CN115394099B - 道路交通诱导方法、系统、设备及交通指引牌 - Google Patents
道路交通诱导方法、系统、设备及交通指引牌 Download PDFInfo
- Publication number
- CN115394099B CN115394099B CN202211044677.6A CN202211044677A CN115394099B CN 115394099 B CN115394099 B CN 115394099B CN 202211044677 A CN202211044677 A CN 202211044677A CN 115394099 B CN115394099 B CN 115394099B
- Authority
- CN
- China
- Prior art keywords
- traffic
- accident
- time
- road
- estimated
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005192 partition Methods 0.000 claims abstract description 23
- 206010039203 Road traffic accident Diseases 0.000 claims description 72
- 238000012545 processing Methods 0.000 claims description 56
- 230000006399 behavior Effects 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 230000001939 inductive effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 3
- 239000005357 flat glass Substances 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 description 19
- 230000006698 induction Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096716—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information does not generate an automatic action on the vehicle control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Atmospheric Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种道路交通诱导方法、系统、设备及交通指引牌，所述方法包括步骤：获取交通指引牌所在位置与至少一预设目的地之间的实时路面交通数据；所述交通指引牌上设有至少一展示分区，每一所述展示分区展示有所述预设目的地、所述交通指引牌所在位置与所述预设目的地之间的距离以及一动态显示区域；依据所述路面交通数据，计算得到到达所述交通指引牌上各个预设目的地的预计行驶用时；以及依据所述预计行驶用时，填充所述动态显示区域并进行展示；本申请实现在路旁的交通指示牌上实时动态展示距离后面多个目的地的的预计行驶时长，使得用户可以便捷快速地获知行程信息，方便用户安排自己的行程，优化了出行体验。
Description
技术领域
本发明涉及智慧交通技术领域，具体地说，涉及一种道路交通诱导方法、系统、设备及交通指引牌。
背景技术
目前，在道路交通中尤其是高速公路上，路旁会设置交通指引牌。交通指引牌上会标示出当前地理位置与下一城市之间的距离，并且以静态的方式显示，比如距离杭州还有100km。但是由于当前路面交通拥堵状况存在不确定性，用户往往无法获知到下一目的地的实时的预计用时。
如果想查看行程预计用时，必须通过手机导航软件查询。这种方式存在以下几点弊端：首先，不便于用户进行多个目的地的行驶用时查询操作，因为需要输入多次查询，操作不便，并且分散注意力，不利于行驶安全；其次，导航软件的预计到达时间往往不够准确。另一方面，部分用户担心流量消耗或者手机使用不熟练，不太愿意使用手机导航软件。因此，如何方便用户便捷准确地获知到达后面多个目的地的预计行驶时长，提升出行体验，是目前面临的一个问题。
发明内容
针对现有技术中的问题，本发明的目的在于提供一种道路交通诱导方法、系统、设备及交通指引牌，实现在路旁的交通指示牌上实时动态展示距离后面多个目的地的的预计行驶时长，使得用户可以便捷快速地获知行程信息，方便用户安排自己的行程，优化了出行体验。
为实现上述目的，本发明提供了一种道路交通诱导方法，所述方法包括以下步骤：
S110，获取交通指引牌所在位置与至少一预设目的地之间的实时路面交通数据；所述交通指引牌上设有至少一展示分区，每一所述展示分区展示有所述预设目的地、所述交通指引牌所在位置与所述预设目的地之间的距离以及一动态显示区域；
S120，依据所述路面交通数据，计算得到到达所述交通指引牌上各个预设目的地的预计行驶用时；以及
S130，依据所述预计行驶用时，填充所述动态显示区域并进行展示。
可选地，步骤S120包括：
当检测到路面交通中发生交通事故时，确定对应的交通事故类型；
依据所述交通事故类型和第一预设数据库，获取与所述交通事故类型对应的第一预估处理时长；所述第一预设数据库中存储有不同交通事故类型和第一预估处理时长之间的映射关系；以及
依据所述交通事故的第一预估处理时长和所述路面交通数据，计算得到到达所述交通指引牌上各个预设目的地的预计行驶用时。
可选地，所述路面交通数据包括交通视频数据；步骤S120包括：
自所述交通视频数据，获取所述交通事故发生期间一预设时间段对应的视频片段；
获取所述视频片段中的异常行驶行为对应的第一子片段，并提取与所述异常行驶行为对应的标签；
向交通事故处理人员展示所述第一子片段和对应的标签；
获取所述交通事故处理人员提供的事故处理建议信息；以及
依据所述事故处理建议信息，对所述预计行驶用时进行更新。
可选地，所述自所述交通视频数据，获取所述交通事故发生期间一预设时间段对应的视频片段，包括：
自所述交通视频数据，获取所述交通事故发生时刻之前的视频数据，作为待分析视频流；
自所述待分析视频流中检测针对事故双方车辆的异常行驶行为的首次发生时刻，作为起始时刻；
将所述交通事故发生时刻作为结束时刻；以及
将所述起始时刻和所述结束时刻之间的时间段作为所述预设时间段；从所述交通视频数据中，截取自所述起始时刻至所述结束时刻的视频流，作为所述预设时间段对应的视频片段。
可选地，所述依据所述事故处理建议信息，对所述预计行驶用时进行更新，包括：
依据所述事故处理建议信息和第二预设数据库，获取与所述事故处理建议信息对应的第二预估处理时长；所述第二预设数据库中存储有不同事故处理建议信息和第二预估处理时长之间的映射关系；以及
将所述第一预估处理时长替换为第二预估处理时长。
可选地，所述依据所述事故处理建议信息，对所述预计行驶用时进行更新，包括：
提取所述事故处理建议信息对应的目标事故类型标签；
获取事故双方车辆驾驶员各自对应的历史交通事故数据，并提取每一条所述历史交通事故数据对应的事故类型标签；
获取包含所述目标事故类型标签的历史交通事故数据，作为目标历史数据；
自所述目标历史数据，获取所述事故双方车辆驾驶员各自对应的收尾处理时长；所述收尾处理时长自给出事故处理建议信息到事故处理结束的时长；以及
依据所述收尾处理时长，对所述预计行驶用时进行更新。
可选地，步骤S120包括：
在接收到事故双方车辆驾驶员的针对所述事故处理建议信息对应的确认信息之后，结合所述事故处理建议信息中的交通事故类型，对所述预计行驶用时进行更新。
可选地，所述方法还包括步骤：
当检测到路面交通中发生交通事故时，基于车联网，获取位于发生交通事故的目标车辆后方的自动驾驶车流组；
控制所述自动驾驶车流组中的车辆进行减速，并基于车联网，向所述自动驾驶车流组的后方车辆发送预警信息。
可选地，所述基于车联网，获取位于发生交通事故的目标车辆后方的自动驾驶车流组，包括：
基于所述自动驾驶车流组的车窗玻璃中的天线，控制每相邻两个车辆建立通信连接，以构建车联网。
本发明还提供了一种交通指引牌，所述交通指引牌上设有至少一展示分区，每一所述展示分区展示有所述预设目的地、所述交通指引牌所在位置与所述预设目的地之间的距离以及一动态显示区域；所述动态显示区域用于展示自所述交通指引牌所在位置到达所述预设目的地的预计行驶用时；所述预计行驶用时依据上述任意一项道路交通诱导方法计算得到。
本发明还提供了一种道路交通诱导系统，用于实现上述道路交通诱导方法，所述系统包括：
实时交通数据获取模块，获取交通指引牌所在位置与至少一预设目的地之间的实时路面交通数据；所述交通指引牌上设有至少一展示分区，每一所述展示分区展示有所述预设目的地、所述交通指引牌所在位置与所述预设目的地之间的距离以及一动态显示区域；
预计行驶用时计算模块，依据所述路面交通数据，计算得到到达所述交通指引牌上各个预设目的地的预计行驶用时；以及
指引牌时间更新模块，依据所述预计行驶用时，填充所述动态显示区域并进行展示。
本发明还提供了一种道路交通诱导设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行程序；
其中，所述处理器配置为经由执行所述可执行程序来执行上述任意一项道路交通诱导方法的步骤。
本发明还提供了一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现上述任意一项道路交通诱导方法的步骤。
本发明与现有技术相比，具有以下优点及突出性效果：
本发明提供的道路交通诱导方法、系统、设备及交通指引牌通过对道路交通状况进行实时分析，预测得到到达后面多个目的地的的预计行驶时长，并动态地展示于道路旁的交通指示牌上，更能适应交通状况动态变化，使得用户不需要查看手机导航软件，即可获知在当前交通环境下到达后面目的地的预计用时；利于提高行驶安全性的同时，便于用户安排自己的行程，优化了出行体验。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1为本发明一实施例公开的一种道路交通诱导方法的示意图；
图2为本发明一实施例公开的一种道路交通诱导方法所涉及的应用场景示意图；
图3为本发明另一实施例公开的一种道路交通诱导方法的示意图；
图4为本发明另一实施例公开的一种道路交通诱导方法中步骤S120的流程示意图；
图5为本发明另一实施例公开的一种道路交通诱导方法中步骤S128的流程示意图；
图6为本发明另一实施例公开的一种道路交通诱导方法中步骤S124的流程示意图；
图7为本发明一实施例公开的一种道路交通诱导系统的结构示意图；
图8为本发明一实施例公开的一种道路交通诱导设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式。相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。
如图1所示，本发明一实施例公开了一种道路交通诱导方法，该方法包括以下步骤：
S110，获取交通指引牌所在位置与至少一预设目的地之间的实时路面交通数据。上述交通指引牌上设有至少一展示分区，每一上述展示分区展示有上述预设目的地、上述交通指引牌所在位置与上述预设目的地之间的距离以及一动态显示区域。上述动态显示区域用于展示自上述交通指引牌所在位置到达上述预设目的地的预计行驶用时。也即，实现了在交通指引牌上新增时间诱导功能。
参考图2，示例性地，用户所驾驶的车辆为位于第一车辆10后方的车辆。在第一车辆10的右前方，竖立设置有一块交通指引牌30。该交通指引牌30中包含有多个展示分区40。每一个展示分区40展示着关于后面一个目的地的相关信息，比如距离、预计行驶用时等。也即，目的地和展示分区40具有一一对应的关系。
继续参考图2，其示出了两个展示分区40。从第一个展示分区40可以获知：当前位置距离黄山市还有56千米，根据当前实时道路交通状况预估的预计行驶用时为36分钟(展示于第一动态显示区域41中)。从第二个展示分区40可以获知：当前位置距离合肥市还有280千米，根据当前实时道路交通状况预估的预计行驶用时为200分钟(展示于第二动态显示区域42中)。
其中，需要说明的是，交通指引牌30中的动态显示区域展示的内容为动态展示的，根据实际计算结果会发生变化的。其他的展示区域均为静态展示，即展示的内容都是固定不变的。
本申请中，上述实时路面交通数据包括但不限于路面交通视频数据、实时天气数据、车流中车辆的通行行为识别和通行车流特征等。具体实施时，可以利用具有人工智能处理特性的智能芯片与交通视频监控设备集成，基于嵌入式环境下高度优化的深度学习算法解决高速公路大场景和低照度环境下全天候感知高速运动目标和高清晰场景成像问题，为交通行为分类理解获取稳定可靠的车辆行为特征。以及基于深度学习算法提炼车辆的辨识特征和运动特征，并利用这些特征对车辆的通行行为进行分类识别，实现车流感知。
具体而言，可以基于激光雷达和毫米波雷达构建路面交通智能监测系统，基于该系统获取实时路面交通数据。该系统可以包括装置转向模块、监控模块、雷达检测传输装置和供配电模块，上述装置转向模块的输出端与雷达检测传输装置的输入端相连接，上述雷达检测传输装置的输入端与供配电模块的输出端相连接，上述监控模块的输出端与雷达检测传输装置的输入端相连接。其中，雷达检测传输装置的内部包括有信息采集模块、处理器、传感器模块、定位模块、操作模块和通信模块。
信息采集模块内部设置有包括车流量采集单元、路段基本信息采集单元和图像采集单元，信息采集模块也设有激光雷达用于距离测量，能够监测路段车辆运行的流量、堵车等事件，同时也能够对道路上突发的事件进行实时监控，保证了系统的智能运行效果，并增加了检测的范围。处理器能够对收集来的信息进行处理，整理后放置到操作模块内部，使得多种信息能够被分类处理，方便下一步操作。
传感器模块内部设置有多种传感器，保证了检测系统的正常使用，同时多种传感器的设计也能够更大范围的对道路情况进行检测，包括违停、车辆轨迹、车速等进行记录，提高了系统的检测范围和智能效果。定位模块能够对过往车辆进行标记，其内带的编码识别单元和目标体量分级单元能够分别对车辆进行编号，方便识别记录和对不同体量的车辆进行分级记录，保证了过往车辆的正常标记。操作模块能够对上述模块及传感器传输的数据进行处理，可调取或回放等进行多种操作，这种操作在无人监控时是按照预设自动进行的，如果需要人工操作时就利用工作人员自行进行操作即可。通信模块能够将当前道路的实时情况传输至多个不同的移动终端的内部，保证了信息的准确和快速传输。
上述毫米波雷达的型号比如可以为ARS408，具有数字波束形成扫描天线，提供远距和近距两组独立扫描波束。上述毫米波雷达能够同时检测相对速度-400km/h至200km/h的多个静止和移动目标；在不需要反射器的情况下，基于极高变化率的FMCW(调频连续波)进行17次每秒的实时扫描，在同一周期内分别独立测量目标物的距离和多普勒效应速度。此雷达的一个特点是能同时测量两个目标物之间的相对速度和角度关系，覆盖250米距离；还能够识别运动目标类型，如乘用车、行人、客货车、摩托车、自行车或宽大目标；上述毫米波雷达使用脉冲压缩雷达调制方案作为其测量的基本原理。该方法避免了传统的脉冲多普勒和调频连续波(FMCW)方法的缺点。
上述路面交通智能监测系统可以安装在道路上、路口处、高度公路上，弥补了传统固定点线检测数据太过于单一和互联网数据太宏观的问题，实现构建网路的全天候、高精度、全方位和实时交通信息采集系统，能够更好的为交通管理者和出行者提供服务，并且其检测的范围较大，能够更好的保证路段信息检测便捷性。
示例性地，系统将空间作为交通流向通行能力调整的输入，突破了传统路径指引固化的瓶颈，实现了时间和空间的两个交通要素的协同，具有极强的适应能力。在节点层面，系统以流向和车道为基本控制单元，实现时空协同控制。具体实施过程可参考现有技术实现，本实施例不再赘述。本申请对具体实施过程不以此为限。
S120，依据上述路面交通数据，计算得到到达上述交通指引牌上各个预设目的地的预计行驶用时。该步骤可以为既利用路面交通数据进行路网行程时间、路段交通状态的检测和预测，进行路网诱导方案调整；也应用本地检测器的全样本精确数据进行方案优化。具体实施时，可以利用路面交通数据中的车流中车辆的通行行为识别和通行车流特征等数据，以及基于人工智能的计算模型，计算得到上述预计行驶用时。上述通行车流特征可以包括车流量和车流通行速度等数据。本实施例对具体计算过程不再赘述。
以及S130，依据上述预计行驶用时，填充上述动态显示区域并进行展示。也即，在路旁的交通指引牌的动态显示区域动态展示预计行驶用时，该预计行驶用时根据实时交通状况进行动态调整，是不断变化的数据。这样可以使得用户获知更能适应交通状况动态变化的到达目的地的预估行驶时长，方便用户安排自己形成，提升了用户出行体验。并且用户不必查询手机获知相关信息，也利于提高其行驶安全性。
在本申请的另一实施例中，公开了另一种道路交通诱导方法。如图3所示，该方法在上述图1对应实施例的基础上，步骤S120包括：
S121，当检测到路面交通中发生交通事故时，确定对应的交通事故类型。
S122，依据上述交通事故类型和第一预设数据库，获取与上述交通事故类型对应的第一预估处理时长。上述第一预设数据库中存储有不同交通事故类型和第一预估处理时长之间的映射关系。以及
S123，依据上述交通事故的第一预估处理时长和上述路面交通数据，计算得到到达上述交通指引牌上各个预设目的地的预计行驶用时。
具体而言，交通事故类型可以利用交通视频监控设备基于人工智能模型判定得到。上述交通事故类型比如可以为追尾事故或者超车事故等。参考图2，由于第二车辆20违规变道，第一车辆10和第二车辆20发生追尾事故。那么第二车辆20对应的异常行驶行为即为违规变道。
该步骤具体实施时可以将上述第一预估处理时长和上述路面交通数据，一起作为输入参数，输入至基于人工智能的计算模型，计算得到上述预计行驶用时。也可以首先基于路面交通数据，计算得到到达上述交通指引牌上各个预设目的地的预计行驶用时，作为初始时长。然后将上述步骤S122中获得的上述第一预估处理时长和初始时长进行求和或者加权求和，计算得到新的预计行驶用时。这样利于提高预计行驶用时的时效性，使得交通指引牌提供的预计行驶用时更加准确，更加利于提升用户出行体验。
在本申请的另一实施例中，公开了另一种道路交通诱导方法。本实施例中，上述路面交通数据包括交通视频数据。如图4所示，该方法在上述图3对应实施例的基础上，步骤S120还包括：
S124，自上述交通视频数据，获取上述交通事故发生期间一预设时间段对应的视频片段。
S125，获取上述视频片段中的异常行驶行为对应的第一子片段，并提取与上述异常行驶行为对应的标签。
S126，向交通事故处理人员展示上述第一子片段和对应的标签。
S127，获取上述交通事故处理人员提供的事故处理建议信息。以及
S128，依据上述事故处理建议信息，对上述预计行驶用时进行更新。比如，上述事故处理建议信息中可以包含有交通事故处理人员确认后的交通事故类型，本实施例可以根据该确认后的交通事故类型(因为上述交通视频监控设备初步判定的交通事故类型不一定准确)，对上述第一预估处理时长进行更新，进而实现对上述预计行驶用时进行更新。
本实施例中，根据提取的异常行驶行为对应的第一子片段和标签，可以便于交通事故处理人员快速准确地对交通事故进行处理，利于缓解路面交通拥堵状况，节省驾驶人员和用户的等待时间，提升用户出行体验。并且，可以准确地对预计行驶用时进行更新，利于提高预计行驶用时的时效性，使得交通指引牌提供的预计行驶用时更加准确，更加利于提升用户出行体验。示例性地，上述上述异常行驶行为对应的标签可以为违规变道。本申请不以此为限。
在本申请的另一实施例中，公开了另一种道路交通诱导方法。该方法在上述图4对应实施例的基础上，S128包括：
依据上述事故处理建议信息和第二预设数据库，获取与上述事故处理建议信息对应的第二预估处理时长。上述第二预设数据库中存储有不同事故处理建议信息和第二预估处理时长之间的映射关系。以及
将上述第一预估处理时长替换为第二预估处理时长。
然后，本实施例中，步骤S120还包括：依据替换后的第一预估处理时长(即第二预估处理时长的数值)和上述路面交通数据，重新计算预计行驶用时。这样可以更加准确地对预计行驶用时进行更新，利于提高预计行驶用时的时效性，使得交通指引牌提供的预计行驶用时更加准确，更加利于提升用户出行体验。示例性地，上述上述异常行驶行为对应的标签可以为违规变道。本申请不以此为限。
在本申请的另一实施例中，公开了另一种道路交通诱导方法。如图5所示，该方法在上述图4对应实施例的基础上，S128包括：
S1281，提取上述事故处理建议信息对应的目标事故类型标签。
S1282，获取事故双方车辆驾驶员各自对应的历史交通事故数据，并提取每一条上述历史交通事故数据对应的事故类型标签。
S1283，获取包含上述目标事故类型标签的历史交通事故数据，作为目标历史数据。
S1284，自上述目标历史数据，获取上述事故双方车辆驾驶员各自对应的收尾处理时长。上述收尾处理时长自给出事故处理建议信息到事故处理结束的时长。以及
S1285，依据上述收尾处理时长，对上述预计行驶用时进行更新。
具体而言，在交通事故处理人员给出事故处理建议信息之后，具有不同行为偏好的驾驶人员，对事故处理建议信息会有不同的意见。有的人可能马上认可签字，有的人可能不认可，据理力争，在历史事故数据中也具有一样的偏好。该实施例结合事故双方驾驶员的具有相同交通事故类型的历史事故数据，对驾驶员的行为偏好进行分析，得到上述收尾处理时长。该收尾处理时长可以为事故处理建议信息被给出之后到路面恢复正常交通为止的时长。然后可以依据收尾处理时长对上述第一预估处理时长进行更新，进而重新计算得到预计行驶用时。
这样可以更加准确地对预计行驶用时进行更新，利于提高预计行驶用时的时效性，使得交通指引牌提供的预计行驶用时更加准确，更加利于提升用户出行体验。
在本申请的另一实施例中，公开了另一种道路交通诱导方法。如图6所示，该方法在上述图4对应实施例的基础上，S124包括：
S1241，自上述交通视频数据，获取上述交通事故发生时刻之前的视频数据，作为待分析视频流。
S1242，自上述待分析视频流中检测针对事故双方车辆的异常行驶行为的首次发生时刻，作为起始时刻。
S1243，将上述交通事故发生时刻作为结束时刻。以及
S1244，将上述起始时刻和上述结束时刻之间的时间段作为上述预设时间段；从上述交通视频数据中，截取自上述起始时刻至上述结束时刻的视频流，作为上述预设时间段对应的视频片段。
这样可以更加准确获取针对本次交通事故发生现场的视频数据，不必分析和查看全部视频数据，节省了数据传输所需带宽资源的同时，也节省了交通事故处理人员的处理时间，利于缓解路面交通拥堵状况，节省驾驶人员和用户的等待时间，提升用户出行体验。并且，可以准确地对预计行驶用时进行更新，利于提高预计行驶用时的时效性，使得交通指引牌提供的预计行驶用时更加准确，更加利于提升用户出行体验。
在本申请的另一实施例中，公开了另一种道路交通诱导方法。该方法在上述图3对应实施例的基础上，步骤S123包括：
在接收到事故双方车辆驾驶员的针对上述事故处理建议信息对应的确认信息之后，结合上述事故处理建议信息中的交通事故类型，对上述预计行驶用时进行更新。
也即，在事故双方驾驶人员确认处理建议之后，只需要对路面进行清理之后，即可恢复路面交通。那么此时只需要获取历史交通事故数据中针对相同交通事故类型的所需要的路面清理时长，即可确定该次路面清理时长。然后该步骤即可依据该次路面清理时长，对预计行驶用时进行更新。
这样利于提高预计行驶用时的时效性，使得交通指引牌提供的预计行驶用时更加准确，更加利于提升用户出行体验。
在本申请的另一实施例中，公开了另一种道路交通诱导方法。该方法在上述图1对应实施例的基础上，还包括步骤：
当检测到路面交通中发生交通事故时，基于车联网，获取位于发生交通事故的目标车辆后方的自动驾驶车流组。
以及，控制上述自动驾驶车流组中的车辆进行减速，并基于车联网，向上述自动驾驶车流组的后方车辆发送预警信息。
这样可以在前方车辆发生交通事故后，避免后方车辆由于视野盲区等原因，也连续发生交通事故，及时提醒后方车辆司机，利于保证后方车辆的行驶安全性。
具体实施时，该实施例可以基于上述自动驾驶车流组的车窗玻璃中的天线，控制每相邻两个车辆建立通信连接，以构建车联网。这样利于保证车流组通信的时效性，从而利于保证后方车辆的行驶安全性。
需要说明的是，本申请中公开的上述所有实施例可以进行自由组合，组合后得到的技术方案也在本申请的保护范围之内。
在本申请的另一实施例中，公开了一种交通指引牌。可参考图2中的交通指引牌30，该实施例中，上述交通指引牌上设有至少一展示分区。每一上述展示分区展示有上述预设目的地、上述交通指引牌所在位置与上述预设目的地之间的距离以及一动态显示区域。上述动态显示区域用于展示自上述交通指引牌所在位置到达上述预设目的地的预计行驶用时。上述预计行驶用时依据上述任一实施例公开的道路交通诱导方法计算得到。
本实施例的交通指引牌采用全天候雨夜标线和数字式高清晰诱导标志牌等高速公路交安设施新工艺，在标志箱体内置LED混光定向光源板，透过具备高透光率的反光膜显示文字图案信息，可以提高夜间环境下视觉再认距离，有效提升路段内夜间行车安全指数。
并且，本实施例的交通指引牌采用面板显示主动发光标志，大幅提升标志的可视距离及恶劣环境下的可辨识度，增加驾驶员决策时间，提高道路交通安全。同步布设了道路断面气象监测站，能见度、路面水膜与冰雪状态实时感知，自动多级调光，利于保证路面车辆的行驶安全性。
如图7所示，本发明一实施例还公开了一种道路交通诱导系统7，该系统包括：
实时交通数据获取模块71，获取交通指引牌所在位置与至少一预设目的地之间的实时路面交通数据。上述交通指引牌上设有至少一展示分区，每一上述展示分区展示有上述预设目的地、上述交通指引牌所在位置与上述预设目的地之间的距离以及一动态显示区域。
预计行驶用时计算模块72，依据上述路面交通数据，计算得到到达上述交通指引牌上各个预设目的地的预计行驶用时。以及
指引牌时间更新模块73，依据上述预计行驶用时，填充上述动态显示区域并进行展示。
可以理解的是，本发明的道路交通诱导系统还包括其他支持道路交通诱导系统运行的现有功能模块。图7显示的道路交通诱导系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
本实施例中的道路交通诱导系统用于实现上述的道路交通诱导的方法，因此对于道路交通诱导系统的具体实施步骤可以参照上述对道路交通诱导的方法的描述，此处不再赘述。
本发明一实施例还公开了一种道路交通诱导设备，包括处理器和存储器，其中存储器存储有上述处理器的可执行程序；处理器配置为经由执行可执行程序来执行上述道路交通诱导方法中的步骤。图8是本发明公开的道路交通诱导设备的结构示意图。下面参照图8来描述根据本发明的这种实施方式的电子设备600。图8显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述道路交通诱导方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明还公开了一种计算机可读存储介质，用于存储程序，所述程序被执行时实现上述道路交通诱导方法中的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述道路交通诱导方法中描述的根据本发明各种示例性实施方式的步骤。
如上所示，该实施例的计算机可读存储介质的程序在执行时，通过对道路交通状况进行实时分析，预测得到到达后面多个目的地的的预计行驶时长，并动态地展示于道路旁的交通指示牌上，更能适应交通状况动态变化，使得用户不需要查看手机导航软件，即可获知在当前交通环境下到达后面目的地的预计用时；利于提高行驶安全性的同时，便于用户安排自己的行程，优化了出行体验。
本发明一实施例公开了一种计算机可读存储介质。该存储介质是实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例提供的道路交通诱导方法、系统、设备及交通指引牌通过对道路交通状况进行实时分析，预测得到到达后面多个目的地的的预计行驶时长，并动态地展示于道路旁的交通指示牌上，更能适应交通状况动态变化，使得用户不需要查看手机导航软件，即可获知在当前交通环境下到达后面目的地的预计用时；利于提高行驶安全性的同时，便于用户安排自己的行程，优化了出行体验。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (8)
1.一种道路交通诱导方法，其特征在于，包括以下步骤：
S110，获取交通指引牌所在位置与至少一预设目的地之间的实时路面交通数据；所述交通指引牌上设有至少一展示分区，每一所述展示分区展示有所述预设目的地、所述交通指引牌所在位置与所述预设目的地之间的距离以及一动态显示区域；
S120，依据所述路面交通数据，计算得到到达所述交通指引牌上各个预设目的地的预计行驶用时；以及
S130，依据所述预计行驶用时，填充所述动态显示区域并进行展示；
步骤S120包括：
当检测到路面交通中发生交通事故时，确定对应的交通事故类型；
依据所述交通事故类型和第一预设数据库，获取与所述交通事故类型对应的第一预估处理时长；所述第一预设数据库中存储有不同交通事故类型和第一预估处理时长之间的映射关系；以及
依据所述交通事故的第一预估处理时长和所述路面交通数据，计算得到到达所述交通指引牌上各个预设目的地的预计行驶用时；
所述路面交通数据包括交通视频数据；步骤S120包括：
自所述交通视频数据，获取所述交通事故发生期间一预设时间段对应的视频片段；
获取所述视频片段中的异常行驶行为对应的第一子片段，并提取与所述异常行驶行为对应的标签；
向交通事故处理人员展示所述第一子片段和对应的标签；
获取所述交通事故处理人员提供的事故处理建议信息；以及
依据所述事故处理建议信息，对所述预计行驶用时进行更新；
所述依据所述事故处理建议信息，对所述预计行驶用时进行更新，包括：
依据所述事故处理建议信息和第二预设数据库，获取与所述事故处理建议信息对应的第二预估处理时长；所述第二预设数据库中存储有不同事故处理建议信息和第二预估处理时长之间的映射关系；以及
将所述第一预估处理时长替换为第二预估处理时长；
所述依据所述事故处理建议信息，对所述预计行驶用时进行更新，包括：
提取所述事故处理建议信息对应的目标事故类型标签；
获取事故双方车辆驾驶员各自对应的历史交通事故数据，并提取每一条所述历史交通事故数据对应的事故类型标签；
获取包含所述目标事故类型标签的历史交通事故数据，作为目标历史数据；
自所述目标历史数据，获取所述事故双方车辆驾驶员各自对应的收尾处理时长；所述收尾处理时长自给出事故处理建议信息到事故处理结束的时长；以及
依据所述收尾处理时长，对所述预计行驶用时进行更新。
2.如权利要求1所述的道路交通诱导方法，其特征在于，所述自所述交通视频数据，获取所述交通事故发生期间一预设时间段对应的视频片段，包括：
自所述交通视频数据，获取所述交通事故发生时刻之前的视频数据，作为待分析视频流；
自所述待分析视频流中检测针对事故双方车辆的异常行驶行为的首次发生时刻，作为起始时刻；
将所述交通事故发生时刻作为结束时刻；以及
将所述起始时刻和所述结束时刻之间的时间段作为所述预设时间段；从所述交通视频数据中，截取自所述起始时刻至所述结束时刻的视频流，作为所述预设时间段对应的视频片段。
3.如权利要求1所述的道路交通诱导方法，其特征在于，步骤S120包括：
在接收到事故双方车辆驾驶员的针对所述事故处理建议信息对应的确认信息之后，结合所述事故处理建议信息中的交通事故类型，对所述预计行驶用时进行更新。
4.如权利要求1所述的道路交通诱导方法，其特征在于，所述方法还包括步骤：
当检测到路面交通中发生交通事故时，基于车联网，获取位于发生交通事故的目标车辆后方的自动驾驶车流组；
控制所述自动驾驶车流组中的车辆进行减速，并基于车联网，向所述自动驾驶车流组的后方车辆发送预警信息。
5.如权利要求4所述的道路交通诱导方法，其特征在于，所述基于车联网，获取位于发生交通事故的目标车辆后方的自动驾驶车流组，包括：
基于所述自动驾驶车流组的车窗玻璃中的天线，控制每相邻两个车辆建立通信连接，以构建车联网。
6.一种交通指引牌，其特征在于，所述交通指引牌上设有至少一展示分区，每一所述展示分区展示有所述预设目的地、所述交通指引牌所在位置与所述预设目的地之间的距离以及一动态显示区域；所述动态显示区域用于展示自所述交通指引牌所在位置到达所述预设目的地的预计行驶用时；所述预计行驶用时依据如权利要求1所述的道路交通诱导方法获得。
7.一种道路交通诱导系统，用于实现如权利要求1所述的道路交通诱导方法，其特征在于，所述系统包括：
实时交通数据获取模块，获取交通指引牌所在位置与至少一预设目的地之间的实时路面交通数据；所述交通指引牌上设有至少一展示分区，每一所述展示分区展示有所述预设目的地、所述交通指引牌所在位置与所述预设目的地之间的距离以及一动态显示区域；
预计行驶用时计算模块，依据所述路面交通数据，计算得到到达所述交通指引牌上各个预设目的地的预计行驶用时；以及
指引牌时间更新模块，依据所述预计行驶用时，填充所述动态显示区域并进行展示。
8.一种道路交通诱导设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行程序；
其中，所述处理器配置为经由执行所述可执行程序来执行权利要求1至5中任意一项所述道路交通诱导方法的步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2022109933530 | 2022-08-18 | ||
| CN202210993353 | 2022-08-18 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115394099A CN115394099A (zh) | 2022-11-25 |
| CN115394099B true CN115394099B (zh) | 2024-02-02 |
Family
ID=84122936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211044677.6A Active CN115394099B (zh) | 2022-08-18 | 2022-08-30 | 道路交通诱导方法、系统、设备及交通指引牌 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115394099B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105574321A (zh) * | 2014-10-31 | 2016-05-11 | 福特全球技术公司 | 用于动态目的地到达时间的更新的方法和设备 |
| CN106128089A (zh) * | 2016-07-01 | 2016-11-16 | 合肥未来计算机技术开发有限公司 | 一种基于行车记录仪的交通事故快速处理方法 |
| CN106781511A (zh) * | 2017-03-22 | 2017-05-31 | 北京工业大学 | 一种基于gps数据和交通事故类型的拥堵时间预测方法 |
| CN108492556A (zh) * | 2018-03-26 | 2018-09-04 | 京东方科技集团股份有限公司 | 一种交通事故规避信息的发布方法及云服务器 |
| CN109242739A (zh) * | 2018-06-28 | 2019-01-18 | 平安科技（深圳）有限公司 | 交通事故处理方法、系统及服务器 |
| CN110095133A (zh) * | 2019-04-30 | 2019-08-06 | 广州小鹏汽车科技有限公司 | 路况提醒方法、装置、车辆、计算机设备及其存储介质 |
| CN114241772A (zh) * | 2021-12-24 | 2022-03-25 | 安徽达尔智能控制系统股份有限公司 | 一种基于异常事件实时监测的区域路网联动控制方法、系统 |
| CN114898549A (zh) * | 2022-03-07 | 2022-08-12 | 上海市城市建设设计研究总院（集团）有限公司 | 公路行程时间的信息显示系统、方法以及信息牌 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10024684B2 (en) * | 2014-12-02 | 2018-07-17 | Operr Technologies, Inc. | Method and system for avoidance of accidents |
-
2022
- 2022-08-30 CN CN202211044677.6A patent/CN115394099B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105574321A (zh) * | 2014-10-31 | 2016-05-11 | 福特全球技术公司 | 用于动态目的地到达时间的更新的方法和设备 |
| CN106128089A (zh) * | 2016-07-01 | 2016-11-16 | 合肥未来计算机技术开发有限公司 | 一种基于行车记录仪的交通事故快速处理方法 |
| CN106781511A (zh) * | 2017-03-22 | 2017-05-31 | 北京工业大学 | 一种基于gps数据和交通事故类型的拥堵时间预测方法 |
| CN108492556A (zh) * | 2018-03-26 | 2018-09-04 | 京东方科技集团股份有限公司 | 一种交通事故规避信息的发布方法及云服务器 |
| CN109242739A (zh) * | 2018-06-28 | 2019-01-18 | 平安科技（深圳）有限公司 | 交通事故处理方法、系统及服务器 |
| CN110095133A (zh) * | 2019-04-30 | 2019-08-06 | 广州小鹏汽车科技有限公司 | 路况提醒方法、装置、车辆、计算机设备及其存储介质 |
| CN114241772A (zh) * | 2021-12-24 | 2022-03-25 | 安徽达尔智能控制系统股份有限公司 | 一种基于异常事件实时监测的区域路网联动控制方法、系统 |
| CN114898549A (zh) * | 2022-03-07 | 2022-08-12 | 上海市城市建设设计研究总院（集团）有限公司 | 公路行程时间的信息显示系统、方法以及信息牌 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115394099A (zh) | 2022-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108417087B (zh) | 一种车辆安全通行系统及方法 | |
| US11009364B2 (en) | Vehicular communications network and methods of use and manufacture thereof | |
| US11967230B2 (en) | System and method for using V2X and sensor data | |
| US11681294B2 (en) | Method and system for prediction of roadwork zone | |
| EP3016086B1 (en) | Negative image for sign placement detection | |
| CN109641589B (zh) | 用于自主车辆的路线规划 | |
| US11788846B2 (en) | Mapping and determining scenarios for geographic regions | |
| US20240071074A1 (en) | Ar service platform for providing augmented reality service | |
| CN114385661A (zh) | 一种基于v2x技术的高精地图更新的系统 | |
| CN105144261A (zh) | 行驶环境评价系统、行驶环境评价方法、驾驶支援装置以及行驶环境的显示装置 | |
| US9204261B2 (en) | Vehicular control apparatus | |
| CN113167906A (zh) | 自动车辆的伪对象检测 | |
| KR20230012953A (ko) | 운전 가능 표면 주석 달기를 위한 머신 러닝 기반 프레임워크 | |
| US20220148417A1 (en) | Roadside service unit, traffic prompt device, traffic prompt system and method | |
| CN111094095A (zh) | 自动地接收行驶信号 | |
| US7286930B2 (en) | Ghost following | |
| CN112396856A (zh) | 一种路况信息获取方法、交通标识牌及智能网联交通系统 | |
| US20230417559A1 (en) | Method, apparatus, and system for detecting road obstruction intensity for routing or mapping | |
| JP2023024857A (ja) | 路車間連携情報処理方法、装置、システム、電子機器、記憶媒体およびコンピュータプログラム | |
| US20220351613A1 (en) | Navigation system with traffic state detection mechanism and method of operation thereof | |
| CN115394099B (zh) | 道路交通诱导方法、系统、设备及交通指引牌 | |
| US20230126172A1 (en) | Method of outputting prompt information, device, medium, and vehicle | |
| KR20230082520A (ko) | 운전가능한 도로 세그먼트들의 자동 주석 달기 | |
| US12002357B2 (en) | Data consumable for intelligent transport system | |
| US11783706B2 (en) | Dynamic lane adjustment for multipurpose roadway zones |
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 |