CN114333313A - 一种基于高速公路监控的智能巡检方法 - Google Patents
一种基于高速公路监控的智能巡检方法 Download PDFInfo
- Publication number
- CN114333313A CN114333313A CN202111634685.1A CN202111634685A CN114333313A CN 114333313 A CN114333313 A CN 114333313A CN 202111634685 A CN202111634685 A CN 202111634685A CN 114333313 A CN114333313 A CN 114333313A
- Authority
- CN
- China
- Prior art keywords
- camera
- inspection
- preset point
- coefficient
- time period
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于高速公路监控的智能巡检方法，属于交通监测和智能交通技术领域，该智能巡检方法针对事故高发路段和不同时间段的车流量情况，对关键路段摄像头的默认巡检周期进行控制，通过自动调整监控预置点位置和巡检停留时间，通过人工巡检和机器自动巡检两种方法相结合，统计出事故易发路段，在摄像头当前聚焦点不在默认停留预置点的区间范围或在其他某个预置点长时间未操作的情况下，启动自动巡检，减少人工监控的时间盲区和空间盲区，降低发现交通异常情况的滞后性，避免因信息服务延迟导致的交通阻塞和事故，从而保证高速公路交通的安全和畅通。
Description
技术领域
本发明属于交通监测和智能交通技术领域，具体地，涉及一种基于高速公路监控的智能巡检方法。
背景技术
高速公路作为现代交通的主要标志，近年来，在我国得到了迅速发展。目前我国高速公路的通车里程已达3.5万公里，高速公路的快速发展为社会带来了巨大的经济效益和社会效益，大大缩短了人们之间的时空距离。但同时也向高速公路交通管理机关和交通参与者提出了严峻的挑战。因此，如何采用智能巡检方法来及时发现异常情况，避免产生交通拥堵及进一步的影响，保证高速公路畅通地运行，逐渐成为我国高速公路巡检过程中所面临的一个重要问题。
目前，国内高速公路普遍安装了外场监测设备，但是对道路通行状态实时检测的主动性和智能化程度不高，高速公路运行状态的监测管理主要通过人工巡检和机器自动检测两种方法，人工巡检靠监控员死盯监控画面来实现，增加了监控员的工作负荷，造成视觉疲劳，大大降低了事故检出率，且目前已有的自动检测***巡检时间固定统一，缺乏灵活性，效率不高；实施封道分流等道路管控信息的推送通过监控员经验来执行，确认事故信息及信息的录入、发布需耗费大量时间，造成信息服务延迟。若事故或交通拥堵不能及时检测和处理，会导致车辆绕行甚至引发二次事故，降低了高速公路的运营效率，给高速公路运营公司带来巨大的经济损失。
发明内容
为克服现有高速公路巡检方法的不足，本发明提供了一种基于高速公路监控的智能巡检方法，提高了高速公路的巡检效率、降低了交通堵塞率。
为实现上述技术目的，本发明采用如下技术方案：一种基于高速公路监控的智能巡检方法，具体包括如下步骤：
(1)在高速公路边的高杆上设置摄像头，据先验知识设置摄像头当前聚焦点的远景系数；
(2)将摄像头所辖路段进行均等划分预置点区域，并在均等划分的预置点区域上划分重叠区域长度；
(3)设置所述摄像头的每个预置点区域的默认巡检时间，与对应预置点区域对应时间段的车流权重系数相结合，得到对应时间段内摄像头的巡检周期；
(4)根据步骤(1)中的远景系数调整每个预置点区域巡检停留时间；
(5)遍历高速公路边的所有摄像头，重复步骤(2)-(4)，得出每个摄像头所辖路段上划分的预置点区域、巡检周期和每个预置点区域巡检停留时间；
(6)通过所述高速公路上的历史数据，统计出最容易发生故障的预置点区域，判断摄像头当前聚焦点是否在最容易发生故障的预置点区域内，若不在，则通过每个摄像头所辖路段上划分的预置点区域、巡检周期和每个预置点区域巡检停留时间进行自动巡检；否则进行人工巡检，若摄像头停留在某个预置点区域超过1小时未操作，则采用自动巡检。
进一步地，步骤(2)中重叠区域长度的划分过程具体为：将摄像头所辖路段进行均等划分预置点区域，分别求出均等划分预置点区域中每一段摄像头垂直聚焦的最大长度Si，通过与摄像头的远景系数相乘，得出均等划分预置点区域的每一段的重叠长度Ui＝Si*Fi，其中，i表示均等划分段数的索引，Fi表示摄像头的远景系数。
进一步地，步骤(3)中对应时间段摄像头的巡检周期为：
Ti＝T0*Q
其中，T0表示默认巡检时间，Q表示对应预置点区域对应时间段的车流权重系数；Ti表示对应时间段摄像头的巡检周期。
进一步地，所述对应预置点区域对应时间段的车流权重系数通过以下方法获得：
(a)收集高速公路历史上的管理记录台账和事件上报的数据，对高速公路上出现异常情况的摄像头桩号以及对应时间分布统计出每个时间段每个路段对应事故发生系数Q1，并根据先验知识给出每个时间段每个路段的事故发生经验系数Q2；
(b)采用多源数据分析技术，获取每个时段高速公路上每个路段的交通需求OD信息，根据获取的交通需求OD信息，计算每个时间段内每个路段的车流量系数Q3；
(c)根据步骤(a)得到的事故发生系数Q1、给出的事故发生经验系数Q2以及步骤(b)得到的车流量系数Q3，计算每个时间段每个路段的车流权重系数Q＝1/(Q1+Q2+Q3)。
进一步地，所述车流量系数Q3的计算过程具体为：
其中，x表示某时间段都某高速公路段的交通需求OD交通量，μ表示对应该时间段内该路段车流量系数的平均值，σ2表示对应时间段内该路段车流量系数的方差。
进一步地，步骤(4)中预置点区域巡检停留时间为：Pi＝P0/Fi
其中，Pi表示预置点区域巡检停留时间，Fi表示摄像头的远景系数，i表示均等划分段数的索引，P0表示发送移动摄像头指令的默认频率。
与现有技术相比，本发明具有如下有益效果：本发明基于高速公路监控的智能巡检方法针对事故高发路段和不同时间段的车流量情况，对关键路段摄像头的默认巡检周期进行控制，以保证摄像头实时监测的效率最大化；通过自动调整监控预置点位置和巡检停留时间，以提高发现事故的准确性和及时性；将自动巡检方式与人工巡检相结合，减轻监控员的工作负荷，分析得出事故易发路段，当摄像头当前聚焦点不在事故易发路段内或在其他某个预置点长时间未操作的情况下，启动自动巡检，减少人工监控时间和位置盲区，降低发现交通异常情况的滞后性，避免因信息服务延迟导致的交通阻塞和事故，从而保证高速公路交通的安全和畅通。本发明基于高速公路监控的智能巡检方法对于提高高速公路巡检效率、降低交通堵塞具有良好效果，在我国高速公路智能巡检方面具有广泛的应用范围和良好的应用前景。
附图说明
图1为基于高速公路监控的智能巡检方法的流程图；
图2为预置点区域划分示意图；
具体实施方式
下面结合附图和实施例对发明的技术方案作进一步地解释说明。
如图1为本发明基于高速公路监控的智能巡检方法的流程图，该智能巡检方法具体包括如下步骤：
(1)在高速公路边的高杆上设置摄像头，据先验知识设置摄像头当前聚焦点的远景系数；
(2)将摄像头所辖路段进行均等划分预置点区域，并在均等划分的预置点区域上划分重叠区域长度；具体过程如下：将摄像头所辖路段进行均等划分预置点区域，分别求出均等划分预置点区域中每一段摄像头垂直聚焦的最大长度Si，通过与摄像头的远景系数相乘，得出均等划分预置点区域的每一段的重叠长度Ui＝Si*Fi，其中，i表示均等划分段数的索引，Fi表示摄像头的远景系数，如图2所示，Sb1-Se1段、Sb2-Se2段、Sb3-Se3段均表示均等划分的预置点区域，U1表示Sb1-Se1段预置点区域与Sb2-Se2段预置点区域的重叠长度，U2表示Sb2-Se2段预置点区域与Sb3-Se3段预置点区域的重叠长度，U3表示Sb3-Se3段预置点区域与后续相邻段预置点区域的重叠长度。由于远景时巡检区域大，在摄像头抓拍的图中目标小且不清楚，通过增大重叠长度，可以在重叠的另一张相邻图中再次判断目标是否有异常，从而在最大程度上实现资源的高效配置。
(3)由于车流拥堵的时候需要重点关注，会导致摄像头在巡检时转动速度减慢，同时视频图像关注时间长，从而导致巡检周期发生变化，通过设置所述摄像头的每个预置点区域的默认巡检时间，与对应预置点区域对应时间段的车流权重系数相结合，得到对应时间段内摄像头的巡检周期：
Ti＝T0*Q
其中，T0表示默认巡检时间，Q表示对应预置点区域对应时间段的车流权重系数；Ti表示对应时间段摄像头的巡检周期。
本发明中对应预置点区域对应时间段的车流权重系数通过以下方法获得：
(a)收集高速公路历史上的管理记录台账和事件上报的数据，对高速公路上出现异常情况的摄像头桩号以及对应时间分布统计出每个时间段每个路段对应事故发生系数Q1，并根据先验知识给出每个时间段每个路段的事故发生经验系数Q2；
(b)采用多源数据分析技术，获取每个时段高速公路上每个路段的交通需求OD信息，明确实时车流量拥堵情况，根据获取的交通需求OD信息，计算每个时间段内每个路段的车流量系数Q3：
其中，x表示某时间段都某高速公路段的交通需求OD交通量，μ表示对应该时间段内该路段车流量系数的平均值，σ2表示对应时间段内该路段车流量系数的方差。
(c)根据步骤(a)得到的事故发生系数Q1、给出的事故发生经验系数Q2以及步骤(b)得到的车流量系数Q3，计算每个时间段每个路段的车流权重系数Q＝1/(Q1+Q2+Q3)。
(4)远景时摄像头转动距离大，转动时间长，巡检频率要慢一点；近景时摄像头的转动距离小，转的快，巡检频率要快点，因此，根据步骤(1)中的远景系数调整每个预置点区域巡检停留时间：Pi＝P0/Fi；
其中，Pi表示预置点区域巡检停留时间，Fi表示摄像头的远景系数，i表示均等划分段数的索引，P0表示发送移动摄像头指令的默认频率。
(5)遍历高速公路边的所有摄像头，重复步骤(2)-(4)，得出每个摄像头所辖路段上划分的预置点区域、巡检周期和每个预置点区域巡检停留时间；
(6)通过所述高速公路上的历史数据，统计出最容易发生故障的预置点区域，判断摄像头当前聚焦点是否在最容易发生故障的预置点区域内，若不在，则通过每个摄像头所辖路段上划分的预置点区域、巡检周期和每个预置点区域巡检停留时间进行自动巡检；否则进行人工巡检，若摄像头停留在某个预置点区域超过1小时未操作，则采用自动巡检，从而提高高速公路巡检效率、对降低交通堵塞具有良好效果。
实施例
某一高速公路某个监控摄像头所辖路段中，通过对历史事件统计分析划分出其中一个时间段为06:50-09:15，对所有事件数归一化后得到事故发生经验系数为0.7，获取当前OD交通量分析通行能力并归一化处理得到实时车流系数为0.5，通过人工经验判断该路段事故发生经验系数为0.8，计算得到综合系数Q＝1/(Q1+Q2+Q3)＝0.64。该摄像头默认巡检时间为10分钟，当前时间段的实际巡检时间为10*0.64≈6分钟。该摄像头所辖路长1km，从正向最远处开始计算第一个预置点起始点，监控可视最大距离为|S1|＝0.2km，计算得当前远景系数F1＝0.2，重叠区域U1＝S1*F1＝0.2*0.2＝0.04，该预置点停留时间为Pt＝P0/Fi＝10/0.2＝50，依次推算其他预置点起始点、重叠区域和停留时间。
在不采用智能巡检的情况下，无法及时准确地发现事故，且监控员的工作负荷大，人工监控存在时间盲区和空间盲区，以及导致高速公路通行能力的下降。采用本发明的智能巡检后，提高了发现事故的实时性，降低发现交通异常情况的滞后性，避免因信息服务延迟导致的交通阻塞和事故，从而保证高速公路交通的安全和畅通。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
Claims (6)
1.一种基于高速公路监控的智能巡检方法，其特征在于，具体包括如下步骤：
(1)在高速公路边的高杆上设置摄像头，据先验知识设置摄像头当前聚焦点的远景系数；
(2)将摄像头所辖路段进行均等划分预置点区域，并在均等划分的预置点区域上划分重叠区域长度；
(3)设置所述摄像头的每个预置点区域的默认巡检时间，与对应预置点区域对应时间段的车流权重系数相结合，得到对应时间段内摄像头的巡检周期；
(4)根据步骤(1)中的远景系数调整每个预置点区域巡检停留时间；
(5)遍历高速公路边的所有摄像头，重复步骤(2)-(4)，得出每个摄像头所辖路段上划分的预置点区域、巡检周期和每个预置点区域巡检停留时间；
(6)通过所述高速公路上的历史数据，统计出最容易发生故障的预置点区域，判断摄像头当前聚焦点是否在最容易发生故障的预置点区域内，若不在，则通过每个摄像头所辖路段上划分的预置点区域、巡检周期和每个预置点区域巡检停留时间进行自动巡检；否则进行人工巡检，若摄像头停留在某个预置点区域超过1小时未操作，则采用自动巡检。
2.根据权利要求1所述基于高速公路监控的智能巡检方法，其特征在于，步骤(2)中重叠区域长度的划分过程具体为：将摄像头所辖路段进行均等划分预置点区域，分别求出均等划分预置点区域中每一段摄像头垂直聚焦的最大长度Si，通过与摄像头的远景系数相乘，得出均等划分预置点区域的每一段的重叠长度Ui＝Si*Fi，其中，i表示均等划分段数的索引，Fi表示摄像头的远景系数。
3.根据权利要求1所述基于高速公路监控的智能巡检方法，其特征在于，步骤(3)中对应时间段摄像头的巡检周期为：
Ti＝T0*Q
其中，T0表示默认巡检时间，Q表示对应预置点区域对应时间段的车流权重系数；Ti表示对应时间段摄像头的巡检周期。
4.根据权利要求1所述基于高速公路监控的智能巡检方法，其特征在于，所述对应预置点区域对应时间段的车流权重系数通过以下方法获得：
(a)收集高速公路历史上的管理记录台账和事件上报的数据，对高速公路上出现异常情况的摄像头桩号以及对应时间分布统计出每个时间段每个路段对应事故发生系数Q1，并根据先验知识给出每个时间段每个路段的事故发生经验系数Q2；
(b)采用多源数据分析技术，获取每个时段高速公路上每个路段的交通需求OD信息，根据获取的交通需求OD信息，计算每个时间段内每个路段的车流量系数Q3；
(c)根据步骤(a)得到的事故发生系数Q1、给出的事故发生经验系数Q2以及步骤(b)得到的车流量系数Q3，计算每个时间段每个路段的车流权重系数Q＝1/(Q1+Q2+Q3)。
5.根据权利要求4所述基于高速公路监控的智能巡检方法，其特征在于，所述车流量系数Q3的计算过程具体为：
其中，x表示某时间段都某高速公路段的交通需求OD交通量，μ表示对应该时间段内该路段车流量系数的平均值，σ2表示对应时间段内该路段车流量系数的方差。
6.根据权利要求1所述基于高速公路监控的智能巡检方法，其特征在于，步骤(4)中预置点区域巡检停留时间为：Pi＝P0/Fi
其中，Pi表示预置点区域巡检停留时间，Fi表示摄像头的远景系数，i表示均等划分段数的索引，P0表示发送移动摄像头指令的默认频率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111634685.1A CN114333313B (zh) | 2021-12-29 | 2021-12-29 | 一种基于高速公路监控的智能巡检方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111634685.1A CN114333313B (zh) | 2021-12-29 | 2021-12-29 | 一种基于高速公路监控的智能巡检方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114333313A true CN114333313A (zh) | 2022-04-12 |
| CN114333313B CN114333313B (zh) | 2022-11-01 |
Family
ID=81016281
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111634685.1A Active CN114333313B (zh) | 2021-12-29 | 2021-12-29 | 一种基于高速公路监控的智能巡检方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114333313B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236651A (zh) * | 2023-11-13 | 2023-12-15 | 天津市德安圣保安全卫生评价监测有限公司 | 一种安全生产综合管理方法以及*** |
| CN117596386A (zh) * | 2023-12-06 | 2024-02-23 | 中云数科(广州)信息科技有限公司 | 一种智能楼宇安全监控*** |
| CN117764303A (zh) * | 2023-11-17 | 2024-03-26 | 南京公路发展(集团)有限公司 | 一种基于人工智能的道路巡检数据分析***及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170103265A1 (en) * | 2015-10-07 | 2017-04-13 | Accenture Global Solutions Limited | Border inspection with aerial cameras |
| CN110085029A (zh) * | 2019-05-31 | 2019-08-02 | 重庆交通大学 | 基于轨道式巡检机器人的高速公路巡检***与方法 |
| CN110111579A (zh) * | 2019-05-07 | 2019-08-09 | 山东交通学院 | 一种无人值守高速公路自动巡检***及使用方法 |
| CN110497379A (zh) * | 2019-09-19 | 2019-11-26 | 河北工业大学 | 一种高速公路巡检机器人 |
| CN210743030U (zh) * | 2019-12-10 | 2020-06-12 | 厦门路桥信息股份有限公司 | 巡检设备 |
| CN112820109A (zh) * | 2021-01-15 | 2021-05-18 | 林安齐 | 一种道路巡检安全预警方法及*** |
| CN113112804A (zh) * | 2021-04-14 | 2021-07-13 | 山东奥邦交通设施工程有限公司 | 一种智慧高速综合管控方法 |
| CN113724503A (zh) * | 2021-08-31 | 2021-11-30 | 山东交通学院 | 基于云平台的高速公路状态自动巡检***及方法 |
-
2021
- 2021-12-29 CN CN202111634685.1A patent/CN114333313B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170103265A1 (en) * | 2015-10-07 | 2017-04-13 | Accenture Global Solutions Limited | Border inspection with aerial cameras |
| CN110111579A (zh) * | 2019-05-07 | 2019-08-09 | 山东交通学院 | 一种无人值守高速公路自动巡检***及使用方法 |
| CN110085029A (zh) * | 2019-05-31 | 2019-08-02 | 重庆交通大学 | 基于轨道式巡检机器人的高速公路巡检***与方法 |
| CN110497379A (zh) * | 2019-09-19 | 2019-11-26 | 河北工业大学 | 一种高速公路巡检机器人 |
| CN210743030U (zh) * | 2019-12-10 | 2020-06-12 | 厦门路桥信息股份有限公司 | 巡检设备 |
| CN112820109A (zh) * | 2021-01-15 | 2021-05-18 | 林安齐 | 一种道路巡检安全预警方法及*** |
| CN113112804A (zh) * | 2021-04-14 | 2021-07-13 | 山东奥邦交通设施工程有限公司 | 一种智慧高速综合管控方法 |
| CN113724503A (zh) * | 2021-08-31 | 2021-11-30 | 山东交通学院 | 基于云平台的高速公路状态自动巡检***及方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117236651A (zh) * | 2023-11-13 | 2023-12-15 | 天津市德安圣保安全卫生评价监测有限公司 | 一种安全生产综合管理方法以及*** |
| CN117236651B (zh) * | 2023-11-13 | 2024-02-20 | 天津市德安圣保安全卫生评价监测有限公司 | 一种安全生产综合管理方法以及*** |
| CN117764303A (zh) * | 2023-11-17 | 2024-03-26 | 南京公路发展(集团)有限公司 | 一种基于人工智能的道路巡检数据分析***及方法 |
| CN117596386A (zh) * | 2023-12-06 | 2024-02-23 | 中云数科(广州)信息科技有限公司 | 一种智能楼宇安全监控*** |
| CN117596386B (zh) * | 2023-12-06 | 2024-05-24 | 中云数科(广州)信息科技有限公司 | 一种智能楼宇安全监控*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114333313B (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114333313B (zh) | 一种基于高速公路监控的智能巡检方法 | |
| CN108510758B (zh) | 基于视频实时信息的城市快速路入口匝道信号控制方法 | |
| CN105957395B (zh) | 一种基于摄像机阵列的路侧停车管理***及其方法 | |
| CN109003444B (zh) | 基于广域雷达微波检测器的城市交叉口溢流控制方法 | |
| US11069233B1 (en) | Video-based main road cooperative signal machine control method | |
| CN111508094B (zh) | 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法 | |
| CN101540103A (zh) | 交通信息采集及事件处理的方法与*** | |
| CN112712697A (zh) | 面向车路协同应用的车道级交通状态判别方法及*** | |
| CN101551940A (zh) | 城市快速道路交通状态判别与发布***及其方法 | |
| CN111754786A (zh) | 一种识别高速公路交通工具通行事件的*** | |
| CN110956804A (zh) | 一种交叉口信号配时诊断方法 | |
| CN115489372B (zh) | 一种基于数据采集的智能充电柜管控*** | |
| CN113588664A (zh) | 一种车载道路缺陷快速巡检与分析*** | |
| CN108629982B (zh) | 一种基于旅行时间分布规律的路段车辆数估计方法 | |
| CN116011794A (zh) | 一种基于云运维的基础设施监管方法及*** | |
| CN113865644B (zh) | 一种场所内排水设施运行监测*** | |
| CN115862327A (zh) | 一种智慧园区的可视化管理***及方法 | |
| CN102819956A (zh) | 一种基于单截面环形线圈检测器的道路交通事件检测方法 | |
| CN117198058B (zh) | 一种基于遥感影像的道路交通智能监管*** | |
| CN210865032U (zh) | 城市内涝监测预警*** | |
| CN114463980A (zh) | 一种交通状态检测方法、装置、存储介质及电子装置 | |
| CN114333331B (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及*** | |
| CN113643537B (zh) | 一种进口车道通行状态特征参数检测方法及*** | |
| CN116052425A (zh) | 一种道路拥堵状态实时监测*** | |
| CN105489015A (zh) | 基于投资模型的城市道路智能交通规划方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220412 Assignee: Xiamen Jianxing Zhida Information Technology Co.,Ltd. Assignor: JINLING INSTITUTE OF TECHNOLOGY Contract record no.: X2023980054789 Denomination of invention: An intelligent inspection method based on highway monitoring Granted publication date: 20221101 License type: Common License Record date: 20240103 |