CN112017433B - 对电子地图拥堵程度显示结果进行修正的系统及方法 - Google Patents

对电子地图拥堵程度显示结果进行修正的系统及方法 Download PDF

Info

Publication number
CN112017433B
CN112017433B CN202010824191.9A CN202010824191A CN112017433B CN 112017433 B CN112017433 B CN 112017433B CN 202010824191 A CN202010824191 A CN 202010824191A CN 112017433 B CN112017433 B CN 112017433B
Authority
CN
China
Prior art keywords
congestion degree
information
smart phones
social
electronic map
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.)
Expired - Fee Related
Application number
CN202010824191.9A
Other languages
English (en)
Other versions
CN112017433A (zh
Inventor
袁伟
付锐
郭应时
王畅
吴付威
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.)
Changan University
Original Assignee
Changan 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 Changan University filed Critical Changan University
Priority to CN202010824191.9A priority Critical patent/CN112017433B/zh
Publication of CN112017433A publication Critical patent/CN112017433A/zh
Application granted granted Critical
Publication of CN112017433B publication Critical patent/CN112017433B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • 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
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于公路交通技术领域，公开了一种对电子地图拥堵程度显示结果进行修正的系统及方法，包括：信息采集单元和决策单元；其中，信息采集单元用于获取智能手机的GPS信息；决策单元用于对获取的智能手机的GPS信息进行分析和判断，并确定车辆类型、社会车道和公交车道的拥堵程度、以及修正后的道路整体拥堵程度；该系统基于获取的驾驶员以及乘客智能手机的GPS信息能准确的区分公交车和社会车辆，并利用电子地图获取的信息分别计算社会车道和公交车道的拥堵程度，最后采用加权求和的方式求得修正后的道路整体拥堵程度，其方法简单，能较为准确的计算出道路整体拥堵程度，有利于提醒驾驶员采取适当的规避措施，保障道路通行安全。

Description

对电子地图拥堵程度显示结果进行修正的系统及方法
技术领域
本发明涉及公路交通技术领域，具体涉及一种对电子地图拥堵程度显示结果进行修正的系统及方法。
背景技术
现如今，交通路网变得越来越发达，电子地图的出现，为人们的日常出行提供了方便，同时也为交通管理系统的高效且准确的运行提供了支持。然而，随着道路类型的增多和不同交通线路的出现，电子地图在描述准确度方面还有待提高。
比如，在有公交专用线路的道路上，公交车和社会车辆各行其道。现有电子地图无法区分社会车道和公交车道的拥堵程度，就只能简单计算出整条道路的拥堵程度，这个拥堵程度实际上并不准确，这样简单的将两种线路的拥堵程度统一起来计算，没有考虑到不同线路各自的拥堵程度，比如当社会车道拥堵，但公交专用道顺畅，此时电子地图的拥堵程度会存在一定误差，也就是社会车道的实际拥堵程度比电子地图计算的拥堵程度要低，公交车道的实际拥堵程度比电子地图计算的拥堵程度要高。反过来，公交车道拥堵，社会车道顺畅时，电子地图计算的拥堵程度也存在误差，也就是社会车道的拥堵程度比电子地图计算的拥堵程度要高，公交车道的实际拥堵程度比电子地图计算的拥堵程度要低。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种对电子地图拥堵程度显示结果进行修正的系统及方法，该系统基于获取的驾驶员以及乘客智能手机的GPS信息能准确的区分公交车和社会车辆，并利用电子地图获取的信息分别计算社会车道和公交车道的拥堵程度，最后采用加权求和的方式求得修正后的道路整体拥堵程度，其方法简单，能较为准确的计算出道路整体拥堵程度，有利于提醒驾驶员采取适当的规避措施，保障道路通行安全。
为了达到上述目的，本发明采用以下技术方案予以实现。
(一)一种对电子地图拥堵程度显示结果进行修正的系统，包括：信息采集单元和决策单元；其中，所述信息采集单元用于获取智能手机的GPS信息；所述决策单元用于对获取的智能手机的GPS信息进行分析和判断，并确定车辆类型、社会车道和公交车道的拥堵程度、以及修正后的道路整体拥堵程度。
优选的，所述信息采集单元为无限信号接收设备；所述决策单元为处理器。
(二)一种对电子地图拥堵程度显示结果进行修正的方法，包括以下步骤：
步骤1，信息采集单元获取智能手机的GPS信息，并将所述智能手机的GPS信息发送至决策单元进行筛选，去除非道路区域内的智能手机的GPS信息，得到多个有效智能手机的GPS信息；其中，所述智能手机的GPS信息包含智能手机的位置坐标和加减速度信息；
步骤2，按照道路车辆前进方向从前向后对多个有效智能手机的GPS信息依次进行标号1,2,3,…,N；其中，N为有效智能手机的GPS信息的总数；
步骤3，决策单元根据有效智能手机的个数和有效智能手机之间的GPS信息区分公交车和社会车辆，并设识别出G辆公交车和S辆社会车辆；
步骤4，决策单元根据识别出G辆公交车和S辆社会车辆，利用电子地图获取的信息分别计算社会车道和公交车道的拥堵程度；
步骤5，根据所述社会车道和公交车道的拥堵程度采用加权求和来计算修正后的道路整体拥堵程度。
优选的，步骤1中，所述信息采集单元每两分钟采集一次，所述决策单元每2分钟计算一次。
优选的，步骤1中，所述筛选的方法为：
决策单元中内置有道路区域位置坐标信息，在决策单元中对比单个智能手机的位置坐标和道路区域位置坐标信息，当单个智能手机的位置坐标在所述道路区域位置坐标信息之内时，则对应的智能手机的GPS信息有效；否则，智能手机的GPS信息无效。
优选的，步骤3包含以下子步骤：
子步骤3.1，根据多个有效智能手机的GPS信息判断是否为来源于同一车辆的智能手机；计算来源同一车辆的智能手机的个数M和智能手机之间的距离信息D；
子步骤3.2，根据来源同一车辆的智能手机的个数M和智能手机之间的距离信息D区分社会车辆和公交车，具体如下：
当M≥10，则认定该车辆为公交车；
当5<M<10，分为两种情况：
1)若智能手机之间的距离信息D的最大值小于0.6m～3m，且其中有至少两组距离小于1m，则认定该车辆为社会车辆；
2)若智能手机之间的距离信息D的最大值大于3m，且最小值大于1m，认定该车辆为公交车；
当2≤M≤5，分为两种情况：
1)若智能手机之间的距离信息D的最大值小于0.6m～3m，且其中有至少1组距离小于1m，则认定该车辆为社会车辆；
2)若智能手机之间的距离信息D的最大值大于3m，且最小值大于1m，认定该车辆为公交车；
当M＝1，则认定该车辆为社会车辆。
进一步优选的，子步骤3.1中，所述判断的方法为：将具有相同加减速度变化规律的智能手机视为来源于同一车辆的智能手机。
优选的，步骤4具体为：设电子地图获取的信息包括路段长度L、社会车道数量s和公交车道数量g，则社会车道的拥堵程度A:
Figure BDA0002635558390000041
公交车道拥堵程度B：
Figure BDA0002635558390000042
优选的，步骤5中，所述修正后的道路整体拥堵程度C为：
C＝0.8A+0.2B。
与现有技术相比，本发明的有益效果为：
1)本发明的对电子地图拥堵程度显示结果进行修正系统结构简单，利用信息采集单元获取车内驾驶员以及乘客智能手机的GPS信息，决策单元根据获取的智能手机的GPS信息进行分析判断，基于同一辆车上所有乘客的智能手机的GPS数据的共同特征，以及在不同车辆上智能手机GPS数据的差异，判断并区分公交车和社会车辆，并利用电子地图获取的信息分别计算社会车道和公交车道的拥堵程度，最后采用加权求和的方式求得修正后的道路整体拥堵程度，此修正后的道路整体拥堵程度能较准确的反应实际道路的拥堵程度。
2)本发明的对电子地图拥堵程度显示结果进行修正方法简单，其将具有相同加减速度变化规律的多个智能手机视为来源于同一车辆的智能手机，并根据有效智能手机的个数和有效智能手机之间的距离信息区分公交车和社会车辆，对车型的判断较为准确；根据识别出的公交车和社会车辆的数量，利用电子地图获取的信息能较为准确的计算出道路整体拥堵程度，有利于提醒驾驶员采取适当的规避措施，保障道路通行安全。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1为决策单元的计算原理图。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述，但是本领域的技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限制本发明的范围。
(一)一种对电子地图拥堵程度显示结果进行修正的系统，包括：信息采集单元和决策单元；其中，所述信息采集单元用于获取智能手机的GPS信息；所述决策单元用于对获取的智能手机的GPS信息进行分析和判断，并确定车辆类型、社会车道和公交车道的拥堵程度、以及修正后的道路整体拥堵程度。其中，所述信息采集单元为无限信号接收设备；所述决策单元为处理器。
(二)一种对电子地图拥堵程度显示结果进行修正的方法，包括以下步骤：
步骤1，信息采集单元获取智能手机的GPS信息，并将所述智能手机的GPS信息发送至决策单元进行筛选，去除非道路区域内的智能手机的GPS信息，得到多个有效智能手机的GPS信息；其中，所述智能手机的GPS信息包含智能手机的位置坐标和加减速度信息。
具体的，本发明的方法要求较高的数据采集和计算能力，为了保证修正后的道路拥堵程度能够准确且实时的反应道路拥堵状况，规定信息采集单元每2分钟采集1次，决策单元每2分钟计算1次。
从信息采集单元采集到的智能手机的GPS信息不能直接作为区分车型的数据。为了最大程度地排除非道路区域内的智能手机GPS信息的干扰，需要对获取的智能手机的GPS信息进行筛选，具体筛选方法如下：
在决策单元中内置有道路区域位置坐标信息，信息采集单元将智能手机的GPS信息发送至决策单元进行分析和判断，在决策单元中对比单个智能手机的位置坐标和道路区域位置坐标，当单个智能手机的位置坐标在道路区域内时，此智能手机的GPS信息有效；当单个智能手机的位置坐标在道路区域外时，此智能手机的GPS信息无效。利用该筛选方法对当前道路上的所有智能手机的GPS信息进行筛选，得到多个有效智能手机的GPS信息。
步骤2，按照道路车辆前进方向从前向后对多个有效智能手机的GPS信息依次进行标号1,2,3,…,N；其中，N为有效智能手机的GPS信息的总数。
具体的，根据多个有效智能手机的位置坐标，按照道路车辆前进方向从前向后对多个有效智能手机的GPS信息依次标号为1,2,3,…,N。
如图1所示，决策单元用于对获取的智能手机的GPS信息进行分析和判断，并确定车辆类型、社会车道和公交车道的拥堵程度、以及修正后的道路整体拥堵程度，具体如步骤3-5所示。
步骤3，决策单元根据有效智能手机的个数和有效智能手机之间的GPS信息区分公交车和社会车辆，并设识别出G辆公交车和S辆社会车辆。
在同一台车上的智能手机的GPS信息具有相同的变化趋势，根据这一点，可以将同一辆车上的智能手机GPS信息识别出来，社会车辆由于座位固定，车内智能手机之间的间距保持在一定范围之内，如小轿车、SUV、MPV、小型私用客车中左右相互距离在0.6m～1m，前排与最后排距离为0.6m～3m。而对于公交车，智能手机之间的平均距离随着乘客人数的增加而减小，且当乘客较少时，距离的最小值大概率大于1m。所以可以根据同一辆车上智能手机的个数以及各智能手机之间的位置距离来确定车型，这样就可以达到区分社会车辆和公交车的目的。
具体的，步骤3包含以下子步骤：
子步骤3.1，根据多个有效智能手机的GPS信息判断是否为来源于同一车辆的智能手机；计算来源同一车辆的智能手机的个数M和智能手机之间的距离信息D。
在决策单元中，从1号智能手机的GPS信息开始判断，调取其2分钟内的加减速度数据，然后与2号智能手机GPS信息中的加减速度值进行对比。当1、2号智能手机的加减速数据变化规律一致，则可以认为这两个数据来自同一台车。接着与3号智能手机的加减速度进行对比，如果加减速数据变化规律不一致，则该数据来自另外一台车。按照有效智能手机的GPS信息的标号依次向下对比，对比完N个智能手机的GPS数据信息，将具有相同加减速数据变化规律的智能手机的GPS信息归为一组(如图1所示，将具有相同加减速数据变化规律的1号智能手机到K-1号智能手机归为一组)，并计算每组内智能手机的个数和智能手机之间的距离信息。其中，智能手机之间的距离信息可根据智能手机的位置坐标信息计算确定。
子步骤3.2，在决策单元中，根据来源同一车辆的智能手机的个数M和智能手机之间的距离信息D区分社会车辆和公交车，并设识别出G辆公交车和S辆社会车辆。
具体的，当M≥10，则认定该车辆为公交车；
当5<M<10，分为两种情况：
1)若智能手机之间的距离信息D的最大值小于0.6m～3m，且其中有至少两组距离小于1m，则认定该车辆为社会车辆(较大可能为大于5座的商务车、私家小客车)。
2)若智能手机之间的距离信息D的最大值大于3m，且最小值大于1m，认定该车辆为公交车；
当2≤M≤5，分为两种情况：
1)若智能手机之间的距离信息D的最大值小于0.6m～3m，且其中有至少1组距离小于1m，则认定该车辆为社会车辆(较大可能五座小轿车、SUV、MPV)。
2)若智能手机之间的距离信息D的最大值大于3m，且最小值大于1m，认定该车辆为公交车。
当M＝1，即没有与之加减速度数据变化规律一致的数据包，在这种情况，是公交车的概率要远低于社会车辆，故认定此车辆为社会车辆。
按照上述数据对比和车型识别方法，从1号数据一直到对比完到第N号数据。此时假设共识别出了G辆公交车和S辆社会车辆。
步骤4，决策单元根据识别出G辆公交车和S辆社会车辆，利用电子地图获取的信息分别计算社会车道和公交车道的拥堵程度。
具体的，电子地图获取的信息包括该路段的长度、社会车道以及公交线路的车道数量。假设决策单元获取到的此路段长度为L千米，社会车辆占用s条车道，公交车占用g条车道；
则在决策单元中可求得社会车道的拥堵程度A:
Figure BDA0002635558390000091
公交车道拥堵程度B：
Figure BDA0002635558390000092
为了尽可能减小车长对拥堵程度影响，在计算公交车车道拥堵程度时，需要乘以系数0.5。
步骤5，根据所述社会车道和公交车道的拥堵程度采用加权求和来计算修正后的道路整体拥堵程度。
具体的，为了减小传统电子地图计算的道路拥堵程度误差，本方法按照下述的加权求和来计算道路整体拥堵程度。考虑到电子地图更多是为社会车辆提供服务，为了削弱公交车道交通拥堵状况对社会车道拥堵状况的影响，本方法取公交车道拥堵状况的权重为0.2，社会车道拥堵状况权重为0.8，故修正后的道路整体拥堵程度C为：
C＝0.8A+0.2B
虽然，本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (7)

1.一种对电子地图拥堵程度显示结果进行修正的方法，其特征在于，
该方法是基于一种对电子地图拥堵程度显示结果进行修正的系统，所述系统包括：信息采集单元和决策单元；其中，所述信息采集单元用于获取智能手机的GPS信息；所述决策单元用于对获取的智能手机的GPS信息进行分析和判断，并确定车辆类型、社会车道和公交车道的拥堵程度、以及修正后的道路整体拥堵程度；
所述信息采集单元为无线信号接收设备；所述决策单元为处理器；
该方法包括以下步骤：
步骤1，信息采集单元获取智能手机的GPS信息，并将所述智能手机的GPS信息发送至决策单元进行筛选，去除非道路区域内的智能手机的GPS信息，得到多个有效智能手机的GPS信息；其中，所述智能手机的GPS信息包含智能手机的位置坐标和加减速度信息；
步骤2，按照道路车辆前进方向从前向后对多个有效智能手机的GPS信息依次进行标号1,2,3,…,N；其中，N为有效智能手机的GPS信息的总数；
步骤3，决策单元根据有效智能手机的个数和有效智能手机之间的GPS信息区分公交车和社会车辆，并设识别出G辆公交车和S辆社会车辆；
步骤4，决策单元根据识别出G辆公交车和S辆社会车辆，利用电子地图获取的信息分别计算社会车道和公交车道的拥堵程度；
步骤5，根据所述社会车道和公交车道的拥堵程度采用加权求和来计算修正后的道路整体拥堵程度。
2.根据权利要求1所述的对电子地图拥堵程度显示结果进行修正的方法，其特征在于，步骤1中，所述信息采集单元每两分钟采集一次，所述决策单元每2分钟计算一次。
3.根据权利要求1所述的对电子地图拥堵程度显示结果进行修正的方法，其特征在于，步骤1中，所述筛选的方法为：
决策单元中内置有道路区域位置坐标信息，在决策单元中对比单个智能手机的位置坐标和道路区域位置坐标信息，当单个智能手机的位置坐标在所述道路区域位置坐标信息之内时，则对应的智能手机的GPS信息有效；否则，智能手机的GPS信息无效。
4.根据权利要求1所述的对电子地图拥堵程度显示结果进行修正的方法，其特征在于，步骤3包含以下子步骤：
子步骤3.1，根据多个有效智能手机的GPS信息判断是否为来源于同一车辆的智能手机；计算来源同一车辆的智能手机的个数M和智能手机之间的距离信息D；
子步骤3.2，根据来源同一车辆的智能手机的个数M和智能手机之间的距离信息D区分社会车辆和公交车，具体如下：
当M≥10，则认定该车辆为公交车；
当5<M<10，分为两种情况：
1)若智能手机之间的距离信息D的最大值小于3m，且其中有至少两组距离小于1m，则认定该车辆为社会车辆；
2)若智能手机之间的距离信息D的最大值大于3m，且最小值大于1m，认定该车辆为公交车；
当2≤M≤5，分为两种情况：
1)若智能手机之间的距离信息D的最大值小于0.6m～3m，且其中有至少1组距离小于1m，则认定该车辆为社会车辆；
2)若智能手机之间的距离信息D的最大值大于3m，且最小值大于1m，认定该车辆为公交车；
当M＝1，则认定该车辆为社会车辆。
5.根据权利要求4所述的对电子地图拥堵程度显示结果进行修正的方法，其特征在于，子步骤3.1中，所述判断的方法为：将具有相同加减速度变化规律的智能手机视为来源于同一车辆的智能手机。
6.根据权利要求1所述的对电子地图拥堵程度显示结果进行修正的方法，其特征在于，步骤4具体为：设电子地图获取的信息包括路段长度L、社会车道数量s和公交车道数量g，则社会车道的拥堵程度A:
Figure FDA0003313121560000031
公交车道拥堵程度B：
Figure FDA0003313121560000032
7.根据权利要求6所述的对电子地图拥堵程度显示结果进行修正的方法，其特征在于，步骤5中，所述修正后的道路整体拥堵程度C为：
C＝0.8A+0.2B。
CN202010824191.9A 2020-08-17 2020-08-17 对电子地图拥堵程度显示结果进行修正的系统及方法 Expired - Fee Related CN112017433B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010824191.9A CN112017433B (zh) 2020-08-17 2020-08-17 对电子地图拥堵程度显示结果进行修正的系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010824191.9A CN112017433B (zh) 2020-08-17 2020-08-17 对电子地图拥堵程度显示结果进行修正的系统及方法

Publications (2)

Publication Number Publication Date
CN112017433A CN112017433A (zh) 2020-12-01
CN112017433B true CN112017433B (zh) 2021-12-07

Family

ID=73504713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010824191.9A Expired - Fee Related CN112017433B (zh) 2020-08-17 2020-08-17 对电子地图拥堵程度显示结果进行修正的系统及方法

Country Status (1)

Country Link
CN (1) CN112017433B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010256367A (ja) * 2010-06-25 2010-11-11 Mitsubishi Electric Corp 移動端末装置及び地図データ管理方法
CN107564293A (zh) * 2017-10-31 2018-01-09 沈阳世纪高通科技有限公司 一种路况检测方法及装置
CN107613460A (zh) * 2017-09-27 2018-01-19 邓方舟 一种距离的控制方法和装置
KR20180124552A (ko) * 2017-05-12 2018-11-21 한국전자통신연구원 지정차로 주행 가이드 장치
CN109727452A (zh) * 2019-01-08 2019-05-07 江苏交科能源科技发展有限公司 基于手机信令数据的出行比例核算方法
CN110210303A (zh) * 2019-04-29 2019-09-06 山东大学 一种北斗视觉融合精准车道辨识与定位方法及其实现装置
CN110751831A (zh) * 2019-10-10 2020-02-04 珠海市岭南大数据研究院 出行方式识别方法、装置、计算机设备和存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103903432A (zh) * 2012-12-26 2014-07-02 株式会社日立制作所 用于确定路链拥堵状况的设备和方法
CN110491158B (zh) * 2019-09-25 2022-04-19 西安安邦鼎立智能科技有限公司 一种基于多元数据融合的公交车到站时间预测方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010256367A (ja) * 2010-06-25 2010-11-11 Mitsubishi Electric Corp 移動端末装置及び地図データ管理方法
KR20180124552A (ko) * 2017-05-12 2018-11-21 한국전자통신연구원 지정차로 주행 가이드 장치
CN107613460A (zh) * 2017-09-27 2018-01-19 邓方舟 一种距离的控制方法和装置
CN107564293A (zh) * 2017-10-31 2018-01-09 沈阳世纪高通科技有限公司 一种路况检测方法及装置
CN109727452A (zh) * 2019-01-08 2019-05-07 江苏交科能源科技发展有限公司 基于手机信令数据的出行比例核算方法
CN110210303A (zh) * 2019-04-29 2019-09-06 山东大学 一种北斗视觉融合精准车道辨识与定位方法及其实现装置
CN110751831A (zh) * 2019-10-10 2020-02-04 珠海市岭南大数据研究院 出行方式识别方法、装置、计算机设备和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Analysis of public transit trip chain of commuters based on mobile phone data and GPS data;Li Zhou Et al.;《2017 4th International Conference on Transportation Information and Safety (ICTIS)》;20170930;第635-639页 *
Generating Enhanced Intersection Maps for Lane Level Vehicle Positioning based Applications;Jiang Liu Et al.;《Procedia - Social and Behavioral Sciences》;20131130;第96卷;第2395-2403页 *
基于电子地图实时路况识别技术的交通运行特征研究;杨洋灵芝;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20200715(第7期);C034-447 *
车道级高精度地图优化;祖玉川;《北京测绘》;20190531;第33卷(第5期);第555-559页 *

Also Published As

Publication number Publication date
CN112017433A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
US11170237B2 (en) Method, device, and system for determining a road construction site
JP5707510B2 (ja) プローブ車両から取得される交通データを区別するための方法
US7680588B2 (en) Traffic information management system
CN112382098B (zh) 交通拥堵检测方法、装置、电子设备及存储介质
CN111465972B (zh) 用于计算交通工具传感器数据的错误概率的系统
US11227487B2 (en) Server device and congestion identification method
CN107918826B (zh) 一种驾驶环境感知的司机评价与调度方法
US20120001770A1 (en) System and method of providing traffic information with turning information at intersections
CN113538952B (zh) 公交车间隔异常识别与预警系统、方法、设备及存储介质
CN108538054B (zh) 一种基于手机信令数据获取交通路况信息的方法及系统
CN112017433B (zh) 对电子地图拥堵程度显示结果进行修正的系统及方法
CN116383678B (zh) 一种营运客车异常变速行为常发性路段识别方法
WO2010095119A1 (en) Vehicle driving behaviour monitoring device and system and method of determining an insurance premium
CN109785634B (zh) 基于基站切换的车型识别方法及计算机可读存储介质
CN111680707A (zh) 基于公交系统的刷卡数据分析方法、电子终端及存储装置
US10924428B2 (en) Onboard device and method of transmitting probe data
CN113497824B (zh) 用于提供车辆信息的服务器和方法
CN114072864B (zh) 地图数据生成装置
CN116416780A (zh) 一种路侧感知系统的测试方法、装置、测试设备和介质
CN113345238A (zh) 一种基于城市公交网络感知的交通拥堵分析系统
WO2019038987A1 (ja) コンピュータプログラム、走行車線特定装置および走行車線特定システム
CN117592788B (zh) 一种公交运行风险的识别方法及装置
CN115966100B (zh) 一种行车安全控制方法及系统
US11657712B2 (en) Method and system for searching for route using road-shoulder parking state information
CN117097767B (zh) 一种用于汽车车联网的联合通讯方法及系统

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211207