CN112820123A - 一种交通信号灯绿波智能调节方法及智能调节系统 - Google Patents
一种交通信号灯绿波智能调节方法及智能调节系统 Download PDFInfo
- Publication number
- CN112820123A CN112820123A CN202110015443.8A CN202110015443A CN112820123A CN 112820123 A CN112820123 A CN 112820123A CN 202110015443 A CN202110015443 A CN 202110015443A CN 112820123 A CN112820123 A CN 112820123A
- Authority
- CN
- China
- Prior art keywords
- speed
- processor
- timer
- time
- vehicle
- 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
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明了一种交通信号灯绿波智能调节方法及智能调节系统,通过第一通信模块与交通信号灯系统建立通信连接,第一通信模块接收到路口交通信号灯的运行数据后,发送给第一处理器,第一处理器将所述交通信号灯的运行数据发送至存储模块保存;测速模块对车辆进行实时测速并将车速信息和时刻信息发送给第一处理器;摄像头模块对车辆的车牌号进行识别,并将车牌信息发送给第一处理器;第一处理器接收到车速、时刻和车牌号信息后,将数据打包发送给第二处理器,第二处理器根据接收到的数据进行速度预测并进行流量分析,根据流量分析结果,决策红绿灯状态周期内路口通行结果。可实现实时调整绿波时速,通行效率最大化。
Description
本发明为申请号名称为“一种交通信号灯绿波智能调节方法及智能调节系统”,申请号为“2020108741318”的发明专利的分案申请。
技术领域
本申请属于计算机和智能化领域,特别涉及一种交通信号灯绿波智能调节系统及其使用方法。
背景技术
"绿波"交通,就是在一系列交叉口上,安装一套具有一定周期的自动控制的联动信号,使主干道上的车流依次到达前方各交叉口时,均会遇上绿灯。这种"绿波"交通减少车辆在交叉口的停歇,提高了平均行车速度和通行能力。合理的绿波通行,对于显著提高道路通行效率,缓解交通拥堵具有十分重要的意义,同时,高效的通行对于节能减排效果明显。
现有技术对于绿波通行的技术方案是设定一段绿波带,根据绿波带中红绿灯间隔和路段长度计算一个确定的绿波速度,作为所有通行车辆的指引。但是现有技术存在的缺陷是:仅能给出一个统一的绿波速度,但在车辆通行高峰缓行时,普遍达不到指引的绿波时速,这样便使得绿波通行失效,导致某些车辆一路红灯到底,严重影响通行效率、增加排放。
发明内容
本发明提出了一种交通信号灯绿波智能调节系统及其使用方法,以解决目前只有一个统一的绿波速度,车辆通行高峰缓行时,普遍达不到指引的绿波时速,导致某些车辆一路红灯到底,严重影响通行效率、增加排放的技术问题,以实现根据宏观交通通行状况,实时调整绿波时速,实现绿波调节的同时,也实现通行效率最大化的技术效果。
本发明技术方案如下:
一种交通信号灯绿波智能调节方法,包括以下步骤:
通过第一通信模块与交通信号灯系统建立通信连接,第一通信模块接收到路口交通信号灯的运行数据后,发送给第一处理器,第一处理器将所述交通信号灯的运行数据发送至存储模块保存;
第一接口模块上连接的测速模块对车辆进行实时测速并将车速信息和时刻信息发送给第一处理器;第一接口模块上还连接有摄像头模块对车辆的车牌号进行识别,并将车牌信息发送给第一处理器;
第一处理器接收到车速、时刻和车牌号信息后,将数据打包为其中i表示车辆的计数,i为大于0的整数,即车辆i,t表示数据时刻,D表示数据包;表示t时刻识别到的车辆i的车牌号,表示车辆i在t时刻的测速序列;所述第一处理器将数据包发送给第二处理器,第二处理器运行多目标速度预测程序可以根据接收到的数据进行速度预测,并基于速度预测进行流量分析,根据流量分析结果,决策红绿灯状态周期内路口通行结果。
进一步,所述第二处理器进行多目标速度预测以及基于速度预测进行流量分析的具体步骤如下:
S1建立目标车辆车速预测时刻相关的拟合预测网络;
S2基于速度预测,实时分析未来时刻各路口的流量;
S3根据流量分析结果,决策红绿灯状态周期内路口通行结果。
进一步,所述步骤S1中,所述拟合预测网络的建立方法如下:
建立一个四层神经网络,四层神经网络包括输入层、第一中间层、第二中间层和输出层,输入层和第一中间层各由一个神经元,第二中间层有n个神经元,n等于测速序列的维度,输出层由一个神经元构成,输入为时刻变量,输出为速度预测值。
输入层与第一中间层的连接权值记为w12,第一中间层与第二中间层的连接权值记为w2x(1≤x≤n),第二中间层与输出层的连接权值记为w3q(1≤q≤n)。网络神经元的阈值采用统一阈值控制法,当输入激励不全为0时,代表神经元满足输出阈值。
进一步,所述拟合预测网络的计算过程为:
输入为tm并且输入激励不全为0时,输入层神经元的输出为f1(tm)w12,其中f1(d)为输入层的激活函数,d为函数自变量,作为本发明的一个实施例,可令则输入层神经元的输出记为f10(tm),则有w12;
输入层神经元的输出f10(tm)即第一中间层的输入,第一中间层的输出记为f2O(tm),则有f2O(tm)=f2(f1O)w2x,其中f2表示第一中间层的激活函数;作为本发明的一个实施例,则有w2x;
第一中间层各神经元的输出以及输入激励共同参与第二中间层的计算,第二中间层神经元的输出记为yj(m),(1≤j≤n);则有:
进一步,所述步骤S2的具体方法如下:
分别计算4个方向目标车辆到达路口停止线的所需的预估时间:
记路口r红绿灯的状态周期为Tr,未来时刻路口r的流量分析如下:
在第二处理器中,设置4个计数器Timer1、Timer2、Timer3、Timer4,用来计数4个方向的流量;
同理,可分析出其它3个方向的流量,4个计数器的计数周期为Tr,当计数周期超过Tr时,4个计数器清零并重新计数,进入下一周期的流量分析;
记在一个计数周期内,最终4个方向的流量计数分别为Timer1、Timer2、Timer3、Timer4,也就完成了所述计数周期内路口r的4个方向的流量分析。
进一步,所述步骤S3基于S2步骤的流量分析结果,决策红绿灯状态周期内路口的通行结果,过程如下:
当max(Timer1,Timer3)>max(Timer2,Timer4)时,路口r的1、3方向为通行状态,2、4方向为禁行状态;
当max(Timer1,Timer3)≤max(Timer2,Timer4)时,路口r的1、3方向为禁行状态,2、4方向为通行状态;其中,max(,)表示取较大值;
取max(Timer1,Timer2,Timer3,Timer4)计数器,最后一个有效计数所对应的未来时刻作为本计数周期内的绿波调节时刻,将目标车辆i的输入参数和测速序列输入到S2步骤的预测网络中,可输出速度则所述就是对目标车辆i的绿波建议速度;
一种交通信号等绿波智能调节系统,包括第一通信模块,第一处理器,第二处理器,第一接口模块,测速模块,摄像头模块,第二接口模块,显示模块,第二通信模块以及存储模块;
所述第一通信模块,主要用来跟交通信号等系统互相通信,可以接收红绿灯系统发来的红绿灯运行数据和向交通信号灯控制系统发送控制信号;第一通信模块连接有第一处理器;
所述第一处理器,主要用于对所述交通信号等绿波智能调节系统中各模块传来的数据进行处理,并与各模块进行数据交互,第一处理器连接有第二处理器、第一接口模块、第二接口模块、第二通信模块以及存储模块;
所述第二处理器,运行有多目标速度预测和流量分析程序,可以对多个目标车速进行快速预测,并基于速度预测,进行路口流量分析;
所述第一接口模块,用于连接测速和图像采集设备,所述第一接口模块连接有测速模块和摄像头模块;
所述测速模块,用于对包括车辆在内的移动目标进行测速,并将测速数据通过第一接口模块发送给第一处理器;
所述摄像头模块,用于拍摄和识别车牌号码,并将数据通过第一接口模块发送给第一处理器;
所述第二接口模块,用于连接并传输数据给显示模块;
所述显示模块,主要用于显示智能调节的建议绿波速度;
所述第二通信模块,主要用于接收第一处理器发来的数据,并向周边车辆差异化广播建议绿波速度;
所述存储模块主要用于存放交通信号灯的运行数据和车辆速度、车牌号及图像数据。
进一步,所述信号灯的运行数据包括,红绿灯的当前运行模式、红灯黄灯绿灯工作周期、当前红绿灯状态、状态剩余时间及下一状态数据。
本发明至少具有以下有益效果:
(1)本发明包括采用的技术方案是,“测速模块对车辆进行实时测速并将车速信息和时刻信息发送给第一处理器,摄像头模块对车辆的车牌号进行识别,并将车牌信息发送给第一处理器,第一处理器将数据包发送给第二处理器,第二处理器运行多目标速度预测程序可以根据接收到的数据进行速度预测,并基于速度预测进行流量分析,根据流量分析结果,决策红绿灯状态周期内路口通行结果”,通过上述技术方案,可实时测速、实时进行速度预测,可实现根据宏观交通通行状况,实时调整绿波时速;并可以根据不同车辆驾驶习惯,向不同车辆推送差异化的建议绿波时速。
(2)本发明采用拟合预测网络对目标车辆车速预测,该预测网路结构简单、计算速度快,可以在实际工况中,连续快速地对多目标速度进行预测输出,本发明中绿波调节决策是基于速度预测来实现的,因此实现绿波调节的同时,也实现了通行效率最大化。
附图说明
图1本发明所述交通信号灯绿波智能调节系统框图;
图2本发明所述绿波智能调节系统在现有交通系统中工作示意图;
图3本发明所述拟合预测网络结构图。
具体实施方式
为了更清楚的说明本发明,下面将结合说明书附图和具体实施例来做详细说明。
参考图1,本发明所述的一种交通信号等绿波智能调节系统,由以下部分构成:
第一通信模块10,第一处理器20,第二处理器30,第一接口模块40,测速模块50,摄像头模块60,第二接口模块70,显示模块80,第二通信模块90以及存储模块100。
参照图2,由上述模块构成的所述绿波智能调节系统设备安装于多个红绿灯组成的交通系统中,所述绿波智能调节系统设备安装于红绿灯之间的路段,理论上安装密度越大,效果越好,综合实际工况和投资规模,应至少保证每两个红绿灯之间安装有一个所述绿波智能调节系统设备。
所述第一通信模块10,主要用来跟交通信号等系统互相通信,可以接收红绿灯系统发来的红绿灯运行数据和向交通信号灯控制系统发送控制信号;第一通信模块10通过数据总线连接有第一处理器20。
所述第一处理器20,主要用于对本发明所述系统中各模块传来的数据进行处理,并与各模块进行数据交互。第一处理器20通过数据总线连接有第二处理器30。
所述第二处理器30,运行有多目标速度预测和流量分析程序,可以对多个目标车速进行快速预测,并基于速度预测,进行路口流量分析。
所述第一处理器20还通过数据总线连接有第一接口模块40。
所述第一接口模块40,用于连接测速和图像采集设备,所述连接的方式包括但不限于网线、电缆、光纤等有线通信连接和蓝牙、wifi、红外等无线通信连接。第一接口模块40连接有测速模块50和摄像头模块60。
所述测速模块50,用于对包括车辆在内的移动目标进行测速,并将测速数据通过第一接口模块发送给第一处理器20。
所述摄像头模块60,用于拍摄和识别车牌号码,并将数据通过第一接口模块发送给第一处理器20.
所述第一处理器20还通过数据总线连接有第二接口模块70。
所述第二接口模块70,用于连接并传输送显数据给显示模块80。
所述显示模块80,主要用于显示智能调节的建议绿波速度。
所述第一处理器20还通过数据总线连接有第二通信模块90。
所述第二通信模块90,主要用于接收第一处理器发来的数据,并向周边车辆差异化广播建议绿波速度:
第一处理器20还通过数据总线连接有存储模块100,所述存储模块100主要用于存放交通信号灯的运行数据和车辆速度、车牌号、图像等数据,所述信号灯的运行数据,包括红绿灯的当前运行模式、红灯黄灯绿灯工作周期、当前红绿灯状态、状态剩余时间及下一状态等运行数据。
本发明所述交通信号灯绿波智能调节系统,通过第一通信模块10与交通信号灯系统建立通信连接,在所述智能调节系统初始化时,第一通信模块10接收到路口交通信号灯的运行数据后,发送给第一处理器20,第一处理器20将所述交通信号灯的运行数据发送至存储模块100保存。
第一接口模块40上连接的测速模块50对车辆进行实时测速并将车速信息和时刻信息发送给第一处理器20;为了确保后续车速预测的准确性,本发明采用测速序列的方法,即测速模块50将以时间间隔Δt,对车辆进行n个序列的测速,并得到时刻t状态目标车辆i的测速序列n>2为整数;第一接口模块40上还连接有摄像头模块60对车辆的车牌号进行识别,并将车牌信息发送给第一处理器20。第一处理器20接收到车速、时刻和车牌号信息后,将数据打包为其中i表示车辆的计数,i为大于0的整数,即车辆i;t表示数据时刻;D表示数据包;表示t时刻识别到的车辆i的车牌号;表示车辆i在t时刻的测速序列。所述第一处理器20将数据包发送给第二处理器30,第二处理器30运行多目标速度预测程序可以根据接收到的数据进行速度预测,并基于速度预测进行流量分析,具体处理过程如下:
为了最大程度降低车辆突变加速度对速度预测准确性的影响,本发明提出了一种拟合预测网络,参照图3。
S1建立目标车辆车速预测时刻相关的拟合预测网络。
建立一个四层神经网络,如图3所示,四层神经网络包括输入层、第一中间层、第二中间层和输出层,输入层和第一中间层各由一个神经元,第二中间层有n个神经元,n等于测速序列的维度,输出层由一个神经元构成,输入为时刻变量,输出为速度预测值。
输入层与第一中间层的连接权值记为w12,第一中间层与第二中间层的连接权值记为w2x(1≤x≤n),第二中间层与输出层的连接权值记为w3q(1≤q≤n)。网络神经元的阈值采用统一阈值控制法,当输入激励不全为0时,代表神经元满足输出阈值。
预测网络的计算过程为:
输入为tm并且输入激励不全为0时,输入层神经元的输出为f1(tm)w12,其中f1(d)为输入层的激活函数,d为函数自变量,作为本发明的一个实施例,可令则输入层神经元的输出记为f1O(tm),则有w12。
输入层神经元的输出f1O(tm)即第一中间层的输入,第一中间层的输出记为f2O(tm),则有f2O(tm)=f2(f1O)w2x,其中f2表示第一中间层的激活函数。作为本发明的一个实施例,则有w2x。上述激活函数中的e是公知常识,e表示自然对数的底数。
第一中间层各神经元的输出以及输入激励共同参与第二中间层的计算,第二中间层神经元的输出记为yj(m),(1≤j≤n);则有:
采用本发明所述预测网络的有益效果是:结构简单、计算速度快,可以在实际工况中,连续快速地对多目标速度进行预测输出。
S2基于速度预测,实时分析未来时刻各路口的流量。
分别计算4个方向目标车辆到达路口停止线的所需的预估时间:
记路口r红绿灯的状态周期为Tr,未来时刻路口r的流量分析如下:
在第二处理器30中,设置4个计数器Timer1、Timer2、Timer3、Timer4,用来计数4个方向的流量。
同理,可分析出其它3个方向的流量,4个计数器的计数周期为Tr,当计数周期超过Tr时,4个计数器清零并重新计数,进入下一周期的流量分析。
记在一个计数周期内,最终4个方向的流量计数分别为Timer1、Timer2、Timer3、Timer4,也就完成了所述计数周期内路口r的4个方向的流量分析。
S3根据流量分析结果,决策红绿灯状态周期内路口通行结果。
基于S2步骤的流量分析结果,决策红绿灯状态周期内路口的通行结果,过程如下:
当max(Timer1,Timer3)>max(Timer2,Timer4)时,路口r的1、3方向为通行状态,2、4方向为禁行状态。
当max(Timer1,Timer3)≤max(Timer2,Timer4)时,路口r的1、3方向为禁行状态,2、4方向为通行状态。
其中,max(,)表示取较大值。
取max(Timer1,Timer2,Timer3,Timer4)计数器,最后一个有效计数所对应的未来时刻作为本计数周期内的绿波调节时刻,将目标车辆i的输入参数和测速序列输入到S2步骤的预测网络中,可输出速度则所述就是对目标车辆i的绿波建议速度。
综上所述,实现了本发明所述的一种交通信号灯绿波智能调节系统。
可以理解的是,以上仅是本发明的较佳实施例,任何基于本发明的精神所做的改动均应在本发明的保护范围之内。
Claims (3)
1.一种交通信号灯绿波智能调节方法,其特征在于,包括以下步骤:
通过第一通信模块与交通信号灯系统建立通信连接,第一通信模块接收到路口交通信号灯的运行数据后,发送给第一处理器,第一处理器将所述交通信号灯的运行数据发送至存储模块保存;
第一接口模块上连接的测速模块对车辆进行实时测速并将车速信息和时刻信息发送给第一处理器;第一接口模块上还连接有摄像头模块对车辆的车牌号进行识别,并将车牌信息发送给第一处理器;
第一处理器接收到车速、时刻和车牌号信息后,将数据打包为 其中i表示车辆的计数,i为大于0的整数,即车辆i,t表示数据时刻,D表示数据包;表示t时刻识别到的车辆i的车牌号,表示车辆i在t时刻的测速序列;所述第一处理器将数据包发送给第二处理器,第二处理器运行多目标速度预测程序可以根据接收到的数据进行速度预测,并基于速度预测进行流量分析,根据流量分析结果,决策红绿灯状态周期内路口通行结果;
所述第二处理器进行多目标速度预测以及基于速度预测进行流量分析的具体步骤如下:
S1建立目标车辆车速预测时刻相关的拟合预测网络;
S2基于速度预测,实时分析未来时刻各路口的流量;
S3根据流量分析结果,决策红绿灯状态周期内路口通行结果;
其中,所述步骤S2的具体方法如下:
分别计算4个方向目标车辆到达路口停止线的所需的预估时间:
记路口r红绿灯的状态周期为Tr,未来时刻路口r的流量分析如下:
在第二处理器中,设置4个计数器Timer1、Timer2、Timer3、Timer4,用来计数4个方向的流量;
同理,可分析出其它3个方向的流量,4个计数器的计数周期为Tr,当计数周期超过Tr时,4个计数器清零并重新计数,进入下一周期的流量分析;
记在一个计数周期内,最终4个方向的流量计数分别为Timer1、Timer2、Timer3、Timer4,也就完成了所述计数周期内路口r的4个方向的流量分析;
所述步骤S3基于S2步骤的流量分析结果,决策红绿灯状态周期内路口的通行结果,过程如下:
当max(Timer1,Timer3)>max(Timer2,Timer4)时,路口r的1、3方向为通行状态,2、4方向为禁行状态;
当max(Timer1,Timer3)≤max(Timer2,Timer4)时,路口r的1、3方向为禁行状态,2、4方向为通行状态;其中,max(,)表示取较大值;
取max(Timer1,Timer2,Timer3,Timer4)计数器,最后一个有效计数所对应的未来时刻作为本计数周期内的绿波调节时刻,将目标车辆i的输入参数和测速序列输入到S2步骤的预测网络中,可输出速度则所述就是对目标车辆i的绿波建议速度;
2.如权利要求1所述的交通信号灯绿波智能调节方法,其特征在于,所述步骤S1中,所述拟合预测网络的建立方法如下:
建立一个四层神经网络,四层神经网络包括输入层、第一中间层、第二中间层和输出层,输入层和第一中间层各有一个神经元,第二中间层有n个神经元,n等于测速序列的维度,输出层由一个神经元构成,输入为时刻变量,输出为速度预测值;
输入层与第一中间层的连接权值记为w12,第一中间层与第二中间层的连接权值记为w2x,1≤x≤n,第二中间层与输出层的连接权值记为w3q,1≤q≤n,网络神经元的阈值采用统一阈值控制法,当输入激励不全为0时,代表神经元满足输出阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110015443.8A CN112820123B (zh) | 2020-08-27 | 2020-08-27 | 一种交通信号灯绿波智能调节方法及智能调节系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110015443.8A CN112820123B (zh) | 2020-08-27 | 2020-08-27 | 一种交通信号灯绿波智能调节方法及智能调节系统 |
CN202010874131.8A CN111739315B (zh) | 2020-08-27 | 2020-08-27 | 一种交通信号灯绿波智能调节方法及智能调节系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010874131.8A Division CN111739315B (zh) | 2020-08-27 | 2020-08-27 | 一种交通信号灯绿波智能调节方法及智能调节系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112820123A true CN112820123A (zh) | 2021-05-18 |
CN112820123B CN112820123B (zh) | 2022-04-08 |
Family
ID=72658883
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010874131.8A Active CN111739315B (zh) | 2020-08-27 | 2020-08-27 | 一种交通信号灯绿波智能调节方法及智能调节系统 |
CN202110015443.8A Active CN112820123B (zh) | 2020-08-27 | 2020-08-27 | 一种交通信号灯绿波智能调节方法及智能调节系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010874131.8A Active CN111739315B (zh) | 2020-08-27 | 2020-08-27 | 一种交通信号灯绿波智能调节方法及智能调节系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN111739315B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739315B (zh) * | 2020-08-27 | 2021-01-26 | 台州市远行客网络技术有限公司 | 一种交通信号灯绿波智能调节方法及智能调节系统 |
CN113284344B (zh) * | 2021-04-04 | 2022-07-15 | 北方工业大学 | 一种基于车牌识别及轨迹数据的并道加塞行为分析方法 |
CN113487862A (zh) * | 2021-06-30 | 2021-10-08 | 阿波罗智联(北京)科技有限公司 | 绿波速度确定方法、装置、电子设备和存储介质 |
CN114067579B (zh) * | 2021-10-21 | 2023-01-03 | 信通院车联网创新中心(成都)有限公司 | 一种智能交通信号控制系统及其控制方法 |
CN115050194A (zh) * | 2022-06-10 | 2022-09-13 | 绿波速度(浙江)科技有限公司 | 一种应用于一般道路的分布式智能led绿波电子显示系统 |
CN115100882A (zh) * | 2022-06-23 | 2022-09-23 | 绿波速度(浙江)科技有限公司 | 一种绿波交通控制装置及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101703058B1 (ko) * | 2016-08-30 | 2017-02-06 | 주식회사 블루시그널 | 교통데이터 분석에 의한 교통상태패턴 예측시스템 및 그 예측방법 |
CN106971563A (zh) * | 2017-04-01 | 2017-07-21 | 中国科学院深圳先进技术研究院 | 智能交通信号灯控制方法及系统 |
CN108010343A (zh) * | 2017-10-31 | 2018-05-08 | 上海与德科技有限公司 | 一种交通信号灯的控制方法、控制装置及控制系统 |
CN108335508A (zh) * | 2018-02-10 | 2018-07-27 | 长安大学 | 一种基于v2i的红绿灯绿波车速诱导方法及系统 |
CN108447281A (zh) * | 2018-04-02 | 2018-08-24 | 江苏数慧信息科技有限公司 | 绿波控制系统 |
CN111739315B (zh) * | 2020-08-27 | 2021-01-26 | 台州市远行客网络技术有限公司 | 一种交通信号灯绿波智能调节方法及智能调节系统 |
-
2020
- 2020-08-27 CN CN202010874131.8A patent/CN111739315B/zh active Active
- 2020-08-27 CN CN202110015443.8A patent/CN112820123B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101703058B1 (ko) * | 2016-08-30 | 2017-02-06 | 주식회사 블루시그널 | 교통데이터 분석에 의한 교통상태패턴 예측시스템 및 그 예측방법 |
CN106971563A (zh) * | 2017-04-01 | 2017-07-21 | 中国科学院深圳先进技术研究院 | 智能交通信号灯控制方法及系统 |
CN108010343A (zh) * | 2017-10-31 | 2018-05-08 | 上海与德科技有限公司 | 一种交通信号灯的控制方法、控制装置及控制系统 |
CN108335508A (zh) * | 2018-02-10 | 2018-07-27 | 长安大学 | 一种基于v2i的红绿灯绿波车速诱导方法及系统 |
CN108447281A (zh) * | 2018-04-02 | 2018-08-24 | 江苏数慧信息科技有限公司 | 绿波控制系统 |
CN111739315B (zh) * | 2020-08-27 | 2021-01-26 | 台州市远行客网络技术有限公司 | 一种交通信号灯绿波智能调节方法及智能调节系统 |
Non-Patent Citations (1)
Title |
---|
袁鲁山: "基于NAR神经网络的车速预测及应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112820123B (zh) | 2022-04-08 |
CN111739315B (zh) | 2021-01-26 |
CN111739315A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112820123B (zh) | 一种交通信号灯绿波智能调节方法及智能调节系统 | |
CN103258427B (zh) | 基于信息物理网络的城市快速路交通实时监控方法 | |
US20210201672A1 (en) | Video-based main road cooperative signal machine control method | |
CN107204120B (zh) | 一种利用旅行时间进行交通信号相位设计的方法及其装置 | |
CN102592451B (zh) | 一种基于双截面环形线圈检测器的道路交通事件检测方法 | |
CN102708688A (zh) | 一种基于二级模糊综合判别的城市道路状态辨识方法 | |
CN111951549A (zh) | 在网联车辆环境下的自适应交通信号灯控制方法及系统 | |
CN110322687B (zh) | 确定目标交叉口运行状态信息的方法和装置 | |
CN113888873A (zh) | 基于短时交通流的高速公路事故检测、预警系统及方法 | |
CN110111573B (zh) | 一种基于物联网的拥堵车辆综合调度方法 | |
CN113012433A (zh) | 车载联网节能辅助驾驶控制方法与系统 | |
CN116631186B (zh) | 基于危险驾驶事件数据的高速公路交通事故风险评估方法、系统 | |
CN115063990A (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 | |
Roshan et al. | Adaptive traffic control with TinyML | |
CN102819956B (zh) | 一种基于单截面环形线圈检测器的道路交通事件检测方法 | |
CN106940810A (zh) | 一种借助导轨精确移动的高速路发卡机及其控制方法 | |
CN114299720A (zh) | 一种基于物联网的公共服务交通管理方法及系统 | |
CN113487872B (zh) | 一种基于大数据和人工智能的公交车通行时间预测方法 | |
CN111754790B (zh) | 一种基于雷达的匝道入口交通控制系统及方法 | |
CN113505346B (zh) | 一种基于人工智能的城市路灯数据处理及联合调控系统 | |
CN115862315B (zh) | 一种面向智慧城市多源异构数据流的交通灯控制方法及装置 | |
CN114387816B (zh) | 基于消费者行为预测分析的商城车流引导系统及方法 | |
CN111724492A (zh) | 一种高速公路etc智能自动引导收费系统 | |
CN115711148A (zh) | 一种基于车流车型的城市地下交通隧道智能通风方法与装置 | |
CN109255956A (zh) | 一种收费站交通流量异常检测方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220315 Address after: 410006 No. 4604, 4605, 4606 and 4611, building 15, fangmaoyuan (phase II), No. 1177, Huanhu Road, Tianding street, Yuelu District, Changsha City, Hunan Province Applicant after: Hunan Xiangjiang Zhixin yuntu Technology Co.,Ltd. Address before: 318000 room 1215, building 1, peninsula garden, Tengda Road, Lubei street, Luqiao District, Taizhou City, Zhejiang Province Applicant before: Taizhou yuanxingke Network Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |