CN115050179B - 交叉口通行预测及其路径上交叉口通行动、静态预测方法 - Google Patents
交叉口通行预测及其路径上交叉口通行动、静态预测方法 Download PDFInfo
- Publication number
- CN115050179B CN115050179B CN202210582296.7A CN202210582296A CN115050179B CN 115050179 B CN115050179 B CN 115050179B CN 202210582296 A CN202210582296 A CN 202210582296A CN 115050179 B CN115050179 B CN 115050179B
- Authority
- CN
- China
- Prior art keywords
- intersection
- traffic
- time
- straight
- predicted
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003068 static effect Effects 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000003442 weekly effect Effects 0.000 claims abstract description 4
- 238000000819 phase cycle Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- 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
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/095—Traffic lights
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种交叉口通行预测及其路径上交叉口通行动、静态预测方法,属于交通信息的应用领域。包括如下步骤,给定或自动获取预测日期时间,获取智能控制系统中交叉口数据库的信息,根据检索分析模块得到的交叉口通行数据的分析图表判断预测的道路是否有星期规律,进行检索,根据步骤四在交叉口数据库检索出的历史数据记录,计算出左转的通行概率、直行的通行概率、直行通行的平均时长、左转等待的平均时长、左转通行的平均时长等,该方法可用于导航路径上交叉口动态、静态通行预测。本发明有着很高的实时性、可行性,对提升导航的智能化水平,对未来的自动驾驶,都有着重要助力和基础支撑的作用。
Description
技术领域
本发明涉及一种交叉口通行预测及其路径上交叉口通行动、静态预测方法,属于交通信息的应用领域。
背景技术
当下,城市道路交叉口信号灯的相位转换控制的特点,都是按照各自设定的相序和时长,由自身的定时控制器独立进行控制的,每次的相位转换,从开始到结束,是按设定好的时长周而复始循环进行,且没有记录。对于某日期时间某交叉口信号灯的相位状况,是无法查到的。
交叉口实时通行数字数据的意义是城市道路交通信息化的必要前提,为信号灯控制的智能化或智慧化有着基础支撑的意义,对实时交通流信息的全面采集及实时交通状况的准确了解和掌握有着重要的现实意义。众所周知,线是由点组成的,网是由线组成的,把交叉口喻为点,道路喻为线,以点带线,以线带面,这就为城市交通网的大数据分析创建了数字信息基础,为网的协调模型提供了验证数据。为交通流规律分析、合理的交通控制策略及精准模型提供了支持,其实际意义是深远的,因为人工智能实现的基础是对客观规律的精准和深度把握。这正是目前在交通管控领域最缺乏的,也是亟须解决的问题。
发明内容
本发明提出一种交叉口通行预测及其路径上交叉口通行动、静态预测方法,可以对通过某交叉口的通行状况信息(包括:各路口的左转的通行概率、直行的通行概率、直行通行的平均时长、左转等待的平均时长、左转通行的平均时长等)进行预测,其有着很高的实时性、可行性和为交通参与者、特别是机动车驾乘者提供出行便利的信息服务、对交通参与者安心驾乘、安全驾驶有着不可忽视的现实意义,对提升导航的智能化水平,对未来的自动驾驶,都有着重要助力和基础支撑的作用。
本发明的发明人之前申请的专利号为:202010096031.7,名称为:一种用于交叉口交通信号灯的智能控制系统及其控制方法,不仅实现城市交通信号灯的智能控制,并且还创建了城市道路交叉口实时通行数字数据,其特征是把城市道路每个交叉口的信号灯的每次相位变化,都统一与时区的日期时间(例如公历北京时间)关联,记录存储在远程数据库管理子系统的交叉口数据库(以下简称交叉口数据库)中。本发明中所述的智能控制系统为专利号为:202010096031.7中的智能控制系统,交叉口数据库、检索分析模块指的是专利号为:202010096031.7中的交叉口数据库、检索分析模块,交叉口数据库必然包含交叉口各方向的路口名。
本发明采用的技术方案是:一种交叉口通行预测方法,涉及的交叉口信号灯控制的相序约定为:直行-左转;其它相序,与这一相序的方法是等同的,包括如下步骤:
步骤一:给定或自动获取预测日期时间:包括预测日期yc_dt、预测时间yc_time两项;
步骤二:根据检索分析模块得到的交叉口通行数据的分析图表判断预测的道路是否有星期规律:
星期规律:根据城市人们的工作生活的常态,城市道路交通行为中会呈现这样的规律:
星期wn,wn=1,2,3,4,5,6,0,当wn确定时,在过去有限天数ΔDN内的星期wn和当前的星期wn,城市道路交叉口车的通行状况或流量是基本相同的,即呈线性状态;
当星期规律成立时,满足:当下的wn=过去ΔDN内的wn,这种情况就称之为星期效应;
步骤四:历史数据检索
从智能控制系统中交叉口数据库中检索出一组满足如下条件的、数目为rec_num历史数据记录:预测日期前ΔDN内:
预测日期前ΔDN内:
(1)无星期效应:交叉口数据库数据项t_date≥yc_dt-ΔDN,且交叉口指定路口满足yc_time在该路口通行的起始时间和结束时间期间的所有记录,即:(t_date>=past_dt)AND(t_lkm==lkm1/lkm2)AND(t_times=<yc_time<t_timee)其中:起始时间:交叉口某道路方向上开启相序周期中信号灯表示通行的起始时间,格式为hh:mm:ss;
结束时间:交叉口某道路方向上结束相序周期中信号灯表示通行的终止时间,格式为hh:mm:ss;
(2)有星期效应:获取wn==预测日期对应的星期几
交叉口数据库数据项t_date≥yc_dt-ΔDN,且交叉口指定路口满足yc_time在该路口通行的起始时间和结束时间期间且交叉口数据库中数据项weekday==wn的所有记录,即:(t_date>=past_dt)AND(t_lkm==lkm1/lkm2)AND(t_times=<yc_time<t_timee)AND(weekday==wn)其中:①ΔDN=30,60,90,100,180,360单位:天;分别表示:1个月,2个月,1个季度,100天,半年,1年天数;②past_dt=yc_dt–ΔDN,定义为yc_dt前ΔDN的日期;③t_date:交叉口数据库中日期时间数据项;④t_lkm:交叉口数据库中路口名数据项;⑤t_times:交叉口数据库中通行起始时间数据项;⑥t_timee:交叉口数据库中通行结束时间数据项;⑦lkm1/lkm2:交叉口不同方向路口名;
步骤五:根据步骤四在交叉口数据库检索出的所有记录,计算出如下数据:
(1)计算出在预测日期时间内可通过确定交叉口各路口左转的概率:
(2)进行数据滤波处理统计,得到交叉口各路口直行的通行概率、直行通行的平均时长、左转等待的平均时长、左转通行的平均时长等的预测值,具体如下:
①预测直行的通行概率:
(i)从检索出的记录中按如下统计并创建直行预测标志的新数据项:
如果[预测时间-(起始时间i+实际直行时长i)]>=0则:直行预测标志i=1;
否则直行预测标志i=0
其中:i为下标,且1≤i≤rec_num;实际直行时长:交叉口某道路方向上直行通过的实际时长;
直行预测标志:值为1,能通行;值为0,不能通行;
(ii)对直行预测标志数据项做计数统计:
如果直行预测标志i==1,则计数器加1;
其中:计数器最终值即为历史直行通过的累计次数
(iii)通过上述(i)(ii)获得从检索出的记录中统计出历史直行通过的累计次
数,由此计算预测直行通行概率:
②预测直行通行的平均时长/左转等待的平均时长,单位:秒:
(i)从检索出的记录中统计计算并创建直行通行/左转等待时长新数据项:
直行通行/左转等待时长i=结束时间i-预测时间
其中:i为下标,且1≤i≤rec_num;
(ii)对直行通行/左转等待时长新数据项按上述①(i)直行预测标志的新数据项为1条件进行统计
(iii)计算直行通行/左转等待的平均时长:
说明:交叉口直行通行结束时刻,就是左转通行开始,因此,直行通行的时长就是等待左转通行的时长;
③预测左转通行的平均时长,单位:秒:
预测左转的时长就是结束时间与预测时间的差值,在检索出rec_num条的记录中,计算数据项结束时间与预测时间差的平均值,即为左转通行的平均时长,即:
一种导航路径上交叉口通行静态预测方法,其特征在于:用导航输入目的地,得到从当下位置到目的地的路径,还能得到路径上所途径的所有交叉口数量,设为n个,j=1,2,3.....n,j为将到达的第j个交叉口,根据所述的交叉口通行预测方法预测每个途径交叉口的通行情况,具体步骤如下:
STEP 1:设j=1,获取当下日期时间设为Tj,Tj为第j个交叉口的出发时间;
STEP 2:获取出发点到第j个交叉口的路程,设为S,获取这段路的最大限速V或者通过大数据统计得出平均速度V;
STEP 3:计算通过这段路程到达交叉口的时间为tj=S/V;
STEP 4:计算Tj+tj,得到第j个交叉口的预测日期时间;
STEP 5:将预测日期时间+交叉口路口各行驶方向作为参数,使用权利要求1所述的交叉口通行预测方法,得到该交叉口行进方向通过的时长△tj;
STEP 6:把该交叉口作为出发点,判断如果j+1<=n,Tj+1=Tj+tj+△tj为新的开始出发时间,且j递增,重复上述的②③④就可得到交叉口的静态预测结果。
一种导航路径上交叉口通行动态预测方法,具体步骤与所述的导航路径上交叉口通行静态预测方法相同,不同之处在于:STEP 2中S和V通过位置信息动态获取。
本发明的有益效果是:对交叉口的通行状况信息的预测,有着很高的实时性、可行性和为交通参与者、特别是机动车驾乘者提供出行便利的信息服务、对交通参与者安心驾乘、安全驾驶有着不可忽视的现实意义,对提升导航的智能化水平,对未来的自动驾驶,都有着重要助力和基础支撑的作用。
附图说明
图1为本发明一种交叉口通行预测方法的说明图;
图2为本发明一种导航路径上交叉口通行静态预测方法的流程图;
图3为本发明一种导航路径上交叉口通行动态预测方法的流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明型,并非用于限定本发明型的范围。
实施例1:一种交叉口通行预测方法,涉及的交叉口信号灯控制的相序约定为:直行-左转;其它相序,与这一相序的方法是等同的,包括如下步骤:
步骤一:获取智能控制系统中存储模块保存的信息,给定或自动获取预测日期时间:包括预测日期yc_dt、预测时间yc_time两项;
步骤二:根据检索分析模块得到的交叉口通行数据的分析图表判断预测的道路是否有星期规律:
星期规律:根据城市人们的工作生活的常态,城市道路交通行为中会呈现这样的规律:
星期wn,wn=1,2,3,4,5,6,0,当wn确定时,在过去有限天数ΔDN内的星期wn和当前的星期wn,城市道路交叉口车的通行状况或流量是基本相同的,即呈线性状态;
当星期规律成立时,满足:当下的wn=过去ΔDN内的wn,这种情况就称之为星期效应;
步骤四:历史数据检索
从智能控制系统中交叉口数据库中检索出一组满足如下条件的、数目为rec_num历史数据记录:预测日期前ΔDN内:
预测日期前ΔDN内:
(1)无星期效应:交叉口数据库数据项t_date≥yc_dt-ΔDN,且交叉口指定路口满足yc_time在该路口通行的起始时间和结束时间期间的所有记录,即:(t_date>=past_dt)AND(t_lkm==lkm1/lkm2)AND(t_times=<yc_time<t_timee)其中:起始时间:交叉口某道路方向上开启相序周期中信号灯表示通行的起始时间,格式为hh:mm:ss;
结束时间:交叉口某道路方向上结束相序周期中信号灯表示通行的终止时间,格式为hh:mm:ss;
(2)有星期效应:获取wn==预测日期对应的星期几
交叉口数据库数据项t_date≥yc_dt-ΔDN,且交叉口指定路口满足yc_time在该路口通行的起始时间和结束时间期间且交叉口数据库中数据项weekday==wn的所有记录,即:(t_date>=past_dt)AND(t_lkm==lkm1/lkm2)AND(t_times=<yc_time<t_timee)AND(weekday==wn)其中:①ΔDN=30,60,90,100,180,360单位:天;分别表示:1个月,2个月,1个季度,100天,半年,1年天数;②past_dt=yc_dt–ΔDN,定义为yc_dt前ΔDN的日期;③t_date:交叉口数据库中日期时间数据项;④t_lkm:交叉口数据库中路口名数据项;⑤t_times:交叉口数据库中通行起始时间数据项;⑥t_timee:交叉口数据库中通行结束时间数据项;⑦lkm1/lkm2:交叉口不同方向路口名;
步骤五:根据步骤四在交叉口数据库检索出的所有记录,计算出如下数据:
(1)计算出在预测日期时间内可通过确定交叉口各路口左转的概率:
(2)进行数据滤波处理统计,得到交叉口各路口直行的通行概率、直行通行的平均时长、左转等待的平均时长、左转通行的平均时长等的预测值,具体如下:
①预测直行的通行概率:
(i)从检索出的记录中按如下统计并创建直行预测标志的新数据项:
如果[预测时间-(起始时间i+实际直行时长i)]>=0则:直行预测标志i=1;
否则直行预测标志i=0
其中:i为下标,且1≤i≤rec_num;实际直行时长:交叉口某道路方向上直行通过的实际时长;
直行预测标志:值为1,能通行;值为0,不能通行;
(ii)对直行预测标志数据项做计数统计:
如果直行预测标志i==1,则计数器加1;
其中:计数器最终值即为历史直行通过的累计次数
(iii)通过上述(i)(ii)获得从检索出的记录中统计出历史直行通过的累计次数,由此计算预测直行通行概率:
②预测直行通行的平均时长/左转等待的平均时长,单位:秒:
(i)从检索出的记录中统计计算并创建直行通行/左转等待时长新数据项:
直行通行/左转等待时长i=结束时间i-预测时间
其中:i为下标,且1≤i≤rec_num;
(ii)对直行通行/左转等待时长新数据项按上述①(i)直行预测标志的新数据项为1的条件进行统计
(iii)计算直行通行/左转等待的平均时长:
说明:一般情况,交叉口直行通行结束时刻,就是左转通行开始,因此,直行通行的时长就是等待左转通行的时长,参考图1中①时间轴。
③预测左转通行的平均时长,单位:秒:
预测左转的时长就是结束时间与预测时间的差值,参考图1中②时间轴,在检索出rec_num条的记录中,计算数据项结束时间与预测时间差的平均值,即为左转通行的平均时长,即:
一种导航路径上交叉口通行静态预测方法,其特征在于:用导航输入目的地,得到从当下位置到目的地的路径,还能得到路径上所途径的所有交叉口数量,设为n个,j=1,2,3.....n,j为将到达的第j个交叉口,根据所述的交叉口通行预测方法预测每个途径交叉口的通行情况,具体步骤如下:
STEP 1:设j=1,获取当下日期时间设为Tj,Tj为第j个交叉口的出发时间;
STEP 2:获取出发点到第j个交叉口的路程,设为S,获取这段路的最大限速V或者通过大数据统计得出平均速度V;
STEP 3:计算通过这段路程到达交叉口的时间为tj=S/V;
STEP 4:计算Tj+tj,得到第j个交叉口的预测日期时间;
STEP 5:将预测日期时间+交叉口路口各行驶方向作为参数,使用权利要求1所述的交叉口通行预测方法,得到该交叉口行进方向通过的时长△tj;
STEP 6:把该交叉口作为出发点,判断如果j+1<=n,Tj+1=Tj+tj+△tj为新的开始出发时间,且j递增,重复上述的②③④就可得到交叉口的静态预测结果。
一种导航路径上交叉口通行动态预测方法,具体步骤与所述的导航路径上交叉口通行静态预测方法相同,不同之处在于:STEP 2中S和V通过位置信息动态获取。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (3)
1.一种交叉口通行预测方法,其特征在于:涉及的交叉口信号灯控制的相序约定为:直行-左转;其它相序,与这一相序的方法是等同的,包括如下步骤:
步骤一:给定或自动获取预测日期时间:包括预测日期yc_dt、预测时间yc_time两项;
步骤二:根据检索分析模块得到的交叉口通行数据的分析图表判断预测的道路是否有星期规律:
星期规律:根据城市人们的工作生活的常态,城市道路交通行为中会呈现这样的规律:
星期wn,wn=0,1,2,3,4,5,6,当星期wn确定时,在过去有限天数ΔDN内的星期wn和当前的星期wn,城市道路交叉口车的通行状况或流量是基本相同的,即呈线性状态;
当星期规律成立时,满足:当下的星期wn等于过去有限天数ΔDN内的星期wn,这种情况就称之为星期效应;
步骤四:历史数据检索
从智能控制系统中交叉口数据库中检索出一组满足如下条件的、数目为rec_num历史数据记录:预测日期前过去有限天数ΔDN内:
(1)无星期效应:交叉口数据库数据项t_date大于等于预测日期yc_dt减去过去有限天数ΔDN,且交叉口指定路口满足预测时间yc_time在该路口通行的起始时间和结束时间期间的所有记录,
其中:起始时间:交叉口某道路方向上开启相序周期中信号灯表示通行的起始时间,格式为hh:mm:ss;
结束时间:交叉口某道路方向上结束相序周期中信号灯表示通行的终止时间,格式为hh:mm:ss;
(2)有星期效应:获取星期wn恒等于预测日期对应的星期几
交叉口数据库数据项t_date大于等于预测日期yc_dt减去过去有限天数ΔDN,且交叉口指定路口满足预测时间yc_time在该路口通行的起始时间和结束时间期间且交叉口数据库中数据项weekday恒等于星期wn的所有记录,
其中:①过去有限天数ΔDN=30,60,90,100,180,360,单位:天;分别表示:1个月,2个月,1个季度,100天,半年,1年天数;②past_dt等于预测日期yc_dt减去过去有限天数ΔDN,定义为预测日期yc_dt前过去有限天数ΔDN的日期;③t_date:交叉口数据库中日期时间数据项;④t_lkm:交叉口数据库中路口名数据项;⑤t_times:交叉口数据库中通行起始时间数据项;⑥t_timee:交叉口数据库中通行结束时间数据项;⑦lkm1或lkm2:交叉口不同方向路口名;
步骤五:根据步骤四在交叉口数据库检索出的所有记录,计算出如下数据:
(1)计算出在预测日期时间内可通过确定交叉口各路口左转的概率:
(2)进行数据滤波处理统计,得到交叉口各路口直行的通行概率、直行通行的平均时长、左转等待的平均时长、左转通行的平均时长的预测值,具体如下:
①预测直行的通行概率:
(i)从检索出的记录中按如下统计并创建直行预测标志的新数据项:
如果预测时间减去起始时间i与实际直行时长i之和大于等于零,则直行预测标志i=1;否则直行预测标志i=0
其中:i为下标,且1≤i≤rec_num;
实际直行时长:交叉口某道路方向上直行通过的实际时长;
直行预测标志:值为1,能通行;值为0,不能通行;
(ii)对直行预测标志数据项做计数统计:
如果直行预测标志i恒等于1,则计数器加1;
其中:计数器最终值即为历史直行通过的累计次数
(iii)通过上述(i)(ii)获得从检索出的记录中统计出历史直行通过的累计次数,
由此计算预测直行通行概率:
②预测直行通行的平均时长或左转等待的平均时长,单位:秒:
(i)从检索出的记录中统计计算并创建直行通行或左转等待时长新数据项:
直行通行或左转等待时长i等于结束时间i减去预测时间
其中:i为下标,且1≤i≤rec_num;
(ii)对直行通行或左转等待时长新数据项按上述步骤①(i)直行预测标志的新数据项为1的条件进行统计:
如果直行预测标志=1,则直行或左转等待时长i;
(iii)计算直行通行或左转等待的平均时长:
说明:交叉口直行通行结束时刻,就是左转通行开始,因此,直行通行的时长就是等待左转通行的时长;
③预测左转通行的平均时长,单位:秒:
预测左转的时长就是结束时间与预测时间的差值,在检索出历史数据记录数目rec_num条的记录中,计算数据项结束时间与预测时间差的平均值,即为左转通行的平均时长,即:
2.一种路径上交叉口通行静态预测方法,其特征在于:用导航输入目的地,得到从当下位置到目的地的路径,还能得到路径上所途径的所有交叉口数量,设为n个,j=1,2,3.....n,j为将到达的第j个交叉口,根据权利要求1所述的交叉口通行预测方法预测每个途径交叉口的通行情况,具体步骤如下:
STEP 1:设j=1,获取当下日期时间设为Tj,Tj为第j个交叉口的出发时间;
STEP 2:获取出发点到第j个交叉口的路程,设为S,获取这段路的最大限速V或者通过大数据统计得出平均速度V;
STEP 3:计算通过这段路程到达交叉口的时间为tj=S/V;
STEP 4:计算Tj+tj,得到第j个交叉口的预测日期时间;
STEP 5:将预测日期时间+交叉口路口各行驶方向作为参数,使用权利要求1所述的交叉口通行预测方法,得到该交叉口行进方向通过的时长△tj;
STEP 6:把该交叉口作为出发点,判断如果j+1<=n,Tj+1=Tj+tj+△tj为新的开始出发时间,且j递增,重复上述的STEP 2、STEP 3、STEP 4就可得到交叉口的静态预测结果。
3.一种路径上交叉口通行动态预测方法,其特征在于:具体步骤与权利要求2所述的路径上交叉口通行静态预测方法相同,不同之处在于:STEP 2中出发点到第j个交叉口的路程S和最大限速V或者通过大数据统计得出平均速度V通过位置信息动态获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210582296.7A CN115050179B (zh) | 2022-05-26 | 2022-05-26 | 交叉口通行预测及其路径上交叉口通行动、静态预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210582296.7A CN115050179B (zh) | 2022-05-26 | 2022-05-26 | 交叉口通行预测及其路径上交叉口通行动、静态预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115050179A CN115050179A (zh) | 2022-09-13 |
CN115050179B true CN115050179B (zh) | 2023-10-27 |
Family
ID=83160321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210582296.7A Active CN115050179B (zh) | 2022-05-26 | 2022-05-26 | 交叉口通行预测及其路径上交叉口通行动、静态预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115050179B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470461A (zh) * | 2018-03-27 | 2018-08-31 | 北京航空航天大学 | 一种交通信号控制器控制效果在线评价方法及系统 |
CN108961752A (zh) * | 2018-07-16 | 2018-12-07 | 北京航空航天大学 | 一种交通信号控制器控制效果在线评价方法及系统 |
CN110047301A (zh) * | 2019-04-19 | 2019-07-23 | 山东科技大学 | 一种城市快速路智能交叉口左转车辆检测及信号控制系统和方法 |
CN111341127A (zh) * | 2020-02-17 | 2020-06-26 | 昆明理工大学 | 一种用于交叉口交通信号灯的智能控制系统及其控制方法 |
CN111341122A (zh) * | 2020-02-17 | 2020-06-26 | 昆明理工大学 | 一种交叉口信号灯时长控制的自适应算法 |
CN111613048A (zh) * | 2019-02-26 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 车道信息检测方法、装置、电子设备及存储介质 |
CN111985619A (zh) * | 2020-08-18 | 2020-11-24 | 中冶南方城市建设工程技术有限公司 | 一种基于短时交通流预测的城市单交叉口控制方法 |
CN112820108A (zh) * | 2021-01-12 | 2021-05-18 | 南京睿思交通信息科技有限公司 | 一种自学习的路网交通状态分析及预测方法 |
CN113327416A (zh) * | 2021-04-14 | 2021-08-31 | 北京交通大学 | 基于短时交通流预测的城市区域交通信号控制方法 |
-
2022
- 2022-05-26 CN CN202210582296.7A patent/CN115050179B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470461A (zh) * | 2018-03-27 | 2018-08-31 | 北京航空航天大学 | 一种交通信号控制器控制效果在线评价方法及系统 |
CN108961752A (zh) * | 2018-07-16 | 2018-12-07 | 北京航空航天大学 | 一种交通信号控制器控制效果在线评价方法及系统 |
CN111613048A (zh) * | 2019-02-26 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 车道信息检测方法、装置、电子设备及存储介质 |
CN110047301A (zh) * | 2019-04-19 | 2019-07-23 | 山东科技大学 | 一种城市快速路智能交叉口左转车辆检测及信号控制系统和方法 |
CN111341127A (zh) * | 2020-02-17 | 2020-06-26 | 昆明理工大学 | 一种用于交叉口交通信号灯的智能控制系统及其控制方法 |
CN111341122A (zh) * | 2020-02-17 | 2020-06-26 | 昆明理工大学 | 一种交叉口信号灯时长控制的自适应算法 |
CN111985619A (zh) * | 2020-08-18 | 2020-11-24 | 中冶南方城市建设工程技术有限公司 | 一种基于短时交通流预测的城市单交叉口控制方法 |
CN112820108A (zh) * | 2021-01-12 | 2021-05-18 | 南京睿思交通信息科技有限公司 | 一种自学习的路网交通状态分析及预测方法 |
CN113327416A (zh) * | 2021-04-14 | 2021-08-31 | 北京交通大学 | 基于短时交通流预测的城市区域交通信号控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115050179A (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4491472B2 (ja) | 交通情報システム | |
CN108820042B (zh) | 一种自动驾驶方法及装置 | |
CN108074414B (zh) | 一种基于用户行为的常走路径交通信息提醒方法及系统 | |
CN111966729B (zh) | 一种车辆轨迹数据处理方法、装置、设备及存储介质 | |
CN106846871B (zh) | 一种根据导航路径规划车速的方法、装置及系统 | |
US6487497B2 (en) | Method and system for route calculation in a navigation application | |
EP3683549B1 (en) | Method, apparatus, and computer program product for lane-level route guidance | |
EP1640691B1 (en) | Navigation systems, methods, and programs | |
US8554473B2 (en) | Energy efficient routing using an impedance factor | |
CN108279017B (zh) | 一种在导航过程中实时计算和添加途经点的方法 | |
CN112767683B (zh) | 一种基于反馈机制的路径诱导方法 | |
US10444027B2 (en) | Parking lot entrance recognition method and system | |
CN110807926B (zh) | 一种基于混合交通的道路阻抗预测方法及装置 | |
EP3686865A1 (en) | Method, apparatus, and computer program product for lane-level route guidance | |
CN114724377B (zh) | 基于车路协同技术的无人驾驶车辆引导方法及系统 | |
CN108573600B (zh) | 一种驾驶员行为诱导与局部交通流优化方法 | |
CN112967493A (zh) | 一种基于神经网络的车辆通过交叉口行程时间的预测方法 | |
CN112633602A (zh) | 一种基于gis地图信息的交通拥堵指数预测方法及装置 | |
CN107967802B (zh) | 一种公交车车速确定方法及装置 | |
CN115050179B (zh) | 交叉口通行预测及其路径上交叉口通行动、静态预测方法 | |
JP2006090872A (ja) | ナビゲーションシステム | |
CN112508310B (zh) | 行驶轨迹模拟方法、装置及存储介质 | |
CN112489439A (zh) | 一种基于大数据的交通管控方法、存储介质 | |
Wang et al. | Intelligent Driving Strategy of Expressway Based on Big Data of Road Network and Driving Time | |
CN116740948B (zh) | 车辆行程速度的预测估值方法、装置、介质及应用 |
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 |