CN109637125A - 智能路况监测系统、装置、方法和计算机可读存储介质 - Google Patents
智能路况监测系统、装置、方法和计算机可读存储介质 Download PDFInfo
- Publication number
- CN109637125A CN109637125A CN201811453644.0A CN201811453644A CN109637125A CN 109637125 A CN109637125 A CN 109637125A CN 201811453644 A CN201811453644 A CN 201811453644A CN 109637125 A CN109637125 A CN 109637125A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- congestion
- video
- traffic
- 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
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Abstract
本发明提供了一种智能路况监测系统、方法、装置和计算机可读存储介质。该系统包括控制中心和设置在道路旁的检测系统；检测系统包括设置在道路旁边的摄像系统、卡口检测器、雷达检测器、电子警察系统、信号机系统和射频电子标签系统；控制中心包括服务器以及与服务器相对应的存储器；服务器内安装有监控程序，存储器内存储有电子地图。本发明对及时发现和处置拥堵事件提高了准确性和及时性，从原本的人工手动寻找路况拥堵源等方式，改为全智能的方式对路况进行判断，大大的提高了准确性和及时性。
Description
技术领域
本发明涉及路况监测领域，具体属于一种智能路况监测系统、装置、方法和计算机可读存储介质。
背景技术
随着我国道路交通网络的逐渐完善，高速公路扮演着越来越重要的角色，路况分析更是其中的重中之重。目前路况监控中心在高速公路中随即调取视频，通过人工肉眼观察的方式查看是否有拥堵路况信息，监控中心无法通过监控大厅的视频情况快速定位路况原因、发生地点、拥堵长度等。当道路上某个地点发生拥堵时，监控中心只能够通过电话或其他设备获得拥堵路段的位置，然后通过手工定位摄像机，查看拥堵情况。监控中心随机的调取视频，通过人工观察来判断是否发生拥堵，效率较为低下。
如遇节假日，高速公路车流量骤增，拥堵的地点也会随之增加，通过人工无法来确认众多路况信息，不能够及时为高速公路的指挥调度来提供有效的依据。在没有摄像机的路段或摄像机盲区，监控中心只能通过电话确认，无法确切信息的准确性，而且这种方式所用时间较长，严重影响监控中心的工作效率。
高速公路具有交通流量大、行程速度快等特点。现有的技术不能够进行先进的管理，特别在交通量大、气候恶劣的情况下，极易发生交通事故和交通阻塞。现有的情况严重影响了监控中心的工作效率和监控中心对应急指挥调度的快速性、高效性原则。
由于人工操作的误差性，很可能会导致不能够及时发现路面上的拥堵状况，事故发生的地点等问题，仅仅通过肉眼观察的方式，极为缺少对周围坏境的全面的、科学的、有效的分析，从而导致极易出现决策性的偏差，不能够及时解决拥堵问题，更严重的还会造成路况持续性拥堵。合理的、科学的、智能的路况分析已成为现在刻不容缓的必要条件。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为了实现上述目的，根据本发明的第一方面，提供了一种智能路况监测系统，包括控制中心和设置在道路旁的检测系统；
检测系统包括设置在道路旁边的摄像系统、卡口检测器、雷达检测器、电子警察系统、信号机系统和射频电子标签系统；摄像系统包括安装在道路上的视频摄像头以及连接视频摄像头的信号发射器；卡口检测器包括安装在收费站或者检查站的车辆探测器和工业摄像机，且车辆探测器和工业摄像机共同连接有信号发射器；电子警察系统用于拍摄道路上车辆的行驶情况和违章情况，用上传到服务器中；雷达检测器用于探测道路上的车辆的车速和数量；信号机系统用于控制每一个路口上的红绿灯系统；射频电子标签系统用于识别车辆的具体信息；
控制中心包括服务器以及与服务器相对应的存储器；服务器内安装有监控程序，存储器内存储有电子地图；
智能路况监测系统的工作包括以下步骤：
A.摄像系统、卡口检测器、雷达检测器、信号机系统和射频电子标签系统采集所处道路的路况信息、车辆信息、计时信息和车速信息，并通过信号发射器传送给控制中心；
B.电子警察系统将违章和违法信息进行采集并发送，并显示到电子地图；
C.电子地图根据路况的拥堵情况分别显示不拥堵的绿色、轻微拥堵的黄色和重度拥堵的红色；
D.服务器根据拥堵情况调整信号机系统，实时调节红绿灯系统的红绿灯的时长；
E.摄像系统对高速沿线交通状况及基础设施状况的可视化采集与指挥。
作为一种优化的技术方案，服务器内的监控程序提供交通流量模型、交通指数模型、双模融合模型，实现过车数据-交通运行数据的转换和与互联网路况数据的融合；同时将过车数据采用HBASE进行分布式存储，对于运算完成的道路运行指标数据以及互联网路况数据、违法抓拍数据、气象数据、设备状态数据、事故事件数据、道路施工数据采用ORACLE进行存储。
作为一种优化的技术方案，电子地图提供基于GIS规范标准的地图服务，能够在地图上展示拥堵状况，高速路段上的所有设备及各类事件分别用不同的图标在地图上标识。
根据本发明的第二方面，提供了一种智能路况监测方法，包括：
获取多种类型的路段数据；
根据所述多种类型的路段数据进行融合分析，得出拥堵结论；
根据所述拥堵结论自动调取视频。
进一步地，所述多种类型的路段数据包括：
视频检测数据、手机信令数据、收费站出入数据、交通卡口数据和/或外部路况信息。
进一步地，所述根据所述多种类型的路段数据进行融合分析包括：
将所述多种类型的路段数据输入预设的分析模型，获取数据分析结果；
根据所述数据分析结果判断是否发生拥堵、拥堵路段位置、拥堵路段方向和/或拥堵路段长度。
进一步地，所述根据所述拥堵结论自动调取视频包括：
根据所述拥堵路段位置和拥堵路段长度查找该范围内的摄像机信息，将找到的摄像机信息作为关键数据，调取该摄像机的视频码流。
根据本发明的第三方面，提供了一种智能路况监测装置，包括：
数据获取模块，用于获取多种类型的路段数据；
融合分析模块，用于根据所述多种类型的路段数据进行融合分析，得出拥堵结论；
视频调取模块，用于根据所述拥堵结论自动调取视频。
根据本发明的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有程序，所述程序被执行时实现如本发明第一方面中所述的方法的步骤。
由于采用了上述技术方案，与现有技术相比较，本发明的有益效果是：
1)、提高了准确性和及时性
本发明对及时发现和处置拥堵事件提高了准确性和及时性，从原本的人工手动寻找路况拥堵源等方式，改为全智能的方式对路况进行判断，大大的提高了准确性和及时性。
2)、提高工作效率
本发明对以往人工操作方式，对路况的判断、对路况的上报、对路况的发布改为全智能的方式对路况进行判断，准确高效。
3)、提高路网运行指挥准确性和高效性
本发明为路网运行指挥者提供决策依据，从以往的路况信息传递慢，到路况智能获取和预判，对路网运行指挥的反应时间和预判有着极大的促进。
本发明的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明一个实施例的路况监测系统的结构图；
图2为根据本发明一个实施例的数据分析功能的逻辑架构图；
图3为根据本发明一个实施例的路况监测方法的流程图；
图4为根据本发明一个实施例的路况监测装置的结构图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的一种智能路况监测系统10，包括控制中心11和设置在道路旁的检测系统12。
检测系统12包括设置在道路旁边的摄像系统121、卡口检测器122、雷达检测器123、电子警察系统124、信号机系统125和射频电子标签系统126。摄像系统121包括安装在道路上的视频摄像头以及连接视频摄像头的信号发射器。卡口检测器122包括安装在收费站或者检查站的车辆探测器和工业摄像机，且车辆探测器和工业摄像机共同连接有信号发射器。雷达检测器123用于探测道路上的车辆的车速和数量。电子警察系统124用于拍摄道路上车辆的行驶情况和违章情况，用上传到服务器中。信号机系统125用于控制每一个路口上的红绿灯系统。射频电子标签系统126用于识别车辆的具体信息。
控制中心11包括服务器111以及与服务器相对应的存储器112；服务器内安装有监控程序，存储器内存储有电子地图。服务器内的监控程序提供交通流量模型、交通指数模型、双模融合模型，实现过车数据-交通运行数据的转换和与互联网路况数据的融合；同时将过车数据采用HBASE进行分布式存储，对于运算完成的道路运行指标数据以及互联网路况数据、违法抓拍数据、气象数据、设备状态数据、事故事件数据、道路施工数据采用ORACLE进行存储。电子地图提供基于GIS规范标准的地图服务，能够在地图上展示拥堵状况，高速路段上的所有设备及各类事件分别用不同的图标在地图上标识。
智能路况监测系统的工作包括以下步骤：
A.摄像系统、卡口检测器、雷达检测器、信号机系统和射频电子标签系统采集所处道路的路况信息、车辆信息、计时信息和车速信息，并通过信号发射器传送给控制中心；
B.电子警察系统将违章和违法信息进行采集并发送，并显示到电子地图；
C.电子地图根据路况的拥堵情况分别显示不拥堵的绿色、轻微拥堵的黄色和重度拥堵的红色；
D.服务器根据拥堵情况调整信号机系统，实时调节红绿灯系统的红绿灯的时长；
E.摄像系统对高速沿线交通状况及基础设施状况的可视化采集与指挥。
具体的设计如下：
本实施例通过多种设备接入，包括摄像系统、卡口检测器、雷达检测器、电子警察系统、信号机系统和射频电子标签系统。上述检测装置的数据传输到服务器当中，通过多种采集设备采集数据，取长补短，共同应用，提高了采集数据的实时性和准确性。
整个系统的功能及实现如下：
1、测速功能
各个检测装置主要实现了对高速公路上不同限速路段通行车辆进行区间测速；实现对高速公路上的车辆进行完整的信息采集、单点测速及超速纠违。
2、视频采集功能
全程视频监控主要实现了对高速沿线交通状况及基础设施状况的可视化采集与指挥。
3、事件分析功能
交通事件检测运用智能分析技术，主要实现对重点部位的24小时全天候监控覆盖；及时发现高速公路上出现违法停车、拥堵、逆行、行人出现、遗落物等各类交通异常事件，发出报警提示，有效缩短交通事件发现和反应时间，减轻道路巡查和监控人员的劳动强度；进行交通数据的检测采集，为交通指挥调度提供数据支持。
4、数据存储
数据服务层提供交通流量模型、交通指数模型、双模融合模型，实现过车数据-交通运行数据的转换和与互联网路况数据的融合；同时将过车数据采用HBASE进行分布式存储，对于运算完成的道路运行指标数据以及互联网路况数据、违法抓拍数据、气象数据、设备状态数据、事故事件数据、道路施工数据采用ORACLE进行存储。
5、协议转换服务为系统提供兼容非标准协议设备能力，提供各类信令的转换服务。
6、数据统计
数据统计服务实现对整个路段外场设备检查的交通流参数、气象情况、交通事故等信息，进行汇总统计并与历史同期水平进行对分析，从中找出对路网交通运行影响大的路段，作为将来重点监控的对象，并以此作为下一次优化路网结构的依据。
7、事件服务
事件服务器为平台提供核心事件处理及转发，包括事件报警、预案处理及通知等。以灵活的方式透明支持各类输入及输出源，包括支持本平台及外平台报警事件，输入如各类报警设备，支持各种报警输出及邮件、短信等扩展输出通知等。
8、GIS服务
GIS地图服务提供基于GIS规范标准的地图服务。能够在地图上展示拥堵状况，高速路段上的所有设备及各类事件分别用不同的图标在地图上标识。
9、数据分析
图2示出了数据分析功能的逻辑架构图，本发明通过获取设备传递的信息，并结合视频检测、手机信令、收费站出入数据、车检器、交通卡口，以及外部百度、高德等数据，进行融合分析得出结论。该数据分析结合多种数据，能够进行高效、准确的数据分析，有效的得出决策性结论。接入百度、高德等互联网渠道的道路通行状态实时信息，同时依托路面电子卡口、收费站过车数据，建立高速公路路况监测模型，对车流、车速进行综合分析，实现互联网路况及卡口路况监测结果的对照观察，实现对全省高速公路交通拥堵指数分析和趋势监测，建立全省高速公路交通状况的动态监控体系。
图3示出了根据本发明的一个实施例的智能路况监测方法，包括：
S301、获取多种类型的路段数据；
进一步地，所述多种类型的路段数据包括：
视频检测数据、手机信令数据、收费站出入数据、交通卡口数据和/或外部路况信息。
基于视频检测数据融合分析：
视频检测分析技术涉及到模式识别、机器视觉、人工智能、网络通信及海量数据管理等技术。视频检测分析通常可以分为几部分：运动目标的识别、目标跟踪与行为分析。
基于手机信令数据融合分析：
运营商网络内发生的每次切换事件都会对应手机的唯一标识。根据这个标识，跟踪其切换事件发生的时间和位置，获取目标运动的时间间隔，根据监控路段长度与时间关系，计算每个样本的行驶速度。从而得到拥堵信息。
基于收费站出入数据融合分析：
车辆每次经过收费站，收费站过车流量数据都会增加。通过收费站过车流量数据，预测判断是否会达到路段拥堵值。
基于交通卡口数据融合分析：
通过卡口采集交通基础数据，对采集的交通基础数据进行预处理；采用先进的交通状态判别算法对预处理后的交通数据进行分析判别，得到道路交通状态。
基于百度、高德数据融合分析：通过百度、高德等外部路况信息接口获取信息进行道路交通状态分析。
S302、根据所述多种类型的路段数据进行融合分析，得出拥堵结论；
进一步地，所述根据所述多种类型的路段数据进行融合分析包括：
将所述多种类型的路段数据输入预设的分析模型，获取数据分析结果；
根据所述数据分析结果判断是否发生拥堵、拥堵路段位置、拥堵路段方向和/或拥堵路段长度。
根据数据分析结果，将某预设值设置为判断是否拥堵的阈值，若数据分析结果的值低于该阈值，则视为拥堵；若高于该阈值，则视为未发生拥堵状况。
以数据分析作为结果与GIS地图数据进行比对，以地理信息的经纬度为原始数据，与路段的每一个点的经纬度进行匹配比对，根据比对情况，在一定阈值范围内的路段即为拥堵路段，超出该阈值的路段视为未发生拥堵情况。
根据获取到的拥堵路段的具体位置，以地理信息的经纬度为原始数据，判断拥堵路段的方向(即上下行)，在一定的阈值范围内位置越靠近上行方向则视为上行方向发生拥堵，越靠近下行方向则视为下行方向发生拥堵。
根据获取到的地理信息的经纬度信息，以其作为数据散点，在GIS地图进行散列，根据数据散列情况，以米为单位，判断散列数据在路线上所占有的长度，即为拥堵路段的长度，将其记录下来。
S303、根据所述拥堵结论自动调取视频。
进一步地，所述根据所述拥堵结论自动调取视频包括：
根据所述拥堵路段位置和拥堵路段长度查找该范围内的摄像机信息，将找到的摄像机信息作为关键数据，调取该摄像机的视频码流，实现自动化的视频切换。
该实施例的方法依据数据分析得出的结论判断当前路况拥堵位置、对拥堵趋势进行分析预测，对数据分析后的结果进行多维度建模，运用钻取、切片、旋转等多种分析技术，对关键性的性能指标进行多维度展示，对数据结果进行自动定位调取视频，并给出路况建议，提高工作效率。
进一步地，可以预测拥堵情况并给出管控方案。以大数据的分析思路，根据以往的历史数据，以往该时段的车流量、以往该地点的车流量、节假日信息、当天天气状况、是否有特殊活动等作为条件，综合分析处理判断未来几小时甚至一天的流量走向和是否有拥堵的状况预测。根据大数据预测的拥堵状况，进行可行性、合理性、高效性的路况规划，将未来不会发生拥堵且满足用户需要的路段进行合理性推送，实时标出用户用最少的时间行走的路线。从而，监控中心能够发挥进行交通诱导指挥的协助作用，引导路面上行驶的车辆以最快最短的时间进行疏通，达到高效统筹的效果。
相应地，如图4所示，本发明的实施例还提供了一种智能路况监测装置，包括：
数据获取模块401，用于获取多种类型的路段数据，包括：视频检测数据、手机信令数据、收费站出入数据、交通卡口数据和/或外部路况信息；
融合分析模块402，用于根据所述多种类型的路段数据进行融合分析，得出拥堵结论；包括：将所述多种类型的路段数据输入预设的分析模型，获取数据分析结果；根据所述数据分析结果判断是否发生拥堵、拥堵路段位置、拥堵路段方向和/或拥堵路段长度；
视频调取模块403，用于根据所述拥堵结论自动调取视频：根据所述拥堵路段位置和拥堵路段长度查找该范围内的摄像机信息，将找到的摄像机信息作为关键数据，调取该摄像机的视频码流。
根据本发明的再一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有程序，所述程序被执行时实现如图3所示实施例的方法的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能路况监测系统，其特征在于：包括控制中心和设置在道路旁的检测系统；
检测系统包括设置在道路旁边的摄像系统、卡口检测器、雷达检测器、电子警察系统、信号机系统和射频电子标签系统；
摄像系统包括安装在道路上的视频摄像头以及连接视频摄像头的信号发射器；
卡口检测器包括安装在收费站或者检查站的车辆探测器和工业摄像机，且车辆探测器和工业摄像机共同连接有信号发射器；
电子警察系统用于拍摄道路上车辆的行驶情况和违章情况，上传到服务器中；
雷达检测器用于探测道路上的车辆的车速和数量；
信号机系统用于控制每一个路口上的红绿灯系统；
射频电子标签系统用于识别车辆的具体信息；
控制中心包括服务器以及与服务器相对应的存储器；服务器内安装有监控程序，存储器内存储有电子地图；
智能路况监测系统的工作包括以下步骤：
A.摄像系统、卡口检测器、雷达检测器、信号机系统和射频电子标签系统采集所处道路的路况信息、车辆信息、计时信息和车速信息，并通过信号发射器传送给控制中心；
B.电子警察系统将违章和违法信息进行采集并发送，并显示到电子地图；
C.电子地图根据路况的拥堵情况分别显示不拥堵的绿色、轻微拥堵的黄色和重度拥堵的红色；
D.服务器根据拥堵情况调整信号机系统，实时调节红绿灯系统的红绿灯的时长；
E.摄像系统对高速沿线交通状况及基础设施状况的可视化采集与指挥。
2.根据权利要求1所述的一种智能路况监测系统，其特征在于：
服务器内的监控程序提供交通流量模型、交通指数模型、双模融合模型，实现过车数据-交通运行数据的转换和与互联网路况数据的融合；同时将过车数据采用HBASE进行分布式存储，对于运算完成的道路运行指标数据以及互联网路况数据、违法抓拍数据、气象数据、设备状态数据、事故事件数据、道路施工数据采用ORACLE进行存储。
3.根据权利要求1所述的一种智能路况监测系统，其特征在于：
电子地图提供基于GIS规范标准的地图服务，能够在地图上展示拥堵状况，高速路段上的所有设备及各类事件分别用不同的图标在地图上标识。
4.一种智能路况监测方法，其特征在于，包括：
获取多种类型的路段数据；
根据所述多种类型的路段数据进行融合分析，得出拥堵结论；
根据所述拥堵结论自动调取视频。
5.根据权利要求4所述的智能路况监测方法，其特征在于，所述多种类型的路段数据包括：
视频检测数据、手机信令数据、收费站出入数据、交通卡口数据和/或外部路况信息。
6.根据权利要求5所述的智能路况监测方法，其特征在于，所述根据所述多种类型的路段数据进行融合分析包括：
将所述多种类型的路段数据输入预设的分析模型，获取数据分析结果；
根据所述数据分析结果判断是否发生拥堵、拥堵路段位置、拥堵路段方向和/或拥堵路段长度。
7.根据权利要求6所述的智能路况监测方法，其特征在于，所述根据所述拥堵结论自动调取视频包括：
根据所述拥堵路段位置和拥堵路段长度查找该范围内的摄像机信息，将找到的摄像机信息作为关键数据，调取该摄像机的视频码流。
8.一种智能路况监测装置，其特征在于，包括：
数据获取模块，用于获取多种类型的路段数据；
融合分析模块，用于根据所述多种类型的路段数据进行融合分析，得出拥堵结论；
视频调取模块，用于根据所述拥堵结论自动调取视频。
9.根据权利要求8所述的智能路况监测装置，其特征在于，所述多种类型的路段数据包括：
视频检测数据、手机信令数据、收费站出入数据、交通卡口数据和/或外部路况信息；
所述根据所述多种类型的路段数据进行融合分析包括：
将所述多种类型的路段数据输入预设的分析模型，获取数据分析结果；
根据所述数据分析结果判断是否发生拥堵、拥堵路段位置、拥堵路段方向和/或拥堵路段长度；
所述根据所述拥堵结论自动调取视频包括：
根据所述拥堵路段位置和拥堵路段长度查找该范围内的摄像机信息，将找到的摄像机信息作为关键数据，调取该摄像机的视频码流。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有程序，所述程序被执行时实现如权利要求4至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811453644.0A CN109637125A (zh) | 2018-11-30 | 2018-11-30 | 智能路况监测系统、装置、方法和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811453644.0A CN109637125A (zh) | 2018-11-30 | 2018-11-30 | 智能路况监测系统、装置、方法和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109637125A true CN109637125A (zh) | 2019-04-16 |
Family
ID=66070037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811453644.0A Pending CN109637125A (zh) | 2018-11-30 | 2018-11-30 | 智能路况监测系统、装置、方法和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109637125A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110276947A (zh) * | 2019-06-05 | 2019-09-24 | 中国科学院深圳先进技术研究院 | 一种交通融合分析预测方法、系统及电子设备 |
| CN110428625A (zh) * | 2019-08-12 | 2019-11-08 | 安徽赛福贝特信息技术有限公司 | 一种智慧交通大数据采集预警系统 |
| CN110517496A (zh) * | 2019-09-05 | 2019-11-29 | 河北省高速公路京秦管理处 | 一种动态检测系统的使用方法 |
| CN110895881A (zh) * | 2019-12-17 | 2020-03-20 | 成都通甲优博科技有限责任公司 | 交通数据处理方法、设备及存储介质 |
| CN111932893A (zh) * | 2020-08-25 | 2020-11-13 | 上海宝康电子控制工程有限公司 | 基于信号与电警数据融合技术实现路段状态研判处理的方法 |
| CN112017424A (zh) * | 2019-05-31 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 封闭高速公路交通应急管控的方法及装置 |
| CN112447042A (zh) * | 2019-09-05 | 2021-03-05 | 中华电信股份有限公司 | 交通事件侦测系统及方法 |
| CN113870597A (zh) * | 2021-08-09 | 2021-12-31 | 中标慧安信息技术股份有限公司 | 基于物联网数据的交通调度的方法和系统 |
| WO2022027763A1 (zh) * | 2020-08-06 | 2022-02-10 | 南京慧尔视智能科技有限公司 | 一种基于广域雷达的路面诱导系统及方法 |
| CN114418161A (zh) * | 2021-11-24 | 2022-04-29 | 广东省城乡规划设计研究院有限责任公司 | 公路服务区智慧联网方法、装置、电子设备及存储介质 |
| CN115472009A (zh) * | 2022-08-31 | 2022-12-13 | 南京联迪信息系统股份有限公司 | 一种基于大数据的城市道路管理系统及其方法 |
| CN115862335A (zh) * | 2023-02-27 | 2023-03-28 | 北京理工大学前沿技术研究院 | 基于车路信息融合的拥堵预警方法、系统及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102097005A (zh) * | 2011-02-01 | 2011-06-15 | 吉林大学 | 智能化、集成化交通信号控制器 |
| US8417443B2 (en) * | 2008-03-27 | 2013-04-09 | Aisin Aw Co., Ltd. | Travel pattern information obtaining device, travel pattern information obtaining method, and travel pattern information obtaining program |
| CN103065459A (zh) * | 2011-10-18 | 2013-04-24 | 上海宝康电子控制工程有限公司 | 基于Web地理信息系统技术的智能交通综合管控平台系统 |
| US9690297B1 (en) * | 2014-08-15 | 2017-06-27 | Waymo Llc | Classifier hierarchies for traffic light and traffic indicator detection |
| CN107730924A (zh) * | 2017-10-10 | 2018-02-23 | 温州大学瓯江学院 | 一种基于车流量大数据的红绿灯装置 |
| CN108230700A (zh) * | 2017-12-29 | 2018-06-29 | 上海大汉三通无线通信有限公司 | 一种交通信号灯控制方法、系统及交通管理系统 |
-
2018
- 2018-11-30 CN CN201811453644.0A patent/CN109637125A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8417443B2 (en) * | 2008-03-27 | 2013-04-09 | Aisin Aw Co., Ltd. | Travel pattern information obtaining device, travel pattern information obtaining method, and travel pattern information obtaining program |
| CN102097005A (zh) * | 2011-02-01 | 2011-06-15 | 吉林大学 | 智能化、集成化交通信号控制器 |
| CN103065459A (zh) * | 2011-10-18 | 2013-04-24 | 上海宝康电子控制工程有限公司 | 基于Web地理信息系统技术的智能交通综合管控平台系统 |
| US9690297B1 (en) * | 2014-08-15 | 2017-06-27 | Waymo Llc | Classifier hierarchies for traffic light and traffic indicator detection |
| CN107730924A (zh) * | 2017-10-10 | 2018-02-23 | 温州大学瓯江学院 | 一种基于车流量大数据的红绿灯装置 |
| CN108230700A (zh) * | 2017-12-29 | 2018-06-29 | 上海大汉三通无线通信有限公司 | 一种交通信号灯控制方法、系统及交通管理系统 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112017424A (zh) * | 2019-05-31 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 封闭高速公路交通应急管控的方法及装置 |
| CN110276947A (zh) * | 2019-06-05 | 2019-09-24 | 中国科学院深圳先进技术研究院 | 一种交通融合分析预测方法、系统及电子设备 |
| CN110276947B (zh) * | 2019-06-05 | 2021-03-23 | 中国科学院深圳先进技术研究院 | 一种交通融合分析预测方法、系统及电子设备 |
| CN110428625A (zh) * | 2019-08-12 | 2019-11-08 | 安徽赛福贝特信息技术有限公司 | 一种智慧交通大数据采集预警系统 |
| CN112447042A (zh) * | 2019-09-05 | 2021-03-05 | 中华电信股份有限公司 | 交通事件侦测系统及方法 |
| CN110517496A (zh) * | 2019-09-05 | 2019-11-29 | 河北省高速公路京秦管理处 | 一种动态检测系统的使用方法 |
| CN110895881A (zh) * | 2019-12-17 | 2020-03-20 | 成都通甲优博科技有限责任公司 | 交通数据处理方法、设备及存储介质 |
| WO2022027763A1 (zh) * | 2020-08-06 | 2022-02-10 | 南京慧尔视智能科技有限公司 | 一种基于广域雷达的路面诱导系统及方法 |
| CN111932893A (zh) * | 2020-08-25 | 2020-11-13 | 上海宝康电子控制工程有限公司 | 基于信号与电警数据融合技术实现路段状态研判处理的方法 |
| CN113870597A (zh) * | 2021-08-09 | 2021-12-31 | 中标慧安信息技术股份有限公司 | 基于物联网数据的交通调度的方法和系统 |
| CN114418161A (zh) * | 2021-11-24 | 2022-04-29 | 广东省城乡规划设计研究院有限责任公司 | 公路服务区智慧联网方法、装置、电子设备及存储介质 |
| CN115472009A (zh) * | 2022-08-31 | 2022-12-13 | 南京联迪信息系统股份有限公司 | 一种基于大数据的城市道路管理系统及其方法 |
| CN115862335A (zh) * | 2023-02-27 | 2023-03-28 | 北京理工大学前沿技术研究院 | 基于车路信息融合的拥堵预警方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109637125A (zh) | 智能路况监测系统、装置、方法和计算机可读存储介质 | |
| CN109118764A (zh) | 一种基于ZigBee的车联网通信系统 | |
| US20180253963A1 (en) | Systems and methods for characterizing and managing driving behavior in the context of a network of moving things, including for use in autonomous vehicles | |
| CN108198416A (zh) | 一种手机信令与路网大数据的融合方法及其应用与系统 | |
| CN102231235B (zh) | 一种交通流异常点检测定位方法 | |
| Petrovska et al. | Traffic congestion analysis visualisation tool | |
| US11887453B2 (en) | Luminaire network with sensors | |
| CN109993969A (zh) | 一种路况判定信息获取方法、装置及设备 | |
| CN112396836A (zh) | 基于车辆轨迹预测分析和警员定位实现布控报警推送控制的方法、装置及存储介质 | |
| Kianfar et al. | Placement of roadside equipment in connected vehicle environment for travel time estimation | |
| CN104269063A (zh) | 智能交通限速预警与路径规划系统 | |
| Fadda et al. | A social internet of things smart city solution for traffic and pollution monitoring in cagliari | |
| CN110800324B (zh) | 一种改善道路安全和/或管理的系统和方法 | |
| CN109615851A (zh) | 一种在群智感知系统中基于关键路段的感知节点选取方法 | |
| Habtie et al. | Artificial neural network based real-time urban road traffic state estimation framework | |
| Houbraken et al. | Examining the potential of floating car data for dynamic traffic management | |
| GB2585243A (en) | Traffic event and road condition identification and classification | |
| Ramesh et al. | Smart traffic congestion model in IoT-A review | |
| Carli et al. | Monitoring traffic congestion in urban areas through probe vehicles: A case study analysis | |
| CN111127882A (zh) | 一种基于大数据的旅游景区停车场来车数量预测方法 | |
| CN104881904B (zh) | 一种基于移动智能终端的输电巡检现场监管系统 | |
| CN112950935A (zh) | 一种基于大数据平台的高速交通管控系统 | |
| CN110708664A (zh) | 一种交通流感知方法、装置及计算机存储介质、电子设备 | |
| CN113706866B (zh) | 道路堵塞监测方法及装置、电子设备、存储介质 | |
| KR102505533B1 (ko) | V2i 통신을 이용한 동적 자율주행 지원 시스템 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 410005 No. 236 Yuanda Second Road, Furong District, Changsha City, Hunan Province Applicant after: Zhongtong Uniform Chuangfa Science and Technology Co., Ltd. Address before: 410005 No. 236 Yuanda Second Road, Furong District, Changsha City, Hunan Province Applicant before: Chuangfa Technology Co., Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |