CN110222131A - 起讫信息提取方法及装置 - Google Patents
起讫信息提取方法及装置 Download PDFInfo
- Publication number
- CN110222131A CN110222131A CN201910423776.7A CN201910423776A CN110222131A CN 110222131 A CN110222131 A CN 110222131A CN 201910423776 A CN201910423776 A CN 201910423776A CN 110222131 A CN110222131 A CN 110222131A
- Authority
- CN
- China
- Prior art keywords
- tracing point
- road
- grid
- vehicle
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种起讫信息提取方法及装置,涉及轨迹分析技术领域。所述方法包括:对车辆原始轨迹数据进行处理,得到轨迹点;从轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点;将第一轨迹点的位置信息与路网数据进行比对,根据比对结果判断第一轨迹点是否位于路网数据中所包含的任意一条道路上;根据判断结果从第一轨迹点中筛选出不在道路上的第二轨迹点;对第二轨迹点进行聚类,根据聚类结果得到车辆的起讫信息。本申请对轨迹点进行筛选,再对得到的停车点进行筛选以排除车辆在道路上堵车、加油等行为对起讫点提取造成干扰,并通过聚类进一步排除噪音数据,能够从多种车辆类型的海量轨迹数据中高效、精准地提取到车辆的起讫信息。
Description
技术领域
本申请涉及轨迹分析技术领域,具体而言,涉及一种起讫信息提取方法及装置。
背景技术
近几十年来,随着数据库系统的广泛流行及计算机技术的快速发展,人们利用信息技术生产和收集数据的能力大幅度提高。对于交通运输领域,每天都有大量的车辆轨迹GPS数据产生,这些数据中蕴含着车辆的出行选择、OD点(起讫点)等大量信息。这些数据对我们研究城市内不同区域、城市间的经济关联度,尤其是城市群发展成熟度的度量等具有极大的帮助。
在此背景下,越来越多的专家学者对车辆的轨迹数据进行分析、挖掘,以期得到车辆行驶、停靠等相关信息。但由于车辆轨迹数据具有海量性和复杂性,各种不同车辆的轨迹数据所包含的信息内容不完全一致,现有技术通常只能针对较小范围内、数量较少或单一类型车辆的轨迹信息进行提取,或者在已知车辆起讫点的基础上对起讫点进行处理。对于大范围、海量且类型复杂的车辆轨迹数据,从中提取起讫信息十分困难。
发明内容
有鉴于此,本申请实施例的目的在于提供一种起讫信息提取方法及装置,以解决上述问题。
第一方面,本申请实施例提供一种起讫信息提取方法,所述方法包括:
对车辆原始轨迹数据进行处理,得到车辆的轨迹点;
根据所述轨迹点的速度从所述轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点;
将所述第一轨迹点的位置信息与路网数据进行比对,根据得到的比对结果判断所述第一轨迹点是否位于所述路网数据中所包含的任意一条道路上;
根据得到的判断结果从所述第一轨迹点中筛选出不在道路上的第二轨迹点;
对所述第二轨迹点进行聚类,根据聚类结果得到所述车辆的起讫信息。
可选地,对车辆原始轨迹数据进行处理,得到车辆的轨迹点,包括:
将所述车辆原始轨迹数据对应的原始轨迹点所在的区域划分为多个分块,统计各分块中的轨迹点数量;
判断各分块中的轨迹点数量是否低于预设的轨迹点数量阈值,若该分块中的轨迹点数量低于所述轨迹点数量阈值,则将该分块中的轨迹点删除;
将所述区域中未被删除的轨迹点分别按照对应的车辆标识进行存储。
可选地,根据所述轨迹点的速度从所述轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点,包括:
计算所述轨迹点在与该轨迹点相邻的两个轨迹点之间的轨迹段中的匀速度,从所述轨迹点中筛选出匀速度低于所述速度阈值的第一轨迹点。
可选地,将所述第一轨迹点的位置信息与路网数据进行比对,根据得到的比对结果判断所述第一轨迹点是否位于所述路网数据中所包含的任意一条道路上,包括:
根据所述路网数据将路网划分为多个网格,统计各网格中的道路信息;
根据所述第一轨迹点的位置信息将所述第一轨迹点与所述多个网格进行匹配,确定所述第一轨迹点所在的第一网格及与所述第一网格邻接的第二网格;
将所述第一轨迹点的位置信息与所述第一网格及第二网格中的道路信息进行比对,判断所述第一轨迹点与所述第一网格及第二网格中的道路之间的距离是否大于预设的距离阈值,以判断所述第一轨迹点是否位于所述第一网格及第二网格中的任意道路上。
可选地,根据聚类结果得到所述车辆的起讫信息,包括:
根据所述聚类结果得到由所述第二轨迹点组成的轨迹段;
根据所述轨迹段得到所述车辆的起讫点;
根据所述起讫点得到所述车辆的起讫信息。
第二方面,本申请实施例还提供一种起讫信息提取装置,所述装置包括:
处理模块,用于对车辆原始轨迹数据进行处理,得到车辆的轨迹点;
筛选模块,用于根据所述轨迹点的速度从所述轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点;
比对判断模块,用于将所述第一轨迹点的位置信息与路网数据进行比对,根据得到的比对结果判断所述第一轨迹点是否位于所述路网数据中所包含的任意一条道路上;
所述筛选模块还用于根据得到的判断结果从所述第一轨迹点中筛选出不在道路上的第二轨迹点;
聚类模块,用于对所述第二轨迹点进行聚类,根据聚类结果得到所述车辆的起讫信息。
可选地,所述处理模块具体用于:
将所述车辆原始轨迹数据对应的原始轨迹点所在的区域划分为多个分块,统计各分块中的轨迹点数量;
判断各分块中的轨迹点数量是否低于预设的轨迹点数量阈值,若该分块中的轨迹点数量低于所述轨迹点数量阈值,则将该分块中的轨迹点删除;
将所述区域中未被删除的轨迹点分别按照对应的车辆标识进行存储。
可选地,当用于根据所述轨迹点的速度从所述轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点时,所述筛选模块具体用于:
计算所述轨迹点在与该轨迹点相邻的两个轨迹点之间的轨迹段中的匀速度,从所述轨迹点中筛选出匀速度低于所述速度阈值的第一轨迹点。
可选地,所述比对判断模块具体用于:
根据所述路网数据将路网划分为多个网格,统计各网格中的道路信息;
根据所述第一轨迹点的位置信息将所述第一轨迹点与所述多个网格进行匹配,确定所述第一轨迹点所在的第一网格及与所述第一网格邻接的第二网格;
将所述第一轨迹点的位置信息与所述第一网格及第二网格中的道路信息进行比对,判断所述第一轨迹点与所述第一网格及第二网格中的道路之间的距离是否大于预设的距离阈值,以判断所述第一轨迹点是否位于所述第一网格及第二网格中的任意道路上。
可选地,所述聚类模块具体用于:
根据所述聚类结果得到由所述第二轨迹点组成的轨迹段;
根据所述轨迹段得到所述车辆的起讫点;
根据所述起讫点得到所述车辆的起讫信息。
相对于现有技术而言,本申请具有以下有益效果:
本申请实施例提供的起讫信息提取方法及装置,通过对车辆原始轨迹数据进行处理得到车辆轨迹点,从车辆轨迹点中筛选出速度低于速度阈值的第一轨迹点,将第一轨迹点视作车辆行驶过程中的停车点,根据停车点来提取车辆起讫点的方式相比根据站点、载客等信息提取车辆起讫点的方式更加准确可靠,并且可以适用于各种类型的车辆轨迹数据,避免了车辆类型对起讫信息提取的限制。本申请还将第一轨迹点与路网数据进行比对,得到不在道路上的第二轨迹点,排除了车辆在道路上堵车、加油等行为对起讫点提取造成的干扰,提高轨迹信息提取的准确性。本申请还采用聚类算法进一步排除车辆在行驶过程中偶尔停靠的轨迹点等噪音数据,进一步提高了轨迹信息提取的准确性,根据聚类结果能够高效、精准地获取到车辆的起讫信息。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应该看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的电子设备的方框示意图;
图2为本申请实施例提供的起讫信息提取方法的流程示意图;
图3为本申请实施例提供的轨迹点信息示例图;
图4为图2中步骤S10的子步骤流程示意图;
图5为图2中步骤S30的子步骤流程示意图;
图6为本申请实施例提供的第二轨迹点与簇的对应关系的示例图;
图7为图2中步骤S50的子步骤流程示意图;
图8为本申请实施例提供的起讫信息提取装置的功能模块示意图。
图标:10-电子设备;20-起讫信息提取装置;11-处理器;12-存储器;21-处理模块;22-筛选模块;23-比对判断模块;24-聚类模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
申请人发现,现有的起讫信息提取技术无法适用于海量、多种类型的车辆轨迹数据,效率和准确性都不高。现有技术中,大部分轨迹数据分析技术的适用对象主要是出租车、公交车等客运车辆,客运车辆的轨迹数据中通常会包含站点、是否载客等信息。然而,针对货运车辆的轨迹分析技术通常需要在提前已知货运车辆起讫点的基础上进行分析或处理,由于货运车辆的轨迹数据中不包含站点、是否载客等信息,相对客运车辆而言,货运车辆的起讫信息提取更加困难。且仅根据站点或载客信息获取的车辆起讫点也不够准确。
为了克服上述现有技术中存在的问题,申请人经过研究提供了下面实施例给出的解决方案。
请结合参照图1,图1是本申请提供的一种电子设备10的方框示意图。所述电子设备10包括处理器11、存储器12及起讫信息提取装置20。所述电子设备10可以是个人电脑(personal computer,PC)、平板电脑、个人数字助理(personal digital assistant,PDA)等,所述电子设备10的操作系统(operating system,OS)可以是,但不限于,安卓(Android)系统、IOS(iPhone operating system)系统、Windows phone系统、Windows系统等。
所述处理器11及存储器12各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述起讫信息提取装置20包括至少一个可以软件或固件的形式存储于所述存储器12中或固化在所述电子设备10的操作系统中的软件功能模块。所述处理器11用于执行所述存储器12中存储的可执行模块,包括所述起讫信息提取装置20所包括的软件功能模块及计算机程序等。
其中,所述处理器11可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DSP))、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器12可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。所述存储器12用于存储程序或数据。
可以理解的是,本申请实施例提供的电子设备10还可以包括输入输出单元及显示单元(图1中未标出)。所述输入输出单元包括但不限于键盘和鼠标等,用于提供给用户输入数据以实现用户与所述电子设备10的交互。所述显示单元包括但不限于液晶显示器、触控式显示器等,用于在所述电子设备10与用户之间提供一个用于显信息的交互界面。
请参照图2,图2是本申请实施例提供的起讫信息提取方法的流程示意图,所述起讫信息提取方法应用于图1所示的电子设备10。下面将对所述起讫信息提取方法的具体流程进行详细阐述。
步骤S10,对车辆原始轨迹数据进行处理,得到车辆的轨迹点。
在对车辆原始轨迹数据进行处理的步骤之前,需要获取所述车辆原始轨迹数据,该数据可以是对预设区域内的车辆进行监控和信息提取后,整理为数据包或其他文件格式导入所述电子设备10中。所述预设区域可以是城市、地区或国家等。通常情况下,在车辆行驶过程中提取到的车辆原始轨迹数据包含大量原始轨迹点数据,每个原始轨迹点的数据中都包含多种信息,例如经纬度、时间、速度等。原始轨迹点信息示例参见图3。
需要说明的是,图3中“车辆发射信号时”是指车辆向某信号收发设备发射或根据数据获取命令反馈车辆当前位置、状态等信息的时刻。还需要说明的是,图3中所包含的车辆原始轨迹数据仅仅作为示例,所述车辆原始轨迹数据还包含其他更多的数据或信息(例如客运车辆的轨迹数据中包含的是否载客、始发站、终点站等信息),所述方向角也可以是以正南或其他任意预设方向为起始,顺时针或逆时针计算的夹角,在此不做具体限制。
由于地形、天气或设备等原因,会导致所述车辆原始轨迹中存在部分数据缺失、重复或漂移等现象,需要对所述车辆的原始轨迹点进行处理,包括去重、去除缺失和去除轨迹异常点等步骤。
请参照图4,本实施例在所述步骤S10对车辆原始轨迹数据进行处理的步骤中提供一种处理轨迹异常点的步骤,具体包括以下子步骤。
子步骤S11,将所述车辆原始轨迹数据对应的原始轨迹点所在的区域划分为多个分块,统计各分块中的轨迹点数量。
子步骤S12,判断各分块中的轨迹点数量是否低于预设的轨迹点数量阈值。
子步骤S13,若该分块中的轨迹点数量低于所述轨迹点数量阈值,则将该分块中的轨迹点删除。
子步骤S14,将所述区域中未被删除的轨迹点分别按照对应的车辆标识进行存储。
由于车辆行驶会有一定的区域性和连续性,以货运车辆为例,车辆行驶轨迹通常集中于城镇区域、货运干线区域等,使各区域中的车辆原始轨迹点数量产生不同的分布。在本实施例中,首先,将车辆轨迹数据中的原始轨迹点所在的区域划分为多个分块,其中每一分块的面积可以是均等的,具体面积可以根据样本实验数据统计得到或由人为设定,在此不做具体限制。其次,统计每一分块中的轨迹点数量,若某一分块中的轨迹点数量低于所述轨迹点数量阈值,则可以认为该分块所对应的地图区域鲜少有车辆涉足,即该分块中的轨迹点不具有或具有极小的参考价值,对该分块中的轨迹点予以删除,其中,所述轨迹点数量阈值也可以根据样本实验数据统计得到。最后,将所述区域中未被删除的轨迹点分别按照对应的车辆标识进行存储,所述车辆标识可以是车辆编号。
请返回结合图2,得到所述车辆的轨迹点后,进入步骤S20。
步骤S20,根据所述轨迹点的速度从所述轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点。
在本实施例中,所述步骤S20包括:计算所述轨迹点在与该轨迹点相邻的两个轨迹点之间的轨迹段中的匀速度,从所述轨迹点中筛选出匀速度低于所述速度阈值的第一轨迹点。
可选地,所述轨迹点的匀速度可以由以下公式来表示:
其中,vi为轨迹点i的匀速度,si-1为轨迹点i-1与轨迹点i之间的距离,si+1为轨迹点i与轨迹点i+1之间的距离,ti-1为车辆由轨迹点i-1处移动到轨迹点i处所耗费的时间,ti+1为车辆由轨迹点i处移动到轨迹点i+1处所耗费的时间。
得到各轨迹点的匀速度后,将各轨迹点的匀速度与预设的速度阈值Vs进行比对,从各轨迹点中筛选出匀速度低于Vs的第一轨迹点,可以集合表示为S1。其中,所述速度阈值Vs为较低值,例如2公里每小时等,低于该速度阈值Vs的轨迹点可以视作停车点。
得到所述第一轨迹点后,进入步骤S30。
步骤S30,将所述第一轨迹点的位置信息与路网数据进行比对,根据得到的比对结果判断所述第一轨迹点是否位于所述路网数据中所包含的任意一条道路上。
在本实施例中,可选地,采用电子地图的路网数据,所述路网数据中包括公路、桥梁、收费站、加油站、服务区、高速公路出入口等信息。
请参照图5,在本实施例步骤S30中,将每一个第一轨迹点都与路网数据进行匹配,包括以下子步骤。
子步骤S31,根据所述路网数据将路网划分为多个网格,统计各网格中的道路信息。
可选地,将所述路网按照预设精度划分为多个网格,例如精度0.00054°(边长约60米)的正方形网格,获取每个网格中所包含的具体道路信息,包括路段名称、编号、路段经纬度等。
子步骤S32,根据所述第一轨迹点的位置信息将所述第一轨迹点与所述多个网格进行匹配,确定所述第一轨迹点所在的第一网格及与所述第一网格邻接的第二网格。
首先将每个第一轨迹点的经纬度坐标与网格经纬度范围进行匹配,确定各第一轨迹点所在的网格。由于道路具有连贯性,在进行网格划分时,可能将同一条道路划分分布在不同网格中的多个道路段。尤其是在网格划分的精度较低(即单个网格面积较小)时,容易出现原本与某一道路邻近的轨迹点被分隔在与该道路不同的网格中的情况,影响后续判断结果的精准性。本实施例在将第一轨迹点与网格进行匹配时,同步考虑该轨迹点所在的第一网格及与所述第一网格邻接的八个第二网格,扩大了实际匹配范围,在很大程度上降低了网格划分精度对判断结果的精准性的影响。
子步骤S33,所述第一轨迹点的位置信息与所述第一网格及第二网格中的道路信息进行比对,判断所述第一轨迹点与所述第一网格及第二网格中的道路之间的距离是否大于预设的距离阈值,以判断所述第一轨迹点是否位于所述第一网格及第二网格中的任意道路上。
在本实施例中,将所述第一轨迹点的经纬度坐标与所述第一网格及第二网格中的全部道路的经纬度进行比对。若所述第一轨迹点与所述第一网格及第二网格中的道路之间的距离大于距离阈值,则判定所述第一轨迹点不在所述第一网格及第二网格中的道路上;否则判定所述第一轨迹点位于所述第一网格及第二网格中的道路上。其中,所述距离阈值可以根据对以往样本路网数据中道路及道路周边设施(包括但不限于收费站、加油站、服务区等)所涉及的范围的统计结果得到。
请返回结合图2,得到判断结果后,进入步骤S40。
步骤S40,根据得到的判断结果从所述第一轨迹点中筛选出不在道路上的第二轨迹点。
在本实施例中,通过上述步骤S30进行地图匹配,得到所述第一轨迹点是否在道路上的判断结果,在步骤S40中根据所述判断结果可以排除位于路网道路上的停车点,以筛选出不在道路上的第二轨迹点。可选地,所述第二轨迹点可以用集合S2来表示。在车辆行驶的实际情况中,可能存在一些特殊的停车情况,例如临时停靠、堵车、加油、通过收费站等,而这些位于道路上或道路邻近处的停车点通常不是车辆的起讫点。本实施例通过筛选出不在道路上或道路邻近处的停车点,排除上述特殊停车情况对提取车辆起讫信息的干扰,使车辆起讫信息提取结果更加准确。
得到所述第二轨迹点后,进入步骤S50。
步骤S50,对所述第二轨迹点进行聚类,根据聚类结果得到所述车辆的起讫信息。
在本实施例中,可选地,采用DBSCAN(Density-Based Spatial Clustering ofApplications with Noise)聚类算法对所述第二轨迹点进行聚类。设定最小轨迹点数目阈值,聚类后得到多个簇,对每个簇进行标定,按照时间顺序对集合S2中的第二轨迹点进行排序,根据所述第二轨迹点与簇之间的对应关系确定各第二轨迹点对应的簇。对所述第二轨迹点进行聚类的具体过程如下。
步骤一,对所述集合S2中的第二轨迹点随机初始化若干核心对象集合簇数量k=0,未访问样本集合Γ=S2,簇划分集
步骤二,找出集合S2中按照时间排序后的第二轨迹点的核心。通过距离度量方式,找到样本xj的∈-邻域子样本集N∈(xj),其中,xj为排序后的第j个第二轨迹点,j=1,2,…,m(m为所述第二轨迹点的总数)。若子样本集中的样本个数num(N∈(xj))大于等于预设的最小个数阈值MinPts,则将样本xj加入核心对象样本集合Ω=Ω∪{xj}。
步骤三,若核心对象样本集合则聚类结束。否则,在核心对象样本集合Ω中随机选择一个核心对象o,初始化当前簇核心对象队列Ωcur={o},簇序号k=k+1,当前簇Ck={o},并更新未访问样本集合Γ=S2-{o}。
步骤四,在当前簇核心对象队列Ωcur中取出另一个核心对象o′,根据邻域距离阈值∈找出所有的∈-邻域子样本集N∈(o′),令o′中的第二轨迹点与未访问集合的交集Δ=N∈(o′)∩Γ,更新当前簇样本集合Ck=Ck∪Δ,并转入步骤五。
步骤五,若当前簇核心对象队列则当前簇Ck生成完毕,更新簇划分集C={C1,C2,...,Ck},更新核心对象集合Ω=Ω-Ck,并转入步骤三。
聚类结束后,输出聚类结果为簇划分集C={C1,C2,...,Ck}。按照时间顺序排序后的第二轨迹点与所述簇划分集中的簇具有对应关系,其中,每个簇均对应至少一个第二轨迹点,每个第二轨迹点对应唯一簇,示例如图6。
需要说明的是,本申请对所述第二轨迹点进行聚类的步骤还可以采用除DBSCAN聚类算法以外的其他聚类算法。例如在DBSCAN算法的基础上引入核心距离和可达距离心两个概念的OPTICS聚类算法、对k-mean聚类推广以得到全局最优划分的DENCLUE聚类算法、在k-均值算法的基础上,增加对聚类结果的“合并”和“分裂”两个操作,并设定算法运行控制参数的ISODATA聚类算法等。
请参照图7,在本实施例步骤S50中,根据上述聚类结果得到所述车辆的起讫信息的步骤包括以下子步骤。
子步骤S51,根据所述聚类结果得到由所述第二轨迹点组成的轨迹段。
当所述第二轨迹点所属簇Ck≠Ck+1时,将所述第二轨迹点划分到不同的轨迹段,得到轨迹段集合P={P1,P2,…,Pr,…,Pn},其中r为轨迹段编号,r=1,2,…,n,n为轨迹段的总数。例如,请参照图6,与簇C1对应的第二轨迹点1、2、3组成一轨迹段,与簇C2对应的第二轨迹点4、5、6组成另一轨迹段等。
子步骤S52,根据所述轨迹段得到所述车辆的起讫点。
在本实施例中,作为一种可选的实施方式,可以采用同一轨迹段Pr内的全部第二轨迹点的经纬度平均值来表示与该轨迹段对应的车辆起讫点,其中为与第k个簇对应的第r个轨迹段Pr中的第二轨迹点的平均经度,为与第k个簇对应的第r个轨迹段Pr中的第二轨迹点的平均纬度。
子步骤S53,根据所述起讫点得到所述车辆的起讫信息。
在本实施例中,根据得到的全部起讫点,可以得到车辆的起讫轨迹为P1→P2→…→Pn-1→Pn,从而得到所述车辆的全部起讫对P1→P2;P2→P3;…;Pn-2→Pn-1;Pn-1→Pn。作为一种可选的实施方式,所述车辆的起讫信息可以OD矩阵来表示。
请参照图8,图8是图1中所示的起讫信息提取装置20的功能模块示意图。可以理解的是,所述起讫信息提取装置20各功能模块的具体功能在上述方法步骤实施例中已经详细阐述过,下面仅对所述起讫信息提取装置20的功能模块作简要介绍。
处理模块21,用于对车辆原始轨迹数据进行处理,得到车辆的轨迹点。
在本实施例中,所述处理模块21具体用于:
将所述车辆原始轨迹数据对应的原始轨迹点所在的区域划分为多个分块,统计各分块中的轨迹点数量;
判断各分块中的轨迹点数量是否低于预设的轨迹点数量阈值,若该分块中的轨迹点数量低于所述轨迹点数量阈值,则将该分块中的轨迹点删除;
将所述区域中未被删除的轨迹点分别按照对应的车辆标识进行存储。
筛选模块22,用于根据所述轨迹点的速度从所述轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点。
在本实施例中,所述筛选模块22具体用于:计算所述轨迹点在与该轨迹点相邻的两个轨迹点之间的轨迹段中的匀速度,从所述轨迹点中筛选出匀速度低于所述速度阈值的第一轨迹点。
比对判断模块23,用于将所述第一轨迹点的位置信息与路网数据进行比对,根据得到的比对结果判断所述第一轨迹点是否位于所述路网数据中所包含的任意一条道路上。
在本实施例中,所述比对判断模块23具体用于:
根据所述路网数据将路网划分为多个网格,统计各网格中的道路信息;
根据所述第一轨迹点的位置信息将所述第一轨迹点与所述多个网格进行匹配,确定所述第一轨迹点所在的第一网格及与所述第一网格邻接的第二网格;
将所述第一轨迹点的位置信息与所述第一网格及第二网格中的道路信息进行比对,判断所述第一轨迹点与所述第一网格及第二网格中的道路之间的距离是否大于预设的距离阈值,以判断所述第一轨迹点是否位于所述第一网格及第二网格中的任意道路上。
所述筛选模块22还用于根据得到的判断结果从所述第一轨迹点中筛选出不在道路上的第二轨迹点。
聚类模块24,用于对所述第二轨迹点进行聚类,根据聚类结果得到所述车辆的起讫信息。
在本实施例中,所述聚类模块24具体用于:
根据所述聚类结果得到由所述第二轨迹点组成的轨迹段;
根据所述轨迹段得到所述车辆的起讫点;
根据所述起讫点得到所述车辆的起讫信息。
综上所述,本申请实施例提供的起讫信息提取方法及装置,通过对车辆原始轨迹数据进行处理得到车辆轨迹点,从车辆轨迹点中筛选出速度低于速度阈值的第一轨迹点,将第一轨迹点视作车辆行驶过程中的停车点,根据停车点来提取车辆起讫点的方式相比根据站点、载客等信息提取车辆起讫点的方式更加准确可靠,并且可以适用于各种类型的车辆轨迹数据,避免了车辆类型对起讫信息提取的限制。本申请还将第一轨迹点与路网数据进行比对,得到不在道路上的第二轨迹点,排除了车辆在道路上堵车、加油等行为对起讫点提取造成的干扰,提高轨迹信息提取的准确性。本申请还采用聚类算法进一步排除车辆在行驶过程中偶尔停靠的轨迹点等噪音数据,进一步提高了轨迹信息提取的准确性,根据聚类结果能够高效、精准地获取到车辆的起讫信息。
在本申请所提供的实施例中,应当理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
如果上述方法步骤的功能以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以以使得一台计算机设备(可以是个人计算机、电子设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示所指代内容的相对重要性。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种起讫信息提取方法,其特征在于,所述方法包括:
对车辆原始轨迹数据进行处理,得到车辆的轨迹点;
根据所述轨迹点的速度从所述轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点;
将所述第一轨迹点的位置信息与路网数据进行比对,根据得到的比对结果判断所述第一轨迹点是否位于所述路网数据中所包含的任意一条道路上;
根据得到的判断结果从所述第一轨迹点中筛选出不在道路上的第二轨迹点;
对所述第二轨迹点进行聚类,根据聚类结果得到所述车辆的起讫信息。
2.如权利要求1所述的起讫信息提取方法,其特征在于,对车辆原始轨迹数据进行处理,得到车辆的轨迹点,包括:
将所述车辆原始轨迹数据对应的原始轨迹点所在的区域划分为多个分块,统计各分块中的轨迹点数量;
判断各分块中的轨迹点数量是否低于预设的轨迹点数量阈值,若该分块中的轨迹点数量低于所述轨迹点数量阈值,则将该分块中的轨迹点删除;
将所述区域中未被删除的轨迹点分别按照对应的车辆标识进行存储。
3.如权利要求2所述的起讫信息提取方法,其特征在于,根据所述轨迹点的速度从所述轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点,包括:
计算所述轨迹点在与该轨迹点相邻的两个轨迹点之间的轨迹段中的匀速度,从所述轨迹点中筛选出匀速度低于所述速度阈值的第一轨迹点。
4.如权利要求3所述的起讫信息提取方法,其特征在于,将所述第一轨迹点的位置信息与路网数据进行比对,根据得到的比对结果判断所述第一轨迹点是否位于所述路网数据中所包含的任意一条道路上,包括:
根据所述路网数据将路网划分为多个网格,统计各网格中的道路信息;
根据所述第一轨迹点的位置信息将所述第一轨迹点与所述多个网格进行匹配,确定所述第一轨迹点所在的第一网格及与所述第一网格邻接的第二网格;
将所述第一轨迹点的位置信息与所述第一网格及第二网格中的道路信息进行比对,判断所述第一轨迹点与所述第一网格及第二网格中的道路之间的距离是否大于预设的距离阈值,以判断所述第一轨迹点是否位于所述第一网格及第二网格中的任意道路上。
5.如权利要求4所述的起讫信息提取方法,其特征在于,根据聚类结果得到所述车辆的起讫信息,包括:
根据所述聚类结果得到由所述第二轨迹点组成的轨迹段;
根据所述轨迹段得到所述车辆的起讫点;
根据所述起讫点得到所述车辆的起讫信息。
6.一种起讫信息提取装置,其特征在于,所述装置包括:
处理模块,用于对车辆原始轨迹数据进行处理,得到车辆的轨迹点;
筛选模块,用于根据所述轨迹点的速度从所述轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点;
比对判断模块,用于将所述第一轨迹点的位置信息与路网数据进行比对,根据得到的比对结果判断所述第一轨迹点是否位于所述路网数据中所包含的任意一条道路上;
所述筛选模块还用于根据得到的判断结果从所述第一轨迹点中筛选出不在道路上的第二轨迹点;
聚类模块,用于对所述第二轨迹点进行聚类,根据聚类结果得到所述车辆的起讫信息。
7.如权利要求6所述的起讫信息提取装置,其特征在于,所述处理模块具体用于:
将所述车辆原始轨迹数据对应的原始轨迹点所在的区域划分为多个分块,统计各分块中的轨迹点数量;
判断各分块中的轨迹点数量是否低于预设的轨迹点数量阈值,若该分块中的轨迹点数量低于所述轨迹点数量阈值,则将该分块中的轨迹点删除;
将所述区域中未被删除的轨迹点分别按照对应的车辆标识进行存储。
8.如权利要求7所述的起讫信息提取装置,其特征在于,当用于根据所述轨迹点的速度从所述轨迹点中筛选出速度低于预设的速度阈值的第一轨迹点时,所述筛选模块具体用于:
计算所述轨迹点在与该轨迹点相邻的两个轨迹点之间的轨迹段中的匀速度,从所述轨迹点中筛选出匀速度低于所述速度阈值的第一轨迹点。
9.如权利要求8所述的起讫信息提取装置,其特征在于,所述比对判断模块具体用于:
根据所述路网数据将路网划分为多个网格,统计各网格中的道路信息;
根据所述第一轨迹点的位置信息将所述第一轨迹点与所述多个网格进行匹配,确定所述第一轨迹点所在的第一网格及与所述第一网格邻接的第二网格;
将所述第一轨迹点的位置信息与所述第一网格及第二网格中的道路信息进行比对,判断所述第一轨迹点与所述第一网格及第二网格中的道路之间的距离是否大于预设的距离阈值,以判断所述第一轨迹点是否位于所述第一网格及第二网格中的任意道路上。
10.如权利要求9所述的起讫信息提取装置,其特征在于,所述聚类模块具体用于:
根据所述聚类结果得到由所述第二轨迹点组成的轨迹段;
根据所述轨迹段得到所述车辆的起讫点;
根据所述起讫点得到所述车辆的起讫信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910423776.7A CN110222131A (zh) | 2019-05-21 | 2019-05-21 | 起讫信息提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910423776.7A CN110222131A (zh) | 2019-05-21 | 2019-05-21 | 起讫信息提取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110222131A true CN110222131A (zh) | 2019-09-10 |
Family
ID=67821419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910423776.7A Pending CN110222131A (zh) | 2019-05-21 | 2019-05-21 | 起讫信息提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110222131A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555992A (zh) * | 2019-09-11 | 2019-12-10 | 中国矿业大学(北京) | 一种基于gps轨迹数据的出租车行驶路径信息提取方法 |
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 |
CN111179589A (zh) * | 2019-12-06 | 2020-05-19 | 北京中交兴路信息科技有限公司 | 车辆od预测的方法、装置、设备及存储介质 |
CN111243318A (zh) * | 2020-01-14 | 2020-06-05 | 武汉元光科技有限公司 | 公交中途站点位置检测方法及系统 |
CN111582317A (zh) * | 2020-04-15 | 2020-08-25 | 扬州哈工科创机器人研究院有限公司 | 一种道路定位方法及装置 |
CN111735461A (zh) * | 2020-06-10 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 行驶轨迹的处理方法、装置及电子设备 |
CN111831767A (zh) * | 2020-04-13 | 2020-10-27 | 苏州清研捷运信息科技有限公司 | 一种利用车辆轨迹数据生成导航经验路线的方法 |
CN111899327A (zh) * | 2020-07-07 | 2020-11-06 | 北京三快在线科技有限公司 | 轨迹点数据优化方法、装置、电子设备和存储介质 |
CN111930867A (zh) * | 2020-08-09 | 2020-11-13 | 武汉中海庭数据技术有限公司 | 一种基于原始轨迹生成停止线的方法及系统 |
CN112382083A (zh) * | 2020-10-13 | 2021-02-19 | 厦门市交通研究中心 | 一种基于gps数据的货运交通od分析方法、装置及设备 |
CN112529086A (zh) * | 2020-12-17 | 2021-03-19 | 武汉中海庭数据技术有限公司 | 停止线生成方法、电子装置和存储介质 |
CN112712696A (zh) * | 2020-12-30 | 2021-04-27 | 北京嘀嘀无限科技发展有限公司 | 确定发生违章停车的路段方法和装置 |
CN112835080A (zh) * | 2021-01-21 | 2021-05-25 | 成都路行通信息技术有限公司 | 车辆静止状态的轨迹修复方法、装置及电子设备 |
CN113468282A (zh) * | 2021-05-28 | 2021-10-01 | 深圳市跨越新科技有限公司 | 货车场地轨迹的构建方法、装置、终端及存储介质 |
CN113792085A (zh) * | 2021-08-16 | 2021-12-14 | 天津布尔科技有限公司 | 一种高污染车辆经常行驶路段监控方法、装置及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147260A (zh) * | 2010-02-09 | 2011-08-10 | 日电(中国)有限公司 | 电子地图匹配方法和装置 |
US20130022234A1 (en) * | 2011-07-22 | 2013-01-24 | Honeywell International Inc. | Object tracking |
CN103593430A (zh) * | 2013-11-11 | 2014-02-19 | 胡宝清 | 一种基于移动对象时空信息轨迹分段聚类的方法 |
CN104636443A (zh) * | 2015-01-12 | 2015-05-20 | 北京中交兴路车联网科技有限公司 | 一种基于货车轨迹挖掘poi潜在信息的基础数据模型 |
CN105258704A (zh) * | 2014-06-16 | 2016-01-20 | 中国科学院沈阳自动化研究所 | 基于快速路网建模的多尺度时空热点路径探测方法 |
CN105989062A (zh) * | 2015-02-04 | 2016-10-05 | 南京乐行天下智能科技有限公司 | 一种基于电动车出行轨迹特征的定义方法和数据挖掘技术 |
CN107121690A (zh) * | 2017-03-31 | 2017-09-01 | 景致惠通工程咨询(武汉)有限公司 | 一种基于多运动参数的停留点识别方法和装置 |
CN108596381A (zh) * | 2018-04-18 | 2018-09-28 | 北京交通大学 | 基于od数据的城市停车需求预测方法 |
CN109215347A (zh) * | 2018-10-22 | 2019-01-15 | 北京航空航天大学 | 一种基于众包轨迹数据的交通数据质量控制方法 |
CN109241138A (zh) * | 2018-08-30 | 2019-01-18 | 跨越速运集团有限公司 | 一种移动轨迹构建方法及装置 |
CN109257694A (zh) * | 2018-08-23 | 2019-01-22 | 东南大学 | 一种基于rfid数据的车辆od矩阵划分方法 |
-
2019
- 2019-05-21 CN CN201910423776.7A patent/CN110222131A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147260A (zh) * | 2010-02-09 | 2011-08-10 | 日电(中国)有限公司 | 电子地图匹配方法和装置 |
US20130022234A1 (en) * | 2011-07-22 | 2013-01-24 | Honeywell International Inc. | Object tracking |
CN103593430A (zh) * | 2013-11-11 | 2014-02-19 | 胡宝清 | 一种基于移动对象时空信息轨迹分段聚类的方法 |
CN105258704A (zh) * | 2014-06-16 | 2016-01-20 | 中国科学院沈阳自动化研究所 | 基于快速路网建模的多尺度时空热点路径探测方法 |
CN104636443A (zh) * | 2015-01-12 | 2015-05-20 | 北京中交兴路车联网科技有限公司 | 一种基于货车轨迹挖掘poi潜在信息的基础数据模型 |
CN105989062A (zh) * | 2015-02-04 | 2016-10-05 | 南京乐行天下智能科技有限公司 | 一种基于电动车出行轨迹特征的定义方法和数据挖掘技术 |
CN107121690A (zh) * | 2017-03-31 | 2017-09-01 | 景致惠通工程咨询(武汉)有限公司 | 一种基于多运动参数的停留点识别方法和装置 |
CN108596381A (zh) * | 2018-04-18 | 2018-09-28 | 北京交通大学 | 基于od数据的城市停车需求预测方法 |
CN109257694A (zh) * | 2018-08-23 | 2019-01-22 | 东南大学 | 一种基于rfid数据的车辆od矩阵划分方法 |
CN109241138A (zh) * | 2018-08-30 | 2019-01-18 | 跨越速运集团有限公司 | 一种移动轨迹构建方法及装置 |
CN109215347A (zh) * | 2018-10-22 | 2019-01-15 | 北京航空航天大学 | 一种基于众包轨迹数据的交通数据质量控制方法 |
Non-Patent Citations (2)
Title |
---|
YAN XU, ET AL.: "Train routing and timetabling problem for heterogeneous train", 《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》 * |
马金麟,等: "基于车牌识别数据的车辆OD 矩阵获取研究", 《重庆理工大学学报(自然科学)》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555992B (zh) * | 2019-09-11 | 2021-05-28 | 中国矿业大学(北京) | 一种基于gps轨迹数据的出租车行驶路径信息提取方法 |
CN110555992A (zh) * | 2019-09-11 | 2019-12-10 | 中国矿业大学(北京) | 一种基于gps轨迹数据的出租车行驶路径信息提取方法 |
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 |
CN111179589A (zh) * | 2019-12-06 | 2020-05-19 | 北京中交兴路信息科技有限公司 | 车辆od预测的方法、装置、设备及存储介质 |
CN111243318A (zh) * | 2020-01-14 | 2020-06-05 | 武汉元光科技有限公司 | 公交中途站点位置检测方法及系统 |
CN111831767A (zh) * | 2020-04-13 | 2020-10-27 | 苏州清研捷运信息科技有限公司 | 一种利用车辆轨迹数据生成导航经验路线的方法 |
CN111582317A (zh) * | 2020-04-15 | 2020-08-25 | 扬州哈工科创机器人研究院有限公司 | 一种道路定位方法及装置 |
CN111735461A (zh) * | 2020-06-10 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 行驶轨迹的处理方法、装置及电子设备 |
CN111735461B (zh) * | 2020-06-10 | 2023-11-17 | 腾讯科技(深圳)有限公司 | 行驶轨迹的处理方法、装置及电子设备 |
CN111899327A (zh) * | 2020-07-07 | 2020-11-06 | 北京三快在线科技有限公司 | 轨迹点数据优化方法、装置、电子设备和存储介质 |
CN111930867A (zh) * | 2020-08-09 | 2020-11-13 | 武汉中海庭数据技术有限公司 | 一种基于原始轨迹生成停止线的方法及系统 |
CN112382083A (zh) * | 2020-10-13 | 2021-02-19 | 厦门市交通研究中心 | 一种基于gps数据的货运交通od分析方法、装置及设备 |
CN112529086A (zh) * | 2020-12-17 | 2021-03-19 | 武汉中海庭数据技术有限公司 | 停止线生成方法、电子装置和存储介质 |
CN112529086B (zh) * | 2020-12-17 | 2022-08-09 | 武汉中海庭数据技术有限公司 | 停止线生成方法、电子装置和存储介质 |
CN112712696A (zh) * | 2020-12-30 | 2021-04-27 | 北京嘀嘀无限科技发展有限公司 | 确定发生违章停车的路段方法和装置 |
CN112835080A (zh) * | 2021-01-21 | 2021-05-25 | 成都路行通信息技术有限公司 | 车辆静止状态的轨迹修复方法、装置及电子设备 |
CN112835080B (zh) * | 2021-01-21 | 2024-03-19 | 成都路行通信息技术有限公司 | 车辆静止状态的轨迹修复方法、装置及电子设备 |
CN113468282A (zh) * | 2021-05-28 | 2021-10-01 | 深圳市跨越新科技有限公司 | 货车场地轨迹的构建方法、装置、终端及存储介质 |
CN113792085A (zh) * | 2021-08-16 | 2021-12-14 | 天津布尔科技有限公司 | 一种高污染车辆经常行驶路段监控方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222131A (zh) | 起讫信息提取方法及装置 | |
CN112700072B (zh) | 交通状况预测方法、电子设备和存储介质 | |
Ahmed et al. | The viability of using automatic vehicle identification data for real-time crash prediction | |
DE60319993T2 (de) | Vorrichtung und verfahren zur verkehrsinformationsbereitstellung | |
CN109754594A (zh) | 一种路况信息获取方法及其设备、存储介质、终端 | |
CN102385799B (zh) | 交通状态预测装置 | |
CN112837542B (zh) | 一种高速公路段交通量统计方法、装置、存储介质及终端 | |
CN111915893B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
CN110728759B (zh) | 一种etc门架交易成功率检测方法、装置、计算设备和介质 | |
CN106251628B (zh) | 一种确定机动车的交通出行量的方法及装置 | |
Pinjari et al. | Using truck fleet data in combination with other data sources for freight modeling and planning. | |
CN114973659A (zh) | 一种高速公路的间接事件检测的方法、装置及系统 | |
CN113808414B (zh) | 道路荷载确定方法、装置及存储介质 | |
CN110986992A (zh) | 无人售卖车辆的导航方法、装置、电子设备和存储介质 | |
CN110021161A (zh) | 一种交通流向的预测方法及系统 | |
Kurkcu et al. | Data visualization tool for monitoring transit operation and performance | |
CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
EP2811467B1 (de) | Verfahren und Einrichtungen zur Fehlererkennung in einem Mautsystem | |
Thakali et al. | Model-based versus data-driven approach for road safety analysis: Do more data help? | |
CN101620783A (zh) | 交通信息系统及交通信息处理方法 | |
Zhang et al. | Methods to Analyze and Predict Interstate Travel Time Reliability | |
CN114234995A (zh) | 一种导航方法、装置、电子设备及存储介质 | |
CN114707567A (zh) | 轨迹分类方法、轨迹分类模型训练方法及计算机程序产品 | |
JP2002342879A (ja) | 交通情報処理方法及び交通情報処理システム | |
Schneider et al. | Traveller information service based on real-time toll data in Austria |
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 |