CN112102619A - 基于融合时空关系的驾驶行为分析与分级方法 - Google Patents
基于融合时空关系的驾驶行为分析与分级方法 Download PDFInfo
- Publication number
- CN112102619A CN112102619A CN202010958339.8A CN202010958339A CN112102619A CN 112102619 A CN112102619 A CN 112102619A CN 202010958339 A CN202010958339 A CN 202010958339A CN 112102619 A CN112102619 A CN 112102619A
- Authority
- CN
- China
- Prior art keywords
- driving behavior
- time
- driving
- information
- classification method
- 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
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于融合时空关系的驾驶行为分析与分级方法,包括如下步骤:S1、信息输入,输入目标路段信息和时间信息;S2、空间范围确定,针对路段的每个道口,确定其影响的空间范围,且空间范围的空间阶数至少为1;S3、时间范围确定;S4、驾驶车辆的数据采集;S5、驾驶行为分析;S6、驾驶行为分级。本发明提供的基于融合时空关系的驾驶行为分析与分级方法,与传统的驾驶行为分析方法小臂,本发明能同时提出至少三组不同等级的行为判定方案及其模拟的数据攻驾驶员进行选择,驾驶员能根据自身的习惯去选择相应的行为判定方案,并根据行为判定方案的模拟的数据和模拟路线进行驾驶操作,更为使用和方便,选择性也更广。
Description
技术领域
本发明属于驾驶行为分析与分级领域,更具体地说,尤其涉及基于融合时空关系的驾驶行为分析与分级方法。
背景技术
为应对日益严重的城市交通拥堵问题,国内外许多大城市均已启动了各自的基于可变情报板的交通诱导系统的研发和推广应用,现已具有一定的规模,并取得了一定的预期效果,然而,随着交通需求的不断增长,基于“实时检测交通状态”的被动诱导方式,制约了其诱导效果和水平的发挥,迫切需要实现从基于“实时检测交通状态”的被动式诱导到基于“实时交通运行态势动态推演与预估”的主动式智能诱导的提升,对群体诱导信息下驾驶员响应行为的准确掌握是实施主动式智能交通诱导的前提,也是确保交通诱导功效得以长期发挥的先决条件。
目前,基于现场调查、电子邮件、电话询问和出行仿真器的意向调查或者显式偏好调查经常用于评估交通信息作用下驾驶员的响应行为,尽管被调查者的反应能够在一定程度上反映其行为,但基于假设场景的问卷调查和仿真可能是不可靠的,体现在相同的交通信息在不同位置的可变情报板上发布效果各异,即使在同一位置,可变情报板的效果也因不同驾驶员群体、交通条件和路网属性等而变化,因此我们提出基于融合时空关系的驾驶行为分析与分级方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的基于融合时空关系的驾驶行为分析与分级方法。
为实现上述目的,本发明提供如下技术方案:
基于融合时空关系的驾驶行为分析与分级方法,包括如下步骤:
S1、信息输入,输入目标路段信息和时间信息;
S2、空间范围确定,针对路段的每个道口,确定其影响的空间范围,且空间范围的空间阶数至少为1;
S3、时间范围确定,根据输入的时间信息并结合其空间范围,计算出该路段在输入时间内道路情况;
S4、驾驶车辆的数据采集,对车辆的行驶速度、环境信息以及位置信息进行采集;
S5、驾驶行为分析,根据车辆的采集数据以及空间范围内和时间范围内的信息,针对每驾驶行为进行分析,驾驶行为包括:刹车、减速、掉头、转弯、超车等;
S6、驾驶行为分级,根据步骤5中对每种驾驶行为的分析结果,结合输入的目标路段信息以及时间信息,将每种驾驶行为进行分级,分级包括3等级,按照优先等级依次为:A级、B级、C级。
优选的,步骤S1中所述的信息输入采用输入组件进行输入,所述输入组件包括键盘、鼠标、电子书写板,所述用户终端模块的接口支持如下接口之一或组合:通用串行接口、计算机串口、计算机并口、PCMCIA接口、PS/2接口、无线通讯接口、红外通讯接口。
优选的,步骤S2中所述的空间范围根据道路网络中路段之间的空间相对位置,为每一个与该路段相通的路段数据进行统计,然后依次确定每条相通路段对该路段影响,并且确定从该路段出发在预定时间段内可达到的空间范围,作为对该路段具有影响的空间范围。
优选的,步骤S3的时间范围通过将车辆到达目标路段所行驶不同路线的时间进行分析,并将其中的典型行驶路线的时间信息进行抽取,所述的典型行驶路线包括到达目标路段的最短行驶路线、到达目标路段的最长行驶路线以及到达目标路段的交通信号灯最少行驶路线,并计算出上述3组时间信息的平均值。
优选的,步骤S4的车辆的行驶速度数据采集通过磁电式轮速传感器以及坡度传感器进行采集,所述磁电式轮速传感器由磁感应传感头和齿圈组成,所述磁感应传感头由永磁铁、极轴、感应线圈组成,所述齿圈固定安装于汽车车轮的轮毂上,所述磁感应传感头是一个静止部件,且磁感应传感头磁极与齿圈的端面之间设置有间隙,所述坡度传感器包括系统基础芯片、加速度检测单元、控制单元和外部电路,所述外部电路由电源模块和CAN总线组成,所述系统基础芯片设有保护电路、通讯收发模块和与电源模块相连的调压模块,所述加速度检测单元由加速度计和内部芯片组成,内部芯片由串行外设接口、逻辑控制器、计算模块、滤波器和数字信号处理单元组成,串行外设接口与加速度计相连,数字信号处理单元与控制单元相连。
优选的,步骤S5中所述的驾驶行为分析是以车辆所在位置作为基础,结合空间范围以及时间范围内的典型行驶路线进行模拟计算,计算出步骤S5中每种驾驶行为最优的行驶路线。
优选的,步骤S6中所述的驾驶行为分级,通过对步骤S5中每种驾驶行为最优的行驶路线的行驶畅通概率以及预计行驶时间进行综合计算,并分级。
优选的,所述驾驶行为分级的具体准则为,
1)预计行驶时间小于时间范围的平均值;
2)行驶畅通概率大于65%;
其中,满足1和2判定为A级;满足1和2中的任意一条为B级;1和2任意一条都不满足判定为C级,并且在判定时,若有多组均满足等级条件,则选用该等级内最优的最为最终结果。
本发明的技术效果和优点:本发明提供的基于融合时空关系的驾驶行为分析与分级方法,与传统的驾驶行为分析方法小臂,本发明能同时提出至少三组不同等级的行为判定方案及其模拟的数据攻驾驶员进行选择,驾驶员能根据自身的习惯去选择相应的行为判定方案,并根据行为判定方案的模拟的数据和模拟路线进行驾驶操作,更为使用和方便,选择性也更广。
附图说明
图1为本发明基于融合时空关系的驾驶行为分析与分级方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了如图1所示的基于融合时空关系的驾驶行为分析与分级方法,包括如下步骤:
S1、信息输入,输入目标路段信息和时间信息;
S2、空间范围确定,针对路段的每个道口,确定其影响的空间范围,且空间范围的空间阶数至少为1;
S3、时间范围确定,根据输入的时间信息并结合其空间范围,计算出该路段在输入时间内道路情况;
S4、驾驶车辆的数据采集,对车辆的行驶速度、环境信息以及位置信息进行采集;
S5、驾驶行为分析,根据车辆的采集数据以及空间范围内和时间范围内的信息,针对每驾驶行为进行分析,驾驶行为包括:刹车、减速、掉头、转弯、超车等;
S6、驾驶行为分级,根据步骤5中对每种驾驶行为的分析结果,结合输入的目标路段信息以及时间信息,将每种驾驶行为进行分级,分级包括3等级,按照优先等级依次为:A级、B级、C级。
其中,步骤5中还采用自适应卡尔曼滤波理论,建立自动辨识驾驶员响应行为模型系数和分流点时变交通分流比例的关系,用于驾驶员响应行为模型系数的更新,其中,驾驶员响应行为模型用于确定可变情报板诱导信息对驾驶员响应行为的影响,并用于校正联系主路径和替换路径的下匝道分流交通量和分流比例,同时,分流点上、下游主线交通流量用于预估时变分流比例,涉及的随机误差项可采用自适应卡尔曼滤波技术更新,模型系数自动更新方法步骤如下:
建立自动辨识驾驶员响应行为模型系数和分流点时变交通分流比例的关系,包括主线检测交通量和分流比例的动态关系和驾驶员响应行为模型时变系数和信息服从率的关系,主线检测交通量和分流比例的动态关系可归纳为两组方程:
分流比例转移方程aik=ai(k-1)+wik;分流比例和主线检测交通量之间的时空关系方程zik=mi1kaik+dik+vik;
上述的mi1kaik是分流点i处k时刻的下匝道交通量向量,其中aik是分流点i处k时刻的分流比例向量,mi1k是分流点i处k时刻分流点上游主线交通量向量;dik是分流点i处Tk时刻可变情报板诱导信息影响下改道交通量向量,可由mi2k预估得到,mi2k是分流点i处k时刻分流点下游主线交通量向量,k表示分流点i处k时刻的信息服从率向量;zik是分流点i处k时刻的可变情报板诱导信息影响下匝道交通量向量;wik,vik是随机误差项向量;
步骤S1中的信息输入采用输入组件进行输入,输入组件包括键盘、鼠标、电子书写板,用户终端模块的接口支持如下接口之一或组合:通用串行接口、计算机串口、计算机并口、PCMCIA接口、PS/2接口、无线通讯接口、红外通讯接口。
步骤S2中的空间范围根据道路网络中路段之间的空间相对位置,为每一个与该路段相通的路段数据进行统计,然后依次确定每条相通路段对该路段影响,并且确定从该路段出发在预定时间段内可达到的空间范围,作为对该路段具有影响的空间范围。
步骤S3的时间范围通过将车辆到达目标路段所行驶不同路线的时间进行分析,并将其中的典型行驶路线的时间信息进行抽取,的典型行驶路线包括到达目标路段的最短行驶路线、到达目标路段的最长行驶路线以及到达目标路段的交通信号灯最少行驶路线,并计算出上述3组时间信息的平均值。
步骤S4的车辆的行驶速度数据采集通过磁电式轮速传感器以及坡度传感器进行采集,磁电式轮速传感器由磁感应传感头和齿圈组成,磁感应传感头由永磁铁、极轴、感应线圈组成,齿圈固定安装于汽车车轮的轮毂上,磁感应传感头是一个静止部件,且磁感应传感头磁极与齿圈的端面之间设置有间隙,坡度传感器包括系统基础芯片、加速度检测单元、控制单元和外部电路,外部电路由电源模块和CAN总线组成,系统基础芯片设有保护电路、通讯收发模块和与电源模块相连的调压模块,加速度检测单元由加速度计和内部芯片组成,内部芯片由串行外设接口、逻辑控制器、计算模块、滤波器和数字信号处理单元组成,串行外设接口与加速度计相连,数字信号处理单元与控制单元相连。
步骤S5中的驾驶行为分析是以车辆所在位置作为基础,结合空间范围以及时间范围内的典型行驶路线进行模拟计算,计算出步骤S5中每种驾驶行为最优的行驶路线。
步骤S6中的驾驶行为分级,通过对步骤S5中每种驾驶行为最优的行驶路线的行驶畅通概率以及预计行驶时间进行综合计算,并分级。
驾驶行为分级的具体准则为,
1)预计行驶时间小于时间范围的平均值;
2)行驶畅通概率大于65%;
其中,满足1和2判定为A级;满足1和2中的任意一条为B级;1和2任意一条都不满足判定为C级,并且在判定时,若有多组均满足等级条件,则选用该等级内最优的最为最终结果。
综上所述:本发明提供的基于融合时空关系的驾驶行为分析与分级方法,与传统的驾驶行为分析方法小臂,本发明能同时提出至少三组不同等级的行为判定方案及其模拟的数据攻驾驶员进行选择,驾驶员能根据自身的习惯去选择相应的行为判定方案,并根据行为判定方案的模拟的数据和模拟路线进行驾驶操作,更为使用和方便,选择性也更广。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,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.基于融合时空关系的驾驶行为分析与分级方法,其特征在于:包括如下步骤:
S1、信息输入,输入目标路段信息和时间信息;
S2、空间范围确定,针对路段的每个道口,确定其影响的空间范围,且空间范围的空间阶数至少为1;
S3、时间范围确定,根据输入的时间信息并结合其空间范围,计算出该路段在输入时间内道路情况;
S4、驾驶车辆的数据采集,对车辆的行驶速度、环境信息以及位置信息进行采集;
S5、驾驶行为分析,根据车辆的采集数据以及空间范围内和时间范围内的信息,针对每驾驶行为进行分析,驾驶行为包括:刹车、减速、掉头、转弯、超车等;
S6、驾驶行为分级,根据步骤5中对每种驾驶行为的分析结果,结合输入的目标路段信息以及时间信息,将每种驾驶行为进行分级,分级包括3等级,按照优先等级依次为:A级、B级、C级。
2.根据权利要求1所述的基于融合时空关系的驾驶行为分析与分级方法,其特征在于:步骤S1中所述的信息输入采用输入组件进行输入,所述输入组件包括键盘、鼠标、电子书写板,所述用户终端模块的接口支持如下接口之一或组合:通用串行接口、计算机串口、计算机并口、PCMCIA接口、PS/2接口、无线通讯接口、红外通讯接口。
3.根据权利要求1所述的基于融合时空关系的驾驶行为分析与分级方法,其特征在于:步骤S2中所述的空间范围根据道路网络中路段之间的空间相对位置,为每一个与该路段相通的路段数据进行统计,然后依次确定每条相通路段对该路段影响,并且确定从该路段出发在预定时间段内可达到的空间范围,作为对该路段具有影响的空间范围。
4.根据权利要求1所述的基于融合时空关系的驾驶行为分析与分级方法,其特征在于:步骤S3的时间范围通过将车辆到达目标路段所行驶不同路线的时间进行分析,并将其中的典型行驶路线的时间信息进行抽取,所述的典型行驶路线包括到达目标路段的最短行驶路线、到达目标路段的最长行驶路线以及到达目标路段的交通信号灯最少行驶路线,并计算出上述3组时间信息的平均值。
5.根据权利要求1所述的基于融合时空关系的驾驶行为分析与分级方法,其特征在于:步骤S4的车辆的行驶速度数据采集通过磁电式轮速传感器以及坡度传感器进行采集,所述磁电式轮速传感器由磁感应传感头和齿圈组成,所述磁感应传感头由永磁铁、极轴、感应线圈组成,所述齿圈固定安装于汽车车轮的轮毂上,所述磁感应传感头是一个静止部件,且磁感应传感头磁极与齿圈的端面之间设置有间隙,所述坡度传感器包括系统基础芯片、加速度检测单元、控制单元和外部电路,所述外部电路由电源模块和CAN总线组成,所述系统基础芯片设有保护电路、通讯收发模块和与电源模块相连的调压模块,所述加速度检测单元由加速度计和内部芯片组成,内部芯片由串行外设接口、逻辑控制器、计算模块、滤波器和数字信号处理单元组成,串行外设接口与加速度计相连,数字信号处理单元与控制单元相连。
6.根据权利要求1所述的基于融合时空关系的驾驶行为分析与分级方法,其特征在于:步骤S5中所述的驾驶行为分析是以车辆所在位置作为基础,结合空间范围以及时间范围内的典型行驶路线进行模拟计算,计算出步骤S5中每种驾驶行为最优的行驶路线。
7.根据权利要求6所述的基于融合时空关系的驾驶行为分析与分级方法,其特征在于:步骤S6中所述的驾驶行为分级,通过对步骤S5中每种驾驶行为最优的行驶路线的行驶畅通概率以及预计行驶时间进行综合计算,并分级。
8.根据权利要求7所述的基于融合时空关系的驾驶行为分析与分级方法,其特征在于:所述驾驶行为分级的具体准则为,
1)预计行驶时间小于时间范围的平均值;
2)行驶畅通概率大于65%;
其中,满足1和2判定为A级;满足1和2中的任意一条为B级;1和2任意一条都不满足判定为C级,并且在判定时,若有多组均满足等级条件,则选用该等级内最优的最为最终结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010958339.8A CN112102619A (zh) | 2020-09-14 | 2020-09-14 | 基于融合时空关系的驾驶行为分析与分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010958339.8A CN112102619A (zh) | 2020-09-14 | 2020-09-14 | 基于融合时空关系的驾驶行为分析与分级方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112102619A true CN112102619A (zh) | 2020-12-18 |
Family
ID=73752588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010958339.8A Pending CN112102619A (zh) | 2020-09-14 | 2020-09-14 | 基于融合时空关系的驾驶行为分析与分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102619A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506445A (zh) * | 2021-09-13 | 2021-10-15 | 四川国蓝中天环境科技集团有限公司 | 考虑出行者长期遵从行为变化的实时交通诱导系统及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102939623A (zh) * | 2010-03-11 | 2013-02-20 | 因瑞克斯有限公司 | 基于集合的驾驶者行为学习道路导航路径 |
CN103680130A (zh) * | 2013-12-10 | 2014-03-26 | 福建工程学院 | 一种基于浮动车技术获得区域带路专家的方法 |
CN104494601A (zh) * | 2014-12-18 | 2015-04-08 | 清华大学苏州汽车研究院(吴江) | 基于obd的驾驶行为分析及驾驶辅助系统 |
CN104590274A (zh) * | 2014-11-26 | 2015-05-06 | 浙江吉利汽车研究院有限公司 | 一种驾驶行为自适应系统及驾驶行为自适应方法 |
CN104599346A (zh) * | 2013-12-11 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种驾驶行为评估方法,及装置 |
CN105590466A (zh) * | 2016-03-14 | 2016-05-18 | 重庆邮电大学 | 一种云平台下的驾驶员危险操作行为监测系统及方法 |
CN106384504A (zh) * | 2016-09-06 | 2017-02-08 | 江苏智通交通科技有限公司 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
CN106610299A (zh) * | 2015-10-21 | 2017-05-03 | 现代自动车株式会社 | 高级驾驶员辅助系统、包含其的车辆及其控制方法 |
WO2017123665A1 (en) * | 2016-01-11 | 2017-07-20 | Netradyne Inc. | Driver behavior monitoring |
CN107248276A (zh) * | 2017-07-26 | 2017-10-13 | 北方工业大学 | 一种基于车路协同的智能网联汽车编队控制方法及装置 |
CN110962817A (zh) * | 2019-12-24 | 2020-04-07 | 江西麦克斯韦科技有限公司 | 一种防止汽车溜车的控制系统 |
-
2020
- 2020-09-14 CN CN202010958339.8A patent/CN112102619A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102939623A (zh) * | 2010-03-11 | 2013-02-20 | 因瑞克斯有限公司 | 基于集合的驾驶者行为学习道路导航路径 |
CN103680130A (zh) * | 2013-12-10 | 2014-03-26 | 福建工程学院 | 一种基于浮动车技术获得区域带路专家的方法 |
CN104599346A (zh) * | 2013-12-11 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种驾驶行为评估方法,及装置 |
CN104590274A (zh) * | 2014-11-26 | 2015-05-06 | 浙江吉利汽车研究院有限公司 | 一种驾驶行为自适应系统及驾驶行为自适应方法 |
CN104494601A (zh) * | 2014-12-18 | 2015-04-08 | 清华大学苏州汽车研究院(吴江) | 基于obd的驾驶行为分析及驾驶辅助系统 |
CN106610299A (zh) * | 2015-10-21 | 2017-05-03 | 现代自动车株式会社 | 高级驾驶员辅助系统、包含其的车辆及其控制方法 |
WO2017123665A1 (en) * | 2016-01-11 | 2017-07-20 | Netradyne Inc. | Driver behavior monitoring |
CN105590466A (zh) * | 2016-03-14 | 2016-05-18 | 重庆邮电大学 | 一种云平台下的驾驶员危险操作行为监测系统及方法 |
CN106384504A (zh) * | 2016-09-06 | 2017-02-08 | 江苏智通交通科技有限公司 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
CN107248276A (zh) * | 2017-07-26 | 2017-10-13 | 北方工业大学 | 一种基于车路协同的智能网联汽车编队控制方法及装置 |
CN110962817A (zh) * | 2019-12-24 | 2020-04-07 | 江西麦克斯韦科技有限公司 | 一种防止汽车溜车的控制系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506445A (zh) * | 2021-09-13 | 2021-10-15 | 四川国蓝中天环境科技集团有限公司 | 考虑出行者长期遵从行为变化的实时交通诱导系统及方法 |
CN113506445B (zh) * | 2021-09-13 | 2021-11-30 | 四川国蓝中天环境科技集团有限公司 | 考虑出行者长期遵从行为变化的实时交通诱导系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107257756B (zh) | 用于在路况变化的情况下辅助车辆的技术 | |
CN106446771B (zh) | 驾驶员注意力评估 | |
Li et al. | Road disturbance estimation and cloud-aided comfort-based route planning | |
Li et al. | Road risk modeling and cloud-aided safety-based route planning | |
Kerper et al. | Learning traffic light phase schedules from velocity profiles in the cloud | |
CN108399763B (zh) | 一种基于神经网络的交叉路口交通信号灯控制算法 | |
EP2450864B1 (en) | Simulation device, method, and program | |
CN109975839B (zh) | 一种车辆卫星定位数据的联合滤波优化方法 | |
CN107450511B (zh) | 评估车辆控制模型的方法、装置、设备和计算机存储介质 | |
CN112373483B (zh) | 一种基于前向神经网络的车辆速度和转向预测方法 | |
CN102243811A (zh) | 车辆导航系统及推荐路径检索方法 | |
CN113935441B (zh) | 汽车自动驾驶功能测试道路的选取方法、设备和存储介质 | |
CN109436174B (zh) | 车辆控制方法、服务器及车辆系统 | |
CN113762473A (zh) | 一种基于多时空图的复杂场景行车风险预测方法 | |
CN112102619A (zh) | 基于融合时空关系的驾驶行为分析与分级方法 | |
CN104332057A (zh) | 一种基于地磁的自适应环境车辆检测方法 | |
CN108871363A (zh) | 一种基于历史骑行数据的非机动车道路况判断方法及系统 | |
Chen et al. | Roadside sensor based vehicle counting incomplex traffic environment | |
CN112462759A (zh) | 规控算法的评估方法、系统及计算机存储介质 | |
CN113887659A (zh) | 一种基于朴素贝叶斯的车辆类型分类算法 | |
CN112213117B (zh) | 一种车辆测试的方法、装置、设备以及存储介质 | |
Thonhofer et al. | A flexible, adaptive traffic network simulation with parameter estimation | |
CN113806585A (zh) | 一种获取路段通行时长的方法、装置、电子设备及存储介质 | |
Cabrejas-Egea et al. | Assessment of Reward Functions in Reinforcement Learning for Multi-Modal Urban Traffic Control under Real-World limitations | |
CN113836790B (zh) | 电动单车智能化等级的测评方法、装置及计算机设备 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201218 |
|
WD01 | Invention patent application deemed withdrawn after publication |