CN110232816A - 交通排放的计算方法、计算装置及终端 - Google Patents
交通排放的计算方法、计算装置及终端 Download PDFInfo
- Publication number
- CN110232816A CN110232816A CN201811417977.8A CN201811417977A CN110232816A CN 110232816 A CN110232816 A CN 110232816A CN 201811417977 A CN201811417977 A CN 201811417977A CN 110232816 A CN110232816 A CN 110232816A
- Authority
- CN
- China
- Prior art keywords
- traffic
- section
- emission
- vehicle
- vehicles
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 26
- 230000004087 circulation Effects 0.000 claims abstract description 52
- 238000004590 computer program Methods 0.000 claims description 21
- 230000001133 acceleration Effects 0.000 claims description 16
- 230000004927 fusion Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 12
- 239000000284 extract Substances 0.000 description 11
- 238000007667 floating Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- PBJBVIHLBRYRQC-UHFFFAOYSA-N 1-o-[2-(diethylamino)ethyl] 3-o-ethyl 2-methyl-2-phenylpropanedioate Chemical compound CCN(CC)CCOC(=O)C(C)(C(=O)OCC)C1=CC=CC=C1 PBJBVIHLBRYRQC-UHFFFAOYSA-N 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Primary Health Care (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明适用于环境监测技术领域,提供了一种交通排放的计算方法、计算装置及终端,所述计算方法包括:获取目标区域中各路段的车辆运行数据,其中,所述车辆运行数据包括多种不同类型的车辆的运行数据;基于所述车辆运行数据,提取所述目标区域中各路段的交通运行特征,其中,所述交通运行特征包括所述目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度;基于所述交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放。本发明能够无需布设检测交通排放的硬件设备,能够利用城市区域的车辆运行数据以及不同类型的车辆的排放因子实现交通排放计算,实现成本低且计算结果全面。
Description
技术领域
本发明属于环境监测技术领域,尤其涉及一种交通排放的计算方法、计算装置、终端及计算机可读存储介质。
背景技术
目前,随着我国工业化、城镇化的深入推进,能源资源消耗持续增加,大气污染防治压力继续加大,以可吸入颗粒物PM10、细颗粒物PM2.5为特征污染物的区域性大气环境问题日益突出,成为各级政府和社会各界高度关注的民生问题。国内外先进城市的经验表明,定量化分析重大交通政策的减排效果,是制定、评估、宣传和实施各类交通政策的普遍做法和有力抓手,有利于争取市民的理解,取得保护环境、缓解拥堵的双重效果。
然而,现有的城市道路交通排放主要依靠布设硬件设备进行检测,一个硬件设备同时仅能检测一个地点的交通排放。如果需要大范围、全方位的对城市道路交通排放进行实时监测,则硬件设备的布设成本会很大。若只在个别关键地点进行布设,则难以全面获取城市区域中全路段的交通排放情况。
发明内容
有鉴于此,本发明实施例提供了一种交通排放的计算方法、计算装置、终端及计算机可读存储介质,以解决现有技术中依靠布设硬件设备检测交通排放成本高且检测结果不够全面的问题。
本发明实施例的第一方面提供了一种交通排放的计算方法,所述计算方法包括:
获取目标区域中各路段的车辆运行数据,其中,所述车辆运行数据包括多种不同类型的车辆的运行数据;
基于所述车辆运行数据,提取所述目标区域中各路段的交通运行特征,其中,所述交通运行特征包括所述目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度;
基于所述交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放。
本发明实施例的第二方面提供了一种交通排放的计算装置,所述计算装置包括:
车辆运行数据获取单元,用于获取目标区域中各路段的车辆运行数据,其中,所述车辆运行数据包括多种不同类型的车辆的运行数据;
交通运行特征提取单元,用于基于车辆运行数据获取单元获取的车辆运行数据,提取所述目标区域中各路段的交通运行特征,其中,所述交通运行特征包括所述目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度;
交通排放计算单元,用于基于交通运行特征提取单元提取的交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放。
本发明实施例的第三方面提供了一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如任一项所述交通排放的计算方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如任一项所述交通排放的计算方法的步骤。
本发明与现有技术相比存在的有益效果是:
本发明通过获取目标区域中各路段的多种不同类型的车辆的运行数据,并提取所述目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度等交通运行特征;基于这些交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放;本发明无需布设检测交通排放的硬件设备,能够利用城市区域的车辆运行数据以及不同类型的车辆的排放因子,实现城市区域的交通排放计算,由于目前大部分城市区域的交通监测比较完善,可以获取到全面的车辆运行数据,故本发明计算交通排放的结果相应的也比较全面。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的交通排放的计算方法的实现流程图;
图2是本发明实施例提供的交通排放的计算装置的结构示意图;
图3是本发明实施例提供的终端的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
参见图1,其示出了本发明实施例提供的交通排放的计算方法的实现流程图,详述如下:
在步骤101中、获取目标区域中各路段的车辆运行数据,其中,所述车辆运行数据包括多种不同类型的车辆的运行数据;
在本发明实施例中,目标区域是指待计算车辆交通排放的一个区域,例如,目标区域可以为某城市区域。
在本发明实施例中,所述多种不同类型的车辆可以包括出租车、公交车、货车和两客一危车辆。其中,两客一危车辆是指从事旅游的包车、三类以上班线客车和运输危险化学品、烟花爆竹、民用爆炸物品的道路专用车辆。
在本发明实施例中,上述类型车辆均配置有卫星定位装置,例如GPS(GlobalPositioning System,全球定位系统),故基于车辆的GPS数据可以方便的获取到目标区域中各路段的车辆运行数据。
在本发明实施例中,上述的各路段是指对目标区域中的道路进行划分的多个路段,例如将目标区域中的道路划分为多个长度为1公里的路段。
在步骤102中、基于所述车辆运行数据,提取所述目标区域中各路段的交通运行特征。
在本发明实施例中,上述交通运行特征可以包括目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度;交通拥堵等级表示各路段上的车辆数量,车辆的流量表示各路段上单位时间内所经过的车辆数量。
在本发明实施例中,根据目标区域中各路段的车辆运行数据,可以确定各路段的交通拥堵等级,以及各类型车辆的流量和速度等交通运行特征。
可选的,为了更好的提升获取的交通运行特征的准确性和全面性,上述步骤102可以基于以下步骤实现:
步骤A1,对所述多种不同类型的车辆进行行驶轨迹匹配,得到所述多种不同类型的车辆在所述目标区域中的行驶轨迹。
在本发明实施例中,可以将车辆运行数据中的公交车、出租车、货车等GPS轨迹数据匹配到道路网络中,利用浮动车技术,形成各类型车辆的行驶轨迹。
浮动车(Floating Car Data)技术,也被称作“探测车(Probe car)”,是近年来国际智能交通系统中所采用的获取道路交通信息的先进技术手段之一。其基本原理是:如果在城市中部署足够数量的浮动车,并将这些浮动车的位置数据通过无线通讯系统定期、实时地传输到一个信息处理中心,由信息中心综合处理,就可以获得整个城市动态、实时的交通拥堵信息。
为更好地适应城市路网条件与浮动车的数据特点,优化基于浮动车GPS数据的最短路径搜索与路段行程车速算法。可以建立双层道路网络,地面道路(间断流)网络、高架道路(连续流)网络,获得中频GPS数据。根据最短路径搜索中采用虚节点法、先前追溯法和多路径优选法求的最短路径。通过路段投影获得虚节点后采用Dijkstra算法计算最短路径。
在投影虚节点有多种可能的情形下,基于虚节点最短路算法,选择的虚节点不同,匹配路径将不同,最终导致行程车速、各路段车速计算结果也不同,因此可以采用向前追溯优化起点最短路算法,向前追溯GPS点,直至追溯点有唯一虚节点,然后明确其最短路径,并沿此路径确定待匹配GPS的虚节点,最终获得准确的最短路;若投影虚节点可能在高架道路或地面道路,可以分别计算最短路径,优先选择阻抗最短的路径。
步骤A2,基于所述多种不同类型的车辆的行驶轨迹,对所述目标区域中各路段的车辆运行数据进行融合。
在本发明实施例中,为了提高数据的准确性,可以分别获取多种不同来源的车辆运行数据,并根据行驶轨迹进行融合。
示例性的,所述多种不同来源的车辆运行数据可以包括:来源于线圈、视频、微波、车辆电子标签等多种不同类型的交通检测器的数据,来源于GPS、互联网导航、手机信令的浮动车数据。
步骤A3,基于融合后的车辆运行数据,提取所述目标区域中各路段的交通运行特征。
可选的,上述步骤A2中,对所述目标区域中各路段的车辆运行数据进行融合可以基于以下步骤实现:
步骤A21,将所述多种不同来源的交通流数据进行数据级融合,得到第一融合数据。
在本发明实施例中,数据级融合可以包括将多种不同类型的交通检测器的数据进行融合,将浮动车互联网数据与检测器数据进行融合,将手机信令数据进行融合。
步骤A22,基于所述多种不同类型的车辆的行驶轨迹,获取所述目标区域中各路段的车辆的交通流量特征、行程车速特征、行程时间特征,并进行交通拥堵判别和突发事件识别。
步骤A23,基于所述交通流量特征、所述行程车速特征和所述行程时间特征对所述第一融合数据进行特征级融合,得到第二融合数据。
步骤A24,基于所述交通拥堵判别和突发事件识别的结果对所述第一融合数据进行状态级融合,得到第三融合数据。
相应的,上述步骤A3具体为:基于所述第一融合数据、所述第二融合数据以及所述第三融合数据,提取所述目标区域中各路段的交通运行特征。
在步骤103中、基于所述交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放。
在本发明实施例中,根据目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度等交通运行特征,以及,预设的不同类型的车辆的排放因子,可以计算目标区域的交通排放。
上述预设的所述多种不同类型的车辆的排放因子可以根据欧洲交通排放手册(HBEFA)的排放模型来得到。为了提高计算交通排放的精确性和更好的适应本地路段的实际路况,还可以基于欧洲交通排放手册(HBEFA)的排放模型,进行模拟计算本地排放因子,开发本地化行驶工况,利用客车和重型车排放模型(PHEM)建立标准化本地排放因子库,确定不同车型、不同行驶工况下本地化的排放因子。
可选的,上述预设的所述多种不同类型的车辆的排放因子可以基于以下步骤得到:计算所述多种不同类型的车辆的排放因子。
可选的,所述计算所述多种不同类型的车辆的排放因子可以基于以下步骤得到:
步骤B1,采集所述多种不同类型的车辆在所述目标区域中的各路段行驶的逐秒级的GPS数据。
步骤B2,基于所述GPS数据,提取所述多种不同类型的车辆在不同道路等级、不同交通拥堵状态下的行驶数据,其中,所述行驶数据包括车辆瞬时速度、辆瞬时加速度、车辆行驶距离和车辆行驶时长。
在本发明实施例中,可以采集小汽车、公交车、货车逐秒级的GPS数据,根据地图匹配与数据处理,提取小汽车、公交车、货车在不同道路等级、不同交通拥堵状态下的工况GPS数据,用于排放因子匹配计算。
步骤B3,基于所述行驶数据,利用第一公式计算相对正加速度参数;
在本发明实施例中,根据切分的工况GPS数据片段,根据运行速度、道路等级和拥堵等级切分各状态下的单元特征值,对平均车速和停车时间比例进行计算相对正加速度参数。
步骤B4,基于所述相对正加速度参数,利用第二公式计算所述多种不同类型的车辆的行驶工况;
步骤B5,基于所述行驶工况计算所述多种不同类型的车辆的排放因子;
其中,所述第一公式为:
其中,所述第二公式为:
EFi,j=RPAi,j/v
其中,i表示路段,j表示车型,RPAi,j表示相对正加速度参数,vi表示车辆瞬时速度,表示车辆瞬时加速度,T表示车辆行驶时长,x表示车辆行驶距离,v表示车辆行驶的平均速度,EFi,j表示j车型在路段i的排放因子。
在本发明实施例中,选取计算各单元特征值聚合中心值(RPAi,j/v)作为j车型在路段i的行驶工况。
可选的,上述步骤103可以基于以下步骤实现:基于以下第三公式,计算所述目标区域中单个路段单类车型的交通排放,其中,所述第三公式为
Eij=VKTi×αij×EFi,j
其中,Eij表示路段i的第j类车型的交通排放,VKTi表示路段i的自然车公里数,αij表示第j类车型占路段i的所有自然车的数量比例,EFi,j表示j车型在路段i的排放因子。
可选的,在上述步骤103中,计算所述目标区域中单个路段单类车型的交通排放之后,还可以包括:
基于所述单个路段的各单类车型的交通排放,得到该路段的所有车型的交通排放;
在本发明实施例中,对单个路段的各单类车型的交通排放进行求和计算,可以得到该路段的所有车型的交通排放。
基于各个路段的所有车型的交通排放,得到所述目标区域中所有路段所有车型的交通排放。
在本发明实施例中,对目标区域中各个路段的所有车型的交通排放进行求和计算,可以得到所述目标区域中所有路段所有车型的交通排放。
由上可知,本发明通过获取目标区域中各路段的多种不同类型的车辆的运行数据,并提取所述目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度等交通运行特征;基于这些交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放;本发明无需布设检测交通排放的硬件设备,能够利用城市区域的车辆运行数据以及不同类型的车辆的排放因子,实现城市区域的交通排放计算,由于目前大部分城市区域的交通监测比较完善,可以获取到全面的车辆运行数据,故本发明计算交通排放的结果相应的也比较全面。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图2示出了本发明实施例提供的交通排放的计算装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图2所示,交通排放的计算装置2包括:车辆运行数据获取单元21,交通运行特征提取单元22和交通排放计算单元23。
车辆运行数据获取单元21,用于获取目标区域中各路段的车辆运行数据,其中,所述车辆运行数据包括多种不同类型的车辆的运行数据;
交通运行特征提取单元22,用于基于车辆运行数据获取单元21获取的车辆运行数据,提取所述目标区域中各路段的交通运行特征,其中,所述交通运行特征包括所述目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度;
交通排放计算单元23,用于基于交通运行特征提取单元22提取的交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放。
可选的,交通排放的计算装置2还包括:
行驶轨迹匹配单元,用于对所述多种不同类型的车辆进行行驶轨迹匹配,得到所述多种不同类型的车辆在所述目标区域中的行驶轨迹;
数据融合单元,用于基于所述多种不同类型的车辆的行驶轨迹,对所述目标区域中各路段的车辆运行数据进行融合;
交通运行特征提取单元22具体用于,基于数据融合单元融合后的车辆运行数据,提取所述目标区域中各路段的交通运行特征。
可选的,交通排放的计算装置2还包括:
第一融合单元,用于将所述多种不同来源的交通流数据进行数据级融合,得到第一融合数据;
特征信息获取单元,用于基于所述多种不同类型的车辆的行驶轨迹,获取所述目标区域中各路段的车辆的交通流量特征、行程车速特征、行程时间特征,并进行交通拥堵判别和突发事件识别;
第二融合单元,用于基于所述交通流量特征、所述行程车速特征和所述行程时间特征对所述第一融合数据进行特征级融合,得到第二融合数据;
第三融合单元,用于基于所述交通拥堵判别和突发事件识别的结果对所述第一融合数据进行状态级融合,得到第三融合数据;
相应的,交通运行特征提取单元22具体还用于,基于所述第一融合数据、所述第二融合数据以及所述第三融合数据,提取所述目标区域中各路段的交通运行特征。
可选的,交通排放的计算装置2还包括:
排放因子计算单元,用于计算所述多种不同类型的车辆的排放因子。
可选的,交通排放的计算装置2还包括:
数据采集单元,用于采集所述多种不同类型的车辆在所述目标区域中的各路段行驶的逐秒级的GPS数据;
行驶数据提取单元,用于基于所述GPS数据,提取所述多种不同类型的车辆在不同道路等级、不同交通拥堵状态下的行驶数据,其中,所述行驶数据包括车辆瞬时速度、车辆瞬时加速度、车辆行驶距离和车辆行驶时长;
参数计算单元,用于基于所述行驶数据,利用第一公式计算相对正加速度参数;
行驶工况计算单元,用于基于所述相对正加速度参数,利用第二公式计算所述多种不同类型的车辆的行驶工况;
排放因子计算单元具体用于,基于所述行驶工况计算所述多种不同类型的车辆的排放因子;
其中,所述第一公式为:
其中,所述第二公式为:
EFi,j=RPAi,j/v
其中,i表示路段,j表示车型,RPAi,j表示相对正加速度参数,vi表示车辆瞬时速度,表示车辆瞬时加速度,T表示车辆行驶时长,x表示车辆行驶距离,v表示车辆行驶的平均速度,EFi,i表示j车型在路段i的排放因子。
可选的,交通排放计算单元23具体用于,基于以下第三公式,计算所述目标区域中单个路段单类车型的交通排放,其中,所述第三公式为
Eij=VKTi×αij×EFi,j
其中,Eij表示路段i的第j类车型的交通排放,VKTi表示路段i的自然车公里数,αij表示第j类车型占路段i的所有自然车的数量比例,EFi,j表示j车型在路段i的排放因子。
可选的,交通排放计算单元23具体还用于,基于所述单个路段的各单类车型的交通排放,得到该路段的所有车型的交通排放;和/或,基于各个路段的所有车型的交通排放,得到所述目标区域中所有路段所有车型的交通排放。
由上可知,本发明通过获取目标区域中各路段的多种不同类型的车辆的运行数据,并提取所述目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度等交通运行特征;基于这些交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放;本发明无需布设检测交通排放的硬件设备,能够利用城市区域的车辆运行数据以及不同类型的车辆的排放因子,实现城市区域的交通排放计算,由于目前大部分城市区域的交通监测比较完善,可以获取到全面的车辆运行数据,故本发明计算交通排放的结果相应的也比较全面。
图3是本发明一实施例提供的终端的示意图。如图3所示,该实施例的终端3包括:处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个交通排放的计算方法实施例中的步骤,例如图1所示的步骤101至步骤103。或者,所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能,例如图2所示单元21至23的功能。
示例性的,所述计算机程序32可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述处理器30执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序32在所述终端3中的执行过程。例如,所述计算机程序32可以被分割成车辆运行数据获取单元,交通运行特征提取单元和交通排放计算单元,各单元具体功能如下:
车辆运行数据获取单元,用于获取目标区域中各路段的车辆运行数据,其中,所述车辆运行数据包括多种不同类型的车辆的运行数据;
交通运行特征提取单元,用于基于车辆运行数据获取单元获取的车辆运行数据,提取所述目标区域中各路段的交通运行特征,其中,所述交通运行特征包括所述目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度;
交通排放计算单元,用于基于交通运行特征提取单元提取的交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放。
所述终端3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可包括,但不仅限于,处理器30、存储器31。本领域技术人员可以理解,图3仅仅是终端3的示例,并不构成对终端3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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31可以是所述终端3的内部存储单元,例如终端3的硬盘或内存。所述存储器31也可以是所述终端3的外部存储设备,例如所述终端3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述终端3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种交通排放的计算方法,其特征在于,所述计算方法包括:
获取目标区域中各路段的车辆运行数据,其中,所述车辆运行数据包括多种不同类型的车辆的运行数据;
基于所述车辆运行数据,提取所述目标区域中各路段的交通运行特征,其中,所述交通运行特征包括所述目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度;
基于所述交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放。
2.根据权利要求1所述的交通排放的计算方法,其特征在于,所述基于所述车辆运行数据,提取所述目标区域中各路段的交通运行特征包括:
对所述多种不同类型的车辆进行行驶轨迹匹配,得到所述多种不同类型的车辆在所述目标区域中的行驶轨迹;
基于所述多种不同类型的车辆的行驶轨迹,对所述目标区域中各路段的车辆运行数据进行融合;
基于融合后的车辆运行数据,提取所述目标区域中各路段的交通运行特征。
3.根据权利要求2所述的交通排放的计算方法,其特征在于,所述车辆运行数据包括多种不同来源的交通流数据;所述对所述目标区域中各路段的车辆运行数据进行融合包括:
将所述多种不同来源的交通流数据进行数据级融合,得到第一融合数据;
基于所述多种不同类型的车辆的行驶轨迹,获取所述目标区域中各路段的车辆的交通流量特征、行程车速特征、行程时间特征,并进行交通拥堵判别和突发事件识别;
基于所述交通流量特征、所述行程车速特征和所述行程时间特征对所述第一融合数据进行特征级融合,得到第二融合数据;
基于所述交通拥堵判别和突发事件识别的结果对所述第一融合数据进行状态级融合,得到第三融合数据;
相应的,所述基于融合后的车辆运行数据,提取所述目标区域中各路段的交通运行特征包括:
基于所述第一融合数据、所述第二融合数据以及所述第三融合数据,提取所述目标区域中各路段的交通运行特征。
4.根据权利要求1至3任一项所述的交通排放的计算方法,其特征在于,所述计算方法还包括:
计算所述多种不同类型的车辆的排放因子。
5.根据权利要求4所述的交通排放的计算方法,其特征在于,所述计算所述多种不同类型的车辆的排放因子包括:
采集所述多种不同类型的车辆在所述目标区域中的各路段行驶的逐秒级的GPS数据;
基于所述GPS数据,提取所述多种不同类型的车辆在不同道路等级、不同交通拥堵状态下的行驶数据,其中,所述行驶数据包括车辆瞬时速度、车辆瞬时加速度、车辆行驶距离和车辆行驶时长;
基于所述行驶数据,利用第一公式计算相对正加速度参数;
基于所述相对正加速度参数,利用第二公式计算所述多种不同类型的车辆的行驶工况;
基于所述行驶工况计算所述多种不同类型的车辆的排放因子;
其中,所述第一公式为:
其中,所述第二公式为:
EFi,j=RPAi,j/v
其中,i表示路段,j表示车型,RPAi,j表示相对正加速度参数,vi表示车辆瞬时速度,表示车辆瞬时加速度,T表示车辆行驶时长,x表示车辆行驶距离,v表示车辆行驶的平均速度,EFi,j表示j车型在路段i的排放因子。
6.根据权利要求1至3任一项所述的交通排放的计算方法,其特征在于,所述基于所述交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放包括:
基于以下第三公式,计算所述目标区域中单个路段单类车型的交通排放,其中,所述第三公式为
Eij=VKTi×αij×EFi,j
其中,Eij表示路段i的第j类车型的交通排放,VKTi表示路段i的自然车公里数,αij表示第j类车型占路段i的所有自然车的数量比例,EFi,j表示j车型在路段i的排放因子。
7.根据权利要求6所述的交通排放的计算方法,其特征在于,在计算所述目标区域中单个路段单类车型的交通排放之后,所述计算方法还包括:
基于所述单个路段的各单类车型的交通排放,得到该路段的所有车型的交通排放;
基于各个路段的所有车型的交通排放,得到所述目标区域中所有路段所有车型的交通排放。
8.一种交通排放的计算装置,其特征在于,所述计算装置包括:
车辆运行数据获取单元,用于获取目标区域中各路段的车辆运行数据,其中,所述车辆运行数据包括多种不同类型的车辆的运行数据;
交通运行特征提取单元,用于基于车辆运行数据获取单元获取的车辆运行数据,提取所述目标区域中各路段的交通运行特征,其中,所述交通运行特征包括所述目标区域中各路段的交通拥堵等级和所述多种不同类型的车辆的流量和速度;
交通排放计算单元,用于基于交通运行特征提取单元提取的交通运行特征以及预设的所述多种不同类型的车辆的排放因子,计算所述目标区域的交通排放。
9.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述交通排放的计算方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述交通排放的计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811417977.8A CN110232816A (zh) | 2018-11-26 | 2018-11-26 | 交通排放的计算方法、计算装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811417977.8A CN110232816A (zh) | 2018-11-26 | 2018-11-26 | 交通排放的计算方法、计算装置及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110232816A true CN110232816A (zh) | 2019-09-13 |
Family
ID=67861885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811417977.8A Pending CN110232816A (zh) | 2018-11-26 | 2018-11-26 | 交通排放的计算方法、计算装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110232816A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827540A (zh) * | 2019-11-04 | 2020-02-21 | 黄传明 | 一种多模态数据融合的机动车移动模式识别方法及系统 |
CN111477012A (zh) * | 2020-06-24 | 2020-07-31 | 平安国际智慧城市科技股份有限公司 | 基于路况状态预测模型的溯源方法、装置和计算机设备 |
CN111524344A (zh) * | 2020-03-25 | 2020-08-11 | 武汉纵横智慧城市股份有限公司 | 基于大数据的车辆排放监测方法、设备、存储介质及装置 |
CN111680936A (zh) * | 2020-08-12 | 2020-09-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通碳排放量的监测方法、装置及终端设备 |
CN112561410A (zh) * | 2021-02-26 | 2021-03-26 | 北京英视睿达科技有限公司 | 道路车辆的排放量确定方法、装置及电子设备 |
CN112614345A (zh) * | 2020-12-15 | 2021-04-06 | 平安国际智慧城市科技股份有限公司 | 车辆速度的计算方法、装置、设备及存储介质 |
CN113111860A (zh) * | 2021-05-12 | 2021-07-13 | 北京智城交建科技有限公司 | 道路移动源排放计算方法、装置、设备及介质 |
CN114510826A (zh) * | 2022-01-17 | 2022-05-17 | 中国科学院地理科学与资源研究所 | 车辆排放结构分解方法、装置、电子设备及存储介质 |
EP4075408A1 (fr) | 2021-04-14 | 2022-10-19 | IFP Energies nouvelles | Procédé de détermination de la quantité d'émission polluantes émises par un véhicule sur un brin d'un réseau routier |
CN117010667A (zh) * | 2023-09-27 | 2023-11-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通排放空间溯源方法、电子设备及存储介质 |
CN117112867A (zh) * | 2023-10-24 | 2023-11-24 | 四川国蓝中天环境科技集团有限公司 | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140032130A1 (en) * | 2012-07-30 | 2014-01-30 | Eric Berkobin | Methods and systems for mobile carbon dioxide monitoring |
CN106530692A (zh) * | 2016-10-25 | 2017-03-22 | 黑龙江省城市规划勘测设计研究院 | 一种基于交通拥堵评价指标的机动车油耗排放强度测算方法 |
CN108562442A (zh) * | 2018-04-16 | 2018-09-21 | 沃尔沃汽车公司 | 车辆实际行驶排放测试设备和方法 |
-
2018
- 2018-11-26 CN CN201811417977.8A patent/CN110232816A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140032130A1 (en) * | 2012-07-30 | 2014-01-30 | Eric Berkobin | Methods and systems for mobile carbon dioxide monitoring |
CN106530692A (zh) * | 2016-10-25 | 2017-03-22 | 黑龙江省城市规划勘测设计研究院 | 一种基于交通拥堵评价指标的机动车油耗排放强度测算方法 |
CN108562442A (zh) * | 2018-04-16 | 2018-09-21 | 沃尔沃汽车公司 | 车辆实际行驶排放测试设备和方法 |
Non-Patent Citations (4)
Title |
---|
何巍楠等: "基于HBEFA的城市交通温室气体排放模型—以北京本地化建模为例", 《交通运输系统工程与信息》 * |
唐克双等: "《基于多源数据融合的城市道路交通控制与管理》", 30 September 2015 * |
路尧: "中国轻型汽车行驶工况开发", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
陈蔚、段仲渊等: "城市动车能耗排放核算平台建设—以深圳市为例", 《城市交通》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827540B (zh) * | 2019-11-04 | 2021-03-12 | 黄传明 | 一种多模态数据融合的机动车移动模式识别方法及系统 |
CN110827540A (zh) * | 2019-11-04 | 2020-02-21 | 黄传明 | 一种多模态数据融合的机动车移动模式识别方法及系统 |
CN111524344A (zh) * | 2020-03-25 | 2020-08-11 | 武汉纵横智慧城市股份有限公司 | 基于大数据的车辆排放监测方法、设备、存储介质及装置 |
CN111477012A (zh) * | 2020-06-24 | 2020-07-31 | 平安国际智慧城市科技股份有限公司 | 基于路况状态预测模型的溯源方法、装置和计算机设备 |
CN111477012B (zh) * | 2020-06-24 | 2020-10-27 | 平安国际智慧城市科技股份有限公司 | 基于路况状态预测模型的溯源方法、装置和计算机设备 |
CN111680936A (zh) * | 2020-08-12 | 2020-09-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通碳排放量的监测方法、装置及终端设备 |
CN112614345A (zh) * | 2020-12-15 | 2021-04-06 | 平安国际智慧城市科技股份有限公司 | 车辆速度的计算方法、装置、设备及存储介质 |
CN112561410A (zh) * | 2021-02-26 | 2021-03-26 | 北京英视睿达科技有限公司 | 道路车辆的排放量确定方法、装置及电子设备 |
EP4075408A1 (fr) | 2021-04-14 | 2022-10-19 | IFP Energies nouvelles | Procédé de détermination de la quantité d'émission polluantes émises par un véhicule sur un brin d'un réseau routier |
FR3122011A1 (fr) | 2021-04-14 | 2022-10-21 | IFP Energies Nouvelles | Procédé de détermination de la quantité d’émissions polluantes émises par un véhicule sur un brin d’un réseau routier |
CN113111860A (zh) * | 2021-05-12 | 2021-07-13 | 北京智城交建科技有限公司 | 道路移动源排放计算方法、装置、设备及介质 |
CN113111860B (zh) * | 2021-05-12 | 2024-04-09 | 北京智城交建科技有限公司 | 道路移动源排放计算方法、装置、设备及介质 |
CN114510826A (zh) * | 2022-01-17 | 2022-05-17 | 中国科学院地理科学与资源研究所 | 车辆排放结构分解方法、装置、电子设备及存储介质 |
CN117010667A (zh) * | 2023-09-27 | 2023-11-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通排放空间溯源方法、电子设备及存储介质 |
CN117010667B (zh) * | 2023-09-27 | 2024-02-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通排放空间溯源方法、电子设备及存储介质 |
CN117112867A (zh) * | 2023-10-24 | 2023-11-24 | 四川国蓝中天环境科技集团有限公司 | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 |
CN117112867B (zh) * | 2023-10-24 | 2024-01-09 | 四川国蓝中天环境科技集团有限公司 | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232816A (zh) | 交通排放的计算方法、计算装置及终端 | |
Li et al. | Survey on artificial intelligence for vehicles | |
CN105426636B (zh) | 城市峡谷街道机动车污染物排放与扩散的实时估计方法 | |
CN104200649B (zh) | 基于预先申请的交通高峰期路线资源调度分配系统与方法 | |
CN107807542A (zh) | 自动驾驶仿真系统 | |
CN102496280B (zh) | 一种路况信息实时获取方法 | |
CN102183256B (zh) | 行进车队的地图匹配方法 | |
CN106878934A (zh) | 一种电子地图显示方法及装置 | |
CN105868787A (zh) | 基于工况识别和模糊能耗的电动汽车续驶里程估算方法 | |
CN105047001B (zh) | 实现车辆停车管控提醒的方法、车辆及移动终端 | |
CN109816977A (zh) | 一种数据驱动的交叉口信号控制评价系统 | |
CN106529608A (zh) | 一种机动车尾气遥测设备综合布点系统 | |
CN110688311A (zh) | 一种面向自动驾驶典型场景的测试用例管理方法和装置 | |
Aly et al. | Robust and ubiquitous smartphone-based lane detection | |
CN101465058A (zh) | 智能式动态路线诱导系统诱导单元决策方法 | |
CN111325986B (zh) | 异常停车监测方法、装置、电子设备以及存储介质 | |
Zheng et al. | Understanding citywide resident mobility using big data of electronic registration identification of vehicles | |
CN104580337A (zh) | 基于3g通讯技术的物联网全程监控的多目标优化计算方法 | |
CN103714694B (zh) | 城市交通信息接入处理系统 | |
Hou et al. | The effect of the dataset on evaluating urban traffic prediction | |
Xu et al. | Traffic congestion forecasting in shanghai based on multi-period hotspot clustering | |
CN114912689A (zh) | 基于地图网格索引和xgboost的超限车辆目的地预测方法及系统 | |
CN110516564A (zh) | 路面检测方法和装置 | |
CN103678925A (zh) | 基于辅助信源的航迹分类方法 | |
Lee et al. | A framework for detecting vehicle occupancy based on the occupant labeling method |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190913 |
|
RJ01 | Rejection of invention patent application after publication |