CN111951567B - 数据的处理方法、装置、设备及计算机存储介质 - Google Patents
数据的处理方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN111951567B CN111951567B CN201910402274.6A CN201910402274A CN111951567B CN 111951567 B CN111951567 B CN 111951567B CN 201910402274 A CN201910402274 A CN 201910402274A CN 111951567 B CN111951567 B CN 111951567B
- Authority
- CN
- China
- Prior art keywords
- parameter
- green wave
- traffic signal
- signal lamp
- parameters
- 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
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种数据的处理方法、装置、设备及计算机存储介质,方法包括:获取用于控制交通信号灯的理论配时参数;基于用于控制交通信号灯的绿波带算法确定与理论配时参数相对应的预评估指标参数;根据理论配时参数控制交通信号灯进行工作,获取交通信号灯进行工作时的实际指标参数;根据预评估指标参数和实际指标参数对绿波带算法进行调整。通过获取用于控制交通信号灯的理论配时参数以及与理论配时参数相对应的预评估指标参数,而后根据理论配时参数控制交通信号灯进行工作,获取交通信号灯进行工作时的实际指标参数,由于是利用实际指标参数对绿波带算法进行优化调整,因此有效地保证了绿波带算法应用的准确性,保证交通的通行效果。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种数据的处理方法、装置、设备及计算机存储介质。
背景技术
在交通技术领域中,交通信号灯控制是城市交通管理的主要手段之一,在对交通信号灯进行控制时,可以采用绿波协调技术,这样可以提高道路运行效率,提升驾车体验。具体的,绿波是指车流从上游路口出发正常行驶到达下游路口时,正好下游路口出于绿灯可通行状态,这样使得车辆通行尽可能少的停车或者可以不停车通过下游路口。
在利用现有的绿波带算法对交通信号灯进行控制时,绿波带算法得到的配时方案(即为交通中信号灯的配置方案,包括信号灯的周期、绿信比、相位差等信息)往往是基于理论参数和理想假设(如车流按照限速或合理速度行驶)得到的。然而,在实际交通环境中,各种交通因素可能导致实际效果偏离所得到的预期效果,例如:基于绿波带算法所获取到的路口之间的旅行时间、排队清空时间都可能与实际效果产生偏差,从而降低绿波协调的效果;再或者,一些交通路径上可能因为流量不太大,在绿波优化时未获得合理的绿波协调权重,从而导致实际执行时该交通路径上出现较明显的通行效率低下的情况,甚至产生排队溢出的风险。
发明内容
本发明实施例提供一种数据的处理方法、装置、设备及计算机存储介质,可以保证绿波算法应用的准确性,进而提高交通通行效率。
第一方面,本发明实施例提供一种数据的处理方法,包括:
获取用于控制交通信号灯的理论配时参数;
基于用于控制所述交通信号灯的绿波带算法确定与所述理论配时参数相对应的预评估指标参数;
根据所述理论配时参数控制所述交通信号灯进行工作,获取所述交通信号灯进行工作时的实际指标参数;
根据所述预评估指标参数和所述实际指标参数对所述绿波带算法进行调整。
第二方面,本发明实施例提供一种数据的处理装置,包括:
获取模块,用于获取用于控制交通信号灯的理论配时参数;
确定模块,用于基于用于控制所述交通信号灯的绿波带算法确定与所述理论配时参数相对应的预评估指标参数;
控制模块,用于根据所述理论配时参数控制所述交通信号灯进行工作,获取所述交通信号灯进行工作时的实际指标参数;
调整模块,用于根据所述预评估指标参数和所述实际指标参数对所述绿波带算法进行调整。
第三方面,本发明实施例提供一种电子设备,包括:存储器、处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的一种数据的处理方法。
第四方面,本发明实施例提供了一种计算机存储介质,用于储存计算机程序,所述计算机程序使计算机执行时实现上述第一方面中的一种数据的处理方法。
通过获取用于控制交通信号灯的理论配时参数以及与理论配时参数相对应的预评估指标参数,而后根据理论配时参数控制交通信号灯进行工作,获取交通信号灯进行工作时的实际指标参数,由于综合考虑到预评估指标参数和实际指标参数对绿波带算法的影响,因此有效地保证了绿波带算法应用到实际道路上的准确性,保证交通的通行效果,进一步提高了该方法的实用性,有利于市场的推广与应用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种数据的处理方法的流程图;
图2为本发明实施例提供的获取用于控制交通信号灯的理论配时参数的流程图;
图3为本发明实施例提供的另一种数据的处理方法的流程图;
图4为本发明实施例提供的根据所述理论配时参数控制所述交通信号灯进行工作的流程图;
图5为本发明实施例提供的获取所述交通信号灯进行工作时的实际指标参数的流程图;
图6为本发明实施例提供的根据所述预评估指标参数和所述实际指标参数对所述绿波带算法进行调整的流程图;
图7为本发明实施例提供的根据所述参数差异确定与所述绿波带算法相对应的调整参数的流程图一;
图8为本发明实施例提供的根据所述参数差异确定与所述绿波带算法相对应的调整参数的流程图二;
图9为本发明实施例提供的根据所述参数差异确定与所述绿波带算法相对应的调整参数的流程图三;
图10为本发明实施例提供的又一种数据的处理方法的流程图;
图11为本发明应用实施例提供的一种数据的处理方法的示意图;
图12为本发明实施例提供的一种数据的处理装置的结构示意图;
图13为与图12所示实施例提供的数据的处理装置对应的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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作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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
另外,下述各方法实施例中的步骤时序仅为一种举例,而非严格限定。
图1为本发明实施例提供的一种数据的处理方法的流程图;参考附图1所示,本实施例提供了一种数据的处理方法,该数据的处理方法的执行主体为处理装置,可以理解的是,该处理装置可以实现为软件、或者软件和硬件的组合。具体的,该方法可以包括:
S1:获取用于控制交通信号灯的理论配时参数。
其中,理论配时参数包括以下至少之一:交通信号灯的理论周期、理论绿信比以及交通信号灯之间的理论相位差;具体的,交通信号灯的周期是指信号灯经历各个相位回到初始状态的时间;信号灯的绿信比是指信号灯对应每个相位的绿灯时间占信号灯周期时间的比例,此时,信号灯的绿信比可以表示为一个百分比;需要注意的是,信号灯的绿信比也可以直接用绿灯时间来表示,此时,信号灯的绿信比可以表示为一个时间信息。信号灯的相位差是指两个信号灯之间的时间差关系,通常用两个信号灯的主相位起始时间之间的时间差来表示。
可以理解的是,理论配时参数还可以包括其他参数,本领域技术人员可以根据具体的设计需求和应用需求进行任意设置,例如,理论配时参数还可以包括:绿波带宽、交通信号灯的公共周期、信号灯的相序等等,其中,信号灯的相序是指信号灯各个相位之间的线性顺序关系,在此不再赘述。
另外,本实施例对于理论配时参数的具体获取方式不做限定,本领域技术人员可以根据具体的设计需求进行设置,较为优选的,参考附图2所示,本实施例中的获取用于控制交通信号灯的理论配时参数可以包括:
S11:获取用于控制交通信号灯的绿波带算法。
S12:根据绿波带算法确定理论配时参数。
绿波带算法是指可以实现绿波带协调技术的算法,考虑到路网内车流路径的影响,可以将绿波带算法划分为:线状绿波算法和网状绿波算法,其中,线状绿波算法适用于车流路径有限的路段,而网状绿波算法可以适用于整个路网,对多个路径的车流进行全局调解。本领域技术人员可以根据具体的应用场景和应用需求来选择不同的绿波带算法,较为优选的,本实施例中的绿波带算法可以是指网状绿波算法。
其中,rt是指一条车流路径,frt是指车流路径上的车流流量,该车流流量为预先输入的已知参数;i是指路口,p是指相位,是指在一个车流路径上每一个路口(除去最后一个路口)上的相位,bi,p→j,q是指在车流路径上相邻路口的一步绿波带宽,α、β均为预设系数,且1>α>0,1>β>0;δi,p→j,q是指在车流路径上的相邻路口之间是否存在绿波;当δi,p→j,q为0时,表明该路径方向上没有绿波,当δi,p→j,q为1时,表明该路径方向上有绿波;c是路口,OC为路口绝对相位差。
在获取到上述网状绿波算法之后,可以对网状绿波算法进行最大化求解,具体的,先判断车流路径上的相邻路口之间是否存在绿波,若存在绿波,则判断绿波时间长度,从而可以准确地获取到理论配时参数,此时的理论配时参数可以包括交通信号灯的理论周期、理论绿信比以及交通信号灯之间的理论相位差。
S2:基于用于控制交通信号灯的绿波带算法确定与理论配时参数相对应的预评估指标参数。
在获取到理论配时参数之后,可以结合绿波带算法对理论配时参数进行分析处理,从而获取与理论配时参数相对应的预评估指标参数,其中,预评估指标参数包括以下至少之一:相邻路口间的车辆预估通行时间、路口预估排队长度、车流路径的预估行程延误时间。
举例来说,通过网状绿波算法可以识别车流路径上相邻路口之间是否存在绿波,若存在绿波,则可以根据网状绿波算法进一步获取相邻路口之间的一步绿波带宽,并且可以获取信号灯的预设公共周期、路口各相位绿灯时间以及路口相位差等参数,通过对上述参数和理论配时参数进行分析识别,可以获得与理论配时参数相对应的预评估指标参数。
当然的,本领域技术人员也可以采用其他的方式来获取预评估指标参数,只要能够保证与理论配时参数相对应的预评估指标参数确定的准确性即可,在此不再赘述。
S3:根据理论配时参数控制交通信号灯进行工作,获取交通信号灯进行工作时的实际指标参数。
其中,在获取到理论配时参数之后,可以通过理论配时参数对交通信号灯进行控制,具体的,参考附图4所示,本实施例中的根据理论配时参数控制交通信号灯进行工作可以包括:
S31:将理论配时参数发送至用于控制交通信号灯的交通信号系统。
S32:通过交通信号系统控制交通信号灯进行工作。
具体的,执行本数据的处理方法的执行主体处理装置可以与交通信号系统(或者也可以较为交通控制器)通信连接,在处理装置获得理论配时参数之后,可以将理论配时参数发送至交通信号系统,该交通信号系统用于控制交通信号灯,可以理解的是,一个交通信号系统可以控制一个或多个交通信号灯,在交通信号系统接收到理论配时参数之后,可以根据理论配时参数对交通信号灯的工作进行控制,以实现对道路交通上车流的控制与调整,保证交通的通行效率。
另外,在交通信号灯进行工作时,可以获取交通信号灯进行工作时的实际指标参数,该实际指标参数包括以下至少之一:相邻路口间的车辆实际通行时间、路口实际排队长度、车流路径的实际行程延误时间。具体的,参考附图5所示,本实施例中的获取交通信号灯进行工作时的实际指标参数可以包括:
S33:在交通信号灯根据理论配时参数进行工作时,获取通过交通信号灯的所有车辆的运行轨迹。
在交通信号灯根据理论配时参数进行工作时,可以通过GPS数据来获取通过交通信号灯的所有车辆的运行轨迹。该运行轨迹可以是指在环境下,通过对一个或多个移动对象运动过程的采样所获得的数据信息,可以包括以下至少之一:采样点位置、采样时间、速度等,这些采样点数据信息根据采样先后顺序构成了运行轨迹。
S34:通过运行轨迹确定交通信号灯的实际指标参数。
在获取到运行轨迹之后,可以对运行轨迹进行分析识别,从而可以获得交通信号灯的实际指标参数,该实际指标参数可以包括:相邻路口间的车辆实际通行时间、路口实际排队长度、车流路径的实际行程延误时间。
S4:根据预评估指标参数和实际指标参数对绿波带算法进行调整。
其中,在获取到预评估指标参数和实际指标参数之后,可以对预评估指标参数和实际指标参数进行分析处理,并根据分析处理结果对绿波带算法进行调整,具体的,参考附图6所示,本实施例中的根据预评估指标参数和实际指标参数对绿波带算法进行调整可以包括:
S41:确定预评估指标参数与实际指标参数之间的参数差异。
其中,预评估指标参数与实际指标参数相互对应,在获取到预评估指标参数与实际指标参数之后,可以获取预评估指标参数与实际指标参数之间的参数差异,该参数差异用于体现预评估指标参数与实际指标参数之间所存在的差异程度,具体的,可以将预评估指标参数与实际指标参数的差值确定为参数差异,或者,也可以将预评估指标参数与实际指标参数的比值确定为参数差异。
S42:根据参数差异对绿波带算法进行调整。
在获取到参数差异之后,可以根据参数差异对绿波带算法进行调整,具体的,根据参数差异对绿波带算法进行调整可以包括:
S421:若参数差异小于或等于预设的差异阈值,则根据绿波带算法继续控制交通信号灯进行工作。
在获取到参数差异之后,将参数差异与预设的差异阈值进行分析比较,若参数差异小于或等于差异阈值,则说明预评估指标参数与实际指标参数之间所存在的差异程度较小,此时可以不需要对绿波带算法进行调整,即可保证交通的通行效率。
S422:若参数差异大于预设的差异阈值,则根据参数差异确定与绿波带算法相对应的调整参数。
S423:根据调整参数对绿波带算法进行调整。
具体的,若参数差异与预设的差异阈值进行比较的结果为参数差异大于差异阈值,则说明预评估指标参数与实际指标参数之间所存在的差异程度较大,也即:预评估指标参数所对应的理论交通调节效果与实际指标参数所对应的实际交通调节效果相差较大,此时为了保证交通的通行效率,需要对绿波带算法优化调整,具体的,可以先根据参数差异确定与绿波带算法相对应的调整参数,其中,调整参数可以包括与绿波带宽参数相关联的旅行时间和单位车辆排队清空时间、与绿波带宽参数相对应的第一权重系数、与绿波带宽参数相对应的第二权重系数等等。在获取到调整参数之后,可以根据调整参数对绿波带算法进行优化调整,从而可以保证绿波带算法应用的准确性,提高交通的通行效果。
本实施例提供的数据的处理方法,通过获取用于控制交通信号灯的理论配时参数以及与理论配时参数相对应的预评估指标参数,而后根据理论配时参数控制交通信号灯进行工作,获取交通信号灯进行工作时的实际指标参数,由于综合考虑到预评估指标参数和实际指标参数对绿波带算法的影响,因此有效地保证了绿波带算法应用到实际道路上的准确性,保证交通的通行效果,进一步提高了该方法的实用性,有利于市场的推广与应用。
图3为本发明实施例提供的另一种数据的处理方法的流程图;在上述实施例的基础上,继续参考附图3所示,为了进一步提高该方法应用的准确可靠性,在根据理论配时参数控制交通信号灯进行工作之前,本实施例中的方法还可以包括:
S101:检测理论配时参数是否符合预设要求。
S102:若符合,则允许根据理论配时参数控制交通信号灯进行工作。
S103:若不符合,则禁止根据理论配时参数控制交通信号灯进行工作。
具体的,预设要求可以是指预先设置与理论配时参数相对应的标准参数,该标准参数用于作为判断所获得的理论配时参数是否合理的参考标准。举例来说,在理论配时参数包括交通信号灯的理论周期时,相对应的,预设要求可以为交通信号灯的标准周期,在交通信号灯的理论周期与交通信号灯的标准周期相同,或者,理论周期与标准周期的差异度小于或等于预设的阈值,则可以确定理论配时参数为合理参数,进而可以根据理论配时参数对交通信号灯进行控制。若交通信号灯的理论周期与交通信号灯的标准周期不同,或者,理论周期与标准周期的差异度大于预设的阈值,则可以确定理论配时参数为不合理参数,此时,为了保证交通信号灯工作的稳定可靠性,则禁止根据理论配时参数对交通信号灯进行控制。
可以理解的是,在理论配时参数包括理论绿信比以及交通信号灯之间的理论相位差时,相对应的,预设要求包括交通信号灯的标准绿信比和交通信号灯之间的标准相位差,具体的分析实现过程与上述的实现方式相类似,具体可参考上述内容,在此不再赘述。
在根据理论配时参数控制交通信号灯进行工作之前,通过检测理论配时参数是否符合预设要求,有效地实现了对理论配时参数的合理性进行判断,若理论配时参数为合理参数,则允许根据理论配时参数控制交通信号灯进行工作;若理论配时参数为不合理参数时,为了保证交通信号灯工作的稳定可靠性,则禁止根据理论配时参数控制交通信号灯进行工作,从而有效地提高了该方法应用的稳定可靠性。
图7为本发明实施例提供的根据参数差异确定与绿波带算法相对应的调整参数的流程图一;在上述实施例的基础上,参考附图7所示,本实施例对于根据参数差异确定与绿波带算法相对应的调整参数的具体实现方式不做限定,本领域技术人员可以根据具体的设计需求和应用需求进行设置,较为优选的,在绿波带算法包括绿波带宽参数,调整参数包括与绿波带宽参数相关联的旅行时间和单位车辆排队清空时间时,一种可实现根据参数差异确定与绿波带算法相对应的调整参数的方式可以包括:
S4221:基于绿波带算法确定参与绿波协调的相邻路口。
S4222:在根据参数差异确定车辆需要停车排队才能通过相邻路口的下游路口时,则增加相邻路口之间的旅行时间和单位车辆排队清空时间,并将增加后的旅行时间和单位车辆排队清空时间确定为与绿波带算法相对应的调整参数。
S4223:在根据参数差异确定车辆到达相邻路口的下游路口需要停车排队时,则降低相邻路口之间的旅行时间和单位车辆排队清空时间,并将降低后的旅行时间和单位车辆排队清空时间确定为与绿波带算法相对应的调整参数。
其中,可以利用绿波带算法确定参与绿波协调的相邻路口,而后获取相邻路口的预评估指标参数和实际指标参数之间的参数差异,根据参数差异可以对相邻路口的交通运行情况进行分析处理,具体的,对参数差异进行分析识别,若识别结果为确定车辆需要停车排队才能通过相邻路口的下游路口时,此时,为了保证绿波协调的效果,可以增加相邻路口之间的旅行时间和单位车辆排队清空时间,具体的增加幅度不做限定,本领域技术人员可以根据具体的设计需求和应用需求进行任意设置,只要能够达到尽量使得车辆到达下游路口时,使得位于排队内的车辆已经清空,从而提高交通的运行效率即可,在此不再赘述。
相类似的,在参数差异进行分析识别时,若识别结果为确定车辆需要停车排队,此时,为了保证绿波协调的效果,可以降低相邻路口之间的旅行时间和单位车辆排队清空时间,具体的降低幅度不做限定,本领域技术人员可以根据具体的设计需求和应用需求进行任意设置,只要能够达到尽量使得车辆到达下游路口时,之前排队内的车辆已经清空,从而提高交通的运行效率即可,在此不再赘述。
其中,以网状绿波算法作为绿波带算法为例进行说明,相邻路口之间的旅行时间trvr与网状绿波算法中的绿波带宽参数相关联,具体的关联关系如下:
而绿波带宽宽度具有如下约束关系:因此,通过对相邻路口之间的旅行时间进行调整,可以实现对绿波带宽参数进行调整,具体的,增加相邻路口之间的旅行时间时,车流路径上相邻路口最早到达时间/>可以相应的增加,从而可以降低绿波带宽参数;相反地,降低相邻路口之间的旅行时间时,可以增加绿波带宽参数。
进一步的,对于单位车辆排队清空时间τ而言,该单位车辆排队清空时间τ与网状绿波算法中的绿波带宽参数相关联,具体的关联关系如下:
其中,∑rt((1-δi,p→j,q)*frt*τ)为下游路口的所有排队清空时间的和值,frt是指车流路径上的车流流量,该车流流量为预先输入的已知参数;i是指路口,p是指相位,δi,p→j,q是指在车流路径上的相邻路口之间是否存在绿波,τ为单位车辆排队清空时间。
而绿波带宽具有约束关系可以为:因此,通过对单位车辆排队清空时间进行调整,可以实现对绿波带宽参数进行调整,具体的,增加单位车辆排队清空时间时,可以降低绿波带宽参数;相反的,降低单位车辆排队清空时间时,可以增加绿波带宽参数。
可以理解的是,绿波带宽的约束关系(或者旅行时间和单位车辆排队清空时间与绿波带宽之间的关联关系)并不限于上述举例说明,本领域技术人员还可以根据具体的应用场景来设置其他的约束关系或者关联关系,在此不再赘述。
通过上述方式实现根据参数差异确定与绿波带算法相对应的调整参数,并且可以根据调整参数对绿波带算法进行优化调整,有效地提高了绿波带算法应用的准确可靠性,保证了绿波协调的效果,提高了交通的通行效果,进一步提高了该方法使用的稳定可靠性。
图8为本发明实施例提供的根据参数差异确定与绿波带算法相对应的调整参数的流程图二;在上述实施例的基础上,参考附图8所示,本实施例提供了另一种可实现根据参数差异确定与绿波带算法相对应的调整参数的方式,其中,绿波带算法包括绿波带宽参数,调整参数包括与绿波带宽参数相对应的第一权重系数;具体的,本实施例中的根据参数差异确定与绿波带算法相对应的调整参数可以包括:
S4224:根据参数差异获取位于路口处的车辆排队长度。
S4225:若车辆排队长度大于或等于预设的长度阈值,则确定用于增加绿波带宽权重的第一权重系数,第一权重系数大于1。
其中,在获取到参数差异之后,可以根据参数差异来获取位于路口处的车辆排队长度,在获取到车辆排队长度之后,可以将车辆排队长度与预先设置的长度阈值进行分析比较,若车辆排队长度大于或等于长度阈值,则说明此时的车辆排队长度较长,因此,为了保证交通的通行效率,可以提高绿波带宽的权重,具体的,可以确定用于增加绿波带宽权重的第一权重系数,并可以根据第一权重系数对绿波带算法进行调整,本实施例对于对绿波带算法进行调整的具体实现方式不做限定,本领域技术人员可以根据具体的设计需求和应用需求进行调整,在此不再赘述。较为优选的,以网状绿波算法作为绿波带算法为例进行说明,本实施例可以采用如下方式对网状绿波算法进行调整,具体的,原始的网状绿波算法为如下表达:
在车辆排队较长时,则可以将网状绿波算法优化为如下表达:
其中,rc,s为第一权重系数,且rc,s>1,其他的参数可以参数上述实施例的陈述内容,在此不再赘述。需要说明的是,本实施例对于rc,s的具体大小不做限定,本领域技术人员可以根据具体的应用场景来进行设置,在此不再赘述。
通过第一权重系数对绿波带算法进行调整之后,有效地增加了绿波带宽的权重,可以使得位于车辆排队长度中的车辆尽可能的通过,避免了车辆排队出现溢出的风险,并且也可以保证交通的通行效率。
图9为本发明实施例提供的根据参数差异确定与绿波带算法相对应的调整参数的流程图三;在上述实施例的基础上,参考附图9所示,本实施例提供了又一种可实现根据参数差异确定与绿波带算法相对应的调整参数的方式,其中,绿波带算法包括绿波带宽参数,调整参数包括与绿波带宽参数相对应的第二权重系数;具体的,本实施例中的根据参数差异确定与绿波带算法相对应的调整参数可以包括:
S4226:根据参数差异获取位于任一交通路径上的行程延误时间。
S4227:若行程延误时间大于或等于预设的时间阈值,则确定用于增加位于交通路径上的绿波带宽权重的第二权重系数,第二权重系数大于1。
S4228:若行程延误时间小于预设的时间阈值,则确定位于交通路径上与绿波带宽参数相对应的第二权重系数,第二权重系数等于1。
其中,在获取到参数差异之后,可以根据参数差异来获取位于任一交通路径上的行程延误时间,在获取到行程延误时间之后,可以将行程延误时间与预先设置的时间阈值进行分析比较,若行程延误时间小于时间阈值,则说明此时的交通路径上的车辆的行程延误较小,继而可以确定位于交通路径上与绿波带宽参数相对应的第二权重系数,第二权重系数等于1;需要注意的是,此时也可以认为不需要对绿波带算法进行调整。
举例来说:原始的网状绿波算法为如下表达:
在位于交通路径上车辆的行程延误较小时,则可以将网状绿波算法优化为如下表达:
其中,为第二权重系数,且/>此时,经过优化后的网状绿波算法与原始的网状绿波算法相同,其他的参数可以参数上述实施例的陈述内容,在此不再赘述。需要说明的是,本实施例对于/>的具体大小不做限定,本领域技术人员可以根据具体的应用场景来进行设置,在此不再赘述。
若行程延误时间大于或等于时间阈值,则说明此时的位于交通路径上车辆的行程延误较大,因此,为了保证交通的通行效率,可以确定位于交通路径上与绿波带宽参数相对应的第二权重系数,此时的第二权重系数大于1,通过第二权重系数对网状绿波算法进行调整,可以提高绿波带宽的权重,本实施例对于对网状绿波算法进行调整的具体实现方式不做限定,本领域技术人员可以根据具体的设计需求和应用需求进行调整,在此不再赘述。较为优选的,本实施例可以采用如下方式对网状绿波算法进行调整,具体的,一种可实现的方式为原始的网状绿波算法为如下表达:
在位于交通路径上车辆的行程延误较大时,则可以将网状绿波算法优化为如下表达:
或者,又一种可实现的方式为,原始的网状绿波算法为如下表达:
其中,rc,s为第一权重系数,且rc,s>1,其他的参数可以参数上述实施例的陈述内容,在此不再赘述。
在位于交通路径上车辆的行程延误较大时,则可以将网状绿波算法优化为如下表达:
通过第二权重系数对网状绿波算法进行调整之后,通过调整绿波带宽的权重,有效地实现了对行程延误时间较大的某一交通路径上的车流进行调节,也可以保证交通的通行效率。
图10为本发明实施例提供的又一种数据的处理方法的流程图;在上述实施例的基础上,继续参考附图10,为了提高该方法的实用性,本实施例中的方法还可以包括:
S201:利用调整后的绿波带算法确定调整后配时参数。
S202:根据调整后配时参数控制交通信号灯进行工作。
在对绿波带算法进行调整完之后,可以对调整后的绿波带算法进行应用,具体的,可以利用调整后的绿波带算法获取相对应的调整后配时参数,该调整后配时参数可以包括以下至少之一:交通信号灯的调整后周期、调整后绿信比以及交通信号灯之间的调整后相位差;而后可以根据调整后配时参数控制交通信号灯进行工作,由于调整后的网络绿波算法是结合实际交通环境中的交通参数,因此,可以保证调整后配时参数控制交通信号灯进行工作的准确可靠性,可以有效地提高交通的通行效率,保证了该方法的实用性,有利于市场的推广与应用。
具体应用时,参考附图11所示,本应用实施例提供了一种数据的处理方法,具体的,该数据的处理方法可以包括如下步骤:
step1:获取用于控制交通信号灯的网状绿波算法。
其中,本应用实施例中的网络绿波算法可以是指如下算法公式:
step2:根据网状绿波算法确定理论配时参数。
具体的,可以对网状绿波算法求取优化最大解,从而可以获取到理论配时参数。
step3:确定与理论配时参数相对应的预评估指标参数。
具体的,根据优化求解的结果可以得到各车流方向上的车流是否获取绿波协调,并且还可以根据网络绿波算法得到确定与理论配时参数相对应的预评估指标参数,预评估指标参数可以包括:相邻路口间的车辆预估通行时间、路口预估排队长度、车流路径上的预估行程延误时间。
step4:检测理论配时参数是否符合预设要求,若符合,则允许根据理论配时参数控制交通信号灯进行工作,具体的,将理论配时参数下发至交通信号系统,通过交通信号系统控制交通信号灯进行工作;若不符合,则禁止根据理论配时参数控制交通信号灯进行工作。
step5:在交通信号灯根据理论配时参数进行工作时,可以获取交通信号灯的实际指标参数。
根据参与交通的车辆轨迹(GPS轨迹数据),可以获得实际指标参数,此时的实际指标参数可以包括实际造成的相邻路口间的车辆通行时间、路口排队长度和车流路径上的行程延误时间。
step6:获取预评估参数与实际指标参数之间的参数差异。
step7:若参数差异小于或等于预设的差异阈值,则根据网状绿波算法继续控制交通信号灯进行工作;若参数差异大于预设的差异阈值,则根据参数差异确定与网状绿波算法相对应的调整参数,根据调整参数对网状绿波算法进行调整,并利用调整后的网状绿波算法确定调整后配时参数,而后根据调整后配时参数控制交通信号灯进行工作,实现基于网状绿波算法的迭代处理过程。
本应用实施例提供的数据的处理方法,根据实际方案下发后的执行效果反馈至网状绿波算法中,并调整网状绿波算法的参数和权重,从而得到新的优化后的网状绿波算法,有效地通过实测数据来提高网状绿波模型参数的准确性,从而保证了生成方案的质量,进一步提高了对网状绿波算法应用的实际执行效果,保证了该方法的实用性,有利于市场的推广与应用。
图12为本发明实施例提供的一种数据的处理装置的结构示意图;参考附图12所示,本实施例提供了一种数据的处理装置,该处理装置可以执行上述图1所对应的数据的处理方法。具体的,该处理装置可以包括:
获取模块11,用于获取用于控制交通信号灯的理论配时参数;
确定模块12,用于基于用于控制交通信号灯的绿波带算法确定与理论配时参数相对应的预评估指标参数;
控制模块13,用于根据理论配时参数控制交通信号灯进行工作,获取交通信号灯进行工作时的实际指标参数;
调整模块14,用于根据预评估指标参数和实际指标参数对绿波带算法进行调整。
其中,理论配时参数包括以下至少之一:交通信号灯的理论周期、理论绿信比以及交通信号灯之间的理论相位差。
另外,预评估指标参数包括以下至少之一:相邻路口间的车辆预估通行时间、路口预估排队长度、车流路径的预估行程延误时间;相对应的,
实际指标参数包括以下至少之一:相邻路口间的车辆实际通行时间、路口实际排队长度、车流路径的实际行程延误时间。
可选地,在获取模块11获取用于控制交通信号灯的理论配时参数时,该获取模块11可以用于执行:获取用于控制交通信号灯的绿波带算法;根据绿波带算法确定理论配时参数。
可选地,本实施例中的控制模块14还用于执行:在根据理论配时参数控制交通信号灯进行工作之前,检测理论配时参数是否符合预设要求;若符合,则允许根据理论配时参数控制交通信号灯进行工作;或者,若不符合,则禁止根据理论配时参数控制交通信号灯进行工作。
可选地,在控制模块13根据理论配时参数控制交通信号灯进行工作时,该控制模块13可以用于执行:将理论配时参数发送至用于控制交通信号灯的交通信号系统;通过交通信号系统控制交通信号灯进行工作。
可选地,在控制模块13获取交通信号灯进行工作时的实际指标参数时,该控制模块13可以用于执行:在交通信号灯根据理论配时参数进行工作时,获取通过交通信号灯的所有车辆的运行轨迹;通过运行轨迹确定交通信号灯的实际指标参数。
可选地,在调整模块14根据预评估指标参数和实际指标参数对绿波带算法进行调整时,该调整模块14可以用于执行:确定预评估指标参数与实际指标参数之间的参数差异;根据参数差异对绿波带算法进行调整。
可选地,在调整模块14根据参数差异对绿波带算法进行调整时,该调整模块14可以用于执行:若参数差异小于或等于预设的差异阈值,则根据绿波带算法继续控制交通信号灯进行工作;或者,若参数差异大于预设的差异阈值,则根据参数差异确定与绿波带算法相对应的调整参数;根据调整参数对绿波带算法进行调整。
可选地,绿波带算法包括绿波带宽参数,调整参数包括与绿波带宽参数相关联的旅行时间和单位车辆排队清空时间;在调整模块14根据参数差异确定与绿波带算法相对应的调整参数时,该调整模块14可以用于执行:基于绿波带算法确定参与绿波协调的相邻路口;在根据参数差异确定车辆需要停车排队才能通过相邻路口的下游路口时,则增加相邻路口之间的旅行时间和单位车辆排队清空时间,并将增加后的旅行时间和单位车辆排队清空时间确定为与绿波带算法相对应的调整参数;或者,在根据参数差异确定车辆到达相邻路口的下游路口需要停车排队时,则降低相邻路口之间的旅行时间和单位车辆排队清空时间,并将降低后的旅行时间和单位车辆排队清空时间确定为与绿波带算法相对应的调整参数。
可选地,绿波带算法包括绿波带宽参数,调整参数包括与绿波带宽参数相对应的第一权重系数;在调整模块14根据参数差异确定与绿波带算法相对应的调整参数时,该调整模块14可以用于执行:根据参数差异获取位于路口处的车辆排队长度;若车辆排队长度大于或等于预设的长度阈值,则确定用于增加绿波带宽权重的第一权重系数,第一权重系数大于1。
可选地,绿波带算法包括绿波带宽参数,调整参数包括与绿波带宽参数相对应的第二权重系数;在调整模块14根据参数差异确定与绿波带算法相对应的调整参数时,该调整模块14可以用于执行:根据参数差异获取位于任一交通路径上的行程延误时间;若行程延误时间大于或等于预设的时间阈值,则确定用于增加位于交通路径上的绿波带宽权重的第二权重系数,第二权重系数大于1;若行程延误时间小于预设的时间阈值,则确定位于交通路径上与绿波带宽参数相对应的第二权重系数,第二权重系数等于1。
可选地,本实施例中的调整模块14可以用于执行:利用调整后的绿波带算法确定调整后配时参数;根据调整后配时参数控制交通信号灯进行工作。
图12所示装置可以执行图1-图11所示实施例的方法,本实施例未详细描述的部分,可参考对图1-图11所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图11所示实施例中的描述,在此不再赘述。
在一个可能的设计中,图12所示数据的处理装置的结构可实现为一电子设备,该电子设备可以是手机、平板电脑、服务器等各种设备。如图13所示,该电子设备可以包括:处理器21和存储器22。其中,存储器22用于存储支持电子设备执行上述图1-图11所示实施例中提供的数据的处理方法的程序,处理器21被配置为用于执行存储器22中存储的程序。
程序包括一条或多条计算机指令,其中,一条或多条计算机指令被处理器21执行时能够实现如下步骤:
获取用于控制交通信号灯的理论配时参数;
基于用于控制所述交通信号灯的绿波带算法确定与所述理论配时参数相对应的预评估指标参数;
根据所述理论配时参数控制所述交通信号灯进行工作,获取所述交通信号灯进行工作时的实际指标参数;
根据所述预评估指标参数和所述实际指标参数对所述绿波带算法进行调整。
可选地,处理器21还用于执行前述图1-图11所示实施例中的全部或部分步骤。
其中,电子设备的结构中还可以包括通信接口23,用于电子设备与其他设备或通信网络通信。
另外,本发明实施例提供了一种计算机存储介质,用于储存电子设备所用的计算机软件指令,其包含用于执行上述图1-图11所示方法实施例中数据的处理方法所涉及的程序。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程设备的处理器以产生一个机器,使得通过计算机或其他可编程设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (13)
1.一种数据的处理方法,其特征在于,包括:
获取用于控制交通信号灯的理论配时参数;
基于用于控制所述交通信号灯的绿波带算法确定与所述理论配时参数相对应的预评估指标参数;
根据所述理论配时参数控制所述交通信号灯进行工作,获取所述交通信号灯进行工作时的实际指标参数;
根据所述预评估指标参数和所述实际指标参数对所述绿波带算法进行调整;
根据所述预评估指标参数和所述实际指标参数对所述绿波带算法进行调整,包括:
确定所述预评估指标参数与所述实际指标参数之间的参数差异;
若所述参数差异小于或等于预设的差异阈值,则根据所述绿波带算法继续控制所述交通信号灯进行工作;或者,
若所述参数差异大于预设的差异阈值,则根据所述参数差异确定与所述绿波带算法相对应的调整参数;
根据所述调整参数对所述绿波带算法进行调整;
其中,所述绿波带算法包括绿波带宽参数,所述调整参数包括与绿波带宽参数相对应的第一权重系数;根据所述参数差异确定与所述绿波带算法相对应的调整参数,包括:
根据所述参数差异获取位于路口处的车辆排队长度;
若所述车辆排队长度大于或等于预设的长度阈值,则确定用于增加所述绿波带宽权重的第一权重系数,所述第一权重系数大于1。
2.根据权利要求1所述的方法,其特征在于,所述理论配时参数包括以下至少之一:交通信号灯的理论周期、理论绿信比以及交通信号灯之间的理论相位差。
3.根据权利要求1所述的方法,其特征在于,所述预评估指标参数包括以下至少之一:相邻路口间的车辆预估通行时间、路口预估排队长度、车流路径的预估行程延误时间;相对应的,
所述实际指标参数包括以下至少之一:相邻路口间的车辆实际通行时间、路口实际排队长度、车流路径的实际行程延误时间。
4.根据权利要求2所述的方法,其特征在于,获取用于控制交通信号灯的理论配时参数,包括:
获取用于控制所述交通信号灯的绿波带算法;
根据所述绿波带算法确定所述理论配时参数。
5.根据权利要求2所述的方法,其特征在于,在根据所述理论配时参数控制所述交通信号灯进行工作之前,所述方法还包括:
检测所述理论配时参数是否符合预设要求;
若符合,则允许根据所述理论配时参数控制所述交通信号灯进行工作;或者,
若不符合,则禁止根据所述理论配时参数控制所述交通信号灯进行工作。
6.根据权利要求2所述的方法,其特征在于,根据所述理论配时参数控制所述交通信号灯进行工作,包括:
将所述理论配时参数发送至用于控制所述交通信号灯的交通信号系统;
通过所述交通信号系统控制所述交通信号灯进行工作。
7.根据权利要求3所述的方法,其特征在于,获取所述交通信号灯进行工作时的实际指标参数,包括:
在所述交通信号灯根据所述理论配时参数进行工作时,获取通过所述交通信号灯的所有车辆的运行轨迹;
通过所述运行轨迹确定所述交通信号灯的实际指标参数。
8.根据权利要求1所述的方法,其特征在于,所述绿波带算法包括绿波带宽参数,所述调整参数包括与绿波带宽参数相关联的旅行时间和单位车辆排队清空时间;根据所述参数差异确定与所述绿波带算法相对应的调整参数,包括:
基于所述绿波带算法确定参与绿波协调的相邻路口;
在根据所述参数差异确定车辆需要停车排队才能通过相邻路口的下游路口时,则增加所述相邻路口之间的旅行时间和单位车辆排队清空时间,并将增加后的旅行时间和单位车辆排队清空时间确定为与所述绿波带算法相对应的调整参数;或者,
在根据所述参数差异确定车辆到达相邻路口的下游路口需要停车排队时,则降低所述相邻路口之间的旅行时间和单位车辆排队清空时间,并将降低后的旅行时间和单位车辆排队清空时间确定为与所述绿波带算法相对应的调整参数。
9.根据权利要求1所述的方法,其特征在于,所述绿波带算法包括绿波带宽参数,所述调整参数包括与绿波带宽参数相对应的第二权重系数;根据所述参数差异确定与所述绿波带算法相对应的调整参数,包括:
根据所述参数差异获取位于任一交通路径上的行程延误时间;
若所述行程延误时间大于或等于预设的时间阈值,则确定用于增加位于所述交通路径上的绿波带宽权重的第二权重系数,所述第二权重系数大于1;
若所述行程延误时间小于预设的时间阈值,则确定位于所述交通路径上与绿波带宽参数相对应的第二权重系数,所述第二权重系数等于1。
10.根据权利要求1-7中任意一项所述的方法,其特征在于,所述方法还包括:
利用调整后的所述绿波带算法确定调整后配时参数;
根据所述调整后配时参数控制所述交通信号灯进行工作。
11.一种数据的处理装置,其特征在于,包括:
获取模块,用于获取用于控制交通信号灯的理论配时参数;
确定模块,用于基于用于控制所述交通信号灯的绿波带算法确定与所述理论配时参数相对应的预评估指标参数;
控制模块,用于根据所述理论配时参数控制所述交通信号灯进行工作,获取所述交通信号灯进行工作时的实际指标参数;
调整模块,用于根据所述预评估指标参数和所述实际指标参数对所述绿波带算法进行调整;
所述调整模块,用于确定所述预评估指标参数与所述实际指标参数之间的参数差异;若所述参数差异小于或等于预设的差异阈值,则根据所述绿波带算法继续控制所述交通信号灯进行工作;或者,若所述参数差异大于预设的差异阈值,则根据所述参数差异确定与所述绿波带算法相对应的调整参数;根据所述调整参数对所述绿波带算法进行调整;
其中,所述绿波带算法包括绿波带宽参数,所述调整参数包括与绿波带宽参数相对应的第一权重系数;所述调整模块,还用于根据所述参数差异获取位于路口处的车辆排队长度;若所述车辆排队长度大于或等于预设的长度阈值,则确定用于增加所述绿波带宽权重的第一权重系数,所述第一权重系数大于1。
12.一种电子设备,其特征在于,包括:存储器、处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现如权利要求1至10中任一项所述的数据的处理方法。
13.一种计算机存储介质,其特征在于,该计算机存储介质用于储存计算机程序,所述计算机程序使计算机执行时实现权利要求1-10中任意一项所述的数据的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910402274.6A CN111951567B (zh) | 2019-05-14 | 2019-05-14 | 数据的处理方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910402274.6A CN111951567B (zh) | 2019-05-14 | 2019-05-14 | 数据的处理方法、装置、设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951567A CN111951567A (zh) | 2020-11-17 |
CN111951567B true CN111951567B (zh) | 2023-05-26 |
Family
ID=73336368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910402274.6A Active CN111951567B (zh) | 2019-05-14 | 2019-05-14 | 数据的处理方法、装置、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951567B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112967506A (zh) * | 2021-02-26 | 2021-06-15 | 安徽达尔智能控制系统股份有限公司 | 一种城市道路用绿波带交通控制方法和系统 |
CN113380029B (zh) * | 2021-06-03 | 2023-02-03 | 阿波罗智联(北京)科技有限公司 | 数据验证方法、装置、设备及存储介质 |
CN113345255A (zh) * | 2021-08-04 | 2021-09-03 | 华砺智行(武汉)科技有限公司 | 干线绿波协调信号控制方法、装置、电子设备及存储介质 |
CN113870557A (zh) * | 2021-09-24 | 2021-12-31 | 阿波罗智联(北京)科技有限公司 | 交通策略的检测方法、装置、设备、存储介质及程序 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542818B (zh) * | 2012-01-13 | 2016-02-17 | 吉林大学 | 一种基于有机计算的区域边界交通信号协调控制方法 |
CN103578281B (zh) * | 2012-08-02 | 2015-10-21 | 中兴通讯股份有限公司 | 一种交通干线信号灯优化控制方法和装置 |
CN106530767B (zh) * | 2016-12-12 | 2019-02-01 | 东南大学 | 基于跟车法的干线信号协调优化方法 |
CN107730922B (zh) * | 2017-09-11 | 2019-08-09 | 北方工业大学 | 一种单向干线绿波协调控制自适应调整方法 |
CN108053661B (zh) * | 2017-12-19 | 2020-02-04 | 青岛海信网络科技股份有限公司 | 一种交通控制的方法及装置 |
CN109191835B (zh) * | 2018-09-03 | 2020-09-29 | 北京全路通信信号研究设计院集团有限公司 | 一种有轨电车运行的控制方法和系统 |
CN109584539B (zh) * | 2018-11-26 | 2020-10-02 | 华南理工大学 | 一种高饱和度路段上下游交叉口间相位差优化方法 |
-
2019
- 2019-05-14 CN CN201910402274.6A patent/CN111951567B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111951567A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111951567B (zh) | 数据的处理方法、装置、设备及计算机存储介质 | |
US8830086B2 (en) | Adjusting traffic lights | |
CN111899536A (zh) | 数据的处理方法、装置、设备及计算机存储介质 | |
CN111275990A (zh) | 一种交通信号控制方法、装置、可读存储介质及终端设备 | |
CN111613070B (zh) | 交通信号灯控制方法、装置、电子设备和计算机存储介质 | |
CN112400192A (zh) | 多模态深度交通信号控制的方法和系统 | |
JP6962390B2 (ja) | 輸送事業者の効率を最適化するための方法及び装置 | |
KR20190069995A (ko) | 군집 차량 제동력 제어 장치, 그를 포함한 시스템 및 그 방법 | |
CN111932888A (zh) | 防止边界路段排队溢流的区域动态边界控制方法及系统 | |
WO2020226033A1 (en) | System for predicting vehicle behavior | |
CN110893850A (zh) | 一种车辆纵向速度规划方法和纵向速度规划装置 | |
CN111267849A (zh) | 车辆的列队行驶控制装置、包括该装置的系统及控制方法 | |
CN112660126A (zh) | 用于自适应巡航的车辆协同控制方法、装置及车辆 | |
EP4289699A1 (en) | Trust enhancement method and apparatus for intelligent driving system | |
CN111301432B (zh) | 用于自动驾驶车辆的停车方法和装置 | |
CN111369785B (zh) | 交通数据处理方法、装置、设备和存储介质 | |
CN110059866B (zh) | 一种基于预约的出行时间推荐方法及装置 | |
US20220141701A1 (en) | Information processing device, moving object, computer-readable storage medium, and information processing method | |
CN113724509B (zh) | 一种时空协同的公交优先控制方法和装置 | |
CN109829935B (zh) | 车辆的场景序列跟踪处理方法、装置及车辆 | |
CN114030488B (zh) | 实现自动驾驶决策的方法、装置、计算机存储介质及终端 | |
KR101224239B1 (ko) | 차선유지제어 방법 및 그 시스템 | |
CN108944921A (zh) | 一种用于车辆的纵向控制的方法与设备 | |
CN114996264A (zh) | 一种面向数字孪生的数据处理方法、装置及设备 | |
CN112527482A (zh) | 基于移动边缘云平台的任务管理方法及系统 |
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 |