得出实际控制流量。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部 可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例, 对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的 对应说明,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些 实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该 实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一 个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是 相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在 任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不 同实施例或示例的特征进行结合和组合。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此, 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各 种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。 因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种山地城市热点区域实时交通预警管控方法,其特征在于,包括:
步骤1、获取山地城市交通数据;
步骤2、根据所述数据确定时段在网车辆数与拥堵延时指数;
步骤3、根据所述时段在网车辆数及拥堵延时指数进行预警;
步骤4、根据预警的等级,将所述等级对应的所述拥堵延时指数输入至拥堵延时指数与时刻在网车辆数的关系模型中;
步骤5、根据所述关系模型输出结果确定实际控制流量。
2.根据权利要求1所述的一种山地城市热点区域实时交通预警管控方法,其特征在于,所述拥堵延时指数与时刻在网车辆数的关系模型的建立具体为:
对热点区域历史数据进行趋势线拟合分布,根据趋势线拟合分布的结果建立拥堵指数与时刻在网车辆数的关系模型。
3.根据权利要求1所述的一种山地城市热点区域实时交通预警管控方法,其特征在于,步骤5具体为:
根据所述关系模型输出结果计算以预设时间为单位的总流量控制阈值,将所述总流量控制阈值与各通道进入流量比例结合得出实际控制流量。
4.一种山地城市热点区域实时交通预警管控系统,其特征在于,包括:
获取模块、用于获取山地城市交通数据;
确定模块、用于根据所述数据确定时段在网车辆数与拥堵延时指数;
预警模块、用于所述时段在网车辆数及拥堵延时指数进行预警
输入模块、用于根据预警的等级,将所述等级对应的所述拥堵延时指数输入至拥堵延时指数与时刻在网车辆数的关系模型中;
输出模块、用于根据所述关系模型输出结果确定实际控制流量。
5.根据权利要求4所述的一种山地城市热点区域实时交通预警管控系统,其特征在于,所述拥堵指数与时刻在网车辆数的关系模型的建立具体为:
对热点区域历史数据进行趋势线拟合分布,根据趋势线拟合分布的结果建立拥堵指数与时刻在网车辆数的量化关系模型。
6.根据权利要求4所述的一种山地城市热点区域实时交通预警管控系统,其特征在于,输出模块具体用于:
根据所述关系模型输出结果计算以预设时间为单位的总流量控制阈值,将所述总流量控制阈值与各通道进入流量比例结合得出实际控制流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010704769.7A CN111932873B (zh) | 2020-07-21 | 2020-07-21 | 一种山地城市热点区域实时交通预警管控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010704769.7A CN111932873B (zh) | 2020-07-21 | 2020-07-21 | 一种山地城市热点区域实时交通预警管控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932873A true CN111932873A (zh) | 2020-11-13 |
CN111932873B CN111932873B (zh) | 2022-10-04 |
Family
ID=73314145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010704769.7A Active CN111932873B (zh) | 2020-07-21 | 2020-07-21 | 一种山地城市热点区域实时交通预警管控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932873B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819325A (zh) * | 2021-01-29 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 高峰时段确定方法、装置、电子设备和存储介质 |
CN113393705A (zh) * | 2021-05-31 | 2021-09-14 | 云南思码蔻科技有限公司 | 基于隧道或道路内车辆留存数量的路况管理系统 |
CN115457772A (zh) * | 2022-09-13 | 2022-12-09 | 合肥革绿信息科技有限公司 | 一种智能交通数字孪生系统、存储介质和设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5483446A (en) * | 1993-08-10 | 1996-01-09 | Mitsubishi Jidosha Kogyo Kabushiki Kaisha | Method and apparatus for estimating a vehicle maneuvering state and method and apparatus for controlling a vehicle running characteristic |
CN103971523A (zh) * | 2014-05-21 | 2014-08-06 | 南通大学 | 一种山区道路交通安全动态预警系统 |
CN104574965A (zh) * | 2015-01-11 | 2015-04-29 | 杭州电子科技大学 | 一种基于海量交通流数据的城市交通热点区域划分方法 |
CN106023602A (zh) * | 2016-06-15 | 2016-10-12 | 重庆交通大学 | 山地城市信号交叉口延误计算方法 |
CN107016851A (zh) * | 2017-05-24 | 2017-08-04 | 大连理工大学 | 一种量化分析城市建成环境对道路行程时间影响的方法 |
CN107564278A (zh) * | 2017-07-21 | 2018-01-09 | 重庆市市政设计研究院 | 一种重庆主城区道路交通运行监测系统 |
WO2018122585A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
CN109697854A (zh) * | 2019-02-25 | 2019-04-30 | 公安部交通管理科学研究所 | 多维度的城市道路交通状态评估方法 |
CN110796859A (zh) * | 2019-10-28 | 2020-02-14 | 长安大学 | 基于交通流的实时交通状态辨识及事故风险预警方法 |
-
2020
- 2020-07-21 CN CN202010704769.7A patent/CN111932873B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5483446A (en) * | 1993-08-10 | 1996-01-09 | Mitsubishi Jidosha Kogyo Kabushiki Kaisha | Method and apparatus for estimating a vehicle maneuvering state and method and apparatus for controlling a vehicle running characteristic |
CN103971523A (zh) * | 2014-05-21 | 2014-08-06 | 南通大学 | 一种山区道路交通安全动态预警系统 |
CN104574965A (zh) * | 2015-01-11 | 2015-04-29 | 杭州电子科技大学 | 一种基于海量交通流数据的城市交通热点区域划分方法 |
CN106023602A (zh) * | 2016-06-15 | 2016-10-12 | 重庆交通大学 | 山地城市信号交叉口延误计算方法 |
WO2018122585A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
CN107016851A (zh) * | 2017-05-24 | 2017-08-04 | 大连理工大学 | 一种量化分析城市建成环境对道路行程时间影响的方法 |
CN107564278A (zh) * | 2017-07-21 | 2018-01-09 | 重庆市市政设计研究院 | 一种重庆主城区道路交通运行监测系统 |
CN109697854A (zh) * | 2019-02-25 | 2019-04-30 | 公安部交通管理科学研究所 | 多维度的城市道路交通状态评估方法 |
CN110796859A (zh) * | 2019-10-28 | 2020-02-14 | 长安大学 | 基于交通流的实时交通状态辨识及事故风险预警方法 |
Non-Patent Citations (5)
Title |
---|
ABDELHAFID ZEROUAL ET AL.: "Monitoring road traffic congestion using a macroscopic traffic model and a statistical monitoring scheme", 《SUSTAINABLE CITIES AND SOCIETY》 * |
SEBASTIAN KÜHLMORGEN ET AL.: "Evaluation of Congestion-Enabled Forwarding With Mixed Data Traffic in Vehicular Communications", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
卢凯明: "基于轨迹数据的山地城市信号交叉口运行评价指标研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
孔繁钰: "限行政策下的山地城市道路交通拥堵问题研究", 《重庆工商大学学报(自然科学版)》 * |
黄键: "山地城市道路交通控制评价指标体系研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819325A (zh) * | 2021-01-29 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 高峰时段确定方法、装置、电子设备和存储介质 |
CN113393705A (zh) * | 2021-05-31 | 2021-09-14 | 云南思码蔻科技有限公司 | 基于隧道或道路内车辆留存数量的路况管理系统 |
CN113393705B (zh) * | 2021-05-31 | 2022-07-15 | 云南思码蔻科技有限公司 | 基于隧道或道路内车辆留存数量的路况管理系统 |
CN115457772A (zh) * | 2022-09-13 | 2022-12-09 | 合肥革绿信息科技有限公司 | 一种智能交通数字孪生系统、存储介质和设备 |
CN115457772B (zh) * | 2022-09-13 | 2023-11-07 | 合肥革绿信息科技有限公司 | 一种智能交通数字孪生系统、存储介质和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111932873B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932873B (zh) | 一种山地城市热点区域实时交通预警管控方法及系统 | |
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
Yang et al. | A universal distribution law of network detour ratios | |
CN109376935B (zh) | 一种基于神经网络的公交客流分时段组合预测方法 | |
CN102968901A (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
CN107085943A (zh) | 一种道路旅行时间短期预测方法和系统 | |
CN106651027A (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
CN106530709B (zh) | 一种面向用户的高速公路交通指数发布系统 | |
CN114386953B (zh) | 一种智慧城市公共水务管理方法和物联网系统 | |
WO2023216793A1 (zh) | 一种混合交通流环境高速公路瓶颈路段动态限速控制方法 | |
CN106709833A (zh) | 一种基于大数据的校车路径优化方法 | |
CN110889086B (zh) | 一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法 | |
CN115713242A (zh) | 一种工业园区低碳措施评价方法及系统 | |
CN107203834A (zh) | 一种面向轨道交通的用电能耗指标评估方法 | |
CN109166336B (zh) | 一种基于区块链技术的实时路况信息采集推送方法 | |
CN106652450A (zh) | 一种高速公路交通指数数值确定方法 | |
CN109584561A (zh) | 基于浮动车数据的城市道路交通运行状态评价方法 | |
CN111767644A (zh) | 考虑单隧道限速影响高速公路路段实际通行能力估计方法 | |
CN106530700A (zh) | 一种基于固定检测器的判别交通拥堵的方法 | |
CN110715685A (zh) | 一种基于智能手机的路面行驶质量检测方法 | |
CN113409570B (zh) | 体力交通可达性的评估方法 | |
CN113704317B (zh) | 一种基于交通事故特征分析的事故黑点预测方法 | |
CN111785024B (zh) | 一种分区域分时域的城市车辆工况构建方法 | |
CN112801482B (zh) | 一种数据驱动的非机动车骑行适宜性评价系统 | |
CN115081846A (zh) | 空气质量气象条件贡献率定量评估技术 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240205 Address after: CQ-01-B2-11-1101, Building 2, No. 37 Jingyang Road, High tech Zone, Shapingba District, Chongqing, 400000 Patentee after: Chongqing Linggu Transportation Technology Co.,Ltd. Country or region after: China Address before: Chongqing Jiaotong University, No. 69 Xuefu Avenue, Nan'an District, Chongqing 400074 Patentee before: CHONGQING JIAOTONG University Country or region before: China |