CN113129607B - 减少道路拥堵的方法和系统 - Google Patents

减少道路拥堵的方法和系统 Download PDF

Info

Publication number
CN113129607B
CN113129607B CN202010223771.2A CN202010223771A CN113129607B CN 113129607 B CN113129607 B CN 113129607B CN 202010223771 A CN202010223771 A CN 202010223771A CN 113129607 B CN113129607 B CN 113129607B
Authority
CN
China
Prior art keywords
vehicles
traffic
optimal
speed
path
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
CN202010223771.2A
Other languages
English (en)
Other versions
CN113129607A (zh
Inventor
S·S·米特拉
D·钱达
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.)
Wipro Ltd
Original Assignee
Wipro Ltd
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 Wipro Ltd filed Critical Wipro Ltd
Publication of CN113129607A publication Critical patent/CN113129607A/zh
Application granted granted Critical
Publication of CN113129607B publication Critical patent/CN113129607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • 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
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G05D1/692—
    • 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
    • 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
    • G08G1/0104—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
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/07—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
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/095—Traffic lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096855—Systems involving transmission of navigation instructions to the vehicle where the output is provided in a suitable form to the driver
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Abstract

本发明公开减少道路拥堵的方法和系统。其中，先由已训练交通模型通过分析与多台车辆相关的交通数据而预测每台车辆的速度以及与交叉点关联的信号灯时间，然后根据对上述值和历史交通数据的分析而确定每台车辆的最佳速度和每一所述交叉点的最佳信号灯时间。最后，所确定的最佳速度和所述最佳信号灯时间分别提供给每台车辆的关联车辆控制系统以及每一交叉点的关联交通控制器。本发明的方法能够减少道路任何选定部分的交通拥堵。此外，本发明的方法能够避免和/或最大程度减少车辆在交通信号灯处的必要停止/启动，从而促进车辆的燃料节约，并减少其等待时间。

Description

减少道路拥堵的方法和系统
技术领域
本技术方案总体涉及交通管理，尤其但不仅仅涉及一种减少道路拥堵的方法和系统。
背景技术
当前，道路上的车辆数量正在迅速增加，给道路基础设施带来越来越大的压力。另外，车量的增多还会引起交通拥堵，这一情形在发展中国家中尤甚。交通拥堵是发展的主要瓶颈之一。因此，创造能够避免交通拥堵的合适道路基础设施具有重要意义。
交通拥堵的一个主要原因在于车辆在交通信号灯处的停滞。频繁的车辆停止/启动扰乱了交通的正常流动，并在交通信号灯处造成拥堵。作为一种常见的情形，每当车辆在交通信号灯前停下，总将因缓慢移动的人流而损失大量的行驶时间，从而在交通信号灯处造成滞后，并可能最终导致拥堵。另外，频繁停车还会浪费燃料，并甚至可能加重污染。因此，减少交通信号灯处的停车能够极大地促进道路交通拥堵的下降。
目前，已存在多种避免交通拥堵以及对车辆在交通信号灯处的经行进行管理的方法。然而，这些现有方法未能对道路不同部分上的停车、车速的连续调节、能够减少交通信号灯处必要的车辆停止/启动次数的交通信号灯状态和时间设置等关键参数加以考虑。
本背景技术部分公开的信息仅用于促进对本发明一般背景的理解，不应视为承认或以任何形式暗示该信息形成本领域技术人员已知的现有技术。
发明内容
本发明公开一种减少道路拥堵的方法。该方法包括由拥堵管理系统从沿道路的选定路径设置的一个或多个传感器接收与在该选定路径内移动的多台车辆相关的交通数据。该方法还包括利用已训练交通模型预测所述多台车辆中每台车辆在所述选定路径中的一个或多个预定交叉点处的速度以及所述一个或多个预定交叉点中每一交叉点的关联信号灯时间。所述交通模型以与所述多台车辆相关的历史交通数据训练。随后，该方法包括根据对预测速度和预测信号灯时间的分析，确定所述多台车辆中每台车辆的最佳速度以及所述一个或多个预定交叉点中每一交叉点的最佳信号灯时间。最后，该方法包括将所述多台车辆中每台车辆的最佳速度提供给该多台车辆中对应每台车辆的关联车辆控制系统，并将所述最佳信号灯时间提供给所述一个或多个预定交叉点中对应每一交叉点的关联交通控制器，从而减少所述道路的拥堵。
本发明内容还涉及一种用于减少道路拥堵的拥堵管理系统。该拥堵管理系统包括处理器和存储器。该存储器以可通信方式与所述处理器相连，并存有处理器可执行指令，该指令在执行时使得所述处理器从沿道路的选定路径设置的一个或多个传感器接收与在该选定路径内移动的多台车辆相关的交通数据。所述指令还使得所述处理器利用已训练交通模型预测所述多台车辆中每台车辆在所述选定路径中的一个或多个预定交叉点处的速度以及所述一个或多个预定交叉点中每一交叉点的关联信号灯时间。所述交通模型以与所述多台车辆相关的历史交通数据训练。随后，所述指令使得所述处理器根据对预测速度和预测信号灯时间的分析，确定所述多台车辆中每台车辆的最佳速度以及所述一个或多个预定交叉点中每一交叉点的最佳信号灯时间。最后，所述指令使得所述处理器将所述多台车辆中每台车辆的最佳速度提供给该多台车辆中对应每台车辆的关联车辆控制系统，并将所述最佳信号灯时间提供给所述一个或多个预定交叉点中对应每一交叉点的关联交通控制器，从而减少所述道路的拥堵。
此外，本发明内容还涉及一种非暂时性计算机可读介质，该介质具有存于其上的指令，这些指令在由至少一个处理器处理时，使得拥堵管理系统执行步骤，该步骤包括从沿道路的选定路径设置的一个或多个传感器接收与在该选定路径内移动的多台车辆相关的交通数据。所述指令还使得所述拥堵管理系统利用已训练交通模型预测所述多台车辆中每台车辆在所述选定路径中的一个或多个预定交叉点处的速度以及所述一个或多个预定交叉点中每一交叉点的关联信号灯时间。所述交通模型以与所述多台车辆相关的历史交通数据训练。所述指令还使得所述拥堵管理系统根据对预测速度和预测信号灯时间的分析，确定所述多台车辆中每台车辆的最佳速度以及所述一个或多个预定交叉点中每一交叉点的最佳信号灯时间。最后，所述指令还使得所述拥堵管理系统将所述多台车辆中每台车辆的最佳速度提供给该多台车辆中对应每台车辆的关联车辆控制系统，并将所述最佳信号灯时间提供给所述一个或多个预定交叉点中对应每一交叉点的关联交通控制器，从而减少所述道路的拥堵。
上述发明内容部分仅用于说明，并不旨构成任何限制。通过参考附图和以下具体实施方式部分，除了上述说明性方面、实施方式和特征之外，其他方面、实施方式和特征也将变得容易理解。
附图说明
所附各图并入本发明内容之内并构成本发明内容的一部分，用于对例示实施方式进行描述，并与说明书一道阐明所公开的原理。附图中，附图标记最左边的位值表明该标记首次出现时所在的图号，相同标记表示类似的特征和部件。以下，将参考附图，对本技术方案的系统和/或方法的一些实施方式进行举例描述，附图中：
图1所示为根据本发明内容一些实施方式的用于减少道路拥堵的例示环境。
图2为根据本发明内容一些实施方式的拥堵管理系统的具体框图。
图3为根据本发明内容一些实施方式减少道路拥堵的方法流程图。
图4为用于实现本发明内容实施方式的例示计算机系统框图。
附图标记说明
100 环境
101 路径
102 距离段
103 车辆
105 传感器
107 交叉点
109 拥堵管理系统
111 已训练交通模型
113 最佳速度
115 最佳信号灯时间
201 输入/输出(I/O)接口
203 处理器
205 存储器
207 数据
209 模块
211 历史交通数据
213 交通数据
215 其他数据
217 接收模块
219 预测模块
221 确定模块
223 建议模块
225 其他模块
400 例示计算机系统
401 例示计算机系统的输入/输出(I/O)接口
402 例示计算机系统的处理器
403 网络接口
404 存储接口
405 例示计算机系统的存储器
406 用户/应用程序
407 操作系统
408 网页浏览器
409 通信网络
411 输入设备
412 输出设备
413 RAM
414 ROM
本领域技术人员应当理解的是，本发明中的任何框图均表示秉承本技术方案原理的说明性系统的概念图。同样地，还应当理解的是，任何的作业图、流程图、状态跃迁图以及伪代码等均表示可实质表现于计算机可读介质中且由计算机或处理器(无论该计算机或处理器明确示出与否)执行的各种过程。
具体实施方式
本发明中，“例示”一词用于表示“作为示例、实例或例证”。其中，描述为“例示”的本技术方案任何实施方式或实现方式并不一定理解为比其他实施方式更为优选或有利的实施方式。
虽然本发明内容将具体实施方式以举例形式示于附图，并在下文中进行了详细描述，但本发明内容还可做出各种修饰和替换。然而，应该理解的是，本发明内容并不旨在局限于所公开的具体形式，相反，本发明内容意在涵盖落入其精神和范围内的所有修改、等同及替代方案。
“包括”一词或其任何其他形式旨在涵盖非排除性的纳入关系。如此，对于包括一系列部件或步骤的体系、装置或方法而言，其并不只包括已列出的部件或步骤，而是可能还包括其他未明确列出的部件或步骤，或者包括该体系、装置或方法固有的部件或步骤。也就是说，在“包括……”这一表述之后描述的系统或装置中的一个或多个元件，在没有其他限制的情况下，并不排除其他或额外元件在该系统或装置中的存在。
本发明内容涉及用于减少道路拥堵的方法和拥堵管理系统。在一种实施方式中，本发明内容提供一种为车辆创造虚拟绿色通道和/或无信号灯路径的机制，以使得车辆无需在选定道路段内停车，从而实现更佳的交通流动。相应地，本发明内容公开了从设于所述选定道路段内的不同边缘传感器收集交通数据，然后通过处理所收集的交通数据而为正在通过所述选定道路段的车辆创建合适的交通计划。该交通计划配置有自适应式信号灯定时器和机器学习分析手段，以对车辆速度和信号灯时间进行持续不断的调节。此外，确定后的可变速度限值及信号灯时间还发送给所述选定路径内的车辆，从而实现管控所选路径内拥堵状况的目的。
在一种实施方式中，本发明内容的方法有助于减少任何选定道路部分的交通拥堵。本发明内容的方法还有助于消除和/或最小化车辆在交通信号灯处的必要停止/启动止/启动的实例的数量，从而促进车辆的燃料节约，并减少车辆的等待时间。此外，本发明内容方法还通过为选定路径设计合适的计划而有助于为设计出供车辆无拥堵畅通移动的无交通制约和/或零交通制约的绿色通道。
以下，参考附图，对本发明内容的实施方式进行详细描述，此类附图作为本发明的一部分，以例示方式示出了可实践本发明内容的具体实施方式。这些实施方式的描述详细程度足以让本领域技术人员可对本发明内容进行实践，而且可以理解的是，在不脱离本发明内容范围的前提下，还可使用其他实施方式，以及做出各种改变。因此，以下描述不应视为具有限制意义。
图1所示为根据本发明内容一些实施方式的用于减少道路拥堵的例示环境100。
在一种实施方式中，环境100可包括但不限于选定路径101，在选定路径101上移动的多台车辆103，设于路径101上的一个或多个传感器105，拥堵管理系统109以及与路径101关联的已训练交通模型111。
在一种实施方式中，路径101可以是为了减少拥堵而选择的一条道路的一小部分。一般情况下，所述道路可由多条路径构成，而每一路径又可由多个距离段102(即距离段11021至距离段2 102N(统称距离段102))以及一个或多个预定交叉点107构成。在一种实施方式中，路径101为双向路径，即同时具有上行交通流动和下行交通流动的路径。此外，路径101的每一距离段102可设有多个传感器105，以收集与路径101相关的各种动态和静态信息。例如，设于路径101内的所述一个或多个传感器105可包括但不限于进入传感器、离开传感器、中间边缘传感器以及显示单元。所述进入传感器可用于监测和报告进入路径101的车辆103数目。类似地，所述离开传感器可用于监测和报告离开路径101的车辆103数目。所述中间边缘传感器可用于监测和报告路径101中发生的例如交通事故、车辆103在路径101中的停车等事件。所述显示单元可用于向在路径101中移动的所述多台车辆103的驾驶人员显示和/或提供实时信息和建议。
在一种实施方式中，所述多台车辆103可例如包括小汽车、公共汽车、卡车、摩托车等。在一种实施方式中，所述多台车辆103还可包括自动驾驶和/或无人驾驶车辆103。
在一种实施方式中，拥堵管理系统109可以为能够用于根据本发明内容实施方式减少道路拥堵的任何计算系统，包括但不限于台式计算机、膝上型计算机、智能电话或服务器。在一种实施方式中，拥堵管理系统109可远程操作，并用于与所述一个或多个传感器105以及已训练交通模型111动态交换交通数据等信息。
在一种实施方式中，已训练交通模型111可以为机器学习模型，该机器学习模型通过以与路径101相关的历史交通数据211训练而预测通过路径101的所述多台车辆103中每台车辆的速度以及路径101内的所述一个或多个预定交叉点107中每个交叉点的关联信号灯时间。此外，已训练交通模型111可用于动态分析和学习所述速度和信号灯时间预测值与该速度和信号灯时间实际值之间的偏差。
在一种实施方式中，为了减少路径101的道路拥堵，可能需要最大程度减少并且/或者消除路径101内发生的车辆停止/启动。此外，对于最大程度减少车辆停止/启动而言，重要的一点可能在于确保所述一个或多个预定交叉点107处不发生拥堵。这一点可通过自适应式地控制所述多台车辆103中每台车辆的速度并动态改变所述一个或多个预定交叉点107的信号灯时间的方式实现。因此，必须持续不断地确定最佳速度113和最佳信号灯时间115，并将其提供给用于减少路径101的拥堵的相应控制机制。
在一种实施方式中，为了实现如上所述的目的，拥堵管理系统109可用于从沿路径101部署的一个或多个传感器105接收与在路径101内移动的所述多台车辆103相关的交通数据(也称实时交通数据)。例如，所述交通数据可包括但不限于所述多台车辆103中每台车辆的当前地点，路径101上的天气状况，路径101上已报告事故的信息，所述多台车辆103的当前速度，当前信号灯状态和信号灯时间设置，进入和通过路径101的车量103的数目，等待于交通信号灯前的车量103的数目等。
在一种实施方式中，在接收到所述交通数据时，拥堵管理系统109可利用已训练交通模型111预测所述多台车辆103中每台车辆在一个或多个预定交叉点107处的速度以及所述一个或多个预定交叉点107中每一交叉点的关联信号灯时间。其中，已训练交通模型111利用路径101的实时交通数据预测路径101内车辆103速度及信号灯时间的可能值。
在一种实施方式中，在预测所述速度和信号灯时间之后，拥堵管理系统109可通过分析所述速度预测值和信号灯时间预测值而确定所述多台车辆103中每台车辆的最佳速度113以及所述一个或多个预定交叉点107中每一交叉点的最佳信号灯时间115。在一些实施方式中，可通过多元线性回归模型和强化学习模型中的至少一种分析所述预测速度和预测信号灯时间。
在一种实施方式中，在确定最佳速度113和最佳信号灯时间115后，拥堵管理系统109可向相应控制机制提供最佳速度113和最佳信号灯时间115的值，以确保所述多台车辆103中每台车辆在路径101中的移动均根据最佳速度113和最佳信号灯时间115得到控制。在一种实施方式中，最佳速度113可通过合适的音频和/或视觉通知传输给所述多台车辆103的驾驶人员。类似地，最佳信号灯时间115可发送给所述一个或多个预定交叉点107中对应每一交叉点的关联交通控制器。
在一种实施方式中，为了确保将路径101在任何时刻均保持于无拥堵状态，拥堵管理系统109可按照一定时间间隔持续不断地定期确定最佳速度113和最佳信号灯时间115，所述间隔例如为每秒一次。在一种替代实施方式中，可仅在当检测到路径101上和/或所述一个或多个预定交叉点107处发生拥堵时，才动态触发最佳速度113和最佳信号灯时间115的确定。
图2为根据本发明内容一些实施方式的拥堵管理系统109的具体框图。
在一些实施方式中，拥堵管理系统109可包括输入/输出(I/O)接口201、处理器203以及存储器205。I/O接口201可与设于选定路径101中的一个或多个传感器105以可通信方式相连，所述选定路径101为用于接收与正在通过选定路径101的多台车辆103相关的交通数据213的道路的选定路径。I/O接口201还可与已训练交通模型111相连，以获取所述多台车辆103的最佳速度值以及最佳信号灯时间值。存储器205可与处理器203以可通信方式相连，并可存储数据207和一个或多个模块209。处理器203可设置为利用数据207和所述一个或多个模块209，执行拥堵管理系统109的一项或多项功能，以减少道路拥堵。
在一种实施方式中，数据207可包括但不限于历史交通数据211、交通数据213、最佳速度113、最佳信号灯时间115以及其他数据215。在一些实施方式中，数据207可以各种数据结构的形式存储于存储器205内。数据207还可按照数据模型进行组织，所述数据模型例如为关系数据模型和层次数据模型。其他数据221可存储一个或多个模块209在执行拥堵管理系统109的各种功能时生成的各种临时数据和文件。例如，其他数据221可包括但不限于道路尺寸，道路周围的实时天气信息等数据。
在一种实施方式中，历史交通数据211可以为某一时间段内收集的与路径101以及路径101内移动的多台车辆103相关的数据。例如，可将6个月内收集的交通数据213作为路径101的历史交通数据211。在一种实施方式中，历史交通数据211可用于训练交通模型111，以令其预测所述速度值和信号灯时间值。
在一种实施方式中，交通数据213或实时交通数据213可以为由设于路径101内的一个或多个传感器105收集的实时交通数据213。交通数据213可用于为在路径101内移动的多台车辆103确定最佳速度113和最佳信号灯时间115。例如，交通数据213可包括但不限于在路径101内移动的车量103的数目、路径101的长度、所述多台车辆103的当前速度以及路径101中的预定交叉点107的信号灯等待/通行时间。在一种实施方式中，实时交通数据213可以以例如1秒的预定时间间隔定期动态收集。
在一种实施方式中，最佳速度113可以为所述多台车辆103中的每台车辆为了确保该多台车辆103不在所述一个或多个交叉点107或路径101的其他地点形成拥堵而必需保持的最小速度范围。也就是说，最佳速度113可以为所述多台车辆103在路径101内移动时所述多台车辆103的目标速度。在一种实施方式中，所述多台车辆103中的一台或多台车辆103可具有不同的最佳速度值113，以使得该多台车辆103中的每台车辆不同时抵达所述一个或多个交叉点107，从而避免该一个或多个交叉点107处发生拥堵。
在一种实施方式中，最佳信号灯时间115可以为为了避免所述一个或多个交叉点107处形成拥堵而需要保持的理想信号灯等待和/或通行时间。最佳信号灯时间115确保最大数目的车量103能够在无需在所述一个或多个交叉点107处等待或等待极少的时间的情况下通过该信号灯。由于仅通过控制车辆103的速度可能无法有效减少拥堵(尤其在交通繁忙的情况下)，因此使所述一个或多个交叉点107保持最佳信号灯时间115成为减少拥堵的至关重要的一环。
在一种实施方式中，数据207可由所述一个或多个模块209处理。在一些实施方式中，所述一个或多个模块209可以以可通信方式与处理器203相连，以执行拥堵管理系统109的一项或多项功能。在一种实施方式中，所述一个或多个模块209可包括但不限于接收模块217、预测模块219、确定模块221、建议模块223以及其他模块225。
在本发明中，“模块”一词指专用集成电路(ASIC)，电子电路，处理器(共享处理器、专用处理器或处理器组)，用于执行一个或多个软件或固件程序的存储器，组合逻辑电路和/或提供上述功能的其他部件。在一种实施方式中，其他模块233可用于执行拥堵管理系统109的其他功能。可以理解的是，所述一个或多个模块209既可表现为单个模块，也可表现为不同模块的组合。
在一种实施方式中，接收模块217可用于从沿选定路径101设置的所述一个或多个传感器105接收交通数据213。在一种实施方式中，所述一个或多个传感器105可从选定路径101的一个或多个交叉点107和距离段102收集相关交通数据213。此外，一个或多个中间边缘传感器105可收集与进入选定路径101的交通和离开选定路径101的交通相关的各种信息。在一种实施方式中，接收模块217可收集与双向交通流动(即上行移动交通流动和下行移动交通流动)相关的交通数据213。下表A所示为可从设于选定路径101中的一个或多个传感器105收集的例示交通数据213。
表A：例示交通数据
在一种实施方式中，交通数据213收集后，接收模块217可对交通数据213进行分析和处理，以使得交通数据213可供进一步处理。例如，在经进一步分析前，可对收集的交通数据213进行数据归一化、数据浓缩及数据精化等数据处理操作。此外，处理后的交通数据213可保存于参考数据库中，并可用于交通模型111的训练。
在一种实施方式中，接收模块217可以预定时间单位收集交通数据213。例如，所述时间单位可以为一秒，也就是说，每秒一次收集交通数据213。此外，各个时间单位内接收的一系列交通数据213可在序列化之后，保存于所述参考数据库中，以供后续参考。在一种实施方式中，可以缩短所述时间单位，从而提高所收集的交通数据213的粒度，并实现交通数据213的更佳控制。
在一种实施方式中，可通过将所收集的交通数据213与在正常交通状况下(即未具体选择路径101时)和受控交通状态下(即车辆103按照设定的最佳速度113和最佳信号灯时间115移动)收集的基准交通数据213相比较而检查交通数据213中的错误。此类比较有助于交通模型111的训练，并且可使得交通模型111能够更加快速地响应各种状况。
在一种实施方式中，预测模块219可用于通过已训练交通模型111预测所述多台车辆103中每台车辆在一个或多个预定交叉点107处的速度以及所述一个或多个预定交叉点107中每一交叉点的关联信号灯时间。
在一种实施方式中，预测模块219可通过对所收集的交通数据213进行两步多元回归分析而预测时间“T”下交叉点“M”(ICM)处的信号灯时间PSICTM，其中：
PSICTM＝{TS：开始时间，TE：结束时间，S：信号灯状态，EVS：信号灯处的预计车速}
预测模块219还可针对路径101内的距离段(DS)102，预测速度和信号灯状态。例如，路径(Pp)距离段和时间T下的预测值可定义为/>其中：
在对所收集的交通数据213进行两步多元回归分析后，可以创建预测函数。在一种实施方式中，在一系列时间单位内收集的序列化交通数据213可表示为和/>即：
其中，每一数据点均可含特定距离段(DS)和交叉点(IC)的地点信息，而且每一特征集可由时间、地点以及以上和/>确定的各种参数构成。此外，通过对上述特征集进行多元分析可获得最终特征集。为了更易于确定可用于实施线性回归的正确参数，所述多元分析可例如包括“降维”，“变量选择”及“多元回归分析”等操作。
例如，在分析特征集之后，如果针对每一时间序列的最终特征集可记为Xi，则预测输出结果可记为交叉点M的PSICTM。此外，对于输入值Xi，所述预测输出结果可记为Yi。随后，在收集到足够的数据集后，便可进行线性回归。该线性回归的函数可例如如下式(1)所示：
Yi＝A+BXi……(1)
在一种实施方式中，首先，可以全局数据训练交通模型111。随后，可以含交叉点M的选定路径101内的本地数据对交通模型111进行微调，微调后的模型如下式(2)所示：
在一种实施方式中，式(2)定义的交通模型111可用于生成含最佳速度113和最佳信号灯时间115的结果，并与实际车速值和信号灯时间值进行比较。在一种实施方式中，如果生成的最佳值与实际值之间的偏差大于阈值，则可以再次对交通模型111进行训练，直到获得精确的结果为止。
如此，可如下式(3)所示，确定含交叉点M的路径P的最终交通模型111：
随后，可利用上式(3)的输出值，对速度和信号灯时间的新预测值进行后续多元回归分析。
最后，可如下式(4)所示，确定整条路径P的最终交通模型111：
在一种实施方式中，选定路径101的两个交叉点107之间可具有多个距离段102。在该情形中，仍然可利用上述多元线性回归法预测每一距离段102的速度和信号灯时间信息。或者，也可通过采用贪婪策略的强化学习算法预测速度和信号灯时间信息。在强化学习情形中，系统可进行探索/利用权衡，并通过学习而预测速度和信号灯信息。
在一种实施方式中，确定模块221可用于根据对所述预测速度和预测信号灯时间的分析结果，确定所述多台车辆103中每台车辆的最佳速度113以及所述一个或多个预定交叉点107中每一交叉点的最佳信号灯时间115。
在一种实施方式中，在最终交通模型111完成训练并按照为选定路径101确定的交通计划部署后，可从设于选定路径101内的所述一个或多个传感器105收集实时交通数据213，并可利用含所述预测速度和预测信号灯时间的相关信息确定最佳速度113和最佳信号灯时间115。在一种实施方式中，确定模块221可根据交通模型111学习过程中生成并最终确定的函数FPredictIC和FPredictDS(如上所述)，估算最佳速度113和最佳信号灯时间115。
在一种实施方式中，所述建议模块223可用于将所述多台车辆103中每台车辆的最佳速度113提供给该多台车辆103中每台车辆的关联车辆控制系统。建议模块223还可用于将最佳信号灯时间115提供给所述一个或多个预定交叉点107中对应每一交叉点的关联交通控制器，以供其减少道路拥堵。
在一种实施方式中，最佳速度113和最佳信号灯时间115可传输至与路径101关联的中间边缘传感器105和显示单元，以对所述多台车辆103的驾驶人员进行通知。最佳速度113和最佳信号灯时间115还可传输给设于所述多台车辆103的车载边缘系统，所述多台车辆依靠对该多台车辆103的实时定位而在选定路径101内移动。
在一种实施方式中，可将最佳速度113和最佳信号灯时间115与所述速度和信号灯时间预测值相比较。此外，当所述多台车辆103在选定路径101的各距离段102穿行时，可以检测所述信号灯时间和速度值是否偏离最初的预测值，当检测到任何此等偏离时，可以动态地对信号灯时间和速度值进行重新调节。在一种实施方式中，如果需要额外时间，可以通过增加信号灯时间而使选定路径101内车辆103保持优先，以确保在不引起拥堵的情况下令所有车辆103离开选定路径101。
当存在某车辆需要在交通信号灯处停止和/或停下的可能性时，可令该车辆在到达交叉点107前停于选定路径101的两个距离段之间。此外，当所述交叉点的信号灯将变为通行状态时，可在早于/>且晚于/>的一定时间点启动所述车辆。如此，当先前在到达交叉点107之前停下的车辆到达该交叉点时，信号灯可正好处于“绿灯/通行”状态，从而使得所述车辆可通过该信号灯。如此，处于运动/移动状态的车辆103能够以更加高效的方式通过交叉点107。
在一种实施方式中，在选定路径101中移动的所述多台车辆103中的每台车辆可获得与其必须保持的移动速度相关的信息，而且在需要的情况下，还可获得交叉点107之间的停车点信息。如此，当所述多台车辆103驶过选定路径101时，无需在选定路径101内停车，从而减少交通信号灯处的拥堵，并避免车辆103因信号灯而停止/启动或处于空闲状态。也就是说，通过根据最佳速度113和最佳信号灯时间115控制所述多台车辆103的移动，可有助于使交通信号灯处发生更少的拥堵，避免车辆103完全停止，并因而改善交通流动。如此，还可有助于减少燃料浪费，并降低交通信号灯处的污染。
在这一情形中，可从设于选定路径101中的一个或多个传感器105收集交通数据213。在一种替代实施方式中，当处于互连车辆系统内时，可直接从实施类型活动的车辆103中收集交通数据213，无需沿路径101设置传感器105。此外，还可向所述车辆直接发送速度和其他驾驶信息，无需任何显示单元。
图3为根据本发明内容一些实施方式减少道路拥堵的方法流程图。
如图3所示，方法300可包括一个或多个步骤框，此类步骤框用于说明利用图1所示拥堵管理系统109减少道路拥堵的方法。方法300可在计算机可执行指令的一般语境中描述。一般而言，计算机可执行指令可包括用于执行特定功能或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、过程、模块和功能。
方法300的描述顺序并不旨在于理解为限制，而且为了实施该方法，所述步骤框可具有任意数量且可以任何顺序组合。另外，在不脱离本发明所述技术方案的精神和范围的前提下，可将各个步骤框从所述方法中删除。此外，所述方法可在任何合适的硬件、软件、固件或其组合中实施。
在步骤框301中，方法300包括由拥堵管理系统109从沿道路的选定路径101设置的一个或多个传感器105，接收与在选定路径101内移动的多台车辆103相关的交通数据213。在一种实施方式中，选择用于设置所述一个或多个传感器105的路径101可包括确定路径101内的一个或多个距离段102以及一个或多个交叉点107。在一种实施方式中，所述一个或多个距离段102可设有包括进入传感器、离开传感器、中间边缘传感器以及显示单元在内的所述一个或多个传感器105中的至少一个。
在步骤框303中，方法300包括由拥堵管理系统109利用已训练交通模型111预测所述多台车辆103中每台车辆在选定路径101中的一个或多个预定交叉点107处的速度以及所述一个或多个预定交叉点107中每一交叉点的关联信号灯时间。在一种实施方式中，交通模型111可以以与所述多台车辆103相关的历史交通数据211进行训练。历史交通数据211可例如包括但不限于在路径101内移动的车量103的数目，路径101的长度，所述多台车辆103的速度以及路径101内预定交叉点107的信号灯时间中的至少一个。
在步骤框305中，方法300包括由拥堵管理系统109根据对预测速度和预测信号灯时间的分析，确定所述多台车辆103中每台车辆的最佳速度113以及所述一个或多个预定交叉点107中每一交叉点的最佳信号灯时间115。在一种实施方式中，所述多台车辆103中每台车辆的最佳速度113以及所述一个或多个预定交叉点107中每一交叉点的最佳信号灯时间115可提供给交通模型111，以供对交通模型111进行重新训练。
在步骤框307中，方法300包括由拥堵管理系统109将所述多台车辆103中每台车辆的最佳速度113提供给该多台车辆103中对应每台车辆的关联车辆控制系统，并将最佳信号灯时间115提供给所述一个或多个预定交叉点107中对应每一交叉点的关联交通控制器，以供其减少道路拥堵。在一种实施方式中，可通过将所述多台车辆103中每台车辆控制于该多台车辆103中每台车辆的相应最佳速度113而减少道路拥堵。此外，为了减少交通拥堵，所述一个或多个预定交叉点107中每一交叉点可保持于最佳信号灯时间115。
在一种实施方式中，当所述多台车辆103处于选定路径101中时，可通过音频通知或视觉通知将所述多台车辆103的最佳速度值113提供给该多台车辆103中每台车辆的相应驾驶人员。
在一种实施方式中，所述预测速度和预测信号灯时间可通过多元线性回归模型和强化学习模型中的至少一种进行分析。此外，最佳速度113和最佳信号灯时间115可以预定时间间隔确定，或者在检测到所述一个或多个交叉点107发生拥堵时确定。
计算机系统
图4为用于实施本发明内容实施方式的例示计算机系统400的框图。在一种实施方式中，计算机系统400可以为图1所示拥堵管理系统109，该系统可用于减少道路拥堵。计算机系统400可包括中央处理单元(“CPU”或“处理器”)402。处理器402可包括至少一个用于执行程序组件的数据处理器，此类程序组件用于执行用户或系统生成的业务过程。用户可包括个人，交通警察，驾驶人员，组织或与计算机系统400并行操作的任何系统/子系统。处理器402可包括集成系统(总线)控制器、内存管理控制单元、浮点单元、图形处理单元、数字信号处理单元等专用处理单元。
处理器402可设置为通过输入/输出(I/O)接口401与一个或多个I/O设备(411和412)通信。I/O接口401可采用通信协议/方法，例如但不限于，音频、模拟、数字、立体声、-1394、串行总线、通用串行总线(USB)、红外、PS/2、BNC、同轴、分量、复合、数字视觉接口(DVI)、高清多媒体接口(HDMI)、射频天线、S-Video，视频图形阵列(VGA)、/>802.n/b/g/n/x、蓝牙、蜂窝(例如码分多址(CDMA)、高速分组接入(HSPA+)、移动通信全球系统(GSM)、长期演进(LTE)等)等。通过I/O接口401，计算机系统400可与一个或多个I/O设备411和412通信。
在一些实施方式中，处理器402可设置为通过网络接口403与通信网络409通信。网络接口403可与通信网络409通信。网络接口403可采用连接协议，包括但不限于，直接连接，以太网(如双绞线10/100/1000Base T)，传输控制协议/网际协议(TCP/IP)，令牌环，802.11a/b/g/n/x等。通过网络接口403和通信网络409，计算机系统400可与所述一个或多个传感器105通信，以接收与在道路的选定路径101内移动的多台车辆103相关的交通数据213。此外，计算机系统400还可与用于预测所述多台车辆103的速度以及所述一个或多个预定交叉点107中每一交叉点的关联信号灯时间的已训练交通模型111通信。
在一种实施方式中，通信网络409可实施为内联网或局域网(LAN)以及所述组织内的此类网络等多种类型网络中的一种。通信网络409既可以为专用网络，也可以为共享网络，其表示不同类型网络利用各种协议相互通信的一种互联形式，所述协议例如为超文本传输协议(HTTP)、传输控制协议/网际协议(TCP/IP)、无线应用协议(WAP)等。此外，通信网络409可包括各种网络装置，包括路由器、网桥、服务器、计算装置、存储装置等。
在一些实施方式中，处理器402可设置为通过存储接口404与存储器405(如图4所示RAM 413、ROM 414等)通信。存储接口404可采用串行高级技术连接(SATA)、集成驱动电子设备(IDE)、IEEE-1394、通用串行总线(USB)、光纤通道、小型计算机系统接口(SCSI)等连接协议连接至存储器405，该存储设备包括，但不限于，存储驱动器、可移动磁盘驱动器等。所述存储驱动器还可包括磁鼓、磁盘驱动器、磁光驱动器、光盘驱动器、独立磁盘冗余阵列(RAID)、固态存储设备、固态驱动器等。
存储器405可存储一系列程序或数据库组件，包括但不限于，用户/应用程序界面406，操作系统407、网页浏览器408等。在一些实施方式中，计算机系统400可存储用户/应用程序数据406，如本发明内容中所述的数据、变量或记录等。此类数据库可实施为容错、关系、可扩展、安全数据库，例如甲骨文或赛贝斯/>
操作系统407可促进计算机系统400的资源管理和运行。操作系统例如包括，但不限于，苹果OS/>Unix类系统套件(如Berkeley Software(BSD)、/> 等)、/>Distributions(如Red/>等)、/>微软/>(/7/8、10等)、苹果/>谷歌(GoogleTM)安卓(AndroidTM)、黑莓/>操作系统等。
用户界面406可利用文本或图形工具促进程序组件的显示、执行、互动、操控或操作。例如，用户界面406可在以可操作方式连接至计算机系统400的显示系统上提供光标、图标、复选框、菜单、滚动条、窗口、窗口部件等计算机交互界面元件。此外，还可使用图形用户界面(GUI)，包括但不限于，苹果操作系统的/>的/>微软的/>(如Aero、Metro等)、网页界面库(如/>AJAX、HTML、/>等)等。
网页浏览器408可以为超文本浏览应用程序。其中，可通过安全超文本传输协议(HTTPS)、安全套接字层(SSL)、安全传输层(TLS)等实现安全网页浏览。网页浏览器408可使用AJAX、DHTML、 应用程序编程接口(API)等工具。此外，计算机系统400可执行邮件服务器存储的程序组件。所述邮件服务器可使用ASP、C++/C#、微软./>CGI脚本、/> 等工具。所述邮件服务器还可使用因特网信息访问协议(IMAP)，邮件应用程序编程接口(MAPI)，微软Exchange，邮局协议(POP)，简单邮件传输协议(SMTP)等通信协议。在一些实施方式中，计算机系统400可执行邮件客户端存储的程序组件。所述邮件客户端可为苹果Mail、微软/>微软/>谋智/>等邮件查看程序。
此外，一种或多种计算机可读存储介质可用于实施本发明内容的实施方式。计算机可读存储介质是指可对处理器可读取的信息或数据进行存储的任何类型的物理存储器。因此，计算机可读存储介质可对用于由一个或多个处理器执行的指令进行存储，这些指令包括用于使处理器执行符合本申请实施方式的步骤或阶段的指令。“计算机可读介质”一词应理解为包括有形物件且不包括载波及瞬态信号，即为非临时性介质，例如随机存取存储器(RAM)、只读存储器(ROM)、易失性存储器、非易失性存储器、硬盘驱动器、只读光盘存储器(CD-ROM)、DVD、闪存驱动器、磁盘以及其他任何已知物理存储介质。
本发明内容实施方式的优点如下：
在一种实施方式中，本发明内容的方法有助于减少道路任何选定部分的交通拥堵。
在一种实施方式中，本发明内容的方法可避免和/或最大程度减少车辆在交通信号灯处的必要停止/启动，从而促进车辆的燃料节约，并减少其等待时间。
在一种实施方式中，本发明内容的方法通过为选定路径设计合适的计划而有助于为设计出供车辆无拥堵畅通移动的无交通制约和/或零交通制约的绿色通道。
本发明内容公开的方法和系统可用于克服道路交通拥堵这一技术问题。具体而言，本发明公开的方法和系统旨在避免/减少道路交通信号灯处的交通停滞，此类交通停滞常常会扰乱正常的交通流动动，并在交通信号灯处造成拥堵。所公开的方法和系统还旨在消除交通停滞的其他固有顽疾，包括：车辆停止/启动过程中人潮阻滞导致的时间浪费；引擎的反复启动/停止操作导致的燃料浪费；加重污染等。也就是说，所公开的方法和系统具有实际用处，而且为交通拥堵技术问题提供了一种技术上更为先进的解决方案。
所公开方法和系统的上述技术进步和实际用途得益于在本发明内容中公开的“确定”步骤中确定(一)所述多台车辆中每台车辆的最佳速度以及(二)每一交叉点的最佳信号灯时间这一技术方面。
鉴于所公开方法和系统实现的技术进步，以上所述步骤能够为现有技术中存在的技术问题提供上述解决方案，因此并非本领域中的惯常、普通或已知技术方面。此外，由于以上所述步骤为技术问题提供了技术解决方案，因此显然能够为系统本身的功能带来进步。
除非另有明确说明，否则“实施方式”，“各实施方式”，“所述实施方式”，“所述各实施方式”，“一种或多种实施方式”，“一些实施方式”以及“一种实施方式”各词均表示“本发明的一种或多种(而非全部)实施方式”。
除非另有明确说明，否则“包含”，“包括”以及“具有”各词及其变形词均表示“包括，但不限于”的意思。
除非另有明确说明，否则对项目的枚举罗列并不意味着其中的任何或所有项目具有相互排他关系。除非另有明确说明，否则未指明数目之物均为“一个或多个”。
描述为具有多个相互间有联系的部件的实施方式并不意味着所有此类部件均为必需部件。相反地，其描述的是，还具有多种可选组件用于实现本发明的各种各样的可能实施方式。
本发明中，一旦有对单个设备或物件的描述，则可随即明白的是，所述单个设备/物件可由多于一个的所述设备/物件(无论其之间是否均有协作关系)代替。类似地，本发明中一旦有对多于一个的设备或物件(无论其之间是否均有协作关系)的描述，则可随即明白的是，所述多于一个的设备或物件可由单个设备/物件代替，或者所示数量的设备或程序可由不同数量的设备/物件代替。此外，某个设备的功能和/或特征可由一个或多个未明确描述为具有此类功能/特征的其他设备代为实现。因此，本发明的其它实施方式无需包括该设备本身。
最后，本说明书所选的行文方式主要在于易读性和说明目的，并不在于细述或限制本发明技术方案。因此，本发明范围并不意在由此具体实施方式部分限制。相应地，本发明实施方式意在于说明而非限制本发明范围，而且本发明范围如所附权利要求所述。
虽然本发明公开了各个方面及各种实施方式，但是对于本领域技术人员而言，其他方面及实施方式为容易理解的。本发明所公开的各个方面及各种实施方式出于说明而非限制目的，本发明的真正范围及精髓如所附权利要求所述。

Claims (18)

1.一种用于减少道路拥堵的方法，其特征在于，包括：
由一拥堵管理系统通过确定沿一选定道路段内的一个或多个距离段以及一个或多个预定交叉点而选择一路径，其中，所选择的选定路径指示多台车辆无需在所述选定道路段内停车的无信号灯路径；
由所述拥堵管理系统从沿所述道路的所述选定路径设置的一个或多个传感器接收与在所述选定路径内每个距离段和每个所述预定交叉点的多台车辆相关的交通数据，其中，对于每个所述距离段和每个所述预定交叉点，所述交通数据包括每台车辆的当前地点，每台车辆的当前速度，进入和通过所述选定路径的车辆的数目，在所述一个或多个预定交叉点处的当前信号灯状态和信号灯时间，以及等待于所述一个或多个预定交叉点处的车辆的数目；
由所述拥堵管理系统利用已训练的交通模型基于所述交通数据，预测所述多台车辆中每台车辆在所述选定路径内的每个距离段穿行时的速度以及与所述一个或多个预定交叉点中每一交叉点相关联的信号灯时间，其中，所述交通模型使用与所述多台车辆相关的历史交通数据来训练；
由所述拥堵管理系统根据对预测速度和预测信号灯时间的分析，确定所述多台车辆中每台车辆的最佳速度以及所述一个或多个预定交叉点中每一交叉点的最佳信号灯时间，其中，所述多台车辆中的一台或多台车辆行进通过所述选定路径内的每个距离段和每个所述预定交叉点时，所述最佳速度值是不同的，以使得所述多台车辆中的每台车辆不同时抵达所述一个或多个预定交叉点，所述最佳速度和所述最佳信号灯时间以预定时间间隔确定，或者在检测到所述一个或多个交叉点发生拥堵时确定；以及
由所述拥堵管理系统将所述多台车辆中每台车辆的所述最佳速度提供给与所述多台车辆中对应车辆相关联的车辆控制系统，并将所述最佳信号灯时间提供给与所述一个或多个预定交叉点中对应交叉点相关联的交通控制器，从而减少所述道路拥堵。
2.如权利要求1所述的方法，其特征在于，所述一个或多个距离段中的每一距离段设有所述一个或多个传感器中的至少一个，所述一个或多个传感器包括进入传感器、离开传感器、中间边缘传感器以及显示单元。
3.如权利要求1所述的方法，其特征在于，所述历史交通数据包括在所述路径内移动的车辆数、所述路径的长度、所述多台车辆的速度以及所述路径内预定交叉点的信号灯时间中的至少一个。
4.如权利要求1所述的方法，其特征在于，将所述多台车辆中每台车辆的所述最佳速度以及所述一个或多个预定交叉点中每一交叉点的所述最佳信号灯时间提供给所述交通模型，以进行重新训练，提供所述多台车辆的所述最佳速度包括当所述多台车辆处于所述选定路径内时，向所述多台车辆中每台车辆的相应驾驶人员提供音频通知和视觉通知中的至少一种。
5. 如权利要求1所述的方法，其特征在于，减少所述道路拥堵包括：
将所述多台车辆中每台车辆控制于所述多台车辆中每台车辆相应的所述最佳速度；以及
使所述一个或多个预定交叉点中每一交叉点保持所述最佳信号灯时间。
6. 如权利要求1所述的方法，其特征在于，所述预测速度和所述预测信号灯时间通过多元线性回归模型和强化学习模型中的至少一种进行分析，所述交通模型进行重新训练的步骤包括：
通过比较所述多台车辆中每台车辆的所述最佳速度与所述多台车辆中每台车辆的实际车速值以及比较所述一个或多个预定交叉点中每一交叉点的所述最佳信号灯时间与所述一个或多个预定交叉点中每一交叉点的实际信号灯时间值来确定一偏差；以及
当所述偏差大于一阈值，对所述交通模型进行重新训练。
7. 一种用于减少道路拥堵的拥堵管理系统，其特征在于，所述拥堵管理系统包括：
一处理器；以及
一存储器，以可通信方式与所述处理器相连，其中，所述存储器存有处理器可执行指令，所述指令在执行时使得所述处理器：
通过确定沿一选定道路段内的一个或多个距离段以及一个或多个预定交叉点而选择一路径，其中，所选择的选定路径指示多台车辆无需在所述选定道路段内停车的无信号灯路径；
从沿所述道路的所述选定路径设置的一个或多个传感器接收与在所述选定路径内每个距离段和每个所述预定交叉点的多台车辆相关的交通数据，其中，对于每个所述距离段和每个所述预定交叉点，所述交通数据包括每台车辆的当前地点，每台车辆的当前速度，进入和通过所述选定路径的车辆的数目，在所述一个或多个预定交叉点处的当前信号灯状态和信号灯时间，以及等待于所述一个或多个预定交叉点处的车辆的数目；
利用已训练的交通模型基于所述交通数据，预测所述多台车辆中每台车辆在所述选定路径内的每个距离段穿行时的速度以及与所述一个或多个预定交叉点中每一交叉点相关联的信号灯时间，其中，所述交通模型使用与所述多台车辆相关的历史交通数据来训练；
根据对预测速度和预测信号灯时间的分析，确定所述多台车辆中每台车辆的最佳速度以及所述一个或多个预定交叉点中每一交叉点的最佳信号灯时间，其中，所述多台车辆中的一台或多台车辆行进通过所述选定路径内的每个距离段和每个所述预定交叉点时，所述最佳速度值是不同的，以使得所述多台车辆中的每台车辆不同时抵达所述一个或多个预定交叉点，所述最佳速度和所述最佳信号灯时间以预定时间间隔确定，或者在检测到所述一个或多个交叉点发生拥堵时确定；以及
将所述多台车辆中每台车辆的所述最佳速度提供给与所述多台车辆中对应车辆相关联的车辆控制系统，并将所述最佳信号灯时间提供给与所述一个或多个预定交叉点中对应交叉点相关联的交通控制器，从而减少所述道路拥堵。
8.如权利要求7所述的拥堵管理系统，其特征在于，所述一个或多个距离段中的每一距离段设有所述一个或多个传感器中的至少一个，所述一个或多个传感器包括进入传感器、离开传感器、中间边缘传感器以及显示单元。
9.如权利要求7所述的拥堵管理系统，其特征在于，所述历史交通数据包括在所述路径内移动的车辆数、所述路径的长度、所述多台车辆的速度以及所述路径内预定交叉点的信号灯时间中的至少一个。
10.如权利要求7所述的拥堵管理系统，其特征在于，所述处理器将所述多台车辆中每台车辆的所述最佳速度以及所述一个或多个预定交叉点中每一交叉点的所述最佳信号灯时间提供给所述交通模型，以进行重新训练，所述处理器还通过在当所述多台车辆处于所述选定路径内时向所述多台车辆中每台车辆的相应驾驶人员提供音频通知和视觉通知中的至少一种而提供所述多台车辆的所述最佳速度。
11.如权利要求7所述的拥堵管理系统，其特征在于，所述处理器减少所述道路拥堵是通过
将所述多台车辆中每台车辆控制于所述多台车辆中每台车辆相应的所述最佳速度；以及
使所述一个或多个预定交叉点中每一交叉点保持所述最佳信号灯时间。
12.如权利要求7所述的拥堵管理系统，其特征在于，所述处理器通过多元线性回归模型和强化学习模型中的至少一种对所述预测速度和所述预测信号灯时间进行分析，所述交通模型进行重新训练的步骤包括：
通过比较所述多台车辆中每台车辆的所述最佳速度与所述多台车辆中每台车辆的实际车速值以及比较所述一个或多个预定交叉点中每一交叉点的所述最佳信号灯时间与所述一个或多个预定交叉点中每一交叉点的实际信号灯时间值来确定一偏差；以及
当所述偏差大于一阈值，对所述交通模型进行重新训练。
13.一种非暂时性计算机可读介质，所述介质具有存于其上的指令，所述指令在由至少一个处理器处理时，使得拥堵管理系统执行包括以下的步骤：
通过确定沿一选定道路段内的一个或多个距离段以及一个或多个预定交叉点而选择一路径，其中，所选择的选定路径指示多台车辆无需在所述选定道路段内停车的无信号灯路径；
从沿所述道路的所述选定路径设置的一个或多个传感器接收与在所述选定路径内每个距离段和每个所述预定交叉点的多台车辆相关的交通数据，其中，对于每个所述距离段和每个所述预定交叉点，所述交通数据包括每台车辆的当前地点，每台车辆的当前速度，进入和通过所述选定路径的车辆的数目，在所述一个或多个预定交叉点处的当前信号灯状态和信号灯时间，以及等待于所述一个或多个预定交叉点处的车辆的数目；
利用已训练的交通模型基于所述交通数据，预测所述多台车辆中每台车辆在所述选定路径内的每个距离段穿行时的速度以及与所述一个或多个预定交叉点中每一交叉点相关联的信号灯时间，其中，所述交通模型使用与所述多台车辆相关的历史交通数据来训练；
根据对预测速度和预测信号灯时间的分析，确定所述多台车辆中每台车辆的最佳速度以及所述一个或多个预定交叉点中每一交叉点的最佳信号灯时间，其中，所述多台车辆中的一台或多台车辆行进通过所述选定路径内的每个距离段和每个所述预定交叉点时，所述最佳速度值是不同的，以使得所述多台车辆中的每台车辆不同时抵达所述一个或多个预定交叉点，所述最佳速度和所述最佳信号灯时间以预定时间间隔确定，或者在检测到所述一个或多个交叉点发生拥堵时确定；以及
将所述多台车辆中每台车辆的所述最佳速度提供给与所述多台车辆中对应车辆相关联的车辆控制系统，并将所述最佳信号灯时间提供给与所述一个或多个预定交叉点中对应交叉点相关联的交通控制器，从而减少所述道路拥堵。
14.如权利要求13所述的非暂时性计算机可读介质，其特征在于，所述一个或多个距离段中的每一距离段设有所述一个或多个传感器中的至少一个，所述一个或多个传感器包括进入传感器、离开传感器、中间边缘传感器以及显示单元。
15.如权利要求13所述的非暂时性计算机可读介质，其特征在于，所述历史交通数据包括在所述路径内移动的车辆数、所述路径的长度、所述多台车辆的速度以及所述路径内预定交叉点的信号灯时间中的至少一个。
16.如权利要求13所述的非暂时性计算机可读介质，其特征在于，所述指令使得所述处理器将所述多台车辆中每台车辆的所述最佳速度以及所述一个或多个预定交叉点中每一交叉点的所述最佳信号灯时间提供给所述交通模型，以进行重新训练，
所述指令还使得所述处理器通过在当所述多台车辆处于所述选定路径内时向所述多台车辆中每台车辆的相应驾驶人员提供音频通知和视觉通知当中的至少一种而提供所述多台车辆的所述最佳速度。
17.如权利要求13所述的非暂时性计算机可读介质，其特征在于，所述指令使得所述处理器减少所述道路拥堵是通过
将所述多台车辆中每台车辆控制于所述多台车辆中每台车辆相应的所述最佳速度；以及
使所述一个或多个预定交叉点中每一交叉点保持所述最佳信号灯时间。
18.如权利要求13所述的非暂时性计算机可读介质，其特征在于，所述指令使得所述处理器通过多元线性回归模型和强化学习模型中的至少一种对所述预测速度和所述预测信号灯时间进行分析，所述交通模型进行重新训练的步骤包括：
通过比较所述多台车辆中每台车辆的所述最佳速度与所述多台车辆中每台车辆的实际车速值以及比较所述一个或多个预定交叉点中每一交叉点的所述最佳信号灯时间与所述一个或多个预定交叉点中每一交叉点的实际信号灯时间值来确定一偏差；以及
当所述偏差大于一阈值，对所述交通模型进行重新训练。
CN202010223771.2A 2019-12-31 2020-03-26 减少道路拥堵的方法和系统 Active CN113129607B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IN201941054690 2019-12-31
IN201941054690 2019-12-31

Publications (2)

Publication Number Publication Date
CN113129607A CN113129607A (zh) 2021-07-16
CN113129607B true CN113129607B (zh) 2023-11-24

Family

ID=69903075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010223771.2A Active CN113129607B (zh) 2019-12-31 2020-03-26 减少道路拥堵的方法和系统

Country Status (3)

Country Link
US (1) US11900799B2 (zh)
EP (1) EP3846147A1 (zh)
CN (1) CN113129607B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109003448B (zh) * 2018-08-02 2021-07-16 北京图森智途科技有限公司 一种交叉路口的导航方法、设备及系统
CN113589818B (zh) * 2021-08-09 2022-09-13 合肥工业大学 一种基于车路协同的公交车辆生态驾驶引导方法
CN114973704A (zh) * 2022-05-19 2022-08-30 浙江商汤科技开发有限公司 信号控制策略的生成方法及装置、设备、存储介质
CN115762229B (zh) * 2022-11-21 2023-09-22 长安大学 动态泊位分配的多车型车辆进站引导方法、系统、设备及介质
CN116311948B (zh) * 2023-05-11 2023-08-01 武汉理工大学三亚科教创新园 基于交通流速度预测和信号灯状态的车辆路径规划方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005056071A (ja) * 2003-08-01 2005-03-03 Omron Corp 信号制御装置、および信号制御システム
JP2010108460A (ja) * 2008-11-03 2010-05-13 Denso Corp 交差点走行支援システム、走行支援システム、および車載装置
CN205609020U (zh) * 2016-03-28 2016-09-28 河北高成电子科技有限公司 动态自适应绿波带智能信号灯控制器
CN106355885A (zh) * 2016-11-24 2017-01-25 深圳市永达电子信息股份有限公司 基于大数据分析平台的交通信号动态控制方法及系统
CA2995866A1 (en) * 2015-09-03 2017-03-09 Miovision Technologies Incorporated System and method for detecting and tracking objects
CN107331166A (zh) * 2017-07-25 2017-11-07 中南大学 一种基于路径分析的动态限行方法
WO2018001444A1 (en) * 2016-06-30 2018-01-04 Atto D.O.O. System and method for creation and delivery of personalized traffic and route information

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7663505B2 (en) 2003-12-24 2010-02-16 Publicover Mark W Traffic management device and system
US7912628B2 (en) 2006-03-03 2011-03-22 Inrix, Inc. Determining road traffic conditions using data from multiple data sources
US9076332B2 (en) * 2006-10-19 2015-07-07 Makor Issues And Rights Ltd. Multi-objective optimization for real time traffic light control and navigation systems for urban saturated networks
CN101266718A (zh) 2008-04-24 2008-09-17 山东大学 基于路口组的交通流优化控制方法
CN102385804A (zh) 2010-08-30 2012-03-21 谈宇清 一种智能交通系统及其导航方法
US8711005B2 (en) 2010-12-27 2014-04-29 Nicholas R. Musachio Variable speed traffic control system
CN104192148B (zh) 2014-09-16 2016-09-28 北京交通大学 一种基于交通信号信息预知的主干道车速规划方法
CN105035090B (zh) 2015-06-06 2017-10-13 吉林大学 基于交通信号灯的自主驾驶车辆轨迹预测控制方法
US9633560B1 (en) 2016-03-30 2017-04-25 Jason Hao Gao Traffic prediction and control system for vehicle traffic flows at traffic intersections
US10297151B2 (en) * 2016-05-16 2019-05-21 Ford Global Technologies, Llc Traffic lights control for fuel efficiency
US10490066B2 (en) * 2016-12-29 2019-11-26 X Development Llc Dynamic traffic control
EP3714342A4 (en) 2017-12-28 2021-07-14 Siemens Mobility GmbH VEHICLE SPEED DETERMINATION SYSTEM AND METHOD
US11145197B2 (en) * 2019-03-13 2021-10-12 Mitsubishi Electric Research Laboratories, Inc. Joint control of vehicles traveling on different intersecting roads

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005056071A (ja) * 2003-08-01 2005-03-03 Omron Corp 信号制御装置、および信号制御システム
JP2010108460A (ja) * 2008-11-03 2010-05-13 Denso Corp 交差点走行支援システム、走行支援システム、および車載装置
CA2995866A1 (en) * 2015-09-03 2017-03-09 Miovision Technologies Incorporated System and method for detecting and tracking objects
CN205609020U (zh) * 2016-03-28 2016-09-28 河北高成电子科技有限公司 动态自适应绿波带智能信号灯控制器
WO2018001444A1 (en) * 2016-06-30 2018-01-04 Atto D.O.O. System and method for creation and delivery of personalized traffic and route information
CN106355885A (zh) * 2016-11-24 2017-01-25 深圳市永达电子信息股份有限公司 基于大数据分析平台的交通信号动态控制方法及系统
CN107331166A (zh) * 2017-07-25 2017-11-07 中南大学 一种基于路径分析的动态限行方法

Also Published As

Publication number Publication date
CN113129607A (zh) 2021-07-16
EP3846147A1 (en) 2021-07-07
US20210201669A1 (en) 2021-07-01
US11900799B2 (en) 2024-02-13

Similar Documents

Publication Publication Date Title
CN113129607B (zh) 减少道路拥堵的方法和系统
US11468036B2 (en) Facilitating determination of reliability of crowd sourced information
US11597395B2 (en) Systems and methods to manage vehicles under anomalous driving behavior
EP3782143B1 (en) Method and system for multimodal deep traffic signal control
Pan et al. Multiclass multilane model for freeway traffic mixed with connected automated vehicles and regular human-piloted vehicles
CN111341099B (zh) 一种数据处理方法、装置及电子设备
JP2019023864A (ja) 交差点方向転換のための第２の停止位置
US10713941B2 (en) Cognitive traffic signal cycle timer
US10585436B2 (en) Method and system for real-time generation of reference navigation path for navigation of vehicle
US20220053308A1 (en) Proxy environmental perception
US20220068122A1 (en) Systems and methods to group and move vehicles cooperatively to mitigate anomalous driving behavior
US20210056854A1 (en) Hierarchical ai assisted safe and efficient platooning
US20190289429A1 (en) Facilitating mesh networks of connected movable objects
US10580302B2 (en) Optimization of a motion profile for a vehicle
CN117461061A (zh) 混合车辆通信网络上的装置健康代码广播
US20220169282A1 (en) Autonomous vehicle high-priority data offload system
US20230247399A1 (en) Adaptive sensor data sharing for a connected vehicle
US9501928B1 (en) Utilizing social media to affect road traffic routing
US20230294716A1 (en) Filtering perception-related artifacts
US20220250636A1 (en) Resolving vehicle application version differences
US20220110021A1 (en) Flow forecasting for mobile users in cellular networks
Stojanović et al. Big mobility data analytics for traffic monitoring and control
US20220075365A1 (en) Spinning out vehicular micro clouds
CN116176657A (zh) 列车排序方法、系统和存储介质
Vasudevan et al. Predicting Congestion States from Basic Safety Messages by Using Big-Data Graph Analytics

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