CN114005297A - 一种基于车联网的车队协调行驶方法 - Google Patents
一种基于车联网的车队协调行驶方法 Download PDFInfo
- Publication number
- CN114005297A CN114005297A CN202111482979.7A CN202111482979A CN114005297A CN 114005297 A CN114005297 A CN 114005297A CN 202111482979 A CN202111482979 A CN 202111482979A CN 114005297 A CN114005297 A CN 114005297A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vehicles
- small
- information
- distance
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Abstract
本发明公开了一种基于车联网的车队协调行驶方法,通过对车队内车辆进行编号,能够针对小型车辆和大型车辆进行分开管控,避免车队内车辆因大型车辆遮蔽小型车辆视野而导致交通事故发生的问题;法通过结合外部导航系统,对车辆进行筛选,保证了在目标路线行驶过程中车辆不存在因限高、限重而影响车队行驶速度的问题;本发明应对车距信息包括大型车辆与小型车辆的车距信息、大型车辆与大型车辆的车距信息和小型车辆与小型车辆的车距信息的多情况问题,而采用分情况判断,能够最大程度保证不同车辆之间的车距安全。
Description
技术领域
本发明涉及设备车队协调行驶领域,尤其涉及一种基于车联网的车队协调行驶方法。
背景技术
随着汽车工业的快速发展,汽车已经成为生活中必不可少的交通工具。而伴随着车辆的平民化,能源压力也逐渐增加。与此同时,组队自驾游、商务出巡等多车辆组队行驶的编队行驶也越来越多,编队行驶可以提高实际交通道路利用率,增强交通的畅通性及安全性。
近年来,随着5G技术的诞生,车辆网技术逐步完善。实现车车辆间的互联互通、信息共享,进一步完成对车队速度、相邻间距、队形布置、行驶路径等信息的综合决策;同时,车辆以车队的编制列队运行,实现营运车队智能交互行驶,上述过程在车辆网等技术的支持下已变成可能。
发明内容
针对上述问题,本发明提供一种基于车联网的车队协调行驶方法,用于解决上述问题。
本发明通过以下技术方案实现:
一种基于车联网的车队协调行驶方法,包括以下步骤:
S1. 通过GPS定位对所有车辆进行位置采集,并对车辆进行车辆信息采集;
S2. 判断车辆车型,若为小型车辆,则执行步骤S3,若为大型车辆,则执行步骤S4;
S3. 对小型车辆进行统计,并对小型车辆进行前序车辆编号,所述前序车辆编号为a1、a2…an,其中,n大于等于0且n为正整数;
S4. 对大型车辆进行统计,对大型车辆进行后序车辆编号,所述后序车辆编号为b1、b2…bm,其中,m大于等于0且m为正整数;
S5. 通过前序车辆编号和后序车辆编号对小型车辆和大型车辆进行车队排序,车辆按车队排序行驶;
其中,所述车队排序具体为:
S501. 将小型车辆根据前序车辆编号由小到大依次纵向排列;
S502. 将大型车辆根据后序车辆编号由小到大依次纵向排列;
S503. 将前序车辆编号为an的小型车辆排序至后序车辆编号为b1的大型车辆前方。
进一步的,所述车辆信息采集具体为:对车辆车型、车辆车高、车辆车重进行采集,得到车辆车型信息、车辆车高信息和车辆车重信息。
进一步的,还包括预步骤S0:用户上传目标路线信息,通过目标路线信息结合车联网云平台提取外部导航系统的路线限制信息,所述路线限制信息包括车辆限高信息、车辆限重信息。
进一步的,所述步骤S2还包括判断车辆车重和车辆车高,当所述车辆车重大于车辆限重信息或所述车辆车高大于车辆限高信息时,则该车辆不纳入车队,当所述车辆车重不大于车辆限重信息或所述车辆车高不大于车辆限高信息时,则对车辆车型进行判断。
进一步的,还包括步骤S6,所述对前序车辆编号为a1的小型车辆和后序车辆编号为b1的大型车辆提供语音权限,所述前序车辆编号为a1的小型车辆和后序车辆编号为b1的大型车辆通过语音权限对车队内车辆进行语音调控。
进一步的,所述车辆按车队排序行驶具体为,车辆按车队排序行驶,对车队内车辆进行实时位置信息采集,通过实时位置信息,采集两相邻车辆的车距信息,并通过车距信息和设定的车距阈值区间判断车距风险,当车距信息处于车距阈值区间之内,则进行风险预警。
进一步的,所述风险预警为语音提示相应两相邻车辆进行车距控制。
进一步的,所述判断车距风险具体包括以下子步骤:
S501. 采集两相邻车辆的车距信息,所述车距信息包括小型车辆与小型车辆的车距信息、大型车辆与大型车辆的车距信息和小型车辆与大型车辆的车距信息;
S502. 对车距信息进行分析,并选择相应车距阈值进行判断,其中,所述车距阈值区间包括小型车辆与小型车辆的车距阈值区间、大型车辆与大型车辆的车距阈值区间和小型车辆与大型车辆的车距阈值区间,当车距信息为小型车辆与小型车辆时,则执行步骤S503,当车距信息为大型车辆与大型车辆时,则执行步骤S504,当车距信息为小型车辆与大型车辆时,则执行步骤S505;
S503. 判断小型车辆与小型车辆的车距信息是否处于小型车辆与小型车辆的车距阈值区间,当不处于时,则进行风险预警;
S504. 判断大型车辆与大型车辆的车距信息是否处于大型车辆与大型车辆的车距阈值区间,当不处于时,则进行风险预警;
S505. 判断小型车辆与大型车辆的车距信息是否处于小型车辆与大型车辆的车距阈值区间,当不处于时,则进行风险预警。
本发明的有益效果:
(1)本发明公开了一种基于车联网的车队协调行驶方法,本方法通过对车队内车辆进行编号,能够针对小型车辆和大型车辆进行分开管控,避免车队内车辆因大型车辆遮蔽小型车辆视野而导致交通事故发生的问题;
(2)本发明公开了一种基于车联网的车队协调行驶方法,本方法通过结合外部导航系统,对车辆进行筛选,保证了在目标路线行驶过程中车辆不存在因限高、限重而影响车队行驶速度的问题;
(3)本发明公开了一种车联网的车队协调行驶方法,本方法应对车距信息包括大型车辆与小型车辆的车距信息、大型车辆与大型车辆的车距信息和小型车辆与小型车辆的车距信息的多情况问题,而采用分情况判断,能够最大程度保证不同车辆之间的车距安全。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,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,对于本领域的普通技术人员来讲,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为本发明实施例1提出的一种基于车联网的车队协调行驶方法的方法流程图;
图2为本发明实施例提出的一种终端设备的结构示意图;
图3为本发明实施例提出的一种用于实现一种基于车联网的车队协调行驶方法的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1,本实施例提出一种基于车联网的车队协调行驶方法,包括以下步骤:
S1. 系统通过GPS定位对所有车辆进行位置采集,并对车辆进行车辆信息采集;
S2. 系统判断车辆车型,若为小型车辆,则执行步骤S3,若为大型车辆,则执行步骤S4;
S3. 系统对小型车辆进行统计,并对小型车辆进行前序车辆编号,所述前序车辆编号为a1、a2…an,其中,n大于等于0且n为正整数;
S4. 系统对大型车辆进行统计,对大型车辆进行后序车辆编号,所述后序车辆编号为b1、b2…bm,其中,m大于等于0且m为正整数;
S5. 系统通过前序车辆编号和后序车辆编号对小型车辆和大型车辆进行车队排序,车辆按车队排序行驶;
其中,所述车队排序具体为:
S501. 将小型车辆根据前序车辆编号由小到大依次纵向排列;
S502. 将大型车辆根据后序车辆编号由小到大依次纵向排列;
S503. 将前序车辆编号为an的小型车辆排序至后序车辆编号为b1的大型车辆前方。
进一步的,所述车辆信息采集具体为:对车辆车型、车辆车高、车辆车重进行采集,得到车辆车型信息、车辆车高信息和车辆车重信息。
进一步的,还包括预步骤S0:用户上传目标路线信息,通过目标路线信息结合车联网云平台提取外部导航系统的路线限制信息,所述路线限制信息包括车辆限高信息、车辆限重信息。
进一步的,所述步骤S2还包括判断车辆车重和车辆车高,当所述车辆车重大于车辆限重信息或所述车辆车高大于车辆限高信息时,则该车辆不纳入车队,当所述车辆车重不大于车辆限重信息或所述车辆车高不大于车辆限高信息时,则对车辆车型进行判断。
进一步的,还包括步骤S6,所述系统对前序车辆编号为a1的小型车辆和后序车辆编号为b1的大型车辆提供语音权限,所述前序车辆编号为a1的小型车辆和后序车辆编号为b1的大型车辆通过语音权限对车队内车辆进行语音调控。
实施例2
在实施例1的基础上,本实施例进一步提出一种辆按车队排序行驶具体实施方式,具体为:车辆按车队排序行驶,系统对车队内车辆进行实时位置信息采集,系统通过实时位置信息,采集两相邻车辆的车距信息,并通过车距信息和系统设定的车距阈值区间判断车距风险,当车距信息处于车距阈值区间之内,则进行风险预警。
进一步的,所述风险预警为语音提示相应两相邻车辆进行车距控制。
进一步的,所述判断车距风险具体包括以下子步骤:
S501. 系统采集两相邻车辆的车距信息,所述车距信息包括小型车辆与小型车辆的车距信息、大型车辆与大型车辆的车距信息和小型车辆与大型车辆的车距信息;
S502. 系统对车距信息进行分析,并选择相应车距阈值进行判断,其中,所述车距阈值区间包括小型车辆与小型车辆的车距阈值区间、大型车辆与大型车辆的车距阈值区间和小型车辆与大型车辆的车距阈值区间,当车距信息为小型车辆与小型车辆时,则执行步骤S503,当车距信息为大型车辆与大型车辆时,则执行步骤S504,当车距信息为小型车辆与大型车辆时,则执行步骤S505;
S503. 系统判断小型车辆与小型车辆的车距信息是否处于小型车辆与小型车辆的车距阈值区间,当不处于时,则进行风险预警;
S504. 系统判断大型车辆与大型车辆的车距信息是否处于大型车辆与大型车辆的车距阈值区间,当不处于时,则进行风险预警;
S505. 系统判断小型车辆与大型车辆的车距信息是否处于小型车辆与大型车辆的车距阈值区间,当不处于时,则进行风险预警。
实施例3
在实施例1的基础上,所述一种基于车联网的车队协调行驶系统,包括:
车辆信息采集单元,对路线信息、车辆信息和车距信息进行采集;
车辆风险判断单元,通过车辆信息,结合用户上传的路线信息对车辆风险进行判断;
车辆车型判断单元,通过车辆信息,对车辆车型进行判断;
车辆编号单元,通过车辆车型,对相应车型进行编号;
车辆车距计算单元,通过车距信息,结合车距阈值区间进行判断;
车辆预警单元,对车辆进行语音预警提示;
车辆权限管理单元,对对应编号车辆提供相应权限。
其中,所述路线信息为户上传的目标路线信息;所述车辆信息包括车辆车型信息、车辆车高信息和车辆车重信息;所述车距信息为两相邻车辆的车距信息。
所述车辆风险判断为判断车辆车重和车辆车高,当所述车辆车重大于车辆限重信息或所述车辆车高大于车辆限高信息时,则该车辆不纳入车队,当所述车辆车重不大于车辆限重信息或所述车辆车高不大于车辆限高信息时,则对车辆车型进行判断。
所述车辆车型判断为判断车辆为小型车辆或大型车辆。
所以车辆编号为对小型车辆进行统计,并对小型车辆进行前序车辆编号,所述前序车辆编号为a1、a2…an,其中,n大于等于0且n为正整数;并对大型车辆进行统计,对大型车辆进行后序车辆编号,所述后序车辆编号为b1、b2…bm,其中,m大于等于0且m为正整数;
所述车辆车距计算具体为采集两相邻车辆的车距信息,所述车距信息包括小型车辆与小型车辆的车距信息、大型车辆与大型车辆的车距信息和小型车辆与大型车辆的车距信息;对车距信息进行分析,并选择相应车距阈值进行判断,其中,所述车距阈值区间包括小型车辆与小型车辆的车距阈值区间、大型车辆与大型车辆的车距阈值区间和小型车辆与大型车辆的车距阈值区间,当车距信息为小型车辆与小型车辆时,判断小型车辆与小型车辆的车距信息是否处于小型车辆与小型车辆的车距阈值区间,当不处于时,则进行风险预警;当车距信息为大型车辆与大型车辆时,判断大型车辆与大型车辆的车距信息是否处于大型车辆与大型车辆的车距阈值区间,当不处于时,则进行风险预警;当车距信息为小型车辆与大型车辆时,判断小型车辆与大型车辆的车距信息是否处于小型车辆与大型车辆的车距阈值区间,当不处于时,则进行风险预警。
所述车辆权限管理为对前序车辆编号为a1的小型车辆和后序车辆编号为b1的大型车辆提供语音权限,所述前序车辆编号为a1的小型车辆和后序车辆编号为b1的大型车辆通过语音权限对车队内车辆进行语音调控。
实施例4
如图2,在实施例1的基础上,本实施例提出一种基于车联网的车队协调行驶的终端设备,终端设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)211和/或高速缓存存储器212,还可以进一步包括只读存储器(ROM)213。
其中,存储器210还存储有计算机程序,计算机程序可以被处理器220执行,使得处理器220执行本申请实施例中上述任一项一种基于车联网的车队协调行驶方法,其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。存储器210还可以包括具有一组(至少一个)程序模块215的程序/实用工具214,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的,处理器220可以执行上述计算机程序,以及可以执行程序/实用工具214。
总线230可以为表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
终端设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信,还可与一个或者多个能够与该终端设备200交互的设备通信,和/或与使得该终端设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,终端设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与终端设备200的其它模块通信。应当明白,尽管图中未示出,可以结合终端设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
实施例5
在实施例1的基础上,本实施例提出一种基于车联网的车队协调行驶的计算机可读存储介质,所述计算机可读存储介质上存储有指令,该指令被处理器执行时实现上述任一的一种基于车联网的车队协调行驶方法。其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
图3示出了本实施例提供的用于实现上述方法的程序产品300,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品300不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种基于车联网的车队协调行驶方法,其特征在于,包括以下步骤:
S1. 通过GPS定位对所有车辆进行位置采集,并对车辆进行车辆信息采集;
S2. 判断车辆车型,若为小型车辆,则执行步骤S3,若为大型车辆,则执行步骤S4;
S3. 对小型车辆进行统计,并对小型车辆进行前序车辆编号,所述前序车辆编号为a1、a2…an,其中,n大于等于0且n为正整数;
S4. 对大型车辆进行统计,对大型车辆进行后序车辆编号,所述后序车辆编号为b1、b2…bm,其中,m大于等于0且m为正整数;
S5. 通过前序车辆编号和后序车辆编号对小型车辆和大型车辆进行车队排序,车辆按车队排序行驶;
其中,所述车队排序具体为:
S501. 将小型车辆根据前序车辆编号由小到大依次纵向排列;
S502. 将大型车辆根据后序车辆编号由小到大依次纵向排列;
S503. 将前序车辆编号为an的小型车辆排序至后序车辆编号为b1的大型车辆前方。
2.根据权利要求1所述的一种基于车联网的车队协调行驶方法,其特征在于,所述车辆信息采集具体为:对车辆车型、车辆车高、车辆车重进行采集,得到车辆车型信息、车辆车高信息和车辆车重信息。
3.根据权利要求2所述的一种基于车联网的车队协调行驶方法,其特征在于,还包括预步骤S0:用户上传目标路线信息,通过目标路线信息结合车联网云平台提取外部导航系统的路线限制信息,所述路线限制信息包括车辆限高信息、车辆限重信息。
4.根据权利要求3所述的一种基于车联网的车队协调行驶方法,其特征在于,所述步骤S2还包括判断车辆车重和车辆车高,当所述车辆车重大于车辆限重信息或所述车辆车高大于车辆限高信息时,则该车辆不纳入车队,当所述车辆车重不大于车辆限重信息或所述车辆车高不大于车辆限高信息时,则对车辆车型进行判断。
5.根据权利要求1所述的一种基于车联网的车队协调行驶方法,其特征在于,还包括步骤S6,所述对前序车辆编号为a1的小型车辆和后序车辆编号为b1的大型车辆提供语音权限,所述前序车辆编号为a1的小型车辆和后序车辆编号为b1的大型车辆通过语音权限对车队内车辆进行语音调控。
6.根据权利要求1所述的一种基于车联网的车队协调行驶方法,其特征在于,所述车辆按车队排序行驶具体为,车辆按车队排序行驶,对车队内车辆进行实时位置信息采集,通过实时位置信息,采集两相邻车辆的车距信息,并通过车距信息和设定的车距阈值区间判断车距风险,当车距信息处于车距阈值区间之内,则进行风险预警。
7.根据权利要求6所述的一种基于车联网的车队协调行驶方法,其特征在于,所述风险预警为语音提示相应两相邻车辆进行车距控制。
8.根据权利要求6所述的一种基于车联网的车队协调行驶方法,其特征在于,所述判断车距风险具体包括以下子步骤:
S501. 采集两相邻车辆的车距信息,所述车距信息包括小型车辆与小型车辆的车距信息、大型车辆与大型车辆的车距信息和小型车辆与大型车辆的车距信息;
S502. 对车距信息进行分析,并选择相应车距阈值进行判断,其中,所述车距阈值区间包括小型车辆与小型车辆的车距阈值区间、大型车辆与大型车辆的车距阈值区间和小型车辆与大型车辆的车距阈值区间,当车距信息为小型车辆与小型车辆时,则执行步骤S503,当车距信息为大型车辆与大型车辆时,则执行步骤S504,当车距信息为小型车辆与大型车辆时,则执行步骤S505;
S503. 判断小型车辆与小型车辆的车距信息是否处于小型车辆与小型车辆的车距阈值区间,当不处于时,则进行风险预警;
S504. 判断大型车辆与大型车辆的车距信息是否处于大型车辆与大型车辆的车距阈值区间,当不处于时,则进行风险预警;
S505. 判断小型车辆与大型车辆的车距信息是否处于小型车辆与大型车辆的车距阈值区间,当不处于时,则进行风险预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111482979.7A CN114005297B (zh) | 2021-12-07 | 2021-12-07 | 一种基于车联网的车队协调行驶方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111482979.7A CN114005297B (zh) | 2021-12-07 | 2021-12-07 | 一种基于车联网的车队协调行驶方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114005297A true CN114005297A (zh) | 2022-02-01 |
CN114005297B CN114005297B (zh) | 2023-05-02 |
Family
ID=79931399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111482979.7A Active CN114005297B (zh) | 2021-12-07 | 2021-12-07 | 一种基于车联网的车队协调行驶方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114005297B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463986A (zh) * | 2022-04-07 | 2022-05-10 | 成都车晓科技有限公司 | 一种车联网车路协同方法 |
CN114582115A (zh) * | 2022-04-11 | 2022-06-03 | 成都车晓科技有限公司 | 一种基于v2x的车队交通调度系统及调度方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120283942A1 (en) * | 2009-11-12 | 2012-11-08 | T Siobbel Stephen | Navigation system with live speed warning for merging traffic flow |
US20130096815A1 (en) * | 2011-10-07 | 2013-04-18 | Telogis, Inc. | Vehicle fleet routing system |
CN104157156A (zh) * | 2014-08-07 | 2014-11-19 | 昆明理工大学 | 一种高速公路危险路段车速动态管理预警方法 |
CN105575183A (zh) * | 2014-01-26 | 2016-05-11 | 浙江吉利控股集团有限公司 | 一种车辆行驶预警方法 |
CN108615383A (zh) * | 2018-05-14 | 2018-10-02 | 吉林大学 | 一种基于车间通信的汽车交通路口辅助通行系统及其控制方法 |
CN109448369A (zh) * | 2018-10-26 | 2019-03-08 | 中交第公路勘察设计研究院有限公司 | 高速公路实时运行风险计算方法 |
CN110209990A (zh) * | 2019-05-22 | 2019-09-06 | 中山大学 | 一种基于车辆身份检测数据的单辆车排放轨迹计算方法 |
US20190279440A1 (en) * | 2014-09-23 | 2019-09-12 | Autoconnect Holdings Llc | Fleetwide vehicle telematics systems and methods |
CN111182446A (zh) * | 2019-12-31 | 2020-05-19 | 成都车晓科技有限公司 | 一种基于复杂环境下车辆位置管理方法及系统 |
CN111341110A (zh) * | 2020-05-22 | 2020-06-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 信号协调控制子区划分方法、装置、存储介质及终端设备 |
US20200265721A1 (en) * | 2019-02-15 | 2020-08-20 | Omnitracs, Llc | Control system for platooning of vehicles |
CN111768612A (zh) * | 2020-07-10 | 2020-10-13 | 江苏智能交通及智能驾驶研究院 | 基于c-v2x的车辆编队行驶策略控制方法 |
CN112435474A (zh) * | 2020-11-20 | 2021-03-02 | 吉林大学 | 面向追尾风险防控的高速公路可变限速控制系统及控制方法 |
US20210318695A1 (en) * | 2020-04-08 | 2021-10-14 | Pony Ai Inc. | System and method for fleet management |
-
2021
- 2021-12-07 CN CN202111482979.7A patent/CN114005297B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120283942A1 (en) * | 2009-11-12 | 2012-11-08 | T Siobbel Stephen | Navigation system with live speed warning for merging traffic flow |
US20130096815A1 (en) * | 2011-10-07 | 2013-04-18 | Telogis, Inc. | Vehicle fleet routing system |
CN105575183A (zh) * | 2014-01-26 | 2016-05-11 | 浙江吉利控股集团有限公司 | 一种车辆行驶预警方法 |
CN104157156A (zh) * | 2014-08-07 | 2014-11-19 | 昆明理工大学 | 一种高速公路危险路段车速动态管理预警方法 |
US20190279440A1 (en) * | 2014-09-23 | 2019-09-12 | Autoconnect Holdings Llc | Fleetwide vehicle telematics systems and methods |
CN108615383A (zh) * | 2018-05-14 | 2018-10-02 | 吉林大学 | 一种基于车间通信的汽车交通路口辅助通行系统及其控制方法 |
CN109448369A (zh) * | 2018-10-26 | 2019-03-08 | 中交第公路勘察设计研究院有限公司 | 高速公路实时运行风险计算方法 |
US20200265721A1 (en) * | 2019-02-15 | 2020-08-20 | Omnitracs, Llc | Control system for platooning of vehicles |
CN110209990A (zh) * | 2019-05-22 | 2019-09-06 | 中山大学 | 一种基于车辆身份检测数据的单辆车排放轨迹计算方法 |
CN111182446A (zh) * | 2019-12-31 | 2020-05-19 | 成都车晓科技有限公司 | 一种基于复杂环境下车辆位置管理方法及系统 |
US20210318695A1 (en) * | 2020-04-08 | 2021-10-14 | Pony Ai Inc. | System and method for fleet management |
CN111341110A (zh) * | 2020-05-22 | 2020-06-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 信号协调控制子区划分方法、装置、存储介质及终端设备 |
CN111768612A (zh) * | 2020-07-10 | 2020-10-13 | 江苏智能交通及智能驾驶研究院 | 基于c-v2x的车辆编队行驶策略控制方法 |
CN112435474A (zh) * | 2020-11-20 | 2021-03-02 | 吉林大学 | 面向追尾风险防控的高速公路可变限速控制系统及控制方法 |
Non-Patent Citations (1)
Title |
---|
王燕军等: "北京市2017年动态交通流模型开发和模拟" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463986A (zh) * | 2022-04-07 | 2022-05-10 | 成都车晓科技有限公司 | 一种车联网车路协同方法 |
CN114463986B (zh) * | 2022-04-07 | 2022-07-15 | 北京车晓科技有限公司 | 一种车联网车路协同方法 |
CN114582115A (zh) * | 2022-04-11 | 2022-06-03 | 成都车晓科技有限公司 | 一种基于v2x的车队交通调度系统及调度方法 |
CN114582115B (zh) * | 2022-04-11 | 2022-08-19 | 北京车晓科技有限公司 | 一种基于v2x的车队交通调度系统及调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114005297B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10703381B2 (en) | Intelligent vehicle action decisions | |
WO2020034903A1 (zh) | 一种基于拓扑图的智能导航的方法和系统 | |
CN104683405B (zh) | 在车联网中集群服务器分发地图匹配任务的方法和装置 | |
CN114005297B (zh) | 一种基于车联网的车队协调行驶方法 | |
US11718306B2 (en) | Method and apparatus for acquiring sample deviation data, and electronic device | |
US20230103040A1 (en) | Vehicle travel control method and apparatus | |
EP3951741A2 (en) | Method for acquiring traffic state, relevant apparatus, roadside device and cloud control platform | |
US20180274934A1 (en) | Cognitive-Based Driving Anomaly Detection Based on Spatio-Temporal Landscape-Specific Driving Models | |
CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
CN114993335A (zh) | 一种自动驾驶路径规划方法、装置、电子设备及存储介质 | |
CN116453343A (zh) | 智能网联环境下基于流量预测的智能交通信号控制优化算法、软件与系统 | |
US20230339502A1 (en) | Safety measurement of autonomous vehicle driving | |
CN115017742A (zh) | 自动驾驶测试场景生成方法、装置、设备及存储介质 | |
CN109784129A (zh) | 信息输出方法和装置 | |
US20230339459A1 (en) | Safety measurement of autonomous vehicle driving in simulation | |
CN109885392A (zh) | 分配车载计算资源的方法以及装置 | |
CN115454082A (zh) | 车辆避障方法及系统、计算机可读存储介质和电子设备 | |
CN109829004A (zh) | 基于无人车的数据处理方法、装置、设备以及存储介质 | |
CN114495478A (zh) | 车队控制方法、装置、介质、电子设备 | |
CN113624245B (zh) | 导航方法及装置、计算机存储介质、电子设备 | |
CN115257692A (zh) | 一种基于视觉交通信息的phev能量管理方法及系统 | |
JP2022106854A (ja) | 交差点状況特定方法、装置、電子機器、記憶媒体及びコンピュータプログラム | |
CN113799799A (zh) | 一种安全补偿方法、装置、存储介质及电子设备 | |
CN114218504A (zh) | 阻断路段识别方法、装置、电子设备及存储介质 | |
CN113514073A (zh) | 一种车联网智能导航越障方法、装置和电子设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230418 Address after: Room 3502, 35 / F, building 11, Wangjing Dongyuan, Chaoyang District, Beijing Applicant after: BEIJING CHEXIAO TECHNOLOGY CO.,LTD. Address before: No. 3903, 39 / F, building 2, No. 530, middle section of Tianfu Avenue, high tech Zone, Chengdu, Sichuan 610000 Applicant before: Chengdu chexiao Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |