CN108182800A - 一种货运交通信息处理方法及设备 - Google Patents

一种货运交通信息处理方法及设备 Download PDF

Info

Publication number
CN108182800A
CN108182800A CN201711293528.2A CN201711293528A CN108182800A CN 108182800 A CN108182800 A CN 108182800A CN 201711293528 A CN201711293528 A CN 201711293528A CN 108182800 A CN108182800 A CN 108182800A
Authority
CN
China
Prior art keywords
goods stock
time section
grid
electronic map
specified time
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.)
Granted
Application number
CN201711293528.2A
Other languages
English (en)
Other versions
CN108182800B (zh
Inventor
张政
杨晓明
孙智彬
张鹤高
张缙
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.)
BEIJING ZHONGJIAO TRAFFIC GUIDE INFORMATION TECHNOLOGY Co Ltd
Original Assignee
BEIJING ZHONGJIAO TRAFFIC GUIDE INFORMATION 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 BEIJING ZHONGJIAO TRAFFIC GUIDE INFORMATION TECHNOLOGY Co Ltd filed Critical BEIJING ZHONGJIAO TRAFFIC GUIDE INFORMATION TECHNOLOGY Co Ltd
Priority to CN201711293528.2A priority Critical patent/CN108182800B/zh
Publication of CN108182800A publication Critical patent/CN108182800A/zh
Application granted granted Critical
Publication of CN108182800B publication Critical patent/CN108182800B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种货运交通信息处理方法及设备。所述方法包括:获取指定时间段内的至少一个货运车辆的行驶数据;基于行驶数据中的经纬度信息,确定至少一个货运车辆在指定时间段内的至少一个时刻所处的电子地图网格,获取至少一个货运车辆在所处的各个不同电子地图网格的停留时长;将每个货运车辆在指定时间段内的停留时长超过第一时长阈值的电子地图网格确定为候选停靠点网格;将至少一个货运车辆在指定时间段内的停留次数超过阈值次数的候选停靠点网格确定为停靠点网格;将与电子地图上的加油站、餐馆、宾馆对应的停靠点网格之外的停靠点网格确定为物流热点区域。能够基于货运车辆的运营数据得出诸如物流热点区域、空载率较高的区域等相关信息。

Description

一种货运交通信息处理方法及设备
技术领域
本发明涉及智能交通领域。更具体地,本发明涉及一种货运交通信息处理方法及设备。
背景技术
随着科技和经济的不断发展,全国各地的机动车保有量不断增长。这些大量的机动车在方便居民出行、促进货物运输的同时,也产生了诸如交通拥堵、缺乏合理调度导致空载率居高不下等许多问题。
人们已经提出了许多智能交通方案来解决交通系统中存在的上述问题。例如,为了解决城市内的出租车的打车难的问题,现有的一些技术方案利用出租车上安装的GPS设备来获取出租车的行驶轨迹,并且结合出租车的载客状态来确定出租车空驶轨迹和载客轨迹、以及乘客的上下车地点,从而获取打车热点地区的分布信息,能够帮助出租车司机及时获得打车热点地区的相关统计信息,从而有效减少出租车的空载率。
然而,现有技术方案中还没有针对货运车辆的行车数据进行类似分析的方法和设备,因此,需要提出新的技术方案来对货运车辆的运营数据进行分析和处理。
发明内容
本发明的目的是通过以下技术方案实现的。
根据本发明的货运交通信息处理方法,包括:
步骤1:获取指定时间段内的至少一个货运车辆的行驶数据,所述行驶数据至少包括所述至少一个货运车辆的车辆标识和所述至少一个货运车辆在所述指定时间段内的至少一个时刻的经纬度及下列信息中的至少一个:速度大小、行驶方向、是否空载;
步骤2:基于所述行驶数据中的经纬度信息,确定所述至少一个货运车辆在所述指定时间段内的所述至少一个时刻所处的电子地图网格,获取所述至少一个货运车辆在所处的各个不同电子地图网格的停留时长;
步骤3:将所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的停留时长超过第一时长阈值的电子地图网格确定为候选停靠点网格;
步骤4:将所述至少一个货运车辆在所述指定时间段内的停留次数超过阈值次数的候选停靠点网格确定为停靠点网格;
步骤5:将与电子地图上的加油站、餐馆、宾馆对应的停靠点网格之外的停靠点网格确定为物流热点区域。
根据本发明的货运交通信息处理方法,在步骤1之后还包括:
步骤1’:基于所述行驶数据中的经纬度信息,将所述至少一个货运车辆在所述指定时间段内的经纬度轨迹与电子地图中的道路进行匹配;
步骤1”:基于所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的行驶道路确定每个货运车辆在所述指定时间段内的常跑道路和常跑城市。
根据本发明的货运交通信息处理方法,在步骤1之后还包括:
步骤1”’:对所述行驶数据中的经纬度及下列信息中的至少一个进行去噪以获取格式化数据:速度大小、行驶方向、是否空载。
根据本发明的货运交通信息处理方法,在步骤1’中采用广度优先搜索来进行道路匹配。
根据本发明的货运交通信息处理方法,在步骤5之后还包括:
步骤6:确定所述指定时间段内指定区域内的车辆密度或指定道路上的车流量。
根据本发明的货运交通信息处理方法,在步骤4中还包括:
对候选停靠点网格进行聚类,以获取经过聚类后的停靠点网格。
根据本发明的第一种货运交通信息处理设备,包括:
行驶数据获取模块,用于获取指定时间段内的至少一个货运车辆的行驶数据,所述行驶数据至少包括所述至少一个货运车辆的车辆标识和所述至少一个货运车辆在所述指定时间段内的至少一个时刻的经纬度及下列信息中的至少一个:速度大小、行驶方向、是否空载;
停留时长确定模块,用于基于所述行驶数据中的经纬度信息,确定所述至少一个货运车辆在所述指定时间段内的所述至少一个时刻所处的电子地图网格,获取所述至少一个货运车辆在所处的各个不同电子地图网格的停留时长;
候选停靠点网格确定模块,用于将所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的停留时长超过第一时长阈值的电子地图网格确定为候选停靠点网格;
停靠点网格确定模块,用于将所述至少一个货运车辆在所述指定时间段内的停留次数超过阈值次数的候选停靠点网格确定为停靠点网格;
物流热点区域确定模块,用于将与电子地图上的加油站、餐馆、宾馆对应的停靠点网格之外的停靠点网格确定为物流热点区域。
根据本发明的第一种货运交通信息处理设备,还包括:
道路匹配模块,用于基于所述行驶数据中的经纬度信息,将所述至少一个货运车辆在所述指定时间段内的经纬度轨迹与电子地图中的道路进行匹配;
常跑道路及常跑城市确定模块,用于基于所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的行驶道路确定每个货运车辆在所述指定时间段内的常跑道路和常跑城市。
根据本发明的第一种货运交通信息处理设备,还包括:
去噪模块,用于对所述行驶数据中的经纬度及下列信息中的至少一个进行去噪以获取格式化数据:速度大小、行驶方向、是否空载。
根据本发明的第二种货运交通信息处理设备,所述设备包括处理器和存储有可执行指令的存储器,所述处理器执行所述可执行指令来完成根据上文所述的方法中的步骤。
本发明的优点在于:能够基于货运车辆的运营数据得出诸如物流热点区域、空载率较高的区域等的相关信息。
附图说明
通过阅读下文具体实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出具体实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明实施方式的货运交通信息处理方法的流程图。
图2示出了根据本发明实施方式的第一种货运交通信息处理设备的方框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明实施方式的货运交通信息处理方法100的流程图。
如图1所示,货运交通信息处理方法100包括以下步骤:
步骤S102:获取指定时间段内的至少一个货运车辆的行驶数据,所述行驶数据至少包括所述至少一个货运车辆的车辆标识和所述至少一个货运车辆在所述指定时间段内的至少一个时刻的经纬度及下列信息中的至少一个:速度大小、行驶方向、是否空载。
例如,所述指定时间段可以是1年、1个月、1周、1天、更长或更短的时间段。
例如,所述车辆标识可以是车机中的无线通信模块中的物理地址或MAC地址。
例如,所述经纬度可以是车机中的GPS、北斗等导航等模块所提供的经纬度数据。
例如,所述至少一个时刻是车机中的定时模块提供的时间标签,所述时间标签的间隔可以是1分钟、30秒、更长或更短的时间间隔。
例如,所述速度大小可以是车辆行驶管理系统所测量得到的车辆行驶速度的大小。
例如,所述行驶方向可以是根据车机中的GPS、北斗等导航等模块所提供的经纬度数据所获得的车辆的行驶方向。
例如,货运车辆是否空载的信息可以由设置在货运车辆的载物台上的重力传感器测量得到。
例如,上述信息可以由车机中的无线通信模块发送至后台的服务器进行保存。可选地,还可以进一步进行方法100中的处理。
步骤S104:基于所述行驶数据中的经纬度信息,确定所述至少一个货运车辆在所述指定时间段内的所述至少一个时刻所处的电子地图网格,获取所述至少一个货运车辆在所处的各个不同电子地图网格的停留时长。
例如,所述电子地图可以是GIS系统所使用的电子地图,所述网格的大小可以对应实际地理空间中30m×30m的地面面积。
步骤S106:将所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的停留时长超过第一时长阈值的电子地图网格确定为候选停靠点网格。
例如,所述第一时长阈值可以是30分钟。
步骤S108:将所述至少一个货运车辆在所述指定时间段内的停留次数超过阈值次数的候选停靠点网格确定为停靠点网格。
例如,所述阈值次数可以是10次。
步骤S110:将与电子地图上的加油站、餐馆、宾馆对应的停靠点网格之外的停靠点网格确定为物流热点区域。
例如,当所有货运车辆的行驶数据进行统一综合分析时,就可以准确地确定物流热点区域。
尽管在图1中未示出,然而,可选地,在步骤S102之后,货运交通信息处理方法100还包括以下步骤:
步骤S102’:基于所述行驶数据中的经纬度信息,将所述至少一个货运车辆在所述指定时间段内的经纬度轨迹与电子地图中的道路进行匹配。
步骤S102”:基于所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的行驶道路确定每个货运车辆在所述指定时间段内的常跑道路和常跑城市。
例如,当对单个货运车辆的行驶数据进行独立分析时,就可以得到单个车辆的常跑道路和常跑城市。而且,可以得出该车辆驾驶员的行为习惯。进而可以根据各个驾驶员的行为习惯统计所有驾驶员的行为习惯。
尽管在图1中未示出,然而,可选地,在步骤S102之后,货运交通信息处理方法100还包括:
步骤S102”’:对所述行驶数据中的经纬度及下列信息中的至少一个进行去噪以获取格式化数据:速度大小、行驶方向、是否空载。
例如,由于所获取的行驶数据可能存在噪声,因此,通过条件(例如,速度大小是否合理、两个不同时刻的距离与这两个不同时刻之间的时间差等)能得出行驶数据是否合理。可以滤除不合理的行驶数据后再进行后续步骤的处理。
可选地,在步骤S102’中采用广度优先搜索来进行道路匹配。
例如,可以使用贪心算法中的BFS(广度优先搜索)剪支深度探索,寻找匹配道路(多点集合,遍历可通道路,如果不通,回述起始点)。
BFS算法即广度优先搜索,BFS是一种完备策略,即只要问题有解,它就一定可以找到解。并且,广度优先搜索找到的解,还一定是路径最短的解。但是这种算法的缺点是占用时间和计算资源太多,要提高算法的效率,如何压缩算法状态是最大的关键,即剪枝。BFS剪枝算法是BFS算法的优化策略,没有固定的方法,要针对现实情况进行BFS的优化。
尽管在图1中未示出,然而,可选地,在步骤S110之后,货运交通信息处理方法100还包括以下步骤:
步骤S112:确定所述指定时间段内指定区域内的车辆密度或指定道路上的车流量。
例如,根据所获得的行驶数据可以抽象出多个数据维度:例如单位时间内各地区的车辆密度变化;随时间变化,车流量趋势;单位区域内车辆变化;一条路上各个方向车流变化等等维度。还可以根据业务需要使用不同维度划分数据。
尽管在图1中未示出,然而,可选地,在步骤S108中还包括:
对候选停靠点网格进行聚类,以获取经过聚类后的停靠点网格。
例如,可以使用DBSCAN、KNN、KMEAN等聚类或回归算法,来根据货运车辆的行驶数据得出位置点(即,电子地图网格)的权重中心点。POI信息点位置(即,停靠点网格)为位置固定的地点(如加油站,物流园等地图位置固定的点)。
尽管在图1中未示出,然而,可选地,货运交通信息处理方法100还包括以下步骤:
步骤S114:将停驶时长超过第二时长阈值的货运车辆确定为空载货运车辆,将空载货运车辆的比率超过比率阈值的区域确定为可以用来建设物流园的备选区域。
图2示出了根据本发明实施方式的第一种货运交通信息处理设备200的方框图。
如图2所示,货运交通信息处理设备200包括行驶数据获取模块202、停留时长确定模块204、候选停靠点网格确定模块206、停靠点网格确定模块208和物流热点区域确定模块210。
行驶数据获取模块202用于,获取指定时间段内的至少一个货运车辆的行驶数据,所述行驶数据至少包括所述至少一个货运车辆的车辆标识和所述至少一个货运车辆在所述指定时间段内的至少一个时刻的经纬度及下列信息中的至少一个:速度大小、行驶方向、是否空载。
停留时长确定模块204用于,基于所述行驶数据中的经纬度信息,确定所述至少一个货运车辆在所述指定时间段内的所述至少一个时刻所处的电子地图网格,获取所述至少一个货运车辆在所处的各个不同电子地图网格的停留时长。
候选停靠点网格确定模块206用于,将所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的停留时长超过第一时长阈值的电子地图网格确定为候选停靠点网格。
停靠点网格确定模块208用于,将所述至少一个货运车辆在所述指定时间段内的停留次数超过阈值次数的候选停靠点网格确定为停靠点网格。
物流热点区域确定模块210用于,将与电子地图上的加油站、餐馆、宾馆对应的停靠点网格之外的停靠点网格确定为物流热点区域。
尽管在图2中未示出,然而,可选地,货运交通信息处理设备200还包括道路匹配模块、常跑道路及常跑城市确定模块。
道路匹配模块用于,基于所述行驶数据中的经纬度信息,将所述至少一个货运车辆在所述指定时间段内的经纬度轨迹与电子地图中的道路进行匹配。
常跑道路及常跑城市确定模块用于,基于所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的行驶道路确定每个货运车辆在所述指定时间段内的常跑道路和常跑城市。
尽管在图2中未示出,然而,可选地,货运交通信息处理设备200还包括去噪模块。
去噪模块用于,对所述行驶数据中的经纬度及下列信息中的至少一个进行去噪以获取格式化数据:速度大小、行驶方向、是否空载。
尽管在附图中未示出,本发明还提出了第二种货运交通信息处理设备,所述第二种货运交通信息处理设备包括处理器和存储有可执行指令的存储器,所述处理器执行所述可执行指令来完成根据上文所述的货运交通信息处理方法100中的步骤。
根据本发明的上述技术方案,能够对货运车辆的运营数据进行分析和处理,进而得出诸如物流热点区域、空载率较高的区域等相关信息。
根据本发明的上述技术方案,可以提供用于进行大范围宏观调控的重要统计信息,而不会被限制在一条路或一个路口。所述统计信息向决策者提供了用于进行道路、集散市场、物流中心等的建设的重要参考依据,能够减轻货运紧张地区压力,减少空载情况。
更具体地,根据本发明的上述技术方案,可以通过热点(即,POI或停靠点网格)得到热度图,再通过与现有物流园位置相匹配,就能知道车辆汇聚是因为这里是有货源还是目的地。当车辆不在热度区域,并且长时间没有运营过就判断为空载车辆,是对货运资源的浪费。
空载率最高的地区就是应该建设物流园来平衡物流压力的地点。而在汇聚地区的车辆负载率能反应是否该地区的货运负载已达到满负荷。而在车辆常跑道路中可得知两个物流集中地区的互相吞吐量和活跃度。
吞吐量根据车辆位置就可以判断是否离开物流园和是否进入物流园,进出车辆数就可看成吞吐量。从物流园出发的常跑道路终点就可看出物流园物流辐射区域。区域内为物流集中地区。
在活跃度最高的地区可新增道路来缓和交通压力。
以上所述,仅为本发明示例性的具体实施方式,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,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种货运交通信息处理方法,其特征在于,包括:
步骤1:获取指定时间段内的至少一个货运车辆的行驶数据,所述行驶数据至少包括所述至少一个货运车辆的车辆标识和所述至少一个货运车辆在所述指定时间段内的至少一个时刻的经纬度及下列信息中的至少一个:速度大小、行驶方向、是否空载;
步骤2:基于所述行驶数据中的经纬度信息,确定所述至少一个货运车辆在所述指定时间段内的所述至少一个时刻所处的电子地图网格,获取所述至少一个货运车辆在所处的各个不同电子地图网格的停留时长;
步骤3:将所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的停留时长超过第一时长阈值的电子地图网格确定为候选停靠点网格;
步骤4:将所述至少一个货运车辆在所述指定时间段内的停留次数超过阈值次数的候选停靠点网格确定为停靠点网格;
步骤5:将与电子地图上的加油站、餐馆、宾馆对应的停靠点网格之外的停靠点网格确定为物流热点区域。
2.根据权利要求1所述的货运交通信息处理方法,其特征在于,在步骤1之后还包括:
步骤1’:基于所述行驶数据中的经纬度信息,将所述至少一个货运车辆在所述指定时间段内的经纬度轨迹与电子地图中的道路进行匹配;
步骤1”:基于所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的行驶道路确定每个货运车辆在所述指定时间段内的常跑道路和常跑城市。
3.根据权利要求1所述的货运交通信息处理方法,其特征在于,在步骤1之后还包括:
步骤1”’:对所述行驶数据中的经纬度及下列信息中的至少一个进行去噪以获取格式化数据:速度大小、行驶方向、是否空载。
4.根据权利要求2所述的货运交通信息处理方法,其特征在于,在步骤1’中采用广度优先搜索来进行道路匹配。
5.根据权利要求2所述的货运交通信息处理方法,其特征在于,在步骤5之后还包括:
步骤6:确定所述指定时间段内指定区域内的车辆密度或指定道路上的车流量。
6.根据权利要求1所述的货运交通信息处理方法,其特征在于,在步骤4中还包括:
对候选停靠点网格进行聚类,以获取经过聚类后的停靠点网格。
7.一种货运交通信息处理设备,其特征在于,包括:
行驶数据获取模块,用于获取指定时间段内的至少一个货运车辆的行驶数据,所述行驶数据至少包括所述至少一个货运车辆的车辆标识和所述至少一个货运车辆在所述指定时间段内的至少一个时刻的经纬度及下列信息中的至少一个:速度大小、行驶方向、是否空载;
停留时长确定模块,用于基于所述行驶数据中的经纬度信息,确定所述至少一个货运车辆在所述指定时间段内的所述至少一个时刻所处的电子地图网格,获取所述至少一个货运车辆在所处的各个不同电子地图网格的停留时长;
候选停靠点网格确定模块,用于将所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的停留时长超过第一时长阈值的电子地图网格确定为候选停靠点网格;
停靠点网格确定模块,用于将所述至少一个货运车辆在所述指定时间段内的停留次数超过阈值次数的候选停靠点网格确定为停靠点网格;
物流热点区域确定模块,用于将与电子地图上的加油站、餐馆、宾馆对应的停靠点网格之外的停靠点网格确定为物流热点区域。
8.根据权利要求7所述的货运交通信息处理设备,其特征在于,还包括:
道路匹配模块,用于基于所述行驶数据中的经纬度信息,将所述至少一个货运车辆在所述指定时间段内的经纬度轨迹与电子地图中的道路进行匹配;
常跑道路及常跑城市确定模块,用于基于所述至少一个货运车辆中的每个货运车辆在所述指定时间段内的行驶道路确定每个货运车辆在所述指定时间段内的常跑道路和常跑城市。
9.根据权利要求7所述的货运交通信息处理设备,其特征在于,还包括:
去噪模块,用于对所述行驶数据中的经纬度及下列信息中的至少一个进行去噪以获取格式化数据:速度大小、行驶方向、是否空载。
10.一种货运交通信息处理设备,所述设备包括处理器和存储有可执行指令的存储器,其特征在于,所述处理器执行所述可执行指令来完成根据权利要求1至6中任一项所述的方法中的步骤。
CN201711293528.2A 2017-12-08 2017-12-08 一种货运交通信息处理方法及设备 Active CN108182800B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711293528.2A CN108182800B (zh) 2017-12-08 2017-12-08 一种货运交通信息处理方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711293528.2A CN108182800B (zh) 2017-12-08 2017-12-08 一种货运交通信息处理方法及设备

Publications (2)

Publication Number Publication Date
CN108182800A true CN108182800A (zh) 2018-06-19
CN108182800B CN108182800B (zh) 2020-08-11

Family

ID=62545673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711293528.2A Active CN108182800B (zh) 2017-12-08 2017-12-08 一种货运交通信息处理方法及设备

Country Status (1)

Country Link
CN (1) CN108182800B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110502601A (zh) * 2019-08-28 2019-11-26 京东城市(北京)数字科技有限公司 查找仓库的方法和装置
CN111380541A (zh) * 2018-12-29 2020-07-07 沈阳美行科技有限公司 兴趣点确定方法、装置、计算机设备和存储介质
CN111488417A (zh) * 2019-01-28 2020-08-04 阿里巴巴集团控股有限公司 信息处理方法、系统、装置、设备及计算机存储介质
CN112419779A (zh) * 2020-11-09 2021-02-26 北京京东乾石科技有限公司 无人车停靠点的选取方法及装置、存储介质及电子设备
CN112434122A (zh) * 2020-11-24 2021-03-02 天津市市政工程设计研究院 一种识别道路货运集散区的实现方法
CN114996599A (zh) * 2022-08-01 2022-09-02 广州斯沃德科技有限公司 动态资产的安全管理预警方法、系统及装置
CN115830901A (zh) * 2023-02-17 2023-03-21 交通运输部规划研究院 一种货车停留点的确定方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065464A (zh) * 2012-12-24 2013-04-24 中国科学院深圳先进技术研究院 实时客流特征分析方法及系统
US8779949B2 (en) * 2012-09-28 2014-07-15 International Business Machines Corporation De-noising scheduled transportation data
CN104318766A (zh) * 2014-10-22 2015-01-28 北京建筑大学 一种公交gps轨迹数据的路网匹配方法
CN104598992A (zh) * 2015-01-12 2015-05-06 北京中交兴路车联网科技有限公司 一种车辆常跑路线分析方法
CN105139638A (zh) * 2015-07-27 2015-12-09 福建工程学院 一种出租车载客点选取的方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8779949B2 (en) * 2012-09-28 2014-07-15 International Business Machines Corporation De-noising scheduled transportation data
CN103065464A (zh) * 2012-12-24 2013-04-24 中国科学院深圳先进技术研究院 实时客流特征分析方法及系统
CN104318766A (zh) * 2014-10-22 2015-01-28 北京建筑大学 一种公交gps轨迹数据的路网匹配方法
CN104598992A (zh) * 2015-01-12 2015-05-06 北京中交兴路车联网科技有限公司 一种车辆常跑路线分析方法
CN105139638A (zh) * 2015-07-27 2015-12-09 福建工程学院 一种出租车载客点选取的方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
甘波: "基于海量物流轨迹数据的分析挖掘系统", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111380541A (zh) * 2018-12-29 2020-07-07 沈阳美行科技有限公司 兴趣点确定方法、装置、计算机设备和存储介质
CN111488417A (zh) * 2019-01-28 2020-08-04 阿里巴巴集团控股有限公司 信息处理方法、系统、装置、设备及计算机存储介质
CN111488417B (zh) * 2019-01-28 2023-10-24 阿里巴巴集团控股有限公司 信息处理方法、系统、装置、设备及计算机存储介质
CN110502601A (zh) * 2019-08-28 2019-11-26 京东城市(北京)数字科技有限公司 查找仓库的方法和装置
CN110502601B (zh) * 2019-08-28 2020-12-22 京东城市(北京)数字科技有限公司 查找仓库的方法和装置
CN112419779A (zh) * 2020-11-09 2021-02-26 北京京东乾石科技有限公司 无人车停靠点的选取方法及装置、存储介质及电子设备
CN112419779B (zh) * 2020-11-09 2022-04-12 北京京东乾石科技有限公司 无人车停靠点的选取方法及装置、存储介质及电子设备
CN112434122A (zh) * 2020-11-24 2021-03-02 天津市市政工程设计研究院 一种识别道路货运集散区的实现方法
CN114996599A (zh) * 2022-08-01 2022-09-02 广州斯沃德科技有限公司 动态资产的安全管理预警方法、系统及装置
CN115830901A (zh) * 2023-02-17 2023-03-21 交通运输部规划研究院 一种货车停留点的确定方法及装置

Also Published As

Publication number Publication date
CN108182800B (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN108182800A (zh) 一种货运交通信息处理方法及设备
WO2016155517A1 (zh) 物流监测方法及设备
CN103177561B (zh) 公交实时路况的生成方法
US10373494B1 (en) Method and apparatus for estimating a parking event based on device signal observations
CN105489043B (zh) 基于车载自组网的实时路径规划方法
CN101295326B (zh) 应用gps数据生成od矩阵的交通仿真的方法
US11710073B2 (en) Method for providing corridor metrics for a corridor of a road network
CN103177575A (zh) 城区出租车动态在线调度优化系统及其方法
CN101308029A (zh) 路网网格匹配、路况状态信息及诱导路线信息获取方法
CN105632173A (zh) 利用出租车gps数据进行城市公交系统的优化识别方法
Ma et al. Understanding freight trip-chaining behavior using a spatial data-mining approach with GPS data
Hu et al. Optimal route planning system for logistics vehicles based on artificial intelligence
CN109612488A (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
CN109520499B (zh) 基于车辆gps轨迹数据实现区域实时等时线的方法
Yang et al. Identifying intracity freight trip ends from heavy truck GPS trajectories
Biuk-Aghai et al. Big data analytics for transportation: Problems and prospects for its application in China
CN109410576A (zh) 多源数据融合的路况分析方法、装置、存储介质及系统
CN113177742A (zh) 基于智能交通的公交服务方法、系统、终端及存储介质
Iwan et al. Impact of telematics on efficiency of urban freight transport
CN105023230B (zh) 一种基于arcgis的轨道站点客流吸引范围界定方法
CN108665084A (zh) 一种对驾驶风险的预测方法及系统
CN105067001A (zh) 基于出租车经验数据的路径设置方法及系统
CN108111979A (zh) 基于BDS和LoRa的车辆定位跟踪调度系统及方法
US11537767B2 (en) Automated control through a traffic model
CN116664025A (zh) 装卸货位置点生成方法、装置及设备

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