CN114037564A - 一种基于大数据的识别景区客流拥堵的方法 - Google Patents
一种基于大数据的识别景区客流拥堵的方法 Download PDFInfo
- Publication number
- CN114037564A CN114037564A CN202111211234.7A CN202111211234A CN114037564A CN 114037564 A CN114037564 A CN 114037564A CN 202111211234 A CN202111211234 A CN 202111211234A CN 114037564 A CN114037564 A CN 114037564A
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- flow density
- area
- scenic spot
- road
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/14—Travel agencies
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于大数据的识别景区客流拥堵的方法,涉及数据分析技术领域;根据游客在景区内的位置信息,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,对于所述游客可活动区域,利用DBSAN算法获得可活动区域内的客流密度,对于所述区域内道路,利用交通流密度算法获得区域内道路的客流密度,结合所述可活动区域内的客流密度和所述区域内道路的客流密度获得可活动区域及与可活动区域相关的区域内道路的整体客流密度,根据整体客流密度识别景区客流拥堵情况。
Description
技术领域
本发明公开一种方法,涉及数据分析技术领域,具体地说是一种基于大数据的识别景区客流拥堵的方法。
背景技术
景区客流承载量、景区客流人数、客流密度等指标关系到景区旅游人员的安全。而现有的对景区客流量的情况的监测,主要利用人工统计、闸机统计、红外线感应、重力感应等方式进行统计,但由于***工具的数量、位置等条件限制,只能对存在统计设施的部分进行监测,无法对景区内部任意某区域游客的拥堵情况进行精确监测。很难准确掌握景区内部某区域客流情况,并进行及时的疏导。
发明内容
本发明针对现有技术的问题,提供一种基于大数据的识别景区客流拥堵的方法,为景区管理部门形成更为准确的景区客流情况监测情况,以便及时疏导协调,降低景区内客流密度,提升游客游览的安全性与舒适性。
本发明提出的具体方案是:
一种基于大数据的识别景区客流拥堵的方法,根据游客在景区内的位置信息,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,
对于所述游客可活动区域,利用DBSAN算法获得可活动区域内的客流密度,对于所述区域内道路,利用交通流密度算法获得区域内道路的客流密度,结合所述可活动区域内的客流密度和所述区域内道路的客流密度获得可活动区域及与可活动区域相关的区域内道路的整体客流密度,
根据所述可活动区域内的客流密度、所述区域内道路的客流密度及整体客流密度识别景区客流拥堵情况。
优选地,所述的一种基于大数据的识别景区客流拥堵的方法中在所述根据游客在景区内的位置信息之前,包括:
利用无线网络通信技术和GPS定位技术,实时获取游客在景区内的位置信息。
优选地,所述的一种基于大数据的识别景区客流拥堵的方法中获得所述整体客流密度,包括:
建立客流密度识别模型,利用所述客流密度识别模型分析获得所述可活动区域内的客流密度和所述区域内道路的客流密度的权重,利用所述可活动区域内的客流密度和所述区域内道路的客流密度的权重计算获得所述整体客流密度。
优选地,所述的一种基于大数据的识别景区客流拥堵的方法中利用所述客流密度识别模型分析获得所述权重,包括:
获得所述可活动区域的面积M和所述区域内道路的长度N,则所述可活动区域内的客流密度和所述区域内道路的客流密度的权重分别为:
a为所述可活动区域内的客流密度的权重,b为所述区域内道路的客流密度的权重。
优选地,所述的一种基于大数据的识别景区客流拥堵的方法中所述利用DBSAN算法获得可活动区域内的客流密度,包括:
计算所述可活动区域的客流密度,其中定位某个游客的位置为(x,y),利用如下公式:
S2=(x+k)2+(y+k)2
确定所述可活动区域,获得所述可活动区域的面积,并通过所述可活动区域内游客数量除以所述可活动区域的面积获得所述可活动区域的客流密度,其中k为大于零的常数。
优选地,所述的一种基于大数据的识别景区客流拥堵的方法中利用交通流密度算法获得区域内道路的客流密度,包括通过如下公式:
计算所述区域内道路的客流密度,其中K为交通流密度,L为游客数量,N为区域内道路的长度。
优选地,所述的一种基于大数据的识别景区客流拥堵的方法中所述识别景区客流拥堵情况之后,包括:
根据所述可活动区域内的客流密度、所述区域内道路的客流密度以及所述整体客流密度,判断所述可活动区域和/或所述区域内道路是否进行预警。
优选地,所述的一种基于大数据的识别景区客流拥堵的方法中所述判断所述可活动区域和/或区域内道路是否进行预警,包括:
预设所述可活动区域的客流密度的告警阈值B,预设所述区域内道路的客流密度的告警阈值C,预设所述整体客流密度的告警阈值A,
比较所述整体客流密度与告警阈值A,若所述整体客流密度大于告警阈值A,则进行预警,
比较所述整体客流密度与告警阈值B,若所述整体客流密度大于告警阈值B,则进行预警,
比较所述整体客流密度与告警阈值C,若所述整体客流密度大于告警阈值C,则进行预警。
一种基于大数据的识别景区客流拥堵的***,包括区域划分模块、分析模块及识别模块,
区域划分模块根据游客在景区内的位置信息,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,
分析模块对于所述游客可活动区域,利用DBSAN算法获得可活动区域内的客流密度,对于所述区域内道路,利用交通流密度算法获得区域内道路的客流密度,结合所述可活动区域内的客流密度和所述区域内道路的客流密度获得可活动区域及与可活动区域相关的区域内道路的整体客流密度,
根据所述可活动区域内的客流密度、所述区域内道路的客流密度及整体客流密度识别景区客流拥堵情况。
一种基于大数据的识别景区客流拥堵的装置,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行所述的一种基于大数据的识别景区客流拥堵的方法。
本发明的有益之处是:
本发明提供一种基于大数据的识别景区客流拥堵的方法,根据游客在景区内的位置信息,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,并分别对可活动区域及区域内道路的客流情况进行客流密度数据的分析并结合可活动区域及区域内道路的客流情况获得整体客流密度数据,根据可活动区域内的客流密度、区域内道路的客流密度及整体客流密度识别景区客流拥堵情况,本发明方法无需建立大型闸机监测客流,更为方便且获取数据的成本低,并能够更加精确的识别景区客流情况,也可进一步根据区域划分进行针对性预警及疏导。
附图说明
图1是本发明方法流程示意图。
图2是本发明方法应用在景区中选定区域示意图。
图3是景区中选定区域的客流密度示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
本发明提供一种基于大数据的识别景区客流拥堵的方法,根据游客在景区内的位置信息,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,
对于所述游客可活动区域,利用DBSAN算法获得可活动区域内的客流密度,对于所述区域内道路,利用交通流密度算法获得区域内道路的客流密度,结合所述可活动区域内的客流密度和所述区域内道路的客流密度获得可活动区域及与可活动区域相关的区域内道路的整体客流密度,
根据所述可活动区域内的客流密度、所述区域内道路的客流密度及整体客流密度识别景区客流拥堵情况。
本发明方法对景区内客流监测,利用游客在景区内的位置数据,结合DBSAN算法与交通流密度算法,测算该区域内客流密度情况,进而实现客流情况的识别,以便参照预警阈值进行景区客流的实时、精确、有效地监控。
具体应用中,在本发明的一些实施例中基于大数据进行景区客流拥堵的识别,其中本发明方法可以通过3G、4G、5G、WIFI等无线网络通信技术及GPS定位技术,实时获取游客在景区内的位置数据,定位技术能够保证1m以内误差或者更精确,并且该信息获取的成本低,效率高,实时性可靠,根据游客在景区内的位置数据,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,参考图2,
利用客流密度识别模型进行景区客流拥堵的识别,其中利用DBSAN算法,测算出可活动区域客流密度,利用交通流密度公式测算与可活动区域相关的区域内道路的客流密度,结合该区域内道路客流密度与活动区域客流密度的权重数据,测算该区域的整体客流密度情况,参考图3,
并根据可活动区域客流密度、区域内道路的客流密度及整体客流密度情况进行景区客流拥堵情况的识别。
基于上述实施例,在本发明的另一些实施例中,具体说明了景区内客流密度识别模型测算可活动区域及与可活动区域相关的区域内道路的客流密度的过程。其中利用客流密度识别模型测算可活动区域的面积为M,区域内道路长度为N,利用公式:
分别测算出可活动区域与区域内道路的客流密度的权重,a为所述可活动区域内的客流密度的权重,b为所述区域内道路的客流密度的权重。
对于可活动区域的客流密度,利用DBSAN算法,依据游客位置、游客与游客之间的距离数据,计算可活动区域客流密度情况,比如定位到某个游客的位置为(x,y),利用如下公式:
S2=(x+k)2+(y+k)2
通过大于零的常数K可指定可活动区域面积为识别区域面积,统计此面积内的其他游客位置数据,测算所述某个游客的位置周围的游客数量,利用此面积和游客数量,确认客流密度H,为更加准确,可以计算该活动区域内每位游客所对应的客流密度情况,进而计算该区域客流密度的几何平均数。
对于区域内道路的客流密度,利用交通流密度公式:
进行客流密度的计算,K为交通流密度,L为游客数量,N为道路长度。
结该区域内道路客流密度与可活动区域客流密度的权重数据,测算该区域的整体客流密度情况,其中P为整体客流密度,公式如下:
P=a*H+b*K
根据P值判断景区内客流的拥堵情况。
在上述实施例的基础上,为进一步进行客流管理,可根据P值判断景区内客流的拥堵情况的结果采取适当的措施。其中设定景区内选定区域的整体客流密度阈值A、可活动区域客流密度阈值B与区域内道路客流密度阈值C,分别利用密度阈值A、B及C与P值取差值Q,如果P值高于设定的密度阈值,即Q<0,则表示区域内游客客流过多,需要限制到进入景区和到该区域的客流人数。如果P值低于设定的阈值,即Q>0,则表示区域内客流暂时正常。此时,Q表示该区域内客流的安全密度值,结合该区域游客活动空间的数据M和N,可推算出该区域达到阈值需要继续放入的客流量。汇总所有区域达到报警阈值需要放入的客流量即为该景区达到报警值的客流量。另外,可进一步设定需提前引导客流的预警密度值W,W小于设定的客流密度阈值,当P值等于W时,景区管理部门就需要对该区域内客流进行引导,以防止其达到该区域的客流密度阈值。
本发明还提供一种基于大数据的识别景区客流拥堵的***,包括区域划分模块、分析模块及识别模块,
区域划分模块根据游客在景区内的位置信息,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,
分析模块对于所述游客可活动区域,利用DBSAN算法获得可活动区域内的客流密度,对于所述区域内道路,利用交通流密度算法获得区域内道路的客流密度,结合所述可活动区域内的客流密度和所述区域内道路的客流密度获得可活动区域及与可活动区域相关的区域内道路的整体客流密度,
识别模块根据整体客流密度识别景区客流拥堵情况。
上述***内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
同样地,本发明***可以根据游客在景区内的位置信息,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,并分别对可活动区域及区域内道路的客流情况进行客流密度数据的分析并结合可活动区域及区域内道路的客流情况获得整体客流密度数据,根据可活动区域内的客流密度、区域内道路的客流密度及整体客流密度识别景区客流拥堵情况,本发明方法无需建立大型闸机监测客流,更为方便且获取数据的成本低,并能够更加精确的识别景区客流情况,也可进一步根据区域划分进行针对性预警及疏导。
以及本发明还提供一种基于大数据的识别景区客流拥堵的装置,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行所述的一种基于大数据的识别景区客流拥堵的方法。
上述装置内的处理器的信息交互、执行可读程序过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
同样地,本发明装置可以根据游客在景区内的位置信息,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,并分别对可活动区域及区域内道路的客流情况进行客流密度数据的分析并结合可活动区域及区域内道路的客流情况获得整体客流密度数据,根据可活动区域内的客流密度、区域内道路的客流密度及整体客流密度识别景区客流拥堵情况,本发明方法无需建立大型闸机监测客流,更为方便且获取数据的成本低,并能够更加精确的识别景区客流情况,也可进一步根据区域划分进行针对性预警及疏导。
需要说明的是,上述较佳实施例中各流程和各***结构中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的***结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (10)
1.一种基于大数据的识别景区客流拥堵的方法,其特征是根据游客在景区内的位置信息,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,
对于所述游客可活动区域,利用DBSAN算法获得可活动区域内的客流密度,对于所述区域内道路,利用交通流密度算法获得区域内道路的客流密度,结合所述可活动区域内的客流密度和所述区域内道路的客流密度获得可活动区域及与可活动区域相关的区域内道路的整体客流密度,
根据所述可活动区域内的客流密度、所述区域内道路的客流密度及整体客流密度识别景区客流拥堵情况。
2.根据权利要求1所述的一种基于大数据的识别景区客流拥堵的方法,其特征是在所述根据游客在景区内的位置信息之前,包括:
利用无线网络通信技术和GPS定位技术,实时获取游客在景区内的位置信息。
3.根据权利要求1或2所述的一种基于大数据的识别景区客流拥堵的方法,其特征是获得所述整体客流密度,包括:
建立客流密度识别模型,利用所述客流密度识别模型分析获得所述可活动区域内的客流密度和所述区域内道路的客流密度的权重,利用所述可活动区域内的客流密度和所述区域内道路的客流密度的权重计算获得所述整体客流密度。
5.根据权利要求1或4所述的一种基于大数据的识别景区客流拥堵的方法,其特征是所述利用DBSAN算法获得可活动区域内的客流密度,包括:
计算所述可活动区域的客流密度,其中定位某个游客的位置为(x,y),利用如下公式:
S2=(x+k)2+(y+k)2
确定所述可活动区域,获得所述可活动区域的面积,并通过所述可活动区域内游客数量除以所述可活动区域的面积获得所述可活动区域的客流密度,其中k为大于零的常数。
7.根据权利要求1所述的一种基于大数据的识别景区客流拥堵的方法,其特征是所述识别景区客流拥堵情况之后,包括:
根据所述可活动区域内的客流密度、所述区域内道路的客流密度以及所述整体客流密度,判断所述可活动区域和/或所述区域内道路是否进行预警。
8.根据权利要求7所述的一种基于大数据的识别景区客流拥堵的方法,其特征是所述判断所述可活动区域和/或区域内道路是否进行预警,包括:
预设所述可活动区域的客流密度的告警阈值B,预设所述区域内道路的客流密度的告警阈值C,预设所述整体客流密度的告警阈值A,
比较所述整体客流密度与告警阈值A,若所述整体客流密度大于告警阈值A,则进行预警,
比较所述整体客流密度与告警阈值B,若所述整体客流密度大于告警阈值B,则进行预警,
比较所述整体客流密度与告警阈值C,若所述整体客流密度大于告警阈值C,则进行预警。
9.一种基于大数据的识别景区客流拥堵的***,其特征是包括区域划分模块、分析模块及识别模块,
区域划分模块根据游客在景区内的位置信息,将景区划分为游客可活动区域及与可活动区域相关的区域内道路,
分析模块对于所述游客可活动区域,利用DBSAN算法获得可活动区域内的客流密度,对于所述区域内道路,利用交通流密度算法获得区域内道路的客流密度,结合所述可活动区域内的客流密度和所述区域内道路的客流密度获得可活动区域及与可活动区域相关的区域内道路的整体客流密度,
识别模块根据所述可活动区域内的客流密度、所述区域内道路的客流密度及整体客流密度识别景区客流拥堵情况。
10.一种基于大数据的识别景区客流拥堵的装置,其特征是包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行权利要求1至8中任一项所述的一种基于大数据的识别景区客流拥堵的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111211234.7A CN114037564A (zh) | 2021-10-18 | 2021-10-18 | 一种基于大数据的识别景区客流拥堵的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111211234.7A CN114037564A (zh) | 2021-10-18 | 2021-10-18 | 一种基于大数据的识别景区客流拥堵的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114037564A true CN114037564A (zh) | 2022-02-11 |
Family
ID=80135437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111211234.7A Pending CN114037564A (zh) | 2021-10-18 | 2021-10-18 | 一种基于大数据的识别景区客流拥堵的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114037564A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145985A (zh) * | 2017-05-09 | 2017-09-08 | 北京城建设计发展集团股份有限公司 | 一种城市轨道交通客流区域联动预警方法 |
CN107730427A (zh) * | 2017-10-09 | 2018-02-23 | 安徽畅通行交通信息服务有限公司 | 一种景区交通监测管理*** |
CN110544115A (zh) * | 2019-08-16 | 2019-12-06 | 北京慧辰资道资讯股份有限公司 | 一种从景区旅游大数据分析游客特性的方法和装置 |
CN110942411A (zh) * | 2019-11-20 | 2020-03-31 | 北京城建设计发展集团股份有限公司 | 基于区域联动的地铁车站客流分级报警方法 |
CN111083728A (zh) * | 2019-12-25 | 2020-04-28 | 电子科技大学 | 一种基于时空大数据的景区实时负荷监控方法及*** |
CN113361734A (zh) * | 2021-06-09 | 2021-09-07 | 合肥工业大学 | 一种风景区客流密度统计*** |
-
2021
- 2021-10-18 CN CN202111211234.7A patent/CN114037564A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107145985A (zh) * | 2017-05-09 | 2017-09-08 | 北京城建设计发展集团股份有限公司 | 一种城市轨道交通客流区域联动预警方法 |
CN107730427A (zh) * | 2017-10-09 | 2018-02-23 | 安徽畅通行交通信息服务有限公司 | 一种景区交通监测管理*** |
CN110544115A (zh) * | 2019-08-16 | 2019-12-06 | 北京慧辰资道资讯股份有限公司 | 一种从景区旅游大数据分析游客特性的方法和装置 |
CN110942411A (zh) * | 2019-11-20 | 2020-03-31 | 北京城建设计发展集团股份有限公司 | 基于区域联动的地铁车站客流分级报警方法 |
CN111083728A (zh) * | 2019-12-25 | 2020-04-28 | 电子科技大学 | 一种基于时空大数据的景区实时负荷监控方法及*** |
CN113361734A (zh) * | 2021-06-09 | 2021-09-07 | 合肥工业大学 | 一种风景区客流密度统计*** |
Non-Patent Citations (1)
Title |
---|
何承等: "《城市道路交通状态指数研究》", vol. 1, 上海科学技术出版社, pages: 210 - 211 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110164130B (zh) | 交通事件检测方法、装置、设备及存储介质 | |
CN109255955B (zh) | 一种基于地基和空基协同感知的高速公路事故监测方法及*** | |
CN110751828B (zh) | 一种路段拥堵测量方法、装置、计算机设备及存储介质 | |
CN110226310A (zh) | 电子控制装置、不正当检测服务器、车载网络***、车载网络监视***以及车载网络监视方法 | |
US20200391766A1 (en) | Multi-mode communication method for autonomous transport system of mining vehicle and apparatus thereof | |
Stipancic et al. | Impact of congestion and traffic flow on crash frequency and severity: application of smartphone-collected GPS travel data | |
CN111612378A (zh) | 潜在碰撞风险预测方法、装置及计算机设备 | |
JPWO2017130902A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN111311921A (zh) | 道路超重告警的方法、装置、计算机设备和存储介质 | |
CN113276874A (zh) | 一种车辆行驶轨迹处理方法及相关装置 | |
CN114074667A (zh) | 静止对象检测 | |
CN110599791A (zh) | 信息监控方法、装置和设备 | |
CN116596722A (zh) | 一种智慧社区风险防控***及风险防控方法 | |
US20230054889A1 (en) | Automatically tracking a trajectory of a vehicle | |
Hung et al. | Model-driven traffic data acquisition in vehicular sensor networks | |
CN114037564A (zh) | 一种基于大数据的识别景区客流拥堵的方法 | |
WO2016132395A1 (en) | Weight estimation system | |
KR101734875B1 (ko) | 방사선 환경에서의 비관리 작업자에 대한 관리 방법 | |
CN106887138B (zh) | 一种堵车蔓延态势侦测方法与*** | |
Nam et al. | Traffic density estimation using radar sensor data from probe vehicles | |
CN115527362A (zh) | 用于高速区间的交通流引导方法、装置、设备及存储介质 | |
CN114445786A (zh) | 道路拥堵检测方法、装置、电子设备及存储介质 | |
CN109685010B (zh) | 一种高速公路边坡防护网漏洞位置定位方法及*** | |
CN114283615A (zh) | 一种基于景区多个停车场车流量的客流预警***和方法 | |
CN112464749A (zh) | 一种基于规则与学习的交通场景异常目标检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220211 |