CN112382083A - 一种基于gps数据的货运交通od分析方法、装置及设备 - Google Patents
一种基于gps数据的货运交通od分析方法、装置及设备 Download PDFInfo
- Publication number
- CN112382083A CN112382083A CN202011092816.3A CN202011092816A CN112382083A CN 112382083 A CN112382083 A CN 112382083A CN 202011092816 A CN202011092816 A CN 202011092816A CN 112382083 A CN112382083 A CN 112382083A
- Authority
- CN
- China
- Prior art keywords
- track
- gps data
- travel
- points
- point
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012216 screening Methods 0.000 claims abstract description 22
- 238000004140 cleaning Methods 0.000 claims abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 230000003068 static effect Effects 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000007726 management method 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
- 238000005070 sampling 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
-
- 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"
-
- 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
- G08G1/01—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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Aviation & Aerospace Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种基于GPS数据的货运交通OD分析方法、装置及设备,方法包括:获取货运GPS数据集,并对所述货运GPS数据集进行清洗以及车牌切分,以获得与每个车牌对应的GPS数据子集;对每个GPS数据子集内的轨迹点进行分段,以获得至少一段出行轨迹;根据出行轨迹中的轨迹点进行出行OD点的筛选;根据货运GPS数据集以及筛选得到的出行OD点,在GIS平台上将货运车辆出行轨迹及出行OD点进行可视化显示,以获得主要的车辆物流节点及停留区域。本发明通过使用GPS数据来实现出行OD的分析,由于GPS数据较为客观,因而基于其提取的货车出行特征更为准确,更有助于把握城市货运交通状况,指导城市综合交通规划及城市规划。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于GPS数据的货运交通OD分析方法、装置及设备。
背景技术
货运交通预测一直以来都是城市交通需求预测较为薄弱的部分。目前由于缺乏对货运出行的空间特征以及货物货车出行的OD分析,而无法深入获取现状城市货运交通特征,从而限制了货运交通需求预测。
传统的货运调查方法采用人工调查的方式,不仅需投入大量的人力物力,且存在抽样率较低、受调查日天气影响大、无法获得时间上连续的数据等问题,其数据质量往往难以保证,最终成为影响规划管理部门决策的制约因素。
发明内容
针对上述问题,本发明的目的在于提供一种基于GPS数据的货运交通OD分析方法、装置及设备,能实现对货物货车的出行OD进行准确客观的分析。
本发明实施例提供了一种基于GPS数据的货运交通OD分析方法,包括:
获取货运GPS数据集,并对所述货运GPS数据集进行清洗以及车牌切分,以获得与每个车牌对应的GPS数据子集;其中,所述GPS数据子集包括多个轨迹点,每个轨迹点包括定位坐标以及对应的定位时间;
对每个GPS数据子集内的轨迹点进行分段,以获得至少一段出行轨迹;
根据出行轨迹中的轨迹点进行出行OD点的筛选;
根据货运GPS数据集以及筛选得到的出行OD点,在GIS平台上将货运车辆出行轨迹及出行OD点进行可视化显示,以获得主要的车辆物流节点及停留区域。
优选地,所述获取货运GPS数据集,并对所述货运GPS数据集进行清洗以及车牌切分,以获得与每个车牌对应的GPS数据子集具体为:
根据车牌切分货运GPS数据集,生成与每个车牌对应的GPS数据子集;其中,每个GPS数据子集包括多个轨迹点,每个轨迹点包括定位坐标以及对应的定位时间;
对所述GPS数据子集内的轨迹点,按定位时间先后进行排序;
清洗剔除异常的轨迹点;其中,所述异常的轨迹点包括时间异常、位置异常、重复数据以及GPS弹跳点数据。
优选地,所述对每个GPS数据子集内的轨迹点进行分段,以获得至少一段出行轨迹具体为:
对每个GPS数据子集,获取当前轨迹点以及当前轨迹点的下一个轨迹点;其中,所述轨迹点还包括车辆在定位坐标处的速度;
对每个轨迹点,新增第一字段,所述第一字段初始值设置为0;
根据前后两个轨迹点的速度的变化,对所述第一字段进行赋值;其中,当前后两个轨迹点的速度由非0变为0时,将后面的轨迹点的第一字段值设置为1,当前后两个轨迹点的速度由0变为非0时,将后面的轨迹点的第一字段设置为-1,其余情况的轨迹点的第一字段的值保持不变;
将第一字段为-1的轨迹点至下一个第一字段为1的轨迹点及其之间的轨迹点视为一段出行轨迹,并删除二者之间速度为0的轨迹点;
新建第二字段,将第二字段的值设置为当前轨迹点与下一个轨迹点的定位时间差的绝对值:
对每段出行轨迹,根据第二字段筛选出最大最小时间值、停留时间以及每个状态的变化时间、前后定位坐标的距离。
优选地,还包括:
获取每个出行轨迹中的所有处于静止的轨迹点的定位坐标;其中,所述静止的轨迹点按其类型分为出行OD点或者逗留点;
根据静止的轨迹点的定位坐标调用地图开放平台的逆地理编码服务,获取返回数据;
从返回数据中提取定位坐标周边的最近Poi及最近三条道路信息,分别创建Poi字段和roads字段;
获取定位坐标与最近Poi的地理关系,创建Poi_Region字段,并将地理关系写入Poi_Region字段。
优选地,根据出行轨迹中的轨迹点进行出行OD点的筛选具体包括:
对于第一字段由1变为-1且时间间隔大于预定的时间的两个轨迹点对,认为该静止的轨迹点对为货车出行OD点之一;
对当前轨迹点,前一个轨迹点,及下一个轨迹点与当前轨迹点的前一个轨迹点的距离都小于第一预定距离的轨迹点用均值法聚合为同一个点,并根据停留时间确定是否为出行OD点;
对于前后两个轨迹点的平均速度远大于整段出行轨迹的平均速度,则剔除该轨迹点;
从轨迹点的roads字段中提取轨迹点至最近两条道路的距离,若两者距离都小于第二预定距离时,判断所述轨迹点在两条路交叉口范围内,范围内静止点判定为逗留点;
对于Poi_Region字段中,轨迹点位于最近Poi的区域范围内,通过Poi_Region字段的值进行判断,结合vehiclestatus字段所记录货运车辆的车门开关及运行状况综合判断,筛选停留时间小于预定时间的出行OD点;
得到出行OD点对后,计算出行OD点对的空间距离,并判断空间距离小于第三预定距离的出行OD对不能算作一次出行。
优选地,所述货运GPS数据集通过配置在货运车辆上的多个传感器采集得到。
本发明实施例还提供了一种基于GPS数据的货运交通OD分析装置,包括:
清洗单元,用于获取货运GPS数据集,并对所述货运GPS数据集进行清洗以及车牌切分,以获得与每个车牌对应的GPS数据子集;其中,所述GPS数据子集包括多个轨迹点,每个轨迹点包括定位坐标以及对应的定位时间;
分段单元,用于对每个GPS数据子集内的轨迹点进行分段,以获得至少一段出行轨迹;
筛选单元,用于根据出行轨迹中的轨迹点进行出行OD点的筛选;
显示单元,用于根据货运GPS数据集以及筛选得到的出行OD点,在GIS平台上将货运车辆出行轨迹及出行OD点进行可视化显示,以获得主要的车辆物流节点及停留区域。
本发明实施例还提供了一种基于GPS数据的货运交通OD分析设备,包括存储器以及处理器,所述存储器内存储有计算机程序,所述计算机程序能够被所述处理器执行,以实现如上述的基于GPS数据的货运交通OD分析方法。
与现有技术相比,本发明通过使用GPS数据来实现出行OD的分析,由于GPS数据较为客观,因而基于其提取的货车出行特征更为准确,更有助于把握城市货运交通状况,指导城市综合交通规划及城市规划。
更进一步的,结合Poi相关数据进行分析,进一步分析筛选现有数据,有效提高了方案的可靠性。
总而言之,本发明由于采用的分析算法,具有优质简捷以及推广性强的优点。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的基于GPS数据的货运交通OD分析方法的流程示意图。
图2是本发明一优选实施例提供的基于GPS数据的货运交通OD分析方法的流程示意图。
图3是Poi信息各字段的数据结构示意图。
图4是地图匹配及车辆停留热力图。
图5是本发明第二实施例提供的基于GPS数据的货运交通OD分析设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
请参阅图1及图2,本发明第一实施例提供了一种基于GPS数据的货运交通OD分析方法,其可由基于GPS数据的货运交通OD分析方法(以下简称OD分析设备)来执行,特别的,由所述OD分析设备内的一个或者多个处理器来执行,以实现如下步骤:
S101,获取货运GPS数据集,并对所述货运GPS数据集进行清洗以及车牌切分,以获得与每个车牌对应的GPS数据子集;其中,所述GPS数据子集包括多个轨迹点,每个轨迹点包括定位坐标以及对应的定位时间。
在本实施例中,所述OD分析设备可为台式电脑、工作站或者服务器等,其可接收由货运车辆发送的货运GPS数据集。
其中,在本实施例中,每个货运车辆可配置有相应的传感器,如定位传感器、速度传感器等,货运车辆可接收这些传感器采集的定位坐标以及当前速度,再将定位坐标、定位时间、自身的车牌、当前的速度一并打包成货运GPS数据后,通过网络发送给OD分析设备,所述OD分析设备通过采集所有货运车辆发送的货运GPS数据形成货运GPS数据集。
在本实施例中,在获得所述货运GPS数据集,所述OD分析设备需要对所述货运GPS数据集进行清洗以及车牌切分,以获得与每个车牌对应的GPS数据子集。具体地:
首先,根据车牌切分货运GPS数据集,生成与每个车牌对应的GPS数据子集;其中,每个GPS数据子集包括多个轨迹点,每个轨迹点包括定位坐标以及对应的定位时间。
然后,对所述GPS数据子集内的轨迹点,按定位时间先后进行排序。
最后,清洗剔除异常的轨迹点;其中,所述异常的轨迹点包括时间异常、位置异常、重复数据以及GPS弹跳点数据。
通过上述处理,所述OD分析设备即可以获取到同一个车牌(即同一个货运车辆)的GPS数据子集,进而获取到相应的货运车辆的移动情况。
S102,对每个GPS数据子集内的轨迹点进行分段,以获得至少一段出行轨迹。
在本实施例中,货运车辆在整体的移动情况中可能会有多段的出行轨迹,因而需要根据轨迹点对其进行分段。具体地:
首先,对每个GPS数据子集,获取当前轨迹点以及当前轨迹点的下一个轨迹点;其中,所述轨迹点还包括车辆在定位坐标处的速度。
然后,对每个轨迹点,新增第一字段,所述第一字段初始值设置为0。
其中,为了便于识别前后速度产生变化的轨迹点,可新增第一字段Speed_Diff来进行标识。
接着,根据前后两个轨迹点的速度的变化,对所述第一字段进行赋值;其中,当前后两个轨迹点的速度由非0变为0时,将后面的轨迹点的第一字段值设置为1,当前后两个轨迹点的速度由0变为非0时,将后面的轨迹点的第一字段设置为-1,其余情况的轨迹点的第一字段的值保持不变。
再接着,将第一字段为-1的轨迹点至下一个第一字段为1的轨迹点及其之间的轨迹点视为一段出行轨迹,并删除二者之间速度为0的轨迹点。
在本实施例中,如果一个货运车辆的速度在一个轨迹点先从0变为非0(即从静止变为运动),再在另一个轨迹点由非0变为0(即从运动变为静止),则说明其可能完成了一次出行,因此记为一次出行轨迹。
再接着,新建第二字段,将第二字段的值设置为当前轨迹点与下一个轨迹点的定位时间差的绝对值。
在本实施例中,第二字段可标识为time_interval,time_interval的值设置为相邻的两个轨迹点的定位时间差的绝对值:
最后,对每段出行轨迹,根据第二字段筛选出最大最小时间值、停留时间以及每个状态的变化时间、前后定位坐标的距离。
在本实施例中,还可以进一步的获取轨迹点的Poi信息。具体地:
首先,获取每个出行轨迹中的所有处于静止的轨迹点的定位坐标;其中,所述静止的轨迹点按其类型分为出行OD点或者逗留点。
然后,根据静止的轨迹点的定位坐标调用地图开放平台的逆地理编码服务,获取返回数据。
接着,从返回数据中提取定位坐标周边的最近Poi及最近三条道路信息,分别创建Poi字段和roads字段;
最后,获取定位坐标与最近Poi的地理关系,创建Poi_Region字段,并将地理关系写入Poi_Region字段。
其中,静止的轨迹点的Poi_Region字段的一种可能的数据结构如图3所示。
S103,根据出行轨迹中的轨迹点进行出行OD点的筛选。
在本实施例中,上述获得的出行轨迹的起讫点并不一定就代表出行OD点,因为有可能出现逗留点或者临时停靠等多种情况,因此需要对其进行筛选来获取准确的出行OD点。具体地:
首先,对于第一字段由1变为-1且时间间隔大于预定的时间的两个轨迹点对,认为该静止的轨迹点对为货车出行OD点之一。
其中,如果从移动变为静止再到静止变为移动的时间间隔变化比较小,说明仅仅是比较短暂的停留,不能认定为是一次出行。相反的,如果时间间隔变化比较大,则可认定为是一个出行,因此对于的出行轨迹中的起讫点就是出行OD点。
然后,对当前轨迹点,前一个轨迹点,及下一个轨迹点与当前轨迹点的前一个轨迹点的距离都小于第一预定距离的轨迹点用均值法聚合为同一个点,并根据停留时间确定是否为出行OD点。
其中,距离较小的点可通过均值法聚合,再聚合后同样通过上述的方法来判断是出行OD点还是逗留点。
接着,对于前后两个轨迹点的平均速度远大于整段出行轨迹的平均速度,则剔除该轨迹点。
其中,前后两个轨迹点的平均速度远大于整段出行轨迹的平均速度,则说明为数据异常点,因此需要剔除。
再接着,从轨迹点的roads字段中提取轨迹点至最近两条道路的距离,若两者距离都小于第二预定距离时,判断所述轨迹点在两条路交叉口范围内,范围内静止点判定为逗留点;
再接着,对于Poi_Region字段中,轨迹点位于最近Poi的区域范围内,通过Poi_Region字段的值进行判断,结合vehiclestatus字段所记录货运车辆的车门开关及运行状况综合判断,筛选停留时间小于预定时间的出行OD点;
最后,得到出行OD点对后,计算出行OD点对的空间距离,并判断空间距离小于第三预定距离的出行OD对不能算作一次出行。
S104,根据货运GPS数据集以及筛选得到的出行OD点,在GIS平台上将货运车辆出行轨迹及出行OD点进行可视化显示,以获得主要的车辆物流节点及停留区域。
如图4所述,在根据上述步骤获得筛选得到的出行OD点后,在GIS平台上将货运车辆出行轨迹及出行OD点进行可视化显示,就可以获得货运车辆的物流节点以及停留区域,从而实现对货运物流的出行OD点分析。
与现有技术相比,本发明通过使用GPS数据来实现出行OD的分析,由于GPS数据较为客观,因而基于其提取的货车出行特征更为准确,更有助于把握城市货运交通状况,指导城市综合交通规划及城市规划。
更进一步的,结合Poi相关数据进行分析,进一步分析筛选现有数据,有效提高了方案的可靠性。
总而言之,本发明由于采用的分析算法,具有优质简捷以及推广性强的优点。
请参阅图5,本发明第二实施例还提供了一种基于GPS数据的货运交通OD分析装置,包括:
清洗单元210,用于获取货运GPS数据集,并对所述货运GPS数据集进行清洗以及车牌切分,以获得与每个车牌对应的GPS数据子集;其中,所述GPS数据子集包括多个轨迹点,每个轨迹点包括定位坐标以及对应的定位时间;
分段单元220,用于对每个GPS数据子集内的轨迹点进行分段,以获得至少一段出行轨迹;
筛选单元230,用于根据出行轨迹中的轨迹点进行出行OD点的筛选;
显示单元240,用于根据货运GPS数据集以及筛选得到的出行OD点,在GIS平台上将货运车辆出行轨迹及出行OD点进行可视化显示,以获得主要的车辆物流节点及停留区域。
本发明第三实施例还提供了一种基于GPS数据的货运交通OD分析设备,包括存储器以及处理器,所述存储器内存储有计算机程序,所述计算机程序能够被所述处理器执行,以实现如上述的基于GPS数据的货运交通OD分析方法。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种基于GPS数据的货运交通OD分析方法,其特征在于,包括:
获取货运GPS数据集,并对所述货运GPS数据集进行清洗以及车牌切分,以获得与每个车牌对应的GPS数据子集;其中,所述GPS数据子集包括多个轨迹点,每个轨迹点包括定位坐标以及对应的定位时间;
对每个GPS数据子集内的轨迹点进行分段,以获得至少一段出行轨迹;
根据出行轨迹中的轨迹点进行出行OD点的筛选;
根据货运GPS数据集以及筛选得到的出行OD点,在GIS平台上将货运车辆出行轨迹及出行OD点进行可视化显示,以获得主要的车辆物流节点及停留区域。
2.根据权利要求1所述的基于GPS数据的货运交通OD分析方法,其特征在于,所述获取货运GPS数据集,并对所述货运GPS数据集进行清洗以及车牌切分,以获得与每个车牌对应的GPS数据子集具体为:
根据车牌切分货运GPS数据集,生成与每个车牌对应的GPS数据子集;其中,每个GPS数据子集包括多个轨迹点,每个轨迹点包括定位坐标以及对应的定位时间;
对所述GPS数据子集内的轨迹点,按定位时间先后进行排序;
清洗剔除异常的轨迹点;其中,所述异常的轨迹点包括时间异常、位置异常、重复数据以及GPS弹跳点数据。
3.根据权利要求1所述的基于GPS数据的货运交通OD分析方法,其特征在于,所述对每个GPS数据子集内的轨迹点进行分段,以获得至少一段出行轨迹具体为:
对每个GPS数据子集,获取当前轨迹点以及当前轨迹点的下一个轨迹点;其中,所述轨迹点还包括车辆在定位坐标处的速度;
对每个轨迹点,新增第一字段,所述第一字段初始值设置为0;
根据前后两个轨迹点的速度的变化,对所述第一字段进行赋值;其中,当前后两个轨迹点的速度由非0变为0时,将后面的轨迹点的第一字段值设置为1,当前后两个轨迹点的速度由0变为非0时,将后面的轨迹点的第一字段设置为-1,其余情况的轨迹点的第一字段的值保持不变;
将第一字段为-1的轨迹点至下一个第一字段为1的轨迹点及其之间的轨迹点视为一段出行轨迹,并删除二者之间速度为0的轨迹点;
新建第二字段,将第二字段的值设置为当前轨迹点与下一个轨迹点的定位时间差的绝对值:
对每段出行轨迹,根据第二字段筛选出最大最小时间值、停留时间以及每个状态的变化时间、前后定位坐标的距离。
4.根据权利要求3所述的基于GPS数据的货运交通OD分析方法,其特征在于,还包括:
获取每个出行轨迹中的所有处于静止的轨迹点的定位坐标;其中,所述静止的轨迹点按其类型分为出行OD点或者逗留点;
根据静止的轨迹点的定位坐标调用地图开放平台的逆地理编码服务,获取返回数据;
从返回数据中提取定位坐标周边的最近Poi及最近三条道路信息,分别创建Poi字段和roads字段;
获取定位坐标与最近Poi的地理关系,创建Poi_Region字段,并将地理关系写入Poi_Region字段。
5.根据权利要求4所述的基于GPS数据的货运交通OD分析方法,其特征在于,根据出行轨迹中的轨迹点进行出行OD点的筛选具体包括:
对于第一字段由1变为-1且时间间隔大于预定的时间的两个轨迹点对,认为该静止的轨迹点对为货车出行OD点之一;
对当前轨迹点,前一个轨迹点,及下一个轨迹点与当前轨迹点的前一个轨迹点的距离都小于第一预定距离的轨迹点用均值法聚合为同一个点,并根据停留时间确定是否为出行OD点;
对于前后两个轨迹点的平均速度远大于整段出行轨迹的平均速度,则剔除该轨迹点;
从轨迹点的roads字段中提取轨迹点至最近两条道路的距离,若两者距离都小于第二预定距离时,判断所述轨迹点在两条路交叉口范围内,范围内静止点判定为逗留点;
对于Poi_Region字段中,轨迹点位于最近Poi的区域范围内,通过Poi_Region字段的值进行判断,结合vehiclestatus字段所记录货运车辆的车门开关及运行状况综合判断,筛选停留时间小于预定时间的出行OD点;
得到出行OD点对后,计算出行OD点对的空间距离,并判断空间距离小于第三预定距离的出行OD对不能算作一次出行。
6.根据权利要求1所述的基于GPS数据的货运交通OD分析方法,其特征在于,所述货运GPS数据集通过配置在货运车辆上的多个传感器采集得到。
7.一种基于GPS数据的货运交通OD分析装置,其特征在于,包括:
清洗单元,用于获取货运GPS数据集,并对所述货运GPS数据集进行清洗以及车牌切分,以获得与每个车牌对应的GPS数据子集;其中,所述GPS数据子集包括多个轨迹点,每个轨迹点包括定位坐标以及对应的定位时间;
分段单元,用于对每个GPS数据子集内的轨迹点进行分段,以获得至少一段出行轨迹;
筛选单元,用于根据出行轨迹中的轨迹点进行出行OD点的筛选;
显示单元,用于根据货运GPS数据集以及筛选得到的出行OD点,在GIS平台上将货运车辆出行轨迹及出行OD点进行可视化显示,以获得主要的车辆物流节点及停留区域。
8.一种基于GPS数据的货运交通OD分析设备,其特征在于,包括存储器以及处理器,所述存储器内存储有计算机程序,所述计算机程序能够被所述处理器执行,以实现如权利要求1至6任意一项所述的基于GPS数据的货运交通OD分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092816.3A CN112382083A (zh) | 2020-10-13 | 2020-10-13 | 一种基于gps数据的货运交通od分析方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092816.3A CN112382083A (zh) | 2020-10-13 | 2020-10-13 | 一种基于gps数据的货运交通od分析方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112382083A true CN112382083A (zh) | 2021-02-19 |
Family
ID=74581350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011092816.3A Pending CN112382083A (zh) | 2020-10-13 | 2020-10-13 | 一种基于gps数据的货运交通od分析方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112382083A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112905578A (zh) * | 2021-03-03 | 2021-06-04 | 西南交通大学 | 一种货车gps轨迹停留点识别方法 |
CN113011815A (zh) * | 2021-03-11 | 2021-06-22 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种货车停靠点提取方法和出行特征确定方法、装置 |
CN113553482A (zh) * | 2021-09-18 | 2021-10-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 停留点识别和出行链构建系统、算法、设备及存储介质 |
CN114613151A (zh) * | 2022-05-10 | 2022-06-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种货车od确定方法、系统、设备及存储介质 |
CN116029624A (zh) * | 2022-07-21 | 2023-04-28 | 大连海事大学 | 一种融合货车轨迹和poi数据的货源地识别方法 |
CN116307931A (zh) * | 2023-05-08 | 2023-06-23 | 广州市交通规划研究院有限公司 | 一种面向城市货运物流链的多源数据融合分析方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150213055A1 (en) * | 2012-03-27 | 2015-07-30 | Tom Tom Belgium N.V. | Digital location-based data methods and product |
US20160180705A1 (en) * | 2014-12-18 | 2016-06-23 | Jing Liu | Origin destination estimation based on vehicle trajectory data |
CN106407277A (zh) * | 2016-08-26 | 2017-02-15 | 北京车网互联科技有限公司 | 一种基于车联网数据对车主驻留点聚类后的属性分析方法 |
CN109147323A (zh) * | 2018-08-28 | 2019-01-04 | 华南理工大学 | 一种用于公路客货运输指标统计的车辆gps数据处理方法 |
CN109686085A (zh) * | 2018-12-17 | 2019-04-26 | 北京交通大学 | 基于gps数据危险货物运输车辆停留节点活动类型识别方法 |
CN110111575A (zh) * | 2019-05-16 | 2019-08-09 | 北京航空航天大学 | 一种基于复杂网络理论的城市交通流量网络分析方法 |
CN110222131A (zh) * | 2019-05-21 | 2019-09-10 | 北京交通大学 | 起讫信息提取方法及装置 |
CN111046049A (zh) * | 2019-12-20 | 2020-04-21 | 西南交通大学 | 一种货车gps轨迹数据压缩方法 |
-
2020
- 2020-10-13 CN CN202011092816.3A patent/CN112382083A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150213055A1 (en) * | 2012-03-27 | 2015-07-30 | Tom Tom Belgium N.V. | Digital location-based data methods and product |
US20160180705A1 (en) * | 2014-12-18 | 2016-06-23 | Jing Liu | Origin destination estimation based on vehicle trajectory data |
CN106407277A (zh) * | 2016-08-26 | 2017-02-15 | 北京车网互联科技有限公司 | 一种基于车联网数据对车主驻留点聚类后的属性分析方法 |
CN109147323A (zh) * | 2018-08-28 | 2019-01-04 | 华南理工大学 | 一种用于公路客货运输指标统计的车辆gps数据处理方法 |
CN109686085A (zh) * | 2018-12-17 | 2019-04-26 | 北京交通大学 | 基于gps数据危险货物运输车辆停留节点活动类型识别方法 |
CN110111575A (zh) * | 2019-05-16 | 2019-08-09 | 北京航空航天大学 | 一种基于复杂网络理论的城市交通流量网络分析方法 |
CN110222131A (zh) * | 2019-05-21 | 2019-09-10 | 北京交通大学 | 起讫信息提取方法及装置 |
CN111046049A (zh) * | 2019-12-20 | 2020-04-21 | 西南交通大学 | 一种货车gps轨迹数据压缩方法 |
Non-Patent Citations (1)
Title |
---|
丁晓青: "基于GPS数据的货运交通空间特征分析技术——以厦门市为例", 《品质交通与协同共治——2019年中国城市交通规划年会论文集》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112905578A (zh) * | 2021-03-03 | 2021-06-04 | 西南交通大学 | 一种货车gps轨迹停留点识别方法 |
CN112905578B (zh) * | 2021-03-03 | 2022-07-26 | 西南交通大学 | 一种货车gps轨迹停留点识别方法 |
CN113011815A (zh) * | 2021-03-11 | 2021-06-22 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种货车停靠点提取方法和出行特征确定方法、装置 |
CN113553482A (zh) * | 2021-09-18 | 2021-10-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 停留点识别和出行链构建系统、算法、设备及存储介质 |
CN114613151A (zh) * | 2022-05-10 | 2022-06-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种货车od确定方法、系统、设备及存储介质 |
CN114613151B (zh) * | 2022-05-10 | 2022-09-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种货车od确定方法、系统、设备及存储介质 |
CN116029624A (zh) * | 2022-07-21 | 2023-04-28 | 大连海事大学 | 一种融合货车轨迹和poi数据的货源地识别方法 |
CN116029624B (zh) * | 2022-07-21 | 2024-02-06 | 大连海事大学 | 一种融合货车轨迹和poi数据的货源地识别方法 |
CN116307931A (zh) * | 2023-05-08 | 2023-06-23 | 广州市交通规划研究院有限公司 | 一种面向城市货运物流链的多源数据融合分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112382083A (zh) | 一种基于gps数据的货运交通od分析方法、装置及设备 | |
CN112863172B (zh) | 高速公路交通运行状态判定方法、预警方法、装置及终端 | |
US20140334689A1 (en) | Infrastructure assessment via imaging sources | |
CN110807950B (zh) | 基于车辆碰撞的风险评估方法、装置和计算机设备 | |
KR102498441B1 (ko) | 자율 주행 차량의 테스트 방법, 장치, 전자 장비, 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램 | |
CN113808400B (zh) | 车流迁徙情况的展示方法、装置、设备及介质 | |
KR102084668B1 (ko) | 도로 노면 불량 객체에 의한 도로 노면 위험 정보 제공 시스템 및 방법 | |
CN109493606A (zh) | 一种高速公路上违停车辆的识别方法及系统 | |
CN113190538A (zh) | 一种基于轨迹数据的道路构建方法、装置、存储介质及终端 | |
CN113808414B (zh) | 道路荷载确定方法、装置及存储介质 | |
CN110646002B (zh) | 用于处理信息的方法和装置 | |
CN110502601B (zh) | 查找仓库的方法和装置 | |
CN111798660B (zh) | 车辆信息显示、获取方法及装置以及相关设备 | |
CN113537752A (zh) | 基于多数据源的交通运输大数据调度方法及调度平台 | |
CN116664025A (zh) | 装卸货位置点生成方法、装置及设备 | |
US20230222901A1 (en) | System and process for mitigating road network congestion | |
CN115790655A (zh) | 更新矢量的质量评估方法、电子设备及程序产品 | |
US20220228886A1 (en) | Missing map data identification system | |
CN112861701B (zh) | 违章停车识别方法、装置、电子设备以及计算机可读介质 | |
Kim et al. | A study on travel time estimation of diverging traffic stream on highways based on timestamp data | |
US20180144260A1 (en) | High-risk road location prediction | |
CN113393011B (zh) | 预测限速信息的方法、装置、计算机设备和介质 | |
CN111739322B (zh) | 数据处理方法及其装置 | |
CN103021166A (zh) | 交通气象信息处理的方法和装置 | |
US20220335829A1 (en) | System and method for vehicle event data processing for identifying and updating parking areas |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210219 |