CN116229738A - 基于车路协同的智能网联区域协调控制方法、装置及设备 - Google Patents
基于车路协同的智能网联区域协调控制方法、装置及设备 Download PDFInfo
- Publication number
- CN116229738A CN116229738A CN202310511796.6A CN202310511796A CN116229738A CN 116229738 A CN116229738 A CN 116229738A CN 202310511796 A CN202310511796 A CN 202310511796A CN 116229738 A CN116229738 A CN 116229738A
- Authority
- CN
- China
- Prior art keywords
- traffic
- subarea
- information
- road
- subareas
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000006855 networking Effects 0.000 title claims abstract description 17
- 238000011217 control strategy Methods 0.000 claims abstract description 101
- 230000003044 adaptive effect Effects 0.000 claims abstract description 18
- 230000001939 inductive effect Effects 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 description 13
- 230000003993 interaction Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 241000497429 Obus Species 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000005465 channeling Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G08G1/01—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
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于车路协同的智能网联区域协调控制方法、装置及设备，该方法包括：通过基于车路协同的智能网联系统获取目标路网区域的交通信息；基于交通信息和子区划分原则对目标路网区域划分获得子区；子区包括多个交叉路口；基于预设子区控制策略和子区的交通信息对目标路网区域的子区进行控制；其中，预设子区控制策略包括以下至少一项：自适应控制策略、感应协调控制策略和动态绿波控制策略。通过基于目标路网区域不同子区的道路特点，采用三种不同的子区控制策略实现对子区的协调控制，丰富了区域协调控制策略，减少了局部路口的交通负荷，提高了路网的道路通行能力，实现了目标路网区域的协调控制和流量均衡。
Description
技术领域
本发明涉及车路协同技术领域，尤其涉及一种基于车路协同的智能网联区域协调控制方法、装置及设备。
背景技术
目前，部分城市作为先行者已经在大力发展集成智能化的智能交通，即通过结合云计算、大数据、人工智能、等先进技术，形成集成化、标准化的智能交通管理体系。而在转变的过程中，交通信号的主要控制模式依然是采用传统的基于交叉口信号灯的控制来实现交通管控及优化，主要包括单点控制、干线控制以及区域控制，其中复杂程度最高、实现难度最大的就是区域协调控制。
区域协调控制简称面控制，是指将一个区域内的多个交叉口的车流运动视为一个整体，进行信号协调控制。其控制对象是城市或某个区域中所有交叉口的交通信号或者车辆。
但是由于区域内交通环境纵横交错，具备一定的复杂性，加之区域协调控制作为一个综合系统本身的复杂性，当前的各类交控系统、云平台等集成化的管理系统的控制策略不完善，导致区域协调信号控制的效果并不理想，无法满足均衡区域内各路口交通拥挤状况，维持正常交通秩序，保障交通安全的要求。
发明内容
本发明提供了一种基于车路协同的智能网联区域协调控制方法、装置及设备，以解决传统的区域控制策略不完善的问题，充分发挥车路云一体化的区域内的全域感知检测、交通状态分析及网联边缘计算等优势，丰富区域协调控制策略，减少局部路口的交通负荷，提高路网的道路通行能力，实现目标路网区域的协调控制和流量均衡。
根据本发明的一方面，提供了一种智能网联的区域协调控制方法，包括：
通过基于车路协同的智能网联系统获取目标路网区域的交通信息；
基于所述交通信息和子区划分原则对所述目标路网区域划分获得子区；所述子区包括至少两个交叉路口；
基于预设子区控制策略和所述子区的交通信息对所述目标路网区域的子区进行控制；其中，所述预设子区控制策略包括以下至少一项：自适应控制策略、感应协调控制策略和动态绿波控制策略。
根据本发明的另一方面，提供了一种智能网联的区域协调控制装置，包括：
获取模块，用于通过基于车路协同的智能网联系统获取目标路网区域的交通信息；
划分模块，用于基于所述交通信息和子区划分原则对所述目标路网区域划分获得子区；所述子区包括至少两个交叉路口；
控制模块，用于基于预设子区控制策略和所述子区的交通信息对所述目标路网区域的子区进行控制；其中，所述预设子区控制策略包括以下至少一项：自适应控制策略、感应协调控制策略和动态绿波控制策略。
根据本发明的另一方面，提供了一种计算设备，所述计算设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的智能网联的区域协调控制方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的智能网联的区域协调控制方法。
本发明实施例提供了一种智能网联的区域协调控制方法、装置、设备及存储介质，该方法包括：通过基于车路协同的智能网联系统获取目标路网区域的交通信息；基于交通信息和子区划分原则对目标路网区域划分获得子区；子区包括多个交叉路口；基于预设子区控制策略和子区的交通信息对目标路网区域的子区进行控制；其中，预设子区控制策略包括以下至少一项：自适应控制策略、感应协调控制策略和动态绿波控制策略。通过基于目标路网区域不同子区的道路特点，采用三种不同的子区控制策略实现对子区的协调控制，丰富了区域协调控制策略，减少了局部路口的交通负荷，提高了路网的道路通行能力，实现了目标路网区域的协调控制和流量均衡。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其他的附图。
图1是基于车路协同的智能网联系统的整体架构的示意图；
图2是基于车路协同的智能网联区域协调控制的整体流程图；
图3是本发明实施例一提供的一种基于车路协同的智能网联区域协调控制方法的流程图；
图4是根据本发明实施例二提供的一种基于车路协同的智能网联区域协调控制方法的流程图；
图5是子区的类型的示意图；
图6是对至少两个子区进行联合协调控制的流程图；
图7是基于自适应控制策略的控制过程的流程图；
图8是基于感应协调控制策略的控制过程的流程图；
图9是基于动态绿波控制策略的控制过程的流程图；
图10是本发明实施例三提供的一种基于车路协同的智能网联区域协调控制装置的结构示意图；
图11是实现本发明实施例的基于车路协同的智能网联区域协调控制方法的计算设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本发明实施例中，基于C-V2X车路协同的智能网联系统实现区域协调控制。图1是基于车路协同的智能网联系统的整体架构的示意图。如图1所示，基于车路协同的智能网联系统的整体架构包括如下四个层面：
（1）基础环境构建层：由智能路侧设备（On board Unit，RSU）、智能车载终端（RoadSide Unit，OBU）以及信号灯等设备构成的C-V2X车路协同的通信系统;同时传统智能交通中的摄像头和雷达等感知设备构建感知系统，边缘计算设备（Mobile Edge Computing，MEC）及部署在服务器中的融合感知算法和和调控制算法构建边缘云系统,共同实现区域内的全域感知检测、交通状态分析及车车、车路交互，共同构建了感知、交互、协同、控制的基础环境。
（2）数据处理分析层：将所有感知到的感知数据进行数据分析及数据处理，形成指导区域协调控制执行的控制参数，并能够根据运行效果进行微调和优化。
（3）区域控制策略层：主要包括：基于C-V2X车路协同的智能网联子区控制策略。其中子区控制策略可以根据子区实际情况选择。
（4）控制策略应用层：通过基于C-V2X车路协同的智能网联区域控制策略的应用，能够实现区域内车对车（veichle to veichle，V2V）、车对基础设施（Veichle toInfrastructure，V2I）、车对行人通讯（Vehicle to Pedestrian，V2P）等车对网络（Vehicleto Network，V2N）多维度的应用交互，行成人、车、路、云的协同互联，打造感知更精准、数据更全面、控制更高效的区域协调控制新模式，也能够达到交通安全可靠、交通效率提升以及交通指标改善的应用效果。
图2是基于车路协同的智能网联区域协调控制的整体流程图。具体的，如图2所示，基于C-V2X车路协同的智能网联系统实现全域感知检测、交通状态分析及车车和车路交互；路侧设备RSU在区域内构建C-V2X通信网络，区域内所有车载OBU均能够与RSU之间进行信息交互；同时，通过区域内路口摄像头和雷达等感知设备检测交通信息，将交通信息通过路侧边缘计算设备MEC融合处理后上传到网联边缘计算设备，边缘计算设备根据区域内交通信息，综合分析各路段状况，形成区域内的交通信号控制指令，实时优化交通控制信息，形成最终的优化控制方案，并下发到子区内的信号灯或车辆，以实现合理控制子区中每个路口的信号灯或子区内的车辆的目的。
实施例一
图3为本发明实施例一提供了一种智能网联的区域协调控制方法的流程图，本实施例可适用于对基于C-V2X车路协同的网联区域的信号灯和车辆进行协调控制的情况，该方法可以由智能网联的区域协调控制装置来执行，该智能网联的区域协调控制装置可以采用硬件和/或软件的形式实现，如智能网联的云平台或边缘计算设备等，该智能网联的区域协调控制装置可配置于计算设备中。如图3所示，该方法包括：
S110、通过基于车路协同的智能网联获取目标路网区域的交通信息。
其中，智能网联系统可以理解为基于智能车载终端（On board Unit，OBU）和路侧设备（Road Side Unit，RSU）所构建的C-V2X车路协同的网联系统。目标路网区域可以理解为需要控制的基于智能网联的道路所在区域。目标路网区域的交通信息可以理解为与目标路网区域内的道路和车辆有关的信息，例如可以包括：目标路网区域内道路的交通流量、车辆时间占有率、车辆速度、道路布局、道路情况等信息。
本发明实施例提供的智能网联的区域协调控制可以适用于多类路网区域，尤其适用于城市级或大面积的路网区域。
具体的，通过智能网联中的智能车载终端或者路侧设备采集目标路网区域内的到道路信息以及和车辆信息，例如通过智能车载终端采集车辆速度和车辆时间占有率，通过路侧设备采集目标路网区域内各路口的交通流量和主路上的支路数量等信息。
S120、基于交通信息和子区划分原则对目标路网区域划分获得子区；子区包括至少两个交叉路口。
其中，子区是由至少两个交叉口所构成的区域。在一个子区内的多个路口具有相近的道路状态和/或交通状态，能够满足联合协调控制的需求。子区划分原则可以理解为用于对目标路网区域划分子区的原则，该子区划分原则可以由划分所需要的交通参数以及各交通参数所需满足的约束条件所构成。
具体的，在边缘计算设备中可以根据所获取到的目标路网区域内各路口的交通信息，以及预设的子区划分原则，对目标路目标路网区域进行子区的划分得到多个子区，便于对各子区内的车辆或信号灯进行控制。
示例性的，子区划分原则旨在对道路状态和/或交通状态相同或相近的多个路口划分为一个区域进行协调控制，因此，子区划分原则可以基于目标路网区域在不同路段或不同时间段内的交通特点进行设定或调整。例如针对工作日早/晚高峰的路段的道路拥堵的发生时间和发生路段等特点设定子区划分原则，或者针对暂时性的大型活动或固定型的景区和场所的必经路段的道路特点设定子区划分原则。
S130、基于预设子区控制策略和子区的交通信息对目标路网区域的子区进行控制；其中，预设子区控制策略包括以下至少一项：自适应控制策略、感应协调控制策略和动态绿波控制策略。
本发明实施例针对不同目标路网区域或目标路网区域内不同子区的特点，提供三种预设子区控制策略，分别包括：自适应控制策略、感应协调控制策略和动态绿波控制策略。其中，自适应控制策略的基本思想是基于子区内各路口不同方向的交通信息确定对应信号灯相位的通行参数，以实现根据道路的交通情况系协调控制不同路口的信号灯相位的通信状态和路口的通信能力。感应协调控制策略的基本思想是基于路口的感知设备所感知的信息，优先保证主路方向的通行，兼顾支路方向的通行需求，减少支路对主路的干扰，提高支路的通行能力。动态绿波控制策略的基本思想是根据车辆通过路口所需时间控制对应信号灯相位的相位周期，使车辆能够不停车连续通过干线各个路口，减少车辆的延误时间和排队长度，提高道路的通行能力。
可以理解的是，在实际使用时可以根据不同路段或不同时段的道路实际情况选择合适的控制策略实现子区的协调控制。
具体的，根据当前时段或子区的交通信息选择预先设置好的预设子区控制策略，并根据预设子区控制策略和子区的交通信息确定目标路网区域内的控制信息，基于控制信息对目标路网区域的子区内的车辆或信号灯进行控制，从而实现对目标路网区域的协调控制，减少局部路口的交通负荷，提高路网的道路通行能力，达到路网的交通流量均衡。
本发明实施例的技术方案，通过基于车路协同的智能网联系统获取目标路网区域的交通信息；基于交通信息和子区划分原则对目标路网区域划分获得子区；子区包括多个交叉路口；基于预设子区控制策略和子区的交通信息对目标路网区域的子区进行控制；其中，预设子区控制策略包括以下至少一项：自适应控制策略、感应协调控制策略和动态绿波控制策略；丰富了区域协调控制策略，减少了局部路口的交通负荷，提高了路网的道路通行能力，实现了目标路网区域的协调控制和流量均衡。
实施例二
图4为本发明实施例二提供的一种智能网联的区域协调控制方法的流程图，本实施例对与上述实施例的步骤S120进一步下细化。如图4所示，该方法包括：
S210、通过基于车路协同的智能网联系统获取目标路网区域的交通信息。
S220、基于交通信息确定目标路网区域内各交叉路口的交通参数。
其中，交通参数可以理解为能够反映交叉口的交通情况，用于划分子区。例如可以包括：相邻交叉路口的间距、交通流量饱和度、交通强度、道路信息（如道路等级和道路车流方向）和路段的分支数量等。交通流量饱和度是在道路交叉口车流的实际交通流量与该车流的饱和通行能力的比值。
具体的，根据通过智能网联所采集到的交通流量、车辆时间占有率、车辆速度、道路布局和道路情况等交通信息，依次确定各交叉路口的交通参数，包括：交通流量饱和度、交通强度、道路信息和路段的分支数量等。交通强度是一个综合指标，用于反映道路运输交通车辆的能力；交通强度与交通流量饱和度成正比，与车辆速度成反比。
S230、获取子区划分原则，子区划分原则包含各交通参数的约束条件。
可选的，所述子区划分原则包括：
（1）相邻交叉路口的间距小于预设间距阈值。如，相邻交叉路口的间距不宜超过600米，若间距过大，车队离散程度增加，降低子区控制效果。
（2）不同交叉路口的交通流量饱和度的差值小于第一预设差值阈值，用于反映子区内的不同交叉路口的交通规模相近。
（3）不同交叉路口的交通强度的差值小于第二预设差值阈值，用于反映反映子区内的不同交叉路口的交通强度相近。
（4）不同交叉路口的道路信息一致，用于反映子区内的不同交叉路口的道路等级一级车流走向等信息一致。
（5）交叉路口所在路段的分支数量小于预设数量。通过对所在路段的分支数量限定阈值，避免子区内路段受支路的干扰过多，影响子区的控制。
S240、将交通参数满足子区划分原则的多个交叉路口构成的区域确定为一个子区。
具体的，若在目标路网区域存在满足子区划分原则的多个交叉路口，则将多个交叉口所构成的一片区域确定为一个子区。可以理解的是，目标路网区域可以划分为一个或多个子区。子区可以根据形状进一步确定类型，图5是子区的类型的示意图，如图5所示，子区的类型可以包括：三角形子区、干线型子区、梯形子区和矩形子区。当然，子区的类型还可以包括其他类型，如一字型和工字型等，本发明实施例对此不设限制。
S250、对于各子区，根据交通信息确定子区的交通强度。
具体的，对于划分得到的每个子区，可以根据该子区内的交叉路口的交通信息综合确定该子区的交通强度。
S260、若存在至少两个子区的交通强度的差值小于第三预设差值阈值，则确定至少两个子区的合并子区，基于预设子区控制策略对合并子区进行联合协调控制。
具体的，若存在至少两个子区的交通强度的差值小于第三预设差值阈值，说明这至少两个子区的交通强度类似，因此，可以确定至少两个子区的合并子区，基于预设子区控制策略对合并子区实行合并控制，实现对多个子区的联合协调控制。
S270、若不存在至少两个子区的交通强度的差值小于第三预设差值阈值，则基于预设子区控制策略对每个子区分别进行控制。
具体的，若不存在至少两个子区的交通强度的差值小于第三预设差值阈值，说明每个子区的交通强度悬殊，因此，不能进行合并控制，需要实行对每个子区分别进行控制。
示例性的，图6是对至少两个子区进行联合协调控制的流程图。如图6所示，根据每个子区内的关键交叉口的交通强度判定是否存在至少两个子区的交通强度的差值小于第三预设差值阈值，若存在，则至少两个子区进行联合协调控制；若不存在，则实行对各子区分别进行控制。其中，关键交叉口可以是子区中的任一交叉路口，也可以是依据交叉路口的交通信息或位置信息所选取的能够代表该子区的交通情况的交叉路口，如该子区中心位置的交叉路口。
本发明实施例的技术方案，通过基于车路协同的智能网联系统获取目标路网区域的交通信息；基于交通信息确定目标路网区域内各交叉路口的交通参数；获取子区划分原则，子区划分原则包含各交通参数的约束条件；将交通参数满足子区划分原则的多个交叉路口构成的区域确定为一个子区；对于各子区，根据交通信息确定子区的交通强度；若存在至少两个子区的交通强度的差值小于第三预设差值阈值，则基于预设子区控制策略对至少两个子区进行联合协调控制；实现对多个交通状况相似的子区进行联合协调控制，在减少局部路口的交通负荷，提高路网的道路通行能力，实现目标路网区域的协调控制和流量均衡，的基础上简化控制的复杂度，减少计算量，提高控制效率。
在一个可选的实施例中，所述自适应控制策略包括：
对于所述子区的各路口中各车流方向，根据所述车流方向的第一交通信息计算对应信号灯相位的第一状态控制信息；
根据所述第一状态控制信息确定对应相位的信号灯的指示状态；
其中，所述第一交通信息包括：交通流量、车辆时间占有率和路段的平均车速；所述第一状态控制信息包括：对应的信号灯相位的信号周期、绿信比和路口间的相位差。
其中，第一交通信息是指在自适应控制策略中通过智能网联所需要获取的交通信息。第一状态控制信息是指在自适应控制策略中用于控制子区内的信号灯的状态的信息。
示例性的，图7是基于自适应控制策略的控制过程的流程图。如图7所示，通过智能路侧设备RSU与区域内所有OBU之间的实时交互，并结合各路口的感知设备，精确获取各路口不同车流方向的交通流量、车辆时间占有率和路段的平均车速等交通信息，信息实时回传至智能网联云平台，计算子区内各信号灯相位的信号周期、绿信比和路口间的相位差。通过网联云平台完成策略级的协调控制，实现路口信号灯的单点优化控制。
在每个控制子区的路口内均需要设置智能路侧设备RSU、感知设备（摄像头和雷达等）以及边缘计算设备。通过路侧设备RSU与区域内所有OBU之间的实时交互能够精确获取路段上平均车辆速度等信息。感知设备主要获取每个车道的交通流量等，用于分配每个相位的绿信比。
区域自适应协调控制的优点在于：（1）能够根据车辆的变化实时调整控制区域的控制方案；（2）提高了控制子区内每个交叉口的通行能力，从而提高了整个子区的通行能力；（3）减少了车辆的停车延误时间；（4）减少了交叉口的排队长度，从而减少了二次排队现象；（5）减少了路口绿灯空放现象。
在一个可选的实施例中，所述感应协调控制策略包括：
确定所述子区的主路对应的支路上存在的车辆是否满足预设触发条件；所述预设触发条件包括：所述支路上存在的车辆数量大于预设数量阈值和/或所述支路上存在的车辆排队距离大于预设距离阈值；
若满足所述预设触发条件，则确定控制所述主路通行的信号灯相位的第二状态控制信息和所述支路对应的信号灯相位的第三状态控制信息；所述第二状态控制信息用于控制对应的信号灯相位从常绿状态转变为红灯状态；所述第三状态控制信息用于控制对应的信号灯相位的设置从常红状态转变为绿灯状态。
其中，第二状态控制信息是在感应协调控制策略中用于控制子区内的主路上的信号灯状态的信息；第三状态控制信息是在感应协调控制策略中用于控制子区内的支路上的信号灯状态的信息。预设触发条件是触发控制主路或支路上的信号灯发生状态变化需满足的条件。
示例性的，图8是基于感应协调控制策略的控制过程的流程图。如图8所示，通过摄像头和雷达等感知设备采集子区内的主路和支路上的车辆数量和排队长度等信息，并且基于路侧设备和车载终端之间的实时信息交互，获取车辆位置、速度和行驶方向等车辆运行信息。根据获取到的感知信息确定子区的主路对应的支路上存在的车辆是否满足预设触发条件。预设触发条件包括：支路上存在的车辆数量大于预设数量阈值和/或支路上存在的车辆排队距离大于预设距离阈值。若满足预设触发条件，则确定控制主路通行的信号灯相位的第二状态控制信息，控制主路对应的信号灯相位从常绿状态转变为红灯状态；确定支路对应的信号灯相位的第三状态控制信息，用于控制支路对应的信号灯相位的设置从常红状态转变为绿灯状态，在不满足触发条件时，主路处于长期的通行状态，在满足触发条件时实现暂停主路通行，对支路放行，从而优先保证了主路的畅通。因此，感应协调控制策略适用条件主要用在主路与支路相交比较多的控制子区。
另外，还可以根据支路上的车辆数量和车辆排队距离等信息，确定支路上的绿灯的时间。例如若车辆数量大于预设数量阈值，且车辆排队距离小于预设距离阈值时，控制支路对应方向的绿灯为最小绿灯时间。若车辆排队距离大于预设距离阈值时，或者在结束前3秒内感知到支路上存在车辆，则控制支路对应方向的绿灯为最大绿灯时间。
感应式协调控制优点在于：（1）保证了主路的通行时间；（2）减少了因为支路的干扰造成的绿灯时间浪费；（3）提高了主路通行能力；（4）减少了主路车辆的停车延误。
在一个可选的实施例中，所述动态绿波控制策略包括：
根据所述子区中目标车辆的运行信息和信号灯信息确定所述目标车辆的绿波速度；所述目标车辆的运行信息包括：目标车辆的位置信息和行驶方向；所述信号灯信息包括：信号灯的相位设置信息；
将所述绿波速度广播至目标车辆，以使所述车辆按照所述绿波速度运行，不停车连续通过路口。
其中，绿波速度是指目标车辆想要不停车通过每个路口，所需要行驶的速度。可以理解的是，该绿波速度可以是一个可能具有一定波动的大致的数值范围，而并非一个具体且不变的数值。
示例性的，图9是基于动态绿波控制策略的控制过程的流程图。如图9所示，以一定的时间周期，根据路侧设备采集的信号灯的相位设置信息（包括绿灯和红灯设置周期）以及车载终端采集的目标车辆的运行信息（车辆的位置和行驶方向），确定目标车辆如果需要不停车通过子区内的路口的绿波速度。将绿波速度广播至路段上的目标车辆，从而目标车辆能够动态、实时的接收绿波车速，引导驾驶员保证目标车辆不停车连续通过各个路口。相对而言，双向绿波控制策略相比单向绿波控制策略效果受交叉口渠化、交叉口之间距离等客观因素影响更大。
动态绿波控制策略的优点在于：（1）基本上保证了大部分车辆一路绿灯通过子区内每个交叉口；（2）提高了路口的通行能力，进而提高了整个子区的通行能力；（3）减少了车辆的延误时间；（4）减少了车辆的排队长度。
基于C-V2X车路协同的智能网联子区控制策略主要包括：自适应控制策略、感应协调控制策略和动态绿波控制策略；三种控制策略各自的适用条件和优先总结如表1所示。
表1
实施例三
图10为本发明实施例三提供的一种智能网联的区域协调控制装置的结构示意图。如图10所示，该装置包括：
获取模块310，用于通过基于车路协同的智能网联系统获取目标路网区域的交通信息；
划分模块320，用于基于所述交通信息和子区划分原则对所述目标路网区域划分获得子区；所述子区包括至少两个交叉路口；
控制模块330，用于基于预设子区控制策略和所述子区的交通信息对所述目标路网区域的子区进行控制；其中，所述预设子区控制策略包括以下至少一项：自适应控制策略、感应协调控制策略和动态绿波控制策略。
可选的，所述划分模块320，具体用于：
基于所述交通信息和子区划分原则对所述目标路网区域划分获得子区，包括：
基于所述交通信息确定目标路网区域内各交叉路口的交通参数；
获取子区划分原则，所述子区划分原则包含各所述交通参数的约束条件：
将交通参数满足所述子区划分原则的多个交叉路口构成的区域确定为一个子区。
可选的，所述子区划分原则，包括：
相邻交叉路口的间距小于预设间距阈值；
不同交叉路口的交通流量饱和度的差值小于第一预设差值阈值；
不同交叉路口的交通强度的差值小于第二预设差值阈值；
不同交叉路口的道路信息一致；
交叉路口所在路段的分支数量小于预设数量。
可选的，所述控制模块330，具体用于：
对于各所述子区，根据所述交通信息确定所述子区的交通强度；
对于各所述子区，根据所述交通信息确定所述子区的交通强度；
若存在至少两个子区的交通强度的差值小于第三预设差值阈值，则确定所述至少两个子区的合并子区，基于所述预设子区控制策略对所述合并子区进行联合协调控制；
若不存在至少两个子区的交通强度的差值小于第三预设差值阈值，则基于所述预设子区控制策略对每个子区分别进行控制。
可选的，所述自适应控制策略包括：
对于所述子区的各路口中各车流方向，根据所述车流方向的第一交通信息计算对应信号灯相位的第一状态控制信息；
根据所述第一状态控制信息确定对应相位的信号灯的指示状态；
其中，所述第一交通信息包括：交通流量、车辆时间占有率和路段的平均车速；所述第一状态控制信息包括：对应的信号灯相位的信号周期、绿信比和路口间的相位差。
可选的，所述感应协调控制策略包括：
确定所述子区的主路对应的支路上存在的车辆是否满足预设触发条件；所述预设触发条件包括：所述支路上存在的车辆数量大于预设数量阈值和/或所述支路上存在的车辆排队距离大于预设距离阈值；
若满足所述预设触发条件，则确定控制所述主路通行的信号灯相位的第二状态控制信息和所述支路对应的信号灯相位的第三状态控制信息；所述第二状态控制信息用于控制对应的信号灯相位从常绿状态转变为红灯状态；所述第三状态控制信息用于控制对应的信号灯相位的设置从常红状态转变为绿灯状态。
可选的，所述动态绿波控制策略包括：
根据所述子区中目标车辆的运行信息和信号灯信息确定所述目标车辆的绿波速度；所述目标车辆的运行信息包括：目标车辆的位置信息和行驶方向；所述信号灯信息包括：信号灯的相位设置信息；
将所述绿波速度广播至目标车辆，以使所述车辆按照所述绿波速度运行，不停车连续通过路口。
本发明实施例所提供的智能网联的区域协调控制装置可执行本发明任意实施例所提供的智能网联的区域协调控制方法，具备执行方法相应的功能模块和有益效果。
实施例四
图11示出了可以用来实施本发明的实施例的计算设备10的结构示意图。计算设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图11所示，计算设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储计算设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
计算设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许计算设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如智能网联的区域协调控制方法。
在一些实施例中，智能网联的区域协调控制方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到计算设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的智能网联的区域协调控制方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行智能网联的区域协调控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算设备上实施此处描述的系统和技术，该计算设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种智能网联的区域协调控制方法，其特征在于，包括：
通过基于车路协同的智能网联系统获取目标路网区域的交通信息；
基于所述交通信息和子区划分原则对所述目标路网区域划分获得子区；所述子区包括至少两个交叉路口；
基于预设子区控制策略和所述子区的交通信息对所述目标路网区域的子区进行控制；其中，所述预设子区控制策略包括以下至少一项：自适应控制策略、感应协调控制策略和动态绿波控制策略。
2.根据权利要求1所述的方法，其特征在于，所述基于所述交通信息和子区划分原则对所述目标路网区域划分获得子区，包括：
基于所述交通信息确定目标路网区域内各交叉路口的交通参数；
获取子区划分原则，所述子区划分原则包含各所述交通参数的约束条件：
将交通参数满足所述子区划分原则的多个交叉路口构成的区域确定为一个子区。
3.根据权利要求2所述的方法，其特征在于，所述子区划分原则包括：
相邻交叉路口的间距小于预设间距阈值；
不同交叉路口的交通流量饱和度的差值小于第一预设差值阈值；
不同交叉路口的交通强度的差值小于第二预设差值阈值；
不同交叉路口的道路信息一致；
交叉路口所在路段的分支数量小于预设数量。
4.根据权利要求1所述的方法，其特征在于，所述基于预设子区控制策略和所述子区的交通信息对所述目标路网区域的子区进行控制，包括：
对于各所述子区，根据所述交通信息确定所述子区的交通强度；
若存在至少两个子区的交通强度的差值小于第三预设差值阈值，则确定所述至少两个子区的合并子区，基于所述预设子区控制策略对所述合并子区进行联合协调控制；
若不存在至少两个子区的交通强度的差值小于第三预设差值阈值，则基于所述预设子区控制策略对每个子区分别进行控制。
5.根据权利要求1-4任一所述的方法，其特征在于，所述自适应控制策略包括：
对于所述子区的各路口中各车流方向，根据所述车流方向的第一交通信息计算对应信号灯相位的第一状态控制信息；
根据所述第一状态控制信息确定对应相位的信号灯的指示状态；
其中，所述第一交通信息包括：交通流量、车辆时间占有率和路段的平均车速；所述第一状态控制信息包括：对应的信号灯相位的信号周期、绿信比和路口间的相位差。
6.根据权利要求1-4任一所述的方法，其特征在于，所述感应协调控制策略包括：
确定所述子区的主路对应的支路上存在的车辆是否满足预设触发条件；所述预设触发条件包括：所述支路上存在的车辆数量大于预设数量阈值和/或所述支路上存在的车辆排队距离大于预设距离阈值；
若满足所述预设触发条件，则确定控制所述主路通行的信号灯相位的第二状态控制信息和所述支路对应的信号灯相位的第三状态控制信息；所述第二状态控制信息用于控制对应的信号灯相位从常绿状态转变为红灯状态；所述第三状态控制信息用于控制对应的信号灯相位的设置从常红状态转变为绿灯状态。
7.根据权利要求1-4任一所述的方法，其特征在于，所述动态绿波控制策略包括：
根据所述子区中目标车辆的运行信息和信号灯信息确定所述目标车辆的绿波速度；所述目标车辆的运行信息包括：目标车辆的位置信息和行驶方向；所述信号灯信息包括：信号灯的相位设置信息；
将所述绿波速度广播至目标车辆，以使所述车辆按照所述绿波速度运行，不停车连续通过路口。
8.一种智能网联的区域协调控制装置，其特征在于，包括：
获取模块，用于通过基于车路协同的智能网联系统获取目标路网区域的交通信息；
划分模块，用于基于所述交通信息和子区划分原则对所述目标路网区域划分获得子区；所述子区包括至少两个交叉路口；
控制模块，用于基于预设子区控制策略和所述子区的交通信息对所述目标路网区域的子区进行控制；其中，所述预设子区控制策略包括以下至少一项：自适应控制策略、感应协调控制策略和动态绿波控制策略。
9.一种计算设备，其特征在于，所述计算设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的智能网联的区域协调控制方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的智能网联的区域协调控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310511796.6A CN116229738A (zh) | 2023-05-09 | 2023-05-09 | 基于车路协同的智能网联区域协调控制方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310511796.6A CN116229738A (zh) | 2023-05-09 | 2023-05-09 | 基于车路协同的智能网联区域协调控制方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116229738A true CN116229738A (zh) | 2023-06-06 |
Family
ID=86587695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310511796.6A Pending CN116229738A (zh) | 2023-05-09 | 2023-05-09 | 基于车路协同的智能网联区域协调控制方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116229738A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002230686A (ja) * | 2001-02-06 | 2002-08-16 | Matsushita Electric Ind Co Ltd | 交通管制システム及び制御方法、及びそのプログラムを含む媒体 |
| CN103559795A (zh) * | 2013-11-07 | 2014-02-05 | 青岛海信网络科技股份有限公司 | 一种多策略多目标的自适应交通控制方法 |
| CN106781560A (zh) * | 2017-03-29 | 2017-05-31 | 汤建男 | 一种多路口交通信号灯优化控制方法和系统 |
| CN108305468A (zh) * | 2017-01-13 | 2018-07-20 | 普天信息技术有限公司 | 一种基于多策略的交通控制方法和系统 |
| CN108564786A (zh) * | 2018-05-14 | 2018-09-21 | 苏州思在科技有限公司 | 一种基于云计算的城市交通信号控制的方法和系统 |
| CN108898858A (zh) * | 2018-06-27 | 2018-11-27 | 上海工程技术大学 | 一种过饱和交通状态下连续交叉口的信号协调控制方法 |
| CN110415523A (zh) * | 2019-08-13 | 2019-11-05 | 东南大学 | 一种基于车辆出行轨迹数据的信号控制子区划分方法 |
| CN111462478A (zh) * | 2019-01-22 | 2020-07-28 | 北京中合云通科技发展有限公司 | 一种城市路网信号控制子区划分方法及装置 |
| CN115188193A (zh) * | 2022-07-13 | 2022-10-14 | 东营市湿地城市建设推进中心 | 一种智能调控通行时间和变换车道控制方法 |
| CN115762129A (zh) * | 2022-10-09 | 2023-03-07 | 阿里云计算有限公司 | 交通信号控制方法及模型训练方法、设备及存储介质 |
-
2023
- 2023-05-09 CN CN202310511796.6A patent/CN116229738A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002230686A (ja) * | 2001-02-06 | 2002-08-16 | Matsushita Electric Ind Co Ltd | 交通管制システム及び制御方法、及びそのプログラムを含む媒体 |
| CN103559795A (zh) * | 2013-11-07 | 2014-02-05 | 青岛海信网络科技股份有限公司 | 一种多策略多目标的自适应交通控制方法 |
| CN108305468A (zh) * | 2017-01-13 | 2018-07-20 | 普天信息技术有限公司 | 一种基于多策略的交通控制方法和系统 |
| CN106781560A (zh) * | 2017-03-29 | 2017-05-31 | 汤建男 | 一种多路口交通信号灯优化控制方法和系统 |
| CN108564786A (zh) * | 2018-05-14 | 2018-09-21 | 苏州思在科技有限公司 | 一种基于云计算的城市交通信号控制的方法和系统 |
| CN108898858A (zh) * | 2018-06-27 | 2018-11-27 | 上海工程技术大学 | 一种过饱和交通状态下连续交叉口的信号协调控制方法 |
| CN111462478A (zh) * | 2019-01-22 | 2020-07-28 | 北京中合云通科技发展有限公司 | 一种城市路网信号控制子区划分方法及装置 |
| CN110415523A (zh) * | 2019-08-13 | 2019-11-05 | 东南大学 | 一种基于车辆出行轨迹数据的信号控制子区划分方法 |
| CN115188193A (zh) * | 2022-07-13 | 2022-10-14 | 东营市湿地城市建设推进中心 | 一种智能调控通行时间和变换车道控制方法 |
| CN115762129A (zh) * | 2022-10-09 | 2023-03-07 | 阿里云计算有限公司 | 交通信号控制方法及模型训练方法、设备及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| 叶婉秋: "城镇智能交通信号控制系统设计", 电脑知识与技术, vol. 12, no. 23, pages 164 - 165 * |
| 尚德申 等: "交通控制区域动态划分研究", 道路交通与安全, vol. 07, no. 01, pages 27 - 29 * |
| 张雨晨: "网联环境下区域交通信号控制技术研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 02, pages 25 * |
| 承向军: "城市交通概论", vol. 1, 北京交通大学出版社, pages: 92 - 93 * |
| 陶强 等: "智能交通控制系统的设计策略", 机电技术应用, pages 87 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109767630B (zh) | 一种基于车路协同的交通信号控制系统 | |
| CN103559795B (zh) | 一种多策略多目标的自适应交通控制方法 | |
| Hamilton et al. | The evolution of urban traffic control: changing policy and technology | |
| CN105390000A (zh) | 一种基于路况交通大数据的交通信号控制系统及方法 | |
| CN105046987B (zh) | 一种基于强化学习的路面交通信号灯协调控制方法 | |
| EP3631616A1 (en) | Road traffic control system, method, and electronic device | |
| CN103956057B (zh) | 一种用于安防交通流数据智能处理系统 | |
| CN105206070A (zh) | 道路交通信号协调实时优化控制方法及其控制系统 | |
| CN104835335A (zh) | 路网交通优化控制系统和方法 | |
| CN104332058A (zh) | 一种智能交通灯控制方法和系统 | |
| CN103337178A (zh) | 基于动态优先级的交通信号自适应控制方法 | |
| CN101308604A (zh) | 大范围战略交通协调控制方法 | |
| DE102021210396A1 (de) | Vorrichtung und verfahren zur steuerung des autonomen fahrens eines fahrzeugs | |
| CN113807270A (zh) | 道路拥堵检测方法、装置及电子设备 | |
| CN112710317A (zh) | 自动驾驶地图的生成方法、自动驾驶方法及相关产品 | |
| CN104504894A (zh) | 基于北斗定位的运营车辆班次计算算法 | |
| CN111192457A (zh) | 一种城市级整体的交通信号控制的方法及装置 | |
| 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 | |
| CN114613162A (zh) | 交通控制方法、系统及设备 | |
| CN116229738A (zh) | 基于车路协同的智能网联区域协调控制方法、装置及设备 | |
| CN113610059B (zh) | 基于区域评估的车辆控制方法、装置和智能交管系统 | |
| CN116206470A (zh) | 一种潮汐车道调整方法、装置、设备及系统 | |
| El Hassak et al. | Proposed Solutions for Smart Traffic Lights using Machine Learninig and Internet of Thing | |
| CN114613157A (zh) | 交通控制方法、系统及设备 | |
| Xin | Research on multi-sensor fusion perception method of vehicle-infrastructure collaboration for smart automobiles |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230606 |
|
| RJ01 | Rejection of invention patent application after publication |