CN113936469B - 基于高速公路车道感知设备的交通信息交互系统及方法 - Google Patents
基于高速公路车道感知设备的交通信息交互系统及方法 Download PDFInfo
- Publication number
- CN113936469B CN113936469B CN202111499536.9A CN202111499536A CN113936469B CN 113936469 B CN113936469 B CN 113936469B CN 202111499536 A CN202111499536 A CN 202111499536A CN 113936469 B CN113936469 B CN 113936469B
- Authority
- CN
- China
- Prior art keywords
- lane
- evaluation
- area
- highway
- lane evaluation
- 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.)
- Active
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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
-
- 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
- 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
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
Abstract
本发明公开了基于高速公路车道感知设备的交通信息交互系统及方法,涉及信息交互技术领域,解决了现有技术未充分利用交通信息,无法掌握高速公路的整体状态,导致对高速公路资源利用不足,无法将交通信息进行及时全面交互的技术问题;本发明将高速公路划分成若干车道评估区域,再根据车道评估标签对关联车道区域的车辆服务单位以及车辆进行预警;充分利用了交通信息,能够及时准确地掌握高速公路状态,提高了高度公路的利用率;本发明基于车道评估标签建立车道可视化模型,并实时显示车道评估标签;为驾驶员提供预警信息,避免被堵在高速车道内,为车辆服务单位提供预警信息,可使其提前准备,保证高速公路正常运行。
Description
技术领域
本发明属于信息交互领域,涉及基于高速公路车道感知设备的交通信息交互技术,具体是基于高速公路车道感知设备的交通信息交互系统及方法。
背景技术
高速公路上会发生各种各样的原因造成拥堵,甚至是事故,影响出行体验,如何将交通信息与大数据、机器学习等技术结合起来评估高速公路状态,是一个值得研究的问题。
现有技术利用交通信息进行车速监测、车费监测等,对交通信息并未充分利用,且多数情况下是采取限行措施保证高速公路的运行,无法掌握高速公路的整体状态,导致对高速公路资源利用不足,且无法将交通信息进行及时全面地共享;因此,亟需一种基于高速公路车道感知设备的交通信息交互系统及方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了基于高速公路车道感知设备的交通信息交互系统及方法,用于解决现有技术未充分利用交通信息,无法掌握高速公路的整体状态,导致对高速公路资源利用不足,无法将交通信息进行及时全面交互的技术问题,本发明将高速公路划分成若干车道评估区域,然后通过对应的车辆信息进行交通评估获取车道评估标签,再根据车道评估标签对关联车道区域的车辆服务单位以及车辆进行预警。
为实现上述目的,根据本发明的第一方面的实施例提出基于高速公路车道感知设备的交通信息交互系统,包括:
数据采集模块:基于车道感知设备获取车辆信息,并将数据预处理之后的车辆信息发送至数据处理模块;其中,车辆信息包括车牌、车型、采集时间和采集位置;
数据处理模块:根据门架系统将高速公路划分成若干车道评估区域,通过边缘计算节点和车辆信息对车道评估区域进行交通评估,获取车道评估标签;其中,交通评估通过车道评估区域的车型权重以及各车型的数量进行;
数据交互模块:建立车道可视化模型,并实时显示车道评估标签;根据车道评估标签选取关联车道区域,并对关联车道区域的车辆服务单位进行预警;其中,车辆服务单位包括收费站和服务区。
优选的,所述数据处理模块与若干边缘计算节点通信连接;每个边缘计算节点至少与一个车道评估区域相关联,且边缘计算节点和关联的车道评估区域通信连接。
优选的,所述数据处理模块对高速公路进行划分,包括:
获取高速车道上的门架系统,将相邻N个门架系统之间的车道区域划分为一个车道评估区域;其中,N为大于等于2的整数;
对获取的车道评估区域进行编号。
优选的,通过所述边缘计算节点对关联的车道评估区域进行交通评估,包括:
获取车道评估区域的车辆信息;
从车辆信息中提取车型A数量、车型B数量和车型C数量,并分别标记为AS、BS和CS;其中,车型包括A型、B型和C型,车型A表示非营运车辆,车型B表示营运客车,车型C表示营运火车;
通过公式CPX=ɑ1×AS+ɑ2×BS+ɑ3×CS获取车道评估系数CPX;其中,ɑ1、ɑ2和ɑ3分别为车型A、车型B和车型C在车道评估区域异常状态下的权重,且ɑ1+ɑ2+ɑ3=1;
根据车道评估系数获取车道评估标签。
优选的,根据所述车道评估系数获取车道评估标签,包括:
当车道评估系数大于等于车道评估阈值二时,则判定车道评估区域异常,将对应车道评估标签设置为2;
当车道评估系数大于等于车道评估阈值一,且小于车道评估阈值二时,则判定车道评估区域疑似异常,将对应车道评估标签设置为1;否则,判定车道评估区域正常,将对应车道评估标签设置为0;其中,车道区域一小于车道阈值二,且车道阈值一和车道阈值二均为大于0的实数。
优选的,所述边缘计算节点结合车道评估模型对关联的车道评估区域进行交通评估,包括:
提取车道评估区域对应车辆信息中的车型数量,车型数量结合环境参数生成车道实时数据;其中,环境参数包括平均温度、平均湿度和平均能见度;
将车道实时数据输入至车道评估模型获取对应的车道评估标签;其中,车道评估模型基于人工智能模型建立。
优选的,基于人工智能模型建立车道评估模型,包括:
获取标准训练数据;其中,标准训练数据包括输入数据以及对应的车道评估标签,且输入数据的内容属性和车道实时数据一致;
构建人工智能模型;其中,人工智能模型包括深度卷积神经网络模型和RBF神经网络模型;
将标准训练数据划分成训练集、测试集和校验集,通过训练集、测试集和校验集对人工智能模型进行训练,将训练完成的人工智能模型标记为车道评估模型。
优选的,所述车道评估模型定时训练,并及时或者定时地发送至边缘计算节点。
优选的,所述数据交互模块根据车道评估标签选取关联车道区域,包括:
当车道评估标签对应的车道评估区域疑似异常时,则将该车道评估区域以及相邻的车道评估区域标记为关联车道区域;
当车道评估标签对应的车道评估区域异常时,通过距离阈值法选取车道评估区域,并将选定的车道评估区域标记为关联车道区域。
优选的,通过所述距离阈值法选取关联车道区域,包括:
车道评估区域异常时,获取该车道评估区域车道的中心位置,并标记为初始位置;
以初始位置为圆心,以R为半径划定圆形区域,并标记为目标区域;其中,R为大于车道评估区域长度的实数;
将车道中心位置处于圆形区域内的车道评估区域标记关联车道区域。
优选的,所述数据预处理包括数据去重、数据去噪和数据补充。
优选的,所述数据处理模块分别与数据采集模块、数据交互模块通信和/或电气连接;所述车道感知设备包括门架系统和高清摄像头。
基于高速公路车道感知设备的交通信息交互方法,包括:
基于车道感知设备获取车辆信息,并将数据预处理之后的车辆信息发送至数据处理模块;根据门架系统将高速公路划分成若干车道评估区域,通过边缘计算节点和车辆信息对车道评估区域进行交通评估,获取车道评估标签;
基于车道评估标签建立车道可视化模型,并实时显示车道评估标签;根据车道评估标签选取关联车道区域,并对关联车道区域的车辆服务单位进行预警。
与现有技术相比,本发明的有益效果是:
1、本发明将高速公路划分成若干车道评估区域,然后通过对应的车辆信息进行交通评估获取车道评估标签,再根据车道评估标签对关联车道区域的车辆服务单位以及车辆进行预警;充分利用了交通信息,能够及时准确地掌握高速公路状态,提高了高度公路的利用率。
2、本发明基于车道评估标签建立车道可视化模型,并实时显示车道评估标签,选取了关联车道区域,关联车道区域内的车辆以及车辆服务单位可收到预警;为驾驶员提供预警信息,避免被堵在高速车道内,为车辆服务单位提供预警信息,可使其提前准备,保证高速公路正常运行。
附图说明
图1为本发明的工作步骤示意图。
具体实施方式
下面将结合实施例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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
高速公路上会发生各种各样的原因造成拥堵,甚至是事故,影响出行体验,如何将交通信息与大数据、机器学习等技术结合起来评估高速公路状态,是一个值得研究的问题。现有技术利用交通信息进行车速监测、车费监测等,对交通信息并未充分利用,且多数情况下是采取限行措施保证高速公路的运行,无法掌握高速公路的整体状态,导致对高速公路资源利用不足,且无法将交通信息进行及时全面地共享;本发明将高速公路划分成若干车道评估区域,然后通过对应的车辆信息进行交通评估获取车道评估标签,再根据车道评估标签对关联车道区域的车辆服务单位以及车辆进行预警。
请参阅图1,本申请提供了基于高速公路车道感知设备的交通信息交互系统,包括:
数据采集模块:基于车道感知设备获取车辆信息,并将数据预处理之后的车辆信息发送至数据处理模块;
数据处理模块:根据门架系统将高速公路划分成若干车道评估区域,通过边缘计算节点和车辆信息对车道评估区域进行交通评估,获取车道评估标签;
数据交互模块:建立车道可视化模型,并实时显示车道评估标签;根据车道评估标签选取关联车道区域,并对关联车道区域的车辆服务单位进行预警。
本申请中车辆信息包括车牌、车型、采集时间和采集位置;其中,车型作为分析车道评估区域的基础数据,车牌用于对车辆进行定位,采集时间和采集位置用于对车辆数据进行区分,避免混淆。
本申请车辆服务单位包括收费站和服务区等,当然也包括车道里面的车辆。
本申请中数据处理模块与若干边缘计算节点通信连接;每个边缘计算节点至少与一个车道评估区域相关联,且边缘计算节点和关联的车道评估区域通信连接;可以理解的是,与边缘计算节点关联的车道评估区域数量取决于车道评估区域的大小以及边缘计算节点的数据处理能力。
本申请中所述数据处理模块对高速公路进行划分,包括:
获取高速车道上的门架系统,将相邻N个门架系统之间的车道区域划分为一个车道评估区域;
对获取的车道评估区域进行编号。
本申请中N为大于等于2的整数,表示一个车道评估区域至少包括两个门架系统;对车道评估区域进行编号,方便建立车道可视化模型,且便于获取关联车道区域。
本申请中,通过所述边缘计算节点对关联的车道评估区域进行交通评估,包括:
获取车道评估区域的车辆信息;
从车辆信息中提取车型A数量、车型B数量和车型C数量,并分别标记为AS、BS和CS;其中,车型包括A型、B型和C型,车型A表示非营运车辆,车型B表示营运客车,车型C表示营运火车;
通过公式CPX=ɑ1×AS+ɑ2×BS+ɑ3×CS获取车道评估系数CPX;其中,ɑ1、ɑ2和ɑ3分别为车型A、车型B和车型C在车道评估区域异常状态下的权重,且ɑ1+ɑ2+ɑ3=1;
根据车道评估系数获取车道评估标签。
本申请中ɑ1、ɑ2和ɑ3分别为车型A、车型B和车型C在车道评估区域异常状态下的权重,具体来说就是在车道评估区域异常(拥堵或者发生交通事故)时,获取该车道评估区域中车型A、车型B和车型C的数量,进而可以获取各自的权重;车道评估区域异常状态既可以是实际路段的历史数据,又可以是实验室模拟的数据;其主要目的不仅在于控制高速公路上的车辆总数,还在于控制各车辆类型的数量。
在一个实施例中,根据所述车道评估系数获取车道评估标签,包括:
当车道评估系数大于等于车道评估阈值二时,则判定车道评估区域异常,将对应车道评估标签设置为2;
当车道评估系数大于等于车道评估阈值一,且小于车道评估阈值二时,则判定车道评估区域疑似异常,将对应车道评估标签设置为1;否则,判定车道评估区域正常,将对应车道评估标签设置为0;其中,车道区域一小于车道阈值二,且车道阈值一和车道阈值二均为大于0的实数。
可以理解的是,在另外一些优选的实施例中,根据车道评估系数可以将车道的状态划分为更多的层次。
本申请中,边缘计算节点结合车道评估模型对关联的车道评估区域进行交通评估,包括:
提取车道评估区域对应车辆信息中的车型数量,车型数量结合环境参数生成车道实时数据;
将车道实时数据输入至车道评估模型获取对应的车道评估标签。
环境参数包括平均温度、平均湿度和平均能见度等影响车辆驾驶状态,导致车道异常的环境数据。
在一个实施例中,基于人工智能模型建立车道评估模型,包括:
获取标准训练数据,构建人工智能模型;
将标准训练数据划分成训练集、测试集和校验集,通过训练集、测试集和校验集对人工智能模型进行训练,将训练完成的人工智能模型标记为车道评估模型。
本实施例中,标准训练数据包括输入数据以及对应的车道评估标签,且输入数据的内容属性和车道实时数据一致;值得注意的是,标准训练数据中输入数据既可以是筛选出来的历史数据,也可以是实验室模拟获取的数据;车道评估标签通过专家打分方式获取。
本申请中,所述数据交互模块根据车道评估标签选取关联车道区域,包括:
当车道评估标签对应的车道评估区域疑似异常时,则将该车道评估区域以及相邻的车道评估区域标记为关联车道区域;
当车道评估标签对应的车道评估区域异常时,通过距离阈值法选取车道评估区域,并将选定的车道评估区域标记为关联车道区域。
在一个实施例中,通过所述距离阈值法选取关联车道区域,包括:
车道评估区域异常时,获取该车道评估区域车道的中心位置,并标记为初始位置;
以初始位置为圆心,以R为半径划定圆形区域,并标记为目标区域;
将车道中心位置处于圆形区域内的车道评估区域标记关联车道区域。
基于高速公路车道感知设备的交通信息交互方法,包括:
基于车道感知设备获取车辆信息,并将数据预处理之后的车辆信息发送至数据处理模块;根据门架系统将高速公路划分成若干车道评估区域,通过边缘计算节点和车辆信息对车道评估区域进行交通评估,获取车道评估标签;
基于车道评估标签建立车道可视化模型,并实时显示车道评估标签;根据车道评估标签选取关联车道区域,并对关联车道区域的车辆服务单位进行预警。
上述公式中的部分数据均是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理:
基于车道感知设备获取车辆信息,并将数据预处理之后的车辆信息发送至数据处理模块;根据门架系统将高速公路划分成若干车道评估区域,通过边缘计算节点和车辆信息对车道评估区域进行交通评估,获取车道评估标签。
基于车道评估标签建立车道可视化模型,并实时显示车道评估标签;根据车道评估标签选取关联车道区域,并对关联车道区域的车辆服务单位进行预警。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (7)
1.基于高速公路车道感知设备的交通信息交互系统,其特征在于,包括:
数据采集模块:基于车道感知设备获取车辆信息,并将数据预处理之后的车辆信息发送至数据处理模块;其中,车辆信息包括车牌、车型、采集时间和采集位置;
数据处理模块:根据门架系统将高速公路划分成若干车道评估区域,通过边缘计算节点和车辆信息对车道评估区域进行交通评估,获取车道评估标签;其中,交通评估通过车道评估区域的车型权重以及各车型的数量进行;
数据交互模块:建立车道可视化模型,并实时显示车道评估标签;根据车道评估标签选取关联车道区域,并对关联车道区域的车辆服务单位进行预警;其中,车辆服务单位包括收费站和服务区;
通过所述边缘计算节点对关联的车道评估区域进行交通评估,包括:
获取车道评估区域的车辆信息;
从车辆信息中提取车型A数量、车型B数量和车型C数量,并分别标记为AS、BS和CS;其中,车型包括A型、B型和C型,车型A表示非营运车辆,车型B表示营运客车,车型C表示营运火车;
通过公式CPX=ɑ1×AS+ɑ2×BS+ɑ3×CS获取车道评估系数CPX;其中,ɑ1、ɑ2和ɑ3分别为车型A、车型B和车型C在车道评估区域异常状态下的权重,且ɑ1+ɑ2+ɑ3=1;
根据车道评估系数获取车道评估标签;
所述边缘计算节点结合车道评估模型对关联的车道评估区域进行交通评估,包括:
提取车道评估区域对应车辆信息中的车型数量,车型数量结合环境参数生成车道实时数据;其中,环境参数包括平均温度、平均湿度和平均能见度;
将车道实时数据输入至车道评估模型获取对应的车道评估标签;其中,车道评估模型基于人工智能模型建立;
基于人工智能模型建立车道评估模型,包括:
获取标准训练数据;其中,标准训练数据包括输入数据以及对应的车道评估标签,且输入数据的内容属性和车道实时数据一致;
构建人工智能模型;其中,人工智能模型包括深度卷积神经网络模型和RBF神经网络模型;
将标准训练数据划分成训练集、测试集和校验集,通过训练集、测试集和校验集对人工智能模型进行训练,将训练完成的人工智能模型标记为车道评估模型。
2.根据权利要求1所述的基于高速公路车道感知设备的交通信息交互系统,其特征在于,所述数据处理模块与若干边缘计算节点通信连接;每个边缘计算节点至少与一个车道评估区域相关联,且边缘计算节点和关联的车道评估区域通信连接。
3.根据权利要求1所述的基于高速公路车道感知设备的交通信息交互系统,其特征在于,所述数据处理模块对高速公路进行划分,包括:
获取高速车道上的门架系统,将相邻N个门架系统之间的车道区域划分为一个车道评估区域;其中,N为大于等于2的整数;
对获取的车道评估区域进行编号。
4.根据权利要求1所述的基于高速公路车道感知设备的交通信息交互系统,其特征在于,根据所述车道评估系数获取车道评估标签,包括:
当车道评估系数大于等于车道评估阈值二时,则判定车道评估区域异常,将对应车道评估标签设置为2;
当车道评估系数大于等于车道评估阈值一,且小于车道评估阈值二时,则判定车道评估区域疑似异常,将对应车道评估标签设置为1;否则,判定车道评估区域正常,将对应车道评估标签设置为0;其中,车道区域一小于车道阈值二,且车道阈值一和车道阈值二均为大于0的实数。
5.根据权利要求1所述的基于高速公路车道感知设备的交通信息交互系统,其特征在于,所述数据交互模块根据车道评估标签选取关联车道区域,包括:
当车道评估标签对应的车道评估区域疑似异常时,则将该车道评估区域以及相邻的车道评估区域标记为关联车道区域;
当车道评估标签对应的车道评估区域异常时,通过距离阈值法选取车道评估区域,并将选定的车道评估区域标记为关联车道区域。
6.根据权利要求5所述的基于高速公路车道感知设备的交通信息交互系统,其特征在于,通过所述距离阈值法选取关联车道区域,包括:
车道评估区域异常时,获取该车道评估区域车道的中心位置,并标记为初始位置;
以初始位置为圆心,以R为半径划定圆形区域,并标记为目标区域;其中,R为大于车道评估区域长度的实数;
将车道中心位置处于圆形区域内的车道评估区域标记关联车道区域。
7.根据权利要求1至6任意一项权利要求所述的基于高速公路车道感知设备的交通信息交互系统,其特征在于,该交通信息交互系统的交互方法包括:
基于车道感知设备获取车辆信息,并将数据预处理之后的车辆信息发送至数据处理模块;根据门架系统将高速公路划分成若干车道评估区域,通过边缘计算节点和车辆信息对车道评估区域进行交通评估,获取车道评估标签;
基于车道评估标签建立车道可视化模型,并实时显示车道评估标签;根据车道评估标签选取关联车道区域,并对关联车道区域的车辆服务单位进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111499536.9A CN113936469B (zh) | 2021-12-09 | 2021-12-09 | 基于高速公路车道感知设备的交通信息交互系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111499536.9A CN113936469B (zh) | 2021-12-09 | 2021-12-09 | 基于高速公路车道感知设备的交通信息交互系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113936469A CN113936469A (zh) | 2022-01-14 |
CN113936469B true CN113936469B (zh) | 2022-12-02 |
Family
ID=79288934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111499536.9A Active CN113936469B (zh) | 2021-12-09 | 2021-12-09 | 基于高速公路车道感知设备的交通信息交互系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113936469B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115527382B (zh) * | 2022-09-08 | 2023-04-18 | 安徽交控信息产业有限公司 | 一种基于智能多目标优化算法的交通控制方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000315294A (ja) * | 1999-04-30 | 2000-11-14 | Nippon Signal Co Ltd:The | 道路交通情報提供装置 |
CN103680136A (zh) * | 2012-09-14 | 2014-03-26 | 宋怀淳 | 高速公路车载卡车流量统计和堵车预报方法 |
TW201606719A (zh) * | 2014-08-04 | 2016-02-16 | Chunghwa Telecom Co Ltd | 影像式匝道車輛放行控制系統與方法 |
CN104835321A (zh) * | 2015-05-04 | 2015-08-12 | 石立公 | 一种车道车辆流量统计系统及其车道车辆流量统计方法 |
CN112017424A (zh) * | 2019-05-31 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 封闭高速公路交通应急管控的方法及装置 |
CN111260924B (zh) * | 2020-02-10 | 2021-01-26 | 北京中交国通智能交通系统技术有限公司 | 适应边缘计算的交通智能管控与服务发布策略方法 |
CN111402583B (zh) * | 2020-03-19 | 2022-06-21 | 阿里巴巴集团控股有限公司 | 一种交通事件的感知方法、设备及存储介质 |
CN112201039A (zh) * | 2020-09-29 | 2021-01-08 | 安徽花山街网络科技有限公司 | 一种基于大数据的交通拥堵监测系统 |
CN112885107A (zh) * | 2021-01-20 | 2021-06-01 | 荆朝辉 | 一种基于etc龙门架的高速公路拥堵5g网络预测系统 |
CN113034894A (zh) * | 2021-02-04 | 2021-06-25 | 招商新智科技有限公司 | 一种etc门架系统、高速公路路段封闭预警方法及装置 |
CN113327418B (zh) * | 2021-05-31 | 2022-10-25 | 同济大学 | 一种快速路拥堵风险分级实时预测方法 |
CN113538898A (zh) * | 2021-06-04 | 2021-10-22 | 南京美慧软件有限公司 | 一种基于多源数据的高速公路拥堵管控系统 |
-
2021
- 2021-12-09 CN CN202111499536.9A patent/CN113936469B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113936469A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110364008B (zh) | 路况确定方法、装置、计算机设备和存储介质 | |
Xing et al. | Examining traffic conflicts of up stream toll plaza area using vehicles’ trajectory data | |
CN109686088B (zh) | 一种交通视频告警方法、设备及系统 | |
DE102020124983A1 (de) | Echtzeit-fahrzeugzwischenfallrisikoprognose auf basis von fahrzeug-zu-allen (v2x) | |
DE102016211751B4 (de) | Verfahren, Vorrichtungen und Computerprogramme zum Bestimmen eines Zustands zumindest eines Fahrbahnrandobjekts | |
CN105493502A (zh) | 视频监控方法、视频监控系统以及计算机程序产品 | |
KR20140031435A (ko) | 운전 습관 분석 진단 시스템 및 방법 | |
CN113033840B (zh) | 一种公路养护的判断方法和装置 | |
CN101465059A (zh) | 城市道路交通安全态势鉴判预警系统 | |
Gargoum et al. | Available sight distance on existing highways: Meeting stopping sight distance requirements of an aging population | |
CN114894411B (zh) | 一种基于无线传感器网络的桥梁健康监测方法及系统 | |
CN113936469B (zh) | 基于高速公路车道感知设备的交通信息交互系统及方法 | |
CN113554263A (zh) | 基于交通仿真的高速公路施工组织方案交通影响评估方法 | |
CN113436432A (zh) | 一种利用路侧观测数据进行路段短时交通风险预测的方法 | |
CN106056451A (zh) | 基于车辆obd传感器的远程无人定损系统 | |
CN116110012B (zh) | 用于智慧工地的危险违规动作识别方法及系统 | |
CN109443360A (zh) | 一种基于多边形的车辆行驶轨迹生成及拼接算法 | |
Yu et al. | Dynamic driving environment complexity quantification method and its verification | |
CN104851307B (zh) | 道路标志牌设置合理性确定方法、装置及系统 | |
CN109658693B (zh) | 一种路况信息获取和处理的方法及装置 | |
CN112668786A (zh) | 一种矿车车辆安全评估预测方法、终端设备和存储介质 | |
CN116343493B (zh) | 非机动车的违章识别方法、装置、电子设备及存储介质 | |
CN114495421B (zh) | 智能化开放式道路施工作业监测预警方法及系统 | |
CN115809768A (zh) | 一种智慧城市信息资源展示系统及方法 | |
CN114066288A (zh) | 一种基于智慧数据中心的营运道路应急检测方法及系统 |
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 |