CN116524720A - 一种基于5g技术的一体化车联网智慧交通管理控制系统 - Google Patents
一种基于5g技术的一体化车联网智慧交通管理控制系统 Download PDFInfo
- Publication number
- CN116524720A CN116524720A CN202310727015.7A CN202310727015A CN116524720A CN 116524720 A CN116524720 A CN 116524720A CN 202310727015 A CN202310727015 A CN 202310727015A CN 116524720 A CN116524720 A CN 116524720A
- Authority
- CN
- China
- Prior art keywords
- traffic
- data
- vehicles
- internet
- vehicle
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 28
- 238000007726 management method Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000013210 evaluation model Methods 0.000 claims abstract description 6
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000013475 authorization Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096811—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096877—Systems involving transmission of navigation instructions to the vehicle where the input to the navigation device is provided by a suitable I/O arrangement
- G08G1/096888—Systems involving transmission of navigation instructions to the vehicle where the input to the navigation device is provided by a suitable I/O arrangement where input information is obtained using learning systems, e.g. history databases
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于5G技术的一体化车联网智慧交通管理控制系统，涉及交通管理技术领域，解决了解决现有技术无法对行驶路径进行及时准确更新，导致采用的行驶路径并不是实际上的最优行驶路径的技术问题；本发明基于历史交通数据训练构建的人工智能模型，获取交通评估模型；之后，联合气象预测数据和交通评估模型对管理区域中的各路段的交通运行状态进行预测；本发明结合人工智能模型对管理区域各路段的交通运行状态进行预测，提高了预测精度，同时为车辆行驶路径的规划和更新奠定数据基础；本发明不仅能够快速获取最优的车辆行驶路径，而且能够在车辆行驶过程中实时对车辆行驶路径进行更新，提高反应效率和控制精度。
Description
技术领域
本发明属于交通管理领域，涉及一体化车联网智慧交通管理控制技术，具体是一种基于5G技术的一体化车联网智慧交通管理控制系统。
背景技术
随着城市化进程的加快，汽车工业的高速发展，汽车已经成为城市交通系统中最重要的组成部分。随之而来的交通拥堵已经成为城市交通系统中最紧迫的问题之一，极大影响了经济发展以及驾车体验。
公开号为CN108364494A的中国发明专利申请公开了道路交通智能管理方法、系统及平台，根据道路交通信息、出行请求信息以及车辆导航信息规划行驶路径，生成最优行驶路径，将最优行驶路径作为出行车辆的车辆导航信息，用户的出行车辆根据车辆导航信息实现自动驾驶。现有技术中的道路交通信息一般是通过相关监测设备监测得到或者分析用户上传数据获取，无法保证道路交通信息的准确性和及时性，而且在车辆行驶过程中没有准确的数据基础来更新行驶路径，导致采用的行驶路径并不是实际上的最优行驶路径，影响用户体验；因此，亟须一种基于5G技术的一体化车联网智慧交通管理控制系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于5G技术的一体化车联网智慧交通管理控制系统，用于解决现有技术难以保证基础数据的准确性和及时性，无法对行驶路径进行及时准确更新，导致采用的行驶路径并不是实际上的最优行驶路径的技术问题。
为实现上述目的，本发明的第一方面提供了一种基于5G技术的一体化车联网智慧交通管理控制系统，包括中枢控制模块，以及与之相连接的数据采集模块和若干车联网终端，且若干车联网终端内置于汽车中；
数据采集模块通过交通服务平台采集历史交通数据，以及通过气象服务平台采集气象预测数据；对历史交通数据和气象预测数据预处理之后转发至中枢控制模块；其中，历史交通数据包括时间、车流量、通行时长以及环境数据；
中枢控制模块基于历史交通数据训练人工智能模型获取交通评估模型，并结合气象预测数据预测各道路的交通运行状态；以及通过车联网终端采集出行请求信息，结合各道路的交通运行状态为用户规划更新车辆行驶路径。
优选的，所述中枢控制模块分别与数据采集模块和若干车联网终端通信和/或电气连接；所述数据采集模块分别与交通服务平台和气象服务平台通信连接；
所述车联网终端与汽车中控模块通信和/或电气连接，并通过汽车中控模块采集对应的经过授权的汽车关联数据上传至中枢控制模块。
优选的，所述数据采集模块通过交通服务平台采集历史交通数据，包括：
获取交通服务平台的数据交互授权；之后，通过交通服务平台采集若干工作周期的历史交通数据；其中，工作周期包括一星期、一个月或者一年；
基于管理区域中各道路的拓扑关系将各道路划分为若干段，为划分之后的若干段道路匹配历史交通数据，并将历史交通数据与对应的道路进行关联。
优选的，所述中枢控制模块基于历史交通数据训练人工智能模型获取交通评估模型，包括：
基于BP神经网络或RBF神经网络构建人工智能模型，对历史交通数据进行数据处理生成标准训练数据；其中，标准训练数据包括输入数据和输出数据；
基于标准训练数据训练人工智能模型获取交通评估模型；其中，输入数据包括时间、车流量和环境数据，输出数据包括通行时长。
优选的，所述结合气象预测数据预测各道路的交通运行状态，包括：
基于历史交通数据计算工作周期各时刻的平均车流，与对应时刻的气象预测数据匹配生成状态评估序列；
将状态评估序列输入至交通评估模型，将预测的通行时长作为交通运行状态；将交通运行状态与对应道路进行关联存储。
优选的，所述中枢控制模块结合各道路的交通运行状态为用户规划车辆行驶路径，包括：
通过车联网终端采集出行请求信息；其中，出行请求信息包括出行时间、出发地以及目的地；
基于出发地和目的地确定备选行驶路径，基于出行时间选择备选交通路径中交通运行状态最好的作为车辆行驶路径，并发送至车联网终端。
优选的，用户基于所述车辆行驶路径行驶过程中，所述中枢控制模块对车辆行驶路径对应道路的交通运行状态进行评估；当车辆行驶路径的交通运行状态不满足要求时，则及时对各道路交通状态进行分析，更新车辆行驶路径。
本发明的第二方面提供了一种基于5G技术的一体化车联网智慧交通管理控制方法，包括：
通过交通服务平台采集历史交通数据，以及通过气象服务平台采集气象预测数据；对历史交通数据和气象预测数据预处理；其中，历史交通数据包括时间、车流量、通行时长以及环境数据；
基于历史交通数据训练获取交通评估模型，并结合气象预测数据预测各道路的交通运行状态；以及通过车联网终端采集出行请求信息，结合各道路的交通运行状态为用户规划更新车辆行驶路径。
本发明的第三方面提供了一种基于5G技术的一体化车联网智慧交通管理控制装置，包括存储介质和处理器；所述存储介质用于存储操作指令，所述处理器执行操作指令控制一种基于5G技术的一体化车联网智慧交通管理控制系统运行。
与现有技术相比，本发明的有益效果是：
1.本发明基于历史交通数据训练构建的人工智能模型，获取交通评估模型；之后，联合气象预测数据和交通评估模型对管理区域中的各路段的交通运行状态进行预测；本发明结合人工智能模型对管理区域各路段的交通运行状态进行预测，提高了预测精度，同时为车辆行驶路径的规划和更新奠定数据基础。
2.本发明在确定各路段的交通运行状态之后，解析出行请求信息；根据出行时间、出发地和目的地对各路段进行筛选，进而拼接成车辆行驶路径；本发明不仅能够快速获取最优的车辆行驶路径，而且能够在车辆行驶过程中实时对车辆行驶路径进行更新，提高反应效率和控制精度。
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为本发明的系统原理示意图；
图2为本发明的工作步骤示意图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
请参阅图1，本发明第一方面实施例提供了一种基于5G技术的一体化车联网智慧交通管理控制系统，包括中枢控制模块，以及与之相连接的数据采集模块和若干车联网终端，且若干车联网终端内置于汽车中；数据采集模块通过交通服务平台采集历史交通数据，以及通过气象服务平台采集气象预测数据；对历史交通数据和气象预测数据预处理之后转发至中枢控制模块；中枢控制模块基于历史交通数据训练人工智能模型获取交通评估模型，并结合气象预测数据预测各道路的交通运行状态；以及通过车联网终端采集出行请求信息，结合各道路的交通运行状态为用户规划更新车辆行驶路径。
本发明中中枢控制模块分别与数据采集模块和若干车联网终端通信和/或电气连接；数据采集模块分别与交通服务平台和气象服务平台通信连接；车联网终端与汽车中控模块通信和/或电气连接，并通过汽车中控模块采集对应的经过授权的汽车关联数据上传至中枢控制模块。各模块之间通过5G技术进行通信。
中枢控制模块以及数据采集模块均可以基于云技术搭建。中枢控制模块主要负责数据处理以及统筹规划，基于各项基础数据及时评估各道路的交通运行状态，并对每个出行请求信息进行分析规划以及更新；在必要的时候能够结合管理区域的交通状态对车辆进行有效引导，提高车辆通行效率。
数据采集模块主要负责数据采集和数据预处理。与存储有历史交通数据的交通服务平台进行数据交互，以及与气象服务平台进行数据交互获取气象预测数据。无论是交通服务平台还是气象服务平台，在进行数据交互之前均经过授权。
上述历史交通数据主要包括时间、车流量、通行时长以及环境数据等能够表征交通运行状态的数据或者其影响数据。需要说明的是，这里的时间、车流量以及通信时长的统计基础均是路段，因此后续均会将这些数据与对应的路段关联。
在一个实施例中，本发明中数据采集模块通过交通服务平台采集历史交通数据，包括：获取交通服务平台的数据交互授权；之后，通过交通服务平台采集若干工作周期的历史交通数据；基于管理区域中各道路的拓扑关系将各道路划分为若干段，为划分之后的若干段道路匹配历史交通数据，并将历史交通数据与对应的道路进行关联。
本实施例中的工作周期包括一星期、一个月或一年，工作周期越长越能够保证交通评估模型的精度。在环境数据没有发生突变的情况下，较短的工作周期也能够保证交通评估模型的精度，如四月份的环境数据变化较为平缓，则可以将工作周期设定为一个星期，季节交替时则可以将工作周期设置为一年。这里设置的工作周期主要决定着后续输入数据以及状态评估序列中时间(时刻)的表示方法。
管理区域(即智慧交通管理控制系统/方法的应用区域)中各条道路肯定是相互交错连接的，因此先对其进行划分。道路划分原则是按照道路等级进行，先以后级别道路为基准，判断是否存在有较低级别道路与该高级别道路连通，若存在，则连通点则作为一个划分点，相邻两个划分点之间的道路可以作为一个路段。这样可以将各道路划分成若干段，进而可以对应匹配历史交通数据，并建立二者之间的关联关系。将道路划分成若干段，一是有利于提高路段交通运行状态的预测精度，二是在规划和更新车辆行驶路径是具有更大的灵活性。
在一个实施例中，中枢控制模块基于历史交通数据训练人工智能模型获取交通评估模型，包括：基于BP神经网络或RBF神经网络构建人工智能模型，对历史交通数据进行数据处理生成标准训练数据；基于标准训练数据训练人工智能模型获取交通评估模型；其中，输入数据包括时间、车流量和环境数据，输出数据包括通行时长。
本实施例中标准训练数据包括输入数据和输出数据；输入数据主要包括时间、车流量和环境数据，而输出数据是通行时长。这里的时间需要结合工作周期来灵活设置，如工作周期是一年，则时间最好用天数加时刻来表示，如1月1号的早上八点表示为001，08，00，这里的表示天数的数字最大为366；若工作周期是一星期，则星期一早上八点表示为001，08，00，这里的表示天数的数字最大为007。
本实施例中的车流量是根据历史数据统计得到的，环境数据则是各时刻对应的温度、湿度等影响道路条件的气象数据。将时间、车流量和环境数据数值化之后整合拼接即可得到输入数据。输出数据则为通行时长，因为本发明以通行时长为基础来规划车辆行驶路径；在其他一些优选的实施例中还可以将通行距离等作为输出数据。
在一个可选的实施例中，本发明中结合气象预测数据预测各道路的交通运行状态，包括：基于历史交通数据计算工作周期各时刻的平均车流，与对应时刻的气象预测数据匹配生成状态评估序列；将状态评估序列输入至交通评估模型，将预测的通行时长作为交通运行状态；将交通运行状态与对应道路进行关联存储。
根据历史交通数据可以计算出各时刻各路段的平均车流，然后根据气象预测数据来匹配对应时刻的环境数据，与时刻结合起来即可生成状态评估序列，如[(001，08，00)，200，(20，0.24)]，(001，08，00)表示时刻，200表示平均车流，(20，0.24)表示温度20℃，湿度0.24。结合交通评估模型和状态评估序列可以获取管理区域中各路段各时刻的交通运行状态。
接着，本发明中中枢控制模块结合各道路的交通运行状态为用户规划车辆行驶路径，包括：通过车联网终端采集出行请求信息；基于出发地和目的地确定备选行驶路径，基于出行时间选择备选交通路径中交通运行状态最好的作为车辆行驶路径，并发送至车联网终端。
根据出行请求信息出发地以及目的地确定备选行驶路径，然后根据出行时间来评估备选行驶路径中选择交通运行状态最好的作为车辆行驶路径。当然，也可以根据出发地和目的地来圈定一个路段选择范围，然后基于出行时间选择交通运行状态最好的路段拼接成车辆行驶路径。用户基于车辆行驶路径行驶过程中，中枢控制模块对车辆行驶路径对应道路的交通运行状态进行评估；当车辆行驶路径的交通运行状态不满足要求时，则及时对各道路交通状态进行分析，更新车辆行驶路径。
请参阅图2，本发明第二方面实施例提供了一种基于5G技术的一体化车联网智慧交通管理控制方法，包括：通过交通服务平台采集历史交通数据，以及通过气象服务平台采集气象预测数据；对历史交通数据和气象预测数据预处理；基于历史交通数据训练获取交通评估模型，并结合气象预测数据预测各道路的交通运行状态；以及通过车联网终端采集出行请求信息，结合各道路的交通运行状态为用户规划更新车辆行驶路径。
本发明提供的智慧交通管理控制方法用到的基础数据主要用历史交通数据和气象预测数据。分析历史交通数据，挖掘各工作周期中各时刻的车流量规律，进而训练交通评估模型；而气象预测数据则用来辅助规划车辆行驶路径，保证时刻保持车辆行驶路径的最优。
本发明第三方面实施例提供了一种基于5G技术的一体化车联网智慧交通管理控制装置，包括存储介质和处理器；存储介质用于存储操作指令，处理器执行操作指令控制一种基于5G技术的一体化车联网智慧交通管理控制系统运行。
本发明中的存储介质可以是实体硬盘，也可以是云存储器。其中的操作指令是预先编写完成且可修改的计算机程序。处理器调取操作指令并执行，能够控制整个智慧交通管理控制系统运行。
本发明的工作原理：
通过交通服务平台采集历史交通数据，以及通过气象服务平台采集气象预测数据；对历史交通数据和气象预测数据预处理；其中，历史交通数据包括时间、车流量、通行时长以及环境数据。
基于历史交通数据训练获取交通评估模型，并结合气象预测数据预测各道路的交通运行状态；以及通过车联网终端采集出行请求信息，结合各道路的交通运行状态为用户规划更新车辆行驶路径。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (9)
1.一种基于5G技术的一体化车联网智慧交通管理控制系统，包括中枢控制模块，以及与之相连接的数据采集模块和若干车联网终端，且若干车联网终端内置于汽车中；其特征在于：
数据采集模块通过交通服务平台采集历史交通数据，以及通过气象服务平台采集气象预测数据；对历史交通数据和气象预测数据预处理之后转发至中枢控制模块；其中，历史交通数据包括时间、车流量、通行时长以及环境数据；
中枢控制模块基于历史交通数据训练人工智能模型获取交通评估模型，并结合气象预测数据预测各道路的交通运行状态；以及通过车联网终端采集出行请求信息，结合各道路的交通运行状态为用户规划更新车辆行驶路径。
2.根据权利要求1所述的一种基于5G技术的一体化车联网智慧交通管理控制系统，其特征在于，所述中枢控制模块分别与数据采集模块和若干车联网终端通信和/或电气连接；所述数据采集模块分别与交通服务平台和气象服务平台通信连接；
所述车联网终端与汽车中控模块通信和/或电气连接，并通过汽车中控模块采集对应的经过授权的汽车关联数据上传至中枢控制模块。
3.根据权利要求1所述的一种基于5G技术的一体化车联网智慧交通管理控制系统，其特征在于，所述数据采集模块通过交通服务平台采集历史交通数据，包括：
获取交通服务平台的数据交互授权；之后，通过交通服务平台采集若干工作周期的历史交通数据；其中，工作周期包括一星期、一个月或者一年；
基于管理区域中各道路的拓扑关系将各道路划分为若干段，为划分之后的若干段道路匹配历史交通数据，并将历史交通数据与对应的道路进行关联。
4.根据权利要求1所述的一种基于5G技术的一体化车联网智慧交通管理控制系统，其特征在于，所述中枢控制模块基于历史交通数据训练人工智能模型获取交通评估模型，包括：
基于BP神经网络或RBF神经网络构建人工智能模型，对历史交通数据进行数据处理生成标准训练数据；其中，标准训练数据包括输入数据和输出数据；
基于标准训练数据训练人工智能模型获取交通评估模型；其中，输入数据包括时间、车流量和环境数据，输出数据包括通行时长。
5.根据权利要求4所述的一种基于5G技术的一体化车联网智慧交通管理控制系统，其特征在于，所述结合气象预测数据预测各道路的交通运行状态，包括：
基于历史交通数据计算工作周期各时刻的平均车流，与对应时刻的气象预测数据匹配生成状态评估序列；
将状态评估序列输入至交通评估模型，将预测的通行时长作为交通运行状态；将交通运行状态与对应道路进行关联存储。
6.根据权利要求1所述的一种基于5G技术的一体化车联网智慧交通管理控制系统，其特征在于，所述中枢控制模块结合各道路的交通运行状态为用户规划车辆行驶路径，包括：
通过车联网终端采集出行请求信息；其中，出行请求信息包括出行时间、出发地以及目的地；
基于出发地和目的地确定备选行驶路径，基于出行时间选择备选交通路径中交通运行状态最好的作为车辆行驶路径，并发送至车联网终端。
7.根据权利要求6所述的一种基于5G技术的一体化车联网智慧交通管理控制系统，其特征在于，用户基于车辆行驶路径行驶过程中，所述中枢控制模块对车辆行驶路径对应道路的交通运行状态进行评估；当车辆行驶路径的交通运行状态不满足要求时，则及时对各道路交通状态进行分析，更新车辆行驶路径。
8.一种基于5G技术的一体化车联网智慧交通管理控制方法，基于权利要求1至7任意一项所述的一种基于5G技术的一体化车联网智慧交通管理控制系统运行，其特征在于，包括：
通过交通服务平台采集历史交通数据，以及通过气象服务平台采集气象预测数据；对历史交通数据和气象预测数据预处理；其中，历史交通数据包括时间、车流量、通行时长以及环境数据；
基于历史交通数据训练获取交通评估模型，并结合气象预测数据预测各道路的交通运行状态；以及通过车联网终端采集出行请求信息，结合各道路的交通运行状态为用户规划更新车辆行驶路径。
9.一种基于5G技术的一体化车联网智慧交通管理控制装置，其特征在于，包括存储介质和处理器；所述存储介质用于存储操作指令，所述处理器执行操作指令控制权利要求1至7任意一项所述的一种基于5G技术的一体化车联网智慧交通管理控制系统运行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310727015.7A CN116524720A (zh) | 2023-06-19 | 2023-06-19 | 一种基于5g技术的一体化车联网智慧交通管理控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310727015.7A CN116524720A (zh) | 2023-06-19 | 2023-06-19 | 一种基于5g技术的一体化车联网智慧交通管理控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116524720A true CN116524720A (zh) | 2023-08-01 |
Family
ID=87392464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310727015.7A Pending CN116524720A (zh) | 2023-06-19 | 2023-06-19 | 一种基于5g技术的一体化车联网智慧交通管理控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116524720A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118097968A (zh) * | 2024-04-22 | 2024-05-28 | 哈尔滨学院 | 一种道路交通安全评估方法 |
-
2023
- 2023-06-19 CN CN202310727015.7A patent/CN116524720A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118097968A (zh) * | 2024-04-22 | 2024-05-28 | 哈尔滨学院 | 一种道路交通安全评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116758744B (zh) | 基于人工智能的智慧城市运维管理方法、系统及存储介质 | |
| CN105976062A (zh) | 信号灯时长数据的挖掘方法、出行服务实现方法和装置 | |
| CN116524720A (zh) | 一种基于5g技术的一体化车联网智慧交通管理控制系统 | |
| KR102101991B1 (ko) | 고속도로 교통 제어 시스템 | |
| CN118025203A (zh) | 一种融合复杂网络和图Transformer的自动驾驶车辆行为预测方法及系统 | |
| Zhang et al. | Battery maintenance of pedelec sharing system: Big data based usage prediction and replenishment scheduling | |
| CN107945517A (zh) | 一种交通数据处理装置 | |
| CN114677054A (zh) | 一种基于数字孪生的煤矿井下人员及物资调度方法 | |
| CN116700296A (zh) | 基于深度学习的自主充电无人电动车智能规划方法及系统 | |
| CN114596709B (zh) | 数据处理方法、装置、设备以及存储介质 | |
| CN114708746A (zh) | 智慧城市的交通信号提示方法及系统 | |
| US20190088116A1 (en) | Predicting vehicle travel times by modeling heterogeneous influences between arterial roads | |
| CN109754606B (zh) | 一种基于出租车定位预测道路拥堵情况的方法 | |
| CN114495486B (zh) | 一种基于层次强化学习的微观交通流预测系统及方法 | |
| CN115762169A (zh) | 一种环卫车无人驾驶的智能控制系统及方法 | |
| CN109945880A (zh) | 路径规划方法、相关设备及可读存储介质 | |
| Festa et al. | Experimental analysis of different simulation models for motorway traffic flow | |
| EP4194249A1 (en) | Method for predicting energy consumption-recovery ratio of new energy vehicle, and energy saving control method and system | |
| CN115759329A (zh) | 基于卷积神经网络的景区游客人数预测方法 | |
| CN113902209A (zh) | 出行路线推荐方法、边缘服务器、云服务器、设备及介质 | |
| Bashiri | Data-driven intersection management solutions for mixed traffic of human-driven and connected and automated vehicles | |
| CN114463978A (zh) | 一种基于轨道交通信息处理终端的数据监测方法 | |
| JP2023005015A (ja) | 交通状況予測装置、および、交通状況予測方法 | |
| CN111914138A (zh) | 基于车联网大数据的工况分析方法、装置和系统 | |
| CN116611635B (zh) | 基于车路协同及强化学习的环卫机器人车调度方法及系统 |
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 |