CN115688421A - 基于ai语义动态孪生公共交通监管方法、装置及系统 - Google Patents
基于ai语义动态孪生公共交通监管方法、装置及系统 Download PDFInfo
- Publication number
- CN115688421A CN115688421A CN202211339693.8A CN202211339693A CN115688421A CN 115688421 A CN115688421 A CN 115688421A CN 202211339693 A CN202211339693 A CN 202211339693A CN 115688421 A CN115688421 A CN 115688421A
- Authority
- CN
- China
- Prior art keywords
- real
- vehicle
- semantic
- information
- digital twin
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于AI语义动态孪生公共交通监管方法、装置及系统，包括基于真实城市道路和真实车辆，搭建数字孪生城市模型和数字孪生车辆模型；获取所述数字孪生城市模型对应的真实道路中的语义标签信息；将语义标签信息的对应的位置对应到数字孪生城市模型；接收真实车辆终端在行驶过程中发来的实时语义信息对比语义标签信息库，确定数字孪生车辆模型对应的真实车辆的位置信息；更新对应的数字孪生车辆模型在数字孪生城市模型中的位置。通过识别文字标签上的文字，形成语义信息，使得信息传送量少，不占用系统资源；通过搭建的数字孪生城市模型和数字孪生车辆模型进行同步展示，使得公共交通的监管稳定性和效率提升，解决公共交通的监管问题。
Description
技术领域
本发明属于数字孪生交通监管技术领域，具体涉及基于AI语义动态孪生公共交通监管方法、装置及系统。
背景技术
数字孪生是充分利用物理模型、物联网、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相应的实体系统的过程。而随着社会经济的不断发展，公共交通已成为人们出行不可缺少的交通工具，但随着公共交通的数量不断增加，对公共交通的精准调度更加得重要，然而，要做到精准调度离不开监管效率的提升。现有的道路监控网由多个分布在不同地点的道路监控拼接成“井”字，覆盖到整个区域甚至整个城市，以进行车辆的追踪和定位。但由于道路监控视频的数据量大，从监控视频固定的拍摄角度去分析所得到的交通信息有限，仅依靠监控图像数据无法有效完成视频目标对象时空行为分析、区域状态监测等诸多复杂的监控任务。
在城市的建设与管理过程中，道路监控系统在治安防控中发挥着重要的作用，城市的道路监控点主要分布在车流、人流比较集中的道路交叉口、重点路段，通过图像/视频传输通道将路面交通情况上传到道路监控指挥中心，中心值班人员可以据此及时了解各区域路面状况，以便调整各路口车辆流量，确保交通通畅。或针对监控路面车辆的违章情况，能及时发现并安排处理道路交通事故等，为交通、治安等各类案件的侦破提供技术支持。以及使用现有定位系统对车辆进行实时定位；但是，定位系统经常发生数据丢失的情况，而且占用系统资源严重，造成监管效率不高。
发明内容
本发明的目的是提供基于AI语义动态孪生公共交通监管方法、装置及系统，用以解决现有技术中公共交通的监管问题。
为了实现上述目的，本发明采用以下技术方案：
一种基于AI语义动态孪生公共交通监管方法，包括以下步骤：
基于真实城市道路和真实车辆，搭建数字孪生城市模型和数字孪生车辆模型；
获取所述数字孪生城市模型对应的真实道路中的语义标签信息，形成语义标签信息库；
将语义标签信息的对应的位置对应到数字孪生城市模型；
接收真实车辆在行驶过程中真实车辆上的车辆终端发来的实时语义信息；所述实时语义信息是真实车辆终端对真实道路上设置的文字标签进行识别得到的；
根据所述实时语义信息对比语义标签信息库，确定数字孪生车辆模型对应的真实车辆的位置信息；
根据位置信息，更新对应的数字孪生车辆模型在数字孪生城市模型中的位置。
根据上述技术，通过建立语义标签信息库，语义标签信息库中的语义标签信息是代表了设置在真实道路中文字标签，每个标签都有对应的位置，由此，当识别到对应的标签时，可以将其对应到相应的地理位置；通过识别文字标签上的文字，形成语义信息，使得信息传送量少，不占用系统资源；而且目前车辆都具有视觉摄像头，不需要对现有车辆终端系统进行大量的改动，以此，通过搭建的数字孪生城市模型和数字孪生车辆模型进行同步展示，使得公共交通的监管稳定性和效率提升，解决公共交通的监管问题。
在一种可能的设计中，所述方法还包括：根据最近两次接收的实时语义信息的时间间隔以及两次实时语义信息对应的位置信息之间的距离，计算车辆的行驶速度，并根据行驶速度模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。通过对语义信息的时间间隔以及两次实时语义信息对应的位置信息之间的距离，计算车辆的行驶速度，实现语义信息的车速预判，通过预判速度模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态，以此，实现对车辆的可视化监管。
在一种可能的设计中，所述方法还包括：接收车辆终端发来的通过车速传感器获取的实时车速信息，然后根据实时车速信息模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。通过获取车辆的实时车速信息，根据实时车速信息模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态，结合车辆的位置信息，进行数字孪生城市模型中行进状态模拟。
在一种可能的设计中，所述方法还包括：
建立指定车辆对应的固定路线的语义标签顺序表；
根据时间顺序对接收的指定真实车辆上的车辆终端终端传来的实时语义信息进行排序，当接收的实时语义信息的顺序与对应车辆固定路线的语义标签顺序表中的顺序不一致时，则进行提醒。通过位置信息监管车辆是否处于预定路线上。
第二方面，本发明提供了基于AI语义动态孪生公共交通监管装置，包括
建模模块，用于基于真实城市道路和真实车辆，搭建数字孪生城市模型和数字孪生车辆模型；
数据获取模块，用于获取所述数字孪生城市模型对应的真实道路中的多个语义标签信息，并将语义标签信息传给数据存储模块；
数据存储模块，用于接收所述数据获取模块传来的语义标签信息，然后将所述语义标签信息进行存储并形成语义标签信息库；
实时数据接收模块，用于接收真实车辆终端在行驶过程中发来的实时语义信息，并将实时语义信息传给车辆位置确认模块；所述实时语义信息是真实车辆终端对真实道路上设置的文字标签进行识别得到的；
车辆位置确认模块，用于根据所述实时语义信息对比语义标签信息库，确定数字孪生车辆模型对应的真实车辆的位置信息，并将位置信息传给可视化模块；和
可视化模块，用于根据所述位置信息，更新对应的数字孪生车辆模型在数字孪生城市模型中的位置。
在一种可能的设计中，还包括速度计算模块，用于根据最近两次接收的实时语义信息的时间间隔以及两次实时语义信息对应的位置信息之间的距离，计算车辆的行驶速度；
所述可视化模块还用于并根据行驶速度模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。
在一种可能的设计中，所述实时数据接收模块还用于接收车辆终端发来的通过车速传感器获取的实时车速信息，然后根据实时车速信息模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。
在一种可能的设计中，还包括路线识别模块，用于建立指定车辆对应的固定路线的语义标签顺序表，根据时间顺序对接收的指定车辆终端传来的实时语义信息进行排序，当接收的实时语义信息的顺序与对应车辆固定路线的语义标签顺序表中的顺序不一致时，则进行提醒。
第三面，本发明提供了基于AI语义动态孪生公共交通监管系统，包括车辆终端和如第一方面以及第一方面中任意一项可能的设计中所述的基于AI语义动态孪生公共交通监管装置，所述车辆终端包括视觉单元、语义识别单元、处理器和无线通信单元，所述视觉单元用于实时拍摄真实道路画面，所述真实道路上设置有文字标签，所述语义识别单元用识别视觉单元拍摄画面中真实道路的文字标签，获得语义标签信息；并通过无线通信单元传给所述基于AI语义动态孪生公共交通监管装置。
在一种可能的设计中，所述车辆终端还包括车速传感器，用于获取车辆行驶的实时车速，通过无线通信单元传给所述基于AI语义动态孪生公共交通监管装置。
有益效果：通过建立语义标签信息库，语义标签信息库中的语义标签信息是代表了设置在真实道路中文字标签，每个标签都有对应的位置，由此，当识别到对应的标签时，可以将其对应到相应的地理位置；通过识别文字标签上的文字，形成语义信息，使得信息传送量少，不占用系统资源；而且目前车辆都具有视觉摄像头，不需要对现有车辆终端系统进行大量的改动，以此，通过搭建的数字孪生城市模型和数字孪生车辆模型进行同步展示，使得公共交通的监管稳定性和效率提升，解决公共交通的监管问题；
通过对语义信息的时间间隔以及两次实时语义信息对应的位置信息之间的距离，计算车辆的行驶速度，实现语义信息的车速预判，通过预判速度模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态，以此，实现对车辆的可视化监管；
通过获取车辆的实时车速信息，根据实时车速信息模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态，结合车辆的位置信息，进行数字孪生城市模型中行进状态模拟。
附图说明
图1为实施例第一方面提供了基于AI语义动态孪生公共交通监管方法的流程示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅是本发明的一些实施例，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。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
实施例：
如图1所示，本实施例第一方面提供了基于AI语义动态孪生公共交通监管方法，包括以下步骤：
基于真实城市道路和真实车辆，搭建数字孪生城市模型和数字孪生车辆模型；
获取所述数字孪生城市模型对应的真实道路中的语义标签信息，形成语义标签信息库；
将语义标签信息的对应的位置对应到数字孪生城市模型；
接收真实车辆终端在行驶过程中发来的实时语义信息；所述实时语义信息是真实车辆终端对真实道路上设置的文字标签进行识别得到的；
根据所述实时语义信息对比语义标签信息库，确定数字孪生车辆模型对应的真实车辆的位置信息；
根据位置信息，更新对应的数字孪生车辆模型在数字孪生城市模型中的位置。
具体示例的，真实道路中的语义标签信息可以是车辆在行驶的道路中识别到可以区分道路的文字标签信息，这些文字标签信息可以是道路名称，或者是识别到的道路上的商家名称，或者是为道路上设定的专用文字标签信息，通过文字标签对文字进行语义识别，文字识别具有精准、速度快、计算量小且占用计算资源小的特点，由此，可以提高监管效果，具体实施时，可以将上述方法结合现有定位系统使用，而且降低定位系统的刷新率，以降低资源消耗，通过两者结合，对数字孪生城市模型和数字孪生车辆模型的实时显示进行实时更新，当定位系统信号丢失后可以由语义信息进行识别定位，实现监管精度提升的效果。
在一种可能的实施方式中，所述方法还包括：根据最近两次接收的实时语义信息的时间间隔以及两次实时语义信息对应的位置信息之间的距离，计算车辆的行驶速度，并根据行驶速度模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。
具体示例的，比如最近两次接收的实时语义信息的时间间隔为t，两次实时语义信息对应的位置信息之间的距离为h，则行驶速度为h/t，两次实时语义信息对应的位置信息之间的距离h根据语义标签信息对应的位置对应到数字孪生城市模型中，由数字孪生城市模型获取。
在一种可能的实施方式中，所述方法还包括：接收车辆终端发来的通过车速传感器获取的实时车速信息，然后根据实时车速信息模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。
在一种可能的实施方式中，所述方法还包括：
建立指定车辆对应的固定路线的语义标签顺序表；
根据时间顺序对接收的指定车辆终端传来的实时语义信息进行排序，当接收的实时语义信息的顺序与对应车辆固定路线的语义标签顺序表中的顺序不一致时，则进行提醒。
本实施例第二方面提供了基于AI语义动态孪生公共交通监管装置，包括
建模模块，用于基于真实城市道路和真实车辆，搭建数字孪生城市模型和数字孪生车辆模型；
数据获取模块，用于获取所述数字孪生城市模型对应的真实道路中的多个语义标签信息，并将语义标签信息传给数据存储模块；
数据存储模块，用于接收所述数据获取模块传来的语义标签信息，然后将所述语义标签信息进行存储并形成语义标签信息库；
实时数据接收模块，用于接收真实车辆终端在行驶过程中发来的实时语义信息，并将实时语义信息传给车辆位置确认模块；所述实时语义信息是真实车辆终端对真实道路上设置的文字标签进行识别得到的；
车辆位置确认模块，用于根据所述实时语义信息对比语义标签信息库，确定数字孪生车辆模型对应的真实车辆的位置信息，并将位置信息传给可视化模块；和
可视化模块，用于根据所述位置信息，更新对应的数字孪生车辆模型在数字孪生城市模型中的位置。
在一种可能的实施方式中，还包括速度计算模块，用于根据最近两次接收的实时语义信息的时间间隔以及两次实时语义信息对应的位置信息之间的距离，计算车辆的行驶速度；
所述可视化模块还用于并根据行驶速度模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。
在一种可能的实施方式中，所述实时数据接收模块还用于接收车辆终端发来的通过车速传感器获取的实时车速信息，然后根据实时车速信息模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。
在一种可能的实施方式中，还包括路线识别模块，用于建立指定车辆对应的固定路线的语义标签顺序表，根据时间顺序对接收的指定车辆终端传来的实时语义信息进行排序，当接收的实时语义信息的顺序与对应车辆固定路线的语义标签顺序表中的顺序不一致时，则进行提醒。
本实施例第三方面提供了基于AI语义动态孪生公共交通监管系统，包括车辆终端和如本实施例第二方面以及第二方面中任意一种可能的实施方式中所述的基于AI语义动态孪生公共交通监管装置，所述车辆终端包括视觉单元、语义识别单元、处理器和无线通信单元，所述视觉单元用于实时拍摄真实道路画面，所述真实道路上设置有文字标签，所述语义识别单元用识别视觉单元拍摄画面中真实道路的文字标签，获得语义标签信息；并通过无线通信单元传给所述基于AI语义动态孪生公共交通监管装置。
在一种可能的实施方式中，所述车辆终端还包括车速传感器，用于获取车辆行驶的实时车速，通过无线通信单元传给所述基于AI语义动态孪生公共交通监管装置。
本实施例第四方面提供了一种电子设备，所述设备包括依次相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意一项可能的设计中所述的基于AI语义动态孪生公共交通监管方法。具体举例的，所述存储器可以但不限于包括随机存取存储器(Random-Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output，FIFO)和/或先进后出存储器(First Input Last Output，FILO)等等；所述处理器可以不限于采用型号为X86、Internet系列的处理器的或其他微处理器；所述收发器可以但不限于为有线收发、无线保真(Wireless Fidelity，WiFi)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service，GPRS)无线收发器和/或紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议，ZigBee)无线收发器等。此外，所述设备还可以但不限于包括有电源模块和其它必要的部件。
在第五方面，本发明提供了一种存储介质，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意一项可能的设计中所述的基于AI语义动态孪生公共交通监管方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络，或者其他可编程装置。
本实施例第五方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果，可以参见如上第一方面或第一方面中任意一种可能设计所述的交互方法，于此不再赘述。
本实施例第六方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如在第一方面或第一方面中任意一种可能实施的方式中所述的基于AI语义动态孪生公共交通监管方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络，或者其他可编程装置。
以上所描述的实施例仅仅是示意性的，若涉及到作为分离部件说明的单元，其可以是或者也可以不是物理上分开的；若涉及到作为单元显示的部件，其可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于AI语义动态孪生公共交通监管方法，其特征在于，包括以下步骤：
基于真实城市道路和真实车辆，搭建数字孪生城市模型和数字孪生车辆模型；
获取所述数字孪生城市模型对应的真实道路中的语义标签信息，形成语义标签信息库；
将语义标签信息对应的位置对应到数字孪生城市模型；
接收真实车辆在行驶过程真实车辆上的车辆终端中发来的实时语义信息；所述实时语义信息是真实车辆终端对真实道路上设置的文字标签进行识别得到的；
使用所述实时语义信息对比语义标签信息库，确定数字孪生车辆模型对应的真实车辆的位置信息；
根据位置信息，更新对应的数字孪生车辆模型在数字孪生城市模型中的位置。
2.根据权利要求1所述的基于AI语义动态孪生公共交通监管方法，其特征在于，所述方法还包括：根据最近两次接收的实时语义信息的时间间隔以及两次实时语义信息对应的位置信息之间的距离，计算车辆的行驶速度，并根据行驶速度模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。
3.根据权利要求1所述的基于AI语义动态孪生公共交通监管方法，其特征在于，所述方法还包括：接收车辆终端发来的通过车速传感器获取的实时车速信息，然后根据实时车速信息模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。
4.根据权利要求1所述的基于AI语义动态孪生公共交通监管方法，其特征在于，所述方法还包括：
建立指定车辆对应的固定路线的语义标签顺序表；
根据时间顺序对接收的指定车辆上的车辆终端传来的实时语义信息进行排序，当接收的实时语义信息的顺序与对应车辆固定路线的语义标签顺序表中的顺序不一致时，则进行提醒。
5.基于AI语义动态孪生公共交通监管装置，其特征在于，包括
建模模块，用于基于真实城市道路和真实车辆，搭建数字孪生城市模型和数字孪生车辆模型；
数据获取模块，用于获取所述数字孪生城市模型对应的真实道路中的多个语义标签信息，并将语义标签信息传给数据存储模块；
数据存储模块，用于接收所述数据获取模块传来的语义标签信息，然后将所述语义标签信息进行存储并形成语义标签信息库；
实时数据接收模块，用于接收真实车辆终端在行驶过程中发来的实时语义信息，并将实时语义信息传给车辆位置确认模块；所述实时语义信息是真实车辆终端对真实道路上设置的文字标签进行识别得到的；
车辆位置确认模块，用于根据所述实时语义信息对比语义标签信息库，确定数字孪生车辆模型对应的真实车辆的位置信息，并将位置信息传给可视化模块；和
可视化模块，用于根据所述位置信息，更新对应的数字孪生车辆模型在数字孪生城市模型中的位置。
6.根据权利要求5所述的基于AI语义动态孪生公共交通监管装置，其特征在于，还包括速度计算模块，用于根据最近两次接收的实时语义信息的时间间隔以及两次实时语义信息对应的位置信息之间的距离，计算车辆的行驶速度；
所述可视化模块还用于并根据行驶速度模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。
7.根据权利要求5所述的基于AI语义动态孪生公共交通监管装置，其特征在于，所述实时数据接收模块还用于接收车辆终端发来的通过车速传感器获取的实时车速信息，然后根据实时车速信息模拟对应的数字孪生车辆模型在数字孪生城市模型中预定路线上的行进状态。
8.根据权利要求5所述的基于AI语义动态孪生公共交通监管装置，其特征在于，还包括路线识别模块，用于建立指定车辆对应的固定路线的语义标签顺序表，根据时间顺序对接收的指定车辆终端传来的实时语义信息进行排序，当接收的实时语义信息的顺序与对应车辆固定路线的语义标签顺序表中的顺序不一致时，则进行提醒。
9.基于AI语义动态孪生公共交通监管系统，其特征在于，包括车辆终端和权利要求5～8中任意一项所述的基于AI语义动态孪生公共交通监管装置，所述车辆终端包括视觉单元、语义识别单元、处理器和无线通信单元，所述视觉单元用于实时拍摄真实道路画面，所述真实道路上设置有文字标签，所述语义识别单元用识别视觉单元拍摄画面中真实道路的文字标签，获得语义标签信息；并通过无线通信单元传给所述基于AI语义动态孪生公共交通监管装置。
10.根据权利要求9所述的基于AI语义动态孪生公共交通监管系统，其特征在于，所述车辆终端还包括车速传感器，用于获取车辆行驶的实时车速，通过无线通信单元传给所述基于AI语义动态孪生公共交通监管装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211339693.8A CN115688421A (zh) | 2022-10-28 | 2022-10-28 | 基于ai语义动态孪生公共交通监管方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211339693.8A CN115688421A (zh) | 2022-10-28 | 2022-10-28 | 基于ai语义动态孪生公共交通监管方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115688421A true CN115688421A (zh) | 2023-02-03 |
Family
ID=85045668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211339693.8A Pending CN115688421A (zh) | 2022-10-28 | 2022-10-28 | 基于ai语义动态孪生公共交通监管方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115688421A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117593702A (zh) * | 2024-01-18 | 2024-02-23 | 深圳市光明顶技术有限公司 | 远程监控方法、装置、设备及存储介质 |
-
2022
- 2022-10-28 CN CN202211339693.8A patent/CN115688421A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117593702A (zh) * | 2024-01-18 | 2024-02-23 | 深圳市光明顶技术有限公司 | 远程监控方法、装置、设备及存储介质 |
| CN117593702B (zh) * | 2024-01-18 | 2024-04-09 | 深圳市光明顶技术有限公司 | 远程监控方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11475677B2 (en) | Method, apparatus, and system for generating synthetic image data for machine learning | |
| CN110146097B (zh) | 自动驾驶导航地图的生成方法、系统、车载终端及服务器 | |
| CN109804367B (zh) | 使用边缘计算的分布式视频存储和搜索 | |
| US11367346B2 (en) | Digitizing and mapping the public space using collaborative networks of mobile agents and cloud nodes | |
| US8725395B2 (en) | System for constructing a spanning forest in a vehicular network | |
| Koukoumidis et al. | Leveraging smartphone cameras for collaborative road advisories | |
| CN110880236B (zh) | 路况信息处理方法、装置及系统 | |
| CN111652940A (zh) | 目标异常识别方法、装置、电子设备及存储介质 | |
| US10515293B2 (en) | Method, apparatus, and system for providing skip areas for machine learning | |
| CN103136950A (zh) | 提供综合路况信息的方法 | |
| CN105387854A (zh) | 采用内容分发机制的导航系统及其操作的方法 | |
| CN113899355A (zh) | 地图更新方法、装置、云端服务器和共享骑行设备 | |
| Iwan et al. | Utilization of mobile applications for the improvement of traffic management systems | |
| CN115688421A (zh) | 基于ai语义动态孪生公共交通监管方法、装置及系统 | |
| CN112885112A (zh) | 车辆行驶检测的方法、车辆行驶预警的方法和装置 | |
| Ciocan et al. | Analysis of vehicular storage and dissemination services based on floating content | |
| CN103294673A (zh) | 一种公共交通工具实时运营数据的采集与发布方法 | |
| WO2024114414A1 (zh) | 一种v2x事件的推送方法及装置 | |
| Kheder et al. | Real-time traffic monitoring system using IoT-aided robotics and deep learning techniques | |
| CN112601178A (zh) | 边缘网关定位方法、装置、电子设备及存储介质 | |
| CN113781786B (zh) | 一种不可通行区域确认方法、装置、设备及可读存储介质 | |
| CN215117778U (zh) | 一种二维可视化交通监控系统 | |
| CN114582149A (zh) | 交通信息推送方法、电子设备和存储介质 | |
| CN116264034A (zh) | 一种危险路段识别方法、装置、边缘侧平台和路侧设备 | |
| CN115808178A (zh) | 导航地图的更新方法、装置及自动驾驶系统 |
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 |