CN117854286A - 一种基于数字孪生的城市交通规划方法、设备及介质 - Google Patents
一种基于数字孪生的城市交通规划方法、设备及介质 Download PDFInfo
- Publication number
- CN117854286A CN117854286A CN202410263053.6A CN202410263053A CN117854286A CN 117854286 A CN117854286 A CN 117854286A CN 202410263053 A CN202410263053 A CN 202410263053A CN 117854286 A CN117854286 A CN 117854286A
- Authority
- CN
- China
- Prior art keywords
- traffic
- target city
- information
- digital
- region
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 206010039203 Road traffic accident Diseases 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于数字孪生的城市交通规划方法、设备及介质,涉及数字化技术和工程领域。方法包括:通过信息采集设备采集目标城市的地理信息和实际交通信息;基于地理信息,构建数字孪生模型,并基于实际交通信息,在数字孪生模型中构建目标城市中对应的虚拟形象;根据不同区域位置所对应的区域类型,设置虚拟形象的属性;利用数字孪生模型,对目标城市的交通进行模拟;根据模拟结果,确定目标城市的交通运行情况,基于交通运行情况,对所述目标城市进行交通规划。通过构建目标城市对应的模型,能够获得更准确地模拟和预测交通的运行情况,为交通规划提供可靠的依据,同时使用模型对交通进行模拟和实验,减少了现场试验的成本和风险。
Description
技术领域
本申请涉及数字化技术和工程领域,具体涉及一种基于数字孪生的城市交通规划方法、设备及介质。
背景技术
随着城市化进程的不断加快,城市交通问题日益突出,之前为城市建设规划的道路路线难以适应城市的快速发展,而传统的城市交通规划方法通常是由专业交通规划师和城市规划师等专业人士根据其经验和专业知识进行制定的。
专业交通规划师根据城市的具体情况、需求和目标,结合交通数据和规划指导原则,设计出交通规划方案,这种方法受主观因素影响较大,并且由于交通系统的复杂性和变化性,通过人为规划无法充分考虑到所有因素,容易导致规划方案的局限性和不足。
发明内容
为了解决上述问题,本申请提出了一种基于数字孪生的城市交通规划方法,包括:通过信息采集设备采集目标城市的地理信息和实际交通信息;基于所述地理信息,构建所述目标城市的数字孪生模型,并基于所述实际交通信息,在所述数字孪生模型中构建所述目标城市中对应的虚拟形象;根据所述目标城市中不同区域位置所对应的区域类型,设置所述虚拟形象的属性,所述属性包括数量、类型、运动逻辑;利用所述数字孪生模型,对所述目标城市的交通进行模拟;根据模拟结果,获取所述目标城市的交通运行情况,基于所述交通运行情况,对所述目标城市进行交通规划。
在本申请的一种实现方式中,通过信息采集设备采集目标城市的地理信息和实际交通信息,具体包括:通过卫星遥感采集目标城市的地理信息,以获取所述目标城市的空间结构和道路信息,并通过交通探头获取实际交通信息,其中,所述地理信息包括城市建筑、城市地形、道路网络。
在本申请的一种实现方式中,基于所述实际交通信息,在所述数字孪生模型中构建所述目标城市中对应的虚拟形象,具体包括:基于所述实际交通信息,获取不同的道路类型中的交通参与者,所述道路类型包括机动车道、非机动车道、人行道;对所述交通参与者,在所述数字孪生模型中构建对应的虚拟形象,所述虚拟形象包括车辆形象、行人形象。
在本申请的一种实现方式中,根据所述目标城市中不同区域位置所对应的区域类型,设置所述虚拟形象的属性,具体包括:对所述目标城市中不同的区域位置添加随机事件,所述随机事件为意外交通事件;确定所述区域位置对应的区域类型,根据所述区域类型,确定所述区域位置中意外交通事件的事故类型和对应的发生概率,根据所述事故类型和发生概率,设置所述区域位置中所述虚拟形象的属性。
在本申请的一种实现方式中,根据所述区域类型,确定所述区域位置中意外交通事件的事故类型和发生概率,根据所述事故类型和发生概率,设置所述区域位置中所述虚拟形象的属性,具体包括:根据所述区域类型,确定所述区域位置中意外交通事件的事故类型,并在不同的时间段内,设置所述意外交通事件对应的发生概率;在所述区域位置中,随机设置所述意外交通事件的发生地点,并获取所述发生地点的周围道路,根据所述事故类型,设置所述虚拟形象的属性。
在本申请的一种实现方式中,在根据所述事故类型,设置所述虚拟形象的属性之后,方法还包括:根据所述事故类型以及所述周围道路的重要程度,确定所述周围道路的封闭范围和封闭时间;添加时间变量,根据所述封闭时间,设置所述时间变量的开始时间和结束时间。
在本申请的一种实现方式中,确定所述目标城市的交通运行情况,基于所述交通运行情况,对所述目标城市进行交通规划,具体包括:实时获取所述目标城市中不同区域位置的交通运行数据,根据所述交通运行数据,确定所述目标城市的问题区域的位置;通过优化算法,根据所述问题区域对应的交通问题,对所述数字孪生模型进行调整,以实现对所述问题区域的交通优化。
在本申请的一种实现方式中,实时获取所述目标城市中不同区域位置的交通运行数据,根据所述交通运行数据,确定所述目标城市的问题区域的位置,具体包括:实时获取所述目标城市中不同区域位置的交通运行数据,使用排序算法对所述交通运行数据进行排序,确定所述目标城市的问题区域的位置。
另一方面,本申请还提出基于数字孪生的城市交通规划方法设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如:上述示例所述的一种基于数字孪生的城市交通规划方法。
另一方面,本申请还提出了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:上述示例所述的一种基于数字孪生的城市交通规划方法。
通过本申请提出一种基于数字孪生的城市交通规划方法能够带来如下有益效果:
通过采集目标城市的地理信息和实际交通信息,构建目标城市对应的真实的数字孪生模型,从而在通过数字孪生模型对交通进行模拟时,能够获得更准确地模拟和预测交通系统的运行情况,为交通规划决策提供可靠的依据,同时使用数字孪生模型对交通进行模拟和实验,减少了现场试验的成本和风险。
并且,通过数字孪生模型对交通问题区域进行精细化的交通优化,并根据优化方案对交通进行模拟,实时查看问题区域的交通情况,以确定交通问题是否解决,以达到最优的交通运行效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种基于数字孪生的城市交通规划方法的流程示意图;
图2为本申请实施例中一种基于数字孪生的城市交通规划设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
如图1所示,本申请实施例提供一种基于数字孪生的城市交通规划方法,包括:
S101:通过信息采集设备采集目标城市的地理信息和实际交通信息。
具体地,构建城市的数字孪生模型之前,需要采集目标城市的相关数据,其中相关数据包括地理信息和实际交通信息。
其中,地理信息包括城市地形、城市建筑、道路网络、行政区划、道路上的交通标识和交通信号灯等信息,道路包括道路长度和宽度、车道数目、道路等级、路口类型等信息,实际交通信息是指目标城市的交通运行的实际数据和统计信息,包括车辆流量、行人流量、交通拥堵情况、车辆类型、行人类型、交通事故数据等信息。
进一步地,使用卫星遥感利用卫星通过空间传感器获取目标城市的地理信息,根据获取到的地理信息,确定目标城市的整体布局和结构,使后续构建的数字孪生模型的精确度更高,同时使用交通探头对目标城市道路上的实际交通运行进行实时监测,通过传感器实时获取实际交通信息,使获取的信息更加准确。
S102:基于所述地理信息,构建所述目标城市的数字孪生模型,并基于所述实际交通信息,在所述数字孪生模型中构建所述目标城市中对应的虚拟形象。
具体地,基于地理信息,使用三维建模技术,比如体素建模技术、多边形建模技术等,将目标城市中的建筑、道路、地形等信息进行数字化,转化为数字化的三维模型,以构建目标城市的数字孪生模型。
其中,数字孪生模型中包括目标城市中对应的建筑,比如住宅楼、办公楼、医院、工厂等;城市的道路网、街道、高速公路、桥梁等;道路中所包含的交通标识、交通信号等;城市中的公园、花园、广场、湖泊、河流等绿化和景观元素;城市所处的地形地貌;城市中的一些基础设施,比如供水系统、电力系统、照明设施等。基于此,构建完成一个完整的城市数字孪生模型,能够直观地观察城市的布局、建设情况,使后续使用数字孪生模型模拟城市交通的过程可视化。
进一步地,基于获取到的实际交通信息,确定在目标城市中,不同道路类型中的交通参与者。其中,道路类型包括机动车道、非机动车道、人行道;交通参与者是指在道路中参与交通运行的主体。其中,机动车道中的交通参与者是机动车,包括汽车、摩托车、公交车等,非机动车道的交通参与者是非机动车,包括自行车、电动车等,人行道的交通参与者是行人,包括儿童、青年人、老年人等。
更进一步地,对不同的交通参与者,根据其对应的特征,比如公交车的形状比汽车长、行驶速度比汽车慢、自行车的行驶速度比电动车慢、老年人和儿童的行驶速度比青年人慢等特征,在数字孪生模型中构建对应的虚拟形象,虚拟形象包括车辆形象和行人形象,具体包括汽车形象、摩托车形象、公交车形象、自行车形象、电动车形象、儿童形象、青年人形象、老年人形象等,以方便后续使用虚拟形象来模拟城市中的道路运行。
S103:根据所述目标城市中不同区域位置所对应的区域类型,设置所述虚拟形象的属性,所述属性包括数量、类型、运动逻辑。
具体地,根据行政划分,将城市中不同的区域位置划分成不同的区域类型,比如住宅区、商业区、教育区、旅游区、工业区、交通枢纽区等类型,根据每个区域类型的特点,对相应的区域位置添加虚拟形象,并设置虚拟形象的属性,其中,属性包括数量、类型、运动逻辑。
例如,当对住宅区的交通进行模拟时,一般情况下住宅区行人较多,且老年人居多,车辆类型主要是电动车和小型汽车,因此在对住宅区中道路上所包含的虚拟形象时,需要较多地设置老年人形象、汽车形象和电动车形象的数量,在设置老年人形象的运动轨迹时,考虑到老年人一般只在小区和超市、菜市场或者公园之间行动,因此较多地将需要将老年人形象设置在小区到其他地点的道路上,将老年人形象设置为往返运动。
进一步地,对目标城市中不同的区域位置添加随机事件,随机事件为意外交通事件,比如交通事故、道路施工、交通信号故障、极端天气等,根据不同的意外交通事件的特点,对虚拟形象的属性进行设置,以实现对应的意外交通事件,并且根据区域位置所对应的区域类型,在不同的时间段内,确定该区域位置中意外交通事件发生的事故类型以及对应的发生概率。
具体地,当设置交通事故的随机事件时,在事故位置所在的道路上以及周围道路增加车辆形象的数量,减慢事故周围行人形象的运行速度,调整周围行人形象和车辆形象的运动逻辑,比如调整路线远离事故地点、缓慢靠近事故地点等。当设置道路施工的随机事件时,对施工位置所在的道路封闭一部分,调整周围道路中车辆形象和行人形象的运行逻辑。当设置交通信号故障的随机事件时,调整交通信号故障所在的道路上的车辆形象和行人形象的运动逻辑,不再遵守交通规则,交通信号故障所在的路口中,路口周围的多条道路车辆形象同时运行,造成交通拥堵。当设置极端天气的随机事件时,减慢所述车辆形象的运行速度,减少所述车辆形象和所述行人形象的数量。
例如,当确定区域位置为商业区时,由于商业区中人流密集、车辆频繁以及停车需求较大,因此比较容易发生车辆追尾、行人和车辆碰撞、停车事故、车辆转弯事故、非机动车和机动车碰撞等交通事故,交通事故的发生概率比其他类型的意外交通事件较高。并且在不同的时间段内,车流量是不同的,发生意外交通事件的概率也是不同的,早高峰时间和中午时间的车流量要比晚高峰时间的车流量要小,在进行随机事件的设置时,早高峰时间和中午时间的事故发生概率比晚高峰时间的事故发生概率小。
更进一步地,根据事故类型以及所述周围道路的重要程度,确定所述周围道路的封闭范围和封闭时间。其中,重要程度是指道路在整个交通网络或者区域交通网络中的重要性程度,通过其连接的地点、交通流量来进行衡量,添加时间变量,根据封闭时间,设置时间变量的开始时间和结束时间。
S104:利用所述数字孪生模型,对所述目标城市的交通进行模拟。
具体地,基于实时获取的交通数据,对虚拟形象的属性进行设置,运行数字孪生模型,使数字孪生模型模拟实时的交通,能够实时监测和预测交通状况,同时,基于正常情况下和意外情况下对虚拟形象的属性的设置,运行数字孪生模型,使数字孪生模型模拟不同的区域位置在正常情况下和意外情况下的交通,为交通数据提供了精准的分析和交通预测结果,并且相比于实际试错和调整,使用数字孪生模型进行模拟可以大大降低成本。
S105:根据模拟结果,确定所述目标城市的交通运行情况,基于所述交通运行情况,对所述目标城市进行交通规划。
具体地,在数字孪生模型根据不同的交通情况进行模拟的过程中,实时获取目标城市中不同区域位置的交通运行数据,得到数字孪生模型的模拟结果,使用排序算法按照车辆形象的数量对交通运行数据进行排序,车辆形象数量较多,表示当前道路车流量较大,车辆拥堵的概率就会偏大。
进一步地,根据排序后的交通运行数据,确定目标城市中问题区域的位置,若车辆形象数量较多时,则当前道路出现交通事故的概率就会偏大,当前道路就属于问题区域,通过优化算法,比如遗传算法、模拟退火算法等,根据所述问题区域对应的交通问题,对数字孪生模型进行调整,包括调整道路宽窄、车道划分、交通信号灯时序、路口设置等,来提升问题区域中道路的通行能力;对公共交通线路、车辆运营、站点设置等进行调整和优化,以提高公共交通服务质量和客流量,从而减小道路运行压力,以实现对问题区域的交通优化。
更进一步地,在数字孪生模型中模拟调整后的交通规划,并观察交通流量、拥堵情况、平均速度、出行时间等指标的变化,以评估交通规划的效果,查看是否有效地解决了问题区域中对应的交通问题。通过数字孪生模型的模拟,不但节省了时间成本和经济成本,减少试错过程,而且还提高交通规划的准确性和可行性。
通过采集目标城市的地理信息和实际交通信息,构建目标城市对应的真实的数字孪生模型,从而在通过数字孪生模型对交通进行模拟时,能够获得更准确地模拟和预测交通系统的运行情况,为交通规划决策提供可靠的依据,同时使用数字孪生模型对交通进行模拟和实验,减少了现场试验的成本和风险。
并且,通过数字孪生模型对交通问题区域进行精细化的交通优化,并根据优化方案对交通进行模拟,实时查看问题区域的交通情况,以确定交通问题是否解决,以达到最优的交通运行效果。
如图2所示,本申请实施例还提出了一种基于数字孪生的城市交通规划设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如:上述任一实施例所述的一种基于数字孪生的城市交通规划方法。
本申请实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:上述任一实施例所述的一种基于数字孪生的城市交通规划方法。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于物联网设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的系统和介质与方法是一一对应的,因此,系统和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述系统和介质的有益技术效果。
Claims (10)
1.一种基于数字孪生的城市交通规划方法,其特征在于,包括:
通过信息采集设备采集目标城市的地理信息和实际交通信息;
基于所述地理信息,构建所述目标城市的数字孪生模型,并基于所述实际交通信息,在所述数字孪生模型中构建所述目标城市中对应的虚拟形象;
根据所述目标城市中不同区域位置所对应的区域类型,设置所述虚拟形象的属性,所述属性包括数量、类型、运动逻辑;
利用所述数字孪生模型,对所述目标城市的交通进行模拟;
根据模拟结果,确定所述目标城市的交通运行情况,基于所述交通运行情况,对所述目标城市进行交通规划。
2.根据权利要求1所述的一种基于数字孪生的城市交通规划方法,其特征在于,所述通过信息采集设备采集目标城市的地理信息和实际交通信息,具体包括:
通过卫星遥感采集目标城市的地理信息,以获取所述目标城市的空间结构和道路信息,并通过交通探头获取实际交通信息,其中,所述地理信息包括城市建筑、城市地形、道路网络。
3.根据权利要求1所述的一种基于数字孪生的城市交通规划方法,其特征在于,所述基于所述实际交通信息,在所述数字孪生模型中构建所述目标城市中对应的虚拟形象,具体包括:
基于所述实际交通信息,获取不同的道路类型中的交通参与者,所述道路类型包括机动车道、非机动车道、人行道;
对所述交通参与者,在所述数字孪生模型中构建对应的虚拟形象,所述虚拟形象包括车辆形象、行人形象。
4.根据权利要求1所述的一种基于数字孪生的城市交通规划方法,其特征在于,所述根据所述目标城市中不同区域位置所对应的区域类型,设置所述虚拟形象的属性,具体包括:
对所述目标城市中不同的区域位置添加随机事件,所述随机事件为意外交通事件;
确定所述区域位置对应的区域类型,根据所述区域类型,确定所述区域位置中意外交通事件的事故类型和对应的发生概率,根据所述事故类型和发生概率,设置所述区域位置中所述虚拟形象的属性。
5.根据权利要求4所述的一种基于数字孪生的城市交通规划方法,其特征在于,所述根据所述区域类型,确定所述区域位置中意外交通事件的事故类型和发生概率,根据所述事故类型和发生概率,设置所述区域位置中所述虚拟形象的属性,具体包括:
根据所述区域类型,确定所述区域位置中意外交通事件的事故类型,并在不同的时间段内,设置所述意外交通事件对应的发生概率;
在所述区域位置中,随机设置所述意外交通事件的发生地点,并获取所述发生地点的周围道路,根据所述事故类型,设置所述虚拟形象的属性。
6.根据权利要求5所述的一种基于数字孪生的城市交通规划方法,其特征在于,所述根据所述事故类型,设置所述虚拟形象的属性之后,所述方法还包括:
根据所述事故类型以及所述周围道路的重要程度,确定所述周围道路的封闭范围和封闭时间;
添加时间变量,根据所述封闭时间,设置所述时间变量的开始时间和结束时间。
7.根据权利要求1所述的一种基于数字孪生的城市交通规划方法,其特征在于,所述确定所述目标城市的交通运行情况,基于所述交通运行情况,对所述目标城市进行交通规划,具体包括:
实时获取所述目标城市中不同区域位置的交通运行数据,根据所述交通运行数据,确定所述目标城市的问题区域的位置;
通过优化算法,根据所述问题区域对应的交通问题,对所述数字孪生模型进行调整,以实现对所述问题区域的交通优化。
8.根据权利要求7所述的一种基于数字孪生的城市交通规划方法,其特征在于,所述实时获取所述目标城市中不同区域位置的交通运行数据,根据所述交通运行数据,确定所述目标城市的问题区域的位置,具体包括:
实时获取所述目标城市中不同区域位置的交通运行数据,使用排序算法对所述交通运行数据进行排序,确定所述目标城市的问题区域的位置。
9.一种基于数字孪生的城市交通规划设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如:权利要求1~8中任一项所述的一种基于数字孪生的城市交通规划方法。
10.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:权利要求1~8中任一项所述的一种基于数字孪生的城市交通规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410263053.6A CN117854286B (zh) | 2024-03-08 | 2024-03-08 | 一种基于数字孪生的城市交通规划方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410263053.6A CN117854286B (zh) | 2024-03-08 | 2024-03-08 | 一种基于数字孪生的城市交通规划方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117854286A true CN117854286A (zh) | 2024-04-09 |
CN117854286B CN117854286B (zh) | 2024-05-28 |
Family
ID=90536729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410263053.6A Active CN117854286B (zh) | 2024-03-08 | 2024-03-08 | 一种基于数字孪生的城市交通规划方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117854286B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113442929A (zh) * | 2021-06-21 | 2021-09-28 | 国汽智控(北京)科技有限公司 | 一种车辆控制方法、装置、设备和计算机可读存储介质 |
CN113609656A (zh) * | 2021-07-19 | 2021-11-05 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 基于数字孪生的智慧城市决策系统及方法 |
CN116756828A (zh) * | 2023-06-28 | 2023-09-15 | 寰球孪生空间设计(云南)有限公司 | 一种城市空间规划方法、介质及系统 |
CN116797055A (zh) * | 2023-08-28 | 2023-09-22 | 日照朝力信息科技有限公司 | 一种基于物联网的城市道路规划方法及系统 |
WO2023207437A1 (zh) * | 2022-04-28 | 2023-11-02 | 长安大学 | 一种基于动态轨迹流的场景流数字孪生方法及系统 |
-
2024
- 2024-03-08 CN CN202410263053.6A patent/CN117854286B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113442929A (zh) * | 2021-06-21 | 2021-09-28 | 国汽智控(北京)科技有限公司 | 一种车辆控制方法、装置、设备和计算机可读存储介质 |
CN113609656A (zh) * | 2021-07-19 | 2021-11-05 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 基于数字孪生的智慧城市决策系统及方法 |
WO2023207437A1 (zh) * | 2022-04-28 | 2023-11-02 | 长安大学 | 一种基于动态轨迹流的场景流数字孪生方法及系统 |
CN116756828A (zh) * | 2023-06-28 | 2023-09-15 | 寰球孪生空间设计(云南)有限公司 | 一种城市空间规划方法、介质及系统 |
CN116797055A (zh) * | 2023-08-28 | 2023-09-22 | 日照朝力信息科技有限公司 | 一种基于物联网的城市道路规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117854286B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
JP2013545176A (ja) | プローブデータを利用してナビゲーション優先度設定を判定し且つ検証する方法 | |
CN111275965A (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
Schneider | Measuring transportation at a human scale: An intercept survey approach to capture pedestrian activity | |
Melnikov et al. | Data-driven modeling of transportation systems and traffic data analysis during a major power outage in the Netherlands | |
Crozet et al. | Accessibility: a key indicator to assess the past and future of urban mobility | |
Buehler et al. | Bicycling in the Washington DC Region | |
CN117854286B (zh) | 一种基于数字孪生的城市交通规划方法、设备及介质 | |
Hu et al. | Traffic jams prediction method based on two-dimension cellular automata model | |
Yang et al. | CAVTest: A closed connected and automated vehicles test field of Chang’an university in China | |
Tiedong et al. | Applying floating car data in traffic monitoring | |
Tran et al. | Effects of perceived neighborhood walkability on mode choice of short-distance trips in Hanoi city | |
Torrisi et al. | The microsimulation modeling as a tool for transport policies assessment: an application to a real case study | |
Lu et al. | Estimation of traffic delay at an unconventional roundabout by computer simulation | |
Cao et al. | Evaluation of street walkability and bikeability: A case study of Tianjin | |
Sharma et al. | Performance enhancement and congestion reduction at busy signalized at-grade intersection with Bus Rapid Transit corridor and mixed traffic in India | |
Farah | State of Art on Infrastructure for Automated Vehicles | |
Al-Anbari et al. | Assessment of sustainable indicators for road transportation: a case study of Palestine arterial street | |
Diaz et al. | Mobility in Smart Cities: Spatiality of the Travel Time Indicator According to Uses and Modes of Transportation | |
Andringa | Optimizing the bicycle path network around Utrecht | |
Hayashi et al. | Synthesizing town-scale vehicle mobility from traffic surveillance cameras: A case study | |
Pradhananga et al. | Effectiveness of Reversible Lane Systems in Kathmandu Valley: A Case Study of Jadibuti-Koteshwor Section | |
Pulugurtha et al. | Influencing Travel Patterns Through Real-time Dissemination of Parking Facility Occupancy | |
Romadhona et al. | The Influence of Jogjakarta Outer Ring Road Development Plan on the National Roads in the Special Region of Yogyakarta | |
Abasahl | Spatial Factors Impacting Non-Motorized Exposures and Crash Risks |
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 |