CN110849379B - 一种用于导航地图的出入口通行状态符号表达方法 - Google Patents
一种用于导航地图的出入口通行状态符号表达方法 Download PDFInfo
- Publication number
- CN110849379B CN110849379B CN201911008793.0A CN201911008793A CN110849379B CN 110849379 B CN110849379 B CN 110849379B CN 201911008793 A CN201911008793 A CN 201911008793A CN 110849379 B CN110849379 B CN 110849379B
- Authority
- CN
- China
- Prior art keywords
- taxi
- area
- point
- interest
- point clustering
- 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
-
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3697—Output of additional, non-guidance related information, e.g. low fuel level
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于智能交通技术领域,公开了一种用于导航地图的出入口通行状态符号表达方法。本发明根据城市路网数据和遥感影像数据进行区域划分,针对不同区域确定兴趣区域,建立兴趣区域的边界缓冲区域,提取边界缓冲区域内的出租车下客点数据,并进行密度聚类,得到出租车下客点聚类区域,确定兴趣区域的出入口位置,并根据出租车下客点聚类区域中的出租车下客点数量计算热度值,判断出入口的通行状态并进行标记。本发明实现了兴趣区域出入口的使用状态的实时更新,能够实现导航地图的符号动态显示,提升寻路和导航的正确率。
Description
技术领域
本发明属于智能交通技术领域,特别涉及一种用于导航地图的出入口通行状态符号表达方法。
背景技术
出入口是人们出行时寻路和导航的常用目的地,出入口符号是导航地图中重要的地图符号类型。由于城市化进程的加快,出入口的频繁变动使得导航地图中显示的出入口符号往往只是地理位置的标记,无法反映出该出入口近期是否处于通行状态。
发明内容
本发明的目的是提供一种用于导航地图的出入口通行状态符号表达方法,可以通过分析区域内出租车下客点热度值变化,判断该区域对应的出入口通行状态。
为达到上述目的,本发明提供了一种用于导航地图的出入口通行状态符号表达方法,包括以下步骤:
获取城市遥感影像和城市路网;
将所述城市路网与所述城市遥感影像进行地理位置配准后叠加于所述城市遥感影像,将所述城市遥感影像划分为多个区域,确定每个所述区域内包含的兴趣区域;
针对每个所述兴趣区域,建立边界缓冲区域,提取所述边界缓冲区域的出租车下客点数据,并对所述出租车下客点数据进行密度聚类,得到出租车下客点聚类区域;
获取所述出租车下客点聚类区域的聚类中心位置的经纬度信息,根据所述聚类区域中心位置的经纬度信息作垂线与所述兴趣区域边界相交,获得兴趣区域出入口位置;
将所述出租车下客点聚类区域与对应的兴趣区域出入口进行关联;
计算所述出租车下客点聚类区域的热度值,并根据所述热度值对与所述出租车下客点聚类区域相关联的出入口进行通行状态标记。
可选的,所述出租车下客点聚类区域的热度值的计算公式如下:
上式中,RH为出租车下客点聚类区域的热度值;Numcur表示当前时间周期出租车下客点聚类区域内的出租车下客点数量,Ave(Num4)表示过去连续4个时间周期出租车下客点聚类区域内的出租车下客点数量的平均值。
可选的,所述根据所述热度值对与所述出租车下客点聚类区域相关联的出入口通行状态进行判断和标记具体为:
若出租车下客点聚类区域在连续两个周期内的热度值小于预设阈值,则判定与所述出租车下客点聚类区域相关联的出入口不可用,并作出可用标记;
若出租车下客点聚类区域在连续两个周期内的热度值小于预设阈值,则判定与所述出租车下客点聚类区域相关联的出入口可用,并作出不可用标记。
可选的,所述预设阈值为0.5。
与现有技术相比,本发明使用城市路网对城市遥感影像进行分割后确定兴趣区域,对兴趣区域边界缓冲区域内的出租车下客点数据进行密度聚类,得到出租车下客点聚类区域,确定兴趣区域的出入口,并根据聚类区域内各个时间周期的出租车下客点数量计算热度值,根据热度值判断与出租车下客点聚类区域相关联的出入口的可用状态并进行标记。该方法能够实现导航地图的符号动态显示,提升寻路和导航的正确率。
附图说明
图1是本发明提供的基于路网约束和密度聚类的兴趣区域出入口提取方法流程图;
图2是本发明实施例提供的一种用于导航地图的出入口通行状态符号表达方法提取对比图。
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。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。
如图1所示,本发明提供的一种基于路网约束和密度聚类的兴趣区域出入口提取方法,具体包括以下步骤:
S1:获取城市路网数据。
本申请使用网络地图提供的开放兴趣点获取接口,利用网络爬虫技术,基于地理方位爬取城市中的路网数据。
举例来说,若想获取江苏省南通市的路网数据,首先需要获取南通市的坐标范围,以坐标范围为主要参数,并获得网络地图的相应许可,最终编写爬虫程序进行批量获取数据。
对于获得的路网数据,还需要进行数据清洗,具体过程为:
(1)地理范围筛选。因路网数据通过网络地图接口获取,部分数据存在地理范围越界问题,需在地理信息系统软件中对该部分数据进行编辑剔除。
(2)文件格式转换。原始路网数据为文本格式,不易于在地理信息系统软件中进行空间分析,需将该类文件转换为图形文件(ShapeFile),便于空间分析和可视化操作。
(3)地图匹配。路网数据的空间参考与其他步骤中的数据空间参考不一致,导致空间分析时其位置无法相互匹配,因此需将数据转换为相应的地理坐标系,并进行几何校正。
S2:获取城市遥感影像数据。
对于获得的遥感影像数据,还需要进行处理,具体过程为:
(1)大气校正。在遥感影像处理软件中对遥感影像数据进行大气校正,减小云和雾对遥感影像清晰度的影响。
(2)地图配准。路网数据的空间参考与其他步骤中的数据空间参考不一致,导致空间分析时其位置无法相互匹配,因此需将数据转换为相应的地理坐标系,并进行几何校正。
S3:将城市路网与城市遥感影像进行地理位置配准后,使城市路网叠加于城市遥感影像,将城市遥感影像分割为若干个区域。针对每个区域,确定区域内的兴趣区域。本发明采取手绘方式确定各个区域内的兴趣区域。
S4:针对每个兴趣区域,建立边界缓冲区域,提取边界缓冲区域的出租车下客点数据,并对出租车下客点数据进行密度聚类,得到出租车下客点聚类区域。
具体的,首先剔除出租车轨迹数据中车辆记录为空且地理位置有误的数据,然后利用经过剔除清洗后的出租车轨迹数据的状态变化,提取出租车上下客记录。其中,出租车轨迹数据由无数个GPS数据点组成,将每辆出租车一次上下客记录的GPS点关联在一起,便构成了出租车的一次载客行驶轨迹。根据数据中的载客状态属性(“空车”为空载状态,“重车”为载客状态,“重车”→“空车”为一次下客记录。)得到出租车的下客点信息。然后,提取每个兴趣区域边界缓冲区域的出租车下客点数据,然后采用密度聚类算法对边界缓冲区域的出租车下客点数据进行聚类,得到出租车下客点聚类区域。
S5:获取出租车下客点聚类区域的聚类中心位置的经纬度信息,根据所述聚类区域中心位置的经纬度信息作垂线与所述兴趣区域边界相交,获得兴趣区域出入口位置;
出租车下客点聚类区域的聚类中心位置的经度信息为:
出租车下客点聚类区域的聚类中心位置的纬度信息为:
上式中,Dlohj为出租车下客点j的经度,Dlatj为出租车下客点j的纬度,m为出租车下客点数量。
根据所述聚类区域中心位置的经纬度信息作垂线与所述兴趣区域边界相交,垂足即为兴趣区域的出入口位置。
S6:将出租车下客点聚类区域与对应的兴趣区域出入口进行关联;
S7:计算所述出租车下客点聚类区域的热度值,并根据热度值对与出租车下客点聚类区域相关联的出入口进行通行状态标记。
根据出租车下客点的时间信息以一周或一月为一个时间周期(时间段)统计每一出租车下客点聚类区域内的出租车下客点数量。通过同一出入口不同时间段内的出租车下客点数量计算该出入口的热度值,计算公式如下:
其中,RH为出租车下客点聚类区域的热度值;Numcur表示当前时间周期出租车下客点聚类区域内的出租车下客点数量,Ave(Num4)表示过去连续4个时间周期出租车下客点聚类区域内的出租车下客点数量的平均值。
然后,根据热度值对与出租车下客点聚类区域相关联的出入口通行状态进行判断和标记:
若出租车下客点聚类区域在连续两个周期内的热度值小于预设阈值,则判定与所述出租车下客点聚类区域相关联的出入口不可用,并作出可用标记;
若出租车下客点聚类区域在连续两个周期内的热度值小于预设阈值,则判定与所述出租车下客点聚类区域相关联的出入口可用,并作出不可用标记。
可用标记与不可用标记可用颜色或形状作为区分。
热度值理论上应该在1.0左右,热度值过大过小是两种不同的异常情况,过大则可能有突发事件,可作为热点情况的判断,连续2周过小刚说明出入口的状态发生了变化,有可能处理暂时关闭状态。为了提高判断的准确性,本申请中将用于判断热度值大小的预设阈值设为0.5。
下面结合实际应用场景对本发明实施例提供的技术方案进行详细说明。
本发明实施例中所用到数据的地理范围为江苏省南通市崇川区,获取路网数据与遥感影像数据,叠加后提取兴趣区域,实验对象为南通大学钟秀校区,在ArcGIS中利用Python实现提取方法并进行验证。具体实验环境为:ArcGIS10.6+Python2.7.14+Pycharm。其中,路网数据,兴趣区域数据和路网数据分别利用网络爬虫通过高德地图API获取;出租车轨迹的获取时间为2018年10月份共31天的数据,出租车数量约1400辆,时间采样间隔为30s。
依据方案的步骤,对经预处理的出租车下客点进行聚类,其中在使用密度聚类算法对经空间关联的出租车下客点聚类时,需确定较优的Eps值,本申请将所有出租车下客点至第i个点的距离按降序排列并绘制曲线图,观察突变点。并将Eps设置为突变点至点P之间的距离,突变点左侧点会被识别为噪声点,右侧点会被识别为核心点或边界点。由于参数MinPts设置为15-50之间时,聚类结果较为稳定,本申请列举了当Minpts取中间区域数值15的结果,结果如表1所示。
表1医院类型兴趣区域聚类参数
将兴趣区域出入口与出租车下客点聚类中心相关联,通过统计相关联的出租车下客点数量衡量出入口热度。以南通大学钟秀校区北门为例,由于门外施工该出入口在2019年3月封闭。选取2018年10月与2019年5月第一周的出租车轨迹数据提取出租车下客点,探测该出入口的变化情况。受限于本实验数据获取的不连续性,以一周为时间周期,统计2018年10月中4周该出入口对应的出租车下客点聚类区域中出租车下客点数量,以2018年10月份4周平均数据代替历史数据计算该出入口对应的出租车下客点聚类区域的热度值,并将热度值与预设阈值0.5进行比较,根据比较结果对该出入口的通行状态进行判断以及标记,具体如图2所示。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (4)
1.一种用于导航地图的出入口通行状态符号表达方法,其特征在于,包括如下步骤:
获取城市遥感影像和城市路网;
将所述城市路网与所述城市遥感影像进行地理位置配准后叠加于所述城市遥感影像,将所述城市遥感影像划分为多个区域,确定每个所述区域内包含的兴趣区域;
针对每个所述兴趣区域,建立边界缓冲区域,提取所述边界缓冲区域的出租车下客点数据,并对所述出租车下客点数据进行密度聚类,得到出租车下客点聚类区域;
获取所述出租车下客点聚类区域的聚类中心位置的经纬度信息,根据所述聚类区域中心位置的经纬度信息作垂线与所述兴趣区域边界相交,获得兴趣区域出入口位置;
将所述出租车下客点聚类区域与对应的兴趣区域出入口进行关联;
计算所述出租车下客点聚类区域的热度值,并根据所述热度值对与所述出租车下客点聚类区域相关联的出入口进行通行状态标记。
3.根据权利要求1所述的用于导航地图的出入口通行状态符号表达方法,其特征在于,所述根据所述热度值对与所述出租车下客点聚类区域相关联的出入口通行状态进行判断和标记具体为:
若出租车下客点聚类区域在连续两个周期内的热度值小于预设阈值,则判定与所述出租车下客点聚类区域相关联的出入口不可用,并作出不可用标记;
若出租车下客点聚类区域在连续两个周期内的热度值大于预设阈值,则判定与所述出租车下客点聚类区域相关联的出入口可用,并作出可用标记。
4.根据权利要求3所述的用于导航地图的出入口通行状态符号表达方法,其特征在于,所述预设阈值为0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008793.0A CN110849379B (zh) | 2019-10-23 | 2019-10-23 | 一种用于导航地图的出入口通行状态符号表达方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008793.0A CN110849379B (zh) | 2019-10-23 | 2019-10-23 | 一种用于导航地图的出入口通行状态符号表达方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110849379A CN110849379A (zh) | 2020-02-28 |
CN110849379B true CN110849379B (zh) | 2023-04-25 |
Family
ID=69597270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911008793.0A Active CN110849379B (zh) | 2019-10-23 | 2019-10-23 | 一种用于导航地图的出入口通行状态符号表达方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110849379B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380446B (zh) * | 2020-11-30 | 2022-03-25 | 腾讯科技(深圳)有限公司 | 兴趣点的通行方向的确认方法和装置及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295394A (zh) * | 2013-06-24 | 2013-09-11 | 东南大学 | 基于广义gps数据的出租车候客站点备选地址确定方法 |
CN104167092A (zh) * | 2014-07-30 | 2014-11-26 | 北京市交通信息中心 | 一种确定出租车上下客热点区域中心的方法以及装置 |
CN105095481A (zh) * | 2015-08-13 | 2015-11-25 | 浙江工业大学 | 大规模出租车od数据可视分析方法 |
CN105261212A (zh) * | 2015-09-06 | 2016-01-20 | 中山大学 | 一种基于出租车gps数据地图匹配的出行时空分析方法 |
WO2016114191A1 (ja) * | 2015-01-15 | 2016-07-21 | 日産自動車株式会社 | 乗客ドッキング位置を使用した自律走行車両のルーティング及びナビゲーション |
WO2018108632A1 (de) * | 2016-12-13 | 2018-06-21 | Bayerische Motoren Werke Aktiengesellschaft | Aktualisierung einer digitalen karte |
CN108417023A (zh) * | 2018-05-02 | 2018-08-17 | 长安大学 | 基于出租车上下客点空间聚类的交通小区中心点选取方法 |
CN108427965A (zh) * | 2018-03-05 | 2018-08-21 | 重庆邮电大学 | 一种基于路网聚类的热点区域挖掘方法 |
CN109254861A (zh) * | 2018-09-17 | 2019-01-22 | 江苏智通交通科技有限公司 | 基于轨迹数据的od需求提取及其可靠性分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10801860B2 (en) * | 2017-06-14 | 2020-10-13 | Here Global B.V. | Mapping system and method for identifying a parking lot from probe data |
-
2019
- 2019-10-23 CN CN201911008793.0A patent/CN110849379B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295394A (zh) * | 2013-06-24 | 2013-09-11 | 东南大学 | 基于广义gps数据的出租车候客站点备选地址确定方法 |
CN104167092A (zh) * | 2014-07-30 | 2014-11-26 | 北京市交通信息中心 | 一种确定出租车上下客热点区域中心的方法以及装置 |
WO2016114191A1 (ja) * | 2015-01-15 | 2016-07-21 | 日産自動車株式会社 | 乗客ドッキング位置を使用した自律走行車両のルーティング及びナビゲーション |
CN105095481A (zh) * | 2015-08-13 | 2015-11-25 | 浙江工业大学 | 大规模出租车od数据可视分析方法 |
CN105261212A (zh) * | 2015-09-06 | 2016-01-20 | 中山大学 | 一种基于出租车gps数据地图匹配的出行时空分析方法 |
WO2018108632A1 (de) * | 2016-12-13 | 2018-06-21 | Bayerische Motoren Werke Aktiengesellschaft | Aktualisierung einer digitalen karte |
CN108427965A (zh) * | 2018-03-05 | 2018-08-21 | 重庆邮电大学 | 一种基于路网聚类的热点区域挖掘方法 |
CN108417023A (zh) * | 2018-05-02 | 2018-08-17 | 长安大学 | 基于出租车上下客点空间聚类的交通小区中心点选取方法 |
CN109254861A (zh) * | 2018-09-17 | 2019-01-22 | 江苏智通交通科技有限公司 | 基于轨迹数据的od需求提取及其可靠性分析方法 |
Non-Patent Citations (3)
Title |
---|
张俊涛 ; 武芳 ; 张浩 ; .利用出租车轨迹数据挖掘城市居民出行特征.地理与地理信息科学.2015,(第06期),第104-108页. * |
毕硕本 ; 万蕾 ; 杨树亮 ; 闫业超 ; NKUNZIMANA Athanase ; .基于GPS数据的南京出租车上下客时间特征及热点时空分布.中国科技论文.2018,(第09期),第60-65页. * |
郑运鹏 ; 赵刚 ; 刘健 ; .基于出租车GPS数据的交通热区识别方法.北京信息科技大学学报(自然科学版).2016,(第01期),第43-47页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110849379A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410586B (zh) | 一种基于多元数据融合的交通状态检测方法 | |
US10810419B2 (en) | Method and apparatus for updating road map geometry based on received probe data | |
US10024978B2 (en) | Travel survey systems and methods | |
Biljecki et al. | Transportation mode-based segmentation and classification of movement trajectories | |
CN110990661B (zh) | 一种基于路网约束和密度聚类的兴趣区域出入口提取方法 | |
CN106781479B (zh) | 一种基于手机信令数据实时获取高速公路运行状态的方法 | |
CN104508719B (zh) | 驾驶辅助系统以及驾驶辅助方法 | |
Ehmke et al. | Floating car based travel times for city logistics | |
US10373494B1 (en) | Method and apparatus for estimating a parking event based on device signal observations | |
Bejan et al. | Statistical modelling and analysis of sparse bus probe data in urban areas | |
CN109102114B (zh) | 一种基于数据融合的公交出行下车站点估计方法 | |
CN110288205B (zh) | 交通影响评价方法及装置 | |
CN108877227A (zh) | 一种基于多源交通数据的全局动态出行需求估计方法 | |
CN111127891B (zh) | 一种基于浮动车轨迹大数据的路网核查方法 | |
US20220124456A1 (en) | Positioning system with floor name vertical positioning | |
Ghorpade et al. | An integrated stop-mode detection algorithm for real world smartphone-based travel survey | |
CN110849379B (zh) | 一种用于导航地图的出入口通行状态符号表达方法 | |
CN111275807A (zh) | 一种3d道路建模的方法和系统 | |
CN115412857A (zh) | 一种居民出行信息预测方法 | |
CN105023230B (zh) | 一种基于arcgis的轨道站点客流吸引范围界定方法 | |
Ou et al. | Big data processing and analysis on the impact of COVID-19 on public transport delay | |
CN114091581A (zh) | 一种基于稀疏轨迹的车辆运营行为类型识别方法 | |
Tian et al. | Identifying residential and workplace locations from transit smart card data | |
CN110708664A (zh) | 一种交通流感知方法、装置及计算机存储介质、电子设备 | |
WO2008072429A1 (ja) | 地理情報関連付き画像データ表示システム |
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 |