CN107393301A - 一种基于rfid数据的车辆轨迹识别方法 - Google Patents
一种基于rfid数据的车辆轨迹识别方法 Download PDFInfo
- Publication number
- CN107393301A CN107393301A CN201710612328.2A CN201710612328A CN107393301A CN 107393301 A CN107393301 A CN 107393301A CN 201710612328 A CN201710612328 A CN 201710612328A CN 107393301 A CN107393301 A CN 107393301A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- rfid
- road
- track
- section
- 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.)
- Granted
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明的目的在于提供一种精确识别车辆行使轨迹的方法。本发明所采用的技术方案是:在城市路网的RFID采集点采集车辆的时间信息,直接计算出车辆在起讫点之间行驶的时长。以历史GPS数据计算分析出车辆在起讫点之间的多种路径下行驶时长。将历史GPS数据计算出的多种路径下的行驶时长与RFID方式下直接计算出的行驶时长作比较,确定车辆的真实行驶路径。为方便数据处理,以城市路网中RFID采集点的坐标数据建立基础路网模型。本发明使用的方法提高了车辆轨迹识别的精确度,同时对车辆检测、交通管理有明显的辅助作用。
Description
技术领域
本发明涉及车辆轨迹识别领域,特别涉及一种基于RFID数据的车辆轨迹识别方法。
背景技术
RFID,即无线射频识别技术,是一种新型的非接触式自动识别技术。RFID于20世纪90年代开始兴起,与其他自动识别技术相比,RFID具有信息量大、抗干扰能力强、保密性高、使用寿命长等优点,因此,近年来广泛应用于各个领域。车辆的历史GPS数据包含了车辆ID、时间数据等信息。
随着移动互联网的高速发展,无线RFID技术的广泛应用、GPS定位系统的快速普及、物联网的逐步建设、智能终端设备的快速发展,车辆轨迹数据在大量形成。但现有技术中,一般选定车辆可能行使轨迹中最短的轨迹,作为车辆实际行使轨迹。这种方法得到的车辆行使轨迹误差较大。
发明内容
本发明的目的是提供一种精确识别车辆行使轨迹的方法。
为实现上述目的,本发明采用的技术方案是:一种基于RFID数据的车辆轨迹识别方法,在城市路网的RFID采集点采集车辆的时间信息,直接计算出车辆在起讫点之间行驶的时长。以历史GPS数据计算分析出车辆在起讫点之间的多种路径下行驶时长。将历史GPS数据计算出的多种路径下的行驶时长与RFID方式下直接计算出的行驶时长作比较,确定车辆的真实行驶路径。
进一步,还包括,以城市路网中RFID采集点的坐标数据建立基础路网模型,其步骤如下:
第一步,在TransCAD中,对于单向道路,不做额外处理;
第二步,对于双向道路,则额外镜像一条平行道路;
第三步,在TransCAD中对所有道路方向进行标定,形成基础路网;
第四步,将RFID采集点的坐标系转换为TransCAD中基础路网的坐标系;
第五步,将RFID采集点的坐标数据批量导入TransCAD中;
第六步,以RFID采集点的坐标为打断点,将TransCAD中基础路网的路径打断为路段。
进一步,所述城市路网中的RFID采集点为多个。
进一步,所述以车辆历史GPS时间数据计算分析出车辆起讫点之间行驶的时长步骤为:
第一步,遍历以基础路网模型建立的有向图G,得到车辆在起讫点之间可能行使的所有路径,所述路径由若干路段组成;
第二步,以基础路网模型进行分析,根据单个车辆的历史GPS数据计算出单个车辆在各个路段的行使时间;
第三步,根据若干辆车的历史GPS数据计算出车辆在各个路段的平均行使时长;
第四步,计算出车辆在每条路径的平均行驶时间。
进一步,所述有向图G由V集合和E集合组成,V集合表示有向图G中所有顶点的集合,E集合表示有向图G中所有边的集合,所述边具有方向,所述顶点的集合元素为基础路网模型中的打断点,所述边的集合元素为基础路网模型中的路段。所述边的方向为基础路网模型中标定的路段方向。
进一步,所述遍历方法如下,
A.将起点设置为已访问,将其入栈;
B.查看栈顶节点V在有向图G中,有没有可以到达、且没有入栈、且没有从这个节点V出发访问过的节点;
C.如果有,则将找到的这个节点入栈;
D.如果没有,则V出栈;
E.当栈顶元素为终点时,设置终点没有被访问过,存储栈中元素,栈弹出栈顶节点;
F.重复执行B-E,直到栈中元素为空。
本发明的有益技术效果是:在城市路网的RFID采集点采集车辆的时间信息,直接计算出车辆在起讫点之间行驶的时长。以历史GPS数据计算分析出车辆在起讫点之间的多种路径下行驶时长。将历史GPS数据计算出的多种路径下的行驶时长与RFID方式下直接计算出的行驶时长作比较,确定车辆的真实行驶路径。本方法提高了车辆轨迹识别的精确度,同时对车辆检测、交通管理有明显的辅助作用。进一步地,RFID数据和历史GPS数据方便获得,使本方法简单、易操作。
附图说明
图1是本发明的有向图;
图2是本发明的遍历流程图。
具体实施方式
下面结合附图1~2进一步阐述本发明。
一种基于RFID数据的车辆轨迹识别方法是,在城市路网的RFID采集点采集车辆的时间信息,直接计算出车辆在起讫点之间行驶的时长。以历史GPS数据计算分析出车辆在起讫点之间的多种路径下行驶时长。将历史GPS数据计算出的多种路径下的行驶时长与RFID方式下直接计算出的行驶时长作比较,确定车辆的真实行驶路径。
首先,建立基础路网模型,其步骤如下:
第一步,在TransCAD中,对于单向道路不做额外处理;
第二步,对于双向道路需额外镜像一条平行道路;
第三步,在TransCAD中对所有道路方向进行标定,形成基础路网;
第四步,将RFID采集点的坐标系转换为TransCAD中基础路网的坐标系;
第五步,将RFID采集点的坐标数据批量导入TransCAD中;
第六步,以RFID采集点的坐标为打断点,将TransCAD中基础路网的路径打断为路段。
其中,所述基础路网中的RFID采集点为多个。所述双向道路设置的两条平行道路方向相反,表示此路段为双行道。
其次,在城市路网的RFID采集点采集车辆的时间信息,直接计算出车辆在起讫点之间行驶的时长的方法为:将RFID采集点采集的时间信息导入到基础路网模型中,所述时间信息包含车辆在起点的时刻信息和车辆在终点的时刻信息。在基础路网模型中找到车辆的起讫点,根据车辆起讫点的时刻信息,计算出车辆行驶的时长TR。
所述RFID采集数据原理是,RFID系统由标签、阅读器和应用软件三部分组成。标签一般设置在车辆牌照上,阅读器设置在采集点处。采集点采集数据的过程是,阅读器向周围发送某一频率的射频信号,处于阅读器工作范围内且拥有相同频率的标签接收信号后,将标签芯片中储存的信息发送出去,阅读器接收信号并读取其中的信息,解码后将信息传递给应用软件处理。本发明从RFID系统数据中获取采集点坐标、车辆ID、时间信息。
然后,以历史GPS数据计算分析出车辆在起讫点之间的多种路径下行驶时长的方式为:以TransCAD中建立的基础路网模型为对象进行分析,依据单个车辆的历史GPS数据计算出单个车辆在各个路段的行使时间。依据若干辆车的历史GPS数据计算出车辆在各个路段的平均行使时间。
如图1,遍历以基础路网模型建立的有向图,得到车辆在起讫点之间可能行使的所有路径。所述遍历得到的路径由若干路段组成。
所述有向图G是由V集合和E集合组成的二元组,即G={V,E}。V集合表示有向图G中所有顶点的集合,E集合表示有向图G中所有边的集合,所述边具有方向。所述顶点的集合元素为基础路网模型中的打断点,所述边的集合元素为基础路网模型中的路段,所述边的方向为基础路网模型中标定的路段方向。
如图2,所述遍历方法如下:
A.将起点设置为已访问,将其入栈;
B.查看栈顶节点V在有向图G中,有没有可以到达、未入栈、未从这个节点V出发访问过的节点;
C.如果有,则将找到的这个节点入栈;
D.如果没有,则V出栈;
E.当栈顶元素为终点时,设置终点没有被访问过,存储栈中元素,栈弹出栈顶节点;
F.重复执行B-E,直到栈中元素为空。
计算车辆在每条路径的平均行驶时间Ti。其方法是,将组成路径的各个路段的车辆平均行驶时间进行累加。
最后,将历史GPS数据计算出的多种路径下的行驶时长与RFID方式下直接计算出的行驶时长作比较,即是,将Ti(i=1,2,3……)的数值大小与TR的数值大小进行对比,找到与TR数值大小最接近的Ti,则找到的Ti所对应的路径就为车辆行驶轨迹的真实路径。
实施例:确定车辆C在城市路网A点、B点之间的行驶轨迹。
首先,将城市路网中的A点、B点标定在基础路网模型中。车辆C通过A点的时间为通过B点的时间为则计算出车辆C在A点、B点之间的行驶时间为
其中,所述均由RFID采集点采集的时间数据获得。
其次,分析计算车辆的历史GPS数据。
本实施例中,以5min为一个交通分析时间段。将一天24小时分为288个交通分析时间段。在第k个交通分析时间段内,第j辆车进入第M条路段的时刻为tkM(j0),驶出第M条路段的时刻为tkM(j1),则计算出第k个交通分析时间段内,第j车在第M条路段的行程时长为ΔtkMj,
ΔtkMj=tkM(j1)-tkM(j0);
其中,k表示第k个时间段,M表示第M个路段,j表示第j辆车,所述tkM(j0)、tkM(j1)均由车辆的历史GPS数据获得。
在第k个交通分析时间段内,共有N辆车行驶完第M条路段,则车辆在第M条路段平均行驶时长为
其中,k表示第k个时间段,M表示第M个路段,j表示第j辆车,N表示在第k个时间段内共有N辆车行驶完第M条路段。
遍历基础路网模型中以AB点为起讫点构建的有向图,得到A点、B点之间所有的路径,所述路径由若干路段组成。设车辆C行驶的路径为Ri(i=1,2,3…),组成路径Ri的若干路段集合为D。D={d1,d2,d3,…,ds},ds表示路段,s表示组成路径Ri的路段总数。则车辆C在路径Ri的行驶时长为计算公式为:
其中,Ri表示A点、B点之间的第i条路径,s表示组成第i条路径的所有路段总数,k表示第k个时间段,M表示第M个路段。
将的数值大小与的数值大小进行对比,找到与数值大小最接近的所述对应的第i条路径为车辆C行驶路径的真实路径。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (6)
1.一种基于RFID数据的车辆轨迹识别方法,其特征在于:在城市路网的RFID采集点采集车辆的时间信息,直接计算出车辆在起讫点之间行驶的时长;以历史GPS数据计算分析出车辆在起讫点之间的多种路径下行驶时长;将历史GPS数据计算出的多种路径下的行驶时长与RFID方式下直接计算出的行驶时长作比较,确定车辆的真实行驶路径。
2.根据权利要求1所述一种基于RFID数据的车辆轨迹识别方法,其特征在于:以城市路网中RFID采集点的坐标数据建立基础路网模型,其步骤如下:
第一步,在TransCAD中,对于单向道路不做额外处理;
第二步,对于双向道路需额外镜像一条平行道路;
第三步,在TransCAD中对所有道路方向进行标定,形成基础路网;
第四步,将RFID采集点的坐标系转换为TransCAD中基础路网的坐标系;
第五步,将RFID采集点的坐标数据批量导入TransCAD中;
第六步,以RFID采集点的坐标为打断点,将TransCAD中基础路网的路径打断为路段。
3.根据权利要求2所述一种基于RFID数据的车辆轨迹识别方法,其特征在于:所述城市路网中的RFID采集点为多个。
4.根据权利要求1或2所述一种基于RFID数据的车辆轨迹识别方法,其特征在于:所述以车辆历史GPS时间数据计算分析出车辆起讫点之间行驶的时长步骤为:
第一步,遍历以基础路网模型建立的有向图G,得到车辆在起讫点之间可能行使的所有路径,所述路径由若干路段组成;
第二步,以基础路网模型进行分析,根据单个车辆的历史GPS数据计算出单个车辆在各个路段的行使时间;
第三步,根据若干辆车的历史GPS数据计算出车辆在各个路段的平均行使时长;
第四步,计算出车辆在每条路径的平均行驶时间。
5.根据权利要求4所述一种基于RFID数据的车辆轨迹识别方法,其特征在于:所述有向图G由V集合和E集合组成,V集合表示有向图G中所有顶点的集合,E集合表示有向图G中所有边的集合,所述边具有方向;所述顶点的集合元素为基础路网模型中的打断点,所述边的集合元素为基础路网模型中的路段;所述边的方向为基础路网模型中标定的路段方向。
6.根据权利要求4所述一种基于RFID数据的车辆轨迹识别方法,其特征在于:所述遍历方法如下,
A.将起始点设置为已访问,将其入栈;
B.查看栈顶节点V在有向图G中,有没有可以到达、未入栈、未从节点V出发访问过的节点;
C.如果有,则将找到的这个节点入栈;
D.如果没有,则V出栈;
E.当栈顶元素为终点时,设置终点没有被访问过,存储栈中元素,栈弹出栈顶节点;
F.重复执行B-E,直到栈中元素为空。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710612328.2A CN107393301B (zh) | 2017-07-25 | 2017-07-25 | 一种基于rfid数据的车辆轨迹识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710612328.2A CN107393301B (zh) | 2017-07-25 | 2017-07-25 | 一种基于rfid数据的车辆轨迹识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107393301A true CN107393301A (zh) | 2017-11-24 |
CN107393301B CN107393301B (zh) | 2019-09-27 |
Family
ID=60337025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710612328.2A Active CN107393301B (zh) | 2017-07-25 | 2017-07-25 | 一种基于rfid数据的车辆轨迹识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107393301B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337044A (zh) * | 2020-03-24 | 2020-06-26 | 北京交通发展研究院 | 一种基于通行权值的城市道路路径规划方法 |
CN112233426A (zh) * | 2020-11-23 | 2021-01-15 | 重庆市市政设计研究院有限公司 | 基于rfid及多源数据的桥梁实时预警方法装置及系统 |
CN112418471A (zh) * | 2021-01-25 | 2021-02-26 | 南京领行科技股份有限公司 | 网约车的行驶监测方法、装置、电子设备及存储介质 |
CN113570864A (zh) * | 2021-09-22 | 2021-10-29 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种电动自行车行驶路径匹配方法、设备及存储介质 |
CN114548335A (zh) * | 2022-02-24 | 2022-05-27 | 四川省机场集团有限公司 | 基于行驶域特征点的无动力设备里程频度推算方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101409011A (zh) * | 2008-10-28 | 2009-04-15 | 北京世纪高通科技有限公司 | 一种地图匹配和路径推测方法、装置和系统 |
CN103000022A (zh) * | 2011-09-08 | 2013-03-27 | 北京掌城科技有限公司 | 一种实时交通信息生成方法 |
CN103440764A (zh) * | 2013-08-19 | 2013-12-11 | 同济大学 | 一种基于车辆自动识别数据的城市路网车辆出行路径重构方法 |
CN104574967A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于北斗的城市大面积路网交通感知方法 |
CN105606110A (zh) * | 2015-11-03 | 2016-05-25 | 中兴软创科技股份有限公司 | 基于深度优先遍历的可达路径的查找方法与装置 |
-
2017
- 2017-07-25 CN CN201710612328.2A patent/CN107393301B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101409011A (zh) * | 2008-10-28 | 2009-04-15 | 北京世纪高通科技有限公司 | 一种地图匹配和路径推测方法、装置和系统 |
CN103000022A (zh) * | 2011-09-08 | 2013-03-27 | 北京掌城科技有限公司 | 一种实时交通信息生成方法 |
CN103440764A (zh) * | 2013-08-19 | 2013-12-11 | 同济大学 | 一种基于车辆自动识别数据的城市路网车辆出行路径重构方法 |
CN104574967A (zh) * | 2015-01-14 | 2015-04-29 | 合肥革绿信息科技有限公司 | 一种基于北斗的城市大面积路网交通感知方法 |
CN105606110A (zh) * | 2015-11-03 | 2016-05-25 | 中兴软创科技股份有限公司 | 基于深度优先遍历的可达路径的查找方法与装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337044A (zh) * | 2020-03-24 | 2020-06-26 | 北京交通发展研究院 | 一种基于通行权值的城市道路路径规划方法 |
CN112233426A (zh) * | 2020-11-23 | 2021-01-15 | 重庆市市政设计研究院有限公司 | 基于rfid及多源数据的桥梁实时预警方法装置及系统 |
CN112233426B (zh) * | 2020-11-23 | 2024-02-02 | 重庆市市政设计研究院有限公司 | 基于rfid及多源数据的桥梁实时预警方法装置及系统 |
CN112418471A (zh) * | 2021-01-25 | 2021-02-26 | 南京领行科技股份有限公司 | 网约车的行驶监测方法、装置、电子设备及存储介质 |
CN112418471B (zh) * | 2021-01-25 | 2021-06-08 | 南京领行科技股份有限公司 | 网约车的行驶监测方法、装置、电子设备及存储介质 |
CN113570864A (zh) * | 2021-09-22 | 2021-10-29 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种电动自行车行驶路径匹配方法、设备及存储介质 |
CN114548335A (zh) * | 2022-02-24 | 2022-05-27 | 四川省机场集团有限公司 | 基于行驶域特征点的无动力设备里程频度推算方法及系统 |
CN114548335B (zh) * | 2022-02-24 | 2022-12-06 | 四川省机场集团有限公司 | 基于行驶域特征点的无动力设备里程频度推算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107393301B (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107393301B (zh) | 一种基于rfid数据的车辆轨迹识别方法 | |
CN105528359B (zh) | 用于存储行进轨迹的方法和系统 | |
US10663305B2 (en) | Map matched aggregation for K-anonymity in trajectory data | |
CN102737510B (zh) | 一种基于移动智能终端的实时交通路况采集方法 | |
Mohamed et al. | Accurate real-time map matching for challenging environments | |
CN105513395B (zh) | 一种基于车辆目的地预测的智能信息推送系统和方法 | |
CN103593430B (zh) | 一种基于移动对象时空信息轨迹分段聚类的方法 | |
Tang et al. | CLRIC: Collecting lane-based road information via crowdsourcing | |
CN107507418B (zh) | 一种高速公路车辆进入服务区停留过程分析方法及装置 | |
CN106781479B (zh) | 一种基于手机信令数据实时获取高速公路运行状态的方法 | |
EP3569983B1 (en) | Algorithm and architecture for map-matching streaming probe data | |
CN103413437B (zh) | 一种基于车辆数据采集的道路交叉口转向识别方法及系统 | |
CN107000750A (zh) | 用于车辆经济性改进的设备及方法 | |
CN110505583A (zh) | 一种基于卡口数据与信令数据的轨迹匹配算法 | |
CN102622370B (zh) | 一种获取路线描述的方法及装置、电子地图服务器 | |
Ganti et al. | Inferring human mobility patterns from taxicab location traces | |
CN104318781B (zh) | 基于rfid技术的行程速度获取方法 | |
CN105160872B (zh) | 一种gps轨迹数据智能采集方法 | |
CN109215350A (zh) | 一种基于rfid电子车牌数据的短期交通状态预测方法 | |
CN105910612A (zh) | 一种个性化导航的方法及系统 | |
CN106448173B (zh) | 一种基于手机数据的长距离出行交通方式划分方法 | |
Lin et al. | Vehicle re-identification with dynamic time windows for vehicle passage time estimation | |
US20200273328A1 (en) | Method, apparatus, and system for combinining discontinuous road closures detected in a road network | |
CN108039046A (zh) | 一种基于c-v2x的城市交叉路口行人检测识别系统 | |
CN109101939A (zh) | 车辆运动状态的确定方法、系统、终端及可读存储介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: No.69, Yanghe village, Jiangbei District, Chongqing Patentee after: Chongqing Municipal Design and Research Institute Co.,Ltd. Address before: No.69, Yanghe village, Jiangbei District, Chongqing Patentee before: CHONGQING MUNICIPAL DESIGN INSTITUTE |
|
CP03 | Change of name, title or address |