CN111462507A - 信号数据处理方法、系统、计算机设备和存储介质 - Google Patents
信号数据处理方法、系统、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111462507A CN111462507A CN202010128278.2A CN202010128278A CN111462507A CN 111462507 A CN111462507 A CN 111462507A CN 202010128278 A CN202010128278 A CN 202010128278A CN 111462507 A CN111462507 A CN 111462507A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- signal state
- time
- signal
- target
- 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
- 238000003672 processing method Methods 0.000 title abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 24
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 230000004927 fusion Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及人工智能，提供一种信号数据处理方法、系统、计算机设备和存储介质。所述方法包括：控制服务器获取触发时间，触发时间是视频检测器检测到车辆时生成的；根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间。根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制。采用本方法能够提高控制信号灯的精准度。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种信号数据处理方法、系统、计算机设备和存储介质。
背景技术
随着汽车保有量逐年攀升，交通拥堵问题日益严重，交叉口的红绿信号灯配时收到越来越多的关注，对于交通信号配时精准度的要求也越来越高。目前，对于信号灯的配时模式通常是采用粗放的模式，即通过设定好的规则进行对信号灯的信号进行控制。
然而，目前对于信号灯信号的控制处理方法，无法满足对交通信号灯的信号精准控制。
发明内容
基于此，有必要针对上述技术问题，提供一种能够精准控制信号灯的信号数据处理方法、系统、计算机设备和存储介质。
一种信号数据处理方法，所述方法包括：
控制服务器获取触发时间，触发时间是视频检测器检测到车辆时生成的；
控制服务器根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；
控制服务器获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间；
控制服务器根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制。
在其中一个实施例中，在获取触发时间，触发时间是视频检测器检测到车辆时生成的之前，还包括：
视频检测器监控预设虚拟线圈，得到监控视频；
视频检测器根据监控视频的灰度值确定目标视频图像，检测目标视频图像，当检测到目标视频图像中存在车辆时，生成触发时间。
在其中一个实施例中，检测目标视频图像，包括：
视频检测器将目标视频图像输入到已训练的车辆识别模型中进行检测，得到目标视频图像中是否存在车辆的检测结果，已训练的车辆识别模型是根据历史监控视频使用神经网络算法进行训练得到的。
在其中一个实施例中，在根据触发时间获取在预设时间范围内的射频识别数据之前，还包括：
控制服务器接收射频识别检测器发送的射频识别数据，并获取当前时间，射频识别数据是射频识别检测器检测到目标车辆时生成的；
控制服务器将射频识别数据和当前时间关联保存。
在其中一个实施例中，在接收射频识别检测器发送的射频识别数据，并获取当前时间，射频识别数据是射频识别检测器检测到目标车辆时生成的之前，还包括：
射频识别检测器发射第一频率信号，并接收返回信号，根据返回信号确定车辆身份和返回信号对应的第二频率，第一频率信号用于检测目标车辆的车辆身份和车辆速度，第二频率是指根据第一频率信号中的第一频率反射的第二频率；
射频识别检测器根据第二频率和第一频率确定车辆速度，根据车辆身份和车辆速度得到射频识别数据。
在其中一个实施例中，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制，包括：
控制服务器获取通行信号状态，当通行信号状态与初始信号状态一致且通行信号状态与目标信号状态不一致时，控制信号灯延长初始信号状态的时间。
在其中一个实施例中，在获取通行信号状态之后，还包括：
当通行信号状态与初始信号状态不一致且通行信号状态与目标信号状态不一致，控制信号灯缩减初始信号状态的时间。
一种信号灯控制系统，系统包括：
视频检测器，用于检测到车辆时生成触发时间并发送至控制服务器；
射频识别检测器，用于检测到目标车辆时生成射频识别数据，并将目标车辆对应的射频识别数据发送至控制服务器；
控制服务器，用于获取视频检测器发送的触发时间，根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间；根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
控制服务器获取触发时间，触发时间是视频检测器检测到车辆时生成的；
控制服务器根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；
控制服务器获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间；
控制服务器根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
控制服务器获取触发时间，触发时间是视频检测器检测到车辆时生成的；
控制服务器根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；
控制服务器获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间；
控制服务器根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制。
上述信号数据处理方法、系统、计算机设备和存储介质，通过视频检测器检测获取到触发时间；根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间；根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制，从而实现了对信号灯信号的精准控制。
附图说明
图1为一个实施例中信号数据处理方法的应用场景图；
图2为一个实施例中信号数据处理方法的流程示意图；
图3为一个实施例中生成触发时间的流程示意图；
图4为一个实施例中保存射频识别数据的流程示意图；
图5为一个实施例中得到射频识别数据的流程示意图；
图6为一个具体实施例中信号数据处理方法的应用场景图；
图7为一个实施例中信号灯控制系统的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的信号数据处理方法，可以应用于如图1所示的应用环境中。其中，视频检测器102通过网络与控制服务器106进行通信，射频识别检测器104通过网络与控制服务器106进行通信，信号灯108通过网络与控制服务器106进行通信。控制服务器106获取触发时间，触发时间是视频检测器检测到车辆时生成的；控制服务器106根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；控制服务器103获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间；控制服务器106根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制。服务器106可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种信号灯方法，以该方法应用于图1中的控制服务器为例进行说明，包括以下步骤：
S202，控制服务器获取触发时间，触发时间是视频检测器检测到车辆时生成的。
其中，视频检测器用于监测进入预先设置好的虚拟线圈的车辆并生成触发时间，该虚拟线圈是由若干个点构成，是图像中虚拟存在的线圈以用于框定某个范围。触发时间是车辆进入预先设置好的虚拟线圈的时间点。
具体地，控制服务器获取到视频检测器发送的触发时间，该触发时间是视频检测器检测到有车辆进入设置的虚拟线圈时生成的。
S204，控制服务器根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度。
其中，预设时间范围是指预先设置好的时间范围，比如可以是触发时间的前后20秒内等。射频识别数据是射频识别(RFID，Radio Frequency Identification)检测器通过检测进入检测范围内的目标车辆得到的。该目标车辆是指具有RFID标签的车辆。该检测范围是预先设置好的，且包含了虚拟线圈的范围。车辆标识用于唯一标识目标车辆，车辆速度是指该目标车辆在检测范围内行驶的速度。
具体地，控制服务器根据触发时间查找在预设时间范围内的射频识别数据，当能够查找到在预设时间范围内的射频识别数据时，说明该触发时间对应的车辆为射频识别数据对应的目标车辆。当未查找到在预设时间范围内的射频识别数据时，说明该触发时间对应的车辆不是目标车辆，不做处理。当获取到在预设时间范围内的射频识别数据时，解析该射频识别数据得到车辆标识和车辆速度。
S206，控制服务器获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间。
其中，预设车辆移动距离是指射频识别检测器安装处到信号灯停止线的距离，该距离是预先确定好的。车辆移动时间是指车辆从射频识别检测器安装处到信号灯停止线处所要花费的时间。车辆到达时间是指车辆到达信号灯停止线处的时间点。
具体地，控制服务器获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度使用速度计算公式计算得到车辆移动时间，然后根据触发时间和车辆移动时间计算得到车辆标识对应的车辆到达信号灯停止线的时间，即车辆到达时间。比如，车辆移动距离为L，车辆速度为V，则得到车辆移动时间为t2＝L/V。当触发时间为t1时，则车辆到达时间t3＝t1+t2。
S208，控制服务器根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制。
其中，初始信号状态是指在触发时间时信号灯的信号状态。该信号状态可以包括两种状态，通行信号状态和禁止通行信号状态。在一个具体的实施例中，该通行信号状态可以是绿灯，禁止通行信号状态可以是红灯。该信号状态也可以包括多种信号状态，比如三种状态，通行信号状态、禁止通行信号状态和等待信号状态等等。目标信号状态是指车辆到达信号灯停止线时的信号状态。
具体地，控制服务器根据触发时间获取到信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间按照预先设置好的信号灯信号状态变化规则确定信号灯在车辆到达信号灯停止线时对应的目标信号状态。其中，预先设置好的信号灯控制规则是指预先设置好的控制信号灯的信号状态的规则。比如，当初始信号灯为通行信号状态时，根据通行信号状态和车辆到达时间计算得到车辆到达时间的信号灯的信号状态，当车辆到达时间的信号灯的信号状态也为通行信号状态时，不做处理。当车辆到达时间的信号灯的信号状态为禁止通行信号状态时，则需要延长通行信号状态，直到车辆通过信号灯。当初始信号灯为禁止通行信号状态时，根据通行信号状态和车辆到达时间计算得到车辆到达时间的信号灯的信号状态。当车辆到达时间的信号灯的信号状态也为禁止通行信号状态时，需要将信号灯的在车辆到达时间的信号状态控制为通行信号状态，直到车辆通过信号灯。当当车辆到达时间的信号灯的信号状态为通行信号状态时，不做处理。
在上述信号数据处理方法中，通过视频检测器检测获取到触发时间；根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间；根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制，从而实现了对信号灯信号的精准控制，能够缓解交通拥堵的问题。
在一个实施例中，如图3所示，在步骤S202之前，即在获取触发时间，触发时间是视频检测器检测到车辆时生成的之前，还包括步骤：
S302，视频检测器监控预设虚拟线圈，得到监控视频。
具体地，预测在视频检测器中设置好虚拟线圈，使用设置好虚拟线圈的视频检测器进行车辆监控，得到监控视频。
S304，视频检测器根据监控视频的灰度值确定目标视频图像，检测目标视频图像，当检测到目标视频图像中存在车辆时，生成触发时间。
其中，目标视频图像是指具有车辆的视频图像，可以根据灰度值的不同来确定图像中是否有车辆。
具体地，视频检测器计算视频图像中每一帧图像的灰度值，当灰度值与设定的无车辆图像的灰度值不一致时，将该帧图像作为目标视频图像。视频检测器对目标视频图像进行车辆检测，当检测到目标视频图像中存在车辆时，生成触发时间。其中，可以使用物体识别算法对对目标视频图像进行车辆检测。比如，可以使用YOLO(you only look once)算法进行车辆检测。也可以使用神经网络算法进行车辆检测。
在一个实施例中，视频检测器可以将监控视频发送到控制服务器中，控制服务器根据监控视频的灰度值确定目标视频图像，检测目标视频图像，当检测到目标视频图像中存在车辆时，生成触发时间。
在上述实施例中，通过视频检测器得到监控视频，通过对监控视频进行处理，得到目标视频图像，然后对目标视频图像进行车辆检测，当当检测到目标视频图像中存在车辆时，生成触发时间。提高了生成触发时间的准确性。
在一个实施例中，检测目标视频图像，包括：
视频检测器将目标视频图像输入到已训练的车辆识别模型中进行检测，得到目标视频图像中是否存在车辆的检测结果，已训练的车辆识别模型是根据历史监控视频使用神经网络算法进行训练得到的。
其中，神经网络算法是指人工神经网络(Artificial Neural Networks，简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model)，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。例如，卷积神经网络算法，前馈神经网络算法等等。
具体地，控制服务器可以根据历史监控视频和对应的历史监控视频中的车辆标记使用神经网络算法进行训练，当到达预设阈值或者最大迭代次数时，得到已训练的车辆识别模型，然后将已训练的车辆识别模型部署到视频检测器中，然后该视频检测器在得到目标视频图像时，将目标视频图像输入到已训练的车辆识别模型中进行检测，得到目标视频图像中是否存在车辆的检测结果，该检测结果用于表示目标视频图像中是否存在车辆，比如，检测结果可以是输出的车辆识别框。在一个实施例中，也可以将已训练的车辆识别模型部署到控制服务器中，控制服务器获取到视频检测器发送的监控视频，根据监控视频的灰度值确定目标视频图像，将目标视频图像输入到已训练的车辆识别模型中进行检测，得到目标视频图像中是否存在车辆的检测结果。
在上述实施例中，视频检测器可以通过预设部署好的已训练的车辆识别模型进行检测，得到目标视频图像中是否存在车辆的检测结果，能够提高检测结果的准确性，进而提高生成触发事件的准确性。
在一个实施例中，如图4所示，在步骤S204之前，即在根据触发时间获取在预设时间范围内的射频识别数据之前，还包括步骤：
S402，控制服务器接收射频识别检测器发送的射频识别数据，并获取当前时间，射频识别数据是射频识别检测器检测到目标车辆时生成的。
S404，控制服务器将射频识别数据和当前时间关联保存。
其中，射频识别数据用于进行射频识别目标车辆和目标车辆的速度。
具体地，射频识别检测器进行射频识别，得到射频识别数据，将射频识别数据发送到控制服务器中，控制服务器接收到射频识别数据，并获取到控制服务器的当前时间。然后将射频识别数据和当前时间关联保存到数据库中。
在上述实施例中，通过接收射频识别检测器发送的射频识别数据，并获取当前时间，将射频识别数据和当前时间关联保存，方便后续的使用。
在一个实施例中，如图5所示，在步骤S402之前，即在接收射频识别检测器发送的射频识别数据，并获取当前时间，射频识别数据是射频识别检测器检测到目标车辆时生成的之前，还包括步骤：
S502，射频识别检测器发射第一频率信号，并接收返回信号，根据返回信号确定车辆身份和返回信号对应的第二频率，第一频率信号用于检测目标车辆的车辆身份和车辆速度，第二频率是指根据第一频率信号中的第一频率反射的第二频率。
其中，第一频率信号是指预先设置好的第一频率的信号，该第一频率是指设置的特定的声波频率。第二频率是指返回信号中的声波频率。
具体地，射频识别检测器发射第一频率信号，并接收到射频识别标签返回的返回信号，解析该返回信号，得到车辆身份和返回信号对应的第二频率，第一频率信号用于检测目标车辆的车辆身份和车辆速度，第二频率是指根据第一频率信号中的第一频率反射的第二频率。
S504，射频识别检测器根据第二频率和第一频率确定车辆速度，根据车辆身份和车辆速度得到射频识别数据。
具体地，射频识别检测器根据第二频率、第一频率和声波的传播速度计算车辆速度，根据车辆身份和车辆速度得到射频识别数据。
在一个实施例中，射频识别检测器接收返回信号，将返回信息发送到控制服务器中，控制服务器解析返回信息得到车辆身份和第二频率。根据第一频率、第二频率和声波的传播速度计算得到车辆速度，即控制服务器得到了车辆身份和车辆速度。比如，第一频率为100Khz，第二频率为110khz，声波的传播速度为340m/s，则得到的车辆速度为[(110-100)/(110+100)]*340＝16.2m/s。
在上述实施例中，通过射频识别检测器检测得到车辆身份和车辆速度，进而得到车辆身份和车辆速度，方便后续的使用，提高效率。
在一个实施例中，步骤S208，即根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制，包括步骤：
控制服务器获取通行信号状态，当通行信号状态与初始信号状态一致且通行信号状态与目标信号状态不一致时，控制信号灯延长初始信号状态的时间。
其中，目标信号状态是指车辆到达信号灯时信号灯的信号状态。可以是通行信号状态，也可以是禁止通行信号状态。
具体地，控制服务器获取到的车辆到达信号灯时的信号状态为通行信号状态，此时，判断通行信号状态是否与初始信号状态一致并判断通行信号状态是否与目标信号状态不一致，当通行信号状态与初始信号状态一致且通行信号状态与目标信号状态不一致时，控制信号灯延长初始信号状态的时间，直到车辆通过信号灯。当通行信号状态与初始信号状态一致且通行信号状态与目标信号状态一致时，不做处理，即信号灯按照预先设置好的规则进行状态变化。
在一个实施例中，在获取通行信号状态之后，还包括：
当通行信号状态与初始信号状态不一致且通行信号状态与目标信号状态不一致，控制信号灯缩减初始信号状态的时间。
具体地，当通行信号状态与初始信号状态不一致，且通行信号状态与目标信号状态不一致时，即初始信号状态和目标信号状态是一致的。此时，控制服务器会控制信号灯缩减初始信号状态的时间，使车辆到达时，信号灯的信号状态变化为通行信号状态。当通行信号状态与初始信号状态不一致，且通行信号状态与目标信号状态一致时，即说明在车辆到达时，信号灯的信号状态为通行信号状态，此时不做处理。
在上述实施例中，通过根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制，从而实现了对信号灯的精准控制，避免了交通拥堵的问题。提高了通行的效率。
应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个具体地实施例中，如图5所示，信号数据处理方法的应用环境图，具体包括：视频检测器602、RFID检测器604、数据融合器606、控制服务器608和信号灯610。其中，
视频检测器602监控预设虚拟线圈，得到监控视频，该预设虚拟线圈距离信号灯停止线的距离为预设的定值L。在距离信号灯停止线距离为定值L的位置设有RFID(射频识别)检测器。当RFID检测器604检测到携带有RFID标签的车辆进入虚拟线圈时，得到该车辆身份和车辆速度V，将车辆身份和车辆速度关联发送到数据融合期606。当有车辆进入虚拟线圈时，视频检测器602检测到监控图像中车辆，生成触发信息，将触发信息发送给数据融合器606。数据融合期606记录触发时刻T0。此时，数据融合期606检索在T0时刻前后100ms范围内收到的RFID检测器604发送的数据。当数据融合期606在T0时刻前后100ms范围内未收到RFID检测器604发送的数据时，不做处理。当数据融合期606在T0时刻前后100ms范围内收到RFID检测器604发送的数据，比如，车辆身份和车辆速度V，数据融合期606将车辆身份、车辆速度V和触发时刻T0发送到交通信号灯控制服务器608，控制服务器608接收到车辆身份、车辆速度V和触发时刻T0，根据距离L和速度V确定车辆到达信号灯停止线的时间t1。此时，获取到T0时刻的信号灯状态为红色信号。获取到t1时刻的信号灯状态依然为红色信号。然后控制服务器向信号灯发送控制指令，控制信号等缩减红色信号的时间，以使车辆直接通过该信号灯。
在一个实施例中，如图7所示，提供了一种信号灯控制系统700，包括：视频检测器702、射频识别检测器704和控制服务器706，其中：
视频检测器702，用于检测到车辆时生成触发时间并发送至控制服务器；
射频识别检测器704，用于检测到目标车辆时生成射频识别数据，并将目标车辆对应的射频识别数据发送至控制服务器；
控制服务器706，用于获取视频检测器发送的触发时间，根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间；根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制。
在一个实施例中，视频检测器702还用于监控预设虚拟线圈，得到监控视频；视频检测器根据监控视频的灰度值确定目标视频图像，检测目标视频图像，当检测到目标视频图像中存在车辆时，生成触发时间。
在一个实施例中，视频检测器702还用于将目标视频图像输入到已训练的车辆识别模型中进行检测，得到目标视频图像中是否存在车辆的检测结果，已训练的车辆识别模型是根据历史监控视频使用神经网络算法进行训练得到的。
在一个实施例中，控制服务器706还用于接收射频识别检测器发送的射频识别数据，并获取当前时间，射频识别数据是射频识别检测器检测到目标车辆时生成的；控制服务器将射频识别数据和当前时间关联保存。
在一个实施例中，射频识别检测器704还用于发射第一频率信号，并接收返回信号，根据返回信号确定车辆身份和返回信号对应的第二频率，第一频率信号用于检测目标车辆的车辆身份和车辆速度，第二频率是指根据第一频率信号中的第一频率反射的第二频率；射频识别检测器根据第二频率和第一频率确定车辆速度，根据车辆身份和车辆速度得到射频识别数据，。
在一个实施例中，控制服务器706还用于获取通行信号状态，当通行信号状态与初始信号状态一致且通行信号状态与目标信号状态不一致时，控制信号灯延长初始信号状态的时间。
在一个实施例中，控制服务器706还用于当通行信号状态与初始信号状态不一致且通行信号状态与目标信号状态不一致，控制信号灯缩减初始信号状态的时间。
关于信号灯控制系统的具体限定可以参见上文中对于信号数据处理方法的限定，在此不再赘述。上述信号灯控制系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车辆相关数据比如，车辆身份、车辆速度和车辆触发时间等等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种信号数据处理方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
控制服务器获取触发时间，触发时间是视频检测器检测到车辆时生成的；
控制服务器根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；
控制服务器获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间；
控制服务器根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：视频检测器监控预设虚拟线圈，得到监控视频；视频检测器根据监控视频的灰度值确定目标视频图像，检测目标视频图像，当检测到目标视频图像中存在车辆时，生成触发时间
在一个实施例中，处理器执行计算机程序时还实现以下步骤：视频检测器将目标视频图像输入到已训练的车辆识别模型中进行检测，得到目标视频图像中是否存在车辆的检测结果，已训练的车辆识别模型是根据历史监控视频使用神经网络算法进行训练得到的
在一个实施例中，处理器执行计算机程序时还实现以下步骤：控制服务器接收射频识别检测器发送的射频识别数据，并获取当前时间，射频识别数据是射频识别检测器检测到目标车辆时生成的；控制服务器将射频识别数据和当前时间关联保存
在一个实施例中，处理器执行计算机程序时还实现以下步骤：射频识别检测器发射第一频率信号，并接收返回信号，根据返回信号确定车辆身份和返回信号对应的第二频率，第一频率信号用于检测目标车辆的车辆身份和车辆速度，第二频率是指根据第一频率信号中的第一频率反射的第二频率；射频识别检测器根据第二频率和第一频率确定车辆速度，根据车辆身份和车辆速度得到射频识别数据
在一个实施例中，处理器执行计算机程序时还实现以下步骤：控制服务器获取通行信号状态，当通行信号状态与初始信号状态一致且通行信号状态与目标信号状态不一致时，控制信号灯延长初始信号状态的时间。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当通行信号状态与初始信号状态不一致且通行信号状态与目标信号状态不一致，控制信号灯缩减初始信号状态的时间。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
控制服务器获取触发时间，触发时间是视频检测器检测到车辆时生成的；
控制服务器根据触发时间获取在预设时间范围内的射频识别数据，根据射频识别数据确定车辆标识和车辆速度；
控制服务器获取预设车辆待移动距离，根据预设车辆待移动距离和车辆速度确定车辆移动时间，根据触发时间和车辆移动时间确定车辆标识对应的车辆到达时间；
控制服务器根据触发时间获取信号灯对应的初始信号状态，根据初始信号状态和车辆到达时间确定信号灯对应的目标信号状态，根据初始信号状态，车辆到达时间和目标信号状态对信号灯进行控制。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：视频检测器监控预设虚拟线圈，得到监控视频；视频检测器根据监控视频的灰度值确定目标视频图像，检测目标视频图像，当检测到目标视频图像中存在车辆时，生成触发时间
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：视频检测器将目标视频图像输入到已训练的车辆识别模型中进行检测，得到目标视频图像中是否存在车辆的检测结果，已训练的车辆识别模型是根据历史监控视频使用神经网络算法进行训练得到的
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：控制服务器接收射频识别检测器发送的射频识别数据，并获取当前时间，射频识别数据是射频识别检测器检测到目标车辆时生成的；控制服务器将射频识别数据和当前时间关联保存
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：射频识别检测器发射第一频率信号，并接收返回信号，根据返回信号确定车辆身份和返回信号对应的第二频率，第一频率信号用于检测目标车辆的车辆身份和车辆速度，第二频率是指根据第一频率信号中的第一频率反射的第二频率；射频识别检测器根据第二频率和第一频率确定车辆速度，根据车辆身份和车辆速度得到射频识别数据
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：控制服务器获取通行信号状态，当通行信号状态与初始信号状态一致且通行信号状态与目标信号状态不一致时，控制信号灯延长初始信号状态的时间。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当通行信号状态与初始信号状态不一致且通行信号状态与目标信号状态不一致，控制信号灯缩减初始信号状态的时间。
本领域普通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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种信号数据处理方法，所述方法包括：
控制服务器获取触发时间，所述触发时间是视频检测器检测到车辆时生成的；
所述控制服务器根据所述触发时间获取在预设时间范围内的射频识别数据，根据所述射频识别数据确定车辆标识和车辆速度；
所述控制服务获取预设车辆待移动距离，根据所述预设车辆待移动距离和所述车辆速度确定车辆移动时间，根据所述触发时间和所述车辆移动时间确定所述车辆标识对应的车辆到达时间；
所述控制服务器根据所述触发时间获取信号灯对应的初始信号状态，根据所述初始信号状态和所述车辆到达时间确定所述信号灯对应的目标信号状态，根据所述初始信号状态，所述车辆到达时间和所述目标信号状态对所述信号灯进行控制。
2.根据权利要求1所述的方法，其特征在于，在所述获取触发时间，所述触发时间是视频检测器检测到车辆时生成的之前，还包括：
所述视频检测器监控预设虚拟线圈，得到监控视频；
所述视频检测器根据所述监控视频的灰度值确定目标视频图像，检测所述目标视频图像，当检测到所述目标视频图像中存在车辆时，生成触发时间。
3.根据权利要求2所述的方法，其特征在于，所述检测所述目标视频图像，包括：
所述视频检测器将所述目标视频图像输入到已训练的车辆识别模型中进行检测，得到所述目标视频图像中是否存在车辆的检测结果，所述已训练的车辆识别模型是根据历史监控视频使用神经网络算法进行训练得到的。
4.根据权利要求1所述的方法，其特征在于，在所述根据所述触发时间获取在预设时间范围内的射频识别数据之前，还包括：
所述控制服务器接收射频识别检测器发送的射频识别数据，并获取当前时间，所述射频识别数据是射频识别检测器检测到目标车辆时生成的；
所述控制服务器将所述射频识别数据和所述当前时间关联保存。
5.根据权利要求4所述的方法，其特征在于，在所述接收射频识别检测器发送的射频识别数据，并获取当前时间，所述射频识别数据是射频识别检测器检测到目标车辆时生成的之前，还包括：
所述射频识别检测器发射第一频率信号，并接收返回信号，根据所述返回信号确定所述车辆身份和所述返回信号对应的第二频率，所述第一频率信号用于检测所述目标车辆的车辆身份和车辆速度，所述第二频率是指根据所述第一频率信号中的第一频率反射的第二频率；
所述射频识别检测器根据所述第二频率和所述第一频率确定所述车辆速度，根据所述车辆身份和所述车辆速度得到所述射频识别数据。
6.根据权利要求1所述的方法，其特征在于，所述根据所述初始信号状态，所述车辆到达时间和所述目标信号状态对所述信号灯进行控制，包括：
所述控制服务器获取通行信号状态，当所述通行信号状态与所述初始信号状态一致且所述通行信号状态与所述目标信号状态不一致时，控制所述信号灯延长所述初始信号状态的时间。
7.根据权利要求6所述的方法，其特征在于，在所述获取通行信号状态之后，还包括：
当所述通行信号状态与所述初始信号状态不一致且所述通行信号状态与所述目标信号状态不一致，控制所述信号灯缩减所述初始信号状态的时间。
8.一种信号灯控制系统，其特征在于，所述系统包括：
视频检测器，用于检测到车辆时生成触发时间并发送至所述控制服务器；
射频识别检测器，用于检测到目标车辆时生成射频识别数据，并将所述目标车辆对应的射频识别数据发送至所述控制服务器；
控制服务器，用于获取所述视频检测器发送的触发时间，根据所述触发时间获取在预设时间范围内的射频识别数据，根据所述射频识别数据确定车辆标识和车辆速度；获取预设车辆待移动距离，根据所述预设车辆待移动距离和所述车辆速度确定车辆移动时间，根据所述触发时间和所述车辆移动时间确定所述车辆标识对应的车辆到达时间；根据所述触发时间获取信号灯对应的初始信号状态，根据所述初始信号状态和所述车辆到达时间确定所述信号灯对应的目标信号状态，根据所述初始信号状态，所述车辆到达时间和所述目标信号状态对所述信号灯进行控制。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010128278.2A CN111462507B (zh) | 2020-02-28 | 2020-02-28 | 信号数据处理方法、系统、计算机设备和存储介质 |
| PCT/CN2020/098392 WO2021169104A1 (zh) | 2020-02-28 | 2020-06-28 | 信号数据处理方法、系统、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010128278.2A CN111462507B (zh) | 2020-02-28 | 2020-02-28 | 信号数据处理方法、系统、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111462507A true CN111462507A (zh) | 2020-07-28 |
| CN111462507B CN111462507B (zh) | 2022-09-23 |
Family
ID=71682441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010128278.2A Active CN111462507B (zh) | 2020-02-28 | 2020-02-28 | 信号数据处理方法、系统、计算机设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111462507B (zh) |
| WO (1) | WO2021169104A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037206A (zh) * | 2020-09-01 | 2020-12-04 | 成都睿畜电子科技有限公司 | 一种目标特征数据的计算方法、装置、计算机可读存储介质 |
| CN114844516A (zh) * | 2022-03-30 | 2022-08-02 | 深圳磁利晟科技有限公司 | 频率自适应控制方法、系统、磁疗设备及可读存储介质 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114615249B (zh) * | 2022-03-10 | 2022-11-22 | 南方科技大学 | 隔空开关灯的控制方法、系统及计算机可读存储介质 |
| CN115002196B (zh) * | 2022-05-25 | 2024-01-26 | 国汽智图(北京)科技有限公司 | 一种数据处理方法、装置、车端采集设备 |
| CN115328072A (zh) * | 2022-06-30 | 2022-11-11 | 中国第一汽车股份有限公司 | 车辆状态检测方法、装置、非易失性存储介质及车辆 |
| CN115767700B (zh) * | 2023-02-13 | 2023-04-18 | 深圳市网联天下科技有限公司 | 一种无线接入点设备节能方法、装置、电子设备及介质 |
| CN116915978B (zh) * | 2023-08-07 | 2024-07-16 | 昆易电子科技(上海)有限公司 | 触发时间确定方法、数据采集系统、车辆以及工控机 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542807A (zh) * | 2012-01-16 | 2012-07-04 | 四川新源现代智能科技有限公司 | Rfid/vfid综合比对智能车辆管理系统及方法 |
| US20120326891A1 (en) * | 2011-06-27 | 2012-12-27 | Brad Cross | Signal Light Priority System Utilizing Estimated Time of Arrival |
| KR20140084877A (ko) * | 2012-12-27 | 2014-07-07 | 세종대학교산학협력단 | 차량 내 컴퓨팅 장치 및 이를 이용한 무선 네트워크 통신 수행방법 |
| CN105225505A (zh) * | 2015-07-23 | 2016-01-06 | 公安部交通管理科学研究所 | 路口公交信号优先控制系统 |
| CN106205157A (zh) * | 2016-08-02 | 2016-12-07 | 北京数码视讯支付技术有限公司 | 交通数据处理方法、装置及系统 |
| CN106251657A (zh) * | 2016-10-09 | 2016-12-21 | 南京多伦科技股份有限公司 | 一种基于rfid与地磁检测的公交优先信号的实时控制方法 |
| JP2018004508A (ja) * | 2016-07-05 | 2018-01-11 | 住友電気工業株式会社 | 電波センサおよび検知プログラム |
| CN107948936A (zh) * | 2017-11-23 | 2018-04-20 | 华平智慧信息技术（深圳）有限公司 | 智慧城市路边停车方法及相关产品 |
| CN109064763A (zh) * | 2018-10-23 | 2018-12-21 | 百度在线网络技术（北京）有限公司 | 自动驾驶车辆的测试方法、装置、测试设备和存储介质 |
| US10388154B1 (en) * | 2018-07-02 | 2019-08-20 | Volkswagen Ag | Virtual induction loops for adaptive signalized intersections |
| CN110515085A (zh) * | 2019-07-31 | 2019-11-29 | Oppo广东移动通信有限公司 | 超声波处理方法、装置、电子设备及计算机可读介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006331002A (ja) * | 2005-05-25 | 2006-12-07 | Omron Corp | 信号制御装置 |
| CN105070071A (zh) * | 2015-08-27 | 2015-11-18 | 烟台大学 | 一种交通信号灯控制系统和方法 |
| CN106485928A (zh) * | 2016-10-18 | 2017-03-08 | 郑州云海信息技术有限公司 | 一种交通信号灯控制方法、控制终端、业务平台及系统 |
| CN108932857B (zh) * | 2017-05-27 | 2021-07-27 | 西门子（中国）有限公司 | 一种控制交通信号灯的方法和装置 |
| CN109598940B (zh) * | 2018-09-27 | 2023-02-28 | 浙江宇视科技有限公司 | 路口信号灯配时方法及装置 |
| CN110136462B (zh) * | 2019-06-18 | 2020-12-11 | 吉林大学 | 一种基于车联网技术的交通路口通行辅助系统及其控制方法 |
-
2020
- 2020-02-28 CN CN202010128278.2A patent/CN111462507B/zh active Active
- 2020-06-28 WO PCT/CN2020/098392 patent/WO2021169104A1/zh active Application Filing
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120326891A1 (en) * | 2011-06-27 | 2012-12-27 | Brad Cross | Signal Light Priority System Utilizing Estimated Time of Arrival |
| CN102542807A (zh) * | 2012-01-16 | 2012-07-04 | 四川新源现代智能科技有限公司 | Rfid/vfid综合比对智能车辆管理系统及方法 |
| KR20140084877A (ko) * | 2012-12-27 | 2014-07-07 | 세종대학교산학협력단 | 차량 내 컴퓨팅 장치 및 이를 이용한 무선 네트워크 통신 수행방법 |
| CN105225505A (zh) * | 2015-07-23 | 2016-01-06 | 公安部交通管理科学研究所 | 路口公交信号优先控制系统 |
| JP2018004508A (ja) * | 2016-07-05 | 2018-01-11 | 住友電気工業株式会社 | 電波センサおよび検知プログラム |
| CN106205157A (zh) * | 2016-08-02 | 2016-12-07 | 北京数码视讯支付技术有限公司 | 交通数据处理方法、装置及系统 |
| CN106251657A (zh) * | 2016-10-09 | 2016-12-21 | 南京多伦科技股份有限公司 | 一种基于rfid与地磁检测的公交优先信号的实时控制方法 |
| CN107948936A (zh) * | 2017-11-23 | 2018-04-20 | 华平智慧信息技术（深圳）有限公司 | 智慧城市路边停车方法及相关产品 |
| US10388154B1 (en) * | 2018-07-02 | 2019-08-20 | Volkswagen Ag | Virtual induction loops for adaptive signalized intersections |
| CN109064763A (zh) * | 2018-10-23 | 2018-12-21 | 百度在线网络技术（北京）有限公司 | 自动驾驶车辆的测试方法、装置、测试设备和存储介质 |
| CN110515085A (zh) * | 2019-07-31 | 2019-11-29 | Oppo广东移动通信有限公司 | 超声波处理方法、装置、电子设备及计算机可读介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037206A (zh) * | 2020-09-01 | 2020-12-04 | 成都睿畜电子科技有限公司 | 一种目标特征数据的计算方法、装置、计算机可读存储介质 |
| CN114844516A (zh) * | 2022-03-30 | 2022-08-02 | 深圳磁利晟科技有限公司 | 频率自适应控制方法、系统、磁疗设备及可读存储介质 |
| CN114844516B (zh) * | 2022-03-30 | 2024-05-31 | 深圳磁利晟科技有限公司 | 频率自适应控制方法、系统、磁疗设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111462507B (zh) | 2022-09-23 |
| WO2021169104A1 (zh) | 2021-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111462507B (zh) | 信号数据处理方法、系统、计算机设备和存储介质 | |
| US11657718B2 (en) | Method for controlling vehicle platoon, device, and internet of vehicles system | |
| CN110619307B (zh) | 交通灯状态确定方法、装置、设备和存储介质 | |
| US20190057314A1 (en) | Joint processing for embedded data inference | |
| US10096241B2 (en) | Probe data collection method and probe data collection device | |
| CN112204423B (zh) | 物体识别装置和物体识别方法 | |
| US20210118245A1 (en) | Performance monitoring and evaluation of a vehicle adas or autonomous driving feature | |
| CN114371727B (zh) | 无人机安全飞行的控制方法、控制器、设备以及介质 | |
| CN112071110A (zh) | 自主泊车方法、装置、系统、计算机设备和存储介质 | |
| US11036990B2 (en) | Target identification method and apparatus, and intelligent terminal | |
| US20220214684A1 (en) | Monitoring center, monitoring system and method | |
| CN113721621B (zh) | 车辆控制方法、装置、电子设备以及存储介质 | |
| US10793145B2 (en) | Object recognition device, object recognition method, and vehicle control system | |
| KR20180116808A (ko) | 신호등 상태 예측 장치 및 방법 | |
| US20220350338A1 (en) | Platform for path planning system development for automated driving system | |
| KR20210032617A (ko) | 자율주행차량의 거동 제어 장치 및 그 방법 | |
| CN113442940A (zh) | 监视用于识别车辆环境的车辆系统的方法 | |
| CN117475633A (zh) | 一种面向事件的交通流量预测方法及装置 | |
| US20210124361A1 (en) | System and method for collection of performance data by a vehicle | |
| US11948461B2 (en) | Information processing device, information processing method, and program | |
| KR20210055746A (ko) | 운전자의 근무 상태 검출 방법, 장치, 기기 및 컴퓨터 저장 매체 | |
| US9515911B2 (en) | Method and a processing device for distributed network monitoring | |
| US20220404154A1 (en) | Method and device for determining emergency trajectories and for operating automated vehicles | |
| CN111746556A (zh) | 用于自主系统的状况复杂度量化 | |
| WO2019239471A1 (ja) | 運転支援装置、運転支援システムおよび運転支援方法 |
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 |