CN113870597B - 基于物联网数据的交通调度的方法和*** - Google Patents
基于物联网数据的交通调度的方法和*** Download PDFInfo
- Publication number
- CN113870597B CN113870597B CN202110908253.9A CN202110908253A CN113870597B CN 113870597 B CN113870597 B CN 113870597B CN 202110908253 A CN202110908253 A CN 202110908253A CN 113870597 B CN113870597 B CN 113870597B
- Authority
- CN
- China
- Prior art keywords
- road surface
- traffic
- current road
- value
- things
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
Images
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
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
Abstract
本发明提供了基于物联网数据的交通调度的方法和***,其通过物联网对道路路面进行实时摄像并分析路面影像,而确定路面上的车流量信息;并基于不同路面上的车流量信息,确定路面的交通拥堵情况;最后在电子地图中对每个道路路面进行区分识别,以此显示每个道路路面的实际拥堵情况,并且该向司机发送相应的提醒信息,这样能够利用物联网技术对道路进行全面和有针对性的摄像监测,从而直观地显示不同道路的交通实况,有效地和及时地向司机提供可靠有用的交通信息以及帮助司机进行高效的交通调度与改善城市的交通环境。
Description
技术领域
本发明涉及智能交通管理的技术领域,特别涉及基于物联网数据的交通调度的方法和***。
背景技术
随着城市的发展,城市道路很容易发生交通拥堵的情况,特别在早晚高峰时段,一些特定道路会出现严重交通拥堵的情况。为了使司机能够了解到不同道路路面的实时交通情况并且及时调整行车线路,现有技术已经使用大数据分析的方式预测城市道路的交通拥堵情况,但是这种方式并不能实时反映城市的实景交通情况,同时也无法按照司机的要求对特定的道路的交通拥堵情况进行详细的分析,这不利于有效地和及时地向司机提供可靠有用的交通信息,并且还无法帮助司机进行高效的交通调度和改善城市的交通环境。
发明内容
针对现有技术存在的缺陷,本发明提供基于物联网数据的交通调度的方法和***,其通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对路面影像进行分析,确定路面上的车流量信息,并将车流量信息回传至物联网;并且基于物联网对车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况;最后根据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况;再根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息;可见,该基于物联网数据的交通调度的方法和***通过物联网对道路路面进行实时摄像并分析路面影像,而确定路面上的车流量信息;并基于不同路面上的车流量信息,确定路面的交通拥堵情况;最后在电子地图中对每个道路路面进行区分识别,以此显示每个道路路面的实际拥堵情况,并且该向司机发送相应的提醒信息,这样能够利用物联网技术对道路进行全面和有针对性的摄像监测,从而直观地显示不同道路的交通实况,有效地和及时地向司机提供可靠有用的交通信息以及帮助司机进行高效的交通调度与改善城市的交通环境。
本发明提供基于物联网数据的交通调度的方法,其特征在于,其包括如下步骤:
步骤S1,通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对所述路面影像进行分析,确定路面上的车流量信息,并将所述车流量信息回传至所述物联网;
步骤S2,基于所述物联网对所述车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况;
步骤S3,根据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况;再根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息;
进一步,在所述步骤S1中,通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对所述路面影像进行分析,确定路面上的车流量信息,并将所述车流量信息回传至所述物联网具体包括:
步骤S101,通过与物联网连接的摄像终端沿着道路路面的延伸方向进行扫描拍摄,以此获得对应路面的动态影像;
步骤S102,将所述动态影像分解为若干帧图像,并对每帧图像进行卡尔曼滤波处理;
步骤S103,利用下面公式(1),对所有图像进行处理,从而确定路面上的车流量信息,并将所述车流量信息回传至所述物联网,
在上述公式(1)中,L表示路面在时间T内对应的车流量,即所述车流量信息,T表示摄像终端对道路路面进行摄像的持续时间,n表示所述动态影像分解得到的图像的总帧数,以道路路面的宽度方向为X轴和以道路路面的延伸方向为Y轴,fi(Yc)表示第i帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,fi-1(Yc)表示第i-1帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0;
进一步,在所述步骤S2中,基于所述物联网对所述车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况具体包括:
利用下面公式(2),并结合当前路面上的车流量信息,确定当前路面的交通拥堵情况,
在上述公式(2)中,S表示当前路面的交通拥堵程度评定值,当S为第一预设值时,表示当前路面的处于第一级别交通拥堵状态,当S为第二预设值时,表示当前路面的处于第二级别交通拥堵状态,当S为第三预设值时,表示当前路面的处于第三级别交通拥堵状态,并且第一预设值大于第二预设值、第二预设值大于第三预设值,其中,第一级别交通拥堵状态、第二级别交通拥堵状态和第三级别交通拥堵状态的交通拥堵程度依次降低,表示当前路面在时间T内的平均车流量,表示当前路面在时间T内所有车辆的平均位移量,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0,δ[]表示单位冲激函数,当括号内的数值等于0时,单位冲激函数的函数值为1,当括号内的数值不等于0时,单位冲激函数的函数值为0;
根据上述过程,相应地确定得到当前路面相邻的第a个路面对应的交通拥堵程度评定值Sa;
进一步,在所述步骤S3中,根据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况;再根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息具体包括:
步骤S301,利用下面公式(3),并结合当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,确定在电子地图中与当前路面相邻的第a个路面的颜色标识值,
Pa=u(S-Sa)×δ[δ(S-Sa)]+2×u(Sa-S)+3×δ(S-Sa) (3)
在上述公式(3)中,Pa表示在电子地图中与当前路面相邻的第a个路面的颜色标识值;
当Pa=1时,表示第a个路面的交通拥挤程度低于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为绿色,当Pa=2时,表示第a个路面的交通拥挤程度高于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为红色,当Pa=3时,表示第a个路面的交通拥挤程度等于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为黄色,从而显示第a个路面相比于当前路面的实际拥堵情况;
步骤S302,根据电子地图中与当前路面相邻的第a个路面标识的颜色,向司机发送相应的提醒信息,其中,所述提醒信息包含指示司机相邻的所有路面相比于当前路面是否更加拥堵的语音提醒信息。
本发明提供基于物联网数据的交通调度的***,其特征在于,其包括道路路面影像采集与分析模块,路面交通拥堵情况确定模块,电子地图道路路面标识模块和提醒信息发送模块;其中,
所述道路路面影像采集与分析模块用于通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对所述路面影像进行分析,确定路面上的车流量信息,并将所述车流量信息回传至所述物联网;
所述路面交通拥堵情况确定模块用于基于所述物联网对所述车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况;
所述电子地图道路路面标识模块用于据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况;
所述提醒信息发送模块用于根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息;
进一步,所述道路路面影像采集与分析模块用于通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对所述路面影像进行分析,确定路面上的车流量信息,并将所述车流量信息回传至所述物联网具体包括:
通过与物联网连接的摄像终端沿着道路路面的延伸方向进行扫描拍摄,以此获得对应路面的动态影像;
再将所述动态影像分解为若干帧图像,并对每帧图像进行卡尔曼滤波处理;
最后利用下面公式(1),对所有图像进行处理,从而确定路面上的车流量信息,并将所述车流量信息回传至所述物联网,
在上述公式(1)中,L表示路面在时间T内对应的车流量,即所述车流量信息,T表示摄像终端对道路路面进行摄像的持续时间,n表示所述动态影像分解得到的图像的总帧数,以道路路面的宽度方向为X轴和以道路路面的延伸方向为Y轴,fi(Yc)表示第i帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,fi-1(Yc)表示第i-1帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0;
进一步,所述路面交通拥堵情况确定模块用于基于所述物联网对所述车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况具体包括:
利用下面公式(2),并结合当前路面上的车流量信息,确定当前路面的交通拥堵情况,
在上述公式(2)中,S表示当前路面的交通拥堵程度评定值,当S为第一预设值时,表示当前路面的处于第一级别交通拥堵状态,当S为第二预设值时,表示当前路面的处于第二级别交通拥堵状态,当S为第三预设值时,表示当前路面的处于第三级别交通拥堵状态,并且第一预设值大于第二预设值、第二预设值大于第三预设值,其中,第一级别交通拥堵状态、第二级别交通拥堵状态和第三级别交通拥堵状态的交通拥堵程度依次降低,表示当前路面在时间T内的平均车流量,表示当前路面在时间T内所有车辆的平均位移量,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0,δ[]表示单位冲激函数,当括号内的数值等于0时,单位冲激函数的函数值为1,当括号内的数值不等于0时,单位冲激函数的函数值为0;
根据上述过程,相应地确定得到当前路面相邻的第a个路面对应的交通拥堵程度评定值Sa;
进一步,所述电子地图道路路面标识模块用于据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况具体包括:
利用下面公式(3),并结合当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,确定在电子地图中与当前路面相邻的第a个路面的颜色标识值,
Pa=u(S-Sa)×δ[δ(S-Sa)]+2×u(Sa-S)+3×δ(S-Sa) (3)
在上述公式(3)中,Pa表示在电子地图中与当前路面相邻的第a个路面的颜色标识值;
当Pa=1时,表示第a个路面的交通拥挤程度低于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为绿色,当Pa=2时,表示第a个路面的交通拥挤程度高于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为红色,当Pa=3时,表示第a个路面的交通拥挤程度等于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为黄色,从而显示第a个路面相比于当前路面的实际拥堵情况;
以及,
所述提醒信息发送模块用于根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息具体包括:
根据电子地图中与当前路面相邻的第a个路面标识的颜色,向司机发送相应的提醒信息,其中,所述提醒信息包含指示司机相邻的所有路面相比于当前路面是否更加拥堵的语音提醒信息。
相比于现有技术,该基于物联网数据的交通调度的方法和***通过物联网对道路路面进行实时摄像并分析路面影像,而确定路面上的车流量信息;并基于不同路面上的车流量信息,确定路面的交通拥堵情况;最后在电子地图中对每个道路路面进行区分识别,以此显示每个道路路面的实际拥堵情况,并且该向司机发送相应的提醒信息,这样能够利用物联网技术对道路进行全面和有针对性的摄像监测,从而直观地显示不同道路的交通实况,有效地和及时地向司机提供可靠有用的交通信息以及帮助司机进行高效的交通调度与改善城市的交通环境。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于物联网数据的交通调度的方法的流程示意图。
图2为本发明提供的基于物联网数据的交通调度的***的结构示意图。
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作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。
参阅图1,为本发明实施例提供的基于物联网数据的交通调度的方法的流程示意图。该基于物联网数据的交通调度的方法包括如下步骤:
步骤S1,通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对该路面影像进行分析,确定路面上的车流量信息,并将该车流量信息回传至该物联网;
步骤S2,基于该物联网对该车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况;
步骤S3,根据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况;再根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息。
上述技术方案的有益效果为:该基于物联网数据的交通调度的方法通过物联网对道路路面进行实时摄像并分析路面影像,而确定路面上的车流量信息;并基于不同路面上的车流量信息,确定路面的交通拥堵情况;最后在电子地图中对每个道路路面进行区分识别,以此显示每个道路路面的实际拥堵情况,并且该向司机发送相应的提醒信息,这样能够利用物联网技术对道路进行全面和有针对性的摄像监测,从而直观地显示不同道路的交通实况,有效地和及时地向司机提供可靠有用的交通信息以及帮助司机进行高效的交通调度与改善城市的交通环境。
优选地,在该步骤S1中,通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对该路面影像进行分析,确定路面上的车流量信息,并将该车流量信息回传至该物联网具体包括:
步骤S101,通过与物联网连接的摄像终端沿着道路路面的延伸方向进行扫描拍摄,以此获得对应路面的动态影像;
步骤S102,将该动态影像分解为若干帧图像,并对每帧图像进行卡尔曼滤波处理;
步骤S103,利用下面公式(1),对所有图像进行处理,从而确定路面上的车流量信息,并将该车流量信息回传至该物联网,
在上述公式(1)中,L表示路面在时间T内对应的车流量,即该车流量信息,T表示摄像终端对道路路面进行摄像的持续时间,n表示该动态影像分解得到的图像的总帧数,以道路路面的宽度方向为X轴和以道路路面的延伸方向为Y轴,fi(Yc)表示第i帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,fi-1(Yc)表示第i-1帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0。
上述技术方案的有益效果为:本发明的物联网可以是覆盖城市道路网络的物联网体系,这样通过设置在物联网体系中的分布式摄像终端能够对城市的不同道路区域进行实时的扫描拍摄,能够对城市的不同道路区域进行全面无死角的监控拍摄。而将摄像终端拍摄得到的具有视频形式的动态影像,再按照预设时间间隔,从动态影像的起始时刻起依序提取得到若干帧图像,接着提取得到的每帧图像进行卡尔曼滤波处理,能够有效地过滤去除图像中的背景噪声,从而改善图像中车辆相关图像元素的分辨率。在上述公式(1)中,以道路路面的宽度方向和延伸方向为基准构建相应的坐标系,并通过统计道路路面上所有车辆在道路路面的延伸方向上的移动情况,来确定路面在对应的摄像持续时间内的车流量,即路面在对应的摄像持续时间内的车辆行驶数量,这样能够快速地和准确地得到路面的车流量大小情况。
优选地,在该步骤S2中,基于该物联网对该车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况具体包括:
利用下面公式(2),并结合当前路面上的车流量信息,确定当前路面的交通拥堵情况,
在上述公式(2)中,S表示当前路面的交通拥堵程度评定值,当S为第一预设值时,表示当前路面的处于第一级别交通拥堵状态,当S为第二预设值时,表示当前路面的处于第二级别交通拥堵状态,当S为第三预设值时,表示当前路面的处于第三级别交通拥堵状态,并且第一预设值大于第二预设值、第二预设值大于第三预设值,第一预设值、第二预设值和第三预设值可分别具体为1、1/2、0,其中,第一级别交通拥堵状态、第二级别交通拥堵状态和第三级别交通拥堵状态的交通拥堵程度依次降低,表示当前路面在时间T内的平均车流量,表示当前路面在时间T内所有车辆的平均位移量,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0,δ[]表示单位冲激函数,当括号内的数值等于0时,单位冲激函数的函数值为1,当括号内的数值不等于0时,单位冲激函数的函数值为0;
根据上述过程,相应地确定得到当前路面相邻的第a个路面对应的交通拥堵程度评定值Sa。
上述技术方案的有益效果为:当道路路面上的车辆行驶速度缓慢时,会导致道路路面形成交通堵塞,而上述公式(2)将动态影像中第1帧图像和第n帧图像(即最后一帧图像)中所有车辆各自的中心点在Y轴方向上的平均Y轴坐标的变化作为基准判断路面的交通拥堵严重级别,从而将路面的交通拥堵情况划分为三个不同等级,并且上述公式(2)只需要将动态影像中第1帧图像和第n帧图像进行比对就能够确定路面的交通拥堵情况,这能够最大限度地减少相应的计算工作量和提高对路面交通拥堵情况确定的置信度。
优选地,在该步骤S3中,根据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况;再根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息具体包括:
步骤S301,利用下面公式(3),并结合当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,确定在电子地图中与当前路面相邻的第a个路面的颜色标识值,
Pa=u(S-Sa)×δ[δ(S-Sa)]+2×u(Sa-S)+3×δ(S-Sa) (3)
在上述公式(3)中,Pa表示在电子地图中与当前路面相邻的第a个路面的颜色标识值;
当Pa=1时,表示第a个路面的交通拥挤程度低于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为绿色,当Pa=2时,表示第a个路面的交通拥挤程度高于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为红色,当Pa=3时,表示第a个路面的交通拥挤程度等于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为黄色,从而显示第a个路面相比于当前路面的实际拥堵情况;
步骤S302,根据电子地图中与当前路面相邻的第a个路面标识的颜色,向司机发送相应的提醒信息,其中,该提醒信息包含指示司机相邻的所有路面相比于当前路面是否更加拥堵的语音提醒信息。
上述技术方案的有益效果为:上述公式(3),以当前路面(即司机当前驾驶车辆所行驶的路面)的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况进行对比,以此定量确定当前路面相邻的其他路面的交通拥挤程度与当前路面的交通拥堵程度的高低关系,从而便于后续在手机应用的地图等电子地图上对不同相邻的路面进行颜色标识,以便于司机能够快速地和直观地了解当前所在的道路附近区域包含所有道路的交通拥堵实况并进行有针对性的行驶路线调整。此外,根据电子地图中与当前路面相邻的第a个路面标识的颜色,向司机发送包含指示司机相邻的所有路面相比于当前路面是否更加拥堵的语音提醒信息,这样能够帮助司机及时和准确地调整行驶线路和有效地避开拥堵的道路,可以理解的是,该语音提醒信息可以提示司机与当前行驶路面相邻的每个道路避免的交通拥挤实况信息以及其道路名称信息。
参阅图2,为本发明实施例提供的基于物联网数据的交通调度的***的结构示意图。该基于物联网数据的交通调度的***包括道路路面影像采集与分析模块,路面交通拥堵情况确定模块,电子地图道路路面标识模块和提醒信息发送模块;其中,
该道路路面影像采集与分析模块用于通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对该路面影像进行分析,确定路面上的车流量信息,并将该车流量信息回传至该物联网;
该路面交通拥堵情况确定模块用于基于该物联网对该车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况;
该电子地图道路路面标识模块用于据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况;
该提醒信息发送模块用于根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息。
上述技术方案的有益效果为:该基于物联网数据的交通调度的方法通过物联网对道路路面进行实时摄像并分析路面影像,而确定路面上的车流量信息;并基于不同路面上的车流量信息,确定路面的交通拥堵情况;最后在电子地图中对每个道路路面进行区分识别,以此显示每个道路路面的实际拥堵情况,并且该向司机发送相应的提醒信息,这样能够利用物联网技术对道路进行全面和有针对性的摄像监测,从而直观地显示不同道路的交通实况,有效地和及时地向司机提供可靠有用的交通信息以及帮助司机进行高效的交通调度与改善城市的交通环境。
优选地,该道路路面影像采集与分析模块用于通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对该路面影像进行分析,确定路面上的车流量信息,并将该车流量信息回传至该物联网具体包括:
通过与物联网连接的摄像终端沿着道路路面的延伸方向进行扫描拍摄,以此获得对应路面的动态影像;
再将该动态影像分解为若干帧图像,并对每帧图像进行卡尔曼滤波处理;
最后利用下面公式(1),对所有图像进行处理,从而确定路面上的车流量信息,并将该车流量信息回传至该物联网,
在上述公式(1)中,L表示路面在时间T内对应的车流量,即该车流量信息,T表示摄像终端对道路路面进行摄像的持续时间,n表示该动态影像分解得到的图像的总帧数,以道路路面的宽度方向为X轴和以道路路面的延伸方向为Y轴,fi(Yc)表示第i帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,fi-1(Yc)表示第i-1帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0。
上述技术方案的有益效果为:本发明的物联网可以是覆盖城市道路网络的物联网体系,这样通过设置在物联网体系中的分布式摄像终端能够对城市的不同道路区域进行实时的扫描拍摄,能够对城市的不同道路区域进行全面无死角的监控拍摄。而将摄像终端拍摄得到的具有视频形式的动态影像,再按照预设时间间隔,从动态影像的起始时刻起依序提取得到若干帧图像,接着提取得到的每帧图像进行卡尔曼滤波处理,能够有效地过滤去除图像中的背景噪声,从而改善图像中车辆相关图像元素的分辨率。在上述公式(1)中,以道路路面的宽度方向和延伸方向为基准构建相应的坐标系,并通过统计道路路面上所有车辆在道路路面的延伸方向上的移动情况,来确定路面在对应的摄像持续时间内的车流量,即路面在对应的摄像持续时间内的车辆行驶数量,这样能够快速地和准确地得到路面的车流量大小情况。
优选地,该路面交通拥堵情况确定模块用于基于该物联网对该车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况具体包括:
利用下面公式(2),并结合当前路面上的车流量信息,确定当前路面的交通拥堵情况,
在上述公式(2)中,S表示当前路面的交通拥堵程度评定值,当S为第一预设值时,表示当前路面的处于第一级别交通拥堵状态,当S为第二预设值时,表示当前路面的处于第二级别交通拥堵状态,当S为第三预设值时,表示当前路面的处于第三级别交通拥堵状态,并且第一预设值大于第二预设值、第二预设值大于第三预设值,第一预设值、第二预设值和第三预设值可分别具体为1、1/2、0,其中,第一级别交通拥堵状态、第二级别交通拥堵状态和第三级别交通拥堵状态的交通拥堵程度依次降低,表示当前路面在时间T内的平均车流量,表示当前路面在时间T内所有车辆的平均位移量,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0,δ[]表示单位冲激函数,当括号内的数值等于0时,单位冲激函数的函数值为1,当括号内的数值不等于0时,单位冲激函数的函数值为0;
根据上述过程,相应地确定得到当前路面相邻的第a个路面对应的交通拥堵程度评定值Sa。
上述技术方案的有益效果为:当道路路面上的车辆行驶速度缓慢时,会导致道路路面形成交通堵塞,而上述公式(2)将动态影像中第1帧图像和第n帧图像(即最后一帧图像)中所有车辆各自的中心点在Y轴方向上的平均Y轴坐标的变化作为基准判断路面的交通拥堵严重级别,从而将路面的交通拥堵情况划分为三个不同等级,并且上述公式(2)只需要将动态影像中第1帧图像和第n帧图像进行比对就能够确定路面的交通拥堵情况,这能够最大限度地减少相应的计算工作量和提高对路面交通拥堵情况确定的置信度。
优选地,该电子地图道路路面标识模块用于据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况具体包括:
利用下面公式(3),并结合当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,确定在电子地图中与当前路面相邻的第a个路面的颜色标识值,
Pa=u(S-Sa)×δ[δ(S-Sa)]+2×u(Sa-S)+3×δ(S-Sa) (3)
在上述公式(3)中,Pa表示在电子地图中与当前路面相邻的第a个路面的颜色标识值;
当Pa=1时,表示第a个路面的交通拥挤程度低于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为绿色,当Pa=2时,表示第a个路面的交通拥挤程度高于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为红色,当Pa=3时,表示第a个路面的交通拥挤程度等于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为黄色,从而显示第a个路面相比于当前路面的实际拥堵情况;
以及,
该提醒信息发送模块用于根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息具体包括:
根据电子地图中与当前路面相邻的第a个路面标识的颜色,向司机发送相应的提醒信息,其中,该提醒信息包含指示司机相邻的所有路面相比于当前路面是否更加拥堵的语音提醒信息。
上述技术方案的有益效果为:上述公式(3),以当前路面(即司机当前驾驶车辆所行驶的路面)的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况进行对比,以此定量确定当前路面相邻的其他路面的交通拥挤程度与当前路面的交通拥堵程度的高低关系,从而便于后续在手机应用的地图等电子地图上对不同相邻的路面进行颜色标识,以便于司机能够快速地和直观地了解当前所在的道路附近区域包含所有道路的交通拥堵实况并进行有针对性的行驶路线调整。此外,根据电子地图中与当前路面相邻的第a个路面标识的颜色,向司机发送包含指示司机相邻的所有路面相比于当前路面是否更加拥堵的语音提醒信息,这样能够帮助司机及时和准确地调整行驶线路和有效地避开拥堵的道路,可以理解的是,该语音提醒信息可以提示司机与当前行驶路面相邻的每个道路避免的交通拥挤实况信息以及其道路名称信息。
从上述实施例的内容可知,该基于物联网数据的交通调度的方法和***通过物联网对道路路面进行实时摄像并分析路面影像,而确定路面上的车流量信息;并基于不同路面上的车流量信息,确定路面的交通拥堵情况;最后在电子地图中对每个道路路面进行区分识别,以此显示每个道路路面的实际拥堵情况,并且该向司机发送相应的提醒信息,这样能够利用物联网技术对道路进行全面和有针对性的摄像监测,从而直观地显示不同道路的交通实况,有效地和及时地向司机提供可靠有用的交通信息以及帮助司机进行高效的交通调度与改善城市的交通环境。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.基于物联网数据的交通调度的方法,其特征在于,其包括如下步骤:
步骤S1,通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对所述路面影像进行分析,确定路面上的车流量信息,并将所述车流量信息回传至所述物联网;
步骤S2,基于所述物联网对所述车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况;
步骤S3,根据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况;再根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息;
其中,在所述步骤S1中,通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对所述路面影像进行分析,确定路面上的车流量信息,并将所述车流量信息回传至所述物联网具体包括:
步骤S101,通过与物联网连接的摄像终端沿着道路路面的延伸方向进行扫描拍摄,以此获得对应路面的动态影像;
步骤S102,将所述动态影像分解为若干帧图像,并对每帧图像进行卡尔曼滤波处理;
步骤S103,利用下面公式(1),对所有图像进行处理,从而确定路面上的车流量信息,并将所述车流量信息回传至所述物联网,
在上述公式(1)中,L表示路面在时间T内对应的车流量,即所述车流量信息,T表示摄像终端对道路路面进行摄像的持续时间,n表示所述动态影像分解得到的图像的总帧数,以道路路面的宽度方向为X轴和以道路路面的延伸方向为Y轴,fi(Yc)表示第i帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,fi-1(Yc)表示第i-1帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0。
2.如权利要求1所述的基于物联网数据的交通调度的方法,其特征在于:在所述步骤S2中,基于所述物联网对所述车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况具体包括:
利用下面公式(2),并结合当前路面上的车流量信息,确定当前路面的交通拥堵情况,
在上述公式(2)中,S表示当前路面的交通拥堵程度评定值,当S为第一预设值时,表示当前路面的处于第一级别交通拥堵状态,当S为第二预设值时,表示当前路面的处于第二级别交通拥堵状态,当S为第三预设值时,表示当前路面的处于第三级别交通拥堵状态,并且第一预设值大于第二预设值、第二预设值大于第三预设值,其中,第一级别交通拥堵状态、第二级别交通拥堵状态和第三级别交通拥堵状态的交通拥堵程度依次降低,表示当前路面在时间T内的平均车流量,表示当前路面在时间T内所有车辆的平均位移量,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0,δ[]表示单位冲激函数,当括号内的数值等于0时,单位冲激函数的函数值为1,当括号内的数值不等于0时,单位冲激函数的函数值为0;
根据上述过程,相应地确定得到当前路面相邻的第a个路面对应的交通拥堵程度评定值Sa。
3.如权利要求2所述的基于物联网数据的交通调度的方法,其特征在于:在所述步骤S3中,根据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况;再根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息具体包括:
步骤S301,利用下面公式(3),并结合当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,确定在电子地图中与当前路面相邻的第a个路面的颜色标识值,
Pa=u(S-Sa)×δ[δ(S-Sa)]+2×u(Sa-S)+3×δ(S-Sa) (3)
在上述公式(3)中,Pa表示在电子地图中与当前路面相邻的第a个路面的颜色标识值;
当Pa=1时,表示第a个路面的交通拥挤程度低于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为绿色,当Pa=2时,表示第a个路面的交通拥挤程度高于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为红色,当Pa=3时,表示第a个路面的交通拥挤程度等于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为黄色,从而显示第a个路面相比于当前路面的实际拥堵情况;
步骤S302,根据电子地图中与当前路面相邻的第a个路面标识的颜色,向司机发送相应的提醒信息,其中,所述提醒信息包含指示司机相邻的所有路面相比于当前路面是否更加拥堵的语音提醒信息。
4.基于物联网数据的交通调度的***,其特征在于,其包括道路路面影像采集与分析模块,路面交通拥堵情况确定模块,电子地图道路路面标识模块和提醒信息发送模块;其中,
所述道路路面影像采集与分析模块用于通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对所述路面影像进行分析,确定路面上的车流量信息,并将所述车流量信息回传至所述物联网;所述路面交通拥堵情况确定模块用于基于所述物联网对所述车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况;
所述电子地图道路路面标识模块用于据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况;所述提醒信息发送模块用于根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息;
其中,所述道路路面影像采集与分析模块用于通过与物联网连接的摄像终端对道路路面进行摄像,以此获得对应路面影像;对所述路面影像进行分析,确定路面上的车流量信息,并将所述车流量信息回传至所述物联网具体包括:
通过与物联网连接的摄像终端沿着道路路面的延伸方向进行扫描拍摄,以此获得对应路面的动态影像;
再将所述动态影像分解为若干帧图像,并对每帧图像进行卡尔曼滤波处理;
最后利用下面公式(1),对所有图像进行处理,从而确定路面上的车流量信息,并将所述车流量信息回传至所述物联网,
在上述公式(1)中,L表示路面在时间T内对应的车流量,即所述车流量信息,T表示摄像终端对道路路面进行摄像的持续时间,n表示所述动态影像分解得到的图像的总帧数,以道路路面的宽度方向为X轴和以道路路面的延伸方向为Y轴,fi(Yc)表示第i帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,fi-1(Yc)表示第i-1帧图像中出现的每个车辆各自的中心点在Y轴方向上的Y轴坐标Yc的平均值,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0。
5.如权利要求4所述的基于物联网数据的交通调度的***,其特征在于:所述路面交通拥堵情况确定模块用于基于所述物联网对所述车流量信息进行分析,从而确定当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况具体包括:
利用下面公式(2),并结合当前路面上的车流量信息,确定当前路面的交通拥堵情况,
在上述公式(2)中,S表示当前路面的交通拥堵程度评定值,当S为第一预设值时,表示当前路面的处于第一级别交通拥堵状态,当S为第二预设值时,表示当前路面的处于第二级别交通拥堵状态,当S为第三预设值时,表示当前路面的处于第三级别交通拥堵状态,并且第一预设值大于第二预设值、第二预设值大于第三预设值,其中,第一级别交通拥堵状态、第二级别交通拥堵状态和第三级别交通拥堵状态的交通拥堵程度依次降低,表示当前路面在时间T内的平均车流量,表示当前路面在时间T内所有车辆的平均位移量,μ()表示阶跃函数,当括号内的数值等于或大于0时,阶跃函数的函数值为1,当括号内的数值小于0时,阶跃函数的函数值为0,δ[]表示单位冲激函数,当括号内的数值等于0时,单位冲激函数的函数值为1,当括号内的数值不等于0时,单位冲激函数的函数值为0;
根据上述过程,相应地确定得到当前路面相邻的第a个路面对应的交通拥堵程度评定值Sa。
6.如权利要求5所述的基于物联网数据的交通调度的***,其特征在于:所述电子地图道路路面标识模块用于据当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,在相应的电子地图对每个道路路面进行区分标识,从而显示每个道路路面的实际拥堵情况具体包括:
利用下面公式(3),并结合当前路面的交通拥堵情况以及与当前路面相邻的其他路面对应的交通拥堵情况,确定在电子地图中与当前路面相邻的第a个路面的颜色标识值,
Pa=u(S-Sa)×δ[δ(S-Sa)]+2×u(Sa-S)+3×δ(S-Sa) (3)
在上述公式(3)中,Pa表示在电子地图中与当前路面相邻的第a个路面的颜色标识值;
当Pa=1时,表示第a个路面的交通拥挤程度低于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为绿色,当Pa=2时,表示第a个路面的交通拥挤程度高于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为红色,当Pa=3时,表示第a个路面的交通拥挤程度等于当前路面的交通拥挤程度、此时将第a个路面在电子地图上的颜色标识为黄色,从而显示第a个路面相比于当前路面的实际拥堵情况;
以及,
所述提醒信息发送模块用于根据电子地图中每个道路路面的标识结果,向司机发送相应的提醒信息具体包括:
根据电子地图中与当前路面相邻的第a个路面标识的颜色,向司机发送相应的提醒信息,其中,所述提醒信息包含指示司机相邻的所有路面相比于当前路面是否更加拥堵的语音提醒信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908253.9A CN113870597B (zh) | 2021-08-09 | 2021-08-09 | 基于物联网数据的交通调度的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908253.9A CN113870597B (zh) | 2021-08-09 | 2021-08-09 | 基于物联网数据的交通调度的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113870597A CN113870597A (zh) | 2021-12-31 |
CN113870597B true CN113870597B (zh) | 2022-07-12 |
Family
ID=78990384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110908253.9A Active CN113870597B (zh) | 2021-08-09 | 2021-08-09 | 基于物联网数据的交通调度的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113870597B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324182A (zh) * | 2011-08-26 | 2012-01-18 | 西安电子科技大学 | 基于蜂窝网络的交通道路信息检测***及其检测方法 |
CN103150908A (zh) * | 2013-02-05 | 2013-06-12 | 长安大学 | 一种基于视频的平均车速检测方法 |
CN103310642A (zh) * | 2012-03-16 | 2013-09-18 | 捷达世软件(深圳)有限公司 | 道路状况预警***以及道路状况预警方法 |
CN103514741A (zh) * | 2012-06-19 | 2014-01-15 | 上海炎翔通信科技有限公司 | 交通拥堵信息处理***及移动通信终端 |
CN104318770A (zh) * | 2014-11-02 | 2015-01-28 | 上海云砥信息科技有限公司 | 基于手机数据实时检测高速公路交通拥堵状态的方法 |
CN109615864A (zh) * | 2018-12-29 | 2019-04-12 | 深圳英飞拓科技股份有限公司 | 基于视频结构化的车辆拥堵分析方法、***、终端及存储介质 |
CN111161545A (zh) * | 2019-12-24 | 2020-05-15 | 北京工业大学 | 基于视频的交叉口区域交通参数统计方法 |
US10929694B1 (en) * | 2020-01-22 | 2021-02-23 | Tsinghua University | Lane detection method and system based on vision and lidar multi-level fusion |
CN112700650A (zh) * | 2021-01-29 | 2021-04-23 | 杭州易龙安全科技有限公司 | 一种安全智能监测预警的方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050001935A1 (en) * | 2003-07-03 | 2005-01-06 | Shinya Kiuchi | Image processing device, image display device, and image processing method |
JP5339990B2 (ja) * | 2009-03-31 | 2013-11-13 | アルパイン株式会社 | ナビゲーション装置およびその混雑状況表示方法 |
WO2014074941A1 (en) * | 2012-11-09 | 2014-05-15 | Iteris, Inc. | Animation and visualization of traffic data analytics in a dashboard presentation of a roadway performance measurement system |
CN103778786B (zh) * | 2013-12-17 | 2016-04-27 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于显著车辆部件模型的交通违章检测方法 |
CN104036647B (zh) * | 2014-07-02 | 2018-01-02 | 重庆市城投金卡信息产业股份有限公司 | 基于射频识别技术的交通信号全局控制方法及*** |
CN105405300B (zh) * | 2015-12-18 | 2018-01-16 | 深圳市航盛电子股份有限公司 | 一种智能路况***及其方法 |
CN105513354A (zh) * | 2015-12-22 | 2016-04-20 | 电子科技大学 | 基于视频的城市道路交通拥堵检测*** |
US20180113450A1 (en) * | 2016-10-20 | 2018-04-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous-mode traffic lane selection based on traffic lane congestion levels |
CN107045790A (zh) * | 2016-12-30 | 2017-08-15 | 浙江海洋大学 | 一种车流量智能监控管理方法 |
CN106960569A (zh) * | 2017-03-17 | 2017-07-18 | 北京博研智通科技有限公司 | 基于多元数据精准计算道路交通受阻系数的方法和*** |
CN109637125A (zh) * | 2018-11-30 | 2019-04-16 | 创发科技有限责任公司 | 智能路况监测***、装置、方法和计算机可读存储介质 |
KR102659054B1 (ko) * | 2018-12-07 | 2024-04-22 | 현대자동차주식회사 | 차량의 주행 제어 장치 및 그 방법 |
CN111599188A (zh) * | 2020-06-01 | 2020-08-28 | 清华大学 | 一种道路交通标线的产生方法、设备、存储介质和*** |
CN111768618B (zh) * | 2020-06-04 | 2021-07-20 | 北京航空航天大学 | 基于城市画像的交通拥堵状态传播预测和预警***及方法 |
-
2021
- 2021-08-09 CN CN202110908253.9A patent/CN113870597B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324182A (zh) * | 2011-08-26 | 2012-01-18 | 西安电子科技大学 | 基于蜂窝网络的交通道路信息检测***及其检测方法 |
CN103310642A (zh) * | 2012-03-16 | 2013-09-18 | 捷达世软件(深圳)有限公司 | 道路状况预警***以及道路状况预警方法 |
CN103514741A (zh) * | 2012-06-19 | 2014-01-15 | 上海炎翔通信科技有限公司 | 交通拥堵信息处理***及移动通信终端 |
CN103150908A (zh) * | 2013-02-05 | 2013-06-12 | 长安大学 | 一种基于视频的平均车速检测方法 |
CN104318770A (zh) * | 2014-11-02 | 2015-01-28 | 上海云砥信息科技有限公司 | 基于手机数据实时检测高速公路交通拥堵状态的方法 |
CN109615864A (zh) * | 2018-12-29 | 2019-04-12 | 深圳英飞拓科技股份有限公司 | 基于视频结构化的车辆拥堵分析方法、***、终端及存储介质 |
CN111161545A (zh) * | 2019-12-24 | 2020-05-15 | 北京工业大学 | 基于视频的交叉口区域交通参数统计方法 |
US10929694B1 (en) * | 2020-01-22 | 2021-02-23 | Tsinghua University | Lane detection method and system based on vision and lidar multi-level fusion |
CN112700650A (zh) * | 2021-01-29 | 2021-04-23 | 杭州易龙安全科技有限公司 | 一种安全智能监测预警的方法 |
Non-Patent Citations (2)
Title |
---|
城市协调控制主干路交通流模型;张萌萌 等;《控制理论与应用》;20111130;第28卷(第11期);全文 * |
基于道路交通视频的车流量检测;姚斐 等;《农业装备与车辆工程》;20210331;第59卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113870597A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7070683B2 (ja) | 劣化診断装置、劣化診断システム、劣化診断方法、プログラム | |
CN106373394B (zh) | 一种基于视频和雷达的车辆检测方法及*** | |
CN109191830B (zh) | 一种基于视频图像处理的道路拥堵检测方法 | |
CN111833598B (zh) | 一种高速公路无人机交通事件自动监测方法及*** | |
WO1997025700A1 (en) | Traffic congestion measuring method and apparatus and image processing method and apparatus | |
JP2019196680A (ja) | 舗装情報収集点検システム、舗装情報収集点検方法、及びプログラム | |
CN108922172B (zh) | 基于车辆特征矩阵序列变化分析的道路拥堵监测*** | |
CN109325802B (zh) | 经济地理要素后处理分析与挖掘方法及*** | |
CN109544940A (zh) | 基于三目视觉的公交车专用道占道抓拍***及其抓拍方法 | |
WO2022127273A1 (zh) | 基于wifi6的交通信息获取方法及*** | |
CN110334666A (zh) | 一种基于双摄像机的交叉口分车道详细交通参数采集方法 | |
CN113903008A (zh) | 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法 | |
CN115311894A (zh) | 基于大数据分析的智慧停车管理方法、***、终端及介质 | |
CN112712707A (zh) | 车辆碳排放监测***及方法 | |
CN109166336B (zh) | 一种基于区块链技术的实时路况信息采集推送方法 | |
CN113870597B (zh) | 基于物联网数据的交通调度的方法和*** | |
Zheng et al. | Detecting cycle failures at signalized intersections using video image processing | |
CN112417960A (zh) | 一种基于大数据的城市车流预警检测方法和*** | |
CN116645831A (zh) | 一种交通盲区检测及预警*** | |
CN110782671A (zh) | 道路拥堵状态实时更新方法及服务器 | |
CN111833629A (zh) | 特殊车道提示方法、***及车辆 | |
CN113570877B (zh) | 一种非机动车逆行检测装置及检测方法 | |
CN115100895A (zh) | 一种基于高精度地图的网联汽车通信优化方法 | |
CN114743382A (zh) | 基于智慧灯杆***的车辆违章行为识别方法和装置 | |
CN113850111A (zh) | 基于语义分割和神经网络技术的路况识别方法和*** |
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 |