CN112712697B - 面向车路协同应用的车道级交通状态判别方法 - Google Patents

面向车路协同应用的车道级交通状态判别方法 Download PDF

Info

Publication number
CN112712697B
CN112712697B CN202011620462.5A CN202011620462A CN112712697B CN 112712697 B CN112712697 B CN 112712697B CN 202011620462 A CN202011620462 A CN 202011620462A CN 112712697 B CN112712697 B CN 112712697B
Authority
CN
China
Prior art keywords
vehicle
data
cell
road
congestion
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
CN202011620462.5A
Other languages
English (en)
Other versions
CN112712697A (zh
Inventor
胡健萌
汪志涛
许乐
谢勇
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.)
Shanghai Intelligent Transportation Co ltd
Original Assignee
Shanghai Intelligent Transportation 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 Intelligent Transportation Co ltd filed Critical Shanghai Intelligent Transportation Co ltd
Priority to CN202011620462.5A priority Critical patent/CN112712697B/zh
Publication of CN112712697A publication Critical patent/CN112712697A/zh
Application granted granted Critical
Publication of CN112712697B publication Critical patent/CN112712697B/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
    • G08G1/0125—Traffic data processing
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种面向车路协同应用的车道级交通状态判别方法及***，包括数据采集模块、数据预处理模块、数据处理模块和信息发布模块；判别方法包括以下步骤，1)数据采集模块的视频摄像机和毫米波雷达进行道路全覆盖的安装布设；2)将采集到的视频数据和雷达数据进行拟合处理，得到车辆的结构化数据，3)根据步骤2)得到的结构化数据中的车辆定位信息，将车辆结构化数据匹配到电子地图中的检测的单元格中，明确每一辆车在哪一个单元格中；等步骤。本发明利用视频加毫米波雷达的数据采集方案，排除了单一采集设备的缺陷；能够达到车道级的交通拥堵状态识别、精确到米级的拥堵起终点位置识别、且数据延迟不低于1s，真正能够满足车路协同的数据需求。

Description

面向车路协同应用的车道级交通状态判别方法
技术领域
本发明涉及道路交通技术领域，具体为一种面向车路协同应用的车道级交通状态判别方法及***。
背景技术
随着车联网技术的发展及车路协同应用的推进，车端和路端基于V2X通信就能够实现实时的道路信息交互。单车智能目前的发展水平有限，车端传感器的视野和视角常常受限、无法看到道路全局，这就要求路端能够帮助提升单车的超视距感知能力。为了保证智能网联汽车能够及时规避交通拥堵、选择合理路径，交通拥堵事件需要在进入单车可视范围之前就发出预警，就要求路侧感知设备提供实时的、全覆盖的、最精细的交通拥堵信息。
目前的技术的主要有以下缺点：1)无论是卡口摄像机还是微波雷达，目前最成熟的采集方式为道路断面检测，而车路协同需要的数据信息要求是道路全覆盖、无盲区的完整交通状态信息；2)卡口摄像机结合线圈的方式，主要缺点除了无法实现道路全覆盖的信息采集，还有线圈容易损坏且难维修的问题；3)微波雷达作为可靠的车速采集设备，不能够识别车辆的车型(车流量计算的时候需要分车道、分车型统计)；而且在车辆停止运动时会丢失检测目标，这不利于严重停车拥堵的识别；4)基于视频的自动识别方法：虽然满足了无盲区的采集要求，但是特殊天气如暴雨和大雾会严重影响视频画面成像，从而直接导致无法识别的问题。而且依赖视频图像是无法准确识别出车速度的，这不便于评价车道拥堵严重程度。
为了克服现有技术的问题,本发明提供一种面向车路协同应用的车道级交通状态判别方法及***。
发明内容
为实现以上目的，本发明通过以下技术方案予以实现：
面向车路协同应用的车道级交通状态判别***，包括数据采集模块、数据预处理模块、数据处理模块和信息发布模块，其特征在于，
所述数据采集模块包括视频摄像机和毫米波雷达；其中：视频摄像机用于采集视频码流数据；毫米波雷达用于采集点云数据；
所述数据预处理模块包括用于接收视频摄像机和毫米波雷达采集的数据进行处理的雷达视频数据拟合处理单元和对电子地图进行编辑的电子地图数据处理单元；
所述数据处理模块包括将雷达视频数据拟合处理单元得到的车的结构化数据跟电子地图数据进行匹配的地图匹配单元和对匹配完成后得到的交通拥堵状态进行识别的识别单元；
所述信息发布模块包括对识别单元所生成的消息进行发布的车路协同发布单元和软件发布平台。车路协同发布单元包括路侧通信终端RSU和车载终端OBU。
本发明还提出一种面向车路协同应用的车道级交通状态判别方法，其特征在于：包括以下步骤：
1)数据采集模块的视频摄像机和毫米波雷达进行道路全覆盖的安装布设，并通过数据采集模块的视频摄像机和毫米波雷达分别进行视频码流数据和点云数据进行采集；
2)将采集到的视频数据和雷达数据进行拟合处理，得到车辆的结构化数据，包括：时间戳(年、月、日、时、分、秒、毫秒)、车辆ID、瞬时速度、方向角、经纬度、车辆类型)；同时将电子地图按照车道和固定长度L划分成检测单元格，单元格的长边界以车道线为边，短边界由固定长度L来确定；(如图3所示)
3)根据步骤2)得到的结构化数据中的车辆定位信息，将车辆结构化数据匹配到电子地图中的检测的单元格中，明确每一辆车在哪一个单元格中；
具体如下：将车辆的中心定位经纬度与单元格的边界范围进行匹配得出车辆处于的位置，这样便确定车辆处于哪个单元格；
4)由于步骤2)得到的车辆结构化数据中包括车辆类型字段，为了准确衡量道路的通行状况，还需要把不同车型交通量统一成标准车当量交通量。根据车型分类及折算系数，将自然车辆换算成标准车辆后，再计算每个检测单元格的车辆密度；
5)设定车流密度阈值Y，判断密度K是否超过阈值Y；当K<Y时，检测单元格内无拥堵情况；当K≥Y时，检测单元格内存在车辆拥堵情况；
6)若判断连续拥堵单元格一共有n个，记录为集合A(单元格i，单元格i+1，单元格i+2，……，单元格i+n)；
7)提取集合A的单元格i中行车方向最后一辆车的经纬度信息(Xi,Yi)作为拥堵终点位置，提取单元格i+n中行车方向第一辆车的经纬度信息(Xi+n,Yi+n)作为拥堵起点位置；
8)计算单元格集合A内的瞬时平均车速，作为评价交通拥堵等级的指标(共3级，轻度拥堵、中度拥堵、严重拥堵)；由于城市道路等级不同、限速值也不同，需要根据道路限速值确定拥堵等级评价的平均车速范围；
9)根据起终点经纬度(Xi,Yi)和Xi+n,Yi+n)确定拥堵起点位置和拥堵终点位置以及电子地图中所在车道的编号，生成交通拥堵事件A的信息(时间戳、拥堵车道编号、起点经纬度位置、终点经纬度位置、拥堵等级)；
10)将步骤9)生成的信息发送到信息发布模块，信息发布模块通过路侧通信终端RSU和车载终端OBU，完成车路协同信息发布，同时还可以通过中心软件平台，实现数据展示和其他发布平台的对接。
(三)有益效果
本发明提供了一种车路协同控制装置、***及其控制方法。具备以下有益效果：
1.本发明利用视频加毫米波雷达的数据采集方案，排除了单一采集设备的缺陷，一方面车辆特征数据采集精度高，另一方面本方案受环境受天气影响小，基本不会发生目标车漏检或误检的情况；
2.能够达到车道级的交通拥堵状态识别、精确到米级的拥堵起终点位置识别、无盲区全覆盖，且数据延迟不低于1s，真正能够满足车路协同的数据需求；
3.定义了车道级的交通拥堵等级的评价方法，避免使用传统路网级别的宏观评价方法，更利于辅助车路协同环境下的车辆避开拥堵车道、合理规划行驶路径。
附图说明
图1为本发明面向车路协同应用的车道级交通状态判别***结构图；
图2为本发明预处理模块和数据处理模块内识别交通拥堵状态的整个流程示意图；
图3为本发明单元格划界示意图；
图4为本发明车辆和单元格匹配示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
如图所示，面向车路协同应用的车道级交通状态判别***，包括数据采集模块、数据预处理模块、数据处理模块和信息发布模块，各模块之间通过协议对接实现相互协作，完成车辆运行数据的采集及识别，最终实现对智能网联车辆的交通拥堵事件预警，对软件平台的交通状态信息发布。
数据采集模块包括视频摄像机和毫米波雷达；其中：视频摄像机用于采集视频码流数据；毫米波雷达用于采集点云数据；本***要求视频摄像机和毫米波雷达做到道路全覆盖的安装布设。
数据预处理模块包括用于接收视频摄像机和毫米波雷达采集的数据进行处理的雷达视频数据拟合处理单元和对电子地图进行编辑的电子地图数据处理单元；主要由边缘计算单元(ECU)实现采集模块的数据输入，进行数据融合，同时对电子地图进行编辑。
数据处理模块包括将雷达视频数据拟合处理单元得到的车的结构化数据跟电子地图数据进行匹配的地图匹配单元和对匹配完成后得到的交通拥堵状态进行识别的识别单元；由协调控制单元CCU构成，将车的结构化数据跟电子地图数据进行匹配，同时进行交通拥堵状态识别。
所述信息发布模块包括对识别单元所生成的消息进行发布的车路协同发布单元和软件发布平台。车路协同发布单元包括路侧通信终端RSU和车载终端OBU。
本发明还提出一种面向车路协同应用的车道级交通状态判别方法，其特征在于：包括以下步骤：
1)数据采集模块的视频摄像机和毫米波雷达进行道路全覆盖的安装布设，并通过数据采集模块的视频摄像机和毫米波雷达分别进行视频码流数据和点云数据进行采集；
2)请重点参阅图3，将采集到的视频数据和雷达数据进行拟合处理，得到车辆的结构化数据，包括：时间戳(年、月、日、时、分、秒、毫秒)、车辆I D、瞬时速度、方向角、经纬度、车辆类型)；同时将电子地图按照车道和固定长度L划分成检测单元格，单元格的长边界以车道线为边，短边界由固定长度L来确；此外，拟合处理中包括对异常数据的清洗步骤。
3)根据步骤2)得到的结构化数据中的车辆定位信息，将车辆结构化数据匹配到电子地图中的检测的单元格中，明确每一辆车在哪一个单元格中；
请重点参阅图4，具体如下：将车辆的中心定位经纬度与单元格的边界范围进行匹配得出车辆处于的位置，这样便确定车辆处于哪个单元格的位置；
4)由于步骤2)得到的车辆结构化数据中包括车辆类型字段，为了准确衡量道路的通行状况，还需要把不同车型交通量统一成标准车当量交通量。根据车型分类及折算系数，将自然车辆换算成标准车辆后，再计算每个检测单元格的车辆密度；
密度计算公式：K＝N/L；
式中：K—车流密度,单位:辆/km；
N—观测路段内某瞬时标准车辆数,单位:辆；
L—单元格长度,单位:km；
Figure GDA0003359111560000031
5)设定车流密度阈值Y，判断密度K是否超过阈值Y；当K<Y时，检测单元格内无拥堵情况；当K≥Y时，检测单元格内存在车辆拥堵情况；
6)若判断连续拥堵单元格一共有n个，记录为集合A(单元格i，单元格i+1，单元格i+2，……，单元格i+n)；
7)提取集合A的单元格i中行车方向最后一辆车的经纬度信息(Xi,Yi)作为拥堵终点位置，提取单元格i+n中行车方向第一辆车的经纬度信息(Xi+n,Yi+n)作为拥堵起点位置；
8)计算单元格集合A内的瞬时平均车速，作为评价交通拥堵等级的指标(共3级，轻度拥堵、中度拥堵、严重拥堵)；由于城市道路等级不同、限速值也不同，需要根据道路限速值确定拥堵等级评价的平均车速范围；
9)根据起终点经纬度(Xi,Yi)和Xi+n,Yi+n)确定拥堵起点位置和拥堵终点位置以及电子地图中所在车道的编号，生成交通拥堵事件A的信息(时间戳、拥堵车道编号、起点经纬度位置、终点经纬度位置、拥堵等级)；
10)将步骤9)生成的信息发送到信息发布模块，信息发布模块通过路侧通信终端RSU和车载终端OBU，完成车路协同信息发布，同时还可以通过中心软件平台，实现数据展示和其他发布平台的对接。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (1)

1.一种面向车路协同应用的车道级交通状态判别方法，包括车道级交通状态判别***，所述***包括数据采集模块、数据预处理模块、数据处理模块和信息发布模块，其特征在于，
所述数据采集模块包括视频摄像机和毫米波雷达；其中：视频摄像机用于采集视频码流数据；毫米波雷达用于采集点云数据；
所述数据预处理模块包括用于接收视频摄像机和毫米波雷达采集的数据并进行处理的雷达视频数据拟合处理单元和对电子地图进行编辑的电子地图数据处理单元；
所述数据处理模块包括将雷达视频数据拟合处理单元得到的车的结构化数据跟电子地图数据进行匹配的地图匹配单元和对匹配完成后得到的交通拥堵状态进行识别的识别单元；
所述信息发布模块包括对识别单元所生成的消息进行发布的车路协同发布单元和软件发布平台；
车道级交通状态判别方法，包括以下步骤：
1)数据采集模块的视频摄像机和毫米波雷达进行道路全覆盖的安装布设，并通过数据采集模块的视频摄像机和毫米波雷达分别对视频码流数据和点云数据进行采集；
2)将采集到的视频数据和雷达数据进行拟合处理，得到车辆的结构化数据，结构化数据包括：时间戳，车辆ID、瞬时速度、方向角、经纬度、车辆类型；同时将电子地图按照车道和固定长度L划分成检测单元格，单元格的长边界以车道线为边，短边界由固定长度L来确定；时间戳包括年、月、日、时、分、秒、毫秒；
3)根据步骤2)得到的结构化数据中的车辆经纬度信息，将车辆结构化数据匹配到电子地图中的检测单元格中，明确每一辆车在哪一个单元格中；
具体如下：将车辆的中心定位经纬度与单元格的边界范围进行匹配得出车辆处于的位置，这样便确定车辆处于哪个单元格；
4)由于步骤2)得到的车辆结构化数据中包括车辆类型字段，为了准确衡量道路的通行状况，还需要把不同车型交通量统一成标准车当量交通量；根据车型分类及折算系数，将自然车辆换算成标准车辆后，再计算每个检测单元格的车辆密度；
密度计算公式：K＝N/L；
式中：K—车流密度,单位:辆/km；
N—观测路段内某瞬时标准车辆数,单位:辆；
L—单元格长度,单位:km；
5)设定车流密度阈值Y，判断密度K是否超过阈值Y；当K<Y时，检测单元格内无拥堵情况；当K≥Y时，检测单元格内存在车辆拥堵情况；
6)若判断连续拥堵单元格一共有n个，记录为集合A（单元格i，单元格i+1，单元格i+2，……，单元格i+n）；
7)提取集合A的单元格i中行车方向最后一辆车的经纬度信息(X i ,Y i )作为拥堵终点位置，提取单元格i+n中行车方向第一辆车的经纬度信息(X i+n ,Y i+n )作为拥堵起点位置；
8)计算单元格集合A内的瞬时平均车速，作为评价交通拥堵等级的指标，共3级，轻度拥堵、中度拥堵、严重拥堵；由于城市道路等级不同、限速值也不同，需要根据道路限速值确定拥堵等级评价的平均车速范围；
9)根据起终点经纬度(X i ,Y i )和（X i+n ,Y i+n）确定拥堵起点位置和拥堵终点位置以及电子地图中所在车道的编号，生成交通拥堵事件A的信息，信息包括时间戳、拥堵车道编号、起点经纬度位置、终点经纬度位置、拥堵等级；
10)将步骤9)生成的信息发送到信息发布模块，车路协同发布单元包括路侧通信终端RSU和车载终端OBU，信息发布模块通过路侧通信终端RSU和车载终端OBU，完成车路协同信息发布，同时还可以通过软件发布平台，实现数据展示和其他发布平台的对接。
CN202011620462.5A 2020-12-30 2020-12-30 面向车路协同应用的车道级交通状态判别方法 Active CN112712697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011620462.5A CN112712697B (zh) 2020-12-30 2020-12-30 面向车路协同应用的车道级交通状态判别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011620462.5A CN112712697B (zh) 2020-12-30 2020-12-30 面向车路协同应用的车道级交通状态判别方法

Publications (2)

Publication Number Publication Date
CN112712697A CN112712697A (zh) 2021-04-27
CN112712697B true CN112712697B (zh) 2022-04-12

Family

ID=75547531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011620462.5A Active CN112712697B (zh) 2020-12-30 2020-12-30 面向车路协同应用的车道级交通状态判别方法

Country Status (1)

Country Link
CN (1) CN112712697B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113450580A (zh) * 2021-08-19 2021-09-28 浙江安沿科技有限公司 一种用于车流量监测的雷达
CN114550448B (zh) * 2022-02-16 2024-02-13 中国山东国际经济技术合作有限公司 一种基于毫米波雷达的车道级交通风险管控***
CN115223357A (zh) * 2022-04-07 2022-10-21 港珠澳大桥管理局 一种交通信息处理***、方法、装置和计算机设备
CN115294757A (zh) * 2022-04-26 2022-11-04 江苏未来都市出行科技集团有限公司 一种车道级车流量和交通事件的识别和发布***
CN115063969A (zh) * 2022-04-26 2022-09-16 阿里云计算有限公司 数据处理方法、设备、介质及路侧协同设备、***
CN115294769A (zh) * 2022-08-02 2022-11-04 北京觉非科技有限公司 一种智能交通***的车道级定位方法
CN116311913B (zh) * 2023-02-17 2024-01-12 成都和乐信软件有限公司 一种基于ai视频智能分析的高速路段拥堵分析方法及***

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103761876B (zh) * 2014-01-10 2015-12-02 山东大学 基于车路协同的道路交通信息采集方法
CN106530780A (zh) * 2015-09-14 2017-03-22 石立公 基于图案引导的道路区域显示***和方法
CN108010360A (zh) * 2017-12-27 2018-05-08 中电海康集团有限公司 一种基于车路协同的自动驾驶环境感知***
CN108550262B (zh) * 2018-06-01 2021-06-11 中物汽车电子扬州有限公司 基于毫米波雷达的城市交通感知***
US10775187B2 (en) * 2018-07-23 2020-09-15 Here Global B.V. Method, apparatus, and computer program product for determining lane level traffic information
CN110837092B (zh) * 2018-08-17 2022-06-21 北京四维图新科技股份有限公司 车辆定位、车道级路径规划的方法及装置
CN110395205B (zh) * 2019-08-13 2021-09-07 江苏满运物流信息有限公司 车辆事故告警方法、装置、电子设备、存储介质
CN111881244A (zh) * 2020-07-30 2020-11-03 戴姆勒股份公司 用于使v2x技术与加密和/或加偏转的高精度地图匹配的方法和设备

Also Published As

Publication number Publication date
CN112712697A (zh) 2021-04-27

Similar Documents

Publication Publication Date Title
CN112712697B (zh) 面向车路协同应用的车道级交通状态判别方法
CN111524357B (zh) 用于车辆安全行驶所需的多数据融合的方法
CN108550262B (zh) 基于毫米波雷达的城市交通感知***
CN113781808B (zh) 网联式自动驾驶车辆在红绿灯路口的通行方法及***
CN110473421B (zh) 基于5g通信网络的智能交通导航***
CN103258430B (zh) 路段旅行时间统计、以及交通路况判定方法和装置
CN111325978B (zh) 一种高速公路车辆异常行为的全程监测警示***和方法
CN113706737B (zh) 基于自动驾驶车辆的路面巡检***及方法
CN109285349B (zh) 车路协同环境下高速公路交通事件检测方法及预警***
CN113870553B (zh) 一种面向混合交通流的路网运行状态检测***及方法
CN111402613B (zh) 一种自动驾驶车辆收费站车道选择方法
CN110827542A (zh) 一种高速公路安全车距预警***
CN104376729A (zh) 一种基于车车通信的高速公路对向车道拥塞提示方法
CN113409607A (zh) 路况信息推送***、方法、装置、设备及存储介质
US20240046787A1 (en) Method And System For Traffic Clearance At Signalized Intersections Based On Lidar And Trajectory Prediction
CN116721549B (zh) 一种车流量检测***及检测方法
CN104750963A (zh) 交叉口延误时长估计方法及装置
CN112396856A (zh) 一种路况信息获取方法、交通标识牌及智能网联交通***
CN108538070A (zh) 一种路况预警方法和装置
CN115257784A (zh) 基于4d毫米波雷达的车路协同***
CN112085950A (zh) 交通状态判别指标的估计方法、***、存储介质及应用
CN113112817A (zh) 一种基于车联网和跟驰行为的隧道车辆定位和预警***及其方法
CN112687103A (zh) 基于车联网技术的车辆变道的检测方法及***
CN105096590A (zh) 交通信息生成方法和交通信息生成设备
CN202013659U (zh) 基于嵌入式平台图像处理及无线通讯的智能安全交通信息平台

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Lane level traffic state discrimination method for vehicle road collaborative applications

Granted publication date: 20220412

Pledgee: China Construction Bank Corporation Shanghai Second Branch

Pledgor: SHANGHAI INTELLIGENT TRANSPORTATION Co.,Ltd.

Registration number: Y2024980017834