CN109671262A - 基于事故黑点对司机行为预警的系统及方法 - Google Patents
基于事故黑点对司机行为预警的系统及方法 Download PDFInfo
- Publication number
- CN109671262A CN109671262A CN201910041013.6A CN201910041013A CN109671262A CN 109671262 A CN109671262 A CN 109671262A CN 201910041013 A CN201910041013 A CN 201910041013A CN 109671262 A CN109671262 A CN 109671262A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- coordinate
- accident
- spot
- accident black
- 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
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
Abstract
本发明涉及交通安全领域,提供基于事故黑点对司机行为预警的系统及方法,用于解决事故频发区域的安全驾驶问题。本发明提供的基于事故黑点对司机行为预警的,包括:获取车辆坐标,进行大数据分析,判断车辆是否位于事故黑点区域;若车辆位于事故黑点区域,发出预警信息;若车辆未处于事故黑点区域,返回至获取车辆坐标步骤。车载硬件同云端结合,提高了公交信息化的水平,为提高驾驶的安全性提高了条件。
Description
技术领域
本发明涉及交通安全领域,具体涉及基于事故黑点对司机行为预警的系统及方法。
背景技术
公路交通事故黑点又称为事故多发点,是道路上交通事故相对集中的地方,在一个较长的时段内,发生道路交通事故的数量或特征与其他正常路段相比明显突出的某些位置。
随着公路网规模的扩大、道路交通量和周转量上升,交通事故已称为当今世界的一个严重社会问题。现有的事故黑点区域的判定方法已经较为成熟,但是仅仅局限如何根据一年内交通事故的发生频率来判断一个区域是否为事故黑点区域,而无法通过一定的手段来实现事故黑点数据的有效利用,也无法充分降低事故发生概率。
发明内容
本发明解决的技术问题为事故频发区域的安全驾驶问题,提供基于事故黑点对司机行为预警的。
为了解决上述技术问题,本发明提供的技术方案为:
基于事故黑点对司机行为预警的方法,包括: 获取车辆坐标,进行大数据分析,判断车辆是否位于事故黑点区域; 若车辆位于事故黑点区域,发出预警信息; 若车辆未处于事故黑点区域,返回至获取车辆坐标步骤。
提高了公交信息化的水平,为提高驾驶的安全性提高了条件。
优选地,所述的预警信息为提示语音、蜂鸣报警。发出蜂鸣报警或者语音提示可以有效提醒驾驶员,保障安全驾驶。
优选地,所述获取车辆坐标后,获取车辆行驶轨迹,所述行驶轨迹为连续的车辆坐标与坐标返回时间的线性关系,对行驶轨迹的数据进行有效性验证:判断行驶轨迹是否连续,即每次获取的定位信息的实际时间间隔是否同预设的时间间隔相同; 若实际时间间隔大于预设时间间隔,则重新获取车辆坐标; 若实际时间间隔等于预设时间间隔,判断车辆是否位于事故黑点区域。若数据的有效性出现了问题,尤其是车辆经过事故黑点区域却并未将经过该区域的信息传递上传,那么预警的效果将大幅下降;为了保证预警的准确性,数据有效性验证是有必要的。
优选地,所述的判断车辆是否处于事故黑点区域后,若车辆未处于车辆黑点区域,预判车辆的行驶轨迹经过事故黑点区域的可能性; 若车辆的行驶轨迹经过事故黑点区域的概率大于90%,发出预警信息; 若车辆的行驶轨迹经过事故黑点区域的概率小于90%,返回至获取车辆坐标步骤。预判可以在车辆经过事故黑点区域前进行预警,提高驾驶的安全性。
优选地,所述的获取车辆坐标后,若车辆发生事故,暂存车辆发生事故时的坐标,若该坐标发生事故的次数不少于2次,存储该位置为事故黑点区域。事故黑点区域是不断更新的,以提高预警的准确性,减少交通事故的发生。
基于事故黑点对司机行为预警的系统,包括车载硬件、云端,所述的车载硬件同云端连接;所述的车载硬件将车辆坐标传递给云端,所述的车载硬件包括GPS坐标传递模块、预警信息接收模块和报警装置,所述的云端包括数据库、坐标获取模块、判断模块、预警信息发出模块;GPS坐标传递模块将车辆实时的GPS坐标传递给云端,所述的坐标获取模块获取车辆坐标,判断模块根据坐标判断车辆是否位于事故黑点区域; 若车辆位于事故黑点区域,预警信息发出模块发出预警信息,所述的预警信息接收模块接收预警信息,通知报警装置在车辆上发出预警信息; 若车辆未处于事故黑点区域,返回至获取车辆坐标步骤。车载硬件同云端结合,提高了公交信息化的水平,为提高驾驶的安全性提高了条件。
优选地,所述的报警装置为语音报警器或蜂鸣报警器。发出蜂鸣报警或者语音提示可以有效提醒驾驶员,保障安全驾驶。
优选地,所述的云端还包括有效性验证模块,所述的有效性验证模块同坐标获取模块连接,所述的有效性验证模块对坐标数据进行有效性验证:所述获取车辆坐标后,获取车辆行驶轨迹,所述行驶轨迹为连续的车辆坐标与坐标返回时间的线性关系,判断行驶轨迹是否连续,即每次获取的定位信息的实际时间间隔是否同预设的时间间隔相同; 若实际时间间隔大于预设时间间隔,则重新获取车辆坐标; 若实际时间间隔等于预设时间间隔,判断车辆是否位于事故黑点区域。若数据的有效性出现了问题,尤其是车辆经过事故黑点区域却并未将经过该区域的信息传递上传,那么预警的效果将大幅下降;为了保证预警的准确性,数据有效性验证是有必要的。
优选地,所述的云端还包括预判模块,所述的预判模块同判断模块连接,所述的预判模块预判车辆的行驶轨迹经过事故黑点区域的可能性; 若车辆的行驶轨迹经过事故黑点区域的概率大于90%,发出预警信息; 若车辆的行驶轨迹经过事故黑点区域的概率小于90%,返回至获取车辆坐标步骤。预判可以在车辆经过事故黑点区域前进行预警,提高驾驶的安全性。
优选地,所述的云端还包括事故黑点区域更新模块,所述的事故黑点区域同坐标获取模块连接,所述的数据库同事故黑点区域更新模块连接;所述的事故黑点更新模块用于更新事故黑点区域: 所述的获取车辆坐标后,若车辆发生事故,暂存车辆发生事故时的位置,若该位置发生事故的次数不少于2次,存储该位置为事故黑点区域。事故黑点区域是不断更新的,以提高预警的准确性,减少交通事故的发生。
与现有技术相比,本发明具有的有益效果为:车载硬件同云端结合,提高了公交信息化的水平,为提高驾驶的安全性提高了条件。
附图说明
图1为基于事故黑点对司机行为预警的方法的流程示意图。
图2为基于事故黑点对司机行为预警的方法的流程示意图。
图3为基于事故黑点对司机行为预警的系统的示意图。
图4为基于事故黑点对司机行为预警的系统的示意图。
具体实施方式
以下实施列是对本发明的进一步说明,不是对本发明的限制。
实施例1
基于事故黑点对司机行为预警的方法,在本申请的一些实施例中,如图1所示,包括:获取车辆坐标,进行大数据分析,判断车辆是否位于事故黑点区域; 若车辆位于事故黑点区域,发出预警信息; 若车辆未处于事故黑点区域,返回至获取车辆坐标步骤。
车辆行驶过程中,及时获取车辆的行驶轨迹,若车辆经过事故频发的事故黑点区域,发出预警信息。
提高了公交信息化的水平,为提高驾驶的安全性提高了条件。
在本申请的另一些实施例中,所述的预警信息为提示语音、蜂鸣报警。
发出蜂鸣报警或者语音提示可以有效提醒驾驶员,保障安全驾驶。
在本申请的一些实施例中,所述获取车辆坐标后,获取车辆行驶轨迹,所述行驶轨迹为连续的车辆坐标与坐标返回时间的线性关系,对行驶轨迹的数据进行有效性验证:判断行驶轨迹是否连续,即每次获取的定位信息的实际时间间隔是否同预设的时间间隔相同; 若实际时间间隔大于预设时间间隔,则重新获取车辆坐标; 若实际时间间隔等于预设时间间隔,判断车辆是否位于事故黑点区域。
若数据的有效性出现了问题,尤其是车辆经过事故黑点区域却并未将经过该区域的信息传递上传,那么预警的效果将大幅下降;为了保证预警的准确性,数据有效性验证是有必要的。
在本申请的一些实施例中,所述的判断车辆是否处于事故黑点区域后,若车辆未处于车辆黑点区域,预判车辆的行驶轨迹经过事故黑点区域的可能性; 若车辆的行驶轨迹经过事故黑点区域的概率大于90%,发出预警信息; 若车辆的行驶轨迹经过事故黑点区域的概率小于90%,返回至获取车辆坐标步骤。
预判可以在车辆经过事故黑点区域前进行预警,提高驾驶的安全性。
在本身请的另一些实施例中,如图2所示,获取车辆坐标后,进行数据有效性验证,判断行驶轨迹是否连续,若连续则判断车辆是否处于事故黑点区域,若不连续则重新获取车辆行驶轨迹;若车辆处于事故黑点区域则发出预警信息,若车辆未处于事故黑点区域,对行驶轨迹经过事故黑点区域的可能性进行判断,若可能性大于90%,则发出预警信息,否则返回至获取车辆行驶轨迹步骤。
在本申请的一些实施例中,所述的获取车辆坐标后,若车辆发生事故,暂存车辆发生事故时的坐标,若该坐标发生事故的次数不少于2次,存储该位置为事故黑点区域。
事故黑点区域是不断更新的,以提高预警的准确性,减少交通事故的发生。
在本申请的一些实施例中,基于事故黑点对司机行为预警的系统,如图3所示,包括车载硬件、云端,所述的车载硬件同云端连接;所述的车载硬件将车辆坐标传递给云端,所述的车载硬件包括GPS坐标传递模块、预警信息接收模块和报警装置,所述的云端包括数据库、坐标获取模块、判断模块、预警信息发出模块; 所述的GPS坐标传递模块将车辆的实时坐标传递给云端,所述的坐标获取模块获取车辆坐标,判断模块根据坐标判断车辆是否位于事故黑点区域; 若车辆位于事故黑点区域,预警信息发出模块发出预警信息,所述的预警信息接收模块接收预警信息,通知报警装置在车辆上发出预警信息; 若车辆未处于事故黑点区域,返回至获取车辆坐标步骤。
车载硬件同云端结合,提高了公交信息化的水平,为提高驾驶的安全性提高了条件。
在本申请的一些实施例中,所述的报警装置为语音报警器或蜂鸣报警器。
发出蜂鸣报警或者语音提示可以有效提醒驾驶员,保障安全驾驶。
在本申请的一些实施例中,所述的云端还包括有效性验证模块,所述的有效性验证模块同坐标获取模块连接,所述的有效性验证模块对坐标数据进行有效性验证:所述获取车辆坐标后,获取车辆行驶轨迹,所述行驶轨迹为连续的车辆坐标与坐标返回时间的线性关系,判断行驶轨迹是否连续,即每次获取的定位信息的实际时间间隔是否同预设的时间间隔相同; 若实际时间间隔大于预设时间间隔,则重新获取车辆坐标; 若实际时间间隔等于预设时间间隔,判断车辆是否位于事故黑点区域。
若数据的有效性出现了问题,尤其是车辆经过事故黑点区域却并未将经过该区域的信息传递上传,那么预警的效果将大幅下降;为了保证预警的准确性,数据有效性验证是有必要的。
在本申请的一些实施例中,所述的云端还包括预判模块,所述的预判模块同判断模块连接,所述的预判模块预判车辆的行驶轨迹经过事故黑点区域的可能性; 若车辆的行驶轨迹经过事故黑点区域的概率大于90%,发出预警信息; 若车辆的行驶轨迹经过事故黑点区域的概率小于90%,返回至获取车辆坐标步骤。
预判可以在车辆经过事故黑点区域前进行预警,提高驾驶的安全性。
在本申请的一些实施例中,如图4所示,所述的GPS坐标传递模块同坐标获取模块连接,所述的坐标获取模块同数据库连接,所述的坐标获取模块同有效性验证模块连接,所述的有效性验证模块同判断模块连接,所述的判断模块同预判模块与预警信息发出模块连接,所述的预警信息发出模块同预警信息接收模块连接,所述的预警信息接收模块同报警装置连接,所述的预判模块同行驶轨迹获取模块和预警信息发出模块连接。
在本申请的一些实施例中,所述的云端还包括事故黑点区域更新模块,所述的事故黑点区域同坐标获取模块连接,所述的数据库同事故黑点区域更新模块连接;所述的事故黑点更新模块用于更新事故黑点区域: 所述的获取车辆坐标后,若车辆发生事故,暂存车辆发生事故时的位置,若该位置发生事故的次数不少于2次,存储该位置为事故黑点区域。
事故黑点区域是不断更新的,以提高预警的准确性,减少交通事故的发生。
上列详细说明是针对本发明可行实施例的具体说明,以上实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本案的专利范围中。
Claims (10)
1.基于事故黑点对司机行为预警的方法,其特征在于,包括: 获取车辆坐标,进行大数据分析,判断车辆是否位于事故黑点区域; 若车辆位于事故黑点区域,发出预警信息; 若车辆未处于事故黑点区域,返回至获取车辆坐标步骤。
2.根据权利要求1所述的基于事故黑点对司机行为预警的方法,其特征在于,所述的预警信息为提示语音、蜂鸣报警。
3.根据权利要求1所述的基于事故黑点对司机行为预警的方法,其特征在于,所述获取车辆坐标后,获取车辆行驶轨迹,所述行驶轨迹为连续的车辆坐标与坐标返回时间的线性关系,对行驶轨迹的数据进行有效性验证:判断行驶轨迹是否连续,即每次获取的定位信息的实际时间间隔是否同预设的时间间隔相同; 若实际时间间隔大于预设时间间隔,则重新获取车辆坐标; 若实际时间间隔等于预设时间间隔,判断车辆是否位于事故黑点区域。
4.根据权利要求3所述的基于事故黑点对司机行为预警的方法,其特征在于,所述的判断车辆是否处于事故黑点区域后,若车辆未处于车辆黑点区域,预判车辆的行驶轨迹经过事故黑点区域的可能性; 若车辆的行驶轨迹经过事故黑点区域的概率大于90%,发出预警信息; 若车辆的行驶轨迹经过事故黑点区域的概率小于90%,返回至获取车辆坐标步骤。
5.根据权利要求1所述的基于事故黑点对司机行为预警的方法,其特征在于,所述的获取车辆坐标后,若车辆发生事故,暂存车辆发生事故时的坐标,若该坐标发生事故的次数不少于2次,存储该位置为事故黑点区域。
6.基于事故黑点对司机行为预警的系统,其特征在于,包括车载硬件、云端,所述的车载硬件同云端连接;所述的车载硬件将车辆坐标传递给云端,所述的车载硬件包括GPS坐标传递模块、预警信息接收模块和报警装置,所述的云端包括数据库、坐标获取模块、判断模块、预警信息发出模块; 所述的坐标获取模块获取车辆坐标,判断模块根据坐标判断车辆是否位于事故黑点区域; 若车辆位于事故黑点区域,预警信息发出模块发出预警信息,所述的预警信息接收模块接收预警信息,通知报警装置在车辆上发出预警信息; 若车辆未处于事故黑点区域,返回至获取车辆坐标步骤。
7.根据权利要求6所述的基于事故黑点对司机行为预警的系统,其特征在于,所述的报警装置为语音报警器或蜂鸣报警器。
8.根据权利要求6所述的基于事故黑点对司机行为预警的系统,其特征在于,所述的云端还包括有效性验证模块,所述的有效性验证模块同坐标获取模块连接,所述的有效性验证模块对坐标数据进行有效性验证:所述获取车辆坐标后,获取车辆行驶轨迹,所述行驶轨迹为连续的车辆坐标与坐标返回时间的线性关系,判断行驶轨迹是否连续,即每次获取的定位信息的实际时间间隔是否同预设的时间间隔相同; 若实际时间间隔大于预设时间间隔,则重新获取车辆坐标; 若实际时间间隔等于预设时间间隔,判断车辆是否位于事故黑点区域。
9.根据权利要求8所述的基于事故黑点对司机行为预警的系统,其特征在于,所述的云端还包括预判模块,所述的预判模块同判断模块连接,所述的预判模块预判车辆的行驶轨迹经过事故黑点区域的可能性; 若车辆的行驶轨迹经过事故黑点区域的概率大于90%,发出预警信息; 若车辆的行驶轨迹经过事故黑点区域的概率小于90%,返回至获取车辆坐标步骤。
10.根据权利要求6所述的基于事故黑点对司机行为预警的系统,其特征在于,所述的云端还包括事故黑点区域更新模块,所述的事故黑点区域同坐标获取模块连接,所述的数据库同事故黑点区域更新模块连接;所述的事故黑点更新模块用于更新事故黑点区域: 所述的获取车辆坐标后,若车辆发生事故,暂存车辆发生事故时的位置,若该位置发生事故的次数不少于2次,存储该位置为事故黑点区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910041013.6A CN109671262A (zh) | 2019-01-16 | 2019-01-16 | 基于事故黑点对司机行为预警的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910041013.6A CN109671262A (zh) | 2019-01-16 | 2019-01-16 | 基于事故黑点对司机行为预警的系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109671262A true CN109671262A (zh) | 2019-04-23 |
Family
ID=66149525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910041013.6A Pending CN109671262A (zh) | 2019-01-16 | 2019-01-16 | 基于事故黑点对司机行为预警的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109671262A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821982A (zh) * | 2022-04-07 | 2022-07-29 | 中广核研究院有限公司 | 燃料组件运输报警方法、装置、系统、设备及存储介质 |
CN115019532A (zh) * | 2022-04-21 | 2022-09-06 | 东北林业大学 | 一种基于客运数据的公路安全隐患自动识别与预警系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298850A (zh) * | 2011-06-17 | 2011-12-28 | 福建工程学院 | 一种在危险驾驶区域主动提醒用户的方法 |
CN102903260A (zh) * | 2012-10-17 | 2013-01-30 | 大连智达科技有限公司 | 一种应用轨迹点绘制车辆在直线模拟图上显示的方法 |
CN103853900A (zh) * | 2012-11-29 | 2014-06-11 | 深圳先进技术研究院 | 一种异常轨迹数据的修正方法、装置及交通管理系统 |
CN105139657A (zh) * | 2015-10-21 | 2015-12-09 | 重庆云途交通科技有限公司 | 一种基于v2i的道路边界与事故黑点的提取方法及系统 |
CN105741590A (zh) * | 2016-03-29 | 2016-07-06 | 福建工程学院 | 路段预警的方法及系统 |
CN106601027A (zh) * | 2016-12-27 | 2017-04-26 | 东软集团股份有限公司 | 封闭或半封闭道路的危险判断方法和装置 |
CN106846863A (zh) * | 2017-01-12 | 2017-06-13 | 叶昊 | 基于增强现实和云端智能决策的车联网事故黑点警告系统及方法 |
CN107784832A (zh) * | 2016-08-25 | 2018-03-09 | 上海电科智能系统股份有限公司 | 一种用于识别交通道路中的事故黑点的方法与设备 |
CN109102696A (zh) * | 2018-07-06 | 2018-12-28 | 北京工业大学 | 基于主动安全的交叉频密路段冲突预警方法 |
-
2019
- 2019-01-16 CN CN201910041013.6A patent/CN109671262A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298850A (zh) * | 2011-06-17 | 2011-12-28 | 福建工程学院 | 一种在危险驾驶区域主动提醒用户的方法 |
CN102903260A (zh) * | 2012-10-17 | 2013-01-30 | 大连智达科技有限公司 | 一种应用轨迹点绘制车辆在直线模拟图上显示的方法 |
CN103853900A (zh) * | 2012-11-29 | 2014-06-11 | 深圳先进技术研究院 | 一种异常轨迹数据的修正方法、装置及交通管理系统 |
CN105139657A (zh) * | 2015-10-21 | 2015-12-09 | 重庆云途交通科技有限公司 | 一种基于v2i的道路边界与事故黑点的提取方法及系统 |
CN105741590A (zh) * | 2016-03-29 | 2016-07-06 | 福建工程学院 | 路段预警的方法及系统 |
CN107784832A (zh) * | 2016-08-25 | 2018-03-09 | 上海电科智能系统股份有限公司 | 一种用于识别交通道路中的事故黑点的方法与设备 |
CN106601027A (zh) * | 2016-12-27 | 2017-04-26 | 东软集团股份有限公司 | 封闭或半封闭道路的危险判断方法和装置 |
CN106846863A (zh) * | 2017-01-12 | 2017-06-13 | 叶昊 | 基于增强现实和云端智能决策的车联网事故黑点警告系统及方法 |
CN109102696A (zh) * | 2018-07-06 | 2018-12-28 | 北京工业大学 | 基于主动安全的交叉频密路段冲突预警方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821982A (zh) * | 2022-04-07 | 2022-07-29 | 中广核研究院有限公司 | 燃料组件运输报警方法、装置、系统、设备及存储介质 |
CN115019532A (zh) * | 2022-04-21 | 2022-09-06 | 东北林业大学 | 一种基于客运数据的公路安全隐患自动识别与预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104103194B (zh) | 高速公路主动交通安全驾驶辅助方法及辅助系统 | |
CN110276953A (zh) | 基于北斗定位系统的车辆违规行驶风险分析方法 | |
CN103578295B (zh) | 一种快速道路排队尾部追尾事故风险实时预测与预防方法 | |
CN103198686B (zh) | 一种降低车辆闯黄灯概率的车速诱导控制方法 | |
CN109859500A (zh) | 一种基于车路协同的高速合流区安全预警方法 | |
CN103680184B (zh) | 基于车载无线终端的车辆分时限速方法 | |
CN107798916A (zh) | 车‑路‑人协同的高速公路行车安全智能预警系统及方法 | |
CN105313769A (zh) | 一种基于毫米波雷达的车载主动预警方法、系统及装置 | |
CN105654719B (zh) | 一种疲劳驾驶分析方法和装置 | |
CN110120153A (zh) | 一种公交驾驶事故风险评估系统及其方法 | |
CN103680153B (zh) | 基于车载无线终端的车辆分段限速方法 | |
CN109448384B (zh) | 一种高速公路危险交通行为识别方法 | |
CN110276954A (zh) | 基于北斗定位系统的车辆行驶行为综合评分方法 | |
CN113034952B (zh) | 一种基于车路协同的路段交通安全实时预警系统 | |
CN110428621A (zh) | 一种基于轨迹数据的浮动车危险驾驶行为监测与预警方法 | |
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 | |
CN109671262A (zh) | 基于事故黑点对司机行为预警的系统及方法 | |
Goh et al. | Experimental microsimulation modeling of road safety impacts of bus priority | |
CN109050521A (zh) | 一种高速公路弯道侧翻侧滑预警系统及方法 | |
CN104680774A (zh) | 汽车高速公路违规停车提醒系统及其方法 | |
CN109448372A (zh) | 一种乘车安全监测与报警方法 | |
Skabardonis et al. | Los Angeles I-10 field experiment: incident patterns | |
CN204557726U (zh) | 一种车载预警、警告及呼救系统 | |
CN107067724A (zh) | 智慧城市车辆行驶资源评估系统 | |
CN201882025U (zh) | 一种汽车防撞装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190423 |
|
RJ01 | Rejection of invention patent application after publication |