CN116434539A - 基于数字孪生的极端雨水天气下高速公路车速预警方法 - Google Patents
基于数字孪生的极端雨水天气下高速公路车速预警方法 Download PDFInfo
- Publication number
- CN116434539A CN116434539A CN202310172681.9A CN202310172681A CN116434539A CN 116434539 A CN116434539 A CN 116434539A CN 202310172681 A CN202310172681 A CN 202310172681A CN 116434539 A CN116434539 A CN 116434539A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- model
- speed
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000001514 detection method Methods 0.000 claims abstract description 81
- 230000003993 interaction Effects 0.000 claims abstract description 22
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 60
- 238000004088 simulation Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 230000018109 developmental process Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000002329 infrared spectrum Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000005514 two-phase flow Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本申请公开了基于数字孪生的极端雨水天气下高速公路车速预警方法，包括如下步骤：S1、基于车载式三维激光路面检测系统的道路状态检测；S2、基于微波检测技术的雨水参数的实时测量与传输；S3、建立基于多源数据融合的数字化信息模型；S4、建立数字化信息模型与仿真软件的数据交互；S5、基于多源数据融合的附着系数模型仿真分析；S6、不同工况组合下的最大安全行驶车速仿真推演；S7、基于数字孪生的车速实时预警。本申请基于数字孪生为极端雨水天气下高速公路行驶车辆建立车速预警系统，对行驶车辆进行速度限值的实时预警。
Description
技术领域
本发明涉及道路工程技术领域，具体涉及基于数字孪生的极端雨水天气下高速公路车速预警方法。
背景技术
随着社会经济发展，我国高速公路网建设迅速，道路交通量不断增大，但高速公路上的行车安全性问题也逐渐浮现出来。尤其在在极端雨水天气下，道路表面产生水膜，此时路面表面的摩擦系数大为降低，进而使轮胎容易出现水漂打滑现象，行驶安全性较低。在这种情况下，车辆打滑的概率、制动距离等安全因素与行驶速度密切相关。
当前极端天气下高速公路车辆行驶限速缺乏有效的预警方法，缺少理论研究支持且不具有实时性，完全依赖经验与人工判断。故本发明提出一种基于数字孪生的极端雨水天气下高速公路车速预警方法与系统，通过构建融合多源数据的数字化信息模型，研究基于数字孪生的车速实时预警机制与方法，实现高速公路极端雨水天气下车辆在不同工况组合下对汽车速度的准确实时预警，弥补了高速公路限速值理论性和实时性不足的缺陷。此方法对于降雨环境下行车安全的改善具有非常重要的意义，为高速公路数字化、智能化管理转型提供重要基础。
发明内容
解决的技术问题：本发明针对现有高速公路限速值理论性和实时性不足等问题，提出了基于数字孪生的极端雨水天气下高速公路车速预警方法，通过采集路面信息与雨水数据，传输、集成、存储到数字孪生模型，并利用仿真软件与数字孪生耦合分析降雨环境下高速公路行驶车辆的最大安全速度，为实现极端雨水天气下高速公路车速实时预警提供了一种方法。
技术方案：
基于数字孪生的极端雨水天气下高速公路车速预警方法，包括以下步骤：
S1、基于车载式三维激光路面检测系统的道路状态检测；
S2、基于微波检测技术的雨水参数的实时测量与传输；
S3、建立基于多源数据融合的数字化信息模型；
S4、建立数字化信息模型与仿真软件的数据交互；
S5、基于多源数据融合的附着系数模型仿真分析；
S6、不同工况组合下的最大安全行驶车速仿真推演；
S7、基于数字孪生的车速实时预警，通过构建融合道路纹理参数、实时雨水参数及车辆参数的数字化信息模型，研究基于数字孪生的车速实时预警机制与方法，实现高速公路极端雨水天气下车辆在不同路面类型、不同车型、不同湿度状态、不同荷载、不同线形的工况组合下的汽车速度的准确实时预警。
作为本发明的一种优选技术方案：所述S1中，所述基于车载式三维激光路面检测系统的道路状态检测方法具体如下：在检测车尾部支架平台布设激光发射器和CCD高频数字相机，用于获取路面三维空间坐标信息；在车轮后轮轴布设距离传感器，与车轮保持同步转动，确保平台行驶与距离采样一致，通过记录车载平台轮胎转角换算距离来表征三维激光扇面的推进距离；在车顶安装精确GPS定位系统，记录载体运动过程中的位置信息，得到道路线形数据和坐标信息；在检测梁上布设三轴加速度计，获取道路高程信息。
作为本发明的一种优选技术方案：所述步骤S2中，基于微波检测技术的实时雨水参数测量与传输方法如下：安装移动式道路气象信息传感器、微波发射器、照片接收器、温度计在行驶车辆上，并通过USB通信线将传感器与车载计算机连接；启动计算机，并确保传感器与计算机连接成功，以便实时获取红外谱图像；开始测量之前，先进行校正，合理设置传感器的采集参数，之后即可开始采集水膜厚度h、路面温度T及路表摩擦力f；高速公路路侧安装若干感应式数字水位传感器，传感器安装完毕后，通过电缆直接连接到遥测终端机，将传感器测量的数据显示、存贮、转发，通过个人计算机提取路段积水分布数据，将雨水参数按统一标准格式要求写入数据库的相应库表；水膜厚度按照式(1)进行计算：
h＝0.1258·l0.6715·i-0.3147·q0.7786·MTD0.7261 (1)
式中，h为水膜厚度，l为坡面长度，i为坡度，q为降雨强度，MTD为路面构造深度。
作为本发明的一种优选技术方案：所述步骤S3中建立基于多源数据融合的数字化信息模型，提出下述方法流程：①使用基于空间上下文特征基础框架进行道路语义分割网络构建：采用经典的Encoder-Decoder结构，由全连接层、编码器和解码器三部分组成；首先通过全连通层将输入数据特征维度进行升维；然后使用5层编码器随机下采样降低特征点数量；接着，通过5层解码器进行特征映射连接；最后利用3个连续的全连接层对语义标签进行预测，将特征维度变为类别数量，得到点云分割结果；②道路几何信息提取：首先使用体素采样法和半径滤波法对数据进行预处理，然后使用可变半径AlphaShapes算法提取点云完整轮廓，得到道路边线，最后在上述基础上，确定道路平纵横信息；③采用Matlab进行道路结构纹理分析并建立路段纹理数据库：首先采用局部线性加权平滑方法对点云数据进行平滑处理，然后采用式(2)-式(4)计算分段路面的MTD(路面构造深度)值，最后建立路段纹理数据库供后期建模调用；④采用Dynamo for Revit进行道路模型参数化设计，构建基于多源数据特征的道路数字化信息模型：(1)道路路线生成：首先基于提取的道路几何信息，建立逐桩三维坐标数据库；然后利用Dynamo for Revit读取道路坐标信息生成道路路线；(2)道路自适应族构件设置：首先在新建的自适应样板中根据路线方向绘制构件方向并在起点、中点、终点创建自适应模型点；然后新建另一个自适应样板，选择参照平面并绘制道路横断面轮廓，在轮廓的原点上创建新的模型点，并使之自适应；其次，将轮廓的原点放置于路线中点并载入；最后创建道路自适应族构件实体模型并关联对应材质，供在道路建模时调用；(3)道路数字化模型建立：首先根据道路路线数据等距离插值，生成一系列离散的坐标点；然后，根据阈值剔除偏移较大的插值点；其次，根据道路线形对插值点进行分配；(4)采用Dynamo for Revit在每组插值点之间设置设计的自适应族样板形成道路实体模型，并完善道路信息，通过数据交互将材质、纹理、雨水参数传输、储存至数字化信息模型，形成基于多源数据融合的道路数字化信息模型；
式中，r为检测断面序号，范围为1-p；krii-1为单元区域内第r个检测断面内第i个峰值点到第i-1个峰值点之间激光点云个数；n为单元区域内第r个检测断面上峰值点个数；l为单元格横断面方向长度；m为行车方向上的长度；Nr为单元区域内第r个检测断面内激光点总数；Sr为检测单元内第r个检测断面的近似等效铺砂断面面积；p为检测单元内检测断面个数；xri为检测单元内第r个检测断面上第i个峰值点的x坐标值；xrii-1j为检测单元内第r个检测断面内第i个峰值点到第i-1个峰值点之间的第j个点云对应的x坐标，j＝(1，2，......，krii-1)；f(xri)为检测单元内第r个检测断面上第i个峰值点的高程点云数值；f(xri-1)为检测单元内第r个检测断面上第i-1个峰值点的高程点云数值；f(xrii-1j)为检测单元内第r个检测断面上第i个峰值点到第i-1个峰值点之间的第j个点云的高程点云数值；MTD为该区域的平均路面构造深度值。
作为本发明的一种优选技术方案：所述步骤S4中采用Python对Revit进行二次开发，建立数字化信息模型与仿真软件的数据交互，实现的功能包括但不限于：(1)将水膜厚度，路表温度，路面三维空间坐标信息，材质，路面构造深度，车辙，道路中心线高程，道路线形，车辆类型，轮胎类型，轮胎花纹深度信息导入到有限元仿真软件建立的附着系数模型及动力学仿真软件建立的行车安全评价模型；(2)将有限元仿真软件分析得到的附着系数及动力学仿真软件分析得到的建议最大安全车速导回数字化信息模型，实现数字化信息模型与仿真软件的数据交互。
作为本发明的一种优选技术方案：所述步骤S5中，基于数据交互，在有限元仿真软件FLUENT中读取数字孪生模型导出的雨水参数，即水膜厚度h、路面温度T及路表摩擦力f，建立三维有限元轮胎滑水仿真模型；基于水膜厚度h将路面湿度状态分为干燥、潮湿、积水三类路面状态，当水膜厚度为0mm时，路面定义为干燥状态，当水膜厚度大于0mm且小于1mm时，路面定义为潮湿状态，当水膜厚度大于1mm时，路面定义为积水状态；对三类路面湿度状态进行附着系数模型仿真推演，边界条件设置为模型前端为空气和水流的速度入口，模型后部和顶部设置为压力出口，模型下部为路面被定义为可移动墙体边界，模型的两个侧面设置为绝对光滑的静止墙体边界，整个模型设置呈对称分布；模拟时设置轮胎固定不动，一侧轮胎台面设置水流入口，让空气和水流以相对于轮胎胎面的运动速度入口流入到轮胎与路面之间的界面处，转动Wall-Ground界面，从而模拟不同的行车速度工况，对轮胎模型进行迭代计算直至收敛，最后得到附着系数计算模型；
针对干燥路面状态，按照式(5)进行路面附着系数计算，针对潮湿、积水路面状态，按照式(6)进行路面附着系数计算；
μ'＝1.0213-0.0053v-0.0158h (6)
式中，μ为部分滑水条件下的路面附着系数，Pc为汽车轮缸压力，Kc为制动力矩系数，J为车轮的转动惯量，α为车轮角速度，N为地面反作用力，r为车轮半径，μ'为部分滑水条件下的路面附着系数，v为汽车行驶速度，h为水膜厚度。
作为本发明的一种优选技术方案：所述步骤S6中，在动力学仿真软件CarSim中建立极端雨水天气下的行车安全评价模型，得到不同车型在不同工况组合下的最大安全行驶车速；基于ETC门架实时采集车辆参数，包括但不限于：C＝{C1,C2,C3,C4,C5,C6,C7,C8}，其中C1为车辆类型、C2为轮胎类型、C3为车长、C4为车宽、C5为车高、C6为轮距、C7为轴距、C8为轮胎花纹深度；根据车辆轴数、载客数以及载质量将车型分为小客车、大客车、小货车、中型货车、大货车五种车型；车辆参数集合C导入数字化信息模型，通过数据交互在CarSim中读取车辆参数集合C，建立整车模型；将Revit道路数字化信息模型导入CarSim仿真模型，建立与道路数字孪生模型参数相同的三维道路模型；将路面根据车胎宽度和水漂安全划分为225mm×2m的单元网格，根据附着系数计算模型计算道路各网格单元的附着系数，再将附着系数导入CarSim仿真模型中；最后，根据不同路面类型、不同车型、不同湿度状态、不同荷载、不同线形的工况组合，对高速公路直道制动和弯道侧偏仿真分析，得到不同工况组合下的临界安全车速；针对高速公路直线段，采用按照式(7)计算的危险制动区长度S对行驶车辆安全性进行评估，取S＝0时的车辆行驶速度作为高速公路直线段建议最大安全车速；
S＝-899.545+1.576I+4.303v (7)
式中，S为危险制动区长度，I为降雨强度，v为车辆行驶速度；
针对高速公路曲线段，采用按照式(8)计算的临界侧偏时间T对行驶车辆安全性进行评估，
取T＝5s时的车辆行驶速度作为高速公路曲线段建议最大安全车速；
T＝25.644+0.103I-0.097v (8)
式中，T为临界侧偏时间，I为降雨强度，v为车辆行驶速度。
作为本发明的一种优选技术方案：所述步骤S7中，在高速公路路侧布设安全车速预警显示屏，显示参数为建议最大安全车速V，实现基于数字孪生的高速公路行驶车辆在不同工况组合下的车速实时预警；通过构建融合道路纹理参数、实时雨水参数及车辆参数的数字化信息模型，研究基于数字孪生的车速实时预警机制与方法，通过仿真软件与数字化信息模型的实时数据交互，对高速公路行驶车辆在不同路面类型、不同车型、不同湿度状态、不同荷载、不同线形的工况组合下的车速实时预警，并实时传输到安全车速预警显示屏，实现基于数字孪生的极端雨水天气下高速公路行驶车速的实时预警。
有益效果：
与现有技术相比，本申请具有以下优势：
(1)本发明以道路数字化信息模型和仿真模型为基础，提出了一种基于数字孪生的极端雨水天气下高速公路车速预警方法。与目前依赖人工和经验判断的道路车速预警方法相比，可以通过构建融合多源数据的数字化信息模型，准确获取道路路面状态信息，并根据雨水监测传感器实时动态调整模型，形成数字孪生的模型体系，研究基于数字孪生的车速实时预警机制与方法，针对不同路面类型、不同车型、不同湿度状态、不同荷载、不同线形的行驶车辆实现准确实时预警；
(2)目前极端天气下高速公路车辆行驶限速理论性和实时性不足，缺乏有效的实时预警方法。本发明基于微波检测技术，实现雨水参数实时采集，结合数字化信息模型及仿真软件，对行驶车辆的最大安全车速仿真计算，实现极端雨水天气下高速公路行驶车速的实时预警，为极端雨水天气下高速公路的安全行车提供保障。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例的附图作简单地介绍，显而易见地，下面描述中的附图仅仅涉及本发明的一些实施例，而非对本发明的限制。
图1为本申请提供的基于数字孪生的极端雨水天气下高速公路车速预警方法的技术流程图；
图2为本申请实施例中车载式三维激光路面检测系统示意图；
图3为本申请实施例中不同工况组合下的安全行车模型仿真分析的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例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的一部分实施例，而不是全部的实施例。
除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
实施例1
如图1-3所示，本发明提出一种基于数字孪生的极端雨水天气下高速公路车速预警方法，该方法以数字孪生为核心，通过道路信息提取、雨水参数传输、车辆参数传输，可分析不同工况组合下的最大安全行驶车速，对降雨条件下高速公路行驶车辆安全行车提供建议，具体包括以下步骤：
S1、基于车载式三维激光路面检测系统的道路状态检测；
如图2所示，采用车载式三维激光路面检测系统检测方法具体如下：在检测车尾部支架平台布设激光发射器和CCD高频数字相机，用于获取路面三维空间坐标信息；在车轮后轮轴布设距离传感器，与车轮保持同步转动，确保平台行驶与距离采样一致，通过记录车载平台轮胎转角换算距离来表征三维激光扇面的推进距离；在车顶安装精确GPS定位系统，记录载体运动过程中的位置信息，得到道路线形数据和坐标信息；在检测梁上布设三轴加速度计，获取道路高程信息；
S2、采用微波检测技术进行雨水参数的采集，并实时传输到数字化信息模型；
首先安装移动式道路气象信息传感器、微波发射器、照片接收器、温度计在行驶车辆上，并通过USB通信线将传感器与车载计算机连接；启动计算机，并确保传感器与计算机连接成功，以便实时获取红外谱图像；开始测量之前，先进行校正，合理设置传感器的采集参数，之后即可开始采集水膜厚度h、路面温度T及路表摩擦力f；在高速公路路侧安装若干感应式数字水位传感器，传感器安装完毕后，通过电缆直接连接到遥测终端机，将传感器测量的数据显示、存贮、转发，通过个人计算机提取路段积水分布数据，将雨水参数按统一标准格式要求写入数据库的相应库表。在本实施例中，水膜厚度按照式(1)进行计算：
h＝0.1258·l0.6715·i-0.3147·q0.7786·MTD0.7261 (1)
式中，h为水膜厚度，l为坡面长度，i为坡度，q为降雨强度，MTD为路面构造深度。
S3、基于多源数据融合的数字化信息模型建立；
数字化信息模型建立包括如下步骤：
(1)道路语义分割网络构建：使用基于空间上下文特征基础框架进行道路语义分割网络构建；采用经典的Encoder-Decoder结构，由全连接层、编码器和解码器三部分组成；首先通过全连通层将输入数据特征维度进行升维；然后使用5层编码器随机下采样降低特征点数量。接着，通过5层解码器进行特征映射连接；最后利用3个连续的全连接层对语义标签进行预测将特征维度变为类别数量，得到点云分割结果；每个编码器部分包含随机下采样和空间上下文特征模块，利用RS方法降低特征数量，该过程数据点数量N降至N/512，特征维度从8上升为512；解码器部分中，使用KNN算法搜寻最近的邻点，采用最近邻插值对点云特征集合进行上采样；通过跳跃连接将上采样结果与编码层生成的中间特征进行级联，输入共享多层感知机层，还原数据点数量和特征维度，有效地融合采样前后的特征信息；(2)道路几何信息提取：首先使用体素采样法降低数据量，具体步骤为：①轴向包围盒建立；②提速栅格划分；③将每个体素中所有点的重心作为采样值；同时，对于设备误差及遮挡出现的孤立空间点，使用半径滤波法进行去除；其次，采用可变半径的AlphaShapes算法提取道路边线：将三维点云降维为二维点云，在对投影后的二维离散点构建规则网格后，利用滚动圆原理提取窗口内点集的边界点，迭代检测直到所有边界网格遍历完成，获取点云完整轮廓；最后，在上述基础上完成道路平面信息、纵断面信息、横断面信息提取；平面信息提取具体步骤为：①根据坐标轴方向确定道路垂直与前进方向；②沿前进方向将道路边线均匀分段，并匹配两条边线对应的路段；③依次计算两边对应线段中点并利用最小二乘法拟合得到道路中心线；纵断面信息提取具体步骤为：①获取道路中心线连续两点的相对高差和水平距离；②采用式(2)计算即得道路纵坡坡度ij；横断面提取具体步骤为：①根据两条边线计算道路宽度；②沿道路前进方向等间距切取道路切片；③利用道路切片进行横坡计算；
式中，Hj为第j点的高程，Hj+1为第j+1点的高程，Xj为第j点的横坐标，Xj+1为第j+1点的横坐标，Yj为第j点的纵坐标，Yj+1为第j+1点的纵坐标。
(3)基于Matlab的路面纹理分析：首先采用局部线性加权平滑方法对点云数据进行平滑处理，然后采用式(3)-式(5)计算分段路面的MTD(路面构造深度)值，最后建立路段纹理数据库供后期建模调用。
式中，r为检测断面序号，范围为1-p；krii-1为单元区域内第r个检测断面内第i个峰值点到第i-1个峰值点之间激光点云个数；n为单元区域内第r个检测断面上峰值点个数；l为单元格横断面方向长度；m为行车方向上的长度；Nr为单元区域内第r个检测断面内激光点总数；Sr为检测单元内第r个检测断面的近似等效铺砂断面面积；p为检测单元内检测断面个数；xri为检测单元内第r个检测断面上第i个峰值点的x坐标值；xrii-1j为检测单元内第r个检测断面内第i个峰值点到第i-1个峰值点之间的第j个点云对应的x坐标，j＝(1，2，......，krii-1)；f(xri)为检测单元内第r个检测断面上第i个峰值点的高程点云数值；f(xri-1)为检测单元内第r个检测断面上第i-1个峰值点的高程点云数值；f(xrii-1j)为检测单元内第r个检测断面上第i个峰值点到第i-1个峰值点之间的第j个点云的高程点云数值；MTD为该区域的平均路面构造深度值。
(4)道路三维建模：利用Dynamo forRevit进行道路模型参数化设计，构建基于多源数据特征的数字化道路三维模型。步骤如下：①道路路线生成：首先基于提取的道路几何信息，建立逐桩三维坐标数据库；然后利用Dynamo forRevit读取道路坐标信息生成道路路线；②道路自适应族构件设置：首先在新建的自适应样板中根据路线方向绘制构件方向并在起点、中点、终点创建自适应模型点；然后新建另一个自适应样板，选择参照平面并绘制道路横断面轮廓，在轮廓的原点上创建新的模型点，并使之自适应；其次，将轮廓的原点放置于路线中点并载入；最后创建道路自适应族构件实体模型并关联对应材质，供在道路建模时调用；③道路数字化模型建立：首先根据道路路线数据等距离插值，生成一系列离散的坐标点；然后，根据阈值剔除偏移较大的插值点；其次，根据道路线形对插值点进行分配：若道路线形为直线，则两个为一组，将其分别作为自适应构件的起点和终点；若道路线形为圆曲线，则将起点、中点和终点全部转化为自适应点，并调整横断面轮廓来满足加宽和超高；若道路线形为缓和曲线，则在道路内侧、终点合外侧起终点设置附加的自适应点，从而使自适应族构件满足加宽和超高；最后，采用Dynamo for Revit在每组插值点之间设置设计的自适应族样板形成道路实体模型，并完善道路信息，通过数据交互将材质、纹理、雨水参数传输、储存至数字化信息模型，形成基于多源数据融合的道路数字化信息模型；
S4、建立数字化信息模型与仿真软件的数据同步交互；
在本实施例中，基于Python和Dynamo for Revit进行二次开发，建立数字化信息模型与仿真软件的数据交互，实现的功能包括但不限于：(1)将水膜厚度，路表温度，路面三维空间坐标信息，材质，路面构造深度，车辙，道路中心线高程，道路线形，车辆类型，轮胎类型，轮胎花纹深度信息导入到有限元仿真软件建立的附着系数模型及动力学仿真软件建立的行车安全评价模型；(2)将有限元仿真软件分析得到的附着系数及动力学仿真软件分析得到的建议最大安全车速导回数字化信息模型，实现数字化信息模型与仿真软件的数据交互；
S5、利用有限元仿真软件FLUENT建立三维有限元轮胎滑水仿真模型，得到附着系数计算模型，通过数据交互导回数字化信息模型；
在本实施例中，轮胎模型采用有纵横向排水沟槽的子午线轮胎模型，采用尺寸为225/60R18，并依据垂直应力及轮胎接地尺寸的特性，确定模型计算范围x、z边界尺寸为80×100cm，y方向深度尺寸为5cm，轮胎模型位于计算范围中心位置，呈对称分布，该轮胎模型的三种花纹深度分别为7mm、4mm、1mm以代表新胎、中度磨损的轮胎和严重磨损的轮胎，模型中对轮胎施加的荷载为3430N，轮胎气压为250kPa，竖向变形为18mm。
基于数据交互，在FLUENT中读取数字化信息模型导出的雨水参数，即水膜厚度h、路面温度T及路表摩擦力f，建立三维有限元轮胎滑水仿真模型。在本实施例中，基于S2的水膜厚度将路面湿度状态分为干燥、潮湿、积水三类路面状态，当水膜厚度为0mm时，路面为干燥状态，当水膜厚度大于0mm且小于1mm时，路面为潮湿状态，当水膜厚度大于1mm时，路面为积水状态。建立流体模型，流体模型前端设置了空气和水流的速度入口，二者边界的高度随模型中水膜厚度的变化而改变，模型后部和顶部设置为压力出口，以便将两相流动的压力及时排除，模型的下部作为路面被定义为可移动墙体边界，其移动速度的大小和方向与水和空气相同，为避免对整体流动造成影响，将模型的两个侧面设置为绝对光滑的静止墙体边界，整个模型设置呈对称分布。求解器选择非耦合隐式算法，通过设置VOF模型中几何重构的方法定义目标水流体积与模型网格体积的比值以实现对水流界面的追踪，对流体流相、速度、紊流类型参数进行模型初始化设置。在模拟中，将路面横向按照轮胎最小宽度划分为225mm的单元，纵向根据积水路面水漂行驶安全长度的一半，划分为2m长的单元，设置轮胎固定不动，一侧轮胎台面设置水流入口，让空气和水流以相对于轮胎胎面的运动速度入口流入到轮胎与路面之间的界面处，转动Wall-Ground界面，从而模拟不同的行车速度工况，最后对轮胎模型进行迭代计算直至收敛，得到三类路面湿度状态的附着系数计算模型。针对干燥路面状态，按照式(6)进行路面附着系数计算，针对潮湿、积水路面状态，按照式(7)进行路面附着系数计算。
μ'＝1.0213-0.0053v-0.0158h (7)
式中，μ为部分滑水条件下的路面附着系数，Pc为汽车轮缸压力，Kc为制动力矩系数，J为车轮的转动惯量，α为车轮角速度，N为地面反作用力，r为车轮半径，μ'为部分滑水条件下的路面附着系数，v为汽车行驶速度，h为水膜厚度。
S6、在动力学仿真软件CarSim中建立极端雨水天气下的行车安全评价模型，得到不同车型在不同工况组合下的最大安全行驶车速；
在本实施例中，首先基于安装在高速公路主线上的ETC门架实时采集车辆参数，根据车辆轴数、载客数以及载质量将车型分为小客车、大客车、小货车、中型货车、大货车五种车型，车辆参数包括但不限于：C＝{C1,C2,C3,C4,C5,C6,C7}，其中C1为参数车辆类型、C2为轮胎类型、C3为车长、C4为车宽、C5为车高、C6为轮距、C7为轴距。车辆参数集合C导入数字化信息模型，通过数据交互在CarSim中读取车辆参数集合C，建立整车模型。在“DriverControl”模块中完成驾驶员操纵性设置，包括但不限于车速、车辆转向、换道、换挡。其次将Revit道路数字化信息模型导入动力学仿真软件CarSim外部环境设置模块的“3DRoad”子模块，建立与道路数字化信息模型参数相同的三维道路模型。将路面根据车胎宽度和水漂安全划分为225mm×2m的单元网格，根据附着系数计算模型计算道路各网格单元的附着系数，再将附着系数通过“3DRoad”的附着系数模块“Frictionmap”模块导入CarSim仿真模型中。最后，根据不同路面类型、不同车型、不同湿度状态、不同荷载、不同线形的工况组合，对高速公路直道制动和弯道侧偏进行仿真分析，得到不同工况组合下的临界安全车速。
在本实施例中，高速公路直线段以车辆满载时的危险制动区长度对行驶车辆安全性进行评估，危险制动区长度S采用式(8)计算，本实施例中，S阈值为0，取S＝0时的车辆行驶速度作为高速公路直线段建议最大安全车速。
S＝-899.545+1.576I+4.303v (8)
式中，S为危险制动区长度，I为降雨强度，v为车辆行驶速度。
高速公路曲线段以车辆满载时的临界侧偏时间对行驶车辆安全性进行评估，临界侧偏时间T采用式(9)计算，本实施例中，T阈值为5s，取T＝5s时的车辆行驶速度作为高速公路曲线段建议最大安全车速。
T＝25.644+0.103I-0.097v (9)
式中，T为临界侧偏时间，I为降雨强度，v为车辆行驶速度。
S7、在高速公路路侧布设安全车速预警显示屏，显示参数为建议最大安全车速V，实现基于数字孪生的高速公路行驶车辆在不同工况组合下的车速实时预警；
通过构建融合道路纹理参数、实时雨水参数及车辆参数的数字化信息模型，研究基于数字孪生的车速实时预警机制与方法，通过仿真软件与数字化信息模型的实时数据交互，对高速公路行驶车辆在不同路面类型、不同车型、不同湿度状态、不同荷载、不同线形的工况组合下的车速实时预警，并实时传输到安全车速预警显示屏，实现基于数字孪生的极端雨水天气下高速公路行驶车速的实时预警。
本发明所述实例仅仅是对本发明的优选实施方式进行描述，并非对本发明构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域工程技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的保护范围。
Claims (8)
1.基于数字孪生的极端雨水天气下高速公路车速预警方法，其特征在于，包括以下步骤：
S1、基于车载式三维激光路面检测系统的道路状态检测；
S2、基于微波检测技术的雨水参数的实时测量与传输；
S3、建立基于多源数据融合的数字化信息模型；
S4、建立数字化信息模型与仿真软件的数据交互；
S5、基于多源数据融合的附着系数模型仿真分析；
S6、不同工况组合下的最大安全行驶车速仿真推演；
S7、基于数字孪生的车速实时预警，通过构建融合道路纹理参数、实时雨水参数及车辆参数的数字化信息模型，研究基于数字孪生的车速实时预警机制与方法，实现高速公路极端雨水天气下车辆在不同路面类型、不同车型、不同湿度状态、不同荷载、不同线形的工况组合下的汽车速度的准确实时预警。
2.根据权利要求1所述的基于数字孪生的极端雨水天气下高速公路车速预警方法，其特征在于，所述S1中，所述基于车载式三维激光路面检测系统的道路状态检测方法具体如下：在检测车尾部支架平台布设激光发射器和CCD高频数字相机，用于获取路面三维空间坐标信息；在车轮后轮轴布设距离传感器，与车轮保持同步转动，确保平台行驶与距离采样一致，通过记录车载平台轮胎转角换算距离来表征三维激光扇面的推进距离；在车顶安装精确GPS定位系统，记录载体运动过程中的位置信息，得到道路线形数据和坐标信息；在检测梁上布设三轴加速度计，获取道路高程信息。
3.根据权利要求1所述的基于数字孪生的极端雨水天气下高速公路车速预警方法，其特征在于，所述步骤S2中，基于微波检测技术的雨水参数的实时测量与传输方法如下：安装移动式道路气象信息传感器、微波发射器、照片接收器、温度计在行驶车辆上，并通过USB通信线将传感器与车载计算机连接；启动计算机，并确保传感器与计算机连接成功，以便实时获取红外谱图像；开始测量之前，先进行校正，合理设置传感器的采集参数，之后即可开始采集水膜厚度h、路面温度T及路表摩擦力f；高速公路路侧安装若干感应式数字水位传感器，传感器安装完毕后，通过电缆直接连接到遥测终端机，将传感器测量的数据显示、存贮、转发，通过个人计算机提取路段积水分布数据，将获取的雨水参数按统一标准格式要求写入数据库的相应库表；水膜厚度按照式(1)进行计算：
h＝0.1258·l0.6715·i-0.3147·q0.7786·MTD0.7261 (1)
式中，h为水膜厚度，l为坡面长度，i为坡度，q为降雨强度，MTD为路面构造深度。
4.根据权利要求1所述的基于数字孪生的极端雨水天气下高速公路车速预警方法，其特征在于，所述步骤S3中建立基于多源数据融合的数字化信息模型，提出下述方法流程：①使用基于空间上下文特征基础框架进行道路语义分割网络构建：采用经典的Encoder-Decoder结构，由全连接层、编码器和解码器三部分组成；首先通过全连通层将输入数据特征维度进行升维；然后使用5层编码器随机下采样降低特征点数量；接着，通过5层解码器进行特征映射连接；最后利用3个连续的全连接层对语义标签进行预测，将特征维度变为类别数量，得到点云分割结果；②道路几何信息提取：首先使用体素采样法和半径滤波法对数据进行预处理，然后使用可变半径Alpha Shapes算法提取点云完整轮廓，得到道路边线，最后在上述基础上，确定道路平纵横信息；③采用Matlab进行道路结构纹理分析并建立路段纹理数据库：首先采用局部线性加权平滑方法对点云数据进行平滑处理，然后采用式(2)-式(4)计算分段路面的MTD(路面构造深度)值，最后建立路段纹理数据库供后期建模调用；④采用Dynamo for Revit进行道路模型参数化设计，构建基于多源数据特征的道路数字化信息模型：(1)道路路线生成：首先基于提取的道路几何信息，建立逐桩三维坐标数据库；然后利用Dynamo for Revit读取道路坐标信息生成道路路线；(2)道路自适应族构件设置：首先在新建的自适应样板中根据路线方向绘制构件方向并在起点、中点、终点创建自适应模型点；然后新建另一个自适应样板，选择参照平面并绘制道路横断面轮廓，在轮廓的原点上创建新的模型点，并使之自适应；其次，将轮廓的原点放置于路线中点并载入；最后创建道路自适应族构件实体模型并关联对应材质，供在道路建模时调用；(3)道路数字化模型建立：首先根据道路路线数据等距离插值，生成一系列离散的坐标点；然后，根据阈值剔除偏移较大的插值点；其次，根据道路线形对插值点进行分配；(4)采用Dynamo for Revit在每组插值点之间设置设计的自适应族样板形成道路实体模型，并完善道路信息，通过数据交互将材质、纹理、雨水参数传输、储存至数字化信息模型，形成基于多源数据融合的道路数字化信息模型；
式中，r为检测断面序号，范围为1-p；krii-1为单元区域内第r个检测断面内第i个峰值点到第i-1个峰值点之间激光点云个数；n为单元区域内第r个检测断面上峰值点个数；l为单元格横断面方向长度；m为行车方向上的长度；Nr为单元区域内第r个检测断面内激光点总数；Sr为检测单元内第r个检测断面的近似等效铺砂断面面积；p为检测单元内检测断面个数；xri为检测单元内第r个检测断面上第i个峰值点的x坐标值；xrii-1j为检测单元内第r个检测断面内第i个峰值点到第i-1个峰值点之间的第j个点云对应的x坐标，j＝(1，2，......，krii-1)；f(xri)为检测单元内第r个检测断面上第i个峰值点的高程点云数值；f(xri-1)为检测单元内第r个检测断面上第i-1个峰值点的高程点云数值；f(xrii-1j)为检测单元内第r个检测断面上第i个峰值点到第i-1个峰值点之间的第j个点云的高程点云数值；MTD为该区域的平均路面构造深度值。
5.根据权利要求1所述的基于数字孪生的极端雨水天气下高速公路车速预警方法，其特征在于，所述步骤S4中采用Python对Revit进行二次开发，建立数字化信息模型与仿真软件的数据交互，实现的功能包括但不限于：(1)将水膜厚度，路表温度，路面三维空间坐标信息，材质，路面构造深度，车辙，道路中心线高程，道路线形，车辆类型，轮胎类型，轮胎花纹深度信息导入到有限元仿真软件建立的附着系数模型及动力学仿真软件建立的行车安全评价模型；(2)将有限元仿真软件分析得到的附着系数及动力学仿真软件分析得到的建议最大安全车速导回数字化信息模型，实现数字化信息模型与仿真软件的数据交互。
6.根据权利要求1所述的基于数字孪生的极端雨水天气下高速公路车速预警方法，其特征在于，所述步骤S5中，基于数据交互，在有限元仿真软件FLUENT中读取数字孪生模型导出的雨水参数，即水膜厚度h、路面温度T及路表摩擦力f，建立三维有限元轮胎滑水仿真模型；基于水膜厚度h将路面湿度状态分为干燥、潮湿、积水三类路面状态，当水膜厚度为0mm时，路面定义为干燥状态，当水膜厚度大于0mm且小于1mm时，路面定义为潮湿状态，当水膜厚度大于1mm时，路面定义为积水状态；对三类路面湿度状态进行附着系数模型仿真推演，边界条件设置为模型前端为空气和水流的速度入口，模型后部和顶部设置为压力出口，模型下部为路面被定义为可移动墙体边界，模型的两个侧面设置为绝对光滑的静止墙体边界，整个模型设置呈对称分布；模拟时设置轮胎固定不动，一侧轮胎台面设置水流入口，让空气和水流以相对于轮胎胎面的运动速度入口流入到轮胎与路面之间的界面处，转动Wall-Ground界面，从而模拟不同的行车速度工况，对轮胎模型进行迭代计算直至收敛，最后得到附着系数计算模型；
针对干燥路面状态，按照式(5)进行路面附着系数计算，针对潮湿、积水路面状态，按照式(6)进行路面附着系数计算；
μ'＝1.0213-0.0053v-0.0158h (6)
式中，μ为部分滑水条件下的路面附着系数，Pc为汽车轮缸压力，Kc为制动力矩系数，J为车轮的转动惯量，α为车轮角速度，N为地面反作用力，r为车轮半径，μ'为部分滑水条件下的路面附着系数，v为汽车行驶速度，h为水膜厚度。
7.根据权利要求1所述的基于数字孪生的极端雨水天气下高速公路车速预警方法，其特征在于，所述步骤S6中，在动力学仿真软件CarSim中建立极端雨水天气下的行车安全评价模型，得到不同车型在不同工况组合下的最大安全行驶车速；基于ETC门架实时采集车辆参数，包括但不限于：C＝{C1,C2,C3,C4,C5,C6,C7,C8}，其中C1为车辆类型、C2为轮胎类型、C3为车长、C4为车宽、C5为车高、C6为轮距、C7为轴距、C8为轮胎花纹深度；根据车辆轴数、载客数以及载质量将车型分为小客车、大客车、小货车、中型货车、大货车五种车型；车辆参数集合C导入数字化信息模型，通过数据交互在CarSim中读取车辆参数集合C，建立整车模型；将Revit道路数字化信息模型导入CarSim仿真模型，建立与道路数字孪生模型参数相同的三维道路模型；将路面根据车胎宽度和水漂安全划分为225mm×2m的单元网格，根据附着系数计算模型计算道路各网格单元的附着系数，再将附着系数导入CarSim仿真模型中；
最后，根据不同路面类型、不同车型、不同湿度状态、不同荷载、不同线形的工况组合，对高速公路直道制动和弯道侧偏仿真分析，得到不同工况组合下的临界安全车速；针对高速公路直线段，采用按照式(7)计算的危险制动区长度S对行驶车辆安全性进行评估，取S＝0时的车辆行驶速度作为高速公路直线段建议最大安全车速；
S＝-899.545+1.576I+4.303v (7)
式中，S为危险制动区长度，I为降雨强度，v为车辆行驶速度；
针对高速公路曲线段，采用按照式(8)计算的临界侧偏时间T对行驶车辆安全性进行评估，取T＝5s时的车辆行驶速度作为高速公路曲线段建议最大安全车速；
T＝25.644+0.103I-0.097v (8)
式中，T为临界侧偏时间，I为降雨强度，v为车辆行驶速度。
8.根据权利要求1所述的基于数字孪生的极端雨水天气下高速公路车速预警方法，其特征在于，所述步骤S7中，在高速公路路侧布设安全车速预警显示屏，显示参数为建议最大安全车速V，实现基于数字孪生的高速公路行驶车辆在不同工况组合下的车速实时预警；通过构建融合道路纹理参数、实时雨水参数及车辆参数的数字化信息模型，研究基于数字孪生的车速实时预警机制与方法，通过仿真软件与数字化信息模型的实时数据交互，对高速公路行驶车辆在不同路面类型、不同车型、不同湿度状态、不同荷载、不同线形的工况组合下的车速实时预警，并实时传输到安全车速预警显示屏，实现基于数字孪生的极端雨水天气下高速公路行驶车速的实时预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310172681.9A CN116434539B (zh) | 2023-02-28 | 2023-02-28 | 基于数字孪生的极端雨水天气下高速公路车速预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310172681.9A CN116434539B (zh) | 2023-02-28 | 2023-02-28 | 基于数字孪生的极端雨水天气下高速公路车速预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116434539A true CN116434539A (zh) | 2023-07-14 |
| CN116434539B CN116434539B (zh) | 2024-03-15 |
Family
ID=87091471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310172681.9A Active CN116434539B (zh) | 2023-02-28 | 2023-02-28 | 基于数字孪生的极端雨水天气下高速公路车速预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116434539B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6252544B1 (en) * | 1998-01-27 | 2001-06-26 | Steven M. Hoffberg | Mobile communication device |
| CN103150907A (zh) * | 2013-02-06 | 2013-06-12 | 郭忠印 | 一种基于高速公路运营安全的移动监控和预警系统及方法 |
| CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
| CN108961760A (zh) * | 2018-08-07 | 2018-12-07 | 重庆建筑工程职业学院 | 一种道路速限检测系统 |
| CN111341101A (zh) * | 2020-02-28 | 2020-06-26 | 西南交通大学 | 一种大跨度公路桥梁大风行车监测预警系统 |
| WO2020169052A1 (en) * | 2019-02-21 | 2020-08-27 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for driving condition identification |
| CN112767678A (zh) * | 2019-11-05 | 2021-05-07 | 北京新能源汽车股份有限公司 | 一种全路网路面附着系数预估系统及方法 |
| CN113779705A (zh) * | 2021-09-28 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 一种自动驾驶汽车智能等级评定方法及系统 |
| CN215730209U (zh) * | 2021-03-04 | 2022-02-01 | 青海利建交通设施工程有限公司 | 一种高速公路路侧事故多发路段自动报警装置 |
| CN114879631A (zh) * | 2022-04-29 | 2022-08-09 | 长安大学 | 一种基于数字孪生云控平台的自动驾驶测试系统和方法 |
| CN115019532A (zh) * | 2022-04-21 | 2022-09-06 | 东北林业大学 | 一种基于客运数据的公路安全隐患自动识别与预警系统 |
| CN115659701A (zh) * | 2022-12-09 | 2023-01-31 | 中汽数据(天津)有限公司 | 车路协同v2x应用场景的验证方法、设备和存储介质 |
-
2023
- 2023-02-28 CN CN202310172681.9A patent/CN116434539B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6252544B1 (en) * | 1998-01-27 | 2001-06-26 | Steven M. Hoffberg | Mobile communication device |
| CN103150907A (zh) * | 2013-02-06 | 2013-06-12 | 郭忠印 | 一种基于高速公路运营安全的移动监控和预警系统及方法 |
| CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
| CN108961760A (zh) * | 2018-08-07 | 2018-12-07 | 重庆建筑工程职业学院 | 一种道路速限检测系统 |
| WO2020169052A1 (en) * | 2019-02-21 | 2020-08-27 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for driving condition identification |
| CN112767678A (zh) * | 2019-11-05 | 2021-05-07 | 北京新能源汽车股份有限公司 | 一种全路网路面附着系数预估系统及方法 |
| CN111341101A (zh) * | 2020-02-28 | 2020-06-26 | 西南交通大学 | 一种大跨度公路桥梁大风行车监测预警系统 |
| CN215730209U (zh) * | 2021-03-04 | 2022-02-01 | 青海利建交通设施工程有限公司 | 一种高速公路路侧事故多发路段自动报警装置 |
| CN113779705A (zh) * | 2021-09-28 | 2021-12-10 | 中国科学技术大学先进技术研究院 | 一种自动驾驶汽车智能等级评定方法及系统 |
| CN115019532A (zh) * | 2022-04-21 | 2022-09-06 | 东北林业大学 | 一种基于客运数据的公路安全隐患自动识别与预警系统 |
| CN114879631A (zh) * | 2022-04-29 | 2022-08-09 | 长安大学 | 一种基于数字孪生云控平台的自动驾驶测试系统和方法 |
| CN115659701A (zh) * | 2022-12-09 | 2023-01-31 | 中汽数据(天津)有限公司 | 车路协同v2x应用场景的验证方法、设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 岑晏青;宋向辉;王东柱;孙玲;刘楠;: "智慧高速公路技术体系构建", 公路交通科技, no. 07, 15 July 2020 (2020-07-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116434539B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108519605B (zh) | 基于激光雷达和摄像机的路沿检测方法 | |
| CN110850439B (zh) | 一种高精度三维点云地图构建方法 | |
| CN104656101B (zh) | 一种障碍物检测方法 | |
| CN108664715A (zh) | 一种路面积水车辙三维评价与行车安全分析方法 | |
| CN104392212A (zh) | 一种基于视觉的道路信息检测及前方车辆识别方法 | |
| CN108845569A (zh) | 生成三维高清道路图水平弯道行车线的半自动点云方法 | |
| CN112304633B (zh) | 一种路面湿滑状态下汽车制动安全性风险识别方法 | |
| CN105005771A (zh) | 一种基于光流点轨迹统计的车道线实线的检测方法 | |
| CN102023317A (zh) | 高速铁路大风监测点布设方法 | |
| CN109325311B (zh) | 多年冻土地区大尺度路基的变形评价方法 | |
| CN112561944A (zh) | 一种基于车载激光点云的车道线提取方法 | |
| CN110864696A (zh) | 一种基于车载激光惯导数据的三维高精地图绘制方法 | |
| CN105761305A (zh) | 一种车辆行驶检测方法及系统 | |
| CN108459319A (zh) | 一种车辆行驶区域地形高度快速扫描系统 | |
| CN114821522A (zh) | 基于车载激光点云数据的城市道路横坡和超高值计算方法 | |
| Tang et al. | Road detection for autonomous truck in mine environment | |
| CN116434539B (zh) | 基于数字孪生的极端雨水天气下高速公路车速预警方法 | |
| CN112200779B (zh) | 面向无人驾驶的路表车辙形状及构造横向差异度评价方法 | |
| CN111861946B (zh) | 自适应多尺度车载激光雷达稠密点云数据滤波方法 | |
| CN114877838B (zh) | 一种基于车载激光扫描系统的道路几何特征检测方法 | |
| CN116977970A (zh) | 一种基于激光雷达与毫米波雷达融合的道路可行驶区域检测方法 | |
| Yu et al. | Adaptive vehicle extraction in real-time traffic video monitoring based on the fusion of multi-objective particle swarm optimization algorithm | |
| CN117289296A (zh) | 一种基于激光雷达的矿区反坡检测方法及系统 | |
| CN116012737A (zh) | 基于无人机激光和视觉融合的高速施工监测方法和系统 | |
| Liu et al. | 3D rutting features extraction through continuous pavement laser point cloud |
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 |