CN110160538B - 一种基于手机信令数据的地图匹配方法 - Google Patents
一种基于手机信令数据的地图匹配方法 Download PDFInfo
- Publication number
- CN110160538B CN110160538B CN201910383992.3A CN201910383992A CN110160538B CN 110160538 B CN110160538 B CN 110160538B CN 201910383992 A CN201910383992 A CN 201910383992A CN 110160538 B CN110160538 B CN 110160538B
- Authority
- CN
- China
- Prior art keywords
- road
- base station
- intersection
- mobile phone
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
Abstract
本发明公开了一种基于手机信令数据的地图匹配方法:根据基站与地图信息的空间拓扑,构建基站‑交叉口、基站‑道路、交叉口‑道路的对应关系;根据手机信令数据,通过对停驻点的识别得到用户占用基站的轨迹序列;在此基础上,根据道路频次、空间距离等判别依据确定基站对应的最有可能交叉口;然后,对于没有相连的交叉口采用Dijkstra最短路算法补全轨迹;最后删除交叉口序列中的A‑B‑A型数据,获得连续交叉口序列即完成地图匹配工作。
Description
技术领域
本发明涉及一种基于手机信令数据的地图匹配方法。
背景技术
手机信令数据是一类可以全时段连续追踪到个体的轨迹数据,具有覆盖人群范围广、稳定可靠、实时性强且获取简单经济的优点。但是不同于传统调查方法可以直接获取出行目的、出行方式等具体的出行需求和出行行为信息,手机数据记录的只是一系列以时间为顺序的轨迹点。如何从手机数据中提取居民出行信息,获得居民出行方式成为了国内外地理信息、智能交通等领域的研究热点。然而由于环境复杂、定位技术有限等局限,得到的定位轨迹信息往往不是用户真实位置,与实际存在偏差。为了能将手机信令数据采集得到的用户位置信息用于城市交通管理,迫切需要采用有效的方法,将不同时间点用户位置映射到道路上,从而获得反映移动用户出行的交通路线信息。
现阶段,在地图匹配方面的算法研究主要包括基于几何、拓扑、概率统计这三大类。其中基于几何分析的地图匹配算法中又分为点到点、点到线、线到线匹配,点到点是一个简单的搜索算法,即将点匹配到最近的路段节点或其他路网上的点;点到线是将点匹配至其距离最近的路段上;线到线匹配算法是将所有待匹配轨迹点连接成曲线,然后在路网中搜索与其最相似的路段作为匹配路段。基于拓扑分析的匹配算法是基于道路网拓扑关系综合考虑轨迹的前进方向、速度和道路网连通性等信息,再结合历史信息和实际路网信息进行匹配;基于概率统计的算法主要原理是是根据轨迹点的定位精度,以待匹配点为中心划定一个可能匹配区域,把该区域范围内的路段作为可能匹配路段并计算其匹配概率,最终确定最佳匹配道路。
除了上述几种常见的地图匹配算法,近年来还涌现了一些新的使用更为复杂的数学理论的匹配算法,比如贝叶斯推理匹配算法、卡尔曼滤波匹配算法、模糊逻辑匹配算法和基于凸优化的匹配算法。
虽然地图匹配方面的研究很多,但是利用手机信令数据完成此工作并推广应用还是少之又少,究其原因,主要包括:1)算法精度较大程度取决于信令数据的定位频率,而此频率取决于用户触发信令事件,虽然相比于以往的2、3G数据,4G手机信令数据的定位频率已有了较大提升,但还是无法和GPS模块获取的位置数据相比;2)由于未清洗干净的漂移、乒乓、重复等“脏数据”对轨迹识别精度造成影响;3)算法计算量较大,尤其在路网较复杂区域,待匹配路段集规模较大导致算法效率较低,成本大。
发明内容
为解决上述问题,本发明提供一种基于手机信令数据的地图匹配方法:根据基站与地图信息的空间拓扑,构建基站-交叉口、基站-道路、交叉口-道路的对应关系;根据手机信令数据,通过对停驻点的识别得到用户占用基站的轨迹序列;在此基础上,根据道路频次、空间距离等判别依据确定基站对应的最有可能交叉口;然后,对于没有相连的交叉口采用Dijkstra最短路算法补全轨迹;最后删除交叉口序列中的A-B-A型数据,获得连续交叉口序列即完成地图匹配工作。
本发明为解决上述技术问题采用以下技术方案:
本发明提供一种基于手机信令数据的地图匹配方法,包括以下步骤:
S1根据基站位置与地图信息的空间拓扑联系,构建基站-交叉口、基站-道路、交叉口-道路对应表以及道路邻接矩阵;
S2获取一次完整出行过程中的手机信令数据轨迹;
S3对于一条手机信令数据轨迹,确定轨迹中每一个基站对应的最有可能交叉口;
S4根据道路邻接矩阵,判断一条轨迹中相邻基站所对应的交叉口是否相邻,若是则保留对应交叉口;否则根据Dijkstra最短路算法补全这两个不相邻的交叉口之间的最短路,并保留对应交叉口;
S5删除S4结果中A-B-A型数据,获得交叉口连续轨迹信息,实现手机信令数据的地图匹配工作。
作为本发明的进一步技术方案,所述步骤S1包括以下步骤:
S11获取研究范围内且在同一坐标系中的基站位置信息、交叉口位置信息、道路位置信息,并形成基站信息表、交叉口信息表以及道路信息表,其中,基站信息表中包含基站编号、基站经纬度;交叉口信息表中包含交叉口编号、交叉口经纬度;道路信息表中包含道路名称、道路长度、道路端点交叉口编号;
S12利用空间拓扑关系,统计每个基站400m覆盖范围内的道路,生成基站-道路对应表,其中包含基站编号、道路名称;
S13利用空间拓扑关系,统计每个基站400m覆盖范围内的交叉口,生成基站-交叉口对应表,其中包含基站编号、交叉口编号、交叉口到基站距离;
S14利用交叉口信息表以及道路信息表,得到交叉口与形成交叉口对应道路的关系,生成交叉口-道路对应表,其中包含交叉口编号、道路名称;
S15利用道路信息表,生成道路邻接矩阵G,用于表示道路的连通状态,G中的元素gij的为:
式中,a表示交叉口之间的长度。
作为本发明的进一步技术方案,所述步骤S2所述的手机信令数据轨迹储存中,增设字段1表示身份、字段2表示同一个人一天内不同的出行顺序、字段3表示一条轨迹中基站的顺序;生成的手机信令数据轨迹表,其中包含日期、字段1、字段2、字段3、基站ID。
作为本发明的进一步技术方案,所述步骤S3包括以下步骤:
S31根据基站-道路对应表,统计轨迹中每个基站点对应的覆盖道路频次,生成道路频次表,其中包含道路名称、道路出现频次;
S32对于手机信令数据轨迹中每一个基站,根据基站-道路对应表,结合这条轨迹的道路频次表,找到与该基站对应频次最高的道路;
S33判断基站对应的最高频次道路的频次是否为1:如果为1,则删除该基站;如果不为1,则从基站-交叉口对应表以及交叉口-道路对应表中筛选并保留由最高频次道路组成的交叉口;
S34从保留的交叉口中根据基站-交叉口对应表进一步筛选与该基站距离最近的交叉口,至此完成基站与最有可能交叉口的匹配工作。
作为本发明的进一步技术方案,所述步骤S4中包括以下步骤:
S41根据道路邻接矩阵G,判断一条轨迹相邻基站所对应的交叉口是否相邻:如果相邻,保留对应交叉口;如果不相邻,进入S42;
S42根据Dijkstra最短路算法,结合道路邻接矩阵G,补全这两个不相邻的交叉口之间的最短路,保留对应交叉口。
作为本发明的进一步技术方案,步骤S5包括以下步骤:判断交叉口连续轨迹中的相邻三条数据C(n-1)、Cn和C(n+1),如果C(n-1)交叉口编号和C(n+1)编号相同,则删除C(n-1)和Cn,保留C(n+1),获得最终匹配至路网上的连续交叉口序列,实现手机信令数据的地图匹配工作。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:本发明根据道路频次、空间距离等依据将基站匹配到最有可能交叉口,后采用最短路算法补全并进行筛选,完成手机信令数据轨迹的地图匹配工作。本发明结合手机基站信令数据特点,考虑到空间距离、覆盖道路频次以及路网连通性,提出了一种基于手机信令数据的地图匹配方法。实验表明,对样本轨迹的匹配结果令人满意,满足匹配精度要求且计算效率高。
附图说明
图1是手机信令轨迹序列;
图2a是基站-交叉口对应表;
图2b是道路频次表
图3a是基站-交叉口对应表;
图3b是道路频次表
图4是路网邻接矩阵;
图5是交叉口轨迹序列;
图6是地图匹配可视化结果;
图7是本发明的方法流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
目前基于几何的地图匹配算法问题在于手机在使用过程中会同时被周边多个基站信号覆盖,终端在触发信令事件时连接的基站并不一定就是空间距离最近的基站,而是由附近用户数量、实际信号传播以及基站场强、与移动终端的距离等因素共同决定。而基于拓扑和概率统计的匹配算法计算量较大,尤其在路网较复杂区域,待匹配路段集规模较大导致算法效率较低;其次是算法精度较大程度取决于信令数据的定位频率。因此在手机信令数据地图匹配共难以胜任。
本发明一种基于手机信令数据的地图匹配方法,如图7所示,包括以下步骤:
S1根据基站位置与地图信息的空间拓扑联系,构建基站-交叉口、基站-道路、交叉口-道路映射关系以及道路邻接矩阵。
所述步骤S1的过程包括:
S11获取研究范围内且在同一坐标系中的基站位置信息、交叉口位置信息、道路位置信息,并形成基站信息表、交叉口信息表以及道路信息表。其中基站信息表中包含基站编号、基站经纬度;交叉口信息表中包含交叉口编号、交叉口经纬度;道路信息表中包含道路名称、道路长度、道路端点交叉口编号。
S12利用空间拓扑关系,统计每个基站400m覆盖范围内的道路,生成基站-道路对应表,其中包含基站编号、道路名称。
S13利用空间拓扑关系,统计每个基站400m覆盖范围内的交叉口,生成基站-交叉口对应表,其中包含基站编号、交叉口编号、交叉口到基站距离。
S14利用交叉口信息表以及道路信息表,得到交叉口与形成交叉口对应道路的关系,生成交叉口-道路对应表,其中包含交叉口编号、道路名称。
S15利用道路信息表,将道路空间信息转换成道路邻接矩阵G,用于表示道路的连通状态,其中元素gij的定义为:
S2获取一次完整出行过程中的手机信令数据轨迹。
所述步骤S2所属的手机信令数据轨迹储存中为了区分不同出行者一天内不同的出行轨迹,增设字段1表示身份、字段2表示同一个人一天内不同的出行顺序、字段3表示一条轨迹中基站的顺序。生成手机信令数据轨迹表,其中包含日期、字段1、字段2、字段3、基站ID。
S3对于一条手机信令数据轨迹,根据道路频次、空间距离等依据确定轨迹中每一个基站对应最有可能交叉口。
所述步骤S3包括以下步骤:
S31根据基站-道路对应表,统计轨迹中每个及站点对应的覆盖道路频次,生成道路频次表,其中包含道路名称、道路出现频次。
S32对于手机信令数据轨迹序列中每一个基站,根据基站-道路对应表,结合这条轨迹的道路频次表,找到与该基站对应频次最高的道路。
S33判断这条道路的最高频次是否为1,:如果为1,删除该基站;如果不为1,则从基站-交叉口对应表以及交叉口-道路对应表中筛选并保留由最高频次道路组成的交叉口。
S34从保留的交叉口中根据基站-交叉口对应表进一步筛选与该基站距离最近的交叉口,至此完成基站与最有可能交叉口的匹配工作。
S4根据路网邻接矩阵信息,检查轨迹点是否相连。对于没有连接的交叉口采Dijkstra最短路算法补全轨迹。
所述步骤S4中包括以下步骤:
S41根据道路邻接矩阵G,判断一条轨迹相邻基站所对应的交叉口是否相邻:如果相邻,保留对应交叉口;如果不相邻,进入下一步。
S42根据Dijkstra最短路算法,结合道路邻接矩阵G,补全这两个不相邻的交叉口之间的最短路,保留对应交叉口。
S5删除交叉口序列中A-B-A型数据。最终获得交叉口连续轨迹信息,实现手机信令数据的地图匹配工作。
所述步骤S5中删除交叉口序列中A-B-A型数据。具体说明:判断交叉口连续轨迹中相邻三条数据C(n-1),Cn,C(n+1),如果C(n-1)交叉口编号和C(n+1)编号相同的现象,则删除C(n-1),Cn,保留C(n+1),最后形成连续的交叉口序列。这样就完成了基于手机信令数据的地图匹配工作。
实施例
以2017年2月17号代号为1111的第一条轨迹序列为例。手机信令轨迹数据信息如图1所示,其中base表示基站代号,order表示轨迹顺序,jizhanID表示基站编码,lat和lon分别是基站的经度和纬度。
首先根据空间拓扑关系获取基站-交叉口对应表如图2a所示,其中jizhanID表示基站编码,ROADNAME表示基站400m覆盖范围内出现的道路名称。根据该表将这条轨迹中出现的道路频次进行统计,得到道路频次表如图2b所示。
对于轨迹中的每一个基站,首先根据基站-道路对应表(如图2a所示),结合这条轨迹的道路频次表(如图2b所示),找到与该基站对应频次最高的道路。例如,jizhanID为415所对应频次最高的道路为“昆太路”。然后利用基站-交叉口对应表,如图3a所示:jizhanID表示基站编码,jiaochakouID表示交叉口编码,distance表示交叉口到基站的直线距离;和交叉口-道路对应表,如图3b所示:jiaochakouID表示交叉口编码,ROADNAME表示组成交叉口的道路名称。例如jizhanID为415的交叉口在400m范围内有三个可能交叉口分别是415、416、417,在交叉口-道路对应表中找到这三个交叉口,根据频次最高的“昆太路”,选择出415和416两个交叉口,然后根据distance字段找到离基站最近的是415,至此完成基站编号为415的最有可能匹配的交叉口编号为415。
然后利用道路邻接矩阵G,如图4所示,横纵轴表示交叉口编号,矩阵信息表示交叉口之间的距离,若为0则表示交叉口不相连。根据邻接矩阵G,判断轨迹前后是否相连,若不相连,则根据Dijkstra最短路算法,补全这两个交叉口之间的轨迹信息。
最后,判断交叉口连续轨迹中相邻三条数据C(i-1)、Ci、C(i+1)是否存在A-B-A序列,如果C(i-1)交叉口编号和C(i+1)编号相同的现象,则删除C(i-1)、Ci,保留C(i+1),最后形成连续的交叉口序列。如图5所示:order表示交叉口轨迹编号,jiaochakouID表示交叉口编码,LAT和LON分别表示交叉口的经度和纬度。
将这条手机信令数据轨迹以及地图匹配后的交叉口轨迹序列导入ArcGIS中进行可视化如图6所示,其中,圆点表示从手机信令数据中提取出的出行轨迹点(基站位置),十字表示经过匹配和最短路填补后对应的交叉口,五角星表示起终点,线条表示路径匹配后的真实出行路径。可以看到样本轨迹的匹配结果令人满意,满足匹配精度要求且计算效率高。
综上所述,本发明结合手机基站信令数据特点,考虑到空间距离、覆盖道路频次以及路网连通性,提出了一种基于手机信令数据的地图匹配方法:
1.考虑到覆盖道路频次、空间距离、路网连通性,提出了一种适宜于手机信令数据的地图匹配算法,主要思路就是根据基站对应道路频次结合交叉口距离基站的空间距离,找到基站最有可能对应的交叉口;
2.由于手机信令数据采集频率取决于用户触发信令数据的次数,所以对于定位点稀疏的地方采用Dijkstra最短路算法进行补全。虽然最短路算法很多,但相关研究表明该算法无论是计算效率还是匹配精度都是很合适的,得到广泛应用;
3.由于手机信令数据存在漂移、跳跃等采集问题。为了提高最后地图匹配精度,删除A-B-A型数据。实验证明,此逻辑能有效改善轨迹中出现的折返问题。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (5)
1.一种基于手机信令数据的地图匹配方法,其特征在于,包括以下步骤:
S1根据基站位置与地图信息的空间拓扑联系,构建基站-交叉口、基站-道路、交叉口-道路对应表以及道路邻接矩阵;
S2获取一次完整出行过程中的手机信令数据轨迹;
S3对于一条手机信令数据轨迹,确定轨迹中每一个基站对应的最有可能交叉口;
S4根据道路邻接矩阵,判断一条轨迹中相邻基站所对应的交叉口是否相邻,若是则保留对应交叉口;否则根据Dijkstra最短路算法补全这两个不相邻的交叉口之间的最短路,并保留对应交叉口;
S5判断交叉口连续轨迹中的相邻三条数据C(n-1)、Cn和C(n+1),如果C(n-1)交叉口编号和C(n+1)编号相同,则删除C(n-1)和Cn,保留C(n+1),获得最终匹配至路网上的连续交叉口序列,实现手机信令数据的地图匹配工作。
2.根据如权利要求1所述的一种基于手机信令数据的地图匹配方法,其特征在于,所述步骤S1包括以下步骤:
S11获取研究范围内且在同一坐标系中的基站位置信息、交叉口位置信息、道路位置信息,并形成基站信息表、交叉口信息表以及道路信息表,其中,基站信息表中包含基站编号、基站经纬度;交叉口信息表中包含交叉口编号、交叉口经纬度;道路信息表中包含道路名称、道路长度、道路端点交叉口编号;
S12利用空间拓扑关系,统计每个基站覆盖范围内的道路,生成基站-道路对应表,其中包含基站编号、道路名称;
S13利用空间拓扑关系,统计每个基站覆盖范围内的交叉口,生成基站-交叉口对应表,其中包含基站编号、交叉口编号、交叉口到基站距离;
S14利用交叉口信息表以及道路信息表,得到交叉口与形成交叉口对应道路的关系,生成交叉口-道路对应表,其中包含交叉口编号、道路名称;
S15利用道路信息表,生成道路邻接矩阵G,用于表示道路的连通状态,G中的元素gij的为:
式中,a表示交叉口之间的长度。
3.根据如权利要求1所述的一种基于手机信令数据的地图匹配方法,其特征在于,所述步骤S2所述的手机信令数据轨迹储存中,增设字段1表示身份、字段2表示同一个人一天内不同的出行顺序、字段3表示一条轨迹中基站的顺序;生成的手机信令数据轨迹表,其中包含日期、字段1、字段2、字段3、基站ID。
4.根据如权利要求1所述的一种基于手机信令数据的地图匹配方法,其特征在于,所述步骤S3包括以下步骤:
S31根据基站-道路对应表,统计轨迹中每个基站点对应的覆盖道路频次,生成道路频次表,其中包含道路名称、道路出现频次;
S32对于手机信令数据轨迹中每一个基站,根据基站-道路对应表,结合这条轨迹的道路频次表,找到与该基站对应频次最高的道路;
S33判断基站对应的最高频次道路的频次是否为1:如果为1,则删除该基站;如果不为1,则从基站-交叉口对应表以及交叉口-道路对应表中筛选并保留由最高频次道路组成的交叉口;
S34从保留的交叉口中根据基站-交叉口对应表进一步筛选与该基站距离最近的交叉口,至此完成基站与最有可能交叉口的匹配工作。
5.根据如权利要求1所述的一种基于手机信令数据的地图匹配方法,其特征在于,所述步骤S4中包括以下步骤:
S41根据道路邻接矩阵G,判断一条轨迹相邻基站所对应的交叉口是否相邻:如果相邻,保留对应交叉口;如果不相邻,进入S42;
S42根据Dijkstra最短路算法,结合道路邻接矩阵G,补全这两个不相邻的交叉口之间的最短路,保留对应交叉口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910383992.3A CN110160538B (zh) | 2019-05-09 | 2019-05-09 | 一种基于手机信令数据的地图匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910383992.3A CN110160538B (zh) | 2019-05-09 | 2019-05-09 | 一种基于手机信令数据的地图匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110160538A CN110160538A (zh) | 2019-08-23 |
CN110160538B true CN110160538B (zh) | 2022-11-04 |
Family
ID=67634015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910383992.3A Active CN110160538B (zh) | 2019-05-09 | 2019-05-09 | 一种基于手机信令数据的地图匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110160538B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111521191A (zh) * | 2020-04-20 | 2020-08-11 | 中国农业科学院农业信息研究所 | 一种基于信令数据的移动电话用户移动路径地图匹配方法 |
CN112133090A (zh) * | 2020-08-14 | 2020-12-25 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据的多方式交通分布模型构建方法 |
CN112033418B (zh) * | 2020-09-15 | 2023-05-12 | 四川大学 | 一种离线地图匹配方法 |
CN112182132B (zh) * | 2020-09-28 | 2024-03-26 | 北京红山信息科技研究院有限公司 | 一种地铁用户的识别方法、系统、设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3607516B2 (ja) * | 1999-01-20 | 2005-01-05 | 松下電器産業株式会社 | 移動体マップマッチング装置 |
CN104154923B (zh) * | 2014-08-13 | 2017-07-07 | 百度在线网络技术(北京)有限公司 | 用于基于定位信号进行道路匹配的设备和方法 |
CN104462193A (zh) * | 2014-10-28 | 2015-03-25 | 上海市政工程设计研究总院(集团)有限公司 | 一种基于时空匹配的车辆运动轨迹搜索系统及方法 |
CN104778836B (zh) * | 2015-04-03 | 2017-03-29 | 中设设计集团股份有限公司 | 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 |
CN105788263B (zh) * | 2016-04-27 | 2017-12-26 | 大连理工大学 | 一种通过手机信息预测道路拥堵的方法 |
-
2019
- 2019-05-09 CN CN201910383992.3A patent/CN110160538B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110160538A (zh) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110160538B (zh) | 一种基于手机信令数据的地图匹配方法 | |
CN108955693B (zh) | 一种路网匹配的方法及系统 | |
EP2172048B1 (en) | System and methods for determining location using cellular transition patterns | |
US10775185B2 (en) | Method and apparatus for acquiring route popularity in road networks | |
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 | |
CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及系统 | |
CN102521973B (zh) | 一种手机切换定位的道路匹配方法 | |
CN110008872B (zh) | 一种结合车辆轨迹和遥感图像的路网提取方法 | |
CN108320501A (zh) | 基于用户手机信令的公交线路识别方法 | |
CN110796337B (zh) | 一种评价城市公交站点服务可达性的系统 | |
CN106197458A (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
CN110972073B (zh) | 一种基于手机大数据及步行可达性的生活圈划定方法 | |
CN107194525A (zh) | 一种基于手机信令的城市中心评估方法 | |
CN105865464A (zh) | 搜索路径周边兴趣点的方法和装置 | |
Cesario et al. | An approach for the discovery and validation of urban mobility patterns | |
CN106997666A (zh) | 一种利用手机信令数据位置切换获取交通流速度的方法 | |
CN107861992A (zh) | 一种跑步路线处理方法和装置 | |
CN110276020A (zh) | 识别用户出行目的地的方法和装置 | |
CN107403550A (zh) | 公交路网数据采集方法、装置和终端设备 | |
CN107655490B (zh) | 基于移动用户轨迹分段和最热搜索的热点路径发现方法 | |
CN109937342A (zh) | 用于定位移动物体的方法、装置和系统 | |
CN112131330B (zh) | 一种自由流动模式下共享汽车的运营区域选址布局方法 | |
Chen et al. | Understanding travel patterns of tourists from mobile phone data: A case study in Hainan | |
Dash et al. | From Mobile Phone Data to Transport Network--Gaining Insight about Human Mobility | |
Chaturvedi et al. | Real time vehicular traffic estimation using cellular infrastructure |
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 |