CN108417065A - 一种基于智能手机和导航应用的坑洼路面预警方法 - Google Patents

一种基于智能手机和导航应用的坑洼路面预警方法 Download PDF

Info

Publication number
CN108417065A
CN108417065A CN201810233199.0A CN201810233199A CN108417065A CN 108417065 A CN108417065 A CN 108417065A CN 201810233199 A CN201810233199 A CN 201810233199A CN 108417065 A CN108417065 A CN 108417065A
Authority
CN
China
Prior art keywords
acceleration
deviation
mobile phone
prediction
vehicle
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
Application number
CN201810233199.0A
Other languages
English (en)
Other versions
CN108417065B (zh
Inventor
陈军
陈一军
盛旺
张龙
陈俊兵
何伟
王冬
刘小飞
廖绍文
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.)
Chengdu Ya Jun Automobile Manufacturing Co Ltd
Original Assignee
Chengdu Ya Jun Automobile Manufacturing Co Ltd
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 Chengdu Ya Jun Automobile Manufacturing Co Ltd filed Critical Chengdu Ya Jun Automobile Manufacturing Co Ltd
Priority to CN201810233199.0A priority Critical patent/CN108417065B/zh
Publication of CN108417065A publication Critical patent/CN108417065A/zh
Application granted granted Critical
Publication of CN108417065B publication Critical patent/CN108417065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • 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
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及汽车导航技术领域。目的是提供一种基于智能手机和导航应用的坑洼路面预警方法，无需增加任何车载传感器即可完成对坑洼路段的识别和预警，简单易行、成本低、通用性好。本发明所采用的技术方案是：在智能手机上安装地图应用，并将手机任意固定在车辆内；本发明能能够借助社会车辆对路面状况进行高效、稳定的检测，检测的覆盖面广、盲区小。无需在车辆上加装各类传感器和检测设备，直接借助智能手机即可实现，简单易行、便于推广、成本低。直接利用智能手机上的地图应用实现对路面的检测和预警，检测和预警同时进行，功能更加的多样化。

Description

一种基于智能手机和导航应用的坑洼路面预警方法
技术领域
本发明涉及汽车导航技术领域,具体涉及一种基于智能手机和导航应用的坑洼路面预警方法。
背景技术
在日常行车过程中，我们发现司机在突然发现前面坑洼路段时，通常会有两种情况发生：1、无法以较合理的减速度制动到安全通过车速，导致车辆高速通过坑洼路面，造成车辆部件损伤或寿命减短。2、以较大减速度制动到安全车速通过。但由于制动减速度大，极易引发追尾等安全事故。因此，如果能提前得知前方坑洼道路，车辆驾驶者就能更早的安全降低车速从容通过，有效避免坑洼路段对车辆的损伤和对驾乘人员舒适性的影响。
为实现对道路状况的检测，现有技术中通常是采用专用车辆驶过道路，利用加装在车辆上的各类传感器采集道路信息，然后经过上传汇总，利用导航地图等将道路信息进行发布。但这种方式由于需要对车辆进行专业的改装，通常造价较高，便宜的道路检测车辆也要几十万一台，而贵的则达到上百万。同时，利用专业的检测车对道路状况进行检测，由于覆盖面有限，也容易导致漏检的状况发生。
随着技术的发展，目前智能手机包含加速度传感器、陀螺仪和GPS等传感器，通过这些传感器能够测量手机所处的地理位置和实时加速度信息。同时，手机导航地图应用具有更新快、使用方便和成本低等优势。如果能将这些与车辆结合，充分发挥社会车辆覆盖面积广的特性，将能够有效的实现对道路状况的检测和预警。
发明内容
本发明的目的在于提供一种基于智能手机和导航应用的坑洼路面预警方法，无需增加任何车载传感器即可完成对坑洼路段的识别和预警，简单易行、成本低、通用性好。
为实现上述发明目的，本发明所采用的技术方案是：一种基于智能手机和导航应用的坑洼路面预警方法，包括路面状况采集方法和路面状况预警方法：
所述路面状况采集方法包括：
S1、在智能手机上安装地图应用，并将手机任意固定在车辆内；
S2、在车辆行驶过程中，智能手机根据自带的加速度计和陀螺仪测算在三个方向上的实时加速度，包括车辆前进方向实时加速度Acceleration_x_real、垂直车辆侧面方向的实时加速度Acceleration_y_real、垂直车辆向上的实时加速度Acceleration_z_real；智能手机自带的GPS传感器测量车辆的位置和车速；
S3、地图应用根据三个方向上的实时加速度预测下一次在三个方向的预测加速度，包括车辆前进方向预测加速度Acceleration_x_prediction、垂直车辆侧面方向的预测加速度Acceleration_y_prediction、垂直车辆向上的预测加速度Acceleration_z_prediction；
S4、地图应用计算在三个方向上的加速度偏差，包括车辆前进方向预测加速度Acceleration_x_deviation、垂直车辆侧面方向的预测加速度Acceleration_y_deviation、垂直车辆向上的预测加速度Acceleration_z_deviation；计算公式如下：
Acceleration_x_deviation＝|Acceleration_x_real-Acceleration_x_deviation|
Acceleration_y_deviation＝|Acceleration_y_real-Acceleration_y_deviation|
Acceleration_z_deviation＝|Acceleration_z_real-Acceleration_z_deviation|
S5、最后加权计算加速度整体偏差Acceleration_deviation,计算公式如下：
Acceleration_deviation＝0.1*Acceleration_x_deviation+0.1*Acceleration_y_deviation+0.8Acceleration_z_deviation；
S6、地图应用对加速度整体偏差Acceleration_deviation进行判断，当大于上传阈值时，地图应用将加速度整体偏差
Acceleration_deviation和车辆的GPS位置信息上传至地图服务器；地图服务器对接收到的信息进行统一处理，统计同一路段上传的加速度整体偏差Acceleration_deviation的平均值和车速的平均值；并依据加速度整体偏差Acceleration_deviation的平均值和车速的平均值判断路段是否为坑洼路段及坑洼的严重程度；整体偏差
Acceleration_deviation的平均值越大、车速平均值越低则坑洼状况严重；整体偏差Acceleration_deviation的平均值越小、车速平均值越高则坑洼状况轻；
地图服务器对坑洼路段作出标记，并将坑洼路段的位置和坑洼的严重程度下发至地图应用。
优选的，所述路面状况预警方法包括：地图应用在手机的显示界面显示出坑洼路段，当车辆接近坑洼路段时，地图应用根据实时车速提前10S通过手机语音提示驾驶者前方坑洼路段和坑洼的严重程度。
优选的，所述地图应用在进行导航规划时自动绕开坑洼路段。
优选的，所述上传阈值为2m/s2。
本发明具有以下有益效果：
1、能够借助社会车辆对路面状况进行高效、稳定的检测，检测的覆盖面广、盲区小。
2、无需在车辆上加装各类传感器和检测设备，直接借助智能手机即可实现，简单易行、便于推广、成本低。
3、直接利用智能手机上的地图应用实现对路面的检测和预警，检测和预警同时进行，功能更加的多样化。
具体实施方式
一种基于智能手机和导航应用的坑洼路面预警方法，包括路面状况采集方法和路面状况预警方法，先根据路面状况采集方法对路面坑洼状况的信息进行采集，然后再根据路面状况预警方法对驾驶者进行预警。
所述路面状况采集方法包括：
S1、在智能手机上安装地图应用，并将手机任意固定在车辆内；为防止手机晃动，通常利用手机支架进行固定。
S2、在车辆行驶过程中，智能手机根据自带的加速度计和陀螺仪测算在三个方向上的实时加速度，包括车辆前进方向实时加速度Acceleration_x_real、垂直车辆侧面方向的实时加速度Acceleration_y_real、垂直车辆向上的实时加速度Acceleration_z_real；智能手机自带的GPS传感器测量车辆的位置和车速。例如：Acceleration_x_real为0.5m/S2，Acceleration_y_real为2.2m/S2、Acceleration_z_real为3.3m/S2。
三个方向的实时加速度是在得到手机三个方向的实际加速度后，结合陀螺仪采集到的手机安装角度数据，进行修正计算后得到。因此选用的智能手机应当具备陀螺仪，从而无需对手机的安装角度进行限定。
S3、地图应用根据三个方向上的实时加速度预测下一次在三个方向的预测加速度，包括车辆前进方向预测加速度Acceleration_x_prediction、垂直车辆侧面方向的预测加速度Acceleration_y_prediction、垂直车辆向上的预测加速度Acceleration_z_prediction；预测方法如：移动平均预测法、指数平滑预测法等。例如：经预测后，Acceleration_x_prediction为0.3m/S2，Acceleration_y_prediction为0.2m/S2，Acceleration_z_prediction为1m/S2。
S4、地图应用计算在三个方向上的加速度偏差，包括车辆前进方向预测加速度Acceleration_x_deviation、垂直车辆侧面方向的预测加速度Acceleration_y_deviation、垂直车辆向上的预测加速度Acceleration_z_deviation；计算公式如下：
Acceleration_x_deviation＝|Acceleration_x_real-Acceleration_x_deviation|＝|0.5-0.3|＝0.2m/S2
Acceleration_y_deviation＝|Acceleration_y_real-Acceleration_y_deviation|＝|2.2-0.2|＝2m/S2
Acceleration_z_deviation＝|Acceleration_z_real-Acceleration_z_deviation|＝|3.3-1|＝2.3m/S2
S5、最后加权计算加速度整体偏差Acceleration_deviation,计算公式如下：
Acceleration_deviation＝0.1*Acceleration_x_deviation+0.1*Acceleration_y_deviation+0.8Acceleration_z_deviation
＝0.1*0.2+0.1*2+0.8*2.3＝2.06m/S2
S6、地图应用对加速度整体偏差Acceleration_deviation进行判断，当大于上传阈值时,通常上传阈值设置为2m/S2，也就是说Acceleration_deviation大于2m/S2时即上传。2.06m/S2大于2，则将该数据上传。地图应用将加速度整体偏差Acceleration_deviation和车辆的GPS位置信息上传至地图服务器；地图服务器对接收到的信息进行统一处理，统计同一路段上传的加速度整体偏差
Acceleration_deviation的平均值和车速的平均值；并依据加速度整体偏差Acceleration_deviation的平均值和车速的平均值判断路段是否为坑洼路段及坑洼的严重程度；整体偏差Acceleration_deviation的平均值越大、车速平均值越低则坑洼状况严重；整体偏差
Acceleration_deviation的平均值越小、车速平均值越高则坑洼状况轻。
地图服务器对坑洼路段作出标记，并将坑洼路段的位置和坑洼的严重程度下发至地图应用。当然对于原是坑洼路段，而现在不是的可撤销坑洼标记。
本发明所述路面状况预警方法包括：地图应用在手机的显示界面显示出坑洼路段，当车辆接近坑洼路段时，地图应用根据实时车速提前10S通过手机语音提示驾驶者前方坑洼路段和坑洼的严重程度。所述地图应用在进行导航规划时应当尽量自动绕开坑洼路段。

Claims (4)

1.一种基于智能手机和导航应用的坑洼路面预警方法，包括路面状况采集方法和路面状况预警方法：
其特征在于：所述路面状况采集方法包括：
S1、在智能手机上安装地图应用，并将手机任意固定在车辆内；
S2、在车辆行驶过程中，智能手机根据自带的加速度计和陀螺仪测算在三个方向上的实时加速度，包括车辆前进方向实时加速度Acceleration_x_real、垂直车辆侧面方向的实时加速度Acceleration_y_real、垂直车辆向上的实时加速度Acceleration_z_real；智能手机自带的GPS传感器测量车辆的位置和车速；
S3、地图应用根据三个方向上的实时加速度预测下一次在三个方向的预测加速度，包括车辆前进方向预测加速度Acceleration_x_prediction、垂直车辆侧面方向的预测加速度Acceleration_y_prediction、垂直车辆向上的预测加速度Acceleration_z_prediction；
S4、地图应用计算在三个方向上的加速度偏差，包括车辆前进方向预测加速度Acceleration_x_deviation、垂直车辆侧面方向的预测加速度Acceleration_y_deviation、垂直车辆向上的预测加速度Acceleration_z_deviation；计算公式如下：
Acceleration_x_deviation＝|Acceleration_x_real-Acceleration_x_prediction|
Acceleration_y_deviation＝|Acceleration_y_real-Acceleration_y_prediction|
Acceleration_z_deviation＝|Acceleration_z_real-Acceleration_z_prediction|
S5、最后加权计算加速度整体偏差Acceleration_deviation,计算公式如下：
Acceleration_deviation＝0.1*Acceleration_x_deviation+0.1*Acceleration_y_deviation+0.8Acceleration_z_deviation；
S6、地图应用对加速度整体偏差Acceleration_deviation进行判断，当大于上传阈值时，地图应用将加速度整体偏差Acceleration_deviation和车辆的GPS位置信息上传至地图服务器；地图服务器对接收到的信息进行统一处理，统计同一路段上传的加速度整体偏差Acceleration_deviation的平均值和车速的平均值；并依据加速度整体偏差Acceleration_deviation的平均值和车速的平均值判断路段是否为坑洼路段及坑洼的严重程度；整体偏差Acceleration_deviation的平均值越大、车速平均值越低则坑洼状况严重；整体偏差Acceleration_deviation的平均值越小、车速平均值越高则坑洼状况轻；
地图服务器对坑洼路段作出标记，并将坑洼路段的位置和坑洼的严重程度下发至地图应用。
2.根据权利要求1所述的基于智能手机和导航应用的坑洼路面预警方法，其特征在于：所述路面状况预警方法包括：地图应用在手机的显示界面显示出坑洼路段，当车辆接近坑洼路段时，地图应用根据实时车速提前10S通过手机语音提示驾驶者前方坑洼路段和坑洼的严重程度。
3.根据权利要求2所述的基于智能手机和导航应用的坑洼路面预警方法，其特征在于：所述地图应用在进行导航规划时自动绕开坑洼路段。
4.根据权利要求3所述的基于智能手机和导航应用的坑洼路面预警方法，其特征在于：所述上传阈值为2m/s2。
CN201810233199.0A 2018-03-21 2018-03-21 一种基于智能手机和导航应用的坑洼路面预警方法 Active CN108417065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810233199.0A CN108417065B (zh) 2018-03-21 2018-03-21 一种基于智能手机和导航应用的坑洼路面预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810233199.0A CN108417065B (zh) 2018-03-21 2018-03-21 一种基于智能手机和导航应用的坑洼路面预警方法

Publications (2)

Publication Number Publication Date
CN108417065A true CN108417065A (zh) 2018-08-17
CN108417065B CN108417065B (zh) 2020-09-29

Family

ID=63133047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810233199.0A Active CN108417065B (zh) 2018-03-21 2018-03-21 一种基于智能手机和导航应用的坑洼路面预警方法

Country Status (1)

Country Link
CN (1) CN108417065B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109151060A (zh) * 2018-09-28 2019-01-04 广州小鹏汽车科技有限公司 一种路面异常监测方法、装置及计算机可读存储介质
CN109131335A (zh) * 2018-08-20 2019-01-04 中国联合网络通信集团有限公司 一种路面状况识别方法、装置及系统
CN112710273A (zh) * 2020-12-10 2021-04-27 浙江大学 一种基于智能手机传感器和机器学习的众包路面坑洼检测方法
CN114694398A (zh) * 2022-03-31 2022-07-01 中国第一汽车股份有限公司 一种实时道路坑洼预警方法、系统、电子设备和存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130040653A1 (en) * 2011-08-11 2013-02-14 Qualcomm Incorporated Numerically Stable Computation of Heading Without a Reference Axis
CN103303314A (zh) * 2012-03-12 2013-09-18 日产自动车株式会社 路面坡度估计装置
CN103903435A (zh) * 2012-12-30 2014-07-02 王方淇 一种路况信息获取方法及移动终端
WO2015049539A1 (en) * 2013-10-03 2015-04-09 Dartt Ip Ltd Improvements relating to remote monitoring of user environments using mobile devices
CN104880172A (zh) * 2015-06-11 2015-09-02 广西大学 基于卡尔曼滤波的路面平整度测量方法及装置
CN105300379A (zh) * 2015-10-13 2016-02-03 上海新纪元机器人有限公司 一种基于加速度的卡尔曼滤波姿态估计方法及系统
CN105426587A (zh) * 2015-11-06 2016-03-23 江苏飞尚安全监测咨询有限公司 一种基于智能手机完成路面状况采集和监测方法
CN106062843A (zh) * 2014-03-18 2016-10-26 富士通株式会社 路面劣化检测方法、信息处理装置以及程序
CN106441318A (zh) * 2016-09-20 2017-02-22 百度在线网络技术（北京）有限公司 一种地图展示方法和装置
CN106840049A (zh) * 2016-12-16 2017-06-13 东南大学 基于内置三轴加速传感器智能手机的路面质量评级方法
CN107167580A (zh) * 2016-12-17 2017-09-15 重庆大学 基于加速度传感器和机器学习的路面坑洼检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130040653A1 (en) * 2011-08-11 2013-02-14 Qualcomm Incorporated Numerically Stable Computation of Heading Without a Reference Axis
CN103303314A (zh) * 2012-03-12 2013-09-18 日产自动车株式会社 路面坡度估计装置
CN103903435A (zh) * 2012-12-30 2014-07-02 王方淇 一种路况信息获取方法及移动终端
WO2015049539A1 (en) * 2013-10-03 2015-04-09 Dartt Ip Ltd Improvements relating to remote monitoring of user environments using mobile devices
CN106062843A (zh) * 2014-03-18 2016-10-26 富士通株式会社 路面劣化检测方法、信息处理装置以及程序
CN104880172A (zh) * 2015-06-11 2015-09-02 广西大学 基于卡尔曼滤波的路面平整度测量方法及装置
CN105300379A (zh) * 2015-10-13 2016-02-03 上海新纪元机器人有限公司 一种基于加速度的卡尔曼滤波姿态估计方法及系统
CN105426587A (zh) * 2015-11-06 2016-03-23 江苏飞尚安全监测咨询有限公司 一种基于智能手机完成路面状况采集和监测方法
CN106441318A (zh) * 2016-09-20 2017-02-22 百度在线网络技术（北京）有限公司 一种地图展示方法和装置
CN106840049A (zh) * 2016-12-16 2017-06-13 东南大学 基于内置三轴加速传感器智能手机的路面质量评级方法
CN107167580A (zh) * 2016-12-17 2017-09-15 重庆大学 基于加速度传感器和机器学习的路面坑洼检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张济民等: "基于线性回归模型预测机车车辆横向加速度", 《铁道车辆》 *
王惠勇等: "基于智能手机的路面平整度评价方法研究", 《公路与汽运》 *
马建等: "路面检测技术综述", 《交通运输工程学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109131335A (zh) * 2018-08-20 2019-01-04 中国联合网络通信集团有限公司 一种路面状况识别方法、装置及系统
CN109151060A (zh) * 2018-09-28 2019-01-04 广州小鹏汽车科技有限公司 一种路面异常监测方法、装置及计算机可读存储介质
CN112710273A (zh) * 2020-12-10 2021-04-27 浙江大学 一种基于智能手机传感器和机器学习的众包路面坑洼检测方法
CN114694398A (zh) * 2022-03-31 2022-07-01 中国第一汽车股份有限公司 一种实时道路坑洼预警方法、系统、电子设备和存储介质

Also Published As

Publication number Publication date
CN108417065B (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN108417065A (zh) 一种基于智能手机和导航应用的坑洼路面预警方法
US10166934B2 (en) Capturing driving risk based on vehicle state and automatic detection of a state of a location
US9947149B2 (en) Proactive driver warning
US9218535B2 (en) Arrangement and method for recognizing road signs
US8996234B1 (en) Driver performance determination based on geolocation
US20220327406A1 (en) Systems and methods for classifying driver behavior
US10145692B2 (en) Vehicle position determination apparatus and vehicle position determination method
GB2596940A (en) Systems and methods for vehicle navigation
JP7355151B2 (ja) 情報処理装置、情報処理方法、プログラム
US9595191B1 (en) Traffic estimation
CN103680144B (zh) 高速公路安全车距稽查系统及其检测方法
CN104864878A (zh) 基于电子地图的路况物理信息绘制及查询方法
US9389147B1 (en) Device determined bandwidth saving in transmission of events
CN105976630A (zh) 一种车速监控方法和装置
CN104331703A (zh) 监测车辆行驶状态的方法及实现该方法的汽车导航设备
CN110766943B (zh) 一种基于事故数据的不良驾驶行为判定的监测方法和系统
CN103018754A (zh) 一种基于gps数据的拐弯识别方法
CN105632203B (zh) 一种交通安全预警方法及系统
CN112258832B (zh) 一种用于运行基于车辆信息的团雾气象信息感知发布系统的方法
CN105335729A (zh) 一种基于汽车行车记录仪识别道路能见度的方法及系统
CN109094560A (zh) 一种自适应巡航方法及装置
JP6023447B2 (ja) 車載情報記録装置
GB2479650A (en) Navigation device determining a maximum possible speed of a vehicle within a remaining region of a speed measurement section
CN107765277B (zh) 地图轨迹的绘制方法与装置
JP6631006B2 (ja) データ出力プログラム、データ出力方法及びデータ出力装置

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