CN113823102A - 软件定义车载网络环境下的自适应信号配时系统及方法 - Google Patents
软件定义车载网络环境下的自适应信号配时系统及方法 Download PDFInfo
- Publication number
- CN113823102A CN113823102A CN202111158228.XA CN202111158228A CN113823102A CN 113823102 A CN113823102 A CN 113823102A CN 202111158228 A CN202111158228 A CN 202111158228A CN 113823102 A CN113823102 A CN 113823102A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- side unit
- road side
- area
- unit rsu
- 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
- G08G1/07—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
- G08G1/01—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
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种软件定义车载网络环境下的自适应信号配时系统及方法,首先将交叉路口划分为冲突区和检测区,建立基于软件定义网络的交通信号控制模型。然后基于车与基础设施的交互实时收集进出冲突区和检测区的车辆信息,从而计算冲突区的拥塞程度用于全红控制,计算检测区的容忍度用于自适应信号配时。本发明能适应城市交通环境下车流量的动态变化,有利于解决交叉口冲突区的车辆滞留问题,同时能够有效避免车辆的排队溢出和空等现象,提高交叉路口的通行效率,缓解城市交通拥堵程度。
Description
技术领域
本发明属于道路交通信号控制技术领域,涉及一种交通信号配时系统及方法,特别是涉及一种软件定义车载网络环境下的自适应信号配时系统及方法。
背景技术
近年来,城市交通拥堵问题随着汽车保有量的快速增长变得日益严重。交通信号控制是解决拥堵最经济有效的手段之一,对于提高城市通行效率、减少交通事故具有十分重要的现实意义。目前,交通信号配时方法主要分为定时控制、感应控制和智能控制等几个类别。其中,定时控制类交通信号配时方法简单易实现,但其信号配时参数往往是固定的,无法满足动态的交通需求。感应控制类信号配时方法在一定程度上能够适应交通需求的动态变化,但其往往只考虑优化当前相位的通行效率,而忽略了对其他相位的考虑。智能控制类的交通信号配时方法对一般充分检测交叉口各个方向的车流量情况,并根据最优化理论确定各个相位的绿灯时间,是最具有前景的信号配时方法。信号配时方法的效果极大地依赖于交通流信息的收集质量,然而现有的信号配时方法在恶劣交通或天气条件下往往无法准确地收集车流量信息,也难以获取车辆速度、车辆位置和车辆类型等细粒度的车辆信息,亟需借助新兴的网络技术实现实时的、可靠的细粒度车辆信息收集,从而提高信号配时方法的性能。
车载自组织网络(Vehicular Ad-Hoc Network,VANET)是一种自组织、结构开放的车辆间通信网络,能使高速移动状态下的车辆拥有高速率的数据接入服务能力,支持车与车/车与基础设施(Vehicle to Vehicle/Vehicle to Infrastructure,V2V/V2I)的信息交互,有利于实时收集各种细粒度的交通流信息,为智能交通信号配时方法的实现提供了有力的数据支撑,基于VANET的交通信号配时方法逐渐成为一种趋势。然而VANET在实施过程中存在车辆通信频繁中断、异构网络接口的灵活性与安全性较低以及网络拓扑中业务流量不平衡等问题。具有灵活和可编程网络架构的软件定义网络(Software Defined Network,SDN)代表了一种新兴的网络模式,其将控制功能和转发功能相互分离,可以充分满足VANET的管理需求。基于SDN扩展VANET可以有效提高网络的资源利用率,各种网络设备能够在SDN中进行个性化配置,外部应用程序也能够利用可编程性功能选择最合适的无线访问接口来传送数据。因此,软件定义车载网络(Software Defined Vehicular Networks,SDVN)是最小化车载网络管理成本和实施复杂性的有效方式,也为智能交通信号控制提供了有力的支撑。
发明内容
本发明针对现有交通信号控制方法在车辆信息收集方面的不足,提出了一种软件定义车载网络环境下的自适应信号配时系统及方法,基于车与基础设施通信实时收集交叉口处的车辆细粒度信息,并利用冲突区的拥塞程度和检测区的容忍度进行自适应的信号配时。
本发明的系统所采用的技术方案是:一种软件定义车载网络环境下的自适应信号配时系统,包括第一路侧单元RSU1、第二路侧单元RSU2、数据中心服务器和基于软件定义网络的交通信号控制器;
所述第一路侧单元RSU1设置在检测区边,用于实时收集检测区中的车辆信息;所述第二路侧单元RSU2设置在冲突区边,用于实时收集冲突区中的车辆信息;所述第一路侧单元RSU1和第二路侧单元RSU2收集的信息通过网络上传给所述数据中心服务器;所述检测区为交叉路口一侧的长方形预设区域,所述冲突区为交叉路口中心的正方形预设区域;
所述数据中心服务器,用于收集第一路侧单元RSU1和第二路侧单元RSU2上传的车辆信息,并实时将计算处理后的信息下发给所述交通信号控制器;
所述交通信号控制器,设置在交叉路口中心位置,用于基于数据中心服务器收集的车辆信息,执行自适应信号配时。
本发明的方法所采用的技术方案是:一种软件定义车载网络环境下的自适应信号配时方法,包括以下步骤:
步骤1:第一路侧单元RSU1实时收集检测区中的车辆信息,第二路侧单元RSU2实时收集冲突区中的车辆信息,第一路侧单元RSU1和第二路侧单元RSU2将收集的车辆信息实时上传至数据中心服务器;
步骤2:交通信号控制器基于数据中心服务器收集的车辆信息计算冲突区的车辆拥塞程度ρ,并与车辆拥塞程度阈值ρ0进行比较,若ρ>ρ0,则转步骤3,否则转步骤4;
步骤3:等待绿灯时间结束后,交通信号控制器进行全红控制,转步骤2;
步骤4:当前相位获得绿灯时间控制权后,交通信号控制器计算当前相位检测区容忍度QA和下一相位检测区容忍度QB;
步骤5:交通信号控制器基于检测区容忍度进行自适应信号配时;
步骤6:交通信号控制器转移绿灯控制权至下一相位,结束流程。
本发明首先将交叉路口划分为冲突区和检测区,建立基于软件定义网络的交通信号控制模型。然后基于车与基础设施的交互实时收集进出冲突区和检测区的车辆信息,从而计算冲突区的拥塞程度和检测区的容忍度。本发明通过基于冲突区拥塞程度的全红控制能够有效解决交叉口冲突区的车辆滞留问题,通过基于检测区容忍度的自适应信号配时能够有效避免车辆的排队溢出和空等现象。本发明能够提高交叉口的通行效率,有效缓解城市交通拥堵程度。
附图说明
图1为本发明实施例的系统模型示意图;
图2为本发明实施例的方法流程图;
图3为本发明实施例的方法与其他三种方法在不同车流量情况下的平均车速对比图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
目前的信号配时方法实施效果极大地依赖于交通流信息的收集质量,然而现有的信号配时方法在恶劣交通或天气条件下往往无法准确地收集车流量信息,也难以实时和准确地获取车辆速度、车辆位置和车辆类型等细粒度的车辆信息。本发明据此提供了新的城市交通环境下的自适应信号配时方法。一种软件定义车载网络环境下的自适应信号配时方法,用于提高交叉口的通行效率。本发明的基本思想是,在软件定义车载网络环境下,基于车与基础设施通信实时收集进出冲突区和检测区的车辆信息,利用交通信号控制器(SDN控制器)计算冲突区的拥塞程度用于全红控制,计算检测区的容忍度用于自适应控制。
请见图1,本发明提供的一种软件定义车载网络环境下的自适应信号配时系统,包括第一路侧单元RSU1、第二路侧单元RSU2、数据中心服务器和基于软件定义网络(SDN)的交通信号控制器;
第一路侧单元RSU1设置在检测区边,用于实时收集检测区中的车辆信息;第二路侧单元RSU2设置在冲突区边,用于实时收集冲突区中的车辆信息;第一路侧单元RSU1和第二路侧单元RSU2收集的信息通过网络上传给数据中心服务器;检测区为交叉路口一侧的长方形预设区域,冲突区为交叉路口中心的正方形预设区域;
数据中心服务器,用于收集第一路侧单元RSU1和第二路侧单元RSU2上传的车辆信息,并实时将计算处理后的信息下发给交通信号控制器;
交通信号控制器,设置在交叉路口中心位置,用于基于数据中心服务器收集的车辆信息,执行自适应信号配时。
当车辆进入检测区时,向第一路侧单元RSU1发送驶入检测区消息aMi;当车辆离开检测区时,向第一路侧单元RSU1发送驶离检测区消息bMi,同时向第二路侧单元RSU2发送驶入冲突区消息cMi;当车辆离开冲突区时,向第二路侧单元RSU2发送驶离冲突区消息dMi。
本实施例中,第一路侧单元RSU1和第二路侧单元RSU2分别收到驶入检测区消息aMi和驶入冲突区消息cMi后,数据中心服务器记录该车辆的相关信息;第一路侧单元RSU1和第二路侧单元RSU2分别收到驶离检测区消息bMi和驶离冲突区消息dMi后,数据中心服务器删除该车辆的相关信息,交通信号控制器(SDN控制器)基于实时更新的车辆信息进行自适应信号配时控制。
请见图2,本发明提供的一种软件定义车载网络环境下的自适应信号配时方法,包括以下步骤:
步骤1:第一路侧单元RSU1实时收集检测区中的车辆信息,第二路侧单元RSU2实时收集冲突区中的车辆信息,第一路侧单元RSU1和第二路侧单元RSU2将收集的车辆信息实时上传至数据中心服务器;
本实施例中,当车辆进入检测区时,向第一路侧单元RSU1发送驶入检测区消息aMi,驶入检测区消息aMi的内容包含车辆标识符、车辆类型,i表示第i个车辆;当车辆离开检测区时,向第一路侧单元RSU1发送驶离检测区消息bMi,同时向第二路侧单元RSU2发送驶入冲突区消息cMi,驶离检测区消息bMi的内容包含车辆标识符,驶入冲突区消息cMi的内容包含车辆标识符、车辆类型;当车辆离开冲突区时,向第二路侧单元RSU2发送驶离冲突区消息dMi,驶离冲突区消息dMi的内容包含车辆标识符;第一路侧单元RSU1和第二路侧单元RSU2分别收到驶入检测区消息aMi和驶入冲突区消息cMi后,数据中心服务器记录该车辆的相关信息;第一路侧单元RSU1和第二路侧单元RSU2分别收到驶离检测区消息bMi和驶离冲突区消息dMi后,数据中心服务器删除该车辆的相关信息。
步骤2:SDN控制器基于数据中心服务器收集的车辆信息计算冲突区的车辆拥塞程度ρ,并与车辆拥塞程度阈值ρ0进行比较,若ρ>ρ0,则转步骤3,否则转步骤4;
本实施例步骤2中,第二路侧单元RSU2实时收集冲突区内的车辆信息,当有车辆驶入冲突区时,第二路侧单元RSU2接收车辆的驶入冲突区消息cMi并实时上传数据中心服务器,SDN控制器基于cMi中的车辆类型信息更新冲突区中的车辆权重W;当有车辆驶离冲突区时,第二路侧单元RSU2接收车辆的驶离冲突区消息dMi并实时上传数据中心服务器,SDN控制器基于dMi中的车辆类型信息更新冲突区中的车辆权重W,令单个车辆的权重为wi,则W的更新如式(1)所示:
上式中,wi表示第i辆车的权重,考虑车辆类型对车辆权重的影响,wi的取值如式(2)所示:
基于车辆长度和加速度的差异性设置不同类型车辆的权重取值。本实施例中,小型车辆的权重wa作为标准权重且取值为1,中型车辆的权重wb取值为1.5,大型车辆的权重wc取值为2。
则基于冲突区的车辆权重W计算冲突区的车辆拥塞程度ρ,如式(3)所示:
上式中,La是冲突区的边长。
步骤3:等待绿灯时间结束后,SDN控制器进行全红控制,转步骤2;
步骤4:当前相位获得绿灯时间控制权后,SDN控制器计算当前相位检测区容忍度QA和下一相位检测区容忍度QB;
本实施例中,第一路侧单元RSU1实时收集检测区内的车辆信息,并上传数据中心服务器,SDN控制器实时计算检测区的车辆密度p,如式(4)所示:
上式中,li是车辆i的车辆长度,n是检测区车辆数量,d是车间间距,m是车道数量,Lb是检测区的长度;
考虑车辆类型对车辆长度的影响,li的取值如式(5)所示:
SDN控制器实时计算检测区排队车辆中队首车辆的停车等待程度q,如式(6)所示:
上式中,Twait是队首排队车辆的停车等待时间,Tred是当前相位两次绿灯时间之间设置的红灯时长;
则检测区容忍度Q的计算如式(7)所示:
Q=α·p+(1-α)·q; (7)
其中,α是权重因子。
步骤5:SDN控制器基于检测区容忍度进行自适应信号配时;
本实施例中,步骤5的具体实现包括以下子步骤:
步骤5.1:比较当前相位检测区容忍度QA与最小容忍度阈值Qmin,若QA<Qmin,则转步骤5.4,否则转步骤5.2;
步骤5.2:比较下一相位检测区容忍度QB与最大容忍度阈值Qmax,若QB>Qmax,则转步骤5.4,否则转步骤5.3;
步骤5.3:比较当前相位绿灯持续时间TG与最长绿灯时间TmaxG和最短绿灯时间TminG之差,若TG>TmaxG-TminG,则转步骤5.4,否则转步骤4;
步骤5.4:给当前相位分配最短绿灯时间TminG。
步骤6:SDN控制器转移绿灯控制权至下一相位,结束流程。
为了说明本实施例的方法性能,提供如下几种方法作对比:
1)固定配时方法,为每个信号相位分配固定不变的绿灯时长。
2)基于均衡延误的配时方法,以均衡所有车辆的延误时间为目标。
3)基于绿灯延长的配时方法,使用绿灯延长的方式提高通行效率。
基于城市交通模拟软件SUMO进行实验,在不同的车流量情况下比较四种配时方法的平均车速。图3表明所提配时方法的平均车速在四种配时方法中最快,当车流量较小时(800辆/小时)优势最为明显,与性能较好的基于均衡时延的配时方法相比提高了20.77%。图3的实验数据表明,所提配时方法在不同的车流量情况下能使得车辆更快地通过交叉路口,提高了交叉口的通行效率。
本发明通过基于冲突区拥塞程度的全红控制能够有效解决交叉口冲突区的车辆滞留问题,通过基于检测区容忍度的自适应信号配时能够有效避免车辆的排队溢出和空等现象。本发明能够提高交叉口的通行效率,有效缓解城市交通拥堵程度。
应当理解的是,上述具体实施例是对本发明精神作举例说明。本发明所属领域的技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (6)
1.一种软件定义车载网络环境下的自适应信号配时系统,其特征在于:包括第一路侧单元RSU1、第二路侧单元RSU2、数据中心服务器和基于软件定义网络的交通信号控制器;
所述第一路侧单元RSU1设置在检测区边,用于实时收集检测区中的车辆信息;所述第二路侧单元RSU2设置在冲突区边,用于实时收集冲突区中的车辆信息;所述第一路侧单元RSU1和第二路侧单元RSU2收集的信息通过网络上传给所述数据中心服务器;所述检测区为交叉路口一侧的长方形预设区域,所述冲突区为交叉路口中心的正方形预设区域;
所述数据中心服务器,用于收集第一路侧单元RSU1和第二路侧单元RSU2上传的车辆信息,并实时将计算处理后的信息下发给所述交通信号控制器;
所述交通信号控制器,设置在交叉路口中心位置,用于基于数据中心服务器收集的车辆信息,执行自适应信号配时。
2.一种软件定义车载网络环境下的自适应信号配时方法,其特征在于,包括以下步骤:
步骤1:第一路侧单元RSU1实时收集检测区中的车辆信息,第二路侧单元RSU2实时收集冲突区中的车辆信息,第一路侧单元RSU1和第二路侧单元RSU2将收集的车辆信息实时上传至数据中心服务器;
步骤2:交通信号控制器基于数据中心服务器收集的车辆信息计算冲突区的车辆拥塞程度ρ,并与车辆拥塞程度阈值ρ0进行比较,若ρ>ρ0,则转步骤3,否则转步骤4;
步骤3:等待绿灯时间结束后,交通信号控制器进行全红控制,转步骤2;
步骤4:当前相位获得绿灯时间控制权后,交通信号控制器计算当前相位检测区容忍度QA和下一相位检测区容忍度QB;
步骤5:交通信号控制器基于检测区容忍度进行自适应信号配时;
步骤6:交通信号控制器转移绿灯控制权至下一相位,结束流程。
3.根据权利要求2所述的软件定义车载网络环境下的自适应信号配时方法,其特征在于:步骤1中,当车辆进入检测区时,向第一路侧单元RSU1发送驶入检测区消息aMi,驶入检测区消息aMi的内容包含车辆标识符、车辆类型和行驶方向,i表示第i个车辆;当车辆离开检测区时,向第一路侧单元RSU1发送驶离检测区消息bMi,同时向第二路侧单元RSU2发送驶入冲突区消息cMi,驶离检测区消息bMi的内容包含车辆标识符,驶入冲突区消息cMi的内容包含车辆标识符、车辆类型和行驶方向;当车辆离开冲突区时,向第二路侧单元RSU2发送驶离冲突区消息dMi,驶离冲突区消息dMi的内容包含车辆标识符;第一路侧单元RSU1和第二路侧单元RSU2分别收到驶入检测区消息aMi和驶入冲突区消息cMi后,数据中心服务器记录该车辆的相关信息;第一路侧单元RSU1和第二路侧单元RSU2分别收到驶离检测区消息bMi和驶离冲突区消息dMi后,数据中心服务器删除该车辆的相关信息。
4.根据权利要求2所述的软件定义车载网络环境下的自适应信号配时方法,其特征在于:步骤2中,第二路侧单元RSU2实时收集冲突区内的车辆信息,当有车辆驶入冲突区时,第二路侧单元RSU2接收车辆的驶入冲突区消息cMi并实时上传数据中心服务器,交通信号控制器基于cMi中的车辆类型信息更新冲突区中的车辆权重W;当有车辆驶离冲突区时,第二路侧单元RSU2接收车辆的驶离冲突区消息dMi并实时上传数据中心服务器,交通信号控制器基于dMi中的车辆类型信息更新冲突区中的车辆权重W,令单个车辆的权重为wi,则W的更新如式(1)所示:
上式中,wi表示第i辆车的权重,考虑车辆类型对车辆权重的影响,wi的取值如式(2)所示:
基于车辆长度和加速度的差异性设置不同类型车辆的权重取值;
则基于冲突区的车辆权重W计算冲突区的车辆拥塞程度ρ,如式(3)所示:
上式中,La是冲突区的边长。
5.根据权利要求2所述的软件定义车载网络环境下的自适应信号配时方法,其特征在于:步骤4中,第一路侧单元RSU1实时收集检测区内的车辆信息,并上传数据中心服务器,交通信号控制器实时计算检测区的车辆密度p,如式(4)所示:
上式中,li是车辆i的车辆长度,n是检测区车辆数量,d是车间间距,m是车道数量,Lb是检测区的长度;
考虑车辆类型对车辆长度的影响,li的取值如式(5)所示:
交通信号控制器实时计算检测区排队车辆中队首车辆的停车等待程度q,如式(6)所示:
上式中,Twait是队首排队车辆的停车等待时间,Tred是当前相位两次绿灯时间之间设置的红灯时长;
则检测区容忍度Q的计算如式(7)所示:
Q=α·p+(1-α)·q; (7)
其中,α是权重因子。
6.根据权利要求2-5任意一项所述的软件定义车载网络环境下的自适应信号配时方法,其特征在于,步骤5的具体实现包括以下子步骤:
步骤5.1:比较当前相位检测区容忍度QA与最小容忍度阈值Qmin,若QA<Qmin,则转步骤5.4,否则转步骤5.2;
步骤5.2:比较下一相位检测区容忍度QB与最大容忍度阈值Qmax,若QB>Qmax,则转步骤5.4,否则转步骤5.3;
步骤5.3:比较当前相位绿灯持续时间TG与最长绿灯时间TmaxG和最短绿灯时间TminG之差,若TG>TmaxG-TminG,则转步骤5.4,否则转步骤4;
步骤5.4:给当前相位分配最短绿灯时间TminG。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111158228.XA CN113823102B (zh) | 2021-09-29 | 2021-09-29 | 软件定义车载网络环境下的自适应信号配时方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111158228.XA CN113823102B (zh) | 2021-09-29 | 2021-09-29 | 软件定义车载网络环境下的自适应信号配时方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113823102A true CN113823102A (zh) | 2021-12-21 |
CN113823102B CN113823102B (zh) | 2023-06-16 |
Family
ID=78919841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111158228.XA Active CN113823102B (zh) | 2021-09-29 | 2021-09-29 | 软件定义车载网络环境下的自适应信号配时方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113823102B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100879A (zh) * | 2022-06-14 | 2022-09-23 | 武汉科技大学 | 基于模糊控制的过饱和交通流信号配时方法及设备 |
CN116311991A (zh) * | 2023-04-17 | 2023-06-23 | 重庆邮电大学 | 基于交叉口资源预留的智能信号灯控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104485003A (zh) * | 2014-12-18 | 2015-04-01 | 武汉大学 | 一种基于管道模型的智能交通信号控制方法 |
JP2015161993A (ja) * | 2014-02-26 | 2015-09-07 | 株式会社京三製作所 | 交通信号制御システム及び交通信号制御方法 |
CN108922205A (zh) * | 2018-07-10 | 2018-11-30 | 山东建筑大学 | 平面交叉口拥塞情况的红绿灯切换时间控制系统及方法 |
CN111510879A (zh) * | 2020-04-20 | 2020-08-07 | 武汉科技大学 | 基于多约束效用函数的异构车联网网络选择方法及系统 |
JP2021131689A (ja) * | 2020-02-19 | 2021-09-09 | オムロン株式会社 | 交通監視装置、交通監視方法、および交通監視プログラム |
-
2021
- 2021-09-29 CN CN202111158228.XA patent/CN113823102B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015161993A (ja) * | 2014-02-26 | 2015-09-07 | 株式会社京三製作所 | 交通信号制御システム及び交通信号制御方法 |
CN104485003A (zh) * | 2014-12-18 | 2015-04-01 | 武汉大学 | 一种基于管道模型的智能交通信号控制方法 |
CN108922205A (zh) * | 2018-07-10 | 2018-11-30 | 山东建筑大学 | 平面交叉口拥塞情况的红绿灯切换时间控制系统及方法 |
JP2021131689A (ja) * | 2020-02-19 | 2021-09-09 | オムロン株式会社 | 交通監視装置、交通監視方法、および交通監視プログラム |
CN111510879A (zh) * | 2020-04-20 | 2020-08-07 | 武汉科技大学 | 基于多约束效用函数的异构车联网网络选择方法及系统 |
Non-Patent Citations (1)
Title |
---|
吴黎兵;聂雷;刘冰艺;吴妮;邹逸飞;叶璐瑶;: "一种VANET环境下的智能交通信号控制方法", 计算机学报, no. 06, pages 27 - 41 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100879A (zh) * | 2022-06-14 | 2022-09-23 | 武汉科技大学 | 基于模糊控制的过饱和交通流信号配时方法及设备 |
CN115100879B (zh) * | 2022-06-14 | 2024-04-26 | 武汉科技大学 | 基于模糊控制的过饱和交通流信号配时方法及设备 |
CN116311991A (zh) * | 2023-04-17 | 2023-06-23 | 重庆邮电大学 | 基于交叉口资源预留的智能信号灯控制方法 |
CN116311991B (zh) * | 2023-04-17 | 2024-01-23 | 重庆邮电大学 | 基于交叉口资源预留的智能信号灯控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113823102B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110085037B (zh) | 一种车路协同环境下交叉口信号控制及车速引导系统 | |
CN105702018B (zh) | 一种基于车路协同技术的车辆组队行驶管理方法 | |
CN110264717B (zh) | 一种城市智能交通调控系统 | |
CN108281026B (zh) | 一种自动驾驶环境下交叉路口无信号灯车辆调度方法 | |
CN110910662B (zh) | 车路协同环境下单点自适应交通信号优化控制方法 | |
CN103985264B (zh) | 一种能减少路口排队长度的路口控制系统及方法 | |
CN113823102A (zh) | 软件定义车载网络环境下的自适应信号配时系统及方法 | |
US20160293004A1 (en) | Method and system for controlling and monitoring traffic light for optimizing wait time | |
CN108109403B (zh) | 基于车流的自适应交通灯控系统及方法 | |
CN106710256B (zh) | 一种专有路权下有轨电车信号被动优先方法 | |
CN107635190B (zh) | 一种车辆行驶状态广播方法、装置及车载终端 | |
CN108364486B (zh) | 多场景车辆优先自适应交通信号控制系统及其工作方法 | |
CN111932916B (zh) | 一种城市道路动态应急车道的控制方法及控制系统 | |
CN114419904B (zh) | 一种基于车路云协同的信号机控制系统及控制方法 | |
CN110276964A (zh) | 一种智能调节交通灯时间的方法 | |
CN112017439B (zh) | 一种自动驾驶交叉口行人过街摆渡车控制方法 | |
CN114120666B (zh) | 一种基于车路协同的智能车速诱导系统 | |
CN113112797B (zh) | 基于车路协同技术的信号灯路口调度方法及系统 | |
CN116189462B (zh) | 一种面向混合交通流的车辆轨迹与交通信号协同控制方法 | |
US11941979B2 (en) | Traffic light control method for urban road network based on expected return estimation | |
CN115565390A (zh) | 智能网联汽车多车道队列通行控制方法、系统及计算机可读存储介质 | |
CN109859475B (zh) | 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 | |
CN111540219A (zh) | 基于人工智能车路协同的双向公交信号优先协同方法 | |
CN114694392A (zh) | 一种基于车路协同的智能红绿灯路口高效通行方法 | |
CN117558144A (zh) | 基于协同控制区的信号配时控制方法、系统、设备及介质 |
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 |