-
公开(公告)号：CN113129605B
公开(公告)日：2022-02-18
申请号：CN202110312433.0
申请日：2021-03-24
申请人： 同济大学
摘要： 本发明涉及一种基于电子警察数据的交叉口车道排队长度估计方法，包括以下步骤：1)对电子警察数据进行预处理，获取各车辆的绿灯期间通过停车线时刻和车头时距序列；2)假设处理后电子警察数据隶属于排队车辆和非排队车辆两个分布，建立高斯混合模型；3)采用期望最大化算法求解高斯混合模型的参数；4)依据高斯混合模型结果判别周期内各车辆是否排队，并根据最后一辆排队车辆确定车道排队长度。与现有技术相比，本发明具有无需上游电子警察、纯数据驱动、估计精度高、鲁棒性好等优点。
-
公开(公告)号：CN112419751B
公开(公告)日：2021-10-08
申请号：CN202011078910.3
申请日：2020-10-10
申请人： 同济大学
摘要： 本发明涉及一种基于单截面电警数据的信号交叉口车道排队长度估计方法，包括以下步骤：1)通过电警数据获取各车道的车辆离去车头时距信息，所述的电警数据为车辆通过停车线的时间戳信息，包括离开时刻、方向编号、车道编号和车型参数；2)根据时间戳信息及车辆离去车头时距序列，分别针对单车道布设条件和多车道布设条件，通过定义特征函数以描述临近间距与车头时距波动两重特性，识别离去车头时距序列变点，并估计周期内每条车道上的车辆排队长度及漏检率。与现有技术相比，本发明考虑了电警设备所存在的错漏检现象，具有覆盖场景全、输入数据少、适用性广等优点。
-
公开(公告)号：CN113129604A
公开(公告)日：2021-07-16
申请号：CN202110297192.7
申请日：2021-03-19
申请人： 同济大学
摘要： 本发明涉及一种基于网联车辆轨迹数据的信控交叉口运行评估方法，包括以下步骤：1)根据网联车辆轨迹周期内的到达时刻信息获取累计到达曲线；2)根据网联车辆轨迹离开排队信息获取累计离开曲线；3)根据停车轨迹获取总延误标定平均到达率，从而确定交叉口累计流图；4)根据累计流图计算交叉口运行参数，与现有技术相比，本发明具有纯轨迹数据驱动、评估全面、估计精度高、适用性广等优点。
-
公开(公告)号：CN112419751A
公开(公告)日：2021-02-26
申请号：CN202011078910.3
申请日：2020-10-10
申请人： 同济大学
摘要： 本发明涉及一种基于单截面电警数据的信号交叉口车道排队长度估计方法，包括以下步骤：1)通过电警数据获取各车道的车辆离去车头时距信息，所述的电警数据为车辆通过停车线的时间戳信息，包括离开时刻、方向编号、车道编号和车型参数；2)根据时间戳信息及车辆离去车头时距序列，分别针对单车道布设条件和多车道布设条件，通过定义特征函数以描述临近间距与车头时距波动两重特性，识别离去车头时距序列变点，并估计周期内每条车道上的车辆排队长度及漏检率。与现有技术相比，本发明考虑了电警设备所存在的错漏检现象，具有覆盖场景全、输入数据少、适用性广等优点。
-
公开(公告)号：CN112201035A
公开(公告)日：2021-01-08
申请号：CN202011020112.5
申请日：2020-09-24
申请人： 同济大学
摘要： 本发明涉及一种轨迹数据驱动的信控交叉口周期流量估计方法，包括以下步骤：1)根据最后一辆排队抽样轨迹的停车位置和期望到达时间将周期流量划分为已知和未知两部分；2)提取各周期内已知和未知两部分与流量相关的参数，构建包括各周期未知部分流量的三维张量，将周期流量估计问题转化为数据修补问题；3)基于张量分解方法修补构建的张量，获得各周期的流量。与现有技术相比，本发明具有轨迹数据驱动、有效性高、适用性广等优点。
-
-
公开(公告)号：CN112201037B
公开(公告)日：2021-09-03
申请号：CN202011034703.8
申请日：2020-09-27
申请人： 同济大学
摘要： 本发明涉及一种基于抽样轨迹数据的交叉口到达率估计方法，包括以下步骤：1)获取抽样车辆轨迹数据，并将排队轨迹间的到达率预处理成到初始到达率矩阵；2)根据初始到达率矩阵，通过奇异值阈值算法对初始到达率矩阵中的空值进行填充得到填充后的到达率矩阵；3)对填充后的到达率矩阵进行修正和修补后得到最终的到达率矩阵，对每个周期的到达率向量进行累加乘以单位时间间隔的长度得到每个周期的流量。与现有技术相比，本发明具有一般性强、拓展性好、适用性广等优点。
-
公开(公告)号：CN113129605A
公开(公告)日：2021-07-16
申请号：CN202110312433.0
申请日：2021-03-24
申请人： 同济大学
摘要： 本发明涉及一种基于电子警察数据的交叉口车道排队长度估计方法，包括以下步骤：1)对电子警察数据进行预处理，获取各车辆的绿灯期间通过停车线时刻和车头时距序列；2)假设处理后电子警察数据隶属于排队车辆和非排队车辆两个分布，建立高斯混合模型；3)采用期望最大化算法求解高斯混合模型的参数；4)依据高斯混合模型结果判别周期内各车辆是否排队，并根据最后一辆排队车辆确定车道排队长度。与现有技术相比，本发明具有无需上游电子警察、纯数据驱动、估计精度高、鲁棒性好等优点。
-
-
公开(公告)号：CN109272756A
公开(公告)日：2019-01-25
申请号：CN201811320145.4
申请日：2018-11-07
申请人： 同济大学
IPC分类号： G08G1/065
摘要： 本发明涉及一种信控交叉口排队长度估计方法，包括以下步骤：1)获取电警数据与浮动车轨迹数据并预处理得到对应的数据矩阵，并根据电警数据与浮动车轨迹数据的时刻匹配确定浮动车在当前车道排队序列编号；2)获取车辆消散车头时距与停车线通过时刻密度分布；3交叉口车道级排队长度估计：采用概率统计方法，融合电警数据与车辆轨迹数据，估计车道级排队长度并进行修正。与现有技术相比，本发明具有算法鲁棒性好、算法精度高、应用范围广等优点。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.021 秒)
