CN108305481A - 一种安防***警情处理路线规划***和方法 - Google Patents
一种安防***警情处理路线规划***和方法 Download PDFInfo
- Publication number
- CN108305481A CN108305481A CN201711393553.8A CN201711393553A CN108305481A CN 108305481 A CN108305481 A CN 108305481A CN 201711393553 A CN201711393553 A CN 201711393553A CN 108305481 A CN108305481 A CN 108305481A
- Authority
- CN
- China
- Prior art keywords
- section
- route
- time
- security protection
- alert
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000013499 data model Methods 0.000 claims abstract description 10
- 241001269238 Data Species 0.000 claims abstract description 7
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000000630 rising effect Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种安防***警情处理路线规划***和方法,以各路段拥堵的大数据模型为基础,对具体路段,方法为:确定时刻路段长度、前180天平均行驶速度、时间、排序、选第126项;第126项为在c时d分,机动车行完所述路段所需时间。本发明挖掘利用以往180天交通数据,具体到特定时刻,特定路段,根据以往的六个月的交通数据,估算出各路段的通行时间,在极度拥堵的情况下,单个路段的出警时间准确率达到70%。
Description
技术领域
本发明涉及安防***中对警情处理的技术领域,特别是涉及一种安防***警情处理路线规划***和方法。
背景技术
目前,人们对警情应急反应速度的要求越来越高,而城市尤其是特大型城市如上海、北京的中心城区拥堵极为严重。对于警情的处理,现有安防***大多是在城市的某些区域内设置多个安防办公站,当警情发生时,距其最近的安防工作站响应,前往警情发生地处置警情。而在中心城区的安防办公站到警情发生地时,往往一半路段是拥堵的,以往的由安防办公站到警情发生地的通行路径,都由安防人员个人依据个人经验快速得出,由于安防人员的经验不同以及判断决策水平不一,因此警情的处理效率会受安防人员的个人因素大幅影响。常常发生消防车堵在路上,出警时间大幅提高数倍甚至数十倍的情况,给百姓的生命财产安全造成极大的隐患。
近来虽然也出现一些道路规划的方法以及***,但都是静态规划,要么不考虑拥堵,仅仅寻找到警情发生点最近安防办公站,而后找出最近安防办公站到警情发生点间最短路径,将此最短路径定为最终安防车行车路线;即便考虑拥堵,也简单以拥堵不拥堵来划分路况,而对拥堵路况简单化,给出统一的车辆通行速度。不同拥堵路况的道路通行速度竟然相同,显然不够合理,没有能够很好的发掘以往交通数据,在交通拥堵常态化的大城市的中心城区亟待改进这种处理警情方式。
发明内容
本发明的目的是提供一种安防***的警情处理路线规划***和方法,发掘利用以往交通数据,给出不同拥堵路段的不同道路通行速度,找出到警情发生点时间最短的安防服务站以及相应路线,能够大大减少安防车辆到火警现场的时间的不确定性,能够保证安防车辆在每一路段行驶以不小于0.7的概率在预定的时间能够到达警情现场,及时处理警情。
为实现上述目的,本发明采用以下技术方案:
一种安防***的警情处理路线规划方法,包括步骤:获取地理位置信息以及时间信息,找出安防服务站所在地至警情发生地的所有可能通行路线:确定每一通行路线的路段,确定每一路段所用时间,确定每一路线所用时间,找出其中最小值的路线即为最终行车路线,对应的安防服务站为提供救援的安防服务站;具体为,包括步骤:
(1)获取报警信号所对应的警情发生地的地理位置信息以及时间信息;
(2)根据所述警情发生地的地理位置信息,搜索预设区域内的安防服务站,获得临近安防服务站的地理位置信息;
(3)根据地理数据库以及警情发生地以及安防服务站的地理位置信息,找出安防服务站所在地至警情发生地的所有可能通行路线:路线1, 路线2,…, 路线n;
(4)确定每一通行路线的路段:确定路线1的具体路段,路线2的具体路段,…,路线n的具体路段;
(5)确定每一路段所用时间tij:利用路段拥堵的大数据模型,计算所有可能通行路线的每一路段所用时间,tij表示路线i的第j路段所用时间,i取值范围为1,…,n, j取值范围为1,…,m;
(6)确定每一路线所用时间T1,T2,…,Tn:将每一路线i的各路段所用时间之和算出即:Ti=ti1+ti2+…+tim;
(7)取T1,T2,…,Tn最小值Ta,则a路线为目标路线,也即选取a路线为最终行车路线,对应的安防服务站为提供救援的安防服务站。
所述确定每一路段所用时间的路段拥堵的大数据模型的建立方法为:
S01确定时刻信息:e年a月b日c时d分,a,b,c,d,e确定;
S02由地理数据库,获取所述路段长度s;
S03获取警情发生前180天中c时d分所述路段的机动车平均行驶速度,得到一组180个速度数据;
S04由t=s/v得到机动车行完所述路段所需时间;
S05将S04所得时间数据按照从小到大排序,
S06选取其中第126项;
该项即为在该特定时刻机动车行完所述路段所需时间。
所述地理位置信息都可以从地理数据库中获得,地理数据库包括道路经纬度坐标信息、道路名称、道路长度、建筑经纬度坐标、建筑名称等,所述地理数据库是根据现有地理信息建立而成。
根据所述警情发生地的地理位置信息,搜索预设区域内的安防服务站,具体包括:以所述警情发生地的经纬度坐标为中心,搜索预设半径内的安防服务站;根据搜索到的安防服务站,确定所述安防服务站对应的经纬度坐标。
所述的通行路线的各路段的确定,每一路段的道路名称单一,且包括起始点,不包括终点,最后一条路段包括起点终点。
所述的时刻信息,后续路段的起始时刻为前一路段的起始时刻加上前一路段的通行时间。
所述的道路交通数据库包括:道路长度,道路方向,每一时刻每一路段机动车的速度。
所述的180个速度数据,分别为警情发生前1日、前2日、前3,4,5…180日上述c时d分在所述路段的机动车平均行驶速度v1,v2,…,v180。
所述的该路段的机动车平均行驶速度,可以由该路段的速度摄像头获得该路段的所述时刻数种机动车行驶速度,然后取其平均值。
一种安防***警情处理路线规划***,包括安防指挥***,道路交通数据库,地理数据库,安防服务站,消防车,消防员。
上述警情发生时刻以分钟为最小计时单位,如火情发生时刻为下午2点01分21秒则四舍五入为2点01分。
本发明的优点:
本发明以各路段拥堵的大数据模型为基础,挖掘利用以往180天交通数据,具体到特定时刻,特定路段,根据以往的六个月的交通数据,用统计方法估算出各路段的通行时间,进而得到安防人员由所取路线到驾车到警情发生地的时间,在极度拥堵的情况下,单个路段的出警时间准确率达到95%。
本发明尤其注意及时利用算出的前一路段的最新通行时间数据,在路段的时刻选取上实现了动态规划,因此得到的出警时间非常准确可靠,出警路线科学。
本发明确定的安防服务站是由出警时间最短确定的,而非以往简单以静态距离最短先行确定,保证了出警时间最短,提高了整个安防***的效率。
另外,本发明数据处理方式简单高效,一台普通个人电脑可以进行上述发明的全部运算过程,成本极低,易于推广。
具体实施方式
实施例1:
比如安防指挥***于2017年9月4日下午5点6分23秒接到警情报告延安路7号801室起火,需要救援。
那么安防指挥***将做如下操作:
(1)根据地理数据库调取延安路7号的建筑名称为黄河大厦、经纬度坐标为(东经8°,北纬9°),得到警情发生地的地理位置信息;
(2)以黄河大厦(东经8°,北纬9°)为中心,假定以5公里为预定搜索半径,搜索5公里内的安防服务站,得到临近安防服务站的地理位置信息以及名称,得到安1安防站(东经10°,北纬11°),安2安防站(东经12°,北纬13°),安3安防站(东经14°,北纬15°);
(3)由地理数据库容易得到安1安防站(东经10°,北纬11°)到黄河大厦(东经8°,北纬9°)的5条不同路线,具体为路线1,路线2,路线3,路线4,路线5;
(4)类似的找出安2安防站(东经12°,北纬13°)到黄河大厦(东经8°,北纬9°)的4条不同路线,具体为路线6,路线7,路线8,路线9;而安3安防站(东经14°,北纬15°)到黄河大厦(东经8°,北纬9°)的3条不同路线,具体为路线10,路线11,路线12;
(5)我们以路线1为例说明如何确定路线的路段:路线1由3个路段组成具体为:延安1路,延安2路,延安3路;延安1路段,延安2路段包括起点路口,延安3路段包括起点路口和终点路口,这样所有路口都被算到且只算了一次;
利用路段拥堵的大数据模型,计算路线1的每一路段所用时间t1,1,t1,2,t1,3;
(6)以第 1路段延安1路所化时间t1,1为例说明如何建立某一路段拥堵的大数据模型,具体方法为:
s01 确定警情发生时间2017年9月4日下午5点6分23秒确定时刻信息2017年9月4日17时6分;
s02由地理数据库获取路段延安1路长度s=2公里;
s03根据道路交通数据库,获取前1日17时6分即2017年9月3日17时6分段延安1路的机动车平均速度:由延安1路的速度摄像头获得2017年9月3日17时6分四种机动车行驶速度,分别为:30,22,18,26,取其平均值(30+22+18+26)/4=24,所以v1=24公里/小时;获取前2日17时6分即2017年9月2日17时6分路段延安1路的机动车平均行驶速度V2=25公里/小时……获取前180日即2017年3月1日17时6分路段延安1路的机动车平均行驶速度V180=25公里/小时
前n日(1=<n<=180) 机动车17时6分平均行驶速度v公里/小时
前1日 V1=24
前2日 V2=25
. .
. .
前90日 V90=24
. .
. .
前180日 V180=20.7
S04由t=s/v得t1=2/24小时=5分钟,即前1日17时6分机动车开车行完第1路段所需时间,前2日17时6分机动车行完所述路段所需时间t2=4.8分钟,如此,得出警情发生前3,4,5…180日17时6分机动车行完所述路段所需时间t3,t4,…,t180;
ti t1, t2, t3, t4, t5, …, t90, …, t180
时间/分钟 5, 4.8, 4.9, 5.2, 5.1, …, 5 , …, 5.8
S05将t1, t2, … ,t90, …, t180按照从小到大排序
t’i t’1, t’2, t’3, …, t’90, …, t’126, …, t’180
时间/分钟 4, 4.8, 4.9, …, 5.5, …, 6, … , 7,
S06选取其中第126项t’126=6为在17时6分机动车行完所述路段所需时间。其中0.3*180=54,因此后9项也即t127,---,t180的发生概率为0.3,而前126项的发生概率为1-0.3=0.7.
即在17时6分延安1路通行所需时间《=6分钟的概率为0.7,取t’126=6分钟在17时6分机动车行完所述路段所需时间,t1,1=6分钟。
t1,2,t1,3算法同t1,1,所不同处仅在于时刻:
t1,12017年9月4日17时6分,
又t1,1=6分钟,所以:
t1,22017年9月4日17时12分
即利用上述路段拥堵的大数据模型计算t1,2时,时刻信息取2017年9月4日17时12分,进而算出t1,2=3分钟,那么类似的
t1,32017年9月4日17时15分
即利用上述路段拥堵的大数据模型计算t1,3时,时刻信息取2017年9月4日17时15分,进而算出t1,3=4分钟;
(7)由第1路段延安1路所化时间t1,1=6分钟,第2段延安2路所化时间t1,2=3分钟,第3段延安3路所化时间t1,3=4分钟;
那么路线1的通行时间T1=t1,1+t1,2+t1,3=6+4+3=13分钟。
因为路线1由3个路段组成,而每一路段的概率为0.7的用时分别为5,4,3,所以整条路线的用时不超过13的概率为0.7*0.7*0.7;
类似的,我们可以算出路线2,…, 路线12的通行时间,T1,T2,…,T12,假定我们获得一组通行时间
Ti T1, T2, T3, T4, T5, T6, T7, T8, T9, T10, T11, T12
单位/分钟 13, 15, 16, 20, 37, 44, 14, 15, 19, 18, 7, 10
(8) T11=7最小,故取11路线为目标路线,也即选取11路线为最终行车路线,对应的安防服务站安防3站为提供救援的安防服务站。
安防指挥***向安防3站发出指令,给安防3站提供出行车路线11并且给出建议速度,建议速度为计算时间时所取的该路段的机动车平均速度,安防3站执行指令,消防车即可在接到警情大约7分钟内到达报警地点黄河大厦进行施救;在路线11由3个路段构成时,其7分钟内到达的概率为0.7*0.7*0.7;在特大城市如上海、北京中心城区拥堵极为严重的情况下,安防车行车路段一般不会超过3段,所以可以保证安防车在即为拥堵的情况下到达现场的时间仍然可控。
本发明取180个数值,数据量大,所以所得概率值准确性高。实际上,因为半年的数据约为180个,所以我们可以直接应用半年的数据,这样处理起来更加方便快捷,易于应用推广。
本发明主要针对拥堵严重,且安防中心较多,因而安防车行车路段较少的情形。
Claims (10)
1.一种安防***警情处理路线规划方法,其特征在于,包括步骤:获取地理位置信息以及时间信息,找出安防服务站所在地至警情发生地的所有可能通行路线:确定每一通行路线的路段,确定每一路段所用时间,确定每一路线所用时间,找出最小值,该路线即为最终行车路线,对应的安防服务站为提供救援的安防服务站;具体为,包括步骤:
(1)获取报警信号所对应的警情发生地的地理位置信息以及时间信息;
(2)根据所述警情发生地的地理位置信息,搜索预设区域内的安防服务站,获得临近安防服务站的地理位置信息;
(3)根据地理数据库以及警情发生地以及安防服务站的地理位置信息,找出安防服务站所在地至警情发生地的所有可能通行路线:路线1, 路线2,…, 路线n;
(4)确定每一通行路线的路段:确定路线1的具体路段,路线2的具体路段,…,路线n的具体路段;
(5)确定每一路段所用时间tij:利用路段拥堵的大数据模型,计算所有可能通行路线的每一路段所用时间,tij表示路线i的第j路段所用时间,i取值范围为1,…,n, j取值范围为1,…,m;
(6)确定每一路线所用时间T1,T2,…,Tn:将每一路线i的各路段所用时间之和算出即:Ti=ti1+ti2+…+tim;
(7)取T1,T2,…,Tn最小值Ta,则a路线为目标路线,也即选取a路线为最终行车路线,对应的安防服务站为提供救援的安防服务站。
2.根据权利要求1所述的警情处理路线规划方法,其特征在于,所述地理位置信息都可以从地理数据库中获得,地理数据库包括道路经纬度坐标信息、道路名称、道路长度、建筑经纬度坐标、建筑名称等,所述地理数据库是根据现有地理信息建立而成。
3.根据权利要求1所述的警情处理路线规划方法,其特征在于,根据所述警情发生地的地理位置信息,搜索预设区域内的安防服务站,具体包括:以所述警情发生地的经纬度坐标为中心,搜索预设半径内的安防服务站;根据搜索到的安防服务站,确定所述安防服务站对应的经纬度坐标。
4.根据权利要求1所述的通行路线的各路段的确定,其特征在于,每一路段的道路名称单一,且包括起始点,不包括终点,最后一条路段包括起点终点。
5.根据权利要求1所述的路段拥堵的大数据模型,对具体路段,方法为:
S01确定时刻信息:e年a月b日c时d分,a,b,c,d,e确定;
S02由地理数据库,获取所述路段长度s;
S03获取警情发生前180天中c时d分该路段的机动车平均行驶速度,得到一组180个速度数据;
S04由t=s/v得到机动车行完所述路段所需时间;
S05将S04所得时间数据按照从小到大排序,
S06 t0选取其中第126项,t0即为在c时d分,机动车行完所述路段预估的所需时间。
6.根据权利要求5所述的时刻信息,其特征在于,后续路段的起始时刻为前一路段的起始时刻加上前一路段的通行时间。
7.根据权利要求5所述的道路交通数据库,其特征在于,包括:道路长度,道路方向,每一时刻路上各种车辆的速度。
8.根据权利要求5所述的180个速度数据,其特征在于,180个速度数据分别为警情发生前1日、前2日、前3,4,5…180日上述c时d分在所述路段的机动车平均行驶速度v1,v2,…,v180。
9.根据权利要求5所述的该路段的机动车平均行驶速度,其特征在于,可以由该路段的速度摄像头获得该路段的所述时刻数种机动车行驶速度,然后取其平均值。
10.一种安防***警情处理路线规划***,其特征在于,包括安防指挥***,道路交通数据库,地理数据库,安防服务站、消防车、消防员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711393553.8A CN108305481A (zh) | 2017-12-21 | 2017-12-21 | 一种安防***警情处理路线规划***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711393553.8A CN108305481A (zh) | 2017-12-21 | 2017-12-21 | 一种安防***警情处理路线规划***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108305481A true CN108305481A (zh) | 2018-07-20 |
Family
ID=62870470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711393553.8A Pending CN108305481A (zh) | 2017-12-21 | 2017-12-21 | 一种安防***警情处理路线规划***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108305481A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628472A (zh) * | 2021-10-08 | 2021-11-09 | 江苏梦想物联有限公司 | 一种基于物联网的社区安防控制***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661668A (zh) * | 2009-06-19 | 2010-03-03 | 赵钊 | 一种公共交通电子导航方法 |
CN102184640A (zh) * | 2011-05-05 | 2011-09-14 | 东南大学 | 高速公路网的救援路径自动决策方法 |
CN102353381A (zh) * | 2011-07-06 | 2012-02-15 | 广东威创视讯科技股份有限公司 | 获取赶往交通事故现场最优路径的方法与装置 |
CN106971516A (zh) * | 2017-05-09 | 2017-07-21 | 河北金锁安防工程股份有限公司 | 一种安防***的警情处理线路规划方法及*** |
-
2017
- 2017-12-21 CN CN201711393553.8A patent/CN108305481A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661668A (zh) * | 2009-06-19 | 2010-03-03 | 赵钊 | 一种公共交通电子导航方法 |
CN102184640A (zh) * | 2011-05-05 | 2011-09-14 | 东南大学 | 高速公路网的救援路径自动决策方法 |
CN102353381A (zh) * | 2011-07-06 | 2012-02-15 | 广东威创视讯科技股份有限公司 | 获取赶往交通事故现场最优路径的方法与装置 |
CN106971516A (zh) * | 2017-05-09 | 2017-07-21 | 河北金锁安防工程股份有限公司 | 一种安防***的警情处理线路规划方法及*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628472A (zh) * | 2021-10-08 | 2021-11-09 | 江苏梦想物联有限公司 | 一种基于物联网的社区安防控制***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sumi et al. | Intelligent traffic management system for prioritizing emergency vehicles in a smart city | |
CN109087506B (zh) | 一种车辆监控方法及装置 | |
WO2019085846A1 (zh) | 一种快速车道的规划方法及单元 | |
Chowdhury | Priority based and secured traffic management system for emergency vehicle using IoT | |
US8068016B2 (en) | Method and system for disseminating witness information in multi-hop broadcast network | |
US20100194592A1 (en) | Method and System for Disseminating Vehicle and Road Related Information in Multi-Hop Broadcast Networks | |
CN104134344A (zh) | 一种基于车联网的道路交通网络应急疏散路径生成方法 | |
CN106887137A (zh) | 拥堵事件提示方法及装置 | |
CN111445369B (zh) | 基于lbs大数据的城市大型聚集活动情报预警方法和装置 | |
CN109493606B (zh) | 一种高速公路上违停车辆的识别方法及*** | |
CN108303109A (zh) | 一种安防***警情处理路线规划***和正态方法 | |
Merah et al. | Vehicular movement patterns: a prediction-based route discovery technique for VANETs | |
Nayak et al. | PHVA: A position based high speed vehicle detection algorithm for detecting high speed vehicles using vehicular cloud | |
WO2023155218A1 (en) | A system and a method for reducing false alerts in a road management system | |
CN108460981A (zh) | 一种安防***警情处理动态路线规划***和正态方法 | |
CN108305481A (zh) | 一种安防***警情处理路线规划***和方法 | |
CN108304955A (zh) | 一种急救***的动态路线规划方法 | |
CN108305480A (zh) | 一种安防***警情处理动态路线规划180正态***和方法 | |
CN108305486A (zh) | 一种急救***的病情处理路径规划方法 | |
CN108305490A (zh) | 一种安防***警情处理动态路线规划正态方法 | |
CN108305483A (zh) | 一种安防***的警情处理动态线路规划大数据方法 | |
CN108305482A (zh) | 一种安防***警情处理半年动态路线规划***和方法 | |
CN109935090A (zh) | 交通灯调整***、方法、装置、雾计算设备及存储介质 | |
CN108305495A (zh) | 一种安防***的警情处理动态路线规划60正态分布方法 | |
CN108303104A (zh) | 一种安防***的警情处理动态路线月度规划方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180720 |
|
WD01 | Invention patent application deemed withdrawn after publication |