CN108197150A - 一种城市停车难区域的分析方法及系统 - Google Patents

一种城市停车难区域的分析方法及系统 Download PDF

Info

Publication number
CN108197150A
CN108197150A CN201711270143.4A CN201711270143A CN108197150A CN 108197150 A CN108197150 A CN 108197150A CN 201711270143 A CN201711270143 A CN 201711270143A CN 108197150 A CN108197150 A CN 108197150A
Authority
CN
China
Prior art keywords
parking
track
section
difficult
threshold value
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
Application number
CN201711270143.4A
Other languages
English (en)
Other versions
CN108197150B (zh
Inventor
郭胜敏
杨珍珍
聂巧炜
夏曙东
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.)
BEIJING PALMGO INFORMATION TECHNOLOGY Co Ltd
Beijing City Mdt Infotech Ltd
Original Assignee
BEIJING PALMGO INFORMATION TECHNOLOGY Co Ltd
Beijing City Mdt Infotech Ltd
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 BEIJING PALMGO INFORMATION TECHNOLOGY Co Ltd, Beijing City Mdt Infotech Ltd filed Critical BEIJING PALMGO INFORMATION TECHNOLOGY Co Ltd
Priority to CN201711270143.4A priority Critical patent/CN108197150B/zh
Publication of CN108197150A publication Critical patent/CN108197150A/zh
Application granted granted Critical
Publication of CN108197150B publication Critical patent/CN108197150B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Navigation (AREA)

Abstract

本发明提供了一种城市停车难区域的分析方法及系统，提取车辆的停车段行驶轨迹；对所述停车段行驶轨迹进行判定，得到停车难轨迹；将所述停车难轨迹映射到路网上，提取出停车难路段；通过实时路况对所述停车难路段进行复核。本发明基于动态的移动位置数据，结合精细化的导航电子地图、POI等位置信息，给出路段粒度的停车难度分析结果，更能够满足公众对细粒度停车服务的需求。

Description

一种城市停车难区域的分析方法及系统
技术领域
本发明涉及一种计算机技术和智能交通领域，尤其是涉及一种城市内停车难区域和路段发现的自动化方法和系统。
背景技术
在城市内，从起点(O点)到终点(D点)的一次驾车出行，经历从O点到D点的行驶过程和在D点的停车过程。目前大部分的交通信息服务产品，主要是服务于从O到D的行驶过程的，比较成熟的有实时路况、手机导航等，对D点的停车服务则相对缺乏。在“停车难”愈演愈烈的背景下，特别是缺乏准确的停车场动态数据的情况下，在很多的出行过程中，即使引导到了目的地附近的停车场，也面临无车位可停，耗费大量的时间寻找车位，影响出行体验，甚至引发停车导致的二次拥堵。
如果能够及时发现城市内停车难的区域和路段，则可以帮助政府补充和优化区域内的停车资源，进一步改善出行环境；市民在出行前可以预知目的地附近的停车难易程度，从而对出行方式、时机进行灵活的选择，提升出行体验。
中国专利申请号201610645209.2，名为“基于百度地图开放数据与Web数据挖掘的区域停车难易指数的分析方法”基于土地、人口等交通规划使用的数据来分析停车难易程度，是一种静态、宏观的分析方法，并不能满足公众个性化出行对精细化停车服务的需要。
发明内容
本发明基于智能终端采集的用户导航数据(如出发和目的地)、用户上传的定位轨迹数据等，结合电子地图(包括行驶路线和POI(Point of Interest兴趣点))等，对用户轨迹中的停车段行为进行分析，以期对目的地附近的停车难易程度进行评估。
具体的，根据本发明的一个方面，提供了一种城市停车难区域的分析方法，包括：
提取车辆的停车段行驶轨迹；
对所述停车段行驶轨迹进行判定，得到停车难轨迹；
将所述停车难轨迹映射到路网上，提取出停车难路段；
通过实时路况对所述停车难路段进行复核。
优选的，所述车辆在某一时段内的轨迹数据定义为：
其中，唯一标识一个车辆，N是其在时段内采集的位置点个数；移动位置数据由N个位置点构成，每个位置点采集的属性包括时刻位置坐标和行驶速度其中1≤j≤N。
优选的，基于地图匹配操作，将停车难轨迹映射到路网上。
优选的，所述停车段行驶轨迹为导航场景下与目的地距离最小的点之后的轨迹，或非导航场景下首个车速小于阈值的点之后的轨迹。
优选的，所述判定停车段行驶轨迹为停车难轨迹的条件为：
(1)行驶时间高于设定阈值；
(2)行驶距离高于设定阈值；
(3)平均行驶速度低于设定阈值；
(4)离目的地停车距离高于设定阈值；
(5)轨迹点向量夹角高于设定阈值；
如果上述条件(1)-(5)均满足，则判定为停车难轨迹；否则为正常停车轨迹。
根据本发明的另一个方面，还提供了一种城市停车难区域的分析系统，包括：
轨迹提取模块，用于提取车辆的停车段行驶轨迹；
轨迹判定模块，用于对所述停车段行驶轨迹进行判定，得到停车难轨迹；
映射提取模块，用于将所述停车难轨迹映射到路网上，提取出停车难路段；
复核模块，用于通过实时路况对所述停车难路段进行复核。
本发明的优点在于：本发明基于动态的移动位置数据，结合精细化的导航电子地图、POI等位置信息，给出路段粒度的停车难度分析结果，更能够满足公众对细粒度停车服务的需求。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明中一次出行过程的行驶和停车过程示意图；
图2为本发明中技术架构示意图；
图3为本发明的城市停车难区域的分析方法流程图；
图4为本发明的城市停车难区域的分析系统结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
随着智能手机上电子地图和导航应用等位置服务(Location Based Service，LBS)的普及，LBS服务商积累了大量的用户轨迹数据。通过对用户轨迹的数据挖掘，特别是在区分轨迹中行驶段和停车段的前提下对停车段用户行为的分析，可以对目的地附近的停车难易程度做出评估。
如图1所示，图中分别是2个移动实体C1和C2的一次完整的出行过程，C1从O1行驶到D1，C2从O2行驶到D2。C1到达目的地D1后，以较低的车速继续行驶一段距离，行驶路线曲折，最后停在离D1较远的位置；相比而言，C2行驶到D2后即下车离开。从C1和C2的行驶轨迹可以看出，C1途经D1后行驶过程为寻找停车位的过程，说明D1附近的停车难度要高于D2。
具体的，如图3所示，本发明的城市停车难区域的分析方法包括如下步骤：
步骤S1：提取停车段行驶轨迹。
在导航场景下，可以提前获知用户的目的地，则可以较为及时和准确地对行驶过程和停车过程进行区分；但在非导航场景下，本发明对轨迹末段的低速轨迹进行缓存。
定义移动位置实体在某一时段内采集的轨迹数据为：
其中，唯一标识了一个移动位置实体，N是其在时段内采集的位置点个数；移动位置数据由N个位置点构成，每个位置点采集的属性包括时刻位置坐标和行驶速度其中1≤j≤N。
(一)导航场景
在导航场景下，可以获知导航的目的地POI在路网上的定位点
逆序遍历轨迹数据的每一个位置点1≤j≤N，求与的距离不妨设当j＝λ时，取最小值，则定义的停车段轨迹为：λ≤j≤N。
(二)非导航场景
设vΔ是车辆正常行驶的速度阈值，逆序遍历轨迹数据的每一个位置点1≤j≤N，如果则继续遍历，不妨设则定义的停车段轨迹为：λ≤j≤N。
步骤S2、对停车段行驶轨迹进行判定。
本发明认为，车辆在停车难区域的停车段行驶轨迹具有如下特性：
(1)行驶时间高于设定阈值，即
(2)行驶距离高于设定阈值，即
(3)平均行驶速度低于设定阈值，
(4)离目的地停车距离高于设定阈值，
(5)轨迹点向量夹角高于设定阈值，说明行驶路线曲折，有徘徊的情况出现；
如果上述条件(1)-(5)均满足，则判定为停车难轨迹；否则为正常停车轨迹。
步骤S3、将停车难轨迹映射到路网上。
如图2所示，基于地图匹配(Map Matching)操作，将停车难轨迹映射到路网上后，可以提取出停车难的路段。
地图匹配(Map Matching)是指将行车轨迹的经纬度采样序列与电子地图相匹配，从而将一系列有序的用户或者交通工具的位置关联到电子地图路网上。本发明所使用的地图匹配算法可以采用基于隐形马尔科夫模型的地图匹配算法，也可以采用其他的地图匹配算法将停车难轨迹映射到路网上。
步骤S4、通过实时路况对停车难路段进行复核。
提取停车难路段的实时路况，如果实时路况为畅通，说明当前时段有车速较快的车辆经过当前路段，进一步验证车速较慢的车辆寻找车位停车的可能性增大；反之，如果实时路况为拥堵，则存在停车难路段误报的可能性，需降低计算结果的可信度。
相应地，如图4所示，根据本发明的另一个方面，还提供了一种城市停车难区域的分析系统100，包括：
轨迹提取模块101，用于提取车辆的停车段行驶轨迹；
轨迹判定模块102，用于对所述停车段行驶轨迹进行判定，得到停车难轨迹；
映射提取模块103，用于将所述停车难轨迹映射到路网上，提取出停车难路段；
复核模块104，用于通过实时路况对所述停车难路段进行复核。
使用本发明分析获得停车难结果数据，这些数据的使用方法可以有如下两种：
(1)导航场景
当用户搜寻目的地POI时，如果其目的地POI的定位点匹配的路段为停车难路段，则给用户提出停车难警告。
(2)统计场景
可以对一定时间范围和空间范围内(区域)的停车难路段进行统计，计算停车难路段占比，进而得出区域的停车难易指数；用于公众服务，也可以对政府改善停车环境做出决策支持。
如此，本发明基于动态的移动位置数据，结合精细化的导航电子地图、POI等位置信息，给出路段粒度的停车难度分析结果，更能够满足公众对细粒度停车服务的需求。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种城市停车难区域的分析方法，包括：
提取车辆的停车段行驶轨迹；
对所述停车段行驶轨迹进行判定，得到停车难轨迹；
将所述停车难轨迹映射到路网上，提取出停车难路段；
通过实时路况对所述停车难路段进行复核。
2.根据权利要求1所述的城市停车难区域的分析方法，其特征在于：
所述车辆在某一时段内的轨迹数据定义为：
其中，唯一标识一个车辆，N是其在时段内采集的位置点个数；移动位置数据由N个位置点构成，每个位置点采集的属性包括时刻位置坐标和行驶速度其中1≤j≤N。
3.根据权利要求1或2所述的城市停车难区域的分析方法，其特征在于：
基于地图匹配操作，将停车难轨迹映射到路网上。
4.根据权利要求2所述的城市停车难区域的分析方法，其特征在于：
所述停车段行驶轨迹为导航场景下与目的地距离最小的点之后的轨迹，或非导航场景下首个车速小于阈值的点之后的轨迹。
5.根据权利要求1所述的城市停车难区域的分析方法，其特征在于：
所述判定停车段行驶轨迹为停车难轨迹的条件为：
(1)行驶时间高于设定阈值；
(2)行驶距离高于设定阈值；
(3)平均行驶速度低于设定阈值；
(4)离目的地停车距离高于设定阈值；
(5)轨迹点向量夹角高于设定阈值；
如果上述条件(1)-(5)均满足，则判定为停车难轨迹；否则为正常停车轨迹。
6.一种城市停车难区域的分析系统，包括：
轨迹提取模块，用于提取车辆的停车段行驶轨迹；
轨迹判定模块，用于对所述停车段行驶轨迹进行判定，得到停车难轨迹；
映射提取模块，用于将所述停车难轨迹映射到路网上，提取出停车难路段；
复核模块，用于通过实时路况对所述停车难路段进行复核。
7.根据权利要求6所述的城市停车难区域的分析系统，其特征在于：
所述车辆在某一时段内的轨迹数据定义为：
其中，唯一标识一个车辆，N是其在时段内采集的位置点个数；移动位置数据由N个位置点构成，每个位置点采集的属性包括时刻位置坐标和行驶速度其中1≤j≤N。
8.根据权利要求6或7所述的城市停车难区域的分析系统，其特征在于：
基于地图匹配操作，将停车难轨迹映射到路网上。
9.根据权利要求7所述的城市停车难区域的分析系统，其特征在于：
所述停车段行驶轨迹为导航场景下与目的地距离最小的点之后的轨迹，或非导航场景下首个车速小于阈值的点之后的轨迹。
10.根据权利要求6所述的城市停车难区域的分析系统，其特征在于：
所述判定停车段行驶轨迹为停车难轨迹的条件为：
(1)行驶时间高于设定阈值；
(2)行驶距离高于设定阈值；
(3)平均行驶速度低于设定阈值；
(4)离目的地停车距离高于设定阈值；
(5)轨迹点向量夹角高于设定阈值；
如果上述条件(1)-(5)均满足，则判定为停车难轨迹；否则为正常停车轨迹。
CN201711270143.4A 2017-12-05 2017-12-05 一种城市停车难区域的分析方法及系统 Active CN108197150B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711270143.4A CN108197150B (zh) 2017-12-05 2017-12-05 一种城市停车难区域的分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711270143.4A CN108197150B (zh) 2017-12-05 2017-12-05 一种城市停车难区域的分析方法及系统

Publications (2)

Publication Number Publication Date
CN108197150A true CN108197150A (zh) 2018-06-22
CN108197150B CN108197150B (zh) 2020-06-02

Family

ID=62573702

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711270143.4A Active CN108197150B (zh) 2017-12-05 2017-12-05 一种城市停车难区域的分析方法及系统

Country Status (1)

Country Link
CN (1) CN108197150B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115408452A (zh) * 2022-11-02 2022-11-29 中南大学 一种城市设施关联模式挖掘方法及相关设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101777253A (zh) * 2009-12-24 2010-07-14 戴磊 一种实时路况采集、分析与反馈及智能交通综合服务系统
CN102114861A (zh) * 2011-02-22 2011-07-06 魏敏吉 区域无线网络传递信息的智能化轨道交通系统
CN102509468A (zh) * 2011-11-01 2012-06-20 北京世纪高通科技有限公司 获取停车场信息的方法和装置
CN104484999A (zh) * 2014-12-31 2015-04-01 百度在线网络技术（北京）有限公司 基于用户轨迹确定动态交通信息的方法及装置
CN104792331A (zh) * 2014-01-16 2015-07-22 哈曼国际工业有限公司 用于在提供促销的兴趣点之间导航的技术
CN106250540A (zh) * 2016-08-09 2016-12-21 大连理工大学 基于百度地图开放数据与Web数据挖掘的区域停车难易指数的分析方法
CN205862611U (zh) * 2016-08-15 2017-01-04 杭州钰鸣网络科技有限公司 一种基于分享车位的管理系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101777253A (zh) * 2009-12-24 2010-07-14 戴磊 一种实时路况采集、分析与反馈及智能交通综合服务系统
CN102114861A (zh) * 2011-02-22 2011-07-06 魏敏吉 区域无线网络传递信息的智能化轨道交通系统
CN102509468A (zh) * 2011-11-01 2012-06-20 北京世纪高通科技有限公司 获取停车场信息的方法和装置
CN104792331A (zh) * 2014-01-16 2015-07-22 哈曼国际工业有限公司 用于在提供促销的兴趣点之间导航的技术
CN104484999A (zh) * 2014-12-31 2015-04-01 百度在线网络技术（北京）有限公司 基于用户轨迹确定动态交通信息的方法及装置
CN106250540A (zh) * 2016-08-09 2016-12-21 大连理工大学 基于百度地图开放数据与Web数据挖掘的区域停车难易指数的分析方法
CN205862611U (zh) * 2016-08-15 2017-01-04 杭州钰鸣网络科技有限公司 一种基于分享车位的管理系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115408452A (zh) * 2022-11-02 2022-11-29 中南大学 一种城市设施关联模式挖掘方法及相关设备

Also Published As

Publication number Publication date
CN108197150B (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
US8554473B2 (en) Energy efficient routing using an impedance factor
US11450202B2 (en) Method and system for determining a geographical area occupied by an intersection
CN114435138B (zh) 一种车辆能耗预测方法、装置、车辆及存储介质
US11237007B2 (en) Dangerous lane strands
US10373494B1 (en) Method and apparatus for estimating a parking event based on device signal observations
US11335191B2 (en) Intelligent telematics system for defining road networks
US20080240506A1 (en) Feature information management apparatuses, methods, and programs
JP2011503639A (ja) 地図の更新において使用される、実世界の変化を検出するために複数の車両からのプローブ・データを使用する方法及びシステム
WO2021082464A1 (zh) 预测车辆的目的地的方法和装置
US11341846B2 (en) Traffic analytics system for defining road networks
US11335189B2 (en) Method for defining road networks
CN101964941A (zh) 基于动态信息的智能导航与位置服务系统及方法
Carisi et al. Enhancing in vehicle digital maps via GPS crowdsourcing
CN110741227B (zh) 地标辅助导航
CN105333878A (zh) 一种路况视频导航系统及方法
CN105806351A (zh) 一种道路信息推测方法及装置
CN105096590B (zh) 交通信息生成方法和交通信息生成设备
Saremi et al. Combining map-based inference and crowd-sensing for detecting traffic regulators
CN102768797B (zh) 一种城市路况信息评价方法及装置
US11238735B2 (en) Parking lot information management system, parking lot guidance system, parking lot information management program, and parking lot guidance program
CN114518122A (zh) 行车导航方法、装置、计算机设备、存储介质和计算机程序产品
CN109637127A (zh) 一种信号灯近似时长的确定方法及系统
CN108197150B (zh) 一种城市停车难区域的分析方法及系统
JP2014122859A (ja) 道路情報収集装置及び道路情報収集プログラム
KR102302486B1 (ko) 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체

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