CN106600969A - 一种智慧化道路综合防控方法及系统 - Google Patents
一种智慧化道路综合防控方法及系统 Download PDFInfo
- Publication number
- CN106600969A CN106600969A CN201611180608.2A CN201611180608A CN106600969A CN 106600969 A CN106600969 A CN 106600969A CN 201611180608 A CN201611180608 A CN 201611180608A CN 106600969 A CN106600969 A CN 106600969A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- road
- ensure effective
- effective monitoring
- 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.)
- Pending
Links
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
- G08G1/017—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
- G08G1/01—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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种智慧化道路综合防控方法及系统,道路卡口采集通过的车辆数据并缓存在前置服务器上;汇聚到政府职能部门数据管理平台进行管理和分发;利用区间测速方法和车辆识别技术对道路前端设备采集到的车辆数据进行二次处理;对需要进行布控的车辆数据上传到政府职能部门数据管理平台存储;将车辆的预警数据发送到终端设备进行车辆的预警提示;对进入布控范围的布控车辆进行声光或文字报警。依托交通部门和交警部门已建或在建的设备为基础,基于大数据处理及云存储技术,对行驶车辆的轨迹采集、全程监控,实现对重点违法行为自动抓拍、有效拦截,对交通事故及时发现定位、出警处置,对重点和嫌疑车辆快速筛查、查缉布控。
Description
技术领域
本发明涉及道路管理领域,具体为一种智慧化道路综合防控方法及系统。
背景技术
公路交通具有通行能力大、运行速度快、运输成本低、安全程度高、行车舒适等突出优势,是现代化综合运输体系中最重要的基础设施之一,承担省际间、区域间以及城乡间的客货运输,对于支撑经济发展、服务人民群众、推动社会进步发挥着重要的作用。但是目前公路防控网络建设存在以下问题:
(1)现有高速公路视频监控、缉查布控卡口设备数量不足,覆盖范围不全面,且部分设备建设年代已久,清晰度不高,系统采集数据质量低,部分设备功能单一,不能响应新的国标检测要求;
(2)国省道、一二级主干网公路科技管控上,部分地区仅针对交通事故多发、易发地简单进行一些监控和单点测速,无法形成有效的管控网络,甚至出现重复建设的现象;
(3)交通部门专网到公安部门的设备专网没有互联互通,各地市交警部门的设备专网没有互联互通。
发明内容
为了解决在道路治安防控过程中发现的数据传递不能互联互动,数据采集和处理的形式单一不实时的问题,本发明提供了一种智慧化道路综合防控方法及系统,将区间测速模块实时监测的过往车辆数据与公安网和交通厅专网中的布控模块和执法管理模块相结合,对行驶车辆的轨迹采集、全程监控,实现对重点违法行为自动抓拍、有效拦截,对交通事故及时发现定位、出警处置,对重点和嫌疑车辆快速筛查、查缉布控,同时在该系统中加入了故障监管系统,对出现的异常情况及时推送,将异常时期数据及时缓存。
本发明采用的技术方案为:
一种智慧化道路综合防控方法,包括以下步骤:
(1)数据采集:道路前端设备中的道路卡口采集通过的车辆数据,包括车辆的通行文本信息、图像信息、设备状态信息,并将采集到的车辆数据上传至视频专网交换机,并缓存在前置服务器上;
(2)数据交换:通过安全边界平台将采集到的车辆数据传输汇聚到政府职能部门交换机,通过kafka消息队列实时上传给政府职能部门数据管理平台进行管理和分发;
(3)数据处理和存储:
a.数据处理:利用区间测速方法和车辆识别技术,通过Spark流计算模块对道路前端设备采集到的车辆数据进行二次处理;
b.非现场数据上传:对汇聚到政府职能部门交换机的道路前端设备采集到的数据进行处理后筛选,将筛选后的需要进行布控的车辆数据上传到政府职能部门数据管理平台;
c.数据存储:政府职能部门数据管理平台使用Hadoop分布式文件系统存储结构化数据和非结构化数据。
(4)布控车辆的预警:设置车辆的预警卡口,布控车辆经过时,实时数据上传到政府职能部门数据管理平台进行预警比对,或通过后台比对获得车辆的预警数据,并将车辆的预警数据发送到终端设备进行车辆的预警提示;
(5)布控车辆的报警:终端设备中的票道卡口将采集到的车辆数据通过与执法站工控机的布控车辆信息比对,得到车辆的报警数据,同时对进入布控范围的布控车辆进行声光或文字报警。
优选地,所述步骤(3)中的区间测速方法的具体步骤为:
(a1-1)测速区间的设置:相邻的道路卡口将道路区分成不同的小区间,该区间长度已知,从车辆第一次通过的卡口开始到车辆到达的票道卡口为止,车辆通过的道路区间长度分为L1、L2……Ln;
(a1-2)测速数据的采集:在道路前端设备采集到的所有车辆数据中,提取车辆通行文本信息、图像信息;
(a1-3)测速数据的处理:利用所述车辆识别技术自动识别车辆型号信息,计算每个车辆通过各测速区间所花费的时间t1、t2……tn,得到每个车辆通过各测速区间时的平均行驶速度v1、v2……vn,其中v=L/t;根据平均行驶速度与限定的最高时速进行比对,判断每个车辆是否超速;
(a1-4)测速结果的下发:将比对结果信息发送至测速区间的前方显示屏和执法站设备上。
优选地,所述的车辆识别技术为卷积神经网络技术,其具体步骤为:
(a2-1)样本采集及标注:利用采集到的车辆图像信息,标注出图像信息中包含的每一辆车辆的位置及型号,将图像信息和标注信息作为卷积神经网络的训练样本集;
(a2-2)卷积神经网络的设计:设计用于定位识别车辆的卷积神经网络,将图像信息和标注信息输入网络的输入层,网络的中间层采用卷积层和全连接层提取特征,网络的输出层利用提取到的特征通过两个输出分支分别得到图片中车辆的包围盒和类型;
(a2-3)卷积神经网络的训练:使用图像信息和标注信息对卷积神经网络的参数进行迭代训练,使其具备定位和识别车辆类型的功能;
(a2-4)车辆定位及型号识别:根据训练好的卷积神经网络,对图像中车辆所在位置进行定位,并判断其所属的型号。
本发明的一种智慧化道路综合防控方法,还包括以下步骤:当政府职能部门或视频专网的数据异常或通讯异常时,通过双网双备份方法对异常情况进行故障监管,并在终端设备上对该异常情况进行文字或声光的提醒。
优选地,所述的双网双备份方法包括:
(A)所述的前置服务器实时同步政府职能部门网络的数据库,当政府职能部门的数据异常或通讯异常,将通过的车辆数据、车辆预警及车辆报警数据缓存在本地;政府职能部门网络恢复后,所述前置服务器再通过网络安全边界将本地缓存数据同步到政府职能部门网络;
(B)所述执法站工控机定时同步布控车辆数据,视频专网的数据异常或通讯异常时,执法站工控机与终端设备的连接正常,执法站工控机实时比对通过的车辆数据,对布控车辆进行预警报警;将通过的车辆数据、车辆预警及车辆报警数据缓存在本地缓存;待网络通畅后,将缓存数据再进行同步。
本发明还提供了一种用于实现智慧化道路综合防控方法的系统,由区间测速模块、缉查布控模块和执勤执法管理模块组成;所述区间测速模块包括安装在道路上的可进行车辆数据采集的前端设备,对其采集到的数据进行交换的视频专网和用于缓存车辆数据的前置服务器;所述缉查布控模块包括接收、处理及存储前端设备采集的车辆数据的政府职能部门数据管理平台;所述执勤执法管理模块包括接收政府职能部门的管理平台发布的布控车辆信息的执法站工控机,并对通过的车辆进行预警和报警的终端设备;
该道路前端设备的信号输出端与视频专网的信号输入端相连;
视频专网的输出端分别连接前置服务器的信号输入端;前置服务器的信号输出端通过安全边界平台与政府职能部门数据管理平台信号输入端相连;政府职能部门数据管理平台信号的输出端与执法站工控机的信号输入端相连;执法站工控机的信号输出端连接终端设备的信号输入端。
优选地,所道路述前端设备包括沿道路设置的道路卡口和道路显示屏,及安装在该道路卡口上用于拍摄车辆信息的摄像头和用于测量车辆行驶速度的检测器,该摄像头和检测器的信号输出端分别与视频专网交换机的信号输入端相连。
优选地,所述终端设备包括收费站设备和执法站设备;收费站设备和执法站设备的信号输入端分别与执法站工控机的信号输出端相连。
本发明提供的一种智慧化道路综合防控方法及系统,依托交通部门和交警部门已建或在建的单点卡口、区间测速卡口、收费站票道卡口、摄像头、检测器、显示屏和交通警察执法站为基础,基于大数据处理及云存储技术,对行驶车辆的轨迹采集、全程监控,实现对重点违法行为自动抓拍、有效拦截,对交通事故及时发现定位、出警处置,对重点和嫌疑车辆快速筛查、查缉布控。
其中“区间测速模块”采集到的过车数据通过网络边界通道接入到公安网;公安网根据过车数据进行嫌疑车辆比对,获取嫌疑车辆数据;公安网提供计算服务,合并区间过车记录,通过计算形成区间测速预警数据,读取预警数据;执勤执法管理模块接收转发的实时过车数据,结合区间测速模块设备点位,通过区间计算形成区间测速预警数据;该系统也可接收公安网和交通厅专网中的布控车辆信息,直接发给执勤执法管理模块进行预警;终端设备接受各预警信息,在布控车辆到达时进行报警处理。本发明提供的一种智慧化道路治安防控系统,还可以在数据出现异常、长时间无数据,或是由于网络原因导致通讯不正常时,将数据缓存在本地服务器上,并通过通讯服务将出现的异常情况及时推送到软件页面报警或声光报警,以通知网络管理人员及时解决,以保障数据传输的实时性和稳定性。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明的方法流程图。
图2是本发明的系统示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如附图1所示,本发明提供了一种智慧化道路综合防控方法,其步骤包括:
(1)数据采集:道路前端设备通过摄像头进行车辆数据的采集,包括车辆的通行文本信息、图像信息、设备状态信息;并将采集到的车辆数据上传至专网交换机;
(2)数据交换:专网交换机通过安全边界平台将采集到的车辆数据传输汇聚到公安网交换机,通过公安网内的三网服务器进行管理和分发;
(3)数据处理和存储:
a.现场数据的上传:道路前端设备采集到的车辆数据通过kafka消息队列实时上传给政府职能部门数据管理平台;
b.数据处理:利用区间测速技术和车辆识别技术,通过Spark流计算模块对道路前端设备采集到的车辆数据进行二次处理;
其中所述区间测速技术的步骤为:
(b1-1)测速区间的设置:相邻的道路卡口将道路区分成不同的小区间,该区间长度已知,从车辆第一次通过的卡口开始到车辆到达的终端为止,所述的道路前段设备及终端将道路区分为长度为L1、L2……Ln的区间;
(b1-2)测速数据的采集:在道路前端设备采集到的所有车辆数据中,提取车辆通行文本信息、图像信息;
(b1-3)测速数据的处理:利用车辆识别技术自动识别车辆型号信息,计算每个车辆通过各测速区间所花费的时间t1、t2……tn,得到每个车辆通过各测速区间时的平均行驶速度v1、v2……vn,其中v=L/t;根据平均行驶速度与限定的最高时速进行比对,判断每个车辆是否超速;
(b1-4)测速结果的下发:将比对结果信息发送至测速区间的前方显示屏和执法站设备。
所述车辆识别技术利用卷积神经网络技术,从道路前端设备采集到的图像信息样本中学习车辆特征,对车辆信息进行识别;并通过本地化过车样本进行模型训练。该卷积神经网络技术的实现步骤为:
(b2-1)样本采集及标注:利用采集到的车辆图像信息,标注出图像信息中包含的每一辆车辆的位置及型号,将图像信息和标注信息作为卷积神经网络的训练样本集;
(b2-2)卷积神经网络的设计:设计用于定位识别车辆的卷积神经网络,将图像信息和标注信息输入网络的输入层,网络的中间层采用卷积层和全连接层提取特征,网络的输出层利用提取到的特征通过两个输出分支分别得到图片中车辆的包围盒和类型;
(b2-3)卷积神经网络的训练:使用图像信息和标注信息对卷积神经网络的参数进行迭代训练,使其具备定位和识别车辆类型的功能;
(b2-4)车辆定位及型号识别:根据训练好的卷积神经网络,对图像中车辆所在位置进行定位,并判断其所属的型号。
c.非现场数据上传:通过非现场证据平台,对汇聚到公安网交换机的道路前端设备采集到的数据进行处理后筛选,将筛选后的需要进行布控的车辆数据上传到政府职能部门数据管理平台;
d.数据存储:政府职能部门数据管理平台使用Hadoop分布式文件系统存储结构化数据和非结构化数据。
(4)布控车辆的预警:设置预警卡口,布控车辆经过时,实时数据上传到“公安智能交通综合管控平台”进行预警比对,或通过系统后台比对,获得预警数据,并将预警数据发送到终端设备进行预警提示;
(5)布控车辆的报警:票道卡口采集到的车辆数据通过与执法站工控机的布控车辆信息进行比对,对进入布控范围的布控车辆在终端设备上进行声光或文字报警。
所述前端设备之间的数据通讯,及其同政府职能部门数据管理平台之间的数据通讯,均依照卡口数据通讯标准协议实现。
本发明还包括通过双网双备份技术进行的故障监管系统,当数据异常或是由于网络原因导致通讯不正常时,可以将出现的异常情况及时推送到终端进行文字或声光报警;所述的双网双备份技术包括:
(A)公安网故障时:三网的前置服务器实时同步公安网预警库,公安网的网络发生故障时,预警报警可以正常进行,并进行数据缓存,将车辆数据、预警及报警数据缓存在本地;公安网的网络恢复后,三网前置服务器通过网络安全边界将本地缓存数据同步到公安网后台服务;
(B)视频专网故障时:执法站工控机通过定时同步布控车辆数据并缓存,实现双备份的数据缓存;在视频专网出现故障的情况下,执法站工控机与终端设备的网络通畅,仍可实时比对通过的车辆,对布控车辆进行声光报警;待网络通畅后,将缓存数据再进行同步。
如附图2所示,本发明还提供了一种智慧化道路治安防控系统,三网由区间测速模块、缉查布控模块、执勤执法管理模块组成,包括在道路上安装可进行车辆数据采集的前端设备,上传前端设备采集的车辆数据的视频专网,进行布控和执法的公安网和交通厅专网;该道路前端设备的信号输出端与视频专网交换机的信号输入端相连;视频专网交换机的输出端分别连接三网的前置服务器、执法站交换机、交通厅交换机的信号输入端;三网的前置服务器的信号输出端通过安全边界平台与公安网交换机的信号输入端相连;公安网交换机的信号输出端分别连接公安厅交换机和执法站公安网交换机的信号输入端;执法站公安网交换机的信号输出端分别连接执法站公安网客户端和执法站工控机的信号输入端;执法站工控机的信号输出端通过串口连接收费站设备的信号输入端;执法站公安网客户端的信号输出端通过音频连接执法站的执法站设备的信号输入端;执法站交换机的信号输出端分别与各个终端设备的信号输入端相连;交通厅交换机分别与运营管理中心数据平台和运营管理中心视频平台进行通讯。
所述公安网交换机分别与三网通讯服务、三网数据库、管控平台、移动警务系统、执法记录系统、短信平台、综合应用平台和集成指挥平台进行通讯。
所述公安厅交换机分别与输出端分别连接大公安警务平台,大公安视频联网平台、二次识别、数字边境进行通讯。
所道路述前端设备包括沿道路设置的道路卡口和道路显示屏,及安装在该道路卡口上用于拍摄车辆信息的摄像头和用于测量车辆行驶速度的检测器。
所述终端设备包括收费站设备和执法站设备;该收费站设备包括票道卡口,票道卡口上安装有用于拍摄车辆信息的摄像头和声光报警器;该执法站设备包括:用于显示布控信息的显示屏,用于播报布控车辆信息的话筒,用于放大音频的执法站功放和用于对外播报的执法站广播。
本发明提供的一种智慧化道路治安防控系统,依托交通部门和交警部门已建或在建的单点卡口、区间测速卡口、收费站票道卡口、摄像头、检测器、显示屏和交通警察执法站为基础,基于大数据处理及云存储技术,对行驶车辆的轨迹采集、全程监控,实现对重点违法行为自动抓拍、有效拦截,对交通事故及时发现定位、出警处置,对重点和嫌疑车辆快速筛查、查缉布控。
其中“区间测速模块”采集到的过车数据通过网络边界通道接入到公安网;公安网根据过车数据进行嫌疑车辆比对,获取嫌疑车辆数据;公安网提供计算服务,合并区间过车记录,通过计算形成区间测速预警数据,读取预警数据;执勤执法管理模块接收转发的实时过车数据,结合区间测速模块设备点位,通过区间计算形成区间测速预警数据;该系统也可接收公安网和交通厅专网中的布控车辆信息,直接发给执法管理模块进行预警;终端设备接受各预警信息,在布控车辆到达时进行报警处理。本发明提供的一种智慧化道路治安防控系统,在数据出现异常、长时间无数据,或是由于网络原因导致通讯不正常时,通讯服务可以将出现的异常情况及时推送到软件页面报警或声光报警,以通知网络管理人员及时解决,以保障数据传输的实时性和稳定性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种智慧化道路综合防控方法,其特征在于,包括以下步骤:
(1)数据采集:道路前端设备中的道路卡口采集通过的车辆数据,包括车辆的通行文本信息、图像信息、设备状态信息,并将采集到的车辆数据上传至视频专网交换机,并缓存在前置服务器上;
(2)数据交换:通过安全边界平台将采集到的车辆数据传输汇聚到政府职能部门交换机,通过kafka消息队列实时上传给政府职能部门数据管理平台进行管理和分发;
(3)数据处理和存储:
a.数据处理:利用区间测速方法和车辆识别技术,通过Spark流计算模块对道路前端设备采集到的车辆数据进行二次处理;
b.数据上传:对汇聚到政府职能部门交换机的车辆数据进行处理后筛选,将筛选后的需要进行布控的车辆数据上传到政府职能部门数据管理平台;
c.数据存储:政府职能部门数据管理平台使用Hadoop大数据架构存储结构化数据和非结构化数据;
(4)布控车辆的预警:设置车辆的预警卡口,布控车辆经过时,实时数据上传到政府职能部门数据管理平台进行预警比对,或通过后台比对获得车辆的预警数据,并将车辆的预警数据发送到终端设备进行车辆的预警提示;
(5)布控车辆的报警:终端设备中的票道卡口将采集到的车辆数据通过与执法站工控机的布控车辆信息比对,得到车辆的报警数据,同时对进入布控范围的布控车辆进行声光或文字报警。
2.如权利要求1所述的一种智慧化道路综合防控方法,其特征在于:所述步骤(3)中的区间测速方法的具体步骤为:
(a1-1)测速区间的设置:相邻的道路卡口将道路区分成不同的小区间,该区间长度已知,从车辆第一次通过的卡口开始到车辆到达的票道卡口为止,车辆通过的道路区间长度分为L1、L2……Ln;
(a1-2)测速数据的采集:在道路前端设备采集到的所有车辆数据中,提取车辆通行文本信息、图像信息;
(a1-3)测速数据的处理:利用所述车辆识别技术自动识别车辆型号信息,计算每个车辆通过各测速区间所花费的时间t1、t2……tn,得到每个车辆通过各测速区间时的平均行驶速度v1、v2……vn,其中v=L/t;根据平均行驶速度与限定的最高时速进行比对,判断每个车辆是否超速;
(a1-4)测速结果的下发:将比对结果信息发送至测速区间的前方显示屏和执法站设备上。
3.如权利要求1所述的一种智慧化道路综合防控方法,其特征在于:所述的车辆识别技术为卷积神经网络技术,其具体步骤为:
(a2-1)样本采集及标注:利用采集到的车辆图像信息,标注出图像信息中包含的每一辆车辆的位置及型号,将图像信息和标注信息作为卷积神经网络的训练样本集;
(a2-2)卷积神经网络的设计:设计用于定位识别车辆的卷积神经网络,将图像信息和标注信息输入网络的输入层,网络的中间层采用卷积层和全连接层提取特征,网络的输出层利用提取到的特征通过两个输出分支分别得到图片中车辆的包围盒和类型;
(a2-3)卷积神经网络的训练:使用图像信息和标注信息对卷积神经网络的参数进行迭代训练;
(a2-4)车辆定位及型号识别:根据训练好的卷积神经网络,对图像中车辆所在位置进行定位,并判断其所属的型号。
4.如权利要求1所述的一种智慧化道路综合防控方法,其特征在于:还包括以下步骤:当政府职能部门或视频专网的数据异常或通讯异常时,通过双网双备份方法对异常情况进行故障监管,并在终端设备上对该异常情况进行文字或声光的提醒。
5.如权利要求4所述的一种智慧化道路综合防控方法,其特征在于:所述的双网双备份方法包括:
(A)所述的前置服务器实时同步政府职能部门网络的数据库,当政府职能部门的数据异常或通讯异常,将通过的车辆数据、车辆预警及车辆报警数据缓存在本地;政府职能部门网络恢复后,所述前置服务器再通过网络安全边界将本地缓存数据同步到政府职能部门网络;
(B)所述执法站工控机定时同步布控车辆数据,视频专网的数据异常或通讯异常时,执法站工控机与终端设备的连接正常,执法站工控机实时比对通过的车辆数据,对布控车辆进行预警报警;将通过的车辆数据、车辆预警及车辆报警数据缓存在本地缓存;待网络通畅后,将缓存数据再进行同步。
6.一种用于实现权利要求1所述的智慧化道路综合防控方法的系统,其特征在于:由区间测速模块、缉查布控模块和执勤执法管理模块组成;
所述区间测速模块包括安装在道路上的可进行车辆数据采集的前端设备,对其采集到的数据进行交换的视频专网和用于缓存车辆数据的前置服务器;
所述缉查布控模块包括接收、处理及存储前端设备采集的车辆数据的政府职能部门数据管理平台;
所述执勤执法管理模块包括接收政府职能部门的管理平台发布的布控车辆信息的执法站工控机,并对通过的车辆进行预警和报警的终端设备;
该道路前端设备的信号输出端与视频专网的信号输入端相连;
视频专网的输出端分别连接前置服务器的信号输入端;前置服务器的信号输出端通过安全边界平台与政府职能部门数据管理平台信号输入端相连;政府职能部门数据管理平台信号的输出端与执法站工控机的信号输入端相连;执法站工控机的信号输出端连接终端设备的信号输入端。
7.如权利要求6所述的一种用于实现智慧化道路综合防控方法的系统,其特征在于:所道路述前端设备包括沿道路设置的道路卡口和道路显示屏,及安装在该道路卡口上用于拍摄车辆信息的摄像头和用于测量车辆行驶速度的检测器,摄像头和检测器的信号输出端分别与视频专网交换机的信号输入端相连。
8.如权利要求6所述的一种用于实现智慧化道路综合防控方法的系统,其特征在于:所述终端设备包括收费站设备和执法站设备;收费站设备和执法站设备的信号输入端分别与执法站工控机的信号输出端相连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611180608.2A CN106600969A (zh) | 2016-12-19 | 2016-12-19 | 一种智慧化道路综合防控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611180608.2A CN106600969A (zh) | 2016-12-19 | 2016-12-19 | 一种智慧化道路综合防控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106600969A true CN106600969A (zh) | 2017-04-26 |
Family
ID=58600082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611180608.2A Pending CN106600969A (zh) | 2016-12-19 | 2016-12-19 | 一种智慧化道路综合防控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106600969A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315796A (zh) * | 2017-06-19 | 2017-11-03 | 北京易华录信息技术股份有限公司 | 一种基于大数据的交通警情研判分析系统及方法 |
CN108320610A (zh) * | 2018-02-22 | 2018-07-24 | 浙江警察学院 | 一种基于网络协同的公安交通指挥仿真训练系统 |
CN109255954A (zh) * | 2018-09-21 | 2019-01-22 | 重庆建工集团股份有限公司 | 一种高速公路入口无人值守智能控制系统 |
CN109427190A (zh) * | 2017-08-22 | 2019-03-05 | 普天信息技术有限公司 | 车辆追踪方法及装置 |
CN110009907A (zh) * | 2019-03-25 | 2019-07-12 | 大夏数据服务有限公司 | 一种交通管理数据计算分析系统 |
CN110070706A (zh) * | 2019-04-28 | 2019-07-30 | 西安艾润物联网技术服务有限责任公司 | 公务车监控方法、装置及系统 |
CN110120152A (zh) * | 2019-06-26 | 2019-08-13 | 杨晓艺 | 一种基于gis和边缘计算的智能交通管理平台 |
CN110322049A (zh) * | 2019-06-03 | 2019-10-11 | 浙江图灵软件技术有限公司 | 一种公安大数据预警方法 |
CN110390815A (zh) * | 2019-07-01 | 2019-10-29 | 东南大学 | 判定快速道路多个测速仪组合对交通事故数量影响的方法 |
CN110505307A (zh) * | 2019-08-30 | 2019-11-26 | 公安部交通管理科学研究所 | 一种网间交通流数据的交换方法及系统 |
CN110634295A (zh) * | 2019-09-28 | 2019-12-31 | 安徽百诚慧通科技有限公司 | 一种利用优化模型计算道路最佳通行能力的方法 |
CN111192459A (zh) * | 2018-11-15 | 2020-05-22 | 华为技术有限公司 | 一种视频监控布控方法和布控装置 |
CN111275980A (zh) * | 2020-01-21 | 2020-06-12 | 上海天齐智能建筑股份有限公司 | 基于互联网+智能交通视频监控管理系统的大数据应用平台 |
CN111711783A (zh) * | 2020-05-07 | 2020-09-25 | 深圳奇迹智慧网络有限公司 | 会议监控方法、装置、计算机设备和存储介质 |
CN113114754A (zh) * | 2021-04-08 | 2021-07-13 | 天津天地伟业智能安全防范科技有限公司 | 移植和对接方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1731466A (zh) * | 2005-08-04 | 2006-02-08 | 施俊 | 一种监管车辆超速行为的系统及其运行方法 |
US20110246210A1 (en) * | 2007-11-01 | 2011-10-06 | Igor Yurievich Matsur | Traffic monitoring system |
CN104700619A (zh) * | 2013-12-06 | 2015-06-10 | 大连灵动科技发展有限公司 | 智能交通卡口接入系统 |
CN105975941A (zh) * | 2016-05-31 | 2016-09-28 | 电子科技大学 | 一种基于深度学习的多方向车型检测识别系统 |
CN106205134A (zh) * | 2015-04-29 | 2016-12-07 | 上海宝康电子控制工程有限公司 | 高速公路全方位车辆检测系统 |
-
2016
- 2016-12-19 CN CN201611180608.2A patent/CN106600969A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1731466A (zh) * | 2005-08-04 | 2006-02-08 | 施俊 | 一种监管车辆超速行为的系统及其运行方法 |
US20110246210A1 (en) * | 2007-11-01 | 2011-10-06 | Igor Yurievich Matsur | Traffic monitoring system |
CN104700619A (zh) * | 2013-12-06 | 2015-06-10 | 大连灵动科技发展有限公司 | 智能交通卡口接入系统 |
CN106205134A (zh) * | 2015-04-29 | 2016-12-07 | 上海宝康电子控制工程有限公司 | 高速公路全方位车辆检测系统 |
CN105975941A (zh) * | 2016-05-31 | 2016-09-28 | 电子科技大学 | 一种基于深度学习的多方向车型检测识别系统 |
Non-Patent Citations (3)
Title |
---|
吴芳: "《交通工程学》", 31 August 2014 * |
宋智军: "《深入浅出大数据》", 31 March 2016 * |
马延辉,等: "《Storm企业级应用实战、运维和调优》", 30 June 2015 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315796A (zh) * | 2017-06-19 | 2017-11-03 | 北京易华录信息技术股份有限公司 | 一种基于大数据的交通警情研判分析系统及方法 |
CN109427190A (zh) * | 2017-08-22 | 2019-03-05 | 普天信息技术有限公司 | 车辆追踪方法及装置 |
CN108320610A (zh) * | 2018-02-22 | 2018-07-24 | 浙江警察学院 | 一种基于网络协同的公安交通指挥仿真训练系统 |
CN109255954A (zh) * | 2018-09-21 | 2019-01-22 | 重庆建工集团股份有限公司 | 一种高速公路入口无人值守智能控制系统 |
CN111192459A (zh) * | 2018-11-15 | 2020-05-22 | 华为技术有限公司 | 一种视频监控布控方法和布控装置 |
CN110009907A (zh) * | 2019-03-25 | 2019-07-12 | 大夏数据服务有限公司 | 一种交通管理数据计算分析系统 |
CN110070706A (zh) * | 2019-04-28 | 2019-07-30 | 西安艾润物联网技术服务有限责任公司 | 公务车监控方法、装置及系统 |
CN110322049A (zh) * | 2019-06-03 | 2019-10-11 | 浙江图灵软件技术有限公司 | 一种公安大数据预警方法 |
CN110120152A (zh) * | 2019-06-26 | 2019-08-13 | 杨晓艺 | 一种基于gis和边缘计算的智能交通管理平台 |
CN110390815A (zh) * | 2019-07-01 | 2019-10-29 | 东南大学 | 判定快速道路多个测速仪组合对交通事故数量影响的方法 |
CN110505307A (zh) * | 2019-08-30 | 2019-11-26 | 公安部交通管理科学研究所 | 一种网间交通流数据的交换方法及系统 |
CN110505307B (zh) * | 2019-08-30 | 2022-04-26 | 公安部交通管理科学研究所 | 一种网间交通流数据的交换方法及系统 |
CN110634295A (zh) * | 2019-09-28 | 2019-12-31 | 安徽百诚慧通科技有限公司 | 一种利用优化模型计算道路最佳通行能力的方法 |
CN111275980A (zh) * | 2020-01-21 | 2020-06-12 | 上海天齐智能建筑股份有限公司 | 基于互联网+智能交通视频监控管理系统的大数据应用平台 |
CN111711783A (zh) * | 2020-05-07 | 2020-09-25 | 深圳奇迹智慧网络有限公司 | 会议监控方法、装置、计算机设备和存储介质 |
CN111711783B (zh) * | 2020-05-07 | 2022-04-15 | 深圳奇迹智慧网络有限公司 | 会议监控方法、装置、计算机设备和存储介质 |
CN113114754A (zh) * | 2021-04-08 | 2021-07-13 | 天津天地伟业智能安全防范科技有限公司 | 移植和对接方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600969A (zh) | 一种智慧化道路综合防控方法及系统 | |
CN106448150B (zh) | 全过程重点车辆监管系统及方法 | |
CN105788282A (zh) | 一种智能化交通布控抓捕联动管理方法 | |
CN106297292A (zh) | 基于高速公路卡口及综合监控的轨迹系统 | |
CN103000029B (zh) | 车辆视频识别方法及其应用 | |
CN108734966A (zh) | 一种交通视频综合分析云平台系统 | |
CN101592931B (zh) | 机动车安全检验远程监控方法 | |
CN110648528A (zh) | 一种智慧公路管理系统 | |
CN109389794A (zh) | 一种智能化视频监控方法和系统 | |
CN203759874U (zh) | 一种具有视频增强效果的交通违章信息采集系统 | |
CN104318769A (zh) | 一种违章车辆监测报警系统及方法 | |
CN104967819A (zh) | 一种基于mac地址搜集管理的安保预警系统及安全预警方法 | |
CN109584566A (zh) | 一种基于公安信息的公安检查站车辆安检系统 | |
CN108773394A (zh) | Ctcs-3级列控系统无线超时自动检测分析系统及检测分析方法 | |
CN104835007A (zh) | 一种网格化智能联动型校园安全管理整合系统 | |
CN110288823A (zh) | 一种基于朴素贝叶斯网络的交通违章误判识别方法 | |
CN106412127A (zh) | 一种IPv6与IPv4双栈兼容的道路监控视频分析系统 | |
CN106652552A (zh) | 一种停车运营管理平台 | |
CN206684875U (zh) | 一种基于车牌及人脸识别的实时动态追踪和预警系统 | |
CN211630273U (zh) | 用于铁路环境的图像智能识别装置 | |
CN113284024A (zh) | 一种人员密集场所智慧应急管理系统 | |
KR20200054919A (ko) | 도로교통정보 분석 서버, 도로교통정보 분석 시스템 및 분석 방법 | |
Ki et al. | Method for automatic detection of traffic incidents using neural networks and traffic data | |
CN105118291A (zh) | 一种道路交通流量统计综合监测系统 | |
CN110930707A (zh) | 非机动车交通违法监管系统及监管方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |