CN114863675A - 基于路警数据融合的重点车辆位置推测与异常报警方法 - Google Patents
基于路警数据融合的重点车辆位置推测与异常报警方法 Download PDFInfo
- Publication number
- CN114863675A CN114863675A CN202210394354.3A CN202210394354A CN114863675A CN 114863675 A CN114863675 A CN 114863675A CN 202210394354 A CN202210394354 A CN 202210394354A CN 114863675 A CN114863675 A CN 114863675A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- node
- key
- road
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 13
- 230000004927 fusion Effects 0.000 title claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 230000005856 abnormality Effects 0.000 claims description 8
- 239000003086 colorant Substances 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
基于路警数据融合的重点车辆位置推测与异常报警方法,涉及智能交通技术领域。其采用来自路警双方的ETC门架、收费站、卡口获取的车辆通行信息识别重点车辆、计算路段平均车速,推测重点车辆的实施位置,并监测重点车辆行程时间异常状态,向管理人员进行报警。本发明的位置推测与异常报警方法将路警多源数据相结合,提高了通行车辆路径追踪的准确性,加强对于路网内重点车辆的监督管理,可有效提升高速公路运营管理水平和重点车辆异常事件处置效率。
Description
技术领域
本发明涉及智能交通技术领域,尤其是涉及一种基于路警数据融合的重点车辆位置推测与异常报警方法。
背景技术
近年来,我国机动车保有量迅猛增长,给我国的道路交通管理工作带来巨大压力。交通事故中,涉及大客车、大货车、危化品运输车等重点车辆的事故造成的伤亡最多、危害最大。由于运营线路长、流动性大、信息管理不完善,这些重点车型一直是管理部门监管的弱点。而由于技术手段的缺失以及现有检测器低密度、低可靠性的限制,相关部门对于重点车辆的监管力量仍较为薄弱,交通管理形势日益严峻。
当前ETC是目前用户数量最庞大的涉车智能化终端,ETC门架以及收费站也是目前高速公路上相对最完善的感知系统。ETC门架数据的应用,除了开展收费稽查、收费管理以外,还可以深入挖掘融合数据价值,指导高速公路高效运营。因此,将ETC门架数据与收费站以及警方所有的卡口数据相融合,能够提高高速公路通行车辆检测设备密度,满足重点车辆追踪对于数据可靠性的要求。本发明提出一种基于路警数据融合的重点车辆位置推测与异常报警方法,应用ETC门架、收费站、卡口多源数据提高高速公路管理部门对于重点车辆的监管能力。
发明内容
针对现有技术的不足,本发明的目的是提出一种基于路警数据融合的重点车辆位置推测与异常报警方法,利用路警双方多源数据融合识别重点车辆,推测重点车辆实时位置,监测重点车辆行程时间异常并分级报警,旨在解决现有技术手段下高速公路重点车辆监管智慧化水平低、重点车辆异常事件发现与处置效率低下的问题。
本发明的目的通过如下的技术方案来实现:
S1:获取路警双方所有的ETC门架、收费站、卡口检测器基础数据并基于静态路网拓扑关系建立矢量化路网地图;
S2:获取各节点检测器数据并进行通行时间修正;
S3:考虑各类型检测器的数据差异与车辆通行顺序,通过卡口与ETC门架、收费站数据相匹配,利用检测信息识别重点车辆;
S4:对于每辆S4中识别为重点车辆的车辆,计算其途径上一路段单元的行程速度;
S5:进一步地,根据S4中得到的每辆重点车辆的区间车速,计算路段单元的准实时重点车辆平均车速;
S6:针对当前路网内存在的重点车辆进行监管,需要对其进行位置推测;基于上述路段平均速度的计算方法,配合车辆途经点位信息,可对车辆的实时位置进行推测与更新;
S7:实时监测重点车辆在当前路段的行程时间,计算重点车辆行程异常指数,分不同级别进行异常报警;
附图说明
图1为本发明方法的总体流程图。
图2为高速公路路网矢量地图的构建示意图。
图3为道路方向示意图。
具体实施方式
下面将根据据附图结合实施例对本发明做进一步说明:
本发明的基于路警数据融合的重点车辆位置推测与异常报警方法,具体包括如下步骤:
S1:获取路警双方所有的ETC门架、收费站、卡口检测器基础数据并基于静态路网拓扑关系建立矢量化路网地图;所述的路警双方数据包括门架、收费站及卡口所在道路名称、运行方向、设备桩号、设备id等;基于上述数据以及静态路网拓扑关系,建立以ETC门架、收费站、卡口检测器为节点,两相邻节点间路段为一路段单元的矢量化路网地图;
S2:获取各节点检测器数据并进行通行时间修正;所述的各节点检测器的车辆通行数据如表一所示,包括ETC门架检测器所检测的车牌号、收费车型、车牌颜色、上一门架id、上一门架时间、当前门架id、当前门架交易时间,收费站ETC检测器所检测到的车牌号、收费车型、交易时间,卡口检测器所检测的车辆号牌、车型、车牌颜色、通过时间;统一所有节点检测器时间戳,考虑ETC门架及收费站交易时间延迟Δt,对ETC门架及收费站数据交易时间td进行修正,得到ETC门架及收费站车辆实际通行时间t=td-Δt;
表一 各节点检测器检测数据主要字段
S3:考虑各类型检测器的数据差异与车辆通行顺序,通过卡口与ETC门架、收费站数据相匹配,利用检测信息识别重点车辆;所述的S3具体通过以下子步骤来实现:
S3.1:当任意车辆V被路段任意节点P检测到时,存在两种情况;
情况一,节点P为卡口,则获取并暂存其卡口通行数据,包括车辆号牌、车牌颜色信息、通过节点信息、通过节点时间为当前待确认车型车辆表D;
情况二,节点P为ETC门架或收费站,则获取其ETC门架或收费站通行数据,包括车牌号、收费车型、车牌颜色、通过节点信息、通过节点时间;
S3.2:当出现情况二时,可通过车辆信息识别车辆是否为重点车辆;根据《收费公路车辆通行费车型分类》行业标准,若车辆V的车型type∈{3,4,13,14,15,16},即车辆为三型及以上客车或货车,且车牌颜色color=’黄色’,则判断车辆V为重点车辆;
S3.3:确认车辆为重点车辆后,通过车辆号牌、颜色与当前待确认车型车辆表D中的卡口数据进行关联匹配,确认重点车辆途经的上一卡口节点;
例如图2中存在车辆A由收费站进入道路,可直接由收费站检测器检测到车辆A的车型type=13,车牌颜色color=1,经判断,车辆A为重点车辆;若图2中同样存在车辆B由卡口1进入道路,由于卡口缺失收费车型数据,无法判断车辆B是否为重点车辆,因此将车辆B的车辆号牌、车牌颜色信息、通过节点信息、通过节点时间数据暂存,放入当前待确认车型车辆表D,当车辆B经过ETC门架1时,同车辆A一样,车辆B也被检测为重点车辆,于是返回检查当前待确认车型车辆表D,可确认车辆B是由卡口1进入道路并经过ETC门架2;
S4:对于每辆S4中识别为重点车辆的车辆,计算其途径上一路段单元的行程速度;所述的S4具体通过以下子步骤来实现:
S4.1:计算任意由u节点到v节点的路段单元上通过的每辆重点车辆所用的行程时间Ti(u,v),Ti(u,v)=tiv-tiu,其中tiu为车辆i通过节点u的时间,tiv为车辆i通过节点v的时间;
S4.2:由u、v节点的设备桩号信息计算得到路段单元(u,v)的路段长度D(u,v);
其中du为u节点在路段上的桩号,dv为v节点在路段上的桩号,diri为当前车辆行驶方向,dirroad为沿当前沿道路方向下行;
S5:进一步地,根据S4中得到的每辆重点车辆的区间车速,计算路段单元的准实时重点车辆平均车速;所述的S5具体通过以下子步骤来实现:
S5.2:对于每个路段单元(u,v),计算过去5分钟时间窗口内进入并驶出路段(u,v)的重点车辆的行程时间,作为当前时刻的准实时重点车辆行程时间集合T(u,v);例如,对于当前时刻15:00,仅选取在14:55后进入路段(u,v)并且在15:00前驶出路段(u,v)的车辆的行程时间放入15:00的准实时重点车辆行程时间集合T(u,v);由于ETC门架间与卡口节点间的平均间隔为4-5km,车辆平均行驶时间约为3min,因此5min的时间窗口可保证涵盖车辆在区间内完整通行;
S5.3:对集合T(u,v)中的每辆重点车辆行程时间Ti(u,v)与路段(u,v)的限速行程时间范围Tlimit=[Tmin,Tmax]进行对比并进行更新,根据下式计算更新后的路段准实时重点车辆平均行程时间如下:
以实际路段(A,B)为例,路段(A,B)的道路最高限速为120km/h,最低限速为80km/h,路段(A,B)的长度D(A,B)为5km,则路段A的限速行程时间范围Tlimit=[150s,225s],车辆1经过路段(A,B)的行程时间为130s,车辆2经过路段A的行程时间为165s,车辆3经过路段(A,B)的行程时间为230s,车辆1、车辆3的行程时间由于超出路段(A,B)的限速行程时间范围Tlimit,在计算路段(A,B)的准实时重点车辆平均行程时间时将分别取Tlimit的下限150s与上限225s,计算得到路段(A,B)的平均行程时间为180s;
表二 路段平均行程时间计算
S6:针对当前路网内存在的重点车辆进行监管,需要对其进行位置推测;基于上述路段平均速度的计算方法,配合车辆途经点位信息,对车辆的实时位置进行推测与更新;所述的S6具体通过以下子步骤来实现:
S6.1:建立实时更新的当前路段存在重点车辆信息表C(V,P),存储路段当前存在的车辆V及其最后经过的节点P详细信息;对于某一经过检测器Pj的重点车辆Vi,首先判断其是否在重点车辆信息表C中,若其首次进入路段,不在重点车辆信息表C中,则将其车辆及经过节点信息(Vi,Pj)存入表C;若其已存在表C中,则更新其对应最后经过的节点信息P;若其经过收费站出口节点或矢量地图边缘节点,例如图2中的收费站1及卡口2,则将重点车辆信息(Vi,Pj)从表C中去除;
S6.2:对于每一辆在重点车辆信息表C中的重点车辆Vx,根据其最后经过的节点Px,从矢量地图中得到其可能通过的下一节点集合Pnext;集合Pnext的具体形式如下:
以图2为例,ETC门架1的下一节点集合Pnext={收费站1,ETC门架2};
S6.3:对可能通过的下一节点集合中的节点的预计到达时间进行排序,令Px1为沿车辆行驶方向距离当前节点最近的下一节点,Pxn为沿车辆行驶方向距离当前节点最远的下一节点,即:
S6.4:进行重点车辆位置推测,首先默认重点车辆行驶下一节点为Pxn,当前时间与车辆经过当前节点Px的时间差为Δtx,则可通过下式推测车辆当前位置di:
S6.5:若车辆被节点Px1,Px2,…,Pxn-1中的任意节点Pxm检测到通行记录,则更新车辆当前位置di为节点Pxm的位置dPxm,同时更新重点车辆信息表C(V,P);
S7:实时监测重点车辆在当前路段的行程时间,计算重点车辆行程异常指数,分不同级别进行异常报警;所述的S7具体通过以下子步骤来实现:
S7.1:在路段单元(u,v)过去5分钟内通过的准实时重点车辆的行程时间集合T(u,v)中求取第95分位行程时间记为T95%;若经过时间Δtx≥T95%,且车辆仍未被集合Pnext中的任一节点检测到,则将车辆放入可疑车辆集合W;
S7.2:针对可疑车辆集合W内的所有车辆,分别根据下式计算重点车辆行程异常指数:
其中:α1、α2、α3分别为各参数系数(本方法中确定α1=0.02、α2=0.03、α3=0.03);Ew为气象参数,Ev为道路交通饱和度参数,E1为大车比参数,Ew、Ev、E1的取值如下:
式中:气象等级参考《高速公路交通气象条件等级》标准中的高速公路综合交通气象等级,分为1-4级;VP为可疑车辆i途径的上一节点P在过去5分钟内所检测到的车辆总数;C为道路的最大通行能力;LP为可疑车辆i途径的上一节点P在过去5分钟内所检测到的车辆中车型type∈{3,4,13,14,15,16,23,24,25,26},即车型为三型及以上客货车或工程作业车的车辆总数;
S7.3:根据重点车辆行程异常指数,对应下表,可以得到重点车辆行程时间异常报警级别;
重点车辆行程时间异常级别 | 重点车辆行程异常指数范围 |
无 | [0,0.2) |
一级 | [0.2,0.5) |
二级 | [0.5,1) |
三级 | [1,∞) |
S7.4:若可疑车辆的重点车辆行程时间异常级别大于等于一级,则向高速公路管理部门进行报警,报警信息包括:异常级别、异常车辆途径上一节点位置、途径上一节点时间、车辆推测位置结果。
对于所述技术领域的技术人员而言,随着技术的发展,本发明构思可以不同方式实现。本发明的实时方式并不限于以上描述的实施例,而且可在权利要求的范围内进行变化。
Claims (2)
1.基于路警数据融合的重点车辆位置推测与异常报警方法,其特征在于,包括以下步骤:
S1:获取路警双方所有的ETC门架、收费站、卡口检测器基础数据并基于静态路网拓扑关系建立矢量化路网地图;
S2:获取各节点检测器数据并进行通行时间修正;
S3:考虑各类型检测器的数据差异与车辆通行顺序,通过卡口与ETC门架、收费站数据相匹配,利用检测信息识别重点车辆;
S4:对于每辆S4中识别为重点车辆的车辆,计算其途径上一路段单元的行程速度;
S5:进一步地,根据S4中得到的每辆重点车辆的区间车速,计算路段单元的准实时重点车辆平均车速;
S6:针对当前路网内存在的重点车辆进行监管,需要对其进行位置推测;基于上述路段平均速度的计算方法,配合车辆途经点位信息,可对车辆的实时位置进行推测与更新;
S7:实时监测重点车辆在当前路段的行程时间,计算重点车辆行程异常指数,分不同级别进行异常报警。
2.根据权利要求1所述的基于路警数据融合的重点车辆位置推测与异常报警方法,其特征在于,所述的路警双方数据包括门架、收费站及卡口所在道路名称、运行方向、设备桩号、设备id;基于上述数据以及静态路网拓扑关系,建立以ETC门架、收费站、卡口检测器为节点,两相邻节点间路段为一路段单元的矢量化路网地图;
所述的各节点检测器的车辆通行数据如表一所示,包括ETC门架检测器所检测的车牌号、收费车型、车牌颜色、上一门架id、上一门架时间、当前门架id、当前门架交易时间,收费站ETC检测器所检测到的车牌号、收费车型、交易时间,卡口检测器所检测的车辆号牌、车型、车牌颜色、通过时间;统一所有节点检测器时间戳,考虑ETC门架及收费站交易时间延迟Δt,对ETC门架及收费站数据交易时间td进行修正,得到ETC门架及收费站车辆实际通行时间t=td-Δt;
表一 各节点检测器检测数据主要字段
所述的S3具体通过以下子步骤来实现:
S3.1:当任意车辆V被路段任意节点P检测到时,存在两种情况;
情况一,节点P为卡口,则获取并暂存其卡口通行数据,包括车辆号牌、车牌颜色信息、通过节点信息、通过节点时间为当前待确认车型车辆表D;
情况二,节点P为ETC门架或收费站,则获取其ETC门架或收费站通行数据,包括车牌号、收费车型、车牌颜色、通过节点信息、通过节点时间;
S3.2:当出现情况二时,根据《收费公路车辆通行费车型分类》行业标准识别车辆是否为重点车辆;;
S3.3:确认车辆为重点车辆后,通过车辆号牌、颜色与当前待确认车型车辆表D中的卡口数据进行关联匹配,确认重点车辆途经的上一卡口节点;
所述的S4具体通过以下子步骤来实现:
S4.1:计算任意由u节点到v节点的路段单元上通过的每辆重点车辆所用的行程时间Ti(u,v),Ti(u,v)=tiv-tiu,其中tiu为车辆i通过节点u的时间,tiv为车辆i通过节点v的时间;
S4.2:由u、v节点的设备桩号信息计算得到路段单元(u,v)的路段长度D(u,v);
其中du为u节点在路段上的桩号,dv为v节点在路段上的桩号,diri为当前车辆行驶方向,dirroad为沿当前沿道路方向下行;
所述的S5具体通过以下子步骤来实现:
S5.2:对于每个路段单元(u,v),计算过去5分钟时间窗口内进入并驶出路段(u,v)的重点车辆的行程时间,作为当前时刻的准实时重点车辆行程时间集合T(u,v);
S5.3:对集合T(u,v)中的每辆重点车辆行程时间Ti(u,v)与路段(u,v)的限速行程时间范围Tlimit=[Tmin,Tmax]进行对比并进行更新,根据下式计算更新后的路段准实时重点车辆平均行程时间如下:
所述的S6具体通过以下子步骤来实现:
S6.1:建立实时更新的当前路段存在重点车辆信息表C(V,P),存储路段当前存在的车辆V及其最后经过的节点P详细信息;对于某一经过检测器Pj的重点车辆Vi,首先判断其是否在重点车辆信息表C中,若其首次进入路段,不在重点车辆信息表C中,则将其车辆及经过节点信息(Vi,Pj)存入表C;若其已存在表C中,则更新其对应最后经过的节点信息P;若其经过收费站出口节点或矢量地图边缘节点;
S6.2:对于每一辆在重点车辆信息表C中的重点车辆Vx,根据其最后经过的节点Px,从矢量地图中得到其可能通过的下一节点集合Pnext;集合Pnext的具体形式如下:
S6.3:对可能通过的下一节点集合中的节点的预计到达时间进行排序,令Px1为沿车辆行驶方向距离当前节点最近的下一节点,Pxn为沿车辆行驶方向距离当前节点最远的下一节点,即:
S6.4:进行重点车辆位置推测,首先默认重点车辆行驶下一节点为Pxn,当前时间与车辆经过当前节点Px的时间差为Δtx,则可通过下式推测车辆当前位置di:
S6.5:若车辆被节点Px1,Px2,…,Pxn-1中的任意节点Pxm检测到通行记录,则更新车辆当前位置di为节点Pxm的位置dPxm,同时更新重点车辆信息表C(V,P);
所述的S7具体通过以下子步骤来实现:
S7.1:在路段单元(u,v)过去5分钟内通过的准实时重点车辆的行程时间集合T(u,v)中求取第95分位行程时间记为T95%;若经过时间Δtx≥T95%,且车辆仍未被集合Pnext中的任一节点检测到,则将车辆放入可疑车辆集合W;
S7.2:针对可疑车辆集合W内的所有车辆,分别根据下式计算重点车辆行程异常指数:
其中:α1、α2、α3分别为各参数系数,其中α1=0.02、α2=0.03、α3=0.03;Ew为气象参数,Ev为道路交通饱和度参数,El为大车比参数,Ew、Ev、El的取值如下:
式中:气象等级参考《高速公路交通气象条件等级》标准中的高速公路综合交通气象等级,分为1-4级;VP为可疑车辆i途径的上一节点P在过去5分钟内所检测到的车辆总数;C为道路的最大通行能力;LP为可疑车辆i途径的上一节点P在过去5分钟内所检测到的车辆中车型type∈{3,4,13,14,15,16,23,24,25,26}的车辆总数;
S7.3:根据重点车辆行程异常指数,对应下表,可以得到重点车辆行程时间异常报警级别;
S7.4:若可疑车辆的重点车辆行程时间异常级别大于等于一级,则向高速公路管理部门进行报警,报警信息包括:异常级别、异常车辆途径上一节点位置、途径上一节点时间、车辆推测位置结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210394354.3A CN114863675B (zh) | 2022-04-08 | 2022-04-08 | 基于路警数据融合的重点车辆位置推测与异常报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210394354.3A CN114863675B (zh) | 2022-04-08 | 2022-04-08 | 基于路警数据融合的重点车辆位置推测与异常报警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114863675A true CN114863675A (zh) | 2022-08-05 |
CN114863675B CN114863675B (zh) | 2023-12-29 |
Family
ID=82630871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210394354.3A Active CN114863675B (zh) | 2022-04-08 | 2022-04-08 | 基于路警数据融合的重点车辆位置推测与异常报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114863675B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116363871A (zh) * | 2023-01-15 | 2023-06-30 | 福建省高速公路信息科技有限公司 | 高速公路假日免征车辆疫情预警及入口信息还原方法 |
CN116863718A (zh) * | 2023-08-10 | 2023-10-10 | 南京感动科技有限公司 | 一种基于高速etc门架快速计算车辆位置区间方法 |
CN117558071A (zh) * | 2024-01-11 | 2024-02-13 | 四川成渝高速公路股份有限公司 | 一种高速公路出入车辆稽查方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008174145A (ja) * | 2007-01-19 | 2008-07-31 | Mitsubishi Electric Corp | 運転整理支援システム |
CN103886761A (zh) * | 2014-04-14 | 2014-06-25 | 姜廷顺 | 能够快速发现道路异常停车的智能卡口系统及其运行方法 |
CN104882001A (zh) * | 2015-06-30 | 2015-09-02 | 北京奇虎科技有限公司 | 基于行车记录仪的驾驶行为监控方法、装置及系统 |
CN106571037A (zh) * | 2016-11-15 | 2017-04-19 | 同济大学 | 一种基于卡口检测技术的高速公路实时路况监测方法 |
CN108346288A (zh) * | 2018-02-12 | 2018-07-31 | 山东路科公路信息咨询有限公司 | 路段运行状态预警方法、装置及电子设备 |
CN108985690A (zh) * | 2018-07-07 | 2018-12-11 | 肥西中宇物流有限责任公司 | 一种物流信息跟踪查询方法 |
CN109829991A (zh) * | 2018-12-27 | 2019-05-31 | 北京万集科技股份有限公司 | 信息的获取方法、装置及系统 |
US20190228593A1 (en) * | 2016-02-18 | 2019-07-25 | South China University Of Technology | Toll road network traffic information collection and guidance system based on route identification system |
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 |
CN111508094A (zh) * | 2020-06-30 | 2020-08-07 | 之江实验室 | 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法 |
CN111523416A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种基于高速公路etc门架的车辆预警方法和装置 |
CN112258832A (zh) * | 2020-09-15 | 2021-01-22 | 北京工业大学 | 一种用于运行基于车辆信息的团雾气象信息感知发布系统的方法 |
CN113422829A (zh) * | 2021-06-23 | 2021-09-21 | 广州交信投科技股份有限公司 | 客运车辆告警方法、告警装置、计算机存储介质及终端 |
CN114218295A (zh) * | 2021-12-08 | 2022-03-22 | 重庆中信科信息技术有限公司 | 一种交通设备数据异常监测预警方法及系统 |
-
2022
- 2022-04-08 CN CN202210394354.3A patent/CN114863675B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008174145A (ja) * | 2007-01-19 | 2008-07-31 | Mitsubishi Electric Corp | 運転整理支援システム |
CN103886761A (zh) * | 2014-04-14 | 2014-06-25 | 姜廷顺 | 能够快速发现道路异常停车的智能卡口系统及其运行方法 |
CN104882001A (zh) * | 2015-06-30 | 2015-09-02 | 北京奇虎科技有限公司 | 基于行车记录仪的驾驶行为监控方法、装置及系统 |
US20190228593A1 (en) * | 2016-02-18 | 2019-07-25 | South China University Of Technology | Toll road network traffic information collection and guidance system based on route identification system |
CN106571037A (zh) * | 2016-11-15 | 2017-04-19 | 同济大学 | 一种基于卡口检测技术的高速公路实时路况监测方法 |
CN108346288A (zh) * | 2018-02-12 | 2018-07-31 | 山东路科公路信息咨询有限公司 | 路段运行状态预警方法、装置及电子设备 |
CN108985690A (zh) * | 2018-07-07 | 2018-12-11 | 肥西中宇物流有限责任公司 | 一种物流信息跟踪查询方法 |
CN109829991A (zh) * | 2018-12-27 | 2019-05-31 | 北京万集科技股份有限公司 | 信息的获取方法、装置及系统 |
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 |
CN111523416A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种基于高速公路etc门架的车辆预警方法和装置 |
CN111508094A (zh) * | 2020-06-30 | 2020-08-07 | 之江实验室 | 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法 |
CN112258832A (zh) * | 2020-09-15 | 2021-01-22 | 北京工业大学 | 一种用于运行基于车辆信息的团雾气象信息感知发布系统的方法 |
CN113422829A (zh) * | 2021-06-23 | 2021-09-21 | 广州交信投科技股份有限公司 | 客运车辆告警方法、告警装置、计算机存储介质及终端 |
CN114218295A (zh) * | 2021-12-08 | 2022-03-22 | 重庆中信科信息技术有限公司 | 一种交通设备数据异常监测预警方法及系统 |
Non-Patent Citations (7)
Title |
---|
杨敬锋等: "基于带卫星定位功能行车记录仪的重点营运车辆信息化动态安全监管模式研究", 《测绘与空间地理信息》 * |
杨敬锋等: "基于带卫星定位功能行车记录仪的重点营运车辆信息化动态安全监管模式研究", 《测绘与空间地理信息》, no. 12, 25 December 2013 (2013-12-25) * |
汤锐;张亦洋;: "基于相控阵天线的货车电子不停车收费系统探讨", 中国交通信息化, no. 04 * |
汪文斌;于艳玲;: "基于视频的自助发卡车道异常行为检测", 上海船舶运输科学研究所学报, no. 03 * |
董军等: ""两客一危"动态监测和智能预警管理系统", 《中国交通信息化》 * |
董军等: ""两客一危"动态监测和智能预警管理系统", 《中国交通信息化》, no. 05, 15 May 2020 (2020-05-15) * |
靳引利;张英;韩雪婷;: "基于OD的高速公路断面交通流量推算方法", 交通信息与安全, no. 01 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116363871A (zh) * | 2023-01-15 | 2023-06-30 | 福建省高速公路信息科技有限公司 | 高速公路假日免征车辆疫情预警及入口信息还原方法 |
CN116363871B (zh) * | 2023-01-15 | 2024-03-26 | 福建省高速公路信息科技有限公司 | 高速公路假日免征车辆疫情预警及入口信息还原方法 |
CN116863718A (zh) * | 2023-08-10 | 2023-10-10 | 南京感动科技有限公司 | 一种基于高速etc门架快速计算车辆位置区间方法 |
CN117558071A (zh) * | 2024-01-11 | 2024-02-13 | 四川成渝高速公路股份有限公司 | 一种高速公路出入车辆稽查方法及系统 |
CN117558071B (zh) * | 2024-01-11 | 2024-04-05 | 四川成渝高速公路股份有限公司 | 一种高速公路出入车辆稽查方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114863675B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114863675A (zh) | 基于路警数据融合的重点车辆位置推测与异常报警方法 | |
CN112581774B (zh) | 一种基于etc数据的高速公路服务区驶入车流量估计方法 | |
US20190180610A1 (en) | Vehicle type identification method and device based on mobile phone data | |
CN113870570B (zh) | 一种基于etc的路网运行状态方法、系统和存储介质 | |
CN108877244B (zh) | 一种基于动态数据的公交车辆交叉口运行瓶颈判别方法 | |
CN112528208B (zh) | 一种无称重ai智能识别货车超载估算方法、装置及系统 | |
CN111768619A (zh) | 一种基于卡口数据的快速路车辆od点确定方法 | |
CN116168356B (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
CN102426783B (zh) | 基于车辆跟踪的低流量道路交通事件检测方法 | |
CN114565982A (zh) | 基于etc的车辆状态监测方法 | |
CN109785627A (zh) | 一种十字路口交通流量监控系统 | |
CN114999181A (zh) | 一种基于etc系统数据的高速公路车辆速度异常识别方法 | |
CN109754606B (zh) | 一种基于出租车定位预测道路拥堵情况的方法 | |
CN104575049A (zh) | 一种基于阵列雷达的高架匝道智能诱导方法及装置 | |
CN114582083B (zh) | 一种隧道监控多传感器数据融合火灾预警方法 | |
CN113256014B (zh) | 一种5g通信工程智能检测系统 | |
CN113888866B (zh) | 一种具有多级预警功能的道路车辆管理系统 | |
CN112989069B (zh) | 一种基于知识图谱与区块链的交通违章分析方法 | |
CN108665722A (zh) | 一种高速公路交通事故主动防控系统 | |
JP4030354B2 (ja) | 突発事象検出装置 | |
CN108288382B (zh) | 一种基于信疑双基模型判别车辆可信度的方法 | |
CN111915880A (zh) | 一种高速公路异常事件事发点有效通行能力估计方法 | |
CN113345220B (zh) | 一种高速公路稽查车辆跟踪与预测分析系统 | |
CN112382084B (zh) | 一种面向云计算的综合应急管理平台架构 | |
CN114822042B (zh) | 一种用于车载终端检测的信息安全测试管理系统及方法 |
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 |