CN108648452A - 一种道路交通状态判断方法及交通态势监控中心 - Google Patents
一种道路交通状态判断方法及交通态势监控中心 Download PDFInfo
- Publication number
- CN108648452A CN108648452A CN201810459042.XA CN201810459042A CN108648452A CN 108648452 A CN108648452 A CN 108648452A CN 201810459042 A CN201810459042 A CN 201810459042A CN 108648452 A CN108648452 A CN 108648452A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- road traffic
- pollution
- atmosphere pollution
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种道路交通状态判断方法,所述方法包括,步骤A,获取区域a的大气污染数据;步骤B,解析所述大气污染数据中汽车尾气的含量;步骤C,根据所述汽车尾气的含量,确定所述区域a的道路交通运行情况。采用本发明的技术方案后,通过环境污染数据来间接判断道路交通运行情况,与现有直接的监控道路交通运行情况相比,多了一条途径判断道路交通运行情况,并且可以为通过以减少污染为目标的交通引导,减少城市的污染。城市污染数据与交通运行状况数据历史数据的正确积累,也为目前或未来的城市污染与交通诱导提供了坚实的数据基础。
Description
技术领域
本发明涉及一种道路交通状态判断方法及交通态势监控中心。
背景技术
随着经济快速发展,各国人民的生活有了显著提升,由此导致人们出行方式大幅度改变,城市汽车的保有量迅猛增加,在交通、能源、环境、安全等方面造成了很大的压力。智能交通是一个复杂的系统,由于它的不确定性、随机性、非线性等特点,解决城市交通问题不能单靠扩建道路,限制车辆,拥堵收费等措施来达到预期效果。
交通拥堵状态判别作为交通控制与诱导的前提和解决城市交通拥堵问题的先决条件,它的判别的可靠性与准确性尤为重要,交通拥堵状态判别的失误会为道路的拥堵与交通事故的发生埋下安全隐患,也会影响交通控制与诱导策略的生成与实施。
目前,交通拥堵状态判别方法主要有两类,被动判别方式和主动判别方式,其中被动式判别方法主要是早期的通过人工巡逻与电话进行判别,这类判别方式的缺点是需要大量人力,局限性较大,大大降低了判别的准确性、时效性与灵活性。主动判别方式可以解放人力,减少因为外界环境等因素造成的局限性。根据检测技术的不同,主动判别方式又分为两类,一是以静态检测技术为主的交通拥堵判别方式,二是以动态监测技术为主的交通拥堵判别方式。其中静态检测技术主要以微波、线圈、地磁、视频为主,可以检测车流量、车速、占有率和车型,而排队长度、交通当量只能估算,固定式交通采集方式由于在路网上覆盖率较低并受到自身技术特点限制,使得信息源可靠性不高,采集的交通信息不能全面反映路网交通状态,造成交通拥堵判别的准确性不高。动态监测技术以转载GPS设备的浮动车为主,可以检测交通流量、瞬时车速、行程时间等,但是GPS地图匹配会存在误差,且受建筑物遮挡定位存在“盲区”,与交叉路口信号灯没有连接通讯,无法较好地判别车辆在交叉口的停车与延误原因,降低了交通拥堵状态判别的准确性。
道路交通状态监视与控制的效率与效果与使用的信息采集处理技术密切相关,及时、全面、可靠地获取能够体现道路状态的数据,并对海量的数据进行快速有效的分析处理,是实现对道路交通状态自动监视、解决交通拥堵问题的基本保障。
目前,城市大气污染监测系统在很多城市中已经应用,通过监测城市大气颗粒物的组成来判断大气污染的情况已经得到应用,但通过大气污染来判断道路交通运行情况的却很少应用。如果能够将城市的环境监测数据用于城市道路交通状态的监视与控制,必将提高城市道路管理交通管理的准确性以及管理水平,也为城市道路交通管理开辟了一个新的方向。
但是,如何从复杂的城市大气颗粒物污染数据中找到相应的城市交通运行的数据,如何根据发现的数据来判断城市交通运行的情况,这些,在现有技术中都没有相应的解决方案。
发明内容
本发明的目的是提供一种通过城市大气环境污染情况去进行道路交通状态判断的方法,以及利用该方法去完成道路交通监管的交通态势监控中心。
为了完成上述发明目的,本发明提供一种道路交通状态判断方法,所述方法包括,步骤A,获取区域a的大气污染数据;步骤B,分析所述大气污染数据中汽车尾气的含量;步骤C,根据所述汽车尾气的含量,确定所述区域a的道路交通运行情况。
更进一步,所述方法还包括,汽车尾气含量-道路交通运行情况历史数据形成步骤,所述步骤包括,测量所述区域a的大气污染数据若干次,分析每次测量的大气污染数据中大气颗粒物的含量,以及所述大气颗粒物中汽车尾气的含量,记录每次测量时所述区域a当前监测到的道路交通运行情况,将所述每次测量时记录的道路交通运行情况、大气污染数据、分析得到的大气中颗粒物含量以及大气颗粒物中汽车尾气的含量生成记录表。
更进一步,所述步骤C根据所述汽车尾气的含量以及所述记录表,通过查表或者曲线拟合的方式确定所述区域a的道路交通运行情况。
更进一步,所述道路交通运行情况分为分为畅通、临界拥堵、拥堵、阻塞。
本发明还提供一种利用所述道路交通状态判断方法的交通态势监控中心,所述监控中心包括大气污染在线监测模块、在线监控端、大气污染数据服务器以及若干个监测站点;所述大气污染在线监测模块接收所述若干个监测站点中监测设备采集到的实时大气污染监测数据,将所述采集到的实时大气污染监测数据根据大气颗粒物来源解析技术进行分析计算,将所述采集到的实时大气污染监测数据与所述分析计算结果一方面存储于所述大气污染数据服务器中,另一方面将所述分析计算结果绘制成监测区域的汽车尾气污染热力图显示于所述在线监控端。
更进一步,所述大气污染数据服务器用于存储所述若干个监测站点上传的监测数据,包括实时数据及历史数据、经过所述大气污染在线监测模块分析计算后的大气污染数据中大气颗粒物的含量和大气颗粒物中汽车尾气的含量、根据所述记录表分析得到的道路交通运行情况、以及通过所述交通态势监控中心直接获取的道路交通状态。
更进一步,所述在线监控端对所述若干个监测站点设备的工作状态进行显示监测。
更进一步,所述监测站点的监测设备包括二氧化碳传感器、可吸入颗粒物传感器、一氧化碳传感器以及氮氧化物传感器。
更进一步,所述监测站点的监测设备还包括GPS模块、数据存储器以及数据转发器,其中所述GPS模块用于获取监测站点的地理位置,所述数据存储器用于存储各个监控设备的监测数据,所述数据转发器用于将所述数据存储器中存储的监测数据发送到所述大气污染在线监测模块,并储存于所述大气污染数据服务器。
采用本发明的技术方案后,通过环境污染数据来间接判断道路交通运行情况,与现有直接的监控道路交通运行情况相比,多了一条途径判断道路交通运行情况,并且可以为通过以减少污染为目标的交通引导,减少城市的污染。城市污染数据与交通运行状况数据历史数据的正确积累,也为目前或未来的城市污染与交通诱导提供了坚实的数据基础。
附图说明
图1为本发明的汽车尾气含量-道路交通运行情况历史数据形成流程图;
图2为本发明的根据大气污染数据判断道路交通运行情况的流程图;
图3为本发明的系统框架图;
图4为监测站点设备组成图。
具体实施方式
汽车的排放是随其运行特性的变化而变化的,受加速度、减速度、停车时间、启动时间等许多因素的制约。汽车排放的尾气主要成份为氮氧化物NOx、CO、碳氢化合物HC、CO2,以及碳烟微粒PM。机动车尾气排放最严重的就是在车辆停停开开或运行很慢时,低速情况下发生不完全燃烧的概率较大,致使CO,HC排放量较高,随着速度的升高,缸内燃烧条件改善,使CO\HC的排放率下降,所以车流量大或发生拥堵的路段必然导致道路两侧污染物的高浓度区。通过监测道路尾气污染浓度并与当前车流量进行对比分析,可以判断出各区域或路段的粗略交通运行状况。
为了能够从城市环境污染数据中的大气颗粒物数据中发现汽车尾气的相关数据,需要对大气颗粒数的来源进行解析。根据参考资料《大气颗粒物来源解析技术、原理及应用》(科学出版社,2012.5),大气颗粒物来源解析技术方法主要包括源清单法、源模型法和受体模型法。其中:
源清单法:根据排放因子及活动水平估算污染物排放量,据此排放量识别对环境空气中颗粒物有贡献的主要排放源。得到颗粒物排放源清单和重点排放区域、重点排放源对当地颗粒物排放总量的分担率。
源模型法:以不同尺度数值模式方法定量描述大气污染物从源到受体所经历的物理化学过程,定量估算不同地区和不同类别污染源排放对环境空气中颗粒物的贡献。阐明颗粒物浓度的时空分布,定量给出污染源贡献值与分担率。
受体模型法:从受体出发,根据源和受体颗粒物的化学、物理特征等信息,利用数学方法定量解析各污染源类对环境空气中颗粒物的贡献。用于识别环境空气颗粒物中有害有毒成分的主要来源,定量获得各颗粒物排放源类对不同季节、不同点位环境空气颗粒物的贡献值与分担率。
有了上面的方法,可以将空气中大气颗粒物污染中的汽车尾气部分的贡献计算出来,并与数据采集点的交通运行状况相对应,形成历史数据,并以此历史数据作为基础,就可以根据城市环境污染数据中大气颗粒物的组成确定汽车尾气的相关数据,并根据该数据确定当前交通运行状况。
一般来讲,交通运行状态分为畅通、临界拥堵、拥堵、阻塞,其中畅通状态,交通流率较小,道路上的车辆基本不受其他车辆的影响,可以保持较高的车速行驶,尾气排放量少;临界拥堵状态,区域交通流量达到最大化,车辆以较大速度稳定行驶,受外界干扰小;拥堵状态,当交通需求增大,临界拥堵状态转变为拥堵状态,路网中车流打破稳定,车辆受到其他车辆及外界环境的影响,车速降低,排队增长,使得车辆尾气排放量增大;阻塞状态,路网交通流密度大,车辆行驶受到较大制约,网络交通流量急剧下降,车辆旅行延误时间增长,环境污染严重。
下面结合附图来详细说明本发明的实施方式。
图1为本发明的汽车尾气含量-道路交通运行情况历史数据形成流程图。首先通过监测站点测量某区域的大气污染数据,然后根据前面提到的大气颗粒物来源解析技术分析测量得到的大气污染数据中大气颗粒物的含量,以及大气颗粒物中汽车尾气的含量,并获取监测站点覆盖区域的道路交通运行情况,将道路交通运行情况、大气污染数据、解析出的大气中颗粒物含量以及大气颗粒物中汽车尾气的含量做成记录表,或者拟合成曲线,方便根据相应的大气污染数据来判断道路交通运行情况。获取监测站点覆盖区域的道路交通运行情况可以通过监测人员肉眼判断,道路交通监管设备如区域交通监控设备、干路交通监控设备的实时测量,等等,与通过空气污染判断交通状态相比,这些方法相对来说比较准确。
图2为本发明的根据大气污染数据判断道路交通运行情况的流程图。首先测量某监测站点的大气污染数据,然后根据前面提到的大气颗粒物来源解析技术分析大气污染数据中大气颗粒物的含量,以及大气颗粒物中汽车尾气的含量,然后利用前面的记录表或者拟合曲线,根据大气颗粒物中汽车尾气的含量来判断当前监测站点区域的道路交通运行情况。
前面说明本发明的基本原理,接下来结合具体的系统设置说明本发明。
图3为本发明的系统框架图。交通态势监控中心1包括各个监控模块,如区域交通监控模块、干路交通监控模块、大气污染在线监测模块2、等等。本发明的重点在于通过大气污染在线监测模块2监测道路交通运行情况,对于其它模块这里就不详细说明了。大气污染在线监测模块2,包括在线监控端8、若干监测站点4以及大气污染数据服务器3。若干监控站点4是指分布在城市各个地方的环境监测站点如监测站点A 7、监测站点B 6、……、以及监测站点N 5。大气污染在线监测模块2接收所有监测站点4中的监测设备所采集到的实时环境污染监测数据,并将采集到的数据根据前面提到的的大气颗粒物来源解析技术进行分析计算,然后将原始数据与计算结果一方面存储于大气污染数据服务器3中,另一方面将分析计算结果绘制成监测区域的汽车尾气污染热力图显示于在线监控端8,以此来辅助判断各区域与路段的道路交通状态。同时,大气污染在线监测模块2还要负责监控各监测站点设备的工作状态,当监测站点设备出现异常时,及时根据设备的IP地址对其进行维修并对该监测点采集的数据进行清理,以保证采集数据的准确性。大气污染数据服务器3用于存储各个监测站点4上传的监测数据,包括实时数据及历史数据、经过大气污染在线监测模块2分析计算后的大气污染数据中大气颗粒物的含量和大气颗粒物中汽车尾气的含量、根据历史数据分析得到的道路交通运行情况、以及通过交通态势监控中心直接获取的道路交通运行情况。在线监控端8通过读取大气污染数据服务器的数据呈现各监控区域的汽车尾气污染热力图,同时还对监测站点设备状态进行显示监测。
图4为监测站点设备组成图。以监测站点N 5为例,监测站点N 5的监测设备设置于待监测位置,监测设备包括大气污染监控传感器,如二氧化碳传感器55、可吸入颗粒物传感器54、一氧化碳传感器56、氮氧化物传感器57,等等;另外监测站点N 5还包括GPS模块53、数据存储器51以及数据转发器52,其中GPS模块53用于获取监测站点的地理位置,数据存储器51用于存储各个监控设备的监测数据,数据转发器52用于将数据存储器51中存储的监测数据发送到大气污染在线监测模块2,并储存于大气污染数据服务器3。
从上面的描述来看,通过大气污染数据来间接判断道路交通运行情况,与现有直接的监控道路交通运行情况相比,多了一条途径判断道路交通运行情况,并且可以为通过以减少污染为目标的交通引导,减少城市的污染。城市污染数据与交通运行状况数据历史数据的正确积累,也为目前或未来的城市污染与交通诱导提供了坚实的数据基础。
以上所述,仅为本发明的具体实施方式,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 (9)
1.一种道路交通状态判断方法,其特征在于,所述方法包括,步骤A,获取区域a的大气污染数据;步骤B,分析所述大气污染数据中汽车尾气的含量;步骤C,根据所述汽车尾气的含量,确定所述区域a的道路交通运行情况。
2.如权利要求1所述的道路交通状态判断方法,其特征在于,所述方法还包括,汽车尾气含量-道路交通运行情况历史数据形成步骤,所述步骤包括,测量所述区域a的大气污染数据若干次,分析每次测量的大气污染数据中大气颗粒物的含量,以及所述大气颗粒物中汽车尾气的含量,记录每次测量时所述区域a当前监测到的道路交通运行情况,将所述每次测量时记录的道路交通运行情况、大气污染数据、分析得到的大气中颗粒物含量以及大气颗粒物中汽车尾气的含量生成记录表。
3.如权利要求2所述的道路交通状态判断方法,其特征在于,所述步骤C根据所述汽车尾气的含量以及所述记录表,通过查表或者曲线拟合的方式确定所述区域a的道路交通运行情况。
4.如权利要求3所述的道路交通状态判断方法,其特征在于,所述道路交通运行情况分为分为畅通、临界拥堵、拥堵、阻塞。
5.一种利用权利要求1至4中任意一项所述道路交通状态判断方法的交通态势监控中心,其特征在于,所述监控中心包括大气污染在线监测模块、在线监控端、大气污染数据服务器以及若干个监测站点;所述大气污染在线监测模块接收所述若干个监测站点中监测设备采集到的实时大气污染监测数据,将所述采集到的实时大气污染监测数据根据大气颗粒物来源解析技术进行分析计算,将所述采集到的实时大气污染监测数据与所述分析计算结果一方面存储于所述大气污染数据服务器中,另一方面将所述分析计算结果绘制成监测区域的汽车尾气污染热力图显示于所述在线监控端。
6.如权利要求5所述的交通态势监控中心,其特征在于,所述大气污染数据服务器用于存储所述若干个监测站点上传的监测数据,包括实时数据及历史数据、经过所述大气污染在线监测模块分析计算后的大气污染数据中大气颗粒物的含量和大气颗粒物中汽车尾气的含量、根据所述记录表分析得到的道路交通运行情况、以及通过所述交通态势监控中心直接获取的道路交通状态。
7.如权利要求6所述的交通态势监控中心,其特征在于,所述在线监控端对所述若干个监测站点设备的工作状态进行显示监测。
8.如权利要求7所述的交通态势监控中心,其特征在于,所述监测站点的监测设备包括二氧化碳传感器、可吸入颗粒物传感器、一氧化碳传感器以及氮氧化物传感器。
9.如权利要求8所述的交通态势监控中心,其特征在于,所述监测站点的监测设备还包括GPS模块、数据存储器以及数据转发器,其中所述GPS模块用于获取监测站点的地理位置,所述数据存储器用于存储各个监控设备的监测数据,所述数据转发器用于将所述数据存储器中存储的监测数据发送到所述大气污染在线监测模块,并储存于所述大气污染数据服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810459042.XA CN108648452A (zh) | 2018-05-15 | 2018-05-15 | 一种道路交通状态判断方法及交通态势监控中心 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810459042.XA CN108648452A (zh) | 2018-05-15 | 2018-05-15 | 一种道路交通状态判断方法及交通态势监控中心 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108648452A true CN108648452A (zh) | 2018-10-12 |
Family
ID=63755468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810459042.XA Pending CN108648452A (zh) | 2018-05-15 | 2018-05-15 | 一种道路交通状态判断方法及交通态势监控中心 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108648452A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689719A (zh) * | 2019-05-31 | 2020-01-14 | 北京嘀嘀无限科技发展有限公司 | 用于识别封闭路段的系统和方法 |
CN111243295A (zh) * | 2019-11-28 | 2020-06-05 | 广州市高科通信技术股份有限公司 | 基于汽车尾气检测的信号机、信号灯控制方法及存储介质 |
CN113642241A (zh) * | 2021-08-17 | 2021-11-12 | 北京航空航天大学 | 一种基于交通运行状态的路网细颗粒物研究方法 |
CN115376311A (zh) * | 2022-07-08 | 2022-11-22 | 济南瑞源智能城市开发有限公司 | 一种针对隧道的车辆态势分析方法及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040039517A1 (en) * | 2000-09-06 | 2004-02-26 | Alfred Biesinger | Integrated traffic monitoring system |
CN103838971A (zh) * | 2014-03-12 | 2014-06-04 | 中国航天系统工程有限公司 | 一种城市路网动态交通能耗及排放的计算方法 |
CN104157142A (zh) * | 2014-08-27 | 2014-11-19 | 河海大学 | 一种基于浮动车数据的城市路径行程时间预测方法 |
CN104318315A (zh) * | 2014-09-29 | 2015-01-28 | 南通大学 | 一种城市道路交通污染物排放监控预警系统及方法 |
CN105788270A (zh) * | 2016-05-13 | 2016-07-20 | 广州运星科技有限公司 | 基于物联网的交通数据预测方法及处理服务器 |
CN107316460A (zh) * | 2017-07-26 | 2017-11-03 | 深圳市格云宏邦环保科技有限公司 | 一种具有超标抓拍功能的监测车系统及方法 |
CN107331155A (zh) * | 2017-08-04 | 2017-11-07 | 深圳市盛路物联通讯技术有限公司 | 一种道路空气质量监管方法和装置 |
-
2018
- 2018-05-15 CN CN201810459042.XA patent/CN108648452A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040039517A1 (en) * | 2000-09-06 | 2004-02-26 | Alfred Biesinger | Integrated traffic monitoring system |
CN103838971A (zh) * | 2014-03-12 | 2014-06-04 | 中国航天系统工程有限公司 | 一种城市路网动态交通能耗及排放的计算方法 |
CN104157142A (zh) * | 2014-08-27 | 2014-11-19 | 河海大学 | 一种基于浮动车数据的城市路径行程时间预测方法 |
CN104318315A (zh) * | 2014-09-29 | 2015-01-28 | 南通大学 | 一种城市道路交通污染物排放监控预警系统及方法 |
CN105788270A (zh) * | 2016-05-13 | 2016-07-20 | 广州运星科技有限公司 | 基于物联网的交通数据预测方法及处理服务器 |
CN107316460A (zh) * | 2017-07-26 | 2017-11-03 | 深圳市格云宏邦环保科技有限公司 | 一种具有超标抓拍功能的监测车系统及方法 |
CN107331155A (zh) * | 2017-08-04 | 2017-11-07 | 深圳市盛路物联通讯技术有限公司 | 一种道路空气质量监管方法和装置 |
Non-Patent Citations (1)
Title |
---|
连荣源 等: "机动车辆尾气(CO)污染控制研究", 《交通与运输(学术版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689719A (zh) * | 2019-05-31 | 2020-01-14 | 北京嘀嘀无限科技发展有限公司 | 用于识别封闭路段的系统和方法 |
US11105644B2 (en) | 2019-05-31 | 2021-08-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for identifying closed road section |
CN111243295A (zh) * | 2019-11-28 | 2020-06-05 | 广州市高科通信技术股份有限公司 | 基于汽车尾气检测的信号机、信号灯控制方法及存储介质 |
CN113642241A (zh) * | 2021-08-17 | 2021-11-12 | 北京航空航天大学 | 一种基于交通运行状态的路网细颗粒物研究方法 |
CN113642241B (zh) * | 2021-08-17 | 2023-10-31 | 北京航空航天大学 | 一种基于交通运行状态的路网细颗粒物研究方法 |
CN115376311A (zh) * | 2022-07-08 | 2022-11-22 | 济南瑞源智能城市开发有限公司 | 一种针对隧道的车辆态势分析方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11726072B2 (en) | Method of mobile monitoring and determining requisite number of mobile monitoring vehicles | |
US20210148879A1 (en) | Device for high-coverage monitoring of vehicle interior air quality | |
CN108648452A (zh) | 一种道路交通状态判断方法及交通态势监控中心 | |
CN103280106B (zh) | 用于监视行驶状况的系统和方法 | |
Peng et al. | Assessing the impact of reduced visibility on traffic crash risk using microscopic data and surrogate safety measures | |
CN110164130B (zh) | 交通事件检测方法、装置、设备及存储介质 | |
CN109002622B (zh) | 一种随机车流作用下大跨径桥梁总体荷载响应估算方法 | |
CN113538946A (zh) | 一种基于分布式的高速公路突发情况预警系统、方法 | |
CN104835099A (zh) | 一种城市路网机动车尾气实时遥感监测基址选取方法 | |
Liu et al. | Evaluation of floating car technologies for travel time estimation | |
GB2485971A (en) | Transmitting recorded data in the event of a road vehicle accident | |
CN106855491A (zh) | 一种基于智能灯网的车辆尾气排放检测判别系统 | |
CN104408578A (zh) | 基于轨迹点的机械化作业的量化考核系统及其方法 | |
CN207516342U (zh) | 水平式机动车尾气遥感监测系统 | |
Rosero et al. | Assessing on-road emissions from urban buses in different traffic congestion scenarios by integrating real-world driving, traffic, and emissions data | |
Shen et al. | Evaluation of a cost-effective roadside sensor platform for identifying high emitters | |
JP2019185228A (ja) | 交通流管理システムおよび交通流管理方法 | |
Li et al. | A feature-based approach to large-scale freeway congestion detection using full cellular activity data | |
CN208673530U (zh) | 基于无人飞机和车路协同的高速公路团雾预警系统 | |
Struţu et al. | Accelerometer based road defects identification system | |
Zhang et al. | Near-road fine particulate matter concentration estimation using artificial neural network approach | |
Jayaratne et al. | Rapid identification of high particle number emitting on-road vehicles and its application to a large fleet of diesel buses | |
CN110455729A (zh) | 汽车尾气遥测方法 | |
Aly et al. | Proposed Practical Overheight Detection and Alert System | |
Hayashi et al. | Prioritization of Lane-Specific Traffic Jam Detection for Automotive Navigation Framework Utilizing Suddenness Index and Automatic Threshold Determination |
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 |
Application publication date: 20181012 |
|
RJ01 | Rejection of invention patent application after publication |