[go: up one dir, main page]

CN116110228B - 一种基于区块链的城市交通快速化引导系统 - Google Patents

一种基于区块链的城市交通快速化引导系统 Download PDF

Info

Publication number
CN116110228B
CN116110228B CN202310354008.7A CN202310354008A CN116110228B CN 116110228 B CN116110228 B CN 116110228B CN 202310354008 A CN202310354008 A CN 202310354008A CN 116110228 B CN116110228 B CN 116110228B
Authority
CN
China
Prior art keywords
traffic
vehicle
module
guidance
blockchain
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310354008.7A
Other languages
English (en)
Other versions
CN116110228A (zh
Inventor
徐双
张烁
续敏
张灵敏
李庆龙
赵美楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qilu Yunshang Digital Technology Co ltd
Original Assignee
Qilu Yunshang Digital Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qilu Yunshang Digital Technology Co ltd filed Critical Qilu Yunshang Digital Technology Co ltd
Priority to CN202310354008.7A priority Critical patent/CN116110228B/zh
Publication of CN116110228A publication Critical patent/CN116110228A/zh
Application granted granted Critical
Publication of CN116110228B publication Critical patent/CN116110228B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Remote Sensing (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及道路车辆的交通控制系统领域，尤其为一种基于区块链的城市交通快速化引导系统，包括：数据采集模块：用于采集路口车辆流通数据信息；区块链搭建模块：用于根据路口车辆流通数据信息划分区块链；数据分析模块：用于通过搭建引导模型对城市交通进行交通引导分析；交通引导模块：根据数据分析模块获取的分析结果进行交通引导。本发明通过区块链进行划分，各区域中心的节点对划分的区域中存在交通拥挤状况的区域的交通状况进行分析和引导，在对城市交通以延误时间最短为目标进行快速引导的同时，监测影响交通的因素，通过连接车联网和交管系统，对监测的异常情况进行引导和处理，以快速恢复城市交通的正常状态。

Description

一种基于区块链的城市交通快速化引导系统
技术领域
本发明涉及道路车辆的交通控制系统领域，尤其是一种基于区块链的城市交通快速化引导系统。
背景技术
城市交通信号协调控制是提升干线通行效率的重要手段，但由于道路、交通条件的复杂多样性，干线协调控制仍然存在诸多问题。
现有公开号为CN115527372A的系统中，基于大量的路口车流数据对每个路口进行特征分析，得到该路口在各个时段内的特征参数，基于特征参数以及实时数据对路口进行拥堵性预测，其计算过程耗费时间较长，且对于突发情况缺乏引导和处理方法。故本发明提出一种基于区块链的城市交通快速化引导系统，在对城市交通以延误时间最短为目标进行快速引导的同时，监测影响交通的因素，通过连接车联网和交管系统，对监测的异常情况进行引导和处理，以快速恢复城市交通的正常状态。
发明内容
本发明的目的是通过提出一种基于区块链的城市交通快速化引导系统，以解决上述背景技术中提出的缺陷。
本发明采用的技术方案如下：
提供一种基于区块链的城市交通快速化引导系统，包括：
数据采集模块：用于采集路口车辆流通数据信息；
区块链搭建模块：用于根据路口车辆流通数据信息划分区块链；
数据分析模块：用于通过搭建引导模型对城市交通进行交通引导分析；
交通引导模块：根据数据分析模块获取的分析结果进行交通引导。
作为本发明的一种优选技术方案：所述数据采集模块通过路口摄像头采集车辆流通数据信息图像，并在采集的车辆流通数据信息图的特征图上设置固定尺寸和比例的候选框对车辆进行识别。
作为本发明的一种优选技术方案：所述区块链搭建模块基于城市道路框架与路口车辆流通数据信息，搭建引入去中心化结构的区块链。
作为本发明的一种优选技术方案：所述区块链将城市划分为多个区域，将区域内的车辆流通数据信息存储在各区域中心的节点中，每个节点对出现交通拥堵的区域通过数据分析模块进行交通引导分析，并通过交通引导模块进行引导。
作为本发明的一种优选技术方案：所述区块链中，通过对连续M帧图像进行判断，信号周期阈值结束后，正常行驶车辆仍未通过红绿灯时，判断存在交通拥堵情况。
作为本发明的一种优选技术方案：所述数据采集模块对采集发生交通事故的图像通过区块链搭建模块搭建的区块链上传至交通事故区域所属的交警支队。
作为本发明的一种优选技术方案：所述数据分析模块通过搭建引导模型，将Pareto排序机制和粒子群算法相结合，引入混合多样性策略支配解的排序进行车辆引导寻优。
作为本发明的一种优选技术方案：所述引导模型如下：搭建车速引导下的延误模型，每一辆车的延误
Figure SMS_1
表示为：
Figure SMS_2
；
其中，
Figure SMS_3
为引导条件下车辆k在路段/>
Figure SMS_4
的实际行驶时间，/>
Figure SMS_5
为车辆以自由流速度通过交叉口的时间，/>
Figure SMS_6
为交叉口i至交叉口j的距离，/>
Figure SMS_7
为车辆k的实际引导速度，/>
Figure SMS_8
为车辆的自由流速度；
停车次数：
Figure SMS_9
；
Figure SMS_10
；
Figure SMS_11
；
其中，β为绿信比，y为流量比，
Figure SMS_12
为信号周期下的车辆到达率，/>
Figure SMS_13
为不饱和状态下的平均过剩滞留排队长度，e为数学常量，s为饱和流率，q为车辆到达率，ε为饱和度；
构建如下的目标函数A和B：
Figure SMS_14
；
其中，N为交叉口i协调方向通过车辆数，m为交叉口协调方向进口车道数，
Figure SMS_15
为交叉口i协调方向车道/>
Figure SMS_16
的平均停车次数。
作为本发明的一种优选技术方案：所述车辆引导寻优的步骤如下：
S1：随机生成Ｍ个粒子，并将其存储于位置
Figure SMS_17
中，将粒子的个体最优位置/>
Figure SMS_18
设置为当前位置/>
Figure SMS_19
，设初始非支配解集/>
Figure SMS_20
，并给定非支配解集的规模A，令迭代次数K=0；
S2：将
Figure SMS_21
中的非支配解集更新到/>
Figure SMS_22
中，并依据混合多样性策略对/>
Figure SMS_23
排序，形成/>
Figure SMS_24
，令/>
Figure SMS_25
；令K=K+1，开始循环迭代；
S3：通过更新粒子的速度
Figure SMS_27
和位置/>
Figure SMS_30
，获取更新后粒子的个体最优位置/>
Figure SMS_34
和全局最优解/>
Figure SMS_26
，其中粒子/>
Figure SMS_29
的全局最优解/>
Figure SMS_33
是在前20%的非支配解中随机取值，将产生的子代种群/>
Figure SMS_35
与/>
Figure SMS_28
合并，并将其存储于/>
Figure SMS_31
中，此时/>
Figure SMS_32
中存在2Ｍ个粒子；
S4：依据混合多样性策略对
Figure SMS_36
进行排序，选取前Ｍ个粒子组成的下一代种群
Figure SMS_37
，更新/>
Figure SMS_38
中各粒子的位置/>
Figure SMS_39
，并将/>
Figure SMS_40
中的非支配解更新到/>
Figure SMS_41
中；
S5：对
Figure SMS_42
进行局部搜索，删除其中的被支配解，依据混合多样性策略对/>
Figure SMS_43
进行排序；若/>
Figure SMS_44
，则取前/>
Figure SMS_45
个粒子来构成/>
Figure SMS_46
；否则，/>
Figure SMS_47
；
S6：若达到最大迭代次数
Figure SMS_48
，优化结束，输出/>
Figure SMS_49
的支配解；否则，返回S3继续迭代。
作为本发明的一种优选技术方案：所述交通引导模块连接车联网系统，通过对影响城市交通的车辆进行智能识别，并联系所述影响城市交通的车辆的车主进行挪车。
本发明提供的基于区块链的城市交通快速化引导系统，与现有技术相比，其有益效果有：
本发明通过区块链进行划分，各区域中心的节点对划分的区域中存在交通拥挤状况的区域的交通状况进行分析和引导，在对城市交通以延误时间最短为目标进行快速引导的同时，监测影响交通的因素，通过连接车联网和交管系统，对监测的异常情况进行引导和处理，以快速恢复城市交通的正常状态。
附图说明
图1为本发明优选实施例的系统框图。
图中各个标记的意义为：100、数据采集模块；200、区块链搭建模块；300、数据分析模块；400、交通引导模块。
具体实施方式
需要说明的是，在不冲突的情况下，本实施例中的实施例及实施例中的特征可以相互组合，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，本发明优选实施例提供了一种基于区块链的城市交通快速化引导系统，包括：
数据采集模块100：用于采集路口车辆流通数据信息；
区块链搭建模块200：用于根据路口车辆流通数据信息划分区块链；
数据分析模块300：用于通过搭建引导模型对城市交通进行交通引导分析；
交通引导模块400：根据数据分析模块300获取的分析结果进行交通引导。
所述数据采集模块100通过路口摄像头采集车辆流通数据信息图像，并在采集的车辆流通数据信息图的特征图上设置固定尺寸和比例的候选框对车辆进行识别。
所述区块链搭建模块200基于城市道路框架与路口车辆流通数据信息，搭建引入去中心化结构的区块链。
所述区块链将城市划分为多个区域，将区域内的车辆流通数据信息存储在各区域的中心节点中，每个节点对出现交通拥堵的区域通过数据分析模块进行交通引导分析，并通过交通引导模块进行引导。
所述区块链中，通过对连续M帧图像进行判断，信号周期阈值结束后，正常行驶车辆仍未通过红绿灯时，判断存在交通拥堵情况。
所述数据采集模块100对采集发生交通事故的图像通过区块链搭建模块200搭建的区块链上传至交通事故区域所属的交警支队。
所述数据分析模块300通过搭建引导模型，将Pareto排序机制和粒子群算法相结合，引入混合多样性策略支配解的排序进行车辆引导寻优。
所述引导模型如下：搭建车速引导下的延误模型，每一辆车的延误
Figure SMS_50
表示为：
Figure SMS_51
；
其中，
Figure SMS_52
为引导条件下车辆k在路段/>
Figure SMS_53
的实际行驶时间，/>
Figure SMS_54
为车辆以自由流速度通过交叉口的时间，/>
Figure SMS_55
为交叉口i至交叉口j的距离，/>
Figure SMS_56
为车辆k的实际引导速度，/>
Figure SMS_57
为车辆的自由流速度；
停车次数：
Figure SMS_58
；
Figure SMS_59
；
Figure SMS_60
；
其中，β为绿信比，y为流量比，
Figure SMS_61
为信号周期下的车辆到达率，/>
Figure SMS_62
为不饱和状态下的平均过剩滞留排队长度，e为数学常量，s为饱和流率，q为车辆到达率，ε为饱和度；
本实施例中，交通流量和饱和度是固定的，但实际情况中，交通拥堵的情况可能会发生动态变化，例如交通事故、特殊活动等等。因此，考虑将交通拥堵的动态变化考虑在内。根据实时交通状态来调整绿信比、流量比等参数，以更好地适应交通拥堵的情况，其实施为结合实时更新交通状态的方式，引入新的参数来动态调整绿信比和流量比。具体来说，发明人根据实时交通状态来计算动态绿信比和动态流量比，以更好地适应交通拥堵的情况。具体如下：
动态绿信比：
Figure SMS_63
，其中，/>
Figure SMS_64
为动态绿信比，/>
Figure SMS_65
为基础绿信比，/>
Figure SMS_66
为交通状态因子，表示交通拥堵程度的变化。
动态流量比：
Figure SMS_67
，其中，/>
Figure SMS_68
为动态流量比，/>
Figure SMS_69
为基础流量比，/>
Figure SMS_70
为交通状态因子，表示交通拥堵程度的变化。
交通状态因子采用实时交通数据进行计算，具体根据路段车辆数量、车速、路面状况等信息，计算交通状态因子。具体来说，有以下几种方式：
1. 车辆平均速度：根据车辆平均速度来计算交通状态因子，速度越慢，交通状态因子越大。
2. 路段拥堵程度：根据路段车辆数量和路面状况来计算交通状态因子，车辆数量越多，路面状况越糟，交通状态因子越大。
3. 路段通过时间：根据路段通过时间来计算交通状态因子，通过时间越长，交通状态因子越大。
基于以上交通状态因子，可以利用以下公式来计算动态绿信比和动态流量比：
Figure SMS_71
，其中，/>
Figure SMS_72
为车辆平均速度，/>
Figure SMS_73
为路段车辆数量，/>
Figure SMS_74
为路段通过时间，α、β、γ为权重系数。
以上公式中，权重系数可以通过数据训练来确定。同时，需要注意的是，交通状态因子计算的精度和实时性对优化结果有较大的影响，因此需要选择合适的传感器和监控设备，并采用高效的数据处理算法来提高计算精度和实时性。
构建如下的目标函数A和B，其中目标函数A是交叉口的平均延误，目标函数B是交叉口协调方向车道的平均停车次数；
Figure SMS_75
；
其中，N为交叉口i协调方向通过车辆数，m为交叉口协调方向进口车道数，
Figure SMS_76
为交叉口i协调方向车道/>
Figure SMS_77
的平均停车次数。
所述车辆引导寻优的步骤如下：
S1：随机生成Ｍ个粒子，并将其存储于位置
Figure SMS_78
中，将粒子的个体最优位置/>
Figure SMS_79
设置为当前位置/>
Figure SMS_80
，设初始非支配解集/>
Figure SMS_81
，并给定非支配解集的规模A，令迭代次数K=0；
S2：将
Figure SMS_82
中的非支配解集更新到/>
Figure SMS_83
中，并依据混合多样性策略对/>
Figure SMS_84
排序，形成/>
Figure SMS_85
，令/>
Figure SMS_86
；令K=K+1，开始循环迭代；
S3：通过更新粒子的速度
Figure SMS_87
和位置/>
Figure SMS_90
，获取更新后粒子的个体最优位置/>
Figure SMS_95
和全局最优解/>
Figure SMS_88
，其中粒子/>
Figure SMS_92
的全局最优解/>
Figure SMS_93
是在前20%的非支配解中随机取值，将产生的子代种群/>
Figure SMS_96
与/>
Figure SMS_89
合并，并将其存储于/>
Figure SMS_91
中，此时/>
Figure SMS_94
中存在2Ｍ个粒子；
S4：依据混合多样性策略对
Figure SMS_97
进行排序，选取前Ｍ个粒子组成的下一代种群
Figure SMS_98
，更新/>
Figure SMS_99
中各粒子的位置/>
Figure SMS_100
，并将/>
Figure SMS_101
中的非支配解更新到/>
Figure SMS_102
中；
S5：对
Figure SMS_103
进行局部搜索，删除其中的被支配解，依据混合多样性策略对/>
Figure SMS_104
进行排序；若/>
Figure SMS_105
，则取前/>
Figure SMS_106
个粒子来构成/>
Figure SMS_107
；否则，/>
Figure SMS_108
；
S6：若达到最大迭代次数
Figure SMS_109
，优化结束，输出/>
Figure SMS_110
的支配解；否则，返回S3继续迭代。
所述交通引导模块400连接车联网系统，通过对影响城市交通的车辆进行智能识别，并联系所述影响城市交通的车辆的车主进行挪车。
本实施例中，数据采集模块通过各路口监控摄像头采集各路口的交通图像，并对采集的交通图像进行识别处理，对于识别出现交通事故时，通过区块链搭建模块200搭建的区块链将交通事故图像上传至事故地点所在区域的交警支队及时进行处理。区块链中，通过对车辆的路口通过情况进行监测，当多辆行驶车辆在两个信号周期仍未通过路口时，判断可能出现交通拥堵现象，将该区域的车辆流通数据上传至数据分析模块300进行交通引导分析。
数据分析模块300搭建车速引导下的延误模型，设路段
Figure SMS_111
，每一辆车的延误表示为：
Figure SMS_112
；
其中，
Figure SMS_113
为车辆k的实际引导速度，/>
Figure SMS_114
为车辆的自由流速度；
设
Figure SMS_115
，/>
Figure SMS_116
，得到车辆的停车次数：
Figure SMS_117
；
其中，
Figure SMS_118
为信号周期下的车辆到达率，/>
Figure SMS_119
为不饱和状态下的平均过剩滞留排队长度，e为数学常量，s为饱和流率，q为车辆到达率，ε为饱和度；
以车辆延误时间最短、停车次数最少为目标分别构建上行车道和下行车道的目标函数A和B，设路口内上行方向和下行方向均堵车，且车道数均为6：
Figure SMS_120
；
其中，
Figure SMS_121
和/>
Figure SMS_122
分别为交叉口i的上行方向和下行方向通过的车辆数，m为交叉口协调方向进口车道数，/>
Figure SMS_123
为交叉口i协调方向车道/>
Figure SMS_124
的平均停车次数；
通过初始化、非支配解集更新排序、粒子最优更新、非劣解集更新、局部搜索和判断是否满足算法终止条件六个步骤对目标函数A和B进行引导寻优，生成最佳的交通引导方案，经由交通引导模块400对城市交通进行快速引导。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (8)

1.一种基于区块链的城市交通快速化引导系统，其特征在于：包括：
数据采集模块（100）：用于采集路口车辆流通数据信息；
区块链搭建模块（200）：用于根据路口车辆流通数据信息划分区块链；
数据分析模块（300）：用于通过搭建引导模型对城市交通进行交通引导分析；
交通引导模块（400）：根据数据分析模块（300）获取的分析结果进行交通引导；
所述数据分析模块（300）通过搭建引导模型，将Pareto排序机制和粒子群算法相结合，引入混合多样性策略支配解的排序进行车辆引导寻优；
所述引导模型如下：搭建车速引导下的延误模型，每一辆车的延误
Figure QLYQS_1
表示为：
Figure QLYQS_2
；
其中，
Figure QLYQS_3
为引导条件下车辆k在路段/>
Figure QLYQS_7
的实际行驶时间，/>
Figure QLYQS_8
为车辆以自由流速度通过交叉口的时间，/>
Figure QLYQS_4
为交叉口/>
Figure QLYQS_6
至交叉口/>
Figure QLYQS_9
的距离，/>
Figure QLYQS_10
为车辆k的实际引导速度，/>
Figure QLYQS_5
为车辆的自由流速度；
停车次数：
Figure QLYQS_11
；
Figure QLYQS_12
；
Figure QLYQS_13
；
其中，
Figure QLYQS_15
为绿信比，/>
Figure QLYQS_18
为流量比，/>
Figure QLYQS_19
为信号周期下的车辆到达率，/>
Figure QLYQS_16
为不饱和状态下的平均过剩滞留排队长度，/>
Figure QLYQS_17
为数学常量，/>
Figure QLYQS_20
为饱和流率，/>
Figure QLYQS_21
为车辆到达率，/>
Figure QLYQS_14
为饱和度；
构建如下的目标函数
Figure QLYQS_22
和/>
Figure QLYQS_23
：
Figure QLYQS_24
；
其中，
Figure QLYQS_25
为交叉口/>
Figure QLYQS_26
协调方向通过车辆数，/>
Figure QLYQS_27
为交叉口协调方向进口车道数，/>
Figure QLYQS_28
为交叉口/>
Figure QLYQS_29
协调方向车道/>
Figure QLYQS_30
的平均停车次数。
2.根据权利要求1所述的基于区块链的城市交通快速化引导系统，其特征在于：所述数据采集模块（100）通过路口摄像头采集车辆流通数据信息图像，并在采集的车辆流通数据信息图的特征图上设置固定尺寸和比例的候选框对车辆进行识别。
3.根据权利要求2所述的基于区块链的城市交通快速化引导系统，其特征在于：所述区块链搭建模块（200）基于城市道路框架与路口车辆流通数据信息，搭建引入去中心化结构的区块链。
4.根据权利要求3所述的基于区块链的城市交通快速化引导系统，其特征在于：所述区块链将城市划分为多个区域，将区域内的车辆流通数据信息存储在各区域中心的节点中，每个节点对出现交通拥堵的区域通过数据分析模块进行交通引导分析，并通过交通引导模块进行引导。
5.根据权利要求4所述的基于区块链的城市交通快速化引导系统，其特征在于：所述区块链中，通过对连续M帧图像进行判断，信号周期阈值结束后，正常行驶车辆仍未通过红绿灯时，判断存在交通拥堵情况。
6.根据权利要求5所述的基于区块链的城市交通快速化引导系统，其特征在于：所述数据采集模块（100）对采集发生交通事故的图像通过区块链搭建模块（200）搭建的区块链上传至交通事故区域所属的交警支队。
7.根据权利要求1所述的基于区块链的城市交通快速化引导系统，其特征在于：所述车辆引导寻优的步骤如下：
S1：随机生成Ｍ个粒子，并将其存储于位置
Figure QLYQS_31
中，将粒子的个体最优位置/>
Figure QLYQS_32
设置为当前位置/>
Figure QLYQS_33
，设初始非支配解集/>
Figure QLYQS_34
，并给定非支配解集的规模Ａ，令迭代次数/>
Figure QLYQS_35
；
S2：将
Figure QLYQS_36
中的非支配解集更新到/>
Figure QLYQS_37
中，并依据混合多样性策略对/>
Figure QLYQS_38
排序，形成/>
Figure QLYQS_39
，令
Figure QLYQS_40
＝/>
Figure QLYQS_41
；令/>
Figure QLYQS_42
，开始循环迭代；
S3：通过更新粒子的速度
Figure QLYQS_43
和位置/>
Figure QLYQS_46
，获取更新后粒子的个体最优位置/>
Figure QLYQS_49
和全局最优解/>
Figure QLYQS_45
，其中粒子/>
Figure QLYQS_48
的全局最优解/>
Figure QLYQS_50
是在前20%的非支配解中随机取值，将产生的子代种群/>
Figure QLYQS_52
与/>
Figure QLYQS_44
合并，并将其存储于/>
Figure QLYQS_47
中，此时/>
Figure QLYQS_51
中存在2Ｍ个粒子；
S4：依据混合多样性策略对
Figure QLYQS_53
进行排序，选取前Ｍ个粒子组成的下一代种群/>
Figure QLYQS_54
，更新/>
Figure QLYQS_55
中各粒子的位置/>
Figure QLYQS_56
，并将/>
Figure QLYQS_57
中的非支配解更新到/>
Figure QLYQS_58
中；
S5：对
Figure QLYQS_59
进行局部搜索，删除其中的被支配解，依据混合多样性策略对/>
Figure QLYQS_60
进行排序；若/>
Figure QLYQS_61
，则取前/>
Figure QLYQS_62
个粒子来构成/>
Figure QLYQS_63
；否则，/>
Figure QLYQS_64
；
S6：若达到最大迭代次数
Figure QLYQS_65
，优化结束，输出/>
Figure QLYQS_66
的支配解；否则，返回S3继续迭代。
8.根据权利要求1所述的基于区块链的城市交通快速化引导系统，其特征在于：所述交通引导模块（400）连接车联网系统，通过对影响城市交通的车辆进行智能识别，并联系所述影响城市交通的车辆的车主进行挪车。
CN202310354008.7A 2023-04-06 2023-04-06 一种基于区块链的城市交通快速化引导系统 Active CN116110228B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310354008.7A CN116110228B (zh) 2023-04-06 2023-04-06 一种基于区块链的城市交通快速化引导系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310354008.7A CN116110228B (zh) 2023-04-06 2023-04-06 一种基于区块链的城市交通快速化引导系统

Publications (2)

Publication Number Publication Date
CN116110228A CN116110228A (zh) 2023-05-12
CN116110228B true CN116110228B (zh) 2023-07-07

Family

ID=86267513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310354008.7A Active CN116110228B (zh) 2023-04-06 2023-04-06 一种基于区块链的城市交通快速化引导系统

Country Status (1)

Country Link
CN (1) CN116110228B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020192120A1 (zh) * 2019-03-27 2020-10-01 江苏智通交通科技有限公司 一种基于出行结构的城市路网诱导方案发布方法和系统
CN112418081A (zh) * 2020-11-20 2021-02-26 南京森林警察学院 一种空地联合快速勘察交通事故的方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2510432C (en) * 2002-12-20 2011-02-22 Union Switch & Signal, Inc. Dynamic optimizing traffic planning method and system
CN105809958A (zh) * 2016-03-29 2016-07-27 中国科学院深圳先进技术研究院 一种基于交叉口群的交通控制方法及系统
US10102265B1 (en) * 2017-04-12 2018-10-16 Vijay K. Madisetti Method and system for tuning blockchain scalability for fast and low-cost payment and transaction processing
CN109887274A (zh) * 2019-01-23 2019-06-14 南京邮电大学 一种基于车辆平均延误的区域交通协调优化控制系统和方法
CN113190653B (zh) * 2021-04-30 2023-11-28 南京慧链和信数字信息科技研究院有限公司 一种基于区块链的交通数据监测系统
CN113963553A (zh) * 2021-10-20 2022-01-21 西安工业大学 一种道路交叉口信号灯绿信比控制方法、装置和设备
CN114743396B (zh) * 2022-03-29 2023-04-28 江苏拓邮信息智能技术研究院有限公司 基于粒子群优化算法的交通诱导调度系统及其调度方法
CN115577858B (zh) * 2022-11-21 2023-04-07 山东能源数智云科技有限公司 基于区块链的碳排放量预测方法、装置及电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020192120A1 (zh) * 2019-03-27 2020-10-01 江苏智通交通科技有限公司 一种基于出行结构的城市路网诱导方案发布方法和系统
CN112418081A (zh) * 2020-11-20 2021-02-26 南京森林警察学院 一种空地联合快速勘察交通事故的方法及系统

Also Published As

Publication number Publication date
CN116110228A (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN113096416B (zh) 用于高速公路上合流区的自动驾驶专用车道与通用车道可变限速的动态协同管控方法
CN110414365B (zh) 基于社会力模型的过街行人轨迹预测方法、系统及介质
US11069233B1 (en) Video-based main road cooperative signal machine control method
CN111951549B (zh) 在网联车辆环境下的自适应交通信号灯控制方法及系统
US10699568B1 (en) Video-based crossroad signal machine control method
CN105390000A (zh) 一种基于路况交通大数据的交通信号控制系统及方法
CN104134349A (zh) 一种基于交通多源数据融合的公交路况处理系统及方法
CN113096418B (zh) 交通网红绿灯控制方法、系统及计算机可读存储介质
CN105096643A (zh) 基于多线路前车运行数据的实时公交到站时间预测方法
CN114969626B (zh) 一种混合交通流车队强度计算及基本图模型构建方法
CN110718077B (zh) 一种行动-评价机制下信号灯优化配时方法
CN110276964A (zh) 一种智能调节交通灯时间的方法
CN112926768B (zh) 基于时空注意力机制的地面道路车道级交通流预测方法
CN112542049A (zh) 智慧交通综合管控平台
CN116110228B (zh) 一种基于区块链的城市交通快速化引导系统
CN115188204B (zh) 一种异常天气条件下高速公路车道级可变限速控制方法
CN113706860B (zh) 一种基于树莓派智能配时交通信号灯控制方法
CN118262302B (zh) 一种基于双目识别的5g智能道闸管理方法及系统
CN112562336A (zh) 一种交叉路口交通信号时长的实时动态调配方法及系统
CN117037481A (zh) 一种高速公路路网可视化监控管理系统
CN113284338B (zh) 机动车紧急避让无灯控人行横道对交通流影响的计算方法
CN116631176A (zh) 站点客流分布状态的控制方法及系统
CN115662134A (zh) 基于主动管控的城市功能区快速路时空资源动态配置方法
CN114333359A (zh) 基于人工智能的自适应交通信号灯控制方法及系统
CN116153112B (zh) 一种智慧交通与柔性车道调控方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant