CN102737510A - 一种基于移动智能终端的实时交通路况采集方法 - Google Patents
一种基于移动智能终端的实时交通路况采集方法 Download PDFInfo
- Publication number
- CN102737510A CN102737510A CN2012102268082A CN201210226808A CN102737510A CN 102737510 A CN102737510 A CN 102737510A CN 2012102268082 A CN2012102268082 A CN 2012102268082A CN 201210226808 A CN201210226808 A CN 201210226808A CN 102737510 A CN102737510 A CN 102737510A
- Authority
- CN
- China
- Prior art keywords
- real
- road
- intelligent terminal
- time
- mobile intelligent
- 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)
Abstract
本发明公开了一种基于移动智能终端的实时交通路况采集方法,移动智能终端首先根据传感器信息对交通环境进行识别,然后结合道路数据库对驾驶路线进行实时跟踪;再根据驾驶路线跟踪结果计算行程时间并将实时路况信息上传至服务器;服务器对接收的海量实时路况信息进行分析,排除重复数据,将结果存储在路况数据库中,并利用路况数据库中的路况数据,使用压缩感知技术对少数缺乏上传数据的路段进行实时路况估计,完成对整个城市交通网络实时路况的采集。本发明能利用移动智能终端对实时路况信息进行采集进而得到海量的路况数据;具有成本低、精度高、数据量大、实时性强、网络覆盖率高、可扩展性强等特点,具有极大的应用前景。
Description
技术领域
本发明涉及一种智能交通中的交通数据采集方法,尤其涉及一种对数据精度和实时性要求较高的基于移动智能终端的交通路况采集方法。
背景技术
车辆数目的增加,给城市带来了交通拥堵、交通事故、交通污染等一系列问题。而智能交通系统的提出,就是为了有效地解决上述问题。发展智能交通系统,最基础、最关键的问题是如何采集道路交通的实时动态数据,以便智能交通的上层系统和模块进行数据处理、分析和预测,实现交通信息的实时调控。目前已有的交通数据采集系统很多,本发明关注的是一种基于移动智能终端的实时交通数据采集方法。近年来,随着移动网络的发展和移动智能终端设备的普及,拥有移动智能终端的用户数量呈爆发式增长。移动智能终端不仅拥有GPS,电子罗盘,加速度计等多种传感器,能够提供大规模、多尺度的物理数据,还具备wifi,GSM、3G等通信模块,能够随时接入移动互联网,从而保证数据的实时传送,特别适用于智慧城市感知场景中的应用。
较为成熟的实时交通数据采集方法有两种:第一种为基于传感器的实时交通数据采集方法,包含主动监测方法和被动探测方法,传感器包含压电传感器、地埋式线圈检测器、微波雷达、超声波,摄像头等,能够采集和计算出的路况信息包含车速、车流量、车道占用率、车辆类别信息等,虽然各种传感器的原理和适用场合不同,但大都存在对安装场所和环境的依赖,且面临初期投资巨大、维护成本高、覆盖率小、数据精度较低、实时性较差等问题,有较大的局限性;第二种为基于浮动车的实时交通数据采集方法,浮动车即为安装了GPS和无线通信模块的出租车和公交车,当浮动车在路面上行驶时,周期性采集自身的GPS数据并发送至服务器端,由服务器通过地图匹配技术估计出浮动车的驾驶路线,进而得到浮动车辆的行程时间、行程速度以及所通过道路的平均速度。相对于第一种方法,该方法虽然在成本和覆盖率上都有所改善,且设备易于维护,不会受到天气、行人等其他无关因素的干扰,但仍需要较大的一次性投资,数据精度也受地图匹配技术的限制。考虑到通信成本,浮动车辆GPS数据的采集频率往往都较低,通常在15min左右,而服务器端由于缺乏交通上下文信息也仅能利用GPS数据对无效数据进行甄别和过滤,这就给数据预处理和地图匹配带来了很大的难度,在加大服务器负担的同时降低了数据的实时性。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于移动智能终端的实时交通路况采集方法。
为了实现上述的目的,本发明采取如下技术方案:一种基于移动智能终端的实时交通路况采集方法,该方法在基于移动智能终端的实时交通路况采集系统上实现,所述基于移动智能终端的实时交通路况采集系统包括服务器和多个移动智能终端,移动智能终端中嵌入了GPS、加速度计、方向传感器和通信模块,移动智能终端中还装有道路数据库,移动智能终端和服务器之间进行无线通信;该方法包含以下步骤:
(1)移动智能终端根据传感器信息对交通环境进行识别;
(2)移动智能终端根据GPS采集的经纬度坐标和得到的交通环境信息,结合道路数据库对驾驶路线进行实时跟踪;
(3)移动智能终端根据驾驶路线跟踪结果计算行程时间并将实时路况信息上传至服务器;
(4)服务器对接收的海量实时路况信息进行分析,排除重复数据,并将结果存储在路况数据库中;
(5)服务器利用路况数据库中的路况数据,使用压缩感知技术对少数缺乏上传数据的路段进行实时路况估计,完成对整个城市交通网络实时路况的采集。
本发明的有益效果是,能利用现有的大量移动智能终端,对实时路况信息进行采集进而得到海量的路况数据。利用这些数据,可以为出行用户提供实时可靠的路况信息,以节约他们的旅程时间;可以为交通部门提供实时可靠的路况数据,便于他们对交通的管理与规划。此方法与传统方法相比,具有成本低、精度高、数据量大、实时性强、网络覆盖率高、可扩展性强等优点,具有极大的应用前景。
附图说明
图1是本发明的基于移动智能终端的实时交通路况采集方法部署图;
图2是本发明中对交通环境进行分类识别的分类系统框架图;
图3是本发明中利用移动智能终端对实时路况进行采集和真实路况数据的对比图;
图4是本发明中利用压缩感知技术对未被移动智能终端覆盖地段的数据进行估计的误差图。
具体实施方式
本发明专利在移动智能终端中GPS、加速度计、方向传感器等传感器数据的基础上,利用机器学习的方法,建立了一个轻量级的分类系统,能够以极大的概率对移动智能终端的交通环境做出正确的分类和识别,消除了GPS误差带来的影响,进而保证了对驾驶路线的实时跟踪和所采集的实时路况数据的精度。在服务器端,本发明利用新型的压缩感知技术对少数缺乏采集数据的随机路段的实时路况进行估计,能有效提高估计精度,从而增强了整个系统的可靠性、稳定性和实用性。
本发明基于移动智能终端的实时交通路况采集方法在基于移动智能终端的实时交通路况采集系统上实现,所述基于移动智能终端的实时交通路况采集系统包括服务器和多个具备采集能力和通信能力的移动智能终端,多个移动智能终端分别携带在待采集城市交通网络道路上的行人或车辆上。移动智能终端嵌入了GPS、加速度计、方向传感器和通信模块,其中,GPS、加速度计和方向传感器能够采集相应的物理信息;通信模块可以为GSM模块或WiFi模块,使得移动智能终端能够随时接入互联网,与服务器进行实时通信。系统部署完成后进行系统的初始化,初始化包括在移动智能终端上进行客户端的安装和道路数据库的下载。系统部署如图1所示,移动智能终端和服务器之间进行无线通信。该方法包含以下步骤:
1、移动智能终端根据传感器信息对交通环境进行识别,如图2所示,包含以下子步骤:
1.1、将交通环境划分为:静立、走路、跑步、骑自行车和驾车。将驾车的交通环境进一步划分为:停车、在普通道路上行驶、在高速公路上行驶、在高架桥上行驶以及在隧道中行驶。然后选取特征量,特征量包括:速度值、加速度值、加速度值的DFT变换在1-10HZ上的幅度值,对于驾车分类,还包括与路面垂直方向的加速度值。其中,速度值可以直接经由GPS数据得到,加速度值 ,而,,为直接由加速度计得到的三轴加速度信息。由于加速度计的参考坐标系为移动智能终端本身,因此需要根据移动智能终端的方向传感器数据将三轴加速度值投影到以车辆方向为参考系的坐标中,从而得到与路面垂直方向上的加速度值。
1.2、根据不同类别的交通环境设计实验场景并进行大量实验。实验中移动智能终端携带在行人或车辆上,采集特征量,根据特征量建立实验样本。根据实验样本,构建决策树,进行决策树学习,具体为:以整个实验样本作为根结点,对单一的特征量作变异数分析,找出变异量最大的变项作为分割准则,然后依次根据最大变异条件长出分岔,直至判断结果的正确率满足设定条件。根据构建的决策树,实例化隐马尔科夫模型的参数。根据隐马尔科夫模型,寻找最可能的能产生某一特定输出序列的隐含状态的序列。其中输出序列即为特征量序列,而隐含状态的序列即为期望得到的移动智能终端所处交通环境的序列(即移动智能终端所处交通环境信息)。
1.3、利用携带在待采集城市交通网络道路上的行人或车辆上的移动智能终端采集速度值、加速度值、方向信息,计算加速度值的DFT变换在1-10HZ上的幅度值和与路面垂直方向的加速度值。将所得特征量输入步骤1.2构建的决策树,由隐马尔科夫模型输出移动智能终端所处交通环境信息。
2、移动智能终端根据GPS采集的经纬度坐标和步骤1.3得到的交通环境信息,结合道路数据库对驾驶路线进行实时跟踪,包含以下子步骤:
2.1、根据智能终端所处交通环境信息的识别结果,决定跟踪路线的性质,为路线贴上静立、走路、跑步、骑自行车或驾车的交通工具标签。
2.2、若交通工具标签为驾车,则根据驾车所处环境信息的识别结果,将驾驶环境判定为停车、在普通道路上行驶、在高速公路上行驶、在高架桥上行驶或在隧道中行驶。
2.3、根据驾驶环境,利用存在误差的GPS采样数据结合道路数据库,定位移动智能终端当前所处道路,并对其将要通过的下一个道路进行预测。
3、移动智能终端根据驾驶路线跟踪结果计算行程时间并将实时路况信息上传至服务器。
根据步骤2得到的结果,以实际的道路拓扑结构为基础追踪并记录移动智能终端通过每个交叉路口的时间,从而得到车辆通过每个真实路段时的行程时间,由行程时间,结合访问道路数据库得到的实际道路拓扑结构信息,得到平均车速、车流量和行程时间等路况信息,路况信息、对应的道路ID以及路线的交通工具标签组成实时路况信息并上传至服务器。图3显示了利用移动智能终端对路况信息进行连续采集与真实路况信息的对比。
4、服务器对接收的海量实时路况信息进行分析,排除重复数据,并将结果存储在路况数据库中。
根据当前时刻成功接收的实时路况数据,由服务器以道路ID对上传数据进行分类,将针对同一路段采集的路况信息聚合在一起,根据具体的行程时间数据和误差容忍区间找到重复数据并剔除。
5、服务器利用路况数据库中的路况数据,使用压缩感知技术对少数缺乏上传数据的路段进行实时路况估计,完成对整个城市交通网络实时路况的采集,包含以下子步骤:
5.1、根据城市交通网络的实际道路拓扑结构生成交通网络拓扑图,图的顶点为交通网络中具有控制信号灯的交叉路口,图的边即为以交叉路口为端点的一条道路。
5.2、根据交通网络拓扑图生成其对应的邻接矩阵,矩阵中每个元素的值即为移动智能终端通过该元素对应路段时的平均速度。
5.3、根据历史路况数据和实验数据,找到一个不包含未测数据的子网络并生成邻接矩阵,对该利用主成分分析方法对矩阵作奇异值分解,得到该矩阵的阶次和稀疏情况,验证压缩感知技术的可行性。
5.5、根据约束条件和最小方差估计目标函数,利用压缩感知的重构算法,通过求解凸优化问题,实现对缺失数据的无偏最小方差估计,从而得到整个城市交通网络的实时路况信息。图4显示了利用压缩感知对缺失数据进行估计的估计值与实际值之间的相对误差。
本发明考虑到原有的实时交通路况采集方法实现难度大、成本高、覆盖率小、系统灵活性和扩展性较差,采用了一种新型的采集方式,利用大量随机分布在整个城市交通网络中的移动智能终端对其所经过道路的路况信息进行实时采集并上传至服务器,使得系统成本大大降低,而覆盖率也有显著地提升。同时利用机器学习方法,利用移动智能终端的传感器对其所处交通环境信息进行分类和识别,降低了无效数据过滤的成本,克服了地图匹配难度大的问题,实现对驾驶路线精确的实时跟踪。另外,考虑到部分道路会随机出现暂时没有被移动智能终端覆盖而缺乏采样数据的情况,利用新型压缩感知技术对原始数据进行高效重构,从而得到整个交通网络的实时路况信息,使得整个系统可靠、稳定、实用。
Claims (1)
1.一种基于移动智能终端的实时交通路况采集方法,该方法在基于移动智能终端的实时交通路况采集系统上实现,所述基于移动智能终端的实时交通路况采集系统包括服务器和多个移动智能终端,移动智能终端中嵌入了GPS、加速度计、方向传感器和通信模块,移动智能终端中还装有道路数据库,移动智能终端和服务器之间进行无线通信;其特征在于,该方法包含以下步骤:
(1)移动智能终端根据传感器信息对交通环境进行识别,包含以下子步骤:
(1.1)将交通环境划分为:静立、走路、跑步、骑自行车和驾车;其中,将驾车的交通环境进一步划分为:停车、在普通道路上行驶、在高速公路上行驶、在高架桥上行驶以及在隧道中行驶;然后选取特征量,特征量包括:速度值、加速度值、加速度值的DFT变换在1-10HZ上的幅度值,对于驾车分类,还包括与路面垂直方向的加速度值;其中,速度值可以直接经由GPS数据得到,加速度值 ,而,,为直接由加速度计得到的三轴加速度信息,加速度值的DFT变换在1-10HZ上的幅度值和路面垂直方向的加速度值由加速度值计算得到;
(1.2)根据不同类别的交通环境设计实验场景并进行大量实验;实验中移动智能终端携带在行人或车辆上,采集特征量,根据特征量建立实验样本;根据实验样本,构建决策树,进行决策树学习,具体为:以整个实验样本作为根结点,对单一的特征量作变异数分析,找出变异量最大的变项作为分割准则,然后依次根据最大变异条件长出分岔,直至判断结果的正确率满足设定条件;根据构建的决策树,实例化隐马尔科夫模型的参数;根据隐马尔科夫模型,寻找最可能的能产生某一特定输出序列的隐含状态的序列;其中输出序列即为特征量序列,而隐含状态的序列即为移动智能终端所处交通环境信息;
(1.3)利用携带在待采集城市交通网络道路上的行人或车辆上的移动智能终端采集速度值、加速度值、方向信息,计算加速度值的DFT变换在1-10HZ上的幅度值和与路面垂直方向的加速度值;将所得特征量输入步骤1.2构建的决策树,由隐马尔科夫模型输出移动智能终端所处交通环境信息;
(2)移动智能终端根据GPS采集的经纬度坐标和步骤1.3得到的交通环境信息,结合道路数据库对驾驶路线进行实时跟踪,包含以下子步骤:
(2.1)根据智能终端所处交通环境信息的识别结果,决定跟踪路线的性质,为路线贴上静立、走路、跑步、骑自行车或驾车的交通工具标签;
(2.2)若交通工具标签为驾车,则根据驾车所处环境信息的识别结果,将驾驶环境判定为停车、在普通道路上行驶、在高速公路上行驶、在高架桥上行驶或在隧道中行驶;
(2.3)根据驾驶环境,利用存在误差的GPS采样数据结合道路数据库,定位移动智能终端当前所处道路,并对其将要通过的下一个道路进行预测;
(3)移动智能终端根据驾驶路线跟踪结果计算行程时间并将实时路况信息上传至服务器:根据步骤2得到的结果,以实际的道路拓扑结构为基础追踪并记录移动智能终端通过每个交叉路口的时间,从而得到车辆通过每个真实路段时的行程时间,由行程时间,结合访问道路数据库得到的实际道路拓扑结构信息,得到平均车速、车流量和行程时间等路况信息;路况信息、对应的道路ID以及路线的交通工具标签组成实时路况信息并上传至服务器;
(4)服务器对接收的海量实时路况信息进行分析,排除重复数据,并将结果存储在路况数据库中:根据当前时刻成功接收的实时路况数据,由服务器以道路ID对上传数据进行分类,将针对同一路段采集的路况信息聚合在一起,根据具体的行程时间数据和误差容忍区间找到重复数据并剔除;
(5)服务器利用路况数据库中的路况数据,使用压缩感知技术对少数缺乏上传数据的路段进行实时路况估计,完成对整个城市交通网络实时路况的采集,包含以下子步骤:
(5.1)根据城市交通网络的实际道路拓扑结构生成交通网络拓扑图,图的顶点为交通网络中具有控制信号灯的交叉路口,图的边即为以交叉路口为端点的一条道路;
(5.2)根据交通网络拓扑图生成其对应的邻接矩阵,矩阵中每个元素的值即为移动智能终端通过该元素对应路段时的平均速度;
(5.3)根据历史路况数据和实验数据,找到一个不包含未测数据的子网络并生成邻接矩阵,对该利用主成分分析方法对矩阵作奇异值分解,得到该矩阵的阶次和稀疏情况,验证压缩感知技术的可行性;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210226808.2A CN102737510B (zh) | 2012-07-03 | 2012-07-03 | 一种基于移动智能终端的实时交通路况采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210226808.2A CN102737510B (zh) | 2012-07-03 | 2012-07-03 | 一种基于移动智能终端的实时交通路况采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102737510A true CN102737510A (zh) | 2012-10-17 |
CN102737510B CN102737510B (zh) | 2014-05-21 |
Family
ID=46992920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210226808.2A Active CN102737510B (zh) | 2012-07-03 | 2012-07-03 | 一种基于移动智能终端的实时交通路况采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102737510B (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968903A (zh) * | 2012-12-18 | 2013-03-13 | 江南大学 | 一种无意识参与的交通流量实时监测系统 |
CN103383811A (zh) * | 2013-05-17 | 2013-11-06 | 南京邮电大学 | 基于gid的智能交通解决方案 |
CN103430514A (zh) * | 2012-10-24 | 2013-12-04 | 华为终端有限公司 | 一种语义信息发送、接收方法、终端、服务器及系统 |
CN103903435A (zh) * | 2012-12-30 | 2014-07-02 | 王方淇 | 一种路况信息获取方法及移动终端 |
CN103942955A (zh) * | 2014-03-24 | 2014-07-23 | 河北盛航通信科技有限公司 | 一种基于移动网络的交通路况趋势预测与提示系统 |
CN104217588A (zh) * | 2013-05-31 | 2014-12-17 | 张伟伟 | 一种实时交通信息获取方法、服务器及系统 |
CN104217593A (zh) * | 2014-08-27 | 2014-12-17 | 北京航空航天大学 | 一种面向手机移动速度的路况信息实时获取方法 |
CN104318765A (zh) * | 2014-10-22 | 2015-01-28 | 浙江工业大学 | 基于智能手机的实时交通拥堵自动检测方法 |
CN104408917A (zh) * | 2014-11-18 | 2015-03-11 | 浙江工商大学 | 基于智能手机加速度传感器实时交通路况估计方法 |
CN104463201A (zh) * | 2014-11-28 | 2015-03-25 | 杭州华为数字技术有限公司 | 一种识别驾驶状态、驾驶人的方法及装置 |
CN104537209A (zh) * | 2014-12-09 | 2015-04-22 | 上海交通大学 | 基于隐马尔科夫模型的车辆行驶道路类型的判断方法 |
CN104590275A (zh) * | 2014-11-27 | 2015-05-06 | 厦门雅迅网络股份有限公司 | 一种驾驶行为分析方法 |
CN105096595A (zh) * | 2015-06-30 | 2015-11-25 | 北京奇虎科技有限公司 | 基于行车记录仪的数据传输方法及装置 |
CN105427584A (zh) * | 2015-12-04 | 2016-03-23 | 镇江金山交通信息科技有限公司 | 交通信息创建方法 |
WO2016078414A1 (zh) * | 2014-11-21 | 2016-05-26 | 中兴通讯股份有限公司 | 控制红绿灯变化的方法、装置及系统 |
CN105654745A (zh) * | 2014-11-14 | 2016-06-08 | 常熟苏大低碳应用技术研究院有限公司 | 一种基于智能手机的交通流量实时监控方法 |
CN105894843A (zh) * | 2015-02-17 | 2016-08-24 | 赫克斯冈技术中心 | 用于确定道路状况的方法和系统 |
CN106157657A (zh) * | 2015-04-14 | 2016-11-23 | 香港生产力促进局 | 一种移动用户的运动状态识别系统及其方法 |
CN106557474A (zh) * | 2015-09-24 | 2017-04-05 | 北京四维图新科技股份有限公司 | 获取沿途 poi 的方法及装置、数据库、导航终端及汽车 |
CN106817741A (zh) * | 2017-03-09 | 2017-06-09 | 中山大学 | 一种软件定义车载网络转发策略的一致性更新方法 |
CN107016851A (zh) * | 2017-05-24 | 2017-08-04 | 大连理工大学 | 一种量化分析城市建成环境对道路行程时间影响的方法 |
CN107644533A (zh) * | 2017-10-27 | 2018-01-30 | 上海云砥信息科技有限公司 | 基于移动网络数据的高速公路虚拟断面车流量监测方法 |
CN108802769A (zh) * | 2018-05-30 | 2018-11-13 | 千寻位置网络有限公司 | Gnss终端在高架上或高架下的检测方法及装置 |
CN108922184A (zh) * | 2018-07-18 | 2018-11-30 | 北京小马智行科技有限公司 | 一种数据传输方法及装置 |
CN109035783A (zh) * | 2018-09-17 | 2018-12-18 | 东南大学 | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 |
CN109104427A (zh) * | 2018-08-28 | 2018-12-28 | 重庆医事通科技发展有限公司 | 不稳定网络情况下大数据离线健康档案数据系统 |
CN109472985A (zh) * | 2017-09-07 | 2019-03-15 | 济南全通信息科技有限公司 | 基于路段旅行时间的实际交通需求流量估计方法 |
CN109685934A (zh) * | 2018-12-18 | 2019-04-26 | 福州大学 | 一种基于车辆数据隐私保护与压缩感知的交通估计方法 |
CN110636468A (zh) * | 2018-06-22 | 2019-12-31 | 上海博泰悦臻电子设备制造有限公司 | 一种路况检测方法、系统、存储介质及车机 |
CN113688274A (zh) * | 2021-08-26 | 2021-11-23 | 平安国际智慧城市科技股份有限公司 | 骑行路线生成方法、装置、设备及存储介质 |
CN114677843A (zh) * | 2022-02-17 | 2022-06-28 | 阿里云计算有限公司 | 路况信息的处理方法、装置、系统及电子设备 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001069570A2 (en) * | 2000-03-17 | 2001-09-20 | Makor Issues And Rights Ltd. | Real time vehicle guidance and traffic forecasting system |
JP2002032896A (ja) * | 2000-07-17 | 2002-01-31 | Senon Ltd | 車両運行業務統合情報システムおよび記録媒体 |
KR100403173B1 (ko) * | 2001-06-16 | 2003-10-30 | 이동규 | 통신단말기를 이용한 대중교통수단의 교통시간 안내시스템 및 그 방법 |
KR100444789B1 (ko) * | 2002-08-08 | 2004-08-18 | 신형범 | 실시간 교통정보망과 연계된 네비게이션 시스템의음성인식 장치 및 그 이용방법 |
US20040249560A1 (en) * | 2003-06-04 | 2004-12-09 | Samsung Electronics Co., Ltd. | Method and apparatus for collecting traffic data in real time |
JP2005196756A (ja) * | 2003-12-30 | 2005-07-21 | Hyundai Motor Co Ltd | 道路交通状況の判断方法及び予測方法 |
KR100518850B1 (ko) * | 2002-09-06 | 2005-09-30 | 엘지전자 주식회사 | 실시간 주행정보 보정 차량 항법시스템 및 그 방법 |
CN1783162A (zh) * | 2005-06-27 | 2006-06-07 | 唐春辉 | 一种智能交通监测和行车实时导航系统 |
CN101436346A (zh) * | 2007-11-20 | 2009-05-20 | 孙少炜 | 交通智能管理系统及方法 |
CN101483009A (zh) * | 2008-01-11 | 2009-07-15 | 上海邮电设计院有限公司 | 一种基于a-gps和3g网络的公交预时播报系统 |
CN101510357A (zh) * | 2009-03-26 | 2009-08-19 | 美慧信息科技(上海)有限公司 | 一种基于手机信号数据检测交通状态的方法 |
CN101540103A (zh) * | 2008-03-17 | 2009-09-23 | 上海宝康电子控制工程有限公司 | 交通信息采集及事件处理的方法与系统 |
CN101599217A (zh) * | 2009-07-17 | 2009-12-09 | 北京交通大学 | 一种快速路交通状态判别方法 |
CN101777253A (zh) * | 2009-12-24 | 2010-07-14 | 戴磊 | 一种实时路况采集、分析与反馈及智能交通综合服务系统 |
CN101794383A (zh) * | 2010-03-12 | 2010-08-04 | 清华大学 | 基于隐马尔科夫模型的拥塞交通场景的视频车辆检测方法 |
US20100323715A1 (en) * | 2009-06-18 | 2010-12-23 | Winters Jack H | Device location prediction for mobile service optimization |
WO2011126215A2 (ko) * | 2010-04-09 | 2011-10-13 | 고려대학교 산학협력단 | 양방향 통신 기능을 결합한 차량용 네비게이터 기반 실시간 교통망 구조 제어와 연계한 교통 흐름 제어 및 동적 경로 제공 시스템 및 그 방법 |
EP2100159B1 (en) * | 2007-01-10 | 2013-08-14 | TomTom International B.V. | A navigation device and method for improving a time to identify a location of the navigation device |
-
2012
- 2012-07-03 CN CN201210226808.2A patent/CN102737510B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001069570A2 (en) * | 2000-03-17 | 2001-09-20 | Makor Issues And Rights Ltd. | Real time vehicle guidance and traffic forecasting system |
WO2001069570A3 (en) * | 2000-03-17 | 2002-02-28 | Makor Issues & Rights Ltd | Real time vehicle guidance and traffic forecasting system |
JP2002032896A (ja) * | 2000-07-17 | 2002-01-31 | Senon Ltd | 車両運行業務統合情報システムおよび記録媒体 |
KR100403173B1 (ko) * | 2001-06-16 | 2003-10-30 | 이동규 | 통신단말기를 이용한 대중교통수단의 교통시간 안내시스템 및 그 방법 |
KR100444789B1 (ko) * | 2002-08-08 | 2004-08-18 | 신형범 | 실시간 교통정보망과 연계된 네비게이션 시스템의음성인식 장치 및 그 이용방법 |
KR100518850B1 (ko) * | 2002-09-06 | 2005-09-30 | 엘지전자 주식회사 | 실시간 주행정보 보정 차량 항법시스템 및 그 방법 |
US20040249560A1 (en) * | 2003-06-04 | 2004-12-09 | Samsung Electronics Co., Ltd. | Method and apparatus for collecting traffic data in real time |
JP2005196756A (ja) * | 2003-12-30 | 2005-07-21 | Hyundai Motor Co Ltd | 道路交通状況の判断方法及び予測方法 |
CN1783162A (zh) * | 2005-06-27 | 2006-06-07 | 唐春辉 | 一种智能交通监测和行车实时导航系统 |
EP2100159B1 (en) * | 2007-01-10 | 2013-08-14 | TomTom International B.V. | A navigation device and method for improving a time to identify a location of the navigation device |
CN101436346A (zh) * | 2007-11-20 | 2009-05-20 | 孙少炜 | 交通智能管理系统及方法 |
CN101483009A (zh) * | 2008-01-11 | 2009-07-15 | 上海邮电设计院有限公司 | 一种基于a-gps和3g网络的公交预时播报系统 |
CN101540103A (zh) * | 2008-03-17 | 2009-09-23 | 上海宝康电子控制工程有限公司 | 交通信息采集及事件处理的方法与系统 |
CN101510357A (zh) * | 2009-03-26 | 2009-08-19 | 美慧信息科技(上海)有限公司 | 一种基于手机信号数据检测交通状态的方法 |
US20100323715A1 (en) * | 2009-06-18 | 2010-12-23 | Winters Jack H | Device location prediction for mobile service optimization |
CN101599217A (zh) * | 2009-07-17 | 2009-12-09 | 北京交通大学 | 一种快速路交通状态判别方法 |
CN101777253A (zh) * | 2009-12-24 | 2010-07-14 | 戴磊 | 一种实时路况采集、分析与反馈及智能交通综合服务系统 |
CN101794383A (zh) * | 2010-03-12 | 2010-08-04 | 清华大学 | 基于隐马尔科夫模型的拥塞交通场景的视频车辆检测方法 |
WO2011126215A2 (ko) * | 2010-04-09 | 2011-10-13 | 고려대학교 산학협력단 | 양방향 통신 기능을 결합한 차량용 네비게이터 기반 실시간 교통망 구조 제어와 연계한 교통 흐름 제어 및 동적 경로 제공 시스템 및 그 방법 |
Non-Patent Citations (2)
Title |
---|
伊峰: "基于车载GPS数据的交通流路段平均行程时间估计与预测方法研究", 《CNKI优秀硕士学位论文全文库》 * |
田世艳: "基于GPS的城市道路交通状态实时判别技术研究", 《CNKI优秀硕士学位论文全文库》 * |
Cited By (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103430514A (zh) * | 2012-10-24 | 2013-12-04 | 华为终端有限公司 | 一种语义信息发送、接收方法、终端、服务器及系统 |
WO2014063320A1 (zh) * | 2012-10-24 | 2014-05-01 | 华为终端有限公司 | 一种语义信息发送、接收方法、终端、服务器及系统 |
CN103430514B (zh) * | 2012-10-24 | 2018-02-02 | 华为终端有限公司 | 一种语义信息发送、接收方法、终端、服务器及系统 |
CN102968903A (zh) * | 2012-12-18 | 2013-03-13 | 江南大学 | 一种无意识参与的交通流量实时监测系统 |
CN103903435A (zh) * | 2012-12-30 | 2014-07-02 | 王方淇 | 一种路况信息获取方法及移动终端 |
CN103903435B (zh) * | 2012-12-30 | 2016-08-10 | 王方淇 | 一种路况信息获取方法及移动终端 |
CN103383811A (zh) * | 2013-05-17 | 2013-11-06 | 南京邮电大学 | 基于gid的智能交通解决方案 |
CN103383811B (zh) * | 2013-05-17 | 2018-04-27 | 南京邮电大学 | 基于gid的智能交通解决方案 |
CN104217588A (zh) * | 2013-05-31 | 2014-12-17 | 张伟伟 | 一种实时交通信息获取方法、服务器及系统 |
CN104217588B (zh) * | 2013-05-31 | 2017-03-08 | 张伟伟 | 一种实时交通信息获取方法、服务器及系统 |
CN103942955A (zh) * | 2014-03-24 | 2014-07-23 | 河北盛航通信科技有限公司 | 一种基于移动网络的交通路况趋势预测与提示系统 |
CN104217593B (zh) * | 2014-08-27 | 2016-05-25 | 北京航空航天大学 | 一种面向手机移动速度的路况信息实时获取方法 |
CN104217593A (zh) * | 2014-08-27 | 2014-12-17 | 北京航空航天大学 | 一种面向手机移动速度的路况信息实时获取方法 |
CN104318765A (zh) * | 2014-10-22 | 2015-01-28 | 浙江工业大学 | 基于智能手机的实时交通拥堵自动检测方法 |
CN105654745A (zh) * | 2014-11-14 | 2016-06-08 | 常熟苏大低碳应用技术研究院有限公司 | 一种基于智能手机的交通流量实时监控方法 |
CN104408917A (zh) * | 2014-11-18 | 2015-03-11 | 浙江工商大学 | 基于智能手机加速度传感器实时交通路况估计方法 |
CN104408917B (zh) * | 2014-11-18 | 2016-08-24 | 浙江工商大学 | 基于智能手机加速度传感器实时交通路况估计方法 |
WO2016078414A1 (zh) * | 2014-11-21 | 2016-05-26 | 中兴通讯股份有限公司 | 控制红绿灯变化的方法、装置及系统 |
CN104590275A (zh) * | 2014-11-27 | 2015-05-06 | 厦门雅迅网络股份有限公司 | 一种驾驶行为分析方法 |
CN104590275B (zh) * | 2014-11-27 | 2019-01-08 | 厦门雅迅网络股份有限公司 | 一种驾驶行为分析方法 |
CN104463201A (zh) * | 2014-11-28 | 2015-03-25 | 杭州华为数字技术有限公司 | 一种识别驾驶状态、驾驶人的方法及装置 |
CN104463201B (zh) * | 2014-11-28 | 2018-01-19 | 杭州华为数字技术有限公司 | 一种识别驾驶状态、驾驶人的方法及装置 |
CN104537209A (zh) * | 2014-12-09 | 2015-04-22 | 上海交通大学 | 基于隐马尔科夫模型的车辆行驶道路类型的判断方法 |
CN104537209B (zh) * | 2014-12-09 | 2017-04-05 | 上海交通大学 | 基于隐马尔科夫模型的车辆行驶道路类型的判断方法 |
CN105894843B (zh) * | 2015-02-17 | 2019-01-15 | 赫克斯冈技术中心 | 用于确定道路状况的方法和系统及计算机可读存储介质 |
CN105894843A (zh) * | 2015-02-17 | 2016-08-24 | 赫克斯冈技术中心 | 用于确定道路状况的方法和系统 |
CN106157657A (zh) * | 2015-04-14 | 2016-11-23 | 香港生产力促进局 | 一种移动用户的运动状态识别系统及其方法 |
CN105096595A (zh) * | 2015-06-30 | 2015-11-25 | 北京奇虎科技有限公司 | 基于行车记录仪的数据传输方法及装置 |
CN106557474A (zh) * | 2015-09-24 | 2017-04-05 | 北京四维图新科技股份有限公司 | 获取沿途 poi 的方法及装置、数据库、导航终端及汽车 |
CN106557474B (zh) * | 2015-09-24 | 2020-09-18 | 北京四维图新科技股份有限公司 | 获取沿途poi的方法及装置、数据库、导航终端及汽车 |
CN105427584A (zh) * | 2015-12-04 | 2016-03-23 | 镇江金山交通信息科技有限公司 | 交通信息创建方法 |
CN106817741B (zh) * | 2017-03-09 | 2020-03-13 | 中山大学 | 一种软件定义车载网络转发策略的一致性更新方法 |
CN106817741A (zh) * | 2017-03-09 | 2017-06-09 | 中山大学 | 一种软件定义车载网络转发策略的一致性更新方法 |
CN107016851A (zh) * | 2017-05-24 | 2017-08-04 | 大连理工大学 | 一种量化分析城市建成环境对道路行程时间影响的方法 |
CN109472985A (zh) * | 2017-09-07 | 2019-03-15 | 济南全通信息科技有限公司 | 基于路段旅行时间的实际交通需求流量估计方法 |
CN109472985B (zh) * | 2017-09-07 | 2021-06-01 | 济南全通信息科技有限公司 | 基于路段旅行时间的实际交通需求流量估计方法 |
CN107644533A (zh) * | 2017-10-27 | 2018-01-30 | 上海云砥信息科技有限公司 | 基于移动网络数据的高速公路虚拟断面车流量监测方法 |
CN108802769A (zh) * | 2018-05-30 | 2018-11-13 | 千寻位置网络有限公司 | Gnss终端在高架上或高架下的检测方法及装置 |
CN108802769B (zh) * | 2018-05-30 | 2022-11-18 | 千寻位置网络有限公司 | Gnss终端在高架上或高架下的检测方法及装置 |
CN110636468A (zh) * | 2018-06-22 | 2019-12-31 | 上海博泰悦臻电子设备制造有限公司 | 一种路况检测方法、系统、存储介质及车机 |
CN110636468B (zh) * | 2018-06-22 | 2024-02-06 | 博泰车联网科技(上海)股份有限公司 | 一种路况检测方法、系统、存储介质及车机 |
CN108922184A (zh) * | 2018-07-18 | 2018-11-30 | 北京小马智行科技有限公司 | 一种数据传输方法及装置 |
CN109104427A (zh) * | 2018-08-28 | 2018-12-28 | 重庆医事通科技发展有限公司 | 不稳定网络情况下大数据离线健康档案数据系统 |
CN109035783A (zh) * | 2018-09-17 | 2018-12-18 | 东南大学 | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 |
CN109685934A (zh) * | 2018-12-18 | 2019-04-26 | 福州大学 | 一种基于车辆数据隐私保护与压缩感知的交通估计方法 |
CN113688274A (zh) * | 2021-08-26 | 2021-11-23 | 平安国际智慧城市科技股份有限公司 | 骑行路线生成方法、装置、设备及存储介质 |
CN114677843A (zh) * | 2022-02-17 | 2022-06-28 | 阿里云计算有限公司 | 路况信息的处理方法、装置、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102737510B (zh) | 2014-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102737510B (zh) | 一种基于移动智能终端的实时交通路况采集方法 | |
CN108345822B (zh) | 一种点云数据处理方法及装置 | |
US10127466B2 (en) | Lateral sign placement determination | |
US10120381B2 (en) | Identifying significant locations based on vehicle probe data | |
EP2427726B1 (en) | Methods and systems for creating digital transportation networks | |
EP3719714B1 (en) | Machine learning system for classifying an area as vehicle way | |
CN107103775B (zh) | 一种基于群智计算的道路质量检测方法 | |
US11710074B2 (en) | System for providing corridor metrics for a corridor of a road network | |
US11335191B2 (en) | Intelligent telematics system for defining road networks | |
WO2021082464A1 (zh) | 预测车辆的目的地的方法和装置 | |
EP3671278B1 (en) | Road surface detection | |
CN103038605A (zh) | 数字地图中的用于障碍物穿越的位置检测、时间表及行进时间估计 | |
CN104217588B (zh) | 一种实时交通信息获取方法、服务器及系统 | |
US11335189B2 (en) | Method for defining road networks | |
CN104318768A (zh) | 基于Hadoop的自适应交通信息瓦片地图生成系统及方法 | |
CN102956105B (zh) | 一种浮动车样本点数据插值的方法 | |
CN117546218A (zh) | 用于交通预测的分布式多任务机器学习 | |
CN105806355A (zh) | 一种车辆绿色路径导航系统及方法 | |
CN106803348A (zh) | 一种基于卡口的高架道路车辆行程时间短时预测方法 | |
Habtie et al. | Cellular network based real-time urban road traffic state estimation framework using neural network model estimation | |
Minh et al. | Traffic state estimation with mobile phones based on the “3R” philosophy | |
TWI672642B (zh) | 人次統計系統及其方法 | |
Sliwa et al. | A radio-fingerprinting-based vehicle classification system for intelligent traffic control in smart cities | |
CN110956820A (zh) | 一种基于乘客手机gps定位的公路客运超载实时预警系统 | |
Guo et al. | Research on optimization model of multisource traffic information collection combination based on genetic algorithm |
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 |