CN107195192B - 一种车载定向运行状态的识别方法 - Google Patents

一种车载定向运行状态的识别方法 Download PDF

Info

Publication number
CN107195192B
CN107195192B CN201710474255.5A CN201710474255A CN107195192B CN 107195192 B CN107195192 B CN 107195192B CN 201710474255 A CN201710474255 A CN 201710474255A CN 107195192 B CN107195192 B CN 107195192B
Authority
CN
China
Prior art keywords
data
station
queue
sampling
jump point
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
CN201710474255.5A
Other languages
English (en)
Other versions
CN107195192A (zh
Inventor
丁飞
张登银
童恩
王堃
朱洪波
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.)
Nanjing Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication University
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 Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201710474255.5A priority Critical patent/CN107195192B/zh
Publication of CN107195192A publication Critical patent/CN107195192A/zh
Application granted granted Critical
Publication of CN107195192B publication Critical patent/CN107195192B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车载定向运行状态的识别方法，本发明在车辆进入场站前一站后，通过车载终端位置感知，结合分级区域划分与运行状态的有限确认，实现实时车载运行状态的有效判断，并且，在车载状态识别处理过程中的跳点数据，通过连续高频采样，首先预处理明显奇异数据，然后通过重心法进行采样数据预排序，最后再进行推算处理，避免传统将跳点值参与估算下一点的处理方案，从而提高跳点数据的推算结果的准确率，本发明可面向公交场站管理员、公交乘客等提供准确的车载运行状态的信息发布服务。

Description

一种车载定向运行状态的识别方法
技术领域
本发明涉及交通安全技术领域，特别是一种车载定向运行状态的识别方法。
背景技术
公交查询应用相当于是一个手机实时公交电子站牌，用户通过该业务可查询到城市各条公交线路的公交车的实时位置、实时到站、实时离站等信息，并通过直观的掌上站牌模式或地图模式实时展现给用户，方便用户掌握车辆运行状态。
公交查询应用与常规的公交站台上建设的实物电子站牌比起来，前者实现了后者的所有功能，而且前者的许多功能是后者无法比拟的(比如实时公交电子地图功能、个性化的实时互动功能等)。用户通过使用公交查询应用，可方便掌握目标车辆的到达时间，而不用在公交站漫无目的的等候，从而大大提高出行效率，提升出行体验。实时公交在一定程度上改变了大量市民的日常出行体验，也实实在在地为无线城市平台深入市民生活、提升城市智能交通建设起到了积极的推动作用。
在此基础上，目前在实时公交领域的申请发明主要包括：“一种实时公交信息服务系统(CN201510263750.2)”、“一种实时公交信息查询方法、便携式电子设备及服务器(CN201310537773.9)”、“实时公交到站信息的查询方法(CN201210566728.1)”、“实时公交跟踪的方法和装置(CN201510874234.3)”等。
上述场景主要基于公交调度系统数据面向公交乘客进行实时公交位置发布服务，在此应用场景下，车载定向运行状态的识别显得尤为重要，因为一方面可以做到公交到站预测，另外方面可优化公交调度与管理。比如，目前实时公交在终点站的进场状态(或起始站的发车状态)一般无法智能识别，由于城区公交场站面积受限，但公交进站、离站的车辆多且无法做到精细化管理，造成公交场站管理效率较低，经常出现公交到终点场站后无法直接进站、而出站公交车也由于有车辆进站造成无法及时出站。因此，如果准确获得车载定向运行状态将变得很有意义。目前，在到站预测有在申请专利主要包括：“基于多线路前车运行数据的实时公交到站时间预测方法(CN201510557429.5)”、“考虑GPS数据延迟影响的实时公交到站时间预测方法(CN201510555234.7)”、“一种云平台环境下无监督学习的实时公交动态调度系统及方法(CN201610494463.7)”。
上述的案例中，如何在车载定向运行状态的识别过程中规避跳点问题基本未有涉及。但由于运行环境、网络状态等因素造成数据跳点，采集数据误差较大，这超出了数据采集的实际应用价值，而且跳点在整条公交车载终端的采集过程中随机发生，一般还比较分散。对于跳点数据的处理，如果采用直接丢弃处理的话会出现数据“漏洞”的问题，造成采样数据不连续。传统一般采用校验统计方法对奇异数据处理，主要是基于连续采集值之间的数值关系，通过设定的阈值或相邻采样值之间的梯度来推算跳点采样的真实值，但该方法需要一个准确的初始基准数值，适应性较差，比如前一次出现跳点数据，依托此数据将造成当前跳点的推算值的误差不可控，但如基于再前一次采样值时，又造成样本数据周期过长的问题。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种车载定向运行状态的识别方法，本发明提高跳点数据的推算结果的准确率，进而更有效确定车载运行状态的识别。
本发明为解决上述技术问题采用以下技术方案：
根据本发明提出的一种车载定向运行状态的识别方法，包括以下步骤：
步骤1、当公交车进入公交停靠底站的前一站并继续向公交停靠站点行驶后，位于公交车上的车载终端以周期T对位置进行实时连续采样；
步骤2、计算当前车载终端的位置与公交停靠底站之间的欧式距离Di；
步骤3、计算当前车载终端的位置与上一次采样位置之间的欧式距离Dj；
步骤4、判断Dj是否超出跳点距离阈值ξ，若未超过则执行步骤5，否则对Dj进行跳点数据处理，获得跳点的推算值后再执行步骤5；
步骤5、当ρ2<Di≤ρ1，车载终端连续记录出第1阈值区间内的进站状态总次数f，当f超过第1阈值区间的状态次数阈值F，则由平台向用户端发送进站状态指示；否则执行步骤6；其中，以公交停靠底站作为坐标原点，定义第1阈值区间为(ρ2,ρ1],第2阈值区间[0，ρ2]；其中，ρ1>ρ2，ρ1小于公交停靠底站与公交线路前一站之间的距离，F是正整数且F>1；
步骤6、当Di≤ρ2，车载终端连续记录第2阈值区间内的进站状态总次数s，当s超过第2阈值区间的状态次数阈值S，则将该辆公交车定义为离线公交车处理；其中，S是正整数且S>1。
作为本发明所述的一种车载定向运行状态的识别方法进一步优化方案，跳点数据处理的步骤如下：
步骤A、当出现跳点后，以t为采样周期进行连续采样，一共获得J个连续的采样位置数据，将其保存入一个基础数据队列；J＝T/t且J≥5，t为跳点处理的采样周期；
步骤B、计算基础数据队列中各采样位置数据与前一次T周期采样的位置数据之间的欧式距离，如超过跳点距离阈值ξ，则丢弃此次采样位置值，直至完成对所有J个数据的检查和基础数据队列中位置数据的更新；
步骤C、根据前一站站点位置，获取基础数据队列中更新后的各个采样位置数据与前一站站点位置的欧式距离，将各个采样位置数据按照其与前一站站点位置的欧式距离从小到大的顺序保存入预排序数据队列；
步骤D、根据重心法评估出预排序数据队列的位置中心；
步骤E、计算预排序数据队列中各采样位置数据与步骤D中位置中心的欧式距离，并重新将预排序数据队列中各采样位置数据按照其与步骤D中位置中心的欧式距离从小到大顺序保存入跳点处理数据队列中的预排序更新队列中；
步骤F、丢弃预排序更新队列中的最大值和最小值；
步骤G、基于步骤F后的跳点处理数据队列中的数据，设最终获得n个采样数据，对应到各个采样时刻的位置坐标，则定义n个采样的位置坐标数据为：A1(x1,y1),A2(x2,y2),...,An(xn,yn)，Ai(xi,yi)为第i个采样的位置坐标数据，xi为第i个采样的位置坐标的经度，yi为第i个采样的位置坐标的纬度，i＝1,2,3…n，(x,y)为推算位置；r1,r2,...,rn分别为A1(x1,y1),A2(x2,y2),...,An(xn,yn)到(x,y)的欧式距离；
则获得公式(1)所示方程组：
在公式(1)中，将前n-1个方程分别减去第n个方程，处理后获得公式(2)，即：
基于公式(2)的线性方程，用Ax＝b来进行表述，得到：
X＝[x,y]T，上标T为矩阵转置；
依托最小均方误差估计，获得如公式(5)所示的跳点的推算值并更新跳点处理数据队列；
步骤H、上述流程处理后，由平台接收跳点处理数据队列的数据；连续跳点的车载终端数据，将重复执行步骤B-步骤G。
作为本发明所述的一种车载定向运行状态的识别方法进一步优化方案，公交线路的站点位置的静态数据已知；以某一个站点以及即将进入下一个站点的区域设立电子围栏，且确保每个电子围栏仅包含一个公交站点；跳点距离阈值ξ设定在该电子围栏范围内。
作为本发明所述的一种车载定向运行状态的识别方法进一步优化方案，所述步骤A中基础数据队列的格式为队列数据编号、车载终端ID、前一个T周期采样数据、当前采集数据队列和时间戳信息。
作为本发明所述的一种车载定向运行状态的识别方法进一步优化方案，所述步骤C中预排序数据队列的格式为队列数据编号、车载终端ID、前一个站点位置、预排序队列和时间戳信息；预排序队列为T周期内、最大J次采样位置数据。
作为本发明所述的一种车载定向运行状态的识别方法进一步优化方案，所述步骤E中跳点处理数据队列的格式为队列数据编号、车载终端ID、位置中心、预排序更新队列和时间戳信息。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
(1)本发明在车辆进入场站前一站后，通过分级区域划分，结合车载终端位置感知，实现实时公交的状态获取，从而可面向公交场站管理员、公交乘客等提供精准的信息发布；并且，在车载状态识别获取过程中的跳点数据，通过连续高频采样，通过剔除明显奇异数据，然后通过重心法进行采样数据预排序，最后再进行推算处理，避免传统将跳点值参与估算下一点的处理方案，从而提高跳点数据的推算结果的准确率，进而更有效确定车载运行状态的识别；
(2)本发明由系统维护公交静态数据，结合车载终端实时定位和方位角等数据，规避跳点采样数据带成的不利影响，从而提高公交管理和调度效率，并提高公交乘客的服务体验。
附图说明
图1是系统数据服务的交互流程。
图2是车载运行状态识别的场景模型。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
车载定向运行系统数据服务的交互流程如图1所示。车载终端在初始化后，将自动连接网络，周期性获取自身位置数据，并自动将周期采样数据上报至平台的接口服务器，由平台接口服务器自动进行终端队列数据的更新，这些数据对应于公交车位置以及到离站的状态信息等。
当用户发起查询请求时，平台的服务端会对用户发起的请求指令进行实时校验，校验通过后将从平台数据库获取所查询公交线路的站点静态数据，获取成功后再向平台的接口服务器获取车载终端队列数据，成功获取后将反馈至用户应用端进行信息发布服务。
所述的公交站点静态数据，当用户首次查询后可在终端进行本地缓存，那么下一次访问同样线路请求时，将仅在平台数据库认证站点静态数据是否有更新，如无更新则不再重复向终端反馈站点静态数据，从而优化系统交互信道占用。
本发明将提出车载定向运行状态的识别方法，在车辆进入场站前一站后，通过分级区域划分，结合车载终端位置感知，实现实时公交的状态获取，从而可面向公交场站管理员、公交乘客等提供精准的信息发布；并且，在车载状态识别获取过程中的跳点数据，通过连续高频采样，通过剔除明显奇异数据，然后通过重心法进行采样数据预排序，最后再进行推算处理，避免传统将跳点值参与估算下一点的处理方案，从而提高跳点数据的推算结果的准确率，进而更有效确定车载运行状态的识别。
算法1：进站状态识别算法
以公交停靠底站作为坐标原点，定义第1区间的距离阈值ρ1和第2区间的距离阈值ρ2(如图2所示)；距离阈值是指公交运行位置与公交停靠底站的欧式距离；当公交运行位置与公交停靠底站的距离小于ρ1且大于ρ2，则说明公交驶入第1阈值区间；当公交运行位置与公交停靠底站的距离小于ρ2，则说明公交驶入第2阈值区间；ρ1小于公交停靠底站与公交线路前一站之间的距离。
定义车载终端的采样周期T；跳点距离阈值ξ；
为便于在用户端提供更准确的公交进站状态，我们再定义第1区间的状态次数阈值F(F属于正整数且F>1)，第2区间的状态次数阈值S(S属于正整数且S>1)；
车载进站状态识别的主要步骤如下：
步骤1，当公交车进入公交停靠底站的前一站并继续向公交停靠站点行驶后，对公交车载终端进行周期性实时采样；
步骤2，计算当前车载终端位置与公交停靠底站之间的欧式距离Di；
步骤3，计算当前车载终端位置与上一次采样位置之间的欧式距离Dj；
步骤4，判断Dj是否超出跳点距离阈值ξ，若未超过则转入步骤5，否则执行跳点数据处理算法流程(算法2)；
步骤5，车载终端采样的位置数据位于第1阈值区间内(即ρ2<Di≤ρ1)，则执行：步骤5.1-步骤5.3，否则进入步骤6；
步骤5.1，车载终端记录一次第1区间的进站状态，实时记录采样,数据保存入进站处理数据队列(数据定义参照表1)并同步平台；
表1进站处理数据队列格式
步骤5.2，连续记录第1区间的进站状态次数f；
步骤5.3，当f超过设定的第1区间的状态次数阈值F，则由平台向用户端发送进站状态指示；具体的进站状态指示可以在用户端的移动终端应用软件上进行进站状态的呈现，让公交管理者或乘客用户查看时可实时掌握公交车的运行状态；
步骤6，当公交车行驶入第2阈值区间内(即Di≤ρ2)，则执行：步骤6.1-步骤6.3：
步骤6.1，车载终端记录一次第2区间的进站状态，实时记录采样,数据保存入数据队列并同步平台；
步骤6.2，连续记录第2区间的进站状态次数s；
步骤6.3，当s超过设定的第2区间的状态次数阈值S，由数据队列将此状态同步至平台，平台将该辆公交车定义为离线公交车处理；这样，公交管理者可提前掌握该辆车即将进站，可提前安排该车辆的停车位，从而可优化公交的进站管理。
算法2：跳点数据处理算法
公交线路的站点位置的静态数据已知；以某一个站点以及即将进入下一个站点的区域设立电子围栏，且确保每个电子围栏仅包含一个公交站点；跳点距离阈值设定在该电子围栏范围内；
定义跳点采样周期t和跳点采样次数J，J＝T/t且J≥5；
跳点数据处理主要步骤如下：
步骤1，当出现跳点后，以t为采样周期进行连续采样，一共获得J个连续的采样数据，保存入一个自定义的基础数据队列(数据定义如表2所示)；
表2基础数据队列格式
步骤2，计算基础数据队列中各采样位置数据与前一次T周期采样的位置数据之间的欧式距离，如超过跳点距离阈值ξ，则丢弃此次采样位置值，直至完成对所有J个数据的检查并队列数据的更新；
步骤3，根据前一站站点位置，获取当前采集数据队列中更新后的各个采样数据与前一站点位置的欧式距离，将各个采样位置数据按照其与前一站站点位置的欧式距离从小到大的顺序保存入预排序数据队列(数据定义如表3所示)；
表3预排序数据队列格式
步骤4，根据重心法评估出预排序队列数据的位置中心；
步骤5，计算预排序队列中各采样数据与步骤4中位置中心的欧式距离，并重新根据欧式距离从小到大顺序将预排序数据队列中各采样位置数据保存入跳点数据处理队列(数据定义如表4所示)，将步骤3中的预排序队列将转换为表4中的预排序更新队列；
表4跳点处理数据队列格式
步骤6，为进一步优化推算误差，丢弃预排序更新队列中的最大值和最小值；
步骤7，基于步骤6后的跳点处理数据队列数据，假设存在A1(x1,y1),A2(x2,y2),...,An(xn,yn)，共n个采样数据，(x,y)为推算位置。而r1,r2,...,rn分别为A1,A2,...,An到(x,y)的欧式距离。
则有下列方程组：
将第1个至第n-1个方程分别减去第n个方程，处理后可得：
上述公式(2)的线性方程可描述为：Ax＝b，并且
X＝[x,y]T
依托最小均方误差估计算法，可以获得跳点的推算值为：
步骤8，上述流程处理后，由平台接收跳点数据队列的数据；连续跳点的车载终端数据，将重复执行步骤2-步骤7。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替代，都应当视为属于本发明的保护范围。

Claims (5)

1.一种车载定向运行状态的识别方法，其特征在于，包括以下步骤：
步骤1、当公交车进入公交停靠底站的前一站并继续向公交停靠站点行驶后，位于公交车上的车载终端以周期T对位置进行实时连续采样；
步骤2、计算当前车载终端的位置与公交停靠底站之间的欧式距离Di；
步骤3、计算当前车载终端的位置与上一次采样位置之间的欧式距离Dj；
步骤4、判断Dj是否超出跳点距离阈值ξ，若未超过则执行步骤5，否则对Dj进行跳点数据处理，获得跳点的推算值后再执行步骤5；
步骤5、当ρ2<Di≤ρ1，车载终端连续记录出第1阈值区间内的进站状态总次数f，当f超过第1阈值区间的状态次数阈值F，则由平台向用户端发送进站状态指示；否则执行步骤6；其中，以公交停靠底站作为坐标原点，定义第1阈值区间为(ρ2,ρ1],第2阈值区间[0，ρ2]；其中，ρ1>ρ2，ρ1小于公交停靠底站与公交线路前一站之间的距离，F是正整数且F>1；
步骤6、当Di≤ρ2，车载终端连续记录第2阈值区间内的进站状态总次数s，当s超过第2阈值区间的状态次数阈值S，则将该辆公交车定义为离线公交车处理；其中，S是正整数且S>1；
跳点数据处理的步骤如下：
步骤A、当出现跳点后，以t为采样周期进行连续采样，一共获得J个连续的采样位置数据，将其保存入一个基础数据队列；J＝T/t且J≥5，t为跳点处理的采样周期；
步骤B、计算基础数据队列中各采样位置数据与前一次T周期采样的位置数据之间的欧式距离，如超过跳点距离阈值ξ，则丢弃此次采样位置值，直至完成对所有J个数据的检查和基础数据队列中位置数据的更新；
步骤C、根据前一站站点位置，获取基础数据队列中更新后的各个采样位置数据与前一站站点位置的欧式距离，将各个采样位置数据按照其与前一站站点位置的欧式距离从小到大的顺序保存入预排序数据队列；
步骤D、根据重心法评估出预排序数据队列的位置中心；
步骤E、计算预排序数据队列中各采样位置数据与步骤D中位置中心的欧式距离，并重新将预排序数据队列中各采样位置数据按照其与步骤D中位置中心的欧式距离从小到大顺序保存入跳点处理数据队列中的预排序更新队列中；
步骤F、丢弃预排序更新队列中的最大值和最小值；
步骤G、基于步骤F后的跳点处理数据队列中的数据，设最终获得n个采样数据，对应到各个采样时刻的位置坐标，则定义n个采样的位置坐标数据为：
A1(x1,y1),A2(x2,y2),...,An(xn,yn)，Ai(xi,yi)为第i个采样的位置坐标数据，xi为第i个采样的位置坐标的经度，yi为第i个采样的位置坐标的纬度，i＝1,2,3…n，(x,y)为推算位置；r1,r2,...,rn分别为A1(x1,y1),A2(x2,y2),...,An(xn,yn)到(x,y)的欧式距离；
则获得公式(1)所示方程组：
在公式(1)中，将前n-1个方程分别减去第n个方程，处理后获得公式(2)，即：
基于公式(2)的线性方程，用AX＝b来进行表述，得到：
X＝[x,y]T，上标T为矩阵转置；
依托最小均方误差估计，获得如公式(5)所示的跳点的推算值并更新跳点处理数据队列；
步骤H、上述步骤处理后，由平台接收跳点处理数据队列的数据；连续跳点的车载终端数据，将重复执行步骤B-步骤G。
2.根据权利要求1所述的一种车载定向运行状态的识别方法，其特征在于，公交线路的站点位置的静态数据已知；以某一个站点以及即将进入下一个站点的区域设立电子围栏，且确保每个电子围栏仅包含一个公交站点；跳点距离阈值ξ设定在该电子围栏范围内。
3.根据权利要求1所述的一种车载定向运行状态的识别方法，其特征在于，所述步骤A中基础数据队列的格式为队列数据编号、车载终端ID、前一个T周期采样数据、当前采集数据队列和时间戳信息。
4.根据权利要求1所述的一种车载定向运行状态的识别方法，其特征在于，所述步骤C中预排序数据队列的格式为队列数据编号、车载终端ID、前一个站点位置、预排序队列和时间戳信息；预排序队列为T周期内、最大J次采样位置数据。
5.根据权利要求1所述的一种车载定向运行状态的识别方法，其特征在于，所述步骤E中跳点处理数据队列的格式为队列数据编号、车载终端ID、位置中心、预排序更新队列和时间戳信息。
CN201710474255.5A 2017-06-21 2017-06-21 一种车载定向运行状态的识别方法 Active CN107195192B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710474255.5A CN107195192B (zh) 2017-06-21 2017-06-21 一种车载定向运行状态的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710474255.5A CN107195192B (zh) 2017-06-21 2017-06-21 一种车载定向运行状态的识别方法

Publications (2)

Publication Number Publication Date
CN107195192A CN107195192A (zh) 2017-09-22
CN107195192B true CN107195192B (zh) 2019-10-01

Family

ID=59879306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710474255.5A Active CN107195192B (zh) 2017-06-21 2017-06-21 一种车载定向运行状态的识别方法

Country Status (1)

Country Link
CN (1) CN107195192B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112614122B (zh) * 2020-12-29 2024-04-09 辽宁科技大学 一种基于矿石研磨图像的元素分析方法
CN112788528B (zh) * 2021-01-14 2022-05-17 南京大学 用于室内定位的基于实时轨迹动态进行二维跳点修正方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010210436A (ja) * 2009-03-10 2010-09-24 Fujitsu Ltd Ｇｐｓ受信機搬送波位相測定値の品質監視装置、方法、プログラム
CN103438897A (zh) * 2013-09-04 2013-12-11 杭州东信捷峻科技有限公司 基于栅格地图的路径轨迹校正方法
JP2014010493A (ja) * 2012-06-27 2014-01-20 Koito Electric Industries Ltd バス停情報提供システム
CN103927795A (zh) * 2013-01-14 2014-07-16 北京中交兴路信息科技有限公司 一种车辆历史行驶轨迹的回放方法和系统
CN104700611A (zh) * 2013-12-10 2015-06-10 杭州海康威视数字技术股份有限公司 一种公交运营信息获取方法
CN106231671A (zh) * 2016-08-09 2016-12-14 南京掌控网络科技有限公司 一种移动设备的移动轨迹优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130166188A1 (en) * 2011-12-21 2013-06-27 Microsoft Corporation Determine Spatiotemporal Causal Interactions In Data

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010210436A (ja) * 2009-03-10 2010-09-24 Fujitsu Ltd Ｇｐｓ受信機搬送波位相測定値の品質監視装置、方法、プログラム
JP2014010493A (ja) * 2012-06-27 2014-01-20 Koito Electric Industries Ltd バス停情報提供システム
CN103927795A (zh) * 2013-01-14 2014-07-16 北京中交兴路信息科技有限公司 一种车辆历史行驶轨迹的回放方法和系统
CN103438897A (zh) * 2013-09-04 2013-12-11 杭州东信捷峻科技有限公司 基于栅格地图的路径轨迹校正方法
CN104700611A (zh) * 2013-12-10 2015-06-10 杭州海康威视数字技术股份有限公司 一种公交运营信息获取方法
CN106231671A (zh) * 2016-08-09 2016-12-14 南京掌控网络科技有限公司 一种移动设备的移动轨迹优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Robust bus-stop identification and denoising methodology;Fabio Pinelli 等;《16th International IEEE Conference on Intelligent Transportation Systems (ITSC 2013)》;IEEE;20140130;第2298-2303页 *
公交车辆GPS运营信息数据判别算法讨论;宋苏镔;《电脑知识与技术》;20140831;第10卷(第22期);第5323-5327页 *

Also Published As

Publication number Publication date
CN107195192A (zh) 2017-09-22

Similar Documents

Publication Publication Date Title
CN108162771B (zh) 一种电动汽车智能充电导航方法
CN105303817B (zh) 一种出行方式的规划方法及装置
CN107123276B (zh) 利用低抽样率gps数据的交叉口车辆排队长度估算方法
CN104715602B (zh) 公交电子站牌系统与方法
CN103177561B (zh) 公交实时路况的生成方法
CN106651108A (zh) 一种根据航班动态的机场用车调度方法
CN102376168B (zh) 一种公交信息采集和查询的方法和系统
CN103065464B (zh) 实时客流特征分析方法及系统
CN104077912B (zh) 基于群智的出租车智能拼车方法
CN107564270A (zh) 一种智能公交调度运营方法
CN104766473A (zh) 基于多模式公交数据匹配的公共交通出行特征提取方法
CN105225472A (zh) 一种拼车方法与设备
CN103310651A (zh) 一种基于实时路况信息的公交到站预测方法
CN105792134B (zh) 一种拼车方法及装置
CN105279955A (zh) 一种拼车方法及设备
CN102737500B (zh) 一种获取城市公交车辆到达间隔可靠性的方法
CN106971535B (zh) 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台
CN106296355A (zh) 一种基于电量匹配的web门户预约租车系统及方法
CN109801485A (zh) 一种智能信息调度系统
CN107195192B (zh) 一种车载定向运行状态的识别方法
CN106530677A (zh) 一种基于实时信息的校车调度方法及系统
CN105096584A (zh) 一种交通决策支持方法、装置及系统
CN104636611A (zh) 城市道路/路段的车辆速度评估方法
CN106951520A (zh) 一种公交乘客出行数据采集系统及其应用
CN109389243A (zh) 结合联网收费数据的高速公路交通情况调查站点布设方法

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