CN112950946A - 一种市政道路施工期交通拥堵原因判别方法 - Google Patents
一种市政道路施工期交通拥堵原因判别方法 Download PDFInfo
- Publication number
- CN112950946A CN112950946A CN202110218886.7A CN202110218886A CN112950946A CN 112950946 A CN112950946 A CN 112950946A CN 202110218886 A CN202110218886 A CN 202110218886A CN 112950946 A CN112950946 A CN 112950946A
- Authority
- CN
- China
- Prior art keywords
- traffic
- road
- congestion
- construction period
- 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
- G08G1/01—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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- 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
Abstract
本发明公开了一种市政道路施工期交通拥堵原因判别方法,包括以下步骤:步骤1、获取历史交通数据,根据道路交通系统四要素,对某城市主干路改造施工期交通系统交通特性进行研究;步骤2、对市政道路施工期交通系统常见拥堵原因进行归类,建立市政道路施工期交通系统拥堵原因树模型;步骤3、对拥堵原因树模型中各项致堵原因进行交通表征特性分析;步骤4、通过道路周围设置的交通信息采集设备采集拥堵交通路段的交通数据,计算其交通指标并判别发生拥堵的原因。本发明解决了施工期交通拥堵原因查找困难、低效和管理措施针对性不强、效果不好的问题,可以用于指导今后的施工期交通拥堵治理措施决策,提高选用交通治理手段的效率和科学性。
Description
技术领域
本发明涉及交通管理技术领域,尤其涉及一种市政道路施工期交通拥堵原因判别方法。
背景技术
我国经历了世界历史上规模最大、速度最快的城镇化进程,常住人口城镇化率从1978年的18%上升到2019年的60%,城市发展成就举世瞩目。但是,近年来,我国越来越多的城市患上了包括交通拥堵在内的诸多“城市病”,早晚高峰城市道路的某个路口或路段因通行能力不足或交通事故等原因,导致局部车流速度下降乃至上游大范围路段交通阻塞,影响了城市的运行效率和发展质量。
不仅正常通行道路的交通拥堵给市民出行带来不便,处于改造施工中的城市道路交通拥堵更是让市民苦不堪言,严重降低了人们的幸福感。具体而言,新形势下,城镇化发展从规模扩张向存量更新逐步转变,城市道路综合提升改造项目数量不断增长。城市道路项目经常需要占道施工打围,进而占用市政道路车辆通行空间,造成一定程度的交通拥堵,甚至影响到周边路网的交通通行效率,对市民出行造成不便,增加了交通管理部门的管理负荷和管理难度。目前,由各种道路交通基础设施建设和维护造成的交通拥堵已经成为道路交通拥堵的主要类型。特别是大型建设项目占用道路时间长、占用范围大,给周边道路带来很大的交通压力,严重影响沿线居民正常生活和出行。另外,常规施工期交通组织主要依靠交警和施工疏导员在关键路段和交叉口进行人工指挥和疏导,随着城市机动车保有量的增加和新型城镇化建设进一步加快,传统交通管理手段已越来越无法有效应对复杂的交通路况。
目前对缓解市政道路施工期交通拥堵的研究较少,大多是针对城市常规道路交通拥堵问题的研究,且拥堵原因和措施多从宏观层面加以分析。然而市政道路施工期交通拥堵的原因较常规道路有所不同,且应从具体原因着手才能药到病除。
发明内容
本发明要解决的技术问题在于针对市政道路施工期交通拥堵的研究较少,大多是针对城市常规道路交通拥堵问题的研究,且拥堵原因和措施多从宏观层面加以分析的缺陷,提供一种市政道路施工期交通拥堵原因判别方法。
本发明解决其技术问题所采用的技术方案是:
本发明提供一种市政道路施工期交通拥堵原因判别方法,该方法包括以下步骤:
步骤1、获取历史交通数据,根据道路交通系统四要素:人、车路、环境,对某城市主干路改造施工期交通系统交通特性进行研究;
步骤2、根据交通特性研究,对市政道路施工期交通系统常见拥堵原因进行归类,建立市政道路施工期交通系统拥堵原因树模型,并形成拥堵原因交通指标特性表;
步骤3、对拥堵原因树模型中各项致堵原因进行交通表征特性分析,将拥堵原因转化为可量化、可判别的交通指标;
步骤4、对发生拥堵的交通路段,启动致堵原因判别流程,通过道路周围设置的交通信息采集设备采集拥堵交通路段的交通数据,计算其交通指标,并结合拥堵原因交通指标特性表判别发生拥堵的原因。
进一步地,本发明的所述的步骤1的具体方法包括:
人的因素考虑行人和非机动车交通,将驾驶员特性用车辆特性代替;
车的因素考虑车辆的交通特性,包括车辆的驾驶行为、数量、比例;
道路因素考虑宏观特性和微观特性,宏观特性包括路网密度、道路网布局,微观特性包括公交车站设置、出入口布置、道路结构破损情况;
环境因素考虑气象条件和人工环境。
进一步地,本发明的所述的步骤2的建立市政道路施工期交通系统拥堵原因树模型的具体方法包括:
将致堵原因按照人、车、路、环境进行分类,建立市政道路施工期交通拥堵原因树模型,交通拥堵原因树模型包括人、车、路、环境4大因素层,并细分至30个因子层;因子层具体包括:
人的因素层对应的因子层包括:行人闯红灯、行人横穿马路、人和非机动车混行、占道经营、非机动车乱停乱放;
车的因素层对应的因子层包括:闯红灯、不按道行驶、多车并行、单车加塞、单车事故或故障、多车事故、周边举行大型活动、大车比例增加、高峰期数量剧增、长时违规占道停车、短时违规占道停车;
道路因素层对应的因子层包括:交叉口组织不合理、公交车站设置不合理、路面结构破损严重、车道数设置不合理、出入口设置不合理、交叉口间距过密、公交线路过密、限行管理不当、停车管理不当、围挡设施设置不合理;
环境因素层对应的因子层包括:恶劣天气、道路渍水、周边地块交付使用、道路障碍物。
进一步地,本发明的所述的步骤3中对拥堵原因树模型中各项致堵原因进行交通表征特性分析的具体方法包括:
对各项致堵原因采用包括流量、延误、车速3项基本指标和补充指标加以表征,用于进行致堵原因判别。
进一步地,本发明的所述的流量指标具体为:
流量又称交通量,是指单位时间内通过道路指定地点或断面的标准车辆数,用V标示;交通量具有随时间和空间变化而变化的特征;其公式为:
V=N/T
式中:T-观测时间,单位为h;
N-观测时段内的车辆数,单位为veh。
进一步地,本发明的所述的延误指标具体为:
平均延误时间为车辆在延误路段内实际行驶时间与在该路段内自由流速度行驶时间之差的平均值,它能反映道路的拥堵严重程度,是衡量城市道路交通运行状况的重要评价指标;其公式为:
式中:Tequ-平均延误时间,单位为s;
Ti-第i辆车在延误路段通行时间,单位为s;
Tf-畅通时自由流行驶在延误路段通行时间,单位为s;
n为通过车辆总数,单位为veh。
进一步地,本发明的所述的车速指标具体为:
车速是指车辆在单位时间内通过的距离;从宏观上看,路段交通流的平均速度包括特定地点的时间平均速度与特定路段的区间平均速度;时间平均速度是在观测时间内通过某截面所有车辆地点速度的算术平均值,用表示,而区间平均速度是观测距离与车辆通过该距离所用平均行程时间之比;检测速度为时间平均速度,计算公式如下:
式中:ui-第i辆车的地点速度,单位为km/h;
N-观测的车辆数,单位为veh。
进一步地,本发明的所述的步骤3中对交通指标数据进行量化、判别的具体方法为:
对于需要进行交通指标比较的,则与历史同期数据进行比较,计算其变化幅度;计算公式如下:
a=(Sh-Sn)/Sn*100%
式中,Sh-某指标的观测值;Sn-某指标平日的正常值;a-指标变化幅度;
若a大于一定阈值,则判别该交通指标发生异常变化。
进一步地,本发明的所述的步骤3中形成的拥堵原因交通指标特性表具体为:
进一步地,本发明的所述的步骤4的具体方法包括:
在道路上布设交通信息采集设备,包括但不限于视频检测器、感应线圈检测器、雷达检测器;
通过交通信息采集设备获取交通指标;
对交通指标进行量化计算,并与拥堵原因交通指标特性表进行对比判别;
若符合拥堵原因交通指标特性表中的任一条,则得到拥堵原因。
本发明产生的有益效果是:本发明的市政道路施工期交通拥堵原因判别方法,能够根据市政道路施工期交通系统的交通特性,从人、车、路、环境四个方面对市政道路施工期交通系统常见拥堵原因进行归类,从而建立拥堵原因树模型,并对致堵原因进行交通表征指标研究,从而能够快速、准确判别市政道路施工期交通拥堵致堵原因。解决了施工期交通拥堵原因查找困难、低效和管理措施针对性不强、效果不好的问题,可以用于指导今后的施工期交通拥堵治理措施决策,提高选用交通治理手段的效率和科学性。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例中市政道路施工期交通系统与传统道路交通系统中,人的因素交通特性对比图;
图2是本发明实施例中市政道路施工期交通系统与传统道路交通系统中,车的因素交通特性对比图;
图3是本发明实施例中市政道路施工期交通系统与传统道路交通系统中,路的因素交通特性对比图;
图4是本发明实施例中市政道路施工期交通系统与传统道路交通系统中,环境因素交通特性对比图;
图5是本发明实施例中,市政道路施工期交通系统拥堵原因树模型。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1-图5所示,本发明实施例的市政道路施工期交通拥堵原因判别方法,该方法包括以下步骤:
步骤1、获取历史交通数据,根据道路交通系统四要素:人、车路、环境,对某城市主干路改造施工期交通系统交通特性进行研究;
步骤2、根据交通特性研究,对市政道路施工期交通系统常见拥堵原因进行归类,建立市政道路施工期交通系统拥堵原因树模型,并形成拥堵原因交通指标特性表;
步骤3、对拥堵原因树模型中各项致堵原因进行交通表征特性分析,将拥堵原因转化为可量化、可判别的交通指标;
步骤4、对发生拥堵的交通路段,启动致堵原因判别流程,通过道路周围设置的交通信息采集设备采集拥堵交通路段的交通数据,计算其交通指标,并结合拥堵原因交通指标特性表判别发生拥堵的原因。
步骤1中市政道路施工期交通系统人、车、路、环境等4项要素的交通特性:
道路交通系统是一个由人、车、路、环境构成的复杂系统,每个要素都对交通系统的整体运行有重要影响。
道路交通系统中的人包括驾驶员、乘客和行人。人是交通系统中的主要部分,贯穿于交通系统的各个方面。其中,除了行人和自行车交通以外,其他的道路客、货运输都要由驾驶员来完成,因此驾驶员的交通特性更多体现为车辆的行驶行为。为准确区分致堵原因、避免重复,本发明中人的因素主要考虑行人和非机动车交通,而将驾驶员特性用车辆特性予以代替。
车辆的特征和性能在确定交通系统的运行中起着重要作用。车辆的尺寸、重量决定了道路、桥梁的几何设计、结构设计和停车场地等交通设施的设计。车辆的各种运行性能与使用这些性能的驾驶员相结合,决定了交通流的特性和安全。传统的车辆交通特性主要指车辆设计尺寸、动力性能和制动性能等。车辆是道路交通使用者的主要工具,因此在道路拥堵中,车辆是关键因素,主要表现在汽车数量剧增是导致交通拥堵的一个重要原因,同时车辆违章行驶、交通事故、停车占道等行为也对交通状况造成了不利影响。因此,本发明主要考虑车辆的交通流特性,包括车辆的驾驶行为、数量、比例等因素。
道路是汽车交通的基础和支撑物。道路必须符合其服务对象的交通特性,满足它们的交通需求。道路服务性能的好坏体现在量、质、形三个方面,即道路建设数量是否充足、道路结构和质量是否能保证安全正常行车,路网布局、道路线形是否合理。另外还有附属设施、管理水平是否配套等。在本发明中对于道路因素,我们除了关注路网密度、道路网布局等宏观特性,更应该着眼于微观层面如公交车站设置、出入口布置、路面结构破损等情况,分析造成拥堵的最直观的基本原因。
环境指的是道路交通所处的周围环境,它对于道路使用者有着直接的影响,通常包括自然环境和人工环境。自然环境中包括地理条件、气象条件、时间等。人工环境包括路侧干扰、土地利用状况、障碍物等。其中,气象条件如雨、雪等降低车辆与路面之间的附着力,影响车辆制动,从而降低通行效率;道路渍水导致车辆无法正常通行;人工环境如周边地块交付使用引发大量新增交通、道路上遗落障碍物影响车辆正常通行,是本发明中应当重点考虑。
步骤2的建立市政道路施工期交通系统拥堵原因树模型的具体方法包括:
将致堵原因按照人、车、路、环境进行分类,建立市政道路施工期交通拥堵原因树模型,交通拥堵原因树模型包括人、车、路、环境4大因素层,并细分至30个因子层;因子层具体包括:
人的因素层对应的因子层包括:行人闯红灯、行人横穿马路、人和非机动车混行、占道经营、非机动车乱停乱放;
车的因素层对应的因子层包括:闯红灯、不按道行驶、多车并行、单车加塞、单车事故或故障、多车事故、周边举行大型活动、大车比例增加、高峰期数量剧增、长时违规占道停车、短时违规占道停车;
道路因素层对应的因子层包括:交叉口组织不合理、公交车站设置不合理、路面结构破损严重、车道数设置不合理、出入口设置不合理、交叉口间距过密、公交线路过密、限行管理不当、停车管理不当、围挡设施设置不合理;
环境因素层对应的因子层包括:恶劣天气、道路渍水、周边地块交付使用、道路障碍物。
步骤3中对拥堵原因树模型中各项致堵原因进行交通表征特性分析的具体方法包括:
对各项致堵原因采用包括流量、延误、车速3项基本指标和其他补充指标加以表征,用于进行致堵原因判别。
(1)流量指标具体为:
流量又称交通量,是指单位时间内通过道路指定地点或断面的标准车辆数,用V标示;交通量具有随时间和空间变化而变化的特征;其公式为:
V=N/T
式中:T-观测时间,单位为h;
N-观测时段内的车辆数,单位为veh。
(2)延误指标具体为:
平均延误时间为车辆在延误路段内实际行驶时间与在该路段内自由流速度行驶时间之差的平均值,它能反映道路的拥堵严重程度,是衡量城市道路交通运行状况的重要评价指标;其公式为:
式中:Tequ-平均延误时间,单位为s;
Ti-第i辆车在延误路段通行时间,单位为s;
Tf-畅通时自由流行驶在延误路段通行时间,单位为s;
n为通过车辆总数,单位为veh。
(3)车速指标具体为:
车速是指车辆在单位时间内通过的距离;从宏观上看,路段交通流的平均速度包括特定地点的时间平均速度与特定路段的区间平均速度;时间平均速度是在观测时间内通过某截面所有车辆地点速度的算术平均值,用表示,而区间平均速度是观测距离与车辆通过该距离所用平均行程时间之比;检测速度为时间平均速度,计算公式如下:
式中:ui-第i辆车的地点速度,单位为km/h;
N-观测的车辆数,单位为veh。
对交通指标数据进行量化、判别的具体方法为:
对于需要进行交通指标比较的,则与历史同期数据进行比较,计算其变化幅度;计算公式如下:
a=(Sh-Sn)/Sn*100%
式中,Sh-某指标的观测值;Sn-某指标平日的正常值;a-指标变化幅度;
若a大于一定阈值,则判别该交通指标发生异常变化。
市政道路施工期交通系统拥堵原因交通表征特性,考虑流量、延误、车速等三项基本指标,并结合拥堵原因发生的时间、位置及外界环境。
其中,如行人闯红灯、机动车闯红灯等流量仅需流量监测设备识别流量大于0,辅以发生时段为相应信号灯红灯相位、发生位置为交叉口即可(红灯相位可读取信号相位配时、位置可由设备自行进行判别);
对于需要进行指标比较的,则与历史同期数据进行比较,计算其变化幅度 (变化幅度指标根据相关研究和交通管理经验确定)。以高峰期数量剧增为例,计算公式如下:
式中,Vh-拥堵情况下高峰时段观测到的车流量,单位为veh/h;
Vn-平日高峰时段观测到的车流量,单位为veh/h;
a-流量变化幅度;
若a>30%,且拥堵发生时段为早7:00~9:00,晚17:00~19:00,则判定为高峰期数量剧增导致交通拥堵。
根据以上原则,确定30个因子对应的交通指标特性,列表如下:
表1拥堵原因交通指标特性表
图1为本发明实施例中市政道路施工期交通系统与传统道路交通系统中,人的因素交通特性对比图;对于市政道路施工期交通系统人的因素主要考虑行人(非机动车)的交通运动行为、慢行交通设施和非机动车停放等。
图2为本发明实施例中市政道路施工期交通系统与传统道路交通系统中,车的因素交通特性对比图;对于市政道路施工期交通系统车的因素主要考虑车辆运动行为、车辆事故、车辆停放、车型比例等。
图3为本发明实施例中市政道路施工期交通系统与传统道路交通系统中,路的因素交通特性对比图;对于市政道路施工期交通系统路的因素主要考虑路网密度、交叉口间距、公交车站设置、出入口设置和交叉口管控等。
图4为本发明实施例中市政道路施工期交通系统与传统道路交通系统中,环境因素交通特性对比图;对于市政道路施工期交通系统环境因素主要考虑气象条件、道路渍水、周边地块交付使用、道路障碍物等。
图5为本发明实施例中市政道路施工期交通系统拥堵原因树模型,按照人、车、路、环境分为4大因素,再细分为30个因子。
本发明的另一个实施例中,以某城市主干路改造施工期交通系统为例,该道路上布设有交通信息采集设备,包括但不限于视频检测器、感应线圈检测器、雷达检测器等,可以获取并识别本发明所需的交通指标。
第1步:根据本方法步骤1,对某城市主干路改造施工期交通系统交通特性进行研究,并获取所需历史交通数据,以便后续进行对比分析;
第2步:当该道路发生交通拥堵时,启动致堵原因判别流程,读取本发明所列举的《拥堵原因交通指标特性表》中的相应交通指标;如本例中,识别读取路口处车行信号灯为红灯相位时,该相位车流量>0且车速>0,初步判定为车的因素引起交通拥堵;
第3步:根据所读取交通指标,对比《拥堵原因交通指标特性表》进行原因识别,识别原因为机动车闯红灯,导致交通拥堵。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种市政道路施工期交通拥堵原因判别方法,其特征在于,该方法包括以下步骤:
步骤1、获取历史交通数据,根据道路交通系统四要素:人、车路、环境,对某城市主干路改造施工期交通系统交通特性进行研究;
步骤2、根据交通特性研究,对市政道路施工期交通系统常见拥堵原因进行归类,建立市政道路施工期交通系统拥堵原因树模型,并形成拥堵原因交通指标特性表;
步骤3、对拥堵原因树模型中各项致堵原因进行交通表征特性分析,将拥堵原因转化为可量化、可判别的交通指标;
步骤4、对发生拥堵的交通路段,启动致堵原因判别流程,通过道路周围设置的交通信息采集设备采集拥堵交通路段的交通数据,计算其交通指标,并结合拥堵原因交通指标特性表判别发生拥堵的原因。
2.根据权利要求1所述的市政道路施工期交通拥堵原因判别方法,其特征在于,所述的步骤1的具体方法包括:
人的因素考虑行人和非机动车交通,将驾驶员特性用车辆特性代替;
车的因素考虑车辆的交通特性,包括车辆的驾驶行为、数量、比例;
道路因素考虑宏观特性和微观特性,宏观特性包括路网密度、道路网布局,微观特性包括公交车站设置、出入口布置、道路结构破损情况;
环境因素考虑气象条件和人工环境。
3.根据权利要求1所述的市政道路施工期交通拥堵原因判别方法,其特征在于,所述的步骤2的建立市政道路施工期交通系统拥堵原因树模型的具体方法包括:
将致堵原因按照人、车、路、环境进行分类,建立市政道路施工期交通拥堵原因树模型,交通拥堵原因树模型包括人、车、路、环境4大因素层,并细分至30个因子层;因子层具体包括:
人的因素层对应的因子层包括:行人闯红灯、行人横穿马路、人和非机动车混行、占道经营、非机动车乱停乱放;
车的因素层对应的因子层包括:闯红灯、不按道行驶、多车并行、单车加塞、单车事故或故障、多车事故、周边举行大型活动、大车比例增加、高峰期数量剧增、长时违规占道停车、短时违规占道停车;
道路因素层对应的因子层包括:交叉口组织不合理、公交车站设置不合理、路面结构破损严重、车道数设置不合理、出入口设置不合理、交叉口间距过密、公交线路过密、限行管理不当、停车管理不当、围挡设施设置不合理;
环境因素层对应的因子层包括:恶劣天气、道路渍水、周边地块交付使用、道路障碍物。
4.根据权利要求1所述的市政道路施工期交通拥堵原因判别方法,其特征在于,所述的步骤3中对拥堵原因树模型中各项致堵原因进行交通表征特性分析的具体方法包括:
对各项致堵原因采用包括流量、延误、车速3项基本指标和补充指标加以表征,用于进行致堵原因判别。
5.根据权利要求4所述的市政道路施工期交通拥堵原因判别方法,其特征在于,所述的流量指标具体为:
流量又称交通量,是指单位时间内通过道路指定地点或断面的标准车辆数,用V标示;交通量具有随时间和空间变化而变化的特征;其公式为:
V=N/T
式中:T-观测时间,单位为h;
N-观测时段内的车辆数,单位为veh。
8.根据权利要求1所述的市政道路施工期交通拥堵原因判别方法,其特征在于,所述的步骤3中对交通指标数据进行量化、判别的具体方法为:
对于需要进行交通指标比较的,则与历史同期数据进行比较,计算其变化幅度;计算公式如下:
a=(Sh-Sn)/Sn*100%
式中,Sh-某指标的观测值;Sn-某指标平日的正常值;a-指标变化幅度;
若a大于一定阈值,则判别该交通指标发生异常变化。
10.根据权利要求1所述的市政道路施工期交通拥堵原因判别方法,其特征在于,所述的步骤4的具体方法包括:
在道路上布设交通信息采集设备,包括但不限于视频检测器、感应线圈检测器、雷达检测器;
通过交通信息采集设备获取交通指标;
对交通指标进行量化计算,并与拥堵原因交通指标特性表进行对比判别;
若符合拥堵原因交通指标特性表中的任一条,则得到拥堵原因。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110218886.7A CN112950946B (zh) | 2021-02-26 | 2021-02-26 | 一种市政道路施工期交通拥堵原因判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110218886.7A CN112950946B (zh) | 2021-02-26 | 2021-02-26 | 一种市政道路施工期交通拥堵原因判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112950946A true CN112950946A (zh) | 2021-06-11 |
CN112950946B CN112950946B (zh) | 2022-08-05 |
Family
ID=76246543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110218886.7A Active CN112950946B (zh) | 2021-02-26 | 2021-02-26 | 一种市政道路施工期交通拥堵原因判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950946B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241751A (zh) * | 2021-11-30 | 2022-03-25 | 东南大学 | 一种面向大型停车场的多出入口动静态交通协调优化方法 |
CN114241756A (zh) * | 2021-12-07 | 2022-03-25 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路施工期间硬路肩动态使用方法和系统 |
CN115410375A (zh) * | 2022-11-02 | 2022-11-29 | 华路易云科技有限公司 | 一种基于雷卡融合交通数据的融合交通指标集生成方法 |
WO2023098076A1 (zh) * | 2021-12-03 | 2023-06-08 | 东南大学 | 一种基于多维度影响因素的道路安全评价方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014162522A1 (ja) * | 2013-04-02 | 2014-10-09 | トヨタ自動車株式会社 | 走行抵抗演算装置 |
CN108109375A (zh) * | 2017-12-21 | 2018-06-01 | 北京航空航天大学 | 一种基于渗流分析的城市交通网络可靠性预测方法 |
CN108804812A (zh) * | 2018-06-07 | 2018-11-13 | 西南交通大学 | 基于社会力的路段施工区异质交通流模型建立方法 |
CN111091715A (zh) * | 2020-03-20 | 2020-05-01 | 北京交研智慧科技有限公司 | 一种基于历史重现率的道路偶发拥堵识别方法及装置 |
CN111832098A (zh) * | 2020-04-21 | 2020-10-27 | 中冶南方城市建设工程技术有限公司 | 一种市政道路施工期交通组织方案评价方法 |
-
2021
- 2021-02-26 CN CN202110218886.7A patent/CN112950946B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014162522A1 (ja) * | 2013-04-02 | 2014-10-09 | トヨタ自動車株式会社 | 走行抵抗演算装置 |
CN108109375A (zh) * | 2017-12-21 | 2018-06-01 | 北京航空航天大学 | 一种基于渗流分析的城市交通网络可靠性预测方法 |
CN108804812A (zh) * | 2018-06-07 | 2018-11-13 | 西南交通大学 | 基于社会力的路段施工区异质交通流模型建立方法 |
CN111091715A (zh) * | 2020-03-20 | 2020-05-01 | 北京交研智慧科技有限公司 | 一种基于历史重现率的道路偶发拥堵识别方法及装置 |
CN111832098A (zh) * | 2020-04-21 | 2020-10-27 | 中冶南方城市建设工程技术有限公司 | 一种市政道路施工期交通组织方案评价方法 |
Non-Patent Citations (3)
Title |
---|
张新华: "浅谈中小城市交通拥堵的成因及对策", 《"决策论坛——管理科学与经营决策学术研讨会"论文集(下)》 * |
曹堉 等: "基于贝叶斯网络的城市道路交通拥堵多原因自动实时识别", 《公路交通科技》 * |
程晴晴: "济南市占道施工区域交通拥堵问题研究", 《中国优秀博硕士学位论文全文数据库(硕士)·工程科技Ⅱ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241751A (zh) * | 2021-11-30 | 2022-03-25 | 东南大学 | 一种面向大型停车场的多出入口动静态交通协调优化方法 |
CN114241751B (zh) * | 2021-11-30 | 2022-12-27 | 东南大学 | 一种面向大型停车场的多出入口动静态交通协调优化方法 |
WO2023098076A1 (zh) * | 2021-12-03 | 2023-06-08 | 东南大学 | 一种基于多维度影响因素的道路安全评价方法及系统 |
US11887472B2 (en) | 2021-12-03 | 2024-01-30 | Southeast University | Method and system for evaluating road safety based on multi-dimensional influencing factors |
CN114241756A (zh) * | 2021-12-07 | 2022-03-25 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路施工期间硬路肩动态使用方法和系统 |
CN114241756B (zh) * | 2021-12-07 | 2023-03-31 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路施工期间硬路肩动态使用方法和系统 |
CN115410375A (zh) * | 2022-11-02 | 2022-11-29 | 华路易云科技有限公司 | 一种基于雷卡融合交通数据的融合交通指标集生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112950946B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112950946B (zh) | 一种市政道路施工期交通拥堵原因判别方法 | |
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
CN104978853B (zh) | 一种道路交通安全评估方法及系统 | |
CN108629973A (zh) | 基于固定检测设备的路段交通拥堵指数计算方法 | |
CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN103761430A (zh) | 一种基于浮动车的路网高峰时段识别方法 | |
CN112036757B (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
CN108985539B (zh) | 一种评价停车场道路规划的方法及装置 | |
CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
CN107331152B (zh) | 一种次路停车控制交叉口行人过街设施多目标优选方法 | |
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 | |
Thiessen et al. | Operating speed models for tangent segments on urban roads | |
Assalam et al. | The Effectiveness Analysis of Frontage Road on Jalan Margonda Raya, Depok | |
Chiguma | Analysis of side friction impacts on urban roads: Case study Dar-es-Salaam | |
He et al. | Analysis of urban traffic accidents features and correlation with traffic congestion in large-scale construction district | |
Siraj et al. | Road accident analysis: A case study Dhaka Metropolitan Area | |
Wang et al. | Multipattern road traffic crashes and injuries: a case study of Xi’an city | |
Shi et al. | Survival analysis of urban traffic incident duration: a case study at shanghai expressways | |
CN112053570B (zh) | 一种城市交通路网运行状态监测评价方法及系统 | |
Yang et al. | Design of Urban Traffic Guidance Identification System at Tumen Section of West Second Ring Road in Xi’an | |
Sodanango et al. | Effect of oesapa commercial activities towards traffic performance on Timor Raya Street Kupang | |
Khattak et al. | Road Work Zone Safety: Investigating Injury Severity in Motor Vehicle Crashes Using Random Effects Multinomial Logit Model | |
CN110097765B (zh) | 一种适用于公路平交口的机动车信号灯移去判定方法 | |
Ahmad et al. | Factors impacting serviceability of bypass road |
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 |