CN114898571A - 一种基于etc大数据的高速公路全路段车速测量方法 - Google Patents
一种基于etc大数据的高速公路全路段车速测量方法 Download PDFInfo
- Publication number
- CN114898571A CN114898571A CN202210431442.6A CN202210431442A CN114898571A CN 114898571 A CN114898571 A CN 114898571A CN 202210431442 A CN202210431442 A CN 202210431442A CN 114898571 A CN114898571 A CN 114898571A
- Authority
- CN
- China
- Prior art keywords
- section
- portal frame
- node
- distance
- expressway
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
- G07B15/063—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems using wireless information transmission between the vehicle and a fixed station
-
- 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
-
- 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
Abstract
本发明公开一种基于ETC大数据的高速公路全路段车速测量方法,利用龙门架地理位置定位模型得到更为准确的龙门架位置,将龙门架位置输入基于高德地图的道路距离模型,并构建龙门架之间的真实道路距离矩阵,最终根据目标龙门架之间的距离和通行时间,计算车辆的行驶距离。本发明统一收集ETC交易数据,利用ETC数据提高高速公路的智能化运营水平和通行效率,实现对每辆车都实行任意区间的行驶速度的监管。
Description
技术领域
本发明涉及高速公路技术领域,尤其涉及一种基于ETC大数据的高速公路全路段车速测量方法。
背景技术
截至2020年底,我国高速公路总里程达16.1万公里,位居世界第一。截至2019年底,我国高速公路不停车电子收费系统(Electronic Toll Collection,ETC)实现了全国29个省份联网,共建成了ETC门架系统24588套,改造了ETC车道48211条,全国ETC用户累积超过了2亿。有效识别车辆在高速公路上的行驶速度,可以有效的识别出车辆的危险驾驶行为,提高高速公路的运行效率和安全水平,还可以为交警的监管提供有力条件。
发明内容
本发明的目的在于提供一种基于ETC大数据的高速公路全路段车速测量方法。
本发明采用的技术方案是:
一种基于ETC大数据的高速公路全路段车速测量方法,其包括以下步骤:
步骤1,提取规定时间内通过目标路段的目标车辆的ETC交易数据,按照车辆的交易时间对龙门架交易数据进行排序得到每个区段的车辆经过的龙门架轨迹Ntraj。
步骤2,构建龙门架邻接矩阵,根据门架连接关系通过图理论的方式来对所有门架之间的连接关系进行建模,具体表达式如下:
其中,Gi,j表示两点之间的连接关系,i,j为高速公路上任意两个门架或者收费站,∞表示两个门架不可以直接相通,1表示i,j两节点相邻且可直接联通,当为同一个节点时则为0;
步骤3,根据龙门架邻接矩阵判断需求解的区段是否连通。若连通,则根据已知的门架经纬度信息,利用高德API接口,从高德地图上爬取连通区段的距离,以此构建龙门架距离矩阵。
步骤4,基于龙门架距离矩阵得到龙门架轨迹Ntraj中相邻龙门架之间的距离,并叠加得到累计行驶里程Sall,计算公式如下:
其中,Dij为相邻的龙门架i和龙门架j之间的距离,i为车辆经过的龙门架轨迹Ntraj中的时间相对前节点,取值范围为Node1至Noden-1;i为车辆经过的龙门架轨迹Ntraj中的时间相对后节点,取值范围为Node2至Noden;其中高速公路各门架、收费站进出口(含跨省进出口)统称为节点Node,n为某省某高速公路上门架的顺序编号;
步骤5,从ETC交易数据提取车辆经过的龙门架轨迹Ntraj中的起始节点交易时间tstart和终止节点的交易时间tend;
步骤6,计算车辆通过目标路段时的行驶速度,计算公式如下:
其中,Sall为目标路段之间的总行驶里程,tstart、tend分别为起始节点和终止节点的交易时间,Vall为车辆通过目标路段的行驶速度。
进一步地,龙门架轨迹Ntraj表示车辆通过区段QD所形成的龙门架轨迹。
进一步地,步骤3的龙门架距离矩阵计算步骤如下:
步骤3-1,获取龙门架邻接矩阵G和龙门架位置信息即已知的龙门架经纬度信息
步骤3-2,从龙门架邻接矩阵中提取高速公路区段QD数据;两个相邻节点Node构成一个高速公路区段QD;
步骤3-3,初始化当前高速公路区段为起始的第一个高速公路区段;
步骤3-4,查询门架邻接矩阵判断当前高速公路区段是否连通;是则,执行步骤3-5;否则,执行步骤3-7;
步骤3-5,提取当前高速公路区段的起止节点的位置;
步骤3-6,根据当前高速公路区段的起止节点之间的位置计算当前高速公路区段QD的距离;
步骤3-7,判断是否为最后一个高速公路区段;是则,结束查询并反馈输出由所有高速公路区段QD的距离构成的龙门架距离矩阵D;否则,选取下一高速公路区段作为当前高速公路区段并执行步骤3-4。
进一步地,步骤3-4中查询门架邻接矩阵中对应高速公路区段邻接数值是否为1;邻接数值为1表示高速公路区段连通;邻接数值不为1表示高速公路区段不连通。
进一步地,步骤3-5提取当前高速公路区段的起止节点的位置的具体步骤如下:
步骤3-5-1,从龙门架邻接矩阵提取当前高速公路区段的起始节点;
步骤3-5-2,从龙门架邻接矩阵提取当前高速公路区段的终止节点;
步骤3-5-3,从龙门架位置信息中获取起始节点的位置;
步骤3-5-4,从龙门架位置信息中获取终止节点的位置。
进一步地,步骤3-6中利用高德地图API或其他地图API基于当前高速公路区段的起止节点之间的位置计算当前高速公路区段QD的距离。
进一步地,步骤3-7中龙门架距离矩阵D的具体表达式如下:
其中,Di,j为龙门架i与龙门架j之间的距离;dis值表示能够连通的两龙门架之间的距离,单位为m;0表示两个节点之间为同一个节点;inf表示两个节点之间不连通。
本发明采用以上技术方案,利用龙门架地理位置定位模型得到更为准确的龙门架位置,将龙门架位置输入基于高德地图的道路距离模型,并构建龙门架之间的真实道路距离矩阵,最终根据目标龙门架之间的距离和通行时间,计算车辆的行驶距离。随着高速公路ETC龙门架的大范围铺设,有效利用ETC数据,建立一个全覆盖高速公路的测速装置,该装置统一收集ETC交易数据,有效解决测试起点和终点时间不同步以及由于布设测速设备的成本较高,无法大范围覆盖整个高速公路,只能对危险路段进行监控等问题,并提高高速公路的智能化运营水平和通行效率,实现对每辆车都实行任意区间的行驶速度的监管。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明;
图1为本发明一种基于ETC大数据的高速公路全路段车速测量方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,本发明公开了一种基于ETC大数据的高速公路全路段车速测量方法,其包括以下步骤:
步骤1,提取规定时间内通过目标路段的目标车辆的ETC交易数据,按照车辆的交易时间对龙门架交易数据进行排序得到每个区段的车辆经过的龙门架轨迹Ntraj。
步骤2,构建龙门架邻接矩阵,本文根据某省全省1045个门架,根据门架连接关系,通过图理论的方式来对所有门架之间的连接关系进行建模,使用Gi,j表示两点之间的连接关系,具体表示方法如公式1-1所示。
i,j为高速公路上任意两个门架或者收费站,∞表示两个门架不可以直接相通,1表示i,j两节点相邻且可直接联通,如果是同一个节点则为0,得表1-1所示龙门架邻接矩阵。
表1-1龙门架邻接矩阵
步骤3,根据龙门架邻接矩阵判断需求解的区段是否连通。若连通,则根据已知的门架经纬度信息,利用高德API接口,从高德地图上爬取连通区段的距离,以此构建龙门架距离矩阵。得表1-2所示龙门架距离矩阵。
表1-2龙门架距离矩阵
步骤4,基于龙门架距离矩阵得到龙门架轨迹Ntraj中相邻龙门架之间的距离,并叠加得到累计行驶里程Sall,计算公式如下:
其中,Dij为相邻的龙门架i和龙门架j之间的距离,i为车辆经过的龙门架轨迹Ntraj中的时间相对前节点,取值范围为Node1至Noden-1;i为车辆经过的龙门架轨迹Ntraj中的时间相对后节点,取值范围为Node2至Noden;
步骤5,从ETC交易数据提取车辆经过的龙门架轨迹Ntraj中的起始节点交易时间tstart和终止节点的交易时间tend;
步骤6,计算车辆通过目标路段时的行驶速度,计算公式如下:
其中,Sall为目标路段之间的总行驶里程,tstart、tend分别为起始节点和终止节点的交易时间,Vall为车辆通过目标路段的行驶速度。
进一步地,龙门架轨迹Ntraj表示车辆通过区段QD所形成的龙门架轨迹。
进一步地,步骤3的龙门架距离矩阵计算步骤如下:
步骤3-1,获取龙门架邻接矩阵G和龙门架位置信息即已知的龙门架经纬度信息
步骤3-2,从龙门架邻接矩阵中提取高速公路区段QD数据;两个相邻节点Node构成一个高速公路区段QD;
步骤3-3,初始化当前高速公路区段为起始的第一个高速公路区段;
步骤3-4,查询门架邻接矩阵判断当前高速公路区段是否连通;是则,执行步骤3-5;否则,执行步骤3-7;
步骤3-5,提取当前高速公路区段的起止节点的位置;
步骤3-6,根据当前高速公路区段的起止节点之间的位置计算当前高速公路区段QD的距离;
步骤3-7,判断是否为最后一个高速公路区段;是则,结束查询并反馈输出由所有高速公路区段QD的距离构成的龙门架距离矩阵D;否则,选取下一高速公路区段作为当前高速公路区段并执行步骤3-4。
进一步地,步骤3-4中查询门架邻接矩阵中对应高速公路区段邻接数值是否为1;邻接数值为1表示高速公路区段连通;邻接数值不为1表示高速公路区段不连通。
进一步地,步骤3-5提取当前高速公路区段的起止节点的位置的具体步骤如下:
步骤3-5-1,从龙门架邻接矩阵提取当前高速公路区段的起始节点;
步骤3-5-2,从龙门架邻接矩阵提取当前高速公路区段的终止节点;
步骤3-5-3,从龙门架位置信息中获取起始节点的位置;
步骤3-5-4,从龙门架位置信息中获取终止节点的位置。
进一步地,步骤3-6中利用高德地图API或其他地图API基于当前高速公路区段的起止节点之间的位置计算当前高速公路区段QD的距离。
进一步地,步骤3-7中龙门架距离矩阵D的具体表达式如下:
其中,Di,j为龙门架i与龙门架j之间的距离;dis值表示能够连通的两龙门架之间的距离,单位为m;0表示两个节点之间为同一个节点;inf表示两个节点之间不连通。
下面就本发明的具体原理做详细说明:
定义1(高速公路区段QD):高速公路各门架、收费站进出口(含跨省进出口)统称为节点Node,两个相邻节点Node构成一个高速公路区段QD,简称区段:
QD=<Node1,Node2> (1)
其中,Node1为区段起点,Node2为区段终点;显然,门架节点为车辆行驶轨迹的中间节点,收费站进出口节点为首尾节点。
定义2(核心节点KNode和高速公路路段LD):首尾节点、出度或入度大于1的中间节点称为核心节点KNode,相邻核心节点之间的QD组成高速公路路段LD,简称路段:
LD=<QD1,QD2,…,QDn-1> (2)
其中,QD1的起点称为该路段起始节点,QDn-1的终点称为该路段终止节点,起始节点和终止节点均为核心节点KNode;前一个QD的终点是后一个QD的起点。
定义3(行驶轨迹Tr):某一车辆Vehc在高速公路路段LD途经门架形成的节点序列称为行驶轨迹Tr:
Tr=<tr1,tr2,…,trn> (3)
其中,tr1称为轨迹起点,trn轨迹终点。tri是车辆行经ETC门架(含收费站)时,车载ETC设备与路侧ETC门架交互形成的交易数据,包含了节点tri.N、时间戳tri.T、车辆车牌tri.P、车辆类型tri.C等信息;n表示车辆经过的节点总数。
定义4(龙门架轨迹Ntraj):车辆通过区段QD所形成的龙门架轨迹被称为,Ntraj如公式4所示。
Ntraj=<Node1,…,Noden>(4)
其中Node1代表龙门架轨迹Ntraj的起点,Noden代表龙门架轨迹Ntraj的终点。
由于龙门架设备问题或其他原因,其中轨迹信息可能会存在错误信息,如误检测,漏检测,重复检测,因此本发明将完全正确的数据归类为一类轨迹,存在错误的归为二类轨迹,经过上文提到的轨迹清洗算法得到的轨迹是三类轨迹。
定义5(行程NTrav):一辆车辆从高速公路入口收费站至出口收费站所形成的轨迹被称为车辆的行程NTrav,NTrav表示行驶如公式5所示。
Ntrav={Ntraj1,…,Ntrajn} (5)
其中Ntraj1代表龙门架轨迹Ntrav的起点,Ntrajn代表龙门架轨迹Ntrav的终点。
定义6(两客一危车辆GPS轨迹Gtraji,两客一危车辆GPS点Gpointi):两客一危车辆包括旅游包车、三类以上班线客车和运输危险化学品、烟花爆竹、民用爆炸物品的道路专用车辆。这些车辆通过装载在车辆上的GPS设备收集车辆的位置、时间、速度和方向角等信息。这些数据按照时序进行排布,Gtraji由Gpointi组成,其表示方法如公式6和7所示。
Gtraji={Gpoint1,...,Gpointn} (6)
Gpointi={<loni,lati>,ti,vi,di} (7)
其中,Gpointi是两客一危轨迹中的轨迹点,包括车辆此时时间、经度、纬度、行驶速度、方向角这些属性信息。
龙门架距离矩阵的建立:常见的区间距离测量方法存在一定偏差,且损耗大量的人力物力。目前随着地图信息采集车的不断进步,百度、高德、天地图等各类平台导航平台都收集了大量的高精度的地图信息,甚至可以精确到车道新型,并且都提供了API接口用于计算行驶里程。因此本发明使用高德地图接口,计算节点到节点之间的实际行驶里程。
利用高德地图API计算QD距离的流程如下:首先提取邻接矩阵G中连通的龙门架(Nodei,Nodej),使用基于卡尔曼滤波的门架位置识别算法的龙门架纠偏方法,得到准确龙门架位置(loni,lati),(lonj,latj)。将龙门架地理位置输入高德地图API,并选择模型为高速优先,从而通过高德地图API获得按照高速公路驾驶的距离。
为了判断龙门架之间的距离,本发明构建龙门架距离矩阵D,Dij为i龙门架与j龙门架之间的距离,如果两者之间的连通,值dis为两龙门架之间的距离,单位为m,如公式1-2所示,如果为同一个节点则为0,不连通的节点之间的距离为inf,如表1所示,其中1与2相邻即相通,两节点之间的距离为15420m,所以D12=15420,不连通的节点值则为inf。
表1 距离矩阵
车辆任意区间测速模型的建立:通过高德地图API计算得到的QD距离矩阵可以有效的表示QD之间的实际行驶距离,但在实际情况之中,实际需要监控的路段超过单独某个QD的范围,需要多个区段组合而成,因此本发明提出了一种针对车辆行程NTrav中任意点之间轨迹Ntraj的行驶速度估算算法。该算法可以快速计算任何长度的若干个区段QD的车辆行驶速度。
步骤1,针对目标路段,提取规定时间内通过目标路段的目标车辆的ETC交易数据,按照车辆的交易时间对龙门架交易数据进行排序,得到车辆的Ntraj。
步骤2,基于龙门架距离矩阵,得到车辆Ntraj相邻龙门架之间的距离,将这些龙门架距离进行叠加,使用公式1-2,得到累计行驶里程Sall。
其中Dii为i龙门架和j龙门架之间的距离,i为车辆轨迹Ntraj中的节点,取值范围为Node1至Noden-1,i为车辆轨迹Ntraj中的节点,取值范围为Node2至Noden。
步骤3,提取车辆Ntraj中的起始节点和终止节点的交易时间tstart、tend。
步骤4,利用公式1-3,计算车辆通过目标路段时的行驶速度。
其中Sall为目标路段之间的总行驶里程,tstart、tend分别为起始节点和终止节点的交易时间,Vall为车辆通过目标路段的行驶速度。
本发明采用以上技术方案,利用龙门架地理位置定位模型得到更为准确的龙门架位置,将龙门架位置输入基于高德地图的道路距离模型,并构建龙门架之间的真实道路距离矩阵,最终根据目标龙门架之间的距离和通行时间,计算车辆的行驶距离。随着高速公路ETC龙门架的大范围铺设,有效利用ETC数据,建立一个全覆盖高速公路的测速装置,该装置统一收集ETC交易数据,有效解决测试起点和终点时间不同步以及由于布设测速设备的成本较高,无法大范围覆盖整个高速公路,只能对危险路段进行监控等问题,并提高高速公路的智能化运营水平和通行效率,实现对每辆车都实行任意区间的行驶速度的监管。
显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
Claims (7)
1.一种基于ETC大数据的高速公路全路段车速测量方法,其特征在于:其包括以下步骤:
步骤1,提取规定时间内通过目标路段的目标车辆的ETC交易数据,按照车辆的交易时间对龙门架交易数据进行排序得到每个区段的车辆经过的龙门架轨迹Ntraj。
步骤2,构建龙门架邻接矩阵,根据门架连接关系通过图理论的方式来对所有门架之间的连接关系进行建模,具体表达式如下:
其中,Gi,j表示两点之间的连接关系,i,j为高速公路上任意两个门架或者收费站,∞表示两个门架不可以直接相通,1表示i,j两节点相邻且可直接联通,当为同一个节点时则为0;
步骤3,根据龙门架邻接矩阵判断需求解的区段是否连通;是则,根据已知的门架经纬度信息利用地图API接口从对应的地图上爬取连通区段的距离;否则,载明不连通且距离不存在;进而构建龙门架距离矩阵;
步骤4,基于龙门架距离矩阵,得到龙门架轨迹Ntraj中相邻龙门架之间的距离,并叠加得到累计行驶里程Sall,计算公式如下:
其中,Dij为相邻的龙门架i和龙门架j之间的距离,i为车辆经过的龙门架轨迹Ntraj中的时间相对前节点,取值范围为Node1至Noden-1;j为车辆经过的龙门架轨迹Ntraj中的时间相对后节点,取值范围为Node2至Noden;其中高速公路各门架、收费站进出口统称为节点Node,n为某省某高速公路上门架的顺序编号;
步骤5,从ETC交易数据提取车辆经过的龙门架轨迹Ntraj中的起始节点交易时间tstart和终止节点的交易时间tend;
步骤6,计算车辆通过目标路段时的行驶速度,计算公式如下:
其中,Sall为目标路段之间的总行驶里程,tstart、tend分别为起始节点和终止节点的交易时间,Vall为车辆通过目标路段的行驶速度。
2.根据权利要求1所述的一种基于ETC大数据的高速公路全路段车速测量方法,其特征在于:龙门架轨迹Ntraj表示车辆通过区段QD所形成的龙门架轨迹。
3.根据权利要求1所述的一种基于ETC大数据的高速公路全路段车速测量方法,其特征在于:步骤3的龙门架距离矩阵计算步骤如下:
步骤3-1,获取龙门架邻接矩阵G和龙门架位置信息即已知的龙门架经纬度信息;
步骤3-2,从龙门架邻接矩阵中提取高速公路区段QD数据;两个相邻节点Node构成一个高速公路区段QD;
步骤3-3,初始化当前高速公路区段为起始的第一个高速公路区段;
步骤3-4,查询门架邻接矩阵判断当前高速公路区段是否连通;是则,执行步骤3-5;否则,执行步骤3-7;
步骤3-5,提取当前高速公路区段的起止节点的位置;
步骤3-6,根据当前高速公路区段的起止节点之间的位置计算当前高速公路区段QD的距离;
步骤3-7,判断是否为最后一个高速公路区段;是则,结束查询并反馈输出由所有高速公路区段QD的距离构成的龙门架距离矩阵D;否则,选取下一高速公路区段作为当前高速公路区段并执行步骤3-4。
4.根据权利要求3所述的一种基于ETC大数据的高速公路全路段车速测量方法,其特征在于:步骤3-4中查询门架邻接矩阵中对应高速公路区段邻接数值是否为1;邻接数值为1表示高速公路区段连通;邻接数值不为1表示高速公路区段不连通。
5.根据权利要求3所述的一种基于ETC大数据的高速公路全路段车速测量方法,其特征在于:步骤3-5提取当前高速公路区段的起止节点的位置的具体步骤如下:
步骤3-5-1,从龙门架邻接矩阵提取当前高速公路区段的起始节点;
步骤3-5-2,从龙门架邻接矩阵提取当前高速公路区段的终止节点;
步骤3-5-3,从龙门架位置信息中获取起始节点的位置;
步骤3-5-4,从龙门架位置信息中获取终止节点的位置。
6.根据权利要求4所述的一种基于ETC大数据的高速公路全路段车速测量方法,其特征在于:步骤3-5中利用地图平台提供的地图API基于当前高速公路区段的起止节点之间的位置计算当前高速公路区段QD的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210431442.6A CN114898571B (zh) | 2022-04-22 | 2022-04-22 | 一种基于etc大数据的高速公路全路段车速测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210431442.6A CN114898571B (zh) | 2022-04-22 | 2022-04-22 | 一种基于etc大数据的高速公路全路段车速测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114898571A true CN114898571A (zh) | 2022-08-12 |
CN114898571B CN114898571B (zh) | 2023-06-06 |
Family
ID=82717729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210431442.6A Active CN114898571B (zh) | 2022-04-22 | 2022-04-22 | 一种基于etc大数据的高速公路全路段车速测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114898571B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117475641A (zh) * | 2023-12-28 | 2024-01-30 | 辽宁艾特斯智能交通技术有限公司 | 一种高速公路交通状态的检测方法、装置、设备及介质 |
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 (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514746A (zh) * | 2012-06-15 | 2014-01-15 | 深圳市金溢科技有限公司 | 基于dsrc的车速测量方法、装置及dsrc应用系统 |
CN104778840A (zh) * | 2015-04-30 | 2015-07-15 | 南京中大东博信息科技有限公司 | 一种车辆信息感知系统及方法 |
US20190189005A1 (en) * | 2017-07-04 | 2019-06-20 | Shandong Provincial Communications Planning And Design Institute | Method for judging highway abnormal event |
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 |
US20200043247A1 (en) * | 2017-02-03 | 2020-02-06 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and vehicle control program |
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 |
CN112581774A (zh) * | 2020-12-08 | 2021-03-30 | 重庆大学 | 一种基于etc数据的高速公路服务区驶入车流量估计方法 |
CN113053114A (zh) * | 2021-03-12 | 2021-06-29 | 广西计算中心有限责任公司 | 高速公路违规车辆出口站及出口时间的动态预测稽查方法 |
CN113570854A (zh) * | 2021-06-21 | 2021-10-29 | 陕西交通电子工程科技有限公司 | 一种用于高速公路运营管理的智能稽核控制系统 |
CN114299742A (zh) * | 2022-01-20 | 2022-04-08 | 福建工程学院 | 一种高速公路的限速信息动态识别与更新推荐方法 |
-
2022
- 2022-04-22 CN CN202210431442.6A patent/CN114898571B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514746A (zh) * | 2012-06-15 | 2014-01-15 | 深圳市金溢科技有限公司 | 基于dsrc的车速测量方法、装置及dsrc应用系统 |
CN104778840A (zh) * | 2015-04-30 | 2015-07-15 | 南京中大东博信息科技有限公司 | 一种车辆信息感知系统及方法 |
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 |
US20200043247A1 (en) * | 2017-02-03 | 2020-02-06 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and vehicle control program |
US20190189005A1 (en) * | 2017-07-04 | 2019-06-20 | Shandong Provincial Communications Planning And Design Institute | Method for judging highway abnormal event |
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 |
CN112581774A (zh) * | 2020-12-08 | 2021-03-30 | 重庆大学 | 一种基于etc数据的高速公路服务区驶入车流量估计方法 |
CN113053114A (zh) * | 2021-03-12 | 2021-06-29 | 广西计算中心有限责任公司 | 高速公路违规车辆出口站及出口时间的动态预测稽查方法 |
CN113570854A (zh) * | 2021-06-21 | 2021-10-29 | 陕西交通电子工程科技有限公司 | 一种用于高速公路运营管理的智能稽核控制系统 |
CN114299742A (zh) * | 2022-01-20 | 2022-04-08 | 福建工程学院 | 一种高速公路的限速信息动态识别与更新推荐方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117475641A (zh) * | 2023-12-28 | 2024-01-30 | 辽宁艾特斯智能交通技术有限公司 | 一种高速公路交通状态的检测方法、装置、设备及介质 |
CN117475641B (zh) * | 2023-12-28 | 2024-03-08 | 辽宁艾特斯智能交通技术有限公司 | 一种高速公路交通状态的检测方法、装置、设备及介质 |
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 |
---|---|
CN114898571B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101965601B (zh) | 驾驶辅助装置及驾驶辅助方法 | |
JP6397827B2 (ja) | 地図データ更新装置 | |
CN114898571A (zh) | 一种基于etc大数据的高速公路全路段车速测量方法 | |
US10373494B1 (en) | Method and apparatus for estimating a parking event based on device signal observations | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN112184931B (zh) | 基于高速公路路网的车辆计费路径优选系统及分析方法 | |
US11237007B2 (en) | Dangerous lane strands | |
CN105336166A (zh) | 基于车载蓝牙的交通特征参数提取方法 | |
CN102956105B (zh) | 一种浮动车样本点数据插值的方法 | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN109035787A (zh) | 一种利用移动通信数据识别交通工具类别的方法 | |
Gore et al. | Exploring credentials of Wi‐Fi sensors as a complementary transport data: an Indian experience | |
CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
CN112767686B (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
CN113570868A (zh) | 交叉口绿灯通过率计算方法、装置、设备及存储介质 | |
Vasantha Kumar et al. | Urban arterial travel time estimation using buses as probes | |
Tafidis et al. | Exploring crowdsourcing information to predict traffic-related impacts | |
Kawatani et al. | Machine learning and visualization of sudden braking using probe data | |
CN111931968A (zh) | 一种应用手机gps数据来优化公共自行车站点布局的方法 | |
CN109903404A (zh) | 一种高速公路车辆收费系统及其工作方法 | |
CN116071930B (zh) | 基于乘客安全的车辆自动预警系统 | |
CN115995151B (zh) | 应用于城市管理的网约车异常行为检测方法 | |
Moso et al. | Road Speed Signatures from C-ITS messages | |
Derar et al. | Performance Evaluation of Dijkstra and A* Traffic Routing Algorithms in Smart Cities |
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 |