CN118781806A - 一种智能化交通信息共享其方法及系统 - Google Patents

一种智能化交通信息共享其方法及系统 Download PDF

Info

Publication number
CN118781806A
CN118781806A CN202410910478.1A CN202410910478A CN118781806A CN 118781806 A CN118781806 A CN 118781806A CN 202410910478 A CN202410910478 A CN 202410910478A CN 118781806 A CN118781806 A CN 118781806A
Authority
CN
China
Prior art keywords
traffic
fixedly connected
data
wall
lifting
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
Application number
CN202410910478.1A
Other languages
English (en)
Inventor
张可
石煜诚
汤兵
张辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Besen Intelligent Technology Co ltd
Original Assignee
Jiangsu Besen Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Besen Intelligent Technology Co ltd filed Critical Jiangsu Besen Intelligent Technology Co ltd
Priority to CN202410910478.1A priority Critical patent/CN118781806A/zh
Publication of CN118781806A publication Critical patent/CN118781806A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • 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
    • G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
    • 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)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种智能化交通信息共享其方法及系统，涉及交通共享技术领域，本发明与之前的交通管理系统相比，解决了传统交通管理系统的数据实时性和准确性不足，且需要大量计算和存储资源，成本高昂，极易涉及用户隐私和数据安全，难以针对个体提供个性化交通服务的问题，通过边缘计算技术将数据处理能力推向网络边缘，结合分布式计算能力，在接近数据源的地方进行交通数据的局部处理和分析，减少传输带宽需求和中心服务器的负担，提高实时数据的处理速度和响应能力，且结合人工智能技术进行实时交通流预测和优化调整，改善交通流畅度和减少交通拥堵，同时，结合人工智能技术为用户提供个性化的交通信息推荐和服务，提升用户体验和服务精准度。

Description

一种智能化交通信息共享其方法及系统
技术领域
本发明涉及交通共享技术领域，尤其涉及一种智能化交通信息共享其方法及系统。
背景技术
随着城市化进程的加快，城市交通问题日益突出。交通拥堵、车流混乱以及交通事故频发，已经成为现代城市管理中急需解决的重要问题之一。传统交通管理系统大多依赖于固定式监控设备和人工指挥调度，存在实时数据采集效率低、数据处理能力不足、信息反馈滞后等问题，难以满足复杂多变的城市交通管理需求。
随着社会的发展，交通工具的数量不断增加，路面上的交通事故、拥堵等问题也越发严重。因此，智能交通系统应运而生，该系统通过信息共享平台，将各类信息整合起来，为用户出行提供更为准确的辅助方案，为交通管理部门的决策提供更加准确的数据，为出行者提供更加便捷的出行服务。
但是传统的中心化交通管理系统可能面临处理数据时延较高的问题，导致交通信息的实时性和准确性不足。且传统的中心化交通管理系统可能需要大量的计算和存储资源，成本高昂。大规模的数据收集和处理可能涉及用户隐私和数据安全问题。传统的交通管理系统难以针对个体用户或车辆提供个性化的交通信息和优化路线服务。
随着物联网技术、人工智能和边缘计算的发展，智能交通系统逐渐成为解决城市交通问题的重要手段。智能交通系统通过综合利用摄像头、雷达传感器、电磁传感器等设备，实时监控交通状况，分析车流数据，实现对交通流量的智能引导和动态调控。然而，现有的智能交通系统在持续稳定运行和能源供给方面仍存在诸多挑战。
为了解决上述问题，本发明提出一种智能化交通信息共享其方法及系统。
发明内容
本发明的目的在于提出一种智能化交通信息共享其方法及系统以解决背景技术中所提出的问题：
传统的中心化交通管理系统可能面临处理数据时延较高的问题，导致交通信息的实时性和准确性不足。且传统的中心化交通管理系统可能需要大量的计算和存储资源，成本高昂。大规模的数据收集和处理可能涉及用户隐私和数据安全问题。传统的交通管理系统难以针对个体用户或车辆提供个性化的交通信息和优化路线服务。
为了实现上述目的，本发明采用了如下技术方案：
一种智能化交通信息共享方法，包括如下步骤：
S1：在城市各个关键交通节点部署边缘计算设备，并基于所述边缘计算设备收集交通数据；
S2：在边缘设备上部署人工智能模型，对交通数据进行实时分析和预测；
S3：将处理后的交通数据发送到信息共享系统进行集中处理和存储；
S4：基于实时更新的数据优化人工智能模型；
S5：将集成的实时交通信息通过不同渠道进行发布；
S6：收集用户反馈和数据回传，并以此优化交通信息共享系统。
优选地，所述S2中部署人工智能模型步骤如下：
S2.1：将交通网络中的路段或交叉口作为图的节点，并定义节点之间的连接关系；
S2.2：使用图卷积网络对每个节点的特征进行特征学习和更新；
S2.3：根据历史数据和驾驶者行为模式，基于BHAR模型建立驾驶者行为的数学模型；
S2.4：结合图卷积神经网络学习到的交通网络结构和特征，构建交通系统的层次结构模型；
S2.5：基于实时的交通数据更新图的节点和边的状态，结合图卷积网络和BHAR模型的学习结果，生成关于交通的预测输出；
S2.6：通过实时数据反馈，优化图卷积网络和BHAR模型的参数。
优选地，所述S2中部署人工智能模型具体如下：
所述S2.1中定义的节点包括相关的交通特征信息，将N个节点构成的交通网络定义为一个加权有向图R＝(X,Y,Z)，其中，X为节点集，|X|＝N为节点个数，Y表示图中的边集；Z＝(Zij)N×N表示节点邻近度的自适应加权邻接矩阵；
其中，ReLU表示激活函数；为共享算子；T表示向量的转置；&表示合并操作；rij、rik均为注意力系数；w表示有向边权重向量；
使用C(x,t)代表节点x在时间t的交通实际观测值，其对应的真实值通过潜在的随机过程B(x,t)刻画，二者满足如下测量误差模型：
C(x,t)＝AT(x,t)λ+B(x,t)+σ(x,t)
其中，x＝x1,x2,Λ,xn表示n个监测节点的观测向量；t＝1,2,Λ,τ为采集时间；A(x,t)表示d维观测向量；λ为回归系数；σ(x,t)为误差项；
对当前交通潜在的异常水平B(x,t)建立一阶自回归模型：
B(x,t)＝δ·B(x,t-1)+ξ(x,t)
其中，ξ(x,t)为残差随机项，用于刻画潜在异常水平的时空随机效应；ξ(x,t)在时间上独立，在空间上满足高斯过程GP(0,Φξ)，其中， 表示不随时间变化的方差；ηξ表示与空间相关的协方差矩阵；
根据交通分层模型，分别对应车辆层次、路网层次和整体交通流动层次；
基于高斯混合模型进行BHAR模型的参数估计，将加权有向图与BHAR模型的输出结果进行加权融合，并进行交通状况的预测。
优选地，所述S2中，还基于分析结果提供实时的交通优化建议；
在数据收集、处理和共享过程中，使用加密技术保护数据的传输和存储安全。
优选地，S3中所述信息共享系统还为用户和第三方提供API接口。
优选地，所述S5中的渠道包括移动应用程序、行车电台、动态路标和LED显示屏，以及社交媒体平台和网站。
优选地，一种智能化交通信息共享系统，包括位于关键交通节点部署的边缘计算设备，所述边缘计算设备的输出端电性连接有数据存储模块和数据收发器，所述边缘计算设备的输入端电性连接有电器控制模块、摄像头、雷达传感器和地磁传感器，所述电器控制模块的输入端电性连接有续航保障模块，所述数据收发器的输出端电性连接有区域无线电广播模块；
所述数据收发器通讯连接有云端数据共享模块，所述云端数据共享模块开放有用于外部数据接入的API接口，所述API接口的输入端电性连接有app反馈模块，所述app反馈模块和区域无线电广播模块均通讯连接有车载终端。
优选地，所述云端数据共享模块与若干个关键交通节点共同接入交管系统统一管理。
优选地，所述续航保障模块包括控制座，所述控制座的内壁转动设置有升降偏分杆组，所述升降偏分杆组的表面安装有折叠风叶，所述控制座的表面固定连接有柜体；
所述边缘计算设备与电气控制模块均设置在柜体内，柜体的内壁设置有电池包；
所述柜体的上表面固定连接有护顶，所述升降偏分杆组贯穿转动在护顶的表面；
所述护顶的两侧均固定连接有撑架，两个撑架的表面均贯穿滑动有定位架，两个定位架的顶端共同固定连接有侧罩，所述侧罩的内壁固定连接有光伏板，所述光伏板的上表面设置有清理组件，所述清理组件固定连接在升降偏分杆组的表面；
所述定位架的上表面固定连接有保持架，所述保持架的顶端固定连接有减速平台，所述减速平台固定连接在升降偏分杆组的顶端，所述减速平台的上表面安装有探测头；
所述柜体的内壁固定连接有气泵，所述气泵通过连通管与控制座的内壁相连通；
一侧撑架的末端固定连接有电机，所述电机的输出端固定连接有传动轮，所述传动轮的表面通过传动皮带与折叠风叶传动连接。
优选地，所述控制座包括贯穿固定在柜体下表面的下座体，所述下座体的下表面固定连接有底柱，所述下座体的上表面固定连接有护筒，所述下座体内壁的下表面固定连接有保持弹簧，所述保持弹簧的顶端固定连接有密封滑动在下座体内壁的增压活塞，所述下座体的内壁固定连接有气密旋转件，所述控制座还包括固定在升降偏分杆组底端的旋转接电头；
所述升降偏分杆组包括自旋柱，所述自旋柱密封转动在气密旋转件的内壁，所述自旋柱的表面转动贯穿在护顶的上表面，所述自旋柱的内壁轴向密封滑动有第一气密塞，所述第一气密塞的内壁固定连接有中部升降筒，所述中部升降筒的内壁轴向密封滑动有第二气密塞，所述第二气密塞的内壁固定连接有升降杆，所述升降杆贯穿转动在光伏板的表面，所述自旋柱的内壁固定连接有下位导套，所述中部升降筒的顶端固定连接有上位导套；
所述中部升降筒的弧形侧壁开设有第一弧形槽，升降杆的弧形侧壁开设有第二弧形槽，所述下位导套的内壁固定连接有配合第一弧形槽内滑动的第一导向块，所述上位导套的内壁固定连接有配合第二弧形槽内滑动的第二导向块；
所述折叠风叶包括固定连接在自旋柱顶端的旋转轮，所述旋转轮的表面与传动皮带传动配合，所述折叠风叶还包括固定连接在中部升降筒顶端的中部撑环，所述折叠风叶还包括固定在升降杆顶端的顶部撑架，所述旋转轮与中部撑环的相对面共同固定有两个下风叶，所述中部撑环与顶部撑架的相对面共同固定连接有两个上风叶；
所述光伏板的弧形侧壁固定连接有侧罩；
所述清理组件包括固定连接在升降杆表面的轴座，所述轴座的表面转动连接有若干个刷轮，所述刷轮的另一端固定连接有磨轮，所述磨轮贴合滚动在侧罩的内壁；
减速平台包括固定在保持架顶端的内齿环座，所述内齿环座的弧形侧壁限位滑动有旋转顶盖，所述旋转顶盖的下表面转动设置有若干个减速齿轮，若干个减速齿轮的表面共同啮合在内齿环座的内壁，若干个减速齿轮的表面共同啮合有中心齿轮，所述中心齿轮固定连接在升降杆的顶端，所述升降杆贯穿转动在内齿环座的下表面。
与现有技术相比，本发明提供了一种智能化交通信息共享其方法及系统，具备以下有益效果：
本方案通过关键交通节点设立边缘计算设备，该系统通过边缘计算设备通过摄像头、雷达传感器和电磁传感器检测车流状态、密度和速度数据，该数据存储后经由数据收发器进行加密传输，其数据通过传输到云端数据共享模块，使其结合不同关键交通节点的数据进行整合，交管系统和API接口能够进行数据的索引，包括区域无线电广播模块对一定区域内的行车电台进行道路信息广播，及移动应用程序包括导航软件进行数据支持，配合能够进行引导车流，对改善交通提供综合且准确全面的数据支持，且整体能够在交管系统的全面监管下运行，可靠性高；
本发明通过边缘计算技术将数据处理能力推向网络边缘，结合分布式计算能力，使得交通数据可以在接近数据源的地方进行局部处理和分析，减少传输带宽需求和中心服务器的负担，大大提高了实时数据的处理速度和响应能力。且利用边缘计算提供的低延迟和高吞吐能力，结合人工智能技术进行实时的交通流预测和优化调整，改善交通流畅度和减少交通拥堵；同时，通过人工智能技术分析用户的历史数据和行为，为用户提供个性化的交通信息推荐和服务，提升用户体验和服务精准度。这种智能化交通信息共享方法，利用边缘计算和人工智能技术，能够提升交通管理的效率和实时性，改善城市居民的出行体验，并为未来智能城市的建设提供技术支持和解决方案；
本方案为了保障持续可靠的运作模式，通过引入续航保障模块，其通过内置的电池包对整体进行备用能源供应，当市电断开时，其自动切换到电池包，满足一段时间内的持续运行，同时在断电后，气泵启动，通过连通管将控制座内注入高压空气，在气压作用下，升降偏分杆组开始伸长，使其折叠风叶在展开过程中随着升降偏分杆组进行一定程度的偏转，进而使其折叠风叶在展开后扭转形成能够随着风力作用的转动结构，当气流作用后，其传动皮带带着电机转动，并将发出的电能存储到电池包，该方式，能够在正常使用时接入市电使用，在因不可抗力因素作用出现断电后能够实现持续的稳定运行；
同时在使用时，随着折叠风叶转动时，带着清理组件转动在光伏板的表面，使其能够对光伏板进行清洁，进而实现接入外部电源时通过光伏板对电池组进行蓄电，并一段时间进行放电重新补电，在断电时，能够结合光电和风电的配合，满足电力续航的需要，同时断电时，交通的监控系统均瘫痪，此时在风力作用下缓慢自转的探测头进行环形四周的探测，实现低能耗的持续运行。
附图说明
图1为本发明实施例1中提到的方法流程图；
图2为本发明实施例1中提到的不同算法预测结果示意图；
图3为本发明系统框图；
图4为本发明关键交通节点立体的结构示意图；
图5为本发明柜体立体的剖面结构示意图；
图6为本发明去除底柱后的截面结构示意图；
图7为本发明局部猎头的剖面结构示意图；
图8为本发明另一局部位置剖面的结构示意图；
图9为本发明折叠风叶爆炸的结构示意图；
图10为本发明减速平台截面的结构示意图；
图11为本发明通入市电的状态结构示意图。
图中：1、柜体；2、护顶；3、控制座；31、下座体；32、护筒；33、保持弹簧；34、增压活塞；35、气密旋转件；36、旋转接电头；4、升降偏分杆组；41、自旋柱；42、中部升降筒；43、升降杆；44、第一气密塞；45、第二气密塞；46、下位导套；47、上位导套；5、折叠风叶；51、旋转轮；52、中部撑环；53、顶部撑架；54、下风叶；55、上风叶；6、减速平台；61、内齿环座；62、旋转顶盖；63、中心齿轮；64、减速齿轮；65、安装台；7、清理组件；71、轴座；72、刷轮；73、磨轮；8、边缘计算设备；9、电气控制模块；10、电池包；11、气泵；12、连通管；13、传动皮带；14、传动轮；15、电机；16、撑架；17、光伏板；18、侧罩；19、第一导向块；20、第二导向块；21、探测头；22、保持架；23、底柱；24、定位架；25、第一弧形槽；26、第二弧形槽。
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。
本发明通过边缘计算技术将数据处理能力推向网络边缘，结合分布式计算能力，使得交通数据可以在接近数据源的地方进行局部处理和分析，减少传输带宽需求和中心服务器的负担，大大提高了实时数据的处理速度和响应能力。且利用边缘计算提供的低延迟和高吞吐能力，结合人工智能技术进行实时的交通流预测和优化调整，改善交通流畅度和减少交通拥堵；同时，通过人工智能技术分析用户的历史数据和行为，为用户提供个性化的交通信息推荐和服务，提升用户体验和服务精准度。这种智能化交通信息共享方法，利用边缘计算和人工智能技术，能够提升交通管理的效率和实时性，改善城市居民的出行体验，并为未来智能城市的建设提供技术支持和解决方案。具体包括以下内容。
实施例1：
请参阅图1-2，本发明一种智能化交通信息共享方法，包括如下步骤：
S1：在城市各个关键交通节点部署边缘计算设备，并基于所述边缘计算设备收集交通数据；具体如下：
在交通繁忙的地区部署边缘设备，如智能交通灯、路边传感器等，用于收集实时交通数据。在边缘设备上进行初步的数据处理和分析，例如实时的车辆检测、流量监控等。
S2：在边缘设备上部署人工智能模型，对交通数据进行实时分析和预测；具体如下：
使用机器学习算法和深度学习模型，对收集到的交通数据进行实时分析和预测。例如，预测交通拥堵、事故概率等。具体如下：
将交通网络中的路段或交叉口作为图的节点，每个节点可以包括相关的特征信息，如路段长度、道路类型、历史平均车速等。定义节点之间的连接关系，即路段之间的连接或影响关系。这可以基于道路连接关系、交叉口的邻近关系等来构建图的边。
将N个节点构成的交通网络定义为一个加权有向图R＝(X,Y,Z)，其中，X为节点集，|X|＝N为节点个数，Y表示图中的边集；Z＝(Zij)N×N表示节点邻近度的自适应加权邻接矩阵；
其中，ReLU表示激活函数；为共享算子；T表示向量的转置；&表示合并操作；rij、rik均为注意力系数；w表示有向边权重向量；
每个节点(路段或交叉口)的特征可以通过GCN进行学习和更新。GCN能够考虑节点本身的特征及其周围节点的信息，从而更准确地表示节点的状态和影响力。通过GCN可以获得整个交通网络的图级别特征表示，这些特征反映了整体交通系统的动态变化和状态。
利用BHAR模型对驾驶者行为进行建模，例如预测驾驶者的路径选择、速度调整等。结合GCN学习到的交通网络结构和特征，进行层次化建模，从整体系统到具体路段的不同层次进行预测和分析。
使用C(x,t)代表节点x在时间t的交通实际观测值，其对应的真实值通过潜在的随机过程B(x,t)刻画，二者满足如下测量误差模型：
C(x,t)＝AT(x,t)λ+B(x,t)+σ(x,t)
其中，x＝x1,x2,Λ,xn表示n个监测节点的观测向量；t＝1,2,Λ,τ为采集时间；A(x,t)表示d维观测向量；λ为回归系数；σ(x,t)为误差项；
对当前交通潜在的异常水平B(x,t)建立一阶自回归模型：
B(x,t)＝δ·B(x,t-1)+ξ(x,t)
其中，ξ(x,t)为残差随机项，用于刻画潜在异常水平的时空随机效应；ξ(x,t)在时间上独立，在空间上满足高斯过程GP(0,Φξ)，其中， 表示不随时间变化的方差；ηξ表示与空间相关的协方差矩阵；根据交通分层模型，分别对应车辆层次、路网层次和整体交通流动层次，基于高斯混合模型进行BHAR模型的参数估计。
基于实时的交通数据更新图的节点和边的状态，例如实时车速、交通流量、天气条件等。结合GCN和BHAR模型的学习结果，将加权有向图与BHAR模型的输出结果进行加权融合，生成关于交通拥堵、事故概率等的预测输出。这些输出可以反映出在不同路段和交叉口的预期交通状态和潜在风险。
通过实时数据反馈，优化GCN和BHAR模型的参数，以提升预测准确性和实用性。定期评估整合模型的效果，包括预测准确率、响应时间等指标，确保模型在实际交通管理中的有效性。
通过结合BHAR模型和图卷积网络，能够充分利用交通系统的结构和动态特性，从而提高交通拥堵和事故概率预测的精确度和实时性。
最后基于均方根误差RMSE和平均绝对误差MAE两个测量指标对单纯的BHAR模型预测数据、单纯的图卷积模型预测数据、传统回归算法预测数据、本实施例预测数据和原始数据进行误差对比分析，其中，以单纯的BHAR模型预测数据为算法1，单纯的图卷积模型预测数据为算法2，传统回归算法为算法3，具体可参照表1：
表1不同模型的预测效果对比
由表可知，本实施例提出的模型的RMSE和MAE均低于算法1、算法2和算法3，且参照图2，可知本实施例模型预测值最接近实际值，由此可知本实施例模型具有良好的预测性能。
基于分析结果提供实时的交通优化建议，如交通信号灯的时间调整、路线推荐等。
S3：将处理后的交通数据发送到信息共享系统进行集中处理和存储；具体如下：
将边缘计算设备收集的数据发送到云平台进行集中处理和存储。同时提供开放的API接口，供第三方应用和服务开发者访问实时交通信息和分析结果。
S4：基于实时更新的数据优化人工智能模型；具体如下：
不断更新和优化人工智能模型，以适应交通状况的变化和新的数据模式。
S5：将集成的实时交通信息通过不同渠道进行发布；具体如下：
将处理后的实时交通信息通过多种渠道进行发布，包括：
移动应用程序：向用户提供实时路况和导航建议。
动态路标和LED显示屏：在主要路口或高速公路上显示实时交通状况和预警信息。
社交媒体平台和网站：通过社交媒体和官方网站发布实时更新。
S6：收集用户反馈和数据回传，并以此优化交通信息共享系统。具体如下：
收集用户反馈和数据回传，用于调整和改进交通信息处理系统的性能和准确性。鼓励公众参与交通信息的分享和报告，例如通过移动应用程序提交交通事件或路况更新。提供实时的交通信息更新给用户，帮助他们做出更加智能和有效的出行决策。
在数据收集、处理和共享过程中，确保符合相关的数据安全和隐私保护法规。同时使用加密技术保护数据的传输和存储安全，确保用户个人信息不被泄露和滥用。
一种智能化交通信息共享系统，包括位于关键交通节点部署的边缘计算设备8，边缘计算设备8的输出端电性连接有数据存储模块和数据收发器，边缘计算设备8的输入端电性连接有电器控制模块、摄像头、雷达传感器和地磁传感器，电器控制模块的输入端电性连接有续航保障模块，数据收发器的输出端电性连接有区域无线电广播模块；
数据收发器通讯连接有云端数据共享模块，云端数据共享模块开放有用于外部数据接入的API接口，API接口的输入端电性连接有app反馈模块，app反馈模块和区域无线电广播模块均通讯连接有车载终端。
本方案通过关键交通节点设立边缘计算设备8，该系统通过边缘计算设备8通过摄像头、雷达传感器和电磁传感器检测车流状态、密度和速度数据，该数据存储后经由数据收发器进行加密传输，其数据通过传输到云端数据共享模块，使其结合不同关键交通节点的数据进行整合，交管系统和API接口能够进行数据的索引，包括区域无线电广播模块对一定区域内的行车电台进行道路信息广播，及移动应用程序包括导航软件进行数据支持，配合能够进行引导车流，对改善交通提供综合且准确全面的数据支持，且整体能够在交管系统的全面监管下运行，可靠性高。
优选地，云端数据共享模块与若干个关键交通节点共同接入交管系统统一管理。
优选地，续航保障模块包括控制座3，控制座3的内壁转动设置有升降偏分杆组4，升降偏分杆组4的表面安装有折叠风叶5，控制座3的表面固定连接有柜体1；
边缘计算设备8与电气控制模块9均设置在柜体1内，柜体1的内壁设置有电池包10；
柜体1的上表面固定连接有护顶2，升降偏分杆组4贯穿转动在护顶2的表面；
护顶2的两侧均固定连接有撑架16，两个撑架16的表面均贯穿滑动有定位架24，两个定位架24的顶端共同固定连接有侧罩18，侧罩18的内壁固定连接有光伏板17，光伏板17的上表面设置有清理组件7，清理组件7固定连接在升降偏分杆组4的表面；
定位架24的上表面固定连接有保持架22，保持架22的顶端固定连接有减速平台6，减速平台6固定连接在升降偏分杆组4的顶端，减速平台6的上表面安装有探测头21；
柜体1的内壁固定连接有气泵11，气泵11通过连通管12与控制座3的内壁相连通；
一侧撑架16的末端固定连接有电机15，电机15的输出端固定连接有传动轮14，传动轮14的表面通过传动皮带13与折叠风叶5传动连接。
控制座3包括贯穿固定在柜体1下表面的下座体31，下座体31的下表面固定连接有底柱23，下座体31的上表面固定连接有护筒32，下座体31内壁的下表面固定连接有保持弹簧33，保持弹簧33的顶端固定连接有密封滑动在下座体31内壁的增压活塞34，下座体31的内壁固定连接有气密旋转件35，控制座3还包括固定在升降偏分杆组4底端的旋转接电头36；
旋转接电头36，能够固定在自旋柱41的底端，能够完成探测头21随之转动时实现旋转状态的接电配合，旋转状态的接电头作为目前熟知技术，不做过多赘述。
升降偏分杆组4包括自旋柱41，自旋柱41密封转动在气密旋转件35的内壁，自旋柱41的表面转动贯穿在护顶2的上表面，自旋柱41的内壁轴向密封滑动有第一气密塞44，第一气密塞44的内壁固定连接有中部升降筒42，中部升降筒42的内壁轴向密封滑动有第二气密塞45，第二气密塞45的内壁固定连接有升降杆43，升降杆43贯穿转动在光伏板17的表面，自旋柱41的内壁固定连接有下位导套46，中部升降筒42的顶端固定连接有上位导套47；
中部升降筒42的弧形侧壁开设有第一弧形槽25，升降杆43的弧形侧壁开设有第二弧形槽26，下位导套46的内壁固定连接有配合第一弧形槽25内滑动的第一导向块19，上位导套47的内壁固定连接有配合第二弧形槽26内滑动的第二导向块20；
折叠风叶5包括固定连接在自旋柱41顶端的旋转轮51，旋转轮51的表面与传动皮带13传动配合，折叠风叶5还包括固定连接在中部升降筒42顶端的中部撑环52，折叠风叶5还包括固定在升降杆43顶端的顶部撑架1653，旋转轮51与中部撑环52的相对面共同固定有两个下风叶54，中部撑环52与顶部撑架1653的相对面共同固定连接有两个上风叶55；
光伏板17的弧形侧壁固定连接有侧罩18；
清理组件7包括固定连接在升降杆43表面的轴座71，轴座71的表面转动连接有若干个刷轮72，刷轮72的另一端固定连接有磨轮73，磨轮73贴合滚动在侧罩18的内壁；
减速平台6包括固定在保持架22顶端的内齿环座61，内齿环座61的弧形侧壁限位滑动有旋转顶盖62，旋转顶盖62的下表面转动设置有若干个减速齿轮64，若干个减速齿轮64的表面共同啮合在内齿环座61的内壁，若干个减速齿轮64的表面共同啮合有中心齿轮63，中心齿轮63固定连接在升降杆43的顶端，升降杆43贯穿转动在内齿环座61的下表面。
本方案为了保障持续可靠的运作模式，其通过内置的电池包10对整体进行备用能源供应，当市电断开时，其自动切换到电池包10，满足一段时间内的持续运行，同时在断电后，气泵11启动，通过连通管12将控制座3内注入高压空气，在气压作用下，升降偏分杆组4的自旋柱41内形成高压，其压力作用下第一气密塞44带着中部升降筒42滑动，直至第一气密塞44受到下位导套46的限位，同时下位导套46内壁的第一导向块19滑动在中部升降筒42侧壁的第一弧形槽25内，使其中部升降筒42升高时开始小角度自旋，同理，升降杆43在气压作用下受到第二气密塞45向上移动，直至第二气密塞45接触上位导套47，并在第二导向块20和第二弧形槽26的限制下开始自旋，其中。
需要清楚的是，中部升降筒42是基于自旋柱41进行转动的，自旋柱41的转动作用不会影响中部升降筒42的高度变化，同时中部升降筒42的高度变化并自转时，会带着中部撑环52进行升降和扭转，使其两个下风叶54在展开过程中受到中部撑环52和旋转轮51的扭转作用，形成螺旋结构，而升降杆43的转动，是基于中部升降筒42的转动幅度基础上进一步转动的，使其顶部撑架1653与随着中部撑环52转动时以更大的幅度转动，完成两个上风叶55的扭转和展开，上风叶55和下风叶54分段的扭转，形成一个完整的风叶结构，能够在不使用时实现折叠，满足道路严苛环境下的放置保护，在需要时使用，极大的保障了长时间使用的稳定性，当气流作用后，其旋转轮51通过传动皮带13带着电机15转动，并将发出的电能存储到电池包10，该方式，能够在正常使用时接入市电使用，在因不可抗力因素作用出现断电后能够实现持续的稳定运行；
使其能够对光伏板17进行清洁，进而实现接入外部电源时通过光伏板17对电池组进行蓄电，并一段时间进行放电重新补电，在断电时，能够结合光电和风电的配合，满足电力续航的需要，同时断电时，交通的监控系统均瘫痪，此时在风力作用下缓慢自转的探测头21进行环形四周的探测，实现低能耗的持续运行。
在通入市电的情况下，可以对电机15通电，使其能主动调控探测头21的转动角度，相较于上述风力作用下，进行自旋转抓拍的节能使用模式而言，能够实现主动的自适应调控使用。
同时在使用时，随着折叠风叶5转动时，带着清理组件7转动在光伏板17的表面，磨轮73贴合在侧罩18的内壁，带着刷轮72转动，使其在转动和自旋的过程对光伏板17进行清洁，保障长时间静置后进行清理，保障断电状态下的最佳发电状态。
其中，探测头21集成了用于录像和抓拍的摄像头、用于测速的雷达传感器和用于测量车型和流量的地磁传感器。
进一步的，探测头21位于减速平台6的表面设置，能够在使用时，通过升降轴的转动，驱动中心齿轮63转动，中心齿轮63通过啮合表面的多个减速齿轮64转动并公转，其多个减速齿轮64在内齿环座61的啮合作用下公转并带着旋转顶盖62滑动在内齿环座61的侧壁，使其旋转顶盖62能够低着安装台65转动，安装台65能够完成探测头21的安装和固定。
本方案通过在关键交通节点设立边缘计算设备8，利用这些设备中的摄像头、雷达传感器和电磁传感器实时检测车流状态、密度和速度等数据。这些数据在本地存储后，通过数据收发器进行加密传输，并传送至云端数据共享模块。通过云端数据的整合和分析，交管系统和API接口能够高效索引数据，并为区域无线电广播和移动应用程序(如导航软件)提供数据支持。这一综合系统可以有效引导车流，改善交通状况，提供全面、准确的数据支持，并在交管系统的全面监管下运行，可靠性高。
为保障系统的持续可靠运行，方案引入了续航保障模块。该模块通过内置电池包10提供备用能源，当市电断开时，系统会自动切换到电池包10，满足一段时间的持续运行。同时，断电后气泵11启动，通过高压空气驱动升降偏分杆组4，使折叠风叶5展开并形成风力发电结构，进而由传动皮带13带动电机15转动，将电能存储到电池包10中，实现持续稳定的运行。
此外，方案中折叠风叶5在转动过程中能够带动清理组件7对光伏板17进行清洁，确保光伏板17的高效发电能力。这样，在正常使用时可以通过市电和光伏板17为电池组蓄电，而在断电时则依靠光电和风电的结合满足电力续航需求。探测头21在风力作用下缓慢自转，实现环形区域的低能耗持续监控，确保交通监控系统在断电影响下仍能运行。
本方案不仅能通过实时数据检测和智能分析，提高交通管理效率，改善交通状况，还具备在市电断开时的持续运行能力，确保系统的稳定可靠。通过结合风电和光电，进一步提升了系统的能源自给能力，确保了系统在各种复杂环境下的持续高效运作。同时，系统的自清洁功能有效提升了光伏组件的使用效率，综合实现了降低维护成本、提高系统可靠性和优化交通管理的目标。
综上，本发明通过创新性地将边缘计算和人工智能技术应用于交通信息共享系统，不仅实现了数据处理的高效化、实时化，还提升了交通管理的智能化水平，显著改善了城市交通状况和用户的出行体验，结合了具体的落实设备进行稳定保障，整体满足实际应用的需要。
以上，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种智能化交通信息共享方法，其特征在于，包括如下步骤：
S1：在城市各个关键交通节点部署边缘计算设备，并基于所述边缘计算设备收集交通数据；
S2：在边缘设备上部署人工智能模型，对交通数据进行实时分析和预测；
S3：将处理后的交通数据发送到信息共享系统进行集中处理和存储；
S4：基于实时更新的数据优化人工智能模型；
S5：将集成的实时交通信息通过不同渠道进行发布；
S6：收集用户反馈和数据回传，并以此优化交通信息共享系统。
2.根据权利要求1所述的一种智能化交通信息共享方法，其特征在于，所述S2中部署人工智能模型步骤如下：
S2.1：将交通网络中的路段或交叉口作为图的节点，并定义节点之间的连接关系；
S2.2：使用图卷积网络对每个节点的特征进行特征学习和更新；
S2.3：根据历史数据和驾驶者行为模式，基于BHAR模型建立驾驶者行为的数学模型；
S2.4：结合图卷积神经网络学习到的交通网络结构和特征，构建交通系统的层次结构模型；
S2.5：基于实时的交通数据更新图的节点和边的状态，结合图卷积网络和BHAR模型的学习结果，生成关于交通的预测输出；
S2.6：通过实时数据反馈，优化图卷积网络和BHAR模型的参数。
3.根据权利要求2所述的一种智能化交通信息共享方法，其特征在于，所述S2中部署人工智能模型具体如下：
所述S2.1中定义的节点包括相关的交通特征信息，将N个节点构成的交通网络定义为一个加权有向图R＝(X,Y,Z)，其中，X为节点集，|X|＝N为节点个数，Y表示图中的边集；Z＝(Zij)N×N表示节点邻近度的自适应加权邻接矩阵；
rij＝ReLU(θT[w,xi&w,xj])；
其中，ReLU表示激活函数；θ为共享算子；T表示向量的转置；&表示合并操作；rij、rik均为注意力系数；w表示有向边权重向量；
使用C(x,t)代表节点x在时间t的交通实际观测值，其对应的真实值通过潜在的随机过程B(x,t)刻画，二者满足如下测量误差模型：
C(x,t)＝AT(x,t)λ+B(x,t)+σ(x,t)；
其中，x＝x1,x2,Λ,xn表示n个监测节点的观测向量；t＝1,2,Λ,τ为采集时间；A(x,t)表示d维观测向量；λ为回归系数；σ(x,t)为误差项；
对当前交通潜在的异常水平B(x,t)建立一阶自回归模型：
B(x,t)＝δ·B(x,t-1)+ξ(x,t)；
其中，ξ(x,t)为残差随机项，用于刻画潜在异常水平的时空随机效应；ξ(x,t)在时间上独立，在空间上满足高斯过程GP(0,Φξ)，其中， 表示不随时间变化的方差；ηξ表示与空间相关的协方差矩阵；
根据交通分层模型，分别对应车辆层次、路网层次和整体交通流动层次；
基于高斯混合模型进行BHAR模型的参数估计，将加权有向图与BHAR模型的输出结果进行加权融合，并进行交通状况的预测。
4.根据权利要求3所述的一种智能化交通信息共享方法，其特征在于，所述S2中，还基于分析结果提供实时的交通优化建议；
在数据收集、处理和共享过程中，使用加密技术保护数据的传输和存储安全。
5.根据权利要求1所述的一种智能化交通信息共享方法，其特征在于，S3中所述信息共享系统还为用户和第三方提供API接口。
6.根据权利要求1所述的一种智能化交通信息共享方法，其特征在于，所述S5中的渠道包括移动应用程序、行车电台、动态路标和LED显示屏，以及社交媒体平台和网站。
7.一种智能化交通信息共享系统，使用权利要求1至6任一项所述的一种智能化交通信息共享方法，其特征在于，包括位于关键交通节点部署的边缘计算设备(8)，所述边缘计算设备(8)的输出端电性连接有数据存储模块和数据收发器，所述边缘计算设备(8)的输入端电性连接有电器控制模块、摄像头、雷达传感器和地磁传感器，所述电器控制模块的输入端电性连接有续航保障模块，所述数据收发器的输出端电性连接有区域无线电广播模块；
所述数据收发器通讯连接有云端数据共享模块，所述云端数据共享模块开放有用于外部数据接入的API接口，所述API接口的输入端电性连接有app反馈模块，所述app反馈模块和区域无线电广播模块均通讯连接有车载终端。
8.根据权利要求7所述的一种智能化交通信息共享系统，其特征在于，所述云端数据共享模块与若干个关键交通节点共同接入交管系统统一管理。
9.根据权利要求7至8任一项所述的一种智能化交通信息共享系统，其特征在于，所述续航保障模块包括控制座(3)，所述控制座(3)的内壁转动设置有升降偏分杆组(4)，所述升降偏分杆组(4)的表面安装有折叠风叶(5)，所述控制座(3)的表面固定连接有柜体(1)；
所述边缘计算设备(8)与电气控制模块(9)均设置在柜体(1)内，柜体(1)的内壁设置有电池包(10)；
所述柜体(1)的上表面固定连接有护顶(2)，所述升降偏分杆组(4)贯穿转动在护顶(2)的表面；
所述护顶(2)的两侧均固定连接有撑架(16)，两个撑架(16)的表面均贯穿滑动有定位架(24)，两个定位架(24)的顶端共同固定连接有侧罩(18)，所述侧罩(18)的内壁固定连接有光伏板(17)，所述光伏板(17)的上表面设置有清理组件(7)，所述清理组件(7)固定连接在升降偏分杆组(4)的表面；
所述定位架(24)的上表面固定连接有保持架(22)，所述保持架(22)的顶端固定连接有减速平台(6)，所述减速平台(6)固定连接在升降偏分杆组(4)的顶端，所述减速平台(6)的上表面安装有探测头(21)；
所述柜体(1)的内壁固定连接有气泵(11)，所述气泵(11)通过连通管(12)与控制座(3)的内壁相连通；
一侧撑架(16)的末端固定连接有电机(15)，所述电机(15)的输出端固定连接有传动轮(14)，所述传动轮(14)的表面通过传动皮带(13)与折叠风叶(5)传动连接。
10.根据权利要求9所述的一种智能化交通信息共享系统，其特征在于，所述控制座(3)包括贯穿固定在柜体(1)下表面的下座体(31)，所述下座体(31)的下表面固定连接有底柱(23)，所述下座体(31)的上表面固定连接有护筒(32)，所述下座体(31)内壁的下表面固定连接有保持弹簧(33)，所述保持弹簧(33)的顶端固定连接有密封滑动在下座体(31)内壁的增压活塞(34)，所述下座体(31)的内壁固定连接有气密旋转件(35)，所述控制座(3)还包括固定在升降偏分杆组(4)底端的旋转接电头(36)；
所述升降偏分杆组(4)包括自旋柱(41)，所述自旋柱(41)密封转动在气密旋转件(35)的内壁，所述自旋柱(41)的表面转动贯穿在护顶(2)的上表面，所述自旋柱(41)的内壁轴向密封滑动有第一气密塞(44)，所述第一气密塞(44)的内壁固定连接有中部升降筒(42)，所述中部升降筒(42)的内壁轴向密封滑动有第二气密塞(45)，所述第二气密塞(45)的内壁固定连接有升降杆(43)，所述升降杆(43)贯穿转动在光伏板(17)的表面，所述自旋柱(41)的内壁固定连接有下位导套(46)，所述中部升降筒(42)的顶端固定连接有上位导套(47)；
所述中部升降筒(42)的弧形侧壁开设有第一弧形槽(25)，升降杆(43)的弧形侧壁开设有第二弧形槽(26)，所述下位导套(46)的内壁固定连接有配合第一弧形槽(25)内滑动的第一导向块(19)，所述上位导套(47)的内壁固定连接有配合第二弧形槽(26)内滑动的第二导向块(20)；
所述折叠风叶(5)包括固定连接在自旋柱(41)顶端的旋转轮(51)，所述旋转轮(51)的表面与传动皮带(13)传动配合，所述折叠风叶(5)还包括固定连接在中部升降筒(42)顶端的中部撑环(52)，所述折叠风叶(5)还包括固定在升降杆(43)顶端的顶部撑架(16)(53)，所述旋转轮(51)与中部撑环(52)的相对面共同固定有两个下风叶(54)，所述中部撑环(52)与顶部撑架(16)(53)的相对面共同固定连接有两个上风叶(55)；
所述光伏板(17)的弧形侧壁固定连接有侧罩(18)；
所述清理组件(7)包括固定连接在升降杆(43)表面的轴座(71)，所述轴座(71)的表面转动连接有若干个刷轮(72)，所述刷轮(72)的另一端固定连接有磨轮(73)，所述磨轮(73)贴合滚动在侧罩(18)的内壁；
减速平台(6)包括固定在保持架(22)顶端的内齿环座(61)，所述内齿环座(61)的弧形侧壁限位滑动有旋转顶盖(62)，所述旋转顶盖(62)的下表面转动设置有若干个减速齿轮(64)，若干个减速齿轮(64)的表面共同啮合在内齿环座(61)的内壁，若干个减速齿轮(64)的表面共同啮合有中心齿轮(63)，所述中心齿轮(63)固定连接在升降杆(43)的顶端，所述升降杆(43)贯穿转动在内齿环座(61)的下表面。
CN202410910478.1A 2024-07-09 2024-07-09 一种智能化交通信息共享其方法及系统 Pending CN118781806A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410910478.1A CN118781806A (zh) 2024-07-09 2024-07-09 一种智能化交通信息共享其方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410910478.1A CN118781806A (zh) 2024-07-09 2024-07-09 一种智能化交通信息共享其方法及系统

Publications (1)

Publication Number Publication Date
CN118781806A true CN118781806A (zh) 2024-10-15

Family

ID=92987314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410910478.1A Pending CN118781806A (zh) 2024-07-09 2024-07-09 一种智能化交通信息共享其方法及系统

Country Status (1)

Country Link
CN (1) CN118781806A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20250118204A1 (en) * 2023-10-04 2025-04-10 Geotab Inc. Systems and methods for predicting collision probabilities associated with roadway intersections

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207166213U (zh) * 2017-09-30 2018-03-30 米亚索能光伏科技有限公司 箱式四联动供电系统
CN109302122A (zh) * 2018-11-29 2019-02-01 马鞍山金顺来工业设计有限公司 一种便于携带的太阳能发电箱
CN109754605A (zh) * 2019-02-27 2019-05-14 中南大学 一种基于注意力时态图卷积网络的交通预测方法
CN111091712A (zh) * 2019-12-25 2020-05-01 浙江大学 一种基于循环注意力对偶图卷积网络的交通流量预测方法
CN113362491A (zh) * 2021-05-31 2021-09-07 湖南大学 一种车辆轨迹预测及驾驶行为分析方法
AU2021106420A4 (en) * 2021-08-22 2021-12-09 A, Arun DR Time and topology structure based traffic flow prediction with artificial intelligence and neural network
CN114267170A (zh) * 2021-09-28 2022-04-01 浙江工业大学 基于考虑人类流动性的图时空Transformer模型的交通流预测方法
CN115909749A (zh) * 2023-01-09 2023-04-04 广州通达汽车电气股份有限公司 车辆运行道路风险预警方法、装置、设备及存储介质
CN116582175A (zh) * 2023-07-14 2023-08-11 交通运输部北海航海保障中心天津航标处 一种基于北斗三号rdss的航标遥测遥控通信系统
CN116721405A (zh) * 2023-05-23 2023-09-08 电子科技大学 基于关键点检测的两阶段双通道分心驾驶行为识别方法
CN117041290A (zh) * 2023-08-08 2023-11-10 广州融新智能科技有限公司 一种智能交通数据交互方法、平台及系统
CN117935561A (zh) * 2024-03-20 2024-04-26 山东万博科技股份有限公司 一种基于北斗数据的智能交通流分析方法
CN117975729A (zh) * 2024-03-04 2024-05-03 山东欧华信息技术有限公司 交通信息发布系统、方法、计算机设备及存储介质
CN118025203A (zh) * 2023-07-12 2024-05-14 江苏大学 一种融合复杂网络和图Transformer的自动驾驶车辆行为预测方法及系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207166213U (zh) * 2017-09-30 2018-03-30 米亚索能光伏科技有限公司 箱式四联动供电系统
CN109302122A (zh) * 2018-11-29 2019-02-01 马鞍山金顺来工业设计有限公司 一种便于携带的太阳能发电箱
CN109754605A (zh) * 2019-02-27 2019-05-14 中南大学 一种基于注意力时态图卷积网络的交通预测方法
CN111091712A (zh) * 2019-12-25 2020-05-01 浙江大学 一种基于循环注意力对偶图卷积网络的交通流量预测方法
CN113362491A (zh) * 2021-05-31 2021-09-07 湖南大学 一种车辆轨迹预测及驾驶行为分析方法
AU2021106420A4 (en) * 2021-08-22 2021-12-09 A, Arun DR Time and topology structure based traffic flow prediction with artificial intelligence and neural network
CN114267170A (zh) * 2021-09-28 2022-04-01 浙江工业大学 基于考虑人类流动性的图时空Transformer模型的交通流预测方法
CN115909749A (zh) * 2023-01-09 2023-04-04 广州通达汽车电气股份有限公司 车辆运行道路风险预警方法、装置、设备及存储介质
CN116721405A (zh) * 2023-05-23 2023-09-08 电子科技大学 基于关键点检测的两阶段双通道分心驾驶行为识别方法
CN118025203A (zh) * 2023-07-12 2024-05-14 江苏大学 一种融合复杂网络和图Transformer的自动驾驶车辆行为预测方法及系统
CN116582175A (zh) * 2023-07-14 2023-08-11 交通运输部北海航海保障中心天津航标处 一种基于北斗三号rdss的航标遥测遥控通信系统
CN117041290A (zh) * 2023-08-08 2023-11-10 广州融新智能科技有限公司 一种智能交通数据交互方法、平台及系统
CN117975729A (zh) * 2024-03-04 2024-05-03 山东欧华信息技术有限公司 交通信息发布系统、方法、计算机设备及存储介质
CN117935561A (zh) * 2024-03-20 2024-04-26 山东万博科技股份有限公司 一种基于北斗数据的智能交通流分析方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20250118204A1 (en) * 2023-10-04 2025-04-10 Geotab Inc. Systems and methods for predicting collision probabilities associated with roadway intersections

Similar Documents

Publication Publication Date Title
Mohammad et al. Revolutionizing solar energy with ai-driven enhancements in photovoltaic technology
CN114219212B (zh) 一种计及泛在电力物联与边缘计算的需求侧资源柔性调度方法
Padmanaban et al. Electric vehicles and IoT in smart cities
Kommaragiri et al. Emerging Technologies in Smart Computing, Sustainable Energy, and Next-Generation Mobility: Enhancing Digital Infrastructure, Secure Networks, and Intelligent Manufacturing
CN212645782U (zh) 基于景感生态学的生态环境物联网监测系统
CN111092897B (zh) 具有主动免疫攻击识别方法及充电装置
CN118781806A (zh) 一种智能化交通信息共享其方法及系统
Paaso et al. Grid modernization is paving the way for building smarter cities [technology leaders]
CN120146915A (zh) 一种用户充电行为画像的建模方法及系统
CN116070975A (zh) 基于数字孪生技术的园区能量管理系统及零碳运营方法
CN120126328A (zh) 基于物联网的公路环境监测终端
Małek et al. The use of deep recurrent neural networks to predict performance of photovoltaic system for charging electric vehicles
CN118916807A (zh) 一种基于云边协同隧道设备能耗异常智能识别方法及系统
CN114861882B (zh) 一种co2时空分布重构方法及系统
Liu et al. Mobile user trajectory prediction based on machine learning
CN121076765A (zh) 基于ai推理的园区负荷预测与能源调度方法与系统
CN120611827A (zh) 一种考虑碳排放的高速公路换电站优化配置方法及其系统
CN119539336A (zh) 一种基于深度学习和实时交通仿真的电动汽车充电负荷分析系统
CN114580307B (zh) 考虑暴雨时空分布的分布式供电系统涉电安全感知方法
US12230962B2 (en) Methods and systems for power-supply management in smart urban based on internet of things
CN111209979A (zh) 监控车辆电压的方法、装置及电子设备
Lin et al. A zero-carbon emission solution for urban solar electric vehicles
Almutairi Towards Green and Computing Approaches to Establish Intelligent Transportation Systems (ITS) in KSA
TW202420212A (zh) 公共運輸車輛充電系統及公共運輸車輛充電方法
Pan et al. Optimization of distribution network scheduling based on BA and photovoltaic uncertainty

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20241015