CN110930704A - 一种基于边缘计算的交通流状态统计分析方法 - Google Patents
一种基于边缘计算的交通流状态统计分析方法 Download PDFInfo
- Publication number
- CN110930704A CN110930704A CN201911186825.6A CN201911186825A CN110930704A CN 110930704 A CN110930704 A CN 110930704A CN 201911186825 A CN201911186825 A CN 201911186825A CN 110930704 A CN110930704 A CN 110930704A
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- vehicle
- parameters
- data
- time
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于边缘计算的交通流状态统计分析方法,该方法对道路中现有智能交通摄像机,启用卡口数据FTP上传;根据命名元素组装解析协议,解析卡口FTP的上传内容,辅以设备参数、路段参数、车道转向等静态交通参数,进行信息碰撞比对组合;然后将组合后信息,输入交通流参数边缘计算算法,得到前述3指标的计算结果;采用分布式边缘协同合作,利用多个边缘计算节点协同合作,创建一个虚拟的共享数据的视图,利用一个预定义的公共服务接口来将这些数据进行整合,通过这个数据接口,对外提供交通流参数查询服务。本发明方法利用现有设备改造、技术门槛低、技术成熟、方法易实现、效率高、可靠性高、成本低廉,便于在实际智能交通项目中批量应用推广。
Description
技术领域
本发明属于智能交通边缘计算领域,具体涉及一种基于边缘计算的交通流状态统计分析方法。
背景技术
边缘计算起源于传媒领域,是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。而云端计算,仍然可以访问边缘计算的历史数据。
在智慧城市和智能交通行业中,边缘计算的设计初衷是为了让数据能够更接近数据源,边缘计算比云计算中心计算有以下优势:支持更加海量的数据处理,提升数据的处理能力;大幅降低网络传输负载,简化网络结构,降低网络延迟,请求响应快、用户体验好;数据本地化使用,提高数据隐私保护能力。
智能交通终端主机,通常与交通摄像机一样处于网络前端,具备实现边缘计算的良好条件。对智能交通终端主机进行边缘计算化改造,比传统数据传输和中心计算处理,具备更加强大的处理能力、更低的成本、更高效的请求响应,具有重要实用价值。
发明内容
本发明的目的是针对现有技术的不足,提出了一种基于边缘计算的交通流状态统计分析方法,该方法方法易实现、效率高、可靠性高、成本低廉,可以使用低成本方案改造和实现交通流参数边缘计算。
本发明所要解决的问题是通过以下的技术方案来实现的。本发明是一种基于边缘计算的交通流状态统计分析方法,其特点是,该方法采用:
解析FTP协议内部STOR命令的消息机制;
灵活组装协议支持999种自定义协议模型,默认模型元素支持3级目录和9个文件名元素顺序组合;
构建区间式、路段式、区域式的边缘计算节点集群,采用分布式边缘协同合作,创建虚拟的共享数据视图,利用公共服务接口对外提供交通流参数查询服务。
本发明所述的基于边缘计算的交通流状态统计分析方法,其进一步优选的技术方案是:
协议元素包括:协议版本号、分隔符、模型元素、备注;
模型元素中,路径模型元素至少包括3级:即设备IP、时间和记录类型;
文件名元素至少包括9个:即版本号、抓拍员、过车时间、车道号、车牌颜色、车牌号码、车速、图片张数和图片序号;文件名元素中使用的默认组合先后顺序,与所述9个文件名元素顺序完全一致;
灵活组装协议元素,最大支持999种自定义版本协议。
本发明所述的基于边缘计算的交通流状态统计分析方法,其进一步优选的技术方案是:其步骤如下:
(1)对道路中的智能交通摄像机,启用卡口数据FTP上传,至少开启以下12个上传参数:设备IP、时间、记录类型、版本号、抓拍员、过车时间、车道号、车牌颜色、车牌号码、车速、图片张数、图片序号;
(2)灵活组装协议元素,解析卡口FTP上传的数据内容,辅以设备参数、路段参数,进行信息碰撞比对组合,生成组合交通流参数;设备参数包括IP、设备编号,路段参数包括区间代号、距离、出入口类型,车道转向包括车道编号、转向;
(3)根据交通流参数边缘计算算法,输入组合交通流参数,计算得到车辆平均速度、车辆平均旅行时间、车道转向流量3指标的计算结果;
(4)采用分布式边缘协同合作,利用多个边缘计算节点协同合作,创建一个虚拟的共享数据的视图,利用一个预定义的公共服务接口来将这些数据进行整合,通过这个数据接口,对外提供交通流参数查询服务。
本发明所述的基于边缘计算的交通流状态统计分析方法,其进一步优选的技术方案是:步骤(1)中:启用卡口数据FTP上传开启的上传参数还包括违法代码、车身颜色、车辆类型。
本发明所述的基于边缘计算的交通流状态统计分析方法,其进一步优选的技术方案是:步骤(2)中:协议组装是利用多种既定的元素,解析上传数据的一种动态匹配机制;所述的协议组装包括:协议版本号、分隔符、元素模型、备注;元素模型又分为路径和文件名称两部分,其中路径模型元素至少包括3级:设备IP、时间、记录类型;文件名模型元素至少包括9个:版本号、抓拍员、过车时间、车道号、车牌颜色、车牌号码、车速、图片张数、图片序号;协议可支持最多999种自定义模型元素组合。
6、根据权利要求3所述的基于边缘计算的交通流状态统计分析方法,其特征在于,步骤(3)中:车辆平均旅行时间计算,设为Ii,Oj分别为本路段第i辆车的出口,入口过车时间,n为该段统计时间内过车总数;则该路段的车辆平均旅行时间为:
式中,δi为清洗因子:
max(s):当前统计时段内n辆车的最大时差,
min(s):当前统计时段内n辆车的最小时差,
ωlow:下限致信值;
ωhigh:上限致信值;
将组合交通流参数输入平均旅行时间算法,最终得到车辆平均旅行时间计算结果。
本发明所述的基于边缘计算的交通流状态统计分析方法,其进一步优选的技术方案是:步骤(3)中:车辆平均速度计算,设为D为本路段出入口距离长度,则该路段的车辆平均速度t为:
将组合交通流参数输入平均旅行时间算法,最终得到车辆平均旅行时间计算结果。
本发明所述的基于边缘计算的交通流状态统计分析方法,其进一步优选的技术方案是:步骤(3)中:车道转向流量计算,E时段内,R方向,U转向,车道C的转向流量统计F为:
式中,λi-计数器:
c-车道号,
u-转向编号,
r-行驶方向,
e-当前时段。
将组合交通流参数输入转向流量统计算法,最终得到车道转向流量数据。
本发明所述的基于边缘计算的交通流状态统计分析方法,其进一步优选的技术方案是:步骤(3)中:根据统计时段定义,自动遗忘过期的平均速度、旅行时间和转向流量交通数据,实现交通参数归零,归零清理的方式包括:定期清理和惰性清理,惰性清理为访问时才清理。
与现有技术相比,本发明方法的有益效果是:
1、本发明方法中使用的FTP技术门槛低、技术成熟、方法易实现、效率高、可靠性高,便于技术边缘计算技术改造升级。
2、本发明方法摈弃传统通过扫描FTP文件名称解析信息的方法,采用解析FTP协议内部STOR命令的消息机制,实时高效地提取上传信息。
3、本发明方法通过构建区间式、路段式、区域式的按需计算节点集群,采用分布式边缘协同合作,创建一个虚拟的共享数据的视图,利用公共服务接口对外提供交通流参数查询服务;成本低廉,便于在实际智能交通项目中批量应用推广。
4、本发明在智能交通前端设备侧发起边缘计算,能产生更快的网络服务响应,满足智能交通行业在实时流量、路径规划、交通信号控制等方面的基本需求。可以大幅提城市道路交通流的参数采集和计算效率,具有重要实用价值。
附图说明
图1为本发明的设计流程图;
图2和图3为实验路口示意图。
具体实施方式
下面结合附图对本发明的实施方式作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和过程,但本发明的保护范围不限于下述的实施例。
实施例1,一种基于边缘计算的交通流状态统计分析方法,其步骤如下:
步骤1,对道路中现有智能交通摄像机,启用卡口数据FTP上传,至少开启以下12个上传参数:设备IP、时间、记录类型、版本号、抓拍员、过车时间、车道号、车牌颜色、车牌号码、车速、图片张数、图片序号。
步骤2,灵活组装协议元素,解析卡口FTP上传的数据内容,辅以设备参数(IP、设备编号)、路段参数(区间代号、距离、出入口类型)、车道转向(车道编号、转向)等静态交通参数,进行信息碰撞比对组合,生成组合交通流参数。
步骤3,根据交通流参数边缘计算算法,输入组合交通流参数,计算得到车辆平均速度、车辆平均旅行时间、车道转向流量等指标的计算结果。
步骤4,采用分布式边缘协同合作,利用多个边缘计算节点协同合作,创建一个虚拟的共享数据的视图,利用一个预定义的公共服务接口来将这些数据进行整合,通过这个数据接口,对外提供交通流参数查询服务。
实施例2,一种基于边缘计算的交通流状态统计分析方法,其理论具体步骤如下:
步骤1,对道路中现有智能交通摄像机,启用卡口数据FTP上传,至少开启以下12个上传参数:设备IP、时间、记录类型、版本号、抓拍员、过车时间、车道号、车牌颜色、车牌号码、车速、图片张数、图片序号。其余的上传参数,如:违法代码、车身颜色、车辆类型等,可以丰富参数采集的范围,但不是必须项。传统通过扫描文件名称解析信息的方法,受文件系统读写影响大,实时性和稳定性都较低。为解决这个问题,本方法采用从FTP协议内部解析STOR的消息机制,实时高效地提取上传信息。
步骤2,灵活组装协议元素,解析卡口FTP上传的数据内容,辅以设备参数(IP、设备编号)、路段参数(区间代号、距离、出入口类型)、车道转向(车道编号、转向)等静态交通参数,进行信息碰撞比对组合,生成组合交通流参数。协议组装是指利用多种既定的元素,解析上传数据的一种动态匹配机制。本方法设计的协议组装包括:协议版本号、分隔符、元素模型、备注。元素模型又分为路径和文件名称两部分,其中路径模型元素至少包括3级:设备IP、时间、记录类型;文件名模型元素至少包括9个:版本号、抓拍员、过车时间、车道号、车牌颜色、车牌号码、车速、图片张数、图片序号。协议可支持最多999种自定义模型元素组合。
式中,δi为清洗因子:
max(s)-当前统计时段内n辆车的最大时差,
min(s)-当前统计时段内n辆车的最小时差,
ωlow-下限致信值,一般取0.2,
ωhigh-上限致信值,一般取0.8。
将组合交通流参数输入平均旅行时间算法,最终得到车辆平均旅行时间计算结果。
步骤4,车辆平均速度计算,设为D为本路段出入口距离长度,则该路段的车辆平均速度t为:
将组合交通流参数输入平均旅行时间算法,最终得到车辆平均旅行时间计算结果。
步骤5,车道转向流量计算,设流量统计周期一般为10分钟,则E时段内,R方向,U转向,车道C的转向流量统计F为:
式中,λi-计数器:
c-车道号,
u-转向编号,
r-行驶方向,
e-当前时段。
将组合交通流参数输入转向流量统计算法,最终得到车道转向流量数据。
步骤6,交通参数归零。根据统计时段定义,自动遗忘过期的平均速度,旅行时间,转向流量等交通数据,归零清理的方式包括:定期清理和惰性清理(访问时才清理)。
步骤7,分布式边缘协同合作,利用多个边缘计算节点协同合作,创建一个虚拟的共享数据的视图,利用一个预定义的公共服务接口来将这些数据进行整合,通过这个数据接口,对外提供交通流参数查询服务。
步骤8,结束。
实施例3,一种基于边缘计算的交通流状态统计分析方法,其实操具体步骤如下:
步骤1,当前计算节点NodeA,采集路口渠化信息,参照图2和图3,以某实验路口为例;
步骤2,开启出入口相机,配置识别参数:车道号、车道转向、区间长度、区间代号、区间长度,记录过车数据到内存,如下表:
区间代号 | 车道号 | 车牌号 | 进口时间 | 出口时间 |
1 | Null | 苏G12345 | 2019-11-2512∶23∶43 | Null |
1 | 2 | 苏G12345 | Null | 2019-11-2512:24:56 |
2 | Null | 苏G54321 | 2019-11-2512∶12∶33 | Null |
2 | 3 | 苏G54321 | Null | 2019-11-2512∶12:33 |
... | ... | ... | ... | ... |
步骤3,进行数据清洗,比如:未识别车牌、出入口时差过大、出入口时差过小、未识别车道等,过滤不合格的数据,匹配出入口车辆信息后,生成边缘计算缓存表:
步骤4,采用本发明所设计的算法公式,计算最终交通参数:
步骤5,针对对多个边缘计算节点,重复步骤1-步骤4,得到区域内所有的交通参数,创建一个虚拟的共享数据的视图,通过公共服务Restful接口,对外提供交通流参数发布查询服务。
Claims (9)
1.一种基于边缘计算的交通流状态统计分析方法,其特征在于,该方法采用:
解析FTP协议内部STOR命令的消息机制;
灵活组装协议支持999种自定义协议模型,默认模型元素支持3级目录和9个文件名元素顺序组合;
构建区间式、路段式、区域式的边缘计算节点集群,采用分布式边缘协同合作,创建虚拟的共享数据视图,利用公共服务接口对外提供交通流参数查询服务。
2.如权利要求1所述的基于边缘计算的交通流状态统计分析方法,其特征在于,
灵活组装协议包括:协议版本号、分隔符、模型元素、备注;
模型元素中,路径模型元素至少包括3级:即设备IP、时间和记录类型;
文件名元素至少包括9个:即版本号、抓拍员、过车时间、车道号、车牌颜色、车牌号码、车速、图片张数和图片序号;文件名元素中使用的默认组合先后顺序,与所述9个文件名元素顺序完全一致;
灵活组装协议元素,最大支持999种自定义版本协议。
3.根据权利要求1所述的基于边缘计算的交通流状态统计分析方法,其特征在于,其步骤如下:
(1)对道路中的智能交通摄像机,启用卡口数据FTP上传,至少开启以下12个上传参数:设备IP、时间、记录类型、版本号、抓拍员、过车时间、车道号、车牌颜色、车牌号码、车速、图片张数、图片序号;
(2)灵活组装协议元素,解析卡口FTP上传的数据内容,辅以设备参数、路段参数,进行信息碰撞比对组合,生成组合交通流参数;设备参数包括IP、设备编号,路段参数包括区间代号、距离、出入口类型,车道转向包括车道编号、转向;
(3)根据交通流参数边缘计算算法,输入组合交通流参数,计算得到车辆平均速度、车辆平均旅行时间、车道转向流量3指标的计算结果;
(4)采用分布式边缘协同合作,利用多个边缘计算节点协同合作,创建一个虚拟的共享数据的视图,利用一个预定义的公共服务接口来将这些数据进行整合,通过这个数据接口,对外提供交通流参数查询服务。
4.根据权利要求3所述的基于边缘计算的交通流状态统计分析方法,其特征在于,步骤(1)中:启用卡口数据FTP上传开启的上传参数还包括违法代码、车身颜色、车辆类型。
5.根据权利要求3所述的基于边缘计算的交通流状态统计分析方法,其特征在于,步骤(2)中:协议组装是利用多种既定的元素,解析上传数据的一种动态匹配机制;所述的协议组装包括:协议版本号、分隔符、元素模型、备注;元素模型又分为路径和文件名称两部分,其中路径模型元素至少包括3级:设备IP、时间、记录类型;文件名模型元素至少包括9个:版本号、抓拍员、过车时间、车道号、车牌颜色、车牌号码、车速、图片张数、图片序号;协议可支持最多999种自定义模型元素组合。
9.根据权利要求3所述的基于边缘计算的交通流状态统计分析方法,其特征在于,步骤(3)中:根据统计时段定义,自动遗忘过期的平均速度、旅行时间和转向流量交通数据,实现交通参数归零,归零清理的方式包括:定期清理和惰性清理,惰性清理为访问时才清理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911186825.6A CN110930704B (zh) | 2019-11-27 | 2019-11-27 | 一种基于边缘计算的交通流状态统计分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911186825.6A CN110930704B (zh) | 2019-11-27 | 2019-11-27 | 一种基于边缘计算的交通流状态统计分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110930704A true CN110930704A (zh) | 2020-03-27 |
CN110930704B CN110930704B (zh) | 2021-11-05 |
Family
ID=69846978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911186825.6A Active CN110930704B (zh) | 2019-11-27 | 2019-11-27 | 一种基于边缘计算的交通流状态统计分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110930704B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991745A (zh) * | 2021-04-30 | 2021-06-18 | 中南大学 | 分布式框架下交通流动态协同分配方法 |
CN113554875A (zh) * | 2021-03-12 | 2021-10-26 | 北京航空航天大学 | 一种基于边缘计算的高速公路异质交通流可变限速控制方法 |
CN114299727A (zh) * | 2021-12-28 | 2022-04-08 | 杭州电子科技大学 | 一种基于物联网和边缘计算的交通流预测系统及云平台 |
CN116994441A (zh) * | 2023-09-26 | 2023-11-03 | 北京清创美科环境科技有限公司 | 一种交通流信息数据处理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100117861A1 (en) * | 2008-10-27 | 2010-05-13 | Free James J | Self scheduling flow system with readout as infrastructure |
US20140132425A1 (en) * | 2010-09-30 | 2014-05-15 | Wolfgang Erich Buckel | Traffic Analysis Using Wireless Receivers and Vehicle Detection Devices |
CN104683419A (zh) * | 2013-12-03 | 2015-06-03 | 航天信息股份有限公司 | 一种基于android系统和m2m的通信方法和系统 |
CN106251620A (zh) * | 2016-09-26 | 2016-12-21 | 北京东土科技股份有限公司 | 基于智能交通云控制系统的中心系统 |
CN107634837A (zh) * | 2017-11-01 | 2018-01-26 | 安徽大学 | 基于边缘计算的车联网高效消息认证方法 |
CN109686082A (zh) * | 2018-12-07 | 2019-04-26 | 西安电子科技大学 | 一种基于边缘计算节点的城市交通监测系统及部署方法 |
-
2019
- 2019-11-27 CN CN201911186825.6A patent/CN110930704B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100117861A1 (en) * | 2008-10-27 | 2010-05-13 | Free James J | Self scheduling flow system with readout as infrastructure |
US20140132425A1 (en) * | 2010-09-30 | 2014-05-15 | Wolfgang Erich Buckel | Traffic Analysis Using Wireless Receivers and Vehicle Detection Devices |
CN104683419A (zh) * | 2013-12-03 | 2015-06-03 | 航天信息股份有限公司 | 一种基于android系统和m2m的通信方法和系统 |
CN106251620A (zh) * | 2016-09-26 | 2016-12-21 | 北京东土科技股份有限公司 | 基于智能交通云控制系统的中心系统 |
CN107634837A (zh) * | 2017-11-01 | 2018-01-26 | 安徽大学 | 基于边缘计算的车联网高效消息认证方法 |
CN109686082A (zh) * | 2018-12-07 | 2019-04-26 | 西安电子科技大学 | 一种基于边缘计算节点的城市交通监测系统及部署方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554875A (zh) * | 2021-03-12 | 2021-10-26 | 北京航空航天大学 | 一种基于边缘计算的高速公路异质交通流可变限速控制方法 |
CN112991745A (zh) * | 2021-04-30 | 2021-06-18 | 中南大学 | 分布式框架下交通流动态协同分配方法 |
CN114299727A (zh) * | 2021-12-28 | 2022-04-08 | 杭州电子科技大学 | 一种基于物联网和边缘计算的交通流预测系统及云平台 |
CN116994441A (zh) * | 2023-09-26 | 2023-11-03 | 北京清创美科环境科技有限公司 | 一种交通流信息数据处理方法及系统 |
CN116994441B (zh) * | 2023-09-26 | 2023-12-12 | 北京清创美科环境科技有限公司 | 一种交通流信息数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110930704B (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110930704B (zh) | 一种基于边缘计算的交通流状态统计分析方法 | |
CN104145472B (zh) | 存储数据记录的方法和装置 | |
US20220044025A1 (en) | Parking detection method and device based on visual difference | |
CN113205691B (zh) | 一种识别车辆位置的方法及装置 | |
CN105702068A (zh) | 一种基于移动终端的高级驾驶辅助系统 | |
CN105376709A (zh) | 基于移动通信技术统计区域人口数量的方法及系统 | |
CN104239309A (zh) | 视频分析检索服务端、系统及方法 | |
CN109270565A (zh) | 一种车载gps大数据的处理装置 | |
CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
CN112633156A (zh) | 车辆检测方法、图像处理装置以及计算机可读存储介质 | |
CA3101864A1 (en) | Systems and methods for identifying vehicles using wireless device identifiers | |
CN110580670A (zh) | 基于物联网的智慧城市管理系统 | |
US20230057564A1 (en) | Methods for managing cleaning routes in smart cities, internet of things systems, and storage mediums | |
CN115565369A (zh) | 一种基于超图的时空超图卷积交通流量预测方法及系统 | |
CN111445701A (zh) | 租车违章信息大数据登记系统及方法 | |
Chen et al. | MRSI: A multimodal proximity remote sensing data set for environment perception in rail transit | |
CN114140719A (zh) | 一种ai交通视频分析技术 | |
CN113486885A (zh) | 一种车牌识别方法、装置、电子设备及存储介质 | |
CN117151959A (zh) | 一种用于城市管理的实时视频分析方法、系统及存储介质 | |
CN107895487A (zh) | 一种基于大数据进行相似车牌串并的方法 | |
DE102016014450B3 (de) | Verfahren zur Erfassung eines Fahrzeugidentifikationsmittels eines Fahrzeugs | |
CN115311864A (zh) | 一种基于多视角动态图卷积网络的交通流预测方法 | |
CN101783031A (zh) | 高速路网车辆路径识别方法、终端和系统 | |
Feng et al. | LessNet: Lightweight and efficient semantic segmentation for large‐scale point clouds | |
CN205320155U (zh) | 一种一体化车牌识别高清网络摄像机 |
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 |