CN116704771A - 基于拥堵路段交通信息实时定位指挥处理系统 - Google Patents
基于拥堵路段交通信息实时定位指挥处理系统 Download PDFInfo
- Publication number
- CN116704771A CN116704771A CN202310739377.8A CN202310739377A CN116704771A CN 116704771 A CN116704771 A CN 116704771A CN 202310739377 A CN202310739377 A CN 202310739377A CN 116704771 A CN116704771 A CN 116704771A
- Authority
- CN
- China
- Prior art keywords
- bridge
- traffic
- congestion
- unit
- data
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 76
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims description 44
- 230000000875 corresponding effect Effects 0.000 claims description 33
- 239000000463 material Substances 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction 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
-
- 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
- G08G1/01—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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
-
- 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)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于拥堵路段交通信息实时定位指挥处理系统，涉及桥梁路面交通数据技术领域，该系统能够快速定位拥堵路段和瓶颈区域，基于桥梁结构参数数据作为评估参数之一，关联实时采集交通数据，分析并生成相应的指挥命令，以便及时采取措施减缓拥堵状况，并由建模单元对桥梁瓶颈区域进行评估，并结合公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行关联和训练，进行瓶颈区域评估和拥堵预测，实现拥堵路段的快速定位和指挥处理，以及未来拥堵预测，从而优化城市交通管理，提高交通效率和减少拥堵现象，且关联桥梁结构参数内包含桥梁承载力Cz和车道容量参数，在对平静区域的评估拥堵预测，促进减少桥梁倒塌的风险。
Description
技术领域
本发明涉及桥梁路面交通数据处理技术领域，具体为基于拥堵路段交通信息实时定位指挥处理系统。
背景技术
城市交通拥堵是一个普遍存在的问题，特别是在桥梁或道路瓶颈区域。拥堵会导致交通延误、能源浪费和环境污染等一系列负面影响，特别是在桥梁的道路瓶颈区域，长时间的拥堵甚至会导致桥梁应力倒塌的风险，给人们的生活和经济活动带来很大不便。如何通过智能化的对桥梁道路瓶颈区域进行预测，并对拥堵路段指挥处理，是本发明研究的新方向。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了基于拥堵路段交通信息实时定位指挥处理系统，能够快速定位桥梁拥堵路段和瓶颈区域，基于桥梁结构参数数据，并生成相应的指挥命令，以便及时采取措施减缓拥堵状况，并由建模单元对桥梁瓶颈区域进行评估，并结合公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行关联和训练，进行瓶颈区域评估和拥堵预测，实现拥堵路段的快速定位和指挥处理，以及未来拥堵预测，从而优化城市交通管理，提高交通效率和减少拥堵现象，且关联桥梁结构参数内包含桥梁承载力Cz和车道容量参数，在对平静区域的评估拥堵预测，促进减少桥梁倒塌的风险。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：基于拥堵路段交通信息实时定位指挥处理系统，包括采集单元、识别单元、建模单元、处理单元和指挥调度单元；
所述采集单元包括实时采集模块、桥梁参数采集模块和汇合桥梁路况采集模块；
实时采集模块用于采集获取实时桥梁车流量Ly、速度参数Sd和峰值延误时间T，分析获得桥梁车流参数CLx；桥梁采集模块用于智能采集大数据，并由大数据中获得桥梁结构参数，所述桥梁结构参数包括桥梁外形数据、桥梁承载力Cz和车道容量参数；
汇合桥梁路况采集模块接近桥梁3公里内公路路面上的车流量进行实时监测，获得公路车流量数据；
建模单元用于依据桥梁结构参数，建立三维模型；由识别单元接收采集数据，进行预处理后，使用聚类算法识别桥梁瓶颈区域，并在三维模型上进行标记；由评估单元根据瓶颈区域的特征和参数，计算获得瓶颈拥堵系数Pj，并和预设阈值对比，获取瓶颈拥堵分级级别，并根据瓶颈拥堵分级级别相对应的级别，由处理单元匹配实时调度命令，由指挥调度单元对实时调度命令进行实时定位并指挥交通；
建模单元在建立三维模型标记瓶颈区域后，获取公路车流量数据，并与桥梁车流参数CLx和桥梁结构参数进行相关联，并添加属性、标签和数据层，将公路车流量数据的拥堵路段与桥梁的瓶颈区域以及瓶颈拥堵程度Pj进行关联，基于关联的数据，进行训练分后，将公路车流量数据、桥梁车流参数CLx和桥梁结构参数作为输入，预测综合拥堵系数Yd和预测拥堵待定区域；
由处理单元利用训练好的拥堵系数Yd与预测拥堵待定区域在三维模型或地图上进行动态标记，并生成预测调度命令，并由指挥调度单元依据预测调度命令进行实时定位并指挥交通。
优选的，所述桥梁车流参数CLx的公式为：
CLx＝a0+a1*Ly+a2*Sd+a3*T+a4*Bh+a5*Ly^2+a6*Sd^2+...
其中，Ly表示实时桥梁车流量，Sd表示车辆平均速度参数、T表示在高峰期时桥梁道路上基于交通流量数据和车速数据，Bh表示为桥梁车道容量饱和度，如果车道容量饱和度小于1，表示实际车流量低于车道的理论容量，交通状况相对畅通，当车道容量饱和度接近或超过1时，表示实际车流量接近或超过了车道的理论容量，交通拥堵程度较高；a0、a1、a2、...、分别表示为待定的系数，通过调整系数的值，a0、a1、a2系数通过建模单元(3)建模来确定的；它们的值决定了每个参数对桥梁车流参数的影响程度和函数形状；Ly^2、Sd^2表示参数的平方项，用于捕捉到一些非线性关系；根据实际数据来拟合桥梁车流参数CLx，并对其进行估计和预测。
优选的，所述瓶颈拥堵系数Pj通过以下公式获得：
式中：Ly1表示瓶颈区域的车流量，Sd1表示车辆在瓶颈区域的行驶速度、T1表示在高峰期时桥梁道路上，Bh1表示为瓶颈区域桥梁车道容量饱和度，其中，α、β、γ、θ分别表示Ly1、Sd1、T1和Bh1的权重系数，其中0≤α≤1、0≤β≤1、0≤γ≤1、0≤θ≤1，且0≤α+β+γ+θ＝1；D表示归一化因子，根据历史数据和经验来调整这些参数，用于将计算结果归一化到合适的范围。
优选的，所述桥梁承载力Cz通过以下公式获得：
Cz＝Cm*Cs*Cf*Cp
式中，Cm表示为桥梁材料强度折减系数；Cs表示为桥梁结构的稳定性折减系数；Cf表示为桥梁荷载组合系数，考虑不同荷载组合对桥梁的影响；Cp表示为附加参数，包括桥梁年限因素、温度变化引起的桥梁结构引力变形、风向风速导致的桥梁荷载因素和行人密度导致的桥梁荷载因素。
优选的，所述采集单元还包括紧急车辆采集模块和事故监测模块，所述紧急车辆采集模块用于通过道路监控摄像头，采集紧急车辆的标识，包括车牌、灯光和声音；
且紧急车辆采集模块还通过与交通管制部门、医疗机构、消防机构、应急救援机构相关部门进行信息共享，用于采集线上紧急车辆出行数据，包括紧急车辆的路线和目的地，经过桥梁的预计时间段时间，并传输至识别单元进行识别分析，由评估单元关联桥梁车流参数CLx，并评估较为疏松的桥梁车道，在建模单元中的三维模型进行紧急车辆标记，并通过处理单元生成优先通行命令，并发送至指挥调度单元基于优先通行命令进行相应的指挥；
所述事故监测模块用于实时对桥梁路面进行实时监控，获取到事故数据并传输至指挥调度单元。
优选的，汇合桥梁路况采集模块包括桥梁汇入车辆监测单元和桥梁驶出车辆监测单元；
桥梁汇入车辆监测单元用于监测桥梁汇入前公里范围内车辆的汇入车流量情况，用于评估桥梁上可能汇入的车流量对桥梁交通拥堵的影响度；
桥梁驶出车辆监测单元用于监测桥梁驶出后公里范围内车辆的驶出车流量情况，用于评估桥梁上驶出后的车流量对后续桥梁驶出通行速度的影响度。
优选的，所述建模单元包括标记单元、评估单元、数据关联单元和训练单元；
所述标记单元用于在建立的三维模型上，将识别出的桥梁瓶颈区域进行标记，以便后续的可视化展示和分析；
评估单元，根据瓶颈区域的特征和参数，计算瓶颈拥堵系数Pj；通过与预设阈值对比，确定瓶颈拥堵的分级级别；
数据关联单元用于将建立的三维模型中标记的瓶颈区域与获取的公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行关联，为公路车流量数据田间属性、标签和数据层，使其与瓶颈区域和瓶颈拥堵程度Pj相对应；
训练单元用于基于关联的数据，对公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行训练，以预测综合拥堵系数Yd和预测拥堵待定区域。
优选的，所述处理单元包括第一处理模块、第二处理模块、第三处理模块和方案库，所述第一处理模块用于接收所述瓶颈拥堵分级级别，并由方案库进行匹配对比到相对应评级拥堵级别的调度方案，依据相对应的调度方案生成实时调度命令；
所述第二处理模块用于接收综合拥堵系数Yd和预测拥堵待定区域数据，并由方案库匹配到相对应的预测调度方案，依据相对应的预测调度方案生成预测调度命令；
所述第三处理模块用于接收事故监测模块中的紧急事故数据，并由方案库匹配到相对应的执行方案，依据相对应的执行方案生成应急调度命令。
优选的，所述瓶颈拥堵分级级别包括轻度拥堵级别、中度拥堵级别和重度拥堵级别；
所述轻度拥堵级别生成的调度方案为，及时向3公里内的桥梁附近公路路面的驾驶员，提醒可选绕行路线，并在桥梁入口处加强交通标志黄牌，非必要不进入通行的示例牌予以提醒；
所述中度拥堵级别生成的调度方案为，设置在桥梁入口处加入加强交通标志黄牌，10—15分钟时间段现行车辆通行标志予以提醒，并临时分流调整桥梁车道流向；
所述重度拥堵级别生成的调度方案为，设置在桥梁入口处加入红牌，10—30分钟时间段禁止通行标志予以提醒；联合交警和巡逻车辆，进行管制和疏导，直至拥堵结束；
所述指挥调度单元用于将实时调度命令、预测调度命令、应急调度命令和优先通行命令，并和预设优先级阈值进行对比，确认调度优先级顺序，并按照优先级顺序进行指挥调度处理。
优选的，还包括备份单元，所述备份单元用于对所述指挥调度单元的实时调度命令、预测调度命令、应急调度命令和优先通行命令进行备份，便于后期进行分析优化
(三)有益效果
本发明提供了基于拥堵路段交通信息实时定位指挥处理系统。具备以下有益效果：
(1)本发明实时采集和分析交通数据，系统能够快速定位拥堵路段和瓶颈区域，基于桥梁结构参数数据，并生成相应的指挥命令，以便及时采取措施减缓拥堵状况，并由建模单元对桥梁瓶颈区域进行评估，并结合公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行关联和训练，进行瓶颈区域评估和拥堵预测，实现拥堵路段的快速定位和指挥处理，以及未来拥堵预测，从而优化城市交通管理，提高交通效率和减少拥堵现象，且关联桥梁结构参数内包含桥梁承载力Cz和车道容量参数，在对平静区域的评估拥堵预测，促进减少桥梁倒塌的风险。
(2)该基于拥堵路段交通信息实时定位指挥处理系统，紧急车辆采集模块和事故监测模块的引入，使得系统具备了对紧急情况和事故的实时监测和处理能力；且汇合桥梁路况采集模块中的桥梁汇入车辆监测单元和桥梁驶出车辆监测单元的引入，监测桥梁汇入前和驶出后公里范围内可的车流量数据，以提供关键的车流量监测和评估数据，帮助系统更好地定位和处理桥梁交通拥堵问题，从而提高交通管理的效果和交通通行的效率。
(3)该基于拥堵路段交通信息实时定位指挥处理系统，建模单元能够对桥梁的瓶颈区域进行标记、评估拥堵程度、关联数据，并通过训练进行预测，从而为指挥调度和决策提供准确的桥梁拥堵信息，进一步提升交通管理的效果。
(4)该基于拥堵路段交通信息实时定位指挥处理系统，处理单元通过各个处理模块和方案库的配合，能够根据不同情况生成相应的指挥命令，包括实时调度命令、预测调度命令和应急调度命令，以提供有效的交通管理和指挥决策支持。这有助于优化交通流动、提高路网效率，并提升交通系统的应急响应能力。
附图说明
图1为本发明基于拥堵路段交通信息实时定位指挥处理系统框图流程示意图；
图2为本发明汇合桥梁路况采集模块框图示意图；
图中：1、采集单元；10、实时采集模块；11、桥梁参数采集模块；12、汇合桥梁路况采集模块；121、桥梁汇入车辆监测单元；122、桥梁驶出车辆监测单元；13、紧急车辆采集模块；14、事故监测模块；2、识别单元；3、建模单元；31、标记单元；32、评估单元；33、数据关联单元；34、训练单元；4、处理单元；41、第一处理模块；42、第二处理模块；43、第三处理模块；44、方案库；5、指挥调度单元；6、备份单元。
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、完整的描述，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。
城市交通拥堵是一个普遍存在的问题，特别是在桥梁或道路瓶颈区域。拥堵会导致交通延误、能源浪费和环境污染等一系列负面影响，特别是在桥梁的道路瓶颈区域，长时间的拥堵甚至会导致桥梁应力倒塌的风险，给人们的生活和经济活动带来很大不便。如何通过智能化的对桥梁道路瓶颈区域进行预测，并对拥堵路段指挥处理，是本发明研究的新方向。
实施例1
基于拥堵路段交通信息实时定位指挥处理系统，请参阅图1－图2，包括采集单元1、识别单元2、建模单元3、处理单元4和指挥调度单元5；
所述采集单元1包括实时采集模块10、桥梁参数采集模块11和汇合桥梁路况采集模块12；
实时采集模块10用于采集获取实时桥梁车流量Ly、速度参数Sd和峰值延误时间T，分析获得桥梁车流参数CLx；桥梁采集模块用于智能采集大数据，并由大数据中获得桥梁结构参数，所述桥梁结构参数包括桥梁外形数据、桥梁承载力Cz和车道容量参数；
汇合桥梁路况采集模块12接近桥梁3公里内公路路面上的车流量进行实时监测，获得公路车流量数据；
建模单元3用于依据桥梁结构参数，建立三维模型；由识别单元2接收采集数据，进行预处理后，使用聚类算法识别桥梁瓶颈区域，并在三维模型上进行标记；由评估单元32根据瓶颈区域的特征和参数，计算获得瓶颈拥堵系数Pj，并和预设阈值对比，获取瓶颈拥堵分级级别，并根据瓶颈拥堵分级级别相对应的级别，由处理单元4匹配实时调度命令，由指挥调度单元5对实时调度命令进行实时定位并指挥交通；
建模单元3在建立三维模型标记瓶颈区域后，获取公路车流量数据，并与桥梁车流参数CLx和桥梁结构参数进行相关联，并添加属性、标签和数据层，将公路车流量数据的拥堵路段与桥梁的瓶颈区域以及瓶颈拥堵程度Pj进行关联，基于关联的数据，进行训练分后，将公路车流量数据、桥梁车流参数CLx和桥梁结构参数作为输入，预测综合拥堵系数Yd和预测拥堵待定区域；通过将公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行关联和训练，系统能够预测综合拥堵系数和拥堵待定区域，为指挥处理提供更准确的数据支持。
由处理单元4利用训练好的拥堵系数Yd与预测拥堵待定区域在三维模型或地图上进行动态标记，并生成预测调度命令，并由指挥调度单元5依据预测调度命令进行实时定位并指挥交通。
本发明实时采集和分析交通数据，系统能够快速定位拥堵路段和瓶颈区域，包括桥梁结构参数数据，并生成相应的指挥命令，以便及时采取措施减缓拥堵状况，并由建模单元3对桥梁瓶颈区域进行评估，并结合公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行关联和训练，进行瓶颈区域评估和拥堵预测，实现拥堵路段的快速定位和指挥处理，以及未来拥堵预测，从而优化城市交通管理，提高交通效率和减少拥堵现象，且关联桥梁结构参数内包含桥梁承载力Cz和车道容量参数，在对平静区域的评估拥堵预测，促进减少桥梁倒塌的风险。
实施例2，本实施例是在实施例1中进行的解释说明，具体的，所述桥梁车流参数CLx的公式为：
CLx＝a0+a1*Ly+a2*Sd+a3*T+a4*Bh+a5*Ly^2+a6*Sd^2+...
其中，Ly表示实时桥梁车流量，Sd表示车辆平均速度参数、T表示在高峰期时桥梁道路上基于交通流量数据和车速数据，Bh表示为桥梁车道容量饱和度，如果车道容量饱和度小于1，表示实际车流量低于车道的理论容量，交通状况相对畅通，当车道容量饱和度接近或超过1时，表示实际车流量接近或超过了车道的理论容量，交通拥堵程度较高；a0、a1、a2、...、分别表示为待定的系数，通过调整系数的值，a0、a1、a2系数通过建模单元3建模来确定的；它们的值决定了每个参数对桥梁车流参数的影响程度和函数形状；Ly^2、Sd^2表示参数的平方项，用于捕捉到一些非线性关系；根据实际数据来拟合桥梁车流参数CLx，并对其进行估计和预测。
本实施例中，桥梁车流参数CLx的公式中，综合考虑了实时桥梁车流量Ly和车辆平均速度参数Sd，这使得系统能够全面分析交通状况，不仅考虑了车辆数量，还考虑了车辆的行驶速度，提高了对交通拥堵程度的准确度；公式中的参数T表示在高峰期时桥梁道路上基于交通流量数据和车速数据，这意味着系统能够根据不同时间段的交通情况对拥堵程度进行动态调整，更加精准地评估桥梁的交通状况；公式中的参数Bh表示桥梁车道容量饱和度，该参数反映了车道的理论容量与实际车流量之间的关系，能够反映交通状况的畅通程度；公式中引入了参数的平方项Ly^2和Sd^2，用于捕捉到一些非线性关系。这能够更好地反映交通流量和车速之间的复杂关系，提高了对桥梁车流参数CLx的估计和预测的准确性；公式中的系数a0、a1、a2等通过建模单元3进行建模和确定，这意味着该系统是基于实际数据进行拟合和预测，能够根据具体桥梁的特征和参数来进行准确的评估，提高了系统的实用性和可靠性；通过考虑交通流量、车速、高峰期情况和桥梁车道容量饱和度等因素，并引入非线性关系和实际数据拟合，该系统能够准确评估和预测桥梁车流参数CLx，为实时定位指挥处理系统提供有益的数据支持，提高了系统的准确性和可靠性。
实施例3，本实施例是在实施例1中进行的解释说明，具体的，所述瓶颈拥堵系数Pj通过以下公式获得：
式中：Ly1表示瓶颈区域的车流量，Sd1表示车辆在瓶颈区域的行驶速度、T1表示在高峰期时桥梁道路上，Bh1表示为瓶颈区域桥梁车道容量饱和度，其中，α、β、γ、θ分别表示Ly1、Sd1、T1和Bh1的权重系数，其中0≤α≤1、0≤β≤1、0≤γ≤1、0≤θ≤1，且0≤α+β+γ+θ＝1；D表示归一化因子，根据历史数据和经验来调整这些参数，用于将计算结果归一化到合适的范围。
本实施例中，通过考虑瓶颈区域的交通特征、高峰期情况以及权重系数和归一化因子的调整，该系统能够准确计算瓶颈拥堵系数Pj，为实时定位指挥处理系统提供有益的数据支持，提高了系统对瓶颈区域拥堵程度的评估和预测的准确性。
实施例4，本实施例是在实施例1中进行的解释说明，具体的，所述桥梁承载力Cz通过以下公式获得：
Cz＝Cm*Cs*Cf*Cp
式中，Cm表示为桥梁材料强度折减系数；Cs表示为桥梁结构的稳定性折减系数；Cf表示为桥梁荷载组合系数，考虑不同荷载组合对桥梁的影响；Cp表示为附加参数，包括桥梁年限因素、温度变化引起的桥梁结构引力变形、风向风速导致的桥梁荷载因素和行人密度导致的桥梁荷载因素。
本实施例中，桥梁承载力Cz的公式中，考虑了桥梁材料强度折减系数Cm、桥梁结构的稳定性折减系数Cs以及桥梁荷载组合系数Cf。这些参数综合考虑了桥梁的材料强度、结构稳定性以及不同荷载组合对桥梁承载力的影响，提供了对桥梁承载能力的综合评估；公式中的附加参数Cp包括桥梁年限因素、温度变化引起的桥梁结构引力变形、风向风速导致的桥梁荷载因素和行人密度导致的桥梁荷载因素。这些附加参数能够更全面地考虑桥梁使用环境的影响，提高了对桥梁承载力的准确评估，公式中的各个系数反映了不同因素对桥梁承载力的影响程度。通过合理调整这些系数的值，可以更准确地计算桥梁的承载能力，并提供针对性的指导和决策支持；通过考虑桥梁结构参数、附加参数以及各个系数的综合评估，该系统能够准确计算桥梁承载力Cz，为实时定位指挥处理系统提供有益的数据支持，提高了对桥梁承载能力的评估和预测的准确性。
实施例4，本实施例是在实施例1中进行的解释说明，具体的，请参照图1－图2，所述采集单元1还包括紧急车辆采集模块13和事故监测模块14，所述紧急车辆采集模块13用于通过道路监控摄像头，采集紧急车辆的标识，包括车牌、灯光和声音；
且紧急车辆采集模块13还通过与交通管制部门、医疗机构、消防机构、应急救援机构相关部门进行信息共享，用于采集线上紧急车辆出行数据，包括紧急车辆的路线和目的地，经过桥梁的预计时间段时间，并传输至识别单元2进行识别分析，由评估单元32关联桥梁车流参数CLx，并评估较为疏松的桥梁车道，在建模单元3中的三维模型进行紧急车辆标记，并通过处理单元4生成优先通行命令，并发送至指挥调度单元5基于优先通行命令进行相应的指挥；
所述事故监测模块14用于实时对桥梁路面进行实时监控，获取到事故数据并传输至指挥调度单元5。
本实施例中，紧急车辆采集模块13和事故监测模块14的引入，使得系统具备了对紧急情况和事故的实时监测和处理能力，可以提高紧急车辆的优先通行效率，同时快速响应和处理交通事故，从而有效提升交通管理和应急响应的效果。
实施例5，本实施例是在实施例1中进行的解释说明，具体的，请参照图1－图2，汇合桥梁路况采集模块12包括桥梁汇入车辆监测单元121和桥梁驶出车辆监测单元122；
桥梁汇入车辆监测单元121用于监测桥梁汇入前3公里范围内车辆的汇入车流量情况，用于评估桥梁上可能汇入的车流量对桥梁交通拥堵的影响度；
桥梁驶出车辆监测单元122用于监测桥梁驶出后3公里范围内车辆的驶出车流量情况，用于评估桥梁上驶出后的车流量对后续桥梁驶出通行速度的影响度。
汇合桥梁路况采集模块12中的桥梁汇入车辆监测单元121和桥梁驶出车辆监测单元122的引入，监测桥梁汇入前和驶出后3公里范围内可的车流量数据，以提供关键的车流量监测和评估数据，帮助系统更好地定位和处理桥梁交通拥堵问题，从而提高交通管理的效果和交通通行的效率。
实施例6，本实施例是在实施例1中进行的解释说明，具体的，请参照图1－图2，所述建模单元3包括标记单元31、评估单元32、数据关联单元33和训练单元34；
所述标记单元31用于在建立的三维模型上，将识别出的桥梁瓶颈区域进行标记，以便后续的可视化展示和分析；系统可以直观地显示出桥梁的拥堵情况，帮助指挥员或操作人员更好地了解桥梁的交通状况，及时采取相应的措施；
评估单元32，根据瓶颈区域的特征和参数，计算瓶颈拥堵系数Pj；通过与预设阈值对比，确定瓶颈拥堵的分级级别；这样的评估可以提供对桥梁拥堵程度的量化指标，帮助指挥员或操作人员了解桥梁的拥堵情况，并根据拥堵级别采取相应的措施，如调度交通或引导车辆绕行。
数据关联单元33用于将建立的三维模型中标记的瓶颈区域与获取的公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行关联，为公路车流量数据田间属性、标签和数据层，使其与瓶颈区域和瓶颈拥堵程度Pj相对应；通过关联数据，可以将公路车流量数据的属性、标签和数据增加到瓶颈区域和瓶颈拥堵程度Pj上。这样的关联可以提供更全面的数据支持，使系统在分析和处理时能够考虑到不同的因素和参数，提高决策的准确性和有效性。
训练单元34用于基于关联的数据，对公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行训练，以预测综合拥堵系数Yd和预测拥堵待定区域。通过训练，可以建立模型来预测综合拥堵系数Yd和预测拥堵待定区域。这样的训练可以帮助系统更好地理解和预测桥梁的拥堵情况，为指挥决策提供更准确的预测结果。
本实施例中，建模单元3能够对桥梁的瓶颈区域进行标记、评估拥堵程度、关联数据，并通过训练进行预测，从而为指挥调度和决策提供准确的桥梁拥堵信息，进一步提升交通管理的效果。
实施例7，本实施例是在实施例6中进行的解释说明，具体的，请参照图1－图2，所述处理单元4包括第一处理模块41、第二处理模块42、第三处理模块43和方案库44，所述第一处理模块41用于接收所述瓶颈拥堵分级级别，并由方案库44进行匹配对比到相对应评级拥堵级别的调度方案，依据相对应的调度方案生成实时调度命令；该模块能够提供针对当前瓶颈区域的实时调度指令，有助于减缓交通拥堵；
所述第二处理模块42用于接收综合拥堵系数Yd和预测拥堵待定区域数据，并由方案库44匹配到相对应的预测调度方案，依据相对应的预测调度方案生成预测调度命令；该模块能够提供预测性的调度指令，有助于提前部署资源和优化交通；
所述第三处理模块43用于接收事故监测模块14中的紧急事故数据，并由方案库44匹配到相对应的执行方案，依据相对应的执行方案生成应急调度命令。该模块能够提供针对紧急事故的应急调度指令，有助于及时响应和处理事故情况；
本实施例中，处理单元4通过各个处理模块和方案库44的配合，能够根据不同情况生成相应的指挥命令，包括实时调度命令、预测调度命令和应急调度命令，以提供有效的交通管理和指挥决策支持。这有助于优化交通流动、提高路网效率，并提升交通系统的应急响应能力。
实施例8，本实施例是在实施例6中进行的解释说明，具体的，请参照图1－图2，所述瓶颈拥堵分级级别包括轻度拥堵级别、中度拥堵级别和重度拥堵级别；
所述轻度拥堵级别生成的调度方案为，及时向3公里内的桥梁附近公路路面的驾驶员，提醒可选绕行路线，并在桥梁入口处加强交通标志黄牌，非必要不进入通行的示例牌予以提醒；
所述中度拥堵级别生成的调度方案为，设置在桥梁入口处加入加强交通标志黄牌，10—15分钟时间段现行车辆通行标志予以提醒，并临时分流调整桥梁车道流向；
所述重度拥堵级别生成的调度方案为，设置在桥梁入口处加入红牌，10—30分钟时间段禁止通行标志予以提醒；联合交警和巡逻车辆，进行管制和疏导，直至拥堵结束。
优选的，所述指挥调度单元5用于将实时调度命令、预测调度命令、应急调度命令和优先通行命令，并和预设优先级阈值进行对比，确认调度优先级顺序，并按照优先级顺序进行指挥调度处理。
本实施例中，指挥调度单元5的作用是将实时调度命令、预测调度命令、应急调度命令和优先通行命令进行整合，并与预设的优先级阈值进行对比，确定调度的优先级顺序。根据优先级顺序，指挥调度单元5将相应的指挥命令发送给相关部门或人员，以实施相应的交通调度和管理措施。这样的优化调度和指挥流程可以提高交通系统的效率和应对能力，确保交通畅通并合理应对拥堵情况。
实施例9，本实施例是在实施例6中进行的解释说明，具体的，请参照图1，还包括备份单元6，所述备份单元6用于对所述指挥调度单元5的实时调度命令、预测调度命令、应急调度命令和优先通行命令进行备份，便于后期进行分析优化。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.基于拥堵路段交通信息实时定位指挥处理系统，其特征在于：包括采集单元(1)、识别单元(2)、建模单元(3)、处理单元(4)和指挥调度单元(5)；
所述采集单元(1)包括实时采集模块(10)、桥梁参数采集模块(11)和汇合桥梁路况采集模块(12)；
实时采集模块(10)用于采集获取实时桥梁车流量Ly、速度参数Sd和峰值延误时间T，分析获得桥梁车流参数CLx；桥梁采集模块用于智能采集大数据，并由大数据中获得桥梁结构参数，所述桥梁结构参数包括桥梁外形数据、桥梁承载力Cz和车道容量参数；
汇合桥梁路况采集模块(12)接近桥梁3公里内公路路面上的车流量进行实时监测，获得公路车流量数据；
建模单元(3)用于依据桥梁结构参数，建立三维模型；由识别单元(2)接收采集数据，进行预处理后，使用聚类算法识别桥梁瓶颈区域，并在三维模型上进行标记；由评估单元(32)根据瓶颈区域的特征和参数，计算获得瓶颈拥堵系数Pj，并和预设阈值对比，获取瓶颈拥堵分级级别，并根据瓶颈拥堵分级级别相对应的级别，由处理单元(4)匹配实时调度命令，由指挥调度单元(5)对实时调度命令进行实时定位并指挥交通；
建模单元(3)在建立三维模型标记瓶颈区域后，获取公路车流量数据，并与桥梁车流参数CLx和桥梁结构参数进行相关联，并添加属性、标签和数据层，将公路车流量数据的拥堵路段与桥梁的瓶颈区域以及瓶颈拥堵程度Pj进行关联，基于关联的数据，进行训练分后，将公路车流量数据、桥梁车流参数CLx和桥梁结构参数作为输入，预测综合拥堵系数Yd和预测拥堵待定区域；
由处理单元(4)利用训练好的拥堵系数Yd与预测拥堵待定区域在三维模型或地图上进行动态标记，并生成预测调度命令，并由指挥调度单元(5)依据预测调度命令进行实时定位并指挥交通。
2.根据权利要求1所述的基于拥堵路段交通信息实时定位指挥处理系统，其特征在于：所述桥梁车流参数CLx的公式为：
CLx＝a0+a1*Ly+a2*Sd+a3*T+a4*Bh+a5*Ly^2+a6*Sd^2+...其中，Ly表示实时桥梁车流量，Sd表示车辆平均速度参数、T表示在高峰期时桥梁道路上基于交通流量数据和车速数据，Bh表示为桥梁车道容量饱和度，如果车道容量饱和度小于1，表示实际车流量低于车道的理论容量，交通状况相对畅通，当车道容量饱和度接近或超过1时，表示实际车流量接近或超过了车道的理论容量，交通拥堵程度较高；a0、a1、a2、...、分别表示为待定的系数，通过调整系数的值，a0、a1、a2系数通过建模单元(3)建模来确定的；它们的值决定了每个参数对桥梁车流参数的影响程度和函数形状；Ly^2、Sd^2表示参数的平方项，用于捕捉到一些非线性关系；根据实际数据来拟合桥梁车流参数CLx，并对其进行估计和预测。
3.根据权利要求1所述的基于拥堵路段交通信息实时定位指挥处理系统，其特征在于：所述瓶颈拥堵系数Pj通过以下公式获得：
式中：Ly1表示瓶颈区域的车流量，Sd1表示车辆在瓶颈区域的行驶速度、T1表示在高峰期时桥梁道路上，Bh1表示为瓶颈区域桥梁车道容量饱和度，其中，α、β、γ、θ分别表示Ly1、Sd1、T1和Bh1的权重系数，其中0≤α≤1、0≤β≤1、0≤γ≤1、0≤θ≤1，且0≤α+β+γ+θ＝1；D表示归一化因子，根据历史数据和经验来调整这些参数，用于将计算结果归一化到合适的范围。
4.根据权利要求1所述的基于拥堵路段交通信息实时定位指挥处理系统，其特征在于：所述桥梁承载力Cz通过以下公式获得：
Cz＝Cm*Cs*Cf*Cp
式中，Cm表示为桥梁材料强度折减系数；Cs表示为桥梁结构的稳定性折减系数；Cf表示为桥梁荷载组合系数，考虑不同荷载组合对桥梁的影响；Cp表示为附加参数，包括桥梁年限因素、温度变化引起的桥梁结构引力变形、风向风速导致的桥梁荷载因素和行人密度导致的桥梁荷载因素。
5.根据权利要求1所述的基于拥堵路段交通信息实时定位指挥处理系统，其特征在于：所述采集单元(1)还包括紧急车辆采集模块(13)和事故监测模块(14)，所述紧急车辆采集模块(13)用于通过道路监控摄像头，采集紧急车辆的标识，包括车牌、灯光和声音；
且紧急车辆采集模块(13)还通过与交通管制部门、医疗机构、消防机构、应急救援机构相关部门进行信息共享，用于采集线上紧急车辆出行数据，包括紧急车辆的路线和目的地，经过桥梁的预计时间段时间，并传输至识别单元(2)进行识别分析，由评估单元(32)关联桥梁车流参数CLx，并评估较为疏松的桥梁车道，在建模单元(3)中的三维模型进行紧急车辆标记，并通过处理单元(4)生成优先通行命令，并发送至指挥调度单元(5)基于优先通行命令进行相应的指挥；
所述事故监测模块(14)用于实时对桥梁路面进行实时监控，获取到事故数据并传输至指挥调度单元(5)。
6.根据权利要求1所述的基于拥堵路段交通信息实时定位指挥处理系统，其特征在于：汇合桥梁路况采集模块(12)包括桥梁汇入车辆监测单元(121)和桥梁驶出车辆监测单元(122)；
桥梁汇入车辆监测单元(121)用于监测桥梁汇入前3公里范围内车辆的汇入车流量情况，用于评估桥梁上可能汇入的车流量对桥梁交通拥堵的影响度；
桥梁驶出车辆监测单元(122)用于监测桥梁驶出后3公里范围内车辆的驶出车流量情况，用于评估桥梁上驶出后的车流量对后续桥梁驶出通行速度的影响度。
7.根据权利要求1所述的基于拥堵路段交通信息实时定位指挥处理系统，其特征在于：所述建模单元(3)包括标记单元(31)、评估单元(32)、数据关联单元(33)和训练单元(34)；
所述标记单元(31)用于在建立的三维模型上，将识别出的桥梁瓶颈区域进行标记，以便后续的可视化展示和分析；
评估单元(32)，根据瓶颈区域的特征和参数，计算瓶颈拥堵系数Pj；通过与预设阈值对比，确定瓶颈拥堵的分级级别；
数据关联单元(33)用于将建立的三维模型中标记的瓶颈区域与获取的公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行关联，为公路车流量数据田间属性、标签和数据层，使其与瓶颈区域和瓶颈拥堵程度Pj相对应；
训练单元(34)用于基于关联的数据，对公路车流量数据、桥梁车流参数CLx和桥梁结构参数进行训练，以预测综合拥堵系数Yd和预测拥堵待定区域。
8.根据权利要求1所述的基于拥堵路段交通信息实时定位指挥处理系统，其特征在于：所述处理单元(4)包括第一处理模块(41)、第二处理模块(42)、第三处理模块(43)和方案库(44)，所述第一处理模块(41)用于接收所述瓶颈拥堵分级级别，并由方案库(44)进行匹配对比到相对应评级拥堵级别的调度方案，依据相对应的调度方案生成实时调度命令；
所述第二处理模块(42)用于接收综合拥堵系数Yd和预测拥堵待定区域数据，并由方案库(44)匹配到相对应的预测调度方案，依据相对应的预测调度方案生成预测调度命令；
所述第三处理模块(43)用于接收事故监测模块(14)中的紧急事故数据，并由方案库(44)匹配到相对应的执行方案，依据相对应的执行方案生成应急调度命令。
9.根据权利要求8所述的基于拥堵路段交通信息实时定位指挥处理系统，其特征在于：所述瓶颈拥堵分级级别包括轻度拥堵级别、中度拥堵级别和重度拥堵级别；
所述轻度拥堵级别生成的调度方案为，及时向3公里内的桥梁附近公路路面的驾驶员，提醒可选绕行路线，并在桥梁入口处加强交通标志黄牌，非必要不进入通行的示例牌予以提醒；
所述中度拥堵级别生成的调度方案为，设置在桥梁入口处加入加强交通标志黄牌，10—15分钟时间段现行车辆通行标志予以提醒，并临时分流调整桥梁车道流向；
所述重度拥堵级别生成的调度方案为，设置在桥梁入口处加入红牌，10—30分钟时间段禁止通行标志予以提醒；联合交警和巡逻车辆，进行管制和疏导，直至拥堵结束；
所述指挥调度单元(5)用于将实时调度命令、预测调度命令、应急调度命令和优先通行命令，并和预设优先级阈值进行对比，确认调度优先级顺序，并按照优先级顺序进行指挥调度处理。
10.根据权利要求9所述的基于拥堵路段交通信息实时定位指挥处理系统，其特征在于：还包括备份单元(6)，所述备份单元(6)用于对所述指挥调度单元(5)的实时调度命令、预测调度命令、应急调度命令和优先通行命令进行备份，便于后期进行分析优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310739377.8A CN116704771B (zh) | 2023-06-21 | 2023-06-21 | 基于拥堵路段交通信息实时定位指挥处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310739377.8A CN116704771B (zh) | 2023-06-21 | 2023-06-21 | 基于拥堵路段交通信息实时定位指挥处理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116704771A true CN116704771A (zh) | 2023-09-05 |
| CN116704771B CN116704771B (zh) | 2024-01-12 |
Family
ID=87843075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310739377.8A Active CN116704771B (zh) | 2023-06-21 | 2023-06-21 | 基于拥堵路段交通信息实时定位指挥处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116704771B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117116065A (zh) * | 2023-10-23 | 2023-11-24 | 宁波宁工交通工程设计咨询有限公司 | 一种智慧道路车流管控方法及系统 |
| CN117474870A (zh) * | 2023-11-03 | 2024-01-30 | 中国公路工程咨询集团有限公司 | 一种基于大数据筛选的公路路面裂缝识别决策方法及系统 |
| CN117576908A (zh) * | 2023-11-21 | 2024-02-20 | 青岛格仑特新能源车辆制造有限公司 | 一种基于物联网的智能警用车载控制系统及方法 |
| CN117789504A (zh) * | 2024-02-28 | 2024-03-29 | 苏州申亿通智慧运营管理有限公司 | 一种城市隧道交通智能指挥调度方法及系统 |
| CN117809475A (zh) * | 2024-02-27 | 2024-04-02 | 交通运输部水运科学研究所 | 基于数据驱动的港区应急路段疏导系统 |
| CN118015842A (zh) * | 2024-04-09 | 2024-05-10 | 经智信息科技(山东)有限公司 | 一种基于图像处理的交通拥堵预测方法和系统 |
| CN118114954A (zh) * | 2024-04-28 | 2024-05-31 | 滴滴优点科技(深圳)有限公司 | 一种基于多源数据分析的智慧公交调度方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101615341A (zh) * | 2009-07-17 | 2009-12-30 | 重庆交通大学 | 一种基于交通流控制的桥梁智能监控方法 |
| CN101697254A (zh) * | 2009-10-22 | 2010-04-21 | 姜廷顺 | 兼有交通拥堵报警及超速拍照功能的电子警察及运行方法 |
| CN103310633A (zh) * | 2013-05-23 | 2013-09-18 | 北京交通发展研究中心 | 交通拥堵评价方法 |
| CN104021673A (zh) * | 2014-06-17 | 2014-09-03 | 北京易华录信息技术股份有限公司 | 利用雷达跟踪技术快速发现拥堵引发原因的系统及方法 |
| CN107742418A (zh) * | 2017-09-29 | 2018-02-27 | 东南大学 | 一种城市快速路交通拥堵状态及堵点位置自动识别方法 |
| CN108269401A (zh) * | 2018-01-30 | 2018-07-10 | 银江股份有限公司 | 一种基于数据驱动的高架桥交通拥堵预测方法 |
| CN111986481A (zh) * | 2020-08-24 | 2020-11-24 | 安徽科力信息产业有限责任公司 | 一种城市道路交通拥堵程度评价方法、系统及存储介质 |
| WO2021077607A1 (zh) * | 2019-10-24 | 2021-04-29 | 深圳市商汤科技有限公司 | 数据处理方法和装置 |
| CN112785849A (zh) * | 2021-02-24 | 2021-05-11 | 山东科技大学 | 一种高速公路拥堵状态判别和交通流管控系统及方法 |
| CN112991719A (zh) * | 2021-01-28 | 2021-06-18 | 北京奥泽尔科技发展有限公司 | 一种基于拥堵画像的交通拥堵预测方法及系统 |
| CN115860536A (zh) * | 2022-11-29 | 2023-03-28 | 湖南敏行汽车科技有限公司 | 一种道路口拥挤率评价方法 |
-
2023
- 2023-06-21 CN CN202310739377.8A patent/CN116704771B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101615341A (zh) * | 2009-07-17 | 2009-12-30 | 重庆交通大学 | 一种基于交通流控制的桥梁智能监控方法 |
| CN101697254A (zh) * | 2009-10-22 | 2010-04-21 | 姜廷顺 | 兼有交通拥堵报警及超速拍照功能的电子警察及运行方法 |
| CN103310633A (zh) * | 2013-05-23 | 2013-09-18 | 北京交通发展研究中心 | 交通拥堵评价方法 |
| CN104021673A (zh) * | 2014-06-17 | 2014-09-03 | 北京易华录信息技术股份有限公司 | 利用雷达跟踪技术快速发现拥堵引发原因的系统及方法 |
| CN107742418A (zh) * | 2017-09-29 | 2018-02-27 | 东南大学 | 一种城市快速路交通拥堵状态及堵点位置自动识别方法 |
| CN108269401A (zh) * | 2018-01-30 | 2018-07-10 | 银江股份有限公司 | 一种基于数据驱动的高架桥交通拥堵预测方法 |
| WO2021077607A1 (zh) * | 2019-10-24 | 2021-04-29 | 深圳市商汤科技有限公司 | 数据处理方法和装置 |
| CN111986481A (zh) * | 2020-08-24 | 2020-11-24 | 安徽科力信息产业有限责任公司 | 一种城市道路交通拥堵程度评价方法、系统及存储介质 |
| CN112991719A (zh) * | 2021-01-28 | 2021-06-18 | 北京奥泽尔科技发展有限公司 | 一种基于拥堵画像的交通拥堵预测方法及系统 |
| CN112785849A (zh) * | 2021-02-24 | 2021-05-11 | 山东科技大学 | 一种高速公路拥堵状态判别和交通流管控系统及方法 |
| CN115860536A (zh) * | 2022-11-29 | 2023-03-28 | 湖南敏行汽车科技有限公司 | 一种道路口拥挤率评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李明伟;: "基于SD模型的路网结构模拟及运行效率研究", 武汉理工大学学报(信息与管理工程版), no. 03 * |
| 梅朵: "基于云计算的交通瓶颈控制与诱导协同模型研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》, pages 45 - 46 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117116065B (zh) * | 2023-10-23 | 2024-02-02 | 宁波宁工交通工程设计咨询有限公司 | 一种智慧道路车流管控方法及系统 |
| CN117116065A (zh) * | 2023-10-23 | 2023-11-24 | 宁波宁工交通工程设计咨询有限公司 | 一种智慧道路车流管控方法及系统 |
| CN117474870B (zh) * | 2023-11-03 | 2024-05-07 | 中国公路工程咨询集团有限公司 | 一种基于大数据筛选的公路路面裂缝识别决策方法及系统 |
| CN117474870A (zh) * | 2023-11-03 | 2024-01-30 | 中国公路工程咨询集团有限公司 | 一种基于大数据筛选的公路路面裂缝识别决策方法及系统 |
| CN117576908A (zh) * | 2023-11-21 | 2024-02-20 | 青岛格仑特新能源车辆制造有限公司 | 一种基于物联网的智能警用车载控制系统及方法 |
| CN117576908B (zh) * | 2023-11-21 | 2024-04-26 | 青岛格仑特新能源车辆制造有限公司 | 一种基于物联网的智能警用车载控制系统及方法 |
| CN117809475A (zh) * | 2024-02-27 | 2024-04-02 | 交通运输部水运科学研究所 | 基于数据驱动的港区应急路段疏导系统 |
| CN117809475B (zh) * | 2024-02-27 | 2024-04-26 | 交通运输部水运科学研究所 | 基于数据驱动的港区应急路段疏导系统 |
| CN117789504B (zh) * | 2024-02-28 | 2024-05-03 | 苏州申亿通智慧运营管理有限公司 | 一种城市隧道交通智能指挥调度方法及系统 |
| CN117789504A (zh) * | 2024-02-28 | 2024-03-29 | 苏州申亿通智慧运营管理有限公司 | 一种城市隧道交通智能指挥调度方法及系统 |
| CN118015842A (zh) * | 2024-04-09 | 2024-05-10 | 经智信息科技(山东)有限公司 | 一种基于图像处理的交通拥堵预测方法和系统 |
| CN118114954A (zh) * | 2024-04-28 | 2024-05-31 | 滴滴优点科技(深圳)有限公司 | 一种基于多源数据分析的智慧公交调度方法及系统 |
| CN118114954B (zh) * | 2024-04-28 | 2024-07-12 | 滴滴优点科技(深圳)有限公司 | 一种基于多源数据分析的智慧公交调度方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116704771B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116704771B (zh) | 基于拥堵路段交通信息实时定位指挥处理系统 | |
| WO2022227129A1 (zh) | 一种危化品道路运输风险评估方法及系统 | |
| CN108364494B (zh) | 道路交通智能管理方法、系统及平台 | |
| El-Geneidy et al. | Effects of bus stop consolidation on passenger activity and transit operations | |
| US11069233B1 (en) | Video-based main road cooperative signal machine control method | |
| CN109191876B (zh) | 一种基于车联网技术的特殊车辆交通诱导系统及其控制方法 | |
| CN112785849A (zh) | 一种高速公路拥堵状态判别和交通流管控系统及方法 | |
| CN109415043A (zh) | 一种基于舒适度的自动驾驶行驶规划方法 | |
| US10699568B1 (en) | Video-based crossroad signal machine control method | |
| CN112071061A (zh) | 基于云计算和数据分析的车辆服务系统 | |
| CN105719510B (zh) | 车联网环境下道路交通事故链阻断系统的效率评价方法 | |
| CN116168356B (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
| CN112907955A (zh) | 一种基于信息融合的车路协同系统的评价方法 | |
| CN117789504B (zh) | 一种城市隧道交通智能指挥调度方法及系统 | |
| CN110807929A (zh) | 一种交通警用辅助指挥信息分析研判系统 | |
| CN118230546A (zh) | 一种基于多源数据的城市绿色交通管理系统及方法 | |
| Honrao et al. | Benefits of smart traffic systems (STS) and different techniques used for it | |
| CN117670182A (zh) | 一种基于物联网的物流调度系统 | |
| CN116663851A (zh) | 一种智慧城市安保用情指行一体化系统 | |
| Mandi et al. | Smart Traffic Management System | |
| Kaur et al. | RFID based Intelligent Transport System with RSU Communication for Emergency Vehicles in Urbanization | |
| KR102372998B1 (ko) | 차량 통행량 영상 계측 시스템 및 그 계측 방법 | |
| CN114170800A (zh) | 一种交通云控平台主动事件预测并处置的方法与系统 | |
| Li et al. | Research on Intelligent Highway operation Monitoring and analysis system | |
| Upadhyay et al. | Traffic Monitoring System using YOLOv3 Model |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231106 Address after: 100097 908, block a, 8th floor, 116 Zizhuyuan Road, Haidian District, Beijing Applicant after: ZHONGZI DATA CO.,LTD. Applicant after: CHINA HIGHWAY ENGINEERING CONSULTING Corp. Applicant after: CHINA COMMUNICATION CONSTRUCTION COMPANY FIRST HARBOUR CONSULTANTS Co.,Ltd. Address before: 100097 908, block a, 8th floor, 116 Zizhuyuan Road, Haidian District, Beijing Applicant before: ZHONGZI DATA CO.,LTD. Applicant before: CHINA HIGHWAY ENGINEERING CONSULTING Corp. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |