CN101950483B - 交通数据故障的修复方法及装置 - Google Patents
交通数据故障的修复方法及装置 Download PDFInfo
- Publication number
- CN101950483B CN101950483B CN 201010288050 CN201010288050A CN101950483B CN 101950483 B CN101950483 B CN 101950483B CN 201010288050 CN201010288050 CN 201010288050 CN 201010288050 A CN201010288050 A CN 201010288050A CN 101950483 B CN101950483 B CN 101950483B
- Authority
- CN
- China
- Prior art keywords
- data
- detecting device
- period
- sigma
- fault
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种交通数据故障的修复方法及装置。交通数据故障的修复方法,包括:判断检测器获得的数据是否是故障数据;若获得的数据为故障数据,则对检测器获得的数据进行修复。通过判断检测器获得的数据是否是故障数据,并在确认检测器获得的数据为故障数据后,对检测器获得的数据进行修复,从而使该检测器修复后的数据能够更加准确的反应出道路的交通状况,实现了通过交通数据故障的修复方法处理对检测器获得的故障数据进行修复,使交通数据能够完整、准确的反应道路的交通状况。
Description
技术领域
本发明涉及智能交通控制技术领域,尤其涉及一种交通数据故障的修复方法及装置。
背景技术
目前,随着人们生活水平的日益提高,汽车被广泛的应用于人们的日常生活中,道路交通压力也越来越大。对于交通管理部门来说,获取准确和可靠的交通数据以及提取准确和有用的决策支持信息的能力已经变得越来越重要。为了实时有效的获得道路的交通数据,现有技术中通常采用智能交通系统采集、处理和分析道路中的交通数据。现有技术通常采用断面交通数据采集设备获取交通数据,断面交通数据采集设备中的各种检测器,例如:线圈检测器、地磁检测器、雷达检测器和视频检测器等,将提供道路的交通数据,包括流量、占有率和车速等。
由上可知,由于城市道路交通较为复杂,并且采集设备也会出现故障,容易发生交通数据丢失或交通数据失真的现象。因此,现有技术中获取的交通数据不能够完整、准确的反应道路的交通状况。
发明内容
本发明提供一种交通数据故障的修复方法及装置,用以解决现有技术中获取的交通数据不能够完整、准确的反应道路的交通状况的缺陷,实现通过交通数据故障的修复方法处理对检测器获得的故障数据进行修复,使交通数据能够完整、准确的反应道路的交通状况。
本发明提供一种交通数据故障的修复方法,包括:
判断检测器获得的数据是否是故障数据;
若获得的数据为故障数据,则对检测器获得的数据进行修复。
本发明还提供一种交通数据故障的修复装置,包括:
判断模块,用于判断检测器获得的数据是否是故障数据;
修复模块,用于若获得的数据为故障数据,则对检测器获得的数据进行修复。
本发明提供的交通数据故障的修复方法及装置,通过判断检测器获得的数据是否是故障数据,并在确认检测器获得的数据为故障数据后,对检测器获得的数据进行修复,从而使该检测器修复后的数据能够更加准确的反应出道路的交通状况,实现了通过交通数据故障的修复方法处理对检测器获得的故障数据进行修复,使交通数据能够完整、准确的反应道路的交通状况。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明交通数据故障的修复方法实施例的流程图一;
图2为本发明交通数据故障的修复方法实施例的流程图二;
图3为本发明交通数据故障的修复方法实施例中步骤3的具体流程图;
图4为本发明交通数据故障的修复方法实施例中步骤2的具体流程图;
图5为本发明交通数据故障的修复装置实施例的结构示意图;
图6为本发明交通数据故障的修复装置实施例中判断模块的结构示意图;
图7为本发明交通数据故障的修复装置实施例中生成模块的结构示意图;
图8为本发明交通数据故障的修复装置实施例中修复模块的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
图1为本发明交通数据故障的修复方法实施例的流程图一。如图1所示,本实施例交通数据故障的修复方法包括:
步骤1、判断检测器获得的数据是否是故障数据。具体的,当道路中的检测器发生故障时,该检测器获得的故障数据不能准确的反应道路的交通状况。本实施例步骤1判断检测器获得的故障数据分为丢失数据和失真数据。例如:本实施例中的步骤1可以为:若检测器在预设的检测时间间隔中没有获得数据,则判断检测器丢失了数据;和/或,若检测器在预设的检测时间间隔中检测到的数据超出预设的数据范围,则判断检测器获得的数据失真。
步骤2、若获得的数据为故障数据,则对检测器获得的数据进行修复。具体的,若通过步骤1得知检测器获得的数据为故障数据后,通过步骤2将对检测器获得的故障数据进行修复。例如:可以将先前该检测器处于正常状态时同一时间段获得的数据代替当前检测器获得的故障数据;或者,可以根据该检测器获得故障数据的前一时段所获得的正常数据,推算出该时段检测器对应的数据。本实施例交通数据故障的修复方法对步骤2的具体修复过程不做限制。
其中,本实施例中检测器获得的数据可以为流量、占有率和车速等交通数据。
本实施例交通数据故障的修复方法,通过判断检测器获得的数据是否是故障数据,并在确认检测器获得的数据为故障数据后,对检测器获得的数据进行修复,从而使该检测器修复后的数据能够更加准确的反应出道路的交通状况,实现了通过交通数据故障的修复方法处理对检测器获得的故障数据进行修复,使交通数据能够完整、准确的反应道路的交通状况。
基于上述技术方案,可选的,如图2所示,本实施例交通数据故障的修复方法,包括:
步骤1、判断检测器获得的数据是否是故障数据。
步骤3、生成检测器对应的相关系数矩阵,以根据相关系数矩阵判断不同检测器之间的相关性。具体的,如图3所示,本实施例中的步骤3可以包括如下步骤:
步骤31、构造初始数据矩阵Q0=(qij);其中,一整天被平均分为n个时段,qij为第i检测器在第j时段的平滑数据,3≤j≤n,qij=(q0ij+q0i(j-1)+q0i(j-2))/3,q0ij为第i检测器j时段的检测的实际数据,q0i(j-1)为第i检测器j-1时段的检测的实际数据,q0i(j-2)为第i检测器j-2时段的检测的实际数据,qi1=(q0i1+q0i(n-1)+q0in)/3,qi2=(q0i2+q0i1+q0in)/3。具体的,将一天24小时可以平均分成n个时段,从而可以根据道路上各个检测器在不同时段对应的数据得到初始数据矩阵Q0=(qij)。
步骤32、将初始数据矩阵标准化生成标准数据矩阵Q=(q′ij);其中,q′ij为第i检测器j时段标准化后的数据,qij为第i检测器j时段的平滑数据,为第i检测器的平滑数据的平均数据,Si为第i检测器平滑数据的标准差, 1≤i≤m,m为检测器的总个数。具体的,在通过步骤31获得初始数据矩阵后,可以通过步骤32根据初始数据矩阵得到标准数据矩阵Q=(q′ij)。
步骤33、根据标准数据矩阵,生成检测器对应的相关系数矩阵R=(Rik)=Q·QT/(n-1);其中,Rik为第i检测器与第k检测器之间的相关系数,相关系数矩阵R对角线元素设为0,QT为Q的转置矩阵,1≤k≤m。具体的,通过步骤32获得标准数据矩阵后,可以通过步骤33根据标准数据矩阵以及该标准矩阵的转置矩阵得到相关系数矩阵。
步骤2、若获得的数据为故障数据,根据相关系数矩阵,对检测器获得的数据进行修复。具体的,如图4所示,本实施例中的步骤2可以包括如下步骤:
步骤21、若第i检测器获得的数据为故障数据,则判断最大相关系数Rik是否不小于0.7。具体的,当第i检测器通过步骤1得知其获得的数据为故障数据后,若相关系数矩阵中第i检测器与第k检测器的相关系数最大,通过步骤21判断最大相关系数Rik是否不小于0.7。
步骤22、若是,则计算第i检测器j时段对应的修复数据Qi=a+b×Qk;其中,Qk为第k检测器j+1时段获得的数据, xj为第k检测器j时段获得的数据;yj为第i检测器j时段获得的数据。具体的,若通过步骤21得知第i检测对应的最大相关系数不小于0.7,则通过公式Qi′=a+b×Qk对第i检测器获得的故障数据进行修复,从而使修复后的数据能够更加准确的反应出第i检测器检测到的交通状况。
步骤23、若否,则第i检测器j时段对应的修复数据采用原先第i检测器处于正常状态时获得的j+1时段的历史数据。具体的,若通过步骤21得知第i检测对应的最大相关系数小于0.7,则将第i检测器先前处于正常状态时获得的j+1时段的历史数据代替第i检测器当前检测到的数据,实现对第i检测器的故障数据进行修复。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图5为本发明交通数据故障的修复装置实施例的结构示意图。如图5所示,本实施例交通数据故障的修复装置包括:判断模块1和修复模块2。
判断模块1用于判断检测器获得的数据是否是故障数据。具体的,如图6所示,本实施例中的判断模块1可以包括:第一判断子模块11用于若检测器在预设的检测时间间隔中没有获得数据,则判断检测器丢失了数据;和/或,第二判断子模块12用于若检测器在预设的检测时间间隔中检测到的数据超出预设的数据范围,则判断检测器获得的数据失真。
修复模块2用于若获得的数据为故障数据,则对检测器获得的数据进行修复。
进一步的,本实施例交通数据故障的修复装置可以还包括:生成模块3。生成模块3用于生成检测器对应的相关系数矩阵,以根据相关系数矩阵判断不同检测器之间的相关性;修复模块2还用于根据相关系数矩阵,对检测器获得的数据进行修复。如图7所示,本实施例中的生成模块3可以包括:构造子模块31、第一生成子模块32和第二生成子模块33。
构造子模块31用于构造初始数据矩阵Q0=(qij);其中,一整天被平均分为n个时段,qij为第i检测器在第j时段的平滑数据,3≤j≤n,qij=(q0ij+q0i(j-1)+q0i(j-2))/3,q0ij为第i检测器j时段的检测的实际数据,q0i(j-1)为第i检测器j-1时段的检测的实际数据,q0i(j-2)为第i检测器j-2时段的检测的实际数据,qi1=(q0i1+q0i(n-1)+q0in)/3,qi2=(q0i2+q0i1+q0in)/3;
第一生成子模块32用于将初始数据矩阵标准化生成标准数据矩阵Q=(q′ij);其中,q′ij为第i检测器j时段标准化后的数据,qij为第i检测器j时段的平滑数据,为第i检测器的平滑数据的平均数据,Si为第i检测器平滑数据的标准差, 1≤i≤m,m为检测器的总个数;
第二生成子模块33用于根据标准数据矩阵,生成检测器对应的相关系数矩阵R=(Rik)=Q·QT/(n-1);其中,Rik为第i检测器与第k检测器之间的相关系数,相关系数矩阵R对角线元素设为0,QT为Q的转置矩阵,1≤k≤m。
更进一步的,如图8所示,本实施例中的修复模块2可以包括:第三判断子模块21、第一修复子模块22和第二修复子模块23。
第三判断子模块21用于若第i检测器获得的数据为故障数据,则判断最大相关系数Rik是否不小于0.7;
第一修复子模块22用于第三判断子模块21判断最大相关系数不小于0.7,则计算第i检测器j时段对应的修复数据Qi=a+b×Qk;其中,Qk为第k检测器j+1时段获得的数据, xj为第k检测器j时段获得的数据;yj为第i检测器j时段获得的数据;
第二修复子模块23用于第三判断子模块21判断最大相关系数小于0.7,则第i检测器j时段对应的修复数据采用原先第i检测器处于正常状态时获得的j+1时段的历史数据。
具体而言,本实施例中的判断模块1和修复模块2的具体工作原理可以参见本发明交通数据故障的修复方法实施例的记载,在此不再赘述。
本实施例交通数据故障的修复装置,通过判断检测器获得的数据是否是故障数据,并在确认检测器获得的数据为故障数据后,对检测器获得的数据进行修复,从而使该检测器修复后的数据能够更加准确的反应出道路的交通状况,实现了通过交通数据故障的修复方法处理对检测器获得的故障数据进行修复,使交通数据能够完整、准确的反应道路的交通状况。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种交通数据故障的修复方法,其特征在于,包括:
判断检测器获得的数据是否是故障数据;
生成检测器对应的相关系数矩阵,以根据相关系数矩阵判断不同检测器之间的相关性;
若获得的数据为故障数据,则对检测器获得的数据进行修复;
所述判断检测器获得的数据是否是故障数据,具体为:若检测器在预设的检测时间间隔中没有获得数据,则判断检测器丢失了数据;和/或,若检测器在预设的检测时间间隔中检测到的数据超出预设的数据范围,则判断检测器获得的数据失真;
所述对检测器获得的数据进行修复,具体为:根据相关系数矩阵,对检测器获得的数据进行修复;
所述生成检测器对应的相关系数矩阵,具体为:
构造初始数据矩阵Q0=(qij);其中,一整天被平均分为n个时段,qij为第i检测器在第j时段的平滑数据,3≤j≤n,qij=(q0ij+q0i(j-1)+q0i(j-2))/3,q0ij为第i检测器j时段的检测的实际数据,q0i(j-1)为第i检测器j-1时段的检测的实际数据,q0i(j-2)为第i检测器j-2时段的检测的实际数据,qi1=(q0i1+q0i(n-1)+q0in)/3,qi2=(q0i2+q0i1+q0in)/3;将初始数据矩阵标准化生成标准数据矩阵Q=(q′ij);其中,为第i检测器j时段标准化后的数据,qij为第i检测器j时段的平滑数据,为第i检测器的平滑数据的平均数据,Si为第i检测器平滑数据的标准差, 1≤i≤m,m为检测器的总个数;
根据标准数据矩阵,生成检测器对应的相关系数矩降R=(Rik)=Q·QT/(n-1);其中,Rik为第i检测器与第k检测器之间的相关系数,相关系数矩阵R对角线元素设为0,QT为Q的转置矩阵,1≤k≤m。
2.根据权利要求1所述的交通数据故障的修复方法,其特征在于,所述根据相关系数矩阵,对检测器获得的数据进行修复,具体为:
若第i检测器获得的数据为故障数据,则判断最大相关系数Rik是否不小于0.7;
若是,则计算第i检测器j时段对应的修复数据Qi′=a+b×Qk;其中,Qk为第k检测器j+1时段获得的数据, xj为第k检测器j时段获得的数据;yj为第i检测器j时段获得的数据;
若否,则第i检测器j时段对应的修复数据采用原先第i检测器处于正常状态时获得的j+1时段的历史数据。
3.一种交通数据故障的修复装置,其特征在于,包括:
判断模块,用于判断检测器获得的数据是否是故障数据;
生成模块,用于生成检测器对应的相关系数矩阵,以根据相关系数矩阵判断不同检测器之间的相关性;
修复模块,用于若获得的数据为故障数据,则对检测器获得的数据进行修复;
所述判断模块包括:第一判断子模块,用于若检测器在预设的检测时间间隔中没有获得数据,则判断检测器丢失了数据;和/或,第二判断子模块,用于若检测器在预设的检测时间间隔中检测到的数据超出预设的数据范围,则判断检测器获得的数据失真;
所述修复模块还用于根据相关系数矩阵,对检测器获得的数据进行修复;
所述生成模块包括:
构造子模块,用于构造初始数据矩阵Q0=(qij);其中,一整天被平均分为n个时段,qij为第i检测器在第j时段的平滑数据,3≤j≤n,qij=(q0ij+q0i(j-1)+q0i(j-2))/3,q0ij为第i检测器j时段的检测的实际数据,q0i(j-1)为第i检测器j-1时段的检测的实际数据,q0i(j-2)为第i检测器j-2时段的检测的实际数据,qi1=(q0i1+q0i(n-1)+q0in)/3,qi2=(q0i2+q0i1+q0in)/3;
第一生成子模块,用于将初始数据矩阵标准化生成标准数据矩阵Q=(q′ij);其中,q′ij为第i检测器j时段标准化后的数据,qij为第i检测器j时段的平滑数据,为第i检测器的平滑数据的平均数据,Si为第i检测器平滑数据的标准差, 1≤i≤m,m为检测器的总个数;
第二生成子模块,用于根据标准数据矩阵,生成检测器对应的相关系数矩阵R=(Rik)=Q·QT/(n-1);其中,Rik为第i检测器与第k检测器之间的相关系数,相关系数矩阵R对角线元素设为0,QT为Q的转置矩阵,1≤k≤m。
4.根据权利要求3所述的交通数据故障的修复装置,其特征在于,所述修复模块包括:
第三判断子模块,用于若第i检测器获得的数据为故障数据,则判断最大相关系数Rik是否不小于0.7;
第一修复子模块,用于所述第三判断子模块判断最大相关系数不小于0.7,则计算第i检测器j时段对应的修复数据Qi′=a+b×Qk;其中,Qk为第k检测器j+1时段获得的数据, xj为第k检测器j时段获得的数据;yj为第i检测器j时段获得的数据;
第二修复子模块,用于所述第三判断子模块判断最大相关系数小于0.7,则第i检测器j时段对应的修复数据采用原先第i检测器处于正常状态时获得的j+1时段的历史数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010288050 CN101950483B (zh) | 2010-09-15 | 2010-09-15 | 交通数据故障的修复方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010288050 CN101950483B (zh) | 2010-09-15 | 2010-09-15 | 交通数据故障的修复方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101950483A CN101950483A (zh) | 2011-01-19 |
CN101950483B true CN101950483B (zh) | 2013-03-20 |
Family
ID=43453965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010288050 Active CN101950483B (zh) | 2010-09-15 | 2010-09-15 | 交通数据故障的修复方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101950483B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184638B (zh) * | 2011-04-28 | 2013-07-10 | 北京市劳动保护科学研究所 | 行人交通数据的数据预处理方法 |
CN102622880A (zh) * | 2012-01-09 | 2012-08-01 | 北京捷易联科技有限公司 | 一种交通信息数据修复方法及装置 |
CN103632545B (zh) * | 2013-11-22 | 2017-04-12 | 北京世纪高通科技有限公司 | 一种获取交通路况信息的方法及装置 |
CN104537225B (zh) * | 2014-12-19 | 2017-07-28 | 银江股份有限公司 | 一种交通数据修复的云处理方法及其系统 |
CN104731970B (zh) * | 2015-04-09 | 2018-05-15 | 吉林大学 | 高速公路多源异构数据的数据质量评价与控制方法 |
CN105489014B (zh) * | 2016-01-13 | 2017-09-15 | 北京理工大学 | 一种基于主成分分析交通信息的补偿方法 |
CN110942624B (zh) * | 2019-11-06 | 2020-12-01 | 浙江工业大学 | 一种基于sae-gan-sad的路网交通数据修复方法 |
CN113409592B (zh) * | 2021-06-15 | 2022-10-14 | 北京东土正创科技有限公司 | 交通检测器实时检测数据补偿方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6336065B1 (en) * | 1999-10-28 | 2002-01-01 | General Electric Company | Method and system for analyzing fault and snapshot operational parameter data for diagnostics of machine malfunctions |
US6834256B2 (en) * | 2002-08-30 | 2004-12-21 | General Electric Company | Method and system for determining motor reliability |
CN101246645A (zh) * | 2008-04-01 | 2008-08-20 | 东南大学 | 一种识别离群交通数据的方法 |
CN101794345A (zh) * | 2009-12-30 | 2010-08-04 | 北京世纪高通科技有限公司 | 一种数据处理方法及装置 |
CN101814112A (zh) * | 2010-01-11 | 2010-08-25 | 北京世纪高通科技有限公司 | 处理数据的方法和装置 |
-
2010
- 2010-09-15 CN CN 201010288050 patent/CN101950483B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6336065B1 (en) * | 1999-10-28 | 2002-01-01 | General Electric Company | Method and system for analyzing fault and snapshot operational parameter data for diagnostics of machine malfunctions |
US6834256B2 (en) * | 2002-08-30 | 2004-12-21 | General Electric Company | Method and system for determining motor reliability |
CN101246645A (zh) * | 2008-04-01 | 2008-08-20 | 东南大学 | 一种识别离群交通数据的方法 |
CN101794345A (zh) * | 2009-12-30 | 2010-08-04 | 北京世纪高通科技有限公司 | 一种数据处理方法及装置 |
CN101814112A (zh) * | 2010-01-11 | 2010-08-25 | 北京世纪高通科技有限公司 | 处理数据的方法和装置 |
Non-Patent Citations (1)
Title |
---|
姜桂艳,龙晖,张晓东,王江锋.动态交通数据故障识别与修复方法.《交通运输工程学报》.2004,第4卷(第1期), * |
Also Published As
Publication number | Publication date |
---|---|
CN101950483A (zh) | 2011-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101950483B (zh) | 交通数据故障的修复方法及装置 | |
CN103593973B (zh) | 一种城市道路交通态势评估系统 | |
CN112348770B (zh) | 一种基于多分辨率卷积网络的桥梁裂缝检测方法 | |
CN111598860B (zh) | 基于嵌入自注意力门模块的yolov3网络的锂电池缺陷检测方法 | |
CN101950477B (zh) | 一种交通信息处理方法及装置 | |
CN101794345B (zh) | 一种数据处理方法及装置 | |
CN111627012A (zh) | 一种基于特征融合的深度神经网络表面缺陷检测方法 | |
CN104281779A (zh) | 一种异常数据判定与处理方法及装置 | |
WO2006042688A3 (fr) | Procede d’etablissement de points de voisinage pour systeme de reseau routier numerique | |
CN103903437B (zh) | 基于视频交通检测数据的机动车出行od矩阵获取方法 | |
CN103440701B (zh) | 一种钞票的磁信号检测方法及装置 | |
CN102706757B (zh) | 多轴疲劳分析方法及其应用 | |
CN102521080A (zh) | 电力用户用电信息采集系统的计算机数据修复方法 | |
CN102622885A (zh) | 检测交通事件的方法和装置 | |
CN105005005A (zh) | 一种蓄电池组劣化单体电池检测方法 | |
CN111144485A (zh) | 基于xgboost分类算法的车辆事故判断方法和系统 | |
CN115374091A (zh) | 一种分布式新能源出力数据质量提升方法和系统 | |
CN102622883B (zh) | 判定交通事件解除的方法及装置 | |
CN109632037A (zh) | 一种基于图像智能识别的城市内涝积水深度检测方法 | |
CN101923651B (zh) | 基于路面图像的破损数据自动识别准确率的校验方法 | |
CN117290666A (zh) | 一种光伏异常功率数据清洗方法 | |
CN101694747B (zh) | 异常车速的识别方法和装置 | |
CN114358667B (zh) | 一种基于rbf网络学习的景区风险预测模型构建方法 | |
CN101908274B (zh) | 道路交通事件信息的处理方法和装置 | |
CN114443402A (zh) | 一种基于mock的停车场模拟测试方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |