CN109190056A - 一种车辆轨迹重建方法、系统及电子设备 - Google Patents
一种车辆轨迹重建方法、系统及电子设备 Download PDFInfo
- Publication number
- CN109190056A CN109190056A CN201810962280.2A CN201810962280A CN109190056A CN 109190056 A CN109190056 A CN 109190056A CN 201810962280 A CN201810962280 A CN 201810962280A CN 109190056 A CN109190056 A CN 109190056A
- Authority
- CN
- China
- Prior art keywords
- node
- data
- road network
- vehicle
- track
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请涉及一种车辆轨迹重建方法、系统及电子设备。该方法包括:步骤a:采集路网数据,根据所述路网数据构建路网拓扑图;步骤b:设置轨迹范围起讫点,并根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点;步骤c:根据所述轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构。本申请在已布设好的大量视频监控设备路网中,综合利用网络社区发现、最短路径等算法,结合路网数据、兴趣点数据建立可自适应的监测点选取算法,在选取监测点的基础上进行数据搜索,避免对冗余视频监测设备数据的分析处理耗时,提升了车辆轨迹重构的效率。
Description
技术领域
本申请属于车辆运行轨迹分析技术领域,特别涉及一种车辆轨迹重建方法、系统及电子设备。
背景技术
基于视频监控的车辆运行轨迹分析重要的技术之一是车辆轨迹重建。在视频监控中,通过高清视频设备(视频监控相机)采集车辆经过各路段的图片信息,利用车牌号识别算法提取出图片信息中的车牌号信息。再利用集成的通信模块将车牌号信息发送至服务器上,以关系数据表格形式存储于数据库中,再经过数据梳理,还原出车辆的行驶轨迹。通过此流程上传至服务器的车牌号信息是一行记录,包括车牌号、通过时间、设备编号等信息。在数据库中,每秒钟产生上万条记录,各记录之间无明确的时序、拓扑关系,需要对其进行清洗、整理成采样点间、行车起讫点间的有序结构,才可以进行分析,如路段车流量、车速、OD统计等。因此行驶轨迹是视频车辆智能追踪应用系统的核心,车辆轨迹重建技术是视频车辆智能追踪应用系统的关键技术。但是,为了从各监测点获取的车牌号信息能够完整的得到车辆轨迹,有两个关键问题需要解决:一是监测点的合理选取,二是轨迹重建。
视频监控相机是城市里车辆目标追踪应用的数据来源。在高速路网中通常在收费站等关键节点布设视频监控相机,考虑高速路网的封闭性即使少量设备也较容易还原出车辆的行驶轨迹。与高速路网相比较,城市路网包括快速路、普通路、小区路等多个等级的道路,路网节点数量众多、路段距离短、结构复杂,需要面对更复杂的路网、部署大量视频监控设备,常导致部分路段设备布设冗余、交叉口监控不合理等问题。而且,当前城市路网视频监控应用中,海量视频监控设备的时序数据的检索、重构效率低下,轨迹恢复不完整,导致难以开展目标追踪。鉴于当前城市路网中视频监控设备安装时的监测点选取、时序数据的轨迹恢复与目标追踪各自独立,要形成完整的目标轨迹、实现目标的追踪,这三者需构成有机整体才能保证减少设备浪费、提升数据处理复杂度和速度、实现高效的目标追踪。
当前,得益于视频监控设备价格下降,在很多城市路网中布设视频监控设备时,通常以行车时间、距离等作为考虑的重点。当视频采集信息应用于目标追踪时,由于初期建设并未以行车轨迹完整性作为重点,利用视频采集信息进行目标追踪常常得不到理想的效果。因此,车辆追踪系统,应对监测点选取方法进行优化。从众多监测点选择合理视频监控设备的过程中,应以保证车辆运行轨迹完整性为主,充分路网拓扑关系实现各监测点的视频相机协同,实现车辆目标追踪应用。同时,随着越来越多的新路段监控需要,路段上加入视频监控设备时,监测点选取应具有可保证轨迹完整的适应性。在重新构建车辆轨迹时,能够避免因遗漏路段等缺陷造成的多路径问题。
综上所述,现有的车辆轨迹重建技术存在以下缺点:
(1)、根据应用目的不同,监测在布设阶段采取的方案不同,不能保证后续轨迹完整性数据分析。以行程时间、OD动态估计等交通参数估计为目的布设方案,其优化目标是尽可能多的覆盖路段,对轨迹追踪应用来说,此种方法容易造成部分路段遗漏,最终不能完整恢复行车轨迹。
(2)、按时序过程搜索经过各点位的目标车辆记录效率低下。当前监控设备大量存在于路网中,为还原车辆轨迹,需从起始、途径、终止各个监测点的数据进行搜索,并按时间顺序进行组织,根据路网拓扑关系进行排列,最后构建起行车完整轨迹。该过程中,监测点数据逐一搜索和对比的方法效率低下。
发明内容
本申请提供了一种车辆轨迹重建方法、系统及电子设备,旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题,本申请提供了如下技术方案:
一种车辆轨迹重建方法,包括以下步骤:
步骤a:采集路网数据,根据所述路网数据构建路网拓扑图;
步骤b:设置轨迹范围起讫点,并根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点;
步骤c:根据所述轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述构建路网拓扑图具体包括:在无路网图的情况下,利用遥感卫星数据勾绘出路网结构,并将路网结构保存为路网矢量数据;在已有路网图的情况下,直接采用路网矢量数据;并采集路网范围内的兴趣点数据;对所述路网矢量数据进行拓扑检查,将所述路网结构数据在交叉口处打散成路段数据;在所述路段数据基础上,根据各路段起点和终点对各起讫点附近的关联路段进行连接搜索,构建包括交叉口、路段的路网拓扑图。
本申请实施例采取的技术方案还包括:在所述步骤b中,所述根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点具体包括:
步骤b1:获取所述路网拓扑图中所有节点及分区,并获取兴趣点数据,对所述路网拓扑图进行检查,获取路网拓扑图的节点列表及当前网络的分区数;
步骤b2:从所述节点列表中取一个节点,判断当前节点所属分区,并根据路网拓扑关系搜索出当前节点的前继节点和后继节点,构建以当前节点为起点的树形结构,形成节点之间的拓扑关系;
步骤b3:根据所述节点间的拓扑关系计算当前节点到余下每个节点的最短路径数,根据最短路径数计算出当前节点与相关边的权重;
步骤b4:判断所述节点列表中的节点是否处理完毕,如果没有处理完毕,重新执行步骤b2;如果处理完毕,执行步骤b5;
步骤b5:获取并移除所述节点与边的权重计算结果中介数最大的边,生成新的分区拓扑图;
步骤b6:对所述分区拓扑图中的各个节点地理坐标进行对比,分别取出经度和纬度的最大值和最小值,构成每个区的外包矩形;
步骤b7:判断落入每个区的外包矩形中的兴趣点数目是否小于设定阈值,如果兴趣点数目小于设定阈值,执行步骤b8;否则,执行步骤b9;
步骤b8:输出轨迹范围内的视频监控设备监测点的边数据选取结果,将边两端的节点所连接的视频监测设备监测点作为轨迹范围内的视频监控设备监测点选取结果;
步骤b9:恢复已删除的介数最大的边,为该边做好标记,并重新执行步骤b1。
本申请实施例采取的技术方案还包括:在所述步骤b3中,所述根据最短路径数计算出当前节点与相关边的权重具体为:输入各层节点,从最底层开始,取一个节点,以其后继边的权重之和作为当前节点的节点权重,计算当前节点的前继节点路径数的总和,并计算当前节点的前继边的权重;最底层所有节点处理完毕后,继续循环处理上一层节点,直到处理完所有层的节点后,输出节点与边的权重。
本申请实施例采取的技术方案还包括:在所述步骤c中,所述根据轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构具体包括:
步骤c1:利用所述轨迹范围内的视频监控设备监测点的边数据构成监测点网络;
步骤c2:根据设置的起讫点在所述监测点网络中进行搜索,得到连接起讫点的搜索路径;
步骤c3:以所述搜索路径为基础,根据指定的车牌号和时间段在每个节点所对应的监测点编号进行数据搜索,并将数据搜索结果按时间顺序进行排列,按监测点拓扑顺序对拓扑结构进行组织;
步骤c4:利用监测点网络的拓扑连接关系进行车辆丢失节点处的位置数据修补,构建完整的车辆轨迹数据;
步骤c5:根据所述车辆轨迹数据进行车辆轨迹的时间与空间上的地理重构。
本申请实施例采取的另一技术方案为:一种车辆轨迹重建系统,包括:
数据预处理模块:用于采集路网数据,根据所述路网数据构建路网拓扑图;
监测点选取模块:用于设置轨迹范围起讫点,并根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点;
轨迹重构模块:用于根据所述轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构。
本申请实施例采取的技术方案还包括:所述数据预处理模块构建路网拓扑图具体包括:在无路网图的情况下,利用遥感卫星数据勾绘出路网结构,并将路网结构保存为路网矢量数据;在已有路网图的情况下,直接采用路网矢量数据;并采集路网范围内的兴趣点数据;对所述路网矢量数据进行拓扑检查,将所述路网结构数据在交叉口处打散成路段数据;在所述路段数据基础上,根据各路段起点和终点对各起讫点附近的关联路段进行连接搜索,构建包括交叉口、路段的路网拓扑图。
本申请实施例采取的技术方案还包括:所述监测点选取模块包括:
节点及分区获取单元:用于获取所述路网拓扑图中所有节点及分区,并获取兴趣点数据,对所述路网拓扑图进行检查,获取路网拓扑图的节点列表及当前网络的分区数;
拓扑关系构建单元:用于从所述节点列表中取一个节点,判断当前节点所属分区,并根据路网拓扑关系搜索出当前节点的前继节点和后继节点,构建以当前节点为起点的树形结构,形成节点之间的拓扑关系;
权重计算单元:用于根据所述节点间的拓扑关系计算当前节点到余下每个节点的最短路径数,根据最短路径数计算出当前节点与相关边的权重;
第一判断单元:用于判断所述节点列表中的节点是否处理完毕,如果没有处理完毕,通过拓扑关系构建单元执行循环计算;如果处理完毕,通过边移除单元移除介数最大的边;
边移除单元:用于获取并移除所述节点与边的权重计算结果中介数最大的边,生成新的分区拓扑图;
外包矩形计算单元:用于对所述分区拓扑图中的各个节点地理坐标进行对比,分别取出经度和纬度的最大值和最小值,构成每个区的外包矩形;
第二判断单元:用于判断落入每个区的外包矩形中的兴趣点数目是否小于设定阈值,如果兴趣点数目小于设定阈值,通过结果输出单元输出边数据选取结果;否则,恢复已删除的介数最大的边,为该边做好标记,并通过节点及分区获取单元重新开始下一次循环计算;
结果输出单元:用于输出轨迹范围内的视频监控设备监测点的边数据选取结果,将边两端的节点所连接的视频监测设备监测点作为轨迹范围内的视频监控设备监测点选取结果。
本申请实施例采取的技术方案还包括:所述权重计算单元根据最短路径数计算出当前节点与相关边的权重具体为:输入各层节点,从最底层开始,取一个节点,以其后继边的权重之和作为当前节点的节点权重,计算当前节点的前继节点路径数的总和,并计算当前节点的前继边的权重;最底层所有节点处理完毕后,继续循环处理上一层节点,直到处理完所有层的节点后,输出节点与边的权重。
本申请实施例采取的技术方案还包括:所述轨迹重构模块具体包括:
监测点网络构建单元:用于利用所述轨迹范围内的视频监控设备监测点的边数据构成监测点网络;
搜索路径计算单元:用于根据设置的起讫点在所述监测点网络中进行搜索,得到连接起讫点的搜索路径;
数据搜索单元:用于以所述搜索路径为基础,根据指定的车牌号和时间段在每个节点所对应的监测点编号进行数据搜索,并将数据搜索结果按时间顺序进行排列,按监测点拓扑顺序对拓扑结构进行组织;
数据修补单元:用于利用监测点网络的拓扑连接关系进行车辆丢失节点处的位置数据修补,构建完整的车辆轨迹数据;
车辆轨迹重构单元:用于根据所述车辆轨迹数据进行车辆轨迹的时间与空间上的地理重构。
本申请实施例采取的又一技术方案为:一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的车辆轨迹重建方法的以下操作:
步骤a:采集路网数据,根据所述路网数据构建路网拓扑图;
步骤b:设置轨迹范围起讫点,并根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点;
步骤c:根据所述轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构。
相对于现有技术,本申请实施例产生的有益效果在于:本申请实施例的车辆轨迹重建方法、系统及电子设备在已布设好的大量视频监控设备路网中,综合利用网络社区发现、最短路径等算法,结合路网数据、兴趣点数据建立可自适应的监测点选取算法,在选取监测点的基础上进行数据搜索,快速实现车辆轨迹重构,并保证方法的可拓展性,以支持目标车辆的追踪应用。与现有技术相比较,本申请具有以下优点:
1、无需对所有监测点进行分析,缩小了数据搜索范围,节省了数据搜索时间,在海量车牌数据库中提升了数据处理效率;
2、充分考虑了路网拓扑结构和兴趣点信息,加了除路网拓扑属性外的信息,提升了轨迹重建时的可靠性;
3、避免对冗余视频监测设备数据的分析处理耗时,提升轨迹重构的效率,避免因监测点、路段等遗漏造成轨迹重构时的多路径问题,以支持重建后的轨迹实现跨相机的车辆追踪应用。
附图说明
图1是本申请实施例的车辆轨迹重建方法的流程图;
图2是本申请实施例的视频监控设备监测点快速选取流程图;
图3是节点间拓扑关系构建流程示意图;
图4为节点与边的权重计算流程图;
图5是本申请实施例的车辆轨迹重建系统的结构示意图;
图6为测试结果示意图;
图7是本申请实施例提供的车辆轨迹重建方法的硬件设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
请参阅图1,是本申请实施例的车辆轨迹重建方法的流程图。本申请实施例的车辆轨迹重建方法包括以下步骤:
步骤100:采集路网数据,并对路网数据进行预处理后,构建路网拓扑图;
步骤100中,路网数据预处理具体包括:
步骤101:在无路网图的情况下,利用遥感卫星数据勾绘出路网结构,并将路网结构保存为路网矢量数据;在已有路网图的情况下,直接采用路网矢量数据;并采集路网范围内的兴趣点数据;
步骤101中,兴趣点数据包括停车场、居民点等。
步骤102:构建路网拓扑结构,对路网矢量数据进行拓扑检查,保证无悬挂点、异常交叉等错误后,将路网结构数据在交叉口处打散成路段数据;在路段数据基础上,以各路段起点和终点为依据,对各起讫点附近的关联路段进行连接搜索,构建包括交叉口、路段的路网拓扑图。
步骤200:设置轨迹范围起讫点,并根据路网拓扑图快速选取轨迹范围内的视频监控设备监测点;
步骤200中,请一并参阅图2,是本申请实施例的视频监控设备监测点快速选取流程图。本申请实施例的视频监控设备监测点快速选取方法包括:
步骤201:获取路网拓扑图中所有节点及分区,并获取兴趣点数据,对路网拓扑图进行检查,获取路网拓扑图的节点(视频监控设备)列表及当前网络的分区数;
步骤202:从节点列表中取一个节点,判断当前节点所属分区,并根据路网拓扑关系,搜索出当前节点的前继节点和后继节点,构建以当前节点为起点的树形结构,形成节点之间的拓扑关系;
步骤202中,请一并参阅图3,是节点间拓扑关系构建流程示意图。节点间拓扑关系构建方式具体包括:以起始节点作为当前层,查找出当前节点的邻节点;对邻节点和当前节点建立前继和后继关系表,并将邻节点加入下一层,以下一层作为当前层,进行邻节点的循环查找,直到当前层为空后,输出层级、前继和后继节点。
步骤203:根据节点间的拓扑关系计算当前节点到余下每个节点的最短路径数,根据最短路径数计算出当前节点与相关边的权重;
步骤203中,请一并参阅图4,为节点与边的权重计算流程图。节点与边的权重计算方式具体包括:输入各层节点,从最底层开始,取一个节点,以其后继边的权重之和作为当前节点的节点权重,计算当前节点的前继节点路径数的总和,并计算当前节点的前继边的权重;最底层所有节点处理完毕后,继续循环处理上一层节点,直到处理完所有层的节点后,输出节点与边的权重。
步骤204:判断节点列表中的节点是否处理完毕,如果没有处理完毕,循环执行步骤202至步骤204,直到计算出节点列表中所有节点与相关边的权重;如果处理完毕,执行步骤205;
步骤205:获取并移除节点与边的权重计算结果中介数最大的边,生成新的分区拓扑图;
步骤206:计算分区拓扑图中每个区的外包矩形:对分区拓扑图中的各个节点地理坐标进行对比,分别取出经度和纬度的最大值和最小值,构成每个区的外包矩形;
步骤207:判断落入每个区的外包矩形中的兴趣点数目是否小于设定阈值,如果兴趣点数目小于设定阈值,执行步骤208;否则,执行步骤209;
步骤208:输出轨迹范围内的视频监控设备监测点的边数据选取结果,将边两端的节点所连接的视频监测设备监测点作为轨迹范围内的视频监控设备监测点选取结果;
步骤208中,本申请通过将兴趣点数据纳入判断过程,增加了除路网拓扑属性外的信息,提升了轨迹重建时的可靠性。
步骤209:恢复已删除的介数最大的边,为该边做好标记,并重新执行步骤201,开始下一次循环计算,下一次循环计算时,忽略已做好标记的边。
步骤300:根据轨迹范围内的视频监控设备监测点进行车辆数据检索,根据检索结果进行轨迹重构,并返回车辆轨迹重构结果;
步骤300中,车辆轨迹重构具体包括以下步骤:
步骤301:利用轨迹范围内的视频监控设备监测点的边数据构成监测点网络;
步骤302:根据设置的起讫点在监测点网络中进行搜索,得到连接起讫点的搜索路径;
步骤303:以搜索路径为基础,根据指定的车牌号和时间段在对每个节点所对应的监测点编号进行数据搜索,最后将数据搜索结果按时间顺序进行排列,按监测点拓扑顺序对拓扑结构进行组织;
步骤304:利用监测点网络的拓扑连接关系进行车辆丢失节点处的位置数据修补:视频监控设备位于主要的路段、路口,在车辆随机行驶过程中,容易造成位置信息丢失,为了构建完整的车辆轨迹数据,利用监测点网络的拓扑连接关系,倒查丢失点的上游节点和下游节点,如果存在上下游节点,则在丢失节点处补上车辆的位置数据,否则忽略;
步骤305:轨迹位置筛选:根据指定的时间段和位置数据修补结果,对能够构成完整轨迹的数据进行保留,并形成最终的车辆轨迹数据;
步骤306:车辆轨迹重构:根据车辆轨迹数据进行车辆轨迹的时间与空间上的地理重构,形成完整的车辆轨迹时空数据库,为车辆实时路径动态管理及出行特征挖掘提供保障。
基于上述,本申请在轨迹重构时充分考虑了路网拓扑结构、数据重复性等特点,缩减了数据搜索时间,过滤掉了采集到的不准确信息,提升了轨迹重构时的处理效率和有效性。
请参阅图5,是本申请实施例的车辆轨迹重建系统的结构示意图。本申请实施例的车辆轨迹重建系统包括数据预处理模块、监测点选取模块和轨迹重构模块。
数据预处理模块:用于采集路网数据,并对路网数据进行预处理后,构建路网拓扑图;路网数据预处理具体包括:在无路网图的情况下,利用遥感卫星数据勾绘出路网结构,并将路网结构保存为路网矢量数据;在已有路网图的情况下,直接采用路网矢量数据;并采集路网范围内的兴趣点数据;对路网矢量数据进行拓扑检查,保证无悬挂点、异常交叉等错误后,将路网结构数据在交叉口处打散成路段数据;在路段数据基础上,以各路段起点和终点为依据,对各起讫点附近的关联路段进行连接搜索,构建包括交叉口、路段的路网拓扑图。
监测点选取模块:用于设置轨迹范围起讫点,并根据路网拓扑图快速选取轨迹范围内的视频监控设备监测点;
具体地,监测点选取模块包括:
节点及分区获取单元:用于获取路网拓扑图中所有节点及分区,并获取兴趣点数据,对路网拓扑图进行检查,获取路网拓扑图的节点列表及当前网络的分区数;
拓扑关系构建单元:用于从节点列表中取一个节点,判断当前节点所属分区,并根据路网拓扑关系,搜索出当前节点的前继节点和后继节点,构建以当前节点为起点的树形结构,形成节点之间的拓扑关系;节点间拓扑关系构建方式具体包括:以起始节点作为当前层,查找出当前节点的邻节点;对邻节点和当前节点建立前继和后继关系表,并将邻节点加入下一层,以下一层作为当前层,进行邻节点的循环查找,直到当前层为空后,输出层级、前继和后继节点。
权重计算单元:用于根据节点间的拓扑关系计算当前节点到余下每个节点的最短路径数,根据最短路径数计算出当前节点与相关边的权重;节点与边的权重计算方式具体包括:输入各层节点,从最底层开始,取一个节点,以其后继边的权重之和作为当前节点的节点权重,计算当前节点的前继节点路径数的总和,并计算当前节点的前继边的权重;最底层所有节点处理完毕后,继续循环处理上一层节点,直到处理完所有层的节点后,输出节点与边的权重。
第一判断单元:用于判断节点列表中的节点是否处理完毕,如果没有处理完毕,执行循环计算,直到计算出节点列表中所有节点与相关边的权重;如果处理完毕,通过边移除单元移除介数最大的边;
边移除单元:用于获取并移除节点与边的权重计算结果中介数最大的边,生成新的分区拓扑图;
外包矩形计算单元:用于计算分区拓扑图中每个区的外包矩形:对分区拓扑图中的各个节点地理坐标进行对比,分别取出经度和纬度的最大值和最小值,构成每个区的外包矩形;
第二判断单元:用于判断落入每个区的外包矩形中的兴趣点数目是否小于设定阈值,如果兴趣点数目小于设定阈值,通过结果输出单元输出轨迹范围内的视频监控设备监测点的边数据选取结果;否则,恢复已删除的介数最大的边,为该边做好标记,并重新开始下一次循环计算,下一次循环计算时,忽略已做好标记的边。
结果输出单元:用于输出轨迹范围内的视频监控设备监测点的边数据选取结果,将边两端的节点所连接的视频监测设备监测点作为轨迹范围内的视频监控设备监测点选取结果;
轨迹重构模块:用于根据轨迹范围内的视频监控设备监测点进行车辆数据检索,根据检索结果进行轨迹重构,并返回车辆轨迹重构结果;
轨迹重构模块具体包括:
监测点网络构建单元:用于利用轨迹范围内的视频监控设备监测点的边数据构成监测点网络;
搜索路径计算单元:用于根据设置的起讫点在监测点网络中进行搜索,得到连接起讫点的搜索路径;
数据搜索单元:用于以搜索路径为基础,根据指定的车牌号和时间段在对每个节点所对应的监测点编号进行数据搜索,最后将数据搜索结果按时间顺序进行排列,按监测点拓扑顺序对拓扑结构进行组织;
数据修补单元:用于利用监测点网络的拓扑连接关系进行车辆丢失节点处的位置数据修补:视频监控设备位于主要的路段、路口,在车辆随机行驶过程中,容易造成位置信息丢失,为了构建完整的车辆轨迹数据,利用监测点网络的拓扑连接关系,倒查丢失点的上游节点和下游节点,如果存在上下游节点,则在丢失节点处补上车辆的位置数据,否则忽略;
轨迹位置筛选单元:用于根据指定的时间段和位置数据修补结果,对能够构成完整轨迹的数据进行保留,并形成最终的车辆轨迹数据;
车辆轨迹重构单元:用于根据车辆轨迹数据进行车辆轨迹的时间与空间上的地理重构,形成完整的车辆轨迹时空数据库,为车辆实时路径动态管理及出行特征挖掘提供保障。
为了验证本申请的有效性,利用深圳市大鹏区交通路网数据和监测数据进行了测试分析。测试结果如图6所示。测试所采用的路网数据通过卫星影像人工采集,主要包括大鹏区各路段、主要类型的兴趣点信息(如停车场、居民点等)。监测数据由高清车牌号采集设备获取,通过高清摄像头的部署,利用摄像头补足道路上的车牌号信息,以无线传输的方式上传至云端。总选取了50个高清摄像头,摄像头的选取采用本申请的视频监控设备监测点选取方法,之后在云端对获取到的车牌号数据进行梳理。数据记录包括:车牌号、监测点标识、通过时间等信息。由于无线传输到云端的数据是各监测点自身的车牌数据,时间上无先后、存储上杂乱,利用监测点的选取时的网络拓扑结构,再结合车牌采集时的时间信息,按时间顺序、监测点拓扑顺序进行组合,即可构成每辆车的完整行车轨迹。经过测试,本申请可实现轨迹重建率达到95%。由于天气、光线等影响,存在多个监测点数据丢失现象,也即车辆通过时,高清相机未捕捉到车牌号,导致重建率有5%损失。
图7是本申请实施例提供的车辆轨迹重建方法的硬件设备结构示意图。如图7所示,该设备包括一个或多个处理器以及存储器。以一个处理器为例,该设备还可以包括:输入系统和输出系统。
处理器、存储器、输入系统和输出系统可以通过总线或者其他方式连接,图7中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例的处理方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入系统可接收输入的数字或字符信息,以及产生信号输入。输出系统可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个处理器执行时,执行上述任一方法实施例的以下操作:
步骤a:采集路网数据,根据所述路网数据构建路网拓扑图;
步骤b:设置轨迹范围起讫点,并根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点;
步骤c:根据所述轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例提供的方法。
本申请实施例提供了一种非暂态(非易失性)计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行以下操作:
步骤a:采集路网数据,根据所述路网数据构建路网拓扑图;
步骤b:设置轨迹范围起讫点,并根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点;
步骤c:根据所述轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构。
本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行以下操作:
步骤a:采集路网数据,根据所述路网数据构建路网拓扑图;
步骤b:设置轨迹范围起讫点,并根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点;
步骤c:根据所述轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构。
本申请实施例的车辆轨迹重建方法、系统及电子设备在已布设好的大量视频监控设备路网中,综合利用网络社区发现、最短路径等算法,结合路网数据、兴趣点数据建立可自适应的监测点选取算法,在选取监测点的基础上进行数据搜索,快速实现车辆轨迹重构,并保证方法的可拓展性,以支持目标车辆的追踪应用。与现有技术相比较,本申请具有以下优点:
1、无需对所有监测点进行分析,缩小了数据搜索范围,节省了数据搜索时间,在海量车牌数据库中提升了数据处理效率;
2、充分考虑了路网拓扑结构和兴趣点信息,加了除路网拓扑属性外的信息,提升了轨迹重建时的可靠性;
3、避免对冗余视频监测设备数据的分析处理耗时,提升轨迹重构的效率,避免因监测点、路段等遗漏造成轨迹重构时的多路径问题,以支持重建后的轨迹实现跨相机的车辆追踪应用。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本申请中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本申请所示的这些实施例,而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种车辆轨迹重建方法,其特征在于,包括以下步骤:
步骤a:采集路网数据,根据所述路网数据构建路网拓扑图;
步骤b:设置轨迹范围起讫点,并根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点;
步骤c:根据所述轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构。
2.根据权利要求1所述的车辆轨迹重建方法,其特征在于,在所述步骤a中,所述构建路网拓扑图具体包括:在无路网图的情况下,利用遥感卫星数据勾绘出路网结构,并将路网结构保存为路网矢量数据;在已有路网图的情况下,直接采用路网矢量数据;并采集路网范围内的兴趣点数据;对所述路网矢量数据进行拓扑检查,将所述路网结构数据在交叉口处打散成路段数据;在所述路段数据基础上,根据各路段起点和终点对各起讫点附近的关联路段进行连接搜索,构建包括交叉口、路段的路网拓扑图。
3.根据权利要求2所述的车辆轨迹重建方法,其特征在于,在所述步骤b中,所述根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点具体包括:
步骤b1:获取所述路网拓扑图中所有节点及分区,并获取兴趣点数据,对所述路网拓扑图进行检查,获取路网拓扑图的节点列表及当前网络的分区数;
步骤b2:从所述节点列表中取一个节点,判断当前节点所属分区,并根据路网拓扑关系搜索出当前节点的前继节点和后继节点,构建以当前节点为起点的树形结构,形成节点之间的拓扑关系;
步骤b3:根据所述节点间的拓扑关系计算当前节点到余下每个节点的最短路径数,根据最短路径数计算出当前节点与相关边的权重;
步骤b4:判断所述节点列表中的节点是否处理完毕,如果没有处理完毕,重新执行步骤b2;如果处理完毕,执行步骤b5;
步骤b5:获取并移除所述节点与边的权重计算结果中介数最大的边,生成新的分区拓扑图;
步骤b6:对所述分区拓扑图中的各个节点地理坐标进行对比,分别取出经度和纬度的最大值和最小值,构成每个区的外包矩形;
步骤b7:判断落入每个区的外包矩形中的兴趣点数目是否小于设定阈值,如果兴趣点数目小于设定阈值,执行步骤b8;否则,执行步骤b9;
步骤b8:输出轨迹范围内的视频监控设备监测点的边数据选取结果,将边两端的节点所连接的视频监测设备监测点作为轨迹范围内的视频监控设备监测点选取结果;
步骤b9:恢复已删除的介数最大的边,为该边做好标记,并重新执行步骤b1。
4.根据权利要求3所述的车辆轨迹重建方法,其特征在于,在所述步骤b3中,所述根据最短路径数计算出当前节点与相关边的权重具体为:输入各层节点,从最底层开始,取一个节点,以其后继边的权重之和作为当前节点的节点权重,计算当前节点的前继节点路径数的总和,并计算当前节点的前继边的权重;最底层所有节点处理完毕后,继续循环处理上一层节点,直到处理完所有层的节点后,输出节点与边的权重。
5.根据权利要求3所述的车辆轨迹重建方法,其特征在于,在所述步骤c中,所述根据轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构具体包括:
步骤c1:利用所述轨迹范围内的视频监控设备监测点的边数据构成监测点网络;
步骤c2:根据设置的起讫点在所述监测点网络中进行搜索,得到连接起讫点的搜索路径;
步骤c3:以所述搜索路径为基础,根据指定的车牌号和时间段在每个节点所对应的监测点编号进行数据搜索,并将数据搜索结果按时间顺序进行排列,按监测点拓扑顺序对拓扑结构进行组织;
步骤c4:利用监测点网络的拓扑连接关系进行车辆丢失节点处的位置数据修补,构建完整的车辆轨迹数据;
步骤c5:根据所述车辆轨迹数据进行车辆轨迹的时间与空间上的地理重构。
6.一种车辆轨迹重建系统,其特征在于,包括:
数据预处理模块:用于采集路网数据,根据所述路网数据构建路网拓扑图;
监测点选取模块:用于设置轨迹范围起讫点,并根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点;
轨迹重构模块:用于根据所述轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构。
7.根据权利要求6所述的车辆轨迹重建系统,其特征在于,所述数据预处理模块构建路网拓扑图具体包括:在无路网图的情况下,利用遥感卫星数据勾绘出路网结构,并将路网结构保存为路网矢量数据;在已有路网图的情况下,直接采用路网矢量数据;并采集路网范围内的兴趣点数据;对所述路网矢量数据进行拓扑检查,将所述路网结构数据在交叉口处打散成路段数据;在所述路段数据基础上,根据各路段起点和终点对各起讫点附近的关联路段进行连接搜索,构建包括交叉口、路段的路网拓扑图。
8.根据权利要求7所述的车辆轨迹重建系统,其特征在于,所述监测点选取模块包括:
节点及分区获取单元:用于获取所述路网拓扑图中所有节点及分区,并获取兴趣点数据,对所述路网拓扑图进行检查,获取路网拓扑图的节点列表及当前网络的分区数;
拓扑关系构建单元:用于从所述节点列表中取一个节点,判断当前节点所属分区,并根据路网拓扑关系搜索出当前节点的前继节点和后继节点,构建以当前节点为起点的树形结构,形成节点之间的拓扑关系;
权重计算单元:用于根据所述节点间的拓扑关系计算当前节点到余下每个节点的最短路径数,根据最短路径数计算出当前节点与相关边的权重;
第一判断单元:用于判断所述节点列表中的节点是否处理完毕,如果没有处理完毕,通过拓扑关系构建单元执行循环计算;如果处理完毕,通过边移除单元移除介数最大的边;
边移除单元:用于获取并移除所述节点与边的权重计算结果中介数最大的边,生成新的分区拓扑图;
外包矩形计算单元:用于对所述分区拓扑图中的各个节点地理坐标进行对比,分别取出经度和纬度的最大值和最小值,构成每个区的外包矩形;
第二判断单元:用于判断落入每个区的外包矩形中的兴趣点数目是否小于设定阈值,如果兴趣点数目小于设定阈值,通过结果输出单元输出边数据选取结果;否则,恢复已删除的介数最大的边,为该边做好标记,并通过节点及分区获取单元重新开始下一次循环计算;
结果输出单元:用于输出轨迹范围内的视频监控设备监测点的边数据选取结果,将边两端的节点所连接的视频监测设备监测点作为轨迹范围内的视频监控设备监测点选取结果。
9.根据权利要求8所述的车辆轨迹重建系统,其特征在于,所述权重计算单元根据最短路径数计算出当前节点与相关边的权重具体为:输入各层节点,从最底层开始,取一个节点,以其后继边的权重之和作为当前节点的节点权重,计算当前节点的前继节点路径数的总和,并计算当前节点的前继边的权重;最底层所有节点处理完毕后,继续循环处理上一层节点,直到处理完所有层的节点后,输出节点与边的权重。
10.根据权利要求8所述的车辆轨迹重建系统,其特征在于,所述轨迹重构模块具体包括:
监测点网络构建单元:用于利用所述轨迹范围内的视频监控设备监测点的边数据构成监测点网络;
搜索路径计算单元:用于根据设置的起讫点在所述监测点网络中进行搜索,得到连接起讫点的搜索路径;
数据搜索单元:用于以所述搜索路径为基础,根据指定的车牌号和时间段在每个节点所对应的监测点编号进行数据搜索,并将数据搜索结果按时间顺序进行排列,按监测点拓扑顺序对拓扑结构进行组织;
数据修补单元:用于利用监测点网络的拓扑连接关系进行车辆丢失节点处的位置数据修补,构建完整的车辆轨迹数据;
车辆轨迹重构单元:用于根据所述车辆轨迹数据进行车辆轨迹的时间与空间上的地理重构。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述1至5任一项所述的车辆轨迹重建方法的以下操作:
步骤a:采集路网数据,根据所述路网数据构建路网拓扑图;
步骤b:设置轨迹范围起讫点,并根据所述路网拓扑图选取轨迹范围内的视频监控设备监测点;
步骤c:根据所述轨迹范围内的视频监控设备监测点进行车辆数据检索,根据所述车辆数据检索结果进行轨迹重构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810962280.2A CN109190056B (zh) | 2018-08-22 | 2018-08-22 | 一种车辆轨迹重建方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810962280.2A CN109190056B (zh) | 2018-08-22 | 2018-08-22 | 一种车辆轨迹重建方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109190056A true CN109190056A (zh) | 2019-01-11 |
CN109190056B CN109190056B (zh) | 2020-07-24 |
Family
ID=64919179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810962280.2A Active CN109190056B (zh) | 2018-08-22 | 2018-08-22 | 一种车辆轨迹重建方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190056B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134751A (zh) * | 2019-05-15 | 2019-08-16 | 北京京电电力工程设计有限公司 | 桩位导线id生成方法、装置和移动终端 |
CN110276950A (zh) * | 2019-06-24 | 2019-09-24 | 华南理工大学 | 一种基于卡口视频数据的城市交通出行链重构方法 |
CN110321949A (zh) * | 2019-06-29 | 2019-10-11 | 天津大学 | 一种基于观测终端网络的分布式车辆追踪方法与系统 |
CN110427444A (zh) * | 2019-07-26 | 2019-11-08 | 北京百度网讯科技有限公司 | 导航引导点挖掘方法、装置、设备和存储介质 |
CN110491157A (zh) * | 2019-07-23 | 2019-11-22 | 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 |
CN110619031A (zh) * | 2019-08-30 | 2019-12-27 | 上海钧正网络科技有限公司 | 轨迹重建方法、装置、计算机设备和存储介质 |
CN110909037A (zh) * | 2019-10-09 | 2020-03-24 | 中国人民解放军战略支援部队信息工程大学 | 一种频繁轨迹模式的挖掘方法及装置 |
CN111143955A (zh) * | 2019-12-18 | 2020-05-12 | 福建工程学院 | 一种城市路网拓扑连接边权重的获取方法和获取系统 |
CN111259100A (zh) * | 2020-01-10 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 一种路网拓扑结构的构建方法及装置 |
CN111314857A (zh) * | 2020-02-13 | 2020-06-19 | 青岛海信网络科技股份有限公司 | 一种基于过车视频数据的车辆实时出行轨迹获取方法 |
CN111739180A (zh) * | 2020-08-26 | 2020-10-02 | 南京感动科技有限公司 | 一种基于etc门架的路径切分方法 |
CN112199554A (zh) * | 2020-10-20 | 2021-01-08 | 重庆紫光华山智安科技有限公司 | 一种追踪目标检索方法、系统、介质及电子终端 |
CN112785735A (zh) * | 2020-12-31 | 2021-05-11 | 北京掌行通信息技术有限公司 | 一种基于收费数据的高速公路路况的监测方法及装置 |
CN113436356A (zh) * | 2021-06-25 | 2021-09-24 | 科大讯飞股份有限公司 | 一种车辆轨迹还原方法、高速通行费确定方法及装置 |
CN115631082A (zh) * | 2022-12-21 | 2023-01-20 | 南京感动科技有限公司 | 一种基于高速路网拓扑结构的多场景路径还原方法 |
CN116778292A (zh) * | 2023-08-18 | 2023-09-19 | 深圳前海中电慧安科技有限公司 | 多模态车辆时空轨迹的融合方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110267205A1 (en) * | 2006-05-22 | 2011-11-03 | Mcclellan Scott | System and Method for Monitoring and Updating Speed-By-Street Data |
CN103512581A (zh) * | 2012-06-28 | 2014-01-15 | 北京搜狗科技发展有限公司 | 一种路径规划方法和装置 |
CN105371857A (zh) * | 2015-10-14 | 2016-03-02 | 山东大学 | 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法 |
CN106878667A (zh) * | 2015-12-11 | 2017-06-20 | 深圳先进技术研究院 | 基于路网数据的视频快速追踪方法 |
-
2018
- 2018-08-22 CN CN201810962280.2A patent/CN109190056B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110267205A1 (en) * | 2006-05-22 | 2011-11-03 | Mcclellan Scott | System and Method for Monitoring and Updating Speed-By-Street Data |
CN103512581A (zh) * | 2012-06-28 | 2014-01-15 | 北京搜狗科技发展有限公司 | 一种路径规划方法和装置 |
CN105371857A (zh) * | 2015-10-14 | 2016-03-02 | 山东大学 | 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法 |
CN106878667A (zh) * | 2015-12-11 | 2017-06-20 | 深圳先进技术研究院 | 基于路网数据的视频快速追踪方法 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134751A (zh) * | 2019-05-15 | 2019-08-16 | 北京京电电力工程设计有限公司 | 桩位导线id生成方法、装置和移动终端 |
CN110276950A (zh) * | 2019-06-24 | 2019-09-24 | 华南理工大学 | 一种基于卡口视频数据的城市交通出行链重构方法 |
CN110321949A (zh) * | 2019-06-29 | 2019-10-11 | 天津大学 | 一种基于观测终端网络的分布式车辆追踪方法与系统 |
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 |
CN110491157A (zh) * | 2019-07-23 | 2019-11-22 | 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 |
CN110427444A (zh) * | 2019-07-26 | 2019-11-08 | 北京百度网讯科技有限公司 | 导航引导点挖掘方法、装置、设备和存储介质 |
CN110619031A (zh) * | 2019-08-30 | 2019-12-27 | 上海钧正网络科技有限公司 | 轨迹重建方法、装置、计算机设备和存储介质 |
CN110909037A (zh) * | 2019-10-09 | 2020-03-24 | 中国人民解放军战略支援部队信息工程大学 | 一种频繁轨迹模式的挖掘方法及装置 |
CN110909037B (zh) * | 2019-10-09 | 2024-02-13 | 中国人民解放军战略支援部队信息工程大学 | 一种频繁轨迹模式的挖掘方法及装置 |
CN111143955A (zh) * | 2019-12-18 | 2020-05-12 | 福建工程学院 | 一种城市路网拓扑连接边权重的获取方法和获取系统 |
CN111259100A (zh) * | 2020-01-10 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 一种路网拓扑结构的构建方法及装置 |
CN111259100B (zh) * | 2020-01-10 | 2021-01-12 | 滴图(北京)科技有限公司 | 一种路网拓扑结构的构建方法及装置 |
CN111314857A (zh) * | 2020-02-13 | 2020-06-19 | 青岛海信网络科技股份有限公司 | 一种基于过车视频数据的车辆实时出行轨迹获取方法 |
CN111739180A (zh) * | 2020-08-26 | 2020-10-02 | 南京感动科技有限公司 | 一种基于etc门架的路径切分方法 |
CN112199554A (zh) * | 2020-10-20 | 2021-01-08 | 重庆紫光华山智安科技有限公司 | 一种追踪目标检索方法、系统、介质及电子终端 |
CN112199554B (zh) * | 2020-10-20 | 2022-11-11 | 重庆紫光华山智安科技有限公司 | 一种追踪目标检索方法、系统、介质及电子终端 |
CN112785735B (zh) * | 2020-12-31 | 2022-02-18 | 北京千方科技股份有限公司 | 一种基于收费数据的高速公路路况的监测方法及装置 |
WO2022143549A1 (zh) * | 2020-12-31 | 2022-07-07 | 北京千方科技股份有限公司 | 一种基于收费数据的高速公路路况的监测方法及装置 |
CN112785735A (zh) * | 2020-12-31 | 2021-05-11 | 北京掌行通信息技术有限公司 | 一种基于收费数据的高速公路路况的监测方法及装置 |
CN113436356A (zh) * | 2021-06-25 | 2021-09-24 | 科大讯飞股份有限公司 | 一种车辆轨迹还原方法、高速通行费确定方法及装置 |
CN115631082A (zh) * | 2022-12-21 | 2023-01-20 | 南京感动科技有限公司 | 一种基于高速路网拓扑结构的多场景路径还原方法 |
CN116778292A (zh) * | 2023-08-18 | 2023-09-19 | 深圳前海中电慧安科技有限公司 | 多模态车辆时空轨迹的融合方法、装置、设备及存储介质 |
CN116778292B (zh) * | 2023-08-18 | 2023-11-28 | 深圳前海中电慧安科技有限公司 | 多模态车辆时空轨迹的融合方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109190056B (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190056A (zh) | 一种车辆轨迹重建方法、系统及电子设备 | |
US20220076055A1 (en) | Systems, methods, and computer readable media for predictive analytics and change detection from remotely sensed imagery | |
CN108306756A (zh) | 一种基于电力数据网全息评估系统及其故障定位方法 | |
CN107767673A (zh) | 一种基于多摄像机的路侧停车管理方法、装置及系统 | |
CN109167689A (zh) | 网络设备监测方法、装置和服务器 | |
CN103546726A (zh) | 违章用地的自动发现方法 | |
CN114584571A (zh) | 基于空间计算技术的电网场站数字孪生同步通信方法 | |
Jiang et al. | Application research of key frames extraction technology combined with optimized faster R-CNN algorithm in traffic video analysis | |
CN115629589A (zh) | 基于数字孪生的车间在线监控系统及方法 | |
JP6796399B2 (ja) | 電力系統監視装置及びプログラム | |
CN107742883A (zh) | 一种基于Spark的电力系统拓扑岛快速识别系统和方法 | |
Liu et al. | ECMA: an efficient convoy mining algorithm for moving objects | |
CN116846463A (zh) | 一种基于gis的通信光缆故障点定位方法及装置 | |
CN114399625B (zh) | 一种位置确定方法、装置、存储介质及电子装置 | |
CN110349044A (zh) | 一种农情监测方法、系统以及电子设备 | |
CN113049914B (zh) | 一种输电线路故障诊断方法、系统、电子设备和存储介质 | |
CN114416415A (zh) | 鸿蒙操作系统用远程在线故障检测方法及系统、存储介质 | |
KR102568060B1 (ko) | 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법 | |
CN109412149A (zh) | 基于区域划分的电网子图构建方法、拓扑分析方法及装置 | |
CN114049576A (zh) | 电力物联网的输电线路覆冰监测方法、装置、系统和设备 | |
Szwed et al. | Application of new ATAM tools to evaluation of the dynamic map architecture | |
Jiang et al. | Research on Lightweight Method of Image Deep Learning Model for Power Equipment | |
CN114339155B (zh) | 抓拍漏洞路线确定方法和相关装置 | |
CN117390590B (zh) | 一种基于cim模型的数据管理方法及系统 | |
CN104754594B (zh) | 一种基于栅格偏移的密集特征区块快速聚拢算法 |
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 |