CN112991134A - 行车路径还原测算方法、装置和电子设备 - Google Patents
行车路径还原测算方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112991134A CN112991134A CN202110509007.6A CN202110509007A CN112991134A CN 112991134 A CN112991134 A CN 112991134A CN 202110509007 A CN202110509007 A CN 202110509007A CN 112991134 A CN112991134 A CN 112991134A
- Authority
- CN
- China
- Prior art keywords
- data
- calculating
- exit
- entrance
- inlet
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000009467 reduction Effects 0.000 title claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims description 70
- 238000010606 normalization Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 5
- 230000008676 import Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种行车路径还原测算方法、装置和电子设备,首先根据待测车辆的出口数据和入口数据中包含的通行ID和/或车牌号对出口数据和入口数据进行匹配。对于未能匹配成功的出口数据或入口数据,则采用余弦计算方法计算得到出口数据和入口数据之间的余弦值,基于余弦值将未能匹配成功的出口数据和入口数据进行关联。最后根据匹配成功的出口数据、入口数据,以及关联的出口数据和入口数据,还原得到待测车辆的行车路径。本方案,结合匹配处理以及基于余弦计算方法进行关联处理的方式,可以全面还原车辆的行车路径,在避免因丢弃数据导致结果不够完整的基础上,可以提高结果还原的准确性。
Description
技术领域
本申请涉及交通运输管理技术领域,具体而言,涉及一种行车路径还原测算方法、装置和电子设备。
背景技术
匹配车辆的出入口数据,能够很好的将车辆的行车轨迹还原出来。目前对车辆的数据的监测一般依赖于各个收费设备的记录,但是在数据保存传输的过程中会使得相关的数据缺失或损坏,同时也会耗费大量的人力物力、费时费力,且效率比较低下。并且,目前在对数据进行处理的时候,考虑到大数据的特性,往往会把数据量少的异常值进行删除或者不处理,这样难免会造成信息的缺失,导致车辆的行车路径还原结果不够完整且准确。
发明内容
本申请的目的包括,例如,提供了一种行车路径还原测算方法、装置和电子设备,其能够提高行车路径还原的准确性。
本申请的实施例可以这样实现:
第一方面,本申请提供一种行车路径还原测算方法,所述方法包括:
获取待测车辆的出口数据和入口数据,根据所述出口数据和入口数据中包含的通行ID和/或车牌号对所述出口数据和入口数据进行匹配操作;
基于余弦计算方法计算得到未能匹配成功的出口数据和入口数据之间的余弦值,根据得到的余弦值将未能匹配成功的出口数据和入口数据进行关联;
根据匹配成功的出口数据、入口数据,以及关联的出口数据、入口数据,还原测算得到所述待测车辆的行车路径。
在可选的实施方式中,所述基于余弦计算方法计算得到未能匹配成功的出口数据和入口数据之间的余弦值的步骤,包括:
针对未能匹配成功的出口数据或入口数据,计算所述出口数据或入口数据中包含的各指标数据的权重值;
基于各所述指标数据的权重值筛选出目标指标数据;
根据余弦计算方法和所述目标指标数据,计算得到所述出口数据和入口数据之间的余弦值。
在可选的实施方式中,所述计算所述出口数据或入口数据中包含的各指标数据的权重值的步骤,包括:
对所述出口数据或入口数据中包含的各指标数据进行编码,得到对应的特征向量;
对得到的多个特征向量进行归一化处理;
计算归一化处理后的各特征向量的权重值。
在可选的实施方式中,所述计算归一化处理后的各特征向量的权重值的步骤,包括:
针对各所述特征向量,计算各所述出口数据或入口数据在该特征向量下的占比;
根据各所述出口数据和入口数据的占比,计算得到所述特征向量的熵值;
根据所述特征向量的熵值以及所有特征向量的熵值之和,得到所述特征向量的权重值。
在可选的实施方式中,所述根据余弦计算方法和所述目标指标数据,计算得到所述出口数据和入口数据之间的余弦值的步骤,包括:
将所述出口数据和入口数据中相对应的目标指标数据相乘后累加;
计算所述出口数据中多个目标指标数据的第一向量长度,以及所述入口数据中多个目标指标数据的第二向量长度;
根据所述第一向量长度、第二向量长度以及累加结果,计算得到所述出口数据和入口数据之间的余弦值。
在可选的实施方式中,所述根据所述出口数据和入口数据中包含的通行ID和/或车牌号对所述出口数据和入口数据进行匹配操作的步骤之前,所述方法还包括:
检测所述出口数据和入口数据中包含的指标数据的数量是否满足设定数量;
若不满足所述设定数量,则对所述出口数据和入口数据中缺失的指标数据进行补齐。
在可选的实施方式中,所述对所述出口数据和入口数据中缺失的指标数据进行补齐的步骤,包括:
将所述出口数据和入口数据构成多组完整数据对和多组缺失数据对,其中,所述完整数据对中出口数据和入口数据的指标数据满足设定数量且一一对应,所述缺失数据对中出口数据和/或入口数据的指标数据不满足所述设定数量;
针对每组缺失数据对,计算所述缺失数据对与各所述完整数据对之间的距离偏差;
在所述距离偏差低于预设阈值时,利用对应的完整数据对中的指标数据对所述缺失数据对中缺失的指标数据进行补齐。
在可选的实施方式中,所述计算所述缺失数据对与各所述完整数据对之间的距离偏差的步骤,包括:
计算所述缺失数据对中各所述指标数据的权值;
基于各所述指标数据的权值,计算所述缺失数据对与各所述完整数据对之间的距离偏差。
第二方面,本申请提供一种行车路径还原测算装置,所述装置包括:
匹配模块,用于获取待测车辆的出口数据和入口数据,根据所述出口数据和入口数据中包含的通行ID和/或车牌号对所述出口数据和入口数据进行匹配操作;
关联模块,用于基于余弦计算方法计算得到未能匹配成功的出口数据和入口数据之间的余弦值,根据得到的余弦值将未能匹配成功的出口数据和入口数据进行关联;
还原模块,用于根据匹配成功的出口数据、入口数据,以及关联的出口数据、入口数据,还原测算得到所述待测车辆的行车路径。
第三方面,本申请提供一种电子设备,包括一个或多个存储介质和一个或多个与存储介质通信的处理器,一个或多个存储介质存储有处理器可执行的机器可执行指令,当电子设备运行时,处理器执行所述机器可执行指令,以执行前述实施方式中任意一项所述的方法步骤。
本申请实施例的有益效果包括,例如:
本申请提供一种行车路径还原测算方法、装置和电子设备,首先根据待测车辆的出口数据和入口数据中包含的通行ID和/或车牌号对出口数据和入口数据进行匹配。对于未能匹配成功的出口数据或入口数据,则采用余弦计算方法计算得到出口数据和入口数据之间的余弦值,基于余弦值将未能匹配成功的出口数据和入口数据进行关联。最后根据匹配成功的出口数据、入口数据,以及关联的出口数据和入口数据,还原得到待测车辆的行车路径。本方案,结合匹配处理以及基于余弦计算方法进行关联处理的方式,可以全面还原车辆的行车路径,在避免因丢弃数据导致结果不够完整的基础上,可以提高结果还原的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的行车路径还原测算方法的应用场景示意图;
图2为本申请实施例提供的行车路径还原测算方法的流程图;
图3为本申请实施例提供的行车路径还原测算方法中,补齐方法的流程图;
图4为图3中步骤S120的子步骤的流程图;
图5为图4中步骤S122的子步骤的流程图;
图6为图2中步骤S220的子步骤的流程图;
图7为图6中步骤S221的子步骤的流程图;
图8为图7中步骤S2213的子步骤的流程图;
图9为图6中步骤S223的子步骤的流程图;
图10为本申请实施例提供的电子设备的结构框图;
图11为本申请实施例提供的行车路径还原测算装置的功能模块框图。
图标:100-服务器;110-存储介质;120-处理器;130-行车路径还原测算装置;131-匹配模块;132-关联模块;133-还原模块;140-通信接口;200-网络;300-终端设备;400-数据库。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本申请的实施例中的特征可以相互结合。
请参阅图1,为本申请实施例提供的行车路径还原测算方法的应用场景示意图。该应用场景中可以包括网络200、服务器100、终端设备300、数据库400中的一种或多种。终端设备300可为多个,各个终端设备300与所述服务器100通信连接。在一些实施例中,服务器100可以包括处理器,处理器可以对终端设备300发送的信息进行分析处理,以执行本申请中描述的一个或多个功能。
在一些实施例中,终端设备300对应的设备类型可以是如计算机设备。例如,可以是设置于各个公路收费站处的设备。其中,服务器100可以是由多个服务器100构成的服务器100集群,也可以是单独的服务器100。例如,可以是运输管理平台的后台服务器100。
在一些实施例中,数据库400可以连接到网络200以与该应用场景中的一个或多个组件通信,例如上述的服务器100。服务器100可以经由网络200访问存储在数据库400中的数据或指令。在一些实施例中,数据库400也可以直接连接至服务器100,或者数据库400也可以是服务器100的一部分。
下面结合上述图1所示的应用场景中描述的内容,对本申请实施例提供的行车路径还原测算方法进行详细说明。
参照图2所示,为本申请实施例提供的一种行车路径还原测算方法的流程示意图,该方法可以由上述服务器100来执行。应当理解,在其它实施例中,本实施例所述的行车路径还原测算方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。该行车路径还原测算方法的详细步骤介绍如下。
步骤S210,获取待测车辆的出口数据和入口数据,根据所述出口数据和入口数据中包含的通行ID和/或车牌号对所述出口数据和入口数据进行匹配操作。
步骤S220,基于余弦计算方法计算得到未能匹配成功的出口数据和入口数据之间的余弦值,根据得到的余弦值将未能匹配成功的出口数据和入口数据进行关联。
步骤S230,根据匹配成功的出口数据、入口数据,以及关联的出口数据、入口数据,还原测算得到所述待测车辆的行车路径。
在车辆经过收费站处时,收费站处的终端设备300可采集车辆的相关信息。对于高速公路而言,在车辆进入高速公路时,收费站处终端设备300所采集的车辆的相关信息并结合车辆通行信息,以作为车辆的入口数据。而车辆在离开高速公路时收费站处终端设备300所采集的车辆的相关信息并结合其他信息,以作为车辆的出口数据。
在本实施例中,所述的车辆的相关信息可包括如车辆信息和车辆通行信息,其中,车辆信息可包括如车型、车种、车牌号、车货总重、轴数等信息。而所述的车辆通行信息可包括如出口站或入口站信息、出口时间、入口时间、标记的车辆的通行ID等。
本实施例中,车辆在驶入高速公路后,单次通行会形成一个唯一标识通行ID,通行ID在车辆单次的行驶过程中不会发生改变。此外,车辆的车牌号也是可以唯一标识一个车辆的信息。
因此,针对各个车辆,若该车辆的出口数据和入口数据的通行ID或车牌号能够匹配上,即通行ID一致,或车牌号一致,或通行ID和车牌号均分别一致的情况下,可以认为该出口数据和入口数据为该车辆的准确数据。进而可以基于该出口数据和入口数据还原得到该车辆的行车路径,例如,根据该出口数据中的出口站信息和入口数据中的入口站信息,还原得到该车辆的行车路径。
但是,对于某些车辆而言,可能其出口数据和入口数据中的通行ID和/或车牌号未能匹配成功,则此时无法确定其准确的出口数据和入口数据。这种情况下,可以将出口数据和入口数据中未能匹配成功的出口数据和入口数据挑选出来。针对这部分出口数据和入口数据,可以通过计算其中的出口数据和入口数据的关联信息,进而将关联度较高的出口数据和入口数据关联起来。某个车辆的关联起来的出口数据和入口数据,可以作为该车辆的准确的出口数据和入口数据,进而基于该出口数据和入口数据中的信息还原该车辆的行车路径。
本实施例中,可选地,可采用余弦计算方法计算得到未匹配成功的出口数据和入口数据之间的余弦值,基于得到的余弦值将未能匹配成功的出口数据和入口数据进行关联。余弦计算方法可以体现两者之间的夹角大小,则两者之间的相似度越高的情况下,其夹角越小,则余弦值越接近于1,而若两者之间的相似度越小的情况下,其夹角越大,则余弦值越接近于0。
因此,基于上述余弦计算方法可以将相似度满足一定要求的出口数据和入口数据进行关联。
通过上述的基于通行ID和车牌号进行出口数据和入口数据进行匹配,以及针对未能匹配成功的出口数据和入口数据,采用余弦计算方法将出口数据和入口数据进行关联的方式,则可以基于匹配成功的出口数据和入口数据,以及关联成功的出口数据和入口数据,还原得到所有车辆的行车路径。可以达到全面还原车辆的行车路径的目的,在避免因丢弃数据导致结果不够完整的基础上,可以提高结果还原的准确性。
在本实施例中,由上述可知,出口数据和入口数据中包含多个指标数据,例如车型、车种、车货总重、车牌号、出入口时间、出入口站信息等。然而,在实际应用中,车辆在经过收费站时,收费站处的终端设备300可能并不能采集到完整的出入口数据,例如,可能缺少其中的一个或多个指标数据。而后续在计算出口数据和入口数据的相似度时,需要基于其中的指标数据进行计算,若出口数据或入口数据中缺失部分指标数据,则可能影响后续的计算流程。
因此,请参阅图3,在对出口数据和入口数据进行匹配以及进行余弦计算之前,本实施例所提供的行车路径还原测算方法还可以包括以下步骤:
步骤S110,检测所述出口数据和入口数据中包含的指标数据的数量是否满足设定数量,若不满足所述设定数量,则执行以下步骤S120,若满足所述设定数量,则执行上述步骤S210。
步骤S120,对所述出口数据和入口数据中缺失的指标数据进行补齐。
本实施例中,可以预先设定出口数据和入口数据中指标数据应当满足的规范要求,例如,可以预先设定出口数据和入口数据中的指标数据的数量应当达到设定数量,该设定数量可为如8或10等不限,具体地可根据实际需求进行设定。
在采集到历史数据之后,可以首先检测出口数据和入口数据中的指标数据的数量是否满足该设定数量,若不满足设定数量,则表明可能在实际采集过程中,可能由于漏检导致某些指标数据缺失。这种情况下,可以先对出口数据和入口数据中缺失的指标数据进行补齐。
作为一种可能的实施方式,针对某个车辆,若可以基于如通行ID确定出该车辆的出口数据和入口数据,而出口数据或入口数据存在缺失的指标数据时,出口数据和入口数据中包含的车辆信息应当是一致的。也即,车辆在从入口进入高速路并从出口驶出高速路的过程中,该车辆的车辆信息应当是不变的。
因此,在这种情况下,若该车辆的出口数据中缺失车辆信息,如车牌号、车辆类型、车种、轴数等,则可以从该车辆的入口数据中查找对应的车辆信息,并将入口数据中查找到信息对出口数据中的缺失的信息进行补齐。
同理,若入口数据中存在缺失的车辆信息,则可以从该车辆的出口数据中查找对应的车辆信息,并对入口数据中缺失的车辆信息进行补齐。
此外,车辆在多次驶入高速路的情况下,车辆信息也应当是不变的,如果该次行驶中出口数据存在缺失的车辆信息,则可以从其他行驶过程中的出口数据查找对应的车辆信息,并对该次行驶的出口数据中缺失的信息进行补齐。
同理,若该次行驶中入口数据存在缺失的车辆信息,则可以从其他行驶过程中的入口数据查找对应的车辆信息,并对该次行驶的入口数据中缺失的信息进行补齐。
进一步地,车辆信息中的各个指标数据可能存在关联关系,例如,车辆的车型和轴数之间存在关联关系,也即,在确定车辆的车型的情况下,可以通过查找数据库信息获得该车型下的轴数信息。
因此,对于这一类具有关联关系的车辆信息,若出口数据或入口数据中存在缺失的车辆信息,则可以通过查找出与该缺失的车辆信息具有关联的车辆信息,并利用该具有关联的车辆信息对缺失的车辆信息进行补齐。
作为另一种可能的实施方式,若出口数据或入口数据中所缺失的指标数据为如出口站信息、入口站信息、出口时间或入口时间等。可以基于指标数据之间的拓扑关系以进行指标数据的补齐。
例如,服务器100中可存储有一定区域内所有收费站之间的拓扑关系,包括收费站之间的连通关系、方位信息、距离信息等。针对某个车辆,若该车辆的入口数据中缺失入口站信息,则可以基于车辆出口时所记录的里程费用,推算出相应的行驶距离,再基于上述拓扑关系,确定车辆可能的入口站信息,进而对缺失的入口站信息进行补齐。
此外,针对某个车辆,若该车辆的入口数据中缺失入口时间,则可以基于该车辆出口时所记录的行驶速度、里程、出口时间等,进而推算出车辆的入口时间。
以上对出口数据和入口数据的补齐方式,是需要通过对应的收费站数据进行补齐操作或者根据以往的出口或入口的通行数据进行补齐操作,但是,在一些情形下,可能并不能成功基于对应收费站数据进行补齐或基于其他行驶过程中的出口或入口通行数据进行补齐,在这种情况下,作为一种可能的实施方式,本实施例中,可以通过以下方式对出口数据和入口数据中缺失的指标数据进行补齐,请结合参阅图4。
步骤S121,将所述出口数据和入口数据构成多组完整数据对和多组缺失数据对,其中,所述完整数据对中出口数据和入口数据的指标数据满足设定数量且一一对应,所述缺失数据对中出口数据和/或入口数据的指标数据不满足所述设定数量。
步骤S122,针对每组缺失数据对,计算所述缺失数据对与各所述完整数据对之间的距离偏差。
步骤S123,在所述距离偏差低于预设阈值时,利用对应的完整数据对中的指标数据对所述缺失数据对中缺失的指标数据进行补齐。
本实施例中,将存在缺失指标数据的出口数据和入口数据作为缺失数据对。该部分主要就是对缺失数据对中所缺失的指标数据进行补齐。补齐的方式是,通过计算缺失数据对与各个完整数据对之间的距离偏差,基于距离偏差满足一定要求的完整数据对中的指标数据对缺失数据对进行补齐。
在本实施例中,在计算缺失数据对与完整数据对之间的距离偏差时,是通过缺失数据对和完整数据对包含的多个指标数据计算得到。而多个指标数据中,对于距离偏差的计算结果的贡献度可能并不一样,例如,如车牌号、通行ID、车型、出口时间、入口时间、轴数等这些信息对于匹配的贡献度较大,而如通行车道类型、计费方式、等信息对于匹配的贡献度较小。
因此,为了提高匹配数据的精准度,本实施例中,请参阅图5,在计算缺失数据对与各完整数据对之间的距离偏差时,可以通过以下方式实现:
步骤S1221,计算所述缺失数据对中各所述指标数据的权值。
步骤S1222,基于各所述指标数据的权值,计算所述缺失数据对与各所述完整数据对之间的距离偏差。
本实施例中,可以计算缺失数据对中各个指标数据的权值,可选地,本实施例中,指标数据可以划分为离散型数据,例如出入口站信息、车辆信息、车牌号等,以及连续型数据,例如出入口时间、车货总量信息、车货里程信息等。
针对离散型的指标数据,可以先通过以下方式计算得到偏差值:
其中,x aj 表示某个缺失数据对中第j个指标数据,x bj 表示某个完整数据对中第j个指标数据。
针对连续型的指标数据,则可以先通过以下方式计算得到偏差值:
其中,max(x j )、min(x j )分别表示所有的缺失数据对和完整数据对中第j个指标数据的最大值和最小值。
在上述基础上,第j个指标数据的权值可以通过以下方式获得:
其中,p表示指标数据的总数量。
在确定各个指标数据的权值后,可以通过以下公式,计算得到缺失数据对与完整数据对之间的距离偏差:
其中:
在得到缺失数据对与各个完整数据对之间的距离偏差后,可以获得其中距离偏差最小的完整数据对,或者是距离偏差低于预设阈值的完整数据对。利用该完整数据对中的指标数据将缺失数据对中缺失的指标数据进行补齐。
通过以上方式,可以将各个出口数据和入口数据中的指标数据进行补齐,有利于后续提高车辆的行车路径还原比率,避免因缺失数据而导致的大量信息丢失,影响还原准确度的问题。
在补齐出口数据和入口数据之后,则可以通过上述的基于通信ID和/或车牌号的方式将出口数据和入口数据进行匹配。而对于未匹配成功的出口数据和入口数据,则可以基于余弦模型进行关联。
在本实施例中,同样地,在基余弦于模型对出口数据和入口数据进行关联时,各个指标数据对于关联的贡献度不同,因此,本实施例中,一则为了降低后续的关联工作量,二则为了避免贡献度较低的指标数据的影响,在上述步骤S220中,在计算未能匹配成功的出口数据和入口数据之间的余弦值时,可以通过以下方式实现,请参阅图6:
步骤S221,针对未能匹配成功的出口数据或入口数据,计算所述出口数据或入口数据中包含的各指标数据的权重值。
步骤S222,基于各所述指标数据的权重值筛选出目标指标数据。
步骤S223,根据余弦计算方法和所述目标指标数据,计算得到所述出口数据和入口数据之间的余弦值。
本实施例中,针对未能匹配成功的出口数据或入口数据,可以提取出相应的指标数据,这些指标数据与确定车辆的行车路径有着重要的联系,例如车型、车种、出入口时间、车牌号等。为了便于后续的余弦计算,可首先对指标数据进行量化处理,具体地,请参阅图7,在计算各指标数据的权重值时,可通过以下方式实现。
步骤S2211,对所述出口数据或入口数据中包含的各指标数据进行编码,得到对应的特征向量。
步骤S2212,对得到的多个特征向量进行归一化处理。
步骤S2213,计算归一化处理后的各特征向量的权重值。
本实施例中,可采用独热编码方式对指标数据进行编码,具体地,可使用N位寄存器来对指标数据可能具有的N个状态进行编码,每个状态都有其独立的寄存器位。并且,在任意时候,仅有一个有效位。
例如,针对某种车辆的车型而言,例如,针对货车而言,若车型可划分为一类车型、二类车型、三类车型、四类车型、五类车型、六类车型,则将车型这类指标数据编码后的特征向量可为[1,0,0,0,0,0],[0,1,0,0,0,0],[0,0,1,0,0,0],[0,0,0,1,0,0],[0,0,0,0,1,0],[0,0,0,0,0,1]。
同理,若针对某种车辆而言,例如,针对客车而言,该种车辆的车型可分为四类,如一类车型、二类车型、三类车型、四类车型,则该种车辆的车型指标数据编码后的特征向量可为[1,0,0,0],[0,1,0,0],[0,0,1,0],[0,0,0,1]。
本实施例中,考虑到各项指标数据的计量单位不统一,影响后续计算结果,因此,可先对指标数据进行归一化处理,从而解决各项不同质指标同质化问题。
可选地,本实施例中,针对指标数据中的正向指标数据,可采用以下公式对指标数据进行归一化处理:
针对指标数据中的负向指标数据,可采用以下公式对指标数据进行归一化处理:
本实施例中,再计算上述归一化处理后的各指标数据的特征向量的权重值。基于各个指标数据的权重值,筛选出其中权重值较大的指标数据作为目标数据,例如权重值排在前面的预设个数指标数据作为目标指标数据,利用目标指标数据计算出口数据和入口数据之间的余弦值。
本实施例中,在计算各个指标数据的权重值时,采用熵值法予以实现,熵是对不确定性的一种度量,信息量越大,不确定性越小,则熵越大。反之,信息量越小,不确定性越大,熵越大。通过计算指标数据的特征向量的熵值可以确定其权重值。
可选地,请参阅图8,本实施例中,可以通过以下方式计算得到各指标数据的权重值。
步骤S22131,针对各所述特征向量,计算各所述出口数据或入口数据在该特征向量下的占比。
步骤S22132,根据各所述出口数据和入口数据的占比,计算得到所述特征向量的熵值。
步骤S22133,根据所述特征向量的熵值以及所有特征向量的熵值之和,得到所述特征向量的权重值。
本实施例中,假设有n个未匹配的出口数据或入口数据,各个出口数据或入口数据有m个指标数据,则针对第j个指标数据对应的特征向量,第i个出口数据或入口数据在该特征向量下的占比可通过以下方式计算:
在上述基础上,可以计算得到第j个特征向量的熵值:
然后基于得到的熵值,计算得到第j个特征向量的信息熵冗余度:
基于信息熵冗余度按以下公式计算得到第j个特征向量的权重值:
本实施例中,按以上方式,则可以计算得到出口数据和入口数据中各个指标数据的权重值,进而从中筛选出一定数量的权重值排在前面的指标数据作为目标指标数据,再基于目标指标数据和余弦计算方法,计算得到出口数据和入口数据之间的余弦值。
在本实施例中,考虑到入口数据和出口数据中可能还存在缺失的指标数据,且出口数据和入口数据的缺失情况不同,因此,为了后续方便计算,可将出口数据和入口数据中仍然缺失的指标数据统一填补为0,以统一出口数据和入口数据中的指标数据的数量。
可选地,将未匹配成功的各出口数据标记为Y,将未匹配成功的各入口数据标记为X。基于目标直播数据计算向量X和向量Y之间的夹角,夹角越小则说明两者关联程度越高。
在上述基础上,请参阅图9,计算出口数据和入口数据之间的余弦值时,可以通过以下方式实现:
步骤S2231,将所述出口数据和入口数据中相对应的目标指标数据相乘后累加。
步骤S2232,计算所述出口数据中多个目标指标数据的第一向量长度,以及所述入口数据中多个目标指标数据的第二向量长度。
步骤S2233,根据所述第一向量长度、第二向量长度以及累加结果,计算得到所述出口数据和入口数据之间的余弦值。
并按以下方式计算得到出口数据中多个目标指标数据的第一向量长度以及入口数据中多个目标指标数据的第二向量长度:
在上述基础上,将第一向量长度、第二向量长度以及累加结果,按以下方式计算得到出口数据和入口数据之间的余弦值:
由于按上述处理后,出口数据和入口数据中各条指标数据均为正值,因此,,也即两个向量的夹角在0度到90度之间。当出口数据和入口数据向量夹角余弦值越接近于1,表明两个向量匹配度越高,当两个向量正交时,说明两个向量完全不匹配。在满足一定要求的情况下,如余弦值高于预设值时,则可以将该出口数据和入口数据进行关联。
通过上述方式,则可以将未匹配成功的出口数据和入口数据,按上述方式进行关联。关联成功的出口数据和入口数据则构成一条完整的行驶信息,进而可以基于出口数据和入口数据中的出入口信息,还原车辆的行车路径。
本实施例中,通过上述方式,可以完成对历史一段时间内的多个车辆的行车路径的还原。并且,结合地理定位关系还可以基于路径绘制出车辆行驶的轨迹图,为高速车辆分析、经济生产研究等提供了重要依据。
进一步地,为了验证本实施例所提供的上述行车路径还原测算方法的准确性,还可以通过验证方法进行验证。可选的,可以精确率和召回率构成的调和平均数F 1作为验证指标。其中,调和平均数F 1可构建如下:
其中,TP表征通过上述方式得到的结果为正且真实结果为正,FP 表征通过上述得到的结果为且真实结果为正,FN表征通过上述方式得到的结果为负且标签真实结果为负。
通过上述得到的统一结果中,在调和平均数F 1高于一定数值时,可表明通过上述方式进行关联得到的结果在精确率和召回率上可满足一定要求。可以利用上述验证指标对上述关联方法进行指导。
本实施例所提供的行车路径还原测算方法可通过软件计算方法的方式实现路径还原,在原有计算设备的基础上并未额外增加设备,节约了成本。该方法首先对缺失的指标数据进行补齐,再进行出口数据和入口数据的匹配。对于未能匹配成本出口数据和入口数据,采用余弦计算方法实现出口数据和入口数据的关联。从而可以基于匹配成功的出口数据、入口数据,以及关联成功的出口数据、入口数据,完整还原车辆的行车路径。
请参阅图10,为本申请实施例提供的电子设备的示例性组件示意图,该电子设备可为图1中所示的服务器100。该电子设备可包括存储介质110、处理器120、行车路径还原测算装置130及通信接口140。本实施例中,存储介质110与处理器120均位于电子设备中且二者分离设置。然而,应当理解的是,存储介质110也可以是独立于电子设备之外,且可以由处理器120通过总线接口来访问。可替换地,存储介质110也可以集成到处理器120中,例如,可以是高速缓存和/或通用寄存器。
行车路径还原测算装置130可以理解为上述电子设备,或电子设备的处理器120,也可以理解为独立于上述电子设备或处理器120之外的在电子设备控制下实现上述行车路径还原测算方法的软件功能模块。
如图11所示,上述行车路径还原测算装置130可以包括匹配模块131、关联模块132以及还原模块133。下面分别对该行车路径还原测算装置130的各个功能模块的功能进行详细阐述。
匹配模块131,用于获取待测车辆的出口数据和入口数据,根据所述出口数据和入口数据中包含的通行ID和/或车牌号对所述出口数据和入口数据进行匹配操作。
可以理解,该匹配模块131可以用于执行上述步骤S210,关于该匹配模块131的详细实现方式可以参照上述对步骤S210有关的内容。
关联模块132,用于基于余弦计算方法计算得到未能匹配成功的出口数据和入口数据之间的余弦值,根据得到的余弦值将未能匹配成功的出口数据和入口数据进行关联。
可以理解,该关联模块132可以用于执行上述步骤S220,关于该关联模块132的详细实现方式可以参照上述对步骤S220有关的内容。
还原模块133,用于根据匹配成功的出口数据、入口数据,以及关联的出口数据、入口数据,还原测算得到所述待测车辆的行车路径。
可以理解,该还原模块133可以用于执行上述步骤S230,关于该还原模块133的详细实现方式可以参照上述对步骤S230有关的内容。
在一种可能的实现方式中,上述关联模块132用于通过以下方式得到所述余弦值:
针对未能匹配成功的出口数据或入口数据,计算所述出口数据或入口数据中包含的各指标数据的权重值;
基于各所述指标数据的权重值筛选出目标指标数据;
根据余弦计算方法和所述目标指标数据,计算得到所述出口数据和入口数据之间的余弦值。
在一种可能的实现方式中,上述关联模块132具体可以用于:
对所述出口数据或入口数据中包含的各指标数据进行编码,得到对应的特征向量;
对得到的多个特征向量进行归一化处理;
计算归一化处理后的各特征向量的权重值。
在一种可能的实现方式中,上述关联模块132具体可以用于:
针对各所述特征向量,计算各所述出口数据或入口数据在该特征向量下的占比;
根据各所述出口数据和入口数据的占比,计算得到所述特征向量的熵值;
根据所述特征向量的熵值以及所有特征向量的熵值之和,得到所述特征向量的权重值。
在一种可能的实现方式中,上述关联模块132具体可以用于:
将所述出口数据和入口数据中相对应的目标指标数据相乘后累加;
计算所述出口数据中多个目标指标数据的第一向量长度,以及所述入口数据中多个目标指标数据的第二向量长度;
根据所述第一向量长度、第二向量长度以及累加结果,计算得到所述出口数据和入口数据之间的余弦值。
在一种可能的实现方式中,所述行车路径还原测算装置130还包括补齐模块,该补齐模块可以用于:
检测所述出口数据和入口数据中包含的指标数据的数量是否满足设定数量;
若不满足所述设定数量,则对所述出口数据和入口数据中缺失的指标数据进行补齐。
在一种可能的实现方式中,上述补齐模块具体可以用于:
将所述出口数据和入口数据构成多组完整数据对和多组缺失数据对,其中,所述完整数据对中出口数据和入口数据的指标数据满足设定数量且一一对应,所述缺失数据对中出口数据和/或入口数据的指标数据不满足所述设定数量;
针对每组缺失数据对,计算所述缺失数据对与各所述完整数据对之间的距离偏差;
在所述距离偏差低于预设阈值时,利用对应的完整数据对中的指标数据对所述缺失数据对中缺失的指标数据进行补齐。
在一种可能的实现方式中,上述补齐模块具体可以用于:
计算所述缺失数据对中各所述指标数据的权值;
基于各所述指标数据的权值,计算所述缺失数据对与各所述完整数据对之间的距离偏差。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
进一步地,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有机器可执行指令,机器可执行指令被执行时实现上述实施例提供的行车路径还原测算方法。
具体地,该计算机可读存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该计算机可读存储介质上的计算机程序被运行时,能够执行上述行车路径还原测算方法。关于计算机可读存储介质中的及其可执行指令被运行时,所涉及的过程,可以参照上述方法实施例中的相关说明,这里不再详述。
综上所述,本申请实施例提供的行车路径还原测算方法、装置和电子设备,首先根据待测车辆的出口数据和入口数据中包含的通行ID和/或车牌号对出口数据和入口数据进行匹配。对于未能匹配成功的出口数据或入口数据,则采用余弦计算方法计算得到出口数据和入口数据之间的余弦值,基于余弦值将未能匹配成功的出口数据和入口数据进行关联。最后根据匹配成功的出口数据、入口数据,以及关联的出口数据和入口数据,还原得到待测车辆的行车路径。本方案,结合匹配处理以及基于余弦计算方法进行关联处理的方式,可以全面还原车辆的行车路径,在避免因丢弃数据导致结果不够完整的基础上,可以提高结果还原的准确性。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种行车路径还原测算方法,其特征在于,所述方法包括:
获取待测车辆的出口数据和入口数据,根据所述出口数据和入口数据中包含的通行ID和/或车牌号对所述出口数据和入口数据进行匹配操作;
基于余弦计算方法计算得到未能匹配成功的出口数据和入口数据之间的余弦值,根据得到的余弦值将未能匹配成功的出口数据和入口数据进行关联;
根据匹配成功的出口数据、入口数据,以及关联的出口数据、入口数据,还原测算得到所述待测车辆的行车路径。
2.根据权利要求1所述的行车路径还原测算方法,其特征在于,所述基于余弦计算方法计算得到未能匹配成功的出口数据和入口数据之间的余弦值的步骤,包括:
针对未能匹配成功的出口数据或入口数据,计算所述出口数据或入口数据中包含的各指标数据的权重值;
基于各所述指标数据的权重值筛选出目标指标数据;
根据余弦计算方法和所述目标指标数据,计算得到所述出口数据和入口数据之间的余弦值。
3.根据权利要求2所述的行车路径还原测算方法,其特征在于,所述计算所述出口数据或入口数据中包含的各指标数据的权重值的步骤,包括:
对所述出口数据或入口数据中包含的各指标数据进行编码,得到对应的特征向量;
对得到的多个特征向量进行归一化处理;
计算归一化处理后的各特征向量的权重值。
4.根据权利要求3所述的行车路径还原测算方法,其特征在于,所述计算归一化处理后的各特征向量的权重值的步骤,包括:
针对各所述特征向量,计算各所述出口数据或入口数据在该特征向量下的占比;
根据各所述出口数据和入口数据的占比,计算得到所述特征向量的熵值;
根据所述特征向量的熵值以及所有特征向量的熵值之和,得到所述特征向量的权重值。
5.根据权利要求2所述的行车路径还原测算方法,其特征在于,所述根据余弦计算方法和所述目标指标数据,计算得到所述出口数据和入口数据之间的余弦值的步骤,包括:
将所述出口数据和入口数据中相对应的目标指标数据相乘后累加;
计算所述出口数据中多个目标指标数据的第一向量长度,以及所述入口数据中多个目标指标数据的第二向量长度;
根据所述第一向量长度、第二向量长度以及累加结果,计算得到所述出口数据和入口数据之间的余弦值。
6.根据权利要求1所述的行车路径还原测算方法,其特征在于,所述根据所述出口数据和入口数据中包含的通行ID和/或车牌号对所述出口数据和入口数据进行匹配操作的步骤之前,所述方法还包括:
检测所述出口数据和入口数据中包含的指标数据的数量是否满足设定数量;
若不满足所述设定数量,则对所述出口数据和入口数据中缺失的指标数据进行补齐。
7.根据权利要求6所述的行车路径还原测算方法,其特征在于,所述对所述出口数据和入口数据中缺失的指标数据进行补齐的步骤,包括:
将所述出口数据和入口数据构成多组完整数据对和多组缺失数据对,其中,所述完整数据对中出口数据和入口数据的指标数据满足设定数量且一一对应,所述缺失数据对中出口数据和/或入口数据的指标数据不满足所述设定数量;
针对每组缺失数据对,计算所述缺失数据对与各所述完整数据对之间的距离偏差;
在所述距离偏差低于预设阈值时,利用对应的完整数据对中的指标数据对所述缺失数据对中缺失的指标数据进行补齐。
8.根据权利要求7所述的行车路径还原测算方法,其特征在于,所述计算所述缺失数据对与各所述完整数据对之间的距离偏差的步骤,包括:
计算所述缺失数据对中各所述指标数据的权值;
基于各所述指标数据的权值,计算所述缺失数据对与各所述完整数据对之间的距离偏差。
9.一种行车路径还原测算装置,其特征在于,所述装置包括:
匹配模块,用于获取待测车辆的出口数据和入口数据,根据所述出口数据和入口数据中包含的通行ID和/或车牌号对所述出口数据和入口数据进行匹配操作;
关联模块,用于基于余弦计算方法计算得到未能匹配成功的出口数据和入口数据之间的余弦值,根据得到的余弦值将未能匹配成功的出口数据和入口数据进行关联;
还原模块,用于根据匹配成功的出口数据、入口数据,以及关联的出口数据、入口数据,还原测算得到所述待测车辆的行车路径。
10.一种电子设备,其特征在于,包括一个或多个存储介质和一个或多个与存储介质通信的处理器,一个或多个存储介质存储有处理器可执行的机器可执行指令,当电子设备运行时,处理器执行所述机器可执行指令,以执行权利要求1-8中任意一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509007.6A CN112991134B (zh) | 2021-05-11 | 2021-05-11 | 行车路径还原测算方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110509007.6A CN112991134B (zh) | 2021-05-11 | 2021-05-11 | 行车路径还原测算方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112991134A true CN112991134A (zh) | 2021-06-18 |
CN112991134B CN112991134B (zh) | 2021-08-27 |
Family
ID=76337483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110509007.6A Active CN112991134B (zh) | 2021-05-11 | 2021-05-11 | 行车路径还原测算方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112991134B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040068369A1 (en) * | 2002-10-04 | 2004-04-08 | Lg Electronics, Inc. | Vehicle navigation system and method for guiding path of complex intersection |
CN106326254A (zh) * | 2015-06-25 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 行车路径的修复方法和装置 |
CN108764375A (zh) * | 2018-06-25 | 2018-11-06 | 交通运输部科学研究院 | 高速公路货运车辆跨省匹配方法及装置 |
CN110555569A (zh) * | 2019-09-12 | 2019-12-10 | 招商华软信息有限公司 | 一种路径还原方法、装置、设备和存储介质 |
CN111062400A (zh) * | 2018-10-16 | 2020-04-24 | 浙江宇视科技有限公司 | 目标匹配方法及装置 |
CN111914664A (zh) * | 2020-07-06 | 2020-11-10 | 同济大学 | 基于重识别的车辆多目标检测和轨迹跟踪方法 |
CN112069969A (zh) * | 2020-08-31 | 2020-12-11 | 河北省交通规划设计院 | 一种高速公路监控视频跨镜车辆跟踪方法及系统 |
CN112365711A (zh) * | 2020-10-21 | 2021-02-12 | 东南大学 | 一种基于车牌识别数据的车辆轨迹重构方法 |
CN112419721A (zh) * | 2020-11-18 | 2021-02-26 | 交通运输部科学研究院 | 高速公路车辆运输关键指标计算方法、装置和电子设备 |
-
2021
- 2021-05-11 CN CN202110509007.6A patent/CN112991134B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040068369A1 (en) * | 2002-10-04 | 2004-04-08 | Lg Electronics, Inc. | Vehicle navigation system and method for guiding path of complex intersection |
CN106326254A (zh) * | 2015-06-25 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 行车路径的修复方法和装置 |
CN108764375A (zh) * | 2018-06-25 | 2018-11-06 | 交通运输部科学研究院 | 高速公路货运车辆跨省匹配方法及装置 |
CN111062400A (zh) * | 2018-10-16 | 2020-04-24 | 浙江宇视科技有限公司 | 目标匹配方法及装置 |
CN110555569A (zh) * | 2019-09-12 | 2019-12-10 | 招商华软信息有限公司 | 一种路径还原方法、装置、设备和存储介质 |
CN111914664A (zh) * | 2020-07-06 | 2020-11-10 | 同济大学 | 基于重识别的车辆多目标检测和轨迹跟踪方法 |
CN112069969A (zh) * | 2020-08-31 | 2020-12-11 | 河北省交通规划设计院 | 一种高速公路监控视频跨镜车辆跟踪方法及系统 |
CN112365711A (zh) * | 2020-10-21 | 2021-02-12 | 东南大学 | 一种基于车牌识别数据的车辆轨迹重构方法 |
CN112419721A (zh) * | 2020-11-18 | 2021-02-26 | 交通运输部科学研究院 | 高速公路车辆运输关键指标计算方法、装置和电子设备 |
Non-Patent Citations (2)
Title |
---|
张发明: "数据驱动的路段行程时间估计与预测研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
桑美英: "高速公路车辆行驶路径模糊匹配分析", 《理论与算法》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112991134B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miwa et al. | Development of map matching algorithm for low frequency probe data | |
CN108764375B (zh) | 高速公路货运车辆跨省匹配方法及装置 | |
CN108777004B (zh) | 高速公路客运车辆跨省匹配方法及装置 | |
CN104700630A (zh) | 一种高速公路车流量的监测方法及系统 | |
CN109493449B (zh) | 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法 | |
CN115691120A (zh) | 一种基于高速公路流水数据的拥堵识别方法及系统 | |
CN106940929B (zh) | 交通数据预测方法及装置 | |
CN111340674B (zh) | 一种交通运力承运意图辨识方法 | |
CN105206040A (zh) | 一种基于ic卡数据的公交串车预测方法 | |
CN114509081B (zh) | 基于差异化收费计算车辆通行成本的方法以及装置 | |
US20170301148A1 (en) | Method and system of automatic billing of transportation services | |
CN115083161A (zh) | 车辆停留点的评估方法、装置、电子设备及可读存储介质 | |
CN112750219B (zh) | 车辆出行费用计算方法及系统 | |
CN114281086A (zh) | 商用车路径规划方法、系统、平台、介质及设备 | |
CN112991134B (zh) | 行车路径还原测算方法、装置和电子设备 | |
CN112767686B (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
CN108229882B (zh) | 用于物流公司的收入预估系统 | |
CN113888312A (zh) | 确定业务额度的方法、装置、电子设备及介质 | |
Tseng et al. | A participatory sensing approach for personalized distance-to-empty prediction and green telematics | |
CN107153906A (zh) | 一种出租车违法行为判定方法及系统 | |
CN112419721B (zh) | 高速公路车辆运输关键指标计算方法、装置和电子设备 | |
CN113379334B (zh) | 基于有噪声轨迹数据的路段自行车骑行质量鉴别方法 | |
CN112201041B (zh) | 融合电警数据和抽样轨迹数据的干道路径流量估计方法 | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN111489556A (zh) | 一种营运车辆挂靠行为的判断方法 |
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 |