CN114973732B - 基于路网智能监控的语音指引系统及方法 - Google Patents
基于路网智能监控的语音指引系统及方法 Download PDFInfo
- Publication number
- CN114973732B CN114973732B CN202210419943.2A CN202210419943A CN114973732B CN 114973732 B CN114973732 B CN 114973732B CN 202210419943 A CN202210419943 A CN 202210419943A CN 114973732 B CN114973732 B CN 114973732B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road section
- vehicles
- speed
- risk
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
-
- 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
- G08G1/065—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
Abstract
本发明公开了基于路网智能监控的语音指引系统及方法,包括:路网监控模块,用于获取该路段所有车辆的位置信息;风险评估模块,用于根据所有车辆的位置信息分析出路段上出现堵车的风险;指引模块,用于根据堵车风险对车辆进行引导;客户终端,用于接收指引模块传出的引导信息,并通过语音将引导信息传递给车辆驾驶人员;通过对车辆的位置信息进行分析,能够对道路是否出现堵车的风险进行提前的分析,通过将引导信息通过客户终端以语音的方式及时的通知驾驶人员,进而能够在还未发生堵车问题前,采取特定的措施使得堵车风险能够适当降低或者避免。
Description
技术领域
本发明涉及语音指引技术领域,具体涉及基于路网智能监控的语音指引系统及方法。
背景技术
通过对路网中行驶车辆的位置及行驶速度的监控,能够及时发现高速行驶中车辆的异常状态,进而能够及时的引导驾驶人员调整行驶状态,减少交通事故的发生。
现有的异常状态的判断方式主要依靠车辆的实时数据判断是否出现堵车,无法提前对堵车的风险进行提前分析,因此对车辆驾驶人员的指引存在一定的滞后性。
发明内容
本发明的目的在于提供基于路网智能监控的语音指引系统,解决以下技术问题:
如何提前分析出堵车的风险。
本发明的目的可以通过以下技术方案实现:
基于路网智能监控的语音指引系统,包括:
路网监控模块,用于获取特定路段所有车辆的位置信息;
风险评估模块,用于根据所有车辆的位置信息分析出特定路段上出现堵车的风险;
指引模块,用于根据堵车风险对车辆进行引导;
客户终端,用于接收指引模块传出的引导信息,并通过语音将引导信息传递给车辆驾驶人员。
作为本发明进一步的方案:所述位置信息包括车辆实时的位置坐标和当前时刻前T时间点的位置坐标。
作为本发明进一步的方案:所述风险评估模块分析的步骤如下:
S100、根据车辆实时的位置坐标判断车辆所处的路段,计算出车辆当前位置坐标据该路段起始位置点沿该路段的距离Dt1及车辆前T时间点的位置坐标据该路段起始位置点沿该路段的距离Dt1-T,其中,t1为当前时间点;
S200、通过计算出车辆t1-T至t1时间段的平均速度vt1;
S300、通过距离函数D(t)=Dt1+vt1*(t-t1)获得车辆t1时间点后的据该路段起始位置点沿该路段的距离;
S400、将当前路段上的所有车辆的距离函数D(t)建立平面坐标系,通过所有车辆的距离函数在平面坐标系上的重合状况判断该路段是否存在堵车风险:
当存在堵车风险时,则通过指引模块对相关车辆进行指引;
当不存在堵车风险时,不进行任何操作。
作为本发明进一步的方案:所述重合状况判断的方法为:将t1时间点后任一特定周期Ts内车辆距离函数交叉点的数量与预设阈值相比较:
若交叉点的数量大于预设阈值,则判断具有堵车风险;
若交叉点的数量小于预设阈值,则判断不具有堵车风险。
作为本发明进一步的方案:所述指引模块工作的步骤如下:
SS100、将特定周期Ts内距离函数出现交叉的车辆i依次标注为1、2、3…n,n为特定周期Ts内距离函数出现交叉的车辆个数;
SS200、获取各个车辆的平均速度vt1i,计算出各个车辆的速度差值Zi=|vt1i-v标|,v标为该路段的推荐速度,将各个车辆按照Zi值从大到小的顺序排列;
SS300、向Zi值排名前m名的车辆发送引导信息,其中,m<n。
作为本发明进一步的方案:还包括:
预警模块,用于对路段上存在的异常状况进行分析,并及时通知车辆行驶人员。
作为本发明进一步的方案:所述异常状况的分析步骤包括:
SSS100、获取该车辆在该路段未行使区域所有车辆的实时速度v实;
SSS200、判断车辆的实时速度是否符合要求;
SSS300、根据速度异常车辆的数量及速度信息分析出前方路段的堵塞程度,并及时向车辆驾驶人员进行预警。
作为本发明进一步的方案:判断车辆的实时速度是否符合要求:
若v实∈(vmin,vmax),则判断车辆速度正常;
若v实∈(0,vmin],则判断车辆速度过慢;
若v实=0,则判断车辆处于停车状态;
若v实∈[vmax,+∞),则判断车辆速度过快;
其中,vmin表示该路段最低限速,vmax表示该路段最高限速。
作为本发明进一步的方案:堵塞程度的分析过程如下:
获取所有速度过慢车辆的数量A及速度均值vave,获取处于停车状态车辆的数量B,通过公式计算出前方车辆的堵塞值ST,其中,μ1及μ2为预设比例系数,且μ2>μ1,将堵塞值ST与预设阈值进行比较:
若ST>预设阈值,则判断前方出现车辆堵塞状况,通过客户终端对车辆驾驶人员进行语音预警;
若ST≤预设阈值,则判断前方未出现车辆堵塞状况。
基于路网智能监控的语音指引方法,包括以下步骤:
步骤一、获取特定路段所有车辆的位置信息;
步骤二、根据车辆的位置信息分析出特定路段上出现堵车的风险;
步骤三、根据堵车风险对车辆进行引导;
步骤四、通过语音将引导信息传递给车辆驾驶人员。
本发明的有益效果:
(1)本发明通过获取所有车辆的位置信息并对车辆的位置信息进行分析,能够对道路是否出现堵车的风险进行提前的分析,当分析出存在堵车风险时,通过指引模块制定出的对车辆的引导信息,并通过客户终端以语音的方式及时的通知驾驶人员,进而能够在还未发生堵车问题前,采取特定的措施使得堵车风险能够适当降低或者避免。
(2)本发明通过所有车辆的距离函数在平面坐标系上的重合状况判断该路段是否存在堵车风险,当不同车辆在同一时间点行驶至相同位置时,说明这些车辆会进行会车,而在某个时间段会车的频率越高,说明此路段车辆行驶较为拥挤,因此通过不同车辆的距离函数在平面坐标系上的重合状况,能够判断出该路段的堵车风险。
(3)本发明通过对路段上存在的异常状况进行分析,并及时通知车辆行驶人员前方车辆是否存在堵车现象,进而帮助车辆行驶人员合理的控制车速,提高了行驶的安全性并且降低堵车问题进一步的加剧。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明提供的基于路网智能监控的语音指引系统的模块示意图;
图2是本发明提供的基于路网智能监控的语音指引方法的步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
请参阅图1所示,基于路网智能监控的语音指引系统,包括:
路网监控模块,用于获取特定路段所有车辆的位置信息;
风险评估模块,用于根据所有车辆的位置信息分析出特定路段上出现堵车的风险;
指引模块,用于根据堵车风险对车辆进行引导;
客户终端,用于接收指引模块传出的引导信息,并通过语音将引导信息传递给车辆驾驶人员。
本发明通过获取所有车辆的位置信息并对车辆的位置信息进行分析,能够对道路是否出现堵车的风险进行提前的分析,当分析出存在堵车风险时,通过指引模块制定出的对车辆的引导信息,并通过客户终端以语音的方式及时的通知驾驶人员,进而能够在还未发生堵车问题前,采取特定的措施使得堵车风险能够适当降低或者避免,例如,当某个时间段某个路段的车辆较为集中时,可以通知此路段后方部分车辆在合适的范围内降低速度,通知此路段前方的车辆在合适的范围内提高速度,进而能够降低此路段车辆的聚集,进而降低了此路段出现堵车的风险。
另外需要说明的是,特定路段指的是进行分析的路段,可将道路划分为不同的路段进行分析。
位置信息包括车辆实时的位置坐标和当前时刻前T时间点的位置坐标。
风险评估模块分析的步骤如下:
S100、根据车辆实时的位置坐标判断车辆所处的路段,计算出车辆当前位置坐标据该路段起始位置点沿该路段的距离Dt1及车辆前T时间点的位置坐标据该路段起始位置点沿该路段的距离Dt1-T,其中,t1为当前时间点;
S200、通过计算出车辆t1-T至t1时间段的平均速度vt1;
S300、通过距离函数D(t)=Dt1+vt1*(t-t1)获得车辆t1时间点后的据该路段起始位置点沿该路段的距离;
S400、将当前路段上的所有车辆的距离函数D(t)建立平面坐标系,通过所有车辆的距离函数在平面坐标系上的重合状况判断该路段是否存在堵车风险:
当存在堵车风险时,则通过指引模块对相关车辆进行指引;
当不存在堵车风险时,不进行任何操作。
作为本发明的一种实施方式,本发明获取的位置信息包括车辆实时的位置坐标和当前时刻前T时间点的位置坐标,通过车辆当前位置坐标据该路段起始位置点沿该路段的距离Dt1及车辆前T时间点的位置坐标据该路段起始位置点沿该路段的距离Dt1-T,能够计算出车辆的平均速度vt1,并根据平均速度vt1建立距离函数D(t)=Dt1+vt1*(t-t1),通过所有车辆的距离函数在平面坐标系上的重合状况判断该路段是否存在堵车风险,具体的,当不同车辆在同一时间点行驶至相同位置时,说明这些车辆会进行会车,而在某个时间段会车的频率越高,说明此路段车辆行驶较为拥挤,而本申请中某个时间段不同车辆的距离函数D(t)=Dt1+vt1*(t-t1)相交点即为会车点,因此,通过不同车辆的距离函数在平面坐标系上的重合状况,能够判断出该路段的堵车风险;
另外需要说明的是,本发明针对高速公路行驶车辆进行语音指引,因此距离函数不受红绿灯的影响。
另外需要说明的是,风险评估模块分析的过程会随着车辆速度的变化按一定周期检测的,例如每20s检测一次,因此当车辆速度做出改变后,能够重新进行风险评估分析。
重合状况判断的方法为:将t1时间点后任一特定周期Ts内车辆距离函数交叉点的数量与预设阈值相比较:
若交叉点的数量大于预设阈值,则判断具有堵车风险;
若交叉点的数量小于预设阈值,则判断不具有堵车风险。
作为本发明的一种实施方式,通过任一特定周期Ts内车辆距离函数交叉点的数量与预设阈值相比较来判断堵车风险,其中,特定周期Ts可以根据路段要求的行驶速度进行适应性调整,例如,某路段的要求行驶速度较高时,可以降低特定周期Ts的数值,某路段的要求行驶速度较低时,可以提高特定周期Ts的数值,而交叉点的数值较多时,说明会车次数较多,当超过阈值时,则判定具有堵车风险。
指引模块工作的步骤如下:
SS100、将特定周期Ts内距离函数出现交叉的车辆i依次标注为1、2、3…n,n为特定周期Ts内距离函数出现交叉的车辆个数;
SS200、获取各个车辆的平均速度vt1i,计算出各个车辆的速度差值Zi=|vt1i-v标|,v标为该路段的推荐速度,将各个车辆按照Zi值从大到小的顺序排列;
SS300、向Zi值排名前m名的车辆发送引导信息,其中,m<n。
作为本发明的一种实施方式,当存在堵车风险时,指引模块会找到特定周期Ts内距离函数出现交叉的车辆,并将这些车辆的平均速度与该路段推荐速度相比较,优先建议车辆平均速度相对推荐速度偏大或偏小的车辆调整行驶速度,进而在降低堵车风险的同时,避免对正常速度行驶的车辆造成影响。
还包括:
预警模块,用于对路段上存在的异常状况进行分析,并及时通知车辆行驶人员。
作为本发明的一种实施方式,本发明还包括预警模块,通过对路段上存在的异常状况进行分析,并及时通知车辆行驶人员前方车辆是否存在堵车现象,进而帮助车辆行驶人员合理的控制车速,提高了行驶的安全性并且降低堵车问题进一步的加剧。
异常状况的分析步骤包括:
SSS100、获取该车辆在该路段未行使区域所有车辆的实时速度v实;
SSS200、判断车辆的实时速度是否符合要求;
SSS300、根据速度异常车辆的数量及速度信息分析出前方路段的堵塞程度,并及时向车辆驾驶人员进行预警。
判断车辆的实时速度是否符合要求:
若v实∈(vmin,vmax),则判断车辆速度正常;
若v实∈(0,vmin],则判断车辆速度过慢;
若v实=0,则判断车辆处于停车状态;
若v实∈[vmax,+∞),则判断车辆速度过快;
其中,vmin表示该路段最低限速,vmax表示该路段最高限速。
堵塞程度的分析过程如下:
获取所有速度过慢车辆的数量A及速度均值vave,获取处于停车状态车辆的数量B,通过公式计算出前方车辆的堵塞值ST,其中,μ1及μ2为预设比例系数,且μ2>μ1>0,将堵塞值ST与预设阈值进行比较:
若ST>预设阈值,则判断前方出现车辆堵塞状况,通过客户终端对车辆驾驶人员进行语音预警;
若ST≤预设阈值,则判断前方未出现车辆堵塞状况。
作为本发明的一种实施方式,本发明通过获得车辆在该路段前方所有车辆的速度信息,获得车速过慢车辆的数量及平均速度,以及处于停车状态的车辆数量,通过公式μ1A+μ2B计算出前方车辆的堵塞值ST,其中,当处于停车状态车辆的数量较多时,说明堵车问题较为严重,因此μ2>μ1,而当车辆行驶的平均速度越快时,说明道路越通畅,另外,vmin为预设固定值,因此vave的值越大,堵塞值ST越小,A值越大,说明处于慢速行驶的车越多,因此,堵塞值ST越大,综上所述,通过堵塞值ST能够判断出前方车辆的堵塞程度,进而能够提前让车辆行驶人员预知前方道路状况,提前规划行驶速度。
请参阅图2所示,基于路网智能监控的语音指引方法,包括以下步骤:
步骤一、获取特定路段所有车辆的位置信息;
步骤二、根据车辆的位置信息分析出特定路段上出现堵车的风险;
步骤三、根据堵车风险对车辆进行引导;
步骤四、通过语音将引导信息传递给车辆驾驶人员。
本发明通过获取所有车辆的位置信息并对车辆的位置信息进行分析,能够对道路是否出现堵车的风险进行提前的分析,当分析出存在堵车风险时,通过指引模块制定出的对车辆的引导信息,并通过客户终端以语音的方式及时的通知驾驶人员,进而能够在还未发生堵车问题前,采取特定的措施使得堵车风险能够适当降低或者避免。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (6)
1.基于路网智能监控的语音指引系统,其特征在于,包括:
路网监控模块,用于获取特定路段所有车辆的位置信息;
风险评估模块,用于根据所有车辆的位置信息分析出特定路段上出现堵车的风险;
指引模块,用于根据堵车风险对车辆进行引导;
客户终端,用于接收指引模块传出的引导信息,并通过语音将引导信息传递给车辆驾驶人员;
还包括:
预警模块,用于对路段上存在的异常状况进行分析,并及时通知车辆行驶人员;
所述异常状况的分析步骤包括:
SSS100、获取该车辆在该路段未行使区域所有车辆的实时速度v实;
SSS200、判断车辆的实时速度是否符合要求;
SSS300、根据速度异常车辆的数量及速度信息分析出前方路段的堵塞程度,并及时向车辆驾驶人员进行预警;
判断车辆的实时速度是否符合要求:
若v实∈(vmin,vmax),则判断车辆速度正常;
若v实∈(0,vmin],则判断车辆速度过慢;
若v实=0,则判断车辆处于停车状态;
若v实∈[vmax,+∞),则判断车辆速度过快;
其中,vmin表示该路段最低限速,vmax表示该路段最高限速;
堵塞程度的分析过程如下:
获取所有速度过慢车辆的数量A及速度均值vave,获取处于停车状态车辆的数量B,通过公式计算出前方车辆的堵塞值ST,其中,μ1及μ2为预设比例系数,且μ2>μ1,将堵塞值ST与预设阈值进行比较:
若ST>预设阈值,则判断前方出现车辆堵塞状况,通过客户终端对车辆驾驶人员进行语音预警;
若ST≤预设阈值,则判断前方未出现车辆堵塞状况。
2.根据权利要求1所述的基于路网智能监控的语音指引系统,其特征在于,所述位置信息包括车辆实时的位置坐标和当前时刻前T时间点的位置坐标。
3.根据权利要求2所述的基于路网智能监控的语音指引系统,其特征在于,所述风险评估模块分析的步骤如下:
S100、根据车辆实时的位置坐标判断车辆所处的路段,计算出车辆当前位置坐标据该路段起始位置点沿该路段的距离Dt1及车辆前T时间点的位置坐标据该路段起始位置点沿该路段的距离Dt1-T,其中,t1为当前时间点;
S200、通过计算出车辆t1-T至t1时间段的平均速度vt1;
S300、通过距离函数D(t)=Dt1+vt1*(t-t1)获得车辆t1时间点后的据该路段起始位置点沿该路段的距离;
S400、将当前路段上的所有车辆的距离函数D(t)建立平面坐标系,通过所有车辆的距离函数在平面坐标系上的重合状况判断该路段是否存在堵车风险:
当存在堵车风险时,则通过指引模块对相关车辆进行指引;
当不存在堵车风险时,不进行任何操作。
4.根据权利要求3所述的基于路网智能监控的语音指引系统,其特征在于,所述重合状况判断的方法为:将t1时间点后任一特定周期Ts内车辆距离函数交叉点的数量与预设阈值相比较:
若交叉点的数量大于预设阈值,则判断具有堵车风险;
若交叉点的数量小于预设阈值,则判断不具有堵车风险。
5.根据权利要求4所述的基于路网智能监控的语音指引系统,其特征在于,所述指引模块工作的步骤如下:
SS100、将特定周期Ts内距离函数出现交叉的车辆i依次标注为1、2、3…n,n为特定周期Ts内距离函数出现交叉的车辆个数;
SS200、获取各个车辆的平均速度vt1i,计算出各个车辆的速度差值Zi=|vt1i-v标|,v标为该路段的推荐速度,将各个车辆按照Zi值从大到小的顺序排列;
SS300、向Zi值排名前m名的车辆发送引导信息,其中,m<n。
6.基于路网智能监控的语音指引方法,其特征在于,所述语音指引方法通过如权利要求1-5任一项的基于路网智能监控的语音指引系统实现,包括以下步骤:
步骤一、获取特定路段所有车辆的位置信息;
步骤二、根据车辆的位置信息分析出特定路段上出现堵车的风险;
步骤三、根据堵车风险对车辆进行引导;
步骤四、通过语音将引导信息传递给车辆驾驶人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210419943.2A CN114973732B (zh) | 2022-04-20 | 2022-04-20 | 基于路网智能监控的语音指引系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210419943.2A CN114973732B (zh) | 2022-04-20 | 2022-04-20 | 基于路网智能监控的语音指引系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114973732A CN114973732A (zh) | 2022-08-30 |
CN114973732B true CN114973732B (zh) | 2023-09-08 |
Family
ID=82977464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210419943.2A Active CN114973732B (zh) | 2022-04-20 | 2022-04-20 | 基于路网智能监控的语音指引系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114973732B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578295A (zh) * | 2013-11-20 | 2014-02-12 | 东南大学 | 一种快速道路排队尾部追尾事故风险实时预测与预防方法 |
WO2015003481A1 (zh) * | 2013-07-12 | 2015-01-15 | 深圳市赛格导航科技股份有限公司 | 路段拥堵预警方法及装置 |
CN104317583A (zh) * | 2014-10-21 | 2015-01-28 | 合肥星服信息科技有限责任公司 | 基于网格原理的道路拥堵优化算法 |
CN105469612A (zh) * | 2016-01-22 | 2016-04-06 | 大连楼兰科技股份有限公司 | 一种交通拥堵报警系统及方法 |
CN105513378A (zh) * | 2015-12-21 | 2016-04-20 | 宇龙计算机通信科技(深圳)有限公司 | 一种车联网的方法、装置及系统 |
EP3021304A1 (en) * | 2014-11-17 | 2016-05-18 | Continental Automotive GmbH | Device and method for oncoming-traffic-congestion-prevention |
CN108320508A (zh) * | 2018-03-22 | 2018-07-24 | 北京交通大学 | 一种基于出行计划预测未来交通拥堵状况方法及其系统 |
CN109532842A (zh) * | 2017-09-21 | 2019-03-29 | 奥迪股份公司 | 交通状况检测系统和方法 |
CN109910896A (zh) * | 2019-04-04 | 2019-06-21 | 北京百度网讯科技有限公司 | 道路拥堵预测方法和装置 |
CN110176139A (zh) * | 2019-02-21 | 2019-08-27 | 淮阴工学院 | 一种基于dbscan+的道路拥堵识别可视化方法 |
CN110189548A (zh) * | 2019-07-05 | 2019-08-30 | 邹庆伟 | 一种路况预警方法、系统及设备 |
CN111028511A (zh) * | 2019-12-25 | 2020-04-17 | 亚信科技(中国)有限公司 | 一种交通拥堵预警方法及装置 |
JP6687274B1 (ja) * | 2019-10-07 | 2020-04-22 | 暢之 岡井 | 渋滞情報システム |
CN112071061A (zh) * | 2020-09-11 | 2020-12-11 | 谢能丹 | 基于云计算和数据分析的车辆服务系统 |
CN112330964A (zh) * | 2020-11-27 | 2021-02-05 | 联通(浙江)产业互联网有限公司 | 路况信息监测方法和装置 |
CN113306552A (zh) * | 2021-07-31 | 2021-08-27 | 西华大学 | 混合道路拥堵状态下无人驾驶汽车的超低速蠕行方法 |
-
2022
- 2022-04-20 CN CN202210419943.2A patent/CN114973732B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015003481A1 (zh) * | 2013-07-12 | 2015-01-15 | 深圳市赛格导航科技股份有限公司 | 路段拥堵预警方法及装置 |
CN103578295A (zh) * | 2013-11-20 | 2014-02-12 | 东南大学 | 一种快速道路排队尾部追尾事故风险实时预测与预防方法 |
CN104317583A (zh) * | 2014-10-21 | 2015-01-28 | 合肥星服信息科技有限责任公司 | 基于网格原理的道路拥堵优化算法 |
EP3021304A1 (en) * | 2014-11-17 | 2016-05-18 | Continental Automotive GmbH | Device and method for oncoming-traffic-congestion-prevention |
CN105513378A (zh) * | 2015-12-21 | 2016-04-20 | 宇龙计算机通信科技(深圳)有限公司 | 一种车联网的方法、装置及系统 |
CN105469612A (zh) * | 2016-01-22 | 2016-04-06 | 大连楼兰科技股份有限公司 | 一种交通拥堵报警系统及方法 |
CN109532842A (zh) * | 2017-09-21 | 2019-03-29 | 奥迪股份公司 | 交通状况检测系统和方法 |
CN108320508A (zh) * | 2018-03-22 | 2018-07-24 | 北京交通大学 | 一种基于出行计划预测未来交通拥堵状况方法及其系统 |
CN110176139A (zh) * | 2019-02-21 | 2019-08-27 | 淮阴工学院 | 一种基于dbscan+的道路拥堵识别可视化方法 |
CN109910896A (zh) * | 2019-04-04 | 2019-06-21 | 北京百度网讯科技有限公司 | 道路拥堵预测方法和装置 |
CN110189548A (zh) * | 2019-07-05 | 2019-08-30 | 邹庆伟 | 一种路况预警方法、系统及设备 |
JP6687274B1 (ja) * | 2019-10-07 | 2020-04-22 | 暢之 岡井 | 渋滞情報システム |
CN111028511A (zh) * | 2019-12-25 | 2020-04-17 | 亚信科技(中国)有限公司 | 一种交通拥堵预警方法及装置 |
CN112071061A (zh) * | 2020-09-11 | 2020-12-11 | 谢能丹 | 基于云计算和数据分析的车辆服务系统 |
CN112330964A (zh) * | 2020-11-27 | 2021-02-05 | 联通(浙江)产业互联网有限公司 | 路况信息监测方法和装置 |
CN113306552A (zh) * | 2021-07-31 | 2021-08-27 | 西华大学 | 混合道路拥堵状态下无人驾驶汽车的超低速蠕行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114973732A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108839653B (zh) | 一种自动紧急制动系统的控制方法及装置 | |
US7378986B2 (en) | Device and method for radio-based danger warning | |
JPH11345394A (ja) | 車両の周辺監視装置 | |
CN113192331B (zh) | 一种网联环境下面向骑行安全的智能预警系统及预警方法 | |
US11661061B2 (en) | Method and device for assisting a driver in a vehicle | |
CN109849924B (zh) | 弯道速度预警方法、系统及计算机可读存储介质 | |
CN116466644B (zh) | 一种基于plc控制的车辆性能监管系统及方法 | |
CN109827587B (zh) | 一种新能源汽车用智能路线规划系统 | |
CN113119945B (zh) | 一种基于环境模型的汽车高级辅助驾驶系统 | |
CN114898578A (zh) | 一种高速公路的车辆引导方法、装置及系统 | |
CN114973732B (zh) | 基于路网智能监控的语音指引系统及方法 | |
CN112172829B (zh) | 车道偏离预警方法、装置、电子设备和存储介质 | |
CN112017438B (zh) | 一种行车决策生成方法及系统 | |
CN111754774B (zh) | 一种高速路匝道口智能网联汽车安全自组织通行控制方法 | |
KR20200092462A (ko) | 주행상황 정보융합 기반 주행경로 가변화 방법 및 시스템 | |
CN115346370B (zh) | 基于智能交通的路口防碰撞系统及方法 | |
CN111002901A (zh) | 就潜在危险交通情形向车辆驾驶员发出警告的方法 | |
CN113920734B (zh) | 一种基于logistics模型的变道预警方法 | |
CN113830084B (zh) | 基于多车道车辆主动避撞的控制方法及车辆 | |
CN106515577B (zh) | 一种降低换道预警误报率的装置及其方法 | |
CN108711282B (zh) | 信号设备调节系统及其信号调节方法 | |
CN115223347A (zh) | 一种车辆闯红灯预警及车速控制方法 | |
JPH102954A (ja) | レーダ装置及び先行車識別方法 | |
JP2018169828A (ja) | 情報処理装置、情報処理システム、情報処理方法、及び、プログラム | |
JP4325431B2 (ja) | 走行状況アドバイスシステム |
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 |