大队长

摘要： 提起内蒙古达拉特旗现任交警大队大队长范会民同志，在鄂尔多斯市交警界那是无人不知无人不晓。他从警界基层做起，恪尽职守、无私奉献，努力践行“立党为公、执法为民”思想。先后八次被评为优秀共产党员，荣立三等功四次、一个嘉奖等，在荣誉面前不忘初心，严于律己的工作作风与全心全意为人民服务的决心没有变。以强烈的事业心和责任感，在本职岗位上践行了一名共产党人的铮铮誓言，用自己的心血和汗水诠释了一名共产党员的人生价值。

摘要： 本发明提供一种排队长度自动检测方法及排队长度控制方法，基于人体结构模型算法检测行人；采用特征在线选择提升算法跟踪行人；根据检测到的人，采用基于RANSAC的最小二乘多项式曲线拟合方法拟合人的队列形状，从而估计队列的长度；通过图像标定实现图像坐标系到世界坐标系的转换，计算实际排队的长度；根据曲线拟合计算曲线长度，再根据排队的长度和队列中相邻人之间的距离，计算队列中的人数。本发明的排队长度自动检测方法及排队长度控制方法能快速、准确的检测出监控场景中的行人排队长度，避免目标丢失的问题，减少漏检；通过实时监控排队情况，及时调整办理窗口，从而有效的解决排队等候的问题，更好的服务旅客。

摘要： 本申请公开了一种收费站车辆排队长度预测方法、装置、设备及存储介质，所述方法包括：获取预设时间段内的收费站基础数据、车辆通行数据以及通行影响因素数据；将所述收费站基础数据、车辆通行数据以及通行影响因素数据输入预训练的交通状况预测模型，得到预测的短期车辆通行数据和长期车辆通行数据；根据所述短期车辆通行数据、长期车辆通行数据、收费站基础数据以及预设的排队长度模型，得到预测的收费站各个车道短期排队长度和长期排队长度。根据本申请提供的收费站车辆排队长度预测方法，不仅可以同时对多个收费站进行预测，而且可以预测未来较长一段时间内的收费站交通状况，且预测精度高，可协助管理人员对未来收费站车道配置方案进行提前优化。

摘要： 一种基于视频监控数据的信号灯交叉路口排队长度估计方法，监控视频来自于交叉路口的监控摄像头；监控视频经过处理返回监控范围内的车辆信息；利用一个信号周期内获取的车辆信息来学习所设计的车辆跟驰模型的参数，学习后的跟驰模型重建车辆在视频范围外的行驶轨迹，通过分析一个信号周期内的所有车辆在所调查路段上的轨迹从而估计出排队长度超出视频监控范围时随时间的演变过程。本发明有效地降低了累计误差在信号周期间的传播，提高了排队长度估计的准确性。

摘要： 本发明涉及利用车载ADAS研判道路交叉口车道级排队长度的方法，包含以下步骤：持续采集ADAS本车信息；收集以ADAS车辆为圆心、以ADAS车辆覆盖距离为半径的圆内的道路交叉口的特征信息；持续采集前方邻近车辆信息；将前方邻近车辆信息和ADAS本车信息打包为一个数据帧；将数据帧组成连续数据帧；计算每个数据帧内的绝对位置变化数据和绝对速度数据；如果绝对位置变化数据小于绝对位置变化阈值，或绝对速度数据小于绝对速度阈值，则判定前方邻近车辆处于排队状态；计算各车道的排队长度；将排队长度打包成道路交叉口车道级排队长度集合。本发明从回避了道路交叉口的地形限制，打破了安装固定检测设备的各种限制；实现覆盖整个路网；成本极大降低。

摘要： 本发明涉及一种高速公路匝道间距约束下自动驾驶最优编队长度设置方法，包括以下步骤：S1、获取高速公路匝道a和匝道b的间距L，匝道a上游主线自动驾驶车流的运行状态参数，包括现有编队车辆数n1、现有编队稳定行驶速度S2、通过计算机仿真模拟上匝道车辆与现有编队车辆之间的编组与解编组过程；S3、选定车辆编队最短稳定运行时长t1；S4、根据匝道间距限制L和最短稳定运行时长限制t1，计算得到进行合并的最大车辆数目n2，得到高速公路上运行的自动驾驶车流最优编队长度。本发明具有保障效率、计算简便、节省能耗与安全可靠等优点。

摘要： 本发明提供了一种考虑边界交叉口排队长度的信号灯控制方法及系统，包括：获取路网信息；对获取的路网进行划分，得到多个路网子区；根据路网子区的相关数据，拟合得到宏观基本图，并根据宏观基本图的拟合度选取受控子区；确定受控子区内累计车辆数和受控子区边界交叉口路段实际排队长度；依据确定的受控子区内累计车辆数和受控子区边界交叉口路段实际排队长度，以及预设的控制策略，得到绿灯时长控制结果；本发明从宏观角度出发，基于宏观基本图理论进行宏观控制，从而缓解交通拥堵现象，同时，基于宏观基本图理论的基础上，考虑了边界交叉口的排队长度，实现了对边界交叉绿灯时间的二次调控。

摘要： 本发明公开了浮动车排队长度计算收费站以及红绿灯实时路况信息技术，包括以下步骤：A：外部提供基于月度版地图计算的收费站、红绿灯、地图数据，写入到redis和couchbase，城市信息写入redis；B：收费站制作原则，路链长度限制200米：其他说明，如果当前路链长度不足200米，但是追加下一LINK超过200米，追加下一LINK，如果拓扑长度不足200米，逆向拓扑至第一个分汇流点不进行打断继续拓扑，当路链拓扑中遇到第二个分汇流点则进行打断。本发明具备更能准确的反映出收费站和红绿灯范围内道路的拥堵、缓慢或畅通状态的优点，解决了因过度依赖速度，会导致收费站和红绿灯场景路况状态计算的不是特别准确的问题。

摘要： 本发明提供一种电子设备及路段排队长度确定方法，涉及智能交通技术领域，该方法包括：针对每个目标信号周期，若在该目标信号周期内目标路段中距离停止线最近的子路段的拥堵状态比较高，且目标路段驶过车辆，则根据采集信息确定的该目标信号周期内目标路段的第一排队长度，以及根据预设网络平台确定的第二排队长度，确定最后的排队长度；若未确定出目标路段驶过车辆，则将第二排队长度，作为该目标信号周期内目标路段的排队长度。本发明实施例能够在路段拥堵时无论是否有车辆通过路段，均能够确定出排队长度，避免在无车通过路段之后无法确定排队长度的情况。

摘要： 本发明实施例公开车辆排队长度计算方法、计算机设备及计算机存储介质，所述方法包括：获取两个交叉口之间的车牌识别数据，基于所述车牌识别数据得到已识别车辆对应的行程时间及在每一交叉口的时间戳；基于所述行程时间及所述时间戳为先验信息，输入数据修复模型，得到两个交叉口之间车辆的特征参数，其中，所述特征参数包括过车时间戳、车头时距以及行程时间；基于车辆的概率密度函数，使用贝叶斯理论将所述特征参数输入，得到所述车辆的排队状态；基于所述排队状态得到排队车辆数，基于所述车辆数得到排队长度，如此，不需要像大多数现有方法一样考虑车辆到达模式，仅通过车牌识别数据，得到车辆排队长度。

摘要： 本发明提供了一种考虑大型车的高速公路异常事件排队长度预测方法，属于交通数据分析及处理领域。本发明包括以下步骤：首先，在高速公路观测路段出现异常事件并有大型车混入的情况下，根据不同驾驶员对大型车的不同敏感程度以及大型车的混入率，改进观测路段动态空间占有率；然后，引入交通密度概念及Greenshields线性关系模型，分析观测路段的交通参数；然后，引入交通波波速，分析观测路段的交通波传播过程，构建交通波模型；最后，预测有大型车混入的高速公路出现异常事件的影响时间及影响范围。本发明能够准确的预测有大型车混入且发生异常事件情况下的排队长度变化趋势和交通演化趋势，为交通管制人员进行交通诱导提供参考依据，提高高速公路服务水平。