CN117238145A - 一种基于大数据的智慧交通管理方法及系统 - Google Patents
一种基于大数据的智慧交通管理方法及系统 Download PDFInfo
- Publication number
- CN117238145A CN117238145A CN202311507376.7A CN202311507376A CN117238145A CN 117238145 A CN117238145 A CN 117238145A CN 202311507376 A CN202311507376 A CN 202311507376A CN 117238145 A CN117238145 A CN 117238145A
- Authority
- CN
- China
- Prior art keywords
- data
- traffic
- real
- time
- intelligent
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 42
- 238000007405 data analysis Methods 0.000 claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000013480 data collection Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 33
- 238000013500 data storage Methods 0.000 claims description 22
- 206010039203 Road traffic accident Diseases 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 238000010223 real-time analysis Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000001931 thermography Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 claims 1
- 230000015556 catabolic process Effects 0.000 claims 1
- 238000006731 degradation reaction Methods 0.000 claims 1
- 230000006698 induction Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000010354 integration Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于大数据的智慧交通管理方法及系统，涉及智慧交通管理技术领域。本发明包括以下步骤：S1：数据收集与传感器网络：基于大数据的智慧交通管理依赖于广泛的数据收集，包括来自道路、交通信号、车辆和移动设备的数据；传感器网络，如交通摄像头、车载传感器、GPS设备和无线通信技术，用于实时数据采集。本发明通过一种基于大数据的智慧交通管理方法中的数据收集与传感器网络步骤，传感器和设备在智慧交通系统中的集成有助于提高交通安全、效率和可持续性，以及改善城市居民的出行体验。通过实时监测和数据分析，交通管理部门能够更好地应对交通拥堵、事故和不同的天气条件。
Description
技术领域
本发明属于智慧交通管理技术领域，特别是涉及一种基于大数据的智慧交通管理方法及系统。
背景技术
智慧交通是在智能交通的基础上，在交通领域中充分运用物联网、云计算、互联网、人工智能、自动控制、移动互联网等技术，通过高新技术汇集交通信息，对交通管理、交通运输、公众出行等交通领域全方面以及交通建设管理全过程进行管控支撑，使交通系统在区域、城市甚至更大的时空范围具备感知、互联、分析、预测、控制等能力，以充分保障交通安全、发挥交通基础设施效能、提升交通系统运行效率和管理水平，为通畅的公众出行和可持续的经济发展服务。
但是在不同地区技术标准和互操作性有异，采用不同的技术标准，互操作性可能会受到影响。这可能导致一些系统在整合方面遇到困难，导致交通管理部门不能够统一应对交通拥堵、事故和不同的天气条件，有待加强。
发明内容
本发明的目的在于提供一种基于大数据的智慧交通管理方法及系统，通过传感器和设备在智慧交通系统中的集成有助于提高交通安全、效率和可持续性，以及改善城市居民的出行体验。通过实时监测和数据分析，交通管理部门能够更好地应对交通拥堵、事故和不同的天气条件，解决了现有的问题。
为解决上述技术问题，本发明是通过以下技术方案实现的：
一种基于大数据的智慧交通管理方法，包括以下步骤：
S1：数据收集与传感器网络：基于大数据的智慧交通管理依赖于广泛的数据收集，包括来自道路、交通信号、车辆和移动设备的数据；传感器网络，如交通摄像头、车载传感器、GPS设备和无线通信技术，用于实时数据采集；
S2：实时交通监测：收集的数据用于实时交通监测；这包括交通流量、拥堵情况、车速、车辆定位等信息，这些数据被发送到中央数据中心进行实时分析；
S3：数据分析和预测：大数据分析算法用于处理和分析实时交通数据；
S4：智能信号控制：基于数据分析的智慧交通系统可以自动调整交通信号控制，以优化交通流；
S5：导航和路线优化：大数据分析还用于为驾驶员提供实时导航和路线建议，以避开拥堵路段。
一种基于大数据的智慧交通管理系统，包括数据采集与传感器网络模块，所述数据采集与传感器网络模块的输出端设有数据存储与处理模块，所述数据存储与处理模块的输出端设有实时数据分析模块，所述实时数据分析模块设有历史数据分析模块。
作为优选，所述S1进一步表示为：
S1.1：交通摄像头：摄像头部署在城市各处，用于监控交通情况，这些摄像头可以捕捉交通流量、车辆行驶情况、交通事故和道路拥堵等信息，计算机视觉技术用于分析图像和视频数据，以提取有用的信息；
S1.2：交通信号传感器：交通信号控制设备也可以配备传感器，用于检测交通流量和车辆排队情况；
S1.3：GPS设备：全球定位系统（GPS）设备广泛安装在车辆中，可以提供车辆的准确位置信息；
S1.4：天气传感器：一些智慧交通系统还集成了气象传感器，用于监测天气条件，如雨、雪、能见度等。
作为优选，所述S2进一步表示为：
S2.1：实时交通监测：收集的数据用于实时交通监测；这包括交通流量、拥堵情况、车速、车辆定位等信息，这些数据被发送到中央数据中心进行实时分析；
S2.2：拥堵情况监测：通过分析交通流量数据，中央数据中心可以实时检测交通拥堵情况；一旦发现拥堵，交通管理部门可以采取措施来解决问题，例如改变信号配时、提供替代路线建议或引导交通；
S2.3：事件检测：系统还可以检测交通事故、道路封锁、道路工程等事件，并及时报告相关部门以采取行动。
作为优选，所述S3进一步表示为：
S3.1：数据清洗和预处理：实时交通数据可能包含噪声、错误或不完整的信息，在进行任何分析之前，必须对数据进行清洗和预处理，包括去除重复数据、填充缺失值，以及处理异常值；
S3.2：实时预测：一旦模型训练完成，它可以被部署在实时交通监测系统中，用于进行实时交通状况预测。这可能需要使用流处理技术和模型推理引擎来处理新数据并生成预测结果；
S3.3：公众信息服务：将交通信息以实时通知、手机应用程序、交通标志或互联网网站的形式提供给公众，以帮助他们避开拥堵和做出更好的出行决策。
进一步地，所述数据采集与传感器网络模块包括数据采集单元和传感器网络单元，所述数据采集单元内部设有交通流量数据采集单元、车速数据采集单元、车辆位置采集单元和天气条件采集单元，所述传感器网络单元内部设有交通流量数据传感器、车速数据传感器、车辆位置传感器和天气条件传感器。部署传感器和摄像头在城市各个地点，以实时监测交通状况。这些传感器可以测量交通流量、车速、车辆位置、天气条件、道路状态等数据，并将其传输到中央数据中心。
进一步地，所述数据存储与处理模块包括数据存储单元和数据处理单元，所述数据存储单元内部设有分布式数据库、云存储，所述数据处理单元内部设有数据处理器。采集的数据存储在大数据存储系统中，分布式数据库或云存储。大数据处理引擎用于处理大规模的实时数据流，清洗数据、去重和进行实时计算。
进一步地，所述实时数据分析模块包括实时数据分析单元，所述实时数据分析单元内部设有实时数据分析器。使用实时数据分析技术，对交通数据进行处理，以监测拥堵、事故和其他交通事件。这还包括实时可视化，使决策者能够了解当前的交通状况。
进一步地，所述历史数据分析模块包括识别交通模式单元、瓶颈区域与趋势单元，所述识别交通模式单元内部设有交通网、智能识别器，所述瓶颈区域与趋势单元内部设有热成像收集器。将历史交通数据与实时数据相结合，以识别交通模式、瓶颈区域和趋势。这有助于预测未来的交通需求和问题。
本发明具有以下有益效果：
本发明通过一种基于大数据的智慧交通管理方法中的数据收集与传感器网络步骤，传感器和设备在智慧交通系统中的集成有助于提高交通安全、效率和可持续性，以及改善城市居民的出行体验。通过实时监测和数据分析，交通管理部门能够更好地应对交通拥堵、事故和不同的天气条件。
本发明一种基于大数据的智慧交通管理系统中实时数据分析模块与数据存储与处理模块相互配合，实现了将数据存储在大数据存储系统中，再使用实时数据分析技术，对交通数据进行处理，以监测拥堵、事故和其他交通事件。这还包括实时可视化，使决策者能够了解当前的交通状况。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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。
附图中，各标号所代表的部件列表如下：
1、数据采集与传感器网络模块；2、数据存储与处理模块；3、实时数据分析模块；4、历史数据分析模块。
图1为本发明一种基于大数据的智慧交通管理方法的框图；
图2为本发明一种基于大数据的智慧交通管理系统的框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1：请参阅图1，本实施例为一种基于大数据的智慧交通管理方法，包括以下步骤：
S1：数据收集与传感器网络：基于大数据的智慧交通管理依赖于广泛的数据收集，包括来自道路、交通信号、车辆和移动设备的数据；传感器网络，如交通摄像头、车载传感器、GPS设备和无线通信技术，用于实时数据采集；
S2：实时交通监测：收集的数据用于实时交通监测；这包括交通流量、拥堵情况、车速、车辆定位等信息，这些数据被发送到中央数据中心进行实时分析；
S3：数据分析和预测：大数据分析算法用于处理和分析实时交通数据；
S4：智能信号控制：基于数据分析的智慧交通系统可以自动调整交通信号控制，以优化交通流；
S5：导航和路线优化：大数据分析还用于为驾驶员提供实时导航和路线建议，以避开拥堵路段。
S1进一步表示为：
S1.1：交通摄像头：摄像头部署在城市各处，用于监控交通情况，这些摄像头可以捕捉交通流量、车辆行驶情况、交通事故和道路拥堵等信息，计算机视觉技术用于分析图像和视频数据，以提取有用的信息；
S1.2：交通信号传感器：交通信号控制设备也可以配备传感器，用于检测交通流量和车辆排队情况；
S1.3：GPS设备：全球定位系统GPS设备广泛安装在车辆中，可以提供车辆的准确位置信息；
S1.4：天气传感器：一些智慧交通系统还集成了气象传感器，用于监测天气条件，如雨、雪、能见度等。
交通摄像头（S1.1）：交通摄像头的作用非常广泛。它们捕捉图像和视频数据，可以用于以下目的：监测交通流量：摄像头可以实时监测道路上的车辆数量，类型和速度，这有助于交通管理部门了解道路使用情况。交通事故检测：摄像头可以捕捉事故发生的瞬间，帮助及时派遣应急服务。道路拥堵监测：摄像头可以检测交通拥堵，允许交通管理部门采取措施缓解拥堵，如改变信号配时或提供替代路线建议。交通信号传感器（S1.2）：这些传感器与交通信号控制设备配合使用，有助于实现以下功能：交通流量检测：传感器可以检测车辆的排队情况，从而帮助交通信号系统合理地分配绿灯时间以减少拥堵。信号优化：根据交通流量情况，信号控制设备可以调整信号灯的配时，以最大程度地提高交通效率。GPS设备（S1.3）：GPS设备在车辆中广泛使用，具有以下作用：车辆定位：GPS设备提供准确的车辆位置信息，这对于导航、车辆追踪和实时交通监控非常重要。路线规划：基于GPS数据，驾驶员和导航应用程序可以提供最佳路线，以避开交通拥堵或找到最短路径。
S2进一步表示为：
S2.1：实时交通监测：收集的数据用于实时交通监测；这包括交通流量、拥堵情况、车速、车辆定位等信息，这些数据被发送到中央数据中心进行实时分析；
S2.2：拥堵情况监测：通过分析交通流量数据，中央数据中心可以实时检测交通拥堵情况；一旦发现拥堵，交通管理部门可以采取措施来解决问题，例如改变信号配时、提供替代路线建议或引导交通；
S2.3：事件检测：系统还可以检测交通事故、道路封锁、道路工程等事件，并及时报告相关部门以采取行动。
实时交通监测：收集和分析交通流量、拥堵情况、车速和车辆定位等数据，可以帮助城市管理者了解交通状况，从而更好地规划和管理交通系统。这可以提高道路使用效率，减少拥堵和提高交通安全性。拥堵情况监测：通过实时监测交通流量数据和分析拥堵情况，交通管理部门可以快速采取应对措施，如改变信号配时、提供替代路线建议或引导交通。这有助于缓解交通拥堵，提高道路通行效率，并改善城市居民的出行体验。事件检测：及时检测交通事故、道路封锁和道路工程等事件，可以帮助交通管理部门快速响应并采取适当的行动。及时应对这些事件可以减少交通事故的发生，保障交通畅通，以及确保道路维护和施工活动的高效执行。
S3进一步表示为：
S3.1：数据清洗和预处理：实时交通数据可能包含噪声、错误或不完整的信息，在进行任何分析之前，必须对数据进行清洗和预处理，包括去除重复数据、填充缺失值，以及处理异常值；
S3.2：实时预测：一旦模型训练完成，它可以被部署在实时交通监测系统中，用于进行实时交通状况预测。这可能需要使用流处理技术和模型推理引擎来处理新数据并生成预测结果；
S3.3：公众信息服务：将交通信息以实时通知、手机应用程序、交通标志或互联网网站的形式提供给公众，以帮助他们避开拥堵和做出更好的出行决策。
数据清洗和预处理（S3.1）：去除噪声和错误信息：实时交通数据可能受到多种干扰，如传感器误差、通信干扰等，清洗可以帮助消除这些干扰，提高数据的准确性。填充缺失值：有时数据可能因为传输问题或设备故障而出现缺失，预处理阶段可以使用插值等方法填充这些缺失值，保证数据的完整性。处理异常值：交通数据中可能会出现异常情况，如突然的交通堵塞或车辆行为异常。预处理阶段可以检测和处理这些异常值，以确保后续分析的准确性。实时预测（S3.2）：模型部署：训练完成的交通预测模型可以被部署到实时交通监测系统中。这使得系统能够根据最新的数据实时生成交通状况的预测。流处理技术：实时预测需要处理流式数据，而不是静态的数据集。流处理技术可以确保及时处理新数据，并快速生成预测结果。模型推理引擎：为了在实时情况下高效运行，模型需要使用高效的推理引擎，以便在短时间内生成准确的预测。
实施例2：请参阅图2，本实施例为一种基于大数据的智慧交通管理系统，包括数据采集与传感器网络模块1，数据采集与传感器网络模块1的输出端设有数据存储与处理模块2，数据存储与处理模块2的输出端设有实时数据分析模块3，实时数据分析模块3设有历史数据分析模块4。
数据采集与传感器网络模块1包括数据采集单元和传感器网络单元，数据采集单元内部设有交通流量数据采集单元、车速数据采集单元、车辆位置采集单元和天气条件采集单元，传感器网络单元内部设有交通流量数据传感器、车速数据传感器、车辆位置传感器和天气条件传感器。部署传感器和摄像头在城市各个地点，以实时监测交通状况。这些传感器可以测量交通流量、车速、车辆位置、天气条件、道路状态等数据，并将其传输到中央数据中心。
数据存储与处理模块2包括数据存储单元和数据处理单元，数据存储单元内部设有分布式数据库、云存储，数据处理单元内部设有数据处理器。采集的数据存储在大数据存储系统中，分布式数据库或云存储。大数据处理引擎用于处理大规模的实时数据流，清洗数据、去重和进行实时计算。
实时数据分析模块3包括实时数据分析单元，实时数据分析单元内部设有实时数据分析器。使用实时数据分析技术，对交通数据进行处理，以监测拥堵、事故和其他交通事件。这还包括实时可视化，使决策者能够了解当前的交通状况。
历史数据分析模块4包括识别交通模式单元、瓶颈区域与趋势单元，识别交通模式单元内部设有交通网、智能识别器，瓶颈区域与趋势单元内部设有热成像收集器。将历史交通数据与实时数据相结合，以识别交通模式、瓶颈区域和趋势。这有助于预测未来的交通需求和问题。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.一种基于大数据的智慧交通管理方法，其特征在于：包括以下步骤：
S1：数据收集与传感器网络：基于大数据的智慧交通管理依赖于广泛的数据收集，包括来自道路、交通信号、车辆和移动设备的数据；传感器网络，如交通摄像头、车载传感器、GPS设备和无线通信技术，用于实时数据采集；
S2：实时交通监测：收集的数据用于实时交通监测；这包括交通流量、拥堵情况、车速、车辆定位等信息，这些数据被发送到中央数据中心进行实时分析；
S3：数据分析和预测：大数据分析算法用于处理和分析实时交通数据；
S4：智能信号控制：基于数据分析的智慧交通系统可以自动调整交通信号控制，以优化交通流；
S5：导航和路线优化：大数据分析还用于为驾驶员提供实时导航和路线建议，以避开拥堵路段。
2.根据权利要求1所述的一种基于大数据的智慧交通管理方法，其特征在于，所述S1进一步表示为：
S1.1：交通摄像头：摄像头部署在城市各处，用于监控交通情况，这些摄像头可以捕捉交通流量、车辆行驶情况、交通事故和道路拥堵等信息，计算机视觉技术用于分析图像和视频数据，以提取有用的信息；
S1.2：车载传感器：许多车辆装备了传感器，如加速度计、陀螺仪、转向传感器和车速传感器，用于监测车辆的运动和性能；这些传感器可以提供车辆位置、速度、加速度、转弯角度等数据，这些数据可以用于实时交通监测和分析；
S1.3：GPS设备：全球定位系统（GPS）设备广泛安装在车辆中，可以提供车辆的准确位置信息；
S1.4：无线通信技术：车辆和移动设备通常使用无线通信技术，如4G、5G和物联网技术，将数据传输到中央服务器，这些通信技术允许实时数据传输，以便分析和决策支持。
3.根据权利要求1所述的一种基于大数据的智慧交通管理方法，其特征在于，所述S2进一步表示为：
S2.1：交通流量监测：交通摄像头、地感线圈等传感器被用来监测道路上的交通流量，这些传感器可以实时捕捉车辆通过的信息，包括车辆数目、车型、速度；
S2.2：拥堵情况监测：通过分析交通流量数据，中央数据中心可以实时检测交通拥堵情况；一旦发现拥堵，交通管理部门可以采取措施来解决问题，例如改变信号配时、提供替代路线建议或引导交通；
S2.3：车速监测：车辆配备的传感器和GPS设备提供了准确的车速信息。
4.根据权利要求1所述的一种基于大数据的智慧交通管理方法，其特征在于，所述S3进一步表示为：
S3.1：数据清洗和预处理：实时交通数据可能包含噪声、错误或不完整的信息，在进行任何分析之前，必须对数据进行清洗和预处理，包括去除重复数据、填充缺失值，以及处理异常值；
S3.2：数据存储：大量实时交通数据需要有效的存储解决方案，通常使用数据库或分布式数据存储系统，数据存储方案应能够处理高并发访问，并提供快速的读写能力；
S3.3：性能监控：实时交通监测系统需要监控模型的性能，并及时检测模型漂移或性能下降。
5.一种基于大数据的智慧交通管理系统，包括数据采集与传感器网络模块（1），其特征在于，所述数据采集与传感器网络模块（1）的输出端设有数据存储与处理模块（2），所述数据存储与处理模块（2）的输出端设有实时数据分析模块（3），所述实时数据分析模块（3）设有历史数据分析模块（4）。
6.根据权利要求5所述的一种基于大数据的智慧交通管理系统，其特征在于，所述数据采集与传感器网络模块（1）包括数据采集单元和传感器网络单元，所述数据采集单元内部设有交通流量数据采集单元、车速数据采集单元、车辆位置采集单元和天气条件采集单元，所述传感器网络单元内部设有交通流量数据传感器、车速数据传感器、车辆位置传感器和天气条件传感器。
7.根据权利要求5所述的一种基于大数据的智慧交通管理系统，其特征在于，所述数据存储与处理模块（2）包括数据存储单元和数据处理单元，所述数据存储单元内部设有分布式数据库、云存储，所述数据处理单元内部设有数据处理器。
8.根据权利要求5所述的一种基于大数据的智慧交通管理系统，其特征在于，所述实时数据分析模块（3）包括实时数据分析单元，所述实时数据分析单元内部设有实时数据分析器。
9.根据权利要求5所述的一种基于大数据的智慧交通管理系统，其特征在于，所述历史数据分析模块（4）包括识别交通模式单元、瓶颈区域与趋势单元，所述识别交通模式单元内部设有交通网、智能识别器，所述瓶颈区域与趋势单元内部设有热成像收集器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311507376.7A CN117238145A (zh) | 2023-11-14 | 2023-11-14 | 一种基于大数据的智慧交通管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311507376.7A CN117238145A (zh) | 2023-11-14 | 2023-11-14 | 一种基于大数据的智慧交通管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117238145A true CN117238145A (zh) | 2023-12-15 |
Family
ID=89084571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311507376.7A Pending CN117238145A (zh) | 2023-11-14 | 2023-11-14 | 一种基于大数据的智慧交通管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117238145A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116543573A (zh) * | 2023-07-06 | 2023-08-04 | 山东清源物联网技术有限公司 | 一种基于大数据的交通控制系统及信息接收终端 |
| CN116665441A (zh) * | 2023-05-29 | 2023-08-29 | 大连交通大学 | 基于大数据技术的智慧交通监控分析系统 |
| CN116935642A (zh) * | 2023-07-24 | 2023-10-24 | 安徽继远软件有限公司 | 基于物联网的便捷出行管理方法 |
-
2023
- 2023-11-14 CN CN202311507376.7A patent/CN117238145A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116665441A (zh) * | 2023-05-29 | 2023-08-29 | 大连交通大学 | 基于大数据技术的智慧交通监控分析系统 |
| CN116543573A (zh) * | 2023-07-06 | 2023-08-04 | 山东清源物联网技术有限公司 | 一种基于大数据的交通控制系统及信息接收终端 |
| CN116935642A (zh) * | 2023-07-24 | 2023-10-24 | 安徽继远软件有限公司 | 基于物联网的便捷出行管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11074813B2 (en) | Driver behavior monitoring | |
| CN103258427B (zh) | 基于信息物理网络的城市快速路交通实时监控方法 | |
| US11380105B2 (en) | Identification and classification of traffic conflicts | |
| CN111833598B (zh) | 一种高速公路无人机交通事件自动监测方法及系统 | |
| CN113706737B (zh) | 基于自动驾驶车辆的路面巡检系统及方法 | |
| EP3403219A1 (en) | Driver behavior monitoring | |
| CN114333330B (zh) | 一种基于路侧边缘全息感知的交叉口事件检测系统 | |
| CN102024330A (zh) | 基于高清视频技术的智能交通信号控制系统、方法及设备 | |
| CN113276874B (zh) | 一种车辆行驶轨迹处理方法及相关装置 | |
| CN113963539B (zh) | 高速公路交通事故识别方法、模块及系统 | |
| CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
| Ramesh et al. | Smart traffic congestion model in IoT-A review | |
| CN117238145A (zh) | 一种基于大数据的智慧交通管理方法及系统 | |
| CN117148829A (zh) | 用于自主运载工具的方法和系统以及非暂时性存储介质 | |
| CN117612140B (zh) | 道路场景的识别方法、装置和存储介质及电子设备 | |
| CN117612127B (zh) | 场景生成方法、装置和存储介质及电子设备 | |
| CN117494029B (zh) | 一种道路抛洒物事件识别方法及装置 | |
| Hayashi et al. | Prioritization of Lane-Specific Traffic Jam Detection for Automotive Navigation Framework Utilizing Suddenness Index and Automatic Threshold Determination | |
| WO2023128406A1 (ko) | 커넥티드 자율 주행차의 안전 모니터링 및 운영설계범위를 지원하는 관제 서버 | |
| US20240067195A1 (en) | Transfer Learning with Experience Filter for Vehicle Operation | |
| Vivek et al. | Survey of traffic congestion detection and traffic management through CNN | |
| CN117975390A (zh) | 车道线检测方法、系统、预警系统、域控制器及车辆 | |
| Sousa et al. | Safe Roads: an Integration between Twitter and City Sensing | |
| Lhouss et al. | Traffic Monitoring Using IoT And Lambda Architecture | |
| CN117993541A (zh) | 基于机器视觉的公路智能巡查系统 |
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 |