CN116844362B - 一种交通流数据处理方法 - Google Patents
一种交通流数据处理方法 Download PDFInfo
- Publication number
- CN116844362B CN116844362B CN202311114901.9A CN202311114901A CN116844362B CN 116844362 B CN116844362 B CN 116844362B CN 202311114901 A CN202311114901 A CN 202311114901A CN 116844362 B CN116844362 B CN 116844362B
- Authority
- CN
- China
- Prior art keywords
- running
- ideal
- indicating
- remaining
- 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.)
- Active
Links
Abstract
本发明公开了一种交通流数据处理方法，属于数据处理技术领域，包括以下步骤：S1、确定行驶车辆的剩余理想行驶路径和剩余理想行驶时长；S2、确定剩余理想行驶时长内剩余理想行驶路径中各个路段的路况；S3、生成行驶车辆的实际行驶时长；S4：判断行驶车辆的实际行驶时长是否小于或等于剩余理想行驶时长，若是，则行驶车辆按照剩余理想行驶路径行驶至目的地，否则进入S5；S5、生成最新理想行驶路径，行驶至目的地。该交通流数据处理方法对车辆行驶路径中各个路段的拥堵情况进行准确评判，同时考虑通过各个路口的时长，从而预测车辆的实际到达时长，在实际到达时长超过理想时长时，及时更新行驶路线，避免拥堵，节约用户行驶时间。
Description
技术领域
本发明属于数据处理技术领域，具体涉及一种交通流数据处理方法。
背景技术
交通流数据是反映城市道路交通运行情况的重要参数。
获取全面、丰富且实时的交通流信息，一方面可以让交通规划部门和交通管理部门精准掌握道路运行现状，及时进行交通疏导和信号控制；另一方面，为用户预知前方路况并及时改变行驶路线提供了科学依据。
但现有技术中，基于交通流数据对于道路拥堵情况的预测，往往是对单个路段的拥堵情况进行预测，忽略路口的交通拥堵情况。
然而，由于多个路段及路口的连续拥堵，会导致道路的通行能力随机变化，不利于出行者选择行驶路线，避免拥堵。
发明内容
本发明为了解决以上问题，提出了一种交通流数据处理方法。
本发明的技术方案是：一种交通流数据处理方法包括以下步骤：
S1、获取行驶车辆的理想行驶路径以及行驶车辆在理想行驶路径的实时位置，确定行驶车辆的剩余理想行驶路径和剩余理想行驶时长；
S2、获取当前时刻剩余理想行驶路径的交通流数据，并根据当前时刻剩余理想行驶路径的交通流数据，确定剩余理想行驶时长内剩余理想行驶路径中各个路段的路况；
S3、根据剩余理想行驶时长内剩余理想行驶路径的路况，生成行驶车辆的实际行驶时长；
S4：判断行驶车辆的实际行驶时长是否小于或等于剩余理想行驶时长，若是，则行驶车辆按照剩余理想行驶路径行驶至目的地，否则进入S5；
S5、对剩余理想行驶路径进行更新，生成最新理想行驶路径，并按照最新理想行驶路径行驶至目的地。
在本发明中，行驶车辆的理想行驶路径和理想行驶时长都可在出发前通过现有电子地图软件获取。
行驶车辆的剩余理想行驶路径和剩余理想行驶时长都可在行驶过程中通过现有电子地图软件获取。
同理，电子地图一般会生成多条可行行驶路径，在S4判断行驶时长超时后，利用电子地图更新行驶路径，寻找更优路线。
进一步地，S2 包括以下子步骤：
S21、获取当前时刻剩余理想行驶路径的交通流数据，计算剩余理想行驶路径中各个路段的拥挤系数，生成路段拥挤系数序列；
S22、根据当前时刻剩余理想行驶路径的交通流数据，计算剩余理想行驶路径中各个路口的通过系数，生成路口通过系数序列；
S23、计算各个路段的拥挤系数与路口通过系数序列之间的等待权重，若等待权重小于或等于0.5，则路段的路况为拥挤，否则路段的路况为非拥挤。
上述进一步方案的有益效果是：在本发明中，路段的路况拥挤程度受单位面积的车辆密度和路网密度等参数影响，可以反映各个路段的拥挤程度。
路口等待系数受当前路口红绿灯等待时长、当前路口类型和当前路口已有等待车辆个数影响，可以反映车辆通过该路口的时长。
从路段拥挤系数序列中随机选择一个拥挤系数加入至路口等待系数序列中，若拥挤系数与等待系数之间的等待权重大于0.5，则该路段的拥挤程度会导致路口通过系数增大（相当于增加通过路口的时长），表示该路段的路况出现拥挤。
进一步地，交通流数据包括剩余理想行驶路径长度、各个路段长度、单位面积的车辆密度、路网密度和路口个数。
进一步地，S21中，路段的拥挤系数p的计算公式为：式中，ρ 1表示路段的路网密度，A表示路段的长，B表示路段的宽，ρ 2表示路段单位面积的车辆密度，v 0表示车辆在路段的行驶速度，L表示理想行驶路径长度，l表示剩余理想行驶路径长度，t 0表示车辆已行驶时长。
上述进一步方案的有益效果是：在本发明中，路网密度表示该路段在整个理想行驶路径中所占比例；路段的现有车辆密度越大，车辆在该路段的行驶速度越缓慢；车辆在该路段的行驶速度和已行驶路径的行驶速度会影响车辆到达该路段的时长。
因此，将以上因素作为影响路段拥挤系数的参数。
进一步地，S22中，路口的通过系数q的计算公式为：式中，c 0表示路口类型权重，t 1表示车辆在路口的等待时长，D表示车辆通过路口的行驶长度，v 1表示车辆在路口的行驶速度，t 2表示已通过路口信号灯的总时长，c 1表示已通过路口信号灯的类型权重之和，c 2表示车辆在路口信号灯的类型权重。
上述进一步方案的有益效果是：在本发明中，常见的路口类型包括十字形、X字形、T字形、Y字形、错位交叉和复合交叉等，类型越复杂，车辆通过该路口的时间越长，路口的通过系数越大。
因此采用呈增长形式的以e为底数的指数函数来限定路口类型对路口通过系数的影响，类型越复杂，路口类型权重值c 0越大，导致路口通过系数越大。
路口信号灯类型也会影响路口通过时长，c 2=1，表示路口存在正常工作的红黄绿信号灯；c 2=2，表示路口存在闪烁的橙色警示信号灯；c 2=3，表示路口不存在信号灯。
若路口不存在信号灯，则车辆需降低车速，驻车观察通过，其通过时间最长；若路口存在闪烁的橙色警示信号灯，则车辆需降低车速，观察通过，其通过时间较长；若路口存在正常工作的红黄绿信号灯，则车辆需降低车速，根据信号灯情况观察通过，其通过时间较短。
进一步地，S23中，路段的拥挤系数与路口等待系数序列之间的等待权重θ的计算公式为：式中，p m 表示剩余理想行驶路径中第m个路段的拥挤系数，P表示路段拥挤系数序列，q n 表示剩余理想行驶路径中第n个路口的通过系数，Q表示路口通过系数序列，M表示剩余理想行驶路径的路段总数，N表示剩余理想行驶路径的路口总数。
进一步地，S3包括以下子步骤：
S31、将剩余理想行驶时长均分为若干个行驶时间段，并获取各个行驶时间段内行驶车辆在剩余理想行驶路径的理想行驶位置；
S32、分别计算各个行驶时间段内行驶车辆在剩余理想行驶路径的理想行驶位置与剩余理想行驶路径的起点位置之间的位置状态误差，生成位置状态误差集合；
S33、根据位置状态误差集合，计算各个行驶时间段的时间误差系数；
S34、判断路段的路况是否为拥挤，若是则进入S35，否则进入S36；
S35、根据各个行驶时间段的时间误差系数以及剩余理想行驶路径中各个路段的拥挤系数和各个路口的通过系数，计算实际行驶时长；
S36、计算各个行驶时间段的时间误差系数之和，作为时间误差权重，将剩余理想行驶时长与时间误差权重的乘积作为实际行驶时长。
上述进一步方案的有益效果是：在本发明中，电子地图在规划理想行驶路径的同时，也会规划行驶车辆在某个时间点出现的理想位置，即各个行驶时间段内行驶车辆在剩余理想行驶路径的理想行驶位置。
若路况不拥挤，则直接对时间误差系数与剩余理想行驶时长进行乘积运算即可；若路况拥挤，则需考虑路段的拥挤系数和路口的等待系数对实际行驶时长的影响。
进一步地，S33中，时间误差系数σ的计算公式为：式中，e g+1表示第g+1个行驶时间段的位置状态误差，e g 表示第g个行驶时间段的位置状态误差，L表示理想行驶路径长度，l表示剩余理想行驶路径长度，t 0表示车辆已行驶时长。
进一步地，S35中，实际时长T的计算公式为：式中，σ g 表示第g个行驶时间段的时间误差系数，t 3表示剩余理想行驶时长，p m 表示剩余理想行驶路径中第m个路段的拥挤系数，q n 表示剩余理想行驶路径中第n个路口的通过系数，M表示剩余理想行驶路径的路段总数，N表示剩余理想行驶路径的路口总数。
本发明的有益效果是：该交通流数据处理方法对车辆行驶路径中各个路段的拥堵情况进行准确评判，同时考虑通过各个路口的时长，从而预测车辆的实际到达时长，在实际到达时长超过理想时长时，及时更新行驶路线，避免拥堵，节约用户行驶时间。
附图说明
图1为交通流数据处理方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示，本发明提供了一种交通流数据处理方法，包括以下步骤：
S1、获取行驶车辆的理想行驶路径以及行驶车辆在理想行驶路径的实时位置，确定行驶车辆的剩余理想行驶路径和剩余理想行驶时长；
S2、获取当前时刻剩余理想行驶路径的交通流数据，并根据当前时刻剩余理想行驶路径的交通流数据，确定剩余理想行驶时长内剩余理想行驶路径中各个路段的路况；
S3、根据剩余理想行驶时长内剩余理想行驶路径的路况，生成行驶车辆的实际行驶时长；
S4：判断行驶车辆的实际行驶时长是否小于或等于剩余理想行驶时长，若是，则行驶车辆按照剩余理想行驶路径行驶至目的地，否则进入S5；
S5、对剩余理想行驶路径进行更新，生成最新理想行驶路径，并按照最新理想行驶路径行驶至目的地。
在本发明中，行驶车辆的理想行驶路径和理想行驶时长都可在出发前通过现有电子地图软件获取。
行驶车辆的剩余理想行驶路径和剩余理想行驶时长都可在行驶过程中通过现有电子地图软件获取。
同理，电子地图一般会生成多条可行行驶路径，在S4判断行驶时长超时后，利用电子地图更新行驶路径，寻找更优路线。
另外，在S4判断行驶时长超时后，
在本发明实施例中，S2 包括以下子步骤：
S21、获取当前时刻剩余理想行驶路径的交通流数据，计算剩余理想行驶路径中各个路段的拥挤系数，生成路段拥挤系数序列；
S22、根据当前时刻剩余理想行驶路径的交通流数据，计算剩余理想行驶路径中各个路口的通过系数，生成路口通过系数序列；
S23、计算各个路段的拥挤系数与路口通过系数序列之间的等待权重，若等待权重小于或等于0.5，则路段的路况为拥挤，否则路段的路况为非拥挤。
在本发明中，路段的路况拥挤程度受单位面积的车辆密度和路网密度等参数影响，可以反映各个路段的拥挤程度。
路口等待系数受当前路口红绿灯等待时长、当前路口类型和当前路口已有等待车辆个数影响，可以反映车辆通过该路口的时长。
从路段拥挤系数序列中随机选择一个拥挤系数加入至路口等待系数序列中，若拥挤系数与等待系数之间的等待权重大于0.5，则该路段的拥挤程度会导致路口通过系数增大（相当于增加通过路口的时长），表示该路段的路况出现拥挤。
在本发明实施例中，交通流数据包括剩余理想行驶路径长度、各个路段长度、单位面积的车辆密度、路网密度和路口个数。
在本发明实施例中，S21中，路段的拥挤系数p的计算公式为：式中，ρ 1表示路段的路网密度，A表示路段的长，B表示路段的宽，ρ 2表示路段单位面积的车辆密度，v 0表示车辆在路段的行驶速度，L表示理想行驶路径长度，l表示剩余理想行驶路径长度，t 0表示车辆已行驶时长。
在本发明中，路网密度表示该路段在整个理想行驶路径中所占比例；路段的现有车辆密度越大，车辆在该路段的行驶速度越缓慢；车辆在该路段的行驶速度和已行驶路径的行驶速度会影响车辆到达该路段的时长。
因此，将以上因素作为影响路段拥挤系数的参数。
在本发明实施例中，S22中，路口的通过系数q的计算公式为：式中，c 0表示路口类型权重，t 1表示车辆在路口的等待时长，D表示车辆通过路口的行驶长度，v 1表示车辆在路口的行驶速度，t 2表示已通过路口信号灯的总时长，c 1表示已通过路口信号灯的类型权重之和，c 2表示车辆在路口信号灯的类型权重。
在本发明中，常见的路口类型包括十字形、X字形、T字形、Y字形、错位交叉和复合交叉等，类型越复杂，车辆通过该路口的时间越长，路口的通过系数越大。
因此采用呈增长形式的以e为底数的指数函数来限定路口类型对路口通过系数的影响，类型越复杂，路口类型权重值c 0越大，导致路口通过系数越大。
路口信号灯类型也会影响路口通过时长，c 2=1，表示路口存在正常工作的红黄绿信号灯；c 2=2，表示路口存在闪烁的橙色警示信号灯；c 2=3，表示路口不存在信号灯。
若路口不存在信号灯，则车辆需降低车速，驻车观察通过，其通过时间最长；若路口存在闪烁的橙色警示信号灯，则车辆需降低车速，观察通过，其通过时间较长；若路口存在正常工作的红黄绿信号灯，则车辆需降低车速，根据信号灯情况观察通过，其通过时间较短。
在本发明实施例中，S23中，路段的拥挤系数与路口等待系数序列之间的等待权重θ的计算公式为：式中，p m 表示剩余理想行驶路径中第m个路段的拥挤系数，P表示路段拥挤系数序列，q n 表示剩余理想行驶路径中第n个路口的通过系数，Q表示路口通过系数序列，M表示剩余理想行驶路径的路段总数，N表示剩余理想行驶路径的路口总数。
在本发明实施例中，S3包括以下子步骤：
S31、将剩余理想行驶时长均分为若干个行驶时间段，并获取各个行驶时间段内行驶车辆在剩余理想行驶路径的理想行驶位置；
S32、分别计算各个行驶时间段内行驶车辆在剩余理想行驶路径的理想行驶位置与剩余理想行驶路径的起点位置之间的位置状态误差，生成位置状态误差集合；
S33、根据位置状态误差集合，计算各个行驶时间段的时间误差系数；
S34、判断路段的路况是否为拥挤，若是则进入S35，否则进入S36；
S35、根据各个行驶时间段的时间误差系数以及剩余理想行驶路径中各个路段的拥挤系数和各个路口的通过系数，计算实际行驶时长；
S36、计算各个行驶时间段的时间误差系数之和，作为时间误差权重，将剩余理想行驶时长与时间误差权重的乘积作为实际行驶时长。
在本发明中，电子地图在规划理想行驶路径的同时，也会规划行驶车辆在某个时间点出现的理想位置，即各个行驶时间段内行驶车辆在剩余理想行驶路径的理想行驶位置。
若路况不拥挤，则直接对时间误差系数与剩余理想行驶时长进行乘积运算即可；若路况拥挤，则需考虑路段的拥挤系数和路口的等待系数对实际行驶时长的影响。
在本发明实施例中，S33中，时间误差系数σ的计算公式为：式中，e g+1表示第g+1个行驶时间段的位置状态误差，e g 表示第g个行驶时间段的位置状态误差，L表示理想行驶路径长度，l表示剩余理想行驶路径长度，t 0表示车辆已行驶时长。
在本发明实施例中，S35中，实际时长T的计算公式为：式中，σ g 表示第g个行驶时间段的时间误差系数，t 3表示剩余理想行驶时长，p m 表示剩余理想行驶路径中第m个路段的拥挤系数，q n 表示剩余理想行驶路径中第n个路口的通过系数，M表示剩余理想行驶路径的路段总数，N表示剩余理想行驶路径的路口总数。
在本发明实施例中，在S4判断行驶时长超时后，除可以利用电子地图更新行驶路径，寻找更优路线，还可以通过构建行驶路径更新模型来更新行驶路径；其中，行驶路径更新模型F的表达式为：式中，K表示行驶路径更新模型的卷积层层数，μ k 表示第k层卷积层的偏置，w k 表示第k层卷积层的权重，α k 表示第k层卷积层的卷积核大小，o k 表示第k层卷积层的卷积核步长，α k-1表示第k-1层卷积层的卷积核大小，o k-1表示第k-1层卷积层的卷积核步长。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。
本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (4)
1.一种交通流数据处理方法，其特征在于，包括以下步骤：
S1、获取行驶车辆的理想行驶路径以及行驶车辆在理想行驶路径的实时位置，确定行驶车辆的剩余理想行驶路径和剩余理想行驶时长；
S2、获取当前时刻剩余理想行驶路径的交通流数据，并根据当前时刻剩余理想行驶路径的交通流数据，确定剩余理想行驶时长内剩余理想行驶路径中各个路段的路况；
S3、根据剩余理想行驶时长内剩余理想行驶路径的路况，生成行驶车辆的实际行驶时长；
S4：判断行驶车辆的实际行驶时长是否小于或等于剩余理想行驶时长，若是，则行驶车辆按照剩余理想行驶路径行驶至目的地，否则进入S5；
S5、对剩余理想行驶路径进行更新，生成最新理想行驶路径，并按照最新理想行驶路径行驶至目的地；
所述S2 包括以下子步骤：
S21、获取当前时刻剩余理想行驶路径的交通流数据，计算剩余理想行驶路径中各个路段的拥挤系数，生成路段拥挤系数序列；
S22、根据当前时刻剩余理想行驶路径的交通流数据，计算剩余理想行驶路径中各个路口的通过系数，生成路口通过系数序列；
S23、计算各个路段的拥挤系数与路口通过系数序列之间的等待权重，若等待权重小于或等于0.5，则路段的路况为拥挤，否则路段的路况为非拥挤；
所述交通流数据包括剩余理想行驶路径长度、各个路段长度、单位面积的车辆密度、路网密度和路口个数；
所述S21中，路段的拥挤系数p的计算公式为：
式中，ρ 1表示路段的路网密度，A表示路段的长，B表示路段的宽，ρ 2表示路段单位面积的车辆密度，v 0表示车辆在路段的行驶速度，L表示理想行驶路径长度，l表示剩余理想行驶路径长度，t 0表示车辆已行驶时长；所述S22中，路口的通过系数q的计算公式为：
所述S22中，路口的通过系数q的计算公式为：式中，c 0表示路口类型权重，t 1表示车辆在路口的等待时长，D表示车辆通过路口的行驶长度，v 1表示车辆在路口的行驶速度，t 2表示已通过路口信号灯的总时长，c 1表示已通过路口信号灯的类型权重之和，c 2表示车辆在路口信号灯的类型权重；
所述S23中，路段的拥挤系数与路口等待系数序列之间的等待权重θ的计算公式为：式中，p m 表示剩余理想行驶路径中第m个路段的拥挤系数，P表示路段拥挤系数序列，q n 表示剩余理想行驶路径中第n个路口的通过系数，Q表示路口通过系数序列，M表示剩余理想行驶路径的路段总数，N表示剩余理想行驶路径的路口总数。
2.根据权利要求1所述的交通流数据处理方法，其特征在于，所述S3包括以下子步骤：
S31、将剩余理想行驶时长均分为若干个行驶时间段，并获取各个行驶时间段内行驶车辆在剩余理想行驶路径的理想行驶位置；
S32、分别计算各个行驶时间段内行驶车辆在剩余理想行驶路径的理想行驶位置与剩余理想行驶路径的起点位置之间的位置状态误差，生成位置状态误差集合；
S33、根据位置状态误差集合，计算各个行驶时间段的时间误差系数；
S34、判断路段的路况是否为拥挤，若是则进入S35，否则进入S36；
S35、根据各个行驶时间段的时间误差系数以及剩余理想行驶路径中各个路段的拥挤系数和各个路口的通过系数，计算实际行驶时长；
S36、计算各个行驶时间段的时间误差系数之和，作为时间误差权重，将剩余理想行驶时长与时间误差权重的乘积作为实际行驶时长。
3.根据权利要求2所述的交通流数据处理方法，其特征在于，所述S33中，时间误差系数σ的计算公式为：式中，e g+1表示第g+1个行驶时间段的位置状态误差，e g 表示第g个行驶时间段的位置状态误差，L表示理想行驶路径长度，l表示剩余理想行驶路径长度，t 0表示车辆已行驶时长。
4.根据权利要求2所述的交通流数据处理方法，其特征在于，所述S35中，实际时长T的计算公式为：式中，σ g 表示第g个行驶时间段的时间误差系数，t 3表示剩余理想行驶时长，p m 表示剩余理想行驶路径中第m个路段的拥挤系数，q n 表示剩余理想行驶路径中第n个路口的通过系数，M表示剩余理想行驶路径的路段总数，N表示剩余理想行驶路径的路口总数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311114901.9A CN116844362B (zh) | 2023-08-31 | 一种交通流数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311114901.9A CN116844362B (zh) | 2023-08-31 | 一种交通流数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116844362A CN116844362A (zh) | 2023-10-03 |
| CN116844362B true CN116844362B (zh) | 2023-11-10 |
Family
ID=
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105810001A (zh) * | 2016-05-19 | 2016-07-27 | 东华大学 | 一种基于车载自组网的实时动态路径规划方法 |
| CN108389419A (zh) * | 2018-03-02 | 2018-08-10 | 辽宁工业大学 | 一种车辆动态路径诱导方法 |
| CN108629455A (zh) * | 2018-05-08 | 2018-10-09 | 电子科技大学 | 一种基于车辆自组织网的实时路径规划方法 |
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105810001A (zh) * | 2016-05-19 | 2016-07-27 | 东华大学 | 一种基于车载自组网的实时动态路径规划方法 |
| CN108389419A (zh) * | 2018-03-02 | 2018-08-10 | 辽宁工业大学 | 一种车辆动态路径诱导方法 |
| CN108629455A (zh) * | 2018-05-08 | 2018-10-09 | 电子科技大学 | 一种基于车辆自组织网的实时路径规划方法 |
Non-Patent Citations (4)
| Title |
|---|
| 一种车载自组织网络中交通拥塞自适应的出行计划方案;余玲飞;佘堃;宋超;刘斌;;计算机应用研究(02);全文 * |
| 余玲飞;佘堃;宋超;刘斌.一种车载自组织网络中交通拥塞自适应的出行计划方案.计算机应用研究.2013,(02),全文. * |
| 基于动态路况信息的时间最优交通流诱导系统研究;杨会;;信息通信(11);全文 * |
| 杨会.基于动态路况信息的时间最优交通流诱导系统研究.信息通信.2017,(11),全文. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110675629B (zh) | 一种基于大数据的高速公路拥堵预测与主动防控方法 | |
| US9599488B2 (en) | Method and apparatus for providing navigational guidance using the states of traffic signal | |
| CN103996289B (zh) | 一种流量-速度匹配模型及行程时间预测方法及系统 | |
| WO2020147920A1 (en) | Traffic signal control by spatio-temporal extended search space of traffic states | |
| CN109615887A (zh) | 智慧交通网络系统信号指引方法 | |
| CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
| CN113330496A (zh) | 使用连接的车辆数据来管理交通流的系统和方法 | |
| CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划系统及方法 | |
| CN109959388A (zh) | 一种基于栅格扩展模型的智能交通精细化路径规划方法 | |
| CN109931941B (zh) | 基于路段状态相关性的路径规划方法 | |
| CN103903468A (zh) | 道路拥堵时间预警方法及装置 | |
| CN112767683A (zh) | 一种基于反馈机制的路径诱导方法 | |
| CN109920250A (zh) | 动态预测城市道路智能交通管理方法 | |
| CN115164922A (zh) | 一种路径规划方法、系统、设备及存储介质 | |
| CN116844362B (zh) | 一种交通流数据处理方法 | |
| CN110097757B (zh) | 一种基于深度优先搜索的交叉口群关键路径识别方法 | |
| WO2022070201A1 (en) | Method and system for dynamic traffic control for one or more junctions | |
| CN115909734B (zh) | 一种基于轨迹大数据的车辆行驶数据筛选更新系统及其方法 | |
| CN116194935B (zh) | 用于确定地理区域中的车辆的导航简档的方法和设备 | |
| CN116844362A (zh) | 一种交通流数据处理方法 | |
| Elbery et al. | A novel stochastic linear programming feedback eco-routing traffic assignment system | |
| CN110674990A (zh) | 设置滑动窗口更新机制的即时配送路径选择方法及系统 | |
| CN116129650A (zh) | 一种基于大数据分析的交通预警系统及其方法 | |
| CN108629981A (zh) | 自适应公交优先道管控方法 | |
| CN110440817A (zh) | 一种基于车道的路线引导方法、装置和相关设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |