CN115100855A - 一种高速公路隐患车辆预警方法及其系统 - Google Patents

一种高速公路隐患车辆预警方法及其系统 Download PDF

Info

Publication number
CN115100855A
CN115100855A CN202210694866.1A CN202210694866A CN115100855A CN 115100855 A CN115100855 A CN 115100855A CN 202210694866 A CN202210694866 A CN 202210694866A CN 115100855 A CN115100855 A CN 115100855A
Authority
CN
China
Prior art keywords
vehicle
hidden danger
vehicles
passing
early warning
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
Application number
CN202210694866.1A
Other languages
English (en)
Inventor
蔡岗
施一珑
黄淑兵
张祥
尤冬海
曹鹏
朱骏飞
张慧辰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Traffic Management Research Institute of Ministry of Public Security
Original Assignee
Traffic Management Research Institute of Ministry of Public Security
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Traffic Management Research Institute of Ministry of Public Security filed Critical Traffic Management Research Institute of Ministry of Public Security
Priority to CN202210694866.1A priority Critical patent/CN115100855A/zh
Publication of CN115100855A publication Critical patent/CN115100855A/zh
Pending legal-status Critical Current

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
    • G08G1/0104—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
    • G08G1/0104—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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及智能交通技术应用领域，具体公开了一种高速公路隐患车辆预警方法，包括：获取目标车辆的标签信息；依据目标车辆的标签信息，筛选出目标车辆中的风险隐患车辆；获取风险隐患车辆在预设时间内的通行轨迹数据；依据风险隐患车辆在预设时间内的通行轨迹数据，筛选出风险隐患车辆中的有效隐患车辆；获取有效隐患车辆中的驾驶人信息；依据有效隐患车辆中的驾驶人信息，向有效隐患车辆中的驾驶人发送预警消息。本发明还公开了一种高速公路隐患车辆预警系统。本发明提供的高速公路隐患车辆预警方法，能够精准发现高速公路上隐患车辆，并对驾驶员进行及时提醒，消除交通隐患，做到交通事故事前干预，最终压降事故量。

Description

一种高速公路隐患车辆预警方法及其系统
技术领域
本发明涉及智能交通技术应用领域，更具体地，涉及一种高速公路隐患车辆预警方法及高速公路隐患车辆预警系统。
背景技术
高速公路上，因疲劳驾驶、超速行驶、违规变道、跟车过近等原因导致的事故较多，伤亡比例较高。但是，高速公路上车速快，道路为封闭环境，不具备现场拦截教育的条件。因此，如何精准发现隐患车辆，并对驾驶员进行提醒和宣教，是消除此类风险隐患亟需解决的问题。
利用特征画像数据，对违法行为进行精准化的劝止，促使驾驶人养成良好的驾驶习惯。通过大数据转变现有的交通违法管控理念，扩大车辆标签应用技术手段覆盖面和精准性，增强管控应用技术中的震慑效应，从而形成规模效应压降违法和事故。
发明内容
为了解决现有技术中存在的不足，本发明提供了一种高速公路隐患车辆预警方法及其系统，能够精准发现高速公路上隐患车辆，并对驾驶员进行及时提醒，消除交通隐患，做到交通事故事前干预，最终压降事故量。
作为本发明的第一个方面，提供一种高速公路隐患车辆预警方法，包括以下步骤：
步骤S1：获取目标车辆的标签信息；
步骤S2：依据所述目标车辆的标签信息，筛选出所述目标车辆中的风险隐患车辆；
步骤S3：获取所述风险隐患车辆在预设时间内的通行轨迹数据；
步骤S4：依据所述风险隐患车辆在预设时间内的通行轨迹数据，筛选出所述风险隐患车辆中的有效隐患车辆；
步骤S5：获取所述有效隐患车辆中的驾驶人信息；
步骤S6：依据所述有效隐患车辆中的驾驶人信息，向所述有效隐患车辆中的驾驶人发送预警消息。
进一步地，所述目标车辆的标签信息包括车辆号牌、车辆属性、通行时段、通行区域、通行频次、违法行为、事故原因、驾驶人人脸识别结果、车辆登记信息和驾驶人登记信息中的任意一种或多种。
进一步地，所述依据所述目标车辆的标签信息，筛选出所述目标车辆中的风险隐患车辆，还包括：
当所述目标车辆标签信息中的事故原因包括频繁夜间行驶、长距离长时间行驶、超车道低速行驶和跟车过近中的任意一种或多种时，则判定该目标车辆为风险隐患车辆。
进一步地，所述风险隐患车辆的定义如下：
频繁夜间行驶车辆：22时至次日5时之间在高速通行，一个月内夜间通行天数大于20天，通行轨迹次数大于1000次；
长距离长时间行驶车辆：一个月内高速通行次数大于20天，并且每日被卡口抓拍时间超过8小时，轨迹出现省份大于2个；
超车道低速行驶车辆：高速公路非拥堵情况下，在超车道行驶，并且速度低于平均速度30km/h以上；
跟车过近车辆：车辆速度大于90km/h，与同一车道前一辆车，经过同一卡口时间差小于4秒。
进一步地，所述依据所述风险隐患车辆在预设时间内的通行轨迹数据，筛选出所述风险隐患车辆中的有效隐患车辆，还包括：
筛选出所述风险隐患车辆中在一周内出现次数20次以上或出现天数3天以上的有效隐患车辆。
作为本发明的第二个方面，提供一种高速公路隐患车辆预警系统，包括:
第一获取模块，用于获取目标车辆的标签信息；
第一筛选模块，用于依据所述目标车辆的标签信息，筛选出所述目标车辆中的风险隐患车辆；
第二获取模块，用于获取所述风险隐患车辆在预设时间内的通行轨迹数据；
第二筛选模块，用于依据所述风险隐患车辆在预设时间内的通行轨迹数据，筛选出所述风险隐患车辆中的有效隐患车辆；
第三获取模块，用于获取所述有效隐患车辆中的驾驶人信息；
预警模块，用于依据所述有效隐患车辆中的驾驶人信息，向所述有效隐患车辆中的驾驶人发送预警消息。
进一步地，所述目标车辆的标签信息包括车辆号牌、车辆属性、通行时段、通行区域、通行频次、违法行为、事故原因、驾驶人人脸识别结果、车辆登记信息和驾驶人登记信息中的任意一种或多种。
进一步地，所述第一筛选模块具体用于，当所述目标车辆标签信息中的事故原因包括频繁夜间行驶、长距离长时间行驶、超车道低速行驶和跟车过近中的任意一种或多种时，则判定该目标车辆为风险隐患车辆。
进一步地，所述风险隐患车辆的定义如下：
频繁夜间行驶车辆：22时至次日5时之间在高速通行，一个月内夜间通行天数大于20天，通行轨迹次数大于1000次；
长距离长时间行驶车辆：一个月内高速通行次数大于20天，并且每日被卡口抓拍时间超过8小时，轨迹出现省份大于2个；
超车道低速行驶车辆：高速公路非拥堵情况下，在超车道行驶，并且速度低于平均速度30km/h以上；
跟车过近车辆：车辆速度大于90km/h，与同一车道前一辆车，经过同一卡口时间差小于4秒。
进一步地，所述第二筛选模块具体用于，筛选出所述风险隐患车辆中在一周内出现次数20次以上或出现天数3天以上的有效隐患车辆。
本发明提供的高速公路隐患车辆预警方法具有以下优点：能够精准发现高速公路上隐患车辆，并对驾驶员进行及时提醒，消除交通隐患，做到交通事故事前干预，最终压降事故量。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本发明提供的高速公路隐患车辆预警方法的流程图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的高速公路隐患车辆预警方法其具体实施方式、结构、特征及其功效，详细说明如后。显然，所描述的实施例为本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，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，都属于本发明的保护范围。
在本实施例中提供了一种高速公路隐患车辆预警方法，如图1所示，高速公路隐患车辆预警方法包括：
步骤S1：获取目标车辆的标签信息；
步骤S2：依据所述目标车辆的标签信息，筛选出所述目标车辆中的风险隐患车辆；
步骤S3：获取所述风险隐患车辆在预设时间内的通行轨迹数据；
步骤S4：依据所述风险隐患车辆在预设时间内的通行轨迹数据，筛选出所述风险隐患车辆中的有效隐患车辆；
步骤S5：获取所述有效隐患车辆中的驾驶人信息；
步骤S6：依据所述有效隐患车辆中的驾驶人信息，向所述有效隐患车辆中的驾驶人发送预警消息。
在本发明实施例中，通过对所述有效隐患车辆中的驾驶人进行人脸识别，获取车辆驾驶人信息，优先获取驾驶人联系方式，其次关联车辆登记信息、车辆检查登记台账、重点车辆管控信息等，实现精准提醒。
在本发明实施例中，对于有效隐患车辆联系人，进行电话、短信、12123消息等方式提醒宣教，针对隐患车辆违法行为，风险推送相应的宣教图文、视频，达到事故事前干预，消减事故隐患的目的。
优选地，所述目标车辆的标签信息包括车辆号牌、车辆属性、通行时段、通行区域、通行频次、违法行为、事故原因、驾驶人人脸识别结果、车辆登记信息和驾驶人登记信息中的任意一种或多种。
优选地，所述依据所述目标车辆的标签信息，筛选出所述目标车辆中的风险隐患车辆，还包括：
当所述目标车辆标签信息中的事故原因包括频繁夜间行驶、长距离长时间行驶、超车道低速行驶和跟车过近中的任意一种或多种时，则判定该目标车辆为风险隐患车辆。
需要说明的是，提取近三年事故数据，分析事故原因，从伤亡人数、车辆损毁情况、直接经济损失等维度，对事故原因、事故影响进行权重排名，发现疲劳驾驶、跟车过近造成事故占比较高，伤亡较大。
优选地，所述风险隐患车辆的定义如下：
频繁夜间行驶车辆：22时至次日5时之间在高速通行，一个月内夜间通行天数大于20天，通行轨迹次数大于1000次；
长距离长时间行驶车辆：一个月内高速通行次数大于20天，并且每日被卡口抓拍时间超过8小时，轨迹出现省份大于2个；
超车道低速行驶车辆：高速公路非拥堵情况下，在超车道行驶，并且速度低于平均速度30km/h以上；
跟车过近车辆：车辆速度大于90km/h，与同一车道前一辆车，经过同一卡口时间差小于4秒。
优选地，所述依据所述风险隐患车辆在预设时间内的通行轨迹数据，筛选出所述风险隐患车辆中的有效隐患车辆，还包括：
筛选出所述风险隐患车辆中在一周内出现次数20次以上或出现天数3天以上的有效隐患车辆，通过高速公路卡口过车数据来过滤有效隐患车辆，从而保证数据鲜活度，提高预警提示的实时性。
作为本发明的另一实施例，提供一种高速公路隐患车辆预警系统，包括：
第一获取模块，用于获取目标车辆的标签信息；
第一筛选模块，用于依据所述目标车辆的标签信息，筛选出所述目标车辆中的风险隐患车辆；
第二获取模块，用于获取所述风险隐患车辆在预设时间内的通行轨迹数据；
第二筛选模块，用于依据所述风险隐患车辆在预设时间内的通行轨迹数据，筛选出所述风险隐患车辆中的有效隐患车辆；
第三获取模块，用于获取所述有效隐患车辆中的驾驶人信息；
预警模块，用于依据所述有效隐患车辆中的驾驶人信息，向所述有效隐患车辆中的驾驶人发送预警消息。
优选地，所述目标车辆的标签信息包括车辆号牌、车辆属性、通行时段、通行区域、通行频次、违法行为、事故原因、驾驶人人脸识别结果、车辆登记信息和驾驶人登记信息中的任意一种或多种。
优选地，所述第一筛选模块具体用于，当所述目标车辆标签信息中的事故原因包括频繁夜间行驶、长距离长时间行驶、超车道低速行驶和跟车过近中的任意一种或多种时，则判定该目标车辆为风险隐患车辆。
优选地，所述风险隐患车辆的定义如下：
频繁夜间行驶车辆：22时至次日5时之间在高速通行，一个月内夜间通行天数大于20天，通行轨迹次数大于1000次；
长距离长时间行驶车辆：一个月内高速通行次数大于20天，并且每日被卡口抓拍时间超过8小时，轨迹出现省份大于2个；
超车道低速行驶车辆：高速公路非拥堵情况下，在超车道行驶，并且速度低于平均速度30km/h以上；
跟车过近车辆：车辆速度大于90km/h，与同一车道前一辆车，经过同一卡口时间差小于4秒。
优选地，所述第二筛选模块具体用于，筛选出所述风险隐患车辆中在一周内出现次数20次以上或出现天数3天以上的有效隐患车辆。
本发明提供的高速公路隐患车辆预警方法，能够精准发现高速公路上隐患车辆，并对驾驶员进行及时提醒，消除交通隐患，做到交通事故事前干预，最终压降事故量。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种高速公路隐患车辆预警方法，其特征在于，包括以下步骤：
步骤S1：获取目标车辆的标签信息；
步骤S2：依据所述目标车辆的标签信息，筛选出所述目标车辆中的风险隐患车辆；
步骤S3：获取所述风险隐患车辆在预设时间内的通行轨迹数据；
步骤S4：依据所述风险隐患车辆在预设时间内的通行轨迹数据，筛选出所述风险隐患车辆中的有效隐患车辆；
步骤S5：获取所述有效隐患车辆中的驾驶人信息；
步骤S6：依据所述有效隐患车辆中的驾驶人信息，向所述有效隐患车辆中的驾驶人发送预警消息。
2.根据权利要求1所述的高速公路隐患车辆预警方法，其特征在于，所述目标车辆的标签信息包括车辆号牌、车辆属性、通行时段、通行区域、通行频次、违法行为、事故原因、驾驶人人脸识别结果、车辆登记信息和驾驶人登记信息中的任意一种或多种。
3.根据权利要求2所述的高速公路隐患车辆预警方法，其特征在于，所述依据所述目标车辆的标签信息，筛选出所述目标车辆中的风险隐患车辆，还包括：
当所述目标车辆标签信息中的事故原因包括频繁夜间行驶、长距离长时间行驶、超车道低速行驶和跟车过近中的任意一种或多种时，则判定该目标车辆为风险隐患车辆。
4.根据权利要求3所述的高速公路隐患车辆预警方法，其特征在于，所述风险隐患车辆的定义如下：
频繁夜间行驶车辆：22时至次日5时之间在高速通行，一个月内夜间通行天数大于20天，通行轨迹次数大于1000次；
长距离长时间行驶车辆：一个月内高速通行次数大于20天，并且每日被卡口抓拍时间超过8小时，轨迹出现省份大于2个；
超车道低速行驶车辆：高速公路非拥堵情况下，在超车道行驶，并且速度低于平均速度30km/h以上；
跟车过近车辆：车辆速度大于90km/h，与同一车道前一辆车，经过同一卡口时间差小于4秒。
5.根据权利要求1所述的高速公路隐患车辆预警方法，其特征在于，所述依据所述风险隐患车辆在预设时间内的通行轨迹数据，筛选出所述风险隐患车辆中的有效隐患车辆，还包括：
筛选出所述风险隐患车辆中在一周内出现次数20次以上或出现天数3天以上的有效隐患车辆。
6.一种高速公路隐患车辆预警系统，其特征在于，包括：
第一获取模块，用于获取目标车辆的标签信息；
第一筛选模块，用于依据所述目标车辆的标签信息，筛选出所述目标车辆中的风险隐患车辆；
第二获取模块，用于获取所述风险隐患车辆在预设时间内的通行轨迹数据；
第二筛选模块，用于依据所述风险隐患车辆在预设时间内的通行轨迹数据，筛选出所述风险隐患车辆中的有效隐患车辆；
第三获取模块，用于获取所述有效隐患车辆中的驾驶人信息；
预警模块，用于依据所述有效隐患车辆中的驾驶人信息，向所述有效隐患车辆中的驾驶人发送预警消息。
7.根据权利要求6所述的高速公路隐患车辆预警系统，其特征在于，所述目标车辆的标签信息包括车辆号牌、车辆属性、通行时段、通行区域、通行频次、违法行为、事故原因、驾驶人人脸识别结果、车辆登记信息和驾驶人登记信息中的任意一种或多种。
8.根据权利要求7所述的高速公路隐患车辆预警系统，其特征在于，所述第一筛选模块具体用于，当所述目标车辆标签信息中的事故原因包括频繁夜间行驶、长距离长时间行驶、超车道低速行驶和跟车过近中的任意一种或多种时，则判定该目标车辆为风险隐患车辆。
9.根据权利要求8所述的高速公路隐患车辆预警系统，其特征在于，所述风险隐患车辆的定义如下：
频繁夜间行驶车辆：22时至次日5时之间在高速通行，一个月内夜间通行天数大于20天，通行轨迹次数大于1000次；
长距离长时间行驶车辆：一个月内高速通行次数大于20天，并且每日被卡口抓拍时间超过8小时，轨迹出现省份大于2个；
超车道低速行驶车辆：高速公路非拥堵情况下，在超车道行驶，并且速度低于平均速度30km/h以上；
跟车过近车辆：车辆速度大于90km/h，与同一车道前一辆车，经过同一卡口时间差小于4秒。
10.根据权利要求6所述的高速公路隐患车辆预警系统，其特征在于，所述第二筛选模块具体用于，筛选出所述风险隐患车辆中在一周内出现次数20次以上或出现天数3天以上的有效隐患车辆。
CN202210694866.1A 2022-06-20 2022-06-20 一种高速公路隐患车辆预警方法及其系统 Pending CN115100855A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210694866.1A CN115100855A (zh) 2022-06-20 2022-06-20 一种高速公路隐患车辆预警方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210694866.1A CN115100855A (zh) 2022-06-20 2022-06-20 一种高速公路隐患车辆预警方法及其系统

Publications (1)

Publication Number Publication Date
CN115100855A true CN115100855A (zh) 2022-09-23

Family

ID=83291769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210694866.1A Pending CN115100855A (zh) 2022-06-20 2022-06-20 一种高速公路隐患车辆预警方法及其系统

Country Status (1)

Country Link
CN (1) CN115100855A (zh)

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105447617A (zh) * 2015-11-06 2016-03-30 上海熙菱信息技术有限公司 一种基于车辆轨迹数据分析的预警积分方法及系统
CN106530831A (zh) * 2016-12-15 2017-03-22 江苏大学 一种高威胁车辆监测预警系统及方法
CN108806297A (zh) * 2018-07-24 2018-11-13 四川数字灯塔科技有限公司 基于融合大数据分析的交通事故预防系统
CN109086808A (zh) * 2018-07-16 2018-12-25 江苏智通交通科技有限公司 基于随机森林算法的交通高危人员识别方法
CN109345649A (zh) * 2018-10-10 2019-02-15 福建省福泉高速公路有限公司 一种高速公路车道收费辅助监测的实现方法
CN109767597A (zh) * 2019-01-19 2019-05-17 跨越速运集团有限公司 一种车辆事故预警方法及系统
CN110275934A (zh) * 2019-06-28 2019-09-24 青岛无车承运服务中心有限公司 基于北斗定位系统的车辆行驶情况风险分析方法和系统
CN111161546A (zh) * 2020-04-02 2020-05-15 武汉中科通达高新技术股份有限公司 一种用于交管系统的重点车辆排查方法及系统
CN111210620A (zh) * 2019-12-19 2020-05-29 广州航天海特系统工程有限公司 一种驾驶员画像的生成方法、装置、设备及存储介质
CN111858719A (zh) * 2020-07-31 2020-10-30 苏州水易数据科技有限公司 基于车辆事故数据挖掘分析的特定条件预警方法和系统
CN112078591A (zh) * 2019-06-14 2020-12-15 上海博泰悦臻电子设备制造有限公司 车辆、车机设备及其驾驶辅助方法
CN112532698A (zh) * 2020-11-17 2021-03-19 招商新智科技有限公司 高速公路危险驾驶预警与诱导屏联动发布的方法及系统
CN112863171A (zh) * 2020-12-25 2021-05-28 山东高速信息集团有限公司 一种基于历史数据分析的智能稽查方法及系统
CN113033651A (zh) * 2021-03-22 2021-06-25 上海仙塔智能科技有限公司 一种提高驾驶安全性的方法和装置
CN113247008A (zh) * 2021-06-30 2021-08-13 中移(上海)信息通信科技有限公司 一种驾驶行为监控方法、装置及电子设备
CN113256997A (zh) * 2021-04-30 2021-08-13 贵州数据宝网络科技有限公司 一种交通车辆违规行为检测装置及方法
CN113345258A (zh) * 2021-06-04 2021-09-03 北京北大千方科技有限公司 基于边缘计算的道路通行保障方法、系统、设备及介质
CN113920732A (zh) * 2021-10-11 2022-01-11 长安大学 一种针对特定驾驶人群的道路交通事故风险预警方法
CN114419892A (zh) * 2022-01-28 2022-04-29 公安部交通管理科学研究所 一种判定有疲劳驾驶交通违法风险的车辆的方法
CN114419888A (zh) * 2022-01-21 2022-04-29 北京汇通天下物联科技有限公司 一种货运车辆的安全预警方法、装置、设备及存储介质
CN114633744A (zh) * 2022-03-11 2022-06-17 杭州小驹物联科技有限公司 一种基于车联网系统的车辆报警方法

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105447617A (zh) * 2015-11-06 2016-03-30 上海熙菱信息技术有限公司 一种基于车辆轨迹数据分析的预警积分方法及系统
CN106530831A (zh) * 2016-12-15 2017-03-22 江苏大学 一种高威胁车辆监测预警系统及方法
CN109086808A (zh) * 2018-07-16 2018-12-25 江苏智通交通科技有限公司 基于随机森林算法的交通高危人员识别方法
CN108806297A (zh) * 2018-07-24 2018-11-13 四川数字灯塔科技有限公司 基于融合大数据分析的交通事故预防系统
CN109345649A (zh) * 2018-10-10 2019-02-15 福建省福泉高速公路有限公司 一种高速公路车道收费辅助监测的实现方法
CN109767597A (zh) * 2019-01-19 2019-05-17 跨越速运集团有限公司 一种车辆事故预警方法及系统
CN112078591A (zh) * 2019-06-14 2020-12-15 上海博泰悦臻电子设备制造有限公司 车辆、车机设备及其驾驶辅助方法
CN110275934A (zh) * 2019-06-28 2019-09-24 青岛无车承运服务中心有限公司 基于北斗定位系统的车辆行驶情况风险分析方法和系统
CN111210620A (zh) * 2019-12-19 2020-05-29 广州航天海特系统工程有限公司 一种驾驶员画像的生成方法、装置、设备及存储介质
CN111161546A (zh) * 2020-04-02 2020-05-15 武汉中科通达高新技术股份有限公司 一种用于交管系统的重点车辆排查方法及系统
CN111858719A (zh) * 2020-07-31 2020-10-30 苏州水易数据科技有限公司 基于车辆事故数据挖掘分析的特定条件预警方法和系统
CN112532698A (zh) * 2020-11-17 2021-03-19 招商新智科技有限公司 高速公路危险驾驶预警与诱导屏联动发布的方法及系统
CN112863171A (zh) * 2020-12-25 2021-05-28 山东高速信息集团有限公司 一种基于历史数据分析的智能稽查方法及系统
CN113033651A (zh) * 2021-03-22 2021-06-25 上海仙塔智能科技有限公司 一种提高驾驶安全性的方法和装置
CN113256997A (zh) * 2021-04-30 2021-08-13 贵州数据宝网络科技有限公司 一种交通车辆违规行为检测装置及方法
CN113345258A (zh) * 2021-06-04 2021-09-03 北京北大千方科技有限公司 基于边缘计算的道路通行保障方法、系统、设备及介质
CN113247008A (zh) * 2021-06-30 2021-08-13 中移(上海)信息通信科技有限公司 一种驾驶行为监控方法、装置及电子设备
CN113920732A (zh) * 2021-10-11 2022-01-11 长安大学 一种针对特定驾驶人群的道路交通事故风险预警方法
CN114419888A (zh) * 2022-01-21 2022-04-29 北京汇通天下物联科技有限公司 一种货运车辆的安全预警方法、装置、设备及存储介质
CN114419892A (zh) * 2022-01-28 2022-04-29 公安部交通管理科学研究所 一种判定有疲劳驾驶交通违法风险的车辆的方法
CN114633744A (zh) * 2022-03-11 2022-06-17 杭州小驹物联科技有限公司 一种基于车联网系统的车辆报警方法

Similar Documents

Publication Publication Date Title
Das et al. Investigation on the wrong way driving crash patterns using multiple correspondence analysis
Ghasemzadeh et al. Exploring factors contributing to injury severity at work zones considering adverse weather conditions
Nasri et al. Using ordered and unordered logistic regressions to investigate risk factors associated with pedestrian crash injury severity in Victoria, Australia
WO2019121498A1 (de) ERMITTLUNG EINES STRAßENZUSTANDES DURCH AUSWERTUNG VON SENSORDATEN EINES STRAßENFAHRZEUGES
Richard et al. Using SHRP2 naturalistic driving data to examine driver speeding behavior
Feng Synthesis of studies on speed and safety
Ozkul et al. Evaluation of red RRFB implementation at freeway off-ramps and its effectiveness on alleviating wrong-way driving
Tijerina Key human factors research needs in intelligent vehicle-highway system crash avoidance
CN115100855A (zh) 一种高速公路隐患车辆预警方法及其系统
Watson et al. Bicycle and motor vehicle crash characteristics
CN111445669A (zh) 一种公交车的安全监测系统
Walcott-Bryant et al. Harsh brakes at potholes in Nairobi: Context-based driver behavior in developing cities
DE102019105044A1 (de) Kollisionsvermeidung basierend auf verbundenen vorrichtungen
Fitzsimmons The effectiveness of Iowa's automated red light running enforcement programs
Muttart et al. Factors that Influence Drivers’ Responses to Slower-Moving or Stopped Lead Vehicles
Yuan et al. Investigating the difference in factors influencing the injury severity between daytime and nighttime speeding-related crashes
CN112733675A (zh) 车辆驾驶行为监测方法、系统、电子设备和存储介质
LeBlanc et al. Field Study of the Level 2 Super Cruise Using Telematics Data
Lin et al. Innovative Approaches to Significantly Improve Arterial Work Zone Safety
Sisiopiku et al. Analysis of Crash Causes, Costs, and Countermeasures in Alabama Work Zones
Bai et al. Determining the effectiveness of graphic-aided dynamic message signs in work zone
Li et al. Speed Distribution Law and Influencing Factors of Hybrid Vehicle on Freeway
Mon et al. Implementation of misbehaviour driving detection and alert system
CN113593229B (zh) 一种基于定位系统的城市区域交通大数据分析系统
Burzdak et al. Traffic Fatalities in Winter: An Evaluation of Weather Regimes and NWS Guidance During Killer Storms

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