CN103050006B - 一种基于浮动车技术的城市高架桥识别方法 - Google Patents
一种基于浮动车技术的城市高架桥识别方法 Download PDFInfo
- Publication number
- CN103050006B CN103050006B CN201210573984.3A CN201210573984A CN103050006B CN 103050006 B CN103050006 B CN 103050006B CN 201210573984 A CN201210573984 A CN 201210573984A CN 103050006 B CN103050006 B CN 103050006B
- Authority
- CN
- China
- Prior art keywords
- section
- speed
- overpass
- travelling data
- information
- 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.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于浮动车技术的城市高架桥识别方法,步骤如下:利用浮动车车载信息终端在车辆行驶过程中定期采集行车信息,并通过移动蜂窝通信技术传送到数据中心;数据中心获取车辆位置信息所属的路段,并将行车信息存储到行车路段数据库中各路段对应位置;按路段并以该路段行车信息中的速度为速度值样本进行统计分析,若速度变量服从正态分布,且速度变量呈两个不同参数的正态分布且两个正态分布的期望的差值大于预设的速度阈值,则可判断该路段为高架桥路段并将此高架桥路段加入高架桥路段集;将高架桥路段集合进行拟合得到一条完整高架桥信息。本发明克服了现有技术无法自动识别高架桥的问题,提供一种便捷、可靠的交通信息服务。
Description
【技术领域】
本发明涉及一种基于浮动车技术的城市高架桥识别方法。
【背景技术】
随着我国社会经济的飞速发展,城市发展后交通拥挤,建筑物密集,而街道又难以拓宽,由此产生了穿越城区高架桥,提高了运输效率,但是以目前基于浮动车技术判断双层城市交通的堵塞状况往往不能准确地区分出高架桥桥面和交通主干道的实时路况信息。目前在公众出行等交通信息服务系统中,这些信息往往只能根据出行者本人的经验,实现一定程度的高架桥信息识别,尚没有有效的方法提供动态的识别高架桥信息服务。而且,城市道路图层高架桥的添加仍然需要由测绘部门和交通部门进行实地探测后,再统一发布更新交通图层。该方法不仅更新周期长而且更新成本高,无法实现城市高架桥动态更新。为此在基于浮动车技术上,本文提供一种城市高架桥的自动识别方法。
【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城市高架桥识别方法,其克服了现有技术无法自动识别高架桥的问题,提供一种便捷、可靠的交通信息服务。
本发明是这样实现的:
一种基于浮动车技术的城市高架桥识别方法,包括如下步骤:
步骤10、利用浮动车车载信息终端在车辆行驶过程中定期采集行车信息,即车辆编号、位置、速度和时间信息,并通过移动蜂窝通信技术传送到数据中心;
步骤20、数据中心获取车辆位置信息所属的路段,并将行车信息存储到行车路段数据库中各路段对应位置;
步骤30、数据中心按路段并以该路段行车信息中的速度为速度值样本进行统计分析,若速度变量服从正态分布,且速度变量呈两个不同参数的正态分布且两个正态分布的期望的差值大于预设的速度阈值,则可判断该路段为高架桥路段并将此高架桥路段加入高架桥路段集;
步骤40、数据中心从高架桥路段集中,提取高架桥路段,将连续的高架桥路段通过拟合得到一条完整高架桥,最终自动识别出一条完整高架桥。
进一步地,所述步骤10进一步包括:
利用浮动车车载信息终端在车辆行驶过程中以一固定时间周期T采集车辆编号u、位置l、速度v、和时间t,得到行车数据序列xi=<ui,li,vi,ti>,将采集的行车数据序列xi通过移动蜂窝通信技术发送到数据中心,其中i为行车数据序列x的编号。
进一步地,所述步骤20进一步包括:
步骤21、数据中心从行车数据序列xi中提取出位置信息li与GIS系统进行匹配,得到行车数据序列xi所属的路段rs,其中s为路段编号;
GIS系统中对行驶道路分段得到路段集R,R表示为R={r1,r2,...,rs,...};
步骤22、数据中心将同一路段的行车数据序列xi归为一路段行车数据集合Ps,并存储到路段行车数据库D中,Ps表示为Ps={x1,x2,...,xi,...}。
进一步地,所述步骤30进一步包括:
步骤31、从所述的路段行车数据库D的路段行车数据集合Ps中依次提取该路段行车数据序列xi,首次提取时s=1,并把行车数据序列加入到集合W,所述的集合W表示为W={x1,x2,...,xi,...};
步骤32、从步骤31的集合W中依次提取行车数据序列xi,首次提取时i=1,并从行车数据序列xi中提取速度vi构成路段速度集Vs,所述的Vs表示为Vs={v1,v2,...,vi,...},其中vi表示从行车数据序列xi中提取的速度,然后执行i++;
步骤33、判断xj是否为集合W的最后一条记录,若否,则返回步骤32,若是,则执行步骤34,并清空集合W;
步骤34、将路段速度集Vs里的速度作为速度值样本进行统计分析,若得到速度随机变量V'服从正态分布,且速度随机变量V'服从两个不同的位置参数μ、尺度参数σ的正态分布,则记为:
其中,V1,V2为两个不同的速度随机变量,μ1,μ2为两个正态分布的期望值,为两个正态分布的方差,显然易知μ1,μ2也为两个正态分布的平均速度;
对比分析两个正态分布的期望的差值,记ΔV=|μ1-μ2|,当ΔV大于系统预设的速度阈值K时,则判断此路段为高架桥路段;
步骤35、将得到的高架桥路段加入到高架桥路段集Q,
其中表示路段编号为m的路段为高架桥路段,且m∈s;
步骤36、判断m是否为最后一路段的编号,若否,返回步骤31,然后执行s++;若是,执行步骤40。
进一步地,所述步骤40进一步包括:
数据中心从高架桥路段集Q中,提取高架桥路段,将连续的高架桥路段通过拟合得到一条完整高架桥,最终自动识别出一条完整高架桥。
本发明具有如下优点:
本发明基于浮动车技术发现可能的高架桥路段并进行高架桥的拟合,实现了城市高架桥的自动识别,不仅信息获取成本低,而且信息更新及时可靠,使得车辆能够准确掌握实时路况信息,弥补了现有技术对高架桥信息判断的空白。
【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为本发明方法流程示意图。
【具体实施方式】
请参阅图1所示,对本发明的实施例进行详细的说明。
本发明涉及一种基于浮动车技术的城市高架桥识别方法,包括如下步骤:
步骤10、利用浮动车车载信息终端在车辆行驶过程中定期采集行车信息,即车辆编号、位置、速度和时间信息,并通过移动蜂窝通信技术传送到数据中心;
步骤20、数据中心获取车辆位置信息所属的路段,并将行车信息存储到行车路段数据库中各路段对应位置;
步骤30、数据中心按路段并以该路段行车信息中的速度为速度值样本进行统计分析,若速度变量服从正态分布,且速度变量呈两个不同参数的正态分布且两个正态分布的期望的差值大于预设的速度阈值,则可判断该路段为高架桥路段并将此高架桥路段加入高架桥路段集;
步骤40、数据中心从高架桥路段集中,提取高架桥路段,将连续的高架桥路段通过拟合得到一条完整高架桥,最终自动识别出一条完整高架桥。
较优的,上述步骤具体如下:
步骤10、利用浮动车车载信息终端在车辆行驶过程中以一固定时间周期T采集车辆编号u、位置l、速度v、和时间t,得到行车数据序列xi=<ui,li,vi,ti>,将采集的行车数据序列xi通过移动蜂窝通信技术发送到数据中心,其中i为行车数据序列x的编号。
步骤21、数据中心从行车数据序列xi中提取出位置信息li与GIS系统进行匹配,得到行车数据序列xi所属的路段rs,其中s为路段编号;
GIS系统中对行驶道路分段得到路段集R,R表示为R={r1,r2,...,rs,...};
步骤22、数据中心将同一路段的行车数据序列xi归为一路段行车数据集合Ps,并存储到路段行车数据库D中,Ps表示为Ps={x1,x2,...,xi,...}。
步骤31、从所述的路段行车数据库D的路段行车数据集合Ps中依次提取该路段行车数据序列xi,首次提取时s=1,并把行车数据序列加入到集合W,所述的集合W表示为W={x1,x2,...,xi,...};
步骤32、从步骤31的集合W中依次提取行车数据序列xi,首次提取时i=1,并从行车数据序列xi中提取速度vi构成路段速度集Vs,所述的Vs表示为Vs={v1,v2,...,vi,...},其中vi表示从行车数据序列xi中提取的速度,然后执行i++;
步骤33、判断xj是否为集合W的最后一条记录,若否,则返回步骤32,若是,则执行步骤34,并清空集合W;
步骤34、将路段速度集Vs里的速度作为速度值样本进行统计分析,若得到速度随机变量V'服从正态分布,且速度随机变量V'服从两个不同的位置参数μ、尺度参数σ的正态分布,则记为:
其中,V1,V2为两个不同的速度随机变量,μ1,μ2为两个正态分布的期望值,为两个正态分布的方差,显然易知μ1,μ2也为两个正态分布的平均速度;
对比分析两个正态分布的期望的差值,记ΔV=|μ1-μ2|,当ΔV大于系统预设的速度阈值K时,则判断此路段为高架桥路段;
步骤35、将得到的高架桥路段加入到高架桥路段集Q,
其中表示路段编号为m的路段为高架桥路段,且m∈s;
步骤36、判断m是否为最后一路段的编号,若否,返回步骤31,然后执行s++;若是,执行步骤40。
步骤40、数据中心从高架桥路段集Q中,提取高架桥路段,将连续的高架桥路段通过拟合得到一条完整高架桥,最终自动识别出一条完整高架桥。
本发明基于浮动车技术发现可能的高架桥路段并进行高架桥的拟合,实现了城市高架桥的自动识别,不仅信息获取成本低,而且信息更新及时可靠,使得车辆能够准确掌握实时路况信息,弥补了现有技术对高架桥信息判断的空白。
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 (1)
1.一种基于浮动车技术的城市高架桥识别方法,其特征在于:包括如下步骤:
步骤10、利用浮动车车载信息终端在车辆行驶过程中定期采集行车信息,即车辆编号、位置、速度和时间信息,并通过移动蜂窝通信技术传送到数据中心;
步骤20、数据中心获取车辆位置信息所属的路段,并将行车信息存储到行车路段数据库中各路段对应位置;
步骤30、数据中心按路段并以该路段行车信息中的速度为速度值样本进行统计分析,若速度变量服从正态分布,且速度变量呈两个不同参数的正态分布且两个正态分布的期望的差值大于预设的速度阈值,则可判断该路段为高架桥路段并将此高架桥路段加入高架桥路段集;
步骤40、数据中心从高架桥路段集中,提取高架桥路段,将连续的高架桥路段通过拟合得到一条完整高架桥,最终自动识别出一条完整高架桥;
所述步骤10具体为:
利用浮动车车载信息终端在车辆行驶过程中以一固定时间周期T采集车辆编号u、位置l、速度v、和时间t,得到行车数据序列xi=<ui,li,vi,ti>,将采集的行车数据序列xi通过移动蜂窝通信技术发送到数据中心,其中i为行车数据序列x的编号;
所述步骤20具体为:
步骤21、数据中心从行车数据序列xi中提取出位置信息li与GIS系统进行匹配,得到行车数据序列xi所属的路段rs,其中s为路段编号;
GIS系统中对行驶道路分段得到路段集R,R表示为R={r1,r2,...,rs,...};
步骤22、数据中心将同一路段的行车数据序列xi归为一路段行车数据集合Ps,并存储到路段行车数据库D中,Ps表示为Ps={x1,x2,...,xi,...};
所述步骤30具体为:
步骤31、从所述的路段行车数据库D的路段行车数据集合Ps中依次提取该路段行车数据序列xi,首次提取时s=1,并把行车数据序列加入到集合W,所述的集合W表示为W={x1,x2,...,xi,...};
步骤32、从步骤31的集合W中依次提取行车数据序列xi,首次提取时i=1,并从行车数据序列xi中提取速度vi构成路段速度集Vs,所述的Vs表示为Vs={v1,v2,...,vi,...},其中vi表示从行车数据序列xi中提取的速度,然后执行i++;
步骤33、判断xi是否为集合W的最后一条记录,若否,则返回步骤32,若是,则执行步骤34,并清空集合W;
步骤34、将路段速度集Vs里的速度作为速度值样本进行统计分析,若得到速度随机变量V'服从正态分布,且速度随机变量V'服从两个不同的位置参数μ、尺度参数σ的正态分布,则记为:
其中,V1,V2为两个不同的速度随机变量,μ1,μ2为两个正态分布的期望值,为两个正态分布的方差,显然易知μ1,μ2也为两个正态分布的平均速度;
对比分析两个正态分布的期望的差值,记ΔV=|μ1-μ2|,当ΔV大于系统预设的速度阈值K时,则判断此路段为高架桥路段;
步骤35、将得到的高架桥路段加入到高架桥路段集Q,
其中表示路段编号为m的路段为高架桥路段,且m∈s;
步骤36、判断m是否为最后一路段的编号,若否,返回步骤31,然后执行s++;若是,执行步骤40。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210573984.3A CN103050006B (zh) | 2012-12-26 | 2012-12-26 | 一种基于浮动车技术的城市高架桥识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210573984.3A CN103050006B (zh) | 2012-12-26 | 2012-12-26 | 一种基于浮动车技术的城市高架桥识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103050006A CN103050006A (zh) | 2013-04-17 |
CN103050006B true CN103050006B (zh) | 2014-12-10 |
Family
ID=48062628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210573984.3A Active CN103050006B (zh) | 2012-12-26 | 2012-12-26 | 一种基于浮动车技术的城市高架桥识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103050006B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104916133B (zh) * | 2015-06-09 | 2017-01-25 | 福建工程学院 | 一种基于交通轨迹数据的道路海拔信息提取方法及系统 |
CN112017428B (zh) * | 2020-07-09 | 2021-12-17 | 惠州市德赛西威智能交通技术研究院有限公司 | 路侧车联网装置、高架桥路段识别方法及车载车联网装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101989381A (zh) * | 2010-11-15 | 2011-03-23 | 福建工程学院 | 基于浮动车技术的道路单向限行与通行状态识别方法 |
CN102013167A (zh) * | 2010-12-08 | 2011-04-13 | 北京世纪高通科技有限公司 | 浮动车数据处理方法及装置 |
CN102044153A (zh) * | 2010-12-22 | 2011-05-04 | 南昌睿行科技有限公司 | 一种交通流通畅等级评价的方法与系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE59700886D1 (de) * | 1996-02-08 | 2000-01-27 | Mannesmann Ag | Verfahren zur erfassung von verkehrslagedaten |
DE10022812A1 (de) * | 2000-05-10 | 2001-11-22 | Daimler Chrysler Ag | Verfahren zur Verkehrslagebestimmung auf Basis von Meldefahrzeugdaten für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten |
-
2012
- 2012-12-26 CN CN201210573984.3A patent/CN103050006B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101989381A (zh) * | 2010-11-15 | 2011-03-23 | 福建工程学院 | 基于浮动车技术的道路单向限行与通行状态识别方法 |
CN102013167A (zh) * | 2010-12-08 | 2011-04-13 | 北京世纪高通科技有限公司 | 浮动车数据处理方法及装置 |
CN102044153A (zh) * | 2010-12-22 | 2011-05-04 | 南昌睿行科技有限公司 | 一种交通流通畅等级评价的方法与系统 |
Non-Patent Citations (1)
Title |
---|
翁剑成,等.浮动车数据在城市宏观交通特性研究中的应用.《武汉理工大学学报(交通科学与工程版)》.2008,第32卷(第5期), * |
Also Published As
Publication number | Publication date |
---|---|
CN103050006A (zh) | 2013-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103413437B (zh) | 一种基于车辆数据采集的道路交叉口转向识别方法及系统 | |
CN107463940B (zh) | 基于手机数据的车辆类型识别方法和设备 | |
CN106197458B (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
CN103226892B (zh) | 一种优化型的道路拥塞状态发现方法 | |
CN101965601B (zh) | 驾驶辅助装置及驾驶辅助方法 | |
CN102568208B (zh) | 基于浮动车技术的路段限速信息识别方法 | |
CN108848460B (zh) | 基于rfid和gps数据的人车关联方法 | |
CN102024325B (zh) | 基于浮动车技术的交通堵塞点识别方法 | |
CN107103775B (zh) | 一种基于群智计算的道路质量检测方法 | |
CN101989381B (zh) | 基于浮动车技术的道路单向限行与通行状态识别方法 | |
CN100589143C (zh) | 判断浮动车行驶状态的方法及装置 | |
CN104575050B (zh) | 一种基于浮动车的快速路匝道智能诱导方法及装置 | |
CN109345853A (zh) | 一种基于gis的无人车安全驾驶优化方法 | |
CN105261212A (zh) | 一种基于出租车gps数据地图匹配的出行时空分析方法 | |
CN103247186A (zh) | 一种基于场景的辅助驾驶系统实现方法 | |
CN103761430A (zh) | 一种基于浮动车的路网高峰时段识别方法 | |
CN103366560A (zh) | 一种道路交通运行状态跟车探测方法、系统及应用 | |
CN101957208A (zh) | 一种基于浮动车技术的新增道路发现方法 | |
CN102956105B (zh) | 一种浮动车样本点数据插值的方法 | |
CN107240264A (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
CN103942952B (zh) | 一种路网功能层次状态等级评估方法 | |
CN102768797B (zh) | 一种城市路况信息评价方法及装置 | |
CN102982686A (zh) | 基于浮动车行程时间的交通绿波动态调整系统及方法 | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 | |
CN104205185B (zh) | 用于确定交通状态的方法和装置 |
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 |