CN113962331A - 一种etc门架系统故障原因识别方法及系统 - Google Patents
一种etc门架系统故障原因识别方法及系统 Download PDFInfo
- Publication number
- CN113962331A CN113962331A CN202111412546.4A CN202111412546A CN113962331A CN 113962331 A CN113962331 A CN 113962331A CN 202111412546 A CN202111412546 A CN 202111412546A CN 113962331 A CN113962331 A CN 113962331A
- Authority
- CN
- China
- Prior art keywords
- fault
- etc portal
- module
- processing
- diagnosis unit
- 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
Images
Classifications
-
- 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
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明涉及交通运输管理技术领域,公开了一种ETC门架系统故障原因识别方法及系统,通过所述ETC门架控制单元通过预设神经网络模型对所述ETC门架功能实时数据进行故障预测,获得故障预测结果,并将所述故障预测结果发送至所述智能诊断单元;所述智能诊断单元在所述故障预测结果中存在潜在故障时,对所述潜在故障进行分类,获得故障分类结果;所述智能诊断单元根据所述故障分类结果确定所述潜在故障对应的故障处理模块,并根据所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理;所述智能诊断单元在检测到存在无法处理的目标潜在故障时,将所述目标潜在故障的故障处理指令发送至所述远程运维平台进行故障处理。本发明实现了故障的自动排查和溯源,降低了故障修复的时间,提高了ETC门架系统的可用性。
Description
技术领域
本发明涉及交通运输管理技术领域,尤其涉及一种ETC门架系统故障原因识别方法及系统。
背景技术
ETC设备即ETC(Electronic Toll Collection)不停车收费系统,它是目前世界上最先进的路桥收费方式。其原理是通过安装在车辆挡风玻璃上的车载电子标签与设置在收费站ETC车道上的微波天线之间的微波专用短程通讯,利用计算机联网技术与银行进行后台结算处理,从而达到车辆通过路桥收费站不需停车而能交纳路桥费的目的。该系统是国际上正在努力开发并推广的一种用于公路、大桥和隧道的电子自动收费系统。其中,门架是ETC设备系统的重要组成部分。
ETC门架系统涉及到高速公路收费计算的关键业务,故对于ETC门架系统运行的稳定性有着很高的要求,ETC门架上包含设备众多,发生故障时运维往往依靠人工和经验进行排查,操作麻烦且耗时,增加了故障带来的影响。
发明内容
本发明提供一种ETC门架系统故障原因识别方法及系统,解决现有技术中ETC门架上发生故障时运维人员往往依靠人工和经验进行排查,操作麻烦且耗时的技术问题。
本发明的目的是通过以下技术方案实现的:
一种ETC门架系统故障原因识别方法,包括:
所述ETC门架控制单元获取待诊断ETC门架的ETC门架功能实时数据;
所述ETC门架控制单元通过预设神经网络模型对所述ETC门架功能实时数据进行故障预测,获得故障预测结果,并将所述故障预测结果发送至所述智能诊断单元;
所述智能诊断单元在所述故障预测结果中存在潜在故障时,对所述潜在故障进行分类,获得故障分类结果;
所述智能诊断单元根据所述故障分类结果确定所述潜在故障对应的故障处理模块,并根据所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理;
所述智能诊断单元在检测到存在无法处理的目标潜在故障时,将所述目标潜在故障的故障处理指令发送至所述远程运维平台进行故障处理。
一种ETC门架系统故障原因识别系统,包括:ETC门架控制单元、智能诊断单元以及远程运维平台;
所述ETC门架控制单元,用于获取待诊断ETC门架的ETC门架功能实时数据;
所述ETC门架控制单元,还用于通过预设神经网络模型对所述ETC门架功能实时数据进行故障预测,获得故障预测结果,并将所述故障预测结果发送至所述智能诊断单元;
所述智能诊断单元,用于在所述故障预测结果中存在潜在故障时,对所述潜在故障进行分类,获得故障分类结果;
所述智能诊断单元,还用于根据所述故障分类结果确定所述潜在故障对应的故障处理模块,并根据所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理;
所述智能诊断单元,还用于在检测到存在无法处理的目标潜在故障时,将所述目标潜在故障的故障处理指令发送至所述远程运维平台进行故障处理。
本发明提供的一种ETC门架系统故障原因识别方法及系统,通过所述ETC门架控制单元通过预设神经网络模型对所述ETC门架功能实时数据进行故障预测,获得故障预测结果,并将所述故障预测结果发送至所述智能诊断单元;所述智能诊断单元在所述故障预测结果中存在潜在故障时,对所述潜在故障进行分类,获得故障分类结果;所述智能诊断单元根据所述故障分类结果确定所述潜在故障对应的故障处理模块,并根据所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理;所述智能诊断单元在检测到存在无法处理的目标潜在故障时,将所述目标潜在故障的故障处理指令发送至所述远程运维平台进行故障处理。本发明实现了故障的自动排查和溯源,降低了故障修复的时间,提高了ETC门架系统的可用性。
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,还可根据这些附图获得其他的附图。
图1为本发明实施例的一种ETC门架系统故障原因识别方法的流程图;
图2为本发明实施例的一种ETC门架系统故障原因识别系统的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,为本发明实施例提供的一种ETC门架系统故障原因识别方法,包括:
步骤101、获取待诊断ETC门架的ETC门架功能实时数据;
步骤102、通过预设神经网络模型对所述ETC门架功能实时数据进行故障预测,获得故障预测结果,并将所述故障预测结果发送至所述智能诊断单元;
步骤103、当所述故障预测结果中存在潜在故障时,对所述潜在故障进行分类,获得故障分类结果;
步骤104、根据所述故障分类结果确定所述潜在故障对应的故障处理模块,并根据所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理;
步骤105、当检测到存在无法处理的目标潜在故障时,将所述目标潜在故障的故障处理指令发送至所述远程运维平台进行故障处理。
其中,所述远程运维平台根据预设故障分析模型对所述目标潜在故障进行分析,获得分析结果;
所述远程运维平台根据所述分析结果生成所述待诊断ETC门架的故障诊断结果。
所述远程运维平台包括:第一决策模块;
所述第一决策模块根据预设分析决策算法搜索所述目标潜在故障对应的车型数据,根据所述车型数据确定所述目标潜在故障对应的故障处理方式;
所述第一决策模块将所述故障处理方式对应的控制指令发送至所述智能诊断单元;
所述第一决策模块在检测到不存在所述目标潜在故障对应的故障处理方式时,通过预设神经网络模型对所述目标潜在故障进行故障分析,并生成故障处理决策;
所述智能运维平台将所述故障处理决策发送至所述智能诊断单元的故障处理模块进行故障处理。
本发明提供的一种ETC门架系统故障原因识别方法,通过所述ETC门架控制单元通过预设神经网络模型对所述ETC门架功能实时数据进行故障预测,获得故障预测结果,并将所述故障预测结果发送至所述智能诊断单元;所述智能诊断单元在所述故障预测结果中存在潜在故障时,对所述潜在故障进行分类,获得故障分类结果;所述智能诊断单元根据所述故障分类结果确定所述潜在故障对应的故障处理模块,并根据所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理;所述智能诊断单元在检测到存在无法处理的目标潜在故障时,将所述目标潜在故障的故障处理指令发送至所述远程运维平台进行故障处理。本发明实现了故障的自动排查和溯源,降低了故障修复的时间,提高了ETC门架系统的可用性。
本发明实施例还提供了一种ETC门架系统故障原因识别系统,如图2所示包括:ETC门架控制单元、智能诊断单元以及远程运维平台;
所述ETC门架控制单元,用于获取待诊断ETC门架的ETC门架功能实时数据;
所述ETC门架控制单元,还用于通过预设神经网络模型对所述ETC门架功能实时数据进行故障预测,获得故障预测结果,并将所述故障预测结果发送至所述智能诊断单元;
所述智能诊断单元,用于在所述故障预测结果中存在潜在故障时,对所述潜在故障进行分类,获得故障分类结果;
所述智能诊断单元,还用于根据所述故障分类结果确定所述潜在故障对应的故障处理模块,并根据所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理;
所述智能诊断单元,还用于在检测到存在无法处理的目标潜在故障时,将所述目标潜在故障的故障处理指令发送至所述远程运维平台进行故障处理。
所述ETC门架控制单元包括:第一故障分析模块;
所述第一故障分析模块,用于获取所述ETC门架功能实时数据的数据变化信息;
所述第一故障分析模块,还用于通过预设神经网络模型根据所述数据变化信息对所述待诊断ETC门架进行安全稳定性分析,并根据分析结果进行故障预测,获得故障预测结果。
所述ETC门架控制单元还包括:第一故障数据查询模块;
所述第一故障数据查询模块,用于通过第一故障数据存储模块查询与所述故障预测结果相匹配的故障代码、故障描述和处理指令;
所述第一故障分析模块,还用于根据所述故障代码、故障描述和处理指令确定所述故障预测结果对应的控制处理方式,并将所述控制处理方式发送至故障预测结果对应的故障处理模块进行故障处理。
所述智能诊断单元包括:第二故障分析模块;
所述第二故障分析模块,用于在所述故障预测结果中存在多个潜在故障时,获取各潜在故障对应的故障等级,并根据所述故障等级对所述多个潜在故障进行优先级排序,获得排序结果;
所述第二故障分析模块,还用于根据所述排序结果确定各潜在故障对应的故障处理模块,并将所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理。
所述智能诊断单元还包括:第二故障数据查询模块和第二故障数据存储模块;
所述第二故障分析模块,用于根据所述排序结果从所述第二故障数据存储模块中查询与所述潜在故障相匹配的故障处理指令;
所述第二故障分析模块,还用于根据所述故障处理指令确定所述潜在故障对应的控制处理方式,并将所述控制处理方式发送至所述潜在故障对应的故障处理模块进行故障处理。
所述远程运维平台,还用于根据预设故障分析模型对所述目标潜在故障进行分析,获得分析结果;
所述远程运维平台,还用于根据所述分析结果生成所述待诊断ETC门架的故障诊断结果。
所述远程运维平台包括:第一决策模块;
所述第一决策模块,用于根据预设分析决策算法搜索所述目标潜在故障对应的车型数据,根据所述车型数据确定所述目标潜在故障对应的故障处理方式;
所述第一决策模块,还用于将所述故障处理方式对应的控制指令发送至所述智能诊断单元;
所述第一决策模块,还用于在检测到不存在所述目标潜在故障对应的故障处理方式时,通过预设神经网络模型对所述目标潜在故障进行故障分析,并生成故障处理决策;
所述智能运维平台,还用于将所述故障处理决策发送至所述智能诊断单元的故障处理模块进行故障处理。
本发明提供的一种ETC门架系统故障原因识别系统,通过所述ETC门架控制单元通过预设神经网络模型对所述ETC门架功能实时数据进行故障预测,获得故障预测结果,并将所述故障预测结果发送至所述智能诊断单元;所述智能诊断单元在所述故障预测结果中存在潜在故障时,对所述潜在故障进行分类,获得故障分类结果;所述智能诊断单元根据所述故障分类结果确定所述潜在故障对应的故障处理模块,并根据所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理;所述智能诊断单元在检测到存在无法处理的目标潜在故障时,将所述目标潜在故障的故障处理指令发送至所述远程运维平台进行故障处理。本发明实现了故障的自动排查和溯源,降低了故障修复的时间,提高了ETC门架系统的可用性。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现,当然也可以全部通过硬件来实施,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种ETC门架系统故障原因识别系统,其特征在于,包括:ETC门架控制单元、智能诊断单元以及远程运维平台;
所述ETC门架控制单元,用于获取待诊断ETC门架的ETC门架功能实时数据;
所述ETC门架控制单元,还用于通过预设神经网络模型对所述ETC门架功能实时数据进行故障预测,获得故障预测结果,并将所述故障预测结果发送至所述智能诊断单元;
所述智能诊断单元,用于在所述故障预测结果中存在潜在故障时,对所述潜在故障进行分类,获得故障分类结果;
所述智能诊断单元,还用于根据所述故障分类结果确定所述潜在故障对应的故障处理模块,并根据所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理;
所述智能诊断单元,还用于在检测到存在无法处理的目标潜在故障时,将所述目标潜在故障的故障处理指令发送至所述远程运维平台进行故障处理。
2.根据权利要求1所述的ETC门架系统故障原因识别方法,其特征在于,所述ETC门架控制单元包括:第一故障分析模块;
所述第一故障分析模块,用于获取所述ETC门架功能实时数据的数据变化信息;
所述第一故障分析模块,还用于通过预设神经网络模型根据所述数据变化信息对所述待诊断ETC门架进行安全稳定性分析,并根据分析结果进行故障预测,获得故障预测结果。
3.根据权利要求2所述的ETC门架系统故障原因识别方法,其特征在于,所述ETC门架控制单元还包括:第一故障数据查询模块;
所述第一故障数据查询模块,用于通过第一故障数据存储模块查询与所述故障预测结果相匹配的故障代码、故障描述和处理指令;
所述第一故障分析模块,还用于根据所述故障代码、故障描述和处理指令确定所述故障预测结果对应的控制处理方式,并将所述控制处理方式发送至故障预测结果对应的故障处理模块进行故障处理。
4.根据权利要求1所述的ETC门架系统故障原因识别方法,其特征在于,所述智能诊断单元包括:第二故障分析模块;
所述第二故障分析模块,用于在所述故障预测结果中存在多个潜在故障时,获取各潜在故障对应的故障等级,并根据所述故障等级对所述多个潜在故障进行优先级排序,获得排序结果;
所述第二故障分析模块,还用于根据所述排序结果确定各潜在故障对应的故障处理模块,并将所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理。
5.根据权利要求4所述的ETC门架系统故障原因识别方法,其特征在于,所述智能诊断单元还包括:第二故障数据查询模块和第二故障数据存储模块;
所述第二故障分析模块,用于根据所述排序结果从所述第二故障数据存储模块中查询与所述潜在故障相匹配的故障处理指令;
所述第二故障分析模块,还用于根据所述故障处理指令确定所述潜在故障对应的控制处理方式,并将所述控制处理方式发送至所述潜在故障对应的故障处理模块进行故障处理。
6.根据权利要求4所述的ETC门架系统故障原因识别方法,其特征在于,所述远程运维平台,还用于根据预设故障分析模型对所述目标潜在故障进行分析,获得分析结果;
所述远程运维平台,还用于根据所述分析结果生成所述待诊断ETC门架的故障诊断结果。
7.根据权利要求4所述的ETC门架系统故障原因识别方法,其特征在于,所述远程运维平台包括:第一决策模块;
所述第一决策模块,用于根据预设分析决策算法搜索所述目标潜在故障对应的车型数据,根据所述车型数据确定所述目标潜在故障对应的故障处理方式;
所述第一决策模块,还用于将所述故障处理方式对应的控制指令发送至所述智能诊断单元;
所述第一决策模块,还用于在检测到不存在所述目标潜在故障对应的故障处理方式时,通过预设神经网络模型对所述目标潜在故障进行故障分析,并生成故障处理决策;
所述智能运维平台,还用于将所述故障处理决策发送至所述智能诊断单元的故障处理模块进行故障处理。
8.一种ETC门架系统故障原因识别方法,其特征在于,包括:
所述ETC门架控制单元获取待诊断ETC门架的ETC门架功能实时数据;
所述ETC门架控制单元通过预设神经网络模型对所述ETC门架功能实时数据进行故障预测,获得故障预测结果,并将所述故障预测结果发送至所述智能诊断单元;
所述智能诊断单元在所述故障预测结果中存在潜在故障时,对所述潜在故障进行分类,获得故障分类结果;
所述智能诊断单元根据所述故障分类结果确定所述潜在故障对应的故障处理模块,并根据所述潜在故障对应的故障处理指令发送至所述故障处理模块进行故障处理;
所述智能诊断单元在检测到存在无法处理的目标潜在故障时,将所述目标潜在故障的故障处理指令发送至所述远程运维平台进行故障处理。
9.根据权利要求8所述的ETC门架系统故障原因识别方法,其特征在于,所述远程运维平台根据预设故障分析模型对所述目标潜在故障进行分析,获得分析结果;
所述远程运维平台根据所述分析结果生成所述待诊断ETC门架的故障诊断结果。
10.根据权利要求9所述的ETC门架系统故障原因识别方法,其特征在于,所述远程运维平台包括:第一决策模块;
所述第一决策模块根据预设分析决策算法搜索所述目标潜在故障对应的车型数据,根据所述车型数据确定所述目标潜在故障对应的故障处理方式;
所述第一决策模块将所述故障处理方式对应的控制指令发送至所述智能诊断单元;
所述第一决策模块在检测到不存在所述目标潜在故障对应的故障处理方式时,通过预设神经网络模型对所述目标潜在故障进行故障分析,并生成故障处理决策;
所述智能运维平台将所述故障处理决策发送至所述智能诊断单元的故障处理模块进行故障处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111412546.4A CN113962331A (zh) | 2021-11-25 | 2021-11-25 | 一种etc门架系统故障原因识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111412546.4A CN113962331A (zh) | 2021-11-25 | 2021-11-25 | 一种etc门架系统故障原因识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113962331A true CN113962331A (zh) | 2022-01-21 |
Family
ID=79471980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111412546.4A Pending CN113962331A (zh) | 2021-11-25 | 2021-11-25 | 一种etc门架系统故障原因识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113962331A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520817A (zh) * | 2023-07-05 | 2023-08-01 | 贵州宏信达高新科技有限责任公司 | 基于高速公路的etc系统运行状态实时监控系统及方法 |
-
2021
- 2021-11-25 CN CN202111412546.4A patent/CN113962331A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520817A (zh) * | 2023-07-05 | 2023-08-01 | 贵州宏信达高新科技有限责任公司 | 基于高速公路的etc系统运行状态实时监控系统及方法 |
CN116520817B (zh) * | 2023-07-05 | 2023-08-29 | 贵州宏信达高新科技有限责任公司 | 基于高速公路的etc系统运行状态实时监控系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | An automatic car accident detection method based on cooperative vehicle infrastructure systems | |
US20220215667A1 (en) | Method and apparatus for monitoring vehicle, cloud control platform and system for vehicle-road collaboration | |
US20130132166A1 (en) | Smart toll network for improving performance of vehicle identification systems | |
CN109993138A (zh) | 一种车牌检测与识别方法及装置 | |
Alzraiee et al. | Detecting of pavement marking defects using faster R-CNN | |
CN112598192B (zh) | 一种车辆进入物流园区的预测方法、装置、存储介质及终端 | |
CN115691148A (zh) | 一种基于高速公路的智能收费辅助方法、设备及介质 | |
CN114076631A (zh) | 超载车辆识别方法、系统及设备 | |
KR20220146670A (ko) | 교통 비정상 탐지 방법, 장치, 기기, 저장 매체 및 프로그램 | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
CN116168356A (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
Zou et al. | The method of dynamic identification of the maximum speed limit of expressway based on electronic toll collection data | |
CN113962331A (zh) | 一种etc门架系统故障原因识别方法及系统 | |
CN118038674A (zh) | 一种基于大数据的监控系统实时动态分析警示系统 | |
CN116012762A (zh) | 一种针对电力设备的交通路口视频影像分析方法及系统 | |
CN116824868B (zh) | 车辆非法停驻点识别及拥堵预测方法、装置、设备及介质 | |
CN117689400A (zh) | 一种基于数据标签的超限源头溯源方法及系统 | |
Mehajabin et al. | Real-time deep learning based road deterioration detection for smart cities | |
CN113297939A (zh) | 障碍物检测方法、系统、终端设备及存储介质 | |
CN117315624A (zh) | 障碍物检测方法、车辆控制方法、装置、设备及存储介质 | |
CN117037081A (zh) | 基于机器学习的交通监控方法、装置、设备及介质 | |
CN112017310A (zh) | 具有电磁干扰的情况下的车辆监测方法和路网监测系统 | |
CN116862697A (zh) | 一种收费公路收费额仿真预测方法、系统、设备及终端 | |
CN116502058A (zh) | 应用于充电桩系统的ai故障检测分析方法、系统及云平台 | |
CN112861701B (zh) | 违章停车识别方法、装置、电子设备以及计算机可读介质 |
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 |