CN117576916B - 一种基于物联网的交通安全监测系统 - Google Patents
一种基于物联网的交通安全监测系统 Download PDFInfo
- Publication number
- CN117576916B CN117576916B CN202410062937.5A CN202410062937A CN117576916B CN 117576916 B CN117576916 B CN 117576916B CN 202410062937 A CN202410062937 A CN 202410062937A CN 117576916 B CN117576916 B CN 117576916B
- Authority
- CN
- China
- Prior art keywords
- monitored
- intersection
- target road
- road section
- congestion
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 206010021033 Hypomenorrhoea Diseases 0.000 claims abstract description 92
- 238000000034 method Methods 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G08G1/0125—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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及交通监测技术领域,具体涉及一种基于物联网的交通安全监测系统,该系统通过多个模块之间的相互配合,可以实现以下步骤:获取与待监测路口交汇的每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内的预设时刻下向待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率;确定待监测路口在当前时刻所属红绿灯周期内每个预设时刻下对每个目标道路段的车辆拥堵程度,以及整体拥堵程度;确定待监测路口对每个目标道路段的拥堵影响程度;确定交通调节重要程度;生成待监测路口对应的交通安全监测信息。本发明实现了交通安全监测,提高了路口拥堵情况判断的准确度,从而提高了交通安全性。
Description
技术领域
本发明涉及交通监测技术领域,具体涉及一种基于物联网的交通安全监测系统。
背景技术
随着人们生活水平的提高,人们对出行的要求相对越来越高,从而提高了人均拥车量,进而导致部分道路难以满足增长车辆的交通需求,可能导致有些时间段内部分道路,尤其是部分路口的交通拥堵状况严重。由于交通拥堵时可能导致加塞或车辆剐蹭等安全事故的出现,所以为了提高交通安全,在交通拥堵时往往可以通过人工调节的方式进行交通拥堵疏通调节,比如可以通过交警人为进行交通拥堵疏通调节,以实现交通安全监测。由于路口的拥堵情况往往与该路口交汇道路的车流量有关,因此,目前判断路口是否需要进行交通拥堵疏通调节时,通常采用的方法为:根据物联网产品GPS(Global PositioningSystem,全球定位系统),获取与路口交汇道路的车流量,并根据与路口交汇道路的车流量,判断路口是否需要进行交通拥堵疏通调节。
然而,当根据与路口交汇道路的车流量,判断路口是否需要进行交通拥堵疏通调节时,经常会存在如下技术问题:
基于与路口交汇道路的车流量,判断路口是否需要进行交通拥堵疏通调节的过程中,往往需要基于与路口交汇道路的车流量,判断路口是否会发生严重拥堵,由于车流量可以是某条道路在某个时刻的车辆数,而不同道路的规模往往不同,其对车流量的疏通能力往往不同,从而导致不同路口对车流量的疏通能力往往不同,因此直接基于与路口交汇道路的车流量,判断路口是否发生严重拥堵时,可能导致路口拥堵情况判断的准确度较差,从而导致路口是否需要进行交通拥堵疏通调节判断的准确度较差,进而导致交通的安全性较差。
发明内容
为了解决由于路口拥堵情况判断的准确度较差而导致的交通安全性较差的技术问题,本发明提出了一种基于物联网的交通安全监测系统。
本发明提供了一种基于物联网的交通安全监测系统,该系统包括:
数据获取模块,用于获取与待监测路口交汇的每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内的预设时刻下向所述待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率,其中,当前时刻是其所属红绿灯周期内的最后一个预设时刻;
车辆拥堵确定模块,用于根据每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内的预设时刻下向所述待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率,确定所述待监测路口在当前时刻所属红绿灯周期内每个预设时刻下对每个目标道路段的车辆拥堵程度,以及所述待监测路口对应的整体拥堵程度;
交通影响确定模块,用于根据所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度和每个目标道路段的面积,确定所述待监测路口对每个目标道路段的拥堵影响程度;
重要程度确定模块,用于根据所述整体拥堵程度,以及所述待监测路口对所有目标道路段的拥堵影响程度,确定所述待监测路口对应的交通调节重要程度;
信息生成模块,用于根据所述交通调节重要程度,生成所述待监测路口对应的交通安全监测信息。
可选地,所述根据每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内的预设时刻下向所述待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率,确定所述待监测路口在当前时刻所属红绿灯周期内每个预设时刻下对每个目标道路段的车辆拥堵程度,以及所述待监测路口对应的整体拥堵程度,包括:
根据每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内每个预设时刻下向所述待监测路口相反方向行驶的所有车辆对应的车流量和车平均速率,确定所述待监测路口在当前时刻所属红绿灯周期内每个预设时刻下对每个目标道路段的车辆拥堵程度;
根据每个目标道路段的面积,以及每个目标道路段在当前时刻下向所述待监测路口正向方向行驶的所有车辆对应的车流量和车平均速率,确定每个目标道路段在当前时刻下对所述待监测路口的车辆拥堵程度;
根据所有目标道路段在当前时刻下对所述待监测路口的车辆拥堵程度,确定所述待监测路口对应的整体拥堵程度。
可选地,待监测路口在当前时刻所属红绿灯周期内的预设时刻下对目标道路段的车辆拥堵程度,以及目标道路段在当前时刻下对所述待监测路口的车辆拥堵程度对应的公式为:
;/>;其中,/>是待监测路口在当前时刻所属红绿灯周期内第j个预设时刻下对第i个目标道路段的车辆拥堵程度;/>是第i个目标道路段在当前时刻下对所述待监测路口的车辆拥堵程度;i是目标道路段的序号;j是当前时刻所属红绿灯周期内预设时刻的序号;/>是归一化函数;/>是第i个目标道路段在当前时刻所属红绿灯周期内第j个预设时刻下向待监测路口相反方向行驶的所有车辆对应的车流量;/>是第i个目标道路段在当前时刻所属红绿灯周期内第j个预设时刻下向待监测路口相反方向行驶的所有车辆对应的车平均速率;/>是第i个目标道路段的面积;/>是第i个目标道路段在当前时刻下向待监测路口正向方向行驶的所有车辆对应的车流量;/>是第i个目标道路段在当前时刻下向待监测路口正向方向行驶的所有车辆对应的车平均速率。
可选地,所述根据所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度和每个目标道路段的面积,确定所述待监测路口对每个目标道路段的拥堵影响程度,包括:
根据所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度,通过移动平均法,确定所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度对应的基线数据;
以预设时刻为横坐标,以所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度对应的基线数据为纵坐标,作每个目标道路段对应的基线数据曲线;
根据每个目标道路段对应的基线数据曲线,确定每个目标道路段对应的初始影响因子;
根据每个目标道路段对应的初始影响因子和面积,以及所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度和其对应的基线数据,确定所述待监测路口对每个目标道路段的拥堵影响程度。
可选地,所述根据每个目标道路段对应的基线数据曲线,确定每个目标道路段对应的初始影响因子,包括:
将任意一个目标道路段确定为标记道路段,并将当前时刻所属红绿灯周期内任意一个预设时刻确定为标记时刻;
将所述待监测路口在所述标记时刻下对所述标记道路段的车辆拥堵程度对应的基线数据,在所述标记道路段对应的基线数据曲线上的斜率,确定为所述标记时刻下的目标斜率;
将所述标记道路段在当前时刻所属红绿灯周期内所有预设时刻下的目标斜率的均值,确定为所述标记道路段对应的初始影响因子。
可选地,待监测路口对目标道路段的拥堵影响程度对应的公式为:
;其中,/>是待监测路口对第i个目标道路段的拥堵影响程度;i是目标道路段的序号;/>是归一化函数;/>是第i个目标道路段的面积;是第i个目标道路段对应的初始影响因子;/>是当前时刻所属红绿灯周期内预设时刻的数量;j是当前时刻所属红绿灯周期内预设时刻的序号;/>是取绝对值函数;/>是待监测路口在当前时刻所属红绿灯周期内第j个预设时刻下对第i个目标道路段的车辆拥堵程度;/>是待监测路口在当前时刻所属红绿灯周期内第j个预设时刻下对第i个目标道路段的车辆拥堵程度对应的基线数据。
可选地,所述根据所述整体拥堵程度,以及所述待监测路口对所有目标道路段的拥堵影响程度,确定所述待监测路口对应的交通调节重要程度,包括:
从所有目标道路段中筛选出所述待监测路口对其的拥堵影响程度大于预设影响阈值的目标道路段,作为候选拥堵路段;
根据所述待监测路口对所有候选拥堵路段的拥堵影响程度,确定所述待监测路口对应的拥堵代表程度;
根据候选拥堵路段的数量、所述整体拥堵程度和所述拥堵代表程度,确定所述待监测路口对应的交通调节重要程度。
可选地,所述根据所述待监测路口对所有候选拥堵路段的拥堵影响程度,确定所述待监测路口对应的拥堵代表程度,包括:
将所述待监测路口对所有候选拥堵路段的拥堵影响程度的累加值,确定为所述待监测路口对应的拥堵代表程度。
可选地,待监测路口对应的交通调节重要程度对应的公式为:
;/>;其中,F是待监测路口对应的交通调节重要程度;/>是归一化函数;E是所述整体拥堵程度;M是候选拥堵路段的数量;/>是目标道路段的数量;m是候选拥堵路段的序号;/>是待监测路口对第m个候选拥堵路段的拥堵影响程度;N是目标道路段的数量;i是目标道路段的序号;/>是第i个目标道路段在当前时刻下对所述待监测路口的车辆拥堵程度;/>是所述拥堵代表程度。
可选地,所述根据所述交通调节重要程度,生成所述待监测路口对应的交通安全监测信息,包括:
当所述交通调节重要程度大于预设调节阈值时,生成表征所述待监测路口需要进行交通调节的交通安全监测信息;
当所述交通调节重要程度小于或等于预设调节阈值时,生成表征所述待监测路口需要进行交通调节的交通安全监测信息。
本发明具有如下有益效果:
本发明的一种基于物联网的交通安全监测系统,实现了交通安全监测,解决了由于道路拥堵情况判断的准确度较差而导致的交通安全性较差的技术问题,提高了道路拥堵情况判断的准确度,从而提高了交通安全性。首先,一般来说,道路面积越大,其对应的交通疏通能力往往越大;向某个方向行驶的车辆的车流量越大,并且向该方向行驶的车辆的车平均速率越小时,往往说明道路上向该方向行驶的车辆越多,往往说明道路的该方向处的路口越可能会发生拥挤,从而导致该方向行驶的车辆难以快速行驶。因此,基于目标道路段的面积,其在当前时刻所属红绿灯周期内的预设时刻下向待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率,量化的待监测路口在预设时刻下对目标道路段的车辆拥堵程度越大,往往说明待监测路口在预设时刻越可能促使目标道路段或该目标道路段的另一个路口发生拥堵。其次,量化的待监测路口对应的整体拥堵程度越大,往往说明待监测路口越可能发生拥堵。然后,由于路口的红绿灯周期往往影响着与其交汇道路的拥堵情况,因此,基于待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对目标道路段的车辆拥堵程度和该目标道路段的面积,量化的待监测路口对该目标道路段的拥堵影响程度越大,往往说明待监测路口对该目标道路段或该目标道路段的另一个路口拥堵情况的影响程度越大,往往说明待监测路口对该目标道路段的交通越重要。之后,基于整体拥堵程度,以及待监测路口对所有目标道路段的拥堵影响程度,量化的待监测路口对应的交通调节重要程度越大,往往说明待监测路口越可能发生了较大程度的拥堵,并且对与其交汇的多个目标道路段或这些目标道路段的另一个路口拥堵情况的影响程度越大,往往说明待监测路口越需要进行交通调节。最后,基于交通调节重要程度,生成待监测路口对应的交通安全监测信息,实现了交通安全监测,并且相较于直接基于与待监测路口交汇道路的车流量,判断待监测路口是否需要进行交通拥堵疏通调节,以实现交通安全监测,本发明综合考虑了多个与待监测路口拥堵情况相关的多个因素,比如,目标道路段的面积,以及目标道路段在当前时刻所属红绿灯周期内的预设时刻下向待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率等,并量化了待监测路口对应的整体拥堵程度,从而比较客观地量化了待监测路口的拥堵情况。其次,本发明还量化了待监测路口对每个目标道路段的拥堵影响程度,使最终确定的待监测路口对应的交通调节重要程度相对更加合理,从而提高了交通安全性。
附图说明
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和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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它附图。
图1为本发明的一种基于物联网的交通安全监测系统的结构示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
参考图1,示出了根据本发明的一种基于物联网的交通安全监测系统的结构示意图。该基于物联网的交通安全监测系统,包括:
数据获取模块101,用于获取与待监测路口交汇的每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内的预设时刻下向上述待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率。
其中,待监测路口可以是需要进行交通拥堵监测的路口。目标道路段可以是待监测路口与其他路口之间的路段。当前时刻又称当前时间。红绿灯周期可以用待监测路口处完成一次红绿灯变换所需要的时间段表征。当前时刻可以是其所属红绿灯周期内的最后一个预设时刻。预设时刻可以是预先设置的时刻。相邻两个预设时刻之间的时长可以为1秒。例如,若当前时刻为2024年01月08日10时31分30秒,红绿灯周期对应的时长为30秒,相邻两个预设时刻之间的时长为1秒,则当前时刻所属红绿灯周期可以用2024年01月08日10时31分01秒至2024年01月08日10时31分30秒表征,并且当前时刻所属红绿灯周期内每个预设时刻可以是2024年01月08日10时31分01秒至2024年01月08日10时31分30秒中的每一秒。
目标道路段在预设时刻下向上述待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率可以包括:目标道路段在预设时刻下向上述待监测路口正向方向行驶的所有车辆对应的车流量和车平均速率,以及目标道路段在预设时刻下向上述待监测路口相反方向行驶的所有车辆对应的车流量和车平均速率。
目标道路段在预设时刻下向上述待监测路口正向方向行驶的所有车辆对应的车流量,也就是在该预设时刻时,该目标道路段上向待监测路口行驶的所有车辆的总数,其中,向待监测路口行驶的车辆可以是车头指向待监测路口的车辆。目标道路段在预设时刻下向上述待监测路口正向方向行驶的所有车辆对应的车平均速率,也就是在该预设时刻时,该目标道路段上向待监测路口行驶的所有车辆的行驶速率的均值。
目标道路段在预设时刻下向上述待监测路口相反方向行驶的所有车辆对应的车流量,也就是在该预设时刻时,该目标道路段上向待监测路口相反方向行驶的所有车辆的总数,其中,向待监测路口相反方向行驶的车辆可以是车尾指向待监测路口的车辆;一般来说,目标道路段上向待监测路口相反方向行驶的车辆,也就是目标道路段上向与目标道路段交汇的路口中除了待监测路口之外的另一个路口行驶的车辆。需要说明的是,若无特殊说明,本发明实施例中提到的“另一个路口”均是与目标道路段交汇的两个路口中除了待监测路口之外的路口。目标道路段在预设时刻下向上述待监测路口相反方向行驶的所有车辆对应的车平均速率,也就是在该预设时刻时,该目标道路段上向待监测路口相反方向行驶的所有车辆的行驶速率的均值。
需要说明的是,一般来说,道路面积越大,其对应的交通疏通能力往往越大;向某个方向行驶的车辆的车流量越大,并且向该方向行驶的车辆的车平均速率越小时,往往说明道路上向该方向行驶的车辆越多,往往说明道路的该方向处的路口越可能会发生拥挤,从而导致该方向行驶的车辆难以快速行驶。因此,获取目标道路段的面积,其在当前时刻所属红绿灯周期内的预设时刻下向待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率,可以便于后续量化路口的拥堵情况。
作为示例,可以通过GPS(Global Positioning System,全球定位系统),获取与待监测路口交汇的每个目标道路段的面积,可以统计每个目标道路段在每个预设时刻下向待监测路口正向方向行驶的所有车辆对应的车流量,以及每个目标道路段在每个预设时刻下向上述待监测路口相反方向行驶的所有车辆对应的车流量;并计算每个目标道路段在每个预设时刻下向待监测路口正向方向行驶的所有车辆对应的车平均速率,以及每个目标道路段在每个预设时刻下向上述待监测路口相反方向行驶的所有车辆对应的车平均速率。
车辆拥堵确定模块102,用于根据每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内的预设时刻下向上述待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率,确定上述待监测路口在当前时刻所属红绿灯周期内每个预设时刻下对每个目标道路段的车辆拥堵程度,以及上述待监测路口对应的整体拥堵程度。
需要说明的是,道路面积越大,其对应的交通疏通能力往往越大;向某个方向行驶的车辆的车流量越大,并且向该方向行驶的车辆的车平均速率越小时,往往说明道路上向该方向行驶的车辆越多,往往说明道路的该方向处的路口越可能会发生拥挤,从而导致该方向行驶的车辆难以快速行驶。因此,基于目标道路段的面积,其在当前时刻所属红绿灯周期内的预设时刻下向待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率,量化的待监测路口在预设时刻下对目标道路段的车辆拥堵程度越大,往往说明待监测路口在预设时刻越可能促使目标道路段或该目标道路段的另一个路口发生拥堵,这里的另一个路口也就是与该目标道路段交汇的两个路口中除了待监测路口之外的路口。其次,量化的待监测路口对应的整体拥堵程度越大,往往说明待监测路口越可能发生拥堵。
作为示例,本步骤可以包括以下步骤:
第一步,根据每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内每个预设时刻下向上述待监测路口相反方向行驶的所有车辆对应的车流量和车平均速率,确定上述待监测路口在当前时刻所属红绿灯周期内每个预设时刻下对每个目标道路段的车辆拥堵程度。
第二步,根据每个目标道路段的面积,以及每个目标道路段在当前时刻下向上述待监测路口正向方向行驶的所有车辆对应的车流量和车平均速率,确定每个目标道路段在当前时刻下对上述待监测路口的车辆拥堵程度。
第三步,根据所有目标道路段在当前时刻下对上述待监测路口的车辆拥堵程度,确定上述待监测路口对应的整体拥堵程度。
例如,可以将所有目标道路段在当前时刻下对上述待监测路口的车辆拥堵程度的累加值,确定为上述待监测路口对应的整体拥堵程度。
比如,待监测路口在当前时刻所属红绿灯周期内的预设时刻下对目标道路段的车辆拥堵程度,以及目标道路段在当前时刻下对上述待监测路口的车辆拥堵程度对应的公式可以为:
;/>;其中,/>是待监测路口在当前时刻所属红绿灯周期内第j个预设时刻下对第i个目标道路段的车辆拥堵程度。/>是第i个目标道路段在当前时刻下对上述待监测路口的车辆拥堵程度。i是目标道路段的序号。j是当前时刻所属红绿灯周期内预设时刻的序号。/>是归一化函数。/>是第i个目标道路段在当前时刻所属红绿灯周期内第j个预设时刻下向待监测路口相反方向行驶的所有车辆对应的车流量。/>是第i个目标道路段在当前时刻所属红绿灯周期内第j个预设时刻下向待监测路口相反方向行驶的所有车辆对应的车平均速率。/>是第i个目标道路段的面积。/>是第i个目标道路段在当前时刻下向待监测路口正向方向行驶的所有车辆对应的车流量。/>是第i个目标道路段在当前时刻下向待监测路口正向方向行驶的所有车辆对应的车平均速率。
需要说明的是,当越大时,第i个目标道路段在第j个预设时刻下向另一个路口行驶的车辆相对越多,往往说明第i个目标道路段在当前时刻时越可能引起另一个路口发生拥堵,往往说明在第j个预设时刻下待监测路口越可能引起第i个目标道路段的另一个路口发生拥堵。当/>越大时,往往说明第i个目标道路段在当前时刻下向待监测路口行驶的车辆相对越多,往往说明第i个目标道路段在当前时刻时越可能引起待监测路口发生拥堵,往往说明在第j个预设时刻下第i个目标道路段的另一个路口越可能引起待监测路口发生拥堵。当/>越小时,往往说明第i个目标道路段在第j个预设时刻下向另一个路口行驶的车辆,在第i个目标道路段上的占比相对越小,往往说明第i个目标道路段在第j个预设时刻下向另一个路口行驶的车辆分布相对越稀疏,往往说明在第j个预设时刻时越可能不会引起第i个目标道路段的另一个路口发生拥堵。当/>越小时,往往说明第i个目标道路段在当前时刻下向待监测路口行驶的车辆,在第i个目标道路段上的占比相对越小,往往说明第i个目标道路段在当前时刻下向待监测路口行驶的车辆分布相对越稀疏,往往说明在当前时刻时越可能不会引起待监测路口发生拥堵。当/>越小时,往往说明第i个目标道路段在第j个预设时刻下向另一个路口行驶的车辆的速率相对越小,往往说明第i个目标道路段在第j个预设时刻下指向另一个路口的方向越可能发生了拥堵,从而越可能导致第i个目标道路段的另一个路口发生拥堵。当/>越小时,往往说明第i个目标道路段在当前时刻下向待监测路口行驶的车辆的速率相对越小,往往说明第i个目标道路段在当前时刻下指向待监测路口的方向越可能发生了拥堵,从而越可能导致待监测路口发生拥堵。因此,当/>越大时,往往说明第i个目标道路段在当前时刻时越可能引起待监测路口发生拥堵,往往说明第i个目标道路段的另一个路口在当前时刻时越可能引起待监测路口发生拥堵。当/>越大时,往往说明待监测路口在第j个预设时刻时越可能引起第i个目标道路段的另一个路口发生拥堵。
交通影响确定模块103,用于根据上述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度和每个目标道路段的面积,确定上述待监测路口对每个目标道路段的拥堵影响程度。
需要说明的是,由于路口的红绿灯周期往往影响着与其交汇道路的拥堵情况,因此,基于待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对目标道路段的车辆拥堵程度和该目标道路段的面积,量化的待监测路口对该目标道路段的拥堵影响程度越大,往往说明待监测路口对该目标道路段或该目标道路段的另一个路口拥堵情况的影响程度越大,往往说明待监测路口对该目标道路段的交通越重要。
作为示例,本步骤可以包括以下步骤:
第一步,根据上述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度,通过移动平均法,确定上述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度对应的基线数据。
其中,基线数据,也就是移动平均值。
例如,将任意一个目标道路段确定为标记道路段,并将当前时刻所属红绿灯周期内任意一个预设时刻确定为标记时刻,待监测路口在标记时刻下对标记道路段的车辆拥堵程度对应的基线数据的获取方法可以为:从当前时刻所属红绿灯周期内筛选出与标记时刻相隔时长最短的预设数量个预设时刻,并将待监测路口在这预设数量个预设时刻下对标记道路段的车辆拥堵程度的均值,确定为待监测路口在标记时刻下对标记道路段的车辆拥堵程度对应的基线数据。其中,预设数量可以是预先设置的数量。比如,预设数量可以为5。
第二步,以预设时刻为横坐标,以上述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度对应的基线数据为纵坐标,作每个目标道路段对应的基线数据曲线。
其中,目标道路段对应的基线数据曲线可以是以预设时刻为横坐标,以待监测路口在当前时刻所属红绿灯周期内的预设时刻下对该目标道路段的车辆拥堵程度对应的基线数据为纵坐标的曲线。
第三步,根据每个目标道路段对应的基线数据曲线,确定每个目标道路段对应的初始影响因子可以包括以下子步骤:
第一子步骤,将任意一个目标道路段确定为标记道路段,并将当前时刻所属红绿灯周期内任意一个预设时刻确定为标记时刻。
第二子步骤,将上述待监测路口在上述标记时刻下对上述标记道路段的车辆拥堵程度对应的基线数据,在上述标记道路段对应的基线数据曲线上的斜率,确定为上述标记时刻下的目标斜率。
其中,标记时刻下的目标斜率,也就是标记道路段对应的基线数据曲线上横坐标为标记时刻的坐标点,在标记道路段对应的基线数据曲线上的斜率。
第三子步骤,将上述标记道路段在当前时刻所属红绿灯周期内所有预设时刻下的目标斜率的均值,确定为上述标记道路段对应的初始影响因子。
第四步,根据每个目标道路段对应的初始影响因子和面积,以及上述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度和其对应的基线数据,确定上述待监测路口对每个目标道路段的拥堵影响程度。
例如,待监测路口对目标道路段的拥堵影响程度对应的公式可以为:
;其中,/>是待监测路口对第i个目标道路段的拥堵影响程度。i是目标道路段的序号。/>是归一化函数。/>是第i个目标道路段的面积。是第i个目标道路段对应的初始影响因子。/>是当前时刻所属红绿灯周期内预设时刻的数量。j是当前时刻所属红绿灯周期内预设时刻的序号。/>是取绝对值函数。/>是待监测路口在当前时刻所属红绿灯周期内第j个预设时刻下对第i个目标道路段的车辆拥堵程度。/>是待监测路口在当前时刻所属红绿灯周期内第j个预设时刻下对第i个目标道路段的车辆拥堵程度对应的基线数据。
需要说明的是,当越小时,往往说明第i个目标道路段的面积越小,往往说明第i个目标道路段对车辆拥堵的疏通能力相对越弱,相对越容易受到其对应路口的拥堵影响。当/>越大时,往往说明待监测路口在第j个预设时刻时越可能引起第i个目标道路段的另一个路口发生拥堵。所以,当/>越大时,往往说明在当前时刻所属红绿灯周期内待监测路口引起第i个目标道路段发生拥堵的可能性越可能呈上升趋势,往往说明在当前时刻所属红绿灯周期内待监测路口对第i个目标道路段的拥堵影响程度越大。当/>越大时,往往说明在当前时刻所属红绿灯周期内待监测路口引起第i个目标道路段发生拥堵的可能性越可能呈上升趋势,并且其变化波动越大,往往说明在当前时刻所属红绿灯周期内待监测路口对第i个目标道路段的拥堵影响程度越大。因此,当/>越大时,往往说明在当前时刻所属红绿灯周期内待监测路口对第i个目标道路段的拥堵影响程度越大。
重要程度确定模块104,用于根据上述整体拥堵程度,以及上述待监测路口对所有目标道路段的拥堵影响程度,确定上述待监测路口对应的交通调节重要程度。
需要说明的是,基于整体拥堵程度,以及待监测路口对所有目标道路段的拥堵影响程度,量化的待监测路口对应的交通调节重要程度越大,往往说明待监测路口越可能发生了较大程度的拥堵,并且对与其交汇的多个目标道路段或这些目标道路段的另一个路口拥堵情况的影响程度越大,往往说明待监测路口越需要进行交通调节。
作为示例,本步骤可以包括以下步骤:
第一步,从所有目标道路段中筛选出上述待监测路口对其的拥堵影响程度大于预设影响阈值的目标道路段,作为候选拥堵路段。
其中,预设影响阈值可以是预先设置的阈值。比如,预设影响阈值可以是0.5。
例如,若预设影响阈值是0.5,并且待监测路口对某个目标道路段的拥堵影响程度为0.6,则该目标道路段可以为候选拥堵路段。
第二步,根据上述待监测路口对所有候选拥堵路段的拥堵影响程度,确定上述待监测路口对应的拥堵代表程度。
例如,可以将上述待监测路口对所有候选拥堵路段的拥堵影响程度的累加值,确定为上述待监测路口对应的拥堵代表程度。
第三步,根据候选拥堵路段的数量、上述整体拥堵程度和上述拥堵代表程度,确定上述待监测路口对应的交通调节重要程度。
例如,待监测路口对应的交通调节重要程度对应的公式可以为:
;/>;其中,F是待监测路口对应的交通调节重要程度。/>是归一化函数。E是上述整体拥堵程度。M是候选拥堵路段的数量。/>是目标道路段的数量。m是候选拥堵路段的序号。/>是待监测路口对第m个候选拥堵路段的拥堵影响程度。N是目标道路段的数量。i是目标道路段的序号。/>是第i个目标道路段在当前时刻下对上述待监测路口的车辆拥堵程度。/>是上述拥堵代表程度。
需要说明的是,当越大时,往往说明第i个目标道路段在当前时刻时越可能引起待监测路口发生拥堵,往往说明第i个目标道路段的另一个路口在当前时刻时越可能引起待监测路口发生拥堵。所以,当/>越大时,往往说明在当前时刻时待监测路口越可能发生了拥堵。由于候选拥堵路段往往是在当前时刻所属红绿灯周期内受到待监测路口拥堵影响较大的路段,所以,当/>越大时,往往说明有较多目标道路段或较多目标道路段的另一个路口受到了待监测路口较大的拥堵影响,往往说明待监测路口越重要。当/>越大时,往往说明在当前时刻所属红绿灯周期内待监测路口对第m个候选拥堵路段的拥堵影响程度越大。因此,当F越大时,往往说明待监测路口越可能发生了较大程度的拥堵,并且对与其交汇的多个目标道路段或这些目标道路段的另一个路口拥堵情况的影响程度越大,往往说明待监测路口越需要进行交通调节。
信息生成模块105,用于根据上述交通调节重要程度,生成上述待监测路口对应的交通安全监测信息。
其中,交通安全监测信息可以是与监测待监测路口是否需要进行交通调节相关的信息。交通调节可以是通过交警人为进行的交通拥堵疏通调节。
作为示例,本步骤可以包括以下步骤:
第一步,当上述交通调节重要程度大于预设调节阈值时,生成表征上述待监测路口需要进行交通调节的交通安全监测信息。
其中,预设调节阈值可以是预先设置的阈值。例如,预设调节阈值可以是0.7。
例如,当上述交通调节重要程度大于预设调节阈值时,可以判定待监测路口需要进行交通调节,此时生成的交通安全监测信息可以为“待监测路口可能会发生拥堵,或者可能会导致其他路口发生拥堵,建议对待监测路口进行交通调节”。
第二步,当上述交通调节重要程度小于或等于预设调节阈值时,生成表征上述待监测路口需要进行交通调节的交通安全监测信息。
例如,当上述交通调节重要程度小于或等于预设调节阈值时,可以判定待监测路口不需要进行交通调节,此时生成的交通安全监测信息可以为“待监测路口交通正常”。
综上,相较于直接基于与待监测路口交汇道路的车流量,判断待监测路口是否需要进行交通拥堵疏通调节,以实现交通安全监测,本发明综合考虑了多个与待监测路口拥堵情况相关的多个因素,比如,目标道路段的面积,以及目标道路段在当前时刻所属红绿灯周期内的预设时刻下向待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率等,并量化了待监测路口对应的整体拥堵程度,从而比较客观地量化了待监测路口的拥堵情况。其次,本发明还量化了待监测路口对每个目标道路段的拥堵影响程度,使最终确定的待监测路口对应的交通调节重要程度相对更加合理,从而提高了交通安全性。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,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交通安全监测系统,其特征在于,所述系统包括:
数据获取模块,用于获取与待监测路口交汇的每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内的预设时刻下向所述待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率,其中,当前时刻是其所属红绿灯周期内的最后一个预设时刻;
车辆拥堵确定模块,用于根据每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内的预设时刻下向所述待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率,确定所述待监测路口在当前时刻所属红绿灯周期内每个预设时刻下对每个目标道路段的车辆拥堵程度,以及所述待监测路口对应的整体拥堵程度;
交通影响确定模块,用于根据所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度和每个目标道路段的面积,确定所述待监测路口对每个目标道路段的拥堵影响程度;
重要程度确定模块,用于根据所述整体拥堵程度,以及所述待监测路口对所有目标道路段的拥堵影响程度,确定所述待监测路口对应的交通调节重要程度;
信息生成模块,用于根据所述交通调节重要程度,生成所述待监测路口对应的交通安全监测信息;
所述根据所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度和每个目标道路段的面积,确定所述待监测路口对每个目标道路段的拥堵影响程度,包括:
根据所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度,通过移动平均法,确定所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度对应的基线数据;
以预设时刻为横坐标,以所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度对应的基线数据为纵坐标,作每个目标道路段对应的基线数据曲线;
根据每个目标道路段对应的基线数据曲线,确定每个目标道路段对应的初始影响因子;
根据每个目标道路段对应的初始影响因子和面积,以及所述待监测路口在当前时刻所属红绿灯周期内所有预设时刻下对每个目标道路段的车辆拥堵程度和其对应的基线数据,确定所述待监测路口对每个目标道路段的拥堵影响程度;
所述根据每个目标道路段对应的基线数据曲线,确定每个目标道路段对应的初始影响因子,包括:
将任意一个目标道路段确定为标记道路段,并将当前时刻所属红绿灯周期内任意一个预设时刻确定为标记时刻;
将所述待监测路口在所述标记时刻下对所述标记道路段的车辆拥堵程度对应的基线数据,在所述标记道路段对应的基线数据曲线上的斜率,确定为所述标记时刻下的目标斜率;
将所述标记道路段在当前时刻所属红绿灯周期内所有预设时刻下的目标斜率的均值,确定为所述标记道路段对应的初始影响因子;
待监测路口对目标道路段的拥堵影响程度对应的公式为:
;其中,/>是待监测路口对第i个目标道路段的拥堵影响程度;i是目标道路段的序号;/>是归一化函数;/>是第i个目标道路段的面积;/>是第i个目标道路段对应的初始影响因子;/>是当前时刻所属红绿灯周期内预设时刻的数量;j是当前时刻所属红绿灯周期内预设时刻的序号;/>是取绝对值函数;/>是待监测路口在当前时刻所属红绿灯周期内第j个预设时刻下对第i个目标道路段的车辆拥堵程度;/>是待监测路口在当前时刻所属红绿灯周期内第j个预设时刻下对第i个目标道路段的车辆拥堵程度对应的基线数据。
2.根据权利要求1所述的一种基于物联网的交通安全监测系统,其特征在于,所述根据每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内的预设时刻下向所述待监测路口正反方向分别行驶的所有车辆对应的车流量和车平均速率,确定所述待监测路口在当前时刻所属红绿灯周期内每个预设时刻下对每个目标道路段的车辆拥堵程度,以及所述待监测路口对应的整体拥堵程度,包括:
根据每个目标道路段的面积,以及每个目标道路段在当前时刻所属红绿灯周期内每个预设时刻下向所述待监测路口相反方向行驶的所有车辆对应的车流量和车平均速率,确定所述待监测路口在当前时刻所属红绿灯周期内每个预设时刻下对每个目标道路段的车辆拥堵程度;
根据每个目标道路段的面积,以及每个目标道路段在当前时刻下向所述待监测路口正向方向行驶的所有车辆对应的车流量和车平均速率,确定每个目标道路段在当前时刻下对所述待监测路口的车辆拥堵程度;
根据所有目标道路段在当前时刻下对所述待监测路口的车辆拥堵程度,确定所述待监测路口对应的整体拥堵程度。
3.根据权利要求2所述的一种基于物联网的交通安全监测系统,其特征在于,待监测路口在当前时刻所属红绿灯周期内的预设时刻下对目标道路段的车辆拥堵程度,以及目标道路段在当前时刻下对所述待监测路口的车辆拥堵程度对应的公式为:
;/>;其中,/>是待监测路口在当前时刻所属红绿灯周期内第j个预设时刻下对第i个目标道路段的车辆拥堵程度;/>是第i个目标道路段在当前时刻下对所述待监测路口的车辆拥堵程度;i是目标道路段的序号;j是当前时刻所属红绿灯周期内预设时刻的序号;/>是归一化函数;/>是第i个目标道路段在当前时刻所属红绿灯周期内第j个预设时刻下向待监测路口相反方向行驶的所有车辆对应的车流量;/>是第i个目标道路段在当前时刻所属红绿灯周期内第j个预设时刻下向待监测路口相反方向行驶的所有车辆对应的车平均速率;/>是第i个目标道路段的面积;/>是第i个目标道路段在当前时刻下向待监测路口正向方向行驶的所有车辆对应的车流量;/>是第i个目标道路段在当前时刻下向待监测路口正向方向行驶的所有车辆对应的车平均速率。
4.根据权利要求1所述的一种基于物联网的交通安全监测系统,其特征在于,所述根据所述整体拥堵程度,以及所述待监测路口对所有目标道路段的拥堵影响程度,确定所述待监测路口对应的交通调节重要程度,包括:
从所有目标道路段中筛选出所述待监测路口对其的拥堵影响程度大于预设影响阈值的目标道路段,作为候选拥堵路段;
根据所述待监测路口对所有候选拥堵路段的拥堵影响程度,确定所述待监测路口对应的拥堵代表程度;
根据候选拥堵路段的数量、所述整体拥堵程度和所述拥堵代表程度,确定所述待监测路口对应的交通调节重要程度。
5.根据权利要求4所述的一种基于物联网的交通安全监测系统,其特征在于,所述根据所述待监测路口对所有候选拥堵路段的拥堵影响程度,确定所述待监测路口对应的拥堵代表程度,包括:
将所述待监测路口对所有候选拥堵路段的拥堵影响程度的累加值,确定为所述待监测路口对应的拥堵代表程度。
6.根据权利要求5所述的一种基于物联网的交通安全监测系统,其特征在于,待监测路口对应的交通调节重要程度对应的公式为:
;/>;其中,F是待监测路口对应的交通调节重要程度;/>是归一化函数;E是所述整体拥堵程度;M是候选拥堵路段的数量;/>是目标道路段的数量;m是候选拥堵路段的序号;/>是待监测路口对第m个候选拥堵路段的拥堵影响程度;N是目标道路段的数量;i是目标道路段的序号;/>是第i个目标道路段在当前时刻下对所述待监测路口的车辆拥堵程度;/>是所述拥堵代表程度。
7.根据权利要求1所述的一种基于物联网的交通安全监测系统,其特征在于,所述根据所述交通调节重要程度,生成所述待监测路口对应的交通安全监测信息,包括:
当所述交通调节重要程度大于预设调节阈值时,生成表征所述待监测路口需要进行交通调节的交通安全监测信息;
当所述交通调节重要程度小于或等于预设调节阈值时,生成表征所述待监测路口需要进行交通调节的交通安全监测信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410062937.5A CN117576916B (zh) | 2024-01-17 | 2024-01-17 | 一种基于物联网的交通安全监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410062937.5A CN117576916B (zh) | 2024-01-17 | 2024-01-17 | 一种基于物联网的交通安全监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117576916A CN117576916A (zh) | 2024-02-20 |
CN117576916B true CN117576916B (zh) | 2024-03-22 |
Family
ID=89862916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410062937.5A Active CN117576916B (zh) | 2024-01-17 | 2024-01-17 | 一种基于物联网的交通安全监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576916B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103956057A (zh) * | 2014-01-13 | 2014-07-30 | 广西师范学院 | 一种用于安防交通流数据智能处理系统 |
CN104794908A (zh) * | 2015-04-08 | 2015-07-22 | 安徽师范大学 | 交通拥堵的协调控制方法及其协调控制系统 |
CN110021171A (zh) * | 2019-04-23 | 2019-07-16 | 临沂大学 | 高速公路路况定位方法、装置及系统 |
CN110111576A (zh) * | 2019-05-16 | 2019-08-09 | 北京航空航天大学 | 一种基于时空拥堵子团的城市交通弹性指标及其实现方法 |
CN113393679A (zh) * | 2021-06-10 | 2021-09-14 | 中南大学 | 基于交通路口车流识别与统计的区域交通诱导方法及系统 |
CN114464000A (zh) * | 2022-02-21 | 2022-05-10 | 上海商汤科技开发有限公司 | 路口交通灯控制方法、装置、设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8035530B2 (en) * | 2006-11-09 | 2011-10-11 | Sridhara Subbiah Ramasubbu | RFID intelligent traffic signaling |
US9965950B2 (en) * | 2016-06-03 | 2018-05-08 | Here Global B.V. | Method and apparatus for classifying a traffic jam from probe data |
US20220375340A1 (en) * | 2021-05-20 | 2022-11-24 | Blyncsy, Inc. | Machine-learning based control of traffic operation |
-
2024
- 2024-01-17 CN CN202410062937.5A patent/CN117576916B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103956057A (zh) * | 2014-01-13 | 2014-07-30 | 广西师范学院 | 一种用于安防交通流数据智能处理系统 |
CN104794908A (zh) * | 2015-04-08 | 2015-07-22 | 安徽师范大学 | 交通拥堵的协调控制方法及其协调控制系统 |
CN110021171A (zh) * | 2019-04-23 | 2019-07-16 | 临沂大学 | 高速公路路况定位方法、装置及系统 |
CN110111576A (zh) * | 2019-05-16 | 2019-08-09 | 北京航空航天大学 | 一种基于时空拥堵子团的城市交通弹性指标及其实现方法 |
CN113393679A (zh) * | 2021-06-10 | 2021-09-14 | 中南大学 | 基于交通路口车流识别与统计的区域交通诱导方法及系统 |
CN114464000A (zh) * | 2022-02-21 | 2022-05-10 | 上海商汤科技开发有限公司 | 路口交通灯控制方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
基于视频的路口拥堵信息监测系统设计;李珊珊;绳鹏;裴丽红;陈荣保;;仪表技术;20181031(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117576916A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN109598950B (zh) | 一种智能网联车辆的匝道协同汇入控制方法及系统 | |
CN110807436B (zh) | 危险驾驶行为识别与危险事件预测方法、装置及存储介质 | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
CN113178083A (zh) | 一种高速公路多级动态限速的拥堵控制方法及系统 | |
CN104933860A (zh) | 基于gps数据的公交车堵车延误时间预测方法 | |
CN110299027B (zh) | 基于轨迹数据和地图数据的车辆变道监测与安全预警方法 | |
CN115294767B (zh) | 一种高速公路车道线实时检测与交通安全预警方法及装置 | |
CN113870564B (zh) | 一种封闭路段交通拥堵分类方法、系统、电子设备及存储介质 | |
CN101064061A (zh) | 异类交通信息实时融合方法 | |
CN115063990A (zh) | 一种混合交通流环境高速公路瓶颈路段动态限速控制方法 | |
CN113436432A (zh) | 一种利用路侧观测数据进行路段短时交通风险预测的方法 | |
CN114360264A (zh) | 一种基于交通流量进行调节的智慧城市交通管理方法 | |
CN117576916B (zh) | 一种基于物联网的交通安全监测系统 | |
CN112133116B (zh) | 一种基于交通预测的车道管控系统 | |
CN116311913B (zh) | 一种基于ai视频智能分析的高速路段拥堵分析方法及系统 | |
Dong et al. | Determining E-bike drivers’ decision-making mechanisms during signal change interval using the hidden Markov driving model | |
CN108597217B (zh) | 一种高速公路事故监测提示方法 | |
WO2017080822A1 (de) | Verfahren und vorrichtung zum analysieren einer fahrweise eines fahrers eines fahrzeugs | |
CN115662145A (zh) | 一种基于大数据的事故路段车辆应急分流方法 | |
CN113848073A (zh) | 一种人车碰撞概率预测驾驶辅助方法及系统 | |
CN112053570B (zh) | 一种城市交通路网运行状态监测评价方法及系统 | |
CN112382087B (zh) | 交通堵塞预测方法 | |
CN116246491B (zh) | 基于轨迹特征挖掘的追尾风险路段动态识别与管控方法 | |
CN112396829A (zh) | 一种基于正向雷达数据的交叉口拥堵指数计算方法 |
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 |