CN112927512B - 一种高速公路匝道合流控制系统及方法 - Google Patents

一种高速公路匝道合流控制系统及方法 Download PDF

Info

Publication number
CN112927512B
CN112927512B CN202110204968.6A CN202110204968A CN112927512B CN 112927512 B CN112927512 B CN 112927512B CN 202110204968 A CN202110204968 A CN 202110204968A CN 112927512 B CN112927512 B CN 112927512B
Authority
CN
China
Prior art keywords
vehicle
ramp
vehicles
distance
early warning
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
Application number
CN202110204968.6A
Other languages
English (en)
Other versions
CN112927512A (zh
Inventor
卢晓
史国峰
刘海青
滕坤敏
王海霞
张治国
盛春阳
宋诗斌
聂君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN202110204968.6A priority Critical patent/CN112927512B/zh
Publication of CN112927512A publication Critical patent/CN112927512A/zh
Application granted granted Critical
Publication of CN112927512B publication Critical patent/CN112927512B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种高速公路入口匝道合流控制系统及方法，属于智能交通控制与管理领域，本发明利用毫米波雷达全天时全天候的工作能力和检测精度高等特点，能够快速有效的对匝道合流区的交通状态进行采集和分析，对合流区车辆进行智能全息引导，提高了高速公路的行车效率和安全性；本专利申请运用噪声剔除算法和基于卡尔曼滤波的车辆行驶轨迹预测算法对噪声目标进行剔除，获取到纯净的车辆的行驶数据信息，具有较好的噪声滤除效果；基于匝道合流区事故预测综合算法，形成了匝道车辆冲突在不同情况下的量化判别指标，根据数据拟合结果来确定最终的危险情况，并由LED作出预警提示，大大提升了车路协同能力以及合流效率。

Description

一种高速公路匝道合流控制系统及方法
技术领域
本发明属于智能交通控制与管理领域，具体涉及一种高速公路入口匝道合流控制系统及方法。
背景技术
随着科技的发展和生活水平的提高，我国汽车保有量和高速公路总里程逐年增加，居民出行效率有了极大的提升。然而，随着区域经济的发展和交通需求的进一步增长，高速公路交通事故频发，其中匝道合流区作为匝道和主线车道的交汇路段，事故发生率占比颇高。
目前我国高速公路匝道合流区事故发生率高且现有研究没有提出解决匝道合流区事故的合理解决方案，经团队通过实地调研、问卷调查等方式进行了市场调查后，结合实际情况表明当前匝道合流区需要一个能对匝道合流区车辆进行实时监控并根据车况和路况对其进行预警提示的系统。基于此，本团队设计并开发了基于全息交通的高速公路合流控制系统。本系统建设成本较低，监测设备可以安装在道路两侧，且可以利用现有的交通指示牌立杆，减少了部署费用；只需两台雷达即可实现对匝道合流区车辆的实时监测；环境适应力更强，在雨雪、大风、扬尘等恶劣天气中都可以很好地对匝道合流区车辆进行预测和监控。由于该系统事件的检测只依赖于毫米波雷达，降低了处理设备的性能需求和运营成本；检测范围广、预警提示精度高，能够大大解决匝道合流区存在的交通瓶颈、提高匝道合流区的通行效率，应用前景极为广泛。
毫米波雷达具有分辨率高、天线口径和微波元器件较小、多普勒频率较高等优点，信息速率较高，对目标的识别和跟踪较精确，对慢目标的检测和识别能力较好。它的抗干扰能力强，受风雨等恶劣天气的影响较小，在尘埃、烟尘等条件下有良好的检测能力。
目前，现有相关专利检索及分析结果如下：
专利1：高速公路入口匝道合流区智能安全预警控制方法201010219558.0
一种高速公路入口匝道合流区智能安全预警控制方法，在高速公路入口匝道合流区安装信息采集、信息处理、信息发布的硬件设备，之后获取信息处理硬件设备接收信息采集设备传来的信息，并将其存在存储单元中，再由信息处理硬件设备执行初始化程序，初始化程序启动内部定时器，每秒钟产生一次中断请求，信息处理硬件设备执行主程序，主程序每次响应中断请求时调用子程序一和子程序二各一次，最后匝道预警显示屏、主路预警显示屏的显示控制器件实时读取存储单元中的状态位，根据状态位的值，显示相应的信息。本方法可以快速有效对合流区实际交通状况进行采集和分析，对即将进入合流区车辆进行实时动态预警，避免事故的发生。
该专利的信息采集硬件设备由主路车速检测器、主路车流量检测器，主路路侧停车检测器、匝道加速车道停车检测器、车型检测器等构成，与之相比我们的专利基于毫米波雷达的优良特性，可得到与之相匹配的检测效果，且在处理设备的性能需求和运营成本方面更胜一筹。
专利2：高速公路入口匝道合流区引导控制系统和方法201410724696.2
本发明提供一种高速公路入口匝道合流区引导控制系统及方法，包括智能车载设备和路侧汇入引导控制器，路侧汇入引导控制器安装在高速公路外侧距离匝道接入点一定距离范围内，该点距离为预设值；智能车载设备包括车辆信息采集模块、车载端无线通信模块和信息显示模块；路侧汇入引导控制器包括：路侧端无线通信模块和智能分析模块。通过采用本发明系统及方法，能够快速有效地对合流区交通状态进行采集和分析，对主路以及合流区车辆进行智能引导，避免交通事故的发生，提高高速公路交通效率和安全性。
该专利中的智能车载设备包括用于获取本车车辆的实时状态信息的车辆信息采集模块，用于将本车车辆的实时状态信息发送给路侧汇入引导控制器，并接收路侧汇入引导控制器发送的实时引导信息的车载端无线通信模块，属于安全辅助驾驶或ADAS领域，其解决的问题亦与我们的专利一样，二者有本质的区别。而我们的专利不需要车载设备，仅采用毫米波雷达获取数据，通过显示屏进行预警提示，且在当前具有更高的现实意义。
专利3：一种基于匝道控制的高速公路合流区交通冲突预警方法202010271459.0
本专利公开了一种基于匝道控制的高速公路合流区交通冲突预警方法，基于车流量实时监测比对结果进行匝道信号灯的控制，并且可进行匝道车辆是否有闯红灯情况出现的判别，采用基于PET进行合流区交通冲突的判别并初步确定交通冲突严重程度等级，并且针对存在交通冲突的主干道车辆，进行换道检测确定最终的交通冲突等级，之后根据得到的不同交通冲突严重程度在交通预警显示屏发布不同的预警信息。通过以上方法实现了对高速公路合流区交通冲突从源头控制到预警发布的全方位保护、监测及预警信息的发布，非常有助于大大提升高速公路合流区的安全性。
该专利仅对交通冲突严重程度等级和严重程度进行了判断，但是未考虑对造成交通冲突的原因进行分类。与之相比我们的专利利用双向毫米波雷达探测车辆轨迹进行道路事件判别，检测类型更加全面，并针对匝道合流的交通事故的判定进行了分析，针对不同的情形选择不同的算法进行判定。
专利4：高速公路施工区上游车辆合流控制方法201710638022.4
本发明涉及一种高速公路施工区上游车辆合流控制方法，首先根据施工区道路封闭情况确定施工区道路所允许的最大通行量QN，之后根据施工区车道合并的情况，确定启动合流控制的提醒阈值Q0，再将实际测得的施工区上游的交通量Q与所述提醒阈值Q0进行比较，如果Q≥Q0，则启动对车辆驾驶员的变道提醒。通过本发明的方法，对于不同的施工区道路封闭情况、不同的交通组成和/或不同的车流量，能够容易地确定有必要启动变道提醒的车流量阈值，为施工区上游的交通组织提供了可靠的依据，从而避免了车辆因过度集中地合流而形成拥堵甚至发生事故，提高施工区的通行效率并且保障行车安全。此外，本方法也可以用于车辆的自动驾驶。
该专利主要针对高速公路施工区上游车辆合流进行组织预警，与高速公路的匝道合流相比，两者存在应用场景不同的区别，且在高速公路匝道合流中存在较多的情况判别类型，因此需要更加全面的分析。
专利5：基于雷达侦测的高速公路预警系统及方法201810294026.6
本发明公开了一种基于雷达侦测的高速公路预警系统及方法，系统包括若干安装在高速公路路侧的雷达侦测设备，所述雷达侦测设备每隔设定的事件间隔向其所覆盖范围发送微波信号，获得覆盖范围内各运动目标的运动速度、与雷达的直线距离和方位角信息，并结合设备安装位置信息得到车辆行驶状态数据；突发事件监测服务器，用于接收雷达侦测设备检测到的车辆行驶状态数据，对突发事件进行实时检测，确定突发事件类型；以及若干安装在高速公路路侧的预警装置，用于根据突发事件检测服务器发出的突发事件信号自动发出相应的预警信息。本发明可通过实时探测车辆的行驶状态提取其中可能的突发事件并进行报警，且不受天气和光照条件的影响。
该发明利用雷达进行高速公路事件判别及预警，没有明确所用雷达类型，因此，无法对车辆静止状态以及由此导致的异常事件，如违停、事故等状态进行检测。我们的发明利用毫米波雷达进行轨迹跟踪，判别事件类型更加全面，尤其针对普通微波雷达无法检测的违停、事故等状态进行识别，并且运用于高速公里匝道合流的这一场景之下，二者运用场景不同。
发明内容
针对现有技术中存在的上述技术问题，本发明提出了一种高速公路入口匝道合流控制系统及方法，设计合理，克服了现有技术的不足，具有良好的效果。
为了实现上述目的，本发明采用如下技术方案：
一种高速公路匝道合流控制系统，包括数据采集模块、数据分析处理模块、合流区事故综合预测模块和LED预警提示模块；
前端数据采集模块，被配置为用于通过双向毫米波雷达对主路及匝道中车辆的运动情况以及位置信息进行实时采集；
数据分析处理模块，被配置为用于利用噪声剔除算法和基于卡尔曼滤波的轨迹校正算法，获取干净的车辆速度、距离信息并对车辆的行驶轨迹进行预测；
合流区事故综合预测模块，被配置为用于基于Wiedemann74模型、TTC测距碰撞算法和最小行车距离安全模型的匝道合流区事故预测综合算法，形成匝道车辆冲突在不同情况下的量化判别指标，根据数据拟合结果来确定最终的危险情况，决定LED预警提示模块是否作出预警提示；
LED预警提示模块，被配置为用于作为信息发布的载体，在高速公路信息数据系统中作为信息显示端为车辆提供引导，为匝道合流区的行车安全提供保障。
优选地，数据分析处理模块，包括毫米波雷达噪声剔除子模块和基于卡尔曼滤波的车辆轨迹校正子模块；
毫米波雷达噪声剔除子模块，被配置为用于针对双向毫米波雷达采集的目标与雷达间的距离、目标相对雷达的速度和角度、目标的RCS能量值，使用阈值分析剔除特征简单、明显的噪声点；
基于卡尔曼滤波的车辆轨迹校正子模块，被配置为用于通过上一时刻的状态数据的估计值对当前的观测值进行修正和更新，采用“预测-实测-修正”的计算方式求得数据的最优预测值。
优选地，阈值分析，包括RCS阈值分析、速度阈值分析和角度阈值分析；
RCS阈值分析：车辆的RCS值变化范围为70-110db，根据RCS能量值的阈值，剔除与车辆目标RCS能量值无关的噪声目标；
速度阈值分析：对长时间速度为零和超过最高限速特定倍数的目标进行剔除；
角度阈值分析：根据雷达布设角度，对超出角度范围的目标剔除。
优选地，LED预警提示模块包括LED显示屏、单片机、以太网交换机、12V稳定电源以及电脑；
LED显示屏、单片机和电脑分别通过网线与以太网交换机连接，12V稳定电源为LED显示屏供电。
优选地，单片机采用正点原子STM32F4探索者单片机，LED显示屏采用P10单元板。
此外，本发明还提到一种高速公路匝道合流控制方法，该方法采用如上所述的高速公路匝道合流控制系统，具体包括如下步骤：
步骤1：根据前端数据采集模块，通过双向毫米波雷达对主路及匝道中车辆的运动情况以及位置信息进行实时采集；
步骤2：根据数据分析处理模块，利用噪声剔除算法和基于卡尔曼滤波的轨迹校正算法，获取干净的车辆速度、距离信息并对车辆的行驶轨迹进行预测；
步骤3：根据合流区事故综合预测模块，基于Wiedemann74模型、TTC测距碰撞算法和最小行车距离安全模型的匝道合流区事故预测综合算法，形成匝道车辆冲突在不同情况下的量化判别指标，根据数据拟合结果来确定最终的危险情况，决定LED预警提示模块是否作出预警提示；
步骤4：根据LED预警提示模块，作为信息发布的载体，在高速公路信息数据系统中作为信息显示端为车辆提供引导，为匝道合流区的行车安全提供保障。
优选地，在步骤1中，利用毫米波雷达全天时全天候的工作能力和检测精度高特点，对毫米波雷达双向拼接使用达到双向感知的目的，能够对匝道合流区的交通状态进行采集和分析，对合流区车辆进行智能全息引导。
优选地，在步骤2中，噪声剔除算法是指针对双向毫米波雷达采集的目标与雷达间的距离、目标相对雷达的速度和角度、目标的RCS能量值，使用阈值分析剔除特征简单、明显的噪声点；
基于卡尔曼滤波的轨迹校正算法是指通过上一时刻的状态数据的估计值对当前的观测值进行修正和更新，采用“预测-实测-修正”的计算方式求得数据的最优预测值；在数据的处理过程中，它能够对数据中的噪声起到抑制作用，实现对目标当前运动状态数据的平滑处理和将来运动状态的估计预测，数据的更新过程是依据目标的状态方程进行更新，包括对状态变量和量测数据的更新。
优选地，在步骤3中，具体包括如下步骤：
步骤3.1：事故评判；
正常行驶情况下，匝道车辆驶入匝道合流区后，必须经过变道行为汇入主路，由于两车道速度差的存在，使得车辆汇入时很容易产生交通瓶颈；依据匝道车辆所处位置，匝道合流区的交通事故分为两种：当车辆处于匝道合流区鼻端时，发生的冲突判定为侧向刮蹭冲突；当车辆处于合流段终点时，发生的冲突判定为追尾冲突；
步骤3.2：侧向刮蹭事故评判模型的建立；
通过毫米波雷达获得的主路及匝道车辆信息及其表示符号：
车辆位置(xi，yi)、车辆速度vi、加速度ai、主路交通量Q1、匝道交通量Q2；
主路和匝道交通量较小的情况下，计算出Qr和t，然后将Qr与设备所在高速公路等级交通服务量Qa作对比，决定是否要进行预警措施；
在主路和匝道交通量较小，车辆行驶几乎不受阻碍的前提下，利用负指和TTC碰撞测距算法进行数据分析，建立通行模型，具体包括如下步骤：
步骤3201：根据公式(1)，计算匝道车辆从毫米波雷达信息采集点到合流区鼻端的加速时间
Figure BDA0002949490470000051
Figure BDA0002949490470000061
其中，
Figure BDA0002949490470000062
ai分别是毫米波雷达采集信息瞬间匝道车辆的运行速度、加速度，Si为匝道车辆距A点的距离；ta1和ta2表示预测的匝道两连续车辆车头端部通过A点的时刻；i为车辆编号，取1，2，3，......；
步骤3202：根据公式(2)，计算主路距A点最近车辆到达合流区鼻端的时间tbj；
Figure BDA0002949490470000063
其中，
Figure BDA0002949490470000064
aj分别是毫米波雷达采集信息瞬间主路距A点最近车辆的运行速度、加速度，Sj为采集信息时车辆到达A点的路程；tb1和tb2表示预测的主路两连续车辆车头端部通过A点的时刻；j为车辆编号，取1，2，3，......；
步骤3203：计算匝道车辆的车头时距：t＝ta1-ta2；
建立两车道通行能力计算公式：
Figure BDA0002949490470000065
其中，Qr为匝道入口处车辆通行能力，t0为匝道来车汇入主路的临界间隙值；
步骤3204：根据设备所在高速公路等级交通服务量，若实际通行能力Qa≤Qr或t≤3，则LED预警提示模块对车辆进行预警提示，提示匝道来车减速慢行，驾驶员根据车况适当减速慢行；若Qa＞Qr，则不对其进行预警提示；
主路和匝道交通量较大的情况下计算Qp，之后将Qp与1作对比，决定是否要进行预警措施，具体包括如下步骤：
步骤3211：计算主干路车流实际车头时距：tz＝tb1-tb2；
步骤3212：在交通流量较大情况下，按照泊松模型，采用如下指数分布：
Figure BDA0002949490470000066
其中，tz为主线车流的实际时距，tmin为主线车流最小车头时距；
取tmin＝4，对匝道车辆进行逐个分析，计算此时的Qp，并比较Qp与1大小；
若Qp≥1，则主路车距能保证匝道车辆安全汇入，不对其进行预警提示；
若Qp＜1，则LED预警提示模块对匝道车辆进行预警提示，驾驶员适当减速或继续向匝道加速区行驶一段距离后寻求合适的机会汇入主路，避免合流区鼻端刮擦事故的产生；
步骤3.3：基于强制换道的合流段终点交通事故预测模型的建立即追尾事故评判模型的建立，具体包括如下步骤：
步骤3.3.1：计算车辆A的最小制动距离；
考虑车辆A的纵向运动，定义vA为加速车道上车辆A的制动起始速度，vB为主线上车辆B的运动速度，t1为驾驶员的反应时间，t2为制动器制动协调时间，t3为制动器制动增长时间，amax为A车的最大减速度；
在驾驶员的反应阶段和制动器的制动协调阶段，汽车的制动器制动力为0，此阶段车辆A驶过的距离S1(m)如公式(5)所示：
Figure BDA0002949490470000071
在制动器制动力增长阶段，制动减速度线性增长，车辆A驶过的距离S2如公式(6)所示：
Figure BDA0002949490470000072
在制动器持续制动阶段，车辆A以amax做匀减速，车辆A驶过的距离S3如公式(7)所示：
Figure BDA0002949490470000073
驾驶员从发现危险到停下来，驶过的最小距离如公式(8)所示：
Smin＝S1+S2+S3
Figure BDA0002949490470000074
由于t3为0.1s～0.2s，amax小于10m/s2，且最后一项为负数，所以忽略不记，则汽车的停车距离如公式(9)所示：
Figure BDA0002949490470000075
步骤3.3.2：计算最小安全行车距离；
因这一过程时间较短，故假定目标车道上的车辆B匀速行驶；定义车辆A和B的间距为ΔS，两车间的最小安全距离为D，则：
D＝SA+ΔS-SB (10)；
若VB≥VA，则两车不会发生碰撞，所以对VB＜VA进行分析，当车辆A减速到VB时可知此时两车的间距达到最小，即此刻最危险；设两车的相对速度为VR＝VA-VB；
代入式(8)，得到：
Figure BDA0002949490470000076
模型中各参数的确定：t1表示驾驶员的反应时间；t2为制动协调时间；在实际制动过程中，t3表示制动力的制动增长时间；
步骤3.3.3：确定最小行车安全距离；
将步骤3.3.2中确定的各个参数代入公式(11)得到最小行车安全距离D；
步骤3.3.4：根据步骤3.3.3得到的最小安全行车距离进行交通事故预测，利用LED预警提示模块进行预警提示；若实时车辆A和B的相对间距大于D，则不对其进行预警提示；若实时车辆A和B的相对间距小于D，则LED预警提示模块进行预警对其进行预警提示。
优选地，在步骤3.3.2中，t1取1s；t2取0.3s；t3取0.2s；在干燥的沥青，混凝土路面为8.5m/s2，在潮湿的沥青混凝土路面为7m/s2，汽车的制动减速度为7m/s2；ΔS取为2米；
在步骤3.3.3中，基于高速公路进口匝道的交通特性，取速度差为36km/h，计算得到标准最小行车安全距离23.3m。
本发明所带来的有益技术效果：
毫米波雷达的双向感知及拼接使用；利用毫米波雷达全天时全天候的工作能力和检测精度高等特点，对毫米波雷达双向拼接使用达到双向感知的目的，能够快速有效的对匝道合流区的交通状态进行采集和分析，对合流区车辆进行智能全息引导，提高了高速公路的行车效率和安全性。
运用噪声剔除算法和基于卡尔曼滤波的车辆行驶轨迹预测算法进行数据预处理；本发明运用噪声剔除算法和基于卡尔曼滤波的车辆行驶轨迹预测算法对噪声目标进行剔除，获取到纯净的车辆的行驶数据信息，经验证其具有较好的噪声滤除效果。
基于Wiedemann模型、TTC测距碰撞算法和最小行车距离安全模型等的匝道合流区事故预测综合算法，形成了匝道车辆冲突在不同情况下的量化判别指标，根据数据拟合结果来确定最终的危险情况，并由LED作出预警提示，大大提升了车路协同能力以及合流效率。
附图说明
图1为本发明系统架构图。
图2为本发明划区域事故评判分析示意图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
一种高速公路匝道合流控制系统，如图1所示，包括数据采集模块、数据分析处理模块、合流区事故综合预测模块和LED预警提示模块；
前端数据采集模块，被配置为用于通过双向毫米波雷达对主路及匝道中车辆的运动情况以及位置信息进行实时采集并打包发送给服务器；
数据分析处理模块，被配置为用于利用噪声剔除算法和基于卡尔曼滤波的轨迹校正算法，获取干净的车辆速度、距离信息并对车辆的行驶轨迹进行预测；
数据分析处理模块，包括毫米波雷达噪声剔除子模块和基于卡尔曼滤波的车辆轨迹校正子模块；
毫米波雷达噪声剔除子模块，被配置为用于针对双向毫米波雷达采集的目标与雷达间的距离、目标相对雷达的速度和角度、目标的RCS能量值，使用阈值分析剔除特征简单、明显的噪声点；
基于卡尔曼滤波的车辆轨迹校正子模块，被配置为用于通过上一时刻的状态数据的估计值对当前的观测值进行修正和更新，采用“预测-实测-修正”的计算方式求得数据的最优预测值。
合流区事故综合预测模块，被配置为用于基于Wiedemann74模型、TTC测距碰撞算法和最小行车距离安全模型的匝道合流区事故预测综合算法，形成匝道车辆冲突在不同情况下的量化判别指标，根据数据拟合结果来确定最终的危险情况，决定LED预警提示模块是否作出预警提示；
阈值分析，包括RCS阈值分析、速度阈值分析和角度阈值分析；
RCS阈值分析：通常情况下，车辆的RCS值变化范围为70-110db，根据RCS能量值的阈值，剔除与车辆目标RCS能量值无关的噪声目标；
速度阈值分析：对长时间速度为零和超过最高限速特定倍数的目标进行剔除；
角度阈值分析：根据雷达布设角度，对超出角度范围的目标剔除。
LED预警提示模块，被配置为用于作为信息发布的载体，在高速公路信息数据系统中作为信息显示端为车辆提供引导，为匝道合流区的行车安全提供保障。
LED预警提示模块包括LED显示屏、单片机、以太网交换机、12V稳定电源以及安装有显示屏发送监控平台系统软件(以下简称“监控平台”)的电脑一台；
LED显示屏、单片机和电脑分别通过网线与以太网交换机连接，12V稳定电源为LED显示屏供电。
单片机采用正点原子STM32F4探索者单片机，LED显示屏采用P10单元板。
LED预警提示模块实现原理：
单片机作为客户端，监控平台作为服务端，通过TCP/IP协议两者建立连接，单片机将需要显示的内容通过UTF-8编码格式(XML格式文本串)发送给监控平台，监控平台对编码进行解析，解析完成返回解析结果(XML格式)，LED显示屏为监控平台的终端，将解析出的内容发送给LED显示屏，使LED显示屏显示出需要的内容。
LED预警提示模块工作原理：
(1)毫米波雷达提取到主路及匝道上的车辆行驶信息，发送给服务器。
(2)服务器通过提前写入的算法对车辆信息进行数据分析，进一步整合后通过TCP/IP协议发送给单片机。
(3)单片机接收到信息后，根据不同的信息将需要显示的内容发送给电脑监控平台，监控平台解析后LED显示屏显示内容。
(4)LED显示屏的数据存储器存储待显示内容的字模数据，通过扫描的方式使LED灯在显示屏上进行闪烁循环：位选→段选→清零→下一列位选......直至完成一次循环。
(5)每次循环的时间低于人眼残影停留时间(1/24秒)，从而在显示屏上显示出文字，达到预警的效果。
实施例2：
在上述实施例1的基础上，本发明还提到一种高速公路匝道合流控制方法，具体包括如下步骤：
步骤1：根据前端数据采集模块，通过双向毫米波雷达对主路及匝道中车辆的运动情况以及位置信息进行实时采集；
利用毫米波雷达全天时全天候的工作能力和检测精度高特点，对毫米波雷达双向拼接使用达到双向感知的目的，能够对匝道合流区的交通状态进行采集和分析，对合流区车辆进行智能全息引导。
步骤2：根据数据分析处理模块，利用噪声剔除算法和基于卡尔曼滤波的轨迹校正算法，获取干净的车辆速度、距离信息并对车辆的行驶轨迹进行预测；
噪声剔除算法是指针对双向毫米波雷达采集的目标与雷达间的距离、目标相对雷达的速度和角度、目标的RCS能量值，使用阈值分析剔除特征简单、明显的噪声点；
基于卡尔曼滤波的轨迹校正算法是指通过上一时刻的状态数据的估计值对当前的观测值进行修正和更新，采用“预测-实测-修正”的计算方式求得数据的最优预测值；在数据的处理过程中，它能够对数据中的噪声起到抑制作用，实现对目标当前运动状态数据的平滑处理和将来运动状态的估计预测，数据的更新过程是依据目标的状态方程进行更新，包括对状态变量和量测数据的更新。
步骤3：根据合流区事故综合预测模块，基于Wiedemann74模型、TTC测距碰撞算法和最小行车距离安全模型的匝道合流区事故预测综合算法，形成匝道车辆冲突在不同情况下的量化判别指标，根据数据拟合结果来确定最终的危险情况，决定LED预警提示模块是否作出预警提示；如图2所示，
具体包括如下步骤：
步骤3.1：事故评判；
正常行驶情况下，匝道车辆驶入匝道合流区后，必须经过变道行为汇入主路，由于两车道速度差的存在，使得车辆汇入时很容易产生交通瓶颈；依据匝道车辆所处位置，匝道合流区的交通事故分为两种：当车辆处于匝道合流区鼻端时，发生的冲突判定为侧向刮蹭冲突；当车辆处于合流段终点时，发生的冲突判定为追尾冲突；
步骤3.2：侧向刮蹭事故评判模型的建立；
通过毫米波雷达获得的主路及匝道车辆信息及其表示符号：
车辆位置(xi，yi)、车辆速度vi、加速度ai、主路交通量Q1、匝道交通量Q2；
主路和匝道交通量较小的情况下，计算出Qr和t，然后将Qr与设备所在高速公路等级交通服务量Qa作对比，决定是否要进行预警措施；
在主路和匝道交通量较小，车辆行驶几乎不受阻碍的前提下，利用负指和TTC碰撞测距算法进行数据分析，建立通行模型，具体包括如下步骤：
步骤3201：根据公式(1)，计算匝道车辆从毫米波雷达信息采集点到合流区鼻端的加速时间
Figure BDA0002949490470000111
Figure BDA0002949490470000112
其中，
Figure BDA0002949490470000113
ai分别是毫米波雷达采集信息瞬间匝道车辆的运行速度、加速度，Si为匝道车辆距A点的距离；ta1和ta2表示预测的匝道两连续车辆车头端部通过A点的时刻；i为车辆编号，取1，2，3，......；
步骤3202：根据公式(2)，计算主路距A点最近车辆到达合流区鼻端的时间tbj；
Figure BDA0002949490470000114
其中，
Figure BDA0002949490470000115
aj分别是毫米波雷达采集信息瞬间主路距A点最近车辆的运行速度、加速度，Sj为采集信息时车辆到达A点的路程；tb1和tb2表示预测的主路两连续车辆车头端部通过A点的时刻；j为车辆编号，取1，2，3，......；
步骤3203：计算匝道车辆的车头时距：t＝ta1-ta2；
建立两车道通行能力计算公式：
Figure BDA0002949490470000116
其中，Qr为匝道入口处车辆通行能力，t0为匝道来车汇入主路的临界间隙值；
步骤3204：根据设备所在高速公路等级交通服务量，若实际通行能力Qa≤Qr或t≤3，则LED预警提示模块对车辆进行预警提示，提示匝道来车减速慢行，驾驶员根据车况适当减速慢行；若Qa＞Qr，则不对其进行预警提示；
主路和匝道交通量较大的情况下计算Qp，之后将Qp与1作对比，决定是否要进行预警措施，具体包括如下步骤：
步骤3211：计算主干路车流实际车头时距：tz＝tb1-tb2；
步骤3212：在交通流量较大情况下，按照泊松模型，采用如下指数分布：
Figure BDA0002949490470000121
其中，tz为主线车流的实际时距，tmin为主线车流最小车头时距；
取tmin＝4，对匝道车辆进行逐个分析，计算此时的Qp，并比较Qp与1大小；
若Qp≥1，则主路车距能保证匝道车辆安全汇入，不对其进行预警提示；
若Qp＜1，则LED预警提示模块对匝道车辆进行预警提示，驾驶员适当减速或继续向匝道加速区行驶一段距离后寻求合适的机会汇入主路，避免合流区鼻端刮擦事故的产生；
步骤3.3：基于强制换道的合流段终点交通事故预测模型的建立即追尾事故评判模型的建立；
车辆换道行为分析：
强制性换道具有一个最迟换道位置，车辆在达到该位置之前必须完成换道操作，否则车辆在加速车道会发生停滞，导致交通拥堵，为保证行车安全和交通流密度，本环节针对加速车道末端车辆强制性换道事件建立最小安全距离换道模型。
步骤3.3.1：计算车辆A的最小制动距离；
考虑车辆A的纵向运动，vA定义为加速车道上车辆A的制动起始速度，vB为主线上车辆B的运动速度，t1为驾驶员的反应时间，t2为制动器制动协调时间，t3为制动器制动增长时间，amax为A车的最大减速度；
在驾驶员的反应阶段和制动器的制动协调阶段，汽车的制动器制动力为0，此阶段车辆A驶过的距离S1(m)如公式(5)所示：
Figure BDA0002949490470000122
在制动器制动力增长阶段，制动减速度线性增长，车辆A驶过的距离S2如公式(6)所示：
Figure BDA0002949490470000123
在制动器持续制动阶段，车辆A以amax做匀减速，车辆A驶过的距离S3如公式(7)所示：
Figure BDA0002949490470000124
驾驶员从发现危险到停下来，驶过的最小距离如公式(8)所示：
Smin＝S1+S2+S3
Figure BDA0002949490470000131
由于t3为0.1s～0.2s，amax小于10m/s2，且最后一项为负数，所以忽略不记，则汽车的停车距离如公式(9)所示：
Figure BDA0002949490470000132
步骤3.3.2：计算最小安全行车距离；
因这一过程时间较短，故假定目标车道上的车辆B匀速行驶；定义车辆A和B的间距为ΔS，两车间的最小安全距离为D，则：
D＝SA+ΔS-SB (10)
若VB≥VA，则两车不会发生碰撞，所以对VB＜VA进行分析，当车辆A减速到VB时可知此时两车的间距达到最小，即此刻最危险；设两车的相对速度为VR＝VA-VB；
代入式(8)，得到：
Figure BDA0002949490470000133
模型中各参数的确定：t1表示驾驶员的反应时间；t2为制动协调时间；在实际制动过程中，t3表示制动力的制动增长时间；
步骤3.3.3：确定最小行车安全距离；
将步骤3.3.2中确定的各个参数代入公式(11)得到最小行车安全距离D；
步骤3.3.4：根据步骤3.3.3得到的最小安全行车距离进行交通事故预测，利用LED预警提示模块进行预警提示；若实时车辆A和B的相对间距大于D，则不对其进行预警提示；若实时车辆A和B的相对间距小于D，则LED预警提示模块进行预警对其进行预警提示。
在步骤3.3.2中，t1取1s；t2取0.3S；t3取0.2S；在干燥的沥青，混凝土路面为8.5m/s2，在潮湿的沥青混凝土路面为7m/s2，汽车的制动减速度为7m/s2；ΔS取为2米；
在步骤3.3.3中，基于高速公路进口匝道的交通特性，取速度差为36km/h，计算得到标准最小行车安全距离23.3m。
步骤4：根据LED预警提示模块，作为信息发布的载体，在高速公路信息数据系统中作为信息显示端为车辆提供引导，为匝道合流区的行车安全提供保障。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (4)

1.一种高速公路匝道合流控制方法，其特征在于：采用一种高速公路匝道合流控制系统，该系统包括数据采集模块、数据分析处理模块、合流区事故综合预测模块和LED预警提示模块；
前端数据采集模块，被配置为用于通过双向毫米波雷达对主路及匝道中车辆的运动情况以及位置信息进行实时采集；
数据分析处理模块，被配置为用于利用噪声剔除算法和基于卡尔曼滤波的轨迹校正算法，获取干净的车辆速度、距离信息并对车辆的行驶轨迹进行预测；
合流区事故综合预测模块，被配置为用于基于Wiedemann74模型、TTC测距碰撞算法和最小行车距离安全模型的匝道合流区事故预测综合算法，形成匝道车辆冲突在不同情况下的量化判别指标，根据数据拟合结果来确定最终的危险情况，决定LED预警提示模块是否作出预警提示；
LED预警提示模块，被配置为用于作为信息发布的载体，在高速公路信息数据系统中作为信息显示端为车辆提供引导，为匝道合流区的行车安全提供保障；
数据分析处理模块，包括毫米波雷达噪声剔除子模块和基于卡尔曼滤波的车辆轨迹校正子模块；
毫米波雷达噪声剔除子模块，被配置为用于针对双向毫米波雷达采集的目标与雷达间的距离、目标相对雷达的速度和角度、目标的RCS能量值，使用阈值分析剔除特征简单、明显的噪声点；
基于卡尔曼滤波的车辆轨迹校正子模块，被配置为用于通过上一时刻的状态数据的估计值对当前的观测值进行修正和更新，采用“预测-实测-修正”的计算方式求得数据的最优预测值；
阈值分析，包括RCS阈值分析、速度阈值分析和角度阈值分析；
RCS阈值分析：车辆的RCS值变化范围为70-110db，根据RCS能量值的阈值，剔除与车辆目标RCS能量值无关的噪声目标；
速度阈值分析：对长时间速度为零和超过最高限速特定倍数的目标进行剔除；
角度阈值分析：根据雷达布设角度，对超出角度范围的目标剔除；
LED预警提示模块包括LED显示屏、单片机、以太网交换机、12V稳定电源以及电脑；
LED显示屏、单片机和电脑分别通过网线与以太网交换机连接，12V稳定电源为LED显示屏供电；
单片机采用正点原子STM32F4探索者单片机，LED显示屏采用P10单元板；
具体包括如下步骤：
步骤1：根据前端数据采集模块，通过双向毫米波雷达对主路及匝道中车辆的运动情况以及位置信息进行实时采集；
步骤2：根据数据分析处理模块，利用噪声剔除算法和基于卡尔曼滤波的轨迹校正算法，获取干净的车辆速度、距离信息并对车辆的行驶轨迹进行预测；
步骤3：根据合流区事故综合预测模块，基于Wiedemann74模型、TTC测距碰撞算法和最小行车距离安全模型的匝道合流区事故预测综合算法，形成匝道车辆冲突在不同情况下的量化判别指标，根据数据拟合结果来确定最终的危险情况，决定LED预警提示模块是否作出预警提示；
具体包括如下步骤：
步骤3.1：事故评判；
正常行驶情况下，匝道车辆驶入匝道合流区后，必须经过变道行为汇入主路，由于两车道速度差的存在，使得车辆汇入时很容易产生交通瓶颈；依据匝道车辆所处位置，匝道合流区的交通事故分为两种：当车辆处于匝道合流区鼻端时，发生的冲突判定为侧向刮蹭冲突；当车辆处于合流段终点时，发生的冲突判定为追尾冲突；
步骤3.2：侧向刮蹭事故评判模型的建立；
通过毫米波雷达获得的主路及匝道车辆信息及其表示符号：
车辆位置(xi，yi)、车辆速度vi、加速度ai、主路交通量Q1、匝道交通量Q2；
主路和匝道交通量较小的情况下，计算出Qr和t，然后将Qr与设备所在高速公路等级交通服务量Qa作对比，决定是否要进行预警措施；
在主路和匝道交通量较小，车辆行驶几乎不受阻碍的前提下，利用负指和TTC碰撞测距算法进行数据分析，建立通行模型，具体包括如下步骤：
步骤3201：根据公式(1)，计算匝道车辆从毫米波雷达信息采集点到合流区鼻端的加速时间
Figure FDA0003504827670000021
Figure FDA0003504827670000022
其中，
Figure FDA0003504827670000023
ai分别是毫米波雷达采集信息瞬间匝道车辆的运行速度、加速度，Si为匝道车辆距A点的距离；ta1和ta2表示预测的匝道两连续车辆车头端部通过A点的时刻；i为车辆编号，取1，2，3，......；
步骤3202：根据公式(2)，计算主路距A点最近车辆到达合流区鼻端的时间
Figure FDA0003504827670000024
Figure FDA0003504827670000031
其中，
Figure FDA0003504827670000032
aj分别是毫米波雷达采集信息瞬间主路距A点最近车辆的运行速度、加速度，Sj为采集信息时车辆到达A点的路程；tb1和tb2表示预测的主路两连续车辆车头端部通过A点的时刻；j为车辆编号，取1，2，3，......；
步骤3203：计算匝道车辆的车头时距：t＝ta1-ta2；
建立两车道通行能力计算公式：
Figure FDA0003504827670000033
其中，Qr为匝道入口处车辆通行能力，t0为匝道来车汇入主路的临界间隙值；
步骤3204：根据设备所在高速公路等级交通服务量，若实际通行能力Qa≤Qr或t≤3，则LED预警提示模块对车辆进行预警提示，提示匝道来车减速慢行，驾驶员根据车况适当减速慢行；若Qa＞Qr，则不对其进行预警提示；
主路和匝道交通量较大的情况下计算Qp，之后将Qp与1作对比，决定是否要进行预警措施，具体包括如下步骤：
步骤3211：计算主干路车流实际车头时距：tz＝tb1-tb2；
步骤3212：在交通流量较大情况下，按照泊松模型，采用如下指数分布：
Figure FDA0003504827670000034
其中，tz为主线车流的实际时距，tmin为主线车流最小车头时距；
取tmin＝4，对匝道车辆进行逐个分析，计算此时的Qp，并比较Qp与1大小；
若Qp≥1，则主路车距能保证匝道车辆安全汇入，不对其进行预警提示；
若Qp＜1，则LED预警提示模块对匝道车辆进行预警提示，驾驶员适当减速或继续向匝道加速区行驶一段距离后寻求合适的机会汇入主路，避免合流区鼻端刮擦事故的产生；
步骤3.3：基于强制换道的合流段终点交通事故预测模型的建立即追尾事故评判模型的建立，具体包括如下步骤：
步骤3.3.1：计算车辆A的最小制动距离；
考虑车辆A的纵向运动，定义vA为加速车道上车辆A的制动起始速度，vB为主线上车辆B的运动速度，t1为驾驶员的反应时间，t2为制动器制动协调时间，t3为制动器制动增长时间，amax为A车的最大减速度；
在驾驶员的反应阶段和制动器的制动协调阶段，汽车的制动器制动力为0，此阶段车辆A驶过的距离S1(m)如公式(5)所示：
Figure FDA0003504827670000041
在制动器制动力增长阶段，制动减速度线性增长，车辆A驶过的距离S2如公式(6)所示：
Figure FDA0003504827670000042
在制动器持续制动阶段，车辆A以amax做匀减速，车辆A驶过的距离S3如公式(7)所示：
Figure FDA0003504827670000043
驾驶员从发现危险到停下来，驶过的最小距离如公式(8)所示：
Smin＝S1+S2+S3
Figure FDA0003504827670000044
由于t3为0.1s～0.2s，amax小于10m/s2，且最后一项为负数，所以忽略不记，则汽车的停车距离如公式(9)所示：
Figure FDA0003504827670000045
步骤3.3.2：计算最小安全行车距离；
因这一过程时间较短，故假定目标车道上的车辆B匀速行驶；定义车辆A和B的间距为ΔS，两车间的最小安全距离为D，则：
D＝SA+ΔS-SB (10)；
若VB≥VA，则两车不会发生碰撞，所以对VB＜VA进行分析，当车辆A减速到VB时可知此时两车的间距达到最小，即此刻最危险；设两车的相对速度为VR＝VA-VB；
代入式(8)，得到：
Figure FDA0003504827670000046
模型中各参数的确定：t1表示驾驶员的反应时间；t2为制动协调时间；在实际制动过程中，t3表示制动力的制动增长时间；
步骤3.3.3：确定最小行车安全距离；
将步骤3.3.2中确定的各个参数代入公式(11)得到最小行车安全距离D；
步骤3.3.4：根据步骤3.3.3得到的最小安全行车距离进行交通事故预测，利用LED预警提示模块进行预警提示；若实时车辆A和B的相对间距大于D，则不对其进行预警提示；若实时车辆A和B的相对间距小于D，则LED预警提示模块进行预警对其进行预警提示；
步骤4：根据LED预警提示模块，作为信息发布的载体，在高速公路信息数据系统中作为信息显示端为车辆提供引导，为匝道合流区的行车安全提供保障。
2.根据权利要求1所述的高速公路匝道合流控制方法，其特征在于：在步骤1中，利用毫米波雷达全天时全天候的工作能力和检测精度高特点，对毫米波雷达双向拼接使用达到双向感知的目的，能够对匝道合流区的交通状态进行采集和分析，对合流区车辆进行智能全息引导。
3.根据权利要求1所述的高速公路匝道合流控制方法，其特征在于：在步骤2中，
噪声剔除算法是指针对双向毫米波雷达采集的目标与雷达间的距离、目标相对雷达的速度和角度、目标的RCS能量值，使用阈值分析剔除特征简单、明显的噪声点；
基于卡尔曼滤波的轨迹校正算法是指通过上一时刻的状态数据的估计值对当前的观测值进行修正和更新，采用“预测-实测-修正”的计算方式求得数据的最优预测值；在数据的处理过程中，它能够对数据中的噪声起到抑制作用，实现对目标当前运动状态数据的平滑处理和将来运动状态的估计预测，数据的更新过程是依据目标的状态方程进行更新，包括对状态变量和量测数据的更新。
4.根据权利要求1所述的高速公路匝道合流控制方法，其特征在于：在步骤3.3.2中，t1取1s；t2取0.3s；t3取0.2s；在干燥的沥青，混凝土路面为8.5m/s2，在潮湿的沥青混凝土路面为7m/s2，汽车的制动减速度为7m/s2；ΔS取为2米；
在步骤3.3.3中，基于高速公路进口匝道的交通特性，取速度差为36km/h，计算得到标准最小行车安全距离23.3m。
CN202110204968.6A 2021-02-24 2021-02-24 一种高速公路匝道合流控制系统及方法 Active CN112927512B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110204968.6A CN112927512B (zh) 2021-02-24 2021-02-24 一种高速公路匝道合流控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110204968.6A CN112927512B (zh) 2021-02-24 2021-02-24 一种高速公路匝道合流控制系统及方法

Publications (2)

Publication Number Publication Date
CN112927512A CN112927512A (zh) 2021-06-08
CN112927512B true CN112927512B (zh) 2022-03-29

Family

ID=76170650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110204968.6A Active CN112927512B (zh) 2021-02-24 2021-02-24 一种高速公路匝道合流控制系统及方法

Country Status (1)

Country Link
CN (1) CN112927512B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240910B (zh) * 2021-07-12 2021-10-26 中国人民解放军国防科技大学 基于协同车辆的道路检测方法、系统、设备和存储介质
CN113721239B (zh) * 2021-07-23 2023-09-08 山东省科学院自动化研究所 一种雷达监测交通违章的方法及系统
CN113593302A (zh) * 2021-07-23 2021-11-02 重庆智和慧创科技有限公司 一种基于车联网的车路协同防碰撞系统服务平台
CN113362606A (zh) * 2021-07-23 2021-09-07 重庆智和慧创科技有限公司 一种基于车联网的车路协同防碰撞综合控制系统
CN113744527B (zh) * 2021-08-31 2022-07-12 北京航空航天大学 一种面向高速公路合流区的智能靶向疏堵方法
CN113744540A (zh) * 2021-09-29 2021-12-03 中汽创智科技有限公司 一种车辆汇入方法、系统、设备及存储介质
CN114708734B (zh) * 2022-05-07 2023-01-10 合肥工业大学 一种入口匝道网联人工驾驶车辆汇入主线协同控制方法
CN114639246A (zh) * 2022-05-18 2022-06-17 哈尔滨工业大学 一种高速公路匝道合流区车路协同控制方法及系统
CN115148020B (zh) * 2022-06-13 2023-06-02 中国标准化研究院 基于高速公路单位时间内交通流量的监测系统及其方法
CN115472032B (zh) * 2022-08-24 2024-05-28 武汉理工大学 一种高速公路匝道合流区车辆自动换道决策系统及方法
CN115547035B (zh) * 2022-08-31 2023-08-29 交通运输部公路科学研究所 超视距避撞行驶控制方法、装置及信息物理系统
CN116110254A (zh) * 2023-04-13 2023-05-12 深圳锐盟半导体有限公司 多通道交汇处的防撞提醒方法、装置、设备及存储介质
CN116403406B (zh) * 2023-05-24 2023-10-20 山东科技大学 一种针对城市高架快速路车辆合流的指导系统及方法
CN116819483B (zh) * 2023-08-28 2023-11-14 南京隼眼电子科技有限公司 路口车辆排队长度检测方法、装置、存储介质及终端
CN117246321A (zh) * 2023-09-14 2023-12-19 武汉科技大学 一种多场景下的前方危险目标检测方法及aeb控制策略
CN117351726B (zh) * 2023-12-06 2024-03-12 山东科技大学 一种高速公路事件预警系统及综合感知方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102314769A (zh) * 2010-07-07 2012-01-11 交通运输部公路科学研究所 高速公路入口匝道合流区智能安全预警控制方法
CN104332071A (zh) * 2014-11-06 2015-02-04 长安大学 一种匝道车辆汇入主干道的安全提示装置及提示方法
CN104464317A (zh) * 2014-12-03 2015-03-25 武汉理工大学 高速公路入口匝道合流区引导控制系统和方法
CN106780272A (zh) * 2016-12-05 2017-05-31 南通大学 一种利用交通冲突计算菱形立交减速匝道长度的方法
CN108545079A (zh) * 2018-03-30 2018-09-18 吉利汽车研究院（宁波）有限公司 一种拥堵路况驾驶辅助系统及方法
CN110782704A (zh) * 2019-11-01 2020-02-11 北京星云互联科技有限公司 基于车路协同的交通引导方法、设备、系统及存储介质
CN111415531A (zh) * 2019-06-17 2020-07-14 北京航空航天大学 一种基于车辆行驶轨迹预测的高速公路合流区交通冲突判别方法
CN111462491A (zh) * 2019-12-10 2020-07-28 北京航空航天大学 一种基于匝道控制的高速公路合流区交通冲突预警方法
CN111882892A (zh) * 2020-08-11 2020-11-03 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种主、次干道交叉口信号灯配时智能控制装置及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9927251B2 (en) * 2009-02-24 2018-03-27 Alpine Electronics, Inc. Method and apparatus for detecting and correcting freeway-ramp-freeway situation in calculated route
CN107093332B (zh) * 2017-07-06 2019-10-22 哈尔滨工业大学 城市快速路匝道合流区安全预警系统
CN109686108B (zh) * 2019-02-19 2023-11-21 广州华南路桥实业有限公司 一种车辆目标轨迹跟踪系统及车辆轨迹跟踪方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102314769A (zh) * 2010-07-07 2012-01-11 交通运输部公路科学研究所 高速公路入口匝道合流区智能安全预警控制方法
CN104332071A (zh) * 2014-11-06 2015-02-04 长安大学 一种匝道车辆汇入主干道的安全提示装置及提示方法
CN104464317A (zh) * 2014-12-03 2015-03-25 武汉理工大学 高速公路入口匝道合流区引导控制系统和方法
CN106780272A (zh) * 2016-12-05 2017-05-31 南通大学 一种利用交通冲突计算菱形立交减速匝道长度的方法
CN108545079A (zh) * 2018-03-30 2018-09-18 吉利汽车研究院（宁波）有限公司 一种拥堵路况驾驶辅助系统及方法
CN111415531A (zh) * 2019-06-17 2020-07-14 北京航空航天大学 一种基于车辆行驶轨迹预测的高速公路合流区交通冲突判别方法
CN110782704A (zh) * 2019-11-01 2020-02-11 北京星云互联科技有限公司 基于车路协同的交通引导方法、设备、系统及存储介质
CN111462491A (zh) * 2019-12-10 2020-07-28 北京航空航天大学 一种基于匝道控制的高速公路合流区交通冲突预警方法
CN111882892A (zh) * 2020-08-11 2020-11-03 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种主、次干道交叉口信号灯配时智能控制装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
高速公路主线同侧连续入口最小间距研究;潘兵宏;《公路》;20170630;第4-6页 *
高速公路入口匝道汇合控制下的道路通行能力;徐建闽;《华 南 理 工 大 学 学 报（自 然 科 学 版）》;20020731;第67-68页 *

Also Published As

Publication number Publication date
CN112927512A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN112927512B (zh) 一种高速公路匝道合流控制系统及方法
CN110264783B (zh) 基于车路协同的车辆防碰撞预警系统及方法
CN105374215B (zh) 一种高速公路路侧预警装置
CN109859500B (zh) 一种基于车路协同的高速合流区安全预警方法
CN109559532B (zh) 高速公路出口分流区车路协同安全预警控制方法
CN110164130B (zh) 交通事件检测方法、装置、设备及存储介质
CN110570664A (zh) 一种高速公路交通事件自动检测系统
CN207517194U (zh) 基于车路协同的高速公路运行车速主动预警系统
CN113936463B (zh) 一种基于雷达和视频数据融合的隧道交通管控方法及系统
CN110077398B (zh) 一种用于智能驾驶的危险处理方法
WO2022213542A1 (zh) 基于激光雷达和轨迹预测的信控交叉口清空方法和系统
CN110827542A (zh) 一种高速公路安全车距预警系统
CN113192331B (zh) 一种网联环境下面向骑行安全的智能预警系统及预警方法
CN111462517A (zh) 用于智能车辆自动驾驶的车路协同系统及其协同控制方法
CN114387785A (zh) 一种基于智慧公路的安全管控方法、系统及可存储介质
CN114241777A (zh) 一种多源异构联网监测路况预警系统和方法
CN114512002B (zh) 一种道路路面异常检测方法及装置
CN106428003A (zh) 不良天气下高速公路车辆偏离车道的预警装置及方法
CN114038195A (zh) 基于轨迹分析的道路异常事件监控检测方法
CN113487873A (zh) 一种公路交通安全智能检测系统
CN117079465A (zh) 一种用于高速公路的行驶车辆安全预警方法与系统
CN116118827A (zh) 一种无人道口远程预警方法、系统、设备和存储介质
CN116165655A (zh) 一种基于毫米波雷达组群的全域车辆轨迹跟踪系统
CN211237114U (zh) 一种交通智能诱导系统
CN115440023A (zh) 交通违规行为的判定方法和装置

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
CB03 Change of inventor or designer information

Inventor after: Lu Xiao

Inventor after: Shi Guofeng

Inventor after: Liu Haiqing

Inventor after: Teng Kunmin

Inventor after: Wang Haixia

Inventor after: Zhang Zhiguo

Inventor after: Sheng Chunyang

Inventor after: Song Shibin

Inventor after: Nie Jun

Inventor before: Lu Xiao

Inventor before: Shi Guofeng

Inventor before: Liu Haiqing

Inventor before: Teng Kunmin

Inventor before: Wang Haixia

Inventor before: Zhang Zhiguo

Inventor before: Sheng Chunyang

Inventor before: Song Shibin

Inventor before: Nie Jun

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant