KR20220144856A - 교통 혼잡 감지 방법, 장치, 전자 장치 및 저장 매체 - Google Patents

교통 혼잡 감지 방법, 장치, 전자 장치 및 저장 매체 Download PDF

Info

Publication number
KR20220144856A
KR20220144856A KR1020227033008A KR20227033008A KR20220144856A KR 20220144856 A KR20220144856 A KR 20220144856A KR 1020227033008 A KR1020227033008 A KR 1020227033008A KR 20227033008 A KR20227033008 A KR 20227033008A KR 20220144856 A KR20220144856 A KR 20220144856A
Authority
KR
South Korea
Prior art keywords
congestion
road section
congestion index
rsu
target area
Prior art date
Application number
KR1020227033008A
Other languages
English (en)
Inventor
홍추앤 위
이셩 안
웨이 황
밍펑 류
홍싱 구오
챠오 왕
전싱 쟈오
천싱 주
즈치앙 양
Original Assignee
지티이 코포레이션
창안 유니버시티
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 지티이 코포레이션, 창안 유니버시티 filed Critical 지티이 코포레이션
Publication of KR20220144856A publication Critical patent/KR20220144856A/ko

Links

Images

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

교통 혼잡 감지 방법, 장치, 전자 장치 및 저장 매체. 교통 혼잡 감지 방법은 도로변 유닛(RSU)에 적용되며, 이 방법은: 도로변 유닛(RSU) 감지 영역에 진입하는 각 차량(Vi)의 차량 정보를 획득하며; 차량 정보에 따라 제1 혼잡 지수를 계산하고; 그 중에서, 제1 혼잡 지수는 RSU 감지 영역의 교통 혼잡 상황을 나타내는데 사용되며; 타겟 영역 내 각 RSU의 복수의 제1 혼잡 지수를 획득하고; 그 중에서, 타겟 영역은 복수의 RSU 감지 영역을 포함하며; 복수의 제1 혼잡 지수에 따라 제2 혼잡 지수를 계산하고; 그 중에서, 제2 혼잡 지수는 타겟 영역의 교통 혼잡 상황을 나타내기 위해 사용되는 것을 포함한다.

Description

교통 혼잡 감지 방법, 장치, 전자 장치 및 저장 매체
본 출원의 실시예는 통신 기술 분야에 관한 것으로, 특히 교통 혼잡 감지 방법, 장치, 전자 장치 및 저장 매체에 관한 것이다.
참고적으로, 본 출원은 출원번호가 202110032765.3이고, 2021년 1월 12일에 출원된 중국 특허 출원에 기초하여 중국 특허 출원의 우선권을 주장하며, 그 전체 내용은 인용을 통해 여기에 포함된다.
통신 기술의 발달로 차량 네트워크 기술이 점차 널리 사용되고 있다. 차량 인터넷 기술은 차량 대 차량(V2V, Vehicle to Vehicle), 차량 대 도로(V2I, Vehicle to Infrastructure), 차량 대 사람(V2P, Vehicle to People), 차량 대 센터(V2C, Vehicle to Center) 등의 상호 연결을 통해, 차량 애드훅 네트워크와 다양한 이기종 네트워크 간의 통신 및 로밍을 구현하며, 기능 및 성능 측면에서 실시간 및 서비스 가능성을 보장하여 차량 모션 제어를 실현하여, 차량 모션 제어, 교통 신호 제어 및 교통 정보 처리를 실현하는 기술을 포함한다. 그 중 V2V는 교통 참여자 간의 상호 연결을 의미하고, V2I는 교통 참여자와 교통 인프라 간의 상호 연결을 의미한다. 최근 몇 년 동안 교통 체증은 주요 도시가 직면한 공통적인 문제가 되었으며, V2V 기술은 일반적으로 교통 체증을 감지하기 위해 교통데이터를 수집하는데 사용된다.
그러나, 실제 교통 체증 감지 시나리오에서는, 실제 도로망에 다수의 차량이 존재하기 때문에 다양한 교통 참여자 간의 총 통신량이 너무 많고, 동시에 일부 정보는 다양한 교통 참여자 간에 전송되어야 하므로, 정보 전송 과정의 신뢰성과 안정성이 제대로 보장되지 않으며, 이는 궁극적으로 교통 혼잡 감지의 효율성과 정확성에 영향을 미친다.
본 출원의 실시예는 도로변 유닛에 적용되는 교통 혼잡 감지 방법을 제공하며, 이 방법은: 도로변 유닛(RSU) 감지 영역에 진입하는 각 차량의 차량 정보를 획득하며; 차량 정보에 따라 제1 혼잡 지수를 계산하고; 그 중에서, 제1 혼잡 지수는 RSU 감지 영역의 교통 혼잡 상황을 나타내는데 사용되며; 타겟 영역 내 각 RSU의 복수의 제1 혼잡 지수를 획득하고; 그 중에서, 타겟 영역은 복수의 RSU 감지 영역을 포함하며; 복수의 제1 혼잡 지수에 따라 제2 혼잡 지수를 계산하고; 그 중에서, 제2 혼잡 지수는 타겟 영역의 교통 혼잡 상황을 나타내기 위해 사용되는 것을 포함한다.
본 출원의 실시예는 또한 교통 혼잡 감지 장치를 제공하며, 장치는: 제1 획득 모듈, 제1 계산 모듈, 제2 획득 모듈, 제2 계산 모듈을 포함하며, 제1 획득 모듈은 도로변 유닛(RSU) 감지 영역에 진입하는 각 차량의 차량 정보를 획득하는데 사용되며; 제1 계산 모듈은 차량 정보에 따라 제1 혼잡 지수를 계산하는데 사용되고; 그 중에서, 제1 혼잡 지수는 RSU 감지 영역의 교통 혼잡 상황을 나타내는데 사용되며; 제2 획득 모듈은 타겟 영역 내 각 RSU의 복수의 제1 혼잡 지수를 획득하는데 사용되고; 그 중에서, 타겟 영역은 복수의 RSU 감지 영역을 포함하며; 제2 계산 모듈은 복수의 제1 혼잡 지수에 따라 제2 혼잡 지수를 계산하는데 사용되며; 그 중에서, 제2 혼잡 지수는 타겟 영역의 교통 혼잡 상황을 나타내는데 사용된다.
본 출원의 실시예는 또한 전자 장치를 제공하며, 이 장치는: 적어도 하나의 프로세서; 및, 적어도 하나의 프로세서와 통신적으로 연결된 메모리를 포함하며; 그 중에서, 메모리는 적어도 하나의 프로세서에 의해 실행 가능한 명령어를 저장하고, 명령어는 적어도 하나의 프로세서에 의해 실행되어, 적어도 하나의 프로세서가 전술한 교통 혼잡 감지 방법을 수행할 수 있게 한다.
본 출원의 실시예는 또한 컴퓨터 판독 가능 저장 매체를 제공하며, 이 매체는 컴퓨터 프로그램을 저장하며, 컴퓨터 프로그램이 프로세서에 의해 실행될 때 전술한 교통 혼잡 감지 방법을 구현한다.
본 실시예의 교통 혼잡 감지 방법에서, 도로변 유닛을 통해 감지 영역의 차량 정보를 획득하고, 감지 영역의 혼잡 지수를 계산하고 또한 혼잡 지수를 업로드한 후, 타겟 영역 내 복수의 도로변 유닛에서 계산하여 획득된 혼잡 지수를 통해 타겟 영역의 혼잡 지수를 계산하여 타겟 영역의 교통 혼잡 상황을 평가함으로써 안정적이고 신뢰할 수 있는 교통 혼잡 감지 결과를 획득할 수 있다.
도 1은 본 출원의 제1 실시예에 따른 교통 혼잡 감지 방법의 흐름도이다.
도 2는 본 출원의 제1 실시예에 따른 교통 혼잡 감지 방법의 적용 시나리오에서 도로망 구조의 개략도이다.
도 3은 본 출원의 제2 실시예에 따른 제1 혼잡 지수를 계산하는 흐름도이다.
도 4는 본 출원의 제2 실시예에 따른 도로 구간의 평균 속도의 소속 함수의 함수 이미지이다.
도 5는 본 출원의 제2 실시예에 따른 도로 구간의 평균 밀도 소속 함수의 함수 이미지이다.
도 6은 본 출원의 제2 실시예에 따른 제2 혼잡 지수를 계산하는 흐름도이다.
도 7은 본 출원의 제3 실시예에 따른 교통 혼잡 감지 방법의 흐름도이다.
도 8은 본 출원의 제4 실시예에 따른 교통 혼잡 감지 장치의 개략적인 구조도이다.
도 9는 본 출원의 제5 실시예에 따른 전자 장치의 개략적인 구조도이다.
이하, 본 출원의 실시예의 목적, 기술 방안 및 이점을 보다 명확하게 하기 위하여 첨부된 도면을 참조하여 본 출원의 각 실시예를 상세히 설명한다. 그러나, 본 분야의 기술자는 본 출원의 각 실시예에서 독자가 본 출원을 더 잘 이해할 수 있도록 많은 기술적 세부 사항이 제공된다는 것을 이해할 수 있다. 그러나, 이러한 기술적 세부 사항 및 하기 각 실시예에 따른 다양한 변경 및 수정 없이도, 본 출원이 보호를 요구하는 기술 방안은 실현될 수도 있다. 아래에서 각 실시예의 구분은 설명의 편의를 위한 것으로, 본 출원의 구체적 구현에 대한 어떠한 제한도 구성하지 않아야 하며, 각 실시예는 모순되지 않는다는 전제 하에 서로 결합되고 서로 인용될 수 있다.
본 출원의 실시예의 주요 목적은 교통 혼잡 감지 방법, 장치, 전자 장치 및 저장 매체를 제공하여 교통 데이터의 계산 효율 및 안정성을 향상시킴으로써 교통 혼잡 수준 감지 결과의 신뢰성을 향상시키는 것이다.
본 출원에서 제안하는 교통 체증 감지 방법은 V2I 차량 네트워킹 모드를 기반으로 하며, 도로변 유닛을 통해 감지 영역의 차량 정보를 획득하여, 감지 영역의 혼잡 지수를 계산하고 또한 혼잡 지수를 업로드한 후, 타겟 영역의 복수의 도로변 유닛에서 계산하여 획득된 혼잡 지수를 통해 타겟 영역의 혼잡 지수를 계산하여 타겟 영역의 교통 혼잡 상황을 평가하므로, 다양한 교통 참가자들 간의 정보 전송에 의존하지 않고, 안정적이고 신뢰성 있는 교통 혼잡 감지 결과를 획득할 수 있다.
본 출원의 제1 실시예는 교통 혼잡 감지 방법에 관한 것으로, 구체적인 프로세스는 도 1에 도시된 바와 같이, 다음을 포함한다: RSU 감지 영역에 진입하는 각 차량의 차량 정보를 획득하며; 차량 정보에 따라 제1 혼잡 지수를 계산하고; 그 중에서, 제1 혼잡 지수는 RSU 감지 영역의 교통 혼잡 상황을 나타내는데 사용되며; 타겟 영역 내 각 RSU의 복수의 제1 혼잡 지수를 획득하고; 그 중에서, 타겟 영역은 복수의 RSU 감지 영역을 포함하며; 복수의 제1 혼잡 지수에 따라 제2 혼잡 지수를 계산하고; 그 중에서, 제2 혼잡 지수는 타겟 영역의 교통 혼잡 상황을 나타내기 위해 사용된다. 타겟 영역의 복수의 도로변 유닛에서 계산된 혼잡 지수를 통해 타겟 영역의 혼잡 지수를 계산하여 타겟 영역의 교통 혼잡 상황을 평가하므로, 다양한 교통 참가자들 간의 정보 전송에 의존하지 않고, 안정적이고 신뢰성 있는 교통 혼잡 감지 결과를 얻을 수 있다.
아래에서 본 실시예에 따른 교통 혼잡 감지 방법의 구체적인 구현 내용을 구체적으로 설명하기로 하며, 이하의 내용은 이해의 편의를 위해 제공된 구현 내용일 뿐, 본 방안을 구현하기 위해 반드시 필요한 것은 아니다.
본 실시예의 실행 주체는 도로변 유닛(RSU)이며, 이는 도로변에 장착되고, 도로를 주행하는 차량에 설치된 온보드 장치, 즉 온보드 유닛(OBU)과 통신하여 차량 정보 상호작용의 기능을 실현한다. 본 실시예의 방법 프로세스는 도 1에 도시되어 있으며, 구체적으로 다음을 포함한다:
101단계: RSU 감지 영역에 진입하는 각 차량의 차량 정보를 획득한다.
구체적으로, 본 실시예에서, 해당 영역 내 복수의 도로 구간을 포함하는 타겟 영역을 교통 혼잡의 감지 대상으로 사용하며, 타겟 영역의 도로 구간은 하나 이상의 도로변 유닛의 감지 영역에 의해 완전히 커버되며, 동시에 도로변 유닛과 온보드 장치 간의 통신 특성에 따라 임의의 2개의 도로변 유닛 사이의 거리는 200m 이내로 설정된다. 도로변 유닛이 배치된 후, 자신의 감지 영역 내 도로 구간의 온보드 장치와 통신 연결을 설정하고, 교통 혼잡 감지를 시작하여, 온보드 장치에서 보고된 차량 정보를 주기적으로 획득한다.
일례로, 차량 정보는 주로 속도 정보와 현재의 위치를 포함하며, 그 중에서, 속도 정보는 구체적으로 온보드 장치가 속한 차량의 순간 속도를 포함할 수 있다. 도로변 유닛은 주기 시간 내의 모든 차량 정보를 저장하여 혼잡 지수를 후속적으로 계산하는데 사용한다.
실제 적용 시나리오에서, 차량 네트워크의 통신 과정은 도로 구간의 도로변 유닛이 온보드 유닛(OBU, On Board Unit)에서 발송한 메시지를 수집하는 것이며, 도로변 유닛은 광대역 무선, 이동 기지국, 위성 및 기타 통신 방법을 통해 핵심 무선 네트워크에 연결되고, 핵심 무선 네트워크는 인터넷에 연결되어 지능형 교통 시스템과 통신한다.
102 단계: 차량 정보에 따라 제1 혼잡 지수를 계산한다.
구체적으로, 먼저, 도로변 유닛은 미리 입력된 교통 도로망 데이터에 따라 감지 영역이 커버하는 도로 구간을 결정하며, 그런 다음 각 차량의 속도 정보와 위치 정보에 따라 RSU 감지 영역이 커버하는 도로 구간에서의 도로 구간의 평균 속도 및 도로 구간의 평균 밀도를 결정하며, 도로 구간의 평균 속도 및 도로 구간의 평균 밀도에 따라 제1혼잡 지수를 결정한다. 즉, 미리 차량 정보를 초보 처리하고, 차량의 속도 및 위치 정보를 기반으로 감지 영역 내 특정 도로 구간에서의 도로 구간의 평균 속도 및 도로 구간의 평균 밀도를 계산하며, 그런 다음 도로 구간의 평균 속도 및 도로 구간의 평균 밀도에 따라 제1 혼잡 지수를 결정한다.
그 중에서, 도로 구간의 평균 속도는 온보드 유닛이 업로드한 순간 속도를 통해 계산되며, 도로 구간의 평균 밀도는 온보드 유닛이 업로드한 위치 정보를 통해 도로변 유닛이 차량이 위치한 도로 구간을 결정한 후, 도로 구간 내의 차량 수를 통계하여 획득한다.
구체적인 구현에서 타겟 영역의 도로망 구조는 도 2에 도시된 바와 같으며, 차량이 감지 범위 내로 진입하면, 온보드 유닛은 자신의 속도 및 위치 정보를 1초마다 그 도로 구간의 도로변 유닛에 보고한다. 도시 도로 차량의 평균 속도가 약 40km/h라고 가정하면, 도로변 유닛 감지 영역(예를 들어 반경 200m)을 통과하는데 필요한 시간은 약 36초이며, 차량의 순간 속도에 따라 일정 시간 동안 차량의 평균 속도를 계산한다. 순간 속도 데이터의 샘플 수가 너무 적어서는 안 되며, 데이터 수가 많을수록 더 긴 시간이 필요하며, 전송 지연 등의 오차는 계산에서 무시하며, 차량이 감지 영역을 통과하는 시간 길이가 도로변 유닛이 해당 영역의 혼잡 지수를 계산하는 시간 주기이며, 시간 주기가 짧을수록 도로변 유닛의 효율이 높으며, 주기 시간 길이를 30초로 설정하면, 도로변 유닛이 30초마다 그 영역의 혼잡 지수를 계산한다.
또한, 30초 이내에 차량 Vi가 도로변 유닛에 t 세트의 데이터를 보고한다고 가정하면(t<=30), 도로 구간의 평균 속도 vave를 계산하는 과정은 다음과 같다:
S11: 현재 t'(t'≤30) 개의 유효 속도가 있다고 가정하고, 차량 i의 j개 순간 속도에 따라 하나의 시간 주기 내 차량 Vi의 평균 속도 vi를 계산하며, 계산식은 다음과 같다:
Figure pct00001
S12: 도로변 유닛은 하나의 시간 주기 내 차선r의 평균 속도 vr을 계산하며, 계산식은 다음과 같다:
Figure pct00002
그 중에서, nr 은 차선r의 차량 수를 나타내며, n=∑r이다.
S13: 도로변 유닛은 하나의 시간 주기 내 특정 도로 구간의 평균 속도 vave 를 계산하며, 계산식은 다음과 같다:
Figure pct00003
그 중에서, sr은 도로 구간의 총 차선 수를 나타내며, 이 예에서 sr = 4이다.
도로 구간의 평균 밀도 ρave를 계산하는 과정은 다음과 같다:
S21: 도로변 유닛은 제 t초에 차선r의 차량 밀도
Figure pct00004
를 계산하며, 계산식은 다음과 같다:
Figure pct00005
그 중에서, l은 제 t초에 차선r에 있는 차량의 총 길이, 즉 두 차량의 차량 길이를 포함하여 도로변 유닛 양단에서 감지 가장자리에 가장 가까운 두 차량 사이의 거리이다.
S22: 도로변 유닛은 하나의 시간 주기 내 차선 r의 평균 밀도 ρr 을 계산하며, 계산식은 다음과 같다:
Figure pct00006
S23: 도로변 유닛은 하나의 시간 주기 내 특정 도로 구간의 평균 밀도 ρave 를 계산하며, 계산식은 다음과 같다:
Figure pct00007
일 예에서, 제1 혼잡 지수(즉, 도로 구간의 평균 속도 및 도로 구간의 평균 밀도에 따라 결정되는 혼잡 지수)를 계산할 때, 도로망 구조에 따라 다른 도로 구간에 다른 가중치 지수를 할당할 수 있다. 예를 들어, 주요 도로에는 더 높은 가중치가 할당되고 보조 도로에는 더 낮은 가중치가 할당되어 해당 영역의 모든 도로 구간의 전체적인 혼잡 상황을 보다 정확하게 측정할 수 있다.
103 단계: 타겟 영역의 각 RSU가 업로드한 복수의 제1 혼잡 지수를 획득한다.
구체적으로, 본 실시예에서, 타겟 영역의 교통 혼잡 상황을 교통 혼잡 감지의 대상으로 사용하고, 타겟 영역은 복수의 RSU 감지 영역을 포함하며, 즉, 타겟 영역에 복수의 도로 구간을 포함하며, 동시에 지능형 교통 시스템은 도로변 유닛이 계산하여 업로드한 제1 혼잡 지수를 통계하고, 또한 도로망 구조에 따라 복수의 제1 혼잡 지수를 분석하고, 데이터 융합 센터를 결정하고, 제2 혼잡 지수를 계산한다. 일반적으로 주요 도로 구간, 즉 교통량이 가장 많은 도로 구간에서 중심 위치에 있는 도로변 유닛을 데이터 융합 센터로 한다. 그러나 이 예에서는 앞서 설명한 101, 102단계를 수행하는 도로변 유닛을 데이터 융합 센터로 하여, 지능형 교통 시스템을 통해 타겟 영역 내 다른 도로변 유닛에서 보고한 제1혼잡 지수를 획득한다.
104 단계: 복수의 제1 혼잡 지수에 따라 제2 혼잡 지수를 계산한다.
구체적으로, 데이터 융합 센터로 결정된 도로변 유닛은 타겟 영역 내 복수의 도로변 유닛에 의해 보고된 제1 혼잡 지수를 획득한 후, 모든 제1 혼잡 지수에 대한 통계 계산을 수행한다. 제1 혼잡 지수는 단일 도로변 유닛 감지 영역의 혼잡 상황을 나타내는 파라미터이므로, 복수의 감지 영역의 혼잡 상황을 통계적으로 분석하여 복수의 감지 영역으로 구성된 타겟 영역의 혼잡 상황을 획득할 수 있다. 본 실시예에서는 제2 혼잡 지수를 통해 타겟 영역의 혼잡 상황을 나타낸다.
본 실시예의 교통 혼잡 감지 방법에서, 도로변 유닛을 통해 감지 영역의 차량 정보를 획득하고, 감지 영역의 혼잡 지수를 계산하고 또한 혼잡 지수를 업로드한 후, 타겟 영역 내 복수의 도로변 유닛에서 계산하여 획득된 혼잡 지수를 통해 타겟 영역의 혼잡 지수를 계산하여 타겟 영역의 교통 혼잡 상황을 평가함으로써 안정적이고 신뢰할 수 있는 교통 혼잡 감지 결과를 획득할 수 있다.
본 실시예에서 전술한 예시들은 모두 이해를 돕기 위한 예시이며, 본 출원의 기술 방안을 제한하지 않는다는 점에 유의해야 한다.
본 출원의 제2 실시예는 교통 혼잡 감지 방법에 관한 것으로, 제2 실시예는 제1 실시예와 실질적으로 동일하며, 주요 차이점은: 제2 실시예에서 제1 혼잡 지수 및 제2 혼잡 지수는 모두 DS 증거 이론 및 퍼지 집합 이론에 기초하여 계산된다는 것이다.
본 실시예에서 교통 혼잡 감지 방법의 구현 세부 사항은 아래에서 구체적으로 설명될 것이다. 본 실시예의 교통 혼잡 감지 방법에서 제1 혼잡 지수를 계산하는 프로세스는 도 3에 도시된 바와 같으며, 다음을 포함한다:
301단계: RSU 감지 영역 내 도로 구간의 평균 속도 및 도로 구간의 평균 밀도를 계산한다.
구체적으로, 본 실시예에서, 제1 실시예의 계산 방법을 사용하여 도로 구간의 평균 속도 및 도로 구간의 평균 밀도를 결정할 수 있으며, 여기에서 반복되지 않는다.
다른 예시에서, 도로 구간의 평균 속도는 차량이 도로변 유닛을 지나는 시간 t와 도로변 유닛이 커버하는 도로 구간의 거리 d로부터 계산될 수도 있다. 즉, vave=d/t이다. 이와 같이 계산하면 주행 과정에서 특수한 상황으로 인한 차량의 가속 또는 감속을 회피할 수 있어, 차량이 도로 구간의 실제 상황을 정확하게 표현할 수 없는 순간 속도 샘플을 업로드하게 된다.
302 단계: DS 증거 이론 및 퍼지 집합 이론에 기초하여, 도로 구간의 평균 속도 및 도로 구간의 평균 밀도에 대한 기본 확률 분포 함수를 생성한다.
구체적으로, vave 와 ρave 를 계산한 후, DS 증거 이론 및 퍼지 집합 이론에 기초하여, 도로 구간의 평균 속도 v ave 와 도로 구간의 평균 밀도 ρ ave 를 각각 대응되는 소속 함수와 매칭하며, 속도 및 밀도 속성에 대한 2 세트의 기본 확률 분포 함수 BPA를 생성하고, 각각 mv 및 mρ로 표시한다. 혼잡 지수에 의해 형성된 식별 프레임을 Θ라고 하고, G가 식별 프레임 아래의 명제라고 가정하면, μG(x)는 명제 G의 소속 함수이고, 속성 x가 명제 G에 속하는 정도를 나타내며, 도로 구간의 혼잡 지수를 판단하기 위한 위의 단계에서 획득한 2개의 속성 고유값과 각각 매칭하며; 도로 구간의 평균 속도 vave 및 도로 구간의 평균 밀도 ρave는 소속 함수와 속도와 밀도 속성에 대한 2 세트의 기본 확률 분포 함수 BPA를 생성하고, 각각 mv 및 mρ로 표시한다. 그러면 속도 속성과 명제 G 간의 매칭 정도는 다음과 같이 정의된다:
Figure pct00008
밀도 속성과 명제 G 간의 매칭 정도는 다음과 같다:
Figure pct00009
그 중에서, G는 단일 부분 집합 명제 또는 다중 부분 집합 명제를 나타낼 수 있다. 생성된 BPA의 신뢰도 값의 합이 1보다 크면 정규화하고; 합이 1보다 작으면 중복된 신뢰도는 전체 세트, 즉 미지에 할당된다.
혼잡 지수 집합 Θ{I, II, III, IV};
그 중에서, 혼잡 지수 I은 원활한 흐름을 나타내며, 시민들의 감정을 정성적으로 설명하면 다음과 같다: 도로에 차가 적고, 장애가 없다; 혼잡 지수 II는 기본적으로 원활한 흐름을 나타내며, 시민들의 감정을 정성적으로 설명하면 다음과 같다: 기본적으로 원활하다; 혼잡 지수 III는 경미한 혼잡을 나타내며, 시민들의 감정을 정성적으로 설명하면 다음과 같다: 약간 혼잡하지만, 심각하지는 않다; 혼잡 지수 IV는 중등도의 혼잡을 나타내며, 시민들의 감정을 정성적으로 설명하면 다음과 같다: 혼잡이 심각하다.
본 실시예에서, 소속 함수는 도 4 및 도 5에 도시되어 있다. 본 실시예에서는 도로 구간A의 평균 속도를 vA=43km/h, 도로 구간의 평균 밀도 ρA=22veh/km라고 가정한다.
속도 vA 와 밀도 ρA 에 각각 대응되는 함수에 따라, 도4를 보면, 속도 vA = 43km/h일 때 혼잡 지수 I, II, III의 함수와 교차하고; 도 5를 보면, ρA = 22veh/km일 때 혼잡 지수 I, II의 함수와 교차한다. 도 4에서 알 수 있듯이: vA = 43km/h일 때, 아래에서 위로, III과의 교차점 값 0.1333은 다중 부분 집합 명제 {I, II, III}에 대한 신뢰도이고, I과의 교차 값0.15는 다중 부분 집합 명제 {I, II}에 대한 신뢰도이고; II와의 교차점 값 0.85는 단일 부분 집합 명제 II에 대한 신뢰도이며, 같은 방법으로, ρA = 22veh/km일 때, 아래에서 위로, II와의 교차점 값 0.1334는 다중 부분 집합 명제 {I, II}에 대한 신뢰도이고; I과의 교차점 값 0.9는 단일 부분 집합 명제 I에 대한 신뢰도이다. vA 와 ρA를 정규화하여, 도로 구간 A의 속도와 밀도라는 두 가지 속성에 따른 혼잡 지수의 기본 확률 분포 함수 BPA는 다음과 같이 획득된다:
Figure pct00010
303단계: 증거 조합 규칙을 사용하여 감지 영역의 각 도로 구간에서의 도로 구간의 평균 속도 및 도로 구간의 평균 밀도를 융합하여 제1 혼잡 지수를 획득한다.
구체적으로, 감지 영역이 x개의 도로 구간을 포함한다고 가정하고, x개의 도로 구간에서 도로 구간의 평균 속도와 도로 구간의 평균 밀도를 융합하여, 도로 구간 A의 혼잡 지수의 기본 확률 분포 함수 mA 를 획득한다. 그 중에서, 도로 구간 i의 혼잡 지수에 해당하는 기본 확률 분포 함수는 mi로 표시하며, i=1, 2, ..., x이다. 구체적인 Dempster 조합 규칙은 다음과 같다:
Figure pct00011
구체적인 구현에서, mA를 계산하는 과정은 다음과 같다:
Figure pct00012
Figure pct00013
Figure pct00014
Figure pct00015
Figure pct00016
Figure pct00017
감지 주기 동안, A, B, C, D 4개 구간의 RSU가 주행 속도와 교통 밀도가 각각 (43km/h, 22veh/km), (45km/h, 19veh/km), (40km/h, 25veh/km), (38km/h, 28veh/km) 임을 감지하면, 이 영역의 4개 도로 구간의 혼잡 지수 집합은 각각 다음과 같다: {m　A(Ⅰ)＝0.3763，mAⅡ＝0.2792，mAⅠ,Ⅱ＝0.0931，mAθ＝0.0193，mBⅠ＝0.8261，mBθ＝0.0116，mCⅡ＝0.7618，mCθ＝0.0159，mDⅡ＝1.
본 실시예의 교통 혼잡 감지 방법에서 제2 혼잡 지수를 계산하는 프로세스는 도 6에 도시된 바와 같으며, 이는 다음을 포함한다:
601 단계: 지능형 교통 시스템은 도로망 구조에 따라 각 도로 구간의 가중치 계수를 결정하고, 증거 상관 계수 행렬 SM을 설정한다.
602 단계: 지능형 교통 시스템은 증거 상관 계수 행렬 SM에 따라 데이터 융합 센터를 결정한다.
구체적으로, 타겟 영역 내 각 도로 구간의 가중치 계수를 획득하고; 그 중에서, 주요 도로의 가중치 계수는 보조 도로의 가중치 계수보다 높고; 각 도로 구간의 가중치 계수에 따라 상관 계수 행렬을 설정하고; 그 중에서, 행렬의 요소 값은 도로 구간을 나타내는 열로 도로 구간을 나타내는 행의 지지 정도를 나타내고, 행렬의 각 행의 요소 값의 합은 타겟 영역의 행에 해당하는 도로 구간의 중심 위치를 나타내며; 행의 요소 값의 합이 가장 높은 해당 도로 구간의 RSU를 데이터 융합 센터로 선택한다.
예를 들어, 타겟 영역에 s개의 도로 구간이 있다고 가정하면, SM은 s차의 대칭 행렬이고 또한 행렬 SM의 i번째 행과 j번째 열의 값은 mi와 mj 사이의 유사도를 반영하며, SM(i, j)으로 표시된다.
Figure pct00018
은 도로 구간 i가 다른 도로 구간의 교통 밀도 보다 높음을 반영한다. 이 때, 지능형 교통 시스템은 각 도로변 유닛이 업로드한 제1 혼잡 지수를 수신한 후, 획득하고자 하는 혼잡 지수 영역 P에서 도로 구간 i의 도로변 유닛을 데이터 융합 센터로 선택하고, 영역 P의 다른 도로변 유닛은 도로 구간의 기본 확률 분포 함수를 데이터 융합 센터인 도로변 유닛에 전송한다.
구체적인 구현에서는, 도 2의 도로망 구조에 도시된 바와 같이, 도로 구간 A는 주요 도로이고, 도로 구간 B, C 및 D는 보조 도로이므로, 다음과 같은 증거 상관 행렬 SM이 설계된다.
Figure pct00019
Figure pct00020
에 따라 알 수 있듯이, 도로 구간 A는 2차 융합 센터로 선택되고, 도로 구간 B, C, D의 도로변 유닛은 각각의 값 mB, mC, mD를 도로 구간 A의 도로변 유닛으로 전송한다.
603 단계: 각 도로 구간의 기본 확률 분포 함수의 할인 계수를 계산한다.
구체적으로, 할인 계수 Crdi는 도로 구간 i의 혼잡 지수가 다른 도로 구간의 혼잡 지수에 의해 지지되는 정도를 반영하며, 동시에 제2 혼잡 지수를 계산할 때 각 도로 구간의 가중치로도 작용한다. 할인 계수 Crdi를 계산하는 공식은 다음과 같다:
Figure pct00021
구체적인 구현에서, 도 2에 표시된 도로망 구조를 예로 들면, 4개의 도로 구간에 해당하는 해당 할인 계수는 다음과 같다:
Figure pct00022
Figure pct00023
Figure pct00024
Figure pct00025
604 단계: 할인 계수를 사용하여 각 도로 구간의 평균 혼잡 지수를 계산한다.
구체적으로, 할인 계수 Crdi를 사용하여 다른 도로 구간에서 동일한 명제의 증거에 대해 가중치 합산을 수행하여, 가중된 평균 증거 mQ를 획득한다. 공식은 다음과 같다:
Figure pct00026
본 실시예의 계산 과정은 다음과 같다:
Figure pct00027
Figure pct00028
Figure pct00029
Figure pct00030
605 단계: 증거 조합 규칙을 사용하여 평균 혼잡 지수 자체를 융합하여 기본 확률 분포 함수를 획득한다.
구체적으로, 평균 증거 mQ를 Dempster 조합 규칙을 사용하여 자체적으로 3번 융합하여, mF를 획득한다.
Figure pct00031
3차 융합 결과는 다음 표에 나와 있다:
Figure pct00032
606 단계: 기본 확률 분포 함수 mF를 확률 분포 p로 변환하고, 가장 큰 값을 갖는 명제를 제2 혼잡 지수로 사용한다.
구체적으로, 기본 확률 분포 함수 mF를 확률 분포 p로 변환하는 기본 원리는 단일 부분 집합 명제의 신뢰도를 그대로 유지하고, 다중 부분 집합 명제의 신뢰도를 포함된 단일 부분 집합 명제에 고르게 분포시키는 것이다. 본 실시예에서는, 계산된 확률을 정규화하고, 가장 큰 값을 갖는 명제를 이 영역의 혼잡 지수로 한다.
구체적인 구현에서, p(I)=0.0332p(II)=0.1135, 정규화 후, p(I)=0.2263p(II)=0.7736, p(II)>p(I), 따라서 이 영역의 혼잡 지수는 II로 판정한다. 즉, 기본적으로 원활한 흐름이며, 시민들의 감정에 대한 정성적인 설명은 다음과 같다: 기본적으로 원활한 흐름이다.
본 실시예의 교통 혼잡 감지 방법에서, 제1혼잡 지수와 제2혼잡 지수는 모두 증거 이론의 방법에 기초한 데이터 융합에 의해 계산되어 각 도로 구간의 혼잡 상황에 대한 통계적 분석이 보다 정확할 수 있다. 따라서 실제 교통 혼잡 상황을 보다 정확하게 반영한 혼잡 지수를 획득할 수 있다.
본 출원의 제3 실시예는 교통 혼잡 감지 방법에 관한 것으로, 제3 실시예는 제1 실시예와 실질적으로 동일하며, 주요 차이점은: 제3 실시예에서, RSU 감지 영역에서 각 온보드 장치가 주기적으로 업로드한 차량 정보를 획득한 후, 차량 정보에 따라 제1 혼잡 지수를 계산하기 전에, 상기 방법은: 차량 정보에서 순간 속도 정보를 통계하고, 순간 속도 정보를 스크리닝하여, 비정상적인 순간 속도 정보를 제거하는 것을 더 포함한다.
다음은 본 실시예의 교통 혼잡 감지 방법의 구현 세부 사항에 대하여 구체적으로 설명하며, 본 실시예에서 교통 혼잡 감지 방법의 흐름도는 도 7에 도시된 바와 같고, 구체적으로 다음을 포함한다:
701 단계: 도로변 유닛(RSU) 감지 영역에 진입하는 각 차량의 차량 정보를 획득한다.
701단계는 본 출원의 제1 실시예의 101단계와 동일하고, 관련된 구현 세부 사항은 제1 실시예에서 구체적으로 설명되었으므로, 여기에서 반복되지 않는다.
702단계: 차량 정보 중의 순간 속도 정보를 통계하고, 순간 속도 정보를 스크리닝하여, 비정상적인 순간 속도 정보를 제거한다.
구체적으로, 도로 구간에서 차량의 주행 상태는 일정한 불확실성이 있기 때문에, 도로변 유닛은 온보드 유닛이 업로드한 순간 속도만으로는 도로 구간에서 차량의 주행 상태를 정확하게 측정할 수 없으므로, 순간 속도의 데이터 샘플을 스크리닝하여, 보편적인 순간 속도 데이터 샘플만을 사용하여 도로 구간의 평균 속도를 계산한다.
구체적인 구현에서, 대규모 샘플 가설 검증에 기초하여, 도로변 유닛은 t초 동안 도로 구간에서 n대 차량이 보고한 속도에 대해 가설 검증을 수행한다. 차량 Vi는 제 t초에 도로 구간에서 다른 차량의 평균 속도에 따라 자신의 속도 vi의 유효성을 판단하고, 다음과 같은 귀무가설과 대안가설을 제안한다.
H 0: v=vi, 유의한 차이가 없음
H 1: v≠유의한 차이가 있음
위의 공식에서, v는 차량 Vi의 실제 주행 속도를 나타내고, vi는 차량 Vi의 주행 속도의 감지값을 나타내며, "유의한 차이가 없음"은 실제 주행 속도와 주행 속도의 감지값 사이에 유의한 차이가 없음을 의미하고, "유의한 차이가 있음"은 실제 주행 속도와 주행 속도의 감지값 사이에 유의한 차이가 있음을 의미한다.
차량 Vi이외에, 이 도로 구간에서 보고된 다른 n-1 차량의 속도가 각각 v1, ...vi-1, vi+1...vn-1 인 경우, 중심 극한 정리 및 대규모 샘플 기반의 가설 검증에 따라: 도로에 많은 차량이 있다는 것을 안다. 즉, 이때 n의 값이 크고, 통계량 v는 표준 정규 분포를 거의 따르며, v의 계산식은 다음과 같다:
그 중에서 S 및
Figure pct00033
는 각각 도로 구간에서 나머지 n-1대 차량의 보고 속도의 표준 편차와 평균값이고, vi는 차량 Vi의 보고 속도이다.
유의 수준 α가 주어지면, 다음과 같은
Figure pct00034
가 존재한다:
Figure pct00035
즉:
Figure pct00036
도로변 유닛은 특정 도로 구간에서 n-1대의 차속 샘플 값 v1, v2, v3, ... vn-1을 획득한다.
Figure pct00037
및 S의 값을 계산하고, 만약 다음과 같으면:
Figure pct00038
가설 H0 은 기각되고, 가설 H1 은 받아들여진다. 즉, 실제 속도 v 와 vi 가 유의한 차이가 있다고 판단하여, 차량이 감지한 속도 vi는 무효로 판단하여 기각한다. 그렇지 않고, 만약 다음과 같으면:
Figure pct00039
가설 H0은 받아들이고, 가설 H1은 기각된다. 즉, 실제 속도 v와 vi 사이에는 유의한 차이가 없다고 판단하여, 차량이 감지한 속도 vi는 유효로 판단하며, 또한 신뢰 확률이 1-α이고, 여기서는 α=0.1을 선정한다. 도로 구간 내 n대 차량에 대한 가설 검증을 통해, 당해 초에서 속도가 너무 빠른 데이터와 너무 느린 데이터를 제거할 수 있으며, 제외된 데이터는 차량이 도로 변에 주차된 차량 또는 과속 중인 차량일 가능성이 있다.
703 단계: 스크리닝된 차량 정보에 따라 제1 혼잡 지수를 계산한다.
704단계: 타겟 영역 내 각 도로변 유닛이 업로드한 복수의 제1 혼잡 지수를 획득한다.
705 단계: 복수의 제1 혼잡 지수에 따라 제2 혼잡 지수를 계산한다.
703 단계 내지 705단계는 본 출원의 제1 실시예의 102 단계 내지104 단계와 실질적으로 동일하며, 관련된 구현 세부사항은 제1 실시예에서 구체적으로 설명되었으며, 여기에서 반복되지 않는다.
본 실시예의 교통 혼잡 감지 방법에서, 온보드 유닛이 업로드한 속도 데이터를 획득한 후, 데이터를 스크리닝하여, 높은 신뢰도의 차량 순간 속도 데이터를 획득함으로써, 계산된 혼잡 지수가 더 정확하고, 해당 영역의 교통 혼잡 상황을 더 정확하게 측정할 수 있다.
위의 다양한 방법의 단계는 명확하게 설명하기 위한 목적으로만 구분되며, 구현 과정에서 하나의 단계로 결합되거나 일부 단계로 분할될 수 있으며, 동일한 논리적 관계가 포함되는 한 복수의 단계로 분해되고, 이는 모두 본 특허의 보호 범위 내에 있으며; 알고리즘 또는 프로세스에 중요하지 않은 수정을 추가하거나 알고리즘 및 프로세스의 핵심 설계를 변경하지 않고 중요하지 않은 설계를 도입하는 것은 모두 본 특허의 보호 범위 내에 있다.
본 출원의 제4 실시예는 교통 혼잡 감지 장치에 관한 것으로, 그 구조는 도 8에 도시되어 있고, 다음을 포함한다:
제1 획득 모듈(801)은 도로변 유닛(RSU) 감지 영역에 진입하는 각 차량의 차량 정보를 획득하는데 사용되며;
제1 계산 모듈(802)은 차량 정보에 따라 제1 혼잡 지수를 계산하는데 사용되고; 그 중에서, 제1 혼잡 지수는 RSU 감지 영역의 교통 혼잡 상황을 나타내는데 사용되며;
제2 획득 모듈(803)은 타겟 영역 내 각 RSU의 복수의 제1 혼잡 지수를 획득하는데 사용되고; 그 중에서, 타겟 영역은 복수의 RSU 감지 영역을 포함하며;
제2 계산 모듈(804)은 복수의 제1 혼잡 지수에 따라 제2 혼잡 지수를 계산하는데 사용되며; 그 중에서, 제2 혼잡 지수는 타겟 영역의 교통 혼잡 상황을 나타내는데 사용된다.
일 예에서, 제1 계산 모듈(802)은 구체적으로 RSU 감지 영역에 의해 커버되는 도로 구간을 결정하며; 각 차량의 속도 정보 및 위치 정보에 따라 RSU 감지 영역에 의해 커버되는 도로 구간에서의 도로 구간의 평균 속도 및 도로 구간의 밀도를 결정하며; 도로 구간의 평균 속도와 도로 구간의 평균 밀도에 따라 제1혼잡 지수를 결정하는데 사용된다.
다른 예에서, 제1 획득 모듈(801)은 또한 대규모 샘플 검증을 사용하여 순간 속도 정보에 대한 가설 검증을 수행하고, 검증 임계값에 따라 순간 속도가 실제 주행 속도와 유의한 차이가 있는지 여부를 결정하는데 사용되며; 그 중에서, 상기 실제 주행 속도는 타겟 차량의 순간 속도를 제외한 모든 순간 속도의 평균값을 통해 계산되며, 검증 임계값은 타겟 차량의 순간 속도를 제외한 모든 순간 속도의 표준 편차에 따라 계산되며; 실제 주행 속도와 유의한 차이가 있는 순간 속도는 비정상 데이터로 제거된다.
일 예에서, 제2 획득 모듈(803)은 또한 도로변 유닛이 지능형 교통 시스템에 의해 데이터 융합 센터로 결정되면, 타겟 영역 내 모든 도로변 유닛이 업로드한 복수의 제1 혼잡 지수를 획득하는데 사용된다. 그 중에서, 데이터 융합 센터는 다음과 같은 방식으로 결정된다: 타겟 영역 내 각 도로 구간의 가중치 계수를 획득하고; 그 중에서, 주요 도로의 가중치 계수는 보조 도로의 가중치 계수보다 높으며; 각 도로 구간의 가중치 계수에 따라 상관 계수 행렬을 설정하며; 그 중에서, 행렬의 요소 값은 도로 구간을 나타내는 열로 도로 구간을 나타내는 행의 지지 정도를 나타내고, 행렬의 각 행의 요소 값의 합은 타겟 영역의 행에 해당하는 도로 구간의 중심 위치를 나타내며; 행의 요소 값의 합이 가장 높은 해당 도로 구간의 RSU를 데이터 융합 센터로 선택한다.
일 예에서, 제2 계산 모듈(804)은 구체적으로 타겟 영역 내 각 도로 구간의 할인 계수를 계산하고; 할인 계수는 도로 구간의 혼잡 지수가 타겟 영역 내 다른 도로 구간의 혼잡 지수에 의해 지원되는 정도를 반영하며; 할인 계수에 따라 타겟 영역 내 각 도로 구간의 평균 혼잡 지수를 계산하며; 증거 조합 규칙에 따라 평균 혼잡 지수를 자체적으로 융합하여, 기본 확률 분포 함수를 획득하며; 기본 확률 분포 함수를 확률 분포로 변환하고, 확률 분포에 따라 제2 혼잡 지수를 결정하는데 사용된다.
이 구현과 관련된 각 모듈은 논리 모듈이라는 점을 언급할 가치가 있다. 실제 응용에서 논리 단위는 물리 단위일 수 있고, 또한 물리 단위의 일부 또는 복수의 물리 단위의 조합일 수 있다. 또한, 본 출원의 혁신적인 부분을 강조하기 위해, 본 실시예는 본 출원에서 제기된 기술적 문제를 해결하는 것과 별로 밀접하게 관련되지 않은 유닛을 소개하지 않으며, 그러나 이것이 본 실시예에 다른 유닛이 없다는 것을 의미하지는 않는다.
본 출원의 제5 실시예는 전자 장치에 관한 것이며, 도 9에 도시된 바와 같이, 이는 적어도 하나의 프로세서(901); 및 적어도 하나의 프로세서(901)와 통신적으로 연결된 메모리(902)를 포함한다. 그 중에서, 메모리(902)는 적어도 하나의 프로세서(901)에 의해 실행 가능한 명령어를 저장하고, 명령어는 적어도 하나의 프로세서(901)에 의해 실행되어, 적어도 하나의 프로세서(901)가 제1, 제2 또는 제3실시예에서의 교통 혼잡 감지 방법을 수행할 수 있다. 그 중에서, 메모리(902)와 프로세서(901)는 버스에 의해 연결되고, 버스는 임의 개수의 상호 연결된 버스와 브리지를 포함할 수 있으며, 버스는 하나 이상의 프로세서(901)와 메모리(902)의 다양한 회로를 함께 연결한다. 버스는 또한 주변 기기, 전압 조정기 및 전력 관리 회로와 같은 다양한 다른 회로를 함께 연결할 수 있으며, 이들은 본 기술 분야에 잘 알려져 있으므로 여기에서 더 이상 설명하지 않는다. 버스 인터페이스는 버스와 트랜시버 사이의 인터페이스를 제공한다. 트랜시버는 전송 매체를 통해 다양한 다른 장치와 통신하기 위한 유닛을 제공하는 다중 수신기 및 송신기와 같은 단일 요소 또는 다중 요소일 수 있다. 프로세서(901)에서 처리된 데이터는 안테나를 통해 무선 매체로 전송되며, 또한 안테나도 데이터를 수신하여 프로세서(901)로 데이터를 전송한다. 프로세서(901)는 버스 및 일반적인 처리를 관리하고, 타이밍, 주변기기 인터페이스, 전압 조정, 전력 관리 및 기타 제어 기능을 포함한 다양한 기능을 제공할 수도 있다. 메모리(902)는 동작을 수행할 때 프로세서(901)에 의해 사용되는 데이터를 저장하는데 사용될 수 있다.
본 출원의 제6 실시예는 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 저장 매체에 관한 것이다. 컴퓨터 프로그램이 프로세서에 의해 실행될 때 상기 방법 실시예가 구현된다. 즉, 본 분야의 기술자는 프로그램을 통해 해당 하드웨어에 지시함으로써, 상기 실시예의 방법의 단계의 전부 또는 일부가 완성될 수 있음을 이해할 수 있고, 프로그램은 저장 매체에 저장되고, 장치(단일 칩 마이크로컴퓨터, 칩 등일 수 있음) 또는 프로세서(processor)가 본 출원의 각 실시예의 방법의 단계 전체 또는 일부를 실행하게 하는 약간의 명령을 포함한다. 전술한 저장 매체에는 U 디스크, 이동식 하드 디스크, 읽기 전용 메모리(ROM, Read-Only Memory), 랜덤 액세스 메모리(RAM, Random Access Memory), 자기 디스크 또는 광 디스크 및 기타 프로그램 코드를 저장할 수 있는 매체를 포함한다. 본 분야의 기술자라면, 전술한 실시예는 본 출원을 구현하기 위한 구체적인 실시예이며, 실제 적용에 있어서 본 출원의 정신 및 사상의 범위를 일탈하지 않는 범위에서 다양한 형태 및 세부 사항의 변경이 가능함을 이해할 수 있을 것이다.
801: 제1 획득 모듈, 802: 제1 계산 모듈, 803: 제2 획득 모듈, 804: 제2 계산 모듈, 901: 프로세서, 902: 메모리.

Claims (10)

  1. 도로변 유닛에 적용되는 교통 혼잡 감지 방법에 있어서, 상기 방법은:
    도로변 유닛(RSU) 감지 영역에 진입하는 각 차량의 차량 정보를 획득하며;
    상기 차량 정보에 따라 제1 혼잡 지수를 계산하고; 그 중에서, 상기 제1 혼잡 지수는 상기 RSU 감지 영역의 교통 혼잡 상황을 나타내는데 사용되며;
    타겟 영역 내 각 RSU의 복수의 상기 제1 혼잡 지수를 획득하고; 그 중에서, 상기 타겟 영역은 복수의 상기 RSU 감지 영역을 포함하며;
    상기 복수의 제1 혼잡 지수에 따라 제2 혼잡 지수를 계산하고; 그 중에서, 상기 제2 혼잡 지수는 상기 타겟 영역의 교통 혼잡 상황을 나타내기 위해 사용되는 것을 포함하는, 교통 혼잡 감지 방법.
  2. 청구항 1에 있어서,
    상기 차량 정보는 적어도 속도 정보와 위치 정보를 포함하며;
    상기 차량 정보에 따라 제1 혼잡 지수를 계산하는 것은:
    상기 RSU 감지 영역이 커버하는 도로 구간을 결정하며,
    상기 각 차량의 속도 정보와 위치 정보에 따라 상기 RSU 감지 영역이 커버하는 도로 구간에서의 도로 구간의 평균 속도 및 도로 구간의 평균 밀도를 결정하며,
    상기 도로 구간의 평균 속도 및 상기 도로 구간의 평균 밀도에 따라 상기 제1혼잡 지수를 결정하는 것을 포함하는, 교통 혼잡 감지 방법.
  3. 청구항 2에 있어서,
    상기 도로 구간의 평균 속도 및 상기 도로 구간의 평균 밀도에 따라 상기 제1혼잡 지수를 결정하는 것은:
    DS 증거 이론 및 퍼지 집합 이론에 기초하여 상기 도로 구간의 평균 속도 및 상기 도로 구간의 평균 밀도에 대응하는 기본 확률 분포 함수를 생성하며;
    상기 기본 확률 분포 함수에 따라 증거 조합 규칙을 사용하여 융합하여 상기 제1 혼잡 지수를 획득하는 것을 포함하는, 교통 혼잡 감지 방법.
  4. 청구항 2에 있어서,
    상기 속도 정보는 차량의 순간 속도 정보를 포함하며;
    상기 각 차량의 속도 정보와 위치 정보에 따라 상기 RSU 감지 영역이 커버하는 도로 구간에서의 도로 구간의 평균 속도 및 도로 구간의 평균 밀도를 결정하기 전에:
    대규모 샘플 검증을 사용하여 상기 순간 속도 정보에 대한 가설 검증을 수행하고, 검증 임계값에 따라 상기 순간 속도가 실제 주행 속도와 유의한 차이가 있는지 여부를 결정하며; 그 중에서, 상기 실제 주행 속도는 타겟 차량의 순간 속도를 제외한 모든 순간 속도의 평균값을 통해 계산되며, 상기 검증 임계값은 상기 타겟 차량의 순간 속도를 제외한 모든 순간 속도의 표준 편차에 따라 계산되며;
    실제 주행 속도와 유의한 차이가 있는 순간 속도는 비정상 데이터로 제거되는 것을 더 포함하는, 교통 혼잡 감지 방법.
  5. 청구항 1 내지 청구항 4 중 어느 한 항에 있어서,
    상기 타겟 영역 내 각 RSU의 복수의 상기 제1 혼잡 지수를 획득하기 전에:
    지능형 교통 시스템에 의해 데이터 융합 센터로 결정되면, 상기 타겟 영역 내 모든 RSU가 업로드한 복수의 상기 제1 혼잡 지수를 획득하는 것을 수행하는 것을 더 포함하는, 교통 혼잡 감지 방법.
  6. 청구항 5에 있어서,
    상기 데이터 융합 센터를 결정하는 방식은:
    상기 타겟 영역 내 각 도로 구간의 가중치 계수를 획득하고; 그 중에서, 주요 도로의 가중치 계수는 보조 도로의 가중치 계수보다 높으며;
    상기 각 도로 구간의 가중치 계수에 따라 상관 계수 행렬을 설정하고; 그 중에서, 상기 행렬의 요소 값은 도로 구간을 나타내는 열로 도로 구간을 나타내는 행의 지지 정도를 나타내고, 상기 행렬의 각 행의 요소 값의 합은 상기 타겟 영역의 행에 해당하는 상기 도로 구간의 중심 위치를 나타내며;
    행의 요소 값의 합이 가장 높은 해당 도로 구간의 RSU를 데이터 융합 센터로 선택하는 것을 포함하는, 교통 혼잡 감지 방법.
  7. 청구항 1 내지 청구항 6 중 어느 한 항에 있어서,
    상기 복수의 제1 혼잡 지수에 따라 제2 혼잡 지수를 계산하는 것은:
    상기 타겟 영역 내 각 도로 구간의 할인 계수를 계산하고; 상기 할인 계수는 도로 구간의 혼잡 지수가 상기 타겟 영역 내 다른 도로 구간의 혼잡 지수에 의해 지원되는 정도를 반영하며;
    상기 할인 계수에 따라 상기 타겟 영역 내 각 도로 구간의 평균 혼잡 지수를 계산하며;
    증거 조합 규칙에 따라 상기 평균 혼잡 지수를 자체적으로 융합하여, 기본 확률 분포 함수를 획득하며;
    기본 확률 분포 함수를 확률 분포로 변환하고, 상기 확률 분포에 따라 상기 제2 혼잡 지수를 결정하는 것을 포함하는, 교통 혼잡 감지 방법.
  8. 제1 획득 모듈, 제1 계산 모듈, 제2 획득 모듈, 제2 계산 모듈을 포함하며,
    상기 제1 획득 모듈은 도로변 유닛(RSU) 감지 영역에 진입하는 각 차량의 차량 정보를 획득하는데 사용되며;
    상기 제1 계산 모듈은 상기 차량 정보에 따라 제1 혼잡 지수를 계산하는데 사용되고; 그 중에서, 상기 제1 혼잡 지수는 상기 RSU 감지 영역의 교통 혼잡 상황을 나타내는데 사용되며;
    상기 제2 획득 모듈은 타겟 영역 내 각 RSU의 복수의 상기 제1 혼잡 지수를 획득하는데 사용되고; 그 중에서, 상기 타겟 영역은 복수의 상기 RSU 감지 영역을 포함하며;
    제2 계산 모듈은 상기 복수의 제1 혼잡 지수에 따라 제2 혼잡 지수를 계산하는데 사용되며; 그 중에서, 상기 제2 혼잡 지수는 상기 타겟 영역의 교통 혼잡 상황을 나타내는데 사용되는, 교통 혼잡 감지 장치.
  9. 적어도 하나의 프로세서; 및,
    적어도 하나의 프로세서와 통신적으로 연결된 메모리를 포함하며; 그 중에서,
    상기 메모리는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령어를 저장하고, 상기 명령어는 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 청구항 1 내지 청구항 7 중 어느 한 항에 따른 상기 교통 혼잡 감지 방법을 수행하는, 전자 장치.
  10. 컴퓨터 프로그램을 저장하며, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때 청구항 1 내지 청구항 7 중 어느 한 항에 따른 상기 교통 혼잡 감지 방법을 구현하는, 컴퓨터 판독 가능 저장 매체.
KR1020227033008A 2021-01-12 2022-01-05 교통 혼잡 감지 방법, 장치, 전자 장치 및 저장 매체 KR20220144856A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202110032765.3 2021-01-12
CN202110032765.3A CN112382098B (zh) 2021-01-12 2021-01-12 交通拥堵检测方法、装置、电子设备及存储介质
PCT/CN2022/070351 WO2022152026A1 (zh) 2021-01-12 2022-01-05 交通拥堵检测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
KR20220144856A true KR20220144856A (ko) 2022-10-27

Family

ID=74591068

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227033008A KR20220144856A (ko) 2021-01-12 2022-01-05 교통 혼잡 감지 방법, 장치, 전자 장치 및 저장 매체

Country Status (6)

Country Link
US (1) US20240005782A1 (ko)
EP (1) EP4235617A1 (ko)
JP (1) JP2023538141A (ko)
KR (1) KR20220144856A (ko)
CN (1) CN112382098B (ko)
WO (1) WO2022152026A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112382098B (zh) * 2021-01-12 2021-07-06 中兴通讯股份有限公司 交通拥堵检测方法、装置、电子设备及存储介质
CN114613137B (zh) * 2022-03-07 2023-02-21 同盾科技有限公司 应用于高速公路的拥堵指数确定方法、装置、介质及设备
CN114944058B (zh) * 2022-05-11 2023-06-23 福勤智能科技（昆山）有限公司 拥堵区域距离确定方法、装置、预警设备和存储介质
CN114999148A (zh) * 2022-05-16 2022-09-02 国汽智图(北京)科技有限公司 拥堵程度监测方法、装置、计算机设备和存储介质
CN114999155B (zh) * 2022-05-26 2024-03-19 南斗六星系统集成有限公司 一种车辆轨迹的拥堵评价方法、装置、设备及存储介质
CN114999164B (zh) * 2022-08-05 2022-11-04 深圳支点电子智能科技有限公司 智能交通预警处理方法及相关设备
CN115691141B (zh) * 2022-11-10 2024-01-30 无锡市德宁节能科技有限公司 一种基于护栏的城市交通管理方法和系统及网络侧服务端

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5162352B2 (ja) * 2008-06-27 2013-03-13 株式会社Ｉｈｉ 円滑走行支援システム
CN103761876B (zh) * 2014-01-10 2015-12-02 山东大学 基于车路协同的道路交通信息采集方法
KR101615970B1 (ko) * 2014-11-07 2016-04-28 한국건설기술연구원 도로교통 전용통신-기반 노변장치 및 차량단말기를 이용한 도로공사구간 교통정보 제공 시스템 및 그 방법
CN105023434B (zh) * 2015-07-03 2017-04-26 信融源大数据科技(北京)有限公司 一种高速公路拥堵指数的获取方法
CN105303850B (zh) * 2015-10-20 2016-05-18 北京长峰金鼎科技有限公司 道路交通路口的交通信号灯的控制方法
CN106023626A (zh) * 2016-06-17 2016-10-12 深圳市元征科技股份有限公司 一种交通拥堵提示方法、服务器及车载设备
CN106778883A (zh) * 2016-12-23 2017-05-31 贵州电网有限责任公司电力科学研究院 一种基于模糊集合的证据理论智能巡检信息融合方法
CN106781488B (zh) * 2016-12-28 2019-11-15 安徽科力信息产业有限责任公司 基于车流密度和车速融合的交通运行状态评价方法
CN107622309B (zh) * 2017-08-18 2021-01-08 长安大学 一种基于VANETs和改进的D-S证据理论的道路拥堵检测方法
CN108492555B (zh) * 2018-03-20 2020-03-31 青岛海信网络科技股份有限公司 一种城市路网交通状态评价方法及装置
CN108765939B (zh) * 2018-05-11 2021-02-02 贵阳信息技术研究院（中科院软件所贵阳分部） 基于聚类算法的动态交通拥堵指数计算方法
WO2019246246A1 (en) * 2018-06-20 2019-12-26 Cavh Llc Connected automated vehicle highway systems and methods related to heavy vehicles
CN110570674A (zh) * 2019-09-06 2019-12-13 杭州博信智联科技有限公司 车路协同数据交互方法、系统、电子设备及可读存储介质
CN111081019B (zh) * 2019-12-23 2021-08-10 华南理工大学 一种基于路段权重系数的路网交通运行状况评价方法
CN111489548A (zh) * 2020-02-28 2020-08-04 广东中科臻恒信息技术有限公司 动态道路交通信息采集方法及系统、存储介质
CN111583641A (zh) * 2020-04-30 2020-08-25 北京嘀嘀无限科技发展有限公司 道路拥堵分析方法、装置、设备和存储介质
CN112382098B (zh) * 2021-01-12 2021-07-06 中兴通讯股份有限公司 交通拥堵检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US20240005782A1 (en) 2024-01-04
EP4235617A1 (en) 2023-08-30
JP2023538141A (ja) 2023-09-06
WO2022152026A1 (zh) 2022-07-21
CN112382098A (zh) 2021-02-19
CN112382098B (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
KR20220144856A (ko) 교통 혼잡 감지 방법, 장치, 전자 장치 및 저장 매체
US11520331B2 (en) Methods and apparatus to update autonomous vehicle perspectives
CN109005173B (zh) 一种基于交通流密度差异的车联网异常入侵检测方法
CN101965601B (zh) 驾驶辅助装置及驾驶辅助方法
KR100820467B1 (ko) 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법
CN111325978B (zh) 一种高速公路车辆异常行为的全程监测警示系统和方法
US11195412B2 (en) Predicting short-term traffic flow congestion on urban motorway networks
CN113870564B (zh) 一种封闭路段交通拥堵分类方法、系统、电子设备及存储介质
JP5378002B2 (ja) 車両動作推定装置、車両動作推定方法および車両動作推定プログラム
CN114973659A (zh) 一种高速公路的间接事件检测的方法、装置及系统
Bhuyan Defining Level of Service Criteria for Urban Streets in Indian Context
JP4572944B2 (ja) 運転支援装置、運転支援方法および運転支援プログラム
CN114495505B (zh) 拥堵路段通过时长的预测方法、装置、介质及服务器
Khan Real-time traffic condition assessment with connected vehicles
JP2002260142A (ja) 走行時間予測方法
CN116129631A (zh) 一种车路协同数据处理方法及相关设备
CN108665705B (zh) 交通诱导统计模型校对方法及装置
KR20210055940A (ko) 유동인구 및 교통량 모니터링 시스템 및 방법
Liu Refined Judgment of Urban Traffic State Based on Machine Learning and Edge Computing
Hayashi et al. Prioritization of Lane-based Traffic Jam Detection for Automotive Navigation System utilizing Suddenness Index Calculation Method for Aggregated Values
RU2724596C1 (ru) Способ, устройство, центральное устройство и система для распознавания сдвига распределения в распределении данных и/или признаков входных данных
Kang et al. A control policy based driving safety system for autonomous vehicles
KR102477885B1 (ko) 자율주행 도로의 주행 안전도를 평가하는 안전도 분석 관리 서버
JP7262690B1 (ja) 渋滞予測装置および渋滞予測方法
Moso et al. Road Speed Signatures from C-ITS messages