CN113269960A - 一种高速公路隧道群交通事故风险的分析方法 - Google Patents
一种高速公路隧道群交通事故风险的分析方法 Download PDFInfo
- Publication number
- CN113269960A CN113269960A CN202110532523.0A CN202110532523A CN113269960A CN 113269960 A CN113269960 A CN 113269960A CN 202110532523 A CN202110532523 A CN 202110532523A CN 113269960 A CN113269960 A CN 113269960A
- Authority
- CN
- China
- Prior art keywords
- traffic
- tunnel group
- accident
- data
- risk
- 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 description 20
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 89
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 231100000279 safety data Toxicity 0.000 claims description 6
- 230000002265 prevention Effects 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000002411 adverse Effects 0.000 claims description 3
- 230000001364 causal effect Effects 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000013316 zoning Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Chemical & Material Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种高速公路隧道群交通事故风险的分析方法，包括步骤一、对高速公路隧道群交通环境和事故数据进行分析；步骤二、采集交通事故多源数据并进行处理和集成；步骤三、交通安全性能态势的分析；步骤四、建立隧道群交通事故分析模型并分析风险因素；步骤五、提出事故风险相关措施；步骤六、对事故风险预警可视化展示；步骤七、针对性防范措施和建议；本发明通过对高速公路隧道群交通事故的多源数据进行分析融合，并基于融合后的数据建立分析模型和交通事故风险类型的贝叶斯网络模型，从而实现对隧道群的交通事故风险因素提出风险预警进行可视化展示，可以对隧道群交通事故进行防范和采取针对性措施，大大降低隧道群的交通事故发生率。
Description
技术领域
本发明涉及交通事故分析技术领域，尤其涉及一种高速公路隧道群交通事故风险的分析方法。
背景技术
随着我国高速公路路网建设日趋完善，高速公路隧道的数量也不断增长，由于隧道内外环境的反差，行车环境的变化，隧道交通事故的发生几率和损失程度相对于高速公路普通路段来说更高；
目前由于高速公路隧道数量的增加，对隧道群的交通事故多为普通的交通事故处理，没有一种针对隧道群交通事故分析处理和预测预防的方法，导致隧道交通事故频发，事故次数高居不下，因此，本发明提出一种高速公路隧道群交通事故风险的分析方法以解决现有技术中存在的问题。
发明内容
针对上述问题，本发明的目的在于提出一种高速公路隧道群交通事故风险的分析方法，该高速公路隧道群交通事故风险的分析方法通过对高速公路隧道群交通事故的多源数据进行分析融合，并基于融合后的数据建立分析模型得出演化机理和交通事故多尺度风险类型的贝叶斯网络模型，从而实现对隧道群的交通事故风险因素进行分析并提出风险预警进行可视化展示，可以对隧道群交通事故进行风险防范和采取针对性措施，大大降低隧道群的交通事故发生率。
为实现本发明的目的，本发明通过以下技术方案实现：一种高速公路隧道群交通事故风险的分析方法，包括以下步骤：
步骤一、分析高速公路隧道群的交通环境特点，调查高速公路隧道群交通事故统计资料，对隧道群交通事故的时间、空间、环境和车型进行分析；
步骤二、通过调查采集大量隧道群交通事故发生时刻的多源数据，并基于多源异构数据融合技术，对多源数据进行处理和集成；
步骤三、在对交通事故多源数据处理和集成的基础上，研究高速公路隧道群交通安全态势影响因素，采用正交试验法分析不同因素影响下高速公路隧道群的交通安全性能态势；
步骤四、构建高速公路隧道群交通事故分析模型，并从多尺度的层次进行交通事故多源数据和多尺度的耦合分析，得出高速公路隧道群交通事故的演化机理，然后建立高速公路隧道群交通事故多尺度风险类型的贝叶斯网络模型，引入事故因果链理论，从多尺度的层次分析影响隧道群交通事故的各种风险因素；
步骤五、绘制高速公路隧道群交通事故风险区划图谱，提出针对不同区域应对隧道群交通事故风险的关键措施；
步骤六、将隧道群交通事故多源多尺度数据融合到建筑信息模型BIM中，结合视频监控和人工智能方法，将高速公路隧道群交通事故风险预警可视化展示；
步骤七、开展研究成果的验证分析和实际应用研究，提出针对性的高速公路隧道群交通事故风险防范措施和建议。
进一步改进在于：所述步骤一中的高速公路隧道群的交通环境包含明暗适应、路面宽度、平纵曲线、隧道环境和车辆行驶的特点，步骤一中调查高速公路隧道群交通事故统计资料是基于人、车、路和环境的影响因素条件下进行的。
进一步改进在于：所述步骤二中的多源数据包含交通流数据、事故数据、道路基础数据、违法数据、气象数据和隧道环境数据。
进一步改进在于：所述步骤二中对多源数据进行处理和集成，为隧道群交通事故建模、风险分析和预警提供数据基础。
进一步改进在于：所述步骤三中安全态势影响因素包含照明、路面宽度、环境噪声、大气能见度、空气质量、天气气象和不良交通状态。
进一步改进在于：所述步骤四中从多尺度层次进行交通事故多源数据和多尺度的耦合分析前将事故多发点、单条隧道和隧道群交通事故整合在一起，步骤四中的多尺度的层次为“点尺度-线尺度-面尺度”。
进一步改进在于：所述步骤六中结合视频监控后先提出基于BIM的隧道群交通安全数据可视化技术，反映交通安全数据的空间特征和数据间的内在关联，然后再结合人工智能方法。
本发明的有益效果为：本发明通过对高速公路隧道群交通事故的多源数据进行分析融合，并基于融合后的数据建立分析模型得出演化机理和交通事故多尺度风险类型的贝叶斯网络模型，从而实现对隧道群的交通事故风险因素进行分析并提出风险预警进行可视化展示，可以对隧道群交通事故进行风险防范和采取针对性措施，大大降低隧道群的交通事故发生率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的分析架构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
实施例
根据图1所示，本实施例提供了一种高速公路隧道群交通事故风险的分析方法，以河南省运营的高速公路隧道群为例，包括以下步骤：
步骤一、分析高速公路隧道群的交通环境特点，调查高速公路隧道群交通事故统计资料，对隧道群交通事故的时间、空间、环境和车型进行分析；
步骤二、通过调查采集大量隧道群交通事故发生时刻的多源数据，并基于多源异构数据融合技术，对多源数据进行处理和集成；
步骤三、在对交通事故多源数据处理和集成的基础上，研究高速公路隧道群交通安全态势影响因素，采用正交试验法分析不同因素影响下高速公路隧道群的交通安全性能态势；
步骤四、构建河南省高速公路隧道群交通事故分析模型，并从多尺度的层次进行交通事故多源数据和多尺度的耦合分析，得出高速公路隧道群交通事故的演化机理，然后建立河南省高速公路隧道群交通事故多尺度风险类型的贝叶斯网络模型，引入事故因果链理论，从多尺度的层次分析影响隧道群交通事故的各种风险因素；
步骤五、绘制河南省高速公路隧道群交通事故风险区划图谱，提出针对不同区域应对隧道群交通事故风险的关键措施；
步骤六、将隧道群交通事故多源多尺度数据融合到建筑信息模型BIM中，结合视频监控和人工智能方法，将高速公路隧道群交通事故风险预警可视化展示；
步骤七、以河南省运营的高速公路隧道群为例，开展研究成果的验证分析和实际应用研究，提出针对性的高速公路隧道群交通事故风险防范措施和建议。
所述步骤一中的高速公路隧道群的交通环境包含明暗适应、路面宽度、平纵曲线、隧道环境和车辆行驶的特点，步骤一中调查高速公路隧道群交通事故统计资料是基于人、车、路和环境的影响因素条件下进行的。
所述步骤二中的多源数据包含交通流数据、事故数据、道路基础数据、违法数据、气象数据和隧道环境数据。
所述步骤二中对多源数据进行处理和集成，为隧道群交通事故建模、风险分析和预警提供数据基础。
所述步骤三中安全态势影响因素包含照明、路面宽度、环境噪声、大气能见度、空气质量、天气气象和不良交通状态。
所述步骤四中从多尺度层次进行交通事故多源数据和多尺度的耦合分析前将事故多发点、单条隧道和隧道群交通事故整合在一起，步骤四中的多尺度的层次为“点尺度-线尺度-面尺度”。
所述步骤六中结合视频监控后先提出基于BIM的隧道群交通安全数据可视化技术，反映交通安全数据的空间特征和数据间的内在关联，然后再结合人工智能方法。
该高速公路隧道群交通事故风险的分析方法通过对高速公路隧道群交通事故的多源数据进行分析融合，并基于融合后的数据建立分析模型得出演化机理和交通事故多尺度风险类型的贝叶斯网络模型，从而实现对隧道群的交通事故风险因素进行分析并提出风险预警进行可视化展示，可以对隧道群交通事故进行风险防范和采取针对性措施，大大降低隧道群的交通事故发生率。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种高速公路隧道群交通事故风险的分析方法，其特征在于包括以下步骤：
步骤一、分析高速公路隧道群的交通环境特点，调查高速公路隧道群交通事故统计资料，对隧道群交通事故的时间、空间、环境和车型进行分析；
步骤二、通过调查采集大量隧道群交通事故发生时刻的多源数据，并基于多源异构数据融合技术，对多源数据进行处理和集成；
步骤三、在对交通事故多源数据处理和集成的基础上，研究高速公路隧道群交通安全态势影响因素，采用正交试验法分析不同因素影响下高速公路隧道群的交通安全性能态势；
步骤四、构建高速公路隧道群交通事故分析模型，并从多尺度的层次进行交通事故多源数据和多尺度的耦合分析，得出高速公路隧道群交通事故的演化机理，然后建立高速公路隧道群交通事故多尺度风险类型的贝叶斯网络模型，引入事故因果链理论，从多尺度的层次分析影响隧道群交通事故的各种风险因素；
步骤五、绘制高速公路隧道群交通事故风险区划图谱，提出针对不同区域应对隧道群交通事故风险的关键措施；
步骤六、将隧道群交通事故多源多尺度数据融合到建筑信息模型BIM中，结合视频监控和人工智能方法，将高速公路隧道群交通事故风险预警可视化展示；
步骤七、开展研究成果的验证分析和实际应用研究，提出针对性的高速公路隧道群交通事故风险防范措施和建议。
2.根据权利要求1所述的一种高速公路隧道群交通事故风险的分析方法，其特征在于：所述步骤一中的高速公路隧道群的交通环境包含明暗适应、路面宽度、平纵曲线、隧道环境和车辆行驶的特点，步骤一中调查高速公路隧道群交通事故统计资料是基于人、车、路和环境的影响因素条件下进行的。
3.根据权利要求1所述的一种高速公路隧道群交通事故风险的分析方法，其特征在于：所述步骤二中的多源数据包含交通流数据、事故数据、道路基础数据、违法数据、气象数据和隧道环境数据。
4.根据权利要求1所述的一种高速公路隧道群交通事故风险的分析方法，其特征在于：所述步骤二中对多源数据进行处理和集成，为隧道群交通事故建模、风险分析和预警提供数据基础。
5.根据权利要求1所述的一种高速公路隧道群交通事故风险的分析方法，其特征在于：所述步骤三中安全态势影响因素包含照明、路面宽度、环境噪声、大气能见度、空气质量、天气气象和不良交通状态。
6.根据权利要求1所述的一种高速公路隧道群交通事故风险的分析方法，其特征在于：所述步骤四中从多尺度层次进行交通事故多源数据和多尺度的耦合分析前将事故多发点、单条隧道和隧道群交通事故整合在一起，步骤四中的多尺度的层次为“点尺度-线尺度-面尺度”。
7.根据权利要求1所述的一种高速公路隧道群交通事故风险的分析方法，其特征在于：所述步骤六中结合视频监控后先提出基于BIM的隧道群交通安全数据可视化技术，反映交通安全数据的空间特征和数据间的内在关联，然后再结合人工智能方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110532523.0A CN113269960A (zh) | 2021-05-17 | 2021-05-17 | 一种高速公路隧道群交通事故风险的分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110532523.0A CN113269960A (zh) | 2021-05-17 | 2021-05-17 | 一种高速公路隧道群交通事故风险的分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113269960A true CN113269960A (zh) | 2021-08-17 |
Family
ID=77231034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110532523.0A Pending CN113269960A (zh) | 2021-05-17 | 2021-05-17 | 一种高速公路隧道群交通事故风险的分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113269960A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113870560A (zh) * | 2021-09-27 | 2021-12-31 | 公安部道路交通安全研究中心 | 基于多源数据的高速公路画像评价与安全风险研判系统 |
| CN114267173A (zh) * | 2021-12-13 | 2022-04-01 | 河北雄安京德高速公路有限公司 | 高速公路时空特征的多源数据融合方法、装置及设备 |
| CN115392797A (zh) * | 2022-10-27 | 2022-11-25 | 北京城建设计发展集团股份有限公司 | 基于贝叶斯网络的运营隧道结构病害快速智能诊断方法 |
| CN115565373A (zh) * | 2022-09-22 | 2023-01-03 | 中南大学 | 高速公路隧道事故实时风险预测方法、装置、设备及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101465059A (zh) * | 2008-12-31 | 2009-06-24 | 公安部交通管理科学研究所 | 城市道路交通安全态势鉴判预警系统 |
| CN106920040A (zh) * | 2017-03-01 | 2017-07-04 | 西南交通大学 | 基于模糊层次分析的高速公路隧道交通事故风险评估方法 |
| CN107909247A (zh) * | 2017-10-26 | 2018-04-13 | 东南大学 | 一种基于空间层次贝叶斯模型的城市宏观道路交通安全影响因素分析方法 |
| CN109151383A (zh) * | 2018-07-21 | 2019-01-04 | 中铁十八局集团有限公司 | 一种基于bim隧道安全监控信息预警系统 |
| CN109523786A (zh) * | 2018-11-30 | 2019-03-26 | 哈尔滨工业大学 | 一种高速公路交通事故成因分析方法 |
| CN109518589A (zh) * | 2018-10-16 | 2019-03-26 | 叙镇铁路有限责任公司 | 一种基于bim技术的市政工程交通事故应急处理装置及方法 |
| CN110008618A (zh) * | 2019-04-15 | 2019-07-12 | 华夏天信（北京）智能低碳技术研究院有限公司 | 一种基于gis和bim的应急辅助决策系统 |
| CN111009122A (zh) * | 2019-11-13 | 2020-04-14 | 青岛国信城市信息科技有限公司 | 隧道交通运行风险评估方法 |
| KR20210047516A (ko) * | 2019-10-22 | 2021-04-30 | 한국통합민원센터 주식회사 | 운전자의 교통사고율 예측 시스템 |
-
2021
- 2021-05-17 CN CN202110532523.0A patent/CN113269960A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101465059A (zh) * | 2008-12-31 | 2009-06-24 | 公安部交通管理科学研究所 | 城市道路交通安全态势鉴判预警系统 |
| CN106920040A (zh) * | 2017-03-01 | 2017-07-04 | 西南交通大学 | 基于模糊层次分析的高速公路隧道交通事故风险评估方法 |
| CN107909247A (zh) * | 2017-10-26 | 2018-04-13 | 东南大学 | 一种基于空间层次贝叶斯模型的城市宏观道路交通安全影响因素分析方法 |
| CN109151383A (zh) * | 2018-07-21 | 2019-01-04 | 中铁十八局集团有限公司 | 一种基于bim隧道安全监控信息预警系统 |
| CN109518589A (zh) * | 2018-10-16 | 2019-03-26 | 叙镇铁路有限责任公司 | 一种基于bim技术的市政工程交通事故应急处理装置及方法 |
| CN109523786A (zh) * | 2018-11-30 | 2019-03-26 | 哈尔滨工业大学 | 一种高速公路交通事故成因分析方法 |
| CN110008618A (zh) * | 2019-04-15 | 2019-07-12 | 华夏天信（北京）智能低碳技术研究院有限公司 | 一种基于gis和bim的应急辅助决策系统 |
| KR20210047516A (ko) * | 2019-10-22 | 2021-04-30 | 한국통합민원센터 주식회사 | 운전자의 교통사고율 예측 시스템 |
| CN111009122A (zh) * | 2019-11-13 | 2020-04-14 | 青岛国信城市信息科技有限公司 | 隧道交通运行风险评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵新勇: "基于多源异构数据的高速公路交通安全评估方法", 《中国博士学位论文全文数据库》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113870560A (zh) * | 2021-09-27 | 2021-12-31 | 公安部道路交通安全研究中心 | 基于多源数据的高速公路画像评价与安全风险研判系统 |
| CN113870560B (zh) * | 2021-09-27 | 2022-10-04 | 公安部道路交通安全研究中心 | 基于多源数据的高速公路画像评价与安全风险研判系统 |
| CN114267173A (zh) * | 2021-12-13 | 2022-04-01 | 河北雄安京德高速公路有限公司 | 高速公路时空特征的多源数据融合方法、装置及设备 |
| CN114267173B (zh) * | 2021-12-13 | 2023-08-18 | 河北雄安京德高速公路有限公司 | 高速公路时空特征的多源数据融合方法、装置及设备 |
| CN115565373A (zh) * | 2022-09-22 | 2023-01-03 | 中南大学 | 高速公路隧道事故实时风险预测方法、装置、设备及介质 |
| CN115565373B (zh) * | 2022-09-22 | 2024-04-05 | 中南大学 | 高速公路隧道事故实时风险预测方法、装置、设备及介质 |
| CN115392797A (zh) * | 2022-10-27 | 2022-11-25 | 北京城建设计发展集团股份有限公司 | 基于贝叶斯网络的运营隧道结构病害快速智能诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113269960A (zh) | 一种高速公路隧道群交通事故风险的分析方法 | |
| CN103971523B (zh) | 一种山区道路交通安全动态预警系统 | |
| Chen et al. | Analysis of factors affecting the severity of automated vehicle crashes using XGBoost model combining POI data | |
| US7755509B2 (en) | Use of pattern matching to predict actual traffic conditions of a roadway segment | |
| CN105844257A (zh) | 基于机器视觉雾天行车错失道路标志牌的预警系统及方法 | |
| Das et al. | Investigating the pattern of traffic crashes under rainy weather by association rules in data mining | |
| CN110222596B (zh) | 一种基于视觉的驾驶员行为分析防作弊方法 | |
| US11170649B2 (en) | Integrated collision avoidance and road safety management system | |
| Yu et al. | Understanding traffic bottlenecks of long freeway tunnels based on a novel location-dependent lighting-related car-following model | |
| Lee | Modeling gap acceptance at freeway merges | |
| CN114118795A (zh) | 智能重载高速公路的安全风险度评估分级及动态预警方法 | |
| CN111651712A (zh) | 一种智能汽车测试场景复杂度的评估方法及系统 | |
| CN111144301A (zh) | 一种基于深度学习的道路路面缺陷快速预警装置 | |
| CN114360239A (zh) | 一种多层时空交通知识图谱重建的交通预测方法及系统 | |
| CN115291515A (zh) | 一种基于数字孪生的自动驾驶仿真测试系统及评价方法 | |
| CN111210163A (zh) | 一种基于多源数据的公交车辆风险评价系统与方法 | |
| CN112419745A (zh) | 一种基于深度融合网络的高速公路团雾预警系统 | |
| CN109191492A (zh) | 一种基于轮廓分析的智能视频黑烟车检测方法 | |
| CN116184438A (zh) | 一种基于激光雷达识别恶劣天气的数据处理方法 | |
| CN116597690B (zh) | 智能网联汽车的高速公路测试场景生成方法、设备及介质 | |
| CN111325811B (zh) | 一种车道线数据的处理方法及处理装置 | |
| Kezebou et al. | A deep neural network approach for detecting wrong-way driving incidents on highway roads | |
| CN115170783A (zh) | 一种使用街景图像的快速公路路面裂缝检测方法 | |
| Golze et al. | Impact analysis of accidents on the traffic flow based on massive floating car data | |
| CN112560790A (zh) | 一种基于摄像头视频图像智能识别能见度的方法 |
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: 20210817 |
|
| RJ01 | Rejection of invention patent application after publication |