CN113870561A - 一种分布式车辆超速检测系统及方法 - Google Patents
一种分布式车辆超速检测系统及方法 Download PDFInfo
- Publication number
- CN113870561A CN113870561A CN202111166000.5A CN202111166000A CN113870561A CN 113870561 A CN113870561 A CN 113870561A CN 202111166000 A CN202111166000 A CN 202111166000A CN 113870561 A CN113870561 A CN 113870561A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- opposite
- analysis unit
- running
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 abstract description 3
- 230000004044 response Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 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
- 238000006467 substitution reaction Methods 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了分布式车辆超速检测系统及方法，其中所述分布式车辆超速检测系统部署在本端车辆上；所述分布式车辆超速检测系统包括：后端摄像头：设置在所述本端车辆的后端；所述后端摄像头用于获取本端车辆后面包含对端车辆的行驶图像；定位单元：用于获取本端车辆的速度；分析单元：与所述摄像头和定位单元连接，所述分析单元用于根据所述行驶图像和速度计算对端车辆的速度，根据所述对端车辆的速度判断对端车辆是否超速。该分布式车辆超速检测系统能够进行分布式部署，实现全路段车辆超速检测的覆盖，对超速车辆行驶形成威慑效果，从而更有效地保证行车安全。
Description
技术领域
本发明属于智能交通技术领域，具体涉及一种分布式车辆超速检测系统及方法。
背景技术
当前交通常见的超速行驶检测方案包括以下几种：1)交管部门在固定路段安装超速拍照设备进行超速抓拍。2)交管部门临时在某个路段安装超速拍照设备进行超速抓拍。3)车辆上安装超速检测设备，用于检测自己的车辆是否超速，主要是用在运营车辆上。
但是现有的超速行驶检测方案存在以下缺点：1)没有安装超速拍照设备的路段无法检测行驶车辆是否超速。2)车辆上安装的超速检测设备只能检测自身车辆是否超速，无法检测周围车辆是否超速。
发明内容
针对现有技术中的缺陷，本发明提供一种分布式车辆超速检测系统及方法，能够进行分布式部署，实现全路段车辆超速检测的覆盖。
第一方面，一种分布式车辆超速检测系统，所述分布式车辆超速检测系统部署在本端车辆上；所述分布式车辆超速检测系统包括：
后端摄像头：设置在所述本端车辆的后端；所述后端摄像头用于获取本端车辆后面包含对端车辆的行驶图像；
定位单元：用于获取本端车辆的速度；
分析单元：与所述后端摄像头和定位单元连接，所述分析单元用于根据所述行驶图像和所述速度计算对端车辆的速度，根据所述对端车辆的速度判断对端车辆是否超速。
优选地，所述分布式车辆超速检测系统还包括：
前端摄像头：设置在所述本端车辆的前端；所述前端摄像头用于获取本端车辆前面包含限速标志的限速图像。
优选地，所述分析单元包括：
神经网络分析单元：与所述前端摄像头连接；所述神经网络分析单元用于利用预设的第一学习模型对所述前端摄像头的限速图像进行识别，以得到路段限速信息。
优选地，所述神经网络分析单元与所述后端摄像头连接；所述神经网络分析单元还用于：利用预设的第二学习模型对所述后端摄像头的行驶图像进行识别，以得到对端车辆及其车牌信息，记录行驶图像的采集时间。
优选地，所述分析单元还包括：
速度分析单元：与所述神经网络分析单元连接；所述速度分析单元用于根据所述后端摄像头两次行驶图像，计算所述对端车辆的行驶距离，根据所述两次行驶图像的采集时间，计算所述对端车辆的行驶时间，根据所述对端车辆的行驶距离和行驶时间计算所述对端车辆相对于所述本端车辆的相对速度。
优选地，所述速度分析单元与所述定位单元连接；所述速度分析单元用于根据所述本端车辆的速度和所述对端车辆相对于所述本端车辆的相对速度，计算所述对端车辆的速度。
优选地，所述分布式车辆超速检测系统还包括：
存储卡：用于存储所述行驶图像；
所述速度分析单元与所述存储卡连接；所述速度分析单元还用于当检测出所述对端车辆的速度超过所述路段限速信息时，将所述本端车辆采集到的对端车辆的两次行驶图像存储至所述存储卡中。
优选地，所述分布式车辆超速检测系统还包括：
通讯单元：用于实现所述速度分析单元与云端服务器之间的通讯；
所述速度分析单元与所述通讯单元连接；所述速度分析单元还用于当检测出所述对端车辆的速度超过所述路段限速信息时，将所述本端车辆采集到的对端车辆的两次行驶图像通过所述通讯单元上传给所述云端服务器。
第二方面，一种分布式车辆超速检测方法，包括以下步骤：
后端摄像头获取本端车辆后面包含对端车辆的行驶图像；
定位单元获取本端车辆的速度；
分析单元根据所述行驶图像和所述速度计算对端车辆的速度，根据所述对端车辆的速度判断对端车辆是否超速。
优选地，在所述根据所述对端车辆的速度判断对端车辆是否超速之后，还包括：
当检测出所述对端车辆超速时，将所述本端车辆采集到的行驶图像存储至存储卡中，并通过通讯单元上传给云端服务器。
由上述技术方案可知，本发明提供的分布式车辆超速检测系统及方法，能够进行分布式部署，实现全路段车辆超速检测的覆盖，对超速车辆行驶形成威慑效果，从而更有效地保证行车安全。
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。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
图1为实施例提供的分布式车辆超速检测系统的模块框图。
图2为实施例提供的限速信息的识别方法流程图。
图3为实施例提供的对端车辆速度计算方法流程图。
图4为实施例提供的分布式车辆超速检测方法的流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
实施例一：
一种分布式车辆超速检测系统，所述分布式车辆超速检测系统部署在本端车辆上；参见图1，所述分布式车辆超速检测系统包括：
后端摄像头：设置在所述本端车辆的后端；所述后端摄像头用于获取本端车辆后面包含对端车辆的行驶图像；
定位单元：用于获取本端车辆的速度；
分析单元：与所述后端摄像头和定位单元连接，所述分析单元用于根据所述行驶图像和所述速度计算对端车辆的速度，根据所述对端车辆的速度判断对端车辆是否超速。
具体地，一个分布式车辆超速检测系统部署在一个本端车辆上，多个分布式车辆超速检测系统可以部署在多个本端车辆上，这样当越多的车辆上都部署了分布式车辆超速检测系统时，就能构成一个庞大的车辆超速检测系统，实现对道路上的车辆进行超速检测。
定位单元可以是GPS/北斗全球定位系统，用于获取本端车辆的瞬时速度或平均速度。分析单元用于根据行驶图像和速度计算对端车辆的速度，从而判断对端车辆是否超速。
该分布式车辆超速检测系统，能够进行分布式部署，实现全路段车辆超速检测的覆盖，对超速车辆行驶形成威慑效果，从而更有效地保证行车安全。
优选地，所述分布式车辆超速检测系统还包括：
前端摄像头：设置在所述本端车辆的前端；所述前端摄像头用于获取本端车辆前面包含限速标志的限速图像。
具体地，前端摄像头拍摄本端车辆前端的限速图像，例如前端摄像头可以安装在挡风玻璃的上部位置。后端摄像头拍摄本端车辆后端的行驶图像，例如后端摄像头可以安装在车尾箱外面。
优选地，所述分析单元包括：
神经网络分析单元：与所述前端摄像头连接；参见图2，所述神经网络分析单元用于利用预设的第一学习模型对所述前端摄像头的限速图像进行识别，以得到路段限速信息。
具体地，神经网络分析单元可以是NPU计算单元，也可以是能够运行其他深度学习模型的计算单元。神经网络分析单元可以对限速图像或行驶图像进行模型运算，通过学习模型对限速图像或行驶图像进行识别。神经网络分析单元可以通过本端车辆前端的限速图像，识别出当前路段限速信息。其中第一学习模型可以是对包含有限速标志的多个限速图像进行训练学习得到，当将前端摄像头的限速图像输入至训练好的第一学习模型时，由第一学习模型输出路段限速信息v0，例如限速80km/h，限速30km/h等等。除了识别限速图像得到路段限速信息v0，还可以从电子导航地图中读取路段限速信息v0。
优选地，所述神经网络分析单元与所述后端摄像头连接；所述神经网络分析单元还用于：利用预设的第二学习模型对所述后端摄像头的行驶图像进行识别，以得到对端车辆及其车牌信息，记录行驶图像的采集时间。
具体地，神经网络分析单元可以通过本端车辆后端的行驶图像，识别出对端车辆及其车牌信息。其中第二学习模型可以是对不同型号的车辆图像和不同的车牌图像进行训练学习得到，当将后端摄像头的行驶图像输入至训练好的第二学习模型时，由第二学习模型输出是否识别到车辆，如果识别到车辆，提取该车辆的车牌信息。
优选地，所述分析单元还包括：
速度分析单元：与所述神经网络分析单元连接；所述速度分析单元用于根据所述后端摄像头两次行驶图像，计算所述对端车辆的行驶距离，根据所述两次行驶图像的采集时间，计算所述对端车辆的行驶时间，根据所述对端车辆的行驶距离和行驶时间计算所述对端车辆相对于所述本端车辆的相对速度。
具体地，速度分析单元根据同一个对端车辆的两次行驶图像计算出对端车辆相对于本端车辆的相对速度。其中同一个对端车辆的两次行驶图像可以根据距离进行提取。例如当对端车辆与本端车辆的距离为60米时，记录此时的行驶图像和采集时间，当对端车辆与本端车辆的距离缩短至10米时，记录此时的行驶图像和采集时间，其中60米和10米可以根据摄像头的分辨率和视场角得到的经验值，不同的分辨率和视场角得到的经验值不同。
例如参见图3，神经网络分析单元当检测出后端摄像头的行驶图像中没有车辆出现时，则继续判断下一帧行驶图像是否有车辆出现。如果行驶图像中有车辆出现时，则计算对端车辆X(X代表行驶图像中检测到的多个车辆的某一辆)与本端车辆的距离。如果该距离大于60米，说明对端车辆与本端车辆的距离太远，可以先不做任何处理，如果该距离小于60米，且对端车辆X是第一次出现，定义此时的行驶图像为对端车辆X需要分析的第一帧图像，记录该行驶图像的采集时间为t0，行驶图像中对端车辆X与本端车辆的距离为S0。
如果对端车辆X不是在60米内第一次出现，则判断对端车辆X与本端车辆的距离是否大于10米，如果大于10米，则不做任何处理。如果小于等于10米，则记录该行驶图像的采集时间为t1，行驶图像中对端车辆X与本端车辆的距离为S1。通过下式计算对端车辆X相对于本端车辆的相对速度v1＝(S0-S1)/(t1-t0)。
优选地，所述速度分析单元与所述定位单元连接；所述速度分析单元用于根据所述本端车辆的速度和所述对端车辆相对于所述本端车辆的相对速度，计算所述对端车辆的速度。
具体地，例如该系统可以在t0至t1的时间段内，通过定位单元收集本端车辆的速度，然后对采集到的速度求平均值，从而得到t0至t1的时间段内，本端车辆的平均速度v2。然后通过下式计算对端车辆的平均速度v3＝v1+v2。除此以外，本端车辆的平均速度v2也可以通过本端车辆自身的控制器得到。
优选地，所述分布式车辆超速检测系统还包括：
存储卡：用于存储所述行驶图像；
所述速度分析单元与所述存储卡连接；所述速度分析单元还用于当检测出所述对端车辆的速度超过所述路段限速信息时，将所述本端车辆采集到的对端车辆的两次行驶图像存储至所述存储卡中。
具体地，当对端车辆的速度v3>v0则说明对端车辆超速。该系统可以当对端车辆的速度v3>v0，或者是对端车辆的速度v3＞1.1v0时，记录对端车辆的两次行驶图像，作为超速的证据。该系统在超速时，除了记录行驶图像，还可以记录采集时间t1、采集时间t0、S0、S1、车牌信息、本端车辆的速度以及限速信息v0。
优选地，所述分布式车辆超速检测系统还包括：
通讯单元：用于实现所述速度分析单元与云端服务器之间的通讯；
所述速度分析单元与所述通讯单元连接；所述速度分析单元还用于当检测出所述对端车辆的速度超过所述路段限速信息时，将所述本端车辆采集到的对端车辆的两次行驶图像通过所述通讯单元上传给所述云端服务器。
具体地，该方法除了将对端车辆超速的相关信息存储至存储卡(例如SD卡)中，还可以通过通讯单元(例如4G模块)发送到云端服务器。
实施例二：
一种分布式车辆超速检测方法，参见图4，包括以下步骤：
后端摄像头获取本端车辆后面包含对端车辆的行驶图像；
定位单元获取本端车辆的速度；
分析单元根据所述行驶图像和所述速度计算对端车辆的速度，根据所述对端车辆的速度判断对端车辆是否超速。
优选地，在所述根据所述对端车辆的速度判断对端车辆是否超速之后，还包括：
当检测出所述对端车辆超速时，将所述本端车辆采集到的行驶图像存储至存储卡中，并通过通讯单元上传给云端服务器。
本发明实施例所提供的方法，为简要描述，实施例部分未提及之处，可参考前述实施例中相应内容。
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，其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种分布式车辆超速检测系统，其特征在于，所述分布式车辆超速检测系统部署在本端车辆上；所述分布式车辆超速检测系统包括：
后端摄像头：设置在所述本端车辆的后端；所述后端摄像头用于获取本端车辆后面包含对端车辆的行驶图像；
定位单元：用于获取本端车辆的速度；
分析单元：与所述后端摄像头和定位单元连接，所述分析单元用于根据所述行驶图像和所述速度计算对端车辆的速度，根据所述对端车辆的速度判断对端车辆是否超速。
2.根据权利要求1所述分布式车辆超速检测系统，其特征在于，
所述分布式车辆超速检测系统还包括：
前端摄像头：设置在所述本端车辆的前端；所述前端摄像头用于获取本端车辆前面包含限速标志的限速图像。
3.根据权利要求2所述分布式车辆超速检测系统，其特征在于，
所述分析单元包括：
神经网络分析单元：与所述前端摄像头连接；所述神经网络分析单元用于利用预设的第一学习模型对所述前端摄像头的限速图像进行识别，以得到路段限速信息。
4.根据权利要求3所述分布式车辆超速检测系统，其特征在于，
所述神经网络分析单元与所述后端摄像头连接；所述神经网络分析单元还用于：利用预设的第二学习模型对所述后端摄像头的行驶图像进行识别，以得到对端车辆及其车牌信息，记录行驶图像的采集时间。
5.根据权利要求4所述分布式车辆超速检测系统，其特征在于，
所述分析单元还包括：
速度分析单元：与所述神经网络分析单元连接；所述速度分析单元用于根据所述后端摄像头两次行驶图像，计算所述对端车辆的行驶距离，根据所述两次行驶图像的采集时间，计算所述对端车辆的行驶时间，根据所述对端车辆的行驶距离和行驶时间计算所述对端车辆相对于所述本端车辆的相对速度。
6.根据权利要求5所述分布式车辆超速检测系统，其特征在于，
所述速度分析单元与所述定位单元连接；所述速度分析单元用于根据所述本端车辆的速度和所述对端车辆相对于所述本端车辆的相对速度，计算所述对端车辆的速度。
7.根据权利要求5所述分布式车辆超速检测系统，其特征在于，所述分布式车辆超速检测系统还包括：
存储卡：用于存储所述行驶图像；
所述速度分析单元与所述存储卡连接；所述速度分析单元还用于当检测出所述对端车辆的速度超过所述路段限速信息时，将所述本端车辆采集到的对端车辆的两次行驶图像存储至所述存储卡中。
8.根据权利要求7所述分布式车辆超速检测系统，其特征在于，所述分布式车辆超速检测系统还包括：
通讯单元：用于实现所述速度分析单元与云端服务器之间的通讯；
所述速度分析单元与所述通讯单元连接；所述速度分析单元还用于当检测出所述对端车辆的速度超过所述路段限速信息时，将所述本端车辆采集到的对端车辆的两次行驶图像通过所述通讯单元上传给所述云端服务器。
9.一种分布式车辆超速检测方法，其特征在于，包括以下步骤：
后端摄像头获取本端车辆后面包含对端车辆的行驶图像；
定位单元获取本端车辆的速度；
分析单元根据所述行驶图像和所述速度计算对端车辆的速度，根据所述对端车辆的速度判断对端车辆是否超速。
10.根据权利要求9所述分布式车辆超速检测方法，其特征在于，在所述根据所述对端车辆的速度判断对端车辆是否超速之后，还包括：
当检测出所述对端车辆超速时，将所述本端车辆采集到的行驶图像存储至存储卡中，并通过通讯单元上传给云端服务器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111166000.5A CN113870561A (zh) | 2021-09-30 | 2021-09-30 | 一种分布式车辆超速检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111166000.5A CN113870561A (zh) | 2021-09-30 | 2021-09-30 | 一种分布式车辆超速检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113870561A true CN113870561A (zh) | 2021-12-31 |
Family
ID=79001486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111166000.5A Pending CN113870561A (zh) | 2021-09-30 | 2021-09-30 | 一种分布式车辆超速检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113870561A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012236490A (ja) * | 2011-05-11 | 2012-12-06 | Isuzu Motors Ltd | 走行支援情報提供装置 |
| CN103927886A (zh) * | 2014-04-18 | 2014-07-16 | 国通道路交通管理工程技术研究中心有限公司 | 一种监管重点运输车辆超速违法的系统及方法 |
| WO2017084601A1 (zh) * | 2015-11-19 | 2017-05-26 | 深圳前海达闼云端智能科技有限公司 | 一种车联网中车辆的控制方法、装置、系统及车辆 |
| CN107273816A (zh) * | 2017-05-24 | 2017-10-20 | 浙江零跑科技有限公司 | 基于车载前视单目相机的交通限速标识检测识别方法 |
| CN108538060A (zh) * | 2018-04-13 | 2018-09-14 | 上海工程技术大学 | 一种基于车载后视摄像头的智能违章监测方法及系统 |
| CN110126729A (zh) * | 2019-05-30 | 2019-08-16 | 四川长虹电器股份有限公司 | 一种汽车后方来车辅助提醒方法及系统 |
| CN110493521A (zh) * | 2019-08-22 | 2019-11-22 | 爱驰汽车有限公司 | 自动驾驶摄像头控制方法、装置、电子设备、存储介质 |
-
2021
- 2021-09-30 CN CN202111166000.5A patent/CN113870561A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012236490A (ja) * | 2011-05-11 | 2012-12-06 | Isuzu Motors Ltd | 走行支援情報提供装置 |
| CN103927886A (zh) * | 2014-04-18 | 2014-07-16 | 国通道路交通管理工程技术研究中心有限公司 | 一种监管重点运输车辆超速违法的系统及方法 |
| WO2017084601A1 (zh) * | 2015-11-19 | 2017-05-26 | 深圳前海达闼云端智能科技有限公司 | 一种车联网中车辆的控制方法、装置、系统及车辆 |
| CN107273816A (zh) * | 2017-05-24 | 2017-10-20 | 浙江零跑科技有限公司 | 基于车载前视单目相机的交通限速标识检测识别方法 |
| CN108538060A (zh) * | 2018-04-13 | 2018-09-14 | 上海工程技术大学 | 一种基于车载后视摄像头的智能违章监测方法及系统 |
| CN110126729A (zh) * | 2019-05-30 | 2019-08-16 | 四川长虹电器股份有限公司 | 一种汽车后方来车辅助提醒方法及系统 |
| CN110493521A (zh) * | 2019-08-22 | 2019-11-22 | 爱驰汽车有限公司 | 自动驾驶摄像头控制方法、装置、电子设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106611512B (zh) | 前车起步的处理方法、装置和系统 | |
| CN110400478A (zh) | 一种路况通知方法及装置 | |
| US10423841B2 (en) | Abnormality detection device and abnormality detection method | |
| CN105976450A (zh) | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 | |
| US20200074326A1 (en) | Systems and methods for classifying driver behavior | |
| CN107767661B (zh) | 车辆实时跟踪系统 | |
| CN111262903B (zh) | 服务器装置及车辆 | |
| CN111492416A (zh) | 一种违章监控系统及违章监控方法 | |
| US20200193810A1 (en) | Information processing system, program, and information processing method | |
| CN112926575A (zh) | 交通事故识别方法、装置、电子设备和介质 | |
| CN111896685A (zh) | 一种汽车尾气远程监测系统 | |
| CN110930715A (zh) | 一种非机动车闯红灯识别方法、系统及违章处理平台 | |
| CN113771573A (zh) | 一种基于识别路面信息的车辆悬架控制方法及装置 | |
| CN114264310B (zh) | 定位及导航方法、装置、电子设备、计算机存储介质 | |
| CN111967451B (zh) | 一种道路拥堵检测方法及装置 | |
| CN111523366B (zh) | 信息处理设备、信息处理方法和存储介质 | |
| CN113870561A (zh) | 一种分布式车辆超速检测系统及方法 | |
| US20220101025A1 (en) | Temporary stop detection device, temporary stop detection system, and recording medium | |
| CN111627224A (zh) | 车辆速度异常检测方法、装置、设备及存储介质 | |
| CN115965636A (zh) | 车辆侧面图的生成方法、装置及终端设备 | |
| JP5934549B2 (ja) | 車載情報記録装置 | |
| CN113220805B (zh) | 地图生成装置、记录介质以及地图生成方法 | |
| US11590982B1 (en) | Trip based characterization using micro prediction determinations | |
| WO2020213512A1 (ja) | 渋滞情報提供装置、渋滞情報処理方法及び記録媒体 | |
| JP2015118668A (ja) | 運行情報管理システム |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211231 |