CN112435485B - 一种用于车路信息协同的系统 - Google Patents
一种用于车路信息协同的系统 Download PDFInfo
- Publication number
- CN112435485B CN112435485B CN202011201185.4A CN202011201185A CN112435485B CN 112435485 B CN112435485 B CN 112435485B CN 202011201185 A CN202011201185 A CN 202011201185A CN 112435485 B CN112435485 B CN 112435485B
- Authority
- CN
- China
- Prior art keywords
- data
- operator
- intersection
- vehicle
- road
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/091—Traffic information broadcasting
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种用于车路信息协同的系统,所述系统利用导入适应各类应用场景算子,针对路口基础设施数据和实时数据的来源不同,对同一应用场景适配多个不同规则算子,每种算子解决特定场景的应用,从而增加整个车路协同系统应用场景计算的适应性,对应用于同一场景的多个不同适应性算子进行分类分组,根据道路的实际场景,利用路口基础设施静态数据和路口车辆动态数据对应用场景的影响进行参数数据标准化,确定各个参数权重,从众多算子中选择出最优方案;通过该发明高效、精确的计算出适应不同场景,丰富车路协同系统的各类应用提供一种有效方法。
Description
技术领域
本发明属于车路协同场景应用技术领域,具体涉及一种用于车路信息协同的系统。
背景技术
车路系统使用安装于车辆上的车载单元(OBU)和布设于路侧的路侧单元(RSU)利用短距离无线通信技术V2X技术实现路侧数据和车载设备的信息互动,应用服务于安全出行、交通效率和自动驾驶三个方面应用,如,安全出行应用场景主要包括前向碰撞预警、人行道行人预警、紧急刹车预警、逆向超车预警、车辆失控预警、天气预警、异常车辆提醒、道路危险状况提醒/道路事件情况提醒等预警服务;交通效率应用场景主要包括车内标牌、限速预警、可变车道、信号灯信息推送、高优先级车辆让行、绿波车速推送、特别信息推送等诱导服务;自动驾驶应用场景主要包括车联编队、协同换道、协同合流、协同借道、协同超车等应用服务。
由于道路类型、道路场景、道路附属基础设施差异性较大,车路协同系统的应用场景较多且复杂,每一种应用场景对应一种计算规则,因此车路协同系统中存在大量应用场景规则的分析、计算。现有技术中多使用某种特定的算法规则解决特除场景下的应用问题,无法具有普适性解决同一场景的所有问题,因此有必要有效使用静态道路的基础设施信息、道路上车辆的动态信息,根据道路实际情况动态匹配出适合的算法及算子规则,解决车路协同系统中的全场景应用问题,提高场景应用的准确性、普适性、为后续自动驾驶提供强有力的数据支撑,该技术成为车路系统中关键技术。
发明内容
发明目的:本发明主要解决车路协同系统中,众多应用场景的数据接入、数据存储,数据计算、结果输出的问题,本发明利用规则引擎,提供了一种精度高、运算速度快、可靠性号的实时计算车路协同系统内应用场景计算的方法。
本发明解决其技术问题所采用的技术方案是:
本发明具体提供了一种用于车路信息协同的系统,包括数据接入装置、数据存储装置、数据处理装置、算子匹配计算装置和应用场景结果计算输出装置;
所述数据接入装置包括路口基础设施接口和路口车辆实时信息接口,路口基础设施接口和路口车辆实时信息接口用于实现路口静态及动态数据的更新;
路口基础设施接口用于接收静态道路基础设施结构化数据,包括道路基础设施数据的增、删、改、查等数据,如:路口代码、路口形状、路口坐标、路口宽度、路口渠化、路面质量、交通指数、道路施工等及路口各类传感器发送的实时数据,如:雷达、摄像头、地磁线圈、路面积水、交通事故、气象等数据;
路口车辆实时信息接口用于接收实时的路口车辆动态结构化数据,如:车辆位置信息、车辆大小、车辆速度、制动信息、转向信息等数据;
道路基础设施数据和实时的路口车辆数据统称为路口数据;
所述数据存储装置用于存储接入数据接入装置接收的静态道路基础设施结构化数据和实时的路口车辆动态结构化数据,按照数据的类型分别存入不同类型数据库(Redis、Mongodb),为后续算子计算装置提供计算参数;
数据存储装置主要是利用Redis内存数据库快速存取的特性存储路口及车辆的3-5分钟内的实时信息,MongoDB数据库存储数据能进行动态的扩展,主要存储路口的不同静态路口数据,提高应用场景分析速度;
由于路口基础设施数据和实时数据的来源不同,车路协同系统中每个路口同一应用场景可能适应不同算法规则,车路协同系统中目前存在多种应用场景(如:弯道车速预警、前方拥堵提醒、道路危险状况提示、限速预警、滤波车速预警、前向碰撞预警、交叉路口碰撞预警、紧急制动预警、盲区预警等等),因此,所述数据处理装置,根据车路协同系统需要应用的场景,利用各类应用场景算子,并将算子逐个导入车路协同系统,以适应各类应用场景,利用道路基础设施数据和实时的路口车辆数据,针对车路协同系统中同一应用场景,能够对应两个以上算子形成解决所述应用场景的一组算子,从而达到每个算子适配解决特定应用场景的应用,主要方法为:利用道路基础设施数据和实时的路口车辆数据对应用场景计算结果影响因子进行参数数据标准化,确定各个参数权重,从解决该应用场景一组算子中选择出最优算子;
所述应用场景算子计算装置,通过数据处理装置选择出最优算子,从数据存储装置中读取执行相应算子的参数数值进行算子计算;所述应用场景计算结果输出装置,利用算子计算结果动态判断触发规则的条件,并将规则结果发送给路侧单元RSU(Road SideUnit)进行数据广播。
所述数据存储装置针对不同类型的路口数据采用不同的存储方式,对静态路口数据利用Mongodb数据进行存储,支持数据结构的动态增加,对动态路口数据使用Redis进行存储。
系统执行如下步骤:
步骤1,系统启动时,读取系统配置参数并启动数据处理装置,向车路协同系统中导入各类应用场景所需的各类算子,每种算子预先标识算子类型,支持所有道路基础设施数据的录入;
步骤2,根据步骤1中导入全应用场景的算子标识进行分类,形成算子分类数组Array[Group],每组Group中均为解决一个应用场景的所有算子,然后根据车路协同系统中采集的静态道路基础设施结构化数据及路口车辆动态结构化数据,对需要计算的应用场景算子参数的影响因素,进行数据的标准化;从而为后续判断每个路口需要进行哪些实现应用场景,每种应用场景最优算子;
步骤3,启用路口车辆实时信息接口,实时接收路口路侧单元RSU(Road SideUnit)发送的车辆动态结构化数据;
步骤4,数据存储装置使用的数据库为Mongdb及Redis,对路口车辆动态结构化数据进行序列化处理形成数据对象Object并存入Redis数据库,存入规则为以路口ID为Redis数据清单List,车辆动态结构化数据的生命周期根据实际经验值定为N分钟(N一般取值为5)进行更新;对静态道路基础设施结构化数据以序列化对象方式存入Mongdb数据库,每一个路口对应一张数据库表,名设定为路口ID号;为后续应用场景计算提供参数数据源表。
步骤5,数据处理装置进行应用场景分析计算,首先根据车辆所在路口,根据路口ID到数据库中查询出对应路口的基础数据,同时获取Redis数据库中最近30秒内的路口动态数据,计算出需要执行的应用场景,遍历应用场景算子数组Array[Group],如果应用场景不存在分组,则直接进入步骤6,如应用场景中存在算子分组,利用影响应用场景算子的参数标准化数据求解信息熵,确定出各参数在算子中的权重后,从算子分组Group中选择最优算子,并发送给规则算子计算装置;
步骤6,规则算子计算装置获取最优算子后,根据算子模型需要输入的参数,从Mongodb及Redis数据库中读取路口相关信息作为算子输入参数,执行算子,得到算子执行的结果;
步骤7,规则结果计算输出装置将规则结果返回给RSU进行广播,通知路口区域内相应车辆。
步骤5包括:
影响应用场景的的参数指标包括X1,X2,...,XK,Xi={x1,x2,...,xn},其中Xi,第i组影响应用场景的参数集合,xn为Xi中第n个的具体参数值,xij为第i个算子的第j个参数值。n为具体参数值的总数;
Yij为第i个算子的第j个参数的比重;
根据信息熵的定义,求解各影响因子的信息熵:
Ej为第j个参数的信息熵;
其中pij公式计算如下:
pij为第i个算子的第j个参数的比重;
其中Wi为第i个参数的权重,其中Ei为算子分组Group中的算子的信息熵,Wi为算子分组Group中的算子权重;
计算出算子分组内的算子最优解:
其中Zk为通过信息熵计算出第K个参数的权重;k为算子分组Group内的算子,Zk中的最大值为组内最优算子。
其中k为算子分组Group内的算子,Zk中的最大值为组内最优算子。
步骤5中数据预处理装置,需循环遍历所有应用场景算子数组Array[Group]利用步骤1中的静态数据标准化数据确定各影响因子的信息熵和权重,从而计算出出算子Group中的各算子的匹配度,取出匹配度最大的算子模型进行下一步计算;
本发明利用车路协同系统所覆盖路口的基础设施信息及经过路口的车辆实时信息,通过RSU将该信息实时传输至车路协同系统接入装置,通过对该路口影响车路协同应用场景的参数因子进行数据标准化,利用信息熵和各参数因子的权重比例计算出每种应用场景最优的算子模型,最后通过实时调用存储装置中当前路口的数据,选择算子模型需要的参数进行分析计算,从而利用该计算结果得出最终的应用场景结论。
目前在车路协同技术中,主要是侧重于针对特定应用场景的应用研究,对于一个完整的车路协同应用系统来说,交通要素多且复杂,仅解决某一类型的应用场景是远远不够的,目前能够实现的应用场景就达几十个,每种应用场景模型算子要求的输入参数不同,对同一交通要素的敏感度不同,如何能从众多特定应用场景中选择最优方案,来解决、完善整个车路协同系统中众多场景的应用,关系到车路系统系统从实验阶段,走向成熟应用的关键技术,本发明就是研究特定应用场景的基础上,建立数据标准化模型,根据车路协同系统中,不同道路和道路上动态的交通要素,从众多特定应用场景中选择出最优方案,从而满足整个车路协同系统应用的一种创新。
有益效果:本发明与现有的车路协同系统应用场景规则引擎相比技术相比,集成了车路协同系统中所有应用场景规则的匹配、分析及计算,通过前期对规则影响因子数据标准化,对所有算子进行分组,利用信息熵及权重计算最优的算子来解决单一应用场景,由于该发明能快速准确计算车路系统中所有的应用场景规则,具有较强的适应性,实用性,提高了车路系统中应用场景结果计算的准确性,从而为车路协同系统中全应用场景规则计算提供了一种有效的解决方案。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1是本发明的系统数据流图。
图2是本发明架构图。
具体实施方式
如图1和图2所示,本发明提供了一种用于车路信息协同的系统,主要分以下步骤:
(1)启动规则引擎,读取系统配置参数,将车路协同系统需要服务的应用场景存入Array数组中,判断车路协同系统服务路口的基础设施数据是否录入,如果没有相关路口信息,系统给予明确提示需输入相关路口基础设施信息,进入下一步操作;
(2)调用规则引擎数据接入接口,录入车路协同系统路口基础实施,如该路口基础设施信息已录入,直接转入下一步骤,具体的路口基础信息全集形式如下:
xi={x1(路口代码),x2(路口形状),x3(路口坐标),x4(道路弯曲度),x5(路面宽度),x6(路口渠化),x7(路面质量),x8(交通指数),x9(道路施工),x10(路面积水),x11(交通事故)}
根据实际路口状况,部分参数可为空值。
(3)车路协同应用场景规则算子导入yi={y1,y2,y3,...,yn-2,yn-2,yn},其中yi为某一应用场景的算子,根据算子类型标识对算子集合进行分类分组:yi={y1,{y2,y3},...,{}...{yn-2,yn-2},yn},每组中代表一类算子解决相同应用场景问题,由于其中的算子根据道路的基础参数不同进行设计的;
(4)分别对车路协同系统中的各种应用场景影响因子适应性进行数据标准化Yij(对各影响参数数据标准化后的值),由于每个算子计算所需的参数不同,对每个参数对算子计算的影响不同,通过收集导入系统内部的所有算子所需参数,人工对参数进行分类、取值,测试时根据算子执行的结果可动态修改数值,如表1所示:
表1
(5)启动实时数据接入接口,实时接收RSU发送的路口车辆实时信息及路口传感器数据,该接口收到数据后输入给数据存储模块,进行解析存储,其中车辆实时数据以路口为集合List存入结构化数据,路口传感器类的动态实时数据以对象Object方式存储Mongodb;
(6)数据处理:遍历应用场景Array[Group]数组,从标准化二维数组中搜索出对应场景的标准化数据Yij,执行:
求解各影响因子的信息熵:
计算出算子分组内的算子最优解:
(7)算子匹配计算装置,通过步骤(6)获取最优算子,根据算子模型需要输入的参数,从Mongdb及Redis数据库中读取相关参数,执行算子模型算法,,计算得出相应应用场景的结果,并反馈给前端RSU进行场景数据广播。
本发明提供了一种用于车路信息协同的系统,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (1)
1.一种用于车路信息协同的系统,其特征在于,包括数据接入装置、数据存储装置、数据处理装置、应用场景算子计算装置和应用场景计算结果输出装置;
所述数据接入装置包括路口基础设施接口和路口车辆实时信息接口,路口基础设施接口用于接收静态道路基础设施结构化数据;路口车辆实时信息接口用于接收实时的路口车辆动态结构化数据;道路基础设施数据和实时的路口车辆数据统称为路口数据;
所述数据存储装置用于存储接入数据接入装置接收的静态道路基础设施结构化数据和实时的路口车辆动态结构化数据;
所述数据处理装置,根据车路协同系统需要应用的场景,利用各类应用场景算子,并将算子逐个导入车路协同系统,以适应各类应用场景,利用道路基础设施数据和实时的路口车辆数据,针对车路协同系统中同一应用场景,能够对应两个以上算子形成解决所述应用场景的一组算子,从而达到每个算子适配解决特定应用场景的应用;
所述应用场景算子计算装置,通过数据处理装置选择出最优算子,从数据存储装置中读取执行相应算子的参数数值进行算子计算;
所述应用场景计算结果输出装置,利用算子计算结果动态判断触发规则的条件,并将规则结果发送给路侧单元RSU进行数据广播;
所述数据存储装置针对不同类型的路口数据采用不同的存储方式,对静态路口数据利用Mongodb数据进行存储,支持数据结构的动态增加,对动态路口数据使用Redis进行存储;
系统执行如下步骤:
步骤1,系统启动时,读取系统配置参数并启动数据处理装置,向车路协同系统中导入各类应用场景所需的各类算子,每种算子预先标识算子类型,支持所有道路基础设施数据的录入;
步骤2,根据步骤1中导入全应用场景的算子标识进行分类,形成算子分类数组Array[Group],每组Group中均为解决一个应用场景的所有算子,然后根据车路协同系统中采集的静态道路基础设施结构化数据及路口车辆动态结构化数据,对需要计算的应用场景算子参数的影响因素,进行数据的标准化;
步骤3,启用路口车辆实时信息接口,实时接收路口路侧单元RSU发送的车辆动态结构化数据;
步骤4,数据存储装置使用的数据库为Mongdb及Redis,对路口车辆动态结构化数据进行序列化处理形成数据对象Object并存入Redis数据库,存入规则为以路口ID为Redis数据清单List,车辆动态结构化数据的生命周期根据实际经验值定为N分钟进行更新;对静态道路基础设施结构化数据以序列化对象方式存入Mongdb数据库,每一个路口对应一张数据库表,名设定为路口ID号;
步骤5,数据处理装置进行应用场景分析计算,首先根据车辆所在路口,根据路口ID到数据库中查询出对应路口的基础数据,同时获取Redis数据库中最近30秒内的路口动态数据,计算出需要执行的应用场景,遍历应用场景算子数组Array[Group],如果应用场景不存在分组,则直接进入步骤6,如应用场景中存在算子分组,利用影响应用场景算子的参数标准化数据求解信息熵,确定出各参数在算子中的权重后,从算子分组Group中选择最优算子,并发送给规则算子计算装置;
步骤6,规则算子计算装置获取最优算子后,根据算子模型需要输入的参数,从Mongodb及Redis数据库中读取路口相关信息作为算子输入参数,执行算子,得到算子执行的结果;
步骤7,规则结果计算输出装置将规则结果返回给RSU进行广播,通知路口区域内相应车辆;
步骤5包括:
影响应用场景的参数指标包括X1,X2,...,XK,Xi={x1,x2,...,xn},其中Xi表示第i组影响应用场景的参数集合,xn为Xi中第n个的具体参数值,xij为第i个算子的第j个参数值;n为具体参数值的总数;
Yij为第i个算子的第j个参数的比重;
根据信息熵的定义,求解各影响因子的信息熵:
Ej为第j个参数的信息熵;
其中pij公式计算如下:
pij为第i个算子的第j个参数的比重;
其中Wi为第i个参数的权重,Ei为算子分组Group中的算子的信息熵,Wi为算子分组Group中的算子权重;
计算出算子分组内的算子最优解:
其中Zk为通过信息熵计算出第K个参数的权重;k为算子分组Group内的算子,Zk中的最大值为组内最优算子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011201185.4A CN112435485B (zh) | 2020-11-02 | 2020-11-02 | 一种用于车路信息协同的系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011201185.4A CN112435485B (zh) | 2020-11-02 | 2020-11-02 | 一种用于车路信息协同的系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112435485A CN112435485A (zh) | 2021-03-02 |
CN112435485B true CN112435485B (zh) | 2022-01-25 |
Family
ID=74695080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011201185.4A Active CN112435485B (zh) | 2020-11-02 | 2020-11-02 | 一种用于车路信息协同的系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112435485B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114265557B (zh) * | 2021-12-21 | 2024-04-16 | 潍柴动力股份有限公司 | 一种污染物排放数据处理方法及装置 |
CN115713866B (zh) * | 2022-10-11 | 2023-08-22 | 悉地(苏州)勘察设计顾问有限公司 | 一种基于车辆运行特征的道路静态信息主动服务方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016143821A1 (ja) * | 2015-03-10 | 2016-09-15 | 住友電気工業株式会社 | 路側通信装置、及びデータ中継方法 |
CN110246347A (zh) * | 2019-06-19 | 2019-09-17 | 上海交大高新技术股份有限公司 | 一种基于nb-iot的智能交通控制系统 |
CN110430079A (zh) * | 2019-08-05 | 2019-11-08 | 腾讯科技(深圳)有限公司 | 车路协同系统 |
CN110503839A (zh) * | 2019-10-21 | 2019-11-26 | 江苏广宇科技产业发展有限公司 | 基于单台设备协调控制多路口交通信号的方法及系统 |
CN110910663A (zh) * | 2019-10-16 | 2020-03-24 | 清华大学 | 一种车路协同环境下多智能车交叉口通行协调控制方法 |
CN111260924A (zh) * | 2020-02-10 | 2020-06-09 | 北京中交国通智能交通系统技术有限公司 | 适应边缘计算的交通智能管控与服务发布策略方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493620B (zh) * | 2017-09-11 | 2022-05-24 | 阿里巴巴集团控股有限公司 | 一种交通路况分析系统、方法以及装置 |
US10783778B2 (en) * | 2017-10-20 | 2020-09-22 | Microsoft Technology Licensing, Llc | Traffic data reconciliation and brokering |
CN110390817A (zh) * | 2019-09-18 | 2019-10-29 | 江苏广宇协同科技发展研究院有限公司 | 一种现场级交通信号协调系统及装置 |
-
2020
- 2020-11-02 CN CN202011201185.4A patent/CN112435485B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016143821A1 (ja) * | 2015-03-10 | 2016-09-15 | 住友電気工業株式会社 | 路側通信装置、及びデータ中継方法 |
CN110246347A (zh) * | 2019-06-19 | 2019-09-17 | 上海交大高新技术股份有限公司 | 一种基于nb-iot的智能交通控制系统 |
CN110430079A (zh) * | 2019-08-05 | 2019-11-08 | 腾讯科技(深圳)有限公司 | 车路协同系统 |
CN110910663A (zh) * | 2019-10-16 | 2020-03-24 | 清华大学 | 一种车路协同环境下多智能车交叉口通行协调控制方法 |
CN110503839A (zh) * | 2019-10-21 | 2019-11-26 | 江苏广宇科技产业发展有限公司 | 基于单台设备协调控制多路口交通信号的方法及系统 |
CN111260924A (zh) * | 2020-02-10 | 2020-06-09 | 北京中交国通智能交通系统技术有限公司 | 适应边缘计算的交通智能管控与服务发布策略方法 |
Non-Patent Citations (2)
Title |
---|
Road-vehicle cooperation driving system;M. Nakamura等;《 Proceedings of VNIS"94 - 1994 Vehicle Navigation and Information Systems Conference》;20020806;第425-430页 * |
基于多场景下车路协同应用的研究;孙敏 等;《交通节能与环保》;20201031;第16卷(第79期);第59-65页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112435485A (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108345822B (zh) | 一种点云数据处理方法及装置 | |
CN108513676B (zh) | 一种路况识别方法、装置及设备 | |
CN103413437B (zh) | 一种基于车辆数据采集的道路交叉口转向识别方法及系统 | |
CN112435485B (zh) | 一种用于车路信息协同的系统 | |
CN116504076A (zh) | 基于etc门架数据的高速公路车流量预测方法 | |
CN112071061A (zh) | 基于云计算和数据分析的车辆服务系统 | |
WO2014138719A1 (en) | Location classification based on license plate recognition information | |
CN111127949A (zh) | 车辆高危路段预警方法、装置及存储介质 | |
CN113052405B (zh) | 基于物联网和人工智能的交通拥堵预测与优化方法 | |
CN113935441A (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 | |
US11651593B2 (en) | Cloud-based road segment vehicle and pedestrian trend analysis | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
CN112907955A (zh) | 一种基于信息融合的车路协同系统的评价方法 | |
CN113538907B (zh) | 一种基于交通流分级的行车时间估计系统 | |
CN117875820B (zh) | 基于人工智能的智能配送道路监测系统及方法 | |
CN111488417B (zh) | 信息处理方法、系统、装置、设备及计算机存储介质 | |
Ramirez-Polo et al. | Simulation and optimization of traffic lights for vehicles flow in high traffic areas | |
CN117409584B (zh) | 基于碳中和的新型智慧城市交通管理方法和系统 | |
CN110879862B (zh) | 基于物联网的车辆信息查询系统 | |
CN116168541A (zh) | 一种获取道路通行状态的数据处理系统 | |
CN114489714A (zh) | 一种车载数据处理方法、装置、电子设备及存储介质 | |
CN114707567A (zh) | 轨迹分类方法、轨迹分类模型训练方法及计算机程序产品 | |
Jiang et al. | Prediction of bus bunching using smart card data | |
KR20190085247A (ko) | 정밀지도 서비스 제공 시스템 및 정밀지도 서비스 시스템의 정밀지도 서비스 제공을 위한 데이터 처리방법 | |
CN117854284B (zh) | 一种复杂道路环境的车路协同监控方法及车检器装置 |
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 |