CN114818056A - 基于bim技术的交通数据集成方法、装置、设备及介质 - Google Patents
基于bim技术的交通数据集成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114818056A CN114818056A CN202210356233.XA CN202210356233A CN114818056A CN 114818056 A CN114818056 A CN 114818056A CN 202210356233 A CN202210356233 A CN 202210356233A CN 114818056 A CN114818056 A CN 114818056A
- Authority
- CN
- China
- Prior art keywords
- road
- data
- database
- traffic
- geographic
- 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.)
- Pending
Links
- 230000010354 integration Effects 0.000 title claims abstract description 51
- 238000005516 engineering process Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 37
- 230000006870 function Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及智慧交通技术，揭露一种基于BIM技术的交通数据集成方法，包括：利用预构建的BIM交通模型，根据道路工程数据构建道路空间数据库；获取道路地理环境数据，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库；采集道路运营数据，将所述道路运营数据加载到所述道路空间地理数据库，得到道路综合管理数据库；利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，并将所述路况分类结果发布到预设的交通情报板。本发明还提出一种基于BIM技术的交通数据集成装置、电子设备以及计算机可读存储介质。本发明可以提升交通情报数据的准确性和全面性。
Description
技术领域
本发明涉及智慧交通技术领域，尤其涉及一种基于BIM技术的交通数据集成方法、装置、电子设备及计算机可读存储介质。
背景技术
随着信息技术的发展，交通情报板越来越多的出现在城市道路、高速、桥梁及隧道等路面，交通情报板能够提供交通畅通、行驶缓慢、拥堵、行程时间、交通事故、临时交通管制和特殊天气等信息，为交通参与者合理选择出行路径提供直接参考，达到均衡交通流、提高路网运行效率的目的。
所述交通情报板当前主要是通过GPS定位检测、视频或图像抓拍、微波检测、红外线检测、地磁线圈检测、道路安全监控设备、能见度探测仪等手段获取车辆数量、车辆平均行驶速度等交通流数据、道路安全诊断数据及交通环境数据，再将这些数据经计算机系统自动处理后，形成交通情报发布到交通情报板。
在实际应用中，各种交通情报数据的采集手段不同、数据来源也不尽相同，每种交通情报数据彼此之间相对独立，每种数据往往仅用于单一问题的描述，数据比较分散，碎片化严重，进而导致交通情报数据不能全面如实地反映实际道路运行情况。
发明内容
本发明提供一种基于BIM技术的交通数据集成方法、装置及计算机可读存储介质，其主要目的在于提升交通情报数据的准确性和全面性。
为实现上述目的，本发明提供的一种基于BIM技术的交通数据集成方法方法，包括：
获取道路工程数据，利用预构建的BIM交通模型，根据所述道路工程数据构建道路空间数据库；
获取道路地理环境数据，提取所述道路空间数据库中数据的语义信息，根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库；
采集道路运营数据，将所述道路运营数据加载到所述道路空间地理数据库，得到道路综合管理数据库；
利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，并将所述路况分类结果发布到预设的交通情报板。
可选地，所述利用预构建的BIM交通模型，根据所述道路工程数据构建道路空间数据库，包括：
解析所述道路工程数据，得到信息主体及每个所述信息主体对应的取值；
获取所述预构建的BIM交通模型中的构件信息，将所述信息主体与每个所述构件逐一匹配；
将每个所述信息主体的取值同步到与所述信息主体相匹配的构件上，得到每个构件的取值；
获取每个所述构件对应的编码，利用预设的交通模型树根据所述编码对每个所述构件进行分类，得到构件分类结果；
根据所述构件分类结果，将每个所述构件的编码和取值进行分类存储到预设的数据库中，得到所述道路空间数据库。
可选地，所述提取所述道路空间数据库中数据的语义信息，包括：
将所述道路空间数据库中的数据进行IFC格式转换，得到IFC数据文件；
提取所述IFC数据文件中BIM实体编码和实体之间的空间拓扑关系；
将所述实体编码、所述空间拓扑关系汇总为所述道路空间数据库中数据的语义信息。
可选地，所述根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库，包括：
根据所述语义信息中的空间拓扑关系计算得到所述道路空间数据库中的数据对应的本地坐标系；
解析所述道路地理环境数据得到所述道路地理环境数据对应的全局坐标系和GIS实体编码；
利用所述全局坐标系和所述本地坐标系进行空间对齐，得到对齐后的空间拓扑关系；
根据对齐后的空间拓扑关系关联所述BIM实体编码和GIS实体编码，形成所述道路空间地理数据库。
可选地，所述利用所述全局坐标系和所述本地坐标系进行空间对齐，包括：
利用如下空间校准算法实现空间对齐：
M＝Rx(θx)*Ry(θy)*Rz(θz)
其中，所述向量C为所述道路地理环境数据对应的全局坐标系，所述向量I为所述道路空间数据库中的数据对应的本地坐标系，所述M为旋转矩阵，所述ΔX、ΔY、ΔZ为平移参数，所述θ为旋转参数。
可选地，所述利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，包括：
提取所述道路综合管理数据库的建筑特征、地理特征及时序特征；
利用预设的聚类算法，根据所述建筑特征、所述地理特征及所述时序特征，对所述道路综合管理数据库中的数据进行聚类，得到预设数量的聚类簇；
利用预先训练的智能决策算法提取每个所述聚类簇中的路况分类特征；
依次计算每个聚类簇中所有路况分类特征与预设的路况分类标签之间的概率值，根据所述概率值生成每个所述聚类簇对应的路况分类结果。
可选地，所述将所述路况分类结果发布到预设的交通情报板之前，所述方法还包括：
计算所述路况分类结果对应聚类簇的空间范围；
识别所述空间范围内的预设的交通情报板。
为了解决上述问题，本发明还提供一种基于BIM技术的交通数据集成装置包括：
建筑数据集成模块，用于获取道路工程数据，利用预构建的BIM交通模型，根据所述道路工程数据构建道路空间数据库；
地理环境数据融合模块，用于获取道路地理环境数据，提取所述道路空间数据库中数据的语义信息，根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库；
运营数据加载模块，用于采集道路运营数据，将所述道路运营数据加载到所述道路空间地理数据库，得到道路综合管理数据库；
综合数据应用模块，用于利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，并将所述路况分类结果发布到预设的交通情报板。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的程序以实现上述所述的基于BIM技术的交通数据集成方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于BIM技术的交通数据集成方法。
本发明实施例利用预构建的BIM交通模型融合道路工程数据、道路地理环境数据集及道路运营数据，构建道路综合管理数据库，实现交通情报数据从道路建筑、到周边环境再到实时通行数据的全方位的集成，进一步地，利用预设的智能决策算法库对所述道路综合管理数据库进行路况分析，能更加完整、真实的反映实际道路运行情况，提升了交通路况分析的准确性和全面性。
附图说明
图1为本发明一实施例提供的基于BIM技术的交通数据集成方法的流程示意图；
图2为本发明一实施例提供的基于BIM技术的交通数据集成方法中其中一个步骤的详细实施流程示意图；
图3为本发明一实施例提供的基于BIM技术的交通数据集成方法中其中一个步骤的详细实施流程示意图；
图4为本发明一实施例提供的基于BIM技术的交通数据集成方法中其中一个步骤的详细实施流程示意图；
图5为本发明一实施例提供的基于BIM技术的交通数据集成方法中其中一个步骤的详细实施流程示意图；
图6为本发明一实施例提供的基于BIM技术的交通数据集成装置的功能模块图；
图7为本发明一实施例提供的实现所述基于BIM技术的交通数据集成方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于BIM技术的交通数据集成方法。所述基于BIM技术的交通数据集成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于BIM技术的交通数据集成方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于BIM技术的交通数据集成方法的流程示意图。在本实施例中，所述基于BIM技术的交通数据集成方法包括：
S1、获取道路工程数据，利用预构建的BIM交通模型，根据所述道路工程数据构建道路空间数据库；
可以理解的是，城市街道、高速公路、桥梁、隧道等交通道路本身就是一种建筑物，涉及结构数据、力学数据、构件数据、材料数据以及相关的机电数据等建筑工程数据，所述道路工程数据即是指围绕道路相关的建筑工程数据。
本发明实施例中，从交通安全出行的角度，收集道路工程数据是非常有必要的。示例性的，车辆行驶在道路上，道路变窄、道路弯转角度、道路承重值的激增、道路塌陷、道路裂缝等道路工程数据的变化会反应出一定的道路安全信号，需要实际监控道路工程数据数据的变化。
本发明实施例中，可以通过收集道路设计、施工以及维护阶段的全寿命周期内的数据，获取道路工程数据。
本发明实施例中，所述预构建的BIM交通模型是基于BIM(Building InformationModeling，建筑信息模型)技术，利用Revit、ArchiCAD、Bentley等BIM核心建模软件模拟交通管理监测范围内道路建筑的三维数字化模型。
详细地，参阅图2所示，所述S1包括：
S11、解析所述道路工程数据得到信息主体及每个所述信息主体对应的取值；
S12、获取所述预构建的BIM交通模型中的构件信息，将所述信息主体与每个所述构件逐一匹配；
S13、将每个所述信息主体的取值同步到与所述信息主体相匹配的构件上，得到每个构件的取值；
S14、获取每个所述构件对应的编码，利用预设的交通模型树根据所述编码对每个所述构件进行分类，得到构件分类结果；
S15、根据所述构件分类结果，将每个所述构件的编码和取值进行分类存储到预设的数据库中，得到所述道路空间数据库。
本发明实施例中，所述信息主体是指道路工程数据所反映的实体对象，例如，桥梁的桥墩、桥台、隧道的洞身、洞门、照明灯、排水管道等。
本发明实施例中，所述预构建的BIM交通模型中的构件是指所述BIM交通模型模拟的道路所包含的所有实体结构件。
可以理解的是，在BIM技术应用中，根据业界的建筑信息标准化体系，设置建筑信息编码，利用编码实现对不同构件、不同工程阶段的建筑数据进行规范和统一的管理。通常编码一般包含标识码和特征码两部分，其中所述标识码用于区分构件的唯一性而设置的标识，所述特征码是指用来可以表征构件分类、状态等属性的标识，例如，所述特征码又可以细分为分类码、结构码、状态码和构件取值码。
本发明实施例中，所述预设的交通模型树是指基于二叉树算法，根据所述预构建的BIM交通模型中的构件对应的编码规则，生成的决策树，利用所述交通模型树可以实现将每一个编码进行逐层分类决策，直到相应的编码到达所述交通模型树的叶子节点，每个叶子节点代表一个种分类。所述分类可以是按照实体对象分类、按照位置相关性分类、按照交通运营影响分类，可以根据实际情况设置分类标准。
本发明实施例中，所述预设的数据库可以是部署在云服务器上的分布式的数据库，这样可以便于所述BIM交通模型所集成的数据实现云共享，方便不同交通管理组织下载获取。
本发明实施例通过利用所述预构建的BIM交通模型将分散在不同道路工程中的碎片化数据进行集成，实现了道路工程数据从二维图纸向三维模型的转移。所述预构建的BIM交通模型可以看做一个数据容器，提供了面向桥梁、高速公路、隧道、城市道路等对象的三维立体的空间数据库。
S2、获取道路地理环境数据，提取所述道路空间数据库中数据的语义信息，根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库；
本发明实施例中，所述道路地理环境数据是指利用预构建的GIS(GeographicInformation System，地理信息系统)道路地理环境模型采集到的道路周边的地质环境数据，包含地理坐标系与投影信息、遥感影像、多视角相机同步采集影像和三维激光扫描影像等地理空间数据。
可以理解的是，车辆行驶道路周边的地质环境对安全通行造成的影响也很大，有必要实时采集所述道路地理环境数据，监测地质环境变化，提前预防地质灾害，减少对道路出行的影响。
本发明实施例中，所述预构建的GIS道路地理环境模型是指借助Arcmap、Qgis、Python、GeoDa等工具，将道路周边的地理空间要素、以及各要素之间的相互关系和规律，按照一定的规则进行抽象和表达的地理模型。
可以理解的是，所述道路空间数据库中数据基于所述预构建的BIM交通模型构建，采用的是BIM技术中的IFC标准，所述道路地理环境数据基于所述预构建的GIS道路地理环境模型采集得到，采用的是GIS技术中的CityGML标准，所述道路空间数据库中数据与所述道路地理环境数据所包含的语义信息存在较大的差别，为了实现两种数据之间的融合，需要创建两种数据之间的映射关系。
本发明实施例中，所述IFC(Industry Foundation Classes)数据标准是一个被普遍应用的数据交换标准，用于不同系统交换和共享数据。IFC是一种基于EXPRESS的可以实现建筑信息的表达、应用及共享的开放数据标准。
本发明实施例中，所述CityGML(City Geography Markup Language,地理标记语言)标准是基于XML(Extensible Markup Language，可扩展标记语言)定义三维模型的数据存储和交换的格式，模拟几何信息和语义信息的协同表达。
详细地，参阅图3所示，所述提取所述道路空间数据库中数据的语义信息，包括：
S21、将所述道路空间数据库中的数据进行IFC格式转换，得到IFC数据文件；
S22、提取所述IFC数据文件中BIM实体编码和实体之间的空间拓扑关系；
S23、将所述实体编码、所述空间拓扑关系汇总为所述道路空间数据库中数据的语义信息。
本发明实施例中，可以利用Revit软件将所述道路空间数据库中的数据以IFC格式导出，得到所述IFC数据文件。
本发明实施例中，所述道路空间数据库中数据的语义信息包含几何信息及狭义语义信息，其中所述几何信息是指所述BIM交通模型中各个实体之间的空间拓扑关系，所述狭义语义信息主要是通过所述实体编码所承载。
进一步地，参阅图4所示，所述根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库，包括：
S24、根据所述语义信息中的空间拓扑关系计算得到所述道路空间数据库中的数据对应的本地坐标系；
S25、解析所述道路地理环境数据得到所述道路地理环境数据对应的全局坐标系和GIS实体编码；
S26、利用所述全局坐标系和所述本地坐标系进行空间对齐，得到对齐后的空间拓扑关系；
S27、根据对齐后的空间拓扑关系关联所述BIM实体编码和GIS实体编码，形成所述道路空间地理数据库。
本发明实施例中，可以利用CityGML标准解析所述道路地理环境数据，得到所述全局坐标系和GIS实体编码。
本发明实施例中，所述本地坐标系及所述全局坐标系均包含原点坐标和坐标轴方向
示例性地，可以利用如下空间校准算法实现空间对齐，所述空间校准算法包括：
M＝Rx(θx)*Ry(θy)*Rz(θz)
其中，所述向量C为所述道路地理环境数据对应的全局坐标系，所述向量I为所述道路空间数据库中的数据对应的本地坐标系，所述M为旋转矩阵，所述ΔX、ΔY、ΔZ为平移参数，所述θ为旋转参数。
本发明实施例中，所述道路地理环境数据聚焦建筑物体外的宏观的地理环境数据，所述道路空间数据库中的数据聚焦建筑物本身的数据，将两者结合在一起可以实现道路等建筑物内外的数据根据空间拓扑关系的有机融合，有助于对交通路况的全面分析。
S3、采集道路运营数据，将所述道路运营数据加载到所述道路空间地理数据库，得到道路综合管理数据库；
本发明实施例中，所述道路运营数据是指道路通行车辆数量、行车时速、交通事故、道路天气等数据。
本发明实施例中，可以通过道路预设的智能IOT设备采集所述道路运营数据，例如，利用能见度探测仪、一体化智能监控相机采集天气数据，利用道路受力传感器可对路基承重进行荷载数据进行采集，在道路面板分段预埋角度传感器可获取路面的沉降变化的客观数据，利用视频卡口电子警察、智慧监控设备采集车辆具体信息、行车时速等信息。
可以理解的是，每种智能IOT采集设备均具备一定的地理位置信息，而所述道路空间地理数据库中的数据是将所述道路工程数据和所述道路地理数据按照一定的空间拓扑关系进行组织的，因此，可以利用智能IOT采集设备的地理位置信息，实现所述道路运营数据与所述道路空间地理数据库的融合。
本发明实施例中，所述道路综合管理数据库融合了道路工程数据、道路地理环境数据及道路运营数据，涵盖道路建筑、周边地理环境及实时的道路通行数据，实现了对道路交通全方位数据的融合，提升了智能交通数据库的全面性和真实性。
S4、利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，并将所述路况分类结果发布到预设的交通情报板。
本发明实施例中，所述道路综合管理数据库中的数据涉及图像数据、视频数据、遥感数据、地理坐标数据，可以采用卷积神经网络机器学习算法构建智能决策算法。
详细地，参阅图5所示，所述利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，包括：
S41、提取所述道路综合管理数据库的建筑特征、地理特征及时序特征；
S42、利用预设的聚类算，根据所述建筑特征、所述地理特征及所述时序特征，对所述道路综合管理数据库中的数据进行聚类，得到预设数量的聚类簇；
S43、利用预先训练的智能决策算法提取每个所述聚类簇中的路况分类特征；
S44、依次计算每个聚类簇中所有路况分类特征与预设的路况分类标签之间的概率值，根据所述概率值生成每个聚类簇对应的路况分类结果。
本发明实施例中，可以利用预设的卷积神经网络层提取所述道路综合管理数据库的建筑特征、地理特征及时序特征。
本发明实施例中，所述乌鸦混合聚类算法包括乌鸦搜索算法(CSA)及K-means聚类算法，其中，乌鸦搜索算法用于寻找最优的初始聚类中心，K-means聚类算法根据找到的初始聚类中心进行聚类，可以提高算法的全局优化能力，改善聚类质量。
本发明实施例中，根据所述建筑特征、所述地理特征及所述时序特征，对所述道路综合管理数据库中的数据进行聚类是为了识别时空关联紧密的交通监控区域，进一步地，针对每个交通监控区域进行路况分析。
本发明实施例中，所述预设数量可以根据实际所述道路综合管理数据库所集成的数据覆盖范围的大小设置。
本发明实施例中，因所述道路综合管理数据库中的数据包含图像数据、数值型数据，所述预先训练的智能决策算法可以灵活采用卷积神经网络等算法。
本发明实施例中，所述预设的路况分类标签可以针对道路安全监控、交通环境预警、交通实时诱导、应急管理等方面设置，包括但不限于交通拥堵、交通事故、道路事故、交通限流等。
进一步地，所述路况分类结果发布到预设的交通情报板之前，所述方法还包括：计算所述路况分类结果对应聚类簇的空间范围；识别所述空间范围内的预设的交通情报板。
本发明实施例中，可以根据每个聚类簇对应的数据之间的空间拓扑关系计算得到所述聚类簇的空间范围。
本发明实施例利用预构建的BIM交通模型融合道路工程数据、道路地理环境数据集及道路运营数据，构建道路综合管理数据库，实现交通情报数据从道路建筑、到周边环境再到实时通行数据的全方位的集成，进一步地，利用预设的智能决策算法库对所述道路综合管理数据库进行路况分析，能更加完整、真实的反映实际道路运行情况，提升了交通路况分析的准确性。
如图6所示，是本发明一实施例提供的基于BIM技术的交通数据集成装置的功能模块图。
本发明所述基于BIM技术的交通数据集成装置100可以安装于电子设备中。根据实现的功能，所述基于BIM技术的交通数据集成装置100可以包括建筑数据集成模块101、地理环境数据融合模块102、运营数据加载模块103及综合数据应用模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述建筑数据集成模块101，用于获取道路工程数据，利用预构建的BIM交通模型，根据所述道路工程数据构建道路空间数据库；
所述地理环境数据融合模块102，用于获取道路地理环境数据，提取所述道路空间数据库中数据的语义信息，根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库；
所述运营数据加载模块103，用于采集道路运营数据，将所述道路运营数据加载到所述道路空间地理数据库，得到道路综合管理数据库；
所述综合数据应用模块104，用于利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，并将所述路况分类结果发布到预设的交通情报板。
详细地，本发明实施例中所述基于BIM技术的交通数据集成装置100中的各个模块在使用时采用与上述的图1至图5中所述的基于BIM技术的交通数据集成方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图7所示，是本发明一实施例提供的实现基于BIM技术的交通数据集成方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于BIM技术的交通数据集成程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于BIM技术的交通数据集成程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如，基于BIM技术的交通数据集成程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图7仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图7示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于BIM技术的交通数据集成程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取道路工程数据，利用预构建的BIM交通模型，根据所述道路工程数据构建道路空间数据库；
获取道路地理环境数据，提取所述道路空间数据库中数据的语义信息，根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库；
采集道路运营数据，将所述道路运营数据加载到所述道路空间地理数据库，得到道路综合管理数据库；
利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，并将所述路况分类结果发布到预设的交通情报板。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取道路工程数据，利用预构建的BIM交通模型，根据所述道路工程数据构建道路空间数据库；
获取道路地理环境数据，提取所述道路空间数据库中数据的语义信息，根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库；
采集道路运营数据，将所述道路运营数据加载到所述道路空间地理数据库，得到道路综合管理数据库；
利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，并将所述路况分类结果发布到预设的交通情报板。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于BIM技术的交通数据集成方法，其特征在于，所述方法包括：
获取道路工程数据，利用预构建的BIM交通模型，根据所述道路工程数据构建道路空间数据库；
获取道路地理环境数据，提取所述道路空间数据库中数据的语义信息，根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库；
采集道路运营数据，将所述道路运营数据加载到所述道路空间地理数据库，得到道路综合管理数据库；
利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，并将所述路况分类结果发布到预设的交通情报板。
2.如权利要求1所述的基于BIM技术的交通数据集成方法，其特征在于，所述利用预构建的BIM交通模型，根据所述道路工程数据构建道路空间数据库，包括：
解析所述道路工程数据，得到信息主体及每个所述信息主体对应的取值；
获取所述预构建的BIM交通模型中的构件信息，将所述信息主体与每个所述构件逐一匹配；
将每个所述信息主体的取值同步到与所述信息主体相匹配的构件上，得到每个构件的取值；
获取每个所述构件对应的编码，利用预设的交通模型树根据所述编码对每个所述构件进行分类，得到构件分类结果；
根据所述构件分类结果，将每个所述构件的编码和取值进行分类存储到预设的数据库中，得到所述道路空间数据库。
3.如权利要求1所述的基于BIM技术的交通数据集成方法，其特征在于，所述提取所述道路空间数据库中数据的语义信息，包括：
将所述道路空间数据库中的数据进行IFC格式转换，得到IFC数据文件；
提取所述IFC数据文件中BIM实体编码和实体之间的空间拓扑关系；
将所述实体编码、所述空间拓扑关系汇总为所述道路空间数据库中数据的语义信息。
4.如权利要求3所述的基于BIM技术的交通数据集成方法，其特征在于，所述根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库，包括：
根据所述语义信息中的空间拓扑关系计算得到所述道路空间数据库中的数据对应的本地坐标系；
解析所述道路地理环境数据得到所述道路地理环境数据对应的全局坐标系和GIS实体编码；
利用所述全局坐标系和所述本地坐标系进行空间对齐，得到对齐后的空间拓扑关系；
根据对齐后的空间拓扑关系关联所述BIM实体编码和GIS实体编码，形成所述道路空间地理数据库。
5.如权利要求4所述的基于BIM技术的交通数据集成方法，其特征在于，所述利用所述全局坐标系和所述本地坐标系进行空间对齐，包括：
利用如下空间校准算法实现空间对齐：
M＝Rx(θx)*Ry(θy)*Rz(θz)
其中，所述向量C为所述道路地理环境数据对应的全局坐标系，所述向量I为所述道路空间数据库中的数据对应的本地坐标系，所述M为旋转矩阵，所述ΔX、ΔY、ΔZ为平移参数，所述θ为旋转参数。
6.如权利要求1所述的基于BIM技术的交通数据集成方法，其特征在于，所述利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，包括：
提取所述道路综合管理数据库的建筑特征、地理特征及时序特征；
利用预设的聚类算法，根据所述建筑特征、所述地理特征及所述时序特征，对所述道路综合管理数据库中的数据进行聚类，得到预设数量的聚类簇；
利用预先训练的智能决策算法提取每个所述聚类簇中的路况分类特征；
依次计算每个聚类簇中所有路况分类特征与预设的路况分类标签之间的概率值，根据所述概率值生成每个所述聚类簇对应的路况分类结果。
7.如权利要求1所述的基于BIM技术的交通数据集成方法，其特征在于，所述将所述路况分类结果发布到预设的交通情报板之前，所述方法还包括：
计算所述路况分类结果对应聚类簇的空间范围；
识别所述空间范围内的预设的交通情报板。
8.一种基于BIM技术的交通数据集成装置，其特征在于，所述装置包括：
建筑数据集成模块，用于获取道路工程数据，利用预构建的BIM交通模型，根据所述道路工程数据构建道路空间数据库；
地理环境数据融合模块，用于获取道路地理环境数据，提取所述道路空间数据库中数据的语义信息，根据所述语义信息，创建所述道路地理环境数据与所述道路空间数据库中的数据之间的映射，形成道路空间地理数据库；
运营数据加载模块，用于采集道路运营数据，将所述道路运营数据加载到所述道路空间地理数据库，得到道路综合管理数据库；
综合数据应用模块，用于利用预先训练的智能决策算法对所述道路综合管理数据库进行路况分类，得到路况分类结果，并将所述路况分类结果发布到预设的交通情报板。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于BIM技术的交通数据集成方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于BIM技术的交通数据集成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210356233.XA CN114818056A (zh) | 2022-04-06 | 2022-04-06 | 基于bim技术的交通数据集成方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210356233.XA CN114818056A (zh) | 2022-04-06 | 2022-04-06 | 基于bim技术的交通数据集成方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114818056A true CN114818056A (zh) | 2022-07-29 |
Family
ID=82532768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210356233.XA Pending CN114818056A (zh) | 2022-04-06 | 2022-04-06 | 基于bim技术的交通数据集成方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114818056A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116611155A (zh) * | 2023-07-20 | 2023-08-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于bim的可计算多模式网络图谱拓扑模型的建模方法 |
| CN116958476A (zh) * | 2023-07-31 | 2023-10-27 | 深圳嘉瑞建设信息科技有限公司 | 一种基于bim数据的建筑物可视化建模方法及系统 |
| CN117078020A (zh) * | 2023-10-12 | 2023-11-17 | 山东龙翼航空科技有限公司 | 基于无人机的物流运输数据管理系统 |
| CN117634006A (zh) * | 2024-01-26 | 2024-03-01 | 新疆三联工程建设有限责任公司 | 基于bim技术的套管预埋工程管理系统及方法 |
| CN117807691A (zh) * | 2024-03-01 | 2024-04-02 | 中亿丰数字科技集团有限公司 | 一种基于建筑可视化的信息模型数据集成方法及系统 |
| CN117932105A (zh) * | 2024-03-21 | 2024-04-26 | 山西嘉鹏佳科技有限公司 | 一种基于gis的公路工程施工数据管理系统及其方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109887089A (zh) * | 2019-01-24 | 2019-06-14 | 四汇建设集团有限公司 | 一种市政道路bim设计模型与gis数据集成方法 |
| CN109918751A (zh) * | 2019-02-26 | 2019-06-21 | 华中师范大学 | 一种基于CityGML扩展的建筑物三维语义建模方法 |
| WO2019205020A1 (zh) * | 2018-04-25 | 2019-10-31 | 深圳市锐明技术股份有限公司 | 一种路况识别方法、装置及设备 |
| CN112527944A (zh) * | 2020-12-30 | 2021-03-19 | 华建数创(上海)科技有限公司 | 基于bim和gis数据集成构建空间语义数据库的方法 |
-
2022
- 2022-04-06 CN CN202210356233.XA patent/CN114818056A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019205020A1 (zh) * | 2018-04-25 | 2019-10-31 | 深圳市锐明技术股份有限公司 | 一种路况识别方法、装置及设备 |
| CN109887089A (zh) * | 2019-01-24 | 2019-06-14 | 四汇建设集团有限公司 | 一种市政道路bim设计模型与gis数据集成方法 |
| CN109918751A (zh) * | 2019-02-26 | 2019-06-21 | 华中师范大学 | 一种基于CityGML扩展的建筑物三维语义建模方法 |
| CN112527944A (zh) * | 2020-12-30 | 2021-03-19 | 华建数创(上海)科技有限公司 | 基于bim和gis数据集成构建空间语义数据库的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张佳琪: "BIM与GIS数据融合方法研究", 《中国优秀硕士学位论文全文数据库》 * |
| 汽车咖啡馆: "智能汽车元年|赵一新：车城网平台是智慧城市核心 极端通勤比例在逐步下降", 《HTTPS://WWW.SOHU.COM/A/528985335_430289?REFERID=0004》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116611155A (zh) * | 2023-07-20 | 2023-08-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于bim的可计算多模式网络图谱拓扑模型的建模方法 |
| CN116611155B (zh) * | 2023-07-20 | 2023-12-01 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于bim的可计算多模式网络图谱拓扑模型的建模方法 |
| CN116958476A (zh) * | 2023-07-31 | 2023-10-27 | 深圳嘉瑞建设信息科技有限公司 | 一种基于bim数据的建筑物可视化建模方法及系统 |
| CN116958476B (zh) * | 2023-07-31 | 2024-03-15 | 深圳嘉瑞建设信息科技有限公司 | 一种基于bim数据的建筑物可视化建模方法及系统 |
| CN117078020A (zh) * | 2023-10-12 | 2023-11-17 | 山东龙翼航空科技有限公司 | 基于无人机的物流运输数据管理系统 |
| CN117078020B (zh) * | 2023-10-12 | 2024-01-30 | 山东龙翼航空科技有限公司 | 基于无人机的物流运输数据管理系统 |
| CN117634006A (zh) * | 2024-01-26 | 2024-03-01 | 新疆三联工程建设有限责任公司 | 基于bim技术的套管预埋工程管理系统及方法 |
| CN117634006B (zh) * | 2024-01-26 | 2024-04-26 | 新疆三联工程建设有限责任公司 | 基于bim技术的套管预埋工程管理系统及方法 |
| CN117807691A (zh) * | 2024-03-01 | 2024-04-02 | 中亿丰数字科技集团有限公司 | 一种基于建筑可视化的信息模型数据集成方法及系统 |
| CN117807691B (zh) * | 2024-03-01 | 2024-07-05 | 中亿丰数字科技集团有限公司 | 一种基于建筑可视化的信息模型数据集成方法及系统 |
| CN117932105A (zh) * | 2024-03-21 | 2024-04-26 | 山西嘉鹏佳科技有限公司 | 一种基于gis的公路工程施工数据管理系统及其方法 |
| CN117932105B (zh) * | 2024-03-21 | 2024-06-04 | 山西嘉鹏佳科技有限公司 | 一种基于gis的公路工程施工数据管理系统及其方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114818056A (zh) | 基于bim技术的交通数据集成方法、装置、设备及介质 | |
| Chauhan et al. | Embedded CNN based vehicle classification and counting in non-laned road traffic | |
| US12111177B2 (en) | Generating training data for deep learning models for building high definition maps | |
| CA3061281C (en) | Verifying sensor data using embeddings | |
| Balali et al. | Detection, classification, and mapping of US traffic signs using google street view images for roadway inventory management | |
| Xiong et al. | A kind of novel ITS based on space-air-ground big-data | |
| US11392733B2 (en) | Multi-dimensional event model generation | |
| EP4239614A2 (en) | Systems and methods for image-based location determination and parking monitoring | |
| KR102377637B1 (ko) | 하이브리드 교통신호제어시스템 및 그 방법 | |
| CN114783188A (zh) | 巡检方法和装置 | |
| Cui et al. | Design of highway intelligent transportation system based on the internet of things and artificial intelligence | |
| Hijazi et al. | Integration of building and urban information modeling-opportunities and integration approaches | |
| Sharma et al. | Deep Learning-Based Object Detection and Classification for Autonomous Vehicles in Different Weather Scenarios of Quebec, Canada | |
| Ouyang et al. | MDFF: A method for fine-grained UFZ mapping with multimodal geographic data and deep network | |
| Barberi et al. | BIM applied to intelligent transport systems | |
| Buyvol et al. | Mobility and road safety improvement by optimizing smart city infrastructure parameters: a case study | |
| Kedwan | Traffic light timer adjustment system using threshold edge detection for image processing: A software engineering approach | |
| Zhang et al. | A Meta-Modeling Approach for Autonomous Driving Scenario Based on STTD. | |
| An et al. | Roadside sensor network deployment based on vehicle-infrastructure cooperative intelligent driving | |
| Li et al. | CIM-WV: A 2D semantic segmentation dataset of rich window view contents in high-rise, high-density Hong Kong based on photorealistic city information models | |
| Rozhnov et al. | Hybrid Optimization Modeling Framework for Research Activities in Intelligent Data Processing | |
| Brown et al. | Vision-Based Methodology to Create a Highway Asset Inventory for Integration in a Digital Twin Model | |
| CN117892092B (zh) | 基于大数据实现矿山数据的智能采集方法及系统 | |
| Wu | Computer Vision-Based Traffic Sign Detection and Extraction: A Hybrid Approach Using GIS And Machine Learning | |
| MA et al. | Traffic Data Management Technology in ITS |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220729 |