CN116403407B - 一种公路收费站的车道动态配置与诱导方法、设备及介质 - Google Patents

一种公路收费站的车道动态配置与诱导方法、设备及介质 Download PDF

Info

Publication number
CN116403407B
CN116403407B CN202310626687.9A CN202310626687A CN116403407B CN 116403407 B CN116403407 B CN 116403407B CN 202310626687 A CN202310626687 A CN 202310626687A CN 116403407 B CN116403407 B CN 116403407B
Authority
CN
China
Prior art keywords
lane
vehicle
determining
opening
toll
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
CN202310626687.9A
Other languages
English (en)
Other versions
CN116403407A (zh
Inventor
李�杰
王金亮
吴建军
常玉涛
陈西广
韩应轩
屈云超
房宏基
纪艺
席永轲
尹淑婷
康强
段昕
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.)
Shandong High Speed Information Group Co ltd
Original Assignee
Shandong High Speed Information 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 Shandong High Speed Information Group Co ltd filed Critical Shandong High Speed Information Group Co ltd
Priority to CN202310626687.9A priority Critical patent/CN116403407B/zh
Publication of CN116403407A publication Critical patent/CN116403407A/zh
Application granted granted Critical
Publication of CN116403407B publication Critical patent/CN116403407B/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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • 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

Abstract

本申请公开了一种公路收费站的车道动态配置与诱导方法、设备及介质，涉及交通管理与控制领域，方法包括：确定收费站广场的道路门架，通过道路门架获取道路数据和广场车队数据，并将道路数据和广场车队数据进行保存，以形成历史数据；通过道路门架获取收费站广场前的车辆的车辆类型，并对历史数据进行数据预测分析，以得到车辆类型对应的流量参数；确定收费站广场的车道类型，并根据流量参数确定车道开通指标，根据车道开通指标确定车道类型对应的车道开通数量；根据车辆类型和车道开通指标对车辆进行诱导。本申请利用当天以往时段的车流量，预测当天某特定时段的车流量，并结合历史流量对其修正。

Description

一种公路收费站的车道动态配置与诱导方法、设备及介质
技术领域
本申请涉及交通管理与控制领域，尤其涉及一种公路收费站的车道动态配置与诱导方法、设备及介质。
背景技术
高速公路收费站作为车辆集聚和疏散的关键节点，在早晚高峰时间段时，当车辆到达率大于收费站服务率时，大量车辆在收费广场聚集，易发生交通拥堵。由于ETC推广发行仍未完全普及，未来将长期存在ETC车辆和MTC车辆混合通行情况，在特定时间段内，当MTC车辆较多、MTC车辆的到达率大于MTC收费车道的服务速率时，MTC收费车道数量不足以满足到达的MTC车辆的通行需求，MTC收费车道便会出现车辆排队现象，进而影响其他车辆正常通行，造成交通拥堵；当ETC车辆较少、ETC车辆到达速率小于ETC收费车道的服务速率时，便会出现ETC收费车道资源闲置的情况。不同时间段，ETC车辆和MTC车辆到达收费站的比例不同。便会出现某类型收费车道空闲，而另一类型收费车道不足以满足车辆通行需求的情况。现有多数收费站各收费车道类型和数量均已固定，无法根据到达不同车辆类型数量、比例动态调整收费车道的服务类型，车道资源分配不均是造成收费站拥堵、收费车道利用率不高的主要原因之一。
发明内容
为了解决上述问题，本申请提出了一种公路收费站的车道动态配置与诱导方法，包括：确定收费站广场的道路门架，通过所述道路门架获取道路数据和广场车队数据，并将所述道路数据和广场车队数据进行保存，以形成历史数据；通过所述道路门架获取所述收费站广场前的车辆的车辆类型，并对所述历史数据进行数据预测分析，以得到所述车辆类型对应的流量参数；确定所述收费站广场的车道类型，并根据所述流量参数确定车道开通指标，根据所述车道开通指标确定所述车道类型对应的车道开通数量；根据所述车辆类型和所述车道开通指标对所述车辆进行诱导。
在一个示例中，对所述历史数据进行数据预测分析，具体包括：确定预先设置的预测模型，并确定所述预测模型的模型系数；确定预测时段，根据所述历史数据确定所述预测时段对应的当日历史时段数据和往日同时段数据；将所述当日历史时段数据输入至所述预测模型，以得到预测流量参数；根据所述预测流量参数、所述往日同时段数据和所述模型系数确定所述流量参数。
在一个示例中，根据所述流量参数确定车道开通指标，具体包括：根据历史数据确定历史开通指标，并根据所述历史开通指标对所述流量参数进行检验，以得到道路排队长度；根据所述道路排队长度和所述历史开通指标确定指标调整参数，并根据所述指标调整参数确定所述车道开通指标。
在一个示例中，根据所述车道开通指标确定车道开通数量，具体包括：将所流量参数输入至M/G/K模型，以得到车道开通参数；根据所述车道开通参数、所述车道开通指标确定所述车道开通数量。
在一个示例中，根据所述车辆类型和所述车道开通指标对所述车辆进行诱导，具体包括：确定所述收费站广场处全部的车道，并根据所述车辆类型确定所述车辆对应的车道集合；根据所述车道开通指标确定所述车道集合内的车道对应的通过时间，对所述通过时间进行排序，以确定最小通过时间，并确定所述最小通过时间对应的推荐车道；根据所述推荐车道对所述车辆进行诱导。
在一个示例中，根据所述推荐车道对所述车辆进行诱导，具体包括：确定所述车辆所在的本车道和所述车辆在换道时的目标车道，并确定所述车辆的换道加速度变化值；确定所述车辆换道时所述本车道处后车的第一加速度变化值，并确定所述车辆换道时所述目标车道处后车的第二加速度变化值；根据所述换道加速度变化值、所述第一加速度变化值和所述第二加速度变化值确定所述车辆的换道加速度；确定预先设置的换道加速度允许阈值，将所述换道加速度与所述换道加速度允许阈值进行比较；若所述换道加速度大于所述换道加速度允许阈值，则对所述车道进行诱导，以使所述车辆换道至所述目标车道。
在一个示例中，所述方法还包括：根据所述流量参数确定诱导信息，将所述诱导信息发送至所述收费站广场的智能诱导情报板，以使所述车辆根据所述诱导信息进行换道，其中，所述诱导信息包括但不限于所述收费站广场的车道开通数量、车道开通类型、道路排队长度。
在一个示例中，所述方法还包括：根据所述诱导信息确定换道信息，通过路侧单元将所述换道信息发送至所述车辆，以使所述车辆根据所述换道信息进行换道，其中，所述换道信息包括但不限于目标车道、目标车道的道路排队长度、换道加速度允许阈值。
另一方面，本申请还提出了一种公路收费站的车道动态配置与诱导设备，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指令，所述指令被所述至少一个处理器执行，以使所述一种公路收费站的车道动态配置与诱导设备能够执行：确定收费站广场的道路门架，通过所述道路门架获取道路数据和广场车队数据，并将所述道路数据和广场车队数据进行保存，以形成历史数据；通过所述道路门架获取所述收费站广场前的车辆的车辆类型，并对所述历史数据进行数据预测分析，以得到所述车辆类型对应的流量参数；确定所述收费站广场的车道类型，并根据所述流量参数确定车道开通指标，根据所述车道开通指标确定所述车道类型对应的车道开通数量；根据所述车辆类型和所述车道开通指标对所述车辆进行诱导。
另一方面，本申请还提出了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：确定收费站广场的道路门架，通过所述道路门架获取道路数据和广场车队数据，并将所述道路数据和广场车队数据进行保存，以形成历史数据；通过所述道路门架获取所述收费站广场前的车辆的车辆类型，并对所述历史数据进行数据预测分析，以得到所述车辆类型对应的流量参数；确定所述收费站广场的车道类型，并根据所述流量参数确定车道开通指标，根据所述车道开通指标确定所述车道类型对应的车道开通数量；根据所述车辆类型和所述车道开通指标对所述车辆进行诱导。
本申请通过在收费广场上游路段位置安装门架，门架上设置天线、车辆数据采集设备、智能路侧设施和高清摄像机，在特定时间段内，当车辆经过上述设施，门架上安装的设备获取该时段内车流量和ETC车辆数，智能路侧设施获取智能网联车辆数量。利用当天以往时段的车流量，预测当天某特定时段的车流量，并结合历史流量对其修正。统计该时段内ETC车辆和非ETC车辆流量。以ETC车辆和非ETC车辆流量，确定该时段内收费站收费车道动态资源配置策略，动态调整ETC收费车道和MTC收费车道的数量及其比例。通过收费广场的高清摄像机，实时获取各个收费车道车队长度，将收费站收费车道配置信息、收费广场各个收费车道的车队长度实时发送至智能网联车辆车载终端以及智慧诱导情报板。传统人工车辆和ETC车辆根据收费广场入口的智慧情报板诱导信息，选择目标车道并进入收费广场。由于人工车辆往往选择变道次数较少、正对高速公路主线的收费车道，导致远离主线的收费车道较少被选择，从而导致收费广场收费车道资源浪费；且由于每个时间段开启的收费车道数量不同，通过智能网联车辆提供诱导信息，对未利用的收费车道进行补充。智能网联车辆通过获取的收费站收费车道配置信息和收费广场各收费车道长度，并根据是否为ETC车辆形成车道选择和诱导建议，选择目标收费车道。根据某时间段内，到达收费站的ETC车辆和MTC车辆的数量，动态调整收费站ETC收费车道和MTC收费车道的配置情况，能有效提高车道资源的利用效率。同时，随着智能网联车辆及其相关技术的发展，智能网联车辆在未来市场上的渗透率将会逐步增加，智能网联车辆可以通过先进的无线通信技术和智能传感技术，全方位获取车辆周围环境信息，实现车路、车车动态实时信息交互。此外，智能网联车辆由于其特性，可允许其与前车存在较小的车间距离，对于收费站来说，在一定程度上增加了收费广场容量。通过对智能网联环境下智能网联车辆和传统人工驾驶车辆的车道选择和收费站收费车道类型动态配置策略研究，能有效提高收费站的通行效率，更好的适应未来混合交通通过收费站的场景。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中一种公路收费站的车道动态配置与诱导方法的流程示意图；
图2为本申请实施例中一种公路收费站的车道动态配置与诱导系统的结构示意图；
图3为本申请实施例中一种公路收费站的车道动态配置与诱导设备的示意图。
其中，1、广场高清摄像机，2、ETC车辆，3、传统车辆，4、车牌图像识别设备，5、智能网联车辆，6、路侧单元，7、微波天线，8、信息传输设备，9、门架服务器，10、门架，11、门架高清摄像机，12、智能诱导情报板。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
在高峰时间段内，由于MTC车辆需停车进行人工缴费，MTC收费车道相较于ETC收费车道通行难度更高，所需通行时间更长，MTC收费车道更容易出现车辆排队情况。ETC车辆为保证高效通过收费站，很少将MTC收费车道作为其目标车道，因此假设ETC车辆、智能网联ETC车辆只将ETC收费车道选为其通过收费站的目标车道。其次，由于车辆进入收费广场后，往往选择高速公路主线正对的收费车道作为其目标车道，进而导致高速公路主线正对的收费车道车队长度相较于其他收费车道车队长度更长。当车队溢至收费广场入口时，会严重影响其他车辆的通行，后续到达车辆只能被迫跟随前车排至队尾，导致其他收费车道未能得到有效利用。ETC收费车道由于其收费效率更高，ETC收费车道车辆车队长度积累速度相较于MTC收费车道车队积累速度更慢，且ETC收费车道车队消散更快。若将高速公路主线正对的收费车道类型设为ETC收费车道，对将进入收费广场的车辆影响更小。因此，在高速公路主线正对的收费车道设置为ETC收费车道，根据下一时段预测ETC车辆数量和MTC车辆数量向两侧动态配置ETC收费车道。即，在下一时段，预测到达收费广场的车辆中，ETC车辆较多时，以高速公路主线正对的ETC收费车道为中心，向两侧动态增加ETC收费车道数量。当ETC车辆较少时。由两侧向中心动态减少ETC收费车道数量。
如图1所示，本申请实施例提供的一种公路收费站的车道动态配置与诱导方法，应用在一种公路收费站的车道动态配置与诱导系统中，如图2所示，该系统安装在收费站广场处，包括广场高清摄像机1、ETC车辆2、传统车辆3、车牌图像识别设备4、智能网联车辆5、路侧单元6、微波天线7、信息传输设备8、门架服务器9、门架10、门架高清摄像机11、智能诱导情报板12、云端服务器（图中未示出）、车辆检测器（图中未示出）。方法包括：
S101、确定收费站广场的道路门架，通过所述道路门架获取道路数据和广场车队数据，并将所述道路数据和广场车队数据进行保存，以形成历史数据。
通过门架10装置的微波天线7、车牌图像识别设备4、门架高清摄像机11、门架服务器9等设备，获取各个时段内，将要进入收费站的智能网联车辆5的数量、传统车辆3的数量、ETC车辆2的辆数量，通过路侧单元6，即RSU进一步获取智能网联ETC车辆数量和智能网联MTC车辆数量。
云端服务器对门架高清摄像机11拍摄的图像进行分析，获取收费广场各个收费车道的车队长度信息，实时将各时段内各类型收费车道位置分布、各收费车道车队长度发送至收费广场入口的智能诱导情报板12。
通过各个时段内统计的进入收费广场的智能网联ETC车辆、智能网联MTC车辆的数量、传统车辆数量、ETC车辆数量，结合预测时段的往日历史数据，预测车辆流量参数，并以此为标准，调整预测时段内收费站开通的ETC收费车道和MTC收费车道的数量，不同的时间段根据智能网联ETC车辆、智能网联MTC车辆的数量、传统车辆的数量、ETC车辆数量动态配置调整ETC收费车道和MTC收费车道的数量。
在一个实施例中，正常情况下，假设车辆到达服从泊松分布，其中，MTC收费车道的车辆服务时间服从正态分布，ETC收费车道由于其特性，车辆限速一旦确定，其服务时间也确定。为使得收费广场容量最大程度利用，需使ETC收费车道和MTC收费车道车辆各自的平均排队长度近似相等，以此动态配置ETC收费车道和MTC收费车道的数量和比例。并将收费广场各收费车道车队长度、收费车道服务类型数量及其位置通过智能诱导情报板实时反馈至收费广场入口，便于将进入收费广场的传统车辆、ETC车辆确定其目标车道。通过对智能网联车辆发送诱导信息，使其在上游提前进行换道，根据其车辆类型为其分配其目的车道，对远离高速公路主线的服务车道的未利用空间进行补充。
S102、通过所述道路门架获取所述收费站广场前的车辆的车辆类型，并对所述历史数据进行数据预测分析，以得到所述车辆类型对应的流量参数。
为求得某一特定时段的收费广场车道配置策略，其中包括所需要开设的ETC车道与MTC车道数量。通过仿真的方式得出特定时段内车道配置策略。然后再通过传统ETC车道、MTC车道数量计算方法对仿真结果进行修正。
在一个实施例中，为通过仿真方式、传统方式计算车道配置数量，需得知特定时段内，智能网联ETC车辆流量、智能网联MTC车辆流量、ETC车辆流量、MTC车辆流量。为方便表述，在此将一段时间段以该时间段的开头作为标记，例如，时刻到/>时刻的中间时段/>-记为时段/>，其中，每个时间段的区间划分单位可自定义设置，例如，小时、分钟。通过高清摄像机、车牌图像识别设备、路侧设施等测得各个时间段/>内智能网联ETC车辆流量为、智能网联MTC车辆流量为/>、传统车辆流量为/>、ETC车辆流量为/>。通过预测模型，将前/>个时段/>、/>、/>、···/>的智能网联ETC车辆流量、智能网联MTC车辆流量、传统车辆流量、ETC车辆流量作为预测模型的输入，进一步预测当天下一时段的智能网联ETC车辆预测流量/>、智能网联MTC车辆预测流量/>、传统车辆预测流量/>、ETC车辆预测流量/>。并结合历史每日的/>时段智能网联ETC车辆平均流量/>、智能网联MTC车辆平均流量/>、传统车辆平均流量/>、ETC车辆平均流量/>对所预测流量修正，得到最终所需/>智能网联ETC车辆流量为/>、智能网联MTC车辆流量为/>、传统车辆流量为/>、ETC车辆流量为/>，通过预测模型所得到的当天下一时段/>预测流量系数为/>，历史每日/>时段平均流量系数为。那么，以智能网联ETC车流量/>为例，则当天的下一时段/>车道配置策略所用流量，即流量参数为
S103、确定所述收费站广场的车道类型，并根据所述流量参数确定车道开通指标，根据所述车道开通指标确定所述车道类型对应的车道开通数量。
在一个实施例中，将上述预测出的时段的四种车辆流量，作为仿真过程车流输入，在不改变/>时段的车道配置策略情况下，即历史开通指标，例如，ETC收费车道数量为，MTC收费车道数量为/>。检验/>时段车道配置策略是否可应用于/>时段，根据仿真过程中各个收费车道排队长度不同，调整指标调整参数，以进一步调整/>时段收费站收费车道数量配置策略。设在/>时段的仿真过程中，ETC收费车道车队平均长度为/>，MTC收费车道车队平均长度为/>，若ETC收费车道车队平均长度短于MTC收费车道车队平均长度，则减少c条ETC收费车道数量，增加c条MTC收费车道数量；若ETC收费车道车队平均长度长于MTC收费车道车队平均长度，则增加c条ETC收费车道数量，减少c条MTC收费车道数量。其中，c为指标调整参数。
以ETC收费车道车队平均长度短于MTC收费车道车队平均长度为例，增加的MTC收费车道数量c计算过程公式为：
通过仿真方法求得，特定时段内，ETC收费车道数量为/>（在此称为第一车道开通指标），MTC收费车道数量为/>（在此称为第二车道开通指标）。
在一个实施例中，根据特定时段内四种车辆的预测流量，ETC收费车道到达车辆流量，即智能网联ETC车辆、ETC车辆为/>+/>，MTC收费车道到达车辆流量，即智能网联MTC车辆、传统车辆为/>+/>，对于ETC收费车道，运用M/G/K模型计算收费广场时段/>的ETC收费车道数量为/>（在此称为第一车道开通参数）；对于MTC收费车道，利用M/D/C模型计算收费广场时段/>的MTC收费车道数量/>（在此称为第二车道开通参数）。因此，最终确定的ETC收费车道的开通数量/>（在此称为第一开通数量）为：
最终确定的MTC收费车道的开通数量（在此称为第二开通数量）为:
S104、根据所述车辆类型和所述车道开通指标对所述车辆进行诱导。
仿真过程的规则主要有目标收费车道选择过程、车辆跟随前方车辆行进的跟驰过程、车辆换道过程。
在一个实施例中，在车辆排队跟驰过程中，智能网联车辆和人工驾驶车辆排队跟驰过程运用智能驾驶员跟驰模型描述其排队跟驰过程为：
其中，为传统车辆最大加速度，/>为车辆当前车速，/>为车辆期望车速，/>为加速度指数，/>为车辆与前车的速度差，/>为车辆与前车的车距，/>为期望跟车距离。
其中，用于衡量当前车速与期望车速的差值，促进车辆加速。/>用于衡量当前车距与期望车距的差值，促进车辆制动。
的计算公式为：
其中，为舒适减速度，通过平衡项/>，以及动力项/>来实现智能刹车策略。
在一个实施例中，在目标收费车道选择过程中，通过不同方式刻画智能网联车辆目标收费车道选择过程和人工驾驶车辆目标收费车道的选择过程。智能网联车辆可利用其本身特性，对收费广场现状各收费车道实时分析，提供合理建议。其可预估其从当前车道选择目标收费车道并通过收费车道过程的时间，从而更加准确的选择通行时间最短的目标收费车道。为发挥智能网联车的优势及特性，开发了如下智能网联车辆车道选择过程：
在时段内，智能网联车辆估算其从收费广场入口行驶至各个收费车道并通过收费站的总时间，选择通过收费站总时间最小的收费车道作为其最终目标收费车道。记在时段/>内，收费广场ETC收费车道由内向外编号为/>，MTC收费车道由内向外编号为/>。智能网联车辆从收费广场入口行驶至目标收费车道车队队尾尾的过程时间记为/>，智能网联车辆从最初车道行驶至目标收费车道换道过程所用时间为/>，智能网联ETC车辆沿车道方向移动平均速度记为/>，智能网联MTC车辆沿车道方向移动平均速度记为/>，智能网联车辆于/>时刻进入收费广场时，各收费车道车队长度记为/>或/>，经过/>后，智能网联车辆到达目标收费车道队尾，此时车队长度为/>或/>，智能网联车辆在目标收费车道跟随车队行驶通过收费车道的时间记为/>。假设ETC车道单位时间内可通过的车辆数/>，ETC收费车道服务时间为/>，MTC收费车道平均服务时间为/>。其中，MTC车道车辆收费时间均值、MTC车道车辆收费时间方差/>与收费站收费人员操作熟练度有关、ETC车道单位时间内可通过的车辆数/>与ETC车道限速值有关，均可由收费站人员测得。车辆车身长度为/>，则根据上述数据计算智能网联车辆进入收费广场选择某一收费车道通过收费站的总时间。
其中，智能网联ETC车辆通过收费站时间的计算公式为：
智能网联MTC车辆通过收费站时间的计算公式为：
以智能网联ETC车辆为例，计算其从收费广场入口行驶至某一收费车道车队队尾时间的计算公式为：
联立以上两式，可求得，对于/>的计算公式为：
对于智能网联ETC车辆，根据最小值选择最终建议的ETC服务车道为使智能网联ETC车辆通过收费站时间最短的ETC服务车道：
对于智能网联MTC车辆，、/>计算时间同智能网联ETC车辆一致，同理，根据最小值选择最终建议的MTC服务车道为使智能网联MTC车辆通过收费站时间最短的MTC服务车道：
对于人工驾驶的普通车辆，其在选择收费车道时，主要考虑两方面因素，一方面为换道至目标收费车道的换道难度，另一方面收费车道的排队长度，人工驾驶车辆往往更倾向于选择正对上游路段正对的收费车道作为其目标收费车道。对于人工ETC车辆，根据往日每个时间段通过某个ETC服务车道的人工ETC车流量占该时段内总人工ETC车辆流量的比例描述该时段内人工ETC车辆选择该ETC收费车道作为其目标收费车道的选择概率。对于人工MTC车辆，同理。
人工ETC车辆在时段选择ETC收费车道/>作为其目标收费车道的选择概率的计算公式为：
其中，
人工MTC车辆在时段选择MTC收费车道/>作为其目标收费车道的选择概率的计算公式为：
其中，
在一个实施例中，在车辆换道过程中，智能网联车辆和人工驾驶车辆换道过程运用Mobile模型，Mobile换道模型将换道后车辆加速度增量作为收益，驾驶人以获得更大收益为目标进行换道决策，在进行换道时，需考虑相邻车道及其所在车道后车的移动情况为：
其中，和/>分别为当前车辆/>换道前后加速度值，/>和/>分别为相邻车道的后车在车辆/>换道前后的加速度值，/>和/>分别为当前车道的后车在/>车换道前后的加速度值，/>为谦让程度，/>为允许换道的加速度阈值。
进一步地，高速公路主线正对的收费车道设为ETC收费车道，以此收费车道为中心，向两侧依次增设条ETC收费车道，其余路段设为MTC收费车道。
当处于低峰时段时，车辆到达速率小于收费车道的服务速率，收费站无需开通所有收费车道，根据特定时段内到达的ETC车辆、MTC车辆、智能网联车辆流量、单个ETC收费车道和单个MTC收费车道通行能力，开设相应的ETC收费车道数量和MTC收费车道数量，以满足低峰时段内正常的车辆通行需求。
进一步地，为实现智能网联车辆在不同时段内收费车道不同的情况，对未利用的收费车道进行补充，中央处理器给其提供的车道选择建议计算过程为：第一，确定收费站几何布局，包括收费广场长度、宽度、车道数、收费车道数、匝道的长度等基本参数。第二，车辆从主线进入匝道，匝道门架获取每时段的车流量和ETC车辆数、智能网联车辆数、传统车辆数；路测设施获取智能网联ETC车辆数、智能网联MTC车辆数，以当天前σ时段流量为基础预测下时段的车流量，并结合历史流量对其修正。第三，根据统计下一时段获取的智能网联车辆和传统车辆流量，统计ETC车辆和非ETC车辆流量。第四，根据ETC车辆流量和非ETC车辆流量确定车道动态资源配置策略。第五，将形成车道配置信息实时发送至智能网联车辆车载终端以及匝道智慧诱导情报板。第六，智能网联车辆通过获取的车道配置信息和自身以及周围车辆信息，并根据是否为ETC车辆形成车道选择和诱导建议，进入目标车道。第七，传统车辆根据智慧情报板诱导信息，进入收费广场并选择目标车道。
在一个实施例中，针对各类型智能网联车辆的诱导信息发送至上游路段的RSU。RSU再将上述信息发送至智能网联车辆，使其于上游路段提前进行换道，换至靠近目标收费车道的上游车道，以减少其在收费广场中的换道行为，进入收费广场后，智能网联车辆根据发送的诱导信息，对车道进一步选择，以补充未被完全利用的收费车道。
在一个实施例中，发送至智能网联车辆的诱导信息包括：收费广场各个收费车道类型的位置信息、各收费车道车队长度信息等。针对某类型智能网联车辆的建议目标收费车道。由于车辆通过收费广场中远离高速公路主线正对的收费车道时，需进行多次换道，导致其无法被有效利用，通过对智能网联车辆发送建议目标收费车道，使其于上游路段提前进行换道，将智能网联车辆引流至未利用的空闲收费车道。
在一个实施例中，如图2所示，本申请还提供了一种公路收费站的车道动态配置与诱导系统，在该系统中，传统车辆3为不具备与路侧RSU设备进行联网通信功能，以及没有装载ETC车载设备的传统人工驾驶车辆。智能网联车辆5为装载先进传感器设备，可实现车辆与周围环境进行信息交换共享的新一代车辆，智能网联车辆又根据其是否装载ETC设备而分为智能网联ETC车辆和智能网联MTC车辆，智能网联ETC车辆可通过ETC收费车道和MTC收费车道，智能网联MTC车辆只可通过MTC收费车道。ETC车辆2为车辆挡风玻璃上的安装有车载电子标签，可与门架10上的微波天线7进行专用短程通讯的车辆。信息传输设备8用于采集收费广场高清摄像机1所拍摄的图像，并将图像发送至云端服务器。门架10用于安装微波天线7、车牌图像识别设备4、门架高清摄像机11、门架服务器9等设备，其设置于收费广场的上游路段，靠近收费广场入口的位置。门架服务器9用于收集安装于门架10的微波天线7、车牌图像识别设备4、门架高清摄像机11等收集的信息并将其发送至云端服务器。车牌图像识别设备4用于拍摄记录即将进入收费站的所有车辆，并获取车辆的车牌号。门架高清摄像机11用于获取所有将要进入收费广场的车辆车型流量等数据。广场高清摄像机1用于实时记录检测收费广场各个收费车道车队长度，并将图像发送至云端服务器。门架10上的微波天线7可与ETC车辆2进行短程通信，用于获取特定时间段内的ETC车辆数量。车辆检测器（图中未示出）用于获取进入收费站车辆的速度、交通量等车辆到达数据。路侧单元6用于获取进入收费广场的智能网联车辆5的流量、判断是否为ETC车辆等基本信息。路侧RSU设备将获取的车辆信息通过信息传输设备8传输至云端服务器，对智能网联车辆5的流量进行处理分析。智能诱导情报板12设置于收费广场入口处，将收费广场各收费车道车队长度以及收费站ETC收费车道和MTC收费车道配置信息实时展示于智能诱导情报板12上，ETC车辆2和传统车辆3可通过智能诱导情报板12发布的信息选择相应收费车道。
如图3所示，本申请实施例还提供了一种公路收费站的车道动态配置与诱导设备，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指令，所述指令被所述至少一个处理器执行，以使所述一种公路收费站的车道动态配置与诱导设备能够执行：
确定收费站广场的道路门架，通过所述道路门架获取道路数据和广场车队数据，并将所述道路数据和广场车队数据进行保存，以形成历史数据；
通过所述道路门架获取所述收费站广场前的车辆的车辆类型，并对所述历史数据进行数据预测分析，以得到所述车辆类型对应的流量参数；
确定所述收费站广场的车道类型，并根据所述流量参数确定车道开通指标，根据所述车道开通指标确定所述车道类型对应的车道开通数量；
根据所述车辆类型和所述车道开通指标对所述车辆进行诱导。
本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
确定收费站广场的道路门架，通过所述道路门架获取道路数据和广场车队数据，并将所述道路数据和广场车队数据进行保存，以形成历史数据；
通过所述道路门架获取所述收费站广场前的车辆的车辆类型，并对所述历史数据进行数据预测分析，以得到所述车辆类型对应的流量参数；
确定所述收费站广场的车道类型，并根据所述流量参数确定车道开通指标，根据所述车道开通指标确定所述车道类型对应的车道开通数量；
根据所述车辆类型和所述车道开通指标对所述车辆进行诱导。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (5)

1.一种公路收费站的车道动态配置与诱导方法，其特征在于，包括：
确定收费站广场的道路门架，通过所述道路门架获取道路数据和广场车队数据，并将所述道路数据和广场车队数据进行保存，以形成历史数据；
通过所述道路门架获取所述收费站广场前的车辆的车辆类型，并对所述历史数据进行数据预测分析，以得到所述车辆类型对应的流量参数；
其中，确定预先设置的预测模型，并确定所述预测模型的模型系数；
确定预测时段，根据所述历史数据确定所述预测时段对应的当日历史时段数据和往日同时段数据；
将所述当日历史时段数据输入至所述预测模型，以得到预测流量参数；
根据所述预测流量参数、所述往日同时段数据和所述模型系数确定所述流量参数；
确定所述收费站广场的车道类型，并根据所述流量参数确定车道开通指标，根据所述车道开通指标确定所述车道类型对应的车道开通数量；
其中，根据历史数据确定历史开通指标，并根据所述历史开通指标对所述流量参数进行检验，以得到道路排队长度；
根据所述道路排队长度和所述历史开通指标确定指标调整参数，并根据所述指标调整参数确定所述车道开通指标；
所述指标调整参数的计算公式为：
其中，为MTC收费车道数量，/>为ETC收费车道数量，/>为MTC收费车道的排队平均长度，/>为ETC收费车道的排队平均长度；
其中，将所流量参数输入至M/G/K模型，以得到车道开通参数；所述车道开通参数包括第一车道开通参数和第二车道开通参数；
根据所述车道开通参数、所述车道开通指标确定所述车道开通数量；所述车道开通数量包括第一车道开通数量和第二车道开通数量；
所述第一车道开通数量的计算公式为：
其中，为所述第一车道开通数量，/>为所述第一车道开通参数，/>为所述第二车道开通参数；
所述第二车道开通数量的计算公式为：
其中，为所述第二车道开通数量，/>为所述第一车道开通参数，/>为所述第二车道开通参数；
根据所述车辆类型和所述车道开通指标对所述车辆进行诱导；
其中，确定所述收费站广场处全部的车道，并根据所述车辆类型确定所述车辆对应的车道集合；
根据所述车道开通指标确定所述车道集合内的车道对应的通过时间，对所述通过时间进行排序，以确定最小通过时间，并确定所述最小通过时间对应的推荐车道；
所述通过时间的计算公式为：
其中，为ETC车辆的通过时间，/>为MTC车辆的通过时间，/>为ETC车辆从收费广场入口行驶至收费车道车队队尾时间，/>为MTC车辆从收费广场入口行驶至收费车道车队队尾时间，/>为ETC车辆跟随车队行驶通过收费车道的时间，/>为MTC车辆跟随车队行驶通过收费车道的时间，/>为ETC收费车道服务时间，/>为MTC收费车道平均服务时间；
根据所述推荐车道对所述车辆进行诱导；
其中，确定所述车辆所在的本车道和所述车辆在换道时的目标车道，并确定所述车辆的换道加速度变化值；
确定所述车辆换道时所述本车道处后车的第一加速度变化值，并确定所述车辆换道时所述目标车道处后车的第二加速度变化值；
根据所述换道加速度变化值、所述第一加速度变化值和所述第二加速度变化值确定所述车辆的换道加速度；
确定预先设置的换道加速度允许阈值，将所述换道加速度与所述换道加速度允许阈值进行比较；
若所述换道加速度大于所述换道加速度允许阈值，则对所述车道进行诱导，以使所述车辆换道至所述目标车道。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述流量参数确定诱导信息，将所述诱导信息发送至所述收费站广场的智能诱导情报板，以使所述车辆根据所述诱导信息进行换道，其中，所述诱导信息包括所述收费站广场的车道开通数量、车道开通类型、道路排队长度。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述诱导信息确定换道信息，通过路侧单元将所述换道信息发送至所述车辆，以使所述车辆根据所述换道信息进行换道，其中，所述换道信息包括目标车道、目标车道的道路排队长度、换道加速度允许阈值。
4.一种公路收费站的车道动态配置与诱导设备，其特征在于，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指令，所述指令被所述至少一个处理器执行，以使所述一种公路收费站的车道动态配置与诱导设备能够执行：
确定收费站广场的道路门架，通过所述道路门架获取道路数据和广场车队数据，并将所述道路数据和广场车队数据进行保存，以形成历史数据；
通过所述道路门架获取所述收费站广场前的车辆的车辆类型，并对所述历史数据进行数据预测分析，以得到所述车辆类型对应的流量参数；
其中，确定预先设置的预测模型，并确定所述预测模型的模型系数；
确定预测时段，根据所述历史数据确定所述预测时段对应的当日历史时段数据和往日同时段数据；
将所述当日历史时段数据输入至所述预测模型，以得到预测流量参数；
根据所述预测流量参数、所述往日同时段数据和所述模型系数确定所述流量参数；
确定所述收费站广场的车道类型，并根据所述流量参数确定车道开通指标，根据所述车道开通指标确定所述车道类型对应的车道开通数量；
其中，根据历史数据确定历史开通指标，并根据所述历史开通指标对所述流量参数进行检验，以得到道路排队长度；
根据所述道路排队长度和所述历史开通指标确定指标调整参数，并根据所述指标调整参数确定所述车道开通指标；
所述指标调整参数的计算公式为：
其中，为MTC收费车道数量，/>为ETC收费车道数量，/>为MTC收费车道的排队平均长度，/>为ETC收费车道的排队平均长度；
其中，将所流量参数输入至M/G/K模型，以得到车道开通参数；所述车道开通参数包括第一车道开通参数和第二车道开通参数；
根据所述车道开通参数、所述车道开通指标确定所述车道开通数量；所述车道开通数量包括第一车道开通数量和第二车道开通数量；
所述第一车道开通数量的计算公式为：
其中，为所述第一车道开通数量，/>为所述第一车道开通参数，/>为所述第二车道开通参数；
所述第二车道开通数量的计算公式为：
其中，为所述第二车道开通数量，/>为所述第一车道开通参数，/>为所述第二车道开通参数；
根据所述车辆类型和所述车道开通指标对所述车辆进行诱导；
其中，确定所述收费站广场处全部的车道，并根据所述车辆类型确定所述车辆对应的车道集合；
根据所述车道开通指标确定所述车道集合内的车道对应的通过时间，对所述通过时间进行排序，以确定最小通过时间，并确定所述最小通过时间对应的推荐车道；
所述通过时间的计算公式为：
其中，为ETC车辆的通过时间，/>为MTC车辆的通过时间，/>为ETC车辆从收费广场入口行驶至收费车道车队队尾时间，/>为MTC车辆从收费广场入口行驶至收费车道车队队尾时间，/>为ETC车辆跟随车队行驶通过收费车道的时间，/>为MTC车辆跟随车队行驶通过收费车道的时间，/>为ETC收费车道服务时间，/>为MTC收费车道平均服务时间；
根据所述推荐车道对所述车辆进行诱导；
其中，确定所述车辆所在的本车道和所述车辆在换道时的目标车道，并确定所述车辆的换道加速度变化值；
确定所述车辆换道时所述本车道处后车的第一加速度变化值，并确定所述车辆换道时所述目标车道处后车的第二加速度变化值；
根据所述换道加速度变化值、所述第一加速度变化值和所述第二加速度变化值确定所述车辆的换道加速度；
确定预先设置的换道加速度允许阈值，将所述换道加速度与所述换道加速度允许阈值进行比较；
若所述换道加速度大于所述换道加速度允许阈值，则对所述车道进行诱导，以使所述车辆换道至所述目标车道。
5.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
确定收费站广场的道路门架，通过所述道路门架获取道路数据和广场车队数据，并将所述道路数据和广场车队数据进行保存，以形成历史数据；
通过所述道路门架获取所述收费站广场前的车辆的车辆类型，并对所述历史数据进行数据预测分析，以得到所述车辆类型对应的流量参数；
其中，确定预先设置的预测模型，并确定所述预测模型的模型系数；
确定预测时段，根据所述历史数据确定所述预测时段对应的当日历史时段数据和往日同时段数据；
将所述当日历史时段数据输入至所述预测模型，以得到预测流量参数；
根据所述预测流量参数、所述往日同时段数据和所述模型系数确定所述流量参数；
确定所述收费站广场的车道类型，并根据所述流量参数确定车道开通指标，根据所述车道开通指标确定所述车道类型对应的车道开通数量；
其中，根据历史数据确定历史开通指标，并根据所述历史开通指标对所述流量参数进行检验，以得到道路排队长度；
根据所述道路排队长度和所述历史开通指标确定指标调整参数，并根据所述指标调整参数确定所述车道开通指标；
所述指标调整参数的计算公式为：
其中，为MTC收费车道数量，/>为ETC收费车道数量，/>为MTC收费车道的排队平均长度，/>为ETC收费车道的排队平均长度；
其中，将所流量参数输入至M/G/K模型，以得到车道开通参数；所述车道开通参数包括第一车道开通参数和第二车道开通参数；
根据所述车道开通参数、所述车道开通指标确定所述车道开通数量；所述车道开通数量包括第一车道开通数量和第二车道开通数量；
所述第一车道开通数量的计算公式为：
其中，为所述第一车道开通数量，/>为所述第一车道开通参数，/>为所述第二车道开通参数；
所述第二车道开通数量的计算公式为：
其中，为所述第二车道开通数量，/>为所述第一车道开通参数，/>为所述第二车道开通参数；
根据所述车辆类型和所述车道开通指标对所述车辆进行诱导；
其中，确定所述收费站广场处全部的车道，并根据所述车辆类型确定所述车辆对应的车道集合；
根据所述车道开通指标确定所述车道集合内的车道对应的通过时间，对所述通过时间进行排序，以确定最小通过时间，并确定所述最小通过时间对应的推荐车道；
所述通过时间的计算公式为：
其中，为ETC车辆的通过时间，/>为MTC车辆的通过时间，/>为ETC车辆从收费广场入口行驶至收费车道车队队尾时间，/>为MTC车辆从收费广场入口行驶至收费车道车队队尾时间，/>为ETC车辆跟随车队行驶通过收费车道的时间，/>为MTC车辆跟随车队行驶通过收费车道的时间，/>为ETC收费车道服务时间，/>为MTC收费车道平均服务时间；
根据所述推荐车道对所述车辆进行诱导；
其中，确定所述车辆所在的本车道和所述车辆在换道时的目标车道，并确定所述车辆的换道加速度变化值；
确定所述车辆换道时所述本车道处后车的第一加速度变化值，并确定所述车辆换道时所述目标车道处后车的第二加速度变化值；
根据所述换道加速度变化值、所述第一加速度变化值和所述第二加速度变化值确定所述车辆的换道加速度；
确定预先设置的换道加速度允许阈值，将所述换道加速度与所述换道加速度允许阈值进行比较；
若所述换道加速度大于所述换道加速度允许阈值，则对所述车道进行诱导，以使所述车辆换道至所述目标车道。
CN202310626687.9A 2023-05-31 2023-05-31 一种公路收费站的车道动态配置与诱导方法、设备及介质 Active CN116403407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310626687.9A CN116403407B (zh) 2023-05-31 2023-05-31 一种公路收费站的车道动态配置与诱导方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310626687.9A CN116403407B (zh) 2023-05-31 2023-05-31 一种公路收费站的车道动态配置与诱导方法、设备及介质

Publications (2)

Publication Number Publication Date
CN116403407A CN116403407A (zh) 2023-07-07
CN116403407B true CN116403407B (zh) 2023-09-01

Family

ID=87007928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310626687.9A Active CN116403407B (zh) 2023-05-31 2023-05-31 一种公路收费站的车道动态配置与诱导方法、设备及介质

Country Status (1)

Country Link
CN (1) CN116403407B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117392853B (zh) * 2023-12-11 2024-04-12 山东通维信息工程有限公司 一种基于云端的大数据智能车道控制系统
CN117649770B (zh) * 2024-01-30 2024-04-02 交通运输部公路科学研究所 一种收费站出入口车道的分配方法及相关设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008217503A (ja) * 2007-03-06 2008-09-18 Mitsubishi Electric Corp 通行レーン管理装置及び通行レーン管理方法及びプログラム
CN102184580A (zh) * 2011-05-17 2011-09-14 王铁中 收费公路多功能收费车道控管系统
JP2012084024A (ja) * 2010-10-14 2012-04-26 Hitachi Ltd 交差点交通流計測装置
CN104574545A (zh) * 2015-01-08 2015-04-29 长安大学 一种货车不停车计重收费车道系统及其车辆监控方法
CN105374212A (zh) * 2015-12-14 2016-03-02 上海交通大学 基于智能终端传感的高速公路车辆车道识别方法及系统
CN107610486A (zh) * 2017-08-04 2018-01-19 华南理工大学 一种高速公路收费系统与衔接信号交叉口的协调控制系统
CN113850991A (zh) * 2021-08-31 2021-12-28 北京北大千方科技有限公司 一种收费站的交通状况识别方法、装置、存储介质及终端
CN115359659A (zh) * 2022-08-19 2022-11-18 山西省交通新技术发展有限公司 一种车道开闭配置方法和系统
CN115547075A (zh) * 2022-10-13 2022-12-30 山东高速股份有限公司 一种高速公路收费站区域交通状态管控方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008217503A (ja) * 2007-03-06 2008-09-18 Mitsubishi Electric Corp 通行レーン管理装置及び通行レーン管理方法及びプログラム
JP2012084024A (ja) * 2010-10-14 2012-04-26 Hitachi Ltd 交差点交通流計測装置
CN102184580A (zh) * 2011-05-17 2011-09-14 王铁中 收费公路多功能收费车道控管系统
CN104574545A (zh) * 2015-01-08 2015-04-29 长安大学 一种货车不停车计重收费车道系统及其车辆监控方法
CN105374212A (zh) * 2015-12-14 2016-03-02 上海交通大学 基于智能终端传感的高速公路车辆车道识别方法及系统
CN107610486A (zh) * 2017-08-04 2018-01-19 华南理工大学 一种高速公路收费系统与衔接信号交叉口的协调控制系统
CN113850991A (zh) * 2021-08-31 2021-12-28 北京北大千方科技有限公司 一种收费站的交通状况识别方法、装置、存储介质及终端
CN115359659A (zh) * 2022-08-19 2022-11-18 山西省交通新技术发展有限公司 一种车道开闭配置方法和系统
CN115547075A (zh) * 2022-10-13 2022-12-30 山东高速股份有限公司 一种高速公路收费站区域交通状态管控方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高速公路收费站拥堵问题解决方案;颜晓凤;;科技创新与应用(16);全文 *

Also Published As

Publication number Publication date
CN116403407A (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN116403407B (zh) 一种公路收费站的车道动态配置与诱导方法、设备及介质
CN106097730B (zh) 一种路段车辆排队长度的估计方法、装置及系统
EP3753002B1 (en) Methods and systems for generating traffic volume or traffic density data
CN113012433B (zh) 车载联网节能辅助驾驶控制方法与系统
CN112489433A (zh) 交通拥堵分析方法及装置
JP5625953B2 (ja) 信号制御装置、コンピュータプログラム及び信号制御方法
US10832570B1 (en) V2X vehicle road usage
CN110733507B (zh) 车道变换及道路隔离方法、装置、设备及存储介质
CN103778784B (zh) 基于手机数据实时获取高速公路路段交通状态信息的方法
Liu et al. A new approach for real-time traffic delay estimation based on cooperative vehicle-infrastructure systems at the signal intersection
CN109493606B (zh) 一种高速公路上违停车辆的识别方法及系统
CN107808420B (zh) 道路通行站点的快速通行、收费的方法及其系统
CN114926988B (zh) 一种路段拥堵疏导方法及设备
CN114399903A (zh) 一种基于大数据平台的智慧城市道路管理系统
CN112740292A (zh) 交通指标计算装置、计算方法、交通信号控制系统和计算机程序
CN103903432A (zh) 用于确定路链拥堵状况的设备和方法
CN114093040B (zh) 一种基于高速公路的车辆行驶轨迹拟合方法、设备及介质
CN113724509B (zh) 一种时空协同的公交优先控制方法和装置
CN116777181B (zh) 一种可脱轨式电动汽车充电桩调配方法、系统及存储介质
CN115731693A (zh) 一种车道划分方法以及相关装置
JP2001076284A (ja) 交通流解析システム
CN115762131A (zh) 一种应用于公共交通的智能行车计划编制方法及系统
CN115392659A (zh) 收费站拥堵程度的获取方法、装置、电子设备、程序及介质
US11823565B2 (en) System and method for vehicle queue length detection in a connected vehicle infrastructure environment
CN108470382A (zh) 高速出口的扣费装置

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