CN109598930B - 一种自动检测高架封闭*** - Google Patents

一种自动检测高架封闭*** Download PDF

Info

Publication number
CN109598930B
CN109598930B CN201811429028.1A CN201811429028A CN109598930B CN 109598930 B CN109598930 B CN 109598930B CN 201811429028 A CN201811429028 A CN 201811429028A CN 109598930 B CN109598930 B CN 109598930B
Authority
CN
China
Prior art keywords
road
overhead
data
closed
flow
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.)
Active
Application number
CN201811429028.1A
Other languages
English (en)
Other versions
CN109598930A (zh
Inventor
郭宇华
吴红缨
陈金星
代刚毅
赵伟
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.)
Beijing Liufen Technology Co ltd
Original Assignee
Shanghai Juhong Information Technology 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 Shanghai Juhong Information Technology Co ltd filed Critical Shanghai Juhong Information Technology Co ltd
Priority to CN201811429028.1A priority Critical patent/CN109598930B/zh
Publication of CN109598930A publication Critical patent/CN109598930A/zh
Application granted granted Critical
Publication of CN109598930B publication Critical patent/CN109598930B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于道路封闭检测领域，具体涉及一种自动检测高架封闭***，制定基线版本：收集浮动车GPS历史数据和道路流量历史数据，匹配高架道路分析得到上匝道、下匝道、高架道路以及地面道路的4个维度的基线版本流量模型；交叉验证：采集浮动车GPS数据，将浮动车GPS数据匹配到上匝道、下匝道、高架道路以及地面道路的路段；采集各路段的道路流量数据，进行交叉验证；比对判断高架是否封闭；建立高架封闭特征决策模型；生成决策模型。其能提高实时发布高架封闭信息的实时性，提示车主绕行，以提高出行体验，减缓底面道路拥堵。

Description

一种自动检测高架封闭***
技术领域
本发明属于道路封闭检测领域，具体涉及一种自动检测高架封闭***。
背景技术
高架封闭，即高架由于养护、管制等导致的限行措施。由于高架封闭，导致地面道路车流量急速攀升，导致道路拥堵。车主按照导航或者习惯性路线进行行驶，由于高架封闭通告发布不实时性，车主只能驶离高架，进入地面道路行驶。导致地面道路拥堵加剧且出行体验糟糕。目前仅有通过交警通告，获取高架封闭通知。
现有技术中有对道路封闭检测的相关方法，如中国专利CN105389978B公开的封闭快速道路监测***及监控数据处理方法。所述封闭快速道路监测***，包括卡口、3D雷达、串口服务器、交换机、数据服务器；在每条行车道上方设有一个卡口；在单向车道上设有一个3D雷达；位于同一单向车道上的卡口与3D雷达均与一个串口服务器相连；该串口服务器经交换机与数据服务器相连。所述的监控数据处理方法，利用3D雷达获得封闭道路两端的某时间段T的车流量，通过卡口获得所有车辆经过封闭道路的平均时间，结合国家标准、格林希尔兹模型及封闭道路长度，得到相应道路服务水平标准，其能实现的技术效果是加强和改善快速道路管理，但其存在的问题是：设备部署不全面，导致无法精细化的发现高架封闭，例如两个线圈跨越多个匝道路段，只能进行局部的检测和发现；基于实时两侧流量，无关联历史基线和其他道路，在流量较低情况下，会产生上报不准确情况；设备维护，由于路口设备固定，当设备异常；以及没有其他数据进行校验和补充，导致上报不准确情况。
另外，现有技术的技术方案是适用于现有已知道路封闭的情况，对预估判断道路是否封闭效果不大。
发明内容
本发明提供一种自动检测高架封闭***，其能提高实时发布高架封闭信息的实时性，提示车主绕行，以提高出行体验，减缓底面道路拥堵。
为实现上述技术目的，本申请采取的技术方案为，一种自动检测高架封闭***，包括如下步骤：
制定基线版本：收集浮动车GPS历史数据和道路流量历史数据，匹配高架道路分析得到上匝道、下匝道、高架道路以及地面道路的4个维度的基线版本流量模型；
交叉验证：采集浮动车GPS数据，将浮动车GPS数据匹配到上匝道、下匝道、高架道路以及地面道路的路段，进行交叉验证；
比对判断高架是否封闭：比较交叉验证过程中上匝道、下匝道、高架道路以及地面道路的数据与基线版本中上匝道、下匝道、高架道路以及地面道路的数据，判断高架是否封闭；
建立高架封闭特征决策模型：提取在各个时间点的浮动车GPS数据和道路流量数据，建立在各个时间点的上匝道流量、下匝道流量、高架流量、道路流量，以及高架是否封闭的样本表格；
生成决策模型：样本表格中的数据采用数学表达式：
(x,y)＝(x1,x2,x3…,xk,y)
相关的变量Y表示是否高架封闭，其他的变量x1,x2,x3……则是影响道路是否导致高架封闭的因素；xk就是到第k个x，建立决策模型即是建立变量X(x1,x2,x3,…)到变量Y(y)的映射关系；得到上面模型之后，对于任意输入的(x1，x2,x3)之后都可以得到对应的Y的值。
作为本发明改进的技术分方案，比对判断高架是否封闭的方式是：上匝道和高架道路流量小于历史数量，趋向并最终为0；下匝道流量大于历史数据，先增大后趋向并最终为0；地面道路流量大于历史基线版本，呈上升趋势，则判断道路封闭。
作为本发明改进的技术分方案，还包括决策模型的定期更新：决策模型中样本数据是随着时间的增加不断增加，在设定时间后重新生成高架封闭特征决策模型。
作为本发明改进的技术分方案，通过更新后的决策模型分析高架道路封闭：在获取更新的决策模型后，通过上匝道、下匝道、高架道路以及地面道路数据的交叉验证以及与基线版本中上匝道、下匝道、高架道路以及地面道路的数据的比对，判断道路是否封闭。
作为本发明改进的技术分方案，建立高架封闭特征决策模型是通过决策树算法建立。
有益效果
本申请采用的自动检测高架封闭***，其是基于现有城市管理中已有的浮动车以及道路流量数据进行比对分析，及时得出高架是否封闭，其一是能够及时检测得到高架是否封闭的讯息；二是城市的覆盖率光；三是不会增加城市道路交通管理成本；四是能有效提高出行体验，减缓路面交通拥堵现状。
综上，本申请的自动检测高架封闭***能用于各类城市的道路封闭检测，包括但不限于高架。
附图说明
图1决策模型图；
图2本申请自动检测高架封闭***图。
具体实施方式
为使本发明实施例的目的和技术方案更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
本文为了解决高架封闭不能及时发布导致的底面道路拥堵，出行体验糟糕的现状，采取的技术方案主要思路是：通过采集浮动车GPS数据(现有技术中已经配置相当多的浮动车，其分布在城市的各个主干道上，因此不存在增加检测成本等的问题)，道路流量数据；通过与高架道路匹配、通过GPS数据、道路流量数据和历史数据进行交叉比对，分别从上闸口、下闸口、高架道路、地面道路维度进行数据分析；采用机器学习的方法，训练高架封闭的判断模型，并通过模型检测高架封闭情况。相对于现有技术采用通知通告的方式进行通知，本申请的方法效率高，覆盖率全，并且高架封闭消息能得到及时发送，提高高架封闭发布实时性，提示车主绕行，提高出行体验，减缓地面道路拥堵。
如图2所示，一种自动检测高架封闭***，包括如下步骤：
制定基线版本：收集浮动车GPS历史数据和道路流量(地图数据)历史数据，匹配高架道路分析得到上匝道、下匝道、高架道路以及地面道路的4个维度的基线版本流量模型；
交叉验证：采集浮动车GPS数据，将浮动车GPS数据匹配到上匝道、下匝道、高架道路以及地面道路的路段，进行交叉验证；
比对判断高架是否封闭：比较交叉验证过程中上匝道、下匝道、高架道路以及地面道路的数据与基线版本中上匝道、下匝道、高架道路以及地面道路的数据，判断高架是否封闭；比对判断高架是否封闭的方式是：上匝道和高架道路流量小于历史数量，趋向并最终为0；下匝道流量大于历史数据，先增大后趋向并最终为0；地面道路流量大于历史基线版本，呈上升趋势，则判断道路封闭。
建立高架封闭特征决策模型：提取在各个时间点的浮动车GPS数据和道路流量数据，建立在各个时间点的上匝道流量、下匝道流量、高架流量、道路流量，以及高架是否封闭的样本表格，如下表1；
表1自学习样本数据
Figure BDA0001882283610000041
Figure BDA0001882283610000051
通过大量浮动车GPS数据和道路流量数据，即制定基线版本、交叉验证、比对判断高架是否封闭不停执行，则可以形成大量的表1格式数据。
生成决策模型：样本表格中的数据采用数学表达式：
(x,y)＝(x1,x2,x3…,xk,y)
相关的变量Y表示是否高架封闭，其他的变量x1,x2,x3……则是影响道路是否导致高架封闭的因素；xk是第k个x；建立决策模型即是建立变量X(x1,x2,x3,…)到变量Y(y)的映射关系。
因此建立模型即是建立变量X(x1,x2,x3,…)到变量Y(y)的映射关系。建立这种映射关系的方法有很多，本专利通过决策树如图1算法来说明生成流程，但是不限于决策树算法。
决策树是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值的概率，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，代表的是对象属性与对象值之间的一种映射关系
决策树是一种十分常用的分类方法。也是一种监管学习，所谓监管学习就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为自学习。
决策树的典型算法有ID3，C4.5，CART，J48等。这些都是非常成熟的算法，本专利在此不进行介绍算法。下面以X(x1,x2,x3)到Y(y)的映射关系建立决策模型结果说明，其中，x1,x2,x3∈[-10,10]，y∈[是，否]得到上面模型之后，对于任意输入的(x1，x2,x3)之后都可以得到对应的Y的值，如(x1,x2,x3)为(1，3，5)时，Y的值为“是”。
还包括决策模型的定期更新：决策模型中样本数据是随着时间的增加不断增加，在设定时间后重新生成高架封闭特征决策模型。通过更新后的决策模型分析高架道路封闭：在获取更新的决策模型后，通过上匝道、下匝道、高架道路以及地面道路数据的交叉验证以及与基线版本中上匝道、下匝道、高架道路以及地面道路的数据的比对，判断道路是否封闭。
以上仅为本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。

Claims (5)

1.一种自动检测高架封闭***，其特征在于，包括如下步骤：
制定基线版本：收集浮动车GPS历史数据和道路流量历史数据，匹配高架道路分析得到上匝道、下匝道、高架道路以及地面道路的4个维度的基线版本流量模型；交叉验证：采集浮动车GPS数据，将浮动车GPS数据匹配到上匝道、下匝道、高架道路以及地面道路的路段，进行交叉验证；
比对判断高架是否封闭：比较交叉验证过程中上匝道、下匝道、高架道路以及地面道路的数据与基线版本中上匝道、下匝道、高架道路以及地面道路的数据，判断高架是否封闭；
建立高架封闭特征决策模型：提取在各个时间点的浮动车GPS数据和道路流量数据，建立在各个时间点的上匝道流量、下匝道流量、高架流量、道路流量，以及高架是否封闭的样本表格；
生成决策模型：样本表格中的数据采用数学表达式：
(X,Y)＝(x1,x2,x3…,xk,y)
相关的变量y表示是否高架封闭，其他的变量x1,x2,x3……xk则是影响道路是否导致高架封闭的因素；其中xk是编号为k的上述因素，建立决策模型即是建立变量X(x1,x2,x3,…xk)到变量Y(y)的映射关系；得到上面模型之后，对于任意输入的X(x1，x2,x3,…xk)之后都可以得到对应的Y(y)的值。
2.根据权利要求1所述的一种自动检测高架封闭***，其特征在于，比对判断高架是否封闭的方式是：上匝道和高架道路流量小于历史数量，趋向并最终为0；下匝道流量大于历史数据，先增大后趋向并最终为0；地面道路流量大于历史基线版本，呈上升趋势，则判断道路封闭。
3.根据权利要求1所述的一种自动检测高架封闭***，其特征在于，还包括决策模型的定期更新：决策模型中样本数据是随着时间的增加不断增加，在设定时间后重新生成高架封闭特征决策模型。
4.根据权利要求3所述的一种自动检测高架封闭***，其特征在于，通过更新后的决策模型分析高架道路封闭：在获取更新的决策模型后，通过上匝道、下匝道、高架道路以及地面道路数据的交叉验证以及与基线版本中上匝道、下匝道、高架道路以及地面道路的数据的比对，判断道路是否封闭。
5.根据权利要求1所述的一种自动检测高架封闭***，其特征在于，建立高架封闭特征决策模型是通过决策树算法建立。
CN201811429028.1A 2018-11-27 2018-11-27 一种自动检测高架封闭*** Active CN109598930B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811429028.1A CN109598930B (zh) 2018-11-27 2018-11-27 一种自动检测高架封闭***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811429028.1A CN109598930B (zh) 2018-11-27 2018-11-27 一种自动检测高架封闭***

Publications (2)

Publication Number Publication Date
CN109598930A CN109598930A (zh) 2019-04-09
CN109598930B true CN109598930B (zh) 2021-05-14

Family

ID=65960533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811429028.1A Active CN109598930B (zh) 2018-11-27 2018-11-27 一种自动检测高架封闭***

Country Status (1)

Country Link
CN (1) CN109598930B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689719B (zh) 2019-05-31 2021-01-19 北京嘀嘀无限科技发展有限公司 用于识别封闭路段的***和方法
US11756417B2 (en) 2020-09-16 2023-09-12 Here Global B.V. Method, apparatus, and system for detecting road incidents
CN112885128B (zh) * 2021-01-14 2022-07-05 北京中交兴路信息科技有限公司 识别封堵路段的方法、装置、设备及存储介质
CN113554869B (zh) * 2021-07-01 2022-04-05 华东师范大学 一种基于多特征融合的道路封闭检测方法
CN114463970B (zh) * 2022-01-11 2023-03-31 北京中交兴路信息科技有限公司 自动检测卡口封闭的方法、装置、设备及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004287708A (ja) * 2003-03-20 2004-10-14 Ffc Ltd 道路閉鎖状態予測・通報システム
WO2013110815A1 (en) * 2012-01-27 2013-08-01 Siemens Plc Method for state estimation of a road network
CN104700630A (zh) * 2013-12-05 2015-06-10 感知技术无锡有限公司 一种高速公路车流量的监测方法及***
CN104966398A (zh) * 2015-07-27 2015-10-07 福建工程学院 一种施工围挡道路的确认方法及***
CN105139682A (zh) * 2015-07-27 2015-12-09 福建工程学院 一种封闭道路的确认方法及***
CN105389978A (zh) * 2015-09-15 2016-03-09 安徽省综合交通研究院股份有限公司 封闭快速道路监测***及监控数据处理方法
CN105761492A (zh) * 2016-05-04 2016-07-13 北京大学 一种基于网络流的大范围高速路网动态配流方法
CN106652562A (zh) * 2017-02-09 2017-05-10 吉林大学 一种高速公路道路交通安全预警方法
CN107316457A (zh) * 2016-04-27 2017-11-03 上海炬宏信息技术有限公司 判断道路交通状况是否符合汽车自动驾驶的方法
CN108091132A (zh) * 2016-11-22 2018-05-29 ***通信有限公司研究院 一种交通流量预测方法及装置
CN108806259A (zh) * 2018-01-15 2018-11-13 江苏壹鼎崮机电科技有限公司 基于bim的交通管制模型构建及标注方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004287708A (ja) * 2003-03-20 2004-10-14 Ffc Ltd 道路閉鎖状態予測・通報システム
WO2013110815A1 (en) * 2012-01-27 2013-08-01 Siemens Plc Method for state estimation of a road network
CN104700630A (zh) * 2013-12-05 2015-06-10 感知技术无锡有限公司 一种高速公路车流量的监测方法及***
CN104966398A (zh) * 2015-07-27 2015-10-07 福建工程学院 一种施工围挡道路的确认方法及***
CN105139682A (zh) * 2015-07-27 2015-12-09 福建工程学院 一种封闭道路的确认方法及***
CN105389978A (zh) * 2015-09-15 2016-03-09 安徽省综合交通研究院股份有限公司 封闭快速道路监测***及监控数据处理方法
CN107316457A (zh) * 2016-04-27 2017-11-03 上海炬宏信息技术有限公司 判断道路交通状况是否符合汽车自动驾驶的方法
CN105761492A (zh) * 2016-05-04 2016-07-13 北京大学 一种基于网络流的大范围高速路网动态配流方法
CN108091132A (zh) * 2016-11-22 2018-05-29 ***通信有限公司研究院 一种交通流量预测方法及装置
CN106652562A (zh) * 2017-02-09 2017-05-10 吉林大学 一种高速公路道路交通安全预警方法
CN108806259A (zh) * 2018-01-15 2018-11-13 江苏壹鼎崮机电科技有限公司 基于bim的交通管制模型构建及标注方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于信息融合的高速公路事件检测建模与仿真;覃频频;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20080615(第6期);全文 *

Also Published As

Publication number Publication date
CN109598930A (zh) 2019-04-09

Similar Documents

Publication Publication Date Title
CN109598930B (zh) 一种自动检测高架封闭***
CN108364467B (zh) 一种基于改进型决策树算法的路况信息预测方法
US20210302585A1 (en) Smart navigation method and system based on topological map
KR101638368B1 (ko) 다변수 패턴 인식모델을 이용한 도시 교통 예측 시스템 및 그 방법
CN111680745B (zh) 一种基于多源交通大数据融合的突发拥堵判别方法及***
CN113327418B (zh) 一种快速路拥堵风险分级实时预测方法
DE102020124983A1 (de) Echtzeit-fahrzeugzwischenfallrisikoprognose auf basis von fahrzeug-zu-allen (v2x)
CN111310786B (zh) 基于随机森林分类器的交通检测器异常诊断方法及装置
CN103150900B (zh) 一种基于视频的交通拥堵事件自动检测方法
CN104809878B (zh) 利用公交车gps数据检测城市道路交通异常状态的方法
CN104464295B (zh) 一种基于视频的高架入口匝道智能限行方法
CN104021671B (zh) 一种svm与模糊判断相结合的道路实时路况的判断方法
CN116504076A (zh) 基于etc门架数据的高速公路车流量预测方法
CN111723854B (zh) 一种高速公路交通拥堵检测方法、设备及可读存储介质
CN105869402B (zh) 基于多类型浮动车数据的高速公路路段速度修正方法
CN115662113B (zh) 一种信号交叉口人车博弈冲突风险评估与预警方法
CN115294767B (zh) 一种高速公路车道线实时检测与交通安全预警方法及装置
CN106023592A (zh) 一种基于gps数据的交通拥堵检测方法
CN109995611B (zh) 流量分类模型建立及流量分类方法、装置、设备和服务器
CN112542049A (zh) 智慧交通综合管控平台
CN106781460A (zh) 一种路段交通状态确定方法及装置
CN108681717B (zh) 城市级交通视频检测设备质量检测方法
CN115601983A (zh) 交通信号灯的周期时长确定方法、装置、设备和存储介质
Wang et al. Vehicle reidentification with self-adaptive time windows for real-time travel time estimation
Thiruppathiraj et al. Automatic pothole classification and segmentation using android smartphone sensors and camera images with machine learning techniques

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230424

Address after: Room 1002C, 10th Floor, No. 7 Xueyuan Road, Haidian District, Beijing, 100083

Patentee after: CENNAVI TECHNOLOGIES Co.,Ltd.

Address before: Room 903, block B, 970 Nanning Road, Xuhui District, Shanghai 200030

Patentee before: SHANGHAI JUHONG INFORMATION TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240228

Address after: C402D, 3rd Floor, Building C, No. 9 Shangdi 3rd Street, Haidian District, Beijing, 100085

Patentee after: Beijing Liufen Technology Co.,Ltd.

Country or region after: China

Address before: Room 1002C, 10th Floor, No. 7 Xueyuan Road, Haidian District, Beijing, 100083

Patentee before: CENNAVI TECHNOLOGIES Co.,Ltd.

Country or region before: China