CN116403402A - 一种网联环境下城市交叉口区域的交通状态预测方法 - Google Patents

一种网联环境下城市交叉口区域的交通状态预测方法 Download PDF

Info

Publication number
CN116403402A
CN116403402A CN202310395148.9A CN202310395148A CN116403402A CN 116403402 A CN116403402 A CN 116403402A CN 202310395148 A CN202310395148 A CN 202310395148A CN 116403402 A CN116403402 A CN 116403402A
Authority
CN
China
Prior art keywords
intersection
vehicles
vehicle
lane
intersection area
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
Application number
CN202310395148.9A
Other languages
English (en)
Inventor
汪林
郭宇奇
高剑
李恒煜
尹升
黄烨然
卢立阳
朱杰锐
牛树云
李婉君
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.)
Research Institute of Highway Ministry of Transport
Original Assignee
Research Institute of Highway Ministry of Transport
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 Research Institute of Highway Ministry of Transport filed Critical Research Institute of Highway Ministry of Transport
Priority to CN202310395148.9A priority Critical patent/CN116403402A/zh
Publication of CN116403402A publication Critical patent/CN116403402A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种网联环境下城市交叉口区域的交通状态预测方法，其特征在于，城市交叉口区域包括临近交叉口的交叉口区和远离交叉口的缓冲区，交叉口区的两端设有前置视频装置和后置视频装置；车辆在缓冲区完成换道后沿当前车辆进入交叉口区，交叉口控制中心根据不同车道第一辆车的车辆信息，计算车辆到达交叉口停止线的时间；根据获取的车辆信息，得到最终进入交叉口区内每个车道的车辆数N；基于车辆到达交叉口停止线的时间以及每个车道的车辆数N，进行交叉口控制。本发明可为交叉口不同相位内直行、左转和右转等不同方向车辆通行优化控制提供更为精确的依据。

Description

一种网联环境下城市交叉口区域的交通状态预测方法
技术领域
本发明涉及智能交通技术领域，具体涉及一种网联环境下城市交叉口区域的交通状态预测方法。
背景技术
随着基于5G的无线通信技术、新一代互联网技术和北斗高精度定位技术等的发展成熟与日臻完善，为推动车路协同技术快速落地和应用提供了重要保障。车路协同环境下车辆的通信能力进一步增强，车辆与车辆之间、车辆与路侧设施之间可以实现有效的信息互通，加强了车辆获取外部信息以及向外部发送信息的实时性，为道路交通状态的估计和预测提供了重要的技术支撑。未来很长一段时间将会出现具备通信功能的车辆和非通信功能的车辆混合行驶的情况，如何利用网联通信车辆的信息来估计和预测混合交通场景下的道路交通状态将会是一个重要的研究方向。
一般而言，对城市交叉口区域路段尤其是车道级的交通状态精准的估计和预测，能够为交叉口的精准控制提供有力的支撑，并可有效提高交叉口的通行效率和利用率。因此基于同时存在通信功能车辆和非通信功能车辆的混合交通场景下的车道级精准的交通状态估计和预测，对于提高城市交通的智能化具有重要的意义。
发明内容
针对现有技术中存在的不足之处，本发明提供一种网联环境下城市交叉口区域的交通状态预测方法。
本发明公开了一种网联环境下城市交叉口区域的交通状态预测方法，城市交叉口区域包括临近交叉口的交叉口区和远离交叉口的缓冲区，所述交叉口区的两端设有前置视频装置和后置视频装置，所述缓冲区设有缓冲区视频装置，所述城市交叉口区域行驶的网联通信车辆、前置视频装置、后置视频装置、5G基站和交叉口控制中心进行相互通讯；其中，
当所有车辆均为网联通信车辆时，所述交通状态预测方法，包括：
车辆在缓冲区完成换道后沿当前车辆进入交叉口区，交叉口控制中心根据不同车道第一辆车的车辆信息，计算车辆到达交叉口停止线的时间；其中，所述车辆信息包括车辆速度和车辆位置；
交叉口控制中心根据获取的车辆信息，实时计算进入交叉口区内每个车道的车辆数N通信；
前置视频装置和后置视频装置从前后两个不同的位置交叉口区内每个车道的车辆数N前和N后；
对车辆数N通信、N前和N后进行融合，得到最终进入交叉口区内每个车道的车辆数N；
基于车辆到达交叉口停止线的时间以及每个车道的车辆数N，进行交叉口控制；
或，
当车辆包括网联通信车辆和非网联通信车辆时，所述交通状态预测方法，包括：
以每个车道上相邻的两个网联通信车辆之间的车辆队列作为车道簇单元，车道簇单元在缓冲区完成换道后沿当前车辆进入交叉口区，并在交叉口区形成新车道簇单元；根据不同车道的新车道簇单元的头车和尾车的车辆信息，计算车辆到达交叉口停止线的时间；
前置视频装置和后置视频装置从前后两个不同的位置交叉口区内每个车道的车辆数N前和N后；
对车辆数N前和N后进行融合，得到最终进入交叉口区内每个车道的车辆数N；
基于车辆到达交叉口停止线的时间以及每个车道的车辆数N，进行交叉口控制。
作为本发明的进一步改进，缓冲区的长度为缓冲区视频装置可清晰获取车辆信息的最远距离。
作为本发明的进一步改进，交叉口区的长度为一个相位内头车从停止开始启动状态下可放行直行的最大车辆数占据的长度。
作为本发明的进一步改进，所述对车辆数N通信、N前和N后进行融合，得到最终进入交叉口区内每个车道的车辆数N，包括：
取车辆数N通信、N前和N后中最大的车辆数作为最终进入交叉口区内每个车道的车辆数N。
作为本发明的进一步改进，所述对车辆数N前和N后进行融合，得到最终进入交叉口区内每个车道的车辆数N，包括：
取车辆数N前和N后中最大的车辆数作为最终进入交叉口区内每个车道的车辆数N。
作为本发明的进一步改进，若新车道簇单元的头车和/或尾车为非网联通信车辆时，头车或尾车的车速计算方法为：
时间t内，前置视频装置采集的头车或尾车行驶距离为l1，后置视频装置采集的头车或尾车行驶距离为l2，则头车或尾车的行驶速度v＝(l1+l2)/2t。
与现有技术相比，本发明的有益效果为：
本发明可实现所有车辆均为网联通信车辆的网联场景下或网联通信车辆与非通信车辆共存的混合交通场景下的交叉口区域交通状态预测，为交叉口不同相位内直行、左转和右转等不同方向车辆通行优化控制提供更为精确的依据。
附图说明
图1为本发明公开的网联环境下城市交叉口区域的交互示意图；
图2为本发明公开的网联环境下城市交叉口区域的交通状态预测方法的流程图；
图3为本发明公开的城市交叉口区域的车道车辆数的预测方法流程图。
图中：
1、5G基站；2、交叉口控制中心；3、缓冲区视频装置；4、前置视频装置；5、后置视频装置；L1、缓冲区；L2、交叉口区。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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的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。
下面结合附图对本发明做进一步的详细描述：
本发明依据北斗高精度定位，基于5G的V2V、V2I高速度、低时延、更稳定的通信技术，边缘计算技术，车路协同技术和高清视频处理技术等，在路段交通状态估计和预测的基础上提出一种网联环境下城市交叉口区域的交通状态预测方法，为交叉口不同相位内直行、左转和右转等不同方向车辆通行优化控制提供更为精确的依据。
如图1所示，实现该交通状态预测方法的城市交叉口区域包括：临近交叉口的交叉口区L2和远离交叉口的缓冲区L1，交叉口区L2的两端设有前置视频装置4和后置视频装置5，缓冲区L1设有缓冲区视频装置3，城市交叉口区域行驶的网联通信车辆、前置视频装置4、后置视频装置5、缓冲区视频装置3、5G基站1和路侧的交叉口控制中心2进行相互通讯；其中，
5G基站1，用于提供车辆与车辆之间，车辆以路侧设施之间，车辆与交叉口控制中心之间，车辆与视频装置之间，交叉口控制中心与视频装置之间的通信；交叉口控制中心2，主要接收网联通信车辆发送的位置、速度和车牌等信息，以及边缘计算功能；缓冲区的视频装置3，主要用于采集进入交叉口有缓冲区的车辆信息前置视频装置4和后置视频装置5，主要用于采集交叉口区内的车辆信息；
交叉口区L2的长度为一个相位内头车从停止开始启动状态下可放行直行的最大车辆数占据的长度，缓冲区L1的长度为视频装置可清晰获取车辆信息的最远距离，即车辆完全进入缓冲估计区域时，视频装置可以清晰采集车辆的车牌等信息。缓冲区L1，主要用于为在交叉口不同转向车辆提供提前换道，若在此区域未发生换道的车辆，则默认为此车辆沿当前车辆进行左转/直行/右转行驶；缓冲区L1的设置主要是用来更加精确的提前获取每个车道行驶的车辆需求，而更精准的交叉口控制提供支撑。其中，交叉口的四个方向中(从西进入、从南进入、从东进入和从北进入交叉口)，每个进入交叉路的方向按照从左到右的顺序对车道进行编号，如图1中的E1、E2和E3分别表示从东边进入交叉口相应的左转、直行和右转车道，W1、W2和W3分别表示从西边进入交叉口相应的左转、直行和右转车道，S1、S2和S3分别表示从南边进入交叉口相应的左转、直行和右转车道，N1、N2和N3分别表示从北边进入交叉口相应的左转、直行和右转车道。
当所有车辆均为网联通信车辆，即能够实现车-车，车-视频装置，车-交叉口控制中心实现通信；如图2所示，本发明的交通状态预测方法，包括：
缓冲区交通状态预估计：
当每个车道(直行、左转和右转)的第一辆车进入缓冲区时，分别与缓冲区视频装置以及交叉口控制中心建立通信，利用车载测速装置和车载北斗高精度定位装置获取车辆的实时速度和位置坐标，并发送给缓冲区视频装置和交叉口控制中心；车辆根据在交叉口的通行需求，在缓冲区进行换道行为。
交叉口区交通状态估计：
S11、车辆在缓冲区完成换道以后，即沿着当前车道进入交叉口区域，交叉口控制中心根据不同车道第一辆车的位置和速度信息，计算车辆到达交叉口停止线的时间；
S12、交叉口控制中心根据获得的每辆车的信息，实时计算进入交叉口区L2内每个车道的车辆数；
S13、交叉口区的前置视频和后置视频分别从前后两个不同的位置采集交叉口区L2内每个车道的车辆数，从而分别计算出交叉口每个方向上左转、直行和右转的车辆需求；此结果与S2中利用V2I通信计算的结果进行匹配；若数量相等，则以当前数量作为每个车道的行驶需求，继续进行下一时刻的计算；若两种方式的计算结果不一致，进行算法融合计算，算法流程图如图3所示，具体如下：
交叉口控制中心根据获取的车辆信息，实时计算进入交叉口区内每个车道的车辆数N通信；前置视频装置和后置视频装置从前后两个不同的位置交叉口区内每个车道的车辆数N前和N后；选取车辆数N通信、N前和N后中最大的车辆数作为最终进入交叉口区内每个车道的车辆数N；
S14、基于车辆到达交叉口停止线的时间以及每个车道的车辆数N，采用相应的优化控制算法进行交叉口控制。
或，
当路网中的一部分车辆具备网联通信功能，能够实现车-车，车-视频装置，车-交叉口控制中心实现通信；一部分车辆为普通车辆，不具备网联通信功能，针对两类车组成的混合交通流场景，采用混合交通流场景下的方法亦可以实现道路上交叉口区域车道级的交通状态估计和预测；如图2所示，本发明的交通状态预测方法，包括：
1、缓冲区交通状态预估计：
在缓冲区分别以每个车道内两辆相邻的网联通信车辆为头车和尾车，期间包含若干辆普通车辆，组成一个车队，称为车道簇单元；根据网联通信车辆的分布，一个车道可以有若干个车道簇单元；同车道内的车道簇单元之间可以通过队尾和队首的网联通信车辆进行信息交互；且根据每个车道簇单元队首和队尾的网联通信车辆的车载传感器可以计算与之相邻的同车道普通车辆的行驶速度，进而估计整个车队的平均行驶速度，基于此可计算所有车道簇单元的速度；同样，车辆在缓冲区完成换道行为。
2、交叉口区交通状态估计：
S21、车辆在缓冲区完成换道以后，重新组成新的车道簇单元沿着当前车道进入交叉口区，仍然按照首尾为网联通信车辆，中间为普通非通信车辆得原则组成新的车道簇单元；交叉口控制中心根据不同车道头车和尾车的位置和速度信息，预测车队到达交叉口停止线的时间。
若重新组合后的车道簇无法满足头车/尾车为网联通信车辆，即头车/尾车为普通非网联通信车辆的情况下，交叉口控制中心无法直接获取头车/尾车的速度信息，很难预测期到达交叉口停止线的时间；针对此情况，利用交叉口区域的前置视频装置和后置视频装置，分别采集的头车/尾车行驶距离及相应的行驶时间计算其速度，具体如下：
时间t内，前置视频装置采集的头车或尾车行驶距离为l1，后置视频装置采集的头车或尾车行驶距离为l2，则头车或尾车的行驶速度v＝(l1+l2)/2t。
S22、利用交叉口区域的前置视频装置和后置视频装置分别从前后两个不同的方向采集交叉口区域L2内每个车道的车辆数N前和N后，取车辆数N前和N后中最大的车辆数作为最终进入交叉口区内每个车道的车辆数N，从而分别计算出交叉口每个方向上左转、直行和右转的车辆数。
S23、最终采用上述方法可计算出的每个交叉口区域不同方向上每个车道的车辆数和车辆到达交叉口的时间，基于此可采用相应的优化控制算法进行交叉口控制。
本发明的优点为：
本发明可实现所有车辆均为网联通信车辆的网联场景下或网联通信车辆与非通信车辆共存的混合交通场景下的交叉口区域交通状态预测，为交叉口不同相位内直行、左转和右转等不同方向车辆通行优化控制提供更为精确的依据。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种网联环境下城市交叉口区域的交通状态预测方法，其特征在于，城市交叉口区域包括临近交叉口的交叉口区和远离交叉口的缓冲区，所述交叉口区的两端设有前置视频装置和后置视频装置，所述缓冲区设有缓冲区视频装置，所述城市交叉口区域行驶的网联通信车辆、前置视频装置、后置视频装置、5G基站和交叉口控制中心进行相互通讯；其中，
当所有车辆均为网联通信车辆时，所述交通状态预测方法，包括：
车辆在缓冲区完成换道后沿当前车辆进入交叉口区，交叉口控制中心根据不同车道第一辆车的车辆信息，计算车辆到达交叉口停止线的时间；其中，所述车辆信息包括车辆速度和车辆位置；
交叉口控制中心根据获取的车辆信息，实时计算进入交叉口区内每个车道的车辆数N通信；
前置视频装置和后置视频装置从前后两个不同的位置交叉口区内每个车道的车辆数N前和N后；
对车辆数N通信、N前和N后进行融合，得到最终进入交叉口区内每个车道的车辆数N；
基于车辆到达交叉口停止线的时间以及每个车道的车辆数N，进行交叉口控制；
或，
当车辆包括网联通信车辆和非网联通信车辆时，所述交通状态预测方法，包括：
以每个车道上相邻的两个网联通信车辆之间的车辆队列作为车道簇单元，车道簇单元在缓冲区完成换道后沿当前车辆进入交叉口区，并在交叉口区形成新车道簇单元；根据不同车道的新车道簇单元的头车和尾车的车辆信息，计算车辆到达交叉口停止线的时间；
前置视频装置和后置视频装置从前后两个不同的位置交叉口区内每个车道的车辆数N前和N后；
对车辆数N前和N后进行融合，得到最终进入交叉口区内每个车道的车辆数N；
基于车辆到达交叉口停止线的时间以及每个车道的车辆数N，进行交叉口控制。
2.如权利要求1所述的网联环境下城市交叉口区域的交通状态预测方法，其特征在于，缓冲区的长度为缓冲区视频装置可清晰获取车辆信息的最远距离。
3.如权利要求1所述的网联环境下城市交叉口区域的交通状态预测方法，其特征在于，交叉口区的长度为一个相位内头车从停止开始启动状态下可放行直行的最大车辆数占据的长度。
4.如权利要求1所述的网联环境下城市交叉口区域的交通状态预测方法，其特征在于，所述对车辆数N通信、N前和N后进行融合，得到最终进入交叉口区内每个车道的车辆数N，包括：
取车辆数N通信、N前和N后中最大的车辆数作为最终进入交叉口区内每个车道的车辆数N。
5.如权利要求1所述的网联环境下城市交叉口区域的交通状态预测方法，其特征在于，所述对车辆数N前和N后进行融合，得到最终进入交叉口区内每个车道的车辆数N，包括：
取车辆数N前和N后中最大的车辆数作为最终进入交叉口区内每个车道的车辆数N。
6.如权利要求1所述的网联环境下城市交叉口区域的交通状态预测方法，其特征在于，若新车道簇单元的头车和/或尾车为非网联通信车辆时，头车或尾车的车速计算方法为：
时间t内，前置视频装置采集的头车或尾车行驶距离为l1，后置视频装置采集的头车或尾车行驶距离为l2，则头车或尾车的行驶速度v＝(l1+l2)/2t。
CN202310395148.9A 2023-04-13 2023-04-13 一种网联环境下城市交叉口区域的交通状态预测方法 Pending CN116403402A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310395148.9A CN116403402A (zh) 2023-04-13 2023-04-13 一种网联环境下城市交叉口区域的交通状态预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310395148.9A CN116403402A (zh) 2023-04-13 2023-04-13 一种网联环境下城市交叉口区域的交通状态预测方法

Publications (1)

Publication Number Publication Date
CN116403402A true CN116403402A (zh) 2023-07-07

Family

ID=87019647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310395148.9A Pending CN116403402A (zh) 2023-04-13 2023-04-13 一种网联环境下城市交叉口区域的交通状态预测方法

Country Status (1)

Country Link
CN (1) CN116403402A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117079451A (zh) * 2023-07-11 2023-11-17 清华大学 城市连续交叉路口场景下混合交通系统的控制方法及装置

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106448194A (zh) * 2016-10-28 2017-02-22 清华大学 交叉路口交通信号和车辆协同控制方法及装置、车辆
CN110334666A (zh) * 2019-07-10 2019-10-15 北京工业大学 一种基于双摄像机的交叉口分车道详细交通参数采集方法
WO2020048350A1 (zh) * 2018-09-05 2020-03-12 阿里巴巴集团控股有限公司 路况信息处理方法、装置及系统
CN111489555A (zh) * 2020-05-14 2020-08-04 武汉理工大学 一种交通运行状态预测方法、装置和系统
CN111554088A (zh) * 2020-04-13 2020-08-18 重庆邮电大学 一种多功能v2x智能路侧基站系统
WO2020211658A1 (zh) * 2019-04-17 2020-10-22 阿里巴巴集团控股有限公司 触发检测方法、装置及系统
CN112512020A (zh) * 2020-11-20 2021-03-16 北京中交国通智能交通系统技术有限公司 一种基于多源数据融合的交通状态弱信号感知研判方法
CN113380039A (zh) * 2021-07-06 2021-09-10 联想(北京)有限公司 数据处理方法、装置和电子设备
CN113489793A (zh) * 2021-07-07 2021-10-08 重庆大学 一种混合交通场景下的快速路双车道协同控制方法
CN113791615A (zh) * 2021-08-20 2021-12-14 北京工业大学 一种混合车辆队列分布式模型预测控制方法
CN113965568A (zh) * 2021-10-19 2022-01-21 南京莱斯网信技术研究院有限公司 一种面向城市道路c-v2x网络的边缘计算系统
CN114333347A (zh) * 2022-01-07 2022-04-12 深圳市金溢科技股份有限公司 车辆信息融合方法、装置、计算机设备及存储介质
CN114512007A (zh) * 2020-11-17 2022-05-17 长沙智能驾驶研究院有限公司 交叉路口通行协调方法和装置
CN115035729A (zh) * 2021-03-04 2022-09-09 海信集团控股股份有限公司 一种交通信号控制方法、装置及系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106448194A (zh) * 2016-10-28 2017-02-22 清华大学 交叉路口交通信号和车辆协同控制方法及装置、车辆
WO2020048350A1 (zh) * 2018-09-05 2020-03-12 阿里巴巴集团控股有限公司 路况信息处理方法、装置及系统
WO2020211658A1 (zh) * 2019-04-17 2020-10-22 阿里巴巴集团控股有限公司 触发检测方法、装置及系统
CN110334666A (zh) * 2019-07-10 2019-10-15 北京工业大学 一种基于双摄像机的交叉口分车道详细交通参数采集方法
CN111554088A (zh) * 2020-04-13 2020-08-18 重庆邮电大学 一种多功能v2x智能路侧基站系统
CN111489555A (zh) * 2020-05-14 2020-08-04 武汉理工大学 一种交通运行状态预测方法、装置和系统
CN114512007A (zh) * 2020-11-17 2022-05-17 长沙智能驾驶研究院有限公司 交叉路口通行协调方法和装置
CN112512020A (zh) * 2020-11-20 2021-03-16 北京中交国通智能交通系统技术有限公司 一种基于多源数据融合的交通状态弱信号感知研判方法
CN115035729A (zh) * 2021-03-04 2022-09-09 海信集团控股股份有限公司 一种交通信号控制方法、装置及系统
CN113380039A (zh) * 2021-07-06 2021-09-10 联想(北京)有限公司 数据处理方法、装置和电子设备
CN113489793A (zh) * 2021-07-07 2021-10-08 重庆大学 一种混合交通场景下的快速路双车道协同控制方法
CN113791615A (zh) * 2021-08-20 2021-12-14 北京工业大学 一种混合车辆队列分布式模型预测控制方法
CN113965568A (zh) * 2021-10-19 2022-01-21 南京莱斯网信技术研究院有限公司 一种面向城市道路c-v2x网络的边缘计算系统
CN114333347A (zh) * 2022-01-07 2022-04-12 深圳市金溢科技股份有限公司 车辆信息融合方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姜杰;: "基于车路协同技术的交通信号控制系统研究与示范", 工业控制计算机, no. 09, 25 September 2018 (2018-09-25), pages 124 - 125 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117079451A (zh) * 2023-07-11 2023-11-17 清华大学 城市连续交叉路口场景下混合交通系统的控制方法及装置
CN117079451B (zh) * 2023-07-11 2024-04-19 清华大学 城市连续交叉路口场景下混合交通系统的控制方法及装置

Similar Documents

Publication Publication Date Title
Yaqoob et al. Autonomous driving cars in smart cities: Recent advances, requirements, and challenges
JP7214017B2 (ja) 異なる交差道路を走行する車両の共同制御
CN112700639B (zh) 一种基于联邦学习与数字孪生的智能交通路径规划方法
Zhang et al. Vehicular communication networks in the automated driving era
CN109272748B (zh) 车车通信结合辅助驾驶环境下匝道协同汇入方法及系统
CN105321362B (zh) 一种交叉口车辆智能协同通行方法
US20180299290A1 (en) Lane-level vehicle navigation for vehicle routing and traffic management
CN107909837A (zh) 一种车辆借道通行的方法和控制中心
CN109003467A (zh) 一种防止车辆碰撞的方法、装置及系统
WO2021102957A1 (zh) 一种车道保持方法、车载设备和存储介质
CN111469847B (zh) 一种变道路径规划的方法及系统
CN110992676B (zh) 一种道路通行能力与网联自动驾驶车当量系数估计方法
CN116403402A (zh) 一种网联环境下城市交叉口区域的交通状态预测方法
CN103236170B (zh) 一种基于动态路网的交通诱导方法
CN107085620A (zh) 一种出租车和地铁接驳出行线路的查询方法及系统
CN106530695A (zh) 基于车联网的城市干道车辆行程时间实时预测方法
Li et al. DSRC based vehicular platoon control considering the realistic V2V/V2I communications
CN112991723B (zh) 一种基于地理区域的智能网联计算机任务并行颗粒度的划分方法、系统及终端
Alhussain Density-scaling traffic management for autonomous vehicle environment—predictive learning-based technique
Tyagi et al. Artificial Intelligence—Internet of Things-Based Intelligent Transportation System
JP2023043957A (ja) 車載装置、画像認識システム、車載装置用の支援装置、画像認識方法、及び、モデルデータ送信方法
Tang et al. Cooperative connected smart road infrastructure and autonomous vehicles for safe driving
Lu et al. An anti-collision algorithm for self-organizing vehicular ad-hoc network using deep learning
Du et al. Environmental and Safety Impacts of Vehicle-to-Everything Enabled Applications: A Review of State-of-the-Art Studies
Esmaeili et al. A platoon formation strategy for heterogeneous vehicle types at a signalized intersection

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