CN115311856B - 一种对路网重要节点进行交通管控的判断方法 - Google Patents

一种对路网重要节点进行交通管控的判断方法 Download PDF

Info

Publication number
CN115311856B
CN115311856B CN202210932767.2A CN202210932767A CN115311856B CN 115311856 B CN115311856 B CN 115311856B CN 202210932767 A CN202210932767 A CN 202210932767A CN 115311856 B CN115311856 B CN 115311856B
Authority
CN
China
Prior art keywords
road network
traffic
determining
node
acquiring
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
Application number
CN202210932767.2A
Other languages
English (en)
Other versions
CN115311856A (zh
Inventor
陈开群
陆山风
李敏
杨泓全
王少飞
李欣
骆中斌
卢志远
安文娟
俞山川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Merchants Chongqing Communications Research and Design Institute Co Ltd
Guangxi Xinfazhan Communications Group Co Ltd
Original Assignee
China Merchants Chongqing Communications Research and Design Institute Co Ltd
Guangxi Xinfazhan Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Merchants Chongqing Communications Research and Design Institute Co Ltd, Guangxi Xinfazhan Communications Group Co Ltd filed Critical China Merchants Chongqing Communications Research and Design Institute Co Ltd
Priority to CN202210932767.2A priority Critical patent/CN115311856B/zh
Publication of CN115311856A publication Critical patent/CN115311856A/zh
Application granted granted Critical
Publication of CN115311856B publication Critical patent/CN115311856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及智能交通技术领域，具体涉及一种对路网重要节点进行交通管控的判断方法，包括：在预设区域内，建立路网拓扑模型；根据路网拓扑模型进行动态规划，获取路网重要节点；获取路网重要节点的交通密度；根据交通密度判断是否需要进行交通管控。通过对路网拓扑模型进行动态规划，从而获得从起点到终点的重要节点，再根据交通密度判断是否需要进行交通管控，从而能够有效对交通拥堵进行提前干预，减少因交通拥堵造成的时间成本和经济成本，降低道路交通安全风险，提高通行效率，保障交通高效、安全、畅通运行。

Description

一种对路网重要节点进行交通管控的判断方法
技术领域
本发明涉及智能交通技术领域，具体涉及一种对路网重要节点进行交通管控的判断方法。
背景技术
随着生活水平的不断提高，越来越多的人能够买得起私人车辆，而随着城市路网建设进程的不断推进，道路越来越方便，选择私人车辆作为出行方式的人也越来越多。但是，由于城市道路路网的多样性与复杂性，出行者选择的行车路径也具有多元性和偶然性，一旦选择某条路径的出行者过多，很容易导致交通拥堵，使区域内的通行效率降低。因此，需要一种方法来提前判断出该区域内的各重要节点是否需要进行交通管控，以便提高区域内的通行效率。
发明内容
针对现有技术存在的不足，本发明提出一种对路网重要节点进行交通管控的判断方法，提高了通行效率。
本发明采用的技术方案是，一种对路网重要节点进行交通管控的判断方法。
在第一种可实现方式中，一种对路网重要节点进行交通管控的判断方法，包括：在预设区域内，建立路网拓扑模型；根据路网拓扑模型进行动态规划，获取路网重要节点；获取路网重要节点的交通密度；根据交通密度判断是否需要进行交通管控。
结合第一种可实现方式，在第二种可实现方式中，对预设区域的路网建立路网拓扑模型，包括：将预设区域内的道路作为有向弧段，将道路相交点作为节点，采用节点和有向弧段连接的方式，建立有向连通图；有向连通图即为路网拓扑模型G(V，E)，其中，V＝{V1，V2……Vn}为节点集合，E＝{eij|eij为连接Vi与Vj的有向弧段，Vi为起点，Vj为终点}为有向弧段集合，n、i、j均为正整数。
结合第二种可实现方式，在第三种可实现方式中，根据路网拓扑模型进行动态规划，获取路网重要节点，包括：获取出发节点和目的节点；根据出发节点和目的节点将路网拓扑模型按顺序分为若干个进程；获取各进程的最优选择；根据各最优选择确定最优路径；将最优路径所经过的节点确定为路网重要节点。
结合第三种可实现方式，在第四种可实现方式中，获取各进程的最优选择，包括：确定当前进程的当前起始点集合；确定各当前起始点的对策变量集合；将当前进程的各对策变量进行排列组合，获得当前进程的若干个选择；确定出选择中的最优选择；根据最优选择获取下一进程的起始点集合；将下一进程的起始点集合作为当前起始点集合重复上述步骤，直到获得最后一个进程的最优选择。
结合第四种可实现方式，在第五种可实现方式中，确定出各选择中的最优选择，包括：获取路网拓扑模型中各有向弧段的长度信息和交通量信息；根据各长度信息和各交通量信息获取各选择对应的综合指标；根据各综合指标确定最优选择。
结合第五种可实现方式，在第六种可实现方式中，根据各长度信息和各交通量信息获取各选择对应的综合指标，包括：根据各长度信息和各交通量信息获取各有向弧段的指标值；将各选择中的有向弧段的指标值之和确定为各选择对应的综合指标。
结合第五种可实现方式，在第七种可实现方式中，根据各长度信息和各交通量信息获取各有向弧段的指标值，包括：确定出有向弧段中的长度最大值和长度最小值；确定出有向弧段中的交通量最大值和交通量最小值；根据各有向弧段的长度信息、交通量信息、长度最大值、长度最小值、交通量最大值、交通量最小值获取各有向弧段对应的指标值。
结合第一种可实现方式，在第八种可实现方式中，获取路网重要节点的交通密度，包括：将以路网重要节点的中心位置为圆心，第一预设阈值为半径的区域确定为路网重要节点的计测区域；获取计测区域内的车辆数量和计测区域内的道路长度；根据车辆数量和道路长度获取计测区域的交通密度。
结合第一种可实现方式，在第九种可实现方式中，根据交通密度判断是否需要进行交通管控，包括：根据交通密度、阻塞密度、最大通信能力下的速度获取计测区域内的实际运行速度；确定设计服务水平临界值下的运行速度；设计服务水平临界值下的运行速度即为容许速度；根据实际运行速度和容许速度判断是否需要进行交通管控。
结合第九种可实现方式，在第十种可实现方式中，根据实际运行速度和容许速度判断是否需要进行交通管控，包括：在实际运行速度大于或等于容许速度的情况下，确定路网重要节点不需要进行交通管控；在实际运行速度小于容许速度的情况下，确定路网重要节点需要进行交通管控，并对路网重要节点的交通流采取管控和诱导措施。
由上述技术方案可知，本发明的有益技术效果如下：
通过对路网拓扑模型进行动态规划，从而获得从起点到终点的路网重要节点，再根据路网重要节点的交通密度判断是否需要进行交通管控，从而能够有效对交通拥堵进行提前干预，减少因交通拥堵造成的时间成本和经济成本，降低道路交通安全风险，提高通行效率，保障交通高效、安全、畅通运行。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例提供的一种对路网重要节点进行交通管控的判断方法的示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
结合图1所示，本实施例提供了一种对路网重要节点进行交通管控的判断方法，包括：
步骤S01、在预设区域内，建立路网拓扑模型；
步骤S02、根据路网拓扑模型进行动态规划，获取路网重要节点；
步骤S03、获取路网重要节点的交通密度；
步骤S04、根据交通密度判断是否需要进行交通管控。
通过对路网拓扑模型进行动态规划，从而获得从起点到终点的路网重要节点，再根据路网重要节点的交通密度判断是否需要进行交通管控，从而能够有效对交通拥堵进行提前干预，减少因交通拥堵造成的时间成本和经济成本，降低道路交通安全风险，提高通行效率，保障交通高效、安全、畅通运行。
可选地，对预设区域的路网建立路网拓扑模型，包括：将预设区域内的道路作为有向弧段，将道路相交点作为节点，采用节点和有向弧段连接的方式，建立有向连通图；有向连通图即为路网拓扑模型G(V，E)，其中，V＝{V1，V2……Vn}为节点集合，E＝{eij|eij为连接Vi与Vj的有向弧段，Vi为起点，Vj为终点}为有向弧段集合，n、i、j均为正整数。
可选地，根据路网拓扑模型进行动态规划，获取路网重要节点，包括：获取出发节点和目的节点；根据出发节点和目的节点将路网拓扑模型按顺序分为若干个进程；获取各进程的最优选择；根据最优选择确定最优路径；将最优路径所经过的节点确定为路网重要节点。
在一些实施例中，出发地即为出发节点，即起点。目的地即为目的节点，即终点。通过对路网拓扑模型进行动态规划，从而获得从起点到终点的最优路径，将最优路径所经过的节点确定为从起点到终点的路网重要节点，再根据路网重要节点的交通密度判断是否需要进行交通管控，从而能够对路网重要节点的拥堵风险进行预警，还能够有效对交通拥堵进行提前干预，减少因交通拥堵造成的时间成本和经济成本，降低道路交通安全风险，保障交通高效、安全、畅通运行。
可选地，获取各进程的最优选择，包括：确定当前进程的当前起始点集合；确定各当前起始点的对策变量集合；将当前进程的各对策变量进行排列组合，获得当前进程的若干个选择；确定出选择中的最优选择；根据最优选择获取下一进程的起始点集合；将下一进程的起始点集合作为当前起始点集合重复上述步骤，直到获得最后一个进程的最优选择。
在一些实施例中，对策变量为各当前起始点选择的有向弧段。两个当前起始点之间通过有向弧段连接。将当前进程的各对策变量进行排列组合，获得当前进程的若干个选择。当前进程的选择包括若干段有向弧段，各有向弧段顺次连接形成进程路径，该进程路径的起点为进程起点，该进程路径的终点为进程终点。当前进程终点也为下一进程的进程起点。
可选地，确定出选择中的最优选择，包括：获取路网拓扑模型中各有向弧段的长度信息和交通量信息；根据各长度信息和各交通量信息获取各选择对应的综合指标；根据各综合指标确定最优选择。
可选地，根据各长度信息和各交通量信息获取各选择对应的综合指标，包括：根据各长度信息和交通量信息获取各有向弧段的指标值；将各选择中的有向弧段的指标值之和确定为各选择对应的综合指标。
可选地，根据各长度信息和各交通量信息获取各有向弧段的指标值，包括：确定出有向弧段中的长度最大值和长度最小值；确定出有向弧段中的交通量最大值和交通量最小值；根据各有向弧段的长度信息、交通量信息、长度最大值、长度最小值、交通量最大值、交通量最小值获取各有向弧段对应的指标值。
可选地，通过以下公式获取各有向弧段的指标值：
其中，Wij为有向弧段eij的指标值，α为有向弧段长度权重，β为有向弧段交通量权重，Lij为有向弧段eij的长度值，Lmax为长度最大值，Lmin为长度最小值，Qij为有向弧段eij的交通量，Qmax为交通量最大值，Qmin为交通量最小值。
在一些实施例中，将各选择中的有向弧段的指标值之和确定为各选择对应的综合指标，用Wj(Nj,Sj)表示第j进程的综合指标，Nj为第j进程的所有起始点的集合，Sj为第j进程的所有对策变量的集合。
可选地，根据各综合指标确定最优选择，包括：将最小的综合指标对应的选择确定为最优选择。
可选地，当前进程的最优选择包括当前进程的最优选择中各最优起始点及其对应的最优对策变量，根据最优选择获取下一进程的起始点集合，包括：根据当前进程的最优对策变量确定下一进程的起始点集合。
可选地，第k+1进程的最优起始点集合Nk+1＝Fk(Nk，Sk)，其中，Fk为状态转移函数，Nk为第k进程的最优起始点的集合，Sk为第k进程的最优对策变量的集合。状态转移方程用于表征从一个进程的最优起始点通过最优对策变量去到下一个进程的最优起始点。
可选地，根据各最优选择确定最优路径，包括：按照各进程的排列顺序将各进程对应的最优选择中的有向弧段作为最优路径。
可选地，获取路网重要节点的交通密度，包括：将以路网重要节点的中心位置为圆心，第一预设阈值为半径的区域确定为路网重要节点的计测区域；获取计测区域内的车辆数量和计测区域内的道路长度；根据车辆数量和道路长度获取计测区域的交通密度。
在一些实施例中，对路网拓扑模型进行动态规划，获得从起点至终点的最优路径后，将最优路径所经过的节点确定为路网重要节点，并构建以路网重要节点中心位置为圆心，半径为R(m)的计测区域，并采用摄影法计算出该计测区域的交通密度。
可选地，通过以下公式计算计测区域的交通密度：
其中，ki为路网重要节点i的计测区域的交通密度，Ni为路网重要节点i的计测区域内的车辆数量，Li为路网重要节点i计测区域内的道路长度。
可选地，根据交通密度判断是否需要进行交通管控，包括：根据交通密度、阻塞密度、最大通信能力下的速度获取计测区域内的实际运行速度；确定设计服务水平临界值下的运行速度；设计服务水平临界值下的运行速度即为容许速度；根据实际运行速度和容许速度判断是否需要进行交通管控。
可选地，通过以下公式计算实际运行速度：
其中vi为实际运行速度，km为阻塞密度(veh/m)，vm为最大通信能力下的速度(m/s)，ki为路网重要节点i的计测区域的交通密度。
可选地，通过以下公式计算容许速度vd：
其中，v设为设计速度，为设计速度和容许速度的相关系数。
可选地，根据实际运行速度和临界运行速度判断是否需要进行交通管控，包括：在实际运行速度大于或等于临界运行速度的情况下，确定路网重要节点不需要进行交通管控；在实际运行速度小于临界运行速度的情况下，确定路网重要节点需要进行交通管控，并对路网重要节点的交通流采取管控和诱导措施。
在一些实施例中，当vi≥vd时，则该重要节点交通运行较为顺畅，暂不需要实施交通管控措施。当vi＜vd时，则交通运行存在拥堵隐患，确定该重要节点需要实施交通管控措施，并对交通流进行管控和诱导。
通过建立路网拓扑模型，运用动态规划找出从起点(出发地)至终点(目的地)的最优路径，再根据最优路径确定路网重要节点；最后引入格林伯模型，将路网重要节点计测区域内的实际运行速度与容许的临界运行速度进行比较，实时判断是否需对路网重要节点实施交通管理与控制，从而能够在交通运行存在拥堵隐患时，及时对交通流进行管控和诱导。这样，避免了因管控不及时造成的交通拥堵扩散，提高了通行效率，减少了交通拥堵造成的时间成本和经济成本。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (5)

1.一种对路网重要节点进行交通管控的判断方法，其特征在于，包括：
在预设区域内，建立路网拓扑模型；
根据所述路网拓扑模型进行动态规划，获取路网重要节点；
获取所述路网重要节点的交通密度；
根据所述交通密度判断是否需要进行交通管控；
根据所述路网拓扑模型进行动态规划，获取路网重要节点，包括：获取出发节点和目的节点；根据所述出发节点和所述目的节点将所述路网拓扑模型按顺序分为若干个进程；获取各所述进程的最优选择；根据各所述最优选择确定最优路径；将最优路径所经过的节点确定为路网重要节点；
根据所述交通密度判断是否需要进行交通管控，包括：根据所述交通密度、阻塞密度、最大通行能力下的速度获取计测区域内的实际运行速度；确定设计服务水平临界值下的运行速度；所述设计服务水平临界值下的运行速度即为容许速度；根据所述实际运行速度和所述容许速度判断是否需要进行交通管控；
通过以下公式计算实际运行速度：
其中vi为实际运行速度，km为阻塞密度，单位为veh/m，vm为最大通行能力下的速度，单位为m/s，ki为路网重要节点i的计测区域的交通密度；
获取各所述进程的最优选择，包括：确定当前进程的当前起始点集合；确定各当前起始点的对策变量集合；将所述当前进程的各对策变量进行排列组合，获得所述当前进程的若干个选择；确定出所述选择中的最优选择；根据所述最优选择获取下一进程的起始点集合；将下一进程的起始点集合作为当前起始点集合重复上述步骤，直到获得最后一个进程的最优选择；
确定出所述选择中的最优选择，包括：获取所述路网拓扑模型中各有向弧段的长度信息和交通量信息；根据各所述长度信息和各所述交通量信息获取各所述选择对应的综合指标；根据各所述综合指标确定最优选择；
根据各所述长度信息和各所述交通量信息获取各所述选择对应的综合指标，包括：根据各所述长度信息和各所述交通量信息获取各所述有向弧段的指标值；将各所述选择中的有向弧段的指标值之和确定为各所述选择对应的综合指标。
2.根据权利要求1所述的方法，其特征在于，对预设区域的路网建立路网拓扑模型，包括：
将预设区域内的道路作为有向弧段，将所述道路相交点作为节点，采用节点和有向弧段连接的方式，建立有向连通图；所述有向连通图即为路网拓扑模型G(V，E)，其中，V＝{V1，V2……Vn}为节点集合，E＝{eij|eij为连接Vi与Vj的有向弧段，Vi为起点，Vj为终点}为有向弧段集合，n、i、j均为正整数。
3.根据权利要求1所述的方法，其特征在于，根据各所述长度信息和各所述交通量信息获取各所述有向弧段的指标值，包括：
确定出所述有向弧段中的长度最大值和长度最小值；
确定出所述有向弧段中的交通量最大值和交通量最小值；
根据各所述有向弧段的长度信息、所述交通量信息、所述长度最大值、所述长度最小值、所述交通量最大值、所述交通量最小值获取各所述有向弧段对应的指标值。
4.根据权利要求1所述的方法，其特征在于，获取所述路网重要节点的交通密度，包括：
将以路网重要节点的中心位置为圆心，第一预设阈值为半径的区域确定为路网重要节点的计测区域；
获取所述计测区域内的车辆数量和所述计测区域内的道路长度；
根据所述车辆数量和所述道路长度获取所述计测区域的交通密度。
5.根据权利要求1所述的方法，其特征在于，根据所述实际运行速度和所述容许速度判断是否需要进行交通管控，包括：
在所述实际运行速度大于或等于所述容许速度的情况下，确定所述路网重要节点不需要进行交通管控；
在所述实际运行速度小于所述容许速度的情况下，确定所述路网重要节点需要进行交通管控，并对所述路网重要节点的交通流采取管控和诱导措施。
CN202210932767.2A 2022-08-04 2022-08-04 一种对路网重要节点进行交通管控的判断方法 Active CN115311856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210932767.2A CN115311856B (zh) 2022-08-04 2022-08-04 一种对路网重要节点进行交通管控的判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210932767.2A CN115311856B (zh) 2022-08-04 2022-08-04 一种对路网重要节点进行交通管控的判断方法

Publications (2)

Publication Number Publication Date
CN115311856A CN115311856A (zh) 2022-11-08
CN115311856B true CN115311856B (zh) 2023-12-26

Family

ID=83858473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210932767.2A Active CN115311856B (zh) 2022-08-04 2022-08-04 一种对路网重要节点进行交通管控的判断方法

Country Status (1)

Country Link
CN (1) CN115311856B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009158058A1 (en) * 2008-06-24 2009-12-30 Tele Atlas North America Inc. Methods and systems for dynamically adaptive road network hierarchy and routing
KR20110082870A (ko) * 2010-01-12 2011-07-20 (주)기술과가치 실시간 교통정보 측정·도로정보 안내장치 및 방법
CN110009906A (zh) * 2019-03-25 2019-07-12 上海交通大学 基于交通预测的动态路径规划方法
CN113361051A (zh) * 2021-06-02 2021-09-07 东北大学秦皇岛分校 一种基于可控性与重要度的路网控制方法
CN114463977A (zh) * 2022-02-10 2022-05-10 北京工业大学 一种基于车路协同多源数据融合交通流预测的路径规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009158058A1 (en) * 2008-06-24 2009-12-30 Tele Atlas North America Inc. Methods and systems for dynamically adaptive road network hierarchy and routing
KR20110082870A (ko) * 2010-01-12 2011-07-20 (주)기술과가치 실시간 교통정보 측정·도로정보 안내장치 및 방법
CN110009906A (zh) * 2019-03-25 2019-07-12 上海交通大学 基于交通预测的动态路径规划方法
CN113361051A (zh) * 2021-06-02 2021-09-07 东北大学秦皇岛分校 一种基于可控性与重要度的路网控制方法
CN114463977A (zh) * 2022-02-10 2022-05-10 北京工业大学 一种基于车路协同多源数据融合交通流预测的路径规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Shortest Path Routing With Risk Control for Compromised Wireless Sensor Networks;NA WANG 等;《IEEE Access》;全文 *
基于交通流量预测的动态最优路径规划研究;刘智琦;李春贵;陈波;;广西工学院学报(第02期);全文 *

Also Published As

Publication number Publication date
CN115311856A (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
WO2022161144A1 (zh) 一种公交线网的备选线路集生成、线路规划方法及装置
CN110119839B (zh) 一种城市道路交通事故应急救援路径规划方法
Teodorovic et al. Transportation route choice model using fuzzy inference technique
CN112146673B (zh) 基于改进蚁群算法的高速公路多点协同救援路径规划方法
CN105513400A (zh) 动态规划出行路径的方法
CN112216130B (zh) 一种车路协同环境下的应急车辆诱导方法
CN112071060A (zh) 一种基于城市路网交通环境变化的应急救援路径规划方法
CN110515380A (zh) 基于转弯权重约束的最短路径规划方法
CN109670240B (zh) 一种城市多模式公交网络初始线路生成方法
CN112686441B (zh) 基于交通均衡的电动汽车充电导航及路径选择方法
CN109639575A (zh) 基于链路拥塞系数的路由规划方法
CN110211405B (zh) 一种基于交通信息素模型的出行路径规划方法
CN112687106B (zh) 一种基于交通路网动静态综合模型的路径优化方法
CN115311856B (zh) 一种对路网重要节点进行交通管控的判断方法
CN112446538A (zh) 一种基于个性化避险的最优路径获取方法
CN116386389B (zh) 带限制的民航航路规划方法
CN111504338A (zh) 一种基于小区疫情态势的步行路径规划方法及系统
CN110059885B (zh) 一种光纤铺设路径的优化方法
CN116665489A (zh) 航路网络拥堵区域识别方法
CN116164769B (zh) 矿用无人驾驶车辆的路径规划方法和矿用无人驾驶车辆
CN202650258U (zh) 一种交通拥堵信息发布系统
CN105243439A (zh) 基于路网结构的城市群城际铁路线网规模测算方法
CN111024110B (zh) 一种基于5g的智能交通路径规划和导航系统及其工作方法
CN112308309A (zh) 一种基于路径优化的电动汽车充电智能导引方法
CN111985067A (zh) 一种多策略结合的疏散网络规划方法

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