CN111739326A - 智能网联汽车运行管理方法及云端控制系统 - Google Patents

智能网联汽车运行管理方法及云端控制系统 Download PDF

Info

Publication number
CN111739326A
CN111739326A CN202010580328.0A CN202010580328A CN111739326A CN 111739326 A CN111739326 A CN 111739326A CN 202010580328 A CN202010580328 A CN 202010580328A CN 111739326 A CN111739326 A CN 111739326A
Authority
CN
China
Prior art keywords
accident
information
intelligent
control system
cloud control
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
Application number
CN202010580328.0A
Other languages
English (en)
Other versions
CN111739326B (zh
Inventor
杨明珠
刘相伟
李卓荦
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.)
Kunshan Xiaoyan Exploration Information Technology Co ltd
Original Assignee
Kunshan Xiaoyan Exploration Information Technology Co ltd
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 Kunshan Xiaoyan Exploration Information Technology Co ltd filed Critical Kunshan Xiaoyan Exploration Information Technology Co ltd
Priority to CN202010580328.0A priority Critical patent/CN111739326B/zh
Publication of CN111739326A publication Critical patent/CN111739326A/zh
Application granted granted Critical
Publication of CN111739326B publication Critical patent/CN111739326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • 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
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种智能网联汽车运行管理方法及云端控制系统。其中管理方法包括：智能网联车采集道路信息的非正常图像；云端控制系统台对非正常图像进行信息拆解；云端控制系统根据拆解的图像信息级别，在全局地图模块中进行分级搜索，得到事故发生的具体位置区域；云端控制系统识别出事故的确定的位置信息，并进行存储；云端控制系统将事故图片及确定的位置信息发送给当地的交通管理部门和智能网联汽车。本发明的基于蒙特卡洛树搜索的智能网联汽车运行管理方法，会对交通事故及时的进行记录和预警，并发送给当地交通管理部门，不仅加快了交通事故的处理速度，并且减轻了警务工作人员的负担，从而提升智能网联汽车的运行管理能力。

Description

智能网联汽车运行管理方法及云端控制系统
技术领域
本发明涉及智能网联汽车管理领域，特别是涉及智能网联汽车运行管理方法及云端控制系统。
背景技术
智能网联汽车，即ICV(全称Intelligent Connected Vehicle)，是指车联网与智能车的有机联合，是搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与人、车、路、后台等智能信息交换共享，实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车。
目前，现有的智能网络汽车管理系统不完善，特别是发生交通事故后，有许多是需要当事司机报警，接警人问讯才能够得到事件相关地址和信息，信息上报不够简单和快捷。再就是在监控设施不够完善的路段，或者在人烟稀少的路段发生事故后不能够及时被发现。
发明内容
本发明的目的是提供一种智能网联汽车运行管理方法及云端控制系统，解决了现有技术中信息上报不够简单和快捷的问题。
本发明的目的是通过以下技术方案实现的：
第一方面，本发明提供一种基于蒙特卡洛树搜索的智能网联汽车运行管理方法，包括以下步骤：
步骤S1、智能网联车采集道路信息的非正常图像，测算出事故与车身的距离，并将非正常图像、GPS位置、事故与车身的距离发送给云端控制系统台；
步骤S2、云端控制系统台对非正常图像进行信息拆解；
步骤S3、云端控制系统根据拆解的图像信息级别，在全局地图模块中进行分级搜索，得到事故发生的具体位置区域；
步骤S4、云端控制系统的管理系统服务平台调取事故发生的具体位置区域中交通部门的监控摄像头拍摄到的视频信息，通过深度学习模型识别出事故的确定的位置信息，并进行存储；
步骤S5、云端控制系统将事故图片及确定的位置信息发送给当地的交通管理部门和智能网联汽车，智能网联汽车中的导航地图及时更新规划更优的路线。
进一步的，所述的非正常图像包括事故图像和/或道路施工图像。
进一步的，所述的步骤S2中，云端控制系统的车身周围环境数据存储模块对接收的非正常图像按级别分为一级信息、二级信息和三级信息，并按级别进行存储。
进一步的，所述的一级信息为周边环境，所述的二级信息为事故发生位置，所述的三级信息为碰撞对象。
进一步的，所述的步骤S3包括：
步骤S301、根据智能网联汽车传送的GPS位置信息，在全局地图模块中查找事故发生的大致位置；
步骤S302、调用全局地图模块中的街景地图并分级进行搜索，得到事故发生的具体位置区域。
进一步的，所述的步骤S4包括：
步骤S401、构建mobilenet-SSD算法的交通事故检测识别模型；
步骤S402、根据步骤S3中得到的事故发生的具体位置区域，调取交通部门在该具体位置区域安装的监控摄像头，并将事故发生时段的监控视频送入交通事故检测识别模型进行图像检测和识别；
步骤S403、检测出监控视频中事故发生的位置，并记录最开始检测到事故图片的时间戳；
步骤S404、将事故图片中的信息与步骤S3中的具体位置区域的地图做信息匹配，得到确定的位置信息。
第二方面，本发明提供一种云端控制系统，包括：
全局地图模块：用于获取城市环境的道路信息和位置信息；
车体自身数据存储模块：用于接收智能网联汽车传送的信息并进行存储；
车身周围环境数据存储模块：用于接收智能网联汽车采集到的非正常图像、GPS位置、事故与车身的距离并进行存储；
管理系统服务平台：用于检测事故发生的具体位置区域，与智能网联汽车和交通管理部门通信。
进一步的，所述的智能网联汽车传送的信息包括但不限于车辆速度、车辆定位、车辆是否出现故障。
本发明的基于蒙特卡洛树搜索的智能网联汽车运行管理方法，可以对智能网联汽车和道路信息进行全天候的管理，可见光摄像头采集白天的情况，红外摄像头可以检测到夜间、光线条件不好的情况和有遮挡的情况下的情况，发现并检测到事故的发生或道路施工位置。且可以通过云端管理系统对智能网联汽车的地图信息和路况进行实时更新和同步。因此，本发明的方法可以有效的提升智能网联汽车的地图信息更新速度。
本发明的基于蒙特卡洛树搜索的智能网联汽车运行管理方法，会对交通事故及时的进行记录和预警，并发送给当地交通管理部门，不仅加快了交通事故的处理速度，并且减轻了警务工作人员的负担，从而提升智能网联汽车的运行管理能力。
附图说明
图1为本发明的基于蒙特卡洛树搜索的智能网联汽车运行管理方法的流程图；
图2为本发明中事故位置计算框架图；
图3为本发明中的蒙特卡洛树搜索结构；
图4为应用本发明的基于蒙特卡洛树搜索的智能网联汽车运行管理方法的网络架构图。
具体实施例
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
本发明的基于蒙特卡洛树搜索的智能网联汽车运行管理方法，包括以下步骤：
步骤S1、通过智能网联车采集道路信息的事故图像和/或道路施工图像(以下统称非正常图像)，测算出事故与车身的距离，并将非正常图像、GPS位置、事故与车身的距离发送给云端控制系统台。
智能网联车辆通过其正前方安装的长波红外摄像头和可见光摄像头，全天候的采集0-100米范围内的连续帧的RGB(灰度值图像)图像和IR(Infrared Radiation，红外线)图像。
通过长波红外摄像头全天候的采集0-100米范围内的交通事故及道路施工等IR图像。通过可见光摄像头采集光线条件好的近距离的道路的RGB图像。
检测到发生事故图像的智能网联汽车，可以测算出事故发生的位置与车身的距离信息，并将车身所在的GPS位置及事故与车身的距离信息传送到云端控制系统。
测算出事故发生的位置与车身的距离如图2所示，f为相机有效焦距；α为相机俯仰角；h为摄像机安装高度；(x0,y0)为光轴与图像的交点，定义该点为坐标系的原点；(x，y)为路面上一点P在图像平面上的坐标；P是之前检测出的事故的角点位置在像平面中的像素点。可以计算点P与镜头中心的水平距离d的计算公式为d＝h/tan{α+arctan[(y0-y)/f]}，距离d就是事故发生位置与车身的距离。
步骤S2、在云端控制系统台得到智能网联车的摄像头拍到非正常图像后，通过深度学习的方法对非正常图像进行信息拆解。
云端控制系统包括4个模块：
全局地图模块：即大型地图网络(类似于高德地图)，可以知道城市环境的道路信息和位置信息。
车体自身数据存储模块：接收智能网联汽车传送的信息并进行存储，智能网联汽车传送的信息包括但不限于：车辆速度、车辆定位、车辆是否出现故障等。
车身周围环境数据存储模块：接收智能网联汽车采集到的非正常图像(事故图像和/或道路施工图像)、GPS位置、事故与车身的距离并进行存储，使用SSD_VGG算法对接收到的非正常图像进行识别。SSD_VGG算法是基于[SSD:Single Shot MultiBox Detector]提出的模型结构实现的，是使用单个网络进行对象检测的统一框架。用户提供带有物体框标注的数据集，该算法会载入SSD预训练模型，在用户数据集上做迁移学习。人为搜集RGB图像和IR图像中交通事故和道路施工情况下的图片信息，并通过SSD+VGG网络进行预训练，使得SSD+VGG网络可以对交通事故和道路施工的图像进行检测和识别。SSD+VGG网络放置在车身周围环境数据存储模块中，会对该模块的图像进行检测和识别，若检测到事故或道路施工，则将该图像及其时间戳传输到管理系统服务平台。
管理系统服务平台：将上述三个模块和交管部门联合起来的综合管理平台。具体为检测事故发生的具体位置区域，与智能网联汽车和交通管理部门通信。
具体地，在本发明的一个优选实施例中，步骤S2具体包括：
云端控制系统的车身周围环境数据存储模块对接收的非正常图像进行分类，并将非正常图像及其时间戳发送给云端控制系统的管理系统服务平台。
具体地，在本发明的一个优选实施例中，对非正常图像进行分类包括：构建基于VGG算法的深度神经网络对非正常图像分为一级信息、二级信息和三级信息，并将分类后的信息按不同种类进行分别存储；
一级信息为周边环境，例如空旷地带、有高大建筑物等。二级信息为事故发生位置，例如道路中央、十字路口、路边等。三级信息为碰撞对象，例如碰撞对象为人和机动车，或者机动车和机动车，或者非机动车和机动车等。
步骤S3、在管理系统服务平台中构建蒙特卡洛树搜索结构，并根据拆解的图像信息在云端控制系统中的全局地图模块中进行分级搜索，得到事故发生的具体位置区域。
具体地，在本发明的一个优选实施例中，步骤S3包括：
步骤S301、根据智能网联汽车传送的GPS位置信息，在全局地图模块中查找事故发生的大致位置；
步骤S302、调用全局地图模块中的街景地图并分级进行搜索，得到事故发生的具体位置区域。
搜索过程中会根据步骤S2中拆解后信息的类别，从1级开始搜索，得到事故周围明显的特征标志物(如：周围的建筑物等)。再到2级搜索，得到事故发生的具体位置，(如发生在马路中央还是在路边)。最后3级搜索，得到发生事故的双方对象，是行人和车还是车与车等。
管理系统服务平台中利用MCTS(Monte Carlo Tree Search，蒙特卡罗树搜索)方法根据不同级别的搜索信息，对全局地图进行遍历寻找地图中与非正常图像中的特征相匹配的地址与结果，每一个级别都会有信息与地图相匹配的位置，在该位置处最大化UCT的值。采用公式
Figure BDA0002552119540000081
其中Q(vi)代表i个数据总模拟收益，N(vi)代表总访问次数，vi代表第i个数据的节点，得到不同匹配位置处的数值UCT，之后可以对数值进行比较，我们任务UCT的值越大匹配的越高。
每一步搜索都选取UCT值最大的节点，将该节点的图像与搜索到的图像进行比对，找出图形中像素重合的若干位置，并将该节点的位置信息反馈给云端控制系统的管理系统服务平台。
步骤S4、云端控制系统的管理系统服务平台调取事故发生的具体位置区域中交通部门的监控摄像头拍摄到的视频信息，通过深度学习模型识别出事故的确定的位置信息，并进行存储。
具体地，在本发明的一个优选实施例中，步骤S4包括：
步骤S401、构建mobilenet-SSD算法的交通事故检测识别模型。
Mobilenet-SSD算法前端接入Mobilenet模型进行图像识别工作，后端接入SSD进行图像检测，mobilenet基于一个流线型的架构，它使用深度可分离的卷积来构建轻量级的深层神经网络。SSD算法是目前检测效果最好的算法之一，提取了不同尺度的特征图来做检测，且可以采用不同尺度和长宽比的先验框。将mobilenet算法与SSD算法相结合，就可以实现图像的识别和检测工作。
步骤S402、根据步骤S3中得到的事故发生的具体位置区域，调取交通部门在该区域安装的监控摄像头，并将事故发生时段的监控视频送入交通事故检测识别模型进行图像检测和识别。
步骤S403、检测出监控视频中事故发生的位置，并记录最开始检测到事故图片的时间戳。
步骤S404、将事故图片中的信息与步骤S3中搜索到的位置地图做信息匹配，得到确定的位置信息。
步骤S5、云端控制系统将事故图片及确定的位置信息发送给当地的交通管理部门和智能网联汽车，智能网联汽车中的导航地图会及时更新规划更优的路线。
具体地，在本发明的一个优选实施例中，步骤S5包括：
将步骤S403中获取到的事故图片的时间戳，以及步骤S404中得到的确定的位置信息通过云端控制系统中的管理系统服务平台发送给当地交通管理部门和智能网联汽车。
智能网联汽车接收到路况信息后及时更新地图，若导航地图中有该路段的路径规划，智能网联汽车及时更换最优路径。
以上仅为说明本发明的实施方式，并不用于限制本发明，对于本领域的技术人员来说，凡在本发明的精神和原则之内，不经过创造性劳动所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于蒙特卡洛树搜索的智能网联汽车运行管理方法，其特征在于，包括以下步骤：
步骤S1、智能网联车采集道路信息的非正常图像，测算出事故与车身的距离，并将非正常图像、GPS位置、事故与车身的距离发送给云端控制系统台；
步骤S2、云端控制系统台对非正常图像进行信息拆解；
步骤S3、云端控制系统根据拆解的图像信息级别，在全局地图模块中进行分级搜索，得到事故发生的具体位置区域；
步骤S4、云端控制系统的管理系统服务平台调取事故发生的具体位置区域中交通部门的监控摄像头拍摄到的视频信息，通过深度学习模型识别出事故的确定的位置信息，并进行存储；
步骤S5、云端控制系统将事故图片及确定的位置信息发送给当地的交通管理部门和智能网联汽车，智能网联汽车中的导航地图及时更新规划更优的路线。
2.根据权利要求1所述的基于蒙特卡洛树搜索的智能网联汽车运行管理方法，其特征在于，所述的非正常图像包括事故图像和/或道路施工图像。
3.根据权利要求1所述的基于蒙特卡洛树搜索的智能网联汽车运行管理方法，其特征在于，所述的步骤S2中，云端控制系统的车身周围环境数据存储模块对接收的非正常图像按级别分为一级信息、二级信息和三级信息，并按级别进行存储。
4.根据权利要求3所述的基于蒙特卡洛树搜索的智能网联汽车运行管理方法，其特征在于，所述的一级信息为周边环境，所述的二级信息为事故发生位置，所述的三级信息为碰撞对象。
5.根据权利要求1所述的基于蒙特卡洛树搜索的智能网联汽车运行管理方法，其特征在于，所述的步骤S3包括：
步骤S301、根据智能网联汽车传送的GPS位置信息，在全局地图模块中查找事故发生的大致位置；
步骤S302、调用全局地图模块中的街景地图并分级进行搜索，得到事故发生的具体位置区域。
6.根据权利要求1所述的基于蒙特卡洛树搜索的智能网联汽车运行管理方法，其特征在于，所述的步骤S4包括：
步骤S401、构建mobilenet-SSD算法的交通事故检测识别模型；
步骤S402、根据步骤S3中得到的事故发生的具体位置区域，调取交通部门在该具体位置区域安装的监控摄像头，并将事故发生时段的监控视频送入交通事故检测识别模型进行图像检测和识别；
步骤S403、检测出监控视频中事故发生的位置，并记录最开始检测到事故图片的时间戳；
步骤S404、将事故图片中的信息与步骤S3中的具体位置区域的地图做信息匹配，得到确定的位置信息。
7.云端控制系统，其特征在于，包括：
全局地图模块：用于获取城市环境的道路信息和位置信息；
车体自身数据存储模块：用于接收智能网联汽车传送的信息并进行存储；
车身周围环境数据存储模块：用于接收智能网联汽车采集到的非正常图像、GPS位置、事故与车身的距离并进行存储；
管理系统服务平台：用于检测事故发生的具体位置区域，与智能网联汽车和交通管理部门通信。
8.根据权利要求7所述的云端控制系统，其特征在于，所述的智能网联汽车传送的信息包括但不限于车辆速度、车辆定位、车辆是否出现故障。
CN202010580328.0A 2020-06-23 2020-06-23 智能网联汽车运行管理方法及云端控制系统 Active CN111739326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010580328.0A CN111739326B (zh) 2020-06-23 2020-06-23 智能网联汽车运行管理方法及云端控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010580328.0A CN111739326B (zh) 2020-06-23 2020-06-23 智能网联汽车运行管理方法及云端控制系统

Publications (2)

Publication Number Publication Date
CN111739326A true CN111739326A (zh) 2020-10-02
CN111739326B CN111739326B (zh) 2021-07-02

Family

ID=72650647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010580328.0A Active CN111739326B (zh) 2020-06-23 2020-06-23 智能网联汽车运行管理方法及云端控制系统

Country Status (1)

Country Link
CN (1) CN111739326B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020194016A1 (en) * 2001-06-13 2002-12-19 Fujitsu Limited Safe driving support system
KR20070104992A (ko) * 2006-04-24 2007-10-30 한국교통연구원 네비게이션 일체형 교통사고 자동녹화 시스템
CN103295396A (zh) * 2013-04-19 2013-09-11 福建工程学院 交通事故非现场快速取证方法及系统
US20140063196A1 (en) * 2011-04-22 2014-03-06 Isaac S. Daniel Comprehensive and intelligent system for managing traffic and emergency services
CN110288143A (zh) * 2019-06-19 2019-09-27 广州交投机电工程有限公司 一种道路监控调取方法、系统及存储介质
CN110850777A (zh) * 2019-11-22 2020-02-28 温州大学瓯江学院 一种智能网联汽车云平台控制操作系统
CN111010668A (zh) * 2019-12-16 2020-04-14 斑马网络技术有限公司 基于车载终端位置的信息分享方法、终端设备、及服务器
CN111147738A (zh) * 2019-12-19 2020-05-12 武汉裕众信息科技有限公司 警用车载全景慧眼系统、装置、电子设备及介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020194016A1 (en) * 2001-06-13 2002-12-19 Fujitsu Limited Safe driving support system
KR20070104992A (ko) * 2006-04-24 2007-10-30 한국교통연구원 네비게이션 일체형 교통사고 자동녹화 시스템
US20140063196A1 (en) * 2011-04-22 2014-03-06 Isaac S. Daniel Comprehensive and intelligent system for managing traffic and emergency services
CN103295396A (zh) * 2013-04-19 2013-09-11 福建工程学院 交通事故非现场快速取证方法及系统
CN110288143A (zh) * 2019-06-19 2019-09-27 广州交投机电工程有限公司 一种道路监控调取方法、系统及存储介质
CN110850777A (zh) * 2019-11-22 2020-02-28 温州大学瓯江学院 一种智能网联汽车云平台控制操作系统
CN111010668A (zh) * 2019-12-16 2020-04-14 斑马网络技术有限公司 基于车载终端位置的信息分享方法、终端设备、及服务器
CN111147738A (zh) * 2019-12-19 2020-05-12 武汉裕众信息科技有限公司 警用车载全景慧眼系统、装置、电子设备及介质

Also Published As

Publication number Publication date
CN111739326B (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN108961790B (zh) 基于四维实景交通仿真的恶劣天气预警管理系统及方法
CN102724482B (zh) 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统
CN109285376B (zh) 一种基于深度学习的公交车客流统计分析系统
CN109377726B (zh) 一种基于车联网的高速公路团雾精确警示、诱导系统及方法
US10854076B2 (en) Method and system for computing parking occupancy
CN105654732A (zh) 一种基于深度图像的道路监控系统及方法
CN113706737B (zh) 基于自动驾驶车辆的路面巡检系统及方法
CN103176185A (zh) 用于检测道路障碍物的方法及系统
CN111458721B (zh) 一种暴露垃圾的识别定位方法、装置及系统
CN111339905B (zh) 基于深度学习及多视角的cim井盖状态视觉检测系统
CN103294775A (zh) 基于地理时空约束的警务云图像识别车辆管控系统
CN110097762A (zh) 一种道路视频图像低能见度刻度估算方法及系统
CN112907938A (zh) 一种基于电子围栏的城市智能公交管控方法及系统
CN112883936A (zh) 一种对车辆违规行为的检测方法及其系统
CN115205559A (zh) 一种跨域车辆重识别及连续轨迹构建方法
KR20190043396A (ko) 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템
CN103149603B (zh) 一种基于视频的道路气象检测方法
US20200286371A1 (en) Traffic system for predicting and providing traffic signal switching timing
CN115909240A (zh) 一种基于车道线和车辆识别的道路拥堵检测方法
CN113870551A (zh) 一种能够鉴别危险和非危险驾驶行为的路侧监控系统
CN111739326B (zh) 智能网联汽车运行管理方法及云端控制系统
CN110837753A (zh) 一种人车物识别布控的集分模型及其使用方法
TWI774984B (zh) 交通事件偵測系統及方法
CN217426263U (zh) 一种全息路网道路监控系统
Pan et al. Identifying Vehicles Dynamically on Freeway CCTV Images through the YOLO Deep Learning Model.

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