CN111899517B - 一种高速公路疲劳驾驶违法行为判定方法 - Google Patents
一种高速公路疲劳驾驶违法行为判定方法 Download PDFInfo
- Publication number
- CN111899517B CN111899517B CN202010589524.4A CN202010589524A CN111899517B CN 111899517 B CN111899517 B CN 111899517B CN 202010589524 A CN202010589524 A CN 202010589524A CN 111899517 B CN111899517 B CN 111899517B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- interval
- driving
- time
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000006399 behavior Effects 0.000 claims abstract description 48
- 238000012216 screening Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000001915 proofreading effect Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000000284 extract Substances 0.000 abstract description 2
- 230000002265 prevention Effects 0.000 description 9
- 230000002929 anti-fatigue Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 241001622623 Coeliadinae Species 0.000 description 1
- 241000533950 Leucojum Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G08G1/017—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
- G08G1/01—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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高速公路疲劳驾驶违法行为判定方法,通过将高速公路辖区内的公安交管部门卡口系统的视频流及卡口图像进行提取,并解析处理转化为结构化数据;测算出目标车型在辖区各卡口区间内的平均车速,以此获得目标车型在区间内的通行时间,并以车辆在各区间内的通过时间之和为参照设定数据比对区间;将辖区内行驶时长达到4小时的车辆行驶里程数与区间参照里程数进行比对,初步判定目标车辆是否存在连续驾驶时间超过4小时未停车或是停车休息未到20分钟的违法行为;本发明的有益效果是:结合车辆行驶时间、行驶里程、驾驶员特征等综合因素进行提取、判断,对符合判定规则、能形成有效证据链的疲劳驾驶违法行为进行取证、录入。
Description
技术领域
本发明涉及信息处理技术领域,具体涉及一种高速公路疲劳驾驶违法行为判定方法。
背景技术
根据《道路交通安全法》对疲劳驾驶违法行为的定义,即驾驶机动车不得有连续驾驶机动车超过4小时未停车休息或者停车休息时间少于20分钟的行为定义。
营运车辆疲劳驾驶违法行为仍旧普遍存在。近几年,部分高速公路通过新建港湾式停车带、开辟临时停车区等措施完善服务类基础设施,缓解了车辆停车休息资源不足的问题,同时随着高速公路交管部门针对疲劳驾驶危害宣传的持续开展,愿意休息、主动休息的营运车辆驾驶员比例正在不断上升,愿意休息、主动休息的营运车辆驾驶员比例正在不断上升,夜间高速公路因疲劳驾驶造成的事故较往年有所下降。但在利益的驱使下,仍有一定比例的营运企业、驾驶员抱着侥幸心理不愿“休息”,因此高速公路疲劳驾驶防治工作依旧需要加强。
现有疲劳驾驶防治措施效率不高、效果有限。疲劳驾驶违法行为隐匿性强、不易发现,目前公安交管部门针对疲劳驾驶的防治手段不多,且多为被动式的提醒式执法,就全国范围来看,公安交管部门还未研究出一种效率高、效果好的主动式防疲劳防洽措施。目前主要是通过服务区、收费站进口过滤式防疲劳法开展疲劳驾驶防治工作,这种工作方式需要投入大量警力将主线车辆引导入服务区进行人工一对一式的逐车的防疲劳提醒,由于缺乏有效甄别手段,民警无法识别被检査驾驶员是否存在疲劳驾驶违法行为,因此只能进行无差别化地检査、提醒,防疲劳效果无法精确评估。另外,交通部门接入的“两客一危”企业车辆GPS数据,由于数据来源于不同企业的平合,导致数据质量参差不齐,部分数据滞后性严重,数据可靠性、可用性较差,同时因无法判断车辆是否一直由同一驾驶员驾驶,公安民警也无法对可能存在的疲劳驾驶违法行为进行定性查处。
现有防疲劳驾驶科技产品无法满足管理需求。当前国内外较为主流的主动式防疲劳驾驶探测产品主要有三类,分别是基于计算机视觉系统开发的人脸特征检测设备、基于远程传感技术开发的车辆行驶特征预警设备以及基于驾驶员生理激素特征感应的监测识别设备。上述三类设备均为车载设备,主要是通过车内语音系统提醒驾驶员注意停车休息,该类疲劳驾驶预警设备并未随车出厂安装,需要运输企业或车主额外购买,同时因其价格较高,导致很少会有运输企业或车主愿意接受并主动采购安装,因此在我国社会经济发展的现阶段,该类车载疲劳驾驶检测设备面临着推广难的问题,同时该类设备数据也同车载GPS数据一样,无法成为管理部门判定驾驶员存在疲劳驾驶的有效证据。
因此,急需一种高效的、针对性强的、具备精准识别能力的疲劳驾驶防治措施。
发明内容
针对现有技术中存在的问题,本发明提供了设计合理的一种高速公路疲劳驾驶违法行为判定方法。
本发明的技术方案如下:
一种高速公路疲劳驾驶违法行为判定方法,其特征在于,包括如下步骤:
1)通过将高速公路辖区内的卡口系统的视频流及卡口图像进行提取,并解析处理转化为结构化数据,结构化数据包括车辆号牌、号牌颜色、车辆类型、车辆被卡口系统抓拍的时间及车辆通过卡口系统的车速;
2)利用正态分布技术对结构化数据进行筛选、比对,以车辆类型、车辆通过卡口系统的车速、车辆被卡口系统抓拍的时间为筛选条件,对高速公路上行驶的车辆进行分组,并测算出目标车型在辖区各卡口区间内正常行驶的中间速度值,以此获得目标车型在区间内的正常通行时间值,并以车辆在各区间内的通过时间之和为参照设定数据比对区间;
3)将辖区内行驶时长达到4小时的车辆行驶里程数与区间参照里程数进行比对,初步判定目标车辆是否存在连续驾驶时间超过4小时未停车或是停车休息未到20分钟的违法行为,并利用大数据及云计算的人工智能技术将车辆号牌、车辆行驶时间、车辆行驶里程的数据各字段进行数据碰撞比对,从而初步筛选出存在疲劳驾驶违法行为的嫌疑车辆;
4)再通过对卡口照片中的驾驶人特征信息进行人工二次审核,对确实存在同一驾驶人连续驾驶行为的数据,进行取证并校对入库,形成非现场违法数据信息;
5)最后将非现场违法数据信息通过公安移动警务系统自动推送至就近路面警力,实现对重点嫌疑车辆的精准管控。
所述的一种高速公路疲劳驾驶违法行为判定方法,其特征在于,所述步骤3)中设T1+T2+T3+T4=4小时,则S1+S2+S3+S4=S,S是目标车型正常情况下连续行驶4小时的里程数,可将S作为系统判断目标车辆在辖区内是否存在疲劳驾驶行为的参照值;T1、T2、T3、T4分别为区间1、区间2、区间3、区间4内的行驶时间,S1、S2、S3、S4分别为区间1、区间2、区间3、区间4内的行驶程数;
以车辆A通过卡口1的时间为起点计算,用Sa表示当其连续行驶时间达到4小时的行驶里程数:
3.1)若Sa小于S,说明车辆A在通过区间1、区间2、区间3、区间4期间,其存在中途停车的情况,则其驾驶员存在疲劳驾驶的概率较小,系统可自动将车辆A排除在筛选范围之外;
3.2)若Sa大于等于S,说明车辆A在通过区间1、区间2、区间3、区间4期间,车辆未有停车行为发生,则其驾驶员可能存在连续驾驶机动车行驶时间达到4小时的情况,系统可将车辆A纳入嫌疑车辆初筛库中,并根据车辆A在区间5内的通过时间Ta5进一步判断其是否存在疲劳驾驶行为;
3.3)若Ta5大于或等于T5+20分钟,则车辆A在区间5内停车休息20分钟的可能性较大,系统将自动其排除出嫌疑车辆初筛库,其中T5为区间5内的行驶时间;
3.4)若Ta5小于T5+20分钟,则车辆A存在较大的疲劳驾驶可能,系统可将其标记为疲劳驾驶车辆,并转入非现场校对库进行人工校对;
所述的一种高速公路疲劳驾驶违法行为判定方法,其特征在于,所述步骤1)中卡口系统采用本地数据库:如天网工程卡口系统或雪亮工程卡口系统。
所述的一种高速公路疲劳驾驶违法行为判定方法,其特征在于,所述步骤1)中卡口系统采用同网异构数据库:如公安信息网内不同警种、不同地域公安部门建设的各类相互独立的卡口系统数据库与交通行业部门推送的车辆过车数据进行关联、融合,并通过对结构化数据进行信息自动比对,剔除其中的重复数据,融合成一个新的数据池,扩大对车辆的监控范围。
所述的一种高速公路疲劳驾驶违法行为判定方法,其特征在于,所述步骤4)具体为:校对人员通过比对系统提取的车辆A经过总区间沿线各卡口的过车照片,比对驾驶人样貌、衣着显性特征,判断车辆A在总区间内行驶过程中是否为单一驾驶员驾驶,若是,则可认定其疲劳驾驶的违法行为,纳入非现场库进行处罚;反之,则将相关数据作废删除。
本发明的有益效果是:系统以车辆行驶里程、车辆行驶时间为参照值,对存在疲劳驾驶违法嫌疑的车辆进行自动筛选,然后人工对嫌疑车辆在沿线卡口抓拍图像进行线性连续比对,结合车辆行驶时间、车辆行驶里程、驾驶员特征等综合因素进行提取、判断,对符合判定规则、能形成有效证据链的疲劳驾驶违法行为进行取证、录入。
附图说明
图1为本发明的卡口信息示意图;
图中:卡口1、2、3、4、5、6分别代表车辆行驶总区间内依次部署的卡口系统;
S1、2、3、4、5分别代表相邻卡口系统之间的区间里程;
V1、2、3、4、5分别代表相关卡口内中间车速的中间值或平均值,该速度可以是区间测速系统测算出的区间实际速度值;
T1、2、3、4、5分别代表车辆在区间内以正常行驶的速度通过区间的时间。
具体实施方式
以下结合说明书附图,对本发明作进一步描述。
如图1所示,一种高速公路疲劳驾驶违法行为判定方法,具体步骤如下:
1)通过将高速公路辖区内的卡口系统的视频流及卡口图像进行提取,并解析处理转化为结构化数据,结构化数据包括车辆号牌、号牌颜色、车辆类型、车辆被卡口系统抓拍的时间及车辆通过卡口系统的车速;其中步骤1)中卡口系统采用本地数据库:如天网工程卡口系统或雪亮工程卡口系统;或所述步骤1)中公安交管部门卡口系统采用同网异构数据库:如公安信息网内不同警种、不同地域公安部门建设的各类相互独立的卡口系统数据库与交通行业部门推送的车辆过车数据进行关联、融合,扩大对车辆的监控范围。
其中关联、融合,指的是对不同部门所建系统的数据进行处理,统一处理成计算机系统能够识别、能够利用的结构化数据字段,如车辆号牌、号牌颜色、车辆类型、车辆被卡口系统抓拍的时间、车辆通过卡口系统的车速等信息,在通过信息自动比对,剔除其中的重复数据,融合成一个新的数据池,然后再将数据池中的数据按照权利要求1所述的判定方法进行分析、处理,通过关联、融合后的数据池,具有更加详尽、更加严谨、更加科学的优势。
2)利用正态分布技术对结构化数据进行筛选、比对,以车辆类型、车辆通过卡口系统的车速、车辆被卡口系统抓拍的时间为筛选条件,对高速公路上行驶的车辆进行分组,测算出目标车型在辖区各卡口区间内的中间速度值(平均车速),以此获得目标车型在区间内的通行时间值,并以车辆在各区间内的通过时间之和为参照设定数据比对区间。
3)将辖区内行驶时长达到4小时的车辆行驶里程数与区间参照里程数进行比对,初步判定目标车辆是否存在连续驾驶时间超过4小时未停车或是停车休息未到20分钟的违法行为;并利用大数据及云计算的人工智能技术将车辆号牌、车辆行驶时间、车辆行驶里程的数据各字段进行数据碰撞比对,从而初步筛选出存在疲劳驾驶违法行为的嫌疑车辆。
设T1+T2+T3+T4=4小时,则S1+S2+S3+S4=S,S是目标车型正常情况下连续行驶4小时的里程数,可将S作为系统判断目标车辆在辖区内是否存在疲劳驾驶行为的参照值;T1、T2、T3、T4分别为区间1、区间2、区间3、区间4内的行驶时间,S1、S2、S3、S4分别为区间1、区间2、区间3、区间4内的行驶程数;
以车辆A通过卡口1的时间为起点计算,用Sa表示当其连续行驶时间达到4小时的行驶里程数:
3.1)若Sa小于S,说明车辆A在通过区间1、区间2、区间3、区间4期间,其存在中途停车的情况,则其驾驶员存在疲劳驾驶的概率较小,系统可自动将车辆A排除在筛选范围之外;
3.2)若Sa大于等于S,说明车辆A在通过区间1、区间2、区间3、区间4期间,车辆未有停车行为发生,则其驾驶员可能存在连续驾驶机动车行驶时间达到4小时的情况,系统可将车辆A纳入嫌疑车辆初筛库中,并根据车辆A在区间5内的通过时间Ta5进一步判断其是否存在疲劳驾驶行为;
3.3)若Ta5大于或等于T5+20分钟,则车辆A在区间5内停车休息20分钟的可能性较大,系统将自动其排除出嫌疑车辆初筛库;
3.4)若Ta5小于T5+20分钟,则车辆A存在较大的疲劳驾驶可能,系统可将其标记为疲劳驾驶车辆,转入非现场校对库进行人工校对;
4)再通过对卡口照片中的驾驶人特征信息进行人工二次审核,对确实存在同一驾驶人连续驾驶行为的数据,进行取证并校对入库,形成非现场违法数据信息,具体为:校对人员通过比对系统提取的车辆A经过总区间沿线各卡口的过车照片,比对驾驶人样貌、衣着等显性特征,判断车辆A在总区间内行驶过程中是否为单一驾驶员驾驶,若是,则可认定其疲劳驾驶的违法行为,纳入非现场库进行处罚;反之,则将相关数据作废删除。
5)将非现场违法数据信息通过公安移动警务系统自动推送至就近路面警力,实现对重点嫌疑车辆的精准管控。
本发明还可利用移动互联网APP信息定位嫌疑车辆引导路面警力精准管控;在公安交管部门卡口系统的基础上,探索利用百度地图、高德导航、货车帮、滴滴代驾等移动互联网APP中的导航数据、货单信息、隔夜代驾信息(前日有代驾行为的车主存在较大概率的饮酒行为,可能会影响次日驾驶人驾车状态)等数据初步筛选出车辆行驶里程、车辆行驶时间超过四小时行程或者隔夜存在饮酒等可能造成疲劳驾驶的重点车辆,再将相关预警信息通过公安移动警务系统自动推送至就近路面警力,实现对重点嫌疑对象的精准管控。
Claims (4)
1.一种高速公路疲劳驾驶违法行为判定方法,其特征在于,包括如下步骤:
1)通过将高速公路辖区内的卡口系统的视频流及卡口图像进行提取,并解析处理转化为结构化数据,结构化数据包括车辆号牌、号牌颜色、车辆类型、车辆被卡口系统抓拍的时间及车辆通过卡口系统的车速;
2)利用正态分布技术对结构化数据进行筛选、比对,以车辆类型、车辆通过卡口系统的车速、车辆被卡口系统抓拍的时间为筛选条件,对高速公路上行驶的车辆进行分组,并测算出目标车型在辖区各卡口区间内正常行驶的中间速度值,以此获得目标车型在区间内的正常通行时间值,并以车辆在各区间内的通过时间之和为参照设定数据比对区间;
3)将辖区内行驶时长达到4小时的车辆行驶里程数与区间参照里程数进行比对,初步判定目标车辆是否存在连续驾驶时间超过4小时未停车或是停车休息未到20分钟的违法行为,并利用大数据及云计算的人工智能技术将车辆号牌、车辆行驶时间、车辆行驶里程的数据各字段进行数据碰撞比对,从而初步筛选出存在疲劳驾驶违法行为的嫌疑车辆;
所述步骤3)中设T1+T2+T3+T4=4小时,则S1+S2+S3+S4=S,S是目标车型正常情况下连续行驶4小时的里程数,可将S作为系统判断目标车辆在辖区内是否存在疲劳驾驶行为的参照值;T1、T2、T3、T4分别为区间1、区间2、区间3、区间4内的行驶时间,S1、S2、S3、S4分别为区间1、区间2、区间3、区间4内的行驶程数;
以车辆A通过卡口1的时间为起点计算,用Sa表示当其连续行驶时间达到4小时的行驶里程数:
3.1)若Sa小于S,说明车辆A在通过区间1、区间2、区间3、区间4期间,其存在中途停车的情况,则其驾驶员存在疲劳驾驶的概率较小,系统可自动将车辆A排除在筛选范围之外;
3.2)若Sa大于等于S,说明车辆A在通过区间1、区间2、区间3、区间4期间,车辆未有停车行为发生,则其驾驶员可能存在连续驾驶机动车行驶时间达到4小时的情况,系统可将车辆A纳入嫌疑车辆初筛库中,并根据车辆A在区间5内的通过时间Ta5进一步判断其是否存在疲劳驾驶行为;
3.3)若Ta5大于或等于T5+20分钟,则车辆A在区间5内停车休息20分钟的可能性较大,系统将自动其排除出嫌疑车辆初筛库,其中T5区间5内的行驶时间;
3.4)若Ta5小于T5+20分钟,则车辆A存在较大的疲劳驾驶可能,系统可将其标记为疲劳驾驶车辆,并转入非现场校对库进行人工校对;
4)再通过对卡口照片中的驾驶人特征信息进行人工二次审核,对确实存在同一驾驶人连续驾驶行为的数据,进行取证并校对入库,形成非现场违法数据信息;
5)最后将非现场违法数据信息通过公安移动警务系统自动推送至就近路面警力,实现对重点嫌疑车辆的精准管控。
2.根据权利要求1所述的一种高速公路疲劳驾驶违法行为判定方法,其特征在于,所述步骤1)中卡口系统采用本地数据库:如天网工程卡口系统或雪亮工程卡口系统。
3.根据权利要求1所述的一种高速公路疲劳驾驶违法行为判定方法,其特征在于,所述步骤1)中卡口系统采用同网异构数据库:如公安信息网内不同警种、不同地域公安部门建设的各类相互独立的卡口系统数据库与交通行业部门推送的车辆过车数据进行关联、融合,并通过对结构化数据进行信息自动比对,剔除其中的重复数据,融合成一个新的数据池,扩大对车辆的监控范围。
4.根据权利要求1所述的一种高速公路疲劳驾驶违法行为判定方法,其特征在于,所述步骤4)具体为:校对人员通过比对系统提取的车辆A经过总区间沿线各卡口的过车照片,比对驾驶人样貌、衣着显性特征,判断车辆A在总区间内行驶过程中是否为单一驾驶员驾驶,若是,则可认定其疲劳驾驶的违法行为,纳入非现场库进行处罚;反之,则将相关数据作废删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010589524.4A CN111899517B (zh) | 2020-06-24 | 2020-06-24 | 一种高速公路疲劳驾驶违法行为判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010589524.4A CN111899517B (zh) | 2020-06-24 | 2020-06-24 | 一种高速公路疲劳驾驶违法行为判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111899517A CN111899517A (zh) | 2020-11-06 |
CN111899517B true CN111899517B (zh) | 2022-11-04 |
Family
ID=73207886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010589524.4A Active CN111899517B (zh) | 2020-06-24 | 2020-06-24 | 一种高速公路疲劳驾驶违法行为判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899517B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112598912B (zh) * | 2020-12-10 | 2022-05-03 | 佳都科技集团股份有限公司 | 卡口间隔获取方法、装置、计算机设备及存储介质 |
CN114172871A (zh) * | 2021-12-13 | 2022-03-11 | 以萨技术股份有限公司 | 一种基于视频违法检测的数据处理系统、方法及存储介质 |
CN115512550A (zh) * | 2022-09-22 | 2022-12-23 | 青海省公安交通警察总队高速公路支队 | 一种货运车辆超时驾驶稽查辅助系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202703278U (zh) * | 2012-05-25 | 2013-01-30 | 李国杰 | 一种汽车防疲劳驾驶控制系统 |
CN104369691A (zh) * | 2014-11-22 | 2015-02-25 | 山东科技职业学院 | 一种防止疲劳驾驶装置 |
CN108364457A (zh) * | 2018-01-31 | 2018-08-03 | 长安大学 | 一种基于gps的商用车疲劳驾驶检测方法 |
CN108717794A (zh) * | 2018-07-25 | 2018-10-30 | 中科鼎富(北京)科技发展有限公司 | 一种防止高速公路上司机疲劳驾驶的方法,装置及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617734B (zh) * | 2013-12-10 | 2016-08-17 | 广州华工信息软件有限公司 | 基于时程特征的高速公路车辆安全行驶识别方法 |
CN106228755A (zh) * | 2016-08-12 | 2016-12-14 | 深圳市元征科技股份有限公司 | 疲劳驾驶预警方法及云端服务器 |
CN107067730B (zh) * | 2017-02-24 | 2020-02-07 | 江苏智通交通科技有限公司 | 基于卡口设备的网约车人车不一致监测方法 |
CN109523787B (zh) * | 2018-11-30 | 2021-06-29 | 公安部交通管理科学研究所 | 一种基于车辆通行轨迹的疲劳驾驶分析方法 |
-
2020
- 2020-06-24 CN CN202010589524.4A patent/CN111899517B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202703278U (zh) * | 2012-05-25 | 2013-01-30 | 李国杰 | 一种汽车防疲劳驾驶控制系统 |
CN104369691A (zh) * | 2014-11-22 | 2015-02-25 | 山东科技职业学院 | 一种防止疲劳驾驶装置 |
CN108364457A (zh) * | 2018-01-31 | 2018-08-03 | 长安大学 | 一种基于gps的商用车疲劳驾驶检测方法 |
CN108717794A (zh) * | 2018-07-25 | 2018-10-30 | 中科鼎富(北京)科技发展有限公司 | 一种防止高速公路上司机疲劳驾驶的方法,装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111899517A (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111899517B (zh) | 一种高速公路疲劳驾驶违法行为判定方法 | |
CN105336207B (zh) | 车辆记录仪和公安综合监管系统 | |
US6442474B1 (en) | Vision-based method and apparatus for monitoring vehicular traffic events | |
CN102201164B (zh) | 一种自适应城市交通拥堵快速反应系统 | |
CN102426786B (zh) | 一种自动识别套牌车辆的智能视频分析系统及方法 | |
CN107067730B (zh) | 基于卡口设备的网约车人车不一致监测方法 | |
CN105575127B (zh) | 道路交通违章自动取证处罚系统 | |
US20180240336A1 (en) | Multi-stream based traffic enforcement for complex scenarios | |
CN106548629B (zh) | 基于数据融合的交通违法行为检测方法和系统 | |
CN103413438A (zh) | 车载移动警务执法平台 | |
CN108074400A (zh) | 一种基于海量数据分析的重点车辆分析模型 | |
CN106710225B (zh) | 一种车辆号牌违法的识别方法和监测平台 | |
CN101950484A (zh) | 鉴别车牌真伪的方法 | |
CN111404874A (zh) | 出租车嫌疑车辆甄别分析体系架构 | |
CN105355053A (zh) | 路边违停车辆自动检测系统 | |
CN106023599A (zh) | 一种超高超宽违法抓拍电子警察系统及其控制方法 | |
Chen et al. | Lane-based Distance-Velocity model for evaluating pedestrian-vehicle interaction at non-signalized locations | |
CN108010312A (zh) | 适用于停车场站的车辆出入安全管理系统 | |
CN110807929A (zh) | 一种交通警用辅助指挥信息分析研判系统 | |
CN105761478A (zh) | 基于物联网的智能交通管理办法 | |
CN114821490A (zh) | 一种基于深度学习的机场出发层违章车辆自动识别方法 | |
CN109785640A (zh) | 一种关于车辆违章检测系统及其检测方法 | |
CN115273474B (zh) | 一种基于人工智能的rpa巡检机器人巡检管理系统 | |
CN115440071B (zh) | 一种自动驾驶违规停车检测方法 | |
CN114724356B (zh) | 基于气象数据整合的gis高速公路事故预警的方法及系统 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method for determining illegal behavior of fatigue driving on highways Effective date of registration: 20231127 Granted publication date: 20221104 Pledgee: Zhejiang Lishui Liandu Rural Commercial Bank Co.,Ltd. Pledgor: ZHEJIANG HAOTENG ELECTRON TECHNOLOGY CO.,LTD. Registration number: Y2023980067610 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |