CN109255955A - 一种基于地基和空基协同感知的高速公路事故监测方法及系统 - Google Patents
一种基于地基和空基协同感知的高速公路事故监测方法及系统 Download PDFInfo
- Publication number
- CN109255955A CN109255955A CN201811227089.XA CN201811227089A CN109255955A CN 109255955 A CN109255955 A CN 109255955A CN 201811227089 A CN201811227089 A CN 201811227089A CN 109255955 A CN109255955 A CN 109255955A
- Authority
- CN
- China
- Prior art keywords
- traffic
- accident
- section
- ground
- volume
- 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
- 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
-
- 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
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Abstract
本专利公开了一种基于地基和空基协同感知的高速公路事故监测方法及系统,首先利用地基感知设备获取高速公路实时的车辆速度和数量,计算处理为交通量和车流密度,通过分析处理,判断事故潜在路段;然后据地基感知设备所获分析数据,将潜在事故路段的数据传至监测执行系统,根据无人机调度算法选择最近的无人机快速到达现场进行事故确认;与此同时,无人机在事故路段进行系留悬停,持续监控现场状况。通过该技术方案,充分利用空基感知设备机动性强、观测范围广的优势,所需数据相对简单且易于获取,可以做到对实时路况进行快速监测,实现了点对点的精确控制,且观测结果准确、直接明了,大大提高了交通事故处理效率。
Description
技术领域
本发明属于交通信息及控制领域,具体涉及一种基于地基和空基协同感知的高速公路事故监测方法及系统,尤其是一种高速公路事故监测平台,旨在通过地磁、RFID等地基感知和无人机等空基感知协同合作,准确掌握道路交通状况。
背景技术
国民经济的快速发展以及人们日益增长的物质文化需求促进了我国道路交通运输事业的蓬勃发展,同时大力发展运输事业也是国家战略发展计划的需要。截至2017年底,我国高速公路总里程达到13.1万公里,位居世界第一。高速公路网基础设施的日渐完善不仅提高了运输效率,而且提高了客流货流的周转速度。但是给人们带来经济效益和生活便利的同时,也带来了一系列安全问题——交通事故频发。高速公路事故的发生,又带来交通拥堵等一些列问题,给交管部门准确有效地获取现场情况带来很大阻碍,因而很难及时地做好疏散工作,就有可能发生二次事故,形成高速公路严重的事故黑点。事故影响评估是道路交通安全的一个重要方面。对高速公路事故做好监测评估可避免事故后果恶化,提高公路运输效率。若不能及时对事故路况做好影响评估,这种影响就有可能从点扩展到面,造成大面积的路网瘫痪。
目前,大多数事故影响分析均利用基于地基的固定检测器获取道路交通信息如交通量和车流密度等,运用交通波理论来推算事故的时空演化规律,进而评估事故影响。但这种方法在判断实时路况时工作效率往往较低,且与实际存在较大误差。
随着空基感知技术的快速发展,我们可以利用空基技术机动性强、探测范围广的特点,搭建基于地基和空基协同感知的高速公路事故监测平台,在高速路网遭到严重破坏情况下为高速应急指挥提供实时、准确、全面的交通状态信息,解决了应对突发事件时指挥调度效率低、机动性差、各方协调性差等问题。因此利用基于地基和空基协同感知的高速公路事故监测平台具有更广阔的应用前景。
发明内容
为了弥补有关研究的不足,本发明公开了一种高速公路事故监测平台,旨在通过地磁、RFID等地基感知和无人机等空基感知协同合作,准确掌握道路交通状况。
高速公路事故监测平台包括信息采集模块、信息分析模块和监测执行模块。信息采集存储模块包括地基感知设备(地磁检测器),用于获取道路交通数据。信息处理模块包括信息接收单元、信息存储单元和信息处理单元,用于接收地基感知设备(地磁检测器和RFID)获得的交通数据,处理为交通量,建立相邻检测器交通量差异数据库,分析判断事故状态给空基感知设备(无人机)提供调度指令。监测执行模块指的是空基感知设备(无人机),用于监测事故现场状况。
本发明的一种基于地基和空基协同感知的高速公路事故监测平台,包括下步骤:
步骤一、利用地基感知设备(地磁检测器和RFID)获取高速公路实时的车辆速度和数量,计算处理为交通量和车流密度,通过分析处理,判断事故潜在路段。这里分为以下两种情况。
情况一:无进出口的高速公路路段。
在没有进出口的高速公路路段,两个相邻地基感知设备(地磁检测器)之间的路段没有交通量的变化,我们选择利用任意两个相邻地基感知设备(地磁检测器)之间的交通量差值,来评估检测器之间的路段是否存在交通事故。例检测器1测得的实时交通量为q1,与其相邻的检测器2测得实时交通量为q2,因此路段1的交通量差异值为Q1=|q1-q2|。同理可得其他检测器测得的各路段交通量差值为Q2、Q3...在信息分析模块中建立差异值分布数据库P={Q1、Q2、Q3...}。同时我们记录不良交通条件下的交通事件,对数据进行分析筛选,剔除这些事件下的离散数据,得出正常通行条件下,相邻两个检测器差异允许最大值δmax。若两个检测器所获交通量出现明显差异,差异值δ超过允许最大值δmax,说明两个检测器之间的路段可能有事故发生,记为潜在事故路段A。
情况二:有地基感知设备(RFID)的高速公路路段。
在有地基感知设备(RFID)的高速公路路段,两个相邻地基感知设备(地磁检测器)之间的交通量发生变化,我们选择利用RFID收费数据来计算交通量的变化量。例地磁检测器1测得的实时交通量为q1,与其相邻的地磁检测器2测得实时交通量为q2,该路段出口处RFID测得的交通量为Δq,因此路段1的交通量差值为Q′1=|q1-(q2+Δq)|(没有RFID的路段如情况一),得到其他路段交通量差值为Q2、Q3...在信息分析模块中建立差异值分布数据库P={Q′1、Q2、Q3...}。同时我们记录不良交通条件下的交通事件,对数据进行分析筛选,剔除这些事件下的离散数据,得出正常通行条件下,相邻两个检测器差异允许最大值δmax。若两个检测器所获交通量出现明显差异,差异值δ超过允许最大值δmax,说明两个检测器之间的路段可能有事故发生,记为潜在事故路段A
步骤二、根据地基感知设备(地磁检测器和RFID)所获分析数据,将潜在事故路段A的数据传至监测执行系统,根据无人机调度算法选择最近的无人机快速到达现场进行事故确认。无人机通过视频采集技术判断道路状况,若并无事故发生,将返回距离最近的停机坪进行充电调试,等待下一次起飞任务,同时发送信号到信息分析模块,将差异值δ传输到差异值数据库P,更新差异值允许最大值δmax;若确有交通事故发生,无人机通过无线通信网络将事故路段参数和现场状况,反映到地面事故应急处理中心。
步骤三、与此同时,无人机在事故路段进行系留悬停,持续监控现场状况,包括集结时间、拥堵路段排队长度和消散时间等参数状况,将实时数据传至地面指挥中心。并且,基于当前无人机的续航里程和与其它无人机的距离,每十分钟发送一次信号到信息分析模块,对多架无人机进行管理调度,实现对事故现场的持续监测。
步骤四、事故处理完毕之后,待高速公路恢复正常通行,无人机飞至合适停机坪,结束此次事故监测任务。
本发明的优点在于:
(1)结合连续布置的地基感知设备(地磁检测器和RFID)实时获取的高速公路运行车辆的速度和数量,经过简单计算就可以获得各个时刻的道路交通量,这样就可以针对每一个数据异常的路段,派遣无人机进行实地探测,可以对潜在事故路段进行有效排查。
(2)与现有技术相比,该方法充分利用空基感知设备(无人机)机动性强、观测范围广的优势,所需数据相对简单且易于获取,可以做到对实时路况进行快速监测,实现了点对点的精确控制,且观测结果准确、直接明了,大大提高了交通事故处理效率。
(3)该系统能在一些地理环境恶劣的地点满足各单位不同的事故监测需求,弥补现有事故监测手段的局限性,形成“空-天-地”交通状态感知、一体化信息交互和移动应急交通指挥系统。使紧急情况下的事故监督能力得到加强,在任何地点任何时间都能快速赶到事故现场,有效地进行现场指挥,以应对今发生越来越频繁的各种突发事件,不断满足日益提高的安全保障需要。
附图说明
图1为本发明的高速公路事故检测平台的内部模块;
图2为本发明的高速公路事故检测平台的工作流程图;
图3为本发明的高速公路事故检测平台无进出口路段的装置布置图。
具体实施方式
下面将结合附图和实际例对本发明作进一步的详细说明。
图1所示,一种基于固定检测器和无人机协同控制的高速公路事故监测平台,包括下步骤:
第一步:确定高速公路潜在事故路段A。
利用布置在高速公路道路上的固定信息检测器例地基感知设备(地磁检测器和RFID),计算出交通量、车辆密度等交通参数,剔除散点后,计算出高速公路上不同交通状况下的交通流量和车流密度,得出正常交通状况下各车道上的交通流量-密度图,比较相邻两个地基感知设备(地磁检测器和RFID)的数据,若超过允许差异误差δmax,则标记该检测器之间的路段为事故潜在路段。具体包括下步骤:
(1)计算道路交通量和车流密度:
采用地基感知设备(地磁检测器和RFID)获取道路交通信息。设从事故发生地点上下游范围L内交通流顺畅,没有阻塞现象。在高速公路上每隔距离S安置一个检测器,计算正常通行条件下,各检测器除去交通事故、天气不良、道路施工等不良交通环境下的交通数据:道路交通流量、车辆速度等。为了减小实验误差,排除正常运行条件下可能存在交通量的自然波动,而造成不必要的无人机指派任务。我们对同一路段进行多时段的反复多次数据采集,统计正常条件下相邻检测器间交通量差异波动范围,例,无进出口条件下,地基感知设备(地磁检测器)1测得的实时交通量为q1,与其相邻的地基感知设备(地磁检测器)2测得实时交通量为q2,因此路段1的交通量差异值为Q1=|q1-q2|。同理可得其他检测器测得的各路段交通量差异值为Q2、Q3...建立差异值分布数据库P={Q1、Q2、Q3...}。有高速路口收费处情况下,地基感知设备(地磁检测器)1测得的实时交通量为q1,与其相邻的地基感知设备(地磁检测器)2测得实时交通量为q2,该路段出口处地基感知设备(RFID)测得的交通量为Δq,因此路段1的交通量差值为Q′1=|q1-(q2+Δq)|。同理可得其他各路段交通量差值为Q2、Q3...在信息分析系统中建立差异值分布数据库P={Q′1、Q2、Q3...}。对数据库交通量进行分析筛选,剔除离散数据,得出相邻两个检测器差异允许最大值δmax。
(2)将两个地基感知设备(地磁检测器和RFID)实际测量值差异δ与差异允许最大值δmax比较,若δ超过δmax,则标记该路段为潜在事故路段A。
第二步:空基感知设备(无人机)获取任务指令,飞至潜在事故路段进行监测巡逻。
(1)通过地基感知设备的分析判断,运用无线通信网络将潜在事故路段A的数据传至信息分析系统,根据无人机调度算法选择距离最近的无人机快速到达现场进行事故确认,对事故潜在路段进行排查和监测工作。
(2)运用无人机视频信息采集系统,提取高速公路的交通状态数据,经判断若无事故发生,无人机返回距离最近的停机坪。
(3)若确有交通事故发生,将事故路段现场状况反映到地面事故应急处理中心,同时无人机系留悬停,持续观测道路交通状况,并根据无人机的续航里程,规定每隔时间T,无人机向信息分析系统发送信号,派遣另一架无人机继续执行监测任务,直至高速公路恢复正常通行。
下面给出一个实施例进行具体说明。
第一步:确定高速公路潜在事故路段A。
利用布置在高速公路道路上的固定信息检测器例地基感知设备(地磁检测器和RFID),计算出交通量、车辆密度等交通参数,剔除散点后,计算出高速公路上不同交通状况下的交通流量和车流密度,得出正常交通状况下各车道上的交通流量-密度图,比较相邻两个地基感知设备(地磁检测器和RFID)的数据,若超过允许差异误差δmax,则标记该检测器之间的路段为事故潜在路段。具体包括下步骤:
(1)计算道路交通量和车流密度:
采用地基感知设备(地磁检测器和RFID)获取道路交通信息。设从事故发生地点上下游范围L内没有出口和进口,并且认为L足够长,车队长度没有超过这一路段,且这一范围内交通流顺畅,没有阻塞现象。在高速公路上每隔距离S=100米安置一个地磁感应检测器,计算正常通行条件下,各检测器除去交通事故、天气不良、道路施工等不良交通环境下的交通数据:道路交通流量、车辆速度等。例q1=800veh/h,q2=850veh/h,q3=500veh/h,得到路段1交通量差异值为Q1=50veh/h,路段2交通量差异值为Q2=350veh/h。为了减小实验误差,排除正常运行条件下可能存在交通量的自然波动,而造成不必要的无人机指派任务。我们对同一路段进行多时段的反复多次数据采集,统计正常条件下相邻检测器间交通量差异波动范围,建立差异分布数据库P={50,350},并计算出相邻两个检测器差异允许最大值δmax=350veh/h。
(2)将两个地基感知设备(地磁检测器和RFID)实际测量值差异δ与差异允许最大值比较,若δ超过δmax,则标记该路段为潜在事故路段A。路段i的交通量差异值为600veh/h,标记路段i为潜在事故路段A。
第二步:空基感知设备(无人机)获取任务指令,飞至潜在事故路段进行监测巡逻。
(1)通过固定检测器的分析判断,运用无线通信网络将潜在事故路段A的地点信息传至无人机管控系统,根据无人机调度算法选择距离最近的无人机快速到达现场进行事故确认,对事故潜在路段进行排查和监测工作。
(2)运用无人机视频信息采集系统,提取高速公路的交通状态数据,经判断若并无交通事故发生,无人机返回距离最近的停机坪。
(3)若确有交通事故发生,将事故路段现场状况反映到地面事故应急处理中心,同时无人机系留悬停,持续观测道路交通状况,包括集结时间、排队长度、消散时间等参数状况,以及事故现场人员伤亡状况。并根据无人机的续航里程,规定每隔时间T=10min,无人机向管控中心发送信号,派遣另一架无人机继续执行监测任务,保证监测任务持续不间断,直至高速公路恢复正常通行,无人机返航进行充电调试,等待下一次执行任务。
Claims (2)
1.一种基于地基和空基协同感知的高速公路事故监测方法,其特征在于,所述方法包括以下步骤:
步骤一、利用地基感知设备获取高速公路实时的车辆速度和数量,计算处理为交通量和车流密度,通过分析处理,判断事故潜在路段;
将所述事故潜在路段这里分为以下两种情况:情况一、无进出口的高速公路路段;在没有进出口的高速公路路段,两个相邻地基感知设备之间的路段没有交通量的变化,利用任意两个相邻地基感知设备之间的交通量差值,来评估检测器之间的路段是否存在交通事故,当第一地磁检测器测得的实时交通量为q1,与其相邻的第二地磁检测器测得实时交通量为q2,此路段一的交通量差异值为Q1=|q1-q2|;同理可得其他检测器测得的各路段交通量差值为Q2、Q3...在信息分析模块中建立差异值分布数据库P={Q1、Q2、Q3...};同时记录不良交通条件下的交通事件,对数据进行分析筛选,剔除这些事件下的离散数据,得出正常通行条件下,相邻两个检测器差异允许最大值δmax;若两个检测器所获交通量出现明显差异,差异值δ超过允许最大值δmax,说明两个检测器之间的路段可能有事故发生,记为潜在事故路段A;
情况二、有进出口的高速公路路段;在有进出口的高速公路路段,两个相邻地基感知设备之间的交通量发生变化,利用RFID收费数据来计算交通量的变化量;第一地磁检测器测得的实时交通量为q1,与其相邻的第二地磁检测器测得实时交通量为q2,该路段出口处RFID测得的交通量为Δq,因此第一路段的交通量差值为Q′1=|q1-(q2+Δq)|,得到其他路段交通量差值为Q2、Q3...在信息分析模块中建立差异值分布数据库P={Q′1、Q2、Q3...}。同时我们记录不良交通条件下的交通事件,对数据进行分析筛选,剔除这些事件下的离散数据,得出正常通行条件下,相邻两个检测器差异允许最大值δmax。若两个检测器所获交通量出现明显差异,差异值δ超过允许最大值δmax,说明两个检测器之间的路段可能有事故发生,记为潜在事故路段A;
步骤二、根据地基感知设备所获分析数据,将潜在事故路段A的数据传至监测执行系统,根据无人机调度算法选择最近的无人机快速到达现场进行事故确认;无人机通过视频采集技术判断道路状况,若并无事故发生,将返回距离最近的停机坪进行充电调试,等待下一次起飞任务,同时发送信号到信息分析模块,将差异值δ传输到差异值数据库P,更新差异值允许最大值δmax;若确有交通事故发生,无人机通过无线通信网络将事故路段参数和现场状况。反映到地面事故应急处理中心;
步骤三、与此同时,无人机在事故路段进行系留悬停,持续监控现场状况,包括集结时间、拥堵路段排队长度和消散时间等参数状况,将实时数据传至地面指挥中心;并且,基于当前无人机的续航里程和与其它无人机的距离,每十分钟发送一次信号到信息分析模块,对多架无人机进行管理调度,实现对事故现场的持续监测;
步骤四、事故处理完毕之后,待高速公路恢复正常通行,无人机飞至合适停机坪,结束此次事故监测任务。
2.一种基于地基和空基协同感知的高速公路事故监测系统,其特征在于,所述系统包括:信息采集模块、信息分析模块和监测执行模块;
所述信息采集存储模块包括地基感知设备,用于获取道路交通数据;
信息处理模块包括信息接收单元、信息存储单元和信息处理单元,用于接收地基感知设备获得的交通数据,并将所述交通数据处理为交通量,建立相邻检测器交通量差异数据库,分析判断事故状态给无人机提供调度指令;所述信息处理模块的处理过程如权利要求1所述的一种基于地基和空基协同感知的高速公路事故监测方法;
监测执行模块包括空基感知设备,用于监测事故现场状况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811227089.XA CN109255955B (zh) | 2018-10-22 | 2018-10-22 | 一种基于地基和空基协同感知的高速公路事故监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811227089.XA CN109255955B (zh) | 2018-10-22 | 2018-10-22 | 一种基于地基和空基协同感知的高速公路事故监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109255955A true CN109255955A (zh) | 2019-01-22 |
CN109255955B CN109255955B (zh) | 2020-10-09 |
Family
ID=65045971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811227089.XA Expired - Fee Related CN109255955B (zh) | 2018-10-22 | 2018-10-22 | 一种基于地基和空基协同感知的高速公路事故监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255955B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349406A (zh) * | 2019-06-27 | 2019-10-18 | 安徽科力信息产业有限责任公司 | 一种拥堵源头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 |
CN111243270A (zh) * | 2020-01-03 | 2020-06-05 | 恩亿科(北京)数据科技有限公司 | 事故处理方法和装置、电子设备及计算机可读存储介质 |
CN111508241A (zh) * | 2020-04-16 | 2020-08-07 | 陈威 | 一种基于无人机的高速公路突发事件下交通指挥装置及其实现方法 |
CN112133095A (zh) * | 2020-09-25 | 2020-12-25 | 安徽达尔智能控制系统股份有限公司 | 一种基于多源数据的道路交通协同感知系统 |
CN112435458A (zh) * | 2019-06-21 | 2021-03-02 | 北京航空航天大学 | 一种交通事故下的高速公路无人机应急仿真方法 |
CN112785856A (zh) * | 2021-03-23 | 2021-05-11 | 山东交通学院 | 一种交通密度检测装置及方法 |
CN113284341A (zh) * | 2021-05-17 | 2021-08-20 | 清华大学 | 一种基于道路物联网监测的无人机智能联动系统 |
CN114639251A (zh) * | 2022-05-17 | 2022-06-17 | 深圳联和智慧科技有限公司 | 一种多无人机协同的智能巡检方法及系统 |
CN114973729A (zh) * | 2021-02-26 | 2022-08-30 | 本田技研工业株式会社 | 道路信息提供系统和道路信息提供方法 |
CN116935652A (zh) * | 2023-09-14 | 2023-10-24 | 四川国消云科技有限公司 | 一种智慧交通用信息系统集成平台数据管理系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063794A (zh) * | 2011-01-14 | 2011-05-18 | 隋亚刚 | 基于占有率数据的城市快速路自动事件检测和协同指挥调度系统 |
CN103905131A (zh) * | 2014-03-11 | 2014-07-02 | 上海永畅信息科技有限公司 | 一种基于空地信道探测的高速公路车辆感知系统及感知方法 |
CN104157147A (zh) * | 2014-07-25 | 2014-11-19 | 青岛海信网络科技股份有限公司 | 交通信号机、隧道内交通异常事件的检测控制方法及系统 |
CN104574953A (zh) * | 2013-10-15 | 2015-04-29 | 福特全球技术公司 | 交通信号预测 |
CN104794898A (zh) * | 2015-04-30 | 2015-07-22 | 山东大学 | 一种殊域带状专网交通通信导航监视预警装置及工作方法 |
CN105389988A (zh) * | 2015-12-07 | 2016-03-09 | 北京航空航天大学 | 一种多无人机协同的高速公路智能巡检系统 |
CN105405304A (zh) * | 2015-12-07 | 2016-03-16 | 北京航天福道高技术股份有限公司 | 高速公路长下坡交通安全预警应急处置系统 |
CN108205892A (zh) * | 2018-01-02 | 2018-06-26 | 南京逸杰软件科技有限公司 | 一种交通事件主动检测的方法及路侧智能信息终端 |
-
2018
- 2018-10-22 CN CN201811227089.XA patent/CN109255955B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063794A (zh) * | 2011-01-14 | 2011-05-18 | 隋亚刚 | 基于占有率数据的城市快速路自动事件检测和协同指挥调度系统 |
CN104574953A (zh) * | 2013-10-15 | 2015-04-29 | 福特全球技术公司 | 交通信号预测 |
CN103905131A (zh) * | 2014-03-11 | 2014-07-02 | 上海永畅信息科技有限公司 | 一种基于空地信道探测的高速公路车辆感知系统及感知方法 |
CN104157147A (zh) * | 2014-07-25 | 2014-11-19 | 青岛海信网络科技股份有限公司 | 交通信号机、隧道内交通异常事件的检测控制方法及系统 |
CN104794898A (zh) * | 2015-04-30 | 2015-07-22 | 山东大学 | 一种殊域带状专网交通通信导航监视预警装置及工作方法 |
CN105389988A (zh) * | 2015-12-07 | 2016-03-09 | 北京航空航天大学 | 一种多无人机协同的高速公路智能巡检系统 |
CN105405304A (zh) * | 2015-12-07 | 2016-03-16 | 北京航天福道高技术股份有限公司 | 高速公路长下坡交通安全预警应急处置系统 |
CN108205892A (zh) * | 2018-01-02 | 2018-06-26 | 南京逸杰软件科技有限公司 | 一种交通事件主动检测的方法及路侧智能信息终端 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112435458A (zh) * | 2019-06-21 | 2021-03-02 | 北京航空航天大学 | 一种交通事故下的高速公路无人机应急仿真方法 |
CN112435458B (zh) * | 2019-06-21 | 2022-03-11 | 北京航空航天大学 | 一种交通事故下的高速公路无人机应急仿真方法 |
CN110349406A (zh) * | 2019-06-27 | 2019-10-18 | 安徽科力信息产业有限责任公司 | 一种拥堵源头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 |
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 |
CN111243270A (zh) * | 2020-01-03 | 2020-06-05 | 恩亿科(北京)数据科技有限公司 | 事故处理方法和装置、电子设备及计算机可读存储介质 |
CN111508241B (zh) * | 2020-04-16 | 2021-06-25 | 上海江南同创信息技术有限公司 | 一种基于无人机的高速公路突发事件下交通指挥装置及其实现方法 |
CN111508241A (zh) * | 2020-04-16 | 2020-08-07 | 陈威 | 一种基于无人机的高速公路突发事件下交通指挥装置及其实现方法 |
CN112133095A (zh) * | 2020-09-25 | 2020-12-25 | 安徽达尔智能控制系统股份有限公司 | 一种基于多源数据的道路交通协同感知系统 |
CN114973729A (zh) * | 2021-02-26 | 2022-08-30 | 本田技研工业株式会社 | 道路信息提供系统和道路信息提供方法 |
US20220277648A1 (en) * | 2021-02-26 | 2022-09-01 | Honda Motor Co., Ltd. | Road information providing system and road information providing method |
CN112785856A (zh) * | 2021-03-23 | 2021-05-11 | 山东交通学院 | 一种交通密度检测装置及方法 |
CN112785856B (zh) * | 2021-03-23 | 2022-04-01 | 山东交通学院 | 一种交通密度检测装置及方法 |
CN113284341A (zh) * | 2021-05-17 | 2021-08-20 | 清华大学 | 一种基于道路物联网监测的无人机智能联动系统 |
CN114639251A (zh) * | 2022-05-17 | 2022-06-17 | 深圳联和智慧科技有限公司 | 一种多无人机协同的智能巡检方法及系统 |
CN114639251B (zh) * | 2022-05-17 | 2022-08-09 | 深圳联和智慧科技有限公司 | 一种多无人机协同的智能巡检方法及系统 |
CN116935652A (zh) * | 2023-09-14 | 2023-10-24 | 四川国消云科技有限公司 | 一种智慧交通用信息系统集成平台数据管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109255955B (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255955A (zh) | 一种基于地基和空基协同感知的高速公路事故监测方法及系统 | |
CN106297288B (zh) | 一种公交乘客客流数据采集与分析方法 | |
CN109544932A (zh) | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 | |
Lin et al. | A review of travel-time prediction in transport and logistics | |
Cai et al. | Shock wave approach for estimating queue length at signalized intersections by fusing data from point and mobile sensors | |
CN110176139A (zh) | 一种基于dbscan+的道路拥堵识别可视化方法 | |
Bertini et al. | Transit buses as traffic probes: Use of geolocation data for empirical evaluation | |
CN108914815A (zh) | 桥面车辆荷载识别装置、桥梁及桥梁荷载分布识别方法 | |
CN105931458B (zh) | 一种路面交通流量检测设备可信度评估的方法 | |
CN109644360A (zh) | 一种使用wi-fi探针判别行人流向的方法 | |
CN105513362B (zh) | 一种公交站台毗邻区公交车运行状态评价验证方法 | |
CN207587182U (zh) | 红绿灯控制系统及智能交通系统 | |
CN109272175A (zh) | 一种基于城市流动网络的数据采集系统及方法 | |
Carli et al. | Automated evaluation of urban traffic congestion using bus as a probe | |
CN114489122B (zh) | 一种基于uav及配套机场的高速公路自动巡检方法及系统 | |
Liu et al. | Evaluation of floating car technologies for travel time estimation | |
Kianfar et al. | Placement of roadside equipment in connected vehicle environment for travel time estimation | |
CN105303831A (zh) | 一种基于通信数据判断高速路拥堵情况的方法 | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN107590999A (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN109443360A (zh) | 一种基于多边形的车辆行驶轨迹生成及拼接算法 | |
CN101131796A (zh) | 一种道路交通参数检测装置及检测方法 | |
CN106320173B (zh) | 车载无人机桥梁日常安全检测系统及检测方法 | |
Gore et al. | Exploring credentials of Wi‐Fi sensors as a complementary transport data: an Indian experience | |
DE102004002808A1 (de) | Verkehrssteuerungssystem |
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: 20201009 Termination date: 20211022 |
|
CF01 | Termination of patent right due to non-payment of annual fee |