CN116092297B - 一种低渗透率分布式差分信号控制的边缘计算方法及系统 - Google Patents

一种低渗透率分布式差分信号控制的边缘计算方法及系统 Download PDF

Info

Publication number
CN116092297B
CN116092297B CN202310365294.7A CN202310365294A CN116092297B CN 116092297 B CN116092297 B CN 116092297B CN 202310365294 A CN202310365294 A CN 202310365294A CN 116092297 B CN116092297 B CN 116092297B
Authority
CN
China
Prior art keywords
lane
queuing
roadside
pressure
low
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
CN202310365294.7A
Other languages
English (en)
Other versions
CN116092297A (zh
Inventor
李江晨
彭理群
刘凯枫
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.)
Hangzhou Cccc Zhihang Technology Co ltd
Nanjing University of Aeronautics and Astronautics
Original Assignee
Hangzhou Cccc Zhihang Technology Co ltd
Nanjing University of Aeronautics and Astronautics
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 Hangzhou Cccc Zhihang Technology Co ltd, Nanjing University of Aeronautics and Astronautics filed Critical Hangzhou Cccc Zhihang Technology Co ltd
Priority to CN202310365294.7A priority Critical patent/CN116092297B/zh
Publication of CN116092297A publication Critical patent/CN116092297A/zh
Application granted granted Critical
Publication of CN116092297B publication Critical patent/CN116092297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Abstract

本发明公开了一种低渗透率分布式差分信号控制的边缘计算方法及系统，应用于城市交通技术领域。方法包括以下步骤：车载单元实时采集车辆信息并发送至路边单元；路边单元基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；路边单元基于不同车道的排队长度，通过最大差分协调压算法计算最大差分协调压强对应的车道信息；路边信号机接收车道信息对信号灯进行控制。本发明能够基于输入的低渗透率样本实时估算出每个车道的总体排队长度；在没有增加目标复杂度的基础上，改善了控制效果，交叉口通行率得到进一步提升。

Description

一种低渗透率分布式差分信号控制的边缘计算方法及系统
技术领域
本发明涉及城市交通技术领域，更具体的说是涉及一种低渗透率分布式差分信号控制的边缘计算方法及系统。
背景技术
随着城市化进程的加快，汽车的数量在快速增长，交通拥堵以及交通安全等问题愈演愈烈，交通质量关乎城市的效率和居民的生活质量，如何减少城市交通道路的拥堵现象，提高城市交通道路的通行效率，是人们渴望解决的技术问题；先进的交通信号控制方法是缓解城市交通拥堵的重要举措，其中，交通状态感知是自适应交通信号控制的基础，而现有技术中传统的固定检测器所检测的数据难以实时估计交叉口的车辆排队长度，从而降低了交叉口信号自适应控制的效果，影响了城市交通道路的通行效率，因此，如何提供一种能够实时计算车道数据的信号控制方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种低渗透率分布式差分信号控制的边缘计算方法及系统，应用历史和实时的车联网车辆速度、加速度和位置信息对交叉口车辆协调排队压强和差分协调长度进行估计，优化了交通信号控制。
为了实现上述目的，本发明提供如下技术方案：
一种低渗透率分布式差分信号控制的边缘计算方法，包括以下步骤：
S1、车载单元实时采集车辆信息并发送至路边单元；
S2、路边单元基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；
S3、路边单元接收S2中得到的不同车道的排队长度，通过最大差分协调压算法计算最大差分协调压强对应的车道信息；
S4、路边信号机接收S3的车道信息对信号灯进行控制。
可选的，S1具体为：车载单元采集本车速度、加速度、位置信息发送至路边单元，路边单元将位置信息与地图匹配，得到车辆所属车道。
可选的，S2具体为：基于历史数据通过机器学习算法建立低渗透率车流状态模型，通过低渗透率车流状态模型算法计算出每个车道的排队长度。
可选的，S3具体为：
S31、计算上游车道的协调排队压强和下游车道的协调排队压强；
S32、顺时针计算每个车道的差分协调排压强；
S33、获得交叉口最大差分协调排压强及对应的车道i，发送至路边信号机，其中i为正整数。
可选的，不考虑历史排队长度时，S31中协调排队压强的计算方法为：
Figure SMS_1
式中，
Figure SMS_3
为车道i的协调排队压强，/>
Figure SMS_5
，I为所有车道的集合，/>
Figure SMS_7
为/>
Figure SMS_4
时刻的瞬时排队车辆数目，b为当前信号周期C下的/>
Figure SMS_6
时长内到达的总车辆数目；时长/>
Figure SMS_8
等于当前/>
Figure SMS_11
时刻减去当前信号周期C的开始时刻/>
Figure SMS_2
，/>
Figure SMS_9
，/>
Figure SMS_10
为信号周期时长；
考虑历史排队长度时，S31中协调排队压强的计算方法为：
Figure SMS_12
式中，
Figure SMS_13
为/>
Figure SMS_14
时长内历史排队长度，/>
Figure SMS_15
是历史积累效应权重值，进一步调整大流量二次排队时的控制器效果；
S32中差分协调排压强的计算方法为：
Figure SMS_16
式中，
Figure SMS_17
为车道i的差分协调排压强，/>
Figure SMS_18
为上游车道的协调排队压强，/>
Figure SMS_19
为下游车道的协调排队压强。
可选的，S4具体为：路边信号机接收车道信息，对交叉口最大差分协调排压强及对应的车道进行控制，如果对应的车道已经是绿灯，保持绿灯；如果对应的车道不是绿灯，切换为绿灯。
一种低渗透率分布式差分信号控制的边缘计算系统，应用上述任一项所述的一种低渗透率分布式差分信号控制的边缘计算方法，包括：车载单元、路边单元、路边信号机；
车载单元，与路边单元连接，用于实时采集车辆信息并发送至路边单元；
路边单元，与路边信号机连接，基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；通过最大差分协调压算法计算最大差分协调压强对应的车道；
路边信号机，用于接收路边单元的车道信息对信号灯进行控制。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种低渗透率分布式差分信号控制的边缘计算方法及系统，具有以下有益效果：提出低渗透率车流状态模型，将实时低渗透率车辆网微观数据转换为总体车流状态数据，通过模型算法，能够基于输入的低渗透率样本实时估算出每个车道的总体排队长度；将协调排队压强和差分协调排压强作为复合分布式控制目标，在没有增加目标复杂度的基础上，改善了控制效果，交叉口通行率得到进一步提升。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明的一种低渗透率分布式差分信号控制的边缘计算方法流程图；
图2为本发明的交叉口车道示意图；
图3为本发明的一种低渗透率分布式差分信号控制的边缘计算系统原理图。
具体实施方式
下面将结合本发明实施例中的附图，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。
本发明实施例公开了一种低渗透率分布式差分信号控制的边缘计算方法，如图1所示，包括以下步骤：
S1、车载单元实时采集车辆信息并发送至路边单元；
S2、路边单元基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；
S3、路边单元接收S2中得到的不同车道的排队长度，通过最大差分协调压算法计算最大差分协调压强对应的车道信息；
S4、路边信号机接收S3的车道信息对信号灯进行控制。
其中，交叉口如图2所示，车辆上载有车载单元，路边设置路边单元，交叉口处设置路边信号机。
可选的，S1具体为：车载单元采集本车速度、加速度、位置信息发送至路边单元，路边单元将位置信息与地图匹配，得到车辆所属车道。
可选的，S2具体为：基于历史数据通过机器学习算法建立低渗透率车流状态模型，通过低渗透率车流状态模型算法计算出每个车道的排队长度。在本实施例中，路边单元基于历史数据，通过无监督或者有监督的机器学习算法，例如卡尔曼滤波方法、强化学习方法，学习生成低渗透率下的车流状态模型，即低渗透率车流状态模型，将车载单元传输的实时数据输入到低渗透率车流状态模型中，即可估算出车流总体数据，得到排队长度。
可选的，S3具体为：
S31、计算上游车道的协调排队压强和下游车道的协调排队压强；
S32、顺时针计算每个车道的差分协调排压强；
S33、获得交叉口最大差分协调排压强及对应的车道i，发送至路边信号机，其中，i为正整数。
可选的，不考虑历史排队长度时，S31中协调排队压强的计算方法为：
Figure SMS_20
式中，
Figure SMS_22
为车道i的协调排队压强，/>
Figure SMS_25
，I为所有车道的集合，/>
Figure SMS_29
为/>
Figure SMS_23
时刻的瞬时排队车辆数目，b为当前信号周期C下的/>
Figure SMS_24
时长内到达的总车辆数目；时长/>
Figure SMS_27
等于当前/>
Figure SMS_30
时刻减去当前信号周期C的开始时刻/>
Figure SMS_21
（begin of the current cycle），/>
Figure SMS_26
，
Figure SMS_28
为信号周期时长；
考虑历史排队长度时，S31中协调排队压强的计算方法为：
Figure SMS_31
式中，
Figure SMS_32
为/>
Figure SMS_33
时长内历史排队长度，/>
Figure SMS_34
是历史积累效应权重值，进一步调整大流量二次排队时的控制器效果；
S32中差分协调排压强的计算方法为：
Figure SMS_35
式中，
Figure SMS_36
为车道i的差分协调排压强，/>
Figure SMS_37
为上游车道的协调排队压强，/>
Figure SMS_38
为下游车道的协调排队压强。
可选的，S4具体为：路边信号机接收车道信息，对交叉口最大差分协调排压强及对应的车道进行控制，如果对应的车道已经是绿灯，保持绿灯；如果对应的车道不是绿灯，切换为绿灯。
与图1所公开的方法对应，本发明还公开了一种低渗透率分布式差分信号控制的边缘计算系统，如图3所示，包括：车载单元、路边单元、路边信号机；
车载单元，与路边单元连接，用于实时采集车辆信息并发送至路边单元；
路边单元，与路边信号机连接，基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；通过最大差分协调压算法计算最大差分协调压强对应的车道；
路边信号机，用于接收路边单元的车道信息对信号灯进行控制。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种低渗透率分布式差分信号控制的边缘计算方法，其特征在于，包括以下步骤：
S1、车载单元实时采集车辆信息并发送至路边单元；
S2、路边单元基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；
S3、路边单元接收S2中得到的不同车道的排队长度，通过最大差分协调压强算法计算最大差分协调压强对应的车道信息；
S4、路边信号机接收S3的车道信息对信号灯进行控制；
其中，S3具体为：
S31、计算上游车道的协调排队压强和下游车道的协调排队压强；
S32、顺时针计算每个车道的差分协调压强；
S33、获得交叉口最大差分协调压强及对应的车道i，发送至路边信号机，其中i为正整数；
不考虑历史排队长度时，S31中协调排队压强的计算方法为：
Figure FDA0004244033420000011
式中，Di为车道i的协调排队压强，i∈I，I为所有车道的集合，a1为t2时刻的瞬时排队车辆数目，b为当前信号周期C下的t3时长内到达的总车辆数目；时长t3等于当前t2时刻减去当前信号周期C的开始时刻t1，0≤t3≤TC，TC为信号周期时长；
考虑历史排队长度时，S31中协调排队压强的计算方法为：
Figure FDA0004244033420000012
式中，a2为t3时长内历史排队长度，δ是历史积累效应权重值，进一步调整大流量二次排队时的控制器效果；
S32中差分协调压强的计算方法为：
Si＝Di1-Di2
式中，Si为车道i的差分协调压强，Di1为上游车道的协调排队压强，Di2为下游车道的协调排队压强。
2.根据权利要求1所述的一种低渗透率分布式差分信号控制的边缘计算方法，其特征在于，S1具体为：车载单元采集本车速度、加速度、位置信息发送至路边单元，路边单元将位置信息与地图匹配，得到车辆所属车道。
3.根据权利要求1所述的一种低渗透率分布式差分信号控制的边缘计算方法，其特征在于，S2具体为：基于历史数据通过机器学习算法建立低渗透率车流状态模型，通过低渗透率车流状态模型算法计算出每个车道的排队长度。
4.根据权利要求1所述的一种低渗透率分布式差分信号控制的边缘计算方法，其特征在于，S4具体为：路边信号机接收车道信息，对交叉口最大差分协调压强及对应的车道进行控制，如果对应的车道已经是绿灯，保持绿灯；如果对应的车道不是绿灯，切换为绿灯。
5.一种低渗透率分布式差分信号控制的边缘计算系统，其特征在于，应用权利要求1-4任一项所述的一种低渗透率分布式差分信号控制的边缘计算方法，包括：车载单元、路边单元、路边信号机；
车载单元，与路边单元连接，用于实时采集车辆信息并发送至路边单元；
路边单元，与路边信号机连接，基于实时的车辆信息和历史数据通过低渗透率状态估计算法计算不同车道的排队长度；通过最大差分协调压强算法计算最大差分协调压强对应的车道；
路边信号机，用于接收路边单元的车道信息对信号灯进行控制。
CN202310365294.7A 2023-04-07 2023-04-07 一种低渗透率分布式差分信号控制的边缘计算方法及系统 Active CN116092297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310365294.7A CN116092297B (zh) 2023-04-07 2023-04-07 一种低渗透率分布式差分信号控制的边缘计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310365294.7A CN116092297B (zh) 2023-04-07 2023-04-07 一种低渗透率分布式差分信号控制的边缘计算方法及系统

Publications (2)

Publication Number Publication Date
CN116092297A CN116092297A (zh) 2023-05-09
CN116092297B true CN116092297B (zh) 2023-06-27

Family

ID=86208618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310365294.7A Active CN116092297B (zh) 2023-04-07 2023-04-07 一种低渗透率分布式差分信号控制的边缘计算方法及系统

Country Status (1)

Country Link
CN (1) CN116092297B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161539A (zh) * 2020-03-13 2020-05-15 宜宾道安安防工程有限公司 专用车道通行控制系统及方法
CN114202916A (zh) * 2021-12-01 2022-03-18 辽宁警察学院 单点交叉口交通信号控制方法
CN115497574A (zh) * 2022-09-05 2022-12-20 中交第二航务工程局有限公司 一种基于模型融合的hpc抗压强度预测方法和系统

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109416256B (zh) * 2016-07-05 2022-03-22 三菱电机株式会社 行驶车道推定系统
JP6953287B2 (ja) * 2017-03-03 2021-10-27 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 音源探査装置、音源探査方法およびそのプログラム
JP6768604B2 (ja) * 2017-07-03 2020-10-14 日立オートモティブシステムズ株式会社 車両制御装置
CN108597222B (zh) * 2018-04-27 2021-06-18 华东交通大学 一种基于车路协同的公交到站时间预测方法、装置及系统
CN111341095B (zh) * 2018-12-19 2021-02-09 中国航天系统工程有限公司 一种基于边缘侧在线计算的交通信号控制系统及方法
CN109961639B (zh) * 2019-01-29 2021-01-19 浙江海康智联科技有限公司 一种过饱和状态下车道排队长度估计方法
CN109859475B (zh) * 2019-03-14 2021-08-31 江苏中设集团股份有限公司 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统
CN111932888B (zh) * 2020-08-17 2021-11-12 山东交通学院 防止边界路段排队溢流的区域动态边界控制方法及系统
CN112712712B (zh) * 2020-12-21 2022-05-20 阿波罗智联(北京)科技有限公司 确定车辆排队信息的方法、装置、路侧设备和云控平台
CN113129595B (zh) * 2021-04-23 2022-06-10 山东金宇信息科技集团有限公司 一种用于道路交叉口的交通信号控制方法、设备及介质
CN113487902B (zh) * 2021-05-17 2022-08-12 东南大学 一种基于车辆规划路径的强化学习区域信号控制方法
CN113022520B (zh) * 2021-05-27 2021-08-13 天津所托瑞安汽车科技有限公司 自适应刹车方法、设备和存储介质
CN115705771A (zh) * 2021-08-09 2023-02-17 上海交通大学 基于强化学习的交通信号控制方法
CN113851006B (zh) * 2021-09-01 2022-10-21 中山大学 基于多源数据融合的交叉口实时交通状态估计方法及系统
CN114882712B (zh) * 2021-09-10 2023-12-29 无锡华通智能交通技术开发有限公司 一种基于车道空间占有率的多匝道控制快速路截流方法
CN114038212B (zh) * 2021-10-19 2023-03-28 南京航空航天大学 基于双阶段注意力机制和深度强化学习的信号灯控制方法
CN114155724B (zh) * 2021-12-23 2022-11-22 连云港杰瑞电子有限公司 一种车联网环境下的交叉口交通信号控制方法
CN114399914B (zh) * 2022-01-20 2022-09-30 交通运输部公路科学研究所 一种车路协同的车道、信号灯和车辆联合调度方法及系统
CN115035710A (zh) * 2022-04-13 2022-09-09 上海评驾科技有限公司 一种针对稀疏路网的基于q学习的交通信号控制方法
CN115158351A (zh) * 2022-07-05 2022-10-11 西安理工大学 一种交叉口自动驾驶汽车和行人控制方法
CN115880919A (zh) * 2022-11-25 2023-03-31 江苏师范大学 一种智能红绿灯指挥系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161539A (zh) * 2020-03-13 2020-05-15 宜宾道安安防工程有限公司 专用车道通行控制系统及方法
CN114202916A (zh) * 2021-12-01 2022-03-18 辽宁警察学院 单点交叉口交通信号控制方法
CN115497574A (zh) * 2022-09-05 2022-12-20 中交第二航务工程局有限公司 一种基于模型融合的hpc抗压强度预测方法和系统

Also Published As

Publication number Publication date
CN116092297A (zh) 2023-05-09

Similar Documents

Publication Publication Date Title
CN111951549B (zh) 在网联车辆环境下的自适应交通信号灯控制方法及系统
CN113591269B (zh) 基于交通仿真的拥堵路段智能网联车辆专用道控制方法
CN106846804B (zh) 基于隐马尔科夫链的交叉口实时饱和流率估计方法
CN102542121B (zh) 一种不同行驶状态下的机动车噪声排放预测方法
CN105336183A (zh) 一种基于路段通行能力的交通拥堵控制方法及装置
CN110992677A (zh) 一种应对通信异常的智能网联汽车编队控制方法及系统
CN104627180A (zh) 一种半主动巡航控制系统及其方法
CN111613070B (zh) 交通信号灯控制方法、装置、电子设备和计算机存储介质
CN112201033B (zh) 一种道路交通运行主动管控策略选择方法
CN109410599B (zh) 一种交通事件下高速公路匝道的协调诱控方法
CN103761876A (zh) 基于车路协同的道路交通信息采集与状态评价的方法
CN109455178B (zh) 一种基于双目视觉的道路交通车辆行驶主动控制系统及方法
CN204506886U (zh) 一种半主动巡航控制系统
CN103496368A (zh) 具有学习能力的汽车协同式自适应巡航控制系统及方法
CN102542823A (zh) 一种基于交通流运行状态的快速道路可变限速控制方法
CN109697866A (zh) 一种边缘计算交通信号灯控制系统及控制方法
CN103606287A (zh) 一种预防隧道出入口附近追尾事故的可变限速控制方法
CN112530177B (zh) 车联网环境下基于卡尔曼滤波的车辆排队长度估计方法
CN102819956B (zh) 一种基于单截面环形线圈检测器的道路交通事件检测方法
CN116092297B (zh) 一种低渗透率分布式差分信号控制的边缘计算方法及系统
CN104751650A (zh) 一种对道路交通信号进行控制的方法和设备
Wei et al. An adaptive vehicle rear-end collision warning algorithm based on neural network
CN116564088A (zh) 面向信息物理融合系统的城市交通状态监测与区域信号控制系统
CN113928314B (zh) 一种冰雪路面条件下考虑前后车的自动驾驶车辆跟驰控制方法
CN107945538A (zh) 一种智能交通信号控制方法

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