CN108399743B - 一种基于gps数据的高速公路车辆异常行为检测方法 - Google Patents

一种基于gps数据的高速公路车辆异常行为检测方法 Download PDF

Info

Publication number
CN108399743B
CN108399743B CN201810123628.9A CN201810123628A CN108399743B CN 108399743 B CN108399743 B CN 108399743B CN 201810123628 A CN201810123628 A CN 201810123628A CN 108399743 B CN108399743 B CN 108399743B
Authority
CN
China
Prior art keywords
vehicle
early warning
speed
detecting
overspeed
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.)
Expired - Fee Related
Application number
CN201810123628.9A
Other languages
English (en)
Other versions
CN108399743A (zh
Inventor
吴超仲
杨曼
张晖
楚文慧
李思瑶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN201810123628.9A priority Critical patent/CN108399743B/zh
Publication of CN108399743A publication Critical patent/CN108399743A/zh
Application granted granted Critical
Publication of CN108399743B publication Critical patent/CN108399743B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • 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
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于GPS数据的高速公路车辆异常行为检测方法，包括：获取数据阶段：通过车载GPS装置获得车辆动态信息；数据处理阶段：将车辆动态信息通过坐标转换得到高斯坐标系下的坐标数据；特征提取阶段：根据不同时刻的坐标数据，提取经转换后的车辆动态参数特征；识别预警阶段：根据车辆动态参数特征，采用标准偏差法和神经网络对车辆行为进行识别，并对识别车辆异常行为进行分级预警。本发明仅利用车载GPS装置，就能实现在高速公路上实时检测车辆异常驾驶行为状态，有助于预防高速公路二次事故发生，减少高速公路拥挤度，降低车辆延误，提高高速公路运行效率，进而实现低碳安全出行目标。

Description

一种基于GPS数据的高速公路车辆异常行为检测方法
技术领域
本发明涉及智能交通领域，尤其涉及一种基于GPS数据的高速公路车辆异常行为检测方法。
背景技术
高速公路交通拥挤和交通安全已成为现今交通领域的一个重要研究课题，车辆异常行为是造成高速公路拥挤、引起交通事故的主要原因。高速公路车辆异常行为主要有车辆超速行驶、车辆低速行驶、倒车逆行、紧急制动、临时停车、紧急停车、轨迹异常等。车辆表现出以上异常行为都存在着一个变化过程，最终呈现出稳定状态。
若能在车辆出现异常行为变化过程中就开始对车辆行为进行检测、提示预警，当车辆达到最终状态时即能马上判断出该车状态，并提出最终预警，这将大大缩短车辆时间检测时间、及时预警和上报管理中心，能快速对该事件进行处理、预防二次事故的发生。可见，实时进行车辆异常行为检测有助于预防高速公路二次事故的发生，减少高速公路拥挤度，降低车辆延误，提高高速公路运行效率，进而实现低碳安全出行目标。车辆异常行为检测早期主要采取移动电话、紧急电话、路政巡逻等手段向交通监控中心通报信息。这类在事件发生地目击来“手工”识别方法，易时滞并延长事故清除时间，起不到预防处理的作用。所以研究车辆异常行为自动检测算法，对其进行动态反馈已成为研究者们的一个重要研究方向。
车辆异常行为检测大致分为两类，一类是基于视频数据进行检测，第二类是基于智能手机终端数据进行检测。国内外对高速公路车辆异常行为检测研究主要还是基于视频，并借助其他车辆检测装置对车辆轨迹进行检测判断。虽都具有较好的检测效果，但针对高速公路视频装置不完善的路段和没有相应参数检测装置的车辆，现有算法则不能对这些情况下的异常行为进行检测判断。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于GPS数据的高速公路车辆异常行为检测方法。
本发明解决其技术问题所采用的技术方案是：
本发明提供一种基于GPS数据的高速公路车辆异常行为检测方法，该方法包括以下步骤：
获取数据阶段：通过车载GPS装置获得车辆动态信息；
数据处理阶段：将车辆动态信息通过坐标转换得到高斯坐标系下的坐标数据；
特征提取阶段：根据不同时刻的坐标数据，提取经转换后的车辆动态参数特征；
识别预警阶段：根据车辆动态参数特征，采用标准偏差法和神经网络对车辆行为进行识别，并对识别车辆异常行为进行分级预警。
进一步地，本发明的所述获取数据阶段，获取的车辆动态信息包括车辆ID、反馈时间、车辆经纬度。
进一步地，本发明的所述数据处理阶段，转换后的坐标数据符合本地高斯平面系统，再对加速度和速度参数进行计算。
进一步地，本发明的计算加速度和速度的公式为：
Figure BDA0001572856800000021
式中：
Figure BDA0001572856800000022
表示tk时刻路段i上车辆j的位置，m；
Figure BDA0001572856800000023
表示tk时刻路段i上车辆j的速度，m/s；
Figure BDA0001572856800000024
表示tk时刻路段i上车辆j的加速度，m/s2；T表示采用周期。
进一步地，本发明的所述特征提取阶段，通过GPS实验和VISSIM软件仿真提取车辆在超速、倒车逆行、低速行驶、紧急制动、临时停车、紧急停车和正常行驶时的加速度和速度的参数特征，分析得到车辆动态参数特征。
进一步地，本发明的所述识别预警阶段，采用BP神经网络作为车辆异常行为检测分类器对车辆行为进行分类识别，针对不同异常驾驶行为进行分级预警。
进一步地，本发明的进行分级预警的方法具体为：
超速分级预警：
1)1级超速预警：检测到超速车辆在tk时刻速度超速20％以下；
2)2级超速预警：检测到超速车辆在tk时刻速度超速20％以上，50％以下；
3)3级超速预警：检测到超速车辆在tk时刻速度超速50％以上；
逆行分级预警：
1)1级逆行预警：检测到逆行车辆在tk时刻逆行速度小于20km/h；
2)2级逆行预警：检测到逆行车辆在tk时刻逆行速度大于20km/h，小于40km/h；
3)3级逆行预警：检测到逆行车辆在tk时刻逆行速度大于40km/h；
停车分级预警：
1)紧急制动预警：检测到车辆发生紧急制动行为；
2)低速行驶预警：检测到车辆发生低速行驶行为；
3)临时停车预警：检测到车辆发生停车行为，且前两次判断中没有发生紧急制动行为；
4)紧急停车预警：检测到车辆发生停车行为，且在前两次判断中有发生紧急制动行为。
本发明产生的有益效果是：本发明的基于GPS数据的高速公路车辆异常行为检测方法，能实时检测车辆驾驶行为，实时反馈异常行为，有助于高速公路系统的智能管理，有效降低高速公路交通事故风险；本发明仅利用车载GPS装置，就能实现在高速公路上实时检测车辆异常驾驶行为状态，有助于预防高速公路二次事故发生，减少高速公路拥挤度，降低车辆延误，提高高速公路运行效率，进而实现低碳安全出行目标。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明的方法框架图；
图2是分级检测算法图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明优选实施例中的基于GPS数据的高速公路车辆异常行为检测方法，该方法包括以下几个部分：
第一阶段是获取数据阶段，即通过车载GPS装置获得车辆动态信息，包括车辆ID、反馈时间、车辆经纬度等。这些数据主要表现出两个特征：一是针对每辆车，该定位数据均是一个时间序列数据，可获得车辆连续的运动特征；二是每辆车有一个位置定位，可获得车辆之间的相对位置特征。根据定位时间序列数据可计算出车辆的速度、加速度，从而可对单车驾驶行为进行实时监测；根据车辆间相对位置信息可大致估算出车辆间的车头时距、车头间距等信息，从而可对跟车过近等危险驾驶行为进行检测；将高速公路分段后，还可以计算出路段上车辆平均速度和平均密度等参数，进而能从宏观上对高速公路运行情况进行评价。
第二阶段是数据处理阶段，即将GPS数据通过坐标转换得到高斯坐标下的数据，转换后的坐标要符合本地高斯平面系统，再对加速度、速度等参数进行计算，如下式；
Figure BDA0001572856800000041
式中：
Figure BDA0001572856800000042
表示tk时刻路段i上车辆j的位置，m；
Figure BDA0001572856800000043
表示tk时刻路段i上车辆j的速度，m/s；
Figure BDA0001572856800000044
表示tk时刻路段i上车辆j的加速度，m/s2；T表示采用周期。
第三阶段是特征提取阶段，即提取经转换后的车辆动态参数特征，通过GPS实验和VISSIM软件仿真提取车辆在超速、倒车逆行、低速行驶、紧急制动、临时停车、紧急停车和正常行驶时的加速度和速度的参数特征，分析参数变化特征，定位速度为1s。
第四阶段是识别预警阶段，即采用标准偏差法和神经网络对车辆行为进行识别，并对识别车辆异常行为进行分级预警。
优选的，采用BP神经网络作为车辆异常行为检测分类器，将连续N次定位的车辆速度、加速度作为输入参数，采用神经网络对参数进行数据趋势分析，判断事件类型。以正常行驶、超速、倒车逆行、低速行驶、紧急制动、停车行为这6种车辆驾驶行为作为神经网络的输出结果。
神经网络分类器对车辆行为进行分类识别，识别之后系统需要对异常行为进行反馈预警。由于交通管理法规在对超速等行为进行处罚时，考虑了违规行为对交通流影响的大小，规定了不同等级的处罚措施。可见，针对相同的违规驾驶行为，其影响程度也不相同，所以本发明进行了分级反馈预警系统设计，如图2；
超速分级预警
1)1级超速预警：检测到超速车辆在tk时刻速度超速20％以下。
2)2级超速预警：检测到超速车辆在tk时刻速度超速20％以上，50％以下。
3)3级超速预警：检测到超速车辆在tk时刻速度超速50％以上。
逆行分级预警
1)1级逆行预警：检测到逆行车辆在tk时刻逆行速度小于20km/h。
2)2级逆行预警：检测到逆行车辆在tk时刻逆行速度大于20km/h，小于40km/h。
3)3级逆行预警：检测到逆行车辆在tk时刻逆行速度大于40km/h。
停车分级预警
1)紧急制动预警：检测到车辆发生紧急制动行为。
2)低速行驶预警：检测到车辆发生低速行驶行为。
3)临时停车预警：检测到车辆发生停车行为，且前两次判断中没有发生紧急制动行为。
4)紧急停车预警：检测到车辆发生停车行为，且在前两次判断中有发生紧急制动行为。
本发明提出分级检测算法，通过神经网络对车辆行为进行分类识别后，根据异常行为分级预警原则，对车辆行为进行分级检测。通过实验验证，证明其算法的良好识别效果。
本发明提出一种基于GPS数据的高速公路车辆异常行为检测方法，能实时检测车辆驾驶行为，实时反馈异常行为，有助于高速公路系统的智能管理，有效降低高速公路交通事故风险。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (2)

1.一种基于GPS数据的高速公路车辆异常行为检测方法，其特征在于，该方法包括以下步骤：
获取数据阶段：通过车载GPS装置获得车辆动态信息；
数据处理阶段：将车辆动态信息通过坐标转换得到高斯坐标系下的坐标数据；
特征提取阶段：根据不同时刻的坐标数据，提取经转换后的车辆动态参数特征；
所述特征提取阶段，通过GPS实验和VISSIM软件仿真提取车辆在超速、倒车逆行、低速行驶、紧急制动、临时停车、紧急停车和正常行驶时的加速度和速度的参数特征，分析得到车辆动态参数特征；
识别预警阶段：根据车辆动态参数特征，采用标准偏差法和神经网络对车辆行为进行识别，并对识别车辆异常行为进行分级预警；其具体方法为：
采用BP神经网络作为车辆异常行为检测分类器，将连续N次定位的车辆速度、加速度作为输入参数，采用神经网络对参数进行数据趋势分析，判断事件类型；以正常行驶、超速、倒车逆行、低速行驶、紧急制动、停车行为这6种车辆驾驶行为作为神经网络的输出结果；神经网络分类器对车辆行为进行分类识别，识别之后需要对异常行为进行反馈预警；
所述识别预警阶段，采用BP神经网络作为车辆异常行为检测分类器对车辆行为进行分类识别，针对不同异常驾驶行为进行分级预警；
进行分级预警的方法具体为：
超速分级预警：
1)1级超速预警：检测到超速车辆在tk时刻速度超速20％以下；
2)2级超速预警：检测到超速车辆在tk时刻速度超速20％以上，50％以下；
3)3级超速预警：检测到超速车辆在tk时刻速度超速50％以上；
逆行分级预警：
1)1级逆行预警：检测到逆行车辆在tk时刻逆行速度小于20km/h；
2)2级逆行预警：检测到逆行车辆在tk时刻逆行速度大于20km/h，小于40km/h；
3)3级逆行预警：检测到逆行车辆在tk时刻逆行速度大于40km/h；
停车分级预警：
1)紧急制动预警：检测到车辆发生紧急制动行为；
2)低速行驶预警：检测到车辆发生低速行驶行为；
3)临时停车预警：检测到车辆发生停车行为，且前两次判断中没有发生紧急制动行为；
4)紧急停车预警：检测到车辆发生停车行为，且在前两次判断中有发生紧急制动行为；
所述数据处理阶段，转换后的坐标数据符合本地高斯平面系统，再对加速度和速度参数进行计算；
计算加速度和速度的公式为：
Figure FDA0003174933220000021
式中：
Figure FDA0003174933220000022
表示tk时刻路段i上车辆j的位置，m；
Figure FDA0003174933220000023
表示tk时刻路段i上车辆j的速度，m/s；
Figure FDA0003174933220000024
表示tk时刻路段i上车辆j的加速度，m/s2；T表示采用周期。
2.根据权利要求1所述的基于GPS数据的高速公路车辆异常行为检测方法，其特征在于，所述获取数据阶段，获取的车辆动态信息包括车辆ID、反馈时间、车辆经纬度。
CN201810123628.9A 2018-02-07 2018-02-07 一种基于gps数据的高速公路车辆异常行为检测方法 Expired - Fee Related CN108399743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810123628.9A CN108399743B (zh) 2018-02-07 2018-02-07 一种基于gps数据的高速公路车辆异常行为检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810123628.9A CN108399743B (zh) 2018-02-07 2018-02-07 一种基于gps数据的高速公路车辆异常行为检测方法

Publications (2)

Publication Number Publication Date
CN108399743A CN108399743A (zh) 2018-08-14
CN108399743B true CN108399743B (zh) 2021-09-07

Family

ID=63096278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810123628.9A Expired - Fee Related CN108399743B (zh) 2018-02-07 2018-02-07 一种基于gps数据的高速公路车辆异常行为检测方法

Country Status (1)

Country Link
CN (1) CN108399743B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109410496B (zh) * 2018-10-25 2022-04-01 北京交通大学 入侵预警方法、装置及电子设备
CN111326016A (zh) * 2018-12-14 2020-06-23 哈尔滨工业大学 基于车辆定位信息的高速公路驾驶安全监测系统及方法
JP7139964B2 (ja) * 2019-01-15 2022-09-21 トヨタ自動車株式会社 車両制御装置及び車両制御方法
CN111325437B (zh) * 2019-02-18 2021-09-24 北京嘀嘀无限科技发展有限公司 异常行驶行为的识别方法、装置以及电子设备
CN111599164B (zh) * 2019-02-21 2021-09-24 北京嘀嘀无限科技发展有限公司 一种行车异常识别方法和系统
CN111325986B (zh) * 2019-04-04 2020-12-22 北京嘀嘀无限科技发展有限公司 异常停车监测方法、装置、电子设备以及存储介质
CN109884338B (zh) * 2019-04-11 2021-04-27 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
CN110766937B (zh) * 2019-05-22 2020-10-20 滴图(北京)科技有限公司 停车点识别方法、装置、电子设备以及可读存储介质
CN110728839A (zh) * 2019-10-23 2020-01-24 昆山宝创新能源科技有限公司 车辆及其违法处罚方法与装置
CN111310583B (zh) * 2020-01-19 2023-02-10 中国科学院重庆绿色智能技术研究院 一种基于改进的长短期记忆网络的车辆异常行为识别方法
US20220169243A1 (en) * 2020-12-02 2022-06-02 GM Global Technology Operations LLC Reverse operation detection systems and methods
CN112664648A (zh) * 2020-12-24 2021-04-16 长安大学 一种高速公路交叉路口防止违法倒车的方法及辅助安全系统
CN115456036B (zh) * 2021-06-08 2023-06-23 河北雄安京德高速公路有限公司 基于北斗数据的营运车辆异常驾驶行为识别方法及系统
CN115527076B (zh) * 2021-06-08 2023-05-26 河北雄安京德高速公路有限公司 一种营运车辆异常驾驶行为识别模型的构建方法及系统
CN113380048B (zh) * 2021-06-25 2022-09-02 中科路恒工程设计有限公司 基于神经网络的高危路段车辆驾驶行为识别方法
CN115938080B (zh) * 2022-10-27 2024-06-14 安徽共生众服供应链技术研究院有限公司 一种网络货运运营异常预警的方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1865857A (zh) * 2005-05-20 2006-11-22 英华达(上海)电子有限公司 实时更新车载gps全球定位系统的地图数据的方法
CN102252681A (zh) * 2011-04-18 2011-11-23 中国农业大学 基于gps和机器视觉的组合导航定位系统及方法
CN102663887A (zh) * 2012-04-13 2012-09-12 浙江工业大学 基于物联网技术的道路交通信息云计算和云服务实现系统及方法
CN103514742A (zh) * 2013-08-12 2014-01-15 清华大学苏州汽车研究院（吴江） 基于gps和gprs的高速公路通行智能监控系统
WO2014027247A2 (en) * 2012-08-17 2014-02-20 King Abdullah University Of Science And Technology System and method for monitoring traffic while preserving personal privacy
CN106203626A (zh) * 2016-06-30 2016-12-07 北京奇虎科技有限公司 汽车驾驶行为检测方法及装置、汽车
CN106297290A (zh) * 2016-08-27 2017-01-04 时空链（北京）科技有限公司 一种驾驶行为处理方法、车载设备和云端服务器
CN106571039A (zh) * 2016-08-22 2017-04-19 中海网络科技股份有限公司 一种高速公路违章行为自动抓拍系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1865857A (zh) * 2005-05-20 2006-11-22 英华达(上海)电子有限公司 实时更新车载gps全球定位系统的地图数据的方法
CN102252681A (zh) * 2011-04-18 2011-11-23 中国农业大学 基于gps和机器视觉的组合导航定位系统及方法
CN102663887A (zh) * 2012-04-13 2012-09-12 浙江工业大学 基于物联网技术的道路交通信息云计算和云服务实现系统及方法
WO2014027247A2 (en) * 2012-08-17 2014-02-20 King Abdullah University Of Science And Technology System and method for monitoring traffic while preserving personal privacy
CN103514742A (zh) * 2013-08-12 2014-01-15 清华大学苏州汽车研究院（吴江） 基于gps和gprs的高速公路通行智能监控系统
CN106203626A (zh) * 2016-06-30 2016-12-07 北京奇虎科技有限公司 汽车驾驶行为检测方法及装置、汽车
CN106571039A (zh) * 2016-08-22 2017-04-19 中海网络科技股份有限公司 一种高速公路违章行为自动抓拍系统
CN106297290A (zh) * 2016-08-27 2017-01-04 时空链（北京）科技有限公司 一种驾驶行为处理方法、车载设备和云端服务器

Also Published As

Publication number Publication date
CN108399743A (zh) 2018-08-14

Similar Documents

Publication Publication Date Title
CN108399743B (zh) 一种基于gps数据的高速公路车辆异常行为检测方法
CN110164130B (zh) 交通事件检测方法、装置、设备及存储介质
CN107567005B (zh) 基于人工免疫系统的车联网车辆异常行为检测方法及系统
CN110550038B (zh) 一种智能驾驶决策信息采集系统及方法
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
CN108597219B (zh) 一种基于机器视觉的路段行人过街控制方法
CN110077398B (zh) 一种用于智能驾驶的危险处理方法
CN113192331B (zh) 一种网联环境下面向骑行安全的智能预警系统及预警方法
CN104134360A (zh) 基于短程通信的路口行人识别安全控制系统及方法
CN104809470A (zh) 一种基于svm的车辆逆行检测装置和检测方法
CN104809887A (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
WO2022213542A1 (zh) 基于激光雷达和轨迹预测的信控交叉口清空方法和系统
CN112365706B (zh) 一种基于多源信息的异常车距辨识方法
CN110599791A (zh) 信息监控方法、装置和设备
CN116246229B (zh) 一种基于车联网的骑行状态监控系统及方法
CN109448372B (zh) 一种乘车安全监测与报警方法
CN105632203B (zh) 一种交通安全预警方法及系统
CN117079465A (zh) 一种用于高速公路的行驶车辆安全预警方法与系统
CN114038195A (zh) 基于轨迹分析的道路异常事件监控检测方法
CN116572984A (zh) 一种基于多特征融合的危险驾驶管控方法及系统
CN206194138U (zh) 一种违章占用公交专用道的实时警示系统
CN111009130A (zh) 一种基于图像处理的驾驶行为记录管理系统及方法
CN204613981U (zh) 一种基于svm的车辆逆行检测装置
CN113487873A (zh) 一种公路交通安全智能检测系统
CN117894187A (zh) 一种高速公路智能检测预警系统

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210907

Termination date: 20220207

CF01 Termination of patent right due to non-payment of annual fee