CN114758494A - 一种基于通信感知多源数据融合的交通参数检测系统及方法 - Google Patents
一种基于通信感知多源数据融合的交通参数检测系统及方法 Download PDFInfo
- Publication number
- CN114758494A CN114758494A CN202210301204.3A CN202210301204A CN114758494A CN 114758494 A CN114758494 A CN 114758494A CN 202210301204 A CN202210301204 A CN 202210301204A CN 114758494 A CN114758494 A CN 114758494A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicles
- vehicle speed
- occupancy
- traffic
- 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
-
- 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
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- 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)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于通信感知多源数据融合的交通参数检测系统及方法,系统包括:数据感知模块,用于采集车辆速度数据、交通量数据和占有率数据;网络通信模块,用于传输车辆速度数据、交通量数据和占有率数据;数据处理模块,用于接收和存储车辆速度数据、交通量数据和占有率数据,并对非网联车的车辆速度数据、道路全部车辆的交通量数据、道路全部车辆的占有率数据进行融合分析,得到非网联车最终的车辆速度数据以及道路全部车辆最终的交通量数据和占有率数据。本发明结合多源传感器信息,克服了单一传感器由于自身限制不能获取全面信息的缺点,做到了大区域、全天候的精确检测,获得了更准确的车辆运行速度信息,提高了道路检测系统的鲁棒性。
Description
技术领域
本发明属于智能交通技术领域,涉及一种基于通信感知多源数据融合的交通参数检测系统及方法。
背景技术
随着中国社会经济和科学技术持续快速的发展,机动车辆迅速增加,不同智能水平的车辆逐渐进入市场,智能网联车辆和普通车辆将在很长一段时间内以不同比例混合在道路上。面对日益复杂的城市道路交通系统,提高交通管理水平和交通运行效率,保证交通安全稳定尤为重要。因此,对异构交通流运行状态的研究具有十分重要的理论意义和应用价值,而实时准确的获取交通参数信息就是研究异构交通流运行状态的基础。
技术发展使得交通检测器性能逐渐优化,设备种类多样。
然而传统的信息获取方式一般都采用单一类型传感器,由于受到自身制约,单一传感器无法获取到足够全面的信息。例如,视频检测器在大雾、雨雪等光照条件较差的恶劣天气环境中的观察范围会受到影响,此外体积较大车辆的遮挡容易造成小型车辆的漏检;毫米波雷达能够穿透雾、烟、灰尘,通过捕获反射信号获取距离、速度、角度等参数,但在因高分辨率多次识别大型车辆不同位置的情况下会产生检测误差。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于通信感知多源数据融合的交通参数检测系统及方法。本发明要解决的技术问题通过以下技术方案实现:
本发明实施例提供了一种基于通信感知多源数据融合的交通参数检测系统,所述交通参数检测系统包括:
数据感知模块,用于实时采集观测路段内的车辆速度数据、交通量数据和占有率数据,其中,车辆速度数据为网联车与非网联车的车辆速度数据,交通量数据为网联车和观测路段的道路全部车辆的交通量数据,占有率数据为观测路段的道路全部车辆的占有率数据;
网络通信模块,连接所述数据感知模块,用于传输所述数据感知模块采集到的车辆速度数据、交通量数据和占有率数据;
数据处理模块,连接所述网络通信模块,用于接收和存储所述网络通信模块传输的所述车辆速度数据、交通量数据和占有率数据,并对所述非网联车的车辆速度数据、道路全部车辆的交通量数据、道路全部车辆的占有率数据进行融合分析,以得到所述非网联车最终的车辆速度数据以及道路全部车辆最终的交通量数据和占有率数据。
在本发明的一个实施例中,所述数据感知模块包括车载感知单元和路侧感知单元,其中:
所述车载感知单元,设置在所述网联车上,用于采集所述网联车实时的第一车辆速度数据;
所述路侧感知单元,设置在所述观测路段上,用于采集所述观测路段上所述网联车实时的第二车辆速度数据和第二交通量数据、所述非网联车实时的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据。
在本发明的一个实施例中,每一辆所述网联车在同一时刻的第二车辆速度数据和在观测时间T内的第二交通量数据、每一辆所述非网联车在同一时刻的车辆速度数据、所述道路全部车辆在单位时间T内的交通量数据和占有率数据,均由雷达检测数据和摄像头检测数据组成。
在本发明的一个实施例中,所述网络通信模块包括车载通信单元和路侧通信单元,其中:
所述车载通信单元,设置在所述网联车上,连接所述车载感知单元,用于将所述车载感知单元采集的所述网联车的第一车辆速度数据传输至所述数据处理模块;
所述路侧通信单元,设置在所述观测路段上,连接所述路侧感知单元,用于将所述路侧感知单元采集的所述网联车的第二车辆速度数据和第二交通量数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据传输至所述数据处理模块。
在本发明的一个实施例中,所述数据处理模块包括通信单元、预处理单元、存储单元和融合单元,其中:
所述通信单元,分别连接所述车载通信单元和所述路侧通信单元,用于接收所述网联车的第一车辆速度数据和第二车辆速度数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据;
所述预处理单元,连接所述通信单元,用于对所述通信单元接收到的所述网联车的第一车辆速度数据和第二车辆速度数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据进行预处理操作,首先对网联车的第一车辆速度数据进行计数,一条速度数据对应一个车辆ID,根据第一车辆速度数据的数量得到网联车的第一交通量数据,然后分别使用网联车的第一车辆速度数据和第二车辆速度数据计算得到网联车的第一占有率数据和第二占有率数据,最后对所述网联车的第一车辆速度数据、第二车辆速度数据、第一交通量数据、第二交通量数据、第一占有率数据和第二占有率数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据进行滤除异常值操作,得到第一有用数据和第二有用数据,并将所述第一有用数据和所述第二有用数据传输至所述存储单元,其中,所述第一有用数据包括:第一速度有用数据、第一交通量有用数据和第一占有率有用数据,所述第二有用数据包括:第二速度有用数据、第二交通量有用数据和第二占有率有用数据,其中,所述第一速度有用数据、第一交通量有用数据和第一占有率有用数据分别为所述第一车辆速度数据和所述第二车辆速度数据、所述第一交通量数据和所述第二交通量数据、所述第一占有率数据和所述第二占有率数据经滤除异常数据之后的数据,所述第二速度有用数据、第二交通量有用数据和第二占有率有用数据分别为所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据经滤除异常数据之后的数据;
所述存储单元,分别与所述预处理单元和所述融合单元相连接,用于接收和存储所述预处理单元发送的所述第一有用数据和所述第二有用数据,并等待所述融合单元对所述第一有用数据和所述第二有用数据的调用;
所述融合单元,用于利用所述第一速度有用数据、所述第一交通量有用数据、所述第一占有率有用数据分别对三个BP神经网络进行训练,以利用训练好的三个BP神经网络分别对所述第二速度有用数据、所述第二交通量有用数据和所述第二占有率有用数据进行融合,以得到所述非网联车最终的实时车辆速度数据,所述道路全部车辆最终的交通量数据和占有率数据。
在本发明的一个实施例中,所述融合单元包括判断子单元、训练子单元和融合子单元,其中:
所述判断子单元,连接所述存储单元,用于判断所述存储单元更新的所述第一速度有用数据、所述第一交通量有用数据、所述第一占有率有用数据这三个数据的数据量分别是否达到预先设定的固定样本量N,若有达到的数据,则通知所述训练子单元接收满足条件的所述第一有用数据;
所述训练子单元,分别连接所述判断子单元和所述存储单元,用于从所述存储单元中接收更新样本量达到设定条件的所述第一有用数据,并使用更新的所述第一有用数据对相应的BP神经网络进行训练,并将训练好的BP神经网络保存;
所述融合子单元,分别连接所述训练子单元和所述存储单元,用于使用训练好的BP神经网络对所述第二有用数据进行融合,以得到所述非网联车最终的实时车辆速度数据,所述道路全部车辆最终的交通量数据和占有率数据。
本发明一个实施例还提供一种基于通信感知多源数据融合的交通参数检测方法,利用上述任一项所述的交通参数检测系统进行检测,所述交通参数检测方法包括:
S1、通过数据感知模块实时采集观测路段内网联车的车辆速度数据、交通量数据和占有率数据,非网联车的车辆速度数据,道路全部车辆的交通量数据和占有率数据;
S2、通过网络通信模块传输所述网联车的车辆速度数据、交通量数据和占有率数据,所述非网联车的车辆速度数据,所述道路全部车辆的交通量数据和占有率数据;
S3、通过数据处理模块接收和存储所述网络通信模块传输的所述网联车的车辆速度数据、交通量数据和占有率数据,所述非网联车的车辆速度数据,所述道路全部车辆的交通量数据和占有率数据,并对所述非网联车的车辆速度数据及所述道路全部车辆的交通量数据和占有率数据进行融合分析,以得到所述非网联车最终的车辆速度数据及道路全部车辆最终的交通量数据和占有率数据。
在本发明的一个实施例中,所述S1包括:
S11、通过车载感知单元采集所述网联车实时的第一车辆速度数据;
S12、通过路侧感知单元采集所述观测路段上所述网联车实时的第二车辆速度数据和第二交通量数据、所述非网联车实时的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据。
在本发明的一个实施例中,所述S3包括:
S31、通过通信单元接收所述网联车的第一车辆速度数据和第二车辆速度数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据;
S32、通过预处理单元对所述通信单元接收到的所述网联车的第一车辆速度数据和第二车辆速度数据,所述非网联车的车辆速度数据,所述道路全部车辆的交通量数据和占有率数据进行预处理操作,首先对网联车的第一车辆速度数据进行计数,一条速度数据对应一个车辆ID,根据第一车辆速度数据的数量得到网联车的第一交通量数据,然后分别使用网联车的第一车辆速度数据和第二车辆速度数据计算得到网联车的第一占有率数据和第二占有率数据,最后对所述网联车的第一车辆速度数据、第二车辆速度数据、第一交通量数据、第二交通量数据、第一占有率数据和第二占有率数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据进行滤除异常值操作,得到第一有用数据和第二有用数据,并将所述第一有用数据和所述第二有用数据传输至所述存储单元,其中,所述第一有用数据包括:第一速度有用数据、第一交通量有用数据和第一占有率有用数据,所述第二有用数据包括:第二速度有用数据、第二交通量有用数据和第二占有率有用数据,其中,所述第一速度有用数据、第一交通量有用数据和第一占有率有用数据分别为所述第一车辆速度数据和所述第二车辆速度数据,所述第一交通量数据和所述第二交通量数据,所述第一占有率数据和所述第二占有率数据经滤除异常数据之后的数据,所述第二速度有用数据、第二交通量有用数据和第二占有率有用数据分别为所述非网联车的车辆速度数据,所述道路全部车辆的交通量数据和占有率数据经滤除异常数据之后的数据;
S33、通过存储单元接收和存储所述预处理单元发送的所述第一有用数据和所述第二有用数据,并等待所述融合单元对所述第一有用数据和所述第二有用数据的调用;
S34、融合单元利用所述第一速度有用数据、所述第一交通量有用数据、所述第一占有率有用数据分别对三个BP神经网络进行训练,以利用训练好的三个BP神经网络分别对所述第二速度有用数据、所述第二交通量有用数据和所述第二占有率有用数据进行融合,以得到所述非网联车最终的实时车辆速度数据,所述道路全部车辆最终的交通量数据和占有率数据。
在本发明的一个实施例中,所述S34包括:
S341、通过判断子单元判断存储单元更新的所述第一速度有用数据、所述第一交通量有用数据、所述第一占有率有用数据这三个数据的数据量分别是否达到预先设定的固定样本量N,若有达到的数据,则通知所述训练子单元接收满足条件的所述第一有用数据;
S342、通过训练子单元从所述存储单元中接收更新样本量达到设定条件的所述第一有用数据,并使用更新的所述第一有用数据对相应的BP神经网络进行训练,并将训练好的BP神经网络保存;
S343、通过融合子单元使用训练好的BP神经网络对所述第二有用数据进行融合,以得到所述非网联车最终的实时车辆速度数据,所述道路全部车辆最终的交通量数据和占有率数据。
与现有技术相比,本发明的有益效果:
1、本发明结合多源传感器信息,克服了单一传感器由于自身限制不能获取全面信息的缺点,做到了大区域、全天候的精确检测,获得了更准确的交通参数信息,提高了道路检测系统的鲁棒性;
2、本发明使用BP神经网络来进行数据融合,比传统的Bayes推理等方法的融合准确率更高;
3、针对静态网络一旦完成训练,网络的结构与参数都将保持不变的缺点,本发明充分利用混合交通流中网联车辆可以进行信息交互的特点,不断利用最新的网联车速度数据进行训练,使传统BP神经网络变为动态BP神经网络。如此,训练好的网络模型能够达到自适应当前环境的功能,为特殊天气和时间条件下的行车检测提供进一步保障。
通过以下参考附图的详细说明,本发明的其它方面和特征变得明显。但是应当知道,该附图仅仅为解释的目的设计,而不是作为本发明的范围的限定,这是因为其应当参考附加的权利要求。还应当知道,除非另外指出,不必要依比例绘制附图,它们仅仅力图概念地说明此处描述的结构和流程。
附图说明
图1为本发明实施例提供的一种基于通信感知多源数据融合的交通参数检测系统的模块图;
图2为本发明实施例提供的一种基于通信感知多源数据融合的交通参数检测系统的具体结构图;
图3是本发明实施例提供的一种融合单元的结构示意图;
图4是本发明实施例提供的一种基于通信感知多源数据融合的交通参数检测方法的流程示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
请参见图1,图1为本发明实施例提供的一种基于通信感知多源数据融合的交通参数检测系统的模块图,本发明提供一种基于通信感知多源数据融合的交通参数检测系统,该交通参数检测系统包括数据感知模块1、网络通信模块2和数据处理模块3,其中:
数据感知模块,用于实时采集观测路段内的车辆速度数据、交通量数据和占有率数据,其中,车辆速度数据为网联车与非网联车的车辆速度数据,交通量数据为网联车和观测路段的道路全部车辆的交通量数据,占有率数据为观测路段的道路全部车辆的占有率数据,道路全部车辆包括网联车和非网联车,其中,交通量是指在单位时间内,通过道路某一点、某一截面或某一条车道的车辆数,占有率即车辆的时间密集度,就是在一定的观测时间T内,车辆通过检测器时所占用的时间与观测总时间的比值;
网络通信模块,连接数据感知模块,用于传输所述数据感知模块采集到的车辆速度数据、交通量数据、占有率数据;
数据处理模块,连接网络通信模块,用于接收和存储所述网络通信模块传输的所述车辆速度数据、交通量数据和占有率数据,并对所述非网联车的车辆速度数据、道路全部车辆的交通量数据、道路全部车辆的占有率数据进行融合分析,以得到所述非网联车最终的车辆速度数据以及道路全部车辆最终的交通量数据和占有率数据,通过该交通参数检测系统得到的交通参数信息更加准确。
在一个具体实施例中,请参见图2,数据感知模块1包括车载感知单元11和路侧感知单元12,其中:
车载感知单元11,设置在网联车上,用于采集网联车实时的第一车辆速度数据;
路侧感知单元12,设置在观测路段上,用于采集观测路段上网联车实时的第二车辆速度数据和第二交通量数据,非网联车实时的车辆速度数据,道路全部车辆的交通量数据和占有率数据,另外,路侧感知单元12还可以固定安装于如观测路段的道路门架上。
本实施例的车载感知单元11为一般车载传感器,可以感知车辆自身行驶状态,实时获得当前网联车的车速数据,通过车载传感器可以得到网联车真实的车速数据。路侧感知单元12可以包括微波、雷达、摄像头等多种传感器,用于从路侧采集观测路段内所有车辆的车速、交通量和占有率数据。
需要说明的是,在本实施例的混合交通流的情况中,同时包括网联车和非网联车,网联车随机分布,而非网联车无法与路侧设备和数据处理模块3进行数据交互。在本实施例中,非网联车的车辆速度数据、交通量数据仅通过路侧感知单元12采集。
在一个具体实施例中,请继续参见图2,网络通信模块2包括车载通信单元21和路侧通信单元22,其中:
车载通信单元21,设置在网联车上,连接车载感知单元11,用于将车载感知单元11采集的网联车的第一车辆速度数据传输至数据处理模块3;
路侧通信单元22,设置在观测路段上,连接路侧感知单元12,用于将路侧感知单元12采集的网联车的第二车辆速度数据和第二交通量数据、非网联车的车辆速度数据、道路全部车辆的交通量数据和占有率数据传输至数据处理模块3。
进一步地,网络通信模块与数据处理模块采用无线通信方式进行通信。
在一个具体实施例中,请继续参见图2,数据处理模块3包括通信单元31、预处理单元32、存储单元33和融合单元34,其中:
通信单元31,分别连接车载通信单元21和路侧通信单元22,用于接收网联车的第一车辆速度数据和第二车辆速度数据、路侧感知单元12采集的非网联车的车辆速度数据及道路全部车辆的交通量数据和占有率数据;
预处理单元32,连接通信单元31,用于对通信单元31接收到的网联车的第一车辆速度数据和第二车辆速度数据,非网联车的车辆速度数据,道路全部车辆的交通量数据和占有率数据进行预处理操作,首先对网联车的第一车辆速度数据进行计数,一条速度数据对应一个车辆ID,根据第一车辆速度数据的数量得到网联车的第一交通量数据,然后分别使用网联车的第一车辆速度数据和第二车辆速度数据计算得到网联车的第一占有率数据和第二占有率数据,最后对网联车的第一车辆速度数据、第二车辆速度数据、第一交通量数据、第二交通量数据、第一占有率数据和第二占有率数据、非网联车的车辆速度数据、道路全部车辆的交通量数据和占有率数据进行滤除异常值操作,得到第一有用数据和第二有用数据,并将第一有用数据和第二有用数据传输至所述存储单元33,其中,第一有用数据包括:第一速度有用数据、第一交通量有用数据和第一占有率有用数据,第二有用数据包括:第二速度有用数据、第二交通量有用数据和第二占有率有用数据,其中,第一速度有用数据、第一交通量有用数据和第一占有率有用数据分别为第一车辆速度数据和第二车辆速度数据,第一交通量数据和第二交通量数据,第一占有率数据和第二占有率数据经滤除异常数据之后的数据,第二速度有用数据、第二交通量有用数据和第二占有率有用数据分别为非网联车的车辆速度数据,道路全部车辆的交通量数据和占有率数据经滤除异常数据之后的数据;
存储单元33,分别与预处理单元32和融合单元34相连接,用于接收和存储预处理单元32发送的第一有用数据和第二有用数据,并等待融合单元34对第一有用数据和第二有用数据的调用;
融合单元34,用于利用第一速度有用数据、第一交通量有用数据、第一占有率有用数据分别对三个BP神经网络进行训练,以利用训练好的三个BP神经网络分别对第二速度有用数据、第二交通量有用数据和第二占有率有用数据进行融合,以得到非网联车最终的实时车辆速度数据,道路全部车辆最终的交通量数据和占有率数据。
在本实施例中,所述网联车的占有率数据由下述公式计算得到:
其中,T为观测时间,li为第i辆车的车长,此处统一取一平均值,如4.5(m),vi为第i辆车通过观测断面的瞬时速度(网联车的第一车辆速度数据或第二车辆速度数据)(km/h),di为断面长度(m),由于本实施例中断面为一横截面,所以di可忽略不计。
在本实施例中,对于处于下述速度区间的速度则不需要滤除,对于未处于下述速度区间的速度则需要滤除,其中,速度区间为:
0≤v≤fv×vp
其中,fv为道路限制速度(km/h),根据道路等级而定,vp为修正系数,一般取值1.3-1.5。
需要说明的是,由于雷达在目标靠近的情况下速度检测值为负,所以雷达所检测的速度数据需要先进行一次正负变换操作后再进行占有率计算和异常值滤除。
在本实施例中,对于处于下述交通量区间的交通量则不需要滤除,对于未处于下述交通量区间的交通量则需滤除,其中,交通量区间为:
0≤q≤fc×C×T/60
其中,C为道路通行能力(veh/h),根据道路条件而定,T为数据采集间隔(min),fc为修正系数,一般取值1.3-1.5。
在本实施例中,对于处于下述占有率区间的占有率则不需要滤除,对于未处于下述占有率区间的占有率则需滤除,其中,占有率区间为:
0≤o≤100%
进一步地,请参见图3,融合单元34包括判断子单元341、训练子单元342和融合子单元343,其中:
判断子单元341,连接存储单元33,用于判断存储单元33更新的第一速度有用数据、第一交通量有用数据、第一占有率有用数据这三个数据的数据量分别是否达到预先设定的固定样本量N,若有达到的数据,则通知训练子单元342接收满足条件的第一有用数据;
训练子单元342,分别连接判断子单元341和存储单元33,用于从存储单元33中接收更新样本量达到设定条件的第一有用数据,并使用更新的第一有用数据对相应的BP神经网络进行训练,并将训练好的BP神经网络保存;
融合子单元343,分别连接训练子单元342和存储单元33,用于使用训练好的BP神经网络对第二有用数据进行融合,以得到非网联车最终的实时车辆速度数据,道路全部车辆最终的交通量数据和占有率数据。
具体地,本实施例以雷达和摄像头两个传感器采集的非网联车的车辆速度数据融合为例进行说明,判断子单元341读取存储单元33中的网联车速度数据,判断其更新的第一有用数据量是否达到设定样本量N,若达到,则将此新的第一有用数据发送至训练子单元342进行BP神经网络的训练,若未达到,则不训练BP神经网络,使用之前保存的网络。其中,网联车的第一有用数据由不同网联车在不同时刻的车辆速度数据组成,每一辆网联车在同一时刻的速度由三组数据描述,分别为网联车传输的第一车辆速度数据、雷达检测数据以及摄像头检测数据(第二车辆速度数据包括雷达检测数据以及摄像头检测数据)。
训练子单元342使用接收到的更新的网联车的第一有用数据进行BP神经网络的训练。具体处理过程为:对第一有用数据进行归一化处理,确定BP神经网络各层节点数,初始化各层神经元之间的连接权值、隐含层和输出层阈值,给定学习速率和神经元激励函数;根据输入变量(雷达检测数据和摄像头检测数据)、各层的权值和阈值,计算BP神经网络的输出(网络融合结果);根据网络输出和期望输出(网联车传输的第一车辆速度数据),计算BP神经网络输出误差;判断误差是否满足要求,若不满足,则根据BP神经网络输出误差更新网络连接权值和节点阈值,然后使用更新的网络连接权值和节点阈值,计算BP神经网络的输出及输出误差,直到误差满足要求,完成训练。
在本实施例中,对于同一辆网联车来说,在同一时刻雷达和摄像头会检测到两个数据,同时网联车上的传感器也会检测到网联车的真实数据,因此在训练BP神经网络的时候,BP神经网络也是通过融合雷达和视频数据,然后再对照真实数据调整网络的内部参数,最终完成BP神经网络的训练,这种训练方式,能够提高BP神经网络融合数据的准确性。
融合子单元343读取存储单元33中的非网联车的第二有用数据,使用训练好的BP神经网络对其进行数据融合。其中,非网联车的第二有用数据由不同非网联车在不同时刻的车辆速度数据组成,每一辆车在同一时刻的速度由两组数据描述,分别为雷达检测数据和摄像头检测数据。BP神经网络对这两组数据进行融合,得到非网联车辆更为准确的速度数据。
网联车辆准确的速度数据可以通过通信的方式发送给交通信息管理云平台调用,而非网联车辆的速度只能通过检测器采集得到,准确率不高。本实施例通过借助网联车辆的速度信息,动态的更新BP神经网络,再融合不同传感器采集的非网联车速度数据,使得交通信息管理云平台可以获取到更加准确的非网联车速度数据,为交通信息管理云平台进行后续的信息发布或交通管理提供可靠的数据支持。
本发明结合多源传感器信息,克服了单一传感器由于自身限制不能获取全面信息的缺点,做到了大区域、全天候的精确检测,获得了更准确的车辆运行速度信息,提高了道路检测系统的鲁棒性。
本发明使用BP神经网络来进行数据融合,比传统的Bayes推理等方法的融合准确率更高。
本发明针对静态网络一旦完成训练,网络的结构与参数都将保持不变的缺点,本发明充分利用混合交通流中网联车辆可以进行信息交互的特点,不断利用最新的网联车速度数据进行训练,使传统BP神经网络变为动态BP神经网络。如此,训练好的网络模型能够达到自适应当前环境的功能,为特殊天气和时间条件下的行车检测提供进一步保障。
实施例二
请参见图4,图4是本发明实施例提供的一种基于通信感知多源数据融合的交通参数检测方法的流程示意图。本发明在上述实施例的基础上还提供一种基于通信感知多源数据融合的交通参数检测方法,该交通参数检测方法利用实施例一所述的交通参数检测系统进行检测,所述交通参数检测方法包括:
S1、通过数据感知模块实时采集观测路段内网联车的车辆速度数据和交通量数据、非网联车的车辆速度数据、道路全部车辆的交通量数据和占有率数据;
S2、通过网络通信模块传输网联车的车辆速度数据和交通量数据、非网联车的车辆速度数据、道路全部车辆的交通量数据和占有率数据;
S3、通过数据处理模块接收和存储网络通信模块传输的网联车的车辆速度数据和交通量数据、非网联车的车辆速度数据、道路全部车辆的交通量数据和占有率数据,并对非网联车的车辆速度数据及道路全部车辆的交通量数据和占有率数据进行融合分析,以得到非网联车最终的车辆速度数据及道路全部车辆最终的交通量数据和占有率数据。
在一个具体实施例中,S1包括:
S11、通过车载感知单元采集网联车实时的第一车辆速度数据;
S12、通过路侧感知单元采集观测路段上所述网联车实时的第二车辆速度数据和第二交通量数据、非网联车实时的车辆速度数据、道路全部车辆的交通量数据和占有率数据。
在一个具体实施例中,S3包括:
S31、通过通信单元接收网联车的第一车辆速度数据和第二车辆速度数据、非网联车的车辆速度数据、道路全部车辆的交通量数据和占有率数据;
S32、通过预处理单元对通信单元接收到的网联车的第一车辆速度数据和第二车辆速度数据、非网联车的车辆速度数据、道路全部车辆的交通量数据和占有率数据进行预处理操作,首先对网联车的第一车辆速度数据进行计数,一条速度数据对应一个车辆ID,根据第一车辆速度数据的数量得到网联车的第一交通量数据,然后分别使用网联车的第一车辆速度数据和第二车辆速度数据计算得到网联车的第一占有率数据和第二占有率数据,最后对网联车的第一车辆速度数据、第二车辆速度数据、第一交通量数据、第二交通量数据、第一占有率数据和第二占有率数据、非网联车的车辆速度数据、道路全部车辆的交通量数据和占有率数据进行滤除异常值操作,得到第一有用数据和第二有用数据,并将第一有用数据和第二有用数据传输至存储单元,其中,第一有用数据包括:第一速度有用数据、第一交通量有用数据和第一占有率有用数据,第二有用数据包括:第二速度有用数据、第二交通量有用数据和第二占有率有用数据,其中,第一速度有用数据、第一交通量有用数据和第一占有率有用数据分别为第一车辆速度数据和第二车辆速度数据,第一交通量数据和第二交通量数据,第一占有率数据和第二占有率数据经滤除异常数据之后的数据,第二速度有用数据、第二交通量有用数据和第二占有率有用数据分别为非网联车的车辆速度数据,道路全部车辆的交通量数据和占有率数据经滤除异常数据之后的数据;
S33、通过存储单元接收和存储预处理单元发送的第一有用数据和第二有用数据,并等待融合单元对第一有用数据和第二有用数据的调用;
S34、融合单元利用第一速度有用数据、第一交通量有用数据、第一占有率有用数据分别对三个BP神经网络进行训练,以利用训练好的三个BP神经网络分别对第二速度有用数据、第二交通量有用数据和第二占有率有用数据进行融合,以得到非网联车最终的实时车辆速度数据,道路全部车辆最终的交通量数据和占有率数据。
在一个具体实施例中,S34包括:
S341、通过判断子单元判断存储单元更新的第一速度有用数据、第一交通量有用数据、第一占有率有用数据这三个数据的数据量分别是否达到预先设定的固定样本量N,若有达到的数据,则通知训练子单元接收满足条件的第一有用数据;
S342、通过训练子单元从存储单元中接收更新样本量达到设定条件的第一有用数据,并使用更新的第一有用数据对相应的BP神经网络进行训练,并将训练好的BP神经网络保存;
S343、通过融合子单元使用训练好的BP神经网络对第二有用数据进行融合,以得到非网联车最终的实时车辆速度数据,道路全部车辆最终的交通量数据和占有率数据。
具体地,本实施例以雷达和摄像头两个传感器采集的非网联车的车辆速度数据融合为例进行说明,判断子单元读取存储单元中的网联车速度数据,判断其更新的第一有用数据量是否达到设定样本量N,若达到,则将此新的第一有用数据发送至训练子单元进行BP神经网络的训练,若未达到,则不训练BP神经网络,使用之前保存的网络。其中,网联车的第一有用数据由不同网联车在不同时刻的车辆速度数据组成,每一辆网联车在同一时刻的速度由三组数据描述,分别为网联车传输的第一车辆速度数据、雷达检测数据以及摄像头检测数据(第二车辆速度数据包括雷达检测数据以及摄像头检测数据)。
接着,训练子单元使用接收到的更新的网联车的第一有用数据进行BP神经网络的训练。具体处理过程为:对第一有用数据进行归一化处理,确定BP神经网络各层节点数,初始化各层神经元之间的连接权值、隐含层和输出层阈值,给定学习速率和神经元激励函数;根据输入变量(雷达检测数据和摄像头检测数据)、各层的权值和阈值,计算BP神经网络的输出(网络融合结果);根据网络输出和期望输出(网联车传输的第一车辆速度数据),计算BP神经网络输出误差;判断误差是否满足要求,若不满足,则根据BP神经网络输出误差更新网络连接权值和节点阈值,然后使用更新的网络连接权值和节点阈值,计算BP神经网络的输出及输出误差,直到误差满足要求,完成训练。
随后,融合子单元读取存储单元中的非网联车的第二有用数据,使用训练好的BP神经网络对其进行数据融合。其中,非网联车的第二有用数据由不同非网联车在不同时刻的车辆速度数据组成,每一辆车在同一时刻的速度由两组数据描述,分别为雷达检测数据和摄像头检测数据。BP神经网络对这两组数据进行融合,得到非网联车辆更为准确的速度数据。
综上,本实施例通过借助网联车辆的速度信息,动态的更新BP神经网络,再融合不同传感器采集的非网联车速度数据,使得交通信息管理云平台可以获取到更加准确的非网联车速度数据,为交通信息管理云平台进行后续的信息发布或交通管理提供可靠的数据支持。
发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
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、材料或者特征数据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、材料或者特征数据点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外,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进行接合和组合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种基于通信感知多源数据融合的交通参数检测系统,其特征在于,所述交通参数检测系统包括:
数据感知模块,用于实时采集观测路段内的车辆速度数据、交通量数据和占有率数据,其中,车辆速度数据为网联车与非网联车的车辆速度数据,交通量数据为网联车和观测路段的道路全部车辆的交通量数据,占有率数据为观测路段的道路全部车辆的占有率数据;
网络通信模块,连接所述数据感知模块,用于传输所述数据感知模块采集到的车辆速度数据、交通量数据和占有率数据;
数据处理模块,连接所述网络通信模块,用于接收和存储所述网络通信模块传输的所述车辆速度数据、交通量数据和占有率数据,并对所述非网联车的车辆速度数据、道路全部车辆的交通量数据、道路全部车辆的占有率数据进行融合分析,以得到所述非网联车最终的车辆速度数据以及道路全部车辆最终的交通量数据和占有率数据。
2.根据权利要求1所述的基于通信感知多源数据融合的交通参数检测系统,其特征在于,所述数据感知模块包括车载感知单元和路侧感知单元,其中:
所述车载感知单元,设置在所述网联车上,用于采集所述网联车实时的第一车辆速度数据;
所述路侧感知单元,设置在所述观测路段上,用于采集所述观测路段上所述网联车实时的第二车辆速度数据和第二交通量数据、所述非网联车实时的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据。
3.根据权利要求2所述的基于通信感知多源数据融合的交通参数检测系统,其特征在于,每一辆所述网联车在同一时刻的第二车辆速度数据和在观测时间T内的第二交通量数据、每一辆所述非网联车在同一时刻的车辆速度数据、所述道路全部车辆在单位时间T内的交通量数据和占有率数据,均由雷达检测数据和摄像头检测数据组成。
4.根据权利要求2所述的基于通信感知多源数据融合的交通参数检测系统,其特征在于,所述网络通信模块包括车载通信单元和路侧通信单元,其中:
所述车载通信单元,设置在所述网联车上,连接所述车载感知单元,用于将所述车载感知单元采集的所述网联车的第一车辆速度数据传输至所述数据处理模块;
所述路侧通信单元,设置在所述观测路段上,连接所述路侧感知单元,用于将所述路侧感知单元采集的所述网联车的第二车辆速度数据和第二交通量数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据传输至所述数据处理模块。
5.根据权利要求4所述的基于通信感知多源数据融合的交通参数检测系统,其特征在于,所述数据处理模块包括通信单元、预处理单元、存储单元和融合单元,其中:
所述通信单元,分别连接所述车载通信单元和所述路侧通信单元,用于接收所述网联车的第一车辆速度数据和第二车辆速度数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据;
所述预处理单元,连接所述通信单元,用于对所述通信单元接收到的所述网联车的第一车辆速度数据和第二车辆速度数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据进行预处理操作,首先对网联车的第一车辆速度数据进行计数,一条速度数据对应一个车辆ID,根据第一车辆速度数据的数量得到网联车的第一交通量数据,然后分别使用网联车的第一车辆速度数据和第二车辆速度数据计算得到网联车的第一占有率数据和第二占有率数据,最后对所述网联车的第一车辆速度数据、第二车辆速度数据、第一交通量数据、第二交通量数据、第一占有率数据和第二占有率数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据进行滤除异常值操作,得到第一有用数据和第二有用数据,并将所述第一有用数据和所述第二有用数据传输至所述存储单元,其中,所述第一有用数据包括:第一速度有用数据、第一交通量有用数据和第一占有率有用数据,所述第二有用数据包括:第二速度有用数据、第二交通量有用数据和第二占有率有用数据,其中,所述第一速度有用数据、第一交通量有用数据和第一占有率有用数据分别为所述第一车辆速度数据和所述第二车辆速度数据、所述第一交通量数据和所述第二交通量数据、所述第一占有率数据和所述第二占有率数据经滤除异常数据之后的数据,所述第二速度有用数据、第二交通量有用数据和第二占有率有用数据分别为所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据经滤除异常数据之后的数据;
所述存储单元,分别与所述预处理单元和所述融合单元相连接,用于接收和存储所述预处理单元发送的所述第一有用数据和所述第二有用数据,并等待所述融合单元对所述第一有用数据和所述第二有用数据的调用;
所述融合单元,用于利用所述第一速度有用数据、所述第一交通量有用数据、所述第一占有率有用数据分别对三个BP神经网络进行训练,以利用训练好的三个BP神经网络分别对所述第二速度有用数据、所述第二交通量有用数据和所述第二占有率有用数据进行融合,以得到所述非网联车最终的实时车辆速度数据、所述道路全部车辆最终的交通量数据和占有率数据。
6.根据权利要求5所述的基于通信感知多源数据融合的交通参数检测系统,其特征在于,所述融合单元包括判断子单元、训练子单元和融合子单元,其中:
所述判断子单元,连接所述存储单元,用于判断所述存储单元更新的所述第一速度有用数据、所述第一交通量有用数据、所述第一占有率有用数据这三个数据的数据量分别是否达到预先设定的固定样本量N,若有达到的数据,则通知所述训练子单元接收满足条件的所述第一有用数据;
所述训练子单元,分别连接所述判断子单元和所述存储单元,用于从所述存储单元中接收更新样本量达到设定条件的所述第一有用数据,并使用更新的所述第一有用数据对BP神经网络进行训练,并将训练好的BP神经网络保存;
所述融合子单元,分别连接所述训练子单元和所述存储单元,用于使用训练好的BP神经网络对非网联车的所述第二有用数据进行融合,以得到所述非网联车最终的实时车辆速度数据,所述道路全部车辆最终的交通量数据和占有率数据。
7.一种基于通信感知多源数据融合的交通参数检测方法,其特征在于,利用权利要求1至6任一项所述的交通参数检测系统进行检测,所述交通参数检测方法包括:
S1、通过数据感知模块实时采集观测路段内网联车的车辆速度数据、交通量数据和占有率数据,非网联车的车辆速度数据,道路全部车辆的交通量数据和占有率数据;
S2、通通过网络通信模块传输所述网联车的车辆速度数据、交通量数据和占有率数据,所述非网联车的车辆速度数据,所述道路全部车辆的交通量数据和占有率数据;
S3、通过数据处理模块接收和存储所述网络通信模块传输的所述网联车的车辆速度数据、交通量数据和占有率数据,所述非网联车的车辆速度数据,所述道路全部车辆的交通量数据和占有率数据,并对所述非网联车的车辆速度数据及所述道路全部车辆的交通量数据和占有率数据进行融合分析,以得到所述非网联车最终的车辆速度数据及道路全部车辆最终的交通量数据和占有率数据。
8.根据权利要求7所述的基于通信感知多源数据融合的交通参数检测方法,其特征在于,所述S1包括:
S11、通过车载感知单元采集所述网联车实时的第一车辆速度数据;
S12、通过路侧感知单元采集所述观测路段上所述网联车实时的第二车辆速度数据和第二交通量数据、所述非网联车实时的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据。
9.根据权利要求8所述的基于通信感知多源数据融合的交通参数检测方法,其特征在于,所述S3包括:
S31、通过通信单元接收所述网联车的第一车辆速度数据和第二车辆速度数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据;
S32、通过预处理单元对所述通信单元接收到的所述网联车的第一车辆速度数据和第二车辆速度数据,所述非网联车的车辆速度数据,所述道路全部车辆的交通量数据和占有率数据进行预处理操作,首先对网联车的第一车辆速度数据进行计数,一条速度数据对应一个车辆ID,根据第一车辆速度数据的数量得到网联车的第一交通量数据,然后分别使用网联车的第一车辆速度数据和第二车辆速度数据计算得到网联车的第一占有率数据和第二占有率数据,最后对所述网联车的第一车辆速度数据、第二车辆速度数据、第一交通量数据、第二交通量数据、第一占有率数据和第二占有率数据、所述非网联车的车辆速度数据、所述道路全部车辆的交通量数据和占有率数据进行滤除异常值操作,得到第一有用数据和第二有用数据,并将所述第一有用数据和所述第二有用数据传输至所述存储单元,其中,所述第一有用数据包括:第一速度有用数据、第一交通量有用数据和第一占有率有用数据,所述第二有用数据包括:第二速度有用数据、第二交通量有用数据和第二占有率有用数据,其中,所述第一速度有用数据、第一交通量有用数据和第一占有率有用数据分别为所述第一车辆速度数据和所述第二车辆速度数据,所述第一交通量数据和所述第二交通量数据,所述第一占有率数据和所述第二占有率数据经滤除异常数据之后的数据,所述第二速度有用数据、第二交通量有用数据和第二占有率有用数据分别为所述非网联车的车辆速度数据,所述道路全部车辆的交通量数据和占有率数据经滤除异常数据之后的数据;
S33、通过存储单元接收和存储所述预处理单元发送的所述第一有用数据和所述第二有用数据,并等待所述融合单元对所述第一有用数据和所述第二有用数据的调用;
S34、融合单元利用所述第一速度有用数据、所述第一交通量有用数据、所述第一占有率有用数据分别对三个BP神经网络进行训练,以利用训练好的三个BP神经网络分别对所述第二速度有用数据、所述第二交通量有用数据和所述第二占有率有用数据进行融合,以得到所述非网联车最终的实时车辆速度数据,所述道路全部车辆最终的交通量数据和占有率数据。
10.根据权利要求9所述的基于通信感知多源数据融合的交通参数检测方法,其特征在于,所述S34包括:
S341、通过判断子单元判断存储单元更新的所述第一速度有用数据、所述第一交通量有用数据、所述第一占有率有用数据这三个数据的数据量分别是否达到预先设定的固定样本量N,若有达到的数据,则通知所述训练子单元接收满足条件的所述第一有用数据;
S342、通过训练子单元从所述存储单元中接收更新样本量达到设定条件的所述第一有用数据,并使用更新的所述第一有用数据对相应的BP神经网络进行训练,并将训练好的BP神经网络保存;
S343、通过融合子单元使用训练好的BP神经网络对所述第二有用数据进行融合,以得到所述非网联车最终的实时车辆速度数据,所述道路全部车辆最终的交通量数据和占有率数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210301204.3A CN114758494B (zh) | 2022-03-25 | 2022-03-25 | 一种基于通信感知多源数据融合的交通参数检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210301204.3A CN114758494B (zh) | 2022-03-25 | 2022-03-25 | 一种基于通信感知多源数据融合的交通参数检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114758494A true CN114758494A (zh) | 2022-07-15 |
CN114758494B CN114758494B (zh) | 2023-05-30 |
Family
ID=82327384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210301204.3A Active CN114758494B (zh) | 2022-03-25 | 2022-03-25 | 一种基于通信感知多源数据融合的交通参数检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114758494B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115527364A (zh) * | 2022-08-25 | 2022-12-27 | 西安电子科技大学广州研究院 | 一种基于雷视数据融合的交通事故溯源方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971579A (zh) * | 2017-04-25 | 2017-07-21 | 北京星云互联科技有限公司 | 一种智能网联汽车的路侧业务支持系统及方法 |
US20190096238A1 (en) * | 2017-06-20 | 2019-03-28 | Cavh Llc | Intelligent road infrastructure system (iris): systems and methods |
CN112562409A (zh) * | 2020-12-04 | 2021-03-26 | 上海淞泓智能汽车科技有限公司 | 一种基于多接入边缘计算的自主泊车系统及方法 |
CN113112817A (zh) * | 2021-04-13 | 2021-07-13 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种基于车联网和跟驰行为的隧道车辆定位和预警系统及其方法 |
CN113870553A (zh) * | 2021-08-20 | 2021-12-31 | 西安电子科技大学 | 一种面向混合交通流的路网运行状态检测系统及方法 |
-
2022
- 2022-03-25 CN CN202210301204.3A patent/CN114758494B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971579A (zh) * | 2017-04-25 | 2017-07-21 | 北京星云互联科技有限公司 | 一种智能网联汽车的路侧业务支持系统及方法 |
US20190096238A1 (en) * | 2017-06-20 | 2019-03-28 | Cavh Llc | Intelligent road infrastructure system (iris): systems and methods |
CN112562409A (zh) * | 2020-12-04 | 2021-03-26 | 上海淞泓智能汽车科技有限公司 | 一种基于多接入边缘计算的自主泊车系统及方法 |
CN113112817A (zh) * | 2021-04-13 | 2021-07-13 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种基于车联网和跟驰行为的隧道车辆定位和预警系统及其方法 |
CN113870553A (zh) * | 2021-08-20 | 2021-12-31 | 西安电子科技大学 | 一种面向混合交通流的路网运行状态检测系统及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115527364A (zh) * | 2022-08-25 | 2022-12-27 | 西安电子科技大学广州研究院 | 一种基于雷视数据融合的交通事故溯源方法及系统 |
CN115527364B (zh) * | 2022-08-25 | 2023-11-21 | 西安电子科技大学广州研究院 | 一种基于雷视数据融合的交通事故溯源方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114758494B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111354193B (zh) | 一种基于5g通信的高速公路车辆异常行为预警系统 | |
CN111325978B (zh) | 一种高速公路车辆异常行为的全程监测警示系统和方法 | |
CN105374212B (zh) | 基于智能终端传感的高速公路车辆车道识别方法及系统 | |
WO2021031469A1 (zh) | 一种车辆障碍物检测方法及系统 | |
CN102722989B (zh) | 基于模糊神经网络的高速公路微气象交通预警方法 | |
CN103164962B (zh) | 一种山区公路急弯路段实时车速预警方法 | |
US10369995B2 (en) | Information processing device, information processing method, control device for vehicle, and control method for vehicle | |
CN109816811A (zh) | 一种自然驾驶数据采集装置 | |
CN102737247A (zh) | 一种柴油车尾气烟度图像识别系统 | |
CN108765627A (zh) | 一种驾驶数据风险量化的方法 | |
CN113870553A (zh) | 一种面向混合交通流的路网运行状态检测系统及方法 | |
CN112433519A (zh) | 一种无人驾驶检测系统及车辆行驶检测方法 | |
CN110194041B (zh) | 多源信息融合的自适应车身高度调节方法 | |
EP3769042B1 (de) | System zur erzeugung von konfidenzwerten im backend | |
CN115257784A (zh) | 基于4d毫米波雷达的车路协同系统 | |
CN114758494A (zh) | 一种基于通信感知多源数据融合的交通参数检测系统及方法 | |
CN113895442A (zh) | 一种基于路侧与车端协同感知的车辆行驶决策方法及系统 | |
CN116206440A (zh) | 一种基于智慧高速的交通流采集、预测、管控及信息化推送系统及方法 | |
CN117372979A (zh) | 道路巡检方法、装置、电子设备及存储介质 | |
CN111703424A (zh) | 一种智能网联汽车多传感器融合辅助变道方法及系统 | |
CN110422173A (zh) | 一种行车环境识别方法 | |
CN109895766A (zh) | 一种电动汽车的主动避障系统 | |
WO2024131384A1 (zh) | 一种用于高速公路互通的自适应控制方法 | |
CN112650064B (zh) | 一种适应于混杂道路的智能汽车汇入控制系统及方法 | |
CN113870246A (zh) | 一种基于深度学习的障碍物探测和识别方法 |
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 |