CN110444019B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110444019B CN110444019B CN201910707987.3A CN201910707987A CN110444019B CN 110444019 B CN110444019 B CN 110444019B CN 201910707987 A CN201910707987 A CN 201910707987A CN 110444019 B CN110444019 B CN 110444019B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- unmanned aerial
- motor vehicle
- abnormal parking
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- 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
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了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,该方法包括:检测目标路段上机动车的车载停车警示牌电路中是否有工作电流,如果有获取机动车的行驶数据判断机动车是否异常停车;如果异常停车则获取机动车的位置信息;根据位置信息确定距离其最近的无人机巡航区;获取无人机巡航区内的无人机信息;向无人机发送起飞指令以控制无人机到达机动车的位置采集异常停车图像信息;根据异常停车图像信息确定机动车异常停车成因。通过实施本发明,实现了快速确定机动车异常停车原因,便于交通部门对及时掌握交通情况,对改善交通拥堵提供重要的依据,保证了交通管理部门处理事故的实时性和有效性。
Description
技术领域
本发明涉及公安交通管理领域,具体涉及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。
背景技术
随着经济的快速发展,人们的交通需求不断增加,对安全、方便、快速准时出行交通方式的需求不断增加,其中通过高速公路出行方式的需求日益增加。
通过高速公路出行的机动车,最大特点是车速快,因此,在遇到前方车辆异常停车时,无法快速判断前方停止车辆是否处于停止状态,容易导致追尾事故发生。尤其是夜间或能见度下降时,发现前方车辆异常停车时,可能当前车距已经小于有效制动距离,从而极易导致追尾事故的发生,并且机动车的异常停车也容易引发交通拥堵,如何在机动车异常停车时,快速确定机动车异常停车的位置和成因是提高交通管理部门处理事故工作效率、缓解交通拥堵的关键。
目前,如何快速确定异常停车成因方面只局限通过设置在道路上的摄像头获取机动车异常停车的图像。在不具备设置摄像头条件的高速公路、省级公路及郊区道路等,当发现机动车异常停车后,也无法快速确定其异常停车的成因,进而难以快速对异常停车的机动车进行针对性的有效处理,容易造成更为严重的交通拥堵、交通事故等。
发明内容
本发明实施例提供了一种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以克服现有技术中在发现机动车在高速路上异常停车后,无法快速确定机动车异常停车成因的问题。
本发明实施例提供了一种基于车载停车警示牌的车辆异常停车成因检测方法,包括:检测目标路段上机动车的车载停车警示牌电路中是否有工作电流,所述车载停车警示牌电路在所述机动车停车时通电工作;当检测到所述车载停车警示牌电路中有工作电流时,获取所述机动车的行驶数据;根据所述行驶数据判断所述机动车是否异常停车;当所述机动车异常停车时,获取所述机动车的位置信息;根据所述位置信息确定距离其最近的无人机巡航区,所述无人机巡航区预先间隔设置在目标路段周围,在每个无人机巡航区至少设置一架无人机;获取所述无人机巡航区内的无人机信息;向所述无人机发送起飞指令以控制所述无人机到达所述机动车的位置采集异常停车图像信息;根据所述异常停车图像信息确定所述机动车异常停车成因。
可选地,所述基于车载停车警示牌的车辆异常停车成因检测方法,还包括:根据预设报警列表,获取所述机动车异常停车成因对应的预设处理终端,并将所述机动车异常停车成因发送至所述预设处理端报警。
可选地,所述根据所述行驶数据判断所述机动车是否异常停车,包括:根据所述行驶数据得到所述机动车所处车道的宽度;判断所述宽度是否为预设标准宽度;当所述宽度为预设标准宽度时,判定所述机动车是异常停车。
可选地,当所述宽度不是预设标准宽度时,判定所述机动车不是异常停车,并结束检测。
可选地,所述根据所述异常停车图像信息确定所述机动车异常停车成因,包括:判断所述异常停车图像信息是否符合机动车异常停车成因的预设判断条件;当所述异常停车图像信息符合机动车异常停车成因的预设判断条件时,根据所述预设判断条件确定所述机动车异常停车成因。
可选地,所述基于车载停车警示牌的车辆异常停车成因检测方法,还包括:当所述异常停车图像信息不符合机动车异常停车成因的预设判断条件时,根据所述异常停车图像信息生成图像采集调整指令;根据所述图像采集调整指令控制所述无人机到达所述机动车的位置重新采集异常停车图像信息,并返回判断所述异常停车图像信息是否符合机动车异常停车成因的预设判断条件的步骤。
可选地,所述基于车载停车警示牌的车辆异常停车成因检测方法,还包括:根据所述无人机的预设起降点的坐标信息及所述无人机的当前位置信息,生成返航指令;根据所述返航指令控制所述无人机在所述预设起降点降落。
本发明实施例还提供了一种基于车载停车警示牌的车辆异常停车成因检测系统,包括:电流检测模块,用于检测目标路段上机动车的车载停车警示牌电路中是否有工作电流,所述车载停车警示牌电路在所述机动车停车时通电工作;行驶数据获取模块,当检测到所述车载停车警示牌电路中有工作电流时,所述行驶数据获取模块用于获取所述机动车的行驶数据;异常停车判断模块,用于根据所述行驶数据判断所述机动车是否异常停车;位置信息获取模块,当所述机动车异常停车时,所述位置信息获取模块用于获取所述机动车的位置信息;无人机巡航区确定模块,用于根据所述位置信息确定距离其最近的无人机巡航区,所述无人机巡航区预先间隔设置在目标路段周围,在每个无人机巡航区至少设置一架无人机;无人机信息获取模块,用于获取所述无人机巡航区内的无人机信息;异常停车图像信息采集模块,用于向所述无人机发送起飞指令以控制所述无人机到达所述机动车的位置采集异常停车图像信息;机动车异常停车成因确定模块,用于根据所述异常停车图像信息确定所述机动车异常停车成因。
本发明实施例还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行上述的基于车载停车警示牌的车辆异常停车成因检测方法。
本发明实施例还提供了一种计算机设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行上述的基于车载停车警示牌的车辆异常停车成因检测方法。
本发明技术方案,具有如下优点:
本发明实施例提供的基于车载停车警示牌的车辆异常停车成因检测方法,通过检测车载停车警示牌电路中有工作电流时,获取机动车的行驶数据,并根据行驶数据判断该机动车是否异常停车,如果异常停车获取该机动车的位置信息,根据位置信息确定距离其最近的无人机巡航区以及该无人机巡航区的无人机信息,向无人机发送起飞指令控制该无人机到达机动车的位置采集异常停车图像信息,根据采集的图像信息确定该机动车的异常停车成因。从而通过检测车载停车警示牌的工作情况及机动车是否异常停车的判断,在发现机动车异常停车时,可以利用无人机采集异常停车图像信息以快速确定造成该机动车异常停车的原因,为对该机动车进行针对性的有效处理奠定了基础,便于交通部门对及时掌握交通情况,对改善交通拥堵提供重要的依据,进而保证了交通管理部门处理事故的实时性和有效性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于车载停车警示牌的车辆异常停车成因检测方法的流程图;
图2为本发明实施例中基于车载停车警示牌的车辆异常停车成因检测方法的另一流程图;
图3为本发明实施例中基于车载停车警示牌的车辆异常停车成因检测方法的另一流程图;
图4为本发明实施例中基于车载停车警示牌的车辆异常停车成因检测方法的另一流程图;
图5为本发明实施例中基于车载停车警示牌的车辆异常停车成因检测系统的结构示意图;
图6为本发明实施例中计算机设备的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
目前,公安部针对高速公路行驶的机动车,要求在停车时,在距车后150米处放置被动发光停车警示三角牌,由于驾驶员要下车,再在车后摆“三角牌”,此过程提高了驾驶员在高速路上作业的危险程度,往往在放置停车警示三角牌的过程中容易发生二次事故。后来有人提出一种设置于机动车上的停车警示标志灯牌,在机动车停车后,可以对后车进行闪烁状态的停车警示,以减少高速公路的交通事故的发生。在高速公路上出现异常停车往往代表着机动车故障或交通事故的发生,交通管理部门需要对高速公路上行驶的机动车进行监控,并及时处理故障或交通事故,而目前的报警还多依赖于人工报警及对路况的监控,当车辆异常停车事故处于监控盲区,或因为事故当事人无法迅速报警时,交通管理部门处理事故的实时性和有效性难以保证,进而影响对事故的处理效率,增加造成交通拥堵或二次事故的风险。
本发明实施例提供了一种基于车载停车警示牌的车辆异常停车成因检测方法,如图1所示,该基于车载停车警示牌的车辆异常停车成因检测方法包括:
步骤S1:检测目标路段上机动车的车载停车警示牌电路中是否有工作电流,车载停车警示牌电路在机动车停车时通电工作。在实际应用中,该车载停车警示牌可设置于上述机动车的尾部的挡风玻璃或车牌附近等显著位置,便于后车驾驶员观察。上述的目标路段可为交通拥堵频发路段或预设的监控路段等。
步骤S2:当检测到车载停车警示牌电路中有工作电流时,获取机动车的行驶数据。在机动车停车后,车载停车警示牌电路的电源将会被接通,从而在电路中会有电流产生,该检测电流的方法可以采用现有技术中的电流检测设备或器件等来实现,本发明并不以此为限,如果检测电路中没有电流,则停止检测。上述的行驶数据包括:该机动车GPS定位装置获取的位置信息及行车记录仪等车载设备采集的图像信息等。
步骤S3:根据行驶数据判断机动车是否异常停车。在实际应用中,在高速公路上,机动车不能随意停车,以免发生事故,只有在某些紧急情况下可以将机动车停靠于应急车道上,由于快速车道上机动车的行驶速度很快,当机动车异常停车在快速车道时,很容易造成后车的追尾事故,或造成交通拥堵,因此,需要判断该机动车是否属于在快速车道停车的异常停车行为。
步骤S4:当机动车异常停车时,获取机动车的位置信息。在实际应用中,机动车在快速车道上异常停车,则说明该机动车所在车道发生交通事故或发生交通拥堵现象,因此需要根据当前机动车的位置信息。
步骤S5:根据位置信息确定距离其最近的无人机巡航区,无人机巡航区预先间隔设置在目标路段周围,在每个无人机巡航区至少设置一架无人机。在实际应用中,为了合理利用巡航的无人机来执行巡航任务,将无人机的巡航区间隔设置在目标路段周围,以便于在发现机动车异常停车状况时无人机可以快速响应。
步骤S6:获取无人机巡航区内的无人机信息。在实际应用中个,该无人机信息包括:该无人机巡航区剩余的可接受巡航任务的无人机的个数、无人机的巡航能力及无人机的控制编号等信息,根据这些信息确定执行巡航任务的无人机。
步骤S7:向无人机发送起飞指令以控制无人机到达机动车的位置采集异常停车图像信息。在实际应用中,当确定执行巡航任务的无人机后,根据机动车的位置信息生成上述起飞指令,以控制该无人机到达机动车异常停车的位置,在无人机上设置有图像采集设备例如摄像机等,采集上述机动车处的异常停车图像信息,并将该异常停车图像信息反馈给处理器。
步骤S8:根据异常停车图像信息确定机动车异常停车成因。在实际应用中,在接收到无人机的图像采集设备所采集的异常停车图像信息后,对该异常停车图像信息进行处理,以确定该机动车的异常停车成因。具体地,该异常停车成因包括:交通事故、车辆出行分布不均衡、车辆使用不合理,在节假日过度集中使用等等。
通过上述的步骤S1至步骤S8,本发明实施例提供的基于车载停车警示牌的车辆异常停车成因检测方法,通过检测车载停车警示牌电路中有工作电流时,获取机动车的行驶数据,并根据行驶数据判断该机动车是否异常停车,如果异常停车获取该机动车的位置信息,根据位置信息确定距离其最近的无人机巡航区以及该无人机巡航区的无人机信息,向无人机发送起飞指令控制该无人机到达机动车的位置采集异常停车图像信息,根据采集的图像信息确定该机动车的异常停车成因。从而通过检测车载停车警示牌的工作情况及机动车是否异常停车的判断,在发现机动车异常停车时,可以利用无人机采集异常停车图像信息以快速确定造成该机动车异常停车的原因,为对该机动车进行针对性的有效处理奠定了基础,便于交通部门对及时掌握交通情况,对改善交通拥堵提供重要的依据,进而保证了交通管理部门处理事故的实时性和有效性。
以下将结合具体应用示例,对本发明实施例提供的基于车载停车警示牌的车辆异常停车成因检测方法进行详细的说明。
在一可选实施例中,如图2所示,上述的步骤S3,根据行驶数据判断机动车是否异常停车,具体包括:
步骤S31:根据行驶数据得到机动车所处车道的宽度。在实际应用中,在高速公路上不同车道的宽度设计是不同的,例如根据现行交通行业标准JTG B01-2014《公路工程技术标准》规定:设计时速120km/h的高速公路车道宽度为3.75m,紧急停车道宽度3.5m,因此快速车道的宽度会大于紧急车道的宽度,而在快速车道上异常停车很容易造成交通事故或造成交通追尾,因此可以通过该机动车的行车记录仪所获取的图像数据来与预设的快速车道图像进行对比,从而获得该机动车异常停车位置所处车道的宽度。
步骤S32:判断宽度是否为预设标准宽度。在实际应用中,当上述的机动车的行车记录仪所获取的图像数据与预设的快速车道图像中车道的宽度一致时,则说明该机动车所处的车道宽度为预设标准宽度,执行步骤S33。
步骤S33:当宽度为预设标准宽度时,判定机动车是异常停车。在实际应用中,如果该机动车停车的车道宽度与预设标准宽度一致时,则说明该机动车在快速车道上停车,该停车行为属于异常停车。
具体地,在另一实施例中,如果上述宽度不是预设标准宽度时,则说明该机动车的停车位置为应急车道,没有发生交通事故或交通拥堵的情况,因而不需要了解该机动车的停车原因,如果有机动车需要维修等事宜,该机动车的驾驶员可以选择自己救助方式,因而可以结束检测。
在一可选实施例中,如图3所示,上述的步骤S8,根据异常停车图像信息确定机动车异常停车成因,具体包括:
步骤S81:判断异常停车图像信息是否符合异常停车成因的预设判断条件。在实际应用中,该预设判断条件可以根据不同原因造成的机动车异常停车所显现的不同的图像画面来进行判断,例如:机动车发生交通事故造成的异常停车,则图像中的画面为事故车辆的前方挡路无拥堵,事故车辆的后方出现大量车辆,则说明该机动车异常停车的成因是交通事故。需要说明的是,该预设判断条件的个数可以根据需要进行设置为多个,本发明并不以此为限。
步骤S82:当异常停车图像信息符合异常停车成因的预设判断条件时,根据预设判断条件确定拥堵源头的异常停车成因。在实际应用中,如果通过对异常停车图像信息进行处理,发现该异常停车图像信息符合某一个预设的判断条件,则根据该预设判断条件确定该机动车的异常停车成因。
步骤S83:当异常停车图像信息不符合异常停车成因的预设判断条件时,根据异常停车图像信息生成图像采集调整指令。在实际应用中,如果采集的异常停车图像信息不符合所有预设判断条件,则说明该无人机采集的异常停车图像信息不准确,例如:无人机没有飞至机动车异常停车的位置进行拍摄,或者无人机采集图像信息的角度出现偏差,没有将包含该机动车的图像信息采集到,此时,根据该无人机的异常停车图像信息得到图像采集调整指令,以调整无人机的飞行姿态及异常停车图像信息的采集位置等。
步骤S84:根据图像采集调整指令控制无人机到达机动车异常停车的位置重新采集异常停车图像信息,并返回步骤S81。具体地,通过调整无人机的拍摄位置及拍摄角度后,重新采集异常停车图像信息,并对在此采集的异常停车图像信息进行判断直至确定该机动车的异常停车成因。
在一可选实施例中,如图4所示,上述的基于车载停车警示牌的车辆异常停车成因检测方法还包括:
步骤S9:根据无人机的预设起降点的坐标信息及无人机的当前位置信息,生成返航指令。在实际应用中,当上述的无人机在采集完上述的异常停车图像信息,并且根据该异常停车图像信息确定异常停车成因后,该无人机完成任务,需要进行返航,根据该无人机预设起降点的坐标信息及该无人机当前的位置信息得到该无人机的返航指令。
步骤S10:根据返航指令控制无人机在预设起降点降落。在实际应用中,可以根据上述的返航指令控制该无人机在预设起降点降落,至此无人机的任务执行完毕。
在一可选实施例中,上述的基于车载停车警示牌的车辆异常停车成因检测方法还包括:
根据预设报警列表,获取机动车异常停车成因对应的预设处理终端,并将机动车异常停车成因发送至预设处理端报警的步骤。具体地,在实际应用中,该预设报警列表可以是异常停车原因与处理机构之间的对应关系列表,例如:当异常停车原因是交通拥堵则对应的处理机构为高速交警部门,当异常停车原因是火灾或其他事故时,则对应的处理机构可能为火警、交警等多个部门共同处理,因此通过设置预设报警列表可以根据异常停车的具体原因自动地将该异常停车原因向所属的预设处理端进行报警,进而大大缩短了高速事故的处理速度,提高高速交通管理部门的效率,保障高速安全与畅通。
通过上述步骤S1至步骤S10,本发明实施例的基于车载停车警示牌的车辆异常停车成因检测方法,通过检测车载停车警示牌电路中有工作电流时,获取机动车的行驶数据,并根据行驶数据判断该机动车是否异常停车,如果异常停车获取该机动车的位置信息,根据位置信息确定距离其最近的无人机巡航区以及该无人机巡航区的无人机信息,向无人机发送起飞指令控制该无人机到达机动车的位置采集异常停车图像信息,根据采集的图像信息确定该机动车的异常停车成因。从而通过检测车载停车警示牌的工作情况及机动车是否异常停车的判断,在发现机动车异常停车时,可以利用无人机采集异常停车图像信息以快速确定造成该机动车异常停车的原因,为对该机动车进行针对性的有效处理奠定了基础,便于交通部门对及时掌握交通情况,对改善交通拥堵提供重要的依据,进而保证了交通管理部门处理事故的实时性和有效性。
实施例2
本发明实施例提供了一种基于车载停车警示牌的车辆异常停车成因检测系统,如图5所示,该基于车载停车警示牌的车辆异常停车成因检测系统包括:
电流检测模块1,用于检测目标路段上机动车的车载停车警示牌电路中是否有工作电流,车载停车警示牌电路在机动车停车时通电工作。详细内容参见实施例1中步骤S1的相关描述。
行驶数据获取模块2,当检测到车载停车警示牌电路中有工作电流时,行驶数据获取模块2用于获取机动车的行驶数据。详细内容参见实施例1中步骤S2的相关描述。
异常停车判断模块3,用于根据行驶数据判断机动车是否异常停车。详细内容参见实施例1中步骤S3的相关描述。
位置信息获取模块4,当机动车异常停车时,位置信息获取模块4用于获取机动车的位置信息。详细内容参见实施例1中步骤S4的相关描述。
无人机巡航区确定模块5,用于根据位置信息确定距离其最近的无人机巡航区,无人机巡航区预先间隔设置在目标路段周围,在每个无人机巡航区至少设置一架无人机。详细内容参见实施例1中步骤S5的相关描述。
无人机信息获取模块6,用于获取无人机巡航区内的无人机信息。详细内容参见实施例1中步骤S6的相关描述。
异常停车图像信息采集模块7,用于向无人机发送起飞指令以控制无人机到达机动车的位置采集异常停车图像信息。详细内容参见实施例1中步骤S7的相关描述。
机动车异常停车成因确定模块8,用于根据异常停车图像信息确定机动车异常停车成因。详细内容参见实施例1中步骤S8的相关描述。
通过上述各个组成部分的协同合作,本发明实施例提供的基于车载停车警示牌的车辆异常停车成因检测系统,通过检测车载停车警示牌电路中有工作电流时,获取机动车的行驶数据,并根据行驶数据判断该机动车是否异常停车,如果异常停车获取该机动车的位置信息,根据位置信息确定距离其最近的无人机巡航区以及该无人机巡航区的无人机信息,向无人机发送起飞指令控制该无人机到达机动车的位置采集异常停车图像信息,根据采集的图像信息确定该机动车的异常停车成因。从而通过检测车载停车警示牌的工作情况及机动车是否异常停车的判断,在发现机动车异常停车时,可以利用无人机采集异常停车图像信息以快速确定造成该机动车异常停车的原因,为对该机动车进行针对性的有效处理奠定了基础,便于交通部门对及时掌握交通情况,对改善交通拥堵提供重要的依据,进而保证了交通管理部门处理事故的实时性和有效性。
实施例3
本发明实施例提供一种非暂态计算机存储介质,该计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基于车载停车警示牌的车辆异常停车成因检测方法,其中,上述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;该存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的,程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
实施例4
本发明实施例提供一种计算机设备,其结构示意图如图6所示,该计算机设备包括:一个或多个处理器410以及存储器420,图6中以一个处理器410为例。
上述的计算机设备还可以包括:输入装置430和输出装置440。
处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接,图6中以通过总线连接为例。
处理器410可以为中央处理器(Central Processing Unit,CPU)。处理器410还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器420作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本申请实施例中的基于车载停车警示牌的车辆异常停车成因检测方法对应的程序指令/模块,处理器410通过运行存储在存储器420中的非暂态软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的基于车载停车警示牌的车辆异常停车成因检测方法。
存储器420可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据基于车载停车警示牌的车辆异常停车成因检测方法的处理装置的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器420可选包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至基于车载停车警示牌的车辆异常停车成因检测装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可接收输入的数字或字符信息,以及产生与基于车载停车警示牌的车辆异常停车成因检测操作的处理装置有关的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
一个或者多个模块存储在存储器420中,当被一个或者多个处理器410执行时,执行如图1-图4所示的方法。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节,具体可参见如图1-图4所示的实施例中的相关描述。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于车载停车警示牌的车辆异常停车成因检测方法,其特征在于,包括:
检测目标路段上机动车的车载停车警示牌电路中是否有工作电流,所述车载停车警示牌电路在所述机动车停车时通电工作;
当检测到所述车载停车警示牌电路中有工作电流时,获取所述机动车的行驶数据;
根据所述行驶数据判断所述机动车是否异常停车;
当所述机动车异常停车时,获取所述机动车的位置信息;
根据所述位置信息确定距离其最近的无人机巡航区,所述无人机巡航区预先间隔设置在目标路段周围,在每个无人机巡航区至少设置一架无人机;
获取所述无人机巡航区内的无人机信息;
向所述无人机发送起飞指令以控制所述无人机到达所述机动车的位置采集异常停车图像信息;
根据所述异常停车图像信息确定所述机动车异常停车成因。
2.根据权利要求1所述的基于车载停车警示牌的车辆异常停车成因检测方法,还包括:
根据预设报警列表,获取所述机动车异常停车成因对应的预设处理终端,并将所述机动车异常停车成因发送至所述预设处理端报警。
3.根据权利要求1所述的基于车载停车警示牌的车辆异常停车成因检测方法,其特征在于,所述根据所述行驶数据判断所述机动车是否异常停车,包括:
根据所述行驶数据得到所述机动车所处车道的宽度;
判断所述宽度是否为预设标准宽度;
当所述宽度为预设标准宽度时,判定所述机动车是异常停车。
4.根据权利要求3所述的基于车载停车警示牌的车辆异常停车成因检测方法,其特征在于,当所述宽度不是预设标准宽度时,判定所述机动车不是异常停车,并结束检测。
5.根据权利要求1所述的基于车载停车警示牌的车辆异常停车成因检测方法,其特征在于,所述根据所述异常停车图像信息确定所述机动车异常停车成因,包括:
判断所述异常停车图像信息是否符合机动车异常停车成因的预设判断条件;
当所述异常停车图像信息符合机动车异常停车成因的预设判断条件时,根据所述预设判断条件确定所述机动车异常停车成因。
6.根据权利要求5所述的基于车载停车警示牌的车辆异常停车成因检测方法,其特征在于,还包括:
当所述异常停车图像信息不符合机动车异常停车成因的预设判断条件时,根据所述异常停车图像信息生成图像采集调整指令;
根据所述图像采集调整指令控制所述无人机到达所述机动车的位置重新采集异常停车图像信息,并返回判断所述异常停车图像信息是否符合机动车异常停车成因的预设判断条件的步骤。
7.根据权利要求1所述的基于车载停车警示牌的车辆异常停车成因检测方法,其特征在于,还包括:
根据所述无人机的预设起降点的坐标信息及所述无人机的当前位置信息,生成返航指令;
根据所述返航指令控制所述无人机在所述预设起降点降落。
8.一种基于车载停车警示牌的车辆异常停车成因检测系统,其特征在于,包括:
电流检测模块(1),用于检测目标路段上机动车的车载停车警示牌电路中是否有工作电流,所述车载停车警示牌电路在所述机动车停车时通电工作;
行驶数据获取模块(2),当检测到所述车载停车警示牌电路中有工作电流时,所述行驶数据获取模块(2)用于获取所述机动车的行驶数据;
异常停车判断模块(3),用于根据所述行驶数据判断所述机动车是否异常停车;
位置信息获取模块(4),当所述机动车异常停车时,所述位置信息获取模块(4)用于获取所述机动车的位置信息;
无人机巡航区确定模块(5),用于根据所述位置信息确定距离其最近的无人机巡航区,所述无人机巡航区预先间隔设置在目标路段周围,在每个无人机巡航区至少设置一架无人机;
无人机信息获取模块(6),用于获取所述无人机巡航区内的无人机信息;
异常停车图像信息采集模块(7),用于向所述无人机发送起飞指令以控制所述无人机到达所述机动车的位置采集异常停车图像信息;
机动车异常停车成因确定模块(8),用于根据所述异常停车图像信息确定所述机动车异常停车成因。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令被处理器执行时实现如权利要求1-7任一项所述的基于车载停车警示牌的车辆异常停车成因检测方法。
10.一种计算机设备,其特征在于,包括:至少一个处理器(410);以及与所述至少一个处理器(410)通信连接的存储器(420)其中,
所述存储器(420)存储有可被所述至少一个处理器(410)执行的指令,所述指令被所述至少一个处理器(410)执行,以使所述至少一个处理器(410)执行如权利要求1-7任一项所述的基于车载停车警示牌的车辆异常停车成因检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910707987.3A CN110444019B (zh) | 2019-08-01 | 2019-08-01 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910707987.3A CN110444019B (zh) | 2019-08-01 | 2019-08-01 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110444019A CN110444019A (zh) | 2019-11-12 |
CN110444019B true CN110444019B (zh) | 2020-09-11 |
Family
ID=68432757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910707987.3A Active CN110444019B (zh) | 2019-08-01 | 2019-08-01 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110444019B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114639231B (zh) * | 2020-12-15 | 2023-10-13 | 比亚迪股份有限公司 | 公路交通处理方法、装置及系统 |
CN112750312A (zh) * | 2020-12-28 | 2021-05-04 | 上海眼控科技股份有限公司 | 信息检测方法、装置、设备及存储介质 |
CN114115174B (zh) * | 2021-10-27 | 2022-06-24 | 北京云汉通航科技有限公司 | 一种高速警用预警车的故障处理方法、系统及装置 |
CN117423017A (zh) * | 2023-11-07 | 2024-01-19 | 广州天海翔航空科技有限公司 | 一种基于无人机的巡检处理方法、系统、设备及介质 |
CN117351725B (zh) * | 2023-12-05 | 2024-02-13 | 文诚恒远(天津)供应链管理服务有限公司 | 轿运车的异常行为告警方法、装置及计算机可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680774A (zh) * | 2013-11-28 | 2015-06-03 | 昆山研达电脑科技有限公司 | 汽车高速公路违规停车提醒系统及其方法 |
CN105788269A (zh) * | 2016-05-12 | 2016-07-20 | 招商局重庆交通科研设计院有限公司 | 基于无人机的异常交通识别方法 |
CN106428519A (zh) * | 2016-08-30 | 2017-02-22 | 上海法赫桥梁隧道养护工程技术有限公司 | 一种用于交通指挥的无人机及其应用 |
CN107657813A (zh) * | 2017-09-21 | 2018-02-02 | 中交第二公路勘察设计研究院有限公司 | 基于行车轨迹的高速公路交通执法判别方法 |
CN107680410A (zh) * | 2017-09-29 | 2018-02-09 | 安徽省中车科技有限公司 | 一种基于车辆运行状态的智能化车载警示牌 |
CN108521812A (zh) * | 2017-05-19 | 2018-09-11 | 深圳市大疆创新科技有限公司 | 无人机的控制方法、无人机以及机器可读存储介质 |
CN108922212A (zh) * | 2018-07-17 | 2018-11-30 | 北京航空航天大学 | 一种基于无人机的高速公路突发事件下交通识别方法 |
CN108932852A (zh) * | 2018-06-22 | 2018-12-04 | 安徽科力信息产业有限责任公司 | 一种记录机动车违法占用应急车道行为的方法及装置 |
CN109255955A (zh) * | 2018-10-22 | 2019-01-22 | 北京航空航天大学 | 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 |
CN109559558A (zh) * | 2018-12-14 | 2019-04-02 | 深圳市元征科技股份有限公司 | 事故提醒方法、智能警示牌、路侧单元及事故提醒系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPS123202A0 (en) * | 2002-03-15 | 2002-04-18 | Australian Arrow Pty Ltd | Vehicle automatic emergency response system |
CN100557650C (zh) * | 2007-02-15 | 2009-11-04 | 南京信息职业技术学院 | 高等级公路交通事故报警和警示的方法 |
CN206990574U (zh) * | 2017-04-19 | 2018-02-09 | 文翀 | 农村公路险情预报系统 |
US10395522B2 (en) * | 2017-08-14 | 2019-08-27 | Cubic Corporation | Adaptive traffic optimization using unmanned aerial vehicles |
CN107878317A (zh) * | 2017-09-29 | 2018-04-06 | 安徽省中车科技有限公司 | 一种车载事故应急警示牌控制方法 |
CN109087514A (zh) * | 2018-08-29 | 2018-12-25 | 深圳市旭发智能科技有限公司 | 无人机高速超速处理方法及系统 |
-
2019
- 2019-08-01 CN CN201910707987.3A patent/CN110444019B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680774A (zh) * | 2013-11-28 | 2015-06-03 | 昆山研达电脑科技有限公司 | 汽车高速公路违规停车提醒系统及其方法 |
CN105788269A (zh) * | 2016-05-12 | 2016-07-20 | 招商局重庆交通科研设计院有限公司 | 基于无人机的异常交通识别方法 |
CN106428519A (zh) * | 2016-08-30 | 2017-02-22 | 上海法赫桥梁隧道养护工程技术有限公司 | 一种用于交通指挥的无人机及其应用 |
CN108521812A (zh) * | 2017-05-19 | 2018-09-11 | 深圳市大疆创新科技有限公司 | 无人机的控制方法、无人机以及机器可读存储介质 |
CN107657813A (zh) * | 2017-09-21 | 2018-02-02 | 中交第二公路勘察设计研究院有限公司 | 基于行车轨迹的高速公路交通执法判别方法 |
CN107680410A (zh) * | 2017-09-29 | 2018-02-09 | 安徽省中车科技有限公司 | 一种基于车辆运行状态的智能化车载警示牌 |
CN108932852A (zh) * | 2018-06-22 | 2018-12-04 | 安徽科力信息产业有限责任公司 | 一种记录机动车违法占用应急车道行为的方法及装置 |
CN108922212A (zh) * | 2018-07-17 | 2018-11-30 | 北京航空航天大学 | 一种基于无人机的高速公路突发事件下交通识别方法 |
CN109255955A (zh) * | 2018-10-22 | 2019-01-22 | 北京航空航天大学 | 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 |
CN109559558A (zh) * | 2018-12-14 | 2019-04-02 | 深圳市元征科技股份有限公司 | 事故提醒方法、智能警示牌、路侧单元及事故提醒系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110444019A (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110444019B (zh) | 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 | |
WO2019144511A1 (zh) | 智能交通安全预警方法、云服务器、随车终端及系统 | |
DE102015213884B4 (de) | Vorrichtung zum Bestimmen einer Gefahr in einer Fahrtumgebung und Vorrichtung zum Anzeigen einer Gefahr in einer Fahrtumgebung | |
JP6304384B2 (ja) | 車両の走行制御装置及び方法 | |
JP6414221B2 (ja) | 車両の走行制御装置及び方法 | |
CN108986467A (zh) | 一种基于物联网的智慧交通管理系统 | |
DE102017121622A1 (de) | Eis- und schneeerfassungssysteme und -verfahren | |
DE112019004554T5 (de) | System und verfahren zur warnung vor vorhergesagten fahrzeugvorfällen und zum ausweichen | |
DE102016121419A1 (de) | Fahrunterstützungsvorrichtung | |
DE102015210985A1 (de) | Fahrtsteuerungsvorrichtung für Fahrzeug | |
DE112016006768T5 (de) | Vorrichtung und Verfahren zur Erkennung und Mitteilung von vereisten Bedingungen unter Verwendung von integrierten Fahrzeugsensoren | |
DE102009042437B4 (de) | Informationsbereitstellungsvorrichtung und Informationsbereitstellungsverfahren | |
US11217096B2 (en) | Traffic flow dynamic guiding method based on region block | |
CN106114502A (zh) | 一种智能汽车辅助系统 | |
WO2021220845A1 (ja) | 車両用記録装置、情報記録方法 | |
CN108482250A (zh) | 一种基于毫米波养护车车尾防撞预警系统及其预警方法 | |
CN110473408B (zh) | 一种基于机动车行驶数据的报警方法及系统 | |
DE102015103361A1 (de) | Verkehrsdichte-empfindlichkeitswähler | |
JP2016038838A (ja) | 走行制御装置および走行制御方法 | |
DE112016007448T5 (de) | Fahrzeug-Innenvorrichtung, mobile Endgeräte-Vorrichtung, Erkennungsunterstützungssystem, Erkennungsunterstützungsverfahren und Erkennungsunterstützungsprogramm | |
CN211578054U (zh) | 一种物联网环境下的鬼探头防撞预警系统 | |
CN111427063B (zh) | 一种移动装置通行控制方法、装置、设备、系统及介质 | |
CN110473401B (zh) | 一种基于车载停车警示牌的快速车道事故报警方法及系统 | |
CN113554897A (zh) | 辅助装置、辅助方法、车辆、计算机设备和介质 | |
CN113140129A (zh) | 一种车辆预警方法、设备及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |