CN110060484A - 一种基于区块链的公路客运违章实时预警***及方法 - Google Patents

一种基于区块链的公路客运违章实时预警***及方法 Download PDF

Info

Publication number
CN110060484A
CN110060484A CN201910405650.7A CN201910405650A CN110060484A CN 110060484 A CN110060484 A CN 110060484A CN 201910405650 A CN201910405650 A CN 201910405650A CN 110060484 A CN110060484 A CN 110060484A
Authority
CN
China
Prior art keywords
passenger
driver
block chain
vehicle
mobile terminal
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
CN201910405650.7A
Other languages
English (en)
Other versions
CN110060484B (zh
Inventor
朱顺应
陈悦
吴希钢
李志浩
章树鑫
王成露
陈秋成
黄震
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN201910405650.7A priority Critical patent/CN110060484B/zh
Publication of CN110060484A publication Critical patent/CN110060484A/zh
Application granted granted Critical
Publication of CN110060484B publication Critical patent/CN110060484B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提出了一种基于区块链的公路客运违章实时预警***及方法。本发明包括多个乘客移动终端、移动终端无线通信模块、云端数据存储服务器、区块链数据处理服务器、区块链数据存储服务器。本发明通过所述移动终端无线通信模块将驾驶员基本信息上传至云端数据存储服务器；通过所述乘客移动终端收集乘客GPS数据，通过移动终端无线通信模块传输至云端数据存储服务器，区块链数据处理服务器调用云端数据存储服务器中的乘客GPS数据进行处理；区块链数据处理服务器根据超速预警、超载预警、疲劳驾驶预警以及恶意更改营运路线预警判断驾驶员违章行为，通过智能合约对驾驶员发出相应预警信息。本发明具有预警数据时效性以及违章信息不可篡改的优点。

Description

一种基于区块链的公路客运违章实时预警***及方法
技术领域
本发明属于公路客运违章预警***技术领域，涉及一种基于区块链的公路客运违章实时预警***及方法。
背景技术
公路客运是全国客运体系的重要组成部分，在中短途旅客运输中占据主要地位。在我国公路客运领域内，运营主体复杂，既存在公路客运企业运营，又存在个人承包、挂靠经营的现象；执法部门对违规行为的监督管理难度大，难以及时发现并处理超载、超速、疲劳驾驶、恶意更改营运线路等违规行为。以上违规行为尤以个人承包线路较为普遍，且均会提高交通事故风险，威胁人民群众生命财产安全。目前，虽然我国采取了出站检查、路上设点检查、道路巡查等稽查方式，但这些方式存在较大的局限性，程序繁琐，工作量巨大，警察自身的监察态度会影响抽查结果，存在主观性，在浪费了宝贵警力资源的同时，执法效率也比较低。此外，其他监管方式如：道路摄像头监控，此方式对道路建设要求高，必须在环境条件良好的情况下才可能发挥作用，多数时候需要3-4部以上摄像机才能抓拍成功，建设成本高，无法对客运车辆实施全程实时监控，因此目前缺乏一个可信度高、真实准确的公路客运违章(规)实时预警***。
发明内容
为了解决上述问题，本发明提供了一种可信度高、真实准确的基于区块链的公路客运违章实时预警***及方法。
本发明***的技术方案为一种基于区块链的公路客运违章实时预警***，包括：多个乘客移动终端、移动终端无线通信模块、云端数据存储服务器、区块链数据处理服务器、区块链数据存储服务器。
所述多个乘客移动终端分别与所述移动终端无线通信模块通过无线通信方式依次连接；所述的移动终端无线通信模块、云端数据存储服务器、区块链数据处理服务器、区块链数据存储服务器通过导线依次串联连接。
本发明方法的技术方案为一种基于区块链的公路客运违章实时预警方法，其特征在于，包括以下步骤：
步骤1：通过所述移动终端无线通信模块将客车驾驶员基本信息集合上传至云端数据存储服务器；
步骤2：通过所述乘客移动终端，收集多位乘客GPS数据集合，通过移动终端无线通信模块传输至所述云端数据存储服务器，区块链数据处理服务器调用云端数据存储服务器中的乘客GPS数据进行共识识别；
步骤3：通过所述区块链数据处理服务器内设定的重心补偿算法运算处理GPS数据集合以获得高精度GPS坐标，利用高精度GPS坐标得到车辆的速度Vt与车辆加速度a；
步骤4：通过区块链数据处理服务器对行车大数据R进行分析处理，获得某特定驾驶员的驾驶行为特征集合、不同路段的安全行驶速度数据，并传输至云端数据存储服务器；
步骤5：区块链数据处理服务器根据超速预警、超载预警、疲劳驾驶预警以及恶意更改营运路线预警判断驾驶员违章行为，通过智能合约对驾驶员发出相应预警信息；
步骤6：乘客移动终端若发现驾驶员存在超速、超载、疲劳驾驶、恶意更改营运路线违规行为，乘客可通过所述乘客移动终端举报驾驶员的违规行为，乘客举报消息核实后，即可对驾驶员发出报警或提示；
步骤7：乘客举报消息核实后即通过所述乘客移动终端给予乘客虚拟币奖励，给予驾驶员相应的虚拟币惩罚，乘客的奖励信息、驾驶员的惩罚信息、驾驶员违章信息经加密后存储在区块链数据存储服务器中；
步骤8：责任追究功能，一旦有人试图修改区块链数据存储服务器中存储的驾驶员违章信息以逃避法律制裁时，***将自动启动责任追究功能；
作为优选，步骤1中所述客车驾驶员X基本信息集合为：
PX＝{AX，BX，CX，DX}
其中，AX为驾驶员X姓名驾龄信息，BX为驾驶员X所驾车辆牌照信息，CX为驾驶员X驾驶的车辆核载乘客数量信息，DX为驾驶员X驾驶的车辆规定的行车路线信息；
作为优选，步骤2中将所述移动终端收集的GPS数据集合无线传输至所述云端数据存储服务器为：
GPS数据集合G经由所述乘客移动终端无线传输至所述移动终端无线通信模块，再由所述移动终端无线通信模块传输至所述云端数据存储服务器，进一步传输至所述区块链数据处理服务器；
步骤2中所述GPS数据集合为：
G＝{g1，g2，g3，···，gN},i∈[1，N]；
gi＝(Xi，Yi)，i∈[1,N]；
其中，N为车内乘客数量即所述乘客移动终端数量，gi为第i个乘客的经纬度坐标；
多位乘客GPS数据经过的区块链共识机制为：
POW共识机制，该机制将剔除与GPS数据集合G中其他坐标相差过大的坐标gi(Xi，Yi)，实现方法是以多机定位拟合得到的客车坐标位置F(X，Y)为圆心，以车辆长度L为半径画圆，没有落在范围内次数最多的点gx即被剔除；
作为优选，步骤3中所述的重心补偿算法为：
gi(Xi，Yi)为同一时刻，第i机位的坐标(i∈[1，N])；
Sk为第k三角形的面积(k＝1，2，3，…，N-2)；
Ek(Xk，Yk)为第k三角形的重心所对应的坐标(k＝1，2，3，…，N-2)；
F(X，Y)为拟合的客车坐标位置；
(三角形i、j、m为逆时针排列)
Ek：
F：
作为优选，步骤4中所述行车大数据R：为通过多位驾驶员长时间的行车数据得到不同路段的安全行车速度大数据R；
步骤4中所述的驾驶行为特征集合为：
J＝{O,P,Q}
其中，O为驾驶员的变道习惯特征，P为驾驶员的加减速习惯特征，Q为驾驶员特定路段的速度特征；
步骤4中所述的驾驶行为特征集合数据来源为：由车辆重心坐标I的变化分析得到驾驶员变道习惯特征，由车辆行驶速度数据集合H分析得到驾驶员的加减速习惯特征，由驾驶员长时间的行车数据得到驾驶员在特定路段(如：弯道、上下坡路段、自然环境恶劣路段)的行车速度特征；
所述车辆行驶速度数据集合为：
H＝{h1，h2，h3，…，hN}，N＝15为乘客移动终端数量，h1，h2，h3，…，hN依次为第1,2,3，…，N个乘客移动终端采集的数据；
步骤4所述的路段安全行驶速度为：
多位驾驶员长时间安全行驶过特定路段的速度，经过统计分析后得到的该路段的安全通行速度Vj；
作为优选，步骤5所述超速预警为：在车辆即将行驶到特定路段时，区块链数据处理服务器通过车速预测算法预测车速，若达到安全车速阀值，即判定驾驶员超速；
步骤5中所述超速预警车速预测算法为：
VM＝Vt+a,其中Vt为客车在t时刻的速度，a为车辆在(t-1)时刻的加速度，VM为(t+1)时刻的预测车速；
在车辆即将行驶到特定路段时，区块链数据处理服务器中内置的车速预测算法结合当前加速度对车辆速度进行惯性预测，将预测车速VP与安全车速阀值VS进行比较和判定，若达到安全车速阈值，即对驾驶员发出超速报警信息；
步骤5所述超载预警为：区块链数据处理服务器利用圆心检测算法检测车辆GPS定位一定范围内乘客GPS信号的数量，将检测数量发送到区块链，将检查结果与客车核载人数对比，一旦检测到车辆满员，即对驾驶员发出超载预警信息；
步骤5中所述圆心检测算法为：
区块链数据处理服务器提取步骤3中得到的拟合的客车坐标位置F,以该坐标为圆心，以车辆长度L为半径画圆，若此范围内乘客GPS信号数量通过步骤2中所述区块链共识机制达到核载乘客数量CX，即发出超载报警信息；
步骤5所述疲劳驾驶预警为：区块链数据处理服务器利用驾驶员模式识别算法提取云端数据存储服务器中的驾驶员驾驶行为特征，与当前时刻的驾驶行为特征进行模式识别、特征匹配，一旦检测到同一驾驶特征连续驾驶T＝4小时，区块链数据处理服务器中的驾驶员模式识别算法判定驾驶员疲劳驾驶，即对驾驶员发出疲劳驾驶报警信号；
步骤5中所述驾驶员模式识别算法为：
构建BP神经网络对驾驶员模式进行预测；
所述BP神经网络由第一BP神经网络以及第二BP神经网络构成；
所述第一BP神经网络采用3层网络结构，网络输入层节点为数为3，分别对应车辆的速度、加速度、高精度GPS坐标，隐含层数为1，输出层节点数为3，分别对应车辆在道路上行驶的速度、变道、加减速状态；
所述第二BP神经网络采用3层BP神经网络，网络输入层节点数为5，分别对应车辆在道路上行驶的速度、变道情况、加减速状态、时间、天气状况，隐含层数为1，输出层节点数为2，分别对应是该车初始驾驶员、非该车初始驾驶员；
步骤5所述恶意更改营运路线预警为：区块链数据处理服务器利用行车路线对比算法提取当前车辆行驶路线信息，与电子地图上的既定行车路线进行匹配比对，一旦检测到不符合既定路线，行车路线算法判定行车路线已更改，即对驾驶员发出偏离路线行为报警；
步骤5中所述行车路线对比算法为：
首先在规定车辆行驶路线上添加检查点P，检查点之间的间隔L距离根据路况而定，当检测到车辆行驶至检查点时，即路线匹配成功，若缺失检查点数据，则路线匹配不成功；
作为优选，步骤6中所述乘客举报消息核实的机制为：
乘客可通过所述乘客移动终端举报驾驶员的违规行为，通过P2P网络将此消息广播给车上的其他乘客{1,2,3，···，N}，通过乘客共识机制核实乘客举报内容的真伪性；
所述乘客共识机制为：
车上其他乘客通过P2P网络获得某乘客的举报消息，一旦有超过半数乘客确认乘客举报消息为真，驾驶员违章行为即成立，共识结束；
作为优选，步骤7所述存储在区块链数据存储服务器的机制为：
驾驶员违章记录以梅克尔根的形式存储在区块链数据存储服务器中，区块链数据处理服务器将含有梅克尔根、时间戳、版本号等的区块头进行哈希计算；
步骤7所述信息加密为：对涉及驾驶员、乘客隐私的数据，进行椭圆曲线的非对称性加密；乘客、驾驶员需要申请属于自己的密钥,密钥中包含一个私钥和用户的钱包地址；驾驶员向管理方提供自己的密钥，即对违章记录进行查询,提交罚款,对不实违章信息进行申诉等，加密后其他人无法查看相关数据；
作为优选，步骤8所述责任追究功能为：利用区块链的可追溯性，一旦区块链中数据遭到恶意攻击,***将通过区块链中的链式结构迅速追溯到该非法行为并进行曝光,使违法行为无处藏匿。
本发明优点如下：
从行车数据的产生看，本项目提出的行车数据的产生是由多个节点(人、车、路、站)对一条行车数据达成共识，相对传统的信息由一个车辆节点产生更加真实可信。且本项目利用区块链技术，能够有效保证行车信息的防篡改性和可追溯性。
传统的依靠人工检查，对警告消息的传播依然停留在人力层面，这些方式需要根据汽车行驶路线人为设置检查站点，需要消耗大量人力、物力、财力，而本项目对车辆信息达成一致后，直接由固定单元进行广播，不需要可信任的第三方处理车辆行驶数据，就可将正确的消息广播给其他节点，大大减少人力、物力、财力的投入。
在行车信息采集时，全天候、不间断的对车辆进行实时监控，有效地保证了预警***中行车数据的时效性；区块链技术是一个分布式账本，保证了违章信息的可靠性。
附图说明
图1：为本发明***框架；
图2：为本发明方法流程；
图3：超速行为预警流程；
图4：超载行为预警流程；
图5：疲劳驾驶行为预警流程；
图6：恶意更改营运路线预警流程；
图7：多机位重心补偿算法示意。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
本发明***的技术方案为一种基于区块链的公路客运违章实时预警***，其特征在于，包括：多个乘客移动终端、移动终端无线通信模块、云端数据存储服务器、区块链数据处理服务器、区块链数据存储服务器。具体如附图1所示。
所述多个乘客移动终端分别与所述移动终端无线通信模块通过无线通信方式依次连接；所述的移动终端无线通信模块、云端数据存储服务器、区块链数据处理服务器、区块链数据存储服务器通过导线依次串联连接。
所述多个乘客移动终端的选型均为搭载Android/iOS***的智能手机或平板；
所述移动终端无线通信模块选型为ME909S-821；
所述云端数据存储服务器选型为PowerEdge R730；
所述区块链数据处理服务器和所述区块链数据存储服务器的选型均为T430 E5-2603v3。
下面结合图1至图7介绍本发明的具体实施方式为：
通过某特定驾驶员的长时间行车数据得到其驾驶特征集合J，通过多位驾驶员长时间的行车数据得到不同路段(弯道、上下坡路段、自然环境恶劣路段)的安全行车速度大数据R；
超速行为预警数据采集方法，通过所述多个乘客移动终端上搭载的违章预警APP实时记录车辆的行驶速度，得到关于车辆行驶速度的数据集合H，通过所述移动终端无线通信模块上传至云端数据存储服务器中；
所述车辆行驶速度的数据集合H＝{h1，h2，h3，…，hN}，N＝15为乘客移动终端数量，h1，h2，h3，…，hN依次为第1,2,3，…，N个乘客移动终端采集的数据；
超载行为预警数据采集方法，通过所述多个乘客移动终端上搭载的违章预警APP实时记录所有乘客手机的GPS坐标数据集合G，该数据通过所述移动终端无线通信模块上传至云端数据存储服务器中；
疲劳驾驶行为预警数据采集方法，预先通过某特定驾驶员的长时间行车数据得到其驾驶特征集合J并存储于云端数据存储模块中，通过所述多个乘客移动终端上搭载的违章预警APP实时记录车辆的行驶速度；
恶意更改营运路线行为预警数据采集方法，由公路客运营运商处获取正确的车辆行驶路线信息M，通过坐标形式存储于云端数据存储服务器中，通过所述乘客移动终端上搭载的违章预警APP实时记录所有乘客手机的GPS坐标数据集合G，区块链数据处理服务器通过内置的重心补偿算法计算得到的客车坐标位置F作为车辆行驶的实时坐标数据。
本发明的具体实施方式步骤为：
步骤1：通过所述移动终端无线通信模块将客车驾驶员基本信息集合上传至云端数据存储服务器；
步骤1中所述客车驾驶员X基本信息集合为：
PX＝{AX，BX，CX，DX}
其中，AX为驾驶员X姓名驾龄信息，BX为驾驶员X所驾车辆牌照信息，CX为驾驶员X驾驶的车辆核载乘客数量信息，DX为驾驶员X驾驶的车辆规定的行车路线信息；
步骤2：通过所述乘客移动终端，收集多位乘客GPS数据集合，通过移动终端无线通信模块传输至所述云端数据存储服务器，区块链数据处理服务器调用云端数据存储服务器中的乘客GPS数据进行共识识别；
步骤2中将所述移动终端收集的GPS数据集合无线传输至所述云端数据存储服务器为：
GPS数据集合G经由所述乘客移动终端无线传输至所述移动终端无线通信模块，再由所述移动终端无线通信模块传输至所述云端数据存储服务器，进一步传输至所述区块链数据处理服务器；
步骤2中所述GPS数据集合为：
G＝{g1，g2，g3，···，gN},i∈[1，N]；
gi＝(Xi，Yi)，i∈[1,N]；
其中，N为车内乘客数量即所述乘客移动终端数量，gi为第i个乘客的经纬度坐标；
多位乘客GPS数据经过的区块链共识机制为：
POW共识机制，该机制将剔除与GPS数据集合G中其他坐标相差过大的坐标gi(Xi，Yi)，实现方法是以多机定位拟合得到的客车坐标位置F(X，Y)为圆心，以车辆长度L为半径画圆，没有落在范围内次数最多的点gx即被剔除；
步骤3：通过所述区块链数据处理服务器内设定的重心补偿算法运算处理GPS数据集合以获得高精度GPS坐标，利用高精度GPS坐标得到车辆的速度Vt与车辆加速度a；
步骤3中所述的重心补偿算法为：
gi(Xi，Yi)为同一时刻，第i机位的坐标(i∈[1，N])；
Sk为第k三角形的面积(k＝1，2，3，…，N-2)；
Ek(Xk，Yk)为第k三角形的重心所对应的坐标(k＝1，2，3，…，N-2)；
F(X，Y)为拟合的客车坐标位置；
(三角形i、j、m为逆时针排列)
Ek：
F：
步骤4：通过区块链数据处理服务器对行车大数据R进行分析处理，获得某特定驾驶员的驾驶行为特征集合、不同路段的安全行驶速度数据，并传输至云端数据存储服务器；
步骤4中所述行车大数据R：为通过多位驾驶员长时间的行车数据得到不同路段(弯道、上下坡路段、自然环境恶劣路段)的安全行车速度大数据R；
步骤4中所述的驾驶行为特征集合为：
J＝{O,P,Q}
其中，O为驾驶员的变道习惯特征，P为驾驶员的加减速习惯特征，Q为驾驶员特定路段的速度特征；
步骤4中所述的驾驶行为特征集合数据来源为：由车辆重心坐标I的变化分析得到驾驶员变道习惯特征，由车辆行驶速度数据集合H分析得到驾驶员的加减速习惯特征，由驾驶员长时间的行车数据得到驾驶员在特定路段(如：弯道、上下坡路段、自然环境恶劣路段)的行车速度特征；
所述车辆行驶速度数据集合为：
H＝{h1，h2，h3，…，hN}，N＝15为乘客移动终端数量，h1，h2，h3，…，hN依次为第1,2,3，…，N个乘客移动终端采集的数据；
步骤4所述的路段安全行驶速度为：
多位驾驶员长时间安全行驶过特定路段的速度，经过统计分析后得到的该路段的安全通行速度Vj；
步骤5：区块链数据处理服务器根据超速预警、超载预警、疲劳驾驶预警以及恶意更改营运路线预警判断驾驶员违章行为，通过智能合约对驾驶员发出相应预警信息；
步骤5所述超速预警为：在车辆即将行驶到特定路段时，区块链数据处理服务器通过车速预测算法预测车速，若达到安全车速阀值，即判定驾驶员超速；
步骤5中所述超速预警车速预测算法为：
VM＝Vt+a,其中Vt为客车在t时刻的速度，a为车辆在(t-1)时刻的加速度，VM为(t+1)时刻的预测车速；
在车辆即将行驶到特定路段时，区块链数据处理服务器中内置的车速预测算法结合当前加速度对车辆速度进行惯性预测，将预测车速VP与安全车速阀值VS进行比较和判定，若达到安全车速阈值，即对驾驶员发出超速报警信息；
步骤5所述超载预警为：区块链数据处理服务器利用圆心检测算法检测车辆GPS定位一定范围内乘客GPS信号的数量，将检测数量发送到区块链，将检查结果与客车核载人数对比，一旦检测到车辆满员，即对驾驶员发出超载预警信息；
步骤5中所述圆心检测算法为：
区块链数据处理服务器提取步骤3中得到的拟合的客车坐标位置F,以该坐标为圆心，以车辆长度L为半径画圆，若此范围内乘客GPS信号数量通过步骤2中所述区块链共识机制达到核载乘客数量CX，即发出超载报警信息；
步骤5所述疲劳驾驶预警为：区块链数据处理服务器利用驾驶员模式识别算法提取云端数据存储服务器中的驾驶员驾驶行为特征，与当前时刻的驾驶行为特征进行模式识别、特征匹配，一旦检测到同一驾驶特征连续驾驶T＝4小时，区块链数据处理服务器中的驾驶员模式识别算法判定驾驶员疲劳驾驶，即对驾驶员发出疲劳驾驶报警信号；
步骤5中所述驾驶员模式识别算法为：
构建BP神经网络对驾驶员模式进行预测；
所述BP神经网络由第一BP神经网络以及第二BP神经网络构成；
所述第一BP神经网络采用3层网络结构，网络输入层节点为数为3，分别对应车辆的速度、加速度、高精度GPS坐标，隐含层数为1，输出层节点数为3，分别对应车辆在道路上行驶的速度、变道、加减速状态；
所述第二BP神经网络采用3层BP神经网络，网络输入层节点数为5，分别对应车辆在道路上行驶的速度、变道情况、加减速状态、时间、天气状况，隐含层数为1，输出层节点数为2，分别对应是该车初始驾驶员、非该车初始驾驶员；
步骤5所述恶意更改营运路线预警为：区块链数据处理服务器利用行车路线对比算法提取当前车辆行驶路线信息，与电子地图上的既定行车路线进行匹配比对，一旦检测到不符合既定路线，行车路线算法判定行车路线已更改，即对驾驶员发出偏离路线行为报警；
步骤5中所述行车路线对比算法为：
首先在规定车辆行驶路线上添加检查点P，检查点之间的间隔L距离根据路况而定，当检测到车辆行驶至检查点时，即路线匹配成功，若缺失检查点数据，则路线匹配不成功；
步骤6：乘客移动终端若发现驾驶员存在超速、超载、疲劳驾驶、恶意更改营运路线违规行为，乘客可通过所述乘客移动终端举报驾驶员的违规行为，乘客举报消息核实后，即可对驾驶员发出报警或提示；
步骤6中所述乘客举报消息核实的机制为：
乘客可通过所述乘客移动终端举报驾驶员的违规行为，通过P2P网络将此消息广播给车上的其他乘客{1,2,3，···，N}，通过乘客共识机制核实乘客举报内容的真伪性；
所述乘客共识机制为：
车上其他乘客通过P2P网络获得某乘客的举报消息，一旦有超过半数乘客确认乘客举报消息为真，驾驶员违章行为即成立，共识结束；
步骤7：乘客举报消核实后即通过所述乘客移动终端给予乘客虚拟币奖励，给予驾驶员相应的虚拟币惩罚，乘客的奖励信息、驾驶员的惩罚信息、驾驶员违章信息经加密后存储在区块链数据存储服务器中；
步骤7所述存储在区块链数据存储服务器的机制为：
驾驶员违章记录以梅克尔根的形式存储在区块链数据存储服务器中，区块链数据处理服务器将含有梅克尔根、时间戳、版本号等的区块头进行哈希计算；
步骤7所述信息加密为：对涉及驾驶员、乘客隐私的数据，进行椭圆曲线的非对称性加密；乘客、驾驶员需要申请属于自己的密钥,密钥中包含一个私钥和用户的钱包地址；驾驶员向管理方提供自己的密钥，即对违章记录进行查询,提交罚款,对不实违章信息进行申诉等，加密后其他人无法查看相关数据；
步骤8：责任追究功能，一旦有人试图修改区块链数据存储服务器中存储的驾驶员违章信息以逃避法律制裁时，***将自动启动责任追究功能；
步骤8所述责任追究功能为：利用区块链的可追溯性，一旦区块链中数据遭到恶意攻击,***将通过区块链中的链式结构迅速追溯到该非法行为并进行曝光,使违法行为无处藏匿。
尽管本说明书较多地使用了多个乘客移动终端、移动终端无线通信模块、云端数据存储服务器、区块链数据处理服务器、区块链数据存储服务器等术语，但并不排除使用其他术语的可能性。使用这些术语仅仅是为了更方便的描述本发明的本质，把它们解释成任何一种附加的限制都是与本发明精神相违背的。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (10)

1.一种基于区块链的公路客运违章实时预警***，其特征在于，包括：包括：多个乘客移动终端、移动终端无线通信模块、云端数据存储服务器、区块链数据处理服务器、区块链数据存储服务器；
所述多个乘客移动终端分别与所述移动终端无线通信模块通过无线通信方式依次连接；所述的移动终端无线通信模块、云端数据存储服务器、区块链数据处理服务器、区块链数据存储服务器通过导线依次串联连接。
2.一种采用权利要求1所述的基于区块链的公路客运违章实时预警***进行基于区块链的公路客运违章实时预警方法，其特征在于，包括以下步骤：
步骤1：通过所述移动终端无线通信模块将客车驾驶员基本信息集合上传至云端数据存储服务器；
步骤2：通过所述乘客移动终端，收集多位乘客GPS数据集合，通过移动终端无线通信模块传输至所述云端数据存储服务器，区块链数据处理服务器调用云端数据存储服务器中的乘客GPS数据进行共识识别；
步骤3：通过所述区块链数据处理服务器内设定的重心补偿算法运算处理GPS数据集合以获得高精度GPS坐标，利用高精度GPS坐标得到车辆的速度Vt与车辆加速度a；
步骤4：通过区块链数据处理服务器对行车大数据R进行分析处理，获得某特定驾驶员的驾驶行为特征集合、不同路段的安全行驶速度数据，并传输至云端数据存储服务器；
步骤5：区块链数据处理服务器根据超速预警、超载预警、疲劳驾驶预警以及恶意更改营运路线预警判断驾驶员违章行为，通过智能合约对驾驶员发出相应预警信息；
步骤6：乘客移动终端若发现驾驶员存在超速、超载、疲劳驾驶、恶意更改营运路线违规行为，乘客可通过所述乘客移动终端举报驾驶员的违规行为，乘客举报消息核实后，即可对驾驶员发出报警或提示；
步骤7：乘客举报消息核实后即通过所述乘客移动终端给予乘客虚拟币奖励，给予驾驶员相应的虚拟币惩罚，乘客的奖励信息、驾驶员的惩罚信息、驾驶员违章信息经加密后存储在区块链数据存储服务器中；
步骤8：责任追究功能，一旦有人试图修改区块链数据存储服务器中存储的驾驶员违章信息以逃避法律制裁时，***将自动启动责任追究功能。
3.根据权利要求2所述的基于区块链的公路客运违章实时预警方法，其特征在于，步骤1中所述客车驾驶员X基本信息集合为：
PX＝{AX，BX，CX，DX}
其中，AX为驾驶员X姓名驾龄信息，BX为驾驶员X所驾车辆牌照信息，CX为驾驶员X驾驶的车辆核载乘客数量信息，DX为驾驶员X驾驶的车辆规定的行车路线信息。
4.根据权利要求2所述的基于区块链的公路客运违章实时预警方法，其特征在于，步骤2中将所述移动终端收集的GPS数据集合无线传输至所述云端数据存储服务器为：
GPS数据集合G经由所述乘客移动终端无线传输至所述移动终端无线通信模块，再由所述移动终端无线通信模块传输至所述云端数据存储服务器，进一步传输至所述区块链数据处理服务器；
步骤2中所述GPS数据集合为：
G＝{g1，g2，g3，···，gN},i∈[1，N]；
gi＝(Xi，Yi)，i∈[1,N]；
其中，N为车内乘客数量即所述乘客移动终端数量，gi为第i个乘客的经纬度坐标；
多位乘客GPS数据经过的区块链共识机制为：
POW共识机制，该机制将剔除与GPS数据集合G中其他坐标相差过大的坐标gi(Xi，Yi)，实现方法是以多机定位拟合得到的客车坐标位置F(X，Y)为圆心，以车辆长度L为半径画圆，没有落在范围内次数最多的点gx即被剔除。
5.根据权利要求2所述的基于区块链的公路客运违章实时预警方法，其特征在于，步骤3中所述的重心补偿算法为：
gi(Xi，Yi)为同一时刻，第i机位的坐标(i∈[1，N])；
Sk为第k三角形的面积(k＝1，2，3，…，N-2)；
Ek(Xk，Yk)为第k三角形的重心所对应的坐标(k＝1，2，3，…，N-2)；
F(X，Y)为拟合的客车坐标位置；
(三角形i、j、m为逆时针排列)
6.根据权利要求2所述的基于区块链的公路客运违章实时预警方法，其特征在于，步骤4中所述行车大数据R：为通过多位驾驶员长时间的行车数据得到不同路段的安全行车速度大数据R；
步骤4中所述的驾驶行为特征集合为：
J＝{O,P,Q}
其中，O为驾驶员的变道习惯特征，P为驾驶员的加减速习惯特征，Q为驾驶员特定路段的速度特征；
步骤4中所述的驾驶行为特征集合数据来源为：由车辆重心坐标I的变化分析得到驾驶员变道习惯特征，由车辆行驶速度数据集合H分析得到驾驶员的加减速习惯特征，由驾驶员长时间的行车数据得到驾驶员在特定路段(如：弯道、上下坡路段、自然环境恶劣路段)的行车速度特征；
所述车辆行驶速度数据集合为：
H＝{h1，h2，h3，…，hN}，N＝15为乘客移动终端数量，h1，h2，h3，…，hN依次为第1,2,3，…，N个乘客移动终端采集的数据；
步骤4所述的路段安全行驶速度为：
多位驾驶员长时间安全行驶过特定路段的速度，经过统计分析后得到的该路段的安全通行速度Vj。
7.根据权利要求2所述的基于区块链的公路客运违章实时预警方法，其特征在于，步骤5所述超速预警为：在车辆即将行驶到特定路段时，区块链数据处理服务器通过车速预测算法预测车速，若达到安全车速阀值，即判定驾驶员超速；
步骤5中所述超速预警车速预测算法为：
VM＝Vt+a,其中Vt为客车在t时刻的速度，a为车辆在(t-1)时刻的加速度，VM为(t+1)时刻的预测车速；
在车辆即将行驶到特定路段时，区块链数据处理服务器中内置的车速预测算法结合当前加速度对车辆速度进行惯性预测，将预测车速VP与安全车速阀值VS进行比较和判定，若达到安全车速阈值，即对驾驶员发出超速报警信息；
步骤5所述超载预警为：区块链数据处理服务器利用圆心检测算法检测车辆GPS定位一定范围内乘客GPS信号的数量，将检测数量发送到区块链，将检查结果与客车核载人数对比，一旦检测到车辆满员，即对驾驶员发出超载预警信息；
步骤5中所述圆心检测算法为：
区块链数据处理服务器提取步骤3中得到的拟合的客车坐标位置F,以该坐标为圆心，以车辆长度L为半径画圆，若此范围内乘客GPS信号数量通过步骤2中所述区块链共识机制达到核载乘客数量CX，即发出超载报警信息；
步骤5所述疲劳驾驶预警为：区块链数据处理服务器利用驾驶员模式识别算法提取云端数据存储服务器中的驾驶员驾驶行为特征，与当前时刻的驾驶行为特征进行模式识别、特征匹配，一旦检测到同一驾驶特征连续驾驶T＝4小时，区块链数据处理服务器中的驾驶员模式识别算法判定驾驶员疲劳驾驶，即对驾驶员发出疲劳驾驶报警信号；
步骤5中所述驾驶员模式识别算法为：
构建BP神经网络对驾驶员模式进行预测；
所述BP神经网络由第一BP神经网络以及第二BP神经网络构成；
所述第一BP神经网络采用3层网络结构，网络输入层节点为数为3，分别对应车辆的速度、加速度、高精度GPS坐标，隐含层数为1，输出层节点数为3，分别对应车辆在道路上行驶的速度、变道、加减速状态；
所述第二BP神经网络采用3层BP神经网络，网络输入层节点数为5，分别对应车辆在道路上行驶的速度、变道情况、加减速状态、时间、天气状况，隐含层数为1，输出层节点数为2，分别对应是该车初始驾驶员、非该车初始驾驶员；
步骤5所述恶意更改营运路线预警为：区块链数据处理服务器利用行车路线对比算法提取当前车辆行驶路线信息，与电子地图上的既定行车路线进行匹配比对，一旦检测到不符合既定路线，行车路线算法判定行车路线已更改，即对驾驶员发出偏离路线行为报警；
步骤5中所述行车路线对比算法为：
首先在规定车辆行驶路线上添加检查点P，检查点之间的间隔L距离根据路况而定，当检测到车辆行驶至检查点时，即路线匹配成功，若缺失检查点数据，则路线匹配不成功。
8.根据权利要求2所述的基于区块链的公路客运违章实时预警方法，其特征在于，步骤6中所述乘客举报消息核实的机制为：
乘客可通过所述乘客移动终端举报驾驶员的违规行为，通过P2P网络将此消息广播给车上的其他乘客{1,2,3，···，N}，通过乘客共识机制核实乘客举报内容的真伪性；
所述乘客共识机制为：
车上其他乘客通过P2P网络获得某乘客的举报消息，一旦有超过半数乘客确认乘客举报消息为真，驾驶员违章行为即成立，共识结束。
9.根据权利要求2所述的基于区块链的公路客运违章实时预警方法，其特征在于，步骤7所述存储在区块链数据存储服务器的机制为：
驾驶员违章记录以梅克尔根的形式存储在区块链数据存储服务器中，区块链数据处理服务器将含有梅克尔根、时间戳、版本号等的区块头进行哈希计算；
步骤7所述信息加密为：对涉及驾驶员、乘客隐私的数据，进行椭圆曲线的非对称性加密；乘客、驾驶员需要申请属于自己的密钥,密钥中包含一个私钥和用户的钱包地址；驾驶员向管理方提供自己的密钥，即对违章记录进行查询,提交罚款,对不实违章信息进行申诉等，加密后其他人无法查看相关数据。
10.根据权利要求2所述的基于区块链的公路客运违章实时预警方法，其特征在于，步骤8所述责任追究功能为：利用区块链的可追溯性，一旦区块链中数据遭到恶意攻击,***将通过区块链中的链式结构迅速追溯到该非法行为并进行曝光,使违法行为无处藏匿。
CN201910405650.7A 2019-05-16 2019-05-16 一种基于区块链的公路客运违章实时预警***及方法 Active CN110060484B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910405650.7A CN110060484B (zh) 2019-05-16 2019-05-16 一种基于区块链的公路客运违章实时预警***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910405650.7A CN110060484B (zh) 2019-05-16 2019-05-16 一种基于区块链的公路客运违章实时预警***及方法

Publications (2)

Publication Number Publication Date
CN110060484A true CN110060484A (zh) 2019-07-26
CN110060484B CN110060484B (zh) 2021-10-22

Family

ID=67323347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910405650.7A Active CN110060484B (zh) 2019-05-16 2019-05-16 一种基于区块链的公路客运违章实时预警***及方法

Country Status (1)

Country Link
CN (1) CN110060484B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427432A (zh) * 2019-08-08 2019-11-08 英华达（上海）科技有限公司 基于区块链的违章事件处理方法、***、设备及存储介质
CN110533912A (zh) * 2019-09-16 2019-12-03 腾讯科技（深圳）有限公司 基于区块链的驾驶行为检测方法及装置
CN110956820A (zh) * 2019-12-12 2020-04-03 武汉理工大学 一种基于乘客手机gps定位的公路客运超载实时预警***
CN111047835A (zh) * 2019-12-12 2020-04-21 武汉理工大学 一种基于区块链的公路客运超速预警***
CN112989069A (zh) * 2021-05-10 2021-06-18 苏州博宇鑫交通科技有限公司 一种基于知识图谱与区块链的交通违章分析方法
CN113156475A (zh) * 2021-04-30 2021-07-23 中国人民解放军66072部队 一种动态指挥监控方法和装置
CN113591137A (zh) * 2021-09-29 2021-11-02 深圳时空云科技有限公司 基于区块链的管理方法及装置
CN113850170A (zh) * 2021-09-17 2021-12-28 泰州市雷信农机电制造有限公司 基于区块链存储的逆行鉴定***
CN113870574A (zh) * 2021-09-17 2021-12-31 南京熊猫电子股份有限公司 一种自动检测客车违章载客预警的***和方法
US20220048521A1 (en) * 2020-08-11 2022-02-17 Toyota Jidosha Kabushiki Kaisha Server apparatus, system, vehicle-mounted apparatus, medium, vehicle, and method of operating system
CN116436965A (zh) * 2023-06-13 2023-07-14 中国人民大学 一种基于区块链的事件处理***

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120037523A (ko) * 2010-10-12 2012-04-20 박지영 자동응답기능을 구비한 내비게이션 단말기
CN105280000A (zh) * 2014-06-11 2016-01-27 中兴通讯股份有限公司 预警处理方法和装置
CN105928657A (zh) * 2016-05-27 2016-09-07 大连楼兰科技股份有限公司 车辆质心位置测量装置及方法
CN107464205A (zh) * 2017-09-11 2017-12-12 郑州云海信息技术有限公司 一种基于云计算的客运汽车监督***及方法
CN109146217A (zh) * 2017-06-19 2019-01-04 北京嘀嘀无限科技发展有限公司 行程安全评估方法、装置、服务器、计算机可读存储介质
CN109325751A (zh) * 2018-09-30 2019-02-12 深圳市元征科技股份有限公司 一种基于区块链技术的车辆违章监察方法及相关设备
KR101947961B1 (ko) * 2018-07-13 2019-02-13 장승현 버스 정보 안내기를 위한 장애 관리 시스템 및 그의 처리 방법
CN109360417A (zh) * 2018-10-19 2019-02-19 福建工程学院 一种基于区块链的危险驾驶行为辨识与推送方法及***
CN109377748A (zh) * 2018-12-03 2019-02-22 武汉理工大学 一种基于区块链的乘客出行数据采集存储***及方法
CN109493566A (zh) * 2018-12-18 2019-03-19 长安大学 一种基于gps数据的疲劳驾驶预测方法
CN109658704A (zh) * 2018-11-29 2019-04-19 深圳市元征科技股份有限公司 一种车辆超速管理方法以及***
CN110595688A (zh) * 2019-10-18 2019-12-20 江麓机电集团有限公司 车辆三维质心检测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120037523A (ko) * 2010-10-12 2012-04-20 박지영 자동응답기능을 구비한 내비게이션 단말기
CN105280000A (zh) * 2014-06-11 2016-01-27 中兴通讯股份有限公司 预警处理方法和装置
CN105928657A (zh) * 2016-05-27 2016-09-07 大连楼兰科技股份有限公司 车辆质心位置测量装置及方法
CN109146217A (zh) * 2017-06-19 2019-01-04 北京嘀嘀无限科技发展有限公司 行程安全评估方法、装置、服务器、计算机可读存储介质
CN107464205A (zh) * 2017-09-11 2017-12-12 郑州云海信息技术有限公司 一种基于云计算的客运汽车监督***及方法
KR101947961B1 (ko) * 2018-07-13 2019-02-13 장승현 버스 정보 안내기를 위한 장애 관리 시스템 및 그의 처리 방법
CN109325751A (zh) * 2018-09-30 2019-02-12 深圳市元征科技股份有限公司 一种基于区块链技术的车辆违章监察方法及相关设备
CN109360417A (zh) * 2018-10-19 2019-02-19 福建工程学院 一种基于区块链的危险驾驶行为辨识与推送方法及***
CN109658704A (zh) * 2018-11-29 2019-04-19 深圳市元征科技股份有限公司 一种车辆超速管理方法以及***
CN109377748A (zh) * 2018-12-03 2019-02-22 武汉理工大学 一种基于区块链的乘客出行数据采集存储***及方法
CN109493566A (zh) * 2018-12-18 2019-03-19 长安大学 一种基于gps数据的疲劳驾驶预测方法
CN110595688A (zh) * 2019-10-18 2019-12-20 江麓机电集团有限公司 车辆三维质心检测方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427432A (zh) * 2019-08-08 2019-11-08 英华达（上海）科技有限公司 基于区块链的违章事件处理方法、***、设备及存储介质
CN110533912A (zh) * 2019-09-16 2019-12-03 腾讯科技（深圳）有限公司 基于区块链的驾驶行为检测方法及装置
CN110956820A (zh) * 2019-12-12 2020-04-03 武汉理工大学 一种基于乘客手机gps定位的公路客运超载实时预警***
CN111047835A (zh) * 2019-12-12 2020-04-21 武汉理工大学 一种基于区块链的公路客运超速预警***
US20220048521A1 (en) * 2020-08-11 2022-02-17 Toyota Jidosha Kabushiki Kaisha Server apparatus, system, vehicle-mounted apparatus, medium, vehicle, and method of operating system
CN113156475A (zh) * 2021-04-30 2021-07-23 中国人民解放军66072部队 一种动态指挥监控方法和装置
CN112989069A (zh) * 2021-05-10 2021-06-18 苏州博宇鑫交通科技有限公司 一种基于知识图谱与区块链的交通违章分析方法
CN113850170A (zh) * 2021-09-17 2021-12-28 泰州市雷信农机电制造有限公司 基于区块链存储的逆行鉴定***
CN113870574A (zh) * 2021-09-17 2021-12-31 南京熊猫电子股份有限公司 一种自动检测客车违章载客预警的***和方法
CN113591137A (zh) * 2021-09-29 2021-11-02 深圳时空云科技有限公司 基于区块链的管理方法及装置
CN116436965A (zh) * 2023-06-13 2023-07-14 中国人民大学 一种基于区块链的事件处理***
CN116436965B (zh) * 2023-06-13 2023-09-01 中国人民大学 一种基于区块链的事件处理***

Also Published As

Publication number Publication date
CN110060484B (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN110060484A (zh) 一种基于区块链的公路客运违章实时预警***及方法
US11042619B2 (en) Vehicle occupant tracking and trust
CN111462484B (zh) 拥堵状态的确定方法、装置、设备及计算机可读存储介质
CN107784587A (zh) 一种驾驶行为评价***
CN112447041B (zh) 识别车辆的营运行为的方法、装置及计算设备
CN102426776A (zh) 机动车代驾网络监控***及其方法
CN104730494A (zh) 移动枪声检测
CN114446056B (zh) 车辆信息码的生成以及车辆通行控制方法、装置及设备
CN106611167A (zh) 一种跟踪方法及***
Choosri et al. IoT-RFID testbed for supporting traffic light control
CN108764042A (zh) 一种异常路况信息识别方法、装置及终端设备
CN107004353B (zh) 交通违章管理***和交通违章管理方法
CN109272745A (zh) 一种基于深度神经网络的车辆轨迹预测方法
US20070282519A1 (en) System and method for analyzing traffic disturbances reported by vehicles
CN103593977B (zh) 私家车非法营运的检测方法
CN202306814U (zh) 机动车代驾网络监控***
CN109118787A (zh) 一种基于深度神经网络的车辆速度预测方法
CN113345229B (zh) 基于联邦学习的道路预警方法及其相关设备
CN112950935A (zh) 一种基于大数据平台的高速交通管控***
CN111404874A (zh) 出租车嫌疑车辆甄别分析体系架构
CN111416841A (zh) 监控信息处理方法、***、终端及可读存储介质
CN107004351B (zh) 交通违章管理***和交通违章管理方法
CN115797403A (zh) 交通事故预测方法和装置、存储介质及电子设备
CN109686119A (zh) 车位共享***
CN111192450A (zh) 一种联网车辆管理方法及***

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