CN110648532A - 一种基于智慧交通物联网的交通监测系统 - Google Patents
一种基于智慧交通物联网的交通监测系统 Download PDFInfo
- Publication number
- CN110648532A CN110648532A CN201910896089.7A CN201910896089A CN110648532A CN 110648532 A CN110648532 A CN 110648532A CN 201910896089 A CN201910896089 A CN 201910896089A CN 110648532 A CN110648532 A CN 110648532A
- Authority
- CN
- China
- Prior art keywords
- violation
- traffic
- driving
- signal
- behavior
- 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
- G08G1/0137—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于智慧交通物联网的交通监测系统,包括监测采集模块、违规分析模块、数据库、控制器、信号处理模块和更新覆盖模块;监测采集模块用于实时的监测并采集车辆驾驶人员的交通违章信息,将其传输至违规分析模块;本发明是将车辆驾驶人员的交通违章状况进行数据化分析,再据此与行为状况一同进行二次的公式化权重处理,以将车辆驾驶人员分层次的赋予不同关注度,并通过后续的行为状况对关注度情况进行实时的更新覆盖,进而将交通状况的监测落实至相应的源头驾驶人员,并依据实时更新的层次级信号来进行针对化监管,以提高整体的交通监测效果与驾驶监管力度。
Description
技术领域
本发明涉及交通监测系统技术领域,具体为一种基于智慧交通物联网的交通监测系统。
背景技术
智慧交通物联网可使道路上的交通信息尽量完整和实时的监测、记录,并保证了交通参与者、交通管理者、交通工具和道路管理设施间的信息交换实时与高效性,利于交通疏导与管制。
而在公开号为CN107067724A的文件中,仅是依据构建针对车辆行驶的评估机制,收集车辆行驶速度、车辆行驶位置、车辆连续驾驶时间和车辆所处的路况信息,挖掘其数据特征并进行权重分配、信息融合与综合评定,实现对车辆行驶的实时评估与预警;且将其与现有的基于智慧交通物联网的交通监测系统相结合来说,仍然难以将交通状况的监测落实至相应的源头驾驶人员,并依据实时更新的层次级信号来进行针对化监管,以提高整体的交通监测效果与驾驶监管力度;且还难以将人流和车流通过状况、人流和车流违规状况与警务站的位置情况相结合,并经区域化分析后,来对拥堵与违规多发路口进行及时的交通疏导,提高路面交通的整体通畅程度,以免出现长时间拥堵而得不到及时、有效的指挥疏导。
为了解决上述缺陷,现提供一种技术方案。
发明内容
本发明的目的在于提供一种基于智慧交通物联网的交通监测系统,本发明是将车辆驾驶人员的交通违章状况进行数据化分析,再据此与行为状况一同进行二次的公式化权重处理,以将车辆驾驶人员分层次的赋予不同关注度,并通过后续的行为状况对关注度情况进行实时的更新覆盖,进而将交通状况的监测落实至相应的源头驾驶人员,并依据实时更新的层次级信号来进行针对化监管,以提高整体的交通监测效果与驾驶监管力度;
本发明是将人流和车流通过状况、人流和车流违规状况与警务站的位置情况相结合,并经区域化分析后,来对拥堵与违规多发路口进行及时的交通疏导,提高路面交通的整体通畅程度,以免出现长时间拥堵而得不到及时、有效的指挥疏导。
本发明所要解决的技术问题如下:
(1)如何将交通状况的监测落实至相应的源头驾驶人员,并依据实时更新的层次级信号来进行针对化监管,以提高整体的交通监测效果与驾驶监管力度;
(2)如何将人流和车流通过状况、人流和车流违规状况与警务站的位置情况相结合,并经区域化分析后,来对拥堵与违规多发路口进行及时的交通疏导,提高路面交通的整体通畅程度。
本发明的目的可以通过以下技术方案实现:
一种基于智慧交通物联网的交通监测系统,包括监测采集模块、违规分析模块、数据库、控制器、信号处理模块和更新覆盖模块;
所述监测采集模块用于实时的监测并采集车辆驾驶人员的交通违章信息,将其传输至违规分析模块,而车辆驾驶人员的交通违章信息表示为该车辆驾驶人员的人脸图像所对应的交通违章信息,即与人脸图像相标识;
所述违规分析模块则据此进行违规判定操作,得到第一时间段内的高阶违规信号、普通违规信号和正常违规信号,并将其所对应的车辆驾驶人员与数据库内的车辆驾驶人员的行为状况信息相提取,再据此一同进行二次的行为判定操作,得到与第一时间段相对应的各车辆驾驶人员的行为预测系数Ji,并将其与预设范围j相比较,当行为预测系数Ji大于预设范围j的最大值、位于预设范围j之内和小于预设范围j的最小值时,则将与该行为预测系数Ji相对应的车辆驾驶人员生成高关注度信号、中关注信号和低关注度信号,且将上述的各类关注度信号均经控制器传输至信号处理模块,且还将上述的各类关注度信号及其行为预测系数Ji均经控制器传输至更新覆盖模块;
且数据库用于实时的记录并存储车辆驾驶人员的行为状况信息;
所述信号处理模块则依据实时接收到的高关注度信号、中关注信号和低关注度信号,来将与其相对应的车辆驾驶人员标注出红色、黄色和蓝色,且将经颜色标注后的车辆驾驶人员的监测画面进行实时记录;
所述更新覆盖模块则依据实时接收到的高关注度信号、中关注信号和低关注度信号及其行为预测系数Ji,来将每次的各车辆驾驶人员所对应的行为预测系数Ji标定为Kzi,z=1...m,i=1...n,则当z=1时的K1i表示为第一次的各车辆驾驶人员所对应的行为预测系数Ji,并依据公式求得各车辆驾驶人员所对应的平均行为预测系数Ji,而当出现低关注度信号时,将m计算于此并反馈此时的Zi至违规分析模块,违规分析模块则将其与预设范围j相比较,并依据上述条件来生成各类关注度信号,经控制器传输至信号处理模块进行相应的监测与记录,即将车辆驾驶人员的交通违章状况进行数据化分析,再据此与行为状况一同进行二次的公式化权重处理,以将车辆驾驶人员分层次的赋予不同关注度,并通过后续的行为状况对关注度情况进行实时的更新覆盖,进而将交通状况的监测落实至相应的源头驾驶人员,并依据实时更新的层次级信号来进行针对化监管,以提高整体的交通监测效果与驾驶监管力度。
进一步的,所述交通违章信息包括超速次数、违反信号灯次数和事故参与次数,且均可依据交通物联网平台获取得到。
进一步的,所述违规判定操作的具体步骤如下:
步骤一:获取到第一时间段内的车辆驾驶人员的交通违章信息,并将各车辆驾驶人员的超速次数标定为Qi,i=1...n、各车辆驾驶人员的违反信号灯次数标定为Wi,i=1...n和各车辆驾驶人员的事故参与次数标定为Ei,i=1...n,且Qi、Wi和Ei均为一一对应;
步骤二:依据公式求得第一时间段内的各车辆驾驶人员的违规系数,q、w和e均为与Qi、Wi和Ei相对应的正数修正因子,q小于w小于e且q+w+e=6.18;
步骤三:将Ri与预设范围r相比较,当Ri大于预设范围r的最大值、位于预设范围r之内和小于预设范围r的最小值时,将与Ri相对应的车辆驾驶人员生成高阶违规信号、普通违规信号和正常违规信号;且第一时间段表示为一个月的时长。
进一步的,所述行为状况信息包括车辆行为状况数据、驾驶人员状况数据和驾驶行为状况数据,而车辆行为状况数据表示为驾驶大型、中型和小型车辆的次数,而驾驶人员状况数据表示为驾驶人员的性别、年龄和驾龄,而驾驶行为状况数据表示为驾驶车辆的行驶时长,且均可依据交通物联网平台获取得到。
进一步的,所述行为判定操作的具体步骤如下:
步骤一:先获取到与第一时间段相对应的行为状况信息内的车辆行为状况数据,并将各驾驶人员驾驶大型、中型和小型车辆的次数分别标定为Ti、Yi和Ui,i=1...n,且Ti、Yi和Ui均为一一对应,再依据公式Pi=Ti*t+Yi*y+Ui*u,求得与第一时间段相对应的各驾驶人员的驾车系数,t、y和u均为车辆参数,t大于y大于u且t+y+u=4.17,最后将Pi依次分为高驾车级、中驾车级和低驾车级并对应的赋予预设值p1、p2和p3,而p1大于p2大于p3;
步骤二:先获取到与第一时间段相对应的行为状况信息内的驾驶人员状况数据,并将各驾驶人员的性别、年龄和驾龄分别标定为Ai、Si和Di,i=1...n,且Ai、Si和Di与Ti、Yi和Ui均为一一对应,再依据公式Fi=(Ai+Si)*a+Di*s,求得与第一时间段相对应的各驾驶人员的行驶系数,a、s均为行驶参数,a大于s且a+s=1.72,当驾驶人员的性别为男性时的Ai取1.17,反之则Ai取2.51,当驾驶人员的年龄位于30至60岁时的Si取1.82,反之则Si取3.14,最后将Fi依次分为第一驾驶段、第二驾驶段和第三驾驶段并对应的赋予预设值f1、f2和f3,而f1大于f2大于f3;
步骤三:先获取到与第一时间段相对应的行为状况信息内的驾驶行为状况数据,并将各驾驶人员所被监测到的驾驶车辆的行驶时长标定为Gi,i=1...n,且Ai、Si和Di与Ti、Yi和Ui,以及Gi均为一一对应,再将Gi依次分为高行驶节、中行驶节和低行驶节并对应的赋予预设值g1、g2和g3,而g1大于g2大于g3;
步骤四:先获取到第一时间段内的高阶违规信号、普通违规信号和正常违规信号,并将与其相对应的各车辆驾驶人员标定为Hi,i=1...n,且Ai、Si和Di与Ti、Yi和Ui、Gi,以及Hi均为一一对应,再将Hi所属于的高阶违规信号、普通违规信号和正常违规信号对应的赋予预设值h1、h2和h3,而h1大于h2大于h3;
步骤五:先将Pi、Fi、Gi和Hi对驾乘行为的影响占比进行权重分配,并依次分配为正数权重系数d、o、l和k,d小于o小于l小于k且d+o+l+k=7.15,再依据公式Ji=Pi*d+Fi*o+Gi*l+Hi*k,i=1...n,求得与第一时间段相对应的各车辆驾驶人员的行为预测系数。
进一步的,所述高驾车级、中驾车级和低驾车级分别对应的Pi为40以上、20至40且包括20和40、20以下;所述第一驾驶段、第二驾驶段和第三驾驶段分别对应的Fi为25以上、15至25且包括15和25、15以下;所述高行驶节、中行驶节和低行驶节分别对应着150小时以上、80至150小时且包括80和150小时、80小时以下。
进一步的,所述监测采集模块用于实时的监测并采集路口的人流量信息与车流量信息,将其传输至违规分析模块;
所述违规分析模块则对其进行拥堵分析操作,具体步骤如下:
步骤一:获取到第二时间段内的人流量信息,并将各路口的人群行走量数据和人群违规量数据分别标定为Xx和Cx,x=1...c;获取到第二时间段内的车流量信息,并将各路口的车流行走量数据和车流违规量数据分别标定为Vx和Bx,x=1...c,且Xx和Cx、Vx和Bx均为一一对应;
步骤二:依据公式求得第二时间段内的各路口的拥堵系数,α、β均为拥堵因子,α大于β且α+β=2.8124,而当人群通过数小于人群滞留数且车流通过数小于车流滞留数时,Xx取3.81、Vx取2.25和v取1.81,而当人群通过数小于人群滞留数或车流通过数小于车流滞留数时,Xx取2.74、Vx取1.92和v取1.44,而其它情况下的Xx取2.33、Vx取1.75和v取1.29;
步骤三:将Nx与预设范围b相比较,当其大于预设范围b的最大值、位于预设范围b之内时,将与Nx相对应的路口生成高拥堵信号、半拥堵信号,而其它情况下,不生成任何信号;且第二时间段表示为信号灯变换十五次的时长;
且将高拥堵信号、半拥堵信号均经控制器传输至信号处理模块;
所述信号处理模块在接收到实时的高拥堵信号、半拥堵信号后,则将各路口按预设区域划分,并将预设区域内的高拥堵信号、半拥堵信号依次排列,再获取到与预设区域所对应的警务站的位置数据,当警务站的位置数据与高拥堵信号所对应的路口间的距离小于其预设值时,则将该路口生成优先派人指令并发送至警务站,当警务站的位置数据与高拥堵信号所对应的路口间的距离大于其预设值或警务站的位置数据与半拥堵信号所对应的路口间的距离小于其预设值时,则将该路口生成中级派人指令并发送至警务站,当警务站的位置数据与半拥堵信号所对应的路口间的距离大于其预设值时,则将该路口生成微派人指令并发送至警务站,警务站则依据上述的各类指令来派人对路口进行交通疏导,进而将人流和车流通过状况、人流和车流违规状况与警务站的位置情况相结合,并经区域化分析后,来对拥堵与违规多发路口进行及时的交通疏导,提高路面交通的整体通畅程度,以免出现长时间拥堵而得不到及时、有效的指挥疏导。
进一步的,所述人流量信息包括人群行走量数据和人群违规量数据,而人群行走量数据表示为人群通过数、人群滞留数,而人群违规量数据表示为闯信号灯的人数,所述车流量信息包括车流行走量数据和车流违规量数据,而车流行走量数据表示为车流通过数、车流滞留数,而车流违规量数据表示为越过停车线的次数。
本发明的有益效果:
1.本发明是将监测采集模块采集的车辆驾驶人员的交通违章信息传输至违规分析模块,并对其进行违规判定操作;
即将各车辆驾驶人员的超速次数、各车辆驾驶人员的违反信号灯次数和各车辆驾驶人员的事故参与次数经标定、公式化分析,得到第一时间段内的高阶违规信号、普通违规信号和正常违规信号,并将其所对应的车辆驾驶人员与数据库内的车辆驾驶人员的行为状况信息相提取,再据此一同进行二次的行为判定操作;
即先将车辆行为状况数据内的各驾驶人员驾驶大型、中型和小型车辆的次数经标定、参数计算和赋值分析,再将驾驶人员状况数据内的各驾驶人员的性别、年龄和驾龄经标定、参数计算和赋值分析,最后将驾驶行为状况数据内的各驾驶人员所被监测到的驾驶车辆的行驶时长经标定、赋值分析,来与上述的各违规信号一同进行公式化权重处理,得到与第一时间段相对应的各车辆驾驶人员的行为预测系数Ji,并将其与预设范围j相比较,据此生成高关注度信号、中关注信号和低关注度信号,且将上述的各类关注度信号均经控制器传输至信号处理模块,以及将上述的各类关注度信号及其行为预测系数Ji均经控制器传输至更新覆盖模块;
而信号处理模块则依据实时接收到的高关注度信号、中关注信号和低关注度信号,来将与其相对应的车辆驾驶人员标注出红色、黄色和蓝色,且将经颜色标注后的车辆驾驶人员的监测画面进行实时记录;
而更新覆盖模块则依据实时接收到的高关注度信号、中关注信号和低关注度信号及其行为预测系数Ji,来将每次的各车辆驾驶人员所对应的行为预测系数Ji经标定、均值化处理,求得各车辆驾驶人员所对应的平均行为预测系数Ji,当出现低关注度信号时,停止计算并反馈此时的Zi至违规分析模块,违规分析模块则依据反馈更新后的Zi与预设范围j相比较,并按照相同方式生成各类关注度信号,经控制器传输至信号处理模块来进行相应的监测与记录,即将车辆驾驶人员的交通违章状况进行数据化分析,再据此与行为状况一同进行二次的公式化权重处理,以将车辆驾驶人员分层次的赋予不同关注度,并通过后续的行为状况对关注度情况进行实时的更新覆盖,进而将交通状况的监测落实至相应的源头驾驶人员,并依据实时更新的层次级信号来进行针对化监管,以提高整体的交通监测效果与驾驶监管力度;
2.本发明还将监测采集模块采集的路口的人流量信息与车流量信息传输至违规分析模块,并对其进行拥堵分析操作,即将各路口的人群行走量数据和人群违规量数据、各路口的车流行走量数据和车流违规量数据经标定、公式计算与赋值比较,得到高拥堵信号、半拥堵信号,并将其均经控制器传输至信号处理模块;
信号处理模块在接收到实时的高拥堵信号、半拥堵信号后,则将各路口按预设区域划分,并将预设区域内的高拥堵信号、半拥堵信号依次排列,再获取到与预设区域所对应的警务站的位置数据,并将警务站的位置数据与各类拥堵信号所对应的路口间的距离相比较,生成各类派人指令并发送至警务站,警务站则依据上述的各类指令来派人对路口进行交通疏导,进而将人流和车流通过状况、人流和车流违规状况与警务站的位置情况相结合,并经区域化分析后,来对拥堵与违规多发路口进行及时的交通疏导,提高路面交通的整体通畅程度,以免出现长时间拥堵而得不到及时、有效的指挥疏导。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明的系统框图。
具体实施方式
如图1所示,一种基于智慧交通物联网的交通监测系统,包括监测采集模块、违规分析模块、数据库、控制器、信号处理模块和更新覆盖模块;
监测采集模块用于实时的监测并采集车辆驾驶人员的交通违章信息,将其传输至违规分析模块,而车辆驾驶人员的交通违章信息表示为该车辆驾驶人员的人脸图像所对应的交通违章信息,即与人脸图像相标识,且交通违章信息包括超速次数、违反信号灯次数和事故参与次数,且均可依据交通物联网平台获取得到;
违规分析模块则据此进行违规判定操作,具体步骤如下:
步骤一:获取到第一时间段内的车辆驾驶人员的交通违章信息,并将各车辆驾驶人员的超速次数标定为Qi,i=1...n、各车辆驾驶人员的违反信号灯次数标定为Wi,i=1...n和各车辆驾驶人员的事故参与次数标定为Ei,i=1...n,且Qi、Wi和Ei均为一一对应;
步骤三:将Ri与预设范围r相比较,当Ri大于预设范围r的最大值、位于预设范围r之内和小于预设范围r的最小值时,将与Ri相对应的车辆驾驶人员生成高阶违规信号、普通违规信号和正常违规信号;且第一时间段表示为一个月的时长;
得到第一时间段内的高阶违规信号、普通违规信号和正常违规信号,并将其所对应的车辆驾驶人员与数据库内的车辆驾驶人员的行为状况信息相提取,且数据库用于实时的记录并存储车辆驾驶人员的行为状况信息,行为状况信息包括车辆行为状况数据、驾驶人员状况数据和驾驶行为状况数据,而车辆行为状况数据表示为驾驶大型、中型和小型车辆的次数,而驾驶人员状况数据表示为驾驶人员的性别、年龄和驾龄,而驾驶行为状况数据表示为驾驶车辆的行驶时长,且均可依据交通物联网平台获取得到,再据此一同进行二次的行为判定操作,具体步骤如下:
步骤一:先获取到与第一时间段相对应的行为状况信息内的车辆行为状况数据,并将各驾驶人员驾驶大型、中型和小型车辆的次数分别标定为Ti、Yi和Ui,i=1...n,且Ti、Yi和Ui均为一一对应,再依据公式Pi=Ti*t+Yi*y+Ui*u,求得与第一时间段相对应的各驾驶人员的驾车系数,t、y和u均为车辆参数,t大于y大于u且t+y+u=4.17,最后将Pi依次分为高驾车级、中驾车级和低驾车级并对应的赋予预设值p1、p2和p3,而p1大于p2大于p3;
步骤二:先获取到与第一时间段相对应的行为状况信息内的驾驶人员状况数据,并将各驾驶人员的性别、年龄和驾龄分别标定为Ai、Si和Di,i=1...n,且Ai、Si和Di与Ti、Yi和Ui均为一一对应,再依据公式Fi=(Ai+Si)*a+Di*s,求得与第一时间段相对应的各驾驶人员的行驶系数,a、s均为行驶参数,a大于s且a+s=1.72,当驾驶人员的性别为男性时的Ai取1.17,反之则Ai取2.51,当驾驶人员的年龄位于30至60岁时的Si取1.82,反之则Si取3.14,最后将Fi依次分为第一驾驶段、第二驾驶段和第三驾驶段并对应的赋予预设值f1、f2和f3,而f1大于f2大于f3;
步骤三:先获取到与第一时间段相对应的行为状况信息内的驾驶行为状况数据,并将各驾驶人员所被监测到的驾驶车辆的行驶时长标定为Gi,i=1...n,且Ai、Si和Di与Ti、Yi和Ui,以及Gi均为一一对应,再将Gi依次分为高行驶节、中行驶节和低行驶节并对应的赋予预设值g1、g2和g3,而g1大于g2大于g3;
步骤四:先获取到第一时间段内的高阶违规信号、普通违规信号和正常违规信号,并将与其相对应的各车辆驾驶人员标定为Hi,i=1...n,且Ai、Si和Di与Ti、Yi和Ui、Gi,以及Hi均为一一对应,再将Hi所属于的高阶违规信号、普通违规信号和正常违规信号对应的赋予预设值h1、h2和h3,而h1大于h2大于h3;
步骤五:先将Pi、Fi、Gi和Hi对驾乘行为的影响占比进行权重分配,并依次分配为正数权重系数d、o、l和k,d小于o小于l小于k且d+o+l+k=7.15,再依据公式Ji=Pi*d+Fi*o+Gi*l+Hi*k,i=1...n,求得与第一时间段相对应的各车辆驾驶人员的行为预测系数;
而高驾车级、中驾车级和低驾车级分别对应的Pi为40以上、20至40且包括20和40、20以下;第一驾驶段、第二驾驶段和第三驾驶段分别对应的Fi为25以上、15至25且包括15和25、15以下;高行驶节、中行驶节和低行驶节分别对应着150小时以上、80至150小时且包括80和150小时、80小时以下;
得到与第一时间段相对应的各车辆驾驶人员的行为预测系数Ji,并将其与预设范围j相比较,当行为预测系数Ji大于预设范围j的最大值、位于预设范围j之内和小于预设范围j的最小值时,则将与该行为预测系数Ji相对应的车辆驾驶人员生成高关注度信号、中关注信号和低关注度信号,且将上述的各类关注度信号均经控制器传输至信号处理模块,且还将上述的各类关注度信号及其行为预测系数Ji均经控制器传输至更新覆盖模块;
信号处理模块则依据实时接收到的高关注度信号、中关注信号和低关注度信号,来将与其相对应的车辆驾驶人员标注出红色、黄色和蓝色,且将经颜色标注后的车辆驾驶人员的监测画面进行实时记录;
更新覆盖模块则依据实时接收到的高关注度信号、中关注信号和低关注度信号及其行为预测系数Ji,来将每次的各车辆驾驶人员所对应的行为预测系数Ji标定为Kzi,z=1...m,i=1...n,则当z=1时的K1i表示为第一次的各车辆驾驶人员所对应的行为预测系数Ji,并依据公式求得各车辆驾驶人员所对应的平均行为预测系数Ji,而当出现低关注度信号时,将m计算于此并反馈此时的Zi至违规分析模块,违规分析模块则将其与预设范围j相比较,并依据上述条件来生成各类关注度信号,经控制器传输至信号处理模块进行相应的监测与记录,即将车辆驾驶人员的交通违章状况进行数据化分析,再据此与行为状况一同进行二次的公式化权重处理,以将车辆驾驶人员分层次的赋予不同关注度,并通过后续的行为状况对关注度情况进行实时的更新覆盖,进而将交通状况的监测落实至相应的源头驾驶人员,并依据实时更新的层次级信号来进行针对化监管,以提高整体的交通监测效果与驾驶监管力度;
且监测采集模块还用于实时的监测并采集路口的人流量信息与车流量信息,将其传输至违规分析模块,人流量信息包括人群行走量数据和人群违规量数据,而人群行走量数据表示为人群通过数、人群滞留数,而人群违规量数据表示为闯信号灯的人数,车流量信息包括车流行走量数据和车流违规量数据,而车流行走量数据表示为车流通过数、车流滞留数,而车流违规量数据表示为越过停车线的次数;
违规分析模块则对其进行拥堵分析操作,具体步骤如下:
步骤一:获取到第二时间段内的人流量信息,并将各路口的人群行走量数据和人群违规量数据分别标定为Xx和Cx,x=1...c;获取到第二时间段内的车流量信息,并将各路口的车流行走量数据和车流违规量数据分别标定为Vx和Bx,x=1...c,且Xx和Cx、Vx和Bx均为一一对应;
步骤二:依据公式求得第二时间段内的各路口的拥堵系数,α、β均为拥堵因子,α大于β且α+β=2.8124,而当人群通过数小于人群滞留数且车流通过数小于车流滞留数时,Xx取3.81、Vx取2.25和v取1.81,而当人群通过数小于人群滞留数或车流通过数小于车流滞留数时,Xx取2.74、Vx取1.92和v取1.44,而其它情况下的Xx取2.33、Vx取1.75和v取1.29;
步骤三:将Nx与预设范围b相比较,当其大于预设范围b的最大值、位于预设范围b之内时,将与Nx相对应的路口生成高拥堵信号、半拥堵信号,而其它情况下,不生成任何信号;且第二时间段表示为信号灯变换十五次的时长;
且将高拥堵信号、半拥堵信号均经控制器传输至信号处理模块;
信号处理模块在接收到实时的高拥堵信号、半拥堵信号后,则将各路口按预设区域划分,并将预设区域内的高拥堵信号、半拥堵信号依次排列,再获取到与预设区域所对应的警务站的位置数据,当警务站的位置数据与高拥堵信号所对应的路口间的距离小于其预设值时,则将该路口生成优先派人指令并发送至警务站,当警务站的位置数据与高拥堵信号所对应的路口间的距离大于其预设值或警务站的位置数据与半拥堵信号所对应的路口间的距离小于其预设值时,则将该路口生成中级派人指令并发送至警务站,当警务站的位置数据与半拥堵信号所对应的路口间的距离大于其预设值时,则将该路口生成微派人指令并发送至警务站,警务站则依据上述的各类指令来派人对路口进行交通疏导,进而将人流和车流通过状况、人流和车流违规状况与警务站的位置情况相结合,并经区域化分析后,来对拥堵与违规多发路口进行及时的交通疏导,提高路面交通的整体通畅程度,以免出现长时间拥堵而得不到及时、有效的指挥疏导。
一种基于智慧交通物联网的交通监测系统,在工作过程中,先由监测采集模块将车辆驾驶人员的交通违章信息采集并传输至违规分析模块;
违规分析模块则据此进行违规判定操作,即将各车辆驾驶人员的超速次数、各车辆驾驶人员的违反信号灯次数和各车辆驾驶人员的事故参与次数经标定、公式化分析,得到第一时间段内的高阶违规信号、普通违规信号和正常违规信号,并将其所对应的车辆驾驶人员与数据库内的车辆驾驶人员的行为状况信息相提取,再据此一同进行二次的行为判定操作,即先将车辆行为状况数据内的各驾驶人员驾驶大型、中型和小型车辆的次数经标定、参数计算和赋值分析,再将驾驶人员状况数据内的各驾驶人员的性别、年龄和驾龄经标定、参数计算和赋值分析,最后将驾驶行为状况数据内的各驾驶人员所被监测到的驾驶车辆的行驶时长经标定、赋值分析,来与上述的各违规信号一同进行公式化权重处理,得到与第一时间段相对应的各车辆驾驶人员的行为预测系数Ji,并将其与预设范围j相比较,并据此生成高关注度信号、中关注信号和低关注度信号,且将上述的各类关注度信号均经控制器传输至信号处理模块,以及将上述的各类关注度信号及其行为预测系数Ji均经控制器传输至更新覆盖模块;
而信号处理模块则依据实时接收到的高关注度信号、中关注信号和低关注度信号,来将与其相对应的车辆驾驶人员标注出红色、黄色和蓝色,且将经颜色标注后的车辆驾驶人员的监测画面进行实时记录;
而更新覆盖模块则依据实时接收到的高关注度信号、中关注信号和低关注度信号及其行为预测系数Ji,来将每次的各车辆驾驶人员所对应的行为预测系数Ji经标定、均值化处理,求得各车辆驾驶人员所对应的平均行为预测系数Ji,当出现低关注度信号时,停止计算并反馈此时的Zi至违规分析模块,违规分析模块则依据反馈更新后的Zi与预设范围j相比较,并按照相同方式生成各类关注度信号,经控制器传输至信号处理模块来进行相应的监测与记录,即将车辆驾驶人员的交通违章状况进行数据化分析,再据此与行为状况一同进行二次的公式化权重处理,以将车辆驾驶人员分层次的赋予不同关注度,并通过后续的行为状况对关注度情况进行实时的更新覆盖,进而将交通状况的监测落实至相应的源头驾驶人员,并依据实时更新的层次级信号来进行针对化监管,以提高整体的交通监测效果与驾驶监管力度;
且监测采集模块还将路口的人流量信息与车流量信息采集并传输至违规分析模块;
违规分析模块则对其进行拥堵分析操作,即将各路口的人群行走量数据和人群违规量数据、各路口的车流行走量数据和车流违规量数据经标定、公式计算与赋值比较,得到高拥堵信号、半拥堵信号,并将其均经控制器传输至信号处理模块;
信号处理模块在接收到实时的高拥堵信号、半拥堵信号后,则将各路口按预设区域划分,并将预设区域内的高拥堵信号、半拥堵信号依次排列,再获取到与预设区域所对应的警务站的位置数据,并将警务站的位置数据与各类拥堵信号所对应的路口间的距离相比较,生成各类派人指令并发送至警务站,警务站则依据上述的各类指令来派人对路口进行交通疏导,进而将人流和车流通过状况、人流和车流违规状况与警务站的位置情况相结合,并经区域化分析后,来对拥堵与违规多发路口进行及时的交通疏导,提高路面交通的整体通畅程度,以免出现长时间拥堵而得不到及时、有效的指挥疏导。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种基于智慧交通物联网的交通监测系统,其特征在于,包括监测采集模块、违规分析模块、数据库、控制器、信号处理模块和更新覆盖模块;
所述监测采集模块用于实时的监测并采集车辆驾驶人员的交通违章信息,将其传输至违规分析模块;
所述违规分析模块则据此进行违规判定操作,得到第一时间段内的高阶违规信号、普通违规信号和正常违规信号,并将其所对应的车辆驾驶人员与数据库内的车辆驾驶人员的行为状况信息相提取,再据此一同进行二次的行为判定操作,得到与第一时间段相对应的各车辆驾驶人员的行为预测系数Ji,并将其与预设范围j相比较,当行为预测系数Ji大于预设范围j的最大值、位于预设范围j之内和小于预设范围j的最小值时,则将与该行为预测系数Ji相对应的车辆驾驶人员生成高关注度信号、中关注信号和低关注度信号,且将上述的各类关注度信号均经控制器传输至信号处理模块,且还将上述的各类关注度信号及其行为预测系数Ji均经控制器传输至更新覆盖模块;
且数据库用于实时的记录并存储车辆驾驶人员的行为状况信息;
所述信号处理模块则依据实时接收到的高关注度信号、中关注信号和低关注度信号,来将与其相对应的车辆驾驶人员标注出红色、黄色和蓝色,且将经颜色标注后的车辆驾驶人员的监测画面进行实时记录;
2.根据权利要求1所述的一种基于智慧交通物联网的交通监测系统,其特征在于,所述交通违章信息包括超速次数、违反信号灯次数和事故参与次数。
3.根据权利要求1所述的一种基于智慧交通物联网的交通监测系统,其特征在于,所述违规判定操作的具体步骤如下:
步骤一:获取到第一时间段内的车辆驾驶人员的交通违章信息,并将各车辆驾驶人员的超速次数标定为Qi,i=1...n、各车辆驾驶人员的违反信号灯次数标定为Wi,i=1...n和各车辆驾驶人员的事故参与次数标定为Ei,i=1...n,且Qi、Wi和Ei均为一一对应;
步骤三:将Ri与预设范围r相比较,当Ri大于预设范围r的最大值、位于预设范围r之内和小于预设范围r的最小值时,将与Ri相对应的车辆驾驶人员生成高阶违规信号、普通违规信号和正常违规信号;且第一时间段表示为一个月的时长。
4.根据权利要求1所述的一种基于智慧交通物联网的交通监测系统,其特征在于,所述行为状况信息包括车辆行为状况数据、驾驶人员状况数据和驾驶行为状况数据,而车辆行为状况数据表示为驾驶大型、中型和小型车辆的次数,而驾驶人员状况数据表示为驾驶人员的性别、年龄和驾龄,而驾驶行为状况数据表示为驾驶车辆的行驶时长。
5.根据权利要求1所述的一种基于智慧交通物联网的交通监测系统,其特征在于,所述行为判定操作的具体步骤如下:
步骤一:先获取到与第一时间段相对应的行为状况信息内的车辆行为状况数据,并将各驾驶人员驾驶大型、中型和小型车辆的次数分别标定为Ti、Yi和Ui,i=1...n,且Ti、Yi和Ui均为一一对应,再依据公式Pi=Ti*t+Yi*y+Ui*u,求得与第一时间段相对应的各驾驶人员的驾车系数,t、y和u均为车辆参数,t大于y大于u且t+y+u=4.17,最后将Pi依次分为高驾车级、中驾车级和低驾车级并对应的赋予预设值p1、p2和p3,而p1大于p2大于p3;
步骤二:先获取到与第一时间段相对应的行为状况信息内的驾驶人员状况数据,并将各驾驶人员的性别、年龄和驾龄分别标定为Ai、Si和Di,i=1...n,且Ai、Si和Di与Ti、Yi和Ui均为一一对应,再依据公式Fi=(Ai+Si)*a+Di*s,求得与第一时间段相对应的各驾驶人员的行驶系数,a、s均为行驶参数,a大于s且a+s=1.72,当驾驶人员的性别为男性时的Ai取1.17,反之则Ai取2.51,当驾驶人员的年龄位于30至60岁时的Si取1.82,反之则Si取3.14,最后将Fi依次分为第一驾驶段、第二驾驶段和第三驾驶段并对应的赋予预设值f1、f2和f3,而f1大于f2大于f3;
步骤三:先获取到与第一时间段相对应的行为状况信息内的驾驶行为状况数据,并将各驾驶人员所被监测到的驾驶车辆的行驶时长标定为Gi,i=1...n,且Ai、Si和Di与Ti、Yi和Ui,以及Gi均为一一对应,再将Gi依次分为高行驶节、中行驶节和低行驶节并对应的赋予预设值g1、g2和g3,而g1大于g2大于g3;
步骤四:先获取到第一时间段内的高阶违规信号、普通违规信号和正常违规信号,并将与其相对应的各车辆驾驶人员标定为Hi,i=1...n,且Ai、Si和Di与Ti、Yi和Ui、Gi,以及Hi均为一一对应,再将Hi所属于的高阶违规信号、普通违规信号和正常违规信号对应的赋予预设值h1、h2和h3,而h1大于h2大于h3;
步骤五:先将Pi、Fi、Gi和Hi对驾乘行为的影响占比进行权重分配,并依次分配为正数权重系数d、o、l和k,d小于o小于l小于k且d+o+l+k=7.15,再依据公式Ji=Pi*d+Fi*o+Gi*l+Hi*k,i=1...n,求得与第一时间段相对应的各车辆驾驶人员的行为预测系数。
6.根据权利要求5所述的一种基于智慧交通物联网的交通监测系统,其特征在于,所述高驾车级、中驾车级和低驾车级分别对应的Pi为40以上、20至40且包括20和40、20以下;所述第一驾驶段、第二驾驶段和第三驾驶段分别对应的Fi为25以上、15至25且包括15和25、15以下;所述高行驶节、中行驶节和低行驶节分别对应着150小时以上、80至150小时且包括80和150小时、80小时以下。
7.根据权利要求1所述的一种基于智慧交通物联网的交通监测系统,其特征在于,所述监测采集模块用于实时的监测并采集路口的人流量信息与车流量信息,将其传输至违规分析模块;
所述违规分析模块则对其进行拥堵分析操作,具体步骤如下:
步骤一:获取到第二时间段内的人流量信息,并将各路口的人群行走量数据和人群违规量数据分别标定为Xx和Cx,x=1...c;获取到第二时间段内的车流量信息,并将各路口的车流行走量数据和车流违规量数据分别标定为Vx和Bx,x=1...c,且Xx和Cx、Vx和Bx均为一一对应;
步骤二:依据公式求得第二时间段内的各路口的拥堵系数,α、β均为拥堵因子,α大于β且α+β=2.8124,而当人群通过数小于人群滞留数且车流通过数小于车流滞留数时,Xx取3.81、Vx取2.25和v取1.81,而当人群通过数小于人群滞留数或车流通过数小于车流滞留数时,Xx取2.74、Vx取1.92和v取1.44,而其它情况下的Xx取2.33、Vx取1.75和v取1.29;
步骤三:将Nx与预设范围b相比较,当其大于预设范围b的最大值、位于预设范围b之内时,将与Nx相对应的路口生成高拥堵信号、半拥堵信号,而其它情况下,不生成任何信号;且第二时间段表示为信号灯变换十五次的时长;
且将高拥堵信号、半拥堵信号均经控制器传输至信号处理模块;
所述信号处理模块在接收到实时的高拥堵信号、半拥堵信号后,则将各路口按预设区域划分,并将预设区域内的高拥堵信号、半拥堵信号依次排列,再获取到与预设区域所对应的警务站的位置数据,当警务站的位置数据与高拥堵信号所对应的路口间的距离小于其预设值时,则将该路口生成优先派人指令并发送至警务站,当警务站的位置数据与高拥堵信号所对应的路口间的距离大于其预设值或警务站的位置数据与半拥堵信号所对应的路口间的距离小于其预设值时,则将该路口生成中级派人指令并发送至警务站,当警务站的位置数据与半拥堵信号所对应的路口间的距离大于其预设值时,则将该路口生成微派人指令并发送至警务站,警务站则依据上述的各类指令来派人对路口进行交通疏导。
8.根据权利要求7所述的一种基于智慧交通物联网的交通监测系统,其特征在于,所述人流量信息包括人群行走量数据和人群违规量数据,而人群行走量数据表示为人群通过数、人群滞留数,而人群违规量数据表示为闯信号灯的人数,所述车流量信息包括车流行走量数据和车流违规量数据,而车流行走量数据表示为车流通过数、车流滞留数,而车流违规量数据表示为越过停车线的次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910896089.7A CN110648532B (zh) | 2019-09-22 | 2019-09-22 | 一种基于智慧交通物联网的交通监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910896089.7A CN110648532B (zh) | 2019-09-22 | 2019-09-22 | 一种基于智慧交通物联网的交通监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110648532A true CN110648532A (zh) | 2020-01-03 |
CN110648532B CN110648532B (zh) | 2020-08-18 |
Family
ID=68992323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910896089.7A Active CN110648532B (zh) | 2019-09-22 | 2019-09-22 | 一种基于智慧交通物联网的交通监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110648532B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341114A (zh) * | 2020-03-10 | 2020-06-26 | 北京以萨技术股份有限公司 | 基于物联网的车载视频交通违章检测方法、装置及系统 |
CN111798579A (zh) * | 2020-07-29 | 2020-10-20 | 深圳市渝华发电子科技有限公司 | 一种基于etc龙门架的高速公路拥堵预测方法及系统 |
CN113593234A (zh) * | 2021-07-30 | 2021-11-02 | 浙江大华技术股份有限公司 | 一种检测道路质量的方法及装置 |
CN113965901A (zh) * | 2021-10-22 | 2022-01-21 | 山东高速股份有限公司 | 一种基于无线探针的高速公路隧道人员监控方法 |
CN114170795A (zh) * | 2021-11-20 | 2022-03-11 | 武汉鑫弘凯交通科技有限公司 | 一种智能交通系统中的物联网交通监测系统及其使用方法 |
CN116665457A (zh) * | 2023-07-31 | 2023-08-29 | 新唐信通(北京)科技有限公司 | 一种基于智慧交通物联网的交通监测系统及方法 |
CN117173897A (zh) * | 2023-11-03 | 2023-12-05 | 浪潮智慧科技(青岛)有限公司 | 一种基于物联网技术的路面交通监测调控方法及系统 |
CN117392852A (zh) * | 2023-12-11 | 2024-01-12 | 大作(江苏)云科技有限公司 | 一种面向大数据分析的云计算资源调度优化系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211428A (zh) * | 2006-12-27 | 2008-07-02 | 厦门雅迅网络股份有限公司 | 一种驾驶员习惯统计、分析方法 |
CN103136934A (zh) * | 2011-11-22 | 2013-06-05 | 西安嘉乐世纪机电科技有限公司 | 一种太阳能道路信息无线采集系统 |
CN103198685A (zh) * | 2013-03-15 | 2013-07-10 | Tcl集团股份有限公司 | 一种实现驾驶安全预警的方法、系统 |
CN104575063A (zh) * | 2014-12-26 | 2015-04-29 | 北京中交兴路车联网科技有限公司 | 一种车辆预警方法 |
CN105225509A (zh) * | 2015-10-28 | 2016-01-06 | 努比亚技术有限公司 | 一种道路车辆智能预警方法、装置和移动终端 |
CN105374211A (zh) * | 2015-12-09 | 2016-03-02 | 敏驰信息科技(上海)有限公司 | 基于多源数据计算驾驶风险与辅助车险定价的系统及方法 |
CN105513358A (zh) * | 2016-01-04 | 2016-04-20 | 烟台中正新技术有限公司 | 驾驶行为评估和车辆行驶状态监测预警系统及方法 |
CN105957358A (zh) * | 2016-06-16 | 2016-09-21 | 天津依维特科技有限公司 | 一种智能交通监控调节系统 |
EA024797B1 (ru) * | 2012-04-17 | 2016-10-31 | Товарищество С Ограниченной Ответственностью "Научно-Исследовательский Институт Транспорта И Коммуникаций" | Способ контроля автотранспортных средств |
CN108074396A (zh) * | 2016-11-10 | 2018-05-25 | 关晓芙 | 安全行驶评价方法及系统 |
CN110120153A (zh) * | 2019-05-24 | 2019-08-13 | 广州公交集团第三公共汽车有限公司 | 一种公交驾驶事故风险评估系统及其方法 |
-
2019
- 2019-09-22 CN CN201910896089.7A patent/CN110648532B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211428A (zh) * | 2006-12-27 | 2008-07-02 | 厦门雅迅网络股份有限公司 | 一种驾驶员习惯统计、分析方法 |
CN103136934A (zh) * | 2011-11-22 | 2013-06-05 | 西安嘉乐世纪机电科技有限公司 | 一种太阳能道路信息无线采集系统 |
EA024797B1 (ru) * | 2012-04-17 | 2016-10-31 | Товарищество С Ограниченной Ответственностью "Научно-Исследовательский Институт Транспорта И Коммуникаций" | Способ контроля автотранспортных средств |
CN103198685A (zh) * | 2013-03-15 | 2013-07-10 | Tcl集团股份有限公司 | 一种实现驾驶安全预警的方法、系统 |
CN104575063A (zh) * | 2014-12-26 | 2015-04-29 | 北京中交兴路车联网科技有限公司 | 一种车辆预警方法 |
CN105225509A (zh) * | 2015-10-28 | 2016-01-06 | 努比亚技术有限公司 | 一种道路车辆智能预警方法、装置和移动终端 |
CN105374211A (zh) * | 2015-12-09 | 2016-03-02 | 敏驰信息科技(上海)有限公司 | 基于多源数据计算驾驶风险与辅助车险定价的系统及方法 |
CN105513358A (zh) * | 2016-01-04 | 2016-04-20 | 烟台中正新技术有限公司 | 驾驶行为评估和车辆行驶状态监测预警系统及方法 |
CN105957358A (zh) * | 2016-06-16 | 2016-09-21 | 天津依维特科技有限公司 | 一种智能交通监控调节系统 |
CN108074396A (zh) * | 2016-11-10 | 2018-05-25 | 关晓芙 | 安全行驶评价方法及系统 |
CN110120153A (zh) * | 2019-05-24 | 2019-08-13 | 广州公交集团第三公共汽车有限公司 | 一种公交驾驶事故风险评估系统及其方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341114A (zh) * | 2020-03-10 | 2020-06-26 | 北京以萨技术股份有限公司 | 基于物联网的车载视频交通违章检测方法、装置及系统 |
CN111798579A (zh) * | 2020-07-29 | 2020-10-20 | 深圳市渝华发电子科技有限公司 | 一种基于etc龙门架的高速公路拥堵预测方法及系统 |
CN111798579B (zh) * | 2020-07-29 | 2021-07-23 | 贵州汇联通电子商务服务有限公司 | 一种基于etc龙门架的高速公路拥堵预测方法及系统 |
CN113593234B (zh) * | 2021-07-30 | 2022-07-19 | 浙江大华技术股份有限公司 | 一种检测道路质量的方法及装置 |
CN113593234A (zh) * | 2021-07-30 | 2021-11-02 | 浙江大华技术股份有限公司 | 一种检测道路质量的方法及装置 |
CN113965901A (zh) * | 2021-10-22 | 2022-01-21 | 山东高速股份有限公司 | 一种基于无线探针的高速公路隧道人员监控方法 |
CN113965901B (zh) * | 2021-10-22 | 2024-02-13 | 山东高速股份有限公司 | 一种基于无线探针的高速公路隧道人员监控方法 |
CN114170795A (zh) * | 2021-11-20 | 2022-03-11 | 武汉鑫弘凯交通科技有限公司 | 一种智能交通系统中的物联网交通监测系统及其使用方法 |
CN116665457A (zh) * | 2023-07-31 | 2023-08-29 | 新唐信通(北京)科技有限公司 | 一种基于智慧交通物联网的交通监测系统及方法 |
CN117173897A (zh) * | 2023-11-03 | 2023-12-05 | 浪潮智慧科技(青岛)有限公司 | 一种基于物联网技术的路面交通监测调控方法及系统 |
CN117173897B (zh) * | 2023-11-03 | 2024-01-26 | 浪潮智慧科技(青岛)有限公司 | 一种基于物联网技术的路面交通监测调控方法及系统 |
CN117392852A (zh) * | 2023-12-11 | 2024-01-12 | 大作(江苏)云科技有限公司 | 一种面向大数据分析的云计算资源调度优化系统 |
CN117392852B (zh) * | 2023-12-11 | 2024-05-03 | 深圳鹏智瑞数字营销有限公司 | 一种面向大数据分析的云计算资源调度优化系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110648532B (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110648532B (zh) | 一种基于智慧交通物联网的交通监测系统 | |
KR101969064B1 (ko) | 딥러닝 기반 도심지 교통 혼잡 예측 및 신호 제어 솔루션 방법 및 이를 실행하는 서버 | |
CN113538863B (zh) | 一种隧道数字孪生场景构建方法及计算机设备 | |
CN106530762A (zh) | 交通信号控制方法和装置 | |
Satyanarayanan | Edge computing for situational awareness | |
CN110084308B (zh) | 一种基于车辆轨迹分析构建通勤路径的方法 | |
US11145198B2 (en) | Predictive traffic management system | |
CN104952248A (zh) | 一种基于欧氏空间的车辆汇聚预测方法 | |
CN106251642A (zh) | 一种基于实时公交车gps数据的公交路链速度计算方法 | |
CN110288826B (zh) | 基于多源数据融合和milp的交通控制子区聚类划分方法 | |
CN106971535A (zh) | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 | |
CN114329074B (zh) | 一种匝道路段通行能效检测方法和系统 | |
CN108806257A (zh) | 一种道路拥堵区域和拥堵路段的识别方法 | |
JP2008059181A (ja) | 道路交通管制訓練装置及び道路交通管制訓練システム | |
CN116543573B (zh) | 一种基于大数据的交通控制系统及信息接收终端 | |
Samara et al. | Video-based network-wide surrogate safety analysis to support a proactive network screening using connected cameras: Case study in the City of Bellevue (WA) United States | |
CN117351734A (zh) | 一种车辆延误的智能调控方法及系统 | |
CN116805444A (zh) | 分布式命名导航行人行车预警方法、系统和装置 | |
Sinha et al. | Sustainable time series model for vehicular traffic trends prediction in metropolitan network | |
CN116311028A (zh) | 一种基于物联网的护栏控制方法和系统 | |
CN114387778B (zh) | 一种城市快速路拥堵原因分析的方法 | |
Kaths et al. | Traffic signals in connected vehicle environments: Chances, challenges and examples for future traffic signal control | |
EP3922947A3 (en) | Traffic analytics system for defining road networks | |
Chen et al. | A novel assistive on-ramp merging control system for dense traffic management | |
CN118314743A (zh) | 一种基于物联网的全息交通路口调控系统 |
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 |