CN117576889A - 一种基于ai服务的混合交通流车路协同联合调度方法 - Google Patents
一种基于ai服务的混合交通流车路协同联合调度方法 Download PDFInfo
- Publication number
- CN117576889A CN117576889A CN202311167732.5A CN202311167732A CN117576889A CN 117576889 A CN117576889 A CN 117576889A CN 202311167732 A CN202311167732 A CN 202311167732A CN 117576889 A CN117576889 A CN 117576889A
- Authority
- CN
- China
- Prior art keywords
- traffic
- road
- accident
- platform
- service
- 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 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000008447 perception Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 206010039203 Road traffic accident Diseases 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 239000011435 rock Substances 0.000 abstract description 4
- 230000002035 prolonged effect Effects 0.000 abstract description 3
- 230000001105 regulatory effect Effects 0.000 abstract 2
- 230000000903 blocking effect Effects 0.000 abstract 1
- 239000004575 stone Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于交通技术领域，具体为一种基于AI服务的混合交通流车路协同联合调度方法，S1：通过传统交通设备建立交通监测平台，利用雷达感应、交通摄像和监控摄像设备。本发明通过AI结合交通大数据，将各交通导航平台的出行数据集中于在线地图平台，在出现交通事件后，及时通过AI确认交通事件程度，并由AI通过互联网平台对即将到达该路段的导航车辆及时更改路线，同时利用电子指示牌，指示行驶的车辆汇入其他车道内，并对路口的信号灯进行调整，适当延长红灯时间，针对容易出现事故路段，山体滑坡以及落石的道路需要增设设备，有利于在交通事件发生后及时调整信号灯以及电子指示牌，缓解拥堵路段的交通压力以及协调车道，避免事故车道大量堵塞。
Description
技术领域
本发明涉及交通技术领域，具体为一种基于AI服务的混合交通流车路协同联合调度方法。
背景技术
AI在交通管理方面发挥着重要作用，传感器、摄像头和智能设备的广泛应用使城市能够实时收集和分析大量的交通数据，通过深度学习和数据分析，AI可以预测交通流量、优化交通信号控制，并提供实时的交通状况信息。
现有专利(公告号为CN114693053A)及一种基于AI智能分析检测的风险评估和风险预测系统及预测方法，此专利利用综合风险管理系统，综合获取各类风险参数传感数据，并对风险参数传感数据进行综合数据管理，和综合分析，从而实现各类风险参数传感数据的共享，为城市管理和风险预报和预警带来更多的管理和效率，其通过天网、道路监视、社区人员监控，实现全方位的风险应对，并且能够实现各部门的风险应对和消除的协调，从而能够快速处理风险，通过手机号对关注人员进行标识，并基于通信运营商的基站对关注人员的行踪进行定位追踪，在关注人员走出相应的关注人员监视区域时，将该风险因子发送给所述风险处理调度模块，从而所述风险处理调度模块调度相应的风险处理部门进行风险降低或风险消除；同时，通过所述风险预警和警报模块进行风险报警和关注人员进行报警，以便提醒关注人员，在实际交通出现事件时，再启动其他部门，其他部门做出预案和出发执行，在此期间也会加剧拥护的发生，现有的部门调配无法及时完成车道的分流，以及对预计进入道路车辆进行分流。
因此，我们提出一种基于AI服务的混合交通流车路协同联合调度方法，有利于在交通事件发生后及时调整信号灯以及电子指示牌，缓解拥堵路段的交通压力以及协调车道，避免事故车道大量堵塞，有利于及时通知行驶车辆以及预计导航通过车辆前方拥堵，提醒完成车辆分流。
发明内容
为了克服现有技术的上述缺陷，本发明提供了一种基于AI服务的混合交通流车路协同联合调度方法，以解决上述背景技术中存在的问题。
为实现上述目的，本发明提供如下技术方案：一种基于AI服务的混合交通流车路协同联合调度方法：
S1：通过传统交通设备建立交通监测平台，利用雷达感应、交通摄像和监控摄像设备，对拥堵道路上架设电子指示牌；
S2：搭建互联网在线地图平台，将行驶中的汽车的行车路线上传至在线地图平台；
S3：通过建立交通大数据结合AI，通过AI对公共交通车辆以及交通数据进行学习；
S4：通过AI的自主学习能力，利用数据处理系统对各道路车流量进行计算；
S5：通过交通监测平台对单一道理上车流进行计算，并通过AI计算出高峰时间；
S6：通过互联网通讯向位于在线地图平台通过该道路用户发送路线更改计划；
S7：通过AI学习大数据中事故图片，进而形成事件预警，在事故发生后联合调度；
S8：通过AI将事故所占道路提前通过电子指示牌进行显示，并于在线地图平台进行预警；
S9：针对事故多发以及周期性车辆高峰建立应急管理系统，由AI通过摄像头所拍摄画面进行判断道理情况，并做出对应的调度情况。
进一步的：通过大数据在出行平台分析出行数据，结合实际交通监测平台的道路情况，给出最佳的交通方式。
进一步的：AI是由智能感知、精确性计算、智能反馈控制三个环节组成，完成感知、思考、行动三个层层递进的特征，智能感知就是通过传感器以及摄像头使得计算机能听会看，精确性计算通过大数据的图片实现自我学习、逻辑判断、高效决策，智能反馈通过电子指示牌、电子信号灯以及在线地图平台是实现信息的反馈上传。
进一步的：大数据包括拥堵区域的停车场信息，由AI将停车场内信息通过互联网通知在线地图平台。
进一步的：由应急管理系统基于实时发现交通事故，进行定量评估事故等级和影响范围，辅助事故责任鉴定，完成事故车道关闭、车道级动态限速、应急车道疏导进行疏导交通。
与现有技术相比，本发明的技术效果和优点：
1)本发明的基于AI服务的混合交通流车路协同联合调度方法，通过AI结合交通大数据，将各交通导航平台的出行数据集中于在线地图平台，在出现交通事件后，及时通过AI确认交通事件程度，并由AI通过互联网平台对即将到达该路段的导航车辆及时更改路线，同时利用电子指示牌，指示行驶的车辆汇入其他车道内，并对路口的信号灯进行调整，适当延长红灯时间，针对容易出现事故路段，山体滑坡以及落石的道路需要增设设备，有利于在交通事件发生后及时调整信号灯以及电子指示牌，缓解拥堵路段的交通压力以及协调车道，避免事故车道大量堵塞。
2)本发明的基于AI服务的混合交通流车路协同联合调度方法，通过交通设备中的传感器和交通摄像对道路车辆进行计算，并通过AI预计时间周期内拥堵路段的通行数量，进而调整路口的信号灯的红绿灯时间，并通过电子指示牌以及在线地图平台通知即将行驶至拥堵路段的车辆和电子导航车辆对拥堵路段进行规避，有利于及时通知行驶车辆以及预计导航通过车辆前方拥堵，提醒完成车辆分流。
具体实施方式
下面将对本发明中的技术方案进行清楚、完整地描述，另外，在以下的实施方式中记载的各结构的形态只不过是例示，本发明所涉及的结构并不限定于在以下的实施方式中记载的各结构，在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方式都属于本发明保护的范围。
实施例：
本发明提供一种技术方案：一种基于AI服务的混合交通流车路协同联合调度方法：
S1：通过传统交通设备建立交通监测平台，利用雷达感应、交通摄像和监控摄像设备，对拥堵道路上架设电子指示牌；
S2：搭建互联网在线地图平台，将行驶中的汽车的行车路线上传至在线地图平台；
S3：通过建立交通大数据结合AI，通过AI对公共交通车辆以及交通数据进行学习；
S4：通过AI的自主学习能力，利用数据处理系统对各道路车流量进行计算；
S5：通过交通监测平台对单一道路上车流进行计算，并通过AI计算出高峰时间；
S6：通过互联网通讯向位于在线地图平台通过该道路用户发送路线更改计划；
S7：通过AI学习大数据中事故图片，进而形成事件预警，在事故发生后联合调度；
S8：通过AI将事故所占道路提前通过电子指示牌进行显示，并于在线地图平台进行预警；
S9：针对事故多发以及周期性车辆高峰建立应急管理系统，由AI通过摄像头所拍摄画面进行判断道理情况，并做出对应的调度情况。
其中，通过大数据在出行平台分析出行数据，结合实际交通监测平台的道路情况，给出最佳的交通方式。
其中，AI是由智能感知、精确性计算、智能反馈控制三个环节组成，完成感知、思考、行动三个层层递进的特征，智能感知就是通过传感器以及摄像头使得计算机能听会看，精确性计算通过大数据的图片实现自我学习、逻辑判断、高效决策，智能反馈通过电子指示牌、电子信号灯以及在线地图平台是实现信息的反馈上传。
其中，大数据包括拥堵区域的停车场信息，由AI将停车场内信息通过互联网通知在线地图平台。
其中，由应急管理系统基于实时发现交通事故，进行定量评估事故等级和影响范围，辅助事故责任鉴定，完成事故车道关闭、车道级动态限速、应急车道疏导进行疏导交通。
具体实施例
具有双方六车道的A道路上中段出现事故；随即左侧车道被占，出现拥堵。
例1
同向行驶的车辆B，其位于A道路的前段，即将行驶至A道路中段事故位置，通过交通监测平台的摄像头拍摄到事故照片，并由AI的智能感知确定事故发生，并确定事故发生范围在左侧车道，通过AI通知交管部门事故发生，并根据事故发生后，其后方拥堵车辆数量确定拥堵级别，在拥堵车辆数量较低的情况，启动A道路上的电子指示牌，通知A道路的中段左侧车道发生事故，其车辆慢行以及及时变道规避，而车辆B在观察到电子指示牌上的通知，及时进行了变道规避。
例2
车辆C由A1道路通过导航路线向A道路行驶，A道路已经出现大规模拥堵情况。
通过交通监测平台的摄像头拍摄到事故照片，并由AI的智能感知确定事故发生，并确定事故发生范围在左侧车道，通过AI通知交管部门事故发生，并根据事故发生后，其后方拥堵车辆数量确定拥堵级别，通过摄像画面由AI计算出大量拥堵车辆后，对汇入A道路的路口信号灯进行调度，拉长红灯时间，通过电子指示牌说明，前方事故可绕行，使得部分在路口等待的车辆提前做出变道绕路，同时通过AI将事故信息，通过互联网通讯上传至在线地图平台，进而各大导航软件结合通知，进而导航经过A道路的车辆C，收到建议更改路线通知，进而及时对拥堵进行规避。
例3
在公交系统中，通过交通监测平台的摄像头所拍摄公交车站的人数，由AI计算，进而针对同一路线的公交车站人数就是统计，根据人数通知公交车系统启动公交车，及时将聚集于公交车站的人员进行分流带走。
例4
在容易出现山体滑坡以及落石的道路，出现双向两车道的道路G的右侧出现落石后；
通过交通监测平台的摄像头拍摄到事故照片，并由AI的智能感知确定落石事故发生，并确定落石事故发生范围在右侧车道，通过AI通知交管部门落石事故发生，同时通过AI将落石事故信息，通过互联网通讯上传至在线地图平台，进而各大导航软件结合通知，车辆C即将经过落石道路，可由道路上电子指示牌了解前方出现落石，以及落石所在车辆及时进行减速变道规避，或者在导航中了解到落石具体位置，并在靠近落石路段时，及时减速观察并变道。
车路协同是一个完整的技术系统，其需要多个领域的尖端技术进行融合、共同建设和落地，通过其感知层的设备，例如雷达、视频摄像机、北斗系统等一系列感知设备去感知交通系统运行期间各种信息资源，并利用计算资源和通信资源设备实现信息的转化和传递，并最终形成各类交通领域的安全增效应用。
常用的传感器有摄像头、毫米波雷达和激光雷达使用单一传感器进行检测存在局限性，将多种传感器的数据融合能够结合不同传感器的优点起到扬长游短的效果。
将雷达与视频监控(摄像头)进行融合，最大程度实现两大技术方案的优势互补，发挥出1+1>2的效果，雷视一体机内置高清AI摄像单元，在硬件结构、数据采集数据处理等多维度上深度融合，实现全天候、超视距、高精准感知，可广泛应用于数字道路智能路口、全息隧道、盲区预警、超速提醒。
以路口的交通信息为例，普通摄像机只能对车辆的方向、速度、车道流量等信息进行采集，但结合视觉AI之后，可以通过摄像机看到路口的所有交通参与者状态以及细节信息，比如斑马线上是小孩还是老人、路口有没有救护车等等各类细节，进而通过视觉AI技术，可以更直观地展示出当前交通的状态和各种详细信息，体现出视觉技术对于宏观管理者的重要性。
随着AI学习的数据不断增多，还可以对路段标志标牌远程监管，识别出缺失标牌，又或者对刹车痕迹识别通过痕迹密度，进一步分析危险因素，通过视频+AI技术识别出道路运行状况，并向上级平台实时推送，综合路网现状，将具体情况通过各种媒介向公众发布。
在高速安全事件检测中，实时监测重点路段影响行车安全因素，如道路抛撒物、行人/动物上高速交通事故、车辆逆行等安全事件。
基于AI的智能感知系统，实时了解路网运行状况，同时，结合历史数据对未来路网状态进行智能预测，对路网运行的交通容量、出行需求、交通状态三大特征进行分析计算，为交通管理智能决策提供大数据分析。
通过结合语音、图像、数据、集群对进等多种通信手段为指挥中心提供实时、准确的现场情况，实现远程指挥调度，提供多种研判技术和处理方案真正提高快速反应、统一调度、协同指挥能力。
AI在交通还具有：
通过AI算法对路口运行效率进行实时监测和展示，从而起到优化信号灯配时作用来进行调节，主要针对两种现象，一是路口运行失衡，二是出口溢出，当一个交叉口某个方向非常拥堵，而其他方面运行顺畅，则称之为路口失衡，这种情况可以适当增加拥堵方向的信号配时，减少顺畅方向的配时来缓解路口的拥堵，出口溢出预警则是监控出口拥堵情况，将溢出可能性大的路口进行排序展示，以便及时实施流量控制和干预，避免路口溢出导致路口瘫痪。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种基于AI服务的混合交通流车路协同联合调度方法，其特征在于：
S1：通过传统交通设备建立交通监测平台，利用雷达感应、交通摄像和监控摄像设备，对拥堵道路上架设电子指示牌；
S2：搭建互联网在线地图平台，将行驶中的汽车的行车路线上传至在线地图平台；
S3：通过建立交通大数据结合AI，通过AI对公共交通车辆以及交通数据进行学习；
S4：通过AI的自主学习能力，利用数据处理系统对各道路车流量进行计算；
S5：通过交通监测平台对单一道路上车流进行计算，并通过AI计算出高峰时间；
S6：通过互联网通讯向位于在线地图平台通过该道路用户发送路线更改计划；
S7：通过AI学习大数据中事故图片，进而形成事件预警，在事故发生后联合调度；
S8：通过AI将事故所占道路提前通过电子指示牌进行显示，并于在线地图平台进行预警；
S9：针对事故多发以及周期性车辆高峰建立应急管理系统，由AI通过摄像头所拍摄画面进行判断道理情况，并做出对应的调度情况。
2.根据权利要求1所述的一种基于AI服务的混合交通流车路协同联合调度方法，其特征在于：通过大数据在出行平台分析出行数据，结合实际交通监测平台的道路情况，给出最佳的交通方式。
3.根据权利要求1所述的一种基于AI服务的混合交通流车路协同联合调度方法，其特征在于：AI是由智能感知、精确性计算、智能反馈控制三个环节组成，完成感知、思考、行动三个层层递进的特征，智能感知就是通过传感器以及摄像头使得计算机能听会看，精确性计算通过大数据的图片实现自我学习、逻辑判断、高效决策，智能反馈通过电子指示牌、电子信号灯以及在线地图平台是实现信息的反馈上传。
4.根据权利要求1所述的一种基于AI服务的混合交通流车路协同联合调度方法，其特征在于：大数据包括拥堵区域的停车场信息，由AI将停车场内信息通过互联网通知在线地图平台。
5.根据权利要求1所述的一种基于AI服务的混合交通流车路协同联合调度方法，其特征在于：由应急管理系统基于实时发现交通事故，进行定量评估事故等级和影响范围，辅助事故责任鉴定，完成事故车道关闭、车道级动态限速、应急车道疏导进行疏导交通。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311167732.5A CN117576889A (zh) | 2023-09-12 | 2023-09-12 | 一种基于ai服务的混合交通流车路协同联合调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311167732.5A CN117576889A (zh) | 2023-09-12 | 2023-09-12 | 一种基于ai服务的混合交通流车路协同联合调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117576889A true CN117576889A (zh) | 2024-02-20 |
Family
ID=89861269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311167732.5A Pending CN117576889A (zh) | 2023-09-12 | 2023-09-12 | 一种基于ai服务的混合交通流车路协同联合调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117576889A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118379832A (zh) * | 2024-06-27 | 2024-07-23 | 山东冠县恒良管业有限公司 | 一种高速公路护栏板的碰撞报警系统 |
-
2023
- 2023-09-12 CN CN202311167732.5A patent/CN117576889A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118379832A (zh) * | 2024-06-27 | 2024-07-23 | 山东冠县恒良管业有限公司 | 一种高速公路护栏板的碰撞报警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108364494B (zh) | 道路交通智能管理方法、系统及平台 | |
| CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
| WO2017124584A1 (zh) | 一种支持汽车无人自动驾驶的道路路面的信息化和网络化实施方法 | |
| CN101419750B (zh) | 基于数据特征的城市信号控制路口交通状态检测评价方法 | |
| CN110942653A (zh) | 一种基于车联网的智能驾驶汽车辅助泊车系统 | |
| CN102024330A (zh) | 基于高清视频技术的智能交通信号控制系统、方法及设备 | |
| WO2022027763A1 (zh) | 一种基于广域雷达的路面诱导系统及方法 | |
| CN104464314A (zh) | 一种公交车专用道交叉口的公交优先通行方法 | |
| CN112140995A (zh) | 一种基于网络云端的智能汽车安全驾驶系统 | |
| CN112150799A (zh) | 一种融合雷达视频的道路车辆交通大数据采集的方法 | |
| CN112735185A (zh) | 一种基于5g及北斗技术的车辆管理系统 | |
| CN110769054A (zh) | 一种基于物联网的智能交通监控平台及方法 | |
| CN117576889A (zh) | 一种基于ai服务的混合交通流车路协同联合调度方法 | |
| CN110807929A (zh) | 一种交通警用辅助指挥信息分析研判系统 | |
| Ranka et al. | A vision of smart traffic infrastructure for traditional, connected, and autonomous vehicles | |
| CN112216106A (zh) | 基于bim技术的智能交通管理系统 | |
| Trivedi et al. | A vision-based real-time adaptive traffic light control system using vehicular density value and statistical block matching approach | |
| CN114170804B (zh) | 一种基于车路协同的交叉口最优车速引导方法及系统 | |
| CN203204835U (zh) | 车辆坠物和碰撞事件检测分析系统 | |
| Makhloga | IMPROVING INDIA’S TRAFFIC MANAGEMENT USING INTELLIGENT TRANSPORTATION SYSTEMS | |
| CN210606089U (zh) | 一种基于云计算的公共管理系统 | |
| Agarwal et al. | Intelligent traffic solutions (role of machine learning and machine reasoning) | |
| Zhao et al. | Research on the Application of Intelligent Transportation System in Transportation Management | |
| Gao | Design of Intelligent Zebra Crossing System Based on Cloud-network Convergence | |
| Aye | Design and construction of LAN based car traffic control system |
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 |