-
公开(公告)号：CN108417039B
公开(公告)日：2019-06-07
申请号：CN201810440018.1
申请日：2018-05-07
Applicant: 大连理工大学
Abstract: 本发明属于智能交通控制技术领域，一种交通流组成影响的信号交叉口交通需求估算方法，适用于干线和区域道路系统。考虑多种车辆类型和车队离散特性，在交叉口进口道停止线及其上游断面分别设置车辆检测器，并由此获取多个交通流数据集，基于这些数据集提出了车队离散系数标定方法，进而建立了交通需求估算模型。此外，给出了上述模型和方法的技术应用流程。借助计算机编程软件MATLAB和交通仿真软件VISSIM，使用案例说明了技术应用流程。结果表明，针对多种类型车辆构成的交通流，新方法能精确地估算信号交叉口车道组交通需求。
-
公开(公告)号：CN111882869B
公开(公告)日：2022-10-04
申请号：CN202010669271.1
申请日：2020-07-13
Applicant: 大连理工大学
Abstract: 本发明属于智能交通控制技术领域，提供一种考虑不良天气的深度学习交通流预测方法，首先，选定研究的空间范围、预测的时间范围和预测时间间隔，通过交通流检测器获取预测时间之前的原始交通流数据集，通过气象站获取预测时间之前的原始天气数据集，根据预测时间间隔，将原始天气数据进行集计；其次，基于交通流时间序列和天气数据时间序列构建模型输入矩阵；然后，使用长短期记忆神经网络构建模型第一部分，对所有时期内的历史数据的规律进行挖掘，通过组合卷积神经网络和长短期记忆神经网络构建模型第二部分，对某一时期内的历史数据的规律进行挖掘；最后，将模型第一部分和第二部分进行权重组合后构建CNNLSTM模型，得到交通流数据预测值。
-
公开(公告)号：CN111882869A
公开(公告)日：2020-11-03
申请号：CN202010669271.1
申请日：2020-07-13
Applicant: 大连理工大学
Abstract: 本发明属于智能交通控制技术领域，提供一种考虑不良天气的深度学习交通流预测方法，首先，选定研究的空间范围、预测的时间范围和预测时间间隔，通过交通流检测器获取预测时间之前的原始交通流数据集，通过气象站获取预测时间之前的原始天气数据集，根据预测时间间隔，将原始天气数据进行集计；其次，基于交通流时间序列和天气数据时间序列构建模型输入矩阵；然后，使用长短期记忆神经网络构建模型第一部分，对所有时期内的历史数据的规律进行挖掘，通过组合卷积神经网络和长短期记忆神经网络构建模型第二部分，对某一时期内的历史数据的规律进行挖掘；最后，将模型第一部分和第二部分进行权重组合后构建CNNLSTM模型，得到交通流数据预测值。
-
Patent Agency Ranking
公开(公告)号：CN107798868B
公开(公告)日：2019-02-01
申请号：CN201710966270.1
申请日：2017-10-17
Applicant: 大连理工大学
Abstract: 本发明公开了一种交通流组成影响的信号交叉口调头开口选位方法，属于交通管理与控制技术领域。在确定左转车道通行能力的过程中，分析了各种车辆到达模式对左转绿灯利用率和调头绿灯利用率的差异化影响，并结合交通管理需求与交通流时空特性，提出了设置调头开口的信号交叉口左转车道通行能力计算方法，使得实际交通流组成影响的左转车道通行能力计算更加准确。
-
公开(公告)号：CN110517485B
公开(公告)日：2021-05-07
申请号：CN201910733061.1
申请日：2019-08-09
Applicant: 大连理工大学
Abstract: 本发明属于智能交通控制技术领域，提供一种基于时段划分的短时交通流预测方法，考虑了车型和时段对交通流特性的影响。首先，选定空间范围、历史数据的时间范围和预测时间间隔，利用该空间范围内的检测器获取原始交通量数据集，基于预测时间间隔将原始交通量数据集按车型进行集计后获得每种车型的交通量数据；其次，保持时间顺序不变，使用有序聚类法按每种车型对交通流分别进行时段划分；然后，针对每种车型，使用不同的马尔可夫模型预测不同时段的交通量；最后，将所有车型的交通量预测值进行求和，从而得到含所有车型的交通量的最终预测值。相比于单一的马尔可夫模型，所提出的基于时段划分的马尔科夫模型能够显著地提高短时交通流预测的精度。
-
公开(公告)号：CN110517485A
公开(公告)日：2019-11-29
申请号：CN201910733061.1
申请日：2019-08-09
Applicant: 大连理工大学
Abstract: 本发明属于智能交通控制技术领域，提供一种基于时段划分的短时交通流预测方法，考虑了车型和时段对交通流特性的影响。首先，选定空间范围、历史数据的时间范围和预测时间间隔，利用该空间范围内的检测器获取原始交通量数据集，基于预测时间间隔将原始交通量数据集按车型进行集计后获得每种车型的交通量数据；其次，保持时间顺序不变，使用有序聚类法按每种车型对交通流分别进行时段划分；然后，针对每种车型，使用不同的马尔可夫模型预测不同时段的交通量；最后，将所有车型的交通量预测值进行求和，从而得到含所有车型的交通量的最终预测值。相比于单一的马尔可夫模型，所提出的基于时段划分的马尔科夫模型能够显著地提高短时交通流预测的精度。
-
公开(公告)号：CN108417039A
公开(公告)日：2018-08-17
申请号：CN201810440018.1
申请日：2018-05-07
Applicant: 大连理工大学
CPC classification number: G08G1/0145 , G06Q10/06315 , G06Q50/26
Abstract: 本发明属于智能交通控制技术领域，一种交通流组成影响的信号交叉口交通需求估算方法，适用于干线和区域道路系统。考虑多种车辆类型和车队离散特性，在交叉口进口道停止线及其上游断面分别设置车辆检测器，并由此获取多个交通流数据集，基于这些数据集提出了车队离散系数标定方法，进而建立了交通需求估算模型。此外，给出了上述模型和方法的技术应用流程。借助计算机编程软件MATLAB和交通仿真软件VISSIM，使用案例说明了技术应用流程。结果表明，针对多种类型车辆构成的交通流，新方法能精确地估算信号交叉口车道组交通需求。
-
公开(公告)号：CN107798868A
公开(公告)日：2018-03-13
申请号：CN201710966270.1
申请日：2017-10-17
Applicant: 大连理工大学
CPC classification number: G08G1/0145 , G08G1/07
Abstract: 本发明公开了一种交通流组成影响的信号交叉口调头开口选位方法，属于交通管理与控制技术领域。在确定左转车道通行能力的过程中，分析了各种车辆到达模式对左转绿灯利用率和调头绿灯利用率的差异化影响，并结合交通管理需求与交通流时空特性，提出了设置调头开口的信号交叉口左转车道通行能力计算方法，使得实际交通流组成影响的左转车道通行能力计算更加准确。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
