CN110491157A - 一种基于停车场数据和卡口数据的车辆关联方法 - Google Patents

一种基于停车场数据和卡口数据的车辆关联方法 Download PDF

Info

Publication number
CN110491157A
CN110491157A CN201910665657.2A CN201910665657A CN110491157A CN 110491157 A CN110491157 A CN 110491157A CN 201910665657 A CN201910665657 A CN 201910665657A CN 110491157 A CN110491157 A CN 110491157A
Authority
CN
China
Prior art keywords
vehicle
bayonet
data
parking
time
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
Application number
CN201910665657.2A
Other languages
English (en)
Other versions
CN110491157B (zh
Inventor
蔡铭
万伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
National Sun Yat Sen University
Original Assignee
National Sun Yat Sen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Sun Yat Sen University filed Critical National Sun Yat Sen University
Priority to CN201910665657.2A priority Critical patent/CN110491157B/zh
Publication of CN110491157A publication Critical patent/CN110491157A/zh
Application granted granted Critical
Publication of CN110491157B publication Critical patent/CN110491157B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/149—Traffic control systems for road vehicles indicating individual free spaces in parking areas coupled to means for restricting the access to the parking space, e.g. authorization, access barriers, indicative lights

Abstract

本发明提供一种基于停车场数据和卡口数据的车辆关联方法，该方法首先需要根据研究区域内卡口与停车场的分布情况筛选出合适的应用场景，接着通过导航软件获取应用场景内相应起讫点的行程时间分布，最后通过时间匹配算法以得到卡口数据中的车辆与停车场出入数据中车辆的对应关系，根据对应关系重构车辆的出行链。本发明充分考虑了卡口数据与停车场数据的特点，对采用不同标识符的车辆数据进行关联，使之能够还原出车辆的完整出行链，包括在路上行驶情况与停放情况，本发明能够适用于交通规划、个体行为分析和数据隐私保护等领域的研究。

Description

一种基于停车场数据和卡口数据的车辆关联方法
技术领域
本发明涉及数据处理领域，更具体地，涉及一种基于停车场数据和卡口数据的车辆关联方法。
背景技术
随着城市内部车辆的不断增加，交通部门对于车辆精细化管理的要求越来越高。目前，交通管理部门与公安部门主要依靠道路监测卡口上的自动车牌识别系统中的记录来还原车辆的出行链，再利用车辆的出行链信息来为城市规划、交通决策提供数据支撑。然而，通过卡口数据得到的车辆出行链仅包含车辆在路上行驶的信息，无法获知车辆的停放位置，这对于城市功能规划是相当重要的数据。由于许多城市并未建成统一的停车场管理系统，各停车场提供的流水记录中的车辆编号也往往经过加密处理，无法还原为车辆号牌。因此需要一种将停车场数据与卡口数据关联起来的方法，以完善车辆的出行链信息。这将有相当大的应用价值，可为城市规划、个体行为分析和隐私数据发布等研究领域提供理论参考
目前国内外对于该内容的研究主要从隐私保护的角度出发，设置两段不同的道路，将车辆号牌打乱，利用固定的行程时间来对两段不同道路的车辆进行匹配，这缺乏对于路况变化的考虑；另外，相关研究也没有对不同应用场景下的异构数据的匹配进行优化。
发明内容
本发明提供一种基于停车场数据和卡口数据的车辆关联方法，该方法为车辆出行链重构提供了一种适用范围更广、准确率更高、更为合理的计算方法。
为了达到上述技术效果，本发明的技术方案如下：
一种基于噪声地图的噪声自动监测设备点位布设方法，包括以下步骤：
S1：根据研究区域内卡口与停车场的分布情况筛选出合适的应用场景；
S2：通过导航软件或导航公司提供的网络API服务获取应用场景内相应起讫点的行程时间分布；
S3：基于卡口数据筛选出具有停车行为的车辆集；
S4：基于停车场流水数据中的入场时间与出场时间得到与具有停车行为的车辆相对应的候选车辆集；
S5：从候选车辆集中选择通过卡口时间段与停车场出入时间差值最小的车辆作为匹配结果；
S6：根据匹配结果，得到卡口数据中的车辆与停车场出入数据中车辆的对应关系，重构车辆出行链。
进一步地，所述步骤S1中，应用场景应包括一条路段上的两个卡口与一个停车场，路段应为专供汽车行驶的道路，卡口应分布在同向道路的上下游，停车场出入口均位于两卡口之间，且与卡口位于道路同侧，两卡口之间道路除停车场出入口外无任何其他交叉口。
进一步地，所述步骤S2中，相应起讫点指的是卡口至停车场入口、停车场出口至卡口以及卡口之间，其行程时间分布需通过导航软件提供的在不同时间段内的行程时间数据进行正态分布曲线拟合得到。
进一步地，所述步骤S3中，卡口数据包括：(1)卡口编号kdbh：监测卡口的唯一标识；(2)经度kkjd：监测卡口的经度；(3)纬度kkwd：监测卡口的纬度；(4)车辆号牌hphm：经过卡口车辆的车牌号；(5)过车时间gcsj：车辆经过卡口的时间。
进一步地，所述步骤S3中，车辆是否产生过停车行为可根据车辆通过相邻卡口的行程时间是否落在由S2得到的相邻卡口行程时间正态分布3倍标准差的范围内来进行判断，若行程时间未落在该区间内，说明其该车辆产生过停车行为，具体如下式：
μ-3σ≤tk1-k2≤μ+3σ
其中，tk1-k2为卡口数据中车辆从卡口1至卡口2的行程时间，μ为由S2得到的卡口1至卡口2的正态分布均值，σ为标准差。
进一步地，所述步骤S4中，停车场流水数据包括：(1)停车场名称park_name；(2)地址address：停车场所在的地址；(3)经度lng：用户所在位置的经度；(4)纬度lat：用户所在位置的纬度；(5)车辆编号carno：停车场系统对车辆的内部编号，无法还原为车牌号；(6)入场时间intime：车辆进入停车场的时间；(7)出场时间outtime：车辆离开停车场的时间。
进一步地，所述步骤S4中，对每一辆具有停车行为的车辆c，从停车场流水数据中筛选出入场时间与出场时间均落在其通过卡口时间段内的车辆作为c的候选车辆集。
进一步地，所述步骤S5中，通过卡口时间段与停车场出入时间差值的计算方式如下：
Δt＝|tk1-k2-tin-out|
其中，tin-out为候选车辆集中车辆入场与出场时间差。
进一步地，所述步骤S6中，重构出行链指的是将车辆的进入停车场时间、离开停车时间、停车场位置等信息添加入车辆的出行轨迹中，使得其出行链信息更加完善。
与现有技术相比，本发明技术方案的有益效果是：
1、由于不同停车场的管理系统不相同，其提交或发布的停车场流水数据是经过不同的加密方法处理的，无法还原出车辆的车牌号码。导致目前的车辆出行链信息仅包括了车辆在道路上的移动轨迹，无法得到车辆的停放位置和停放时间。本方法可将通过卡口数据和停车辆数据将车辆关联起来，重构出车辆在路上和路下的完整出行链。
2、本发明技术方案相对于现有技术，充分考虑了道路路况的时变特性，不采取固定的行程时间，而通过导航软件获取道路行程时间的变化情况，拟合其分布，这提高了匹配的准确率。
附图说明
图1是本发明流程示意图。
图2是本发明应用场景的举例示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示，一种基于停车场数据和卡口数据的车辆关联方法，包括以下步骤：
S1：根据研究区域内卡口与停车场的分布情况筛选出合适的应用场景；
S2：通过导航软件或导航公司提供的网络API服务获取应用场景内相应起讫点的行程时间分布；
S3：基于卡口数据筛选出具有停车行为的车辆集；
S4：基于停车场流水数据中的入场时间与出场时间得到与具有停车行为的车辆相对应的候选车辆集；
S5：从候选车辆集中选择通过卡口时间段与停车场出入时间差值最小的车辆作为匹配结果；
S6：根据匹配结果，得到卡口数据中的车辆与停车场出入数据中车辆的对应关系，重构车辆出行链。
下面对上述各个步骤进行详细说明。
首先，需要获取研究区域内有数据的卡口和停车场的地理位置分布，从中选取符合条件的应用场景，即包括一条路段上的两个卡口与一个停车场，路段应为专供汽车行驶的道路，卡口应分布在同向道路的上下游，停车场出入口均位于两卡口之间，且与卡口位于道路同侧，两卡口之间道路除停车场出入口外无任何其他交叉口，具体如图2所示。
其次，向导航软件或导航公司提供的网络API服务每五分钟请求一次卡口1至停车场入口的车辆行程时间、停车场出口至卡口2的行程时间以及卡口1至卡口2的行程时间，连续请求一周。再基于导航得到的一周行程时间数据得到三条路段行程时间的均值和标准差，进行正态分布拟合。
接着，基于卡口数据统计出每辆车通过卡口1和卡口2的行程时间tk1-k2，根据行程时间是否落在相邻卡口行程时间正态分布3倍标准差的范围内来进行判断，若tk1-k2不落在该区间内，则说明该车辆产生过停车行为，可利用停车场流水数据进行匹配。
μ-3σ≤tk1-k2≤μ+3σ
其中，tk1-k2为卡口数据中车辆从卡口1至卡口2的行程时间，μ为由导航数据得到的卡口1至卡口2的行程时间均值，σ为标准差。
对于每一台产生过停车行为的车辆c，从停车场流水数据中筛选出入场时间与出场时间均落在其通过卡口时间段内的车辆v加入c的候选车辆集S，具体如下：
其中，tk1为卡口数据中车辆通过卡口1的行程时间，tk2为卡口数据中车辆通过卡口2的行程时间，为停车场流水数据中第v辆车的入场时间，为停车场流水数据中第v辆车的出场时间。
然后，从候选车辆集S中选择通过卡口时间段与停车场出入时间差值最小的车辆作为匹配结果，具体计算如下：
即对于卡口车辆c而言，停车场车辆为其匹配结果，根据该对应关系，可重构车辆c的出行链如表1所示。
表1车辆c重构后的出行链
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (9)

1.一种基于停车场数据和卡口数据的车辆关联方法，其特征在于，包括以下步骤：
S1：根据研究区域内卡口与停车场的分布情况筛选出合适的应用场景；
S2：通过导航软件或导航公司提供的网络API服务获取应用场景内相应起讫点的行程时间分布；
S3：基于卡口数据筛选出具有停车行为的车辆集；
S4：基于停车场流水数据中的入场时间与出场时间得到与具有停车行为的车辆相对应的候选车辆集；
S5：从候选车辆集中选择通过卡口时间段与停车场出入时间差值最小的车辆作为匹配结果；
S6：根据匹配结果，得到卡口数据中的车辆与停车场出入数据中车辆的对应关系，重构车辆出行链。
2.根据权利要求1所述的基于停车场数据和卡口数据的车辆关联方法，其特征在于，所述步骤S1中的应用场景应包括一条路段上的两个卡口与一个停车场，路段应为专供汽车行驶的道路，卡口应分布在同向道路的上下游，停车场出入口均位于两卡口之间，且与卡口位于道路同侧，两卡口之间道路除停车场出入口外无任何其他交叉口。
3.根据权利要求2所述的基于停车场数据和卡口数据的车辆关联方法，其特征在于，所述步骤S2中，相应起讫点指的是卡口至停车场入口、停车场出口至卡口以及卡口之间，其行程时间分布需通过导航软件提供的在不同时间段内的行程时间数据进行正态分布曲线拟合得到。
4.根据权利要求3所述的基于停车场数据和卡口数据的车辆关联方法，其特征在于，所述步骤S3中，卡口数据包括：(1)卡口编号kdbh：监测卡口的唯一标识；(2)经度kkjd：监测卡口的经度；(3)纬度kkwd：监测卡口的纬度；(4)车辆号牌hphm：经过卡口车辆的车牌号；(5)过车时间gcsj：车辆经过卡口的时间。
5.根据权利要求4所述的基于停车场数据和卡口数据的车辆关联方法，其特征在于，所述步骤S3中，车辆是否产生过停车行为可根据车辆通过相邻卡口的行程时间是否落在由S2得到的相邻卡口行程时间正态分布3倍标准差的范围内来进行判断，若行程时间未落在该区间内，说明其该车辆产生过停车行为，具体如下式：
μ-3σ≤tk1-k2≤μ+3σ
其中，tk1-k2为卡口数据中车辆从卡口1至卡口2的行程时间，μ为由S2得到的卡口1至卡口2的正态分布均值，σ为标准差。
6.根据权利要求5所述的基于停车场数据和卡口数据的车辆关联方法，其特征在于，所述步骤S4中，停车场流水数据包括：(1)停车场名称park_name；(2)地址address：停车场所在的地址；(3)经度lng：用户所在位置的经度；(4)纬度lat：用户所在位置的纬度；(5)车辆编号carno：停车场系统对车辆的内部编号，无法还原为车牌号；(6)入场时间intime：车辆进入停车场的时间；(7)出场时间outtime：车辆离开停车场的时间。
7.根据权利要求6所述的基于停车场数据和卡口数据的车辆关联方法，其特征在于，所述步骤S4中，对每一辆具有停车行为的车辆c，从停车场流水数据中筛选出入场时间与出场时间均落在其通过卡口时间段内的车辆作为c的候选车辆集。
8.根据权利要求7所述的基于停车场数据和卡口数据的车辆关联方法，其特征在于，所述步骤S5中，通过卡口时间段与停车场出入时间差值的计算方式如下：
Δt＝|tk1-k2-tin-out|
其中，tin-out为候选车辆集中车辆入场与出场时间差。
9.根据权利要求8所述的基于停车场数据和卡口数据的车辆关联方法，其特征在于，所述步骤S6中，重构出行链指的是将车辆的进入停车场时间、离开停车时间、停车场位置等信息添加入车辆的出行轨迹中，使得其出行链信息更加完善。
CN201910665657.2A 2019-07-23 2019-07-23 一种基于停车场数据和卡口数据的车辆关联方法 Active CN110491157B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910665657.2A CN110491157B (zh) 2019-07-23 2019-07-23 一种基于停车场数据和卡口数据的车辆关联方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910665657.2A CN110491157B (zh) 2019-07-23 2019-07-23 一种基于停车场数据和卡口数据的车辆关联方法

Publications (2)

Publication Number Publication Date
CN110491157A true CN110491157A (zh) 2019-11-22
CN110491157B CN110491157B (zh) 2022-01-25

Family

ID=68547919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910665657.2A Active CN110491157B (zh) 2019-07-23 2019-07-23 一种基于停车场数据和卡口数据的车辆关联方法

Country Status (1)

Country Link
CN (1) CN110491157B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111127882A (zh) * 2019-12-18 2020-05-08 贵州智诚科技有限公司 一种基于大数据的旅游景区停车场来车数量预测方法
CN111160480A (zh) * 2019-12-31 2020-05-15 斑马网络技术有限公司 地下停车场出入口挖掘方法、装置及电子设备

Citations (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008217432A (ja) * 2007-03-05 2008-09-18 Sumitomo Electric Ind Ltd 走行軌跡特定装置、走行軌跡特定システム、コンピュータプログラム及び走行軌跡特定方法
US20100332394A1 (en) * 2003-02-12 2010-12-30 Ioli Edward D Vehicle identification, tracking and enforcement system
CN102289932A (zh) * 2011-06-17 2011-12-21 同济大学 基于车辆自动识别设备的动态od矩阵估计方法
CN102521965A (zh) * 2011-12-09 2012-06-27 同济大学 基于车牌识别数据的交通需求管理措施效果评价方法
CN102607553A (zh) * 2012-03-06 2012-07-25 北京建筑工程学院 一种基于出行轨迹数据的行程识别方法
US20130158853A1 (en) * 2011-12-16 2013-06-20 Nokia Corporation Method and apparatus for determining parking area location information
KR20130129503A (ko) * 2012-05-21 2013-11-29 주식회사 케이티 차량 추적 시스템 및 방법
CN103440764A (zh) * 2013-08-19 2013-12-11 同济大学 一种基于车辆自动识别数据的城市路网车辆出行路径重构方法
US20140211012A1 (en) * 2012-08-06 2014-07-31 Cloudparc, Inc. Tracking Traffic Violations within an Intersection and Controlling Use of Parking Spaces Using Cameras
CN105448092A (zh) * 2015-12-23 2016-03-30 浙江宇视科技有限公司 一种关联车辆的分析方法及装置
CN105513339A (zh) * 2015-12-16 2016-04-20 青岛海信网络科技股份有限公司 一种车辆轨迹分析方法和设备
CN105608889A (zh) * 2015-09-07 2016-05-25 华迪计算机集团有限公司 一种车辆停留分析方法
CN105741553A (zh) * 2016-04-28 2016-07-06 泰华智慧产业集团股份有限公司 基于动态阈值的识别车辆轨迹中停靠路段的方法
CN105788252A (zh) * 2016-03-22 2016-07-20 连云港杰瑞电子有限公司 基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法
CN106023589A (zh) * 2016-06-16 2016-10-12 北京航空航天大学 一种基于卡口数据的车辆轨迹重构方法
CN106327866A (zh) * 2016-08-30 2017-01-11 重庆市交通规划研究院 基于rfid的车辆出行od切分方法及其系统
CN106971534A (zh) * 2017-02-09 2017-07-21 江苏智通交通科技有限公司 基于号牌数据的通勤出行特征分析方法
CN107025788A (zh) * 2017-05-17 2017-08-08 青岛海信网络科技股份有限公司 一种旅行时间预测方法及装置
CN107622673A (zh) * 2017-09-22 2018-01-23 广东方纬科技有限公司 一种基于卡口数据的停车需求分析方法、系统和装置
US20180077536A1 (en) * 2016-09-12 2018-03-15 International Business Machines Corporation Trace/trajectory reconstruction via wearable and/or mobile sensors for indoor/outdoor location
US20180137356A1 (en) * 2012-08-06 2018-05-17 Cloudparc, Inc. Tracking a vehicle using an unmanned aerial vehicle
CN108447256A (zh) * 2018-03-22 2018-08-24 连云港杰瑞电子有限公司 基于电警和定点检测器数据融合的干道车辆轨迹重构方法
CN108550261A (zh) * 2018-05-31 2018-09-18 重庆大学 基于rfid电子车牌的城市交通od计算方法
CN108717790A (zh) * 2018-07-06 2018-10-30 广州市交通运输研究所 一种基于卡口车牌识别数据的车辆出行分析方法
CN108765952A (zh) * 2018-06-12 2018-11-06 西安银江智慧城市技术有限公司 一种交通大数据嫌疑车辆缉查布控方法及装置
CN108806248A (zh) * 2018-05-31 2018-11-13 重庆大学 一种针对rfid电子车牌数据的车辆出行轨迹划分方法
CN108847042A (zh) * 2018-08-24 2018-11-20 讯飞智元信息科技有限公司 一种路况信息发布方法及装置
CN108848460A (zh) * 2018-05-31 2018-11-20 重庆市城投金卡信息产业股份有限公司 基于rfid和gps数据的人车关联方法
CN109190056A (zh) * 2018-08-22 2019-01-11 深圳先进技术研究院 一种车辆轨迹重建方法、系统及电子设备
CN109215341A (zh) * 2018-09-05 2019-01-15 中山大学 一种包含下车信息的公交出行数据生成方法
CN109523787A (zh) * 2018-11-30 2019-03-26 公安部交通管理科学研究所 一种基于车辆通行轨迹的疲劳驾驶分析方法
CN109633716A (zh) * 2018-12-10 2019-04-16 东南大学 基于gps的城市配送车辆出行链及其特征识别方法与设备
CN109766902A (zh) * 2017-11-09 2019-05-17 杭州海康威视系统技术有限公司 对同区域的车辆聚类的方法、装置和设备

Patent Citations (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100332394A1 (en) * 2003-02-12 2010-12-30 Ioli Edward D Vehicle identification, tracking and enforcement system
JP2008217432A (ja) * 2007-03-05 2008-09-18 Sumitomo Electric Ind Ltd 走行軌跡特定装置、走行軌跡特定システム、コンピュータプログラム及び走行軌跡特定方法
CN102289932A (zh) * 2011-06-17 2011-12-21 同济大学 基于车辆自动识别设备的动态od矩阵估计方法
CN102521965A (zh) * 2011-12-09 2012-06-27 同济大学 基于车牌识别数据的交通需求管理措施效果评价方法
US20130158853A1 (en) * 2011-12-16 2013-06-20 Nokia Corporation Method and apparatus for determining parking area location information
CN102607553A (zh) * 2012-03-06 2012-07-25 北京建筑工程学院 一种基于出行轨迹数据的行程识别方法
KR20130129503A (ko) * 2012-05-21 2013-11-29 주식회사 케이티 차량 추적 시스템 및 방법
US20140211012A1 (en) * 2012-08-06 2014-07-31 Cloudparc, Inc. Tracking Traffic Violations within an Intersection and Controlling Use of Parking Spaces Using Cameras
US20180137356A1 (en) * 2012-08-06 2018-05-17 Cloudparc, Inc. Tracking a vehicle using an unmanned aerial vehicle
CN103440764A (zh) * 2013-08-19 2013-12-11 同济大学 一种基于车辆自动识别数据的城市路网车辆出行路径重构方法
CN105608889A (zh) * 2015-09-07 2016-05-25 华迪计算机集团有限公司 一种车辆停留分析方法
CN105513339A (zh) * 2015-12-16 2016-04-20 青岛海信网络科技股份有限公司 一种车辆轨迹分析方法和设备
CN105448092A (zh) * 2015-12-23 2016-03-30 浙江宇视科技有限公司 一种关联车辆的分析方法及装置
CN105788252A (zh) * 2016-03-22 2016-07-20 连云港杰瑞电子有限公司 基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法
CN105741553A (zh) * 2016-04-28 2016-07-06 泰华智慧产业集团股份有限公司 基于动态阈值的识别车辆轨迹中停靠路段的方法
CN106023589A (zh) * 2016-06-16 2016-10-12 北京航空航天大学 一种基于卡口数据的车辆轨迹重构方法
CN106327866A (zh) * 2016-08-30 2017-01-11 重庆市交通规划研究院 基于rfid的车辆出行od切分方法及其系统
US20180077536A1 (en) * 2016-09-12 2018-03-15 International Business Machines Corporation Trace/trajectory reconstruction via wearable and/or mobile sensors for indoor/outdoor location
CN106971534A (zh) * 2017-02-09 2017-07-21 江苏智通交通科技有限公司 基于号牌数据的通勤出行特征分析方法
CN107025788A (zh) * 2017-05-17 2017-08-08 青岛海信网络科技股份有限公司 一种旅行时间预测方法及装置
CN107622673A (zh) * 2017-09-22 2018-01-23 广东方纬科技有限公司 一种基于卡口数据的停车需求分析方法、系统和装置
CN109766902A (zh) * 2017-11-09 2019-05-17 杭州海康威视系统技术有限公司 对同区域的车辆聚类的方法、装置和设备
CN108447256A (zh) * 2018-03-22 2018-08-24 连云港杰瑞电子有限公司 基于电警和定点检测器数据融合的干道车辆轨迹重构方法
CN108806248A (zh) * 2018-05-31 2018-11-13 重庆大学 一种针对rfid电子车牌数据的车辆出行轨迹划分方法
CN108848460A (zh) * 2018-05-31 2018-11-20 重庆市城投金卡信息产业股份有限公司 基于rfid和gps数据的人车关联方法
CN108550261A (zh) * 2018-05-31 2018-09-18 重庆大学 基于rfid电子车牌的城市交通od计算方法
CN108765952A (zh) * 2018-06-12 2018-11-06 西安银江智慧城市技术有限公司 一种交通大数据嫌疑车辆缉查布控方法及装置
CN108717790A (zh) * 2018-07-06 2018-10-30 广州市交通运输研究所 一种基于卡口车牌识别数据的车辆出行分析方法
CN109190056A (zh) * 2018-08-22 2019-01-11 深圳先进技术研究院 一种车辆轨迹重建方法、系统及电子设备
CN108847042A (zh) * 2018-08-24 2018-11-20 讯飞智元信息科技有限公司 一种路况信息发布方法及装置
CN109215341A (zh) * 2018-09-05 2019-01-15 中山大学 一种包含下车信息的公交出行数据生成方法
CN109523787A (zh) * 2018-11-30 2019-03-26 公安部交通管理科学研究所 一种基于车辆通行轨迹的疲劳驾驶分析方法
CN109633716A (zh) * 2018-12-10 2019-04-16 东南大学 基于gps的城市配送车辆出行链及其特征识别方法与设备

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
AHMED ALGHAMDI等: ""BlueMap: A Pervasive Bluetooth-based Vehicle Trajectory Reconstruction System"", 《2018 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM)》 *
GABRIEL MICHAU等: ""Bluetooth Data in an Urban Context:Retrieving Vehicle Trajectories"", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
HAIYANG YU等: ""Vehicle trajectory reconstruction from automatic license plate reader data"", 《INTERNATIONAL JOURNAL OF DISTRIBUTED SENSOR NETWORKS》 *
TIANYA ZHANG等: ""A longitudinal scanline based vehicle trajectory reconstruction method for high-angle traffic video"", 《TRANSPORTATION RESEARCH PART C: EMERGING TECHNOLOGIES》 *
WENMING RAO等: ""Origin-destination pattern estimation based on trajectory reconstruction using automatic license plate recognition data"", 《TRANSPORTATION RESEARCH PART C》 *
YU FENG等: ""Vehicle trajectory reconstruction using automatic vehicle identification and traffic count data"", 《JOURNAL OF ADVANCED TRANSPORTATION》 *
杨帅等: ""基于卡口数据的车辆出行轨迹重构方法研究"", 《第十一届中国智能交通年会大会论文集》 *
王蓓等: ""卡口数据挖掘与城市道路交通分析"", 《城市交通》 *
阮树斌等: ""基于车牌识别数据的机动车出行轨迹提取算法"", 《浙江大学学报（工学版）》 *
骆洪芹: ""基于手机的出行链生成与出行特征提取研究"", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111127882A (zh) * 2019-12-18 2020-05-08 贵州智诚科技有限公司 一种基于大数据的旅游景区停车场来车数量预测方法
CN111160480A (zh) * 2019-12-31 2020-05-15 斑马网络技术有限公司 地下停车场出入口挖掘方法、装置及电子设备
CN111160480B (zh) * 2019-12-31 2023-06-23 斑马网络技术有限公司 地下停车场出入口挖掘方法、装置及电子设备

Also Published As

Publication number Publication date
CN110491157B (zh) 2022-01-25

Similar Documents

Publication Publication Date Title
Gao et al. Elastic pathing: Your speed is enough to track you
Zhao et al. Estimating a rail passenger trip origin‐destination matrix using automatic data collection systems
Cui et al. Identifying mismatch between urban travel demand and transport network services using GPS data: A case study in the fast growing Chinese city of Harbin
CN105719489B (zh) 一种基于卡口车辆流向概率的套牌车检测方法
He et al. Mining regular routes from gps data for ridesharing recommendations
CN108848460B (zh) 基于rfid和gps数据的人车关联方法
Leclerc et al. Unraveling the travel behavior of carsharing members from global positioning system traces
CN111862606B (zh) 一种基于多源数据的非法营运车辆识别方法
Fang et al. MAC: Measuring the impacts of anomalies on travel time of multiple transportation systems
Brockfeld et al. Benefits and limits of recent floating car data technology–an evaluation study
Kumar et al. A model based approach to predict stream travel time using public transit as probes
CN106297304A (zh) 一种基于MapReduce面向大规模卡口数据的套牌车识别方法
CN110969861B (zh) 一种车辆识别方法、装置、设备及计算机存储介质
CN113570864A (zh) 一种电动自行车行驶路径匹配方法、设备及存储介质
CN110491157A (zh) 一种基于停车场数据和卡口数据的车辆关联方法
Saremi et al. Combining map-based inference and crowd-sensing for detecting traffic regulators
Jasinski et al. A method to identify aggressive driver behaviour based on enriched gps data analysis
Patlins et al. The new approach for passenger counting in public transport system
US20230170096A1 (en) Systems, devices, and methods for managing contact instances of persons of interest
Aoki et al. An early event detection technique with bus GPS data
Wang et al. Tracking hit-and-run vehicle with sparse video surveillance cameras and mobile taxicabs
Csendes et al. Where truck drivers stop–application of vehicle tracking data for the identification of rest locations and driving patterns
CN110211380B (zh) 一种多源交通数据融合的高速公路拥堵区间探测方法
Das et al. Smart urban traffic management system
Turner et al. Exploring Crowdsourced Monitoring Data for Safety

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