JP2019505892A - ビッグデータに基づいて道路状態を予測する方法及び装置 - Google Patents
ビッグデータに基づいて道路状態を予測する方法及び装置 Download PDFInfo
- Publication number
- JP2019505892A JP2019505892A JP2018531408A JP2018531408A JP2019505892A JP 2019505892 A JP2019505892 A JP 2019505892A JP 2018531408 A JP2018531408 A JP 2018531408A JP 2018531408 A JP2018531408 A JP 2018531408A JP 2019505892 A JP2019505892 A JP 2019505892A
- Authority
- JP
- Japan
- Prior art keywords
- road section
- data
- road
- exception
- evaluation value
- 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
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本発明は、ビッグデータに基づいて道路状態を予測する方法及び装置を開示する。方法は、道路セクション上を走行する車両によって記録される運転データを収集することと、運転データが例外データであるかどうかを判断するために、収集された運転データを正常な観察サンプルと比較し、運転データが例外データである場合に例外データ及びその対応する道路セクションを例外データベース内に入れ、且つこの道路セクションの運転データを継続的に記録することと、この道路セクションにおける例外データの発生の数に従って、例外データベース内の道路セクションが例外道路セクションであるかどうかを判断することと、予め設定されたモデルに従って、例外道路セクションとして判断された道路セクションの例外の理由を予測し、且つその理由をユーザーに対して提供することとを含む。本発明の装置は、データ収集モジュールと、例外データ判断モジュールと、例外道路セクション判断モジュールと、例外理由分析モジュールとを含む。本発明の方法及び装置は、ビッグデータを分析することにより、道路状態を正確に予測し、従って人手及び物的資源を節約することができる。
Description
技術分野
本発明は、データ処理技術の分野に関し、詳しくは、ビッグデータに基づいて道路状態を予測する方法及び装置に関する。
本発明は、データ処理技術の分野に関し、詳しくは、ビッグデータに基づいて道路状態を予測する方法及び装置に関する。
背景技術
国家経済の急速な発展に伴い、中国の自動車産業の発展は新しい時代に入っている。自動車は家庭の一部になっている。時代の発展は、道路交通を一層必要としている。道路の利用率は過去十年間で劇的に増大している。但し、自動車からの圧迫、雨食、及び他の要因の影響を受けることにより、特定の道路セクションは、多くの場合、丸い窪み、車道の亀裂、及びこれらに類似したものを経験しており、その結果、道路保守のための厳格な試験が必要とされる。
国家経済の急速な発展に伴い、中国の自動車産業の発展は新しい時代に入っている。自動車は家庭の一部になっている。時代の発展は、道路交通を一層必要としている。道路の利用率は過去十年間で劇的に増大している。但し、自動車からの圧迫、雨食、及び他の要因の影響を受けることにより、特定の道路セクションは、多くの場合、丸い窪み、車道の亀裂、及びこれらに類似したものを経験しており、その結果、道路保守のための厳格な試験が必要とされる。
従来の道路保守では、道路セクションは、人手又は画像収集に依存して検査される。道路保守要員は、問題が存在する場所をチェックするために道路に沿って頻繁に運転する必要があり、これは、労働及び時間集約的である。加えて、いくつかの問題を有する道路セクションが放置される場合があり、又は問題がタイムリーに発見されない場合もある。画像収集に基づく道路セクションの検査中、車道損傷画像認識のプロセスは、
主に損傷画像の収集及び取得、デジタル化、圧縮符号化、及びこれらに類似したものを含む車道損傷画像の収集と、
車道損傷画像のセグメント化、記述、及び分類を含む車道損傷画像の分析と
の2つのステップを含む。境界に基づく画像セグメント化と、領域に基づく画像セグメント化とのセグメント化の2つの主要なタイプが存在する。
主に損傷画像の収集及び取得、デジタル化、圧縮符号化、及びこれらに類似したものを含む車道損傷画像の収集と、
車道損傷画像のセグメント化、記述、及び分類を含む車道損傷画像の分析と
の2つのステップを含む。境界に基づく画像セグメント化と、領域に基づく画像セグメント化とのセグメント化の2つの主要なタイプが存在する。
但し、様々なタイプの車道損傷が存在し、且つ均一な分析表現によって損傷レベルを記述することが困難であるため、自動車道損傷認識では、近年、ファジーロジック、人工ニューラルネットワーク、及びエキスパートシステムなどの人工知能に基づく分類及び判断アルゴリズムの研究が活発な研究対象となっている。
いかなる観点でも、従来技術は、大量時間の消費、複雑な画像処理、及び低い精度という問題点を有する。従って、対応する保守要員が保守のために派遣されるように、損傷した道路セクションを見出すと共に特定の損傷タイプを判定するために相対的に経済的且つ実際的な方式が緊急に必要とされている。
発明の概要
本発明の目的は、道路セクションの手作業による検査並びに画像の収集及び分析において存在する低い判断効率及び判断誤りという技術的問題を回避するために、ビッグデータに基づいて道路状態を予測する方法及び装置を提供することである。
本発明の目的は、道路セクションの手作業による検査並びに画像の収集及び分析において存在する低い判断効率及び判断誤りという技術的問題を回避するために、ビッグデータに基づいて道路状態を予測する方法及び装置を提供することである。
上述の目的を実現するために、本発明の技術的解決策は、以下の通りである。
ビッグデータに基づいて道路状態を予測する方法が提供され、方法は、
道路セクション上を走行する車両によって記録される運転データを収集することと、
運転データが例外データであるかどうかを判断するために、収集された運転データを正常な観察サンプルと比較し、運転データが例外データである場合に例外データ及びその対応する道路セクションを例外データベース内に入れ、且つこの道路セクションの運転データを継続的に記録することと、
この道路セクションにおける例外データの発生の数に従って、例外データベース内の道路セクションが例外道路セクションであるかどうかを判断することと、
予め設定されたモデルに従って、例外道路セクションとして判断された道路セクションの例外の理由を予測し、且つその理由をユーザーに対して提供することと
を含む。
道路セクション上を走行する車両によって記録される運転データを収集することと、
運転データが例外データであるかどうかを判断するために、収集された運転データを正常な観察サンプルと比較し、運転データが例外データである場合に例外データ及びその対応する道路セクションを例外データベース内に入れ、且つこの道路セクションの運転データを継続的に記録することと、
この道路セクションにおける例外データの発生の数に従って、例外データベース内の道路セクションが例外道路セクションであるかどうかを判断することと、
予め設定されたモデルに従って、例外道路セクションとして判断された道路セクションの例外の理由を予測し、且つその理由をユーザーに対して提供することと
を含む。
更に、運転データが例外データであるかどうかを判断するために、収集された運転データを正常な観察サンプルと比較するステップは、
収集された運転データ及びその対応する重みに従って、道路セクションに対応する道路状態評価値を算出することと、
算出された道路状態評価値を、正常な観察サンプルに対応する道路状態評価値範囲と比較し、道路セクションの運転データに対応する道路状態評価値が、道路セクションの正常な観察サンプルに対応する道路状態評価値範囲内である場合、道路セクションが正常な道路セクションであり、且つ道路セクションの運転データが正常データであると判定し、他の場合には道路セクションが例外道路セクションであり、且つ道路セクションの運転データが例外データであると判定することと
を含む。
収集された運転データ及びその対応する重みに従って、道路セクションに対応する道路状態評価値を算出することと、
算出された道路状態評価値を、正常な観察サンプルに対応する道路状態評価値範囲と比較し、道路セクションの運転データに対応する道路状態評価値が、道路セクションの正常な観察サンプルに対応する道路状態評価値範囲内である場合、道路セクションが正常な道路セクションであり、且つ道路セクションの運転データが正常データであると判定し、他の場合には道路セクションが例外道路セクションであり、且つ道路セクションの運転データが例外データであると判定することと
を含む。
更に、この道路セクションにおける例外データの発生の数に従って、道路セクションが例外道路セクションであるかどうかを判断するステップは、
例外データの連続的な発生の数が設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断し、他の場合にはこの道路セクション及びその運転データを観察データベース内に入れることと、
観察データベース内に入れられた道路セクションの運転データを継続的に追跡することと、
追跡されている運転データにおける例外データ及び正常データの発生の数に従って、運転データに対応する道路状態評価値に対して重みを割り当てることと、
道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断することと
を含む。
例外データの連続的な発生の数が設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断し、他の場合にはこの道路セクション及びその運転データを観察データベース内に入れることと、
観察データベース内に入れられた道路セクションの運転データを継続的に追跡することと、
追跡されている運転データにおける例外データ及び正常データの発生の数に従って、運転データに対応する道路状態評価値に対して重みを割り当てることと、
道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断することと
を含む。
更に、運転データに対応する道路状態評価値に対して重みを割り当てるステップは、
現時点の運転データが例外データであると考えられる場合、例外データの発生の累積数に従って現時点の運転データの重みを増大させること、又は
現時点の運転データが正常データであると考えられる場合、正常データの発生の累積数に従って現時点の運転データの重みを減少させること
を含む。
現時点の運転データが例外データであると考えられる場合、例外データの発生の累積数に従って現時点の運転データの重みを増大させること、又は
現時点の運転データが正常データであると考えられる場合、正常データの発生の累積数に従って現時点の運転データの重みを減少させること
を含む。
更に、道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断するステップは、
現時点の道路状態評価値とその重みとの積が第1の設定閾値未満である場合、道路セクションが正常な道路セクションであると判断し、又は現時点の道路状態評価値とその重みとの積が第2の設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断すること
を含む。
現時点の道路状態評価値とその重みとの積が第1の設定閾値未満である場合、道路セクションが正常な道路セクションであると判断し、又は現時点の道路状態評価値とその重みとの積が第2の設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断すること
を含む。
本発明では、道路セクションが例外道路セクションであるかどうかを判断するとき、方法は、収集された運転データ及びその対応する重みに従って算出された対応する道路セクションの道路状態評価値が第3の設定閾値を上回っている場合、道路セクションが例外道路セクションであると直接的に判断することを更に含む。
本発明は、ビッグデータに基づいて道路状態を予測する装置を更に提供し、装置は、
道路セクション上を走行する車両によって記録される運転データを収集するように構成されたデータ収集モジュールと、
運転データが例外データであるかどうかを判断するために、収集された運転データを正常な観察サンプルと比較し、運転データが例外データである場合に例外データ及びその対応する道路セクションを例外データベース内に入れ、且つこの道路セクションの運転データを継続的に記録するように構成された例外データ判断モジュールと、
この道路セクションにおける例外データの発生の数に従って、例外データベース内の道路セクションが例外道路セクションであるかどうかを判断するように構成された例外道路セクション判断モジュールと、
予め設定されたモデルに従って、例外道路セクションとして判断された道路セクションの例外の理由を予測し、且つその理由をユーザーに対して提供するように構成された例外理由分析モジュールと
を含む。
道路セクション上を走行する車両によって記録される運転データを収集するように構成されたデータ収集モジュールと、
運転データが例外データであるかどうかを判断するために、収集された運転データを正常な観察サンプルと比較し、運転データが例外データである場合に例外データ及びその対応する道路セクションを例外データベース内に入れ、且つこの道路セクションの運転データを継続的に記録するように構成された例外データ判断モジュールと、
この道路セクションにおける例外データの発生の数に従って、例外データベース内の道路セクションが例外道路セクションであるかどうかを判断するように構成された例外道路セクション判断モジュールと、
予め設定されたモデルに従って、例外道路セクションとして判断された道路セクションの例外の理由を予測し、且つその理由をユーザーに対して提供するように構成された例外理由分析モジュールと
を含む。
更に、運転データが例外データであるかどうかを判断するために、収集された運転データを正常な観察サンプルと比較するとき、例外データ判断モジュールは、
収集された運転データ及びその対応する重みに従って、道路セクションに対応する道路状態評価値を算出する動作と、
算出された道路状態評価値を、正常な観察サンプルに対応する道路状態評価値範囲と比較し、道路セクションの運転データに対応する道路状態評価値が、道路セクションの正常な観察サンプルに対応する道路状態評価値範囲内である場合、道路セクションが正常な道路セクションであり、且つ道路セクションの運転データが正常データであると判定し、他の場合には道路セクションが例外道路セクションであり、且つ道路セクションの運転データが例外データであると判定する動作と
を実行する。
収集された運転データ及びその対応する重みに従って、道路セクションに対応する道路状態評価値を算出する動作と、
算出された道路状態評価値を、正常な観察サンプルに対応する道路状態評価値範囲と比較し、道路セクションの運転データに対応する道路状態評価値が、道路セクションの正常な観察サンプルに対応する道路状態評価値範囲内である場合、道路セクションが正常な道路セクションであり、且つ道路セクションの運転データが正常データであると判定し、他の場合には道路セクションが例外道路セクションであり、且つ道路セクションの運転データが例外データであると判定する動作と
を実行する。
更に、この道路セクションにおける例外データの発生の数に従って、道路セクションが例外道路セクションであるかどうかを判断するとき、例外道路セクション判断モジュールは、
例外データの連続的な発生の数が設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断し、他の場合にはこの道路セクション及びその運転データを観察データベース内に入れる動作と、
観察データベース内に入れられた道路セクションの運転データを継続的に追跡する動作と、
追跡されている運転データにおける例外データ及び正常データの発生の数に従って、運転データに対応する道路状態評価値に対して重みを割り当てる動作と、
道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断する動作と
を実行する。
例外データの連続的な発生の数が設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断し、他の場合にはこの道路セクション及びその運転データを観察データベース内に入れる動作と、
観察データベース内に入れられた道路セクションの運転データを継続的に追跡する動作と、
追跡されている運転データにおける例外データ及び正常データの発生の数に従って、運転データに対応する道路状態評価値に対して重みを割り当てる動作と、
道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断する動作と
を実行する。
更に、例外道路セクション判断モジュールが、運転データに対応する道路状態評価値に対して重みを割り当てることは、
現時点の運転データが例外データであると考えられる場合、例外データの発生の累積数に従って現時点の運転データの重みを増大させること、又は
現時点の運転データが正常データであると考えられる場合、正常データの発生の累積数に従って現時点の運転データの重みを減少させること
を含む。
現時点の運転データが例外データであると考えられる場合、例外データの発生の累積数に従って現時点の運転データの重みを増大させること、又は
現時点の運転データが正常データであると考えられる場合、正常データの発生の累積数に従って現時点の運転データの重みを減少させること
を含む。
更に、道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断するとき、例外道路セクション判断モジュールは、
現時点の道路状態評価値とその重みとの積が第1の設定閾値未満である場合、道路セクションが正常な道路セクションであると判断し、又は現時点の道路状態評価値とその重みとの積が第2の設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断する動作
を実行する。
現時点の道路状態評価値とその重みとの積が第1の設定閾値未満である場合、道路セクションが正常な道路セクションであると判断し、又は現時点の道路状態評価値とその重みとの積が第2の設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断する動作
を実行する。
本発明では、道路セクションが例外道路セクションであるかどうかを判断するとき、例外道路セクション判断モジュールは、
収集された運転データ及びその対応する重みに従って算出されたその対応する道路セクションの道路状態評価値が第3の設定閾値を上回っている場合、道路セクションが例外道路セクションであると直接的に判断する動作
を更に実行する。
収集された運転データ及びその対応する重みに従って算出されたその対応する道路セクションの道路状態評価値が第3の設定閾値を上回っている場合、道路セクションが例外道路セクションであると直接的に判断する動作
を更に実行する。
本発明によって提供されるビッグデータに基づいて道路状態を予測する方法及び装置では、道路上を走行する車両の例外運転データが収集され、運転データが例外データであるかどうかを判断するために、運転データが正常な観察サンプルと比較され、且つ道路状態を判定するために例外データが分析される。ビッグデータを分析することにより、道路状態が正確に予測され、従って人手及び物的資源を節約することができる。更に、損傷した道路セクションが見出され得、且つ特定の損傷タイプが判定され得、従って保守が促進される。
詳細な説明
以下では、添付図面及び実施形態を参照して本発明の技術的解決策について更に詳細に説明する。以下の実施形態は、本発明を限定するように意図されたものではない。
以下では、添付図面及び実施形態を参照して本発明の技術的解決策について更に詳細に説明する。以下の実施形態は、本発明を限定するように意図されたものではない。
図1に示されているように、本実施形態は、ビッグデータに基づいて道路状態を予測する方法を提供しており、方法は、以下のステップを含む。
ステップS1:道路セクション上を走行する車両によって記録される運転データが収集される。
この実施形態では、車両の運転データを記録するために、走行する車両上に分配された車道検出インスツルメントが使用される。例えば、通過カードが、ハイウェイへの入口において、通過する車両に対して発行される。車道検出インスツルメントとして機能するパスカードは、車両の運転データを記録するために更に使用され得る。特定の運転データは、衝撃、制動、回動、及び滑りに関するデータなど、車道上で発生し得る様々な状態によって生成される対応する運転データを含むことができる。通過カードがハイウェイの出口で回収された後、車両によって記録された運転データは、後続の分析のための基礎データとしてコンピュータ内にインポートされる。収集された運転データの量が多いほど、後続の分析の精度が高くなる。
また、この実施形態では、車両ナビゲーション装置又はデータ収集機能を有する別の装置を使用することにより、走行データを収集することもできる。更なる詳細についての説明は本明細書では省略する。
同一の道路セクションの運転データが、例えば、週に1度などで定期的に収集され得ることが容易に理解されるであろう。運転データが正常である場合、その週において運転データの収集を継続する必要はない。但し、運転データが例外的なものである場合、運転データを1日に1度記録することにより、又は運転データを1日に多数回にわたって連続的に記録することにより、道路セクションが例外的な状態にあるかどうかが判断される。
ステップS2:運転データが例外データであるかどうかを判断するために、収集された運転データが正常な観察サンプルと比較され、運転データが例外データである場合、例外データ及びその対応する道路セクションが例外データベース内に入れられ、且つこの道路セクションの運転データが継続的に記録される。
この実施形態では、正常な観察サンプルは、正常な道路セクション上を走行する車両によって記録された運転データに従って予め保存され、且つ予測対象の運転データをフィルタリングするために使用される。従って、道路セクションの状態を判断するために例外データが後に分析され得るように、正常データから逸脱した例外データが取得される。
この実施形態では、収集された運転データに従って、その対応する道路セクションの道路状態評価値が算出されてもよく、この場合、道路状態評価値Sの計算式は、以下の通りである。
S=α1s1+α2s2+・・・+αnsn
S=α1s1+α2s2+・・・+αnsn
式中、s1〜snは、異なるタイプの運転データであり、且つα1〜αnは、異なるタイプの運転データに対応する重みであり、この場合、1=α1+α2+・・・+αnが満たされている。例えば、運転データの異なるタイプのうちのs1は、衝撃データであり、s2は、制動データであり、s3は、回動データであり、以下同様である。
同様に、この実施形態では、正常な状態下にある道路セクション上を走行する車両によって記録された運転データが正常な観察サンプルとして使用される。この結果、正常な状態下にあるこの道路セクションの道路状態評価値Snormalが算出され得、且つ正常な状態下にある道路状態評価値Snormalの範囲が以下のように仮定される。
Snormal=[Snormal_low,Snormal_□ig□]
Snormal=[Snormal_low,Snormal_□ig□]
従って、運転データが収集された後、道路セクションの道路状態評価値を算出することができる。算出された値は、正常な観察サンプルの道路状態評価値と比較される。道路セクションの運転データに対応する道路状態評価値が正常な観察サンプルの道路状態評価範囲内である場合、道路セクションが正常な道路セクションであり、且つその運転データが正常データであると判定され、他の場合には道路セクションが例外道路セクションであり、且つその運転データが例外データであると判定される。
この実施形態では、正常な道路セクションの運転データを保存する必要はない。例外道路セクションの運転データが例外データとして使用され、且つ後続の連続的分析のために保存される必要がある。保存される例外データは、この道路セクションにおける例外データの発生の数が後続のステップでカウントされ得るように、道路セクションの識別情報、運転データ、及び対応する道路状態評価値を含む。
道路セクションの予測は、一度のみ発生する例外データに依存し得ないことが容易に理解されるであろう。道路セクションにおける例外は、連続的又は間欠的である必要がある。従って、本実施形態では、精度を改善するために、道路セクションが例外的なものであると判定されるように所定の期間にわたって運転データを保持しておく必要がある。運転データが例外データであるかどうかとは無関係に、これは、後続の判断を容易にするために常に保存される必要がある。
例えば、特定の道路セクションの1週間分の履歴レコードが保存される。例外データは、後続の分析のために、毎日、循環的に保存される。当然のことながら、期限切れのデータは削除される。
ステップS3:この道路セクションにおける例外データの発生の数に従って、例外データベース内の道路セクションが例外道路セクションであるかどうかが判断される。
この実施形態では、運転データに従って、特定の道路セクションが例外道路セクションであると判断された後、運転データが所定の期間にわたって継続的に記録される。例えば、同一の道路セクションについて、運転データを一度記録するために毎日1枚の通過カードがランダムに発行される。データは、一週間において、毎日、道路セクションの運転データを取得するために、一週間で合計7回記録される。代わりに、合計で運転データの7つのインスタンスを取得するために、7枚の通過カードが同一日に異なる自動車に対して発行されるが、この場合、1つのレコードは、複数の自動車のそれぞれに対応する。本発明は、特定の数の記録動作に限定されるものではない。記録動作の数が多いほど、得られる結果の精度が向上する。
例外データを有する道路セクションの場合、所定の期間における例外データの発生の数をカウントすることにより、道路セクションが損傷されているかどうかを判断できることが容易に理解されるであろう。例えば、例外データが1回の発生後に記録されない場合、この例外データは、車道上のごみ、運転者の動作、又は認識誤りによって生じたものであり得る。例外データが1回発生した後に数日間にわたって継続的に記録された場合、損傷などの例外が道路セクションで発生しており、且つ保守のために要員を現場に派遣しなければならないと判断される。
この実施形態では、この道路セクションにおける例外データの連続的な発生の数に従って、道路セクションが例外道路セクションであるかどうかを判断するステップは、複数の方式によって実装され得、以下では、実施形態を使用することにより、これらの方式について説明する。
実施形態1:例外データの連続的な発生の数が設定閾値を上回っている。
例外データの連続的な発生の数が設定閾値を上回っている場合、例外がこの道路セクション内で発生したものと判断される。又は、例外データが非連続的な方式で発生している場合、道路セクションは正常であると考えられる。
実施形態2:運転データ記録の合計数に対する例外データの発生数の割合に従って判断が実施される。
1つの例外が運転データで発生した後、例外データ及びその対応する道路セクションが例外データベース内に記録され、且つこの道路セクションの運転データが継続的に記録される。運転データがM回記録され、且つ例外データが運転データ内でN回発生するものと仮定する。N/Mが設定閾値を上回っている場合、例外がこの道路セクションで発生したものと判断され、他の場合には道路セクションは正常であると判断される。
実施形態3:例外データが非連続的な方式で発生している道路セクションが、道路セクションを継続的に観察するために観察データベース内に入れられる。
第1に、例外データの連続的な発生の数が設定閾値を上回っている場合、例外が道路セクション内で発生しており、且つこの道路セクションは、例外道路セクションであると判断される。実施形態1における処理と異なり、この実施形態では、例外データが非連続的な方式で発生している道路セクションは、観察データベース内に入れられ、且つ後続の分析のために運転データが継続的に記録される。
道路セクションの運転データが例外データであると判断された後、収集された運転データに従って算出された対応する道路セクションの道路状態評価値が、正常状態の道路状態評価値Snormalの範囲をはるかに上回っている場合、例えば、道路状態評価値が設定閾値を上回っている場合、道路セクションは、例外道路セクションであると直接的に判断され得ることに留意されたい。例えば、車道の1つのセクションが突然砕け、破砕リスクの重みが非常に大きく、且つ計算後に道路セクションの道路状態評価値が既に設定閾値を超過する。この場合、道路セクションは、問題を有しており、且つ即座に処理する必要があると見なすことができる。そうでなければ、数日間の遅延後に車道の破砕が進展した場合に危険な状況となり得る。
ある道路セクション内で例外データがしばしば出現しているが、他の部分で出現していない場合、道路セクションに対する損傷が恐らく深刻なものでないか、又は収集されたデータが正しくないことが容易に理解されるであろう。損傷などの例外が発生しているかどうかを更に判定するために、この道路セクションは、継続的に観察する必要がある。
この実施形態では、例外データが連続的に発生していない道路セクションは、継続的な観察のために観察データベース内に入れられる。継続的に観察される必要がある道路セクションの場合、この実施形態の方法は、
観察データベース内に入れられた道路セクションの運転データを継続的に追跡するステップと、
追跡されている運転データにおける例外データ及び正常データの発生の数に従って、運転データに対応する道路状態評価値に対して重みを割り当てるステップと、
道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断するステップと
を更に含む。
観察データベース内に入れられた道路セクションの運転データを継続的に追跡するステップと、
追跡されている運転データにおける例外データ及び正常データの発生の数に従って、運転データに対応する道路状態評価値に対して重みを割り当てるステップと、
道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断するステップと
を更に含む。
即ち、偶発的な例外の場合、例外データが運転データにおいて間欠的に発生することになり、車道が損傷した車道であると確信を持って考えることができない。従って、この実施形態では、重みWが設定される。道路セクションの運転データが例外データであると考えられる場合、運転データの重みを増大させる。道路セクションの運転データが正常データであると考えられる場合、運転データの重みを減少させる。
現時点の運転データの重みは、次式を使用することによって算出される。
式中、σは、定数であり、Tdifは、道路セクションが観察データベース内に追加された時点から現時点までの例外データの発生の累積数であり、且つTnorは、道路セクションが観察データベースに追加された時点から現時点までの正常データの発生の累積数である。現時点の運転データの重みWは、リアルタイムで変化することがわかる。即ち、累積された例外データが多いほど、相対的に大きい重み値が結果的に得られ、且つ累積された正常データが多いほど、相対的に小さい重み値が結果的に得られる。
従って、重み値に従って判断を実施することができる。即ち、道路セクションは、重み値が設定閾値未満である場合、正常な道路セクションであると考えられ、且つ道路セクションは観察データベースから削除される。道路セクションは、重み値が設定閾値を上回っている場合、例外道路セクションであると判断される。
代わりに、判断は、道路状態評価値とその重みとの積に従って実施される。即ち、道路セクションは、積が設定閾値未満である場合、正常な道路セクションであると見なされる。道路セクションは、積が設定閾値を上回っている場合、例外道路セクションであると判断される。
依然として判断できない場合、継続的に判断するために、道路セクションの運転データは継続的に追跡される。
道路セクションが例外道路セクションとして判断されるか又は正常な道路セクションとして判断されるかとは無関係に、対応する道路セクション及びその運転データは、判断後に例外データベース及び観察データベースからすべて削除されることに留意されたい。継続的な追跡はもはや実行されず、代わりにステップS1におけるプロセスに従って従来の判断が実施される。
ステップS4:例外道路セクションとして判断された道路セクションの例外の理由が、予め設定されたモデルに従って予測され、且つその理由がユーザーに対して提供される。
例外道路セクションとして判断された道路セクションの車道は、損傷しているものと見なすことができる。経験データベース内に保存されている異なるタイプの損傷した車道の兆候データを参照し、車道に対する損傷のタイプ及びその原因を更に判断する必要がある。損傷タイプが分析された後、対応する維持要員が保守のために派遣され、従って道路検出効率が大幅に改善される。当然のことながら、本実施形態では、目的とする方式によって車道の詳細な検出及び分析を実施するために、画像分析などの他の補助的な方式が使用されてもよい。
本実施形態における予め設定されたモデルは、経験データベース内に保存されている異なるタイプの損傷した車道の兆候データを参照する。経験データベースがリアルタイムで維持されている場合、車道は、様々な状態を提示する。様々なデータを保存すると共にリアルタイムで更新される経験データベースは、車道損傷判断を相対的に確実且つ高精度なものにする。
図2に示されているように、本実施形態は、ビッグデータに基づいて道路状態を予測する装置を提供しており、装置は、
道路セクション上を走行する車両によって記録される運転データを収集するように構成されたデータ収集モジュールと、
運転データが例外データであるかどうかを判断するために、収集された運転データを正常な観察サンプルと比較し、運転データが例外データである場合に例外データ及びその対応する道路セクションを例外データベース内に入れ、且つこの道路セクションの運転データを継続的に記録するように構成された例外データ判断モジュールと、
この道路セクションにおける例外データの発生の数に従って、例外データベース内の道路セクションが例外道路セクションであるかどうかを判断するように構成された例外道路セクション判断モジュールと、
予め設定されたモデルに従って、例外道路セクションとして判断された道路セクションの例外の理由を予測し、且つその理由をユーザーに対して提供するように構成された例外理由分析モジュールと
を含む。
道路セクション上を走行する車両によって記録される運転データを収集するように構成されたデータ収集モジュールと、
運転データが例外データであるかどうかを判断するために、収集された運転データを正常な観察サンプルと比較し、運転データが例外データである場合に例外データ及びその対応する道路セクションを例外データベース内に入れ、且つこの道路セクションの運転データを継続的に記録するように構成された例外データ判断モジュールと、
この道路セクションにおける例外データの発生の数に従って、例外データベース内の道路セクションが例外道路セクションであるかどうかを判断するように構成された例外道路セクション判断モジュールと、
予め設定されたモデルに従って、例外道路セクションとして判断された道路セクションの例外の理由を予測し、且つその理由をユーザーに対して提供するように構成された例外理由分析モジュールと
を含む。
この実施形態では、運転データが例外データであるかどうかを判断するために、収集された運転データを正常な観察サンプルと比較するとき、例外データ判断モジュールは、
収集された運転データ及びその対応する重みに従って、道路セクションに対応する道路状態評価値を算出する動作と、
算出された道路状態評価値を、正常な観察サンプルに対応する道路状態評価値範囲と比較し、道路セクションの運転データに対応する道路状態評価値が、道路セクションの正常な観察サンプルに対応する道路状態評価値範囲内である場合、道路セクションが正常な道路セクションであり、且つ道路セクションの運転データが正常データであると判定し、他の場合には道路セクションが例外道路セクションであり、且つ道路セクションの運転データが例外データであると判定する動作と
を実行する。
収集された運転データ及びその対応する重みに従って、道路セクションに対応する道路状態評価値を算出する動作と、
算出された道路状態評価値を、正常な観察サンプルに対応する道路状態評価値範囲と比較し、道路セクションの運転データに対応する道路状態評価値が、道路セクションの正常な観察サンプルに対応する道路状態評価値範囲内である場合、道路セクションが正常な道路セクションであり、且つ道路セクションの運転データが正常データであると判定し、他の場合には道路セクションが例外道路セクションであり、且つ道路セクションの運転データが例外データであると判定する動作と
を実行する。
この実施形態では、この道路セクションにおける例外データの発生の数に従って、道路セクションが例外道路セクションであるかどうかを判断するとき、例外道路セクション判断モジュールは、
例外データの連続的な発生の数が設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断し、他の場合にはこの道路セクション及びその運転データを観察データベース内に入れる動作と、
観察データベース内に入れられた道路セクションの運転データを継続的に追跡する動作と、
追跡されている運転データにおける例外データ及び正常データの発生の数に従って、運転データに対応する道路状態評価値に対して重みを割り当てる動作と、
道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断する動作と
を実行する。
例外データの連続的な発生の数が設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断し、他の場合にはこの道路セクション及びその運転データを観察データベース内に入れる動作と、
観察データベース内に入れられた道路セクションの運転データを継続的に追跡する動作と、
追跡されている運転データにおける例外データ及び正常データの発生の数に従って、運転データに対応する道路状態評価値に対して重みを割り当てる動作と、
道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断する動作と
を実行する。
この実施形態では、例外道路セクション判断モジュールが、運転データに対応する道路状態評価値に対して重みを割り当てることは、
現時点の運転データが例外データであると考えられる場合、例外データの発生の累積数に従って現時点の運転データの重みを増大させること、又は
現時点の運転データが正常データであると考えられる場合、正常データの発生の累積数に従って現時点の運転データの重みを減少させること
を含む。
現時点の運転データが例外データであると考えられる場合、例外データの発生の累積数に従って現時点の運転データの重みを増大させること、又は
現時点の運転データが正常データであると考えられる場合、正常データの発生の累積数に従って現時点の運転データの重みを減少させること
を含む。
この実施形態では、道路状態評価値とその重みとの積に従って、道路セクションが例外道路セクションであるかどうかを判断するとき、例外道路セクション判断モジュールは、
現時点の道路状態評価値とその重みとの積が第1の設定閾値未満である場合、道路セクションが正常な道路セクションであると判断し、又は現時点の道路状態評価値とその重みとの積が第2の設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断する動作
を実行する。
現時点の道路状態評価値とその重みとの積が第1の設定閾値未満である場合、道路セクションが正常な道路セクションであると判断し、又は現時点の道路状態評価値とその重みとの積が第2の設定閾値を上回っている場合、道路セクションが例外道路セクションであると判断する動作
を実行する。
この実施形態では、道路セクションが例外道路セクションであるかどうかを判断するとき、例外道路セクション判断モジュールは、
収集された運転データ及びその対応する重みに従って算出された対応する道路セクションの道路状態評価値が第3の設定閾値を上回っている場合、道路セクションが例外道路セクションであると直接的に判断する動作
を更に実行する。
収集された運転データ及びその対応する重みに従って算出された対応する道路セクションの道路状態評価値が第3の設定閾値を上回っている場合、道路セクションが例外道路セクションであると直接的に判断する動作
を更に実行する。
上述の実施形態は、本発明の技術的解決策について説明するためにのみ使用されるものであり、且つ本発明の限定を意図したものではない。当業者は、本発明の趣旨及び本質を逸脱することなく、本発明に従って様々な対応する変更形態及び変形形態をなし得る。これらの対応する変更形態及び変形形態は、すべて本発明の添付の請求項の保護範囲に含まれる。
Claims (12)
- ビッグデータに基づいて道路状態を予測する方法であって、
道路セクション上を走行する車両によって記録される運転データを収集することと、
前記運転データが例外データであるかどうかを判断するために、前記収集された運転データを正常な観察サンプルと比較し、前記運転データが例外データである場合に前記例外データ及びその対応する道路セクションを例外データベース内に入れ、且つ前記道路セクションの運転データを継続的に記録することと、
前記道路セクションにおける例外データの発生の数に従って、前記例外データベース内の前記道路セクションが例外道路セクションであるかどうかを判断することと、
予め設定されたモデルに従って、例外道路セクションとして判断された前記道路セクションの例外の理由を予測し、且つ前記理由をユーザーに対して提供することと
を含む方法。 - 前記運転データが例外データであるかどうかを判断するために、前記収集された運転データを正常な観察サンプルと比較する前記ステップは、
前記収集された運転データ及びその対応する重みに従って、前記道路セクションに対応する道路状態評価値を算出することと、
前記算出された道路状態評価値を、前記正常な観察サンプルに対応する道路状態評価値範囲と比較し、前記道路セクションの前記運転データに対応する前記道路状態評価値が、前記道路セクションの前記正常な観察サンプルに対応する前記道路状態評価値範囲内である場合、前記道路セクションが正常な道路セクションであり、且つ前記道路セクションの前記運転データが正常データであると判定し、他の場合には前記道路セクションが例外道路セクションであり、且つ前記道路セクションの前記運転データが例外データであると判定することと
を含む、請求項1に記載のビッグデータに基づいて道路状態を予測する方法。 - 前記道路セクションにおける例外データの発生の数に従って、前記道路セクションが例外道路セクションであるかどうかを判断する前記ステップは、
例外データの連続的な発生の数が設定閾値を上回っている場合、前記道路セクションが例外道路セクションであると判断し、他の場合には前記道路セクション及びその運転データを観察データベース内に入れることと、
前記観察データベース内に入れられた前記道路セクションの前記運転データを継続的に追跡することと、
前記追跡されている運転データにおける例外データ及び正常データの発生の数に従って、前記運転データに対応する前記道路状態評価値に対して重みを割り当てることと、
前記道路状態評価値とその重みとの積に従って、前記道路セクションが例外道路セクションであるかどうかを判断することと
を含む、請求項2に記載のビッグデータに基づいて道路状態を予測する方法。 - 前記運転データに対応する前記道路状態評価値に対して重みを割り当てる前記ステップは、
現時点の運転データが例外データであると考えられる場合、例外データの発生の累積数に従って前記現時点の運転データの前記重みを増大させること、又は
前記現時点の運転データが正常データであると考えられる場合、正常データの発生の累積数に従って前記現時点の運転データの前記重みを減少させること
を含む、請求項3に記載のビッグデータに基づいて道路状態を予測する方法。 - 前記道路状態評価値とその重みとの前記積に従って、前記道路セクションが例外道路セクションであるかどうかを判断する前記ステップは、
前記現時点の道路状態評価値とその重みとの積が第1の設定閾値未満である場合、前記道路セクションが正常な道路セクションであると判断し、又は前記現時点の道路状態評価値とその重みとの前記積が第2の設定閾値を上回っている場合、前記道路セクションが例外道路セクションであると判断すること
を含む、請求項4に記載のビッグデータに基づいて道路状態を予測する方法。 - 前記収集された運転データ及びその対応する重みに従って算出された前記対応する道路セクションの前記道路状態評価値が第3の設定閾値を上回っている場合、前記道路セクションが例外道路セクションであると直接的に判断することを更に含む、請求項2に記載のビッグデータに基づいて道路状態を予測する方法。
- ビッグデータに基づいて道路状態を予測する装置であって、
道路セクション上を走行する車両によって記録される運転データを収集するように構成されたデータ収集モジュールと、
前記運転データが例外データであるかどうかを判断するために、前記収集された運転データを正常な観察サンプルと比較し、前記運転データが例外データである場合に前記例外データ及びその対応する道路セクションを例外データベース内に入れ、且つ前記道路セクションの前記運転データを継続的に記録するように構成された例外データ判断モジュールと、
前記道路セクションにおける例外データの発生の数に従って、前記例外データベース内の前記道路セクションが例外道路セクションであるかどうかを判断するように構成された例外道路セクション判断モジュールと、
予め設定されたモデルに従って、例外道路セクションとして判断された前記道路セクションの例外の理由を予測し、且つ前記理由をユーザーに対して提供するように構成された例外理由分析モジュールと
を含む装置。 - 前記運転データが例外データであるかどうかを判断するために、前記収集された運転データを正常な観察サンプルと比較するとき、前記例外データ判断モジュールは、
前記収集された運転データ及びその対応する重みに従って、前記道路セクションに対応する道路状態評価値を算出する動作と、
前記算出された道路状態評価値を、前記正常な観察サンプルに対応する道路状態評価値範囲と比較し、前記道路セクションの前記運転データに対応する前記道路状態評価値が、前記道路セクションの前記正常な観察サンプルに対応する前記道路状態評価値範囲内である場合、前記道路セクションが正常な道路セクションであり、且つ前記道路セクションの前記運転データが正常データであると判定し、他の場合には前記道路セクションが例外道路セクションであり、且つ前記道路セクションの前記運転データが例外データであると判定する動作と
を実行する、請求項7に記載のビッグデータに基づいて道路状態を予測する装置。 - 前記道路セクションにおける例外データの発生の数に従って、前記道路セクションが例外道路セクションであるかどうかを判断するとき、前記例外道路セクション判断モジュールは、
例外データの連続的な発生の数が設定閾値を上回っている場合、前記道路セクションが例外道路セクションであると判断し、他の場合には前記道路セクション及びその運転データを観察データベース内に入れる動作と、
前記観察データベース内に入れられた前記道路セクションの前記運転データを継続的に追跡する動作と、
前記追跡されている運転データにおける例外データ及び正常データの発生の数に従って、前記運転データに対応する前記道路状態評価値に対して重みを割り当てる動作と、
前記道路状態評価値とその重みとの積に従って、前記道路セクションが例外道路セクションであるかどうかを判断する動作と
を実行する、請求項8に記載のビッグデータに基づいて道路状態を予測する装置。 - 前記例外道路セクション判断モジュールが、前記運転データに対応する前記道路状態評価値に対して重みを割り当てることは、
現時点の運転データが例外データであると考えられる場合、例外データの発生の累積数に従って前記現時点の運転データの前記重みを増大させること、又は
前記現時点の運転データが正常データであると考えられる場合、正常データの発生の累積数に従って前記現時点の運転データの前記重みを減少させること
を含む、請求項9に記載のビッグデータに基づいて道路状態を予測する装置。 - 前記道路状態評価値とその重みとの前記積に従って、前記道路セクションが例外道路セクションであるかどうかを判断するとき、前記例外道路セクション判断モジュールは、
現時点の道路状態評価値とその重みとの積が第1の設定閾値未満である場合、前記道路セクションが正常な道路セクションであると判断し、又は前記現時点の道路状態評価値とその重みとの前記積が第2の設定閾値を上回っている場合、前記道路セクションが例外道路セクションであると判断する動作
を実行する、請求項10に記載のビッグデータに基づいて道路状態を予測する装置。 - 前記道路セクションが例外道路セクションであるかどうかを判断するとき、前記例外道路セクション判断モジュールは、
前記収集された運転データ及びその対応する重みに従って算出されたその対応する道路セクションの前記道路状態評価値が第3の設定閾値を上回っている場合、前記道路セクションが例外道路セクションであると直接的に判断する動作
を更に実行する、請求項8に記載のビッグデータに基づいて道路状態を予測する装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510976430.1A CN106910334B (zh) | 2015-12-22 | 2015-12-22 | 一种基于大数据预测路段状况的方法及装置 |
CN201510976430.1 | 2015-12-22 | ||
PCT/CN2016/109387 WO2017107790A1 (zh) | 2015-12-22 | 2016-12-12 | 一种基于大数据预测路段状况的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019505892A true JP2019505892A (ja) | 2019-02-28 |
Family
ID=59089014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018531408A Pending JP2019505892A (ja) | 2015-12-22 | 2016-12-12 | ビッグデータに基づいて道路状態を予測する方法及び装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10977933B2 (ja) |
JP (1) | JP2019505892A (ja) |
CN (1) | CN106910334B (ja) |
WO (1) | WO2017107790A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106910334B (zh) | 2015-12-22 | 2019-12-24 | 阿里巴巴集团控股有限公司 | 一种基于大数据预测路段状况的方法及装置 |
CN112815956B (zh) * | 2019-11-18 | 2022-06-14 | 百度在线网络技术(北京)有限公司 | 道路情况确定的方法及装置 |
CN112070239B (zh) * | 2020-11-11 | 2021-07-09 | 上海森亿医疗科技有限公司 | 基于用户数据建模的分析方法、系统、介质及设备 |
CN112614342B (zh) * | 2020-12-10 | 2022-08-30 | 大唐高鸿智联科技(重庆)有限公司 | 一种道路异常事件的预警方法、车载设备及路侧设备 |
CN117994225A (zh) * | 2024-01-30 | 2024-05-07 | 中交第二公路勘察设计研究院有限公司 | 一种多元路面定期检测数据处理方法及处理系统 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4265503B2 (ja) * | 2004-08-06 | 2009-05-20 | 株式会社デンソー | 路面情報収集システム及びそれに用いるサーバ |
KR100625096B1 (ko) * | 2006-03-27 | 2006-09-15 | 주식회사 윈스테크넷 | 트래픽 변화량과 해킹 위협률의 상호 연관성 분석에 기초한예경보 방법 및 그 시스템 |
US20080103835A1 (en) * | 2006-10-31 | 2008-05-01 | Caterpillar Inc. | Systems and methods for providing road insurance |
SE0602606L (sv) * | 2006-12-05 | 2008-06-06 | Volvo Lastvagnar Ab | Ett förfarande för att bestämma skicket hos en vägbana och ett förfarande för att generera en logg över ett fordons användning |
CN100535955C (zh) * | 2008-04-01 | 2009-09-02 | 东南大学 | 一种识别离群交通数据的方法 |
CN201927175U (zh) * | 2011-01-05 | 2011-08-10 | 中国科学院深圳先进技术研究院 | 智能交通系统信息采集器 |
CN102409599B (zh) * | 2011-09-22 | 2013-09-04 | 中国科学院深圳先进技术研究院 | 道路路面检测方法及系统 |
CN103975372B (zh) * | 2011-12-06 | 2016-03-16 | 三菱电机株式会社 | 中心侧系统及车辆侧系统 |
JP6119097B2 (ja) * | 2011-12-28 | 2017-04-26 | 富士通株式会社 | 路面調査プログラム及び路面調査装置 |
CN103745595B (zh) * | 2012-10-17 | 2016-08-03 | 中国电信股份有限公司 | 分析路况信息的方法和系统以及路况分析服务器 |
CN104751629B (zh) * | 2013-12-31 | 2017-09-15 | 中国移动通信集团公司 | 一种交通事件的检测方法和系统 |
CN204311328U (zh) * | 2014-12-04 | 2015-05-06 | 陕西中大机械集团有限责任公司 | 一种路面平整度实时监控系统 |
CN104504903B (zh) * | 2014-12-31 | 2017-07-07 | 北京赛维安讯科技发展有限公司 | 交通事件采集装置及方法、交通事件监测系统及方法 |
CN104933863B (zh) * | 2015-06-02 | 2017-05-03 | 福建工程学院 | 一种交通道路中异常路段识别的方法及系统 |
CN104929024B (zh) * | 2015-06-15 | 2017-02-01 | 广西大学 | 路面平整度检测仪及路面平整度测量方法 |
CN106910334B (zh) | 2015-12-22 | 2019-12-24 | 阿里巴巴集团控股有限公司 | 一种基于大数据预测路段状况的方法及装置 |
-
2015
- 2015-12-22 CN CN201510976430.1A patent/CN106910334B/zh active Active
-
2016
- 2016-12-12 JP JP2018531408A patent/JP2019505892A/ja active Pending
- 2016-12-12 WO PCT/CN2016/109387 patent/WO2017107790A1/zh active Application Filing
-
2018
- 2018-06-22 US US16/016,502 patent/US10977933B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN106910334A (zh) | 2017-06-30 |
CN106910334B (zh) | 2019-12-24 |
US10977933B2 (en) | 2021-04-13 |
WO2017107790A1 (zh) | 2017-06-29 |
US20180301025A1 (en) | 2018-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019505892A (ja) | ビッグデータに基づいて道路状態を予測する方法及び装置 | |
CN110197588B (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
CN110544373B (zh) | 一种基于北斗车联网的货车预警信息提取与风险识别方法 | |
KR101617349B1 (ko) | 운전 습관 분석 진단 시스템 및 방법 | |
US9082072B1 (en) | Method for applying usage based data | |
CN110942640B (zh) | 一种主动发现非法从事网约车客运的嫌疑车辆的方法 | |
CN110751828A (zh) | 一种路段拥堵测量方法、装置、计算机设备及存储介质 | |
CN109344886B (zh) | 基于卷积神经网络的遮挡号牌判别方法 | |
CN112634614B (zh) | 一种长下坡交通事件实时检测方法、装置及存储介质 | |
CN111144485A (zh) | 基于xgboost分类算法的车辆事故判断方法和系统 | |
CN111707476B (zh) | 一种面向自动驾驶汽车的纵向驾驶能力检测方法 | |
CN115527364A (zh) | 一种基于雷视数据融合的交通事故溯源方法及系统 | |
CN110533930B (zh) | 交通数据处理方法、装置、计算机设备和存储介质 | |
Watanabe et al. | A method for the estimation of coexisting risk-inducing factors in traffic scenarios | |
CN115565373B (zh) | 高速公路隧道事故实时风险预测方法、装置、设备及介质 | |
CN116679221A (zh) | 一种电池异常检测、电池维护管理方法和装置 | |
Simoncini et al. | Vehicle classification from low frequency GPS data | |
CN115392728A (zh) | 基于风险场的大型活动多源交通风险叠加评估方法及应用 | |
CN111341106B (zh) | 交通预警方法、装置和设备 | |
CN113470376A (zh) | 基于卡口过车数据的实时区域在途车辆计数方法及系统 | |
CN111274931A (zh) | 超车行为的审核方法、装置、计算机设备和存储介质 | |
CN117315943B (zh) | 一种超限运输违法监测分析与预警方法及系统 | |
CN116665342B (zh) | 新能源汽车驾驶行为分析方法、系统及设备 | |
CN116757336B (zh) | 基于数据驱动的轨道交通风险的预测方法及系统 | |
CN114265955A (zh) | 一种基于诊断故障代码演变图谱的故障预测方法及装置 |