-
公开(公告)号:CN112037512A
公开(公告)日:2020-12-04
申请号:CN202010902853.X
申请日:2020-09-01
Applicant: 清华大学
IPC: G08G1/01
Abstract: 本发明涉及一种城市拥堵条件下的机动车管理和优化方法,其包括以下步骤:1)根据历史交通出行数据,确定出行者的个人出行成本模型和时间价值成本函数,并根据建立的个人出行成本模型和时间价值成本函数确定当前道路交通系统的交通流;2)根据预先建立的拥堵费自返还规则,对步骤1)中建立的个人出行成本模型和时间价值成本函数进行更新,进而得到更新后的道路交通系统的交通流;3)根据实际需求确定优化目标,对步骤2)中得到的更新后的道路交通系统的交通流进行优化,得到最优道路交通系统。本发明可以广泛应用于道路交通系统优化领域。
-
公开(公告)号:CN111311913A
公开(公告)日:2020-06-19
申请号:CN202010118824.4
申请日:2020-02-26
Applicant: 清华大学
Abstract: 本发明属涉及一种提高公路变窄路段通行效率的控制方法和系统,包括:S1.记录每个采样时刻获得的各路段各车道中各类型车辆的平均速度、流量和车流密度;S2.基于Multi-Class CTM模型,结合不同车道限速和换道的车辆数,建立交通流预测模型,其中测量值作为预测模型预测交通未来动态的初始条件;S3.基于交通流预测模型,建立优化问题的目标函数和约束条件,并求解有限时域优化问题;S4.基于模型预测控制的滚动优化框架,将优化问题解序列中第一个元素作用于被控对象,进入下一采样时刻,重复上述步骤直至完成整个采样时段。本方案预测了施加速度和换道控制后不同车道间有限时间内的交通状态变化,提高了预测精度。
-
公开(公告)号:CN110060475A
公开(公告)日:2019-07-26
申请号:CN201910307621.7
申请日:2019-04-17
Applicant: 清华大学
Abstract: 本发明涉及一种基于深度强化学习的多交叉口信号灯协同控制方法,其包括以下步骤:1)根据多交叉口交通网络的实际情况,建立能够反映该交通网络原始交通状态的多通道张量;2)根据得到的多交叉口交通网络的多通道张量,建立多交叉口协同控制神经网络模型;3)采用模仿学习和强化学习相结合的方法,对建立的多交叉口协同控制神经网络模型进行训练,得到训练好的多交叉口协同控制神经网络模型;4)将当前多交叉口的相位信息输入训练好的多交叉口协同控制神经网络模型,得到当前多交叉口信号灯的协同控制输出结果。本发明可以广泛应用于多交叉口信号灯协同控制领域。
-
公开(公告)号:CN105303856B
公开(公告)日:2018-10-16
申请号:CN201510768010.4
申请日:2015-11-11
Applicant: 清华大学
Abstract: 本发明公开了属于城市公共交通管理技术领域的一种预测模型的可变情报板信息发布方法。该方法是在真实道路交通数据的基础上,利用统计推断、机器学习的方法,将多范围旅行时间预测模型与基于预测时间范围的路网动态划分方法相结合,结合城区路网结构与公共诱导设备的自身特点,建立动态化、层次化的交通预测模型;依据可变情报板特点进行信息发布。本发明具有层次化、精细化的特点。针对可变情报板的特点,结合路网结构,从驾驶员的角度出发,提供符合其驾驶行为、决策习惯的诱导信息。帮助驾驶员在途经诱导牌时,获知未来实际行驶到目的路段时目的路段的交通状况,从而做出更为合理的路径决策,使诱导牌附近路网的整体交通状况都能得到改善。
-
公开(公告)号:CN105355035B
公开(公告)日:2017-12-29
申请号:CN201510788521.2
申请日:2015-11-16
Applicant: 清华大学
Abstract: 本发明公开了属于城市交通管理技术领域的一种基于交通配流分布差异制定的交通疏导方法。它是着眼于非突发交通状态下的交通疏导方法,该方法是根据城市道路的实际交通状况,各路段堵塞情况,确定路阻函数比例因子,建立路阻函数,将用户配流量化到路阻函数的比例因子中,基于动态系统最优和动态用户最优的系统配流分布进行比例因子的计算;比较配流结果的差异,通过两两比值得到最小的差异;对每个路段的比例因子进行更新,直到达到优化目标或者没有任何路段的比例因子可供优化调整,诱导用户配流的向交通决策者的系统最优局面进行分流,提高系统的稳定运行能力,实现最优的交通疏导目标。
-
公开(公告)号:CN105701801A
公开(公告)日:2016-06-22
申请号:CN201511031717.3
申请日:2015-12-31
Applicant: 清华大学
IPC: G06T7/00
CPC classification number: G06T2207/10016
Abstract: 本发明属于机器视觉标定技术领域,尤其涉及一种基于三线法的远景摄像机标定方法,包括:通过实验获取远景摄像机在拍摄棋盘图片时从远景拍摄范围逐渐变化到近景拍摄范围过程中发生镜头畸变的时刻即为畸变临界时刻;存储畸变临界时刻的角点数据;对已有角点数据求取摄像机内部参数并存储,以供外部参数标定使用;拍摄实际图片,并将其进行二值化处理;提取图片中的三条平行直线,并计算斜率、消失点信息;将计算好的信息以及摄像机内部参数代入三线法计算外部参数的计算公式,计算摄像机外部参数。本发明解决了使用三线法难以标定远景摄像机的问题,找到一个适合远景摄像机的标定方法,其高度误差不超过2%,标志线长度测量误差不超过7%。
-
公开(公告)号:CN105575113A
公开(公告)日:2016-05-11
申请号:CN201510925218.2
申请日:2015-12-14
Applicant: 清华大学
IPC: G08G1/01
CPC classification number: G08G1/0125
Abstract: 本发明公开了属于智能交通系统范围的一种交通运行状态感知方法。对于具体的路段,其交通状态分布在一天的不同时段是不一样的,早高峰和午夜的交通状态分布特征显然有很大的区别,因此在研究交通状态分布的时候需要把不同的时段分开对待,由此对交通状态分布进行建模;要想估计模型中的参数,就需要对实际应用时的交通状态模型表达式求解,得到每种交通状态在其中占的比例,就可以判断出该数据对应的交通状态,从而实现交通状态感知的目的。本发明结合常用的主题模型实现对路段任意时间段的交通运行状态分布的建模,并且利用得到的模型实时判断路段的交通状态;弥补传统交通状态感知算法中难以灵活地针对不同时间,不同路段进行感知的缺点。
-
公开(公告)号:CN105488581A
公开(公告)日:2016-04-13
申请号:CN201510781021.6
申请日:2015-11-13
Applicant: 清华大学
Abstract: 本发明公开了属于交通诱导系统中的动态交通分配技术领域的一种基于模拟退火算法的交通需求量估计方法。包括两个计算方式,第一个是目标函数,第二个是对结果进行评价,具体操作流程为:(1)根据初始种子利用模拟退火算法获取优化解;(2)根据其他信息来源获取部分信息;(3)根据置信度水平计算结果,根据实际结果计算两种方式的置信度,更新置信度水平。本发明的有益效果是考虑到实际的路网是动态运行的,交通调度人员总可以通过分散的车载设备或者先验知识来获取这样的初始信息,从而对连续变化的OD矩阵进行估计。
-
公开(公告)号:CN105300403A
公开(公告)日:2016-02-03
申请号:CN201510609741.4
申请日:2015-09-22
Applicant: 清华大学
IPC: G01C22/00
CPC classification number: G01C22/00
Abstract: 本发明属于智能交通车辆自主导航技术领域,尤其涉及一种基于双目视觉的车辆里程计算法,包括:获取固定在车辆顶部的双目相机的视频流,并传输到车载处理器上;对获取的每一帧双目相机的视频流的图像,分别提取左右图像的特征,并结合上一帧左右图像的特征,用特征匹配的方法搜索出匹配的特征点集合;根据上一帧匹配的特征点,用立体视觉的方法计算出对应三维点的空间坐标;将上一步中三维点的空间坐标重投影到当前帧的二维图像坐标,用GN迭代算法求取重投影误差的最小化,以求得相邻帧的车辆的运动变换值;根据车辆的运动变换值累计更新车辆运动的里程信息。采用快速特征和高精度特征匹配相结合,在提高精度的同时保证了计算速度。
-
公开(公告)号:CN105260992A
公开(公告)日:2016-01-20
申请号:CN201510648765.0
申请日:2015-10-09
Applicant: 清华大学
IPC: G06T5/00
Abstract: 本发明属于交通图像去噪技术领域,尤其涉及一种基于鲁棒主成分分解和特征空间重构的交通图像去噪算法,包括:用同一监控摄像头拍摄的交通图像来构建训练样本库,通过鲁棒主成分分解技术将训练样本库中的样本图像分解为包含道路场景的背景图像与包含行驶车辆的前景图像;对于训练样本库中每个样本图像的道路场景的背景图像通过奇异值分解技术来构建得到道路场景图像的特征空间矩阵和无噪特征投影系数矩阵;对于有噪声的道路交通图像通过鲁棒主成分分解得到包含道路场景的噪声背景图像,并对其进行奇异值分解得到其有噪特征投影系数矩阵;通过无噪特征投影系数矩阵和有噪特征投影系数矩阵对图像进行重建,从而在去除噪声的同时保留道路场景信息。
-
-
-
-
-
-
-
-
-