CN102568208A - 基于浮动车技术的路段限速信息识别方法 - Google Patents

Abstract

本发明提供一种基于浮动车技术的路段限速信息识别方法，由浮动车定期采集车辆位置、速度、时间和属性信息，根据位置信息进行地图匹配，得到各路段浮动车数据，并依据车辆属性进行数据分类，同时结合对应时间点的历史路况信息提取出道路畅通的情况下的浮动车数据，并通过限幅滤波算法对提取出的各路段浮动车数据进行滤波，滤除异常数据，然后计算各路段速度加权平均值，再与道路限速档位信息进行匹配，确定各路段的限速信息，从而完成基于浮动车技术的路段限速信息识别。本发明通过海量的浮动车数据自动识别各路段的限速信息，从而为驾驶员和交通系统提供了更为精准、可靠的路段限速信息，对于各类交通信息服务系统有着重要意义。

Description

基于浮动车技术的路段限速信息识别方法

【技术领域】

本发明涉及本发明属于信息技术应用领域，特别涉及一种基于浮动车技术的路段限速信息识别方法，从而为行驶在道路上的浮动车提供准确的道路限速信息。

【背景技术】

目前道路的限速信息一般是在道路上设置限速标志，现有的道路上的限速标志设置有一定的随意性，标志位置设置无序，全路段的交通标志设置缺乏完整性、连续性和系统性，对驾驶员的行车安全造成很大影响。同时，现有的限速信息呈现的方式还存在这样的问题：道路上的限速信息与交通信息服务系统中的限速信息不一致，即交通信息服务系统中限速信息更改后，而道路限速标志未及时更新，导致驾驶员不能获取最新的前方路段限速信息而容易违反交通法规。

【发明内容】

本发明要解决的技术问题，在于提供一种基于浮动车技术的路段限速信息识别方法，全面系统地确定了各路段的限速信息，为驾驶员和交通系统提供更为精准、可靠的路段限速信息，提高了车辆驾驶的安全性以及交通管理部门对道路管理的智能性和科学性。

本发明是这样实现的：

一种基于浮动车技术的路段限速信息识别方法，该方法包括如下步骤：

步骤10、浮动车行驶过程中通过浮动车上的车载信息终端依照采样周期τ定期采集浮动车的位置l、速度v、时间t以及属性u信息，得到浮动车行车数据序列x_i＝<l_i，v_i，t_i，u_i>，其中i为数据序列x的编号，并将其通过移动蜂窝通信技术传送到设有GIS系统的数据中心，数据中心将行车数据序列x_i存储到数据中心的一历史记录数据库中；所述浮动车的属性信息表示车辆属性为营运车辆或非营运车辆；

步骤20、数据中心将接收到的浮动车行车数据序列，与地图匹配，得到各路段的浮动车信息；

步骤30、根据行车数据序列中的时间t信息在交通管理系统中的历史路况信息库中查找对应所述时间t时刻的路况信息，提取道路畅通情况下的浮动车数据，并通过限幅滤波算法对通畅路段的浮动车行车数据序列进行过滤，滤除异常的浮动车行车数据序列后，利用路段中营运车辆和非营运车辆的速度最大值，计算该路段速度加权平均值，得到该路段的速度信息，所述营运车辆和非营运车辆在相同速度下的权值不同；

步骤40、在国内道路限速档位的各个档位中，选取一个与所得到的速度信息最接近的限速档位，将该限速档位确定为为该路段的限速信息。

所述步骤20进一步具体为：

步骤21、从所述历史记录数据库中提取一行车数据序列x_i＝<l_i，v_i，t_i，u_i>，首次提取i＝1，每提取依次i＝i+1，判断x_i是否存在，若是，则执行步骤22，若否则执行步骤30；

步骤22、从所述行车数据序列x_i中提取位置信息l_i，与GIS系统进行匹配，得到位置信息l_i所属的路段编号s，具体为，所述GIS系统包括一路段集合G，路段集合G表示为G＝{g₁，g₂，g₃，...，g_s，...，g_n6}，其中g₁，g₂，g₃，...，g_s，...，g_n6为各路段所处的区域，g的下标号为路段编号，将位置信息l_i与路段集合G比较，得到位置信息l_i所在区域的路段编号；

步骤23、所述数据中心包括一行车路段数据库Q，所述行车路段数据库Q由各路段编号对应的路段行车信息集组成，且某一路段编号的路段行车信息集均由该路段编号的营运车辆集A和该路段编号的非营运车辆集B组成；所述行车路段数据库Q表示为Q＝{Q₁，Q₂，Q₃，...，Q_s，...，Q_n1}，其中Q_s表示路段编号s对应的路段行车信息集，所述Q_s表示为Q_s＝{A_s，B_s}，其中A_s为路段编号s对应的营运车辆集A，B_s为路段编号s对应的非营运车辆集B；

从所述行车数据序列x_i中提取属性信息u_i，浮动车为营运车辆时，所述属性信息u_i为0，浮动车为非营运车辆时，所述属性信息u_i为1；

判断u_i是否等于0，若是，则为营运车辆，根据已得到的行车数据序列x_i所对应的路段编号将行车数据序列x_i存储到该路段编号对应的营运车辆集A中；若否，则为非营运车辆，根据已得到的行车数据序列x_i所对应的路段编号将行车数据序列x_i存储到该路段编号对应的非营运车辆集B中，然后返回步骤21。

所述步骤30进一步具体为：

步骤31、判断各路段是否通畅：从所述行车路段数据库Q中依次提取各路段行车信息集，根据路段编号查询交通管理系统中的历史路况数据库，得到该编号路段的路况信息，再根据路段行车信息集中各行车数据序列中的时间t信息，得到该编号路段在对应所述时间t时刻的路况信息，判断该编号的路段在所述时间t时刻是否通畅，若是，则执行步骤32，若否，则判断该编号的路段是否是最后一个路段，若是，则完成各路段路况信息的判断，即结束判断；若否，则提取下一个路段的路段行车信息集，重复步骤31，直至完成所有路段路况信息的判断后，即结束判断；

步骤32、设置速度范围：设置各路段行车信息集中营运车辆集A的营运车辆行驶速度最大值和营运车辆行驶速度最小值，设置各路段行车信息集中非营运车辆集B的非营运车辆行驶速度最大值和非营运车辆行驶速度最小值，然后执行步骤33；

步骤33、过滤行车数据序列：从所述行车路段数据库Q中依次提取各路段行车信息集，并通过限幅滤波算法对各路段行车信息集中的营运车辆集A和非营运车辆集B进行数据过滤，所述限幅滤波算法为：对营运车辆集A滤除营运车辆行驶速度超过所述营运车辆行驶速度最大值的行车数据序列或营运车辆行驶速度小于所述营运车辆行驶速度最小值的行车数据序列，得到各路段行车信息集的营运车辆子集C，对非营运车辆集B滤除非营运车辆行驶速度超过所述非营运车辆行驶速度最大值的行车数据序列或非营运车辆行驶速度小于所述非营运车辆行驶速度最小值的行车数据序列，得到各路段行车信息集的非营运车辆子集D；各路段行车信息集均过滤完成后，执行步骤34；

步骤34、通过计算各路段的速度加权平均值，得到各路段的速度信息：从一路段行车信息集中提取该路段的营运车辆子集C，并从该路段的营运车辆子集C中提取速度最大值且将该速度最大值设为e；从该路段行车数据库中提取该路段的非营运车辆子集D，从该路段的非营运车辆子集D中提取速度最大值且将该速度最大值设为f；执行所述速度加权平均值运算，即运算

其中p₁和p₂为营运车辆和非营运车辆对应的权重值，p₁和p₂是根据营运车辆和非营运车辆的车辆属性来确定的，考虑到营运车辆的驾驶员更熟悉路况，且其驾驶行为更趋于稳定，所以营运车辆权重应较大，p₁和p₂能动态设置，为该路段的速度信息，并将

存储到一路段速度信息集Z中，然后执行其它路段的

直至得到所有路段的速度信息，然后执行步骤40；所述路段速度信息集Z表示为

其中为各路段的速度信息，速度信息的下标号与路段编号一致。

所述步骤40进一步具体为：

确定各路段的限速信息：从所述路段速度信息集Z中提取一路段速度信息

并将该路段的速度信息与限速档位信息库W＝{w₁，w₂，w₃，…，w_n3}进行匹配，其中w_k＝<α_k，∑_k>，α_k为限速值，所述α_k根据国家的《道路交通安全法》进行设置，∑_k为该限速值对应的速度范围，匹配得到对应

的速度范围∑_k，即该路段的限速信息m，并将该限速信息m存储到路段限速信息集M中，然后依次提取其它路段的速度信息与所述限速档位信息库进行匹配，直至获取所有路段的限速信息，并均保存至路段限速信息集M，其中M＝{m₁，m₂，m₃，…，m_n4}，m₁，m₂，m₃，…，m_n4为各路段的限速信息，限速信息的下标号与路段编号一致，然后将路段限速信息集M存储到数据中心的一动态路段限速信息数据库中，从而完成了基于浮动车技术的路段限速信息的识别。

本发明具有如下优点：

本发明由浮动车在车辆行驶过程中定期采集其车辆位置、速度和属性信息，根据位置信息进行地图匹配，得到各路段浮动车数据，并依据车辆属性，将各路段中的浮动车分为营运车辆和非营运车辆。对通畅路段的浮动车数据进行滤波处理，滤除不符合要求的数据，然后利用各路段中营运车辆和非营运车辆的速度最大值，计算各路段速度加权平均值，再与道路限速档位信息进行匹配，确定各路段的限速信息，从而完成基于浮动车技术的路段限速信息识别。本发明全面系统地确定了各路段的限速信息，从而为驾驶员和交通系统提供了更加精准、可靠的路段限速信息，对于各类交通信息服务系统有着重要意义。

【附图说明】

下面参照附图结合实施例对本发明作进一步的说明。

图1为本发明基于浮动车技术的路段限速信息识别方法的系统框图。

图2为本发明浮动车信息与地图匹配算法的流程图。

图3为本发明各路段速度加权平均算法的流程图。

图4为本发明限速档位匹配算法的流程图。

【具体实施方式】

请参阅图1，图1为基于浮动车技术的路段限速信息识别方法的系统框图。

本发明提供一种基于浮动车技术的路段限速信息识别方法，该方法包括如下步骤：

步骤10、浮动车行驶过程中通过浮动车上的车载信息终端依照采样周期τ定期采集浮动车的位置l、速度v、时间t以及属性u信息，得到浮动车行车数据序列x_i＝<l_i，v_i，t_i，u_i>，其中i为数据序列x的编号，并将其通过移动蜂窝通信技术传送到设有GIS系统的数据中心，数据中心将行车数据序列x_i存储到数据中心的一历史记录数据库中；所述浮动车的属性信息表示车辆属性为营运车辆或非营运车辆；

步骤20、数据中心将接收到的浮动车行车数据序列，与地图匹配，得到各路段的浮动车信息；

步骤30、根据行车数据序列中的时间t信息在交通管理系统中的历史路况信息库中查找对应所述时间t时刻的路况信息，提取道路畅通情况下的浮动车数据，并通过限幅滤波算法对通畅路段的浮动车行车数据序列进行过滤，滤除异常的浮动车行车数据序列后，利用路段中营运车辆和非营运车辆的速度最大值，计算该路段速度加权平均值，得到该路段的速度信息，所述营运车辆和非营运车辆在相同速度下的权值不同；

步骤40、在国内道路限速档位的各个档位中，选取一个与所得到的速度信息最接近的限速档位，将该限速档位确定为为该路段的限速信息。

如图2所示，为本发明浮动车信息与地图匹配算法的流程图，其主要包括如下步骤：

步骤21、从所述历史记录数据库中提取一行车数据序x_i＝<l_i，v_i，t_i，u_i>，首次提取i＝1，每提取依次i＝i+1，判断x_i是否存在，若是，则执行步骤22，若否则执行步骤30；

步骤22、从所述行车数据序列x_i中提取位置信息l_i，与GIS系统进行匹配，得到位置信息l_i所属的路段编号s，具体为，所述GIS系统包括一路段集合G，路段集合G表示为G＝{g₁，g₂，g₃.，...，g_s，...，g_n6}，其中g₁，g₂，g₃，...，g_s，...，g_n6为各路段所处的区域，g的下标号为路段编号，将位置信息l_i与路段集合G比较，得到位置信息l_i所在区域的路段编号；

步骤23、所述数据中心包括一行车路段数据库Q，所述行车路段数据库Q由各路段编号对应的路段行车信息集组成，且某一路段编号的路段行车信息集均由该路段编号的营运车辆集A和该路段编号的非营运车辆集B组成；所述行车路段数据库Q表示为Q＝{Q₁，Q₂，Q₃，...，Q_s，...，Q_n1}，其中Q_s表示路段编号s对应的路段行车信息集，所述Q_s表示为Q_s＝{A_s，B_s}，其中A_s为路段编号s对应的营运车辆集A，B_s为路段编号s对应的非营运车辆集B；

从所述行车数据序列x_i中提取属性信息u_i，浮动车为营运车辆时，所述属性信息u_i为0，浮动车为非营运车辆时，所述属性信息u_i为1；

判断u_i是否等于0，若是，则为营运车辆，根据已得到的行车数据序列x_i所对应的路段编号将行车数据序列x_i存储到该路段编号对应的营运车辆集A中；若否，则为非营运车辆，根据已得到的行车数据序列x_i所对应的路段编号将行车数据序列x_i存储到该路段编号对应的非营运车辆集B中，然后返回步骤21。

如图3所示，本发明各路段速度加权平均算法的流程图，其主要包括如下步骤：

步骤31、判断各路段是否通畅：从所述行车路段数据库Q中依次提取各路段行车信息集，根据路段编号查询交通管理系统中的历史路况数据库，得到该编号路段的路况信息，再根据路段行车信息集中各行车数据序列中的时间t信息，得到该编号路段在对应所述时间t时刻的路况信息，判断该编号的路段在所述时间t时刻是否通畅，若是，则执行步骤32，若否，则判断该编号的路段是否是最后一个路段，若是，则完成各路段路况信息的判断，即结束判断；若否，则提取下一个路段的路段行车信息集，重复步骤31，直至完成所有路段路况信息的判断后，即结束判断；

步骤32、设置速度范围：设置各路段行车信息集中营运车辆集A的营运车辆行驶速度最大值和营运车辆行驶速度最小值，设置各路段行车信息集中非营运车辆集B的非营运车辆行驶速度最大值和非营运车辆行驶速度最小值，然后执行步骤33；

步骤33、过滤行车数据序列：从所述行车路段数据库Q中依次提取各路段行车信息集，并通过限幅滤波算法对各路段行车信息集中的营运车辆集A和非营运车辆集B进行数据过滤，所述限幅滤波算法为：对营运车辆集A滤除营运车辆行驶速度超过所述营运车辆行驶速度最大值的行车数据序列或营运车辆行驶速度小于所述营运车辆行驶速度最小值的行车数据序列，得到各路段行车信息集的营运车辆子集C，对非营运车辆集B滤除非营运车辆行驶速度超过所述非营运车辆行驶速度最大值的行车数据序列或非营运车辆行驶速度小于所述非营运车辆行驶速度最小值的行车数据序列，得到各路段行车信息集的非营运车辆子集D；各路段行车信息集均过滤完成后，执行步骤34；

步骤34、通过计算各路段的速度加权平均值，得到各路段的速度信息：从一路段行车信息集中提取该路段的营运车辆子集C，并从该路段的营运车辆子集C中提取速度最大值且将该速度最大值设为e；从该路段行车数据库中提取该路段的非营运车辆子集D，从该路段的非营运车辆子集D中提取速度最大值且将该速度最大值设为f；执行所述速度加权平均值运算，即

其中p₁和p₂为营运车辆和非营运车辆对应的权重值，p₁和p₂是根据营运车辆和非营运车辆的车辆属性来确定的，考虑到营运车辆的驾驶员更熟悉路况，且其驾驶行为更趋于稳定，所以营运车辆权重应较大，例如p₁可以取值为0.6，p₂可以取值为0.4，p₁和p₂能根据实际情况动态设置，因为采用加权平均法，所以权重值之和必须是1，即p₁和p₂之和必须是1，

为该路段的速度信息，并将

存储到一路段速度信息集Z中，然后执行其它路段的

直至得到所有路段的速度信息，然后执行步骤40；所述路段速度信息集Z表示为

其中为各路段的速度信息，速度信息的下标号与路段编号一致。

如图4所示，为本发明限速档位匹配算法的流程图，其主要通过如下步骤确定各路段的限速信息：

从所述路段速度信息集Z中提取一路段速度信息

并将该路段的速度信息

与限速档位信息库W＝{w₁，w₂，w₃，…，w_n3}进行匹配其中wk＝<α_k，∑_k>，α_k为限速值，所述α_k根据国家的《道路交通安全法》进行设置，∑_k为该限速值对应的速度范围，匹配得到对应

的速度范围∑_k，即该路段的限速信息m，并将该限速信息m存储到路段限速信息集M中，然后依次提取其它路段的速度信息与所述限速档位信息库进行匹配，直至获取所有路段的限速信息，并均保存至路段限速信息集M，其中M＝{m₁，m₂，m₃，…，m_n4}，m₁，m₂，m₃，…，m_n4为各路段的限速信息，限速信息的下标号与路段编号一致，然后将路段限速信息集M存储到数据中心的一动态路段限速信息数据库中，从而完成了基于浮动车技术的路段限速信息的识别。

虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (4)

1.一种基于浮动车技术的路段限速信息识别方法，其特征在于：该方法包括如下步骤：

步骤10、浮动车行驶过程中通过浮动车上的车载信息终端依照采样周期τ定期采集浮动车的位置l、速度v、时间t以及属性u信息，得到浮动车行车数据序列x_i＝<l_i，v_i，t_i，u_i>，其中i为行车数据序列x的编号，并将其通过移动蜂窝通信技术传送到设有GIS系统的数据中心，数据中心将行车数据序列x_i存储到数据中心的一历史记录数据库中；所述浮动车的属性信息表示车辆属性为营运车辆或非营运车辆；

步骤20、数据中心将接收到的浮动车行车数据序列，与地图匹配，得到各路段的浮动车信息；

步骤30、根据行车数据序列中的时间t信息在交通管理系统中的历史路况信息库中查找对应所述时间t时刻的路况信息，提取道路畅通情况下的浮动车数据，并通过限幅滤波算法对通畅路段的浮动车行车数据序列进行过滤，滤除异常的浮动车行车数据序列后，利用路段中营运车辆和非营运车辆的速度最大值，计算该路段速度加权平均值，得到该路段的速度信息，所述营运车辆和非营运车辆在相同速度下的权值不同；

步骤40、在国内道路限速档位的各个档位中，选取一个与所得到的速度信息最接近的限速档位，将该限速档位确定为为该路段的限速信息。

2.如权利要求1所述的基于浮动车技术的路段限速信息识别方法，其特征在于：所述步骤20进一步具体为：

步骤21、从所述历史记录数据库中提取一行车数据序列x_i＝<l_i，v_i，t_i，u_i>，首次提取i＝1，每提取依次i＝i+1，判断x_i是否存在，若是，则执行步骤22，若否则执行步骤30；

步骤22、从所述行车数据序列x_i中提取位置信息l_i，与GIS系统进行匹配，得到位置信息l_i所属的路段编号，具体为，所述GIS系统包括一路段集合G，路段集合G表示为G＝{g₁，g₂，g₃，...，g_s，...，g_n6}，其中g₁，g₂，g₃，...，g_s，...，g_n6为各路段所处的区域，g的下标号为路段编号，将位置信息l_i与路段集合G比较，得到位置信息l_i所在区域的路段编号；

步骤23、所述数据中心包括一行车路段数据库Q，所述行车路段数据库Q由各路段编号对应的路段行车信息集组成，且任意一路段编号的路段行车信息集均由该路段编号的营运车辆集A和该路段编号的非营运车辆集B组成；所述行车路段数据库Q表示为Q＝{Q₁，Q₂，Q₃，...，Q_s，...，Q_n1}，其中Q_s表示路段编号s对应的路段行车信息集，所述Q_s表示为Q_s＝{A_s，B_s}，其中A_s为路段编号s对应的营运车辆集A，B_s为路段编号s对应的非营运车辆集B；

从所述行车数据序列x_i中提取属性信息u_i，浮动车为营运车辆时，所述属性信息u_i为0，浮动车为非营运车辆时，所述属性信息u_i为1；

判断u_i是否等于0，若是，则为营运车辆，根据已得到的行车数据序列x_i所对应的路段编号将行车数据序列x_i存储到该路段编号对应的营运车辆集A中；若否，则为非营运车辆，根据已得到的行车数据序列x_i所对应的路段编号将行车数据序列x_i存储到该路段编号对应的非营运车辆集B中，然后返回步骤21。

3.如权利要求1所述的基于浮动车技术的路段限速信息识别方法，其特征在于：所述步骤30进一步具体为：

步骤31、判断各路段是否通畅：从所述行车路段数据库Q中依次提取各路段行车信息集，根据路段编号查询交通管理系统中的历史路况数据库，得到该编号路段的路况信息，再根据路段行车信息集中各行车数据序列中的时间t信息，得到该编号路段在对应所述时间t时刻的路况信息，判断该编号的路段在所述时间t时刻是否通畅，若是，则执行步骤32，若否，则判断该编号的路段是否是最后一个路段，若是，则完成各路段路况信息的判断，即结束判断；若否，则提取下一个路段的路段行车信息集，重复步骤31，直至完成所有路段路况信息的判断后，即结束判断；

步骤32、设置速度范围：设置各路段行车信息集中营运车辆集A的营运车辆行驶速度最大值和营运车辆行驶速度最小值，设置各路段行车信息集中非营运车辆集B的非营运车辆行驶速度最大值和非营运车辆行驶速度最小值，然后执行步骤33；

步骤33、过滤行车数据序列：从所述行车路段数据库Q中依次提取各路段行车信息集，并通过限幅滤波算法对各路段行车信息集中的营运车辆集A和非营运车辆集B进行数据过滤，所述限幅滤波算法为：对营运车辆集A滤除营运车辆行驶速度超过所述营运车辆行驶速度最大值的行车数据序列或营运车辆行驶速度小于所述营运车辆行驶速度最小值的行车数据序列，得到各路段行车信息集的营运车辆子集C，对非营运车辆集B滤除非营运车辆行驶速度超过所述非营运车辆行驶速度最大值的行车数据序列或非营运车辆行驶速度小于所述非营运车辆行驶速度最小值的行车数据序列，得到各路段行车信息集的非营运车辆子集D；各路段行车信息集均过滤完成后，执行步骤34；

步骤34、通过计算各路段的速度加权平均值，得到各路段的速度信息：从一路段行车信息集中提取该路段的营运车辆子集C，并从该路段的营运车辆子集C中提取速度最大值且将该速度最大值设为e；从该路段行车数据库中提取该路段的非营运车辆子集D，从该路段的非营运车辆子集D中提取速度最大值且将该速度最大值设为f；执行所述速度加权平均值运算，即运算其中p₁和p₂为营运车辆和非营运车辆对应的权重值，p₁和p₂是根据营运车辆和非营运车辆的车辆属性来确定的，考虑到营运车辆的驾驶员更熟悉路况，且其驾驶行为更趋于稳定，所以营运车辆权重应较大，p₁和p₂能动态设置，

为该路段的速度信息，并将

存储到一路段速度信息集Z中，然后执行其它路段的

直至得到所有路段的速度信息，然后执行步骤40；所述路段速度信息集Z表示为

其中

为各路段的速度信息，速度信息的下标号与路段编号一致。

4.如权利要求1所述的基于浮动车技术的路段限速信息识别方法，其特征在于：所述步骤40进一步具体为：

确定各路段的限速信息：从所述路段速度信息集Z中提取一路段速度信息

并将该路段的速度信息与限速档位信息库W＝{w₁，w₂，w₃，…，w_n3}进行匹配，其中w_k＝<α_k，∑_k>，α_k为限速值，所述α_k根据国家的《道路交通安全法》进行设置，∑_k为该限速值对应的速度范围，匹配得到对应

的速度范围∑_k，即该路段的限速信息m，并将该限速信息m存储到路段限速信息集M中，然后依次提取其它路段的速度信息与所述限速档位信息库进行匹配，直至获取所有路段的限速信息，并均保存至路段限速信息集M，其中M＝{m₁，m₂，m₃，…，mn₄}，m₁，m₂，m₃，…，mn₄为各路段的限速信息，限速信息的下标号与路段编号一致，然后将路段限速信息集M存储到数据中心的一动态路段限速信息数据库中，从而完成了基于浮动车技术的路段限速信息的识别。

Images