CN112053566B - 电子设备及车辆的出行类型识别方法 - Google Patents
电子设备及车辆的出行类型识别方法 Download PDFInfo
- Publication number
- CN112053566B CN112053566B CN202010854498.3A CN202010854498A CN112053566B CN 112053566 B CN112053566 B CN 112053566B CN 202010854498 A CN202010854498 A CN 202010854498A CN 112053566 B CN112053566 B CN 112053566B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- shooting
- target vehicle
- adjacent positions
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 58
- 238000012163 sequencing technique Methods 0.000 claims abstract description 8
- 238000012806 monitoring device Methods 0.000 claims description 91
- 238000004891 communication Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- 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
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- 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
- 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
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明是关于一种电子设备及车辆的出行类型识别方法,涉及智能交通技术领域,本发明包括:按照拍摄时间顺序,对拍摄到的目标车辆出行的车辆监控设备的位置进行排序,得到位置队列;并位置队列中每个相邻的两个位置,若相邻的两个位置的车辆监控设备拍摄到目标车辆的拍摄时间的差值大于相邻的两个位置对应的车辆行驶时间阈值,则根据相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置,确定目标车辆的停留点,从而确定目标车辆的出行类型。由于本发明实施例能够通过拍摄到目标车辆的车辆监控设备的拍摄时间和位置确定目标车辆的停留点,从而确定出车辆的出行类型,扩展了确定车辆的出行类型的方式。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种电子设备及车辆的出行类型识别方法。
背景技术
随着社会经济的发展,各个城市汽车保有量逐年递增,交通需求越来越大,进而交通压力也越来越大。对于早晚高峰来说,需要统计通勤车的数量,对道路进行管制。对于公交车、接送员工的大型汽车这种的出行类型为通勤车,只需要通过查询公交公司的记录的公交车的车牌以及个体公司提供的接送员工的大型汽车的车牌号,以及形式的时间和路线,即可以在早晚高峰时进行管制。
真正造成早晚高峰压力的汽车并不全是来自上述介绍的车辆,而是往返公司和家的私家车,然而,人们购买私家车的目的,并不一定是用作往返公司和家,所以在不知道私家车的出行类型时,仅对公交车、接送员工的大型汽车等车辆进行管制,对早晚高峰交通压力消减的效果并不明显。
发明内容
本发明提供一种电子设备及车辆的出行类型识别方法,提供了一种车辆识别的方式。
第一方面,本发明实施例提供的一种电子设备,包括:接收单元和处理器;
所述接收单元,用于接收预设时间段内拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间;
所述处理器,用于通过所述接收单元获取预设时间段内拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间,按照拍摄时间顺序,对拍摄到的目标车辆出行的车辆监控设备的位置进行排序,得到位置队列;
针对所述位置队列中每个相邻的两个位置,若所述相邻的两个位置的车辆监控设备拍摄到目标车辆的拍摄时间的差值大于所述相邻的两个位置对应的车辆行驶时间阈值,则根据所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置,确定所述目标车辆的停留点;
根据预设时间段内确定的目标车辆的停留点,确定目标车辆的出行类型。
上述电子设备,提供了一种识别车辆的出行类型的方式,通过获取一定时间段内的目标车辆出行时车辆监控设备拍到其的时间以及该设备的位置,确定目标车辆的停留点,并根据该停留点,确定车辆的出行类型,本发明扩展了确定车辆的出行类型的方式,从而使得能够对行驶在路上的车辆进行类型识别,其进行有效的交通管制,降低早晚高峰交通的压力。
在一种可能的实现方式中,所述处理器,具体用于:
获取依次通过所述相邻的两个位置的所有车辆的行驶时间;
根据获取的所有车辆的行驶时间,确定所述相邻的两个位置对应的车辆行驶时间阈值。
上述电子设备,从而通过依次通过相邻的两个位置的所有车辆的行驶时间,确定每个相邻的两个位置对应的车辆行驶时间阈值,相比于均采用统一的车辆行驶时间阈值,使得获取的相邻的两个位置对应的车辆行驶时间阈值更加符合实际的车辆行驶时间,提高判断目标车辆的拍摄时间的差值大小的准确率。
在一种可能的实现方式中,所述处理器,具体用于:
将由获取的行驶时间形成的箱形图中的上边界作为所述相邻的两个位置对应的车辆行驶时间阈值;或
剔除获取的行驶时间中的异常时间,并从剩余的行驶时间中选择最大的行驶时间作为所述相邻的两个位置对应的车辆行驶时间阈值。
上述电子设备,由于箱形图的特征能够排除一组数据的异常值,所以,采用获取的行驶时间形成的箱形图中的上边界作为所述相邻的两个位置对应的车辆行驶时间阈值,避免了异常时间的影响;或者将获取的行驶时间中的异常时间剔除,从剔除后的行驶时间中选择最大的行驶时间,该方式能够避免异常值的影响。
在一种可能的实现方式中,所述处理器,具体用于:
将目标位置以及满足以下条件的位置,作为目标车辆的停留点;所述目标位置为所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置;
其中,所述条件包括下列中的部分或全部:
与所述目标位置之间的距离小于预设距离的车辆监控设备的位置;
以所述目标位置为起点,在所述目标位置所在的道路中沿与行车方向相反的方向上的连续预设个数的车辆监控设备的位置;
以所述目标位置为起点,在所述目标位置所在的道路中沿行车方向上的连续预设个数的车辆监控设备的位置。
上述电子设备,由于车辆监控设备抓拍车辆时并不是每时每刻均抓拍,所以,会导致车辆经过该车辆监控设备时,该车辆监控设备没有拍摄到,对此,本发明将目标位置以及与目标位置之间的距离小于预设距离的车辆监控设备的位置、以目标位置为起点,在目标位置所在的道路中沿与行车方向相反的方向上的连续预设个数的车辆监控设备的位置、以目标位置为起点,在目标位置所在的道路中沿行车方向上的连续预设个数的车辆监控设备的位置中的部分或全部作为目标车辆的停留点,这样能够避免上述提到的问题,提高查找目标车辆的停留点的准确率。
在一种可能的实现方式中,所述处理器,具体用于:
确定预设时间段内目标车辆的总出行轨迹次数;其中,所述位置队列中相邻的两个停留点之间的所述目标车辆的轨迹作为一个出行轨迹;
若包含同一停留点的出行轨迹次数占所述总出行轨迹次数的比例大于预设值,则确定所述目标车辆的出行类型为通勤车。
上述电子设备,以车辆实际的包含某个停留点的出行轨迹比较多时,说明该车辆通常会往返该停留点,将该车辆的出行类型认定为通勤车,能够对该通勤车进行交通管制,降低早晚高峰交通的压力。
第二方面,本发明实施例提供的一种车辆的出行类型识别方法,包括:
获取预设时间段内拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间;
按照拍摄时间顺序,对拍摄到的目标车辆出行的车辆监控设备的位置进行排序,得到位置队列;
针对所述位置队列中每个相邻的两个位置,若所述相邻的两个位置的车辆监控设备拍摄到目标车辆的拍摄时间的差值大于所述相邻的两个位置对应的车辆行驶时间阈值,则根据所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置,确定所述目标车辆的停留点;
根据预设时间段内确定的目标车辆的停留点,确定目标车辆的出行类型。
在一种可能的实现方式中,通过以下方式确定所述相邻的两个位置对应的车辆行驶时间阈值:
获取依次通过所述相邻的两个位置的所有车辆的行驶时间;
根据获取的所有车辆的行驶时间,确定所述相邻的两个位置对应的车辆行驶时间阈值。
在一种可能的实现方式中,根据获取的所有车辆的行驶时间,确定所述相邻的两个位置对应的车辆行驶时间阈值,包括:
将由获取的行驶时间形成的箱形图中的上边界作为所述相邻的两个位置对应的车辆行驶时间阈值;或
剔除获取的行驶时间中的异常时间,并从剩余的行驶时间中选择最大的行驶时间作为所述相邻的两个位置对应的车辆行驶时间阈值。
在一种可能的实现方式中,所述根据所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置,确定所述目标车辆的停留点,包括:
将目标位置以及满足以下条件的位置,作为目标车辆的停留点;所述目标位置为所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置;
其中,所述条件包括下列中的部分或全部:
与所述目标位置之间的距离小于预设距离的车辆监控设备的位置;
以所述目标位置为起点,在所述目标位置所在的道路中沿与行车方向相反的方向上的连续预设个数的车辆监控设备的位置;
以所述目标位置为起点,在所述目标位置所在的道路中沿行车方向上的连续预设个数的车辆监控设备的位置。
在一种可能的实现方式中,根据预设时间段内确定的目标车辆的停留点,确定目标车辆的出行类型,包括:
确定预设时间段内目标车辆的总出行轨迹次数;其中,所述位置队列中相邻的两个停留点之间的所述目标车辆的轨迹作为一个出行轨迹;
若包含同一停留点的出行轨迹次数占所述总出行轨迹次数的比例大于预设值,则确定所述目标车辆的出行类型为通勤车。
第三方面,本发明还提供一种计算机存储介质,其上存储有计算机程序,该程序被处理单元执行时实现第二方面所述车辆的出行类型识别方法的步骤。
另外,第二方面至第三方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果,此处不再赘述。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理,并不构成对本发明的不当限定。
图1是本发明实施例提供的一种电子设备的结构图;
图2是本发明实施例提供的另一种电子设备的结构图;
图3是本发明实施例提供的一种用户与电子设备交互的示意图;
图4是本发明实施例提供的一种车辆的出行类型识别方法的流程示意图;
图5是本发明实施例提供的一种目标车辆在道路行驶的示意图;
图6是本发明实施例提供的一种箱形图的示意图;
图7是本发明实施例提供的一种车辆的出行类型识别方法的完整的流程示意图。
具体实施方式
为了使本领域普通人员更好地理解本发明的技术方案,下面将结合附图,对本发明实施例中的技术方案进行清楚、完整地描述。
由于智能交通的影响,交通管制部门会有一个智能交通管制的设备,该设备能够实现交通管制。
本发明实施例提供的一种电子设备可以为智能交通管制的设备,结合图1所示,包括:接收单元110和处理器120;
接收单元110,用于接收预设时间段内拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间;
处理器120,用于通过接收单元获取预设时间段内拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间,按照拍摄时间顺序,对拍摄到的目标车辆出行的车辆监控设备的位置进行排序,得到位置队列;针对位置队列中每个相邻的两个位置,若相邻的两个位置的车辆监控设备拍摄到目标车辆的拍摄时间的差值大于相邻的两个位置对应的车辆行驶时间阈值,则根据相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置,确定目标车辆的停留点;根据预设时间段内确定的目标车辆的停留点,确定目标车辆的出行类型。
其中,电子设备直接与道路上安装的车辆监控设备,例如电子眼,相连,在道路上安装的车辆监控设备抓拍的图像传输到电子设备的存储器上。
或者,用户通过电子设备上的数据接口,将预设时间段内的拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间导入到电子设备中。
可选的,处理器120,具体用于:
获取依次通过所述相邻的两个位置的所有车辆的行驶时间;
根据获取的所有车辆的行驶时间,确定所述相邻的两个位置对应的车辆行驶时间阈值。
可选的,处理器120,具体用于:
将由获取的行驶时间形成的箱形图中的上边界作为所述相邻的两个位置对应的车辆行驶时间阈值;或
剔除获取的行驶时间中的异常时间,并从剩余的行驶时间中选择最大的行驶时间作为所述相邻的两个位置对应的车辆行驶时间阈值。
可选的,处理器120,具体用于:
将目标位置以及满足以下条件的位置,作为目标车辆的停留点;所述目标位置为所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置;
其中,所述条件包括下列中的部分或全部:
与所述目标位置之间的距离小于预设距离的车辆监控设备的位置;
以所述目标位置为起点,在所述目标位置所在的道路中沿与行车方向相反的方向上的连续预设个数的车辆监控设备的位置;
以所述目标位置为起点,在所述目标位置所在的道路中沿行车方向上的连续预设个数的车辆监控设备的位置。
可选的,处理器120,具体用于:
确定预设时间段内目标车辆的总出行轨迹次数;其中,所述位置队列中相邻的两个停留点之间的所述目标车辆的轨迹作为一个出行轨迹;
若包含同一停留点的出行轨迹次数占所述总出行轨迹次数的比例大于预设值,则确定所述目标车辆的出行类型为通勤车。
在本发明实施例中,除了上述结构外,本发明实施例中的电子设备还可以为图2所示,该电子设备包括:射频(Radio Frequency,RF)电路210、电源220、处理器230、存储器240、输入单元250、显示单元260、通信接口270、以及无线保真(Wireless Fidelity,Wi-Fi)模块280等部件。本领域技术人员可以理解,图2中示出的电子设备的结构并不构成对本发明实施例提出的电子设备的限定,本申请实施例提供的电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图2和电子设备的功能对所述电子设备200的各个构成部件进行具体的介绍:
由于电子设备与车辆监控设备相连,并进行通信,车辆监控设备向电子设备发送拍摄车辆的图片,电子设备可以根据对应的图片确定图片中是否有目标车辆,如果有,则记录该车辆监控设备的位置以及拍摄时间,从而能够获取拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间。
其中,电子设备中与车辆监控设备具有通信功能的模块包括:所述RF电路210、通信接口270、以及无线保真(Wireless Fidelity,Wi-Fi)模块280。即为图1中描述的接收单元110;
所述RF电路210可用于通信或通话过程中,数据的接收和发送。特别地,所述RF电路210在接收到基站的下行数据后,发送给所述处理器230处理;另外,将待发送的上行数据发送给基站。通常,所述RF电路210包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier,LNA)、双工器等。
此外,RF电路210还可以通过无线通信与网络和其他电子设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(Global System ofMobile communication,GSM)、通用分组无线服务(General Packet Radio Service,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband CodeDivision Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、电子邮件、短消息服务(Short Messaging Service,SMS)等。
Wi-Fi技术属于短距离无线传输技术,所述电子设备200通过Wi-Fi模块280可以连接接入点(Access Point,AP),从而实现数据网络的访问。所述Wi-Fi模块280可用于通信过程中,数据的接收和发送。
所述电子设备200可以通过所述通信接口270与其他电子设备实现物理连接。可选的,所述通信接口270与所述其他电子设备的通信接口通过电缆连接,实现所述电子设备200和其他电子设备之间的数据传输。该段中其他电子设备可以为车辆监控设备。
由于在本申请实施例中,所述电子设备200能够实现通信业务,向其他联系人发送信息,因此所述电子设备200需要具有数据传输功能,即所述电子设备200内部需要包含通信模块。虽然图2示出了所述RF电路210、所述Wi-Fi模块280、和所述通信接口270等通信模块,但是可以理解的是,所述电子设备200中存在上述部件中的至少一个或者其他用于实现通信的通信模块(如蓝牙模块),以进行数据传输。
另外,为了使目标车辆的出行类型更加准确,预设时间段会取比较长,例如2个月、1年。
处理器监控存储器上存储的图像的日期的间隔达到2个月时,对目标车辆进行出行类型识别;或者
处理器响应用户的处理操作,对目标车辆进行出行类型识别。
例如,结合图3所示,电子设备包括的显示单元260中显示是否需要进行目标车辆的出行类型识别,如果用户选择“是”,电子设备弹出输入框,使得用户输入所选择的车辆的车牌号BJ:12345,即目标车辆,然后再选择“启动”,使得电子设备进行该车辆的出行类型识别。
其中,所述输入单元250可用于接收用户输入的数字或字符信息,以及产生与所述电子设备200的用户设置以及功能控制有关的键信号输入。
可选的,输入单元250可包括触控面板251以及其他输入设备252。
其中,所述触控面板251,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在所述触控面板251上或在所述触控面板251附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,所述触控面板251可以包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给所述处理器230,并能接收所述处理器230发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现所述触控面板251。
可选的,所述其他输入设备252可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
所述显示单元260可用于显示由用户输入的信息或提供给用户的信息以及所述电子设备200的各种菜单。所述显示单元260即为所述电子设备200的显示系统,用于呈现界面,实现人机交互。
所述显示单元260可以包括显示面板261。可选的,所述显示面板261可以采用液晶显示屏(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-EmittingDiode,OLED)等形式来配置。
进一步的,所述触控面板251可覆盖所述显示面板261,当所述触控面板251检测到在其上或附近的触摸操作后,传送给所述处理器230以确定触摸事件的类型,随后所述处理器230根据触摸事件的类型在所述显示面板261上提供相应的视觉输出。
虽然在图2中,所述触控面板251与所述显示面板261是作为两个独立的部件来实现所述电子设备200的输入和输入功能,但是在某些实施例中,可以将所述触控面板251与所述显示面板261集成而实现所述电子设备200的输入和输出功能。
对于存储器240,除了存储车辆监控设备拍摄的图片,还用于存储软件程序以及模块。所述处理器230通过运行存储在所述存储器240的软件程序以及模块,从而执行所述电子设备200的各种功能应用以及数据处理,并且当处理器230执行存储器240中的程序代码后,可以实现以下介绍的本发明实施例图3中的部分或全部过程。
可选的,所述存储器240可以主要包括存储程序区和存储数据区。其中,存储程序区可存储操作系统、各种应用程序(比如通信应用)以及人脸识别模块等;存储数据区可存储根据所述电子设备的使用所创建的数据(比如各种图片、视频文件等多媒体文件,以及人脸信息模板)等。
此外,所述存储器240可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述处理器230是所述电子设备200的控制中心,利用各种接口和线路连接各个部件,通过运行或执行存储在所述存储器240内的软件程序和/或模块,以及调用存储在所述存储器240内的数据,执行所述电子设备200的各种功能和处理数据,从而实现基于所述电子设备的多种业务。
可选的,所述处理器230可包括一个或多个处理单元。可选的,所述处理器230可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到所述处理器230中。
所述电子设备200还包括用于给各个部件供电的电源220(比如电池)。可选的,所述电源220可以通过电源管理系统与所述处理器230逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗等功能。
需要说明的是,本发明实施例处理器230可以执行图1中处理器120,存储器240存储处理器120中的内容。
以下结合附图,详细说明本发明实施例的一种车辆的出行类型识别方法。
结合图4所示,该方法包括:
S400:获取预设时间段内拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间。
其中,目标车辆可以为用户选择,或者自动选择的;
例如,用户通过输入车辆的车牌号,则确定该用户输入的车牌号的车辆为目标车辆;
自动选择的,例如,电子设备中获取多个车辆监控设备的拍摄的图片,那么可以将图片中每个车辆分别作为目标车辆,进行目标车辆的出行类型识别。
具体可以通过以下方式执行S400:
获取方式1:直接从其他设备接收预设时间段内拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间;
获取方式2:在预设时间段内,接收多个车辆监控设备传输的图片,针对每个图片,对车辆监控设备传输的图片进行识别车牌,确定是否为目标车辆的车牌,如果是,则记录传输图片的车辆监控设备的位置以及车辆监控设备拍摄图片的拍摄时间,否则,继续检测下一张图片,直到完检测所有的图像。
S401:按照拍摄时间顺序,对拍摄到的目标车辆出行的车辆监控设备的位置进行排序,得到位置队列。
S402:针对位置队列中每个相邻的两个位置,若相邻的两个位置的车辆监控设备拍摄到目标车辆的拍摄时间的差值大于相邻的两个位置对应的车辆行驶时间阈值,则根据相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置,确定目标车辆的停留点。
S403:根据预设时间段内确定的目标车辆的停留点,确定目标车辆的出行类型。
以下举例说明:
结合图5所示,目标车辆从A点行驶到B点;再从B点返回A点;路上设置1~15个车辆监控设备(黑色圆点),按照拍摄时间顺序,拍摄到目标车辆(白色圆点)的车辆监控设备分别为车辆监控设备1、车辆监控设备4、车辆监控设备5、车辆监控设备6、车辆监控设备8、车辆监控设备9、车辆监控设备10、车辆监控设备12、车辆监控设备13,将其组成位置队列。
确定车辆监控设备1和车辆监控设备4之间拍摄目标车辆的拍摄时间的差值,判断该差值是否大于车辆监控设备1和车辆监控设备4对应的车辆行驶时间阈值,如果大于,则根据车辆监控设备1,确定为停留点,并继续检测。如果不大于,则继续检测。
确定车辆监控设备4和车辆监控设备5之间拍摄目标车辆的拍摄时间的差值,判断该差值是否大于车辆监控设备4和车辆监控设备5对应的车辆行驶时间阈值,如果大于,则根据车辆监控设备4,确定为停留点,并继续检测。如果不大于,则继续检测。
依次类推,将位置队列中每个相邻的两个位置均进行检测,若检测到大于相邻的两个位置对应的车辆行驶时间阈值,则根据相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置,确定目标车辆的停留点。
从图5中可以看出,由于目标车辆行驶到B点,所以拍摄到目标车辆的车辆监控设备12和车辆监控设备13的拍摄时间的差值大于车辆监控设备12和车辆监控设备13对应的车辆行驶时间阈值,根据车辆监控设备12,确定目标车辆的停留点。
其中,本发明实施例可以通过以下方式确定所述相邻的两个位置对应的车辆行驶时间阈值:
获取依次通过相邻的两个位置的所有车辆的行驶时间;
根据获取的所有车辆的行驶时间,确定相邻的两个位置对应的车辆行驶时间阈值。
上述方式,确定的相邻的两个位置对应的车辆行驶时间阈值均不同,是根据相邻的两个位置之间的距离确定的,提高确定的车辆行驶时间阈值的准确性。
例如,车辆监控设备1和车辆监控设备2之间的距离为5km,车辆监控设备4和车辆监控设备6之间的距离为10km,通过本发明实施例提供的上述方式,车辆监控设备1和车辆监控设备2对应的车辆行驶时间阈值为5分钟,车辆监控设备4和车辆监控设备6对应的车辆行驶时间阈值为10分钟。
以相邻的两个位置为位置1和位置2为例,依次通过位置1和位置2的所有车辆为:选择位置1的搜索时间范围[ti-30min,ti],ti为通过位置2的车辆i的过车时刻,选择该时间段中的依次通过位置1和位置2的所有车辆。
由于车辆监控设备在抓拍时,是按照时间间隔进行抓拍的,例如,车辆监控设备安装在红绿灯处,等车辆等红绿灯时,该车辆监控设备会抓拍多张该车辆的图片。
对于这种情况,在同一车辆的搜索时间范围中,选择该车辆监控设备抓拍该车辆的拍摄时间最晚的时间,作为过车时刻,与下一个车辆监控设备抓拍该车辆的拍摄时间最晚的时刻做差值,得到该车辆的依次通过相邻的两个位置的行驶时间。
由于依次通过相邻的两个位置的所有车辆可能并非均在路上,所以会导致行驶时间中包含异常时间,为了提高确定的车辆行驶时间阈值的正确率。本发明实施例提供了以下方式。
方式1:将由获取的行驶时间形成的箱形图中的上边界作为所述相邻的两个位置对应的车辆行驶时间阈值。
其中,箱形图是一种用作显示一组数据分散情况资料的统计图。
分位数定义:分位数是将总体的全部数据按大小顺序排列后,处于各等分位置的变量值。
结合图6所示,下分位数Q1:一组数据按从小到大进行排序,处于25%位置的数据即为下分位数。
Q1的位置=(n+1)×0.25,n为项数。
中位数Q2:一组数据按从小到大进行排序。若序列为奇数个,该组数据的中位数为中间位置的数;若序列为偶数个,该组数据的中位数为中间两个数的平均数。
Q2的位置=(n+1)×0.5,n为项数。
上分位数Q3:一组数据按从小到大进行排序,处于75%位置的数据即为下分位数。
Q3的位置=(n+1)×0.75,n为项数。
上下四分位差:IQR=75%分位数-25%分位数=Q3-Q1。
上边界UpperLimit:UpperLimit=75%分位数+(75%分位数-25%分位数)*1.5=Q3+1.5IQR。
即,按照时间从小到大的顺序,对依次通过所述相邻的两个位置的所有车辆的行驶时间进行排序,得到时间队列;
计算时间队列中的上分位数Q3的位置和下分位数Q1的位置,找出相应的时间,例如上分位数Q3的位置的时间为T1,下分位数Q1的位置的时间为T2,根据上边界的上述算式,上边界为T1+1.5*(T1-T2)。
由于箱形图是根据时间队列得到的,所以在比较大的时间或者比较小的时间,即异常时间,会出现在队列中的最前面或者最后面,对于上边界的求取,影响不大,从而能够得到合理范围内的行驶时间的最大值。
方式2:剔除获取的行驶时间中的异常时间,并从剩余的行驶时间中选择最大的行驶时间作为所述相邻的两个位置对应的车辆行驶时间阈值。
其中,为每个相邻的两个位置设置对应的预设时间范围,将获取到的行驶时间与预设时间范围进行对比,如果在预设时间范围内,则留下,如果不在预设时间范围,则剔除,在将留下的行驶时间中选择最大的行驶时间作为相邻的两个位置对应的车辆行驶时间阈值。
其中,求取预设时间范围为:将相邻的两个位置所在道路的长度和所在道路的最大行驶速率,求得预设时间范围中下限值;将相邻的两个位置所在道路的长度和所在道路的最小行驶速率,求得预设时间范围中上限值。
例如,以20千米/小时为最小行驶速率,以100千米/小时为最大行驶速率。
其中,车辆监控设备抓拍时,是按照一定的时间间隔进行抓拍的,那么会导致位置队列中相邻的两个位置的车辆监控设备,在实际道路中,可能会间隔一个或者几个。为了提高确定的停留点的位置的准确性,本发明实施例提供了以下方式:
将目标位置以及满足以下条件的位置,作为目标车辆的停留点;目标位置为相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置;
其中,条件包括下列中的部分或全部:
条件1:与目标位置之间的距离小于预设距离的车辆监控设备的位置;预设距离,例如2千米。
条件1具体为,确定目标位置,然后获取道路上的车辆监控设备的位置,将目标位置与道路上的车辆监控设备的位置相减,确定距离是否小于预设距离,如果是,则确定为目标车辆的停留点,否则,不是目标车辆的停留点。
条件2:以目标位置为起点,在目标位置所在的道路中沿与行车方向相反的方向上的连续预设个数的车辆监控设备的位置。即,从与目标位置相比上游车辆监控设备中选择预设个数的车辆监控设备。
结合图4所示,箭头方向为行车方向。若车辆监控设备9的位置为目标位置,则以车辆监控设备9为起点,在车辆监控设备9所在的道路中沿箭头方向的反方向上的车辆监控设备为车辆监控设备8、车辆监控设备5、车辆监控设备4、车辆监控设备1。预设个数可以为3个,那么车辆监控设备8、车辆监控设备5、车辆监控设备4均为目标车辆的停留点。
条件3:以目标位置为起点,在目标位置所在的道路中沿行车方向上的连续预设个数的车辆监控设备的位置。即,从与目标位置相比下游车辆监控设备中选择预设个数的车辆监控设备。
再结合图5所示,若车辆监控设备9的位置为目标位置,则以车辆监控设备9为起点,在车辆监控设备9所在的道路中沿箭头方向上的车辆监控设备为车辆监控设备10车辆监控设备12、车辆监控设备13。预设个数可以为3个,那么车辆监控设备10车辆监控设备12、车辆监控设备13均为目标车辆的停留点。
其中,确定目标车辆的出行类型的方式为:
确定预设时间段内目标车辆的总出行轨迹次数;其中,位置队列中相邻的两个停留点之间的目标车辆的轨迹作为一个出行轨迹;具体可以为:由上述过程确定的目标车辆的停留点,可以将停留点在位置队列中进行标注,在位置队列中每两个标注之间的轨迹即为一次出行轨迹,得到位置队列中的总出行轨迹次数;
若包含同一停留点的出行轨迹次数占所述总出行轨迹次数的比例大于预设值,则确定目标车辆的出行类型为通勤车。
由于停留点为多不同的位置,则在判断时,可以通过以下方式进行:
方式1:依次判断包含同一停留点的出行轨迹次数占所述总出行轨迹次数的比例不大于预设值,则继续检测下一个同一停留点的出行轨迹次数占所述总出行轨迹次数的比例是否大于预设值。
直到所有的停留点均检测到比例不小于预设值,则确定目标车辆的出行类型非通勤车,即私家车,不会列为早晚高峰交通管制的车辆。
方式2:首先确定位置队列中作为停留点最多的位置,判断包含该位置的出行轨迹次数占总出行轨迹次数的比例是否大于预设值,如果大于,则确定目标车辆的出行类型为通勤车,否则,确定目标车辆的出行类型非通勤车。
方式2中,由于最多的位置占总出行轨迹次数的比例不大于预设值时,那么其他位置更不会大于预设值,提高了处理速度。
其中,预设值可以为75%。
基于上述介绍的内容,以车辆监控设备为电子眼为例,结合图7所示,本发明实施例提供一种完整的车辆的出行类型识别方法,包括:
S700:获取预设时间段内拍摄目标车辆出行的电子眼的位置以及拍摄时间;
S701:按照拍摄时间顺序,对拍摄到的目标车辆出行的电子眼的位置进行排序,得到位置队列;
S702:在位置队列中选择一个相邻的两个位置;
S703:确定选择的相邻的两个位置对应的车辆行驶时间阈值;
S704:判断选择的相邻的两个位置的电子眼拍摄到目标车辆的拍摄时间的差值是否大于相邻的两个位置对应的车辆行驶时间阈值;若是,则执行S705,否则执行S706;
S705:根据相邻的两个位置中电子眼拍摄目标车辆的拍摄时间较早的位置,确定目标车辆的停留点;
S706:判断位置队列中相邻的两个位置是否均完成判断;若是,则执行S707;否则,执行S702;
S707:确定位置队列中作为停留点最多的位置;
S708:判断包含该位置的出行轨迹次数占总出行轨迹次数的比例是否大于预设值;如果是,则执行S709;否则执行S710;
S709:确定目标车辆的出行类型为通勤车;
S710:确定目标车辆的出行类型非通勤车。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器,上述指令可由处理器执行以完成上述客户前置设备工作方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明实施例还提供一种计算机程序产品,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行实现本发明实施例上述任意一项车辆的出行类型识别方法。
本领域技术人员在考虑说明书及实践这里发明的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (6)
1.一种电子设备,其特征在于,包括:接收单元和处理器;
所述接收单元,用于接收预设时间段内拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间;
所述处理器,用于通过所述接收单元获取预设时间段内拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间,按照拍摄时间顺序,对拍摄到的目标车辆出行的车辆监控设备的位置进行排序,得到位置队列;
针对所述位置队列中每个相邻的两个位置,若所述相邻的两个位置的车辆监控设备拍摄到目标车辆的拍摄时间的差值大于所述相邻的两个位置对应的车辆行驶时间阈值,则根据所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置,确定所述目标车辆的停留点;
根据预设时间段内确定的目标车辆的停留点,确定目标车辆的出行类型;其中,出行类型包括通勤车或非通信车;
将目标位置以及满足以下条件的位置,作为目标车辆的停留点;所述目标位置为所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置;
其中,所述条件包括下列中的部分或全部:
与所述目标位置之间的距离小于预设距离的车辆监控设备的位置;
以所述目标位置为起点,在所述目标位置所在的道路中沿与行车方向相反的方向上的连续预设个数的车辆监控设备的位置;
以所述目标位置为起点,在所述目标位置所在的道路中沿行车方向上的连续预设个数的车辆监控设备的位置;
确定预设时间段内目标车辆的总出行轨迹次数;其中,所述位置队列中相邻的两个停留点之间的所述目标车辆的轨迹作为一个出行轨迹;
若包含同一停留点的出行轨迹次数占所述总出行轨迹次数的比例大于预设值,则确定所述目标车辆的出行类型为通勤车。
2.根据权利要求1所述的电子设备,其特征在于,所述处理器,具体用于:
获取依次通过所述相邻的两个位置的所有车辆的行驶时间;
根据获取的所有车辆的行驶时间,确定所述相邻的两个位置对应的车辆行驶时间阈值。
3.根据权利要求2所述的电子设备,其特征在于,所述处理器,具体用于:
将由获取的行驶时间形成的箱形图中的上边界作为所述相邻的两个位置对应的车辆行驶时间阈值;或
剔除获取的行驶时间中的异常时间,并从剩余的行驶时间中选择最大的行驶时间作为所述相邻的两个位置对应的车辆行驶时间阈值。
4.一种车辆的出行类型识别方法,其特征在于,包括:
获取预设时间段内拍摄目标车辆出行的车辆监控设备的位置以及拍摄时间;
按照拍摄时间顺序,对拍摄到的目标车辆出行的车辆监控设备的位置进行排序,得到位置队列;
针对所述位置队列中每个相邻的两个位置,若所述相邻的两个位置的车辆监控设备拍摄到目标车辆的拍摄时间的差值大于所述相邻的两个位置对应的车辆行驶时间阈值,则根据所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置,确定所述目标车辆的停留点;
根据预设时间段内确定的目标车辆的停留点,确定目标车辆的出行类型;其中,出行类型包括通勤车或非通信车;
所述根据所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置,确定所述目标车辆的停留点,包括:
将目标位置以及满足以下条件的位置,作为目标车辆的停留点;所述目标位置为所述相邻的两个位置中车辆监控设备拍摄目标车辆的拍摄时间较早的位置;
其中,所述条件包括下列中的部分或全部:
与所述目标位置之间的距离小于预设距离的车辆监控设备的位置;
以所述目标位置为起点,在所述目标位置所在的道路中沿与行车方向相反的方向上的连续预设个数的车辆监控设备的位置;
以所述目标位置为起点,在所述目标位置所在的道路中沿行车方向上的连续预设个数的车辆监控设备的位置;
根据预设时间段内确定的目标车辆的停留点,确定目标车辆的出行类型,包括:
确定预设时间段内目标车辆的总出行轨迹次数;其中,所述位置队列中相邻的两个停留点之间的所述目标车辆的轨迹作为一个出行轨迹;
若包含同一停留点的出行轨迹次数占所述总出行轨迹次数的比例大于预设值,则确定所述目标车辆的出行类型为通勤车。
5.根据权利要求4所述的车辆的出行类型识别方法,其特征在于,通过以下方式确定所述相邻的两个位置对应的车辆行驶时间阈值:
获取依次通过所述相邻的两个位置的所有车辆的行驶时间;
根据获取的所有车辆的行驶时间,确定所述相邻的两个位置对应的车辆行驶时间阈值。
6.根据权利要求5所述的车辆的出行类型识别方法,其特征在于,根据获取的所有车辆的行驶时间,确定所述相邻的两个位置对应的车辆行驶时间阈值,包括:
将由获取的行驶时间形成的箱形图中的上边界作为所述相邻的两个位置对应的车辆行驶时间阈值;或
剔除获取的行驶时间中的异常时间,并从剩余的行驶时间中选择最大的行驶时间作为所述相邻的两个位置对应的车辆行驶时间阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010854498.3A CN112053566B (zh) | 2020-08-24 | 2020-08-24 | 电子设备及车辆的出行类型识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010854498.3A CN112053566B (zh) | 2020-08-24 | 2020-08-24 | 电子设备及车辆的出行类型识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112053566A CN112053566A (zh) | 2020-12-08 |
CN112053566B true CN112053566B (zh) | 2022-01-11 |
Family
ID=73599860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010854498.3A Active CN112053566B (zh) | 2020-08-24 | 2020-08-24 | 电子设备及车辆的出行类型识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053566B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105336171A (zh) * | 2015-10-16 | 2016-02-17 | 浙江宇视科技有限公司 | 一种摄像机位置标定方法及装置 |
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 |
CN109711249A (zh) * | 2018-11-12 | 2019-05-03 | 平安科技(深圳)有限公司 | 人物运动轨迹绘制方法、装置、计算机设备及存储介质 |
CN110084308A (zh) * | 2019-04-30 | 2019-08-02 | 杭州远眺科技有限公司 | 一种基于车辆轨迹分析构建通勤路径的方法 |
CN110796858A (zh) * | 2019-10-24 | 2020-02-14 | 山东科技大学 | 一种基于视频过车数据的车辆轨迹预测方法及系统 |
CN110826758A (zh) * | 2018-08-14 | 2020-02-21 | 上海能链众合科技有限公司 | 行程类型确定方法及装置、存储介质、终端 |
CN110851490A (zh) * | 2019-10-16 | 2020-02-28 | 青岛海信网络科技股份有限公司 | 一种基于过车数据的车辆出行常用停留点挖掘方法及装置 |
CN111127930A (zh) * | 2019-12-13 | 2020-05-08 | 青岛海信网络科技股份有限公司 | 车辆常用行驶路线获取方法及装置 |
CN111143779A (zh) * | 2019-12-31 | 2020-05-12 | 斑马网络技术有限公司 | 获得通勤规律的方法、装置、电子设备及存储介质 |
CN111243277A (zh) * | 2020-03-09 | 2020-06-05 | 山东大学 | 基于车牌识别数据的通勤车辆时空轨迹重构方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7599770B2 (en) * | 2005-12-14 | 2009-10-06 | Cynthia Hardy | Apparatus and method for tracking vehicle travel and expenditures |
US9449511B2 (en) * | 2013-08-23 | 2016-09-20 | Xerox Corporation | System and method for automated sequencing of vehicle under low speed conditions from video |
CN108550261B (zh) * | 2018-05-31 | 2021-05-04 | 重庆大学 | 基于rfid电子车牌的城市交通od计算方法 |
CN111445700B (zh) * | 2020-06-02 | 2021-06-11 | 苏州大学 | 一种基于车牌识别数据的区域行停车辆的监测方法 |
-
2020
- 2020-08-24 CN CN202010854498.3A patent/CN112053566B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105336171A (zh) * | 2015-10-16 | 2016-02-17 | 浙江宇视科技有限公司 | 一种摄像机位置标定方法及装置 |
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 |
CN110826758A (zh) * | 2018-08-14 | 2020-02-21 | 上海能链众合科技有限公司 | 行程类型确定方法及装置、存储介质、终端 |
CN109711249A (zh) * | 2018-11-12 | 2019-05-03 | 平安科技(深圳)有限公司 | 人物运动轨迹绘制方法、装置、计算机设备及存储介质 |
CN110084308A (zh) * | 2019-04-30 | 2019-08-02 | 杭州远眺科技有限公司 | 一种基于车辆轨迹分析构建通勤路径的方法 |
CN110851490A (zh) * | 2019-10-16 | 2020-02-28 | 青岛海信网络科技股份有限公司 | 一种基于过车数据的车辆出行常用停留点挖掘方法及装置 |
CN110796858A (zh) * | 2019-10-24 | 2020-02-14 | 山东科技大学 | 一种基于视频过车数据的车辆轨迹预测方法及系统 |
CN111127930A (zh) * | 2019-12-13 | 2020-05-08 | 青岛海信网络科技股份有限公司 | 车辆常用行驶路线获取方法及装置 |
CN111143779A (zh) * | 2019-12-31 | 2020-05-12 | 斑马网络技术有限公司 | 获得通勤规律的方法、装置、电子设备及存储介质 |
CN111243277A (zh) * | 2020-03-09 | 2020-06-05 | 山东大学 | 基于车牌识别数据的通勤车辆时空轨迹重构方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112053566A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107749194B (zh) | 一种变道辅助方法及移动终端 | |
CN108257378B (zh) | 交通流量预测方法及装置 | |
US11511759B2 (en) | Information processing system, information processing device, information processing method, and non-transitory computer readable storage medium storing program | |
CN104239889A (zh) | 车辆乘载人数监视器及车辆乘载人数监控方法与计算机可读取记录媒体 | |
US10054459B2 (en) | Route information displaying method and apparatus | |
CN112381477B (zh) | 车辆外观清洁度监测方法、装置、服务器及存储介质 | |
US20200043058A1 (en) | Advertising system and information processing method | |
CN111161546B (zh) | 一种用于交管系统的重点车辆排查方法及系统 | |
US10951830B2 (en) | In-vehicle device and vehicle search system | |
CN114841377A (zh) | 应用于图像目标识别的联邦学习模型训练方法、识别方法 | |
CN103871244A (zh) | 交通信息处理方法和系统以及车载系统 | |
CN112067012B (zh) | 网约车接人判定方法及装置 | |
CN112053566B (zh) | 电子设备及车辆的出行类型识别方法 | |
CN108230680B (zh) | 一种车辆行为信息获取方法、装置及终端 | |
CN112258838B (zh) | 驾驶风险提示方法、装置、存储介质和设备 | |
CN113888865B (zh) | 电子设备及车辆信息获取方法 | |
CN108288377B (zh) | 一种路况信息的生成方法及装置 | |
CN110363982B (zh) | 基于路边无线单元的车型识别方法、终端设备及存储介质 | |
CN113469458B (zh) | 驾驶习惯评价方法、装置及电子设备 | |
CN111824170B (zh) | 用于获得车辆性能信息的方法、系统、装置及电子设备 | |
CN112644484A (zh) | 制动方法、装置、电子设备及可读存储介质 | |
CN108256541B (zh) | 车牌标识识别方法及装置 | |
CN112884220A (zh) | 基于关联规则的碰撞预测方法、装置、设备及存储介质 | |
CN113015094B (zh) | 设备定位方法和装置 | |
CN114648746A (zh) | 基于帧图像的车辆右侧超车检测方法、装置及设备 |
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 |