CN114241765B - 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质 - Google Patents

基于时空逻辑的定向车道交通违法分析方法、装置及存储介质 Download PDF

Info

Publication number
CN114241765B
CN114241765B CN202111534308.0A CN202111534308A CN114241765B CN 114241765 B CN114241765 B CN 114241765B CN 202111534308 A CN202111534308 A CN 202111534308A CN 114241765 B CN114241765 B CN 114241765B
Authority
CN
China
Prior art keywords
data
traffic violation
lane
vehicle
directional lane
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
CN202111534308.0A
Other languages
English (en)
Other versions
CN114241765A (zh
Inventor
颜仕军
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.)
Chongqing CITIC Information Technology Co Ltd
Original Assignee
Chongqing CITIC Information Technology 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 Chongqing CITIC Information Technology Co Ltd filed Critical Chongqing CITIC Information Technology Co Ltd
Priority to CN202111534308.0A priority Critical patent/CN114241765B/zh
Publication of CN114241765A publication Critical patent/CN114241765A/zh
Application granted granted Critical
Publication of CN114241765B publication Critical patent/CN114241765B/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
    • 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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于时空逻辑的定向车道交通违法分析方法、装置及存储介质，该方法包括构建包含定向车道及定向车道周边空间范围内的监控抓拍设备点的有向路径图；根据监控设备点集合V(G)获取一个时间周期内的过车数据，得到在时间周期t内经过定向车道V(G)范围的所有目标车辆；提取目标车辆Pi在一个时间周期内位于V(G)范围内的行车轨迹数据；判断目标车辆是否一直保持定向车道或非定向车道行驶，如不是，则在有向图中利用深度优先算法判断过车数据对应监控抓拍设备点之间是否存在有效路径，如有，则生成交通违法数据。该方法提供了在定向车道中基于时空逻辑分析车辆实施机动车违反禁止标线指示的违法行为的方法，且分析的交通违法数据更加的精确。

Description

基于时空逻辑的定向车道交通违法分析方法、装置及存储 介质
技术领域
本发明属于智慧交通领域，具体涉及一种基于时空逻辑的定向车道交通违法分析方法、装置及存储介质。
背景技术
“定向车道”是指根据道路预设方向到达的不同地点，指定某车道仅供驶向规定地点、规定方向的车辆使用，驶向其余地点方向的车辆不得驶入的专用车道。“定向车道”旨在缓解城区车辆行经桥梁、隧道等路段车辆变道交织等问题，进一步增加桥梁、隧道等有多车道汇入或分流情况路段的通行效率，改善桥梁拥堵现状和交通秩序，减轻交通压力。
目前，定向车道主要依靠固定电子抓拍设备来完成定向车道道路交通执法管理，但因定向车道距离较长等原因，无法达到全路段监控抓拍覆盖，导致机动车穿插行驶等交通违法行为在监控盲区时有发生。当把过车数据按时空逻辑进行分析碰撞，监控盲区的穿插行驶等交通违法行为将无法逃脱道路交通执法管理，因此，本领域急需一种基于时空逻辑的定向车道交通违法分析方法。
发明内容
本发明的目的是提供了一种基于时空逻辑的定向车道交通违法分析方法、装置及存储介质，用于克服现有技术中的至少一种缺陷。
本发明的技术方案是这样实现的：本发明公开了一种基于时空逻辑的定向车道交通违法分析方法，包括如下步骤：
步骤1，将定向车道及定向车道周边空间范围内的监控设备点F1,F2,...,Fn构建有向图G＝(V,E)，其中G表示有向图，V(G)＝{F1,F2,...,Fn}表示监控设备点的有限集合，E(G)＝{<F1,F2>,<F2,F3>,...,<F3,Fn>}表示点到点的有向边的有限集合；
步骤2，根据监控设备点集合V(G)获取一个时间周期t内的过车数据，得到在时间周期t内经过定向车道V(G)范围的所有目标车辆即为(P1,P2,…,Pm)；
步骤3，提取目标车辆Pi在一个时间周期内位于V(G)范围内的行车轨迹数据(L1,L2,…,Ln)；
步骤4，按时间顺序从上述行车轨迹数据(L1,L2,…,Ln)中依次取出目标车辆Pi过车数据，并以第一条过车数据L1为参照数据，将依次取出的过车数据L2,L3,…,Ln分别与L1进行对比分析，判断目标车辆Pi是否一直保持定向车道或非定向车道行驶，如果是，则进入步骤8，如果不是，则进入步骤5；
步骤5，查询目标车辆Pi在规定时间位于V(G)范围内是否存在交通违法数据记录，如存在，则进入步骤8，如不存在，则进入步骤6；
步骤6，提取对比分析中与L1行驶车道不同的过车数据Lj对应的监控设备点Fn和与L1行驶车道相同的过车数据Lj-1对应的监控设备点Fn-1，计算在有向图G＝(V,E)中监控设备点Fn-1到Fn之间是否存在有效路径，如存在，则进入步骤7，如不存在，则进入步骤8；
步骤7，生成该目标车辆Pi的交通违法数据；
步骤8，判断是否分析完所有的目标车辆，如是，则结束，如不是，则进入步骤3。
进一步地，根据监控设备点集合V(G)获取一个时间周期t内的过车数据，得到在时间周期t内经过定向车道V(G)范围的车辆即为(P1,P2,…,Pm)，具体包括：
根据监控设备点集合V(G)获取一个时间周期内的过车数据，根据过车数据中的车牌将过车数据进行聚合，得到一个时间周期内的所有车牌(P1,P2,…,Pm)。
进一步地，判断目标车辆Pi是否一直保持定向车道或非定向车道行驶，具体包括：当L2、L3、…、Ln均与L1行驶车道相同，则表明目标车辆Pi一直保持定向车道或非定向车道行驶，当L2、L3、…、Ln中至少有一个与L1行驶车道不同，则表明目标车辆Pi没有一直保持定向车道或非定向车道行驶。
进一步地，查询目标车辆Pi在规定时间位于V(G)范围内是否存在交通违法数据记录，具体包括：在规定时间范围内，查询交通违法数据库中是否存在目标车辆Pi在该定向车道上实施机动车违反禁止标线指示的交通违法数据记录。
进一步地，利用图形搜索算法计算在有向图G＝(V,E)中监控设备点Fn-1到Fn之间是否存在有效路径；图形搜索算法采用深度优先算法。
进一步地，生成该目标车辆Pi的交通违法数据后保存在交通违法数据库中。
进一步地，生成该目标车辆Pi位于V(G)范围内的交通违法数据，具体包括：将该目标车辆Pi的过车数据中的过车图片按规则合成并叠加交通违法信息，生成位于V(G)范围内的交通违法数据。
进一步地，将该目标车辆Pi的过车数据中的过车图片按规则合成并叠加交通违法信息，生成位于V(G)范围内的交通违法数据，具体包括：将目标车辆Pi的过车数据Lj-1和Lj中的过车图片按规则合成并叠加交通违法信息，生成目标车辆Pi在该定向车道实施机动车违反禁止标线指示的交通违法数据。
本发明还公开了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于时空逻辑的定向车道交通违法分析方法的步骤。
本发明还公开了一种基于时空逻辑的定向车道交通违法分析装置，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行如上所述的基于时空逻辑的定向车道交通违法分析方法的步骤。
本发明至少具有如下有益效果：本发明适用于智慧交通领域，涉及道路交通执法管理领域，本发明的基于时空逻辑的定向车道交通违法分析方法，包括，步骤一，以定向车道起点监控抓拍设备为起始点，构建包含定向车道及定向车道周边空间范围内的监控抓拍设备点的有向路径图；步骤二，根据车牌聚合包含有向图中监控抓拍设备点一个时间周期内的过车数据，得到一个时间周期内的所有车牌；步骤三，根据聚合后的车牌获取所有目标车辆在一个时间周期内在监控抓拍设备点范围内的行车轨迹数据；步骤四，以第一条过车数据为参照，依次对过车数据进行比对分析，判断目标车辆是否一直保持定向车道或非定向车道行驶，如果是则进入步骤八，如果不是则进入步骤五；步骤五，在规则时间范围内，查询目标车辆是否存在在该定向车道实施机动车违反禁止标线指示的交通违法数据记录，如存在则进入步骤八，如不存在则进入步骤六；步骤六，在有向图中利用深度优先算法(DFS)判断过车数据对应监控抓拍设备点之间是否存在有效路径，如有则进入步骤七，如没有则进入步骤八；步骤七，将过车数据中的过车图片按规则合成并叠加交通违法信息，生成交通违法数据；步骤八，判断是否已分析完所有目标车辆，如是则结束，如不是则进入步骤三。本发明采用该方法提供了在定向车道中基于时空逻辑分析车辆实施机动车违反禁止标线指示的违法行为的方法，同时采用定向车道监控抓拍设备点有向图路径算法进行数据验证，使得分析的交通违法数据更加的精确。
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它的附图。
图1为本发明实施例提供的基于时空逻辑的定向车道交通违法分析方法的流程图。
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它实施例，都属于本发明保护的范围。
实施例一
参见图1，本发明实施例提供一种基于时空逻辑的定向车道交通违法分析方法，包括如下步骤：
步骤1，假设在定向车道及其周边的监控设备点有n个，以定向车道起点监控抓拍设备为起始点，将定向车道及定向车道周边空间范围内的监控设备点F1,F2,...,Fn构建有向图G＝(V,E)，其中G表示有向图，V(G)＝{F1,F2,...,Fn}表示监控设备点的有限集合，E(G)＝{<F1,F2>,<F2,F3>,...,<F3,Fn>}表示点到点的有向边的有限集合；
步骤2，设置一个时间周期为t，根据监控设备点集合V(G)获取一个时间周期t内的过车数据，得到在时间周期t内经过定向车道V(G)范围的所有目标车辆即为(P1,P2,…,Pm)；本发明可以按照设定的顺序依次分析所有的目标车辆，如可以按照(P1,P2,…,Pm)的顺序依次分析所有的目标车辆。
步骤3，每次分析目标车辆Pi时，提取目标车辆Pi在一个时间周期内位于V(G)范围内的行车轨迹数据(L1,L2,…,Ln)；
步骤4，按时间顺序从上述行车轨迹数据(L1,L2,…,Ln)中依次取出目标车辆Pi过车数据，并以第一条过车数据L1为参照数据，将依次取出的过车数据L2,L3,…,Ln分别与L1进行对比分析，判断目标车辆Pi是否一直保持定向车道或非定向车道行驶，如果是，则进入步骤8，如果不是，则进入步骤5；
步骤5，查询目标车辆Pi在规定时间位于V(G)范围内是否存在交通违法数据记录，如存在，则进入步骤8，如不存在，则进入步骤6；
步骤6，提取对比分析中与L1行驶车道不同的过车数据Lj对应的监控设备点Fn和与L1行驶车道相同的过车数据Lj-1对应的监控设备点Fn-1，计算在有向图G＝(V,E)中监控设备点Fn-1到Fn之间是否存在有效路径，如存在，则进入步骤7，如不存在，则进入步骤8；
步骤7，生成该目标车辆Pi的交通违法数据；
步骤8，判断是否分析完所有的目标车辆，如是，则结束，如不是，则进入步骤3，继续分析下一目标车辆。
进一步地，根据监控设备点集合V(G)获取一个时间周期t内的过车数据，得到在时间周期t内经过定向车道V(G)范围的车辆即为(P1,P2,…,Pm)，具体包括：
根据监控设备点集合V(G)获取一个时间周期内的过车数据，根据过车数据中的车牌将过车数据进行聚合，得到一个时间周期内的所有车牌(P1,P2,…,Pm)。
进一步地，判断目标车辆Pi是否一直保持定向车道或非定向车道行驶，具体包括：当L2、L3、…、Ln均与L1行驶车道相同，则表明目标车辆Pi一直保持定向车道或非定向车道行驶，当L2、L3、…、Ln中至少有一个与L1行驶车道不同，则表明目标车辆Pi没有一直保持定向车道或非定向车道行驶。
进一步地，查询目标车辆Pi在规定时间位于V(G)范围内是否存在交通违法数据记录，具体包括：在规定时间范围内，查询交通违法数据库中是否存在目标车辆Pi在该定向车道上实施机动车违反禁止标线指示的交通违法数据记录。
进一步地，利用图形搜索算法计算在有向图G＝(V,E)中监控设备点Fn-1到Fn之间是否存在有效路径。本实施例的图形搜索算法采用深度优先算法(DFS)。
进一步地，生成该目标车辆Pi的交通违法数据后保存在交通违法数据库中。
进一步地，生成该目标车辆Pi位于V(G)范围内的交通违法数据，具体包括：将该目标车辆Pi的过车数据中的过车图片按规则合成并叠加交通违法信息，生成位于V(G)范围内的交通违法数据。
进一步地，将该目标车辆Pi的过车数据中的过车图片按规则合成并叠加交通违法信息，生成位于V(G)范围内的交通违法数据，具体包括：将目标车辆Pi的过车数据Lj-1和Lj中的过车图片按规则合成并叠加交通违法信息，生成目标车辆Pi在该定向车道实施机动车违反禁止标线指示的交通违法数据。
基于上述方案，本发明列举了一种具体实施例，具体描述如下：
假设在定向车道及其周边的监控设备点有n个，则创建有向图G＝(V,E)，V(G)＝{F1,F2,...,Fn}，E(G)＝{<F1,F2>,<F2,F3>,...,<F3,Fn>}，设置一个时间周期为t，则在时间周期t内经过定向车道V(G)范围的车辆即为(P1,P2,…,Pm)。假设Pi的行车轨迹数据为(L1,L2,…,Ln)，其中L1过车数据在定向车道内，Lj过车数据不在定向车道内，过车数据Lj-1在定向车道内，此时可以判断出该目标车辆Pi没有一直保持定向车道或非定向车道行驶。假设Lj过车数据对应的监控设备点为Fn，Lj-1过车数据对应的监控设备点为Fn-1，规定时间范围为t1，且在规则时间内车辆Pi在定向车道V(G)不存在机动车违反禁止标线指示的交通违法数据记录，则以Fn-1为起点，Fn为终点，在有向图G＝(V,E)中利用深度优先算法(DFS)计算出Fn-1至Fn存在有效的单向路径，则提取Lj-1过车数据中的过车图片Mj-1及Lj过车数据中的过车图片Mj按图片合成规则进行合成并叠加交通违法信息，生成目标车辆Pi在定向车道定向车道V(G)实施机动车违反禁止标线指示的交通违法数据。
实施例二
本发明实施例还公开了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例一所述方法的步骤。
实施例三
本发明实施例还公开了一种基于时空逻辑的定向车道交通违法分析装置，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行如实施例一所述方法的步骤。
本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个***所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。
结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。
对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于时空逻辑的定向车道交通违法分析方法，其特征在于，包括如下步骤：
步骤1，将定向车道及定向车道周边空间范围内的监控设备点F1,F2,...,Fn构建有向图G＝(V,E)，其中G表示有向图，V(G)＝{F1,F2,...,Fn}表示监控设备点的有限集合，E(G)＝{<F1,F2>,<F2,F3>,...,<F3,Fn>}表示点到点的有向边的有限集合；
步骤2，根据监控设备点的有限集合V(G)获取一个时间周期t内的过车数据，得到在时间周期t内经过定向车道V(G)范围的所有目标车辆即为(P1,P2,…,Pm)；
步骤3，提取目标车辆Pi在一个时间周期内位于V(G)范围内的行车轨迹数据(L1,L2,…,Ln)；
步骤4，按时间顺序从上述行车轨迹数据(L1,L2,…,Ln)中依次取出目标车辆Pi过车数据，并以第一条过车数据L1为参照数据，将依次取出的过车数据L2,L3,…,Ln分别与L1进行对比分析，判断目标车辆Pi是否一直保持定向车道或非定向车道行驶，如果是，则进入步骤8，如果不是，则进入步骤5；
步骤5，查询目标车辆Pi在规定时间位于V(G)范围内是否存在交通违法数据记录，如存在，则进入步骤8，如不存在，则进入步骤6；
步骤6，提取对比分析中与L1行驶车道不同的过车数据Lj对应的监控设备点Fn和与L1行驶车道相同的过车数据Lj-1对应的监控设备点Fn-1，计算在有向图G＝(V,E)中监控设备点Fn-1到Fn之间是否存在有效路径，如存在，则进入步骤7，如不存在，则进入步骤8；
步骤7，生成该目标车辆Pi的交通违法数据；
步骤8，判断是否分析完所有的目标车辆，如是，则结束，如不是，则进入步骤3。
2.如权利要求1所述的基于时空逻辑的定向车道交通违法分析方法，其特征在于：根据监控设备点的有限集合V(G)获取一个时间周期t内的过车数据，得到在时间周期t内经过定向车道V(G)范围的车辆即为(P1,P2,…,Pm)，具体包括：
根据监控设备点的有限集合V(G)获取一个时间周期内的过车数据，根据过车数据中的车牌将过车数据进行聚合，得到一个时间周期内的所有车辆(P1,P2,…,Pm)。
3.如权利要求1所述的基于时空逻辑的定向车道交通违法分析方法，其特征在于：判断目标车辆Pi是否一直保持定向车道或非定向车道行驶，具体包括：当L2、L3、…、Ln均与L1行驶车道相同，则表明目标车辆Pi一直保持定向车道或非定向车道行驶，当L2、L3、…、Ln中至少有一个与L1行驶车道不同，则表明目标车辆Pi没有一直保持定向车道或非定向车道行驶。
4.如权利要求1所述的基于时空逻辑的定向车道交通违法分析方法，其特征在于：查询目标车辆Pi在规定时间位于V(G)范围内是否存在交通违法数据记录，具体包括：在规定时间范围内，查询交通违法数据库中是否存在目标车辆Pi在该定向车道上实施机动车违反禁止标线指示的交通违法数据记录。
5.如权利要求1所述的基于时空逻辑的定向车道交通违法分析方法，其特征在于：利用图形搜索算法计算在有向图G＝(V,E)中监控设备点Fn-1到Fn之间是否存在有效路径；图形搜索算法采用深度优先算法。
6.如权利要求1所述的基于时空逻辑的定向车道交通违法分析方法，其特征在于：生成该目标车辆Pi的交通违法数据后保存在交通违法数据库中。
7.如权利要求1所述的基于时空逻辑的定向车道交通违法分析方法，其特征在于：生成该目标车辆Pi位于V(G)范围内的交通违法数据，具体包括：将该目标车辆Pi的过车数据中的过车图片按规则合成并叠加交通违法信息，生成位于V(G)范围内的交通违法数据。
8.如权利要求7所述的基于时空逻辑的定向车道交通违法分析方法，其特征在于：将该目标车辆Pi的过车数据中的过车图片按规则合成并叠加交通违法信息，生成位于V(G)范围内的交通违法数据，具体包括：将目标车辆Pi的过车数据Lj-1和Lj中的过车图片按规则合成并叠加交通违法信息，生成目标车辆Pi在该定向车道实施机动车违反禁止标线指示的交通违法数据。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。
10.一种基于时空逻辑的定向车道交通违法分析装置，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行权利要求1至8任一项所述方法的步骤。
CN202111534308.0A 2021-12-15 2021-12-15 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质 Active CN114241765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111534308.0A CN114241765B (zh) 2021-12-15 2021-12-15 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111534308.0A CN114241765B (zh) 2021-12-15 2021-12-15 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN114241765A CN114241765A (zh) 2022-03-25
CN114241765B true CN114241765B (zh) 2023-01-03

Family

ID=80756342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111534308.0A Active CN114241765B (zh) 2021-12-15 2021-12-15 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN114241765B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013196601A (ja) * 2012-03-22 2013-09-30 Denso Corp 予測システム
WO2014081129A1 (ko) * 2012-11-26 2014-05-30 주식회사 토페스 다중 카메라를 이용한 차선 위반 검출 장치 및 이를 이용한 차선 위반 검출 방법, 다중 카메라에 의한 차선 위반 검출 장치를 이용하는 차선 위반 차량 단속시스템
CN106205127A (zh) * 2016-08-17 2016-12-07 成都猴子软件有限公司 一种高速公路监控管理***
CN106548629A (zh) * 2016-10-19 2017-03-29 苏州市吴江区公安局 基于数据融合的交通违法行为检测方法和***
CN108287973A (zh) * 2018-02-01 2018-07-17 迈锐数据（北京）有限公司 交通状态的模拟方法及装置
CN108806270A (zh) * 2018-06-22 2018-11-13 安徽科力信息产业有限责任公司 一种记录多台机动车连续变换车道违法行为的方法及装置
CN110674236A (zh) * 2019-09-23 2020-01-10 浙江省北大信息技术高等研究院 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质
CN111340003A (zh) * 2020-03-26 2020-06-26 公安部交通管理科学研究所 一种针对电子警察盲区内违法变道行为的取证方法及***
CN111768619A (zh) * 2020-06-16 2020-10-13 苏州大学 一种基于卡口数据的快速路车辆od点确定方法
CN111899521A (zh) * 2020-07-17 2020-11-06 南京师范大学泰州学院 一种高速公路的车辆违规行为检测方法
CN113053114A (zh) * 2021-03-12 2021-06-29 广西计算中心有限责任公司 高速公路违规车辆出口站及出口时间的动态预测稽查方法
CN113362610A (zh) * 2021-05-27 2021-09-07 北京万集科技股份有限公司 识别违规交通参与对象的方法、***和计算机可读存储介质
CN113470372A (zh) * 2021-05-27 2021-10-01 北京万集科技股份有限公司 识别违规车辆的方法、***和计算机可读存储介质
CN113793500A (zh) * 2021-09-14 2021-12-14 上海天壤智能科技有限公司 城市交通道路可计算路网的构建方法及***

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013196601A (ja) * 2012-03-22 2013-09-30 Denso Corp 予測システム
WO2014081129A1 (ko) * 2012-11-26 2014-05-30 주식회사 토페스 다중 카메라를 이용한 차선 위반 검출 장치 및 이를 이용한 차선 위반 검출 방법, 다중 카메라에 의한 차선 위반 검출 장치를 이용하는 차선 위반 차량 단속시스템
CN106205127A (zh) * 2016-08-17 2016-12-07 成都猴子软件有限公司 一种高速公路监控管理***
CN106548629A (zh) * 2016-10-19 2017-03-29 苏州市吴江区公安局 基于数据融合的交通违法行为检测方法和***
CN108287973A (zh) * 2018-02-01 2018-07-17 迈锐数据（北京）有限公司 交通状态的模拟方法及装置
CN108806270A (zh) * 2018-06-22 2018-11-13 安徽科力信息产业有限责任公司 一种记录多台机动车连续变换车道违法行为的方法及装置
CN110674236A (zh) * 2019-09-23 2020-01-10 浙江省北大信息技术高等研究院 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质
CN111340003A (zh) * 2020-03-26 2020-06-26 公安部交通管理科学研究所 一种针对电子警察盲区内违法变道行为的取证方法及***
CN111768619A (zh) * 2020-06-16 2020-10-13 苏州大学 一种基于卡口数据的快速路车辆od点确定方法
CN111899521A (zh) * 2020-07-17 2020-11-06 南京师范大学泰州学院 一种高速公路的车辆违规行为检测方法
CN113053114A (zh) * 2021-03-12 2021-06-29 广西计算中心有限责任公司 高速公路违规车辆出口站及出口时间的动态预测稽查方法
CN113362610A (zh) * 2021-05-27 2021-09-07 北京万集科技股份有限公司 识别违规交通参与对象的方法、***和计算机可读存储介质
CN113470372A (zh) * 2021-05-27 2021-10-01 北京万集科技股份有限公司 识别违规车辆的方法、***和计算机可读存储介质
CN113793500A (zh) * 2021-09-14 2021-12-14 上海天壤智能科技有限公司 城市交通道路可计算路网的构建方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种实用的高速公路最优路径规划方案;徐小锋等;《计算机与现代化》;20130515(第05期);全文 *
基于视频的车辆检测和分析算法;林海涵等;《江南大学学报(自然科学版)》;20070615(第03期);全文 *

Also Published As

Publication number Publication date
CN114241765A (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
JP6935948B2 (ja) 自律走行車両を学習、テスティング及び検証をするために仮想走行環境に対するドメイン適応された交通シナリオを生成するための方法及び装置
Li et al. Analyzing traffic violation behavior at urban intersections: A spatio-temporal kernel density estimation approach using automated enforcement system data
CN109459045B (zh) 一种针对低频gps轨迹的改进交互式投票匹配方法
CN109785637B (zh) 车辆违规的分析评价方法及装置
CN111369801B (zh) 车辆识别方法、装置、设备和存储介质
CN111680377A (zh) 一种交通态势仿真方法、***和电子设备
CN105303823A (zh) 车辆违规监控方法和***
CN112509325B (zh) 一种基于视频深度学习的非现场违法自动甄别方法
CN105374208A (zh) 路况提醒和摄像头检测方法及其装置
CN109637127B (zh) 一种信号灯近似时长的确定方法及***
CN110733507A (zh) 车道变换及道路隔离方法、装置、设备及存储介质
CN115393803A (zh) 车辆违规检测方法、装置及***、存储介质
CN114241765B (zh) 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质
CN113850237A (zh) 基于视频和轨迹数据的网联车目标检测评价方法及***
CN113989715A (zh) 车辆违停检测方法、装置、电子设备及存储介质
CN112735143A (zh) 一种实时车辆布控实现方法、装置及存储介质
CN111563425A (zh) 交通事件识别方法及电子设备
Zaki et al. Comprehensive safety diagnosis using automated video analysis: Applications to an urban intersection in Edmonton, Alberta, Canada
CN113192340B (zh) 高速公路施工车辆的识别方法、装置、设备及存储介质
CN116052429A (zh) 路段拥堵识别方法、装置、电子设备及介质
CN114038239B (zh) 一种车辆碰撞预警方法及装置
CN109859492A (zh) 一种识别***的***和方法
CN112633163B (zh) 一种基于机器学习算法实现非法运营车辆检测的检测方法
CN111462478B (zh) 一种城市路网信号控制子区划分方法及装置
CN114038209A (zh) 公交占道处理方法、装置及设备

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