CN112380459A - 一种旅游车行程判别方法和装置及设备 - Google Patents

一种旅游车行程判别方法和装置及设备 Download PDF

Info

Publication number
CN112380459A
CN112380459A CN202011272241.3A CN202011272241A CN112380459A CN 112380459 A CN112380459 A CN 112380459A CN 202011272241 A CN202011272241 A CN 202011272241A CN 112380459 A CN112380459 A CN 112380459A
Authority
CN
China
Prior art keywords
data
scenic spot
directory
actual
travel
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.)
Pending
Application number
CN202011272241.3A
Other languages
English (en)
Inventor
汪祖云
刘文平
侯彩霞
陈荔
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.)
Beijing Traffic Information Center Law Enforcement Corps Sub-Center
Original Assignee
Beijing Traffic Information Center Law Enforcement Corps Sub-Center
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 Beijing Traffic Information Center Law Enforcement Corps Sub-Center filed Critical Beijing Traffic Information Center Law Enforcement Corps Sub-Center
Priority to CN202011272241.3A priority Critical patent/CN112380459A/zh
Publication of CN112380459A publication Critical patent/CN112380459A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06Q50/14—Travel agencies

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Navigation (AREA)

Abstract

本申请公开了一种旅游车行程判别方法，旅游车行程判别方法包括获取行程数据、车辆轨迹数据和景点名录数据，将行程数据与景点名录数据进行匹配得到第一报备数据，将第一报备数据与车辆轨迹数据进行整合得到第二报备数据，将第二报备数据与景点名录数据进行匹配得到实际景点数据，分析实际景点数据是否正常行驶得到分析结果。这样可以有效的找到异常数据，并使检查人员可直接针对异常的信息从而过滤掉正常的信息，从而极大的提升了效率。

Description

一种旅游车行程判别方法和装置及设备
技术领域
本公开涉及大数据计算领域，尤其涉及一种旅游车行程判别方法和装置及设备。
背景技术
在当前背景下、随着人员的生活水平提升、越来越多的人喜欢旅行,这时行程单的数据量越来越大,仅凭人工检查当前行程单中的车辆是否有问题要面临的问题:数据越来越多，无法有效的知道要查看的行程单是否有问题出现，致使效率极其低下。
发明内容
有鉴于此，本公开提出了一种旅游车行程判别方法，包括：
获取行程数据、车辆轨迹数据和景点名录数据；
将行程数据与所述景点名录数据进行匹配得到第一报备数据；
将第一报备数据与所述车辆轨迹数据进行整合得到第二报备数据；
将所述第二报备数据与所述景点名录数据进行匹配得到实际景点数据；
分析所述实际景点数据得到分析结果。
在一种可能的实现方式中，将行程数据与所述景点名录数据进行匹配得到第一报备数据包括：
提取行程数据中的景点信息；
将所述景点信息与所述景点名录数据进行相似度匹配；
依据所述相似度匹配结果规范所述景点信息得到所述第一报备数据。
在一种可能的实现方式中，依据所述相似度匹配结果规范所述景点信息得到所述第一报备数据包括：
若所述景点信息与所述景点名录库数据中的标准数据相似度大于预设阈值；
将所述景点信息替换为所述标准数据；
将所述行程数据作为所述第一报备数据。
在一种可能的实现方式中，将第一报备数据与所述车辆轨迹数据进行整合得到第二报备数据包括：
将所述车辆轨迹数据中对应的轨迹信息添加至所述第一报备数据中生成所述第二报备数据；
其中，所述车辆轨迹数据包括多个车辆的轨迹信息。
在一种可能的实现方式中，将所述第二报备数据与所述景点名录数据进行匹配得到实际景点数据包括：
将所述第二报备数据中的轨迹信息生成第一网格；
将所述景点名录数据生成第二网格；
将所述第一网格和所述第二网格进行匹配得到所述实际景点数据。
在一种可能的实现方式中，分析所述实际景点数据得到分析结果包括：
将所述实际景点数据与所述第二报备数据中的景点信息进行对比；
若所述实际景点数据的范围与所述第二报备数据中的景点信息的范围存在重叠，则判定正常行驶；
若所述实际景点数据的范围与所述第二报备数据中的景点信息的范围不存在重叠，则判定未按约定行驶。
在一种可能的实现方式中，在得到所述分析结果后，将所述分析结果存入数据库。
根据本公开的另一方面，提供了一种旅游车行程判别装置，其特征在于，包括数据获取模块、第一报备数据形成模块、第二报备数据形成模块、实际景点获取模块和结果分析模块；
所述数据获取模块，被配置为获取行程数据、车辆轨迹数据和景点名录数据；
所述第一报备数据形成模块，被配置为将行程数据与所述景点名录数据进行匹配得到第一报备数据；
所述第二报备数据形成模块，被配置为将第一报备数据与所述车辆轨迹数据进行整合得到第二报备数据；
所述实际景点获取模块，被配置为将所述第二报备数据与所述景点名录数据进行匹配得到实际景点数据；
所述结果分析模块，被配置为分析所述实际景点数据得到分析结果。
根据本公开的另一方面，提供了一种旅游车行程判别设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令时实现前面任一所述的方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现前面任一所述的方法。
通过获取行程数据、车辆轨迹数据和景点名录数据，将行程数据与景点名录数据进行匹配得到第一报备数据，将第一报备数据与车辆轨迹数据进行匹配得到第二报备数据，将第二报备数据与景点名录数据进行整合得到实际景点数据，分析实际景点数据是否正常行驶得到分析结果。这样可以有效的找到异常数据，并使检查人员可直接针对异常的信息从而过滤掉正常的信息，从而极大的提升了效率。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出本公开实施例的旅游车行程判别方法的流程图；
图2示出本公开实施例的旅游车行程判别方法的原理图；
图3示出本公开实施例的旅游车行程判别装置的框图；
图4示出本公开实施例的旅游车行程判别设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开一实施例的旅游车行程判别方法的流程图。如图1所示，该旅游车行程判别方法包括：
步骤S100，获取行程数据、车辆轨迹数据和景点名录数据，步骤S200，将行程数据与景点名录数据进行匹配得到第一报备数据，步骤S300，将第一报备数据与车辆轨迹数据进行整合得到第二报备数据，步骤S400，将第二报备数据与景点名录数据进行匹配得到实际景点数据，步骤S500，分析实际景点数据得到分析结果。
通过获取行程数据、车辆轨迹数据和景点名录数据，将行程数据与景点名录数据进行匹配得到第一报备数据，将第一报备数据与车辆轨迹数据进行匹配得到第二报备数据，将第二报备数据与景点名录数据进行整合得到实际景点数据，分析实际景点数据是否正常行驶得到分析结果。这样可以有效的找到异常数据，并使检查人员可直接针对异常的信息从而过滤掉正常的信息，从而极大的提升了效率。
具体的，参见图1，执行步骤S100，获取行程数据、车辆轨迹数据和景点名录数据。
在一种可能的实现方式中，首先获取旅游车的行程数据，也就是旅游车的行程计划，包括要去的景点和去该景点时需要经过的路线，接着获取车辆轨迹数据，车辆轨迹数据为旅游车实际走过的路线，进一步的获取景点名录数据，景点名录数据即为收录的所有景点的信息，包括景点的规范名称，景点的区域范围。举例来说，今日要去三个地点，分别为A,B,X，走路线S0，则行程数据包括地点A,B,X，和路线S0，旅游车经过了地点A和地点B，因时间问题未经过地点X，所以实际经过的路线为S1，则车辆轨迹数据则为S1，景点名录数据中包括A,B,C,D,E,F,G,H,X1地点。
需要说明的是，行程数据、车辆轨迹数据和景点名录数据在获取时没有固定顺序，可以同时获取，也可以分先后顺序进行获取。
进一步的，参见图1，执行步骤S200，将行程数据与景点名录数据进行匹配得到第一报备数据。
在一种可能的实现方式中，将行程数据与景点名录数据进行匹配得到第一报备数据包括：提取行程数据中的景点信息，将景点信息与景点名录数据进行相似度匹配，依据相似度匹配结果规范景点信息得到第一报备数据。进一步的，依据相似度匹配结果规范景点信息得到第一报备数据包括：若景点信息与景点名录库数据中的标准数据相似度大于预设阈值，将景点信息替换为标准数据，将替换后的行程数据作为第一报备数据。举例来说，今日要去三个地点，分别为A,B,X，走路线S0，则行程数据包括地点A,B,X，和路线S0，其中景点信息即为A,B,X，景点名录数据中包括A,B,C,D,E,F,G,H,X1地点，则标准数据为A,B,C,D,E,F,G,H,X1，将A,B,X与景点名录数据中A,B,C,D,E,F,G,H,X1进行相似度匹配，可以得到A,B,X与A,B,X1的相似度大于相似度阈值，则将景点信息中的A,B,X替换为A,B,X1，即进行了景点信息的规范化，将替换后的行程数据作为第一报备数据。
需要说明的是，相似度匹配的方法可以使用当前技术领域的常规技术手段，此处不再进行赘述。
进一步的，参见图1，执行步骤S300，将第一报备数据与车辆轨迹数据进行整合得到第二报备数据。
在一种可能的实现方式中，将第一报备数据与车辆轨迹数据进行匹配得到第二报备数据包括：将车辆轨迹数据中对应的轨迹信息添加至第一报备数据中生成第二报备数据，其中，车辆轨迹数据包括多个车辆的轨迹信息。举例来说，旅游车为多个，包括B1,B2,B3今日要去三个地点，分别为A,B,X1，走路线S0，则第一报备数据包括地点A,B,X1，和路线S0，对应该路线和地点的旅游车为B1，则将旅游车B1的轨迹信息添加进第一报备数据，生成第二报备数据。
进一步的，参见图1，执行步骤S400，将第二报备数据与景点名录数据进行匹配得到实际景点数据。
在一种可能的实现方式中，将第二报备数据与景点名录数据进行匹配得到实际景点数据包括：将第二报备数据中的轨迹信息生成第一网格，将景点名录数据生成第二网格，将第一网格和第二网格进行匹配得到实际景点数据。举例来说，景点名录数据中包括A,B,C,D,E,F,G,H,X1地点,旅游车为多个，包括B1,B2,B3今日要去三个地点，分别为A,B,X1，走路线S0，则第一报备数据包括地点A,B,X1，和路线S0，对应该路线和地点的旅游车为B1，则将旅游车B1的轨迹信息添加进第一报备数据，生成第二报备数据，接着将旅游车B1的轨迹路线生成轨迹网格，将旅游车B1的轨迹路线生成轨迹网格命名为第一网格，具体的，生成轨迹网格的步骤为：获取旅游车的GPS坐标点，将GPS坐标点利用python进行网格化处理。接着将景点名录数据的A,B,C,D,E,F,G,H,X1每个地点所要走的路线均生成轨迹网格，景点名录数据中所生成的网格命名为第二网格，将第一网格和第二网格进行匹配即得到了实际景点数据，示例性的，景点名录数据中的A,B,X1景点的轨迹网格与旅游车B1的轨迹网格相同，则得到实际景点数据，即为A,B,X1。
需要说明的是，生成轨迹网格为本领域的常规技术手段，此处不再进行赘述。
进一步的，参见图1，执行步骤S500，分析实际景点数据得到分析结果。
在一种可能的实现方式中，分析实际景点数据得到分析结果包括：将实际景点数据与第二报备数据中的景点信息进行对比，若实际景点数据的范围与第二报备数据中的景点信息的范围存在重叠，则判定正常行驶，若实际景点数据的范围与第二报备数据中的景点信息的范围不存在重叠，则判定未按约定行驶。举例来说，将旅游车B1的轨迹路线生成轨迹网格，将旅游车B1的轨迹路线生成轨迹网格命名为第一网格，具体的，生成轨迹网格的步骤为：获取旅游车的GPS坐标点，将GPS坐标点利用python进行网格化处理。接着将景点名录数据的A,B,C,D,E,F,G,H,X1每个地点所要走的路线均生成轨迹网格，景点名录数据中所生成的网格命名为第二网格，将第一网格和第二网格进行匹配即得到了实际景点数据，示例性的，景点名录数据中的A,B,X1景点的轨迹网格与旅游车B1的轨迹网格相同，则得到实际景点数据，即为A,B,X1。可以将实际景点数据的轨迹网格与第二报备数据中景点信息的轨迹网格进行对比，若实际景点数据的轨迹网格与第二报备数据中景点信息的轨迹网格存在重叠，则判定旅游车正常行驶，实际景点数据的轨迹网格与第二报备数据中景点信息的轨迹网格不存在重叠，则判断未按约定行驶。
进一步的，在一种可能的实现方式中，在得到分析结果后，将分析结果存入数据库。示例性的，数据库为MySQL。另外，可以将存入数据库的数据通过接口的形式供前端调用，示例性的，可以采用http协议，以java语言进行实现。
需要说明的是，尽管以上述各个步骤作为示例介绍了旅游车行程判别方法如上，但本领域技术人员能够理解，本公开应不限于此。事实上，用户完全可根据个人喜好和/或实际应用场景灵活设定旅游车行程判别方法，只要达到所需功能即可。
这样，通过获取行程数据、车辆轨迹数据和景点名录数据，将行程数据与景点名录数据进行匹配得到第一报备数据，将第一报备数据与车辆轨迹数据进行匹配得到第二报备数据，将第二报备数据与景点名录数据进行整合得到实际景点数据，分析实际景点数据是否正常行驶得到分析结果。这样可以有效的找到异常数据，并使检查人员可直接针对异常的信息从而过滤掉正常的信息，从而极大的提升了效率。
进一步的，根据本公开的另一方面，还提供了一种旅游车行程判别装置100。由于本公开实施例的旅游车行程判别装置100的工作原理与本公开实施例的旅游车行程判别方法的原理相同或相似，因此重复之处不再赘述。参见图3，本公开实施例的旅游车行程判别装置100包括数据获取模块110、第一报备数据形成模块120、第二报备数据形成模块130、实际景点获取模块140和结果分析模块150；
数据获取模块110，被配置为获取行程数据、车辆轨迹数据和景点名录数据；
第一报备数据形成模块120，被配置为将行程数据与景点名录数据进行匹配得到第一报备数据；
第二报备数据形成模块130，被配置为将第一报备数据与车辆轨迹数据进行整合得到第二报备数据；
实际景点获取模块140，被配置为将第二报备数据与景点名录数据进行匹配得到实际景点数据；
结果分析模块150，被配置为分析实际景点数据得到分析结果。
更进一步地，根据本公开的另一方面，还提供了一种旅游车行程判别设备200。参阅图4，本公开实施例旅游车行程判别设备200包括处理器210以及用于存储处理器210可执行指令的存储器220。其中，处理器210被配置为执行可执行指令时实现前面任一所述的旅游车行程判别方法。
此处，应当指出的是，处理器210的个数可以为一个或多个。同时，在本公开实施例的旅游车行程判别设备200中，还可以包括输入装置230和输出装置240。其中，处理器210、存储器220、输入装置230和输出装置240之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。
存储器220作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本公开实施例的旅游车行程判别方法所对应的程序或模块。处理器210通过运行存储在存储器220中的软件程序或模块，从而执行旅游车行程判别设备200的各种功能应用及数据处理。
输入装置230可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置240可以包括显示屏等显示设备。
根据本公开的另一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令被处理器210执行时实现前面任一所述的旅游车行程判别方法。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种旅游车行程判别方法，其特征在于，包括：
获取行程数据、车辆轨迹数据和景点名录数据；
将行程数据与所述景点名录数据进行匹配得到第一报备数据；
将第一报备数据与所述车辆轨迹数据进行整合得到第二报备数据；
将所述第二报备数据与所述景点名录数据进行匹配得到实际景点数据；
分析所述实际景点数据得到分析结果。
2.根据权利要求1所述的方法，其特征在于，将行程数据与所述景点名录数据进行匹配得到第一报备数据包括：
提取行程数据中的景点信息；
将所述景点信息与所述景点名录数据进行相似度匹配；
依据所述相似度匹配结果规范所述景点信息得到所述第一报备数据。
3.根据权利要求2所述的方法，其特征在于，依据所述相似度匹配结果规范所述景点信息得到所述第一报备数据包括：
若所述景点信息与所述景点名录库数据中的标准数据相似度大于预设阈值；
将所述景点信息替换为所述标准数据；
将所述行程数据作为所述第一报备数据。
4.根据权利要求1所述的方法，其特征在于，将第一报备数据与所述车辆轨迹数据进行整合得到第二报备数据包括：
将所述车辆轨迹数据中对应的轨迹信息添加至所述第一报备数据中生成所述第二报备数据；
其中，所述车辆轨迹数据包括多个车辆的轨迹信息。
5.根据权利要求4所述的方法，其特征在于，将所述第二报备数据与所述景点名录数据进行匹配得到实际景点数据包括：
将所述第二报备数据中的轨迹信息生成第一网格；
将所述景点名录数据生成第二网格；
将所述第一网格和所述第二网格进行匹配得到所述实际景点数据。
6.根据权利要求1所述的方法，其特征在于，分析所述实际景点数据得到分析结果包括：
将所述实际景点数据与所述第二报备数据中的景点信息进行对比；
若所述实际景点数据的范围与所述第二报备数据中的景点信息的范围存在重叠，则判定正常行驶；
若所述实际景点数据的范围与所述第二报备数据中的景点信息的范围不存在重叠，则判定未按约定行驶。
7.根据权利要求1所述的方法，其特征在于，在得到所述分析结果后，将所述分析结果存入数据库。
8.一种旅游车行程判别装置，其特征在于，包括数据获取模块、第一报备数据形成模块、第二报备数据形成模块、实际景点获取模块和结果分析模块；
所述数据获取模块，被配置为获取行程数据、车辆轨迹数据和景点名录数据；
所述第一报备数据形成模块，被配置为将行程数据与所述景点名录数据进行匹配得到第一报备数据；
所述第二报备数据形成模块，被配置为将第一报备数据与所述车辆轨迹数据进行整合得到第二报备数据；
所述实际景点获取模块，被配置为将所述第二报备数据与所述景点名录数据进行匹配得到实际景点数据；
所述结果分析模块，被配置为分析所述实际景点数据得到分析结果。
9.一种旅游车行程判别设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令时实现权利要求1至7中任意一项所述的方法。
10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
CN202011272241.3A 2020-11-13 2020-11-13 一种旅游车行程判别方法和装置及设备 Pending CN112380459A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011272241.3A CN112380459A (zh) 2020-11-13 2020-11-13 一种旅游车行程判别方法和装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011272241.3A CN112380459A (zh) 2020-11-13 2020-11-13 一种旅游车行程判别方法和装置及设备

Publications (1)

Publication Number Publication Date
CN112380459A true CN112380459A (zh) 2021-02-19

Family

ID=74582413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011272241.3A Pending CN112380459A (zh) 2020-11-13 2020-11-13 一种旅游车行程判别方法和装置及设备

Country Status (1)

Country Link
CN (1) CN112380459A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101308029A (zh) * 2007-05-16 2008-11-19 北京英华慧通科技发展有限公司 路网网格匹配、路况状态信息及诱导路线信息获取方法
WO2017000487A1 (zh) * 2015-06-30 2017-01-05 百度在线网络技术（北京）有限公司 行车路线匹配方法、装置和存储介质
CN106530095A (zh) * 2016-12-05 2017-03-22 北京中交兴路信息科技有限公司 一种分析用户欺诈行为的方法及装置
CN106707301A (zh) * 2016-12-27 2017-05-24 银江股份有限公司 一种基于定位数据的勤务巡线考核方法
CN109063154A (zh) * 2018-08-09 2018-12-21 上海擎感智能科技有限公司 景点自动导游方法、服务端及客户端
CN109767146A (zh) * 2017-11-09 2019-05-17 厦门雅迅网络股份有限公司 分析指定路线车辆行驶轨迹的方法、终端设备及存储介质
CN110096804A (zh) * 2019-04-30 2019-08-06 山东省交通规划设计院 基于移动终端数据的高速公路服务区的布局方法及系统
CN111267759A (zh) * 2020-03-11 2020-06-12 江苏车行天下网络科技有限公司 一种实现ai互动的汽车智能交互系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101308029A (zh) * 2007-05-16 2008-11-19 北京英华慧通科技发展有限公司 路网网格匹配、路况状态信息及诱导路线信息获取方法
WO2017000487A1 (zh) * 2015-06-30 2017-01-05 百度在线网络技术（北京）有限公司 行车路线匹配方法、装置和存储介质
CN106530095A (zh) * 2016-12-05 2017-03-22 北京中交兴路信息科技有限公司 一种分析用户欺诈行为的方法及装置
CN106707301A (zh) * 2016-12-27 2017-05-24 银江股份有限公司 一种基于定位数据的勤务巡线考核方法
CN109767146A (zh) * 2017-11-09 2019-05-17 厦门雅迅网络股份有限公司 分析指定路线车辆行驶轨迹的方法、终端设备及存储介质
CN109063154A (zh) * 2018-08-09 2018-12-21 上海擎感智能科技有限公司 景点自动导游方法、服务端及客户端
CN110096804A (zh) * 2019-04-30 2019-08-06 山东省交通规划设计院 基于移动终端数据的高速公路服务区的布局方法及系统
CN111267759A (zh) * 2020-03-11 2020-06-12 江苏车行天下网络科技有限公司 一种实现ai互动的汽车智能交互系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周星星等: "时空轨迹相似性度量方法综述", 《地理信息世界》, 25 August 2018 (2018-08-25), pages 11 - 18 *

Similar Documents

Publication Publication Date Title
CN109141464B (zh) 导航变道提示方法和装置
CN108230725B (zh) 停车推荐方法和装置
CN111324824B (zh) 一种目的地推荐方法、其装置、电子设备及可读存储介质
US20200334467A1 (en) Vehicle damage assessment method, apparatus, and device
CN109035831A (zh) 交通指示灯的识别方法、装置、设备、存储介质及车辆
WO2017072955A1 (ja) 駐車支援装置及び駐車支援方法
CN111724599B (zh) 安全驾驶行为评价数据的获取方法、装置、设备和介质
CN114093198B (zh) 车位推荐方法、装置、计算机设备和存储介质
CN111524344A (zh) 基于大数据的车辆排放监测方法、设备、存储介质及装置
JP2019067201A (ja) 車両捜索システム、車両捜索方法、ならびに、それに用いられる車両およびプログラム
CN112562388B (zh) 一种车辆连接管理方法、装置及存储介质
JP6650900B2 (ja) 情報分析装置及び経路情報分析方法
CN104422426B (zh) 在高架道路区域内提供车辆导航信息的方法和设备
CN111723835A (zh) 车辆移动轨迹区分方法、装置和电子设备
CN109827610B (zh) 用于校验传感器融合结果的方法和装置
CN111797755A (zh) 一种汽车乘员情绪识别方法及电子设备
CN114743384A (zh) 报警方法及装置
CN113012429B (zh) 一种车路多传感器数据融合方法及系统
CN112380459A (zh) 一种旅游车行程判别方法和装置及设备
CN111105641A (zh) 基于bim模型的寻车方法、设备及可读存储介质
CN109947715B (zh) 日志告警方法及装置
CN116033544A (zh) 室内停车场定位方法、计算机设备、存储介质及程序产品
CN107592333B (zh) 车辆信息发送系统
CN113029179B (zh) 一种路线评测方法、装置、电子设备及存储介质
CN115118543B (zh) Can信号解析的预处理方法、电子设备及存储介质

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
CB02 Change of applicant information

Country or region after: China

Address after: 16 / F, xuanxi street, Xicheng District, Beijing

Applicant after: Law Enforcement Support Center of Beijing Transportation Comprehensive Law Enforcement Corps

Address before: 16 / F, xuanxi street, Xicheng District, Beijing

Applicant before: BEIJING TRAFFIC INFORMATION CENTER LAW ENFORCEMENT CORPS SUB-CENTER

Country or region before: China