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！

龙图腾网获悉吉林大学申请的专利一种面向城市智能网联混合交通流的车道级拥堵预测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：CN119964378B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202510128394.7，技术领域涉及：G08G1/01；该发明授权一种面向城市智能网联混合交通流的车道级拥堵预测方法是由宗芳;李宇暄;岳圣;唐明;吴欢;王思祺;赵昆;蒋硕设计研发完成，并于2025-02-05向国家知识产权局提交的专利申请。

本一种面向城市智能网联混合交通流的车道级拥堵预测方法在说明书摘要公布了：本发明公开了一种面向城市智能网联混合交通流的车道级拥堵预测方法。所述方法分为六个步骤，即获取智能网联车辆的瞬时位移与智能网联车辆的瞬时速度、测算非智能网联车辆的瞬时位移与非智能网联车辆的瞬时速度、计算目标车道上混合交通流平均速度、搜寻目标车道上混合交通流平均速度时间序列特征点、计算目标车道上混合交通流总紊乱并搜寻混合交通流总紊乱时间序列特征点、预测目标车道单次拥堵变化的结束时刻与该时刻混合交通流平均速度。所述方法通过建模表达路段各车道微观车辆运动状态变化对目标车道速度与拥堵演变的影响，将采集到的实时交通流数据作为模型输入，输出拥堵趋势与交通流速度的预测结果，从而达到预防和缓解拥堵的目的。

本发明授权一种面向城市智能网联混合交通流的车道级拥堵预测方法在权利要求书中公布了：1.一种面向城市智能网联混合交通流的车道级拥堵预测方法，其特征在于，包括以下步骤： 步骤一、获取智能网联车辆的瞬时位移与智能网联车辆的瞬时速度； 以数据采集区域紧邻的下游交叉口停止线与道路中心线交点为原点、拟进行拥堵预测的行车方向为X轴正方向、沿X轴正方向逆时针旋转90度为Y轴正方向建立坐标系； 通过车载或路测设备采集t为数据获取时刻，a为在t时刻经过数据采集区域的智能网联车辆编号，a＝1,2,…,mt，mt为在t时刻经过数据采集区域的智能网联车辆数，为在t时刻智能网联车辆a的瞬时位移，包括两部分，其中为t时刻智能网联车辆a的瞬时位移横坐标，为t时刻智能网联车辆a的瞬时位移纵坐标，为在t时刻智能网联车辆a的瞬时速度； 步骤二、测算非智能网联车辆的瞬时位移与非智能网联车辆的瞬时速度； b为在t时刻经过数据采集区域的非智能网联车辆编号，b＝1,2,…,nt，nt为在t时刻经过数据采集区域的非智能网联车辆数，为在t时刻非智能网联车辆b的瞬时位移，包括两部分，其中为t时刻非智能网联车辆b的瞬时位移横坐标，为t时刻非智能网联车辆b的瞬时位移纵坐标，为在t时刻非智能网联车辆b的瞬时速度； 对于在智能网联车辆感知范围内的非智能网联车辆，通过车载或路测设备采集与对于不在智能网联车辆感知范围内的非智能网联车辆，根据前后近邻的智能网联车辆的瞬时位移与前后近邻的智能网联车辆的瞬时速度估算与 其中，为与qt及Qt有关的函数，为与qt及Qt有关的函数，为qt、Qt、q′t及Q′t有关的函数；在t时刻，编号为b的非智能网联车辆前后相邻的智能网联车辆编号分别为af与ar，编号为b的非智能网联车辆左右相邻的智能网联车辆编号分别为af′与ar′；在t时刻，沿X轴方向上，智能网联车辆af与智能网联车辆ar之间的非智能网联车辆数目为Qt，非智能网联车辆b为与智能网联车辆ar近邻的第qt辆非智能网联车辆；在t时刻，沿Y轴方向上，智能网联车辆af′与智能网联车辆ar′之间的非智能网联车辆数目为Q′t，非智能网联车辆b为与智能网联车辆ar′近邻的第q′t辆非智能网联车辆；为t时刻智能网联车辆a的瞬时速度，为t时刻智能网联车辆a的瞬时位移横坐标，为t时刻智能网联车辆a的瞬时位移纵坐标；为t时刻智能网联车辆a的瞬时速度，为t时刻智能网联车辆a的瞬时位移横坐标，为t时刻智能网联车辆a的瞬时位移纵坐标，为t时刻智能网联车辆a′的瞬时速度，为t时刻智能网联车辆a′的瞬时速度； 步骤三、计算目标车道上混合交通流平均速度 为t时刻目标车道上所有智能网联车辆瞬时速度与所有非智能网联车辆瞬时速度的平均值： At为t时刻目标车道上混合交通流车辆数，即目标车道上所有智能网联车辆数m′t与所有非智能网联车辆数n′t之和，At＝m′t+n′t； 步骤四、搜寻目标车道上混合交通流平均速度时间序列特征点； 混合交通流平均速度时间序列特征点共计4类，分别定为拥堵形成起点T′1t、拥堵形成终点T2′t、拥堵消散起点T3′t与拥堵消散终点T4′t；在搜寻时，这4类混合交通流平均速度时间序列特征点时符合以下数学特征： 1拥堵形成起点T1′t为由高速波动转向单调下降的极大值点对应的时刻，其中高速波动的范围为不低于40kmh； 2拥堵形成终点T2′t为由单调下降转向低速波动的极小值点对应的时刻，其中低速波动的范围为不超过30kmh； 3拥堵消散起点T3′t为由低速波动转向单调上升的极小值点对应的时刻； 4拥堵消散终点T4′t为由单调上升转向高速波动的极大值点对应的时刻； 步骤五、计算目标车道上混合交通流总紊乱并搜寻混合交通流总紊乱时间序列特征点； 数据采集区域长度为L，拟进行拥堵预测的行车方向上的车道数为Z，目标车道编号为z0；将数据采集区域划分为Z乘K个相同大小的道路格子，计算t时刻目标车道上混合交通流总紊乱ESz0,t： 其中，z0为道路格子沿Y轴方向上的编号，z0＝1,2,…,Z，k为道路格子沿X轴方向上的编号，k＝1,2,…,K，K为单条车道上的道路格子总数，ECz0,k,t为t时刻道路格子z0,k上的混合交通流紊乱，ESz0,t为t时刻目标车道上混合交通流总紊乱，i为车辆编号，dz0,k,it为t时刻车辆i几何中心到编号为z0,k的道路格子几何中心的距离，为t时刻数据采集区域混合交通流平均车间距，vitcosδi与vjtcosδj分别为t时刻车辆i与车辆j沿方向的分速度，vitsinδi与vjtsinδj分别为t时刻车辆i与车辆j垂直于方向的分速度，为t时刻车辆i与车辆j沿方向的分位移差，G表示车辆类型，G∈{I,N}，为t时刻车辆i与车辆j垂直方向的分位移差； 混合交通流总紊乱时间序列特征点共计4类，分别为对应拥堵形成的混合交通流总紊乱增大起点T1t、对应拥堵形成的混合交通流总紊乱增大终点T2t、对应拥堵消散的混合交通流总紊乱增大起点T3t与对应拥堵消散的混合交通流总紊乱增大终点T4t；在搜寻时，这4类混合交通流总紊乱时间序列特征点时符合以下数学特征： 1对应拥堵形成的混合交通流总紊乱增大起点T1t为拥堵形成阶段ESz0,t由在低值波动开始转向显著增大的转折点对应的时刻，其中在低值波动的范围为不超过300； 2对应拥堵形成的混合交通流总紊乱增大终点T2t为拥堵形成阶段ESz0,t结束显著增大并转向在低值波动的转折点对应的时刻； 3对应拥堵消散的混合交通流总紊乱增大起点T3t为拥堵消散阶段ESz0,t由在低值波动开始转向显著增大的转折点对应的时刻； 4对应拥堵消散的混合交通流总紊乱增大终点T4t为拥堵消散阶段ESz0,t结束显著增大并转向在低值波动的转折点对应的时刻； 步骤六、预测目标车道单次拥堵变化的结束时刻Ta′与Ta′时刻的混合交通流平均速度 ESz0,t变化开始时刻Tp包括T1t与T3t；ESz0,t变化结束时刻Ta包括T2t与T4t；目标车道拥堵变化开始时刻Tp′包括T1′t与T3′t；目标车道拥堵变化结束时刻Ta′包括T2′t与T4′t； 拥堵变化开始时刻对应的混合交通流平均速度包括拥堵形成起点对应的混合交通流平均速度与拥堵消散起点对应的混合交通流平均速度拥堵变化结束时刻对应的混合交通流平均速度包括拥堵形成终点对应的混合交通流平均速度与拥堵消散终点对应的混合交通流平均速度 通过观测Tp、Tp′、Ta、及计算各时刻ESz,t求解T2′t与T4′t： 其中cw与cw′为多项式系数，w＝0,1,2,3,4；ΔESz0,t为t时刻ESz0,t相较于上一时刻的变化量，ΔESz0,t＝ESz0,t-ESz0,t-1；s为混合交通流平均速度在单调区间[Tp′,Ta′]上的斜率。

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吉林大学，其通讯地址为：130012 吉林省长春市长春高新技术产业开发区前进大街2699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。