CN114627650A - 城市公交优先仿真推演系统、方法、电子设备及存储介质 - Google Patents
城市公交优先仿真推演系统、方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114627650A CN114627650A CN202210506155.7A CN202210506155A CN114627650A CN 114627650 A CN114627650 A CN 114627650A CN 202210506155 A CN202210506155 A CN 202210506155A CN 114627650 A CN114627650 A CN 114627650A
- Authority
- CN
- China
- Prior art keywords
- simulation
- bus
- signal
- module
- deduction
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 206
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 57
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 238000013523 data management Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Marketing (AREA)
- Chemical & Material Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出城市公交优先仿真推演系统、方法、电子设备及存储介质,属于公交仿真技术领域。包括WEB前端、后端数据库、交通流仿真服务端和公交优先算法模块;所述WEB前端用于配置参数、控制推演任务的启停和展示车辆运行位置和信号灯色;所述后端数据库用于存储仿真推演所需要的多种数据;交通流仿真服务端用于计算微观车辆在路网上的行驶轨迹、订阅和更新动态数据、获取背景信号和计算所需的评价指标;所述公交优先算法模块用于生成公交优化配时方案。解决仿真结果准确性低、可拓展性差、开发难度大的技术问题。本发明能适用于城市大规模场景,满足大地图、大车流、全公交线路的公交优先算法仿真推演需求、准确性高和工程应用可靠性强。
Description
技术领域
本申请涉及一种仿真推演系统,尤其涉及城市公交优先仿真推演系统、方法、电子设备及存储介质,属于公交仿真技术领域。
背景技术
随着城市车流增加,交通拥堵情况普遍发生。为了改善城市交通情况,一系列交通优化算法被提出,公交优先算法就是其中一种。然而,算法的有效性需经过长期的测试改进方可实际应用。在实际交通路口对公交优先算法的测试,可能会造成交通情况恶化,给市民出行带来不便,因此需要借助仿真技术,模拟城市交通车流特征,并通过采集交通数据,可提出的公交优先算法的优先性和优化程度进行比对,进一步的通过多次对比测试,可用于算法参数寻优标定。随着智慧城市的发展,城市云控平台应运而生,当前城市云控管理平台主要通过接入实时的流量数据进行展示,缺乏对未来交通态势的推演,因此对于交通管理者难以做出未来的交通预判和实施对应的管控措施。借助仿真技术,以实时交通流量和实际信号方案为输入,对未来交通情况进行仿真推演,帮助交通管理者进行交通治理。城市公交优先仿真系统可融入城市云控平台中,帮助交通管理者对公交优先算法的实施情况进行评现有价。
现有技术一、张敬茹.基于SUMO的公交信号优先仿真系统设计[D].长安大学,2012,公开了基于开源微观交通流仿真软件sumo,使用c++语言进行二次开发,增加公交信号优先系统,能够对单个交叉口进行仿真,通过手动配置单个交叉口各进口道的流量和交叉口信号灯基础路灯时间和临界绿灯时间,能够对作者提出的主动公交优先算法和被动优先算法进行测试,并基于车均延误指标对算法进行评价。
现有技术二、魏然, 罗毅. 基于车路协同的公交优先策略[J]. 工业控制计算机,2021,公开了基于商用微观交通流仿真软件vissim,使用python语言编写控制策略程序和参数计算策略程序,使用vissim的com接口对vissim的仿真过程进行控制,对文献中提出的基于车路协同的公交优先算法进行了验证。
现有技术三、蔡雅苹, 王伟智. 基于公交优先的多路口车速引导控制方法[J].福州大学学报(自然科学版), 2019.公开了vissim对提出的基于公交优先的多路口车速引导控制方法进行了仿真验证。
现有技术一存在以下问题:
1、所有各进口道流量和信号配时方案皆出自人工经验设置,使用要求高,效率低,仿真结果准确性低,只能够粗略地评估算法的有效性,但是无法满足在大规模路网上使用真实交通流量,采用实际信号灯配时方案和公交信号优先方案之间的差别进行准确的评估,工程应用困难。
2、只能进行本地电脑仿真和展示,所有程序运行在同一台机器上,计算负载大,可扩展性差。
3、业务算法与sumo微观仿真程序深深耦合,开发难度大,对只需要针对算法进行开发的工作人员不友好。
现有技术二、三存在以下问题:
1、VISSIM为商业软件,使用成本高,且模块进行了封装,难以针对性的进行二次开发,可扩展性差。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,为解决现有技术中存在的仿真结果准确性低、可拓展性差、开发难度大的技术问题,本发明提供一种城市公交优先仿真推演系统、方法、电子设备及存储介质。
方案一:一种城市公交优先仿真推演系统,包括WEB前端、后端数据库、交通流仿真服务端和公交优先算法模块;
所述WEB前端用于配置参数、控制推演任务的启停和展示车辆运行位置和信号灯色;
所述后端数据库用于存储仿真推演所需要的多种数据;
交通流仿真服务端用于计算微观车辆在路网上的行驶轨迹、订阅和更新动态数据、获取背景信号和计算所需的评价指标;
所述公交优先算法模块用于生成公交优化配时方案。
优选的,WEB前端包括展示模块、参数配置模块和任务管理模块;
所述展示模块通过获取地区数据,展示基础微观路网,根据推演结果,展示车辆运行位置和信号灯色及各性能指标;
所述参数配置模块用于选择地图、优化时段、公交线路和优化信号路口;
所述任务管理模块用于启动、暂停和停止推演任务。
优选的,后端数据库包括地图数据库、信号配时数据库、公交排班数据库、车流路径数据库和推演结果数据库;
所述地图数据库存储opendrive数据格式和sumo仿真格式基础路网数据;
所述信号配时数据库用于存储实际交通中使用的信号路口的配时方案;
所述公交排班数据库用于存储城市各公交线路的排班信息;
车流路径数据库用于存储除公交外的社会车辆的车流路径和公交车辆行驶路径;
推演结果数据库用于存储推演结果数据。
所述交通流仿真服务端包括仿真基础配置模块、sumo微观仿真模块、信号灯控制模块、仿真数据管理模块和评价指标统计模块;
所述仿真基础配置模块用于从地图数据库中获取地图数据及用户选择优化时段从车流路径数据库获取对应的社会车流路径集和公交车辆路径集,经过格式转换生成sumo微观仿真所需的车辆仿真需求文件;
所述sumo微观仿真模块由微观仿真软件sumo组成,用于根据设定的路网、车辆路径和信号配时方案,计算微观车辆在路网上的行驶轨迹;所述微观车辆在路网上的行驶轨迹可用于交通车流评价中。
所述信号灯控制模块用于从信号配时数据库中获取实际交通信号配时方案,并转化为sumo所需的信号格式,作为背景信号方案,当不执行公交优先算法时执行该方案,当执行信号优先算法时,生成公交优先信号方案,并负责对sumo中的各信号灯色进行控制;
所述仿真数据管理模块根据推演路网、公交车辆路径初始化时生成算法所需的静态路径信息,从sumo中订阅和更新车辆动态数据;
所述评价指标统计模块通过从仿真数据管理模块获取车辆动态数据,计算所需的评价指标。
优选的,公交优先算法模块根据当前仿真场景中各车辆的位置和路口配时信息,产生公交优化配时方案结果,输出至信号灯控制模块。
方案二:一种城市公交优先仿真推演方法,基于方案一所述的一种城市公交优先仿真推演系统实现的方法,包括以下步骤:
S1. 参数配置模块初始化,根据仿真请求获取仿真基础数据;
S2. 发送公交优先推演请求;
S3. 启动仿真任务;
S4. 执行推演任务进程,具体包括以下步骤:
S401.根据仿真请求获取仿真基础数据;
S402.对交通流仿真服务端进行初始化;
S403. 判断是否满足公交优先算法调用条件,若是执行步骤S404,若否执行步骤S407;
S404. 公交优先算法调用;
S405. 公交优先算法模块生成信号灯优化控制方案;
S406. 信号灯控制模块更新信号灯优化控制方案;
S407. 信号灯控制模块使用sumo的traci接口迭代更新信号灯色;
S408. 微观仿真模块迭代更新计算所有车辆位置;
S409. 仿真数据管理模块通过sumo的traci接口获取订阅的车辆、道路的数据记录更新至内存中;
S410. 评价指标控制模块通过接口向仿真数据管理模块获取仿真数据进行整合计算出评价指标,若达到统计周期,则将车辆仿真指标写入至本地文件中;
S411. 判断是否仿真结束;若是执行步骤S412,若否执行步骤S403进入下一时刻的仿真循环;
S412.结束仿真推演,将车辆的轨迹信息写入本地文件,并将轨迹文件和评价指标文件上传至后端数据库。
优选的,根据仿真请求获取仿真基础数据的具体方法是:
S4011. 根据仿真请求中的地图名称,在地图数据库中获取仿真地图文件;
S4012. 根据仿真时段,在车流路径数据库中获取选中仿真时段内的微观车流路径数据;
S4013. 根据公交线路和仿真时段,在公交排班数据库中请求公交车辆的车辆id和对应的发车时间;
S4014. 根据仿真时段和信号交叉口id,向信号配时数据库中请求各信号路口的配时方案。
优选的,对交通流仿真服务端进行初始化的具体方法是:
S4021. sumo微观仿真模块初始化:sumo微观仿真模块通过读取车辆仿真需求进行初始化;
S4022. 信号灯控制模块初始化:将仿真基础配置模块获取到的信号配时方案文件进行解析并加载到内存中,作为背景方案,控制信号灯色;
S4023. 仿真数据管理模块初始化:将路网文件、车流路径文件和公交路径文件解析,加载到内存中,并基于加载的基础信息,统计需要的公交沿线站点位置信息表、公交沿线信号位置信息表、公交期望速度表、公交站点驻站时间表、信号路口的车道参数表、公交通行相位表、路段位置映射表数据信息;
仿真数据管理模块初始化过程通过sumo的traci接口向sumo微观仿真模块注册订阅车辆、路段等仿真过程产生的数据;
S4024. 公交优先算法模块初始化:将仿真数据管理模块生成的公交沿线站点位置信息表、公交沿线信号位置信息表、公交期望速度表、公交站点驻站时间表、信号路口的车道参数表、公交通行相位表、路段位置映射表等数据及优化线路id、优化路口id和公交站点停靠计划表等信息进行解析并加载到内存中;
S4025. 评价指标统计模块初始化:初始化评价指标的类型和周期等信息。
方案三:一种电子设备,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现方案二所述的一种城市公交优先仿真推演方法的步骤。
方案四:一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现方案二所述的一种城市公交优先仿真推演方法。
本发明的有益效果如下:
1、能够适用于城市大规模场景,满足大地图、大车流、全公交线路的公交优先算法仿真推演需求。
2、能够接入基于城市在线交通流量和中观仿真推演产生的车辆轨迹数据库数据,提高评估准确性和工程应用可靠性。
3、能够接入城市实际信号配时数据库方案,提高仿真评估准确性和工程应用可靠性。
4、能够应用于城市云控业务平台,为交通治理者提供在线推演和评估支持。
5、支持除公交优先算法外的其他算法动态测试。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明系统结构示意图;
图2为本发明系统工作流程示意图;
图3为本发明推演流程示意图;
图4为本发明将系统对接城市云控平台示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1、参照图1-3说明本实施方式,一种城市公交优先仿真推演系统,包括WEB前端、后端数据库、交通流仿真服务端和公交优先算法模块;
所述WEB前端用于配置参数、控制推演任务的启停和展示车辆运行位置和信号灯色,包括展示模块(展示界面)、参数配置模块(参数配置)和任务管理模块(任务管理);
所述前端展示模块通过获取地区数据,展示基础微观路网,根据推演结果,展示车辆运行位置和信号灯色及各性能指标;
所述参数配置模块用于选择地图、优化时段、公交线路和优化信号路口;
所述任务管理模块用于启动、暂停和停止推演任务。
所述后端数据库用于存储仿真推演所需要的多种数据,包括地图数据库、信号配时数据库、公交排班数据库、车流路径数据库和推演结果数据库;
所述地图数据库存储opendrive数据格式和sumo仿真格式基础路网数据;
所述信号配时数据库用于存储实际交通中使用的信号路口的配时方案;
所述公交排班数据库用于存储城市各公交线路的排班信息;
车流路径数据库用于存储除公交外的社会车辆的车流路径和公交车辆行驶路径;
推演结果数据库用于存储推演结果数据。
其中非公交车辆的路径来源于根据实际检测的路口检测流量进行中观车辆仿真推演产生。公交车辆行驶路线固定,行驶路径可实际获取。
交通流仿真服务端用于计算微观车辆在路网上的行驶轨迹、订阅和更新动态数据、获取背景信号和计算所需的评价指标;包括仿真基础配置模块、sumo微观仿真模块、信号灯控制模块、仿真数据管理模块和评价指标统计模块;
所述仿真基础配置模块用于从地图数据库中获取地图数据及用户选择优化时段从车流路径数据库获取对应的社会车流路径集和公交车辆路径集,经过格式转换生成sumo微观仿真所需的车辆仿真需求文件;
具体的,仿真引擎使用一个主控程序对各模块进行初始化和更新。
所述sumo微观仿真模块由微观仿真软件sumo组成,用于根据设定的路网、车辆路径和信号配时方案,计算微观车辆在路网上的行驶轨迹;所述微观车辆在路网上的行驶轨迹可用于交通车流评价中。
所述信号灯控制模块用于从信号配时数据库中获取实际交通信号配时方案,并转化为sumo所需的信号格式,作为背景信号方案,当不执行公交优先算法时执行该方案,当执行信号优先算法时,生成公交优先信号方案,并负责对sumo中的各信号灯色进行控制;
所述仿真数据管理模块根据推演路网、公交车辆路径初始化时生成算法所需的静态路径信息,从sumo中订阅和更新车辆路径位置、车辆速度、公交驻站状态、车道上一仿真时刻运行车辆列表、道路上一仿真时刻运行车辆列表等其他动态数据;
所述评价指标统计模块通过从仿真数据管理模块获取车辆动态数据,计算所需的评价指标。
所述公交优先算法模块用于生成公交优化配时方案,根据当前仿真场景中各车辆的位置和路口配时信息,产生公交优化配时方案结果,输出至信号灯控制模块。
具体的,所述仿真推演系统采用CS架构,前端客户端配置仿真需求,公交优先算法引擎作为服务端,提供仿真服务,因此优先的可以使用http和rpc进行远程通信。
具体的,所述WEB前端、后端数据库、微观通流仿真服务端、公交优先算法服务端部署在不同的计算机上,摆脱了传统交通仿真只能运行在一台计算机上的限制。
实施例2、参照图3说明本实施方式,一种城市公交优先仿真推演方法,包括以下步骤:
S1. 参数配置模块初始化,根据仿真请求获取仿真基础数据;参数配置模块初始化由前端完成,配置内容包括地图、优化时段、优化公交线路、优化信号路口。
具体的,只针对用户选择的公交线路和该线路上用户设定的信号路口进行优化。
S2. WEB前端发送信息推演请求,请求任务中包含用户设定的配置信息,优先的配置数据可使用json和xml或者protobuf的数据格式进行信息交互;
S3. 交通流仿真服务端接收仿真请求后启动仿真任务;
S4. 执行推演任务进程,具体包括以下步骤:
S401. 基础配置模块初始化,根据仿真请求获取仿真基础数据,具体方法是:
S4011. 根据仿真请求中的地图名称等相关标识,在地图数据库中获取仿真地图文件;
具体的,仿真地图文件可以存储在本地电脑中。
具体的,地图数据中存放路网所有道路长度、宽度等信息。
具体的,地图数据中附加的存放位于该地图的公交站点信息,及各公交线路经过各站点的车辆路径。
S4012. 根据仿真时段,在车流路径数据库中获取选中仿真时段内的微观车流路径数据;
具体的,在仿真中,所有车辆都应当有属于自己的一条行驶路径,路径中至少包含车辆的出发时间和从起点到终点所要经过的所有的路段在地图数据中的路段id。
S4013. 根据公交线路和仿真时段,在公交排班数据库中请求公交车辆的车辆id和对应的发车时间等信息;
S4014. 根据仿真时段和信号交叉口id,向信号配时数据库中请求各信号路口的配时方案。
具体的,该方案为信号灯控制模块的初始方案,若公交优先算法模块无优化方案产生,则以该方案为背景方案运行,对sumo中各信号路口的信号灯进行灯色控制。
S402. 仿真基础配置文件获取完成后,对公交优先算法模块,sumo微观仿真模块、信号灯控制模块、仿真数据管理模块、评价指标统计模块进行初始化,初始化的目的是为了对仿真基础配置模块获取的文件的相关数据进行解析并加载到计算机内存中;具体方法是:
S4021. sumo微观仿真模块初始化:sumo微观仿真模块通过读取车辆仿真需求进行初始化;
具体的,车辆仿真需求包括路网文件地址、仿真需求文件地址仿真步长等。仿真需求文件即为车流路径文件和公交车路径文件;
S4022. 信号灯控制模块初始化:将仿真基础配置模块获取到的信号配时方案文件进行解析并加载到内存中,作为背景方案,控制信号灯色;
S4023. 仿真数据管理模块初始化:将路网文件、车流路径文件和公交路径文件解析,加载到内存中,并基于加载的基础信息,统计需要的公交沿线站点位置信息表、公交沿线信号位置信息表、公交期望速度表、公交站点驻站时间表、信号路口的车道参数表、公交通行相位表、路段位置映射表数据信息;
仿真数据管理模块初始化过程通过sumo的traci接口向sumo微观仿真模块注册订阅车辆、路段等仿真过程产生的数据;
S4024. 公交优先算法模块初始化:将仿真数据管理模块生成的公交沿线站点位置信息表、公交沿线信号位置信息表、公交期望速度表、公交站点驻站时间表、信号路口的车道参数表、公交通行相位表、路段位置映射表等数据及优化线路id、优化路口id和公交站点停靠计划表等信息进行解析并加载到内存中;
S4025. 评价指标统计模块初始化:初始化评价指标的类型和周期等信息。
S403. 判断是否满足公交优先算法调用条件,若是执行步骤S404,若否执行步骤S407;
S404. 公交优先算法调用;
S405. 公交优先算法模块生成信号灯优化控制方案;
S406. 信号灯控制模块更新信号灯优化控制方案;
S407. 信号灯控制模块使用sumo的traci接口迭代更新信号灯色;
S408. 微观仿真模块迭代更新计算所有车辆位置;
S409. 仿真数据管理模块通过sumo的traci接口获取订阅的车辆、道路的数据记录更新至内存中;
S410. 评价指标控制模块通过接口向仿真数据管理模块获取仿真数据进行整合计算出评价指标,若达到统计周期,则将车辆仿真指标写入至本地文件中;
S411. 判断是否仿真结束;若是执行步骤S412,若否执行步骤S403进入下一时刻的仿真循环;
S412.结束仿真推演,将车辆的轨迹信息写入本地文件,并将轨迹文件和评价指标文件上传至后端数据库。
具体的,轨迹文件和评价指标为仿真每一时步的轨迹数据、信号灯数据和评估指标。
所述轨迹数据包含内容:推演时间戳、车辆id、经度、维度、朝向、速度、加速度、长度、宽度等。
所述信号灯数据包含内容:推演时间戳、信号灯id、信号灯色、信号灯倒计时时间等。
所述评估指标包含内容:信号路口流量、排队长度和停车时间等。
具体的,城市级微观车辆仿真推演车辆规模巨大,几万量至几十万辆不等,且需推演时间一般在小时以上,产生的本地数据文件巨大,因此可在仿真后优先的使用将本地文件上传至minio文件数据库方式,减少数据库的交互次数。
实施例3、为交通治理者提供在线推演和评估支持将实施例1所述的系统对接城市云控业务平台,通过接入城市云控平台获取的车辆流量数据,对无公交优先算法和实施公交优先算法两种方案进行交通态势推演,为交通治理者提供在线推演和评估支持;参照图4。
本发明方案设计的仿真系统,使用了CS架构,web前端、后端数据库、微观通流仿真服务端、公交优先算法服务端部署在不同的计算机上,摆脱了传统交通仿真只能运行在一台计算机上的限制,和城市云控业务平台需求吻合。
实施例4、本发明的计算机装置可以是包括有处理器以及存储器等装置,例如包含中央处理器的单片机等。并且,处理器用于执行存储器中存储的计算机程序时实现上述的基于CREO软件的可修改由关系驱动的推荐数据的推荐方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例5、计算机可读存储介质实施例
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质,包括但不限于非易失性存储器、易失性存储器、铁电存储器等,计算机可读存储介质上存储有计算机程序,当计算机装置的处理器读取并执行存储器中所存储的计算机程序时,可以实现上述的基于CREO软件的可修改由关系驱动的建模数据的建模方法的步骤。
所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.城市公交优先仿真推演系统,其特征在于,包括WEB前端、后端数据库、交通流仿真服务端和公交优先算法模块;
所述WEB前端用于配置参数、控制推演任务的启停和展示车辆运行位置和信号灯色;
所述后端数据库用于存储仿真推演所需要的多种数据;
交通流仿真服务端用于计算微观车辆在路网上的行驶轨迹、订阅和更新动态数据、获取背景信号和计算所需的评价指标;
所述公交优先算法模块用于生成公交优化配时方案。
2.根据权利要求1所述的城市公交优先仿真推演系统,其特征在于,WEB前端包括展示模块、参数配置模块和任务管理模块;
所述展示模块通过获取地区数据,展示基础微观路网,根据推演结果,展示车辆运行位置和信号灯色及各性能指标;
所述参数配置模块用于选择地图、优化时段、公交线路和优化信号路口;
所述任务管理模块用于启动、暂停和停止推演任务。
3.根据权利要求2所述的城市公交优先仿真推演系统,其特征在于,后端数据库包括地图数据库、信号配时数据库、公交排班数据库、车流路径数据库和推演结果数据库;
所述地图数据库存储opendrive数据格式和sumo仿真格式基础路网数据;
所述信号配时数据库用于存储实际交通中使用的信号路口的配时方案;
所述公交排班数据库用于存储城市各公交线路的排班信息;
车流路径数据库用于存储除公交外的社会车辆的车流路径和公交车辆行驶路径;
推演结果数据库用于存储推演结果数据。
4.根据权利要求3所述的城市公交优先仿真推演系统,其特征在于,交通流仿真服务端包括仿真基础配置模块、sumo微观仿真模块、信号灯控制模块、仿真数据管理模块和评价指标统计模块;
所述仿真基础配置模块用于从地图数据库中获取地图数据及根据用户选择优化时段从车流路径数据库获取对应的社会车流路径集和公交车辆路径集,经过格式转换生成sumo微观仿真所需的车辆仿真需求文件;
所述sumo微观仿真模块由微观仿真软件sumo组成,用于根据设定的路网、车辆路径和信号配时方案,计算微观车辆在路网上的行驶轨迹;
所述信号灯控制模块用于从信号配时数据库中获取实际交通信号配时方案,并转化为sumo所需的信号格式,作为背景信号方案,当不执行公交优先算法时执行该方案,当执行信号优先算法时,生成公交优先信号方案,并负责对sumo中的各信号灯色进行控制;
所述仿真数据管理模块根据推演路网、公交车辆路径初始化时生成算法所需的静态路径信息,从sumo中订阅和更新车辆动态数据;
所述评价指标统计模块通过从仿真数据管理模块获取车辆动态数据,计算所需的评价指标。
5.根据权利要求4所述的城市公交优先仿真推演系统,其特征在于,公交优先算法模块根据当前仿真场景中各车辆的位置和路口配时信息,产生公交优化配时方案结果,输出至信号灯控制模块。
6.城市公交优先仿真推演方法,其特征在于,基于权利要求1-5任一项所述的城市公交优先仿真推演系统实现的方法,包括以下步骤:
S1. 参数配置模块初始化,根据仿真请求获取仿真基础数据;
S2. 发送公交优先推演请求;
S3. 启动仿真任务;
S4. 执行推演任务进程,具体包括以下步骤:
S401.根据仿真请求获取仿真基础数据;
S402.对交通流仿真服务端进行初始化;
S403. 判断是否满足公交优先算法调用条件,若是执行步骤S404,若否执行步骤S407;
S404. 公交优先算法调用;
S405. 公交优先算法模块生成信号灯优化控制方案;
S406. 信号灯控制模块更新信号灯优化控制方案;
S407. 信号灯控制模块使用sumo的traci接口迭代更新信号灯色;
S408. 微观仿真模块迭代更新计算所有车辆位置;
S409. 仿真数据管理模块通过sumo的traci接口获取订阅的车辆、道路的数据记录更新至内存中;
S410. 评价指标控制模块通过接口向仿真数据管理模块获取仿真数据进行整合计算出评价指标,若达到统计周期,则将车辆仿真指标写入至本地文件中;
S411. 判断是否仿真结束;若是执行步骤S412,若否执行步骤S403进入下一时刻的仿真循环;
S412.结束仿真推演,将车辆的轨迹信息写入本地文件,并将轨迹文件和评价指标文件上传至后端数据库。
7.根据权利要求6所述的城市公交优先仿真推演方法,其特征在于,根据仿真请求获取仿真基础数据的具体方法是:
S4011. 根据仿真请求中的地图名称,在地图数据库中获取仿真地图文件;
S4012. 根据仿真时段,在车流路径数据库中获取选中仿真时段内的微观车流路径数据;
S4013. 根据公交线路和仿真时段,在公交排班数据库中请求公交车辆的车辆id和对应的发车时间;
S4014. 根据仿真时段和信号交叉口id,向信号配时数据库中请求各信号路口的配时方案。
8.根据权利要求7所述的城市公交优先仿真推演方法,其特征在于,对交通流仿真服务端进行初始化的具体方法是:
S4021. sumo微观仿真模块初始化:sumo微观仿真模块通过读取车辆仿真需求进行初始化;
S4022. 信号灯控制模块初始化:将仿真基础配置模块获取到的信号配时方案文件进行解析并加载到内存中,作为背景方案,控制信号灯色;
S4023. 仿真数据管理模块初始化:将路网文件、车流路径文件和公交路径文件解析,加载到内存中,并基于加载的基础信息,统计需要的公交沿线站点位置信息表、公交沿线信号位置信息表、公交期望速度表、公交站点驻站时间表、信号路口的车道参数表、公交通行相位表、路段位置映射表数据信息;
仿真数据管理模块初始化过程通过sumo的traci接口向sumo微观仿真模块注册订阅车辆、路段等仿真过程产生的数据;
S4024. 公交优先算法模块初始化:将仿真数据管理模块生成的公交沿线站点位置信息表、公交沿线信号位置信息表、公交期望速度表、公交站点驻站时间表、信号路口的车道参数表、公交通行相位表、路段位置映射表等数据及优化线路id、优化路口id和公交站点停靠计划表等信息进行解析并加载到内存中;
S4025. 评价指标统计模块初始化:初始化评价指标的类型和周期等信息。
9.一种电子设备,其特征在于,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现权利要求6-8任一项所述的城市公交优先仿真推演方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求6-8任一项所述的城市公交优先仿真推演方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210506155.7A CN114627650B (zh) | 2022-05-11 | 2022-05-11 | 城市公交优先仿真推演系统、方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210506155.7A CN114627650B (zh) | 2022-05-11 | 2022-05-11 | 城市公交优先仿真推演系统、方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114627650A true CN114627650A (zh) | 2022-06-14 |
CN114627650B CN114627650B (zh) | 2022-08-23 |
Family
ID=81905561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210506155.7A Active CN114627650B (zh) | 2022-05-11 | 2022-05-11 | 城市公交优先仿真推演系统、方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114627650B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115052267A (zh) * | 2022-08-12 | 2022-09-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 微观仿真车路协同数据交互系统 |
CN115080638A (zh) * | 2022-07-20 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 微观仿真的多源数据融合分析方法、电子设备及存储介质 |
CN115116231A (zh) * | 2022-08-26 | 2022-09-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车路协同微观仿真系统、方法、电子设备及存储介质 |
CN115712252A (zh) * | 2022-11-02 | 2023-02-24 | 浙江清华长三角研究院 | 云控自动驾驶公交车车速规划仿真验证方法及系统 |
CN116050189A (zh) * | 2023-03-31 | 2023-05-02 | 河北纬坤电子科技有限公司 | 一种交通推演仿真的实验方法、系统、终端及存储介质 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101807224A (zh) * | 2010-03-24 | 2010-08-18 | 上海交通大学 | 中微观一体化交通仿真车流加载方法 |
CN103218921A (zh) * | 2013-04-02 | 2013-07-24 | 东南大学 | 主次交叉口快速公交信号优先协同控制方法 |
EP2665050A1 (en) * | 2011-01-14 | 2013-11-20 | Mitsubishi Heavy Industries, Ltd. | Traffic-flow simulation apparatus, traffic-flow simulation program, and traffic-flow simulation method |
CN103745089A (zh) * | 2013-12-20 | 2014-04-23 | 北京工业大学 | 一种多维公共交通运行指数评价方法 |
CN110057393A (zh) * | 2018-01-19 | 2019-07-26 | 佛山市湘訾科技服务有限公司 | 一种智能交通管控平台的检测方法 |
CN110164128A (zh) * | 2019-04-23 | 2019-08-23 | 银江股份有限公司 | 一种城市级智能交通仿真系统 |
CN110570660A (zh) * | 2019-11-06 | 2019-12-13 | 深圳市城市交通规划设计研究中心有限公司 | 一种实时在线交通仿真系统及方法 |
CN111009140A (zh) * | 2019-11-26 | 2020-04-14 | 郑州大学 | 一种基于开源路况信息的智能交通信号控制方法 |
CN111027160A (zh) * | 2019-11-20 | 2020-04-17 | 中山大学 | 一种基于数据转换的sumo交通仿真场景精准构建方法 |
CN112700664A (zh) * | 2020-12-19 | 2021-04-23 | 北京工业大学 | 一种基于深度强化学习的交通信号配时优化方法 |
CN112927513A (zh) * | 2021-03-02 | 2021-06-08 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种实时在线交通仿真方法及系统 |
CN113299078A (zh) * | 2021-03-29 | 2021-08-24 | 东南大学 | 一种基于多智能体协作的多模式交通干线信号协调控制方法及装置 |
CN113377092A (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 | 信号优先算法仿真测试方法及系统、测试设备、存储介质 |
CN113378413A (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Vissim构建仿真路网平台系统、方法、设备及存储介质 |
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 |
CN113392577A (zh) * | 2021-05-18 | 2021-09-14 | 广东工业大学 | 一种基于深度强化学习的区域边界主交叉口信号控制方法 |
CN113538905A (zh) * | 2021-06-25 | 2021-10-22 | 华录智达科技股份有限公司 | 一种城市交通运行仿真系统 |
CN113763697A (zh) * | 2020-06-01 | 2021-12-07 | 深圳联友科技有限公司 | 一种车联网的仿真方法及装置 |
CN113920739A (zh) * | 2021-10-29 | 2022-01-11 | 复旦大学 | 基于信息物理融合系统的交通数据驱动框架及构建方法 |
US20220092973A1 (en) * | 2020-09-18 | 2022-03-24 | Soheil MOHAMAD ALIZADEH SHABESTARY | Method and system for adaptive cycle-level traffic signal control |
-
2022
- 2022-05-11 CN CN202210506155.7A patent/CN114627650B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101807224A (zh) * | 2010-03-24 | 2010-08-18 | 上海交通大学 | 中微观一体化交通仿真车流加载方法 |
EP2665050A1 (en) * | 2011-01-14 | 2013-11-20 | Mitsubishi Heavy Industries, Ltd. | Traffic-flow simulation apparatus, traffic-flow simulation program, and traffic-flow simulation method |
CN103218921A (zh) * | 2013-04-02 | 2013-07-24 | 东南大学 | 主次交叉口快速公交信号优先协同控制方法 |
CN103745089A (zh) * | 2013-12-20 | 2014-04-23 | 北京工业大学 | 一种多维公共交通运行指数评价方法 |
CN110057393A (zh) * | 2018-01-19 | 2019-07-26 | 佛山市湘訾科技服务有限公司 | 一种智能交通管控平台的检测方法 |
CN110164128A (zh) * | 2019-04-23 | 2019-08-23 | 银江股份有限公司 | 一种城市级智能交通仿真系统 |
CN110570660A (zh) * | 2019-11-06 | 2019-12-13 | 深圳市城市交通规划设计研究中心有限公司 | 一种实时在线交通仿真系统及方法 |
CN111027160A (zh) * | 2019-11-20 | 2020-04-17 | 中山大学 | 一种基于数据转换的sumo交通仿真场景精准构建方法 |
CN111009140A (zh) * | 2019-11-26 | 2020-04-14 | 郑州大学 | 一种基于开源路况信息的智能交通信号控制方法 |
CN113763697A (zh) * | 2020-06-01 | 2021-12-07 | 深圳联友科技有限公司 | 一种车联网的仿真方法及装置 |
US20220092973A1 (en) * | 2020-09-18 | 2022-03-24 | Soheil MOHAMAD ALIZADEH SHABESTARY | Method and system for adaptive cycle-level traffic signal control |
CN112700664A (zh) * | 2020-12-19 | 2021-04-23 | 北京工业大学 | 一种基于深度强化学习的交通信号配时优化方法 |
CN112927513A (zh) * | 2021-03-02 | 2021-06-08 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种实时在线交通仿真方法及系统 |
CN113299078A (zh) * | 2021-03-29 | 2021-08-24 | 东南大学 | 一种基于多智能体协作的多模式交通干线信号协调控制方法及装置 |
CN113392577A (zh) * | 2021-05-18 | 2021-09-14 | 广东工业大学 | 一种基于深度强化学习的区域边界主交叉口信号控制方法 |
CN113538905A (zh) * | 2021-06-25 | 2021-10-22 | 华录智达科技股份有限公司 | 一种城市交通运行仿真系统 |
CN113378413A (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Vissim构建仿真路网平台系统、方法、设备及存储介质 |
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 |
CN113377092A (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 | 信号优先算法仿真测试方法及系统、测试设备、存储介质 |
CN113920739A (zh) * | 2021-10-29 | 2022-01-11 | 复旦大学 | 基于信息物理融合系统的交通数据驱动框架及构建方法 |
Non-Patent Citations (7)
Title |
---|
PIOTR SMIETANKA等: "Distributed Automated Vehicle Location (AVL) System Based on Connected Vehicle Technology", 《2015 IEEE 18TH INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
余红红: "公交信号优先协调控制方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
吴洪伟: "基于公交优先的干线信号协调控制研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
吴鑫珂: "基于深度强化学习的公交优先信号控制策略", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
张敬茹: "基于SUMO的公交信号优先仿真系统设计", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
蔡雅苹等: "基于公交优先的多路口车速引导控制方法", 《福州大学学报(自然科学版)》 * |
魏然等: "基于车路协同的公交优先策略", 《工业控制计算机》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115080638A (zh) * | 2022-07-20 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 微观仿真的多源数据融合分析方法、电子设备及存储介质 |
CN115080638B (zh) * | 2022-07-20 | 2023-04-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 微观仿真的多源数据融合分析方法、电子设备及存储介质 |
CN115052267A (zh) * | 2022-08-12 | 2022-09-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 微观仿真车路协同数据交互系统 |
CN115116231A (zh) * | 2022-08-26 | 2022-09-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车路协同微观仿真系统、方法、电子设备及存储介质 |
CN115712252A (zh) * | 2022-11-02 | 2023-02-24 | 浙江清华长三角研究院 | 云控自动驾驶公交车车速规划仿真验证方法及系统 |
CN116050189A (zh) * | 2023-03-31 | 2023-05-02 | 河北纬坤电子科技有限公司 | 一种交通推演仿真的实验方法、系统、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114627650B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114627650B (zh) | 城市公交优先仿真推演系统、方法、电子设备及存储介质 | |
Gal et al. | Traveling time prediction in scheduled transportation with journey segments | |
CN113378413B (zh) | 基于Vissim构建仿真路网平台系统、方法、设备及存储介质 | |
CN112561410B (zh) | 道路车辆的排放量确定方法、装置及电子设备 | |
KR102498441B1 (ko) | 자율 주행 차량의 테스트 방법, 장치, 전자 장비, 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램 | |
Ram et al. | SMARTBUS: A web application for smart urban mobility and transportation | |
Saroj et al. | Development of a connected corridor real-time data-driven traffic digital twin simulation model | |
CN111105628A (zh) | 一种停车场画像构建方法和装置 | |
WO2022166326A1 (zh) | 一种地图瓦片更新方法和装置 | |
CN112041858A (zh) | 提供出行建议的系统和方法 | |
Gräbe et al. | Are we getting vehicle emissions estimation right? | |
Kim et al. | Microscopic traffic simulation calibration level for reliable estimation of vehicle emissions | |
Zhai et al. | Characteristics of operating mode distributions of light duty vehicles by road type, average speed, and driver type for estimating on-road emissions: Case study of Beijing | |
CN112381574B (zh) | 一种公交车辆的广告投放方法及装置 | |
CN104680782B (zh) | 一种交通控制云端系统 | |
WO2023083552A1 (en) | Generating greenhouse gas emissions estimations associated with logistics contexts using machine learning techniques | |
CN115391980A (zh) | 道路场景和动态交通流优化方法、系统及存储介质 | |
US10144434B2 (en) | Method and apparatus for identifying a cause for a fuel inefficiency of a vehicle via a network | |
Montero et al. | Using GPS tracking data to validate route choice in OD trips within dense urban networks | |
CN113362488A (zh) | Obd监测数据处理系统 | |
Teslyuk et al. | The recommendation system for cyclists LvivBicycleMap | |
CN113393011A (zh) | 预测限速信息的方法、装置、计算机设备和介质 | |
CN115061897B (zh) | 用于车联网的数据生成方法、装置及电子设备、存储介质 | |
CN113887811B (zh) | 一种充电桩数据管理方法及系统 | |
CN117739950B (zh) | 一种地图的生成方法、装置及设备 |
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 |