CN113420395A - 基于交通仿真的多模式交通信息采集单元长度确定方法 - Google Patents
基于交通仿真的多模式交通信息采集单元长度确定方法 Download PDFInfo
- Publication number
- CN113420395A CN113420395A CN202110570478.8A CN202110570478A CN113420395A CN 113420395 A CN113420395 A CN 113420395A CN 202110570478 A CN202110570478 A CN 202110570478A CN 113420395 A CN113420395 A CN 113420395A
- Authority
- CN
- China
- Prior art keywords
- traffic information
- information acquisition
- length
- acquisition unit
- motor 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Geometry (AREA)
- Analytical Chemistry (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于交通仿真的多模式交通信息采集单元长度确定方法,方法包括:获取目标交叉口进口道检测范围内的交通设施信息;确定所述交通信息采集单元的综合评价指标,包括仿真的准确性和高效性;根据行人与非机动车的分离情况,确定基于交通仿真的非机动车与行人交通信息采集单元;确定其基于交通仿真的机动车交通信息采集单元;本发明按照将交叉口进口道一个长的检测范围依据混行比例不同划分为一系列小的交通信息检测单元,相比于较大的交通信息检测范围,小的检测单元获取的交通信息更加精确,输入仿真软件后更能反映真实的交通状态,在采集单元划分集中筛选出最优的划分方案,达到最优化划分交通信息采集单元的目的。
Description
技术领域
本发明涉及智能交通控制领域,特别是一种基于交通仿真的多模式交通信息采集单元长度确定方法。
背景技术
随着我国城市化进程的不断加快,机动车保有量日益增加,导致城市道路供需矛盾日益突出,现有交通的设施面临巨大的压力,但同时我国在计算机、车辆工程、无线通信等核心技术领域的突破和不断推进为道路交通的智能化管理打下了坚实的基础,基于交通仿真的城市道路交通管理与控制被认为是解决城市道路环境供需矛盾、缓解交通拥堵的有效方法,其中,目标道路运行特征数据的获取是至关重要的一环,大范围的运行特征数据采集存在对象多,在仿真中不能反映真实交通状况的问题,因此将大范围的信息采集区域划分为多个信息采集单元,以提高仿真精确度的作用。
已有研究中,中国专利CN102542106B采用将一个长的时间段划分为多个连续的短时间段的方法,依据人车分布规律采用一种区域划分方案,达到平衡各仿真服务器负载的目的;中国专利CN103971517B涉及一种实时数据交通仿真方法,包括:实时接收检测数据、触发条件信息、开启分支仿真过程,并输出各仿真过程的仿真指标;中国专利CN110164128B将多源异构数据作为输入,预测交叉口各车道的排队长度,并对车辆排队长度的演变进行动态仿真,以弥补传统仿真无法实时反映交通的复杂变化的不足。
总体而言,现有针对基于交通仿真的信息采集的研究主要集中于大区域的传统信息采集,或者将传统方法采集的数据输入算法对未来交通状况进行预测来代替未来的实际交通数据,上述交通信息采集方式在交叉口的实时智能控制上是不精确的,除此之外,现有研究鲜有对交通信息采集单元划分的研究。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种基于交通仿真的多模式交通信息采集单元长度确定方法,基于交叉口实时感知系统、进口道实时交通信息采集系统,以机动车道和行人与非机动车道的多种信息采集单元备选方案为对象,以交通仿真为基础,评价交叉口目标进口道检测范围内机动车道和行人与非机动车道的多种信息采集单元备选方案的仿真准确性和高效性并对其赋权,得到信息采集单元备选方案集的综合评价指标,通过对方案集的综合评价指标进行评定,并以此为依据,确定当前交叉口进口道中机动车道和行人与非机动车道应采用的信息采集单元大小,进而为交叉口的实时智能化控制提供交通数据支撑,为道路交通安全和行驶效率提供保障。
本发明为解决上述技术问题采用以下技术方案:
根据本发明提出的一种基于交通仿真的多模式交通信息采集单元长度确定方法,多模式交通信息采集单元长度确定方法包括:人行道与非机动车道的交通信息采集单元长度确定方法和机动车道的交通信息采集单元长度确定方法;具体如下:
获取目标交叉口进口道检测范围内的交通设施信息,所述交通设施信息包括目标进口道的机动车道数、行人与非机动车的分离情况;
根据交通仿真的要求,确定交通信息采集单元长度的评价指标;
将人行道及非机动车道的交通信息采集划分为两种模式,这两种模式为模式一和模式二;模式一是指:人行道和非机动车道在空间上实现分离;模式二是指:人行道和非机动车道在空间上没有实现分离;分别计算这两种模式下的交通信息采集单元长度的备选方案集,并将备选方案集在预设的交通仿真软件中进行仿真,输出备选方案集中的各备选方案的评价指标,依据备选方案集中的各备选方案的评价指标计算各备选方案的综合评价指标,最终选择备选方案集中综合评价指标最小的备选方案的交通信息采集单元长度为最优方案,该最优方案为人行道与非机动车道的交通信息采集单元长度;
计算机动车道的交通信息采集单元长度的备选方案集,并将机动车道的交通信息采集单元长度的备选方案集在预设的交通仿真软件中进行仿真,输出机动车道的交通信息采集单元长度的备选方案集中的各备选方案的评价指标,依据机动车道的交通信息采集单元长度的备选方案集中的各备选方案的评价指标计算机动车道的交通信息采集单元长度的备选方案集中的各备选方案的综合评价指标,最终选择机动车道的交通信息采集单元长度的备选方案集中综合评价指标最小的交通信息采集单元长度为最优方案,该最优方案为机动车道的交通信息采集单元长度。
作为本发明所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法进一步优化方案,交通信息采集单元长度的各备选方案的评价指标包括:交叉口进口道的平均延误时间、排队长度和仿真时长;其中平均延误时间、排队长度表征交通信息采集单元长度的准确性;仿真时长表征交通信息采集单元长度的高效性。
作为本发明所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法进一步优化方案,人行道和非机动车道的交通信息采集单元长度的备选方案集的计算方法包括:
模式一下,交通信息采集单元长度的备选方案集的计算方法包括:
预设人行道与非机动车道的初始交通信息采集单元长度和交通信息采集单元长度的调整步长,依据公式(1),预先设置人行道与非机动车道的迭代因子k1的多个取值,在迭代因子k1的各个取值下分别计算人行道与非机动车道的交通信息采集单元长度,得到人行道与非机动车道的交通信息采集单元长度的备选方案集;
W1=L1+k1λ1 (1)
其中,W1是人行道与非机动车道的交通信息采集单元长度,L1是预设的人行道与非机动车道的初始交通信息采集单元长度,k1是人行道与非机动车道的迭代因子,λ1是人行道与非机动车道的交通信息采集单元的调整步长;
模式二下,交通信息采集单元长度的备选方案集的计算方法包括:
预设人行道与非机动车道在空间上没有实现分离的初始交通信息采集单元长度和交通信息采集单元长度的调整步长,依据公式(2),预先设置人行道与非机动车道的迭代因子k1的多个取值,在迭代因子k1的各个取值下分别计算行人与非机动车混行的交通信息采集单元长度,得到交叉口进口道人行道与非机动车道的交通信息采集单元长度的备选方案集;
W1=L1+k1ρλ1 (2)
其中,ρ是行人及非机动车混行中行人所占的百分比。
作为本发明所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法进一步优化方案,预设k1=-2,-1,0,1,2。
作为本发明所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法进一步优化方案,人行道与非机动车道的各备选方案的综合评价指标的计算方法包括:
其中,l1,k1、d1,k1是仿真得到的交叉口进口道人行道与非机动车道的排队长度和平均延误时间,l0,1、d0,1是实际检测到的交叉口进口道人行道与非机动车道的排队长度和平均延误时间,t1,k1是人行道与非机动车道交通信息采集单元长度的备选方案的仿真时长,是人行道与非机动车道交通信息采集单元长度的备选方案集的平均仿真时长,α1是交叉口进口道人行道与非机动车道的排队长度的影响因子;β1是交叉口进口道人行道与非机动车道的平均延误时间的影响因子;γ1是交叉口进口道人行道与非机动车道的仿真时长的影响因子;α1、β1、γ1均是预设得到。
作为本发明所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法进一步优化方案,机动车道的交通信息采集单元长度的备选方案集的计算方法包括:
预设机动车道的初始交通信息采集单元长度和交通信息采集单元长度的调整步长,依据公式(4),预先设置机动车道的迭代因子k2的多个取值,在迭代因子k2的各个取值下分别计算机动车道的交通信息采集单元长度,得到交叉口进口道机动车道的交通信息采集单元长度的备选方案集;
W2=L2+k2δλ2 (4)
其中,W2是机动车道的交通信息采集单元长度,L2是预设的机动车道的初始交通信息采集单元长度,k2是机动车道的迭代因子,λ2是机动车道的交通信息采集单元长度的调整步长,δ是机动车道中小型车所占的百分比。
作为本发明所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法进一步优化方案,预设k2=-2,-1,0,1,2。
作为本发明所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法进一步优化方案,机动车道的各备选方案的综合评价指标的计算方法包括:
其中,l2,k2、d2,k2是仿真得到的交叉口进口道机动车道的排队长度和平均延误时间,l0,2、d0,2是实际检测到的交叉口进口道机动车道的排队长度和平均延误时间,t2,k2是机动车道的交通信息采集单元长度的备选方案集中备选方案的仿真时长,是机动车道的交通信息采集单元长度的备选方案集的平均仿真时长,α2是交叉口进口道机动车道的排队长度的影响因子;β2是交叉口进口道机动车道的平均延误时间的影响因子;γ2是交叉口进口道机动车道的仿真时长的影响因子;α2、β2、γ2是均是通过预设得到。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
(1)本发明方法,基于交叉口实时感知系统、进口道实时交通信息采集系统,以机动车道和行人与非机动车道的多种信息采集单元备选方案为对象,以交通仿真为基础,评价交叉口目标进口道检测范围内机动车道和行人与非机动车道的多种信息采集单元备选方案的仿真准确性和高效性并对其赋权,得到信息采集单元备选方案集的综合评价指标,通过对方案集的综合评价指标进行评定,并以此为依据,确定当前交叉口进口道中机动车道和行人与非机动车道应采用的信息采集单元大小;
(2)本发明提供的方法综合考虑交叉口进口道信息感知范围内的多种交通信息采集单元的划分方案,为保证信息采集单元划分方案的合理性,引入了采集单元大小对仿真精确性和高效性的影响指标,使仿真软件对目标交叉口进口道交通状况的判定更加科学、精准,为道路交通安全和运行效率提供保障。
附图说明
图1是本发明实施例的方法流程图;
图2是本发明实施例的实例中目标进口道信息采集单元确定过程的示意图。
具体实施方式
为了使本发明的内容更容易被清楚的理解,下面结合附图和具体实施例对本发明作进一步详细的说明。
下面根据某交通示例对本发明作进一步阐述。
交通示例:某一交叉口东进口道,有三条机动车道和一条人行道,三条机动车道分别为左转专用车道、直行车道和直右车道,从左至右编号依次为①~④,如图2所示,某时刻该进口道各车道的混行比例、初始交通信息采集单元长度和调整步长分别如下表1所示:
表1某时刻目标进口道各车道的混行比例、初始采集单元长度及调整步长表
将各车道的混行比例、初始信息采集单元长度和调整步长代入所述备选交通信息采集单元集计算公式,得到各车道的备选信息采集单元集长度如下表2所示:
表2各车道的备选信息采集单元长度
将在各个信息采集单元划分备选方案下所能获取的交通数据输入交通仿真软件,并将仿真得到的数据与实际运行数据进行对比,依据所述计算公式,得到各备选方案的综合评价指标如下表3所示,其中评价指标的影响因子α1、β1、γ1、α2、β2、γ2分别取1、1、2、1、1、2:
表3各备选方法的综合评价指标值
在所有备选方案中筛选出综合评价指标值最小的方案作为该车道应采用的交通信息采集单元长度,各车道最终选取的信息采集单元长度如下表4所示:
表4各车道最终选定的信息采集单元长度
上述信息采集单元的确定方法流程如图1所示。
本实施例公开的一种基于交通仿真的多模式交通信息采集单元确定装置与一种基于交通仿真的多模式交通信息采集单元长度确定方法实施例属于同一构思,具体实现过程详见方法实施例。
信息采集单元确定装置包括:
交通设施信息储存模块,包括机动车道数据单元和行人与非机动车道数据单元,分别用于储存机动车道数,及行人与非机动车的混行情况;
交通混行比例感知模块,包括机动车道感知单元和行人与非机动车道感知单元,分别用于获取各机动车道中小型车与大型车的混行比例,以及行人与非机动车道中行人与非机动车的混行比例;
信息采集单元计算模块,包括机动车道信息采集单元计算单元和行人与非机动车道信息采集单元计算单元,分别用于根据上述的方法进行信息采集单元备选方案集的确定、评价,以及最优交通信息采集单元大小的确定。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种基于交通仿真的多模式交通信息采集单元长度确定方法,其特征在于,多模式交通信息采集单元长度确定方法包括:人行道与非机动车道的交通信息采集单元长度确定方法和机动车道的交通信息采集单元长度确定方法;具体如下:
获取目标交叉口进口道检测范围内的交通设施信息,所述交通设施信息包括目标进口道的机动车道数、行人与非机动车的分离情况;
根据交通仿真的要求,确定交通信息采集单元长度的评价指标;
将人行道及非机动车道的交通信息采集划分为两种模式,这两种模式为模式一和模式二;模式一是指:人行道和非机动车道在空间上实现分离;模式二是指:人行道和非机动车道在空间上没有实现分离;分别计算这两种模式下的交通信息采集单元长度的备选方案集,并将备选方案集在预设的交通仿真软件中进行仿真,输出备选方案集中的各备选方案的评价指标,依据备选方案集中的各备选方案的评价指标计算各备选方案的综合评价指标,最终选择备选方案集中综合评价指标最小的备选方案的交通信息采集单元长度为最优方案,该最优方案为人行道与非机动车道的交通信息采集单元长度;
计算机动车道的交通信息采集单元长度的备选方案集,并将机动车道的交通信息采集单元长度的备选方案集在预设的交通仿真软件中进行仿真,输出机动车道的交通信息采集单元长度的备选方案集中的各备选方案的评价指标,依据机动车道的交通信息采集单元长度的备选方案集中的各备选方案的评价指标计算机动车道的交通信息采集单元长度的备选方案集中的各备选方案的综合评价指标,最终选择机动车道的交通信息采集单元长度的备选方案集中综合评价指标最小的交通信息采集单元长度为最优方案,该最优方案为机动车道的交通信息采集单元长度。
2.根据权利要求1所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法,其特征在于,交通信息采集单元长度的各备选方案的评价指标包括:交叉口进口道的平均延误时间、排队长度和仿真时长;其中平均延误时间、排队长度表征交通信息采集单元长度的准确性;仿真时长表征交通信息采集单元长度的高效性。
3.根据权利要求1所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法,其特征在于,人行道和非机动车道的交通信息采集单元长度的备选方案集的计算方法包括:
模式一下,交通信息采集单元长度的备选方案集的计算方法包括:
预设人行道与非机动车道的初始交通信息采集单元长度和交通信息采集单元长度的调整步长,依据公式(1),预先设置人行道与非机动车道的迭代因子k1的多个取值,在迭代因子k1的各个取值下分别计算人行道与非机动车道的交通信息采集单元长度,得到人行道与非机动车道的交通信息采集单元长度的备选方案集;
W1=L1+k1λ1 (1)
其中,W1是人行道与非机动车道的交通信息采集单元长度,L1是预设的人行道与非机动车道的初始交通信息采集单元长度,k1是人行道与非机动车道的迭代因子,λ1是人行道与非机动车道的交通信息采集单元的调整步长;
模式二下,交通信息采集单元长度的备选方案集的计算方法包括:
预设人行道与非机动车道在空间上没有实现分离的初始交通信息采集单元长度和交通信息采集单元长度的调整步长,依据公式(2),预先设置人行道与非机动车道的迭代因子k1的多个取值,在迭代因子k1的各个取值下分别计算行人与非机动车混行的交通信息采集单元长度,得到交叉口进口道人行道与非机动车道的交通信息采集单元长度的备选方案集;
W1=L1+k1ρλ1 (2)
其中,ρ是行人及非机动车混行中行人所占的百分比。
4.根据权利要求3所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法,其特征在于,预设k1=-2,-1,0,1,2。
5.根据权利要求1所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法,其特征在于,人行道与非机动车道的各备选方案的综合评价指标的计算方法包括:
将通过预设的交通仿真软件输出的人行道及非机动车道备选方案集中各备选方案的评价指标代入公式(3),计算得到各备选方案的综合评价指标z1,k1;
6.根据权利要求1所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法,其特征在于,机动车道的交通信息采集单元长度的备选方案集的计算方法包括:
预设机动车道的初始交通信息采集单元长度和交通信息采集单元长度的调整步长,依据公式(4),预先设置机动车道的迭代因子k2的多个取值,在迭代因子k2的各个取值下分别计算机动车道的交通信息采集单元长度,得到交叉口进口道机动车道的交通信息采集单元长度的备选方案集;
W2=L2+k2δλ2 (4)
其中,W2是机动车道的交通信息采集单元长度,L2是预设的机动车道的初始交通信息采集单元长度,k2是机动车道的迭代因子,λ2是机动车道的交通信息采集单元长度的调整步长,δ是机动车道中小型车所占的百分比。
7.根据权利要求6所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法,其特征在于,预设k2=-2,-1,0,1,2。
8.根据权利要求1所述的一种基于交通仿真的多模式交通信息采集单元长度确定方法,其特征在于,机动车道的各备选方案的综合评价指标的计算方法包括:
将通过预设的交通仿真软件输出的机动车道备选方案集中各备选方案的评价指标代入公式(5),计算得到各备选方案的综合评价指标z2,k2;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110570478.8A CN113420395B (zh) | 2021-05-25 | 2021-05-25 | 基于交通仿真的多模式交通信息采集单元长度确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110570478.8A CN113420395B (zh) | 2021-05-25 | 2021-05-25 | 基于交通仿真的多模式交通信息采集单元长度确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113420395A true CN113420395A (zh) | 2021-09-21 |
CN113420395B CN113420395B (zh) | 2022-12-13 |
Family
ID=77712871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110570478.8A Active CN113420395B (zh) | 2021-05-25 | 2021-05-25 | 基于交通仿真的多模式交通信息采集单元长度确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113420395B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819958A (zh) * | 2012-08-27 | 2012-12-12 | 上海海事大学 | 城市道路机动车交通信号控制的元胞仿真方法 |
CN103337161A (zh) * | 2013-07-11 | 2013-10-02 | 上海济安交通工程咨询有限公司 | 基于实时仿真模型的交叉口动态综合评价及信控系统优化方法 |
CN112750304A (zh) * | 2020-12-30 | 2021-05-04 | 东南大学 | 一种基于交通仿真的交叉口数据采集区间确定方法及装置 |
-
2021
- 2021-05-25 CN CN202110570478.8A patent/CN113420395B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102819958A (zh) * | 2012-08-27 | 2012-12-12 | 上海海事大学 | 城市道路机动车交通信号控制的元胞仿真方法 |
CN103337161A (zh) * | 2013-07-11 | 2013-10-02 | 上海济安交通工程咨询有限公司 | 基于实时仿真模型的交叉口动态综合评价及信控系统优化方法 |
CN112750304A (zh) * | 2020-12-30 | 2021-05-04 | 东南大学 | 一种基于交通仿真的交叉口数据采集区间确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113420395B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570651B (zh) | 一种基于深度学习的路网交通态势预测方法及系统 | |
CN108805348B (zh) | 一种交叉口信号配时控制优化的方法和装置 | |
WO2022222632A1 (zh) | 交通仿真方法、装置、计算机设备和存储介质 | |
CN104866654B (zh) | 一种一体化城市动态交通仿真平台的构建方法 | |
CN105825669B (zh) | 一种识别城市快速路交通瓶颈的系统和方法 | |
CN108335496B (zh) | 一种城市级交通信号优化方法与系统 | |
CN110111592B (zh) | 基于交通信号控制机动态匹配最优信号配时方案的方法 | |
CN110969871B (zh) | 一种智能交通灯控制系统和控制方法 | |
CN110782120B (zh) | 一种交通流模型的评测方法、系统、设备及介质 | |
Yousef et al. | Intelligent traffic light scheduling technique using calendar-based history information | |
CN102610092A (zh) | 基于rbf神经网络城市道路速度预测方法 | |
CN113936461B (zh) | 一种信号控制交叉口车辆混行的仿真方法和系统 | |
CN104298832A (zh) | 一种基于rfid技术的路网交通流分析方法 | |
CN112991743A (zh) | 基于行驶路径的实时交通风险ai预测方法及其系统 | |
CN107092988B (zh) | 一种专用道公交车辆驻站时间预测方法 | |
CN113868492A (zh) | 一种基于电警、卡口数据的可视化od分析方法及应用 | |
CN110070720B (zh) | 提高交叉口占道施工区通行能力模型拟合度的计算方法 | |
CN113420395B (zh) | 基于交通仿真的多模式交通信息采集单元长度确定方法 | |
Wang et al. | Intelligent traffic analytics: From monitoring to controlling | |
CN112699535A (zh) | 高架地面联动交通信号区域自适应控制方法 | |
CN117173889A (zh) | 一种城市道路多交叉口及相关联路段综合评价方法 | |
Li et al. | Study of the time-collocation of signal lamp at intersection | |
CN113808404A (zh) | 一种固定时长的交通信号灯时长预测方法 | |
CN112183871A (zh) | 基于空气指数的城市交通诱导系统 | |
Chou et al. | Application of computer simulation to the design of a traffic signal timer |
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 |