一种城市交通瓶颈的计算方法

城市交通瓶颈指的是常发性拥堵路段或位置。以往基于交警的巡查经验来确定交通瓶颈,虽可以部分地反映实际情况,但成本太高且无法做到动态跟踪。运用交通传感数据提出了一个简单的交通瓶颈计算方法,通过计算统计周期内的路段拥堵概率来反映交通瓶颈的严重程度。实验表明该方法是有效的。     

智能交通监控系统在高速公路的应用

高速公路与一般公路相比，具有线型好、设计标准高、交通流量大、行车速度快等特点，在一些车流量大的高速公路上部署全程的监控系统可以实施对交通流量和交通运行的监视；同时也可以对关键点进行气象检测，并在关键路段实施交通适时的控制等，及时发现各种异常情况并采取应急措施，从而保证高速公路高速、安全、经济的运营管理。     

一种基于通信网络的交通导航

现有的交通导航系统,主要是针对地理道路信息,为用户选择一条空间信息为主的,路径最优化的路线.而这种路线的选择,并没有加入交通路况信息,使得尽管路线在空间位置上是最短的,但是,由于交通拥堵等情况,反而增加了用户交通的时间.同时,通过交通广播等方法,将布置在道路周边的传感器,视频采集器等得到的路况信息告知用户,一方面,会导致驾驶员分心,引发安全隐患,另一方面,由于交通路况的实时变化,收听广播时不拥堵的路段,可能在车辆到达的时刻开始拥堵,而并不能够智能的为驾驶员选择一条最合理的路径.通过通信网络,交通工具上的手机提供的即为采样点,保证了覆盖率,从而能保证精度.本发明也不需要对道路进行改造,安装磁感线圈等昂贵的设备,同时能覆盖每一条交通道路,可以对整个城市的交通进行全面的分析.通过对交通路况的分析预测,可以根据预测信息,为驾驶员选择一条时间最短的路径.     

基于视频全局光流场的交通拥堵检测*

针对目前高速公路交通拥堵日趋频繁的实际情况,提出一种应用于实时监控视频的基于全局光流场的交通拥堵自动检测算法。算法包括三步：a）采用Lucas-Kanade金字塔算法计算像素点的光流矢量值;b）利用全局光流平均值作为阈值判断条件剔除抖动视频,并且在此基础上,通过计算并判别不同交通状态下像素点的各个光流参数值来检测拥堵交通状态;c）利用统计规律得出最终的交通状态检测结果。实验结果表明,该方法能够实时、有效地检测出实际高速公路监控视频中的拥堵状况。     

基于WSN的坡道转弯提醒系统的研究与实现*

智能交通指挥系统的实施可以有效解决道路拥堵、运输效率低下等问题,减少交通事故的发生。针对坡道转弯这一特定的交通难点问题,研究和实现了基于无线传感器网络（WSN）的坡道转弯提醒系统。其中感知子系统采用WSN实时感知数据,具有便于布置、实时感知、现场处理的优点;交通提醒子系统采用基于有限状态机的状态图来辅助完成智能控制电路设计,进一步降低硬件造价,提高了系统反应速度。仿真表明,该系统能准确地获取车辆违规行驶信息,向司机或行人发送提醒指令,使司机有足够的反应时间,降低了车辆挂擦和碰撞事故,减少交通拥堵,有效地改     

计算机建模实现路口交通流量实时监测技术探析

目前我国城市的交通控制多采用信号灯方式,人工设置时间,定时自动放行,这种方法,无法根据对各个路口实际交通流量变化进行实时监测与控制,因此,需要一种新型化的模式来对路口交通流量实时监测,计算机建模的应用,有利于设计优化管理模型,使得信号灯自动优化,实时监测,根据实际情况自动疏导拥堵,从而最大限度的改善交通拥挤等状况。     

基于收费数据的交通拥堵初发点计算

目前,在高速公路发生拥堵后,如何利用海量收费数据快速准确地得到高速公路交通拥堵初发点,仍然缺少满意的解决方案。经过对湖南省高速公路收费数据检索,提取出车辆出入站时刻、行车时间和车型等相关交通特征参数,依据这些参数特点,提出了一种计算相邻两收费站之间的交通拥堵初发点的计算方法。该方法通过选取同路段上的快、慢2种车型建立方程组,然后根据分析收费数据提取相应的变量代入方程组中,从而计算得出拥堵初发点信息。结果表明,该方法可以有效地计算得出相邻两个收费站之间路段上的拥堵初发点位置和初发时刻。对今后出行服务,运行效率评估和交通组织管理等具有重要的现实意义。     

基于复杂网络的路网交通拥堵评估仿真模型

为了能够深入分析路网交通拥堵动态演进过程, 为交通拥堵治理提供决策分析工具, 提出了一个基于复杂网络的路网拥堵评估仿真模型。通过将路段阻抗概念引入复杂网络理论, 实现了路网拓扑模型和流量模型的结合; 此外, 还提出了虚拟测试车辆遍历的路网通行能力评估方法, 对不同路网条件下的道路通行能力进行评估。最后在PC系统上实现了完整的路网拥堵评估仿真系统, 并利用该系统对拥堵路段数量、交通流量和路网拓扑结构等因素对路网通行能力的影响进行了仿真分析。仿真实验结果与经典交通理论分析结果一致, 并能反映更多的动态过程信息, 表明该模型能够准确有效地进行交通路网拥堵评估, 可以为相应的交通拥堵管理决策提供依据。     

基于跟踪算法和模糊推理的交通事件检测方法

针对高速公路交通事故容易引发大规模拥堵的问题,提出了一种基于视频的快速检测算法,实现了事件信息的快速反馈。首先利用平稳序列法获取背景,并由背景差法获取前景。然后在使用凸包占有率对遮挡进行检测的基础上,采用改进的卡尔曼滤波特征匹配跟踪算法对车辆进行跟踪。最后通过对交通流的速度和流量进行检测,建立速度、流量与交通流状态之间的映射关系,运用模糊推理方法判别交通事件的发生。实验结果证明,本文提出的 方法能有效地获取前景信息,并能实时有效地对高速公路上的交通事件进行检测。     

基于AI的私人定制交通助手研究与应用

交通拥堵问题已经在中国各大城市日益凸显,解决方法之一是发展智能交通.其中路况信息的实时获取显得尤为重要,对当前道路拥堵状况做出真实、准确地描述,是智能交通系统(ITS)中最基本和最重要的工作.目前各导航软件虽然可以查询线路路况,但其智能化和个性化功能不足,如无法自动为用户提前预判路况和实现检测拥堵主动消息推送等实用功能...     

RFID，GPS和GIS技术集成在交通智能监管系统中的应用研究*

为实现在城市复杂路网情况下对交通车辆的实时监控,并且能通过一定数量的车辆运行状态来判断道路交通的拥挤状况,采用射频识别技术(RFID)对道路上运行的车辆进行动态识别和数据信息交换;依靠全球定位系统(GPS)技术实时获得目标车辆的位置信息,并通过地理信息系统(GIS)将车辆的运行状况以及路网的交通状况以电子地图形式实时地展现给用户。将GPS、GIS与RFID技术综合应用于城市道路交通管理系统中,在此基础上设计出道路交通车辆的全程监控模型和系统框架。对交通监管的信息化建设具有一定的借鉴意义。     

基于多通道Transformer的交通量预测方法

目前,我国高速公路拥堵程度居高不下,而交通流预测作为实现智能交通系统的重要一环,若能对其实现高精度的预测,那么将能够高效地管理交通,从而缓解拥堵。针对该问题,提出了一种考虑时空关联的多通道交通流预测方法（MCST-Transformer）。首先,将Transformer结构用于不同数据的内在规律提取,然后引入空间关联模块对不同数据间的关联特征进行挖掘,最后,借助通道注意力整合优化全局信息。采用广东省高速公路数据,实现了两小时内92个收费站的高精度流量预测。结果表明：MCST-Transformer优于传统机器学习方法以及部分基于注意力机制的时间序列模型,在120 min预测跨度下,相比贝叶斯回归,MAPE降低了5.1%;对比Seq2Seq-Att以及Seq2Seq这些深度学习算法,所提方法的总体MAPE也能降低0.5%,说明通过多通道的方式能够区分不同数据的特性,进而更好地预测。     

基于AT89C2051的交通车辆检测系统

针对目前道路交通信息采集的应用情况,介绍了一种基于单片机的环形线圈车辆检测器系统,并分析了系统的结构和功能.该系统的硬件主体以AT89C2051为控制核心,实现了路面动态交通数据的采集,采集到的数据实时反映了车辆的通过或存在状况.该系统结构简单,操作容易,能较精确地检测出车辆的存在,可应用于交通检测和道路监控领域.     

物联网技术在道路交通安全预测中应用研究

研究道路安全预测精确度问题,由于随机波动性较大的样本数据序列预测精度较差,传统的道路交通安全预测灰色预测理论算法难以解决交通拥塞和道路交通不平衡状况。为了解决上述问题,提出了一种基于物联网技术的交通状态监测安全预测方法,主要采用物联网技术实时监测道路的交通情况,依据搜集的交通信息设计安全预警指标,建立灰色理论道路交通安全预测模型,并在模型的基础上引入二维马尔科夫链时空模型,建立一种新的二维马尔科夫理论的灰色扩展交通安全预测模型。仿真结果表明,提出的新的预测方法能够有效地预测道路交通安全风险以及隐患,预测的精确度要比传统的灰色理论预测模型更高,为交通安全系统设计提供了依据。     

基于多模型融合的车辆通过时间预测

车辆通过某一路网的时间是测算交通拥堵程度的重要指标。为提高车辆通过时间的预测精度，不仅要考虑数据采集精度的影响还要考虑模型的选择。本文提出多模型融合的车辆通过时间预测方法，发现多模型融合的预测精度较高。以某高速公路3个交叉口路段的车辆通行监测数据作为实证数据，用模型融合算法与单一模型进行对比，说明多模型融合算法在交通拥堵治理领域的应用潜力。     

CTS: 基于拥堵溯源算法的信号灯多智能体强化学习组织方案

在交通路网的运行中红绿灯起着至关重要的调度作用,随着目前交通的飞速发展,道路越来越复杂、车辆越来越繁多,导致红绿灯的调度压力越来越大、调节能力却越来越弱。为了解决这一问题,建立了CTS（congestion trace source）方案,将交通疏导的主体对象红绿灯作为智能体进行强化学习以优化其对交通的疏导控制能力,通过构建拥堵链和拥堵环综合分析路网拥堵情况,佐以红绿灯相位及其配时数据以达到对红绿灯智能体对象状态的综合判断;CTS方案设计了红绿灯排队长度算法将拥堵情况数字化作为智能体奖励对优化效果进行评判。使用SUMO仿真环境进行实验,设计交通优化指标路口平均排队长度并进行对比,最终该方案的路口平均排队长度相较于原始数据提升了40%。     

基于改进DV-HOP的道路交通拥堵传感节点快速监测

由于现有交通拥堵监控设备在海量三维交通信息中处理数据的能力较差,导致监测目标延迟较高,故设计一种基于改进DV-HOP的道路交通拥堵传感节点快速监测方法;在待监测区域安置无线视觉传感器,划分子节点与Sink节点,采集车辆通行状况和整体长度;把异常道路数据作为小概率事件,确立速率采集周期及交通状态采集周期,推算历史车辆速率均值和交通数据方差,设定拥堵临界值,分析路段是否产生拥堵;对道路交通拥堵节点进行初始化,确定全部道路交通拥堵节点,并将其转换到二维坐标中;利用改进DV-HOP算法获取道路交通拥堵节点位置信息,得出道路交通拥堵节点监测结果;实验分析表明：设计方法的均等系数值可达0.998,数据传输延时仅为3.5 s,表明交通拥堵监测精度较高。     

基于雾计算和强化学习的交通灯智能协同控制研究

针对路口交通拥堵现象,结合雾计算和强化学习理论,提出了一种FRTL（fog reinforcement traffic light）交通灯控制模型,该模型根据实时的交通流信息进行交通灯智能协同控制。雾节点将收集到的实时交通流信息上传到雾服务器,雾服务器在雾平台实现信息共享,雾平台结合处理后的共享数据和Q学习制定交通灯控制算法。算法利用检测到的实时交通数据计算出合适的交通灯配时方案,最终应用到交通灯上。仿真结果表明,与传统的分时段控制方式和主干道控制方式（ATL）相比,FRTL控制方法提高了路口的吞吐量,减少了车辆平均等待时间,达到了合理调控红绿灯时间、缓解交通拥堵的目标。     

基于序贯蒙特卡洛算法的交通流事件重构

针对交通数据重构应用性差、缺乏对交通事件重构的研究等问题,结合交通流非线性非高斯的特点,提出一个基于序贯蒙特卡洛方法的交通流堵塞事件重构模型。该模型不断同化道路上的传感器数据,使仿真中的交通状态不断逼近真实路况,通过分析仿真数据以探测真实路网中存在的堵塞事件。模型能够对探测到的堵塞进行多粒子模拟来实现对真实道路上堵塞事件的重构。实验结果表明,该模型能够推测并重构出道路上的堵塞事件,对堵塞起始位置重构的平均误差为17m,对堵塞范围重构的平均覆盖率为82%。     

基于延迟函数次梯度启发式道路交通补偿策略

拥挤收费被认为是解决交通拥挤的有效方法,解决道路交通拥堵的主要想法是,对于有些容易造成拥堵的道路进行收费,而对于其他未充分利用的道路进行适当补偿,对此提出一种基于延迟函数的次梯度启发式道路交通补偿策略。首先,给出道路集的收费/补贴的非线性规划模型,主要是基于Beckmann最小化目标函数实现,然后利用库恩-希尔斯条件和拉格朗日乘子建立模型的条件约束;其次,基于启发式算法建立道路交通的定价补偿策略,利用边际成本建立延迟函数分析模型,然后基于次梯度法进行模型的优化;最后,通过在真实道路网络上的仿真实验,显示所提算法在旅行时间、交通流量、收敛性等指标上均具有较好的性能,验证了算法的有效性。