一种基于MPC的高速公路异常事件下的上游动态分流方法

    公开(公告)号:CN117831285A

    公开(公告)日:2024-04-05

    申请号:CN202311854469.7

    申请日:2023-12-29

    Abstract: 本发明提出了一种基于MPC的高速公路异常事件下的上游动态分流方法,通过ETC数据、车辆轨迹数据和路段属性,使模型能够更好地理解和捕获预测路段的交通状况。本发明针对高速公路异常事件下的交通诱导分流研究较少,已有研究没有考虑上游多路段流量对异常事故路段的协同影响,无法形成上游多路段协调动态分流控制方案,提出建立高速METANET宏观交通流模型,设计MPC控制上游分流量方案,对交通状态的实时监测与预测,同时作为输入反馈回MPC控制器,形成动态的上游分流方案,并能在必要时动态调整分流量,保障整体交通系统的高效运行。本发明可以为交通管理人员组织应急交通提供支撑,提高高速公路通行能力和服务水平。

    考虑单隧道限速影响高速公路路段实际通行能力估计方法

    公开(公告)号:CN111767644B

    公开(公告)日:2023-10-17

    申请号:CN202010506485.7

    申请日:2020-06-05

    Applicant: 重庆大学

    Abstract: 本发明公开了考虑单隧道限速影响高速公路路段实际通行能力估计方法,包括:基于预测路段的道路实际数据,建立道路仿真模型;基于时空消耗理论,获取预测路段的道路实际通行能力,建立估计模型;将不同的交通流量大小作为输入量,获取根据所述道路仿真模型得到的预测路段的通行能力与根据所述估计模型得到的预测路段的通行能力的偏差;根据偏差,修正估计模型,得到预测路段的实际通行能力。本发明主要考虑高速公路中存在隧道与外场在道路属性上不同的介质对于道路实际通行能力的影响,通过仿真的方式分析其实际的通行能力,基于时空消耗理论建立了针对隧道的高速公路基本路段的实际通行能力估计模型,为缓解交通拥堵问题的缓解提供一定理论依据。

    一种考虑检测设备分布的车检器数据修复方法

    公开(公告)号:CN115440029B

    公开(公告)日:2023-08-08

    申请号:CN202210908725.5

    申请日:2022-07-29

    Abstract: 本发明公开了一种考虑检测设备分布的车检器数据修复方法,属于电力电子技术领域。该方法包括:采集高速公路沿线布设的多源检测设备监测获得的交通流数据,进行完整性分析;基于Kendall相关系数,对多源检测设备监测获得的交通流数据进行一致性检验;根据完整性分析和一致性检验结果,确定不同检测设备分布下的车检器数据修复模型的输入输出关系,从而构建车检器数据修复模型的训练集和测试集;基于支持向量回归算法构建车检器数据修复模型,然后在训练集中,完成车检器数据修复模型的训练与模型参数的求解,之后在测试集中完成车检器数据修复模型的测试。本发明方法适应性强,能充分利用高速公路的多源数据,有效修复车检器中缺失数据或异常数据。

    一种考虑检测设备分布的车检器数据修复方法

    公开(公告)号:CN115440029A

    公开(公告)日:2022-12-06

    申请号:CN202210908725.5

    申请日:2022-07-29

    Abstract: 本发明公开了一种考虑检测设备分布的车检器数据修复方法,属于电力电子技术领域。该方法包括:采集高速公路沿线布设的多源检测设备监测获得的交通流数据,进行完整性分析;基于Kendall相关系数,对多源检测设备监测获得的交通流数据进行一致性检验;根据完整性分析和一致性检验结果,确定不同检测设备分布下的车检器数据修复模型的输入输出关系,从而构建车检器数据修复模型的训练集和测试集;基于支持向量回归算法构建车检器数据修复模型,然后在训练集中,完成车检器数据修复模型的训练与模型参数的求解,之后在测试集中完成车检器数据修复模型的测试。本发明方法适应性强,能充分利用高速公路的多源数据,有效修复车检器中缺失数据或异常数据。

    一种基于门控循环单元的收费站下道流量预测方法

    公开(公告)号:CN111785018A

    公开(公告)日:2020-10-16

    申请号:CN202010560045.X

    申请日:2020-06-18

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于门控循环单元的收费站下道流量预测方法,预测方法包括以下内容:S1:采集对应收费站的历史数据,构成收费站下道流量时间序列,并将时间序列分为训练集和测试集;S2:采用训练集中的数据建立初始门控循环单元模型;S3:利用蝗虫优化算法对初始门控循环单元模型的参数进行优化,得到门控循环单元流量预测模型的最佳参数组合;S4:利用最佳参数组合,构建门控循环单元模型,得到下一时刻收费站的流量预测结果。本发明利用循环门控单元网络对收费站下道流量时间序列数据进行训练,深入挖掘了数据点之间的相关性以及潜在本质特征,解决了线性模型无法应对交通流随机性和不稳定性的问题,同时利用蝗虫优化算法对门控循环网络的参数选择进行了优化,解决模型训练过程中的参数选择问题,提高了最终的预测结果的精度。

Patent Agency Ranking