CN106776988B - 一种基于时间聚合的停靠点确定方法及装置 - Google Patents

一种基于时间聚合的停靠点确定方法及装置 Download PDF

Info

Publication number
CN106776988B
CN106776988B CN201611110314.2A CN201611110314A CN106776988B CN 106776988 B CN106776988 B CN 106776988B CN 201611110314 A CN201611110314 A CN 201611110314A CN 106776988 B CN106776988 B CN 106776988B
Authority
CN
China
Prior art keywords
behavior
day
time interval
track
cross
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
Application number
CN201611110314.2A
Other languages
English (en)
Other versions
CN106776988A (zh
Inventor
梁利刚
李旭阳
肖赞
张辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Transwiseway Information Technology Co Ltd
Original Assignee
Beijing Transwiseway Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Transwiseway Information Technology Co Ltd filed Critical Beijing Transwiseway Information Technology Co Ltd
Priority to CN201611110314.2A priority Critical patent/CN106776988B/zh
Publication of CN106776988A publication Critical patent/CN106776988A/zh
Application granted granted Critical
Publication of CN106776988B publication Critical patent/CN106776988B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2308—Concurrency control
    • G06F16/2315—Optimistic concurrency control
    • G06F16/2322—Optimistic concurrency control using timestamps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于时间聚合的停靠点确定方法及装置。该方法包括：遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为；确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为；依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型。通过本发明的技术方案，能够提高停靠点确定的准确度。

Description

一种基于时间聚合的停靠点确定方法及装置
技术领域
本发明实施例涉及一种数据处理技术，尤其涉及一种基于时间聚合的停靠点确定方法及装置。
背景技术
在车联网技术中，信息点(POI)分析是一个重要的领域，精确地分析出车辆停靠点信息有助于了解车辆的驾驶行为习惯。在停靠点信息的分析过程中，停靠点的确定是停靠点信息分析的基础。停靠点的精准度直接影响停靠点信息输出结果的准确率。根据车辆经常停靠的物流园，加油站，服务区等信息点，可以有效地分析得出车辆运输的货物类型、车辆常用加油站等信息。因此，货车的停靠点信息获取对物流交易，货车供应链有重要意义。
车辆在停靠时，GPS(Global Positioning System，全球定位系统)定位仪报出的经纬度并不总是一个值，而是在真实停靠附近不断浮动的值。这是由于定位技术造成的，是合理的数据。这些数据是POI停靠点计算过程中的噪声数据，该数据构成停靠点并对停靠点计算有很大的负面影响。假设车辆停靠过程中GPS上报同一个轨迹点，则停靠点信息的获取变得尤为简单，若两点之间存在距离则车辆处于运行状态，反之，车辆处于停靠状态。但真实的数据中，车辆处于停靠状态中，轨迹点在一定的范围内浮动，这样就很难判断车辆在这段时间内处于拥塞运行状态还是处于停靠状态。
现有的通过轨迹点获取信息点的方法是：首先判断车辆的车机速度，当速度小于5km/h的时候记作停靠点的开始点，当轨迹点与中心点之间的距离不超过300m的范围认为该点在停靠点集中，反之是停靠点的结束点。这样计算的停靠点不精确，可能距真实的停靠点偏差较大。可能把拥塞运行的情况下获取的轨迹点误认为是停靠点，也有可能部分停靠点被忽略，若是用这些轨迹点获取停靠点信息，那么就会导致获取的停靠点信息准确性较差。
发明内容
本发明实施例提供一种基于时间聚合的停靠点确定方法及装置，能够提高停靠点信息确定的准确度。
第一方面，本发明实施例提供了一种基于时间聚合的停靠点确定方法，包括：
遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为；
确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为；
依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型。
进一步的，遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为，包括：
遍历车辆的轨迹数据中包含的每一轨迹段，其中所述轨迹数据中相邻两轨迹点构成一轨迹段；
若任一轨迹段的时间间隔大于第一时间间隔阈值,则确定该轨迹段为缺失行为；
若任一轨迹段的平均速度小于第一平均速度阈值,则确定该轨迹段为停靠行为；
若任一轨迹段的平均速度大于或等于第一平均速度阈值,则确定该轨迹段为运行行为；
合并行为类型相同的相邻轨迹段。
进一步的，确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为，包括：
若任一运行行为满足如下条件：首轨迹点与尾轨迹点之间的平均速度小于第一平均速度阈值，首轨迹点与尾轨迹点之间的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,以及，首尾累加距离小于首尾直线距离的2倍或者平均速度小于第二平均速度阈值，则确定该运行行为属于运靠行为；
若任一停靠行为的时间间隔大于第三时间间隔阈值，则确定该停靠行为属于休靠行为，若任一停靠行为的时间间隔小于或等于第三时间间隔阈值且大于第一时间间隔阈值,则确定该停靠行为属于运靠行为；
若任一缺失行为的平均速度小于第三平均速度阈值且时间间隔大于第三时间间隔阈值,则确定该缺失行为属于缺失休靠行为，若任一缺失行为的平均速度小于第三平均速度阈值且时间间隔小于或等于第三时间间隔阈值，则确定该缺失行为属于缺失运靠行为。
进一步的，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型，包括：
合并时序关系相邻的不同停靠行为，并依据合并后的停靠行为的时间间隔确定合并后的停靠行为的类型。
进一步的，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型，还包括：
若任一行为相邻的前停靠行为，与该行为相邻的后停靠行为的停靠类型相同，该行为的直接距离小于第一距离阈值，以及所述前停靠行为和/或所述后停靠行为的停靠时间长度大于停靠时间阈值,则将所述前停靠行为、该行为以及所述后停靠行为合并。
进一步的，还包括：
依据任一天的轨迹起点和该轨迹起点的前一轨迹点构建跨日轨迹段；
若所述跨日轨迹段的起点和终点在对应的当日轨迹内均不是停靠点，且满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段确定为跨日停靠集合；
若所述跨日轨迹段的起点和/或终点在对应的当日轨迹内是停靠点，满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段与所述跨日轨迹段的起点和/或终点所属的停靠点集合合并形成跨日停靠集合。
进一步的，依据任一天的轨迹起点和该轨迹起点的前一轨迹点构建跨日轨迹段之后，还包括：
依据所述跨日轨迹段的跨日天数，切分所述跨日停靠集合，并依据切换结果更新对应的每天的停靠集合。
第二方面，本发明实施例还提供了一种基于时间聚合的停靠点确定装置，包括：
第一行为确定模块，用于遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为；
第二行为确定模块，用于确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为；
合并模块，用于依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型。
进一步的，所述合并模块具体用于：
合并时序关系相邻的不同停靠行为，并依据合并后的停靠行为的时间间隔确定合并后的停靠行为的类型。
进一步的，还包括：
轨迹段构建模块，用于依据任一天的轨迹起点和该轨迹起点的前一轨迹点构建跨日轨迹段；
第一停靠集合确定模块，用于若所述跨日轨迹段的起点和终点在对应的当日轨迹内均不是停靠点，且满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段确定为跨日停靠集合；
第二停靠集合确定模块，用于若所述跨日轨迹段的起点和/或终点在对应的当日轨迹内是停靠点，满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段与所述跨日轨迹段的起点和/或终点所属的停靠点集合合并形成跨日停靠集合。
本发明遍历车辆的轨迹数据，确定轨迹点数据对应的运行行为、停靠行为和缺失行为，确定运行行为中包含的运靠行为，停靠行为中包含的休靠行为和运靠行为，以及缺失行为中包含的缺失休靠行为和缺失运靠行为，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型。避免了由于停靠点数据不准确而造成停靠点确定准确度低的情况，基于时间聚合的停靠点确定能够提高停靠点确定的准确度。
附图说明
图1是本发明实施例一中的一种基于时间聚合的停靠点确定方法的流程图；
图2是本发明实施例二中的一种基于时间聚合的停靠点确定方法的流程图；
图3是本发明实施例三中的一种基于时间聚合的停靠点确定方法的流程图；
图4是本发明实施例四中的一种基于时间聚合的停靠点确定装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种基于时间聚合的停靠点确定方法的流程图，本实施例可适用于基于时间聚合的停靠点确定的情况，该方法可以由本发明实施例中的基于时间聚合的停靠点确定装置来执行，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何需要停靠点信息确定的终端设备中，例如典型的是智能终端(例如笔记本电脑等)，如图1所示，该方法具体包括如下步骤：
S110，遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为。
其中，所述轨迹点数据包括：通过GPS测得的车辆的速度、车辆行驶里程值、相邻两个轨迹点之间的距离以及相邻两个轨迹点之间的间隔时间等。所述轨迹点数据为某一车辆一天行驶的轨迹点。根据所述轨迹点数据判断所述轨迹点对应的运行行为、停靠行为和缺失行为。
可选的，遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为，包括：遍历车辆的轨迹数据中包含的每一轨迹段，其中所述轨迹数据中相邻两轨迹点构成一轨迹段；若任一轨迹段的时间间隔大于第一时间间隔阈值,则确定该轨迹段为缺失行为；若任一轨迹段的平均速度小于第一平均速度阈值,则确定该轨迹段为停靠行为；若任一轨迹段的平均速度大于或等于第一平均速度阈值,则确定该轨迹段为运行行为；合并行为类型相同的相邻轨迹段。
其中，所述第一时间间隔阈值可以为900s，所述第一平均速度阈值可以为1m/s。
具体的，通过车载装置测得车辆一天运行的轨迹数据，其中，轨迹点数据中相邻两个轨迹点构成一个轨迹段，若相邻两个轨迹点之间的时间间隔大于900s，则确定所述相邻两个轨迹点构成的轨迹段为缺失行为。若相邻两个轨迹点的平均速度小于1m/s，则确定所述相邻轨迹点构成的轨迹段为停靠行为。若相邻两个轨迹点的平均速度大于1m/s，则确定所述相邻轨迹点构成的轨迹段为运行行为。若相邻轨迹段的行为类型相同，则合并相邻轨迹段。
在一个具体的例子中，通过车载装置测得一天车辆运行的轨迹数据，如果第一个轨迹点和第二个轨迹点之间的时间间隔大于900s，则确定第一个轨迹点和第二个轨迹点构成的轨迹段为缺失行为；如果第二个轨迹点和第三个轨迹点构成的轨迹段的平均速度小于1m/s，则确定第二个轨迹点和第三轨迹点构成的轨迹段为停靠行为；如果第三个轨迹点和第四个轨迹点构成的轨迹段的平均速度小于1m/s，则确定第三个轨迹点和第四个轨迹点构成的轨迹段为停靠行为；如果第四个轨迹点和第五个轨迹点构成的轨迹段的平均速度大于1m/s，则确定第四个轨迹点和第五个轨迹点构成的轨迹段为运行行为。由于第二个轨迹点和第三轨迹点构成的轨迹段为停靠行为且第三个轨迹点和第四个轨迹点构成的轨迹段为停靠行为，则合并第二个轨迹点和第三轨迹点构成的轨迹段和第三个轨迹点和第四个轨迹点构成的轨迹段。
S120，确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为。
其中，所述运行行为包括运行流畅行为、运行缓行行为、运行拥塞行为以及运靠行为。所述缺失行为包括运行流畅行为、运行缓行行为、未知行为、缺失休靠行为以及缺失运靠行为。
S130，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型。
其中，所述停靠类型包括运靠行为、休靠行为、缺失休靠行为和缺失运靠行为。
具体的，合并相邻时间内获取的轨迹点构成的轨迹段，对合并后的轨迹点集合进行判断，若所述集合中轨迹点之间的时间间隔大于900s，则确定所述集合为缺失行为。若所述集合中轨迹点的平均速度小于1m/s，则确定所述集合为停靠行为。若所述集合中轨迹点的平均速度大于1m/s，则确定所述集合为运行行为。
本实施例的技术方案，通过遍历车辆的轨迹数据，确定轨迹点数据对应的运行行为、停靠行为和缺失行为，确定运行行为中包含的运靠行为，停靠行为中包含的休靠行为和运靠行为，以及缺失行为中包含的缺失休靠行为和缺失运靠行为，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型。避免了由于停靠点数据不准确而造成停靠点确定准确度低的情况，基于时间聚合的停靠点确定能够提高停靠点确定的准确度。
实施例二
图2为本发明实施例二中的一种基于时间聚合的停靠点确定方法的流程示意图，本实施例以前述实施例一为基础进行优化，提供了优选的基于时间聚合的停靠点确定方法，具体是，确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为，包括：
若任一运行行为满足如下条件：首轨迹点与尾轨迹点之间的平均速度小于第一平均速度阈值，首轨迹点与尾轨迹点之间的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,以及，首尾累加距离小于首尾直线距离的2倍或者平均速度小于第二平均速度阈值，则确定该运行行为属于运靠行为；
若任一停靠行为的时间间隔大于第三时间间隔阈值，则确定该停靠行为属于休靠行为，若任一停靠行为的时间间隔小于或等于第三时间间隔阈值且大于第一时间间隔阈值,则确定该停靠行为属于运靠行为；
若任一缺失行为的平均速度小于第三平均速度阈值且时间间隔大于第三时间间隔阈值,则确定该缺失行为属于缺失休靠行为，若任一缺失行为的平均速度小于第三平均速度阈值且时间间隔小于或等于第三时间间隔阈值，则确定该缺失行为属于缺失运靠行为。
由于根据轨迹段的平均速度(平均速度＝两点直线距离/时间间隔)、直线距离、时间间隔等多因子分析得出。运营停靠点更注重时间和空间维度。尤其是时间维度。因为在计算运营指数的过程中，平均速度是一个非常重要的指标，因此时间维度尤为重要。若车辆在一个3个小时的时间内运行了300m，我们可近似的认为车辆停靠到了三个小时。
相应的，本实施例的方法具体包括如下步骤：
S210，遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为。
S220，若任一运行行为满足如下条件：首轨迹点与尾轨迹点之间的平均速度小于第一平均速度阈值，首轨迹点与尾轨迹点之间的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,以及，首尾累加距离小于首尾直线距离的2倍或者平均速度小于第二平均速度阈值，则确定该运行行为属于运靠行为。
其中，运行行为包括：运行拥塞行为、运靠行为、运行流畅行为和运行缓行行为。
具体的，若连续的多个轨迹段的首轨迹点和尾轨迹点之间平均速度小于第一平均速度阈值且两点之间的时间间隔小于或者等于第一时间间隔阈值并且大于第二时间间隔阈值，以及，首尾的累加距离大于或者等于首尾直线距离的2倍，则确定该运行行为属于运行拥塞行为。运行拥塞行为是车辆运行中经常出现的行为，并且也是最容易让人误解为运靠行为的运行状态，因此，准确的划分运行拥塞行为能够更加精准的确定停靠点。
在一个具体的例子中，若连续的多个轨迹段的首轨迹点和尾轨迹点之间平均速度小于1m/s且两点之间的时间间隔小于等于900s大于300s，以及，首尾的累加距离大于或者等于首尾直线距离的2倍，则确定该运行行为属于运行拥塞行为。
具体的，若任一运行行为的平均速度大于6m/s，则确定该运行行为属于运行流畅行为。若任一运行行为的平均速度小于或者等于6m/s并且平均速度大于2m/s，则确定该运行行为属于运行缓行行为。
具体的，首轨迹点与尾轨迹点之间的平均速度小于1m/s且两轨迹点与尾轨迹点之间的时间间隔大于300s且小于或者等于900s，以及，首尾的累加距离小于首尾直线距离的2倍，或者，平均速度小于0.25m/s，则确定该运行行为属于运靠行为。
S230，若任一停靠行为的时间间隔大于第三时间间隔阈值，则确定该停靠行为属于休靠行为，若任一停靠行为的时间间隔小于或等于第三时间间隔阈值且大于第一时间间隔阈值,则确定该停靠行为属于运靠行为。
其中，所述第三时间间隔为10800s。
具体的，若任一停靠行为的时间间隔大于10800s，则确定该停靠行为属于休靠行为，若任一停靠行为的时间间隔小于或等于10800s且大于900s,则确定该停靠行为属于运靠行为。
S240，若任一缺失行为的平均速度小于第三平均速度阈值且时间间隔大于第三时间间隔阈值,则确定该缺失行为属于缺失休靠行为，若任一缺失行为的平均速度小于第三平均速度阈值且时间间隔小于或等于第三时间间隔阈值，则确定该缺失行为属于缺失运靠行为。
其中，所述第三平均速度阈值为0.1m/s。所述缺失行为包括：运行流畅行为、运行缓行行为、缺失休靠行为、缺失运靠行为和未知行为。
具体的，若任一缺失行为的平均速度大于6m/s，则确定该缺失行为属于运行流畅行为。若任一缺失行为的平均速度小于或者等于6m/s并且平均速度大于2m/s，则确定该缺失行为属于运行缓行行为。若任一缺失行为的平均速度大于或者等于0.1m/s并且平均速度小于或者等于2m/s，则确定该缺失行为属于未知行为。若任一缺失行为的平均速度小于0.1m/s并且时间间隔大于10800s，则确定该缺失行为属于缺失休靠行为。若任一缺失行为的平均速度小于0.1m/s并且时间间隔小于或者等于10800s，则确定该缺失行为属于缺失运靠行为。
S250，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型。
可选的，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型，包括：
合并时序关系相邻的不同停靠行为，并依据合并后的停靠行为的时间间隔确定合并后的停靠行为的类型。
可选的，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型，还包括：
若任一行为相邻的前停靠行为，与该行为相邻的后停靠行为的停靠类型相同，该行为的直接距离小于第一距离阈值，以及所述前停靠行为和/或所述后停靠行为的停靠时间长度大于停靠时间阈值,则将所述前停靠行为、该行为以及所述后停靠行为合并。
其中，所述停靠时间阈值为2400s。
具体的，若相邻两个集合类型相同，则合并。如果任一行为相邻的前停靠行为和后停靠行为类型相同，且所述任一行为的直接距离小于90米，且前停靠行为和/或后停靠行为的停靠时间长度大于2400s，或者前停靠行为和/或后停靠行为的停靠时间长度等于2400s，则将所述前停靠行为、该行为以及所述后停靠行为合并。根据实施例一中的行为类型确定规则确定所述合并后的停靠行为类型。
本实施例的技术方案，通过详细描述如何确定运行行为中包含的运靠行为，停靠行为中包含的休靠行为和运靠行为，以及缺失行为中包含的缺失休靠行为和缺失运靠行为。避免了由于停靠点数据不准确而造成停靠点确定准确度低的情况，基于时间聚合的停靠点确定能够提高停靠点确定的准确度。
实施例三
图3为本发明实施例三中的一种基于时间聚合的停靠点确定方法的流程示意图，本实施例以前述实施例一为基础进行优化，提供了优选的基于时间聚合的停靠点确定方法，具体是，还包括：
依据任一天的轨迹起点和该轨迹起点的前一轨迹点构建跨日轨迹段；
若所述跨日轨迹段的起点和终点在对应的当日轨迹内均不是停靠点，且满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段确定为跨日停靠集合；
若所述跨日轨迹段的起点和/或终点在对应的当日轨迹内是停靠点，满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段与所述跨日轨迹段的起点和/或终点所属的停靠点集合合并形成跨日停靠集合。
由于停靠点可能会出现跨日停靠问题，轨迹点存储是按日分割数据的，数据处理也是按日处理的，这样会导致在昨日结束的点和今日开始的点或者之后的其他日期开始的点之间的轨迹段的信息丢失，不知道该段时间内是停靠或者是运行，导致一个停靠点分割为多个停靠点，在本实施例的停靠点确定过程中给相邻几日的停靠点进行切分，这样可以把几日的停靠点链接起来，解决跨日停靠的问题，提高停靠点确定的准确度。
相应的，本实施例的方法具体包括如下步骤：
S310，遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为。
S320，确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为。
S330，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型。
S340，依据任一天的轨迹起点和该轨迹起点的前一轨迹点构建跨日轨迹段。
S350，若所述跨日轨迹段的起点和终点在对应的当日轨迹内均不是停靠点，且满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段确定为跨日停靠集合。
S360，若所述跨日轨迹段的起点和/或终点在对应的当日轨迹内是停靠点，满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段与所述跨日轨迹段的起点和/或终点所属的停靠点集合合并形成跨日停靠集合。
可选的，依据任一天的轨迹起点和该轨迹起点的前一轨迹点构建跨日轨迹段之后，还包括：
依据所述跨日轨迹段的跨日天数，切分所述跨日停靠集合，并依据切换结果更新对应的每天的停靠集合。
在一个具体的例子中，计算今天轨迹点起点与前一天轨迹点终点的距离和平均速度。如果跨日轨迹段的起点和终点在当日轨迹内不是停靠点，所述跨日轨迹段的时间间隔大于10800s，且所述跨日轨迹段的直线距离小于1080m，则确定两点为停靠点；所述跨日轨迹段的时间间隔大于900s且小于或等于10800s，且平均速度小于0.1m/s，则确定两点为停靠点；所述跨日轨迹段的时间间隔大于300s且小于或等于900s，且所述跨日轨迹段的直线距离90m，则确定两点为停靠点
如果跨日轨迹段的起点和/或终点在对应的当日轨迹内是停靠点。所述跨日轨迹段的时间间隔大于10800s且所述跨日轨迹段的直线距离小于1080m，则确定两点为停靠点；所述跨日轨迹段的时间间隔大于900s时长且小于或等于10800s，且平均速度小于0.1m/s，则确定两点为停靠点；所述跨日轨迹段的时间间隔大于900s且小于或等于10800s，所述跨日轨迹段的直线距离小于90m，则确定两点为停靠点。
如果跨日轨迹段的起点或终点存在停靠信息，把跨日轨迹段的起点所属停靠集的起点或终点作为跨日停靠集合的起点或终点；如果都没有停靠信息，则把跨日轨迹段作为跨日停靠集合。以停靠信息的开始时间和经纬度作为停靠点的结束时间和经纬度；如果轨迹终点存在停靠信息，以停靠信息的结束时间和经纬度作为停靠点的开始时间和经纬度，如果都不存在停靠信息，以轨迹点自身的时间作为起始结束时间。
如果停靠点跨一日(2015年10月6日-2015年10月7日)，通过2015年10月7日零点将停靠点切分成两个停靠点，如果停靠点跨两日(2015年10月5日-2015年10月7日)，使用2015年10月7日零点以及2015年10月6日零点将停靠点切分成3个停靠点，停靠点的类型由切分之前决定，如果大于3小时为休息停靠，小于3小时为运营停靠。依据停靠点信息更新当日的停靠点信息和当日轨迹点内部21:50-22:00，21:50-24:00更新，更新停靠点信息，加入新增的跨日停靠点信息。
本实施例的技术方案，由于停靠点可能会出现跨日停靠问题，轨迹点存储是按日分割数据的，数据处理也是按日处理的，这样会导致在昨日结束的点和今日开始的点或者其他日期开始的点之间的轨迹段的信息丢失，无法确定该段时间内是停靠或者是运行，导致一个停靠点分割为多个停靠点，通过把几日的停靠点链接起来，解决跨日停靠的问题，能够提高停靠点确定的准确度。
实施例四
图4为本发明实施例四的一种基于时间聚合的停靠点确定装置的结构示意图。本实施例可适用于基于时间聚合的停靠点确定的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何需要基于时间聚合的停靠点确定的设备中，例如典型的是智能终端(例如笔记本电脑等)，如图4所示，所述基于时间聚合的停靠点确定装置具体包括：第一行为确定模块41、第二行为确定模块42和合并模块43。
其中，第一行为确定模块41，用于遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为；
第二行为确定模块42，用于确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为；
合并模块43，用于依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型。
可选的，所述合并模块43具体用于：
合并时序关系相邻的不同停靠行为，并依据合并后的停靠行为的时间间隔确定合并后的停靠行为的类型。
可选的，还包括：
轨迹段构建模块，用于依据任一天的轨迹起点和该轨迹起点的前一轨迹点构建跨日轨迹段；
第一停靠集合确定模块，用于若所述跨日轨迹段的起点和终点在对应的当日轨迹内均不是停靠点，且满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段确定为跨日停靠集合；
第二停靠集合确定模块，用于若所述跨日轨迹段的起点和/或终点在对应的当日轨迹内是停靠点，满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段与所述跨日轨迹段的起点和/或终点所属的停靠点集合合并形成跨日停靠集合。
本实施例的技术方案，通过遍历车辆的轨迹数据，确定轨迹点数据对应的运行行为、停靠行为和缺失行为，确定运行行为中包含的运靠行为，停靠行为中包含的休靠行为和运靠行为，以及缺失行为中包含的缺失休靠行为和缺失运靠行为，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型。避免了由于停靠点数据不准确而造成停靠点确定准确度低的情况，基于时间聚合的停靠点确定能够提高停靠点确定的准确度。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (6)

1.一种基于时间聚合的停靠点确定方法，其特征在于，包括：
遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为；
确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为；
合并时序关系相邻的不同停靠行为，并依据合并后的停靠行为的时间间隔确定合并后的停靠行为的类型；
依据任一天的轨迹起点和该轨迹起点的前一轨迹点构建跨日轨迹段；
若所述跨日轨迹段的起点和终点在对应的当日轨迹内均不是停靠点，且满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段确定为跨日停靠集合；
若所述跨日轨迹段的起点和/或终点在对应的当日轨迹内是停靠点，满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段与所述跨日轨迹段的起点和/或终点所属的停靠点集合合并形成跨日停靠集合。
2.根据权利要求1所述的方法，其特征在于，遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为，包括：
遍历车辆的轨迹数据中包含的每一轨迹段，其中所述轨迹数据中相邻两轨迹点构成一轨迹段；
若任一轨迹段的时间间隔大于第一时间间隔阈值,则确定该轨迹段为缺失行为；
若任一轨迹段的平均速度小于第一平均速度阈值,则确定该轨迹段为停靠行为；
若任一轨迹段的平均速度大于或等于第一平均速度阈值,则确定该轨迹段为运行行为；
合并行为类型相同的相邻轨迹段。
3.根据权利要求2所述的方法，其特征在于，确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为，包括：
若任一运行行为满足如下条件：首轨迹点与尾轨迹点之间的平均速度小于第一平均速度阈值，首轨迹点与尾轨迹点之间的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,以及，首尾累加距离小于首尾直线距离的2倍或者平均速度小于第二平均速度阈值，则确定该运行行为属于运靠行为；
若任一停靠行为的时间间隔大于第三时间间隔阈值，则确定该停靠行为属于休靠行为，若任一停靠行为的时间间隔小于或等于第三时间间隔阈值且大于第一时间间隔阈值,则确定该停靠行为属于运靠行为；
若任一缺失行为的平均速度小于第三平均速度阈值且时间间隔大于第三时间间隔阈值,则确定该缺失行为属于缺失休靠行为，若任一缺失行为的平均速度小于第三平均速度阈值且时间间隔小于或等于第三时间间隔阈值，则确定该缺失行为属于缺失运靠行为。
4.根据权利要求1所述的方法，其特征在于，依据时序关系对停靠行为进行合并，并更新合并后的停靠行为的停靠类型，还包括：
若任一行为相邻的前停靠行为，与该行为相邻的后停靠行为的停靠类型相同，该行为的直接距离小于第一距离阈值，以及所述前停靠行为和/或所述后停靠行为的停靠时间长度大于停靠时间阈值,则将所述前停靠行为、该行为以及所述后停靠行为合并。
5.根据权利要求1所述的方法，其特征在于，依据任一天的轨迹起点和该轨迹起点的前一轨迹点构建跨日轨迹段之后，还包括：
依据所述跨日轨迹段的跨日天数，切分所述跨日停靠集合，并依据切换结果更新对应的每天的停靠集合。
6.一种基于时间聚合的停靠点确定装置，其特征在于，包括：
第一行为确定模块，用于遍历车辆的轨迹数据，确定所述轨迹点数据对应的运行行为、停靠行为和缺失行为；
第二行为确定模块，用于确定所述运行行为中包含的运靠行为，所述停靠行为中包含的休靠行为和运靠行为，以及所述缺失行为中包含的缺失休靠行为和缺失运靠行为；
合并模块，用于合并时序关系相邻的不同停靠行为，并依据合并后的停靠行为的时间间隔确定合并后的停靠行为的类型；
轨迹段构建模块，用于依据任一天的轨迹起点和该轨迹起点的前一轨迹点构建跨日轨迹段；
第一停靠集合确定模块，用于若所述跨日轨迹段的起点和终点在对应的当日轨迹内均不是停靠点，且满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段确定为跨日停靠集合；
第二停靠集合确定模块，用于若所述跨日轨迹段的起点和/或终点在对应的当日轨迹内是停靠点，满足如下任一种条件：所述跨日轨迹段的时间间隔大于第三时间间隔阈值且所述跨日轨迹段的直线距离小于第二距离阈值；所述跨日轨迹段的时间间隔大于第一时间间隔阈值且小于或等于第三时间间隔阈值，以及平均速度小于第三平均速度阈值；以及，所述跨日轨迹段的时间间隔大于第二时间间隔阈值且小于或等于第一时间间隔阈值,所述跨日轨迹段的直线距离小于第一距离阈值，则确定所述跨日轨迹段属于停靠行为，并将所述跨日轨迹段与所述跨日轨迹段的起点和/或终点所属的停靠点集合合并形成跨日停靠集合。
CN201611110314.2A 2016-12-06 2016-12-06 一种基于时间聚合的停靠点确定方法及装置 Active CN106776988B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611110314.2A CN106776988B (zh) 2016-12-06 2016-12-06 一种基于时间聚合的停靠点确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611110314.2A CN106776988B (zh) 2016-12-06 2016-12-06 一种基于时间聚合的停靠点确定方法及装置

Publications (2)

Publication Number Publication Date
CN106776988A CN106776988A (zh) 2017-05-31
CN106776988B true CN106776988B (zh) 2020-12-04

Family

ID=58879186

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611110314.2A Active CN106776988B (zh) 2016-12-06 2016-12-06 一种基于时间聚合的停靠点确定方法及装置

Country Status (1)

Country Link
CN (1) CN106776988B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107273520B (zh) * 2017-06-22 2020-05-29 北京理工大学 一种基于货车监控数据的装卸货地点识别方法
CN108182801A (zh) * 2017-12-21 2018-06-19 北京中交兴路信源科技有限公司 一种基于车辆轨迹的停留点实时检测方法及系统
CN109195095A (zh) * 2018-09-04 2019-01-11 广东翼卡车联网服务有限公司 一种基于车载gps系统的行驶轨迹切分方法及装置
CN109299198A (zh) * 2018-10-12 2019-02-01 元力云网络有限公司 一种基于多维数据的社交关系分析方法
CN109446437B (zh) * 2018-10-24 2021-08-24 百度在线网络技术（北京）有限公司 信息挖掘方法、装置、服务器及存储介质
CN111832791B (zh) * 2019-11-27 2024-06-25 北京中交兴路信息科技有限公司 一种基于机器学习逻辑回归的加油站预测方法
CN111160840B (zh) * 2019-11-27 2023-07-25 北京中交兴路信息科技有限公司 一种车辆服务站的流量估计方法和系统
CN111126912A (zh) * 2019-12-23 2020-05-08 北京中交兴路信息科技有限公司 一种货车运货类型识别方法、装置、存储介质及终端
CN111143440B (zh) * 2019-12-30 2023-07-25 北京中交兴路信息科技有限公司 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质
CN111831764A (zh) * 2020-01-20 2020-10-27 北京嘀嘀无限科技发展有限公司 一种停留站点的确定方法、装置、电子设备和介质
CN113011815A (zh) * 2021-03-11 2021-06-22 深圳市城市交通规划设计研究中心股份有限公司 一种货车停靠点提取方法和出行特征确定方法、装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100580735C (zh) * 2008-09-25 2010-01-13 北京航天智通科技有限公司 基于探测车技术的实时动态交通信息处理方法
CN103118427B (zh) * 2011-11-16 2015-01-07 北京百度网讯科技有限公司 基于位置预取的定位方法及系统
CN104034327B (zh) * 2013-03-04 2016-08-31 华为技术有限公司 行人导航处理方法、终端设备和系统
CN103745083B (zh) * 2013-12-11 2017-01-25 深圳先进技术研究院 轨迹数据清洗方法及装置
CN105718939A (zh) * 2016-01-13 2016-06-29 北京中交兴路信息科技有限公司 基于增量聚类的车辆停靠轨迹漂移去除方法及装置
CN105654417A (zh) * 2016-01-13 2016-06-08 北京中交兴路信息科技有限公司 一种货车停靠点信息的获取方法及系统
CN105808759B (zh) * 2016-03-15 2019-12-10 中国农业大学 面向轨迹挖掘的数据预处理方法及系统

Also Published As

Publication number Publication date
CN106776988A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN106776988B (zh) 一种基于时间聚合的停靠点确定方法及装置
CN110782654B (zh) 拥堵区域通行能力估测方法、装置及数据处理设备
Miwa et al. Development of map matching algorithm for low frequency probe data
Seo et al. Probe vehicle-based traffic state estimation method with spacing information and conservation law
US9824580B2 (en) Method, computer readable storage medium and system for producing an uncertainty-based traffic congestion index
Lin et al. Experimental study of real-time bus arrival time prediction with GPS data
CN111340427B (zh) 一种基于轨迹数据的货车运行状态识别方法
WO2017193556A1 (zh) 一种速度预测方法及装置
CN112017447B (zh) 一种基于gps位置信息判定车辆逆行违规的方法及系统
US10147315B2 (en) Method and apparatus for determining split lane traffic conditions utilizing both multimedia data and probe data
US20180033296A1 (en) Method and apparatus for evaluating traffic approaching a junction at a lane level
WO2018180688A1 (ja) 渋滞推定装置、渋滞推定方法およびそのプログラムを格納した記録媒体
CN112734242B (zh) 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端
CN113127466B (zh) 一种车辆轨迹数据预处理方法及计算机存储介质
CN102779415A (zh) 实时分析交通信号相位的方法与装置
CN109493449B (zh) 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法
TW201339031A (zh) 行車油耗計算方法及行車油耗計算系統
Moghaddam et al. Evaluating the performance of algorithms for the detection of travel time outliers
CN113724497A (zh) 一种目标道路实时交通流量预测方法和装置
JP2014066655A (ja) 経路探索装置及び経路探索方法
US9047495B2 (en) Identifying impact of a traffic incident on a road network
TWI591594B (zh) Method and system for detecting the location and status of traffic signs
CN103712627A (zh) 一种基于车载终端位置数据的线路偏移识别方法
CN102341831A (zh) 道路交通信息创建设备和道路交通信息创建方法
CN112633812A (zh) 货运车辆的轨迹分段方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant