CN108806301A - 一种公交车辆信息的自动识别方法 - Google Patents

一种公交车辆信息的自动识别方法 Download PDF

Info

Publication number
CN108806301A
CN108806301A CN201810349843.0A CN201810349843A CN108806301A CN 108806301 A CN108806301 A CN 108806301A CN 201810349843 A CN201810349843 A CN 201810349843A CN 108806301 A CN108806301 A CN 108806301A
Authority
CN
China
Prior art keywords
bus
public
tracing point
candidate
ratio
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
CN201810349843.0A
Other languages
English (en)
Other versions
CN108806301B (zh
Inventor
张品立
董明峰
何千羽
王智慧
李红媛
王若琳
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.)
SHANGHAI URBAN TRANSPORTATION DESIGN INSTITUTE Co Ltd
Fudan University
Original Assignee
SHANGHAI URBAN TRANSPORTATION DESIGN INSTITUTE Co Ltd
Fudan University
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 SHANGHAI URBAN TRANSPORTATION DESIGN INSTITUTE Co Ltd, Fudan University filed Critical SHANGHAI URBAN TRANSPORTATION DESIGN INSTITUTE Co Ltd
Priority to CN201810349843.0A priority Critical patent/CN108806301B/zh
Publication of CN108806301A publication Critical patent/CN108806301A/zh
Application granted granted Critical
Publication of CN108806301B publication Critical patent/CN108806301B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • 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
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种公交车辆信息的自动识别方法，包括以下步骤，数据获取步骤；位置信息处理步骤；公交站点筛选步骤；公交线路筛选步骤；候选集统计步骤，汇集所有候选公交路线形成候选集；行驶线路判定及公交车辆信息识别步骤，判断行驶线路与候选公交路线的相似度，若相似度达到预设阈值时，则将该候选公交路线的公交线路标识标记给行驶路线。本发明的公交车辆信息的自动识别方法，在公交路网中公交线路数目较多的情况下，降低了计算两条轨迹的相似度的时间复杂度，提高了计算效率，同时，提高了精确度。

Description

一种公交车辆信息的自动识别方法
技术领域
本发明涉及公共汽车等领域，具体为一种公交车辆信息的自动识别方法。
背景技术
如今，科技迅速发展，有许多的技术能够提供定位服务，比如全球定位系统(GPS)，射频识别(RFID),智能电话传感器，可穿戴的智能设备，GSM信标，红外或超声系统等等，这些技术的广泛应用将会产生海量的轨迹数据，这些轨迹数据中包含大量有用的信息，具有极高的研究价值。常见的轨迹包括人类活动轨迹，动物迁徙轨迹以及交通轨迹等等。每一种类型的轨迹数据具有其自身的特性，可以用于不同的挖掘目的。
近年来，政府在许多城市升级了城市公交系统的基础设施，给公交车配备了GPS设备，可以记录公交车的轨迹信息，最终将这些轨迹信息存储到服务系统中。通过对公交轨迹数据的挖掘分析，可以分析人们的出行模式以及城市交通规划等等。在对公交轨迹分析挖掘的过程中，经常需要使用公交车的调度信息，然而这些调度信息目前公交车系统主要依赖于人工调度，整合这些信息将花费大量的人力物力，其次即使少数城市已经有智能调度系统，这些系统仍然不成熟，覆盖范围不够广，难以用于分析挖掘。因此需要用技术的手段识别公交车运行的公交线路的信息，本发明称其为公交轨迹线路识别。
公交轨迹线路识别主要涉及公交轨迹相似度计算，目前常用的轨迹相似度计算方法包括欧式距离，Hausdoff距离，DTW距离以及LCSS(最长公共子序列)距离等等，使用这些轨迹相似度计算方法主要有如下问题：(1)公交路网中公交线路数目较多，且计算两条轨迹的相似度的时间复杂度较高，故直接计算公交轨迹和公交线路的轨迹相似度的时间复杂度高，效率低下。(2)公交车在特定路网往复行驶，且可能运行多条公交线路，不是所有轨迹相似度计算方法都适用。
发明内容
为了解决上述技术问题，本发明提供一种公交车辆信息的自动识别方法。
实现上述目的的技术方案是：一种公交车辆信息的自动识别方法，包括以下步骤，数据获取步骤，获取未知公交车辆行驶轨迹数据和公交路网数据，所述未知公交车辆行驶轨迹由轨迹点构成，所述未知公交车辆行驶轨迹数据包括每一所述轨迹点的位置信息，所述公交路网数据包括公交站点的位置信息以及经过每一所述公交站点的公交线路标识，所述公交路线标识包括对应该公交路线的已知公交车辆信息；位置信息处理步骤，对所述未知公交车辆行驶轨迹数据和公交路网数据中的位置信息进行数值化处理；公交站点筛选步骤，判断每一所述轨迹点的位置信息是否在其中一所述公交站点的位置信息的预设阈值范围内，若是，则筛选出该公交站点；公交线路筛选步骤，统计每一所述公交路线上所有筛选出的公交站点的实际数量，计算实际数量与每一所述公交路线上所有公交站点的原始数量的比值，当实际数量与原始数量的比值达到预设阈值时，该将该公交线路作为候选公交路线；候选集统计步骤，汇集所有候选公交路线形成候选集；行驶线路判定及公交车辆信息识别步骤，判断行驶线路与候选公交路线的相似度，若相似度达到预设阈值时，则将该候选公交路线的公交线路标识标记给行驶路线。
在本发明一较佳的实施例中，所述位置信息处理步骤中包括，坐标系建立步骤，建立平面直角坐标系，设置相互垂直的X轴和Y轴；坐标位置计算步骤，在所述二维直角坐标系中通过二维坐标表示所述轨迹点和公交站点的位置信息，分别计算所述轨迹点和公交站点到X轴的距离和到Y轴的距离。
在本发明一较佳的实施例中，所述位置信息处理步骤中，在所述坐标位置计算步骤之后还包括，栅格化步骤，将所述平面直角坐标系划分为具有预设边长的栅格。
在本发明一较佳的实施例中，所述位置信息处理步骤中，在所述栅格化步骤之后还包括，编码计算步骤，包括分别计算所述轨迹点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值，将所述轨迹点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值作为该轨迹点的轨迹点编码；编码处理步骤，将所有轨迹点编码制作成编码序列表。
在本发明一较佳的实施例中，所述编码计算步骤还包括分别计算所述公交站点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值，将所述公交站点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值作为该轨迹点的公交站点编码；所述编码处理步骤还包括将所有公交站点编码关联至所述公交路网数据，制作公交线路排序表。
在本发明一较佳的实施例中，所述公交站点筛选步骤中包括，编码获取步骤，在所述编码序列表中获取任意一所述轨迹点编码；编码对比步骤，对比所获取的轨迹点编码与所有公交站点编码，判断该所获取的轨迹点编码是否在其中一所述公交站点编码的预设阈值范围内，若是，则进入标定步骤，若否，则返回编码获取步骤；标定步骤，判定所述公交站点编码是否被标记过，若未被标定过，则标定该公交站点；筛选步骤，筛选出所有被标定的公交站点。
在本发明一较佳的实施例中，在所述行驶线路判定步骤中包括，最长公共子序列选定步骤，在所有具有公交站点编码的候选公交线路中配比得到多个公共子序列，选取编码序列最长的公共子序列作为最长公共子序列；相似度计算步骤，计算最长公共子序列与所有候选公交线路中的编码序列的比值，当该比值达到相似度的预设阈值时，则选定该候选公交线路为公交轨迹；信息识别步骤，将该候选公交路线的公交线路标识标记给行驶路线。
在本发明一较佳的实施例中，所述相似度的预设阈值为90％。
在本发明一较佳的实施例中，所述公交线路筛选步骤中，所述实际数量与原始数量的比值的预设阈值为70％。
本发明的优点是：本发明的公交车辆信息的自动识别方法，结合公交车在特定路网上往复行驶的特性缩小需要计算轨迹相似度的公交线路的数目，并选择合适的轨迹相似度计算方法确定公交车运行的公交线路信息；在公交路网中公交线路数目较多的情况下，降低了计算两条轨迹的相似度的时间复杂度，提高了计算效率，同时，提高了精确度。
附图说明
下面结合附图和实施例对本发明作进一步解释。
图1是本发明实施例的公交车辆信息的自动识别方法步骤图。
图2是本发明实施例的位置信息处理步骤图。
图3是本发明实施例的公交站点筛选步骤图。
图4是本发明实施例的行驶线路判定及公交车辆信息识别步骤图。
图5是本发明实施例的栅格化步骤中某轨迹点p的坐标图。
图6是本发明实施例的公交路网倒排表G'示意图。
图7是本发明实施例的某一公交车辆行驶轨迹示意图。
图8是本发明实施例的筛选出的公交站点或公交路线示意图。
图9是本发明实施例的公交车辆行驶轨迹最终识别示意图。
具体实施方式
实施例：如图1所示，一种公交车辆信息的自动识别方法，包括步骤S1)-S6)。
步骤S1)数据获取步骤，获取未知公交车辆行驶轨迹数据和公交路网数据，所述未知公交车辆行驶轨迹由轨迹点构成，所述未知公交车辆行驶轨迹数据包括每一所述轨迹点的位置信息，所述公交路网数据包括公交站点的位置信息以及经过每一所述公交站点的公交线路标识，所述公交路线标识包括对应该公交路线的已知公交车辆信息。如某一公交轨迹T为一系列公交车的轨迹点构成，每一个轨迹点表示公交车在某一时刻所处位置的位置信息，即T＝{p1,…,pn}＝{<lat1,lng1,t1>,…,<latn,lngn,tn>}。公交路网G，由多条公交线路构成，每一条公交线路l的信息包含公交线路名称，公交站点的位置信息，即l＝{lname:{s1,s2,…,sk}}，其中lname表示公交线路的名称，而si表示公交线路包含的公交站点的位置信息，因此公交路网G＝{l1,l2,…,ln}。
步骤S2)位置信息处理步骤，对所述未知公交车辆行驶轨迹数据和公交路网数据中的位置信息进行数值化处理。所述位置信息处理步骤中包括步骤S21)-S25)，如图2所示，步骤S21)坐标系建立步骤，建立平面直角坐标系，设置相互垂直的X轴和Y轴；步骤S22)坐标位置计算步骤，在所述二维直角坐标系中通过二维坐标表示所述轨迹点和公交站点的位置信息，分别计算所述轨迹点和公交站点到X轴的距离和到Y轴的距离。步骤S23)栅格化步骤，将所述平面直角坐标系划分为具有预设边长的栅格。步骤S24)编码计算步骤，包括分别计算所述轨迹点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值，将所述轨迹点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值作为该轨迹点的轨迹点编码；以及分别计算所述公交站点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值，将所述公交站点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值作为该轨迹点的公交站点编码。如对公交轨迹点进行编码，将轨迹点p映射到平面直角坐标系，并分别计算该点在平面直角坐标系中的距离X轴和Y轴的距离，设栅格的边长为d，则 其中，dist(p,py)表示轨迹点p到平面直角坐标系上的y轴上的垂直距离，dist(p,px)表示轨迹点p到轨迹点p到平面直角坐标系中的x轴上的垂直距离，而d表示栅格建立时每一个栅格的边长。计算出x和y的值之后，将x和y以字符串的方式拼接成为该轨迹点的编码，比如当x＝1001，y＝1123时，则编码为10011123。步骤S25)编码处理步骤，将所有轨迹点编码制作成编码序列表；以及将所有公交站点编码关联至所述公交路网数据，制作公交线路排序表，即根据公交路网G建立公交路网倒排表G'。如图5所示，公交路网倒排表G'：公交站点编码为键值，包含该公交站点的公交线路为值。将该结构存储在起来，处理所有该地区的公交轨迹只需要建立一次该结构。如对于一辆车牌号为m的公交车的按时间戳排序的公交轨迹T，将其进行栅格化处理和编码计算步骤，得到一个编码序列。例如图为车牌号为B49123的公交车的轨迹。
步骤S3)公交站点筛选步骤，判断每一所述轨迹点的位置信息是否在其中一所述公交站点的位置信息的预设阈值范围内，若是，则筛选出该公交站点。所述公交站点筛选步骤中包括步骤S31)-S34)：如图3所示，步骤S31)编码获取步骤，在所述编码序列表中获取任意一所述轨迹点编码；步骤S32)编码对比步骤，对比所获取的轨迹点编码与所有公交站点编码，判断该所获取的轨迹点编码是否在其中一所述公交站点编码的预设阈值范围内，若是，则进入标定步骤，若否，则返回编码获取步骤；在该步骤S32)中，为了达到一定的精确度，因此，轨迹点编码与公交站点编码要求一致。步骤S33)标定步骤，判定所述公交站点编码是否被标记过，若未被标定过，则标定该公交站点；步骤S34)筛选步骤，筛选出所有被标定的公交站点。
步骤S4)公交线路筛选步骤，如图6至图8所示，统计每一所述公交路线上所有筛选出的公交站点的实际数量，计算实际数量与每一所述公交路线上所有公交站点的原始数量的比值，当实际数量与原始数量的比值达到预设阈值时，该将该公交线路作为候选公交路线。如果超过某个阈值，比如70％，则认为该线路是公交车的候选线路。其中，站点覆盖率计算公式如下：其中，coverl表示公交轨迹对公交线路l的站点覆盖率，即实际数量与原始数量的比值。countl为公交车经过的公交线路l的公交站点的实际数量，Nl表示公交线路l包含的公交站点的原始数量。例如，车牌号为B49123的公交车的候选公交线路如图所示，不同的形状代表一条公交线路，其公交线路候选集包含6条公交线路，分别为：21路上行，21路下行，15路上行，15路下行，315路上行和315路下行。
步骤S5)候选集统计步骤，汇集所有候选公交路线形成候选集。
步骤S6)行驶线路判定步骤，如图9所示，判断行驶线路与候选公交路线的相似度，若相似度达到预设阈值时，则将该候选公交路线的公交线路标识标记给行驶路线，并将对应该候选公交路线的已知公交车辆信息作为该未知公交车辆的信息。在所述行驶线路判定及公交车辆信息识别步骤中包括使用最长公共子序列轨迹相似度计算方法，进行归一化处理所述行驶线路与候选公交路线的相似度。在得到候选线路集之后，计算候选集中的公交线路与公交轨迹的轨迹相似度，使用最长公共子序列(LCSS)轨迹相似度计算方法，并进行归一化处理，如果超过某个阈值，比如90％，则认为公交车辆运行了该公交线路。其中归一化处理的公式为：其中，len(LCSS)表示最长公共子序列的长度，len(l)表示公交线路l的公交站点的数目。需要说明的是，子序列：一个序列X任意删除若干个字符得到新序列Z，则Z叫做X的子序列。例如Z＝<B,C,D,B>是X＝<A,B,C,B,D,A,B>的子序列，相当于删除A、B、A。公共子序列：给定两个序列X和Y，如果Z既是X的子序列，也是Y的子序列，我们称它为X和Y的公共子序列。公共子序列可能不唯一。例如<B,C,A>是X＝<A,B,C,B,D,A,B>和Y＝<B,D,C,A,B,A>的一个公共子序列。最长公共子序列：Longest CommonSubsequence，简称LCS。如果Z是X和Y的公共子序列，且是最长的那个，则称Z是X和Y的最长公共子序列。例如<B,C,B,A>是X＝<A,B,C,B,D,A,B>和Y＝<B,D,C,A,B,A>的一个最长公共子序列，<B,D,A,B>也是。在候选集中，所有的候选公交路线中，因每一公交路线均可以用编码序列表示，因此，在所有候选公交路线的编码序列中具有多个公共子序列，而其中最长的那个公共子序列则为len(LCSS)。具体的，在所述行驶线路判定及公交车辆信息识别步骤中包括步骤S61)-步骤S63)，如图4所示，步骤S61)最长公共子序列选定步骤，在所有具有公交站点编码的候选公交线路中配比得到多个公共子序列，选取编码序列最长的公共子序列作为最长公共子序列；步骤S62)相似度计算步骤，计算最长公共子序列与所有候选公交线路中的编码序列的比值，当该比值达到相似度的预设阈值时，则选定该候选公交线路为公交轨迹；步骤S63)信息识别步骤，将该候选公交路线的公交线路标识标记给行驶路线。
例如，车牌号为B49123的公交车行驶的线路信息如图7所示，具体识别结果为：21路上行，21路下行，315路上行和315路下行。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种公交车辆信息的自动识别方法，其特征在于，包括以下步骤，
数据获取步骤，获取未知公交车辆行驶轨迹数据和公交路网数据，所述未知公交车辆行驶轨迹由轨迹点构成，所述未知公交车辆行驶轨迹数据包括每一所述轨迹点的位置信息，所述公交路网数据包括公交站点的位置信息以及经过每一所述公交站点的公交线路标识，所述公交路线标识包括对应该公交路线的已知公交车辆信息；
位置信息处理步骤，对所述未知公交车辆行驶轨迹数据和公交路网数据中的位置信息进行数值化处理；
公交站点筛选步骤，判断每一所述轨迹点的位置信息是否在其中一所述公交站点的位置信息的预设阈值范围内，若是，则筛选出该公交站点；
公交线路筛选步骤，统计每一所述公交路线上所有筛选出的公交站点的实际数量，计算实际数量与每一所述公交路线上所有公交站点的原始数量的比值，当实际数量与原始数量的比值达到预设阈值时，该将该公交线路作为候选公交路线；
候选集统计步骤，汇集所有候选公交路线形成候选集；
行驶线路判定步骤，判断行驶线路与候选公交路线的相似度，若相似度达到预设阈值时，则将该候选公交路线的公交线路标识标记给行驶路线。
2.根据权利要求1所述的公交车辆信息的自动识别方法，其特征在于，所述位置信息处理步骤中包括，
坐标系建立步骤，建立平面直角坐标系，设置相互垂直的X轴和Y轴；
坐标位置计算步骤，在所述二维直角坐标系中通过二维坐标表示所述轨迹点和公交站点的位置信息，分别计算所述轨迹点和公交站点到X轴的距离和到Y轴的距离。
3.根据权利要求2所述的公交车辆信息的自动识别方法，其特征在于，所述位置信息处理步骤中，在所述坐标位置计算步骤之后还包括，
栅格化步骤，将所述平面直角坐标系划分为具有预设边长的栅格。
4.根据权利要求3所述的公交车辆信息的自动识别方法，其特征在于，所述位置信息处理步骤中，在所述栅格化步骤之后还包括，
编码计算步骤，包括分别计算所述轨迹点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值，将所述轨迹点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值作为该轨迹点的轨迹点编码；
编码处理步骤，将所有轨迹点编码制作成编码序列表。
5.根据权利要求4所述的公交车辆信息的自动识别方法，其特征在于，所述编码计算步骤还包括分别计算所述公交站点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值，将所述公交站点到Y轴的距离与边长的比值和所述轨迹点到X轴的距离与边长的比值作为该轨迹点的公交站点编码；
所述编码处理步骤还包括将所有公交站点编码关联至所述公交路网数据，制作公交线路排序表。
6.根据权利要求5所述的公交车辆信息的自动识别方法，其特征在于，所述公交站点筛选步骤中包括，
编码获取步骤，在所述编码序列表中获取任意一所述轨迹点编码；
编码对比步骤，对比所获取的轨迹点编码与所有公交站点编码，判断该所获取的轨迹点编码是否在其中一所述公交站点编码的预设阈值范围内，若是，则进入标定步骤，若否，则返回编码获取步骤；
标定步骤，判定所述公交站点编码是否被标记过，若未被标定过，则标定该公交站点；
筛选步骤，筛选出所有被标定的公交站点。
7.根据权利要求6所述的公交车辆信息的自动识别方法，其特征在于，在所述行驶线路判定步骤中包括，
最长公共子序列选定步骤，在所有具有公交站点编码的候选公交线路中配比得到多个公共子序列，选取编码序列最长的公共子序列作为最长公共子序列；
相似度计算步骤，计算最长公共子序列与所有候选公交线路中的编码序列的比值，当该比值达到相似度的预设阈值时，则选定该候选公交线路为公交轨迹；
信息识别步骤，将该候选公交路线的公交线路标识标记给行驶路线。
8.根据权利要求7所述的公交车辆信息的自动识别方法，其特征在于，所述相似度的预设阈值为90%。
9.根据权利要求1所述的公交车辆信息的自动识别方法，其特征在于，所述公交线路筛选步骤中，所述实际数量与原始数量的比值的预设阈值为70%。
CN201810349843.0A 2018-04-18 2018-04-18 一种公交车辆信息的自动识别方法 Active CN108806301B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810349843.0A CN108806301B (zh) 2018-04-18 2018-04-18 一种公交车辆信息的自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810349843.0A CN108806301B (zh) 2018-04-18 2018-04-18 一种公交车辆信息的自动识别方法

Publications (2)

Publication Number Publication Date
CN108806301A true CN108806301A (zh) 2018-11-13
CN108806301B CN108806301B (zh) 2021-02-26

Family

ID=64094855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810349843.0A Active CN108806301B (zh) 2018-04-18 2018-04-18 一种公交车辆信息的自动识别方法

Country Status (1)

Country Link
CN (1) CN108806301B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109754630A (zh) * 2019-02-02 2019-05-14 武汉元光科技有限公司 确定车辆运营线路的方法和装置
CN111210612A (zh) * 2019-10-29 2020-05-29 浙江浙大中控信息技术有限公司 基于公交gps数据与站点信息提取公交线路轨迹的方法
CN111435570A (zh) * 2019-01-11 2020-07-21 阿里巴巴集团控股有限公司 一种公交线路匹配方法及装置
CN111638711A (zh) * 2020-05-22 2020-09-08 北京百度网讯科技有限公司 用于自动驾驶的行驶轨迹规划方法、装置、设备和介质
CN111968398A (zh) * 2020-07-14 2020-11-20 深圳市综合交通运行指挥中心 公共交通工具的运行状态确定方法、装置、终端及介质
CN113360543A (zh) * 2021-06-01 2021-09-07 平安国际智慧城市科技股份有限公司 公共交通的重复路线识别方法、装置、设备及存储介质
WO2021196049A1 (zh) * 2020-03-31 2021-10-07 华为技术有限公司 汽车出行规律的分析方法、服务器及系统
CN114066088A (zh) * 2021-11-19 2022-02-18 郑州天迈科技股份有限公司 一种基于极坐标变换的公交线路与道路绑定方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110027873A (ko) * 2009-09-11 2011-03-17 강동훈 교통카드 충전 기능이 구비된 버스운행정보안내시스템
CN104240530A (zh) * 2014-09-15 2014-12-24 郑州天迈科技股份有限公司 公交车辆离线检测方法
CN104318766A (zh) * 2014-10-22 2015-01-28 北京建筑大学 一种公交gps轨迹数据的路网匹配方法
CN104318767A (zh) * 2014-10-22 2015-01-28 北京建筑大学 一种基于公交gps轨迹数据的路况信息生成方法
CN107180538A (zh) * 2017-06-21 2017-09-19 南京邮电大学 一种车载轨迹运行方向的识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110027873A (ko) * 2009-09-11 2011-03-17 강동훈 교통카드 충전 기능이 구비된 버스운행정보안내시스템
CN104240530A (zh) * 2014-09-15 2014-12-24 郑州天迈科技股份有限公司 公交车辆离线检测方法
CN104318766A (zh) * 2014-10-22 2015-01-28 北京建筑大学 一种公交gps轨迹数据的路网匹配方法
CN104318767A (zh) * 2014-10-22 2015-01-28 北京建筑大学 一种基于公交gps轨迹数据的路况信息生成方法
CN107180538A (zh) * 2017-06-21 2017-09-19 南京邮电大学 一种车载轨迹运行方向的识别方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111435570B (zh) * 2019-01-11 2021-12-28 阿里巴巴集团控股有限公司 一种公交线路匹配方法及装置
CN111435570A (zh) * 2019-01-11 2020-07-21 阿里巴巴集团控股有限公司 一种公交线路匹配方法及装置
CN109754630B (zh) * 2019-02-02 2020-06-19 武汉元光科技有限公司 确定车辆运营线路的方法和装置
CN109754630A (zh) * 2019-02-02 2019-05-14 武汉元光科技有限公司 确定车辆运营线路的方法和装置
CN111210612A (zh) * 2019-10-29 2020-05-29 浙江浙大中控信息技术有限公司 基于公交gps数据与站点信息提取公交线路轨迹的方法
CN111210612B (zh) * 2019-10-29 2021-01-19 浙江浙大中控信息技术有限公司 基于公交gps数据与站点信息提取公交线路轨迹的方法
WO2021196049A1 (zh) * 2020-03-31 2021-10-07 华为技术有限公司 汽车出行规律的分析方法、服务器及系统
CN111638711A (zh) * 2020-05-22 2020-09-08 北京百度网讯科技有限公司 用于自动驾驶的行驶轨迹规划方法、装置、设备和介质
CN111968398A (zh) * 2020-07-14 2020-11-20 深圳市综合交通运行指挥中心 公共交通工具的运行状态确定方法、装置、终端及介质
CN111968398B (zh) * 2020-07-14 2022-07-29 深圳市综合交通运行指挥中心 公共交通工具的运行状态确定方法、装置、终端及介质
CN113360543A (zh) * 2021-06-01 2021-09-07 平安国际智慧城市科技股份有限公司 公共交通的重复路线识别方法、装置、设备及存储介质
CN113360543B (zh) * 2021-06-01 2024-07-09 平安国际智慧城市科技股份有限公司 公共交通的重复路线识别方法、装置、设备及存储介质
CN114066088A (zh) * 2021-11-19 2022-02-18 郑州天迈科技股份有限公司 一种基于极坐标变换的公交线路与道路绑定方法

Also Published As

Publication number Publication date
CN108806301B (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN108806301A (zh) 一种公交车辆信息的自动识别方法
CN111681421B (zh) 基于手机信令数据的对外客运枢纽集疏空间分布分析方法
CN100555355C (zh) 道路交通的通行速度计算和匹配的方法和系统
CN107563419B (zh) 图像匹配和二维码相结合的列车定位方法
CN108765922A (zh) 一种公交车辆行驶轨迹的分段方法
CN102521973B (zh) 一种手机切换定位的道路匹配方法
CN105491532B (zh) 一种用于路网运行状态分析的手机信令过滤方法和装置
CN111653096B (zh) 一种基于手机信令数据的城市出行方式识别方法
CN101925939A (zh) 估计道路交通的方法和系统
CN112543427A (zh) 基于信令轨迹及大数据分析识别城市交通走廊的方法与系统
CN108170793A (zh) 基于车辆语义轨迹数据的停留点分析方法及其系统
CN105608505A (zh) 一种基于手机信令数据的居民轨道交通出行方式识别方法
CN108171993B (zh) 一种基于手机信令大数据的高速公路车辆速度计算方法
CN109766777A (zh) 异常轨迹的检测方法、装置、存储介质及电子设备
CN104778836A (zh) 基于手机信令数据质量感知的高速公路交通状态识别方法
CN106710208A (zh) 交通状态的获取方法及装置
CN114363842B (zh) 基于手机信令数据的公交乘客下车站点预测方法及装置
CN109272032A (zh) 出行方式识别方法、装置、计算机设备和存储介质
CN105101092A (zh) 一种基于c4．5决策树的手机用户出行方式识别方法
CN109547930B (zh) 基于运营商数据的城市轨道交通客流来源分析的方法及装置
CN102044146A (zh) 基于一票制公交ic卡数据推算上车站点的方法
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
CN113569977B (zh) 一种基于手机信令数据的出行目的识别方法
CN108877280B (zh) 停车数据采集设备、管理系统及移动式停车数据采集设备
CN110830915B (zh) 一种确定起点位置的方法及装置

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