买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉威海北洋电气集团股份有限公司;山东新北洋信息技术股份有限公司申请的专利基于车流量监测的道路交通多向动态管控方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116580574B 。

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310374168.8，技术领域涉及：G08G1/08；该发明授权基于车流量监测的道路交通多向动态管控方法是由曲媛媛;韩朝晖;秦宇;刘丙庆;陶鹏;秦志亮;张中凯;李莹莹设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本基于车流量监测的道路交通多向动态管控方法在说明书摘要公布了：本发明涉及交通动态管控技术领域，具体的说是一种能够根据道路交通运行状态，动态调整道路交通管控措施，进而提升通行效率、降低交通能耗的基于车流量监测的道路交通多向动态管控方法，针对现有技术中存在的缺点和不足，提出一种能够对交通流量数据实时进行监测、预测，然后将交通流量数据多维度转换为矩阵、坐标数据模型，并由人工智能算法进行分析处理，进而高效、精准输出红绿灯管控策略，从而有效提升交通管控能力的基于车流量监测的对大车流进行多方向动态管控的方法；与现有技术相比，通过对视频、图片、雷达信号等实时交通数据进行降维重构，大幅度缩减了交通数据的存储容量、存储成本，提升了数据的处理效率。

本发明授权基于车流量监测的道路交通多向动态管控方法在权利要求书中公布了：1.一种基于车流量监测的道路交通多向动态管控方法，其特征在于，包括以下步骤： 步骤1：构建交通路口区域模型：以路口停车线和停车线的延伸线为界，将交通路口中心交叉区域设定为管控区，将多个方向的道路延伸区域设定为监控区；在各个监控区内将由监控区向管控区流出数据的区域设定为out区，将由管控区向监控区流入数据的区域设定为in区； 步骤2：对步骤1中建立的交通路口区域模型进行通行路径规划：以上一路口监控区的各个out区为起点，按左行、直行、右行三个方向与本路口out区做联通，构建本路口out区与上一路口out区的联通关系图；当本路口存在特殊车辆时，可重新构建其他联通关系图联合使用； 步骤3：数据获取及指标提取：对本交通路口out区及上一个或下N个，交通路管控区和多个方向的out区按K个区域实时采集车况的视频、图片、雷达信号信息，获取原始数据进行存储及使用，N≥1，K≥1，K的取值取决于out区总长度及区域切片长度；然后，对车辆特征、车辆位置、车辆运动状况进行检测、追踪并提取特征信息指标，将提取的特征信息指标按mi*ni矩阵进行数据特征存储及使用，0＜i≤K；随后，对存储的数据特征进一步进行数据分析指标提取，具体包括K个区域内各个行进方向上的车辆数量及位置、K个区域内的车辆密度、车辆流入累计量、车辆流出累计量，所述K个区域内各个行进方向上的车辆包括在途车辆和待行车辆； 步骤4：对本路口交通状态进行大车流判断，其中包括上路口多方向流出大车流的判断以及本路口已有大车流的判断； 步骤5：预测本路口已有大车流的通行时间： 步骤5-1：预测本路口待行车辆通行时间：通过数据集训练获取待放行车流放行时间曲线，首先，获取车辆数量及通过时间数据集，设车辆数量为x，车辆通过时间为y，获取的样本组数为Q，则第i组样本记为xi,yi；其次，设车辆通过时间为gx，对gx进行求取，有以下两种实现方式： 1计算每个车辆数量x下样本的平均通过时间或加权平均通过时间，作为车辆通过时间的预测值，或利用梯度下降的方法确定预测值，达到减小预测误差的目的，最终获得计算误差为R，然后，进行误差的修正，设置误差阈值为Rth，当RRth时，计算结束，当RRth时，计算xi单点的误差，设为ri＝gxi-yi，设置单点误差阈值为rth，当rirth时，此点作为有效数据，当rirth时，此点作为异常值剔除，不参与计算过程； 2对车辆通过时间进行公式化求取，获得车辆通过时间预测函数gx，gx既可为分段函数，也可为不分段函数，每段内gx的多项式拟合公式为： gx；α0,α2,…,αn＝α0xn+α1xn-1+α2xn-2+…+αn 将K组样本的xi带入公式，设拟合误差为通过计算预测函数与真实yi间的误差，使得误差达到最小，来确定参数集α0,α1,…,αn；然后，进行拟合误差修正，设置误差阈值为Rth，当RRth时，拟合结束，当RRth时，计算xi单点的误差，设为ri＝gxi；α0,α1,…,αn-yi，设置单点误差阈值为rth，当rirth时，此点作为有效数据继续下一轮拟合，当rirth时，此点作为异常值剔除，不参与下一轮拟合过程； 步骤5-2：计算大车流放行时刻对应的位置：通过步骤4得到的待行车辆记为Nawait，在途车辆记为Nonwayl，对当前待放行车流放行时间进行预测，预测结果为gNawait，然后在已知在途车流速度vonway的前提下，根据放行时间进行大车流距离阈值的求取，大车流距离阈值即为大车流放行时刻的位置，根据通过时间，设立时间恒等式： 其中，δ为允许的时间误差项，tawait 为待放行车流通过监控区所需时间， tonway为在途车流到达监控区与管控区边界的时间； 得到在途车流的距离阈值Lonway： 步骤5-3：求取大车流放行时间及放行时刻： 在本区域达到优先放行的条件下，根据在在途大车流、其它在途车辆和待放行车辆的情况，确定最优通行时间及放行时刻，此时间与时刻允许有一定误差，可根据实际进行时间的调整，当大车流前方无其他在途车辆和待放行车辆时，放行时刻为大车流到达停车线的时刻；当大车流前方存在在途车辆或待放行车辆时，放行时刻为大车流到达距离阈值Lonway的时刻，放行时间Tf计算如下： Tf＝gNawait+Nonwayl+δ+hNonway|vonway+γ,其中，hNonway|vonway为在速度vonway下Nonway 车辆的通行时间预测结果， δ、γ为时间预留项； 步骤6：上路口多方向流出大车流预测： 步骤6-1：判断车辆流出累计量是否构成大车流，通过上个路口多方向车辆特征矩阵，计算OUT区的车辆流出累计量数据，通过管控区车辆位置矩阵，计算管控区车辆密度，设置密度阈值为N6，车辆流出累计量阈值为N7，当密度超过阈值且OUT区车辆流出累计量也超过阈值时，根据本路口OUT区长度及车流速度，求取此大车流预计到达本路口停车线的时间，输出可能存在大车流的信号及时间，否则，继续下一步骤； 步骤6-2：判断待放行车辆是否构成大车流，通过上个路口多方向OUT区的车辆特征矩阵及步骤2的联通关系图，获取监控区内行驶方向及各个方向上的待行车辆数，设置阈值N8，判断各方向上的待行车辆及不同方向上累计的待行车辆是否构成大车流，当待行数量大于设定阈值时，根据本路口OUT区长度及车流速度，求取当绿灯放行时，此大车流预计到达本路口停车线的时间，输出可能存在大车流的信号及时间，否则，继续下一步骤； 步骤6-3：判断在途车辆与待放行车辆总计是否构成大车流，通过上个路口多方向OUT区的车辆特征矩阵，获取监控区内的待行车辆数及指定区域内的在途车辆数量，设置阈值N9，判断总数是否构成大车流，当大于设定阈值时，根据本路口OUT区长度及车流速度，求取当绿灯放行时，此大车流预计到达本路口停车线的时间，输出可能存在大车流的信号及时间，否则，继续下一步骤； 步骤6-4：判断是否存在在途大车流，通过上个路口多方向OUT区的车辆特征矩阵，利用步骤4-3中方法，输出每个方向上可能存在大车流的信号及所在位置，并根据本路口OUT区长度及车流速度，输出此大车流预计到达本路口停车线的时间，否则，则放弃大车流的跟踪，认为上个路口未存在多方向流出的大车流； 步骤7：输出对大车流的精准管控： 步骤7-1：根据本路口汇入大车流预测和本路口现有车辆数检测结果，实施精准管控，若通过步骤4预测到本路口汇入大车流或检测到本路口现有大车流，则通过步骤5中方法，确定大车流的放行时刻即开绿灯的时刻及放行时间， 步骤7-2：根据上路口多方向流出大车流预测结果，实施精准管控，当本路口未预测到大车流时，若通过步骤6预测到上路口多方向流出车辆可形成大车流，则结合上路口信号灯放行时刻及本路段OUT区长度、速度，预测大车流到达本路口停车线的时间，实施本路口管控，大车流到达停车线后的放行时间需根据本路口检测的大车流最终车辆数确定；当上路口多方向流出大车流，本路口也同时检测出有大车流时，优先考虑本路口大车流的通行，以确定大车流的放行时刻，即开绿灯的时刻，及放行时间。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人威海北洋电气集团股份有限公司;山东新北洋信息技术股份有限公司，其通讯地址为：264200 山东省威海市环翠区高技区火炬路159号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。