CN106912018B - 基于信令轨迹的地图匹配方法及系统 - Google Patents
基于信令轨迹的地图匹配方法及系统 Download PDFInfo
- Publication number
- CN106912018B CN106912018B CN201710112954.5A CN201710112954A CN106912018B CN 106912018 B CN106912018 B CN 106912018B CN 201710112954 A CN201710112954 A CN 201710112954A CN 106912018 B CN106912018 B CN 106912018B
- Authority
- CN
- China
- Prior art keywords
- point
- moving track
- candidate
- points
- sequence
- 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
- 230000011664 signaling Effects 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000007704 transition Effects 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000009499 grossing Methods 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 27
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Abstract
本发明公开了一种基于信令轨迹的地图匹配方法及系统,该方法包括:确定地图上的候选点集合;获取用户信令数据,所述信令数据包括:时间信息、空间信息、用户ID;根据所述信令数据生成对应每个用户的移动轨迹点序列;计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率,以及各候选点间的转移概率;根据计算得到的匹配概率及转移概率确定匹配路径。利用本发明,可以提高匹配的准确性。
Description
技术领域
本发明涉及交通路况分析领域,具体涉及一种基于信令轨迹的地图匹配方法及系统。
背景技术
随着通信技术的迅猛发展,移动终端普及率越来越高。在此背景下,基于手机信令的交通信息采集技术也日益得到发展——利用人们开车、乘车等交通场景普遍持有移动终端的现象,采集伴随产生的信令位置切换数据,以此来估计道路行程车速、拥堵等交通状况。
地图匹配是指将用户终端采集的原始地理坐标轨迹映射到真实路段上,从而得到用户在真实道路上的行进轨迹的处理过程。现有的地图匹配都是基于GPS轨迹的匹配,主要有基于几何信息、拓扑信息、概率信息以及综合信息的匹配方法。基于几何信息的地图匹配算法主要考虑路网中的路段形状;利用拓扑信息的地图匹配算法指同时考虑了路段的形状、路段之间的连接以及路网连通性;概率信息的地图匹配算法主要应用于路网数据不确定时的情形;基于综合信息的地图匹配算法是指使用了一些较复杂模型的机器学习、数据挖掘的方法,比如Kalman Filter、模糊逻辑模型等。
这种基于GPS轨迹的匹配存在其局限性,因为GPS轨迹只有在用户GPS信号开启时才能获取,难以保证较高的采样率,而对于采样率较低的情况,基于现有的地图匹配算法得到的交通状况分析结果与实际交通状况会存在很大差异,无法满足实际应用需求。
发明内容
本发明实施例提供一种基于信令轨迹的地图匹配方法及系统,以解决现有的基于GPS轨迹的地图匹配方法存在的适用性弱,无法满足实际应用需求的问题。
为此,本发明提供如下技术方案:
一种基于信令轨迹的地图匹配方法,包括:
确定地图上的候选点集合;
获取用户信令数据,所述信令数据包括:时间信息、空间信息、用户ID;
根据所述信令数据生成对应每个用户的移动轨迹点序列;
计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率,以及各候选点间的状态转移概率;
根据计算得到的匹配概率及状态转移概率确定最优匹配路径。
优选地,所述确定地图上的候选点集合包括:
对于每个小区或基站,获取与所述小区或基站信号覆盖区域相交的各候选路段;
对每个候选路段,每相隔一定距离选定一个候选点;
将选定的候选点放入对应所述小区或基站的候选点集合中。
优选地,所述根据所述信令数据生成对应每个用户的移动轨迹点序列包括:
对同一个用户的信令数据按时间先后进行排序,得到数据序列;
依次将所述数据序列中的每个信令点作为当前信令点进行分析,直至所述数据序列中不再有信令点,所述分析包括:
按照时间先后顺序将当前信令点与所述数据序列中的其余各信令点进行两两比较;
如果相比较的两个信令点间的直线距离大于这两个信令点各自所属小区或基站信号覆盖半径之和,并且满足速度限制条件,则将这两个信令点及其中间各点作为移动轨迹点转移到信令轨迹点序列。
优选地,所述方法还包括:
在计算所述匹配概率及所述转移概率之前,对所述移动轨迹点序列中的移动轨迹点进行预处理,所述预处理包括:对所述移动轨迹点序列中的移动轨迹点进行平滑处理;和/或对所述移动轨迹点序列中的移动轨迹点进行迂回检测去噪处理。
优选地,对所述移动轨迹点序列中的轨迹点进行平滑处理包括:
针对所述移动轨迹点序列中的轨迹点对应的所有相邻的小区或基站,根据小区/或基站出现的次数确定用户对各小区或基站的隶属度;
根据所述隶属度对相邻小区或基站进行平滑处理。
优选地,所述对所述移动轨迹点序列中的移动轨迹点进行迂回检测去噪处理包括:
获取设定时间阈值内的移动轨迹点序列,并对所述移动轨迹点序列进行以下任意一种检测:
以起点为可信点,按照起点渐远原则向后遍历,如果出现一个移动轨迹点比它之前的移动轨迹点离起点更近,则删除之前的所有移动轨迹点;
以终点为可信点,按照终点渐近原则向前遍历,如果出现一个移动轨迹点比它之后的移动轨迹点离终点更近,则删除之后的所有移动轨迹点;
根据后继最近原则,依次将所述移动轨迹点序列中的各移动轨迹点作为当前移动轨迹点,分别计算当前移动轨迹点与其后的各移动轨迹点的距离,如果当前移动轨迹点与其后的第一个移动轨迹点的距离不是最小,则删除当前移动轨迹点。
优选地,所述计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率包括:
根据所述移动轨迹点与所述候选点之间的距离计算其匹配概率。
优选地,所述计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率还包括:
计算所述移动轨迹点所属小区或基站在设定范围内的所有小区或基站中被接收的概率;
根据所述移动轨迹点所属小区或基站被接收的概率修正所述移动轨迹点与所述候选点集合中的各候选点间的匹配概率。
优选地,所述计算各候选点间的状态转移概率包括:
优选地,所述根据计算得到的匹配概率及状态转移概率确定最优匹配路径包括:
根据确定的候选点得到多个不同路径;
根据各移动轨迹点与所属小区或基站中各候选点的匹配概率、以及所属小区或基站中各候选点与后一个小区或基站各候选点间的状态转概率,计算每条路径上各路段的匹配概率;
根据该路径上所有路段的匹配概率,利用维特比算法得到该路径的匹配概率;
选取其中最大匹配概率对应的路径作为最优匹配路径。
一种基于信令轨迹的地图匹配系统,包括:
候选点确定模块,用于确定地图上的候选点集合;
信令获取模块,用于获取用户信令数据,所述信令数据包括:时间信息、空间信息、用户ID;
序列生成模块,用于根据所述信令数据生成对应每个用户的移动轨迹点序列;
匹配概率计算模块,用于计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率;
状态转移概率计算模块,用于计算各候选点间的状态转移概率;
路径匹配模块,用于根据计算得到的匹配概率及状态转移概率确定最优匹配路径。
优选地,所述候选点确定模块包括:
候选路段选取单元,用于对于每个小区或基站,获取与所述小区或基站信号覆盖区域相交的各候选路段;
候选点选取单元,用于对每个候选路段,每相隔一定距离选定一个候选点;
集合生成单元,用于将选定的候选点放入对应所述小区或基站的候选点集合中。
优选地,所述序列生成模块包括:
排序单元,用于对同一个用户的信令数据按时间先后进行排序,得到数据序列;
分析单元,用于依次将所述数据序列中的每个信令点作为当前信令点进行分析,直至所述数据序列中不再有信令点,所述分析包括:按照时间先后顺序将当前信令点与所述数据序列中的其余各信令点进行两两比较;如果相比较的两个信令点间的直线距离大于这两个信令点各自所属小区或基站信号覆盖半径之和,并且满足速度限制条件,则将这两个信令点及其中间各点作为移动轨迹点转移到信令轨迹点序列。
优选地,所述系统还包括:
预处理模块,用于在所述概率计算模块计算所述匹配概率及所述转移概率之前,对所述移动轨迹点序列中的移动轨迹点进行预处理;所述预处理模块包括:平滑处理单元和/或迂回检测去噪处理单元;
所述平滑处理单元,用于对所述移动轨迹点序列中的移动轨迹点进行平滑处理;
所述迂回检测去噪处理单元,用于对所述移动轨迹点序列中的移动轨迹点进行迂回检测去噪处理。
优选地,所述平滑处理单元,具体用于针对所述移动轨迹点序列中的轨迹点对应的所有相邻的小区或基站,根据小区或基站出现的次数确定用户对各小区的隶属度;根据所述隶属度对相邻小区或基站进行平滑处理。
优选地,所述迂回检测去噪处理单元,具体用于获取设定时间阈值内的移动轨迹点序列,并对所述移动轨迹点序列进行以下任意一种检测:
以起点为可信点,按照起点渐远原则向后遍历,如果出现一个移动轨迹点比它之前的移动轨迹点离起点更近,则删除之前的所有移动轨迹点;
以终点为何信点,按照终点渐近原则向前遍历,如果出现一个移动轨迹点比它之后的移动轨迹点离终点更近,则删除之后的所有移动轨迹点;
根据后继最近原则,依次将所述移动轨迹点序列中的各移动轨迹点作为当前移动轨迹点,分别计算当前移动轨迹点与其后的各移动轨迹点的距离,如果当前移动轨迹点与其后的第一个移动轨迹点的距离不是最小,则删除当前移动轨迹点。
优选地,所述匹配概率计算模块,具体用于根据所述移动轨迹点与所述候选点之间的距离计算其匹配概率。
优选地,所述匹配概率计算模块,还用于计算所述移动轨迹点所属小区或基站在设定范围内的所有小区或基站中被接收的概率,根据所述移动轨迹点所属小区或基站被接收的概率修正所述移动轨迹点与所述候选点集合中的各候选点间的匹配概率。
优选地,所述路径匹配模块包括:
路径确定单元,用于根据确定的候选点得到多个不同路径;
路段转移概率计算单元,用于根据各移动轨迹点与所属小区或基站中各候选点的匹配概率、以及所属小区或基站中各候选点与后一个小区或基站各候选点间的状态转概率,计算每条路径上各路段的匹配概率;
路径匹配概率计算单元,用于根据该路径上所有路段的匹配概率,利用维特比算法得到该路径的匹配概率;
选择单元,用于选取其中最大匹配概率对应的路径作为最优匹配路径。
本发明实施例基于信令轨迹的地图匹配方法及系统,根据用户信令数据生成对应每个用户的移动轨迹点序列,并计算移动轨迹点序列中各移动轨迹点与候选点集合中的各候选点间的匹配概率,以及各候选点间的状态转移概率,根据计算得到的匹配概率及状态转移概率确定匹配路径,完成信令轨迹的地图匹配。由于用户信令数据具有较高的采样率,因此本发明方案具有较强的适用性,可以大大提高匹配结果的准确率,更好地满足实际应用需求。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本发明实施例基于信令轨迹的地图匹配方法的流程图;
图2是本发明实施例中小区候选点示意图;
图3是本发明实施例中各小区、候选点分布示例;
图4、图5是本发明实施例中对移动轨迹点进行平滑处理前、后的对比示意图;
图6、图7是本发明实施例中对移动轨迹点进行迂回检测去噪处理前、后的对比示意图;
图8是本发明实施例基于信令轨迹的地图匹配系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例的方案,下面结合附图和实施方式对本发明实施例作进一步的详细说明。
如图1所示,是本发明实施例基于信令轨迹的地图匹配方法的流程图,包括以下步骤:
步骤101,确定地图上的候选点集合。
对于每个小区或基站,首先根据其信号覆盖范围找到与信号覆盖区域相交的候选路段,然后对每个候选路段,每相隔一定距离(此距离为候选路段上路面距离,其值一般由实际应用情况和/或大量实验、经验确定),选定一个候选点,由这些候选点形成候选点集合。
以小区为例,如图2所示,小区信号覆盖了三个路段e1、e2、e3,从每个路段上等距离地选取小区信号覆盖范围内的候选点,即图中空心圆点所示。
由于小区或基站的位置固定,因此在实际应用中,可以预先选取候选点并将其保存成映射表。在后续每次进行地图匹配时,可以根据小区或基站编号直接读取到各候选点,可以大大减少计算时间。
步骤102,获取用户信令数据,所述信令数据包括:时间信息、空间信息、用户ID。
所述信令数据一般由运营商提供,其中的空间信息可以是小区信息,也可以是基站信息。对于2G或3G网络,运营商可直接提供小区信息,但对于4G网络,运营商提供的是基站信息。所述小区信息通常包括小区ID、经度、纬度、覆盖半径;所述基站信息通常包括:基站ID、覆盖半径、经度、纬度、小天线编号CellID(如50、51、52等)、小天线方位角。
步骤103,根据所述信令数据生成对应每个用户的移动轨迹点序列。
具体地,首先对同一个用户的信令数据按时间先后进行排序,得到数据序列,然后依次将所述数据序列中的每个信令点作为当前信令点进行分析,直至所述数据序列中不再有信令点,所述分析包括:
按照时间先后顺序将当前信令点与所述数据序列中的其余各信令点进行两两比较;如果相比较的两个信令点间的直线距离大于这两个信令点各自所属小区或基站信号覆盖半径之和,并且满足速度限制条件(比如,在设定的速度范围内),则将这两个信令点及其中间各点作为移动轨迹点转移到信令轨迹点序列。
步骤104,计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率,以及各候选点间的状态转移概率。
所述匹配概率与所述移动轨迹点和候选点之间的距离相关,距离越近,那么匹配概率也就越大,反之匹配概率越小。由于无线信号传播时信号强度随距离呈对数衰减,因此在本发明实施例中,用均值为0的对数正态分布来刻画这种距离相关的匹配概率,以小区为例,具体计算方法如下:
对于信令轨迹中的每个移动轨迹点pn所属小区ci(i=1,2...I),到候选点hi k(表示小区i内的第k个候选点)的匹配概率定义如下:
进一步地,上述匹配概率仅考虑了移动轨迹点与候选点之间的距离,而没有考虑候选点周围的小区分布对匹配的影响,而这是信令场景下位置匹配所特有的问题。
如图3所示,五角星表示移动轨迹点所属的小区,较大圆点标记是该小区在周边路段上的候选点,较小圆点代表周围的其他小区。
当计算移动轨迹点所属小区到候选点的匹配概率时,不仅要考虑该小区和候选点之间的距离(信号衰减跟距离有关,即距离越近,接收信号越强,则匹配概率越大),还要考虑到候选点周围的小区分布情况。假设存在两个候选点到该小区的距离相等,如果仅考虑距离,那么这两个候选点的匹配概率相等。但是两个候选点周围的小区分布是不同的,即候选点到小区的隶属度对匹配结果会有影响。当考虑到这个隶属度的时候,两个等距离的候选点到目标小区的匹配概率则不再相同。
基于以上考虑,设cl,l=1,2,3,...,L,是以hi k为圆心、以di k为半径的范围内的所有小区,其中di k为候选点hi k到其所属小区ci的直线距离;为小区cl到候选点hi k的直线距离,候选点到周围小区的隶属度wl对于距离服从N(0,1)正态分布:
则当前小区ci在此范围内的所有小区中被接收的概率为:
因此,将移动轨迹点所属小区ci到候选点的匹配概率修正为:
步骤105,根据计算得到的匹配概率及状态转移概率确定最优匹配路径。
在本发明实施例中,可以利用隐含马尔可夫模型,此时的地图匹配问题可以建模为一个多步的动态规划问题。
首先,根据确定的候选点得到多个不同路径,然后计算每条路径上各路段的匹配概率,然后,根据该路径上所有路段的匹配概率,利用维特比算法得到该路径的匹配概率,选取其中最大匹配概率对应的路径即为最优匹配路径。
各路段的匹配概率定义为:
利用维特比算法,求出从起点到达终点的所有路径的匹配概率。选取匹配概率最高的路径作为最优匹配路径。
进一步地,还可选取匹配概率最大的m条路线作为候选路线,与路测得到的道路小区或基站切换列表进行比较,得到每条候选路线的小区或基站切换序列,最后计算m条候选路线的切换序列和真实轨迹(即实际获取到的用户轨迹小区或基站切换序列)的切换序列的相似度,取相似度最大的路线作为最终的匹配路径。所述相似度的计算可以采用编辑距离来度量。
下面给出路测小区切换列表和比较后候选路线列表的示意表,如表1和表2所示。
表1路测道路小区切换列表
道路1 | 道路2 | 道路3 | ... | 道路D |
CI2-CI9 | CI3-CI10 | CI1-CI12 | CI6-CI21 | |
CI9-CI11 | CI10-CI14 | CI12-CI17 | CI21-CI19 | |
CI11-CI18 | CI14-CI18 | CI17-CI9 | CI19-CI15 | |
CI18-CI16 | CI18-CI20 |
表2候选路径小区切换列表
需要说明的是,在得到最优匹配路径后,即可在地图上标识出该最优匹配路径,从而可以更直观地显示用户的运动轨迹。
本发明实施例基于信令轨迹的地图匹配方法,根据用户信令数据生成对应每个用户的移动轨迹点序列,并计算移动轨迹点序列中各移动轨迹点与候选点集合中的各候选点间的匹配概率,以及各候选点间的状态转移概率,根据计算得到的匹配概率及状态转移概率确定匹配路径,完成信令轨迹的地图匹配。由于用户信令数据具有较高的采样率,因此本发明方案具有较强的适用性,可以大大提高匹配结果的准确率,更好地满足实际应用需求。
需要说明的是,为了使匹配概率及转移概率的计算更准确,在本发明另一实施例中,还可以在上述步骤103和步骤104之间包括对所述轨迹点进行预处理的步骤,所述预处理包括:对所述轨迹点进行平滑;和/或对所述轨迹点迂回检测去噪。
下面分别对这两种处理的具体过程进行详细说明。
1.平滑处理
用户在使用移动终端进行定位时,可以收到多个小区或基站的信号,由于受实际信号传播因素、用户数量及小区或基站切换策略等的影响,移动终端所保持连接的小区或基站并不一定就是离得最近的小区或基站或者场强最大的小区或基站,因而仅利用连接到的单个小区或基站的坐标信息进行定位误差会比较大。
实际上移动终端对每一个可以收到信号的小区或基站都有一定的隶属度,因此,在本发明实施例中,综合利用各个小区或基站的坐标信息,通过合理地定义隶属权重对信令轨迹点进行平滑提高信令定位的精度,具体地,针对所述移动轨迹点序列中的轨迹点对应的所有相邻的小区或基站,根据小区或基站出现的次数确定用户对各小区或基站的隶属度;然后根据所述隶属度对相邻小区或基站进行平滑处理。
以小区为例,具体做法如下:
假定用户和小区ci的隶属度wi关于用户与小区ci之间的距离di服从N(0,1)正态分布,即有
在信令轨迹中,用户从一个小区的信号覆盖范围移动到另一个小区的信号覆盖范围的过程中,会与这两个小区进行多次连接,此时两个小区的连接次数之比=隶属度之比:
其中,di、di′分别是用户与小区ci、ci′的直线距离,值分别为:
其中,d为ci和ci′之间的直线距离。
(x,y)=(xi,yi)+r*(xi′-xi,yi′-yi) (11)
下面举例说明本发明实施例中对轨迹点进行平滑处理的过程。
例如,移动轨迹序列中各轨迹点所属小区或基站的编号为{1、2、3、3、4、4、4、5},那么在平滑处理时,需要将相邻的小区或基站两两进行平滑,即1、2进行平滑,3、4进行平滑,4、5进行平滑。在平滑过程中,隶属度之比(即小区或基站出现次数比)分别为1/1、1/2、2/3、3/1,得到用户与两小区或基站隶属度之比后,根据上述公式(9)和(11)进行平滑。
由上述公式(9)和(11)可以看出,用户与小区或基站的隶属度与距离成正比,距离越近,隶属度越大,则越靠近其中一个小区或基站。确定了隶属度即确定了用户与两小区或基站的距离比值,根据两小区或基站的坐标,利用上述公式(11)计算出用户实际坐标,即平滑后的轨迹点坐标。
平滑效果对比如图4、图5所示,其中图4为平滑前的移动轨迹点示意图,图5为平滑后的移动轨迹点示意图。
2.迂回检测去噪处理
信令轨迹点中存在大量因小区或基站切换而产生的震荡,如在多个小区或基站间往复或迂回,如图6所示,多条弯折线表示的是信令位置轨迹,而沿实际道路标记的实线表示的是实际行进轨迹。
首先不失一般性,设ps->p1->p2->...->pn->...->pd是一条原始信令轨迹。本发明实施例给出三条迂回检测原则:
(1)起点渐远
对任意n=1,2,3...,N-1,都有dist(pn+1,ps)>dist(pn,ps)
(2)终点渐近
对任意n=1,2,3...,N-1,都有dist(pn+1,pd)<dist(pn,pd)
(3)后继最近
其中dist(pn,pn′)是从pn到pn′的欧氏距离,即直线距离。
需要说明的是,在实际应用中,可以单独采用上述任一原则,迂回检测去噪处理的具体过程如下:
获取设定时间阈值内的移动轨迹点序列,如用户的信令轨迹是一天的,时间阈值T为30分钟,则在进行迂回检测去噪时,对于一天的用户数据需要每30分钟采用上述原则进行去噪。
根据原则(1),以起点为可信点,向后遍历,如果出现一个移动轨迹点比它之前的移动轨迹点离起点更近,则删除之前的所有移动轨迹点;
根据原则(2),以终点为何信点,按照终点渐近原则向前遍历,如果出现一个移动轨迹点比它之后的移动轨迹点离终点更近,则删除之后的所有移动轨迹点;
根据原则(3),依次将所述移动轨迹点序列中的各移动轨迹点作为当前移动轨迹点,分别计算当前移动轨迹点与其后的各移动轨迹点的距离,如果当前移动轨迹点与其后的第一个移动轨迹点的距离不是最小,则删除当前移动轨迹点。
根据原则(3)进行迂回检测去噪,可以保留尽可能多的移动轨迹点。
对根据用户信令数据生成的对应每个用户的移动轨迹点序列,通过如上述迂回检测去噪处理,可以有效减少轨迹中的折返和绕路情况,如图7所示,相较于图6,经处理后的轨迹去掉了大量绕路和折返,形态上和真实行进轨迹已经比较接近。
通过上述处理过程,可以使得到的移动轨迹点更准确、合理,从而使后续的概率计算及路径匹配更准确。
相应地,本发明实施例还提供一种基于信令轨迹的地图匹配系统,如图8所示,是该系统的结构示意图。
在该实施例中,所述系统包括:
候选点确定模块801,用于确定地图上的候选点集合;
信令获取模块802,用于获取用户信令数据,所述信令数据包括:时间信息、空间信息、用户ID;
序列生成模块803,用于根据所述信令数据生成对应每个用户的移动轨迹点序列;
匹配概率计算模块804,用于计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率,具体计算过程可参照前面本发明方法实施例中的描述;
状态转移概率计算模块805,用于计算各候选点间的状态转移概率,具体计算过程可参照前面本发明方法实施例中的描述;
路径匹配模块806,用于根据计算得到的匹配概率及状态转移概率确定最优匹配路径。
上述候选点确定模块801具体包括以下各单元:
候选路段选取单元,用于对于每个小区或基站,获取与所述小区或基站信号覆盖区域相交的各候选路段;
候选点选取单元,用于对每个候选路段,每相隔一定距离选定一个候选点;
集合生成单元,用于将选定的候选点放入对应所述小区或基站的候选点集合中。
上述序列生成模块803具体包括以下各单元:
排序单元,用于对同一个用户的信令数据按时间先后进行排序,得到数据序列;
分析单元,用于依次将所述数据序列中的每个信令点作为当前信令点进行分析,直至所述数据序列中不再有信令点,所述分析包括:按照时间先后顺序将当前信令点与所述数据序列中的其余各信令点进行两两比较;如果相比较的两个信令点间的直线距离大于这两个信令点各自所属小区或基站信号覆盖半径之和,并且满足速度限制条件,则将这两个信令点及其中间各点作为移动轨迹点转移到信令轨迹点序列。
进一步地,在本发明系统另一实施例中,上述匹配概率计算模块804还用于计算所述移动轨迹点所属小区或基站在设定范围内的所有小区或基站中被接收的概率,根据所述移动轨迹点所属小区或基站被接收的概率修正所述移动轨迹点与所述候选点集合中的各候选点间的匹配概率,具体计算过程参照前面本发明方法实施例中的描述。
进一步地,在本发明系统另一实施例中,还可包括:预处理模块(未图示)。
所述预处理模块用于在所述概率计算模块计算所述匹配概率及所述转移概率之前,对所述移动轨迹点序列中的移动轨迹点进行预处理;所述预处理模块具体包括:平滑处理单元和/或迂回检测去噪处理单元;
所述平滑处理单元,用于对所述移动轨迹点序列中的移动轨迹点进行平滑处理,具体地,针对所述移动轨迹点序列中的轨迹点对应的所有相邻的小区或基站,根据小区或基站出现的次数确定用户对各小区或基站的隶属度;根据所述隶属度对相邻小区或基站进行平滑处理,详细处理过程可参照前面本发明方法实施例中的描述;
所述迂回检测去噪处理单元,用于对所述移动轨迹点序列中的移动轨迹点进行迂回检测去噪处理,具体处理过程可参照前面本发明方法实施例中的描述。
上述路径匹配模块806具体可以包括以下各单元:
路径确定单元,用于根据确定的候选点得到多个不同路径;
路段转移概率计算单元,用于根据各移动轨迹点与所属小区或基站中各候选点的匹配概率、以及所属小区或基站中各候选点与后一个小区或基站各候选点间的状态转概率,计算每条路径上各路段的匹配概率;
路径匹配概率计算单元,用于根据该路径上所有路段的匹配概率,利用维特比算法得到该路径的匹配概率;
选择单元,用于选取其中最大匹配概率对应的路径作为最优匹配路径。
本发明实施例基于信令轨迹的地图匹配系统,根据用户信令数据生成对应每个用户的移动轨迹点序列,并计算移动轨迹点序列中各移动轨迹点与候选点集合中的各候选点间的匹配概率,以及各候选点间的状态转移概率,根据计算得到的匹配概率及状态转移概率确定匹配路径,完成信令轨迹的地图匹配。由于用户信令数据具有较高的采样率,因此本发明方案具有较强的适用性,可以大大提高匹配结果的准确率,更好地满足实际应用需求。
本发明实施例提供的基于信令轨迹的地图匹配方法及系统,基于可以广泛、低成本获取的信令数据进行分析处理,解决了现有的基于GPS轨迹的地图匹配方法存在的用户数据获取难等适用性较弱的问题,可以更好地满足实际应用需求。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上对本发明实施例进行了详细介绍,本文中应用了具体实施方式对本发明进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及系统;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (19)
1.一种基于信令轨迹的地图匹配方法,其特征在于,包括:
确定地图上的候选点集合;
获取用户信令数据,所述信令数据包括:时间信息、空间信息、用户ID;
根据所述信令数据生成对应每个用户的移动轨迹点序列;
计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率,以及各候选点间的状态转移概率,其中包括根据候选点到基站或小区的隶属度,对所述匹配概率进行修正;
根据计算得到的匹配概率及状态转移概率确定最优匹配路径。
2.根据权利要求1所述的方法,其特征在于,所述确定地图上的候选点集合包括:
对于每个小区或基站,获取与所述小区或基站信号覆盖区域相交的各候选路段;
对每个候选路段,每相隔一定距离选定一个候选点;
将选定的候选点放入对应所述小区或基站的候选点集合中。
3.根据权利要求1所述的方法,其特征在于,所述根据所述信令数据生成对应每个用户的移动轨迹点序列包括:
对同一个用户的信令数据按时间先后进行排序,得到数据序列;
依次将所述数据序列中的每个信令点作为当前信令点进行分析,直至所述数据序列中不再有信令点,所述分析包括:
按照时间先后顺序将当前信令点与所述数据序列中的其余各信令点进行两两比较;
如果相比较的两个信令点间的直线距离大于这两个信令点各自所属小区或基站信号覆盖半径之和,并且满足速度限制条件,则将这两个信令点及其中间各点作为移动轨迹点转移到信令轨迹点序列。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在计算所述匹配概率及所述转移概率之前,对所述移动轨迹点序列中的移动轨迹点进行预处理,所述预处理包括:对所述移动轨迹点序列中的移动轨迹点进行平滑处理;和/或对所述移动轨迹点序列中的移动轨迹点进行迂回检测去噪处理。
5.根据权利要求4所述的方法,其特征在于,对所述移动轨迹点序列中的轨迹点进行平滑处理包括:
针对所述移动轨迹点序列中的轨迹点对应的所有相邻的小区或基站,根据小区/或基站出现的次数确定用户对各小区或基站的隶属度;
根据所述隶属度对相邻小区或基站进行平滑处理。
6.根据权利要求4所述的方法,其特征在于,所述对所述移动轨迹点序列中的移动轨迹点进行迂回检测去噪处理包括:
获取设定时间阈值内的移动轨迹点序列,并对所述移动轨迹点序列进行以下任意一种检测:
以起点为可信点,按照起点渐远原则向后遍历,如果出现一个移动轨迹点比它之前的移动轨迹点离起点更近,则删除之前的所有移动轨迹点;
以终点为可信点,按照终点渐近原则向前遍历,如果出现一个移动轨迹点比它之后的移动轨迹点离终点更近,则删除之后的所有移动轨迹点;
根据后继最近原则,依次将所述移动轨迹点序列中的各移动轨迹点作为当前移动轨迹点,分别计算当前移动轨迹点与其后的各移动轨迹点的距离,如果当前移动轨迹点与其后的第一个移动轨迹点的距离不是最小,则删除当前移动轨迹点。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率包括:
根据所述移动轨迹点与所述候选点之间的距离计算其匹配概率。
8.根据权利要求7所述的方法,其特征在于,所述计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率还包括:
计算所述移动轨迹点所属小区或基站在设定范围内的所有小区或基站中被接收的概率;
根据所述移动轨迹点所属小区或基站被接收的概率修正所述移动轨迹点与所述候选点集合中的各候选点间的匹配概率。
10.根据权利要求1至6任一项所述的方法,其特征在于,所述根据计算得到的匹配概率及状态转移概率确定最优匹配路径包括:
根据确定的候选点得到多个不同路径;
根据各移动轨迹点与所属小区或基站中各候选点的匹配概率、以及所属小区或基站中各候选点与后一个小区或基站各候选点间的状态转概率,计算每条路径上各路段的匹配概率;
根据该路径上所有路段的匹配概率,利用维特比算法得到该路径的匹配概率;
选取其中最大匹配概率对应的路径作为最优匹配路径。
11.一种基于信令轨迹的地图匹配系统,其特征在于,包括:
候选点确定模块,用于确定地图上的候选点集合;
信令获取模块,用于获取用户信令数据,所述信令数据包括:时间信息、空间信息、用户ID;
序列生成模块,用于根据所述信令数据生成对应每个用户的移动轨迹点序列;
匹配概率计算模块,用于计算所述移动轨迹点序列中各移动轨迹点与所述候选点集合中的各候选点间的匹配概率,其中包括根据候选点到基站或小区的隶属度,对所述匹配概率进行修正;
状态转移概率计算模块,用于计算各候选点间的状态转移概率;
路径匹配模块,用于根据计算得到的匹配概率及状态转移概率确定最优匹配路径。
12.根据权利要求11所述的系统,其特征在于,所述候选点确定模块包括:
候选路段选取单元,用于对于每个小区或基站,获取与所述小区或基站信号覆盖区域相交的各候选路段;
候选点选取单元,用于对每个候选路段,每相隔一定距离选定一个候选点;
集合生成单元,用于将选定的候选点放入对应所述小区或基站的候选点集合中。
13.根据权利要求11所述的系统,其特征在于,所述序列生成模块包括:
排序单元,用于对同一个用户的信令数据按时间先后进行排序,得到数据序列;
分析单元,用于依次将所述数据序列中的每个信令点作为当前信令点进行分析,直至所述数据序列中不再有信令点,所述分析包括:按照时间先后顺序将当前信令点与所述数据序列中的其余各信令点进行两两比较;如果相比较的两个信令点间的直线距离大于这两个信令点各自所属小区或基站信号覆盖半径之和,并且满足速度限制条件,则将这两个信令点及其中间各点作为移动轨迹点转移到信令轨迹点序列。
14.根据权利要求11所述的系统,其特征在于,所述系统还包括:
预处理模块,用于在所述概率计算模块计算所述匹配概率及所述转移概率之前,对所述移动轨迹点序列中的移动轨迹点进行预处理;所述预处理模块包括:平滑处理单元和/或迂回检测去噪处理单元;
所述平滑处理单元,用于对所述移动轨迹点序列中的移动轨迹点进行平滑处理;
所述迂回检测去噪处理单元,用于对所述移动轨迹点序列中的移动轨迹点进行迂回检测去噪处理。
15.根据权利要求14所述的系统,其特征在于,
所述平滑处理单元,具体用于针对所述移动轨迹点序列中的轨迹点对应的所有相邻的小区或基站,根据小区或基站出现的次数确定用户对各小区的隶属度;根据所述隶属度对相邻小区或基站进行平滑处理。
16.根据权利要求14所述的系统,其特征在于,
所述迂回检测去噪处理单元,具体用于获取设定时间阈值内的移动轨迹点序列,并对所述移动轨迹点序列进行以下任意一种检测:
以起点为可信点,按照起点渐远原则向后遍历,如果出现一个移动轨迹点比它之前的移动轨迹点离起点更近,则删除之前的所有移动轨迹点;
以终点为何信点,按照终点渐近原则向前遍历,如果出现一个移动轨迹点比它之后的移动轨迹点离终点更近,则删除之后的所有移动轨迹点;
根据后继最近原则,依次将所述移动轨迹点序列中的各移动轨迹点作为当前移动轨迹点,分别计算当前移动轨迹点与其后的各移动轨迹点的距离,如果当前移动轨迹点与其后的第一个移动轨迹点的距离不是最小,则删除当前移动轨迹点。
17.根据权利要求11至16任一项所述的系统,其特征在于,
所述匹配概率计算模块,具体用于根据所述移动轨迹点与所述候选点之间的距离计算其匹配概率。
18.根据权利要求17所述的系统,其特征在于,
所述匹配概率计算模块,还用于计算所述移动轨迹点所属小区或基站在设定范围内的所有小区或基站中被接收的概率,根据所述移动轨迹点所属小区或基站被接收的概率修正所述移动轨迹点与所述候选点集合中的各候选点间的匹配概率。
19.根据权利要求11至16任一项所述的系统,其特征在于,所述路径匹配模块包括:
路径确定单元,用于根据确定的候选点得到多个不同路径;
路段转移概率计算单元,用于根据各移动轨迹点与所属小区或基站中各候选点的匹配概率、以及所属小区或基站中各候选点与后一个小区或基站各候选点间的状态转概率,计算每条路径上各路段的匹配概率;
路径匹配概率计算单元,用于根据该路径上所有路段的匹配概率,利用维特比算法得到该路径的匹配概率;
选择单元,用于选取其中最大匹配概率对应的路径作为最优匹配路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710112954.5A CN106912018B (zh) | 2017-02-28 | 2017-02-28 | 基于信令轨迹的地图匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710112954.5A CN106912018B (zh) | 2017-02-28 | 2017-02-28 | 基于信令轨迹的地图匹配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106912018A CN106912018A (zh) | 2017-06-30 |
CN106912018B true CN106912018B (zh) | 2020-06-12 |
Family
ID=59208605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710112954.5A Active CN106912018B (zh) | 2017-02-28 | 2017-02-28 | 基于信令轨迹的地图匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106912018B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102129A (zh) * | 2018-09-10 | 2018-12-28 | 电子科技大学 | 一种基于改进circle-based算法的路径相似度计算方法 |
CN111242148A (zh) * | 2018-11-28 | 2020-06-05 | 北京嘀嘀无限科技发展有限公司 | 用于地图绑定的人工智能系统和方法 |
CN109612474B (zh) * | 2018-12-26 | 2022-02-15 | 腾讯科技(深圳)有限公司 | 一种地图道路匹配方法、装置、服务器及存储介质 |
CN110411450B (zh) * | 2019-07-29 | 2021-04-16 | 北京航空航天大学 | 一种用于压缩轨迹的地图匹配方法 |
CN112399348B (zh) * | 2019-08-15 | 2022-07-01 | 中移(苏州)软件技术有限公司 | 一种移动轨迹的确定方法及装置、存储介质 |
CN112394380B (zh) * | 2019-08-16 | 2024-04-02 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置及系统 |
CN110880238B (zh) * | 2019-10-21 | 2021-12-07 | 广州丰石科技有限公司 | 一种基于手机通信大数据的道路拥堵监测方法 |
CN110991525B (zh) * | 2019-11-29 | 2022-08-16 | 西安交通大学 | 基于运营商轨迹数据的伴随模式匹配方法 |
US11473927B2 (en) * | 2020-02-05 | 2022-10-18 | Electronic Arts Inc. | Generating positions of map items for placement on a virtual map |
CN113447801B (zh) * | 2020-03-25 | 2024-03-15 | 法雷奥汽车内部控制(深圳)有限公司 | 滑动开关的开关位置检测装置及方法 |
CN111612430A (zh) * | 2020-05-26 | 2020-09-01 | 中国联合网络通信集团有限公司 | 一种亲密用户确定方法及装置 |
CN113840233B (zh) * | 2020-06-23 | 2023-09-19 | 中国移动通信集团辽宁有限公司 | 基于定位区域的监控方法及装置 |
CN114071347B (zh) * | 2020-07-28 | 2024-04-09 | 中移(苏州)软件技术有限公司 | 一种多信令轨迹的时空匹配方法及装置 |
CN112000755B (zh) * | 2020-08-14 | 2024-03-12 | 青岛市城市规划设计研究院 | 一种基于手机信令数据的区域出行廊道识别方法 |
CN112489433B (zh) * | 2020-12-17 | 2022-11-04 | 华为技术有限公司 | 交通拥堵分析方法及装置 |
CN113514860A (zh) * | 2021-04-23 | 2021-10-19 | 交通运输部公路科学研究所 | 一种道路匹配方法及装置 |
CN115730130A (zh) * | 2021-08-30 | 2023-03-03 | 华为技术有限公司 | 路径推荐的方法、装置及相关设备 |
CN114374941B (zh) * | 2021-12-17 | 2022-09-20 | 智慧足迹数据科技有限公司 | 基于信令数据的轨迹匹配方法及相关装置 |
CN114529348A (zh) * | 2022-02-22 | 2022-05-24 | 携程旅游网络技术(上海)有限公司 | 车辆行驶路径计费方法、系统、设备及存储介质 |
CN114708731B (zh) * | 2022-04-06 | 2023-04-14 | 江苏欣网视讯软件技术有限公司 | 路网匹配方法、装置与系统 |
CN114885293B (zh) * | 2022-04-26 | 2022-12-20 | 和智信(山东)大数据科技有限公司 | 一种基于深度学习的信令轨迹恢复方法、系统及存储介质 |
CN115457758B (zh) * | 2022-07-08 | 2024-02-20 | 北京交通大学 | 一种移动终端信令数据交通出行方式识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103037507A (zh) * | 2012-12-17 | 2013-04-10 | 浙江鸿程计算机系统有限公司 | 一种基于Cell-ID定位技术的地图匹配方法 |
CN104270714A (zh) * | 2014-09-11 | 2015-01-07 | 华为技术有限公司 | 确定用户行动轨迹的方法和装置 |
CN105444769A (zh) * | 2015-11-26 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
CN105701560A (zh) * | 2015-12-31 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 一种通勤路线信息的确定方法及装置 |
-
2017
- 2017-02-28 CN CN201710112954.5A patent/CN106912018B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103037507A (zh) * | 2012-12-17 | 2013-04-10 | 浙江鸿程计算机系统有限公司 | 一种基于Cell-ID定位技术的地图匹配方法 |
CN104270714A (zh) * | 2014-09-11 | 2015-01-07 | 华为技术有限公司 | 确定用户行动轨迹的方法和装置 |
CN105444769A (zh) * | 2015-11-26 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
CN105701560A (zh) * | 2015-12-31 | 2016-06-22 | 百度在线网络技术(北京)有限公司 | 一种通勤路线信息的确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106912018A (zh) | 2017-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106912018B (zh) | 基于信令轨迹的地图匹配方法及系统 | |
CN109405839B (zh) | 一种基于多路径的交通网络离线地图匹配算法 | |
CN110260870B (zh) | 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 | |
CN111343585B (zh) | 一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法 | |
Quddus et al. | Shortest path and vehicle trajectory aided map-matching for low frequency GPS data | |
CN108763558B (zh) | 一种基于地图匹配的众包地图道路质量改进方法 | |
CN106781478B (zh) | 一种基于lte信令数据的轨迹跟踪方法 | |
CN106574975B (zh) | 使用外围信号的轨迹匹配 | |
CN105606102B (zh) | 一种基于格网模型的pdr室内定位方法及系统 | |
CN108253976B (zh) | 一种充分借助车辆航向的三阶段在线地图匹配算法 | |
CN108534779B (zh) | 一种基于轨迹纠正和指纹改进的室内定位地图构建方法 | |
US20170016731A1 (en) | Map information generation system, method, and program | |
CN110389995B (zh) | 车道信息检测方法、装置、设备和介质 | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
CN109640262B (zh) | 一种基于混合指纹的定位方法及系统、设备、存储介质 | |
CN109272032A (zh) | 出行方式识别方法、装置、计算机设备和存储介质 | |
CN112399348B (zh) | 一种移动轨迹的确定方法及装置、存储介质 | |
CN113587944B (zh) | 准实时的车辆行驶路线生成方法、系统及设备 | |
CN110726417A (zh) | 一种车辆偏航识别方法、装置、终端及存储介质 | |
CN114705193A (zh) | 一种基于海事大数据的船舶导航路径规划方法及系统 | |
CN110830915B (zh) | 一种确定起点位置的方法及装置 | |
Karimi et al. | A methodology for predicting performances of map-matching algorithms | |
Xie et al. | High-Accuracy off-line map-matching of trajectory network division based on weight adaptation HMM | |
CN110081890B (zh) | 一种结合深度网络的动态k最近邻地图匹配方法 | |
CN114245329B (zh) | 通行方式识别方法、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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231219 Address after: 200335 room 1966, 1st floor, building 8, 33 Guangshun Road, Changning District, Shanghai Patentee after: IFLYTEK (Shanghai) Technology Co.,Ltd. Address before: 201403 room 206, building C, No. 681, North Huifeng Road, Fengxian District, Shanghai Patentee before: SHANGHAI XUNFEI RUIYUAN INFORMATION TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |