CN117835158A - 基于无线通信的车辆位置实时追踪方法及*** - Google Patents
基于无线通信的车辆位置实时追踪方法及*** Download PDFInfo
- Publication number
- CN117835158A CN117835158A CN202311563359.5A CN202311563359A CN117835158A CN 117835158 A CN117835158 A CN 117835158A CN 202311563359 A CN202311563359 A CN 202311563359A CN 117835158 A CN117835158 A CN 117835158A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- real
- time
- information
- identification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004891 communication Methods 0.000 title claims abstract description 33
- 230000010354 integration Effects 0.000 claims abstract description 20
- 230000000007 visual effect Effects 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000010365 information processing Effects 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 11
- 230000002708 enhancing effect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 6
- 238000009434 installation Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于无线通信的车辆位置实时追踪方法及***,涉及信息处理技术领域,包括:确定车辆跟踪目标区域,构建目标区域三维模型;对目标区域三维模型进行路况分析,布设分布式车辆识别装置;对进行车辆识别,获取车辆的实时行驶信息;将实时行驶信息通过无线通信网络传输至信息整合中心中,获取格式化行驶信息;将格式化行驶信息传输至可视化显示终端,显示车辆的车辆位置实时跟踪信息。本发明解决了现有技术中车辆追踪准确性和实时性较低的技术问题,达到了提高车辆追踪准确性,增强实时性的技术效果。
Description
技术领域
本发明涉及信息处理技术领域,具体涉及基于无线通信的车辆位置实时追踪方法及***。
背景技术
随着城市化进程的加速和交通拥堵的日益严重,行车安全性和物流效率问题逐渐凸显,为了解决这些问题,车辆追踪逐渐成了非常重要的手段。目前车辆追踪主要依赖GPS定位技术,GPS虽然能够提供车辆的位置信息,但这种技术的精度受到卫星信号的质量、数量和分布的影响,在城市地区,由于高楼大厦和其他障碍物的遮挡,GPS信号会被削弱,导致定位精度下降,此外,GPS信号的传播延迟也会影响车辆跟踪的实时性。现有技术存在车辆追踪准确性和实时性较低的技术问题。
发明内容
本申请通过提供基于无线通信的车辆位置实时追踪方法及***,有效解决了现有技术中存在的车辆追踪准确性和实时性较低的技术问题,达到了提高车辆追踪准确性,增强实时性的技术效果。
本申请提供了基于无线通信的车辆位置实时追踪方法及***,所述技术方案如下:
第一方面,本申请实施例提供了基于无线通信的车辆位置实时追踪方法,所述方法包括:
确定车辆跟踪目标区域,基于所述车辆跟踪目标区域构建目标区域三维模型;
对所述目标区域三维模型进行路况分析,基于路况分析结果布设分布式车辆识别装置,并对每个所述分布式车辆识别装置进行位置标识;
以所述分布式车辆识别装置对进行车辆识别,获取车辆的实时行驶信息,其中,所述实时行驶信息包括实时行驶位置、实时行驶方向、实时行驶速度、实时行驶时刻;
将所述实时行驶信息通过无线通信网络传输至信息整合中心中,所述信息整合中心对所述实时行驶信息进行信息处理,获取格式化行驶信息;
将所述格式化行驶信息传输至可视化显示终端,显示车辆的车辆位置实时跟踪信息。
第二方面,本申请实施例提供了基于无线通信的车辆位置实时追踪***,所述***包括:
目标区域三维模型构建模块,所述目标区域三维模型构建模块用于确定车辆跟踪目标区域,基于所述车辆跟踪目标区域构建目标区域三维模型;
分布式车辆识别装置布设模块,所述分布式车辆识别装置布设模块用于对所述目标区域三维模型进行路况分析,基于路况分析结果布设分布式车辆识别装置,并对每个所述分布式车辆识别装置进行位置标识;
车辆实时行驶信息获取模块,所述车辆实时行驶信息获取模块用于以所述分布式车辆识别装置对进行车辆识别,获取车辆的实时行驶信息,其中,所述实时行驶信息包括实时行驶位置、实时行驶方向、实时行驶速度、实时行驶时刻;
格式化行驶信息获取模块,所述格式化行驶信息获取模块用于将所述实时行驶信息通过无线通信网络传输至信息整合中心中,所述信息整合中心对所述实时行驶信息进行信息处理,获取格式化行驶信息;
车辆位置实时跟踪信息显示模块,所述车辆位置实时跟踪信息显示模块用于将所述格式化行驶信息传输至可视化显示终端,显示车辆的车辆位置实时跟踪信息。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请首先确定车辆跟踪目标区域,基于所述车辆跟踪目标区域构建目标区域三维模型,然后对所述目标区域三维模型进行路况分析,基于路况分析结果布设分布式车辆识别装置,并对每个所述分布式车辆识别装置进行位置标识,进而以所述分布式车辆识别装置对进行车辆识别,获取车辆的实时行驶信息,其中,所述实时行驶信息包括实时行驶位置、实时行驶方向、实时行驶速度、实时行驶时刻,再将所述实时行驶信息通过无线通信网络传输至信息整合中心中,所述信息整合中心对所述实时行驶信息进行信息处理,获取格式化行驶信息,继而将所述格式化行驶信息传输至可视化显示终端,显示车辆的车辆位置实时跟踪信息。有效解决了现有技术中存在的车辆追踪准确性和实时性较低的技术问题,达到了提高车辆追踪准确性,增强实时性的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍,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为本申请实施例提供的基于无线通信的车辆位置实时追踪方法流程示意图;
图2为本申请实施例提供的基于无线通信的车辆位置实时追踪***结构示意图。
附图标记说明:目标区域三维模型构建模块1,分布式车辆识别装置布设模块2,车辆实时行驶信息获取模块3,格式化行驶信息获取模块4,车辆位置实时跟踪信息显示模块5。
具体实施方式
本申请通过提供了基于无线通信的车辆位置实时追踪方法及***,用于针对解决现有技术中存在的车辆追踪准确性和实时性较低的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本发明提供了基于无线通信的车辆位置实时追踪方法,应用于基于无线通信的车辆位置实时追踪***,所述***包括分布式车辆识别装置、无线通信网络、信息整合中心、可视化显示终端,所述方法用于提高车辆追踪的准确性,增强车辆追踪的实时性,所述方法包括:
确定车辆跟踪目标区域,即根据车辆追踪的需求和目的,确定追踪的交通区域,该目标区域包括一个特定的道路网络、一个城市或一个更大的地理区域等。确定车辆追踪目标区域后,对该目标区域进行建模,构建目标区域三维模型,首先收集目标区域的地理数据、道路网络数据、建筑物信息等,作为建模的基础数据,然后利用三维建模软件或GIS软件,根据收集的数据建立目标区域的三维模型,该模型包括道路、建筑物、地形等元素,反映了目标区域的空间结构和形态,模型建好后,根据实际需要,对三维模型进行优化和调整,例如添加纹理、调整光照等,提高模型的视觉效果和逼真度。
对所述目标区域三维模型进行路况分析,确定目标区域内的交通状况,包括道路的通行能力、交通拥堵情况、车流量等信息。首先通过从现有的交通管理***中获取,或者通过调查和采集等方法获得目标区域相关的交通数据,包括历史交通流量数据、实时交通情况数据、道路等级和类型等数据,进而对获取的交通数据进行处理和分析(例如计算道路的平均车速、交通拥堵指数等指标)得到目标区域的交通状况。然后利用数学模型或仿真模型对交通状况进行模拟和分析(例如使用交通仿真软件或基于规则的模型模拟车辆的行驶和交通流的变化),根据交通模型的分析结果,输出目标区域内的交通状况信息,例如,生成道路拥堵图、车速分布图等。根据路况分析的结果,选择合适的地点作为分布式车辆识别装置的布设点,所述分布式车辆识别装置是一种部署在特定区域内的车辆感知设备,用于实时感知和识别过往车辆,并采集车辆的行驶信息,这些装置通常具备传感器、相机等硬件设备,以及相应的软件算法和数据处理能力,能够独立地识别和采集车辆信息,例如可以将这些装置部署在道路交叉口、交通繁忙路段、停车场等车辆密集区域,确定布设点后,根据实际需要和环境条件,选择合适的布设方式,例如地面安装、路灯悬挂、建筑物一体化等,然后在选定的布设点进行装置的安装和调试,确保装置能够正确识别车辆信息,并与中心服务器进行数据传输,最后对每个分布式车辆识别装置进行位置标识,记录装置的安装位置和编号等信息。
利用所述分布式车辆识别装置的传感器和相机等设备,感知和识别过往车辆,识别到车辆后,分布式车辆识别装置会采集车辆的实时行驶信息,包括实时行驶位置、实时行驶方向、实时行驶速度、实时行驶时刻。其中,所述实时行驶位置指车辆在行驶过程中的当前地理位置,以经纬度坐标或者地图上的标记来表示,通过全球定位***(GPS)等定位技术来获取。所述实时行驶方向指车辆在行驶过程中的当前朝向,通过感应器或摄像头等设备来获取,例如,通过定向感应器检测车辆的行驶方向,或者通过图像处理技术对车辆的行驶方向进行判断。所述实时行驶速度指车辆在行驶过程中的当前速度,通过雷达(向车辆发射信号并检测反射回来的时间,从而计算出车辆的距离和速度)等设备来获取。所述实时行驶时刻指车辆在行驶过程中的当前时间,通过分布式车辆识别装置内置的时间戳功能或者通过与中心服务器的时间同步等来获取。
将所述实时行驶信息(实时行驶位置、方向、速度和时刻等信息)通过无线通信网络(例如Wi-Fi、蓝牙、4G/5G等)传输至信息整合中心中,所述信息整合中心是对传输过来的实时行驶信息进行处理和分析的设施,它接收到来自分布式车辆识别装置的实时行驶信息后,对数据进行标准化处理,包括对数据的单位、格式、编码等进行统一和规范,然后对数据进行转换和加工,包括对数据进行滤波、插值、计算等操作,提取出有用的特征和信息,再对来自不同来源的数据进行合并和处理等数据集成操作,例如将GPS轨迹数据与交通流量数据进行整合,以生成车辆行驶轨迹和交通流量的综合信息,然后将集成后的数据进行格式化处理,所述格式化处理是指按照一定的规范和标准将数据转换成结构化数据、表格、图形等形式,格式化处理后最终得到格式化行驶信息。
将所述格式化行驶信息通过无线通信网络传输至可视化显示终端,所述可视化显示终端是以大屏幕为显示终端的数据可视化工具,它接收到数据后,对数据进行解析和转换,包括将接收到的数据转换成适合可视化展示的格式和数据类型等,例如将经纬度坐标转换成地图上的标记,或将速度和方向信息转换成车辆行驶轨迹的图形表示,然后可视化显示终端利用解析和转换后的数据,通过地图、轨迹图、仪表盘等可视化方式实时展示车辆的位置、轨迹、速度等跟踪信息。达到了提高车辆追踪准确性,增强实时性技术效果。
在本申请实施例提供的一种优选实施方式中,基于所述车辆跟踪目标区域构建目标区域三维模型,包括:
收集所述车辆跟踪目标区域的地理信息数据,所述地理信息数据包括地形图、高程数据、建筑物信息、地理位置、道路网络等,收集这些数据的方法包括网络搜索、数据下载、从地图服务商处购买、通过遥感技术获取以及通过实地调查测量拍照获取等。
将收集到的地理信息数据导入三维建模软件(例如AutoDesk Revit、SketchUp、Blender等)中,三维建模软件根据地理信息数据对车辆跟踪目标区域进行建模,创建出初始区域三维模型。
设定测试车辆,所述测试车辆指的是在三维建模软件中创建的模拟车辆模型,该模拟车辆模型具备车辆的基本形态、尺寸、颜色等特征,用来在三维建模软件中进行行驶和测试。在三维建模软件中设置测试场景和条件,包括测试车辆的起点、终点、行驶路线、交通规则、不同的天气条件、交通流量等,设置好测试场景和条件后,使用模拟车辆模型进行行驶测试,测试过程中,实时获取模拟车辆的位置、速度、方向等数据,并与初始区域三维模型中的数据进行对比,根据数据对比的结果,找出初始区域三维模型存在的问题和不足,例如模型中的地形与实际地形不一致、模型中的建筑物位置与实际位置有偏差等,这些问题和不足就是模型的反馈结果,根据模型的反馈结果对初始区域三维模型进行迭代调整,即反复进行修正和优化,这个过程包括更改地形数据、调整建筑物位置和形状、完善交通设施等,通过不断的迭代调整,使模型逐渐接近实际状况,提高模型的精度和质量。最终,经过多次迭代调整后,得到目标区域三维模型,该模型能准确反映目标区域的地理信息,为车辆的跟踪提供准确的数据支持。这一优选实施方式通过设定测试车辆,基于测试车辆对初始区域三维模型进行实时测试运行,获取模型反馈结果,能及时发现模型存在的问题和不足,并进行修正和优化,使模型更加接近实际状况,达到了提高模型精度和准确度的技术效果。
在本申请实施例提供的另一种优选实施方式中,所述方法还包括:
所述分布式车辆识别装置包括图像采集器、车辆识别器、信息传输器。其中,所述图像采集器通过各种传感器和摄像头对装置监测区域进行持续图像采集,并将图像采集结果输入车辆识别器中,所述车辆识别器是一种具备深度学习算法的计算机视觉***,它能对输入的图像和视频进行解析,识别出其中的车辆实例,包括车辆的类型、颜色、型号、车牌号码等,并将识别结果输入到信息传输器中,所述信息传输器按照预设协议对车辆识别结果进行封装,包括数据压缩、加密、解密等处理,确保数据的准确性和安全性,然后将封装后的车辆识别结果传输至无线通信网络(例如互联网、移动通信网络等)中,通过所述无线通信网络,车辆识别结果能被远程的服务器或客户端接收和处理,或者与其他***进行数据共享和交互。这一优选实施方式通过配置图像采集器、车辆识别器和信息传输器,达到了提高数据采集的全面性,车辆识别的高效性以及数据传输的实时性的技术效果。
在本申请实施例提供的另一种优选实施方式中,所述方法还包括:
所述车辆识别器包括车辆实例识别分支、车辆速度识别分支、车辆方向识别分支,其中,所述车辆速度识别分支与所述车辆方向识别分支并联于所述车辆实例识别分支之后。车辆实例识别分支用于通过图像处理和机器学习等方法识别车辆的实例,即区分出哪些是车辆,哪些是非车辆;车辆速度识别分支用于通过分析图像序列识别车辆的速度,例如通过计算车辆在相邻帧之间的位移,结合帧率等信息估算车辆的速度;车辆方向识别分支用于通过分析车辆在图像中的相对位置,结合地理信息或者地图数据等识别车辆的方向。所述车辆实例识别分支、所述车辆速度识别分支、所述车辆方向识别分支的输出结果共同组成所述实时行驶信息。这一优选实施方式通过三个分支的组合,能收集到关于车辆的全面的信息,并且通过将多个分支的结果合并,增加了识别的冗余性,减少了误判的可能性,达到了提高信息收集全面性和识别准确性的技术效果。
在本申请实施例提供的另一种优选实施方式中,所述方法还包括:
设置多个车辆特征维度,包括车辆的品牌、类型、颜色、形状、大小等,根据这些车辆特征维度通过在线搜索、公共数据集或者实地采集等方式收集车辆图像数据集,收集到车辆图像数据集后,对这些图像进行预处理,包括进行清洗、裁剪、缩放等操作,去除无关信息,统一尺寸和格式,得到标注车辆图像集。然后通过手动标注或自动标注的方式对所述标注车辆图像集中的图像进行特征值标注,标出车辆实例的信息,作为训练模型的标签,标注完成后得到车辆标注结果集。
利用所述标注车辆图像集与所述车辆标注结果集训练一个深度学习模型,使其能够自动识别车辆的实例,得到所述车辆实例识别分支。将图像采集器采集到的实时图像输入到训练好的模型中,模型会输出车辆的实例识别结果,根据车辆的实例识别结果,结合GPS等定位技术,对车辆的实时行驶位置和实时行驶时刻进行标识,然后将这些信息添加到所述实时行驶信息中。这一优选实施方式通过收集包含多个车辆特征维度的图像数据集,并进行标注,从而训练出准确的模型,达到了提高车辆识别准确性的技术效果。
在本申请实施例提供的另一种优选实施方式中,所述方法还包括:
所述车辆速度识别分支调取当前时刻和上一时刻的车辆实例识别结果,作为第一车辆实例识别结果和第二车辆实例识别结果,这两个结果均包括车辆的位置和时间信息。在所述第一车辆实例识别结果中调取第一行驶位置与第一行驶时刻,即车辆在当前时刻的行驶位置和行驶时刻。在所述第二车辆实例识别结果中调取第二行驶位置与第二行驶时刻,即车辆在上一时刻的行驶位置和行驶时刻。基于第一行驶位置、第一行驶时刻、第二行驶位置、第二行驶时刻,使用距离除以时间的方法计算出车辆在这两个时刻之间的行驶速度,即实时行驶速度,然后将计算出的实时行驶速度添加到实时行驶信息中。这一优选实施方式通过实时计算和添加车辆的行驶速度,达到了保证信息实时性的技术效果。
在本申请实施例提供的另一种优选实施方式中,所述方法还包括:
所述车辆方向识别分支调取所述分布式车辆识别装置的布设参数,包括摄像头、传感器等设备的安装位置、角度、分辨率等信息,然后根据布设参数和车辆实例识别结果,确定车辆在图像中的相对位置和行驶方向,输出实时行驶方向,例如,通过分析车辆在图像中的位置变化,结合摄像头或传感器的安装角度和分辨率,计算出车辆的行驶方向,最后将计算出的实时行驶方向添加到实时行驶信息中。这一优选实施方式通过添加车辆的实时行驶方向信息,能全面了解车辆的状态和行为,达到提高信息完整性的技术效果。
实施例二
基于与前述实施例中基于无线通信的车辆位置实时追踪方法相同的发明构思,如图2所示,本申请提供了基于无线通信的车辆位置实时追踪***,本申请实施例中的***与方法实施例基于同样的发明构思。其中,所述***包括:
目标区域三维模型构建模块1,所述目标区域三维模型构建模块1用于确定车辆跟踪目标区域,基于所述车辆跟踪目标区域构建目标区域三维模型;
分布式车辆识别装置布设模块2,所述分布式车辆识别装置布设模块2用于对所述目标区域三维模型进行路况分析,基于路况分析结果布设分布式车辆识别装置,并对每个所述分布式车辆识别装置进行位置标识;
车辆实时行驶信息获取模块3,所述车辆实时行驶信息获取模块3用于以所述分布式车辆识别装置对进行车辆识别,获取车辆的实时行驶信息,其中,所述实时行驶信息包括实时行驶位置、实时行驶方向、实时行驶速度、实时行驶时刻;
格式化行驶信息获取模块4,所述格式化行驶信息获取模块4用于将所述实时行驶信息通过无线通信网络传输至信息整合中心中,所述信息整合中心对所述实时行驶信息进行信息处理,获取格式化行驶信息;
车辆位置实时跟踪信息显示模块5,所述车辆位置实时跟踪信息显示模块5用于将所述格式化行驶信息传输至可视化显示终端,显示车辆的车辆位置实时跟踪信息。
进一步的,所述目标区域三维模型构建模块1用于执行如下方法:
收集所述车辆跟踪目标区域的地理信息数据;
将所述地理信息数据导入三维建模软件中,基于所述地理信息数据与三维建模软件对所述车辆跟踪目标区域进行建模,获取初始区域三维模型;
设定测试车辆,基于所述测试车辆对所述初始区域三维模型进行测试运行,获取模型反馈结果;
以所述模型反馈结果对所述初始区域三维模型进行迭代调整,获取目标区域三维模型。
进一步的,所述分布式车辆识别装置布设模块2用于执行如下方法:
所述分布式车辆识别装置包括图像采集器、车辆识别器、信息传输器;
所述图像采集器对装置监测区域进行持续图像采集,并将图像采集结果输入所述车辆识别器中;
所述车辆识别器对图像采集结果进行车辆实例识别,并将车辆识别结果输入所述信息传输器中;
所述信息传输器按照预设协议对所述车辆识别结果进行封装,并将封装后的车辆识别结果传输至所述无线通信网络中。
进一步的,所述分布式车辆识别装置布设模块2用于执行如下方法:
所述车辆识别器包括车辆实例识别分支、车辆速度识别分支、车辆方向识别分支;
其中,所述车辆速度识别分支与所述车辆方向识别分支并联于所述车辆实例识别分支之后;
所述车辆实例识别分支、所述车辆速度识别分支、所述车辆方向识别分支的输出结果共同组成所述实时行驶信息。
进一步的,所述分布式车辆识别装置布设模块2用于执行如下方法:
设置多个车辆特征维度,基于所述多个车辆特征维度收集车辆图像数据集,并对所述收集车辆图像数据集进行图像预处理,获取标注车辆图像集;
按照所述多个车辆特征维度对所述标注车辆图像集进行特征值标注,获取车辆标注结果集;
基于所述标注车辆图像集与所述车辆标注结果集构建所述车辆实例识别分支;
将所述图像采集结果输入所述车辆实例识别分支中,输出车辆实例识别结果;
对所述车辆实例识别结果进行实时行驶位置标识和实时行驶时刻标识,添加至所述实时行驶信息中。
进一步的,所述分布式车辆识别装置布设模块2用于执行如下方法:
所述车辆速度识别分支调取当前时刻和上一时刻的车辆实例识别结果,作为第一车辆实例识别结果和第二车辆实例识别结果;
在所述第一车辆实例识别结果中调取第一行驶位置与第一行驶时刻;
在所述第二车辆实例识别结果中调取第二行驶位置与第二行驶时刻;
基于第一行驶位置、第一行驶时刻、第二行驶位置、第二行驶时刻,输出实时行驶速度;
将所述实时行驶速度添加至所述实时行驶信息中。
进一步的,所述分布式车辆识别装置布设模块2用于执行如下方法:
所述车辆方向识别分支调取所述分布式车辆识别装置的布设参数;
基于所述布设参数与所述车辆实例识别结果,输出实时行驶方向;
将所述实时行驶方向添加至所述实时行驶信息中。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.基于无线通信的车辆位置实时追踪方法,其特征在于,所述方法应用于基于无线通信的车辆位置实时追踪***,所述***包括分布式车辆识别装置、无线通信网络、信息整合中心、可视化显示终端,所述方法包括:
确定车辆跟踪目标区域,基于所述车辆跟踪目标区域构建目标区域三维模型;
对所述目标区域三维模型进行路况分析,基于路况分析结果布设所述分布式车辆识别装置,并对每个所述分布式车辆识别装置进行位置标识;
以所述分布式车辆识别装置对进行车辆识别,获取车辆的实时行驶信息,其中,所述实时行驶信息包括实时行驶位置、实时行驶方向、实时行驶速度、实时行驶时刻;
将所述实时行驶信息通过所述无线通信网络传输至所述信息整合中心中,所述信息整合中心对所述实时行驶信息进行信息处理,获取格式化行驶信息;
将所述格式化行驶信息传输至所述可视化显示终端,显示车辆的车辆位置实时跟踪信息。
2.根据权利要求1所述的方法,其特征在于,基于所述车辆跟踪目标区域构建目标区域三维模型,包括:
收集所述车辆跟踪目标区域的地理信息数据;
将所述地理信息数据导入三维建模软件中,基于所述地理信息数据与三维建模软件对所述车辆跟踪目标区域进行建模,获取初始区域三维模型;
设定测试车辆,基于所述测试车辆对所述初始区域三维模型进行测试运行,获取模型反馈结果;
以所述模型反馈结果对所述初始区域三维模型进行迭代调整,获取目标区域三维模型。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述分布式车辆识别装置包括图像采集器、车辆识别器、信息传输器;
所述图像采集器对装置监测区域进行持续图像采集,并将图像采集结果输入所述车辆识别器中;
所述车辆识别器对图像采集结果进行车辆实例识别,并将车辆识别结果输入所述信息传输器中;
所述信息传输器按照预设协议对所述车辆识别结果进行封装,并将封装后的车辆识别结果传输至所述无线通信网络中。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
所述车辆识别器包括车辆实例识别分支、车辆速度识别分支、车辆方向识别分支;
其中,所述车辆速度识别分支与所述车辆方向识别分支并联于所述车辆实例识别分支之后;
所述车辆实例识别分支、所述车辆速度识别分支、所述车辆方向识别分支的输出结果共同组成所述实时行驶信息。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
设置多个车辆特征维度,基于所述多个车辆特征维度收集车辆图像数据集,并对所述收集车辆图像数据集进行图像预处理,获取标注车辆图像集;
按照所述多个车辆特征维度对所述标注车辆图像集进行特征值标注,获取车辆标注结果集;
基于所述标注车辆图像集与所述车辆标注结果集构建所述车辆实例识别分支;
将所述图像采集结果输入所述车辆实例识别分支中,输出车辆实例识别结果;
对所述车辆实例识别结果进行实时行驶位置标识和实时行驶时刻标识,添加至所述实时行驶信息中。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
所述车辆速度识别分支调取当前时刻和上一时刻的车辆实例识别结果,作为第一车辆实例识别结果和第二车辆实例识别结果;
在所述第一车辆实例识别结果中调取第一行驶位置与第一行驶时刻;
在所述第二车辆实例识别结果中调取第二行驶位置与第二行驶时刻;
基于第一行驶位置、第一行驶时刻、第二行驶位置、第二行驶时刻,输出实时行驶速度;
将所述实时行驶速度添加至所述实时行驶信息中。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
所述车辆方向识别分支调取所述分布式车辆识别装置的布设参数;
基于所述布设参数与所述车辆实例识别结果,输出实时行驶方向;
将所述实时行驶方向添加至所述实时行驶信息中。
8.基于无线通信的车辆位置实时追踪***,其特征在于,所述***包括:
目标区域三维模型构建模块,所述目标区域三维模型构建模块用于确定车辆跟踪目标区域,基于所述车辆跟踪目标区域构建目标区域三维模型;
分布式车辆识别装置布设模块,所述分布式车辆识别装置布设模块用于对所述目标区域三维模型进行路况分析,基于路况分析结果布设分布式车辆识别装置,并对每个所述分布式车辆识别装置进行位置标识;
车辆实时行驶信息获取模块,所述车辆实时行驶信息获取模块用于以所述分布式车辆识别装置对进行车辆识别,获取车辆的实时行驶信息,其中,所述实时行驶信息包括实时行驶位置、实时行驶方向、实时行驶速度、实时行驶时刻;
格式化行驶信息获取模块,所述格式化行驶信息获取模块用于将所述实时行驶信息通过无线通信网络传输至信息整合中心中,所述信息整合中心对所述实时行驶信息进行信息处理,获取格式化行驶信息;
车辆位置实时跟踪信息显示模块,所述车辆位置实时跟踪信息显示模块用于将所述格式化行驶信息传输至可视化显示终端,显示车辆的车辆位置实时跟踪信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311563359.5A CN117835158A (zh) | 2023-11-22 | 2023-11-22 | 基于无线通信的车辆位置实时追踪方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311563359.5A CN117835158A (zh) | 2023-11-22 | 2023-11-22 | 基于无线通信的车辆位置实时追踪方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117835158A true CN117835158A (zh) | 2024-04-05 |
Family
ID=90508558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311563359.5A Pending CN117835158A (zh) | 2023-11-22 | 2023-11-22 | 基于无线通信的车辆位置实时追踪方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117835158A (zh) |
-
2023
- 2023-11-22 CN CN202311563359.5A patent/CN117835158A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107782564B (zh) | 一种自动驾驶车辆测评***及方法 | |
EP3673407B1 (en) | Automatic occlusion detection in road network data | |
EP2427726B1 (en) | Methods and systems for creating digital transportation networks | |
US20240005167A1 (en) | Annotating high definition map data with semantic labels | |
CN107851125B (zh) | 通过车辆和服务器数据库进行两步对象数据处理以生成、更新和传送精确道路特性数据库的***和方法 | |
CN107850672B (zh) | 用于精确车辆定位的***和方法 | |
CN107850453B (zh) | 匹配道路数据对象以更新精确道路数据库的***和方法 | |
US8359156B2 (en) | Map generation system and map generation method by using GPS tracks | |
CN113340325B (zh) | 一种验证车路协同路侧感知融合精度的***、方法及介质 | |
CN113706737B (zh) | 基于自动驾驶车辆的路面巡检***及方法 | |
EP4273501A1 (en) | Method, apparatus, and computer program product for map data generation from probe data imagery | |
Gressenbuch et al. | Mona: The munich motion dataset of natural driving | |
CN117436821B (zh) | 交通事故诊断报告的生成方法、设备及存储介质 | |
CN114971166A (zh) | 一种轻量化道路路面服务质量巡检*** | |
CN110708664A (zh) | 一种交通流感知方法、装置及计算机存储介质、电子设备 | |
CN113727434B (zh) | 一种基于边缘计算网关的车路协同辅助定位***及方法 | |
US11682298B2 (en) | Practical method to collect and measure real-time traffic data with high accuracy through the 5G network and accessing these data by cloud computing | |
CN117835158A (zh) | 基于无线通信的车辆位置实时追踪方法及*** | |
CN114120631B (zh) | 构建动态高精度地图的方法、装置及交通云控平台 | |
CN116129631A (zh) | 一种车路协同数据处理方法及相关设备 | |
Yang et al. | Three-dimensional structure determination of grade-separated road intersections from crowdsourced trajectories | |
CN117612127B (zh) | 场景生成方法、装置和存储介质及电子设备 | |
EP4273502A1 (en) | Method, apparatus, and computer program product for map geometry generation based on data aggregation and conflation | |
CN114216469B (zh) | 一种对高精地图进行更新的方法、智慧基站及存储介质 | |
US20240127603A1 (en) | Unified framework and tooling for lane boundary annotation |
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 |