CN108090722A - 一种基于gps的物流网络站点识别设备与识别方法 - Google Patents
一种基于gps的物流网络站点识别设备与识别方法 Download PDFInfo
- Publication number
- CN108090722A CN108090722A CN201711337827.1A CN201711337827A CN108090722A CN 108090722 A CN108090722 A CN 108090722A CN 201711337827 A CN201711337827 A CN 201711337827A CN 108090722 A CN108090722 A CN 108090722A
- Authority
- CN
- China
- Prior art keywords
- data
- personal computer
- gps
- industrial personal
- logistics
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
现有技术的不足,本发明提供一种基于GPS的物流网络站点识别设备与识别方法,所述识别设备,包括GPS终端、移动端工控机、发射机接收机和服务端工控机;所述的识别方法,包括获取数据、获取物流运输工具的停留区域获取物流站点3个步骤。有益的技术效果:本发明的设备简单紧凑,所提供的方法实现步骤少、效率高、精度高,是结合海量历史数据和实时数据的自动更新,具有较高的实时度和数据预测准确性。
Description
技术领域
本发明属于物流网络站点自动识别技术领域和货运车辆停留点计算技术领域,尤其适用于物流定位、数据分析及物流管理;具体为一种基于GPS的物流网络站点识别设备与识别方法。
背景技术
在物流运输管理领域,无论是干线运输、支线运输、还是城市配送,都需要对运输过程的核心和关键节点的时效和各类异常情况进行严格管理,对运输车辆的整体运行进度、中转时间、装卸货时间、停车时间、加油减油、路桥费等需要详细把控,以此提高运输的整体效率、降低运营成本。在实际操作中存在以下不足:
目前物流管理领域大部分都是通过人工标注和绘制电子围栏的方法确定站点的,人力成本高、误差概率高、且更新不及时,进而导致对车辆跟踪管理的效果差。
站点信息根据业务情况需要经常更新,但由于传统方法是有人工进行更新,导致数据更新不及时,进而导致站点信息跟实际车辆行驶情况不一致;
为了确保站点信息与车辆信息相匹配,需要投入较多人力持续维护站点信息及电子围栏等地理位置信息,一则增加了成本,二则尽管投入了大量的人力成本,相关信息的维护也不够完整和准确。
综上所述,需要一种新设备和方法克服现有技术的不足。
发明内容
为了解决上述问题,本发明提供一种基于GPS的物流网络站点识别设备与识别方法,具体如下:
一种基于GPS的物流网络站点识别设备,包括GPS终端、移动端工控机、发射机、接收机和服务端工控机。其中,
GPS终端、移动端工控机均与发射机相连接。接收机和服务端工控机相连接。发射机和接收机无线通讯。
GPS终端、移动端工控机均安装在物流运输工具中。其中,GPS终端接收GPS数据。移动端工控机存储有对应物流运输工具的车辆标识和终端标识。由GPS终端获取的GPS数据、移动端工控机存储的车辆标识和终端标识依次经过发射机、接收机传递至服务端工控机。服务端工控机负责对接收到数据进行处理,获得物流网络站点。
采用一种基于GPS的物流网络站点识别设备的识别方法,按如下步骤进行:
步骤1:当物流运输工具处于未熄火状态时,GPS终端和移动端工控机按固定频率向服务端工控机发送数据。所述数据包括时间信息、经纬度信息、车辆标识信息和终端标识信息。
步骤2:服务端工控机综合时间信息、经纬度信息、车速信息、车辆标识信息和终端标识信息,获取物流运输工具的停留区域。由服务端工控机记录停留区域所对应的坐标信息和时间信息。
步骤3:服务端工控机对由步骤2获得的物流运输工具的停留区域进行筛选,获得高频区域。所获得的高频区域即为所需要识别出的物流站点。
有益的技术效果
本发明只需要安装具备GSP定位功能的设备,即可自动识别车辆途经的站点位置、类型等信息。
本发明获取的站点信息,是通过大数据和机器学习算法自动生成,防止人工维护误差,准确率更高。
本发明是结合海量历史数据和实时数据自动更新站点数据,保持较高的实时度和数据预测准确性。
附图说明
图1是本发明方法中步骤2的流程图。
图2是本发明方法中步骤3的流程图。
图3是采用本发明方法的实施例具体数据结果。
具体实施方式
现结合附图详细说明本发明的结构特点与优点。
一种基于GPS的物流网络站点识别设备,包括GPS终端、移动端工控机、发射机、接收机和服务端工控机。其中,
GPS终端、移动端工控机均与发射机相连接。接收机和服务端工控机相连接。发射机和接收机无线通讯。
GPS终端、移动端工控机均安装在物流运输工具中。其中,GPS终端接收GPS数据。移动端工控机存储有对应物流运输工具的车辆标识和终端标识。由GPS终端获取的GPS数据、移动端工控机存储的车辆标识和终端标识依次经过发射机、接收机传递至服务端工控机。服务端工控机负责对接收到数据进行处理,获得物流网络站点。
采用一种基于GPS的物流网络站点识别设备的识别方法,按如下步骤进行:
步骤1:当物流运输工具处于未熄火状态时,GPS终端和移动端工控机按固定频率向服务端工控机发送数据。所述数据包括时间信息、经纬度信息、车辆标识信息和终端标识信息。
步骤2:服务端工控机综合时间信息、经纬度信息、车速信息、车辆标识信息和终端标识信息,获取物流运输工具的停留区域。由服务端工控机记录停留区域所对应的坐标信息和时间信息,详见图1。
步骤3:服务端工控机对由步骤2获得的物流运输工具的停留区域进行筛选,获得高频区域。所获得的高频区域即为所需要识别出的物流站点,详见图2。
进一步说,步骤1中固定频率为1s或10s。
进一步说,将GPS终端和移动端工控机向服务端工控机先后发出的2个数据分别称为在先数据和在后数据。
将GPS终端和移动端工控机首次向服务端工控机发出的数据称为首次数据。
将GPS终端和移动端工控机最后一次向服务端工控机发出的数据称为末次数据。
步骤2中获取物流运输工具的停留区域的具体方法为:由服务端工控机依据停留区域判断函数组对在先数据、在后数据、首次数据和/或末次数据进行比对,判断物流运输工具是否处于停留区域。
进一步说,停留区域判断函数组包含4个子条件,具体为:
(1)在后数据与在先数据的时间间隔大于60s,且在后数据中的车速信息不大于5m/s;
(2)在后数据中的时间与在先数据中的时间间隔大于60s,且在先数据中的车速信息与在后数据中的车速信息的平均值不大于5m/s;
(3)在后数据中的车速信息不大于5m/s,或在后数据与在先数据的距离间隔不大于1000m;
(4)首次数据和末次数据中的车速信息的平均速度不大于5m/s,并且首次数据和末次数据中的距离间隔不大于1000m;
当物流运输工具满足任一子条件时,则判断物流运输工具处于停留状态,物流运输工具当前的坐标为停留区域的坐标。
参见图1,进一步说,物流运输工具满足下列任一条件时,即判定车辆处于停留区域:
(1)当前位置与上一条位置信息时间间隔大于60s并且当前位置速度小于等于5m/s;
(2)当前位置与上一条位置信息时间间隔大于60s并且当前位置与上一点位置平均速度小于等于5m/s;
(3)当前位置的速度小于等于5或者distance小于等于1000m;
(4)事件开始和事件结束两点的平均速度小于等于5并且distance小于等于1000m。
进一步说,步骤3获取物流站点的具体方法为:
步骤3.1由服务端工控机连续记录一组停留区域;再服务端工控机判断停留区域中的距离是否小于10公里并且gps定位数据不为空;
步骤3.2由服务端工控机调取地图数据;判断停留区域在地图中不为高速、快速、隧道和/或加油站,且停留区域所对应的城市不为空;城市不为空是指该数值不等于空格或空字符串;
步骤3.3在同一个停留区域,物流运输工具停留事件月累计时长大于1小时;
步骤3.4若物流运输工具的GPS轨迹活动范围在同一个城市,则判定为“城市配送”,转入步骤3.5;若不在同一座城市,判定为“干线、支线配送”,转入步骤3.6;
步骤3.5取对应停留时长和次数最多的前20个停留区域为站点,输出结果;
步骤3.6按城市分别取停留时长最大和次数最多的停留点为各个城市的站点;随后转入步骤3.7;
步骤3.7按时长和次数对站点排序,时长最长和次数最多的为起点,次数大于起点次数70%的为关键城市站点,其余为普通站点;输出结果。
更进一步说,步骤3获取物流站点的具体方法为:
步骤3.1由服务端工控机连续记录一组停留区域为连续30天的停留数据;
所述gps定位数据不为空,是指gps定位数据值不为0或不是没有数值,即经纬度数据正常。
参见图2,进一步说,步骤3中物流站点计算方位为:
首先基于车辆定位轨迹数据计算出车辆的停车时间段及停车区域(见3.1.1),然后再基于停留区域计算出高频区域,即为站点,简单算法逻辑如下图:
(1)根据步骤2计算好的30天的停留数据明细,判断停留点内两个点的距离是否小于10公里并且gps定位数据不为空(不为“”或0,0;经纬度数据正常);
(2)基于地图服务判断道路类型不为:高速、快速、隧道、加油站等,且所在城市不为空;所述不等于空格或空字符串);
(3)在同一个停留区域停留事件月累计时长大于1小时;
(4)判断30天内轨迹活动范围是否在同一个城市,是则转到城市配送计算(5),否则转到干线、支线计算(6);
(5)取GEOHash停留时长和次数最多的前20个区域为站点;
(6)按城市分别取停留时长最大和次数最多的停留点为各个城市的站点;按时长和次数对站点排序,时长最长和次数最多的为起点,次数大于起点次数70%的为关键城市站点,其余为普通站点。
实施例1
1.对一辆货运车进行30天的连续数据采集,并按本发明所述方法进行数据处理:
2.站点识别详细流程
该装有GSP终端的车辆,在行驶以及未熄火状态下,会以10s一个周期的固定频率上报定位相关数据到服务端,服务端将包含有时间、经纬度、车辆标识、终端标识等数据的信息存储到大数据平台;
随后,参见图1所示的流程,计算车辆停留区域,判断车辆是否满足如下的任一处于停留区域的条件:
(1)当前位置与上一条位置信息时间间隔大于60s并且当前位置速度小于等于5m/s;或者
(2)当前位置与上一条位置信息时间间隔大于60s并且当前位置与上一点位置平均速度小于等于5m/s;
或者
(3)当前位置的速度小于等于5或者distance小于等于1000m;
(4)事件开始和事件结束两点的平均速度小于等于5并且distance小于等于1000m,则为有效;
之后,参见图2所示的流程图,计算物流站点:
首先基于车辆定位轨迹数据计算出车辆的停车时间段及停车区域,然后再基于停留区域计算出高频区域,即为站点,简单算法逻辑如下图:
(1)根据3.1.1计算好的30天的停留数据明细,判断停留点内两个点的距离是否小于10公里并且gps定位数据不为空(不为“”或0,0;经纬度数据正常);
(2)基于地图服务判断道路类型不为:高速、快速、隧道、加油站等,且所在城市不为空(不等于空格或空字符串);
(3)在同一个停留区域停留事件月累计时长大于1小时;
(4)判断30天内轨迹活动范围是否在同一个城市,是则转到城市配送计算(5),否则转到干线、支线计算(6);
(5)取GEOHash停留时长和次数最多的前20个区域为站点;
(6)按城市分别取停留时长最大和次数最多的停留点为各个城市的站点;按时长和次数对站点排序,时长最长和次数最多的为起点,次数大于起点次数70%的为关键城市站点,其余为普通站点,结算的结果如图3所示。
Claims (9)
1.一种基于GPS的物流网络站点识别设备,其特征在于:包括GPS终端、移动端工控机、发射机、接收机和服务端工控机;其中,GPS终端、移动端工控机均与发射机相连接;接收机和服务端工控机相连接;发射机和接收机无线通讯;
GPS终端、移动端工控机均安装在物流运输工具中;其中,GPS终端接收GPS数据;移动端工控机存储有对应物流运输工具的车辆标识和终端标识;由GPS终端获取的GPS数据、移动端工控机存储的车辆标识和终端标识依次经过发射机、接收机传递至服务端工控机;服务端工控机负责对接收到数据进行处理,获得物流网络站点。
2.采用一种基于GPS的物流网络站点识别设备的识别方法,其特征在于:按如下步骤进行:
步骤1:当物流运输工具处于未熄火状态时,GPS终端和移动端工控机按固定频率向服务端工控机发送数据;所述数据包括时间信息、经纬度信息、车辆标识信息和终端标识信息;
步骤2:服务端工控机综合时间信息、经纬度信息、车速信息、车辆标识信息和终端标识信息,获取物流运输工具的停留区域;由服务端工控机记录停留区域所对应的坐标信息和时间信息;
步骤3:服务端工控机对由步骤2获得的物流运输工具的停留区域进行筛选,获得高频区域;所获得的高频区域即为所需要识别出的物流站点。
3.根据权利要求2所述的采用一种基于GPS的物流网络站点识别设备的识别方法,其特征在于,步骤1中固定频率为1s或10s。
4.根据权利要求2所述的采用一种基于GPS的物流网络站点识别设备的识别方法,其特征在于,将GPS终端和移动端工控机向服务端工控机先后发出的2个数据分别称为在先数据和在后数据;
将GPS终端和移动端工控机首次向服务端工控机发出的数据称为首次数据;
将GPS终端和移动端工控机最后一次向服务端工控机发出的数据称为末次数据;
步骤2中获取物流运输工具的停留区域的具体方法为:由服务端工控机依据停留区域判断函数组对在先数据、在后数据、首次数据和/或末次数据进行比对,判断物流运输工具是否处于停留区域。
5.根据权利要求4所述的采用一种基于GPS的物流网络站点识别设备的识别方法,其特征在于,停留区域判断函数组包含4个子条件,具体为:
(1)在后数据与在先数据的时间间隔大于60s,且在后数据中的车速信息不大于5m/s;
(2)在后数据中的时间与在先数据中的时间间隔大于60s,且在先数据中的车速信息与在后数据中的车速信息的平均值不大于5m/s;
(3)在后数据中的车速信息不大于5m/s,或在后数据与在先数据的距离间隔不大于1000m;
(4)首次数据和末次数据中的车速信息的平均速度不大于5m/s,并且首次数据和末次数据中的距离间隔不大于1000m。
当物流运输工具满足任一子条件时,则判断物流运输工具处于停留状态,物流运输工具当前的坐标为停留区域的坐标。
6.根据权利要求4所述的采用一种基于GPS的物流网络站点识别设备的识别方法,其特征在于,物流运输工具满足下列任一条件时,即判定车辆处于停留区域:
(1)当前位置与上一条位置信息时间间隔大于60s并且当前位置速度小于等于5m/s;
(2)当前位置与上一条位置信息时间间隔大于60s并且当前位置与上一点位置平均速度小于等于5m/s;
(3)当前位置的速度小于等于5或者distance小于等于1000m;
(4)事件开始和事件结束两点的平均速度小于等于5并且distance小于等于1000m。
7.根据权利要求2所述的采用一种基于GPS的物流网络站点识别设备的识别方法,其特征在于,步骤3获取物流站点的具体方法为:
步骤3.1由服务端工控机连续记录一组停留区域;再服务端工控机判断停留区域中的距离是否小于10公里并且gps定位数据不为空;
步骤3.2由服务端工控机调取地图数据;判断停留区域在地图中不为高速、快速、隧道和/或加油站,且停留区域所对应的城市不为空;城市不为空是指该数值不等于空格或空字符串;
步骤3.3在同一个停留区域,物流运输工具停留事件月累计时长大于1小时;
步骤3.4若物流运输工具的GPS轨迹活动范围在同一个城市,则判定为“城市配送”,转入步骤3.5;若不在同一座城市,判定为“干线、支线配送”,转入步骤3.6;
步骤3.5取对应停留时长和次数最多的前20个停留区域为站点,输出结果;
步骤3.6按城市分别取停留时长最大和次数最多的停留点为各个城市的站点;随后转入步骤3.7;
步骤3.7按时长和次数对站点排序,时长最长和次数最多的为起点,次数大于起点次数70%的为关键城市站点,其余为普通站点;输出结果。
8.根据权利要求7所述的采用一种基于GPS的物流网络站点识别设备的识别方法,其特征在于,步骤3获取物流站点的具体方法为:
步骤3.1由服务端工控机连续记录一组停留区域为连续30天的停留数据;
所述gps定位数据不为空,是指gps定位数据值不为0或不是没有数值,即经纬度数据正常。
9.根据权利要求2所述的采用一种基于GPS的物流网络站点识别设备的识别方法,其特征在于,步骤3中物流站点计算方位为:
首先基于车辆定位轨迹数据计算出车辆的停车时间段及停车区域,然后再基于停留区域计算出高频区域,即为站点,具体按如下步骤进行:
(1)根据步骤2计算好的30天的停留数据明细,判断停留点内两个点的距离是否小于10公里并且gps定位数据不为空;不为空是指:不为NULL或0;
(2)基于地图服务判断道路类型不为:高速、快速、隧道或/和加油站,且所在城市不为空;所述不为空是指不为空格或空字符串;
(3)在同一个停留区域停留事件月累计时长大于1小时;
(4)判断30天内轨迹活动范围是否在同一个城市,是则转到城市配送计算(5),否则转到干线、支线计算(6);
(5)取GEOHash停留时长和次数最多的前20个区域为站点;
(6)按城市分别取停留时长最大和次数最多的停留点为各个城市的站点;按时长和次数对站点排序,时长最长和次数最多的为起点,次数大于起点次数70%的为关键城市站点,其余为普通站点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711337827.1A CN108090722A (zh) | 2017-12-14 | 2017-12-14 | 一种基于gps的物流网络站点识别设备与识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711337827.1A CN108090722A (zh) | 2017-12-14 | 2017-12-14 | 一种基于gps的物流网络站点识别设备与识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108090722A true CN108090722A (zh) | 2018-05-29 |
Family
ID=62175617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711337827.1A Withdrawn CN108090722A (zh) | 2017-12-14 | 2017-12-14 | 一种基于gps的物流网络站点识别设备与识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108090722A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109297492A (zh) * | 2018-09-06 | 2019-02-01 | 中国电子科技集团公司电子科学研究院 | 一种移动轨迹驻停点的确定方法及装置 |
CN109579855A (zh) * | 2018-12-04 | 2019-04-05 | 彩虹无线(北京)新技术有限公司 | 一种确定车辆位置的方法、装置、设备和存储介质 |
CN109658023A (zh) * | 2018-12-06 | 2019-04-19 | 拉扎斯网络科技(上海)有限公司 | 配送信息的上报方法、装置、终端设备、平台和服务器 |
CN110058280A (zh) * | 2019-05-07 | 2019-07-26 | 吉旗(成都)科技有限公司 | 一种过滤物联网设备速度的方法 |
CN111143440A (zh) * | 2019-12-30 | 2020-05-12 | 北京中交兴路信息科技有限公司 | 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质 |
CN111353625A (zh) * | 2018-12-21 | 2020-06-30 | 顺丰科技有限公司 | 一种网点件量预测方法、装置、设备及存储介质 |
CN112465149A (zh) * | 2020-11-30 | 2021-03-09 | 上海寻梦信息技术有限公司 | 同城件识别方法、装置、电子设备以及存储介质 |
-
2017
- 2017-12-14 CN CN201711337827.1A patent/CN108090722A/zh not_active Withdrawn
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109297492A (zh) * | 2018-09-06 | 2019-02-01 | 中国电子科技集团公司电子科学研究院 | 一种移动轨迹驻停点的确定方法及装置 |
CN109579855A (zh) * | 2018-12-04 | 2019-04-05 | 彩虹无线(北京)新技术有限公司 | 一种确定车辆位置的方法、装置、设备和存储介质 |
CN109658023A (zh) * | 2018-12-06 | 2019-04-19 | 拉扎斯网络科技(上海)有限公司 | 配送信息的上报方法、装置、终端设备、平台和服务器 |
CN111353625A (zh) * | 2018-12-21 | 2020-06-30 | 顺丰科技有限公司 | 一种网点件量预测方法、装置、设备及存储介质 |
CN110058280A (zh) * | 2019-05-07 | 2019-07-26 | 吉旗(成都)科技有限公司 | 一种过滤物联网设备速度的方法 |
CN111143440A (zh) * | 2019-12-30 | 2020-05-12 | 北京中交兴路信息科技有限公司 | 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质 |
CN111143440B (zh) * | 2019-12-30 | 2023-07-25 | 北京中交兴路信息科技有限公司 | 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质 |
CN112465149A (zh) * | 2020-11-30 | 2021-03-09 | 上海寻梦信息技术有限公司 | 同城件识别方法、装置、电子设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090722A (zh) | 一种基于gps的物流网络站点识别设备与识别方法 | |
CN112270460B (zh) | 一种基于多源数据的超重货车货源站点识别方法 | |
CN108362293B (zh) | 一种基于关键点技术的车辆轨迹匹配方法 | |
CN101197077B (zh) | 一种汽车行驶路线分析、统计方法 | |
CN111653096B (zh) | 一种基于手机信令数据的城市出行方式识别方法 | |
CN103364002B (zh) | 结合实时路况及公共交通运营信息的路线规划系统和方法 | |
CN103106702B (zh) | 基于云计算的公交出行服务系统 | |
CN112133090A (zh) | 一种基于手机信令数据的多方式交通分布模型构建方法 | |
CN105261212B (zh) | 一种基于出租车gps数据地图匹配的出行时空分析方法 | |
CN107463940A (zh) | 基于手机数据的车辆类型识别方法和设备 | |
CN103177561B (zh) | 公交实时路况的生成方法 | |
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 | |
CN102183256B (zh) | 行进车队的地图匹配方法 | |
CN108389420A (zh) | 一种基于历史出行特征的公交乘客下车站点实时识别方法 | |
CN111210612B (zh) | 基于公交gps数据与站点信息提取公交线路轨迹的方法 | |
CN104966408B (zh) | 一种gps定位数据补偿方法 | |
JP2012142911A (ja) | WiFiを用いた公共交通手段の内に位置した携帯機器の位置推定方法 | |
CN111653094A (zh) | 一种基于手机信令数据且含路网修正的城市出行方式综合识别方法 | |
CN105788263A (zh) | 一种通过手机信息预测道路拥堵的方法 | |
CN105389986A (zh) | 一种基于配货平台的实时路况检测方法及系统 | |
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 | |
CN104951865A (zh) | 一种基于电网gis的物资调拨追踪方法及系统 | |
CN111145573A (zh) | 基于停车点间距、时长和频次聚合分析车辆常驻点的方法 | |
CN115714957A (zh) | 基于手机信令的地铁出行识别方法、装置、设备及介质 | |
CN109754606B (zh) | 一种基于出租车定位预测道路拥堵情况的方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180529 |