CN114882702A - 一种基于光视融合的公路拥堵移动检测预警系统及方法 - Google Patents
一种基于光视融合的公路拥堵移动检测预警系统及方法 Download PDFInfo
- Publication number
- CN114882702A CN114882702A CN202210502091.3A CN202210502091A CN114882702A CN 114882702 A CN114882702 A CN 114882702A CN 202210502091 A CN202210502091 A CN 202210502091A CN 114882702 A CN114882702 A CN 114882702A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- definition camera
- laser radar
- road
- data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000004927 fusion Effects 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000013135 deep learning Methods 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Emergency Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于光视融合的公路拥堵移动检测预警系统及方法,包括机器人、终端管理平台和道路监控平台,机器人包括前端处理器、报警装置、IP广播、移动平台、高清相机和激光雷达,前端处理器分别与报警装置、IP广播、移动平台、高清相机和激光雷达相连接,前端处理器通过无线通讯网络与终端管理平台相连接,终端管理平台与道路监控平台相连接。本发明包括了通过雷视融合巡查车载高清相机和激光雷达传感器获取交通参与者的原始数据,采用深度学习的方法对雷达数据和图像视频数据进行自动检测和识别并计算路段的车辆通行速度,来判断路段是否拥堵。
Description
技术领域
本发明涉及高速公路道路拥堵检测相关技术领域,尤其涉及一种基于光视融合的公路拥堵移动检测预警系统及方法。
背景技术
随着我国经济和科技的不断发展,我国高速公路车流量的快速增长,高速公路里程和运营年限的不断增长,高速公路拥堵时常发生,极易引发道路安全事故。因此道路拥堵的治理迫在眉睫,而道路拥堵检测预警是治理交通拥堵的首要任务。
目前交通系统中没有专业的相关系统实时检测高速公路的拥堵情况,并及时预警。对于一些机电建设较好的路段,多由工作人员在监控中心,不定时观看道路监控相机的实时视频,发现拥堵后采用IP语音广播远程播放预警信息;而对于一些机电建设不完善路段,基本依靠司机以往驾驶经验或者通过驾驶过即将前往的高速公路路段的朋友询问该高速公路的拥堵情况。由此可见,传统的方式局限性强、准确性、实时性差,不便出行者进行判断,同时为道路运营管理增加难度。
传统的道路拥堵治理方法大多采用人工查看固定式的路侧监控相机视频的方式,人工看视频的方式及时性差,而且固定式的点位难以完成全路段的覆盖。发现拥堵之后不能立即进行预警,容易引发追尾等交通事故。
有鉴于上述的缺陷,本设计人积极加以研究创新,以期创设一种基于光视融合的公路拥堵移动检测预警系统及方法,使其更具有产业上的利用价值。
发明内容
为解决上述技术问题,本发明的目的是提供一种基于光视融合的公路拥堵移动检测预警系统及方法。
为实现上述目的,本发明采用如下技术方案:
一种基于光视融合的公路拥堵移动检测预警系统,包括机器人、终端管理平台和道路监控平台,机器人包括前端处理器、报警装置、IP广播、移动平台、高清相机和激光雷达,前端处理器分别与报警装置、IP广播、移动平台、高清相机和激光雷达相连接,前端处理器通过无线通讯网络与终端管理平台相连接,终端管理平台与道路监控平台相连接。
一种基于光视融合的公路拥堵移动检测预警方法,依次包括以下步骤:
步骤1、采集巡检路段内交通参与者的高清相机和激光雷达数据,视频图像采用基于深度学习、训练多类别目标检测模型,类别包括各种车辆、行人和非机动车;
步骤2、在可以获取高清相机视频图像数据、激光雷达车辆点云数据的机器人上部署模型,可以实时检测道路上的交通参与者,交通参与者包括各种车辆、行人和非机动车;
步骤3、高清相机和激光雷达分别进行检测,激光雷达提供空间位置和速度信息,高清相机数据提供视频图像检测信息,同时对高清相机数据和激光雷达数据进行融合;
步骤4、基于融合数据对每辆车的速度进行计算,检测到车辆信息时,每辆车都有一个独特的id,利用高清相机数据和激光雷达数据的融合信息,得到该id车辆的准确位置信息,瞬时速度V的计算方式为激光雷达两帧之间的车辆最靠近雷达的位置(Xt1,Xt2)除以两帧时间间隔V=(Xt1-Xt2)/dt,并记录到对应车辆id的速度列表中,单个车辆的平均速度V1为该车辆的速度列表中所有瞬时速度V的平均值;
步骤5、取一段时间A内所有经过车辆的速度信息,计算经过车辆的平均速度,判定当前路段的拥堵程度,经过车辆的平均速度V2计算方式为所有单个车辆的平均速度V1再取平均值,如果平均速度V2小于等于B,判断为拥堵。
作为本发明的进一步改进,所述步骤5中,A为1分钟,B为2m/s。
作为本发明的进一步改进,所述步骤5中,如果判定结果为拥堵,机器人对路段的车辆排队长度进行检测,并自行移动到车辆排队队尾的位置,对后续即将进入拥堵路段的的车辆进行拥堵预警;如果判定结果为不拥堵,机器人继续在当前位置进行一般巡检。
作为本发明的进一步改进,判断车辆排队队尾位置方法为机器人高清相机和激光雷达的视野内,在机器人前进的道路方向15米内的车辆数量为0。
作为本发明的进一步改进,步骤3中,融合前需要先进行高清相机和激光雷达的位置标定,将两个传感器转换到同一个坐标系统下,计算两个传感器的位置关系,可以得到一个转换矩阵,该矩阵能将激光雷达的坐标转到高清相机的坐标上,对高清相机数据检测得到的车辆和激光雷达数据检测得到的车辆进行匹配。
作为本发明的进一步改进,匹配方式为激光雷达检测得到的车辆目标中心转换到高清相机的视频图像上,如果能在视频图像检测到的目标框内,则直接完成匹配,剩余未匹配成功的寻找最近且未匹配成功的检测框进行匹配,完成匹配后,视频图像上的车辆信息就能够有激光雷达得到的三维空间位置信息和车辆的速度信息。
借由上述方案,本发明至少具有以下优点:
本发明提供了用于高速公路道路拥堵移动检测预警的方法,该方法包括了通过雷视融合巡查车载高清相机和激光雷达传感器获取交通参与者的原始数据,采用深度学习的方法对雷达数据和图像视频数据进行自动检测和识别并计算路段的车辆通行速度,来判断路段是否拥堵。
本发明使用在移动的机器人上,用于检测道路拥堵,并自行移动到拥堵排队尾部进行后续预警。
本发明对拥堵路段检测车辆排队长度,并对过往车辆进行预警。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明的系统架构图;
图2是本发明的工作流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
如图1~图2所示,
一种基于光视融合的公路拥堵移动检测预警系统,包括机器人、终端管理平台和道路监控平台,机器人包括前端处理器、报警装置、IP广播、移动平台、高清相机和激光雷达,前端处理器分别与报警装置、IP广播、移动平台、高清相机和激光雷达相连接,前端处理器通过无线通讯网络与终端管理平台相连接,终端管理平台与道路监控平台相连接。
一种基于光视融合的公路拥堵移动检测预警方法,依次包括以下步骤:
步骤1、采集巡检路段内交通参与者的高清相机和激光雷达数据,视频图像采用基于深度学习、训练多类别目标检测模型,类别包括各种车辆、行人和非机动车;
步骤2、在可以获取高清相机视频图像数据、激光雷达车辆点云数据的机器人上部署模型,可以实时检测道路上的交通参与者,交通参与者包括各种车辆、行人和非机动车;
步骤3、高清相机和激光雷达分别进行检测,激光雷达提供空间位置和速度信息,高清相机数据提供视频图像检测信息,同时对高清相机数据和激光雷达数据进行融合;
步骤4、基于融合数据对每辆车的速度进行计算,检测到车辆信息时,每辆车都有一个独特的id,利用高清相机数据和激光雷达数据的融合信息,得到该id车辆的准确位置信息,瞬时速度V的计算方式为激光雷达两帧之间的车辆最靠近雷达的位置(Xt1,Xt2)除以两帧时间间隔V=(Xt1-Xt2)/dt,并记录到对应车辆id的速度列表中,单个车辆的平均速度V1为该车辆的速度列表中所有瞬时速度V的平均值;
步骤5、取一段时间A内所有经过车辆的速度信息,计算经过车辆的平均速度,判定当前路段的拥堵程度,经过车辆的平均速度V2计算方式为所有单个车辆的平均速度V1再取平均值,如果平均速度V2小于等于B,判断为拥堵。
优选的,所述步骤5中,A为1分钟,B为2m/s。
优选的,所述步骤5中,如果判定结果为拥堵,机器人对路段的车辆排队长度进行检测,并自行移动到车辆排队队尾的位置,对后续即将进入拥堵路段的的车辆进行拥堵预警;如果判定结果为不拥堵,机器人继续在当前位置进行一般巡检。
优选的,判断车辆排队队尾位置方法为机器人高清相机和激光雷达的视野内,在机器人前进的道路方向15米内的车辆数量为0。
优选的,步骤3中,融合前需要先进行高清相机和激光雷达的位置标定,将两个传感器转换到同一个坐标系统下,计算两个传感器的位置关系,可以得到一个转换矩阵,该矩阵能将激光雷达的坐标转到高清相机的坐标上,对高清相机数据检测得到的车辆和激光雷达数据检测得到的车辆进行匹配。
优选的,匹配方式为激光雷达检测得到的车辆目标中心转换到高清相机的视频图像上,如果能在视频图像检测到的目标框内,则直接完成匹配,剩余未匹配成功的寻找最近且未匹配成功的检测框进行匹配,完成匹配后,视频图像上的车辆信息就能够有激光雷达得到的三维空间位置信息和车辆的速度信息。
本发明提供了用于高速公路道路拥堵移动检测预警的方法,该方法包括了通过雷视融合巡查车载高清相机和激光雷达传感器获取交通参与者的原始数据,采用深度学习的方法对雷达数据和图像视频数据进行自动检测和识别并计算路段的车辆通行速度,来判断路段是否拥堵。
本发明使用在移动的机器人上,用于检测道路拥堵,并自行移动到拥堵排队尾部进行后续预警。
本发明对拥堵路段检测车辆排队长度,并对过往车辆进行预警。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指咧所指示的技术特征的数量。由此,限定有“第一”、“第二”等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,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接:可以是机械连接,也可以是电连接:可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通.对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (7)
1.一种基于光视融合的公路拥堵移动检测预警系统,其特征在于,包括机器人、终端管理平台和道路监控平台,所述机器人包括前端处理器、报警装置、IP广播、移动平台、高清相机和激光雷达,所述前端处理器分别与报警装置、IP广播、移动平台、高清相机和激光雷达相连接,所述前端处理器通过无线通讯网络与终端管理平台相连接,所述终端管理平台与道路监控平台相连接。
2.如权利要求1所述的一种基于光视融合的公路拥堵移动检测预警方法,其特征在于,依次包括以下步骤:
步骤1、采集巡检路段内交通参与者的高清相机和激光雷达数据,视频图像采用基于深度学习、训练多类别目标检测模型,类别包括各种车辆、行人和非机动车;
步骤2、在可以获取高清相机视频图像数据、激光雷达车辆点云数据的机器人上部署模型,可以实时检测道路上的交通参与者,交通参与者包括各种车辆、行人和非机动车;
步骤3、高清相机和激光雷达分别进行检测,激光雷达提供空间位置和速度信息,高清相机数据提供视频图像检测信息,同时对高清相机数据和激光雷达数据进行融合;
步骤4、基于融合数据对每辆车的速度进行计算,检测到车辆信息时,每辆车都有一个独特的id,利用高清相机数据和激光雷达数据的融合信息,得到该id车辆的准确位置信息,瞬时速度V的计算方式为激光雷达两帧之间的车辆最靠近雷达的位置(Xt1,Xt2)除以两帧时间间隔V=(Xt1-Xt2)/dt,并记录到对应车辆id的速度列表中,单个车辆的平均速度V1为该车辆的速度列表中所有瞬时速度V的平均值;
步骤5、取一段时间A内所有经过车辆的速度信息,计算经过车辆的平均速度,判定当前路段的拥堵程度,经过车辆的平均速度V2计算方式为所有单个车辆的平均速度V1再取平均值,如果平均速度V2小于等于B,判断为拥堵。
3.如权利要求2所述的一种基于光视融合的公路拥堵移动检测预警方法,其特征在于,所述步骤5中,A为1分钟,所述B为2m/s。
4.如权利要求2所述的一种基于光视融合的公路拥堵移动检测预警方法,其特征在于,所述步骤5中,如果判定结果为拥堵,机器人对路段的车辆排队长度进行检测,并自行移动到车辆排队队尾的位置,对后续即将进入拥堵路段的的车辆进行拥堵预警;如果判定结果为不拥堵,机器人继续在当前位置进行一般巡检。
5.如权利要求4所述的一种基于光视融合的公路拥堵移动检测预警方法,其特征在于,判断车辆排队队尾位置方法为机器人高清相机和激光雷达的视野内,在机器人前进的道路方向15米内的车辆数量为0。
6.如权利要求2所述的一种基于光视融合的公路拥堵移动检测预警方法,其特征在于,所述步骤3中,融合前需要先进行高清相机和激光雷达的位置标定,将两个传感器转换到同一个坐标系统下,计算两个传感器的位置关系,可以得到一个转换矩阵,该矩阵能将激光雷达的坐标转到高清相机的坐标上,对高清相机数据检测得到的车辆和激光雷达数据检测得到的车辆进行匹配。
7.如权利要求6所述的一种基于光视融合的公路拥堵移动检测预警方法,其特征在于,所述匹配方式为激光雷达检测得到的车辆目标中心转换到高清相机的视频图像上,如果能在视频图像检测到的目标框内,则直接完成匹配,剩余未匹配成功的寻找最近且未匹配成功的检测框进行匹配,完成匹配后,视频图像上的车辆信息就能够有激光雷达得到的三维空间位置信息和车辆的速度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210502091.3A CN114882702A (zh) | 2022-05-10 | 2022-05-10 | 一种基于光视融合的公路拥堵移动检测预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210502091.3A CN114882702A (zh) | 2022-05-10 | 2022-05-10 | 一种基于光视融合的公路拥堵移动检测预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114882702A true CN114882702A (zh) | 2022-08-09 |
Family
ID=82673532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210502091.3A Pending CN114882702A (zh) | 2022-05-10 | 2022-05-10 | 一种基于光视融合的公路拥堵移动检测预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882702A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010231604A (ja) * | 2009-03-27 | 2010-10-14 | Ihi Corp | 車両渋滞検出装置 |
CN110335465A (zh) * | 2019-07-10 | 2019-10-15 | 北京维联众诚科技有限公司 | 基于ai深度学习的监控视频中交通拥堵检测方法和系统 |
CN110722574A (zh) * | 2019-09-26 | 2020-01-24 | 山西省交通科技研发有限公司 | 一种高速公路智能监测预警机器人及其工作方法 |
CN111785080A (zh) * | 2020-05-27 | 2020-10-16 | 诠航科技有限公司 | 一种智慧交通预警系统及预警方法 |
CN112150799A (zh) * | 2020-08-19 | 2020-12-29 | 上海图丽信息技术有限公司 | 一种融合雷达视频的道路车辆交通大数据采集的方法 |
CN113658427A (zh) * | 2021-08-06 | 2021-11-16 | 深圳英飞拓智能技术有限公司 | 基于视觉与雷达的路况监控方法及系统、设备 |
CN216229415U (zh) * | 2021-10-21 | 2022-04-08 | 苏州思卡智能科技有限公司 | 一种智能巡检机器人系统 |
-
2022
- 2022-05-10 CN CN202210502091.3A patent/CN114882702A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010231604A (ja) * | 2009-03-27 | 2010-10-14 | Ihi Corp | 車両渋滞検出装置 |
CN110335465A (zh) * | 2019-07-10 | 2019-10-15 | 北京维联众诚科技有限公司 | 基于ai深度学习的监控视频中交通拥堵检测方法和系统 |
CN110722574A (zh) * | 2019-09-26 | 2020-01-24 | 山西省交通科技研发有限公司 | 一种高速公路智能监测预警机器人及其工作方法 |
CN111785080A (zh) * | 2020-05-27 | 2020-10-16 | 诠航科技有限公司 | 一种智慧交通预警系统及预警方法 |
CN112150799A (zh) * | 2020-08-19 | 2020-12-29 | 上海图丽信息技术有限公司 | 一种融合雷达视频的道路车辆交通大数据采集的方法 |
CN113658427A (zh) * | 2021-08-06 | 2021-11-16 | 深圳英飞拓智能技术有限公司 | 基于视觉与雷达的路况监控方法及系统、设备 |
CN216229415U (zh) * | 2021-10-21 | 2022-04-08 | 苏州思卡智能科技有限公司 | 一种智能巡检机器人系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3759700B1 (en) | Method for determining driving policy | |
CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
CN108417087B (zh) | 一种车辆安全通行系统及方法 | |
CN112660157B (zh) | 一种多功能无障碍车远程监控与辅助驾驶系统 | |
TWI691927B (zh) | 移動載具用外部座標即時三維路況輔助裝置及該系統 | |
KR101534056B1 (ko) | 교통 신호 맵핑 및 검출 | |
CN110430401A (zh) | 车辆盲区预警方法、预警装置、mec平台和存储介质 | |
US10369995B2 (en) | Information processing device, information processing method, control device for vehicle, and control method for vehicle | |
CN113706737B (zh) | 基于自动驾驶车辆的路面巡检系统及方法 | |
CN113870553B (zh) | 一种面向混合交通流的路网运行状态检测系统及方法 | |
CN111243274A (zh) | 面向非网联交通个体的道路碰撞预警系统及方法 | |
CN113112805B (zh) | 一种基于基站通讯与路口摄像头定位的路口监测预警方法 | |
CN113409607A (zh) | 路况信息推送系统、方法、装置、设备及存储介质 | |
CN111915883A (zh) | 一种基于车载摄像的道路交通状况检测方法 | |
CN112140995A (zh) | 一种基于网络云端的智能汽车安全驾驶系统 | |
CN211792049U (zh) | 车路协同辅助系统及车辆 | |
CN112687103A (zh) | 基于车联网技术的车辆变道的检测方法及系统 | |
CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
CN111311942A (zh) | 基于v2x技术的路况显示方法、系统、v2x终端及v2x服务器 | |
CN115909240A (zh) | 一种基于车道线和车辆识别的道路拥堵检测方法 | |
CN111311958A (zh) | 基于v2x技术的转弯路况提醒方法、系统及v2x服务器 | |
CN109874099B (zh) | 一种联网车载设备流量控制系统 | |
CN114882702A (zh) | 一种基于光视融合的公路拥堵移动检测预警系统及方法 | |
CN114299715A (zh) | 一种基于视频、激光雷达与dsrc的高速公路信息检测系统 | |
CN115240470A (zh) | 基于nr-v2x的弱势交通参与者碰撞预警系统与方法 |
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 |