CN114141012A - 一种基于nlp算法的不按路线行驶预警处理方法和系统 - Google Patents
一种基于nlp算法的不按路线行驶预警处理方法和系统 Download PDFInfo
- Publication number
- CN114141012A CN114141012A CN202111403820.1A CN202111403820A CN114141012A CN 114141012 A CN114141012 A CN 114141012A CN 202111403820 A CN202111403820 A CN 202111403820A CN 114141012 A CN114141012 A CN 114141012A
- Authority
- CN
- China
- Prior art keywords
- data
- route
- early warning
- vehicle
- nlp algorithm
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- 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
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于NLP算法的不按路线行驶预警处理方法和系统,属于交通路面监控技术领域,该系统基于内置的不按路线行驶预警处理方法进行操作,包括数据采集层、数据处理层以及数据分析层,所述数据采集层,通过平台服务器来采集抓拍的图片数据;所述数据处理层,进行基于NLP算法处理的路线判别。该基于NLP算法的不按路线行驶预警处理方法和系统,通过在关键线路卡口处安装摄像头抓拍通行车辆并上传到服务器,使用NLP算法对采集到的车辆地理位置数据与电子准运证中计划路线的数据进行文字相似度对比分析,自动判别路线是否偏离并实时发出预警,代替了人工判别的工作,大大提高了判别的准确率和监管效率。
Description
技术领域
本发明属于交通路面监控技术领域,具体为一种基于NLP算法的不按路线行驶预警处理方法和系统。
背景技术
在传统的车辆路线偏离预警方法中,虽然引入了利用在关键线路路口安装摄像头对通行车辆进行抓拍的技术,但对车辆路线偏离的判别和预警完全由监管人员实施,监管人员通过判断车辆通行的路口是否包含在预定路线内进行路线偏离预警,由于工作量较大,导致效率较低,且容易引发道德风险,不仅人力成本较高,工作质量也无法得到保障。人工预警处理的方法无法保证车辆安全规范地按预定路线行驶,不能做到及时发现并解决问题,安全风险较大,可以总结出以下缺点:
1、工作效率低、人工成本高:由于抓拍的图像数据量较大,人工处理分析的工作量大、工作难度较高,从而导致工作效率低下,过高的劳动强度和专业度使人力成本过高。
2、时效性差:人工判别车辆是否按路线行驶对主观经验依赖性较大,由于判别所需时间较长,很多时候无法及时发布预警处理,时效性较差。
3、道德风险高,监管成本高:完全依赖专业人员进行路线偏离判别容易引发道德风险,从而大大增加了对人员的监督和管理成本。
因此,为了解决上述问题,亟需引入可以对车辆不按路线行驶进行自动判别和预警的技术。
发明内容
针对现有技术的不足,本发明提供了一种基于NLP算法的不按路线行驶预警处理方法和系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于NLP算法的不按路线行驶预警处理方法,包括以下步骤:
S1、基于GIS技术在交通路面的关键线路卡口处安装用于路面抓拍的摄像头;
S2、基于定位技术在通行车辆上安装有用于获得车辆通行路线和所在位置的车载定位系统;
S3、摄像头在卡口处对通行车辆进行抓拍,图片数据上传至预警处理系统的平台服务器中;
S4、预警处理系统平台基于通行车辆的电子准运证获取通行车辆的计划路线数据;
S5、预警处理系统平台基于通行车辆的车载定位系统获取通行车辆的实际路线数据;
S6、预警处理系统平台基于上传的图片数据获取通行车辆的地理位置数据信息以及通行车辆的相关数据信息;
S7、结合步骤S5和S6获取的数据信息基于NLP算法进行通行车辆的地理位置分析;
S8、基于NLP算法对通行车辆进行路线判别以及路线预警;
S9、对步骤S8分析出的结果进行数据图表的绘制、数据的量化分析以及实时的偏离预警。
进一步优化本技术方案,所述S2中,通行车辆上的车载定位系统要求24小时全程在线进行定位管理。
进一步优化本技术方案,所述S6中,通行车辆的相关数据信息包括车牌号、车牌颜色以及车辆种类在内的车辆数据信息。
进一步优化本技术方案,所述S7中,所述地理位置分析包括以下具体步骤:
S701、从关键线路卡口处摄像头抓拍的图片中获取通行车辆的相关数据信息;
S702、结合卡口的位置数据判断通行车辆在实际行驶过程中是否通过所设置的卡口,筛选所有符合条件的相关通行车辆;
S703、对筛选出的通行车辆进行最终的车辆确定,得到目的车辆的地理位置信息。
进一步优化本技术方案,所述S8中,所述路线判别以及路线预警包括以下具体步骤:
S801、对采集到的车辆地理位置数据与电子准运证中计划路线的数据进行文字相似度对比分析;
S802、计算出车辆行驶路线相似度,相似度大于预设数值说明通行车辆按规定路线行驶,相似度小于预设数值说明通行车辆不按规定路线行驶;
S803、对不按规定路线行驶的通行车辆进行预警,提醒车辆按电子准运证中计划路线进行行驶。
一种基于NLP算法的不按路线行驶预警处理系统,其特征在于,该预警处理系统内置有上述基于NLP算法的不按路线行驶预警处理方法,所述预警处理系统包括数据采集层、数据处理层以及数据分析层;
所述数据采集层,通过平台服务器来采集抓拍的图片数据;
所述数据处理层,基于电子准运证信息和抓拍图片数据进行基于NLP算法处理的路线判别;
所述数据分析层,用于数据图表的绘制、数据的量化分析以及实时的偏离预警。
进一步优化本技术方案,所述数据处理层中的NLP算法包括:
获取单元和收集单元,用于分别接收来自电子准运证信息以及抓拍的图片数据;
编码模块,用于对电子准运证信息进行非结构化数据分析;
训练单元,用于将电子准运证信息的非结构化数据进行模型训练;
输入单元,用于对图片数据进行实际的地理位置的数据相似度分析;
输出单元,用于输出路线判别结果。
进一步优化本技术方案,所述编码模块包括执行模块以及启动模块;所述输入单元包括输入模块以及获取模块。
进一步优化本技术方案,所述NLP算法中还包括有文字纠错模块,用于对通行车辆的形式路线进行纠偏。
与现有技术相比,本发明提供了一种基于NLP算法的不按路线行驶预警处理方法和系统,具备以下有益效果:
该基于NLP算法的不按路线行驶预警处理方法和系统,通过在关键线路卡口处安装摄像头抓拍通行车辆并上传到服务器,使用NLP算法对采集到的车辆地理位置数据与电子准运证中计划路线的数据进行文字相似度对比分析,自动判别路线是否偏离并实时发出预警,代替了人工判别的工作,大大提高了判别的准确率和监管效率,加强了对车辆安全规范的监督。
附图说明
图1为本发明提出的一种基于NLP算法的不按路线行驶预警处理系统的整体框架示意图;
图2为本发明提出的一种基于NLP算法的不按路线行驶预警处理方法和系统中的NLP算法的功能框架图。
具体实施方式
下面将结合本发明的实施例,对本发明实施例中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他实施例,都属于本发明保护的范围。
实施例一:
一种基于NLP算法的不按路线行驶预警处理方法,包括以下步骤:
S1、基于GIS技术在交通路面的关键线路卡口处安装用于路面抓拍的摄像头;
S2、基于定位技术在通行车辆上安装有用于获得车辆通行路线和所在位置的车载定位系统;
S3、摄像头在卡口处对通行车辆进行抓拍,图片数据上传至预警处理系统的平台服务器中;
S4、预警处理系统平台基于通行车辆的电子准运证获取通行车辆的计划路线数据;
S5、预警处理系统平台基于通行车辆的车载定位系统获取通行车辆的实际路线数据;
S6、预警处理系统平台基于上传的图片数据获取通行车辆的地理位置数据信息以及通行车辆的相关数据信息;
S7、结合步骤S5和S6获取的数据信息基于NLP算法进行通行车辆的地理位置分析;
S8、基于NLP算法对通行车辆进行路线判别以及路线预警;
S9、对步骤S8分析出的结果进行数据图表的绘制、数据的量化分析以及实时的偏离预警。
具体的,所述S2中,通行车辆上的车载定位系统要求24小时全程在线进行定位管理。
具体的,所述S6中,通行车辆的相关数据信息包括车牌号、车牌颜色以及车辆种类在内的车辆数据信息。
具体的,所述S7中,所述地理位置分析包括以下具体步骤:
S701、从关键线路卡口处摄像头抓拍的图片中获取通行车辆的相关数据信息;
S702、结合卡口的位置数据判断通行车辆在实际行驶过程中是否通过所设置的卡口,筛选所有符合条件的相关通行车辆;
S703、对筛选出的通行车辆进行最终的车辆确定,得到目的车辆的地理位置信息。
具体的,所述S8中,所述路线判别以及路线预警包括以下具体步骤:
S801、对采集到的车辆地理位置数据与电子准运证中计划路线的数据进行文字相似度对比分析;
S802、计算出车辆行驶路线相似度,相似度大于预设数值说明通行车辆按规定路线行驶,相似度小于预设数值说明通行车辆不按规定路线行驶;
S803、对不按规定路线行驶的通行车辆进行预警,提醒车辆按电子准运证中计划路线进行行驶。
如图1所示,一种基于NLP算法的不按路线行驶预警处理系统,其特征在于,该预警处理系统内置有上述基于NLP算法的不按路线行驶预警处理方法,所述预警处理系统包括数据采集层、数据处理层以及数据分析层;
所述数据采集层,通过平台服务器来采集抓拍的图片数据;
所述数据处理层,基于电子准运证信息和抓拍图片数据进行基于NLP算法处理的路线判别;
所述数据分析层,用于数据图表的绘制、数据的量化分析以及实时的偏离预警。
如图2所示,具体的,所述数据处理层中的NLP算法包括:
获取单元和收集单元,用于分别接收来自电子准运证信息以及抓拍的图片数据;
编码模块,用于对电子准运证信息进行非结构化数据分析;
训练单元,用于将电子准运证信息的非结构化数据进行模型训练;
输入单元,用于对图片数据进行实际的地理位置的数据相似度分析;
输出单元,用于输出路线判别结果。
具体的,所述编码模块包括执行模块以及启动模块;所述输入单元包括输入模块以及获取模块。
具体的,所述NLP算法中还包括有文字纠错模块,用于对通行车辆的形式路线进行纠偏。
实施例二:
基于实施例一所述的基于NLP算法的不按路线行驶预警处理方法和系统,将采集到的图像数据转化为包含地理位置信息的文本数据,通过NLP算法将车辆实际行驶路线过程中的地理位置数据与计划路线的数据进行相似度分析。其中,在解决对不按路线行驶的渣土车进行实时预警的问题时,包括以下具体内容:
NLP算法可对渣土车实际行驶的地理位置数据与电子准运证中的计划路线数据进行对比分析,通过文本相似度判断渣土车是否按规定路线行驶,对不按规定路线行驶的车辆发送预警。渣土车上有车载定位系统,要求24小时在线,可以获得渣土车运输过程位置信息,从建筑垃圾产生源到建筑垃圾消纳场,运输过程位置信息更加真实可信;渣土车的每一条运输路线都由相关卡口组成。通过与有关部门的工作对接,渣土车经过相关卡口时,由摄像头进行无差别抓拍,通过运输路线内的卡口抓拍,可以得到渣土车通行的图像数据,从而得出特定车辆的地理位置数据。从路口抓拍的图片中可以得到通行车辆的车牌信息包括车牌号、车牌颜色、车辆种类等,可筛选所有工程相关的车辆进行地理位置分析,即结合卡口的位置数据判断车辆在实际行驶过程中是否通过所设置的卡口,使用NLP算法对采集到的车辆地理位置数据与电子准运证中计划路线的数据进行文字相似度对比分析,计算出车辆行驶路线相似度,相似度大于规定数值说明渣土车按规定路线行驶,相似度小于规定数值说明渣土车不按规定路线行驶,对不按规定路线行驶的渣土车进行预警。同时,可利用NLP算法的文字纠错功能对渣土车行驶路线进行纠偏。
本发明的有益效果是:
该基于NLP算法的不按路线行驶预警处理方法和系统,通过在关键线路卡口处安装摄像头抓拍通行车辆并上传到服务器,使用NLP算法对采集到的车辆地理位置数据与电子准运证中计划路线的数据进行文字相似度对比分析,自动判别路线是否偏离并实时发出预警,代替了人工判别的工作,大大提高了判别的准确率和监管效率,加强了对车辆安全规范的监督。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于NLP算法的不按路线行驶预警处理方法,其特征在于,包括以下步骤:
S1、基于GIS技术在交通路面的关键线路卡口处安装用于路面抓拍的摄像头;
S2、基于定位技术在通行车辆上安装有用于获得车辆通行路线和所在位置的车载定位系统;
S3、摄像头在卡口处对通行车辆进行抓拍,图片数据上传至预警处理系统的平台服务器中;
S4、预警处理系统平台基于通行车辆的电子准运证获取通行车辆的计划路线数据;
S5、预警处理系统平台基于通行车辆的车载定位系统获取通行车辆的实际路线数据;
S6、预警处理系统平台基于上传的图片数据获取通行车辆的地理位置数据信息以及通行车辆的相关数据信息;
S7、结合步骤S5和S6获取的数据信息基于NLP算法进行通行车辆的地理位置分析;
S8、基于NLP算法对通行车辆进行路线判别以及路线预警;
S9、对步骤S8分析出的结果进行数据图表的绘制、数据的量化分析以及实时的偏离预警。
2.根据权利要求1所述的一种基于NLP算法的不按路线行驶预警处理方法,其特征在于,所述S2中,通行车辆上的车载定位系统要求24小时全程在线进行定位管理。
3.根据权利要求1所述的一种基于NLP算法的不按路线行驶预警处理方法,其特征在于,所述S6中,通行车辆的相关数据信息包括车牌号、车牌颜色以及车辆种类在内的车辆数据信息。
4.根据权利要求1所述的一种基于NLP算法的不按路线行驶预警处理方法,其特征在于,所述S7中,进一步的,所述地理位置分析包括以下具体步骤:
S701、从关键线路卡口处摄像头抓拍的图片中获取通行车辆的相关数据信息;
S702、结合卡口的位置数据判断通行车辆在实际行驶过程中是否通过所设置的卡口,筛选所有符合条件的相关通行车辆;
S703、对筛选出的通行车辆进行最终的车辆确定,得到目的车辆的地理位置信息。
5.根据权利要求1所述的一种基于NLP算法的不按路线行驶预警处理方法,其特征在于,所述S8中,进一步的,所述路线判别以及路线预警包括以下具体步骤:
S801、对采集到的车辆地理位置数据与电子准运证中计划路线的数据进行文字相似度对比分析;
S802、计算出车辆行驶路线相似度,相似度大于预设数值说明通行车辆按规定路线行驶,相似度小于预设数值说明通行车辆不按规定路线行驶;
S803、对不按规定路线行驶的通行车辆进行预警,提醒车辆按电子准运证中计划路线进行行驶。
6.一种基于NLP算法的不按路线行驶预警处理系统,其特征在于,该预警处理系统内置有权利要求1-5任一项的所述基于NLP算法的不按路线行驶预警处理方法,所述预警处理系统包括数据采集层、数据处理层以及数据分析层;
所述数据采集层,通过平台服务器来采集抓拍的图片数据;
所述数据处理层,基于电子准运证信息和抓拍图片数据进行基于NLP算法处理的路线判别;
所述数据分析层,用于数据图表的绘制、数据的量化分析以及实时的偏离预警。
7.根据权利要求6所述的一种基于NLP算法的不按路线行驶预警处理系统,其特征在于,
进一步的,所述数据处理层中的NLP算法包括:
获取单元和收集单元,用于分别接收来自电子准运证信息以及抓拍的图片数据;
编码模块,用于对电子准运证信息进行非结构化数据分析;
训练单元,用于将电子准运证信息的非结构化数据进行模型训练;
输入单元,用于对图片数据进行实际的地理位置的数据相似度分析;
输出单元,用于输出路线判别结果。
8.根据权利要求7所述的一种基于NLP算法的不按路线行驶预警处理系统,其特征在于,
更进一步的,所述编码模块包括执行模块以及启动模块;所述输入单元包括输入模块以及获取模块。
9.根据权利要求7所述的一种基于NLP算法的不按路线行驶预警处理系统,其特征在于,所述NLP算法中还包括有文字纠错模块,用于对通行车辆的形式路线进行纠偏。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111403820.1A CN114141012B (zh) | 2021-11-24 | 2021-11-24 | 一种基于nlp算法的不按路线行驶预警处理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111403820.1A CN114141012B (zh) | 2021-11-24 | 2021-11-24 | 一种基于nlp算法的不按路线行驶预警处理方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114141012A true CN114141012A (zh) | 2022-03-04 |
CN114141012B CN114141012B (zh) | 2022-11-15 |
Family
ID=80391221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111403820.1A Active CN114141012B (zh) | 2021-11-24 | 2021-11-24 | 一种基于nlp算法的不按路线行驶预警处理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114141012B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017045370A (ja) * | 2015-08-28 | 2017-03-02 | いすゞ自動車株式会社 | 車線逸脱警報装置および車線逸脱警報制御方法 |
CN106875675A (zh) * | 2017-04-28 | 2017-06-20 | 南京云趟信息技术有限公司 | 一种快速识别渣土车偏离行驶的检测系统和方法 |
CN107610274A (zh) * | 2017-10-10 | 2018-01-19 | 南京瑞安腾企业管理咨询有限公司 | 一种北斗系统的车道偏离预警终端 |
CN109637112A (zh) * | 2018-11-23 | 2019-04-16 | 江苏省南京市公安局交通管理局车辆管理所 | 重点车辆源头动态监管系统及监控方法 |
CN109830102A (zh) * | 2019-02-14 | 2019-05-31 | 重庆邮电大学 | 一种面向复杂城市交通网络的短时交通流量预测方法 |
US20190311713A1 (en) * | 2018-04-05 | 2019-10-10 | GM Global Technology Operations LLC | System and method to fulfill a speech request |
CN209852173U (zh) * | 2018-02-09 | 2019-12-27 | 青岛科技大学 | 一种车道偏离预警系统 |
US20200192397A1 (en) * | 2018-12-13 | 2020-06-18 | Here Global B.V. | Methods and systems for determining positional offset associated with a road sign |
CN111762096A (zh) * | 2020-06-27 | 2020-10-13 | 王亚鹏 | 一种基于人工智能的新能源汽车安全预警方法及系统 |
CN211890848U (zh) * | 2019-11-19 | 2020-11-10 | 山东远联信息科技有限公司 | 一种基于nlp技术的智能客服机器人 |
CN112037506A (zh) * | 2020-07-29 | 2020-12-04 | 长安大学 | 车辆轨迹预测模型构建方法、车辆轨迹预测方法及系统 |
CN112712701A (zh) * | 2021-01-06 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 基于识别装置的路线确定方法、装置、设备及存储介质 |
CN112749674A (zh) * | 2021-01-20 | 2021-05-04 | 青岛以萨数据技术有限公司 | 一种渣土车预警方法、设备、系统及存储介质 |
CN112786205A (zh) * | 2020-12-31 | 2021-05-11 | 医渡云(北京)技术有限公司 | 基于数据模型的症候群预警方法、装置、介质及设备 |
CN113283539A (zh) * | 2021-06-15 | 2021-08-20 | 苏州市吴江区平望镇人民政府 | 一种基于深度学习的违规渣土车检测的方法及系统 |
CN113611123A (zh) * | 2021-10-09 | 2021-11-05 | 智广海联(天津)大数据技术有限公司 | 渣土车辅助研判治理方法和系统 |
-
2021
- 2021-11-24 CN CN202111403820.1A patent/CN114141012B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017045370A (ja) * | 2015-08-28 | 2017-03-02 | いすゞ自動車株式会社 | 車線逸脱警報装置および車線逸脱警報制御方法 |
CN106875675A (zh) * | 2017-04-28 | 2017-06-20 | 南京云趟信息技术有限公司 | 一种快速识别渣土车偏离行驶的检测系统和方法 |
CN107610274A (zh) * | 2017-10-10 | 2018-01-19 | 南京瑞安腾企业管理咨询有限公司 | 一种北斗系统的车道偏离预警终端 |
CN209852173U (zh) * | 2018-02-09 | 2019-12-27 | 青岛科技大学 | 一种车道偏离预警系统 |
US20190311713A1 (en) * | 2018-04-05 | 2019-10-10 | GM Global Technology Operations LLC | System and method to fulfill a speech request |
CN109637112A (zh) * | 2018-11-23 | 2019-04-16 | 江苏省南京市公安局交通管理局车辆管理所 | 重点车辆源头动态监管系统及监控方法 |
US20200192397A1 (en) * | 2018-12-13 | 2020-06-18 | Here Global B.V. | Methods and systems for determining positional offset associated with a road sign |
CN109830102A (zh) * | 2019-02-14 | 2019-05-31 | 重庆邮电大学 | 一种面向复杂城市交通网络的短时交通流量预测方法 |
CN211890848U (zh) * | 2019-11-19 | 2020-11-10 | 山东远联信息科技有限公司 | 一种基于nlp技术的智能客服机器人 |
CN111762096A (zh) * | 2020-06-27 | 2020-10-13 | 王亚鹏 | 一种基于人工智能的新能源汽车安全预警方法及系统 |
CN112037506A (zh) * | 2020-07-29 | 2020-12-04 | 长安大学 | 车辆轨迹预测模型构建方法、车辆轨迹预测方法及系统 |
CN112786205A (zh) * | 2020-12-31 | 2021-05-11 | 医渡云(北京)技术有限公司 | 基于数据模型的症候群预警方法、装置、介质及设备 |
CN112712701A (zh) * | 2021-01-06 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 基于识别装置的路线确定方法、装置、设备及存储介质 |
CN112749674A (zh) * | 2021-01-20 | 2021-05-04 | 青岛以萨数据技术有限公司 | 一种渣土车预警方法、设备、系统及存储介质 |
CN113283539A (zh) * | 2021-06-15 | 2021-08-20 | 苏州市吴江区平望镇人民政府 | 一种基于深度学习的违规渣土车检测的方法及系统 |
CN113611123A (zh) * | 2021-10-09 | 2021-11-05 | 智广海联(天津)大数据技术有限公司 | 渣土车辅助研判治理方法和系统 |
Non-Patent Citations (1)
Title |
---|
"陕汽环保渣土车将为建设美丽银川出力", 《驾驶园》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114141012B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111897318B (zh) | 基于无人船的水体污染智能调查方法及装置 | |
CN107782564B (zh) | 一种自动驾驶车辆测评系统及方法 | |
CN116168356B (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
CN114693003B (zh) | 一种基于物联网的智慧城市空气质量预测方法和系统 | |
CN112163166B (zh) | 检测道路属性的方法、装置、计算机可读介质及电子设备 | |
CN108932837B (zh) | 交通拥堵管理方法及服务器 | |
CN110263623B (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN114218976B (zh) | 臭氧前体物高值区精细化排放源追溯定位方法和系统 | |
CN110705452A (zh) | 一种高速公路无人值守收费站设施智能管控方法及系统 | |
CN109934161B (zh) | 基于卷积神经网络的车辆识别与检测方法及系统 | |
KR102562757B1 (ko) | 노면표시 정보의 예측 및 인식방법 및 도로 유지관리 방법 | |
CN114141012B (zh) | 一种基于nlp算法的不按路线行驶预警处理方法和系统 | |
CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN111582191A (zh) | 基于人工智能视频分析的混凝土浇筑中浇筑量估计方法 | |
CN108765954B (zh) | 基于snn密度st-optics改进聚类算法的道路交通安全状况监测方法 | |
CN115981200A (zh) | 一种建筑混凝土施工自动监管系统及方法 | |
CN113761264B (zh) | 基础设施建设移动式智能巡查装备及智能管理方法 | |
CN113256014B (zh) | 一种5g通信工程智能检测系统 | |
CN114462647A (zh) | 基于检测云平台的高速公路养护管理系统 | |
CN114841843A (zh) | 一种分析可疑绿通车的方法和系统 | |
CN114202918A (zh) | 一种应对交通拥堵的交通分流方法、装置、电子设备及介质 | |
CN112419713A (zh) | 一种基于云计算的城市交通监测系统 | |
KR20230100001A (ko) | 도로의 정비보수를 위한 도로 통합관리 시스템 | |
KR20210097555A (ko) | 교통사고 정보를 제공하기 위한 서비스 방법 |
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 |