CN115293505A - 一种基于物联网的智能公交监测管理*** - Google Patents
一种基于物联网的智能公交监测管理*** Download PDFInfo
- Publication number
- CN115293505A CN115293505A CN202210773379.4A CN202210773379A CN115293505A CN 115293505 A CN115293505 A CN 115293505A CN 202210773379 A CN202210773379 A CN 202210773379A CN 115293505 A CN115293505 A CN 115293505A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- speed limit
- arrival
- brake
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000009471 action Effects 0.000 claims description 17
- 210000004709 eyebrow Anatomy 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000006855 networking Effects 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 14
- 210000001015 abdomen Anatomy 0.000 description 6
- 210000004209 hair Anatomy 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000013501 data transformation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000037308 hair color Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035935 pregnancy Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于物联网的智能公交监测管理***,包括:车门监测模块、限速调整模块、到站时间预估模块及到站时间调整模块,所述车门监测模块,根据站台内的传感器发射信号及车内图像采集传感器采集的数据对车辆车门的开启与关闭进行限制;所述到站时间预估模块,用于判断在当前实际限制车速下的实际车速,用车辆到站的剩余距离除以实际车速,进而得到车辆到站的预估时间。本发明不仅能够对公交车车门的权限进行控制,同时从多因素考虑,对公交车的形式车速进行限制,加强了公交车在行驶过程中的安全程度,另外对于车辆到站时间也进行监控,对于偏差较大的情况会对车辆限速进行相应调整。
Description
技术领域
本发明涉及交通运输技术领域,具体为一种基于物联网的智能公交监测管理***。
背景技术
随着社会的发展,公交车仍旧是人们出行的主流交通工具,但是近些年,公交车事故频发不断,为了提高人们的生命财产安全,加强公交车出行的可靠性,进而加强对公交车的监测管理逐渐成为愈发重视的问题。
由于公交车缺乏监控措施,公交车在非站台区域违规停靠且开关车门,严重影响了后面车辆的驾车体验,甚至可能发生交通事故,而公交车超速行驶则会严重威胁到车内人们的生命安全。
近年来,物联网逐渐普及,越来越多的人们体验到物联网带来的好处,通过传感器,实现了物物相连,同时通过对传感器采集的数据进行分析,能够轻松查看目标的状态,在监测管理方面,能够通过反馈的数据对目标状态进行查看,进而及时对目标状态进行调整。
针对上述情况,我们需要一种基于物联网的智能公交监测管理***及方法,不仅能够对公交车车门的权限进行控制,同时从多因素考虑,对公交车的形式车速进行限制,加强了公交车在行驶过程中的安全程度,另外对于车辆到站时间也进行监控,对于偏差较大的情况会对车辆限速进行相应调整。
发明内容
本发明的目的在于提供一种基于物联网的智能公交监测管理***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于物联网的智能公交监测管理***,包括:车门监测模块、限速调整模块、到站时间预估模块及到站时间调整模块,
所述车门监测模块,根据站台内的传感器发射信号及车内图像采集传感器采集的数据对车辆车门的开启与关闭进行限制;
所述限速调整模块,通过采集车辆第一单位时间内从两边驶过的车辆数量及本车辆第二单位时间踩刹车的状况计算出周边车辆密集度,通过车内图像采集传感器采集的数据计算老弱病残孕的人数占比,根据该车当前速度、周边车辆密集度及老弱病残孕的人数占比计算出限制车速,将限制车速与当前路段的限制车速进行对比,较小的值为该车当前的实际限制车速;
所述到站时间预估模块,用于判断在当前实际限制车速下的实际车速,用车辆到站的剩余距离除以实际车速,进而得到车辆到站的预估时间;
所述到站时间调整模块,用于对车辆到站的预估时间与规定时间进行比较,若误差超过规定范围,则需对车辆到站时间进行校准,调整车辆的实际限制车速。
本发明通过各模块相互协调配合,共同实现对车门的监控及对车辆限速的调整,车门监测模块通过接受站台内发射的传感器信号及车内的图像采集传感器采集数据,确保正常情况下,车辆只有在车站内才能进行车门开启与关闭的操作,当车量驶出站台时,则无法进行车门开启的操作,确保乘客们的人身安全,但是特殊情况下,如车内有打架斗殴的情况或者发生车祸,车内情况被图像采集传感器采集并分析出来后,则可以随时进行车门开启与关闭的操作;限速调整模块先从该车当前速度、周边车辆密集度及老弱病残孕的人数占比计算出限制车速,并将限制车速与路段限速进行对比,选取较小值作为实际限制车速,通过该方式能够根据车辆周围环境及自身的实际情况实时对车辆的行驶速度进行限制,确保车辆行驶安全;到站时间预估模块对车辆到站时间进行预估,到站时间调整模块通过计算车辆到站的预估时间与规定时间之间的误差,进而对车辆的实际限制车速进行调整,达到对车辆到站时间校准的目的。
一种基于物联网的智能公交监测管理方法,具体步骤如下:
S1、在车门监测模块中,根据站台内的传感器发射信号及车内图像采集传感器采集的数据对车辆车门的开启与关闭进行限制;
S2、在限速调整模块中,通过采集车辆第一单位时间内从两边驶过的车辆数量及本车辆第二单位时间踩刹车的状况计算出周边车辆密集度,通过车内图像采集传感器采集的数据计算老弱病残孕的人数占比,根据该车当前速度、周边车辆密集度及老弱病残孕的人数占比计算出限制车速,将限制车速与当前路段的限制车速进行对比,较小的值为该车当前的实际限制车速v1;
S3、通过到站时间预估模块,判断在当前实际限制车速下的实际车速,用车辆到站的剩余距离除以实际车速,进而得到车辆到站的预估时间;
S4、在到站时间调整模块中,对车辆到站的预估时间与规定时间进行比较,若误差超过规定范围,则需对车辆到站时间进行校准,调整车辆的实际限制车速。
进一步的,所述车门监测模块对车辆车门进行限制过程中,
当车辆接收到站台内传感器发射的信号,即可控制车门的开启与关闭,
当车辆未接收到站台内传感器发射的信号,则无法控制车门的开启,
当车内的图像采集传感器采集到发生意外情况时,则可控制车门的开启与关闭。
本发明通过判断是否收到站台内传感器发射的信号,来判断是否具备控制车门开启的权限,当车辆不在站台内时,无法接收到站台内传感器发射的信号,进而限制车门开启,但是当车内的图像采集传感器判断出发生意外时,则重新赋予车辆可以开启车门的权限,避免发生意外时,乘客无法正常逃脱。
进一步的,所述判断车内图像采集传感器采集的画面中发生意外情况包的方法如下:
每隔3秒截取一次画面图像,分析图像中人物的动作、状态,所述人物的动作、状态包括:争吵、打架、摔倒,进一步截取图像中人物的特殊动作、状态,对截图中人物的骨骼特征点进行标注,然后与第一对比数据库中的对比图像进行匹配,通过等比例缩放的方式调整截图大小,将截图中人物的眉心、下巴两点与对比图像的相同位置进行重合,并以眉心为原点,从眉心到下巴的方向为y轴负方向,与眉心、下巴所在直线垂直且偏向右眼的方向为x轴建立同一平面直角坐标系,计算两图像相同骨骼点之间的误差,最后将误差之和与阈值进行比较,小于阈值,则判定该截图中人物动作或状态与对比图像相符。
本发明定期截取画面中的图像,并分析图像中人物的动作及状态,建立同一直角坐标系,对图像中人物与对比图像中人物同一骨骼点进行误差求和,将误差进行数据化,误差之和越小,则图像中人物的动作及状态与对比图像中人物的动作及状态越相符,当误差之和小于阈值时,则判定该截图中人物动作或状态与对比图像相符。
进一步的,所述限速调整模块中,采集车辆第一单位时间内从两边驶过车辆数量的具体方法为:在当前车速下,将第一单位时间内超过本车的车辆数记为负数a1,将第一单位时间内本车超过的车辆数记为正数a2,每个第一单位时间结束后,对该第一单位时间内超过本车的车辆数与本车超过的车辆数相加,即a1+a2,
所述每个第一单位时间内超过本车与本车超过的同一车辆分别智能记录一次。
本发明限速调整模块中在采集车辆单位时间内从两边驶过车辆数量时,同时采集第一单位时间内超过本车的车辆数a1及本车超过的车辆数记为正数a2,若a1+a2之和为正数,基于该因素,则需对车辆限速进行减小,若a1+a2之和为负数,基于该因素,则需对车辆限速进行增大;每个第一单位时间内超过本车与本车超过的同一车辆分别智能记录一次,是为了降低同一车辆对采集车辆单位时间内从两边驶过车辆数量时的影响,避免多次采集同一车辆时出现误差,进而对限速调整的结果造成偏差。
进一步的,所述限速调整模块中,第二单位时间踩刹车的状况包括:踩刹车的次数n、踩刹车的高度h及踩刹车的时间t,所述第n次踩刹车时踩刹车的高度h与踩刹车的时间t的关系为hn=f(tn),然后将踩刹车的次数n、踩刹车的高度h及踩刹车的时间t代入计算公式进行微积求和,即第二单位时间踩刹车的状况进而求取周边车辆的密集度m0=(a1+a2)×b,即
本发明考虑到每次踩刹车的时间及踩刹车过程中不同时间段踩的程度不同,最终的刹车效果也不相同,而踩刹车的程度可由踩刹车的高度体现,因此需对第二单位时间内每次踩刹车的高度进行微积分,先计算出第二单位时间内每次踩刹车的状况,然后再对第二单位时间内每次踩刹车的状况进行累加求和,进而求得第二单位时间踩刹车的状况b,最后综合第二单位时间踩刹车的状况与车辆第一单位时间内从两边驶过车辆数量这两个因素,判断周边车辆的密集度m0,m0的绝对值越大,则对车辆限速的调控越大,若m0的值为负数,则需对车辆限速进行增大。
进一步的,所述车内图像采集传感器采集的数据计算老弱病残孕的人数占比的方法为:
每隔3秒截取一次画面图像,根据图像计算车内的人物总数b0,进一步对图像中各人物的形象特征进行筛选,包括:通过图像中人物高度与车内空间高度的比值计算人物身高、抓取图像中人物的头发与第二对比数据库颜色色度进行比对得到人物头发颜色、通过计算人物腹部突出肩部所在垂线的距离得到人物的腹部形状、通过将人物携带物品与第二对比数据库比对判断人物是否携带医用器具,根据图像中人物身高判断人物是否为小孩,根据图像中人物头发颜色判断人物是否为老人、根据图像中人物的腹部形状判断人物是否为孕妇、根据图像中人物是否携带医用器具判断人物是否为病人或残疾人,然后统计车内的老弱病残孕的人数b1,计算车内的老弱病残孕的人数b1占车内总人数b0的比值即得到老弱病残孕的人数占比
本发明对车内图像采集传感器采集的数据还可以进一步处理,通过画面图像中的人物特征,判断出车内老弱病残孕的人数b1占车内总人数b0的比值,在对车辆限速的调整过程中,老弱病残孕的人数占比越大,为确保老弱病残孕的人身安全,则需越大程度的降低车辆的限速,避免因车速过快时及刹车导致老弱病残孕手上,甚至造成生命危险。
进一步的,所述限制车速的求取需要综合考虑当前车辆的实际车速v0、周边车辆的密集度m0及车内老弱病残孕的人数占比p0,代入限制车速V的计算公式,得到:
V=v0-(m0-m1)×L0-(p0-p1)×L1,可进一步得到:
所述m1为预设的正常车辆密集度,p1为预设的正常情况下车内老弱病残孕的人数占比;
所述L0为单位车辆密集度对车辆限速的调控度,L1为每单位车内老弱病残孕的人数占比对车辆限速的调控度,
将限制车速与当前路段的限制车速进行对比,两者中较小的值为该车当前的实际限制车速v1。
本发明结合当前车辆的实际车速v0、周边车辆的密集度m0及车内老弱病残孕的人数占比p0,并根据大数据样本分析,推导出具体的限制车速公式,进而实时对车辆限速进行求取;将限制车速与当前路段的限制车速进行对比,两者中较小的值为该车当前的实际限制车速v1,是为了防止求取的车辆限速超过当前路段的限制车速,造成车辆超速的情况发生。
进一步的,所述到站时间调整模块,车辆到站的预估时间与规定时间的差值为c,若误差|c|大于规定范围k,则需对车辆到站时间进行校准,调整后车辆的实际限制车速v2,校准公式如下:
v2=v1+c×L3,
所述L3为单位大小的误差需要调整的车速,
当车辆到站的预估时间大于规定时间时,c为正数;
当车辆到站的预估时间等于规定时间时,c为0;
当车辆到站的预估时间小于规定时间时,c为负数。
本发明将到站的预估时间与规定时间相比较,在误差较大时,通过调整车辆的实际限速实现对车速的控制,进而达到对车辆到站时间校准的目的。当车辆到站的预估时间大于规定时间时,调整后的实际限速增大;当车辆到站的预估时间等于规定时间时,调整后的实际限速不变;当车辆到站的预估时间小于规定时间时,调整后的实际限速减小。
进一步的,所述第一单位时间与第二单位时间相同。
本发明第一单位时间与第二单位时间相同,是为了确保数据的同步性。
与现有技术相比,本发明所达到的有益效果是:本发明不仅能够对公交车车门的权限进行控制,同时从多因素考虑,对公交车的形式车速进行限制,加强了公交车在行驶过程中的安全程度,另外对于车辆到站时间也进行监控,对于偏差较大的情况会对车辆限速进行相应调整。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于物联网的智能公交监测管理***的组成示意图;
图2是本发明一种基于物联网的智能公交监测管理***车门监测模块的流程示意图;
图3是本发明一种基于物联网的智能公交监测管理***限速调整模块求取实际限制车速的流程示意图;
图4是本发明一种基于物联网的智能公交监测管理***到站时间调整模块的流程示意图。
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他实施例,都属于本发明保护的范围。
请参阅图1-4,本发明提供技术方案:一种基于物联网的智能公交监测管理***,包括:车门监测模块、限速调整模块、到站时间预估模块及到站时间调整模块,
所述车门监测模块,根据站台内的传感器发射信号及车内图像采集传感器采集的数据对车辆车门的开启与关闭进行限制;
所述限速调整模块,通过采集车辆第一单位时间内从两边驶过的车辆数量及本车辆第二单位时间踩刹车的状况计算出周边车辆密集度,通过车内图像采集传感器采集的数据计算老弱病残孕的人数占比,根据该车当前速度、周边车辆密集度及老弱病残孕的人数占比计算出限制车速,将限制车速与当前路段的限制车速进行对比,较小的值为该车当前的实际限制车速;
所述到站时间预估模块,用于判断在当前实际限制车速下的实际车速,用车辆到站的剩余距离除以实际车速,进而得到车辆到站的预估时间;
所述到站时间调整模块,用于对车辆到站的预估时间与规定时间进行比较,若误差超过规定范围,则需对车辆到站时间进行校准,调整车辆的实际限制车速。
本发明通过各模块相互协调配合,共同实现对车门的监控及对车辆限速的调整,车门监测模块通过接受站台内发射的传感器信号及车内的图像采集传感器采集数据,确保正常情况下,车辆只有在车站内才能进行车门开启与关闭的操作,当车量驶出站台时,则无法进行车门开启的操作,确保乘客们的人身安全,但是特殊情况下,如车内有打架斗殴的情况或者发生车祸,车内情况被图像采集传感器采集并分析出来后,则可以随时进行车门开启与关闭的操作;限速调整模块先从该车当前速度、周边车辆密集度及老弱病残孕的人数占比计算出限制车速,并将限制车速与路段限速进行对比,选取较小值作为实际限制车速,通过该方式能够根据车辆周围环境及自身的实际情况实时对车辆的行驶速度进行限制,确保车辆行驶安全;到站时间预估模块对车辆到站时间进行预估,到站时间调整模块通过计算车辆到站的预估时间与规定时间之间的误差,进而对车辆的实际限制车速进行调整,达到对车辆到站时间校准的目的。
一种基于物联网的智能公交监测管理方法,具体步骤如下:
S1、在车门监测模块中,根据站台内的传感器发射信号及车内图像采集传感器采集的数据对车辆车门的开启与关闭进行限制;
S2、在限速调整模块中,通过采集车辆第一单位时间内从两边驶过的车辆数量及本车辆第二单位时间踩刹车的状况计算出周边车辆密集度,通过车内图像采集传感器采集的数据计算老弱病残孕的人数占比,根据该车当前速度、周边车辆密集度及老弱病残孕的人数占比计算出限制车速,将限制车速与当前路段的限制车速进行对比,较小的值为该车当前的实际限制车速v1;
S3、通过到站时间预估模块,判断在当前实际限制车速下的实际车速,用车辆到站的剩余距离除以实际车速,进而得到车辆到站的预估时间;
S4、在到站时间调整模块中,对车辆到站的预估时间与规定时间进行比较,若误差超过规定范围,则需对车辆到站时间进行校准,调整车辆的实际限制车速。
所述车门监测模块对车辆车门进行限制过程中,
当车辆接收到站台内传感器发射的信号,即可控制车门的开启与关闭,
当车辆未接收到站台内传感器发射的信号,则无法控制车门的开启,
当车内的图像采集传感器采集到发生意外情况时,则可控制车门的开启与关闭。
本发明通过判断是否收到站台内传感器发射的信号,来判断是否具备控制车门开启的权限,当车辆不在站台内时,无法接收到站台内传感器发射的信号,进而限制车门开启,但是当车内的图像采集传感器判断出发生意外时,则重新赋予车辆可以开启车门的权限,避免发生意外时,乘客无法正常逃脱。
所述判断车内图像采集传感器采集的画面中发生意外情况包的方法如下:
每隔3秒截取一次画面图像,分析图像中人物的动作、状态,所述人物的动作、状态包括:争吵、打架、摔倒,进一步截取图像中人物的特殊动作、状态,对截图中人物的骨骼特征点进行标注,然后与第一对比数据库中的对比图像进行匹配,通过等比例缩放的方式调整截图大小,将截图中人物的眉心、下巴两点与对比图像的相同位置进行重合,并以眉心为原点,从眉心到下巴的方向为y轴负方向,与眉心、下巴所在直线垂直且偏向右眼的方向为x轴建立同一平面直角坐标系,计算两图像相同骨骼点之间的误差,最后将误差之和与阈值进行比较,小于阈值,则判定该截图中人物动作或状态与对比图像相符。
本发明定期截取画面中的图像,并分析图像中人物的动作及状态,建立同一直角坐标系,对图像中人物与对比图像中人物同一骨骼点进行误差求和,将误差进行数据化,误差之和越小,则图像中人物的动作及状态与对比图像中人物的动作及状态越相符,当误差之和小于阈值时,则判定该截图中人物动作或状态与对比图像相符。
所述限速调整模块中,采集车辆第一单位时间内从两边驶过车辆数量的具体方法为:在当前车速下,将第一单位时间内超过本车的车辆数记为负数a1,将第一单位时间内本车超过的车辆数记为正数a2,每个第一单位时间结束后,对该第一单位时间内超过本车的车辆数与本车超过的车辆数相加,即a1+a2,
所述每个第一单位时间内超过本车与本车超过的同一车辆分别智能记录一次。
本发明限速调整模块中在采集车辆单位时间内从两边驶过车辆数量时,同时采集第一单位时间内超过本车的车辆数a1及本车超过的车辆数记为正数a2,若a1+a2之和为正数,基于该因素,则需对车辆限速进行减小,若a1+a2之和为负数,基于该因素,则需对车辆限速进行增大;每个第一单位时间内超过本车与本车超过的同一车辆分别智能记录一次,是为了降低同一车辆对采集车辆单位时间内从两边驶过车辆数量时的影响,避免多次采集同一车辆时出现误差,进而对限速调整的结果造成偏差。
本实施例中若在在当前车速下、第一单位时间内,超过本车的车辆数为3辆,则a1的值为-3,本车超过的车辆数为2辆,则a2的值为2,a1+a2之和为-1,基于该因素,则需对车辆限速进行增大。
所述限速调整模块中,第二单位时间踩刹车的状况包括:踩刹车的次数n、踩刹车的高度h及踩刹车的时间t,所述第n次踩刹车时踩刹车的高度h与踩刹车的时间t的关系为hn=f(tn),然后将踩刹车的次数n、踩刹车的高度h及踩刹车的时间t代入计算公式进行微积求和,即第二单位时间踩刹车的状况进而求取周边车辆的密集度m0=(a1+a2)×b,即
本发明考虑到每次踩刹车的时间及踩刹车过程中不同时间段踩的程度不同,最终的刹车效果也不相同,而踩刹车的程度可由踩刹车的高度体现,因此需对第二单位时间内每次踩刹车的高度进行微积分,先计算出第二单位时间内每次踩刹车的状况,然后再对第二单位时间内每次踩刹车的状况进行累加求和,进而求得第二单位时间踩刹车的状况b,最后综合第二单位时间踩刹车的状况与车辆第一单位时间内从两边驶过车辆数量这两个因素,判断周边车辆的密集度m0,m0的绝对值越大,则对车辆限速的调控越大,若m0的值为负数,则需对车辆限速进行增大。
本实施例中若第二单位时间内踩了两次刹车,
第一次踩刹车时踩刹车的高度h与踩刹车的时间t的关系为h1=t,时间为2秒;
第2次踩刹车时踩刹车的高度h与踩刹车的时间t的关系为h1=2t,时间为1秒;
所述车内图像采集传感器采集的数据计算老弱病残孕的人数占比的方法为:
每隔3秒截取一次画面图像,根据图像计算车内的人物总数b0,进一步对图像中各人物的形象特征进行筛选,包括:通过图像中人物高度与车内空间高度的比值计算人物身高、抓取图像中人物的头发与第二对比数据库颜色色度进行比对得到人物头发颜色、通过计算人物腹部突出肩部所在垂线的距离得到人物的腹部形状、通过将人物携带物品与第二对比数据库比对判断人物是否携带医用器具,根据图像中人物身高判断人物是否为小孩,根据图像中人物头发颜色判断人物是否为老人、根据图像中人物的腹部形状判断人物是否为孕妇、根据图像中人物是否携带医用器具判断人物是否为病人或残疾人,然后统计车内的老弱病残孕的人数b1,计算车内的老弱病残孕的人数b1占车内总人数b0的比值即得到老弱病残孕的人数占比
本发明对车内图像采集传感器采集的数据还可以进一步处理,通过画面图像中的人物特征,判断出车内老弱病残孕的人数b1占车内总人数b0的比值,在对车辆限速的调整过程中,老弱病残孕的人数占比越大,为确保老弱病残孕的人身安全,则需越大程度的降低车辆的限速,避免因车速过快时及刹车导致老弱病残孕手上,甚至造成生命危险。
所述限制车速的求取需要综合考虑当前车辆的实际车速v0、周边车辆的密集度m0及车内老弱病残孕的人数占比p0,代入限制车速V的计算公式,得到:
V=v0-(m0-m1)×L0-(p0-p1)×L1,可进一步得到:
所述m1为预设的正常车辆密集度,p1为预设的正常情况下车内老弱病残孕的人数占比;
所述L0为单位车辆密集度对车辆限速的调控度,L1为每单位车内老弱病残孕的人数占比对车辆限速的调控度,
将限制车速与当前路段的限制车速进行对比,两者中较小的值为该车当前的实际限制车速v1。
本发明结合当前车辆的实际车速v0、周边车辆的密集度m0及车内老弱病残孕的人数占比p0,并根据大数据样本分析,推导出具体的限制车速公式,进而实时对车辆限速进行求取;将限制车速与当前路段的限制车速进行对比,两者中较小的值为该车当前的实际限制车速v1,是为了防止求取的车辆限速超过当前路段的限制车速,造成车辆超速的情况发生。
本实施例中,若当前车辆的实际车速为50千米/小时、周边车辆的密集度为3,及车内老弱病残孕的人数占比20%,预设的正常车辆密集度为1,预设的正常情况下车内老弱病残孕的人数占比为10%,单位车辆密集度对车辆限速的调控度为2千米/小时/每单位车辆密集度,每单位车内老弱病残孕的人数占比对车辆限速的调控度为0.5千米/小时/每单位百分比,
则代入V=v0-(m0-ml)×L0-(p0-p1)×L1,可得到:
V=50-(3-1)×2-(20-10)×0.5=41,即限制车速V为41千米/小时。
所述到站时间调整模块,车辆到站的预估时间与规定时间的差值为c,若误差|c|大于规定范围k,则需对车辆到站时间进行校准,调整后车辆的实际限制车速v2,校准公式如下:
v2=v1+c×L3,
所述L3为单位大小的误差需要调整的车速,
当车辆到站的预估时间大于规定时间时,c为正数;
当车辆到站的预估时间等于规定时间时,c为0;
当车辆到站的预估时间小于规定时间时,c为负数。
本发明将到站的预估时间与规定时间相比较,在误差较大时,通过调整车辆的实际限速实现对车速的控制,进而达到对车辆到站时间校准的目的。当车辆到站的预估时间大于规定时间时,调整后的实际限速增大;当车辆到站的预估时间等于规定时间时,调整后的实际限速不变;当车辆到站的预估时间小于规定时间时,调整后的实际限速减小。
本实施例中规定范围k为0.3小时,实际限制车速v1为50千米/小时,每单位大小的误差需要调整的车速为10千米/小时/每单位大小的误差,
若c值为-0.2小时,由于-0.2的绝对值小于0.3,则在误差范围之内,不需要对车辆到站时间进行校准;
若c值为0.4小时,由于0.4大于0.3,则超出误差范围,代入校准公式,
得:v2=50+0.4×10=54,即调整后车辆的实际限制车速v2为5450千米/小时。
所述第一单位时间与第二单位时间相同。
本发明第一单位时间与第二单位时间相同,是为了确保数据的同步性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (2)
1.一种基于物联网的智能公交监测管理***,其特征在于,包括:车门监测模块、限速调整模块、到站时间预估模块及到站时间调整模块,
所述车门监测模块,根据站台内的传感器发射信号及车内图像采集传感器采集的数据对车辆车门的开启与关闭进行限制;
所述限速调整模块,通过采集车辆第一单位时间内从两边驶过的车辆数量及本车辆第二单位时间踩刹车的状况计算出周边车辆密集度,通过车内图像采集传感器采集的数据计算老弱病残孕的人数占比,根据该车当前速度、周边车辆密集度及老弱病残孕的人数占比计算出限制车速,将限制车速与当前路段的限制车速进行对比,较小的值为该车当前的实际限制车速;
所述到站时间预估模块,用于判断在当前实际限制车速下的实际车速,用车辆到站的剩余距离除以实际车速,进而得到车辆到站的预估时间;
所述到站时间调整模块,用于对车辆到站的预估时间与规定时间进行比较,若误差超过规定范围,则需对车辆到站时间进行校准,调整车辆的实际限制车速;
所述车门监测模块对车辆车门进行限制过程中,
当车辆接收到站台内传感器发射的信号,即可控制车门的开启与关闭,
当车辆未接收到站台内传感器发射的信号,则无法控制车门的开启,
当车内的图像采集传感器采集到发生意外情况时,则可控制车门的开启与关闭;
所述判断车内图像采集传感器采集的画面中发生意外情况的方法如下:
每隔3秒截取一次画面图像,分析图像中人物的动作、状态,所述人物的动作、状态包括:争吵、打架、摔倒,进一步截取图像中人物的特殊动作、状态,对截图中人物的骨骼特征点进行标注,然后与第一对比数据库中的对比图像进行匹配,通过等比例缩放的方式调整截图大小,将截图中人物的眉心、下巴两点与对比图像的相同位置进行重合,并以眉心为原点,从眉心到下巴的方向为y轴负方向,与眉心、下巴所在直线垂直且偏向右眼的方向为x轴建立同一平面直角坐标系,计算两图像相同骨骼点之间的误差,最后将误差之和与阈值进行比较,小于阈值,则判定该截图中人物动作或状态与对比图像相符;
所述限速调整模块中,采集车辆第一单位时间内从两边驶过车辆数量的具体方法为:在当前车速下,将第一单位时间内超过本车的车辆数记为负数a1,将第一单位时间内本车超过的车辆数记为正数a2,每个第一单位时间结束后,对该第一单位时间内超过本车的车辆数与本车超过的车辆数相加,即a1+a2,
所述每个第一单位时间内超过本车与本车超过的同一车辆分别智能记录一次;
所述限速调整模块中,第二单位时间踩刹车的状况包括:踩刹车的次数n、踩刹车的高度h及踩刹车的时间t,所述第n次踩刹车时踩刹车的高度h与踩刹车的时间t的关系为hn=f(tn),然后将踩刹车的次数n、踩刹车的高度h及踩刹=n车的时间t代入计算公式进行微积求和,即第二单位时间踩刹车的状况进而求取周边车辆的密集度
所述到站时间调整模块,车辆到站的预估时间与规定时间的差值为c,若误差|c|大于规定范围k,则需对车辆到站时间进行校准,调整后车辆的实际限制车速v2,校准公式如下:v2=v1+c×L3,
所述L3为单位大小的误差需要调整的车速,
当车辆到站的预估时间大于规定时间时,c为正数;
当车辆到站的预估时间等于规定时间时,c为0;
当车辆到站的预估时间小于规定时间时,c为负数。
2.根据权利要求1所述的一种基于物联网的智能公交监测管理***,其特征在于:所述第一单位时间与第二单位时间相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210773379.4A CN115293505A (zh) | 2021-04-16 | 2021-04-16 | 一种基于物联网的智能公交监测管理*** |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210773379.4A CN115293505A (zh) | 2021-04-16 | 2021-04-16 | 一种基于物联网的智能公交监测管理*** |
CN202110412761.8A CN113298346B (zh) | 2021-04-16 | 2021-04-16 | 一种基于物联网的智能公交监测管理***及方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110412761.8A Division CN113298346B (zh) | 2021-04-16 | 2021-04-16 | 一种基于物联网的智能公交监测管理***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115293505A true CN115293505A (zh) | 2022-11-04 |
Family
ID=77318823
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210773379.4A Pending CN115293505A (zh) | 2021-04-16 | 2021-04-16 | 一种基于物联网的智能公交监测管理*** |
CN202110412761.8A Active CN113298346B (zh) | 2021-04-16 | 2021-04-16 | 一种基于物联网的智能公交监测管理***及方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110412761.8A Active CN113298346B (zh) | 2021-04-16 | 2021-04-16 | 一种基于物联网的智能公交监测管理***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN115293505A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118041745B (zh) * | 2024-04-12 | 2024-06-18 | 北京飞利信信息安全技术有限公司 | 物联网电表故障监测方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201325370Y (zh) * | 2008-12-23 | 2009-10-14 | 河源职业技术学院 | 公交车自动报站电子控制装置 |
CN103440422A (zh) * | 2013-09-02 | 2013-12-11 | 东南大学 | 一种基于带时间窗的到站时间预测的公交晚点恢复方法 |
CN107571819A (zh) * | 2016-07-05 | 2018-01-12 | 奥迪股份公司 | 驾驶辅助***、方法和车辆 |
CN108016445A (zh) * | 2016-11-04 | 2018-05-11 | 福特全球技术公司 | 用于交通流量的车辆应用的***和方法 |
CN109484394A (zh) * | 2018-11-28 | 2019-03-19 | 奇瑞汽车股份有限公司 | 获取汽车安全行驶速度的***和方法 |
DE102018215305A1 (de) * | 2018-09-10 | 2020-03-12 | Conti Temic Microelectronic Gmbh | Verfahren zum Bereitstellen einer Überholempfehlung für ein Ego-Fahrzeug auf Basis wenigstens eines zumindest begonnenen Überholmanövers eines weiteren Fahrzeugs |
CN111634362A (zh) * | 2020-06-12 | 2020-09-08 | 张世坤 | 一种助力车自主限速*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101388143B (zh) * | 2007-09-14 | 2011-04-13 | 同济大学 | 基于浮动车数据的公交到站时间预测方法 |
JP2013206448A (ja) * | 2012-03-30 | 2013-10-07 | Toyoko Inn Co Ltd | バス運行管理システム |
CN104183147B (zh) * | 2014-08-01 | 2016-04-13 | 浙江工业大学 | 改善公交准点率的公交车行驶速度控制方法 |
CN104574945B (zh) * | 2014-09-04 | 2016-08-17 | 北京易华录信息技术股份有限公司 | 快速公交车辆在停站时间变化时的指挥调度***及方法 |
CN105185112A (zh) * | 2015-08-21 | 2015-12-23 | 深圳市北斗软核信息技术有限公司 | 驾驶行为分析识别的方法及*** |
CN107719349A (zh) * | 2017-10-12 | 2018-02-23 | 深圳市招科智控科技有限公司 | 无人公交车制动控制***及控制方法 |
CN111489551B (zh) * | 2020-04-23 | 2021-01-26 | 河海大学 | 一种车联网环境下城市公交线路多站联动调度优化方法 |
-
2021
- 2021-04-16 CN CN202210773379.4A patent/CN115293505A/zh active Pending
- 2021-04-16 CN CN202110412761.8A patent/CN113298346B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201325370Y (zh) * | 2008-12-23 | 2009-10-14 | 河源职业技术学院 | 公交车自动报站电子控制装置 |
CN103440422A (zh) * | 2013-09-02 | 2013-12-11 | 东南大学 | 一种基于带时间窗的到站时间预测的公交晚点恢复方法 |
CN107571819A (zh) * | 2016-07-05 | 2018-01-12 | 奥迪股份公司 | 驾驶辅助***、方法和车辆 |
CN108016445A (zh) * | 2016-11-04 | 2018-05-11 | 福特全球技术公司 | 用于交通流量的车辆应用的***和方法 |
DE102018215305A1 (de) * | 2018-09-10 | 2020-03-12 | Conti Temic Microelectronic Gmbh | Verfahren zum Bereitstellen einer Überholempfehlung für ein Ego-Fahrzeug auf Basis wenigstens eines zumindest begonnenen Überholmanövers eines weiteren Fahrzeugs |
CN109484394A (zh) * | 2018-11-28 | 2019-03-19 | 奇瑞汽车股份有限公司 | 获取汽车安全行驶速度的***和方法 |
CN111634362A (zh) * | 2020-06-12 | 2020-09-08 | 张世坤 | 一种助力车自主限速*** |
Also Published As
Publication number | Publication date |
---|---|
CN113298346A (zh) | 2021-08-24 |
CN113298346B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rongben et al. | Monitoring mouth movement for driver fatigue or distraction with one camera | |
CN108446600A (zh) | 一种车辆驾驶员疲劳监测预警***及方法 | |
CN110119676A (zh) | 一种基于神经网络的驾驶员疲劳检测方法 | |
CN106241584A (zh) | 一种基于扶梯安全的智能视频监控***及方法 | |
CN106541968B (zh) | 基于视觉分析的地铁车厢实时提示***的识别方法 | |
CN109977930B (zh) | 疲劳驾驶检测方法及装置 | |
CN106529496A (zh) | 一种机车乘务员实时视频疲劳检测的方法 | |
CN202257856U (zh) | 驾驶员疲劳驾驶监控装置 | |
CN105868690A (zh) | 识别驾驶员打手机行为的方法和装置 | |
CN108268849A (zh) | 基于ai技术的公交车载视觉智能感知*** | |
CN113298346B (zh) | 一种基于物联网的智能公交监测管理***及方法 | |
CN104123549A (zh) | 一种用于疲劳驾驶实时监测的眼睛定位方法 | |
CN111429329B (zh) | 一种网约车行为的监控方法及装置 | |
CN106650635A (zh) | 一种驾驶员后视镜查看行为检测方法及*** | |
CN111985328A (zh) | 基于面部特征分析的不安全驾驶行为检测预警方法 | |
CN103810703A (zh) | 一种基于图像处理的隧道视频运动目标检测方法 | |
CN104103077A (zh) | 一种人头检测方法和装置 | |
Matsuo et al. | Prediction of drowsy driving by monitoring driver's behavior | |
CN114220158A (zh) | 基于深度学习的疲劳驾驶检测方法 | |
KR101714723B1 (ko) | 승객 밀집 정보를 제공하는 방법 및 서비스 서버 | |
CN117542027A (zh) | 基于非接触式传感器的机组失能状态监测方法 | |
CN110376585B (zh) | 基于3d雷达扫描的车厢拥挤度检测方法及装置、*** | |
CN114375005B (zh) | 一种基于5g天线的车路通信测试*** | |
WO2021014939A1 (ja) | 眠気推定情報補正装置、眠気推定装置、眠気推定情報補正方法、眠気推定方法および記録媒体 | |
CN113420656A (zh) | 一种疲劳驾驶检测方法、装置、电子设备及存储介质 |
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 |