CN108573604A - 基于移动终端定位的公交od数据获取方法及存储介质 - Google Patents

基于移动终端定位的公交od数据获取方法及存储介质 Download PDF

Info

Publication number
CN108573604A
CN108573604A CN201810392378.9A CN201810392378A CN108573604A CN 108573604 A CN108573604 A CN 108573604A CN 201810392378 A CN201810392378 A CN 201810392378A CN 108573604 A CN108573604 A CN 108573604A
Authority
CN
China
Prior art keywords
data
bus
user
public transport
time
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.)
Pending
Application number
CN201810392378.9A
Other languages
English (en)
Inventor
胡斌
邹亮
徐贵亮
杨健
刘军建
杜志明
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.)
Shenzhen Interchange Technology Co Ltd
Original Assignee
Shenzhen Interchange Technology Co 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 Shenzhen Interchange Technology Co Ltd filed Critical Shenzhen Interchange Technology Co Ltd
Priority to CN201810392378.9A priority Critical patent/CN108573604A/zh
Publication of CN108573604A publication Critical patent/CN108573604A/zh
Pending legal-status Critical Current

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
    • 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
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种基于移动终端定位的公交OD数据获取方法及存储介质，包括基于移动终端的A‑GPS,采集基础出行数据，从基础出行数据中筛选出用户可能搭乘公交出行的原始公交数据；根据乘车实时速度与人的步行速度的规律分析用户乘车状态，按用户乘车状态分割所述原始公交数据，得到若干个子数据集；合并各子数据集并按时间排序得到第一数列，提取第一数列中对应用户出行方式是公交的公交路线数据集；基于子数据集和公交路线数据集，去除上下车处的公交站点为换乘站点的数据，确定最终公交出行数据。本发明根据换乘时间及公交固定路线的特点，实现获取准确性高的公交OD数据，降低计算复杂度，减小误差，提高公交服务水平。

Description

基于移动终端定位的公交OD数据获取方法及存储介质
技术领域
本发明涉及公共交通技术领域，具体涉及一种基于移动终端定位的公交OD数据获取方法及存储介质。
背景技术
当今社会交通量激增，城市交通拥挤，不良的出行状况严重影响着人们的日常生活。通过优先发展公共交通来解决大、中城市目前普遍存在的交通拥挤、交通事故频繁和环境污染等问题已成为一种共识。世界各国都纷纷运用先进的科技手段改善公交运营环境，投入了较大的人力和物力从事智能公共交通系统研究，并已取得了显著的成果。目前，应用于公交车辆定位、车辆监控、自动驾驶、计算机辅助调度等领域及通过提供各种公共交通信息以提高公交服务水平。
日前，城市公交车的公交智能化水平还较低，绝大部分是沿袭旧的运营体制。但在近几年，随着科学技术的进步和公交投入力度的加大，现有的智能公共交通系统已初现端倪。比如：在地铁上安装的自动检票系统，实现了乘客的自动计数，并且可统计客流变化情况。又如一些城市实施公交“一卡通”，实现公交电子收费，又或者在部分公交线路上实验公交车辆跟踪调度系统,以实现对车辆的实时跟踪和定位、公交车与调度室的双向通讯、以及电子站牌上实时显示下班车位置信息等功能。
上述功能的实现均是基于公交OD(Origin Destination,交通出行量)数据，公交OD是进行公共交通规划及其路网管理的重要基础信息，用于反映公交出行需求空间分布的重要参数，其准确程度将影响公共交通分配模型的效果。目前传统的公交OD获取方法上存在较大的局限性，并且其结果也出现较大的误差。
因此，现有技术有待于改进和发展。
发明内容
基于此，有必要针对目前传统的公交OD获取方法上存在的较大局限性和获取结果上存在的较大误差的问题，提供一种基于移动终端定位的公交OD数据获取方法及存储介质，旨在通过用户的步行速度和车辆行驶速度筛选出在公交站站点范围内乘车且乘坐的是公交车的数据集合，并利用换乘时间来筛选出转乘站点的数据，最终得到公交出行数据，降低计算复杂度和误差，提高公交OD获取的精准度。
为了达到上述目的，本发明采取了以下技术方案：
本发明提供一种基于移动终端定位的公交OD数据获取方法，所述基于移动终端定位的公交OD数据获取方法包括以下步骤：
基于移动终端的A-GPS,采集基础出行数据，从基础出行数据中筛选出用户可能搭乘公交出行的原始公交数据；
根据乘车实时速度与人的步行速度的规律分析用户乘车状态，按用户乘车状态分割所述原始公交数据，得到若干个子数据集；
合并各子数据集并按时间排序得到第一数列，提取第一数列中对应用户出行方式是公交的有序公交路线数据集；
基于子数据集和有序公交路线数据集，识别用户在上下车处的公交站点是否为换乘站点，然后根据识别结果确定最终公交出行数据。
所述的基于移动终端定位的公交OD数据获取方法，其中，所述基于移动终端的A-GPS,采集基础出行数据，具体包括：
启动移动终端的A-GPS；
获取各站点位置数据；
获取用户在周期时间内每隔预设时间的实时位置数据；
得到基础出行数据，所述基础出行数据包括各站点位置数据和用户的实时位置数据。
所述的基于移动终端定位的公交OD数据获取方法，其中，所述从基础出行数据中筛选出用户可能搭乘公交出行的原始公交数据，具体包括：
所述实时位置数据包括实时时间、实时速度、经度、纬度以及加速度；
提取基础出行数据中实时位置数据和各站点位置数据；
计算用户的每一个实时位置到公交站站点的距离；
判断所述距离与预设的站点范围阈值的大小；
当所述距离小于等于所述站点范围阈值时，获取符合条件对应的基础出行数据，组合形成原始公交数据。
所述的基于移动终端定位的公交OD数据获取方法，其中，所述用户乘车状态用于表示用户实时位置的乘车行为，包括上车状态、下车状态、候车状态以及在车上状态。
所述的基于移动终端定位的公交OD数据获取方法，其中，所述根据乘车实时速度与人的步行速度的规律分析用户乘车状态，按用户乘车状态分割所述原始公交数据，得到若干个子数据集，具体包括：
提取原始公交数据中实时时间、实时速度以及加速度；
比较每一个实时速度与预设的第一步行速度的大小；
根据比较结果，确定用户在公交站站点的用户乘车状态；
根据所述用户乘车状态分割所述原始公交数据，得到若干个子数据集；
所述子数据集包括上车子数据集、下车子数据集、候车子数据集以及在车上子数据集。
所述的基于移动终端定位的公交OD数据获取方法，其中，所述根据乘车实时速度与人的步行速度的规律分析用户乘车状态，按用户乘车状态分割所述原始公交数据，得到若干个子数据集，还包括：
获取候车子数据集和在车上子数据集，并分别进行合并运算处理，得到第二候车子数据集和第二在车上子数据集。
所述的基于移动终端定位的公交OD数据获取方法，其中，合并各子数据集并按时间排序得到第一数列，提取第一数列中对应用户出行方式是公交的有序公交路线数据集，具体包括：
将上车子数据集、下车子数据集、第二候车子数据集以及第二在车上子数据集进行合并运算；
将合并运算后的结果按时间顺序排列，得到第一数列；
根据公交固定路线和用户乘车状态，提取第一数列中对应用户出行方式是公交的所有公交站点位置数据；
将所述公交站点位置数据与其对应的实时位置数据组成有序公交路线数据集。
所述的基于移动终端定位的公交OD数据获取方法，其中，所述基于子数据集和有序公交路线数据集，识别用户在上下车处的公交站点是否为换乘站点，具体包括：
基于获取的上车子数据集、下车子数据集以及有序公交路线数据集，得到用户在所有公交站上下公交的数据集合；
对所述数据集合按时间顺序排列，得到第二数列；
计算所述第二数列中对应用户下车的实时时间到用户相邻下一次上车的实时的时间差；
比较所述时间差与换乘时间阈值的大小；
根据比较结果，识别所述时间差对应的公交站站点是否为换乘站点；
若是换乘站点，则去除所述第二数列中所述换乘站点对应的数据，得到最终公交出行数据。
本发明还提供一种移动终端，包括：处理器、存储器、GPS模块，所述存储器存储有基于移动终端定位的公交OD数据获取程序，所述基于移动终端定位的公交OD数据获取程序被所述处理器执行用于实现上述任意所述的基于移动终端定位的公交OD数据获取的方法。
本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任意所述的基于移动终端定位的公交OD数据获取方法中的步骤。
相较于现有技术，本发明实现的有益效果：
1.换乘识别准确性高，通过用户相邻的上下车状态以及上下车时间差与换乘时间对比筛选出换乘点，减少误判，提高识别准确度。
2.本发明的公交OD数据获取是利用移动终端通过A-GPS感测的优势以及用户乘车状态的分析判断，能够较快速地完整准确筛选出公交乘客的出行信息。
3.根据用户的行为判断以及速度大小获取，有效得将非公交出行的数据从识别结果中剔除处理，为后续换乘识别降低计算复杂度，节省时间。
4.与传统公交OD获取相比，本发明采用公交距离的判断、用户的行为判断、交通工具的判断以及换乘点的识别获取公交OD数据，方法灵活简便。
附图说明
图1是本发明提供的一种基于移动终端定位的公交OD数据获取方法的流程图。
图2是本发明提供的移动终端功能原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一
本发明提供一种基于移动终端定位的公交OD数据获取方法，图1是本发明的基于移动终端定位的公交OD数据获取方法的流程图，如图1所示，所述基于移动终端定位的公交OD数据获取方法包括：
S10,基于移动终端的A-GPS,采集基础出行数据，从基础出行数据中筛选出用户可能搭乘公交出行的原始公交数据。
在步骤S10之前，预先设置人的第一步行速度，所述第一步行速度为3.6km/h，即行人走完60英尺耗时18秒。预先设置用户乘坐公交站的站点范围阈值，所述站点范围阈值为200米，即以任一公交站站点位置为中心，站点范围阈值(200米)为半径的球体面积作为用户可能使用公交的范围，也就是，在公交站站点发生乘车行为的范围。为了减小定位误差以及降低公交车开始启动速度慢导致计算的误差，用户自定义设置合适的公交站的站点范围阈值。预先设置公交车的换乘时间阈值，所述换乘时间阈值为20min。
需要说明的是，所述第一步行速度、所述站点范围阈值、所述换乘时间阈值并非限制性的，可根据不同地域自定义设置，例如中小城镇中所述第一步行速度为2.16km/h，即行人走完60英尺耗时30秒；所述站点范围阈值可设置为区域范围，如70米至100米区域；所述换乘时间阈值也可设置为30min。
所述移动终端是具有GPS定位功能的终端，所述移动终端可以是手机，所述移动终端通过无线网络连接服务器，所述服务器存储有城市所有公交站站点位置数据或利用所有公交站站点GPS定位系统获取公交站站点位置数据。
具体地，通过无线网络获取存储于数据库中所有的公交站站点位置数据，设置任一公交站的公交站站点位置数据f＝(m,n)，其中m为某一公交站站点的经度，n为某一公交站站点纬度，且所有公交站点位置数据集合记为集合B，其中Bi为第i路公交车的所有站点集合。当然，上述公交站站点位置数据f可根据城市公共交通网或城市公共交通系统获得，也可通过定位装置获取。
本发明中，移动终端的A-GPS(Assisted GPS)，区别于传统GPS,借用网络数据定位，使得所述A-GPS在定位上更精准，无需下载来自GPS导航数据，直接跟踪GPS信号。所述移动终端包括GPS发送模块和GPS接收模块,GPS发送模块将GPS的位置数据信息传给移动通信网络，由网络的定位服务器进行位置计算，同时移动网络按照GPS的参考网络所产生的辅助数据传递给GPS接收模块，从数据库中查出与移动终端近似位置信息传给移动终端。
启动移动终端的A-GPS，采集基础出行数据，所述基础出行数据包括各站点位置数据和用户的实时位置数据，表示为(ki，f)。所述用户的实时位置数据的采集为在周期时间内(一天，24h)每隔预设时间(5s)用户的实时位置数据。其中，所述实时位置数据包括用户发生乘车行为的实时时间t、实时位置的经度x、实时位置的纬度y、用户实时位置的实时速度v以及加速度a，其中加速度a可以是平均加速度，也可以是实时加速度，然后令ki＝(t,x,y,v,a,β)，其中ki表示用户实时位置数据，i表示基础出行数据的个数或采集个数，具体为用户实时位置数据的个数，β为状态参数，用于表示用户当前实时位置时的乘车状态，即β的取值与乘车状态的映射关系如表1所示：
表1
表1中，当β＝0时，表示用户在当前位置正准备上车的上车状态，表示用户即将上车的行为；当β＝1时，表示用户在当前位置正准备下车的下车状态，表示用户即将下车的行为；当β＝2时，表示用户在当前位置等待车辆的候车状态或静止状态，表示用户正在等车的行为；当β＝3时，表示用户在当前位置正在车上的在车上状态，表示用户已经在车上的行为；当β＝4时，表示用户在当前位置正使用非机动车出行或行驶的行为，即非机动车乘车状态。
此时，ki中β的值是未知的。
进一步地，获取站点范围阈值，然后通过公式(1)计算所述基础出行数据中对应的每一个用户的实时位置到公交站站点的距离L(设地球半径为R且东经为正，西经为负，北纬为正，南纬为负)：
L＝R×{arccos[cosn×cosy×cos(m-x)+sinn×siny]} (1)
当某一实时位置数据ki对应的实时位置到某一站点数据f对应的站点的距离L小于等于站点范围阈值时，即L≤200m,则认为此ki对应的实时位置处于公交站的可能使用公交范围内，即在公交站范围内，用户有可能乘坐公交进行出行的实时位置，以此类推计算所有的基础出行数据，将所有满足上述表达式(1)对应的ki和f记为j＝(ki,f)∈C，集合C称为公交站站点的可能使用公交集合，作为原始公交数据。
即所述基于移动终端的A-GPS,采集基础出行数据，具体包括：
S100,启动移动终端的A-GPS；
S101,获取各站点位置数据；
S102,获取用户在周期时间内每隔预设时间的实时位置数据；
S103,得到基础出行数据。
进一步地，即所述从基础出行数据中筛选出用户可能搭乘公交出行的原始公交数据，具体包括：
S104,提取基础出行数据中实时位置数据和各公交站点位置数据；
S105,计算每一个用户的实时位置到公交站站点的距离；
S106,判断所述距离与预设的站点范围阈值的大小；
S107,当所述距离小于等于所述站点范围阈值时，获取符合条件对应的基础出行数据，组合形成原始公交数据。
S20,根据乘车实时速度与人的步行速度的规律分析用户乘车状态，按用户乘车状态分割所述原始公交数据，得到若干个子数据集。
上述步骤S10获取的原始公交数据中，假设原始公交数据的元素个数为1000个，即i＝1,2,3,…,1000，但是这1000个元素中，可能有300个元素表示用户只是经过某公交站站点，也可能有100个元素表示用户正忙于工作、娱乐，并非发生乘车行为，即并非是在站点上、下车，或候车，如在站点附近打闹，因此，当检测到用户靠近公交站站点后，需要判断用户乘车状态，是否要候车、上车、下车还是在车上停靠，根据分析后的用户乘车状态将步骤10得到的原始公交数据进行分类，分割成若干个子数据集，也就是从原始公交数据中筛选出用户在站点正上车状态、下车状态、候车状态以及在车上状态的子数据集。
分四种情况判断用户在站点范围的乘车状态：
一、上车状态，即β＝0
上车前，用户当前时刻以前的速度不大于人的第一步行速度，而在上车后，将会出现某一时刻的速度较大于人的第一步行速度，并且，较大于人的第一步行速度的情况将持续一段时间，此时即可判定用户的乘车状态是上车状态。
具体地，获取原始公交数据，即可能使用公交集合C中的实时位置数据ki，解析得到当前用户实时位置的实时速度vi、实时时间ti以及加速度ai，分析用户实时速度与人的第一步行速度的大小关系：
当C的元素(ki,f)中ki对应的vi出现vi≥2×3.6＝7.2km/h时，即当前时刻用户的实时速度大于等于2倍于人的第一步行速度，且该时刻及以后时刻，保持一定时间的大小不变关系时，则表明用户已经上车了。
然而车辆在行驶时会有一个由慢到快的加速状态，若a≥0并且足够大，必定有一个速度最小值。因此，在这加速段的时间内，取用户当前时刻的速度最小值vmin作为用户上车时间点，即
[vi,vi-1,vi-2,vi-3,……,vi-n]中的vmin对应的kvmin作为上车数据点。
其中，n为公交站加速段内数据个数，i为C(或原始公交数据)元素的个数。
分析检测到的所有实时速度vi与人的第一步行速度的大小关系，具体为：
在最小速度vmin对应的时刻之前的所有实时时间对应的实时速度均小于等于人的第一步行速度，即vi-1,vi-2,vi-3,……,vi-n≤3.6km/h(n为公交站站内，且在kvmin之前的个数)，且最小速度vmin对应的时刻之后的某一实时时间对应的实时速度大于等于2倍于人的第一步行速度，即某v≥7.2km/h，并且在该实时时间之后持续一段时间使得对应的实时速度保持大于等于2倍于人的第一步行速度。
将满足上述条件的原始公交数据的元素作为上车子数据集，标记为D，即(kvmin，f)∈D。
二、下车状态，即β＝1
下车前，用户实时位置的时刻之前时间对应的实时速度较大于2倍于人的第一步行速度，而在下车后实时速度不大于人的第一步行速度，此时即可判定用户是下车状态。
具体地，在集合C中，满足条件：
元素(ki，f)的ki前n个元素对应的vi-1,vi-2,vi-3,……,vi-n有某一实时速度v≥7.2km/h，对应的a≥0且实时速度v按时间变化呈现减速状态，后n个元素对应的vi,vi+1,vi+2,vi+3,……,vi+n有某一实时速度v≤3.6km/h的情况出现，则认为用户在此站下车了，并将这2n个数据中的最小速度vmin对应的数据组ki作为其下车数据点，记为(ki，f)∈E，E称为下车子数据集。
三、候车状态，即β＝2
在可能搭乘公交的使用范围内，即集合C前后n个数据里的实时速度都不大于人的第一步行速度，此时即可判定用户是候车状态。
具体地，满足以下条件：
其一，元素(ki，f)的ki前n个元素对应的实时速度均小于等于第一步行速度，即vi-1,vi-2,vi-3,……,vi-n≤3.6km/h，且元素(ki，f)的ki后n个元素对应的实时速度也均小于等于第一步行速度，即vi+1,vi+2,vi+3,……,vi+n≤3.6km/h。
其二，元素(ki，f)∈C。
在集合C中同时满足上述两个条件的数据组为候车数据，记为(ki，f)∈F，F称为候车子数据集。
更进一步地，若根据用户上下车特点，可筛选出某公交站的上下车数据点，则所有候车数据的i下≤i≤i上(i上，i下分别是该车站上下车点的数据组对应的i值)。
四、在车上状态，即β＝3
所述在车上状态，即表示用户通过站点时，在车上，仅作停靠，而不下车的情况。
停靠前后的实时速度都较大于2倍于人的第一步行速度，并且，加速度大于零时，停靠前实时速度再不断减速，停靠后实时速度再不断加速，此时即可判定用户为在车上状态。
具体地，满足以下条件：
其一，元素(ki，f)∈C。
其二，元素(ki，f)的ki前n个元素对应的实时速度中vi,vi-1,vi-2,vi-3,……,vi-n有某一实时速度v≥7.2km/h，对应的a≥0且实时速度v按时间变化呈现减速状态，且元素(ki,f)的ki后n个元素对应的实时速度中vi+1,vi+2,vi+3,……,vi+n有某一实时速度v≥7.2km/h，对应的a≥0且速度v按时间变化呈现加速状态。
其三，在这2n个实时速度v数据里面，出现一段时间内的实时速度v接近0km/h或可能出现实时速度v＝0km/h。
所有同时满足以上三个条件的元素(ki,f)∈G，G称为在车上子数据集或有停靠在车上子数据集。若不满足以上条件，视为没有停靠。
因此，通过乘车实时速度与人的步行速度的规律分析用户乘车状态，而不需要复杂计算，筛选出符合条件的实时位置数据，这样降低了整体计算的复杂度，节省了时间，加快了效率，同时大大的降低了计算的误差。
即步骤S20，具体包括：
S201，提取原始公交数据中实时时间、实时速度以及加速度；
S202，比较每一个实时速度与预设的第一步行速度的大小；
S203，根据比较结果，确定用户在公交站站点的用户乘车状态；
S204，根据所述用户乘车状态分割所述原始公交数据，得到若干个子数据集；
由于对于每个不同的站点，应只得到一个上车子数据集，一个下车子数据集，或者一个上车子数据集和一个下车数据子数据集，但候车子数据集和在车上停靠子数据集均为若干个。
S30,合并各子数据集并按时间排序得到第一数列，提取第一数列中对应用户出行方式是公交的公交路线数据集。
在步骤30之前，为了简化计算步骤以及减少计算复杂度，需要对步骤20获取的候车子数据集和在车上子数据集，分别进行合并运算处理，得到第二候车子数据集和第二在车上子数据集。
具体地，针对候车子数据集F：
在F中，若元素(ki,f1)与元素(ki-1,f2)相同即f1＝f2(即同一站点)，则可以合并。以此依据将F中所有f相同的ki数据合并得新的数据组，如下所示：
ki′＝(t′,x′,y′,v′,a′,2)
上式当中
其中，ki′为一公交站站点的位置数据，n为公交站站点的个数，t′、x′、y′、v′以及a′对应均为实时时间t、实时位置的经度x、实时位置的纬度y、用户实时位置的实时速度v以及加速度a的平均值，“2”表示候车状态。
因此，通过合并运算后，每个站点就只有一个候车数据组了，将ki′、f重新组合成第二候车子数据集F′＝(ki′,f)，在此集合中，每个元素的f都不相同。
针对有停靠在车上子数据集G采用同样处理方法：
在G中，若元素(ki,f1)与元素(ki-1,f2)相同即f1＝f2，则可以合并。即将G中所有f相同的ki数据合并得新的数据组，如下所示：
ki″＝(t″,x″,y″,v″,a″,3)
上式当中
其中，ki″为一公交站站点的位置数据，n为公交站站点的个数，t″、x″、y″、v″以及a″对应均为实时时间t、实时位置的经度x、实时位置的纬度y、用户实时位置的实时速度v以及加速度a的平均值，“3”表示有停靠在车上状态。
同样，对每个车站而言，若是出现停靠，通过合并运算处理得到一个数据组，把这些数据组组合形成第二在车上子数据集G″或有停靠候车集合G″＝(ki″,f)，f在集合G″中是不相同且唯一的。
当然，正因为每个不同的车站，只得到一个上车，一个下车，或者一个上车和一个下车数据，不需要对上车子数据集和下车子数据集进行合并运算。
进一步地，将上车子数据集、下车子数据集、第二候车子数据集以及第二在车上子数据集进行合并运算，然后按照时间顺序进行排列，得到第一数列,从第一数列中再次筛选出用户乘坐的是公交车的数据，排除掉用户搭乘的是汽车、摩的、三轮车等出行方式的数据，例如，上述经步骤S20后，所述原始公交数据的元素个数为600(1000-300-100)个，不考虑后续分割和合并组合因素。这600个元素均表示用户要坐车出行，即用户即将发生乘车行为，但可能有100个用户乘坐汽车，50个用户乘坐三轮车，其余剩下的可能坐公交车，因此，还需要在这600个元素中筛选出用户乘坐的是公交车的数据组。
当然，根据公交车具有定点停靠，有固定路线的特性以及一般用户乘车轨迹：先在公交站点候车，然后上车，经过若干站点后，在公交站点下车，以确认用户搭乘的是公交车。基于此，筛选出符合条件的公交站点位置数据和对应的实时位置数据。
即具体地，合并集合D，E，F′，G″，即D∪E∪F′∪G″，合并后的集合按时间顺序排列，得第一数列H，其形式为[(ki′,f),(kvmin,f),(ki″,f),(ki,f),…]。其中，(ki′,f)为第二候车子数据集中元素，(kvmin,f)为上车子数据集中元素，(ki″,f)为第二在车上子数据集中元素，(ki,f)为下车子数据集中元素。在此数列中，满足以下条件：
其一，出现一个元素(kvmin,f)∈D，相应的时间为td(即上车子数据集合对应的某一实时位置的实时时间)，在t＜td范围内紧连着一个元素(ki′,f)∈F′，在t≥td的范围内有一元素(ki,f)∈E，该元素相应的时间为te(即下车子数据集中对应的某一实时位置的实时时间)，在td≤t≤te的时间范围内有若干元素(ki″,f)∈G″。
其二，在td≤t≤te的时间范围内，若干元素(ki″,f)∈G″对应的各个不同的f(公交站点位置数据)，td对应的f以及te对应的f组成的用户路线集合f∈Ls，并且(其中，i为城市当中，第i路车的公交站点位置数据集合)。若干元素(ki″,f)∈G″，td对应的以及te对应的(ki,f)组成的用户的有序公交路线集合Qs。
其三，在td≤t≤te的时间范围内，不再有上下车状态出现(可采用上述步骤20中判断上下车的方法)。
若同时满足以上三个条件，则认为在td≤t≤te的时间范围内，该用户使用了公交作为出行方式，否则就没有乘坐公车，则不列入公交OD的计算范围。
根据上述条件筛选得出第一数列H，然后将若干公交路线集合Ls集合作并集，则可得到用户的所有公交路线集合L(是以公交站点数据组成的集合)。同样方法对Qs处理可以获得用户的所有有序公交路线数据集Q，是以元素(ki,f)为单位的集合。
即步骤S30，具体包括：
S301，将上车子数据集、下车子数据集、第二车子数据集以及第二在车上子数据集进行合并运算；
S302，将合并运算后的结果按时间顺序排列，得到第一数列；
S303，根据公交固定路线和用户乘车状态，提取第一数列中对应用户出行方式是公交的所有公交站点位置数据；
S304，将所述公交站点位置数据与其对应的实时位置数据组成有序公交路线数据集。
当用户乘车状态在一定时间(td≤t≤te)内依次变为候车状态、上车状态、在车上状态以及下车状态，且在该时间内不在有上下车状态出现或变换，即在该时间内只出现过一次上车状态和下车状态的变化，则判定用户搭乘的是公交车。
在本发明实施例中，第一数列H是按照时间顺序排列若干个子数据集，因此，一段连续的时间内对应的单个的用户乘车状态也依次呈现为候车、上车、车上以及下车，完成一次完整的公交搭乘过程。当然，用户乘车状态与实时速度、加速度的关系具体如步骤S20所述。
S40,基于子数据集和有序公交路线数据集，识别用户在上下车处的公交站点是否为换乘站点，然后根据识别结果确定最终公交出行数据。
假设用户正乘坐公交1路车，从公交站站点A上车出发，途径公交站站点B->C->D,在公交站站点D下车，准备换乘公交2路车，此时在公交站站点D等候，候车时间t分钟后在公交站站点D上车，乘坐公交2路，直到到目的地站点下车。此时，用户在同一公交站站点D处完成了下车和上车动作，且在候车时间t分钟内没有其他状态的转变，即多次进行上下车，此时该公交站点被计算三次，且属于短时活动，因此，获取用户完整的公交出行数据，需要去除在换乘点上下车对应的站点位置数据和实时位置数据。
若用户无需换乘，经步骤S40计算整理后的数据为最终公交出行数据。
基于上述，在本发明实施例中，需要进一步判断用户的上下车处是否为换乘点。
因为，公交路线换乘时间具有固定不变性，当用户在同一站点上下车处等候时间小于换乘时间，则说明该站点为换乘点。即具体地，若用户下车处对应的实时时间与用户再一次上车处对应的实时时间的时间差小于等于预设的换乘时间阈值，则作差对应的公交站站点位置即为换乘点，若时间差大于换乘时间阈值，则作差对应的公交站站点位置即为起始点或终止点。
具体地，获取上车子数据集、下车子数据集以及有序公交路线数据集，将上车子数据集、下车子数据集作并集运算，即D∪E，得到用户在公交站点上下车的集合，将结果与有序公交路线数据集作交集运算，即与Q作交集，(D∪E)∩Q得到用户在所有公交站上下公交的集合，然后对此集合中元素按时间顺序排列，得到第二数列P。按正常的搭乘公交而言，必定是先有上车，而后出现一下车。故第二数列P是以“上车，下车，上车，下车……”出现，且首项上车，末项下车，为偶数项数列。然后计算所述第二数列P中对应用户下车的实时时间到用户相邻下一次上车的实时时间的时间差t,与换乘时间阈值比较大小:
若出现：在第二数列P中，有第n个元素(ki,f)∈D，其对应时间为tn，第n-1个元素(ki,f)∈E，其对应时间为tn-1，且tn-tn-1≤20min，则为换乘点。
若出现：在第二数列P中，有第n个元素(ki,f)∈E，其对应时间为tn，第n+1个元素(ki,f)∈D，其对应时间为tn+1，且tn+1-tn≤20min，则为换乘点。
出现以上两种情况的都视作换乘情况，因此，对第二数列P中将把作差的两时间对应的数据去除，如上面的情况则要同时去除有第n个元素(ki,f)∈D及第n-1个元素(ki,f)∈E或者同时去除第n个元素(ki,f)∈E及第n+1个元素(ki,f)∈D，即可得到最终公交出行数据，也就是最终的公交OD数据数列，其形式是以(ki,f)组成的有序排列。若(ki,f)∈D，则该组数据为公交起始点数据，若(ki,f)∈E，则该组数据为公交终止点数据。
若不是换乘点，则第二数列P为最终公交出行数据，无需去除，同样P中(ki,f)∈D，则该组数据为公交起始点数据，若(ki,f)∈E，则该组数据为公交终止点数据
即步骤S40，具体包括：
S400，基于获取的上车子数据集、下车子数据集以及有序公交路线数据集，得到用户在所有公交站上下公交的数据集合；
S401，对所述数据集合按时间顺序排列，得到第二数列；
S402，计算用户刚下车的实时时间到用户相邻下一次刚上车的实时时间的时间差；
S403，计算所述第二数列中对应用户下车的实时时间到用户相邻下一次上车的实时的时间差；
S404，比较所述时间差与换乘时间阈值的大小；
S405，根据比较结果，识别所述时间差对应的公交站站点是否为换乘公交站站点；若是换乘站点，则去除所述第二数列中所述换乘站点对应的数据，得到最终公交出行数据
实施例二
本发明还提供一种移动终端，所述移动终端100包括处理器1、存储器2、GPS模块3、加速度传感器4，如图2所示。其中，所述GPS模块采用A-GPS，区别于现有的GPS，利用移动终端的定位技术，无需增加其他设施，快速追踪用户的位置数据；所述加速度传感器用于获取车辆行驶的加速度，当然也可用其他实现该功能的传感器进行捕获，如加速度计。图2仅示出了移动终端100的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器2在一些实施例中可以是所述移动终端的内部存储单元，例如移动终端的内存。所述存储器2在另一些实施例中也可以是所述移动终端的外部存储设备，例如所述移动终端上配备的插接式U盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器2还可以既包括所移动终端的内部存储单元也包括外部存储设备。所述存储器2用于存储安装于所述移动终端的应用软件及各类数据，例如所述基于移动终端的公交OD数据获取的程序代码等。所述存储器2还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器2上存储有基于移动终端的公交OD数据获取程序，该基于移动终端的公交OD数据获取程序可被处理器1所执行，从而实现本发明中基于移动终端定位的公交OD数据获取方法。
所述处理器1在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器，手机基带处理器或其他数据处理芯片，用于运行所述存储器2中存储的程序代码或处理数据，例如执行所述基于移动终端定位的公交OD数据获取方法等。
具体地，所述存储器2存储有基于移动终端定位的公交OD数据获取程序，所述基于移动终端定位的公交OD数据获取程序被所述处理器2执行用于实现以下步骤：
基于移动终端的A-GPS,采集基础出行数据，从基础出行数据中筛选出用户可能搭乘公交出行的原始公交数据；
根据乘车实时速度与人的步行速度的规律分析用户乘车状态，按用户乘车状态分割所述原始公交数据，得到若干个子数据集；
合并各子数据集并按时间排序得到第一数列，提取第一数列中对应用户出行方式是公交的有序公交路线数据集；
基于子数据集和有序公交路线数据集，识别用户在上下车处的公交站点是否为换乘站点，然后根据识别结果确定最终公交出行数据；具体如上所述。
进一步地，所述基于移动终端定位的公交OD数据获取程序被所述处理器2执行，还用于实现以下步骤：
启动移动终端的A-GPS；
获取各站点位置数据；
获取用户在周期时间内每隔预设时间的实时位置数据；
得到基础出行数据，所述基础出行数据包括各站点位置数据和用户的实时位置数据；
所述实时位置数据包括实时时间、实时速度、经度、纬度以及加速度；
提取基础出行数据中实时位置数据和各站点位置数据；
计算用户的每一个实时位置到公交站站点的距离；
判断所述距离与预设的站点范围阈值的大小；
当所述距离小于等于所述站点范围阈值时，获取符合条件对应的基础出行数据，组合形成原始公交数据；具体如上所述。
进一步地，所述基于移动终端定位的公交OD数据获取程序被所述处理器2执行，还用于实现以下步骤：
提取原始公交数据中实时时间、实时速度以及加速度；
比较每一个实时速度与预设的第一步行速度的大小；
根据比较结果，确定用户在公交站站点的用户乘车状态；
根据所述用户乘车状态分割所述原始公交数据，得到若干个子数据集；
所述子数据集包括上车子数据集、下车子数据集、候车子数据集以及在车上子数据集；
获取候车子数据集和在车上子数据集，并分别进行合并运算处理，得到第二候车子数据集和第二在车上子数据集；具体如上所述。
进一步地，所述基于移动终端定位的公交OD数据获取程序被所述处理器2执行，还用于实现以下步骤：
将上车子数据集、下车子数据集、第二候车子数据集以及第二在车上子数据集进行合并运算；
将合并运算后的结果按时间顺序排列，得到第一数列；
根据公交固定路线和用户乘车状态，提取第一数列中对应用户出行方式是公交的所有公交站点位置数据；
将所述公交站点位置数据与其对应的实时位置数据组成有序公交路线数据集；具体如上所述。
进一步地，所述基于移动终端定位的公交OD数据获取程序被所述处理器2执行，还用于实现以下步骤：
基于获取的上车子数据集、下车子数据集以及有序公交路线数据集，得到用户在所有公交站上下公交的数据集合；
对所述数据集合按时间顺序排列，得到第二数列；
计算所述第二数列中对应用户下车的实时时间到用户相邻下一次上车的实时时间的时间差；
比较所述时间差与预设的换乘时间阈值的大小；
根据比较结果，识别所述时间差对应的公交站站点是否为换乘站点；
若是换乘站点，则去除所述第二数列中所述换乘站点对应的数据，得到最终公交出行数据；具体如上所述。
实施例三
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器(本实施例为所述处理器2)执行，以实现本发明基于移动终端定位的公交OD数据获取方法中的步骤。
综上所述，本发明提供一种基于移动终端定位的公交OD数据获取方法及存储介质，所述基于移动终端定位的公交OD数据获取方法包括基于移动终端的A-GPS,采集基础出行数据，从基础出行数据中筛选出用户可能搭乘公交出行的原始公交数据；根据乘车实时速度与人的步行速度的规律分析用户乘车状态，按用户乘车状态分割所述原始公交数据，得到若干个子数据集；合并各子数据集并按时间排序得到第一数列，提取第一数列中对应用户出行方式是公交的公交路线数据集；基于子数据集和公交路线数据集，识别用户在上下车处的公交站点是否为换乘站点，然后根据识别结果确定最终公交出行数据。本发明根据换乘时间以及公交固定搭乘路线的特点，将获取公交交通出行数据的方法转化为构建数学模型获取对应数据，并借助移动终端的定位技术使得定位结果更精确和准确，降低计算的复杂度，减小误差，提高公交服务水平。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种基于移动终端定位的公交OD数据获取方法，其特征在于，包括以下步骤：
基于移动终端的A-GPS,采集基础出行数据，从基础出行数据中筛选出用户可能搭乘公交出行的原始公交数据；
根据乘车实时速度与人的步行速度的规律分析用户乘车状态，按用户乘车状态分割所述原始公交数据，得到若干个子数据集；
合并各子数据集并按时间排序得到第一数列，提取第一数列中对应用户出行方式是公交的有序公交路线数据集；
基于子数据集和有序公交路线数据集，识别用户在上下车处的公交站点是否为换乘站点，然后根据识别结果确定最终公交出行数据。
2.根据权利要求1所述的基于移动终端定位的公交OD数据获取方法，其特征在于，所述基于移动终端的A-GPS,采集基础出行数据，具体包括：
启动移动终端的A-GPS；
获取各站点位置数据；
获取用户在周期时间内每隔预设时间的实时位置数据；
得到基础出行数据，所述基础出行数据包括各站点位置数据和用户的实时位置数据。
3.根据权利要求2所述的基于移动终端定位的公交OD数据获取方法，其特征在于，所述从基础出行数据中筛选出用户可能搭乘公交出行的原始公交数据，具体包括：
所述实时位置数据包括实时时间、实时速度、经度、纬度以及加速度；
提取基础出行数据中实时位置数据和各站点位置数据；
计算用户的每一个实时位置到公交站站点的距离；
判断所述距离与预设的站点范围阈值的大小；
当所述距离小于等于所述站点范围阈值时，获取符合条件对应的基础出行数据，组合形成原始公交数据。
4.根据权利要求1所述的基于移动终端定位的公交OD数据获取方法，其特征在于，所述用户乘车状态用于表示用户实时位置的乘车行为，包括上车状态、下车状态、候车状态以及在车上状态。
5.根据权利要求4所述的基于移动终端定位的公交OD数据获取方法，其特征在于，所述根据乘车实时速度与人的步行速度的规律分析用户乘车状态，按用户乘车状态分割所述原始公交数据，得到若干个子数据集，具体包括：
提取原始公交数据中实时时间、实时速度以及加速度；
比较每一个实时速度与预设的第一步行速度的大小；
根据比较结果，确定用户在公交站站点的用户乘车状态；
根据所述用户乘车状态分割所述原始公交数据，得到若干个子数据集；
所述子数据集包括上车子数据集、下车子数据集、候车子数据集以及在车上子数据集。
6.根据权利要求5所述的基于移动终端定位的公交OD数据获取方法，其特征在于，所述根据乘车实时速度与人的步行速度的规律分析用户乘车状态，按用户乘车状态分割所述原始公交数据，得到若干个子数据集，还包括：
获取候车子数据集和在车上子数据集，并分别进行合并运算处理，得到第二候车子数据集和第二在车上子数据集。
7.根据权利要求6所述的基于移动终端定位的公交OD数据获取方法，其特征在于，合并各子数据集并按时间排序得到第一数列，提取第一数列中对应用户出行方式是公交的有序公交路线数据集，具体包括：
将上车子数据集、下车子数据集、第二候车子数据集以及第二在车上子数据集进行合并运算；
将合并运算后的结果按时间顺序排列，得到第一数列；
根据公交固定路线和用户乘车状态，提取第一数列中对应用户出行方式是公交的所有公交站点位置数据；
将所述公交站点位置数据与其对应的实时位置数据组成有序公交路线数据集。
8.根据权利要求7所述的基于移动终端定位的公交OD数据获取方法，其特征在于，所述基于子数据集和有序公交路线数据集，识别用户在上下车处的公交站点是否为换乘站点，具体包括：
基于获取的上车子数据集、下车子数据集以及有序公交路线数据集，得到用户在所有公交站上下公交的数据集合；
对所述数据集合按时间顺序排列，得到第二数列；
计算所述第二数列中对应用户下车的实时时间到用户相邻下一次上车的实时时间的时间差；
比较所述时间差与预设的换乘时间阈值的大小；
根据比较结果，识别所述时间差对应的公交站站点是否为换乘站点；
若是换乘站点，则去除所述第二数列中所述换乘站点对应的数据，得到最终公交出行数据。
9.一种移动终端，其特征在于，包括：处理器、存储器、GPS模块，所述存储器存储有基于移动终端定位的公交OD数据获取程序，所述基于移动终端定位的公交OD数据获取程序被所述处理器执行用于实现权利要求1-8任一项所述的基于移动终端定位的公交OD数据获取的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任意一项所述的基于移动终端定位的公交OD数据获取方法中的步骤。
CN201810392378.9A 2018-04-27 2018-04-27 基于移动终端定位的公交od数据获取方法及存储介质 Pending CN108573604A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810392378.9A CN108573604A (zh) 2018-04-27 2018-04-27 基于移动终端定位的公交od数据获取方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810392378.9A CN108573604A (zh) 2018-04-27 2018-04-27 基于移动终端定位的公交od数据获取方法及存储介质

Publications (1)

Publication Number Publication Date
CN108573604A true CN108573604A (zh) 2018-09-25

Family

ID=63575360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810392378.9A Pending CN108573604A (zh) 2018-04-27 2018-04-27 基于移动终端定位的公交od数据获取方法及存储介质

Country Status (1)

Country Link
CN (1) CN108573604A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188965A (zh) * 2019-06-06 2019-08-30 武汉元光科技有限公司 针对游客的推荐下车站点的方法及装置
CN111309838A (zh) * 2020-02-13 2020-06-19 支付宝(杭州)信息技术有限公司 用于确定用户出行数据的方法和装置
CN113012461A (zh) * 2021-04-08 2021-06-22 北京百度网讯科技有限公司 导航方法及其装置、设备和介质
CN113284362A (zh) * 2021-05-19 2021-08-20 中国联合网络通信集团有限公司 公交车辆调度方法、装置、设备及存储介质
CN114091757A (zh) * 2021-11-23 2022-02-25 成都智元汇信息技术股份有限公司 基于客流分析预测的公交、地铁智能调度方法
CN114202922A (zh) * 2021-12-09 2022-03-18 贵阳移动金融发展有限公司 一种公共交通出行服务大数据采集分析平台

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188965A (zh) * 2019-06-06 2019-08-30 武汉元光科技有限公司 针对游客的推荐下车站点的方法及装置
CN111309838A (zh) * 2020-02-13 2020-06-19 支付宝(杭州)信息技术有限公司 用于确定用户出行数据的方法和装置
CN111309838B (zh) * 2020-02-13 2023-05-02 支付宝(杭州)信息技术有限公司 用于确定用户出行数据的方法和装置
CN113012461A (zh) * 2021-04-08 2021-06-22 北京百度网讯科技有限公司 导航方法及其装置、设备和介质
CN113284362A (zh) * 2021-05-19 2021-08-20 中国联合网络通信集团有限公司 公交车辆调度方法、装置、设备及存储介质
CN114091757A (zh) * 2021-11-23 2022-02-25 成都智元汇信息技术股份有限公司 基于客流分析预测的公交、地铁智能调度方法
CN114091757B (zh) * 2021-11-23 2022-11-08 成都智元汇信息技术股份有限公司 基于客流分析预测的公交、地铁智能调度方法
CN114202922A (zh) * 2021-12-09 2022-03-18 贵阳移动金融发展有限公司 一种公共交通出行服务大数据采集分析平台

Similar Documents

Publication Publication Date Title
CN108573604A (zh) 基于移动终端定位的公交od数据获取方法及存储介质
CN104167092B (zh) 一种确定出租车上下客热点区域中心的方法以及装置
CN105590346B (zh) 基于路径识别系统的收费公路网交通信息采集与诱导系统
CN101271628B (zh) 堵车状况运算系统
Biagioni et al. Easytracker: automatic transit tracking, mapping, and arrival time prediction using smartphones
CN106683404B (zh) 一种通过手机定位技术获取公交客流od的方法
CN109166337B (zh) 公交到站时间生成方法、装置及公交乘客出行od获取方法
CN105206057B (zh) 基于浮动车居民出行热点区域的检测方法及系统
CN103366560B (zh) 一种道路交通运行状态跟车探测方法、系统及应用
CN101976505A (zh) 交通评价方法及系统
CN105702035B (zh) 一种利用历史公交数据评估乘车难易程度的方法
CN104916154B (zh) 一种兼容北斗cors公交精准定位系统及其工作方法
CN107403550B (zh) 公交路网数据采集方法、装置和终端设备
CN101308029A (zh) 路网网格匹配、路况状态信息及诱导路线信息获取方法
CN104408917B (zh) 基于智能手机加速度传感器实时交通路况估计方法
CN104316068A (zh) 基于电动汽车的导航的方法、装置及系统
CN102324128A (zh) 基于ic卡记录的公交站间od客流预测方法及装置
CN104318781B (zh) 基于rfid技术的行程速度获取方法
WO2021082464A1 (zh) 预测车辆的目的地的方法和装置
CN101571400A (zh) 基于动态交通信息的嵌入式车载组合导航系统
CN104916133B (zh) 一种基于交通轨迹数据的道路海拔信息提取方法及系统
CN103794061A (zh) 基于多种定位数据计算道路融合行程车速的方法
CN103632540A (zh) 基于浮动车数据的城市主干道交通运行信息处理方法
CN104952278B (zh) 一种基于地图的停车场车辆定位系统及方法
CN110851490B (zh) 一种基于过车数据的车辆出行常用停留点挖掘方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180925