CN114626964A - 一种新能源汽车监控信息跨区域共享方法 - Google Patents
一种新能源汽车监控信息跨区域共享方法 Download PDFInfo
- Publication number
- CN114626964A CN114626964A CN202210257129.5A CN202210257129A CN114626964A CN 114626964 A CN114626964 A CN 114626964A CN 202210257129 A CN202210257129 A CN 202210257129A CN 114626964 A CN114626964 A CN 114626964A
- Authority
- CN
- China
- Prior art keywords
- new energy
- energy automobile
- monitoring information
- platform
- vehicle
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 261
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000012937 correction Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 29
- 230000002265 prevention Effects 0.000 claims description 27
- 206010039203 Road traffic accident Diseases 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000009412 basement excavation Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- 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
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y30/00—IoT infrastructure
- G16Y30/10—Security thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/60—Positioning; Navigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Chemical & Material Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Analytical Chemistry (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Radar, Positioning & Navigation (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供的一种新能源汽车监控信息跨区域共享方法,通过分类分级部署设置各级平台,将新能源汽车信息按照区域进行划分,基于辖区新能源汽车运行期望模型,将新能源汽车信息按照辖区进行整体计算,而不是对每辆车数据分别计算,极大的降低了计算复杂度;不同的应用场景得到的计算结果体现在不同的新能源汽车整车时空特性、时空上运行特性、辖区期望修正值上,实现了对海量新能源汽车监控信息数据基于应用场景的挖掘利用;新能源汽车监控信息共享应用平台、各辖区的运算基于本地部署的地市新能源汽车监控信息共享应用平台可以分别对自己辖区内的海量新能源汽车监控信息数据进行计算,实现分类分级部署的平台间数据关联应用。
Description
技术领域
本发明涉及智能交通控制技术领域,具体为一种新能源汽车监控信息跨区域共享方法。
背景技术
随着新能源汽车高速发展及普及应用,新能源汽车运行安全及路面监管问题备受关注。2019年,国家重点研发计划“基于端网云的国家新能源汽车安全运行协同防控平台”项目明确在工信部新能源汽车国家监测与管理平台基础上构建国家新能源汽车安全运行防控平台,开发跨部门、跨网络、跨区域的新能源汽车监控信息共享应用平台,实现新能源汽车监控信息的跨部门跨网络共享应用。如图1所示,新能源汽车监控信息的共享系统包括:道路交通监控系统、交通集成指挥平台、新能源汽车安全运行协同防控平台、新能源汽车国家监测管理平台,每个新能源汽车生产企业平台实时地向新能源汽车国家监测管理平台上报新能源汽车的监控信息数据,道路交通监控系统基于路测设备采集新能源汽车的监控信息数据。新能源汽车监控信息共享应用平台通过交通集成指挥平台与道路交通监控系统关联,新能源汽车安全运行协同防控平台通过新能源汽车国家监测管理平台与新能源汽车生产企业平台关联,新能源汽车监控信息共享应用平台通过新能源汽车安全运行协同防控平台获取新能源汽车的监控信息数据,并进行分析,挖掘新能源汽车安全隐患信息、运行信息等控制用数据,应用到交通拥堵治理、交通事故防控、安保交通保障等交通管理场景中。
然而,但随着平台深入应用,发现在新能源汽车监控信息的使用中,道路交通监控系统、交通集成指挥平台、新能源汽车国家监测管理平台的架构是按照传统信息平台的结构构建的,是按照采集、传输、汇聚、存贮、应用的架构设计的,这种架构适用于对一个目标事物演化规律的分析研究,但对于新能源汽车监控来说,新能源汽车分布广泛,每台车就是一个目标事物,在同时面对成百上千万辆新能源汽车时,这种传统架构明显并不适用于海量新能源汽车监控信息的挖掘利用,需要极其复杂的计算才能确保车路信息关联。同时,因为新能源汽车安全运行协同防控平台、新能源汽车监控信息共享应用平台监测重点不同,虽然有部分数据共享,但是每个平台都要进行大量运算,对平台的硬件性能和计算能力要求非常高,进而导致系统运行成本极高。
发明内容
为了解决传统平台处理新能源汽车监控信息时,存在数据采集处理架构不合理、系统运行成本过高的问题,本发明提供一种新能源汽车监控信息跨区域共享方法,其可以基于相对简单的计算思路实现对海量新能源汽车监控信息数据基于应用场景的挖掘利用,实现分类分级部署的平台间数据关联应用,确保各地对新能源汽车管控的无缝对接、秒级响应,同时降低了系统运行成本。
本发明的技术方案是这样的:一种新能源汽车监控信息跨区域共享方法,其特征在于,其包括以下步骤:
S1:对新能源汽车监控信息的共享系统进行分类分级部署;
所述分类分级部署包括:新能源汽车安全运行协同防控平台、新能源汽车监控信息共享应用平台、地市新能源汽车监控信息共享应用平台;
所述新能源汽车安全运行协同防控平台的功能包括:在新能源汽车国家监测管理平台基础上,汇聚全国全品牌全车型的新能源汽车运行安全信息,进行全过程全周期管理及信息的脱密处理;
所述新能源汽车监控信息共享应用平台是在通过通讯专线实现新能源汽车监控信息从专网到加密网的安全交换,并将新能源汽车监控信息应用到交通管理场景中;所述交通管理场景包括:交通拥堵治理、交通事故防控、安保交通保障;
所述地市新能源汽车监控信息共享应用平台是部署到各地市的辖区新能源汽车监控信息应用环境,分担了辖区新能源汽车监控信息可视化展示和分析挖掘所需的算力资源,通过与当地交通集成指挥平台关联应用,实现对当地新能源汽车管控;
S2:对所述新能源汽车监控信息共享应用平台进行功能优化设计,将功能进行区分:
平台功能包括:核心功能、扩展功能;
所述核心功能包括:车辆监测、轨迹回溯、禁区监控、车辆报警、超速预警、拥堵分析、营运判别;
所述扩展功能包括:交通安全监管、交通拥堵治理、交通安保管控;
S3:在所述新能源汽车监控信息共享应用平台上部署基于时空加权的辖区新能源汽车运行期望模型;
所述辖区新能源汽车运行期望模型为:
其中,x为辖区时间参数,y为辖区空间参数,M为辖区注册的新能源汽车拥有量,P为辖区路域总数;
E为加权系数,用来体现辖区特征外部因素,所述外部因素包括:天气、非本地车长期行驶率、交通事故发生率、交通违法发生率、交通安全文明程度;
S(x,y)为辖区新能源汽车运行期望结果,描述新能源汽车对交通管理带来的影响;
C(x,y,n)为辖区第n台新能源汽车整车时空特性,n为变量取值为:n∈[1,M],全部相和后得到辖区全部新能源汽车整车时空特性;体现到所述车辆监测、所述车辆报警两个功能的实时监测结果;
R(x,y,z)为路域内新能源汽车在时空上运行特性,表示不同区域、不同等级的陆域路上行驶的新能源汽车在对路网安全性和畅通性产生的影响;z为变量,取值从1到P,全部相和后得到辖区路域的新能源汽车时空上运行特性;体现到所述禁区监控、所述超速预警功能的实时监测结果;
K(x,y)为辖区期望修正值,表示辖区内交通运行特征因素对辖区内交通管理的干扰,基于辖区内新能源汽车的行驶过程、路网运行状态结果得到;所述新能源汽车行驶过程体现于所述轨迹回溯的结果,从结果中也能发现行驶时间、行驶里程、出没地点异常的新能汽车,即实现所述营运判别;所述路网运行状态体现于所述拥堵分析功能的结果;
S4:所述新能源汽车监控信息共享应用平台和各辖区分别基于本地部署的所述地市新能源汽车监控信息共享应用平台使用所述辖区新能源汽车运行期望模型,对辖区内的新能源汽车监控信息进行运算,获得辖区内新能源汽车运行期望结果。
其进一步特征在于:
步骤S3实施前,还需要实施以下步骤:
对所述新能源汽车监控信息共享应用平台进行场景优化匹配;
所述场景优化匹配包括:数据项浓缩、平台功能分类、数据项匹配;
所述平台功能分类为:按场景时效性将所述平台功能划分为实时类功能、准实时类功能、非实时类功能;
所述实时类功能包括:车辆监测、车辆报警,单帧监控数据第一时间在路网地图上展示出来;
所述准实时类功能包括:禁区监控、超速预警,单帧监控数据需要与道路交通管理系统相关联后才能在路网地图上展示出来;
所述非实时类功能包括:轨迹回溯、拥堵分析、营运判别,需要进行历史数据融合计算后才能在路网地图上展示出来;
所述数据项匹配为:将平台功能与新能源汽车监控信息中的数据项进行关联;
所述数据项浓缩为将经过所述数据匹配后的所述新能源汽车监控信息数据按照与所述平台功能的紧密程度进行挑选;
所述数据项浓缩的具体步骤包括:
a1:将所述新能源汽车监控信息数据进行交通管理强相关分析;
所述强相关分析基于Pearson相关系数进行分析,计算每个新能源汽车监控信息数据的与交通管理的相关性;
其中,交通管理基于平台功能进行体现,每个所述新能源汽车监控信息数据分别与每个所述平台功能基于Pearson相关系数进行分析计算;
a2:将每个所述平台功能的弱关联项和数据冗余消除,得到每个所述平台功能的在所述新能源汽车监控信息数据中的强相关项,记作强相关参数;
a3:所述新能源汽车监控信息共享应用平台进行计算时,根据计算中涉及到的所述平台功能向所述新能源汽车安全运行协同防控平台请求所述强相关参数;
步骤a3中,还包括以下步骤:
b1:设置一个时差阈值D;
b2:所述新能源汽车监控信息共享应用平台接收到的所述强相关参数时,对同一个新能源汽车数据进行时差判断;
当相邻两帧的新能源汽车监控信息数据的时间差大于所述时差阈值N时,则实施步骤b3;
否则,存储到本地,进行后续计算;
b3:设相隔时差大于所述时差阈值D的相邻两帧对应的位置坐标点为:d1和d2;
基于拉格朗日插值法对d1和d2进行位置数据补偿,得到位置插值点d';
b4:将所述位置插值点放入按照:d1、d'、d2的顺序存储,并参与后续计算;
所述平台功能中:
所述车辆监测是指在路网地图上实时展示当前新能源汽车位置及动态分布;
所述轨迹回溯是指在路网地图上按选定车辆回放其某段时间内的行驶线路;
所述禁区监控是指在路网地图上设定电子围栏,对限制通行的新能源汽车实施行驶报警,适用于重大交通安保的车辆管控;
所述车辆报警是指在路网地图上按红黄橙绿四色展示新能源汽车当前故障报警等级;
所述超速预警是在路网地图上设定限速区域,对超越限定速度值的通行新能源汽车实施预警;
所述拥堵分析是在路网地图上显示当前车辆通行速度;
所述营运判别是指在地市辖区范围内研判用于营运的新能源汽车;
所述交通安全监管为通过车辆监测、轨迹回溯、车辆报警、超速预警、营运判别功能实现交通事故、交通隐患的管理;
所述交通拥堵治理为通过车辆监测、轨迹回溯、拥堵分析实现道路交通畅通程度评估;
所述交通安保管控即通过车辆监测、轨迹回溯、禁区监控、拥堵分析功能实现重大活动和特勤管理中的路面车辆控制。
本发明提供的一种新能源汽车监控信息跨区域共享方法,通过分类分级部署设置各级平台,将新能源汽车信息按照区域进行划分,基于辖区新能源汽车运行期望模型,将新能源汽车信息按照辖区进行整体计算,而不是对每辆车数据分别计算,极大的降低了计算复杂度;计算时,基于核心功能、扩展功能这样的应用场景分开进行,不同的应用场景得到的计算结果体现在不同的新能源汽车整车时空特性、时空上运行特性、辖区期望修正值上,实现了对海量新能源汽车监控信息数据基于应用场景的挖掘利用;新能源汽车监控信息共享应用平台、各辖区的运算基于本地部署的地市新能源汽车监控信息共享应用平台可以分别对自己辖区内的海量新能源汽车监控信息数据进行计算,实现分类分级部署的平台间数据关联应用,确保各地对新能源汽车管控的无缝对接、秒级响应;每个级别的平台进行不同等级的运算,无需很高的运算能力,降低了系统整体的运行和维护成本。
附图说明
图1为现有技术中的新能源汽车监控信息的共享系统的系统结构示意图;
图2为本发明中的新能源汽车监控信息的共享系统的系统结构示意图。
具体实施方式
本发明包括的一种新能源汽车监控信息跨区域共享方法,其包括以下步骤。
S1:对新能源汽车监控信息的共享系统进行分类分级部署。
如图2所示,本发明中的新能源汽车监控信息的共享系统包括:道路交通监控系统、交通集成指挥平台、新能源汽车国家监测管理平台,每个新能源汽车生产企业平台实时地向新能源汽车国家监测管理平台和上传新能源汽车的监控信息数据。道路交通监控系统实时地向交通集成指挥平台等管理平台汇聚新能源汽车通行信息。新能源汽车监控信息共享应用平台通过通讯专线同步新能源汽车安全运行协同防控平台中新能源汽车监控信息,并按应用场景对新能源汽车的监控信息数据进行分析。
本发明中对新能源汽车安全运行协同防控平台、新能源汽车监控信息共享应用平台的内部架构和功能重新构建,并且对几个平台按照分类分级的结构重新部署,虽然与现有技术的平台同名,但是其功能和内部架构已经完全不同。同时,增加了地市新能源汽车监控信息共享应用平台。
新能源汽车安全运行协同防控平台的功能包括:在新能源汽车国家监测管理平台基础上,汇聚全国全品牌全车型的新能源汽车运行安全信息,进行全过程全周期管理及信息的脱密处理。
新能源汽车监控信息共享应用平台是在通过通讯专线实现新能源汽车监控信息从专网到加密网的安全交换,并将新能源汽车监控信息应用到交通管理场景中;交通管理场景包括:交通拥堵治理、交通事故防控、安保交通保障。
地市新能源汽车监控信息共享应用平台(图2中标记为地市平台1~地市平台N)是部署到各地市的辖区新能源汽车监控信息应用环境,分担了辖区新能源汽车监控信息可视化展示和分析挖掘所需的算力资源,通过与当地交通集成指挥平台关联应用,实现对当地新能源汽车管控。
本发明技术方案中,通过新能源汽车安全运行协同防控平台、新能源汽车监控信息共享应用平台、地市新能源汽车监控信息共享应用平台,将运算能力通过不同的平台分担,同时对新能源汽车监控信息的处理通过不同的平台分别进行,在新能源汽车监控信息共享应用平台完成基于交通场景的数据挖掘,提高了新能源汽车监控信息数据基于场景的数据挖掘,确保本发明技术方案的计算结果具备实用性;最后通过地市新能源汽车监控信息共享应用平台与当地交通集成指挥平台关联应用,实现对当地新能源汽车管控,强化了对新能源汽车监控信息的共享,避免了不同平台中出现重复计算的问题发生;本发明技术方案,尤其适用于海量数据的数据挖掘的应用。
S2:对新能源汽车监控信息共享应用平台进行功能优化设计,跟交通管理场景将平台功能进行划分。
平台功能包括:核心功能、扩展功能;
核心功能包括:车辆监测、轨迹回溯、禁区监控、车辆报警、超速预警、拥堵分析、营运判别;
扩展功能为基于交管应用场景划分的功能,包括:交通安全监管、交通拥堵治理、交通安保管控。
其中,核心功能为为了确保交通管理顺利实施必须完成的功能,而扩展功能可以根据各地根据业务需要再逐步增加,如:聚集停放、故障分析等功能。
其中,车辆监测是指在路网地图上实时展示当前新能源汽车位置及动态分布;
轨迹回溯是指在路网地图上按选定车辆回放其某段时间内的行驶线路;
禁区监控是指在路网地图上设定电子围栏,对限制通行的新能源汽车实施行驶报警,适用于重大交通安保的车辆管控;
车辆报警是指在路网地图上按红黄橙绿四色展示新能源汽车当前故障报警等级;
超速预警是在路网地图上设定限速区域,对超越限定速度值的通行新能源汽车实施预警;
拥堵分析是在路网地图上显示当前车辆通行速度;
营运判别是指在地市辖区范围内研判用于营运的新能源汽车;
交通安全监管为通过车辆监测、轨迹回溯、车辆报警、超速预警、营运判别功能实现交通事故、交通隐患的管理;
交通拥堵治理为通过车辆监测、轨迹回溯、拥堵分析实现道路交通畅通程度评估;
交通安保管控即通过车辆监测、轨迹回溯、禁区监控、拥堵分析功能实现重大活动和特勤管理中的路面车辆控制。
其中,车辆监测、轨迹回溯、车辆报警、超速预警、营运判别等核心功能应用于交通安全监管场景;车辆监测、轨迹回溯、拥堵分析等核心功能应用于交通拥堵治理场景;车辆监测、轨迹回溯、禁区监控、拥堵分析等核心功能应用于交通安保管控场景。
S3:在新能源汽车监控信息共享应用平台上部署基于时空加权的辖区新能源汽车运行期望模型;
辖区新能源汽车运行期望模型如公式(1)所示:
其中,x为辖区时间参数,以“年月日时分秒”表示;
y为辖区空间参数,以辖区道路里程表示,即辖区电子地图上标明的路网区域;具体来说,每一台新能源汽车在辖区什么时候行驶、去什么地方存在不确性,由x和y两个参数来表示;
M为辖区注册的新能源汽车拥有量。
P为辖区路域总数,在道路交通管理领域,一个辖区的道路等级不同,如城市主干道、次干道、快速路、低等级农村道路、高速公路等,在此通称为辖区路域总数;
E为加权系数,用来体现辖区特征外部因素,外部因素包括:天气、非本地车长期行驶率、交通事故发生率、交通违法发生率、交通安全文明程度;实际应用时,E由历年统计相应外部因素下交通风险增量值决定,这是评估辖区交通管理水平的依据之一,对交通安全、交通拥堵、安保管控来说,E取值这是范围,不需要精准值,可分几个等级即可。本实施例中,E包括四个等级范围,即:优秀(≥91%)、良好(81%-90%)、一般(71%-80%)、合格(60%-70%)、差(≤59%)。
S(x,y)为辖区新能源汽车运行期望结果,描述新能源汽车对交通管理带来的影响,如:交通事故、交通拥堵、交通顺畅等等交通状态。
C(x,y,n)为辖区第n台新能源汽车整车时空特性,通过新能源汽车监控信息中的状态、速度、位置、报警等数据来表现整车时空特性;其中,n为变量取值为:n∈[1,M],全部相和后得到辖区全部新能源汽车整车时空特性;体现到车辆监测、车辆报警两个功能的实时监测结果;路网内每一时刻的新能源汽车拥有量都在动态变化,如有的车辆已经驶离本辖区或者有的车已进入停运状态,基于C(x,y,n)获得辖区第n台新能源汽车整车时空特性,将M量车的时空特性叠加后获得全部新能源汽车的车辆监测功能的监测结果;路网内每一时刻的新能源汽车报警数都在动态变化,如不同车辆的报警等级不相同,基于C(x,y,n)获得辖区第n台新能源汽车的报警等级,叠加后即得到的全部新能源汽车的报警等级,即为车辆报警的监测结果。C(x,y,n)的具体实现方法,基于现有交通管理平台中的方法实现。
R(x,y,z)为路域内新能源汽车在时空上运行特性,表示不同区域、不同等级的陆域路上行驶的新能源汽车在对路网安全性和畅通性产生的影响,由新能源汽车监控信息中的位置、速度等数据表现新能源汽车在各个等级道路的时空运行特性。其中,z为变量,取值从1到P,全部相和后得到辖区路域的新能源汽车时空上运行特性;体现于禁区监控、超速预警功能的实时监测结果;
R(x,y,z)对辖区新能源汽车在时空上运行特性进行立体化监控,由此得出禁区监控、超速预警等功能的监测结果;禁区监控和超速预警功能是针对某个区域的新能源汽车,实时性次之。其中,禁区监控功能是指在路网电子地图上设定电子围栏,对限制通行的新能源汽车实施行驶报警,主要适用于重大交通安保的车辆管控;超速预警功能是在路网电子地图上设定限速区域,对超越限定速度值的通行新能源汽车实施预警。“禁区监控”和“超速预警”两个功能,不仅与不同等级道路相关,而且也与不同时段内对不同路网的管控措施相关。如:北京长安街王府井路口、西单路口有可能在“上午9-10点”、“下午13-14点”禁止新能源汽车通行,或者对某品牌的新能源汽车禁止驶入王府井路口、西单路口等。R(x,y,z)具体的实现功能,基于现有交通管理平台中的方法实现。
K(x,y)为辖区期望修正值,表示辖区内交通运行特征因素对辖区内交通管理的干扰,基于辖区内新能源汽车的行驶过程、路网运行状态结果得到;新能源汽车行驶过程体现于轨迹回溯结果,从结果中也能发现行驶时间、行驶里程、出没地点异常的新能汽车,即实现营运判别;路网运行状态体现于拥堵分析结果。
由于新能源汽车有别于传统燃油汽车,且易受自然环境、充电设施、跨境或非本地车辆等潜在因素影响,故在整车时空特性、时空运行特性基础上增加因外部因素对辖区交通管理的干扰,体现不同辖区的交通特征。在交通状态发生问题时,因新能源汽车而不造成道路通行效率降低和交通事故时,将发生问题的新能源汽车在时间、空间上的交通管理运行情况进行全面核查,对车辆行驶过程、路网运行状态与期待结果进行比较,即得到车辆轨迹回溯和路网拥堵分析的应用功能的监测结果;分析过程中发现的车辆行驶里程、行驶时间、行驶场景与车辆登记属性不匹配,即为营运判断功能的监测结果。这些具体的实现方法付基于现有交管技术平台中的方法实现即可。
基于C(x,y,n)实现的车辆监测、车辆报警、基于R(x,y,z)实现的禁区监控、超速预警等功能都是由新能源汽车监控信息共享应用平台实现的;具体实现时,新能源汽车监控信息共享应用平台运行环境部署在地市级,各地都调用这个平台,平台所需的数据与当地运行环境相关,就像电子地图一样,不同地区的人即可以使用当地的数据,也可以使用其他的区域的数据,具体实现时通过权限设置进行控制。基于K(x,y)实现的轨迹回溯、拥堵分析、营运判别等功能,都是由新能源汽车监控信息共享应用平台实现的,但在地市级运行环境中关联应用参数。
本发明技术方案中,通过基于时空加权的辖区新能源汽车运行期望模型构建,设定了平台功能,提高了新能源汽车监控信息应用场景的针对性。
S4:新能源汽车监控信息共享应用平台、各辖区分别基于本地部署的地市新能源汽车监控信息共享应用平台,使用辖区新能源汽车运行期望模型,对辖区内的新能源汽车监控信息进行运算,获得辖区新能源汽车运行期望结果。
步骤S3实施前,还需要实施以下步骤:
对新能源汽车监控信息共享应用平台进行场景优化匹配;
场景优化匹配包括:数据项浓缩、平台功能分类、数据项匹配;
平台功能分类为:按场景时效性将平台功能划分为实时类功能、准实时类功能、非实时类功能;
实时类功能包括:车辆监测、车辆报警,单帧监控数据第一时间在路网地图上展示出来;
准实时类功能包括:禁区监控、超速预警,单帧监控数据需要与道路交通管理系统相关联后才能在路网地图上展示出来;
非实时类功能包括:轨迹回溯、拥堵分析、营运判别,需要进行历史数据融合计算后才能在路网地图上展示出来;
数据项匹配为:将平台功能与新能源汽车监控信息中的数据项进行关联;
数据项浓缩为根据平台功能的场景时效性,将经过数据匹配后的新能源汽车监控信息数据与平台功能的紧密程度进行挑选。
依据《电动汽车远程服务与管理系统技术规范》国家标准(GB/T 32960)要求,新能源汽车上报的新能源汽车监控信息数据包括:整车、驱动电机、燃料电池、发动机、车辆位置、极值、报警等数据项达60多项。
本实施例中的数据项匹配中车辆监测功能涉及时间、位置、通行方向、通行车速、里程数值、车辆状态、运行状态、报警等级等数据项,车辆报警功能涉及时间、位置、通行方向、车辆状态、运行状态、报警等级等数据项,禁区监控功能涉及时间、位置、通行方向、车辆状态、运行状态等数据项,超速预警功能涉及时间、位置、通行方向、通行车速、车辆状态、运行状态等数据项,轨迹回溯功能涉及时间、位置、通行方向、里程数值、车辆状态、运行状态等数据项,拥堵分析功能涉及时间、位置、通行方向、通行车速、车辆状态、运行状态等数据项,营运判别功能涉及时间、位置、通行方向、里程数值、车辆状态、运行状态等数据项。这其中涉及的车辆位置和通行方向可以由经度和纬度换算而来。
其中,数据项浓缩的具体步骤包括:
a1:将新能源汽车监控信息数据进行交通管理强相关分析;
强相关分析基于Pearson相关系数进行分析,计算每个新能源汽车监控信息数据的与交通管理的相关性;
Pearson相关系数是用来衡量两个数据集合是否在一条线上面,用来衡量定距变量间的线性关系,具体如下面公式(2)。
式中:X、Y为待求解相关系数的两个样本特征;E为期望值;ρX,Y表示X和Y的关系;
具体应用时,交通管理基于平台功能进行体现,每个新能源汽车监控信息数据分别与每个平台功能基于Pearson相关系数进行分析计算。
a2:将每个平台功能的弱关联项和数据冗余消除,得到每个平台功能的在新能源汽车监控信息数据中的强相关项,记作强相关参数;
相关系数0.8~1.0表示极强相关;相关系数0.6-0.8强相关;相关系数0.4-0.6中等程度相关;相关系数0.2-0.4弱相关;相关系数0-0.2极弱相关或无相关。
a3:新能源汽车监控信息共享应用平台进行计算时,根据计算中涉及到的平台功能向新能源汽车安全运行协同防控平台请求强相关参数。
如下表1所示,以新能源汽车监控数据项中车辆状态、运行状态、通行车速、通行位置、里程数值、电机转速为例,车辆状态、运行状态、通行车速、通行位置四个数据可表示车辆在路上行驶,与交通拥堵相关性就强;而里程数值只代表车辆已行驶的公里数,与交通拥堵的关联性就弱;至于电机转速,与交通拥堵无关联性,可删除。
表1:Pearson相关系数实施例
如表2所示,为本实施例中,新能源汽车监控数据项应用Pearson相关系数与交管业务关联性统计。
表2:新能源汽车监控数据项应用Pearson相关系数与交管业务关联性
表2中,采集时间是指新能源汽车监控信息固定的时间,以年月日时分秒表示,但与新能源汽当前位置时间存在近30秒时差,不过在路网地图上可使用采集时间来标注。车辆状态是指新能源汽车在采集时间时的发动机工作状态,其中“0x01”表示启动、“0x02”表示熄火、“0x03”表示其他、“0xFE”表示异常、“0xFF”表示无效。运行状态是指新能源汽车在采集时间时的燃料电池工作状态,其中“0x01”表示停车充电、“0x02”表示行驶充电、“0x03”表示未充电、“0x04”表示充电完成。通行车速是指在采集时间时的新能源汽车行驶速度值。里程数值是指在采集时间时的新能源汽车累计的行驶里程。经度是指在采集时间时的新能源汽车所在经度值。纬度是指在采集时间时的新能源汽车所在纬度值。报警等级指在采集时间时的新能源汽车报警值,其中“0”表示无故障、“1”表示不影响车辆正常行驶的故障、“2”表示影响车辆性能需驾驶员限制行驶的故障、“3”表示驾驶员应立即停车处理或请求救援的故障。
车辆监测功能相关性极强的数据项为采集时间、车辆状态、运行状态、通行车速、纬度、经度、报警等级,关联性极弱的数据项为里程数值。
车辆报警功能相关性极强的数据项为采集时间、车辆状态、运行状态、纬度、经度、报警等级,关联性极弱的数据项为通行车速、里程数值。
禁区监控功能相关性极强的数据项为采集时间、车辆状态、纬度、经度,关联性极弱的数据项为运行状态、通行车速、报警等级,无关数据项为里程数值。
超速预警功能相关性极强的数据项为采集时间、车辆状态、通行车速、纬度、经度,无关数据项为运行状态、里程数值、报警等级。
轨迹回溯功能相关性极强的数据项为采集时间、纬度、经度,无关数据项为车辆状态、运行状态、通行车速、里程数值、报警等级。
拥堵分析功能相关性极强的数据项为采集时间、车辆状态、通行车速、纬度、经度,无关数据项为运行状态、里程数值、报警等级。
营运判别功能相关性极强的数据项为采集时间、车辆状态、运行状态、里程数值、纬度、经度,无关数据项为通行车速、报警等级。
本实施例中,新能源汽车监控信息中数据项被浓缩到8个,对平台的具体功能来说,这8个数据项与车辆监测、车辆报警、禁区监控、超速预警、轨迹回溯、拥堵分析、营运判别等功能也有相关性问题,如轨迹回溯功能只需采集时间、纬度、经度三个数据项,这三个数据项单独构建成轨迹数据库,以便快速实现轨迹可视化应用。
本实施例的数据项浓缩操作中,对新能源汽车上报的整车、驱动电机、燃料电池、发动机、车辆位置、极值、报警等数据项达60多项进行交通管理用途梳理,数据项内容精减为车辆通行时间、通行经度、通行纬度、通行车速、里程数值、车辆状态、运行状态、报警等级。然后,由新能源汽车监控信息共享应用平台向国家新能源汽车安全运行防控平台提请新能源汽车监控数据项及其内容。由此,不仅提升了新能源汽车监控信息的交互效率,而且也节省了新能源汽车监控信息共享应用平台存贮空间。
步骤a3中,还包括以下步骤:
b1:设置一个时差阈值D;
b2:新能源汽车监控信息共享应用平台接收到的强相关参数时,对同一个新能源汽车数据进行时差判断;
当相邻两帧的新能源汽车监控信息数据的时间差大于时差阈值D时,则实施步骤b3;
否则,存储到本地,进行后续计算;
b3:设相隔时差大于时差阈值D的相邻两帧对应的位置坐标点为:d1和d2;
基于拉格朗日插值法对d1和d2进行位置数据补偿,得到位置插值点d';
b4:将位置插值点放入按照:d1、d'、d2的顺序存储,并参与后续计算。
新能源汽车监控信息共享应用平台与国家新能源汽车安全运行防控平台配置同一型号同一版本的电子地图。但由于新能源汽车监控信息中的位置数据是以经度、纬度表示的,而为了便于与电子地图高效匹配,由国家新能源汽车安全运行防控平台统一将经度和纬度转换成电子地图上的位置和行驶方向,并与新能源汽车监控信息共享应用平台同步。
由于新能源汽车监控信息上报到国家新能源汽车安全运行防控平台的间隔更新时间最大不超30秒,且安全交互到新能源汽车监控信息共享应用平台还可能存在时延,导致新能源汽车实际位置与监控信息中的车辆位置存在误差,故采用拉格朗日插值法进行位置数据补偿。给定x1,x2,…xn+1互不相同,则存在唯一的次数不超过n的多项式Pn(x),满足pn(xi)=yi(i=1,2,…,n+1)。
拉格朗日插值公式为:
存在唯一的次数不超过n的抛物线y=a0+a1x+a2x2+...+anxn通过平面上的给出的n+1个点M1(x1,y1),M2(x2,y2),…,Mn+1(xn+1,yn+1)。特别地,对于自变数的两个值,给出了线性函数的(n=1)对应值:
具体应用时,公式(4)中,x1、x2为相邻两帧数据中新能源汽车位置坐标中X轴参数,通过新能源汽车监控信息共享应用平台获取。
当接到的两帧新能源汽车监控信息的时差过大时,可以在两帧之间按公式(4)来插值。如以在A(15,20)、B(25,30)两个点之间插值为例。
其中x1=15、x2=20、y1=25、y2=30,按公式(4)得出线性函数“y=x+5”;
即插值坐标点(x,y)为(x,x+5),当x=20时,则y=25,插值点为(20,25)。
由于新能源汽车大多在城区道路上下班高峰或在城市间高速路上行驶,故对于新能源汽车监控信息中的采集时间与基准时间大于10秒以上新能源汽车实际位置,进行拉格朗日插值,这对于新能源汽车行驶在高架下方、隧道等场景时,避免了新能源汽车监控信息前后帧距离过大造成的电子地图匹配不准的问题发生。进而避免了因为线路问题导致的数据上传实时性不足,进而导致本方法中的实时类功能(车辆监测、车辆报警)和准实时类功能(禁区监控、超速预警)计算不准的问题发生,确保本方法中计算结果的准确性。
使用本发明的技术方案后,新能源汽车上的监控信息第一时间汇聚到新能源汽车生产企业平台,按《电动汽车远程服务与管理系统技术规范》国家标准(GB/T 32960)要求将监控信息上报到工信部新能源汽车国家监测管理平台;与此同时,路侧交通监控设备获取的车辆行驶信息进入道路交通监控系统,再按有关部门的监控设备联网规范要求上传将路面监控信息汇聚到交通集成指挥平台;然后,新能源汽车安全运行协同防控平台对新能源汽车监控信息进行脱密处理,同步安全交换到加密网内的新能源汽车监控信息共享应用平台;新能源汽车监控信息共享应用平台将新能源汽车监控信息应用到交通拥堵治理、交通事故防控、安保交通保障等交通管理场景中;最后,在应用地市部署新能源汽车监控信息共享应用平台,用于分担辖区新能源汽车监控信息可视化展示和分析挖掘所需的算力资源,并与当地对新能源汽车管控需求实现无缝对接、秒级响应。
Claims (5)
1.一种新能源汽车监控信息跨区域共享方法,其特征在于,其包括以下步骤:
S1:对新能源汽车监控信息的共享系统进行分类分级部署;
所述分类分级部署包括:新能源汽车安全运行协同防控平台、新能源汽车监控信息共享应用平台、地市新能源汽车监控信息共享应用平台;
所述新能源汽车安全运行协同防控平台的功能包括:在新能源汽车国家监测管理平台基础上,汇聚全国全品牌全车型的新能源汽车运行安全信息,进行全过程全周期管理及信息的脱密处理;
所述新能源汽车监控信息共享应用平台是在通过通讯专线实现新能源汽车监控信息从专网到加密网的安全交换,并将新能源汽车监控信息应用到交通管理场景中;所述交通管理场景包括:交通拥堵治理、交通事故防控、安保交通保障;
所述地市新能源汽车监控信息共享应用平台是部署到各地市的辖区新能源汽车监控信息应用环境,分担了辖区新能源汽车监控信息可视化展示和分析挖掘所需的算力资源,通过与当地交通集成指挥平台关联应用,实现对当地新能源汽车管控;
S2:对所述新能源汽车监控信息共享应用平台进行功能优化设计,将功能进行区分:
平台功能包括:核心功能、扩展功能;
所述核心功能包括:车辆监测、轨迹回溯、禁区监控、车辆报警、超速预警、拥堵分析、营运判别;
所述扩展功能包括:交通安全监管、交通拥堵治理、交通安保管控;
S3:在所述新能源汽车监控信息共享应用平台上部署基于时空加权的辖区新能源汽车运行期望模型;
所述辖区新能源汽车运行期望模型为:
其中,x为辖区时间参数,y为辖区空间参数,M为辖区注册的新能源汽车拥有量,P为辖区路域总数;
E为加权系数,用来体现辖区特征外部因素,所述外部因素包括:天气、非本地车长期行驶率、交通事故发生率、交通违法发生率、交通安全文明程度;
S(x,y)为辖区新能源汽车运行期望结果,描述新能源汽车对交通管理带来的影响;
C(x,y,n)为辖区第n台新能源汽车整车时空特性,n为变量取值为:n∈[1,M],全部相和后得到辖区全部新能源汽车整车时空特性;体现到所述车辆监测、所述车辆报警两个功能的实时监测结果;
R(x,y,z)为路域内新能源汽车在时空上运行特性,表示不同区域、不同等级的陆域路上行驶的新能源汽车在对路网安全性和畅通性产生的影响;z为变量,取值从1到P,全部相和后得到辖区路域的新能源汽车时空上运行特性;体现到所述禁区监控、所述超速预警功能的实时监测结果;
K(x,y)为辖区期望修正值,表示辖区内交通运行特征因素对辖区内交通管理的干扰,基于辖区内新能源汽车的行驶过程、路网运行状态结果得到;所述新能源汽车行驶过程体现于所述轨迹回溯的结果,从结果中也能发现行驶时间、行驶里程、出没地点异常的新能汽车,即实现所述营运判别;所述路网运行状态体现于所述拥堵分析功能的结果;
S4:所述新能源汽车监控信息共享应用平台和各辖区分别基于本地部署的所述地市新能源汽车监控信息共享应用平台使用所述辖区新能源汽车运行期望模型,对辖区内的新能源汽车监控信息进行运算,获得辖区内新能源汽车运行期望结果。
2.根据权利要求1所述一种新能源汽车监控信息跨区域共享方法,其特征在于:步骤S3实施前,还需要实施以下步骤:
对所述新能源汽车监控信息共享应用平台进行场景优化匹配;
所述场景优化匹配包括:数据项浓缩、平台功能分类、数据项匹配;
所述平台功能分类为:按场景时效性将所述平台功能划分为实时类功能、准实时类功能、非实时类功能;
所述实时类功能包括:车辆监测、车辆报警,单帧监控数据第一时间在路网地图上展示出来;
所述准实时类功能包括:禁区监控、超速预警,单帧监控数据需要与道路交通管理系统相关联后才能在路网地图上展示出来;
所述非实时类功能包括:轨迹回溯、拥堵分析、营运判别,需要进行历史数据融合计算后才能在路网地图上展示出来;
所述数据项匹配为:将平台功能与新能源汽车监控信息中的数据项进行关联;
所述数据项浓缩为将经过所述数据匹配后的所述新能源汽车监控信息数据按照与所述平台功能的紧密程度进行挑选。
3.根据权利要求2所述一种新能源汽车监控信息跨区域共享方法,其特征在于:所述数据项浓缩的具体步骤包括:
a1:将所述新能源汽车监控信息数据进行交通管理强相关分析;
所述强相关分析基于Pearson相关系数进行分析,计算每个新能源汽车监控信息数据的与交通管理的相关性;
其中,交通管理基于平台功能进行体现,每个所述新能源汽车监控信息数据分别与每个所述平台功能基于Pearson相关系数进行分析计算;
a2:将每个所述平台功能的弱关联项和数据冗余消除,得到每个所述平台功能的在所述新能源汽车监控信息数据中的强相关项,记作强相关参数;
a3:所述新能源汽车监控信息共享应用平台进行计算时,根据计算中涉及到的所述平台功能向所述新能源汽车安全运行协同防控平台请求所述强相关参数。
4.根据权利要求3所述一种新能源汽车监控信息跨区域共享方法,其特征在于:步骤a3中,还包括以下步骤:
b1:设置一个时差阈值D;
b2:所述新能源汽车监控信息共享应用平台接收到的所述强相关参数时,对同一个新能源汽车数据进行时差判断;
当相邻两帧的新能源汽车监控信息数据的时间差大于所述时差阈值N时,则实施步骤b3;
否则,存储到本地,进行后续计算;
b3:设相隔时差大于所述时差阈值D的相邻两帧对应的位置坐标点为:d1和d2;
基于拉格朗日插值法对d1和d2进行位置数据补偿,得到位置插值点d';
b4:将所述位置插值点放入按照:d1、d'、d2的顺序存储,并参与后续计算。
5.根据权利要求1所述一种新能源汽车监控信息跨区域共享方法,其特征在于:所述平台功能中:
所述车辆监测是指在路网地图上实时展示当前新能源汽车位置及动态分布;
所述轨迹回溯是指在路网地图上按选定车辆回放其某段时间内的行驶线路;
所述禁区监控是指在路网地图上设定电子围栏,对限制通行的新能源汽车实施行驶报警,适用于重大交通安保的车辆管控;
所述车辆报警是指在路网地图上按红黄橙绿四色展示新能源汽车当前故障报警等级;
所述超速预警是在路网地图上设定限速区域,对超越限定速度值的通行新能源汽车实施预警;
所述拥堵分析是在路网地图上显示当前车辆通行速度;
所述营运判别是指在地市辖区范围内研判用于营运的新能源汽车;
所述交通安全监管为通过车辆监测、轨迹回溯、车辆报警、超速预警、营运判别功能实现交通事故、交通隐患的管理;
所述交通拥堵治理为通过车辆监测、轨迹回溯、拥堵分析实现道路交通畅通程度评估;
所述交通安保管控即通过车辆监测、轨迹回溯、禁区监控、拥堵分析功能实现重大活动和特勤管理中的路面车辆控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210257129.5A CN114626964B (zh) | 2022-03-16 | 2022-03-16 | 一种新能源汽车监控信息跨区域共享方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210257129.5A CN114626964B (zh) | 2022-03-16 | 2022-03-16 | 一种新能源汽车监控信息跨区域共享方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114626964A true CN114626964A (zh) | 2022-06-14 |
CN114626964B CN114626964B (zh) | 2023-04-11 |
Family
ID=81902710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210257129.5A Active CN114626964B (zh) | 2022-03-16 | 2022-03-16 | 一种新能源汽车监控信息跨区域共享方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114626964B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004185399A (ja) * | 2002-12-04 | 2004-07-02 | Nippon Telegr & Teleph Corp <Ntt> | 交通環境管理サーバ |
CN102103794A (zh) * | 2010-11-03 | 2011-06-22 | 厦门雅迅网络股份有限公司 | 按辖区监控车辆的方法 |
EP2590151A1 (en) * | 2011-11-03 | 2013-05-08 | Deutsche Telekom AG | A framework for the systematic study of vehicular mobility and the analysis of city dynamics using public web cameras |
US20150294430A1 (en) * | 2014-04-15 | 2015-10-15 | Tomorrow's Transportation Today | Dynamic dispatching and schedule management methods for an intelligent transit system with electronic guided buses |
CN108288384A (zh) * | 2018-02-09 | 2018-07-17 | 杨茂君 | 机动车智能管理大数据平台系统 |
CN109729164A (zh) * | 2018-12-28 | 2019-05-07 | 国汽(北京)智能网联汽车研究院有限公司 | 智能网联汽车计算平台车端与云端运算等级分配方法 |
US20190213875A1 (en) * | 2016-09-16 | 2019-07-11 | Roger Andre EILERTSEN | Distributed traffic guidance and surveillance system |
US20210323540A1 (en) * | 2020-04-16 | 2021-10-21 | Toyota Jidosha Kabushiki Kaisha | Vehicle driving and monitoring system, vehicle including the vehicle driving and monitoring system, method for maintaining a situational awareness at a sufficient level, and computer readable medium for implementing the method |
-
2022
- 2022-03-16 CN CN202210257129.5A patent/CN114626964B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004185399A (ja) * | 2002-12-04 | 2004-07-02 | Nippon Telegr & Teleph Corp <Ntt> | 交通環境管理サーバ |
CN102103794A (zh) * | 2010-11-03 | 2011-06-22 | 厦门雅迅网络股份有限公司 | 按辖区监控车辆的方法 |
EP2590151A1 (en) * | 2011-11-03 | 2013-05-08 | Deutsche Telekom AG | A framework for the systematic study of vehicular mobility and the analysis of city dynamics using public web cameras |
US20150294430A1 (en) * | 2014-04-15 | 2015-10-15 | Tomorrow's Transportation Today | Dynamic dispatching and schedule management methods for an intelligent transit system with electronic guided buses |
US20190213875A1 (en) * | 2016-09-16 | 2019-07-11 | Roger Andre EILERTSEN | Distributed traffic guidance and surveillance system |
CN108288384A (zh) * | 2018-02-09 | 2018-07-17 | 杨茂君 | 机动车智能管理大数据平台系统 |
CN109729164A (zh) * | 2018-12-28 | 2019-05-07 | 国汽(北京)智能网联汽车研究院有限公司 | 智能网联汽车计算平台车端与云端运算等级分配方法 |
US20210323540A1 (en) * | 2020-04-16 | 2021-10-21 | Toyota Jidosha Kabushiki Kaisha | Vehicle driving and monitoring system, vehicle including the vehicle driving and monitoring system, method for maintaining a situational awareness at a sufficient level, and computer readable medium for implementing the method |
Non-Patent Citations (2)
Title |
---|
姜良维: "新能源汽车监控信息共享应用平台 功能及应用探讨" * |
贾琳;: "城市交通大数据智能计算平台与应用" * |
Also Published As
Publication number | Publication date |
---|---|
CN114626964B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109716414B (zh) | 一种多模态道路交通异常检测方法 | |
CN104715610B (zh) | 一种面向城市交通的交通指数计算方法 | |
CN111696369B (zh) | 一种基于多源地理空间大数据的全市道路分时分车型交通流预测方法 | |
CN113538898A (zh) | 一种基于多源数据的高速公路拥堵管控系统 | |
CN110705747A (zh) | 一种基于大数据的智慧公共交通云脑体系 | |
CN111275965B (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN106157624B (zh) | 基于交通定位数据的多粒度道路分流可视分析方法 | |
CN113868492A (zh) | 一种基于电警、卡口数据的可视化od分析方法及应用 | |
CN115291515A (zh) | 一种基于数字孪生的自动驾驶仿真测试系统及评价方法 | |
CN114626964B (zh) | 一种新能源汽车监控信息跨区域共享方法 | |
Golze et al. | Impact analysis of accidents on the traffic flow based on massive floating car data | |
CN114666738A (zh) | 基于手机信令的国土空间规划方法和系统 | |
CN104616066A (zh) | 一种行车用量数据的采集方法及系统 | |
CN113434619B (zh) | 一种4g的高速公路智能交通路况监控系统 | |
Şerban et al. | Statistical analysis using machine learning algorithms in traffic control | |
CN117253364B (zh) | 交通拥堵事件提取与态势融合方法与系统 | |
Gao | Analysis of urban road network operation state based on GPS data of floating car | |
Kim et al. | Development of near real time performance measurements for closed-loop signal systems (CLS) using historical traffic data from existing loop detectors and signal timing data. | |
Rahman et al. | Understanding real time traffic characteristics of urban zones using GPS data: A computational study on Dhaka City | |
Rakha et al. | Coordination of traffic signals across jurisdictional boundaries: field and modeling results | |
Li et al. | Dynamic Risk Assessment and Visualization for Road Transportation of Dangerous Goods | |
Chen et al. | Identification and Analysis of Urban Traffic Congestion Based on Multi-Source Data | |
Pack et al. | Transportation Energy Analytics Dashboard (TEAD) | |
Xiao et al. | Analysis of Traffic Congestion around Nanjing Middle School Based on Floating Car Data |
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 |