CN111402586A - 基于车联网的公路气象环境预报预警控制系统和方法 - Google Patents

基于车联网的公路气象环境预报预警控制系统和方法 Download PDF

Info

Publication number
CN111402586A
CN111402586A CN202010225154.6A CN202010225154A CN111402586A CN 111402586 A CN111402586 A CN 111402586A CN 202010225154 A CN202010225154 A CN 202010225154A CN 111402586 A CN111402586 A CN 111402586A
Authority
CN
China
Prior art keywords
information
early warning
vehicles
data
bsm
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
Application number
CN202010225154.6A
Other languages
English (en)
Inventor
张兵
薛运强
颜瑞丰
张校梁
李嘉
彭理群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Jiaotong University
Original Assignee
East China Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by East China Jiaotong University filed Critical East China Jiaotong University
Priority to CN202010225154.6A priority Critical patent/CN111402586A/zh
Publication of CN111402586A publication Critical patent/CN111402586A/zh
Pending legal-status Critical Current

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
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Abstract

本发明提供了一种基于车联网的公路气象环境预报预警控制系统和方法，属于智能车辆技术领域，包括：通过所述网络通信模块与本地路侧智能控制基站进行通信，获取多源交通数据、气象数据，并将所述多源交通数据和气象数据进行编码处理，得到车联网BSM数据集；基于交通气象信息与路面安全等级的判别算法，实时检测所述车联网BSM数据集中的气象环境导致的高速公路车辆风险事件概率，并基于粗糙集和信息熵度量方法对所述车联网BSM数据集进行碰撞预测并输出风险预测信息；根据所述风险预测信息进行避险警告或辅助操作处理，并实时更新数据库。本发明满足实时预警的功能需求，可广泛应用于各种道路气象环境的防撞预警、安全驾驶辅助系统。

Description

基于车联网的公路气象环境预报预警控制系统和方法
技术领域
本发明属于智能车辆技术领域，具体涉及一种基于车联网的公路气象环境预报预警控制系统和方法。
背景技术
近年来,我国高速公路交通安全建设发展迅速,但天气条件的变化,特别是极端恶劣天气条件给高速公路的车辆行驶带来了安全风险。有关交通方面的天气条件监测是高速公路科学运营的一个重要依据,例如雨、雪、雾等。
高速公路作为交通运输体系的重要组成部分,为公众出行和货物运输提供快捷、高效、安全运输服务。截至2016年底,中国高速公路总里程突破13万公里,居世界第一位。然而,恶劣气象条件下造成的交通事故及其引发的次生灾害频发,已经严重影响人民生命财产安全和国民经济有序发展。因此,为交通管护和公众出行提供准确、实时的气象风险预警信息对交通安全保障具有重要意义,研究高速公路交通气象灾害风险预警技术已成为交通和气象部门共同面对的一项急迫而重要课题。现有技术中，仅能通过手机地图app及电台广播进行对恶劣气象条件下的路面行驶车辆进行提醒，在不打开电台或不使用手机导航的情况下无法及时获取气象信息以及相关预警信息。
车联网技术为高速公路不利天气下的安全行驶提供了有效的手段，基于此本发明提出了一种新的车联网环境下气象环境预报预警控制系统和方法。
发明内容
为了克服上述现有技术存在的不足，本发明提供了一种基于车联网的公路气象环境预报预警控制系统和方法。
为了实现上述目的，本发明提供如下技术方案：
一种基于车联网的公路气象环境预报预警控制系统和方法，包括：
数据采集与处理模块，用于感知获取多源交通数据、气象数据，并将所述多源交通数据和气象数据进行编码处理，得到车联网BSM数据集；
网络通信模块，用于车联网环境中V2X双向传输的无线通信；
场景处理模块，基于交通气象信息与路面安全等级的判别算法，实时检测所述车联网BSM数据集中的气象环境导致的高速公路车辆风险事件概率，并基于粗糙集和信息熵度量方法对所述车联网BSM数据集进行碰撞预测并输出风险预测信息；
辅助驾驶模块，调用所述场景处理模块获得的路面湿滑及路面能见度值，根据路面湿滑等级及路面能见度等级进行驾驶行为预警或语音预警，并提醒控制基站适当采取紧急封路措施；
防撞预警模块，根据车间冲突风险程度给驾驶人员提供避碰预警或辅助操作提示，提醒驾驶人员适当采取紧急避碰措施；其中，所述车间冲突风险程度是调用所述场景处理模块中的判别算法，基于BSM数据中的行车间距及路面状况进行判别。
优选地，所述数据采集与处理模块通过网络通信模块与本地路侧智能控制基站检测器及测速探头进行通信，实时获取预警车辆和相邻车辆的运动状态信息、相对位置信息、速度信息、驾驶行为操控信息、交通环境条件。
优选地，所述数据采集与处理模块根据SAE J2735协议，使用ASN.1对原始数据进行编码操作，得到车联网BSM数据集。
优选地，所述网络通信模块通过信号收发装置实现预警车辆内部各设备之间、车辆之间以及车辆与道路基础设施之间的移动互联。
本发明还提供一种基于车联网的公路气象环境预报预警控制系统的控制方法，包括以下步骤：
步骤1、数据采集与处理模块通过所述网络通信模块与本地路侧智能控制基站进行通信，获取多源交通数据、气象数据，并将所述多源交通数据和气象数据进行编码处理，得到车联网BSM数据集；
步骤2、场景处理模块基于交通气象信息与路面安全等级的判别算法，实时检测所述车联网BSM数据集中的气象环境导致的高速公路车辆风险事件概率，并基于粗糙集和信息熵度量方法对所述车联网BSM数据集进行碰撞预测并输出风险预测信息；
步骤3、防撞预警模块和辅助驾驶模块根据所述风险预测信息进行避险警告或辅助操作处理，并实时更新数据库。
优选地，所述步骤1中，本地路侧智能控制基站载入本地路段信息、车道地理信息
Figure BDA0002427401710000031
和交通气象信息Mapi，并将载入的信息上传到交通控制中心TMC，所述数据采集与处理模块通过所述网络通信模块与交通控制中心TMC获取所述本地路段信息、车道地理信息
Figure BDA0002427401710000032
和交通气象信息Mapi；
优选地，所述步骤2具体包括以下步骤：
场景处理步骤，对标准化的车联网BSM信息进行离散化处理并生成决策表，通过粗糙集理论对其进行约简处理后，输出规则事件库；
碰撞预测步骤，利用信息熵度量方法的碰撞预警算法，对V2X通信传输的车联网BSM信息集进行车辆间冲突风险的结果预测；
其中，信息熵度量方法的碰撞预警算法如下所示：
H(x)＝E[I(xi)]＝E[log(2,1/P(xi))]＝-∑P(xi)log(2,P(xi))(i＝1,2,..n)
其中，x表示随机变量，即BSM信息集中的相应参数，与之相对应的是所有可能输出的集合，定义为符号R集；P(x)表示输出概率函数；
结果优化步骤，利用梯度下降法对算法的预测结果进行优化，调整约简后的各条件属性的权重，使得算法整体的预测准确度更高。
优选地，所述场景处理模块的规则学习包括：
对解码后的车联网BSM信息进行离散化处理并对条件属性进行分类量化，所述条件属性用于表征车量所处气象环境及运动状态；
基于量化后的条件属性数据生成行车安全状态决策表，所述行车安全状态决策表的每一行包括条件属性及决策属性，其中所述决策属性用于表征车辆在对应条件属性下所应采取的操作；
对所述行车安全状态决策表进行简约处理以生成规则。
优选地，所述场景处理模块的决策判断包括：
获取新事件(实时)BSM信息，通过信息熵算法
H(x)＝E[I(xi)]＝E[log(2,1/P(xi))]＝-∑P(xi)log(2,P(xi))(i＝1,2,..n)
计算车联网BSM信息的信息熵值，然后与知识库中的规则计算相似度；
加权新事件的各条件属性与规则中各条件属性的相似度以获取新事件与规则的加权相似度；
选择与新事件的加权相似度最大的规则，根据该规则的决策得出车辆间冲突风险评估决策结果。
本发明提供的基于车联网的公路气象环境预报预警控制系统和方法具有以下有益效果：
(1)本发明在基于车联网对高速公路路面气象信息进行实时监测并实时对行车安全进行预警，充分考虑了人、车、路多方面的车辆安全运行影响因素，提高了复杂道路交通气象环境下碰撞风险及车道偏离风险辨识的准确性；
(2)本发明计算速度快，满足实时预警的功能需求，可以广泛应用于各种道路气象环境的防撞预警、安全驾驶辅助系统，用于评估和预测；
(3)本发明能够解决高速公路极端恶劣天气下车辆安全行驶带来的风险预警，保证在恶劣天气下车辆安全行驶，用于评估和预测及预防道路安全隐患；
(4)本发明在传统气象及路面情况预警模型的基础上提出的基于车联网BSM信息融合的气象预警监控装置及方法，结合基于粗糙集和信息熵度量方法对行车过程中的汽车防撞风险程度进行判断，并及时予以预警。
附图说明
图1为本发明实施例1的基于车联网的公路气象环境预报预警控制方法的流程图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方案并能予以实施，下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本发明提供了一种基于车联网的公路气象环境预报预警控制系统，包括：
数据采集与处理模块，用于感知获取多源交通数据、气象数据，并将多源交通数据和气象数据进行编码处理，得到车联网BSM数据集；
网络通信模块，用于车联网环境中V2X双向传输的无线通信；
场景处理模块，基于交通气象信息与路面安全等级的判别算法，实时检测车联网BSM数据集中的气象环境导致的高速公路车辆风险事件概率，并基于粗糙集和信息熵度量方法对车联网BSM数据集进行碰撞预测并输出风险预测信息；
辅助驾驶模块，调用场景处理模块获得的路面湿滑及路面能见度值，根据路面湿滑等级及路面能见度等级进行驾驶行为预警或语音预警，并提醒控制基站适当采取紧急封路措施；
防撞预警模块，根据车间冲突风险程度给驾驶人员提供避碰预警或辅助操作提示，提醒驾驶人员适当采取紧急避碰措施；其中，车间冲突风险程度是调用场景处理模块中的判别算法，基于BSM数据中的行车间距及路面状况进行判别。
进一步地，本实施例中，数据采集与处理模块通过网络通信模块与本地路侧智能控制基站检测器及测速探头进行通信，实时获取预警车辆和相邻车辆的运动状态信息、相对位置信息、速度信息、驾驶行为操控信息、交通环境条件。
同时，数据采集与处理模块根据SAE J2735协议，使用ASN.1对原始数据进行编码操作，得到车联网BSM数据集。网络通信模块通过信号收发装置实现预警车辆内部各设备之间、车辆之间以及车辆与道路基础设施之间的移动互联。
基于上述系统，本发明还提供一种基于车联网的公路气象环境预报预警控制方法，包括以下步骤：
步骤1、数据采集与处理模块通过网络通信模块与本地路侧智能控制基站进行通信，获取多源交通数据、气象数据，并将多源交通数据和气象数据进行编码处理，得到车联网BSM数据集；
具体的，步骤1中，本地路侧智能控制基站载入本地路段信息、车道地理信息
Figure BDA0002427401710000061
和交通气象信息Mapi，并将载入的信息上传到交通控制中心TMC，数据采集与处理模块通过网络通信模块与交通控制中心TMC获取本地路段信息、车道地理信息
Figure BDA0002427401710000062
和交通气象信息Mapi；
步骤2、场景处理模块基于交通气象信息与路面安全等级的判别算法，实时检测车联网BSM数据集中的气象环境导致的高速公路车辆风险事件概率，并基于粗糙集和信息熵度量方法对车联网BSM数据集进行碰撞预测并输出风险预测信息；具体包括以下步骤：
场景处理步骤，对标准化的车联网BSM信息进行离散化处理并生成决策表，通过粗糙集理论对其进行约简处理后，输出规则事件库；
碰撞预测步骤，利用信息熵度量方法的碰撞预警算法，对V2X通信传输的车联网BSM信息集进行车辆间冲突风险的结果预测；
其中，信息熵度量方法的碰撞预警算法如下所示：
H(x)＝E[I(xi)]＝E[log(2,1/P(xi))]＝-∑P(xi)log(2,P(xi))(i＝1,2,..n)
其中，x表示随机变量，即BSM信息集中的相应参数，与之相对应的是所有可能输出的集合，定义为符号R集；P(x)表示输出概率函数；
结果优化步骤，利用梯度下降法对算法的预测结果进行优化，调整约简后的各条件属性的权重，使得算法整体的预测准确度更高；
步骤3、防撞预警模块和辅助驾驶模块根据风险预测信息进行避险警告或辅助操作处理，并实时更新数据库。
进一步地，场景处理模块的规则学习包括：
对解码后的车联网BSM信息进行离散化处理并对条件属性进行分类量化，条件属性用于表征车量所处气象环境及运动状态；
基于量化后的条件属性数据生成行车安全状态决策表，行车安全状态决策表的每一行包括条件属性及决策属性，其中决策属性用于表征车辆在对应条件属性下所应采取的操作；
对行车安全状态决策表进行简约处理以生成规则。
优选地，场景处理模块的决策判断包括：
获取新事件(实时)BSM信息，通过信息熵算法
H(x)＝E[I(xi)]＝E[log(2,1/P(xi))]＝-∑P(xi)log(2,P(xi))(i＝1,2,..n)
计算车联网BSM信息的信息熵值，然后与知识库中的规则计算相似度；
加权新事件的各条件属性与规则中各条件属性的相似度以获取新事件与规则的加权相似度；
选择与新事件的加权相似度最大的规则，根据该规则的决策得出车辆间冲突风险评估决策结果。
下面通过具体实施例对上述方法做进一步说明，具体如图1所示，包括以下步骤：
(1)本地路侧智能控制基站载入本地路段、车道地理信息
Figure BDA0002427401710000071
交通气象信息Mapj；路段信息包括：路段ID，长度Length，方向Dir，起始点O，终点D；车道信息包括：包括：车道ID，长度Length，宽度Width，方向Dir，起始点O，终点D，特征点M，交通气象信息包括：能见度X，路面摩擦系数f，并上传到交通控制中心TMC；
(2)交通控制中心TMC接收路侧智能控制基站的数据、对数据进行编码处理，得到车联网BSM数据集；然后根据数据集并进行判断FRi≤f≤FR(i+1)与XDi≤x≤XD(i+1)，匹配获得当前车辆在路段和车道上的交通气象映射
Figure BDA0002427401710000081
交通气象信息提示集Mapj包括路况状态提示a，风险程度标志颜色提示b，语音预警提示c，辅助驾驶提示d，封路提示e；
(3)交通控制中心TMC根据路面摩擦系数如表1所示判断路面湿滑程度等级；
表1路面湿滑程度等级
Figure BDA0002427401710000082
(4)交通控制中心TMC根据能见度如表2所示判断雾天等级；
表2雾天等级表
Figure BDA0002427401710000083
Figure BDA0002427401710000091
(5)交通控制中心TMC下传到路侧智能控制基站；
(6)若该时段路面摩擦系数F>0.5，能见度X>500,若有车辆汇入，通过路侧智能控制基站广播下传至车载设备OBU：1.状态提示：1级干燥清洁路面安全，0级能见度较好，安全驾驶；2.标志颜色(蓝色，蓝色)；3.语音预警(安全，限速120km/h)；4.辅助驾驶(无)；5.封路(无)；
(7)判断程序是否执行，若为是，则结束程序，返回管控主程序；若为否，则转入到开始继续执行。
本实施例中，数据采集与处理模块及场景处理模块设置在交通控制中心TMC，防碰撞预警模块和辅助驾驶模块设置在车内。
以上实施例仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换，均属于本发明的保护范围。

Claims (9)

1.一种基于车联网的公路气象环境预报预警控制系统，其特征在于，包括：
数据采集与处理模块，用于感知获取多源交通数据、气象数据，并将所述多源交通数据和气象数据进行编码处理，得到车联网BSM数据集；
网络通信模块，用于车联网环境中V2X双向传输的无线通信；
场景处理模块，基于交通气象信息与路面安全等级的判别算法，实时检测所述车联网BSM数据集中的气象环境导致的高速公路车辆风险事件概率，并基于粗糙集和信息熵度量方法对所述车联网BSM数据集进行碰撞预测并输出风险预测信息；
辅助驾驶模块，调用所述场景处理模块获得的路面湿滑及路面能见度值，根据路面湿滑等级及路面能见度等级进行驾驶行为预警或语音预警，并提醒控制基站适当采取紧急封路措施；
防撞预警模块，根据车间冲突风险程度给驾驶人员提供避碰预警或辅助操作提示，提醒驾驶人员适当采取紧急避碰措施；其中，所述车间冲突风险程度是调用所述场景处理模块中的判别算法，基于BSM数据中的行车间距及路面状况进行判别。
2.根据权利要求1所述的基于车联网的公路气象环境预报预警控制系统，其特征在于，所述数据采集与处理模块通过网络通信模块与本地路侧智能控制基站检测器及测速探头进行通信，实时获取预警车辆和相邻车辆的运动状态信息、相对位置信息、速度信息、驾驶行为操控信息、交通环境条件。
3.根据权利要求1所述的基于车联网的公路气象环境预报预警控制系统，其特征在于，所述数据采集与处理模块根据SAE J2735协议，使用ASN.1对原始数据进行编码操作，得到车联网BSM数据集。
4.根据权利要求1所述的基于车联网的公路气象环境预报预警控制系统，其特征在于，所述网络通信模块通过信号收发装置实现预警车辆内部各设备之间、车辆之间以及车辆与道路基础设施之间的移动互联。
5.一种根据权利要求1至4任一项所述的基于车联网的公路气象环境预报预警控制系统的控制方法，其特征在于，包括以下步骤：
步骤1、数据采集与处理模块通过所述网络通信模块与本地路侧智能控制基站进行通信，获取多源交通数据、气象数据，并将所述多源交通数据和气象数据进行编码处理，得到车联网BSM数据集；
步骤2、场景处理模块基于交通气象信息与路面安全等级的判别算法，实时检测所述车联网BSM数据集中的气象环境导致的高速公路车辆风险事件概率，并基于粗糙集和信息熵度量方法对所述车联网BSM数据集进行碰撞预测并输出风险预测信息；
步骤3、防撞预警模块和辅助驾驶模块根据所述风险预测信息进行避险警告或辅助操作处理，并实时更新数据库。
6.根据权利要求5所述的基于车联网的公路气象环境预报预警控制方法，其特征在于，所述步骤1中，本地路侧智能控制基站载入本地路段信息、车道地理信息
Figure FDA0002427401700000021
和交通气象信息Mapi，并将载入的信息上传到交通控制中心TMC，所述数据采集与处理模块通过所述网络通信模块与交通控制中心TMC获取所述本地路段信息、车道地理信息
Figure FDA0002427401700000022
和交通气象信息Mapi。
7.根据权利要求6所述的基于车联网的公路气象环境预报预警控制方法，其特征在于，所述步骤2具体包括以下步骤：
场景处理步骤，对标准化的车联网BSM信息进行离散化处理并生成决策表，通过粗糙集理论对其进行约简处理后，输出规则事件库；
碰撞预测步骤，利用信息熵度量方法的碰撞预警算法，对V2X通信传输的车联网BSM信息集进行车辆间冲突风险的结果预测；
其中，信息熵度量方法的碰撞预警算法如下所示：
H(x)＝E[I(xi)]＝E[log(2,1/P(xi))]＝-∑P(xi)log(2,P(xi))(i＝1,2,..n)
其中，x表示随机变量，即BSM信息集中的相应参数，与之相对应的是所有可能输出的集合，定义为符号R集；P(x)表示输出概率函数；
结果优化步骤，利用梯度下降法对算法的预测结果进行优化，调整约简后的各条件属性的权重，使得算法整体的预测准确度更高。
8.根据权利要求7所述的基于车联网的公路气象环境预报预警控制方法，其特征在于，所述场景处理模块的规则学习包括：
对解码后的车联网BSM信息进行离散化处理并对条件属性进行分类量化，所述条件属性用于表征车量所处气象环境及运动状态；
基于量化后的条件属性数据生成行车安全状态决策表，所述行车安全状态决策表的每一行包括条件属性及决策属性，其中所述决策属性用于表征车辆在对应条件属性下所应采取的操作；
对所述行车安全状态决策表进行简约处理以生成规则。
9.根据权利要求7所述的基于车联网的公路气象环境预报预警控制方法，其特征在于，所述场景处理模块的决策判断包括：
获取新事件(实时)BSM信息，通过信息熵算法
H(x)＝E[I(xi)]＝E[log(2,1/P(xi))]＝-∑P(xi)log(2,P(xi))(i＝1,2,..n)
计算车联网BSM信息的信息熵值，然后与知识库中的规则计算相似度；
加权新事件的各条件属性与规则中各条件属性的相似度以获取新事件与规则的加权相似度；
选择与新事件的加权相似度最大的规则，根据该规则的决策得出车辆间冲突风险评估决策结果。
CN202010225154.6A 2020-03-26 2020-03-26 基于车联网的公路气象环境预报预警控制系统和方法 Pending CN111402586A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010225154.6A CN111402586A (zh) 2020-03-26 2020-03-26 基于车联网的公路气象环境预报预警控制系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010225154.6A CN111402586A (zh) 2020-03-26 2020-03-26 基于车联网的公路气象环境预报预警控制系统和方法

Publications (1)

Publication Number Publication Date
CN111402586A true CN111402586A (zh) 2020-07-10

Family

ID=71429262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010225154.6A Pending CN111402586A (zh) 2020-03-26 2020-03-26 基于车联网的公路气象环境预报预警控制系统和方法

Country Status (1)

Country Link
CN (1) CN111402586A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113276882A (zh) * 2021-04-22 2021-08-20 清华大学苏州汽车研究院（相城） 自动驾驶车辆控制方法、控制系统及目标速度的计算方法
CN114399924A (zh) * 2022-02-15 2022-04-26 青岛海信网络科技股份有限公司 一种车辆、边缘计算设备、服务器及信息传输方法
CN114613127A (zh) * 2022-02-10 2022-06-10 江苏大学 一种基于多层面多维度指标体系的行车风险预测方法
CN115081508A (zh) * 2022-04-26 2022-09-20 同济大学 一种基于交通数字孪生的交通运行风险平行仿真系统
CN115649088A (zh) * 2022-11-22 2023-01-31 广州万协通信息技术有限公司 基于安全芯片数据的车辆辅助驾驶控制方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007257338A (ja) * 2006-03-23 2007-10-04 Toyota Central Res & Dev Lab Inc 潜在危険度推定装置
CN105809953A (zh) * 2014-12-27 2016-07-27 吉林大学 一种基于m2m的城市交通流车路协同控制方法
CN106448267A (zh) * 2016-11-14 2017-02-22 江苏大学 基于车联网的道路交通事故链阻断系统
CN109660967A (zh) * 2019-02-18 2019-04-19 华东交通大学 一种基于车联网bsm信息融合的行车安全监控装置与方法
CN110299010A (zh) * 2019-07-26 2019-10-01 交通运输部公路科学研究所 一种面向车路协同路侧设备的信息处理方法
CN110853357A (zh) * 2019-12-02 2020-02-28 华东交通大学 高速公路危险路段及施工区域预警控制系统和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007257338A (ja) * 2006-03-23 2007-10-04 Toyota Central Res & Dev Lab Inc 潜在危険度推定装置
CN105809953A (zh) * 2014-12-27 2016-07-27 吉林大学 一种基于m2m的城市交通流车路协同控制方法
CN106448267A (zh) * 2016-11-14 2017-02-22 江苏大学 基于车联网的道路交通事故链阻断系统
CN109660967A (zh) * 2019-02-18 2019-04-19 华东交通大学 一种基于车联网bsm信息融合的行车安全监控装置与方法
CN110299010A (zh) * 2019-07-26 2019-10-01 交通运输部公路科学研究所 一种面向车路协同路侧设备的信息处理方法
CN110853357A (zh) * 2019-12-02 2020-02-28 华东交通大学 高速公路危险路段及施工区域预警控制系统和方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113276882A (zh) * 2021-04-22 2021-08-20 清华大学苏州汽车研究院（相城） 自动驾驶车辆控制方法、控制系统及目标速度的计算方法
CN114613127A (zh) * 2022-02-10 2022-06-10 江苏大学 一种基于多层面多维度指标体系的行车风险预测方法
CN114399924A (zh) * 2022-02-15 2022-04-26 青岛海信网络科技股份有限公司 一种车辆、边缘计算设备、服务器及信息传输方法
CN115081508A (zh) * 2022-04-26 2022-09-20 同济大学 一种基于交通数字孪生的交通运行风险平行仿真系统
CN115081508B (zh) * 2022-04-26 2024-04-16 同济大学 一种基于交通数字孪生的交通运行风险平行仿真系统
CN115649088A (zh) * 2022-11-22 2023-01-31 广州万协通信息技术有限公司 基于安全芯片数据的车辆辅助驾驶控制方法及装置
CN115649088B (zh) * 2022-11-22 2023-09-26 广州万协通信息技术有限公司 基于安全芯片数据的车辆辅助驾驶控制方法及装置

Similar Documents

Publication Publication Date Title
US11447150B2 (en) Comfort-based self-driving planning method
CN111402586A (zh) 基于车联网的公路气象环境预报预警控制系统和方法
CN106846863B (zh) 基于增强现实和云端智能决策的事故黑点警告系统及方法
CN112071061B (zh) 基于云计算和数据分析的车辆服务系统
Chen et al. Analysis of factors affecting the severity of automated vehicle crashes using XGBoost model combining POI data
Yang et al. Image-based visibility estimation algorithm for intelligent transportation systems
CN104978853A (zh) 一种道路交通安全评估方法及系统
CN103050013B (zh) 基于车联网技术的车辆分级限速监控方法及其装置
CA3115091C (en) Systems and methods for automatic breakdown detection and roadside assistance
CN110675626B (zh) 基于多维数据的交通事故黑点预测方法、装置及介质
CN111477005A (zh) 一种基于车辆状态及行车环境的智能感知预警方法及系统
CN114118795A (zh) 智能重载高速公路的安全风险度评估分级及动态预警方法
CN113178068A (zh) 一种基于浮动车的道路拥堵指数计算方法及系统
CN108665084B (zh) 一种对驾驶风险的预测方法及系统
CA3110740A1 (en) Applying machine learning to telematics data to predict accident outcomes
CN114283606A (zh) 用于车辆导航的方法、装置、设备、系统和云控平台
CN112907955A (zh) 一种基于信息融合的车路协同系统的评价方法
CN114363316A (zh) 一种跨区域道路基础设施智能联网监测与监管系统
CN113112841A (zh) 一种基于路面湿滑状态感知的车辆智能引导系统
Yu et al. Prediction of instantaneous driving safety in emergency scenarios based on connected vehicle basic safety messages
Wang et al. ARIMA model and few-shot learning for vehicle speed time series analysis and prediction
Ambros et al. Identification of road horizontal alignment inconsistencies–A pilot study from the Czech Republic
Zamytskih et al. Determination of instant social risk for a moving vehicle
CN114882710A (zh) 一种基于雾天能见度实时监测的汽车智能预警系统
Xiong Data Acquisition and Mining Algorithm of Car Networking under Big Data Background.

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