CN108802776A - 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法 - Google Patents

基于异常点剔除及轨迹压缩算法的公交gps纠偏方法 Download PDF

Info

Publication number
CN108802776A
CN108802776A CN201810719490.9A CN201810719490A CN108802776A CN 108802776 A CN108802776 A CN 108802776A CN 201810719490 A CN201810719490 A CN 201810719490A CN 108802776 A CN108802776 A CN 108802776A
Authority
CN
China
Prior art keywords
gps
point
bus routes
history
data
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
CN201810719490.9A
Other languages
English (en)
Other versions
CN108802776B (zh
Inventor
何利民
吴鹏
巴瑞花
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 Emperor Technology Co Ltd
Original Assignee
Wuhan Blue Taiyuan Information 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 Wuhan Blue Taiyuan Information Technology Co Ltd filed Critical Wuhan Blue Taiyuan Information Technology Co Ltd
Priority to CN201810719490.9A priority Critical patent/CN108802776B/zh
Publication of CN108802776A publication Critical patent/CN108802776A/zh
Application granted granted Critical
Publication of CN108802776B publication Critical patent/CN108802776B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S19/38—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
    • G01S19/40—Correcting position, velocity or attitude
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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

Abstract

本发明所设计的基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法，包括如下步骤：步骤1：获取指定公交路线的历史GPS数据；步骤2：对提取的指定公交路线的历史GPS数据应用局部异常因子算法进行过滤处理；步骤3：模拟出指定公交路线的GPS轨迹数据；步骤4：以指定公交线路的GPS坐标点信息为基础，对从消息中间件中获取的实时GPS数据利用指定公交路线的GPS轨迹数据进行轨迹纠偏，取指定公交路线GPS轨迹上距离实时GPS点最近的两个坐标点的中点的坐标值作为公交GPS定位漂移点的纠偏点。本发明可以提高特定车辆班次GPS路线点在地图位置上的准确性。

Description

基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法
技术领域
本发明涉及公交车载GPS(Global Positioning System，全球定位系统)纠偏技术领域，具体地指一种基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法。
技术背景
目前GPS技术被广泛应用在公交车载导航中，但是由于GPS系统存在一定的误差，其准确性、稳定性一直是研究的重点。由于独立GPS导航系统低廉的价格和易于部署安装的因素，独立车载导航系统是目前民用车载导航系统中的主流，但是其定位过程中存在一定的误差。要满足用户对准确性与实时性的要求，最基本的一步就是提高导航与定位系统的定位准确度，这包括两个方面：当前公交车辆正在行驶的路段GPS地图位置的准确性与确定车辆班次GPS路线点在地图位置上的准确性。在独立GPS车辆导航系统中定位的准确性主要依靠地图匹配算法克服GPS误差和交通矢量地图的误差，使GPS轨迹匹配到矢量地图道路上的对应位置。但是GPS轨迹沿道路方向上的误差是现有地图算法一直无法克服的，且其需要实时的交通矢量地图。故存在精度不高，可靠性低的特点。
发明内容
本发明的目的就是要提供一种基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法，该方法可以提高特定车辆班次GPS路线点在地图位置上的准确性，并且实时对公交车辆的GPS导航系统在行驶的路段地图位置进行纠正，这不仅满足用户了解其在道路上准确位置的需求，而且为更高级的路径规划和导航提示功能提供定位基础。
为实现此目的，本发明所设计的基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法，它包括如下步骤：
步骤1：获取指定公交路线的历史GPS数据；
步骤2：对提取的指定公交路线的历史GPS数据应用局部异常因子算法进行过滤处理得到过滤处理后的指定公交路线的历史GPS数据；
步骤3：对过滤处理后的指定公交路线的历史GPS数据应用轨迹压缩算法进行合并，模拟出指定公交路线的GPS轨迹数据；
步骤4：以指定公交线路的GPS坐标点信息为基础，对从消息中间件中获取的实时GPS数据利用指定公交路线的GPS轨迹数据进行轨迹纠偏，取指定公交路线GPS轨迹上距离实时GPS点最近的两个坐标点的中点的坐标值作为公交GPS定位漂移点的纠偏点，上述公交GPS定位漂移点为指定公交路线GPS轨迹外的坐标点。
本发明以海量GPS数据为基础，依托大数据技术手段，首先通过局部异常因子LOF算法对特定公交线路的历史数据进行过滤，剔除明显的漂移点，再通过轨迹压缩DP算法模拟出特定班次的GPS轨迹数据，而后以特定班次GPS轨迹数据为训练集，对公交车辆的实时GPS坐标进行实时纠偏。这对公交报站、路径规划及乘客了解其地理位置提供了较准确的定位参考。
附图说明
图1为本发明的步骤框图；
图2为本发明中道路轨迹与异常点关系图；
图3为本发明中道路轨迹压缩前后对比图；
图4为本发明中道路轨迹，实时GPS轨迹，纠偏轨迹对比图；
图2中，圆点为GPS数据中的异常点，图2～4中横轴是经度纵轴为纬度；
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明：
本发明设计的一种基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法，如图1所示，该方法应用于公交车载GPS的实时纠偏。为了对实时GPS出现漂移的坐标数据进行纠正处理，利用海量的特定班次GPS数据，进行漂移点剔除，而后进行模拟轨迹数据的压缩，形成特定班次的轨迹数据，而后基于实时GPS数据进行轨迹纠偏。具体详细的步骤如下：
步骤1：获取指定公交路线的历史GPS数据；
步骤2：对提取的指定公交路线的历史GPS数据应用局部异常因子算法(LOF,LocalOutlier Factor)进行过滤处理得到过滤处理后的指定公交路线的历史GPS数据；
步骤3：对过滤处理后的指定公交路线的历史GPS数据应用轨迹压缩算法(DP，Douglas-Peucker)进行合并，模拟出指定公交路线的GPS轨迹数据；
步骤4：以指定公交线路的GPS坐标点信息为基础，对从消息中间件(kafka)中获取的实时GPS数据利用指定公交路线的GPS轨迹数据进行轨迹纠偏，取指定公交路线GPS轨迹上距离实时GPS点最近的两个坐标点的中点的坐标值作为公交GPS定位漂移点的纠偏点，上述公交GPS定位漂移点为指定公交路线GPS轨迹外的坐标点。
上述技术方案中，步骤2用于去除公交路线的历史GPS数据中的异常点，即不在线路上的GPS坐标点。步骤3用于对得到的GPS坐标点进行抽稀，在描绘的轨迹保持相似性的基础上减少需要处理的数据量，提高实时纠偏的速度，步骤4用于判断实时的GPS点，是否是漂移点，如果是漂移点，就采用描述的方法得到纠偏点
上述技术方案的步骤2中，对提取的指定公交路线的历史GPS数据应用局部异常因子算法进行过滤处理的具体方法为如下步骤：
步骤201：计算指定公交路线的历史GPS数据中GPS坐标点P与指定公交路线的历史GPS数据中其它GPS坐标点o的欧几里得距离d(p,o)；
步骤202：对指定公交路线的历史GPS数据中GPS坐标点P的欧几里得距离进行排序，计算指定公交路线的历史GPS数据中GPS坐标点P的第k可达距离reach-distk(p,o)以及第k可达领域Nk(p)；
上述指定公交路线的历史GPS数据中GPS坐标点P的第k可达距离就是距离指定公交路线的历史GPS数据中每个GPS坐标点P；
指定公交路线的历史GPS数据中GPS坐标点P的第k可达距离为距离GPS坐标点P第k远的点的距离，不包括GPS坐标点P，指定公交路线的历史GPS数据中GPS坐标点P第k可达领域Nk(p)为GPS坐标点P的第k可达距离以内的所有点，包括第k可达距离；
步骤203：计算指定公交路线的历史GPS数据中GPS坐标点P的可达密度
步骤204：计算指定公交路线的历史GPS数据中GPS坐标点P的局部离群点因子并对GPS坐标点P的局部离群点因子的结果按大小进行排序，lrdk(o)表示指定公交路线的历史GPS数据中GPS坐标点o的可达密度；
步骤205：剔除局部离群点因子大于1的GPS数据,如图2所示。
上述技术方案的步骤3中，对过滤处理后的指定公交路线的历史GPS数据应用轨迹压缩算法进行合并的具体方法为如下步骤：
步骤301：在过滤处理后的指定公交路线的历史GPS数据对应的轨迹曲线的首尾两点P1，O1之间连接一条直线P1O1，该直线为轨迹曲线的弦；
步骤302：遍历轨迹曲线上除了首尾两点P1，O1之外的其它所有坐标点，求每个坐标点到直线P1O1的距离，找到最大距离的点Q，点Q为分隔点，最大距离记为dmax；
步骤303：比较该距离dmax与预先定义的阈值Dmax(实施例预设2m)的大小，如果dmax＜Dmax，则将该直线P1O1作为轨迹曲线的近似，轨迹曲线处理完毕；
步骤304：若dmax≥Dmax，则使点Q将直线P1O1分为P1Q和QO1两段，其中，点P1和点Q为P1Q轨迹曲线的首尾点，点Q和O1为QO1轨迹曲线的首尾点，将P1Q和QO1两段分别作为轨迹曲线，进行步骤302和步骤303的曲线切分处理；
步骤305：当所有轨迹曲线都处理完毕时，依次连接各个分割点形成的折线，即为指定公交路线的GPS轨迹数据，如图3所示。
上述技术方案的步骤4中，公交GPS定位漂移点的纠偏点的具体获取方法为如下步骤：
步骤401：从消息中间件中获取公交的实时GPS坐标点信息；
步骤402：计算指定公交线路的各个GPS坐标点离实时GPS坐标点的距离并按距离由大到小排序，取距离最近的两个点A,B；
步骤403：计算距离最近的两个点A,B形成的直线AB离实时GPS坐标点的距离Dg(A,B)；
步骤404：若距离Dg(A,B)大于预设的纠偏阈值，则取直线AB的中点C，记C为公交的实时GPS坐标点的纠偏点。
上述技术方案的步骤1中，从消息中间件(kafka)实时写入到公交业务信息数据仓库Hive的历史GPS数据中提取指定公交路线的历史GPS数据。
上述技术方案中，所述纠偏阈值等于对应公交的车身宽度，优选为2m。
上述技术方案，通过LOF算法过滤出异常数据点，又通过轨迹压缩找出公交车线路的真实的GPS数据，然后通过计算实时GPS点与线路基础数据GPS点的中点距离与纠偏阈值比较，进行漂移点纠偏。如图4所示。
上述技术方案中，所述实时GPS数据为当天特定城市特定线路的真实公交车辆的车载GPS数据。
为了验证本发明提出的算法的可行性和准确性，以及纠偏效果的真实性选取邯郸12路公交车2018年6月1日至2018年6月7日每天5:00至22:00的GPS数据作为历史GPS数据，对2018年6月8日的实时GPS进行实时纠正。
利用本发明的步骤，首先将6月1日至6月7日的数据从hive的gps表中导出，进行重复坐标点的去重处理，得到12路公交分方向的GPS数据文件。
再利用LOF算法对12路公交的历史GPS数据进行异常点剔除处理，算法取的异常点因子为3(取1的话，剔除的点过多)。
得到的GPS数据文件进行DP轨迹压缩算法，得到模拟的道路基础数据文件，该数据文件作为实时GPS纠偏的参考数据文件。
通过大数据实时处理技术(Spark streaming)，实时获取公交车辆的GPS数据，调用纠偏算法，对实时GPS坐标进行实时纠偏。
综上所述，经过理论以及实例展示，本发明提出的一种基于一次带你剔除及轨迹压缩的公交GPS实时纠偏的方法，能够克服传统方法对特定班次的线路站点变更无法及时感知，实时纠偏的困难，具有简便的操作性以及普适性，能够实时对海量的GPS数据进行实时的纠正处理，达到对轨迹进行实时纠偏的效果。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (6)

1.一种基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法，其特征在于，它包括如下步骤：
步骤1：获取指定公交路线的历史GPS数据；
步骤2：对提取的指定公交路线的历史GPS数据应用局部异常因子算法进行过滤处理得到过滤处理后的指定公交路线的历史GPS数据；
步骤3：对过滤处理后的指定公交路线的历史GPS数据应用轨迹压缩算法进行合并，模拟出指定公交路线的GPS轨迹数据；
步骤4：以指定公交线路的GPS坐标点信息为基础，对从消息中间件中获取的实时GPS数据利用指定公交路线的GPS轨迹数据进行轨迹纠偏，取指定公交路线GPS轨迹上距离实时GPS点最近的两个坐标点的中点的坐标值作为公交GPS定位漂移点的纠偏点，上述公交GPS定位漂移点为指定公交路线GPS轨迹外的坐标点。
2.根据权利要求1所述的基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法，其特征在于：
所述步骤2中，对提取的指定公交路线的历史GPS数据应用局部异常因子算法进行过滤处理的具体方法为如下步骤：
步骤201：计算指定公交路线的历史GPS数据中GPS坐标点P与指定公交路线的历史GPS数据中其它GPS坐标点o的欧几里得距离d(p,o)；
步骤202：对指定公交路线的历史GPS数据中GPS坐标点P的欧几里得距离进行排序，计算指定公交路线的历史GPS数据中GPS坐标点P的第k可达距离reach-distk(p,o)以及第k可达领域Nk(p)；
上述指定公交路线的历史GPS数据中GPS坐标点P的第k可达距离就是距离指定公交路线的历史GPS数据中每个GPS坐标点P；
指定公交路线的历史GPS数据中GPS坐标点P的第k可达距离为距离GPS坐标点P第k远的点的距离，不包括GPS坐标点P，指定公交路线的历史GPS数据中GPS坐标点P第k可达领域Nk(p)为PS坐标点P的第k可达距离以内的所有点，包括第k可达距离；
步骤203：计算指定公交路线的历史GPS数据中GPS坐标点P的可达密度
步骤204：计算指定公交路线的历史GPS数据中GPS坐标点P的局部离群点因子并对GPS坐标点P的局部离群点因子的结果按大小进行排序，lrdk(o)表示指定公交路线的历史GPS数据中GPS坐标点o的可达密度；
步骤205：剔除局部离群点因子大于1的GPS数据。
3.根据权利要求1所述的基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法，其特征在于：
步骤3中，对过滤处理后的指定公交路线的历史GPS数据应用轨迹压缩算法进行合并的具体方法为如下步骤：
步骤301：在过滤处理后的指定公交路线的历史GPS数据对应的轨迹曲线的首尾两点P1，O1之间连接一条直线P1O1，该直线为轨迹曲线的弦；
步骤302：遍历轨迹曲线上除了首尾两点P1，O1之外的其它所有坐标点，求每个坐标点到直线P1O1的距离，找到最大距离的点Q，点Q为分隔点，最大距离记为dmax；
步骤303：比较该距离dmax与预先定义的阈值Dmax的大小，如果dmax＜Dmax，则将该直线P1O1作为轨迹曲线的近似，轨迹曲线处理完毕；
步骤304：若dmax≥Dmax，则使点Q将直线P1O1分为P1Q和QO1两段，其中，点P1和点Q为P1Q轨迹曲线的首尾点，点Q和O1为QO1轨迹曲线的首尾点，将P1Q和QO1两段分别作为轨迹曲线，进行步骤302和步骤303的曲线切分处理；
步骤305：当所有轨迹曲线都处理完毕时，依次连接各个分割点形成的折线，即为指定公交路线的GPS轨迹数据。
4.根据权利要求1所述的基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法，其特征在于：
所述步骤4中，公交GPS定位漂移点的纠偏点的具体获取方法为如下步骤：
步骤401：从消息中间件中获取公交的实时GPS坐标点信息；
步骤402：计算指定公交线路的各个GPS坐标点离实时GPS坐标点的距离并按距离由大到小排序，取距离最近的两个点A,B；
步骤403：计算距离最近的两个点A,B形成的直线AB离实时GPS坐标点的距离Dg(A,B)；
步骤404：若距离Dg(A,B)大于预设的纠偏阈值，则取直线AB的中点C，记C为公交的实时GPS坐标点的纠偏点。
5.根据权利要求1所述的基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法，其特征在于：所述步骤1中，从消息中间件实时写入到公交业务信息数据仓库Hive的历史GPS数据中提取指定公交路线的历史GPS数据。
6.根据权利要求4所述的基于异常点剔除及轨迹压缩算法的公交GPS纠偏方法，其特征在于：所述纠偏阈值等于对应公交的车身宽度。
CN201810719490.9A 2018-07-02 2018-07-02 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法 Active CN108802776B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810719490.9A CN108802776B (zh) 2018-07-02 2018-07-02 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810719490.9A CN108802776B (zh) 2018-07-02 2018-07-02 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法

Publications (2)

Publication Number Publication Date
CN108802776A true CN108802776A (zh) 2018-11-13
CN108802776B CN108802776B (zh) 2021-03-02

Family

ID=64073326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810719490.9A Active CN108802776B (zh) 2018-07-02 2018-07-02 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法

Country Status (1)

Country Link
CN (1) CN108802776B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109920248A (zh) * 2019-03-05 2019-06-21 南通大学 一种基于gru神经网络的公交到站时间预测方法
CN109917430A (zh) * 2019-04-03 2019-06-21 安徽中科智能感知产业技术研究院有限责任公司 一种基于轨迹平滑算法的卫星定位轨迹漂移纠偏方法
CN110085048A (zh) * 2019-06-04 2019-08-02 湖南智慧畅行交通科技有限公司 一种基于gps数据的公交车实时到离站点计算方法
CN110518916A (zh) * 2019-08-03 2019-11-29 电子科技大学 一种基于Fréchet距离的轨迹数据压缩方法
CN111220169A (zh) * 2019-12-24 2020-06-02 深圳猛犸电动科技有限公司 一种轨迹纠偏方法、装置、终端设备及存储介质
CN111291280A (zh) * 2020-03-10 2020-06-16 中国科学院计算技术研究所 一种大规模移动对象的轨迹快速预测方法、介质和设备
CN111739291A (zh) * 2020-06-05 2020-10-02 腾讯科技（深圳）有限公司 道路路况计算中的干扰识别方法及装置
CN112882961A (zh) * 2021-03-31 2021-06-01 郑州信大捷安信息技术股份有限公司 一种列车轨迹纠偏算法性能测试方法
CN112991722A (zh) * 2021-02-03 2021-06-18 浙江浙大中控信息技术有限公司 高频gps点的公交车辆实时路口预测方法和系统
CN113219499A (zh) * 2021-04-07 2021-08-06 中铁第四勘察设计院集团有限公司 位置时间序列的异常探测方法、装置及计算机存储介质
CN113253319A (zh) * 2021-04-29 2021-08-13 汉纳森（厦门）数据股份有限公司 基于车辆gps的路网提取和轨迹纠偏方法和系统
CN113447961A (zh) * 2021-06-28 2021-09-28 深圳市木千科技有限公司 动态gps坐标纠偏方法

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1963847A (zh) * 2005-11-07 2007-05-16 同济大学 预测公交车到站的方法
CN102519477A (zh) * 2011-11-11 2012-06-27 深圳市领华卫通数码科技有限公司 历史轨迹快速回放的方法和装置
CN103310651A (zh) * 2013-05-24 2013-09-18 北京市交通信息中心 一种基于实时路况信息的公交到站预测方法
US20140277986A1 (en) * 2013-03-15 2014-09-18 Clemson University Systems and Methods for Predicting Traffic Signal Information
CN104064028A (zh) * 2014-06-23 2014-09-24 银江股份有限公司 基于多元信息数据的公交到站时间预测方法及系统
CN104793224A (zh) * 2014-01-21 2015-07-22 中国移动通信集团设计院有限公司 一种gps定位纠偏方法及装置
CN104931064A (zh) * 2015-04-30 2015-09-23 百度在线网络技术（北京）有限公司 导航方法、导航终端、服务器和导航系统
CN105336163A (zh) * 2015-10-26 2016-02-17 山东易构软件技术股份有限公司 一种基于三层k近邻的短时交通流预测方法
US20160167652A1 (en) * 2007-05-10 2016-06-16 Allstate Insurance Company Route Risk Mitigation
CN105702035A (zh) * 2016-03-23 2016-06-22 武汉大学 一种利用历史公交数据评估乘车难易程度的方法
CN106199669A (zh) * 2015-05-06 2016-12-07 北京掌城科技有限公司 一种基于gps轨迹分析公交车辆运行过程的方法及装置
CN106546260A (zh) * 2015-09-22 2017-03-29 腾讯科技（深圳）有限公司 一种移动测量数据的纠正方法及系统
CN106950972A (zh) * 2017-05-15 2017-07-14 上海音锋机器人股份有限公司 一种无人搬运车agv及其路线纠偏方法
CN107464417A (zh) * 2017-07-27 2017-12-12 温州市鹿城区中津先进科技研究院 基于出行路径大数据分析的交通调度管控方法
WO2018049514A1 (en) * 2016-09-13 2018-03-22 Genetec Inc. Auto-calibration of tracking systems
CN108154698A (zh) * 2018-01-05 2018-06-12 上海元卓信息科技有限公司 一种基于gps轨迹大数据的公交到离站精确时间计算方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1963847A (zh) * 2005-11-07 2007-05-16 同济大学 预测公交车到站的方法
US20160167652A1 (en) * 2007-05-10 2016-06-16 Allstate Insurance Company Route Risk Mitigation
CN102519477A (zh) * 2011-11-11 2012-06-27 深圳市领华卫通数码科技有限公司 历史轨迹快速回放的方法和装置
US20140277986A1 (en) * 2013-03-15 2014-09-18 Clemson University Systems and Methods for Predicting Traffic Signal Information
CN103310651A (zh) * 2013-05-24 2013-09-18 北京市交通信息中心 一种基于实时路况信息的公交到站预测方法
CN104793224A (zh) * 2014-01-21 2015-07-22 中国移动通信集团设计院有限公司 一种gps定位纠偏方法及装置
CN104064028A (zh) * 2014-06-23 2014-09-24 银江股份有限公司 基于多元信息数据的公交到站时间预测方法及系统
CN104931064A (zh) * 2015-04-30 2015-09-23 百度在线网络技术（北京）有限公司 导航方法、导航终端、服务器和导航系统
CN106199669A (zh) * 2015-05-06 2016-12-07 北京掌城科技有限公司 一种基于gps轨迹分析公交车辆运行过程的方法及装置
CN106546260A (zh) * 2015-09-22 2017-03-29 腾讯科技（深圳）有限公司 一种移动测量数据的纠正方法及系统
CN105336163A (zh) * 2015-10-26 2016-02-17 山东易构软件技术股份有限公司 一种基于三层k近邻的短时交通流预测方法
CN105702035A (zh) * 2016-03-23 2016-06-22 武汉大学 一种利用历史公交数据评估乘车难易程度的方法
WO2018049514A1 (en) * 2016-09-13 2018-03-22 Genetec Inc. Auto-calibration of tracking systems
CN106950972A (zh) * 2017-05-15 2017-07-14 上海音锋机器人股份有限公司 一种无人搬运车agv及其路线纠偏方法
CN107464417A (zh) * 2017-07-27 2017-12-12 温州市鹿城区中津先进科技研究院 基于出行路径大数据分析的交通调度管控方法
CN108154698A (zh) * 2018-01-05 2018-06-12 上海元卓信息科技有限公司 一种基于gps轨迹大数据的公交到离站精确时间计算方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
DAVID H DOUGLAS等: "ALGORITHMS FOR THE REDUCTION OF THE NUMBER OF POINTS REQUIRED TO REPRESENT A DIGITIZED LINE OF ITS CARICATURE", 《THE CANADIAN CARTOGRAPHER》 *
MARKUS M.BREUNING等: "LOF:Identifying Density-Based Local Outliers", 《PROC.ACM SIGMOD 2000 INT. CONF. ON MANAGEMENT OF DATE,DALLES, TX》 *
宋茜萌: "基于公交车轨迹数据的交通拥堵区域检测", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
毛嘉莉等: "轨迹大数据异常检测：研究进展及系统框架", 《软件学报》 *
谢博晖等: "GPS轨迹数据纠偏方法研究", 《计算机技术与发展》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109920248B (zh) * 2019-03-05 2021-09-17 南通大学 一种基于gru神经网络的公交到站时间预测方法
CN109920248A (zh) * 2019-03-05 2019-06-21 南通大学 一种基于gru神经网络的公交到站时间预测方法
CN109917430A (zh) * 2019-04-03 2019-06-21 安徽中科智能感知产业技术研究院有限责任公司 一种基于轨迹平滑算法的卫星定位轨迹漂移纠偏方法
CN109917430B (zh) * 2019-04-03 2021-01-22 安徽中科智能感知产业技术研究院有限责任公司 一种基于轨迹平滑算法的卫星定位轨迹漂移纠偏方法
CN110085048A (zh) * 2019-06-04 2019-08-02 湖南智慧畅行交通科技有限公司 一种基于gps数据的公交车实时到离站点计算方法
CN110518916A (zh) * 2019-08-03 2019-11-29 电子科技大学 一种基于Fréchet距离的轨迹数据压缩方法
CN110518916B (zh) * 2019-08-03 2022-05-03 电子科技大学 一种基于Fréchet距离的轨迹数据压缩方法
CN111220169A (zh) * 2019-12-24 2020-06-02 深圳猛犸电动科技有限公司 一种轨迹纠偏方法、装置、终端设备及存储介质
CN111291280A (zh) * 2020-03-10 2020-06-16 中国科学院计算技术研究所 一种大规模移动对象的轨迹快速预测方法、介质和设备
CN111291280B (zh) * 2020-03-10 2023-04-11 中国科学院计算技术研究所 一种大规模移动对象的轨迹快速预测方法、介质和设备
CN111739291A (zh) * 2020-06-05 2020-10-02 腾讯科技（深圳）有限公司 道路路况计算中的干扰识别方法及装置
CN111739291B (zh) * 2020-06-05 2023-01-13 腾讯科技（深圳）有限公司 道路路况计算中的干扰识别方法及装置
CN112991722A (zh) * 2021-02-03 2021-06-18 浙江浙大中控信息技术有限公司 高频gps点的公交车辆实时路口预测方法和系统
CN112882961A (zh) * 2021-03-31 2021-06-01 郑州信大捷安信息技术股份有限公司 一种列车轨迹纠偏算法性能测试方法
CN112882961B (zh) * 2021-03-31 2022-04-08 郑州信大捷安信息技术股份有限公司 一种列车轨迹纠偏算法性能测试方法
CN113219499A (zh) * 2021-04-07 2021-08-06 中铁第四勘察设计院集团有限公司 位置时间序列的异常探测方法、装置及计算机存储介质
CN113253319A (zh) * 2021-04-29 2021-08-13 汉纳森（厦门）数据股份有限公司 基于车辆gps的路网提取和轨迹纠偏方法和系统
CN113253319B (zh) * 2021-04-29 2023-07-18 汉纳森（厦门）数据股份有限公司 基于车辆gps的路网提取和轨迹纠偏方法和系统
CN113447961A (zh) * 2021-06-28 2021-09-28 深圳市木千科技有限公司 动态gps坐标纠偏方法
CN113447961B (zh) * 2021-06-28 2023-10-27 深圳市木千科技有限公司 动态gps坐标纠偏方法

Also Published As

Publication number Publication date
CN108802776B (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
CN108802776A (zh) 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法
CN106969764B (zh) 一种道路匹配方法、装置及车载地图采集系统
CN104700617B (zh) 基于低精度gps轨迹数据的高精度车道信息提取方法
US9816823B2 (en) Updating road maps
US7339496B2 (en) Geographic data transmitting method, information delivering apparatus and information terminal
CN107195180B (zh) 一种基于电警数据的交通出行轨迹提取方法和装置
CN104062671B (zh) 曲率约束的gnss浮动车地图匹配方法及装置
CN105976604B (zh) 一种基于gis和公交gps数据的公交线路匹配方法
CN110491158B (zh) 一种基于多元数据融合的公交车到站时间预测方法及系统
CN102682590B (zh) 实时交通信息处理方法和装置
CN113155139B (zh) 车辆轨迹纠偏方法、装置及电子设备
CN106469505B (zh) 一种浮动车轨迹纠偏方法和装置
CN103900591B (zh) 沿导航路线周边精确检索兴趣点的导航方法和装置
CN110285817B (zh) 基于自适应d-s证据理论的复杂路网地图匹配方法
CN106996783A (zh) 一种行驶轨迹与路网底图的智能匹配方法及装置
CN108253974B (zh) 浮动车定位数据自适应缓冲路径匹配系统及其方法
CN108225356A (zh) 一种基于货车历史轨迹的货运导航方法及装置
US20150377637A1 (en) Route calculation system, route calculation method, and route calculation program
CN107798872A (zh) 一种分车道路况的生成方法和装置
CN108196280A (zh) 一种通过gps推断公交线路方法
CN106382942A (zh) 一种车载导航系统及导航方法
CN101807348B (zh) 一种动态网络导航系统及方法
CN113587944A (zh) 准实时的车辆行驶路线生成方法、系统及设备
CN105547310A (zh) 一种基于pm2.5健康出行的路径规划装置及方法
CN102082996A (zh) 自主定位移动终端及方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220802

Address after: 518000 a2901-2902, building 10, Shenzhen Bay science and technology ecological park, No. 10, Gaoxin South ninth Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: SHENZHEN EMPEROR TECHNOLOGY Co.,Ltd.

Address before: No.3-6, 3 / F, building A3, phase 4.1, optical valley software park, 1 Guanshan Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Patentee before: WUHAN LANTAIYUAN INFORMATION TECHNOLOGY Co.,Ltd.