CN117935528A - 一种基于人工智能的区域车辆管控系统 - Google Patents
一种基于人工智能的区域车辆管控系统 Download PDFInfo
- Publication number
- CN117935528A CN117935528A CN202410321407.8A CN202410321407A CN117935528A CN 117935528 A CN117935528 A CN 117935528A CN 202410321407 A CN202410321407 A CN 202410321407A CN 117935528 A CN117935528 A CN 117935528A
- Authority
- CN
- China
- Prior art keywords
- value
- supervision
- parking
- analysis
- detection
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 191
- 238000004458 analytical method Methods 0.000 claims abstract description 175
- 238000007726 management method Methods 0.000 claims abstract description 133
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 65
- 238000012544 monitoring process Methods 0.000 claims description 54
- 238000011156 evaluation Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 40
- 206010039203 Road traffic accident Diseases 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000979 retarding effect Effects 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 238000012806 monitoring device Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于车辆监管技术领域,具体是一种基于人工智能的区域车辆管控系统,包括智能管控平台、区域分割模块、停车检测判断模块、区域安全性检测模块、监管分级反馈模块和区域监管端;本发明通过停车检测判断模块将对应子区域中道路的车辆停车状况进行分析,区域安全性检测模块将对应子区域中道路的安全性进行分析,监管分级反馈模块基于车辆停放分析结果和行车安全性分析结果将对应子区域进行分级,减小监管人员的管理难度和提升各子区域监管方案规划的合理性,且能够对特定区域的应急管理合理性和交通设备表现状况进行准确判断并反馈预警,有效保证相应特定区域的安全性。
Description
技术领域
本发明涉及车辆监管技术领域,具体是一种基于人工智能的区域车辆管控系统。
背景技术
区域车辆管控是指通过技术手段对特定区域进行监测,实现对该区域内车辆的有效管理和控制,提高交通安全和效率,减少交通拥堵和事故风险,同时也可以为城市管理和规划提供数据支持和参考,随着城市交通的日益繁忙,车辆数量的不断增加,区域交通管理变得越来越困难;
目前在对相应特定区域进行车辆管控时,无法针对各个子区域的车辆停放状况和车辆行车风险性状况进行合理分析并对其精准分级,不利于减小监管人员的管理难度和提升各子区域监管方案规划的合理性,且难以对相应特定区域的应急管理合理性和交通设备表现状况进行准确判断并反馈预警,不利于保证相应特定区域的车辆行车安全性;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于人工智能的区域车辆管控系统,解决了现有技术无法针对各个子区域的车辆停放状况和车辆行车风险性状况进行合理分析并对其精准分级,且难以对相应特定区域的应急管理合理性和交通设备表现状况进行准确判断并反馈预警,不利于保证相应特定区域行车安全性的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于人工智能的区域车辆管控系统,包括智能管控平台、区域分割模块、停车检测判断模块、区域安全性检测模块、监管分级反馈模块和区域监管端;区域分割模块获取到所需进行车辆管控的区域,并将该区域分割为若干个子区域,且将对应子区域标记为目标对象i,且i为大于1的自然数;停车检测判断模块将目标对象i中道路的车辆停车状况进行分析,通过分析向目标对象i分配停车检测值QP1或QP2,且将目标对象i的相应停车检测值经智能管控平台发送至监管分级反馈模块;
区域安全性检测模块将目标对象i中道路的安全性进行分析,通过分析向目标对象i分配区安值QF1或QF2,且将目标对象i的相应区安值经智能管控平台发送至监管分级反馈模块;监管分级反馈模块接收到目标对象i的相应停车检测值和相应区安值,若接收到QP1∩QF1,则将目标对象i标记为高级监管对象;若接收到QP2∩QF2,则将目标对象i标记为低级监管对象,其余情况则将目标对象i标记为中级监管对象,且将目标对象i的监管分级标记信息经智能管控平台发送至区域监管端。
进一步的,停车检测判断模块的具体运行过程包括:
设定检测周期,采集到内目标对象i的道路中所停放的车辆数量并将其标记为停车数检值,且采集到未正确停放在道路上相应停车位的车辆的数量并将其标记为非正常停放车检值;将检测周期内的所有停车数检值进行均值计算得到停车数析值,将检测周期内的所有非正常停放车检值进行均值计算得到非正常停析值;将停车数检值与非正常停析值进行数值计算得到停车检判值,将停车检判值与相应的预设停车检判阈值进行数值比较,若停车检判值超过预设停车检判阈值,则向目标对象i分配停车检测值QP1;
若停车检判值未超过预设停车检判阈值,则获取到检测周期内车辆的停车时长超过预设停车时长阈值的发生次数并将其标记为僵尸车辆停频值,并获取到检测周期内未正确停放在道路上相应停车位的车辆的平均停车时长并将其标记为非正常停时值;以及获取到检测周期内目标对象i的道路中所划设停车位的使用率并将其标记为停车位占析值,将停车检判值、僵尸车辆停频值、非正常停时值和停车位占析值进行数值计算得到停车管析值;将停车管析值与预设停车管析阈值进行数值比较,若停车管析值超过预设停车管析阈值,则向目标对象i分配停车检测值QP1;若停车管析值未超过预设停车管析阈值,则向目标对象i分配停车检测值QP2。
进一步的,区域安全性检测模块的具体运行过程包括:
获取到检测周期内目标对象i的道路中发生交通事故的次数并将其标记为目标行车隐患值,以及采集到相应交通事故对道路交通正常运行的影响时长和影响范围,将检测周期内目标对象i的道路中的所有发生交通事故的影响时长进行均值计算得到目标行车影时值,将检测周期内目标对象i的道路中的所有发生交通事故的影响范围进行均值计算得到目标行车影面值;
以及采集到目标对象i的道路中交叉口的数量并将其标记为目标交叉值,将目标交叉值、目标行车隐患值、目标行车影时值和目标行车影面值进行数值计算得到目标安全检析值;将目标安全检析值与预设目标安全检析阈值进行数值比较,若目标安全检析值超过预设目标安全检析阈值,则向目标对象i分配区安值QF1。
进一步的,若目标安全检析值超过预设目标安全检析阈值,则在检测周期内设定若干个监测时段,并通过时段检验分析将目标对象i的对应监测时段标记为高影响时段或低影响时段,将高影响时段的数量和低影响时段的数量分别标记为高影响数析值和低影响数析值;
将相邻两组低影响时段之间的高影响时段的数量标记为高影响持检值,将所有高影响持检值进行均值计算得到高影响分布值,将数值最大的高影响持检值标记为高影响持幅值;且将高影响数析值与低影响数析值进行比值计算得到高影响数检值,将目标安全检析值、高影响数检值、高影响分布值和高影响持幅值进行数值计算得到目标安全评估值;将目标安全评估值与预设目标安全评估阈值进行数值比较,若目标安全评估值超过预设目标安全评估阈值,则向目标对象i分配区安值QF1;若目标安全评估值未超过预设目标安全评估阈值,则向目标对象i分配区安值QF2。
进一步的,时段检验分析的具体分析过程如下:
采集到对应监测时段内目标对象i的道路中的人流量和车流量,将人流量和车流量与相应的预设人流量阈值和预设车流量阈值分别进行数值比较,若人流量或车流量超过对应预设阈值,则将对应监测时段标记为高影响时段;
若人流量和车流量均未超过对应预设阈值,则采集到对应监测时段内目标对象i的道路中车辆发生急速刹车的次数并将其标记为急刹频析值,且采集到对应监测时段内目标对象i的道路中车辆处于缓速行驶状态的平均时长并将其标记为缓速时析值,以及实时采集到目标对象i的道路中处于高速行驶状态的车辆数量并将其标记为高速车频值,并将对应监测时段内的所有高速车频值进行均值计算得到的超速行车频析值;
将对应监测时段的急刹频析值、缓速时析值、超速行车频析值、人流量和车流量进行归一化计算得到时段评析值,将时段评析值与预设时段评析阈值进行数值比较,若时段频析值超过预设时段频析阈值,则将对应监测时段标记为高影响时段;若时段频析值未超过预设时段频析阈值,则将对应监测时段标记为低影响时段。
进一步的,智能管控平台与应急合理性评估模块通信连接,在所需进行车辆管控的区域发生交通事故时,应急合理性评估模块采集到交通事故的发生时刻、应急人员到达事故现场的时刻和应急处理完成时刻并将其分别标记为第一时刻、第二时刻和第三时刻,将第二时刻与第一时刻进行时间差计算得到达效时长,将第二时刻与第三时刻进行时间差计算得到处效时长;
将达效时长和处效时长进行数值计算得到应急检测值,获取到发生交通事故的位置并确定与其对应的子区域,获取到与相应子区域所匹配的预设应急检测阈值,将应急检测值与相应的预设应急检测阈值进行数值比较,若应急检测值超过预设应急检测阈值,则判断对应应急处理效率慢;获取到单位时间内针对所需进行车辆管控的区域进行应急处理时应急处理效率慢的发生次数并将其标记为应急效差频析值,将应急效差频率与单位时间内所需进行车辆管控的区域发生交通事故的次数进行比值计算得到应急效差占析值;
将应急效差频析值与应急效差占析值进行数值计算得到应急合理性评估值,将应急合理性评估值与预设应急合理性评估阈值进行数值比较,若应急合理性评估值超过预设应急合理性评估阈值,则生成应急合理性异常信号;若应急合理性评估值未超过预设应急合理性评估阈值,则生成应急合理性正常信号;且将应急合理性评估异常信号经智能管控平台发送至区域监管端。
进一步的,获取到与相应子区域所匹配的预设应急检测阈值的具体过程如下:
若对应子区域为高级监管对象,则与对应子区域所匹配的预设应急检测阈值的取值为YX1;若对应子区域为中级监管对象,则与对应子区域所匹配的预设应急检测阈值的取值为YX2;若对应子区域为低级监管对象,则与对应子区域所匹配的预设应急检测阈值的取值为YX3;且YX1<YX2<YX3。
进一步的,智能管控平台与区域设备监管模块通信连接,区域设备监管模块获取到所需进行车辆管控的区域中分布的所有交通设备,将对应交通设备标记为监管设备k,且k为大于1的自然数;设定管理周期,采集到管理周期内监管设备k发生故障的次数并将其标记为设备非正常运频值,以及采集到监管设备k每次发生故障时影响其正常运行的时长并将其标记为故障影时持析值,将管理周期内监管设备k的所有故障影时值进行求和计算得到故障影时持检值;
将故障影时持析值与相应的预设故障影时持析阈值进行数值比较,若故障影时持析值超过预设故障影时持析阈值,则将对应故障影时持析值标记为高风险持析值,将管理周期内监管设备k的高风险持析值的数量与故障影时持析值的数量进行比值计算以得到高风险持频值;
将设备非正常运频值、故障影时持检值和高风险持频值进行数值计算得到管理异检值,获取到监管设备k的位置并确定与其对应的子区域,获取到与相应子区域中监管设备k所匹配的预设管理异检阈值,将监管设备k的管理异检值与相应的预设管理异检阈值进行数值比较,若管理异检值超过预设管理异检阈值,则将监管设备k标记为存险设备;若管理异检值超过预设管理异检阈值,则将监管设备k标记为无险设备。
进一步的,获取到与相应子区域中监管设备k所匹配的预设管理异检阈值的具体过程如下:
若对应子区域为高级监管对象,则与对应子区域监管设备k所匹配的预设管理异检阈值的取值为YG1;若对应子区域为中级监管对象,则与对应子区域监管设备k所匹配的预设管理异检阈值的取值为YG2;若对应子区域为低级监管对象,则与对应子区域监管设备k所匹配的预设管理异检阈值的取值为YG3;且YG1<YG2<YG3。
进一步的,在将监管设备k标记为存险设备或无险设备后,区域设备监管平台获取到管理周期内所需进行车辆管控的区域中存险设备的数量和无险设备的数量,并将其分别标记为存险设析值和无险设析值;将存险设析值与无险设析值的比值标记为区域设备监管值,将区域设备监管值与预设区域设备监管阈值进行数值比较,若区域设备监管值超过预设区域设备监管阈值,则生成区域设备监管不合格信号;若区域设备监管值未超过预设区域设备监管阈值,则生成区域设备监管合格信号,且将区域设备监管不合格信号经智能管控平台发送至区域监管端。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过停车检测判断模块将对应子区域中道路的车辆停车状况进行分析,区域安全性检测模块将对应子区域中道路的安全性进行分析,为监管分级模块的分析过程提供数据支持,监管分级反馈模块基于车辆停放分析结果和行车安全性分析结果将对应子区域标记为高级监管对象、中级监管对象或低级监管对象,方便监管人员针对不同等级的子区域设定与其相匹配的管理措施,减小监管人员的管理难度和提升各子区域监管方案规划的合理性,有效保证所需进行车辆管控的区域的安全性,智能化程度高;
2、本发明中,通过应急合理性评估模块将所需进行车辆管控的区域进行应急合理性评估分析,在生成应急合理性异常信号时对应急处理措施进行改善优化,并加强相应人员的应急处理培训和加强后续应急处理的监管,保证所需进行车辆管控的区域的应急处理高效性,且通过区域设备监管模块将所有交通设备的运行状况进行分析以将其标记为存险设备或无险设备,并准确判断区域设备监管表现状况,有助于保证所有交通设备的安全稳定运行,进一步提升所需进行车辆管控的区域的车辆行车安全性。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明中实施例一的系统框图;
图2为本发明中实施例二和实施例三的系统框图。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:如图1所示,本发明提出的一种基于人工智能的区域车辆管控系统,包括智能管控平台、区域分割模块、停车检测判断模块、区域安全性检测模块、监管分级反馈模块和区域监管端;区域分割模块获取到所需进行车辆管控的区域,并将该区域分割为若干个子区域,且将对应子区域标记为目标对象i,且i为大于1的自然数;
停车检测判断模块将目标对象i中道路的车辆停车状况进行分析,通过分析向目标对象i分配停车检测值QP1或QP2,且将目标对象i的相应停车检测值经智能管控平台发送至监管分级反馈模块,能够准确反馈目标对象i中道路的车辆停放状况,为监管分级模块对目标对象i的分析过程提供数据支持,以保证目标对对象i的分级结果精准性;停车检测判断模块的具体运行过程如下:
设定检测周期,采集到内目标对象i的道路中所停放的车辆数量并将其标记为停车数检值,且采集到未正确停放在道路上相应停车位(如未完全停放在停车位中)的车辆的数量并将其标记为非正常停放车检值;将检测周期内的所有停车数检值进行均值计算得到停车数析值,将检测周期内的所有非正常停放车检值进行均值计算得到非正常停析值;
通过公式TPi=a1*TRi+a2*TDi将停车数检值TRi与非正常停析值TDi进行数值计算得到停车检判值TPi,其中,a1、a2为预设权重系数,a2>a1>0;并且,停车检判值TPi的数值越大,则表明目标对象i中道路的车辆停放状况越差;将停车检判值TPi与相应的预设停车检判阈值进行数值比较,若停车检判值TPi超过预设停车检判阈值,表明目标对象i中道路的车辆停放状况较差,则向目标对象i分配停车检测值QP1;
若停车检判值TPi未超过预设停车检判阈值,则获取到检测周期内车辆的停车时长超过预设停车时长阈值的发生次数并将其标记为僵尸车辆停频值,并获取到检测周期内未正确停放在道路上相应停车位的车辆的平均停车时长并将其标记为非正常停时值;以及获取到检测周期内目标对象i的道路中所划设停车位的使用率并将其标记为停车位占析值,其中,停车位占析值是表示检测周期内处于使用状态的停车位的占比大小的数据量值;
通过公式TGi=(wq1*TPi+wq2*TFi+wq3*TXi+wq4*TWi)/4将停车检判值TPi、僵尸车辆停频值TFi、非正常停时值TXi和停车位占析值TWi进行数值计算得到停车管析值TGi;其中,wq1、wq2、wq3、wq4为预设比例系数,wq1、wq2、wq3、wq4的取值均大于零;并且,停车管析值TGi的数值越大,表明检测周期内目标对象i中道路的车辆停放状况越难进行监管;
将停车管析值TGi与预设停车管析阈值进行数值比较,若停车管析值TGi超过预设停车管析阈值,表明综合而言检测周期内目标对象i中道路的车辆停放状况较难进行监管,则向目标对象i分配停车检测值QP1;若停车管析值TGi未超过预设停车管析阈值,表明综合而言检测周期内目标对象i中道路的车辆停放状况容易进行监管,则向目标对象i分配停车检测值QP2。
区域安全性检测模块将目标对象i中道路的安全性进行分析,通过分析向目标对象i分配区安值QF1或QF2,且将目标对象i的相应区安值经智能管控平台发送至监管分级反馈模块,能够准确反馈目标对象i中道路的安全性状况,为监管分级模块对目标对象i的分析过程提供数据支持,进一步保证目标对对象i的分级结果精准性;区域安全性检测模块的具体运行过程如下:
获取到检测周期内目标对象i的道路中发生交通事故的次数并将其标记为目标行车隐患值,以及采集到相应交通事故对道路交通正常运行的影响时长和影响范围,将检测周期内目标对象i的道路中的所有发生交通事故的影响时长进行均值计算得到目标行车影时值,将检测周期内目标对象i的道路中的所有发生交通事故的影响范围进行均值计算得到目标行车影面值;
以及采集到目标对象i的道路中交叉口的数量并将其标记为目标交叉值,通过公式HXi=fg1*HRi+fg2*HYi+fg3*HSi+fg4*HKi将目标交叉值HRi、目标行车隐患值HYi、目标行车影时值HSi和目标行车影面值HKi进行数值计算得到目标安全检析值HXi;其中,fg1、fg2、fg3、fg4为预设比例系数,且fg1、fg2、fg3、fg4的取值均大于零;
需要说明的是,目标安全检析值HXi的数值越大,则表明检测周期内目标对象i中道路的车辆行车风险性越大;将目标安全检析值HXi与预设目标安全检析阈值进行数值比较,若目标安全检析值HXi超过预设目标安全检析阈值,表明检测周期内目标对象i中道路的车辆行车风险性较大,则向目标对象i分配区安值QF1。
进一步而言,若目标安全检析值HXi超过预设目标安全检析阈值,则在检测周期内设定若干个监测时段,并通过时段检验分析将目标对象i的对应监测时段标记为高影响时段或低影响时段,具体为:采集到对应监测时段内目标对象i的道路中的人流量和车流量,将人流量和车流量与相应的预设人流量阈值和预设车流量阈值分别进行数值比较,若人流量或车流量超过对应预设阈值,则将对应监测时段标记为高影响时段;
若人流量和车流量均未超过对应预设阈值,则采集到对应监测时段内目标对象i的道路中车辆发生急速刹车的次数并将其标记为急刹频析值,且采集到对应监测时段内目标对象i的道路中车辆处于缓速行驶状态(即行驶速度低于相应行驶速度下限阈值)的平均时长并将其标记为缓速时析值,以及实时采集到目标对象i的道路中处于高速行驶状态((即行驶速度高于相应行驶速度上限阈值))的车辆数量并将其标记为高速车频值,并将对应监测时段内的所有高速车频值进行均值计算得到的超速行车频析值;
通过公式将
对应监测时段的急刹频析值XFi、缓速时析值XKi、超速行车频析值XDi、人流量XWi和车流量
XQi进行归一化计算得到时段评析值XSi,其中,c1、c2、c3、c4、c5为预设比例系数,且c1、c2、
c3、c4、c5均为正数;并且,时段评析值XSi的数值越大,表明对应监测时段目标对象i中道路
的车辆行车风险性越大;
将时段评析值XSi与预设时段评析阈值进行数值比较,若时段频析值XSi超过预设时段频析阈值,表明对应监测时段目标对象i中道路的车辆行车风险性较大,则将对应监测时段标记为高影响时段;若时段频析值XSi未超过预设时段频析阈值,表明对应监测时段目标对象i中道路的车辆行车风险性较小,则将对应监测时段标记为低影响时段;
将高影响时段的数量和低影响时段的数量分别标记为高影响数析值和低影响数析值,将高影响数析值与低影响数析值进行比值计算得到高影响数检值;且将相邻两组低影响时段之间的高影响时段的数量标记为高影响持检值,将所有高影响持检值进行均值计算得到高影响分布值,将数值最大的高影响持检值标记为高影响持幅值;
通过公式XPi=e1*XSi+(e2*XNi+e3*XGi+e4*XRi)/e1将目标安全检析值XSi、高影响数检值XNi、高影响分布值XGi和高影响持幅值XRi进行数值计算得到目标安全评估值XPi;其中,e1、e2、e3、e4为预设比例系数,e1、e2、e3、e4的取值均大于零;并且,目标安全评估值XPi的数值越大,则表明检测周期内目标对象i中道路的车辆行车风险性综合而言越大;
将目标安全评估值XPi与预设目标安全评估阈值进行数值比较,若目标安全评估值XPi超过预设目标安全评估阈值,表明检测周期内目标对象i中道路的车辆行车风险性综合而言较大,则向目标对象i分配区安值QF1;若目标安全评估值XPi未超过预设目标安全评估阈值,表明检测周期内目标对象i中道路的车辆行车风险性综合而言较小,则向目标对象i分配区安值QF2。
监管分级反馈模块接收到目标对象i的相应停车检测值和相应区安值,若接收到QP1∩QF1,表明目标对象i的车辆停放表现和行车安全性表现均较差,则将目标对象i标记为高级监管对象;若接收到QP2∩QF2,表明目标对象i的车辆停放表现和行车安全性表现均较好,则将目标对象i标记为低级监管对象,其余情况则将目标对象i标记为中级监管对象,且将目标对象i的监管分级标记信息经智能管控平台发送至区域监管端,监管人员针对不同等级的子区域设定与其相匹配的管理措施,减小监管人员的管理难度和提升各子区域监管方案规划的合理性,并有效保证所需进行车辆管控的区域的安全性。
实施例二:如图2所示,本实施例与实施例1的区别在于,智能管控平台与应急合理性评估模块通信连接,在所需进行车辆管控的区域发生交通事故时,应急合理性评估模块采集到交通事故的发生时刻、应急人员到达事故现场的时刻和应急处理完成时刻并将其分别标记为第一时刻、第二时刻和第三时刻,将第二时刻与第一时刻进行时间差计算得到达效时长,将第二时刻与第三时刻进行时间差计算得到处效时长;需要说明的是,达效时长和处效时长的数值越大,则表明相应应急处理表现越差;
通过公式YL=b1*YK+b2*YX将达效时长YK和处效时长YX进行数值计算得到应急检测值YL,其中,b1、b2为预设权重系数,且b1、b2均为正数;并且,应急检测值YL的数值越小,则表明针对相应交通事故的处理越及时,处理表现状况越好;获取到发生交通事故的位置并确定与其对应的子区域,获取到与相应子区域所匹配的预设应急检测阈值,有助于保证所分析结果的精准性,具体为:若对应子区域为高级监管对象,则与对应子区域所匹配的预设应急检测阈值的取值为YX1;若对应子区域为中级监管对象,则与对应子区域所匹配的预设应急检测阈值的取值为YX2;若对应子区域为低级监管对象,则与对应子区域所匹配的预设应急检测阈值的取值为YX3;且YX1<YX2<YX3;
将应急检测值YL与相应的预设应急检测阈值进行数值比较,若应急检测值YL超过预设应急检测阈值,则判断对应应急处理效率慢;获取到单位时间内针对所需进行车辆管控的区域进行应急处理时应急处理效率慢的发生次数并将其标记为应急效差频析值,将应急效差频率与单位时间内所需进行车辆管控的区域发生交通事故的次数进行比值计算得到应急效差占析值;
通过公式YP=tq1*YD/tq2+tq2*YZ将应急效差频析值YD与应急效差占析值YZ进行数值计算得到应急合理性评估值YP,其中,tq1、tq2为预设比例系数,tq2>tq1>0;并且,应急合理性评估值YP的数值越大,表明单位时间内针对所需进行车辆管控的区域进行应急处理的处理表现整体而言越差;
将应急合理性评估值YP与预设应急合理性评估阈值进行数值比较,若应急合理性评估值YP超过预设应急合理性评估阈值,表明单位时间内针对所需进行车辆管控的区域进行应急处理的处理表现整体而言较差,则生成应急合理性异常信号;若应急合理性评估值YP未超过预设应急合理性评估阈值,表明单位时间内针对所需进行车辆管控的区域进行应急处理的处理表现整体而言较好,则生成应急合理性正常信号;
且将应急合理性评估异常信号经智能管控平台发送至区域监管端,区域监管端接收到应急合理性异常信号时发出相应预警,监管人员接收到相应预警时对应急处理措施进行改善优化,并加强相应人员的应急处理培训和加强后续应急处理的监管,从而保证所需进行车辆管控的区域的应急处理高效性,进一步提升相应区域的安全性。
实施例三:如图2所示,本实施例与实施例1、实施例2的区别在于,智能管控平台与区域设备监管模块通信连接,区域设备监管模块获取到所需进行车辆管控的区域中分布的所有交通设备(如交通信号灯、监控摄像头等),将对应交通设备标记为监管设备k,且k为大于1的自然数;设定管理周期,优选的,管理周期为十天;采集到管理周期内监管设备k发生故障的次数并将其标记为设备非正常运频值,以及采集到监管设备k每次发生故障时影响其正常运行的时长并将其标记为故障影时持析值,将管理周期内监管设备k的所有故障影时值进行求和计算得到故障影时持检值;
将故障影时持析值与相应的预设故障影时持析阈值进行数值比较,若故障影时持析值超过预设故障影时持析阈值,则将对应故障影时持析值标记为高风险持析值,将管理周期内监管设备k的高风险持析值的数量与故障影时持析值的数量进行比值计算以得到高风险持频值;
通过公式将设备非正常运频值GY、故
障影时持检值GP和高风险持频值GK进行数值计算得到管理异检值GX;其中,hy1、hy2、hy3为
预设比例系数,hy3>hy1>hy2>0;并且,管理异检值GX的数值越大,则表明管理周期内监
管设备k的运行状况越差,越不利于保证相应区域的行车安全性;
获取到监管设备k的位置并确定与其对应的子区域,获取到与相应子区域中监管设备k所匹配的预设管理异检阈值,有助于保证所分析结果的精准性,具体为:若对应子区域为高级监管对象,则与对应子区域监管设备k所匹配的预设管理异检阈值的取值为YG1;若对应子区域为中级监管对象,则与对应子区域监管设备k所匹配的预设管理异检阈值的取值为YG2;若对应子区域为低级监管对象,则与对应子区域监管设备k所匹配的预设管理异检阈值的取值为YG3;且YG1<YG2<YG3;
将监管设备k的管理异检值GX与相应的预设管理异检阈值进行数值比较,若管理异检值GX超过预设管理异检阈值,表明管理周期内监管设备k的运行状况较差,后续需要及时加强对监管设备k的监管和维护,则将监管设备k标记为存险设备;若管理异检值GX超过预设管理异检阈值,表明管理周期内监管设备k的运行状况较好,则将监管设备k标记为无险设备。
进一步而言,在将监管设备k标记为存险设备或无险设备后,区域设备监管平台获取到管理周期内所需进行车辆管控的区域中存险设备的数量和无险设备的数量,并将其分别标记为存险设析值和无险设析值;将存险设析值与无险设析值的比值标记为区域设备监管值,其中,区域设备监管值的数值越大,则表明管理周期内所需进行车辆管控的区域中交通设备的表现状况综合而言越差,越不利于保证所需进行车辆管控的区域的车辆行车安全;
将区域设备监管值与预设区域设备监管阈值进行数值比较,若区域设备监管值超过预设区域设备监管阈值,表明管理周期内所需进行车辆管控的区域中交通设备的表现状况综合而言较差,则生成区域设备监管不合格信号;若区域设备监管值未超过预设区域设备监管阈值,表明管理周期内所需进行车辆管控的区域中交通设备的表现状况综合而言较好,则生成区域设备监管合格信号;
且将区域设备监管不合格信号经智能管控平台发送至区域监管端,区域监管端接收到区域设备监管不合格信号时发出相应预警,监管人员接收到相应预警时及时调整针对区域所有交通设备的监管措施,并在后续加强对所有交通设备的监管和维护,从而有助于保证所有交通设备的安全稳定运行,进一步提升所需进行车辆管控的区域的车辆行车安全性。
本发明的工作原理:使用时,通过区域分割模块将所需进行车辆管控的区域分割为若干个子区域,停车检测判断模块将对应子区域中道路的车辆停车状况进行分析,能够准确反馈对应子区域中道路的车辆停放状况,区域安全性检测模块将对应子区域中道路的安全性进行分析,能够准确反馈对应子区域中道路的安全性状况,为监管分级模块的分析过程提供数据支持,保证对应子区域的分级结果精准性;监管分级反馈模块基于车辆停放分析结果和行车安全性分析结果将对应子区域标记为高级监管对象、中级监管对象或低级监管对象,方便监管人员针对不同等级的子区域设定与其相匹配的管理措施,减小监管人员的管理难度和提升各子区域监管方案规划的合理性,有效保证所需进行车辆管控的区域的安全性,智能化程度高。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。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 (10)
1.一种基于人工智能的区域车辆管控系统,其特征在于,包括智能管控平台、区域分割模块、停车检测判断模块、区域安全性检测模块、监管分级反馈模块和区域监管端;区域分割模块获取到所需进行车辆管控的区域,并将该区域分割为若干个子区域,且将对应子区域标记为目标对象i,且i为大于1的自然数;停车检测判断模块将目标对象i中道路的车辆停车状况进行分析,通过分析向目标对象i分配停车检测值QP1或QP2,且将目标对象i的相应停车检测值经智能管控平台发送至监管分级反馈模块;
区域安全性检测模块将目标对象i中道路的安全性进行分析,通过分析向目标对象i分配区安值QF1或QF2,且将目标对象i的相应区安值经智能管控平台发送至监管分级反馈模块;监管分级反馈模块接收到目标对象i的相应停车检测值和相应区安值,若接收到QP1∩QF1,则将目标对象i标记为高级监管对象;若接收到QP2∩QF2,则将目标对象i标记为低级监管对象,其余情况则将目标对象i标记为中级监管对象,且将目标对象i的监管分级标记信息经智能管控平台发送至区域监管端。
2.根据权利要求1所述的一种基于人工智能的区域车辆管控系统,其特征在于,停车检测判断模块的具体运行过程包括:
设定检测周期,采集到内目标对象i的道路中所停放的车辆数量并将其标记为停车数检值,且采集到未正确停放在道路上相应停车位的车辆的数量并将其标记为非正常停放车检值;将检测周期内的所有停车数检值进行均值计算得到停车数析值,将检测周期内的所有非正常停放车检值进行均值计算得到非正常停析值;将停车数检值与非正常停析值进行数值计算得到停车检判值,若停车检判值超过预设停车检判阈值,则向目标对象i分配停车检测值QP1;
若停车检判值未超过预设停车检判阈值,则获取到检测周期内车辆的停车时长超过预设停车时长阈值的发生次数并将其标记为僵尸车辆停频值,并获取到检测周期内未正确停放在道路上相应停车位的车辆的平均停车时长并将其标记为非正常停时值;以及获取到检测周期内目标对象i的道路中所划设停车位的使用率并将其标记为停车位占析值,将停车检判值、僵尸车辆停频值、非正常停时值和停车位占析值进行数值计算得到停车管析值;若停车管析值超过预设停车管析阈值,则向目标对象i分配停车检测值QP1;若停车管析值未超过预设停车管析阈值,则向目标对象i分配停车检测值QP2。
3.根据权利要求1所述的一种基于人工智能的区域车辆管控系统,其特征在于,区域安全性检测模块的具体运行过程包括:
获取到检测周期内目标对象i的道路中发生交通事故的次数并将其标记为目标行车隐患值,以及采集到相应交通事故对道路交通正常运行的影响时长和影响范围,将检测周期内目标对象i的道路中的所有发生交通事故的影响时长进行均值计算得到目标行车影时值,将检测周期内目标对象i的道路中的所有发生交通事故的影响范围进行均值计算得到目标行车影面值;
以及采集到目标对象i的道路中交叉口的数量并将其标记为目标交叉值,将目标交叉值、目标行车隐患值、目标行车影时值和目标行车影面值进行数值计算得到目标安全检析值;若目标安全检析值超过预设目标安全检析阈值,则向目标对象i分配区安值QF1。
4.根据权利要求3所述的一种基于人工智能的区域车辆管控系统,其特征在于,若目标安全检析值超过预设目标安全检析阈值,则在检测周期内设定若干个监测时段,并通过时段检验分析将目标对象i的对应监测时段标记为高影响时段或低影响时段,将高影响时段的数量和低影响时段的数量分别标记为高影响数析值和低影响数析值;
将相邻两组低影响时段之间的高影响时段的数量标记为高影响持检值,将所有高影响持检值进行均值计算得到高影响分布值,将数值最大的高影响持检值标记为高影响持幅值;且将高影响数析值与低影响数析值进行比值计算得到高影响数检值,将目标安全检析值、高影响数检值、高影响分布值和高影响持幅值进行数值计算得到目标安全评估值;若目标安全评估值超过预设目标安全评估阈值,则向目标对象i分配区安值QF1;若目标安全评估值未超过预设目标安全评估阈值,则向目标对象i分配区安值QF2。
5.根据权利要求4所述的一种基于人工智能的区域车辆管控系统,其特征在于,时段检验分析的具体分析过程如下:
采集到对应监测时段内目标对象i的道路中的人流量和车流量,将人流量和车流量与相应的预设人流量阈值和预设车流量阈值分别进行数值比较,若人流量或车流量超过对应预设阈值,则将对应监测时段标记为高影响时段;
若人流量和车流量均未超过对应预设阈值,则采集到对应监测时段内目标对象i的道路中车辆发生急速刹车的次数并将其标记为急刹频析值,且采集到对应监测时段内目标对象i的道路中车辆处于缓速行驶状态的平均时长并将其标记为缓速时析值,以及实时采集到目标对象i的道路中处于高速行驶状态的车辆数量并将其标记为高速车频值,并将对应监测时段内的所有高速车频值进行均值计算得到的超速行车频析值;
将对应监测时段的急刹频析值、缓速时析值、超速行车频析值、人流量和车流量进行归一化计算得到时段评析值,若时段频析值超过预设时段频析阈值,则将对应监测时段标记为高影响时段;若时段频析值未超过预设时段频析阈值,则将对应监测时段标记为低影响时段。
6.根据权利要求1所述的一种基于人工智能的区域车辆管控系统,其特征在于,智能管控平台与应急合理性评估模块通信连接,在所需进行车辆管控的区域发生交通事故时,应急合理性评估模块采集到交通事故的发生时刻、应急人员到达事故现场的时刻和应急处理完成时刻并将其分别标记为第一时刻、第二时刻和第三时刻,将第二时刻与第一时刻进行时间差计算得到达效时长,将第二时刻与第三时刻进行时间差计算得到处效时长;
将达效时长和处效时长进行数值计算得到应急检测值,获取到发生交通事故的位置并确定与其对应的子区域,获取到与相应子区域所匹配的预设应急检测阈值,若应急检测值超过预设应急检测阈值,则判断对应应急处理效率慢;获取到单位时间内针对所需进行车辆管控的区域进行应急处理时应急处理效率慢的发生次数并将其标记为应急效差频析值,将应急效差频率与单位时间内所需进行车辆管控的区域发生交通事故的次数进行比值计算得到应急效差占析值;
将应急效差频析值与应急效差占析值进行数值计算得到应急合理性评估值,若应急合理性评估值超过预设应急合理性评估阈值,则生成应急合理性异常信号;若应急合理性评估值未超过预设应急合理性评估阈值,则生成应急合理性正常信号;且将应急合理性评估异常信号经智能管控平台发送至区域监管端。
7.根据权利要求6所述的一种基于人工智能的区域车辆管控系统,其特征在于,获取到与相应子区域所匹配的预设应急检测阈值的具体过程如下:
若对应子区域为高级监管对象,则与对应子区域所匹配的预设应急检测阈值的取值为YX1;若对应子区域为中级监管对象,则与对应子区域所匹配的预设应急检测阈值的取值为YX2;若对应子区域为低级监管对象,则与对应子区域所匹配的预设应急检测阈值的取值为YX3;且YX1<YX2<YX3。
8.根据权利要求6所述的一种基于人工智能的区域车辆管控系统,其特征在于,智能管控平台与区域设备监管模块通信连接,区域设备监管模块获取到所需进行车辆管控的区域中分布的所有交通设备,将对应交通设备标记为监管设备k,且k为大于1的自然数;设定管理周期,采集到管理周期内监管设备k发生故障的次数并将其标记为设备非正常运频值,以及采集到监管设备k每次发生故障时影响其正常运行的时长并将其标记为故障影时持析值,将管理周期内监管设备k的所有故障影时值进行求和计算得到故障影时持检值;
将故障影时持析值与相应的预设故障影时持析阈值进行数值比较,若故障影时持析值超过预设故障影时持析阈值,则将对应故障影时持析值标记为高风险持析值,将管理周期内监管设备k的高风险持析值的数量与故障影时持析值的数量进行比值计算以得到高风险持频值;
将设备非正常运频值、故障影时持检值和高风险持频值进行数值计算得到管理异检值,获取到监管设备k的位置并确定与其对应的子区域,获取到与相应子区域中监管设备k所匹配的预设管理异检阈值,若管理异检值超过预设管理异检阈值,则将监管设备k标记为存险设备;若管理异检值超过预设管理异检阈值,则将监管设备k标记为无险设备。
9.根据权利要求8所述的一种基于人工智能的区域车辆管控系统,其特征在于,获取到与相应子区域中监管设备k所匹配的预设管理异检阈值的具体过程如下:
若对应子区域为高级监管对象,则与对应子区域监管设备k所匹配的预设管理异检阈值的取值为YG1;若对应子区域为中级监管对象,则与对应子区域监管设备k所匹配的预设管理异检阈值的取值为YG2;若对应子区域为低级监管对象,则与对应子区域监管设备k所匹配的预设管理异检阈值的取值为YG3;且YG1<YG2<YG3。
10.根据权利要求8所述的一种基于人工智能的区域车辆管控系统,其特征在于,在将监管设备k标记为存险设备或无险设备后,区域设备监管平台获取到管理周期内所需进行车辆管控的区域中存险设备的数量和无险设备的数量,并将其分别标记为存险设析值和无险设析值;将存险设析值与无险设析值的比值标记为区域设备监管值,若区域设备监管值超过预设区域设备监管阈值,则生成区域设备监管不合格信号;若区域设备监管值未超过预设区域设备监管阈值,则生成区域设备监管合格信号,且将区域设备监管不合格信号经智能管控平台发送至区域监管端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410321407.8A CN117935528B (zh) | 2024-03-20 | 2024-03-20 | 一种基于人工智能的区域车辆管控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410321407.8A CN117935528B (zh) | 2024-03-20 | 2024-03-20 | 一种基于人工智能的区域车辆管控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117935528A true CN117935528A (zh) | 2024-04-26 |
CN117935528B CN117935528B (zh) | 2024-06-18 |
Family
ID=90754124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410321407.8A Active CN117935528B (zh) | 2024-03-20 | 2024-03-20 | 一种基于人工智能的区域车辆管控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117935528B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004176451A (ja) * | 2002-11-28 | 2004-06-24 | Matsushita Electric Ind Co Ltd | 融雪装置 |
EP2860078A1 (de) * | 2013-10-02 | 2015-04-15 | Audi Ag | Verfahren zum Betrieb eines Sicherheitssystems eines Kraftfahrzeugs |
US20150369613A1 (en) * | 2013-01-26 | 2015-12-24 | Audi Ag | Method and navigation device for providing information relating to a parking space |
CN105243861A (zh) * | 2015-10-29 | 2016-01-13 | 张捷 | 一种车辆安全监控方法及其监控装置 |
US20170200061A1 (en) * | 2016-01-11 | 2017-07-13 | Netradyne Inc. | Driver behavior monitoring |
WO2017118546A1 (de) * | 2016-01-08 | 2017-07-13 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum wiederkehrenden einparken eines fahrzeugs in einen parkbereich abhängig von einem erkennen von objekten unterschiedlicher objektkategorien, parkassistenzsystem für ein fahrzeug sowie fahrzeug |
CN107644554A (zh) * | 2017-09-30 | 2018-01-30 | 上海法赫桥梁隧道养护工程技术有限公司 | 一种公路交通养护维修安全布控智能管理系统 |
CN108922177A (zh) * | 2018-06-29 | 2018-11-30 | 东南大学 | 一种无人驾驶车辆通过交叉路口时速度控制系统及方法 |
CN109035752A (zh) * | 2018-09-26 | 2018-12-18 | 永州市金蚂蚁新能源机械有限公司 | 一种车辆安全监控方法及其监控装置 |
CN116030662A (zh) * | 2023-01-05 | 2023-04-28 | 中承信达(天津)技术股份公司 | 一种基于大数据的智能安全检测系统及方法 |
CN116823348A (zh) * | 2023-07-17 | 2023-09-29 | 合肥掌魅无线信息科技有限公司 | 一种基于人工智能的停车运营管控系统 |
CN116934559A (zh) * | 2023-09-18 | 2023-10-24 | 安徽领云物联科技有限公司 | 一种基于物联网的智慧营区安防管理系统 |
CN117575857A (zh) * | 2023-11-20 | 2024-02-20 | 安徽光谷智能科技股份有限公司 | 一种基于智慧校园的校园安防管理系统 |
-
2024
- 2024-03-20 CN CN202410321407.8A patent/CN117935528B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004176451A (ja) * | 2002-11-28 | 2004-06-24 | Matsushita Electric Ind Co Ltd | 融雪装置 |
US20150369613A1 (en) * | 2013-01-26 | 2015-12-24 | Audi Ag | Method and navigation device for providing information relating to a parking space |
EP2860078A1 (de) * | 2013-10-02 | 2015-04-15 | Audi Ag | Verfahren zum Betrieb eines Sicherheitssystems eines Kraftfahrzeugs |
CN105243861A (zh) * | 2015-10-29 | 2016-01-13 | 张捷 | 一种车辆安全监控方法及其监控装置 |
WO2017118546A1 (de) * | 2016-01-08 | 2017-07-13 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum wiederkehrenden einparken eines fahrzeugs in einen parkbereich abhängig von einem erkennen von objekten unterschiedlicher objektkategorien, parkassistenzsystem für ein fahrzeug sowie fahrzeug |
US20170200061A1 (en) * | 2016-01-11 | 2017-07-13 | Netradyne Inc. | Driver behavior monitoring |
CN107644554A (zh) * | 2017-09-30 | 2018-01-30 | 上海法赫桥梁隧道养护工程技术有限公司 | 一种公路交通养护维修安全布控智能管理系统 |
CN108922177A (zh) * | 2018-06-29 | 2018-11-30 | 东南大学 | 一种无人驾驶车辆通过交叉路口时速度控制系统及方法 |
CN109035752A (zh) * | 2018-09-26 | 2018-12-18 | 永州市金蚂蚁新能源机械有限公司 | 一种车辆安全监控方法及其监控装置 |
CN116030662A (zh) * | 2023-01-05 | 2023-04-28 | 中承信达(天津)技术股份公司 | 一种基于大数据的智能安全检测系统及方法 |
CN116823348A (zh) * | 2023-07-17 | 2023-09-29 | 合肥掌魅无线信息科技有限公司 | 一种基于人工智能的停车运营管控系统 |
CN116934559A (zh) * | 2023-09-18 | 2023-10-24 | 安徽领云物联科技有限公司 | 一种基于物联网的智慧营区安防管理系统 |
CN117575857A (zh) * | 2023-11-20 | 2024-02-20 | 安徽光谷智能科技股份有限公司 | 一种基于智慧校园的校园安防管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117935528B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510797B (zh) | 基于雷达侦测的高速公路预警系统及方法 | |
CN104408925B (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN104575051B (zh) | 一种基于阵列雷达的高架匝道智能信号控制方法及装置 | |
CN106355883A (zh) | 基于风险评估模型的交通事故发生概率获取方法及系统 | |
CN105225500A (zh) | 一种交通控制辅助决策方法及装置 | |
CN111833598B (zh) | 一种高速公路无人机交通事件自动监测方法及系统 | |
CN104392610A (zh) | 基于分布式视频的高速路交通事件影响范围动态监控方法 | |
CN110570654B (zh) | 一种基于免疫的路段交通拥堵动态检测方法 | |
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 | |
CN100481153C (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN107918762A (zh) | 一种公路遗撒物快速检测系统及方法 | |
CN113643539A (zh) | 一种基于大数据的智慧交通管控系统 | |
CN105719510A (zh) | 车联网环境下道路交通事故链阻断系统的效率评价方法 | |
CN102819956B (zh) | 一种基于单截面环形线圈检测器的道路交通事件检测方法 | |
CN117935528B (zh) | 一种基于人工智能的区域车辆管控系统 | |
CN109272760B (zh) | 一种scats系统检测器数据异常值的在线检测方法 | |
CN104575049A (zh) | 一种基于阵列雷达的高架匝道智能诱导方法及装置 | |
CN117612387B (zh) | 一种智慧隧道及管廊综合监控系统及监控方法 | |
CN117523891A (zh) | 一种应用于智慧交通的应急调度导航系统 | |
CN110047167B (zh) | 车辆急转弯次数等效统计方法 | |
CN117037485A (zh) | 一种智慧高速公路主动交通流控制方法及系统 | |
Castro-Neto et al. | Toward training-free automatic detection of freeway incidents: Simple algorithm with one parameter | |
CN114495421B (zh) | 智能化开放式道路施工作业监测预警方法及系统 | |
Skovajsa et al. | Evaluation of a mobile highway management system at roadwork zones | |
He et al. | Traffic influence degree of urban traffic accident based on speed ratio |
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 |