CN114241760A - 一种智慧服务区大数据融合***及方法 - Google Patents

一种智慧服务区大数据融合***及方法 Download PDF

Info

Publication number
CN114241760A
CN114241760A CN202111521734.0A CN202111521734A CN114241760A CN 114241760 A CN114241760 A CN 114241760A CN 202111521734 A CN202111521734 A CN 202111521734A CN 114241760 A CN114241760 A CN 114241760A
Authority
CN
China
Prior art keywords
service area
vehicle
density
vehicles
information
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
Application number
CN202111521734.0A
Other languages
English (en)
Inventor
曹援
陈家宏
茹耀辉
王瀚明
杨庭龙
马东
丁雪鹏
陈雪颖
解亮亮
季星
吴俊澄
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.)
Jiangsu Expressway Information Engineering Co ltd
Original Assignee
Jiangsu Expressway Information Engineering 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 Jiangsu Expressway Information Engineering Co ltd filed Critical Jiangsu Expressway Information Engineering Co ltd
Priority to CN202111521734.0A priority Critical patent/CN114241760A/zh
Publication of CN114241760A publication Critical patent/CN114241760A/zh
Pending legal-status Critical Current

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
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/065—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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及数据分析技术领域，具体公开了一种智慧服务区大数据融合***及方法，所述的智慧服务区大数据融合***包括：移动终端，设置在汽车上。驶入摄像组，安装在服务区进入车道口，并获取汽车车牌信息，并对进入车辆进行计数为N。驶出摄像组，安装在服务区驶出车道口，并获取汽车车牌信息，并对驶出车辆进行计数为M。计数模块，安装在服务区内，对进入服务区的人数进行计数。控制中心，对进入到服务区的车辆进行定位，获取汽车行驶信息、并获取进入车辆和驶出车辆信息。通过计数模块进行计数获得客流数量X；通过车辆数量和客流数量获得接待密度Y。本发明通过接待密度Y对服务区进行评价，旅客可以查看服务区接待密度Y选择停靠的服务区。

Description

一种智慧服务区大数据融合***及方法
技术领域
本发明涉及数据分析技术领域，具体涉及一种智慧服务区大数据融合***及方法。
背景技术
高速公路服务区是保障行车安全，提高高速公路服务水平，保证运输迅速、经济，缓解驾驶员在生理上的过度疲劳和汽车在使用上的极限状态，为车辆提供加油、检测、维修服务，保证高速公路安全、畅通而必不可少的重要附属设施。服务区布局规划的核心内容是要在给定高速公路网络上，对诸多可能布局方案进行优化，最终确定经济合理、服务功能全面的最优布局。
对服务区的路网性质和交通性质认识不足：在高速公路服务设施建设初期，由于高速公路尚未成网，车辆在高速公路上的行驶里程一般较短，同时高速公路上的交通量也不大，修建了服务设施，其闲置率较高。人们普遍认为服务设施修多了，修大了，这种认识的普遍性造成以后数年中服务设施的间距越来越大，建设规模越来越小。但是随着高速公路里程逐渐增加，逐渐成网和交通量的不断增大，服务设施的利用率越来越高，有的甚至是难堪重负。尤其是客流高峰期，服务区不能给司乘人员提供按时的服务，严重影响了高速公路的服务水平和质量。对服务评价不仅是车位、接待旅客数量等进行综合评价，现有的评价方法存在严重的不足。
发明内容
为解决上述技术问题，本发明提供一种智慧服务区大数据融合***，所述的智慧服务区大数据融合***包括：移动终端、驶入摄像组、驶出摄像组、计数模块和控制中心；
移动终端，设置在汽车上，其用于记录汽车行驶信息；
驶入摄像组，安装在服务区进入车道口，其用于拍摄进入车辆，并获取汽车车牌信息，并对进入车辆进行计数为N；
驶出摄像组，安装在服务区驶出车道口，其用于拍摄驶出车辆，并获取汽车车牌信息，并对驶出车辆进行计数为M；
计数模块，安装在服务区内，对进入服务区的人数进行计数；
控制中心，对进入到服务区的车辆进行定位，获取汽车行驶信息，并获取进入车辆和驶出车辆信息；控制中心从驶入摄像组和驶出摄像组获得汽车车牌信息并与对应的汽车行驶信息进行绑定，通过N-M获得服务区车辆数量，通过计数模块进行计数获得客流数量X；通过车辆数量和客流数量获得接待密度Y，接待密度
Figure BDA0003407561250000021
其中，m为车辆容纳因子，n为人数容纳因子；控制中心将接待密度、车辆数量、客流数量发送给移动终端。
优选的：所述控制中心通过汽车行驶信息获取车辆上一段停止时间点T1，通过驶入摄像组获取进入车辆的时间点标记为T2，并通过驶出摄像组获取汽车驶出时间点标记为T3，则行驶时间T行＝T2-T1，休息时间T休＝T3-T2，通过
Figure BDA0003407561250000022
与一个预先设置的疲劳驾度进行对比，若
Figure BDA0003407561250000023
大于疲劳驾驶度，控制中心发出提醒信号。
优选的：通过客流密度、车辆密度和/或接待密度与时间拟合获得接待曲线，接待曲线是横轴为时间，纵轴为客流密度、车辆密度和/或接待密度，客流密度为
Figure BDA0003407561250000024
车辆密度为
Figure BDA0003407561250000025
优选的：通过接待曲线进行预测，并通过实际的接待曲线对预测的接待曲线进行实时修正，当预测的接待曲线超过容纳饱和度的时间段超过预设值时，控制中心以所述时间段初始时间点为扩建信号输出。
优选的：当预测曲线超过容纳饱和度的时间段超过50％时，判定服务区持续饱和。
优选的：当客流密度、车辆密度和/或接待密度与一个预先设置容纳梯度进行对比，并进行相应提示。
优选的：当客流密度大于容纳饱和度80％时，控制中心发出提示信号；当客流密度大于容纳饱和度时，控制中心发出一级报警信号；客流密度大于容纳饱和度120％时，控制中心发出二级报警信号。
优选的：所述的行驶信息包括汽车行驶的起点、终点和规划行程路径，并记录行程路径中对应的汽车车速。
优选的：上一段停止时间是汽车行驶速度为零超过一个规定时间的时间点作为T1。
本发明还提供一种智慧服务区大数据融合方法，应用上述所述的一种智慧服务区大数据融合***，所述的智慧服务区大数据融合方法包括如下步骤：
S1、对进入到服务区的车辆进行定位，获取汽车行驶信息、进入车辆和驶出车辆信息；
S2、将获得汽车车牌信息并与对应的汽车行驶信息进行绑定；
S3、通过进入车辆N和驶出车辆M获得服务区车辆数量，通过计数模块进行计数获得客流数量X；
S4、通过车辆数量和客流数量获得接待密度Y，接待密度
Figure BDA0003407561250000031
其中，m为车辆容纳因子，n为人数容纳因子；
S5、通过接待密度Y对服务区进行评价，并发送给移动终端。
本发明的技术效果和优点：通过接待密度Y对服务区进行评价，旅客可以查看服务区接待密度Y选择停靠的服务区。控制中心可以将接待密度、车辆数量、客流数量发送给移动终端，旅客可以根据接待密度、车辆数量、客流数量，错过人流量等。
附图说明
图1为本发明提出的一种智慧服务区大数据融合***结构框图。
图2为本发明提出的一种智慧服务区大数据融合方法流程框图。
图3为本发明提出的一种智慧服务区大数据融合***中疲劳度作用框图。
图4为本发明提出的一种智慧服务区大数据融合***中接待曲线预测的作用框图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
实施例1
参考图1，在本实施例中提出了一种智慧服务区大数据融合***，所述的智慧服务区大数据融合***包括：移动终端、驶入摄像组、驶出摄像组、计数模块和控制中心。
移动终端，设置在汽车上，用于记录汽车行驶信息，所述的行驶信息包括汽车行驶的起点、终点和规划行程路径，并记录行程路径中对应的汽车车速。移动终端可以是汽车安装的导航***、GPS、或者用于导航的手机。在汽车行驶的开始时，通过对移动终端输入行程的起点和终点，移动终端自行规划行程的路线，驾驶员可以选择适合自己的行程路线。
驶入摄像组，安装在服务区进入车道口，用于拍摄进入车辆，并获取汽车车牌信息，并对进入车辆进行计数为N。驶入摄像组可以安装在服务区进入车道的车架上，对进入的车辆进行拍摄，并对车辆的车牌进行扫描。
驶出摄像组，安装在服务区驶出车道口，用于拍摄驶出车辆，并获取汽车车牌信息，并对驶出车辆进行计数为M。驶出摄像组可以安装在服务区驶出车道的车架上，对驶出的车辆进行拍摄，并对车辆的车牌进行扫描。
计数模块，安装在服务区内，对进入服务区的人数进行计数，计数模块可以安装在服务区的服务站的进入口，服务站内部包括厕所、超市、餐饮等，进入服务区的人基本通过计数模块，从而可以通过计数模块对进入服务区的人数进行计数。
控制中心，与驶入摄像组、驶出摄像组和计数模块电连接，并对进入到服务区的车辆进行定位，获取汽车行驶信息，并获取进入车辆和驶出车辆信息。控制中心从驶入摄像组和驶出摄像组获得汽车车牌信息并与对应的汽车行驶信息进行绑定，通过N-M获得服务区车辆数量，通过计数模块进行计数获得客流数量X。通过车辆数量和客流数量获得接待密度Y，接待密度
Figure BDA0003407561250000051
其中，m为车辆容纳因子，n为人数容纳因子。M可以根据服务区的停车位进行设定，n可以是超市面积、厕所面积、休息室容纳人数等进行确定。通过接待密度Y对服务区进行评价，旅客可以查看服务区接待密度Y选择停靠的服务区。控制中心可以将接待密度、车辆数量、客流数量发送给移动终端，旅客可以根据接待密度、车辆数量、客流数量，错过人流量等。
参考图3，控制中心通过汽车行驶信息获取车辆上一段停止时间点T1，上一段停止时间可以是汽车行程的开始时间，也可以是汽车行驶速度为零超过一个规定时间的时间点作为T1。例如，车辆有一个时间点车辆行驶速度为零，这个时间有30分钟，30分钟超过了规定的20分钟，将汽车重新行驶时间作为T1。通过驶入摄像组获取进入车辆的时间点标记为T2，并通过驶出摄像组获取汽车驶出时间点标记为T3，行驶时间T行＝T2-T1，休息时间T休＝T3-T2，通过
Figure BDA0003407561250000052
与一个预先设置的疲劳驾度进行对比，若
Figure BDA0003407561250000053
大于疲劳驾驶度，控制中心发出提醒信号。
参考图4，通过客流密度、车辆密度和/或接待密度与时间拟合获得接待曲线，接待曲线可以是横轴为时间，纵轴为客流密度、车辆密度和/或接待密度，客流密度为
Figure BDA0003407561250000054
车辆密度为
Figure BDA0003407561250000055
从而进行评价，并通过获得客流密度、车辆密度和/或接待密度趋势进行预测曲线绘制，通过预测曲线可以调整服务区的服务项目和容纳能力。例如，每天的中午客流密度、车辆密度和/或接待密度较大，可以增加服务人员、增加商品的货架、在室外增加部分服务等。有些是预测曲线随着日期的变化而变化，通过对上一年的接待曲线，可以对应调整本年的服务，从而提高服务质量。通过客流密度、车辆密度和/或接待曲线进行预测，并通过实际客流密度、车辆密度和/或接待密度对预测曲线进行实时修正，当预测的接待曲线超过容纳饱和度的时间段超过预设值时，控制中心以所述时间段初始时间点为扩建信号输出。通过控制中心进行预测扩建信号，可以对服务区进行扩建，从而避免了客流量、车流量增加，服务区容纳能力满足不了客流量需求。例如，通过预测曲线预测的扩建信号为两年后，当预测曲线超过容纳饱和度的时间段超过50％时，可以判定服务区持续饱和，可以提前规划好服务区扩建工程，避免了服务区不能满足客流量的弊端。当客流密度、车辆密度和/或接待密度与一个预先设置容纳梯度进行对比，并进行相应提示。例如当客流密度大于容纳饱和度80％时，控制中心发出提示信号，可以增加超市货架、休息室座椅数量等；当客流密度大于容纳饱和度时，控制中心发出一级报警信号，需要增加超市面积、休息室面积等。客流密度大于容纳饱和度120％时，控制中心发出二级报警信号，需要紧急增加建筑面积等。当控制中心发出报警信号，可以增加相应的服务设施。控制中心可以将通过显示器进行显示，显示器可以设置在服务区驶出车道上，还可以通过无线网络发送给移动终端，通过移动终端进行显示。当然还可以通过语音进行播报。
实施例3
参考图2，在本实施例中提出了一种智慧服务区大数据融合方法，包括如下步骤：
S1、对进入到服务区的车辆进行定位，获取汽车行驶信息、进入车辆和驶出车辆信息。
S2、将获得汽车车牌信息并与对应的汽车行驶信息进行绑定。
S3、通过进入车辆N和驶出车辆M获得服务区车辆数量，通过计数模块进行计数获得客流数量X。
S4、通过车辆数量和客流数量获得接待密度Y，接待密度
Figure BDA0003407561250000071
其中，m为车辆容纳因子，n为人数容纳因子。
S5、通过接待密度Y对服务区进行评价，并发送给移动终端。
显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域及相关领域的普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。

Claims (10)

1.一种智慧服务区大数据融合***，其特征在于，所述的智慧服务区大数据融合***包括：移动终端、驶入摄像组、驶出摄像组、计数模块和控制中心；
移动终端，设置在汽车上，其用于记录汽车行驶信息；
驶入摄像组，安装在服务区进入车道口，其用于拍摄进入车辆，并获取汽车车牌信息，并对进入车辆进行计数为N；
驶出摄像组，安装在服务区驶出车道口，其用于拍摄驶出车辆，并获取汽车车牌信息，并对驶出车辆进行计数为M；
计数模块，安装在服务区内，对进入服务区的人数进行计数；
控制中心，对进入到服务区的车辆进行定位，获取汽车行驶信息，并获取进入车辆和驶出车辆信息；控制中心从驶入摄像组和驶出摄像组获得汽车车牌信息并与对应的汽车行驶信息进行绑定，通过N-M获得服务区车辆数量，通过计数模块进行计数获得客流数量X；通过车辆数量和客流数量获得接待密度Y，接待密度
Figure FDA0003407561240000011
其中，m为车辆容纳因子，n为人数容纳因子；控制中心将接待密度、车辆数量、客流数量发送给移动终端。
2.根据权利要求1所述的一种智慧服务区大数据融合***，其特征在于，所述控制中心通过汽车行驶信息获取车辆上一段停止时间点T1，通过驶入摄像组获取进入车辆的时间点标记为T2，并通过驶出摄像组获取汽车驶出时间点标记为T3，则行驶时间T行＝T2-T1，休息时间T休＝T3-T2，通过
Figure FDA0003407561240000012
与一个预先设置的疲劳驾度进行对比，若
Figure FDA0003407561240000013
大于疲劳驾驶度，控制中心发出提醒信号。
3.根据权利要求1所述的一种智慧服务区大数据融合***，其特征在于，通过客流密度、车辆密度和/或接待密度与时间拟合获得接待曲线，接待曲线是横轴为时间，纵轴为客流密度、车辆密度和/或接待密度；客流密度为
Figure FDA0003407561240000014
车辆密度为
Figure FDA0003407561240000021
4.根据权利要求3所述的一种智慧服务区大数据融合***，其特征在于，通过接待曲线进行预测，并通过实际的接待曲线对预测的接待曲线进行实时修正，当预测的接待曲线超过容纳饱和度的时间段超过预设值时，控制中心以所述时间段初始时间点为扩建信号输出。
5.根据权利要求4所述的一种智慧服务区大数据融合***，其特征在于，当预测曲线超过容纳饱和度的时间段超过50％时，判定服务区持续饱和。
6.根据权利要求4所述的一种智慧服务区大数据融合***，其特征在于，当客流密度、车辆密度和/或接待密度与一个预先设置容纳梯度进行对比，并进行相应提示。
7.根据权利要求6所述的一种智慧服务区大数据融合***，其特征在于，当客流密度大于容纳饱和度80％时，控制中心发出提示信号；当客流密度大于容纳饱和度时，控制中心发出一级报警信号；客流密度大于容纳饱和度120％时，控制中心发出二级报警信号。
8.根据权利要求1所述的一种智慧服务区大数据融合***，其特征在于，所述的行驶信息包括汽车行驶的起点、终点和规划行程路径，并记录行程路径中对应的汽车车速。
9.根据权利要求8所述的一种智慧服务区大数据融合***，其特征在于，上一段停止时间是汽车行驶速度为零超过一个规定时间的时间点作为T1。
10.一种智慧服务区大数据融合方法，应用权利要求1-9任一所述的一种智慧服务区大数据融合***，所述的智慧服务区大数据融合方法包括如下步骤：
S1、对进入到服务区的车辆进行定位，获取汽车行驶信息、进入车辆和驶出车辆信息；
S2、将获得汽车车牌信息并与对应的汽车行驶信息进行绑定；
S3、通过进入车辆N和驶出车辆M获得服务区车辆数量，通过计数模块进行计数获得客流数量X；
S4、通过车辆数量和客流数量获得接待密度Y，接待密度
Figure FDA0003407561240000031
其中，m为车辆容纳因子，n为人数容纳因子；
S5、通过接待密度Y对服务区进行评价，并发送给移动终端。
CN202111521734.0A 2021-12-13 2021-12-13 一种智慧服务区大数据融合***及方法 Pending CN114241760A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111521734.0A CN114241760A (zh) 2021-12-13 2021-12-13 一种智慧服务区大数据融合***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111521734.0A CN114241760A (zh) 2021-12-13 2021-12-13 一种智慧服务区大数据融合***及方法

Publications (1)

Publication Number Publication Date
CN114241760A true CN114241760A (zh) 2022-03-25

Family

ID=80755434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111521734.0A Pending CN114241760A (zh) 2021-12-13 2021-12-13 一种智慧服务区大数据融合***及方法

Country Status (1)

Country Link
CN (1) CN114241760A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117236903A (zh) * 2023-11-09 2023-12-15 浙江浙商互联信息科技有限公司 一种高速服务区智慧管理方法和***

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002083391A (ja) * 2000-09-07 2002-03-22 Matsushita Electric Ind Co Ltd サービスエリア混雑対応システムおよび混雑対応方法
WO2012128531A2 (ko) * 2011-03-22 2012-09-27 렉스젠(주) 휴게소용 다기능 카메라 시스템, 그 제어방법, 이를 이용한 통합운영시스템 및 그 제어방법
CN103440767A (zh) * 2013-09-04 2013-12-11 彭博 高速公路行车信息车载终端、监控***和方法
CN103617734A (zh) * 2013-12-10 2014-03-05 广州华工信息软件有限公司 基于时程特征的高速公路车辆安全行驶识别方法
CN105225485A (zh) * 2015-10-09 2016-01-06 山东高速信息工程有限公司 一种高速公路服务区服务容量的监测方法、***及装置
CN105957310A (zh) * 2016-05-24 2016-09-21 北京小米移动软件有限公司 驾驶过程中的休息提醒方法、装置和设备
CN108428342A (zh) * 2018-05-16 2018-08-21 北京理工大学 一种车流密度预测方法、装置及存储介质
CN109800916A (zh) * 2019-01-23 2019-05-24 山东省交通规划设计院 一种高速公路服务区驶入车流量的建模方法
CN109979220A (zh) * 2019-03-13 2019-07-05 昆明理工大学 一种用于汽车出行的高速服务区智能***
CN112651570A (zh) * 2020-12-31 2021-04-13 长安大学 高速公路服务区交通量预测模型构建、预测方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002083391A (ja) * 2000-09-07 2002-03-22 Matsushita Electric Ind Co Ltd サービスエリア混雑対応システムおよび混雑対応方法
WO2012128531A2 (ko) * 2011-03-22 2012-09-27 렉스젠(주) 휴게소용 다기능 카메라 시스템, 그 제어방법, 이를 이용한 통합운영시스템 및 그 제어방법
CN103440767A (zh) * 2013-09-04 2013-12-11 彭博 高速公路行车信息车载终端、监控***和方法
CN103617734A (zh) * 2013-12-10 2014-03-05 广州华工信息软件有限公司 基于时程特征的高速公路车辆安全行驶识别方法
CN105225485A (zh) * 2015-10-09 2016-01-06 山东高速信息工程有限公司 一种高速公路服务区服务容量的监测方法、***及装置
CN105957310A (zh) * 2016-05-24 2016-09-21 北京小米移动软件有限公司 驾驶过程中的休息提醒方法、装置和设备
CN108428342A (zh) * 2018-05-16 2018-08-21 北京理工大学 一种车流密度预测方法、装置及存储介质
CN109800916A (zh) * 2019-01-23 2019-05-24 山东省交通规划设计院 一种高速公路服务区驶入车流量的建模方法
CN109979220A (zh) * 2019-03-13 2019-07-05 昆明理工大学 一种用于汽车出行的高速服务区智能***
CN112651570A (zh) * 2020-12-31 2021-04-13 长安大学 高速公路服务区交通量预测模型构建、预测方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117236903A (zh) * 2023-11-09 2023-12-15 浙江浙商互联信息科技有限公司 一种高速服务区智慧管理方法和***
CN117236903B (zh) * 2023-11-09 2024-05-10 浙江浙商互联信息科技有限公司 一种高速服务区智慧管理方法和***

Similar Documents

Publication Publication Date Title
Zhao et al. Anticipating the regional impacts of connected and automated vehicle travel in Austin, Texas
CN111091720B (zh) 基于信令数据和浮动车数据的拥堵路段识别方法及装置
US8612139B2 (en) Systems and methods for planning vehicle routes based on safety factors
CN103971507B (zh) 一种召车方法、召车平台及***
US9043151B2 (en) Large scale demand responsive transit framework
JP4539666B2 (ja) 渋滞状況演算システム
CN106643747B (zh) 导航方法及装置
CN102954800A (zh) 车载装置及其行车辅助***与行车辅助信息提供方法
CN102081859A (zh) 一种公交车到站时间预测模型控制方法
CN101976505A (zh) 交通评价方法及***
CN107421555B (zh) 确定导航路径的方法和装置
CN110705848A (zh) 一种基于个体出行链的综合交通服务评价方法及装置
CN103400507A (zh) 支持线路区间动态调整的公交运营方法及***
Sakamoto et al. Effectiveness of bus priority lane as countermeasure for congestion
US20100017215A1 (en) Public transportation standing and sitting room notification system
CN114241760A (zh) 一种智慧服务区大数据融合***及方法
CN108711286B (zh) 一种基于多源车联网和手机信令的交通量分配方法及***
KR20180048828A (ko) 셀룰라 데이터와 관련 이용에 의거하여 근본 혼잡 원인을 확인하고 그 완화책을 권고하는 방법과 시스템
Nasir et al. Use of cell phone density for Intelligent Transportation System (ITS) in Bangladesh
CN116050915A (zh) 一种城市交通影响评价方法及电子设备、存储介质
CN113053156B (zh) 一种智能公交半径法站点寻址方法
CN106251669B (zh) 车辆驾驶提示方法及装置
Mishalani et al. Schedule-based and autoregressive bus running time modeling in the presence of driver-bus heterogeneity
Byrne The role of transport information in influencing travel behaviour: a literature review
Mohamed et al. Enhancement of parking management system in cairo using smartphones

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