CN117765736A - 一种基于etc数据的高速公路交通状态动态估计方法 - Google Patents
一种基于etc数据的高速公路交通状态动态估计方法 Download PDFInfo
- Publication number
- CN117765736A CN117765736A CN202410024354.3A CN202410024354A CN117765736A CN 117765736 A CN117765736 A CN 117765736A CN 202410024354 A CN202410024354 A CN 202410024354A CN 117765736 A CN117765736 A CN 117765736A
- Authority
- CN
- China
- Prior art keywords
- time
- portal
- road section
- traffic
- passing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000011160 research Methods 0.000 claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 210000004258 portal system Anatomy 0.000 abstract description 6
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于ETC数据的高速公路交通状态动态估计方法，所述方法包括以下步骤：根据高速公路ETC门架的空间位置，以相邻门架之间的路段作为研究单元；获取连续通过高速公路相邻门架A‑B的当前时段以及历史时刻的ETC数据；确定采样周期，分析研究路段的历史时刻的对数据进行清洗；统计研究路段历史时刻的自由流通行时间t1；计算研究路段当前时刻的行程时间t2，以及行程时间比TTI=t2/t1，并对交通状态进行确定。本发明中数据基础是依据在高速公路上广泛存在的ETC门架系统，具有易实现和易推广的优势；考虑了天气状况、路段中服务区、高速公路出入匝道对交通流量数据统计的影响，剔除了异常值的干扰，进而提高对交通状态识别的精度。
Description
技术领域
本发明涉及交通工程技术领域，具体是一种基于ETC数据的高速公路交通状态动态估计方法。
背景技术
近年来，随着公路网的建设发展和城市化进程的推进，全国公路网里程及规模都有了大幅度的增长，交通需求的增长使得交通拥堵现象频繁发生。ETC门架系统是在高速公路沿线断面建设的，具备通行费分段计费、车辆图像识别等功能的专用的系统。对于高速交通网络而言，ETC门架系统广泛存在且可以提供可靠的连续数据，所以如何有效的利用ETC数据对交通状态进行识别，进而为高速公路的管控措施提供依据，是提升高速公路服务水平及行车安全性的关键。
目前，对于高速公路交通状态的估计研究，大多是基于视频传感器、环形线圈等采集多源数据，利用交通理论或机器学习的算法，对交通流状态进行评估。例如中国发明专利-一种结合高维指标降维处理对交通状态进行评估的方法（CN116665456A）通过构建高维指标集，降维后对交通状态进行估计，其不足在于没有充分考虑高速公路数据采集设备的布设现状，不同形式的传感器在高速公路上是点位存在，并且数据记录形式不同，数据融合存在困难。在现有状态下，ETC门架系统在高速公路上连续广泛存在，基于ETC数据的交通状态识别值得深入研究。例如中国发明专利-一种基于ETC数据的交通路段区间拥堵状态在线识别方法（CN116386324A）通过平均车速及车流量判断研究区段的拥挤值，其不足在于没有考虑研究区段存在服务区和高速出入匝道对交通量及平均车速计算的影响。目前基于ETC数据的研究较少考虑天气状况、进入服务区、高速匝道进出车辆对于交通状态估计的影响，导致研究结果的精度不高。
基于现有研究的上述缺陷，迫切需要一种基于ETC数据的高速公路交通状态动态估计方法，并且考虑天气状况、高速公路服务区、高速公路出入匝道对交通流量的影响，进而提高对交通状态识别的精度。
发明内容
针对上述存在的问题，本发明提供了一种基于ETC数据的高速公路交通状态动态估计方法，在数据基础上可计算任意时刻高速公路任意两相邻门架之间的交通状态，以相邻两个门架之间的空间位置作为研究的路段单元，采集研究路段的高速公路ETC数据构建数据基础，根据历史时段相同天气下未发生拥堵的通行时间的95%置信区间的均值定义该路段自由流的通行时间，通过对比当前时段的通行时间与自由流通行时间，进而对当前的交通状态进行估计，并且考虑了天气状况、服务区、进出高速匝道对交通流的干扰，提高了研究结果的精度，为高速公路的管控决策提供依据。
为实现上述目的，本发明提供如下技术方案：
一种基于ETC数据的高速公路交通状态动态估计方法，所述方法包括以下步骤：
S1，根据高速公路ETC门架的空间位置进行路段划分，以相邻两个门架之间的路段作为交通状态识别的研究单元；
S2，通过ETC系统获取连续通过高速公路相邻门架A-B的当前时段ETC数据，以及同一路段历史时刻相同天气下的ETC数据；
S3，以预设单位时长为采样周期，分析研究路段的历史时刻自由流状态下车辆通行时间的分布趋势，结合路段是否包含高速出入匝道和服务区，对数据进行清洗，以构建路段自由流通行时间估计的数据基础；
S4，统计历史时刻相同天气下未发生拥堵时间段中n个预设单位时长内通过门架A的车辆到达门架B的时间，定义连续通过相邻两门架的车辆行程时间95%置信区间的平均值t1为通过两个门架的自由流通行时间；
S5，计算当前时刻预设时长内连续通过门架A-B的车辆行程时间95%置信区间的平均值t2，计算行程时间比TTI= t2/t1，通过得到的当前时段的TTI取值，对当前的交通状态进行判断，不断迭代以实现当前时段研究路段交通状态的动态估计。
作为本发明进一步的技术方案，在步骤S1中，选取相邻的两个门架之间的路段为交通状态识别的单元路段，需要统计的元素包括“两门架之间的里程”、“两门架之间是否存在服务区”、“两门架之间是否存在出入匝道”。
作为本发明进一步的技术方案，在步骤S2中，采集的ETC数据元素包括“天气状况”、“高速名称”、“门架桩号”、“车辆通过时间”、“行车方向”、“车辆图像”、“识别的车牌号”。
作为本发明进一步的技术方案，所述步骤S3中，对于两个门架之间路段的通行车辆，按照路段内是否包括出入匝道和服务区，将路段内车辆的通行状况划分为：连续通过门架A-B、通过门架A后进入服务区、通过门架A后从出口匝道下高速、从入口匝道进入高速通过门架B四种情况；对于在A-B段中间进入或驶出高速的车辆，只有一个门架会记录车辆的通行，将其进行剔除；其次按照通行时间的分布图，判断并剔除进入服务区的车辆，只保留连续通过门架A-B的车辆作为该路段自由流通行时间估计的数据基础。
作为本发明进一步的技术方案，在步骤S4至S5中，选择历史时刻相同天气下未发生拥堵时间段中n个预设单位时长中连续通过门架A-B的车辆通行时间的95%置信区间的平均值作为研究路段的自由流通行时间t1；对当前研究时段预设时长内的连续通过A-B的车辆通行时间的95%置信区间的平均值作为当前交通状态的通行时间t2，进而计算研究路段当前时段的行程时间比TTI=t2/t1，以此为指标对研究路段当前的交通状态进行估计，通过不断的迭代更新实现对研究路段交通状态的动态估计。
进一步地，步骤S5中，若估计的当前通行时间t2小于自由流通行时间t1，则定义此时的TTI=1；若估计的当前通行时间t2大于2倍的自由流通行时间t1，则定义此时的TTI=2；具体的依据TTI的交通状态等级划分可依据实地交通流特点及道路限速情况进行标定。
与现有技术相比，本发明的有益效果是：
1、本发明利用现有高速公路连续存在的ETC门架数据能够准确的计算道路交通状态的变化，不需要在高速路网增加额外的设备，充分考虑高速公路数据采集设备的现状及数据元素，更具有普遍性和推广性。
2、本发明考虑了天气状况、服务区、高速出入口匝道对交通流量的干扰，在门架系统采集的数据基础上剔除了干扰数据，提升了交通状态估计结果的精度。
3、本发明的判断方法充分考虑了研究路段真实的历史交通状态，可更科学的实现对当前道路交通状态的估计，并且通过不断迭代，实现对交通状态的动态估计。
附图说明
图1为一种基于ETC数据的高速公路交通状态动态估计方法的流程图。
图2为本发明研究单元路段的示意图。
图3为实施例中自由流通行时间数据基础的构建流程。
图4为实施例中进入服务区车辆的判定流程。
图5为实施例中连续通过A-B门架的车辆判定。
图6为实施例中当前时段交通状态TTI的变化趋势。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
如图1至图6所示，一种基于ETC数据的高速公路交通状态动态估计方法，所述方法包括以下步骤：
S1，根据高速公路ETC门架的空间位置进行路段划分，以相邻两个门架之间的路段作为交通状态识别的研究单元；
S2，通过ETC系统获取连续通过高速公路相邻门架A-B的当前时段ETC数据，以及同一路段历史时刻相同天气下的ETC数据；
S3，以预设单位时长（30min）为采样周期，分析研究路段的历史时刻自由流状态下车辆通行时间的分布趋势，结合路段是否包含高速出入匝道和服务区，对数据进行清洗，以构建路段自由流通行时间估计的数据基础；
S4，统计历史时刻相同天气下未发生拥堵时间段中n个预设单位时长（30min）内通过门架A的车辆到达门架B的时间，定义连续通过相邻两门架的车辆行程时间95%置信区间的平均值t1为通过两个门架的自由流通行时间；
S5，计算当前时刻预设时长（5min）内连续通过门架A-B的车辆行程时间95%置信区间的平均值t2，计算行程时间比TTI= t2/t1，通过得到的当前时段的TTI取值，对当前的交通状态进行判断，不断迭代以实现当前时段研究路段交通状态的动态估计。
本实施例的，在步骤S1中，选取相邻的两个门架之间的路段为交通状态识别的单元路段，需要统计的元素包括“两门架之间的里程”、“两门架之间是否存在服务区”、“两门架之间是否存在出入匝道”。
本实施例的，在步骤S2中，采集的ETC数据元素包括“天气状况”、“高速名称”、“门架桩号”、“车辆通过时间”、“行车方向”、“车辆图像”、“识别的车牌号”。
本实施例的，所述步骤S3中，对于两个门架之间路段的通行车辆，按照路段内是否包括出入匝道和服务区，将路段内车辆的通行状况划分为：连续通过门架A-B、通过门架A后进入服务区、通过门架A后从出口匝道下高速、从入口匝道进入高速通过门架B四种情况；对于在A-B段中间进入或驶出高速的车辆，只有一个门架会记录车辆的通行，将其进行剔除；其次按照通行时间的分布图，判断并剔除进入服务区的车辆，只保留连续通过门架A-B的车辆作为该路段自由流通行时间估计的数据基础。
本实施例的，在步骤S4至S5中，选择历史时刻相同天气下未发生拥堵时间段中n个预设单位时长（30min）中连续通过门架A-B的车辆通行时间的95%置信区间的平均值作为研究路段的自由流通行时间t1；对当前研究时段预设时长（5min）内的连续通过A-B的车辆通行时间的95%置信区间的平均值作为当前交通状态的通行时间t2，进而计算研究路段当前时段的行程时间比TTI=t2/t1，以此为指标对研究路段当前的交通状态进行估计，通过不断的迭代更新实现对研究路段交通状态的动态估计。
进一步地，步骤S5中，若估计的当前通行时间t2小于自由流通行时间t1，则定义此时的TTI=1；若估计的当前通行时间t2大于2倍的自由流通行时间t1，则定义此时的TTI=2；具体的依据TTI的交通状态等级划分可依据实地交通流特点及道路限速情况进行标定。
为了便于本领域技术人员更好地理解本发明技术方案，给出本发明具体实施例如下：
本发明基于成都至南充高速公路下行某路段的ETC数据，该路段长13.93km，最高限速为120km/h，最低限速为60km/h，在规定的限速内，通行时间区间约为7-14分钟。考虑研究路段内服务区与高速出入匝道对交通流量的影响，建立了交通状态动态估计的方法。本发明的一种基于ETC数据的高速公路交通状态动态估计方法包括以下步骤：
S1，根据高速公路ETC门架的空间位置进行路段划分，选择相邻两个门架A-B之间的路段作为交通状态识别的路段单元；
具体地，选择相邻两门架A-B之间的路段作为研究的路段单元，需要确定门架A和门架B的基本信息，主要包括：门架编号、门架桩号、所属高速路、上下行方向等，另外还需要确定两门架之间是否存在服务区、高速公路出入匝道等信息，如下表1所示：
表1研究路段信息表
S2，通过高速公路ETC系统获取通过高速公路相邻门架A-B的当前时段ETC数据以及相同天气下历史时段门架A-B的ETC数据，数据中的元素包括天气状况、车辆图像、车牌识别图像、车辆通过门架时间、车辆类型；
具体地，天气状况可在天气网站检索，汇总ETC所记录的通过门架的车辆信息包含的元素如下表2所示：
表2
| 车牌号 | 车辆类型 | 通过门架时间 | 行车方向 | 车牌颜色 | 天气状况 |
| 川0001 | 小车 | 2023-07-14 13:30:01 | 下行 | 蓝色 | 晴天 |
| 川0002 | 小车 | 2023-07-14 13:30:05 | 下行 | 蓝色 | 晴天 |
| 川0003 | 小车 | 2023-07-14 13:30:05 | 下行 | 绿色 | 晴天 |
| 川0004 | 小车 | 2023-07-14 13:30:16 | 下行 | 绿色 | 晴天 |
S3，以30min为采样周期，分析研究路段的自由流通行时间估计所需的交通流信息，统计30分钟内连续通过门架A-B的数据信息，结合该路段是否包含出入口匝道和服务区，对数据源进行清洗，剔除A-B门架之间通过高速公路出入匝道的车辆和进入服务区的车辆，仅保留连续通过A-B两门架的车辆作为构建该路段自由流通行时间估计的数据基础；
具体地，采样周期可以依据当地交通量特点进行确定，计算A-B门架之间自由流通行时间所需数据基础包含元素如下表3所示：
表3
| 车牌号 | 车辆类型 | 通过门架A时间 | 通过门架B时间 | 行程时间 |
| 川0001 | 小车 | 2023-07-14 13:30:01 | 2023-07-14 13:38:40 | 00:08:39 |
| 川0002 | 小车 | 2023-07-14 13:30:05 | 2023-07-14 13:38:42 | 00:08:37 |
| 川0003 | 小车 | 2023-07-14 13:30:05 | 2023-07-14 13:37:42 | 00:07:37 |
| 川0004 | 小车 | 2023-07-14 13:30:16 | 2023-07-14 13:43:22 | 00:13:06 |
S4，统计相同天气下历史未发生交通拥堵时间段中n个30min内通过门架A的车辆到达门架B的时间，定义连续通过相邻两门架的车辆行程时间95%置信区间的平均值t1为通过两个门架的自由流通行时间，以此剔除数据异常的干扰，并保留尽可能大的数据特征代表性；
具体地，在本实施例中选择研究路段A-B中相同天气下历史未发生交通拥堵的1个30min时段，分别记录30min中内连续通过门架A的车辆到达门架B的行程时间，取行程时间统计结果95%置信区间的平均值作为该路段自由流下的通行时间，式中：t1表示研究路段自由流下的通行时间；/>表示第j次取样第i辆车的行程时间；n表示取样次数。本实施例仅取样1次，研究路段的自由流通行时间/>。
S5，计算当前5min内车辆连续通过门架A-B之间的通行时间95%置信区间的平均值作为当前交通状态下该路段的通行时间，式中：t2表示研究路段当前的通行时间；表示第i辆车的行程时间；计算行程时间比TTI= t2/t1，通过得到的当前时段的TTI取值，对当前的交通状态进行判断，不断迭代以实现当前时段研究路段交通状态的动态估计。
具体地，当前时段的行程时间t2小于自由交通流通行时间t1时，定义TTI=1；当前时段通行时间t2大于2倍的自由流通行时间t1时，则定义此时的TTI=2；在不同的应用场景下，可根据实地的交通流特点及限速情况对交通状态等级与TTI的对应关系进行标定，本实施例选取相同天气下同一路段有事故发生时间段为当前时间段，以5min为时间单元，共计算175min的TTI变化得到图6，依据TTI对当前交通状态进行等级划分如下表4所示：
表4
| TTI | [1，1.2] | [1.2，1.4] | [1.4，1.6] | [1.6，1.8] | [1.8，2.0] |
| 运行状况 | 畅通 | 基本畅通 | 轻度拥堵 | 中度拥堵 | 严重拥堵 |
本发明提供的一种基于ETC数据的高速公路交通状态动态估计方法可实现对高速公路状态的动态估计。本发明中数据基础是依据在高速公路上广泛存在的ETC门架系统，具有易实现和易推广的优势；考虑了天气状况、路段中服务区、高速公路出入匝道对交通流量数据统计的影响，使交通状态估计结果更精确；采用n个历史时段行程时间95%置信的平均值作为自由流行程时间，剔除了异常值的干扰；对于进入服务区车辆的判断结果可为服务区的管控提供借鉴。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种基于ETC数据的高速公路交通状态动态估计方法，其特征在于，所述方法包括以下步骤：
S1，根据高速公路ETC门架的空间位置进行路段划分，以相邻两个门架之间的路段作为交通状态识别的研究单元；
S2，通过ETC系统获取连续通过高速公路相邻门架A-B的当前时段ETC数据，以及同一路段历史时刻相同天气下的ETC数据；
S3，以预设单位时长为采样周期，分析研究路段的历史时刻自由流状态下车辆通行时间的分布趋势，结合路段是否包含高速出入匝道和服务区，对数据进行清洗，以构建路段自由流通行时间估计的数据基础；
S4，统计历史时刻相同天气下未发生拥堵时间段中n个预设单位时长内通过门架A的车辆到达门架B的时间，定义连续通过相邻两门架的车辆行程时间95%置信区间的平均值t1为通过两个门架的自由流通行时间；
S5，计算当前时刻预设时长内连续通过门架A-B的车辆行程时间95%置信区间的平均值t2，计算行程时间比TTI= t2/t1，通过得到的当前时段的TTI取值，对当前的交通状态进行判断，不断迭代以实现当前时段研究路段交通状态的动态估计。
2.根据权利要求1所述的一种基于ETC数据的高速公路交通状态动态估计方法，其特征在于，在步骤S1中，选取相邻的两个门架之间的路段为交通状态识别的单元路段，需要统计的元素包括“两门架之间的里程”、“两门架之间是否存在服务区”、“两门架之间是否存在出入匝道”。
3.根据权利要求1所述的一种基于ETC数据的高速公路交通状态动态估计方法，其特征在于，在步骤S2中，采集的ETC数据元素包括“天气状况”、“高速名称”、“门架桩号”、“车辆通过时间”、“行车方向”、“车辆图像”、“识别的车牌号”。
4.根据权利要求1所述的一种基于ETC数据的高速公路交通状态动态估计方法，其特征在于，在步骤S3中，对于两个门架之间路段的通行车辆，按照路段内是否包括出入匝道和服务区，将路段内车辆的通行状况划分为：连续通过门架A-B、通过门架A后进入服务区、通过门架A后从出口匝道下高速、从入口匝道进入高速通过门架B四种情况；对于在A-B段中间进入或驶出高速的车辆，只有一个门架会记录车辆的通行，将其进行剔除；其次按照通行时间的分布图，判断并剔除进入服务区的车辆，只保留连续通过门架A-B的车辆作为该路段自由流通行时间估计的数据基础。
5.根据权利要求1所述的一种基于ETC数据的高速公路交通状态动态估计方法，其特征在于，在步骤S4至S5中，选择历史时刻相同天气下未发生拥堵时间段中n个预设单位时长中连续通过门架A-B的车辆通行时间的95%置信区间的平均值作为研究路段的自由流通行时间t1；对当前研究时段预设时长内的连续通过A-B的车辆通行时间的95%置信区间的平均值作为当前交通状态的通行时间t2，进而计算研究路段当前时段的行程时间比TTI=t2/t1，以此为指标对研究路段当前的交通状态进行估计，通过不断的迭代更新实现对研究路段交通状态的动态估计。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410024354.3A CN117765736A (zh) | 2024-01-08 | 2024-01-08 | 一种基于etc数据的高速公路交通状态动态估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410024354.3A CN117765736A (zh) | 2024-01-08 | 2024-01-08 | 一种基于etc数据的高速公路交通状态动态估计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117765736A true CN117765736A (zh) | 2024-03-26 |
Family
ID=90316479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410024354.3A Pending CN117765736A (zh) | 2024-01-08 | 2024-01-08 | 一种基于etc数据的高速公路交通状态动态估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117765736A (zh) |
-
2024
- 2024-01-08 CN CN202410024354.3A patent/CN117765736A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112581774B (zh) | 一种基于etc数据的高速公路服务区驶入车流量估计方法 | |
| WO2014206699A1 (de) | Verfahren zum verarbeiten von messdaten eines fahrzeugs zur bestimmung des beginns einer parkplatzsuche | |
| CN111882858B (zh) | 一种基于多源数据的高速公路异常事件排队长度预测方法 | |
| CN114155706B (zh) | 一种服务区车辆判别方法、装置、电子设备和存储介质 | |
| CN112053558A (zh) | 一种交通拥堵状态识别方法及装置和设备 | |
| CN114463972B (zh) | 一种基于etc门架通信数据的路段区间交通分析预测方法 | |
| CN111581538B (zh) | 一种基于高速公路收费数据的高速交通流状态推断方法 | |
| CN111583628B (zh) | 基于数据质量控制的道路网重型货车交通流量预测方法 | |
| CN114999181B (zh) | 一种基于etc系统数据的高速公路车辆速度异常识别方法 | |
| CN115691120A (zh) | 一种基于高速公路流水数据的拥堵识别方法及系统 | |
| CN114596700B (zh) | 一种基于门架数据的高速公路路段实时流量估计方法 | |
| CN112767684A (zh) | 一种基于收费数据的高速公路交通拥堵检测方法 | |
| CN116631186B (zh) | 基于危险驾驶事件数据的高速公路交通事故风险评估方法、系统 | |
| CN114005275B (zh) | 一种基于多数据源融合的高速公路车辆拥堵判别方法 | |
| CN114091581A (zh) | 一种基于稀疏轨迹的车辆运营行为类型识别方法 | |
| CN113392817A (zh) | 一种基于多列卷积神经网络的车辆密度估计的方法及装置 | |
| CN111680888B (zh) | 基于rfid数据确定路网容量的方法 | |
| CN117765736A (zh) | 一种基于etc数据的高速公路交通状态动态估计方法 | |
| CN114757447B (zh) | 一种多模型混合的客运枢纽站客流量预测方法及系统 | |
| CN114201530B (zh) | 一种疑似非正常营运客车提前甄别及预防式监管方法 | |
| CN116092037A (zh) | 融合轨迹空间-语义特征的车辆类型识别方法 | |
| CN114493280A (zh) | 一种面向高速公路道路巡查的监督系统及方法 | |
| CN114331181A (zh) | 基于大数据的车辆驾驶行为风险分析方法 | |
| CN114898574B (zh) | 交通参数的估计方法和系统 | |
| CN111968365B (zh) | 一种非信号交叉口车辆行为分析方法、系统及存储介质 |
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 |