CN112419708B - 基于交通流激进程度的道路安全策略确定方法及装置 - Google Patents
基于交通流激进程度的道路安全策略确定方法及装置 Download PDFInfo
- Publication number
- CN112419708B CN112419708B CN202010824099.2A CN202010824099A CN112419708B CN 112419708 B CN112419708 B CN 112419708B CN 202010824099 A CN202010824099 A CN 202010824099A CN 112419708 B CN112419708 B CN 112419708B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- traffic
- driving
- traffic flow
- vehicles
- 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
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于交通流激进程度的道路安全策略确定方法及装置。其中，该方法包括：获取目标路段的交通网络参数和目标路段上车辆的行驶数据；根据交通网络参数在自动驾驶仿真系统中部署交通流仿真模型，并根据目标路段上车辆的行驶数据为仿真模型中各仿真车辆配置行驶参数；根据交通车的行驶激进度计算模型、交通流仿真模型中仿真车辆的数量及各仿真车辆的行驶参数，计算交通流仿真模型的综合交通流激进度；根据综合交通流激进度确定与目标路段对应的安全策略。本发明实施例通过交通流激进度辅助提升了道路交通安全。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种基于交通流激进程度的道路安全策略确定方法及装置。
背景技术
交通流(Traffic Flow)：指汽车在道路上连续行驶形成的车流。广义上还包括其他车辆的车流和人流。在某段时间内，在不受横向交叉影响的路段上，交通流呈连续流状态；在遇到路口信号灯管制时，呈断续流状态。
目前，面向道路交通问题的驾驶模拟系统为道路交通研究、管理或设计部门提供了一个在实验室可控条件下研究道路交通或运输问题的科学工具。它允许研究人员任意建立某个具有道路交通特定环境及交通动态特征的虚拟场景，并实现对驾驶车辆、交通车流、行人的动态参数和其它环境因素有条件的控制，在驾驶模拟系统上实现对各类道路交通问题的动态信息采集、参数分析和仿真实验。这类驾驶模拟系统主要应用在道路交通设施评价、交通安全、驾驶员行为特性、汽车动态响应等研究领域。目前微观交通流仿真模型和方法已非常成熟，交通流仿真软件的应用在交通工程领域也非常广泛。
现有的交通流仿真模型支持交通流激进程度(Aggressiveness)的参数配置，但无法验证所设置参数是否如预期；且在复杂的交通流仿真模型中，不能很好地判断各交通车驾驶激进程度的合理性和分布情况。因此不能发挥交通流激进程度对于提升交通安全的贡献。
发明内容
本发明实施例提供了一种基于交通流激进程度的道路安全策略确定方法及装置，以至少解决交通流激进度不能辅助提升交通安全的技术问题。
根据本发明实施例的一个方面，提供了一种基于交通流激进程度的道路安全策略确定方法，包括：
获取目标路段的交通网络参数和所述目标路段上车辆的行驶数据；
根据所述交通网络参数构建交通流仿真模型；
在交通流仿真模型中生成至少两辆仿真车辆，根据所述目标路段上车辆的行驶数据为各仿真车辆配置行驶参数；
根据交通车的行驶激进度计算模型、所述交通流仿真模型中所述仿真车辆的数量及各仿真车辆的行驶参数，计算所述交通流仿真模型的综合交通流激进度；所述行驶激进度计算模型是基于所述交通车的行驶数据、与所述交通车相邻的各相邻车辆的行驶数据以及所述交通车与各相邻车辆之间的安全行驶数据构建得到的；
根据所述综合交通流激进度确定与所述目标路段对应的安全策略。
根据本发明实施例的另一方面，还提供了一种基于交通流激进程度的道路安全策略确定装置，包括：
获取单元，用于获取目标路段的交通网络参数和所述目标路段上车辆的行驶数据；
模型构建单元，用于据所述交通网络参数构建交通流仿真模型；
配置单元，用于在交通流仿真模型中生成至少两辆仿真车辆，根据所述目标路段上车辆的行驶数据为各仿真车辆配置行驶参数；
计算单元，用于根据交通车的行驶激进度计算模型、所述交通流仿真模型中所述仿真车辆的数量及各仿真车辆的行驶参数，计算所述交通流仿真模型的综合交通流激进度；所述行驶激进度计算模型是基于所述交通车的行驶数据、与所述交通车相邻的各相邻车辆的行驶数据以及所述交通车与各相邻车辆之间的安全行驶数据构建得到的；
确定单元，用于根据所述综合交通流激进度确定与所述目标路段对应的安全策略。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由处理器加载并执行以实现上述的基于交通流激进程度的道路安全策略确定方法。
根据本发明实施例的另一方面，还提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述的基于交通流激进程度的道路安全策略确定方法。
在本发明实施例中，预先根据交通车的行驶数据、与交通车相邻的各相邻车辆的行驶数据以及交通车与各相邻车辆之间的安全行驶数据构建交通车的行驶激进度计算模型，基于目标路段的交通网络参数构建交通流仿真模型，在自动驾驶仿真系统中结合行驶激进度计算模型计算交通流仿真模型的综合交通流激进度，从而根据综合交通流激进度来设置目标路段对应的安全策略，约束目标路段车辆的驾驶行为，解决了交通流激进度不能辅助提升交通安全的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的基于交通流激进程度的道路安全策略确定方法的硬件环境的示意图；
图2是根据本发明实施例的数据共享系统；
图3是根据本发明实施例的一种可选的基于交通流激进程度的道路安全策略确定方法的流程图；
图4是根据本发明实施例的一种可选的构建行驶激进度计算模型的方法的流程图；
图5是根据本发明实施例的计算行驶激进度的方法的流程图；
图6是根据本发明实施例的交通流仿真模型中交通车行驶状态的一种示意图；
图7是根据本发明实施例的基于交通流激进程度的道路安全策略确定装置的示意图；
图8是根据本发明实施例的一种设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供一种基于交通流激进程度的道路安全策略确定方法。首先，本发明实施例公开了在一个可行的实施例中所述一种基于交通流激进程度的道路安全策略确定方法的实施环境。
参见图2，该实施环境包括：客户端01、服务器03。
客户端01可以包括：智能手机、平板电脑、笔记本电脑、数字助理、智能可穿戴设备、车载终端等类型的实体设备，也可以包括运行于实体设备中的软体，例如具有眼部图像分割功能的应用程序等。所述客户端01可以基于浏览器/服务器模式(Browser/Server，B/S)或客户端/服务器模式(Client/Server，C/S)与所述服务器03通信连接。
所述客户端01可以向服务器03发送目标路段的交通网络参数和目标路段上车辆的行驶数据，所述服务器03可以基于交通网络参数在自动驾驶仿真系统中部署仿真交通流模型，并在该交通流仿真模型中生成若干仿真车辆，基于行驶数据为各仿真车辆配置行驶参数，然后根据行驶激进度计算模型计算各仿真车辆的行驶激进度，结合仿真车辆的数量，计算交通流仿真模型的综合交通流激进度，进而基于综合交通流激进度确定目标路段对应的安全策略，将综合交通流激进度和对应的安全策略传输至客户端01。
所述服务器03可以包括一个独立运行的服务器，或者分布式服务器，或者由多个服务器组成的服务器集群。
本发明实施例涉及的基于交通流激进程度的道路安全策略确定方法的场景中的服务器可以是由多个节点(接入网络中的任意形式的计算设备，如服务器、客户端)通过网络通信的形式连接形成的数据共享系统。
参见图2所示的数据共享系统，数据共享系统400是指用于进行节点与节点之间数据共享的系统，该数据共享系统中可以包括多个节点101，多个节点101可以是指数据共享系统中各个客户端。每个节点101在进行正常工作可以接收到输入信息，并基于接收到的输入信息维护该数据共享系统内的共享数据。为了保证数据共享系统内的信息互通，数据共享系统中的每个节点之间可以存在信息连接，节点之间可以通过上述信息连接进行信息传输。例如，当数据共享系统中的任意节点接收到输入信息时，数据共享系统中的其他节点便根据共识算法获取该输入信息，将该输入信息作为共享数据中的数据进行存储，使得数据共享系统中全部节点上存储的数据均一致。
对于数据共享系统中的每个节点，均具有与其对应的节点标识，而且数据共享系统中的每个节点均可以存储有数据共享系统中其他节点的节点标识，以便后续根据其他节点的节点标识，将生成的区块广播至数据共享系统中的其他节点。每个节点中可维护一个如下表所示的节点标识列表，将节点名称和节点标识对应存储至该节点标识列表中。其中，节点标识可为IP(Internet Protocol，网络之间互联的协议)地址以及其他任一种能够用于标识该节点的信息。
请参考图3，其示出了一种可选的基于交通流激进程度的道路安全策略确定方法的流程图，所述方法可以以图2所述的实施环境中的服务器为执行主体实施，所述方法可以包括以下步骤。
步骤S301：获取目标路段的交通网络参数和所述目标路段上车辆的行驶数据。
步骤S303：根据所述交通网络参数构建交通流仿真模型。
步骤S305：在交通流仿真模型中生成至少两辆仿真车辆，根据所述目标路段上车辆的行驶数据为各仿真车辆配置行驶参数。具体可以将交通流仿真模型部署到自动驾驶仿真系统中，通过自动驾驶仿真系统在交通流仿真模型中生成仿真车辆，自动驾驶仿真系统支持仿真车辆的各项参数配置。
步骤S307：根据交通车的行驶激进度计算模型、所述交通流仿真模型中所述仿真车辆的数量及各仿真车辆的行驶参数，计算所述交通流仿真模型的综合交通流激进度；所述行驶激进度计算模型是基于所述交通车的行驶数据、与所述交通车相邻的各相邻车辆的行驶数据以及所述交通车与各相邻车辆之间的安全行驶数据构建得到的。
步骤S309：根据所述综合交通流激进度确定与所述目标路段对应的安全策略。
交通网络系统由设施网络、径路网络、组织网络及需求网络4类构成，相互交织的网络形成了人类社会经济活动空间相互作用乃至城市体系结构的重要表征。其中，交通节点形成设施网络，交通线路构成径路网络，而节点与线路的结合形成交通组织网络。交通网络的最终服务对象是客货运输需求，也即表现为客货流。同样，城市体系的变化对流的有效组织具有关键的影响，而流对定位城市节点地位乃至城市结构的演变也有重要的作用。
交通路段在不同时期的通行需求存在差异，例如，交通路段投入使用初期，其通行的人车流量偏少，交通安全事故发生概率较小，随着人车流量的增加，需要在交通道路上容易发生交通安全事故的位置设置限速标识、减速带、减速提醒等标识，以提高路段通行的安全性。然而，根据实际发生的交通数据来优化交通路线的安全控制策略存在反映速度慢、反映周期长的问题，并且，安全策略的制定往往是基于已发生的安全事故，容易忽视可能发生安全事故但当前未发生的情况，根据实际交通数据制定安全策略不准确。针对此情况，本发明实施例提出根据目标路段构建交通仿真模型，在交通仿真模型中模拟车辆各种行驶状况，计算各仿真车的行驶激进度，据此确定整个模型的综合交通流激进度，根据综合交通流激进度指导制定该目标路段对应的安全策略。
在一个可行的实施例中，目标路段的交通网络参数包括目标路段的道路数量以及各道路之间的相对角度等信息，也包括已设置的如红绿灯、限速等标识，交通网络参数是构建交通流仿真系统的基础。目标路段上车辆的行驶数据可以是基于实时采集获得的该目标路段上车辆的行驶数据，这里行驶数据可以视为一个速度区间，限定车辆在该目标路段的最高时速和最低时速。本发明实施例中，交通网络参数和行驶数据来自真实场景，而根据交通网络参数和行驶参数配置交通流仿真模型和仿真车，就是为了在自动驾驶仿真系统中模拟真实场景，然后基于模拟的交通流场景计算交通流激进度，用计算得到的激进度指导真实场景中交通道路的安全策略的优化。
图4是提供了一种可选的构建行驶激进度计算模型的方法的流程图，具体的，请参见图4，所述交通车的行驶激进度计算模型可以通过如下方式构建：
S401、确定交通车和与所述交通车相邻的相邻车辆。
本发明实施例基于部署在自动驾驶仿真系统的仿真模型中各交通车的行驶状况来构建行驶激进度计算模型，其中，交通车是指在仿真模型中所实例化的车辆，自动驾驶仿真系统模拟真实场景为每个交通车设置有行驶参数，包括行车速度、转换角度、加速度等，基于这些行驶数据，可以获知各交通车之间的相对状态数据，包括交通车之间的横向距离、纵向距离以及发生碰撞的时间等。
在一个可行的实施例中，可以通过以下方法确定与交通车相邻的相邻车辆：获取交通车的当前位置和行驶速度；根据交通车的行驶速度确定交通车与前方车辆之间的安全间隔距离；以交通车的当前位置为圆心、安全间隔距离为半径圈定预设范围；将预设范围内处于交通车当前所在车道以及相邻车道上的车辆作为相邻车辆。
其中，安全间隔距离即安全车距，交通法规对不同行车速度下的安全车距有不同的要求，车速在100km/h以上时，安全车距在100米以上；车速在60km/h以上时，安全车距在数字上等于车速，例如车速为80km/h时，安全车距为80米；车速在50km/h左右时，安全车距不低于50米；车速在40km/h以下时，安全车距不低于30米；车速在20km/h以下时，安全车距不低于10米。本发明实施例中的安全间隔距离取行车速度所对应的最低安全车距即可。
S403、统计所述相邻车辆的数量。
S405、计算所述交通车相对于各所述相邻车辆的行驶激进度，所述行驶激进度是以所述交通车与相邻车辆之间的安全行驶数据来衡量的该交通车的行驶行为的激进程度。
图5是根据本发明实施例的计算行驶激进度的方法的流程图。请参见图5，交通车行驶激进度的计算方法包括：
S501、将交通车的任一相邻车辆作为目标车辆。
S503、分别获取所述交通车和所述目标车辆的行驶数据。
交通车为自动驾驶仿真系统实例化出的车辆，交通车的行驶数据可以通过自动驾驶仿真系统导出，行驶数据包括但不限于驾驶方向速度、驾驶速度、转向角度、交通车与目标车辆之间的横向距离和纵向距离。
S505、根据所述交通车和所述目标车辆的行驶数据，确定所述交通车相对于所述目标车辆的激进度度量指标集合，所述激进度度量指标集合包括至少一项度量指标的实测值，所述度量指标为纵向碰撞时间、车头时距、纵向距离、横向距离、横向碰撞时间、超速率、加速度或中心线偏移率。
碰撞时间(TTC，Time To Collision)指如果两车以现在的速度和相同的路径继续行驶，则两车发生碰撞所需要的时间。其中，纵向碰撞时间指当目标车辆位于交通车前方时，交通车和目标车辆以当前的速度和路径继续行驶，两车发生碰撞所需要的时间。横向碰撞时间指当目标车辆位于交通车侧方时，交通车和目标车辆以当前的速度和路径继续行驶，两车发生碰撞所需要的时间。
车头时距(THW，Time HeadWay)指后车车头到前车车尾之间的距离，以后车当前速度行驶时需要花费的时间。
纵向距离指交通车与目标车辆之间的前后距离，横向距离指交通车与目标车辆之间的左右距离。
超速率指交通车当前车速超过所在路段限制速度的百分比。
中心线偏移率是指交通车的中心线偏离车道中心线的百分比。
图6示出了交通流仿真模型中交通车行驶状态，图中车辆V0的相邻车辆为车辆V1和车辆V3。以图6为例，上述部分度量指标的实测值计算公式如下：
A)计算图中车辆V0与车辆V1的纵向TTC，设车辆V0的速度为c0，车辆V1的速度为c1，两车纵向距离为S1，则纵向TTC的计算公式(1)如下：
B)计算上图车辆V0与车辆V1的THW，设车辆V0的速度为c0，车辆V1的速度为c1，两车纵向距离为S1，则纵向TTC的计算公式(2)如下：
C)计算车辆V0的超速率，设该段道路限速为Climit，车辆V0的速度为c0，则超速率计算公式(3)如下：
D)计算车辆V0的中心线偏移率，设车道宽度为W，车辆V0的车道中心线偏移量为H，则中心线偏移率计算公式(4)如下：
S507、对所述激进度度量指标集合中的每一项度量指标的实测值进行归一化处理，获得各项度量指标的归一化值。
由于度量指标对应不同维度的车辆行驶状态，不同度量指标的实测值差别很大，如纵向距离的实测值可以是0米到500米，有较大的跨度范围，而中心线偏移率的值则在0-1的范围，将这些实测值直接进行比对，其结果必然不准确，无法量化度量指标的实测值对激进度的影响。为此，本发明实施例对度量指标的实测值进行归一化处理，将各项度量指标统一归一化到预设范围，如[0,1]的实数域。
在一个可行的实施例中，根据交通车和目标车辆的行驶数据，确定交通车与目标车辆之间的安全行驶数据，安全行驶数据包括与每项度量指标对应的安全门限值，安全门限值指当前行驶状态下避免交通车与目标车辆相撞的最低要求值；根据各项度量指标的实测值和对应的安全门限值，计算各项度量指标的归一化值。
具体的，对于纵向碰撞时间、横向碰撞时间和车头时距，其安全门限值可以为用户成功避让碰撞所需的危机反应时间，可以结合用户年龄、行驶路段及车辆制动性能等各项因素影响下的避让危险所需的反应时间，基于大数据统计来确定安全门限值。对于纵向距离，其安全门限值可以为交通车与前方车辆之间的最小安全保持距离。对于横向距离，其安全门限值可以基于车道宽度和车身宽度确定，例如横向距离的安全门限值Q横向＝W车道-W车身/2，其中，W车道为车道宽度，W车身为车身宽度。对于加速度，其安全门限值可以是目前汽车所能达到的最大上限，例如可以设定为10m/s^2。
对于任意一项度量指标，将度量指标的实测值与该项度量指标对应的安全门限值相除，得到该项度量指标的归一化值。
S509、比对各项度量指标的归一化值，将值最大的归一化值作为所述交通车相对于所述目标车辆的行驶激进度。
S407、根据所述交通车相对于各相邻车辆的行驶激进度和所述相邻车辆的数量，确定所述交通车的行驶激进度计算模型。
根据步骤S501至步骤S509可以求得交通车相对于每一辆相邻车辆的行驶激进度，在此基础上，结合该交通车的相邻车辆的数量，即可求得该交通车的行驶激进度计算模型。某一交通车的行驶激进度可以表示为该交通车相对于各相邻车辆的行驶激进度的总和与该交通车相邻车辆的数量的比值，即，以该交通车相对于各相邻车辆的行驶激进度的均值来表征交通车的行驶激进度。当然，交通车的行驶激进度除了用平均数表征之外，也可以用众数、标准差等统计量来替代。
以附图6所示的交通车为例，该交通车激进度的计算公式(5)如下所示：
其中n表示车辆V0相邻的车辆个数，若n＝0，A0＝0；否则按上述公式计算车辆V0的激进度A0进行计算。其中A0,i表示0号车(即图中车辆V0)与第i辆车的激进度。A0,i计算公式(6)如下：
A0，i＝max(a1，a2，…，am) (6)
其中m表示m个激进度相关的度量指标，ak表示第k个度量指标的归一化值(即统一归一到某个范围，如[0,1]的实数域)。
步骤S305：基于所述行驶激进度计算模型，计算所述交通流仿真模型中各仿真车辆的行驶激进度。
为计算交通流仿真模型中每个仿真车辆的行驶激进度，首先需要确定每个仿真车辆的相邻车辆，然后根据以上步骤S401至S407确定的行驶激进度计算模型，计算获得每个仿真车辆的行驶激进度。
所述步骤S307可以包括：基于所述行驶激进度计算模型，计算所述交通流仿真模型中各仿真车辆的行驶激进度；根据所述交通流仿真模型中所述仿真车辆的数量和各仿真车辆的行驶激进度，确定所述交通流仿真模型的综合交通流激进度。
具体的，统计交通流仿真模型中所有仿真车辆的行驶激进度，结合交通流仿真模型中仿真车的数量，可以求取交通流仿真模型的综合交通流激进度。整个交流流仿真模型的综合交通流激进度的计算公式(7)如下所示：
其中，Ai表示第i辆车的激进度，n表示在某次仿真运行时，整个交通流模型中所实例化的交通车(即仿真车)个数。
需要说明的是，现有的交通流仿真模型支持交通流激进程度的参数配置，用户可以对交通流仿真模型的激进程度进行设置，但由于没有能够对交通流仿真模型的激进度进行测量的方法，导致所设置的激进度参数是否与该模型匹配不得而知。因而，不存在使用交通流激进度来对交通流仿真模型的配置参数进行验证的技术，更不存在利用交通流激进度指导进行路段交通安全策略设置的应用。本发明实施例基于交通车的行驶参数定义交通车行驶激进程度，采用概率统计的方式计算出整个交通流仿真模型运行时的行驶激进度，能够解决交通流仿真模型驾驶激进度车辆问题，又可以用于验证交通流模型的驾驶激进度是否合理，作为验收仿真交通流模型是否达标的一项评测指标。例如，在验证交通流激进度配置是否合理的场景中，交通流仿真模型提供方可以配置交通流激进度参数，将计算得到的交通流仿真模型的综合交通流激进度与配置的激进度参数进行比对，以确定交通流激进度配置是否合理。在验证交通流仿真模型配置是否符合要求的场景中，可以由交通流仿真模型验收方配置交通流激进度参数，将计算得到的交通流仿真模型的综合交通流激进度与配置的激进度参数进行比对，以确定交通流激进度配置是否达标。其中，所述交通流激进度参数的有效设置范围为[0,1]。
根据以上实施例，交通车的行驶激进度计算模型可以用于计算交通流仿真模型的综合交通流激进度，以验证配置的交通流激进度参数是否合理。此外，由于综合交通流激进度反映了整个交通流仿真模型的驾驶激进程度，对应真实场景下的交通状况，因而可以利用计算得到的综合交通流激进度指导真实场景下路段安全策略的制定。
上述步骤S309中，根据综合交通流激进度确定与目标路段对应的安全策略，可以包括：将综合交通流激进度与预设的激进度阈值进行比对；如果综合交通流激进度大于激进度阈值，则增加减速提醒标识，如果综合交通流激进度不大于激进度阈值，则保持或减少减速提醒标识，减少提醒标识包括降低路段限速数值、设置减速带和警示标牌。其中，激进度阈值可以是根据该目标道路的实际交通数据计算得到。
以上图3至图6所示的基于交通流激进程度的道路安全策略确定方法，采用交通车的行驶数据、与交通车相邻的各相邻车辆的行驶数据以及交通车与各相邻车辆之间的安全行驶数据构建交通车的行驶激进度计算模型。根据真实的交通网络数据构建交通流仿真模型，基于行驶激进度计算模型计算交通流仿真模型中各仿真车的行驶激进度，并根据交通流仿真模型中仿真车辆的数量和各仿真车辆的行驶激进度，确定出交通流仿真模型的综合交通流激进度，之后根据所述综合交通流激进度确定与目标路段对应的安全策略。解决了交通流激进度无法度量的技术问题，并且，通过交通流激进度辅助提升了道路交通安全。
本发明实施例还公开一种基于交通流激进程度的道路安全策略确定装置，如图7所示，所述装置包括：
获取单元710，用于获取目标路段的交通网络参数和所述目标路段上车辆的行驶数据；
模型构建单元720，用于据所述交通网络参数构建交通流仿真模型；
配置单元730，在交通流仿真模型中生成至少两辆仿真车辆，根据所述目标路段上车辆的行驶数据为各仿真车辆配置行驶参数；
计算单元740，用于根据交通车的行驶激进度计算模型、所述交通流仿真模型中所述仿真车辆的数量及各仿真车辆的行驶参数，计算所述交通流仿真模型的综合交通流激进度；所述行驶激进度计算模型是基于所述交通车的行驶数据、与所述交通车相邻的各相邻车辆的行驶数据以及所述交通车与各相邻车辆之间的安全行驶数据构建得到的；
确定单元750，用于根据所述综合交通流激进度确定与所述目标路段对应的安全策略。
其中，所述交通车的行驶激进度计算模型通过如下方式构建：确定交通车和与所述交通车相邻的相邻车辆；统计所述相邻车辆的数量；计算所述交通车相对于各所述相邻车辆的行驶激进度，所述行驶激进度是以所述交通车与相邻车辆之间的安全行驶数据来衡量的该交通车的行驶行为的激进程度；根据所述交通车相对于各相邻车辆的行驶激进度和所述相邻车辆的数量，确定所述交通车的行驶激进度计算模型。
进一步的，所述计算单元740还用于：基于所述行驶激进度计算模型，计算所述交通流仿真模型中各仿真车辆的行驶激进度；根据所述交通流仿真模型中所述仿真车辆的数量和各仿真车辆的行驶激进度，确定所述交通流仿真模型的综合交通流激进度。
所述确定单元750还用于：将所述综合交通流激进度与预设的激进度阈值进行比对；如果所述综合交通流激进度大于所述激进度阈值，则增加减速提醒标识，如果所述综合交通流激进度不大于所述激进度阈值，则保持或减少减速提醒标识，所述减少提醒标识包括降低路段限速数值、设置减速带和警示标牌。
具体地，本发明实施例所述一种基于交通流激进程度的道路安全策略确定装置与方法实施例均基于相同发明构思。详情请参见方法实施例，在此不再赘述。
本发明实施例提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令和至少一段程序，所述至少一条指令或者至少一段程序由处理器加载并执行以实现如图3-6对应的基于交通流激进程度的道路安全策略确定方法。
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
本发明实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的基于交通流激进程度的道路安全策略确定方法。所述方法至少包括下述步骤：
获取目标路段的交通网络参数和所述目标路段上车辆的行驶数据；
根据所述交通网络参数构建交通流仿真模型；
在交通流仿真模型中生成至少两辆仿真车辆，根据所述目标路段上车辆的行驶数据为各仿真车辆配置行驶参数；
根据交通车的行驶激进度计算模型、所述交通流仿真模型中所述仿真车辆的数量及各仿真车辆的行驶参数，计算所述交通流仿真模型的综合交通流激进度；所述行驶激进度计算模型是基于所述交通车的行驶数据、与所述交通车相邻的各相邻车辆的行驶数据以及所述交通车与各相邻车辆之间的安全行驶数据构建得到的；
根据所述综合交通流激进度确定与所述目标路段对应的安全策略。
在一个优选的实施例中，所述交通车的行驶激进度计算模型通过如下方式构建：
确定交通车和与所述交通车相邻的相邻车辆；统计所述相邻车辆的数量；计算所述交通车相对于各所述相邻车辆的行驶激进度，所述行驶激进度是以所述交通车与相邻车辆之间的安全行驶数据来衡量的该交通车的行驶行为的激进程度；根据所述交通车相对于各相邻车辆的行驶激进度和所述相邻车辆的数量，确定所述交通车的行驶激进度计算模型。
在一个优选的实施例中，所述计算所述交通车相对于各相邻车辆的行驶激进度，包括：
将任一所述相邻车辆作为目标车辆；分别获取所述交通车和所述目标车辆的行驶数据；根据所述交通车和所述目标车辆的行驶数据，确定所述交通车相对于所述目标车辆的激进度度量指标集合，所述激进度度量指标集合包括至少一项度量指标的实测值，所述度量指标为纵向碰撞时间、车头时距、纵向距离、横向距离、横向碰撞时间、超速率、加速度或中心线偏移率；对所述激进度度量指标集合中的每一项度量指标的实测值进行归一化处理，获得各项度量指标的归一化值；比对各项度量指标的归一化值，将值最大的归一化值作为所述交通车相对于所述目标车辆的行驶激进度。
在一个优选的实施例中，所述对所述激进度度量指标集合中的每一项度量指标的实测值进行归一化处理，获得各项度量指标的归一化值，包括：
根据所述交通车和所述目标车辆的行驶数据，确定所述交通车与所述目标车辆之间的安全行驶数据，所述安全行驶数据包括与每项度量指标对应的安全门限值，所述安全门限值指当前行驶状态下避免所述交通车与所述目标车辆相撞的最低要求值；根据各项度量指标的实测值和对应的安全门限值，计算各项度量指标的归一化值。
一个优选的实施例中，所述确定交通车和与所述交通车相邻的相邻车辆，包括：
获取所述交通车的当前位置和行驶速度；根据所述交通车的行驶速度确定所述交通车与前方车辆之间的安全间隔距离；以所述交通车的当前位置为圆心、所述安全间隔距离为半径圈定预设范围；将所述预设范围内处于所述交通车当前所在车道以及相邻车道上的车辆作为所述相邻车辆。
一个优选的实施例中，根据所述综合交通流激进度确定与所述目标路段对应的安全策略，包括：将所述综合交通流激进度与预设的激进度阈值进行比对；如果所述综合交通流激进度大于所述激进度阈值，则增加减速提醒标识，如果所述综合交通流激进度不大于所述激进度阈值，则保持或减少减速提醒标识，所述减少提醒标识包括降低路段限速数值、设置减速带和警示标牌。
进一步地，图8示出了一种用于实现本发明实施例所提供的方法的设备的硬件结构示意图，所述设备可以参与构成或包含本发明实施例所提供的装置或系统。如图8所示，设备10可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图8所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，设备10还可包括比图8中所示更多或者更少的组件，或者具有与图8所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到设备10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中所述的方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种基于先验信息的眼部图像分割方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括设备10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(NetworkInterfaceController，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与设备10(或移动设备)的用户界面进行交互。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于交通流激进程度的道路安全策略确定方法，其特征在于，包括：
获取目标路段的交通网络参数和所述目标路段上车辆的行驶数据；
根据所述交通网络参数构建交通流仿真模型；
在交通流仿真模型中生成至少两辆仿真车辆，根据所述目标路段上车辆的行驶数据为各仿真车辆配置行驶参数；
根据交通车的行驶激进度计算模型、所述交通流仿真模型中所述仿真车辆的数量及各仿真车辆的行驶参数，计算所述交通流仿真模型的综合交通流激进度；所述行驶激进度计算模型是基于所述交通车的行驶数据、与所述交通车相邻的各相邻车辆的行驶数据以及所述交通车与各相邻车辆之间的安全行驶数据构建得到的；
根据所述综合交通流激进度确定与所述目标路段对应的安全策略；
所述交通车的行驶激进度计算模型通过如下方式构建：
确定交通车和与所述交通车相邻的相邻车辆；
统计所述相邻车辆的数量；
计算所述交通车相对于各所述相邻车辆的行驶激进度，所述行驶激进度是以所述交通车与相邻车辆之间的安全行驶数据来衡量的所述交通车的行驶行为的激进程度；
根据所述交通车相对于各相邻车辆的行驶激进度和所述相邻车辆的数量，确定所述交通车的行驶激进度计算模型。
2.根据权利要求1所述的方法，其特征在于，所述根据交通车的行驶激进度计算模型、所述交通流仿真模型中所述仿真车辆的数量及各仿真车辆的行驶参数，计算所述交通流仿真模型的综合交通流激进度，包括：
基于所述行驶激进度计算模型和各仿真车辆的行驶参数，计算所述交通流仿真模型中各仿真车辆的行驶激进度；
根据所述交通流仿真模型中所述仿真车辆的数量和各仿真车辆的行驶激进度，确定所述交通流仿真模型的综合交通流激进度。
3.根据权利要求1所述的方法，其特征在于，所述计算所述交通车相对于各相邻车辆的行驶激进度，包括：
将任一所述相邻车辆作为目标车辆；
分别获取所述交通车和所述目标车辆的行驶数据；
根据所述交通车和所述目标车辆的行驶数据，确定所述交通车相对于所述目标车辆的激进度度量指标集合，所述激进度度量指标集合包括至少一项度量指标的实测值，所述度量指标为纵向碰撞时间、车头时距、纵向距离、横向距离、横向碰撞时间、超速率、加速度或中心线偏移率；
对所述激进度度量指标集合中的每一项度量指标的实测值进行归一化处理，获得各项度量指标的归一化值；
比对各项度量指标的归一化值，将值最大的归一化值作为所述交通车相对于所述目标车辆的行驶激进度。
4.根据权利要求3所述的方法，其特征在于，所述对所述激进度度量指标集合中的每一项度量指标的实测值进行归一化处理，获得各项度量指标的归一化值，包括：
根据所述交通车和所述目标车辆的行驶数据，确定所述交通车与所述目标车辆之间的安全行驶数据，所述安全行驶数据包括与每项度量指标对应的安全门限值，所述安全门限值指当前行驶状态下避免所述交通车与所述目标车辆相撞的最低要求值；
根据各项度量指标的实测值和对应的安全门限值，计算各项度量指标的归一化值。
5.根据权利要求3所述的方法，其特征在于，所述确定交通车和与所述交通车相邻的相邻车辆，包括：
获取所述交通车的当前位置和行驶速度；
根据所述交通车的行驶速度确定所述交通车与前方车辆之间的安全间隔距离；
以所述交通车的当前位置为圆心、所述安全间隔距离为半径圈定预设范围；将所述预设范围内处于所述交通车当前所在车道以及相邻车道上的车辆作为所述相邻车辆。
6.根据权利要求1所述的方法，其特征在于，所述根据所述综合交通流激进度确定与所述目标路段对应的安全策略，包括：
将所述综合交通流激进度与预设的激进度阈值进行比对；
如果所述综合交通流激进度大于所述激进度阈值，则增加减速提醒标识，如果所述综合交通流激进度不大于所述激进度阈值，则保持或减少减速提醒标识，所述减速提醒标识包括降低路段限速数值、设置减速带和警示标牌。
7.一种基于交通流激进程度的道路安全策略确定装置，其特征在于，包括：
获取单元，用于获取目标路段的交通网络参数和所述目标路段上车辆的行驶数据；
模型构建单元，用于据所述交通网络参数构建交通流仿真模型；
配置单元，用于在交通流仿真模型中生成至少两辆仿真车辆，根据所述目标路段上车辆的行驶数据为各仿真车辆配置行驶参数；
计算单元，用于根据交通车的行驶激进度计算模型、所述交通流仿真模型中所述仿真车辆的数量及各仿真车辆的行驶参数，计算所述交通流仿真模型的综合交通流激进度；所述行驶激进度计算模型是基于所述交通车的行驶数据、与所述交通车相邻的各相邻车辆的行驶数据以及所述交通车与各相邻车辆之间的安全行驶数据构建得到的；
确定单元，用于根据所述综合交通流激进度确定与所述目标路段对应的安全策略；
所述交通车的行驶激进度计算模型通过如下方式构建：
确定交通车和与所述交通车相邻的相邻车辆；
统计所述相邻车辆的数量；
计算所述交通车相对于各所述相邻车辆的行驶激进度，所述行驶激进度是以所述交通车与相邻车辆之间的安全行驶数据来衡量的该交通车的行驶行为的激进程度；
根据所述交通车相对于各相邻车辆的行驶激进度和所述相邻车辆的数量，确定所述交通车的行驶激进度计算模型。
8.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者至少一段程序由处理器加载并执行以实现如权利要求1-6任一所述的基于交通流激进程度的道路安全策略确定方法。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6任一所述的基于交通流激进程度的道路安全策略确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010824099.2A CN112419708B (zh) | 2020-08-17 | 2020-08-17 | 基于交通流激进程度的道路安全策略确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010824099.2A CN112419708B (zh) | 2020-08-17 | 2020-08-17 | 基于交通流激进程度的道路安全策略确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112419708A CN112419708A (zh) | 2021-02-26 |
| CN112419708B true CN112419708B (zh) | 2022-03-29 |
Family
ID=74854909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010824099.2A Active CN112419708B (zh) | 2020-08-17 | 2020-08-17 | 基于交通流激进程度的道路安全策略确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112419708B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113160453A (zh) * | 2021-05-19 | 2021-07-23 | 重庆蓝岸通讯技术有限公司 | 一种辅助驾驶行为提醒系统 |
| CN113345227B (zh) * | 2021-05-31 | 2022-09-20 | 上海涵润汽车电子有限公司 | 一种随机交通流生成方法及装置 |
| CN113436434B (zh) * | 2021-06-25 | 2022-05-27 | 中科路恒工程设计有限公司 | 山区干线公路高危路段预警系统及方法 |
| CN113763708B (zh) * | 2021-08-20 | 2022-11-04 | 东南大学 | 一种基于交通仿真的多类型专用道控制方法 |
| CN114301792B (zh) * | 2021-12-29 | 2023-05-26 | 北京经纬恒润科技股份有限公司 | 一种交通流模拟方法及交通流传感器 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101246514A (zh) * | 2008-03-20 | 2008-08-20 | 天津市市政工程设计研究院 | 城市快速路互通立交仿真设计系统及建立设计模型的方法 |
| CN101727743A (zh) * | 2009-11-27 | 2010-06-09 | 东南大学 | 一种普通公路路侧限速标志的设置方法 |
| CN102063645A (zh) * | 2009-11-13 | 2011-05-18 | 上海济祥智能交通科技有限公司 | 一种公共交通运行服务质量的评价系统 |
| EP2843643A1 (de) * | 2013-09-03 | 2015-03-04 | Robert Bosch Gmbh | Fahrerinformationssystem zur Ausgabe von Hinweisen an einen Fahrzeugführer |
| CN104851307A (zh) * | 2014-02-18 | 2015-08-19 | 中国移动通信集团公司 | 道路标志牌设置合理性确定方法、装置及系统 |
| CN105844384A (zh) * | 2016-03-14 | 2016-08-10 | 北京工业大学 | 一种道路安全评价方法及装置 |
| CN110264825A (zh) * | 2019-07-31 | 2019-09-20 | 交通运输部公路科学研究所 | 一种驾驶模拟安全评价方法、装置及系统 |
| CN110766948A (zh) * | 2019-11-06 | 2020-02-07 | 星云互联(湖南)科技有限公司 | 一种道路变限速引导方法、设备、系统及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101546437A (zh) * | 2009-04-24 | 2009-09-30 | 长安大学 | 一种道路交通虚拟标志标线的模拟试验平台的建立方法 |
| US9766625B2 (en) * | 2014-07-25 | 2017-09-19 | Here Global B.V. | Personalized driving of autonomously driven vehicles |
| US9189897B1 (en) * | 2014-07-28 | 2015-11-17 | Here Global B.V. | Personalized driving ranking and alerting |
| CN108944946A (zh) * | 2018-07-11 | 2018-12-07 | 北京航空航天大学 | 一种基于车车通信的弯道风险预估计算方法 |
| CN110969857B (zh) * | 2019-12-27 | 2021-11-19 | 华为技术有限公司 | 一种交通信息处理方法及装置 |
-
2020
- 2020-08-17 CN CN202010824099.2A patent/CN112419708B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101246514A (zh) * | 2008-03-20 | 2008-08-20 | 天津市市政工程设计研究院 | 城市快速路互通立交仿真设计系统及建立设计模型的方法 |
| CN102063645A (zh) * | 2009-11-13 | 2011-05-18 | 上海济祥智能交通科技有限公司 | 一种公共交通运行服务质量的评价系统 |
| CN101727743A (zh) * | 2009-11-27 | 2010-06-09 | 东南大学 | 一种普通公路路侧限速标志的设置方法 |
| EP2843643A1 (de) * | 2013-09-03 | 2015-03-04 | Robert Bosch Gmbh | Fahrerinformationssystem zur Ausgabe von Hinweisen an einen Fahrzeugführer |
| CN104851307A (zh) * | 2014-02-18 | 2015-08-19 | 中国移动通信集团公司 | 道路标志牌设置合理性确定方法、装置及系统 |
| CN105844384A (zh) * | 2016-03-14 | 2016-08-10 | 北京工业大学 | 一种道路安全评价方法及装置 |
| CN110264825A (zh) * | 2019-07-31 | 2019-09-20 | 交通运输部公路科学研究所 | 一种驾驶模拟安全评价方法、装置及系统 |
| CN110766948A (zh) * | 2019-11-06 | 2020-02-07 | 星云互联(湖南)科技有限公司 | 一种道路变限速引导方法、设备、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于多元特征参数的驾驶风格识别模型的构建;金玲红;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20200715(第7期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112419708A (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112419708B (zh) | 基于交通流激进程度的道路安全策略确定方法及装置 | |
| WO2022121247A1 (zh) | 汽车协同决策方法、装置、电子设备及计算机存储介质 | |
| US20230325550A1 (en) | Method, device, equipment for determining test evaluation information and computer storage medium | |
| US10740850B1 (en) | Reward system related to a vehicle-to-vehicle communication system | |
| CN109003467B (zh) | 一种防止车辆碰撞的方法、装置及系统 | |
| CN109389847B (zh) | 一种道路拥堵信息的处理方法和装置 | |
| US9459111B2 (en) | Methods and apparatus for estimating power usage | |
| CN111882905B (zh) | 一种道路交通预约通行的实现方法、系统及电子设备 | |
| CN111785023A (zh) | 一种车辆碰撞风险预警方法及系统 | |
| Adamidis et al. | Effects of controlling aggressive driving behavior on network-wide traffic flow and emissions | |
| Sommer et al. | Emissions vs. travel time: Simulative evaluation of the environmental impact of ITS | |
| CN110544380A (zh) | 一种面向道路合流区域的实时车道级安全态势评估方法 | |
| CN112258830B (zh) | 车辆编队行驶的可靠性评估方法及其应用 | |
| Zhong | Assessing the effectiveness of managed lane strategies for the rapid deployment of cooperative adaptive cruise control technology | |
| GB2601841A (en) | Scenario-based behavior specification and validation | |
| CN112071087B (zh) | 一种基于v2i的限速预警方法、系统、车辆及存储介质 | |
| CN112508228A (zh) | 一种驾驶行为风险预测方法及系统 | |
| Wu et al. | Early car collision prediction in VANET | |
| CN114220261B (zh) | 车速管控方法、装置、服务器及存储介质 | |
| Jin et al. | Dsrc & c-v2x comparison for connected and automated vehicles in different traffic scenarios | |
| CN112258838B (zh) | 驾驶风险提示方法、装置、存储介质和设备 | |
| de Almeida et al. | Doctrams: a decentralized and offline community-based traffic monitoring system | |
| Jeong et al. | Emission evaluation of inter-vehicle safety warning information systems | |
| US20190295283A1 (en) | Other vehicle position estimation apparatus | |
| CN114170832B (zh) | 公交车辆监测方法、装置、服务器、系统及存储介质 |
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 |