CN116798233B - 一种救护车快速通行引导*** - Google Patents
一种救护车快速通行引导*** Download PDFInfo
- Publication number
- CN116798233B CN116798233B CN202311075860.7A CN202311075860A CN116798233B CN 116798233 B CN116798233 B CN 116798233B CN 202311075860 A CN202311075860 A CN 202311075860A CN 116798233 B CN116798233 B CN 116798233B
- Authority
- CN
- China
- Prior art keywords
- traffic
- module
- ambulance
- path
- real
- 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
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 41
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000007726 management method Methods 0.000 claims abstract description 16
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 19
- 238000007477 logistic regression Methods 0.000 claims description 18
- 238000012417 linear regression Methods 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 9
- 230000006855 networking Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 6
- 238000009434 installation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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
- 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
- G08G1/01—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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/087—Override of traffic control, e.g. by signal transmitted by an emergency vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种救护车快速通行引导***,包括紧急呼叫与调度模块、路径规划与导航模块、交通信号优化模块、实时交通监测与信息反馈模块、救护车优先权管理模块;本发明采用了先进的数据采集和处理技术,实时获取和更新交通状况信息;本发明的路径规划模块结合了机器学习和预测模型,能够预测未来的交通状况,并根据预测结果优化路径规划;本发明的交通信号优化模块与交通信号控制***实时互动,能够为救护车提供优先通行权;本发明的各个模块相互协同工作,进行了数据共享和信息交流;本发明注重用户体验和安全性,通过智能导航指引、可视化信息展示方式,为救护车驾驶员提供清晰、准确的导航信息,帮助他们做出正确的驾驶决策。
Description
技术领域
本发明涉及交通控制***技术领域,具体涉及一种救护车快速通行***。
背景技术
救护车快速通行引导***是基于现代通信与信息技术的创新应用,旨在提高救护车在紧急情况下的通行效率。这种***的发展背景追溯到过去几十年的交通管理和应急救援技术的进步。
随着城市化进程的加速和交通拥堵的普遍存在,救护车在城市道路上通行面临诸多挑战。传统的交通信号和道路规划无法有效保障救护车的优先通行,导致救援延误和患者生命垂危。为了应对这一问题,研究人员开始探索利用先进的通信、导航和数据处理技术,开发出救护车快速通行引导***。
这种***利用实时交通监测、智能路径规划和交通信号优化关键技术,使得救护车能够快速、安全地穿越交通拥堵区域。通过与交通信号控制***的连接,救护车获得优先通行权,以最短的时间抵达目的地。同时,***还向其他车辆发送信号,提醒它们让行给救护车,从而使得通行畅顺。
现有技术中公开了针对救护车优先通行的通行引导***及方法:
公告号为CN113808422B的中国专利公开了一种救护车快速通行方法;具体公开了:交通端服务器根据救护车行车数据以及道路环境信息***和路况监控***的数据为救护车选择最优路径行驶,并将最优路径数据发送至救护车,车载MCU控制车载显示屏生成最优路径地图导航,并由交通端服务器将救护车行车信息发送至救护车行车路径上预设距离以内的车辆,由车载MCU控制车载显示屏上生成GPS地图,显示与救护车的实时距离,使与救护车同车道车辆为救护车让道。本发明的有益效果在于:有效降低救护车在执行任务中的时间延误,使救护车快速通行。
公开号为CN113781821A的中国专利公开了一种医疗急救交通调度***及调度方法;具体公开了:包括车辆终端、中央处理数据器、医院应急调度处理中心、求救电话接收端和医院病例数据库,所述车辆终端包括交通路线优化单元、生命体征采集单元、急救车辆定位模块、远程视频模块和无线传输模块,所述交通路线优化单元包括导航模块、自识别模块、路线优化模块和语音提示模块,所述生命体征采集单元包括呼吸监测模块、埋没监测模块、体温监测模块和血压监测模块,所述医院应急调度处理中心包括视频交互模块、视频显示模块、紧急生命通道处理模块和在线查询模块。
公告号为CN111583680B的中国专利公开了一种应急交通辅助疏导方法及***;具体公开了:包括远程调度控制中心、审批中心、路侧基础设施及应急用途车辆。应急用途车辆发送应急需求的请求信息,审批中心对请求进行审批,远程调度控制中心计算出道路预警区间并产生控制信息,道路预警区间内的路侧基础设施根据控制信息进行警示。本发明能够在紧急情况下实时迅速地缓解道路拥堵情况,为应急车辆构建绿色通道,能够大大减少应急部门的响应时间。
传统的救护车快速通行引导***存在一些不足之处。首先,传统***通常基于静态的路况信息和事先设定的路径规划,无法及时适应实时的交通情况变化。这导致救护车可能受到拥堵、道路封闭问题的影响,延误了紧急救援时间。
其次,传统***在交通信号优化方面有限。它们往往无法与交通信号控制***进行实时交互,无法主动获取优先通行权。救护车依靠驾驶员手动操作信号灯和借助其他车辆的合作,这增加了通行的不确定性和延迟。
此外,传统***对于其他车辆的响应能力有限。它们无法直接与周围车辆进行有效的通信和警示,无法使得其他车辆及时让行给救护车,从而造成通行困难。
此外,传统的救护车优先智慧***仅针对静态路径进行规划,无法预测经过交通管制后的最优路径。
发明内容
本发明的目的在于提供一种救护车快速通行引导***,包括紧急呼叫与调度模块、路径规划与导航模块、交通信号优化模块、实时交通监测与信息反馈模块、救护车优先权管理模块;
所述紧急呼叫与调度模块接收来自紧急呼叫的信息,并将信息传递给其他模块;
所述路径规划与导航模块根据呼叫的紧急程度和目标位置,规划最佳的路径来指导救护车的行驶,通过与交通信号优化模块的通信,获得交通信号的状态和优先通行权,并利用所述实时交通监测与信息反馈模块提供的交通状况数据,以动态调整路径规划;
所述动态调整路径规划具体包括以下步骤:
S1:地图拓扑化;所述路径规划与导航模块调取本区域内的救护站集合和急救医院集合/>,标记在本区域的交通地图上,得到交通拓扑地图;其中,/>表示第/>个救护站的地理坐标为/>,/>表示第/>个急救医院的地理坐标为/>;
S2:确定患者位置;将120急救调度中心反馈的患者位置信息标注至所述交通拓扑地图上,得到初始路径集合/>,满足:/> ;
;
;
其中,表示从第/>个救护站到患者所在处的所有拓扑路径的集合,/>至/>表示第/>个救护站到患者所在处的任一拓扑路径上的所有路径节点;/>表示从患者到达第个急救医院的所有拓扑路径的集合,/>至/>表示从患者到达第/>个急救医院的任一拓扑路径上的所有路径节点;
S3:确定初始最优路径;选取自救护站经患者位置至急救医院时间最少的路径作为初始最优路径,满足:
;
;
;
其中,、/>、/>、/>、/>、/>、/>、、/>、/>、/>、/>分别表示任一段拓扑路径的通行时间、路径长度和平均车速;/>表示初始最优路径;/>表示初始最优路径的通行时间;
S4:确定最终最优路径;确定初始最优路径的交通拥堵情况;满足判定条件:
Q1:若初始最优路径上的交通拥堵路段比例低于预设的比例阈值,则将该初始最优路径确定为最终最优路径;
Q2:若初始最优路径上的交通拥堵路段比例不低于预设的比例阈值;则进行交通调度假设,确定调度最优路径作为最终最优路径;具体包括:
S41:假定针对初始路径集合进行交通调度,确定任一拓扑路径经过交通调度后减少的车辆数量以及调度后的平均车速/>;
S42:基于调度后的平均车速计算调度最优路径,满足:
;
;
;
S43:将调度最优路径作为最终最优路径;
所述实时交通监测与信息反馈模块提供实时的道路拥堵、事故信息,帮助所述路径规划与导航模块选择最佳的路线,并进行实时导航指引;
所述实时交通监测与信息反馈模块提供的交通状况数据用于所述救护车优先权管理模块,基于交通状况,向周围车辆发送信号和警示,使得其他车辆意识到救护车的紧急状态并让行。
优选的,紧急呼叫与调度模块负责接收紧急呼叫,并将呼叫信息传输给调度中心;
所述调度中心根据呼叫的紧急程度和救护车的可用性,确定最佳的救护车分派方案。
优选的,所述路径规划与导航模块根据救护车的当前位置、目标位置以及路况信息,进行路径规划,考虑交通拥堵、道路封闭因素,选择最短且最快速的路线,并提供导航指引给救护车驾驶员;
所述路径规划与导航模块还分为实时交通数据集成模块、机器学习与预测模型模块、智能导航指引模块、与交通信号控制***的实时互动模块。
优选的,所述实时交通数据集成模块将实时交通数据集成到所述路径规划与导航模块中,获取准确的交通状况信息;
利用车载传感器、交通摄像头、移动应用程序多种数据源来实时监测道路情况,包括交通流量、拥堵程度、事故和施工;
路径规划算法基于实时数据进行动态调整,选择最佳路径避开拥堵;
所述机器学习与预测模型模块应用机器学习和预测模型来预测未来交通状况,规划救护车的路径;
所述机器学习算法包括线性回归算法和逻辑回归算法。
通过分析历史交通数据和其他相关因素包括天气、事件,建立模型来预测特定时段和路段的交通状况,提前规划最佳路径,避开即将发生的拥堵区域;
所述智能导航指引模块引入智能导航指引功能;除了基本的转向指示,还包括特殊车道的提醒、交通信号灯状态的显示、周围道路的实时摄像头画面,了解当前道路情况,并做出最佳的驾驶决策;
所述与交通信号控制***的实时互动模块增强与交通信号控制***的实时互动能力,使所述路径规划与导航模块能够主动与所述交通信号模块进行通信;
通过与信号灯控制器的连接,发送请求并获取优先通行权。
优选的,所述线性回归和逻辑回归计算公式如下:
所述线性回归计算公式如下:
假设函数:;
成本函数:;
参数更新规则:;
y:表示因变量和目标变量,即要预测的输出;
x:表示自变量和特征变量,即用于预测的输入;
β0:表示模型的截距项;
β1、β2、...:表示模型的系数,用于衡量自变量对因变量的影响;
使用线性回归算法预测交通流量、拥堵程度的指标,通过收集历史交通数据和其他相关因素包括时间、天气,构建线性回归模型预测未来特定时段和路段的交通状况;
根据预测的交通情况进行路径规划和导航,选择最佳路线,避开拥堵;
所述逻辑回归计算公式如下:
假设函数:;
成本函数(对数似然):;
参数更新规则:;
y:表示因变量或目标变量,通常是一个二元变量,表示分类的结果;
x:表示自变量或特征变量,即用于分类的输入;
β0:表示模型的截距项;
β1、β2、...:表示模型的系数,用于衡量自变量对分类结果的影响;
σ(z):表示逻辑回归中的sigmoid函数,用于将线性模型的输出转换为概率值;
在所述实时交通数据集成模块中,使用逻辑回归算法预测其他车辆对救护车让行的可能性;
通过收集与交通法规、交通信号、车辆类型的相关的数据,构建逻辑回归模型,判断在不同情况下其他车辆是否会让行;
根据预测结果,向其他车辆发送相应的信号或警示,提醒它们让行。
优选的,所述交通信号优化模块与交通信号控制***进行通信,使得救护车在关键路口和交叉口快速通过,发送请求给信号灯控制器,使其优先为所述救护车开启绿灯,并使得其他车辆遵守交通规则,为所述救护车腾出通行空间。
优选的,所述实时交通监测与信息反馈模块使用包括摄像头、传感器的交通监测设备实时监测道路的交通情况;
收集交通流量、拥堵情况数据,并将所述交通流量、拥堵情况数据信息反馈给调度中心和救护车驾驶员,调整路径规划和做出即时决策;
所述实时交通监测与信息反馈模块还包括车联网和无人机技术结合模块、多源数据融合模块、人工智能和大数据分析模块、可视化信息展示模块、基于用户反馈的改进模块。
优选的,所述车联网和无人机技术结合模块结合车联网和无人机技术,进行交通监测;
车载传感器收集车辆周围的交通信息,所述无人机在空中进行交通监测,获取视野和数据;
通过所述车联网和所述无人机的协同工作,进行交通监测和信息反馈;
所述多源数据融合模块整合多种数据源,包括交通摄像头、传感器、社交媒体,进行数据融合分析;
所述人工智能和大数据分析模块应用人工智能和大数据分析技术,对大量的交通数据进行实时处理和分析;通过建立预测模型、交通流量优化算法,预测拥堵区域、识别交通事件,及时向救护车驾驶员提供相应的信息和建议。
所述可视化信息展示模块采用创新的可视化技术,将实时交通信息以直观、易懂的方式展示给救护车驾驶员和调度中心;
所述基于用户反馈的改进模块收集救护车驾驶员和其他交通参与者的反馈意见,改进实时交通监测与信息反馈模块;
通过用户反馈,了解实际使用中的问题和需求。
优选的,所述救护车优先权管理模块负责管理救护车的优先权,使得其他车辆意识到救护车的紧急状态,并给予优先让行;
通过无线通信和车载设备向周围车辆发送信号和警示,提醒所述周围车辆注意并让行。
相比于现有技术,本发明的优点在于:
(1)本发明采用了先进的数据采集和处理技术,实时获取和更新交通状况信息;通过实时监测和分析,能够提供准确的交通流量、拥堵、事故信息,使得救护车的导航和通行路线始终基于最新的数据,提高救援效率。
(2)本发明的路径规划模块结合了机器学习和预测模型,能够预测未来的交通状况,并根据预测结果优化路径规划;通过智能化的路径规划,救护车避开即将发生的拥堵区域,选择最佳的行驶路线,缩短救援时间,提高患者的生命安全。
(3)本发明的交通信号优化模块与交通信号控制***实时互动,能够为救护车提供优先通行权;通过与信号灯控制器的连接,***发送请求,并使得在关键路口和交叉口救护车能够优先开启绿灯,最大程度减少通行延误。
(4)本发明的各个模块相互协同工作,进行了数据共享和信息交流;路径规划与导航模块利用实时交通监测与信息反馈模块提供的数据,实时调整路径规划和导航指引;同时,救护车优先权管理模块也借助实时交通监测模块提供的信息,进行更精确的优先权管理。
(5)本发明注重用户体验和安全性,通过智能导航指引、可视化信息展示方式,为救护车驾驶员提供清晰、准确的导航信息,帮助他们做出正确的驾驶决策;同时,通过实时交通监测和救护车优先权管理,能够最大程度减少通行延误,提高患者的生命安全。
(6)本发明的方法是首先基于静态路径进行路径规划,寻找当前耗时最短的路径,并判定是否还有优化空间,若当前初始最优路径并不存在交通拥堵情况,则可以直接确定为最终最优路径,但如果初始最优路径已经存在拥堵,则需要进行交通导调,经过导调,有可能寻找到更优路径,便可选择其他路径作为最终最优路径,本发明通过两次规划,避免了直接进行交通导调对交通的干扰,提高了路径规划的效率,降低了路径规划的负面影响。
附图说明
图1为本发明的整体***示意图。
具体实施方式
实施例:请参阅图1,一种救护车快速通行引导***,包括紧急呼叫与调度模块、路径规划与导航模块、交通信号优化模块、实时交通监测与信息反馈模块、救护车优先权管理模块;
所述紧急呼叫与调度模块接收来自紧急呼叫的信息,并将信息传递给其他模块;
所述路径规划与导航模块根据呼叫的紧急程度和目标位置,规划最佳的路径来指导救护车的行驶,通过与交通信号优化模块的通信,获得交通信号的状态和优先通行权,并利用所述实时交通监测与信息反馈模块提供的交通状况数据,以动态调整路径规划;
所述动态调整路径规划具体包括以下步骤:
S1:地图拓扑化;所述路径规划与导航模块调取本区域内的救护站集合和急救医院集合/>,标记在本区域的交通地图上,得到交通拓扑地图;其中,/>表示第/>个救护站的地理坐标为/>,/>表示第/>个急救医院的地理坐标为/>;
S2:确定患者位置;将120急救调度中心反馈的患者位置信息标注至所述交通拓扑地图上,得到初始路径集合/>,满足:
;
;
;
其中,表示从第/>个救护站到患者所在处的所有拓扑路径的集合,/>至/>表示第/>个救护站到患者所在处的任一拓扑路径上的所有路径节点;/>表示从患者到达第个急救医院的所有拓扑路径的集合,/>至/>表示从患者到达第/>个急救医院的任一拓扑路径上的所有路径节点;
S3:确定初始最优路径;选取自救护站经患者位置至急救医院时间最少的路径作为初始最优路径,满足:
;
;
;
其中,、/>和/>分别表示任一段拓扑路径的通行时间、路径长度和平均车速;/>表示初始最优路径;/>表示初始最优路径的通行时间;
S4:确定最终最优路径;确定初始最优路径的交通拥堵情况;满足判定条件:
Q1:若初始最优路径上的交通拥堵路段比例低于预设的比例阈值,则将该初始最优路径确定为最终最优路径;
Q2:若初始最优路径上的交通拥堵路段比例不低于预设的比例阈值;则进行交通调度假设,确定调度最优路径作为最终最优路径;具体包括:
S41:假定针对初始路径集合进行交通调度,确定任一拓扑路径经过交通调度后减少的车辆数量以及调度后的平均车速/>;
S42:基于调度后的平均车速计算调度最优路径,满足:
;
;
;
S43:将调度最优路径作为最终最优路径;
所述实时交通监测与信息反馈模块提供实时的道路拥堵、事故信息,帮助所述路径规划与导航模块选择最佳的路线,并进行实时导航指引;
所述实时交通监测与信息反馈模块提供的交通状况数据用于所述救护车优先权管理模块,基于交通状况,向周围车辆发送信号和警示,使得其他车辆意识到救护车的紧急状态并让行;
实时交通监测与信息反馈模块提供的交通状况数据用于救护车优先权管理模块,基于交通状况,向周围车辆发送信号和警示,使得其他车辆意识到救护车的紧急状态并让行;
紧急呼叫与调度模块负责接收紧急呼叫,并将呼叫信息传输给调度中心;
调度中心根据呼叫的紧急程度和救护车的可用性,确定最佳的救护车分派方案。
路径规划与导航模块根据救护车的当前位置、目标位置以及路况信息,进行路径规划,考虑交通拥堵、道路封闭因素,选择最短且最快速的路线,并提供导航指引给救护车驾驶员;
路径规划与导航模块还分为实时交通数据集成模块、机器学习与预测模型模块、智能导航指引模块、与交通信号控制***的实时互动模块。
实时交通数据集成模块将实时交通数据集成到路径规划与导航模块中,获取准确的交通状况信息;
利用车载传感器、交通摄像头、移动应用程序多种数据源来实时监测道路情况,包括交通流量、拥堵程度、事故和施工;
路径规划算法基于实时数据进行动态调整,选择最佳路径避开拥堵;
机器学习与预测模型模块应用机器学习和预测模型来预测未来交通状况,规划救护车的路径;
所述机器学习包括线性回归算法和逻辑回归算法;
通过分析历史交通数据和其他相关因素包括天气、事件,建立模型来预测特定时段和路段的交通状况,提前规划最佳路径,避开即将发生的拥堵区域;
智能导航指引模块引入智能导航指引功能;除了基本的转向指示,包括特殊车道的提醒、交通信号灯状态的显示、周围道路的实时摄像头画面,了解当前道路情况,并做出最佳的驾驶决策;
与交通信号控制***的实时互动模块增强与交通信号控制***的实时互动能力,使路径规划与导航模块能够主动与交通信号模块进行通信;
通过与信号灯控制器的连接,发送请求并获取优先通行权。
具体的,安装和使用车载传感器通常包括以下步骤:
根据需要选择适合的车载传感器类型,包括摄像头、雷达、激光雷达;不同类型的传感器提供不同的功能和信息;
根据传感器的功能和安装需求,在车辆上选择合适的位置安装传感器;考虑传感器的视野范围、覆盖区域和安装角度,以获得最佳的感知性能;
根据传感器的安装方式,安装相应的固定支架和支架座,以确保传感器稳固且正确定位;
将传感器与车辆的电源***和数据线连接;根据传感器的电源要求,连接适当的电源线,确保传感器能够正常工作;所述传感器与其他设备和***进行通信,包括导航***和中央控制器,需要连接相应的数据线;
根据传感器的安装位置和要求,调整传感器的角度和方向,以确保传感器能够准确感知周围环境;进行必要的校准步骤,确保传感器的测量和检测准确性;
根据传感器的规格和要求,进行相应的***配置和测试;这可能涉及设置传感器参数、调整灵敏度、校准范围;
定期检查传感器的工作状态和连接,确保其正常运行;保持传感器表面清洁,并根据需要进行定期的校准和维护。
具体的,实现智能导航指引功能通常涉及包括以下步骤:
收集相关的导航数据,包括道路地图数据、交通流量信息、交通信号灯状态;这些数据通过公共地图数据源、交通管理部门和第三方提供商获取;然后,对收集到的数据进行处理和整合,以建立完整的导航数据集;
利用车载传感器包括摄像头、雷达获取车辆周围环境的信息;通过图像处理、物体检测、车辆定位技术,实时感知道路、交通情况以及其他交通参与者的信息;
根据起点、终点以及当前的环境数据,使用路径规划算法计算最佳路径;算法考虑到交通拥堵、速度限制、交叉口因素,以选择最短、最快的路径;路径规划算法也采用实时更新的方式,根据实时数据调整路径,以适应交通状况的变化;
根据计算得到的最佳路径,生成导航指引;这包括提供转向指示、车道指示、交通信号灯状态信息,以及使用声音提示和图形界面展示导航指引;导航指引应该清晰、准确,能够及时提供必要的信息,帮助驾驶员做出正确的驾驶决策;
设计导航界面,以便驾驶员能够方便地查看和理解导航指引;界面应该简洁明了,提供关键的导航信息,并支持多种显示方式,包括HUD、中控屏幕、手机应用程序;此外,考虑用户交互的方便性,提供语音指令、手势操作和触摸控制方式与导航***进行交互;
进行***的测试和验证,确保智能导航指引功能的稳定性和准确性;根据用户反馈和实际使用情况,进行***的优化和改进,以提高用户体验和导航性能。
线性回归和逻辑回归计算公式如下:
所述线性回归计算公式如下:
假设函数:;
成本函数:;
参数更新规则:;
y:表示因变量和目标变量,即要预测的输出;
x:表示自变量和特征变量,即用于预测的输入;
β0:表示模型的截距项;
β1、β2、...:表示模型的系数,用于衡量自变量对因变量的影响;
使用线性回归算法预测交通流量、拥堵程度的指标,通过收集历史交通数据和其他相关因素包括时间、天气,构建线性回归模型预测未来特定时段和路段的交通状况;
根据预测的交通情况进行路径规划和导航,选择最佳路线,避开拥堵;
所述逻辑回归计算公式如下:
假设函数:;
成本函数(对数似然):;
参数更新规则:;
y:表示因变量或目标变量,通常是一个二元变量,表示分类的结果;
x:表示自变量或特征变量,即用于分类的输入;
β0:表示模型的截距项;
β1、β2、...:表示模型的系数,用于衡量自变量对分类结果的影响;
σ(z):表示逻辑回归中的sigmoid函数,用于将线性模型的输出转换为概率值;
在所述实时交通数据集成模块中,使用逻辑回归算法预测其他车辆对救护车让行的可能性;
通过收集与交通法规、交通信号、车辆类型的相关的数据,构建逻辑回归模型,判断在不同情况下其他车辆是否会让行;
根据预测结果,向其他车辆发送相应的信号或警示,提醒它们让行。
交通信号优化模块与交通信号控制***进行通信,使得救护车在关键路口和交叉口快速通过,发送请求给信号灯控制器,使其优先为救护车开启绿灯,并使得其他车辆遵守交通规则,为救护车腾出通行空间。
实时交通监测与信息反馈模块使用包括摄像头、传感器的交通监测设备实时监测道路的交通情况;
收集交通流量、拥堵情况数据,并将交通流量、拥堵情况数据信息反馈给调度中心和救护车驾驶员,调整路径规划和做出即时决策;
实时交通监测与信息反馈模块还包括车联网和无人机技术结合模块、多源数据融合模块、人工智能和大数据分析模块、可视化信息展示模块、基于用户反馈的改进模块。
车联网和无人机技术结合模块结合车联网和无人机技术,进行交通监测;
车载传感器收集车辆周围的交通信息,无人机在空中进行交通监测,获取视野和数据;
通过车联网和无人机的协同工作,进行交通监测和信息反馈;
多源数据融合模块整合多种数据源,包括交通摄像头、传感器、社交媒体,进行数据融合分析;
人工智能和大数据分析模块应用人工智能和大数据分析技术,对大量的交通数据进行实时处理和分析;通过建立预测模型、交通流量优化算法,预测拥堵区域、识别交通事件,及时向救护车驾驶员提供相应的信息和建议。
可视化信息展示模块采用创新的可视化技术,将实时交通信息以直观、易懂的方式展示给救护车驾驶员和调度中心;
基于用户反馈的改进模块收集救护车驾驶员和其他交通参与者的反馈意见,改进实时交通监测与信息反馈模块;
通过用户反馈,了解实际使用中的问题和需求。
救护车优先权管理模块负责管理救护车的优先权,使得其他车辆意识到救护车的紧急状态,并给予优先让行;
通过无线通信和车载设备向周围车辆发送信号和警示,提醒周围车辆注意并让行。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其效物界定。
Claims (6)
1.一种救护车快速通行引导***,其特征在于,包括紧急呼叫与调度模块、路径规划与导航模块、交通信号优化模块、实时交通监测与信息反馈模块、救护车优先权管理模块;
所述交通信号优化模块与交通信号控制***进行通信,使得救护车在关键路口和交叉口快速通过,发送请求给信号灯控制器,使其优先为救护车开启绿灯,并使得其他车辆遵守交通规则,为救护车腾出通行空间;
所述紧急呼叫与调度模块接收来自紧急呼叫的信息,并将信息传递给其他模块;
所述救护车优先权管理模块负责管理救护车的优先权,使得其他车辆意识到救护车的紧急状态,并给予优先让行;通过无线通信和车载设备向周围车辆发送信号和警示,提醒所述周围车辆注意并让行;
所述路径规划与导航模块根据呼叫的紧急程度和目标位置,规划最佳的路径来指导救护车的行驶,通过与交通信号优化模块的通信,获得交通信号的状态和优先通行权,并利用所述实时交通监测与信息反馈模块提供的交通状况数据,以动态调整路径规划;
首先基于静态路径进行路径规划,寻找当前耗时最短的路径,并判定是否还有优化空间,若当前初始最优路径并不存在交通拥堵情况,则可以直接确定为最终最优路径,但如果初始最优路径已经存在拥堵,则需要进行交通导调,经过导调,有可能寻找到更优路径,便可选择其他路径作为最终最优路径;
所述动态调整路径规划包括两次规划,具体包括以下步骤:
S1:地图拓扑化;所述路径规划与导航模块调取本区域内的救护站集合和急救医院集合/>,标记在本区域的交通地图上,得到交通拓扑地图;其中,/>表示第/>个救护站的地理坐标为/>,/>表示第/>个急救医院的地理坐标为/>;
S2:确定患者位置;将120急救调度中心反馈的患者位置信息标注至所述交通拓扑地图上,得到初始路径集合/>,满足:/>
;
其中,表示从第/>个救护站到患者所在处的所有拓扑路径的集合,/>至/>表示第个救护站到患者所在处的任一拓扑路径上的所有路径节点;/>表示从患者到达第/>个急救医院的所有拓扑路径的集合,/>至/>表示从患者到达第/>个急救医院的任一拓扑路径上的所有路径节点;
S3:确定初始最优路径;选取自救护站经患者位置至急救医院时间最少的路径作为初始最优路径,满足:
其中,、/>和/>分别表示任一段拓扑路径的通行时间、路径长度和平均车速;表示初始最优路径;/>表示初始最优路径的通行时间;
S4:确定最终最优路径;确定初始最优路径的交通拥堵情况;满足判定条件:
Q1:若初始最优路径上的交通拥堵路段比例低于预设的比例阈值,则将该初始最优路径确定为最终最优路径;
Q2:若初始最优路径上的交通拥堵路段比例不低于预设的比例阈值;则进行交通调度假设,确定调度最优路径作为最终最优路径;具体包括:
S41:假定针对初始路径集合进行交通调度,确定任一拓扑路径经过交通调度后减少的车辆数量以及调度后的平均车速/>;
S42:基于调度后的平均车速计算调度最优路径,满足:
;/>;
;
S43:将调度最优路径作为最终最优路径;
所述实时交通监测与信息反馈模块提供实时的道路拥堵、事故信息,帮助所述路径规划与导航模块选择最佳的路线,并进行实时导航指引;
所述路径规划与导航模块还分为实时交通数据集成模块、机器学习与预测模型模块、智能导航指引模块、与交通信号控制***的实时互动模块;所述机器学习与预测模型模块应用机器学习和预测模型来预测未来交通状况,规划救护车的路径;所述机器学习算法运用线性回归和逻辑回归;所述线性回归和逻辑回归计算公式如下:
所述线性回归计算公式如下:
假设函数:;
成本函数:;
参数更新规则:;
y:表示因变量和目标变量,即要预测的输出;
x:表示自变量和特征变量,即用于预测的输入;
β0:表示模型的截距项;
β1、β2、...:表示模型的系数,用于衡量自变量对因变量的影响;
使用线性回归算法预测交通流量、拥堵程度的指标,通过收集历史交通数据和其他相关因素包括时间、天气,构建线性回归模型预测未来特定时段和路段的交通状况;
根据预测的交通情况进行路径规划和导航,选择最佳路线,避开拥堵;
所述逻辑回归计算公式如下:
假设函数:;
成本函数(对数似然):;
参数更新规则:;
y:表示因变量或目标变量,通常是一个二元变量,表示分类的结果;
x:表示自变量或特征变量,即用于分类的输入;
β0:表示模型的截距项;
β1、β2、...:表示模型的系数,用于衡量自变量对分类结果的影响;
σ(z):表示逻辑回归中的sigmoid函数,用于将线性模型的输出转换为概率值;
在所述实时交通数据集成模块中,使用逻辑回归算法预测其他车辆对救护车让行的可能性;
通过收集与交通法规、交通信号、车辆类型的相关的数据,构建逻辑回归模型,判断在不同情况下其他车辆是否会让行;
根据预测结果,向其他车辆发送相应的信号或警示,提醒它们让行;
所述实时交通监测与信息反馈模块提供的交通状况数据用于所述救护车优先权管理模块,基于交通状况,向周围车辆发送信号和警示,使得其他车辆意识到救护车的紧急状态并让行。
2.根据权利要求1所述一种救护车快速通行引导***,其特征在于,所述紧急呼叫与调度模块负责接收紧急呼叫,并将呼叫信息传输给调度中心;
所述调度中心根据呼叫的紧急程度和救护车的可用性,确定最佳的救护车分派方案。
3.根据权利要求1所述一种救护车快速通行引导***,其特征在于,所述路径规划与导航模块根据救护车的当前位置、目标位置以及路况信息,进行路径规划,考虑交通拥堵、道路封闭因素,选择最短且最快速的路线,并提供导航指引给救护车驾驶员。
4.根据权利要求1所述一种救护车快速通行引导***,其特征在于,所述实时交通数据集成模块将实时交通数据集成到所述路径规划与导航模块中,获取准确的交通状况信息;
利用车载传感器、交通摄像头、移动应用程序多种数据源来实时监测道路情况,包括交通流量、拥堵程度、事故和施工;
路径规划算法和网络流算法基于实时数据进行动态调整,选择最佳路径避开拥堵;
通过分析历史交通数据和其他相关因素包括天气、事件,建立模型来预测特定时段和路段的交通状况,提前规划最佳路径,避开即将发生的拥堵区域;
智能导航指引模块引入智能导航指引功能;除了基本的转向指示,包括特殊车道的提醒、交通信号灯状态的显示、周围道路的实时摄像头画面,了解当前道路情况,并做出最佳的驾驶决策;
所述与交通信号控制***的实时互动模块增强与交通信号控制***的实时互动能力,使所述路径规划与导航模块能够主动与所述交通信号模块进行通信;
通过与信号灯控制器的连接,发送请求并获取优先通行权。
5.根据权利要求1所述一种救护车快速通行引导***,其特征在于,所述实时交通监测与信息反馈模块使用包括摄像头、传感器的交通监测设备实时监测道路的交通情况;
收集交通流量、拥堵情况数据,并将所述交通流量、拥堵情况数据信息反馈给调度中心和救护车驾驶员,调整路径规划和做出即时决策;
所述实时交通监测与信息反馈模块还包括车联网和无人机技术结合模块、多源数据融合模块、人工智能和大数据分析模块、可视化信息展示模块、基于用户反馈的改进模块。
6.根据权利要求5所述一种救护车快速通行引导***,其特征在于,所述车联网和无人机技术结合模块结合车联网和无人机技术,进行交通监测;
车载传感器收集车辆周围的交通信息,所述无人机在空中进行交通监测,获取视野和数据;
通过所述车联网和所述无人机的协同工作,进行交通监测和信息反馈;
所述多源数据融合模块整合多种数据源,包括交通摄像头、传感器、社交媒体,进行数据融合分析;
所述人工智能和大数据分析模块应用人工智能和大数据分析技术,对大量的交通数据进行实时处理和分析;通过建立预测模型、交通流量优化算法,预测拥堵区域、识别交通事件,及时向救护车驾驶员提供相应的信息和建议,
所述可视化信息展示模块采用创新的可视化技术,将实时交通信息以直观、易懂的方式展示给救护车驾驶员和调度中心;
所述基于用户反馈的改进模块收集救护车驾驶员和其他交通参与者的反馈意见,改进实时交通监测与信息反馈模块;通过用户反馈,了解实际使用中的问题和需求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311075860.7A CN116798233B (zh) | 2023-08-25 | 2023-08-25 | 一种救护车快速通行引导*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311075860.7A CN116798233B (zh) | 2023-08-25 | 2023-08-25 | 一种救护车快速通行引导*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116798233A CN116798233A (zh) | 2023-09-22 |
CN116798233B true CN116798233B (zh) | 2024-01-09 |
Family
ID=88039980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311075860.7A Active CN116798233B (zh) | 2023-08-25 | 2023-08-25 | 一种救护车快速通行引导*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116798233B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117912238A (zh) * | 2023-12-25 | 2024-04-19 | 广州市启宏普浩企业管理服务有限公司 | 一种车辆增援态势感知方法及*** |
CN117711610B (zh) * | 2024-02-05 | 2024-04-26 | 四川省医学科学院·四川省人民医院 | 一种网络化mdt多学科的远程会诊车*** |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101807348A (zh) * | 2010-03-05 | 2010-08-18 | 安徽师范大学 | 一种动态网络导航***及方法 |
CN107134142A (zh) * | 2017-07-10 | 2017-09-05 | 中南大学 | 一种基于多源数据融合的城市道路流量预测方法 |
CN107154160A (zh) * | 2017-06-30 | 2017-09-12 | 安徽超清科技股份有限公司 | 一种救护车快速通行引导*** |
CN107967812A (zh) * | 2016-10-19 | 2018-04-27 | 高德信息技术有限公司 | 一种导航路线交通状态的确定方法及装置 |
CN109166311A (zh) * | 2018-08-15 | 2019-01-08 | 广州市康软信息科技有限公司 | 一种基于车辆调度的区域急救监控方法、***及装置 |
CN110414365A (zh) * | 2019-07-03 | 2019-11-05 | 上海交通大学 | 基于社会力模型的过街行人轨迹预测方法、***及介质 |
CN110907966A (zh) * | 2019-11-22 | 2020-03-24 | 东华理工大学 | 物联网时代下基于实时车流量的应急车辆导航***及方法 |
CN112039700A (zh) * | 2020-08-26 | 2020-12-04 | 重庆理工大学 | 基于层叠泛化和代价敏感学习的社交网链路异常预测方法 |
JP2021043058A (ja) * | 2019-09-11 | 2021-03-18 | 日産自動車株式会社 | 経路選出方法、経路選出装置、ならびに、配車システム |
CN113420920A (zh) * | 2021-06-22 | 2021-09-21 | 哈尔滨工业大学 | 一种应急资源运送路径与交通管制措施同步决策方法及*** |
CN113808422A (zh) * | 2021-08-07 | 2021-12-17 | 长沙理工大学 | 一种救护车快速通行方法 |
CN113962464A (zh) * | 2021-10-25 | 2022-01-21 | 武汉理工大学 | 一种应急车辆调度方法、装置、设备及存储介质 |
CN114137973A (zh) * | 2021-11-26 | 2022-03-04 | 湖北亿纬动力有限公司 | 一种路径规划的方法、装置、设备及存储介质 |
CN114167859A (zh) * | 2021-11-16 | 2022-03-11 | 江苏海洋大学 | 基于改进弗洛伊德算法的救护车应急救援路径规划方法 |
CN116030652A (zh) * | 2021-10-27 | 2023-04-28 | 辉达公司 | 用于自主***的让行场景编码 |
-
2023
- 2023-08-25 CN CN202311075860.7A patent/CN116798233B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101807348A (zh) * | 2010-03-05 | 2010-08-18 | 安徽师范大学 | 一种动态网络导航***及方法 |
CN107967812A (zh) * | 2016-10-19 | 2018-04-27 | 高德信息技术有限公司 | 一种导航路线交通状态的确定方法及装置 |
CN107154160A (zh) * | 2017-06-30 | 2017-09-12 | 安徽超清科技股份有限公司 | 一种救护车快速通行引导*** |
CN107134142A (zh) * | 2017-07-10 | 2017-09-05 | 中南大学 | 一种基于多源数据融合的城市道路流量预测方法 |
CN109166311A (zh) * | 2018-08-15 | 2019-01-08 | 广州市康软信息科技有限公司 | 一种基于车辆调度的区域急救监控方法、***及装置 |
CN110414365A (zh) * | 2019-07-03 | 2019-11-05 | 上海交通大学 | 基于社会力模型的过街行人轨迹预测方法、***及介质 |
JP2021043058A (ja) * | 2019-09-11 | 2021-03-18 | 日産自動車株式会社 | 経路選出方法、経路選出装置、ならびに、配車システム |
CN110907966A (zh) * | 2019-11-22 | 2020-03-24 | 东华理工大学 | 物联网时代下基于实时车流量的应急车辆导航***及方法 |
CN112039700A (zh) * | 2020-08-26 | 2020-12-04 | 重庆理工大学 | 基于层叠泛化和代价敏感学习的社交网链路异常预测方法 |
CN113420920A (zh) * | 2021-06-22 | 2021-09-21 | 哈尔滨工业大学 | 一种应急资源运送路径与交通管制措施同步决策方法及*** |
CN113808422A (zh) * | 2021-08-07 | 2021-12-17 | 长沙理工大学 | 一种救护车快速通行方法 |
CN113962464A (zh) * | 2021-10-25 | 2022-01-21 | 武汉理工大学 | 一种应急车辆调度方法、装置、设备及存储介质 |
CN116030652A (zh) * | 2021-10-27 | 2023-04-28 | 辉达公司 | 用于自主***的让行场景编码 |
CN114167859A (zh) * | 2021-11-16 | 2022-03-11 | 江苏海洋大学 | 基于改进弗洛伊德算法的救护车应急救援路径规划方法 |
CN114137973A (zh) * | 2021-11-26 | 2022-03-04 | 湖北亿纬动力有限公司 | 一种路径规划的方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116798233A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116798233B (zh) | 一种救护车快速通行引导*** | |
CN108039053B (zh) | 一种智能网联交通*** | |
US6633238B2 (en) | Intelligent traffic control and warning system and method | |
JP5003546B2 (ja) | 交通信号制御システム、交通信号制御装置及び方法、並びに、交通指標算出装置 | |
US11884155B2 (en) | Graphical user interface for display of autonomous vehicle behaviors | |
KR20190082712A (ko) | 차량의 예상 주행 의도에 관한 정보를 제공하는 방법 | |
US11175153B2 (en) | Pedestrian and vehicle route optimization | |
US11248917B2 (en) | Method, apparatus, and computer program product for determining the criticality of an emergency | |
US9204261B2 (en) | Vehicular control apparatus | |
US20210311491A1 (en) | Intelligent roadside toolbox | |
JP2017207340A (ja) | 走行計画作成装置及びセンタ | |
US11210937B2 (en) | Method for un-signalized intersection traffic flow management | |
EP3836118A1 (en) | Application monologue for self-driving vehicles | |
JP2011039704A (ja) | プローブ情報の処理装置、コンピュータプログラム及び路車間通信システム | |
EP4183651A1 (en) | Processing a request signal regarding operation of an autonomous vehicle | |
KR20170033589A (ko) | 차량 운행 가이드 정보 제공 방법과 장치 및 교통 혼잡도 측정 방법과 장치 | |
JP3813546B2 (ja) | 交通情報案内装置、交通情報案内方法及びそのシステム | |
CN116564116A (zh) | 数字孪生驱动的智能辅助驾驶引导***与方法 | |
CN114005300A (zh) | 车辆管理***、管理方法及计算机可读介质 | |
US20210256849A1 (en) | Process and system for local traffic approximation through analysis of cloud data | |
CN117315962A (zh) | 紧急车辆的优先通行方法、智慧交通***及云平台 | |
JP4947090B2 (ja) | プローブ情報生成装置及び方法 | |
JP2018077603A (ja) | 交通情報提供装置、交通情報提供プログラム、交通情報提供方法および交通情報提供システム | |
CN111966108A (zh) | 基于导航***的极端天气无人驾驶控制*** | |
JPH0785398A (ja) | 移動体統括管理システム |
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 |