CN106611499A - 一种检测机动车热点路径的方法 - Google Patents
一种检测机动车热点路径的方法 Download PDFInfo
- Publication number
- CN106611499A CN106611499A CN201510685612.3A CN201510685612A CN106611499A CN 106611499 A CN106611499 A CN 106611499A CN 201510685612 A CN201510685612 A CN 201510685612A CN 106611499 A CN106611499 A CN 106611499A
- Authority
- CN
- China
- Prior art keywords
- hotspot path
- motor vehicles
- hotspot
- point
- place
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种检测机动车热点路径的方法,其中,包括:步骤1,在不同地点获取经过的机动车号牌和时间,形成多条机动车出行轨迹;步骤2,利用各条机动车出行轨迹,计算机动车频繁经过的地点,形成包含单个点的1点热点路径表,该路径表包括机动车频繁经过的地点;步骤3,利用各条机动车出行轨迹和已经得到的包含n个点的n点热点路径,计算包含n+1点的n+1点热点路径表,其中n大于等于1;步骤4,当热点路径包含的地点数目达到指定要求时,得到所需的输出热点路径表。本发明的检测机动车热点路径的方法可以根据指定的机动车行驶时间范围、最小出现次数和指定的热点路径长度,计算指定时间内指定长度的热点路径;在计算热点路径表时,各个地点可以并行计算,特别适合于有成千上万个地点的情况。
Description
技术领域
本发明涉及一种在智能交通应用中,利用射频识别或车牌识别检测大量机动车形成的热点路径的方法。
背景技术
随着社会经济的发展,城市现代化水平的提高,各种组织或个人拥有的机动车的数目越来越多。为了对机动车进行有效管理,各个城市已经在道路的不同地点安装了射频识别(如不停车电子收费ETC和汽车电子标识)读写器或摄像头,识别经过的机动车的号牌,记录其经过的时间,形成机动车的行驶轨迹或路径。
对机动车的行驶轨迹进行分析,能够获得许多有价值的信息,用于城市道路的规划、交通流的疏导。在机动车行驶轨迹的分析中,计算机动车的热点路径具有十分重要的意义。所谓热点路径,就是大量机动车经常通行的路径。由于通行的机动车数量较大,热点路径经常发生交通拥堵或事故,路面损坏程度常高于普通路径,及时检测出热点路径。有助于交通管理部门或规划部门采用措施,调节交通流量,提高城市道路通行效率。
发明内容
本发明的目的在于提供一种检测机动车热点路径的方法,提高对机动车轨迹数据的利用率,充分利用现有基于射频识别和车牌识别的智能交通系统的投资,扩大射频识别和车牌识别的应用范围。
本发明一种检测机动车热点路径的方法,其中,包括:步骤1,在不同地点获取经过的机动车号牌和时间,形成多条机动车出行轨迹;步骤2,利用各条机动车出行轨迹,计算机动车频繁经过的地点,形成包含单个点的1点热点路径表,该路径表包括机动车频繁经过的地点;步骤3,利用各条机动车出行轨迹和已经得到的包含n个点的n点热点路径,计算包含n+1点的n+1点热点路径表,其中n大于等于1;步骤4,当热点路径包含的地点数目达到指定要求时,得到所需的输出热点路径表。
根据本发明一种检测机动车热点路径的方法的一实施例,其中,所述步骤1中,包括:机动车的出行轨迹表示为(S1,S2,…,Sm),其中,Si是机动车一次出行经过的地点,1≤i≤m,地点按照机动车经过的事件排序。
根据本发明一种检测机动车热点路径的方法的一实施例,其中,所述步骤2中,包括:步骤2a:扫描每条机动车出行轨迹,统计每个地点Si出现的次数f(Si);步骤2b:对于每个地点Si的出现次数f(Si),如果f(Si)≥T,T为一阈值,则将Si加入该1点热点路径表中。
根据本发明一种检测机动车热点路径的方法的一实施例,其中,所述步骤3中,包括:步骤3a:扫描每条机动车出行轨迹,对于其中连续的n+1地点组成的子序列(Si,Si+1,Si+2,…,Si+n),如果(Si,Si+1,Si+2,…,Si+n-1)和(Si+1,Si+2,…,Si+n)都在n点热点路径表中,则就统计(Si,Si+1,Si+2,…,Si+n)出现的次数f(Si,Si+1,Si+2,…,Si+n);步骤3b:对于每个子序列(Si,Si+1,Si+2,…,Si+n)的出现次数f(Si,Si+1,Si+2,…,Si+n),如果f(Si,Si+1,Si+2,…,Si+n)≥T,则将子序列(Si,Si+1,Si+2,…,Si+n)加入(n+1)点热点路径表中。
根据本发明一种检测机动车热点路径的方法的一实施例,其中,步骤2包括:算机动车的出行路径中地点出现的次数,如果某地点的出现次数大于所有地点出现的次数的中位数,则认为是机动车频繁经过的地点,加入包含单个点的1点热点路径表。
综上,本发明的有益效果在于,可以根据指定的机动车行驶时间范围、最小出现次数和指定的热点路径长度,计算指定时间内指定长度的热点路径;在计算热点路径表Pn时,各个地点可以并行计算,特别适合于有成千上万个地点的情况。
附图说明
图1是本发明的检测机动车热点路径的方法的流程图;
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
目前在智能交通领域,射频识别和车牌识别的应用正处于推广阶段,对射频识别和车牌识别采集的机动车轨迹数据进行分析,充分发挥射频识别和车牌识别的作用,是继续解决的问题。本发明正是为满足这个现实需求而产生的。
图1是本发明的检测机动车热点路径的方法的流程图,如图1所示,该方法的步骤包括:
为实现上述目的,本发明提出一种检测机动车热点路径的方法,该方法包括:
步骤1,在不同地点获取经过的机动车号牌和时间,形成多条机动车出行轨迹;
步骤2,利用各条机动车出行轨迹,计算机动车频繁经过的地点,形成包含单个点的1点热点路径表;
步骤3,利用各条机动车出行轨迹和已经得到的包含n个点的n点热点路径,计算包含(n+1)点的(n+1)点热点路径表;
步骤4,当热点路径包含的地点数目达到指定要求时,输出热点路径表给有关人员。
对于一具体实施方式,所述步骤1中:
机动车的出行轨迹表示为(S1,S2,…,Sm),其中,Si(1≤i≤m)是机动车一次出行经过的地点,地点按照机动车经过的事件排序,即机动车先经过Si,再经过Si+1。
所述步骤2包括:
步骤2a:扫描每条机动车出行轨迹(S1,S2,…,Sm),统计每个地点Si出现的次数f(Si);
步骤2b:对于每个地点Si的出现次数f(Si),如果f(Si)≥规定的阈值T,则将Si加入1点热点路径表P1中。
所述步骤3包括:
步骤3a:扫描每条机动车出行轨迹(S1,S2,…,Sm),对于其中连续的(n+1)(n≥1)地点组成的子序列(Si,Si+1,Si+2,…,Si+n),如果(Si,Si+1,Si+2,…,Si+n-1)和(Si+1,Si+2,…,Si+n)都在热点路径表Pn中,则就统计(Si,Si+1,Si+2,…,Si+n)出现的次数f(Si,Si+1,Si+2,…,Si+n);
步骤3b:对于每个子序列(Si,Si+1,Si+2,…,Si+n)的出现次数f(Si,Si+1,Si+2,…,Si+n),如果f(Si,Si+1,Si+2,…,Si+n)≥规定的阈值T,则将子序列(Si,Si+1,Si+2,…,Si+n)加入(n+1)点热点路径表Pn+1中。
针对本发明的检测机动车热点路径的方法的一具体实施例,包括:
步骤1:在不同地点获取经过的机动车号牌和时间,形成多条机动车出行轨迹;
例如,在本例中,获取到的机动车出行路径可能为(S3,S6,S7,S4)、(S1,S6,S7,S4)、(S2,S6,S7,S5)等,其中,Si是机动车出行轨迹上的不同地点。
步骤2:利用各条机动车出行轨迹,计算机动车频繁经过的地点,判断计算机动车频繁经过的地点,可以通过计算机动车的出行路径中地点出现的次数,如果某地点的出现次数大于所有地点出现的次数中位数,则认为是机动车频繁经过的地点,通过机动车频繁经过的地点形成包含单个点的1点热点路径表;
步骤2a:扫描每条机动车出行轨迹(S1,S2,…,Sm),统计每个地点Si出现的次数f(Si);
在本例中,得到f(S1)=1,f(S2)=1,f(S3)=1,f(S4)=2,f(S5)=1,f(S6)=3,f(S7)=3。
步骤2b:对于每个地点Si的出现次数f(Si),如果f(Si)≥规定的阈值T,则将Si加入1点热点路径表P1中。
在本例中,如果阈值T=2,则1点热点路径表P1={(S4),(S6),(S7)}。
步骤3,利用各条机动车出行轨迹和已经得到的包含n个点的n点热点路径,计算包含(n+1)点的(n+1)点热点路径表;
步骤3a:扫描每条机动车出行轨迹(S1,S2,…,Sm),对于其中连续的(n+1)(n≥1)地点组成的子序列(Si,Si+1,Si+2,…,Si+n),如果(Si,Si+1,Si+2,…,Si+n-1)和(Si+1,Si+2,…,Si+n)都在热点路径表Pn中,则就统计(Si,Si+1,Si+2,…,Si+n)出现的次数f(Si,Si+1,Si+2,…,Si+n);
在本例中,对于(S3,S6,S7,S4)中子序列(S6,S7),由于(S6)和(S7)都出现在1点热点路径表P1中,则需要统计(S6,S7)出现的次数。同样,由于S7和S4都出现在1点热点路径表P1中,则需要统计(S7,S4)出现的次数。
在本例中,最后,得到f(S6,S7)=3,f(S7,S4)=2。
步骤3b:对于每个子序列(Si,Si+1,Si+2,…,Si+n)的出现次数f(Si,Si+1,Si+2,…,Si+n),如果f(Si,Si+1,Si+2,…,Si+n)≥规定的阈值T,则将子序列(Si,Si+1,Si+2,…,Si+n)加入(n+1)点热点路径表Pn+1中。
在本例中,如果阈值T=2,则2点热点路径表P2={(S6,S7),(S7,S4)}。
在本例中,继续重复步骤3a,对于(S3,S6,S7,S4)中子序列(S6,S7,S4),由于(S6,S7)和(S7,S4)都出现在2点热点路径表P2中,则需要统计(S6,S7,S4)出现的次数。
最后,得到f(S6,S7,S4)=3。
在本例中,继续重复步骤3b,如果阈值T=2,则3点热点路径表P3={(S6,S7,S4)}。
步骤4,当热点路径包含的地点数目达到指定要求时,输出热点路径表给有关人员。
在本例中,输出热点路径表P3={(S6,S7,S4)}。
本发明的有益效果在于,可以根据指定的机动车行驶时间范围、最小出现次数和指定的热点路径长度,计算指定时间内指定长度的热点路径;在计算热点路径表Pn时,各个地点可以并行计算,特别适合于有成千上万个地点的情况。
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,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (5)
1.一种检测机动车热点路径的方法,其特征在于,包括:
步骤1,在不同地点获取经过的机动车号牌和时间,形成多条机动车出行轨迹;
步骤2,利用各条机动车出行轨迹,计算机动车频繁经过的地点,形成包含单个点的1点热点路径表,该路径表包括机动车频繁经过的地点;
步骤3,利用各条机动车出行轨迹和已经得到的包含n个点的n点热点路径,计算包含n+1点的n+1点热点路径表,其中n大于等于1;
步骤4,当热点路径包含的地点数目达到指定要求时,得到所需的输出热点路径表。
2.如权利要求1所述的检测机动车热点路径的方法,其特征在于,所述步骤1中,包括:
机动车的出行轨迹表示为(S1,S2,…,Sm),其中,Si是机动车一次出行经过的地点,1≤i≤m,地点按照机动车经过的事件排序。
3.如权利要求2所述的检测机动车热点路径的方法,其特征在于,所述步骤2中,包括:
步骤2a:扫描每条机动车出行轨迹,统计每个地点Si出现的次数f(Si);
步骤2b:对于每个地点Si的出现次数f(Si),如果f(Si)≥T,T为一阈值,则将Si加入该1点热点路径表中。
4.如权利要求2所述的检测机动车热点路径的方法,其特征在于,所述步骤3中,包括:
步骤3a:扫描每条机动车出行轨迹,对于其中连续的n+1地点组成的子序列(Si,Si+1,Si+2,…,Si+n),如果(Si,Si+1,Si+2,…,Si+n-1)和(Si+1,Si+2,…,Si+n)都在n点热点路径表中,则就统计(Si,Si+1,Si+2,…,Si+n)出现的次数f(Si,Si+1,Si+2,…,Si+n);
步骤3b:对于每个子序列(Si,Si+1,Si+2,…,Si+n)的出现次数f(Si,Si+1,Si+2,…,Si+n),如果f(Si,Si+1,Si+2,…,Si+n)≥T,则将子序列(Si,Si+1,Si+2,…,Si+n)加入(n+1)点热点路径表中。
5.如权利要求1所述的检测机动车热点路径的方法,其特征在于,步骤2包括:算机动车的出行路径中地点出现的次数,如果某地点的出现次数大于所有地点出现的次数的中位数,则认为是机动车频繁经过的地点,加入包含单个点的1点热点路径表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510685612.3A CN106611499A (zh) | 2015-10-21 | 2015-10-21 | 一种检测机动车热点路径的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510685612.3A CN106611499A (zh) | 2015-10-21 | 2015-10-21 | 一种检测机动车热点路径的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106611499A true CN106611499A (zh) | 2017-05-03 |
Family
ID=58610383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510685612.3A Pending CN106611499A (zh) | 2015-10-21 | 2015-10-21 | 一种检测机动车热点路径的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106611499A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107655490A (zh) * | 2017-08-29 | 2018-02-02 | 重庆邮电大学 | 基于移动用户轨迹分段和最热搜索的热点路径发现方法 |
CN107993441A (zh) * | 2017-12-18 | 2018-05-04 | 北京中交兴路信息科技有限公司 | 一种货车常跑路线的预测方法及装置 |
CN110275911A (zh) * | 2019-06-24 | 2019-09-24 | 重庆大学 | 基于频繁序列模式的私家车出行热点路径挖掘方法 |
CN110718088A (zh) * | 2018-07-12 | 2020-01-21 | 北京嘀嘀无限科技发展有限公司 | 公交运行状态监控方法及装置 |
CN111275962A (zh) * | 2019-12-30 | 2020-06-12 | 深圳市麦谷科技有限公司 | 车辆轨迹数据聚集效应预测方法及装置 |
CN111739180A (zh) * | 2020-08-26 | 2020-10-02 | 南京感动科技有限公司 | 一种基于etc门架的路径切分方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004340864A (ja) * | 2003-05-19 | 2004-12-02 | Alpine Electronics Inc | ナビゲーション装置およびナビゲーション装置における無線通信方法 |
CN102750361A (zh) * | 2012-06-13 | 2012-10-24 | 中国矿业大学 | 基于局部多层网格的轨迹数据热点区域发现方法 |
CN103116696A (zh) * | 2013-01-16 | 2013-05-22 | 上海美慧软件有限公司 | 基于稀疏采样的手机定位数据的人员常驻地点识别方法 |
CN103323018A (zh) * | 2013-06-21 | 2013-09-25 | 广州市香港科大霍英东研究院 | 基于时段的热点路径的特征识别与快速搜索方法 |
CN103324706A (zh) * | 2013-06-17 | 2013-09-25 | 中国矿业大学 | 具有时间约束的轨迹数据热点区域的方法 |
CN104574965A (zh) * | 2015-01-11 | 2015-04-29 | 杭州电子科技大学 | 一种基于海量交通流数据的城市交通热点区域划分方法 |
CN104778245A (zh) * | 2015-04-09 | 2015-07-15 | 北方工业大学 | 基于海量车牌识别数据的相似轨迹挖掘方法及装置 |
CN105091889A (zh) * | 2014-04-23 | 2015-11-25 | 华为技术有限公司 | 一种热点路径的确定方法及设备 |
CN105258704A (zh) * | 2014-06-16 | 2016-01-20 | 中国科学院沈阳自动化研究所 | 基于快速路网建模的多尺度时空热点路径探测方法 |
-
2015
- 2015-10-21 CN CN201510685612.3A patent/CN106611499A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004340864A (ja) * | 2003-05-19 | 2004-12-02 | Alpine Electronics Inc | ナビゲーション装置およびナビゲーション装置における無線通信方法 |
CN102750361A (zh) * | 2012-06-13 | 2012-10-24 | 中国矿业大学 | 基于局部多层网格的轨迹数据热点区域发现方法 |
CN103116696A (zh) * | 2013-01-16 | 2013-05-22 | 上海美慧软件有限公司 | 基于稀疏采样的手机定位数据的人员常驻地点识别方法 |
CN103324706A (zh) * | 2013-06-17 | 2013-09-25 | 中国矿业大学 | 具有时间约束的轨迹数据热点区域的方法 |
CN103323018A (zh) * | 2013-06-21 | 2013-09-25 | 广州市香港科大霍英东研究院 | 基于时段的热点路径的特征识别与快速搜索方法 |
CN105091889A (zh) * | 2014-04-23 | 2015-11-25 | 华为技术有限公司 | 一种热点路径的确定方法及设备 |
CN105258704A (zh) * | 2014-06-16 | 2016-01-20 | 中国科学院沈阳自动化研究所 | 基于快速路网建模的多尺度时空热点路径探测方法 |
CN104574965A (zh) * | 2015-01-11 | 2015-04-29 | 杭州电子科技大学 | 一种基于海量交通流数据的城市交通热点区域划分方法 |
CN104778245A (zh) * | 2015-04-09 | 2015-07-15 | 北方工业大学 | 基于海量车牌识别数据的相似轨迹挖掘方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107655490A (zh) * | 2017-08-29 | 2018-02-02 | 重庆邮电大学 | 基于移动用户轨迹分段和最热搜索的热点路径发现方法 |
CN107655490B (zh) * | 2017-08-29 | 2020-03-17 | 重庆邮电大学 | 基于移动用户轨迹分段和最热搜索的热点路径发现方法 |
CN107993441A (zh) * | 2017-12-18 | 2018-05-04 | 北京中交兴路信息科技有限公司 | 一种货车常跑路线的预测方法及装置 |
CN107993441B (zh) * | 2017-12-18 | 2020-03-27 | 北京中交兴路信息科技有限公司 | 一种货车常跑路线的预测方法及装置 |
CN110718088A (zh) * | 2018-07-12 | 2020-01-21 | 北京嘀嘀无限科技发展有限公司 | 公交运行状态监控方法及装置 |
CN110718088B (zh) * | 2018-07-12 | 2020-12-22 | 北京嘀嘀无限科技发展有限公司 | 公交运行状态监控方法及装置 |
CN110275911A (zh) * | 2019-06-24 | 2019-09-24 | 重庆大学 | 基于频繁序列模式的私家车出行热点路径挖掘方法 |
CN110275911B (zh) * | 2019-06-24 | 2023-05-23 | 重庆大学 | 基于频繁序列模式的私家车出行热点路径挖掘方法 |
CN111275962A (zh) * | 2019-12-30 | 2020-06-12 | 深圳市麦谷科技有限公司 | 车辆轨迹数据聚集效应预测方法及装置 |
CN111739180A (zh) * | 2020-08-26 | 2020-10-02 | 南京感动科技有限公司 | 一种基于etc门架的路径切分方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106611499A (zh) | 一种检测机动车热点路径的方法 | |
CN104700646B (zh) | 一种基于在线gps数据的出租车异常轨迹实时检测方法 | |
CN102521965B (zh) | 基于车牌识别数据的交通需求管理措施效果评价方法 | |
CN104851286B (zh) | 一种利用公交车辆gps数据动态评估道路交通状态的方法 | |
CN105225282B (zh) | 一种高速公路联网收费费率计算方法及装置 | |
CN106971534A (zh) | 基于号牌数据的通勤出行特征分析方法 | |
CN106327866B (zh) | 基于rfid的车辆出行od切分方法及其系统 | |
US20090080973A1 (en) | Estimation of Actual Conditions of a Roadway Segment by Weighting Roadway Condition Data with the Quality of the Roadway Condition Data | |
CN110288205B (zh) | 交通影响评价方法及装置 | |
CN106846806A (zh) | 基于Isolation Forest的城市道路交通异常检测方法 | |
CN105513356B (zh) | 一种基于轨迹追踪的od矩阵估计方法与系统 | |
CN106530704A (zh) | 一种基于多元数据融合的浮动车聚集检测方法 | |
CN104700630A (zh) | 一种高速公路车流量的监测方法及系统 | |
Ding et al. | Role of exposure in bicycle safety analysis: Effect of cycle path choice | |
CN105551241B (zh) | 一种基于fcd及ep多源数据的实时拥堵分析方法 | |
CN105427600B (zh) | 一种基于fcd的道路拥堵实时识别方法与装置 | |
CN106875680A (zh) | 基于大数据分析的路口平均等待时间计算方法 | |
Dubey et al. | Time gap modeling using mixture distributions under mixed traffic conditions | |
CN111145562B (zh) | 城际公路出行量统计方法、装置及电子设备 | |
Song et al. | Method for estimating highway collision rate that considers state of traffic flow | |
Krogh et al. | Trajectories for novel and detailed traffic information | |
Garrido-Valenzuela et al. | Identifying and visualizing operational bottlenecks and Quick win opportunities for improving bus performance in public transport systems | |
CN105070075A (zh) | 一种基于阵列雷达的干线自优化信号控制方法及装置 | |
Figliozzi et al. | Evaluation of Roadway Reallocation Projects: Analysis of Before-and-After Travel Speeds and Congestion Utilizing High-Resolution Bus Transit Data | |
Faheem et al. | Analysis of Traffic Characteristics at Multi-lane Divided Highways, Case Study from Cairo-Aswan Agriculture Highway |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170503 |
|
WD01 | Invention patent application deemed withdrawn after publication |