CN103646534A - 一种道路实时交通事故风险控制方法 - Google Patents
一种道路实时交通事故风险控制方法 Download PDFInfo
- Publication number
- CN103646534A CN103646534A CN201310596435.2A CN201310596435A CN103646534A CN 103646534 A CN103646534 A CN 103646534A CN 201310596435 A CN201310596435 A CN 201310596435A CN 103646534 A CN103646534 A CN 103646534A
- Authority
- CN
- China
- Prior art keywords
- traffic
- road
- control method
- data
- classification
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路实时交通事故风险控制方法,是一种基于多类支持向量机的道路实时交通事故风险预测及控制方法,可用来预测检测路段发生交通事故的可能性。对检测路段建立基于多类支持向量机的事故预测模型,将采集的实时交通特征参数带入事故预测模型,判断是否有发生交通事故的风险。本方法利用采集的实时交通特征参数对可能发生的交通事故进行预测,并且具有较好的预测精度,克服了现有技术利用集计统计量分析交通安全存在的技术缺陷与不足。本方法在判断各类交通事故发生的风险具有实际的工程应用价值。
Description
技术领域
本发明属于智能交通管理和控制技术领域,运用支持向量机对现有的交通事故学习分类模型进而进行事故风险判别和分类,提出一种对某个路段道路交通事故发生风险的判别方法与控制解决方案。
背景技术
汽车保有量的增加和日益频繁的道路交通出行及物流运输,在繁荣经济和生活方面的同时,对道路交通安全环境带来了日益严重的压力,客观上也对道路交通环境安全畅通无阻相关技术的研究开发提出了迫切需求。
随着交通安全管理水平的提升和车辆主动安全技术的发展,交通安全环境得到了很大的改善;尤其是高速道路交通环境,据统计全国高速公路交通环境,据统计全国高速公路交通事故数量自2003年以来呈逐步下降的趋势,累计下降幅度达70%。然而,近几年下降趋势渐趋平稳,且高速公路重大交通安全事故伤亡人数一直维持在高位。目前高速公路交通事故形态主要表现为:追尾碰撞、撞固定物及静止车辆、翻车、侧碰、正碰及刮擦。
发明内容
本发明要解决的问题是:在交通信息实时数据获取及存储已变得相对容易这一背景下,建立实时交通数据特征与交通事故风险之间的关系,提出基于多类支持向量机的道路实时交通事故风险预测及控制方法。
本发明的技术方案为:基于多类支持向量机道路实时交通事故风险预测控制方法,对检测区域建立道路实时交通事故风险预测及控制模型,将实时交通数据信息提出特征后代入实时道路事故风险判别分类模型,根据实时道路事故风险判别分类模型输出结果预测检测区域是否发生事故以及事故类型,由此提出相应的控制措施。从下面两个方面展开:(1)、交通事故风险事件特征提取;(2)、道路交通风险预测及控制。
技术方案:为解决上述技术问题,本发明采用基于多类支持向量机道路实时交通事故风险预测及控制方法,包括以下步骤:
步骤A)采集正常交通状态下和有事故发生前t秒(0.01≤t≤0.1)的状态下的数据样本N组{X1,X2,...,XN}。每个XI(I=1,2,3,...,N)包括人、车、路、环境信息:根据交通事故的发生时间和发生路段,随机采集交通事故发生路段人的性别x1、驾驶技能x2;车的车距x3、车速x4、车况x5、;道路的类型x6、路面状况x7、交通状况x8;以及当天的天气x9、行人状况x10、能见度x11。
步骤B)采集与上述数据样本{X1,X2,...,XN}对应的交通事故类别样本{Y1,Y2,...,YN},每个YI(I=1,2,3,...,N)对应于{w1,w2,w3}中的某一项。其中w1表示追尾碰撞事故、w2表示撞固定物及静止车辆、w3表示正常情况。
步骤C)交通事故数据预处理:训练样本集即上述N组历史数据样本{X1,X2,...,XN},其中,每个XI={x1,x2,...,x11}(I=1,2,3,...,N)以及与其相对应的N组事故结果{Y1,Y2,...,YN},其中每个YI(I=1,2,...,N)对应于{w1,w2,w3}中的某一项。
步骤D)利用上述样本数据训练多类支持向量机,得出事故分类决策函数 的参数aj,bj。
步骤F)如果样本XI的预测类别g(XI)不同于真实类别YI,则优化多类支持向量机参数,转至步骤D),直至达到最高分类精度。
步骤G)每隔s秒(0.01≤s≤0.1)采集实时交通数据X,即人的性别x1、驾驶技能x2;车的车距x3、车速x4、车况x5、;道路的类型x6、路面状况x7、交通状况x8、以及当天的天气x9、行人状况x10、能见度x11。按照判别准则将X分到wj类中,即X的类别g(X)=wj。
步骤H)如果g(X)等于w1或w2,则判别该路段当前有发生交通事故的风险,对驾驶员进行预警提示,如在该路段前方通过可变信息板,并启动控制设备,通过控制道路的匝道或者快速道路的交叉口信号灯,降低上游车辆流量,通过可变限速板对当前车辆限速,降低上游车辆的行驶速度。
步骤I)如果g(X)等于w3,则该路段当前为安全状态,无需发出警报提示,转至步骤G)。
与现有技术相比,本发明的技术方案具有以下有益效果:
事故判断准确率高。已有的交通事故风险检测方法只利用交通流数据测算交通事故概率,本发明同时采集了影响交通事故的多种数据信息,因而可以提高交通事故风险检测精度。将实时采集的路段的交通信息数据带入学习后的交通事故分类判别函数,实时对路段发生交通事故进行检测。根据交通事故是否发生,决定当前是否需要启动预警手段,来降低交通事故风险,从而提高了车辆调控的准确率,降低了交通事故,有效的保障了快速道路的交通安全。检测过程简单。在本发明中,得到分类函数后只需要采集路段的实时交通数据信息,就可以实时预测未来设定时间内,该路段是否发生交通事故,使用简便、实用性强,具有较好的应用前景。
附图说明
图1是本发明的事故判别分类流程框图。
图2是本发明中道路实时检测流程示意图。
具体实施方式
下面结合附图和实施例,对本发明的技术方案作进一步详细说明。
本发明公开了一种基于支持向量机分析道路实时交通事故风险判别及控制方法,根据采集的历史交通事故信息,利用多类支持向量机建立的分类判别函数,预测检测路段是否存在发生交通事故的风险,如果发生,采取实时道路相应的控制设备,否则继续采集数据,进行下一次判断;本发明方法的优势在于利用道路交通检测设备获取的实时交通特征参数对交通事故进行实时预测,并且具有较好的预测精度。因而,本方法在判别快速道路交通事故的风险性,预测交通事故发生方面具有实际的工程运用价值。
将采集到的实时交通信息、天气数据、行人数据、车辆数据信息带入本发明所建立的交通事故判别分类函数中,测算当前发生交通事故与否。如果测得发生事故,则表明该路段当前有发生交通事故的风险,应发出警报,并激活动态交通控制***中的控制方案降低事故风险,然后继续采集数据;如果测得不发生事故,则继续采集数据,进行下一次判断。
本发明的车辆调控方法根据采集的实时交通数据、天气数据、行人数据、车辆数据,判断检测路段当前是否存在发生交通事故的风险,是采用多类支持向量机分析。
本发明实际运用过程分为建立交通事故判别函数关系式和检测交通事故两个过程。
建立事故分类判别函数关系式:收集或采集检测路段一段时间内的事故数据、天气数据和交通数据。为了保证建立的事故预测函数能够具有较好的预测精度,采集的样本尽量大,通常事故组数据样本大于200个,正常组数据样本大于400个。根据上述步骤A)到步骤F)通过训练样本集得出判别分类函数。
Claims (6)
1.一种道路实时交通事故风险控制方法,其特征在于,具体步骤为:
步骤A)采集正常交通状态下和有事故发生前t秒(0.01≤t≤0.1)的状态下的数据样本N组{X1,X2,...,XN};每个XI(I=1,2,3,...,N)包括人、车、路、环境信息:根据交通事故的发生时间和发生路段,随机采集交通事故发生路段人的性别x1、驾驶技能x2;车的车距x3、车速x4、车况x5、道路的类型x6、路面状况x7、交通状况x8;以及当天的天气x9、行人状况x10、能见度x11;
步骤B)采集与上述数据样本{X1,X2,...,XN}对应的交通事故类别样本{Y1,Y2,...,YN},每个YI(I=1,2,3,...,N)对应于{w1,w2,w3}中的某一项。其中w1表示追尾碰撞事故、w2表示撞固定物及静止车辆、w3表示正常情况;
步骤C)交通事故数据预处理:训练样本集即上述N组历史数据样本{X1,X2,...,XN},其中,每个XI={x1,x2,...,x11}(I=1,2,3,...,N)以及与其相对应的N组事故结果{Y1,Y2,...,YN},其中每个YI(I=1,2,...,N)对应于{w1,w2,w3}中的某一项;
步骤D)利用上述样本数据训练多类支持向量机,得出事故分类决策函数 的参数aj,bj;
步骤F)如果样本XI的预测类别g(XI)不同于真实类别YI,则优化多类支持向量机参数,转至步骤D),直至达到最高分类精度;
步骤G)每隔s秒采集实时交通数据X,即人的性别x1、驾驶技能x2;车的车距x3、车速x4、车况x5、;道路的类型x6、路面状况x7、交通状况x8、以及当天的天气x9、行人状况x10、能见度x11。按照判别准则将X分到wj类中,即X的类别g(X)=wj;
步骤H)如果g(X)等于w1或w2,则判别该路段当前有发生交通事故的风险,对驾驶员进行预警提示;
步骤I)如果g(X)等于w3,则该路段当前为安全状态,无需发出警报提示,转至步骤G);
2.按照权利要求1所述的道路实时交通事故风险控制方法,其特征在于,所述步骤A)中,所述交通事故发生前t秒:0.01≤t≤0.1。
3.按照权利要求1所述的道路实时交通事故风险控制方法,其特征在于,在检测道路上安装车牌识别***,对于每个辆牌调取资料库中驾驶员相应的信息数据,提取其性别以及驾龄以及过往交通事故历史数据。
4.按照权利要求1所述的道路实时交通事故风险控制方法,其特征在于,所述的步骤G)中,交通信息采样时间间隔s满足0.01≤s≤0.1。
5.按照权利要求1所述的道路实时交通事故风险控制方法,其特征在于,所述步骤H)中的预警提示为:如在该路段前方通过可变信息板,并启动控制设备,通过控制道路的匝道或者快速道路的交叉口信号灯,降低上游车辆流量,通过可变限速板对当前车辆限速,降低上游车辆的行驶速度。
6.按照权利要求5所述的道路实时交通事故风险控制方法,其特征在于,通过可变限速板对当前车辆限速,每次调整变化的车辆速度幅度在5km/h以内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310596435.2A CN103646534B (zh) | 2013-11-22 | 2013-11-22 | 一种道路实时交通事故风险控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310596435.2A CN103646534B (zh) | 2013-11-22 | 2013-11-22 | 一种道路实时交通事故风险控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103646534A true CN103646534A (zh) | 2014-03-19 |
CN103646534B CN103646534B (zh) | 2015-12-02 |
Family
ID=50251741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310596435.2A Expired - Fee Related CN103646534B (zh) | 2013-11-22 | 2013-11-22 | 一种道路实时交通事故风险控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103646534B (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389976A (zh) * | 2014-08-29 | 2016-03-09 | 福特全球技术公司 | 用于道路风险指数产生的方法和设备 |
CN106095963A (zh) * | 2016-06-17 | 2016-11-09 | 上海经达信息科技股份有限公司 | 互联网+时代下的车辆驾驶行为分析大数据公共服务平台 |
CN106485922A (zh) * | 2016-12-20 | 2017-03-08 | 东南大学 | 基于高精度交通流数据的二次交通事故预警方法 |
CN106491144A (zh) * | 2016-09-22 | 2017-03-15 | 昆明理工大学 | 一种驾驶人潜伏风险感知能力的测试与评价方法 |
CN106651162A (zh) * | 2016-12-09 | 2017-05-10 | 思建科技有限公司 | 一种基于大数据的驾驶风险评估方法 |
CN107942411A (zh) * | 2017-11-30 | 2018-04-20 | 南京理工大学 | 一种大气能见度预测方法 |
CN107978149A (zh) * | 2017-11-17 | 2018-05-01 | 嘉兴四维智城信息科技有限公司 | 台风天气城市交通事故概率预测处理装置及其方法 |
CN108154681A (zh) * | 2016-12-06 | 2018-06-12 | 杭州海康威视数字技术股份有限公司 | 发生交通事故的风险预测方法、装置及*** |
CN108710967A (zh) * | 2018-04-19 | 2018-10-26 | 东南大学 | 基于数据融合和支持向量机的高速路交通事故严重度预测方法 |
CN108960501A (zh) * | 2018-06-28 | 2018-12-07 | 上海透云物联网科技有限公司 | 一种商品防窜货方法 |
WO2018233558A1 (en) * | 2017-06-19 | 2018-12-27 | Beijing Didi Infinity Technology And Development Co., Ltd. | SYSTEM AND METHODS FOR TRANSPORTATION SERVICE SECURITY ASSESSMENT |
CN109117987A (zh) * | 2018-07-18 | 2019-01-01 | 厦门大学 | 基于深度学习的个性化交通事故风险预测推荐方法 |
CN109285344A (zh) * | 2018-06-25 | 2019-01-29 | 江苏智通交通科技有限公司 | 交通高危人员重点监测对象识别方法和智能决策*** |
CN109300310A (zh) * | 2018-11-26 | 2019-02-01 | 平安科技(深圳)有限公司 | 一种车流量预测方法及装置 |
CN109410567A (zh) * | 2018-09-03 | 2019-03-01 | 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 |
CN109710984A (zh) * | 2018-12-04 | 2019-05-03 | 斑马网络技术有限公司 | 事故识别与救援方法及装置 |
CN110717035A (zh) * | 2018-07-11 | 2020-01-21 | 北京嘀嘀无限科技发展有限公司 | 一种事故快速处理方法、***及计算机可读介质 |
CN110858334A (zh) * | 2018-08-13 | 2020-03-03 | 北京中科蓝图科技有限公司 | 道路安全评估方法、装置及道路安全预警*** |
WO2020177480A1 (zh) * | 2019-03-07 | 2020-09-10 | 阿里巴巴集团控股有限公司 | 车辆事故的鉴定方法及装置、电子设备 |
CN111680897A (zh) * | 2020-05-27 | 2020-09-18 | 公安部道路交通安全研究中心 | 一种勤务管控方法、装置、***及计算机可读存储介质 |
CN112154492A (zh) * | 2018-03-19 | 2020-12-29 | 德尔克股份有限公司 | 预警和碰撞避免 |
CN112365162A (zh) * | 2020-11-12 | 2021-02-12 | 北京交通大学 | 一种基于事故致因网络的铁路运行风险控制方法 |
CN112562337A (zh) * | 2020-12-10 | 2021-03-26 | 之江实验室 | 一种基于深度学习的高速公路实时交通事故风险评估方法 |
CN112784723A (zh) * | 2021-01-14 | 2021-05-11 | 金陵科技学院 | 一种基于IFast-RCNN算法的道路交通安全保护模型 |
CN113256014A (zh) * | 2021-06-02 | 2021-08-13 | 沸蓝建设咨询有限公司 | 一种5g通信工程智能检测*** |
CN113744526A (zh) * | 2021-08-25 | 2021-12-03 | 江苏大学 | 一种基于lstm和bf的高速公路风险预测方法 |
US11328600B2 (en) | 2020-06-23 | 2022-05-10 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for identifying traffic accident, device and computer storage medium |
US11443631B2 (en) | 2019-08-29 | 2022-09-13 | Derq Inc. | Enhanced onboard equipment |
CN115359655A (zh) * | 2022-08-03 | 2022-11-18 | 中远海运科技股份有限公司 | 一种基于层次聚类算法的高速公路监测*** |
US11625624B2 (en) | 2019-09-24 | 2023-04-11 | Ford Global Technologies, Llc | Vehicle-to-everything (V2X)-based real-time vehicular incident risk prediction |
CN116403403A (zh) * | 2023-04-12 | 2023-07-07 | 西藏金采科技股份有限公司 | 一种基于大数据分析的交通预警方法、***、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010066895A (ja) * | 2008-09-09 | 2010-03-25 | Toshiba Corp | 道路交通情報提供システム及び方法 |
JP2011138432A (ja) * | 2009-12-29 | 2011-07-14 | Toshiba Corp | 道路交通管制支援情報作成システム |
CN102298706A (zh) * | 2011-08-12 | 2011-12-28 | 河海大学 | 限制条件下内河航道船舶大型化预测方法 |
WO2013149998A1 (fr) * | 2012-04-04 | 2013-10-10 | bioMérieux | Identification de microorganismes par spectrometrie et classification structuree |
-
2013
- 2013-11-22 CN CN201310596435.2A patent/CN103646534B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010066895A (ja) * | 2008-09-09 | 2010-03-25 | Toshiba Corp | 道路交通情報提供システム及び方法 |
JP2011138432A (ja) * | 2009-12-29 | 2011-07-14 | Toshiba Corp | 道路交通管制支援情報作成システム |
CN102298706A (zh) * | 2011-08-12 | 2011-12-28 | 河海大学 | 限制条件下内河航道船舶大型化预测方法 |
WO2013149998A1 (fr) * | 2012-04-04 | 2013-10-10 | bioMérieux | Identification de microorganismes par spectrometrie et classification structuree |
Non-Patent Citations (2)
Title |
---|
张扬: "城市路网交通预测模型研究及应用", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
雷兢: "道路交通事故预测及控制研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389976A (zh) * | 2014-08-29 | 2016-03-09 | 福特全球技术公司 | 用于道路风险指数产生的方法和设备 |
CN105389976B (zh) * | 2014-08-29 | 2021-05-07 | 福特全球技术公司 | 用于道路风险指数产生的方法和设备 |
CN106095963A (zh) * | 2016-06-17 | 2016-11-09 | 上海经达信息科技股份有限公司 | 互联网+时代下的车辆驾驶行为分析大数据公共服务平台 |
CN106491144A (zh) * | 2016-09-22 | 2017-03-15 | 昆明理工大学 | 一种驾驶人潜伏风险感知能力的测试与评价方法 |
CN108154681B (zh) * | 2016-12-06 | 2020-11-20 | 杭州海康威视数字技术股份有限公司 | 发生交通事故的风险预测方法、装置及*** |
CN108154681A (zh) * | 2016-12-06 | 2018-06-12 | 杭州海康威视数字技术股份有限公司 | 发生交通事故的风险预测方法、装置及*** |
CN106651162A (zh) * | 2016-12-09 | 2017-05-10 | 思建科技有限公司 | 一种基于大数据的驾驶风险评估方法 |
CN106485922A (zh) * | 2016-12-20 | 2017-03-08 | 东南大学 | 基于高精度交通流数据的二次交通事故预警方法 |
CN106485922B (zh) * | 2016-12-20 | 2019-03-12 | 东南大学 | 基于高精度交通流数据的二次交通事故预警方法 |
WO2018233558A1 (en) * | 2017-06-19 | 2018-12-27 | Beijing Didi Infinity Technology And Development Co., Ltd. | SYSTEM AND METHODS FOR TRANSPORTATION SERVICE SECURITY ASSESSMENT |
US10650618B2 (en) | 2017-06-19 | 2020-05-12 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for transportation service safety assessment |
US10970944B2 (en) | 2017-06-19 | 2021-04-06 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for transportation service safety assessment |
CN107978149A (zh) * | 2017-11-17 | 2018-05-01 | 嘉兴四维智城信息科技有限公司 | 台风天气城市交通事故概率预测处理装置及其方法 |
CN107942411A (zh) * | 2017-11-30 | 2018-04-20 | 南京理工大学 | 一种大气能见度预测方法 |
CN107942411B (zh) * | 2017-11-30 | 2020-04-17 | 南京理工大学 | 一种大气能见度预测方法 |
US11749111B2 (en) | 2018-03-19 | 2023-09-05 | Derq Inc. | Early warning and collision avoidance |
US11763678B2 (en) | 2018-03-19 | 2023-09-19 | Derq Inc. | Early warning and collision avoidance |
CN112154492A (zh) * | 2018-03-19 | 2020-12-29 | 德尔克股份有限公司 | 预警和碰撞避免 |
CN108710967B (zh) * | 2018-04-19 | 2021-07-27 | 东南大学 | 基于数据融合和支持向量机的高速路交通事故严重度预测方法 |
CN108710967A (zh) * | 2018-04-19 | 2018-10-26 | 东南大学 | 基于数据融合和支持向量机的高速路交通事故严重度预测方法 |
CN109285344A (zh) * | 2018-06-25 | 2019-01-29 | 江苏智通交通科技有限公司 | 交通高危人员重点监测对象识别方法和智能决策*** |
CN109285344B (zh) * | 2018-06-25 | 2021-05-28 | 江苏智通交通科技有限公司 | 交通高危人员重点监测对象识别方法和智能决策*** |
CN108960501A (zh) * | 2018-06-28 | 2018-12-07 | 上海透云物联网科技有限公司 | 一种商品防窜货方法 |
CN108960501B (zh) * | 2018-06-28 | 2021-11-19 | 上海透云物联网科技有限公司 | 一种商品防窜货方法 |
CN110717035A (zh) * | 2018-07-11 | 2020-01-21 | 北京嘀嘀无限科技发展有限公司 | 一种事故快速处理方法、***及计算机可读介质 |
CN109117987B (zh) * | 2018-07-18 | 2020-09-29 | 厦门大学 | 一种基于深度学习的个性化交通事故风险预测推荐方法 |
CN109117987A (zh) * | 2018-07-18 | 2019-01-01 | 厦门大学 | 基于深度学习的个性化交通事故风险预测推荐方法 |
CN110858334A (zh) * | 2018-08-13 | 2020-03-03 | 北京中科蓝图科技有限公司 | 道路安全评估方法、装置及道路安全预警*** |
CN109410567A (zh) * | 2018-09-03 | 2019-03-01 | 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 |
CN109300310A (zh) * | 2018-11-26 | 2019-02-01 | 平安科技(深圳)有限公司 | 一种车流量预测方法及装置 |
CN109300310B (zh) * | 2018-11-26 | 2021-09-17 | 平安科技(深圳)有限公司 | 一种车流量预测方法及装置 |
CN109710984A (zh) * | 2018-12-04 | 2019-05-03 | 斑马网络技术有限公司 | 事故识别与救援方法及装置 |
WO2020177480A1 (zh) * | 2019-03-07 | 2020-09-10 | 阿里巴巴集团控股有限公司 | 车辆事故的鉴定方法及装置、电子设备 |
US11443631B2 (en) | 2019-08-29 | 2022-09-13 | Derq Inc. | Enhanced onboard equipment |
US11688282B2 (en) | 2019-08-29 | 2023-06-27 | Derq Inc. | Enhanced onboard equipment |
US11625624B2 (en) | 2019-09-24 | 2023-04-11 | Ford Global Technologies, Llc | Vehicle-to-everything (V2X)-based real-time vehicular incident risk prediction |
CN111680897A (zh) * | 2020-05-27 | 2020-09-18 | 公安部道路交通安全研究中心 | 一种勤务管控方法、装置、***及计算机可读存储介质 |
US11328600B2 (en) | 2020-06-23 | 2022-05-10 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for identifying traffic accident, device and computer storage medium |
CN112365162B (zh) * | 2020-11-12 | 2024-03-08 | 北京交通大学 | 一种基于事故致因网络的铁路运行风险控制方法 |
CN112365162A (zh) * | 2020-11-12 | 2021-02-12 | 北京交通大学 | 一种基于事故致因网络的铁路运行风险控制方法 |
CN112562337A (zh) * | 2020-12-10 | 2021-03-26 | 之江实验室 | 一种基于深度学习的高速公路实时交通事故风险评估方法 |
CN112784723A (zh) * | 2021-01-14 | 2021-05-11 | 金陵科技学院 | 一种基于IFast-RCNN算法的道路交通安全保护模型 |
CN113256014B (zh) * | 2021-06-02 | 2021-10-22 | 沸蓝建设咨询有限公司 | 一种5g通信工程智能检测*** |
CN113256014A (zh) * | 2021-06-02 | 2021-08-13 | 沸蓝建设咨询有限公司 | 一种5g通信工程智能检测*** |
CN113744526B (zh) * | 2021-08-25 | 2022-12-23 | 贵州黔通智联科技股份有限公司 | 一种基于lstm和bf的高速公路风险预测方法 |
CN113744526A (zh) * | 2021-08-25 | 2021-12-03 | 江苏大学 | 一种基于lstm和bf的高速公路风险预测方法 |
CN115359655A (zh) * | 2022-08-03 | 2022-11-18 | 中远海运科技股份有限公司 | 一种基于层次聚类算法的高速公路监测*** |
CN116403403A (zh) * | 2023-04-12 | 2023-07-07 | 西藏金采科技股份有限公司 | 一种基于大数据分析的交通预警方法、***、设备及介质 |
CN116403403B (zh) * | 2023-04-12 | 2024-02-02 | 西藏金采科技股份有限公司 | 一种基于大数据分析的交通预警方法、***、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103646534B (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103646534B (zh) | 一种道路实时交通事故风险控制方法 | |
CN102360525B (zh) | 基于判别分析的快速道路实时交通事故风险预测方法 | |
CN107742432B (zh) | 基于车路协同的高速公路运行车速主动预警***及控制方法 | |
Abdel-Aty et al. | Dynamic variable speed limit strategies for real-time crash risk reduction on freeways | |
CN104157156B (zh) | 一种高速公路危险路段车速动态管理预警方法 | |
CN102568226B (zh) | 一种基于不良天气条件的快速道路可变限速控制方法 | |
CN105946860B (zh) | 一种考虑驾驶风格的弯道车速预测方法 | |
Yang et al. | Estimation of traffic conflict risk for merging vehicles on highway merge section | |
CN103198713A (zh) | 基于交通数据和天气数据的减少交通事故的车辆调控方法 | |
CN104732075A (zh) | 一种城市道路交通事故风险实时预测方法 | |
CN103473928A (zh) | 基于rfid技术的城市交通拥堵判别方法 | |
CN104992145A (zh) | 一种矩采样车道跟踪检测方法 | |
CN102368354A (zh) | 一种基于浮动车数据采集的道路安全性评价方法 | |
CN102360526A (zh) | 一种快速道路路段状态的实时监测方法 | |
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 | |
CN108597219A (zh) | 一种基于机器视觉的路段行人过街控制方法 | |
CN103198707B (zh) | 一种基于晴天状况下危险交通流特征的车辆调控方法 | |
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 | |
CN113034914B (zh) | 一种高速公路硬路肩动态调整***及其方法 | |
CN102360524B (zh) | 快速道路危险交通流特征的自动检测确认方法 | |
CN106530714A (zh) | 一种基于交通流数据的二次交通事故时间预测方法 | |
CN103198709B (zh) | 一种雨天状况下减少交通事故的车辆调控方法 | |
CN103198710B (zh) | 一种基于减小车辆追尾事故数量的车辆调控方法 | |
CN201429904Y (zh) | 一种交通流量统计*** | |
CN104616495A (zh) | 一种基于公交gps探测车的城市交通状态识别方法 |
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 | ||
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: 20151202 Termination date: 20161122 |