CN103617734A - 基于时程特征的高速公路车辆安全行驶识别方法 - Google Patents

基于时程特征的高速公路车辆安全行驶识别方法 Download PDF

Info

Publication number
CN103617734A
CN103617734A CN201310687217.XA CN201310687217A CN103617734A CN 103617734 A CN103617734 A CN 103617734A CN 201310687217 A CN201310687217 A CN 201310687217A CN 103617734 A CN103617734 A CN 103617734A
Authority
CN
China
Prior art keywords
vehicle
numerical value
time
node
lasting running
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
Application number
CN201310687217.XA
Other languages
English (en)
Other versions
CN103617734B (zh
Inventor
罗庆异
谭裕安
何站稳
王大海
张建文
朱贺明
姜干勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Merchants China Soft Information Co., Ltd.
Original Assignee
GUANGZHOU HUAGONG INFORMATION SOFTWARE CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GUANGZHOU HUAGONG INFORMATION SOFTWARE CO Ltd filed Critical GUANGZHOU HUAGONG INFORMATION SOFTWARE CO Ltd
Priority to CN201310687217.XA priority Critical patent/CN103617734B/zh
Publication of CN103617734A publication Critical patent/CN103617734A/zh
Application granted granted Critical
Publication of CN103617734B publication Critical patent/CN103617734B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于时程特征的高速公路车辆安全行驶识别方法,包括:建立用于分析高速公路车辆时程特征数据的节点集,该节点集由若干个节点构成;根据车辆通过每个节点的时刻值,计算车辆在每个持续行驶路段的持续行驶时间数值和车辆在每个停靠区内的休息时间数值;根据在每个停靠区的入口节点和出口节点分别获取的车辆驾驶员身份识别数据,判断车辆在每个停靠区是否存在驾驶员更替;结合车辆在每个持续行驶路段的持续行驶时间数值、车辆在每个停靠区的休息时间数值以及车辆在每个停靠区是否存在驾驶员更替情况,判断车辆驾驶员是否为疲劳驾驶。本发明方法能有效、准确地识别出高速公路上的通行车辆是否存在疲劳驾驶、超速驾驶等危险驾驶行为。

Description

基于时程特征的高速公路车辆安全行驶识别方法
技术领域
本发明涉及一种高速公路车辆安全行驶识别方法,尤其是一种基于时程特征的高速公路车辆安全行驶识别方法,属于高速公路安全管理领域。
背景技术
随着高速公路路网的扩大和车流量的急剧上升,涉及庞大车流量的安全管理问题已成为高速公路和交通运输安全管理部门亟待解决的关键问题之一,特别是对于车辆驾驶人员的疲劳驾驶、超速驾驶等危险行为的识别更是没有一种有效的计算分析手段,以致难以为相关监管部门加强安全管理力度提供有力的量化数据支撑。为此,当前相关监管部门仅能通过安全号召、出行提醒、节点监测等行为指引和限制驾驶员避免进行危险驾驶。该方式的不足之处主要体现在以下几个方面:
1)高速通行和车流复杂的特性决定了高速公路易存在多种安全隐患,特别是对于客运车辆和货运车辆,其以营业为主要目的,在最短时间内完成运输任务是其提高营运收入的关键途径,其行业属性在很大程度上决定了车辆高强度作业的特性,而当前所采用的安管监督措施均属于被动式的控制手段,其实际作用十分微弱;
2)该类处理措施中缺乏量化限制指标做指引,特别是在实际的车辆出行过程中如何判别驾驶员的疲劳驾驶、超速驾驶等,从而致使监管力度不强且欠缺信服力;
3)尽管当前高速公路已设置一些检测装置,但是由于这些装置主要以断面检测为主,车辆驾驶员只要熟悉其安装位置则可轻易绕开或提早减速来避免检举。因此,不难发现这些检测装置对车辆的超速行为监测和捕获仍不够全面。
发明内容
本发明的目的是为了解决上述现有技术的缺陷,提供一种基于时程特征的高速公路车辆安全行驶识别方法,该方法可以识别出高速公路上的通行车辆是否存在疲劳驾驶、超速驾驶等危险驾驶行为,为加强高速公路车辆***力度提供直接依据。
本发明的目的可以通过采取如下技术方案达到:
基于时程特征的高速公路车辆安全行驶识别方法,其特征在于所述方法包括:
建立用于分析高速公路车辆时程特征数据的节点集,该节点集由若干个节点构成;
根据车辆通过每个节点的时刻值,若相邻两个节点之间为持续行驶路段,计算车辆在该持续行驶路段的持续行驶时间数值;若相邻两个节点分别为停靠区的入口节点和出口节点,计算车辆在该停靠区内的休息时间数值;
根据在每个停靠区的入口节点和出口节点分别获取的车辆驾驶员身份识别数据,判断车辆在每个停靠区是否存在驾驶员更替;
结合车辆在每个持续行驶路段的持续行驶时间数值、车辆在每个停靠区的休息时间数值以及车辆在每个停靠区是否存在驾驶员更替情况,判断车辆驾驶员是否为疲劳驾驶。
作为一种实施方案,若相邻两个节点之间为持续行驶路段,车辆在该持续行驶路段的持续行驶时间数值由车辆通过下一个节点的时刻值减去车辆通过上一个节点的时刻值计算得到。
作为一种实施方案,若相邻两个节点分别为停靠区的入口节点和出口节点,车辆在该停靠区内的休息时间数值由车辆通过该停靠区的出口节点的时刻值减去车辆通过该停靠区的入口节点的时刻值计算得到。
作为一种实施方案,所述判断车辆驾驶员是否为疲劳驾驶,具体如下:
若存在车辆在某一个持续行驶路段的持续行驶时间数值大于4小时,判断车辆驾驶员为疲劳驾驶;
若存在车辆在某一个持续行驶路段的持续行驶时间数值等于4小时,且在对应的停靠区内的休息时间数值小于20分钟,判断车辆驾驶员为疲劳驾驶;
若车辆在每个持续行驶路段的持续行驶时间数值小于4小时,且存在车辆驾驶员在某一个停靠区发生更替时,若前一位车辆驾驶员驾驶车辆通过所有持续行驶路段的持续行驶时间数值之和大于等于4小时以及车辆在所述某一个停靠区前的所有停靠区的休息时间数值之和小于20分钟,判断前一位车辆驾驶员为疲劳驾驶;若后一位车辆驾驶员驾驶车辆通过所有持续行驶路段的持续行驶时间数值之和大于等于4小时以及车辆在所述某一个停靠区前的所有停靠区的休息时间数值之和小于20分钟,判断后一位车辆驾驶员为疲劳驾驶。
作为一种实施方案,所述方法还包括:
根据每个持续行驶路段的里程数值及每个持续行驶路段规定的最高安全限速,计算每个持续行驶路段在车辆不超速情况下达到的最短行程时间数值;
将车辆在每个持续行驶路段的持续行驶时间数值分别与每个持续行驶路段在车辆不超速情况下达到的最短行程时间数值进行比较,若存在车辆在某一个持续行驶路段的持续行驶时间数值小于该持续行驶路段在车辆不超速情况下达到的最短行程时间数值,判断车辆为超速驾驶。
作为一种实施方案,若存在某一个持续行驶路段内规定的最高安全限速完全相同,则该持续行驶路段在车辆不超速情况下达到的最短行程时间数值是由该持续行驶路段的里程数值除以该持续行驶路段规定的最高安全限速计算得到。
作为一种实施方案,若存在某一个持续行驶路段由若干个最高安全限速不完全相同或完全不相同的小路段接驳而成,先获得每个小路段的里程数值,再将每个小路段的里程数值分别除以与每个小路段对应的最高安全限速,得到每个小路段的最短行程时间数值,则该持续行驶路段在车辆不超速情况下达到的最短行程时间数值是由所有小路段的最短行程时间数值相加计算得到。
作为一种实施方案,所述方法还包括:
若所述车辆为客运车辆,根据客运车辆通过每个节点的时刻值,判断客运车辆是否符合夜间限行高速公路的要求。
作为一种实施方案,所述根据客运车辆通过每个节点的时刻值,判断客运车辆是否符合夜间限行高速公路的要求具体为:
若存在客运车辆通过某一个节点的时刻值在高速公路或交通管理部门所规定的禁止夜间通行时间段内,判断客运车辆违反夜间限行高速公路的要求。
作为一种实施方案,所述节点是车辆在高速公路通行时易于标识车辆通过时刻值的特定地点,其中第一个节点位于收费站的入口处,最后一个节点位于收费站的出口处。
本发明相对于现有技术具有如下的有益效果:
1、本发明方法能有效、准确地识别出高速公路上的通行车辆是否存在疲劳驾驶、超速驾驶等危险驾驶行为,并且整个识别过程均由量化指标为支撑,从而为监管措施的有效落实及其信服力的提高提供有力的条件。
2、本发明方法可以获知车辆在每个持续行驶路段的持续行驶时间数值、车辆在每个停靠区的休息时间数值、每个持续行驶路段的里程数值、每个持续行驶路段在车辆不超速情况下达到的最短行程时间数值等车辆时程特征数据,根据这些时程特征数据可以识别车辆是否存在危险驾驶行为,较目前节点监测所得的瞬时时程特征数据更具代表性,而且符合《道路交通安全法实施条例》对危险驾驶的定义及要求。
3、本发明方法主要基于每个节点的车辆时间数据分析来计算和识别出车辆是否存在危险驾驶,而当中的大部分数据,如收费站的入口处、停靠区入口处、停靠区出口处和收费站的出口处的时刻值等可以由现有高速公路收费***所提供,因此,将其应用于实际的成本投入规模也必将较为经济。
附图说明
图1为应用本发明方法的高速公路的示意图。
具体实施方式
实施例1:
本实施例的时间参数采用分钟作为单位。
如图1所示,车辆从高速公路入口进入高速公路,共途经2n+2个节点,通过2n+2个节点建立用于分析高速公路车辆时程特征数据的节点集,其中节点1为起始点(即收费站的入口处),节点2n+2为终点(即收费站的出口处),而节点2、节点4、节点6……节点2n为停靠区的入口节点,节点1,节点3、节点5、节点7……节点2n+1为停靠区的出口节点,其中节点1与节点2、节点3与节点4、节点5与节点6……节点2n+1与节点2n+2分别构成持续行驶路段,共有n+1个,tw(w为正整数,w∈{1,2,3,…,2n+2,n≥0})为车辆通过每个节点的时刻值。
对于车辆在高速公路每个持续行驶路段的持续行驶时间数值为ck,可根据车辆通过上述每个节点的时刻值,按照以下公式计算获得:
ck=t2k-t2k-1(k为正整数,k∈{1,2,3,…,n+1,n≥0});
并且,用C表示车辆在高速公路每个持续行驶路段的持续行驶时间数值的集合,则:
C={ck|k∈{1,2,3,…,n+1,n≥0}。
若车辆沿途曾在n个停靠区(停靠区1、停靠区2……停靠区n)中进行停靠,对于车辆在每个停靠区内的休息时间数值mj,可根据车辆经过停靠区入口节点和出口节点的时刻值,按照以下公式计算获得:
mj=t2j+1-t2j(j为正整数,j∈{1,2,3,…,n,n≥0});
并且,用M表示车辆沿途经过的每个停靠区内的休息时间数值集合,则:
M={mj|j∈{1,2,3,…,n,n≥0}。
根据上述计算公式获得车辆在高速公路每个持续行驶路段的持续行驶时间数值的集合C和车辆沿途经过的每个停靠区内的休息时间数值集合M,通过以下步骤可对车辆驾驶员是否为疲劳驾驶进行判断:
1)若集合C中存在任一元素ck>240,则可判断车辆驾驶员存在疲劳驾驶;
2)若集合C中存在任一元素ck=240,并且其在M中也存在一对应元素且该元素mk<20,则可判断车辆驾驶员存在疲劳驾驶;
3)若集合C中任一元素ck<240,且车辆从节点u行驶至节点z的过程中,存在驾驶员甲在途径的停靠区p中更换为驾驶员乙(即停靠区p的入口节点和出口节点分别获取的车辆驾驶员身份识别数据不相同),那么:
当u为偶数,若
Figure BDA0000438441820000051
Figure BDA0000438441820000052
则车辆驾驶员甲在节点u行驶至停靠区p入口的这一段行程中,存在疲劳驾驶;
当u为奇数,若
Figure BDA0000438441820000053
Figure BDA0000438441820000054
则车辆驾驶员甲在节点u行驶至停靠区p入口的这一段行程中,存在疲劳驾驶;
当z为偶数,若
Figure BDA0000438441820000056
则车辆驾驶员乙在停靠区p出口行驶至节点z的这一段行程中,存在疲劳驾驶;
当z为奇数,若
Figure BDA0000438441820000058
则车辆驾驶员乙在停靠区p出口行驶至节点z的这一段行程中,存在疲劳驾驶;
其中,若u取值为1,则所述的节点u为可视为车辆进入高速公路的起始点,若z取值为2n+2,则所述的节点z可视为车辆离开高速公路的终点。
如果车辆在高速公路上持续行驶路段的行驶里程Sk(k为正整数,k∈{1,2,3,…,n+1,n≥0})是由若干个最高安全限速不完全相同的小路段sr(r∈{1,2,3,…})接驳而成,即Sk=∑sr,任一小路段sr对应的最高安全限速为vr
根据上述数值,可通过以下方式判断车辆是否存在超速驾驶行为:
若C中存在任一元素ck,其对应持续行驶路段的里程数值Sk最短行程时间值
Figure BDA0000438441820000059
Figure BDA00004384418200000510
时,则可判断车辆存在超速驾驶。
为保证客运车辆在高速公路上安全行驶,客运车辆可能在某些时间段内禁止在高速公路上行驶。对于该类情况,可利用车辆通过某一个节点的时刻值与在高速公路或交通管理部门所规定的禁止夜间通行时间区间集A相比较的方式给予判断,即tw∈A时,则可判断该客运车辆违反了相关部门客运车辆夜间限行高速公路的要求。
以上所述,仅为本发明专利优选的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明专利构思加以等同替换或改变,都属于本发明专利的保护范围。

Claims (10)

1.基于时程特征的高速公路车辆安全行驶识别方法,其特征在于所述方法包括:
建立用于分析高速公路车辆时程特征数据的节点集,该节点集由若干个节点构成;
根据车辆通过每个节点的时刻值,若相邻两个节点之间为持续行驶路段,计算车辆在该持续行驶路段的持续行驶时间数值;若相邻两个节点分别为停靠区的入口节点和出口节点,计算车辆在该停靠区内的休息时间数值;
根据在每个停靠区的入口节点和出口节点分别获取的车辆驾驶员身份识别数据,判断车辆在每个停靠区是否存在驾驶员更替;
结合车辆在每个持续行驶路段的持续行驶时间数值、车辆在每个停靠区的休息时间数值以及车辆在每个停靠区是否存在驾驶员更替情况,判断车辆驾驶员是否为疲劳驾驶。
2.根据权利要求1所述的基于时程特征的高速公路车辆安全行驶识别方法,其特征在于:若相邻两个节点之间为持续行驶路段,车辆在该持续行驶路段的持续行驶时间数值由车辆通过下一个节点的时刻值减去车辆通过上一个节点的时刻值计算得到。
3.根据权利要求1所述的基于时程特征的高速公路车辆安全行驶识别方法,其特征在于:若相邻两个节点分别为停靠区的入口节点和出口节点,车辆在该停靠区内的休息时间数值由车辆通过该停靠区的出口节点的时刻值减去车辆通过该停靠区的入口节点的时刻值计算得到。
4.根据权利要求1所述的基于时程特征的高速公路车辆安全行驶识别方法,其特征在于:所述判断车辆驾驶员是否为疲劳驾驶,具体如下:
若存在车辆在某一个持续行驶路段的持续行驶时间数值大于4小时,判断车辆驾驶员为疲劳驾驶;
若存在车辆在某一个持续行驶路段的持续行驶时间数值等于4小时,且在对应的停靠区内的休息时间数值小于20分钟,判断车辆驾驶员为疲劳驾驶;
若车辆在每个持续行驶路段的持续行驶时间数值小于4小时,且存在车辆驾驶员在某一个停靠区发生更替时,若前一位车辆驾驶员驾驶车辆通过所有持续行驶路段的持续行驶时间数值之和大于等于4小时以及车辆在所述某一个停靠区前的所有停靠区的休息时间数值之和小于20分钟,判断前一位车辆驾驶员为疲劳驾驶;若后一位车辆驾驶员驾驶车辆通过所有持续行驶路段的持续行驶时间数值之和大于等于4小时以及车辆在所述某一个停靠区前的所有停靠区的休息时间数值之和小于20分钟,判断后一位车辆驾驶员为疲劳驾驶。
5.根据权利要求1所述的基于时程特征的高速公路车辆安全行驶识别方法,其特征在于所述方法还包括:
根据每个持续行驶路段的里程数值及每个持续行驶路段规定的最高安全限速,计算每个持续行驶路段在车辆不超速情况下达到的最短行程时间数值;
将车辆在每个持续行驶路段的持续行驶时间数值分别与每个持续行驶路段在车辆不超速情况下达到的最短行程时间数值进行比较,若存在车辆在某一个持续行驶路段的持续行驶时间数值小于该持续行驶路段在车辆不超速情况下达到的最短行程时间数值,判断车辆为超速驾驶。
6.根据权利要求5所述的基于时程特征的高速公路车辆安全行驶识别方法,其特征在于:若存在某一个持续行驶路段内规定的最高安全限速完全相同,则该持续行驶路段在车辆不超速情况下达到的最短行程时间数值是由该持续行驶路段的里程数值除以该持续行驶路段规定的最高安全限速计算得到。
7.根据权利要求5所述的基于时程特征的高速公路车辆安全行驶识别方法,其特征在于:若存在某一个持续行驶路段由若干个最高安全限速不完全相同或完全不相同的小路段接驳而成,先获得每个小路段的里程数值,再将每个小路段的里程数值分别除以与每个小路段对应的最高安全限速,得到每个小路段的最短行程时间数值,则该持续行驶路段在车辆不超速情况下达到的最短行程时间数值是由所有小路段的最短行程时间数值相加计算得到。
8.根据权利要求1所述的基于时程特征的高速公路车辆安全行驶识别方法,其特征在于所述方法还包括:
若所述车辆为客运车辆,根据客运车辆通过每个节点的时刻值,判断客运车辆是否符合夜间限行高速公路的要求。
9.根据权利要求8所述的基于时程特征的高速公路车辆安全行驶识别方法,其特征在于:所述根据客运车辆通过每个节点的时刻值,判断客运车辆是否符合夜间限行高速公路的要求具体为:
若存在客运车辆通过某一个节点的时刻值在高速公路或交通管理部门所规定的禁止夜间通行时间段内,判断客运车辆违反夜间限行高速公路的要求。
10.根据权利要求1-9任一项所述的基于时程特征的高速公路车辆安全行驶识别方法,其特征在于:所述节点是车辆在高速公路通行时易于标识车辆通过时刻值的特定地点,其中第一个节点位于收费站的入口处,最后一个节点位于收费站的出口处。
CN201310687217.XA 2013-12-10 2013-12-10 基于时程特征的高速公路车辆安全行驶识别方法 Active CN103617734B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310687217.XA CN103617734B (zh) 2013-12-10 2013-12-10 基于时程特征的高速公路车辆安全行驶识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310687217.XA CN103617734B (zh) 2013-12-10 2013-12-10 基于时程特征的高速公路车辆安全行驶识别方法

Publications (2)

Publication Number Publication Date
CN103617734A true CN103617734A (zh) 2014-03-05
CN103617734B CN103617734B (zh) 2016-08-17

Family

ID=50168437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310687217.XA Active CN103617734B (zh) 2013-12-10 2013-12-10 基于时程特征的高速公路车辆安全行驶识别方法

Country Status (1)

Country Link
CN (1) CN103617734B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408920A (zh) * 2014-11-25 2015-03-11 公安部交通管理科学研究所 基于卡口通行信息判断长途客运车辆交通违法行为的方法
CN105957310A (zh) * 2016-05-24 2016-09-21 北京小米移动软件有限公司 驾驶过程中的休息提醒方法、装置和设备
CN106355891A (zh) * 2016-10-09 2017-01-25 公安部交通管理科学研究所 基于营运车辆通行信息的疲劳驾驶交通违法行为判定方法
CN111152794A (zh) * 2018-11-06 2020-05-15 阿里巴巴集团控股有限公司 一种疲劳驾驶的确定方法及装置
CN111899517A (zh) * 2020-06-24 2020-11-06 浙江浩腾电子科技股份有限公司 一种高速公路疲劳驾驶违法行为判定方法
CN114241760A (zh) * 2021-12-13 2022-03-25 江苏高速公路信息工程有限公司 一种智慧服务区大数据融合***及方法
CN115497290A (zh) * 2022-09-15 2022-12-20 北京掌行通信息技术有限公司 面向交通***韧性提升的个体行为风险识别方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001035372A1 (en) * 1999-11-09 2001-05-17 C.R.A.F.T. S.R.L. System for surveillance of vehicular traffic on roads and highways
CN1855169A (zh) * 2005-04-29 2006-11-01 宋怀淳 高速公路行车超速全程监测方法
CN1979531A (zh) * 2006-12-07 2007-06-13 王宝根 车辆超载、超速及疲劳驾驶自动识别装置
JP2008234337A (ja) * 2007-03-20 2008-10-02 Takeshi Tsuda 自動車の自動支払い装置
CN101565036A (zh) * 2008-04-21 2009-10-28 上海汽车集团股份有限公司 一种防疲劳驾驶装置及方法
CN102479430A (zh) * 2010-11-26 2012-05-30 陈汇鑫 一种用于高速公路的交通信息处理方法
CN202923493U (zh) * 2012-11-07 2013-05-08 长安大学 一种驾驶超时主动预警***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001035372A1 (en) * 1999-11-09 2001-05-17 C.R.A.F.T. S.R.L. System for surveillance of vehicular traffic on roads and highways
CN1855169A (zh) * 2005-04-29 2006-11-01 宋怀淳 高速公路行车超速全程监测方法
CN1979531A (zh) * 2006-12-07 2007-06-13 王宝根 车辆超载、超速及疲劳驾驶自动识别装置
JP2008234337A (ja) * 2007-03-20 2008-10-02 Takeshi Tsuda 自動車の自動支払い装置
CN101565036A (zh) * 2008-04-21 2009-10-28 上海汽车集团股份有限公司 一种防疲劳驾驶装置及方法
CN102479430A (zh) * 2010-11-26 2012-05-30 陈汇鑫 一种用于高速公路的交通信息处理方法
CN202923493U (zh) * 2012-11-07 2013-05-08 长安大学 一种驾驶超时主动预警***

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408920A (zh) * 2014-11-25 2015-03-11 公安部交通管理科学研究所 基于卡口通行信息判断长途客运车辆交通违法行为的方法
CN105957310A (zh) * 2016-05-24 2016-09-21 北京小米移动软件有限公司 驾驶过程中的休息提醒方法、装置和设备
CN106355891A (zh) * 2016-10-09 2017-01-25 公安部交通管理科学研究所 基于营运车辆通行信息的疲劳驾驶交通违法行为判定方法
CN111152794A (zh) * 2018-11-06 2020-05-15 阿里巴巴集团控股有限公司 一种疲劳驾驶的确定方法及装置
CN111899517A (zh) * 2020-06-24 2020-11-06 浙江浩腾电子科技股份有限公司 一种高速公路疲劳驾驶违法行为判定方法
CN114241760A (zh) * 2021-12-13 2022-03-25 江苏高速公路信息工程有限公司 一种智慧服务区大数据融合***及方法
CN115497290A (zh) * 2022-09-15 2022-12-20 北京掌行通信息技术有限公司 面向交通***韧性提升的个体行为风险识别方法及***
CN115497290B (zh) * 2022-09-15 2024-04-09 北京掌行通信息技术有限公司 面向交通***韧性提升的个体行为风险识别方法及***

Also Published As

Publication number Publication date
CN103617734B (zh) 2016-08-17

Similar Documents

Publication Publication Date Title
CN103617734A (zh) 基于时程特征的高速公路车辆安全行驶识别方法
Kumar et al. Analysis of pedestrian conflict with right-turning vehicles at signalized intersections in India
US8044824B2 (en) Electronic barrier and enforcement system and method
Lu et al. Analysis of yellow-light running at signalized intersections using high-resolution traffic data
Weikl et al. Traffic management effects of variable speed limit system on a German Autobahn: Empirical assessment before and after system implementation
Chen et al. Estimation of red-light running frequency using high-resolution traffic and signal data
Fitzsimmons et al. Determining vehicle operating speed and lateral position along horizontal curves using linear mixed-effects models
Yousif et al. Close following behavior: Testing visual angle car following models using various sets of data
Fitzsimmons et al. Analyses of vehicle trajectories and speed profiles along horizontal curves
Wang et al. Causation analysis of crashes and near crashes using naturalistic driving data
Mathew et al. Highway-rail grade crossings accident prediction using Zero Inflated Negative Binomial and Empirical Bayes method
Lavrenz et al. Use of high-resolution signal controller data to identify red light running
Miqdady et al. In search of severity dimensions of traffic conflicts for different simulated mixed fleets involving connected and autonomous vehicles
Ramezanı-khansarı et al. Comparing time to collision and time headway as safety criteria
Park et al. Real-time estimation of lane change risks based on the analysis of individual vehicle interactions
Shangguan et al. Quantification of cut-in risk and analysis of its influencing factors: a study using random parameters ordered probit model
CN115188184B (zh) 一种车辆限速处理方法、设备及装置
Ebner et al. Identifying and analyzing reference scenarios for the development and evaluation of active safety: application to preventive pedestrian safety
CN115565365A (zh) 一种高速公路数据处理方法、装置、设备及计算机程序产品
Colombaroni et al. Coherence analysis of road safe speed and driving behaviour from floating car data
Nasab et al. Investigating the influence of vehicular ad-hoc networks on driver behaviours and traffic accidents
Talebpour et al. Safety first: Microsimulation approach to assessing congestion effects on risk experienced by drivers
Khattak et al. Inventory, Operations, and Safety at Free Right-Turn Ramps
Wan et al. Vehicle safety assessment of bus stops near intersections: a comparison between curbside bus stops and bus bays.
Qin Safety Evaluation Of Freeway Speed-Change Lanes Based On Crashes And Simulated Conflicts

Legal Events

Date Code Title Description
PB01 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
CP03 Change of name, title or address

Address after: Room 901, No. 13, Kehui Second Street, Science City, Guangzhou High-tech Industrial Development Zone, Guangdong 510000

Patentee after: Merchants China Soft Information Co., Ltd.

Address before: 510663 Kehui Jingu, 99 Science Avenue, Luogang District, Guangzhou City, Guangdong Province, 13 Kehui Second Street

Patentee before: Guangzhou Huagong Information Software Co., Ltd.

CP03 Change of name, title or address