CN117475640B - 一种基于雷视融合探测的信号交叉口运行评价方法 - Google Patents

一种基于雷视融合探测的信号交叉口运行评价方法 Download PDF

Info

Publication number
CN117475640B
CN117475640B CN202311805120.4A CN202311805120A CN117475640B CN 117475640 B CN117475640 B CN 117475640B CN 202311805120 A CN202311805120 A CN 202311805120A CN 117475640 B CN117475640 B CN 117475640B
Authority
CN
China
Prior art keywords
intersection
evaluation
calculating
vehicle
time
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
CN202311805120.4A
Other languages
English (en)
Other versions
CN117475640A (zh
Inventor
孟维伟
熊帅
张兴宇
高佳宁
何佳
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.)
North China Municipal Engineering Design and Research Institute Co Ltd
Original Assignee
North China Municipal Engineering Design and Research Institute 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 North China Municipal Engineering Design and Research Institute Co Ltd filed Critical North China Municipal Engineering Design and Research Institute Co Ltd
Priority to CN202311805120.4A priority Critical patent/CN117475640B/zh
Publication of CN117475640A publication Critical patent/CN117475640A/zh
Application granted granted Critical
Publication of CN117475640B publication Critical patent/CN117475640B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于雷视融合探测的信号交叉口运行评价方法。首先，将成熟的雷视融合一体机设置在交叉口信号灯上，对交叉口进行实时检测。其次，搭建交叉口数字孪生场景，以进口道为基准划分格子状检测区域。然后，统计各时间间隔内的排队数、停止线过车数和穿越车数，计算出延误时间、二次停车率、排队长度和网格占有率。最后，利用基于熵权法的Topsis评价模型计算小时和日运行评价指标，并划分5个等级评判拥堵情况。本发明通过雷视融合一体机提供连续精准的车辆动态空间数据，克服了传统方法的数据静态和时空有限的问题。同时，采用基于熵权法的Topsis评价模型量化评价指标，提高了评价的客观性和准确性。

Description

一种基于雷视融合探测的信号交叉口运行评价方法
技术领域
本发明涉及智能交通检测技术领域，具体为一种基于雷视融合探测的信号交叉口运行评价方法。
背景技术
雷视融合探测技术已在交通信息感知、交通目标检测等方面得到广泛应用。目前，雷视融合一体机集成主动式前向扫描和毫米波3DHD检测等新兴技术，实现对交通场景目标的广域跟踪、高精测距、全时测速、多维测向。此外，雷视融合充分发挥出复合型传感设备的特点，将单点感知转变为多点联合调控，有效解决单一雷达或视频检测因遮挡或恶劣环境干扰等导致检测偏差大的技术问题。鉴于此，雷视融合技术在信号交叉口运行评价中具有明显优势，通过联合标定法，针对交叉口一定范围内不同设备采集到的车辆各项基础数据进行矫正，以确保数据的准确性和有效性。
现阶段，信号交叉口运行评价的数据类型大体归结为轨迹数据和速度数据，轨迹数据主要分为运行车辆GPS轨迹和浮动车GPS轨迹，速度数据又分为车辆速度和路段速度。从上述数据获取的时空维度分析，当前信号交叉口评价的数据具有以下缺陷：（1）在时间维度上，周期数据采集不足，时间连续性差，且依赖于历史统计数据，实时性不高；（2）在空间维度上，目标轨迹会产生静态漂移现象，即GPS定位与实际轨迹偏差较大，因而数据提前需要进行漂移点预处理，无形增加评价时间成本。
层次分析、模糊数学、灰色关联和熵权法等数学方法被用来确立交叉口运行评价指标，随后将交叉口运行状况划分为不同等级以区分畅通拥堵情况。但是，上述方法多存在主观分析、模糊界定和定性评价等问题，导致评价指标的可靠度有待商榷。
发明内容
本发明的目的在于克服现有技术的不足之处，提供一种基于雷视融合探测的信号交叉口运行评价方法，该方法通过Topsis评价模型，选取交叉口总延误、二次停车率、排队长度和网格占有率四个评价主参数，计算交叉口的小时运行评价指标和日运行评价指标，避免因单一指标、主观因素影响评价的准确性。此外，本发明评价方法通过主次因素分析法动态选取关键评价指标，并为各个关键指标具体赋值，相比于定性评价更有说服力。
一种基于雷视融合探测的信号交叉口运行评价方法，包括以下步骤：
S1：将成熟的雷视融合一体机置于交叉口信号灯上，设置其工作额定参数，并实时检测交叉口静态信息和车辆动态信息；
S2：搭建交叉口数字孪生场景，在每个进口道停止线至雷视融合探测最大范围处围成矩形检测区域，并以当量车长为一个单位划分出小网格，给定小网格相交点的坐标；
S3：以停止线为基准，设定检测时间间隔，统计每个时间间隔内的排队数量、停驶过停止线的车辆数和不停驶过停止线的车辆数，计算交叉口总延误、二次停车率、排队长度和网格占有率；
S4：利用Topsis评价模型，以1小时中每15分钟或以1天中每小时作为一个评价时 段Ai，以交叉口总延误、二次停车率、排队长度和网格占有率作为各评价时段的方案指标 ，计算小时运行评价指标和日评价运行指标，并划分出5个等级以评判信号交叉口的拥堵情 况。
优选的，步骤S1具体包括如下步骤：
S11：定义雷视融合一体机工作额定参数；雷视融合一体机最大扫描距离D、扫描频率f、车辆分辨率ε；
S12：定义交叉口静态信息为；第m个交叉口进口道车道数tm，第m个交叉口进口道第n个车道宽Wm，n；
S13：定义车辆动态信息为；第k辆检测车的二维坐标、车型分类：小轿车标签为vehicle，小客车标签为midvehicle，大货车标签为bigvehicle、第k辆车的实时速度Vk、第k辆车的实时方位角φk；
S14：利用坐标雷视融合联合标定检测车的二维坐标：
；
其中，（uk，vk）为张正友标定法联合标定后的车辆二维像素坐标，（xk，yk）为相机畸变矫正后的坐标。
优选的，步骤S2中的搭建交叉口数字孪生场景具体包括如下步骤：
S21：定义小网格相交点坐标；以停止线为矩形区域的基准线，通过步骤1中的联合标定法确定停止线与每条进口道车道线相交点的坐标(u0,m，v0,m)，u0,m为第m条车道线与停止线相交点的横坐标，v0,m为第m条车道线与停止线相交点的纵坐标，那么其余相交点坐标定义为(ur,m，vr,m)，r为以停止线为基准至检测最大范围方向的第r个小网格，定义靠近轴的车道线为第1条车道线，m=1。
优选的，步骤S3具体包括如下步骤：
S31：计算交叉口延误；
；
其中，为总停驶车辆数，ni,j为在第i分钟内第j个∆t内交叉口引道上不同时间 停过的车辆数，n为检测时长，以分钟为单位，m为1分钟内划分间隔数，S为停止车辆总数，si 为第i分钟内交叉口进口道停止车辆数，α为交叉口总延误，∆t为1分钟内检测时间间隔，β 为每一停驶车辆的平均延误，tmax为检测最大时长；
其中，停止车辆数si和不停止车辆数nsi的检测方法：
以停止线坐标为检测标准，在一个信号周期内，当某一车辆坐标（uk，vk）超过停止线坐标或速度由0变为vk时si累计1次；当某一车辆坐标（uk，vk）超过停止线坐标且速度由vk变为vk1时nsi累计1次；
S32：计算二次停车率；
；
其中，γ为交叉口总体二次停车率、ds为当某一车辆坐标（uk，vk）未超过停止线坐标且速度状态变化由0变为vk1再减速至0时二次停车数ds累计1次；
S33：计算排队长度；
；
其中，L为交叉口排队总长度，M为交叉口进口道总数，I为交叉口进口道车道总数，lm，i为第m个交叉口进口道第i个车道内排队车辆总长度；
S34：计算网格占有率；
；
其中，δ为网格占有率，O为排队车辆占据网格的面积，Q为网格总面积，M为交叉口进口道总数，I为交叉口进口道车道总数，om，i为第m个交叉口进口道第i个车道内排队车辆占据的网格面积。
优选的，步骤S4中的小时运行评价指标和日运行评价指标Topsis计算步骤如下：
S41：标准化；正向指标rij；
；
S42：确定属性权重wj；
（1）计算熵权法计算第j项指标的商熵值EHj：
；
（2）熵权法下计算小时差异性系数FHj：
；
（3）熵权法下确定小时运行评价权重WHj：
；
同理，日运行评价权重WDj：
；
S43：计算加权规范矩阵A；
；
S44：确定矩阵A正理想解和负理想解；
；
S45：计算各评价时段正负理想解的欧氏距离；
；
S46：计算各评价时段Ai对理想解的相对接近程度；
；
S47：计算各评价时段Ai对理想解的相对接近程度；
按由大到小对诸评价时段进行归一化排序，排在前面的评价时段较优；
；
同理，
；
其中，AHk为1小时内第i评价时段运行评价指标，ADk为1天内第i评价时段运行评价指标，αi，j为Xi对属性Yi的取值；
定义评价指标划分标准：AHk∈[0,20%]为小时内极度畅通，AHk∈[20%,40%]为小时内轻度畅通，AHk∈[40%,60%]为小时内畅通，AHk∈[60%,80%]为小时内轻度拥堵，AHk∈[80%,100%]为小时内极度拥堵。
本发明的优点和技术效果是：
本发明较好地解决了交叉口运行评价中数据在时空两个维度存在的问题，通过雷视融合探测技术，数据时间连续性和实时性强，摒弃了传统的GPS坐标系，以网格划分的形式自主建立坐标系，避免处理静态飘移点，减少云端处理的计算量。
附图说明
图1为本发明的一种基于雷视融合探测的信号交叉口运行评价方法的流程图；
图2为本发明的一种基于交叉口数字孪生搭建的交叉口进口道网格划分模型图。
具体实施方式
为能进一步了解本发明的内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。需要说明的是，本实施例是描述性的，不是限定性的，不能由此限定本发明的保护范围。
以某城市中交叉口为例，如图1所示，本发明所述的一种基于雷视融合探测的信号交叉口运行评价方法，包括以下步骤：
（一）首先完成基础数据获取工作，并实时检测交叉口静态信息和车辆动态信息。
假定评价1小时中每15分钟时间内交叉口运行情况，记作Y1、Y2、Y3、Y4，有4个属性为交叉口总延误、二次停车率、排队长度、占有率依次记作X1、X2、X3、X4，4个属性，分别通过计算得出每15分钟的结果，αi，j（i=1、2、3、4，j=1、2、3、4）表示方案Xi对属性Yi的取值，或称原始权重。
交叉口静态信息为：第m个交叉口进口道车道数tm，第m个交叉口进口道第n个车道宽Wm，n。
车辆动态信息为：第k辆检测车的二维坐标（uk，vk）、车型分类：小轿车标签为 vehicle，小客车标签为midvehicle，大货车标签为bigvehicle、第k辆车的实时速度、第k 辆车的实时方位角。
其中，车辆二维坐标雷视融合联合标定：
；
其中，（uk，vk）为张正友标定法联合标定后的车辆二维像素坐标，（xk，yk）为相机畸变矫正后的坐标。
（二）在每个进口道停止线至雷视融合探测最大范围处围成矩形检测区域，并以当量车长为一个单位划分出小网格，给定小网格相交点的坐标。
小网格相交点坐标定义为：
以停止线为矩形区域的基准线，通过步骤1中的联合标定法确定停止线与每条车道线相交点的坐标(u0,m，v0,m)，u0,m为第m条车道线与停止线相交点的横坐标，v0,m为第m条车道线与停止线相交点的纵坐标，那么其余相交点坐标定义为(ur,m，vr,m)，r为以停止线为基准至检测最大范围方向的第r个小网格。
（三）计算交叉口总延误、二次停车率、排队长度和网格占有率。
具体地，交叉口延误为：
；
其中，为总停驶车辆数，ni,j为在第i分钟内第j个∆t内交叉口引道上不同时间 停过的车辆数，n为检测时长，以分钟为单位，m为1分钟内划分间隔数，S为停止车辆总数，si 为第i分钟内交叉口进口道停止车辆数，α为交叉口总延误，∆t为1分钟内检测时间间隔，β 为每一停驶车辆的平均延误，tmax为检测最大时长；
其中，停止车辆数si和不停止车辆数nsi的检测方法：
以停止线坐标为检测标准，在一个信号周期内，当某一车辆坐标（uk，vk）超过停止线坐标或速度由0变为vk时si累计1次；当某一车辆坐标（uk，vk）超过停止线坐标且速度由vk变为vk1时nsi累计1次；
具体地，二次停车率为：
；
其中，γ为交叉口总体二次停车率、ds为当某一车辆坐标（uk，vk）未超过停止线坐标且速度状态变化由0变为vk1再减速至0时二次停车数ds累计1次；
步骤3中所述排队长度为：
；
其中，L为交叉口排队总长度，M为交叉口进口道总数，I为交叉口进口道车道总数，lm，i为第m个交叉口进口道第i个车道内排队车辆总长度；
步骤3中所述网格占有率为：
；
其中，δ为网格占有率，O为排队车辆占据网格的面积，Q为网格总面积，M为交叉口进口道总数，I为交叉口进口道车道总数，om，i为第m个交叉口进口道第i个车道内排队车辆占据的网格面积。
（四）利用Topsis评价模型，计算小时运行评价指标和日评价运行指标，划分出5个等级以评判信号交叉口的拥堵情况。
第一步：标准化：
正向指标rij；
；
第二步，属性权重wj的确定：
（1）计算熵权法计算第j项指标的商熵值EHj：
；
（2）熵权法下计算小时差异性系数FHj：
；
（3）熵权法下确定小时运行评价权重WHj：
；
同理，日运行评价权重WDj：
；
第三步：计算加权规范矩阵
；
第四步：确定矩阵A正理想解和负理想解
；
第五步：计算各评价时段与正负理想解的欧氏距离 ：
；
第六步：计算各评价时段Ai对理想解的相对接近程度：
；
第七步：按由大到小对诸评价时段进行归一化排序，排在前面的评价时段较 优。
；
同理，
；
其中，AHk为1小时内第i评价时段运行评价指标，ADk为1天内第i评价时段运行评价指标，αi，j为Xi对属性Yi的取值；
进一步地，定义评价指标划分标准：AHk∈[0,20%]为小时内极度畅通，AHk∈[20%,40%]为小时内轻度畅通，AHk∈[40%,60%]为小时内畅通，AHk∈[60%,80%]为小时内轻度拥堵，AHk∈[80%,100%]为小时内极度拥堵。
最后，本发明的未述之处均采用现有技术中的成熟产品及成熟技术手段。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (3)

1.一种基于雷视融合探测的信号交叉口运行评价方法，其特征在于，包括以下步骤：
S1：将成熟的雷视融合一体机置于交叉口信号灯上，设置其工作额定参数，并实时检测交叉口静态信息和车辆动态信息；
S2：搭建交叉口数字孪生场景，在每个进口道停止线至雷视融合探测最大范围处围成矩形检测区域，并以当量车长为一个单位划分出小网格，给定小网格相交点的坐标；
S3：以停止线为基准，设定检测时间间隔，统计每个时间间隔内的排队数量、停驶过停止线的车辆数和不停驶过停止线的车辆数，计算交叉口总延误、二次停车率、排队长度和网格占有率；步骤S3具体包括如下步骤：
S31：计算所述交叉口延误；
α＝N·Δt
其中，N为总停驶车辆数，ni,j为在第i分钟内第j个Δt内交叉口引道上不同时间停过的车辆数，n为检测时长，以分钟为单位，m为1分钟内划分间隔数，S为停止车辆总数，si为第i分钟内交叉口进口道停止车辆数，α为交叉口总延误，Δt为1分钟内检测时间间隔，β为每一停驶车辆的平均延误，tmax为检测最大时长；
其中，停止车辆数si和不停止车辆数nsi的检测方法：
以停止线坐标为检测标准，在一个信号周期内，当某一车辆坐标(uk，vk)超过停止线坐标或速度由0变为vk时si累计1次；当某一车辆坐标(uk，vk)超过停止线坐标且速度由vk变为vk1时nsi累计1次；
S32：计算所述二次停车率；
其中，γ为交叉口总体二次停车率、ds为当某一车辆坐标(uk，vk)未超过停止线坐标且速度状态变化由0变为vk1再减速至0时二次停车数ds累计1次；
S33：计算所述排队长度；
其中，L为交叉口排队总长度，M为交叉口进口道总数，I为交叉口进口道车道总数，lm，i为第m个交叉口进口道第i个车道内排队车辆总长度；
S34：计算所述网格占有率；
其中，δ为网格占有率，O为排队车辆占据网格的面积，Q为网格总面积，M为交叉口进口道总数，I为交叉口进口道车道总数，om，i为第m个交叉口进口道第i个车道内排队车辆占据的网格面积；
S4：利用Topsis评价模型，以1小时中每15分钟或以1天中每小时作为一个评价时段Ai，以交叉口总延误、二次停车率、排队长度和网格占有率作为各评价时段的方案指标aij，计算小时运行评价指标和日评价运行指标，并划分出5个等级以评判信号交叉口的拥堵情况；步骤S4中的小时运行评价指标和日运行评价指标Topsis计算步骤如下：
S41：标准化；正向指标rij；
S42：确定属性权重wj；
(1)计算熵权法计算第j项指标的商熵值EHj：
(2)熵权法下计算小时差异性系数FHj：
FHj＝1-EHj，j＝1，2，3，4；
(3)熵权法下确定小时运行评价权重WHj：
同理，日运行评价权重WDj：
S43：计算加权规范矩阵A；
A＝(xij)m×n＝[wj·rij]m×n；
S44：确定矩阵A正理想解和负理想解；
S45：计算各评价时段正负理想解的欧氏距离；
S46：计算各评价时段Ai对理想解的相对接近程度；
S47：计算各评价时段Ai对理想解的相对接近程度；
按由大到小对诸评价时段进行归一化排序，排在前面的评价时段较优；
同理，
其中，AHi为1小时内第i评价时段运行评价指标，ADi为1天内第i评价时段运行评价指标，αi，j为Xi对属性Yi的取值；
定义评价指标划分标准：AHi∈[0,20％]为小时内极度畅通，AHi∈[20％,40％]为小时内轻度畅通，AHi∈[40％,60％]为小时内畅通，AHi∈[60％,80％]为小时内轻度拥堵，AHi∈[80％,100％]为小时内极度拥堵。
2.根据权利要求1所述的一种基于雷视融合探测的信号交叉口运行评价方法，其特征在于：所述步骤S1具体包括如下步骤：
S11：定义所述雷视融合一体机工作额定参数；雷视融合一体机最大扫描距离D、扫描频率f、车辆分辨率ε；
S12：定义所述交叉口静态信息为；第m个交叉口进口道车道数tm，第m个交叉口进口道第n个车道宽Wm，n；
S13：定义所述车辆动态信息为；第k辆检测车的二维坐标、车型分类：小轿车标签为vehicle，小客车标签为midvehicle，大货车标签为bigvehicle、第k辆车的实时速度Vk、第k辆车的实时方位角
S14：利用坐标雷视融合联合标定检测车的二维坐标：
其中，(uk，vk)为张正友标定法联合标定后的车辆二维像素坐标，(xk，yk)为相机畸变矫正后的坐标。
3.根据权利要求2所述的一种基于雷视融合探测的信号交叉口运行评价方法，其特征在于：所述步骤S2中的搭建交叉口数字孪生场景具体包括如下步骤：
S21：定义小网格相交点坐标；以停止线为矩形区域的基准线，通过步骤1中的联合标定法确定停止线与每条进口道车道线相交点的坐标(u0,m，v0,m)，u0,m为第m条车道线与停止线相交点的横坐标，v0,m为第m条车道线与停止线相交点的纵坐标，那么其余相交点坐标定义为(ur,m，vr,m)，r为以停止线为基准至检测最大范围方向的第r个小网格，定义靠近u轴的车道线为第1条车道线，m＝1。
CN202311805120.4A 2023-12-26 2023-12-26 一种基于雷视融合探测的信号交叉口运行评价方法 Active CN117475640B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311805120.4A CN117475640B (zh) 2023-12-26 2023-12-26 一种基于雷视融合探测的信号交叉口运行评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311805120.4A CN117475640B (zh) 2023-12-26 2023-12-26 一种基于雷视融合探测的信号交叉口运行评价方法

Publications (2)

Publication Number Publication Date
CN117475640A CN117475640A (zh) 2024-01-30
CN117475640B true CN117475640B (zh) 2024-03-15

Family

ID=89623776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311805120.4A Active CN117475640B (zh) 2023-12-26 2023-12-26 一种基于雷视融合探测的信号交叉口运行评价方法

Country Status (1)

Country Link
CN (1) CN117475640B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11102497A (ja) * 1997-09-29 1999-04-13 Hitachi Ltd 交差点運用設計方法及び装置
JP2011048754A (ja) * 2009-08-28 2011-03-10 I-Transport Lab Co Ltd 交通状況解析装置、交通状況解析プログラム及び交通状況解析方法
KR101881467B1 (ko) * 2017-09-29 2018-07-25 한국건설기술연구원 도로축 기반 불법주차 관리시스템 및 그의 불법주차 관리방법
CN109544928A (zh) * 2018-12-12 2019-03-29 武汉理工大学 一种基于熵权法的信号交叉口评价方法
CN110766940A (zh) * 2019-09-24 2020-02-07 重庆交通大学 道路信号交叉口运行状况评估方法
WO2021109318A1 (zh) * 2019-12-03 2021-06-10 东南大学 一种城市路网短期交通运行状态估计与预测方法
CN113487197A (zh) * 2021-07-12 2021-10-08 吉林大学 一种基于topsis评价模型的车联网信息筛选方法
CN114299456A (zh) * 2021-12-24 2022-04-08 北京航空航天大学 一种基于实时轨迹检测的交叉口行人过街风险评估方法
CN114742389A (zh) * 2022-04-02 2022-07-12 中冶南方城市建设工程技术有限公司 基于gra和改进topsis的城市道路施工期缓堵交通组织方案比选方法
CN117173889A (zh) * 2023-09-11 2023-12-05 沈阳博研智能交通科技有限公司 一种城市道路多交叉口及相关联路段综合评价方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11102497A (ja) * 1997-09-29 1999-04-13 Hitachi Ltd 交差点運用設計方法及び装置
JP2011048754A (ja) * 2009-08-28 2011-03-10 I-Transport Lab Co Ltd 交通状況解析装置、交通状況解析プログラム及び交通状況解析方法
KR101881467B1 (ko) * 2017-09-29 2018-07-25 한국건설기술연구원 도로축 기반 불법주차 관리시스템 및 그의 불법주차 관리방법
CN109544928A (zh) * 2018-12-12 2019-03-29 武汉理工大学 一种基于熵权法的信号交叉口评价方法
CN110766940A (zh) * 2019-09-24 2020-02-07 重庆交通大学 道路信号交叉口运行状况评估方法
WO2021109318A1 (zh) * 2019-12-03 2021-06-10 东南大学 一种城市路网短期交通运行状态估计与预测方法
CN113487197A (zh) * 2021-07-12 2021-10-08 吉林大学 一种基于topsis评价模型的车联网信息筛选方法
CN114299456A (zh) * 2021-12-24 2022-04-08 北京航空航天大学 一种基于实时轨迹检测的交叉口行人过街风险评估方法
CN114742389A (zh) * 2022-04-02 2022-07-12 中冶南方城市建设工程技术有限公司 基于gra和改进topsis的城市道路施工期缓堵交通组织方案比选方法
CN117173889A (zh) * 2023-09-11 2023-12-05 沈阳博研智能交通科技有限公司 一种城市道路多交叉口及相关联路段综合评价方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Spatial-Temporal Differentiation of Sustainable Development in Cities and Counties of Hainan Province;ZHUANG Haiyan;;Journal of Landscape Research;20180215(第01期);全文 *
交叉口车流多目标运行效率决策研究;陈娟;耿俊杰;贾明星;;计算机仿真;20160415(第04期);全文 *
基于熵权-TOPSIS模型的慢行交通与城市设计协调评价方法;闫欣欣;袁振洲;毛思捷;吴琳;;公路交通科技;20180915(第09期);全文 *

Also Published As

Publication number Publication date
CN117475640A (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
CN104182957B (zh) 交通视频信息检测方法和装置
CN110542885B (zh) 一种复杂交通环境下的毫米波雷达目标跟踪方法
CN103258427B (zh) 基于信息物理网络的城市快速路交通实时监控方法
CN113419244A (zh) 一种基于毫米波雷达数据的车辆轨迹拼接方法
CN114357019B (zh) 一种智能网联环境下路侧感知单元数据质量监测方法
CN103440499B (zh) 基于信息融合的交通波实时检测与跟踪方法
CN116721549B (zh) 一种车流量检测系统及检测方法
Bharadwaj et al. Traffic data analysis using image processing technique on Delhi–Gurgaon expressway
CN112258850A (zh) 一种车路协同系统边缘侧多传感器数据融合系统
CN115690713A (zh) 一种基于双目相机的雷视融合事件检测方法
CN117475640B (zh) 一种基于雷视融合探测的信号交叉口运行评价方法
CN114783181B (zh) 一种基于路侧感知的交通流量统计方法和装置
CN118711377A (zh) 一种对高速公路行驶车辆进行全程超速监控系统
CN115909711A (zh) 交通拥堵指数预测方法、装置及相关设备
CN114399726A (zh) 实时智能监测客流及预警的方法和系统
CN116913081A (zh) 一种基于路侧激光雷达的车辆排队长度检测方法
CN113345220B (zh) 一种高速公路稽查车辆跟踪与预测分析系统
CN112382087B (zh) 交通堵塞预测方法
CN112907978A (zh) 基于监控视频的交通流量监控方法
CN116434056A (zh) 一种基于雷视融合的目标识别方法、系统及电子设备
CN108932728A (zh) 基于视觉监控的跟踪方法
CN111858816A (zh) 一种提高单监视源与多监视源航迹关联效率的方法及系统
CN118280120B (zh) 基于边缘计算的高速公路车辆实时管控方法及系统
Kan et al. A Congestion Detection Framework based on Vehicle-Counter CNN and Self-Learning Critical Density Approach
CN111649678A (zh) 一种车辆外轮廓信息的双雷达测量方法

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