CN111757270A - 超员车辆识别方法及装置 - Google Patents
超员车辆识别方法及装置 Download PDFInfo
- Publication number
- CN111757270A CN111757270A CN202010567199.1A CN202010567199A CN111757270A CN 111757270 A CN111757270 A CN 111757270A CN 202010567199 A CN202010567199 A CN 202010567199A CN 111757270 A CN111757270 A CN 111757270A
- Authority
- CN
- China
- Prior art keywords
- user group
- determining
- vehicle
- users
- people
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000033001 locomotion Effects 0.000 claims abstract description 82
- 230000011664 signaling Effects 0.000 claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000005617 Overman rearrangement reaction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- 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
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆超员识别方法及装置,所述方法包括:根据预设时间段内多个用户的信令数据,生成所述用户的运动轨迹;根据所述用户的运动轨迹和第一阈值确定第一用户组,并确定所述第一用户组的人数;确定所述第一用户组的运动轨迹对应的车辆,并根据预设的车辆标识和核载人数的映射关系确定所述车辆的核载人数;若所述第一用户组的人数大于所述核载人数,则确定所述车辆为超员车辆。实现超员车辆的自动判定,实用性强、方便,且数据真实,不容易被掩盖。
Description
技术领域
本申请属于通信技术领域,具体涉及一种超员车辆识别方法及装置。
背景技术
车辆超员容易使得客车动力性下降,特别是对中小型客车而言,由于其本身质量小、载重少,一旦超员,对其动力性的影响更大,从而导致追尾、刮蹭等等事故的发生的概率增加。另一方面,安全带、座椅等按照核载人数为乘客提供安全防护。对于超员乘客来说,他们没有相应的安全防护措施,在交通事故发生时,超员车辆会明显提升事故伤亡率。
为了有效对超员车辆的情况进行管理,目前的做法一般是交警在节假日等客流高峰期在关键路口进行人工核查,这种方法非常不方便,且对于中途上车的情况很难彻底排查。另外一些对超员车辆进行判定的方法,需要在车内添加额外的设备,如摄像头,此类方法实用性不强,一方面不是所有车辆都会有相关设备,另一方面,司机很容易通过操作设备掩盖超员的实际情况。
发明内容
本申请针对现有技术中存在的上述不足,提供一种超员车辆识别方法及装置。
本申请提供一种超员车辆识别方法,包括:
根据预设时间段内多个用户的信令数据,生成所述用户的运动轨迹;
根据所述用户的运动轨迹和第一阈值确定第一用户组,并确定所述第一用户组的人数;
确定所述第一用户组的运动轨迹对应的车辆,并根据预设的车辆标识和核载人数的映射关系确定所述车辆的核载人数;
若所述第一用户组的人数大于所述核载人数,则确定所述车辆为超员车辆。
优选地,所述根据所述用户的运动轨迹和第一阈值确定第一用户组,包括:
确定具有相同运动轨迹的第二用户组,并确定所述第二用户组的人数;
若判断出所述第二用户组乘坐客车出行,则判断第二用户组的人数是否大于第一阈值;
若是,则确定所述第二用户组为第一用户组。
优选地,确定具有相同运动轨迹的第二用户组,包括:
根据所述各用户的运动轨迹,计算任意两个用户的运动轨迹间的平均距离;
将平均距离小于第二阈值的用户作为第二用户组的成员。
优选地,所述判断出所述第二用户组乘坐客车出行,包括:
根据所述第二用户组中用户的运动轨迹确定第二用户组中用户的速度和加速度;
若判断出所述第二用户组中用户的速度在预设的第一区间,且所述第二用户组中用户的加速度在预设的第二区间,则确定所述第二用户组乘坐客车出行。
优选地,所述确定所述第一用户组的运动轨迹对应的车辆,包括:
确定所述第一用户组的运动轨迹上的各个摄像头和所述第一用户组经过所述各个摄像头的时间点;
获取所述各个摄像头在所述时间点拍摄的图像;
根据所述图像,确定所述车辆。
本申请还提供一种超员车辆识别装置,包括:
生成模块,用于根据预设时间段内多个用户的信令数据,生成所述用户的运动轨迹;
第一确定模块,用于根据所述用户的运动轨迹和第一阈值确定第一用户组;
第二确定模块,用于确定所述第一用户组的人数;
第三确定模块,用于确定所述第一用户组的运动轨迹对应的车辆;
第四确定模块,用于根据预设的车辆标识和核载人数的映射关系确定所述车辆的核载人数;
第五确定模块,用于若所述第一用户组的人数大于所述核载人数,则确定所述车辆为超员车辆。
优选地,所述第一确定模块,具体用于:
确定具有相同运动轨迹的第二用户组,并确定所述第二用户组的人数;
若判断出所述第二用户组乘坐客车出行,则判断第二用户组的人数是否大于第一阈值;
若是,则确定所述第二用户组为第一用户组。
优选地,所述第一确定模块,具体用于:
根据所述各用户的运动轨迹,计算任意两个用户的运动轨迹间的平均距离;
将平均距离小于第二阈值的用户作为第二用户组的成员。
优选地,所述第一确定模块,具体用于:
根据所述第二用户组中用户的运动轨迹确定第二用户组中用户的速度和加速度;
若判断出所述第二用户组中用户的速度在预设的第一区间,且所述第二用户组中用户的加速度在预设的第二区间,则确定所述第二用户组乘坐客车出行。
优选地,所述第三确定模块,具体用于:
确定所述第一用户组的运动轨迹上的各个摄像头和所述第一用户组经过所述各个摄像头的时间点;
获取所述各个摄像头在所述时间点拍摄的图像;
根据所述图像,确定所述车辆。
本申请实施例提供的超员车辆识别方法,通过获取用户的信令数据,根据用户的信令数据生成用户的运动轨迹,根据用户的运动轨迹和第一阈值确定第一用户组和第一用户组的人数,并确定第一用户组的运动轨迹对应的车辆,并根据预设的车辆标识和核载人数的映射关系确定所述车辆的核载人数。若第一用户组的人数大于核载人数,则确定所述车辆为超员车辆。从而实现超员车辆的自动判定,实用性强、方便,且数据真实,不容易被掩盖。
附图说明
图1为本申请第一实施例提供的一种超员车辆识别方法的流程图;
图2为本申请第一实施例提供的图1中步骤S2的一种可选实施方式;
图3为本申请第一实施例提供的图2中步骤S21的一种可选实施方式;
图4为本申请第一实施例提供的图1中步骤S4的另一种可选实施方式;
图5为本申请第二实施例提供的一种超员车辆识别装置的结构示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。
本申请提供一种超员车辆识别方法、装置。以下分别结合本申请提供的实施例的附图逐一进行详细说明。
本申请第一实施例提供的一种超员车辆识别方法如下:
如图1所示,其示出了本申请实施例提供的一种超员车辆识别方法,包括以下步骤。
步骤1,根据预设时间段内多个用户的信令数据,生成用户的运动轨迹。
在该步骤中,为获取上述疑似乘坐超员车辆的用户组(即第一用户组),需要采集移动网络多个用户的信令数据,所述信令数据至少包括:用户标识、时间、小区标识,经纬度。根据上述采集到的信令数据生成预设时间段内每个用户的运动轨迹。
具体的,在预设时间段[t0,tn]内,提取[t0,tn]内每个用户对应的信令数据,并根据每个用户标识对应的信令数据,即根据每个用户的用户标识、时间、小区标识,经纬度,生成每个用户标识对应的运动轨迹。其中每个用户的运动轨迹为一经纬度列表,即在上述预设时间段内根据时间顺序排列的经纬度列表T,[(long0,lat1)...(longn,latn)],其中long表示某一时刻该用户标识对应的经度,lat为该用户对应的纬度。
步骤2,根据用户的运动轨迹和第一阈值确定第一用户组。
在该步骤中,第一用户组为疑似乘坐超员车辆的用户组。具体确定第一用户组的步骤,结合附图2和附图3在下述流程中详细说明。
步骤3,并确定第一用户组的人数。
在该步骤中,根据确定出的第一用户组,进而确定第一用户组的人数,此处的人数为实际人数。
需要说明的是,在现实情况中,存在一个用户同时使用多个用户号码的情况,可通过信令数据,判断任意两个用户标识是否对应同一个人。具体的,可以根据预设用户标识关系表对上述第一用户组中乘坐客车出行的用户组进行识别,获取用户组中实际人数。预设用户标识关系表存储任意两个用户标识是否为同一用户,该用户标识关系表根据信令数据分析得到,具体生成方法此处不作限定。
步骤4,确定第一用户组的运动轨迹对应的车辆。
在该步骤中,第一用户组为疑似乘坐超员车辆的用户组,根据该疑似乘坐超员车辆的用户组可以确定出对应的疑似车辆,即可以确定出该疑似车辆对应的车辆标识,例如车牌号。具体的确定第一用户组的运动轨迹对应的车辆的步骤,结合附图4在下述流程中详细说明。
步骤5,根据预设的车辆标识和核载人数的映射关系确定车辆的核载人数。
在该步骤中,根据步骤4确定出的车辆标识结合预设的车辆标识和核载人数的映射关系确定所述车辆的核载人数,即能承载的人数的最大值。具体的,上述车辆标识和核载人数的映射关系至少包括车辆标识(车牌号)、车辆型号、车辆外形图像特征、车辆核载人数等信息。
步骤6,若所述第一用户组的人数大于所述核载人数,则确定所述车辆为超员车辆。
在该步骤中,若第一用户组即疑似乘坐超载车辆的用户组的人数大于该第一用户组对应的车辆的核载人数,则确定所述车辆超载,该车辆为超员车辆。
本申请实施例提供的超员车辆识别方法,在车辆行驶过程中,通过获取用户的信令数据,根据用户的信令数据生成用户的运动轨迹,根据用户的运动轨迹和第一阈值确定第一用户组(即疑似乘坐超员车辆的用户组)和第一用户组的人数,并确定第一用户组的运动轨迹对应的车辆,并根据预设的车辆标识和核载人数的映射关系确定所述车辆的核载人数。若第一用户组的人数大于核载人数,则确定所述车辆为超员车辆。从而实现超员车辆的自动判定,实用性强、方便,且数据真实,不容易被掩盖。
在一些实施例中,如图2所示,所述根据所述用户的运动轨迹和第一阈值确定第一用户组(即步骤2),包括:
步骤21,如图3所示,确定具有相同运动轨迹的第二用户组。
在一些实施例中,确定具有相同运动轨迹的第二用户组,包括:
步骤211,根据所述各用户的运动轨迹,计算任意两个用户的运动轨迹间的平均距离。
步骤212,将平均距离小于第二阈值的用户作为第二用户组的成员。
在步骤211和步骤212中,利用每个用户标识对应的运动轨迹,生成轨迹集合,所述轨迹集合包括具有相同运动轨迹的用户组及其相同的运动轨迹。
具体的,对于任意两个用户标识对应的运动轨迹T1与T2,根据两个轨迹间的平均距离d来判断其轨迹是否重合,若d小于第二阈值d0,则表示这两个用户标识对应的轨迹重合,这两个用户具有相同的运动轨迹。将平均距离小于第二阈值的用户作为第二用户组的成员,即将具有相同轨迹的用户组合生成第二用户组。
步骤22,确定第二用户组的人数。
在该步骤中,确定具有相同轨迹的第二用户组的人数。
步骤23,若判断出所述第二用户组乘坐客车出行,则判断第二用户组的人数是否大于第一阈值,若是,则执行步骤24;若否,流程结束。
在该步骤中,当判断出具有相同轨迹的第二用户组乘坐客车出行时,还需判断该用户组的人数是否大于第一阈值,第二用户组中包含多个用户的运动轨迹,当第二用户组的人数大于第一阈值时,说明该用户组的人数疑似超员。
步骤24,确定所述第二用户组为第一用户组。
在该步骤中,将判断出的既满足乘坐客车出行的条件又满足人数疑似超员的条件的第二用户组确定为第一用户组,即确定为疑似乘坐超员车辆的用户组。
在一些实施例中,所述判断出所述第二用户组乘坐客车出行(步骤23中),包括:根据第二用户组中用户的运动轨迹确定第二用户组中用户的速度和加速度;若判断出第二用户组中用户的速度在预设的第一区间,且所述第二用户组中用户的加速度在预设的第二区间,则确定所述第二用户组乘坐客车出行。
在该步骤中,根据第二用户组中用户的运动轨迹确定第二用户组中用户的速度和加速度。当判断出具有相同轨迹的第二用户组时,可以基于该用户组的速度和加速度等信息来判断该用户组是否乘车出行。具体的,可以设置一个速度的第一区间,设置一个加速度的第二区间,当第二用户组的速度处于第一区间并且加速度处于第二区间时,则说明该用户组乘坐客车出行。
在一些实施例中,如图4所示,所述确定所述第一用户组的运动轨迹对应的车辆(即步骤4),包括:
步骤41,确定所述第一用户组的运动轨迹上的各个摄像头和所述第一用户组经过所述各个摄像头的时间点。
步骤42,获取所述各个摄像头在所述时间点拍摄的图像。
步骤43,根据所述图像,确定所述车辆。
在步骤41-步骤43中,根据第一用户组的运动轨迹与预存的监控摄像头位置关系表,提取上述第一用户组轨迹上的摄像头和第一用户组经过通过这些摄像头的时间点。从上述摄像头提取上述时间点对应的图像为疑似车辆通过上述摄像头时的图像,根据所述图像,即可确定所述车辆。
具体的,上述监控摄像位置关系表,包含摄像头的位置信息,至少包括摄像头标识、经度、维度等。可以提取多个时间点第一用户组在对应的时间点通过不同摄像头的多张图像,并综合上数多张图像,准确定位车辆。对多张图像进行识别,得到上述第一用户组乘坐车辆的标识,即疑似超员车辆的车辆标识,例如车牌号,即确定出了第一用户组的运动轨迹对应的车辆。并根据预存的车辆标识与核载人数的映射关系提取车辆的核载人数,根据预先获取第一用户组的实际人数与该车辆的核载人数比较,当第一用户组的实际人数大于该车辆的核载人数时,判断对应的车辆为超员车辆。
本申请实施例提供的超员车辆识别方法,在车辆行驶过程中,通过获取用户的信令数据,根据用户的信令数据生成用户的运动轨迹,根据用户的运动轨迹和第一阈值确定第一用户组(即疑似乘坐超员车辆的用户组)和第一用户组的人数,并确定第一用户组的运动轨迹对应的车辆,并根据预设的车辆标识和核载人数的映射关系确定所述车辆的核载人数。若第一用户组的人数大于核载人数,则确定所述车辆为超员车辆。从而实现超员车辆的自动判定,实用性强、方便,且数据真实,不容易被掩盖。
本申请第二实施例提供的一种超员车辆识别装置如下:
在上述的实施例中,提供了一种超员车辆识别方法,与之相对应的,本申请还提供了一种超员车辆识别装置,下面结合附图进行说明。
如图5所示,其示出了本申请实施例提供的一种超员车辆识别装置,包括以下模块。
生成模块1,用于根据预设时间段内多个用户的信令数据,生成所述用户的运动轨迹。
第一确定模块2,用于根据所述用户的运动轨迹和第一阈值确定第一用户组。
第二确定模块3,用于确定所述第一用户组的人数。
第三确定模块4,用于确定所述第一用户组的运动轨迹对应的车辆。
第四确定模块5,用于根据预设的车辆标识和核载人数的映射关系确定所述车辆的核载人数。
第五确定模块6,用于若所述第一用户组的人数大于所述核载人数,则确定所述车辆为超员车辆。
在一些实施例中,所述第一确定模块2,具体用于:
确定具有相同运动轨迹的第二用户组,并确定所述第二用户组的人数。
若判断出所述第二用户组乘坐客车出行,则判断第二用户组的人数是否大于第一阈值。
若是,则确定所述第二用户组为第一用户组。
在一些实施例中,所述第一确定模块2,具体用于:
根据所述各用户的运动轨迹,计算任意两个用户的运动轨迹间的平均距离。
将平均距离小于第二阈值的用户作为第二用户组的成员。
在一些实施例中,所述第一确定模块2,具体用于:
根据所述第二用户组中用户的运动轨迹确定第二用户组中用户的速度和加速度。
若判断出所述第二用户组中用户的速度在预设的第一区间,且所述第二用户组中用户的加速度在预设的第二区间,则确定所述第二用户组乘坐客车出行。
在一些实施例中,所述第三确定模块4,具体用于。
确定所述第一用户组的运动轨迹上的各个摄像头和所述第一用户组经过所述各个摄像头的时间点。
获取所述各个摄像头在所述时间点拍摄的图像;
根据所述图像,确定所述车辆。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种超员车辆识别方法,其特征在于,包括:
根据预设时间段内多个用户的信令数据,生成所述用户的运动轨迹;
根据所述用户的运动轨迹和第一阈值确定第一用户组,并确定所述第一用户组的人数;
确定所述第一用户组的运动轨迹对应的车辆,并根据预设的车辆标识和核载人数的映射关系确定所述车辆的核载人数;
若所述第一用户组的人数大于所述核载人数,则确定所述车辆为超员车辆。
2.根据权利要求1所述的超员车辆识别方法,其特征在于,所述根据所述用户的运动轨迹和第一阈值确定第一用户组,包括:
确定具有相同运动轨迹的第二用户组,并确定所述第二用户组的人数;
若判断出所述第二用户组乘坐客车出行,则判断第二用户组的人数是否大于第一阈值;
若是,则确定所述第二用户组为第一用户组。
3.根据权利要求2所述的超员车辆识别方法,其特征在于,确定具有相同运动轨迹的第二用户组,包括:
根据所述各用户的运动轨迹,计算任意两个用户的运动轨迹间的平均距离;
将平均距离小于第二阈值的用户作为第二用户组的成员。
4.根据权利要求2所述的超员车辆识别方法,其特征在于,所述判断出所述第二用户组乘坐客车出行,包括:
根据所述第二用户组中用户的运动轨迹确定第二用户组中用户的速度和加速度;
若判断出所述第二用户组中用户的速度在预设的第一区间,且所述第二用户组中用户的加速度在预设的第二区间,则确定所述第二用户组乘坐客车出行。
5.根据权利要求1-4任一项所述的超员车辆识别方法,其特征在于,所述确定所述第一用户组的运动轨迹对应的车辆,包括:
确定所述第一用户组的运动轨迹上的各个摄像头和所述第一用户组经过所述各个摄像头的时间点;
获取所述各个摄像头在所述时间点拍摄的图像;
根据所述图像,确定所述车辆。
6.一种超员车辆识别装置,其特征在于,包括:
生成模块,用于根据预设时间段内多个用户的信令数据,生成所述用户的运动轨迹;
第一确定模块,用于根据所述用户的运动轨迹和第一阈值确定第一用户组;
第二确定模块,用于确定所述第一用户组的人数;
第三确定模块,用于确定所述第一用户组的运动轨迹对应的车辆;
第四确定模块,用于根据预设的车辆标识和核载人数的映射关系确定所述车辆的核载人数;
第五确定模块,用于若所述第一用户组的人数大于所述核载人数,则确定所述车辆为超员车辆。
7.根据权利要求6所述的超员车辆识别装置,其特征在于,所述第一确定模块,具体用于:
确定具有相同运动轨迹的第二用户组,并确定所述第二用户组的人数;
若判断出所述第二用户组乘坐客车出行,则判断第二用户组的人数是否大于第一阈值;
若是,则确定所述第二用户组为第一用户组。
8.根据权利要求7所述的超员车辆识别装置,其特征在于,所述第一确定模块,具体用于:
根据所述各用户的运动轨迹,计算任意两个用户的运动轨迹间的平均距离;
将平均距离小于第二阈值的用户作为第二用户组的成员。
9.根据权利要求7所述的超员车辆识别装置,其特征在于,所述第一确定模块,具体用于:
根据所述第二用户组中用户的运动轨迹确定第二用户组中用户的速度和加速度;
若判断出所述第二用户组中用户的速度在预设的第一区间,且所述第二用户组中用户的加速度在预设的第二区间,则确定所述第二用户组乘坐客车出行。
10.根据权利要求6-9任一项所述的超员车辆识别装置,其特征在于,所述第三确定模块,具体用于:
确定所述第一用户组的运动轨迹上的各个摄像头和所述第一用户组经过所述各个摄像头的时间点;
获取所述各个摄像头在所述时间点拍摄的图像;
根据所述图像,确定所述车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010567199.1A CN111757270A (zh) | 2020-06-19 | 2020-06-19 | 超员车辆识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010567199.1A CN111757270A (zh) | 2020-06-19 | 2020-06-19 | 超员车辆识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111757270A true CN111757270A (zh) | 2020-10-09 |
Family
ID=72676410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010567199.1A Pending CN111757270A (zh) | 2020-06-19 | 2020-06-19 | 超员车辆识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111757270A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114390459A (zh) * | 2021-12-27 | 2022-04-22 | 安徽百诚慧通科技有限公司 | 农用车辆违法超员载人识别方法及存储介质 |
CN117615363A (zh) * | 2024-01-18 | 2024-02-27 | 北京大也智慧数据科技服务有限公司 | 人员识别的方法、装置、设备及存储介质 |
CN117765740A (zh) * | 2023-12-29 | 2024-03-26 | 杭州诚智天扬科技有限公司 | 一种车辆超员的识别方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103280108A (zh) * | 2013-05-20 | 2013-09-04 | 中国人民解放军国防科学技术大学 | 基于视觉感知和车联网的客车安全预警系统 |
CN105575112A (zh) * | 2014-11-04 | 2016-05-11 | 宁夏康诚机电产品设计有限公司 | 车辆超员自动监测装置 |
CN105956686A (zh) * | 2016-04-20 | 2016-09-21 | 西安电子科技大学 | 车辆共享利润最大化的用户请求分配系统及其方法 |
WO2017091877A1 (pt) * | 2015-12-03 | 2017-06-08 | Skydock Participações Ltda. | Equipamento e sistema embarcado de monitoramento e segurança para veículos |
CN106973165A (zh) * | 2017-04-05 | 2017-07-21 | 中国联合网络通信集团有限公司 | 车辆超员监测方法、车辆超员监测系统、运营商系统及移动终端 |
CN107463940A (zh) * | 2017-06-29 | 2017-12-12 | 清华大学 | 基于手机数据的车辆类型识别方法和设备 |
CN107545724A (zh) * | 2017-07-05 | 2018-01-05 | 邹晓虎 | 一种公交车的动态调度方法、装置与系统 |
-
2020
- 2020-06-19 CN CN202010567199.1A patent/CN111757270A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103280108A (zh) * | 2013-05-20 | 2013-09-04 | 中国人民解放军国防科学技术大学 | 基于视觉感知和车联网的客车安全预警系统 |
CN105575112A (zh) * | 2014-11-04 | 2016-05-11 | 宁夏康诚机电产品设计有限公司 | 车辆超员自动监测装置 |
WO2017091877A1 (pt) * | 2015-12-03 | 2017-06-08 | Skydock Participações Ltda. | Equipamento e sistema embarcado de monitoramento e segurança para veículos |
CN105956686A (zh) * | 2016-04-20 | 2016-09-21 | 西安电子科技大学 | 车辆共享利润最大化的用户请求分配系统及其方法 |
CN106973165A (zh) * | 2017-04-05 | 2017-07-21 | 中国联合网络通信集团有限公司 | 车辆超员监测方法、车辆超员监测系统、运营商系统及移动终端 |
CN107463940A (zh) * | 2017-06-29 | 2017-12-12 | 清华大学 | 基于手机数据的车辆类型识别方法和设备 |
CN107545724A (zh) * | 2017-07-05 | 2018-01-05 | 邹晓虎 | 一种公交车的动态调度方法、装置与系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114390459A (zh) * | 2021-12-27 | 2022-04-22 | 安徽百诚慧通科技有限公司 | 农用车辆违法超员载人识别方法及存储介质 |
CN117765740A (zh) * | 2023-12-29 | 2024-03-26 | 杭州诚智天扬科技有限公司 | 一种车辆超员的识别方法及装置 |
CN117615363A (zh) * | 2024-01-18 | 2024-02-27 | 北京大也智慧数据科技服务有限公司 | 人员识别的方法、装置、设备及存储介质 |
CN117615363B (zh) * | 2024-01-18 | 2024-05-10 | 北京大也智慧数据科技服务有限公司 | 基于信令数据分析目标车辆内人员的方法、装置、设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111757270A (zh) | 超员车辆识别方法及装置 | |
CN111325872B (zh) | 基于计算机视觉的司机驾驶异常检测方法 | |
EP3555874B1 (de) | Vorrichtung, verfahren und computerprogramm für ein fahrzeug zum bereitstellen einer unfallmeldung über einen unfall an eine notrufstelle | |
KR101973933B1 (ko) | 승차인원 검지방법 및 그 장치 | |
CN109754326A (zh) | 一种轻微交通事故辅助快速定损的方法及系统 | |
CN112084824B (zh) | 乘客提醒方法、装置、电子设备及存储介质 | |
DE102020106672A1 (de) | Geobegrenzte dynamische datenerfassung für die erhebung von strassengebühren und das überwachen der strassennutzung | |
CN112053557B (zh) | 一种基于多车行进环境下的有轨电车冲突区域评估方法 | |
DE102021122265A1 (de) | Verknüpfungsvorrichtung für fahrzeugunfall-umgebungsinformationen | |
CN110400483B (zh) | 一种基于人脸识别和gis平台的高校校车管理方法及装置 | |
CN111310650A (zh) | 车辆乘坐对象的分类方法、装置、计算机设备和存储介质 | |
DE102022111037A1 (de) | Verfahren und systeme zur optimierung von fahrzeugereignisprozessen | |
CN110992678A (zh) | 一种基于大数据人脸识别的公交客流统计方法 | |
US11263837B2 (en) | Automatic real-time detection of vehicular incidents | |
US11270525B2 (en) | Automated vehicle occupancy detection | |
CN112532928A (zh) | 一种基于5g和人脸识别的公交车车载系统及使用方法 | |
CN112735136A (zh) | 5g交通监测规划方法、移动终端、交通服务平台及系统 | |
CN1795473A (zh) | 用于将车辆操作者活动状态分类的方法和装置 | |
DE102012212612A1 (de) | Bestimmen eines Aufenthaltsortes eines Benutzers eines mobilen Endgeräts bezogen auf ein Fahrzeug | |
CN114913690A (zh) | 交通精细化监控方法、系统和可读存储介质 | |
KR20230050534A (ko) | 전기버스의 디지털 콕핏 시스템 및 전기버스 디지털 콕핏의 디스플레이 방법 | |
CN111930045B (zh) | 网约车出行监控系统及方法 | |
CN111836015A (zh) | 地铁乘客数量统计方法及系统 | |
CN111696368A (zh) | 一种超速违法数据生成方法及违法服务器 | |
Ruan et al. | A novel scoring method for pedestrian automatic emergency braking systems |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201009 |
|
RJ01 | Rejection of invention patent application after publication |