CN113870560A - 基于多源数据的高速公路画像评价与安全风险研判系统 - Google Patents
基于多源数据的高速公路画像评价与安全风险研判系统 Download PDFInfo
- Publication number
- CN113870560A CN113870560A CN202111139591.7A CN202111139591A CN113870560A CN 113870560 A CN113870560 A CN 113870560A CN 202111139591 A CN202111139591 A CN 202111139591A CN 113870560 A CN113870560 A CN 113870560A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- collector
- studying
- judging
- 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
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
- G08G1/0125—Traffic data processing
Landscapes
- 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多源数据的高速公路画像评价与安全风险研判系统,该系统包括:数据采集子系统、风险研判处理器和研判输出子系统,其中,数据采集子系统包括:交通流量采集器、道路指标采集器、应急响应时间采集器以及事故违法数据采集器;风险研判处理器,与数据采集子系统连接,用于对数据采集子系统采集的数据进行分析,得到风险分析结果;研判输出子系统,与风险研判处理器连接,用于对风险研判处理器的风险分析结果进行显示。通过对本系统的应用,采集多方面数据进行风险研判,可以很大程度的提高高速公路安全风险研判水平,全方位研判识别高速公路风险隐患,精确提高高速公路交通安全水平。
Description
技术领域
本发明涉及道路安全技术领域,具体涉及一种基于多源数据的高速公路画像评价与安全风险研判系统。
背景技术
高速公路中作为重要的通行道路,对高速公路进行全方位多角度的安全风险评估必不可少,由于受数据限制等条件的约束,当前应用于道路的安全评价方法和系统较为单一,缺乏科学合理的道路安全评价体系,因此亟待提出一种多源数据的高速公路画像评价与安全风险研判系统,具有重要的现实意义和应用迫切性。
发明内容
因此,本发明要解决的技术问题在于克服现有道路安全评判中数据单一和评价方法单一的缺陷,从而提供一种基于多源数据的高速公路画像评价与安全风险研判系统。
根据第一方面,本发明实施例公开了一种基于多源数据的高速公路画像评价与安全风险研判系统,包括:数据采集子系统、风险研判处理器和研判输出子系统,其中,所述数据采集子系统包括:交通流量采集器、道路指标采集器、应急响应时间采集器以及事故违法数据采集器,其中所述交通流量采集器,用于采集所述高速公路中交通流量数据;所述道路指标采集器,用于采集所述高速公路中道路设施数据;所述应急响应时间采集器,用于采集所述高速公路中应急救援的响应时间;所述事故违法数据采集器,用于采集高速公路中违法数据;所述风险研判处理器,与数据采集子系统连接,用于对所述数据采集子系统采集的数据进行分析,得到风险分析结果;所述研判输出子系统,与所述风险研判处理器连接,用于对所述风险研判处理器的风险分析结果进行显示。
可选地,所述风险研判处理器为搭载风险研判模型的塔式服务器,所述塔式服务器包括多个数据接入端口,用于接入所述交通流量采集器、道路指标采集器、应急响应时间采集器以及事故违法数据采集器。
可选地,所述研判输出子系统包括各省份综合评价显示模块和分区域对比分析显示模块,所述各省份综合评价显示模块和分区域对比分析显示模块分别通过视频接口与所述风险研判处理器连接,用于显示相应的风险分析结果。
可选地,所述数据采集子系统为网页端信息采集交互系统,所述网页端信息采集交互系统用于根据接收到的用户触发启动指令向用户显示信息采集页面,将获取到的用户输入的数据实时传输至所述风险研判处理器。
可选地,所述塔式服务器根据下述风险研判模型进行风险分析:
R=∑i∈Mαj[Di+Li+Ti]+∑i∈Mβj[Si+Ei+Yi]+∑i∈Mγj[KPi+KQi+VPi+VQi+Fi]
+∑i∈Mδj[Ni+BAi+ZAi+WAi+BDi+GDi+ZFi]
其中:R为风险研判模型,i为综合评价对象,M为综合评价对象合集,∈表示属于,即i∈M表示综合评价对象i属于综合评价对象合集M,j为数字采集子系统采集到数据的权重系数,αj为道路车辆运行情况权重系数,βj为道路交通设施情况权重系数,γj为道路交通安全管理体制权重系数,δj为道路交通管理成效权重系数,Di为行驶量,Li为百亿车公里违法查处量,Ti为在途货车占比,Si为服务区平均间隔,Ei为非现场执法设备密度,Yi为运行监测设施密度,KPi为百公里警力,KQi为百公里辅警数,VPi为亿车公里警力,VQi为亿车公里辅警数,Fi为现场执法查处率,Ni为亿车公里重点违法查处率,BAi为百万车公里事故率,ZAi为重点车辆百万车公里事故率,WAi为百万车公里较大事故率,BDi为百万车公里死亡率,GDi为百万车公里重点违法死亡率,ZFi为单兵执法量。
可选地,所述数据采集子系统均为SQL Server 2020数据采集器,在Microsoft数据平台上存储交通数据并对数据进行组织管理。
可选地,所述研判输出子系统的显示器为4K广视角显示器。
本发明技术方案,具有如下优点:
本发明提供的基于多源数据的高速公路画像评价与安全风险研判系统,该系统包括:数据采集子系统、风险研判处理器和研判输出子系统,其中,数据采集子系统包括:交通流量采集器、道路指标采集器、应急响应时间采集器以及事故违法数据采集器;风险研判处理器,与数据采集子系统连接,用于对数据采集子系统采集的数据进行分析,得到风险分析结果;研判输出子系统,与风险研判处理器连接,用于对风险研判处理器的风险分析结果进行显示。通过对本系统的应用,采集多方面数据进行风险研判,很大程度的提高高速公路安全风险研判水平,全方位研判识别高速公路风险隐患,精确施策提高高速公路交通安全水平。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于多源数据的高速公路画像评价与安全风险研判系统的一个具体示例的框图;
图2本发明实施例中基于多源数据的高速公路画像评价与安全风险研判系统的一个具体示例的框图。
具体实施方式
下面将结合附图对本发明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。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例公开了一种基于多源数据的高速公路画像评价与安全风险研判系统,如图1所示,该系统包括:
数据采集子系统101,所述数据采集子系统101包括:交通流量采集器1011、道路指标采集器1012、应急响应时间采集器1013以及事故违法数据采集器1014,其中所述交通流量采集器1011,用于采集所述高速公路中交通流量数据;所述道路指标采集器1012,用于采集所述高速公路中道路设施数据;所述应急响应时间采集器1013,用于采集所述高速公路中应急救援的响应时间;所述事故违法数据采集器1014,用于采集高速公路中违法数据。
示例性地,数据采集子系统为采集进行高速公路风险研判所需的数据,采集的数据涉及到交通流量、道路指标、应急响应时间和违法事故等数据,采集的数据按不同的类型和不同的采集器可以分为四类一级指标,分别是高速公路车辆运行情况、高速公路交通设施情况、高速公路交通安全管理体制和高速公路交通管理成效,其中四类一级指标所对应的采集到的具体数据为二级指标,二级指标可以是高速公路车辆运行情况所对应的行驶量、百亿车公里违法查处量和在途货车占比,高速公路交通设施情况所对应的服务区平均间隔、非现场执法设备密度和运行监测设施密度,高速公路交通安全管理体制所对应的百公里警力、百公里辅警数、亿车公里警力、亿车公里辅警数和现场执法查处率,高速公路交通管理成效所对应的亿车公里重点违法查处、百万车公里事故率、重点车辆百万车公里事故率、万车公里较大事故率、百万车公里死亡率、百万车公里重点违法死亡率和单兵执法量,本发明实施例对一级指标和二级指标数据类型和数量不作限定,本领域技术人员可以根据实际需要确定。
风险研判处理器102,所述风险研判处理器,与数据采集子系统连接,用于对所述数据采集子系统采集的数据进行分析,得到风险分析结果。示例性地,风险研判处理器直接与数据采集子系统连接,为对采集到的多方面的高速公路数据进行分析计算,得到对应高速公路的对比结果。
研判输出子系统103,与所述风险研判处理器连接,用于对所述风险研判处理器的风险分析结果进行显示。示例性地,研判输出子系统与风险研判处理器相连,直接获取风险研判处理器的计算结果,将计算结果进行不同形式的输出显示,例如可以是将针对不同区域内同一高速公路的分析结果对比显示,从而更好的实现对高速公路风险问题的分析,并及时做出应对措施,本发明实施例对研判输出子系统的输出方式不作限定,本领域技术人员可以根据实际需要确定。
本发明提供的基于多源数据的高速公路画像评价与安全风险研判系统,该系统包括:数据采集子系统、风险研判处理器和研判输出子系统,其中,数据采集子系统包括:交通流量采集器、道路指标采集器、应急响应时间采集器以及事故违法数据采集器;风险研判处理器,与数据采集子系统连接,用于对数据采集子系统采集的数据进行分析,得到风险分析结果;研判输出子系统,与风险研判处理器连接,用于对风险研判处理器的风险分析结果进行显示。通过对本系统的应用,采集多方面数据进行风险研判,很大程度的提高高速公路安全风险研判水平,全方位研判识别高速公路风险隐患,精确施策提高高速公路交通安全水平。
作为本发明一个可选实施方式,所述风险研判处理器为搭载风险研判模型的塔式服务器,所述塔式服务器包括多个数据接入端口,用于接入所述交通流量采集器、道路指标采集器、应急响应时间采集器以及事故违法数据采集器。
示例性地,风险研判处理器针对不同的数据类型设置了不同的输入端口,面对各个方面的海量数据,不同的数据采集器设置不同的数据端口,实现了数据的高速传输,减少了在接收到数据后再进行数据分类的步骤,加快了风险研判处理器的处理速度,例如,如图2所示,风险研判处理器通过端口F与交通流量采集器相连、端口P与道路指标采集器相连、端口T与应急响应时间采集器相连、端口A与事故违法数据采集器相连,并为每个数据采集器在控制子系统数据库中设置独立的数据存储区域。
作为本发明一个可选实施方式,所述研判输出子系统包括各省份综合评价显示模块和分区域对比分析显示模块,所述各省份综合评价显示模块和分区域对比分析显示模块分别通过视频接口与所述风险研判处理器连接,用于显示相应的风险分析结果。
示例性地,研判输出子系统为对风险研判处理器的判断结果进行输出显示,其中输出的方式可以是根据地域划分的各省市综合评价结果显示模块和各省市对比分析模块,例如,研判输出子系统将高速公路风险研判结果输出,形成全国各省高速公路综合评价结果雷达图,同时针对华北片区省份、东北片区省份、华东片区省份、华中片区省份、华南片区省份、西南片区省份、西北片区省份分别输出区域对比分析雷达图。
作为本发明一个可选实施方式,所述数据采集子系统为网页端信息采集交互系统,所述网页端信息采集交互系统用于根据接收到的用户触发启动指令向用户显示信息采集页面,将获取到的用户输入的数据实时传输至所述风险研判处理器。
示例性地,数据采集子系统由网页端信息采集页面进行用户与系统的交互,具体地,用户通过网页触发启动按钮后,进入信息采集页面,依次输入数据点击提交后,数据实时传输至风险研判处理器,网页端的信息采集页面直观的将所需采集数据的流程和数据类型进行了展示,提高了用户与系统的交互效率,实现了数据的实时传输,从而提高了系统的风险研判效率。
作为本发明一个可选实施方式,所述塔式服务器根据下述风险研判模型进行风险分析:
R=∑i∈Mαj[Di+Li+Ti]+∑i∈Mβj[Si+Ei+Yi]+∑i∈Mγj[KPi+KQi+VPi+VQi+Fi]
+∑i∈Mδj[Ni+BAi+ZAi+WAi+BDi+GDi+ZFi]
其中:R为风险研判模型,i为综合评价对象,M为综合评价对象合集,∈表示属于,即i∈M表示综合评价对象i属于综合评价对象合集M,j为数字采集子系统采集到数据的权重系数,αj为道路车辆运行情况权重系数,βj为道路交通设施情况权重系数,γj为道路交通安全管理体制权重系数,δj为道路交通管理成效权重系数,且∑(αj+βj+γj+δj)=1,Di为行驶量,Li为百亿车公里违法查处量,Ti为在途货车占比,Si为服务区平均间隔,Ei为非现场执法设备密度,Yi为运行监测设施密度,KPi为百公里警力,KQi为百公里辅警数,VPi为亿车公里警力,VQi为亿车公里辅警数,Fi为现场执法查处率,Ni为亿车公里重点违法查处率,BAi为百万车公里事故率,ZAi为重点车辆百万车公里事故率,WAi为百万车公里较大事故率,BDi为百万车公里死亡率,GDi为百万车公里重点违法死亡率,ZFi为单兵执法量。
示例性地,风险研判处理器通过搭载的塔式服务器进行风险研判的计算,其中塔式服务器在进行计算的过程中,提供了很好的硬件支持。
例如,按照以下权重进行赋值,道路车辆运行情况权重系数αj=0.13,道路交通设施情况权重系数βj=0.16,道路交通安全管理体制权重系数γj=0.20,δj=0.51道路交通管理成效权重系数。最终评价结果显示,排明前三的分别是江苏省综合评价得分91.94,浙江省综合评价得分91.24,福建省综合评价得分90.62。
作为本发明一个可选实施方式,所述数据采集子系统均为SQL Server 2020数据采集器,在Microsoft数据平台上存储交通数据并对数据进行组织管理。示例性地,数据采集子系统采用SQL Server 2020数据采集器,将采集到的不同种类的数据进行实时存储,每个数据采集器中设置独立的数据存储区域,可以更好的实现数据的分类传输。
作为本发明一个可选实施方式,所述研判输出子系统的显示器为4K广视角显示器。示例性地,研判输出子系统的显示器可以是4K广视角显示器,分辨率超过3840*2160,用于展示风险研判处理器的研判结果,本发明实施例对研判输出子系统显示屏的规格不作限定,本领域技术人员可以根据实际需要确定。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (7)
1.一种基于多源数据的高速公路画像评价与安全风险研判系统,其特征在于,包括:数据采集子系统、风险研判处理器和研判输出子系统,其中,
所述数据采集子系统包括:交通流量采集器、道路指标采集器、应急响应时间采集器以及事故违法数据采集器,其中所述交通流量采集器,用于采集所述高速公路中交通流量数据;所述道路指标采集器,用于采集所述高速公路中道路设施数据;所述应急响应时间采集器,用于采集所述高速公路中应急救援的响应时间;所述事故违法数据采集器,用于采集高速公路中违法数据;
所述风险研判处理器,与数据采集子系统连接,用于对所述数据采集子系统采集的数据进行分析,得到风险分析结果;
所述研判输出子系统,与所述风险研判处理器连接,用于对所述风险研判处理器的风险分析结果进行显示。
2.根据权利要求1所述的系统,其特征在于,所述风险研判处理器为搭载风险研判模型的塔式服务器,所述塔式服务器包括多个数据接入端口,用于接入所述交通流量采集器、道路指标采集器、应急响应时间采集器以及事故违法数据采集器。
3.根据权利要求1所述的系统,其特征在于,所述研判输出子系统包括各省份综合评价显示模块和分区域对比分析显示模块,所述各省份综合评价显示模块和分区域对比分析显示模块分别通过视频接口与所述风险研判处理器连接,用于显示相应的风险分析结果。
4.根据权利要求1所述的系统,其特征在于,所述数据采集子系统为网页端信息采集交互系统,所述网页端信息采集交互系统用于根据接收到的用户触发启动指令向用户显示信息采集页面,将获取到的用户输入的数据实时传输至所述风险研判处理器。
5.根据权利要求1所述的系统,其特征在于,所述塔式服务器根据下述风险研判模型进行风险分析:
其中:R为风险研判模型,i为综合评价对象,M为综合评价对象合集,∈表示属于,即i∈M表示综合评价对象i属于综合评价对象合集M,j为数字采集子系统采集到数据的权重系数,αj为道路车辆运行情况权重系数,βj为道路交通设施情况权重系数,γj为道路交通安全管理体制权重系数,δj为道路交通管理成效权重系数,Di为行驶量,Li为百亿车公里违法查处量,Ti为在途货车占比,Si为服务区平均间隔,Ei为非现场执法设备密度,Yi为运行监测设施密度,KPi为百公里警力,KQi为百公里辅警数,VPi为亿车公里警力,VQi为亿车公里辅警数,Fi为现场执法查处率,Ni为亿车公里重点违法查处率,BAi为百万车公里事故率,ZAi为重点车辆百万车公里事故率,WAi为百万车公里较大事故率,BDi为百万车公里死亡率,GDi为百万车公里重点违法死亡率,ZFi为单兵执法量。
6.根据权利要求1-5任一项所述的系统,其特征在于,所述数据采集子系统均为SQLServer 2020数据采集器,在Microsoft数据平台上存储交通数据并对数据进行组织管理。
7.根据权利要求3所述的系统,其特征在于,所述研判输出子系统的显示器为4K广视角显示器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111139591.7A CN113870560B (zh) | 2021-09-27 | 2021-09-27 | 基于多源数据的高速公路画像评价与安全风险研判系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111139591.7A CN113870560B (zh) | 2021-09-27 | 2021-09-27 | 基于多源数据的高速公路画像评价与安全风险研判系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113870560A true CN113870560A (zh) | 2021-12-31 |
CN113870560B CN113870560B (zh) | 2022-10-04 |
Family
ID=78991477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111139591.7A Active CN113870560B (zh) | 2021-09-27 | 2021-09-27 | 基于多源数据的高速公路画像评价与安全风险研判系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113870560B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114664060A (zh) * | 2022-02-22 | 2022-06-24 | 北京掌行通信息技术有限公司 | 一种交通事件的预警方法、装置、设备及存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799911A (zh) * | 2010-03-31 | 2010-08-11 | 公安部交通管理科学研究所 | 一种高速公路网紧急情况下交通组织辅助决策系统 |
CN105405304A (zh) * | 2015-12-07 | 2016-03-16 | 北京航天福道高技术股份有限公司 | 高速公路长下坡交通安全预警应急处置系统 |
US20160086285A1 (en) * | 2007-05-10 | 2016-03-24 | Allstate Insurance Company | Road Segment Safety Rating |
CN105678652A (zh) * | 2015-11-05 | 2016-06-15 | 交通运输部公路科学研究所 | 基于gis与指标体系法的边坡施工安全风险评估系统 |
CN106447584A (zh) * | 2016-09-22 | 2017-02-22 | 东南大学 | 一种面向高速公路网络运营的决策支持系统及其使用方法 |
US20170287332A1 (en) * | 2014-09-23 | 2017-10-05 | Robert Bosch Gmbh | Method and device for monitoring a traffic space |
US20180340790A1 (en) * | 2017-05-23 | 2018-11-29 | Uber Technologies, Inc. | Individualized risk routing for human drivers |
CN108960647A (zh) * | 2018-07-11 | 2018-12-07 | 宿州云宏建设安装有限公司 | 一种高速公路施工安全风险评估系统 |
CN110188586A (zh) * | 2018-04-13 | 2019-08-30 | 山东百世通大数据科技有限公司 | 基于气象观测、道路摄像能见度识别的系统及应用方法 |
CN110849384A (zh) * | 2019-11-08 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 导航路线生成方法、装置、可读存储介质和计算机设备 |
CN110858334A (zh) * | 2018-08-13 | 2020-03-03 | 北京中科蓝图科技有限公司 | 道路安全评估方法、装置及道路安全预警系统 |
CN112101759A (zh) * | 2020-09-03 | 2020-12-18 | 交通运输部科学研究院 | 高速公路隧道的风险评估模型构建、风险评估方法及装置 |
CN112146673A (zh) * | 2020-09-27 | 2020-12-29 | 浙江综合交通大数据中心有限公司 | 基于改进蚁群算法的高速公路多点协同救援路径规划方法 |
WO2021034932A1 (en) * | 2019-08-22 | 2021-02-25 | Equifax Inc. | Automated path-based recommendation for risk mitigation |
CN112990544A (zh) * | 2021-02-08 | 2021-06-18 | 东南大学 | 一种高速公路交织区交通事故预测方法 |
CN113066287A (zh) * | 2021-03-24 | 2021-07-02 | 公安部交通管理科学研究所 | 一种高速公路交通事故现场风险主动防控方法及系统 |
US20210216928A1 (en) * | 2020-01-13 | 2021-07-15 | Johnson Controls Technology Company | Systems and methods for dynamic risk analysis |
CN113269960A (zh) * | 2021-05-17 | 2021-08-17 | 郑州航空工业管理学院 | 一种高速公路隧道群交通事故风险的分析方法 |
-
2021
- 2021-09-27 CN CN202111139591.7A patent/CN113870560B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160086285A1 (en) * | 2007-05-10 | 2016-03-24 | Allstate Insurance Company | Road Segment Safety Rating |
CN101799911A (zh) * | 2010-03-31 | 2010-08-11 | 公安部交通管理科学研究所 | 一种高速公路网紧急情况下交通组织辅助决策系统 |
US20170287332A1 (en) * | 2014-09-23 | 2017-10-05 | Robert Bosch Gmbh | Method and device for monitoring a traffic space |
CN105678652A (zh) * | 2015-11-05 | 2016-06-15 | 交通运输部公路科学研究所 | 基于gis与指标体系法的边坡施工安全风险评估系统 |
CN105405304A (zh) * | 2015-12-07 | 2016-03-16 | 北京航天福道高技术股份有限公司 | 高速公路长下坡交通安全预警应急处置系统 |
CN106447584A (zh) * | 2016-09-22 | 2017-02-22 | 东南大学 | 一种面向高速公路网络运营的决策支持系统及其使用方法 |
US20180340790A1 (en) * | 2017-05-23 | 2018-11-29 | Uber Technologies, Inc. | Individualized risk routing for human drivers |
CN110188586A (zh) * | 2018-04-13 | 2019-08-30 | 山东百世通大数据科技有限公司 | 基于气象观测、道路摄像能见度识别的系统及应用方法 |
CN108960647A (zh) * | 2018-07-11 | 2018-12-07 | 宿州云宏建设安装有限公司 | 一种高速公路施工安全风险评估系统 |
CN110858334A (zh) * | 2018-08-13 | 2020-03-03 | 北京中科蓝图科技有限公司 | 道路安全评估方法、装置及道路安全预警系统 |
WO2021034932A1 (en) * | 2019-08-22 | 2021-02-25 | Equifax Inc. | Automated path-based recommendation for risk mitigation |
CN110849384A (zh) * | 2019-11-08 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 导航路线生成方法、装置、可读存储介质和计算机设备 |
US20210216928A1 (en) * | 2020-01-13 | 2021-07-15 | Johnson Controls Technology Company | Systems and methods for dynamic risk analysis |
CN112101759A (zh) * | 2020-09-03 | 2020-12-18 | 交通运输部科学研究院 | 高速公路隧道的风险评估模型构建、风险评估方法及装置 |
CN112146673A (zh) * | 2020-09-27 | 2020-12-29 | 浙江综合交通大数据中心有限公司 | 基于改进蚁群算法的高速公路多点协同救援路径规划方法 |
CN112990544A (zh) * | 2021-02-08 | 2021-06-18 | 东南大学 | 一种高速公路交织区交通事故预测方法 |
CN113066287A (zh) * | 2021-03-24 | 2021-07-02 | 公安部交通管理科学研究所 | 一种高速公路交通事故现场风险主动防控方法及系统 |
CN113269960A (zh) * | 2021-05-17 | 2021-08-17 | 郑州航空工业管理学院 | 一种高速公路隧道群交通事故风险的分析方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114664060A (zh) * | 2022-02-22 | 2022-06-24 | 北京掌行通信息技术有限公司 | 一种交通事件的预警方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113870560B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230676B (zh) | 一种基于轨迹数据的交叉口行人过街风险评估方法 | |
Sun et al. | Modeling carbon emissions from urban traffic system using mobile monitoring | |
CN102881162B (zh) | 大规模交通信息的数据处理及融合方法 | |
CN104867327B (zh) | 一种驾驶安全监测方法及装置 | |
CN102136190B (zh) | 城市公交客运事件应急响应调度管理系统及方法 | |
CN109716414A (zh) | 一种多模态道路交通异常检测方法 | |
CN112305641A (zh) | 一种高速公路交通安全气象物联网监测预警系统 | |
CN116029555B (zh) | 基于轻量化神经网络的桥梁风险识别预警系统及应用方法 | |
CN108492554A (zh) | 一种交通数据采集处理系统及其控制方法 | |
CN113870560B (zh) | 基于多源数据的高速公路画像评价与安全风险研判系统 | |
CN113607449B (zh) | 一种桥梁集群结构全域智能监测与安全预警系统 | |
CN110012069A (zh) | 一种车辆数据处理装置、方法及车辆监控平台 | |
CN112116263A (zh) | 一种交通路口风险级别评估方法、装置、电子设备及存储介质 | |
CN113643539A (zh) | 一种基于大数据的智慧交通管控系统 | |
Trirat et al. | Df-tar: a deep fusion network for citywide traffic accident risk prediction with dangerous driving behavior | |
CN113743715A (zh) | 基于车联网重型车实际工况的油耗及NOx排放评价方法 | |
Zhai et al. | Comparative analysis of drive-cycles, speed limit violations, and emissions in two cities: Toronto and Beijing | |
CN110867075A (zh) | 一种评估雨天条件下道路测速仪对驾驶人员反应行为影响的方法 | |
CN108198420B (zh) | 一种基于obd数据的道路养护监测管理信息系统 | |
CN116482567A (zh) | 一种基于物联网的太阳能灯电量监测系统及方法 | |
KR20160063652A (ko) | 경제 운전 분석시스템 | |
CN112801482B (zh) | 一种数据驱动的非机动车骑行适宜性评价系统 | |
CN114359003A (zh) | 一种基于云计算的轨道交通网信息化运营管理系统 | |
Ma et al. | Personal characteristics of e-bike riders and illegal lane occupation behavior | |
CN114220081A (zh) | 一种基于实车测试的驾驶行为安全性评价模型的构建方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |