[发明专利]一种基于车路协同的交通流量预测系统及方法有效
| 申请号: | 201510377801.4 | 申请日: | 2015-08-14 |
| 公开(公告)号: | CN105046983B | 公开(公告)日: | 2019-01-25 |
| 发明(设计)人: | 王乾峰;陈效华;汤新宁;王川宿;刘华仁;李海峰;马小陆 | 申请(专利权)人: | 奇瑞汽车股份有限公司 |
| 主分类号: | G08G1/065 | 分类号: | G08G1/065 |
| 代理公司: | 芜湖安汇知识产权代理有限公司 34107 | 代理人: | 张小虹 |
| 地址: | 241009 安徽*** | 国省代码: | 安徽;34 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 协同 交通 流量 预测 系统 方法 | ||
本发明涉及一种基于车路协同的交通流量预测系统及方法,通过路边单元获取路径规划数据,根据路径规划数据可以进行预测交通路况,相较于一般的交通流量预测系统,本发明提供的交通流量预测系统及方法更有效。一般的交通流量预测系统,是根据当前已经形成的交通路况,提醒驾车出行者避让拥堵路段,而本发明提供的交通流量预测系统,可以预测交通路况,及时提醒驾车出行者规划合理路径,避免交通拥堵,分散拥堵路段的交通量。
技术领域
本发明主要涉及车路协同技术领域,具体涉及一种基于车路协同的交通流量预测系统及方法。
背景技术
交通流量指的是在一段时间内通过道路某一地点、某一断面或某一车道的交通实体数。随着交通基础设施建设和智能运输系统的发展,交通规划和交通诱导已成为交通领域研究的热点。对于交通规划和交通诱导来说,准确的交通流量预测是其实现的前提和关键。交通流量预测根据时间跨度可分为长期交通流量预测和短期交通流量预测,长期交通流量预测以小时、天、月甚至年为时间单位,是宏观意义上的预测;短期交通流量预测一般的时间跨度不超过15分钟,是微观意义上的预测。短期交通流量预测是智能运输系统的核心内容和实现其智能化功能的基础平台。短期交通流量预测具有高度非线性和不确定性等特点,并且同时间相关性较强,研究表明,城市交通路网中交通路段上某时刻的交通流量与本路段前几个时段的交通流量有关,并且交通流量具有24小时内准周期的特征。
本发明主要针对短期交通流量预测。
目前,世界上应用比较多的动态交通信息采集设备主要是固定型的断面交通信息采集设备。但是这个技术所提供的交通流量信息有一定的局限性,所提供的交通流量信息只是反映当前的交通状况和速度,而驾车出行是一个持续的过程,道路交通复杂,且变化快。驾驶者获取到当前的相关的交通流量信息,比如提示通过某一地点交通通畅,到达了以后,或许交通状况已经发生了变化。这样的交通流量信息对于交通管理部门的分布管理力量,有一定的现实意义,但对于驾车出行者避免拥堵、便捷出行的意义不大。
为了解决上述问题,本文提出了一种基于车路协同的交通流量预测系统及方法。
发明内容
本发明的目的是提供一种基于车路协同的交通流量预测系统及方法,为驾车出行者提供切实的道路交通信息,分散拥挤路段的交通量,避免交通拥堵,提高交通运输效率。
为了实现上述目的,本发明采用以下技术方案:
本发明提供了一种基于车路协同的交通流量预测系统,包括:路边单元、车载单元、交通路况预测单元。
所述路边单元包括:车辆数据接收模块、车辆数据处理模块、专用短程通信(DSRC,Dedicated Short Range Communication)模块、交通流数据发送模块。
所述车载单元包括:专用短程通信(DSRC,Dedicated Short RangeCommunication)模块、车辆数据发送模块、导航模块、交通路况预测数据接收模块。
所述交通路况预测单元包括:专用短程通信(DSRC,Dedicated Short RangeCommunication)模块、交通流数据接收模块、交通流数据处理模块、交通路况预测数据发送模块。
所述车辆数据是指车辆位置、速度基本行驶数据以及路径规划数据。所述车辆位置、速度以及路径规划数据通过车载单元获取。所述路径规划数据是指车辆目的地、途径地点数据。
所述交通流数据是指通过某一地点实时预测交通流数据。所述交通路况预测数据是指根据所述交通流数据,结合通过某一地点最大交通流数据,得到的实时预测交通路况信息。比如通过某一地点最大交通流为每分钟100辆汽车,实时预测交通流为每分钟120辆汽车,则实时预测该地点交通拥堵。
本发明还提供了一种基于车路协同的交通流量预测方法,其特征在于:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于奇瑞汽车股份有限公司,未经奇瑞汽车股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510377801.4/2.html,转载请声明来源钻瓜专利网。





