CN112542048A - 一种基于无人机-车载协作网的车辆安全评级方法 - Google Patents

一种基于无人机-车载协作网的车辆安全评级方法 Download PDF

Info

Publication number
CN112542048A
CN112542048A CN202011510134.XA CN202011510134A CN112542048A CN 112542048 A CN112542048 A CN 112542048A CN 202011510134 A CN202011510134 A CN 202011510134A CN 112542048 A CN112542048 A CN 112542048A
Authority
CN
China
Prior art keywords
vehicle
rating
matrix
behavior
condition
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
CN202011510134.XA
Other languages
English (en)
Other versions
CN112542048B (zh
Inventor
神显豪
臧一豪
马雪皎
许航瑀
李家豪
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.)
Guilin University of Technology
Original Assignee
Guilin University of Technology
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 Guilin University of Technology filed Critical Guilin University of Technology
Priority to CN202011510134.XA priority Critical patent/CN112542048B/zh
Publication of CN112542048A publication Critical patent/CN112542048A/zh
Application granted granted Critical
Publication of CN112542048B publication Critical patent/CN112542048B/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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • 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]
    • H04W4/48—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for in-vehicle communication
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于无人机‑车载协作网的车辆安全评级方法，包括以下步骤：步骤1：组建FANET编队；步骤2：组建VANET编队；步骤3：在使用DEMATEL评级模型前所有的传感器读数和评级读数都将被标记为一个特定的归一化值；步骤:4：通过DEMATEL方法计算车辆状况评级；步骤5：将车辆状况评级带入车辆行为评级模型计算行为评级；步骤6：用车辆状况和行为评级计算最终车辆评级；步骤7：通过最终的车辆评级采取措施，管理交通。本发明的方法解决了现有技术中车辆无法动态实时的进行评级，并且提高了精确性。

Description

一种基于无人机-车载协作网的车辆安全评级方法
技术领域
本发明涉及交通车辆管理技术，具体涉及一种基于无人机-车载协作网的车辆安全评级方法。
背景技术
目前，道路交通事故占全球总死亡人数的2%以上，每年有100多万人死于道路事故和不当的交通管理。伴随着人们生活水平的提高有大量车辆在道路上行驶，据统计，2018年全国发生交通事故244937起,死亡人数为63194人，造成直接财产损失为13亿元。而交通管理也是现代城市面临的主要问题之一，交通管理很大程度上受到车辆活动的影响。这就需要对车辆进行追踪并进行评级来识别问题车辆以便有效管理交通情况。
车辆评级是对所收集车辆数据的认知分析。对所收集数据的智能认知评级可以为车辆在道路上活动的反应提供支持。在追踪特定地面车辆之后，将得到的数据进行分析评级可以及时对问题车辆及其附近车辆做出警示让道路交通的安全得到保障。
随着信息时代的不断发展和人们生活水平的不断提高，在道路交通方面，使用车载自组网(Vehicular Ad Hoc Networks，VANET)来获取车辆的信息的方式已经越来越普及。VANET 是专门为车辆间通信而设计的自组织网络，它创造性地将自组网技术应用于车辆间的通信。VANET 通过车辆之间的相互联系，可以使司机和乘客享受到各种应用程序的服务，以提高道路体验、交通效率、道路安全和沿线的娱乐等。例如，使司机能够在超视距的范围内获得其他车辆的实时状况信息（如车速、方向、位置、刹车板压力等）或者可以提供具有共同偏好车辆的相同行程或路线共享等。VANET中路边单元（Roadside Unit，RSU）易受到各种安全攻击，车载单元（On Board Unit，OBU）的计算能力往往较低。特别是当发生交通冲突、突发自然灾害或严重道路拥塞的情况下，回程加载处于高峰时，核心网络很难满足这些资源密集型服务的计算需求。因此，资源有限的车载终端与计算密集型应用之间的紧张关系成为 VANET 服务的瓶颈。
而在无人机车载合作网系统结构中，使用无人机搭载 MEC 服务器作为 RAU（道路上方单元） 替代部分 RSU。基于 VANET 的服务内容，在非高峰时间缓存在路边 RSU，以减少高峰时段的回程负载。在边缘计算层，无人机作为 RAU，通过 MEC 服务来支持车辆的计算卸载。在此架构下，不仅能以其低成本、部署灵活的特性来提高计算性能，还可以通过最大化系统的总效用来实现最优的动态资源分配。
发明内容
本发明的主要目的在于提供一种基于无人机-车载协作网的车辆安全评级方法，解决了现有技术中车辆无法动态实时的进行评级，并且提高了精确性。
本发明采用的技术方案是：一种基于无人机-车载协作网的车辆安全评级方法，包括：
步骤1：组建FANET编队；
步骤2：组建VANET编队；
步骤3：在使用DEMATEL评级模型前所有的传感器读数和评级读数都将被标记为一个特定的归一化值；
步骤4：通过DEMATEL方法计算车辆状况评级；
步骤5：将车辆状况评级带入车辆行为评级模型计算车辆行为评级；
步骤6：用车辆状况和行为评级计算最终车辆评级；
步骤7：通过最终的车辆评级采取措施，管理交通。
进一步地，所述步骤1包括：
组建FANET编队，确立了无人机拓扑结构的预定义框架，将t时刻的避碰定义为有关于通信参数和传感器读取四元数的旋转矩阵：
Figure 542819DEST_PATH_IMAGE001
其中，
Figure 125110DEST_PATH_IMAGE002
是一个避碰矩阵，
Figure 643816DEST_PATH_IMAGE003
，为所定义的旋转矩阵，
Figure 336966DEST_PATH_IMAGE004
分别为局部参照系、通信参数和传感器读数，
Figure 257517DEST_PATH_IMAGE005
为通信参数分量，
Figure 338606DEST_PATH_IMAGE006
为传感器读数分量；
每个无人机都具有与网络中的一个设备相连的可用视线LoS，对于这种基于链路的无人机之间的连接，采用了优化的链路状态路由OLSR协议；
FANET具体参数确立包括车辆ID、基站连接、无人机队列矩阵、车辆数据、车辆行为数据、车辆评级、车辆以往评级。
更进一步地，所述步骤2包括：
所述VANET由车辆、信号传感器和本地传感器等组成，对于车辆间的传输，使用贪心周界无状态路由GPSR协议；
对于车辆与无人机之间的传输，对GPSR数据结构进行了参数的扩展，为特征GPSR，即GPSR-F，参数包括速度
Figure 485553DEST_PATH_IMAGE007
、基准方向
Figure 77334DEST_PATH_IMAGE008
、超车
Figure 727758DEST_PATH_IMAGE009
、车辆状况
Figure 448589DEST_PATH_IMAGE010
、驾照和牌照
Figure 941887DEST_PATH_IMAGE011
、
Figure 711260DEST_PATH_IMAGE012
、醉酒驾驶
Figure 340825DEST_PATH_IMAGE013
、车辆状况评级
Figure 232557DEST_PATH_IMAGE014
、车辆行为评级
Figure 88518DEST_PATH_IMAGE015
。
更进一步地，所述步骤3包括：
在使用DEMATEL评级模型前所有的传感器读数和评级读数都将被标记为一个特定的归一化值；
归一化值是车辆当前状态和车辆行为的描述，生成参数的值映射图，分别为归一化车辆状况参数映射图、 归一化车辆行为参数映射图。
更进一步地，所述步骤4包括：
建立车辆状况初始矩阵
Figure 520636DEST_PATH_IMAGE016
，包括参数\
Figure 145653DEST_PATH_IMAGE017
；
用平均矩阵覆盖初始矩阵；
计算出车辆状况的直接影响矩阵
Figure 208287DEST_PATH_IMAGE018
；
使用
Figure 909133DEST_PATH_IMAGE019
并采用最大-最小平均值法计算总影响矩阵\
Figure 551467DEST_PATH_IMAGE020
，创建车辆状况评级表。
更进一步地，所述步骤5包括：
将车辆状况评级的值传递给车辆行为评级，采用DEMATEL方法策略，建立车辆行为初始矩阵；
平均矩阵覆盖初始矩阵；
计算出车辆行为的直接影响矩阵，最后得到总影响矩阵，创建车辆行为评级表。
更进一步地，所述步骤6包括：
车辆状况评级和车辆行为评级的最终评级被传递到中央信息库，同时，这些信息也会被传送该车辆及其附近的车辆，用于警示该车辆并向其周围车辆发出预警；车辆在
Figure 890044DEST_PATH_IMAGE021
时刻的总体信誉
Figure 326842DEST_PATH_IMAGE022
：
Figure 688553DEST_PATH_IMAGE023
其中，
Figure 728053DEST_PATH_IMAGE024
是与同一
Figure 62083DEST_PATH_IMAGE025
的车辆之前的评级，使用一个权重因子
Figure 794415DEST_PATH_IMAGE026
来对其进行泛化：
Figure 643423DEST_PATH_IMAGE027
第
Figure 361980DEST_PATH_IMAGE028
辆车在第
Figure 176614DEST_PATH_IMAGE029
时刻的整体车辆评级为：
Figure 955215DEST_PATH_IMAGE030
评级值被映射到评级表，以描述车辆的整体状况。
更进一步地，辆评级表中评分在0-0.5的需要进行进行监督干预，其中评分在0.3-0.5之间的车辆需要警示；评分超过0.5的可以正常行驶。
本发明的优点：
本发明的方法将道路交通中车辆整体状况描述这种抽象模糊的概念转化成具体的评级问题，能够更加有效的用于交通管理。
本发明的方法解决了现有技术中车辆无法动态实时的进行评级，并且提高了精确性。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明的总体流程图；
图2是本发明的FANET编队模型图；
图3是本发明的归一化车辆状况参数映射图；
图4是本发明的归一化车辆行为参数映射图；
图5是本发明的车辆状况评级表；
图6是本发明的车辆评级行为评级表；
图7是本发明的车辆评级表。
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，以下结合附图及实施例，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。
参考图1至图7，一种基于无人机-车载协作网的车辆安全评级方法，包括以下步骤：
步骤1：组建FANET编队；
步骤2：组建VANET编队；
步骤3：在使用DEMATEL评级模型前所有的传感器读数和评级读数都将被标记为一个特定的归一化值；
步骤4：通过DEMATEL方法计算车辆状况评级；
步骤5：将车辆状况评级带入车辆行为评级模型计算车辆行为评级；
步骤6：用车辆状况和行为评级计算最终车辆评级；
步骤7：通过最终的车辆评级采取措施，管理交通。
本发明的方法将道路交通中车辆整体状况描述这种抽象模糊的概念转化成具体的评级问题，能够更加有效的用于交通管理。
本发明的方法解决了现有技术中车辆无法动态实时的进行评级，并且提高了精确性。
所述步骤1具体如下：
步骤1.1、组建FANET编队，确立了无人机拓扑结构的预定义框架，将t时刻的避碰定义为有关于通信参数和传感器读取四元数的旋转矩阵：
Figure 291518DEST_PATH_IMAGE001
其中，
Figure 938400DEST_PATH_IMAGE002
是一个避碰矩阵，
Figure 981442DEST_PATH_IMAGE003
，为所定义的旋转矩阵，
Figure 55578DEST_PATH_IMAGE004
分别为局部参照系、通信参数和传感器读数，
Figure 613598DEST_PATH_IMAGE005
为通信参数分量，
Figure 939537DEST_PATH_IMAGE006
为传感器读数分量；
步骤1.2、每个无人机都具有与网络中的一个设备相连的可用视线LoS，对于这种基于链路的无人机之间的连接，采用了优化的链路状态路由OLSR协议；
步骤1.3、FANET具体参数确立包括车辆ID、基站连接、无人机队列矩阵、车辆数据、车辆行为数据、车辆评级、车辆以往评级。
所述步骤2具体如下：
步骤2.1、所述VANET由车辆、信号传感器和本地传感器等组成，对于车辆间的传输，使用贪心周界无状态路由GPSR协议；
步骤2.2、对于车辆与无人机之间的传输，对GPSR数据结构进行了参数的扩展，为特征GPSR，即GPSR-F，参数包括速度
Figure 961720DEST_PATH_IMAGE007
、基准方向
Figure 82122DEST_PATH_IMAGE008
、超车
Figure 393018DEST_PATH_IMAGE009
、车辆状况
Figure 880238DEST_PATH_IMAGE010
、驾照和牌照
Figure 632293DEST_PATH_IMAGE011
、
Figure 313810DEST_PATH_IMAGE012
、醉酒驾驶
Figure 846423DEST_PATH_IMAGE013
、车辆状况评级
Figure 248585DEST_PATH_IMAGE014
、车辆行为评级
Figure 245360DEST_PATH_IMAGE015
。
所述步骤3具体如下：
步骤3.1、在使用DEMATEL评级模型前所有的传感器读数和评级读数都将被标记为一个特定的归一化值；
步骤3.2、归一化值是车辆当前状态和车辆行为的描述，生成参数的值映射图，分别为归一化车辆状况参数映射图、 归一化车辆行为参数映射图。
所述步骤4具体如下：
步骤4.1、建立车辆状况初始矩阵
Figure 973145DEST_PATH_IMAGE016
，包括参数\
Figure 55370DEST_PATH_IMAGE017
；
步骤4.2、用平均矩阵覆盖初始矩阵；
步骤4.3、计算出车辆状况的直接影响矩阵
Figure 323540DEST_PATH_IMAGE018
；
步骤4.4、使用
Figure 315767DEST_PATH_IMAGE019
并采用最大-最小平均值法计算总影响矩阵\
Figure 309393DEST_PATH_IMAGE020
，创建车辆状况评级表。
所述步骤5具体如下：
步骤5.1、将车辆状况评级的值传递给车辆行为评级，采用DEMATEL方法策略，建立车辆行为初始矩阵；
步骤5.2、平均矩阵覆盖初始矩阵；
步骤5.3、计算出车辆行为的直接影响矩阵，最后得到总影响矩阵，创建车辆行为评级表。
所述步骤6具体如下：
步骤6.1、结合前面的车辆状况评级和行为评级，计算了车辆的最终评级；
步骤6.2、这个最终的评级被传递到中央信息库。同时，这些信息也会被传送该车辆及其附近的车辆，用于警示该车辆并向其周围车辆发出预警。车辆在
Figure 816598DEST_PATH_IMAGE021
时刻的总体信誉
Figure 826142DEST_PATH_IMAGE022
：
Figure 531930DEST_PATH_IMAGE023
这里，
Figure 601517DEST_PATH_IMAGE024
是与同一
Figure 330439DEST_PATH_IMAGE025
的车辆之前的评级，为了解决这个依赖函数，使用一个权重因子
Figure 268308DEST_PATH_IMAGE026
来对其进行泛化：
Figure 235127DEST_PATH_IMAGE027
车辆的评级与之前的评级直接相关。因此，第
Figure 69091DEST_PATH_IMAGE028
辆车在第
Figure 754150DEST_PATH_IMAGE029
时刻的整体车辆评级为：
Figure 902235DEST_PATH_IMAGE030
评级值被映射到评级表，以描述车辆的整体状况。
所述步骤7具体如下：
车辆评级表中评分在0-0.5的需要进行进行监督干预，其中评分在0.3-0.5之间的车辆需要警示。评分超过0.5的可以正常行驶。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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)

1.一种基于无人机-车载协作网的车辆安全评级方法，其特征在于，包
括：
步骤1：组建FANET编队；
步骤2：组建VANET编队；
步骤3：在使用DEMATEL评级模型前所有的传感器读数和评级读数都将被标记为一个特定的归一化值；
步骤4：通过DEMATEL方法计算车辆状况评级；
步骤5：将车辆状况评级带入车辆行为评级模型计算车辆行为评级；
步骤6：用车辆状况和行为评级计算最终车辆评级；
步骤7：通过最终的车辆评级采取措施，管理交通。
2.根据权利要求1所述的基于无人机-车载协作网的车辆安全评级方
法，其特征在于，所述步骤1包括：
组建FANET编队，确立了无人机拓扑结构的预定义框架，将t时刻的避碰定义为有关于通信参数和传感器读取四元数的旋转矩阵：
Figure 396361DEST_PATH_IMAGE001
其中，
Figure 64103DEST_PATH_IMAGE002
是一个避碰矩阵，
Figure 296763DEST_PATH_IMAGE003
，为所定义的旋转矩阵，
Figure 24548DEST_PATH_IMAGE004
分别为局部参照系、通信参数和传感器读数，
Figure 44456DEST_PATH_IMAGE005
为通信参数分量，
Figure 374943DEST_PATH_IMAGE006
为传感器读数分量；
每个无人机都具有与网络中的一个设备相连的可用视线LoS，对于这种基于链路的无人机之间的连接，采用了优化的链路状态路由OLSR协议；
FANET具体参数确立包括车辆ID、基站连接、无人机队列矩阵、车辆数据、车辆行为数据、车辆评级、车辆以往评级。
3.根据权利要求1所述的基于无人机-车载协作网的车辆安全评级方
法，其特征在于，所述步骤2包括：
所述VANET由车辆、信号传感器和本地传感器等组成，对于车辆间的传输，使用贪心周界无状态路由GPSR协议；
对于车辆与无人机之间的传输，对GPSR数据结构进行了参数的扩展，为特征GPSR，即GPSR-F，参数包括速度
Figure DEST_PATH_IMAGE007
、基准方向
Figure 695066DEST_PATH_IMAGE008
、超车
Figure DEST_PATH_IMAGE009
、车辆状况
Figure 859331DEST_PATH_IMAGE010
、驾照和牌照
Figure DEST_PATH_IMAGE011
、
Figure 632115DEST_PATH_IMAGE012
、醉酒驾驶
Figure DEST_PATH_IMAGE013
、车辆状况评级
Figure 733670DEST_PATH_IMAGE014
、车辆行为评级
Figure DEST_PATH_IMAGE015
。
4.根据权利要求1所述的基于无人机-车载协作网的车辆安全评级方
法，其特征在于，所述步骤3包括：
在使用DEMATEL评级模型前所有的传感器读数和评级读数都将被标记为一个特定的归一化值；
归一化值是车辆当前状态和车辆行为的描述，生成参数的值映射图，分别为归一化车辆状况参数映射图、 归一化车辆行为参数映射图。
5.根据权利要求1所述的基于无人机-车载协作网的车辆安全评级方
法，其特征在于，所述步骤4包括：
建立车辆状况初始矩阵
Figure 236196DEST_PATH_IMAGE016
，包括参数\
Figure DEST_PATH_IMAGE017
；
用平均矩阵覆盖初始矩阵；
计算出车辆状况的直接影响矩阵
Figure 368100DEST_PATH_IMAGE018
；
使用
Figure DEST_PATH_IMAGE019
并采用最大-最小平均值法计算总影响矩阵\
Figure 159338DEST_PATH_IMAGE020
，创建车辆状况评级表。
6.根据权利要求1所述的基于无人机-车载协作网的车辆安全评级方
法，其特征在于，所述步骤5包括：
将车辆状况评级的值传递给车辆行为评级，采用DEMATEL方法策略，建立车辆行为初始矩阵；
平均矩阵覆盖初始矩阵；
计算出车辆行为的直接影响矩阵，最后得到总影响矩阵，创建车辆行为评级表。
7.根据权利要求1所述的基于无人机-车载协作网的车辆安全评级方
法，其特征在于，所述步骤6包括：
车辆状况评级和车辆行为评级的最终评级被传递到中央信息库，同时，这些信息也会被传送该车辆及其附近的车辆，用于警示该车辆并向其周围车辆发出预警；车辆在
Figure DEST_PATH_IMAGE021
时刻的总体信誉
Figure 972574DEST_PATH_IMAGE022
：
Figure 299912DEST_PATH_IMAGE023
其中，
Figure 274821DEST_PATH_IMAGE024
是与同一
Figure 756618DEST_PATH_IMAGE025
的车辆之前的评级，使用一个权重因子
Figure 232599DEST_PATH_IMAGE026
来对其进行泛化：
Figure 788345DEST_PATH_IMAGE027
第
Figure 324369DEST_PATH_IMAGE028
辆车在第
Figure 231145DEST_PATH_IMAGE029
时刻的整体车辆评级为：
Figure 917341DEST_PATH_IMAGE030
评级值被映射到评级表，以描述车辆的整体状况。
8.根据权利要求7所述的基于无人机-车载协作网的车辆安全评级方
法，其特征在于，辆评级表中评分在0-0.5的需要进行进行监督干预，其中评分在0.3-0.5之间的车辆需要警示；评分超过0.5的可以正常行驶。
CN202011510134.XA 2020-12-19 2020-12-19 一种基于无人机-车载协作网的车辆安全评级方法 Active CN112542048B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011510134.XA CN112542048B (zh) 2020-12-19 2020-12-19 一种基于无人机-车载协作网的车辆安全评级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011510134.XA CN112542048B (zh) 2020-12-19 2020-12-19 一种基于无人机-车载协作网的车辆安全评级方法

Publications (2)

Publication Number Publication Date
CN112542048A true CN112542048A (zh) 2021-03-23
CN112542048B CN112542048B (zh) 2022-06-07

Family

ID=75019242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011510134.XA Active CN112542048B (zh) 2020-12-19 2020-12-19 一种基于无人机-车载协作网的车辆安全评级方法

Country Status (1)

Country Link
CN (1) CN112542048B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761876A (zh) * 2014-01-10 2014-04-30 山东大学 基于车路协同的道路交通信息采集与状态评价的方法
KR20160109616A (ko) * 2015-03-12 2016-09-21 주식회사 에코트루먼트 차량 및 도로 상태 모니터링을 이용한 빅데이터 수집 및 분석 시스템
CN106530717A (zh) * 2016-12-26 2017-03-22 长安大学 基于云模型的施工路段行车险态评价方法
CN111192450A (zh) * 2019-11-19 2020-05-22 惠州市德赛西威汽车电子股份有限公司 一种联网车辆管理方法及系统
CN111210165A (zh) * 2020-01-21 2020-05-29 哈尔滨工业大学 一种基于风险传导耦合的车辆运行风险评估系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761876A (zh) * 2014-01-10 2014-04-30 山东大学 基于车路协同的道路交通信息采集与状态评价的方法
KR20160109616A (ko) * 2015-03-12 2016-09-21 주식회사 에코트루먼트 차량 및 도로 상태 모니터링을 이용한 빅데이터 수집 및 분석 시스템
CN106530717A (zh) * 2016-12-26 2017-03-22 长安大学 基于云模型的施工路段行车险态评价方法
CN111192450A (zh) * 2019-11-19 2020-05-22 惠州市德赛西威汽车电子股份有限公司 一种联网车辆管理方法及系统
CN111210165A (zh) * 2020-01-21 2020-05-29 哈尔滨工业大学 一种基于风险传导耦合的车辆运行风险评估系统

Also Published As

Publication number Publication date
CN112542048B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
Ji et al. Survey on the internet of vehicles: Network architectures and applications
CN109672996B (zh) 一种基于v2x路侧设备系统及其信息分发方法
US20200209871A1 (en) Method and Apparatus for Analyzing Driving Risk and Sending Risk Data
Liu et al. High-efficiency urban traffic management in context-aware computing and 5G communication
CN103383811B (zh) 基于gid的智能交通解决方案
Englund et al. Future applications of VANETs
CN108648489B (zh) 一种基于车联网的路况信息实时共享系统及方法
CN113498011B (zh) 车联网方法、装置、设备、存储介质及系统
CN113965568A (zh) 一种面向城市道路c-v2x网络的边缘计算系统
CN111885065B (zh) 一种基于v2x的车载终端消息预处理系统
CN107347030A (zh) 一种基于v2x通信的消息管理装置及方法
Zhou et al. Edge-facilitated augmented vision in vehicle-to-everything networks
CN102546696A (zh) 行车感知导航系统
CN114502444B (zh) 用于提供本地动态地图数据的边缘系统
CN112333662B (zh) 一种v2x通信系统及通信方法
CN113903187B (zh) 基于v2x技术的隧道交通信息动态显示方法及智能交通标志
JP2020027645A (ja) サーバ、無線通信方法、コンピュータプログラム、及び車載装置
US20180132281A1 (en) Method for internet of vehicles (iov) electric traffic sign information broadcast with quality of service (qos) guaranteed mechanism based on conflict detection
CN112542048B (zh) 一种基于无人机-车载协作网的车辆安全评级方法
CN111915892B (zh) 数据请求的响应方法、装置、计算机设备以及介质
CN103167019B (zh) 一种车载自组网中的混合式信任系统及方法
Wagh et al. A survey on vehicle to vehicle communication
JP2005293032A (ja) 車輌運転状況監視システム及びこのシステム用の車輌運転状況監視プログラム。
Das Improving throughput and energy efficiency in vehicular ad-hoc networks using Internet of vehicles and mobile femto access points
Tyagi et al. Management and Impact of COVID-19 on Intelligent Transportation System

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210323

Assignee: Guangxi Julian Information Technology Co.,Ltd.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2022450000633

Denomination of invention: A vehicle safety rating method based on UAV-vehicle cooperation network

Granted publication date: 20220607

License type: Common License

Record date: 20221230

EE01 Entry into force of recordation of patent licensing contract