CN116434525A - 一种高速公路智能管理预警*** - Google Patents
一种高速公路智能管理预警*** Download PDFInfo
- Publication number
- CN116434525A CN116434525A CN202211536098.3A CN202211536098A CN116434525A CN 116434525 A CN116434525 A CN 116434525A CN 202211536098 A CN202211536098 A CN 202211536098A CN 116434525 A CN116434525 A CN 116434525A
- Authority
- CN
- China
- Prior art keywords
- early warning
- road section
- information
- monitoring
- patrol
- 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
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000007689 inspection Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims description 121
- 238000001514 detection method Methods 0.000 claims description 37
- 230000007613 environmental effect Effects 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 3
- 230000026676 system process Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 101001072091 Homo sapiens ProSAAS Proteins 0.000 description 2
- 102100036366 ProSAAS Human genes 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/091—Traffic information broadcasting
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高速公路智能管理预警***,包括巡查数据采集***、巡查数据处理***和巡查云平台;巡查数据采集***用于巡查图像的自动化采集和定位,获取高质量、连续的路面及沿线环境和位置数据;巡查数据处理***用于对巡查数据采集***所采集的公路信息进行处理,并计算得到当前巡查路段的路径预警系数;巡查云平台基于云平台存储数据对路径预警系数范围内所有事故特征进行分析,进而实现对驶入该预警路段的车辆进行预警,本发明通过巡查云平台通过对路径预警系数范围内所有事故特征进行分析,使对即将驶入该预警路段的车辆进行预警速度提醒,从而减低预警路段的事故率,保障出行安全,有效提升高速公路运行保障能力。
Description
技术领域
本发明涉及公路管理技术领域,具体涉及一种高速公路智能管理预警***。
背景技术
高速公路的特点是行车速度快、车流量大,为了保证道路的安全畅通和良好的服务水平,高速公路管理部门在日常管理工作中,需要经常性地对道路沿线设施、路面进行检查和相关环境数据采集工作,以此为基础开展高速公路的日常保养和小修养护工作,消除安全隐患,保持道路良好的技术状况。
现阶段高速公路日常巡查及月度(季度)的病害调查及各类环境数据的采集工作主要依靠人工来进行,不仅存在效率低、采集信息不完整、标准不统一等等问题,而且存在严重的安全隐患,因此急需自动化、智能化、高效的巡查采集技术和手段,在此基础上实现高效、精准、信息共享的道路养护管理和路域资产管理。
发明内容
本发明的目的在于提供一种高速公路智能管理预警***,应用高分辨率高速图像采集技术、定位技术、无线传输技术与云平台技术、智能识别技术等现代信息技术,开发一套智能化的高速公路基础设施信息采集及处理技术和设备,并与现有日常养护管理***集成应用,能够及时发现道路的损坏状况、实时上报路网巡查信息、动态管理养护维修任务、快速制定过往车辆预警应急措施。
本发明的目的可以通过以下技术方案实现:
一种高速公路智能管理预警***,包括巡查数据采集***、巡查数据处理***和巡查云平台;
巡查数据采集***用于对巡查图像进行分析,获取路面的路况信息和沿线的环境信息;
巡查数据处理***用于对巡查数据采集***所采集的路况信息和环境信息进行处理,并计算得到当前路段的路径预警系数;
巡查云平台基于云平台存储数据对路径预警系数范围内所有事故特征进行分析:
当当前巡查路段的路径预警系数落入云平台存储数据内的路径预警系数时,对驶入该预警路段的车辆进行预警;
否则,无需对驶入该预警路段的车辆进行预警。
作为本发明进一步的方案:巡查数据采集***采用车载式便携巡查数据采集装置对所巡查公路进行数据采集。
作为本发明进一步的方案:所述巡查数据采集***包括定位模块、路况检测模块和环境监测模块;
所述定位模块为定位传感器,获取车辆的位置信息,使路面检测模块和环境监测模块对采集的路段信息的获得精准定位。
作为本发明进一步的方案:所述路况信息包括当前路段的能见度、积水状态和路面裂缝面积;
路面检测模块包括能见度检测单元、路面积水检测单元及路面裂缝检测单元;
能见度检测单元用于检测当前路段的能见度;
路面积水检测单元用于检测当前路段的积水状态;
路面裂缝检测单元用于检测当前路段的路面裂缝面积;
将能见度、积水状态及路面裂缝面积进行计算得到当前路段的路况信息。
作为本发明进一步的方案:所述环境信息包括温度监测数据、湿度监测数据、风速监测数据和雨量监测数据;
环境监测模块包括温度监测单元、湿度监测单元、风速监测单元和雨量监测单元;
温度监测单元用于对当前路段温度进行监测,得到温度监测数据;
湿度监测单元用于对当前路段湿度进行监测,得到湿度监测数据;
风速监测单元用于对当前路段横风进行监测,得到风速监测数据;
雨量监测单元用于对当前路段的雨量进行监测,得到雨量监测数据;
将温度监测数据、湿度监测数据、风速监测数据和雨量监测数据进行计算得到当前路段的环境信息。
作为本发明进一步的方案:巡查数据处理***用于接收当前路段的环境信息和路况信息,巡查数据处理***根据环境信息和路况信息对当前路段的路径预警系数进行处理,步骤如下:
步骤一:将温度监测单元监测得到的温度监测数据标记为Wt1;
将湿度监测单元监测得到的湿度监测数据标记为St1;
将风速监测单元监测得到的风速监测数据标记为Ft1;
将雨量监测单元监测得到的雨量监测数据标记为Yt1;
其中,t1为对当前路段的监测时间;
步骤三:将能见度检测单元检测得到当前路段的能见度标记为Nt1;
将路面积水检测单元检测得到当前路段的积水量标记为Jt1;
将路面裂缝检测单元检测得到当前路段路面裂缝长度标记为Ct1;
步骤六:当当前路段的路径预警系数Ft1小于等于设定阈值时,当前路段安全通行,生成无预警信息,并将无预警信息及无预警路段发送至巡查云平台;
当当前路段的路径预警系数Ft1大于设定阈值时,当前路段警示通行,生成预警信息,并将预警信息及预警路段发送至巡查云平台。
作为本发明进一步的方案:巡查云平台收到巡查数据处理***传送的预警信息及预警路段后,巡查云平台设定路径预警系数Ft1对应不同色彩的预警图标,预警图标包括红色、黄色、绿色,每种颜色的紧急图标对应一个路径预警系数,绿色对应的数据范围为[f1,f2)、黄色对应的数值范围[f2,f3)、红色对应的数值范围[f3,f4),f1<f2<f3<f4;
当Ft1∈[f1,f2)时,图标赋值为绿色;当Ft1∈[f2,f3)时,图标赋值为黄色;当Ft1∈[f3,f4)时,图标赋值为红色;
其中,绿色图标表示当前路段谨慎通行;
黄色图标表示当前路段限速通行;
红色图标表示当前路段禁止通行。
作为本发明进一步的方案:巡查云平台提取云平台内储存的与当前路段预警系数相吻合的路况信息,并对该路况信息内所有事故信息特征进行提取,标记为事故特征信息。
作为本发明进一步的方案:将进入预警路段的车辆作为监控车辆,对监控车辆的行驶信息进行提取,并对监控车辆的行驶信息与当前路段内所有事故的事故特征信息进行对比:
当监控车辆在同一路径预警系数内符合对应的事故特征信息时,向监控车辆发送预警信息和对应的紧急图标;
当监控车辆在同一路径预警系数内不符合对应的事故特征信息时,则无需向监控车辆发送预警信息和紧急图标。
作为本发明进一步的方案:巡查云平台架构拟采用多租户SAAS***,并当前时间巡航路段的路况信息和环境信息发送至各路段养护中心,各路段养护中心的基层养护管理人员利用手机APP进行高速公路日常养护的任务派发-养护维修任务实施管理-养护任务复核工作流程的闭环管理。
本发明的有益效果:本发明通过巡查数据采集***采集当前时间巡航路段的路况信息和环境信息,并对当前路段的路况信息和环境信息经过处理得到该路段的预警信息,并将相应的预警信息发送至车辆终端,对车辆在该预警路段的行驶进行智能化提醒,同时将当前时间巡航路段的路况信息和环境信息发送至各路段养护中心,基层养护管理人员利用手机APP进行高速公路日常养护的任务派发-养护维修任务实施管理-养护任务复核等工作流程的闭环管理;
本发明通过巡查云平台通过对路径预警系数范围内所有事故特征进行分析,使对即将驶入该预警路段的车辆进行预警速度提醒,从而减低预警路段的事故率,保障出行安全,有效提升高速公路运行保障能力。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明流程图的结构示意图。
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作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。
请参阅图1所示,本发明为一种高速公路智能管理预警***,包括:
巡查数据采集***,巡查数据采集***用于解决巡查图像的自动化采集和定位的问题,以获取高质量、连续的路面及沿线环境和位置数据;
巡查数据处理***,巡查数据处理***用于对巡查数据采集***所采集的公路信息进行处理;
巡查云平台,构建一套集成巡查数据的处理、展示和应用的软件***,实现高速公路网日常养护管理的自动化、流程化和精细化,达到对预警路段车辆智能预警的目的。
巡查数据采集***采集的数据通过无线网络或有线网络上传到巡查云平台进行图像的智能化识别,获得路面或沿线环境信息及精确的位置信息,无线传输到智能手机终端,基层养护管理人员利用手机APP进行高速公路日常养护的任务派发-养护维修任务实施管理-养护任务复核等工作流程的闭环管理;
同时上级管理部门可以在巡查云平台查询巡查历史数据,展示实施路况信息,统计病害和修复工程量等数据;实现高速公路不同管理层级的信息化管理需求。
巡查数据采集***包括车载式便携巡查数据采集装置,实现路面的高清图像(视频)信息的连续快速采集及定位,以及道路病害图像的实时传输,为日常巡查及管理提供基础数据及位置信息,并实现不停车巡查,提高日常巡查的效率和安全性;
具体的:巡查数据采集***包括定位模块、路况检测模块和环境监测模块;
定位模块为定位传感器,采用微型惯导和GPS组合导航芯片,能够提供车辆的位置信息,还能够提供车辆的姿态信息和车速信息,通过定位模块实现路面检测模块和环境监测模块对当前路段信息的采集;
路面检测模块包括能见度检测单元、路面积水检测单元及路面裂缝检测单元;能见度检测单元用于检测当前路段的能见度,并将能见度分为n1个等级;路面积水检测单元用于检测路段的积水状态,并将积水状态按积水深度分为n2个等级,路面裂缝检测单元用于检测路面裂缝状态,并按照单位面积的道路缝隙将裂缝长度分为n3个等级;将能见度、积水状态及缝隙面积进行整合得到当前路段的路况信息;
环境监测模块包括温度监测单元、湿度监测单元、风速监测单元和雨量监测单元,温度监测单元用于对当前路段温度进行监测,得到温度监测数据;湿度监测单元用于对当前路段湿度进行监测,得到湿度监测数据;风速监测单元用于对当前路段横风进行监测,得到风速监测数据;雨量监测单元用于对当前路段的雨量进行监测,得到雨量监测数据;将温度监测数据、湿度监测数据、风速监测数据和雨量监测数据进行整合得到当前路段的环境信息;
巡查数据采集***将当前路段的路况信息和当前路段的环境信息发送至巡查数据处理***。
巡查数据处理***接收到当前路段的路况信息和当前路段的环境信息后;
对环境信息的处理包括如下步骤:
S1:将温度监测单元监测得到的温度监测数据标记为Wt1;
将湿度监测单元监测得到的湿度监测数据标记为St1;
将风速监测单元监测得到的风速监测数据标记为Ft1;
将雨量监测单元监测得到的雨量监测数据标记为Yt1;
其中,t1为对当前路段的监测时间;
对路况信息的处理包括如下步骤:
W1:将能见度检测单元检测得到当前路段的能见度标记为Nt1;
将路面积水检测单元检测得到当前路段的积水量标记为Jt1;
将路面裂缝检测单元检测得到当前路段路面裂缝长度标记为Ct1;
当当前路段的路径预警系数Ft1小于等于设定阈值时,当前路段安全通行,生成无预警信息,并将无预警信息及无预警路段发送至巡查云平台;
当当前路段的路径预警系数Ft1大于设定阈值时,当前路段警示通行,生成预警信息,并将预警信息及预警路段发送至巡查云平台。
巡查云平台收到巡查数据处理***传送的预警信息及预警路段后,巡查云平台设定路径预警系数Ft1对应不同色彩的预警图标,预警图标包括红色、黄色、绿色,每种颜色的紧急图标对应一个路径预警系数,绿色对应的数据范围为[f1,f2)、黄色对应的数值范围[f2,f3)、红色对应的数值范围[f3,f4),f1<f2<f3<f4;
当Ft1∈[f1,f2)时,生成绿色图标;当Ft1∈[f2,f3)时,生成黄色图标;当Ft1∈[f3,f4)时,生成红色图标;
其中,绿色图标表示当前路段谨慎通行;
黄色图标表示当前路段限速通行;
红色图标表示当前路段禁止通行。
巡查云平台提取云平台内储存的与当前路段预警系数相适配的以往路况信息,并对该路况信息内所有事故信息特征进行提取,标记为事故特征信息;
将即将进入预警路段的车辆作为监控车辆,对监控车辆的行驶信息进行提取;
再将监控车辆的行驶信息与当前路段内所有事故的事故特征信息进行对比,当监控车辆在同一路径预警系数内符合对应的事故特征时,向监控车辆发送预警报告和对应的紧急图标;
巡查云平台对事故特征信息的处理包括如下步骤:
步骤一:获取巡查云平台数据库内基于路径预警系数范围内对应的事故样本值域,获取事故样本值域内各个元素的事故路况信息和行驶信息;
步骤二:通过数据处理生成所有路况信息的种类,标记为T1、T2、T3、T4、…,并按区间范围从小到大划分为多个速度区间,标记为D1、D2、D3、D4、…,建立事故路况信息-速度的区间对照表,并根据事故样本值域统计事故路况信息-速度的区间对照表内各项事故的数量;
步骤三:提取表中任意一列中的各项数据构成一组数组,并计算该数组的速度标准差,即为该类路况信息的事故特征标准差,以此类推,得到所有路况信息的事故特征标准差,构成速度标准差数组,计算速度标准差数组的平均值,标记为
巡查云平台对监控车辆的车速预警信息处理步骤如下:
U1:根据授权专利CN106952474车流量统计方法获取进入当前路段单位时间内的车流量数据,以每小时为单位,将车流量值标记为Li;
巡查云平台将对监控车辆的预警速度v及预警图标发送至监控车辆用户的手机终端或车载联网终端。
在一个具体的实施方式中,基于目标识别深度学习模型框架、Faster R-CNN、YOLO和SSD,利用提取特征的卷积神经网络对各部分特征有效利用的深层监督网络,结合图像的全局特征和局部特征来识别裂缝长度;
其中,裂缝是连续的,通过很好提取连续特征的网络预测裂缝的连续序列特征,用于裂缝图像块的分类,提升裂缝检测的性能;
进一步的,对于物理尺寸较小的路面裂缝,可尝试综合应用传统的图像处理方法、生成对抗学习和迁移学习方法,利用不同方法的各自优势,提高在无主动光源环境下,图像存在道路绿化、安全设施、标志标线等复杂背景情况下,路面裂缝病害的处理效率和识别精度。
在一个具体的实施方式中,巡查云平台架构拟采用多租户SAAS***,目标用户是车主、各路段养护中心及道路主管机构;
车载式便携巡查数据采集装置采集原始图像和定位数据,进入数据后台,进行图像识别和判断,形成结构化的巡查结果数据,然后再传至业务后台,进行数据的应用,并将相应的数据传送至目标用户。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (9)
1.一种高速公路智能管理预警***,其特征在于,包括巡查数据采集***、巡查数据处理***和巡查云平台;
巡查数据采集***用于对巡查图像进行分析,获取路面的路况信息和沿线的环境信息;
巡查数据处理***用于对巡查数据采集***所采集的路况信息和环境信息进行处理,并计算得到当前路段的路径预警系数;
巡查云平台基于云平台存储数据对路径预警系数范围内所有事故特征进行分析:
当当前巡查路段的路径预警系数落入云平台存储数据内的路径预警系数时,对驶入该预警路段的车辆进行预警;
否则,无需对驶入该预警路段的车辆进行预警。
2.根据权利要求1所述的一种高速公路智能管理预警***,其特征在于,巡查数据采集***采用车载式便携巡查数据采集装置对所巡查公路进行数据采集。
3.根据权利要求1所述的一种高速公路智能管理预警***,其特征在于,所述巡查数据采集***包括定位模块、路况检测模块和环境监测模块;
所述定位模块为定位传感器,获取车辆的位置信息,使路面检测模块和环境监测模块对采集的路段信息的获得精准定位。
4.根据权利要求1所述的一种高速公路智能管理预警***,其特征在于,所述路况信息包括当前路段的能见度、积水状态和路面裂缝面积;
路面检测模块包括能见度检测单元、路面积水检测单元及路面裂缝检测单元;
能见度检测单元用于检测当前路段的能见度;
路面积水检测单元用于检测当前路段的积水状态;
路面裂缝检测单元用于检测当前路段的路面裂缝面积;
将能见度、积水状态及路面裂缝面积进行计算得到当前路段的路况信息。
5.根据权利要求1所述的一种高速公路智能管理预警***,其特征在于,所述环境信息包括温度监测数据、湿度监测数据、风速监测数据和雨量监测数据;
环境监测模块包括温度监测单元、湿度监测单元、风速监测单元和雨量监测单元;
温度监测单元用于对当前路段温度进行监测,得到温度监测数据;
湿度监测单元用于对当前路段湿度进行监测,得到湿度监测数据;
风速监测单元用于对当前路段横风进行监测,得到风速监测数据;
雨量监测单元用于对当前路段的雨量进行监测,得到雨量监测数据;
将温度监测数据、湿度监测数据、风速监测数据和雨量监测数据进行计算得到当前路段的环境信息。
6.根据权利要求1所述的一种高速公路智能管理预警***,其特征在于,巡查数据处理***用于接收当前路段的环境信息和路况信息,巡查数据处理***根据环境信息和路况信息对当前路段的路径预警系数进行处理,步骤如下:
步骤一:将温度监测单元监测得到的温度监测数据标记为Wt1;
将湿度监测单元监测得到的湿度监测数据标记为St1;
将风速监测单元监测得到的风速监测数据标记为Ft1;
将雨量监测单元监测得到的雨量监测数据标记为Yt1;
其中,t1为对当前路段的监测时间;
步骤三:将能见度检测单元检测得到当前路段的能见度标记为Ny1;
将路面积水检测单元检测得到当前路段的积水量标记为Jt1;
将路面裂缝检测单元检测得到当前路段路面裂缝长度标记为Ct1;
步骤六:当当前路段的路径预警系数Ft1小于等于设定阈值时,当前路段安全通行,生成无预警信息,并将无预警信息及无预警路段发送至巡查云平台;
当当前路段的路径预警系数Ft1大于设定阈值时,当前路段1警示通行,生成预警信息,并将预警信息及预警路段发送至巡查云平台。
7.根据权利要求6所述的一种高速公路智能管理预警***,其特征在于,巡查云平台收到巡查数据处理***传送的预警信息及预警路段后,巡查云平台设定路径预警系数Ft1对应不同色彩的预警图标,预警图标包括红色、黄色、绿色,每种颜色的紧急图标对应一个路径预警系数,绿色对应的数据范围为[f1,f2)、黄色对应的数值范围[f2,f3)、红色对应的数值范围[f3,f4),f1<f2<f3<f4;
当Ft1∈[f1,f2)时,图标赋值为绿色;当Ft1∈[f2,f3)时,图标赋值为黄色;当Ft1∈[f3,f4)时,图标赋值为红色;
其中,绿色图标表示当前路段谨慎通行;
黄色图标表示当前路段限速通行;
红色图标表示当前路段禁止通行。
8.根据权利要求7所述的一种高速公路智能管理预警***,其特征在于,巡查云平台提取云平台内储存的与当前路段预警系数相吻合的路况信息,并对该路况信息内所有事故信息特征进行提取,标记为事故特征信息。
9.根据权利要求8所述的一种高速公路智能管理预警***,其特征在于,将进入预警路段的车辆作为监控车辆,对监控车辆的行驶信息进行提取,并对监控车辆的行驶信息与当前路段内所有事故的事故特征信息进行对比:
当监控车辆在同一路径预警系数内符合对应的事故特征信息时,向监控车辆发送预警信息和对应的紧急图标;
当监控车辆在同一路径预警系数内不符合对应的事故特征信息时,则无需向监控车辆发送预警信息和紧急图标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211536098.3A CN116434525A (zh) | 2022-12-01 | 2022-12-01 | 一种高速公路智能管理预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211536098.3A CN116434525A (zh) | 2022-12-01 | 2022-12-01 | 一种高速公路智能管理预警*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116434525A true CN116434525A (zh) | 2023-07-14 |
Family
ID=87084267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211536098.3A Pending CN116434525A (zh) | 2022-12-01 | 2022-12-01 | 一种高速公路智能管理预警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116434525A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117765721A (zh) * | 2023-11-14 | 2024-03-26 | 安徽交控信息产业有限公司 | 基于云平台的公路交易特情处理方法及*** |
CN118152900A (zh) * | 2024-05-13 | 2024-06-07 | 潍坊潍达信息科技有限公司 | 一种高速公路养护数据管理*** |
-
2022
- 2022-12-01 CN CN202211536098.3A patent/CN116434525A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117765721A (zh) * | 2023-11-14 | 2024-03-26 | 安徽交控信息产业有限公司 | 基于云平台的公路交易特情处理方法及*** |
CN118152900A (zh) * | 2024-05-13 | 2024-06-07 | 潍坊潍达信息科技有限公司 | 一种高速公路养护数据管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765404B (zh) | 一种基于深度学习图像分类的道路破损检测方法及装置 | |
CN111833598B (zh) | 一种高速公路无人机交通事件自动监测方法及*** | |
CN107103775B (zh) | 一种基于群智计算的道路质量检测方法 | |
CN109782364B (zh) | 基于机器视觉的交通标志牌缺失检测方法 | |
CN109815912B (zh) | 一种基于人工智能的高速公路安全巡查*** | |
CN109615862A (zh) | 道路车辆交通运动状态参数动态获取方法及装置 | |
CN112633722B (zh) | 车载道路安全风险评估***及方法 | |
CN116168356B (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
CN113807588A (zh) | 基于交通事故的行车路径规划方法及装置 | |
CN103528531A (zh) | 小型车车辆参数的物联网图像智能检测*** | |
CN113903008A (zh) | 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法 | |
CN114783188A (zh) | 巡检方法和装置 | |
CN116434525A (zh) | 一种高速公路智能管理预警*** | |
US11328586B2 (en) | V2X message processing for machine learning applications | |
Kim et al. | Framework for machine learning-based pavement marking inspection and Geohash-based monitoring | |
CN114971166A (zh) | 一种轻量化道路路面服务质量巡检*** | |
CN113033443B (zh) | 一种基于无人机的行人过街设施全路网自动化排查方法 | |
CN116153082B (zh) | 一种基于机器视觉的高速公路路况采集分析处理*** | |
CN113706875A (zh) | 一种道路功能研判方法 | |
KR20220138894A (ko) | 노면표시 정보의 예측 및 인식방법 및 도로 유지관리 방법 | |
Widyantoro et al. | Fuzzy traffic congestion model based on speed and density of vehicle | |
Kandoi et al. | Pothole detection using accelerometer and computer vision with automated complaint redressal | |
Mehajabin et al. | Real-time deep learning based road deterioration detection for smart cities | |
CN116229396A (zh) | 高速路面病害识别及告警方法 | |
CN115641501A (zh) | 道路巡检***以及道路巡检设备 |
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 |