CN115131974A - 一种电动自行车的违法识别方法、系统及计算机设备 - Google Patents

一种电动自行车的违法识别方法、系统及计算机设备 Download PDF

Info

Publication number
CN115131974A
CN115131974A CN202210701406.7A CN202210701406A CN115131974A CN 115131974 A CN115131974 A CN 115131974A CN 202210701406 A CN202210701406 A CN 202210701406A CN 115131974 A CN115131974 A CN 115131974A
Authority
CN
China
Prior art keywords
electric bicycle
running
driving
illegal
road
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
CN202210701406.7A
Other languages
English (en)
Inventor
赵琳娜
宋然子
成超锋
戴帅
刘金广
刘涛
姚雪娇
于晓娟
闫星培
褚昭明
朱新宇
杨钧剑
刘婉
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.)
Road Traffic Safety Research Center Ministry Of Public Security Of People's Republic Of China
Original Assignee
Road Traffic Safety Research Center Ministry Of Public Security Of People's Republic Of China
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 Road Traffic Safety Research Center Ministry Of Public Security Of People's Republic Of China filed Critical Road Traffic Safety Research Center Ministry Of Public Security Of People's Republic Of China
Priority to CN202210701406.7A priority Critical patent/CN115131974A/zh
Publication of CN115131974A publication Critical patent/CN115131974A/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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • 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
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel

Abstract

本发明提供了一种电动自行车的违法识别方法、系统及计算机设备，该方法利用NB‑IoT芯片的定位功能，精准采集到相应电动自行车的行驶轨迹信息，然后依托高精地图技术获得电动自行车的逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子；最后根据逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子，判断电动自行车是否逆向行驶、违法占道行驶或者驶入高速公路。该方法无需到现场取证，数据采集简便，同时保证了电动自行车交通违法行为识别的准确性。

Description

一种电动自行车的违法识别方法、系统及计算机设备
技术领域
本发明涉及车辆通行管理技术领域，具体涉及一种电动自行车的违法识别方法、系统及计算机设备。
背景技术
近年来，我国电动自行车保有量持续增长，在方便了人们出行、提供了低碳环保的出行方式的同时，也给城市交通管理带来了一定负担。由于自身交通安全意识淡薄，且监管方式不够完善，电动自行车骑行者交通违法行为频发、多发，特别是逆向行驶、违法占道行驶、驶入高速公路等交通违法行为突出，导致近年来电动自行车交通事故不断上升。目前，亟需一种有效的方法精准识别电动自行车的违法行为。
发明内容
因此，本发明为了精准识别电动自行车逆向行驶、违法占道行驶、驶入高速公路等违法行为，从而提供一种电动自行车的违法识别方法、系统及计算机设备。
第一方面，本发明提供了一种电动自行车的违法识别方法，包括：
在预设采样周期内，采集配备有NB-IoT芯片的电动自行车的行驶轨迹信息，获得电动自行车的行驶轨迹数据集；
基于预设匹配算法将行驶轨迹数据集与道路高精地图数据库进行匹配，得到电动自行车的逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子；
根据逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子，判断电动自行车是否逆向行驶、违法占道行驶或者驶入高速公路。
可选的，行驶轨迹数据集包括：车辆身份标识以及采集时刻对应、行驶方向和经纬度坐标。
可选的，道路高精地图数据库中地理位置数据信息包括：道路中心线、车行道分界线、车行道边缘线、非机动车道线、车道导向箭头、人行道缘石、停止线。
可选的，基于预设匹配算法将行驶轨迹数据集与道路高精地图数据库进行匹配，得到电动自行车的逆向行驶判别因子，包括：
判断在预设采样周期内所述电动自行车的行驶方向是否一致；
若一致，判断电动自行车的行驶方向与车道导向箭头方向是否相反；
若相反，则确定电动自行车的逆向行驶判别因子为1。
可选的，基于预设匹配算法将行驶轨迹数据集与道路高精地图数据库进行匹配，得到电动自行车的违法占道行驶判别因子，包括：
判断在预设采样周期内电动自行车的行驶方向是否一致；
若一致，则将电动自行车的经纬度坐标与道路中心线、车行道分界线、车行道边缘线、停止线、非机动车道线以及所述人行道缘石进行匹配，判断电动自行车是否在机动车道或者人行道内；
若判断结果为是，则确定电动自行车的违法占道行驶判别因子为1。
可选的，基于预设匹配算法将行驶轨迹数据集与道路高精地图数据库进行匹配，得到电动自行车的驶入高速公路判别因子，包括：
判断在预设采样周期内所述电动自行车的行驶方向是否一致；
若一致，则将电动自行车的经纬度坐标与车行道边缘线以及车行道分界线进行匹配，判断电动自行车是否在高速公路内；
若判断结果为是，则确定电动自行车的驶入高速公路判别因子为1。
可选的，判断所述电动自行车是否逆向行驶、违法占道行驶或者驶入高速公路，包括：
若逆向行驶判别因子、违法占道行驶判别因子、驶入高速公路判别因子均为1时，判定电动自行车逆向行驶、违法占道行驶、驶入高速公路。
可选的，判定电动自行车逆向行驶、违法占道行驶或者驶入高速公路中至少一时，形成预设周期时间内的电动自行车交通违法信息集，保存并上传电动自行车的交通违法信息。
第二方面，本发明提供了一种电动自行车的违法识别系统，包括：
采集单元，用于在预设采样周期内，采集配备有NB-IoT芯片的电动自行车的行驶轨迹信息，获得电动自行车的行驶轨迹数据集；
计算单元，用于基于预设匹配算法将行驶轨迹数据集与道路高精地图数据库进行匹配，得到电动自行车的逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子；
判别单元，用于根据逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子，判断电动自行车是否逆向行驶、违法占道行驶或者驶入高速公路。
第三方面，本发明提供了一种计算机设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的电动自行车的违法识别方法的步骤。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式的电动自行车的违法识别方法的步骤。
本发明技术方案，具有如下优点：
本发明提供的电动自行车的违法识别方法、系统及计算机设备，该方法包括：在预设采样周期内，采集配备有NB-IoT芯片的电动自行车的行驶轨迹信息，获得电动自行车的行驶轨迹数据集；基于预设匹配算法将行驶轨迹数据集与道路高精地图数据库进行匹配，得到电动自行车的逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子；本发明基于NB-IoT芯片具备定位功能，因而能够精准采集到相应电动自行车的行驶轨迹信息，然后依托高精地图技术获得电动自行车的逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子；最后根据逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子，判断电动自行车是否逆向行驶、违法占道行驶或者驶入高速公路。该方法无需到现场取证，数据采集简便，同时保证了电动自行车交通违法行为识别的准确性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。
图1为本发明实施例提供的一种电动自行车的违法识别方法的流程图；
图2为本发明实施例提供的识别电动自行车逆向行驶的示意图；
图3为本发明实施例提供的识别电动自行车违法占道行驶的示意图；
图4为本发明实施例提供的识别电动自行车驶入高速公路的示意图；
图5为本发明实施例提供的一种电动自行车的违法识别系统的结构示意图；
图6为本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合说明书附图对本公开的实施例进行详细说明，但是本公开并不限于这些具体的实施例。
如图1所示，本发明至少一实施例提供的电动自行车的违法识别方法可包括但不限于如下的步骤S101至步骤S103，具体说明如下。
步骤S101，在预设采样周期内，采集配备有NB-IoT芯片的电动自行车的行驶轨迹信息，获得电动自行车的行驶轨迹数据集。
实际应用时，该预设采样周期可根据实际应用场景进行设置，例如，预设采样周期为：周期M天内，固定时间间隔N秒；其中，M和N的具体数值不做限定。
具体的，由于相应电动自行车配备有NB-IoT(Narrow Band Internet of Things，窄带物联网)芯片，且该NB-IoT芯片具有北斗(北斗卫星导航系统)或者GPS(GlobalPositioning System，全球定位系统)等定位功能，因此能够精准采集到该电动自行车的行驶轨迹信息，进而得到电动自行车的行驶轨迹数据集[t1，ID1，(l,d)1，D1]，[t2，ID2，(l,d)2，D2]，……，[tm，IDi，(l,d)m，Dm]；其中，tm为电动自行车i行驶轨迹采集的时刻，m∈(1,M)；IDi为电动自行车i的车辆身份标识；(l,d)m为电动自行车i在tm时刻采集的经度、纬度坐标，m∈(1,M)；Dm为电动自行车i在tm时刻采集的行驶方向，m∈(1,M)。
步骤S102，基于预设匹配算法将行驶轨迹数据集与道路高精地图数据库进行匹配，得到电动自行车的逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子。
获得电动自行车的行驶轨迹数据集之后，基于预设匹配算法将行驶轨迹数据集与道路高精地图数据库进行匹配，预设匹配算法的具体内容可参见下述实施例，其中，道路高精地图数据库中地理位置数据信息可以包括：道路中心线、车行道分界线、车行道边缘线、非机动车道线、车道导向箭头、人行道缘石、停止线。将行驶轨迹数据集与上述地理位置数据信息进行匹配后，得到电动自行车的逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子。需要说明的是，道路高精地图数据库中地理位置数据信息不仅限于此，只要能够判断电动自行车的逆向行驶、违法占道行驶判别因子以及驶入高速公路即可，均在本发明实施例的保护范围之内。
步骤S103，根据逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子，判断电动自行车是否逆向行驶、违法占道行驶或者驶入高速公路。
本发明上述实施例提供的电动自行车的违法识别方法，由于电动自行车配备有NB-IoT芯片，该芯片具备北斗或者GPS等定位功能，因而能够精准采集相应电动自行车的行驶轨迹信息，以获得该电动自行车的行驶轨迹数据集，然后依托高精地图技术准确识别电动自行车的交通违法行为，进而更加高效、便捷的实现对电动自行车的管控。
一种具体实施例中，本发明步骤S102的具体实施过程包括以下步骤，且步骤之间不分先后顺序。
步骤S1021：判断在预设采样周期内电动自行车的行驶方向是否一致；若一致，判断电动自行车的行驶方向与车道导向箭头方向是否相反；若相反，则确定电动自行车的逆向行驶判别因子为1。逆向行驶判别因子αm表示为：
Figure BDA0003704006530000081
例如，电动自行车发生逆向行驶行为时，其行驶示意图如图2所示，图2中带箭头虚线为电动自行车的行驶方向；此时，根据图2中tm-1和tm时刻采集电动自行车行驶轨迹信息，确定电动自行车在tm-1至tm时刻的行驶方向Dm-1和Dm一致，且两个时刻的行驶方向与车道导向箭头方向相反，则确定电动自行车的逆向行驶判别因子为1，也即，确定该电动自行车逆向行驶。需要说明的是，只要是在预设采样周期内，可用任意两个采集时刻采集到的行驶方向进行判断，不仅限于上述两个时刻，例如，根据图2中t1和tm时刻采集电动自行车行驶轨迹信息，确定电动自行车的逆向行驶判别因子，其原理与上述过程相同，不再赘述。
步骤S1022：判断在预设采样周期内电动自行车的行驶方向是否一致；若一致，则将电动自行车的经纬度坐标与道路中心线、车行道分界线、车行道边缘线、停止线、非机动车道线以及人行道缘石进行匹配，判断电动自行车是否在机动车道或者人行道内；若判断结果为是，则确定电动自行车的违法占道行驶判别因子为1。违法占道行驶判别因子βm表示为：
Figure BDA0003704006530000082
例如，电动自行车驶入机动车道时，其行驶示意图如图3所示，图3中带箭头虚线为电动自行车的行驶方向；此时，根据图3中tm-1和tm时刻采集电动自行车行驶轨迹信息，确定电动自行车在tm-1至tm时刻的行驶方向Dm-1和Dm一致，并且，将电动自行车tm-1和tm时刻的经纬度坐标(l,d)m-1和(l,d)m与道路中心线、车行道分界线、车行道边缘线、停止线、非机动车道线以及人行道缘石进行匹配后，判定电动自行车在tm-1和tm时刻均行驶在机动车道或人行道，则确定电动自行车的违法占道行驶判别因子为1，确定该电动自行车驶入机动车道或人行道内。
步骤S1023：判断在预设采样周期内电动自行车的行驶方向是否一致；若一致，则将电动自行车的经纬度坐标与车行道边缘线以及车行道分界线进行匹配，判断电动自行车是否在高速公路内；若判断结果为是，则确定电动自行车的驶入高速公路判别因子为1。驶入高速公路判别因子γm表示为：
Figure BDA0003704006530000091
例如，电动自行车驶入高速公路时，其行驶示意图如图4所示，图4中带箭头虚线为电动自行车的行驶方向；此时，根据图4中tm-1和tm时刻采集电动自行车行驶轨迹信息，确定电动自行车在tm-1至tm时刻的行驶方向Dm-1和Dm一致，并且，将电动自行车tm-1和tm时刻的经纬度坐标(l,d)m-1和(l,d)m与车行道边缘线以及车行道分界线进行匹配，判定电动自行车在tm-1和tm时刻均行驶在高速公路内，则确定电动自行车的驶入高速公路判别因子为1，即确定该电动自行车驶入高速公路。
值得说明的是，若逆向行驶判别因子、违法占道行驶判别因子、驶入高速公路判别因子均为1时，判定电动自行车逆向行驶、违法占道行驶、驶入高速公路。基于此，本发明上述实施例提供的电动自行车的违法识别方法，还包括以下步骤：
步骤S201，形成预设周期时间内的电动自行车交通违法信息集，保存并上传电动自行车的交通违法信息。
在判定电动自行车发生逆向行驶、违法占道行驶或者驶入高速公路中至少一种(例如当αm＝1或βm＝1或γm＝1时)交通违法行为后，记录、保存并上传电动自行车的交通违法信息，该交通违法信息包括电动自行车的身份标识、采集时刻对应行驶方向和经纬度，以及，逆向行驶判别因子、违法占道行驶判别因子及驶入高速公路判别因子。
如图5所示，与电动自行车的违法识别方法基于相同的发明构思，本发明一个或多个实施例还能够提供一种电动自行车的违法识别系统。
该电动自行车的违法识别系统，包括：采集单元110，用于在预设采样周期内，采集配备有NB-IoT芯片的电动自行车的行驶轨迹信息，获得电动自行车的行驶轨迹数据集；计算单元120，用于基于预设匹配算法将行驶轨迹数据集与道路高精地图数据库进行匹配，得到电动自行车的逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子；判别单元130，用于根据逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子，判断电动自行车是否逆向行驶、违法占道行驶或者驶入高速公路。
如图6所示，与电动自行车的违法识别方法基于相同的发明构思，本发明一个或多个实施例还能够提供一种计算机设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器执行本发明至少一实施例提供的电动自行车的违法识别方法。其中，电动自行车的违法识别方法的详细实现流程已在本说明书中有详细的记载，此处不再进行赘述。
如图6所示，与电动自行车的违法识别方法基于相同的发明构思，本发明一个或多个实施例还能够提供一种计算机可读存储介质，用于非瞬时性地存储计算机可执行指令，该计算机可执行指令在被处理器执行时实现本公开至少一实施例提供的电动自行车的违法识别方法。其中，电动自行车的违法识别方法的详细实现流程已在本说明书中有详细的记载，此处不再进行赘述。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM，Random Access Memory)，只读存储器(ROM，Read-Only Memory)，可擦除可编辑只读存储器(EPROM，Erasable Programmable Read-Only Memory，或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM，Compact Disc Read-Only Memory)。另外，计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA，Programmable Gate Array)，现场可编程门阵列(FPGA，Field Programmable Gate Array)等。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (11)

1.一种电动自行车的违法识别方法，其特征在于，包括：
在预设采样周期内，采集配备有NB-IoT芯片的电动自行车的行驶轨迹信息，获得所述电动自行车的行驶轨迹数据集；
基于预设匹配算法将所述行驶轨迹数据集与道路高精地图数据库进行匹配，得到所述电动自行车的逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子；
根据所述逆向行驶判别因子、所述违法占道行驶判别因子以及所述驶入高速公路判别因子，判断所述电动自行车是否逆向行驶、违法占道行驶或者驶入高速公路。
2.根据权利要求1所述的电动自行车的违法识别方法，其特征在于，所述行驶轨迹数据集包括：车辆身份标识以及采集时刻对应行驶方向和经纬度坐标。
3.根据权利要求2所述的电动自行车的违法识别方法，其特征在于，所述道路高精地图数据库中地理位置数据信息包括：道路中心线、车行道分界线、车行道边缘线、非机动车道线、车道导向箭头、人行道缘石、停止线。
4.根据权利要求3所述的电动自行车的违法识别方法，其特征在于，基于预设匹配算法将所述行驶轨迹数据集与道路高精地图数据库进行匹配，得到所述电动自行车的逆向行驶判别因子，包括：
判断在所述预设采样周期内所述电动自行车的行驶方向是否一致；
若一致，判断所述电动自行车的行驶方向与所述车道导向箭头方向是否相反；
若相反，则确定所述电动自行车的逆向行驶判别因子为1。
5.根据权利要求3所述的电动自行车的违法识别方法，其特征在于，基于预设匹配算法将所述行驶轨迹数据集与道路高精地图数据库进行匹配，得到所述电动自行车的违法占道行驶判别因子，包括：
判断在所述预设采样周期内所述电动自行车的行驶方向是否一致；
若一致，则将所述电动自行车的经纬度坐标与所述道路中心线、所述车行道分界线、所述车行道边缘线、所述停止线、所述非机动车道线以及所述人行道缘石进行匹配，判断所述电动自行车是否在机动车道或者人行道内；
若判断结果为是，则确定所述电动自行车的违法占道行驶判别因子为1。
6.根据权利要求3所述的电动自行车的违法识别方法，其特征在于，基于预设匹配算法将所述行驶轨迹数据集与道路高精地图数据库进行匹配，得到所述电动自行车的驶入高速公路判别因子，包括：
判断在所述预设采样周期内所述电动自行车的行驶方向是否一致；
若一致，则将所述电动自行车的经纬度坐标与所述车行道边缘线以及所述车行道分界线进行匹配，判断所述电动自行车是否在高速公路内；
若判断结果为是，则确定所述电动自行车的驶入高速公路判别因子为1。
7.根据权利要求1-6任一项所述的电动自行车的违法识别方法，其特征在于，所述判断所述电动自行车是否逆向行驶、违法占道行驶或者驶入高速公路，包括：
若所述逆向行驶判别因子、所述违法占道行驶判别因子、所述驶入高速公路判别因子均为1时，判定所述电动自行车逆向行驶、违法占道行驶、驶入高速公路。
8.根据权利要求7所述的电动自行车的违法识别方法，其特征在于，判定所述电动自行车逆向行驶、违法占道行驶或者驶入高速公路中至少一时，形成预设周期时间内的电动自行车交通违法信息集，保存并上传所述电动自行车的交通违法信息。
9.一种电动自行车的违法识别系统，其特征在于，包括：
采集单元，用于在预设采样周期内，采集配备有NB-IoT芯片的电动自行车的行驶轨迹信息，获得所述电动自行车的行驶轨迹数据集；
计算单元，用于基于预设匹配算法将所述行驶轨迹数据集与道路高精地图数据库进行匹配，得到所述电动自行车的逆向行驶判别因子、违法占道行驶判别因子以及驶入高速公路判别因子；
判别单元，用于根据所述逆向行驶判别因子、所述违法占道行驶判别因子以及所述驶入高速公路判别因子，判断所述电动自行车是否逆向行驶、违法占道行驶或者驶入高速公路。
10.一种计算机设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-8任一项所述的电动自行车的违法识别方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的电动自行车的违法识别方法的步骤。
CN202210701406.7A 2022-06-20 2022-06-20 一种电动自行车的违法识别方法、系统及计算机设备 Pending CN115131974A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210701406.7A CN115131974A (zh) 2022-06-20 2022-06-20 一种电动自行车的违法识别方法、系统及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210701406.7A CN115131974A (zh) 2022-06-20 2022-06-20 一种电动自行车的违法识别方法、系统及计算机设备

Publications (1)

Publication Number Publication Date
CN115131974A true CN115131974A (zh) 2022-09-30

Family

ID=83379292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210701406.7A Pending CN115131974A (zh) 2022-06-20 2022-06-20 一种电动自行车的违法识别方法、系统及计算机设备

Country Status (1)

Country Link
CN (1) CN115131974A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108154683A (zh) * 2017-12-26 2018-06-12 河北农业大学 智能交通管理方法及系统
CN108961766A (zh) * 2018-07-21 2018-12-07 浙江天地人科技有限公司 车辆闯红灯侦测方法和系统
CN109507700A (zh) * 2018-11-20 2019-03-22 南京华苏科技有限公司 一种在指定区域内查找车辆的方法
CN109633727A (zh) * 2018-12-29 2019-04-16 西南交通大学 一种基于轨迹偏角的共享单车逆行行为识别方法
CN109949582A (zh) * 2019-04-25 2019-06-28 深圳市华士精成科技有限公司 一种基于无线定位的车辆违法行驶监控系统
CN112017447A (zh) * 2020-08-20 2020-12-01 北京赛博星通科技有限公司 一种基于gps位置信息判定车辆逆行违规的方法及系统
KR102270625B1 (ko) * 2020-12-21 2021-06-29 케이페스트 주식회사 인공지능 학습을 통한 일방통행로의 이동체 진입에 따른 처리 방법 및 시스템
CN113888883A (zh) * 2021-09-29 2022-01-04 北京无线电计量测试研究所 一种自行车交通智能监测系统和方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108154683A (zh) * 2017-12-26 2018-06-12 河北农业大学 智能交通管理方法及系统
CN108961766A (zh) * 2018-07-21 2018-12-07 浙江天地人科技有限公司 车辆闯红灯侦测方法和系统
CN109507700A (zh) * 2018-11-20 2019-03-22 南京华苏科技有限公司 一种在指定区域内查找车辆的方法
CN109633727A (zh) * 2018-12-29 2019-04-16 西南交通大学 一种基于轨迹偏角的共享单车逆行行为识别方法
CN109949582A (zh) * 2019-04-25 2019-06-28 深圳市华士精成科技有限公司 一种基于无线定位的车辆违法行驶监控系统
CN112017447A (zh) * 2020-08-20 2020-12-01 北京赛博星通科技有限公司 一种基于gps位置信息判定车辆逆行违规的方法及系统
KR102270625B1 (ko) * 2020-12-21 2021-06-29 케이페스트 주식회사 인공지능 학습을 통한 일방통행로의 이동체 진입에 따른 처리 방법 및 시스템
CN113888883A (zh) * 2021-09-29 2022-01-04 北京无线电计量测试研究所 一种自行车交通智能监测系统和方法

Similar Documents

Publication Publication Date Title
CN109637151B (zh) 一种高速公路应急车道违章行驶的识别方法
CN107122385B (zh) 地图绘制道路照明
JP4970504B2 (ja) 駐車支援装置
US10444027B2 (en) Parking lot entrance recognition method and system
CN109166312B (zh) 行车轨迹基于路网数据的自动化违规检测系统及方法
CN109523787A (zh) 一种基于车辆通行轨迹的疲劳驾驶分析方法
EP3038021A1 (en) Risk determination method, risk determination device, risk determination system, and risk output device
CN112836003A (zh) 一种地图处理方法和装置
CN111521192A (zh) 定位方法、导航信息显示方法、定位系统及电子设备
CN110782653A (zh) 一种道路信息采集方法和系统
EP4002298A1 (en) An audio/video capturing device, vehicle mounted device, control centre system, computer program and method
CN110765224A (zh) 电子地图的处理方法、车辆视觉重定位的方法和车载设备
CN108665712A (zh) 一种车辆越线违章行为监测方法及系统
CN110853358A (zh) 基于驾驶行为处理保险的方法、物联网智能终端
CN114383620A (zh) 车辆精准位置获取方法、系统、可读存储介质及车辆
CN115131974A (zh) 一种电动自行车的违法识别方法、系统及计算机设备
JP2023111980A (ja) 情報処理装置、情報処理方法、および情報処理プログラム
CN114913503B (zh) 提示点的确定方法、装置、服务器、车辆和存储介质
CN114694116A (zh) 一种道路边界检测方法、装置、电子设备和存储介质
CN113147790A (zh) 无人驾驶车辆的控制方法及控制装置、无人驾驶车辆
US20210294321A1 (en) Method for checking whether a switch of a driving mode can be safely carried out
US11535244B2 (en) Parking assistance method, vehicle-mounted device and readable storage medium
CN117636649A (zh) 路口停车次数分析方法、系统及存储介质
CN115272300B (zh) 一种路面病害检测方法、系统、装置、设备及介质
KR102592628B1 (ko) 분기점 판별 장치 및 그 방법

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