CN101819718B - 交通事故识别预警方法 - Google Patents
交通事故识别预警方法 Download PDFInfo
- Publication number
- CN101819718B CN101819718B CN 201010156105 CN201010156105A CN101819718B CN 101819718 B CN101819718 B CN 101819718B CN 201010156105 CN201010156105 CN 201010156105 CN 201010156105 A CN201010156105 A CN 201010156105A CN 101819718 B CN101819718 B CN 101819718B
- Authority
- CN
- China
- Prior art keywords
- accident
- car
- vehicle length
- default
- peril
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
设置预设数据库,并在交通事故多发段获取预警识别参数组,判断待测车辆与其前后相邻车辆的车辆长度类型;根据安全制动距离判断是否安全,如果是安全状态,则直接进行事故监测与纠错;否则,根据安全制动距离、行驶速度和车辆长度类型判断事故类型,进行相应的事故类型报警,同时启动救援响应,并进行事故监测与纠错;监测实际交通安全状况与预测状况是否一致,如果一致,则直接进行下一辆车的交通安全状况判断;否则,需更新预设数据库,再对下一辆车的交通安全状况进行判断。本发明的显著效果是:工程实用性强、检测精度高、事故误警率低、实时检测、响应迅速、成本低、易采集、自适应性好。
Description
技术领域
本发明属于隧道安全管理领域,具体是一种利用人工免疫***原理来进行隧道交通事故识别预警的管理控制方法。
背景技术
隧道交通事故检测预警技术作为高速公路的运行管理体系的重要组成部分,可以分为非自动检测技术和自动检测技术两类。自20世纪60年代以后,世界上许多发达国家开始把注意力集中在高速公路的运行管理上,分别在高速公路上配置了以电子设备为手段的功能完善的交通监控***,同时开展了对高速公路交通事故预警检测算法的研究。
在早期经验算法的基础上,随着数学理论和人工智能等高新技术的不断发展,一系列依据人工智能理论的高级事件检测算法相继出现。人工智能算法是采用一些具有自我约束或自我学习能力的算法,进行智能地对交通事故状态做出判断。
现有交通事故检测技术的缺陷:大多数交通事故预警检测算法属于理论性研究成果,自行设计研究范围与限制,并以离线的方式验证算法,工程实践应用较少,且由于数据采集成本高或采集方式不容易实现,使得交通管理部门不愿意采用该理论或算法进行交通事故检测,并且存在阈值标定比较困难、误警率高、可移植性和自适应性较差等缺点。
发明内容
本发明的目的是提供一种工程实用性强、检测精度高、事故误警率低、实时检测、响应迅速、成本低、易采集、自适应性好的交通事故识别预警方法。
为达到上述目的,本发明采用的技术方案如下:一种交通事故识别预警方法,其关键在于,按照以下步骤进行:
步骤一,设置预设数据库,该预设数据库装有期望平均行驶速度Vq、实际平均行驶速度Vs、一般事故预设子数据库、应急事故预设子数据库和危险事故预设子数据库,所述一般事故预设子数据库中装有一般事故最小安全制动距离Ls1和一般事故车辆长度类型库,所述应急事故预设子数据库中装有应急事故最小安全制动距离Ls2和应急事故车辆长度类型库,所述危险事故预设子数据库中装有危险事故最小安全制动距离Ls3和危险事故车辆长度类型库,其中,Ls3<Ls2<Ls1;
最小安全制动距离包括这样几种情况,既车辆在同车道行驶过程中与同车道前后车的最小安全制动距离,换车道行驶过程中与同车道前后车的最小安全制动距离,以及换车道行驶过程中与邻车道前后车的最小安全制动距离,可根据不同的车辆行驶情况选取不同的最小安全制动距离。同车道行驶过程中最小安全制动距离的计算为现有技术,重庆大学的廖传锦及吉林大学的王文霞也对换车道时的四种可能碰撞情况下的最小安全距离作了大量研究,在此就不做赘述。
另外,预设数据库设置有晴天、雨天、雪天和雾天四种情况,应根据实际天气情况选取预设数据库,使检测更加精确,误警率更低。
步骤二,在交通事故多发段,获取预警识别参数组,该预警识别参数组包括第i辆车与第i-1辆车的车头距离L、第i辆车的行驶速度Vi、第i辆车的车辆长度li和第i-1辆车的车辆长度li-1;本方法采用常用电子设备对交通事故多发路段的动态交通流特征参数数据进行实时监测,工程实用性强,成本低,数据易采集,且保证了检测的精度。
步骤三,判断车辆长度类型,按照以下几步进行:
第一步,判断第i辆车的车辆长度类型,如果li≥10m,则第i辆车的车辆长度类型为大车长度ld;如果5m<li<10m,则第i辆车的车辆长度类型为中车长度lz;如果li≤5m,则第i辆车的车辆长度类型为小车长度lx;
第二步,判断第i-1辆车的车辆长度类型,如果li-1≥10m,则第i-1辆车的车辆长度类型为大车长度ld;如果5m<li-1<10m,则第i-1辆车的车辆长度类型为中车长度lz;如果li-1≤5m,则第i-1辆车的车辆长度类型为小车长度lx;
其中,第i-1辆车为前车,第i辆车为后车,此处是以第i辆车作为待测车辆与其前方的车辆进行比较,如需监测待测车辆与后方车的安全情况,则可在步骤二获取第i辆车的后车(既第i+1辆车)的预警识别参数组。步骤三的第一步与第二步的判断步骤顺序可互换。
当第i辆车和第i-1辆车的车辆长度类型分别为lz和lx、或同为lx时,则属于所述一般事故车辆长度类型库中的情况;当第i辆车和第i-1辆车的车辆长度类型分别为ld和lx、或分别为ld和lz、或同为lz时,则属于所述应急事故车辆长度类型库中的情况;当第i辆车和第i-1辆车的车辆长度类型分别为ld和lz、或同为ld时,则属于所述危险事故车辆长度类型库中的情况。
车辆长度类型作为辅助识别参量,能对交通事故的识别作进一步修正,确保检测精度,降低事故误警率。
步骤四,根据一般事故最小安全制动距离Ls1判断是否安全,如果L≥Ls1,则确定为安全状态;否则,事故类型判断;
步骤五,事故类型判断,如果Ls2≤L<Ls1,则进入一般事故判断流程;如果Ls3≤L<Ls2,则进入应急事故判断流程;如果L<Ls3,则进入危险事故判断流程;
制动距离为事故的主要识别参量,由此可减少许多不必要的判断步骤,提高预警效率,缩短响应时间;
一般事故判断流程:判断Vi是否小于等于Vs,否则进行事故监测与纠错;如果Vi≤Vs,则判断第i辆车和第i-1辆车的车辆长度类型是否属于一般事故车辆长度类型库中的情况,否则进行事故监测与纠错;是,则确定为一般事故,并进行轻度报警,启动II级救援响应,再进行事故监测与纠错;
应急事故判断流程:判断Vi是否大于Vs且小于等于Vq,否则进行事故监测与纠错;如果Vs<Vi≤Vq,则判断第i辆车和第i-1辆车的车辆长度类型是否属于应急事故车辆长度类型库中的情况,否则进行事故监测与纠错;是,则确定为应急事故,并进行中度报警,启动I级救援响应,再进行事故监测与纠错;
危险事故判断流程:判断Vi是否大于Vq,否则进行事故监测与纠错;如果Vi>Vq,则判断第i辆车和第i-1辆车的车辆长度类型是否属于危险事故车辆长度类型库中的情况,否则进行事故监测与纠错;是,则确定为危险事故,并进行重度报警,启动I级救援响应,再进行事故监测与纠错;
行驶速度也作为事故的主要识别参量,使预警更加准确,大大降低误警率;车辆长度类型作为辅助识别参量,能对交通事故的识别作进一步修正,确保检测精度,降低事故误警率。
步骤六,事故监测与纠错,按照以下几步进行:
第一步,监测是否发生事故,如果没有发生事故,则i=i+1,进行下一辆车的监测,回到步骤二;如果监测到发生事故,则进行数据库纠错;
第二步,数据库纠错,如果监测到发生一般事故,则更新一般事故预设子数据库,i=i+1,并回到步骤二;如果监测到发生应急事故,则更新应急事故预设子数据库,i=i+1,并回到步骤二;如果监测到发生危险事故,则更新危险事故预设子数据库,i=i+1,并回到步骤二;
更新一般事故预设子数据库:将所述车头距离L、第i辆车和第i-1辆车的车辆长度类型放入所述一般事故预设子数据库中;
更新应急事故预设子数据库:将所述车头距离L、第i辆车和第i-1辆车的车辆长度类型放入所述应急事故预设子数据库中;
更新危险事故预设子数据库:将所述车头距离L、第i辆车和第i-1辆车的车辆长度类型放入所述危险事故预设子数据库中。
利用人工免疫***的自学习、自适应原理,通过学习训练,将事故数据存储到数据库中,不断更新数据库,增强本预警方法的适应性,能有效提高预警的准确度和响应速度。
所述预设数据库分为晴天预设数据库、雨天预设数据库、雪天预设数据库和雾天预设数据库,其中,所述晴天预设数据库中装有晴天的经验数据,所述雨天预设数据库中装有雨天的经验数据,所述雪天预设数据库中装有雪天的经验数据,所述雾天预设数据库中装有雾天的经验数据。
在路段上设置摄像仪器,获取各预设子数据库经验数据,根据不同的天气情况,将发生交通事故的经验数据装入各对应的预设子数据库中,通过经验数据计算出预设数据库中的预设参数,如期望平均行驶速度Vq、实际平均行驶速度Vs、最小安全制动距离Ls1、Ls2、Ls3和车辆长度类型库。
本发明的显著效果是:利用人工免疫***的自学习、自适应原理,不断更新数据库,增强预警方法的适应性,有效提高预警的准确度;将安全制动距离和行驶速度作为事故的主要识别参量,减少操作步骤,提高响应速度;将车辆长度类型作为辅助识别参量做进一步修正,确保检测精度,降低事故误警率;根据不同的天气情况选取不同预设数据库中的预设参数,大大增加了检测的准确率,降低了预警的误报率;且常用电子设备能做到实时监测,工程实用性强、成本低、数据易采集。
附图说明
图1为本发明的总流程框图;
图2为事故类型判断的流程框图;
图3为事故监测与纠错的流程框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图1所示,本发明是一种交通事故识别预警方法。
设置预设数据库,该预设数据库装有期望平均行驶速度Vq、实际平均行驶速度Vs、一般事故预设子数据库、应急事故预设子数据库和危险事故预设子数据库,所述一般事故预设子数据库中装有一般事故最小安全制动距离Ls1和一般事故车辆长度类型库,所述应急事故预设子数据库中装有应急事故最小安全制动距离Ls2和应急事故车辆长度类型库,所述危险事故预设子数据库中装有危险事故最小安全制动距离Ls3和危险事故车辆长度类型库,其中,Ls3<Ls2<Ls1;
在交通事故多发段,获取预警识别参数组,该预警识别参数组包括第i辆车与第i-1辆车的车头距离L、第i辆车的行驶速度Vi、第i辆车的车辆长度li和第i-1辆车的车辆长度li-1;
判断车辆长度类型,需要对待测的第i辆车和其前方一辆车(既第i-1辆车)进行长度判断:
判断第i辆车的车辆长度类型,如果li≥10m,则第i辆车的车辆长度类型为大车长度ld;如果5m<li<10m,则第i辆车的车辆长度类型为中车长度lz;如果li≤5m,则第i辆车的车辆长度类型为小车长度lx;
判断第i-1辆车的车辆长度类型,如果li-1≥10m,则第i-1辆车的车辆长度类型为大车长度ld;如果5m<li-1<10m,则第i-1辆车的车辆长度类型为中车长度lz;如果li-1≤5m,则第i-1辆车的车辆长度类型为小车长度lx;
根据安全制动距离,判断是否安全,如果判断出是安全状态,则进行事故监测与纠错;否则,事故类型判断;
根据安全制动距离、行驶速度和车辆长度类型判断事故类型,并根据相应的事故类型进行报警,同时启动救援响应;
事故监测与纠错,监测实际交通安全状况与预测状况是否一致,如果不一致,则需更新预设数据库;
i=i+1,重新获取下一辆车的预警识别参数组,检测下一辆车的交通安全状况。
如图2所示,判断交通安全状况:
根据一般事故最小安全制动距离Ls1判断是否安全,如果L≥Ls1,则确定为安全状态;否则,事故类型判断;
事故类型判断,如果Ls2≤L<Ls1,则进入一般事故判断流程;如果Ls3≤L<Ls2,则进入应急事故判断流程;如果L<Ls3,则进入危险事故判断流程;
一般事故判断流程:判断Vi是否小于等于Vs,否则进行事故监测与纠错;如果Vi≤Vs,则判断第i辆车和第i-1辆车的车辆长度类型是否分别为lz和lx、或同为lx,否则进行事故监测与纠错;是,则确定为一般事故,并进行轻度报警,启动II级救援响应,再进行事故监测与纠错;
应急事故判断流程:判断Vi是否大于Vs且小于等于Vq,否则进行事故监测与纠错;如果Vs<Vi≤Vq,则判断第i辆车和第i-1辆车的车辆长度类型是否分别为ld和lx、或分别为ld和lz、或同为lz,否则进行事故监测与纠错;是,则确定为应急事故,并进行中度报警,启动I级救援响应,再进行事故监测与纠错;
危险事故判断流程:判断Vi是否大于Vq,否则进行事故监测与纠错;如果Vi>Vq,则判断第i辆车和第i-1辆车的车辆长度类型是否分别为ld和lz、或同为ld,否则进行事故监测与纠错;是,则确定为危险事故,并进行重度报警,启动I级救援响应,再进行事故监测与纠错;
如图3所示,事故监测与纠错:
监测是否发生事故,如果没有发生事故,则i=i+1,进行下一辆车的监测,回到步骤二;如果监测到发生事故,则进行数据库纠错;
数据库纠错,如果监测到发生一般事故,则更新一般事故预设子数据库,i=i+1,并获取下一辆车的预警识别参数组;如果监测到发生应急事故,则更新应急事故预设子数据库,i=i+1,并获取下一辆车的预警识别参数组;如果监测到发生危险事故,则更新危险事故预设子数据库,i=i+1,并获取下一辆车的预警识别参数组;
更新一般事故预设子数据库:将所述车头距离L、第i辆车和第i-1辆车的车辆长度类型放入所述一般事故预设子数据库中;
更新应急事故预设子数据库:将所述车头距离L、第i辆车和第i-1辆车的车辆长度类型放入所述应急事故预设子数据库中;
更新危险事故预设子数据库:将所述车头距离L、第i辆车和第i-1辆车的车辆长度类型放入所述危险事故预设子数据库中。
其工作情况如下:设置预设数据库,并在交通事故多发段获取预警识别参数组;判断待测车辆与其前后相邻车辆的车辆长度类型;根据安全制动距离判断是否安全,如果是安全状态,则直接进行事故监测与纠错;否则,需根据安全制动距离、行驶速度和车辆长度类型判断出事故类型,并根据相应的事故类型进行报警,同时启动救援响应,再进行事故监测与纠错;事故监测与纠错,监测实际交通安全状况与预测状况是否一致,如果一致,则直接进行下一辆车的交通安全状况判断;否则,需更新预设数据库,再对下一辆车的交通安全状况进行判断。
Claims (2)
1.一种交通事故识别预警方法,其特征在于,按照以下步骤进行:
步骤一,设置预设数据库,该预设数据库装有期望平均行驶速度Vq、实际平均行驶速度Vs、一般事故预设子数据库、应急事故预设子数据库和危险事故预设子数据库,所述一般事故预设子数据库中装有一般事故最小安全制动距离Ls1和一般事故车辆长度类型库,所述应急事故预设子数据库中装有应急事故最小安全制动距离Ls2和应急事故车辆长度类型库,所述危险事故预设子数据库中装有危险事故最小安全制动距离Ls3和危险事故车辆长度类型库,其中,Ls3<Ls2<Ls1;
步骤二,在交通事故多发段,获取预警识别参数组,该预警识别参数组包括第i辆车与第i-1辆车的车头距离L、第i辆车的行驶速度Vi、第i辆车的车辆长度li和第i-1辆车的车辆长度li-1;
步骤三,判断车辆长度类型,按照以下几步进行:
第一步,判断第i辆车的车辆长度类型,如果li≥10m,则第i辆车的车辆长度类型为大车长度ld;如果5m<li<10m,则第i辆车的车辆长度类型为中车长度lz;如果li≤5m,则第i辆车的车辆长度类型为小车长度lx;
第二步,判断第i-1辆车的车辆长度类型,如果li-1≥10m,则第i-1辆车的车辆长度类型为大车长度ld;如果5m<li-1<10m,则第i-1辆车的车辆长度类型为中车长度lz;如果li-1≤5m,则第i-1辆车的车辆长度类型为小车长度lx;
步骤四,根据一般事故最小安全制动距离Ls1判断是否安全,如果所述L≥Ls1,则确定为安全状态;否则,进行事故类型判断;
步骤五,事故类型判断,如果所述Ls2≤L<Ls1,则进入一般事故判断流程;如果所述Ls3≤L<Ls2,则进入应急事故判断流程;如果所述L<Ls3,则进入危险事故判断流程;
一般事故判断流程:判断Vi是否小于等于Vs,如果不是,则进行事故监测与纠错;如果Vi≤Vs,则判断第i辆车和第i-1辆车的车辆长度类型是否属于一般事故车辆长度类型库中的情况:当第i辆车和第i-1辆车的车辆长度类型分别为lz和lx、或同为lx时属于所述一般事故车辆长度类型库中的情况,如果判定不属于一般事故车辆长度类型库中的情况,则进行事故监测与纠错;如果判定属于一般事故车辆长度类型库中的情况,则确定为一般事故,并进行轻度报警,启动II级救援响应,再进行事故监测与纠错;
应急事故判断流程:判断Vi是否大于Vs且小于等于Vq,如果不是,则进行事故监测与纠错;如果是,则判断第i辆车和第i-1辆车的车辆长度类型是否属于应急事故车辆长度类型库中的情况:当第i辆车和第i-1辆车的车辆长度类型分别为ld和lx、或分别为ld和lz、或同为lz时属于所述应急事故车辆长度类型库中的情况,如果判定不属于应急事故车辆长度类型库中的情况,则进行事故监测与纠错;如果判定属于应急事故车辆长度类型库中的情况,则确定为应急事故,并进行中度报警,启动I级救援响应,再进行事故监测与纠错;
危险事故判断流程:判断Vi是否大于Vq,如果不是,则进行事故监测与纠错;如果是,则判断第i辆车和第i-1辆车的车辆长度类型是否属于危险事故车辆长度类型库中的情况:当第i辆车和第i-1辆车的车辆长度类型分别为ld和lz、或同为ld时属于所述危险事故车辆长度类型库中的情况,如果判定不属于危险事故车辆长度类型库中的情况,则进行事故监测与纠错;如果判定属于危险事故车辆长度类型库中的情况,则确定为危险事故,并进行重度报警,启动I级救援响应,再进行事故监测与纠错;
步骤六,事故监测与纠错,按照以下几步进行:
第一步,监测是否发生事故,如果没有发生事故,则i=i+1,进行下一辆车的监测,回到步骤二;如果监测到发生事故,则进行数据库纠错;
第二步,数据库纠错,如果监测到发生一般事故,则更新一般事故预设子数据库,i=i+1,并回到步骤二;如果监测到发生应急事故,则更新应急事故预设子数据库,i=i+1,并回到步骤二;如果监测到发生危险事故,则更新危险事故预设子数据库,i=i+1,并回到步骤二;
其中所述更新一般事故预设子数据库具体为:将所述车头距离L、第i辆车和第i-1辆车的车辆长度类型放入所述一般事故预设子数据库中;
所述更新应急事故预设子数据库具体为:将所述车头距离L、第i辆车和第i-1辆车的车辆长度类型放入所述应急事故预设子数据库中;
所述更新危险事故预设子数据库具体为:将所述车头距离L、第i辆车和第i-1辆车的车辆长度类型放入所述危险事故预设子数据库中。
2.根据权利要求1所述的交通事故识别预警方法,其特征在于:所述预设数据库分为晴天预设数据库、雨天预设数据库、雪天预设数据库和雾天预设数据库,其中,所述晴天预设数据库中装有晴天的经验数据,所述雨天预设数据库中装有雨天的经验数据,所述雪天预设数据库中装有雪天的经验数据,所述雾天预设数据库中装有雾天的经验数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010156105 CN101819718B (zh) | 2010-04-26 | 2010-04-26 | 交通事故识别预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010156105 CN101819718B (zh) | 2010-04-26 | 2010-04-26 | 交通事故识别预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101819718A CN101819718A (zh) | 2010-09-01 |
CN101819718B true CN101819718B (zh) | 2013-04-03 |
Family
ID=42654803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010156105 Expired - Fee Related CN101819718B (zh) | 2010-04-26 | 2010-04-26 | 交通事故识别预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101819718B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228493A (zh) * | 2016-08-01 | 2016-12-14 | 深圳市永兴元科技有限公司 | 车辆事故处理方法及装置 |
CN106294620A (zh) * | 2016-08-01 | 2017-01-04 | 深圳市永兴元科技有限公司 | 车辆异常处理方法及服务器 |
CN106448180B (zh) * | 2016-10-24 | 2019-09-10 | 东南大学 | 一种长大隧道交通事件实时检测方法及检测*** |
CN106627466B (zh) * | 2016-12-30 | 2019-03-22 | 安徽杰瑞信息科技有限公司 | 租赁汽车事故损伤快速响应*** |
CN109410567B (zh) * | 2018-09-03 | 2021-10-12 | 江苏大学 | 一种基于车联网的易发事故道路智慧分析***及方法 |
CN112863244B (zh) * | 2019-11-28 | 2023-03-14 | 大众汽车股份公司 | 用于促进车辆的安全行驶的方法和装置 |
CN115019532A (zh) * | 2022-04-21 | 2022-09-06 | 东北林业大学 | 一种基于客运数据的公路安全隐患自动识别与预警*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1725267A (zh) * | 2005-05-18 | 2006-01-25 | 李祥龙 | 高速公路安全行车预警方法及高速公路安全行车预警信号线 |
CN1885635A (zh) * | 2006-06-04 | 2006-12-27 | 杨宁恩 | 一种含突跳装置的电气连接器 |
CN200997184Y (zh) * | 2006-07-27 | 2007-12-26 | 长安大学 | 高速公路追尾碰撞报警器的主控装置 |
CN101169480A (zh) * | 2007-11-29 | 2008-04-30 | 上海龙鲁自动化科技有限公司 | 车辆防追尾的雷达控制方法 |
CN101393686A (zh) * | 2008-10-13 | 2009-03-25 | 徐菲 | 全天候车辆行驶安全指示及控制***装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5131422A (en) * | 1974-07-24 | 1976-03-17 | Toyota Motor Co Ltd | Sharyono kinkyuseidokeikokusochi |
DE10335738A1 (de) * | 2003-08-05 | 2005-02-24 | Daimlerchrysler Ag | Verfahren und Vorrichtung zur Unterstützung des Fahrers eines Fahrzeugs bei der Druchführung eines Notbremsvorgangs |
FR2889882B1 (fr) * | 2005-08-19 | 2009-09-25 | Renault Sas | Procede et systeme de prediction de choc entre un vehicule et un pieton. |
-
2010
- 2010-04-26 CN CN 201010156105 patent/CN101819718B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1725267A (zh) * | 2005-05-18 | 2006-01-25 | 李祥龙 | 高速公路安全行车预警方法及高速公路安全行车预警信号线 |
CN1885635A (zh) * | 2006-06-04 | 2006-12-27 | 杨宁恩 | 一种含突跳装置的电气连接器 |
CN200997184Y (zh) * | 2006-07-27 | 2007-12-26 | 长安大学 | 高速公路追尾碰撞报警器的主控装置 |
CN101169480A (zh) * | 2007-11-29 | 2008-04-30 | 上海龙鲁自动化科技有限公司 | 车辆防追尾的雷达控制方法 |
CN101393686A (zh) * | 2008-10-13 | 2009-03-25 | 徐菲 | 全天候车辆行驶安全指示及控制***装置 |
Non-Patent Citations (3)
Title |
---|
杨伟等."高速公路上跟随车安全距离的一种确定方法".《四川工业学院学报》.2002, |
谌志强等."高速公路车速与交通安全".《道路交通与安全》.2006,第1页至第3页. |
陈建阳."大雾与高速公路交通事故".<公路交通科技>.1998,第15卷(第2期), * |
Also Published As
Publication number | Publication date |
---|---|
CN101819718A (zh) | 2010-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101819718B (zh) | 交通事故识别预警方法 | |
CN107826118B (zh) | 一种判别异常驾驶行为的方法及装置 | |
CN102542831B (zh) | 一种基于实时交通流和天气信息的快速道路可变限速控制方法 | |
CN107798916A (zh) | 车‑路‑人协同的高速公路行车安全智能预警***及方法 | |
CN102568206A (zh) | 一种基于视频监控的违章停车检测方法 | |
CN105513371A (zh) | 一种基于核密度估计的高速公路违章停车检测方法 | |
CN104200687A (zh) | 一种驾驶员速度控制行为监测装置及监测方法 | |
CN105575114B (zh) | 一种有轨电车交叉路口闯红灯报警***及报警实现方法 | |
CN106448190A (zh) | 高速公路自车周围车流量实时监测预警装置及方法 | |
CN106568403A (zh) | 路面积水检测方法及装置 | |
CN108281039B (zh) | 适用于车载短距离通信网络的危险路段交通事故预警方法 | |
CN110164142A (zh) | 一种道路限高***及方法 | |
CN104103192A (zh) | 路边车位车辆防盗报警***及其方法 | |
CN104691333A (zh) | 基于车道偏离频次的长途客车驾驶员疲劳状态评价方法 | |
CN105835817A (zh) | 爆胎车辆控制方法、装置及*** | |
CN110154654A (zh) | 一种大数据与云计算轮胎自动检测*** | |
CN204728230U (zh) | 一种雾天环境下高速公路上车辆诱导*** | |
CN106428003A (zh) | 不良天气下高速公路车辆偏离车道的预警装置及方法 | |
CN108932872A (zh) | 一种远程控制车辆预警的方法 | |
CN114333233A (zh) | 一种公路施工人员安全定位管理***及方法 | |
CN205971367U (zh) | 智能化铁路电子警冲标 | |
CN205737404U (zh) | 长待机定位追踪*** | |
CN204398984U (zh) | 车距检测报警器 | |
CN105667515A (zh) | 一种基于模糊理论的车道偏离预警方法 | |
CN113507494B (zh) | 源头治超采集方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130403 Termination date: 20170426 |