CN112750304A - 一种基于交通仿真的交叉口数据采集区间确定方法及装置 - Google Patents
一种基于交通仿真的交叉口数据采集区间确定方法及装置 Download PDFInfo
- Publication number
- CN112750304A CN112750304A CN202011606439.0A CN202011606439A CN112750304A CN 112750304 A CN112750304 A CN 112750304A CN 202011606439 A CN202011606439 A CN 202011606439A CN 112750304 A CN112750304 A CN 112750304A
- Authority
- CN
- China
- Prior art keywords
- data acquisition
- intersection
- acquisition interval
- lane
- data
- 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
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
Abstract
本发明公开了一种基于交通仿真的交叉口数据采集区间确定方法及装置,方法包括:获取目标交叉口信息、交通流数据;根据交叉口渠化信息和交通流数据计算其最小和最大数据采集区间;对交叉口进行sumo仿真建模,设计或还原信号配时设计;确定交通流数据采集区间L;对交叉口进行仿真实验与数据提取;根据仿真数据计算综合评价指标P,若P>0,增加数据采集区间L=L+ΔL重复上述步骤;若P<=0,输出最优数据采集区间L。本发明提供的方法综合权衡数据采集区间扩大带来的交叉口信号控制效果收益和成本,为道路交通管理者提供决策依据,低成本并高效地提升道路交叉口服务水平和效率。
Description
技术领域
本发明涉及智能交通仿真与控制领域,具体涉及一种基于交通仿真的交叉口数据采集区间确定方法及装置。
背景技术
随着计算机技术、信息技术的快速发展,道路交通仿真技术也不断取得突破,涌现了一批优秀的交通仿真软件,它们可以精准地还原真实的交通场景。在交通信号控制领域,控制模型通过交通仿真软件的场景复现实现其算法落地前的性能测试。与此同时,城市中越来越多可用的实时数据,如卡口、雷达、检测器等数据,为新兴的自适应城市交通信号控制算法提供基础,为低成本并高效地缓解交通拥堵问题提供可能。
交叉口自适应信号控制算法多采集实时的车辆位置、速度、排队长度等数据,基于数据作出自适应的决策。然而,此类实时数据的采集区间大小与所需设备计算力成正比,而且随着采集区间增大,数据的错误率也会提升。已有研究中,中国专利已有研究中,中国专利202010067038.6通过实时采集互联网大数据,进行数据处理、分析、融合,进而实现实时交通仿真分析系统;同样的,中国专利201110443495.1通过将一个较长的时段划分为多个连续短时段,在短时段内根据人车分布进行区域划分,平衡仿真负载,进而实现可变区域的分布式交通仿真系统;CN 201510054223.0通过构建微观交通仿真模型和数学模型,组合备选项进行比较,最后获得提升交叉口控制效果的优化方案。总体来说,现有研究偏向于针对交通仿真的数据处理和系统建模,或是应用仿真优化信号控制效果,忽略了数据采集区间对交通仿真及信号控制的影响,鲜有对数据采集区间扩大带来的交叉口信号控制效果收益和成本的微观研究。
发明内容
发明目的:为了克服上述现有技术的不足,本发明目的在于提出一种基于交通仿真的交叉口数据采集区间确定方法及装置,以目标交叉口信息、交通流数据为基础信息,计算其最小和最大数据采集区间,构建交通仿真模型还原交叉口场景,依据仿真数据计算综合评价指标,迭代计算出最优数据采集区间,为道路交通管理者提供决策依据,低成本并高效地提升道路交叉口服务水平和效率。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种交叉口最小和最大数据采集区间确定方法,包括如下步骤:
①获取目标交叉口信息、交通流数据,所述交叉口信息包括目标交叉口进口道长度、信号配时方案,交通流数据包括车辆通过停车线的车速;
②计算目标交叉口各方向车道的最小数据采集区间:
③计算目标交叉口各方向车道的最大数据采集区间:
进一步, 表示历史数据中第o个左转车辆通过停车线的速度,O表示历史数据中左转车辆数量; 表示历史数据中第p个直行车辆通过停车线的速度,P表示历史数据中直行车辆数量; 表示历史数据中第q个右转车辆通过停车线的速度,Q表示历史数据中右转车辆数量。
一种基于交通仿真的交叉口数据采集区间确定方法,包括如下步骤:
(1)获取目标交叉口信息、交通流数据,所述交叉口信息包括目标交叉口的进口道数量、各车道长宽、交通岛、交叉口大小、信号配时方案,交通流数据包括各方向车道车流流量、车速、排队长度;
(2)根据交叉口信息和交通流数据对目标交叉口进行sumo仿真建模;
(3)通过迭代仿真测试确定目标交叉口各方向车道的数据采集区间长度:
(3.2)计算第i次迭代仿真测试时的综合评价指标:Pi=Bi-Ci,Bi=αd·bd+αs·bs+αq·bq,αd、αs、αq分别表示bd、bs、bq的系数,第i次迭代仿真测试时的车辆平均延误提升比例di-1、di分别表示第i-1、i次迭代仿真测试时的仿真延误平均值,第i次迭代仿真测试时的车辆平均停车次数提升比例si-1、si分别表示第i-1、i次迭代仿真测试时的仿真停车次数平均值,qi-1、qi分别表示第i-1、i次迭代仿真测试时的仿真排队长度平均值; 表示第i次迭代仿真测试时的数据采集区间带来的数据错误率,cerror表示数据错误率系数,表示第i次迭代仿真测试时的数据采集区间带来的计算力成本,ccost表示数据计算力成本系数;
(3.3)若Pi>0且令返回步骤(3.2),否则输出作为目标交叉口j方向车道的最优数据采集区间长度;其中,表示第i次迭代仿真测试时目标交叉口j方向车道的数据采集区间长度,ΔL表示预先设定的增值,表示根据步骤③所述的方法计算得到的目标交叉口j方向车道的最大数据采集区间长度。
一种基于交通仿真的交叉口数据采集区间确定装置,包括:
交叉口感知模块,包括交叉口数据感知单元、交通流数据感知单元,交叉口数据感知单元用于获取目标交叉口的进口道数量、各车道长宽、交通岛、交叉口大小、信号配时方案,交通流数据感知单元用于获取各方向车道车流流量、车速、排队长度;
数据存储模块,包括交叉口数据单元和交通流数据单元,分别用于交叉口数据感知单元、交通流数据感知单元获取的数据;
交叉口最小和最大数据采集区间计算模块,包括目标交叉口进口道的最小数据采集区间计算单元和最大数据采集区间计算单元,用于根据如步骤②和③所述的方法分别计算目标交叉口各方向车道的最小和最大数据采集区间长度;
基于交通仿真的交叉口数据采集区间计算模块,用于根据步骤(2)和(3)的方法进行迭代计算数,输出最优数据采集区间长度。
有益效果:本发明提出的一种基于交通仿真的交叉口数据采集区间确定方法及装置,基于目标交叉口信息、交通流数据,计算其最小和最大数据采集区间,对交叉口进行sumo仿真建模,还原信号配时设计,依据仿真数据计算综合评价指标,迭代计算出最优数据采集区间,平衡了数据采集区间扩大带来的交叉口信号控制效果收益和成本,为道路交通管理者提供决策依据,有效提升道路交叉口的服务水平和效率。
附图说明
图1是本发明实施例的方法流程图;
图2是本发明实施例的迭代计算数据采集区间的流程图;
图3是本发明实施例的交叉口数据采集区间计算示意图;
图4是本发明实施例的装置结构示意图。
具体实施方式
为了使本发明的内容更容易被清楚的理解,下面结合附图和具体实施例对本发明作进一步详细的说明。
如图1所示,本发明实施例公开的一种基于交通仿真的交叉口数据采集区间确定方法,包括如下步骤:
①获取目标交叉口信息、交通流数据,所述交叉口信息包括目标交叉口进口道长度、信号配时方案等相关信息,交通流数据包括车辆通过停车线的车速等数据。
具体的,交叉口信息和交通流数据可以通过感知系统自动获取,也可以通过物联网、云数据平台获取。
②计算目标交叉口各方向车道的最小数据采集区间。
本实施例中,左转车道最小数据采集区间长度其中表示左转车道长度,是根据左转相位最小绿灯时间计算的距离,其中表示左转车辆通过停车线车辆平均行驶车速, 表示历史数据中第o个左转车辆通过停车线的速度,O表示历史数据中左转车辆数量,是信号配时方案中左转相位的最小绿灯时间;直行车道最小数据采集区间长度其中表示直行车道长度,是根据直行相位最小绿灯时间计算的距离,其中b表示直行相位修正系数,表示直行车辆通过停车线车辆平均行驶车速, 表示历史数据中第p个直行车辆通过停车线的速度,P表示历史数据中直行车辆数量,是信号配时方案中直行相位的最小绿灯时间;右转车道最小数据采集区间长度其中表示右转车道长度,是根据右转相位最小绿灯时间计算的距离,其中表示右转车辆通过停车线车辆平均行驶车速, 表示历史数据中第q个右转车辆通过停车线的速度,Q表示历史数据中右转车辆数量,是信号配时方案中右转相位的最小绿灯时间。
(3)计算目标交叉口各方向车道的最大数据采集区间。
本实施例中,左转车道最大数据采集区间长度其中表示左转车道长度,是根据左转相位最大绿灯时间计算的距离,其中表示左转车辆通过停车线车辆平均行驶车速,是信号配时方案中左转相位的最大绿灯时间;直行车道最大数据采集区间长度其中表示直行车道长度,是根据直行相位最大绿灯时间计算的距离,其中b表示直行相位修正系数,表示直行车辆通过停车线车辆平均行驶车速,是信号配时方案中直行相位的最大绿灯时间;右转车道最大数据采集区间长度其中表示右转车道长度,是根据右转相位最大绿灯时间计算的距离,其中表示右转车辆通过停车线车辆平均行驶车速,是信号配时方案中右转相位的最大绿灯时间。
如图2所示,本实施例中,确定各方向车道交通流数据采集区间长度其中i表示第i次迭代仿真测试;j表示数据采集车道的方向,可取左转l、直行s、右转r三种;初始值即交叉口信号配时算法中的数据依靠距交叉口进口道停车线距离内的数据,采集区间单位增加ΔL,即每次迭代仿真测试数据采集区间长度增加ΔL,由此第1次仿真交通流数据采集区间长度
(5)构建sumo仿真模型与数据提取。
具体的,根据交叉口信息和交通流数据对交叉口进行sumo仿真建模,在仿真中还原真实的交叉口,用交通流数据中的车速、排队长度等数据标定仿真中的车辆参数,根据各车流方向流量设置仿真车流输入,还原交叉口的信号配时方案。校准仿真中的数据采集区间,对交叉口进行仿真实验与数据提取,分别对数据采集区间长度为和数据采集区间长度为进行N次仿真,提取信号控制效果的关键指标如车辆平均延误、车辆平均停车次数、交叉口进口道车辆平均排队长度等。
(6)计算综合评价指标Pi。
本实施例中,计算第i次迭代仿真测试时的综合评价指标Pi,Pi=Bi-Ci,其中Bi表示第i次迭代仿真测试时的信号控制效果的提升比例系数,Bi=αd·bd+αs·bs+αq·bq,其中αd、αs、αq分别表示信号控制效果在延误、停车次数、排队长度指标的系数,Ci表示第i次迭代仿真测试时的数据采集区间增加带来的成本系数,其中表示数据采集区间带来的数据错误率,cerror表示数据错误率系数,表示数据采集区间带来的计算力成本,ccost表示数据计算力成本系数。
(7)根据综合评价指标P进行判断。
本发明中O、P、Q默认取数据库中最近的100个速度数据,以反映最近的交叉口状况和驾驶员驾驶水平。N默认取10次仿真,以较好地还原交通状况同时确保计算量可控。
下面根据某交叉口状况示例对本发明作进一步阐述。
以下将采用本发明提出的一种基于交通仿真的交叉口数据采集区间确定方法:
(1)获取目标交叉口信息、交通流数据,如上所述;
(2)计算目标交叉口直行方向车道的最小数据采集区间;
(3)计算目标交叉口直行车道最大数据采集区间;
本例中,直行车道数据采集区间初始值即交叉口信号配时算法中的数据依靠直行车道距交叉口停车线距离90m内的数据,采集区间单位增加可设为ΔL=30m,即每次数据采集区间增加30m,由此第1次仿真直行车道数据采集区间L1=L0+ΔL=90+30=120m;
(5)构建sumo仿真模型与数据提取。
本例中,根据交叉口信息和交通流数据对交叉口进行sumo仿真建模,标定仿真中的车辆参数,根据各车流方向流量设置仿真车流输入,还原交叉口的信号配时方案。校准仿真中的数据采集区间,分别对直行车道数据采集区间长度为L0=90m和直行车道数据采集区间长度为L1=120m进行10次仿真,提取信号控制效果的关键指标如车辆平均延误、车辆平均停车次数、交叉口进口道车辆平均排队长度等;
(6)计算综合评价指标。
本实施例中,取αd、αs、αq均为1,则信号控制效果的提升比例系数B1=αd·bd+αs·bs+αq·bq=1×0.091+1×0.075+1×0.083=0.25,取cerror=1,ccost=1,则计算综合评价指标P1=B1-C1=0.250.09=0.16>0。
(7)根据综合评价指标P1进行判断。
(8)输出直行车道最优数据采集区间长度。
如图4所示,本发明实施例公开的一种基于交通仿真的交叉口数据采集区间确定装置,包括:交叉口感知模块、数据存储模块、交叉口最小和最大数据采集区间计算模块、基于交通仿真的交叉口数据采集区间计算模块;其中,交叉口感知模块,用于获取目标交叉口的进口道数量、各车道长宽、交通岛、交叉口大小、信号配时方案等相关数据,获取交通流数据包括各车流方向流量、车速、排队长度等数据;数据存储模块,用于存储交叉口和交通流数据;交叉口最小和最大数据采集区间计算模块,用于计算交叉口最小和最大数据采集区间;基于交通仿真的交叉口数据采集区间计算模块,用于计算仿真中延误、停车次数、排队长度等指标的提升比例,根据各指标的提升比例计算综合评价指标P,迭代计算数据采集区间长度,最后输出最优数据采集区间。
其中,交叉口感知模块:包括交叉口数据感知单元、交通流数据感知单元;数据存储模块包括:交叉口数据单元、交通流数据单元;交叉口最小和最大数据采集区间计算模块包括:最小数据采集区间计算单元、最大数据采集区间计算单元;基于交通仿真的交叉口数据采集区间计算模块包括:交通仿真单元、最优数据采集区间计算单元。
本实施例公开的一种基于交通仿真的交叉口数据采集区间确定装置与一种基于交通仿真的交叉口数据采集区间确定方法实施例属于同一构思,具体实现过程详见方法实施例,此处不再赘述。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (4)
1.一种交叉口最小和最大数据采集区间确定方法,其特征在于,包括如下步骤:
①获取目标交叉口信息、交通流数据,所述交叉口信息包括目标交叉口进口道长度、信号配时方案,交通流数据包括车辆通过停车线的车速;
②计算目标交叉口各方向车道的最小数据采集区间:
③计算目标交叉口各方向车道的最大数据采集区间:
3.一种基于交通仿真的交叉口数据采集区间确定方法,其特征在于,包括如下步骤:
(1)获取目标交叉口信息、交通流数据,所述交叉口信息包括目标交叉口的进口道数量、各车道长宽、交通岛、交叉口大小、信号配时方案,交通流数据包括各方向车道车流流量、车速、排队长度;
(2)根据交叉口信息和交通流数据对目标交叉口进行sumo仿真建模;
(3)通过迭代仿真测试确定目标交叉口各方向车道的数据采集区间长度:
(3.2)计算第i次迭代仿真测试时的综合评价指标:Pi=Bi-Ci,Bi=αd·bd+αs·bs+αq·bq,αd、αs、αq分别表示bd、bs、bq的系数,第i次迭代仿真测试时的车辆平均延误提升比例di-1、di分别表示第i-1、i次迭代仿真测试时的仿真延误平均值,第i次迭代仿真测试时的车辆平均停车次数提升比例si-1、si分别表示第i-1、i次迭代仿真测试时的仿真停车次数平均值,qi-1、qi分别表示第i-1、i次迭代仿真测试时的仿真排队长度平均值; 表示第i次迭代仿真测试时的数据采集区间带来的数据错误率,cerror表示数据错误率系数,表示第i次迭代仿真测试时的数据采集区间带来的计算力成本,ccost表示数据计算力成本系数;
4.一种基于交通仿真的交叉口数据采集区间确定装置,其特征在于,包括:
交叉口感知模块,包括交叉口数据感知单元、交通流数据感知单元,交叉口数据感知单元用于获取目标交叉口的进口道数量、各车道长宽、交通岛、交叉口大小、信号配时方案,交通流数据感知单元用于获取各方向车道车流流量、车速、排队长度;
数据存储模块,包括交叉口数据单元和交通流数据单元,分别用于交叉口数据感知单元、交通流数据感知单元获取的数据;
交叉口最小和最大数据采集区间计算模块,包括目标交叉口进口道的最小数据采集区间计算单元和最大数据采集区间计算单元,用于根据如权利要求1中步骤②和③所述的方法分别计算目标交叉口各方向车道的最小和最大数据采集区间长度;
基于交通仿真的交叉口数据采集区间计算模块,用于根据如权利要求3中步骤(2)和(3)的方法进行迭代计算数,输出最优数据采集区间长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011606439.0A CN112750304B (zh) | 2020-12-30 | 2020-12-30 | 一种基于交通仿真的交叉口数据采集区间确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011606439.0A CN112750304B (zh) | 2020-12-30 | 2020-12-30 | 一种基于交通仿真的交叉口数据采集区间确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112750304A true CN112750304A (zh) | 2021-05-04 |
CN112750304B CN112750304B (zh) | 2021-11-23 |
Family
ID=75647241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011606439.0A Active CN112750304B (zh) | 2020-12-30 | 2020-12-30 | 一种基于交通仿真的交叉口数据采集区间确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112750304B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420395A (zh) * | 2021-05-25 | 2021-09-21 | 东南大学 | 基于交通仿真的多模式交通信息采集单元长度确定方法 |
CN113724491A (zh) * | 2021-07-29 | 2021-11-30 | 东南大学 | 一种基于导航数据的交叉口右转专用信号判别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493991A (zh) * | 2009-02-20 | 2009-07-29 | 北京交通大学 | 基于传感器网络的交通状态获取方法及其装置 |
CN103914984A (zh) * | 2014-04-23 | 2014-07-09 | 银江股份有限公司 | 一种基于单元-区间协作的城市道路交通状态分析方法 |
CN105206067A (zh) * | 2015-09-22 | 2015-12-30 | 东南大学 | 一种异质交通状态的交叉口信号优化控制方法 |
CN105321357A (zh) * | 2015-09-21 | 2016-02-10 | 华南理工大学 | 一种孤立交叉口同相位右转与行人信号的设置系统及方法 |
CN110751834A (zh) * | 2019-10-23 | 2020-02-04 | 长安大学 | 一种城市饱和交叉口信号配时的优化方法 |
WO2020075942A1 (ko) * | 2018-10-10 | 2020-04-16 | 주식회사 케이티 | 교통 정보 예측 방법, 장치 및 컴퓨터 프로그램 |
CN111383453A (zh) * | 2020-02-18 | 2020-07-07 | 山东摩西网络科技有限公司 | 交通信号控制在线仿真和实时跟踪反馈系统及运行方法 |
-
2020
- 2020-12-30 CN CN202011606439.0A patent/CN112750304B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493991A (zh) * | 2009-02-20 | 2009-07-29 | 北京交通大学 | 基于传感器网络的交通状态获取方法及其装置 |
CN103914984A (zh) * | 2014-04-23 | 2014-07-09 | 银江股份有限公司 | 一种基于单元-区间协作的城市道路交通状态分析方法 |
CN105321357A (zh) * | 2015-09-21 | 2016-02-10 | 华南理工大学 | 一种孤立交叉口同相位右转与行人信号的设置系统及方法 |
CN105206067A (zh) * | 2015-09-22 | 2015-12-30 | 东南大学 | 一种异质交通状态的交叉口信号优化控制方法 |
WO2020075942A1 (ko) * | 2018-10-10 | 2020-04-16 | 주식회사 케이티 | 교통 정보 예측 방법, 장치 및 컴퓨터 프로그램 |
CN110751834A (zh) * | 2019-10-23 | 2020-02-04 | 长安大学 | 一种城市饱和交叉口信号配时的优化方法 |
CN111383453A (zh) * | 2020-02-18 | 2020-07-07 | 山东摩西网络科技有限公司 | 交通信号控制在线仿真和实时跟踪反馈系统及运行方法 |
Non-Patent Citations (3)
Title |
---|
ZHANG JIAN: "An Eco-Driving Signal Control Model for Divisible", 《IEEE ACCESS》 * |
苏权等: "基于RFID的地面道路交通状态判别系统", 《交通世界(运输.车辆)》 * |
袁才鸿等: "交叉口群交通组织及信号配时设计", 《山东工业技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420395A (zh) * | 2021-05-25 | 2021-09-21 | 东南大学 | 基于交通仿真的多模式交通信息采集单元长度确定方法 |
CN113420395B (zh) * | 2021-05-25 | 2022-12-13 | 东南大学 | 基于交通仿真的多模式交通信息采集单元长度确定方法 |
CN113724491A (zh) * | 2021-07-29 | 2021-11-30 | 东南大学 | 一种基于导航数据的交叉口右转专用信号判别方法 |
CN113724491B (zh) * | 2021-07-29 | 2022-06-03 | 东南大学 | 一种基于导航数据的交叉口右转专用信号判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112750304B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111238825B (zh) | 面向组合试验路面的智能驾驶自动紧急制动性能测试方法 | |
CN112750304B (zh) | 一种基于交通仿真的交叉口数据采集区间确定方法及装置 | |
CN109272745B (zh) | 一种基于深度神经网络的车辆轨迹预测方法 | |
CN109118787B (zh) | 一种基于深度神经网络的车辆速度预测方法 | |
CN111445015B (zh) | 一种智能网联环境下非网联车位置估计方法 | |
CN112530177B (zh) | 车联网环境下基于卡尔曼滤波的车辆排队长度估计方法 | |
CN115578870B (zh) | 一种基于近端策略优化的交通信号控制方法 | |
CN116432448B (zh) | 基于智能网联车和驾驶员遵从度的可变限速优化方法 | |
CN111524345B (zh) | 一种车辆实时排队长度约束下多目标优化的感应控制方法 | |
CN115206103A (zh) | 一种基于平行仿真系统的可变限速控制系统 | |
Suh et al. | Vehicle speed prediction for connected and autonomous vehicles using communication and perception | |
CN115081508A (zh) | 一种基于交通数字孪生的交通运行风险平行仿真系统 | |
CN113240901B (zh) | 一种智能车换道行为风险等级确定方法及装置 | |
CN113111502B (zh) | 基于跟驰模型与驾驶员特征的驾驶员感知距离建模方法 | |
Zhao et al. | An extended car-following model at signalised intersections | |
CN116758765A (zh) | 一种适用多模式交通的多目标信号控制优化方法 | |
CN111932829B (zh) | 一种预防疲劳驾驶设施效用测试方法及系统 | |
CN114926823A (zh) | 基于wgcn的车辆驾驶行为预测方法 | |
Marzbanrad et al. | Prediction of driver’s accelerating behavior in the stop and go maneuvers using genetic algorithm-artificial neural network hybrid intelligence | |
CN109754603B (zh) | 自行车行程时间计算方法、装置和终端设备 | |
CN113673146A (zh) | 一种基于nsga-ii的车辆安全性多目标优化方法 | |
CN112308171A (zh) | 一种基于模拟驾驶器的车辆位置预测建模方法 | |
CN112115569A (zh) | 一种城市路网密度图生成方法、介质及设备 | |
CN111489552A (zh) | 一种车头时距预测方法、装置、设备及存储介质 | |
CN115472007B (zh) | 一种车辆排队长度预测方法、装置、存储介质及终端 |
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 |