RU2013157181A - Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени - Google Patents

Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени Download PDF

Info

Publication number
RU2013157181A
RU2013157181A RU2013157181/08A RU2013157181A RU2013157181A RU 2013157181 A RU2013157181 A RU 2013157181A RU 2013157181/08 A RU2013157181/08 A RU 2013157181/08A RU 2013157181 A RU2013157181 A RU 2013157181A RU 2013157181 A RU2013157181 A RU 2013157181A
Authority
RU
Russia
Prior art keywords
time
traffic
control
regulation
area
Prior art date
Application number
RU2013157181/08A
Other languages
English (en)
Inventor
Светлана Анатольевна Ковальчук
Евгений Валерьевич Кубичек
Алексей Анатольевич Павленко
Игорь Николаевич Пугачев
Original Assignee
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Тихоокеанский государственный университет"
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 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Тихоокеанский государственный университет" filed Critical Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Тихоокеанский государственный университет"
Priority to RU2013157181/08A priority Critical patent/RU2013157181A/ru
Publication of RU2013157181A publication Critical patent/RU2013157181A/ru

Links

Landscapes

  • Traffic Control Systems (AREA)

Abstract

1. Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени, характеризующийся тем, что он основан на выборе, в результате измерений параметров транспортных потоков и учете предпочтений, наиболее оптимальных параметров светофорного регулирования и подаче управляющих сигналов на дорожные контроллеры; при этом входы-выходы регулируемого района оборудуют средствами фотовидеофиксации, имеющих установленное программное обеспечение для распознавания государственных регистрационных знаков автомобилей и фиксации времени, места появления и типа транспортного средства, анализируют собираемую в единую базу данных информацию и определяют время прохождения автомобилями подконтрольного района, обучают нейропрограмму, установленную в центре обработки данных, в течение определенного промежутка времени на основе полученных значений «времени в пути» и текущих рабочих параметров фаз регулирования светофорных объектов подконтрольного района, а затем осуществляют корректировку рабочих параметров светофорных объектов района, таких как длительность, смещения фаз, секции регулирования циклов, за счет отслеживания изменений показателя «время в пути» при смене фаз регулирования на объектах управления, и применении управляющих решений для светофорных объектов, требующих подстройки.2. Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени по п.1, отличающийся тем, что смена фаз регулирования на объектах упр

Claims (3)

1. Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени, характеризующийся тем, что он основан на выборе, в результате измерений параметров транспортных потоков и учете предпочтений, наиболее оптимальных параметров светофорного регулирования и подаче управляющих сигналов на дорожные контроллеры; при этом входы-выходы регулируемого района оборудуют средствами фотовидеофиксации, имеющих установленное программное обеспечение для распознавания государственных регистрационных знаков автомобилей и фиксации времени, места появления и типа транспортного средства, анализируют собираемую в единую базу данных информацию и определяют время прохождения автомобилями подконтрольного района, обучают нейропрограмму, установленную в центре обработки данных, в течение определенного промежутка времени на основе полученных значений «времени в пути» и текущих рабочих параметров фаз регулирования светофорных объектов подконтрольного района, а затем осуществляют корректировку рабочих параметров светофорных объектов района, таких как длительность, смещения фаз, секции регулирования циклов, за счет отслеживания изменений показателя «время в пути» при смене фаз регулирования на объектах управления, и применении управляющих решений для светофорных объектов, требующих подстройки.
2. Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени по п.1, отличающийся тем, что смена фаз регулирования на объектах управления осуществляется по заданному плану-координации.
3. Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени по п.1, отличающийся тем, что смена фаз регулирования на объектах управления может осуществляться на основе импульсов, поступающих от локальной автоматизированной системы управления дорожным движением.
RU2013157181/08A 2013-12-23 2013-12-23 Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени RU2013157181A (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2013157181/08A RU2013157181A (ru) 2013-12-23 2013-12-23 Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2013157181/08A RU2013157181A (ru) 2013-12-23 2013-12-23 Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени

Publications (1)

Publication Number Publication Date
RU2013157181A true RU2013157181A (ru) 2015-06-27

Family

ID=53497235

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2013157181/08A RU2013157181A (ru) 2013-12-23 2013-12-23 Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени

Country Status (1)

Country Link
RU (1) RU2013157181A (ru)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110060475A (zh) * 2019-04-17 2019-07-26 清华大学 一种基于深度强化学习的多交叉口信号灯协同控制方法
CN115547042A (zh) * 2022-09-20 2022-12-30 中科南京智能技术研究院 一种大规模城市道路交通灯智能控制系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110060475A (zh) * 2019-04-17 2019-07-26 清华大学 一种基于深度强化学习的多交叉口信号灯协同控制方法
CN115547042A (zh) * 2022-09-20 2022-12-30 中科南京智能技术研究院 一种大规模城市道路交通灯智能控制系统及方法

Similar Documents

Publication Publication Date Title
US10354523B2 (en) Road traffic control system, method, and electronic device
US20110181440A1 (en) Method for optimizing the traffic control at a traffic signal controlled intersection in a road traffic network
Płaczek A self-organizing system for urban traffic control based on predictive interval microscopic model
CN104900070B (zh) 一种交叉路口车流建模及自适应控制方法及系统
Mamouei et al. A framework for user-and system-oriented optimisation of fuel efficiency and traffic flow in adaptive cruise control
CN103578273A (zh) 一种基于微波雷达数据的道路交通状态估计方法
RU2013157181A (ru) Способ управления транспортными потоками в районе регулирования с использованием искусственной нейронной сети и анализа дорожной обстановки в реальном времени
CN110400462A (zh) 基于模糊理论的轨道交通客流监测预警方法及其系统
Ji et al. Coordinated optimization of tram trajectories with arterial signal timing resynchronization
CN106530766A (zh) 一种基于大数据的交通调控系统及方法
CN203882445U (zh) 一种交叉口信号灯自动控制装置
Nguyen et al. A joint trajectory planning and signal control framework for a network of connected and autonomous vehicles
Wu et al. A Schedule-based Strategy of transit signal priority and speed guidance in Connected Vehicle environment
CN104157151B (zh) 城市交通诱导与信号控制的协同方法
CN105741572A (zh) 基于物联网的最大车流量时间段红绿灯控制方法
Yan et al. Iterative learning control based freeway ramp metering with iteration-varying parameter
Gupta et al. IOT based traffic light control based on traffic density
Pröhl et al. Energy optimal trajectory planning for electrically driven railway vehicles with particle swarm optimization
Sun et al. Adaptive Parameterized Control for Coordinated traffic Management Using Reinforcement Learning
CN114067579A (zh) 一种智能交通信号控制系统及其控制方法
RU2014120232A (ru) Способ регулирования транспортных потоков на магистралях
Sommer et al. Anticipatory adaptation of signalisation based on traffic flow forecasts within a self-organised traffic control system
CN205722428U (zh) 一种基于物联网的道路交通信号灯智能控制系统
Zhu Fuzzy logic signal controller based on competition for isolated intersection
Fusco et al. Urban traffic signal optimization