CN113793527A - 一种面向城市交通主动控制的测试验证系统 - Google Patents
一种面向城市交通主动控制的测试验证系统 Download PDFInfo
- Publication number
- CN113793527A CN113793527A CN202111073330.XA CN202111073330A CN113793527A CN 113793527 A CN113793527 A CN 113793527A CN 202111073330 A CN202111073330 A CN 202111073330A CN 113793527 A CN113793527 A CN 113793527A
- Authority
- CN
- China
- Prior art keywords
- control
- traffic
- simulation
- control strategy
- signal controller
- 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
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种面向城市交通主动控制的测试验证系统,属于城市道路交通技术领域,该系统包括:以虚拟交通信号机和实体交通信号机信号连接形成的“在线”的交通控制仿真系统、“在环”的半实物沙盘模拟系统和“现场”的交通控制系统;仿真过程可以无限制验证控制策略,并将控制策略首先送入半实物沙盘模拟系统,当控制策略被验证为可用、安全时,再将控制策略输入给“现场”的实际交通信号控制机,这样就形成了“在线‑在环‑现场”的执行检验方式,通过该系统能够有效解决交通控制策略在理论研究中效果明显,而在实际应用时经常出现模型失配、控制策略失效等存在的严重问题。
Description
技术领域
本发明涉及城市道路交通技术领域,更具体的涉及一种面向城市交通主动控制的测试验证系统。
背景技术
随着汽车保有量的持续增加,城市道路拥堵状况日趋严重。交通控制是缓解交通拥堵、解决交通问题的主要手段。但当前交通控制领域存在理论研究中效果明显,而在实际应用时经常出现模型失配、控制策略失效等极为严重问题。这是由于当前交通控制策略的验证测试存在两个典型问题:1)构建控制模型、策略或优化方法时,假设条件太过理想,约束条件太宽泛,没有考虑到实际场景中可能存在的各种问题;2)仿真是理论研究与实际应用的桥梁,其应该弥补两者之间的鸿沟,而当前交通控制采用的仿真手段并没有建立起两个有效的连接。因此,在对交通控制场景、策略、评估等的仿真并未真正形成有效、实用的手段,尤其是构建面向未来车路协同、自动驾驶环境更是无法实际应用。
发明内容
本发明提供一种面向城市交通主动控制的测试验证系统,从“在线”仿真系统到“在环”半实物沙盘模拟再到“现场”实际应用的交通信号控制机,打通仿真与现实的鸿沟,实现从模型—>控制策略—>控制机的高效可达,能有效解决当前控制策略理论仿真效果明显,无法在现场实际应用的问题。
本发明提供一种面向城市交通主动控制的测试验证系统,包括:“在线”的交通控制仿真系统、“在环”的半实物沙盘模拟系统和“现场”的交通控制系统;
所述“在线”的交通控制仿真系统,包括虚拟信号机,与第一交通信号控制机信号连接,用于构建路网的仿真场景,通过控制策略进行主动交通控制的仿真,以及进行控制策略的验证;
所述“在环”的半实物沙盘模拟系统,包括实景沙盘和第一交通信号控制机,实景沙盘包括:建筑模块、道路模块和信号灯模块形成路网,实景沙盘与“在线”的交通控制仿真系统中的路网相同,第一交通信号控制机为真实的交通信号控制机,第一交通信号控制机接收“在线”的交通控制仿真系统的控制策略来控制信号灯模块,进行控制策略的模拟验证;
所述“现场”的交通控制系统,包括设置在真实环境中的检测器和第二交通信号控制机,当控制策略被验证正确且安全时,将控制策略输入第二交通信号控制机内,检测器采集交通数据,并通过云的方式传输给“在线”的交通控制仿真系统,进行仿真驱动和效果评估,进而对控制策略进行修正。
进一步地,所述“在线”的交通控制仿真系统还包括:资源化基础库、仿真场景库、控制策略库、评估器、信号控制驱动器、控制算法编程器和可视化模块;
所述资源化基础库内设有:仿真资源、控制资源和计算资源;
所述仿真资源包括:
模型驱动仿真,包括跟驰模型、排队模型和分配模型,人工标定模型参数;
数据驱动仿真,实时/历史数据驱动交通流运行,数据来源真实现场检测器,通过数据对动态参数进行标定;
控制资源,将控制变量描述为资源,用于实时调用;
计算资源,采用云计算为载体,包括计算能力、存储能力和传输能力;
所述仿真场景库,内设有包括单交叉口控制、多交叉口控制、区域控制、应急车辆控制、车路协同控制和自动驾驶控制的多种交通控制场景,以及多种交通控制场景所需的基础交通仿真参数;
所述控制策略库,包括绿灯时间、相位、相序、车道和车速五维度控制变量的控制策略;
所述评估器,用于评估包括交叉口延误时间、相位平均排队长度、交叉口停车次数的评估指标;
所述信号控制驱动器,用于驱动第一交通信号控制机和第二交通信号控制机;
所述控制算法编程器,提供编程界面、编程模板和多个仿真函数;
所述可视化模块,用于动态演示仿真过程。
进一步地,所述五维度控制变量的控制策略为:
nj,a(k+1)=nj,a(k)-V(k)-G(k)
其中:
其中,V(k)表示速度控制模型,提供车速控制变量;G(k)表示车道控制模型,提供车道、相位、相序、绿灯时间四个控制变量;表示为车道控制变量,表示相位控制变量,Sj,a表示路段通行能力,gj,a,o(k)表示采样周期k内路段j,a所在相位的绿灯时间,且有gj,a,o(k)≥gj,a,o,min,ρj,b(k)表示表示采样周期k内路段j,b密度,qj,a,in(k)表示采样周期k内路段j,a的输入流量。
进一步地,所述检测器是地磁检测器、雷达检测器或视频检测器。
与现有技术相比,本发明的有益效果在于:
本发明通过“在线”的交通控制仿真系统构建仿真场景,利用信号控制驱动器直接控制真实的第一交通信号控制机,通过控制算法编程器编写控制算法用以输入到第一交通信号控制机中予以执行。“在环”的半实物沙盘模拟系统与仿真系统中的路网相同,沙盘中使用的是真实的第一交通信号控制机,其通过接受仿真中的控制策略形成“在线-在环”的检验方式,仿真过程可以无限制验证控制策略,当控制策略被验证为可用、安全时,将控制策略输入给“现场”的实际第二交通信号控制机,这样就形成了“在线-在环-现场”的执行检验方式,现场的检测器采集到的交通数据通过云的方式传输给的仿真系统,仿真系统进行仿真驱动和效果评估,进而对控制策略进行修正。本发明从“在线”仿真系统到“在环”半实物沙盘模拟再到“现场”实际应用的交通信号控制机,打通仿真与现实的鸿沟,实现从模型—>控制策略—>控制机的高效可达。
本发明有效解决交通控制策略在理论研究中效果明显,而在实际应用时经常出现模型失配、控制策略失效等存在的严重问题,提高交通控制策略研发的精度和速度。
本发明通过控制资源将控制变量维度由3维(周期、绿信比、相位)提升到5维(绿灯、相位、相序、车道、车速),使得交通控制形式从被动控制到主动控制更能适应当前和未来全自动驾驶、无人驾驶、车路协同和其他复杂特殊场景下交通管控的需求。
本发明通过采用真实检测器数据驱动仿真参数标定,使得控制策略在训练和执行时处于与现场高度相近的环境下,这样能有效解决当前控制策略理论仿真效果明显,无法在现场实际应用的问题。
附图说明
图1为本发明实施例提供的一种面向城市交通主动控制的测试验证系统架构图。
图2为本发明实施例提供的仿真系统的控制策略API架构。
图3为本发明实施例提供的系统数据流图。
图4为本发明实施例提供的控制策略编程器图。
图5为本发明实施例提供的实景沙盘图。
图6为本发明实施例提供的现场交通信号控制机和检测器示意图。
具体实施方式
下面将结合本发明实施例中的附图1-6,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,本发明实施例提供一种“在线-在环-现场”融合的城市交通主动控制测试验证系统,该系统包括:“在线”的交通控制仿真系统、“在环”的半实物沙盘模拟系统和“现场”的交通信号控制机及检测器。
其中“在线”的交通控制仿真系统包括:虚拟信号机,其采用与真实的交通信号控制机相同的控制逻辑及控制语言,还包括资源化基础库、仿真场景库、控制策略库、评估器、信号控制驱动器、控制算法编程器和可视化模块;“在环”的半实物沙盘模拟系统包括实景沙盘和交通信号控制机;“现场”的交通信号控制机及检测器为真实环境中的交通信号控制器和检测器。
(1)所述“在线”的交通控制仿真系统包括:资源化基础库、仿真场景库、控制策略库、评估器、信号控制驱动器、控制算法编程器和可视化模块;所述资源化基础包括把与仿真有关的都进行资源化定义和封装,包括仿真资源、控制资源、计算资源。
所述仿真资源包括:模型驱动仿真:跟驰模型、排队模型、分配模型等(人工标定模型参数和其他参数);数据驱动仿真:(实时/历史)数据驱动交通流运行——>数据来源真实现场传感器,通过数据对动态参数进行标定。
所述控制资源包括:将控制变量描述为资源,可以进行实时调用。
所述计算资源包括:系统采用云计算为载体,包括计算能力、存储能力和传输能力,是为了实现:更大规模的仿真计算的算力需求;先进控制算法、优化算法的算力需求;更复杂交通场景建模的算力需求;多用户同时在线仿真时的算力需求;实时/历史数据采集、传输、存储的需求。
所述仿真场景库包括:可以根据需要构建各种交通控制的场景,如单交叉口控制、多交叉口控制、区域控制、应急车辆控制、车路协同控制、自动驾驶控制等所需的基础交通仿真参数。
所述控制策略库,在资源化基础库的基础上,利用控制资源化将控制变量维度由3维度(周期、绿信比、相位)提升到5维度(绿灯、相位、相序、车道、车速):
nj,a(k+1)=nj,a(k)-V(k)-G(k)
其中:
其中,V(k)表示速度控制模型,提供{车速}控制变量;G(k)表示车道控制模型,提供{车道、相位、相序、绿灯时间}四个控制变量。表示为车道控制变量,表示相位控制变量,Sj,a表示路段通行能力,gj,a,o(k)表示采样周期k内路段j,a所在相位的绿灯时间,且有gj,a,o(k)≥gj,a,o,min,ρj,b(k)表示表示采样周期k内路段j,b密度,qj,a,in(k)表示采样周期k内路段j,a的输入流量。
所述的评估器,提供交叉口延误时间、相位平均排队长度、交叉口停车次数三个典型评估指标。
所述信号控制驱动器,用于驱动真实交通信号控制机。
所述控制算法编程器,提供编程界面并已经封装好了丰富的仿真函数,还提供标准的编程模板,使没有编程技术的管理人员和研究人员都能快速实现自己的控制策略并进行验证。
所述可视化模块,用于动态演示仿真过程。
(2)所述“在环”的半实物沙盘模拟系统包括实景沙盘和交通信号控制机。
所述实景沙盘包括:建筑模块、道路模块、信号灯模块等。
所述交通信号控制机为实际中真实使用的交通信号控制机,以控制实景沙盘上的信号灯模块。
(3)所述“现场”的交通信号控制机及检测器为真实环境中的交通信号控制器和检测器,其中检测器可以是地磁检测器、雷达检测器等。
进一步地、通过“在线”的交通控制仿真系统构建仿真场景,利用信号控制驱动器直接控制真实的交通信号控制机,通过控制算法编程器编写控制算法用以输入到交通信号控制机中予以执行。“在环”的半实物沙盘模拟系统与仿真系统中的路网相同,沙盘中使用的是真实的交通信号控制机,其通过接受仿真中的控制策略形成“在线-在环”的检验方式,仿真过程可以无限制验证控制策略,当控制策略被验证为可用、安全时,将控制策略输入给“现场”的实际交通信号控制机,这样就形成了“在线-在环-现场”的执行检验方式,现场的检测器采集到的交通数据通过云的方式传输给的仿真系统,仿真系统进行仿真驱动和效果评估,进而对控制策略进行修正。
进一步地、仿真场景构建,包括进行路网的绘制、基本仿真参数的输入、仿真驱动形式的选择:模型驱动仿真:跟驰模型、排队模型、分配模型等(人工标定模型参数和其他参数);数据驱动仿真:(实时/历史)数据驱动交通流运行——>数据来源真实现场传感器,通过数据对动态参数进行标定。
进一步地、打通仿真与现实的鸿沟,实现从模型—>控制策略—>控制机的高效可达.
所述其在保护机制要求下,进行场景设置和参数标定时同步加载到控制器中生成参数保护。
所述其将交通控制机的控制变量/控制语言抽象出来与仿真控制引擎中的控制变量/控制语言形成映射关系,这样直接通过仿真控制引擎驱动控制器的执行,这样还使得控制策略的设计者无需关心仿真控制器与现场控制器之间的差异。
所述其对于控制器的支持是通过抽象和解耦基本保护参数与控制变量关系实现的,可支持几类典型交通信号控制机。
所述其由于采用了真实数据驱动仿真参数标定,使得控制策略在训练和执行时处于与现场高度相近的环境下,这样能有效解决当前控制策略理论仿真效果明显,无法在现场实际应用的问题。
所述其仿真中的控制引擎采用了和现场交通控制器与检测器相同的一套体系,因此可完全支持驱动现场交通信号控制器并接受检测器数据。
所述其仿真通过提供的控制算法编程器+API,可以实现控制策略程序的快速编写。
参见图2,本发明仿真系统的控制策略架构,由数据准备,控制策略和设备引擎三部分组成:1)数据准备部分将检测数据封装为标准的输入输出变量,将信号控制、车辆、可变标志等定为控制变量保存在数据库中;2)控制策略部分首先将交通需求构造为不同的虚拟场景,针对不同的场景设计控制策略,控制策略的集合称之为代理,控制策略称之为Agent,也就说研究人员设计的新型的控制策略被定义为Agent,在仿真系统中通过给定条件来运行相应的Agent;3)设备驱动部分实现的是并行仿真与控制引擎的交互,当新的控制策略被证明为可靠时,可以通过该驱动将控制参数直接推送到控制引擎中,并在恰当的时机开始在现实的环境中执行。
参见图3,本发明的数据流图,当系统运行时,场景引擎向消息队列服务申请检测器和交通信号控制器的状态数据的调用,并将调用数据按照场景辨识算法的输入数据要求进行封装送至场景辨识模块进行当前交通场景的辨识,然后辨识结果作为输入送至控制策略模块。如果当前交通场景只需要执行基础控制策略,则由基础控制策略生成控制参数送至控制引擎,控制引擎将控制参数与基础参数合并封装,下发至信号控制器予以执行;如果当前交通场景需要执行先进控制策略,则仿真引擎向消息队列服务申请检测器和交通信号控制器的状态数据的调用,并将调用的数据按照仿真的输入数据要求进行封装并送至并行仿真模块,同时控制策略中的先进控制策略将生成的控制参数送至并行仿真模块,共同形成仿真的子程序进行并通过仿真得到确定的控制参数送至控制引擎,控制引擎将控制参数与基础参数合并封装,下发至信号控制器予以执行。
参见图4,本发明仿真系统的控制策略编程器,软件上已经封装好了丰富的函数,并设计了标准的编程模板,可以使没有编程技术的管理人员和研究人员都能快速实现自己的控制策略并进行验证。
参见图5,为实景沙盘,包括:建筑模块、道路模块、信号灯模块等,用以形成与仿真系统中相匹配的路网和信号控制形式。
参见图6,所述为现场实际应用的交通信号控制机和检测器的示意。
综上所述,本发明通过“在线”的交通控制仿真系统构建仿真场景,利用信号控制驱动器直接控制真实的交通信号控制机,通过控制算法编程器编写控制算法用以输入到交通信号控制机中予以执行。“在环”的半实物沙盘模拟系统与仿真系统中的路网相同,沙盘中使用的是真实的交通信号控制机,其通过接受仿真中的控制策略形成“在线-在环”的检验方式,仿真过程可以无限制验证控制策略,当控制策略被验证为可用、安全时,将控制策略输入给“现场”的实际交通信号控制机,这样就形成了“在线-在环-现场”的执行检验方式,现场的检测器采集到的交通数据通过云的方式传输给的仿真系统,仿真系统进行仿真驱动和效果评估,进而对控制策略进行修正。本发明从“在线”仿真系统到“在环”半实物沙盘模拟再到“现场”实际应用的交通信号控制机,打通仿真与现实的鸿沟,实现从模型—>控制策略—>控制机的高效可达,并提供了一套系统、完整、可实施的技术方案。
本发明以资源化基础库为核心,把与仿真有关的都进行资源化定义和封装,包括仿真资源、控制资源和计算资源,其中控制资源化将控制变量维度由3维(周期、绿信比、相位)提升到5维(绿灯、相位、相序、车道、车速),以此为基础构建仿真场景库、控制策略库、评估器和可视化模块,实现主动交通控制仿真和验证;利用信号控制驱动器直接控制真实的交通信号控制机,通过控制算法编程器编写控制算法用以输入到交通信号控制机中予以执行。“在环”的半实物沙盘模拟系统与仿真系统中的路网相同,沙盘中使用的是真实的交通信号控制机,其通过接受仿真中的控制策略形成“在线-在环”的检验方式,仿真过程可以无限制验证控制策略,当控制策略被验证为可用、安全时,将控制策略输入给“现场”的实际交通信号控制机,这样就形成了“在线-在环-现场”的执行检验方式,现场的检测器采集到的交通数据通过云的方式传输给的仿真系统,仿真系统进行仿真驱动和效果评估,进而对控制策略进行修正。通过该系统可以有效解决交通控制策略在理论研究中效果明显,而在实际应用时经常出现模型失配、控制策略失效等存在的严重问题,提高交通控制策略研发的精度和速度。
即通过资源化把与仿真有关的都进行资源化定义和封装可实现更灵活、更弹性的资源调度。
通过控制资源化将控制变量的维度进行了扩展,使得交通控制形式从被动控制到主动控制更能适应当前和未来全自动驾驶、无人驾驶、车路协同和其他复杂特殊场景下交通管控的需求。
通过“在线—在环—现场”的架构打通仿真与现实的鸿沟,实现从模型—>控制策略—>控制器的高效可达。
通过采用真实检测器数据驱动仿真参数标定,使得控制策略在训练和执行时处于与现场高度相近的环境下,这样能有效解决当前控制策略理论仿真效果明显,无法在现场实际应用的问题。
通过提供的控制算法编程器+API,进一步解放了交通控制工程师,使其更加关注策略的设计,而非编程技能。
本发明公开了一种“在线-在环-现场”融合的城市交通主动控制测试验证系统,该系统包括:“在线”的交通控制仿真系统、“在环”的半实物沙盘模拟系统和“现场”的交通信号控制机及检测器。“在线”的交通控制仿真系统包括:资源化基础库、仿真场景库、控制策略库、评估器、信号控制驱动器、控制算法编程器和可视化模块。本发明以资源化基础库为核心,把与仿真有关的都进行资源化定义和封装,包括仿真资源、控制资源和计算资源,其中控制资源化将控制变量维度由3维(周期、绿信比、相位)提升到5维(绿灯、相位、相序、车道、车速),以此为基础构建仿真场景库、控制策略库、评估器和可视化模块,实现主动交通控制仿真和验证;利用信号控制驱动器直接控制真实的交通信号控制机,通过控制算法编程器编写控制算法用以输入到交通信号控制机中予以执行。“在环”的半实物沙盘模拟系统与仿真系统中的路网相同,沙盘中使用的是真实的交通信号控制机,其通过接受仿真中的控制策略形成“在线-在环”的检验方式,仿真过程可以无限制验证控制策略,当控制策略被验证为可用、安全时,将控制策略输入给“现场”的实际交通信号控制机,这样就形成了“在线-在环-现场”的执行检验方式,现场的检测器采集到的交通数据通过云的方式传输给的仿真系统,仿真系统进行仿真驱动和效果评估,进而对控制策略进行修正。通过该系统可以有效解决交通控制策略在理论研究中效果明显,而在实际应用时经常出现模型失配、控制策略失效等存在的严重问题,提高交通控制策略研发的精度和速度。
本发明公开了一种面向城市交通主动控制的测试验证系统,属于城市道路交通技术领域,该系统包括:以虚拟交通信号机和实体交通信号机信号连接形成的“在线”的交通控制仿真系统、“在环”的半实物沙盘模拟系统和“现场”的交通控制系统;仿真过程可以无限制验证控制策略,并将控制策略首先送入半实物沙盘模拟系统,当控制策略被验证为可用、安全时,再将控制策略输入给“现场”的实际交通信号控制机,这样就形成了“在线-在环-现场”的执行检验方式,现场的检测器采集到的交通数据通过云的方式传输给的仿真系统,仿真系统进行仿真驱动和效果评估,进而对控制策略进行修正。通过该系统可以有效解决交通控制策略在理论研究中效果明显,而在实际应用时经常出现模型失配、控制策略失效等存在的严重问题。
以上公开的仅为本发明的几个具体实施例,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种面向城市交通主动控制的测试验证系统,其特征在于,包括:“在线”的交通控制仿真系统、“在环”的半实物沙盘模拟系统和“现场”的交通控制系统;
所述“在线”的交通控制仿真系统,包括虚拟信号机,与第一交通信号控制机信号连接,用于构建路网的仿真场景,通过控制策略进行主动交通控制的仿真,以及进行控制策略的验证;
所述“在环”的半实物沙盘模拟系统,包括实景沙盘和第一交通信号控制机,实景沙盘包括:建筑模块、道路模块和信号灯模块形成路网,实景沙盘与“在线”的交通控制仿真系统中的路网相同,第一交通信号控制机为真实的交通信号控制机,第一交通信号控制机接收“在线”的交通控制仿真系统的控制策略来控制信号灯模块,进行控制策略的模拟验证;
所述“现场”的交通控制系统,包括设置在真实环境中的检测器和第二交通信号控制机,当控制策略被验证正确且安全时,将控制策略输入第二交通信号控制机内,检测器采集交通数据,并通过云的方式传输给“在线”的交通控制仿真系统,进行仿真驱动和效果评估,进而对控制策略进行修正。
2.如权利要求1所述的一种面向城市交通主动控制的测试验证系统,其特征在于,所述“在线”的交通控制仿真系统还包括:资源化基础库、仿真场景库、控制策略库、评估器、信号控制驱动器、控制算法编程器和可视化模块;
所述资源化基础库内设有:仿真资源、控制资源和计算资源;
所述仿真资源包括:
模型驱动仿真,包括跟驰模型、排队模型和分配模型,人工标定模型参数;
数据驱动仿真,实时/历史数据驱动交通流运行,数据来源真实现场检测器,通过数据对动态参数进行标定;
控制资源,将控制变量描述为资源,用于实时调用;
计算资源,采用云计算为载体,包括计算能力、存储能力和传输能力;
所述仿真场景库,内设有包括单交叉口控制、多交叉口控制、区域控制、应急车辆控制、车路协同控制和自动驾驶控制的多种交通控制场景,以及多种交通控制场景所需的基础交通仿真参数;
所述控制策略库,包括绿灯时间、相位、相序、车道和车速五维度控制变量的控制策略;
所述评估器,用于评估包括交叉口延误时间、相位平均排队长度、交叉口停车次数的评估指标;
所述信号控制驱动器,用于驱动第一交通信号控制机和第二交通信号控制机;
所述控制算法编程器,提供编程界面、编程模板和多个仿真函数;
所述可视化模块,用于动态演示仿真过程。
4.如权利要求1所述的一种面向城市交通主动控制的测试验证系统,其特征在于,所述检测器是地磁检测器、雷达检测器或视频检测器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111073330.XA CN113793527B (zh) | 2021-09-14 | 2021-09-14 | 一种面向城市交通主动控制的测试验证系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111073330.XA CN113793527B (zh) | 2021-09-14 | 2021-09-14 | 一种面向城市交通主动控制的测试验证系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113793527A true CN113793527A (zh) | 2021-12-14 |
CN113793527B CN113793527B (zh) | 2022-11-18 |
Family
ID=78880266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111073330.XA Active CN113793527B (zh) | 2021-09-14 | 2021-09-14 | 一种面向城市交通主动控制的测试验证系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113793527B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114968604A (zh) * | 2022-08-03 | 2022-08-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种大规模路网下的道路仿真并行方法、装置及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070030171A1 (en) * | 2005-08-08 | 2007-02-08 | University Of Washington | Mobile system and method for traffic detector simulations |
CN101414417A (zh) * | 2008-12-01 | 2009-04-22 | 浙江大学 | 一种交通仿真半实物电子沙盘系统 |
AU2009202225A1 (en) * | 2008-06-04 | 2009-12-24 | Transport For Nsw | Traffic Signals Control System |
CN102280027A (zh) * | 2011-07-29 | 2011-12-14 | 长安大学 | 交叉口半实物动态微观仿真系统及其仿真方法 |
CN102915636A (zh) * | 2012-10-19 | 2013-02-06 | 北京工业大学 | 交通信号机控制策略综合性能有效性测试系统及方法 |
CN103050016A (zh) * | 2012-12-24 | 2013-04-17 | 中国科学院自动化研究所 | 一种基于混合推荐的交通信号控制方案实时选取方法 |
CN203552059U (zh) * | 2013-09-27 | 2014-04-16 | 孙智彬 | 一种适用于智能交通设计与规划平台的自行驶小车 |
CN105206070A (zh) * | 2015-08-14 | 2015-12-30 | 公安部交通管理科学研究所 | 道路交通信号协调实时优化控制方法及其控制系统 |
CN106056905A (zh) * | 2016-06-24 | 2016-10-26 | 北京工业大学 | 基于多传感器的交通控制策略硬件在环仿真系统及方法 |
US20180107770A1 (en) * | 2016-10-14 | 2018-04-19 | Zoox, Inc. | Scenario description language |
CN110114806A (zh) * | 2018-02-28 | 2019-08-09 | 华为技术有限公司 | 信号灯控制方法、相关设备及系统 |
US20200005645A1 (en) * | 2018-06-29 | 2020-01-02 | Nissan North America, Inc. | Orientation-Adjust Actions for Autonomous Vehicle Operational Management |
CN111710167A (zh) * | 2020-08-24 | 2020-09-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于在线交通仿真的单点优化控制方法及装置 |
CN111739384A (zh) * | 2020-06-22 | 2020-10-02 | 北京警察学院 | 一种硬件在环的城市交通信号控制教学实验平台 |
CN112329182A (zh) * | 2020-10-28 | 2021-02-05 | 北京石油化工学院 | 车路协同条件下面向复杂交通形态的控制网格划分方法 |
CN112712591A (zh) * | 2020-12-31 | 2021-04-27 | 广州学塾加软件科技有限公司 | 基于微观交通仿真的交通信号控制实验系统及方法 |
CN112735150A (zh) * | 2020-12-18 | 2021-04-30 | 南京莱斯信息技术股份有限公司 | 一种路口级场景化控制策略的实现方法 |
CN113380041A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于车路协同仿真的应用场景测试系统、方法、设备及存储介质 |
-
2021
- 2021-09-14 CN CN202111073330.XA patent/CN113793527B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070030171A1 (en) * | 2005-08-08 | 2007-02-08 | University Of Washington | Mobile system and method for traffic detector simulations |
AU2009202225A1 (en) * | 2008-06-04 | 2009-12-24 | Transport For Nsw | Traffic Signals Control System |
CN101414417A (zh) * | 2008-12-01 | 2009-04-22 | 浙江大学 | 一种交通仿真半实物电子沙盘系统 |
CN102280027A (zh) * | 2011-07-29 | 2011-12-14 | 长安大学 | 交叉口半实物动态微观仿真系统及其仿真方法 |
CN102915636A (zh) * | 2012-10-19 | 2013-02-06 | 北京工业大学 | 交通信号机控制策略综合性能有效性测试系统及方法 |
CN103050016A (zh) * | 2012-12-24 | 2013-04-17 | 中国科学院自动化研究所 | 一种基于混合推荐的交通信号控制方案实时选取方法 |
CN203552059U (zh) * | 2013-09-27 | 2014-04-16 | 孙智彬 | 一种适用于智能交通设计与规划平台的自行驶小车 |
CN105206070A (zh) * | 2015-08-14 | 2015-12-30 | 公安部交通管理科学研究所 | 道路交通信号协调实时优化控制方法及其控制系统 |
CN106056905A (zh) * | 2016-06-24 | 2016-10-26 | 北京工业大学 | 基于多传感器的交通控制策略硬件在环仿真系统及方法 |
US20180107770A1 (en) * | 2016-10-14 | 2018-04-19 | Zoox, Inc. | Scenario description language |
CN110114806A (zh) * | 2018-02-28 | 2019-08-09 | 华为技术有限公司 | 信号灯控制方法、相关设备及系统 |
US20200005645A1 (en) * | 2018-06-29 | 2020-01-02 | Nissan North America, Inc. | Orientation-Adjust Actions for Autonomous Vehicle Operational Management |
CN111739384A (zh) * | 2020-06-22 | 2020-10-02 | 北京警察学院 | 一种硬件在环的城市交通信号控制教学实验平台 |
CN111710167A (zh) * | 2020-08-24 | 2020-09-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于在线交通仿真的单点优化控制方法及装置 |
CN112329182A (zh) * | 2020-10-28 | 2021-02-05 | 北京石油化工学院 | 车路协同条件下面向复杂交通形态的控制网格划分方法 |
CN112735150A (zh) * | 2020-12-18 | 2021-04-30 | 南京莱斯信息技术股份有限公司 | 一种路口级场景化控制策略的实现方法 |
CN112712591A (zh) * | 2020-12-31 | 2021-04-27 | 广州学塾加软件科技有限公司 | 基于微观交通仿真的交通信号控制实验系统及方法 |
CN113380041A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于车路协同仿真的应用场景测试系统、方法、设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
张立立等: "城市交叉口交通控制模型的退化研究", 《交通运输系统工程与信息》, vol. 21, no. 1, 28 February 2021 (2021-02-28), pages 56 - 61 * |
王嘉文等: "紧急交通流信号控制优先级划分模型", 《东南大学学报(自然科学版)》 * |
王嘉文等: "紧急交通流信号控制优先级划分模型", 《东南大学学报(自然科学版)》, no. 01, 20 January 2014 (2014-01-20) * |
郑媛元: "城市交通控制在线仿真技术", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》, no. 9, 15 September 2008 (2008-09-15), pages 2 - 4 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114968604A (zh) * | 2022-08-03 | 2022-08-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种大规模路网下的道路仿真并行方法、装置及系统 |
CN114968604B (zh) * | 2022-08-03 | 2022-11-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种大规模路网下的道路仿真并行方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113793527B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11176290B1 (en) | Approximate physical simulation integrated debugging method and system based on digital twinning | |
CN111006879B (zh) | 一种面向港口环境的人机混驾自动驾驶的测试方法及其测试平台 | |
CN109388073B (zh) | 一种车辆动态模拟的方法和装置 | |
CN109991987B (zh) | 自动驾驶决策方法及装置 | |
CN107942720A (zh) | 一种便携式地面在线飞行仿真系统 | |
CN110362847A (zh) | 用于生成集成模块化体系结构模型的系统、方法及装置 | |
CN101609615B (zh) | 一种实时半实物仿真系统及其数据采集方法 | |
KR102128111B1 (ko) | 지능형 교통 신호 제어 센터 알고리즘 평가 방법 및 그 장치 | |
CN115879323B (zh) | 自动驾驶仿真测试方法、电子设备及计算机可读存储介质 | |
CN113793527B (zh) | 一种面向城市交通主动控制的测试验证系统 | |
Roth et al. | Cyber-physical system development environment for energy applications | |
Djoudi et al. | A simulation-based framework for functional testing of automated driving controllers | |
Shao et al. | Real-sim interface: Enabling multi-resolution simulation and x-in-the-loop development for connected and automated vehicles | |
Lansdowne | Traffic simulation using agent-based modelling | |
Sinha et al. | Virtual traffic lights+ a robust, practical, and functionally safe intelligent transportation system | |
Kaijser et al. | Towards simulation-based verification for continuous integration and delivery | |
CN114578712B (zh) | 多功能水下自主航行器集群仿真系统 | |
Mohan et al. | AD-EYE: A Co-Simulation Platform for Early Verification of Functional Safety Concepts | |
Yang et al. | Safe Reinforcement Learning for CPSs via Formal Modeling and Verification | |
CN115455564A (zh) | 一种基于流水线的虚拟汽车自动仿真方法和装置 | |
Lauber et al. | Virtual test method for complex and variant-rich automotive systems | |
Zuo et al. | A new design method of automotive electronic real-time control system | |
Du et al. | A Novel and Pragmatic Scenario Modeling Framework with Verification-in-the-loop for Autonomous Driving Systems | |
Xu et al. | A survey on verification and analysis of non-functional properties of aadl model based on model transformation | |
Bhatnagar et al. | On the challenges of on-the-fly knowledge acquisition for automated planning applications |
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 |