CN108848460B - 基于rfid和gps数据的人车关联方法 - Google Patents
基于rfid和gps数据的人车关联方法 Download PDFInfo
- Publication number
- CN108848460B CN108848460B CN201810550672.8A CN201810550672A CN108848460B CN 108848460 B CN108848460 B CN 108848460B CN 201810550672 A CN201810550672 A CN 201810550672A CN 108848460 B CN108848460 B CN 108848460B
- Authority
- CN
- China
- Prior art keywords
- gps
- vehicle
- rfid
- data
- point
- 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.)
- Active
Links
Classifications
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
-
- 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
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Abstract
本发明提供的一种基于RFID和GPS数据的人车关联方法,包括如下步骤:S1.通过布置在路网采集点的RFID读写器读取车辆电子车牌数据,作为车辆在路网的通行数据,并根据通行数据提取出当前车辆的RFID轨迹;S2.通过GPS终端获取用户的GPS轨迹数据,并从GPS轨迹数据中提取出用户乘坐小汽车的GPS轨迹;S3.将车辆的RFID轨迹与用户乘坐小汽车的GPS轨迹进行匹配实现人车关联,通过本发明,通过基于RFID信息和GPS信息实现驾驶人和车辆进行关联,从而提高了交通信息服务的能见度,亦能对城市交通综合管理提供更为精准、更具有深度的动态交通信息,使其延伸的数据服务更为有效、精准和人性化。
Description
技术领域
本发明涉及一种交通管理方法,尤其涉及一种基于RFID和GPS数据的人车关联方法。
背景技术
近年来,智能交通技术以全面应用于城市交通综合管理,最具代表性的技术是以基于RFID技术利用其自动识别及动态信息采集的巨大优势实现城市交通综合管理,其技术原理是:以电子标签(或称电子车牌)作为信息载体,以RFID 技术作为基本的信息动态采集手段,实现涉车信息资源的共享,提升车辆管理的信息化水平。具体地,采用的方式是在车辆上安装电子车牌,该电子车牌为根据交通管理的需要,将驾驶车、驾驶人及城市交通信息写入其中。由于在道路上设有基于RFID技术的路面采集点,当所驾驶的装有电子车牌的车辆经过所设的采集点时,采集装置将覆盖区域内的电子车牌信息读取并上传至管理系统,管理系统后台通过对采集的交通大数据进行车辆行为分析,解决城市交通综合管理问题。
另一种成熟技术是利用定位系统(例如GPS技术、北斗导航系统等)实现城市交通综合管理,它们通过获取车辆精准、及时的定位信息进行数据分析,从而应用于城市交通综合管理。
如上所述,交通信息采集是智能交通应用的最重要的环节,其作用是为交通管理、交通控制与预测、交通引导、交通指挥及交通信息服务提供信息源和基础。这两种技术互有优缺点。RFID技术依赖固定点位的设置,导致采集的动态交通信息不完整,如:无法获取点位之间的完整的车辆轨迹;定位技术,特别是商用定位技术普通存在定位不精确,人为造成的数据缺失等特点。因此,将定位技术与RFID技术进行融合成为智能交通领域研究热点,但归根结底都是针对的车辆本身,研究方向主要还是在于完善车辆的轨迹来进一步提供交通信息服务。
交通信息主要来源于道路、车辆和旅客(包括驾驶员)三方面,在当前服务更精准的时代,对于一些同时依赖驾驶人和车辆信息的服务,目前并没有完善的技术方案,如果在动态交通信息采集中能将动态车辆信息与驾驶人信息进行绑定关联,将提供更为精准的服务。例如:在基于位置信息的服务中,对驾驶员根据用户喜好建立用户画像,当车辆停靠停车场以后,根据用户画像推送基于位置的服务信息,让服务变得更为精准。再如:在交通诱导服务中,通过驾驶行为分析驾驶员的行驶习惯,匹配该驾驶员容易出现交通事故的路段有效推送诱导服务,提示驾驶员小心驾驶,以减少交通事故的发生概率。同时,实现驾驶员与车辆的身份关联在交通治堵、城市规划、公共安全等公共服务领域亦能起到重要作用,例如:依据驾驶人属性及行为特征安排合理的错峰出行方案和/或出行方式,有助于缓解城市交通拥堵,但是,驾驶员和车辆进行准确关联一直以来就是一个技术难点,目前还没有一种有效的手段能够解决。
发明内容
有鉴于此,本发明的目的是提供一种基于RFID和GPS数据的人车关联方法,通过基于RFID信息和GPS信息实现驾驶人和车辆进行关联,从而提高了交通信息服务的能见度,亦能对城市交通综合管理提供更为精准、更具有深度的动态交通信息,使其延伸的数据服务更为有效、精准和人性化。
本发明提供的一种基于RFID和GPS数据的人车关联方法,包括如下步骤:
S1.通过布置在路网采集点的RFID读写器读取车辆电子车牌数据,作为车辆在路网的通行数据,并根据通行数据提取出当前车辆的RFID轨迹;
S2.通过GPS终端获取用户的GPS轨迹数据,并从GPS轨迹数据中提取出用户乘坐小汽车的GPS轨迹;
S3.将车辆的RFID轨迹与用户乘坐小汽车的GPS轨迹进行匹配实现人车关联。
进一步,步骤S1中,通过如下方法确定车辆的RFID轨迹:
确定车辆的行程链路Link:
通过路网采集点的RFID读写器获取车辆的通行数据,该通行数据包括车辆档案号CarID、车辆属性信息EPC、采集点位置信息IP以及车辆通过采集点的时间信息Time;
根据通信数据确定出形成链路Link:Link={CarId,[p1,p2...,pi]},其中, p1,p2,…,pi表示链路中的i个RFID采集节点;
且pi={{longitudei,latitudei},ti},longitudei为i采集节点的经度,latitudei为i采集节点的纬度,ti为车辆通过第i个节点的时间;
进一步,通过如下方法确定链路中的起讫点:
设定采集点连续采集时间间隔阈值α;
将车辆连续通过RFID采集点的时间间隔Ti与时间间隔阈值α进行比较,若Ti>α,则车辆的行程链路划分为两条,且改采集点为前一条链路的讫点并为后一条链路的起点,如Ti≤α则车辆的行程链路为1条。
进一步,根据如下方法提取GPS轨迹:
通过GPS终端获取GPS数据,其中,GPS数据包括手机号CallNumber、GPS 终端的位置信息以及GPS数据的采集时间time;
建立用户的GPS轨迹序列:Course={g1,g2...,gq...,gk},其中,gq表示第q个GPS的记录点,q=1,2,…,k;
判断GPS轨迹序列中各记录点是否为停留区S{ge,ge+1...,ge+b}:
判断相邻GPS记录点之间的时间间隔是否大于时间间隔阈值β;
如GPS轨迹序列中存在停留区或者相邻GPS记录点之间的时间间大于时间间隔阈值β,则将GPS轨迹进行划分。
进一步,还包括异常数据提出步骤:
进一步,还包括识别用户的出行方式:
采集用户出行参数:速度、加速度、出行距离、出行时长、常在车道、偏移道路距离、换道次数、出行时间以及GPS间隙时长;
根据用户出行参数确定出采用小汽车出行的用户。
进一步,根据如下方法实现人车关联:
将车辆的RFID轨迹与车主的GPS轨迹向匹配:
判断车辆的行程链路中节点pl与GPS轨迹序列中的记录点go是否重合,重合判断公式如下:
其中,d(go,pl)为GPS采集点go与RFID采集点pl之间的距离,T(go,pl)为GPS采集点go与RFID采集点pl之间的时间差值,μ为GPS采集点与RFID采集点之间的距离阈值,σ为GPS采集点和RFID采集点采集时间间隔阈值;
当GPS采集点go与RFID采集点pl之间的距离满足重合判断公式,则GPS 采集点go与RFID采集点pl之间重合;
重合节点越多,匹配置信度越高,将每辆车与每一位GPS用户的匹配置信度按照从高到低进行排序,寻找出与各车牌号有关联的GPS用户,计算匹配度指标I,其中,I=y/Y,其中,y为1天内RFID采集点和GPS记录点重合的次数,Y为行车轨迹点;
判断匹配度指标是否达到设定阈值,将达到设定阈值的匹配度指标按照从大到小进行排序;
当用户与当前车牌号的关联程度按照从大到小进行排序,并得出最终驾驶人与车辆关联:
将与同一车牌号车辆的人车关联程度做差值比较,如差值大于设定阈值,则以当天人车关联程度r高的驾驶人与该车辆关联;
如差值小于设定阈值,则以历史人车关联程度为依据,选出历史记录中人车关联程度高的驾驶人与该车进行人车关联。
本发明的有益效果:通过基于RFID信息和GPS信息实现驾驶人和车辆进行关联,从而提高了交通信息服务的能见度,亦能对城市交通综合管理提供更为精准、更具有深度的动态交通信息,使其延伸的数据服务更为有效、精准和人性化。
具体实施方式
以下对本发明做出进一步详细说明:
本发明提供的一种基于RFID和GPS数据的人车关联方法,包括如下步骤:
S1.通过布置在路网采集点的RFID读写器读取车辆电子车牌数据,作为车辆在路网的通行数据,并根据通行数据提取出当前车辆的RFID轨迹;
S2.通过GPS终端获取用户的GPS轨迹数据,并从GPS轨迹数据中提取出用户乘坐小汽车的GPS轨迹;
S3.将车辆的RFID轨迹与用户乘坐小汽车的GPS轨迹进行匹配实现人车关联,通过本发明,通过基于RFID信息和GPS信息实现驾驶人和车辆进行关联,从而提高了交通信息服务的能见度,亦能对城市交通综合管理提供更为精准、更具有深度的动态交通信息,使其延伸的数据服务更为有效、精准和人性化;本申请中的人车关联,表示的是某车辆在当日所驾驶的车辆为关联的车辆,车辆在某一日所做出的驾驶行为是该关联用户做出。
本实施例中,步骤S1中,通过如下方法确定车辆的RFID轨迹:
确定车辆的行程链路Link:
通过路网采集点的RFID读写器获取车辆的通行数据,该通行数据包括车辆档案号CarID、车辆属性信息EPC、采集点位置信息IP以及车辆通过采集点的时间信息Time;通过上述信息,人车关联后,只要识别出车辆信息就能够与相对应的驾驶人的信息进行相应的识别,从而为车辆管理、城市交通综合管理提供更为精准、更具有深度的动态交通信息;
根据通信数据确定出形成链路Link:Link={CarId,[p1,p2...,pi]},其中, p1,p2,…,pi表示链路中的i个RFID采集节点;
且pi={{longitudei,latitudei},ti},longitudei为i采集节点的经度,latitudei为i采集节点的纬度,ti为车辆通过第i个节点的时间;
通过上述方法,能够准确地确定出相应的路径个数,从而为后续的人车关联提供精确保障,其中,行程时间最短路径以及距离最短路径为优选的人车关联路径,包含在路径集合RLink中,在后续的GPS路径和RFID 路径中,优选采用行程时间最短或者距离最短路径进行对比匹配。
本实施例中,通过如下方法确定链路中的起讫点:
设定采集点连续采集时间间隔阈值α;
将车辆连续通过RFID采集点的时间间隔Ti与时间间隔阈值α进行比较,若Ti>α,则车辆的行程链路划分为两条,且改采集点为前一条链路的讫点并为后一条链路的起点,如Ti≤α则车辆的行程链路为1条,通过上述方法,能够准确的确定出相应的起讫点,从而确定出链路数,而且通过行程链路的划分以及GPS停留区域的确定结合,能够将RFID路径和GPS路径进行准确对比,从而保证最终人车关联的准确性。
本实施例中,根据如下方法提取GPS轨迹:
通过GPS终端获取GPS数据,其中,GPS数据包括手机号CallNumber、GPS 终端的位置信息以及GPS数据的采集时间time;GPS终端采用现有的具有GPS 功能的智能手机;
建立用户的GPS轨迹序列:Course={g1,g2...,gq...,gk},其中,gq表示第q个GPS的记录点,q=1,2,…,k;
判断GPS轨迹序列中各记录点是否为停留区S{ge,ge+1...,ge+b}:
判断相邻GPS记录点之间的时间间隔是否大于时间间隔阈值β;
如GPS轨迹序列中存在停留区或者相邻GPS记录点之间的时间间大于时间间隔阈值β,则将GPS轨迹进行划分;通过上述方法,能够准确确定出驾驶人自身的轨迹,从而为人车管理提供保障,为了是得GPS轨迹进一步准确,还包括异常数据提出步骤:
本实施例中,还包括识别用户的出行方式:
采集用户出行参数:速度、加速度、出行距离、出行时长、常在车道、偏移道路距离、换道次数、出行时间以及GPS间隙时长;
根据用户出行参数确定出采用小汽车出行的用户,具体确定过程如下:
根据道路偏移距离、GPS间隙时长就能够区分出轨道交通、公交车或者其他出行方式,其中,轨道交通与道路的偏移距离较大,GPS间隙时长较大,并且GPS间隙不规律性(由于轨道交通在地下行驶时GPS信号差,表现出GPS间隙不规律性);公交车的偏移距离小,但是GPS间隙时长规律(由于每个站点的停靠规律性),从而识别出公交车;在其他出行方式中,包括步行、自行车、摩托车、小汽车以及火车;根据出行距离较短,而且速度最小的特征,可以筛选出步行以及自行车出行,而摩托车虽然加速度较大,但是其出行距离也表现出出行时间短,相对速度小等特征,而出租车的表现为出行距离、出行时长较大,但是车道变换频繁;而货车出行表现在常在夜间出行、常在车道为右侧车道,加速度较小且出行时间长;而小汽车出行的特征为在非高峰期速度较大、加速较大且主要在左侧车道,车道变换次数少,通过上述各种方式的出行特征,即可筛选出小汽车出行的用户,基于上述特征,基于K2算法以及贝叶斯学习网络即可自动筛选出来,其中,K2算法以及贝叶斯学习网络属于现有技术,在此不加以赘述。
本实施例中,根据如下方法实现人车关联:
将车辆的RFID轨迹与车主的GPS轨迹向匹配:
判断车辆的行程链路中节点pl与GPS轨迹序列中的记录点go是否重合,重合判断公式如下:
其中,d(go,pl)为GPS采集点go与RFID采集点pl之间的距离,T(go,pl)为GPS采集点go与RFID采集点pl之间的时间差值,μ为GPS采集点与RFID采集点之间的距离阈值,σ为GPS采集点和RFID采集点采集时间间隔阈值;
当GPS采集点go与RFID采集点pl之间的距离满足重合判断公式,则GPS 采集点go与RFID采集点pl之间重合;
重合节点越多,匹配置信度越高,将每辆车与每一位GPS用户的匹配置信度按照从高到低进行排序,寻找出与各车牌号有关联的GPS用户,计算匹配度指标I,其中,I=y/Y,其中,y为1天内RFID采集点和GPS记录点重合的次数,Y为行车轨迹点;
判断匹配度指标是否达到设定阈值,将达到设定阈值的匹配度指标按照从大到小进行排序;
当用户与当前车牌号的关联程度按照从大到小进行排序,并得出最终驾驶人与车辆关联:
将与同一车牌号车辆的人车关联程度做差值比较,如差值大于设定阈值,则以当天人车关联程度r高的驾驶人与该车辆关联;
如差值小于设定阈值,则以历史人车关联程度为依据,选出历史记录中人车关联程度的驾驶人与该车进行人车关联;其中,关联程度差值的阈值根据实际的城市环境等因素确定,比如:阈值设定为10%;在某一日A用户与车牌号 123456的车辆之间的关联程度为95%,而在改日内B用户与车牌号123456的车辆的关联程度为70%,那么A用户和B用户之间的关联程度差值大于10%,则可以确定A用户与车牌号为123456的车辆关联,该车辆的驾驶行为为A用户做出;如在某一日A用户和B用户的关联程度分别为95%和90%,这并不能确定哪个用户与车牌号为123456的车辆的关联,只能表明A用户和B用户的经过的RFID 采集点以及GPS轨迹相似,此时,则参考历史数据:如果在历史数据中A用户的关联程度高于B用户与用于与车牌号为123456的车辆的关联程度,那么此时仍然将A用户作为当日与车牌号123456的车辆的关联用户;如果在历史数据中 A用户的关联程度低于B用户与用于与车牌号为123456的车辆的关联程度,虽然当日A用户关联程度高,但是仍然将B用户与目标车辆进行关联。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于RFID和GPS数据的人车关联方法,其特征在于:包括如下步骤:
S1.通过布置在路网采集点的RFID读写器读取车辆电子车牌数据,作为车辆在路网的通行数据,并根据通行数据提取出当前车辆的RFID轨迹;
S2.通过GPS终端获取用户的GPS轨迹数据,并从GPS轨迹数据中提取出用户乘坐小汽车的GPS轨迹;
S3.将车辆的RFID轨迹与用户乘坐小汽车的GPS轨迹进行匹配实现人车关联;
步骤S1中,通过如下方法确定车辆的RFID轨迹:
确定车辆的行程链路Link:
通过路网采集点的RFID读写器获取车辆的通信数据,该通信数据包括车辆档案号CarId、车辆属性信息EPC、采集点位置信息IP以及车辆通过采集点的时间信息Time;
根据通信数据确定出形成链路Link:Link={CarId,[p1,p2...,pi]},其中,p1,p2,…,pi表示链路中的i个RFID采集节点;
且pi={{longitudei,latitudei},ti},longitudei为i采集节点的经度,latitudei为i采集节点的纬度,ti为车辆通过第i个节点的时间;
2.根据权利要求1所述基于RFID和GPS数据的人车关联方法,其特征在于:通过如下方法确定链路中的起讫点:
设定采集点连续采集时间间隔阈值α;
将车辆连续通过RFID采集点的时间间隔Ti与时间间隔阈值α进行比较,若Ti>α,则车辆的行程链路划分为两条,且该采集点为前一条链路的讫点并为后一条链路的起点,如Ti≤α则车辆的行程链路为1条。
3.根据权利要求2所述基于RFID和GPS数据的人车关联方法,其特征在于:根据如下方法提取GPS轨迹:
通过GPS终端获取GPS数据,其中,GPS数据包括手机号CallNumber、GPS终端的位置信息以及GPS数据的采集时间time;
建立用户的GPS轨迹序列:Course={g1,g2...,gq...,gk},其中,gq表示第q个GPS的记录点,q=1,2,…,k;
判断GPS轨迹序列中各记录点是否为停留区S{ge,ge+1...,ge+b}:
判断相邻GPS记录点之间的时间间隔是否大于时间间隔阈值β;
如GPS轨迹序列中存在停留区或者相邻GPS记录点之间的时间间大于时间间隔阈值β,则将GPS轨迹进行划分。
5.根据权利要求3所述基于RFID和GPS数据的人车关联方法,其特征在于:还包括识别用户的出行方式:
采集用户出行参数:速度、加速度、出行距离、出行时长、常在车道、偏移道路距离、换道次数、出行时间以及GPS间隙时长;
根据用户出行参数确定出采用小汽车出行的用户。
6.根据权利要求4所述基于RFID和GPS数据的人车关联方法,其特征在于:根据如下方法实现人车关联:
将车辆的RFID轨迹与车主的GPS轨迹向匹配:
判断车辆的行程链路中节点pl与GPS轨迹序列中的记录点go是否重合,重合判断公式如下:
其中,d(go,pl)为GPS采集点go与RFID采集点pl之间的距离,T(go,pl)为GPS采集点go与RFID采集点pl之间的时间差值,μ为GPS采集点与RFID采集点之间的距离阈值,σ为GPS采集点和RFID采集点采集时间间隔阈值;
当GPS采集点go与RFID采集点pl之间的距离满足重合判断公式,则GPS采集点go与RFID采集点pl之间重合;
重合节点越多,匹配置信度越高,将每辆车与每一位GPS用户的匹配置信度按照从高到低进行排序,寻找出与各车牌号有关联的GPS用户,计算匹配度指标I,其中,I=y/Y,其中,y为1天内RFID采集点和GPS记录点重合的次数,Y为行车轨迹点;
判断匹配度指标是否达到设定阈值,将达到设定阈值的匹配度指标按照从大到小进行排序;
当用户与当前车牌号的关联程度按照从大到小进行排序,并得出最终驾驶人与车辆关联:
将与同一车牌号车辆的人车关联程度做差值比较,如差值大于设定阈值,则以当天人车关联程度r高的驾驶人与该车辆关联;
如差值小于设定阈值,则以历史人车关联程度为依据,选出历史记录中人车关联程度高的驾驶人与该车进行人车关联。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810550672.8A CN108848460B (zh) | 2018-05-31 | 2018-05-31 | 基于rfid和gps数据的人车关联方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810550672.8A CN108848460B (zh) | 2018-05-31 | 2018-05-31 | 基于rfid和gps数据的人车关联方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108848460A CN108848460A (zh) | 2018-11-20 |
CN108848460B true CN108848460B (zh) | 2020-11-10 |
Family
ID=64210047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810550672.8A Active CN108848460B (zh) | 2018-05-31 | 2018-05-31 | 基于rfid和gps数据的人车关联方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108848460B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492116B (zh) * | 2018-11-27 | 2021-08-27 | 杭州中奥科技有限公司 | 人物关系网络构建的方法及装置 |
CN109634946B (zh) * | 2018-12-06 | 2020-08-18 | 南京森根科技股份有限公司 | 一种基于大数据挖掘的轨迹智能匹配关联分析方法 |
CN110491157B (zh) * | 2019-07-23 | 2022-01-25 | 中山大学 | 一种基于停车场数据和卡口数据的车辆关联方法 |
US11709828B2 (en) * | 2019-10-31 | 2023-07-25 | Genetec Inc | Method and system for associating a license plate number with a user |
CN111159254B (zh) * | 2019-12-30 | 2023-07-25 | 武汉长江通信产业集团股份有限公司 | 一种基于大数据处理的车辆与人员的关联方法 |
CN111199644B (zh) * | 2020-01-06 | 2021-05-11 | 山东合天智汇信息技术有限公司 | 一种自动进行人车拟合的方法及系统 |
CN115696185A (zh) * | 2020-09-15 | 2023-02-03 | 北京万集科技股份有限公司 | 定位信息获取方法、辅助驾驶方法及车端传感器检测方法 |
CN113870555B (zh) * | 2021-09-08 | 2023-11-03 | 南京静态交通产业技术研究院 | 基于手机imsi码与电子车牌的人车协同识别方法 |
CN114495244B (zh) * | 2022-04-08 | 2022-07-12 | 深圳前海中电慧安科技有限公司 | 电像计算数据异常检测方法、装置、设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080027599A1 (en) * | 2006-07-28 | 2008-01-31 | James Logan | Autonomous vehicle and systems and methods for the operation thereof |
US20080068180A1 (en) * | 2006-09-11 | 2008-03-20 | Powell Steven W | Radio frequency identification tag embedded in the windshields of vehicle for wirelessly determining vehicle identification, location and toll collection |
CN105701123B (zh) * | 2014-11-27 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 人车关系的识别方法及装置 |
CN104468787A (zh) * | 2014-12-09 | 2015-03-25 | 浪潮电子信息产业股份有限公司 | 一种基于大数据的人车关联识别方法 |
CN105682222B (zh) * | 2016-03-01 | 2019-02-19 | 西安电子科技大学 | 一种基于车辆自组织网络的车辆位置定位信息融合方法 |
CN106303962A (zh) * | 2016-08-17 | 2017-01-04 | 公安部道路交通安全研究中心 | 一种实现人‑车信息关联的方法和系统 |
-
2018
- 2018-05-31 CN CN201810550672.8A patent/CN108848460B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108848460A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108848460B (zh) | 基于rfid和gps数据的人车关联方法 | |
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
CN101965601B (zh) | 驾驶辅助装置及驾驶辅助方法 | |
CN108765018B (zh) | 基于人车关联的自适应广告推送方法及系统 | |
CN102394008B (zh) | 使用来自移动数据源的数据估算道路交通状况 | |
CN103325245B (zh) | 一种黑名单车辆的时空行驶轨迹预测方法 | |
Kerper et al. | Learning traffic light phase schedules from velocity profiles in the cloud | |
CN106382939A (zh) | 一种基于历史数据的导航路径行驶时间预测系统及方法 | |
CN112036757B (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
CN110310477B (zh) | 基于公交gps与手机信令数据的公交客流检测方法 | |
Kumar et al. | A model based approach to predict stream travel time using public transit as probes | |
US10444027B2 (en) | Parking lot entrance recognition method and system | |
CN103177562A (zh) | 一种获取交通状态预测所需信息的方法及装置 | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 | |
CN108665084B (zh) | 一种对驾驶风险的预测方法及系统 | |
CN114005275B (zh) | 一种基于多数据源融合的高速公路车辆拥堵判别方法 | |
US10339799B2 (en) | Method and system to identify congestion root cause and recommend possible mitigation measures based on cellular data and related applications thereof | |
CN112601187B (zh) | 基于手机信令的公交常乘客预测方法与系统 | |
CN116092037B (zh) | 融合轨迹空间-语义特征的车辆类型识别方法 | |
CN111624638A (zh) | 基于大数据系统的行踪追溯及监控报告的生成方法 | |
JP2016037079A (ja) | 乗車列車同定装置、鉄道利用データ収集システム、乗車列車同定方法及びプログラム | |
CN114091581A (zh) | 一种基于稀疏轨迹的车辆运营行为类型识别方法 | |
CN112185120A (zh) | 一种基于电子车牌数据的通勤私家车识别方法 | |
CN112927497A (zh) | 一种浮动车识别方法、相关方法和装置 | |
CN113267197A (zh) | 一种大数据以及统计解决道路拥挤的导航系统和算法 |
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 |