CN117576908B - 一种基于物联网的智能警用车载控制系统及方法 - Google Patents
一种基于物联网的智能警用车载控制系统及方法 Download PDFInfo
- Publication number
- CN117576908B CN117576908B CN202311552819.4A CN202311552819A CN117576908B CN 117576908 B CN117576908 B CN 117576908B CN 202311552819 A CN202311552819 A CN 202311552819A CN 117576908 B CN117576908 B CN 117576908B
- Authority
- CN
- China
- Prior art keywords
- congestion
- area
- node
- association
- road condition
- 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 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 238000007726 management method Methods 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 4
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000000192 social effect Effects 0.000 description 1
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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/085—Controlling traffic signals using a free-running cyclic timer
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/087—Override of traffic control, e.g. by signal transmitted by an emergency vehicle
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于物联网的智能警用车载控制系统及方法,涉及车载控制技术领域,所述系统包括拥堵关联分析模块,所述拥堵关联分析模块警用车辆内置的中控端接收相应警用车载无人机得到的待监控区域内的路况拥堵节点集,分析所得路况拥堵节点集内不同的拥堵节点之间的路况关联关系,构建待监控区域内的拥堵关联链。本发明通过规划警用车辆的活动路线,能够有效提高对警力资源的利用率,一车能够监管一个预置的监控区域,且对对拥堵区域的管理更加有序,同时还降低了拥堵区域车辆对警力资源调动的影响,确保对拥堵区域车流疏散的及时性。
Description
技术领域
本发明涉及车载控制技术领域,具体是一种基于物联网的智能警用车载控制系统及方法。
背景技术
随着城市交通压力的不断增大,城市路口的交通灯内预置的时间分配情况,在某些特定的时段可能已经没法满足车辆通行的实际需求,通常情况下需要派遣交警到相应的路口进行指挥疏通。
而无人机的迅速发展,使得警用车载无人机在警务工作中得到了广泛的运用,有效解决了此前一些难以完成的任务,发挥出良好的社会效应和经济效应,能够完成地面视频数据的采集,并通过无线传输方式,传输到地面的接收机,供指挥者进行判断和决策,使现场处置工作组的调查能力大大增强,提高信息获取的安全性和可靠性。
但是现有技术中,警用车载无人机在交通拥堵疏通方面的应用较弱,主要是通过派遣交警进行实地疏通,但是,该方式存在较大的缺陷,一方面,对警力资源的调动较大,甚至出现警力不足的情况;另一方面,在拥堵严重的时间段,警力在调往拥堵区域的途中,可能会受拥堵环境的影响,使得派遣的警员无法及时到达相应的拥堵区域(尤其是派遣区域相较于相应警员位置偏远的情况下,更无法保证警员及时到达),影响拥堵车流的疏散。
所以,人们急需一种基于物联网的智能警用车载控制系统及方法来解决上述技术问题。
发明内容
本发明的目的在于提供一种基于物联网的智能警用车载控制系统及方法,以解决现有技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于物联网的智能警用车载控制方法,所述方法包括以下步骤:
S1、通过警用车载无人机内置的摄像头获取待监控区域内的高空路况画面,所述高空路况画面为警用车载无人机在高空拍摄的路况画面,通常警用车载无人机的拍摄高空路况画面时的飞行高度是根据警用车辆上执法人员的需求进行控制的,且拍摄的高空路况画面需覆盖待监控区域,并识别出所得高空路况画面中不同的路况拥堵区域,将每个路况拥堵区域记为一个拥堵节点,得到待监控区域内的路况拥堵节点集;
S2、警用车辆内置的中控端接收相应警用车载无人机得到的待监控区域内的路况拥堵节点集,分析所得路况拥堵节点集内不同的拥堵节点之间的路况关联关系,构建待监控区域内的拥堵关联链;
S3、结合所得拥堵关联链中各个拥堵节点分别对应的路况信息,得到每个拥堵节点对应的路况干扰影响值,并生成待监控区域内的拥堵节点疏通优先级序列;
S4、结合拥堵节点疏通优先级序列中各个拥堵节点连线所围区域及警用车载有效通信半径,生成警用车辆的活动区域,并结合拥堵节点疏通优先级序列中各个拥堵节点的序号,规划警用车辆的活动路线,并按照所规划的警用车辆活动路线,实时控制警用车载无人机对各个拥堵节点进行管控。
进一步的,所述S1中识别出所得高空路况画面中不同的路况拥堵区域时,是通过提取所得高空路况画面中每个路口区域的画面,并将每个路口区域的提取画面与数据库中提前保存的相应路口区域对应的正常通行画面进行比较,统计比较的两个画面中相应位置像素点的灰度差大于第一预设值的所有像素点个数,记为节点画面异常量,并将所得节点画面异常量与相应的提取画面中像素点总个数的比值大于第二预设值的路口区域作为一个路况拥堵区域。
本发明识别出所得高空路况画面中不同的路况拥堵区域时,是从待监控区域的整体画面进行识别的,在获取高空路况画面后,对所得高空路况画面进行缩放,使得缩放后的高空路况画面中每个路口区域的画面大小与数据库中相应路口区域预置的画面大小相同,进而比较两者之间的像素差异。
进一步的,所述S2中构建待监控区域内的拥堵关联链的方法包括以下步骤:
S21、警用车辆内置的中控端接收相应警用车载无人机得到的待监控区域内的路况拥堵节点集,选取所得路况拥堵节点集中任意两个元素分别对应的拥堵节点,分别记为Ai及Ai 1;
S22、结合数据库中预置地图中Ai与Ai 1分别对应的拥堵节点的位置,判断Ai与Ai1之间的路况关联关系,
当Ai与Ai 1分别对应的拥堵节点在预置地图中的同一条道路上且两者之间不存在其余路口区域时,则判定Ai与Ai 1之间存在路况关联关系;反之,则判定Ai与Ai 1之间不存在路况关联关系;
S23、将存在路况关联关系的不同拥堵节点相互连接,构成待监控区域内不同的拥堵关联网,每个拥堵关联网存在一个或多个关联端点,每个关联端点对应一个拥堵节点且每个关联端点在相应的拥堵关联网中存在0个或一个与之存在路况关联关系的拥堵节点;
将每个拥堵关联网拆分成不同的拥堵关联链,
当拥堵关联网包含的拥堵节点的个数为1时,则拆分的拥堵关联链也仅含有一个拥堵节点;
当拥堵关联网包含的拥堵节点的个数大于等于2时,则拆分的每条拥堵关联链中包括两个关联端点,拆分的每条拥堵关联链为相应拥堵关联网中从一个关联端点移动至另一个关联端点所经过的拥堵节点构成的链;
含有拥堵节点个数大于等于2的每条拥堵关联链均对应一个关联影响传播方向,
获取相应拥堵关联链对应的关联影响传播方向时,获取采集的高空路况画面中,相应拥堵关联链内各个拥堵节点及连接的道路区域,将相应拥堵关联链对应的两个关联端点分别记为第一端点和第二端点;获取各个拥堵节点及连接的道路区域的中轴线,记为第一中轴线;获取第一端点至第二端点的道路指向时,第一中轴线的右侧区域偏差像素特征值与第一中轴线的左侧区域偏差像素特征值的比值,记为BZ;
若BZ≥1,则判定相应拥堵关联链对应的关联影响传播方向为第一端点至第二端点的道路指向;反之,则判定相应拥堵关联链对应的关联影响传播方向为第二端点至第一端点的道路指向;
获取所述第一中轴线的右侧区域偏差像素特征值时,统计获取的各个拥堵节点及连接的道路区域中的中轴线右侧区域,与数据库提前保存的相应路口区域的正常通行画面内相应位置像素点的灰度差大于第一预设值的所有像素点个数,所得统计结果等于第一中轴线的右侧区域偏差像素特征值;
获取所述第一中轴线的左侧区域偏差像素特征值时,统计获取的各个拥堵节点及连接的道路区域中的中轴线左侧区域,与数据库提前保存的相应路口区域的正常通行画面内相应位置像素点的灰度差大于第一预设值的所有像素点个数,所得统计结果等于第一中轴线的左侧区域偏差像素特征值。
本发明构建待监控区域内的拥堵关联链时,考虑到不同拥堵路口的拥堵车辆可能存在关联的情况,即通过某一拥堵路口的车流可能需要继续通行另一个拥堵路口;本发明构建拥堵关联链,能够为后续步骤中获取每个拥堵节点对应的路况干扰影响值提供了数据参照,进而确保后续获取的待监控区域内的拥堵节点疏通优先级序列的准确性。
进一步的,所述S3中得到每个拥堵节点对应的路况干扰影响值的方法包括以下步骤:
S31、对待监控区域内的路况拥堵节点集中的各个拥堵节点进行编号,将待监控区域内的路况拥堵节点集中第i个元素对应的拥堵节点的编号记为Bi;
S32、对待监控区域内构建的各条拥堵关联链进行编号,将待监控区域内的第j条拥堵关联链对应编号记为Cj;
S33、统计待监控区域内,含有Bi对应的拥堵节点的各条拥堵关联链,构建Bi对应的拥堵关联链集合,记为FBi;
S34、得到拥堵节点Bi对应的路况干扰影响值,记为GBi,
其中,NBi表示FBi中的元素总个数;β表示转化系数且β为数据库中预置的常数;
Yin表示FBi中第n个元素对应的拥堵关联链中,与关联影响传播方向同向时,拥堵节点Bi及之前的每个拥堵节点中分别对应的节点画面异常量之和;
Zin表示FBi中第n个元素对应的拥堵关联链中,与关联影响传播方向同向时,拥堵节点Bi及之后的每个拥堵节点中分别对应的节点画面异常量之和;当拥堵关联链中的拥堵节点为1时,则Yin=Zin;
L表示FBi中各个元素分别对应的拥堵关联链内,与关联影响传播方向同向时,拥堵节点Bi及之前拥堵节点的总个数的最大值;
所述S3中生成待监控区域内的拥堵节点疏通优先级序列时,按对应路况干扰影响值从大到小的顺序对各个拥堵节点进行排列,得到待监控区域内的拥堵节点疏通优先级序列。
进一步的,所述S4中生成警用车辆的活动区域的方法包括以下步骤:
S401、获取拥堵节点疏通优先级序列中各个拥堵节点连线所围区域,记为第一区域;
S402、获取警用车载有效通信半径,记为r;本发明中警用车载有效通信半径为警用车辆的中控端对警用无人机传输的采集画面的最大接收距离;
S403、获取第一区域内,与第一区域边界距离为r的所有位置点所围成的区域,记为第二区域,所述第二区域为警用车辆的活动区域;
所述S4中规划警用车辆的活动路线的方法包括以下步骤:
S411、获取警用车载无人机采集高空路况画面时,警用车辆的位置,记为第一位置;并将第一位置及拥堵节点疏通优先级序列中各个拥堵节点分别对应的位置逐个录入到一个空白集合中,得到特征位置集合;
S412、在第二区域中分别以特征位置集合中元素对应区域的中心点为圆心且以r为半径构建一个圆形区域,得到拥堵节点疏通优先级序列中每个拥堵节点对应的警用车辆停车观测区域;
获取特征位置集合中第i+1个元素分别对应的第一交集与第二交集的并集;所述特征位置集合中第i+1个元素对应的第一交集为特征位置集合中第i个元素对应圆形区域与第i+1个元素对应圆形区域的交集;所述特征位置集合中第i+1个元素对应的第二交集为特征位置集合中第i+1个元素对应圆形区域与第i+2个元素对应圆形区域的交集;
当所得特征位置集合中第i+1个元素对应的并集不为空,则判定所得特征位置集合中第i+1个元素对应的并集为拥堵节点疏通优先级序列中第i个拥堵节点对应的警用车辆停车观测区域;反之,则判定特征位置集合中第i+1个元素对应圆形区域为拥堵节点疏通优先级序列中第i个拥堵节点对应的警用车辆停车观测区域;
S413、结合第二区域内的道路位置,生成按拥堵节点疏通优先级序列顺序,分别途径拥堵节点疏通优先级序列内每个拥堵节点对应的警用车辆停车观测区域的不同规划路径,并将路径长度最短的规划路径中的任意一种作为警用车辆的活动路线。
本发明是通过警用车载中控端控制警用车载无人机的飞行状态,并接收警用车载无人机采集的画面;然后警用车载中控端将接收的警用无人机采集画面反馈给管理员,并通过管理员对各个拥堵节点进行管控。
进一步的,所述S4中实时控制警用车载无人机对各个拥堵节点进行管控的过程中,通过警用车辆的中控端按拥堵节点疏通优先级序列,依次控制警用车载无人机飞行至相应拥堵节点所属拥堵区域的中心点上空采集相应拥堵区域的拥堵细节画面,并通过警用车辆的中控端传输给拥堵区域对应的管理员,提醒管理员对与拥堵区域相邻的所有交通灯的红绿灯时间进行调节;所述警用车载无人机在对某一个拥堵节点进行管控时,控制警用车载无人机的警用车辆停靠在警用车辆的活动路线中,相应拥堵节点对应的警用车辆停车观测区域;
控制警用车载无人机飞向拥堵节点的过程中,警用车载无人机的飞行位置与警用车辆位置不超过警用车载有效通信半径;
在警用车载无人机飞向各个拥堵区域的中心点上空的过程中,警用车辆按照规划的活动路线行进或停止。
本发明中控制警用车载无人机飞至拥堵区域中心点上空采集画面,而不是直接在高空对各个拥堵区域内的拥堵画面进行采集,一方面是考虑到高空画面的像素低,采集画面的清晰度问题;另一方面,则是考虑到画面拍摄角度导致的对拥堵区域的拥堵信息采集不全面的问题。
一种基于物联网的智能警用车载控制系统,所述系统包括以下模块:
高空路况监测模块,所述高空路况监测模块通过警用车载无人机内置的摄像头获取待监控区域内的高空路况画面,并识别出所得高空路况画面中不同的路况拥堵区域,将每个路况拥堵区域记为一个拥堵节点,得到待监控区域内的路况拥堵节点集;
拥堵关联分析模块,所述拥堵关联分析模块警用车辆内置的中控端接收相应警用车载无人机得到的待监控区域内的路况拥堵节点集,分析所得路况拥堵节点集内不同的拥堵节点之间的路况关联关系,构建待监控区域内的拥堵关联链;
疏通序列生成模块,所述疏通序列生成模块结合所得拥堵关联链中各个拥堵节点分别对应的路况信息,得到每个拥堵节点对应的路况干扰影响值,并生成待监控区域内的拥堵节点疏通优先级序列;
车载管控模块,所述车载管控模块结合拥堵节点疏通优先级序列中各个拥堵节点连线所围区域及警用车载有效通信半径,生成警用车辆的活动区域,并结合拥堵节点疏通优先级序列中各个拥堵节点的序号,规划警用车辆的活动路线,并按照所规划的警用车辆活动路线,实时控制警用车载无人机对各个拥堵节点进行管控。
进一步的,所述疏通序列生成模块包括路况干扰分析单元及疏通优先级管理单元,
所述路况干扰分析单元结合所得拥堵关联链中各个拥堵节点分别对应的路况信息,得到每个拥堵节点对应的路况干扰影响值;
所述疏通优先级管理单元结合路况干扰分析单元中得到的每个拥堵节点对应的路况干扰影响值,生成待监控区域内的拥堵节点疏通优先级序列。
进一步的,所述车载管控模块包括车辆活动区域分析单元、车辆路线分析单元及车载设备管控单元,
所述车辆活动区域分析单元结合拥堵节点疏通优先级序列中各个拥堵节点连线所围区域及警用车载有效通信半径,生成警用车辆的活动区域;
所述车辆路线分析单元结合拥堵节点疏通优先级序列中各个拥堵节点的序号,规划警用车辆的活动路线;
所述车载设备管控单元按照所规划的警用车辆活动路线,实时控制警用车载无人机对各个拥堵节点进行管控。
与现有技术相比,本发明的有益效果是:
1)本发明通过高空路况画面能够实时监测到待监控区域内的拥堵区域,相比于现有技术中对拥堵区域的获取手段(现有的获取手段通常为经验预测、实地巡检及人为举报),更具有及时性;
2)本发明通过规划警用车辆的活动路线,能够有效提高对警力资源的利用率,一车能够监管一个预置的监控区域,且对对拥堵区域的管理更加有序,同时还降低了拥堵区域车辆对警力资源调动的影响,确保对拥堵区域车流疏散的及时性;
3)本发明通过警用无人机反馈的对拥堵区域的反馈画面,为管理员对拥堵区域附近的交通灯时间调整决策提供了数据支撑,确保决策的准确性。
附图说明
图1为本发明一种基于物联网的智能警用车载控制方法的流程示意图;
图2为本发明一种基于物联网的智能警用车载控制系统的结构示意图。
具体实施方式
接下来将通过具体的案例分析对本发明的技术方案进行清楚、完整的解释说明,以保证本领域技术人员依照本实施例实施本发明。
如图1所示,本发明提供以下技术方案,一种基于物联网的智能警用车载控制方法,所述方法包括以下步骤:
S1、通过警用车载无人机内置的摄像头获取待监控区域内的高空路况画面,所述高空路况画面为警用车载无人机在高空拍摄的路况画面,通常警用车载无人机的拍摄高空路况画面时的飞行高度是根据警用车辆上执法人员的需求进行控制的,且拍摄的高空路况画面需覆盖待监控区域,并识别出所得高空路况画面中不同的路况拥堵区域,将每个路况拥堵区域记为一个拥堵节点,得到待监控区域内的路况拥堵节点集;
所述S1中识别出所得高空路况画面中不同的路况拥堵区域时,是通过提取所得高空路况画面中每个路口区域的画面,并将每个路口区域的提取画面与数据库中提前保存的相应路口区域对应的正常通行画面进行比较,统计比较的两个画面中相应位置像素点的灰度差大于第一预设值的所有像素点个数,记为节点画面异常量,并将所得节点画面异常量与相应的提取画面中像素点总个数的比值大于第二预设值的路口区域作为一个路况拥堵区域。
本实施例中还公开了另一种获取路况拥堵区域的方法,具体方法包括以下内容:所得路况拥堵区域的最终获取结果包括第一拥堵区域判定结果与第二拥堵区域判定结果的并集;
所述第一拥堵区域判定结果为通过上述警用车载无人机采集的高空路况画面与数据库预置画面对比后得到的各个拥堵区域;
所述第二拥堵区域判定结果在获取过程中,获取通过警用车载中控端实时获取交通网络车流量数据,具体操作方法包括以下步骤:
步骤一:获取待监控区域内除第一拥堵区域判定结果包含的各个路口区域,并选取任意一个所获取的路口区域周边的摄像头拍摄到的车流量通行数据;
步骤二:统计所得各个摄像头监测到的车流量通行数据中,基于当前时间的历史数据中最近单位时间内拍摄到的驶离相应路口区域位置的车辆个数,记为第一车流监控特征值;统计所得各个摄像头监测到的车流量通行数据中,基于当前时间的历史数据中最近单位时间内拍摄到的驶向相应路口区域位置的车辆个数,记为第二车流监控特征值;
步骤三:得到当前时间点对应的车辆监控数据对,记为{第一车流监控特征值,第二车流监控特征值};
步骤四:以当前时间点对应的车辆监控数据对为参照,获取历史数据中前ξ个车辆监控数据对且相邻的两个车辆监控数据对之间对应的时间间隔为预设时长,进而按时间顺序依次得到ξ+1个车辆监控数据对;
步骤五:通过一次线性回归方程对步骤四中所得的ξ+1个车辆监控数据对中对应第二车流监控特征值不为0的各个车辆监控数据对进行线性拟合,并提取拟合的线性方程的斜率,记为Ψ,
当Ψ大于预设斜率时,则判定相应路口区域为拥堵区域;反之,则判定相应路口区域为拥堵区域;
S2、警用车辆内置的中控端接收相应警用车载无人机得到的待监控区域内的路况拥堵节点集,分析所得路况拥堵节点集内不同的拥堵节点之间的路况关联关系,构建待监控区域内的拥堵关联链;
所述S2中构建待监控区域内的拥堵关联链的方法包括以下步骤:
S21、警用车辆内置的中控端接收相应警用车载无人机得到的待监控区域内的路况拥堵节点集,选取所得路况拥堵节点集中任意两个元素分别对应的拥堵节点,分别记为Ai及Ai 1;
S22、结合数据库中预置地图中Ai与Ai 1分别对应的拥堵节点的位置,判断Ai与Ai1之间的路况关联关系,
当Ai与Ai 1分别对应的拥堵节点在预置地图中的同一条道路上且两者之间不存在其余路口区域时,则判定Ai与Ai 1之间存在路况关联关系;反之,则判定Ai与Ai 1之间不存在路况关联关系;
S23、将存在路况关联关系的不同拥堵节点相互连接,构成待监控区域内不同的拥堵关联网,每个拥堵关联网存在一个或多个关联端点,每个关联端点对应一个拥堵节点且每个关联端点在相应的拥堵关联网中存在0个或一个与之存在路况关联关系的拥堵节点;
将每个拥堵关联网拆分成不同的拥堵关联链,
当拥堵关联网包含的拥堵节点的个数为1时,则拆分的拥堵关联链也仅含有一个拥堵节点;
当拥堵关联网包含的拥堵节点的个数大于等于2时,则拆分的每条拥堵关联链中包括两个关联端点,拆分的每条拥堵关联链为相应拥堵关联网中从一个关联端点移动至另一个关联端点所经过的拥堵节点构成的链;
含有拥堵节点个数大于等于2的每条拥堵关联链均对应一个关联影响传播方向,
获取相应拥堵关联链对应的关联影响传播方向时,获取采集的高空路况画面中,相应拥堵关联链内各个拥堵节点及连接的道路区域,将相应拥堵关联链对应的两个关联端点分别记为第一端点和第二端点;获取各个拥堵节点及连接的道路区域的中轴线,记为第一中轴线;获取第一端点至第二端点的道路指向时,第一中轴线的右侧区域偏差像素特征值与第一中轴线的左侧区域偏差像素特征值的比值,记为BZ;
若BZ≥1,则判定相应拥堵关联链对应的关联影响传播方向为第一端点至第二端点的道路指向;反之,则判定相应拥堵关联链对应的关联影响传播方向为第二端点至第一端点的道路指向;
获取所述第一中轴线的右侧区域偏差像素特征值时,统计获取的各个拥堵节点及连接的道路区域中的中轴线右侧区域,与数据库提前保存的相应路口区域的正常通行画面内相应位置像素点的灰度差大于第一预设值的所有像素点个数,所得统计结果等于第一中轴线的右侧区域偏差像素特征值;
获取所述第一中轴线的左侧区域偏差像素特征值时,统计获取的各个拥堵节点及连接的道路区域中的中轴线左侧区域,与数据库提前保存的相应路口区域的正常通行画面内相应位置像素点的灰度差大于第一预设值的所有像素点个数,所得统计结果等于第一中轴线的左侧区域偏差像素特征值。
S3、结合所得拥堵关联链中各个拥堵节点分别对应的路况信息,得到每个拥堵节点对应的路况干扰影响值,并生成待监控区域内的拥堵节点疏通优先级序列;
所述S3中得到每个拥堵节点对应的路况干扰影响值的方法包括以下步骤:
S31、对待监控区域内的路况拥堵节点集中的各个拥堵节点进行编号,将待监控区域内的路况拥堵节点集中第i个元素对应的拥堵节点的编号记为Bi;
S32、对待监控区域内构建的各条拥堵关联链进行编号,将待监控区域内的第j条拥堵关联链对应编号记为Cj;
S33、统计待监控区域内,含有Bi对应的拥堵节点的各条拥堵关联链,构建Bi对应的拥堵关联链集合,记为FBi;
S34、得到拥堵节点Bi对应的路况干扰影响值,记为GBi,
其中,NBi表示FBi中的元素总个数;β表示转化系数且β为数据库中预置的常数;
Yin表示FBi中第n个元素对应的拥堵关联链中,与关联影响传播方向同向时,拥堵节点Bi及之前的每个拥堵节点中分别对应的节点画面异常量之和;
Zin表示FBi中第n个元素对应的拥堵关联链中,与关联影响传播方向同向时,拥堵节点Bi及之后的每个拥堵节点中分别对应的节点画面异常量之和;当拥堵关联链中的拥堵节点为1时,则Yin=Zin;
L表示FBi中各个元素分别对应的拥堵关联链内,与关联影响传播方向同向时,拥堵节点Bi及之前拥堵节点的总个数的最大值;
所述S3中生成待监控区域内的拥堵节点疏通优先级序列时,按对应路况干扰影响值从大到小的顺序对各个拥堵节点进行排列,得到待监控区域内的拥堵节点疏通优先级序列。
S4、结合拥堵节点疏通优先级序列中各个拥堵节点连线所围区域及警用车载有效通信半径,生成警用车辆的活动区域,并结合拥堵节点疏通优先级序列中各个拥堵节点的序号,规划警用车辆的活动路线,并按照所规划的警用车辆活动路线,实时控制警用车载无人机对各个拥堵节点进行管控。
所述S4中生成警用车辆的活动区域的方法包括以下步骤:
S401、获取拥堵节点疏通优先级序列中各个拥堵节点连线所围区域,记为第一区域;
S402、获取警用车载有效通信半径,记为r;
S403、获取第一区域内,与第一区域边界距离为r的所有位置点所围成的区域,记为第二区域,所述第二区域为警用车辆的活动区域;
所述S4中规划警用车辆的活动路线的方法包括以下步骤:
S411、获取警用车载无人机采集高空路况画面时,警用车辆的位置,记为第一位置;并将第一位置及拥堵节点疏通优先级序列中各个拥堵节点分别对应的位置逐个录入到一个空白集合中,得到特征位置集合;
S412、在第二区域中分别以特征位置集合中元素对应区域的中心点为圆心且以r为半径构建一个圆形区域,得到拥堵节点疏通优先级序列中每个拥堵节点对应的警用车辆停车观测区域;
获取特征位置集合中第i+1个元素分别对应的第一交集与第二交集的并集;所述特征位置集合中第i+1个元素对应的第一交集为特征位置集合中第i个元素对应圆形区域与第i+1个元素对应圆形区域的交集;所述特征位置集合中第i+1个元素对应的第二交集为特征位置集合中第i+1个元素对应圆形区域与第i+2个元素对应圆形区域的交集;
当所得特征位置集合中第i+1个元素对应的并集不为空,则判定所得特征位置集合中第i+1个元素对应的并集为拥堵节点疏通优先级序列中第i个拥堵节点对应的警用车辆停车观测区域;反之,则判定特征位置集合中第i+1个元素对应圆形区域为拥堵节点疏通优先级序列中第i个拥堵节点对应的警用车辆停车观测区域;
S413、结合第二区域内的道路位置,生成按拥堵节点疏通优先级序列顺序,分别途径拥堵节点疏通优先级序列内每个拥堵节点对应的警用车辆停车观测区域的不同规划路径,并将路径长度最短的规划路径中的任意一种作为警用车辆的活动路线。
本实施例中规划路径是通过北斗导航系统生成的;
所述S4中实时控制警用车载无人机对各个拥堵节点进行管控的过程中,通过警用车辆的中控端按拥堵节点疏通优先级序列,依次控制警用车载无人机飞行至相应拥堵节点所属拥堵区域的中心点上空采集相应拥堵区域的拥堵细节画面,并通过警用车辆的中控端传输给拥堵区域对应的管理员,提醒管理员对与拥堵区域相邻的所有交通灯的红绿灯时间进行调节;所述警用车载无人机在对某一个拥堵节点进行管控时,控制警用车载无人机的警用车辆停靠在警用车辆的活动路线中,相应拥堵节点对应的警用车辆停车观测区域;
本实施例中控制警用车载无人机飞至拥堵区域中心点上空采集画面,而不是直接在高空对各个拥堵区域内的拥堵画面进行采集,一方面是考虑到高空画面的像素低,采集画面的清晰度问题;另一方面,则是考虑到画面拍摄角度导致的对拥堵区域的拥堵信息采集不全面的问题;同时本实施例中警用车载无人机在到达拥堵区域的中心点上空时,会对拥堵区域进行360°全景拍摄,并在预置时间内持续采集拥堵区域的汇入车辆与远离车辆的情况,实时传输给相应的管理员,可以供管理员调节与拥堵区域相邻的所有交通灯的红绿灯时间时进行参考;
控制警用车载无人机飞向拥堵节点的过程中,警用车载无人机的飞行位置与警用车辆位置不超过警用车载有效通信半径;
在警用车载无人机飞向各个拥堵区域的中心点上空的过程中,警用车辆按照规划的活动路线行进或停止。
如图2所示,一种基于物联网的智能警用车载控制系统,所述系统包括以下模块:
高空路况监测模块,所述高空路况监测模块通过警用车载无人机内置的摄像头获取待监控区域内的高空路况画面,并识别出所得高空路况画面中不同的路况拥堵区域,将每个路况拥堵区域记为一个拥堵节点,得到待监控区域内的路况拥堵节点集;
拥堵关联分析模块,所述拥堵关联分析模块警用车辆内置的中控端接收相应警用车载无人机得到的待监控区域内的路况拥堵节点集,分析所得路况拥堵节点集内不同的拥堵节点之间的路况关联关系,构建待监控区域内的拥堵关联链;
疏通序列生成模块,所述疏通序列生成模块结合所得拥堵关联链中各个拥堵节点分别对应的路况信息,得到每个拥堵节点对应的路况干扰影响值,并生成待监控区域内的拥堵节点疏通优先级序列;
车载管控模块,所述车载管控模块结合拥堵节点疏通优先级序列中各个拥堵节点连线所围区域及警用车载有效通信半径,生成警用车辆的活动区域,并结合拥堵节点疏通优先级序列中各个拥堵节点的序号,规划警用车辆的活动路线,并按照所规划的警用车辆活动路线,实时控制警用车载无人机对各个拥堵节点进行管控。
所述疏通序列生成模块包括路况干扰分析单元及疏通优先级管理单元,
所述路况干扰分析单元结合所得拥堵关联链中各个拥堵节点分别对应的路况信息,得到每个拥堵节点对应的路况干扰影响值;
所述疏通优先级管理单元结合路况干扰分析单元中得到的每个拥堵节点对应的路况干扰影响值,生成待监控区域内的拥堵节点疏通优先级序列。
所述车载管控模块包括车辆活动区域分析单元、车辆路线分析单元及车载设备管控单元,
所述车辆活动区域分析单元结合拥堵节点疏通优先级序列中各个拥堵节点连线所围区域及警用车载有效通信半径,生成警用车辆的活动区域;
所述车辆路线分析单元结合拥堵节点疏通优先级序列中各个拥堵节点的序号,规划警用车辆的活动路线;
所述车载设备管控单元按照所规划的警用车辆活动路线,实时控制警用车载无人机对各个拥堵节点进行管控。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
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,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (7)
1.一种基于物联网的智能警用车载控制方法,其特征在于,所述方法包括以下步骤:
S1、通过警用车载无人机内置的摄像头获取待监控区域内的高空路况画面,并识别出所得高空路况画面中不同的路况拥堵区域,将每个路况拥堵区域记为一个拥堵节点,得到待监控区域内的路况拥堵节点集;
S2、警用车辆内置的中控端接收相应警用车载无人机得到的待监控区域内的路况拥堵节点集,分析所得路况拥堵节点集内不同的拥堵节点之间的路况关联关系,构建待监控区域内的拥堵关联链;
S3、结合所得拥堵关联链中各个拥堵节点分别对应的路况信息,得到每个拥堵节点对应的路况干扰影响值,并生成待监控区域内的拥堵节点疏通优先级序列;
S4、结合拥堵节点疏通优先级序列中各个拥堵节点连线所围区域及警用车载有效通信半径,生成警用车辆的活动区域,并结合拥堵节点疏通优先级序列中各个拥堵节点的序号,规划警用车辆的活动路线,并按照所规划的警用车辆活动路线,实时控制警用车载无人机对各个拥堵节点进行管控;
所述S1中识别出所得高空路况画面中不同的路况拥堵区域时,是通过提取所得高空路况画面中每个路口区域的画面,并将每个路口区域的提取画面与数据库中提前保存的相应路口区域对应的正常通行画面进行比较,统计比较的两个画面中相应位置像素点的灰度差大于第一预设值的所有像素点个数,记为节点画面异常量,并将所得节点画面异常量与相应的提取画面中像素点总个数的比值大于第二预设值的路口区域作为一个路况拥堵区域;
所述S2中构建待监控区域内的拥堵关联链的方法包括以下步骤:
S21、警用车辆内置的中控端接收相应警用车载无人机得到的待监控区域内的路况拥堵节点集,选取所得路况拥堵节点集中任意两个元素分别对应的拥堵节点,分别记为Ai及Ai 1;
S22、结合数据库中预置地图中Ai与Ai 1分别对应的拥堵节点的位置,判断Ai与Ai 1之间的路况关联关系,
当Ai与Ai 1分别对应的拥堵节点在预置地图中的同一条道路上且两者之间不存在其余路口区域时,则判定Ai与Ai 1之间存在路况关联关系;反之,则判定Ai与Ai 1之间不存在路况关联关系;
S23、将存在路况关联关系的不同拥堵节点相互连接,构成待监控区域内不同的拥堵关联网,每个拥堵关联网存在一个或多个关联端点,每个关联端点对应一个拥堵节点且每个关联端点在相应的拥堵关联网中存在0个或一个与之存在路况关联关系的拥堵节点;
将每个拥堵关联网拆分成不同的拥堵关联链,
当拥堵关联网包含的拥堵节点的个数为1时,则拆分的拥堵关联链也仅含有一个拥堵节点;
当拥堵关联网包含的拥堵节点的个数大于等于2时,则拆分的每条拥堵关联链中包括两个关联端点,拆分的每条拥堵关联链为相应拥堵关联网中从一个关联端点移动至另一个关联端点所经过的拥堵节点构成的链;
含有拥堵节点个数大于等于2的每条拥堵关联链均对应一个关联影响传播方向,
获取相应拥堵关联链对应的关联影响传播方向时,获取采集的高空路况画面中,相应拥堵关联链内各个拥堵节点及连接的道路区域,将相应拥堵关联链对应的两个关联端点分别记为第一端点和第二端点;获取各个拥堵节点及连接的道路区域的中轴线,记为第一中轴线;获取第一端点至第二端点的道路指向时,第一中轴线的右侧区域偏差像素特征值与第一中轴线的左侧区域偏差像素特征值的比值,记为BZ;
若BZ≥1,则判定相应拥堵关联链对应的关联影响传播方向为第一端点至第二端点的道路指向;反之,则判定相应拥堵关联链对应的关联影响传播方向为第二端点至第一端点的道路指向;
获取所述第一中轴线的右侧区域偏差像素特征值时,统计获取的各个拥堵节点及连接的道路区域中的中轴线右侧区域,与数据库提前保存的相应路口区域的正常通行画面内相应位置像素点的灰度差大于第一预设值的所有像素点个数,所得统计结果等于第一中轴线的右侧区域偏差像素特征值;
获取所述第一中轴线的左侧区域偏差像素特征值时,统计获取的各个拥堵节点及连接的道路区域中的中轴线左侧区域,与数据库提前保存的相应路口区域的正常通行画面内相应位置像素点的灰度差大于第一预设值的所有像素点个数,所得统计结果等于第一中轴线的左侧区域偏差像素特征值。
2.根据权利要求1所述的一种基于物联网的智能警用车载控制方法,其特征在于:所述S3中得到每个拥堵节点对应的路况干扰影响值的方法包括以下步骤:
S31、对待监控区域内的路况拥堵节点集中的各个拥堵节点进行编号,将待监控区域内的路况拥堵节点集中第i个元素对应的拥堵节点的编号记为Bi;
S32、对待监控区域内构建的各条拥堵关联链进行编号,将待监控区域内的第j条拥堵关联链对应编号记为Cj;
S33、统计待监控区域内,含有Bi对应的拥堵节点的各条拥堵关联链,构建Bi对应的拥堵关联链集合,记为FBi;
S34、得到拥堵节点Bi对应的路况干扰影响值,记为GBi,
其中,NBi表示FBi中的元素总个数;β表示转化系数且β为数据库中预置的常数;
Yin表示FBi中第n个元素对应的拥堵关联链中,与关联影响传播方向同向时,拥堵节点Bi及之前的每个拥堵节点中分别对应的节点画面异常量之和;
Zin表示FBi中第n个元素对应的拥堵关联链中,与关联影响传播方向同向时,拥堵节点Bi及之后的每个拥堵节点中分别对应的节点画面异常量之和;当拥堵关联链中的拥堵节点为1时,则Yin=Zin;
L表示FBi中各个元素分别对应的拥堵关联链内,与关联影响传播方向同向时,拥堵节点Bi及之前拥堵节点的总个数的最大值;
所述S3中生成待监控区域内的拥堵节点疏通优先级序列时,按对应路况干扰影响值从大到小的顺序对各个拥堵节点进行排列,得到待监控区域内的拥堵节点疏通优先级序列。
3.根据权利要求2所述的一种基于物联网的智能警用车载控制方法,其特征在于:所述S4中生成警用车辆的活动区域的方法包括以下步骤:
S401、获取拥堵节点疏通优先级序列中各个拥堵节点连线所围区域,记为第一区域;
S402、获取警用车载有效通信半径,记为r;
S403、获取第一区域内,与第一区域边界距离为r的所有位置点所围成的区域,记为第二区域,所述第二区域为警用车辆的活动区域;
所述S4中规划警用车辆的活动路线的方法包括以下步骤:
S411、获取警用车载无人机采集高空路况画面时,警用车辆的位置,记为第一位置;并将第一位置及拥堵节点疏通优先级序列中各个拥堵节点分别对应的位置逐个录入到一个空白集合中,得到特征位置集合;
S412、在第二区域中分别以特征位置集合中元素对应区域的中心点为圆心且以r为半径构建一个圆形区域,得到拥堵节点疏通优先级序列中每个拥堵节点对应的警用车辆停车观测区域;
获取特征位置集合中第i+1个元素分别对应的第一交集与第二交集的并集;所述特征位置集合中第i+1个元素对应的第一交集为特征位置集合中第i个元素对应圆形区域与第i+1个元素对应圆形区域的交集;所述特征位置集合中第i+1个元素对应的第二交集为特征位置集合中第i+1个元素对应圆形区域与第i+2个元素对应圆形区域的交集;
当所得特征位置集合中第i+1个元素对应的并集不为空,则判定所得特征位置集合中第i+1个元素对应的并集为拥堵节点疏通优先级序列中第i个拥堵节点对应的警用车辆停车观测区域;反之,则判定特征位置集合中第i+1个元素对应圆形区域为拥堵节点疏通优先级序列中第i个拥堵节点对应的警用车辆停车观测区域;
S413、结合第二区域内的道路位置,生成按拥堵节点疏通优先级序列顺序,分别途径拥堵节点疏通优先级序列内每个拥堵节点对应的警用车辆停车观测区域的不同规划路径,并将路径长度最短的规划路径中的任意一种作为警用车辆的活动路线。
4.根据权利要求3所述的一种基于物联网的智能警用车载控制方法,其特征在于:所述S4中实时控制警用车载无人机对各个拥堵节点进行管控的过程中,通过警用车辆的中控端按拥堵节点疏通优先级序列,依次控制警用车载无人机飞行至相应拥堵节点所属拥堵区域的中心点上空采集相应拥堵区域的拥堵细节画面,并通过警用车辆的中控端传输给拥堵区域对应的管理员,提醒管理员对与拥堵区域相邻的所有交通灯的红绿灯时间进行调节;所述警用车载无人机在对某一个拥堵节点进行管控时,控制警用车载无人机的警用车辆停靠在警用车辆的活动路线中,相应拥堵节点对应的警用车辆停车观测区域;
控制警用车载无人机飞向拥堵节点的过程中,警用车载无人机的飞行位置与警用车辆位置不超过警用车载有效通信半径;
在警用车载无人机飞向各个拥堵区域的中心点上空的过程中,警用车辆按照规划的活动路线行进或停止。
5.一种基于物联网的智能警用车载控制系统,所述系统应用权利要求1-4中任意一项所述的一种基于物联网的智能警用车载控制方法实现,其特征在于,所述系统包括以下模块:
高空路况监测模块,所述高空路况监测模块通过警用车载无人机内置的摄像头获取待监控区域内的高空路况画面,并识别出所得高空路况画面中不同的路况拥堵区域,将每个路况拥堵区域记为一个拥堵节点,得到待监控区域内的路况拥堵节点集;
拥堵关联分析模块,所述拥堵关联分析模块警用车辆内置的中控端接收相应警用车载无人机得到的待监控区域内的路况拥堵节点集,分析所得路况拥堵节点集内不同的拥堵节点之间的路况关联关系,构建待监控区域内的拥堵关联链;
疏通序列生成模块,所述疏通序列生成模块结合所得拥堵关联链中各个拥堵节点分别对应的路况信息,得到每个拥堵节点对应的路况干扰影响值,并生成待监控区域内的拥堵节点疏通优先级序列;
车载管控模块,所述车载管控模块结合拥堵节点疏通优先级序列中各个拥堵节点连线所围区域及警用车载有效通信半径,生成警用车辆的活动区域,并结合拥堵节点疏通优先级序列中各个拥堵节点的序号,规划警用车辆的活动路线,并按照所规划的警用车辆活动路线,实时控制警用车载无人机对各个拥堵节点进行管控。
6.根据权利要求5所述的一种基于物联网的智能警用车载控制系统,其特征在于:所述疏通序列生成模块包括路况干扰分析单元及疏通优先级管理单元,
所述路况干扰分析单元结合所得拥堵关联链中各个拥堵节点分别对应的路况信息,得到每个拥堵节点对应的路况干扰影响值;
所述疏通优先级管理单元结合路况干扰分析单元中得到的每个拥堵节点对应的路况干扰影响值,生成待监控区域内的拥堵节点疏通优先级序列。
7.根据权利要求6所述的一种基于物联网的智能警用车载控制系统,其特征在于:所述车载管控模块包括车辆活动区域分析单元、车辆路线分析单元及车载设备管控单元,
所述车辆活动区域分析单元结合拥堵节点疏通优先级序列中各个拥堵节点连线所围区域及警用车载有效通信半径,生成警用车辆的活动区域;
所述车辆路线分析单元结合拥堵节点疏通优先级序列中各个拥堵节点的序号,规划警用车辆的活动路线;
所述车载设备管控单元按照所规划的警用车辆活动路线,实时控制警用车载无人机对各个拥堵节点进行管控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311552819.4A CN117576908B (zh) | 2023-11-21 | 2023-11-21 | 一种基于物联网的智能警用车载控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311552819.4A CN117576908B (zh) | 2023-11-21 | 2023-11-21 | 一种基于物联网的智能警用车载控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117576908A CN117576908A (zh) | 2024-02-20 |
CN117576908B true CN117576908B (zh) | 2024-04-26 |
Family
ID=89860193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311552819.4A Active CN117576908B (zh) | 2023-11-21 | 2023-11-21 | 一种基于物联网的智能警用车载控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576908B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009264953A (ja) * | 2008-04-25 | 2009-11-12 | Denso Corp | 車載装置及びセンター装置 |
KR102029656B1 (ko) * | 2019-07-08 | 2019-11-08 | 주식회사 이엘 | 사물인터넷기반 임베디드 방식의 교통신호 자율운영시스템 |
CN112509322A (zh) * | 2020-11-27 | 2021-03-16 | 佛山市墨纳森智能科技有限公司 | 一种基于无人机的高速交通事故监管方法、系统及可读存储介质 |
CN113409584A (zh) * | 2021-06-10 | 2021-09-17 | 英博超算(南京)科技有限公司 | 一种基于v2x的交通拥堵分析和预防方法 |
CN115331425A (zh) * | 2022-06-30 | 2022-11-11 | 银江技术股份有限公司 | 一种交通预警方法、装置和系统 |
CN116580567A (zh) * | 2023-07-13 | 2023-08-11 | 深圳市博昌智控科技有限公司 | 基于智能交通灯的道路拥堵原因获取方法、系统及设备 |
CN116631211A (zh) * | 2023-05-24 | 2023-08-22 | 重庆邮电大学 | 一种基于车联网的紧急车辆道路拥堵疏散系统 |
CN116704771A (zh) * | 2023-06-21 | 2023-09-05 | 中咨数据有限公司 | 基于拥堵路段交通信息实时定位指挥处理系统 |
CN116797055A (zh) * | 2023-08-28 | 2023-09-22 | 日照朝力信息科技有限公司 | 一种基于物联网的城市道路规划方法及系统 |
CN116935653A (zh) * | 2023-09-15 | 2023-10-24 | 山东高速信息集团有限公司 | 一种预防交通拥堵的交通控制系统及控制方法 |
-
2023
- 2023-11-21 CN CN202311552819.4A patent/CN117576908B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009264953A (ja) * | 2008-04-25 | 2009-11-12 | Denso Corp | 車載装置及びセンター装置 |
KR102029656B1 (ko) * | 2019-07-08 | 2019-11-08 | 주식회사 이엘 | 사물인터넷기반 임베디드 방식의 교통신호 자율운영시스템 |
CN112509322A (zh) * | 2020-11-27 | 2021-03-16 | 佛山市墨纳森智能科技有限公司 | 一种基于无人机的高速交通事故监管方法、系统及可读存储介质 |
CN113409584A (zh) * | 2021-06-10 | 2021-09-17 | 英博超算(南京)科技有限公司 | 一种基于v2x的交通拥堵分析和预防方法 |
CN115331425A (zh) * | 2022-06-30 | 2022-11-11 | 银江技术股份有限公司 | 一种交通预警方法、装置和系统 |
CN116631211A (zh) * | 2023-05-24 | 2023-08-22 | 重庆邮电大学 | 一种基于车联网的紧急车辆道路拥堵疏散系统 |
CN116704771A (zh) * | 2023-06-21 | 2023-09-05 | 中咨数据有限公司 | 基于拥堵路段交通信息实时定位指挥处理系统 |
CN116580567A (zh) * | 2023-07-13 | 2023-08-11 | 深圳市博昌智控科技有限公司 | 基于智能交通灯的道路拥堵原因获取方法、系统及设备 |
CN116797055A (zh) * | 2023-08-28 | 2023-09-22 | 日照朝力信息科技有限公司 | 一种基于物联网的城市道路规划方法及系统 |
CN116935653A (zh) * | 2023-09-15 | 2023-10-24 | 山东高速信息集团有限公司 | 一种预防交通拥堵的交通控制系统及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117576908A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108205892B (zh) | 一种交通事件主动检测的方法及路侧智能信息终端 | |
CN110971878B (zh) | 一种工程现场管理系统 | |
CN107481507A (zh) | 一种智能交通管理方法及系统 | |
CN111710177B (zh) | 智慧交通信号灯组网协同优化控制系统及控制方法 | |
CN109697565A (zh) | 无人机巡逻高速公路的方法及系统 | |
CN105187790B (zh) | 一种车载终端的工作状态的监控方法、装置和系统 | |
CN108270999A (zh) | 一种目标检测方法、图像识别服务器及系统 | |
CN202134048U (zh) | 风景区游客分布统计系统 | |
CN113643520A (zh) | 一种交通事故智能处理系统及方法 | |
CN105788280A (zh) | 一种基于车联网的智慧城市车辆自动追踪系统 | |
CN108334831A (zh) | 一种监测图像处理方法、监测终端及系统 | |
CN110751373A (zh) | 一种用于应急救援的通信车调度方法、系统及通信车 | |
CN113705372A (zh) | 一种应用于配网作业现场违章的ai识别系统 | |
CN105072425A (zh) | 视频监控方法及视频监控装置 | |
CN106910339A (zh) | 道路信息提供方法、装置及处理终端 | |
CN109658692A (zh) | 基于自组网的信号灯控制方法、装置、设备及存储介质 | |
CN111583681A (zh) | 一种交通综合执法系统 | |
CN115562340A (zh) | 一种配网线路无人机巡检故障判别系统 | |
CN117576908B (zh) | 一种基于物联网的智能警用车载控制系统及方法 | |
US11975835B2 (en) | Method and system for managing unmanned aerial vehicle data transmission in smart city based on the internet of things | |
CN115393900A (zh) | 一种基于物联网的智慧工地安全监管方法及系统 | |
CN112102549B (zh) | 一种基于云平台的智慧工地管理系统 | |
CN114756054A (zh) | 一种基于5g的特高压密集输电通道多机协同巡检方法 | |
CN114625161A (zh) | 面向交通非现场执法的多无人机联合任务规划方法和系统 | |
CN114022972A (zh) | 一种无人机智能图像采集系统及方法 |
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 |