CN112289026B - 一种车辆路径还原方法、设备及介质 - Google Patents
一种车辆路径还原方法、设备及介质 Download PDFInfo
- Publication number
- CN112289026B CN112289026B CN202011153754.2A CN202011153754A CN112289026B CN 112289026 B CN112289026 B CN 112289026B CN 202011153754 A CN202011153754 A CN 202011153754A CN 112289026 B CN112289026 B CN 112289026B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- restored
- path
- log
- edge device
- 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 42
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000926 separation method Methods 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Analytical Chemistry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆路径还原方法方法、设备及介质,应用在路径还原系统中,系统包括服务器、与服务器连接的边缘设备,方法包括:服务器获取边缘设备在指定时长内生成的日志,日志为边缘设备在识别经过的车辆时生成的;通过文本模型对日志进行处理,得到待还原车辆对应的车辆数据、位置数据、时间;生成待还原车辆对应的路径。通过在各边缘设备生成的日志中,得到待还原车辆相关的车辆数据以及位置数据,从而生成路径,可以有效利用现有的边缘设备,无需添加新的设备,也无需使用复杂的计算程序,使得应用成本较低,适用于大规模推广。并且通过采集车辆数据以及位置数据,也可以准确得到车辆的路径,尤其适用于高速公路等路段。
Description
技术领域
本申请涉及路径还原领域,具体涉及一种车辆路径还原方法、设备及介质。
背景技术
随着人们生活水平的提高,公路上的车辆也越来越多。对于一些特定场合,例如在高速公路的收费、对于违法车辆的追查等,都需要确定车辆的路径,才能够进行收费、排查等。
但是现有技术中,车辆路径还原系统仍存在一些问题。例如,路径还原的效果不够精确、还原系统的成本太高等,仍需要进行解决。
发明内容
为了解决上述问题,本申请提出了一种车辆路径还原方法,应用在路径还原系统中,所述路径还原系统包括服务器、与所述服务器连接的若干个边缘设备,所述方法包括:所述服务器获取所述边缘设备在指定时长内生成的日志,所述日志为所述边缘设备在识别经过的车辆时生成的;通过预先训练的文本模型对所述日志进行处理,得到待还原车辆对应的车辆数据、位置数据、时间;根据所述车辆数据出现在各所述位置数据的所述时间,生成所述待还原车辆对应的路径。
在一个示例中,所述服务器获取所述边缘设备在指定时长内生成的日志之前,所述方法还包括:所述服务器在数据库中对实体类型及实体关系进行定义,所述实体类型包括:车辆、门架、收费站、路段、时间中的至少一种,所述实体关系为所述实体类型之间的对应关系;基于实际建设情况构建地图,所述地图中至少包括所述门架、所述路段。
在一个示例中,根据所述车辆数据出现在各所述位置数据的所述时间,生成所述待还原车辆对应的路径,包括:确定出现所述车辆数据的各日志所对应的所述时间;按照所述时间升序的方式将出现所述车辆数据的各日志进行排序;根据所述排序,以及在所述各日志中对应的所述位置数据,在所述地图中生成所述待还原车辆对应的路径。
在一个示例中,所述路径还原系统应用在高速公路中,所述边缘设备包括:高速监控摄像头、收费站、ETC设备中的至少一种。
在一个示例中,通过预先训练的文本模型对所述日志进行处理,得到待还原车辆对应的车辆数据、位置数据、时间,包括:在所述边缘设备中,判断是否能够确定待还原车辆对应的路径的起始边缘设备;若否,则通过预先训练的文本模型,对所有所述边缘设备对应的所述日志进行处理,得到待还原车辆对应的车辆数据、位置数据、时间;若是,则通过预先训练的文本模型,对所述起始边缘设备对应的所述日志进行处理,得到待还原车辆对应的车辆数据、第一位置数据、第一时间点;基于历史记录,确定所述待还原车辆经过各剩余边缘设备的可能性,并按照所述可能性的高低依次通过所述文本模型对日志进行处理。
在一个示例中,在所述边缘设备中,判断是否能够确定待还原车辆对应的路径的起始边缘设备,包括:判断用户是否输入待还原车辆的起始边缘设备;若是,则确定能够确定待还原车辆对应的路径的起始边缘设备;否则,在所述边缘设备中判断是否存在预设的起始边缘设备;若是,则将所述预设的起始边缘设备作为所述待还原车辆对应的路径的起始边缘设备;否则,判断所述边缘设备所组成的路径是否为单向通行路段;若是,则将所述单向通行路段中起点处对应的边缘设备作为起始边缘设备;否则,无法确定待还原车辆对应的路径的起始边缘设备。
在一个示例中,通过预先训练的文本模型对所述日志进行处理,得到待还原车辆对应的车辆数据,包括:通过预先训练的文本模型对所述日志进行处理,得到待还原车辆对应的车牌号;若无法得到所述车牌号,则得到所述待还原车辆的其他车辆数据,所述其他车辆数据包括:颜色、品牌、类型中的至少一种。
在一个示例中,根据所述车辆数据出现在各所述位置数据的所述时间,生成所述待还原车辆对应的路径,包括:确定两个相邻的所述位置数据之间存在多条子路径;根据所述待还原车辆在所述两个相邻的位置数据之间的行驶时长、在所述时间时的路况信息,确定可能性最高的子路径;将所述可能性最高的子路径作为所述两个相邻的位置数据之间的子路径;根据所述车辆数据出现在各所述位置数据的所述时间,以及所述两个相邻的位置数据之间的子路径,生成所述待还原车辆对应的路径。
另一方面,本申请还提出了一种车辆路径还原设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任意一个示例所述的方法。
另一方面,本申请还提出了一种车辆路径还原的非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:如上述任意一个示例所述的方法。
通过本申请提出车辆路径还原方法能够带来如下有益效果:
通过在各边缘设备生成的日志中,得到待还原车辆相关的车辆数据以及位置数据,从而生成路径,可以有效利用现有的边缘设备,无需添加新的设备,也无需使用复杂的计算程序,使得应用成本较低,适用于大规模推广。并且通过采集车辆数据以及位置数据,也可以准确得到车辆的路径,尤其适用于高速公路等路段。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中车辆路径还原方法的流程示意图;
图2为本申请实施例中车辆路径还原设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅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。
以下结合附图,详细说明本申请各实施例提供的技术方案。
本申请实施例提供一种车辆路径还原方法,应用在路径还原系统中。该路径还原系统指的是,用于对车辆在一定时间内的路径进行还原的系统、平台,路径还原系统可以包括服务器、与服务器连接的若干个边缘设备,边缘设备指的是设置在公路上,可以用来采集相关车辆数据的设备,例如,边缘设备可以是监控摄像头、收费设备等。当路径还原系统应用在高速公路中时,可以基于还原得到的路径对车辆进行收费,此时,边缘设备可以包括:高速监控摄像头、收费站、ETC设备等。
如图1所示,方法包括:
S101、所述服务器获取所述边缘设备在指定时长内生成的日志,所述日志为所述边缘设备在识别经过的车辆时生成的。
通常情况下,在车辆的行驶过程中,设置在道路上或者道路两旁的边缘设备会采集过往车上的车辆数据,并对车辆数据进行初步处理,生成相应的日志。以监控摄像头为例,监控摄像头在监控过往的车辆时,会对采集到的图像进行初步处理,得到车牌号等相应的车辆数据,并生成日志。
当需要对某车辆(在此将该车辆称作待还原车辆)的路径进行还原时,服务器可以先获取边缘设备在指定时长内的日志。其中,需要获取日志的边缘设备可以是用户指定的,或者提前将路段与边缘设备建立关系,用户指定相关的路段,然后采集该路段上所有的边缘设备的日志。而指定时长通常为用户指定的。
进一步地,在预先建立相应的关系时,服务器可以首先在数据库(也可以称作实体知识库)中对实体类型及实体关系进行定义。其中,实体类型指的是在数据库中相关的对象,例如,车辆、门架、收费站、路段、时间等。而实体关系也称作表,表示了实体类型之间的对应关系,例如,门架与路段、门架与车等的关系。
在建立完实体类型以及实体关系后,可以基于实际建设情况构建地图,将门架、路段、收费站等实体建立在地图中。当然,在构建地图时,可以将地图以图像的格式存储在图数据库中,以便于在地图中还原路径。
S102、通过预先训练的文本模型对所述日志进行处理,得到待还原车辆对应的车辆数据、位置数据、时间。
在获取了相应的日志后,即可通过预先训练的文本模型来对日志进行处理。文本模型可以是Bert-wwm。wwm是Whole Word Masking(对全词进行Mask),它相比于Bert的改进是用Mask标签替换一个完整的词而不是子词,中文和英文不同,英文中最小的Token就是一个单词,而中文中最小的Token却是字,词是由一个或多个字组成,且每个词之间没有明显的分隔,包含更多信息的是词,全词Mask就是对整个词都通过Mask进行掩码。通过文本模型对日志进行处理,可以得到相关的车辆数据、位置数据以及时间。其中,位置数据可以通过生成日志的边缘设备的位置得到。
通常情况下,通过文本模型对日志进行处理时,得到的车辆数据值得是待还原车辆的车牌号。但是在一些情况下,例如,车辆恶意遮挡车牌号,或者有异物、其他车辆通过导致未采集到车牌号,此时可以采集待还原车辆的其他车辆数据,其他车辆数据包括:颜色、品牌、类型等,并以此作为待还原车辆的车辆数据。
具体地,在使用文本模型对日志进行处理时,如果一次性对所有边缘设备生成的日志都进行处理,可能会导致处理了过多无用的日志,进而导致资源的浪费。因此,在处理日志的过程中,可以首先判断是否能够确定待还原车辆的起始边缘设备。这里的起始边缘设备指的是,在所有需要处理日志所对应的边缘设备中,时间上最先采集到的待还原车辆的车辆数据的边缘设备。
如果不能确定起始边缘设备,则通过文本模型直接对所有边缘设备的所有日志进行处理。如果可以确定起始边缘设备,则通过文本模型先对起始边缘设备进行处理,得到相应的车辆数据、第一位置数据以及第一时间点。然后可以基于历史记录,对车辆的后续路径进行判断,确定待还原车辆经过各剩余边缘设备可能性,并按照从高到低依次对相对应的日志进行处理。其中,这里的历史记录可以是采集过的待还原车辆历史记录,也可以是所有车辆的历史记录,综合所有车辆在经过起始边缘设备后,下一步可能会经过的边缘设备的可能性。
进一步地,在判断是否能够确定起始边缘设备时,可以先判断用户在查询待还原车辆的路径时,是否输入了起始边缘设备,如果用户已经输入了,则将用户输入的边缘设备作为起始边缘设备。若用户未输入,则在所有待处理的边缘设备中进行判断,是否存在预设的起始边缘设备。例如,若某个监控摄像头所对应的位置是停车场的出口,或者是对应着高速公路某个路段的起始路口等,则可以将该监控摄像头作为起始边缘设备。如果存在预设的起始边缘设备,则可以将其作为本次处理过程中的起始边缘设备,否则,则可以进一步判断这些待处理的日志对应的边缘设备所对应的路径是否为单向通行路段。如果是单向通行路段,则可以将该路段的起点处的边缘设备作为起始边缘设备,否则,则可以确定无法得到出本次处理过程中的起始边缘设备。
S103、根据所述车辆数据出现在各所述位置数据的所述时间,生成所述待还原车辆对应的路径。
在确定了待还原车辆对应的车辆数据后,以该车辆数据来表示该车辆。然后基于出现该车辆数据的各日志所对应的时间,对这些日志进行排序。其中,可以将出现车辆数据的日志称作第一日志,在将第一日志进行排序后,即可得到待还原车辆在各第一日志中出现的时间顺序。而每个第一日志中通常都包含有相关的位置数据,此时即得到了按照时间顺序排序后的待还原车辆出现的位置数据,也就可以在地图中将待还原车辆的路径进行还原。其中,若第一日志中不包括位置数据,则可以将生成第一日志的边缘设备的位置,来确定对应的位置数据。
当然,在生成了待还原车辆的路径后,可以以文字、图像或者其他的形式进行展示,在此不做限定。
在一个实施例中,在生成路径时,如果两个相邻的位置数据之间存在有多条实际的路径(在此称作子路径),则在生成路径时可能会生成多条路径,无法准确的生成车辆路径。此时可以首先确定待还原车辆在这两个边缘设备之间的行驶时长以及在生成日志的时间点对应的路况信息。然后可以基于行驶时长以及路况信息确定各子路径的可能性,将可能性最高的子路径作为两个相邻的位置数据之间的子路径,并基于此生成待还原车辆的路径。由此可以更加准确的生成待还原车辆的路径。
如图2所示,本申请实施例还提供了一种车辆路径还原设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任意一个实施例所述的方法。
本申请实施例还提供了一种车辆路径还原的非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:如上述任意一个实施例所述的方法。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种车辆路径还原方法,其特征在于,应用在路径还原系统中,所述路径还原系统包括服务器、与所述服务器连接的若干个边缘设备,所述方法包括:
所述服务器获取所述边缘设备在指定时长内生成的日志,所述日志为所述边缘设备在识别经过的车辆时生成的;
通过预先训练的文本模型对所述日志进行处理,得到待还原车辆对应的车辆数据、位置数据、时间;
根据所述车辆数据出现在各所述位置数据的所述时间,生成所述待还原车辆对应的路径;
通过预先训练的文本模型对所述日志进行处理,得到待还原车辆对应的车辆数据、位置数据、时间,包括:
在所述边缘设备中,判断是否能够确定待还原车辆对应的路径的起始边缘设备;
若否,则通过预先训练的文本模型,对所有所述边缘设备对应的所述日志进行处理,得到待还原车辆对应的车辆数据、位置数据、时间;
若是,则通过预先训练的文本模型,对所述起始边缘设备对应的所述日志进行处理,得到待还原车辆对应的车辆数据、第一位置数据、第一时间点;
基于历史记录,确定所述待还原车辆经过各剩余边缘设备的可能性,并按照所述可能性的高低依次通过所述文本模型对日志进行处理;
在所述边缘设备中,判断是否能够确定待还原车辆对应的路径的起始边缘设备,包括:
判断用户是否输入待还原车辆的起始边缘设备;
若是,则确定能够确定待还原车辆对应的路径的起始边缘设备;
否则,在所述边缘设备中判断是否存在预设的起始边缘设备;
若是,则将所述预设的起始边缘设备作为所述待还原车辆对应的路径的起始边缘设备;
否则,判断所述边缘设备所组成的路径是否为单向通行路段;
若是,则将所述单向通行路段中起点处对应的边缘设备作为起始边缘设备;
否则,无法确定待还原车辆对应的路径的起始边缘设备。
2.根据权利要求1所述的方法,其特征在于,所述服务器获取所述边缘设备在指定时长内生成的日志之前,所述方法还包括:
所述服务器在数据库中对实体类型及实体关系进行定义,所述实体类型包括:车辆、门架、收费站、路段、时间中的至少一种,所述实体关系为所述实体类型之间的对应关系;
基于实际建设情况构建地图,所述地图中至少包括所述门架、所述路段。
3.根据权利要求2所述的方法,其特征在于,根据所述车辆数据出现在各所述位置数据的所述时间,生成所述待还原车辆对应的路径,包括:
确定出现所述车辆数据的各日志所对应的所述时间;
按照所述时间升序的方式将出现所述车辆数据的各日志进行排序;
根据所述排序,以及在所述各日志中对应的所述位置数据,在所述地图中生成所述待还原车辆对应的路径。
4.根据权利要求1所述的方法,其特征在于,所述路径还原系统应用在高速公路中,所述边缘设备包括:高速监控摄像头、收费站、ETC设备中的至少一种。
5.根据权利要求1所述的方法,其特征在于,通过预先训练的文本模型对所述日志进行处理,得到待还原车辆对应的车辆数据,包括:
通过预先训练的文本模型对所述日志进行处理,得到待还原车辆对应的车牌号;
若无法得到所述车牌号,则得到所述待还原车辆的其他车辆数据,所述其他车辆数据包括:颜色、品牌、类型中的至少一种。
6.根据权利要求1所述的方法,其特征在于,根据所述车辆数据出现在各所述位置数据的所述时间,生成所述待还原车辆对应的路径,包括:
确定两个相邻的所述位置数据之间存在多条子路径;
根据所述待还原车辆在所述两个相邻的位置数据之间的行驶时长、在所述时间时的路况信息,确定可能性最高的子路径;
将所述可能性最高的子路径作为所述两个相邻的位置数据之间的子路径;
根据所述车辆数据出现在各所述位置数据的所述时间,以及所述两个相邻的位置数据之间的子路径,生成所述待还原车辆对应的路径。
7.一种车辆路径还原设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-6中任意一项权利要求所述的方法。
8.一种车辆路径还原的非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:如权利要求1-6中任意一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011153754.2A CN112289026B (zh) | 2020-10-26 | 2020-10-26 | 一种车辆路径还原方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011153754.2A CN112289026B (zh) | 2020-10-26 | 2020-10-26 | 一种车辆路径还原方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112289026A CN112289026A (zh) | 2021-01-29 |
CN112289026B true CN112289026B (zh) | 2022-01-04 |
Family
ID=74424957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011153754.2A Active CN112289026B (zh) | 2020-10-26 | 2020-10-26 | 一种车辆路径还原方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112289026B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113436356B (zh) * | 2021-06-25 | 2023-05-30 | 科大讯飞股份有限公司 | 一种车辆轨迹还原方法、高速通行费确定方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107221155A (zh) * | 2017-05-25 | 2017-09-29 | 北京易华录信息技术股份有限公司 | 一种治理高速公路交通违法行为的方法 |
CN108986478B (zh) * | 2018-09-17 | 2021-06-29 | 公安部交通管理科学研究所 | 一种定点甄别违法车辆的方法 |
CN110276950B (zh) * | 2019-06-24 | 2021-12-31 | 华南理工大学 | 一种基于卡口视频数据的城市交通出行链重构方法 |
CN110443904B (zh) * | 2019-08-28 | 2021-08-31 | 招商华软信息有限公司 | 一种漏费检测方法、装置、服务器及存储介质 |
-
2020
- 2020-10-26 CN CN202011153754.2A patent/CN112289026B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112289026A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Biagioni et al. | Easytracker: automatic transit tracking, mapping, and arrival time prediction using smartphones | |
CN110032947B (zh) | 一种监控事件发生的方法及装置 | |
CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
CN112200172A (zh) | 一种可行驶区域的检测方法及装置 | |
CN112289026B (zh) | 一种车辆路径还原方法、设备及介质 | |
CN113743179A (zh) | 路上障碍物检知装置、方法及记录介质 | |
CN110443319B (zh) | 一种轨迹去重方法、装置及存储介质 | |
CN112270319B (zh) | 一种事件标注方法、装置及电子设备 | |
CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
CN110807493A (zh) | 一种车辆分类模型的优化方法及设备 | |
CN112528944A (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN107895487A (zh) | 一种基于大数据进行相似车牌串并的方法 | |
Qin et al. | A vehicle path tracking system with cooperative recognition of license plates and traffic network big data | |
CN111064924A (zh) | 一种基于人工智能的视频监控方法及系统 | |
CN112735169B (zh) | 一种车辆路径还原方法、设备及介质 | |
CN115762153A (zh) | 倒车检测方法及装置 | |
CN114627400A (zh) | 一种车道拥堵检测方法、装置、电子设备和存储介质 | |
CN110795974B (zh) | 一种图像处理方法、装置、介质和设备 | |
CN111915751A (zh) | 一种路侧停车收费方法、装置、设备和存储介质 | |
CN111723604A (zh) | 车辆套牌检测方法及装置 | |
Hayashi et al. | Prioritization of Lane-Specific Traffic Jam Detection for Automotive Navigation Framework Utilizing Suddenness Index and Automatic Threshold Determination | |
Snyder et al. | Congestion estimation using traffic cameras | |
CN116343179A (zh) | 一种汽车里程的识别方法、装置、电子设备和存储介质 | |
CN115143982A (zh) | 一种解除限速位置车道限速信息生成方法及系统 | |
CN115862189A (zh) | 预参保运营车辆风险识别方法、系统、设备及存储介质 |
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 |