CN114333311A - 一种基于物联网的综合运维管理*** - Google Patents
一种基于物联网的综合运维管理*** Download PDFInfo
- Publication number
- CN114333311A CN114333311A CN202111626285.6A CN202111626285A CN114333311A CN 114333311 A CN114333311 A CN 114333311A CN 202111626285 A CN202111626285 A CN 202111626285A CN 114333311 A CN114333311 A CN 114333311A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- traffic flow
- traffic
- unit
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 claims abstract description 74
- 238000013135 deep learning Methods 0.000 claims abstract description 19
- 238000010276 construction Methods 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 24
- 238000012216 screening Methods 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000002123 temporal effect Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 description 28
- 238000013500 data storage Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000000153 supplemental effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007537 lampworking Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及物联网管理技术领域,具体涉及一种基于物联网的综合运维管理***,包括交通运维信息采集子***、数据采集子***、环境监测子***和运维管理子***,环境监测子***包括环境监测模块、获取模块、构建模块和深度学习模块,通过环境监测模块对交通路线进行实时监测,得到监测信息;获取模块获取监测信息中的交通流数据的空间依赖关系和时间依赖关系,构建模块构建图形发散卷积循环神经网络的交通流预测模型;深度学习模块交通流预测模型对空间依赖关系和时间依赖关系进行深度学习,得到交通流预测模型,解决了现有的综合运维管理***无法提前预知交通路线未来的交通流数据的情况,导致管控延时的问题。
Description
技术领域
本发明涉及物联网管理技术领域,尤其涉及一种基于物联网的综合运维管理***。
背景技术
随着我国经济的快速发展,城市面貌日新月异,道路基础设施建设突飞猛进,机动车保有量日益剧增,交通安全管理面临着前所未有的新机遇和新挑战,传统的交通管理模式和手段已不能更好地适应时代发展的要求,这就需要通过物联网来进行运行和监管。
目前,现有的综合运维管理***是通过获取交通运维信息采集***采集的交通流数据进行处理后得出当前路交通路线的当前交通情况,最后基于当前交通情况对交通路线进行车辆通信的管控。
但只能根据当前的交通流数据进行车辆通信的管控,无法提前预知交通路线未来的交通流数据的情况,使得管控延时,会存在交通路线拥堵的情况。
发明内容
本发明的目的在于提供一种基于物联网的综合运维管理***,旨在解决现有的综合运维管理***无法提前预知交通路线未来的交通流数据的情况的问题。
为实现上述目的,本发明提供了一种基于物联网的综合运维管理***,包括交通运维信息采集子***、数据采集子***、环境监测子***和运维管理子***,交通运维信息采集子***、所述数据采集子***、所述环境监测子***和所述运维管理子***依次连接;
所述环境监测子***包括环境监测模块、获取模块、构建模块和深度学习模块,所述环境监测模块、所述获取模块、所述构建模块和所述深度学习模块依次连接;
所述交通运维信息采集子***,用于采集交通路线的交通流数据;
所述数据采集子***,用于通过物联网与交通运维信息采集***交互,并将所述交通流数据处理后传输给所述环境监测模块;
所述环境监测模块,基于所述交通流数据对所述交通路线进行实时监测,得到监测信息;
所述获取模块,用于获取所述监测信息中的所述交通流数据的空间依赖关系和时间依赖关系;
所述构建模块,用于构建图形发散卷积循环神经网络的交通流预测模型;
所述深度学习模块,通过所述交通流预测模型对所述空间依赖关系和所述时间依赖关系进行深度学习,得到交通流预测模型;
所述运维管理子***,基于所述交通流预测模型和所述交通流数据对所述交通路线车辆的通行情况进行管控。
其中,所述数据采集子***包括数据采集模块、数据处理模块和数据传输模块,所述数据采集模块、所述数据处理模块和所述数据传输模块依次连接;
所述数据采集模块,用于通过物联网与交通运维信息采集***交互,并采集所述交通运维信息采集子***内的交通流数据;
所述数据处理模块,用于对所述交通流数据进行处理后统计,得到统计数据;
所述数据传输模块,用于将所述统计数据传输给所述环境监测模块。
其中,所述数据处理模块包括过滤单元、筛查单元和整理单元,所述过滤单元、所述筛查单元和所述整理单元依次连接;
所述过滤单元,用于将所述交通流数据进行过滤,得到过滤数据;
所述筛查单元,用于筛查出所述过滤数据的空缺值,并将所述空缺值填补,得到补充数据;
所述整理单元,用于对所述过滤数据和所述补充数据进行统计整理,得到统计数据。
其中,所述环境监测模块包括环境监测单元和电子地图监测单元;
所述环境监测单元,基于所述交通流数据对所述交通路线进行实时监测,得到数据信息;
所述电子地图监测单元,用于获取所述交通路线的电子地图,并将所述数据信息显示在所述电子地图上,得到监测信息。
其中,所述获取模块包括获取单元、测量单元和计算单元,所述获取单元、所述测量单元和所述计算单元依次连接;
所述获取单元,用于获取与所述交通流数据对应的时间区域;
所述测量单元,用于测量所述电子地图中的所述交通路线的距离,得到距离信息;
所述计算单元,基于所述时间区域和所述距离信息得到所述交通流数据的空间依赖关系和时间依赖关系。
本发明的一种基于物联网的综合运维管理***,通过所述环境监测模块对交通路线进行实时监测,得到监测信息;所述获取模块获取所述监测信息中的所述交通流数据的空间依赖关系和时间依赖关系,构建模块构建图形发散卷积循环神经网络的交通流预测模型;所述深度学习模块所述交通流预测模型对所述空间依赖关系和所述时间依赖关系进行深度学习,得到交通流预测模型,通过所述交通流预测模型可预测未来所述交通路线的交通流情况,可基于预测的所述交通路线的交通流情况,提前对所述交通路线的车辆通信情况进行管控,解决了现有的综合运维管理***无法提前预知交通路线未来的交通流数据的情况,导致管控延时的问题。
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是本发明提供的一种基于物联网的综合运维管理***的结构示意图。
图2是环境监测模块的结构示意图。
图3是获取模块的结构示意图。
图4是数据处理模块的结构示意图。
图5是筛查单元的结构示意图。
1-交通运维信息采集子***、2-数据采集子***、3-环境监测子***、4-运维管理子***、5-环境监测模块、6-获取模块、7-构建模块、8-深度学习模块、9-数据采集模块、10-数据处理模块、11-数据传输模块、12-过滤单元、13-筛查单元、14-整理单元、15-环境监测单元、16-电子地图监测单元、17-获取单元、18-测量单元、19-计算单元、20-数据存储模块、21-信号灯采集模块、22-车流量采集模块、23-匹配模块、24-筛查子单元、25-提取子单元、26-填补子单元。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
请参阅图1至图5,本发明提供一种基于物联网的综合运维管理***,包括交通运维信息采集子***1、数据采集子***2、环境监测子***3和运维管理子***4,交通运维信息采集子***1、所述数据采集子***2、所述环境监测子***3和所述运维管理子***4依次连接;
所述环境监测子***3包括环境监测模块5、获取模块6、构建模块7、深度学习模块8,所述环境监测模块5、所述获取模块6、所述构建模块7和所述深度学习模块8依次连接;
所述交通运维信息采集子***1,用于采集交通路线的交通流数据;
所述数据采集子***2,用于通过物联网与交通运维信息采集***交互,并将所述交通流数据处理后传输给所述环境监测模块5;
所述环境监测模块5,基于所述交通流数据对所述交通路线进行实时监测,得到监测信息;
所述获取模块6,用于获取所述监测信息中的所述交通流数据的空间依赖关系和时间依赖关系;
所述构建模块7,用于构建图形发散卷积循环神经网络的交通流预测模型;
所述深度学习模块8,通过所述交通流预测模型对所述空间依赖关系和所述时间依赖关系进行深度学习,得到交通流预测模型;
所述运维管理子***4,基于所述交通流预测模型和所述交通流数据对所述交通路线车辆的通行情况进行管控。
具体的,首先通过所述环境监测模块5对所述交通运维信息采集子***1采集所述交通路线的交通流数据进行实时监测,得到监测信息,其次所述环境监测模块5通过所述监测信息得出所述交通路线的所述交通流数据的空间依赖关系和所述时间依赖关系,然后所述深度学习模块8通过所述构建模块7构建的所述交通流预测模型对所述空间依赖关系和所述时间依赖关系进行深度学习,得到显示有未来交通流预测数据的所述交通流预测模型,最后所述运维管理子***4基于所述交通流预测模型对所述交通路线的车辆通信可提前进行管控,解决了现有的综合运维管理***无法提前预知交通路线未来的交通流数据的情况,导致管控延时的问题。
进一步的,所述数据采集子***2包括数据采集模块9、数据处理模块10和数据传输模块11,所述数据采集模块9、所述数据处理模块10和所述数据传输模块11依次连接;
所述数据采集模块9,用于通过物联网与交通运维信息采集***交互,并采集所述交通运维信息采集子***1内的交通流数据;
所述数据处理模块10,用于对所述交通流数据进行处理后统计,得到统计数据;
所述数据传输模块11,用于将所述统计数据传输给所述环境监测模块5。
具体的,所述数据采集模块9通过物联网与交通运维信息采集***交互,并采集所述交通运维信息采集子***1内的交通流数据,所述数据处理模块10对所述交通流数据进行过滤和筛查后进行统计整理,得到统计数据;最后所述数据传输模块11通过物联网将所述统计数据传输给所述环境监测模块5。
进一步的,所述数据处理模块10包括过滤单元12、筛查单元13和整理单元14,所述过滤单元12、所述筛查单元13和所述整理单元14依次连接;
所述过滤单元12,用于将所述交通流数据进行过滤,得到过滤数据;
所述筛查单元13,用于筛查出所述过滤数据的空缺值,并将所述空缺值填补,得到补充数据;
所述整理单元14,用于对所述过滤数据和所述补充数据进行统计整理,得到统计数据。
具体的,所述过滤单元12将所述交通流数据中的冗杂数据进行过滤,并对所述过滤数据中的超过交通路线道路限速值的速度的交通流数据替换成交通路线的限速值的交通流数据,得到过滤数据,所述筛查单元13筛查出所述过滤数据的空缺值,并将所述空缺值填补,得到补充数据;所述整理单元14,用于对所述过滤数据和所述补充数据进行统计整理,得到统计数据。
进一步的,所述环境监测模块5包括环境监测单元15和电子地图监测单元16;
所述环境监测单元15,基于所述交通流数据对所述交通路线进行实时监测,得到数据信息;
所述电子地图监测单元16,用于获取所述交通路线的电子地图,并将所述数据信息显示在所述电子地图上,得到监测信息。
具体的,将所述环境监测单元15得到的所述数据对应到所述电子地图监测单元16获取的所述电子地图上,使得可知通过所述电子地图直观的判断出所述交通路线的当前交通流的情况。
进一步的,所述获取模块6包括获取单元17、测量单元18和计算单元19,所述获取单元17、所述测量单元18和所述计算单元19依次连接;
所述获取单元17,用于获取与所述交通流数据对应的时间区域;
所述测量单元18,用于测量所述电子地图中的所述交通路线的距离,得到距离信息;
所述计算单元19,基于所述时间区域和所述距离信息得到所述交通流数据的空间依赖关系和时间依赖关系。
具体的,所述获取单元17获取与所述交通流数据对应的时间区域;所述测量单元18测量所述电子地图中的所述交通路线的距离,得到距离信息;所述计算单元19基于所述时间区域和所述距离信息得到所述交通流数据的空间依赖关系和时间依赖关系。
进一步的,所述数据采集子***2还包括数据存储模块20,所述数据存储模块20与所述整理单元14连接;
所述数据存储模块20,用于对所述统计数据进行储存。
具体的,通过所述数据存储模块20对所述统计数据进行储存,所述运维管理子***4可通过物联网对所述数据存储模块20内储存的数据进行提取查询。
进一步的,交通运维信息采集子***1包括信号灯采集模块21、车流量采集模块22和匹配模块23,所述信号灯采集模块21、所述车流量采集模块22和所述匹配模块23依次连接;
所述信号灯采集模块21,用于采集预设时间内的信号灯工作情况;
所述车流量采集模块22,用于采集预设时间内的车流量情况;
所述匹配模块23,用于将所述车流量情况与所述信号灯工作情况进行匹配,得到交通流数据。
具体的,通过所述信号灯采集模块21与信号灯管理子***连接,所述匹配模块23将预设之间内的所述信号灯采集模块21采集的信号灯红绿灯的亮灯秒数与所述车流量采集模块22采集的车流量进行匹配。
进一步的,所述筛查单元13包括筛查子单元24、提取子单元25和填补子单元26,所述筛查子单元24、所述提取子单元25和所述填补子单元26依次连接;
所述筛查子单元24,用于筛查出所述过滤数据的空缺值;
所述提取子单元25,用于提取历史交通流数据中与所述空缺值相同时间的数据,得到历史数据;
所述填补子单元26,用于将所述历史数据填补至所述空缺值,得到补充数据。
具体的,所述提取子单元25将与所述空缺值相同时间的历史交通流数据填充至所述空缺值内,其中所述历史交通数据可为前一天或前一周与所述空缺值同时刻的历史数据。
以上所揭露的仅为本发明一种基于物联网的综合运维管理***较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (5)
1.一种基于物联网的综合运维管理***,其特征在于,包括交通运维信息采集子***、数据采集子***、环境监测子***和运维管理子***,交通运维信息采集子***、所述数据采集子***、所述环境监测子***和所述运维管理子***依次连接;
所述环境监测子***包括环境监测模块、获取模块、构建模块和深度学习模块,所述环境监测模块、所述获取模块、所述构建模块和所述深度学习模块依次连接;
所述交通运维信息采集子***,用于采集交通路线的交通流数据;
所述数据采集子***,用于通过物联网与交通运维信息采集***交互,并将所述交通流数据处理后传输给所述环境监测模块;
所述环境监测模块,基于所述交通流数据对所述交通路线进行实时监测,得到监测信息;
所述获取模块,用于获取所述监测信息中的所述交通流数据的空间依赖关系和时间依赖关系;
所述构建模块,用于构建图形发散卷积循环神经网络的交通流预测模型;
所述深度学习模块,通过所述交通流预测模型对所述空间依赖关系和所述时间依赖关系进行深度学习,得到交通流预测模型;
所述运维管理子***,基于所述交通流预测模型和所述交通流数据对所述交通路线车辆的通行情况进行管控。
2.如权利要求1所述的基于物联网的综合运维管理***,其特征在于,
所述数据采集子***包括数据采集模块、数据处理模块和数据传输模块,所述数据采集模块、所述数据处理模块和所述数据传输模块依次连接;
所述数据采集模块,用于通过物联网与交通运维信息采集***交互,并采集所述交通运维信息采集子***内的交通流数据;
所述数据处理模块,用于对所述交通流数据进行处理后统计,得到统计数据;
所述数据传输模块,用于将所述统计数据传输给所述环境监测模块。
3.如权利要求2所述的基于物联网的综合运维管理***,其特征在于,
所述数据处理模块包括过滤单元、筛查单元和整理单元,所述过滤单元、所述筛查单元和所述整理单元依次连接;
所述过滤单元,用于将所述交通流数据进行过滤,得到过滤数据;
所述筛查单元,用于筛查出所述过滤数据的空缺值,并将所述空缺值填补,得到补充数据;
所述整理单元,用于对所述过滤数据和所述补充数据进行统计整理,得到统计数据。
4.如权利要求1所述的基于物联网的综合运维管理***,其特征在于,
所述环境监测模块包括环境监测单元和电子地图监测单元;
所述环境监测单元,基于所述交通流数据对所述交通路线进行实时监测,得到数据信息;
所述电子地图监测单元,用于获取所述交通路线的电子地图,并将所述数据信息显示在所述电子地图上,得到监测信息。
5.如权利要求4所述的基于物联网的综合运维管理***,其特征在于,
所述获取模块包括获取单元、测量单元和计算单元,所述获取单元、所述测量单元和所述计算单元依次连接;
所述获取单元,用于获取与所述交通流数据对应的时间区域;
所述测量单元,用于测量所述电子地图中的所述交通路线的距离,得到距离信息;
所述计算单元,基于所述时间区域和所述距离信息得到所述交通流数据的空间依赖关系和时间依赖关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111626285.6A CN114333311A (zh) | 2021-12-28 | 2021-12-28 | 一种基于物联网的综合运维管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111626285.6A CN114333311A (zh) | 2021-12-28 | 2021-12-28 | 一种基于物联网的综合运维管理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114333311A true CN114333311A (zh) | 2022-04-12 |
Family
ID=81014097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111626285.6A Pending CN114333311A (zh) | 2021-12-28 | 2021-12-28 | 一种基于物联网的综合运维管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114333311A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115691110A (zh) * | 2022-09-20 | 2023-02-03 | 东南大学 | 一种面向动态车流的基于强化学习的交叉口信号周期稳定配时方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110161261A1 (en) * | 2009-12-28 | 2011-06-30 | Nec(China) Co., Ltd. | Method and system for traffic prediction based on space-time relation |
CN106408984A (zh) * | 2016-11-28 | 2017-02-15 | 东莞职业技术学院 | 基于物联网的城市交通流诱导*** |
CN108364491A (zh) * | 2018-01-17 | 2018-08-03 | 佛山杰致信息科技有限公司 | 基于车流量预测的驾驶员信息提醒方法 |
CN110491129A (zh) * | 2019-09-24 | 2019-11-22 | 重庆城市管理职业学院 | 基于时空图的发散卷积循环神经网络的交通流预测方法 |
CN111163168A (zh) * | 2019-12-31 | 2020-05-15 | 沈阳骏杰卓越软件科技有限公司 | 一种综合运维管理*** |
CN111639791A (zh) * | 2020-05-11 | 2020-09-08 | 同济大学 | 交通流预测方法、***、存储介质及终端 |
CN113689721A (zh) * | 2021-07-30 | 2021-11-23 | 深圳先进技术研究院 | 一种自动驾驶车速控制方法、***、终端以及存储介质 |
-
2021
- 2021-12-28 CN CN202111626285.6A patent/CN114333311A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110161261A1 (en) * | 2009-12-28 | 2011-06-30 | Nec(China) Co., Ltd. | Method and system for traffic prediction based on space-time relation |
CN106408984A (zh) * | 2016-11-28 | 2017-02-15 | 东莞职业技术学院 | 基于物联网的城市交通流诱导*** |
CN108364491A (zh) * | 2018-01-17 | 2018-08-03 | 佛山杰致信息科技有限公司 | 基于车流量预测的驾驶员信息提醒方法 |
CN110491129A (zh) * | 2019-09-24 | 2019-11-22 | 重庆城市管理职业学院 | 基于时空图的发散卷积循环神经网络的交通流预测方法 |
CN111163168A (zh) * | 2019-12-31 | 2020-05-15 | 沈阳骏杰卓越软件科技有限公司 | 一种综合运维管理*** |
CN111639791A (zh) * | 2020-05-11 | 2020-09-08 | 同济大学 | 交通流预测方法、***、存储介质及终端 |
CN113689721A (zh) * | 2021-07-30 | 2021-11-23 | 深圳先进技术研究院 | 一种自动驾驶车速控制方法、***、终端以及存储介质 |
Non-Patent Citations (2)
Title |
---|
杜圣东;李天瑞;杨燕;王浩;谢鹏;洪西进;: "一种基于序列到序列时空注意力学习的交通流预测模型", 计算机研究与发展, vol. 57, no. 08, pages 1715 - 1728 * |
林凡;张秋镇;杨峰;: "网联汽车智能管控云平台设计", 物联网技术, no. 09, pages 65 - 68 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115691110A (zh) * | 2022-09-20 | 2023-02-03 | 东南大学 | 一种面向动态车流的基于强化学习的交叉口信号周期稳定配时方法 |
CN115691110B (zh) * | 2022-09-20 | 2023-08-25 | 东南大学 | 一种面向动态车流的基于强化学习的交叉口信号周期稳定配时方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067722B (zh) | 一种车辆行驶工况构建方法 | |
CN101540103B (zh) | 交通信息采集及事件处理的方法与*** | |
CN110111592B (zh) | 基于交通信号控制机动态匹配最优信号配时方案的方法 | |
CN113947905B (zh) | 一种交通运行态势感知方法、模块及*** | |
US20140303806A1 (en) | Apparatus and methods for providing tailored information to vehicle users based on vehicle community input | |
EP3871207B1 (en) | Traffic signal state prediction correction and real-time probe data validation | |
CN105929815A (zh) | 大规模车辆实时监测诊断、远程服务与综合处理方法 | |
CN107798876A (zh) | 基于事件的道路交通异常拥堵判断方法 | |
CN106878371A (zh) | 远程信息处理数据的有效上传 | |
JP6229981B2 (ja) | 車両感知器異常検知装置、交通状況分析装置、車両感知器異常検知システム、交通状況分析システムおよびプログラム | |
CN106394621B (zh) | 一种列车车载数据传输方法及*** | |
CN105355049A (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
CN104732762B (zh) | 一种交通异常路段概率识别方法 | |
WO2011162966A1 (en) | System and method for providing road condition and congestion monitoring using smart messages | |
CN110517084B (zh) | 车辆功能活跃度分析方法及*** | |
CN114333311A (zh) | 一种基于物联网的综合运维管理*** | |
CN108122408B (zh) | 一种路况监测方法、装置及其用于监测道路路况的*** | |
CN113963539B (zh) | 高速公路交通事故识别方法、模块及*** | |
CN103247092A (zh) | 一种基于场景的驾驶行为评价方法 | |
CN106297360A (zh) | 一种交通信号灯故障诊断装置 | |
CN101551940A (zh) | 城市快速道路交通状态判别与发布***及其方法 | |
CN101540101A (zh) | 道路交通事件检测方法与*** | |
CN211926038U (zh) | 车载空调滤芯寿命的预测***及车辆 | |
CN107329429A (zh) | 一种用于轻型车行驶工况构建的车载数据采集终端 | |
CN102081847B (zh) | 基于fpga的车辆越线自动监测及压缩传输 |
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 |