CN113511134A - 一种基于人工智能技术的公交车避险方法 - Google Patents

一种基于人工智能技术的公交车避险方法 Download PDF

Info

Publication number
CN113511134A
CN113511134A CN202110691887.3A CN202110691887A CN113511134A CN 113511134 A CN113511134 A CN 113511134A CN 202110691887 A CN202110691887 A CN 202110691887A CN 113511134 A CN113511134 A CN 113511134A
Authority
CN
China
Prior art keywords
bus
accident
road section
image
risk avoiding
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
CN202110691887.3A
Other languages
English (en)
Other versions
CN113511134B (zh
Inventor
王金刚
钱贵涛
赵岩
孙宏飞
林路
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.)
Hualu Zhida Technology Co Ltd
Original Assignee
Hualu Zhida Technology Co Ltd
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 Hualu Zhida Technology Co Ltd filed Critical Hualu Zhida Technology Co Ltd
Priority to CN202110691887.3A priority Critical patent/CN113511134B/zh
Publication of CN113511134A publication Critical patent/CN113511134A/zh
Application granted granted Critical
Publication of CN113511134B publication Critical patent/CN113511134B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/50—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking
    • B60Q1/52—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating other intentions or conditions, e.g. request for waiting or overtaking for indicating emergencies
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于人工智能技术的公交车避险方法，在公交车发现前方发生事故后，根据公交车的实时位置信息判断启动本地避险机制还是远程避险机制。当启动本地避险机制后，通过公交车尾端显示屏显示第一故障提示信息直至驶出事故路段；当启动远程避险机制后，通过判断当前实时位置是否属于危险路段，以及是否收到公交车紧急刹车反馈信息，采取两种措施以控制公交车减速，同时显示第二故障提示信息直至驶出事故路段。本发明可以对后边被遮挡的车辆进行及时的提示，注意保持车距，同时可以尽可能地避免由于公交车驾驶员的情绪紧张或者对路况不熟、经验欠缺等原因，错失将车辆避险时机所导致的追尾事故，提升车辆在公路上行车的安全性。

Description

一种基于人工智能技术的公交车避险方法
技术领域
本发明涉及智能公交交通安全技术领域，尤其涉及一种基于人工智能技术的公交车避险方法。
背景技术
汽车已成为人类社会重要的交通工具，国内汽车数量持续增加，作为公共交通车辆的公交车规模也随之迅速发展并为居民出行带来了极大的方便。但是目前在公交车技术发展过程，除了关于乘客的出行舒适度以及体验度之后，其安全性也越来越受到关注。
但是目前的公交车避险方法多关注前行方向的规避方法，往往忽视了后方车辆的行车安全性也会对公交车的安全造成不可忽视的影响。比如公交车因车体较大，后方车辆被视线遮挡，不易发现前方故障，不利于保持安全车距等。
发明内容
本发明提供一种基于人工智能技术的公交车避险方法，以克服上述技术问题。
本发明一种基于人工智能技术的公交车避险方法，包括：
S1、当前公交车发现前方发生事故后，获取所述公交车的实时位置信息；
S2、根据所述实时位置信息，确定启动本地避险机制还是远程避险机制，若确定执行本地避险机制，则执行步骤S3；若确定执行远程避险机制，则执行步骤S4；
S3、在收到所述公交车紧急刹车反馈信息的同时，通过公交车尾端显示屏显示第一故障提示信息直至驶出事故路段，并采集事故现场图像发送至远程控制中心；所述第一故障提示信息用于提示所述公交车后方车辆前方正在发生事故，以注意保持车距；
S4、若当前实时位置不属于危险路段且第一反应时间内未收到所述公交车紧急刹车反馈信息，控制所述公交车降低车速的同时，通过所述尾端显示屏显示第二故障提示信息直至驶出事故路段，并采集事故现场图像发送远程控制中心，此时的第二故障提示信息即为第一故障提示信息；
若当前实时位置属于危险路段，则提醒司机进行紧急刹车操作，并在第二反应时间内未收到紧急刹车反馈信息时，按照应急降速控制数据控制公交车降低车速，同时通过所述尾端显示屏显示第二故障提示信息直至驶出事故路段；此时的第二故障提示信息提示公交车后方车辆前方为危险路段，以注意保持车距；
S5、所述公交车驶出事故路段后，关闭所述本地避险机制/远程避险机制。
进一步地，所述确定启动本地避险机制还是远程避险机制包括：判断当前实时位置不属于危险路段且在第一反应时间内，进一步判断是否收到所述公交车紧急刹车反馈信息；是则确定启动本地避险机制，否则启动远程避险机制；若当前实时位置属于危险路段，则直接启动远程避险机制。
进一步地，所述危险路段包括岔路口、易于发生交通事故的路段以及前方公交车发送所采集到实时事故图像的路段。
进一步地，所述实时事故图像中的图像解析过程通过人工智能图像分析算法获取；
通过式(1)判断所述实时图像中是否包含事故；
Figure BDA0003127107180000021
式中，po(n)表示实时图像第n帧有事故的概率，po大于阈值代表出现事故；P(n)表示第n帧的置信度，取值范围[0，1]，r(n)表示利用交叉熵训练的卷积网络从第n帧图像中提取特征，m表示一个图像的最大人数限制。
进一步地，根据轨迹定位图像技术判断所述的公交车是否已驶出事故路段；
通过式(2)判断所述公交车是否已驶出事故路段；
Figure BDA0003127107180000022
式中，ρ表示b和bgt的欧氏距离，x和y分别表示经纬度；A表示公交车位置车头坐标，C表示公交车位置车尾坐标，b表示公交车车身中点坐标，B表示事故路段开始位置坐标，D表示事故路段结束位置坐标，bgt表示事故路段中间位置坐标；I表示公交车在事故路段的概率，小于阈值，表示已经驶出事故路段。
进一步地，通过智能提示装置发送声光警示指令提醒司机进行紧急刹车操作。
本发明在公交车发现前方发生事故后，根据公交车的实时位置信息判断启动本地避险机制还是远程避险机制。当启动本地避险机制后，通过公交车尾端显示屏显示第一故障提示信息直至驶出事故路段，并采集事故现场图像发送远程控制中心；当启动远程避险机制后，若当前实时位置不属于危险路段且第一反应时间内未收到公交车紧急刹车反馈信息，则控制公交车降低车速的；若当前实时位置属于危险路段，则提醒司机进行紧急刹车操作，并在第二反应时间内未收到紧急刹车反馈信息时，控制公交车降低车速，同时显示第二故障提示信息直至驶出事故路段。本发明可以对后边被遮挡的车辆进行及时的提示，注意保持车距，同时可以尽可能地避免由于公交车驾驶员的情绪紧张或者对路况不熟、经验欠缺等原因，错失将车辆避险时机所导致的追尾事故，提升车辆在公路上行车的安全性。
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以简单地介绍，显而易见地，下面描述中的附图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为本发明的方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
如图1所示，本实施例提供了一种基于人工智能技术的公交车避险方法，包括：
S1、当前公交车发现前方发生事故后，获取公交车的实时位置信息；
具体而言，公交车的实时位置信息通过公交车载GPS定位系统获取，GPS信号接收器接收到卫星定位数据后，将这些数据发送车载GPS定位系统的主控制器(CPU)处理，主控制器(CPU)就可按定位解算方法进行定位计算，计算出公交车所在的地理经纬度、高度、速度、时间等信息，然后将这些数据发送到避险系统中。
S2、根据实时位置信息，确定启动本地避险机制还是远程避险机制，若确定执行本地避险机制，则执行步骤S3；若确定执行远程避险机制，则执行步骤S4；
具体而言，确定启动本地避险机制还是远程避险机制包括：判断当前实时位置不属于危险路段且在第一反应时间内，进一步判断是否收到公交车紧急刹车反馈信息；是则确定启动本地避险机制，否则启动远程避险机制；若当前实时位置属于危险路段，则直接启动远程避险机制。
S3、在收到公交车紧急刹车反馈信息的同时，通过公交车尾端显示屏显示第一故障提示信息直至驶出事故路段，并采集事故现场图像发送至远程控制中心；第一故障提示信息用于提示公交车后方车辆前方正在发生事故，以注意保持车距；
具体而言，当公交车发现前方发生事故，但是远程中心未发现该事故时，公交车司机采取了紧急刹车措施，系统可以获取公交车制动系统发送的刹车反馈信息，在收到司机应急刹车的反馈信息的同时通过车辆尾端显示屏显示第一故障提示信息直至驶出故障路段，并通过公交车前端的图像采集设备采集到事故现场图像实时向远程控制中心反馈采集的图像数据；这里的第一故障提示信息用于提示公交车后方车辆前方正在发生事故，以注意保持车距。
S4、若当前实时位置不属于危险路段且第一反应时间内未收到公交车紧急刹车反馈信息，控制公交车降低车速的同时，通过尾端显示屏显示第二故障提示信息直至驶出事故路段，并采集事故现场图像发送远程控制中心，此时的第二故障提示信息即为第一故障提示信息；
若当前实时位置属于危险路段，则提醒司机进行紧急刹车操作，并在第二反应时间内未收到紧急刹车反馈信息时，按照应急降速控制数据控制公交车降低车速，同时通过尾端显示屏显示第二故障提示信息直至驶出事故路段；此时的第二故障提示信息提示公交车后方车辆前方为危险路段，以注意保持车距；
具体而言，在当前实时位置不属于危险路段且第一反应时间内未收到司机应急降速操作反馈信息后，按照应急降速控制数据控制车辆降低车速同时通过车辆尾端显示屏显示第二故障提示信息直至驶出故障路段，并通过前端图像采集设备采集事故现场图像实时向远程控制中心反馈采集的图像数据，此时的第二故障提示信息即为第一故障提示信息。这里的危险路段具体指的是，岔路口、易于发生交通事故的路段以及前方公交车发送所采集到实时事故图像的路段。
在当前实时位置属于危险路段，提醒司机进行应急降速操作，并在第二反应时间内未收到司机应急降速操作反馈信息后，按照应急降速控制数据控制车辆降低车速同时通过车辆尾端显示屏显示第二故障提示信息直至驶出危险路段，此时的第二故障提示信息提示公交车后方车辆前方为危险路段，以注意保持车距。
S5、公交车驶出事故路段后，关闭本地避险机制/远程避险机制。
本实施例中，实时事故图像中的图像解析过程通过人工智能图像分析算法获取。
具体而言，依托现有技术中的人工智能算法，在拍摄第一张交通事故图像后，终端以第一张交通事故图像的位置为基准，实时获取移动角度，当移动角度达到预设角度时，拍摄第二张交通事故图像，终端继续第二张交通事故图像的位置为基准，实时获取用户的移动角度，当用户的移动角度达到预设角度时，拍摄第三张交通事故图像，以此类推，直至获取的交通事故图像的数量达到预设数量；或者，用户的全部移动角度之和满足特定角度(如360°)，则得到全部的交通事故图像。
通过式(1)判断实时图像中是否包含事故；
Figure BDA0003127107180000051
式中，po(n)表示实时图像第n帧有事故的概率，po大于阈值代表出现事故；P(n)表示第n帧的置信度，取值范围[0，1]，r(n)表示利用交叉熵训练的卷积网络从第n帧图像中提取特征，m表示一个图像的最大人数限制。
本实施例中，根据轨迹定位图像技术判断公交车是否已驶出事故路段。
通过式(2)判断公交车是否已驶出事故路段；
Figure BDA0003127107180000061
式中，ρ表示b和bgt的欧氏距离，x和y分别表示经纬度；A表示公交车位置车头坐标，C表示公交车位置车尾坐标，b表示公交车车身中点坐标，B表示事故路段开始位置坐标，D表示事故路段结束位置坐标，bgt表示事故路段中间位置坐标；I表示公交车在事故路段的概率，小于阈值，表示已经驶出事故路段。
具体而言，轨迹定位图像技术是指利用图像处理技术提取公交车辆移动轨迹的方法，该方法采用了动态目标区域检测的技术来追踪运动车辆以及运动车辆的行驶区域，所谓动态目标区域检测就是指被检测区域是动态更新的,是随着被检测对象位置的变化而改变的。当检测到公交车已驶出事故路段后，自动关闭本地避险机制或远程避险机制。
本实施例中，通过智能提示装置发送声光警示指令提醒司机进行紧急刹车操作。
具体而言，系统上安装有智能提示装置，该智能提示装置可以发出警示语音信息，以语音提醒的方式提醒公交车司机减速、慢行、注意避让；也可以用闪光信号发出警示，当判定前方为危险路段时，智能提示装置发出红色闪光以引起公交车司机的注意，提示公交车司机减速、慢行、注意避让。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种基于人工智能技术的公交车避险方法，其特征在于，包括：
S1、当前公交车发现前方发生事故后，获取所述公交车的实时位置信息；
S2、根据所述实时位置信息，确定启动本地避险机制还是远程避险机制，若确定执行本地避险机制，则执行步骤S3；若确定执行远程避险机制，则执行步骤S4；
S3、在收到所述公交车紧急刹车反馈信息的同时，通过公交车尾端显示屏显示第一故障提示信息直至驶出事故路段，并采集事故现场图像发送至远程控制中心；所述第一故障提示信息用于提示所述公交车后方车辆前方正在发生事故，以注意保持车距；
S4、若当前实时位置不属于危险路段且第一反应时间内未收到所述公交车紧急刹车反馈信息，控制所述公交车降低车速的同时，通过所述尾端显示屏显示第二故障提示信息直至驶出事故路段，并采集事故现场图像发送远程控制中心，此时的第二故障提示信息即为第一故障提示信息；
若当前实时位置属于危险路段，则提醒司机进行紧急刹车操作，并在第二反应时间内未收到紧急刹车反馈信息时，控制公交车降低车速，同时通过所述尾端显示屏显示第二故障提示信息直至驶出事故路段；此时的第二故障提示信息提示公交车后方车辆前方为危险路段，以注意保持车距；
S5、所述公交车驶出事故路段后，关闭所述本地避险机制/远程避险机制。
2.根据权利要求1所述的一种基于人工智能技术的公交车避险方法，其特征在于，所述确定启动本地避险机制还是远程避险机制包括：
判断当前实时位置不属于危险路段且在第一反应时间内，进一步判断是否收到所述公交车紧急刹车反馈信息；是则确定启动本地避险机制，否则启动远程避险机制；
若当前实时位置属于危险路段，则直接启动远程避险机制。
3.根据权利要求2所述的一种基于人工智能技术的公交车避险方法，其特征在于，所述危险路段包括岔路口、易于发生交通事故的路段以及前方公交车发送所采集到实时事故图像的路段。
4.根据权利要求3所述的一种基于人工智能技术的公交车避险方法，其特征在于，所述实时事故图像中的图像解析过程通过人工智能图像分析算法获取；
通过式(1)判断所述实时图像中是否包含事故；
Figure FDA0003127107170000021
式中，po(n)表示实时图像第n帧有事故的概率，po大于阈值代表出现事故；P(n)表示第n帧的置信度，取值范围[0，1]，r(n)表示利用交叉熵训练的卷积网络从第n帧图像中提取特征，m表示一个图像的最大人数限制。
5.根据权利要求4所述的一种基于人工智能技术的公交车避险方法，其特征在于，根据轨迹定位图像技术判断所述的公交车是否已驶出事故路段；
通过式(2)判断所述公交车是否已驶出事故路段；
Figure FDA0003127107170000022
式中，ρ表示b和bgt的欧氏距离，x和y分别表示经纬度；A表示公交车位置车头坐标，C表示公交车位置车尾坐标，b表示公交车车身中点坐标，B表示事故路段开始位置坐标，D表示事故路段结束位置坐标，bgt表示事故路段中间位置坐标；I表示公交车在事故路段的概率，小于阈值，表示已经驶出事故路段。
6.根据权利要求5所述的一种基于人工智能技术的公交车避险方法，其特征在于，通过智能提示装置发送声光警示指令提醒司机进行紧急刹车操作。
CN202110691887.3A 2021-06-22 2021-06-22 一种基于人工智能技术的公交车避险方法 Active CN113511134B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110691887.3A CN113511134B (zh) 2021-06-22 2021-06-22 一种基于人工智能技术的公交车避险方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110691887.3A CN113511134B (zh) 2021-06-22 2021-06-22 一种基于人工智能技术的公交车避险方法

Publications (2)

Publication Number Publication Date
CN113511134A true CN113511134A (zh) 2021-10-19
CN113511134B CN113511134B (zh) 2023-02-03

Family

ID=78066120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110691887.3A Active CN113511134B (zh) 2021-06-22 2021-06-22 一种基于人工智能技术的公交车避险方法

Country Status (1)

Country Link
CN (1) CN113511134B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115937827A (zh) * 2023-02-17 2023-04-07 深圳市蓝鲸智联科技有限公司 用于汽车紧急主动避险的监控视频处理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201544377A (zh) * 2014-05-27 2015-12-01 Univ Nat Yunlin Sci & Tech 自動化車輛全域性風險分析的區域規劃演算法與軌跡最佳化閃避系統
CN110281893A (zh) * 2018-03-19 2019-09-27 北京图森未来科技有限公司 一种紧急制动系统及方法、半挂车
CN111885500A (zh) * 2020-07-22 2020-11-03 深圳市Tcl云创科技有限公司 基于窄带物联网的路况提醒方法、装置及存储介质
CN111976589A (zh) * 2020-08-28 2020-11-24 武汉华美晨曦光电有限责任公司 一种汽车显示系统及汽车尾灯系统
CN112419783A (zh) * 2019-08-22 2021-02-26 中国移动通信集团山东有限公司 一种车辆辅助驾驶系统、方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201544377A (zh) * 2014-05-27 2015-12-01 Univ Nat Yunlin Sci & Tech 自動化車輛全域性風險分析的區域規劃演算法與軌跡最佳化閃避系統
CN110281893A (zh) * 2018-03-19 2019-09-27 北京图森未来科技有限公司 一种紧急制动系统及方法、半挂车
CN112419783A (zh) * 2019-08-22 2021-02-26 中国移动通信集团山东有限公司 一种车辆辅助驾驶系统、方法和装置
CN111885500A (zh) * 2020-07-22 2020-11-03 深圳市Tcl云创科技有限公司 基于窄带物联网的路况提醒方法、装置及存储介质
CN111976589A (zh) * 2020-08-28 2020-11-24 武汉华美晨曦光电有限责任公司 一种汽车显示系统及汽车尾灯系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115937827A (zh) * 2023-02-17 2023-04-07 深圳市蓝鲸智联科技有限公司 用于汽车紧急主动避险的监控视频处理方法
CN115937827B (zh) * 2023-02-17 2023-05-09 深圳市蓝鲸智联科技有限公司 用于汽车紧急主动避险的监控视频处理方法

Also Published As

Publication number Publication date
CN113511134B (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
US10332401B2 (en) Running vehicle alerting system and method
CN107346612B (zh) 一种基于车联网的车辆防碰撞方法和系统
US10909852B2 (en) Intelligent traffic safety pre-warning method, cloud server, onboard-terminal and system
EP3130516B1 (en) Travel control device, and travel control system
CN106882143B (zh) 基于lte-v通信的行人保护系统及方法
CN110164183A (zh) 一种在车车通信条件下考虑他车驾驶意图的安全辅助驾驶预警方法
JP4858452B2 (ja) 車両運転支援システム、運転支援装置、車両及び車両運転支援方法
US10369995B2 (en) Information processing device, information processing method, control device for vehicle, and control method for vehicle
US20200086889A1 (en) Vehicle control apparatus, vehicle control method, and movable object
US20220301427A1 (en) Travel assistance method, road captured image collection method, and roadside device
JP2020166659A (ja) 車両制御システム
CN111127920A (zh) 基于车载通信的防后车追尾预警与控制方法及系统
CN106740463B (zh) 车辆起步安全预警方法及装置
US11645914B2 (en) Apparatus and method for controlling driving of vehicle
CN110246370A (zh) 基于车载app的前车事故后车集群报警系统
CN113511134B (zh) 一种基于人工智能技术的公交车避险方法
CN112319366A (zh) 一种驻车监控预警方法及系统
CN110606081B (zh) 移动体辅助系统和移动体辅助方法
CN114419925B (zh) 一种车路协同的防碰预警系统和方法
CN114822083A (zh) 智慧车辆编队辅助控制系统
CN114973695A (zh) 一种车辆优先通行控制方法及相关设备
JP4059151B2 (ja) 車載情報提供装置
CN114973697A (zh) 车辆优先通行控制方法及相关设备
CN115134491B (zh) 图像处理方法和装置
US20230227043A1 (en) Information processing device, vehicle control unit, and road information distribution method

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Wang Jingang

Inventor after: Qian Guitao

Inventor after: Zhao Yan

Inventor after: Sun Hongfei

Inventor after: Luan Feng

Inventor before: Wang Jingang

Inventor before: Qian Guitao

Inventor before: Zhao Yan

Inventor before: Sun Hongfei

Inventor before: Lin Lu

GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 14 / F, Hualu building, 717 Huangpu Road, Dalian hi tech Industrial Park, Liaoning 116000

Patentee after: Hualu Zhida Technology Co.,Ltd.

Address before: No. 717, Huangpu Road, high tech park, Dalian, Liaoning 116000

Patentee before: Hualu Zhida Technology Co.,Ltd.