CN107240264B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN107240264B CN107240264B CN201710492719.5A CN201710492719A CN107240264B CN 107240264 B CN107240264 B CN 107240264B CN 201710492719 A CN201710492719 A CN 201710492719A CN 107240264 B CN107240264 B CN 107240264B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- track
- driving trace
- vertex
- 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
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了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,车辆非有效行驶轨迹识别方法包括以下步骤:S1、从卡口大数据平台中获取指定区域和指定时间段内的过车数据;S2、以车辆进入指定区域内所对应的卡口位置作为轨迹的起始点,以车辆驶出指定区域内所对应的卡口位置作为轨迹的终点,获取车辆行驶轨迹分布图;S3、采用基于缓冲区相似性度量的车辆轨迹层次聚类分析方法对车辆行驶轨迹进行分析,形成轨迹群组;S4、将轨迹群组与基于GIS路网数据的最优路径进行比较,得到车辆非有效行驶轨迹。该方法的优点在于:为城市道路基础设施规划判断提供了支持。
Description
技术领域
本发明涉及城市道路基础设施规划、智能交通领域,尤其涉及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。
背景技术
随着社会经济的高速发展,城市化进程的加快,人们生活水平不断提高,城市交通需求迅速的增长,交通问题俨然已成为困扰着城市发展的重大难题,它所带来的时间浪费、运营成本上升、交通事故、空气污染、噪声污染等问题使得交通拥堵成为制约城市经济和社会发展的“瓶颈”,如何避免和减少交通拥堵造成的影响,保持道路通行的高速、安全和舒适的特性,已成为我国交通部门急需解决的问题。
造成交通拥堵有多种原因,其中很重要的一个原因就是城市内停车场规划的滞后,停车场的缺失导致车辆到达目的地后无处停车,只能在目的地四周不停绕行以寻找车位,这种现象我们称之为“非有效行车”,“非有效行车”不仅造成驾驶者的时间浪费、成本上升,无形中增加城市内交通流量,加剧了城市拥堵,因此减少“非有效行车”,合理规划城市停车位已成为城市管理部门当前面临的紧迫任务之一。
发明内容
为了克服上述现有技术的不足,本发明的目的之一是为了得到的非有效形式轨迹在技术上支持城市道路基础设施规划,从而提供一种车辆非有效行驶轨迹识别方法。
为实现上述目的,本发明采用以下技术方案:
一种车辆非有效行驶轨迹识别方法,包括以下步骤:
S1、从卡口大数据平台中获取指定区域和指定时间段内的过车数据;
S2、以车辆进入指定区域内所对应的卡口位置作为轨迹的起始点,以车辆驶出指定区域内所对应的卡口位置作为轨迹的终点,获取车辆行驶轨迹分布图;
S3、采用基于缓冲区相似性度量的车辆轨迹层次聚类分析方法对车辆行驶轨迹进行分析,形成轨迹群组;
S4、将轨迹群组与基于GIS路网数据的最优路径进行比较,得到车辆非有效行驶轨迹。
进一步地,从卡口大数据平台中获取指定区域和指定时间段内的过车数据的步骤如下:
S11、卡口过车数据读取;从卡口大数据平台中获取指定区域和指定时间段内的卡口过车数据,所述卡口大数据平台包括该指定区域中车辆的车牌号码,车型,车辆在指定区域内行驶中的时间点,各时间点对应位置的经纬度,将车牌号码、车型、各时间点、各时间点对应位置的经纬度作为待分析对象;
S12、车辆轨迹点行驶次识别;同时满足以下三个条件的同一车辆的车辆轨迹点归为同一行驶次;
条件1:车辆轨迹点的车牌号码相同;
条件2:车辆轨迹点的车型相同;
条件3:相邻车辆轨迹点的时间间隔小于T;
S13、车辆轨迹点数据清洗;删除同一行驶次内的重复车辆轨迹点和无效的车辆轨迹点;
S14、车辆轨迹线连接;以时间为序,逐次连接同一行驶次内的所有车辆轨迹点,获得该行驶次的车辆轨迹线。
进一步地,步骤S3具体分成以下步骤:
S31、计算每两条车辆轨迹线之间基于缓冲区的相似性度量,车辆轨迹线a和车辆轨迹线b之间基于缓冲区的相似性度量S(a,b)=(Aa∩Ab)/(Aa∪Ab),Aa为车辆轨迹线a的缓冲区面积,Ab为车辆轨迹线b的缓冲区面积;
S32、将相似性度量最大的两根车辆轨迹线聚为一类,并将该聚类内的轨迹线缓冲区的并集作为新的缓冲区参与到下一次相似性度量计算和聚类中去;
S33、不断循环步骤S31和步骤S32,直至完成车辆轨迹线聚类形成轨迹群组。
进一步地,每个车辆轨迹群组基于GIS路网数据的最优路径采用Dijkstra算法实现。
进一步地,采用Dijkstra算法实现每个车辆轨迹群组基于GIS路网数据的最优路径的步骤如下:
S41、初始时,集合S只包含原点v,即S={v},原点v为基准点。集合U包含除原点v外的其他顶点,即:U={其他顶点},若原点v与集合U中顶点u有边,则<u,v>正常有权值,若顶点u不是原点v的出边邻接点,则<u,v>权值为∞;
S42、从集合U中选取一个距离原点v最小的顶点k,把顶点k加入集合S中;
S43、以顶点k为新考虑的中间点,修改原点v到集合U中各顶点的距离;若从原点v经过顶点K到顶点u的距离比从原点v不经过顶点k到顶点u的距离短,则修改原点v到顶点u的距离值;
S44、重复步骤S42和S43直到所有顶点都包含在集合S中。
进一步地,步骤S12中的T的取值范围为[10min,30min]。
本发明的目的之二是为了有效解决现有技术中的城市道路规划方法所存在的设计不合理、没有从整体上对路径进行归类、在城市道路基础设施规划时导致城市网络负载不均衡、存在交通拥堵以及交通资源浪费等问题,而提供一种城市道路设施规划方法。
为实现上述目的,本发明采用以下技术方案:
一种城市道路设施规划方法,包括上述车辆非有效行驶轨迹识别方法的所有步骤,其后还包括如下步骤:判断行驶轨迹是否为封闭曲线;若非有效行驶轨迹为封闭曲线,则在此封闭区域内建立停车场设施;若非有效行迹驶轨为非封闭曲线,且存在最优行驶道路,则加设道路指示牌等设施指导车辆行驶或增加道路建设规划。
进一步地,步骤S12中的T的取值范围为[10min,30min]。
本发明的优点在于:
(1)本发明中的车辆非有效行驶轨迹识别方法得到的非有效形式轨迹,为城市道路基础设施规划判断提供了支持。
(2)本发明中城市道路设施规划方法有效解决了城市道路规划不合理、城市网络负载不均衡、交通拥堵以及交通资源浪费等问题,实现城市道路基础设施的合理规划,可有效提高城市路网通行能力。
附图说明
图1为本发明一种车辆非有效行驶轨迹识别方法的流程图;
图2为本发明一种车辆非有效行驶轨迹识别方法的车辆行驶轨迹分布获取流程图;
图3为本发明一种车辆非有效行驶轨迹识别方法中的基于缓冲区相似性度量的车辆轨迹层次聚类分析流程图。
具体实施方式
为使对本发明的方法步骤及所达成的功效有更进一步的了解与认识,用以较佳的实施例及附图配合详细的说明,说明如下:
实施例1
如图1所示,一种车辆非有效行驶轨迹识别方法,包括以下步骤:
S1、从卡口大数据平台中获取指定区域和指定时间段内的过车数据;
如图2所示,步骤S1中获取数据的具体步骤如下:
S11、卡口过车数据读取。从卡口大数据平台中获取指定区域和指定时间段内的卡口过车数据,所述卡口大数据平台包括该指定区域车辆的车牌号码、车型、在指定区域内行驶中的时间点、各时间点对应位置的经纬度、将车牌号码、车型、各时间点、各时间点对应位置的经纬度作为待分析对象。
S12、车辆轨迹点行驶次识别。同时满足以下三个条件的同一车辆的车辆轨迹点归为同一行驶次。
条件1:车辆轨迹点的车牌号码相同;
条件2:车辆轨迹点的车型相同;
条件3:相邻车辆轨迹点的时间间隔小于T。
S13、车辆轨迹点数据清洗。删除同一行驶次内的重复车辆轨迹点和无效的车辆轨迹点。由于系统有重复录入数据的可能,或者车辆过车记录丢失内容项,这些数据需要去除。数据清洗可提高结果的准确性。
S14、车辆轨迹线连接。以时间为序,逐次连接同一行驶次内的所有车辆轨迹点,获得该行驶次的车辆轨迹线。
S2、以车辆进入指定区域内所对应的卡口位置作为轨迹的起始点,以车辆驶出指定区域内所对应的卡口位置作为轨迹的终点,获取车辆行驶轨迹分布图。
S3、采用基于缓冲区相似性度量的车辆轨迹层次聚类分析方法对车辆行驶轨迹进行分析,形成轨迹群组。
如图3所示,具体步骤如下:
S31、计算每两条车辆轨迹线之间基于缓冲区的相似性度量,车辆轨迹线a和车辆轨迹线b之间基于缓冲区的相似性度量S(a,b)=(Aa∩Ab)/(Aa∪Ab),Aa为车辆轨迹线a的缓冲区面积,Ab为车辆轨迹线b的缓冲区面积;
S32、将相似性度量最大的两根车辆轨迹线聚为一类,并将该聚类内的轨迹线缓冲区的并集作为新的缓冲区参与到下一次相似性度量计算和聚类中去;
S33、不断循环步骤S31和步骤S32,直至完成车辆轨迹线聚类形成轨迹群组。
S4、将轨迹群组与基于GIS路网数据的最优路径进行比较,得到车辆非有效行驶轨迹。
得到车辆非有效行驶轨迹是以车辆轨迹群组为基础,采用现有的Dijkstra算法实现每个车辆轨迹群组基于GIS路网数据的最优路径,将最优路径与对应的车辆轨迹群对比,得到每个车辆轨迹群对应的车辆非有效行驶轨迹。
采用现有的Dijkstra算法实现每个车辆轨迹群组基于GIS路网数据的最优路径的步骤如下:
S41、初始时,集合S只包含原点v,即S={v},原点v为基准点。集合U包含除原点v外的其他顶点,即:U={其他顶点},若原点v与集合U中顶点u有边,则<u,v>正常有权值,若顶点u不是原点v的出边邻接点,则<u,v>权值为∞;
S42、从集合U中选取一个距离原点v最小的顶点k,把顶点k加入集合S中;
S43、以顶点k为新考虑的中间点,修改原点v到集合U中各顶点的距离;若从原点v经过顶点K到顶点u的距离比从原点v不经过顶点k到顶点u的距离短,则修改原点v到顶点u的距离值;
S44、重复步骤S42和S43直到所有顶点都包含在集合S中。
该车辆非有效形式轨迹识别方法可以适用于一座大城市道路基础设施规划,这样在步骤S12中的T的取值范围相对来说较大,在本实施例中,步骤S12中的T的取值范围为[10min,30min]。也可以适用于小区域内停车场停车位数量的规划。这样在步骤S12中的T的取值范围相对来说较小,在十分钟内取值。
实施例2
一种城市道路设施规划方法,包括实施例1中所有步骤,在上述步骤中的卡口是指抓拍车牌和车辆违章的摄像机。当摄像机比较密集时,在步骤S12中的T的取值为10min,当摄像机的密集程度一般时,在步骤S12中的T的取值为20min,当该城市内的摄像机比较少时,在步骤S12中的T的取值为30min。这样可以获得更多的有效的车辆轨迹线。
其后还包括如下步骤:判断行驶轨迹是否为封闭曲线;若非有效行驶轨迹为封闭曲线,则在此封闭区域内建立停车场设施;若非有效行迹驶轨为非封闭曲线,且存在最优行驶道路,则加设道路指示牌等设施指导车辆行驶或增加道路建设规划。
以上仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明创造的保护范围之内。
Claims (7)
1.一种车辆非有效行驶轨迹识别方法,其特征在于,包括以下步骤:
S1、从卡口大数据平台中获取指定区域和指定时间段内的过车数据;
S2、以车辆进入指定区域内所对应的卡口位置作为轨迹的起始点,以车辆开出指定区域所对应的卡口位置作为轨迹的终点,获取车辆行驶轨迹分布图;
S3、采用基于缓冲区相似性度量的车辆轨迹层次聚类分析方法对车辆行驶轨迹进行分析,形成轨迹群组;
S4、将轨迹群组与基于GIS路网数据的最优路径进行比较,得到车辆非有效行驶轨迹;
从卡口大数据平台中获取指定区域和指定时间段内的过车数据的步骤如下:
S11、卡口过车数据读取;从卡口大数据平台中获取指定区域和指定时间段内的卡口过车数据,所述卡口大数据平台包括该指定区域中车辆的车牌号码,车型,车辆在指定区域内行驶中的时间点,各时间点对应位置的经纬度,将车牌号码、车型、各时间点、各时间点对应位置的经纬度作为待分析对象;
S12、车辆轨迹点行驶次识别;同时满足以下三个条件的同一车辆的车辆轨迹点归为同一行驶次;
条件1:车辆轨迹点的车牌号码相同;
条件2:车辆轨迹点的车型相同;
条件3:相邻车辆轨迹点的时间间隔小于T;
S13、车辆轨迹点数据清洗;删除同一行驶次内的重复车辆轨迹点和无效的车辆轨迹点;
S14、车辆轨迹线连接;以时间为序,逐次连接同一行驶次内所有的车辆轨迹点,获得该行驶次的车辆轨迹线。
2.根据权利要求1所述的一种车辆非有效行驶轨迹识别方法,其特征在于,步骤S3具体分成以下步骤:
S31、计算每两条车辆轨迹线之间基于缓冲区的相似性度量,车辆轨迹线a和车辆轨迹线b之间基于缓冲区的相似性度量S(a,b)=(Aa∩Ab)/(Aa∪Ab),Aa为车辆轨迹线a的缓冲区面积,Ab为车辆轨迹线b的缓冲区面积;
S32、将相似性度量最大的两根车辆轨迹线聚类为一类,并将该聚类内的轨迹线缓冲区的并集作为新的缓冲区参与到下一次相似性度量计算和聚类中去;
S33、不断循环步骤S31和步骤S32,直至完成车辆轨迹线聚类形成轨迹群组。
3.根据权利要求1所述的一种车辆非有效行驶轨迹识别方法,其特征在于,每个车辆轨迹群组基于GIS路网数据的最优路径采用Dijkstra算法实现。
4.根据权利要求3所述的一种车辆非有效行驶轨迹识别方法,其特征在于,采用Dijkstra算法实现每个车辆轨迹群组基于GIS路网数据的最优路径的步骤如下:
S41、初始时,集合S只包含原点v,即S={v},原点v为基准点;集合U包含除原点v外的其他顶点,即:U={其他顶点};若原点v与集合U中的顶点u有边,则<u,v>正常有权值,若顶点u不是原点v的出边邻接点,则<u,v>权值为∞;
S42、从集合U中选取一个距离原点v最小的顶点k,把顶点k加入集合S中;
S43、以顶点k为新考虑的中间点,修改原点v到集合U中各顶点的距离;若从原点v经过顶点k到顶点u的距离比从原点v不经过顶点k到顶点u的距离短,则修改原点v到顶点u的距离值;
S44、重复步骤S42和S43直到所有顶点u都包含在集合S中。
5.根据权利要求1所述的一种车辆非有效行驶轨迹识别方法,其特征在于,步骤S12中的T的取值范围为[10min,30min]。
6.一种城市道路设施规划方法,其特征在于,包括权利要求1-4任意一项所述的车辆非有效行驶轨迹识别方法的所有步骤,其后还包括如下步骤:判断非有效行驶轨迹是否为封闭曲线;若非有效行驶轨迹为封闭曲线,则在此封闭区域内建立停车场设施;若非有效行迹驶轨为非封闭曲线,且存在最优行驶道路,则加设道路指示牌等设施指导车辆行驶或增加道路建设规划。
7.根据权利要求6所述的一种城市道路设施规划方法,其特征在于,步骤S12中的T的取值范围为[10min,30min]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710492719.5A CN107240264B (zh) | 2017-06-26 | 2017-06-26 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710492719.5A CN107240264B (zh) | 2017-06-26 | 2017-06-26 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107240264A CN107240264A (zh) | 2017-10-10 |
CN107240264B true CN107240264B (zh) | 2019-10-22 |
Family
ID=59986681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710492719.5A Active CN107240264B (zh) | 2017-06-26 | 2017-06-26 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107240264B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108847042B (zh) * | 2018-08-24 | 2021-04-02 | 讯飞智元信息科技有限公司 | 一种路况信息发布方法及装置 |
CN109359690B (zh) * | 2018-10-19 | 2021-10-22 | 江苏智通交通科技有限公司 | 基于卡口数据的车辆出行轨迹识别方法 |
CN109377757A (zh) * | 2018-11-16 | 2019-02-22 | 宁波工程学院 | 基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法 |
CN111351499B (zh) * | 2018-12-24 | 2022-04-12 | 北京嘀嘀无限科技发展有限公司 | 路径识别方法、装置、计算机设备和计算机可读存储介质 |
CN109785595A (zh) * | 2019-02-26 | 2019-05-21 | 成都古河云科技有限公司 | 一种基于机器学习的车辆异常轨迹实时识别方法 |
CN110570658B (zh) * | 2019-10-23 | 2022-02-01 | 江苏智通交通科技有限公司 | 基于层次聚类的路口异常车辆轨迹识别分析方法 |
CN110728842B (zh) * | 2019-10-23 | 2021-10-08 | 江苏智通交通科技有限公司 | 基于路口车辆合理行驶范围的异常行驶预警方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8180775B2 (en) * | 2010-06-23 | 2012-05-15 | National Central University | Computer-implemented method for clustering data and computer-readable medium encoded with computer program to execute thereof |
CN104462273A (zh) * | 2014-11-25 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 提取轨迹的方法及系统 |
CN104680187A (zh) * | 2015-03-19 | 2015-06-03 | 南京大学 | 基于缓冲区相似性度量的舰船轨迹层次聚类分析方法 |
CN105225476A (zh) * | 2014-06-10 | 2016-01-06 | 浙江宇视科技有限公司 | 一种车辆轨迹的生成、聚合方法和装置 |
CN106846801A (zh) * | 2017-02-06 | 2017-06-13 | 安徽新华博信息技术股份有限公司 | 一种基于车辆轨迹的区域徘徊异常行为检测方法 |
-
2017
- 2017-06-26 CN CN201710492719.5A patent/CN107240264B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8180775B2 (en) * | 2010-06-23 | 2012-05-15 | National Central University | Computer-implemented method for clustering data and computer-readable medium encoded with computer program to execute thereof |
CN105225476A (zh) * | 2014-06-10 | 2016-01-06 | 浙江宇视科技有限公司 | 一种车辆轨迹的生成、聚合方法和装置 |
CN104462273A (zh) * | 2014-11-25 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 提取轨迹的方法及系统 |
CN104680187A (zh) * | 2015-03-19 | 2015-06-03 | 南京大学 | 基于缓冲区相似性度量的舰船轨迹层次聚类分析方法 |
CN106846801A (zh) * | 2017-02-06 | 2017-06-13 | 安徽新华博信息技术股份有限公司 | 一种基于车辆轨迹的区域徘徊异常行为检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107240264A (zh) | 2017-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107240264B (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 | |
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
CN103000027B (zh) | 基于浮动车在拥堵状态下的智能交通诱导方法 | |
WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
CN111862606B (zh) | 一种基于多源数据的非法营运车辆识别方法 | |
Mousa | Analysis and modeling of measured delays at isolated signalized intersections | |
CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
CN101710449A (zh) | 基于公交车gps数据的交通流运行状态识别方法 | |
CN105303832B (zh) | 基于微波车辆检测器的高架桥路段交通拥堵指数计算方法 | |
CN105825669A (zh) | 一种识别城市快速路交通瓶颈的系统和方法 | |
CN113870570B (zh) | 一种基于etc的路网运行状态方法、系统和存储介质 | |
CN104200649A (zh) | 基于预先申请的交通高峰期路线资源调度分配系统与方法 | |
CN101739824A (zh) | 基于数据融合技术的交通状况估计方法 | |
CN106846806A (zh) | 基于Isolation Forest的城市道路交通异常检测方法 | |
Seedam et al. | Motorcycle On‐Road Driving Parameters Influencing Fuel Consumption and Emissions on Congested Signalized Urban Corridor | |
CN106023592A (zh) | 一种基于gps数据的交通拥堵检测方法 | |
CN106448165A (zh) | 一种基于网络约租车数据的路网行程时间可靠性评价方法 | |
CN107590999A (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN106960189A (zh) | 一种基于隐含马尔可夫模型的驾驶意图判定方法 | |
CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
CN108877244A (zh) | 一种基于动态数据的公交车辆交叉口运行瓶颈判别方法 | |
CN112712714A (zh) | 一种基于卡口监控设备的红绿灯配时优化方法及仿真系统 | |
CN105957348A (zh) | 一种基于gis和pems的城市公交线路节点处排放估算方法 | |
CN110633558A (zh) | 一种城市交通系统建模系统 | |
CN106548628A (zh) | 一种基于视觉空间转换网格化的路况分析方法 |
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 |