CN110223520A - 电动自行车超速识别方法 - Google Patents
电动自行车超速识别方法 Download PDFInfo
- Publication number
- CN110223520A CN110223520A CN201910639633.XA CN201910639633A CN110223520A CN 110223520 A CN110223520 A CN 110223520A CN 201910639633 A CN201910639633 A CN 201910639633A CN 110223520 A CN110223520 A CN 110223520A
- Authority
- CN
- China
- Prior art keywords
- information
- candid photograph
- electric bicycle
- module
- transmitted
- 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
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及电动自行车超速识别系统及方法，其方法包括以下步骤：利用前端抓拍机对经过路段前端的电动自行车进行抓拍，生成第一抓拍信息通过网关传输至kafka模块；利用后端抓拍机对经过路段后端的电动自行车进行抓拍，生成第二抓拍信息通过网关传输至kafka模块；kafka模块将第一抓拍信息和第二抓拍信息进行打包传输至Mysql数据库、Elasticsearch模块和Redis高速缓存模块；Elasticsearch模块利用日志信息调取第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取电动自行车的车牌信息及超速违章信息传输至违章处理平台。相对现有技术，本发明能有效对测速路段进行全程测速，提升数据处理效率和精度，有效识别超速行为。
Description
技术领域
本发明涉及测速识别技术领域，特别涉及电动自行车超速识别方法。
背景技术
从我国目前的市场容量、技术水平看低速电动自行车具有经济性能好、节能环保、节约资源、使用成本低、充电方便等优势，是最经济、最环保、最易推广的交通工具，是我国实现绿色交通的战略选择之一。与此同时，电动车也成为交通事故的主要元凶。据交警大数据显示，100起电动自行车亡人交通事故案例中，电动车超速行驶占事故总数近16％。城市管理部门也是费尽心机，交警罚，协警纠，管制神器横空出世，纵使千般能耐，也止不住。
电动车是肉包铁，超速行驶无非是拿自己的生命做赌注，害了自己，也害了他人。而现有电动车超速违章取证大部分是现场执法拍照，而且需要多名执法人员联动。即便是使用激光测速，成本高而且很难做到测速路段全程测速，所以有必要对这些问题进行解决。
发明内容
本发明的目的是提供一种电动自行车超速识别方法，所要解决的技术问题是：如何全程监控电动自行车、快速及精准识别超速行为的电动自行车超速识别方法。
本发明解决上述技术问题的技术方案如下：电动自行车超速识别方法，包括以下步骤：
利用前端抓拍机对经过路段前端的电动自行车进行抓拍，生成第一抓拍信息通过网关传输至kafka模块；利用后端抓拍机对经过路段后端的电动自行车进行抓拍，生成第二抓拍信息通过网关传输至所述kafka模块；
所述kafka模块将第一抓拍信息和第二抓拍信息进行打包传输至Mysql数据库进行存储，还将第一抓拍信息和第二抓拍信息的日志信息传输至Elasticsearch模块，还将第一抓拍信息和第二抓拍信息的过车信息传输至Redis高速缓存模块；
所述Elasticsearch模块利用日志信息调取第一抓拍信息、第二抓拍信息和过车信息，所述Elasticsearch模块对第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取电动自行车的车牌信息及超速违章信息传输至违章处理平台。
本发明的有益效果是：能有效对测速路段进行全程测速，通过物联网及大数据处理，提升数据处理效率和精度，有效识别超速行为，提升违章处理能力。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述Elasticsearch模块利用第一抓拍信息和第二抓拍信息获取车牌信息，利用第一抓拍信息和第二抓拍信息之间的时间差及道路长度，获取对应电动自行车的车牌信息及其车速信息，对车速信息进行判断，当判断对应电动车的车速超过设定值时，生成超速违章信息传输至违章处理平台。
采用上述进一步方案的有益效果是：通过对电动自行车的全程速度监测，提升超速检测的精度；便于对违章行为进行追责，对违章行为进行公告，便于进行警示宣传。
进一步，所述Elasticsearch模块利用Kibana单元对日志信息进行处理，获取初步处理信息，利用初步处理信息调取第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取路段上电动自行车的超速系数信息。
采用上述进一步方案的有益效果是：通过获取超速系数信息，便于对该路段进行超速警示，还提升超速检测的精度。
进一步，所述Elasticsearch模块对第一抓拍信息和第二抓拍信息进行数据处理，获取通过该路段电动车流量信息，利用超速违章信息统计违章车辆信息，通过违章车辆信息与电动车流量信息之比，获取超速系数信息。
本发明解决上述技术问题的另一技术方案如下：电动自行车超速识别系统，包括：
前端抓拍机，所述前端抓拍机对经过路段前端的电动自行车进行抓拍，生成第一抓拍信息通过网关传输至kafka模块；
后端抓拍机，所述后端抓拍机对经过路段后端的电动自行车进行抓拍，生成第二抓拍信息通过网关传输至所述kafka模块；
kafka模块，所述kafka模块将第一抓拍信息和第二抓拍信息进行打包传输至Mysql数据库进行存储，还将第一抓拍信息和第二抓拍信息的日志信息传输至Elasticsearch模块，还将第一抓拍信息和第二抓拍信息的过车信息传输至Redis高速缓存模块；
Elasticsearch模块，所述Elasticsearch模块利用日志信息调取第一抓拍信息、第二抓拍信息和过车信息，还对第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取电动自行车的车牌信息及超速违章信息传输至违章处理平台。
本发明的有益效果是：能有效对测速路段进行全程测速，通过物联网及大数据处理，提升数据处理效率和精度，有效识别超速行为，提升违章处理能力。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，所述Elasticsearch模块利用第一抓拍信息和第二抓拍信息获取车牌信息，利用第一抓拍信息和第二抓拍信息之间的时间差及道路长度，获取对应电动自行车的车牌信息及其车速信息，对车速信息进行判断，当判断对应电动车的车速超过设定值时，生成超速违章信息传输至违章处理平台。
采用上述进一步方案的有益效果是：通过对电动自行车的全程速度监测，提升超速检测的精度；便于对违章行为进行追责，对违章行为进行公告，便于进行警示宣传。
进一步，所述Elasticsearch模块利用Kibana单元对日志信息进行处理，获取初步处理信息，利用初步处理信息调取第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取路段上电动自行车的超速系数信息。
采用上述进一步方案的有益效果是：通过获取超速系数信息，便于对该路段进行超速警示，还提升超速检测的精度。
进一步，所述Elasticsearch模块对第一抓拍信息和第二抓拍信息进行数据处理，获取通过该路段电动车流量信息，利用超速违章信息统计违章车辆信息，通过违章车辆信息与电动车流量信息之比，获取超速系数信息。
附图说明
图1为本发明电动自行车超速识别方法的流程图；
图2为本发明电动自行车超速识别系统的框架示意图。
附图中，各标号所代表的部件列表如下：
1、前端抓拍机，2、后端抓拍机，3、网关，4、kafka模块，5、Mysql数据库，6、Elasticsearch模块，7、Redis高速缓存模块，8、违章处理平台。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例1：
如图1所示，电动自行车超速识别方法，包括以下步骤：
利用前端抓拍机(1)对经过路段前端的电动自行车进行抓拍，生成第一抓拍信息通过网关(3)传输至kafka模块(4)；利用后端抓拍机(2)对经过路段后端的电动自行车进行抓拍，生成第二抓拍信息通过网关(3)传输至所述kafka模块(4)；kafka模块(4)是由Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写；是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据；
所述kafka模块(4)将第一抓拍信息和第二抓拍信息进行打包传输至Mysql数据库(5)进行存储，还将第一抓拍信息和第二抓拍信息的日志信息传输至Elasticsearch模块(6)，还将第一抓拍信息和第二抓拍信息的过车信息传输至Redis高速缓存模块(7)；Elasticsearch模块(6)是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTfulweb接口。
所述Elasticsearch模块(6)利用日志信息调取第一抓拍信息、第二抓拍信息和过车信息，所述Elasticsearch模块(6)对第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取电动自行车的车牌信息及超速违章信息传输至违章处理平台(8)。
Elasticsearch模块(6)利用第一抓拍信息和第二抓拍信息获取每个电动自行车进入该路段的起始时间和驶出该路段的末端时间，再对起始时间和末端时间进行差值计算，获取每个电动自行车的运行时间及运行速度，以此判断电动自行车是否超速；通过该方案能有效对测速路段进行全程测速，通过物联网及大数据处理，提升数据处理效率和精度，提升违章处理能力。
还利用过车信息获取车流量，对应对每个电动自行车进行测速，能实时获取该路段的所有电动自行车的车速，确保实时监测电动自行车的车速，有效识别超速行为。
本技术方案成本低，数据处理效率高，能有效确认超速违章。
上述实施例中，所述Elasticsearch模块(6)利用第一抓拍信息和第二抓拍信息获取车牌信息，利用第一抓拍信息和第二抓拍信息之间的时间差及道路长度，获取对应电动自行车的车牌信息及其车速信息，对车速信息进行判断，当判断对应电动车的车速超过设定值时，生成超速违章信息传输至违章处理平台(8)。
通过对电动自行车的全程速度监测，提升超速检测的精度；将超速违章信息传输至违章处理平台(8)，便于对违章行为进行追责，对违章行为进行公告，便于进行警示宣传。
上述实施例中，所述Elasticsearch模块(6)利用Kibana单元对日志信息进行处理，获取初步处理信息，利用初步处理信息调取第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取路段上电动自行车的超速系数信息。Kibana单元用作一种开源数据可视化和挖掘工具,用于日志和时间序列分析、应用程序监控和运营智能。
通过获取超速系数信息，便于对该路段进行超速警示，还提升超速检测的精度。
上述实施例中，所述Elasticsearch模块(6)对第一抓拍信息和第二抓拍信息进行数据处理，获取通过该路段电动车流量信息，利用超速违章信息统计违章车辆信息，通过违章车辆信息与电动车流量信息之比，获取超速系数信息。
实施例2：
如图2所示，电动自行车超速识别系统，包括：
前端抓拍机(1)，所述前端抓拍机(1)对经过路段前端的电动自行车进行抓拍，生成第一抓拍信息通过网关(3)传输至kafka模块(4)；
后端抓拍机(2)，所述后端抓拍机(2)对经过路段后端的电动自行车进行抓拍，生成第二抓拍信息通过网关(3)传输至所述kafka模块(4)；
kafka模块(4)，所述kafka模块(4)将第一抓拍信息和第二抓拍信息进行打包传输至Mysql数据库(5)进行存储，还将第一抓拍信息和第二抓拍信息的日志信息传输至Elasticsearch模块(6)，还将第一抓拍信息和第二抓拍信息的过车信息传输至Redis高速缓存模块(7)；
Elasticsearch模块(6)，所述Elasticsearch模块(6)利用日志信息调取第一抓拍信息、第二抓拍信息和过车信息，还对第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取电动自行车的车牌信息及超速违章信息传输至违章处理平台(8)。
Elasticsearch模块(6)利用第一抓拍信息和第二抓拍信息获取每个电动自行车进入该路段的起始时间和驶出该路段的末端时间，再对起始时间和末端时间进行差值计算，获取每个电动自行车的运行时间及运行速度，以此判断电动自行车是否超速；通过该方案能有效对测速路段进行全程测速，通过物联网及大数据处理，提升数据处理效率和精度，提升违章处理能力。
还利用过车信息获取车流量，对应对每个电动自行车进行测速，能实时获取该路段的所有电动自行车的车速，确保实时监测电动自行车的车速，有效识别超速行为。
本技术方案成本低，数据处理效率高，能有效确认超速违章。
上述实施例中，所述Elasticsearch模块(6)利用第一抓拍信息和第二抓拍信息获取车牌信息，利用第一抓拍信息和第二抓拍信息之间的时间差及道路长度，获取对应电动自行车的车牌信息及其车速信息，对车速信息进行判断，当判断对应电动车的车速超过设定值时，生成超速违章信息传输至违章处理平台(8)。
通过对电动自行车的全程速度监测，提升超速检测的精度；将超速违章信息传输至违章处理平台(8)，便于对违章行为进行追责，对违章行为进行公告，便于进行警示宣传。
上述实施例中，所述Elasticsearch模块(6)利用Kibana单元对日志信息进行处理，获取初步处理信息，利用初步处理信息调取第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取路段上电动自行车的超速系数信息。通过获取超速系数信息，便于对该路段进行超速警示，还提升超速检测的精度。
上述实施例中，所述Elasticsearch模块(6)对第一抓拍信息和第二抓拍信息进行数据处理，获取通过该路段电动车流量信息，利用超速违章信息统计违章车辆信息，通过违章车辆信息与电动车流量信息之比，获取超速系数信息。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (8)
1.电动自行车超速识别方法，其特征在于，包括以下步骤：
利用前端抓拍机(1)对经过路段前端的电动自行车进行抓拍，生成第一抓拍信息通过网关(3)传输至kafka模块(4)；利用后端抓拍机(2)对经过路段后端的电动自行车进行抓拍，生成第二抓拍信息通过网关(3)传输至所述kafka模块(4)；
所述kafka模块(4)将第一抓拍信息和第二抓拍信息进行打包传输至Mysql数据库(5)进行存储，还将第一抓拍信息和第二抓拍信息的日志信息传输至Elasticsearch模块(6)，还将第一抓拍信息和第二抓拍信息的过车信息传输至Redis高速缓存模块(7)；
所述Elasticsearch模块(6)利用日志信息调取第一抓拍信息、第二抓拍信息和过车信息，所述Elasticsearch模块(6)对第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取电动自行车的车牌信息及超速违章信息传输至违章处理平台(8)。
2.根据权利要求1所述的电动自行车超速识别方法，其特征在于：所述Elasticsearch模块(6)利用第一抓拍信息和第二抓拍信息获取车牌信息，利用第一抓拍信息和第二抓拍信息之间的时间差及道路长度，获取对应电动自行车的车牌信息及其车速信息，对车速信息进行判断，当判断对应电动车的车速超过设定值时，生成超速违章信息传输至违章处理平台(8)。
3.根据权利要求2所述的电动自行车超速识别方法，其特征在于：所述Elasticsearch模块(6)利用Kibana单元对日志信息进行处理，获取初步处理信息，利用初步处理信息调取第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取路段上电动自行车的超速系数信息。
4.根据权利要求3所述的电动自行车超速识别方法，其特征在于：所述Elasticsearch模块(6)对第一抓拍信息和第二抓拍信息进行数据处理，获取通过该路段电动车流量信息，利用超速违章信息统计违章车辆信息，通过违章车辆信息与电动车流量信息之比，获取超速系数信息。
5.电动自行车超速识别系统，其特征在于，包括：
前端抓拍机(1)，所述前端抓拍机(1)对经过路段前端的电动自行车进行抓拍，生成第一抓拍信息通过网关(3)传输至kafka模块(4)；
后端抓拍机(2)，所述后端抓拍机(2)对经过路段后端的电动自行车进行抓拍，生成第二抓拍信息通过网关(3)传输至所述kafka模块(4)；
kafka模块(4)，所述kafka模块(4)将第一抓拍信息和第二抓拍信息进行打包传输至Mysql数据库(5)进行存储，还将第一抓拍信息和第二抓拍信息的日志信息传输至Elasticsearch模块(6)，还将第一抓拍信息和第二抓拍信息的过车信息传输至Redis高速缓存模块(7)；
Elasticsearch模块(6)，所述Elasticsearch模块(6)利用日志信息调取第一抓拍信息、第二抓拍信息和过车信息，还对第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取电动自行车的车牌信息及超速违章信息传输至违章处理平台(8)。
6.根据权利要求5所述的电动自行车超速识别系统，其特征在于，所述Elasticsearch模块(6)利用第一抓拍信息和第二抓拍信息获取车牌信息，利用第一抓拍信息和第二抓拍信息之间的时间差及道路长度，获取对应电动自行车的车牌信息及其车速信息，对车速信息进行判断，当判断对应电动车的车速超过设定值时，生成超速违章信息传输至违章处理平台(8)。
7.根据权利要求6所述的电动自行车超速识别系统，其特征在于，所述Elasticsearch模块(6)利用Kibana单元对日志信息进行处理，获取初步处理信息，利用初步处理信息调取第一抓拍信息、第二抓拍信息和过车信息进行数据处理，获取路段上电动自行车的超速系数信息。
8.根据权利要求7所述的电动自行车超速识别系统，其特征在于，所述Elasticsearch模块(6)对第一抓拍信息和第二抓拍信息进行数据处理，获取通过该路段电动车流量信息，利用超速违章信息统计违章车辆信息，通过违章车辆信息与电动车流量信息之比，获取超速系数信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910639633.XA CN110223520A (zh) | 2019-07-16 | 2019-07-16 | 电动自行车超速识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910639633.XA CN110223520A (zh) | 2019-07-16 | 2019-07-16 | 电动自行车超速识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110223520A true CN110223520A (zh) | 2019-09-10 |
Family
ID=67812491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910639633.XA Pending CN110223520A (zh) | 2019-07-16 | 2019-07-16 | 电动自行车超速识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110223520A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115223371A (zh) * | 2022-09-20 | 2022-10-21 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种电动自行车大数据分析系统及其工作方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100047051A (ko) * | 2008-10-28 | 2010-05-07 | 신광씨앤이주식회사 | 과속 알림 기능을 갖는 감시 카메라 |
| CN106503079A (zh) * | 2016-10-10 | 2017-03-15 | 语联网（武汉）信息技术有限公司 | 一种日志管理方法及系统 |
| CN109191829A (zh) * | 2018-08-01 | 2019-01-11 | 深圳云天励飞技术有限公司 | 道路安全监控方法及系统、计算机可读存储介质 |
| CN109542733A (zh) * | 2018-12-05 | 2019-03-29 | 焦点科技股份有限公司 | 一种高可靠的实时日志收集及可视化检索方法 |
| CN109635645A (zh) * | 2018-11-01 | 2019-04-16 | 深圳云天励飞技术有限公司 | 非机动车交通违法监管方法、装置及电子设备 |
| CN109800633A (zh) * | 2018-12-11 | 2019-05-24 | 深圳云天励飞技术有限公司 | 一种非机动车交通违法判断方法、装置和电子设备 |
-
2019
- 2019-07-16 CN CN201910639633.XA patent/CN110223520A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100047051A (ko) * | 2008-10-28 | 2010-05-07 | 신광씨앤이주식회사 | 과속 알림 기능을 갖는 감시 카메라 |
| CN106503079A (zh) * | 2016-10-10 | 2017-03-15 | 语联网（武汉）信息技术有限公司 | 一种日志管理方法及系统 |
| CN109191829A (zh) * | 2018-08-01 | 2019-01-11 | 深圳云天励飞技术有限公司 | 道路安全监控方法及系统、计算机可读存储介质 |
| CN109635645A (zh) * | 2018-11-01 | 2019-04-16 | 深圳云天励飞技术有限公司 | 非机动车交通违法监管方法、装置及电子设备 |
| CN109542733A (zh) * | 2018-12-05 | 2019-03-29 | 焦点科技股份有限公司 | 一种高可靠的实时日志收集及可视化检索方法 |
| CN109800633A (zh) * | 2018-12-11 | 2019-05-24 | 深圳云天励飞技术有限公司 | 一种非机动车交通违法判断方法、装置和电子设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115223371A (zh) * | 2022-09-20 | 2022-10-21 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种电动自行车大数据分析系统及其工作方法 |
| CN115223371B (zh) * | 2022-09-20 | 2023-02-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种电动自行车大数据分析系统及其工作方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yuhui et al. | Development of a representative driving cycle for urban buses based on the K-means cluster method | |
| CN103246876A (zh) | 基于图像特征比对的车辆套牌识别方法 | |
| CN107742430A (zh) | 一种驾驶行为监控方法、存储介质及车载终端 | |
| CN109598943A (zh) | 车辆违章的监控方法、装置及系统 | |
| CN106781518A (zh) | 电动车的违规检测方法 | |
| CN104794184B (zh) | 一种基于大规模数据的贝叶斯分类算法的黑车识别方法 | |
| CN105448103A (zh) | 车辆套牌检测方法与系统 | |
| CN106373406A (zh) | 车辆套牌稽查系统 | |
| CN109993138A (zh) | 一种车牌检测与识别方法及装置 | |
| CN205541425U (zh) | 一种基于车牌号码的实名认证违章查处系统 | |
| CN109767618B (zh) | 一种公安交管业务异常数据综合研判方法及系统 | |
| CN107067736B (zh) | 基于时间路网的套牌车分析方法及其系统 | |
| CN114462553A (zh) | 一种面向车险反欺诈的图像标注及要素抽取方法与系统 | |
| CN108537672A (zh) | 车载定位装置及汽车库存融资审计方法 | |
| CN112270244A (zh) | 目标物违规监控方法、装置、电子设备及存储介质 | |
| CN106651732A (zh) | 一种高速公路异车换卡逃费车辆筛查方法及系统 | |
| CN113762755A (zh) | 驾驶员分析报告推送方法、装置、计算机设备和存储介质 | |
| CN104252780A (zh) | 智能限行道路交通违法抓拍系统及其工作方法 | |
| CN110223520A (zh) | 电动自行车超速识别方法 | |
| CN103606247A (zh) | 利用车况和驾驶员生理参数进行交通预警的方法及系统 | |
| CN108021361A (zh) | 一种高速公路倒卡逃费车辆筛查方法及装置 | |
| Zhai et al. | Comparative analysis of drive-cycles, speed limit violations, and emissions in two cities: Toronto and Beijing | |
| CN110349030A (zh) | 基于车辆行驶大数据的车辆保险价格排名方法及系统 | |
| CN202455439U (zh) | 一种辅助道路交通管理用的高清网络数码摄像机 | |
| CN107665475A (zh) | 外地车辆管理方法和管理系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |