CN107657813A - 基于行车轨迹的高速公路交通执法判别方法 - Google Patents
基于行车轨迹的高速公路交通执法判别方法 Download PDFInfo
- Publication number
- CN107657813A CN107657813A CN201710859932.5A CN201710859932A CN107657813A CN 107657813 A CN107657813 A CN 107657813A CN 201710859932 A CN201710859932 A CN 201710859932A CN 107657813 A CN107657813 A CN 107657813A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- wheelpath
- highway
- point
- law enforcement
- 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.)
- Granted
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于行车轨迹的高速公路交通执法判别方法,包括以下步骤:(1)生成高速公路交通执法电子地图;(2)采集车辆高速公路全程行车轨迹数据;(3)从采集到的车辆全程行车轨迹数据中提取车辆有效行驶轨迹数据;(4)根据车辆有效行驶轨迹数据判定车辆高速公路交通违章及异常行车行为。本发明的基于行车轨迹的高速公路交通执法判别方法实时获取高速公路车辆的全程行车轨迹,基于全程行车轨迹对高速公路车辆的违章驾驶行为进行定位、提取、量化与判别,提高高速公路交通安全远程执法工作的效率和准确性,为高速公路车辆交通行为规范管理提供判别与执法依据。
Description
技术领域
本发明属于高速公路交通执法技术领域,具体涉及一种基于行车轨迹的高速公路交通执法判别方法。
背景技术
我国高速公路运营采用道路全封闭和匝道出入全控制的管理模式,车辆从驶入高速公路收费站入口到驶离收费站出口的整个行驶过程,均由高速公路交通行政执法部门对车辆违规驾驶行为进行监督和查处。然而,随着汽车在交通运输及社会公众出行中的快速普及,高速公路的交通管理工作日益加重,在高速行驶状态下,疲劳驾驶、超速、逆行、异常停车、违章占用应急车道等各类违规驾驶行为给公共交通安全造成巨大的生命和财产损失。同时,我国高速公路的通行费征收里程是按车辆在收费站出入口间的最短区间计算,因此,中途借道、绕道其它高速公路段的车辆驾驶行为,不仅增加了收费监管的难度,给高速公路道路通行费的征收带来了经济损失,也影响了通行费在各高速公路管理部门间的正确分配。
目前高速公路交管部门对车辆行驶过程中的违规驾驶行为的监管,主要体现在对车速的监测和管理。此类交通信息采集的方式多种多样,主要分为固定检测器和移动检测器两种。固定检测器包括线圈、地磁等接触式检测器和视频、红外线、超声波、激光、雷达等非接触式检测器;移动检测包括基于GPS的浮动车数据、RFID等方式。固定监测方式中的接触式检测精度高,成本低,但会损害路面表层结构,检测器受压易损坏,维护成本高;非接触式检测易安装,但价格高,有时受天气等因素影响,且两种模式均只能在固定的检测地点对车辆进行超速行为的检测。移动式检测虽能实时检测,但精度和稳定性相对偏低。
近年来,学者们针对高速公路的车辆行为监测开展了研究,强添纲等(《森林工程》,2016年第1期,“基于视频解析的高速公路车辆测速研究”)提出一种基于视频解析的高速公路车辆测速方法,实现多运动目标的实时测速;邱凌赟等(《计算机应用》,2014年第5期,“车道模型的高速公路车辆异常行为检测方法”)提出一种基于车道模型知识的自底上向的车辆异常检测方法,在不同天气和车流量环境中检测车辆过快、过慢、停车、逆行等驾驶行为;李娟等人(《测绘工程》,2017年第1期,“基于GPS的高速公路车速全程监控方法研究”)提出一种基于GPS的高速公路车速监控方法,通过GPS和地图匹配,确定车辆位置和车速,判断车辆的是否超速,但仅靠GPS易受天气、电磁干扰、遮蔽物等因素影响,有时出现卫星信号失锁定位困难,造成地图匹配不准确,导致车速及位置计算结果出现偏差。
总体而言,现行高速公路交通违规行为监测,主要是在高速公路两侧安装固定或流动的测速系统,对通过高速公路某一区域横断面的车辆进行速度探测,并配合高清摄像头抓拍系统,对超速车辆拍照,将测速结果与抓拍照片作为超速执法依据;此外也有少量在匝道口安装监控系统专门监控车辆逆行。但受监控设备成本限制,各类监控设备安装密度较低,监管面向的违规类型也较有限,车辆在高速公路上行驶时多数时间处于监控盲区,高速行驶下发生违规驾驶带来的道路安全隐患较大。车辆违规违章判别、监管的技术手段,以及对绕道、借道等行为的判别、监管方式,有待进一步提升。
发明内容
本发明的目的在于,针对现有技术存在的不足,提供一种基于行车轨迹的高速公路交通执法判别方法,提高高速公路交通执法工作的效率和准确性。
为实现上述目的,本发明所设计的基于行车轨迹的高速公路交通执法判别方法包括以下步骤:(1)生成高速公路交通执法电子地图;(2)采集车辆高速公路全程行车轨迹数据;(3)从采集到的车辆全程行车轨迹数据中提取车辆有效行驶轨迹数据;(4)根据车辆有效行驶轨迹数据判定车辆高速公路交通违章及异常行车行为。
作为优选方案,所述步骤(2)中采用GNSS结合移动基站定位方式获取车辆在高速公路全程的行车轨迹数据,在车辆行车过程中等时间间隔采集一次车辆地理位置,得到从高速公路入口到出口的全程带时间的轨迹点集P{p1(a1,l1,t1),p2(a2,l2,t2),……,pi(ai,li,ti)}(i=1,2,...,n),其中a、l为车辆所在的纬度、经度大地坐标,t为采集时间,i为时间采集序号;将轨迹坐标集P内的点从WGS-84坐标转为地方平面坐标系,以车辆进入收费站时刻为监控时间零起算点,将轨迹采集时的GNSS时间tn转为标准时间变量,获得地方坐标系下的车辆全程有效行车新轨迹点集P’{p′1(x1,y1,m1,v1,j1,g1),p′2(x2,l2,m2,v2,j2,g2),……,p′i(xi,yi,mi,vi,ji,gi)}(i=1,2,...,n),其中x、y为平面坐标系坐标,m为时间变量,v为预留的当前速度变量,j为高速、匝道、收费站等区段编号预留变量,g为预留的当前桩号变量,i为时间采集序号。
作为优选方案,所述步骤(3)中根据判断行车轨迹点集P’中的任意点pn是否在通过对功能服务区L’中的任一多边形区域内来保留有效行车轨迹,若任意点pi在功能服务区L’内,则从点集P’中删除p′i;若任意点pi不在功能服务区L’内,则保留p′i。
作为优选方案,所述步骤(3)进一步包括以下步骤:(3.1)由点p′i向任意方向引一条射线,当射线与多边形的边界线重合时,判定点p′i在多边形内部;(3.2)当射线与多边形的边界线不重合时,计算该射线与每个多边形的交点数,若交点数为奇数,则判定点p′i在多边形内部;若交点数为偶数,则判定点点p′i在多边形外部。
作为优选方案,所述步骤(4)进一步包括以下步骤:(4.1)根据第i点坐标位置确定桩号ki的位置;(4.2)计算车辆从第i点移动至第i+1点的行驶速度vi+1;(4.3)按桩号变化量Δgi+1判别车辆行驶方向;(4.4)根据行驶速度vi+1判断车辆是否超速或低速行驶。
作为优选方案,在所述步骤(4.2)中,所述行驶速度vi+1按照公式来计算,其中,xi、yi为第i点的平面坐标系坐标,xi+1、yi+1为第i+1点的平面坐标系坐标,ti为第i点的采集时间,ti+1为第i+1点的采集时间。
作为优选方案,在所述步骤(4.3)中,桩号变化量Δgi+1=gi+1-gi,其中,gi为第i点的桩号,gi+1为第i+1点的桩号;当车辆为上行方向行驶时,Δgi+1<0表示车辆在该路段逆行或倒车,Δgi+1=0表示车辆在该路段异常停车,Δgi+1>0表示车辆在该路段正常方向行驶;当车辆为下行方向行驶时,Δgi+1<0表示车辆在该路段正常行驶,Δgi+1=0表示车辆在该路段异常停车,Δgi+1>0表示车辆在该路段逆行或倒车。
作为优选方案,在所述步骤(4.4)中,若vi+1<v低,其中v低为高速公路区间的最低限制行驶速度,则进行如下判断:如果第i点位于服务区出入口附近或收费站出入口附近,视为正常减速或加速过程;如果不是,则判定车辆可能存在行车障碍或存在交通事故隐患;若vi+1>v高,其中v高为高速公路区间的最低限制行驶速度,则判定车辆超速行驶。
作为优选方案,所述步骤(4)进一步包括以下步骤:(4.5)根据桩号变化量Δgi判断车辆是否违规掉头行驶;若行车轨迹点集P’内存在Δgi+1×Δgi<0,则判定车辆行驶方向变生了改变。
作为优选方案,若点p′i的位置属于车道边界内,则判定该车辆违章掉头行驶;若点p′i的位置出现在服务区附近,则判定车辆下穿服务区涵洞违规掉头;若行驶速度vi及桩号变化量Δgi变化剧烈且一段时间内Δgi=0,则判定发生交通事故车辆猛烈撞击车道导致逆行。
作为优选方案,,所述步骤(4)进一步包括以下步骤:(4.6),根据车辆坐标位置判断车辆是否占用应急车道;将点pi向行车方向车道线的内侧做垂线得到垂距hi,当w设×w<hi≤w设×w+w紧且若vi>0且无事故车报警,则判定为违章占用应急车道,其中,w设为设计最高时速下高速公路车道宽度,w紧为紧急停车带宽度。
作为优选方案,所述步骤(4)进一步包括以下步骤:(4.7)判断车辆驾驶员是否疲劳驾驶、超时驾驶;将行车轨迹点pi采集的时间变量ti从GNSS时间转为24小时制,针对大客车若在2:00~5:00内存在有效行驶数据,则判定车辆驾驶员存在疲劳驾驶行为;按照区间限速下限计算行程的理论累计最长行驶时间,将车辆在高速公路全程行驶时间扣除在各功能区的逗留时间后,若车辆有效行驶时间大于理论最长行驶时间,判定该车辆有超时驾驶行为。
作为优选方案,所述步骤(4)进一步包括以下步骤:(4.8)若有高速公路交通违章及异常行车行为,在高速公路执法电子地图上标注违章位置;将车辆在桩号gi位置存在的交通违章行为在高速公路执法电子地图进行标注。
作为优选方案,所述步骤(4)进一步包括以下步骤:(4.9)判断是否遍历车辆行驶轨迹中的所有有效行车轨迹点;如果尚未遍历车辆行驶轨迹中的所有有效行车轨迹点,则返回步骤(4.1);如果已遍历车辆行驶轨迹中的所有有效行车轨迹点,则进入如下步骤:(4.10)统计车辆行驶全程中高速公路执法地图上的违法标注数据。
作为优选方案,所述基于行车轨迹的高速公路交通执法判别方法进一步包括以下步骤:(5)根据车辆行车轨迹获取高速公路通行收费里程;根据全程行车轨迹P’获取车辆在高速公路通行的各分段行驶区间及区间里程,并由高速公路管理部门结合车辆行驶时段的交通管制、交通流诱导对有效收费里程进行核定。
作为优选方案,所述步骤(5)进一步包括以下步骤:(5.1)参照车辆全程行车轨迹P’及高速公路各收费区段的起止点划分标准,确定车辆实际行驶的高速公路各收费区段;(5.2)参照行驶的各收费区段规定的道路通行费收费里程及每公里收费标准,核定车辆的全程累计通行费收费里程及总通行费用。
作为优选方案,所述步骤(1)进一步包括以下步骤:(1.1)采集高速公路靠近中央隔离带和硬路肩的最外缘白色车道线平面坐标、匝道和收费站出入口左右硬露肩最外侧2条白色车道线平面坐标,作为高速公路车道边界线Q;(1.2)采集公里桩和百米桩对应的桩号位置得到桩号点集K{k1(a1,l1,j1,d1,c),k2(a2,l2,j2,d2),…,ki(ai,li,ji,di)}(i=1,2,...,n),其中,a、l为车辆所在的纬度、经度大地坐标,d为整型变量桩号,j为高速、匝道、收费站等区段编号,i为时间采集序号;(1.3)采集高速公路不同功能区域的边界L,边界L中包含高速公路功能区的几何多边形区域;(1.4)将采集的高速公路车道边界Q、高速公里桩与百米桩号点集K及高速公服务区边界L内点元素的平面坐标均采用七参数方法从WGS-84坐标系转到地方平面坐标系,得到地方平面坐标系下的车道行车边界平面坐标点集Q’,功能服务区集L’,桩号点集K'{K1((x1,y1,d1),K2((x2,y2,d2),……,Ki((xi,yi,di)},(i=1,2,...,n),其中,x,y为地方坐标系下的平面坐标,d为整型变量桩号,i为时间采集序号;(1.5)根据地方平面坐标系下的车道行车边界平面坐标点集Q’,功能服务区集L’,桩号点集K'生成高速公路行车执法电子地图。
本发明的有益效果是:本发明的基于行车轨迹的高速公路交通执法判别方法实时获取高速公路车辆的全程行车轨迹,基于全程行车轨迹对高速公路车辆的违章驾驶行为进行定位、提取、量化与判别,能有效解决车辆进入高速公路后的行车行为全程监管执法判别技术难题,提高高速公路交通安全远程执法工作的效率和准确性,为高速公路车辆交通行为规范管理提供判别与执法依据,提高了执法效率和适用范围,大幅提升了道路通行效率和执法判别力度。
附图说明
图1为本发明优选实施例的基于行车轨迹的高速公路交通执法判别方法的流程图。
图2为图1中的高速公路交通执法判别方法中根据车辆有效行驶轨迹数据判定车辆高速公路交通违章及异常行车行为的流程图。
图3为图1中的基于行车轨迹的高速公路交通执法判别方法中根据车辆行车轨迹获取高速公路通行收费里程的示例图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明。
请参阅图1,其为本发明优选实施例的基于行车轨迹的高速公路交通执法判别方法的流程图,各步骤将详细阐述如下:
步骤1,生成高速公路交通执法电子地图。
采集高速公路道路行车边线及公里桩、百米桩桩号位置,通过坐标转换,生成地方坐标系的高速公路电子地图。主要步骤如下:
步骤1.1,采集高速公路路面车道线平面位置边界数据,即高速公路靠近中央隔离带和硬路肩的最外缘白色车道线平面坐标,上行、下行方向各2条,匝道和收费站出入口则为左右硬露肩最外侧2条白色车道线,作为高速公路车道边界线Q。
步骤1.2,采集公里桩和百米桩对应的桩号位置,得到桩号点集K{k1(a1,l1,j1,d1,c),k2(a2,l2,j2,d2),…,ki(ai,li,ji,di)}(i=1,2,...,n),其中a、l为车辆所在的纬度、经度大地坐标,d为整型变量桩号(如桩号63K+100,则记为63100),j为高速、匝道、收费站等区段编号,i为时间采集序号。
步骤1.3,采集高速公路不同功能区域的边界L,L中应包含服务区、停车区、收费站等高速公路功能区的几何多边形区域。
步骤1.4,将采集的高速公路车道边界Q,高速公里桩与百米桩点集K,及高速公服务区边界集L内点元素的平面坐标,均采用七参数方法从原始WGS-84坐标系转到地方坐标系,得到地方平面坐标系下的车道行车边界平面坐标点集Q’,功能服务区集L’,桩号点集K'{K1((x1,y1,d1),K2((x2,y2,d2),……,Ki((xi,yi,di)},(i=1,2,...,n),其中x,y为地方坐标系下的平面坐标,d为整型变量桩号,i为时间采集序号。
步骤1.5,桩号点集K’将作为高速公路车辆远程交通执法时车辆违规地点的定位描述参考。根据地方平面坐标系下的车道行车边界平面坐标点集Q’,功能服务区集L’,桩号点集K',可生成高速公路行车执法电子地图。
不同坐标系的转换利用七参数求解时需不少于三个已知公共点,通过最小二乘求解转换参数。坐标转换采用比较严密的布尔莎七参数转换模型,计算七个转换参数dx,dy,dz,k,εx,εy,εz。例如以地方坐标系为1980西安坐标系为例,从WGS-84坐标系到1980西安坐标系转换的七参数转换的布尔莎模型如下:
式中,dx,dy,dz为平移参数,k为比例缩放参数,εx,εy,εz为旋转参数。
步骤2,采集车辆高速公路全程行车轨迹数据。
采用GNSS(全球导航卫星系统,Global Navigation Satellite System)定位(如GPS或北斗导航系统)为主,移动基站定位为辅的混合定位方式获取车辆在高速公路全程的行车轨迹数据,以减少GNSS因气候、电磁干扰等因素产生的坐标偏差。
在行车过程中等时间间隔(每秒)采集一次车辆地理位置,得到从高速公路入口到出口的全程带时间的轨迹点集P{p1(a1,l1,t1),p2(a2,l2,t2),……,pi(ai,li,ti)}(i=1,2,...,n),其中a、l为车辆所在的纬度、经度大地坐标,t为采集时间,i为时间采集序号。
按步骤1.4将轨迹坐标集P内的点从WGS-84坐标转为地方平面坐标系。同时,以车辆进入收费站时刻为监控时间零起算点,将轨迹采集时的GNSS时间tn转为标准时间变量,获得地方坐标系下的车辆全程有效行车新轨迹点集P’{p′1(x1,y1,m1,v1,j1,g1),p′2(x2,y2,m2,v2,j2,g2),……,p′i(xi,yi,mi,vi,ji,gi)}(i=1,2,...,n),其中x、y为平面坐标系坐标,m为时间变量,v为预留的当前速度变量,j为高速、匝道、收费站等区段编号预留变量,g为预留的当前桩号变量,i为采集时间序号。
步骤3,从采集到的车辆全程行车轨迹数据中提取车辆有效行驶轨迹数据。
利用二维平面点在多边形内的判断算法,判断行车轨迹点集P’中的任意点p′i,是否在通过对功能服务区L’中的任一多边形区域内。若任意点p′i在功能服务区L’内,则从点集P’中删除p′i;若任意点pi不在功能服务区L’内,则保留p′i。通过遍历点集P’中的所有轨迹点,保留车辆在高速公路全程的有效行驶数据。
高速公路功能区区域几何形态一般为简单几何多边形,不存在自相交和岛的情况,因此采用射线法判断点是否在多边形内部。具体的判断算法如下所示:
步骤3.1,由点p′i向任意方向引一条射线,当射线与多边形L’的边界线重合时,视为点在多边形内。
步骤3.2,当射线与多边形的边界线不重合时,计算该射线与每个多边形的交点数。若交点数为奇数,则p′i在多边形L’内部;若交点数为偶数,则点p′i在多边形L’外部。
步骤4,根据车辆有效行驶轨迹数据判定车辆高速公路交通违章及异常行车行为。
高速公路交通违章行为主要包括超速、逆行、违章掉头、异常停车;此外,特殊情况下车辆可能发生借道/绕道等驾驶行为,出现实际通行里程与通行费征收不符现象。为便于定位违章地点,按通用方式将高速公路全线公里桩号的上行方向定义为公路里程桩号递增方向,下行方向定义为公路里程桩号递减方向。
在得到有效行驶轨迹点集P’后,可根据基于时间Δt的行车位移ΔD及行驶方向变化,经计算分析提取出违规驾驶信息,以便交管部门对违章行为进行处理。具体地,采用遍历车辆在有效行驶轨迹点集P’中的每一点来判定车辆交通违章、异常行为。
请结合参阅图2,下面分别以车辆有效行驶轨迹数据中第i点的逆行、超速、异常停车等为例介绍计算方法。
步骤4.1,根据第i点坐标位置确定桩号ki的位置。
对有效行车轨迹P’的点p′i,从桩号点集K’中遍历到与其最相近的前后桩号ki-1、ki+1,确定行车区间编号ji,在直线段采用线性内插方式、在缓和曲线或圆曲线段按曲线变化公式计算其坐标对应的准确桩号变量gi。
点p′i的行车位置区间编号位于多区间临界点时,遵循取上一区间编号原则。
步骤4.2,计算车辆移动至第i+1点的行驶速度vi+1。
当车辆从点p′i移动至点p′i+1,则点p′i+1的速度vi+1计算公式为:
式中,t为时间。
需指出的是,收费站入口起点及出口终点位置速度允许正常值为0km/h。
步骤4.3,按桩号变化量Δgi+1判别车辆行驶方向。
判断车辆的行驶方向,当车辆为上行方向运行(路线桩号由小至大变化,如K350+120到K350+230)时,沿高速公路从第i时刻位置向第i+1时刻位置行驶,行驶距离按桩号变化量记为Δgi+1:
Δgi+1=gi+1-gi
当Δgi+1<0,表示车辆在该路段逆行或倒车;
当Δgi+1=0,表示车辆在该路段异常停车;
当Δgi+1>0,表示车辆在该路段正常方向行驶。
当车辆为下行方向运行时(桩号由大至小变化,如由K350+230向K350+120行驶):
当Δgi+1<0,表示车辆在该路段正常行驶;
当Δgi+1=0,表示车辆在该路段异常停车;
当Δgi+1>0,表示车辆在该路段逆行或倒车。
如果车辆在由主道至匝道行驶时,仅对相邻点均在匝道或主干道为准实施计算。
当判断车辆违逆行或倒车时,应注意结合该点后的时刻对应的速度值v及距离变化值Δg综合分析,若二值变化剧烈且该时刻后Δg=0,则应确认是否属于发生交通事故,车辆猛烈撞击车道导致车辆逆行。
步骤4.4,根据行驶速度vi+1判断车辆是否超速或低速行驶。
按高速公路各区间的限速标准,假设最低行驶速度为v低,最高行驶速度为v高,那么该车正常的行驶速度vi+1应满足:
v低≤vi+1≤v高
若vi+1<v低,则表示车辆低速行驶,应进行如下判断:
如果位于服务区出入口附近,或收费站出入口附近,视为正常减速或加速过程;
如果不是,则车辆可能存在行车障碍或存在交通事故隐患;
若vi+1>v高,则表示车辆超速行驶,属违规驾驶行为。
步骤4.5,根据桩号变化量Δgi判断车辆是否违规掉头行驶。
若车辆的行车轨迹点集P’内存在Δgi+1×Δgi<0,则说明车辆行驶方向变生了改变。
若此时点p′i的位置属于车道边界内,可判定该车辆的逆行可能属于穿越中央分隔带掉头的违章驾驶行为;同时应结合速度值vi及距离变化值Δgi判断分析,若变化剧烈且一段时间内Δgi=0,则应确认是否属于发生交通事故车辆猛烈撞击车道导致逆行。
若现象出现在服务区附近,则可判定车辆的逆行可能是下穿服务区涵洞违规掉头。
步骤4.6,根据车辆坐标位置判断车辆是否占用应急车道。
该判别适用于车辆定位精度达厘米级的GNSS定位方式。
将点pi向行车方向车道线的内侧(靠中央隔离带方向)做垂线,得到垂距hi。
根据现行交通行业标准JTG B01-2014《公路工程技术标准》规定:设计时速120km/h的高速公路车道宽度w设为3.75m,紧急停车带宽度w紧为3.5m。以此为例,根据车辆所在位置的高速公路车道数为w,可计算当车辆违章占用紧急车道时,车辆距行车方向内侧车道线的距离hi满足:
w设×w<hi≤w设×w+w紧
即当3.75w<hi≤3.75w+3.5,若vi>0且无事故车报警,则视为违章占用应急车道。
步骤4.7,判断车辆驾驶员是否疲劳驾驶、超时驾驶。
将原始全程行车轨迹点pi采集的时间变量ti从GNSS时间转为24小时制。
a)疲劳驾驶:
针对大客车,判断凌晨2:00~5:00是否存在有效行驶数据,有则该车辆存在疲劳驾驶、违规驾驶行为。
b)超时驾驶:
按照各区间限速下限,计算行程的理论累计最长行驶时间。
将车辆在高速公路全程行驶时间扣除在各功能区的逗留时间,当车辆有效行驶时间大于理论最长行驶时间,判定该车辆有超时驾驶行为。
步骤4.8,若有高速公路交通违章及异常行车行为,在高速公路执法电子地图上标注违章位置。
通过对p′i点是否存在违规行为的判断,即可结合桩号位置,将车辆在gi桩号位置存在的交通违章行为进行标注。
在步骤1中得到的高速公路执法电子地图上对违章及异常行车行为进行标注。
步骤4.9,判断是否遍历车辆行驶轨迹中的所有有效行车轨迹点。
如果尚未遍历车辆行驶轨迹中的所有有效行车轨迹点,则重复步骤4.1至步骤4.8。
如果已遍历车辆行驶轨迹中的所有有效行车轨迹点,则表示已完成车辆高速公路全程驾驶违章行为监管,进入步骤4.10。
步骤4.10,统计车辆行驶全程中高速公路执法地图上的违法标注数据。
高速公路执法机关可根据统计得到的车辆行驶全程中违法标注数据。
步骤5,根据车辆行车轨迹获取高速公路通行收费里程。
根据全程行车轨迹P’,可获取车辆在高速公路通行的各分段行驶区间及区间里程;并由高速公路管理部门结合车辆行驶时段的交通管制、交通流诱导等实际因素,对有效收费里程进行核定。
因受地形、施工条件限制,高速公路收费站出入口的地点设置往往相对标准收费起始点、终点在平面位置上发生前移或后退一段距离,因此,车辆通行里程的核定不能直接依据收费站出入口间的全程行车轨迹计算。具体征计步骤如下:
步骤5.1,参照车辆全程行车轨迹P’及高速公路各收费区段的起止点划分标准,确定车辆实际行驶的高速公路各收费区段;
步骤5.2,参照行驶的各收费区段规定的道路通行费收费里程及每公里收费标准,核定车辆的全程累计通行费收费里程及总通行费用。
请参阅图3,某一车辆的行车轨迹显示有效行车轨迹点集P’在从A收费入口上G1高速,途中坐标p′i从C处开始向G2高速公路绕行CD、DB段,然后从B出口下高速;但该时段交警并未诱导车流从C地向G2高速行驶。
因此该车的通行费征收里程为G1高速公路AC段与G2高速公路CD+DB段的通行费收费里程之和。
本发明的基于行车轨迹的高速公路交通执法判别方法通过对步骤1)至步骤5)即完成基于全程行车轨迹的高速公路车辆交通违章判断与通行里程统计,并将违规地点及借道/绕行行为在高速公路电子地图上予以标记。本发明的基于行车轨迹的高速公路交通执法判别方法,通过GNSS(Global Navigation Satellite System)与移动基站混合定位方式实时获取高速公路车辆的全程行车轨迹,综合路网平面位置、车辆实时位置等要素分析车辆运行状态,自动判断车辆是否存在违章行为;同时能基于车辆的全程行车轨迹推算有效行车区间,为高速公路交管部门远程执法及道路通行费收费征计提供准确、可靠的依据。
与现有技术相比,本发明的基于行车轨迹的高速公路交通执法判别方法具有以下特点:
(1)仅需通过车辆的行车轨迹分析,即可实现车辆全程行车行为监管,相比现有监控方法,无需增加道路硬件基础设施投资;
(2)相比现有基于固定地点摄像头、雷达测速等设备监控方式,本发明实现了车辆全程驾驶行为监管,不仅替代传统的超速驾驶监控方式,还可发现并提取借道/绕道、异常滞留、逆行、违章占用应急车道、疲劳/超时驾驶等交通违章行为,为高速公路交通管理提供了准确、可靠的远程执法依据;
(3)本发明根据全程行车轨迹直接计算高速公路通行费,并可替代现有高速公路道路收费里程征计方式。
本发明的基于行车轨迹的高速公路交通执法判别方法基于全程行车轨迹对高速公路车辆的违章驾驶行为进行定位、提取、量化与判别及高速公路车辆通行收费里程准确核定的方法。该方法能有效解决车辆进入高速公路后的行车行为全程监管执法判别技术难题,提高高速公路交通安全远程执法工作的效率和准确性,为高速公路车辆交通行为规范管理提供判别与执法依据,为道路通行费提供收费里程征计依据,提高了执法效率和适用范围,大幅提升了道路通行效率、执法判别力度和通行费征收准确性。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (17)
1.一种基于行车轨迹的高速公路交通执法判别方法,包括以下步骤:
(1)生成高速公路交通执法电子地图;
(2)采集车辆高速公路全程行车轨迹数据;
(3)从采集到的车辆全程行车轨迹数据中提取车辆有效行驶轨迹数据;
(4)根据车辆有效行驶轨迹数据判定车辆高速公路交通违章及异常行车行为。
2.根据权利要求1所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于:所述步骤(2)中采用GNSS结合移动基站定位方式获取车辆在高速公路全程的行车轨迹数据,在车辆行车过程中等时间间隔采集一次车辆地理位置,得到从高速公路入口到出口的全程带时间的轨迹点集P{p1(a1,l1,t1),p2(a2,l2,t2),……,pi(ai,li,ti)}(i=1,2,...,n),其中a、l为车辆所在的纬度、经度大地坐标,t为采集时间,i为时间采集序号;将轨迹坐标集P内的点从WGS-84坐标转为地方平面坐标系,以车辆进入收费站时刻为监控时间零起算点,将轨迹采集时的GNSS时间tn转为标准时间变量,获得地方坐标系下的车辆全程有效行车新轨迹点集P’{p′1(x1,y1,m1,v1,j1,g1),p′2(x2,l2,m2,v2,j2,g2),……,p′i(xi,yi,mi,vi,ji,gi)}(i=1,2,...,n),其中x、y为平面坐标系坐标,m为时间变量,v为预留的当前速度变量,j为高速、匝道、收费站等区段编号预留变量,g为预留的当前桩号变量,i为时间采集序号。
3.根据权利要求1所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于:所述步骤(3)中根据判断行车轨迹点集P’中的任意点pn是否在通过对功能服务区L’中的任一多边形区域内来保留有效行车轨迹,若任意点pi在功能服务区L’内,则从点集P’中删除p′i;若任意点pi不在功能服务区L’内,则保留p′i。
4.根据权利要求3所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于,所述步骤(3)进一步包括以下步骤:
(3.1)由点p′i向任意方向引一条射线,当射线与多边形的边界线重合时,判定点p′i在多边形内部;
(3.2)当射线与多边形的边界线不重合时,计算该射线与每个多边形的交点数,若交点数为奇数,则判定点p′i在多边形内部;若交点数为偶数,则判定点点p′i在多边形外部。
5.根据权利要求1所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于,所述步骤(4)进一步包括以下步骤:
(4.1)根据第i点坐标位置确定桩号ki的位置;
(4.2)计算车辆从第i点移动至第i+1点的行驶速度vi+1;
(4.3)按桩号变化量Δgi+1判别车辆行驶方向;
(4.4)根据行驶速度vi+1判断车辆是否超速或低速行驶。
6.根据权利要求5所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于:在所述步骤(4.2)中,所述行驶速度vi+1按照公式来计算,其中,xi、yi为第i点的平面坐标系坐标,xi+1、yi+1为第i+1点的平面坐标系坐标,ti为第i点的采集时间,ti+1为第i+1点的采集时间。
7.根据权利要求5所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于:在所述步骤(4.3)中,桩号变化量Δgi+1=gi+1-gi,其中,gi为第i点的桩号,gi+1为第i+1点的桩号;
当车辆为上行方向行驶时,Δgi+1<0表示车辆在该路段逆行或倒车,Δgi+1=0表示车辆在该路段异常停车,Δgi+1>0表示车辆在该路段正常方向行驶;
当车辆为下行方向行驶时,Δgi+1<0表示车辆在该路段正常行驶,Δgi+1=0表示车辆在该路段异常停车,Δgi+1>0表示车辆在该路段逆行或倒车。
8.根据权利要求5所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于:在所述步骤(4.4)中,若vi+1<v低,其中v低为高速公路区间的最低限制行驶速度,则进行如下判断:
如果第i点位于服务区出入口附近或收费站出入口附近,视为正常减速或加速过程;如果不是,则判定车辆可能存在行车障碍或存在交通事故隐患;
若vi+1>v高,其中v高为高速公路区间的最低限制行驶速度,则判定车辆超速行驶。
9.根据权利要求5所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于,所述步骤(4)进一步包括以下步骤:
(4.5)根据桩号变化量Δgi判断车辆是否违规掉头行驶;
若行车轨迹点集P’内存在Δgi+1×Δgi<0,则判定车辆行驶方向变生了改变。
10.根据权利要求9所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于:若点p′i的位置属于车道边界内,则判定该车辆违章掉头行驶;若点p′i的位置出现在服务区附近,则判定车辆下穿服务区涵洞违规掉头;若行驶速度vi及桩号变化量Δgi变化剧烈且一段时间内Δgi=0,则判定发生交通事故车辆猛烈撞击车道导致逆行。
11.根据权利要求5所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于,所述步骤(4)进一步包括以下步骤:
(4.6),根据车辆坐标位置判断车辆是否占用应急车道;将点pi向行车方向车道线的内侧做垂线得到垂距hi,当w设×w<hi≤w设×w+w紧且若vi>0且无事故车报警,则判定为违章占用应急车道,其中,w设为设计最高时速下高速公路车道宽度,w紧为紧急停车带宽度。
12.根据权利要求5所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于,所述步骤(4)进一步包括以下步骤:
(4.7)判断车辆驾驶员是否疲劳驾驶、超时驾驶;
将行车轨迹点pi采集的时间变量ti从GNSS时间转为24小时制,针对大客车若在2:00~5:00内存在有效行驶数据,则判定车辆驾驶员存在疲劳驾驶行为;
按照区间限速下限计算行程的理论累计最长行驶时间,将车辆在高速公路全程行驶时间扣除在各功能区的逗留时间后,若车辆有效行驶时间大于理论最长行驶时间,判定该车辆有超时驾驶行为。
13.根据权利要求5至11中任一项所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于,所述步骤(4)进一步包括以下步骤:
(4.8)若有高速公路交通违章及异常行车行为,在高速公路执法电子地图上标注违章位置;
将车辆在桩号gi位置存在的交通违章行为在高速公路执法电子地图进行标注。
14.根据权利要求13所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于,所述步骤(4)进一步包括以下步骤:
(4.9)判断是否遍历车辆行驶轨迹中的所有有效行车轨迹点;
如果尚未遍历车辆行驶轨迹中的所有有效行车轨迹点,则返回步骤(4.1);如果已遍历车辆行驶轨迹中的所有有效行车轨迹点,则进入如下步骤:
(4.10)统计车辆行驶全程中高速公路执法地图上的违法标注数据。
15.根据权利要求1所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于,所述基于行车轨迹的高速公路交通执法判别方法进一步包括以下步骤:
(5)根据车辆行车轨迹获取高速公路通行收费里程;
根据全程行车轨迹P’获取车辆在高速公路通行的各分段行驶区间及区间里程,并由高速公路管理部门结合车辆行驶时段的交通管制、交通流诱导对有效收费里程进行核定。
16.根据权利要求15所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于,所述步骤(5)进一步包括以下步骤:
(5.1)参照车辆全程行车轨迹P’及高速公路各收费区段的起止点划分标准,确定车辆实际行驶的高速公路各收费区段;
(5.2)参照行驶的各收费区段规定的道路通行费收费里程及每公里收费标准,核定车辆的全程累计通行费收费里程及总通行费用。
17.根据权利要求1所述的基于行车轨迹的高速公路交通执法判别方法,其特征在于,所述步骤(1)进一步包括以下步骤:
(1.1)采集高速公路靠近中央隔离带和硬路肩的最外缘白色车道线平面坐标、匝道和收费站出入口左右硬露肩最外侧2条白色车道线平面坐标,作为高速公路车道边界线Q;
(1.2)采集公里桩和百米桩对应的桩号位置得到桩号点集K{k1(a1,l1,j1,d1,c),k2(a2,l2,j2,d2),…,ki(ai,li,ji,di)}(i=1,2,...,n),其中,a、l为车辆所在的纬度、经度大地坐标,d为整型变量桩号,j为高速、匝道、收费站等区段编号,i为时间采集序号;
(1.3)采集高速公路不同功能区域的边界L,边界L中包含高速公路功能区的几何多边形区域;
(1.4)将采集的高速公路车道边界Q、高速公里桩与百米桩号点集K及高速公服务区边界L内点元素的平面坐标均采用七参数方法从WGS-84坐标系转到地方平面坐标系,得到地方平面坐标系下的车道行车边界平面坐标点集Q’,功能服务区集L’,桩号点集K'{K1((x1,y1,d1),K2((x2,y2,d2),……,Ki((xi,yi,di)},(i=1,2,...,n),其中,x,y为地方坐标系下的平面坐标,d为整型变量桩号,i为时间采集序号;
(1.5)根据地方平面坐标系下的车道行车边界平面坐标点集Q’,功能服务区集L’,桩号点集K'生成高速公路行车执法电子地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710859932.5A CN107657813B (zh) | 2017-09-21 | 2017-09-21 | 基于行车轨迹的高速公路交通执法判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710859932.5A CN107657813B (zh) | 2017-09-21 | 2017-09-21 | 基于行车轨迹的高速公路交通执法判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107657813A true CN107657813A (zh) | 2018-02-02 |
CN107657813B CN107657813B (zh) | 2020-09-04 |
Family
ID=61130647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710859932.5A Active CN107657813B (zh) | 2017-09-21 | 2017-09-21 | 基于行车轨迹的高速公路交通执法判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107657813B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510754A (zh) * | 2018-05-29 | 2018-09-07 | 杭州博达伟业公共安全技术股份有限公司 | 违规驾驶行为警示装置与方法 |
CN109459047A (zh) * | 2018-12-24 | 2019-03-12 | 武汉大学 | 车辆高精度定位数据与导航地图精确匹配及变道行为探测方法 |
CN109523787A (zh) * | 2018-11-30 | 2019-03-26 | 公安部交通管理科学研究所 | 一种基于车辆通行轨迹的疲劳驾驶分析方法 |
CN109559532A (zh) * | 2018-12-10 | 2019-04-02 | 北京工业大学 | 高速公路出口分流区车路协同安全预警控制方法 |
CN109884338A (zh) * | 2019-04-11 | 2019-06-14 | 武汉小安科技有限公司 | 共享电动车逆行检测方法、装置、设备及存储介质 |
CN110096564A (zh) * | 2019-04-29 | 2019-08-06 | 四川省交通勘察设计研究院有限公司 | 一种基于bim+gis的路线点定位方法、装置及系统 |
CN110164130A (zh) * | 2019-04-29 | 2019-08-23 | 北京北大千方科技有限公司 | 交通事件检测方法、装置、设备及存储介质 |
CN110349280A (zh) * | 2019-06-14 | 2019-10-18 | 西安艾润物联网技术服务有限责任公司 | 支付数据处理方法及装置 |
CN110444019A (zh) * | 2019-08-01 | 2019-11-12 | 安徽科力信息产业有限责任公司 | 基于车载停车警示牌的车辆异常停车成因检测方法及系统 |
CN110634290A (zh) * | 2019-09-12 | 2019-12-31 | 北京航空航天大学 | 一种基于自行车轨迹数据的逆行行为识别方法 |
CN110705484A (zh) * | 2019-10-08 | 2020-01-17 | 弈人(上海)科技有限公司 | 利用行车轨迹识别连续变更车道违法行为的方法 |
CN110838232A (zh) * | 2019-09-27 | 2020-02-25 | 浙江工业大学 | 基于过车电警数据的单一车辆od获取方法 |
CN111047874A (zh) * | 2019-12-19 | 2020-04-21 | 中科寒武纪科技股份有限公司 | 智能交通违章管理方法及相关产品 |
CN111341121A (zh) * | 2020-03-13 | 2020-06-26 | 招商华软信息有限公司 | 基于etc门架数量确定车辆行驶方向的方法及设备 |
CN111696365A (zh) * | 2019-03-11 | 2020-09-22 | 杭州海康威视数字技术股份有限公司 | 一种车辆跟踪系统 |
CN112509336A (zh) * | 2020-11-20 | 2021-03-16 | 公安部交通管理科学研究所 | 一种高速公路单点测速设备震慑范围分析方法 |
CN112700648A (zh) * | 2020-12-30 | 2021-04-23 | 北京嘀嘀无限科技发展有限公司 | 确定交通违章位置的方法和装置 |
CN113781780A (zh) * | 2021-09-10 | 2021-12-10 | 浙江嘉兴数字城市实验室有限公司 | 一种电瓶车逆行检测记录系统 |
CN114329342A (zh) * | 2021-12-20 | 2022-04-12 | 中交第二公路勘察设计研究院有限公司 | 基于极值-高斯混合分布模型的高速公路通行能力计算方法 |
CN114613133A (zh) * | 2022-03-04 | 2022-06-10 | 成都金隧自动化工程有限责任公司 | 基于行车轨迹的高速公路交通执法判别方法 |
CN114942450A (zh) * | 2022-05-17 | 2022-08-26 | 苏州思卡信息系统有限公司 | 一种激光雷达检测车辆过秤行为的检测方法 |
CN115810275A (zh) * | 2022-11-14 | 2023-03-17 | 东南大学 | 一种高速公路违章辅助确定方法和系统 |
CN116434560A (zh) * | 2023-06-15 | 2023-07-14 | 跨越速运集团有限公司 | 一种违规行驶的识别方法、装置、设备及存储介质 |
CN117727196A (zh) * | 2024-02-18 | 2024-03-19 | 山东高速信息集团有限公司 | 一种基于车辆定位轨迹的交通控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236166A (zh) * | 2013-05-13 | 2013-08-07 | 交通运输部公路科学研究所 | 一种使用卫星定位技术进行车辆违章行为辨识的方法 |
CN104635611A (zh) * | 2015-02-12 | 2015-05-20 | 梧州市家安安防有限责任公司 | 一种基于视频监控快速打击恐怖活动联网安防智能处置系统 |
CN104933869A (zh) * | 2015-05-19 | 2015-09-23 | 交通运输部公路科学研究所 | 一种带抗噪声的使用卫星定位数据进行车辆违章行为辨识的方法 |
CN106981041A (zh) * | 2017-05-10 | 2017-07-25 | 深圳火眼智能有限公司 | 一种基于深度学习的智慧平安社区管理系统 |
-
2017
- 2017-09-21 CN CN201710859932.5A patent/CN107657813B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236166A (zh) * | 2013-05-13 | 2013-08-07 | 交通运输部公路科学研究所 | 一种使用卫星定位技术进行车辆违章行为辨识的方法 |
CN104635611A (zh) * | 2015-02-12 | 2015-05-20 | 梧州市家安安防有限责任公司 | 一种基于视频监控快速打击恐怖活动联网安防智能处置系统 |
CN104933869A (zh) * | 2015-05-19 | 2015-09-23 | 交通运输部公路科学研究所 | 一种带抗噪声的使用卫星定位数据进行车辆违章行为辨识的方法 |
CN106981041A (zh) * | 2017-05-10 | 2017-07-25 | 深圳火眼智能有限公司 | 一种基于深度学习的智慧平安社区管理系统 |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510754A (zh) * | 2018-05-29 | 2018-09-07 | 杭州博达伟业公共安全技术股份有限公司 | 违规驾驶行为警示装置与方法 |
CN109523787B (zh) * | 2018-11-30 | 2021-06-29 | 公安部交通管理科学研究所 | 一种基于车辆通行轨迹的疲劳驾驶分析方法 |
CN109523787A (zh) * | 2018-11-30 | 2019-03-26 | 公安部交通管理科学研究所 | 一种基于车辆通行轨迹的疲劳驾驶分析方法 |
CN109559532A (zh) * | 2018-12-10 | 2019-04-02 | 北京工业大学 | 高速公路出口分流区车路协同安全预警控制方法 |
CN109559532B (zh) * | 2018-12-10 | 2020-03-13 | 北京工业大学 | 高速公路出口分流区车路协同安全预警控制方法 |
CN109459047A (zh) * | 2018-12-24 | 2019-03-12 | 武汉大学 | 车辆高精度定位数据与导航地图精确匹配及变道行为探测方法 |
CN111696365A (zh) * | 2019-03-11 | 2020-09-22 | 杭州海康威视数字技术股份有限公司 | 一种车辆跟踪系统 |
CN109884338A (zh) * | 2019-04-11 | 2019-06-14 | 武汉小安科技有限公司 | 共享电动车逆行检测方法、装置、设备及存储介质 |
CN110164130A (zh) * | 2019-04-29 | 2019-08-23 | 北京北大千方科技有限公司 | 交通事件检测方法、装置、设备及存储介质 |
CN110164130B (zh) * | 2019-04-29 | 2021-06-15 | 北京北大千方科技有限公司 | 交通事件检测方法、装置、设备及存储介质 |
CN110096564B (zh) * | 2019-04-29 | 2019-12-31 | 四川省交通勘察设计研究院有限公司 | 一种基于bim+gis的路线点定位方法、装置及系统 |
CN110096564A (zh) * | 2019-04-29 | 2019-08-06 | 四川省交通勘察设计研究院有限公司 | 一种基于bim+gis的路线点定位方法、装置及系统 |
CN110349280A (zh) * | 2019-06-14 | 2019-10-18 | 西安艾润物联网技术服务有限责任公司 | 支付数据处理方法及装置 |
CN110444019B (zh) * | 2019-08-01 | 2020-09-11 | 安徽科力信息产业有限责任公司 | 基于车载停车警示牌的车辆异常停车成因检测方法及系统 |
CN110444019A (zh) * | 2019-08-01 | 2019-11-12 | 安徽科力信息产业有限责任公司 | 基于车载停车警示牌的车辆异常停车成因检测方法及系统 |
CN110634290A (zh) * | 2019-09-12 | 2019-12-31 | 北京航空航天大学 | 一种基于自行车轨迹数据的逆行行为识别方法 |
CN110838232A (zh) * | 2019-09-27 | 2020-02-25 | 浙江工业大学 | 基于过车电警数据的单一车辆od获取方法 |
CN110705484B (zh) * | 2019-10-08 | 2023-05-02 | 弈人(上海)科技有限公司 | 利用行车轨迹识别连续变更车道违法行为的方法 |
CN110705484A (zh) * | 2019-10-08 | 2020-01-17 | 弈人(上海)科技有限公司 | 利用行车轨迹识别连续变更车道违法行为的方法 |
CN111047874A (zh) * | 2019-12-19 | 2020-04-21 | 中科寒武纪科技股份有限公司 | 智能交通违章管理方法及相关产品 |
CN111341121A (zh) * | 2020-03-13 | 2020-06-26 | 招商华软信息有限公司 | 基于etc门架数量确定车辆行驶方向的方法及设备 |
CN112509336A (zh) * | 2020-11-20 | 2021-03-16 | 公安部交通管理科学研究所 | 一种高速公路单点测速设备震慑范围分析方法 |
CN112509336B (zh) * | 2020-11-20 | 2022-03-25 | 公安部交通管理科学研究所 | 一种高速公路单点测速设备震慑范围分析方法 |
CN112700648A (zh) * | 2020-12-30 | 2021-04-23 | 北京嘀嘀无限科技发展有限公司 | 确定交通违章位置的方法和装置 |
CN113781780A (zh) * | 2021-09-10 | 2021-12-10 | 浙江嘉兴数字城市实验室有限公司 | 一种电瓶车逆行检测记录系统 |
CN114329342A (zh) * | 2021-12-20 | 2022-04-12 | 中交第二公路勘察设计研究院有限公司 | 基于极值-高斯混合分布模型的高速公路通行能力计算方法 |
CN114329342B (zh) * | 2021-12-20 | 2024-02-06 | 中交第二公路勘察设计研究院有限公司 | 基于极值-高斯混合分布模型的高速公路通行能力计算方法 |
CN114613133A (zh) * | 2022-03-04 | 2022-06-10 | 成都金隧自动化工程有限责任公司 | 基于行车轨迹的高速公路交通执法判别方法 |
CN114942450A (zh) * | 2022-05-17 | 2022-08-26 | 苏州思卡信息系统有限公司 | 一种激光雷达检测车辆过秤行为的检测方法 |
CN115810275A (zh) * | 2022-11-14 | 2023-03-17 | 东南大学 | 一种高速公路违章辅助确定方法和系统 |
CN116434560A (zh) * | 2023-06-15 | 2023-07-14 | 跨越速运集团有限公司 | 一种违规行驶的识别方法、装置、设备及存储介质 |
CN116434560B (zh) * | 2023-06-15 | 2023-08-25 | 跨越速运集团有限公司 | 一种违规行驶的识别方法、装置、设备及存储介质 |
CN117727196A (zh) * | 2024-02-18 | 2024-03-19 | 山东高速信息集团有限公司 | 一种基于车辆定位轨迹的交通控制方法 |
CN117727196B (zh) * | 2024-02-18 | 2024-04-26 | 山东高速信息集团有限公司 | 一种基于车辆定位轨迹的交通控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107657813B (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107657813A (zh) | 基于行车轨迹的高速公路交通执法判别方法 | |
CN102819952B (zh) | 一种基于视频检测技术的车辆违法变道检测方法 | |
CN107331191A (zh) | 异常行驶车辆定位方法、云服务器及系统 | |
CN100589143C (zh) | 判断浮动车行驶状态的方法及装置 | |
CN104732075A (zh) | 一种城市道路交通事故风险实时预测方法 | |
CN107293116A (zh) | 一种基于视频分析的交通事件检测系统 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN104809879A (zh) | 基于动态贝叶斯网络的高速公路路段交通状态估计方法 | |
CN107424410A (zh) | 一种基于路径旅行时间计算的交通异常检测方法 | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
Rakha et al. | Traffic signal coordination across jurisdictional boundaries: Field evaluation of efficiency, energy, environmental, and safety impacts | |
CN104900057A (zh) | 一种城市快速路主辅道的浮动车地图匹配方法 | |
CN104408920A (zh) | 基于卡口通行信息判断长途客运车辆交通违法行为的方法 | |
CN111508262B (zh) | 对城市停车位资源的智能化管理方法 | |
CN109147358A (zh) | 一种山区高速公路降雨环境预警系统及方法 | |
CN105070073A (zh) | 一种基于地磁的区域自优化信号控制方法及装置 | |
CN112735139A (zh) | 一种用于普通公路安全隐患排查的装置和方法 | |
CN107886707A (zh) | 地理区块的优化方法及装置、车辆监控方法及装置 | |
CN104966403A (zh) | 一种基于地磁的干线自优化信号控制方法及装置 | |
CN102592455B (zh) | 一种基于离散模型的公路交通流检测器设置方法 | |
Peng et al. | Evaluation of roadway spatial-temporal travel speed estimation using mapped low-frequency AVL probe data | |
CN105070060B (zh) | 一种基于公交车载gps数据的城市道路交通状态判别方法 | |
Yin et al. | Detecting illegal pickups of intercity buses from their gps traces | |
Fei et al. | Spatiotemporal clustering in urban transportation: a bus route case study in Washington DC | |
Ali et al. | The Importance of Google Maps for Traffic in Calculating the Level of Service for the Road and Traffic Delay |
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 |