CN107331191B - 异常行驶车辆定位方法、云服务器及系统 - Google Patents
异常行驶车辆定位方法、云服务器及系统 Download PDFInfo
- Publication number
- CN107331191B CN107331191B CN201710698060.9A CN201710698060A CN107331191B CN 107331191 B CN107331191 B CN 107331191B CN 201710698060 A CN201710698060 A CN 201710698060A CN 107331191 B CN107331191 B CN 107331191B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- steering
- vehicles
- running
- abnormal
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
Abstract
本公开涉及一种异常行驶车辆定位方法、云服务器及系统。本公开异常行驶车辆定位方法,包括:收集多个车载单元上报的行车数据,所述行车数据包括所述车载单元所在车辆的车速、方向盘转向角度、经纬度以及行驶方向;根据所述经纬度确定所述车载单元所在车辆行驶的道路;根据所述车速、所述方向盘转向角度、所述行驶方向以及所述行驶的道路确定出现异常行驶车辆的区域和行车道。本公开通过收集多个车载单元上报的行车数据,并根据这些行车数据确定出现异常行驶车辆的区域和行车道,实现异常行驶车辆的米级别定位,以便提前向周边车辆发出预警,或者及时通知交管人员,提高道路的行车效率,确保行车安全。
Description
技术领域
本公开涉及道路定位技术,具体地,涉及一种异常行驶车辆定位方法、云服务器及系统。
背景技术
在人们的驾车出行过程中,经常发现某个路段的某个车道上有车辆发生故障或者事故,因而占用该车道,使得该车道上的后续车辆以及相邻车道上的车辆行驶速度变缓。目前,可以通过全球定位系统(Global Positioning System,简称:GPS)或者北斗卫星导航系统定位出车辆所处的街道和行驶方向,但是如果发生交通阻断的道路周边却没有摄像头等监控设备时,交管人员无法及时获取发生交通阻断的车道,不能及时向其他车辆提前预警,从而造成交通出行效率的大大降低。
发明内容
本公开的目的是提供一种异常行驶车辆定位方法、云服务器及系统,实现异常行驶车辆的米级别定位,以便提前向周边车辆发出预警,或者及时通知交管人员,提高道路的行车效率,确保行车安全该设备。
为了实现上述目的,本公开提供一种异常行驶车辆定位方法,包括:
收集多个车载单元上报的行车数据,所述行车数据包括所述车载单元所在车辆的车速、方向盘转向角度、经纬度以及行驶方向;
根据所述经纬度确定所述车载单元所在车辆行驶的道路;
根据所述车速、所述方向盘转向角度、所述行驶方向以及所述行驶的道路确定出现异常行驶车辆的区域和行车道。
可选的,所述根据所述车速、所述方向盘转向角度、所述行驶方向以及所述行驶的道路确定出现异常行驶车辆的区域和行车道,包括:
在所述行驶的道路的各行驶方向上,根据所述行驶方向确定每个采样路段上行驶的车辆,所述采样路段为预先对所述行驶的道路在所述各行驶方向上分别进行等长度划分得到的路段;
根据所述每个采样路段上行驶的车辆的所述车速确定疑似异常行驶区域;
根据在所述疑似异常行驶区域内行驶的所有车辆的所述方向盘转向角度得到转向车辆集合,所述转向车辆集合包括在所述疑似异常行驶区域内行驶,且所述方向盘转向角度大于预设方向盘转向角度阈值的车辆;
根据所述转向车辆集合确定所述出现异常行驶车辆的区域和行车道。
可选的,所述根据所述每个采样路段上行驶的车辆的所述车速确定疑似异常行驶区域,包括:
根据所述每个采样路段上行驶的车辆的所述车速确定每个所述采样路段的平均车速;
根据每个所述采样路段的平均车速确定最小车速路段,所述最小车速路段的平均车速比相邻采样路段的平均车速低预设速度阈值;
以所述最小车速路段为中心,前后再各取n个所述采样路段得到疑似异常行驶区域,n为大于1的整数。
可选的,所述根据所述转向车辆集合确定所述出现异常行驶车辆的区域和行车道,包括:
根据所述转向车辆集合中的车辆的所述方向盘转向角度得到多个同向转向车辆集合,所述同向转向车辆集合包括前后左右相邻且向同一方向转向的车辆;
根据所述每个采样路段上行驶的车辆计算在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数;
根据所述多个同向转向车辆集合各自的车辆数和所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数确定所述出现异常行驶车辆的区域和行车道。
可选的,所述根据所述多个同向转向车辆集合各自的车辆数和所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数确定所述出现异常行驶车辆的区域和行车道,包括:
分别根据以下公式计算所述多个同向转向车辆集合各自的转向比例:
其中,r表示所述同向转向车辆集合的转向比例,TR表示所述同向转向车辆集合中的车辆数,LVC表示所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数;
根据所述多个同向转向车辆集合各自的转向比例确定最接近车辆集合;
判断所述最接近车辆集合中的车辆是否位于所述疑似异常行驶区域内且在所述最小车速路段的后方;
若所述最接近车辆集合中的车辆位于所述疑似异常行驶区域内且在所述最小车速路段的后方,则将所述最小车速路段确定为所述出现异常行驶车辆的区域;
根据所述最接近车辆集合中的车辆的所述方向盘转向角度确定所述出现异常行驶车辆的行车道。
可选的,所述根据所述多个同向转向车辆集合各自的转向比例确定最接近车辆集合,包括:
判断所述多个同向转向车辆集合各自的转向比例是否小于预设转向比例阈值;
将小于所述预设转向比例阈值的所述转向比例对应的所述同向转向车辆集合确定为所述最接近车辆集合;
当不存在小于所述预设转向比例阈值的所述转向比例时,根据所述多个同向转向车辆集合在所述行驶的道路上的位置计算相邻的每两个所述同向转向车辆集合的所述转向比例之和;
将小于所述预设转向比例阈值的所述转向比例之和分别对应的两个所述同向转向车辆集合确定为所述最接近车辆集合。
可选的,所述根据所述最接近车辆集合中的车辆的所述方向盘转向角度确定所述出现异常行驶车辆的行车道,包括:
当所述最接近车辆集合中的车辆的所述方向盘转向角度均为右转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的最左行车道;
当所述最接近车辆集合中的车辆的所述方向盘转向角度均为左转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的最右行车道;
当所述最接近车辆集合中的车辆的所述方向盘转向角度同时有右转的方向盘转向角度和左转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的中间行车道。
可选的,所述方法还包括:
向所述多个车载单元发送预警信息,所述预警信息包括所述出现异常行驶车辆的区域和行车道。
为了实现上述目的,本公开提供一种异常行驶车辆定位方法,包括:
每间隔预设采集周期,采集一次车辆的行车数据,所述行车数据包括车辆的车速、方向盘转向角度、经纬度以及行驶方向;
每间隔预设上报周期,将已经采集到并且没有上报的所述行车数据上报给云服务器,所述预设上报周期大于预设采集周期。
可选的,所述方法还包括:
接收所述云服务器发送的预警信息,所述预警信息包括出现异常行驶车辆的区域和行车道;
当确定所述车辆与所述出现异常行驶车辆的区域和行车道的距离小于预设安全距离时,输出提示信息。
为了实现上述目的,本公开提供一种云服务器,包括:
收集模块,用于收集多个车载单元上报的行车数据,所述行车数据包括所述车载单元所在车辆的车速、方向盘转向角度、经纬度以及行驶方向;
道路确定模块,用于根据所述经纬度确定所述车载单元所在车辆行驶的道路;
异常分析模块,用于根据所述车速、所述方向盘转向角度、所述行驶方向以及所述行驶的道路确定出现异常行驶车辆的区域和行车道。
可选的,所述异常分析模块,具体用于在所述行驶的道路的各行驶方向上,根据所述行驶方向确定每个采样路段上行驶的车辆,所述采样路段为预先对所述行驶的道路在所述各行驶方向上分别进行等长度划分得到的路段;根据所述每个采样路段上行驶的车辆的所述车速确定疑似异常行驶区域;根据在所述疑似异常行驶区域内行驶的所有车辆的所述方向盘转向角度得到转向车辆集合,所述转向车辆集合包括在所述疑似异常行驶区域内行驶,且所述方向盘转向角度大于预设方向盘转向角度阈值的车辆;根据所述转向车辆集合确定所述出现异常行驶车辆的区域和行车道。
可选的,所述异常分析模块,具体用于根据所述每个采样路段上行驶的车辆的所述车速确定每个所述采样路段的平均车速;根据每个所述采样路段的平均车速确定最小车速路段,所述最小车速路段的平均车速比相邻采样路段的平均车速低预设速度阈值;以所述最小车速路段为中心,前后再各取n个所述采样路段得到疑似异常行驶区域,n为大于1的整数。
可选的,所述异常分析模块,具体用于根据所述转向车辆集合中的车辆的所述方向盘转向角度得到多个同向转向车辆集合,所述同向转向车辆集合包括前后左右相邻且向同一方向转向的车辆;根据所述每个采样路段上行驶的车辆计算在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数;根据所述多个同向转向车辆集合各自的车辆数和所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数确定所述出现异常行驶车辆的区域和行车道。
可选的,所述异常分析模块,具体用于分别根据以下公式计算所述多个同向转向车辆集合各自的转向比例:
其中,r表示所述同向转向车辆集合的转向比例,TR表示所述同向转向车辆集合中的车辆数,LVC表示所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数;根据所述多个同向转向车辆集合各自的转向比例确定最接近车辆集合;判断所述最接近车辆集合中的车辆是否位于所述疑似异常行驶区域内且在所述最小车速路段的后方;若所述最接近车辆集合中的车辆位于所述疑似异常行驶区域内且在所述最小车速路段的后方,则将所述最小车速路段确定为所述出现异常行驶车辆的区域;根据所述最接近车辆集合中的车辆的所述方向盘转向角度确定所述出现异常行驶车辆的行车道。
可选的,所述异常分析模块,具体用于判断所述多个同向转向车辆集合各自的转向比例是否小于预设转向比例阈值;将小于所述预设转向比例阈值的所述转向比例对应的所述同向转向车辆集合确定为所述最接近车辆集合;当不存在小于所述预设转向比例阈值的所述转向比例时,根据所述多个同向转向车辆集合在所述行驶的道路上的位置计算相邻的每两个所述同向转向车辆集合的所述转向比例之和;将小于所述预设转向比例阈值的所述转向比例之和分别对应的两个所述同向转向车辆集合确定为所述最接近车辆集合。
可选的,所述异常分析模块,具体用于当所述最接近车辆集合中的车辆的所述方向盘转向角度均为右转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的最左行车道;当所述最接近车辆集合中的车辆的所述方向盘转向角度均为左转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的最右行车道;当所述最接近车辆集合中的车辆的所述方向盘转向角度同时有右转的方向盘转向角度和左转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的中间行车道。
可选的,还包括:
发送模块,用于向所述多个车载单元发送预警信息,所述预警信息包括所述出现异常行驶车辆的区域和行车道。
为了实现上述目的,本公开提供一种车载单元,包括:
采集模块,用于每间隔预设采集周期,采集一次车辆的行车数据,所述行车数据包括车辆的车速、方向盘转向角度、经纬度以及行驶方向;
发送模块,用于每间隔预设上报周期,将已经采集到并且没有上报的所述行车数据上报给云服务器,所述预设上报周期大于预设采集周期。
可选的,还包括:
接收模块,用于接收所述云服务器发送的预警信息,所述预警信息包括出现异常行驶车辆的区域和行车道;
报警模块,用于当确定所述车辆与所述出现异常行驶车辆的区域和行车道的距离小于预设安全距离时,输出提示信息。
为了实现上述目的,本公开提供一种异常行驶车辆定位系统,包括:云服务器和多个车载单元,所述多个车载单元分别装载在不同的车辆中;
其中,所述云服务器采用上述实施例所述的云服务器;所述车载单元采用上述实施例所述的车载单元。
可选的,还包括:路侧单元;所述路侧单元,用于接收所述云服务器发送的所述预警信息,并广播所述预警信息。
通过上述技术方案,收集多个车载单元上报的行车数据,并根据这些行车数据确定出现异常行驶车辆的区域和行车道,实现异常行驶车辆的米级别定位,以便提前向周边车辆发出预警,或者及时通知交管人员,提高道路的行车效率,确保行车安全。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种异常行驶车辆定位方法的流程图。
图2是根据一示例性实施例示出的一种异常行驶车辆定位方法的流程图。
图3是根据一示例性实施例示出的一种道路等长划分示意图。
图4是根据一示例性实施例示出的一种车速变化示意图。
图5是根据一示例性实施例示出的一种同向转向车辆集合示意图。
图6是根据一示例性实施例示出的一种异常行驶车辆定位方法的流程图。
图7是根据一示例性实施例示出的一种云服务器框图。
图8是根据一示例性实施例示出的一种云服务器框图。
图9是根据一示例性实施例示出的一种车载单元框图。
图10是根据一示例性实施例示出的一种车载单元框图。
图11是根据一示例性实施例示出的一种异常行驶车辆定位系统框图。
图12是根据一示例性实施例示出的一种异常行驶车辆定位系统框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
图1是根据一示例性实施例示出的一种异常行驶车辆定位方法的流程图,如图1所示,异常行驶车辆定位方法用于云服务器,包括以下步骤。
步骤101、收集多个车载单元上报的行车数据,该行车数据包括车载单元所在车辆的车速、方向盘转向角度、经纬度以及行驶方向;
车联网通过整合全球定位系统导航技术、车对车交流技术、无线通信及远程感应技术奠定了新的汽车技术发展方向,实现了手动驾驶和自动驾驶的兼容。本实施例结合了车联网技术,在V2X架构下,由车载单元、云服务器,甚至路侧单元一起合作对道路上行驶车辆的状态进行监测。
随着车辆技术的发展,车辆中的定位装置、控制装置等组件可以实时获取到车辆在行驶中的数据,这些数据包括车辆的经纬度、高度、车速、行驶方向、方向盘转向角度、刹车、减速度等,表示了车辆的行驶状态,例如,定位装置可以实时定位得到车辆所在位置的经纬度、高度、行驶方向等,控制装置可以从方向盘读取到方向盘转向角度,速度传感器可以实时获取到车辆行驶的速度、加速度等。车辆中装载的车载单元可以周期性的收集其所在车辆的这些数据,并将其上报给云服务器。本实施例涉及的行车数据主要包括车辆的车速、方向盘转向角度、经纬度以及行驶方向。
步骤102、根据经纬度确定车载单元所在车辆行驶的道路;
云服务器可以根据多个车载单元上报的经纬度,结合电子地图,分别确定这些车载单元所在车辆行驶的道路。
步骤103、根据车速、方向盘转向角度、行驶方向以及行驶的道路确定出现异常行驶车辆的区域和行车道。
本实施例中,云服务器根据车速、方向盘转向角度、行驶方向以及行驶的道路可以依据通常车辆行驶的规律,例如,某条道路的某个路段的最左车道出现异常行驶车辆,异常行驶可以包括追尾导致车辆停止行驶,故障导致车辆行驶缓慢等,这时后续车辆在接近异常行驶车辆时通常会减速并变道,右转到其他行车道上继续行驶,于是会出现某个路段上的车辆均减速并变道。反之,以此为判断依据,就可以确定出是哪条道路的哪个区域内的哪个行车道出现了异常行驶车辆。
考虑到不是所有在路上行驶车辆都支持上述车联网的架构,有的异常行驶车辆没有装载车载单元,但本实施例的方法仍然可以基于一般的行车规律定位出出现异常行驶车辆的区域和行车道,只是在精确度上是米级别的,最高精度可以达到2米~5米。而对于装载有车载单元的车辆,可以直接将其所在位置上报给云服务器,云服务器根据该车辆在相同地方停留的时长来判定该车辆是否故障,例如,云服务器发现某辆车连续上报的位置均在同一个地点,而且持续有超过3分钟,则云服务器就认定该车辆为异常行驶车辆,进而确定出该车辆所在的区域。
进一步的,云服务器在确定出出现异常行驶车辆的区域和行车道后,可以将该信息发送给附近的车辆的车载单元,或者发送给附近的路侧单元,再由路侧单元广播给周围的车辆,提前向周边车辆发出预警,提高道路的行车效率,确保行车安全。
本实施例,通过收集多个车载单元上报的行车数据,并根据这些行车数据确定出现异常行驶车辆的区域和行车道,实现异常行驶车辆的米级别定位,以便提前向周边车辆发出预警,或者及时通知交管人员,提高道路的行车效率,确保行车安全。
图2是根据一示例性实施例示出的一种异常行驶车辆定位方法的流程图,如图2所示,异常行驶车辆定位方法用于云服务器,包括以下步骤。
步骤201、收集多个车载单元上报的行车数据,该行车数据包括车载单元所在车辆的车速、方向盘转向角度、经纬度以及行驶方向;
步骤201与上述步骤101类似,此处不再赘述。
步骤202、根据经纬度确定车载单元所在车辆行驶的道路;
步骤202与上述步骤102类似,此处不再赘述。
步骤203、在行驶的道路的各行驶方向上,根据行驶方向确定每个采样路段上行驶的车辆,该采样路段为预先对行驶的道路在各行驶方向上分别进行等长度划分得到的路段;
为了可以更精确的定位出异常行驶车辆所在的区域,可以预先对各条道路进行等长度划分得到采样路段,本实施例中的道路指的是路口和路口之间的道路,或者是环路的出口和入口之间的道路。由于车辆是分散在各个地方的,因此车辆行驶的道路几乎涵盖了所有的道路,依次遍历每一条道路,在各条道路的各行驶方向上,根据车辆的行驶方向确定出每个采样路段上行驶的车辆。图3是根据一示例性实施例示出的一种道路等长划分示意图,每个采样路段的长度可以根据车辆行驶的规律进行划分,该长度既不会太短导致云服务器需要进行非常大量的数据分析,造成云服务器的负担,但也不会太长导致定位的结果不够准确,例如可以将限速为60公里/小时的道路划分成多个16米长的采样路段。随着道路的建设,一般道路是双向多车道的,即在两个方向上分别有多条行车道,就可以采用上述方法在这两个方向上分别进行等长度划分得到采样路段,如图3所示,采样路段是与行驶方向相对应的,而且采样路段包括多个行车道。由于车辆的定位装置可以定位出该车辆的经纬度和行驶方向,因此可以根据道路上行驶的车辆的经纬度和行驶方向确定出每个采样路段上行驶的车辆。
步骤204、根据每个采样路段上行驶的车辆的车速确定每个采样路段的平均车速;
云服务器基于从车载单元获取的车辆的车速可以计算各采样路段的平均车速。由于存在没有装载车载单元的车辆,本实施例基于车辆的普遍行驶规律这一前提,例如,在某个采样路段上,不同车辆行驶的车速是大致相同的,每个采样路段上行驶的车辆数也是基本一致的等。因此本实施例即使不能,实际上也不可能获取到所有行驶车辆的行车数据,但是根据对已有行车数据的分析,可以得到车辆的行驶规律,从而做出与实际情况相差无几的判断结果。
步骤205、根据每个采样路段的平均车速确定最小车速路段,该最小车速路段的平均车速比相邻采样路段的平均车速低预设速度阈值;
根据行车规律可知,道路上有异常行驶车辆时,会造成其他车辆在快接近该异常行驶车辆所在位置时减速,然后变道超过该异常行驶车辆,接着逐渐提升车速,图4是根据一示例性实施例示出的一种车速变化示意图,如图4所示,基于各个采样路段的平均车速,一旦出现异常行驶车辆,必然有平局车速低谷的路段,可以初步认为该平均车速低谷的路段可能出现了异常行驶车辆。本实施例将每个采样路段的车速与相邻的两个采样路段的平均车速进行比较,平均车速比相邻采样路段的平均车速低预设速度阈值的采样路段就可以确定为最小车速路段。
步骤206、以最小车速路段为中心,前后再各取n个采样路段得到疑似异常行驶区域,n为大于1的整数。
以最小车速路段为中心,取其前后连续的n个采样路段,n可以是2、3等大于1的整数,构成一个疑似异常行驶区域,其中,位于最小车速路段后方的n个采样路段为进入最低速度前的区域,定义为EA区域,位于最小车速路段前方的n个采样路段为离开最低速度前的区域,定义为LA区域。一旦确定了疑似异常行驶区域中确实出现了异常行驶车辆,根据行车规律该疑似异常行驶区域中的车辆可能都会被影响。
步骤207、根据在疑似异常行驶区域内行驶的所有车辆的方向盘转向角度得到转向车辆集合,该转向车辆集合包括在疑似异常行驶区域内行驶,且方向盘转向角度大于预设方向盘转向角度阈值的车辆;
此时需要确认疑似异常行驶区域内有多少行驶的车辆进行了变道,这个可以通过车辆的方向盘转向数据确定,本实施例中将在疑似异常行驶区域内行驶,且方向盘转向角度大于预设方向盘转向角度阈值的车辆确定为转向车辆。
步骤208、根据转向车辆集合中的车辆的方向盘转向角度得到多个同向转向车辆集合,该同向转向车辆集合包括前后左右相邻且向同一方向转向的车辆;
基于上述步骤,再从转向车辆集合中区分出多个同向转向车辆集合,该同向转向车辆集合包括前后左右相邻且向同一方向转向的车辆,图5是根据一示例性实施例示出的一种同向转向车辆集合示意图,如图5所示,根据在疑似异常行驶区域内行驶的车辆所在的位置和转向的方向分成多个同向转向车辆集合,每个同向转向车辆集合中的车辆是前后左右相邻,且向同一方向转向。
步骤209、根据每个采样路段上行驶的车辆计算在疑似异常行驶区域内的每条行车道上行驶的平均车辆数;
根据行车规律,道路上行驶的车辆会动态平均分布在每条行车道上,也就是说每条行车道上的车辆数基本上是相同的。因此本实施例中用疑似异常行驶区域内的所有采样路段上行驶的车辆总数除以行车道数,计算得到在疑似异常行驶区域内的每条行车道上行驶的平均车辆数。
步骤210、分别根据公式计算多个同向转向车辆集合各自的转向比例:
其中,r表示同向转向车辆集合的转向比例,TR表示同向转向车辆集合中的车辆数,LVC表示在疑似异常行驶区域内的每条行车道上行驶的平均车辆数;
同向转向车辆集合中的车辆数为TR,在疑似异常行驶区域内的每条行车道上行驶的平均车辆数为LVC,用这二者之差的绝对值比上LVC可以得出一个转向比例r,该转向比例r表示了在该同向转向车辆集合中的车辆所在的道路部分,实际未转向的车辆在理论上的平均车辆数中的占比。
步骤211、根据多个同向转向车辆集合各自的转向比例确定最接近车辆集合;
本实施例中,判断多个同向转向车辆集合各自的转向比例是否小于预设转向比例阈值,即将上述步骤中计算得到的各个同向转向车辆集合各自的转向比例与预设转向比例阈值进行比较,例如,与2%进行比较,将小于预设转向比例阈值的转向比例对应的同向转向车辆集合确定为最接近车辆集合。当不存在小于预设转向比例阈值的转向比例时,这种情况多出现于异常行驶车辆位于中间行车道,那么它后方的车辆既可以向左变道,也可以向右变道,因此一个同向转向车辆集合中的车辆数可能无法满足前述的条件,此时就需要连续考虑两个同向转向车辆集合中的车辆数,计算相邻的每两个同向转向车辆集合的转向比例之和,将小于预设转向比例阈值的转向比例之和分别对应的两个同向转向车辆集合确定为最接近车辆集合。
步骤212、判断最接近车辆集合中的车辆是否位于疑似异常行驶区域内且在最小车速路段的后方;
判断最接近车辆集合中的车辆是否位于疑似异常行驶区域内且在最小车速路段的后方,也就是说判断最接近车辆集合是否在步骤206中的EA区域中。根据行车规律,车辆在纷纷接近异常行驶车辆时,一旦发现前方路况有异,大多会采取变道措施,本实施例就是基于这一规律确定看大量变道的车辆是否位于最小车速路段的后方,只要满足这一条件,基本上就可以确认最小车速路段为出现异常行驶车辆的区域。
步骤213、若最接近车辆集合中的车辆位于疑似异常行驶区域内且在最小车速路段的后方,则将最小车速路段确定为出现异常行驶车辆的区域;
步骤214、根据最接近车辆集合中的车辆的方向盘转向角度确定出现异常行驶车辆的行车道。
本实施例中,当最接近车辆集合中的车辆的方向盘转向角度均为右转的方向盘转向角度时,出现异常行驶车辆的行车道为出现异常行驶车辆的区域内的最左行车道。根据行车规律,最左行车道上的车辆只能向右变道,因此如果在最接近车辆集合中的车辆都是向右变道,说明最接近车辆集合中的车辆一定是位于最左行车道的;当最接近车辆集合中的车辆的方向盘转向角度均为左转的方向盘转向角度时,出现异常行驶车辆的行车道为出现异常行驶车辆的区域内的最右行车道。根据行车规律,最右行车道上的车辆只能向左变道,因此如果在最接近车辆集合中的车辆都是向左变道,说明最接近车辆集合中的车辆一定是位于最右行车道的;当最接近车辆集合中的车辆的方向盘转向角度同时有右转的方向盘转向角度和左转的方向盘转向角度时,出现异常行驶车辆的行车道为出现异常行驶车辆的区域内的中间行车道。根据行车规律,中间行车道上的车辆要变道可以有两个方向选择,因此在这种情况下可以确定出现异常行驶车辆的行车道为中间行车道。
本实施例,通过收集多个车载单元上报的行车数据,并根据这些行车数据确定出现异常行驶车辆的区域和行车道,实现异常行驶车辆的米级别定位,以便提前向周边车辆发出预警,或者及时通知交管人员,提高道路的行车效率,确保行车安全。
进一步的,本实施例中,云服务器可以周期性的进行上述分析,以确定出现异常行驶车辆的区域和行车道,例如,每隔五分钟根据收集的行车数据进行一次分析,这样云服务器既不会因为长时间没做分析导致不能及时掌握道路的路况信息,又不会因为分析过于频繁,增加负荷。为了定位的准确性和正确性,云服务器可以在第一次确定出出现异常行驶车辆的区域和行车道后,可以对该区域和行车道进行标注,当在短时间内的分析结果显示该区域和行车道多次被确认出现异常行驶车辆,基本可以认定该区域和行车道上确实出现了异常行驶车辆。
图6是根据一示例性实施例示出的一种异常行驶车辆定位方法的流程图,如图6所示,异常行驶车辆定位方法用于车载单元,包括以下步骤。
步骤301、每间隔预设采集周期,采集一次车辆的行车数据,该行车数据包括车辆的车速、方向盘转向角度、经纬度以及行驶方向;
车载单元可以每个一段时间采集一次车辆的行车数据,例如,100ms采集一次。
步骤302、每间隔预设上报周期,将已经采集到并且没有上报的行车数据上报给云服务器,该预设上报周期大于预设采集周期。
为了减少通信负担,车载单元可以间隔更长的周期向云服务器上报一次行车数据,例如,每隔1s上报一次,这样每次上报即可累计10次的采集数据,减少负担。
本实施例,通过周期性采集并上报行车数据,可以给云服务器分析出现异常行驶车辆的区域和行车道提供数据支持,提高效率。
进一步的,车载单元还可以接收云服务器发送的预警信息,该预警信息包括出现异常行驶车辆的区域和行车道;当确定车辆与出现异常行驶车辆的区域和行车道的距离小于预设安全距离时,输出提示信息。
图7是根据一示例性实施例示出的一种云服务器框图。参照图7,该云服务器包括收集模块11、道路确定模块12和异常分析模块13。
该收集模块11,用于收集多个车载单元上报的行车数据,所述行车数据包括所述车载单元所在车辆的车速、方向盘转向角度、经纬度以及行驶方向;
该道路确定模块12,用于根据所述经纬度确定所述车载单元所在车辆行驶的道路;
该异常分析模块13,用于根据所述车速、所述方向盘转向角度、所述行驶方向以及所述行驶的道路确定出现异常行驶车辆的区域和行车道。
进一步的,所述异常分析模块13,具体用于在所述行驶的道路的各行驶方向上,根据所述行驶方向确定每个采样路段上行驶的车辆,所述采样路段为预先对所述行驶的道路在所述各行驶方向上分别进行等长度划分得到的路段;根据所述每个采样路段上行驶的车辆的所述车速确定疑似异常行驶区域;根据在所述疑似异常行驶区域内行驶的所有车辆的所述方向盘转向角度得到转向车辆集合,所述转向车辆集合包括在所述疑似异常行驶区域内行驶,且所述方向盘转向角度大于预设方向盘转向角度阈值的车辆;根据所述转向车辆集合确定所述出现异常行驶车辆的区域和行车道。
进一步的,所述异常分析模块13,具体用于根据所述每个采样路段上行驶的车辆的所述车速确定每个所述采样路段的平均车速;根据每个所述采样路段的平均车速确定最小车速路段,所述最小车速路段的平均车速比相邻采样路段的平均车速低预设速度阈值;以所述最小车速路段为中心,前后再各取n个所述采样路段得到疑似异常行驶区域,n为大于1的整数。
进一步的,所述异常分析模块13,具体用于根据所述转向车辆集合中的车辆的所述方向盘转向角度得到多个同向转向车辆集合,所述同向转向车辆集合包括前后左右相邻且向同一方向转向的车辆;根据所述每个采样路段上行驶的车辆计算在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数;根据所述多个同向转向车辆集合各自的车辆数和所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数确定所述出现异常行驶车辆的区域和行车道。
进一步的,所述异常分析模块13,具体用于分别根据以下公式计算所述多个同向转向车辆集合各自的转向比例:
其中,r表示所述同向转向车辆集合的转向比例,TR表示所述同向转向车辆集合中的车辆数,LVC表示所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数;根据所述多个同向转向车辆集合各自的转向比例确定最接近车辆集合;判断所述最接近车辆集合中的车辆是否位于所述疑似异常行驶区域内且在所述最小车速路段的后方;若所述最接近车辆集合中的车辆位于所述疑似异常行驶区域内且在所述最小车速路段的后方,则将所述最小车速路段确定为所述出现异常行驶车辆的区域;根据所述最接近车辆集合中的车辆的所述方向盘转向角度确定所述出现异常行驶车辆的行车道。
进一步的,所述异常分析模块13,具体用于判断所述多个同向转向车辆集合各自的转向比例是否小于预设转向比例阈值;将小于所述预设转向比例阈值的所述转向比例对应的所述同向转向车辆集合确定为所述最接近车辆集合;当不存在小于所述预设转向比例阈值的所述转向比例时,根据所述多个同向转向车辆集合在所述行驶的道路上的位置计算相邻的每两个所述同向转向车辆集合的所述转向比例之和;将小于所述预设转向比例阈值的所述转向比例之和分别对应的两个所述同向转向车辆集合确定为所述最接近车辆集合。
进一步的,所述异常分析模块13,具体用于当所述最接近车辆集合中的车辆的所述方向盘转向角度均为右转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的最左行车道;当所述最接近车辆集合中的车辆的所述方向盘转向角度均为左转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的最右行车道;当所述最接近车辆集合中的车辆的所述方向盘转向角度同时有右转的方向盘转向角度和左转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的中间行车道。
图8是根据一示例性实施例示出的一种云服务器框图。参照图8,在图7所示框图基础上,云服务器还包括发送模块14。
该发送模块14,用于向所述多个车载单元发送预警信息,所述预警信息包括所述出现异常行驶车辆的区域和行车道。
图9是根据一示例性实施例示出的一种车载单元框图。参照图9,该车载单元包括采集模块21和发送模块22。
该采集模块21,用于每间隔预设采集周期,采集一次车辆的行车数据,所述行车数据包括车辆的车速、方向盘转向角度、经纬度以及行驶方向;
该发送模块22,用于每间隔预设上报周期,将已经采集到并且没有上报的所述行车数据上报给云服务器,所述预设上报周期大于预设采集周期。
图10是根据一示例性实施例示出的一种车载单元框图。参照图10,在图9所示框图基础上,车载单元还包括接收模块23和报警模块24。
该接收模块23,用于接收所述云服务器发送的预警信息,所述预警信息包括出现异常行驶车辆的区域和行车道;
该报警模块24,用于当确定所述车辆与所述出现异常行驶车辆的区域和行车道的距离小于预设安全距离时,输出提示信息。
图11是根据一示例性实施例示出的一种异常行驶车辆定位系统框图。参照图11,该异常行驶车辆定位系统包括:云服务器31和多个车载单元32,所述多个车载单元32分别装载在不同的车辆中;其中,所述云服务器31采用图7和图8所示的云服务器;所述车载单元32采用图9或图10所示的车载单元。
图12是根据一示例性实施例示出的一种异常行驶车辆定位系统框图。参照图12,在图11所示框图基础上,该异常行驶车辆定位系统还可以包括路侧单元33,用于接收所述云服务器发送的所述预警信息,并广播所述预警信息。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (12)
1.一种异常行驶车辆定位方法,其特征在于,包括:
收集多个车载单元上报的行车数据,所述行车数据包括所述车载单元所在车辆的车速、方向盘转向角度、经纬度以及行驶方向;
根据所述经纬度确定所述车载单元所在车辆行驶的道路;
根据所述车速、所述方向盘转向角度、所述行驶方向以及所述行驶的道路确定出现异常行驶车辆的区域和行车道;
其中,所述根据所述车速、所述方向盘转向角度、所述行驶方向以及所述行驶的道路确定出现异常行驶车辆的区域和行车道,包括:
在所述行驶的道路的各行驶方向上,根据所述行驶方向确定每个采样路段上行驶的车辆;
根据所述每个采样路段上行驶的车辆的所述车速确定疑似异常行驶区域;
根据在所述疑似异常行驶区域内行驶的所有车辆的所述方向盘转向角度得到转向车辆集合;
根据所述转向车辆集合中的车辆的所述方向盘转向角度得到多个同向转向车辆集合,所述同向转向车辆集合包括前后左右相邻且向同一方向转向的车辆;
根据所述每个采样路段上行驶的车辆计算在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数;
根据所述多个同向转向车辆集合各自的车辆数和所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数确定所述多个同向转向车辆集合各自的转向比例,以根据所述转向比例确定所述出现异常行驶车辆的区域和行车道;其中,
所述转向车辆集合包括在疑似异常行驶区域内行驶,且所述方向盘转向角度大于预设方向盘转向角度阈值的车辆,所述采样路段为预先对所述行驶的道路在各行驶方向上分别进行等长度划分得到的路段。
2.根据权利要求1所述的方法,其特征在于,所述根据所述每个采样路段上行驶的车辆的所述车速确定疑似异常行驶区域,包括:
根据所述每个采样路段上行驶的车辆的所述车速确定每个所述采样路段的平均车速;
根据每个所述采样路段的平均车速确定最小车速路段,所述最小车速路段的平均车速比相邻采样路段的平均车速低预设速度阈值;
以所述最小车速路段为中心,前后再各取n个所述采样路段得到疑似异常行驶区域,n为大于1的整数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述多个同向转向车辆集合各自的车辆数和所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数确定所述多个同向转向车辆集合各自的转向比例,以根据所述转向比例确定所述出现异常行驶车辆的区域和行车道,包括:
分别根据以下公式计算所述多个同向转向车辆集合各自的转向比例:
其中,r表示所述同向转向车辆集合的转向比例,TR表示所述同向转向车辆集合中的车辆数,LVC表示所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数;
根据所述多个同向转向车辆集合各自的转向比例确定最接近车辆集合;
判断所述最接近车辆集合中的车辆是否位于所述疑似异常行驶区域内且在所述最小车速路段的后方;
若所述最接近车辆集合中的车辆位于所述疑似异常行驶区域内且在所述最小车速路段的后方,则将所述最小车速路段确定为所述出现异常行驶车辆的区域;
根据所述最接近车辆集合中的车辆的所述方向盘转向角度确定所述出现异常行驶车辆的行车道;
其中,所述根据所述多个同向转向车辆集合各自的转向比例确定最接近车辆集合,包括:
判断所述多个同向转向车辆集合各自的转向比例是否小于预设转向比例阈值;
将小于所述预设转向比例阈值的所述转向比例对应的所述同向转向车辆集合确定为所述最接近车辆集合;
当不存在小于所述预设转向比例阈值的所述转向比例时,根据所述多个同向转向车辆集合在所述行驶的道路上的位置计算相邻的每两个所述同向转向车辆集合的所述转向比例之和;
将小于所述预设转向比例阈值的所述转向比例之和分别对应的两个所述同向转向车辆集合确定为所述最接近车辆集合。
4.根据权利要求3所述的方法,其特征在于,所述根据所述最接近车辆集合中的车辆的所述方向盘转向角度确定所述出现异常行驶车辆的行车道,包括:
当所述最接近车辆集合中的车辆的所述方向盘转向角度均为右转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的最左行车道;
当所述最接近车辆集合中的车辆的所述方向盘转向角度均为左转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的最右行车道;
当所述最接近车辆集合中的车辆的所述方向盘转向角度同时有右转的方向盘转向角度和左转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的中间行车道。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向所述多个车载单元发送预警信息,所述预警信息包括所述出现异常行驶车辆的区域和行车道。
6.一种云服务器,其特征在于,包括:
收集模块,用于收集多个车载单元上报的行车数据,所述行车数据包括所述车载单元所在车辆的车速、方向盘转向角度、经纬度以及行驶方向;
道路确定模块,用于根据所述经纬度确定所述车载单元所在车辆行驶的道路;
异常分析模块,用于根据所述车速、所述方向盘转向角度、所述行驶方向以及所述行驶的道路确定出现异常行驶车辆的区域和行车道;其中,
所述异常分析模块,具体用于在所述行驶的道路的各行驶方向上,根据所述行驶方向确定每个采样路段上行驶的车辆;根据所述每个采样路段上行驶的车辆的所述车速确定疑似异常行驶区域;根据在所述疑似异常行驶区域内行驶的所有车辆的所述方向盘转向角度得到转向车辆集合;根据所述转向车辆集合中的车辆的所述方向盘转向角度得到多个同向转向车辆集合,所述同向转向车辆集合包括前后左右相邻且向同一方向转向的车辆;根据所述每个采样路段上行驶的车辆计算在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数;根据所述多个同向转向车辆集合各自的车辆数和所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数确定所述多个同向转向车辆集合各自的转向比例,以根据所述转向比例确定所述出现异常行驶车辆的区域和行车道;其中,
所述转向车辆集合包括在疑似异常行驶区域内行驶,且所述方向盘转向角度大于预设方向盘转向角度阈值的车辆,所述采样路段为预先对所述行驶的道路在各行驶方向上分别进行等长度划分得到的路段。
7.根据权利要求6所述的云服务器,其特征在于,所述异常分析模块,具体用于根据所述每个采样路段上行驶的车辆的所述车速确定每个所述采样路段的平均车速;根据每个所述采样路段的平均车速确定最小车速路段,所述最小车速路段的平均车速比相邻采样路段的平均车速低预设速度阈值;以所述最小车速路段为中心,前后再各取n个所述采样路段得到疑似异常行驶区域,n为大于1的整数。
8.根据权利要求7所述的云服务器,其特征在于,所述异常分析模块,具体用于分别根据以下公式计算所述多个同向转向车辆集合各自的转向比例:
其中,r表示所述同向转向车辆集合的转向比例,TR表示所述同向转向车辆集合中的车辆数,LVC表示所述在所述疑似异常行驶区域内的每条行车道上行驶的平均车辆数;根据所述多个同向转向车辆集合各自的转向比例确定最接近车辆集合;判断所述最接近车辆集合中的车辆是否位于所述疑似异常行驶区域内且在所述最小车速路段的后方;若所述最接近车辆集合中的车辆位于所述疑似异常行驶区域内且在所述最小车速路段的后方,则将所述最小车速路段确定为所述出现异常行驶车辆的区域;根据所述最接近车辆集合中的车辆的所述方向盘转向角度确定所述出现异常行驶车辆的行车道;
其中,所述异常分析模块,具体用于判断所述多个同向转向车辆集合各自的转向比例是否小于预设转向比例阈值;将小于所述预设转向比例阈值的所述转向比例对应的所述同向转向车辆集合确定为所述最接近车辆集合;当不存在小于所述预设转向比例阈值的所述转向比例时,根据所述多个同向转向车辆集合在所述行驶的道路上的位置计算相邻的每两个所述同向转向车辆集合的所述转向比例之和;将小于所述预设转向比例阈值的所述转向比例之和分别对应的两个所述同向转向车辆集合确定为所述最接近车辆集合。
9.根据权利要求8所述的云服务器,其特征在于,所述异常分析模块,具体用于当所述最接近车辆集合中的车辆的所述方向盘转向角度均为右转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的最左行车道;当所述最接近车辆集合中的车辆的所述方向盘转向角度均为左转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的最右行车道;当所述最接近车辆集合中的车辆的所述方向盘转向角度同时有右转的方向盘转向角度和左转的方向盘转向角度时,所述出现异常行驶车辆的行车道为所述出现异常行驶车辆的区域内的中间行车道。
10.根据权利要求6所述的云服务器,其特征在于,还包括:
发送模块,用于向所述多个车载单元发送预警信息,所述预警信息包括所述出现异常行驶车辆的区域和行车道。
11.一种异常行驶车辆定位系统,其特征在于,包括:云服务器和多个车载单元,所述多个车载单元分别装载在不同的车辆中;
其中,所述云服务器采用权利要求6~10中任一项所述的云服务器。
12.根据权利要求11所述的系统,其特征在于,还包括:路侧单元;所述路侧单元,用于接收所述云服务器发送的预警信息,并广播所述预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710698060.9A CN107331191B (zh) | 2017-08-15 | 2017-08-15 | 异常行驶车辆定位方法、云服务器及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710698060.9A CN107331191B (zh) | 2017-08-15 | 2017-08-15 | 异常行驶车辆定位方法、云服务器及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107331191A CN107331191A (zh) | 2017-11-07 |
CN107331191B true CN107331191B (zh) | 2020-08-25 |
Family
ID=60201198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710698060.9A Active CN107331191B (zh) | 2017-08-15 | 2017-08-15 | 异常行驶车辆定位方法、云服务器及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107331191B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345020B (zh) * | 2018-02-09 | 2020-08-18 | 长沙智能驾驶研究院有限公司 | 车辆定位方法、系统和计算机可读存储介质 |
CN108871357B (zh) * | 2018-04-20 | 2021-09-07 | 长安大学 | 一种在电子地图上显示拥堵路段的事故车道的方法 |
EP3567565A1 (en) * | 2018-05-09 | 2019-11-13 | Volkswagen AG | Apparatus, method, computer program, base station and vehicle for providing information related to an approaching vehicle |
EP3618010A1 (en) * | 2018-08-31 | 2020-03-04 | Denso Ten Limited | On-vehicle device, data collection system, data collection method, and data collection apparatus |
JP7056501B2 (ja) * | 2018-10-04 | 2022-04-19 | トヨタ自動車株式会社 | サーバ、情報処理方法およびプログラム |
CN109572594A (zh) * | 2018-11-19 | 2019-04-05 | 福建工程学院 | 一种基于车辆网动态对比检测车辆行驶异常的方法 |
CN112185144A (zh) * | 2019-07-01 | 2021-01-05 | 大陆泰密克汽车系统(上海)有限公司 | 交通预警方法以及系统 |
CN110379206B (zh) * | 2019-07-26 | 2020-11-17 | 中国标准化研究院 | 一种车辆行驶异常的预警系统及预警方法 |
CN112309153B (zh) * | 2019-08-01 | 2023-08-22 | 北京小马慧行科技有限公司 | 故障车辆的停靠方法及装置 |
CN110544382B (zh) * | 2019-10-17 | 2020-07-28 | 华人运通(上海)自动驾驶科技有限公司 | 一种车道管理方法、装置和系统 |
CN111707257A (zh) * | 2020-06-10 | 2020-09-25 | 南京睿敏交通科技有限公司 | 车辆应急占道信息采集方法及系统 |
CN112365721B (zh) * | 2020-09-14 | 2021-10-12 | 江苏大学 | 一种车辆异常行为识别、预警方法 |
CN115083166B (zh) * | 2022-07-14 | 2022-11-11 | 深圳市维力谷无线技术股份有限公司 | 基于5g技术的车路通信测试系统和方法 |
CN117351725B (zh) * | 2023-12-05 | 2024-02-13 | 文诚恒远(天津)供应链管理服务有限公司 | 轿运车的异常行为告警方法、装置及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102368354A (zh) * | 2011-10-19 | 2012-03-07 | 北京航空航天大学 | 一种基于浮动车数据采集的道路安全性评价方法 |
CN102496273A (zh) * | 2011-11-22 | 2012-06-13 | 安科智慧城市技术(中国)有限公司 | 城市交通路况的采集方法及系统 |
CN103366575A (zh) * | 2013-07-12 | 2013-10-23 | 福建工程学院 | 一种基于公交车数据采集的交通拥堵检测方法 |
CN104933863A (zh) * | 2015-06-02 | 2015-09-23 | 福建工程学院 | 一种交通道路中异常路段识别的方法及系统 |
CN105872959A (zh) * | 2016-05-12 | 2016-08-17 | 西安电子科技大学 | 基于移动自适应聚类的城市道路状况自动感知方法 |
US9682654B2 (en) * | 2014-07-28 | 2017-06-20 | Hyundai Mobis Co., Ltd. | Apparatus and method for warning loss of control of a vehicle using vehicle-to-vehicle communications |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10019903B2 (en) * | 2015-12-03 | 2018-07-10 | Institute For Information Industry | System and method for informing nearby vehicle to avoid a moving vehicle which is malfunctioning |
-
2017
- 2017-08-15 CN CN201710698060.9A patent/CN107331191B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102368354A (zh) * | 2011-10-19 | 2012-03-07 | 北京航空航天大学 | 一种基于浮动车数据采集的道路安全性评价方法 |
CN102496273A (zh) * | 2011-11-22 | 2012-06-13 | 安科智慧城市技术(中国)有限公司 | 城市交通路况的采集方法及系统 |
CN103366575A (zh) * | 2013-07-12 | 2013-10-23 | 福建工程学院 | 一种基于公交车数据采集的交通拥堵检测方法 |
US9682654B2 (en) * | 2014-07-28 | 2017-06-20 | Hyundai Mobis Co., Ltd. | Apparatus and method for warning loss of control of a vehicle using vehicle-to-vehicle communications |
CN104933863A (zh) * | 2015-06-02 | 2015-09-23 | 福建工程学院 | 一种交通道路中异常路段识别的方法及系统 |
CN105872959A (zh) * | 2016-05-12 | 2016-08-17 | 西安电子科技大学 | 基于移动自适应聚类的城市道路状况自动感知方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107331191A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107331191B (zh) | 异常行驶车辆定位方法、云服务器及系统 | |
US10704920B2 (en) | Traffic lane guidance system for vehicle and traffic lane guidance method for vehicle | |
CN107919027B (zh) | 预测车辆变道的方法、装置和系统 | |
CN111223302B (zh) | 移动载具用外部坐标实时三维路况辅助装置及该系统 | |
JP6260912B2 (ja) | 渋滞箇所情報提供のための装置、方法、及びプログラム | |
CN109859500A (zh) | 一种基于车路协同的高速合流区安全预警方法 | |
CN109285349B (zh) | 车路协同环境下高速公路交通事件检测方法及预警系统 | |
CN112289054A (zh) | 道路安全预警方法、obu、rsu、mec设备及系统 | |
CN105405321A (zh) | 高速公路上车辆行驶中的安全预警方法及系统 | |
CN103680209A (zh) | 交通信息系统和路况采集发布、防追尾、事故判断方法 | |
US10369995B2 (en) | Information processing device, information processing method, control device for vehicle, and control method for vehicle | |
CN113870553B (zh) | 一种面向混合交通流的路网运行状态检测系统及方法 | |
CN103745595A (zh) | 分析路况信息的方法和系统、车载终端和路况分析服务器 | |
JP6690702B2 (ja) | 異常走行検出装置、異常走行検出方法とそのプログラム | |
CN1833264A (zh) | 用于评估物体沿运动路径运动的性质的方法和系统 | |
WO2016025103A1 (en) | Road safety warning system | |
CN108510749A (zh) | 交通监测装置及方法 | |
KR101945179B1 (ko) | 위험 교통류 정보 제공 시스템 및 그 방법 | |
JP5317947B2 (ja) | 交通流計測システム、車載器及び路側通信装置 | |
JP2009211265A (ja) | 車間距離制御装置 | |
CN111915916A (zh) | 一种高速公路全路段的提示方法及系统 | |
CN116665447A (zh) | 一种车路协同的路况预警系统 | |
DE102012102693A1 (de) | Verfahren und Vorrichtung zur Bereitstellung von Verkehrsinformationen in Fahrzeugen | |
JP7276276B2 (ja) | 危険運転検出装置、危険運転検出システム、及び危険運転検出プログラム | |
CN205644959U (zh) | 基于重点营运车辆定位信息的高速公路拥堵预警系统 |
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 |