CN107888877A - 车辆追踪及道路交通信息采集的方法及其系统 - Google Patents
车辆追踪及道路交通信息采集的方法及其系统 Download PDFInfo
- Publication number
- CN107888877A CN107888877A CN201711116926.7A CN201711116926A CN107888877A CN 107888877 A CN107888877 A CN 107888877A CN 201711116926 A CN201711116926 A CN 201711116926A CN 107888877 A CN107888877 A CN 107888877A
- Authority
- CN
- China
- Prior art keywords
- video
- terminal device
- wireless terminal
- wireless
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 147
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000033001 locomotion Effects 0.000 claims description 56
- 238000004891 communication Methods 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 8
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 15
- 238000005259 measurement Methods 0.000 description 11
- 230000001413 cellular effect Effects 0.000 description 9
- 230000004927 fusion Effects 0.000 description 8
- 230000006855 networking Effects 0.000 description 7
- 238000012806 monitoring device Methods 0.000 description 6
- 230000002349 favourable effect Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013179 statistical model Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及车辆追踪及道路交通信息采集的方法及其系统，该方法包括制定监控区域地图；将监控区域内的视频监控设备的信息和无线基站设备的信息存储于同一数据库内；采集无线信号及视频信号；对无线信号进行处理、定位、追踪及交通信息采集，获取无线终端设备的相关数据，并存储于数据库内；对视频信号处理、定位、追踪及交通信息采集，获取视频监控目标的相关数据，并存储于数据库内；匹配无线终端设备以及视频监控目标，并融合无线终端设备的相关数据以及视频监控目标的相关数据，获取初步交通信息；将初步交通信息与监控区域内其他设备的监测数据进行融合，形成交通信息。本发明实现高精度及低成本、大范围的车辆定位、追踪及道路交通信息采集。
Description
技术领域
本发明涉及智能交通技术领域，更具体地说是指车辆追踪及道路交通信息采集的方法及其系统。
背景技术
随着社会经济的高速发展，城市化进程加快、城市交通需求迅速增长，交通问题已经成为城市发展过程中亟待解决的瓶颈问题。各种各样的智能交通管理和控制技术被应用到道路交通管理中以提高道路的使用效率、交通效率并降低交通拥挤和交通事故。这些智能交通管理和控制技术毫无例外依赖于对交通信息的实时采集。
目前交通信息的实时采集主要有两类方法。第一类是基于视频分析的技术，特别是车牌识别技术。利用车牌识别技术，不仅可以估计出车辆旅行时间、车流量等信息，为判断道路是否拥堵提供依据，而且车牌识别可以用于纠正交通违章以及对特定的违法行为人或犯罪嫌疑人进行定位及跟踪。第二类方法利用电磁传感技术、超声传感技术或者雷达探测技术，例如线圈检测器、雷达测速仪等，采集行车速度、车流量、车型、占有率等重要交通信息参数以形成智能交通管理和控制的依据。
车牌识别技术容易受到视频监控覆盖区域小、车牌被恶意遮挡或出现污点、磨损及褪色、光照变化、恶劣天气、拍摄方式、车辆速度、运算量大等因素影响。而且受成本及系统安装要求等限制无法实现广泛覆盖，目前只能部署在重点路段。实际应用中，车牌识别系统的识别率还与牌照质量和拍摄质量密切相关；第二类方法往往受到安装条件、成本限制及环境因素影响。例如线圈检测器其线圈在安装或维护时必须直接埋入车道，这样交通会暂时受到阻碍。埋置线圈的切缝软化了路面，容易使路面受损，尤其是在有信号控制的十字路口，车辆启动或者制动时损坏可能会更加严重。
另一方面，随着汽车行业和移动通信的蓬勃发展，当前大多数车辆都配有无线通信模块，例如蓝牙通信模块被广泛应用于车内设备间通信如电话免提系统。网联车的发展更加速了车辆无线通信模块的应用和普及。而且随着移动通信领域的迅猛发展，移动终端，如手机、平板电脑、个人数码助理、具有无线通讯功能的智能可穿戴设备或其他便于随身携带的具有无线通讯功能的设备，大量普及。大多数司机及乘客都携带有移动终端设备。而且无线信号能够较为容易、以较低成本被监测到。因而对车辆及其乘客无线信号的监测为车辆定位、追踪及道路交通信息采集提供了新的机遇，但是这种无线信号监控的准确度较低。
中国专利201410008003.X提供一种车辆无线视频监控的高效传输系统，包括用于对各种信息进行实时捕获和数字化采集的视频监控车载前端；车载信息记录平台，用于对所采集的信息进行记录和处理，对音视频数据进行编码；车辆信息融合模块，用于将采集的北斗/GPS定位信息分别与传感器信息和音视频信息进行融合，形成带有位置定位的传感信息和音视频信息；车载信息管理模块，用于对记录处理后的信息进行管理；以及监控中心；其中，所述车辆的北斗/GPS定位信息实时的传输至监控中心，而音视频信息则根据车辆的实际运行情况和监控中心的要求进行动态的传输控制。该发明能够大大的减少无线传输需求，在保证运营安全的同时节省了运营成本，实现高效传输。
但是上述的专利仅仅提及了将采集的北斗/GPS定位信息分别与传感器信息和音视频信息进行融合，并无细化提及如何融合。而且该专利需要车辆主动提供相关信息，因而降低了其应用范围。
因此，有必要设计一种车辆追踪及道路交通信息采集的方法，实现能够最大限度地将无线监控覆盖面积大、需要运算和数据处理量小和视频监控准确度高的优点紧密结合起来，扬长避短以实现高精度及低成本的多模式车辆定位、追踪及道路交通信息采集。
发明内容
本发明的目的在于克服现有技术的缺陷，提供车辆追踪及道路交通信息采集的方法及其系统。
为实现上述目的，本发明采用以下技术方案：车辆追踪及道路交通信息采集的方法，所述方法包括：
制定监控区域地图；
将监控区域内的视频监控设备的信息和无线基站设备的信息存储于同一数据库内；
分别采集无线信号以及视频信号；
对无线信号进行处理、定位、追踪及交通信息采集，获取无线终端设备的相关数据，并存储于数据库内；
对视频信号进行处理、定位、追踪及交通信息采集，获取视频监控目标的相关数据，并存储于数据库内；
匹配无线终端设备以及视频监控目标，并融合无线终端设备的相关数据以及视频监控目标的相关数据，获取初步交通信息；
将初步交通信息与监控区域内其他设备的监测数据进行融合，形成交通信息。
其进一步技术方案为：分别采集无线信号以及视频信号的步骤，包括以下具体步骤：
扫描并获取在无线基站覆盖范围内的无线终端设备的信号，并记录无线终端设备信号的相关信息于数据库内，形成无线信号；
对在视频监控设备覆盖范围内的车辆进行视频录像并记录时间，并将录像和时间存储于数据库内，形成视频信号。
其进一步技术方案为：对无线信号进行处理、定位、追踪及交通信息采集，获取无线终端设备的相关数据，并存储于数据库内的步骤，包括以下具体步骤：
根据无线信号估计无线终端设备的所有位置；
按照时间顺序并参考道路的拓扑结构将无线终端设备的所有位置连接，形成无线终端设备的移动轨迹；
统计单个无线基站设备在设定时间段内监测到的无线终端设备个数，并去除非车辆内的无线终端设备，获取无线终端设备的流量信息，且分析估算出无线终端设备在监控区域内行驶的速度以及旅程分布信息，形成交通信息；
将无线信号内的监控时间、无线终端设备的所有位置、移动轨迹以及交通信息存储于数据库内。
其进一步技术方案为：对视频信号进行处理、定位、追踪及交通信息采集，获取视频监控目标的相关数据，并存储于数据库内的步骤，包括以下具体步骤：
对单个视频监控范围内的视频信号进行图像处理及数据分析，提取视频监控目标的车牌和车辆的其他识别信息以及车辆在视频监控范围内的位置信息；
按照时间顺序并参考道路的拓扑结构将视频监控目标的所有位置连接，形成视频监控目标的移动轨迹；
获取视频监控目标通过视频监控点的速度，统计单个视频监控在一段时间内监测到的视频监控目标数量，形成视频监控点的车流量信息，利用部署在交通道路上不同位置的不同视频基站观测到同一视频监控目标的时间进行统计分析，估计视频监控目标在这些交通道路间行驶时的速度以及旅程分布信息，形成交通信息采集；
将视频监控目标的监控时间、位置、移动轨迹以及交通信息存储于数据库内。
其进一步技术方案为：匹配无线终端设备以及视频监控目标，并融合无线终端设备的相关数据以及视频监控目标的相关数据，获取初步交通信息的步骤，包括以下具体步骤：
匹配无线终端设备以及视频监控目标；
拟合无线终端设备的移动轨迹以及视频监控目标的移动轨迹，形成匹配关系；
根据匹配关系，将视频监控目标的位置以及对应的无线终端设备位置按照时间顺序排列；
获取视频监控目标的位置以及对应的无线终端设备位置融合的位置，结合监控区域内道路拓扑结构以及视频监控目标的移动轨迹，形成初步交通信息，存储于数据库内。
其进一步技术方案为：拟合无线终端设备的移动轨迹以及视频监控目标的移动轨迹，形成匹配关系的步骤，具体是采用二分图和Kuhn-Munkres算法拟合无线终端设备的移动轨迹以及视频监控目标的移动轨迹。
本发明还提供了车辆追踪及道路交通信息采集的系统，包括地图制定单元、存储单元、信号采集单元、无线信号处理单元、视频信号处理单元、第一融合单元以及第二融合单元；
所述地图制定单元，用于制定监控区域地图；
所述存储单元，用于将监控区域内的视频监控设备的信息和无线基站设备的信息存储于同一数据库内；
所述信号采集单元，用于分别采集无线信号以及视频信号；
所述无线信号处理单元，用于对无线信号进行处理、定位、追踪及交通信息采集，获取无线终端设备的相关数据，并存储于数据库内；
所述视频信号处理单元，用于对视频信号进行处理、定位、追踪及交通信息采集，获取视频监控目标的相关数据，并存储于数据库内；
所述第一融合单元，用于匹配无线终端设备以及视频监控目标，并融合无线终端设备的相关数据以及视频监控目标的相关数据，获取初步交通信息；
所述第二融合单元，用于将初步交通信息与监控区域内其他设备的监测数据进行融合，形成交通信息。
其进一步技术方案为：所述信号采集单元包括无线信号采集模块以及视频信号采集模块；
所述无线信号采集模块，用于扫描并获取在无线基站覆盖范围内的无线终端设备的信号，并记录无线终端设备信号的相关信息于数据库内，形成无线信号；
所述视频信号采集模块，用于对在视频监控设备覆盖范围内的车辆进行视频录像并记录时间，并将录像和时间存储于数据库内，形成视频信号。
其进一步技术方案为：所述无线信号处理单元包括位置估计模块、移动轨迹形成模块、第一信息形成模块以及第一存储模块；
所述位置估计模块，用于根据无线信号估计无线终端设备的所有位置；
所述移动轨迹形成模块，用于按照时间顺序并参考道路的拓扑结构将无线终端设备的所有位置连接，形成无线终端设备的移动轨迹；
所述第一信息形成模块，用于统计单个无线基站设备在设定时间段内监测到的无线终端设备个数，并去除非车辆内的无线终端设备，获取无线终端设备的流量信息，且分析估算出无线终端设备在监控区域内行驶的速度以及旅程分布信息，形成交通信息；
所述第一存储模块，用于将无线信号内的监控时间、无线终端设备的所有位置、移动轨迹以及交通信息存储于数据库内。
其进一步技术方案为：所述视频信号处理单元包括分析模块、连接模块、第二信息形成模块以及第二存储模块；
所述分析模块，用于对单个视频监控范围内的视频信号进行图像处理及数据分析，提取视频监控目标的车牌和车辆的其他识别信息以及车辆在视频监控范围内的位置信息；
所述连接模块，用于按照时间顺序并参考道路的拓扑结构将视频监控目标的所有位置连接，形成视频监控目标的移动轨迹；
所述第二信息形成模块，用于获取视频监控目标通过视频监控点的速度，统计单个视频监控在一段时间内监测到的视频监控目标数量，形成视频监控点的车流量信息，利用部署在交通道路上不同位置的不同视频基站观测到同一视频监控目标的时间进行统计分析，估计视频监控目标在这些交通道路间行驶时的速度以及旅程分布信息，形成交通信息采集；
所述第二存储模块，用于将视频监控目标的监控时间、位置、移动轨迹以及交通信息存储于数据库内。
本发明与现有技术相比的有益效果是：本发明的车辆追踪及道路交通信息采集的方法，通过设定监控区域，采集监控区域内的无线信号以及视频信号，分别对无线信号和视频信号进行处理，获取交通信息、无线终端设备的相关数据以及视频监控目标的相关数据，将这三者进行融合，获取初步交通信息，且将初步交通信息与其他监测数据融合，实现将对无线信号的监测、视频监控和其他传感技术结合起来，能够最大限度地将无线监控覆盖面积大、需要运算和数据处理量小和视频监控准确度高的优点紧密结合起来，扬长避短以实现高精度及低成本、准确、大范围的多模式车辆定位、追踪及道路交通信息采集。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
图1为本发明具体实施例提供的车辆追踪及道路交通信息采集的方法的流程图一；
图2为本发明具体实施例提供的车辆追踪及道路交通信息采集的方法的流程图二；
图3为本发明具体实施例提供的排除法的原理示意图；
图4为本发明具体实施例提供的基于视频和无线监控的人物识别及追踪系统的结构框图。
具体实施方式
为了更充分理解本发明的技术内容，下面结合具体实施例对本发明的技术方案进一步介绍和说明，但不局限于此。
如图1～4所示的具体实施例，本实施例提供的车辆追踪及道路交通信息采集的方法，可以运用在车辆追踪以及道路交通的情况的实时分析过程中，实现能够最大限度地将无线监控覆盖面积大、需要运算和数据处理量小和视频监控准确度高的优点紧密结合起来，扬长避短以实现高精度及低成本的多模式车辆定位、追踪及道路交通信息采集。
如图1所示，本实施例提供了车辆追踪及道路交通信息采集的方法，该方法包括：
S1、制定监控区域地图；
S2、将监控区域内的视频监控设备的信息和无线基站设备的信息存储于同一数据库内；
S3、分别采集无线信号以及视频信号；
S4、对无线信号进行处理、定位、追踪及交通信息采集，获取无线终端设备的相关数据，并存储于数据库内；
S5、对视频信号进行处理、定位、追踪及交通信息采集，获取视频监控目标的相关数据，并存储于数据库内；
S6、匹配无线终端设备以及视频监控目标，并融合无线终端设备的相关数据以及视频监控目标的相关数据，获取初步交通信息。
S7、将初步交通信息与监控区域内其他设备的监测数据进行融合，形成交通信息。
对于上述的S1步骤，具体是选定监控区域，再根据选定的区域制作监控区域矢量地图，根据具体场景和应用需求，该地图可以是二维或三维的；比如选定某个带多岔路口的道路为监控区域，则根据该道路的位置、构造指定监控区域的矢量地图。
对于上述的S2步骤，上述的视频监控设备的信息以及无线基站设备的信息主要包括设备标识信息、设备种类、生产厂商及厂商提供的相关参数如覆盖范围等、安装位置、设置参数以及视频监控设备和无线基站设备在监控区域地图中的位置信息。优选地，当视频监控设备和无线基站设备有定位功能时，如GPS、无线定位等，相应设备的位置信息可以自动产生并录入到数据库中。
举个例子，在城市区域内会部署有多个无线基站设备以及多个视频监控设备，分别位于城市的不同区域以实现该区域的车辆定位、追踪及道路交通信息采集，也可以同时实现对多个车辆的定位及追踪。无线基站设备可以是支持蓝牙、WI-FI、蜂窝网、DSRC(Dedicated Short Range Communication)、LTE V2X、IEEE 802.11p通信的基站的任意一种或多种的结合，无线基站设备可以是专门用于监控，也可以在提供无线通讯服务的同时实现监控功能。如图2所示，无线基站设备可以和视频监控设备部署在同一位置，也可以和视频监控设备分别部署在不同位置。
更进一步地，在某些实施例中，上述的S3步骤，分别采集无线信号以及视频信号的步骤，包括以下具体步骤：
S31、扫描并获取在无线基站覆盖范围内的无线终端设备的信号，并记录无线终端设备信号的相关信息于数据库内，形成无线信号；
S32、对在视频监控设备覆盖范围内的车辆进行视频录像并记录时间，并将录像和时间存储于数据库内，形成视频信号。
上述的S31步骤，当无线终端设备相应无线功能如蜂窝网、蓝牙、Wi-Fi、车联网开启时，相应的无线基站设备如蜂窝网基站、蓝牙监测设备、WI-FI接入点设备，车联网基站即能够扫描并监测到无线终端设备的无线信号(蜂窝网信号、蓝牙信号、Wi-Fi信号或车联网信号)，不需要移动终端主动接入到相关无线基站设备，无线基站设备也不一定为移动终端提供无线通讯服务，无线基站设备主要扫描获取移动终端的信号。无线基站设备对在其覆盖范围内的无线终端设备，例如车载无线通信设备、车主及乘客的移动终端设备，进行周期性地扫描以获取这些无线通信设备的响应或侦听无线通信设备信号，形成无线信号，记录以下相关信息：无线终端设备信号被无线基站接收到的时间(即时间戳)、无线终端设备的无线标识信息、无线终端设备发射的信号到达无线基站的信号强度、接收无线基站的标识信息、接收无线终端设备的位置，并存储到相应的数据库中。
对于上述的S32步骤，视频监控设备对在其覆盖范围内的车辆进行视频录像并记录时间，并将该信息存储到相应的数据库中。或者当视频监控设备具有本地信息存储和处理功能时，由视频监控设备将视频信息进行处理，提取出车牌和其他识别信息，如车型、车辆颜色、车辆长度等信息，车辆在视频监控范围内的位置信息，将这些车辆识别信息，车辆位置及记录时间、视频监控设备的位置及标识信息传送到中央处理单元，并将相应的视频录像进行本地存储以备将来查询。
更进一步地，在某些实施例中，上述的S4步骤，对无线信号进行处理、定位、追踪及交通信息采集，获取无线终端设备的相关数据，并存储于数据库内的步骤，包括以下具体步骤：
S41、根据无线信号估计无线终端设备的所有位置；
S42、按照时间顺序并参考道路的拓扑结构将无线终端设备的所有位置连接，形成无线终端设备的移动轨迹；
S43、统计单个无线基站设备在设定时间段内监测到的无线终端设备个数，并去除非车辆内的无线终端设备，获取无线终端设备的流量信息，且分析估算出无线终端设备在监控区域内行驶的速度以及旅程分布信息，形成交通信息；
S44、将无线信号内的监控时间、无线终端设备的所有位置、移动轨迹以及交通信息存储于数据库内。
对于上述的S41步骤，当在一段时间内只有单个无线基站设备汇报某个无线终端设备的位置时，将该无线基站的位置当作该无线终端设备的位置估计，并利用该无线基站设备的覆盖范围作为该无线终端设备位置的置信区间。当在一段较短时间内有两个或多个无线基站设备汇报某个无线终端设备的位置时，将这几个无线基站设备覆盖范围重叠区域的几何中心作为该无线终端设备的位置估计，并将上述重叠区域作为该无线终端设备位置的置信区间。
优选地，当上述位置在车辆不可能到达的地点时，如湖泊、步行区或其他车辆无法行驶到的位置，可以对上述位置估计做一定修正，比如说选取可能位置区域内最靠近上述位置的地点作为位置估计。
另外，在某些应用场景中或者某些地点可以通过对无线终端设备的无线信号自动或人工测量建立起无线信号环境数据库，该无线信号环境数据库包括在监控区域内各个位置的坐标信息、处于该位置的无线终端设备类别、处于该位置的无线终端设备发射的信号到达无线基站设备的信号强度以及该信号强度的统计特征(如均值、方差、统计分布等)、接收无线基站设备的标识信息、接收无线基站的位置等信息。利用该无线信号环境数据库，可以将当前无线终端设备的信号强度与环境数据库中的信号强度进行对比，通过一定的算法获取当前无线终端设备的位置信息及该位置估计的置信区间，这里的无线终端设备的位置估计算法可以是基于机器学习的算法如最邻近算法、K加权邻近法，基于贝叶斯概率分析的算法如最大似然估计、最大后验估计等，或其中一种或多种的结合算法及其改进算法并结合卡尔曼滤波方法参考无线终端设备的动态移动模型。另外，这些算法也可以利用信号强度在不同位置的相对变化值，而不是信号强度在某一个固定位置的绝对值，来进行位置估计。
在某些应用场景中或者某些地点可以通过对无线终端设备的无线信号自动或人工测量建立起无线信号随传播距离衰减的统计模型。利用该统计模型并结合贝叶斯概率分析的方法，如最大似然估计、最大后验估计等，并结合卡尔曼滤波方法参考无线终端设备的动态移动模型，得到无线终端设备更为准确的位置及置信区间的估计。
对于上述的S42步骤，形成的该无线终端设备移动轨迹可以运用于无线终端设备的定位和追踪过程中；优选地，利用卡尔曼滤波、粒子滤波的方法或其结合及改进算法，并结合其他辅助信息，例如监控区域内道路的拓扑结构、无线终端设备移动的动态模型，对无线终端设备的位置及移动轨迹进行更为准确的估计。当然，也可以运用其他辅助信息，例如无线终端设备的移动速度等，过滤掉不可能处于车辆内的无线终端设备，例如，当无线终端设备的移动速度相对于相关路段的车辆行驶速度相比较很慢时，可以判定该移动设备的持有人可能是路边行人，而非车辆内的乘客，在这种情况下可以将相关无线终端设备的标识予以标注，和车辆内的无线终端设备区别开来。
对于上述的S43步骤，统计单个无线基站在一段时间内监测到的无线终端设备个数，并去除非车辆内的无线终端设备，形成单个无线基站设备的无线终端设备的流量信息。当单个无线基站设备在一段较短的时间内连续观察到同一个无线终端设备时，可以利用观察到的无线信号强度的变化并利用位置估计的方法、结合卡尔曼滤波的方法估计出该无线终端设备通过该无线基站设备时的移动速度，统计车辆通过该基站监控设备的速度。而且可以更近一步利用部署在交通道路上不同位置的不同无线基站设备观测到同一无线终端设备的时间进行统计分析，估计出无线终端设备在这些交通道路间行驶时的速度以及旅程分布信息。
更进一步地，在某些实施例中，上述的S5步骤，对视频信号进行处理、定位、追踪及交通信息采集，获取视频监控目标的相关数据，并存储于数据库内的步骤，包括以下具体步骤：
S51、对单个视频监控范围内的视频信号进行图像处理及数据分析，提取视频监控目标的车牌和车辆的其他识别信息以及车辆在视频监控范围内的位置信息；
S52、按照时间顺序并参考道路的拓扑结构将视频监控目标的所有位置连接，形成视频监控目标的移动轨迹；
S53、获取视频监控目标通过视频监控点的速度，统计单个视频监控在一段时间内监测到的视频监控目标数量，形成视频监控点的车流量信息，利用部署在交通道路上不同位置的不同视频基站观测到同一视频监控目标的时间进行统计分析，估计视频监控目标在这些交通道路间行驶时的速度以及旅程分布信息，形成交通信息采集；
S54、将视频监控目标的监控时间、位置、移动轨迹以及交通信息存储于数据库内。
考虑到视频信号数据量大的特点，对于视频信号也可以在视频监控处进行一定的本地信号处理和存储，然后将处理后的信号传送到对应的数据库内，或者供需要时调取视频监控的信息。
对于上述的S51步骤，对单个视频监控范围内拍摄到的车辆进行图像处理及数据分析，提取出车牌和车辆的其他识别信息，如车型、车辆颜色、车辆长度等信息，以及车辆在视频监控范围内的位置信息。
对于车牌的识别包括车辆图像采集，车牌定位，字符分割，光学字符识别，输出识别结果。车辆图像的采集方式决定了车牌识别的技术路线。目前通行的两条主流技术路线是自然光和红外光图像采集识别。相关的定位估计可以使用基于图像的定位技术包括使用背景差、帧差法或光流法等算法进行目标检测，并在获取目标车辆的点、线、轮廓、区域等单视觉特征后，进行特征匹配和多视角特征信息协作融合，最后基于单目视觉成像模型或多目视觉立体成像模型估计目标车辆的位置。
对于上述的S52步骤，优选地，利用卡尔曼滤波、粒子滤波的方法或其结合及改进算法，并结合其他辅助信息，例如监控区域内的道路的拓扑结构、车辆移动的动态模型，对目标车辆的位置及移动轨迹进行更为准确的估计。
对于上述的S53步骤，对一辆车在单个视频监控设备覆盖范围内的移动，进行连续监控及数据处理，即可以得到该车辆通过该视频监控点的速度，并可以统计得出车辆通过该视频监控点的速度，统计单个视频监控设备在一段时间内监测到的车辆数，形成视频监控点的车流量信息，另外还可以更近一步利用部署在交通道路上不同位置的不同视频监控设备观测到同一车辆的时间进行统计分析估计出车辆在这些交通道路间行驶时的速度以及旅程分布信息。
更进一步地，在某些实施例中，上述的S6步骤，匹配无线终端设备以及视频监控目标，并融合无线终端设备的相关数据以及视频监控目标的相关数据，获取初步交通信息的步骤，包括以下具体步骤：
S61、匹配无线终端设备以及视频监控目标；
S62、拟合无线终端设备的移动轨迹以及视频监控目标的移动轨迹，形成匹配关系；
S63、根据匹配关系，将视频监控目标的位置以及对应的无线终端设备位置按照时间顺序排列；
S64、获取视频监控目标的位置以及对应的无线终端设备位置融合的位置，结合监控区域内道路拓扑结构以及视频监控目标的移动轨迹，形成初步交通信息，存储于数据库内。
将视频监控设备获取的目标车辆的车牌及其他识别信息和无线基站设备获取的无线终端设备标识建立起匹配关系，即将车辆和车内无线终端设备对应起来，并将基于视频监控设备的定位及追踪和基于无线基站设备的定位及追踪结合起来以实现对车辆更大范围、更高精度的定位和追踪。
对于上述的S61步骤，首先，利用排除法将一些不可能是匹配关系的车辆和无线终端设备排除出去。如图3所示，例如在某个时间段内地点A处的视频监控设备识别出四个车辆，相应的车辆标识表示为Da、Db、Dc、Dd。该标识可以由系统建立，和车牌及车辆的其他识别特征有唯一性的一一对应关系。在同一个时间段、同一地点的无线基站识别出三个无线终端设备，其相应的无线终端设备标识表示为ID1、ID2、ID3。这表示无线终端设备ID1、ID2、ID3可能会对应车辆Da、Db、Dc、Dd。在一个随后的(不一定相邻的)时间段中，地点B的视频监控设备监测到目标车辆Ca、Cb、Cf、Ce。在同一时间段内地点C的无线基站设备监测到无线终端设备ID3。当地点B和地点C的距离较大时意味着无线终端设备ID3不可能对应目标车辆Ca、Cb。利用排除法，只有无线终端设备ID2、ID3可能会对应视频目标车辆Ca、Cb。在另外一个随后的(不一定相邻的)时间段中，地点E的视频监控设备监测到目标车辆Ca、Ce、Cg。在同一时间段内地点F的无线基站监测到无线终端设备ID2。当地点F和地点E的距离较大时意味着无线终端设备ID2不可能对应目标车辆Ca。进一步利用排除法，只有无线终端设备ID1可能会对应目标车辆Ca。在上述例子中，可以用贝叶斯概率分析的方法，结合辅助信息例如车辆的最大移动速度，无线终端设备被监测到的概率，车辆被视频准确识别的概率等，将上述例子中的可能性指标进一步量化，将配对可能性较低的车辆和无线终端设备删除，从而得到配对可能性较高的车辆和无线终端设备进行更进一步的分析和处理。另外，在上述例子中，通过排除法得到了无线终端设备Ca和车辆Ca的可能匹配关系。在通常情况下，仅仅应用排除法不能够建立无线终端设备和车辆的匹配关系，只能够删除一些不可能配对的无线终端设备和车辆，这时候需要利用下一步的方法做更进一步的判断。
对于上述的S62步骤，将无线终端设备的轨迹和视频监控目标的轨迹按照无线终端设备和视频监控目标被监测到的时间顺序排列起来，并利用二分图和Kuhn-Munkres算法拟合无线终端设备的移动轨迹以及视频监控目标的移动轨迹，将无线终端设备和视频监控目标，用最优的方法匹配起来。用G＝(V,E)来表示该二分图，其中V表示二分图的顶点集合，E表示二分图的边集合。二分图的顶点集合可以分为两个互不相交的子集合(VA，VB)，其中VA包含所有的待配对的视频监控目标，VB包含所有的待配对的无线终端设备。eij∈E为连接vi∈VA和vj∈VB的一条无向边，只有在一个属于VA的顶点和一个属于VB的顶点之间存在一条边，在都属于VA的两个顶点之间和在都属于VB的两个顶点之间则不存在边。用cij代表eij的权重或成本。最优匹配算法建立起VA的顶点和VB的顶点的一一对应关系，实现匹配，将相应成本之和最小化。建立上述二分图模型以后，最优匹配的求解可以用Kuhn-Munkres算法或其改进算法来解决，并将匹配结果存储到相应的数据库中。
其中cij的取值决定了匹配算法的准确度。cij可以设置为视频监控目标vi∈VA的通过视频监控估计的轨迹和无线终端设备vj∈VB的通过无线监控估计的无线终端设备轨迹的平均距离，也可以设置为上述两个轨迹的最大距离。
上述的视频监控目标在本实施例中指代的是视频监控车辆，当然，于其他实施例中，上述的视频监控目标可以为其他移动的设备。
在解决上述无线终端设备和视频监控目标配对问题时，需要认识到视频监控设备捕捉到的车辆数目和无线基站设备捕捉到的无线终端设备数目不一定相等。一方面，视频监控设备捕捉不到其覆盖范围以外的车辆，同时也存在部分在视频覆盖范围内的车辆无法被视频监控系统识别到。另一方面视频监控设备可能捕捉到未携有无线终端设备的车辆。而且在大多数情况下，视频覆盖范围和无线基站覆盖范围不一样，因而可能存在某些车辆没有与其对应的无线终端设备，或者某些无线终端设备没有与其对应的车辆，而且某些车辆可能携带两个或以上的无线终端设备。针对第一种情况，即某些车辆没有与其对应的无线终端设备，或者某些无线终端设备没有与其对应的车辆，可以用在相应的顶点集合VA、VB增加虚拟顶点的办法解决。虚拟顶点到其他顶点的边的权重或成本可以设置成一个比较大的数值，然后用Kuhn-Munkres算法或其改进算法来解决。对应第二种情况，即一个车辆可能携带两个或以上的无线终端设备，可以设置一个整数N，其数值可以经验设置为2、3或4，代表通常情况下一辆车上可能最多携带N个无线终端设备，然后对Kuhn-Munkres算法或其改进算法做相应的改进允许最多N个无线终端设备和同一个视频目标匹配。通常情况下N的数值比较小，例如小于或等于10，在极端情况下，N的数值会比较大，比如说公共汽车。在这种情况下可以根据车牌号和其他车辆识别特征比较容易地识别出车辆类型，从而设置其相应的N的数值。
当上述匹配关系建立起来以后，在系统运行时可以持续添加最新识别出的匹配信息，利用最新获得的测量信息对已经识别出的匹配关系进行更新以提高估计准确性，并对陈旧的匹配信息进行删除。对陈旧的匹配信息进行删除通常会在两种情况下发生：一是匹配信息存储时间超过一定的时间门限值，而且在相应的时间段中没有监测到相应的车辆或与其匹配的无线终端设备的出现；二是多次发生以下情况：视频监控检测到车辆的出现，但在相应的时间和空间段无线基站没有检测到与其对应的无线终端设备。例如，车辆或其乘客更换了无线终端设备。而且对于特定类型的车辆，比如说出租车，其乘客频繁更换，但出租车司机相对固定。在这种情况下，需要将相对稳定的匹配关系和频繁更换的匹配关系区别出来予以分别处理。
优选地，在某些应用场景中，有可能在车辆年检时对车载无线通信设备的标识予以登记或对车主携带的移动终端的无线标识予以登记并和车辆匹配起来。
优选地，在某些应用场景中或者某些地点可以通过对无线终端设备的无线信号测量建立起无线信号环境数据库，或者在某些应用场景中或某些地点可以通过对无线终端设备的无线信号测量建立起无线信号随传播距离衰减的统计模型。在这些情况下可以用贝叶斯概率分析建立视频目标vi∈VA和无线终端设备vj∈VB存在匹配关系的概率，相应地将cij替换为该概率，并对Kuhn-Munkres算法或其改进算法做相应的改进找出最大化联合概率的匹配关系。在这种情况下，前述虚拟顶点到其他顶点的边的权重或收益可以设置成零。该步骤可以让本系统在运行中系统性能，即准确定位及追踪的能力，随运行时间的增长而逐步提高。
优选地，在已经建立起匹配关系后，可以利用视频监测得到的目标车辆位置和与其匹配的无线终端设备的无线信号测量建立无线信号环境数据库或无线信号随传播距离衰减的统计模型，这样可以让本系统在运行中系统性能，即准确定位及追踪的能力，随运行时间的增长而逐步提高。
对于上述的S63步骤，在已经建立起匹配关系以后，可以将车辆的通过视频监控设备监测得到的位置估计值和与其匹配的无线终端设备通过无线监控设备得到的位置估计值按照时间顺序排列，利用卡尔曼滤波、粒子滤波的方法或其结合及改进算法并考虑到视频监控和无线监测不同的位置估计精度，并结合其他辅助信息，例如监控区域内的道路拓扑结构、车辆移动的动态模型，得到融合无线和视频信号的车辆的更为准确的位置估计及移动轨迹估计并存储到相应的数据库中。该位置估计及移动轨迹估计也可以用于对特定人物目标，即车辆乘客的追踪。以较低成本实现乘客或者车辆的准确、大范围监控及追踪。通过监测车辆或其匹配无线终端设备通过视频监控或者无线基站的时间，而不是只依赖于视频监控或只依赖于无线基站监控，可以得到车辆行驶速度、旅程分布信息等交通信息的精度更高的估计且降低监测成本。
更进一步地，对于上述的S7步骤，对基于视频监控获取的交通信息和基于无线监控获取的交通信息进行融合估计以实现对交通信息更大范围、更高精度的采集，融合其他传感器，例如线圈检测器、雷达测速仪等，采集的信息对相关参数进行融合估计以提高交通信息估计精度及测量范围。
利用无线基站设备对无线终端设备进行定位并对无线终端设备经过无线基站监测点时的移动速度、流量、在无线基站设备之间旅行时的速度以及旅程分布信息进行估计；利用视频监控对车辆通过视频监控点时的位置、速度、车流量、车辆在视频监控点之间旅行时的速度以及旅程分布信息进行估计；受各自的测量技术制约，通过无线基站设备测量得出的估计和通过视频监控设备得出的估计单一都不能准确反应相关交通信息。具体来说，利用基于无线基站设备测量得出的估计受到车内可能没有无线通信设备、可能有多个无线通信设备、不同的设备对无线基站的扫描响应速度不同，甚至有些设备会没有响应、不同无线终端设备发射信号强度不同等种种因素的制约；基于视频监控设备的估计容易受到视频监控覆盖区域小、车牌被恶意遮挡或出现污点、磨损及褪色、光照变化、恶劣天气、拍摄方式、车辆速度、运算量大等因素影响。而且受成本及系统安装要求等限制无法达到广泛覆盖，目前视频监控只能部署在重点路段。将两种方式得出的估计进行融合以得到交通信息的准确估计。
以下以车流量信息的融合估计为例予以详细说明。具体融合方法如下：将时间分为互不重叠的、连续的较小时间段(例如，每五分钟)，用序号1，…,n,…对这些时间段进行连续标号。用Xi来表示用视频监控估计得到的在某个视频监控覆盖范围内在第i个时间段的车辆数。用Yi来表示基于无线基站设备测量估计得出的在与视频监控相同区域内的，在第i个时间段的无线终端设备个数。利用Xi与Yi的数值，对无线终端设备测量的矫正系数可以用最小均方差估计的方法被估计得出：
得到以上系数k和b后，对于监控区域内(或其中任意一子区域，不管该子区域在不在视频监控覆盖范围以内)的车流量，可以用基于无线基站设备测量估计得出的该区域内的无线终端设备个数进行矫正来得到。具体来说，用z来表示在某个区域内的基于无线基站设备测量估计得出的无线终端设备个数，kz+b即为在同一区域内的车辆流量的估计。Xi是无偏估计时，kz+b也是无偏估计。当Xi是有偏估计时，对参数b做相应的矫正以包含该系统估计偏差的影响也可以使kz+b成为无偏估计。另外，对以上最小均方差估计略作修正，可以得到其他的估计形式，如递归最小均方误差估计让系数k和b随时间变化以更好反应不同时间段乘客携带移动终端的情况。利用贝叶斯估计或其改进算法也可以得到其他的估计形式，如以最小方差、最小绝对值误差、归一化最小二乘误差、最小熵等作为目标设计出的估计方法，将两种不同方式估计出的车流量信息予以融合提高整体估计精度。
对其他传感器，例如线圈检测器、雷达测速仪等，采集的信息也可以用上述类似的方法对相关参数进行融合估计以提高交通信息估计精度及增大测量范围。
无线基站设备和视频监控设备收集相应的无线信号和视频信号，通过有线或无线的方式传送至对应的单元进行处理。另外，可以根据监测区域的实际状况及现有设施进行调整与组合，例如在某些重点路段通常已经有大量的视频监控设备，在这种情况下可以仅需增加部署一些无线基站设备并和现有的视频监控设备结合起来实现监控。在某些没有良好的基础设施支撑的地点，如高速通信电缆没有接入的地方，可以只布设无线基站设备。
在本实施例中，监控区域可以为任意区域，例如城市，城市中的某个区域，中的道路。
在本实施例中，无线终端设备的无线连接方式可以为Wi-Fi、蓝牙、蜂窝网、DSRC(Dedicated Short Range Communication)、LTE V2X、IEEE 802.11p中的任意一种或几种。无线基站可以是支持上述无线连接方式的基站的任意一种或几种，无线基站设备可以是专门用于监控，也可以在提供无线通讯服务的同时实现监控功能。
上述的无线终端设备可以为移动终端，当然于其他实施例，上述的无线终端设备也可以为笔记本电脑等。
在本实施例中，无线终端设备的无线标识信息可以为MAC(medium accesscontrol)、IMEI(International Mobile Equipment Identity，移动设备国际标识码)、MEID(Mobile Equipment Identifier，移动设备标识码)、UDID(Unique DeviceIdentifier，唯一设备标识符)、ISMI(International Mobile Subscriber Identity，国际移动用户识别码)、ICCID(Integrated Circuit Card Identity，集成电路卡识别码)中的任意一种或几种。另外，当无线连接方式为蓝牙时，可以额外记录移动终端设备类别(classof ID)以区分移动终端是移动终端可以为手机、平板电脑、或其他设备。通过以上无线标识信息也可以区分移动终端生产厂商，如苹果、华为、Samsung等。
在本实施例中，车载无线通信设备包括移动终端和车载通信设备。移动终端可以为手机、平板电脑、PDA(Personal Digital Assistant，个人数码助理)、具有无线通讯功能的智能可穿戴设备、其他便于随时携带的具有无线通讯功能的设备中的任意一种。车载通信设备可以为支持车内无线通信的设备，如电话免提系统或其他支持车内无线通信的系统，也可以是支持车联网通信的设备。
上述的车辆追踪及道路交通信息采集的方法，通过设定监控区域，采集监控区域内的无线信号以及视频信号，分别对无线信号和视频信号进行处理，获取交通信息、无线终端设备的相关数据以及视频监控目标的相关数据，将这三者进行融合，获取初步交通信息，且将初步交通信息与其他监测数据融合，实现将对无线信号的监测、视频监控和其他传感技术结合起来，能够最大限度地将无线监控覆盖面积大、需要运算和数据处理量小和视频监控准确度高的优点紧密结合起来，扬长避短以实现高精度及低成本、准确、大范围的多模式车辆定位、追踪及道路交通信息采集。
如图4所示，本实施例还提供了车辆追踪及道路交通信息采集的系统，其包括地图制定单元1、存储单元2、信号采集单元3、无线信号处理单元4、视频信号处理单元5、第一融合单元6以及第二融合单元7。
地图制定单元1，用于制定监控区域地图。具体是选定监控区域，再根据选定的区域制作监控区域矢量地图，根据具体场景和应用需求，该地图可以是二维或三维的；比如选定某个带多岔路口的道路为监控区域，则根据该道路的位置、构造指定监控区域的矢量地图。上述的视频监控设备的信息以及无线基站设备的信息主要包括设备标识信息、设备种类、生产厂商及厂商提供的相关参数如覆盖范围等、安装位置、设置参数以及视频监控设备和无线基站设备在监控区域地图中的位置信息。优选地，当视频监控设备和无线基站设备有定位功能时，如GPS、无线定位等，相应设备的位置信息可以自动产生并录入到数据库中。
举个例子，在城市区域内会部署有多个无线基站设备以及多个视频监控设备，分别位于城市的不同区域以实现该区域的车辆定位、追踪及道路交通信息采集，也可以同时实现对多个车辆的定位及追踪。无线基站设备可以是支持蓝牙、WI-FI、蜂窝网、DSRC(Dedicated Short Range Communication)、LTE V2X、IEEE 802.11p通信的基站的任意一种或多种的结合，无线基站设备可以是专门用于监控，也可以在提供无线通讯服务的同时实现监控功能。如图2所示，无线基站设备可以和视频监控设备部署在同一位置，也可以和视频监控设备分别部署在不同位置。
存储单元2，用于将监控区域内的视频监控设备的信息和无线基站设备的信息存储于同一数据库内。
信号采集单元3，用于分别采集无线信号以及视频信号。
无线信号处理单元4，用于对无线信号进行处理、定位、追踪及交通信息采集，获取无线终端设备的相关数据，并存储于数据库内。
视频信号处理单元5，用于对视频信号进行处理、定位、追踪及交通信息采集，获取视频监控目标的相关数据，并存储于数据库内。
第一融合单元6，用于匹配无线终端设备以及视频监控目标，并融合无线终端设备的相关数据以及视频监控目标的相关数据，获取初步交通信息。
第二融合单元7，用于将初步交通信息与监控区域内其他设备的监测数据进行融合，形成交通信息。
更进一步地，对于上述的信号采集单元3包括无线信号采集模块以及视频信号采集模块。
无线信号采集模块，用于扫描并获取在无线基站覆盖范围内的无线终端设备的信号，并记录无线终端设备信号的相关信息于数据库内，形成无线信号；当无线终端设备相应无线功能如蜂窝网、蓝牙、Wi-Fi、、车联网开启时，相应的无线基站设备如蜂窝网基站、蓝牙监测设备、WI-FI接入点、车联网基站设备即能够扫描并监测到无线终端设备的无线信号(蜂窝网信号、蓝牙信号、Wi-Fi信号或车联网信号)，不需要移动终端主动接入到相关无线基站设备，无线基站设备也不一定为移动终端提供无线通讯服务，无线基站设备主要扫描获取移动终端的信号。无线基站设备对在其覆盖范围内的无线终端设备，例如车载无线通信设备、车主及乘客的移动终端设备，进行周期性地扫描以获取这些无线通信设备的响应或侦听无线通信设备信号，形成无线信号，记录以下相关信息：无线终端设备信号被无线基站接收到的时间(即时间戳)、无线终端设备的无线标识信息、无线终端设备发射的信号到达无线基站的信号强度、接收无线基站的标识信息、接收无线终端设备的位置，并存储到相应的数据库中。
视频信号采集模块，用于对在视频监控设备覆盖范围内的车辆进行视频录像并记录时间，并将录像和时间存储于数据库内，形成视频信号。视频监控设备对在其覆盖范围内的车辆进行视频录像并记录时间，并将该信息存储到相应的数据库中。或者当视频监控设备具有本地信息存储和处理功能时，由视频监控设备将视频信息进行处理，提取出车牌和其他识别信息，如车型、车辆颜色、车辆长度等信息，车辆在视频监控范围内的位置信息，将这些车辆识别信息，车辆位置及记录时间、视频监控设备的位置及标识信息传送到中央处理单元，并将相应的视频录像进行本地存储以备将来查询。
更进一步地，在某些实施例中，上述的无线信号处理单元4包括位置估计模块、移动轨迹形成模块、第一信息形成模块以及第一存储模块。位置估计模块，用于根据无线信号估计无线终端设备的所有位置。移动轨迹形成模块，用于按照时间顺序并参考道路的拓扑结构将无线终端设备的所有位置连接，形成无线终端设备的移动轨迹。第一信息形成模块，用于统计单个无线基站设备在设定时间段内监测到的无线终端设备个数，并去除非车辆内的无线终端设备，获取无线终端设备的流量信息，且分析估算出无线终端设备在监控区域内行驶的速度以及旅程分布信息，形成交通信息。第一存储模块，用于将无线信号内的监控时间、无线终端设备的所有位置、移动轨迹以及交通信息存储于数据库内。
更进一步地，在某些实施例中，上述的视频信号处理单元5包括分析模块、连接模块、第二信息形成模块以及第二存储模块。分析模块，用于对单个视频监控范围内的视频信号进行图像处理及数据分析，提取视频监控目标的车牌和车辆的其他识别信息以及车辆在视频监控范围内的位置信息。连接模块，用于按照时间顺序并参考道路的拓扑结构将视频监控目标的所有位置连接，形成视频监控目标的移动轨迹。第二信息形成模块，用于获取视频监控目标通过视频监控点的速度，统计单个视频监控在一段时间内监测到的视频监控目标数量，形成视频监控点的车流量信息，利用部署在交通道路上不同位置的不同视频基站观测到同一视频监控目标的时间进行统计分析，估计视频监控目标在这些交通道路间行驶时的速度以及旅程分布信息，形成交通信息采集。第二存储模块，用于将视频监控目标的监控时间、位置、移动轨迹以及交通信息存储于数据库内。
更进一步地，在某些实施例中，上述的第一融合单元6包括匹配模块、拟合模块、排序模块以及初步信息形成模块。
匹配模块，用于匹配无线终端设备以及视频监控目标。拟合模块，用于拟合无线终端设备的移动轨迹以及视频监控目标的移动轨迹，形成匹配关系。排序模块，用于根据匹配关系，将视频监控目标的位置以及对应的无线终端设备位置按照时间顺序排列。初步信息形成模块，用于获取视频监控目标的位置以及对应的无线终端设备位置融合的位置，结合监控区域内道路拓扑结构以及视频监控目标的移动轨迹，形成初步交通信息，存储于数据库内。
上述的车辆追踪及道路交通信息采集的系统，通过设定监控区域，采集监控区域内的无线信号以及视频信号，分别对无线信号和视频信号进行处理，获取交通信息、无线终端设备的相关数据以及视频监控目标的相关数据，将这三者进行融合，获取初步交通信息，且将初步交通信息与其他监测数据融合，实现将对无线信号的监测、视频监控和其他传感技术结合起来，能够最大限度地将无线监控覆盖面积大、需要运算和数据处理量小和视频监控准确度高的优点紧密结合起来，扬长避短以实现高精度及低成本、准确、大范围的多模式车辆定位、追踪及道路交通信息采集。
上述仅以实施例来进一步说明本发明的技术内容，以便于读者更容易理解，但不代表本发明的实施方式仅限于此，任何依本发明所做的技术延伸或再创造，均受本发明的保护。本发明的保护范围以权利要求书为准。
Claims (10)
1.车辆追踪及道路交通信息采集的方法，其特征在于，所述方法包括：
制定监控区域地图；
将监控区域内的视频监控设备的信息和无线基站设备的信息存储于同一数据库内；
分别采集无线信号以及视频信号；
对无线信号进行处理、定位、追踪及交通信息采集，获取无线终端设备的相关数据，并存储于数据库内；
对视频信号进行处理、定位、追踪及交通信息采集，获取视频监控目标的相关数据，并存储于数据库内；
匹配无线终端设备以及视频监控目标，并融合无线终端设备的相关数据以及视频监控目标的相关数据，获取初步交通信息；
将初步交通信息与监控区域内其他设备的监测数据进行融合，形成交通信息。
2.根据权利要求1所述的车辆追踪及道路交通信息采集的方法，其特征在于，分别采集无线信号以及视频信号的步骤，包括以下具体步骤：
扫描并获取在无线基站覆盖范围内的无线终端设备的信号，并记录无线终端设备信号的相关信息于数据库内，形成无线信号；
对在视频监控设备覆盖范围内的车辆进行视频录像并记录时间，并将录像和时间存储于数据库内，形成视频信号。
3.根据权利要求2所述的车辆追踪及道路交通信息采集的方法，其特征在于，对无线信号进行处理、定位、追踪及交通信息采集，获取无线终端设备的相关数据，并存储于数据库内的步骤，包括以下具体步骤：
根据无线信号估计无线终端设备的所有位置；
按照时间顺序并参考道路的拓扑结构将无线终端设备的所有位置连接，形成无线终端设备的移动轨迹；
统计单个无线基站设备在设定时间段内监测到的无线终端设备个数，并去除非车辆内的无线终端设备，获取无线终端设备的流量信息，且分析估算出无线终端设备在监控区域内行驶的速度以及旅程分布信息，形成交通信息；
将无线信号内的监控时间、无线终端设备的所有位置、移动轨迹以及交通信息存储于数据库内。
4.根据权利要求3所述的车辆追踪及道路交通信息采集的方法，其特征在于，对视频信号进行处理、定位、追踪及交通信息采集，获取视频监控目标的相关数据，并存储于数据库内的步骤，包括以下具体步骤：
对单个视频监控范围内的视频信号进行图像处理及数据分析，提取视频监控目标的车牌和车辆的其他识别信息以及车辆在视频监控范围内的位置信息；
按照时间顺序并参考道路的拓扑结构将视频监控目标的所有位置连接，形成视频监控目标的移动轨迹；
获取视频监控目标通过视频监控点的速度，统计单个视频监控在一段时间内监测到的视频监控目标数量，形成视频监控点的车流量信息，利用部署在交通道路上不同位置的不同视频基站观测到同一视频监控目标的时间进行统计分析，估计视频监控目标在这些交通道路间行驶时的速度以及旅程分布信息，形成交通信息采集；
将视频监控目标的监控时间、位置、移动轨迹以及交通信息存储于数据库内。
5.根据权利要求1至4任一项所述的车辆追踪及道路交通信息采集的方法，其特征在于，匹配无线终端设备以及视频监控目标，并融合无线终端设备的相关数据以及视频监控目标的相关数据，获取初步交通信息的步骤，包括以下具体步骤：
匹配无线终端设备以及视频监控目标；
拟合无线终端设备的移动轨迹以及视频监控目标的移动轨迹，形成匹配关系；
根据匹配关系，将视频监控目标的位置以及对应的无线终端设备位置按照时间顺序排列；
获取视频监控目标的位置以及对应的无线终端设备位置融合的位置，结合监控区域内道路拓扑结构以及视频监控目标的移动轨迹，形成初步交通信息，存储于数据库内。
6.根据权利要求5所述的车辆追踪及道路交通信息采集的方法，其特征在于，拟合无线终端设备的移动轨迹以及视频监控目标的移动轨迹，形成匹配关系的步骤，具体是采用二分图和Kuhn-Munkres算法拟合无线终端设备的移动轨迹以及视频监控目标的移动轨迹。
7.车辆追踪及道路交通信息采集的系统，其特征在于，包括地图制定单元、存储单元、信号采集单元、无线信号处理单元、视频信号处理单元、第一融合单元以及第二融合单元；
所述地图制定单元，用于制定监控区域地图；
所述存储单元，用于将监控区域内的视频监控设备的信息和无线基站设备的信息存储于同一数据库内；
所述信号采集单元，用于分别采集无线信号以及视频信号；
所述无线信号处理单元，用于对无线信号进行处理、定位、追踪及交通信息采集，获取无线终端设备的相关数据，并存储于数据库内；
所述视频信号处理单元，用于对视频信号进行处理、定位、追踪及交通信息采集，获取视频监控目标的相关数据，并存储于数据库内；
所述第一融合单元，用于匹配无线终端设备以及视频监控目标，并融合无线终端设备的相关数据以及视频监控目标的相关数据，获取初步交通信息；
所述第二融合单元，用于将初步交通信息与监控区域内其他设备的监测数据进行融合，形成交通信息。
8.根据权利要求7所述的车辆追踪及道路交通信息采集的系统，其特征在于，所述信号采集单元包括无线信号采集模块以及视频信号采集模块；
所述无线信号采集模块，用于扫描并获取在无线基站覆盖范围内的无线终端设备的信号，并记录无线终端设备信号的相关信息于数据库内，形成无线信号；
所述视频信号采集模块，用于对在视频监控设备覆盖范围内的车辆进行视频录像并记录时间，并将录像和时间存储于数据库内，形成视频信号。
9.根据权利要求8所述的车辆追踪及道路交通信息采集的系统，其特征在于，所述无线信号处理单元包括位置估计模块、移动轨迹形成模块、第一信息形成模块以及第一存储模块；
所述位置估计模块，用于根据无线信号估计无线终端设备的所有位置；
所述移动轨迹形成模块，用于按照时间顺序并参考道路的拓扑结构将无线终端设备的所有位置连接，形成无线终端设备的移动轨迹；
所述第一信息形成模块，用于统计单个无线基站设备在设定时间段内监测到的无线终端设备个数，并去除非车辆内的无线终端设备，获取无线终端设备的流量信息，且分析估算出无线终端设备在监控区域内行驶的速度以及旅程分布信息，形成交通信息；
所述第一存储模块，用于将无线信号内的监控时间、无线终端设备的所有位置、移动轨迹以及交通信息存储于数据库内。
10.根据权利要求9所述的车辆追踪及道路交通信息采集的系统，其特征在于，所述视频信号处理单元包括分析模块、连接模块、第二信息形成模块以及第二存储模块；
所述分析模块，用于对单个视频监控范围内的视频信号进行图像处理及数据分析，提取视频监控目标的车牌和车辆的其他识别信息以及车辆在视频监控范围内的位置信息；
所述连接模块，用于按照时间顺序并参考道路的拓扑结构将视频监控目标的所有位置连接，形成视频监控目标的移动轨迹；
所述第二信息形成模块，用于获取视频监控目标通过视频监控点的速度，统计单个视频监控在一段时间内监测到的视频监控目标数量，形成视频监控点的车流量信息，利用部署在交通道路上不同位置的不同视频基站观测到同一视频监控目标的时间进行统计分析，估计视频监控目标在这些交通道路间行驶时的速度以及旅程分布信息，形成交通信息采集；
所述第二存储模块，用于将视频监控目标的监控时间、位置、移动轨迹以及交通信息存储于数据库内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711116926.7A CN107888877B (zh) | 2017-11-13 | 2017-11-13 | 车辆追踪及道路交通信息采集的方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711116926.7A CN107888877B (zh) | 2017-11-13 | 2017-11-13 | 车辆追踪及道路交通信息采集的方法及其系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107888877A true CN107888877A (zh) | 2018-04-06 |
| CN107888877B CN107888877B (zh) | 2020-10-09 |
Family
ID=61776805
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711116926.7A Active CN107888877B (zh) | 2017-11-13 | 2017-11-13 | 车辆追踪及道路交通信息采集的方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107888877B (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109191856A (zh) * | 2018-08-17 | 2019-01-11 | 江苏信息职业技术学院 | 基于大数据的车辆跟踪系统和跟踪车辆的方法 |
| CN110008298A (zh) * | 2019-03-28 | 2019-07-12 | 武汉星视源科技有限公司 | 驻车多维信息感知应用系统及方法 |
| CN110321949A (zh) * | 2019-06-29 | 2019-10-11 | 天津大学 | 一种基于观测终端网络的分布式车辆追踪方法与系统 |
| CN110349182A (zh) * | 2018-04-07 | 2019-10-18 | 苏州竺星信息科技有限公司 | 一种基于视频及定位装置的人物追踪方法 |
| CN110942260A (zh) * | 2019-12-12 | 2020-03-31 | 长安大学 | 一种基于贝叶斯最大熵的高校交通安全评价方法 |
| CN111405382A (zh) * | 2019-06-24 | 2020-07-10 | 杭州海康威视系统技术有限公司 | 视频摘要生成方法、装置、计算机设备和存储介质 |
| CN111415528A (zh) * | 2019-01-07 | 2020-07-14 | 长沙智能驾驶研究院有限公司 | 道路安全预警方法、装置、路侧单元及存储介质 |
| CN111699679A (zh) * | 2018-04-27 | 2020-09-22 | 上海趋视信息科技有限公司 | 交通系统监控和方法 |
| CN112146666A (zh) * | 2019-06-27 | 2020-12-29 | 奥迪股份公司 | 车辆行驶路线标记方法、装置、计算机设备和存储介质 |
| CN112201041A (zh) * | 2020-09-29 | 2021-01-08 | 同济大学 | 融合电警数据和抽样轨迹数据的干道路径流量估计方法 |
| CN112233428A (zh) * | 2020-10-10 | 2021-01-15 | 腾讯科技（深圳）有限公司 | 车流量预测方法、装置、存储介质及设备 |
| CN113111685A (zh) * | 2020-01-10 | 2021-07-13 | 杭州海康威视数字技术股份有限公司 | 追踪系统、追踪数据的采集/处理方法和装置 |
| CN113158927A (zh) * | 2021-04-27 | 2021-07-23 | 深圳前海中电慧安科技有限公司 | 车辆行驶场景下的人车信息关联方法、系统、设备及介质 |
| CN113436432A (zh) * | 2021-05-24 | 2021-09-24 | 武汉理工大学 | 一种利用路侧观测数据进行路段短时交通风险预测的方法 |
| CN114078323A (zh) * | 2020-08-19 | 2022-02-22 | 北京万集科技股份有限公司 | 感知增强方法、装置、路侧基站、计算机设备和存储介质 |
| CN114132205A (zh) * | 2021-12-20 | 2022-03-04 | 山东爱德邦智能科技有限公司 | 一种电动车充电区域管理方法、装置及其介质 |
| CN114460579A (zh) * | 2022-04-12 | 2022-05-10 | 广东中科四创科技有限公司 | 一种侦控近海船只的方法、系统和存储介质 |
| CN114466328A (zh) * | 2022-04-13 | 2022-05-10 | 北京融信数联科技有限公司 | 渣土车轨迹还原方法、系统和可读存储介质 |
| CN114495520A (zh) * | 2021-12-30 | 2022-05-13 | 北京万集科技股份有限公司 | 一种车辆的计数方法、装置、终端和存储介质 |
| CN114639262A (zh) * | 2020-12-15 | 2022-06-17 | 北京万集科技股份有限公司 | 感知设备的状态检测方法、装置、计算机设备和存储介质 |
| CN116866534A (zh) * | 2023-09-05 | 2023-10-10 | 南京隆精微电子技术有限公司 | 用于数字视频监控系统的处理方法及装置 |
| CN117542099A (zh) * | 2023-11-13 | 2024-02-09 | 以萨技术股份有限公司 | 一种图像识别任务位置的确定方法、存储介质及电子设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030081934A1 (en) * | 2001-10-30 | 2003-05-01 | Kirmuss Charles Bruno | Mobile video recorder control and interface |
| CN102667518A (zh) * | 2009-12-08 | 2012-09-12 | 真实定位公司 | 多传感器定位和识别 |
| US20130150004A1 (en) * | 2006-08-11 | 2013-06-13 | Michael Rosen | Method and apparatus for reducing mobile phone usage while driving |
| CN103491352A (zh) * | 2013-10-08 | 2014-01-01 | 尹梦寒 | 智慧社区的无线定位监控系统 |
| CN104052972A (zh) * | 2014-06-27 | 2014-09-17 | 桂林长海发展有限责任公司 | 一种识别移动终端信号的智能卡口系统 |
| CN104243926A (zh) * | 2014-09-23 | 2014-12-24 | 深圳先进技术研究院 | 一种警用多源大数据采集系统 |
| CN105096590A (zh) * | 2014-04-23 | 2015-11-25 | 株式会社日立制作所 | 交通信息生成方法和交通信息生成设备 |
| CN105679019A (zh) * | 2016-01-28 | 2016-06-15 | 广州杰赛科技股份有限公司 | 一种道路交通状态识别方法及装置 |
| CN105717484A (zh) * | 2016-02-24 | 2016-06-29 | 苏州科技学院 | 一种室内定位系统及定位方法 |
| CN107067794A (zh) * | 2016-11-18 | 2017-08-18 | 安徽超清科技股份有限公司 | 一种基于视频图像处理的室内车辆定位导航系统及方法 |
-
2017
- 2017-11-13 CN CN201711116926.7A patent/CN107888877B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030081934A1 (en) * | 2001-10-30 | 2003-05-01 | Kirmuss Charles Bruno | Mobile video recorder control and interface |
| US20130150004A1 (en) * | 2006-08-11 | 2013-06-13 | Michael Rosen | Method and apparatus for reducing mobile phone usage while driving |
| CN102667518A (zh) * | 2009-12-08 | 2012-09-12 | 真实定位公司 | 多传感器定位和识别 |
| CN103491352A (zh) * | 2013-10-08 | 2014-01-01 | 尹梦寒 | 智慧社区的无线定位监控系统 |
| CN105096590A (zh) * | 2014-04-23 | 2015-11-25 | 株式会社日立制作所 | 交通信息生成方法和交通信息生成设备 |
| CN104052972A (zh) * | 2014-06-27 | 2014-09-17 | 桂林长海发展有限责任公司 | 一种识别移动终端信号的智能卡口系统 |
| CN104243926A (zh) * | 2014-09-23 | 2014-12-24 | 深圳先进技术研究院 | 一种警用多源大数据采集系统 |
| CN105679019A (zh) * | 2016-01-28 | 2016-06-15 | 广州杰赛科技股份有限公司 | 一种道路交通状态识别方法及装置 |
| CN105717484A (zh) * | 2016-02-24 | 2016-06-29 | 苏州科技学院 | 一种室内定位系统及定位方法 |
| CN107067794A (zh) * | 2016-11-18 | 2017-08-18 | 安徽超清科技股份有限公司 | 一种基于视频图像处理的室内车辆定位导航系统及方法 |
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349182A (zh) * | 2018-04-07 | 2019-10-18 | 苏州竺星信息科技有限公司 | 一种基于视频及定位装置的人物追踪方法 |
| US11689697B2 (en) | 2018-04-27 | 2023-06-27 | Shanghai Truthvision Information Technology Co., Ltd. | System and method for traffic surveillance |
| CN111699679A (zh) * | 2018-04-27 | 2020-09-22 | 上海趋视信息科技有限公司 | 交通系统监控和方法 |
| CN109191856A (zh) * | 2018-08-17 | 2019-01-11 | 江苏信息职业技术学院 | 基于大数据的车辆跟踪系统和跟踪车辆的方法 |
| CN111415528A (zh) * | 2019-01-07 | 2020-07-14 | 长沙智能驾驶研究院有限公司 | 道路安全预警方法、装置、路侧单元及存储介质 |
| CN110008298B (zh) * | 2019-03-28 | 2022-03-15 | 武汉星视源科技有限公司 | 驻车多维信息感知应用系统及方法 |
| CN110008298A (zh) * | 2019-03-28 | 2019-07-12 | 武汉星视源科技有限公司 | 驻车多维信息感知应用系统及方法 |
| CN111405382A (zh) * | 2019-06-24 | 2020-07-10 | 杭州海康威视系统技术有限公司 | 视频摘要生成方法、装置、计算机设备和存储介质 |
| CN112146666A (zh) * | 2019-06-27 | 2020-12-29 | 奥迪股份公司 | 车辆行驶路线标记方法、装置、计算机设备和存储介质 |
| CN110321949A (zh) * | 2019-06-29 | 2019-10-11 | 天津大学 | 一种基于观测终端网络的分布式车辆追踪方法与系统 |
| CN110942260A (zh) * | 2019-12-12 | 2020-03-31 | 长安大学 | 一种基于贝叶斯最大熵的高校交通安全评价方法 |
| CN110942260B (zh) * | 2019-12-12 | 2024-02-13 | 长安大学 | 一种基于贝叶斯最大熵的高校交通安全评价方法 |
| CN113111685A (zh) * | 2020-01-10 | 2021-07-13 | 杭州海康威视数字技术股份有限公司 | 追踪系统、追踪数据的采集/处理方法和装置 |
| CN114078323A (zh) * | 2020-08-19 | 2022-02-22 | 北京万集科技股份有限公司 | 感知增强方法、装置、路侧基站、计算机设备和存储介质 |
| CN114078323B (zh) * | 2020-08-19 | 2023-10-17 | 北京万集科技股份有限公司 | 感知增强方法、装置、路侧基站、计算机设备和存储介质 |
| CN112201041B (zh) * | 2020-09-29 | 2022-02-18 | 同济大学 | 融合电警数据和抽样轨迹数据的干道路径流量估计方法 |
| CN112201041A (zh) * | 2020-09-29 | 2021-01-08 | 同济大学 | 融合电警数据和抽样轨迹数据的干道路径流量估计方法 |
| CN112233428A (zh) * | 2020-10-10 | 2021-01-15 | 腾讯科技（深圳）有限公司 | 车流量预测方法、装置、存储介质及设备 |
| CN112233428B (zh) * | 2020-10-10 | 2023-09-22 | 腾讯科技（深圳）有限公司 | 车流量预测方法、装置、存储介质及设备 |
| CN114639262B (zh) * | 2020-12-15 | 2024-02-06 | 北京万集科技股份有限公司 | 感知设备的状态检测方法、装置、计算机设备和存储介质 |
| CN114639262A (zh) * | 2020-12-15 | 2022-06-17 | 北京万集科技股份有限公司 | 感知设备的状态检测方法、装置、计算机设备和存储介质 |
| CN113158927A (zh) * | 2021-04-27 | 2021-07-23 | 深圳前海中电慧安科技有限公司 | 车辆行驶场景下的人车信息关联方法、系统、设备及介质 |
| CN113436432A (zh) * | 2021-05-24 | 2021-09-24 | 武汉理工大学 | 一种利用路侧观测数据进行路段短时交通风险预测的方法 |
| CN114132205A (zh) * | 2021-12-20 | 2022-03-04 | 山东爱德邦智能科技有限公司 | 一种电动车充电区域管理方法、装置及其介质 |
| CN114132205B (zh) * | 2021-12-20 | 2022-12-06 | 山东爱德邦智能科技有限公司 | 一种电动车充电区域管理方法、装置及其介质 |
| CN114495520B (zh) * | 2021-12-30 | 2023-10-03 | 北京万集科技股份有限公司 | 一种车辆的计数方法、装置、终端和存储介质 |
| CN114495520A (zh) * | 2021-12-30 | 2022-05-13 | 北京万集科技股份有限公司 | 一种车辆的计数方法、装置、终端和存储介质 |
| CN114460579B (zh) * | 2022-04-12 | 2022-07-12 | 广东中科四创科技有限公司 | 一种侦控近海船只的方法、系统和存储介质 |
| CN114460579A (zh) * | 2022-04-12 | 2022-05-10 | 广东中科四创科技有限公司 | 一种侦控近海船只的方法、系统和存储介质 |
| CN114466328B (zh) * | 2022-04-13 | 2022-06-28 | 北京融信数联科技有限公司 | 渣土车轨迹还原方法、系统和可读存储介质 |
| CN114466328A (zh) * | 2022-04-13 | 2022-05-10 | 北京融信数联科技有限公司 | 渣土车轨迹还原方法、系统和可读存储介质 |
| CN116866534A (zh) * | 2023-09-05 | 2023-10-10 | 南京隆精微电子技术有限公司 | 用于数字视频监控系统的处理方法及装置 |
| CN117542099A (zh) * | 2023-11-13 | 2024-02-09 | 以萨技术股份有限公司 | 一种图像识别任务位置的确定方法、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107888877B (zh) | 2020-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107888877A (zh) | 车辆追踪及道路交通信息采集的方法及其系统 | |
| CN107909025B (zh) | 基于视频和无线监控的人物识别及追踪方法和系统 | |
| CN106297288B (zh) | 一种公交乘客客流数据采集与分析方法 | |
| CN102724482B (zh) | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 | |
| CN104123843B (zh) | 一种非法营运车辆检测系统及方法 | |
| Caceres et al. | Deriving origin–destination data from a mobile phone network | |
| CN107463940A (zh) | 基于手机数据的车辆类型识别方法和设备 | |
| CN104020751B (zh) | 基于物联网的校园安全监测方法 | |
| CN103593974B (zh) | 一种基于定位信息的公交载客量采集方法 | |
| CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及系统 | |
| CN107801203B (zh) | 基于多数据融合的人口密度及流动性的估算方法及其系统 | |
| CN103544837B (zh) | 结合跨区域位置更新与通话的交通信息估计方法与系统 | |
| CN106682644A (zh) | 一种基于移动摄像设备的双动态车辆监测管理系统和方法 | |
| CN103383811A (zh) | 基于gid的智能交通解决方案 | |
| CN105844904A (zh) | 一种基于dsrc的异常车辆行为检测及追踪方法 | |
| CN109788242B (zh) | 救援系统、救援方法及其所使用的服务器 | |
| CN109552212A (zh) | 用于自主车辆中的雷达定位的系统和方法 | |
| CN105788280A (zh) | 一种基于车联网的智慧城市车辆自动追踪系统 | |
| CN110022530B (zh) | 一种用于地下空间的无线定位方法和系统 | |
| CN105991598A (zh) | 用户获取方法及装置 | |
| CN106935059A (zh) | 一种定位找车系统、定位找车方法及位置定位方法 | |
| Holleczek et al. | Traffic measurement and route recommendation system for mass rapid transit (mrt) | |
| CN105096584A (zh) | 一种交通决策支持方法、装置及系统 | |
| CN114170272A (zh) | 一种云端环境下基于感知传感器的事故报告、储存方法 | |
| CN114390459A (zh) | 农用车辆违法超员载人识别方法及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180604 Address after: 518000 49, 1016, Yunfeng Road, Queshan mountain, peak area, Longhua District, Shenzhen, Guangdong, China, 1016 Applicant after: Shenzhen Dai Sheng Intelligent Technology Co., Ltd. Address before: 36, New South Wales Road, Applicant before: Mao Guoqiang Applicant before: Ouyang Yigang |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |