CN117079467B - 一种基于感知融合技术缓解道路拥堵的方法及系统 - Google Patents
一种基于感知融合技术缓解道路拥堵的方法及系统 Download PDFInfo
- Publication number
- CN117079467B CN117079467B CN202311317104.0A CN202311317104A CN117079467B CN 117079467 B CN117079467 B CN 117079467B CN 202311317104 A CN202311317104 A CN 202311317104A CN 117079467 B CN117079467 B CN 117079467B
- Authority
- CN
- China
- Prior art keywords
- road
- congestion
- area
- intersection
- lane
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000004927 fusion Effects 0.000 title claims abstract description 22
- 230000008447 perception Effects 0.000 title claims abstract description 12
- 238000005516 engineering process Methods 0.000 title claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 69
- 238000012806 monitoring device Methods 0.000 claims description 25
- 230000002035 prolonged effect Effects 0.000 claims description 23
- 238000007726 management method Methods 0.000 claims description 8
- 238000007499 fusion processing Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/096—Arrangements for giving variable traffic instructions provided with indicators in which a mark progresses showing the time elapsed, e.g. of green phase
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于感知融合技术缓解道路拥堵的方法及系统，步骤S1：在十字路口的四个方向上设置监控设备，当监控设备监控到道路拥堵，并判断该道路拥堵方式为路段拥堵或者路口拥堵；步骤S2：根据拥堵方式采取对应的红绿灯调整策略，至道路不拥堵后恢复红绿灯的原始时间方案。本发明将拥堵分成路段拥堵和路口拥堵，使得拥堵细化，分别采用不同的处理方式，能够快速地缓解拥堵；本发明中，整个靠近十字路口区域分成了至少3个区域，通过分别分析3个区域的车辆情况，从而判断出拥堵类型，并且通过拥护情况，采用不同的处理方案，从而能够快速地缓解拥堵。
Description
技术领域
本发明涉及数据处理领域，具体涉及一种基于感知融合技术缓解道路拥堵的方法及系统。
背景技术
近些年人们生活水平不断提高，汽车成了家庭的必备的代步工具，汽车需求一直处于猛增态势。车辆增多势必导致交通拥堵，特别在早晚高峰期的时候车流量大且信号灯固定时间切换的路口。车流量较大方向的绿灯时长不能够实时动态调节，那么拥堵问题就会依然存在。
现有采用感知融合来处理道路拥堵，是指通过多种传感器和数据源收集实时交通信息，将这些信息进行整合和分析，以实现对道路交通状况的全面、准确和实时感知。这种技术可以帮助提高道路安全、优化交通流量、缓解拥堵问题，并为智能交通系统提供有力支持。
道路拥堵感知融合的主要方法包括：
1. 数据采集：通过安装在路面、车辆、路灯等位置的传感器，收集实时的车辆数量、速度、行驶方向等信息。这些数据可以包括车载GPS定位数据、车辆计数器数据、视频监控数据等。
2. 数据处理：将收集到的海量数据进行清洗、整合和存储，以便后续分析。这可能涉及到数据融合、数据压缩、数据标准化等技术。
3. 数据分析：通过对收集到的数据进行实时或历史分析，识别出交通拥堵的模式和规律。这可能包括基于车流密度、平均速度、车型分类等因素的统计分析，以及基于机器学习、人工智能等技术的复杂模型分析。
4. 信息发布与控制：将分析结果以可视化的方式展示给驾驶员和交通管理部门，以便他们根据实际情况采取相应的措施。这可能包括发布路况信息、交通管制指令、导航建议等。
感知融合技术的发展和应用，对于解决日益严重的城市交通问题具有重要意义。通过实时监测和分析道路交通状况，可以为交通管理部门提供科学依据，帮助他们制定合理的交通规划和管理策略。同时，这也有助于提高道路使用者的出行体验，降低交通事故发生率，促进城市可持续发展。
如“CN202110087687.7 一种用于缓解交通拥堵的红绿灯自动切换控制系统”，该发明专利中提出了根据交通情况，调整红绿灯时间的方案，但其调整方案过于简单，对拥堵方案的划分不够精细，对十字路口的拥堵定义过于片面，拥护后处理方案也不利于拥护快速的缓解。
发明内容
本发明的目的在于克服现有技术的缺点。提供一种基于感知融合技术缓解道路拥堵的方法及系统，为解决现有交通拥护缓解方案，比较片面，处理过于简单，不利于拥护快速缓解的问题。
具体通过以下技术方案来实现：
第一方面，一种基于感知融合技术缓解道路拥堵的方法，包括以下步骤：
步骤S1：在十字路口的四个方向上设置监控设备，当监控设备监控到道路拥堵，并判断该道路拥堵方式为路段拥堵或者路口拥堵；
步骤S2：根据拥堵方式采取对应的红绿灯调整策略，至道路不拥堵后恢复红绿灯的原始时间方案。
进一步，步骤S1中，道路监控方式为：所述监控设备安装在靠近路口处，其监控方向背向路口，监控从路口向四个方向分别延伸25m-300m的区域，设定为监视区域，监控监视区域中车辆的行驶情况。
进一步，所述道路拥堵的判断方式为：
步骤P1：所述监视区域中，距离路口25-100m的区域设为区域②，距离路口100-200m的区域设为区域③，距离路口200-300m的区域设为区域④，当出现以下步骤P2-P6情况时，且无步骤P7-P8情况时，视为路段拥堵；当出现步骤P7-P8时，视为路口拥堵；
步骤P2：检测车头数据，直行为绿灯，来向直行车道上，区域②的车辆停车时长超过设定时间，或者区域③、区域④内的车辆车速低于10km/h的时长超过设定时间；
步骤P3：检测车头数据，直行为红灯，来向直行车道上，车辆静止停车长度超过区域③，或者区域④内车辆车速低于10km/h的时长超过设定时间；
步骤P4：检测车头数据，左转为绿灯，来向左转弯车道上，车辆在区域②内静止停车的时长超过设定时间，或者区域③内车辆的车速低于10km/h的时长超过设定时间；
步骤P5：检测车头数据，左转为红灯，来向左转弯车道上，车辆在区域③内静止停车的时长超过设定时间，或者区域④内车速低于5km/h的时长超过设定时间；
步骤P6：检测车尾数据，直行和左转为绿灯，去向直行车道上，区域②、区域③内车辆静止停车或车速低于5km/h的时长超过设定时间；
步骤P7：检测车头数据，在两次以上直行绿灯内，区域②的所有车辆一直处于静止停车状态；
步骤P8：检测车尾数据，直行和左转为绿灯，去向直行车道上，区域②、区域③内无车辆行驶。
进一步，步骤S2中，当拥堵方式为路段拥堵时，采用如下红绿灯调整策略：
步骤D1：两条道路中，只有一条道路拥堵，该道路的两个行驶方向都发生路段拥堵时，延长拥堵道路的绿灯时长，缩短不拥堵道路的绿灯时长；
步骤D2：两条道路中，只有一条道路拥堵，该道路只有一个行驶方向的所有车道都发生路段拥堵时，调整该道路，延长拥堵方向的直行和左转绿灯时长，缩短不拥堵方向的直行绿灯时长，并延长拥堵方向上的下一个路口的对应的直行和左转绿灯时长；
步骤D3：两条道路中，只有一条道路拥堵，该道路只有一个行驶方向的直行或左转车道发生路段拥堵时，延长对应绿灯时长；
步骤D4：两条道路都出现路段拥堵时，当前路口的红绿灯时长方案不变，该路口四个延伸方向上的下个路口中，对应方向的直行和左转绿灯时间延长。
进一步，步骤S2中，当拥堵方式为路口拥堵时，采用如下红绿灯调整策略：
步骤K1：采集车尾数据，检测到去向车道不拥堵，增加直行汇入该车道、左转汇入该车道的绿灯时间，设定该去向车道为主方向，增加主方向的下一路口的主方向直行、左转绿灯时间；
步骤K2：采集车尾数据，检测到去向车道拥堵，减少直行汇入该车道、左转汇入该车道的绿灯时间，设定该去向车道为主方向，直行汇入该车道的方向与主方向一致，设定左转汇入该车道的方向为辅方向，减少主方向的上一路口汇入主方向的各车道绿灯时间，以及减少辅方向的上一路口汇入辅方向的各车道的绿灯时间；
步骤K3：增加路口去向上的绿灯时长。
进一步，步骤K3中所述增加路口去向上的路灯时长是指：当前路口的四个方向上，至少有一个最近的路口，增加直行和左转的绿灯时间。
进一步，当拥堵方式为路口拥堵时，还发送拥堵提醒靠近路口的车辆，提醒车辆避让拥堵路段。
第二方面，一种基于感知融合技术缓解道路拥堵的系统，包括：
监控设备：安装在靠近路口处，其监控方向背向路口；
边缘计算设备：用于接收监控设备的监控数据，并对监控数据进行融合处理；
远程平台：接收边缘计算融合处理后的数据，对交通态势进行分析，最后计算出调优方案并发送至路灯管控系统。
进一步，所述监控设备包括雷达和摄像机，摄像机用于监控从路口向四个方向分别延伸25m-200m的区域，雷达用于监控从路口向四个方向分别延伸100m-300m的区域。
进一步，还包括路侧基站，路侧基站通过远无线模块连接远程平台，用于接收远程平台的命令，并通过短无线模块发送信息至近处的智能网联车辆。
感知融合是将雷达感知数据结果和摄像机感知数据结果融合在一起的技术。通过对路口进行加装双向雷视设备进行道路车辆、行人、检测，收集当前红绿灯时间状态和各种传感器采集的数据信息，再将所有数据汇集在一起由边缘计算机进行整合处理，然后将输出的高精度目标级数据发送至系统平台，最后系统平台根据区域内实时道路拥堵信息将按车道内车流量大的方向绿灯时长延长并且适当缩短拥堵路口来向的绿灯时长，以达到增加车道去向车流量和减小车道来向车流量的目的，同时将拥堵信息发送给上一个来向路段的智能网联汽车或者第三方地图APP，预提醒驾驶人员避开拥堵路段，进一步减少道路拥堵源头。
本发明至少包括以下有益效果：本发明将拥堵分成路段拥堵和路口拥堵，使得拥堵细化，分别采用不同的处理方式，能够快速地缓解拥堵；
本发明中，整个靠近十字路口区域分成了至少3个区域，通过分别分析3个区域的车辆情况，从而判断出拥堵类型，并且通过拥护情况，采用不同的处理方案，从而能够快速地缓解拥堵。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1 为本发明的十字路口监控设计示意图；
图2 为十字路口中某单方向上监控区域划分图；
图3 为本发明的系统结构示意图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得；在本发明的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
第一方面，一种基于感知融合技术缓解道路拥堵的方法，包括以下步骤：
步骤S1：在十字路口的四个方向上设置监控设备，当监控设备监控到道路拥堵，并判断该道路拥堵方式为路段拥堵或者路口拥堵；
步骤S2：根据拥堵方式采取对应的红绿灯调整策略，至道路不拥堵后恢复红绿灯的原始时间方案。
步骤S1中，道路监控方式为：如图1和图2，所述监控设备安装在靠近路口处，其监控方向背向路口，监控从路口向四个方向分别延伸25m-300m的区域，设定为监视区域，监控监视区域中车辆的行驶情况。
所述道路拥堵的判断方式为：
步骤P1：所述监视区域中，距离路口25-100m的区域设为区域②，距离路口100-200m的区域设为区域③，距离路口200-300m的区域设为区域④，当出现以下步骤P2-P6情况时，且无步骤P7-P8情况时，视为路段拥堵；当出现步骤P7-P8时，视为路口拥堵；
十字路口中，四方设置道路，每条道路靠近十字路口处会设置有人行道，车行道延伸至人行道处设置了一道边界线，这是常识，监控设备安装边界线正上方的安装杆上。从边界线向背向十字路口的方向进行延伸300m，该区域进行监控，从边界线起，0-25m是监控的盲区，为区域①，25-100m的区域设为区域②，100-200m的区域设为区域③，200-300m的区域设为区域④。
下文中，车头数据和车尾数据，如图1，监控设备是朝向已经说明，背向十字路口，一个十字路口包括了4个监控区域，但对应的监控设备看到的数据，其左边的车辆全部为向十字路口开来，为车头数据，右边的车辆全部为远离十字路口，为车尾数据。下文中的检测都是针对某个监控区域：
如图2，是十字路口的其中一侧路，是俯视图，在边界线的正上方，设置有一个安装杆1，安装杆1的上端头延伸至路中间，其上端头设置有监控设备2，监控设备一般采用摄像机和毫秒波雷达，用于监控车辆3的行驶状况。
步骤P2：检测车头数据，直行为绿灯，来向直行车道上，区域②的车辆停车时长超过60秒，或者区域③、区域④内的车辆车速低于10km/h的时长超过60秒（车辆车速是计算该区域内所有车辆实时的均速，下文中，提到的区域中车辆速度，都是计算所有车辆实时的平均速度）；车头数据就是检测朝向监控设备开来的车辆，即如图2中的左边的车辆，该为直行车道拥堵。
步骤P3：检测车头数据，直行为红灯，来向直行车道上，车辆静止停车长度超过区域③，或者区域④内车辆车速低于10km/h的时长超过60秒；车头数据就是检测朝向监控设备开来的车辆，即如图2中的左边的车辆，该为直行车道拥堵。
步骤P4：检测车头数据，左转为绿灯，来向左转弯车道上，车辆在区域②内静止停车的时长超过60秒，或者区域③内车辆的车速低于10km/h的时长超过60秒；车头数据就是检测朝向监控设备开来的车辆，即如图2中的左边的车辆，该为左转车道拥堵。
步骤P5：检测车头数据，左转为红灯，来向左转弯车道上，车辆在区域③内静止停车，或者区域④内车速低于5km/h的时长超过60秒；车头数据就是检测朝向监控设备开来的车辆，即如图2中的左边的车辆，该为左转车道拥堵。
步骤P6：检测车尾数据，直行和左转为绿灯，去向直行车道上，区域②、区域③内车辆静止停车的时长超过30秒；或车速低于5km/h的时长超过60秒；车尾数据就是检测远离监控设备的车辆，即如图2中的右边的车辆，为直行车道拥堵。
步骤P7：检测车头数据，在两次以上直行绿灯内，区域②的所有车辆一直处于静止停车状态；车头数据就是检测朝向监控设备开来的车辆，即如图2中的左边的车辆。
步骤P8：检测车尾数据，直行和左转为绿灯，去向直行车道上，区域②、区域③内无车辆行驶。车尾数据就是检测远离监控设备的车辆，即如图2中的右边的车辆。
步骤中检测车头数据，即图2中的左侧的车辆数据；车尾数据即是图2中右侧车辆数据。
综上，当出现路段拥堵时，还需要考虑是否是路口拥堵，如又出现了路口拥堵，则认定为是路口拥堵，不考虑路段拥堵，所以路口拥堵的优先级更高，也是因为路口拥堵必然会导致路段拥堵。检测时，当先确定有路段拥堵时，会再次确认是否有路口拥堵，如路口不拥堵时，再分析路段拥堵的情况。
步骤S2中，当拥堵方式为路段拥堵时，采用如下红绿灯调整策略：
步骤D1：两条道路中，只有一条道路拥堵，该道路的两个行驶方向都发生路段拥堵时，延长拥堵道路的绿灯时长，缩短不拥堵道路的绿灯时长；
十字路由两条道路，如图1，包括南北方向的一条路和东西方向的另一条路，如这两条路中，只有一条道路上发生拥堵时，东西方向不堵，南北方向拥堵，南北方向绿灯时间延长，东西方向绿灯时长缩短红灯时长延长，该步骤的绿灯包括了直行灯和左转灯。
步骤D2：两条道路中，只有一条道路拥堵，该道路只有一个行驶方向的所有车道都发生路段拥堵时，调整该道路，延长拥堵方向的直行和左转绿灯时长，缩短不拥堵方向的直行绿灯时长，并延长拥堵方向上的下一个路口的对应的直行和左转绿灯时长；
如图1，南北方向不拥堵，东西方向拥堵，东西方向上有两个行驶方向，当该条道路中，由东向西方向拥堵，由西向东不拥堵，则增加由东向西方向的直行和左转绿灯时长，缩短由西向东的直行绿灯时长，并调节下一个路口由东向西的直行和左转绿灯时长，下个路口即是由东向西方向上的下一个十字路口。
步骤D3：两条道路中，只有一条道路拥堵，该道路只有一个行驶方向的直行或左转车道发生路段拥堵时，延长对应绿灯时长；
如图1，南北方向不拥堵，东西方向拥堵，且只有由东向西方向的左转或直行拥堵，如左转拥堵时，直接延长由东向西方向的左转绿灯时长；如直行拥堵，直接延长由东向西方向的直行绿灯时长
步骤D4：两条道路都出现路段拥堵时，当前路口的红绿灯时长方案不变，该路口四个延伸方向上的下个路口中，对应方向的直行和左转绿灯时间延长。
如图1，南北方向和东西方向都出现路段拥堵时，由西向东方向上下个路口，由西向东的直行和左转绿灯时间延长；由东向西方向上下个路口，由东向西的直行和左转绿灯时间延长；由南向北方向上下个路口，由南向北的直行和左转绿灯时间延长；由北向南方向上下个路口，由北向南的直行和左转绿灯时间延长。
本发明中，任何延长和缩短，都是以5秒为基础数，并以10分钟进行一次调整，这仅仅是一种实施方式。
十字路口检测时，是同时检测四个方向的车辆情况，道路拥堵时，没有路口拥堵即没有P7和P8；然后我们结合P2-P6分析D1-D4，再采取对应的状况。当然这种组合非常多，一个十字路口设置了4个监控设备，可能多种情况发生拥堵，这里不一一举例，下面我们就每种处理方案D1-D4，至少举例一个出现的情况。
如D1，两条道路中，只有一条道路拥堵，该道路的两个行驶方向都发生路段拥堵，即有一条道路是顺畅的；另一条道路是两个行驶方向都有路段拥堵。因为是两个方向都路段拥堵，一条道路有两组监控设备，如图1，横向道路拥堵，纵向道路通畅，所以纵向道路的上下监控设备都没有检测到拥堵信息，横向道路包括左监控设备和右监控设备，D1的情况如：1、左监控设备检测出来向车道上直行有拥堵（P2或P3），左转有拥堵（P4或P5）；右监控设备检测出来向车上直行有拥堵（P2或P3），左转有拥堵（P4或P5），即判断为D1的情况，即执行D1，增加绿灯时长后，交通会有缓解。2、左监控设备检测出来向车道上直行有拥堵（P2或P3），右监控设备检测出来向车上直行有拥堵（P2或P3），也是D1的情况，有缓解效果。3、当然还有其他情况，如左监控设备检测出来向车道上左转有拥堵（P4或P5），右监控设备检测出来向车上直行有拥堵（P2或P3）。4、左监控设备检测出来向车道上直行有拥堵（P2或P3），左监控设备检测出去向车道上有拥堵（P6）。还有其他例子不作举例。
如D2，如图1，横向道路中出现拥堵，纵向道路通畅，横向道路中，从左向右方向的车辆有拥堵，从右向左方向的车辆无拥堵；检测到：1、左监控设备检测出来向车道上直行有拥堵（P2或P3），左转有拥堵（P4或P5），右监控设备没有监控到拥堵，执行D2会有缓解。2、左监控设备检测出来向车道上左转有拥堵（P4或P5），右监控设备检测出去向车道上有拥堵（P6）。还有其他例子不作举例。
如D3，如图1，横向道路中出现拥堵，纵向道路通畅，横向道路中，从左向右方向的车辆有拥堵，从右向左方向的车辆无拥堵，从左向右的直行车道或左转车道有拥堵。检测到：左监控设备检测出来向车道上直行有拥堵（P2或P3），左转没有拥堵（P4或P5），右监控设备没有监控到拥堵，执行D3会有缓解。这仅仅是其中一个举例。
如D4，如图1，横向道路中出现拥堵，纵向道路中出现拥堵，举例：左监控设备检测出来向车道上直行有拥堵（P2或P3），左转有拥堵（P4或P5）；右监控设备检测出来向车上直行有拥堵（P2或P3），左转有拥堵（P4或P5）；上监控设备检测出来向车道上直行有拥堵（P2或P3），左转有拥堵（P4或P5）；下监控设备检测出来向车上直行有拥堵（P2或P3），左转有拥堵（P4或P5）。执行D4，会有缓解，这仅仅是其中一个举例。
本发明的监控设备会一直监控道路情况，其数据会实时发送至远端的平台，平台设定时间内进行一次分析，如10分钟分析一次，该次分析后，如执行D1-D4中的一个，在等待10分钟后，再次分析，可能执行另一个方案（因为拥堵方式可能发生变化）。
路段拥堵上，其实就是集中情况，两条道路都有拥堵就直行D4，一条道路通畅，另一条道路有拥堵，再具体分析，两个行驶方向都有拥堵就D1，一个行驶方向拥堵，在进行分析，所有车道都有拥堵就D2，只有一个车道拥堵就D3。所以情况分析完整。
步骤S2中，当拥堵方式为路口拥堵时，采用如下红绿灯调整策略，如图1，设定一条道路为南北方向，另一条道路为东西方向，根据地图绘制格式来判定方向，横向为东西，纵向的为南北。
从P7和P8中可以看出出现路口拥堵时，是有一条路是不通的。
步骤P7：检测车头数据，在两次以上直行绿灯内，区域②的所有车辆一直处于静止停车状态；车头数据就是检测朝向监控设备开来的车辆，即如图2中的左边的车辆。如图1，如图中横向道路右侧中出现P7的现象，一般是整条横向道路堵塞，车辆无法行驶，或者整条纵向道路堵塞。
步骤P8：检测车尾数据，直行和左转为绿灯，去向直行车道上，区域②、区域③内无车辆行驶。车尾数据就是检测远离监控设备的车辆，即如图2中的右边的车辆。如横向道路右侧中，出现该现象，则是纵向道路堵塞，左边的车辆无法行驶到右侧。
具体的处理方式，采用K1、K2和K3：
步骤K1：采集车尾数据，检测到去向车道不拥堵，增加直行汇入该车道、左转汇入该车道的绿灯时间，设定该去向车道为主方向，增加主方向的下一路口的主方向直行、左转绿灯时间；
步骤K2：采集车尾数据，检测到去向车道拥堵，减少直行汇入该车道、左转汇入该车道的绿灯时间，设定该去向车道为主方向，直行汇入该车道的方向与主方向一致，设定左转汇入该车道的方向为辅方向，减少主方向的上一路口汇入主方向的各车道绿灯时间，以及减少辅方向的上一路口汇入辅方向的各车道的绿灯时间；
步骤K3：增加路口去向上的绿灯时长。
路口拥堵的处理方法是步骤K1-K3一起执行。
举例：两条道路包括西东方向和南北方向，南北方向将西东截断，检测到西向东方向不拥堵，说明该车道上有车辆进入（没有车辆会出现P6，判定为拥堵），说明南向北的车道有正常行驶，而北向南的车道是堵塞的，隔断西东，这时西向东方向不拥堵执行K1，增加西向东的直行绿灯时间，北向南左转绿灯时间，增加西向东下一个路口，西向东直行和左转绿灯时间；如南向北方向不拥堵，也执行K1，增加南向北的直行绿灯时间，西向东左转绿灯时间，增加南向北下一个路口，南向北直行和左转绿灯时间；如北向南拥堵执行K2，减少北向南直行绿灯时间，减少东向西左转绿灯时间，减少北向南的上一路口中北向南直行、东向西左转绿灯时间，以及减少东向西上一路口东向西直行、南向北左转绿灯时间；如东向西方向拥堵，也执行K2，减少东向西直行绿灯时间，减少南向北左转绿灯时间，减少东向西的上一路口中东向西直行、南向北左转绿灯时间，以及减少南向北上一路口南向北直行、西向东左转绿灯时间；还会执行K3，增加路口去向上的绿灯时长是指：当前路口的四个方向上，如由西向东方向上的后面的路口，至少有一个最近的路口，增加由西向东直行和左转的绿灯时间；其他由东向西方向、由北向南方向、由南向北方向类推。
当拥堵方式为路口拥堵时，还发送拥堵提醒靠近路口的车辆，提醒车辆避让拥堵路段。
如上，可以很好地减缓十字路口的拥堵情况。
第二方面，如图3，一种基于感知融合技术缓解道路拥堵的系统，包括：
监控设备：安装在靠近路口处，其监控方向背向路口；
边缘计算设备：用于接收监控设备的监控数据，并对监控数据进行融合处理；
远程平台：接收边缘计算融合处理后的数据，对交通态势进行分析，最后计算出调优方案并发送至路灯管控系统。
所述监控设备包括雷达和摄像机，摄像机用于监控从路口向四个方向分别延伸25m-200m的区域，雷达用于监控从路口向四个方向分别延伸100m-300m的区域。
摄像机采用低时延高清摄像机，是从曝光采集到视频显示延时极低；支持NTP校时、高精度PTP校时且每帧数据都带毫秒级曝光时间戳。摄像机最远视距200米。毫米波雷达功能是实现对多达128个目标全生命周期的持续性检测跟踪；实时检测300米范围设定区域内车辆异常事件；同时检测多个断面的流量、速度、占有率等。
其中，如图1和图2中，区域1的范围为0-25m，是不作监控；区域2是25-100m是摄像机监控；区域3是100-200m是摄像机和雷达混合监控；区域4是200-300是雷达监控。
还包括路侧基站，路侧基站通过远无线模块连接远程平台，用于接收远程平台的命令，并通过短无线模块发送信息至近处的智能网联车辆。路侧基站功能主要包含车用无线通信（LET-V）、GNSS模块和5G蜂窝通信。其中车用无线网通信保证路侧基站与智能网联车辆之间进行短距离无线通信。GNSS功能是授时和定位，在提供高精度定位的同时可以使所有设备时间同步，保证数据传输的时延精度。5G通讯是“第五代”蜂窝通信，进行无线远距离可靠传输的一种通信方式。
边缘计算机（MEC）功能是实现感知结果在不同传感器层面和不同时间帧层面的融合，在白天、夜晚、阴天、雨天（中雨）、雾霾等等不同天气条件下，识别车辆的实时经纬度位置和行驶车道。实现感知融合系统相关传感器在空间上需要高精的标定与空间上的高精同步。对车辆、行人、骑行者等动态交通参与者实现识别和跟踪，输出结果包含目标位置、尺寸（长宽高）、速度、航向角、ID、类型、置信概率等信息。
通过多传感器融合的道路感知系统，可以同步检测路口内静、动态目标情况。首先毫米波雷达和摄像机可以将多源传感器数据传输给到边缘计算机，然后由边缘计算机在路侧进行快速数据融合处理，最后输出高精度目标级数据上传至系统平台。
系统平台：系统平台接收路侧感知系统运算后的数据，可以获取路口、路段的整体信息，对交通态势进行分析，最后计算出调优方案并下发。
智能网联汽车：具有一定智能功能，且具备网联功能的汽车，可以通过LET-V通信直接接收路侧系统下发的低时延高可靠的交通信息。
具体工作过程如下：
1、获取当前路口信号机的时间方案信息：在路口未发生拥堵的情况下采集红绿灯时间方案，并将其在本地和系统平台进行双备份。修改备份文件需要管理员权限，并会产生相应的日志文件。
2、获取当前路口所有设备基础信息：包括IP地址、位置方向、定位信息以及设备状态等等。
3、接收RS232和RS485数据：都采用波特率115200bps，与外接传感器或设备进行通信，并获取数据内容。并将两者数据进行组包。
4、雷达数据处理：将毫米波雷达传感器输出的相对位置、相对速度、轨迹追踪信息进行解析、通过标定转换成航向角、经纬度等，进行相关数据优化，然后封装发送。
5、摄像机数据处理：将交通目标进行位置检测，类型识别和跟踪。并将这些目标给到目标跟踪算法模块进行处理，最后将跟踪目标信息打包成protobuf数据，然后封装发送。
6、将所有雷视数据进行融合：将不同传感器的时间戳同步到统一时间基准上，匹配上通过计算当前帧传感器数据与历史跟踪目标列表数据的相似度，将两者最优相似度的匹配成一个pair，更新上对已经匹配的pair的组合，使用测量值对跟踪目标数据进行更新。
7、数据上传：将最终的数据结果按照特定的数据传输格式进行上传。
8、整个采集、处理和输出都在极短的时间完成，边缘计算目的在于缓解平台计算压力的同时还能够提高数据传输高效性。
9、接收系统平台数据：接收平台下发数据内容，并进行数据校验，校验通过后解析数据格式。解析得到路段拥堵信息，根据接收到的时间方案进行调整。通过边缘计算机发送指令屏蔽当前信号机自身时间方案，导入新的时长优化方案（增加去向绿灯时长）。
10、当新方案执行以后，软件会持续获取去向车道车流量信息，平衡当前路口的车流量。
11、在车流量恢复正常的时候，解除当前信号机自身时间方案，此时如果信号机自身时间方案丢失或异常将会首先从本地获取，另外本地记录与系统平台不一致，直接从系统平台获取最近一次备份记录的时长信息。同时本地的系统调优时间方案失效，实现拥堵立即调优，闲时不干预的智能化目的。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (5)
1.一种基于感知融合技术缓解道路拥堵的方法，其特征在于，包括以下步骤：
步骤S1：在十字路口的四个方向上设置监控设备，当监控设备监控到道路拥堵，并判断该道路拥堵方式为路段拥堵或者路口拥堵；
步骤S2：根据拥堵方式采取对应的红绿灯调整策略，至道路不拥堵后恢复红绿灯的原始时间方案；
步骤S1中，道路监控方式为：所述监控设备安装在靠近路口处，其监控方向背向路口，监控从路口向四个方向分别延伸25m-300m的区域，设定为监视区域，监控监视区域中车辆的行驶情况；
所述道路拥堵的判断方式为：
步骤P1：所述监视区域中，距离路口25-100m的区域设为区域②，距离路口100-200m的区域设为区域③，距离路口200-300m的区域设为区域④，当出现以下步骤P2-P6情况时，且无步骤P7-P8情况时，视为路段拥堵；当出现步骤P7-P8时，视为路口拥堵；
步骤P2：检测车头数据，直行为绿灯，来向直行车道上，区域②的车辆停车时长超过设定时间，或者区域③、区域④内的车辆车速低于10km/h的时长超过设定时间；
步骤P3：检测车头数据，直行为红灯，来向直行车道上，车辆静止停车长度超过区域③，或者区域④内车辆车速低于10km/h的时长超过设定时间；
步骤P4：检测车头数据，左转为绿灯，来向左转弯车道上，车辆在区域②内静止停车的时长超过设定时间，或者区域③内车辆的车速低于10km/h的时长超过设定时间；
步骤P5：检测车头数据，左转为红灯，来向左转弯车道上，车辆在区域③内静止停车的时长超过设定时间，或者区域④内车速低于5km/h的时长超过设定时间；
步骤P6：检测车尾数据，直行和左转为绿灯，去向直行车道上，区域②、区域③内车辆静止停车或车速低于5km/h的时长超过设定时间；
步骤P7：检测车头数据，在两次以上直行绿灯内，区域②的所有车辆一直处于静止停车状态；
步骤P8：检测车尾数据，直行和左转为绿灯，去向直行车道上，区域②、区域③内无车辆行驶；
步骤S2中，当拥堵方式为路段拥堵时，采用如下红绿灯调整策略：
步骤D1：两条道路中，只有一条道路拥堵，该道路的两个行驶方向都发生路段拥堵时，延长拥堵道路的绿灯时长，缩短不拥堵道路的绿灯时长；
步骤D2：两条道路中，只有一条道路拥堵，该道路只有一个行驶方向的所有车道都发生路段拥堵时，调整该道路，延长拥堵方向的直行和左转绿灯时长，缩短不拥堵方向的直行绿灯时长，并延长拥堵方向上的下一个路口的对应的直行和左转绿灯时长；
步骤D3：两条道路中，只有一条道路拥堵，该道路只有一个行驶方向的直行或左转车道发生路段拥堵时，延长对应绿灯时长；
步骤D4：两条道路都出现路段拥堵时，当前路口的红绿灯时长方案不变，该路口四个延伸方向上的下个路口中，对应方向的直行和左转绿灯时间延长；
步骤S2中，当拥堵方式为路口拥堵时，采用如下红绿灯调整策略：
步骤K1：采集车尾数据，检测到去向车道不拥堵，增加直行汇入该车道、左转汇入该车道的绿灯时间，设定该去向车道为主方向，增加主方向的下一路口的主方向直行、左转绿灯时间；
步骤K2：采集车尾数据，检测到去向车道拥堵，减少直行汇入该车道、左转汇入该车道的绿灯时间，设定该去向车道为主方向，直行汇入该车道的方向与主方向一致，设定左转汇入该车道的方向为辅方向，减少主方向的上一路口汇入主方向的各车道绿灯时间，以及减少辅方向的上一路口汇入辅方向的各车道的绿灯时间；
步骤K3：增加路口去向上的绿灯时长。
2.如权利要求1所述的一种基于感知融合技术缓解道路拥堵的方法，其特征在于，步骤K3中所述增加路口去向上的绿灯时长是指：当前路口的四个方向上，至少有一个最近的路口，增加直行和左转的绿灯时间。
3.如权利要求1所述的一种基于感知融合技术缓解道路拥堵的方法，其特征在于，当拥堵方式为路口拥堵时，还发送拥堵提醒靠近路口的车辆，提醒车辆避让拥堵路段。
4.一种基于感知融合技术缓解道路拥堵的系统，用于实现权利要求1所述一种基于感知融合技术缓解道路拥堵的方法，其特征在于，包括：
监控设备：安装在靠近路口处，其监控方向背向路口；
边缘计算设备：用于接收监控设备的监控数据，并对监控数据进行融合处理；
远程平台：接收边缘计算融合处理后的数据，对交通态势进行分析，最后计算出调优方案并发送至路灯管控系统；
所述监控设备包括雷达和摄像机，摄像机用于监控从路口向四个方向分别延伸25m-200m的区域，雷达用于监控从路口向四个方向分别延伸100m-300m的区域。
5.如权利要求4所述的一种基于感知融合技术缓解道路拥堵的系统，其特征在于，还包括路侧基站，路侧基站通过远无线模块连接远程平台，用于接收远程平台的命令，并通过短无线模块发送信息至近处的智能网联车辆。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311317104.0A CN117079467B (zh) | 2023-10-12 | 2023-10-12 | 一种基于感知融合技术缓解道路拥堵的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311317104.0A CN117079467B (zh) | 2023-10-12 | 2023-10-12 | 一种基于感知融合技术缓解道路拥堵的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117079467A CN117079467A (zh) | 2023-11-17 |
| CN117079467B true CN117079467B (zh) | 2024-01-02 |
Family
ID=88719722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311317104.0A Active CN117079467B (zh) | 2023-10-12 | 2023-10-12 | 一种基于感知融合技术缓解道路拥堵的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117079467B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002150480A (ja) * | 2000-11-15 | 2002-05-24 | Yazaki Corp | 交通信号機制御システム |
| CN101593431A (zh) * | 2008-05-26 | 2009-12-02 | 奥城同立科技开发（北京）有限公司 | 自动调控路口车辆交通状态的方法 |
| CN103473935A (zh) * | 2013-09-03 | 2013-12-25 | 青岛海信网络科技股份有限公司 | 基于感应检测器的路口交通拥堵判定及控制方法和系统 |
| CN105551269A (zh) * | 2015-12-15 | 2016-05-04 | 邹晓虎 | 智慧城市中的交通信号灯的智能交通控制方法 |
| CN106056910A (zh) * | 2016-07-13 | 2016-10-26 | 乐视控股（北京）有限公司 | 一种交通状态检测方法和装置 |
| CN106710198A (zh) * | 2015-11-16 | 2017-05-24 | 侯力宇 | 一种新型高效交通系统 |
| CN106781500A (zh) * | 2017-01-11 | 2017-05-31 | 深圳万智联合科技有限公司 | 一种车载智能语音识别系统 |
| JP2018077709A (ja) * | 2016-11-10 | 2018-05-17 | コイト電工株式会社 | 信号制御装置、信号制御方法及びプログラム |
| CN108417068A (zh) * | 2018-02-09 | 2018-08-17 | 天津超智云数据科技有限公司 | 主动式智能交通流诱导方法 |
| CN108806256A (zh) * | 2018-07-03 | 2018-11-13 | 北京百度网讯科技有限公司 | 交通拥堵的检测方法、装置及检测设备 |
| CN109978741A (zh) * | 2017-12-27 | 2019-07-05 | 上海宝康电子控制工程有限公司 | 基于云平台的智慧交通信息服务应用系统及方法 |
| CN112185108A (zh) * | 2020-08-27 | 2021-01-05 | 银江股份有限公司 | 基于时空特征的城市路网拥堵模式识别方法、设备及介质 |
| CN112435487A (zh) * | 2020-11-11 | 2021-03-02 | 浪潮商用机器有限公司 | 基于边缘计算的信号灯控制方法、装置、设备及存储介质 |
| CN112447053A (zh) * | 2020-11-24 | 2021-03-05 | 马鞍山采倪汽车科技有限公司 | 一种拥堵路段红绿灯调控系统 |
| CN113538915A (zh) * | 2021-07-21 | 2021-10-22 | 阿波罗智联(北京)科技有限公司 | 交通拥堵事件的处理方法、设备、存储介质及程序产品 |
| CN116030630A (zh) * | 2023-01-09 | 2023-04-28 | 成都通广网联科技有限公司 | 基于网联功能的红绿灯学习系统 |
| CN116824858A (zh) * | 2023-07-18 | 2023-09-29 | 北京易华录信息技术股份有限公司 | 一种路段拥堵调整方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11521487B2 (en) * | 2019-12-09 | 2022-12-06 | Here Global B.V. | System and method to generate traffic congestion estimation data for calculation of traffic condition in a region |
-
2023
- 2023-10-12 CN CN202311317104.0A patent/CN117079467B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002150480A (ja) * | 2000-11-15 | 2002-05-24 | Yazaki Corp | 交通信号機制御システム |
| CN101593431A (zh) * | 2008-05-26 | 2009-12-02 | 奥城同立科技开发（北京）有限公司 | 自动调控路口车辆交通状态的方法 |
| CN103473935A (zh) * | 2013-09-03 | 2013-12-25 | 青岛海信网络科技股份有限公司 | 基于感应检测器的路口交通拥堵判定及控制方法和系统 |
| CN106710198A (zh) * | 2015-11-16 | 2017-05-24 | 侯力宇 | 一种新型高效交通系统 |
| CN105551269A (zh) * | 2015-12-15 | 2016-05-04 | 邹晓虎 | 智慧城市中的交通信号灯的智能交通控制方法 |
| CN106056910A (zh) * | 2016-07-13 | 2016-10-26 | 乐视控股（北京）有限公司 | 一种交通状态检测方法和装置 |
| JP2018077709A (ja) * | 2016-11-10 | 2018-05-17 | コイト電工株式会社 | 信号制御装置、信号制御方法及びプログラム |
| CN106781500A (zh) * | 2017-01-11 | 2017-05-31 | 深圳万智联合科技有限公司 | 一种车载智能语音识别系统 |
| CN109978741A (zh) * | 2017-12-27 | 2019-07-05 | 上海宝康电子控制工程有限公司 | 基于云平台的智慧交通信息服务应用系统及方法 |
| CN108417068A (zh) * | 2018-02-09 | 2018-08-17 | 天津超智云数据科技有限公司 | 主动式智能交通流诱导方法 |
| CN108806256A (zh) * | 2018-07-03 | 2018-11-13 | 北京百度网讯科技有限公司 | 交通拥堵的检测方法、装置及检测设备 |
| CN112185108A (zh) * | 2020-08-27 | 2021-01-05 | 银江股份有限公司 | 基于时空特征的城市路网拥堵模式识别方法、设备及介质 |
| CN112435487A (zh) * | 2020-11-11 | 2021-03-02 | 浪潮商用机器有限公司 | 基于边缘计算的信号灯控制方法、装置、设备及存储介质 |
| CN112447053A (zh) * | 2020-11-24 | 2021-03-05 | 马鞍山采倪汽车科技有限公司 | 一种拥堵路段红绿灯调控系统 |
| CN113538915A (zh) * | 2021-07-21 | 2021-10-22 | 阿波罗智联(北京)科技有限公司 | 交通拥堵事件的处理方法、设备、存储介质及程序产品 |
| CN116030630A (zh) * | 2023-01-09 | 2023-04-28 | 成都通广网联科技有限公司 | 基于网联功能的红绿灯学习系统 |
| CN116824858A (zh) * | 2023-07-18 | 2023-09-29 | 北京易华录信息技术股份有限公司 | 一种路段拥堵调整方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117079467A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11860639B2 (en) | Vehicle-based road obstacle identification system | |
| CN108898824B (zh) | 一种基于c-v2x的交叉口公交信号优先控制系统及控制方法 | |
| US10990105B2 (en) | Vehicle-based virtual stop and yield line detection | |
| TWI691927B (zh) | 移動載具用外部座標即時三維路況輔助裝置及該系統 | |
| US11373524B2 (en) | On-board vehicle stop cause determination system | |
| US20200211370A1 (en) | Map editing using vehicle-provided data | |
| CN108198441B (zh) | 一种快速智能交通系统及方法 | |
| CN110907966A (zh) | 物联网时代下基于实时车流量的应急车辆导航系统及方法 | |
| US10699568B1 (en) | Video-based crossroad signal machine control method | |
| CN111524362A (zh) | 基于多数据融合的车辆安全行驶保障系统与方法 | |
| CN114399900B (zh) | 一种基于遥感技术的智慧城市交通管理系统和方法 | |
| CN113411375B (zh) | 信息处理方法、设备及计算机存储介质 | |
| US20240046787A1 (en) | Method And System For Traffic Clearance At Signalized Intersections Based On Lidar And Trajectory Prediction | |
| CN113256979A (zh) | 一种高速公路路况信息采集及预警信息发布系统 | |
| US20200208991A1 (en) | Vehicle-provided virtual stop and yield line clustering | |
| CN202013659U (zh) | 基于嵌入式平台图像处理及无线通讯的智能安全交通信息平台 | |
| CN117079467B (zh) | 一种基于感知融合技术缓解道路拥堵的方法及系统 | |
| WO2020139392A1 (en) | Vehicle-based road obstacle identification system | |
| CN117315962A (zh) | 紧急车辆的优先通行方法、智慧交通系统及云平台 | |
| CN111882864A (zh) | 一种城市智慧交通的道路数字标牌控制系统 | |
| CN113140129A (zh) | 一种车辆预警方法、设备及系统 | |
| CN214475561U (zh) | 一种基于智能信号灯的自动驾驶控制系统 | |
| KR102497716B1 (ko) | 자율주행협력 차량의 권장 제한 속도를 제공하는 관제 서버 | |
| Qidong et al. | The research on the identification of ACC SOTIF triggering conditions based on scenario analysis | |
| WO2020139388A1 (en) | Vehicle-provided virtual stop and yield line clustering |
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 |