CN113506452B - 一种基于车群事故风险的快速路多匝道协同控制方法 - Google Patents
一种基于车群事故风险的快速路多匝道协同控制方法 Download PDFInfo
- Publication number
- CN113506452B CN113506452B CN202110694972.5A CN202110694972A CN113506452B CN 113506452 B CN113506452 B CN 113506452B CN 202110694972 A CN202110694972 A CN 202110694972A CN 113506452 B CN113506452 B CN 113506452B
- Authority
- CN
- China
- Prior art keywords
- ramp
- vehicle group
- time
- accident risk
- calculating
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Abstract
本发明涉及一种基于车群事故风险的快速路多匝道协同控制方法,包括:S1、获取车群的控制步长,在每个控制步长内计算事故风险指数,判断是否大于预设阈值,若是转至步骤S2,否则继续监测;S2、确定需要进行控制的匝道,获取进行匝道控制的启动时刻;S3、根据METANET匝道汇入模型和基于安全因素的ALINEA算法分别计算匝道调节率,并取两者的较小值,作为最终的匝道调节率;S4、获取匝道控制周期,结合匝道调节率计算得到匝道的绿灯时间;S5、获取匝道上的车辆排队长度,对绿灯时间进行调整,得到下一时段的匝道的绿灯时间。与现有技术相比,本发明具有降低车群事故风险,提高交通安全,多匝道实施控制,避免高事故风险的车群从上游转移到下游等优点。
Description
技术领域
本发明涉及快速路交通安全控制领域,尤其是涉及一种基于车群事故风险的快速路多匝道协同控制方法。
背景技术
快速路是城市交通的骨干,具有大运量、车速快、封闭性等特点,主要服务于城市长距离出行交通,在早晚高峰期间,通行量较大,存在频繁加减速、合流等现象,严重影响行车安全。如果快速路上发生事故,但是由于其车速快且相对封闭等特性,导致事故处理难度大,甚至造成交通拥堵以及扩散严重,影响匝道及地面上车流。因此,有必要基于事故风险提前对快速路上交通流进行管控。提高快速路交通安全的有效方法之一是主动交通管理,它可以根据当前和预测的交通状况对道路设施进行动态管理,比较常用的是匝道控制。匝道控制能够降低高峰时期或事故高风险状态下匝道车流对主线车流的影响,从而改善交通安全。
目前很多匝道控制方法,主要针对经过某个路段上发生事故可能性或发生事故之后实施控制,所依据的事故风险是针对该路段的事故风险,而随着车群的移动,高事故风险的车群也在转移,因此需要实时估计车群事故风险,基于车群的事故风险来启动控制策略。常用的匝道控制算法ALINEA算法并没有考虑安全参数,仍需要对ALINEA算法进行改进。而且目前匝道控制的方法更多是单点,但是单点实施控制策略,可能会使事故风险从上游转移到下游;而且单点实施策略控制,也可能无法更好地发挥策略的效益。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺少考虑安全参数、单点实施策略控制导致事故风险转移的缺陷而提供一种基于车群事故风险的快速路多匝道协同控制方法。
本发明的目的可以通过以下技术方案来实现:
一种基于车群事故风险的快速路多匝道协同控制方法,具体包括以下步骤:
S1、获取车群的控制步长,在每个控制步长内计算车群的事故风险指数,判断事故风险指数是否大于预设阈值,若是转至步骤S2,否则继续监测;
S2、确定需要进行控制的匝道,获取所述匝道进行匝道控制的启动时刻;
S3、根据METANET匝道汇入模型和基于安全因素的ALINEA算法分别计算各个需要进行控制的匝道的调节率,并取两个计算出的调节率的较小值,作为最终的匝道调节率;
S4、获取所述匝道的匝道控制周期,根据所述匝道调节率和匝道控制周期计算得到所述匝道的绿灯时间;
S5、获取所述匝道上的车辆排队长度,根据车辆排队长度对绿灯时间进行调整,得到下一时段的所述匝道的绿灯时间。
所述车群的控制步长和行驶速度通过路侧端与车群中的网联车进行交互得到。
所述事故风险指数根据快速路上检测器获取的交通参数计算得到,具体公式如下所示:
其中,CI为事故风险指数,βr为第r个交通参数的系数,xr为第r个交通参数,R为交通参数的总数。
进一步地,所述交通参数的类型包括车群速度差、车群流量差和车群平均速度。
所述步骤S2中需要进行控制的匝道具体为车群在1个控制步长内要经过的下游匝道,下游匝道进行匝道控制的启动时刻具体为车群到达相应匝道处的时刻。
进一步地,获取车群到达相应匝道处的时刻的过程具体包括以下步骤:
S201、获取当前车群位置、匝道位置信息和车群的流动速度,根据车群的流动速度计算车群在1个控制步长内要经过的路段长度,根据车群在1个控制步长内要经过的路段长度、当前车群位置和匝道位置信息,确定要经过的下游匝道;
S202、根据当前车群位置和匝道位置信息,计算出车群与要经过的下游匝道之间的距离,根据车群与要经过的下游匝道之间的距离计算出车群到达相应匝道处的时刻。
进一步地,所述步骤S201中计算车群在1个控制步长内要经过的路段长度的公式具体如下所示:
s(k)=vi(k)T
其中,s(k)为车群在k时段要经过的路段长度,T为控制步长,vi(k)为车群在k时段i路段的速度;
所述步骤S202中计算车群到达相应匝道处的时刻的公式具体如下所示:
所述步骤S3具体包括以下步骤:
S301、根据METANET模型的匝道汇入模型,计算第一匝道调节率;
S302、根据基于安全因素的ALINEA算法,计算第二匝道调节率;
S303、融合第一匝道调节率和第二匝道调节率,得到最终的匝道调节率。
进一步地,所述步骤S301中计算第一匝道调节率的公式具体如下所示:
其中,hi(k)为第一匝道调节率,di(k)为i路段对应匝道的k时段需求,wi(k)为i路段对应匝道的k时段排队长度,T为控制步长,Qi(k)为匝道通行能力,ρmax,i为i路段对应主线的最大密度,ρi(k)为i路段对应主线的密度,ρcrit,i为主线关键密度;
所述步骤S302中计算第二匝道调节率的公式具体如下所示:
其中,ri(k)为k时段的i路段对应匝道ALINEA算法计算的匝道调节率,即第二匝道调节率,ri(k-1)为k-1时段的匝道调节率,KR为主线占有率调节参数,KS为安全因素调节参数,为期望占有率,Oout(k-1)为k-1时段的主线占有率,βij为车群j的事故风险的权重,n为上游车群个数,CIcrit为事故风险指数的阈值,CIij(k-1)为k-1时段的事故风险指数;
所述步骤S303中融合第一匝道调节率和第二匝道调节率的公式具体如下所示:
其中,h′i(k)为融合匝道调节率,即最终的匝道调节率。
所述步骤S4中根据所述匝道调节率和匝道控制周期计算得到所述匝道的绿灯时间的公式具体如下所示:
gmin<g(k)<gmax
其中,g(k)为绿灯时间,C为匝道控制周期的时长,rsat为匝道饱和流量,gmin为一个匝道控制周期内最小绿灯时间,gmax为一个匝道控制周期内最大绿灯时间。
进一步地,所述步骤S5中根据车辆排队长度对绿灯时间进行调整,得到下一时段的匝道的绿灯时间的公式具体如下所示:
其中,g′(t)为下一时段的匝道的绿灯时间,queue为匝道上排队的车辆数,veh为车辆计数单位。
与现有技术相比,本发明具有以下有益效果:
1.动态调整控制策略:本发明以车群事故风险为控制策略实施基础,可以根据车群实时的交通状态实施管控,从而提前避免了事故的发生,同时可根据车群的事故风险动态调整控制策略,提高了匝道控制方案的灵活性,有效降低了匝道控制的持续时间。
2.技术先进性:在车路协同环境下,道路设施与车辆通信,下游匝道可以得知车群的到达时间,交互式开启匝道控制策略,将为以后车联网环境下交通管理与控制提供思路。
3.多匝道协同控制:采用多匝道协同控制,且是基于多车群的事故风险。可防止车群事故风险再次升高,更加有效地改善快速路交通安全。
附图说明
图1为本发明的流程示意图;
图2为本发明实施例中匝道控制路段的结构示意图。
附图标记:
1-网联车;2-普通车;3-检测器;4-路侧端。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
现有技术中的基于事故风险的多匝道控制方法更多是单点。单点实施控制策略,可能会使事故风险从上游转移到下游。采取多匝道协同控制可防止持续降低车群的事故风险,防止高事故风险车群转移,可能将更好地发挥出它们的技术优势。另外,以往的研究多是在无网联车的环境下,匝道控制主要基于路段发生事故的可能性或发生事故之后启动控制。本发明是在车路协同情况下,匝道控制可以针对的是经过车群,与针对路段事故风险相比,可以实时监控车群的事故风险,根据车群的事故风险动态调整控制策略。
实施例
如图1所示,一种基于车群事故风险的快速路多匝道协同控制方法,具体包括以下步骤:
S1、获取车群的控制步长,在每个控制步长内计算车群的事故风险指数,判断事故风险指数是否大于预设阈值,若是转至步骤S2,否则继续监测;
S2、确定需要进行控制的匝道,获取匝道进行匝道控制的启动时刻;
S3、根据METANET匝道汇入模型和基于安全因素的ALINEA算法分别计算各个需要进行控制的匝道的调节率,并取两个计算出的调节率的较小值,作为最终的匝道调节率;
S4、获取匝道的匝道控制周期,根据匝道调节率和匝道控制周期计算得到匝道的绿灯时间;
S5、获取匝道上的车辆排队长度,根据车辆排队长度对绿灯时间进行调整,得到下一时段的匝道的绿灯时间。
车群中包括网络车1和普通车2,车群的控制步长和行驶速度通过路侧端3与车群中的网联车1进行交互得到。
事故风险指数根据快速路上检测器获取的交通参数计算得到,具体公式如下所示:
其中,CI为事故风险指数,βr为第r个交通参数的系数,xr为第r个交通参数,R为交通参数的总数。
交通参数的类型包括车群速度差、车群流量差和车群平均速度。
本实施例中,检测器3获取的交通参数的追溯时间为车群0-4min前的交通参数,具体如表1所示:
表1计算事故风险指数的交通参数表
交通参数x<sub>r</sub> | 含义 | 系数β<sub>r</sub> |
Speed<sub>diff,1min</sub> | 车群0-1min前的速度差 | 0.292 |
Speed<sub>diff,2min</sub> | 车群1-2min前的速度差 | 0.125 |
Speed<sub>diff,3min</sub> | 车群2-3min前的速度差 | 0.191 |
Speed<sub>diff,4min</sub> | 车群3-4min前的速度差 | 0.107 |
Vol<sub>diff,1min</sub> | 车群0-1min前的流量差 | 0.105 |
Vol<sub>diff,2min</sub> | 车群1-2min前的流量差 | 0.054 |
Vol<sub>diff,3min</sub> | 车群2-3min前的流量差 | 0.055 |
Vol<sub>diff,4min</sub> | 车群3-4min前的流量差 | 0.037 |
Vol<sub>truck,diff,1min</sub> | 车群0-1min前的卡车流量差 | 0.209 |
Speed<sub>aver,1min</sub> | 车群0-1min前的平均速度 | 0.063 |
步骤S2中需要进行控制的匝道具体为车群在1个控制步长内要经过的下游匝道,下游匝道进行匝道控制的启动时刻具体为车群到达相应匝道处的时刻。
本实施例中,控制步长具体为1min。
获取车群到达相应匝道处的时刻的过程具体包括以下步骤:
S201、获取当前车群位置、匝道位置信息和车群的流动速度,根据车群的流动速度计算车群在1个控制步长内要经过的路段长度,根据车群在1个控制步长内要经过的路段长度、当前车群位置和匝道位置信息,确定要经过的下游匝道;
S202、根据当前车群位置和匝道位置信息,计算出车群与要经过的下游匝道之间的距离,根据车群与要经过的下游匝道之间的距离计算出车群到达相应匝道处的时刻。
步骤S201中计算车群在1个控制步长内要经过的路段长度的公式具体如下所示:
s(k)=vi(k)T
其中,s(k)为车群在k时段要经过的路段长度,T为控制步长,vi(k)为车群在k时段i路段的速度;
步骤S202中计算车群到达相应匝道处的时刻的公式具体如下所示:
步骤S3具体包括以下步骤:
S301、根据METANET模型的匝道汇入模型,计算第一匝道调节率;
S302、根据基于安全因素的ALINEA算法,计算第二匝道调节率;
S303、融合第一匝道调节率和第二匝道调节率,得到最终的匝道调节率。
步骤S301中计算第一匝道调节率的公式具体如下所示:
其中,hi(k)为第一匝道调节率,di(k)为i路段对应匝道的k时段需求,wi(k)为i路段对应匝道的k时段排队长度,T为控制步长,Qi(k)为匝道通行能力,ρmax,i为i路段对应主线的最大密度,ρi(k)为i路段对应主线的密度,ρcrit,i为主线关键密度;
步骤S302中计算第二匝道调节率的公式具体如下所示:
其中,ri(k)为k时段的i路段对应匝道ALINEA算法计算的匝道调节率,即第二匝道调节率,ri(k-1)为k-1时段的匝道调节率,KR为主线占有率调节参数,KS为安全因素调节参数,为期望占有率,Oout(k-1)为k-1时段的主线占有率,βij为车群j的事故风险的权重,n为上游车群个数,CIcrit为事故风险指数的阈值,CIij(k-1)为k-1时段的事故风险指数;
步骤S303中融合第一匝道调节率和第二匝道调节率的公式具体如下所示:
其中,h′i(k)为融合匝道调节率,即最终的匝道调节率。
步骤S4中根据匝道调节率和匝道控制周期计算得到匝道的绿灯时间的公式具体如下所示:
gmin<g(k)<gmax
其中,g(k)为绿灯时间,C为匝道控制周期的时长,rsat为匝道饱和流量,gmin为一个匝道控制周期内最小绿灯时间,gmax为一个匝道控制周期内最大绿灯时间。
步骤S5中根据车辆排队长度对绿灯时间进行调整,得到下一时段的匝道的绿灯时间的公式具体如下所示:
其中,g′(t)为下一时段的匝道的绿灯时间,queue为匝道上排队的车辆数,veh为车辆计数单位。
如图2所示,其中8.8、8.2、9.6、10.0和10.2为路段标号,具体实施时,包括以下步骤:
(1)每步长(1min)追溯车群j进入某路段0-4min前的轨迹,由轨迹沿线检测器数据的流量差、速度差等交通参数计算车群i的事故风险,若计算的事故风险指数高于阈值,转入第(2)步,若低于阈值则不进行控制;
(2)8点05分车群j要进入里程标志8.8-9.2路段,确定要控制的匝道,受控匝道为车群1min要经过的下游匝道;
(3)匝道调节率的计算,将改进的ALINEA算法与METANET模型的匝道汇入模型融合计算下游匝道的调节率;
(4)根据匝道调节率和匝道控制周期计算绿灯时间;
(5)根据匝道上的车辆排队长度对绿灯时间进行调整,得到下一时段调整的受控匝道的绿灯时间。
此外,需要说明的是,本说明书中所描述的具体实施例,所取名称可以不同,本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化,均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种基于车群事故风险的快速路多匝道协同控制方法,其特征在于,具体包括以下步骤:
S1、获取车群的控制步长,在每个控制步长内计算车群的事故风险指数,判断事故风险指数是否大于预设阈值,若是转至步骤S2,否则继续监测;
S2、确定需要进行控制的匝道,获取所述匝道进行匝道控制的启动时刻;
S3、根据METANET匝道汇入模型和基于安全因素的ALINEA算法分别计算各个需要进行控制的匝道的调节率,并取两个计算出的调节率的较小值,作为最终的匝道调节率;
S4、获取所述匝道的匝道控制周期,根据所述匝道调节率和匝道控制周期计算得到所述匝道的绿灯时间;
S5、获取所述匝道上的车辆排队长度,根据车辆排队长度对绿灯时间进行调整,得到下一时段的所述匝道的绿灯时间;
所述步骤S3具体包括以下步骤:
S301、根据METANET模型的匝道汇入模型,计算第一匝道调节率;
S302、根据基于安全因素的ALINEA算法,计算第二匝道调节率;
S303、融合第一匝道调节率和第二匝道调节率,得到最终的匝道调节率;
所述步骤S301中计算第一匝道调节率的公式具体如下所示:
其中,hi(k)为第一匝道调节率,di(k)为i路段对应匝道的k时段需求,wi(k)为i路段对应匝道的k时段排队长度,T为控制步长,Qi(k)为匝道通行能力,ρmax,i为i路段对应主线的最大密度,ρi(k)为i路段对应主线的密度,ρcrit,i为主线关键密度;
所述步骤S302中计算第二匝道调节率的公式具体如下所示:
其中,ri(k)为k时段的i路段对应匝道ALINEA算法计算的匝道调节率,即第二匝道调节率,ri(k-1)为k-1时段的匝道调节率,KR为主线占有率调节参数,KS为安全因素调节参数,为期望占有率,Oout(k-1)为k-1时段的主线占有率,βij为车群j的事故风险的权重,n为上游车群个数,CIcrit为事故风险指数的阈值,CIij(k-1)为k-1时段的事故风险指数;
所述步骤S303中融合第一匝道调节率和第二匝道调节率的公式具体如下所示:
其中,h′i(k)为融合匝道调节率,即最终的匝道调节率;
所述步骤S4中根据所述匝道调节率和匝道控制周期计算得到所述匝道的绿灯时间的公式具体如下所示:
gmin<g(k)<gmax
其中,g(k)为绿灯时间,C为匝道控制周期的时长,rsat为匝道饱和流量,gmin为一个匝道控制周期内最小绿灯时间,gmax为一个匝道控制周期内最大绿灯时间;
所述步骤S5中根据车辆排队长度对绿灯时间进行调整,得到下一时段的匝道的绿灯时间的公式具体如下所示:
其中,g′(t)为下一时段的匝道的绿灯时间,queue为匝道上排队的车辆数,veh为车辆计数单位。
3.根据权利要求2所述的一种基于车群事故风险的快速路多匝道协同控制方法,其特征在于,所述交通参数的类型包括车群速度差、车群流量差和车群平均速度。
4.根据权利要求1所述的一种基于车群事故风险的快速路多匝道协同控制方法,其特征在于,所述步骤S2中需要进行控制的匝道具体为车群在1个控制步长内要经过的下游匝道,下游匝道进行匝道控制的启动时刻具体为车群到达相应匝道处的时刻。
5.根据权利要求4所述的一种基于车群事故风险的快速路多匝道协同控制方法,其特征在于,获取车群到达相应匝道处的时刻的过程具体包括以下步骤:
S201、获取当前车群位置、匝道位置信息和车群的流动速度,根据车群的流动速度计算车群在1个控制步长内要经过的路段长度,根据车群在1个控制步长内要经过的路段长度、当前车群位置和匝道位置信息,确定要经过的下游匝道;
S202、根据当前车群位置和匝道位置信息,计算出车群与要经过的下游匝道之间的距离,根据车群与要经过的下游匝道之间的距离计算出车群到达相应匝道处的时刻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694972.5A CN113506452B (zh) | 2021-06-23 | 2021-06-23 | 一种基于车群事故风险的快速路多匝道协同控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694972.5A CN113506452B (zh) | 2021-06-23 | 2021-06-23 | 一种基于车群事故风险的快速路多匝道协同控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113506452A CN113506452A (zh) | 2021-10-15 |
CN113506452B true CN113506452B (zh) | 2022-08-09 |
Family
ID=78010739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110694972.5A Active CN113506452B (zh) | 2021-06-23 | 2021-06-23 | 一种基于车群事故风险的快速路多匝道协同控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113506452B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299298A (zh) * | 2008-06-30 | 2008-11-05 | 上海电科智能系统股份有限公司 | 一种道路自适应入口匝道汇入控制设备与方法 |
CN201278215Y (zh) * | 2008-06-30 | 2009-07-22 | 上海电科智能系统股份有限公司 | 一种道路自适应入口匝道汇入控制设备 |
WO2014136104A1 (en) * | 2013-03-04 | 2014-09-12 | Intellicon Ltd. | Traffic light system and method |
CN104103180A (zh) * | 2014-07-15 | 2014-10-15 | 同济大学 | 城市快速路入匝道与主线协同信号控制系统及方法 |
CN112150801A (zh) * | 2020-08-21 | 2020-12-29 | 同济大学 | 一种基于准车辆轨迹的快速路实时事故风险预测方法 |
CN112201057A (zh) * | 2020-09-08 | 2021-01-08 | 同济大学 | 一种基于事故风险的快速路车速和匝道协同控制方法 |
CN112614337A (zh) * | 2020-12-03 | 2021-04-06 | 浙江浙大中控信息技术有限公司 | 一种多源数据驱动的快速路入口匝道智能控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101958049B (zh) * | 2010-09-21 | 2015-04-15 | 隋亚刚 | 一种城市快速路匝道出口与相邻交叉路口信号灯联动控制系统及方法 |
KR20160092958A (ko) * | 2016-04-30 | 2016-08-05 | 윤종식 | 교차로 신호위반 교통사고 예방 방법 및 그 시스템 |
CN208521455U (zh) * | 2018-07-25 | 2019-02-19 | 武汉安道和科技有限公司 | 基于plc的匝道出入口远程控制系统 |
CN111640297A (zh) * | 2020-05-09 | 2020-09-08 | 天津市市政工程设计研究院 | 车路协同环境下的多匝道协同控制及辅助驾驶方法 |
CN111681431B (zh) * | 2020-06-02 | 2022-05-03 | 南京慧尔视智能科技有限公司 | 一种基于大区域微波雷达的匝道控制系统及方法 |
-
2021
- 2021-06-23 CN CN202110694972.5A patent/CN113506452B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299298A (zh) * | 2008-06-30 | 2008-11-05 | 上海电科智能系统股份有限公司 | 一种道路自适应入口匝道汇入控制设备与方法 |
CN201278215Y (zh) * | 2008-06-30 | 2009-07-22 | 上海电科智能系统股份有限公司 | 一种道路自适应入口匝道汇入控制设备 |
WO2014136104A1 (en) * | 2013-03-04 | 2014-09-12 | Intellicon Ltd. | Traffic light system and method |
CN104103180A (zh) * | 2014-07-15 | 2014-10-15 | 同济大学 | 城市快速路入匝道与主线协同信号控制系统及方法 |
CN112150801A (zh) * | 2020-08-21 | 2020-12-29 | 同济大学 | 一种基于准车辆轨迹的快速路实时事故风险预测方法 |
CN112201057A (zh) * | 2020-09-08 | 2021-01-08 | 同济大学 | 一种基于事故风险的快速路车速和匝道协同控制方法 |
CN112614337A (zh) * | 2020-12-03 | 2021-04-06 | 浙江浙大中控信息技术有限公司 | 一种多源数据驱动的快速路入口匝道智能控制方法 |
Non-Patent Citations (3)
Title |
---|
Quasi-vehicle-trajectory-based real-time safety analysis for expressways;Wang, Ling等;《Transportation Research: Part C》;20190405;全文 * |
城市快速路入口匝道速度控制研究;刘兰等;《交通信息与安全》;20110620(第03期);全文 * |
高速公路行车安全风险分析与匝道控制算法研究;方涛等;《中国交通信息化》;20200915(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113506452A (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112201057B (zh) | 一种基于事故风险的快速路车速和匝道协同控制方法 | |
CN113450583B (zh) | 一种车路协同下高速公路可变限速和变道协同控制方法 | |
CN108665707B (zh) | 一种预防局部交通拥堵的高速公路入口分流及流量协同控制方法 | |
CN108447266B (zh) | 一种智能网联汽车协同换道入队控制方法 | |
CN108806291B (zh) | 基于路侧设备的高饱和度匝道车辆汇入引导方法与系统 | |
CN111640297A (zh) | 车路协同环境下的多匝道协同控制及辅助驾驶方法 | |
CN112435473B (zh) | 一种结合历史数据的快速路交通流溯源及匝道调控方法 | |
CN105788312B (zh) | 一种基于车路协同的快速道路可变限速控制方法 | |
CN112885088B (zh) | 一种基于动态交通流的多匝道协调控制方法 | |
CN114627647A (zh) | 一种基于可变限速与换道结合的混合交通流优化控制方法 | |
EP3285129A1 (de) | Technik zur längsführung in einem fahrzeugverband | |
CN108922211B (zh) | 考虑站点、信号灯和前车约束的brt公交速度优化推荐方法 | |
CN113506452B (zh) | 一种基于车群事故风险的快速路多匝道协同控制方法 | |
CN114999207A (zh) | 一种智能网联环境下的公交车生态迫近引导方法 | |
CN107564322A (zh) | 单向双公交专用道条件下分离式站台停靠车辆分配方法 | |
CN114863686B (zh) | 一种普通国省干线可变限速控制方法 | |
CN111081014B (zh) | 基于车路协同的自动驾驶汽车指令不服从率的预警处置系统及方法 | |
CN115331432B (zh) | 一种抑制隧道入口区域交通流负效应的网联动车控制方法 | |
CN111583654B (zh) | 一种预防交叉口堵车的方法 | |
CN113516866B (zh) | 一种智能网联技术融合下的公交准点到站调度方法 | |
CN115424432A (zh) | 一种基于多源数据的高速公路异常事件下的上游分流方法 | |
RU2391712C2 (ru) | Устройство регулирования транспортного потока | |
CN114021796A (zh) | 城市轨道交通控流方法、装置及非易失性存储介质 | |
CN113593225A (zh) | 一种面向纯网联环境的单点交叉口车辆控制方法 | |
CN113971888B (zh) | 一种基于交通事故数估计的匝道汇入交通控制方法及系统 |
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 |