CN112197781A - 一种基于云计算的车载数据管理*** - Google Patents
一种基于云计算的车载数据管理*** Download PDFInfo
- Publication number
- CN112197781A CN112197781A CN202010994556.2A CN202010994556A CN112197781A CN 112197781 A CN112197781 A CN 112197781A CN 202010994556 A CN202010994556 A CN 202010994556A CN 112197781 A CN112197781 A CN 112197781A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- distance
- information
- dangerous
- mounted computer
- 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
Classifications
-
- 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
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- 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
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于云计算的车载数据管理***,属于计算机领域,包括车载测距***和云服务器,车载测距***通过移动网络与云服务器通信,解决了通过采集车前测距雷达的测距信息,统计出司机个人的出行习惯、驾驶习惯和给出最优导航信息的技术问题,本发明通过检测大量的车前雷达的测距结果,统计出司机容易触发危险车距的路段,将该路段设定为拥堵路段,根据司机的个人出行习惯量身制定导航路线,极大的提高了导航的准确度,实现了私人化服务,本发明根据司机的驾驶习惯,在拥堵路段对司机进行提醒,使其保持安全车距,降低了事故的发生频率。
Description
技术领域
本发明属于计算机技术领域,涉及一种基于云计算的车载数据管理***。
背景技术
随着经济的发展,汽车已不仅仅是一个简单的交通工具,汽车也是人们经济生产的重要工具;近年来车辆保有量越来越大,伴随着车辆增多的还有各种车辆交通事故,根据调查,近年来因交通事故伤亡的人呈逐年上升趋势,其中交通安全事故的原因主要包括疲劳驾驶、超速驾驶和酒驾,为了减少交通事故的发生,保障交通安全,人工智能车辆驾驶正逐渐被人们所接受和认可。
多数事故的发生均为司机未保持安全车距所引起,而司机的一些坏的驾驶习惯决定了其事故的发生频率;
目前传统的道路拥堵统计均为通过GPS数据进行云计算统计,这样只能统计出大概的公共道路状况,并不能根据司机自己的出行习惯和驾驶习惯来量身制定导航路线。
发明内容
本发明的目的是提供一种基于云计算的车载数据管理***,解决了通过采集车前测距雷达的测距信息,统计出司机个人的出行习惯、驾驶习惯和给出最优导航信息的技术问题。
为实现上述目的,本发明采用如下技术方案:
一种基于云计算的车载数据管理***,包括车载测距***和云服务器,车载测距***通过移动网络与云服务器通信;
车载测距***包括车载激光测距雷达、单片机和车载电脑,车载激光测距雷达用于测量车辆前方的障碍物的距离,车载激光测距雷达与单片机通过485总线通信,单片机通过CAN总线与车载电脑通信;
车载测距***和云服务器对车载激光测距雷达的测距数据管理包括如下步骤:
步骤1:车载电脑在获取到车辆的启动信息后,向单片机发送车辆启动数据,单片机接收到车辆启动数据后,通过车载激光测距雷达实时读取车辆前方障碍物的距离信息;
步骤2:单片机根据时间戳建立距离信息的距离数据集,距离数据集中的数据格式为:时间戳+距离信息+危险距离标志位,其中,危险距离标志位的置位和清零方法包括如下步骤:
步骤A1:车载电脑通过移动网络读取云服务器中预设的安全距离数据,并记录安全距离数据;
步骤A2:车载电脑将安全距离数据发送给单片机,单片机将安全距离信息作为对比参数,与距离信息进行对比:当距离信息小于安全距离信息时,判断此时为危险距离,执行步骤A3;当安全距离信息小于距离信息时,判断此时为安全距离,执行步骤A4;
步骤A3:将危险距离标志位置位,执行步骤A5;
步骤A4:将危险距离标志位清零,执行步骤A5;
步骤A5:根据步骤A2到步骤A4的方法,对距离数据集中的所有距离信息进行对比,并标识出距离信息对应的危险距离标志位;
步骤A6:统计危险距离标志位均为置位的情况,建立危险距离集缓存,危险距离集缓存中的数据格式为:时间戳+距离信息+危险距离标志位=1;
根据时间戳对危险距离集缓存中的数据进行筛选,得出时间戳为连续的数据作为有效数据,建立危险距离集;
步骤A7:根据危险距离集中的时间戳,得出司机的驾驶习惯时间信息;
步骤3:单片机将危险距离集发送给车载电脑,车载电脑根据时间戳在电子地图中标记车辆行驶轨迹对应距离数据集的路段信息;
步骤4:建立地图轨迹和距离数据集之间的映射列表,判断与危险距离集对应的地图轨迹,将该地图轨迹对应的路段标记为拥堵路段,并记录拥堵时间;
步骤5:车载电脑将拥堵路段、拥堵时间、危险距离集和驾驶习惯时间信息均上传给云服务器,云服务器建立司机驾驶习惯数据库;
步骤6:云服务器根据司机驾驶习惯数据库,统计司机的习惯出行时间、出行路段以及该时间内容易出现拥堵的路段;
步骤7:当司机准备出行并启动车辆后,车载电脑获取到车辆启动信息,并将启动信息发送给单片机,车载电脑根据拥堵路段、拥堵时间、危险距离集和驾驶习惯时间信息建立导航信息;
步骤8:车载电脑同时通过移动网络向云服务器索要该时间点的拥堵路段、危险距离集和驾驶习惯时间信息:索要成功,则执行步骤9;索要不成功,则执行步骤10;
步骤9:车载电脑根据从云服务器索要到的拥堵路段、危险距离集和驾驶习惯时间信息对导航信息进行核对,找出最优导航路线,执行步骤11;
步骤10:车载电脑将步骤7中获取的导航信息作为最优导航路线;
步骤11:结束。
优选的,在执行步骤2到步骤11时,在获取到危险距离集后,车载电脑还建立安全距离机制,安全距离机制的建立包括如下步骤:
步骤B1:车载电脑从云服务器中读取安全行车距离;
步骤B2:根据地图轨迹和距离数据集之间的映射列表,标记危险距离集对应的地图轨迹中的路段信息;
步骤B3:将该路段信息标记为事故多发路段;
行车电脑根据最优导航路线判断最优导航路线是否包含了危险距离集,当车辆行驶到危险距离集对应的路段时,车载电脑向单片机发送安全机制指令;
步骤B4:单片机接收到安全机制指令后,实时读取车载激光测距雷达采集的距离信息,并在该距离信息上添加安全警示距离,当距离信息小于安全警示距离时,单片机向车载电脑发送安全报警;
安全距离信息小于安全警示距离;
步骤B5:云服务器通过WEB页面向司机展示自己的行车驾驶习惯,其中包括习惯出行时间、习惯出行路段、拥堵情况、危险距离集以及危险距离集对应的路段。
优选的,在执行步骤2到步骤11时,当执行步骤B1时,车载电脑无法从云服务器读取安全行车距离时,车载电脑根据自身存储的安全距离数据作为对比参数参与步骤B4中的对比计算。
本发明所述的一种基于云计算的车载数据管理***,解决了通过采集车前测距雷达的测距信息,统计出司机个人的出行习惯、驾驶习惯和给出最优导航信息的技术问题,本发明通过检测大量的车前雷达的测距结果,统计出司机容易触发危险车距的路段,将该路段设定为拥堵路段,根据司机的个人出行习惯量身制定导航路线,极大的提高了导航的准确度,实现了私人化服务,本发明根据司机的驾驶习惯,在拥堵路段对司机进行提醒,使其保持安全车距,降低了事故的发生频率。
附图说明
图1为本发明的***构架图;
图2是本发明的主流程图;
图3是本发明的安全距离机制的建立的流程图;
图4是本发明的车载电脑无法从云服务器读取安全行车距离时的安全距离机制的建立的流程图。
具体实施方式
如图1-图4所示的一种基于云计算的车载数据管理***,包括车载测距***和云服务器,车载测距***通过移动网络与云服务器通信;
车载测距***包括车载激光测距雷达、单片机和车载电脑,车载激光测距雷达用于测量车辆前方的障碍物的距离,车载激光测距雷达与单片机通过485总线通信,单片机通过CAN总线与车载电脑通信;
本实施例中,车载激光测距雷达采用MyAntenna激光测距模块,其最高测距距离达到40M,适合车载使用。
单片机采用ARM系列中的STR712FR,其自带一个CAN借口,可以直接与车载电脑通过CAN总线进行通信。
本发明的电路结构简单,容易实现,容易安装,适用广泛车型。
车载测距***和云服务器对车载激光测距雷达的测距数据管理包括如下步骤:
步骤1:车载电脑在获取到车辆的启动信息后,向单片机发送车辆启动数据,单片机接收到车辆启动数据后,通过车载激光测距雷达实时读取车辆前方障碍物的距离信息;
步骤2:单片机根据时间戳建立距离信息的距离数据集,距离数据集中的数据格式为:时间戳+距离信息+危险距离标志位,其中,危险距离标志位的置位和清零方法包括如下步骤:
步骤A1:车载电脑通过移动网络读取云服务器中预设的安全距离数据,并记录安全距离数据;
步骤A2:车载电脑将安全距离数据发送给单片机,单片机将安全距离信息作为对比参数,与距离信息进行对比:当距离信息小于安全距离信息时,判断此时为危险距离,执行步骤A3;当安全距离信息小于距离信息时,判断此时为安全距离,执行步骤A4;
步骤A3:将危险距离标志位置位,执行步骤A5;
步骤A4:将危险距离标志位清零,执行步骤A5;
步骤A5:根据步骤A2到步骤A4的方法,对距离数据集中的所有距离信息进行对比,并标识出距离信息对应的危险距离标志位;
步骤A6:统计危险距离标志位均为置位的情况,建立危险距离集缓存,危险距离集缓存中的数据格式为:时间戳+距离信息+危险距离标志位=1;
根据时间戳对危险距离集缓存中的数据进行筛选,得出时间戳为连续的数据作为有效数据,建立危险距离集;
步骤A7:根据危险距离集中的时间戳,得出司机的驾驶习惯时间信息;
步骤3:单片机将危险距离集发送给车载电脑,车载电脑根据时间戳在电子地图中标记车辆行驶轨迹对应距离数据集的路段信息;
步骤4:建立地图轨迹和距离数据集之间的映射列表,判断与危险距离集对应的地图轨迹,将该地图轨迹对应的路段标记为拥堵路段,并记录拥堵时间;
步骤5:车载电脑将拥堵路段、拥堵时间、危险距离集和驾驶习惯时间信息均上传给云服务器,云服务器建立司机驾驶习惯数据库;
步骤6:云服务器根据司机驾驶习惯数据库,统计司机的习惯出行时间、出行路段以及该时间内容易出现拥堵的路段;
步骤7:当司机准备出行并启动车辆后,车载电脑获取到车辆启动信息,并将启动信息发送给单片机,车载电脑根据拥堵路段、拥堵时间、危险距离集和驾驶习惯时间信息建立导航信息;
步骤8:车载电脑同时通过移动网络向云服务器索要该时间点的拥堵路段、危险距离集和驾驶习惯时间信息:索要成功,则执行步骤9;索要不成功,则执行步骤10;
步骤9:车载电脑根据从云服务器索要到的拥堵路段、危险距离集和驾驶习惯时间信息对导航信息进行核对,找出最优导航路线,执行步骤11;
步骤10:车载电脑将步骤7中获取的导航信息作为最优导航路线;
步骤11:结束。
优选的,在执行步骤2到步骤11时,在获取到危险距离集后,车载电脑还建立安全距离机制,安全距离机制的建立包括如下步骤:
步骤B1:车载电脑从云服务器中读取安全行车距离;
步骤B2:根据地图轨迹和距离数据集之间的映射列表,标记危险距离集对应的地图轨迹中的路段信息;
步骤B3:将该路段信息标记为事故多发路段;
行车电脑根据最优导航路线判断最优导航路线是否包含了危险距离集,当车辆行驶到危险距离集对应的路段时,车载电脑向单片机发送安全机制指令;
步骤B4:单片机接收到安全机制指令后,实时读取车载激光测距雷达采集的距离信息,并在该距离信息上添加安全警示距离,当距离信息小于安全警示距离时,单片机向车载电脑发送安全报警;
安全距离信息小于安全警示距离;
步骤B5:云服务器通过WEB页面向司机展示自己的行车驾驶习惯,其中包括习惯出行时间、习惯出行路段、拥堵情况、危险距离集以及危险距离集对应的路段。
优选的,在执行步骤2到步骤11时,当执行步骤B1时,车载电脑无法从云服务器读取安全行车距离时,车载电脑根据自身存储的安全距离数据作为对比参数参与步骤B4中的对比计算。
本发明所述的一种基于云计算的车载数据管理***,解决了通过采集车前测距雷达的测距信息,统计出司机个人的出行习惯、驾驶习惯和给出最优导航信息的技术问题,本发明通过检测大量的车前雷达的测距结果,统计出司机容易触发危险车距的路段,将该路段设定为拥堵路段,根据司机的个人出行习惯量身制定导航路线,极大的提高了导航的准确度,实现了私人化服务,本发明根据司机的驾驶习惯,在拥堵路段对司机进行提醒,使其保持安全车距,降低了事故的发生频率。
Claims (3)
1.一种基于云计算的车载数据管理***,其特征在于:包括车载测距***和云服务器,车载测距***通过移动网络与云服务器通信;
车载测距***包括车载激光测距雷达、单片机和车载电脑,车载激光测距雷达用于测量车辆前方的障碍物的距离,车载激光测距雷达与单片机通过485总线通信,单片机通过CAN总线与车载电脑通信;
车载测距***和云服务器对车载激光测距雷达的测距数据管理包括如下步骤:
步骤1:车载电脑在获取到车辆的启动信息后,向单片机发送车辆启动数据,单片机接收到车辆启动数据后,通过车载激光测距雷达实时读取车辆前方障碍物的距离信息;
步骤2:单片机根据时间戳建立距离信息的距离数据集,距离数据集中的数据格式为:时间戳+距离信息+危险距离标志位,其中,危险距离标志位的置位和清零方法包括如下步骤:
步骤A1:车载电脑通过移动网络读取云服务器中预设的安全距离数据,并记录安全距离数据;
步骤A2:车载电脑将安全距离数据发送给单片机,单片机将安全距离信息作为对比参数,与距离信息进行对比:当距离信息小于安全距离信息时,判断此时为危险距离,执行步骤A3;当安全距离信息小于距离信息时,判断此时为安全距离,执行步骤A4;
步骤A3:将危险距离标志位置位,执行步骤A5;
步骤A4:将危险距离标志位清零,执行步骤A5;
步骤A5:根据步骤A2到步骤A4的方法,对距离数据集中的所有距离信息进行对比,并标识出距离信息对应的危险距离标志位;
步骤A6:统计危险距离标志位均为置位的情况,建立危险距离集缓存,危险距离集缓存中的数据格式为:时间戳+距离信息+危险距离标志位=1;
根据时间戳对危险距离集缓存中的数据进行筛选,得出时间戳为连续的数据作为有效数据,建立危险距离集;
步骤A7:根据危险距离集中的时间戳,得出司机的驾驶习惯时间信息;
步骤3:单片机将危险距离集发送给车载电脑,车载电脑根据时间戳在电子地图中标记车辆行驶轨迹对应距离数据集的路段信息;
步骤4:建立地图轨迹和距离数据集之间的映射列表,判断与危险距离集对应的地图轨迹,将该地图轨迹对应的路段标记为拥堵路段,并记录拥堵时间;
步骤5:车载电脑将拥堵路段、拥堵时间、危险距离集和驾驶习惯时间信息均上传给云服务器,云服务器建立司机驾驶习惯数据库;
步骤6:云服务器根据司机驾驶习惯数据库,统计司机的习惯出行时间、出行路段以及该时间内容易出现拥堵的路段;
步骤7:当司机准备出行并启动车辆后,车载电脑获取到车辆启动信息,并将启动信息发送给单片机,车载电脑根据拥堵路段、拥堵时间、危险距离集和驾驶习惯时间信息建立导航信息;
步骤8:车载电脑同时通过移动网络向云服务器索要该时间点的拥堵路段、危险距离集和驾驶习惯时间信息:索要成功,则执行步骤9;索要不成功,则执行步骤10;
步骤9:车载电脑根据从云服务器索要到的拥堵路段、危险距离集和驾驶习惯时间信息对导航信息进行核对,找出最优导航路线,执行步骤11;
步骤10:车载电脑将步骤7中获取的导航信息作为最优导航路线;
步骤11:结束。
2.如权利要求1所述的一种基于云计算的车载数据管理***,其特征在于:在执行步骤2到步骤11时,在获取到危险距离集后,车载电脑还建立安全距离机制,安全距离机制的建立包括如下步骤:
步骤B1:车载电脑从云服务器中读取安全行车距离;
步骤B2:根据地图轨迹和距离数据集之间的映射列表,标记危险距离集对应的地图轨迹中的路段信息;
步骤B3:将该路段信息标记为事故多发路段;
行车电脑根据最优导航路线判断最优导航路线是否包含了危险距离集,当车辆行驶到危险距离集对应的路段时,车载电脑向单片机发送安全机制指令;
步骤B4:单片机接收到安全机制指令后,实时读取车载激光测距雷达采集的距离信息,并在该距离信息上添加安全警示距离,当距离信息小于安全警示距离时,单片机向车载电脑发送安全报警;
安全距离信息小于安全警示距离;
步骤B5:云服务器通过WEB页面向司机展示自己的行车驾驶习惯,其中包括习惯出行时间、习惯出行路段、拥堵情况、危险距离集以及危险距离集对应的路段。
3.如权利要求2所述的一种基于云计算的车载数据管理***,其特征在于:在执行步骤2到步骤11时,当执行步骤B1时,车载电脑无法从云服务器读取安全行车距离时,车载电脑根据自身存储的安全距离数据作为对比参数参与步骤B4中的对比计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010994556.2A CN112197781B (zh) | 2020-09-21 | 2020-09-21 | 一种基于云计算的车载数据管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010994556.2A CN112197781B (zh) | 2020-09-21 | 2020-09-21 | 一种基于云计算的车载数据管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112197781A true CN112197781A (zh) | 2021-01-08 |
CN112197781B CN112197781B (zh) | 2022-08-26 |
Family
ID=74015775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010994556.2A Active CN112197781B (zh) | 2020-09-21 | 2020-09-21 | 一种基于云计算的车载数据管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112197781B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113612673A (zh) * | 2021-09-30 | 2021-11-05 | 北汽福田汽车股份有限公司 | 自动紧急制动数据采集方法、***及车辆 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001208554A (ja) * | 2000-01-25 | 2001-08-03 | Nissan Motor Co Ltd | 事故多発区間警報発生装置 |
WO2008117837A1 (ja) * | 2007-03-27 | 2008-10-02 | Toyota Jidosha Kabushiki Kaisha | 交通情報送信装置、交通情報配信サーバ及び交通情報配信システム |
JP2010230521A (ja) * | 2009-03-27 | 2010-10-14 | Aisin Aw Co Ltd | 渋滞度情報送信装置、渋滞度情報送信方法および渋滞度情報送信プログラムならびに渋滞度情報受信装置 |
CN103660976A (zh) * | 2012-09-04 | 2014-03-26 | 黃清信 | 智能型行车警示及监控***及其设备 |
CN104006818A (zh) * | 2013-02-22 | 2014-08-27 | 广达电脑股份有限公司 | 导航***及方法 |
CN106157614A (zh) * | 2016-06-29 | 2016-11-23 | 北京奇虎科技有限公司 | 汽车事故责任确定方法及*** |
CN106183986A (zh) * | 2016-09-12 | 2016-12-07 | 北海和思科技有限公司 | 一种智能化行车安全***及方法 |
CN106935027A (zh) * | 2015-12-30 | 2017-07-07 | 沈阳美行科技有限公司 | 一种基于行驶数据的交通信息预测方法及装置 |
-
2020
- 2020-09-21 CN CN202010994556.2A patent/CN112197781B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001208554A (ja) * | 2000-01-25 | 2001-08-03 | Nissan Motor Co Ltd | 事故多発区間警報発生装置 |
WO2008117837A1 (ja) * | 2007-03-27 | 2008-10-02 | Toyota Jidosha Kabushiki Kaisha | 交通情報送信装置、交通情報配信サーバ及び交通情報配信システム |
JP2010230521A (ja) * | 2009-03-27 | 2010-10-14 | Aisin Aw Co Ltd | 渋滞度情報送信装置、渋滞度情報送信方法および渋滞度情報送信プログラムならびに渋滞度情報受信装置 |
CN103660976A (zh) * | 2012-09-04 | 2014-03-26 | 黃清信 | 智能型行车警示及监控***及其设备 |
CN104006818A (zh) * | 2013-02-22 | 2014-08-27 | 广达电脑股份有限公司 | 导航***及方法 |
CN106935027A (zh) * | 2015-12-30 | 2017-07-07 | 沈阳美行科技有限公司 | 一种基于行驶数据的交通信息预测方法及装置 |
CN106157614A (zh) * | 2016-06-29 | 2016-11-23 | 北京奇虎科技有限公司 | 汽车事故责任确定方法及*** |
CN106183986A (zh) * | 2016-09-12 | 2016-12-07 | 北海和思科技有限公司 | 一种智能化行车安全***及方法 |
Non-Patent Citations (2)
Title |
---|
YUICHIRO UKON等: "Navigation-guided radiofrequency ablation for osteoid osteoma in the lumbar spine with a continuous cooling system for preventing neural damage: A report of two cases", 《INTERDISCIPLINARY NEUROSURGERY: ADVANCED TECHNIQUES AND CASE MANAGEMENT》 * |
郭超麒等: "基于虚拟力的船舶导航建模方法", 《武汉理工大学学报(交通科学与工程版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113612673A (zh) * | 2021-09-30 | 2021-11-05 | 北汽福田汽车股份有限公司 | 自动紧急制动数据采集方法、***及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN112197781B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111524357B (zh) | 用于车辆安全行驶所需的多数据融合的方法 | |
CN112071061B (zh) | 基于云计算和数据分析的车辆服务*** | |
CN102390320B (zh) | 基于车载传感网络的车辆防撞预警***及用途 | |
CN104527647B (zh) | 一种驾驶行为危险度的监测评估方法 | |
US20180174485A1 (en) | Adaptive analysis of driver behavior | |
JP4995046B2 (ja) | 自動車保険料設定システム | |
US9535878B1 (en) | Driving event data analysis | |
CN104103194B (zh) | 高速公路主动交通安全驾驶辅助方法及辅助*** | |
CN109859500A (zh) | 一种基于车路协同的高速合流区安全预警方法 | |
CN110276953A (zh) | 基于北斗定位***的车辆违规行驶风险分析方法 | |
CN111439250A (zh) | 用于在路况变化的情况下辅助车辆的技术 | |
CN107054375B (zh) | 一种车队驾驶员驾驶行为安全性管理评价装置及方法 | |
CN110275934A (zh) | 基于北斗定位***的车辆行驶情况风险分析方法和*** | |
CN110276954A (zh) | 基于北斗定位***的车辆行驶行为综合评分方法 | |
CN113066287B (zh) | 一种高速公路交通事故现场风险主动防控方法及*** | |
CN111383465A (zh) | 一种基于车联网的高速公路危险预警及速度控制*** | |
CN110299027A (zh) | 一种基于轨迹数据和地图数据的车辆变道监测与安全预警方法 | |
Goh et al. | Experimental microsimulation modeling of road safety impacts of bus priority | |
CN105046983A (zh) | 一种基于车路协同的交通流量预测***及方法 | |
CN112197781B (zh) | 一种基于云计算的车载数据管理*** | |
TW201800289A (zh) | 針對事故的駕駛行為分析系統及方法 | |
CN114379559A (zh) | 一种基于车辆信息采集***的驾驶风险评价特征画像方法 | |
CN112356849A (zh) | 一种危险驾驶的预警方法及装置 | |
CN203659073U (zh) | 基于微传感器的机动车驾驶人驾驶行为分析车载终端 | |
CN111798579B (zh) | 一种基于etc龙门架的高速公路拥堵预测方法及*** |
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 |