CN101604478A - 一种动态交通信息的处理方法及系统 - Google Patents
一种动态交通信息的处理方法及系统 Download PDFInfo
- Publication number
- CN101604478A CN101604478A CNA2009100869247A CN200910086924A CN101604478A CN 101604478 A CN101604478 A CN 101604478A CN A2009100869247 A CNA2009100869247 A CN A2009100869247A CN 200910086924 A CN200910086924 A CN 200910086924A CN 101604478 A CN101604478 A CN 101604478A
- Authority
- CN
- China
- Prior art keywords
- road
- data
- speed
- average velocity
- unit
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明提供一种动态交通信息的处理方法及系统,该方法包括:采集浮动车的GPS定位数据,在对GPS定位数据进行协议解析后,对解析后的GPS定位数据按照预设的过滤条件进行过滤;将过滤后的GPS定位数据所对应的浮动车匹配到路网的单元道路上;根据匹配到单元道路上的各浮动车的定位速度,融合出单元道路的平均速度;对路网中的每个标准道路,获取自身包括的各单元道路的平均速度,并利用各单元道路的平均速度获得标准道路的路况信息。利用本发明的上述技术方案,能够提供实时、准确的路况信息。
Description
技术领域
本发明涉及交通信息领域,特别涉及一种动态交通信息的处理方法及系统。
背景技术
随着全世界范围内的经济发展、社会进步和城市化进程的加快,人们对交通运输的需求也明显增长,交通运输与社会经济生活的联系也越来越紧密。尤其在大中城市,随着人民生活水平的提高,机动车数量的不断增加,交通堵塞、交通事故等问题愈来愈严重,由此而引起的能源浪费、环境污染等问题已成为影响社会发展的消极因素。在此背景下,把车辆和道路综合起来系统地解决交通问题的思路油然而生,智能交通系统也由此确立。
智能交通的主要目标就是实现整个城市交通运输系统现代化,而城市交通运输现代化的关键环节就是提供实时动态交通信息服务以缓解交通拥堵,满足公众越来越迫切的交通信息需求,因而城市道路的实时交通信息已经成为ITS大规模应用发展的重要基础。城市道路实时交通信息处理系统是通过将采集到的交通信息源进行分析处理,最后以通过WEB发布平台、公共移动网等向公众提供丰富的道路路况信息、旅行时间信息和最优行车路线等出行帮助信息。
发明内容
本发明的目的是提供一种动态交通信息的处理方法及系统,能够提供实时、准确的路况信息。
为了实现上述目的,本发明提供了一种动态交通信息的处理方法,其中,包括如下步骤:
步骤a,采集浮动车的GPS定位数据,在对所述GPS定位数据进行协议解析后,对所述解析后的GPS定位数据按照预设的过滤条件进行过滤,所述GPS定位数据包括:定位时间、经纬度信息、定位速度;
步骤b,根据所述过滤后的GPS定位数据中包含的经纬度信息、定位时间、以及预设的路网地理信息数据,将所述过滤后的所述GPS定位数据所对应的浮动车匹配到路网的单元道路上;
步骤c,根据匹配到单元道路上的各浮动车的定位速度,融合出所述单元道路的平均速度;
步骤d,对路网中的每个标准道路,获取自身包括的各单元道路的平均速度,并利用所述各单元道路的平均速度获得所述标准道路的路况信息,所述路况信息包括利用所述各单元道路的平均速度融合出的所述标准道路的平均速度。
优选地,所述的处理方法,其中,所述GPS定位数据还包括:定位有效标志,所述步骤a中,所述对所述解析后的GPS定位数据按照预设的过滤条件进行过滤的步骤包括将如下数据中的至少一种过滤掉:
所述GPS定位数据中不完整的数据、格式不正确的数据、无法解析的数据、定位无效的数据、定位速度异常的数据、经纬度异常的数据、定位时间异常的数据、定位角度异常的数据、重复的数据、不能匹配到路网的数据、特殊图层的数据。
优选地,所述的处理方法,其中,所述步骤b中,所述将GPS定位数据所对应的浮动车匹配到路网中的单元道路上的步骤包括:
步骤b1,将所述路网按照经纬度二维划分为多个网格,所述每个网格中的道路条数小于预定的道路最大数目并大于预定的道路最小数目;
步骤b2,根据所述浮动车的经纬度,通过网格二叉树查找所述浮动车所在的网格的编号;
步骤b3,在所述查找到的所述网格的编号对应的二叉树中查找所述浮动车所在的道路集合;
步骤b4,根据道路的方向、所述浮动车的定位角度及经纬度信息,在所述道路集合中确定出与所述浮动车匹配的单元道路。
优选地,所述的处理方法,其中,所述步骤c中,所述用于融合单元道路平均速度的各浮动车的定位速度为:所述浮动车的、本次定位的最终定位速度,所述本次定位的最终定位速度用于融合出所述单元道路的平均速度;当所述浮动车的保底速度大于所述GPS定位数据中的定位速度,且小于预定的速度阈值时,以所述保底速度作为所述最终定位速度;当所述GPS定位数据中的定位速度大于所述保底速度时,以所述GPS定位数据中的定位速度作为所述最终定位速度;
所述浮动车的保底速度=所述浮动车从上次定位点到本次定位点之间的距离÷本次定位时间与上次定位时间之间的时间差。
优选地,所述的处理方法,其中,所述浮动车为出租车,所述GPS定位数据还包括:空重车标志,用于标识发送定位数据时所述出租车的状态为重车状态还是空车状态,所述步骤c包括:
步骤c1,计算所述单元道路的平均速度、第一速度阈值V1和第二速度阈值V2,所述V1小于所述V2,其中,
单元道路的平均速度=所述单元道路上空重车的定位速度的总和÷所述单元道路中空重车的总数,
V1=平均速度×预先设定的第一融合系数;
V2=平均速度+单元道路中空车的总数×预先设定的单车速度允许误差限;
步骤c2,将所述单元道路的出租车中、每一辆空车的速度信息中,小于所述V1和大于所述V2的速度信息过滤掉,并利用过滤后的速度信息重新计算所述空车的单车平均速度;
步骤c3,根据重车的定位速度和过滤后的空车的平均速度,按照所述步骤c1中的公式重新计算出单元道路的平均速度、V1’及V2’的值;
步骤c4,利用所述步骤c4中计算出的所述V1’及V2’值,将所述每一辆空车的速度信息中,小于所述V1’和大于所述V2’的速度信息过滤掉,并利用过滤后的速度信息重新计算所述空车的单车平均速度;
步骤c5,利用所述重车的定位速度和根据所述步骤c4中计算出的所述空车的单车平均速度,计算所述单元道路的平均速度。
优选地,所述的处理方法,其中,所述步骤d包括:
步骤d1,获取组成所述标准道路的各个单元道路的道路编号及速度信息;
步骤d2,计算所述标准道路的平均速度、第三速度阈值V3和第四速度阈值V4,所述V3小于所述V4,其中,
所述标准道路的平均速度=有更新信息的各单元道路的速度总和÷有更新信息的各单元道路的数目;
V3=所述标准道路的平均速度×预先设定的第二融合系数;
V4=所述标准道路的平均速度+有更新信息的单元道路数目×预先设定的单元道路的允许速度误差限;
步骤d3,将小于所述V3和大于所述V4的单元道路的速度信息过滤掉,并利用过滤后的单元道路速度总和除以经过滤后的单元道路的总数,获得所述标准道路的融合平均速度。
优选地,所述的处理方法,其中,所述步骤d中,还包括:
根据预设的路网关联矩阵,利用标准道路的上下游道路的平均速度推断当前没有更新信息或更新信息小于预定量的标准道路的平均速度。
优选地,所述的处理方法,其中,在获得所述标准道路的平均速度后,还包括:
将所述标准道路的平均速度赋给所述标准道路中无更新信息或更新信息小于预定量的单元道路的步骤。
优选地,所述的处理方法,其中,根据获得的单元道路的平均速度或标准道路的平均速度更新路网的路况信息的步骤。
另一方面,提供了一种动态交通信息的处理系统,其中,包括:
数据采集子系统,用于采集浮动车的GPS定位数据,并对所述GPS定位数据进行协议解析,并按照预设的第一过滤条件过滤,所述GPS定位数据包括:定位时间、经纬度信息、定位速度;
数据处理子系统,包括:
数据过滤模块,用于对经所述数据采集子系统过滤的GPS定位数据,按照预设的第二过滤条件进行过滤;
单点匹配模块,用于根据所述数据过滤模块过滤后的GPS定位数据中包含的经纬度、定位时间、以及路网地理信息数据,将满足预设要求的GPS定位数据所对应的浮动车匹配到路网的单元道路上;
特征融合模块,用于根据匹配到单元道路上的各浮动车的定位速度,融合出所述单元道路的平均速度;
路网更新模块,用于对路网中的每个标准道路,获取自身包括的各单元道路的平均速度,并利用所述各单元道路的平均速度获得所述标准道路的路况信息,所述路况信息包括利用所述各单元道路的平均速度融合出的所述标准道路的平均速度。
优选地,所述的处理系统,其中,所述单点匹配模块包括:
网格划分模块,用于将所述路网按照经纬度二维划分为多个网格,所述每个网格中的道路条数小于预定的道路最大数目并大于预定的道路最小数目;
网格编号查找模块,用于根据所述浮动车的经纬度,通过网格二叉树查找所述浮动车所在的网格的编号;
道路集合查找模块,用于在所述查找到的所述网格的编号对应的二叉树中查找所述浮动车所在的道路集合;
单元道路确定模块,用于根据道路的方向、所述浮动车的定位角度及经纬度信息,在所述道路集合中确定出与所述浮动车匹配的单元道路。
优选地,所述的处理系统,其中,所述特征融合模块包括:
最终定位速度确定模块,用于根据本次接收到的所述浮动车的GPS定位数据中的定位速度和所述浮动车的保底速度确定出所述浮动车本次定位的最终定位速度;当所述保底速度大于所述GPS定位数据中的定位速度,且小于预定的速度阈值时,以所述保底速度作为所述最终定位速度;当所述GPS定位数据中的定位速度大于所述保底速度时,以所述GPS定位数据中的定位速度作为所述最终定位速度;
所述浮动车的保底速度=所述浮动车从上次定位点到本次定位点之间的距离÷本次定位时间与上次定位时间之间的时间差。
上述技术方案中的一个技术方案具有如下技术效果:
通过采集浮动车如出租车的GPS定位数据,根据采集的GPS定位数据将浮动车匹配到路网的单元道路中,根据浮动车的定位速度融合出浮动车所行驶于的单元道路的平均速度,并通过融合各单元道路的平均速度,可获得路网中标准道路的路况信息,从而可以提供准确、实时的路况信息,满足了现代社会人们对路况信息的需求,并为缓解城市的拥堵提供一定的技术保障。
附图说明
图1为本发明实施例的动态交通信息的处理方法的流程示意图;
图2为本发明另一实施例的动态交通信息的处理方法的流程示意图;
图3为单点匹配的流程示意图;
图4为本发明实施例中应用的动态自适应网格的流程示意图;
图5为本发明实施例中应用的建立网格二叉树的算法流程示意图;
图6为本发明实施例中应用的建立道路二叉树算法的流程示意图;
图7为本发明实施例中,根据匹配到单元道路上的各出租车的定位速度,融合出单元道路的平均速度的方法流程示意图;
图8为本发明实施例的处理方法中,利用单元道路的平均速度融合出标准道路的平均速度的方法的流程示意图;
图9为本发明实施例的处理方法中,路网更新的流程示意图;
图10为本发明实施例的处理系统的结构示意图;
图11为本发明实施例的处理系统中,数据采集系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明进行详细描述。
图1为本发明实施例的动态交通信息的处理方法的流程示意图。如图1,本发明实施例的处理方法包括:
步骤101,采集浮动车的GPS定位数据,在对所述GPS定位数据进行协议解析后,对所述解析后的GPS定位数据按照预设的过滤条件进行过滤,所述GPS定位数据包括:定位时间、经纬度信息、定位速度;
步骤102,根据所述过滤后的GPS定位数据中包含的经纬度信息、定位时间、以及预设的路网地理信息数据,将所述过滤后的所述GPS定位数据所对应的浮动车匹配到路网的单元道路上;示例性地,该预设要求可以是系统处理要求;
步骤103,根据匹配到单元道路上的各浮动车的定位速度,融合出所述单元道路的平均速度;
步骤104,对路网中的每个标准道路,获取自身包括的各单元道路的平均速度,并利用所述各单元道路的平均速度获得所述标准道路的路况信息,所述路况信息包括利用所述各单元道路的平均速度融合出的所述标准道路的平均速度。
示例性地,路况信息还包括:各单元道路的平均速度信息。
本发明的实施例中,以出租车为例进行说明,但不局限于出租车。由于出租车遍布的范围广泛,所以基于出租车的GPS定位数据的动态交通信息处理方法反映出的路况信息较准确。且利用本发明的实施例,在实时采集出租车的GPS定位数据时,可获得实时的路况信息。
优选地,本发明实施例的方法,在所述步骤104中,还包括:
根据预设的路网关联矩阵,利用标准道路的上下游道路的平均速度推断当前没有更新信息或更新信息小于预定量的标准道路的平均速度。
利用路网上下游关联性补足算法,能够提高路网的覆盖率和实时路况准确度,并在一定程度的改善实时路况的预报准确率。
优选地,本发明实施例的处理方法中,在获得所述标准道路的平均速度后,还包括:
将所述标准道路的平均速度赋给所述标准道路中无更新信息或更新信息小于预定量的单元道路的步骤。
优选地,本发明实施例的处理方法还包括:根据获得的单元道路的平均速度或标准道路的平均速度更新路网的路况信息的步骤。
图2为本发明另一实施例的动态交通信息的处理方法的流程示意图。如图2,本发明该实施例的处理方法包括:
步骤201,在采集出租车的GPS定位数据后,读取一批最近接收的出租车GPS定位数据。
步骤202,对这批数据进行协议解析后,进行过滤;过滤方法包括对GPS数据中的不完整的数据、格式不正确的数据、无法解析的数据、定位无效的数据的过滤、定位速度异常的数据、经纬度异常的数据、定位时间异常的数据、定位角度异常的数据、重复的数据、和/或对特殊图层数据过滤;
示例性地,上述定位时间异常的数据包括:定位时间比当前存储的定位数据的定位时间小的GPS定位数据或者定位时间不在当前系统时间有效期内的GPS定位数据。
通过上述过滤,可以使得用于确定路况信息的GPS定位数据更加准确,这样确定出的路况信息也更加贴近实际的路况信息。
示例性地,本发明实施例的GPS定位数据包括:定位有效标志,用于标识定位数据的有效性,根据该定位有效标志可将定位无效的数据过滤掉。
示例性地,本发明实施例的GPS定位数据还包括:定位角度,用于标识定位信息发送时车辆的偏移角度,根据该信息可将定位角度异常的数据过滤掉。
步骤203,对每条GPS定位数据进行网格定位查找操作。利用网格二叉树进行二分查找。如果当前节点的网格编号是有效的编号,则返回,否则继续在左右子树中进行查找。如果定位经度或纬度比预设的当前节点的划分值Bias大,那么在该节点的右子树中进行查找,否则在左子树中进行查找。直到搜寻到定位点所在的网格编号或者搜索完毕了整棵二叉树。如果查找不到,则表明该GPS定位数据异常,过滤该数据。
步骤204,如果上一步骤查找网格成功,则进行道路集合查找。在查找到的网格编号对应的二叉树中进行查找。依然按照经纬度和缓冲区边界进行查找。如果当前节点的道路数据集合不为空,那么找到了道路集,否则继续在左右子树中进行查找。如果定位经度或纬度比预设的当前节点的划分值Bias大,则在右子树中继续查找,否则在左子树中继续查找。直到找到定位道路集合为止。如果没有找到定位点所在的道路集合,说明该定位数据无效,过滤该条数据。
通过上述步骤203、204,可将不能匹配到路网的GPS定位数据过滤掉。
步骤205,利用当前的GPS定位数据的速度和时间对车辆的信息队列进行更新。如果定位时间比队列中定位数据的定位时间小,那么此定位数据无效。否则进行相关的队列更新,如果达到了队列长度限制,则删除队列中时间最早的数据。跟踪车辆的轨迹,并根据车辆的行驶轨迹,计算出保底速度,即车辆从上次定位点行驶到本次定位点,所需的最低速度,该保底速度=上次定位点到本次定位点之间的距离/本次定位时间与上次定位时间之间的时间差。如果该速度合法,那么该速度作为车辆本次定位的最终速度。具体的,当所述出租车的保底速度大于所述GPS定位数据中的定位速度,且小于预定的速度阈值时,以所述保底速度作为所述最终定位速度;当所述GPS定位数据中的定位速度大于所述保底速度时,以所述GPS定位数据中的定位速度作为所述最终定位速度;
在融合单元道路的平均速度时,利用上述出租车的最终定位速度来进行融合可以滤除车辆的异常速度,使得融合出的单元道路速度更加准确和贴近实际路况信息。
步骤206,在步骤202寻找到的道路集合中,通过道路的方向和定位的角度确定具体定位到哪一条单元道路。这一步必须确定车辆具体在哪一条单元道路上行驶。
步骤207,在步骤203到步骤206中得到的一批已经匹配到单元道路的有效数据后,这些数据包括车辆的编号,定位发生的时间,定位时车辆的即时速度,定位时车辆行驶所在的单元道路编号等,用这些信息对单元道路的道路信息队列进行更新。更新依据为时间和队列长度。
步骤208,对路网中的每个单元道路,获取其各个单元道路的道路信息队列,用道路信息队列中的速度信息融合成单元道路的平均速度信息,并进行更新。具体地,对每个单元道路的道路信息队列,首先将单元道路上的出租车按照空车和重车车辆进行分组,求取单元道路的平均速度和理论最小速度(第一速度阈值V1)和理论最大速度(第二速度阈值V2,V1<V2)。该步骤中重车的速度即为GPS定位数据中的定位数据。
单元道路的平均速度=该单元道路上所有空重车的速度总和÷该单元道路上所有空重车的数目;
根据上述最大和最小速度对每辆空车的异常速度进行过滤,其中:
理论最小速度=单元道路的平均速度×预设的第一融合系数;该第一融合系数可根据用户需求或道路实际情况进行配置;
理论最大速度=单元道路的平均速度+单元道路中空重车的总数×预设的单车速度允许误差限;该预设的单车速度允许误差限可根据用户需求或道路实际情况进行配置;
然后计算得到每辆空车的平均速度。接着重新计算单元道路的平均速度和理论最小速度V1’和’理论最大速度V2’,再对多辆车的平均速度进行过滤,最后根据有效的出租车的平均速度得出单元道路的融合平均速度。
步骤209,对路网中的每个标准道路,获取其各个子单元道路,用各个单元道路的速度信息融合成标准道路的路况信息,并进行更新。比如标准道路A有子单元道路B、C、和D,但只有B和C有最新的更新信息。所有用B和C融合出A的实时路况信息。融合方法为:首先计算标准道路的平均速度,预设的标准道路的最小速度(第三速度阈值V3)和标准道路的最大速度(第四速度阈值V4,V3<V4)。
标准道路的平均速度=有更新信息的各个单元道路速度总和÷有更新信息的单元道路数目。然后根据最小速度和最大速度对单元道路速度进行过滤,其中:
标准道路的最小速度=标准道路的平均速度×第二融合系数,
标准道路的最大速度=标准道路的平均速度+有更新信息的单元道路数目×预设的单元道路的允许误差限。
将利用上述V3和V4对有更新信息的单元道路的速度进行过滤,将有更新信息的单元道路的速度信息中小于V3的速度信息和大于V4的速度信息过滤掉,过滤之后重新利用上述公式计算标准道路的平均速度。这样采取多次过滤方式保证了融合出来的速度信息是最准确的。
步骤210,由于出租车GPS的浮动性,有些道路可能在某个时间段没有出租车行驶,那么该道路就会可能没有GPS数据,因此一趟在线分析处理后该单元道路就会没有更新信息,为了提高路网的覆盖率和路网精度,利用路网关联矩阵,依据标准道路的上游和下游更新信息推断预测出当前道路的路况更新信息。计算方式为:
道路速度=上游平均速度×预设的系数a+下游平均速度×预设的系数b
系数a+系数b=1
其中:系数a和系数b可以通过配置文件配置或者根据历史统计动态调整,每条道路的系数a和b都可能不一样。
步骤211,求解出路网的单元道路和标准道路的实时路况信息,数据服务子系统就可以依据这些信息更新展现给公众的实时路况信息。
表1示出了本发明的实施例中,采集的出租车的GPS定位数据所包括内容的一个示例,该例中,GPS定位数据体现为一个数据表。
字段 | 说明 |
车辆编码 | 出租车的车辆编码 |
定位时8间 | 定位发生的时间 |
经度 | 定位点的经度 |
纬度 | 定位点的纬度 |
定位角度 | 定位点的方位角 |
定位速度 | 定位点的速度 |
空重车标志 | 标志是空车还是重车 |
定位有效标志 | 标识本条定位数据是否有效 |
表1
其中,车辆编码指的是发送GPS数据的定位仪的设备编码,定位时间指定位设备发送定位信息的时间,经度和纬度表示发送定位信息时车辆所处在的经纬度值。定位角度指定位信息发送时车辆的偏移角度。定位速度指定位发生时车辆的即时速度。空重车标志指发送数据时出租车的状态,是载客还是不载客的状态。定位有效标志指明该定位数据是否有效,注意:这里的是否有效指的是该条GPS定位数据是否有效,但是不能保证该数据可以被系统利用,如果定位无效那么肯定就不能被系统利用。
下面对本发明实施例的实现中用到的数据表进行说明。
字段 | 说明 |
道路ID | 单元道路编号 |
道路方向 | 单元道路的方向 |
道路等级 | 单元道路的等级 |
道路地理信息 | 描绘一条道路的多个坐 |
标点 |
表2单元道路地理信息数据表
其中,道路ID指按照路网的拓扑结构划分的单元道路的编号,路网由标准道路组成,标准道路是地图领域统一使用的道路名,在系统中又将标准道路划分为多个单元道路,而单元道路是由多个点组成的弧段。所有标准道路和道路之间的拓扑关系就构成了一个城市的交通路网。矢量化方向指单元道路弧段的方向。道路方向指该道路的方向是沿着矢量化方向还是逆着矢量化方向。道路等级指描述道路的级别。道路地理信息字段的数据包括该单元道路的各个点的经纬度信息,按照先经度后纬度的对称方式存储。因为每条单元道路在地图上是一个弧段。而一个弧段由多个标志性点组成,只有存储各个点的经纬度信息,就可以确定该弧段在地图上的位置。
字段 | 说明 |
道路编号 | 单元道路的编号 |
缓冲区左边界 | 单元道路缓冲区的最小经度值 |
缓冲区右边界 | 单元道路缓冲区的最大经度值 |
缓冲区上边界 | 单元道路缓冲区的最大纬度值 |
缓冲区下边界 | 单元道路缓冲区的最小纬度值 |
表3单元道路缓冲区数据表
其中,道路编号指单元道路的编号,缓冲区左边界指单元道路的最小经度,右边界指最大经度,上边界为最大纬度,下边界为最小纬度。系统为每条道路建立一个缓冲区,该缓冲区为二维缓冲区,X维为经度,Y维为纬度。建立了道路缓冲区信息表,那么在自动网格化的时候就根据道路缓冲区来进行网格划分,接着建立网格二叉树,然后利用道路缓冲区信息表建立网格内部的道路二叉树。
字段 | 说明 |
网格ID | 网格编号 |
父网格ID | 父网格编号 |
网格左边界 | 网格缓冲区的最小经度值 |
网格右边界 | 网格缓冲区的最大经度值 |
网格下边界 | 网格缓冲区的最大纬度值 |
网格上边界 | 网格缓冲区的最小纬度值 |
网格道路数 | 处在该网格内部的单元道路数目 |
表4网格信息数据表
其中,网格ID说明了自动网格化,建立网格二叉树,建立道路二叉树的过程中用到的网格编号。该表格网格ID是键值,即每条记录的网格ID不一致。父网格ID是自动网格化过程中为了方便操作建立的一个字段,网格二叉树边界值同样表示了该网格的经纬度范围。然后通过网格的经纬度范围,就可以确定该网格内部的道路编号和道路信息。网格道路数是只划分后该网格内部拥有的单元道路的数目。
字段 | 说明 |
网格ID | 网格ID |
道路ID | 单元道路ID |
缓冲区左边界 | 单元道路缓冲区的最小经度值 |
缓冲区右边界 | 单元道路缓冲区的最大经度值 |
缓冲区上边界 | 单元道路缓冲区的最大纬度值 |
缓冲区下边界 | 单元道路缓冲区的最小纬度值 |
表5网格空间信息数据表
其中,网格ID是单元道路所在的网格的编号,道路ID是指单元道路的道路编号,缓冲区边界指单元道路的经纬度范围。从该表中可以获取各个网格内部的所有单元道路的道路编号及缓冲区信息。
字段 | 说明 |
标准道路ID | 标准道路ID |
单元道路ID | 单元道路ID |
单元道路方向 | 单元道路的方向 |
单元道路长度 | 单元道路的长度 |
表6标准道路信息表
其中标准道路ID是地图领域统一使用的道路名,一个标准道路由多个单元道路组成。单元道路是系统划分的适合计算的一个弧段。每个弧段由该弧段上的多个地理信息点组成。单元道路编号指该弧段的编号。由单元道路和单元道路的拓扑关系构成了路网的拓扑结构。每条单元道路就代表路网中的一条链。单元道路之间的交点就是路网的各个节点。完全按照图论的思想来构建路网的拓扑结构。单元道路方向指按照拓扑结构中矢量化的方向。因为图论中的图也有双向图和无向图。加上现实世界的道路也有双向道路,所以采取双向图是一个非常有意义且合理的设计。单元道路长度指该弧段的长度。
本发明的实施例中,采用自适应动态网格化算法、网格二叉树算法、道路二叉树算法和网格道路二分查找算法把过滤和转换后的最新且有效的GPS定位数据对应的定位点即对应的出租车匹配到路网的单元道路中。其中,自动网格化算法把路网自适应的划分含有大致相等的道路条数为子网格。网格二叉树算法对划分好的网格建立二叉树,每个叶子节点是一个有效的网格,非叶子节点是一个无效的网格。道路二叉树算法是针对每个网格内部的道路建立一颗二叉树,有N个网格就建立N个二叉树。建立的二叉树保证冗余度最小,整棵树最接近平衡二叉树。网格道路二叉树查找算法根据已建立的网格二叉树和道路二叉树进行二分查找,提高查找效率。下面结合上述地理信息数据表和路网信息数据表,对实现上述匹配的各算法的流程进行说明。
图3为单点匹配即将GPS定位数据对应的定位点匹配到路网的单元道路的流程示意图。如图3,该单点匹配包括如下步骤:
步骤301,获取要进行单点匹配的GPS定位信息中的经度、纬度、定位角度和定位速度等信息。
步骤302,将路网按照经纬度二维划分为多个网格,每个网格中的道路条数小于预定的道路最大数目并大于预定的道路最小数目,并根据定位经纬度通过网格二叉树查找定位点所在的网格编号。利用网格二叉树进行二分查找。如果当前节点的网格编号是有效的编号,则返回,否则继续在左右子树中进行查找。如果定位经度或纬度比预设的当前节点的划分值Bias大,那么在该节点的右子树中进行查找,否则在左子树中进行查找。直到搜寻到定位点所在的网格编号或者搜索完毕了整颗二叉树。如果查找不到,则表明该GPS定位数据异常,过滤该条数据。
步骤303,查找定位点所在的道路集合。在查找到的网格编号对应的二叉树中进行查找。依然按照经纬度和缓冲区边界进行查找。如果当前节点的道路数据集合不为空,那么找到了道路集,否则继续在左右子树中进行查找。如果定位经度或纬度比当前节点的划分值Bias大,则在右子树中继续查找,否则在左子树中继续查找。直到找到定位道路集合为止。如果没有找到定位点所在的道路集合,说明该定位数据无效,过滤该条数据。
步骤304,跟踪车辆的行驶轨迹,如果当定位数据不是该车辆的最新信息,则不更新该车辆的道路信息队列,把这条定位数据过滤,否则更新进入下一步。
步骤305,在步骤303寻找到的道路集合中,通过道路的方向、和出租车的定位角度以及出租车的经纬度信息确定具体定位到哪一条道路,即在道路集合中确定出与出租车匹配的单元道路的ID。这一步必须确定车辆具体在哪一条道路上行驶。然后转入下一步。如果不能确定定位到哪一条单元道路上,则该定位数据无效,过滤该定位数据。
步骤306,利用当前的GPS定位数据的速度和时间对车辆的信息队列进行更新。如果当前GPS定位数据的定位时间比队列中存储的定位数据的最早定位时间小,那么此定位数据无效。否则进行相关的队列更新,如果达到了队列长度限制,则删除队列中时间最早的数据。
图4为本发明实施例中应用的动态自适应网格的流程示意图。如图4,该网格划分方法包括:
步骤401,读取路网所有单元道路的道路编号,道路缓冲区信息,以获取路网的单元道路的经纬度边界;
步骤402,初始以经度对网格进行划分,可通过将标志为Flag设置为真(TRUE)来表示初始以经度对网格进行划分;
步骤403,划分流程开始;
步骤404,确定对当前网格进行划分的预设的划分值Bias值,将当前网格划分为两个子网格,
示例性地,如果flag为真,Bias=(最小经度+最大经度)/2,如果flag为假,Bias=(最小纬度+最大纬度)/2;
步骤405,判断当前划分的两个子网格中是否有某个子网格内部的道路数目小于预设的网格中的最小道路数ROAD_MIN;如是,则转入步骤407;否则,执行步骤406;
步骤406,判断当前两个子网格的道路条数是否大于预设的网格中的最大道路数ROAD_MAX;如是,则转入步骤408;否则,执行步骤409;
步骤407,调整Bias值,对当前网格重新划分,使得每个子网格内的道路数目大于ROAN_MIN,转入步骤404;
步骤408,Flag取反,转入步骤403,对当前子网格递归进行划分;
步骤409,继续划分,直到所有的网格内部的道路条数都满足ROAD_MIN<N<ROAD_MAX为止。
优选地,根据某个城市的路网中包含的单元道路数目N,N为自然数,以接近平均的方式划分各个网格中道路的数目;具体地,使上述ROAD_MIN和ROAD_MAX的值接近(N/预定要划分的网格数目)。优选地, 优选地,
图5为本发明实施例中应用的建立网格二叉树的算法流程示意图。如图5,该建立网格二叉树算法包括:
步骤501,从网格信息表中获取所有网格的网格编号和网格缓冲区信息;
步骤502,对根节点开始进行划分,示例性地,可通过将标志位Flag设置为真(TRUE)来表示;
步骤503,划分流程开始;
步骤504,判断当前节点包含的网格数目是否为1;如果是为1,执行步骤505,否则,执行步骤506。
步骤505,表示该节点不必再划分,作为叶子节点,返回;
步骤506,确定划分值即Bias值,对当前节点进行划分为两个子节点;该例中,如果flag为真,Bias=(最小经度+最大经度)/2,如果flag为假,Bias=(最小纬度+最大纬度)/2;
步骤507,判断当前Bias值划分的两个子节点是否均匀分别在Bias两边;如果不是,执行步骤508,否则执行步骤509;
步骤508,调整Bias值,对当前节点重新划分,转入步骤506;
步骤509,Flag取反,对当前子节点进行递归划分;
步骤510,所有节点划分完毕,每个叶子节点只含有一个有效的网格编号,而非叶子节点都只含有一个无效的网格编号。
图6为本发明实施例中应用的建立道路二叉树算法的流程示意图。如图6,该建立道路二叉树算法包括:
步骤601,获取网格内所有道路的道路编号和经纬度边界即缓冲区信息;
步骤602,对最顶级节点即根节点进行划分,示例性地,通过将Flag设置为真(TRUE)来标示;
步骤603,开始划分流程;
步骤604,根据当前节点包含道路的数目和冗余度系数计算当前节点划分运行的冗余度和差值,并判断允许的冗余度是否小于1;如果小于1,执行步骤605;否则,执行步骤606;
步骤605,当前节点允许的冗余度太小,即当前节点包含的道路数目很少,几乎为1,不对当前节点进行划分,将当前节点作为叶子节点,返回;
步骤606,寻找一个合适的划分,在冗余度和差值满足最低冗余度和最小差值的要求的情况下,寻找最优的划分Bias值,如果找到了合适的划分,转入步骤608,否则,转入步骤607;
步骤607,当前节点不适合再进行划分,将当前节点作为叶子节点,返回;
步骤608,Flag标志取反,对两个子节点进行递归划分,直至所有的节点都不能进行划分为止;
步骤609,所有的节点划分完毕,每个节点拥有一个道路集合。
图7为本发明实施例中,根据匹配到单元道路上的各出租车的定位速度,融合出单元道路的平均速度的方法流程示意图。如图7,该特征融合的方法包括如下步骤:
步骤701,读取每个单元道路的道路信息队列;
步骤702,对道路信息队列的信息按照空车和重车进行分组处理,重车和空车位于不同的分组;在下面的处理中,对重车,利用重车的实际定位速度进行处理;对空车,需要对空车的异常速度进行过滤;
步骤703,对空车部分按照车辆编号进行分组处理;
步骤704,根据重车和空车计算出单元道路的平均速度,理论最小速度V1和最大速度V2,V2小于预定的阈值,计算公式为:
单元道路的平均速度=该单元道路上所有空重车的速度总和÷该单元道路上所有空重车的数目;
最小速度=平均速度×预设的第一融合系数;该预设的第一融合系统可配置;
最大速度=平均速度+单元道路中空重车的总数×预设的单车速度允许误差限,该预设的单车速度允许误差限可配置;
步骤705,根据V1和V2对已进行分组的每一辆空车的速度信息进行过滤,其中,如果该空车的速度在V1和V2之间,那么该速度被认为是正常速度;否则过滤掉该速度信息;
步骤706,对过滤后的空车的多个速度信息进行求取平均速度,得出空车的单车平均速度;如果经步骤705过滤之后,所有数据都被过滤掉了,那么说明这部分的数据不适合用过滤算法,则在该步骤恢复被过滤掉的数据,并直接利用未过滤的数据计算融合的单元道路的速度,并结束流程。
步骤707,根据重车的速度信息和过滤后的空车的速度信息,重新根据步骤704中的公式计算出过滤后、单元道路的平均速度,理论最小速度V1’和最大速度V2’;
步骤708,根据V1’和V2’对单元道路的多辆空车的平均速度进行过滤,如果某辆空车的平均速度在V1’和V2’之间,那么该车辆的速度信息被认为是正常的,否则需要过滤此速度信息;
步骤709,对过滤后的单车平均速度信息计算单元道路的速度信息。计算方法为过滤后的所有车辆的速度总和除以过滤后的车辆总数;如果经步骤707过滤之后,所有数据都被过滤掉了,那么说明这部分的数据不适合用过滤算法,则在该步骤恢复被过滤掉的数据,并直接利用未过滤的数据计算融合的单元道路的速度,并结束流程。
该实施例中采用了两次过滤来获得较准确的单车速度,但在本发明的其它实施例中,可根据需要只采取一次过滤、或采取更多次的过滤。
图8为本发明实施例的处理方法中,利用单元道路的平均速度融合出标准道路的平均速度的方法的流程示意图。如图8,该融合方法包括:
步骤801,获取组成标准道路A的各个单元道路的道路编号及速度信息;
步骤802,计算标准道路的平均速度,理论最小速度V3和最大速度V4;计算方法为:
标准道路的平均速度=有更新信息的各个单元道路速度总和÷有更新信息的单元道路数目;
最小速度=标准道路的平均速度×预设的第二融合系数;该第二融合系数可配置;
最高速度=标准道路的平均速度+有更新信息的单元道路数目×预设的单元道路的允许速度误差限;该单元道路的允许速度误差限可配置;
步骤803,根据V3和V4对各个单元道路的速度信息进行过滤,将有更新信息的单元道路中、速度信息小于V3和大于V4的单元道路的速度信息过滤掉;
步骤804,根据过滤后的各个单元道路的速度信息融合成标准道路的速度信息,计算方法为经过速度过滤后的、有更新信息的单元道路速度总和除以经过速度过滤后的、有更新信息的单元道路的总数;如果经步骤803的过滤之后,所有数据都被过滤掉了,那么说明这部分不适合用过滤算法,在该步骤恢复这部分被过滤掉的数据,并直接计算标准道路的融合平均速度。
图9为本发明实施例的处理方法中,路网更新的流程示意图。如图9,该路网更新包括:
步骤901,读取需要更新的单元道路的路况信息表A,表中包含了单元道路的编号、单元道路的实时速度等;
步骤902,对组成每条标准道路的各个单元道路的速度进行融合,得到每条标准道路的速度,生成路网标准道路的实时路况信息B;
步骤903,根据路网标准道路的上下游拓扑关系,生成路网中标准道路的上下游路况补偿信息表C;
步骤904,将标准道路的实时路况信息B和补偿路况信息C更新到路网的标准道路实时路况信息表;
步骤905,把标准道路的实时路况信息赋给该标准道路包含的单元道路,即把B中标准道路的路况信息赋给其包含的单元道路,示例性的,将标准道路的平均速度赋给其包含的各单元道路,即各单元道路的速度为该标准道路的平均速度;
步骤906,把标准道路的补足路况信息更新到路网的单元道路实时路况信息表,即把C中标准道路的路况信息赋给该标准道路包含的单元道路;
步骤907,把初始读取的、待更新的单元道路信息表更新到路网的单元道路实时路况信息表,即还原A中的单元道路的道路信息;
步骤908,把单元道路的信息更新到全路网的单元道路,得到路网的单元道路的实时路况信息表,结束流程。
该实施例中,根据获得的路网中各标准道路的速度信息更新了路网中的标准道路的实时路况信息,根据获得的路网中各单元道路的速度信息更新了路网中的单元道路的实时路况信息。
本发明还公开了一种动态交通信息的处理系统。图10为本发明实施例的处理系统的结构示意图。如图10,该处理系统包括:
数据采集子系统1001,用于采集出租车的GPS定位数据,并对所述GPS定位数据进行协议解析,并按照预设的第一过滤条件过滤,所述GPS定位数据包括:车辆编码、定位时间、经纬度信息、定位角度及定位速度;
数据处理子系统1002,包括:
数据过滤模块1003,用于对经所述数据采集子系统过滤的GPS定位数据,按照预设的第二过滤条件进行过滤;
单点匹配模块1004,用于根据所述数据过滤模块过滤后的GPS定位数据中包含的经纬度、定位时间、以及路网地理信息数据,将满足预设要求的GPS定位数据所对应的出租车匹配到路网的单元道路上;
特征融合模块1005,用于根据匹配到单元道路上的各出租车的定位速度,融合出所述单元道路的平均速度;
路网更新模块1006,用于对路网中的每个标准道路,获取自身包括的各单元道路的平均速度,并利用所述各单元道路的平均速度获得所述标准道路的路况信息,所述路况信息包括利用所述各单元道路的平均速度融合出的所述标准道路的平均速度。
优选地,该实施例的处理系统中,按照预设的第一过滤条件过滤包括:将所述采集的GPS数据中不完整的数据、格式不正确的数据、定位无效的数据、定位时间异常的数据、重复的数据、和/或无法解析的数据过滤掉。
优选地,该实施例的处理系统中,按照预设的第二过滤条件过滤包括:将所述采集的GPS数据中不能匹配到路网的数据、定位速度异常的数据、经纬度异常的数据、定位角度异常的数据、空车的无效数据、和/或特殊图层的数据过滤掉。
本发明的实施例通过上述过滤,可以保证系统真正利用的数据是准确高效的,因而对交通信息的处理的效果也是最好的。
优选地,该实施例的处理系统中,所述单点匹配模块包括:
网格划分模块,用于将所述路网按照经纬度二维划分为多个网格,所述每个网格中的道路条数小于预定的道路最大数目并大于预定的道路最小数目;优选地,该道路最小数目为该道路最大数目为N为路网中包含的单元道路总数目且N为自然数;
网格编号查找模块,用于根据所述出租车的经纬度,通过网格二叉树查找所述出租车所在的网格的编号;
道路集合查找模块,用于在所述查找到的所述网格的编号对应的二叉树中查找所述出租车所在的道路集合;
单元道路确定模块,用于根据道路的方向、所述出租车的定位角度及经纬度信息,在所述道路集合中确定出与所述出租车匹配的单元道路。
优选地,该实施例的处理系统中,所述特征融合模块包括:
最终定位速度确定模块,用于根据本次接收到的所述出租车的GPS定位数据中的定位速度和所述出租车的保底速度确定出所述出租车本次定位的最终定位速度;当所述保底速度大于所述GPS定位数据中的定位速度,且小于预定的速度阈值时,以所述保底速度作为所述最终定位速度;当所述GPS定位数据中的定位速度大于所述保底速度时,以所述GPS定位数据中的定位速度作为所述最终定位速度;
所述出租车的保底速度=所述出租车从上次定位点到本次定位点之间的距离/本次定位时间与上次定位时间之间的时间差。
优选地,该实施例的处理系统中,所述路网更新模块还包括:
上下游路网补偿模块,用于根据预设的路网关联矩阵,利用上下游道路的平均速度推断当前没有更新信息或更新信息小于预定量的单元道路的平均速度;
图11为本发明实施例的处理系统中,数据采集系统的结构示意图。该实施例中,数据采集子系统主要负责从出租车采集GPS定位数据,对出租车GPS数据进行接入、校验、纠错、协议解释和格式转换并存储。数据采集子系统是整个系统的数据来源。如图11,该数据采集子系统包括:GPS数据接收模块1101、GPS数据解析模块1102、GPS数据存储模块1103和GPS数据转发模块1104。
GPS数据接收模块,用于连续不间断地接收安装在出租车上的GPS设备实时发送的GPS定位数据;
GPS数据解析模块,用于对接收的GPS数据进行协议解析、无效数据过滤、重复数据过滤、和/或无效时间过滤;优选地,该数据解析模块中可加入了应对网络延迟的数据处理算法,以防止丢失有用的GPS定位数据;
GPS数据存储模块,用于将解析后的内部格式的数据存储到公共接口缓冲区和数据库中,公共接口用来向数据处理子系统开放数据,数据库存储解析后的GPS数据记录,供离线分析和系统演示及其他功能提供数据支撑;
GPS数据转发模块,用于实现在多个站点部署系统或者多个站点部署不同版本的系统,为了实现最大化的利用出租车GPS数据,就需要把GPS数据转发到多个站点,因此加入了GPS数据转发模块,这样最大效率的利用了GPS数据。
数据采集子系统的这四个模块,用于保证服务平台的数据来源的可靠性、准确性,剔除了无效数据和伪数据,充分利用了有效的GPS定位数据。
本发明另一实施例的处理系统中,数据处理子系统以实时采集的出租车GPS定位数据为数据源,利用GPS数据融合、分析、管理和空间数据处理等技术,对数据进行综合处理与分析,为数据服务子系统提供必要准确的信息。该实施例中,数据处理子系统主要包括:数据过滤模块、单点匹配模块,特征融合模块,数据更新模块和路网更新模块五个模块。
其中,数据过滤模块,用于针出租车的无效数据过滤、速度异常数据过滤、经纬度定位异常数据过滤、定位时间异常时间过滤、定位角度不正常等数据过滤,以保证系统真正利用的数据是准确高效的,因而处理的效果也是最好的。
单点匹配模块,是数据处理子系统的一个核心的模块,用于把过滤和转换后、最新且有效的GPS定位数据对应的定位点即出租车匹配到路网当中;其中,采用自适应动态网格化算法、网格二叉树算法、道路二叉树算法和网格道路二分查找算法。自动网格化算法把路网自适应的划分含有大致相等的道路条数为子网格。网格二叉树算法对划分好的网格建立二叉树,每个叶子节点是一个有效的网格,非叶子节点是一个无效的网格。道路二叉树算法是针对每个网格内部的道路建立一颗二叉树,有N个网格就建立N个二叉树。建立的二叉树保证冗余度最小,整棵树最接近平衡二叉树。网格道路二叉树查找算法根据已建立的网格二叉树和道路二叉树进行二分查找,提高查找效率。单点匹配具体的匹配方法可参见上文中对动态交通信息的处理方法中对应部分的描述。
特征融合模块,用于针对每条单元道路的更新的道路信息队列进行过滤融合处理,得到单元道路的融合速度。首先将单元道路上的出租车按照车辆进行分组,求取单元道路的平均速度和理论最小和最大速度。根据最大和最小速度对每辆车的异常速度进行过滤,然后计算得到每辆车的平均速度。接着重新计算单元道路的平均速度和理论最小和最大速度,再对多辆车的平均速度进行过滤,最后根据有效的出租车的平均速度得出单元道路的融合平均速度。
数据更新模块,用于更新路网中单元道路的实时路况信息表;这样数据服务子系统就可以根据单元道路的实时路况信息表更新实时路况。
路网更新模块,用于融合生成标准道路的平均速度,并使用路网上下游补足算法提高路网覆盖率和准确度。标准道路的融合算法类似于单元道路的速度融合算法。路网下游补足算法主要是根据路网的上下游关联关系,其实就是前后弧段之间关联关系,对无数据或者数据过少的道路进行数据补足,提高路网的覆盖率和精度。
本发明实施例的动态交通信息的处理系统,还包括:数据服务子系统、数据监测子系统和平台维护子系统。
对于数据服务子系统,我们在准确的数据处理情况下,提供了路径规划服务,预测估计服务和信息查询服务。其中路径规划服务包括动态路径规划和静态路径规划,主要有最短(距离)路径规划,最短(时间)路径规划,途经兴趣点规划,途经道路规划,用户偏好选择规划;其中预测估计服务主要有:道路路况预测服务,道路速度预测服务,道路路况趋势预测服务,道路旅行时间估计预测服务,等停时间估计服务;其中信息查询服务主要包括:实时路况查询,重要路口路况查询,重要道路路况查询,道路平均旅行时间查询,路况平均等停时间查询等。
最短路径规划主要提供出发地和目的地之间的最优行驶路径方案,可以选择参考指标,比如距离最短或者时间最短,当然系统还提供了更加丰富多样的路径规划服务,满足不同客户的偏好需求。可以按照偏好选择参考指标,参考指标有少走高速公路,少走高架桥,只走一般道路,综合选择,时间最少,路径最短,最经济等。这些偏好选择使系统能够适合更多的人群,具有良好的可扩展性。
途经兴趣点规划就是提供一种路径规划服务,在该路径规划中尽可能的包含用户希望经过的兴趣点。
道路速度预测服务能够提供在未来短时间,中等时间和长期时间内的道路速度预测服务。短期速度预测主要利用有效期内的道路路况信息进行预测,中期时间结合有效期道路路况信息和历史道路路况信息进行预测,而长期时间内的道路速度预测只采用历史典型阻塞模式和历史统计分析数据进行预测。
道路趋势预测服务能够预测未来一定时期内路网中各条标准道路和单元道路的路况演变趋势,比如某条道路A在15分钟后的道路状态如何,是畅通了还是更加拥堵了,那么用户可以根据趋势预测选择自己是现在出门还是等待一段时间出门,还是选择其他的道路旅行,交管部门可以根据道路趋势预测实行交通管制和交通疏导,为缓解城市交通状况提供一定的保障和辅助决策。且由于路况会周期性的重现,还可增加周期预测。
道路旅行时间估计服务可以提供一个较为准确的到达目的地的旅行时间,让用户知道自己离目的地还有多远的距离,需要多长时间能够到达,而且根据道路的路况信息变化,动态的估计出道路旅行时间。同时利用重要路口的等停时间,更加准确的估计出道路的动态旅行时间。
重要道路路况查询和重要路口路况查询能够让用户及时的了解到重要路况的实时路况信息。道路平均旅行时间查询提供两地之间基本的道路旅行时间查询,为出行提供一个良好的决策。同样,重要路口等停时间查询也可以为用户提供一定的出行帮助信息。
数据监测子系统,用于利用预设的指标对系统进行监测。具体地,为了评价系统的准确性,可靠性,性能,预测准确度,服务质量等一系列指标,我们引入和指标评价模型,采用路网路况覆盖率指标,抽样路况准确率指标,路况准确链路比指标,路况误差范围指标,路况服务稳定性指标等六个指标对系统进行评估,根据评估模型结果,可以及时的跟踪系统的运行状态,保证服务的稳定,同时还提供监测报警服务,一旦检测到系统的异常,就会以邮件和短信的方式通知系统维护人员,这样系统维护人员就可以很轻松的随时掌控系统的运行状态。
平台维护子系统,主要有数据库维护,系统监控日志和用户权限认证和系统日志管理四个模块。数据库维护包括出租车GPS数据的维护,路网数据的维护,历史统计数据的维护和数据挖掘典型模式等的维护。由于出租车GPS数据量很大,系统采用的海量数据的分区存储和索引检索技术,能够节省磁盘空间和提供数据检索效率。系统监控日志主要监控系统的运行,检测系统的状态,输出相关的日志信息,为维护人员和开发人员提供充足的信息。利用平台维护子系统,能够动态监控数据源的质量和网站运行状态,为系统的安全稳定运行提供了优良的保证。
本发明的技术方案,集数据采集、数据处理、甚至是数据服务、数据监测和平台维护于一体,利用设计优良的数据算法和模型对各类交通信息融合处理,结合历史典型阻塞模式库和历史道路信息统计分析库,生成准确的实时路况信息为交通管理部门提供辅助决策.缓解日益严重的交通压力。
本领域普通技术人员可以理解,实现上述事实的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机所可读取的存储介质中,所述的存储介质,可以是ROM/RAM、磁盘、光盘等。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种动态交通信息的处理方法,其特征在于,包括如下步骤:
步骤a,采集浮动车的GPS定位数据,在对所述GPS定位数据进行协议解析后,对所述解析后的GPS定位数据按照预设的过滤条件进行过滤,所述GPS定位数据包括:定位时间、经纬度信息、定位速度;
步骤b,根据所述过滤后的GPS定位数据中包含的经纬度信息、定位时间、以及预设的路网地理信息数据,将所述过滤后的所述GPS定位数据所对应的浮动车匹配到路网的单元道路上;
步骤c,根据匹配到单元道路上的各浮动车的定位速度,融合出所述单元道路的平均速度;
步骤d,对路网中的每个标准道路,获取自身包括的各单元道路的平均速度,并利用所述各单元道路的平均速度获得所述标准道路的路况信息,所述路况信息包括利用所述各单元道路的平均速度融合出的所述标准道路的平均速度。
2.根据权利要求1所述的处理方法,其特征在于,所述GPS定位数据还包括:定位有效标志和定位角度,所述步骤a中,所述对所述解析后的GPS定位数据按照预设的过滤条件进行过滤的步骤包括将如下数据中的至少一种数据过滤掉:
所述GPS定位数据中不完整的数据、格式不正确的数据、无法解析的数据、定位无效的数据、定位速度异常的数据、经纬度异常的数据、定位时间异常的数据、定位角度异常的数据、重复的数据、不能匹配到路网的数据、特殊图层的数据。
3.根据权利要求1或2所述的处理方法,其特征在于,所述步骤b中,所述将GPS定位数据所对应的浮动车匹配到路网中的单元道路上的步骤包括:
步骤b1,将所述路网按照经纬度二维划分为多个网格,所述每个网格中的道路条数小于预定的道路最大数目并大于预定的道路最小数目;
步骤b2,根据所述浮动车的经纬度,通过网格二叉树查找所述浮动车所在的网格的编号;
步骤b3,在所述查找到的所述网格的编号对应的二叉树中查找所述浮动车所在的道路集合;
步骤b4,根据道路的方向、所述浮动车的定位角度及经纬度信息,在所述道路集合中确定出与所述浮动车匹配的单元道路。
4.根据权利要求1所述的处理方法,其特征在于,所述步骤c中,所述用于融合单元道路平均速度的各浮动车的定位速度为:所述浮动车的、本次定位的最终定位速度,所述本次定位的最终定位速度用于融合出所述单元道路的平均速度;当所述浮动车的保底速度大于所述GPS定位数据中的定位速度,且小于预定的速度阈值时,以所述保底速度作为所述最终定位速度;当所述GPS定位数据中的定位速度大于所述保底速度时,以所述GPS定位数据中的定位速度作为所述最终定位速度;
所述浮动车的保底速度=所述浮动车从上次定位点到本次定位点之间的距离÷本次定位时间与上次定位时间之间的时间差。
5.根据权利要求1或4所述的处理方法,其特征在于,所述浮动车为出租车,所述GPS定位数据还包括:空重车标志,用于标识发送定位数据时所述出租车的状态为重车状态还是空车状态,所述步骤c包括:
步骤c1,计算所述单元道路的平均速度、第一速度阈值V1和第二速度阈值V2,所述V1小于所述V2,其中,
单元道路的平均速度=所述单元道路上空重车的定位速度的总和÷所述单元道路中空重车的总数,
V1=平均速度×预先设定的第一融合系数;
V2=平均速度+单元道路中空车的总数×预先设定的单车速度允许误差限;
步骤c2,将所述单元道路的出租车中、每一辆空车的速度信息中,小于所述V1和大于所述V2的速度信息过滤掉,并利用过滤后的速度信息重新计算所述空车的单车平均速度;
步骤c3,根据重车的定位速度和过滤后的空车的平均速度,按照所述步骤c1中的公式重新计算出单元道路的平均速度、第一速度阈值V1’及第二速度阈值V2’的值;
步骤c4,利用所述步骤c4中计算出的所述V1’及V2’值,将所述每一辆空车的速度信息中,小于所述V1’和大于所述V2’的速度信息过滤掉,并利用过滤后的速度信息重新计算所述空车的单车平均速度;
步骤c5,利用所述重车的定位速度和根据所述步骤c4中计算出的所述空车的单车平均速度,计算所述单元道路的平均速度。
6.根据权利要求1所述的处理方法,其特征在于,所述步骤d包括:
步骤d1,获取组成所述标准道路的各个单元道路的道路编号及速度信息;
步骤d2,计算所述标准道路的平均速度、第三速度阈值V3和第四速度阈值V4,所述V3小于所述V4,其中,
所述标准道路的平均速度=有更新信息的各单元道路的速度总和÷有更新信息的各单元道路的数目;
V3=所述标准道路的平均速度×预先设定的第二融合系数;
V4=所述标准道路的平均速度+有更新信息的单元道路数目×预先设定的单元道路的允许速度误差限;
步骤d3,将小于所述V3和大于所述V4的单元道路的速度信息过滤掉,并利用过滤后的单元道路速度总和除以经过滤后的单元道路的总数,获得所述标准道路的融合平均速度。
7.根据权利要求1所述的处理方法,其特征在于,所述步骤d中,还包括:
根据预设的路网关联矩阵,利用标准道路的上下游道路的平均速度推断当前没有更新信息或更新信息小于预定量的标准道路的平均速度。
8.根据权利要求1、6或7所述的处理方法,其特征在于,在获得所述标准道路的平均速度后,还包括:
将所述标准道路的平均速度赋给所述标准道路中无更新信息或更新信息小于预定量的单元道路的步骤。
9.根据权利要求8所述的处理方法,其特征在于,根据获得的单元道路的平均速度或标准道路的平均速度更新路网的路况信息的步骤。
10.一种动态交通信息的处理系统,其特征在于,包括:
数据采集子系统,用于采集浮动车的GPS定位数据,并对所述GPS定位数据进行协议解析,并按照预设的第一过滤条件过滤,所述GPS定位数据包括:定位时间、经纬度信息、定位速度;
数据处理子系统,包括:
数据过滤模块,用于对经所述数据采集子系统过滤的GPS定位数据,按照预设的第二过滤条件进行过滤;
单点匹配模块,用于根据所述数据过滤模块过滤后的GPS定位数据中包含的经纬度、定位时间、以及路网地理信息数据,将满足预设要求的GPS定位数据所对应的浮动车匹配到路网的单元道路上;
特征融合模块,用于根据匹配到单元道路上的各浮动车的定位速度,融合出所述单元道路的平均速度;
路网更新模块,用于对路网中的每个标准道路,获取自身包括的各单元道路的平均速度,并利用所述各单元道路的平均速度获得所述标准道路的路况信息,所述路况信息包括利用所述各单元道路的平均速度融合出的所述标准道路的平均速度。
11.根据权利要求10所述的处理系统,其特征在于,所述单点匹配模块包括:
网格划分模块,用于将所述路网按照经纬度二维划分为多个网格,所述每个网格中的道路条数小于预定的道路最大数目并大于预定的道路最小数目;
网格编号查找模块,用于根据所述浮动车的经纬度,通过网格二叉树查找所述浮动车所在的网格的编号;
道路集合查找模块,用于在所述查找到的所述网格的编号对应的二叉树中查找所述浮动车所在的道路集合;
单元道路确定模块,用于根据道路的方向、所述浮动车的定位角度及经纬度信息,在所述道路集合中确定出与所述浮动车匹配的单元道路。
12.根据权利要求10所述的处理系统,其特征在于,所述特征融合模块包括:
最终定位速度确定模块,用于根据本次接收到的所述浮动车的GPS定位数据中的定位速度和所述浮动车的保底速度确定出所述浮动车本次定位的最终定位速度;当所述保底速度大于所述GPS定位数据中的定位速度,且小于预定的速度阈值时,以所述保底速度作为所述最终定位速度;当所述GPS定位数据中的定位速度大于所述保底速度时,以所述GPS定位数据中的定位速度作为所述最终定位速度;
所述浮动车的保底速度=所述浮动车从上次定位点到本次定位点之间的距离/本次定位时间与上次定位时间之间的时间差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100869247A CN101604478B (zh) | 2009-06-18 | 2009-06-18 | 一种动态交通信息的处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100869247A CN101604478B (zh) | 2009-06-18 | 2009-06-18 | 一种动态交通信息的处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101604478A true CN101604478A (zh) | 2009-12-16 |
CN101604478B CN101604478B (zh) | 2011-05-04 |
Family
ID=41470193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100869247A Expired - Fee Related CN101604478B (zh) | 2009-06-18 | 2009-06-18 | 一种动态交通信息的处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101604478B (zh) |
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866545A (zh) * | 2010-05-11 | 2010-10-20 | 中国科学院软件研究所 | 移动对象路网匹配轨迹的采集方法 |
CN101937615A (zh) * | 2010-08-23 | 2011-01-05 | 北京世纪高通科技有限公司 | 基于浮动车数据处理系统的监控装置及方法 |
WO2011079679A1 (zh) * | 2009-12-30 | 2011-07-07 | 北京世纪高通科技有限公司 | 浮动车数据的预处理方法及装置 |
WO2011082614A1 (zh) * | 2010-01-11 | 2011-07-14 | 北京世纪高通科技有限公司 | 路况更新方法和装置 |
CN102129772A (zh) * | 2011-02-23 | 2011-07-20 | 泉州市视通光电网络有限公司 | 一种基于gis的动态定位调度指挥方法和系统 |
CN102280029A (zh) * | 2011-07-20 | 2011-12-14 | 北京世纪高通科技有限公司 | 交通信息质量监测方法及装置 |
CN101794511B (zh) * | 2009-12-30 | 2012-01-04 | 北京世纪高通科技有限公司 | 路况分析的方法和装置 |
WO2012000344A1 (zh) * | 2010-06-30 | 2012-01-05 | 北京世纪高通科技有限公司 | 一种提高交通信息准确性的方法,设备,装置 |
CN102402853A (zh) * | 2011-12-08 | 2012-04-04 | 北京易华录信息技术股份有限公司 | 一种交通信息准确度评估系统及方法 |
CN102411677A (zh) * | 2011-11-29 | 2012-04-11 | 福建工程学院 | 一种基于浮动车数据采集的预处理方法 |
CN102592446A (zh) * | 2012-03-13 | 2012-07-18 | 北京世纪高通科技有限公司 | 利用浮动车定位数据计算城际道路旅行时间的方法 |
CN102622885A (zh) * | 2012-03-22 | 2012-08-01 | 北京世纪高通科技有限公司 | 检测交通事件的方法和装置 |
CN102903235A (zh) * | 2012-10-16 | 2013-01-30 | 北京世纪高通科技有限公司 | 一种对实时路况进行质量评价的方法及装置 |
CN102930737A (zh) * | 2012-11-09 | 2013-02-13 | 深圳市凯立德科技股份有限公司 | 一种路况信息更新方法、服务器及导航设备 |
CN103000027A (zh) * | 2012-12-19 | 2013-03-27 | 安徽科力信息产业有限责任公司 | 基于浮动车在拥堵状态下的智能交通诱导方法 |
CN103050009A (zh) * | 2013-01-21 | 2013-04-17 | 北京世纪高通科技有限公司 | 一种提供动态交通信息的方法、装置及系统 |
CN103065472A (zh) * | 2012-12-24 | 2013-04-24 | 中国科学院深圳先进技术研究院 | 实时路况分析方法及系统 |
CN103065460A (zh) * | 2011-10-19 | 2013-04-24 | 上海优途信息科技有限公司 | 一种基于浮动车数据的多车车速融合方法和装置 |
CN103177585A (zh) * | 2013-02-27 | 2013-06-26 | 上海美慧软件有限公司 | 基于浮动车数据计算路段各转向平均行程车速方法 |
CN103226892A (zh) * | 2013-04-08 | 2013-07-31 | 福建工程学院 | 一种优化型的道路拥塞状态发现方法 |
CN103680167A (zh) * | 2013-12-13 | 2014-03-26 | 广东车联网信息科技服务有限公司 | 智能交通信息采集分析处理系统 |
CN103794061A (zh) * | 2014-03-10 | 2014-05-14 | 上海云砥信息科技有限公司 | 基于多种定位数据计算道路融合行程车速的方法 |
CN103903436A (zh) * | 2012-12-28 | 2014-07-02 | 上海优途信息科技有限公司 | 一种基于浮动车的高速公路交通拥堵检测方法和系统 |
CN103927873A (zh) * | 2014-04-28 | 2014-07-16 | 中国航天系统工程有限公司 | 浮动车与路段匹配方法及并行获取实时路况的方法 |
CN104182453A (zh) * | 2014-06-20 | 2014-12-03 | 银江股份有限公司 | 一种面向海量历史浮动车数据的分布式地图匹配方法 |
CN104408918A (zh) * | 2014-11-20 | 2015-03-11 | 江苏物联网研究发展中心 | 基于MapReduce计算框架的浮动车数据与道路匹配的方法 |
CN104408923A (zh) * | 2014-12-03 | 2015-03-11 | 百度在线网络技术(北京)有限公司 | 交通状态评估方法和装置 |
CN105489008A (zh) * | 2015-12-28 | 2016-04-13 | 北京握奇智能科技有限公司 | 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 |
CN106250511A (zh) * | 2016-08-03 | 2016-12-21 | 北京泓达九通科技发展有限公司 | 基于车辆定位数据的旅行时间信息处理方法与系统 |
CN106324634A (zh) * | 2015-07-03 | 2017-01-11 | 石家庄市善理通益科技有限公司 | Gps定位数据的处理方法和装置 |
CN106781472A (zh) * | 2016-12-16 | 2017-05-31 | 北京世纪高通科技有限公司 | 一种基于公交车数据的路况检测方法及装置 |
CN106887141A (zh) * | 2017-03-22 | 2017-06-23 | 山东大学 | 基于排队论的连续交通节点拥塞程度预测模型、系统及方法 |
CN106982252A (zh) * | 2017-03-22 | 2017-07-25 | 深圳市合智思创信息技术有限公司 | 数据处理方法和装置 |
CN107084732A (zh) * | 2011-02-03 | 2017-08-22 | 通腾发展德国公司 | 产生预期平均行进速度的方法 |
CN107111935A (zh) * | 2015-01-09 | 2017-08-29 | 株式会社电装 | 车载设备、车载设备诊断系统 |
CN107123296A (zh) * | 2017-06-09 | 2017-09-01 | 安徽富煌科技股份有限公司 | 一种线路全局通畅度语音播报器 |
CN107134141A (zh) * | 2017-06-30 | 2017-09-05 | 北京航空航天大学 | 考虑空间结构特征的大规模路网时空交通状态表达与分析方法 |
CN107209986A (zh) * | 2015-01-15 | 2017-09-26 | 株式会社电装 | 车载设备 |
CN107578624A (zh) * | 2017-09-15 | 2018-01-12 | 杭州分数科技有限公司 | 城市交通管控方法、装置及系统 |
CN107972670A (zh) * | 2016-10-24 | 2018-05-01 | 福特全球技术公司 | 车辆虚拟地图 |
CN108632741A (zh) * | 2017-03-20 | 2018-10-09 | 中国移动通信集团湖北有限公司 | 信令数据的筛选方法和装置 |
CN108734959A (zh) * | 2018-04-28 | 2018-11-02 | 扬州远铭光电有限公司 | 一种嵌入式视觉车流分析方法及系统 |
CN108806257A (zh) * | 2018-07-04 | 2018-11-13 | 河海大学 | 一种道路拥堵区域和拥堵路段的识别方法 |
CN108898839A (zh) * | 2018-09-13 | 2018-11-27 | 武汉摩尔数据技术有限公司 | 一种实时动态交通信息数据系统及其更新方法 |
CN110275929A (zh) * | 2019-05-24 | 2019-09-24 | 长安大学 | 一种基于网格分割的候选路段筛选方法及网格分割方法 |
CN110782680A (zh) * | 2019-11-01 | 2020-02-11 | 北京星云互联科技有限公司 | 一种慢车检测方法、装置以及计算机可读存储介质 |
CN111179591A (zh) * | 2019-12-30 | 2020-05-19 | 银江股份有限公司 | 一种路网交通时序特征数据质量诊断与修复方法 |
CN113393055A (zh) * | 2021-07-05 | 2021-09-14 | 苏州清研捷运信息科技有限公司 | 一种货车导航沿途限行数据的预处理及使用方法 |
CN113570860A (zh) * | 2021-07-26 | 2021-10-29 | 福州大学 | 一种针对稀疏轨迹数据的城市道路交通状态精细划分与识别的方法 |
-
2009
- 2009-06-18 CN CN2009100869247A patent/CN101604478B/zh not_active Expired - Fee Related
Cited By (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011079679A1 (zh) * | 2009-12-30 | 2011-07-07 | 北京世纪高通科技有限公司 | 浮动车数据的预处理方法及装置 |
CN101794511B (zh) * | 2009-12-30 | 2012-01-04 | 北京世纪高通科技有限公司 | 路况分析的方法和装置 |
WO2011082614A1 (zh) * | 2010-01-11 | 2011-07-14 | 北京世纪高通科技有限公司 | 路况更新方法和装置 |
CN101866545A (zh) * | 2010-05-11 | 2010-10-20 | 中国科学院软件研究所 | 移动对象路网匹配轨迹的采集方法 |
CN101866545B (zh) * | 2010-05-11 | 2011-12-21 | 中国科学院软件研究所 | 移动对象路网匹配轨迹的采集方法 |
WO2012000344A1 (zh) * | 2010-06-30 | 2012-01-05 | 北京世纪高通科技有限公司 | 一种提高交通信息准确性的方法,设备,装置 |
CN101937615B (zh) * | 2010-08-23 | 2013-05-01 | 北京世纪高通科技有限公司 | 基于浮动车数据处理系统的监控装置及方法 |
CN101937615A (zh) * | 2010-08-23 | 2011-01-05 | 北京世纪高通科技有限公司 | 基于浮动车数据处理系统的监控装置及方法 |
CN107084732A (zh) * | 2011-02-03 | 2017-08-22 | 通腾发展德国公司 | 产生预期平均行进速度的方法 |
CN107084732B (zh) * | 2011-02-03 | 2021-08-10 | 通腾运输公司 | 产生预期平均行进速度的方法 |
CN102129772B (zh) * | 2011-02-23 | 2013-07-31 | 福建省视通光电网络有限公司 | 一种基于gis的动态定位调度指挥方法和系统 |
CN102129772A (zh) * | 2011-02-23 | 2011-07-20 | 泉州市视通光电网络有限公司 | 一种基于gis的动态定位调度指挥方法和系统 |
CN102280029A (zh) * | 2011-07-20 | 2011-12-14 | 北京世纪高通科技有限公司 | 交通信息质量监测方法及装置 |
CN103065460A (zh) * | 2011-10-19 | 2013-04-24 | 上海优途信息科技有限公司 | 一种基于浮动车数据的多车车速融合方法和装置 |
CN103065460B (zh) * | 2011-10-19 | 2015-06-17 | 上海优途信息科技有限公司 | 一种基于浮动车数据的多车车速融合方法和装置 |
CN102411677A (zh) * | 2011-11-29 | 2012-04-11 | 福建工程学院 | 一种基于浮动车数据采集的预处理方法 |
CN102402853A (zh) * | 2011-12-08 | 2012-04-04 | 北京易华录信息技术股份有限公司 | 一种交通信息准确度评估系统及方法 |
CN102592446A (zh) * | 2012-03-13 | 2012-07-18 | 北京世纪高通科技有限公司 | 利用浮动车定位数据计算城际道路旅行时间的方法 |
CN102622885B (zh) * | 2012-03-22 | 2014-06-11 | 北京世纪高通科技有限公司 | 检测交通事件的方法和装置 |
CN102622885A (zh) * | 2012-03-22 | 2012-08-01 | 北京世纪高通科技有限公司 | 检测交通事件的方法和装置 |
CN102903235A (zh) * | 2012-10-16 | 2013-01-30 | 北京世纪高通科技有限公司 | 一种对实时路况进行质量评价的方法及装置 |
CN102930737A (zh) * | 2012-11-09 | 2013-02-13 | 深圳市凯立德科技股份有限公司 | 一种路况信息更新方法、服务器及导航设备 |
CN103000027A (zh) * | 2012-12-19 | 2013-03-27 | 安徽科力信息产业有限责任公司 | 基于浮动车在拥堵状态下的智能交通诱导方法 |
CN103000027B (zh) * | 2012-12-19 | 2014-12-10 | 安徽科力信息产业有限责任公司 | 基于浮动车在拥堵状态下的智能交通诱导方法 |
CN103065472A (zh) * | 2012-12-24 | 2013-04-24 | 中国科学院深圳先进技术研究院 | 实时路况分析方法及系统 |
CN103903436A (zh) * | 2012-12-28 | 2014-07-02 | 上海优途信息科技有限公司 | 一种基于浮动车的高速公路交通拥堵检测方法和系统 |
CN103050009A (zh) * | 2013-01-21 | 2013-04-17 | 北京世纪高通科技有限公司 | 一种提供动态交通信息的方法、装置及系统 |
CN103050009B (zh) * | 2013-01-21 | 2015-02-18 | 北京世纪高通科技有限公司 | 一种提供动态交通信息的方法、装置及系统 |
CN103177585A (zh) * | 2013-02-27 | 2013-06-26 | 上海美慧软件有限公司 | 基于浮动车数据计算路段各转向平均行程车速方法 |
CN103226892B (zh) * | 2013-04-08 | 2016-02-03 | 福建工程学院 | 一种优化型的道路拥塞状态发现方法 |
CN103226892A (zh) * | 2013-04-08 | 2013-07-31 | 福建工程学院 | 一种优化型的道路拥塞状态发现方法 |
CN103680167A (zh) * | 2013-12-13 | 2014-03-26 | 广东车联网信息科技服务有限公司 | 智能交通信息采集分析处理系统 |
CN103794061A (zh) * | 2014-03-10 | 2014-05-14 | 上海云砥信息科技有限公司 | 基于多种定位数据计算道路融合行程车速的方法 |
CN103927873B (zh) * | 2014-04-28 | 2016-06-15 | 中国航天系统工程有限公司 | 浮动车与路段匹配方法及并行获取实时路况的方法 |
CN103927873A (zh) * | 2014-04-28 | 2014-07-16 | 中国航天系统工程有限公司 | 浮动车与路段匹配方法及并行获取实时路况的方法 |
CN104182453A (zh) * | 2014-06-20 | 2014-12-03 | 银江股份有限公司 | 一种面向海量历史浮动车数据的分布式地图匹配方法 |
CN104408918A (zh) * | 2014-11-20 | 2015-03-11 | 江苏物联网研究发展中心 | 基于MapReduce计算框架的浮动车数据与道路匹配的方法 |
CN104408923A (zh) * | 2014-12-03 | 2015-03-11 | 百度在线网络技术(北京)有限公司 | 交通状态评估方法和装置 |
CN107111935B (zh) * | 2015-01-09 | 2020-05-05 | 株式会社电装 | 车载设备、车载设备诊断系统 |
CN107111935A (zh) * | 2015-01-09 | 2017-08-29 | 株式会社电装 | 车载设备、车载设备诊断系统 |
CN107209986B (zh) * | 2015-01-15 | 2020-05-22 | 株式会社电装 | 车载设备 |
CN107209986A (zh) * | 2015-01-15 | 2017-09-26 | 株式会社电装 | 车载设备 |
CN106324634A (zh) * | 2015-07-03 | 2017-01-11 | 石家庄市善理通益科技有限公司 | Gps定位数据的处理方法和装置 |
CN106324634B (zh) * | 2015-07-03 | 2019-03-08 | 石家庄市善理通益科技有限公司 | Gps定位数据的处理方法和装置 |
CN105489008A (zh) * | 2015-12-28 | 2016-04-13 | 北京握奇智能科技有限公司 | 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 |
CN106250511A (zh) * | 2016-08-03 | 2016-12-21 | 北京泓达九通科技发展有限公司 | 基于车辆定位数据的旅行时间信息处理方法与系统 |
CN106250511B (zh) * | 2016-08-03 | 2019-08-02 | 北京泓达九通科技发展有限公司 | 基于车辆定位数据的旅行时间信息处理方法与系统 |
CN107972670A (zh) * | 2016-10-24 | 2018-05-01 | 福特全球技术公司 | 车辆虚拟地图 |
CN107972670B (zh) * | 2016-10-24 | 2022-11-22 | 福特全球技术公司 | 车辆虚拟地图 |
CN106781472A (zh) * | 2016-12-16 | 2017-05-31 | 北京世纪高通科技有限公司 | 一种基于公交车数据的路况检测方法及装置 |
CN108632741A (zh) * | 2017-03-20 | 2018-10-09 | 中国移动通信集团湖北有限公司 | 信令数据的筛选方法和装置 |
CN106982252A (zh) * | 2017-03-22 | 2017-07-25 | 深圳市合智思创信息技术有限公司 | 数据处理方法和装置 |
CN106887141A (zh) * | 2017-03-22 | 2017-06-23 | 山东大学 | 基于排队论的连续交通节点拥塞程度预测模型、系统及方法 |
CN107123296A (zh) * | 2017-06-09 | 2017-09-01 | 安徽富煌科技股份有限公司 | 一种线路全局通畅度语音播报器 |
CN107134141A (zh) * | 2017-06-30 | 2017-09-05 | 北京航空航天大学 | 考虑空间结构特征的大规模路网时空交通状态表达与分析方法 |
CN107578624A (zh) * | 2017-09-15 | 2018-01-12 | 杭州分数科技有限公司 | 城市交通管控方法、装置及系统 |
CN108734959A (zh) * | 2018-04-28 | 2018-11-02 | 扬州远铭光电有限公司 | 一种嵌入式视觉车流分析方法及系统 |
CN108806257B (zh) * | 2018-07-04 | 2020-11-10 | 河海大学 | 一种道路拥堵区域和拥堵路段的识别方法 |
CN108806257A (zh) * | 2018-07-04 | 2018-11-13 | 河海大学 | 一种道路拥堵区域和拥堵路段的识别方法 |
CN108898839A (zh) * | 2018-09-13 | 2018-11-27 | 武汉摩尔数据技术有限公司 | 一种实时动态交通信息数据系统及其更新方法 |
CN110275929B (zh) * | 2019-05-24 | 2022-09-20 | 长安大学 | 一种基于网格分割的候选路段筛选方法及网格分割方法 |
CN110275929A (zh) * | 2019-05-24 | 2019-09-24 | 长安大学 | 一种基于网格分割的候选路段筛选方法及网格分割方法 |
CN110782680A (zh) * | 2019-11-01 | 2020-02-11 | 北京星云互联科技有限公司 | 一种慢车检测方法、装置以及计算机可读存储介质 |
CN111179591A (zh) * | 2019-12-30 | 2020-05-19 | 银江股份有限公司 | 一种路网交通时序特征数据质量诊断与修复方法 |
CN111179591B (zh) * | 2019-12-30 | 2021-02-26 | 银江股份有限公司 | 一种路网交通时序特征数据质量诊断与修复方法 |
CN113393055A (zh) * | 2021-07-05 | 2021-09-14 | 苏州清研捷运信息科技有限公司 | 一种货车导航沿途限行数据的预处理及使用方法 |
CN113570860A (zh) * | 2021-07-26 | 2021-10-29 | 福州大学 | 一种针对稀疏轨迹数据的城市道路交通状态精细划分与识别的方法 |
CN113570860B (zh) * | 2021-07-26 | 2022-07-08 | 福州大学 | 针对轨迹数据的城市道路交通状态精细划分与识别的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101604478B (zh) | 2011-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101604478B (zh) | 一种动态交通信息的处理方法及系统 | |
CN102110364B (zh) | 基于路口和路段的交通信息处理方法和装置 | |
CN102087788B (zh) | 基于浮动车车速置信度的交通状态参数估计方法 | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN104121918A (zh) | 一种实时路径规划的方法和系统 | |
Calafate et al. | Traffic management as a service: The traffic flow pattern classification problem | |
CN102842219B (zh) | 预测方法和系统 | |
CN114093168B (zh) | 一种基于韧性视角下的城市道路交通运行状态评价方法 | |
CN102163225A (zh) | 一种基于微博客收集的交通信息融合评价方法 | |
CN101770690A (zh) | 交通状况预测装置及经路探索装置 | |
CN102081764A (zh) | 一种基于uldb的海洋环境监测数据管理系统 | |
CN105574154A (zh) | 一种基于大数据平台的城市宏观区域信息分析系统 | |
CN102968494A (zh) | 通过微博采集交通信息的系统及方法 | |
Li et al. | Empirical study of travel time estimation and reliability | |
CN103366224A (zh) | 一种基于公交网络的乘客需求预测系统和方法 | |
Garg et al. | Mining bus stops from raw GPS data of bus trajectories | |
CN108108859A (zh) | 一种基于大数据分析的交通管理勤务优化方法 | |
CN111667114A (zh) | 一种基于时空大数据融合的智能路线规划推荐方法 | |
CN114078322B (zh) | 一种公交运行状态评价方法、装置、设备及存储介质 | |
CN110132298A (zh) | 垃圾清运车的最短路径确定方法 | |
Kurte et al. | Regional-scale spatio-temporal analysis of impacts of weather on traffic speed in Chicago using probe data | |
CN116562486B (zh) | 城市生活垃圾运输路线的优化方法及装置 | |
CN110674990B (zh) | 设置滑动窗口更新机制的即时配送路径选择方法及系统 | |
CN109814462A (zh) | 一种基于大数据的城市排水网络监控控制系统 | |
Viti et al. | National data warehouse: how the Netherlands is creating a reliable, widespread, accessible data bank for traffic information, monitoring, and road network control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110504 Termination date: 20140618 |
|
EXPY | Termination of patent right or utility model |