CN114566053B - 一种高速公路交通量预测优化算法 - Google Patents
一种高速公路交通量预测优化算法 Download PDFInfo
- Publication number
- CN114566053B CN114566053B CN202210208395.9A CN202210208395A CN114566053B CN 114566053 B CN114566053 B CN 114566053B CN 202210208395 A CN202210208395 A CN 202210208395A CN 114566053 B CN114566053 B CN 114566053B
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- license plate
- gps
- service area
- 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
- G08G1/017—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
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开的属于交通运输技术领域,具体为一种高速公路交通量预测优化算法,包括:S1:录入系统,首先在将车辆的车辆信息以及该车GPS信息绑定登记录入系统,获取该车的唯一编码;S2:设立检测点,在高速路上设置车牌信息读取检测点,并记录监测点的GPS信息上传到系统中,用于检测监测点采集数据上传到系统;S3:进入高速路检测等。该发明通过同时采集车辆的信结合GPS信息修正的方式,可大幅度提高交通量的测算数据,为预测交通量提供更加准确的数据来源,通过与车辆信息生成车辆唯一编码的设置,配合多点记录,有利于防止重复记录的问题,进一步减少数据误差问题的发生。
Description
技术领域
本发明涉及交通运输技术领域,具体为一种高速公路交通量预测优化算法。
背景技术
交通量指在单位时间内,通过道路上的某一地点或者某一断面实际参与交通的参与者的数量,又称作交通流量或者流量,参与者包括机动车、非机动车和行人,因而交通量可分为机动车交通量、非机动车交通量和行人交通量;但在没有特殊说明的情况下,交通量都是指机动车交通量,并且是指单位时间内来去两个方向上的车辆数,是道路截面实际通行能力的测算指标,也是道路分级和确定道路等级的主要依据,在实际应用的交通流量中其表示方法有平均交通量、高峰小时交通量和设计小时交通量。
交通量是指单位时间内通过道路某断面的交通流量(即单位时间通过道路某断面的车辆数目),其具体数值由交通调查和交通预测确定。交通调查、分析和交通预测是公路建设项目可行性研究阶段进行现状评价、综合分析建设项目的必要性和可行性的基础,也是确定公路建设项目的建设规模、技术等级、工程设施、经济效益评价及公路几何线形设计的主要依据,可见,交通调查、分析及交通量预测水平的高低,尤其是预测的水平、质量和可靠程度,将直接影响到项目决策的科学性和工程技术设计的经济合理性。
交通量的空间分布特性:它除了随时间而变化外还随空间位置的不同而变化,这种随空间位置而变化的特性称为空间分布特性,一般是指同一时间或相似条件下,随地域、城乡、路线、方向、车道等的差别而变化的情况。
综上交通量观测方法有人工观测、自动计数仪观测、高空摄影观测及乘车观测等,人工观测可按需要详细区分车型和行车方向进行,并可进行各种特殊需要,如车道使用率、受阻车辆数、对交通标志的遵守率等的观测,人工观测需要大量人力和经费,而且不能长期连续观测。实计测站一般多用计数仪观测。计数仪主要由各式探测器与记数器(或显示器)组成。探测器有气动、光电、雷达、超声波、压电和电磁等形式,目前计数仪还不能详细区分车型和转弯车辆,所以在使用受到限制的场合,如观测交叉口的转弯交通量等,要由人工配合观测。高空摄影观测是用电影机摄取影片,把影片图象投放出来后,再由人工计数交通量,这种方法需要成套专用设备,既费时,又费钱,且只能作短时的观测,使用受到很大限制,因此我们提出一种高速公路交通量预测优化算法。
发明内容
本发明提供了如下技术方案:
一种高速公路交通量预测优化算法,包括:
S1:录入系统,首先在将车辆的车辆信息以及该车GPS信息绑定登记录入系统,获取该车的唯一编码;
S2:设立检测点,在高速路上设置车牌信息读取检测点,并记录监测点的GPS信息上传到系统中,用于检测监测点采集数据上传到系统;
S3:进入高速路检测,当车辆进入高速路入口时,入口处检测点检测车辆信息,并将该信息上传到系统中;
S4:GPS修正,在车辆进入初始检测点的时候将车载GPS信息与检测点GPS位置同步修正;
S5:匹配数据,系统依据该车辆信息匹配对应车辆编码,并依据车辆信息匹配对应的GPS信息;
S6:出高速路段检测,在车辆到达检测点的时候,检测点检测车辆信息,确定车辆通过;
S7:数据整合,将上述步骤中检测数据按时间位置区域进行整合,在依据监测要求的地点截取数据获取交通量。
作为本发明所述的一种高速公路交通量预测优化算法的一种优选技术方案,其中,所述步骤S1中所述将车辆信息和GPS新型绑定登记录入系统具体包括如下步骤:
获取车架编号,获取车辆的车架编号并生成属于该车的编码;
记录车型信息,获取将车辆型号、首次上牌时间和颜色信息并与上述编码对应;
获取车辆车牌信息,采集车辆车牌信息录入系统中并与上述编码对应。
作为本发明所述的一种高速公路交通量预测优化算法的一种优选技术方案,其中,所述步骤是S2中检测点包括如下:
起始检测点,所述起始检测点设置在高速路入口收费站处,所述起始检测点用于采集车辆的视频信息,以便于记录进入服务区车辆型号和车牌信息;
服务区进口检测点,所述服务区进口检测点设置在高速服务区进口处,所述服务区进口检测点用于采集车辆视频信息,以便于进服务区记录车辆型号和车牌信息;
服务区出口检测点,所述服务区出口检测点设置在高速服务进口处,所述服务区出口检测点用于采集车辆视频信息,以便于记录出服务区的车辆型号和车牌信息;
终点检测点,所述终点检测点设置在高速路出口收费站处,所述终点检测点用于采集车辆视频信息,用于记录终点采集的车辆型号和车牌信息。
作为本发明所述的一种高速公路交通量预测优化算法的一种优选技术方案,其中,所述步骤S3中采集的车辆信息包括:车辆车牌信息、车辆型号信息和车辆颜色信息。
作为本发明所述的一种高速公路交通量预测优化算法的一种优选技术方案,其中,所述步骤S4中GPS修正包括:
车辆GPS信息上传,车辆进入检测点的时候将车辆GPS信息上传;
对比信息,将上传GPS信息与监测点的GPS信息对比;
修正信息,若信息不匹配将监测点的GPS信息发送给车辆终端,供车辆终端匹配定位。
作为本发明所述的一种高速公路交通量预测优化算法的一种优选技术方案,其中,所述步骤S5匹配数据包括如下步骤:
采集车辆信息,采集车牌图像信息并通过电脑分析车牌号,采集车辆颜色和车型信息;
匹配车辆信息,依据采集的车牌号以及车型信息在系统匹配对应的编码对应信息;
核实通过信息,将上述采集车辆信息和配车辆信息对比同意并对车辆上的GPS信息校准,并在系统中录入车辆进入信息。
作为本发明所述的一种高速公路交通量预测优化算法的一种优选技术方案,其中,所述步骤S6出高速路检测具体包括如下步骤:
采集车辆信息,所述车辆信息包括车牌信息、车型信息和颜色信息;
对比车型信息,将车辆信息与进入高速路检测信息对比得到唯一编码;
录入系统,将该车离开高速路信息上传至系统记录。
作为本发明所述的一种高速公路交通量预测优化算法的一种优选技术方案,其中,所述步骤S7数据整合具体包括如下步骤:
数据汇总,将步骤S2-S6中采集的数据信息按照时间节点汇总统计;
数据分类,将上述数据汇总信息按照时间、路段信息分段提取数据。
作为本发明所述的一种高速公路交通量预测优化算法的一种优选技术方案,其中,所述服务区进口检测点和服务区出口检测点数量均为多个,且其具体数量与所检测路段中间的服务器数量相对应。
作为本发明所述的一种高速公路交通量预测优化算法的一种优选技术方案,其中,所述服务区出口检测点和服务区进口检测点数量均为多个,且服务区出口检测点和服务区进口检测点,与检测路段高速进出口数量相对应。
与现有技术相比:通过同时采集车辆的信结合GPS信息修正的方式,可大幅度提高交通量的测算数据,为预测交通量提供更加准确的数据来源,通过与车辆信息生成车辆唯一编码的设置,配合多点记录,有利于防止重复记录的问题,进一步减少数据误差问题的发生,通过在收费站设置记录点,可记录高度中段的交通量,可在修建服务点的时候提供数据来衡量服务点的容纳量。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将结合附图和详细实施方式对本发明进行详细说明,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。其中:
图1为本发明的步骤框图;
图2为本发明的录入系统步骤框图;
图3为本发明的检测点区分框图;
图4为本发明的车辆信息框图;
图5为本发明的数据匹配步骤框图;
图6为本发明的出高速路检测框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中,需要说明的是,若出现术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,若出现术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,若出现术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明实施例的描述中,还需要说明的是,除非另有明确的规定和限定,若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
图1-图6示出的是本发明一种高速公路交通量预测优化算法,通过同时采集车辆的信结合GPS信息修正的方式,可大幅度提高交通量的测算数据,为预测交通量提供更加准确的数据来源,通过与车辆信息生成车辆唯一编码的设置,配合多点记录,有利于防止重复记录的问题,进一步减少数据误差问题的发生,通过在收费站设置记录点,可记录高度中段的交通量,可在修建服务点的时候提供数据来衡量服务点的容纳量,具体的,包括:
一种高速公路交通量预测优化算法,包括:
S1:录入系统,首先在将车辆的车辆信息以及该车GPS信息绑定登记录入系统,获取该车的唯一编码;
S2:设立检测点,在高速路上设置车牌信息读取检测点,并记录监测点的GPS信息上传到系统中,用于检测监测点采集数据上传到系统;
S3:进入高速路检测,当车辆进入高速路入口时,入口处检测点检测车辆信息,并将该信息上传到系统中;
S4:GPS修正,在车辆进入初始检测点的时候将车载GPS信息与检测点GPS位置同步修正;
S5:匹配数据,系统依据该车辆信息匹配对应车辆编码,并依据车辆信息匹配对应的GPS信息;
S6:出高速路段检测,在车辆到达检测点的时候,检测点检测车辆信息,确定车辆通过;
S7:数据整合,将上述步骤中检测数据按时间位置区域进行整合,在依据监测要求的地点截取数据获取交通量。
进一步的,所述步骤S1中所述将车辆信息和GPS新型绑定登记录入系统具体包括如下步骤:
获取车架编号,获取车辆的车架编号并生成属于该车的编码;
记录车型信息,获取将车辆型号、首次上牌时间和颜色信息并与上述编码对应;
获取车辆车牌信息,采集车辆车牌信息录入系统中并与上述编码对应。
进一步的,所述步骤是S2中检测点包括如下:
起始检测点,所述起始检测点设置在高速路入口收费站处,所述起始检测点用于采集车辆的视频信息,以便于记录进入服务区车辆型号和车牌信息;
服务区进口检测点,所述服务区进口检测点设置在高速服务区进口处,所述服务区进口检测点用于采集车辆视频信息,以便于进服务区记录车辆型号和车牌信息;
服务区出口检测点,所述服务区出口检测点设置在高速服务进口处,所述服务区出口检测点用于采集车辆视频信息,以便于记录出服务区的车辆型号和车牌信息;
终点检测点,所述终点检测点设置在高速路出口收费站处,所述终点检测点用于采集车辆视频信息,用于记录终点采集的车辆型号和车牌信息。
进一步的,所述步骤S3中采集的车辆信息包括:车辆车牌信息、车辆型号信息和车辆颜色信息。
进一步的,所述步骤S4中GPS修正包括:
车辆GPS信息上传,车辆进入检测点的时候将车辆GPS信息上传;
对比信息,将上传GPS信息与监测点的GPS信息对比;
修正信息,若信息不匹配将监测点的GPS信息发送给车辆终端,供车辆终端匹配定位。
进一步的,所述步骤S5匹配数据包括如下步骤:
采集车辆信息,采集车牌图像信息并通过电脑分析车牌号,采集车辆颜色和车型信息;
匹配车辆信息,依据采集的车牌号以及车型信息在系统匹配对应的编码对应信息;
核实通过信息,将上述采集车辆信息和配车辆信息对比同意并对车辆上的GPS信息校准,并在系统中录入车辆进入信息。
进一步的,所述步骤S6出高速路检测具体包括如下步骤:
采集车辆信息,所述车辆信息包括车牌信息、车型信息和颜色信息;
对比车型信息,将车辆信息与进入高速路检测信息对比得到唯一编码;
录入系统,将该车离开高速路信息上传至系统记录。
进一步的,所述步骤S7数据整合具体包括如下步骤:
数据汇总,将步骤S2-S6中采集的数据信息按照时间节点汇总统计;
数据分类,将上述数据汇总信息按照时间、路段信息分段提取数据。
进一步的,所述服务区进口检测点和服务区出口检测点数量均为多个,且其具体数量与所检测路段中间的服务器数量相对应。
进一步的,所述服务区出口检测点和服务区进口检测点数量均为多个,且服务区出口检测点和服务区进口检测点,与检测路段高速进出口数量相对应。
实施例1:当需要进行高速路分段统计交通量的时候,
首先获取车架编号,获取车辆的车架编号并生成属于该车的编码;记录车型信息,获取将车辆型号、首次上牌时间和颜色信息并与上述编码对应;获取车辆车牌信息,采集车辆车牌信息录入系统中并与上述编码对应;接着在高速路段的进出服务口以及服务区设立检测点;然后通过检测点检测车辆通过信息;在经过采集点的时候对车辆GPS信息进行同步,防止局部地区应为信号问题导致记录异常,接着在系统中匹配对应数据以供检查并核实确定该车通过;然后将上述数据整合汇总建立数据库以供调用即可。
实施例2:当需要检测路段中部或者末端因为故障或者未设立点,缺少实验数据的时候,由于依据该无信号点前后两端的检测点检测信息的通过量差值结合、GPS信号时候通过该点来确定该车辆是否经过该点信息,可实现数据推算,且数据可信度较高。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种高速公路交通量预测优化算法,其特征在于,包括:
S1:录入系统,首先在将车辆的车辆信息以及该车GPS信息绑定登记录入系统,获取该车的唯一编码;
S2:设立检测点,在高速路上设置车牌信息读取检测点,并记录检测点的GPS信息上传到系统中,用于检测检测点采集数据上传到系统;
S3:进入高速路检测,当车辆进入高速路入口时,入口处检测点检测车辆信息,并将该信息上传到系统中;
S4:GPS修正,在车辆进入初始检测点的时候将车载GPS信息与检测点GPS位置同步修正;
S5:匹配数据,系统依据该车辆信息匹配对应车辆编码,并依据车辆信息匹配对应的GPS信息;
S6:出高速路段检测,在车辆到达检测点的时候,检测点检测车辆信息,确定车辆通过;
S7:数据整合,将上述步骤中检测数据按时间位置区域进行整合,在依据监测要求的地点截取数据获取交通量;
所述步骤S4中GPS修正包括:
车辆GPS信息上传,车辆进入检测点的时候将车辆GPS信息上传;
对比信息,将上传GPS信息与监测点的GPS信息对比;
修正信息,若信息不匹配将监测点的GPS信息发送给车辆终端,供车辆终端匹配定位。
2.根据权利要求1所述的一种高速公路交通量预测优化算法,其特征在于,所述步骤S1中所述将车辆信息和GPS信息绑定登记录入系统具体包括如下步骤:
获取车架编号,获取车辆的车架编号并生成属于该车的编码;
记录车型信息,获取将车辆型号、首次上牌时间和颜色信息并与上述编码对应;
获取车辆车牌信息,采集车辆车牌信息录入系统中并与上述编码对应。
3.根据权利要求1所述的一种高速公路交通量预测优化算法,其特征在于,所述步骤是S2中检测点包括如下:
起始检测点,所述起始检测点设置在高速路入口收费站处,所述起始检测点用于采集车辆的视频信息,以便于记录进入服务区车辆型号和车牌信息;
服务区进口检测点,所述服务区进口检测点设置在高速服务区进口处,所述服务区进口检测点用于采集车辆视频信息,以便于进服务区记录车辆型号和车牌信息;
服务区出口检测点,所述服务区出口检测点设置在高速服务进口处,所述服务区出口检测点用于采集车辆视频信息,以便于记录出服务区的车辆型号和车牌信息;
终点检测点,所述终点检测点设置在高速路出口收费站处,所述终点检测点用于采集车辆视频信息,用于记录终点采集的车辆型号和车牌信息。
4.根据权利要求1所述的一种高速公路交通量预测优化算法,其特征在于,所述步骤S3中采集的车辆信息包括:车辆车牌信息、车辆型号信息和车辆颜色信息。
5.根据权利要求1所述的一种高速公路交通量预测优化算法,其特征在于,所述步骤S5匹配数据包括如下步骤:
采集车辆信息,采集车牌图像信息并通过电脑分析车牌号,采集车辆颜色和车型信息;
匹配车辆信息,依据采集的车牌号以及车型信息在系统匹配对应的编码对应信息;
核实通过信息,将上述采集车辆信息和配车辆信息对比同意并对车辆上的GPS信息校准,并在系统中录入车辆进入信息。
6.根据权利要求1所述的一种高速公路交通量预测优化算法,其特征在于,所述步骤S6出高速路检测具体包括如下步骤:
采集车辆信息,所述车辆信息包括车牌信息、车型信息和颜色信息;
对比车型信息,将车辆信息与进入高速路检测信息对比得到唯一编码;
录入系统,将该车离开高速路信息上传至系统记录。
7.根据权利要求1所述的一种高速公路交通量预测优化算法,其特征在于,所述步骤S7数据整合具体包括如下步骤:
数据汇总,将步骤S2-S6中采集的数据信息按照时间节点汇总统计;
数据分类,将上述数据汇总信息按照时间、路段信息分段提取数据。
8.根据权利要求3所述的一种高速公路交通量预测优化算法,其特征在于,所述服务区进口检测点和服务区出口检测点数量均为多个,且其具体数量与所检测路段中间的服务器数量相对应。
9.根据权利要求3所述的一种高速公路交通量预测优化算法,其特征在于,所述服务区出口检测点和服务区进口检测点数量均为多个,且服务区出口检测点和服务区进口检测点,与检测路段高速进出口数量相对应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210208395.9A CN114566053B (zh) | 2022-03-03 | 2022-03-03 | 一种高速公路交通量预测优化算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210208395.9A CN114566053B (zh) | 2022-03-03 | 2022-03-03 | 一种高速公路交通量预测优化算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114566053A CN114566053A (zh) | 2022-05-31 |
CN114566053B true CN114566053B (zh) | 2023-05-16 |
Family
ID=81718485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210208395.9A Active CN114566053B (zh) | 2022-03-03 | 2022-03-03 | 一种高速公路交通量预测优化算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114566053B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07146351A (ja) * | 1993-11-24 | 1995-06-06 | Sumitomo Electric Ind Ltd | 位置検出装置 |
JP2008032408A (ja) * | 2006-07-26 | 2008-02-14 | Alpine Electronics Inc | 車両位置補正装置及び車両位置補正方法 |
US7385515B1 (en) * | 2005-06-02 | 2008-06-10 | Owen William K | Surveillance detection system and methods for detecting surveillance of an individual |
CN101930668A (zh) * | 2009-04-29 | 2010-12-29 | 上海电器科学研究所(集团)有限公司 | 车牌识别的道路交通od信息采集系统及其处理方法 |
JP2013246038A (ja) * | 2012-05-25 | 2013-12-09 | Denso Corp | 車両用現在位置決定装置 |
CN112153574A (zh) * | 2020-09-18 | 2020-12-29 | 南京感动科技有限公司 | 基于浮动车辆的路侧设备时钟准确性检验方法和系统 |
CN112652172A (zh) * | 2021-01-19 | 2021-04-13 | 东南大学 | 一种基于车辆gps轨迹的路段交通量分析方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5774828A (en) * | 1995-04-07 | 1998-06-30 | Delco Electronics Corporation | Mapless GPS navigation system with user modifiable data base |
GR1007503B (el) * | 2008-04-18 | 2012-01-13 | Ανδρεας Σακελλαριου | Μεθοδος και κινητο συστημα ανιχνευσης οχηματων σε συγκεκριμενες λωριδες κυκλοφοριας |
JP2012122819A (ja) * | 2010-12-08 | 2012-06-28 | Casio Comput Co Ltd | 測位装置、測位方法およびプログラム |
CN108983263A (zh) * | 2018-07-16 | 2018-12-11 | 北京星云互联科技有限公司 | 一种基于车路协同系统的差分定位系统及方法 |
CN109816971B (zh) * | 2019-03-11 | 2021-07-23 | 长安大学 | 基于多源数据融合的危险品运输车辆预防跟踪系统及方法 |
CN110838232A (zh) * | 2019-09-27 | 2020-02-25 | 浙江工业大学 | 基于过车电警数据的单一车辆od获取方法 |
CN111768619A (zh) * | 2020-06-16 | 2020-10-13 | 苏州大学 | 一种基于卡口数据的快速路车辆od点确定方法 |
-
2022
- 2022-03-03 CN CN202210208395.9A patent/CN114566053B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07146351A (ja) * | 1993-11-24 | 1995-06-06 | Sumitomo Electric Ind Ltd | 位置検出装置 |
US7385515B1 (en) * | 2005-06-02 | 2008-06-10 | Owen William K | Surveillance detection system and methods for detecting surveillance of an individual |
JP2008032408A (ja) * | 2006-07-26 | 2008-02-14 | Alpine Electronics Inc | 車両位置補正装置及び車両位置補正方法 |
CN101930668A (zh) * | 2009-04-29 | 2010-12-29 | 上海电器科学研究所(集团)有限公司 | 车牌识别的道路交通od信息采集系统及其处理方法 |
JP2013246038A (ja) * | 2012-05-25 | 2013-12-09 | Denso Corp | 車両用現在位置決定装置 |
CN112153574A (zh) * | 2020-09-18 | 2020-12-29 | 南京感动科技有限公司 | 基于浮动车辆的路侧设备时钟准确性检验方法和系统 |
CN112652172A (zh) * | 2021-01-19 | 2021-04-13 | 东南大学 | 一种基于车辆gps轨迹的路段交通量分析方法 |
Non-Patent Citations (1)
Title |
---|
杨粤湘,卢文英,龚峻峰,何兆成,陈锐祥,余志.机动车行驶速度检测系统的设计及其在高速公路交通管理中的应用.交通科技.2005,(02),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114566053A (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2437301C (en) | Method for monitoring the registration of road tolls | |
KR100820467B1 (ko) | 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법 | |
CN112309108B (zh) | 一种货车车载超限检测系统及方法 | |
CN110264734A (zh) | 一种高速公路车辆稽查系统及其工作方法 | |
CN104732205A (zh) | 一种高速公路逃费稽查的系统 | |
HU228601B1 (en) | System and method for reading license plates | |
US20200039513A1 (en) | Device and method for measuring transverse distribution of wheel path | |
CN112184931B (zh) | 基于高速公路路网的车辆计费路径优选系统及分析方法 | |
CN112883936A (zh) | 一种对车辆违规行为的检测方法及其系统 | |
CN114973659A (zh) | 一种高速公路的间接事件检测的方法、装置及系统 | |
CN112183343A (zh) | 高速公路收费差额分析系统、方法和分析系统平台 | |
CN114566053B (zh) | 一种高速公路交通量预测优化算法 | |
CN112991769A (zh) | 基于视频的交通量调查方法和装置 | |
CN114760330A (zh) | 用于车联网的数据传输方法、装置、存储介质和系统 | |
JP2022042580A (ja) | 故障検知装置、料金収受システム、故障検知方法、及びプログラム | |
Yu et al. | Evaluation of autoscope, SmartSensor HD, and infra-red traffic logger for vehicle classification | |
El-Geneidy et al. | Toward validation of freeway loop detector speed measurements using transit probe data | |
CN116416780A (zh) | 一种路侧感知系统的测试方法、装置、测试设备和介质 | |
Tanaka | Travel-time data provision system using vehicle license number recognition devices | |
Kim et al. | Evaluation of axle-based and length-based vehicle classification stations | |
CN113821924A (zh) | 车辆实时数据采集系统、定位核查方法及里程分析方法 | |
CN117558071B (zh) | 一种高速公路出入车辆稽查方法及系统 | |
CN113990081B (zh) | 一种高速公路etc门架区间测速系统 | |
CN115240414A (zh) | 一种基于etc门架系统的交通情况调查方法 | |
US20230019772A1 (en) | Method of identifying vehicle turning movements at intersections from trajectory data and reallocating green time therefor |
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 |