CN111932893B - 基于信号与电警数据融合技术实现路段状态研判处理的方法 - Google Patents
基于信号与电警数据融合技术实现路段状态研判处理的方法 Download PDFInfo
- Publication number
- CN111932893B CN111932893B CN202010862412.1A CN202010862412A CN111932893B CN 111932893 B CN111932893 B CN 111932893B CN 202010862412 A CN202010862412 A CN 202010862412A CN 111932893 B CN111932893 B CN 111932893B
- Authority
- CN
- China
- Prior art keywords
- data
- max
- group
- intersection
- timing
- 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.)
- Active
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
-
- 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
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于信号与电警数据融合技术实现路段状态研判处理的方法，通过实时获取研判路段的上游、下游信号控制路口的信号运行数据及电子警察抓拍系统的过车数据，通过多元数据的实时融合研判，可快速、准确识别路段的拥堵状态。采用了本发明的基于信号与电警数据融合技术实现路段状态研判处理的方法，前端设备利旧，减少前端感知设备的重复建设；高度智能化的控制系统，减少人员投入；可避免断面检测器获取的断面交通流参数不能反映整个路段交通流状态的弊端；本发明的系统部署硬件要求低，对中小城市只需要一台服务器即可满足需求；本发明的系统响应速度较传统的断面检测设备检测间隔时间大幅减少；通过多系统的集成，对多元数据的融合、研判，准确度得到进一步提升。
Description
技术领域
本发明涉及智能交通领域，尤其涉及城市智能交通领域，具体是指一种基于信号与电警数据融合技术实现路段状态研判处理的方法。
背景技术
目前，城市交通管理的难点涉及到交通问题的“感”、“辨”、“控”、“管”多个方面，城市交通管理的合理性很大程度取决于对当前道路网存在问题的感知、诊断是否准确，只有及时准确识别出问题才能对对症下药，做到精准控制与管理；而城市道路运行存在问题首要解决任务就是交通拥堵问题，如何准确识别交通拥堵并解决交通拥堵是交通管理者目前首要任务。
目前主流的道路交通拥堵识别方法主要有两种方法：①通过路段建设传统的交通参数采集设备，通过固定时间采集断面交通流参数，如交通量、时间占有率、空间占有率、平均速度等参数，通过单个参数或者多个参数融合后预设置阈值进行比较，判断设备所在路段交通拥堵程度；②通过抽样的浮动车信息，按照一定的周期将浮动车的经纬度、瞬时速度、行驶方向角、时间、设备编号等数据传到后台数据库，通过计算路段平均行程速度、平均行程时间来判断路段的拥堵程度；
本系统旨在通过利用城市道路网中现有大量覆盖的信号控制系统与电子警察系统作为前端“感知”设备，通过多系统集成将电子警察抓拍的过车数据与信号控制系统的信号运行数据进行实时融合抽样，通过大数据运行平台实时研判路段拥堵状态；对比现有其他的道路拥堵研判方法。本方法首先在前端设备建设方面大量利旧，减少硬件投入，同时可避开断面检测器参数检测参数均为瞬时检测不能反映整个路段交通流状态的弊端。
发明内容
本发明的目的是克服了上述现有技术的缺点，提供了一种满足准确度高、操作简便、适用范围较为广泛)的基于信号与电警数据融合技术实现路段状态研判处理的方法。
为了实现上述目的，本发明的基于信号与电警数据融合技术实现路段状态研判处理的方法如下：
该基于信号与电警数据融合技术实现路段状态研判处理的方法，其主要特点是，所述的方法包括以下步骤：
(1)获取路口路段AB对应的上游放入路口A与下游放出路口B关联信号机状态，判断路口A/B关联线号机是否脱机，如果是，则继续步骤(2)；否则，继续步骤(3)；
(2)脱机信号机启动模拟信号程序，自动生成信号运行数据；
(3)获取路口A、路口B关联信号机当前控制方式，判断当前路口是否为非手控或者警卫路线，则继续步骤(4)；若当前存在手控或者警卫路线，则退出程序，对应路段AB状态为灰色；
(4)获取路段AB对应的上游放入路口A与放出路口B对应的电警设备状态，判断路口A与路口B设备是否全部状态正常，如果是，则继续步骤(6)；否则，退出程序，对应路段AB状态为灰色；
(5)实时监控路段AB对应的上游放入路口A与放出路口B抓拍过车数据；
(6)路口A按照阶段开始结束时刻实时获取过车数据并将放行车辆按照阶段进行分组，判断A路口比对表中是否存在待计算样本，如果是，则继续步骤(7)；否则，继续步骤(8)；
(7)将A路口后续各组数据写入路口A的待比对表中，并对该组数据进行计时t0，继续步骤(9)；
(8)判断此时A路口的最新一组数据是否大于阈值N0，如果是，则该组数据进入A路口待比对表中，并开始计时；否则此时路段状态直接设置为绿色，并按照实际车辆个数计算拥堵指数值，该组数据不进入A路口待比对表，继续步骤(9)；
(9)在路口A比对组中第一组计时数据的计时时间达到t0+T、t0+2T、t0+3T、t0+4T时分别检查路口B比对表中的该组数据；
(10)实时获取B路口过车记录，判断当前该条过车记录是否属于A当中比对表的数据。
较佳地，所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1)若路口A比对组中第一组计时数据的计时时间达到t0+T，检查路口B比对表中是否存在该组数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为4；
(9.2)判断数据个数是否满足阈值Y％，如果不满足，则此时路况为黄色，拥堵指数为4；否则，取B路口属于A路口且计时达到t0+T的数据组所有数据，获取当中行程时间最大值Max(ti)；
(9.3)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算。
较佳地，所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+2T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1)若路口A比对组中第一组计时数据的计时时间达到t0+2T，检查路口B比对表中是否存在该组数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为6；
(9.2)判断数据个数是否满足阈值Y％，如果不满足，则此时路况为黄色，拥堵指数为6；否则，取B路口属于A路口且计时达到t0+2T的数据组所有数据，获取当中行程时间最大值Max(ti)；
(9.3)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算。
较佳地，所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+3T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1)若路口A比对组中第一组计时数据的计时时间达到t0+3T，检查路口B比对表中是否存在该组数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为8；
(9.2)判断数据个数是否满足阈值Y％，如果不满足，则此时路况为黄色，拥堵指数为8；否则，取B路口属于A路口且计时达到t0+3T的数据组所有数据，获取当中行程时间最大值Max(ti)；
(9.3)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算。
较佳地，所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+4T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1)若路口A比对组中第一组计时数据的计时时间达到t0+4T，检查路口B比对表中是否存在数据为组次序号大于A路口计时表中当前第一组序号的数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为10；
(9.2)对B比对表中符合条件的数据分别按照数据所在A中的序号进行分组，提取序号最小的数据组进行计算，对A临时比对表、A及时表及B临时比对表中所有小于等于当前所使用的计算数据的阶段序号的数据组数据；若计算数据来自A中小于等于10的一组数据，则按照该组数据第一个到达路口B的车辆通行时间ti，计算拥堵指数；
(9.3)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算。
较佳地，所述的步骤(9.3)具体包括以下步骤：
(9.3.1)判断是否0≤max(ti)＜t0+T，如果是，则拥堵指数为[Max(ti)/(t0+T)]×4；如果t0+T≤Max(ti)＜t0+2T，则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；如果t0+2T≤Max(ti)＜t0+3T，则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；如果t0+3T≤Max(ti)，则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10；
(9.3.2)清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据。
较佳地，所述的步骤(10)具体包括以下步骤：
(10.1)实时获取B路口过车记录，判断当前该条过车记录是否属于A当中比对表的数据，如果是，则属于A中比对数据表的数据，则该条记录进入B的比对表中，并记录当前数据属于A中哪组数据的第几条到达数据，继续步骤(10.2)；否则，该记录不属于A中比对数据表的数据；
(10.2)若达到次序满足Y％×N0，则计算Max(ti)，并获取当前A中该组数据等待时间t0；
(10.3)判断是否0≤max(ti)＜t0+T，如果是，则拥堵指数为[Max(ti)/(t0+T)]×4；如果t0+T≤Max(ti)＜t0+2T，则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；如果t0+2T≤Max(ti)＜t0+3T，则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；如果t0+3T≤Max(ti)，则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10；
(10.4)清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据。
采用了本发明的基于信号与电警数据融合技术实现路段状态研判处理的方法，前端设备利旧，减少前端感知设备的重复建设；高度智能化的控制系统，减少人员投入；可避免断面检测器获取的断面交通流参数不能反映整个路段交通流状态的弊端；本发明的系统部署硬件要求低，对中小城市只需要一台服务器即可满足需求；本发明的系统响应速度较传统的断面检测设备检测间隔时间大幅减少；通过多系统的集成，对多元数据的融合、研判，准确度得到进一步提升。
附图说明
图1为本发明的基于信号与电警数据融合技术实现路段状态研判处理的方法的路段状态研判逻辑结构图。
图2为本发明的基于信号与电警数据融合技术实现路段状态研判处理的方法的路口B收到过车数据处理过程流程图。
图3为本发明的基于信号与电警数据融合技术实现路段状态研判处理的方法的路口B无过车数据处理过程流程图。
具体实施方式
为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。
本发明的该基于信号与电警数据融合技术实现路段状态研判处理的方法，其中包括以下步骤：
(1)获取路口路段AB对应的上游放入路口A与下游放出路口B关联信号机状态，判断路口A/B关联线号机是否脱机，如果是，则继续步骤(2)；否则，继续步骤(3)；
(2)脱机信号机启动模拟信号程序，自动生成信号运行数据；
(3)获取路口A、路口B关联信号机当前控制方式，判断当前路口是否为非手控或者警卫路线，则继续步骤(4)；若当前存在手控或者警卫路线，则退出程序，对应路段AB状态为灰色；
(4)获取路段AB对应的上游放入路口A与放出路口B对应的电警设备状态，判断路口A与路口B设备是否全部状态正常，如果是，则继续步骤(6)；否则，退出程序，对应路段AB状态为灰色；
(5)实时监控路段AB对应的上游放入路口A与放出路口B抓拍过车数据；
(6)路口A按照阶段开始结束时刻实时获取过车数据并将放行车辆按照阶段进行分组，判断A路口比对表中是否存在待计算样本，如果是，则继续步骤(7)；否则，继续步骤(8)；
(7)将A路口后续各组数据写入路口A的待比对表中，并对该组数据进行计时t0，继续步骤(9)；
(8)判断此时A路口的最新一组数据是否大于阈值N0，如果是，则该组数据进入A路口待比对表中，并开始计时；否则此时路段状态直接设置为绿色，并按照实际车辆个数计算拥堵指数值，该组数据不进入A路口待比对表，继续步骤(9)；
(9)在路口A比对组中第一组计时数据的计时时间达到t0+T、t0+2T、t0+3T、t0+4T时分别检查路口B比对表中的该组数据；
(10)实时获取B路口过车记录，判断当前该条过车记录是否属于A当中比对表的数据。
作为本发明的优选实施方式，所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1)若路口A比对组中第一组计时数据的计时时间达到t0+T，检查路口B比对表中是否存在该组数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为4；
(9.2)判断数据个数是否满足阈值Y％，如果不满足，则此时路况为黄色，拥堵指数为4；否则，取B路口属于A路口且计时达到t0+T的数据组所有数据，获取当中行程时间最大值Max(ti)；
(9.3)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算。
作为本发明的优选实施方式，所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+2T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1)若路口A比对组中第一组计时数据的计时时间达到t0+2T，检查路口B比对表中是否存在该组数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为6；
(9.2)判断数据个数是否满足阈值Y％，如果不满足，则此时路况为黄色，拥堵指数为6；否则，取B路口属于A路口且计时达到t0+2T的数据组所有数据，获取当中行程时间最大值Max(ti)；
(9.3)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算。
作为本发明的优选实施方式，所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+3T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1)若路口A比对组中第一组计时数据的计时时间达到t0+3T，检查路口B比对表中是否存在该组数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为8；
(9.2)判断数据个数是否满足阈值Y％，如果不满足，则此时路况为黄色，拥堵指数为8；否则，取B路口属于A路口且计时达到t0+3T的数据组所有数据，获取当中行程时间最大值Max(ti)；
(9.3)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算。
作为本发明的优选实施方式，所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+4T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1)若路口A比对组中第一组计时数据的计时时间达到t0+4T，检查路口B比对表中是否存在数据为组次序号大于A路口计时表中当前第一组序号的数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为10；
(9.2)对B比对表中符合条件的数据分别按照数据所在A中的序号进行分组，提取序号最小的数据组进行计算，对A临时比对表、A及时表及B临时比对表中所有小于等于当前所使用的计算数据的阶段序号的数据组数据；若计算数据来自A中小于等于10的一组数据，则按照该组数据第一个到达路口B的车辆通行时间ti，计算拥堵指数；
(9.3)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算。
作为本发明的优选实施方式，所述的步骤(9.3)具体包括以下步骤：
(9.3.1)判断是否0≤max(ti)＜t0+T，如果是，则拥堵指数为[Max(ti)/(t0+T)]×4；如果t0+T≤Max(ti)＜t0+2T，则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；如果t0+2T≤Max(ti)＜t0+3T，则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；如果t0+3T≤Max(ti)，则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10；
(9.3.2)清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据。
作为本发明的优选实施方式，所述的步骤(10)具体包括以下步骤：
(10.1)实时获取B路口过车记录，判断当前该条过车记录是否属于A当中比对表的数据，如果是，则属于A中比对数据表的数据，则该条记录进入B的比对表中，并记录当前数据属于A中哪组数据的第几条到达数据，继续步骤(10.2)；否则，该记录不属于A中比对数据表的数据；
(10.2)若达到次序满足Y％×N0，则计算Max(ti)，并获取当前A中该组数据等待时间t0；
(10.3)判断是否0≤max(ti)＜t0+T，如果是，则拥堵指数为[Max(ti)/(t0+T)]×4；如果t0+T≤Max(ti)＜t0+2T，则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；如果t0+2T≤Max(ti)＜t0+3T，则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；如果t0+3T≤Max(ti)，则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10；
(10.4)清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据。
本发明的具体实施方式中，旨在通过利用城市道路网中现有大量覆盖的信号控制系统与电子警察系统作为前端“感知”设备，通过多系统集成将电子警察抓拍的过车数据与信号控制系统的信号运行数据进行实时融合抽样，通过大数据运行平台实时研判路段拥堵状态；
本系统通过实时获取研判路段的上游、下游信号控制路口的信号运行数据及电子警察抓拍系统的过车数据，通过多元数据的实时融合研判，可快速、准确识别路段的拥堵状态，具体研判逻辑如下：
Step1、获取路口路段AB对应的上游放入路口A与下游放出路口B关联信号机状态,若路口A/B关联线号机脱机，则进入step2,否则进入step3；
Step2、脱机信号机启动模拟信号程序，自动生成信号运行数据；
Step3、获取路口A、路口B关联信号机当前控制方式，若当前路口非手控或者警卫路线，则进入step4；若当前存在手控或者警卫路线，则退出程序，对应路段AB状态为灰色；
Step4、获取路段AB对应的上游放入路口A(对应车道)与放出路口B(对应车道)对应的电警设备状态；若路口A与路口B设备全部状态正常，则进入Step6；若路口A与路口B设备存在部分或者全部故障时，则退出程序，对应路段AB状态为灰色；
Step5、实时监控路段AB对应的上游放入路口A与放出路口B抓拍过车数据；
Step6、路口A按照阶段开始结束时刻实时获取过车数据并将放行车辆按照阶段进行分组，此时判断A路口比对表中是否存在待计算样本，若A路口比对表中是存在待计算样本，则进入Step7，若A路口比对表中是不存在待计算样本，则进入Step8；
Step7、将A路口后续各组数据(每组数据个数不管是否大于阈值均写入)写入路口A的待比对表中，并对该组数据进行计时t0(按该组数据第一辆车的通过时间计时)，执行step9；
Step8、判断此时A路口的最新一组数据是否大于N0(阈值)，若大于N0(阈值)，则该组数据进入A路口待比对表中，并开始计时；若小于等于N0(阈值)，则此时路段状态直接设置为绿色，并按照实际车辆个数计算拥堵指数值(4n/N0)，该组数据不进入A路口待比对表，执行step9；
Step9、当路口A比对组中第一组计时数据计时时间达到t0+T时检查路口B比对表中是否存在该组数据，①若B中存在当前计时达到t0+T的A路口数据组的任意一个数据，则判断数据个数是否满足Y％(阈值)，若不满足则此时路况为黄色，拥堵指数为4；若满足Y％(阈值)，则取B路口属于A路口且计时达到t0+T的数据组所有数据，获取当中行程时间最大值Max(ti)，判断Max(ti)所属区间[0、t0+T]/[t0+T、t0+2T]/[t0+2T、t0+3T]/[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算若A、0≤max(ti)＜t0+T,则拥堵指数为[Max(ti)/(t0+T)]×4；若B、t0+T≤Max(ti)＜t0+2T,则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；若C、t0+2T≤Max(ti)＜t0+3T,则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；若D、t0+3T≤Max(ti),则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10，同时清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据；②若B中不存在当前计时达到t0+T的A路口数据组的任意一个数据，则当前路况为黄色拥堵指数为4；
Step10、当A路口计时表第一组计时数据计时时间达到t0+2T时检查B比对表中是否存在该组数据，①若B中存在当前计时达到t0+2T的A路口数据组的任意一个数据，则判断数据个数是否满足Y％(阈值)，若不满足则此时路况为黄色，拥堵指数为6；若满足Y％(阈值)，则取B路口属于A路口且计时达到t0+2T的数据组所有数据，获取当中行程时间最大值Max(ti)，判断Max(ti)所属区间[0、t0+T]/[t0+T、t0+2T]/[t0+2T、t0+3T]/[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算若A、0≤max(ti)＜t0+T,则拥堵指数为[Max(ti)/(t0+T)]×4；若B、t0+T≤Max(ti)＜t0+2T,则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；若C、t0+2T≤Max(ti)＜t0+3T,则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；若D、t0+3T≤Max(ti),则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10，同时清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据；②若B中不存在当前计时达到t0+2T的A路口数据组的任意一个数据，则当前路况为黄色拥堵指数为6；
Step11、当A路口计时表第一组计时数据计时时间达到t0+3T时检查B比对表中是否存在该组数据，①若B中存在当前计时达到t0+3T的A路口数据组的任意一个数据，则判断数据个数是否满足Y％(阈值)，若不满足则此时路况为黄色，拥堵指数为8；若满足Y％(阈值)，则取B路口属于A路口且计时达到t0+3T的数据组所有数据，获取当中行程时间最大值Max(ti)，判断Max(ti)所属区间[0、t0+T]/[t0+T、t0+2T]/[t0+2T、t0+3T]/[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算，若A、0≤max(ti)＜t0+T,则拥堵指数为[Max(ti)/(t0+T)]×4；若B、t0+T≤Max(ti)＜t0+2T,则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；若C、t0+2T≤Max(ti)＜t0+3T,则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；若D、t0+3T≤Max(ti),则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10，同时清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据；②若B中不存在当前计时达到t0+3T的A路口数据组的任意一个数据，则当前路况为黄色拥堵指数为8；
Step12、当A路口计时表第一组计时数据计时时间达到t0+4T时检查B比对表中是否存在数据为组次序号(阶段序号)大于A路口计时表中当前第一组序号的数据，若存在则判断B中当前是否存在多组满足要求的数据；要求：①若在A中数据组内数据个数小于等于10个，则B中存在一条即可；②或者在A中数据组内数据个数大于10个，则B中个数满足Y％即可；对B比对表中符合条件的数据分别按照数据所在A中的序号进行分组，提取序号最小的数据组进行计算，计算后需对A临时比对表、A及时表及B临时比对表中所有小于等于当前所使用的计算数据的阶段序号的数据组数据；若A、计算数据来自A中小于等于10的一组数据，则按照该组数据第一个到达路口B的车辆通行时间ti，计算拥堵指数；计算逻辑：判断ti所属哪个时间区间[0、t0+T]/[t0+T、t0+2T]/[t0+2T、t0+3T]/[t0+3T、∞]，若A、0≤max(ti)＜t0+T,则拥堵指数为[Max(ti)/(t0+T)]×4；若B、t0+T≤Max(ti)＜t0+2T,则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；若C、t0+2T≤Max(ti)＜t0+3T,则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；若D、t0+3T≤Max(ti),则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10；若B、计算数据来自A中大于10的一组数据，则按照该组数据第一个至第Y％个到达路口B的车辆通行时间Max(ti)，计算拥堵指数；判断Max(ti)所属哪个时间区间[0、t0+T]/[t0+T、t0+2T]/[t0+2T、t0+3T]/[t0+3T、∞]，若A、0≤max(ti)＜t0+T,则拥堵指数为[Max(ti)/(t0+T)]×4；若B、t0+T≤Max(ti)＜t0+2T,则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；若C、t0+2T≤Max(ti)＜t0+3T,则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；若D、t0+3T≤Max(ti),则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10，同时清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据；
Step13、实时获取B路口(对应车道)过车记录，判断当前该条过车记录是否属于A当中比对表的数据，①若属于A中比对数据表的数据，则该条记录进入B的比对表中，并记录当前数据属于A中哪组数据的第几条到达数据，①若达到次序满足Y％×N0,则此时计算Max(ti)，并获取当前A中该组数据等待时间t0，若A、0≤max(ti)＜t0+T,则拥堵指数为[Max(ti)/(t0+T)]×4；若B、t0+T≤Max(ti)＜t0+2T,则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；若C、t0+2T≤Max(ti)＜t0+3T,则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；若D、t0+3T≤Max(ti),则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10，同时清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据；②如不满足Y％×N0，则退出程序。
采用了本发明的基于信号与电警数据融合技术实现路段状态研判处理的方法，前端设备利旧，减少前端感知设备的重复建设；高度智能化的控制系统，减少人员投入；可避免断面检测器获取的断面交通流参数不能反映整个路段交通流状态的弊端；本系统部署硬件要求低，对中小城市只需要一台服务器即可满足需求；本系统响应速度较传统的断面检测设备检测间隔时间大幅减少；通过多系统的集成，对多元数据的融合、研判，准确度得到进一步提升。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。
Claims (3)
1.一种基于信号与电警数据融合技术实现路段状态研判处理的方法，其特征在于，所述的方法包括以下步骤：
(1)获取路口路段AB对应的上游放入路口A与下游放出路口B关联信号机状态，判断路口A与B关联信号机是否脱机，如果是，则继续步骤(2)；否则，继续步骤(3)；
(2)脱机信号机启动模拟信号程序，自动生成信号运行数据；
(3)获取路口A、路口B关联信号机当前控制方式，判断当前路口是否为非手控或者警卫路线，如果无手控或者警卫路线控制，则继续步骤(4)；若当前存在手控或者警卫路线，则退出程序，对应路段AB状态为灰色；
(4)获取路段AB对应的上游放入路口A与放出路口B对应的电警设备状态，判断路口A与路口B设备是否全部状态正常，如果是，则继续步骤(6)；否则，退出程序，对应路段AB状态为灰色；
(5)实时监控路段AB对应的上游放入路口A与放出路口B抓拍过车数据；
(6)路口A按照阶段开始结束时刻实时获取过车数据并将放行车辆按照阶段进行分组，判断A路口比对表中是否存在待计算样本，如果是，则继续步骤(7)；否则，继续步骤(8)；
(7)将A路口后续各组数据写入路口A的待比对表中，并对该组数据进行计时t0，继续步骤(9)；
(8)判断此时A路口的最新一组数据是否大于阈值N0，如果是，则该组数据进入A路口待比对表中，并开始计时；否则此时路段状态直接设置为绿色，并按照实际车辆个数计算拥堵指数值，该组数据不进入A路口待比对表，继续步骤(9)；
(9)在路口A比对组中第一组计时数据的计时时间达到t0+T、t0+2T、t0+3T、t0+4T时分别检查路口B比对表中的该组数据；
(10)实时获取B路口过车记录，判断当前该条过车记录是否属于A当中比对表的数据；
所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1.a)若路口A比对组中第一组计时数据的计时时间达到t0+T，检查路口B比对表中是否存在该组数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为4；
(9.2.a)判断数据个数是否满足阈值Y％，如果不满足，则此时路况为黄色，拥堵指数为4；否则，取B路口属于A路口且计时达到t0+T的数据组所有数据，获取当中行程时间最大值Max(ti)；
(9.3.a)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算；
所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+2T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1.b)若路口A比对组中第一组计时数据的计时时间达到t0+2T，检查路口B比对表中是否存在该组数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为6；
(9.2.b)判断数据个数是否满足阈值Y％，如果不满足，则此时路况为黄色，拥堵指数为6；否则，取B路口属于A路口且计时达到t0+2T的数据组所有数据，获取当中行程时间最大值Max(ti)；
(9.3.b)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算；
所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+3T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1.c)若路口A比对组中第一组计时数据的计时时间达到t0+3T，检查路口B比对表中是否存在该组数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为8；
(9.2.c)判断数据个数是否满足阈值Y％，如果不满足，则此时路况为黄色，拥堵指数为8；否则，取B路口属于A路口且计时达到t0+3T的数据组所有数据，获取当中行程时间最大值Max(ti)；
(9.3.c)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算；
所述的步骤(9)中在路口A比对组中第一组计时数据的计时时间达到t0+4T时分别检查路口B比对表中的该组数据，具体包括以下步骤：
(9.1.d)若路口A比对组中第一组计时数据的计时时间达到t0+4T，检查路口B比对表中是否存在数据为组次序号大于A路口计时表中当前第一组序号的数据，如果是，则继续(9.2)；否则，当前路况为黄色拥堵指数为10；
(9.2.d)对B比对表中符合条件的数据分别按照数据所在A中的序号进行分组，提取序号最小的数据组进行计算拥堵指数，同时对A比对表及B比对表中所有小于等于当前所使用的计算数据的阶段序号的数据组数据进行清除；若计算数据来自A中小于等于10的一组数据，则按照该组数据第一个到达路口B的车辆通行时间ti，计算拥堵指数；
(9.3.d)判断Max(ti)所属区间[0、t0+T]、[t0+T、t0+2T]、[t0+2T、t0+3T]或[t0+3T、∞]，并按照Max(ti)所属区间使用不同公式进行指数计算。
2.根据权利要求1所述的基于信号与电警数据融合技术实现路段状态研判处理的方法，其特征在于，所述的步骤(9.3.a)具体包括以下步骤：
(9.3.a.1)判断是否0≤max(ti)＜t0+T，如果是，则拥堵指数为[Max(ti)/(t0+T)]×4；如果t0+T≤Max(ti)＜t0+2T，则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；如果t0+2T≤Max(ti)＜t0+3T，则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；如果t0+3T≤Max(ti)，则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10；
(9.3.a.2)清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据；
所述的步骤(9.3.b)具体包括以下步骤：
(9.3.b.1)判断是否0≤max(ti)＜t0+T，如果是，则拥堵指数为[Max(ti)/(t0+T)]×4；如果t0+T≤Max(ti)＜t0+2T，则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；如果t0+2T≤Max(ti)＜t0+3T，则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；如果t0+3T≤Max(ti)，则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10；
(9.3.b.2)清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据；
所述的步骤(9.3.c)具体包括以下步骤：
(9.3.c.1)判断是否0≤max(ti)＜t0+T，如果是，则拥堵指数为[Max(ti)/(t0+T)]×4；如果t0+T≤Max(ti)＜t0+2T，则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；如果t0+2T≤Max(ti)＜t0+3T，则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；如果t0+3T≤Max(ti)，则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10；
(9.3.c.2)清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据；
所述的步骤(9.3.d)具体包括以下步骤：
(9.3.d.1)判断是否0≤max(ti)＜t0+T，如果是，则拥堵指数为[Max(ti)/(t0+T)]×4；如果t0+T≤Max(ti)＜t0+2T，则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；如果t0+2T≤Max(ti)＜t0+3T，则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；如果t0+3T≤Max(ti)，则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10；
(9.3.d.2)清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据。
3.根据权利要求1所述的基于信号与电警数据融合技术实现路段状态研判处理的方法，其特征在于，所述的步骤(10)具体包括以下步骤：
(10.1)实时获取B路口过车记录，判断当前该条过车记录是否属于A当中比对表的数据，如果是，则属于A中比对数据表的数据，则该条记录进入B的比对表中，并记录当前数据属于A中哪组数据的第几条到达数据，继续步骤(10.2)；否则，该记录不属于A中比对数据表的数据；
(10.2)若达到次序满足Y％×N0，则计算Max(ti)，并获取当前A中该组数据等待时间t0；
(10.3)判断是否0≤max(ti)＜t0+T，如果是，则拥堵指数为[Max(ti)/(t0+T)]×4；如果t0+T≤Max(ti)＜t0+2T，则拥堵指数为4+[(Max(ti)-t0-T)/T]×2；如果t0+2T≤Max(ti)＜t0+3T，则拥堵指数为6+[(Max(ti)-t0-2T)/T]×2；如果t0+3T≤Max(ti)，则拥堵指数为8+[(Max(ti)-t0-2T)/T]×2且最大值不超过10；
(10.4)清空A比对表中及A计时表中的当前序号及小于当前序号的所在的数据组，并同步清除B中当前数据组及序号小于当前序号组的所有数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010862412.1A CN111932893B (zh) | 2020-08-25 | 2020-08-25 | 基于信号与电警数据融合技术实现路段状态研判处理的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010862412.1A CN111932893B (zh) | 2020-08-25 | 2020-08-25 | 基于信号与电警数据融合技术实现路段状态研判处理的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111932893A CN111932893A (zh) | 2020-11-13 |
| CN111932893B true CN111932893B (zh) | 2022-07-05 |
Family
ID=73305189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010862412.1A Active CN111932893B (zh) | 2020-08-25 | 2020-08-25 | 基于信号与电警数据融合技术实现路段状态研判处理的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111932893B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19835979A1 (de) * | 1998-08-08 | 2000-02-10 | Daimler Chrysler Ag | Verfahren zur Verkehrszustandsüberwachung und Fahrzeugzuflußsteuerung in einem Straßenverkehrsnetz |
| WO2015003481A1 (zh) * | 2013-07-12 | 2015-01-15 | 深圳市赛格导航科技股份有限公司 | 路段拥堵预警方法及装置 |
| CN104715604A (zh) * | 2014-01-13 | 2015-06-17 | 杭州海康威视数字技术股份有限公司 | 获取实时路况信息的方法及其系统 |
| PL414042A1 (pl) * | 2015-09-22 | 2017-03-27 | Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie | Inteligentny system transportowy i sposób wykorzystania inteligentnego systemu transportowego |
| CN107358800A (zh) * | 2017-06-14 | 2017-11-17 | 青岛破浪舟车船装备科技有限公司 | 一种区间联网交通信号智能通行系统 |
| CN107358799A (zh) * | 2017-06-14 | 2017-11-17 | 青岛破浪舟车船装备科技有限公司 | 一种信号灯区间联网智能通行系统 |
| WO2018149307A1 (zh) * | 2017-02-15 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 交通路况分析方法、装置及电子设备 |
| CN108447256A (zh) * | 2018-03-22 | 2018-08-24 | 连云港杰瑞电子有限公司 | 基于电警和定点检测器数据融合的干道车辆轨迹重构方法 |
| CN110363990A (zh) * | 2019-07-15 | 2019-10-22 | 广东工业大学 | 一种公交畅行指数获取方法、系统及装置 |
| CN111260522A (zh) * | 2019-11-22 | 2020-06-09 | 浙江浙大中控信息技术有限公司 | 基于大数据的车辆出行特征可视化分析系统 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101571997A (zh) * | 2009-05-31 | 2009-11-04 | 上海宝康电子控制工程有限公司 | 多源交通信息融合处理方法及其装置 |
| US9014955B2 (en) * | 2011-07-20 | 2015-04-21 | Sumitomo Electric Industries, Ltd. | Traffic evaluation device non-transitory recording medium and traffic evaluation method |
| JP5615312B2 (ja) * | 2012-03-26 | 2014-10-29 | 株式会社デンソーアイティーラボラトリ | 渋滞予測方法及び渋滞予測装置 |
| CN104036638B (zh) * | 2014-06-10 | 2016-06-15 | 深圳市元征科技股份有限公司 | 一种实时路况监控方法和实时路况监控设备 |
| JP6460489B2 (ja) * | 2015-01-16 | 2019-01-30 | 三菱重工機械システム株式会社 | ナビゲーションシステム及び車載器 |
| CN107331172B (zh) * | 2017-08-25 | 2020-11-20 | 青岛海信网络科技股份有限公司 | 一种基于道路交通状态的交通相位调整方法和装置 |
| CN109637125A (zh) * | 2018-11-30 | 2019-04-16 | 创发科技有限责任公司 | 智能路况监测系统、装置、方法和计算机可读存储介质 |
| CN110838232A (zh) * | 2019-09-27 | 2020-02-25 | 浙江工业大学 | 基于过车电警数据的单一车辆od获取方法 |
| CN111009128A (zh) * | 2020-01-07 | 2020-04-14 | 上海宝康电子控制工程有限公司 | 基于到达-离去模型实现路口交通状态实时研判处理的方法 |
-
2020
- 2020-08-25 CN CN202010862412.1A patent/CN111932893B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19835979A1 (de) * | 1998-08-08 | 2000-02-10 | Daimler Chrysler Ag | Verfahren zur Verkehrszustandsüberwachung und Fahrzeugzuflußsteuerung in einem Straßenverkehrsnetz |
| WO2015003481A1 (zh) * | 2013-07-12 | 2015-01-15 | 深圳市赛格导航科技股份有限公司 | 路段拥堵预警方法及装置 |
| CN104715604A (zh) * | 2014-01-13 | 2015-06-17 | 杭州海康威视数字技术股份有限公司 | 获取实时路况信息的方法及其系统 |
| PL414042A1 (pl) * | 2015-09-22 | 2017-03-27 | Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie | Inteligentny system transportowy i sposób wykorzystania inteligentnego systemu transportowego |
| WO2018149307A1 (zh) * | 2017-02-15 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 交通路况分析方法、装置及电子设备 |
| CN107358800A (zh) * | 2017-06-14 | 2017-11-17 | 青岛破浪舟车船装备科技有限公司 | 一种区间联网交通信号智能通行系统 |
| CN107358799A (zh) * | 2017-06-14 | 2017-11-17 | 青岛破浪舟车船装备科技有限公司 | 一种信号灯区间联网智能通行系统 |
| CN108447256A (zh) * | 2018-03-22 | 2018-08-24 | 连云港杰瑞电子有限公司 | 基于电警和定点检测器数据融合的干道车辆轨迹重构方法 |
| CN110363990A (zh) * | 2019-07-15 | 2019-10-22 | 广东工业大学 | 一种公交畅行指数获取方法、系统及装置 |
| CN111260522A (zh) * | 2019-11-22 | 2020-06-09 | 浙江浙大中控信息技术有限公司 | 基于大数据的车辆出行特征可视化分析系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111932893A (zh) | 2020-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101739824B (zh) | 基于数据融合技术的交通状况估计方法 | |
| CN102136190B (zh) | 城市公交客运事件应急响应调度管理系统及方法 | |
| CN111680745B (zh) | 一种基于多源交通大数据融合的突发拥堵判别方法及系统 | |
| WO2022166239A1 (zh) | 一种车辆行驶方案的规划方法、装置和存储介质 | |
| CN110276950B (zh) | 一种基于卡口视频数据的城市交通出行链重构方法 | |
| CN103903465B (zh) | 一种道路拥堵原因实时发布方法及系统 | |
| CN104882011B (zh) | 一种车辆快速接警出警系统及方法 | |
| CN109272756A (zh) | 一种信控交叉口排队长度估计方法 | |
| CN110176139A (zh) | 一种基于dbscan+的道路拥堵识别可视化方法 | |
| CN106601005B (zh) | 一种基于rfid和微信平台的城市智能交通诱导方法 | |
| CN112712697B (zh) | 面向车路协同应用的车道级交通状态判别方法 | |
| CN102231235A (zh) | 一种交通流异常点检测定位方法 | |
| CN102855760A (zh) | 基于浮动车数据的在线排队长度检测方法 | |
| CN101419750A (zh) | 控制路口交通状态检测和评价系统及其实现方法与应用 | |
| CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
| CN101739828A (zh) | 结合路面交通与天气状态的城市交通区域拥塞判定方法 | |
| US11798408B2 (en) | Green wave speed determination method, electronic device and storage medium | |
| KR102646880B1 (ko) | 교통량 증대를 위한 신호교차로 노면조건 및 교통패턴 분석 결과에 따른 신호등 운영 시스템 | |
| US20240046787A1 (en) | Method And System For Traffic Clearance At Signalized Intersections Based On Lidar And Trajectory Prediction | |
| CN109754598A (zh) | 一种拥堵组团识别方法及系统 | |
| CN106683448A (zh) | 一种基于cps的道路信号灯控制系统及其方法 | |
| CN111986483A (zh) | 基于电警数据碰撞实现道路拥堵状态研判处理的方法、装置及存储介质 | |
| CN113345225A (zh) | 基于v2v通信的物流车辆前方道路实时路况的预测方法及系统 | |
| CN201262784Y (zh) | 基于数据特征的城市信号控制路口交通状态检测和评价系统 | |
| CN105513362A (zh) | 一种公交站台毗邻区公交车运行状态评价验证方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |