CN112991722A - 高频gps点的公交车辆实时路口预测方法和系统 - Google Patents

高频gps点的公交车辆实时路口预测方法和系统 Download PDF

Info

Publication number
CN112991722A
CN112991722A CN202110166071.9A CN202110166071A CN112991722A CN 112991722 A CN112991722 A CN 112991722A CN 202110166071 A CN202110166071 A CN 202110166071A CN 112991722 A CN112991722 A CN 112991722A
Authority
CN
China
Prior art keywords
gps
track
data
bus
real
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
Application number
CN202110166071.9A
Other languages
English (en)
Other versions
CN112991722B (zh
Inventor
钟会玲
周俊杰
胡灵龙
陈迎迎
王晨
杨霖
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.)
Zhejiang Supcon Information Technology Co ltd
Original Assignee
Zhejiang Supcon Information Technology Co ltd
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 Zhejiang Supcon Information Technology Co ltd filed Critical Zhejiang Supcon Information Technology Co ltd
Priority to CN202110166071.9A priority Critical patent/CN112991722B/zh
Publication of CN112991722A publication Critical patent/CN112991722A/zh
Application granted granted Critical
Publication of CN112991722B publication Critical patent/CN112991722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种高频gps点的公交车辆实时路口预测方法和系统，克服了现有技术在实际应用中难以实现的问题，包括步骤一、接收高频GPS点的公交车辆实时GPS数据、基础线路轨迹和路口经纬度信息；步骤二、对接入高频GPS点的公交车辆实时GPS数据进行清洗；步骤三、基础线路轨迹的轨迹点所属下一路口；步骤四、高频GPS点的公交车辆实时GPS与带路口的基础线路轨迹匹配；步骤五，判断线路上下行方向及实时轨迹位置。本发明通过参考基础线路轨迹，在路口预测过程中，尤其能够识别弯曲道路的即将到达路口，预测准确度高。

Description

高频gps点的公交车辆实时路口预测方法和系统
技术领域
本发明涉及智慧城市公交数据应用技术领域，尤其是涉及一种高频gps点的公交车辆实时路口预测方法和系统。
背景技术
高频GPS点的公交车辆实时路口预测作为公交优先的关键技术，受到了研究人员的极大关注。目前对高频GPS点的公交车辆实时路口预测的研究方法，核心思想都在于计算实时公交GPS点与各路口距离趋势和方向夹角范围。如：中国专利申请号CN201811176753.2的专利，首先构建路段向量图，计算实时公交GPS点与各路段距离和方向夹角，匹配度高的即为目标路段，目标路段对应路口即为即将到达路口。但是怎么构建路段向量图未详细说明，且道路弯曲情况下加入伪路口未展开具体说明，且在实际应用中，构建路段向量和识别道路弯曲算法实现困难较大。
发明内容
本发明是为了克服现有技术在实际应用中难以实现的问题，提供一种高频gps点的公交车辆实时路口预测方法，可以在未知道路网基础信息的情况下，实现高频GPS点的公交车辆的实时路口预测。
为了实现上述目的，本发明采用以下技术方案：
一种高频gps点的公交车辆实时路口预测方法，包括以下步骤：
步骤一、接收高频GPS点的公交车辆实时GPS数据、基础线路轨迹和路口经纬度信息；
步骤二、对接入高频GPS点的公交车辆实时GPS数据进行清洗；
步骤三、基础线路轨迹的轨迹点所属下一路口；
步骤四、高频GPS点的公交车辆实时GPS与带路口的基础线路轨迹匹配；
步骤五，判断线路上下行方向及实时轨迹位置。
作为优选，所述步骤一中基础路线轨迹的获取包括以下步骤：
(1-1)获取某市所有公交线路的站点数据，对站点数据进行预处理；
(1-2)对站点数据进行归一化处理，对所有站点的站点经纬度进行分析，若站点的站点经纬度存在2个以上，则采用改进的kmeans聚类算法对站点经纬度进行聚类，得到新的站点经纬度；
(1-3)采集一定时间段内，经度位于[lo1，lo2]，纬度位于[la1，la2]的a线路，d方向的所有公交车的GPS数据，根据公交车的车牌号对GPS数据进行分组，得到每辆公交车的GPS数据，然后将每辆公交车的GPS数据按时间前后进行排序；
(1-4)确定每辆公交车在a线路上的若干条线路轨迹，每条线路轨迹均对应1个完整班次；
(1-5)对所有的线路轨迹进行清洗，得到若干条候选线路轨迹；
(1-5)从各条候选线路轨迹中，确定一条参考线路轨迹；
(1-6)根据参考线路轨迹与各条候选线路轨迹，确定一条融合后的线路轨迹，得到a线路，d方向上的一条公交行驶轨迹。
作为优选，所述步骤二包括以下步骤：
(2-1)异常经纬度范围数据清洗，从城市范围表中获取城市范围，将实时GPS数据表中经纬度不在城市范围内的数据删除；
(2-2)异常偏移轨迹点清洗，将异常经纬度数据清洗后的实时GPS结果，按照时间排序，依次计算三个连续点组成的向量夹角，若角度大于向量夹角阈值angle，则删除第三个数据，重复该步骤，直至数据中任何连续三个点组成的夹角都不大于向量夹角阈值angle；
(2-3)异常速度点清洗,判断异常轨迹点清洗后的实时GPS结果，数据量是否大于等于样本量阈值N1，若小于样本量阈值N1，则将数据保存到GPS临时数据表，并结束该周期时段GPS判断，接收下一周期时段的公交车GPS实时数据表；若大于等于样本量阈值N1，对于每辆公交车当前周期保留的所有点间的行程速度，判断超过公交速度上限阈值个数M点间的行程速度，判断超过公交速度上限阈值个数M，未超过公交速度上限阈值个数P，如果M小于等于P样本均保留，如果M大于P，M个样本为异常点删除。
作为优选，所述步骤三包括：
(3-1)对于每个路口crossid对应经纬度(lo,la)，计算落入路口crossid半径匹配阈值K米范围内所有基础线路轨迹的轨迹点，在基础线路轨迹表中新增所属路口列为crossid，重复该步骤直到所有路口经纬度匹配完成；
(3-2)未匹配到路口的，需要查看轨迹序列号中向下对应最近的有所属路口信息列，补齐轨迹点所属下一路口列字段数据，生成带路口的基础线路轨迹表。
作为优选，步骤四所述高频GPS点的公交车辆实时GPS与带路口的基础线路轨迹匹配具体为分别匹配每个GPS点到上行和下行的轨迹点。
作为优选，分别匹配每个GPS点到上行和下行的轨迹点的过程如下：
匹配上行和下行方向匹配距离阈值L米以内的轨迹点，取距离最近的轨迹点作为匹配投影到的轨迹点；
若上行方向和下行方向都未匹配到轨迹点，则记录该GPS点，作后续分析使用；
如果上周期有上下行标记直接计算一个方向轨迹匹配，如果匹配轨迹编号非递增，再上下行同时匹配。
作为优选，步骤五具体包括：判断实时GPS与基础线路轨迹匹配成功数据量，若数据量少于样本量阈值N1条，则将数据保存到GPS临时数据表，并结束该周期时段GPS判断，接收下一周期时段的公交车GPS实时数据表，若数据量大于样本量阈值N1条，则进行方向判断。
作为优选，所述方向判断包括：若上行方向对应第一个匹配的GPS点匹配轨迹编号大于最后一个GPS点匹配的轨迹，下行方向对应第一个匹配的GPS点匹配轨迹编号小于最后一个GPS点匹配的轨迹，则该时段接收的GPS数据为上行数据；
若上行方向对应第一个匹配的GPS点匹配轨迹编号小于最后一个GPS点匹配的轨迹，下行方向对应第一个匹配的GPS点匹配轨迹编号大于最后一个GPS点匹配的轨迹，则该时段接收的GPS数据为下行数据；
若都不满足，则将GPS数据保存到GPS数据临时表，并结束该周期时段的GPS判断，接收下一周期时段的公交车GPS实时数据表。
作为优选，步骤六包括：
若GPS数据量大于等于计算速度的样本量阈值N2，依次计算相邻GPS数据间的速度，如果两GPS点之间的速度大于限速阈值S1，则删除第二条数据，重复此步骤；
若GPS数据量大于计算速度的样本量阈值N2，循环比较中间轨迹编号与两端轨迹编号大小，删除比两端编号都大的GPS数据；
若GPS数据量大于计算速度的样本量阈值N2，循环比较中间轨迹编号与两端轨迹编号大小，删去比两端编号都小的GPS数据；
清洗匹配投影后轨迹点，获得实时路口预测信息,由于基础线路轨迹各序列点自带所属下一路口，所以实时GPS匹配上对应的基础线路轨迹点后，高频GPS点的公交车辆所属下一路口信息自动获得，因此清洗后的带线路、方向及所属下一路口的GPS匹配记录结果即为实时路口预测信息。
一种高频gps点的公交车辆实时路口预测系统，采用一种高频gps点的公交车辆实时路口预测方法，所述系统实时获取路口预测信息。
因此，本发明具有如下有益效果：
1.本发明通过不利用路网拓扑基础信息的情况下，仅仅依靠路口、公交轨迹信息即可准确实现公交的路口预测，为公交优先奠定基础；
2.本发明通过对采集到的基础线路轨迹和路口经纬度信息，基础线路轨迹与路口经纬度信息匹配，使得所有序列轨迹点均带上所属下一路口信息，丰富了基础线路轨迹的标签；
3.本发明通过对采集到的公交实时GPS数据与基础线路轨迹信息匹配时候，巧妙采用匹配序号递增递减方法，区分高频GPS点的公交车辆行驶的上下行方向；
4.本发明通过在实时gps点匹配基础线路轨迹过程中，只有匹配到基础线路轨迹，下一路口信息自动带出，得到实时路口预测信息，巧妙及完美发挥了公交基础线路轨迹参考价值；
5.本发明通过参考基础线路轨迹，在路口预测过程中，尤其能够识别弯曲道路的即将到达路口，预测准确度高。
附图说明
图1是本实施例的流程图。
图2是路口经纬度匹配基础线路轨迹点。
图3是所述下一路口信息的基础线路轨迹。
图中：1、线路1 2、线路2 3、路口范围基础线路轨迹点
具体实施方式
下面结合附图与具体实施方式对本发明做进一步的描述。
本实施例提供了一种高频gps点的公交车辆实时路口预测方法，如图1-3所示，具体包括以下步骤：
步骤一，接收高频GPS点的公交车辆实时GPS数据、基础线路轨迹和路口经纬度信息，其中高频GPS点样本上传间隔为2秒，其中基础线路轨迹的生成包括以下步骤：
(1-1)获取某市所有公交线路的站点数据，对站点数据进行预处理；
(1-2)对站点数据进行归一化处理，对所有站点的站点经纬度进行分析，若站点的站点经纬度存在2个以上，则采用改进的kmeans聚类算法对站点经纬度进行聚类，得到新的站点经纬度；
(1-3)采集一定时间段内，经度位于[lo1，lo2]，纬度位于[la1，la2]的a线路，d方向的所有公交车的GPS数据，根据公交车的车牌号对GPS数据进行分组，得到每辆公交车的GPS数据，然后将每辆公交车的GPS数据按时间前后进行排序；
(1-4)确定每辆公交车在a线路上的若干条线路轨迹，每条线路轨迹均对应1个完整班次；
(1-5)对所有的线路轨迹进行清洗，得到若干条候选线路轨迹；
(1-5)从各条候选线路轨迹中，确定一条参考线路轨迹；
(1-6)根据参考线路轨迹与各条候选线路轨迹，确定一条融合后的线路轨迹，得到a线路，d方向上的一条公交行驶轨迹。
公交车辆的实时GPS数据包括：车辆标识、线路标识、车辆的瞬时速度、方向角、经纬度信息、GPS生成时间。
公交基础线路轨迹数据包括：线路标识、线路方向、轨迹点序号、轨迹点经度、轨迹点维度、轨迹更新时间。
步骤二，对接入高频GPS点的公交车辆实时GPS数据进行清洗。
所述对接入高频GPS点的公交车辆实时GPS数据进行清洗具体步骤包括：
异常经纬度范围数据清洗，从城市范围表中获取城市范围，将实时GPS数据表中经纬度不在城市范围内的数据删除；
异常偏移轨迹点清洗，将异常经纬度数据清洗后的实时GPS结果，按照时间排序，依次计算三个连续点组成的向量夹角，若角度大于向量夹角阈值angle，默认110度，则删除第三个数据，重复该步骤，直至数据中任何连续三个点组成的夹角都不大于向量夹角阈值angle；
异常速度点清洗，判断异常轨迹点清洗后的实时GPS结果，数据量是否大于等于样本量阈值N1，默认8个样本；
若小于样本量阈值N1，则将数据保存到GPS临时数据表，并结束该周期时段GPS判断，接收下一周期时段的公交车GPS实时数据表；
若大于等于样本量阈值N1，对于每辆公交车当前周期保留的所有点间的行程速度，判断超过公交速度上限阈值个数M点间的行程速度100km/h，未超过公交速度上限阈值个数P，如果M小于等于P，样本均保留，如果M大于P，M个样本为异常点删除。
步骤三，基础线路轨迹的轨迹点所属下一路口。
优选的，所述基础线路轨迹的轨迹点所属下一路口具体步骤包括：对于每个路口crossid对应经纬度(lo,la)，计算落入路口crossid半径匹配阈值50米范围内所有基础线路轨迹的轨迹点，距离计算公式为
distance＝6378137*2*arctan2(sqrt(sin((lat1-lat2)/2)*2+sin((long1-long2)/2)*2*cos(lat1)*cos(lat2)),
sqrt(1-sin((lat1-lat2)/2)*2+sin((long1-long2)/2)*2*cos(lat1)*cos(lat2)))，
在基础线路轨迹表中新增所属路口列为crossid，重复该步骤直到所有路口经纬度匹配完成，路口经纬度匹配基础线路轨迹点如图2所示；线路1、线路2和路口范围基础线路轨迹点3如图所示；
未匹配到路口的，需要查看轨迹序列号中向下对应最近的有所属路口信息列，补齐轨迹点所属下一路口列字段数据，生成带路口的基础线路轨迹表，带所属下一路口信息的基础线路轨迹结果数据如图3所示。
步骤四，高频GPS点的公交车辆实时GPS与带路口的基础线路轨迹匹配。
优选的，所述高频GPS点的公交车辆实时GPS与带路口的基础线路轨迹匹配具体步骤包括：分别匹配每个GPS点到上行和下行的轨迹点，方法如下：
匹配上行和下行方向匹配距离阈值200米以内的轨迹点，取距离最近的轨迹点作为匹配投影到的轨迹点；
若上行方向和下行方向都未匹配到轨迹点，则记录该GPS点，作后续分析使用；
如果上周期有上下行标记直接计算一个方向轨迹匹配，如果匹配轨迹编号非递增，再上下行同时匹配。
步骤五，判断线路上下行方向及实时轨迹位置。
优选的，所述判断线路上下行方向及实时轨迹位置具体步骤包括：
判断实时GPS与基础线路轨迹匹配成功数据量，若数据量少于样本量阈值N1条，则将数据保存到GPS临时数据表，并结束该周期时段GPS判断，接收下一周期时段的公交车GPS实时数据表；若数据量大于样本量阈值N1条，则进行方向判断。
方向判断具体步骤包括，若上行方向对应第一个匹配的GPS点匹配轨迹编号大于最后一个GPS点匹配的轨迹，下行方向对应第一个匹配的GPS点匹配轨迹编号小于最后一个GPS点匹配的轨迹，则该时段接收的GPS数据为上行数据；
若上行方向对应第一个匹配的GPS点匹配轨迹编号小于最后一个GPS点匹配的轨迹，下行方向对应第一个匹配的GPS点匹配轨迹编号大于最后一个GPS点匹配的轨迹，则该时段接收的GPS数据为下行数据；
若都不满足，则将GPS数据保存到GPS数据临时表，并结束该周期时段的GPS判断，接收下一周期时段的公交车GPS实时数据表。
步骤六，清洗匹配投影后轨迹点及实时路口预测，具体步骤包括：
若GPS数据量大于等于计算速度的样本量阈值N2，默认2，依次计算相邻GPS数据间的速度，如果两GPS点之间的速度大于限速阈值S1，默认100km/h，则删除第二条数据，重复此步骤；
若GPS数据量大于计算速度的样本量阈值N2，循环比较中间轨迹编号与两端轨迹编号大小，删除比两端编号都大的GPS数据；
若GPS数据量大于计算速度的样本量阈值N2，循环比较中间轨迹编号与两端轨迹编号大小，删去比两端编号都小的GPS数据；
清洗匹配投影后轨迹点，获得实时路口预测信息,由于基础线路轨迹各序列点自带所属下一路口，所以实时GPS匹配上对应的基础线路轨迹点后，高频GPS点的公交车辆所属下一路口信息自动获得，因此清洗后的带线路、方向及所属下一路口的GPS匹配记录结果即为实时路口预测信息。
本发明还相应的提供一种高频gps点的公交车辆实时路口预测系统，采用一种高频gps点的公交车辆实时路口预测方法，所述系统实时获取路口预测信息。
上述实施例对本发明的具体描述，只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限定，本领域的技术工程师根据上述发明的内容对本发明作出一些非本质的改进和调整均落入本发明的保护范围内。

Claims (10)

1.一种高频gps点的公交车辆实时路口预测方法，其特征是，包括以下步骤：
步骤一、接收高频GPS点的公交车辆实时GPS数据、基础线路轨迹和路口经纬度信息；
步骤二、对接入高频GPS点的公交车辆实时GPS数据进行清洗；
步骤三、基础线路轨迹的轨迹点所属下一路口；
步骤四、高频GPS点的公交车辆实时GPS与带路口的基础线路轨迹匹配；
步骤五，判断线路上下行方向及实时轨迹位置。
2.根据权利要求1所述的一种高频gps点的公交车辆实时路口预测方法，其特征是，所述步骤一中基础路线轨迹的获取包括以下步骤：
(1-1)获取某市所有公交线路的站点数据，对站点数据进行预处理；
(1-2)对站点数据进行归一化处理，对所有站点的站点经纬度进行分析，若站点的站点经纬度存在2个以上，则采用改进的kmeans聚类算法对站点经纬度进行聚类，得到新的站点经纬度；
(1-3)采集一定时间段内，经度位于[lo1，lo2]，纬度位于[la1，la2]的a线路，d方向的所有公交车的GPS数据，根据公交车的车牌号对GPS数据进行分组，得到每辆公交车的GPS数据，然后将每辆公交车的GPS数据按时间前后进行排序；
(1-4)确定每辆公交车在a线路上的若干条线路轨迹，每条线路轨迹均对应1个完整班次；
(1-5)对所有的线路轨迹进行清洗，得到若干条候选线路轨迹；
(1-5)从各条候选线路轨迹中，确定一条参考线路轨迹；
(1-6)根据参考线路轨迹与各条候选线路轨迹，确定一条融合后的线路轨迹，得到a线路，d方向上的一条公交行驶轨迹。
3.根据权利要求1所述的一种高频gps点的公交车辆实时路口预测方法，其特征是，所述步骤二包括以下步骤：
(2-1)异常经纬度范围数据清洗，从城市范围表中获取城市范围，将实时GPS数据表中经纬度不在城市范围内的数据删除；
(2-2)异常偏移轨迹点清洗，将异常经纬度数据清洗后的实时GPS结果，按照时间排序，依次计算三个连续点组成的向量夹角，若角度大于向量夹角阈值angle，则删除第三个数据，重复该步骤，直至数据中任何连续三个点组成的夹角都不大于向量夹角阈值angle；
(2-3)异常速度点清洗,判断异常轨迹点清洗后的实时GPS结果，数据量是否大于等于样本量阈值N1，若小于样本量阈值N1，则将数据保存到GPS临时数据表，并结束该周期时段GPS判断，接收下一周期时段的公交车GPS实时数据表；若大于等于样本量阈值N1，对于每辆公交车当前周期保留的所有点间的行程速度，判断超过公交速度上限阈值个数M点间的行程速度，判断超过公交速度上限阈值个数M，未超过公交速度上限阈值个数P，如果M小于等于P样本均保留，如果M大于P，M个样本为异常点删除。
4.根据权利要求1所述的一种高频gps点的公交车辆实时路口预测方法，其特征是，所述步骤三包括：
(3-1)对于每个路口crossid对应经纬度(lo,la)，计算落入路口crossid半径匹配阈值K米范围内所有基础线路轨迹的轨迹点，在基础线路轨迹表中新增所属路口列为crossid，重复该步骤直到所有路口经纬度匹配完成；
(3-2)未匹配到路口的，需要查看轨迹序列号中向下对应最近的有所属路口信息列，补齐轨迹点所属下一路口列字段数据，生成带路口的基础线路轨迹表。
5.根据权利要求1所述的一种高频gps点的公交车辆实时路口预测方法，其特征是，步骤四所述高频GPS点的公交车辆实时GPS与带路口的基础线路轨迹匹配具体为分别匹配每个GPS点到上行和下行的轨迹点。
6.根据权利要求5所述的一种高频gps点的公交车辆实时路口预测方法，其特征是，分别匹配每个GPS点到上行和下行的轨迹点的过程如下：
匹配上行和下行方向匹配距离阈值L米以内的轨迹点，取距离最近的轨迹点作为匹配投影到的轨迹点；
若上行方向和下行方向都未匹配到轨迹点，则记录该GPS点，作后续分析使用；
如果上周期有上下行标记直接计算一个方向轨迹匹配，如果匹配轨迹编号非递增，再上下行同时匹配。
7.根据权利要求1所述的一种高频gps点的公交车辆实时路口预测方法，其特征是，步骤五具体包括：判断实时GPS与基础线路轨迹匹配成功数据量，若数据量少于样本量阈值N1条，则将数据保存到GPS临时数据表，并结束该周期时段GPS判断，接收下一周期时段的公交车GPS实时数据表，若数据量大于样本量阈值N1条，则进行方向判断。
8.根据权利要求7所述的一种高频gps点的公交车辆实时路口预测方法，其特征是，所述方向判断包括：若上行方向对应第一个匹配的GPS点匹配轨迹编号大于最后一个GPS点匹配的轨迹，下行方向对应第一个匹配的GPS点匹配轨迹编号小于最后一个GPS点匹配的轨迹，则该时段接收的GPS数据为上行数据；
若上行方向对应第一个匹配的GPS点匹配轨迹编号小于最后一个GPS点匹配的轨迹，下行方向对应第一个匹配的GPS点匹配轨迹编号大于最后一个GPS点匹配的轨迹，则该时段接收的GPS数据为下行数据；
若都不满足，则将GPS数据保存到GPS数据临时表，并结束该周期时段的GPS判断，接收下一周期时段的公交车GPS实时数据表。
9.根据权利要求1所述的一种高频gps点的公交车辆实时路口预测方法，其特征是，步骤六包括：
若GPS数据量大于等于计算速度的样本量阈值N2，依次计算相邻GPS数据间的速度，如果两GPS点之间的速度大于限速阈值S1，则删除第二条数据，重复此步骤；
若GPS数据量大于计算速度的样本量阈值N2，循环比较中间轨迹编号与两端轨迹编号大小，删除比两端编号都大的GPS数据；
若GPS数据量大于计算速度的样本量阈值N2，循环比较中间轨迹编号与两端轨迹编号大小，删去比两端编号都小的GPS数据；
清洗匹配投影后轨迹点，获得实时路口预测信息,由于基础线路轨迹各序列点自带所属下一路口，所以实时GPS匹配上对应的基础线路轨迹点后，高频GPS点的公交车辆所属下一路口信息自动获得，因此清洗后的带线路、方向及所属下一路口的GPS匹配记录结果即为实时路口预测信息。
10.一种高频gps点的公交车辆实时路口预测系统，采用权利要求1所述的方法，其特征是，所述系统实时获取路口预测信息。
CN202110166071.9A 2021-02-03 2021-02-03 高频gps点的公交车辆实时路口预测方法和系统 Active CN112991722B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110166071.9A CN112991722B (zh) 2021-02-03 2021-02-03 高频gps点的公交车辆实时路口预测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110166071.9A CN112991722B (zh) 2021-02-03 2021-02-03 高频gps点的公交车辆实时路口预测方法和系统

Publications (2)

Publication Number Publication Date
CN112991722A true CN112991722A (zh) 2021-06-18
CN112991722B CN112991722B (zh) 2022-07-19

Family

ID=76348594

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110166071.9A Active CN112991722B (zh) 2021-02-03 2021-02-03 高频gps点的公交车辆实时路口预测方法和系统

Country Status (1)

Country Link
CN (1) CN112991722B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114297189A (zh) * 2022-01-10 2022-04-08 成都国铁电气设备有限公司 一种基于Flink流处理的地铁轨道几何检测数据清洗方法
CN114627645A (zh) * 2022-03-04 2022-06-14 北京百度网讯科技有限公司 车辆实时运行线路的确定方法、装置、设备及存储介质
CN114297189B (zh) * 2022-01-10 2024-05-10 成都国铁电气设备有限公司 一种基于Flink流处理的地铁轨道几何检测数据清洗方法

Citations (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05297798A (ja) * 1992-03-06 1993-11-12 Nissan Motor Co Ltd 車両用ナビゲーション装置
JPH09184732A (ja) * 1995-12-28 1997-07-15 Maspro Denkoh Corp 車両用道路地図表示装置
CN102521963A (zh) * 2011-10-12 2012-06-27 北京世纪高通科技有限公司 公交线路数据更新方法和装置
CN102622902A (zh) * 2011-01-30 2012-08-01 李志恒 公交信号优先控制系统及方法
CN103198151A (zh) * 2013-04-24 2013-07-10 北京航空航天大学 区域性城市公交车辆运行信息的索引查询系统及方法
CN103310651A (zh) * 2013-05-24 2013-09-18 北京市交通信息中心 一种基于实时路况信息的公交到站预测方法
CN103500500A (zh) * 2013-10-08 2014-01-08 同济大学 基于交通小区的出租车空车率信息处理方法
CN103839437A (zh) * 2014-03-05 2014-06-04 湖南师范大学 一种公交全自动报站方法
CN104318767A (zh) * 2014-10-22 2015-01-28 北京建筑大学 一种基于公交gps轨迹数据的路况信息生成方法
CN104966405A (zh) * 2015-04-06 2015-10-07 公安部交通管理科学研究所 一种基于实时信息交互的公交信号优先控制系统及方法
CN105590452A (zh) * 2015-06-09 2016-05-18 上海博协软件有限公司 自动生成电子路单的方法及其装置
CN105632222A (zh) * 2015-10-14 2016-06-01 上海博协软件有限公司 预报到站时间的方法及其系统
CN105976604A (zh) * 2016-06-21 2016-09-28 东南大学 一种基于gis和公交gps数据的公交线路匹配方法
CN106710218A (zh) * 2017-03-09 2017-05-24 北京公共交通控股（集团）有限公司 一种公交车到站时间预测方法
WO2018001122A1 (zh) * 2016-06-28 2018-01-04 高德软件有限公司 一种公交车行驶速度确定方法及装置
CN108242174A (zh) * 2018-03-15 2018-07-03 广州通达汽车电气股份有限公司 一种公交自动报站方法及系统
US20180215349A1 (en) * 2017-02-02 2018-08-02 Valeo Systèmes d'Essuyage Method for monitoring the use of a wiper system of a motor vehicle
CN108802776A (zh) * 2018-07-02 2018-11-13 武汉蓝泰源信息技术有限公司 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法
CN109035770A (zh) * 2018-07-31 2018-12-18 上海世脉信息科技有限公司 一种大数据环境下公交载客量实时分析预测方法
CN109166337A (zh) * 2018-09-04 2019-01-08 深圳市东部公共交通有限公司 公交到站时间生成方法、装置及公交乘客出行od获取方法
CN109523781A (zh) * 2018-10-10 2019-03-26 中国电子科技集团公司第二十八研究所 一种基于卫星定位的路口预测方法
CN110136442A (zh) * 2019-05-20 2019-08-16 东南大学 基于共享单车gps轨迹数据的行人侵占道路行为识别方法
WO2019180517A1 (en) * 2018-03-21 2019-09-26 Sigmoid Labs Private Limited Offline method to determine location of a vehicle using mobile phones
CN110375753A (zh) * 2019-07-04 2019-10-25 丰图科技(深圳)有限公司 地图匹配方法、装置、服务器及存储介质
CN110399365A (zh) * 2019-07-29 2019-11-01 北京三快在线科技有限公司 地图缺失道路的确定方法、装置、存储介质及电子设备
CN110706477A (zh) * 2019-10-12 2020-01-17 杭州律橙电子科技有限公司 一种公交站点匹配方法
CN110867090A (zh) * 2019-10-31 2020-03-06 江苏大学 一种基于公交车载gps数据的相邻公交物理站点间平均行程时间计算方法及系统
CN110992726A (zh) * 2019-10-28 2020-04-10 上海城市交通设计院有限公司 一种公交车辆到站识别以及车辆上下行班次划分的方法
CN111210612A (zh) * 2019-10-29 2020-05-29 浙江浙大中控信息技术有限公司 基于公交gps数据与站点信息提取公交线路轨迹的方法
CN111435570A (zh) * 2019-01-11 2020-07-21 阿里巴巴集团控股有限公司 一种公交线路匹配方法及装置
CN111932926A (zh) * 2020-09-22 2020-11-13 深圳市都市交通规划设计研究院有限公司 一种站点停靠时间计算方法及系统
CN112015835A (zh) * 2020-08-13 2020-12-01 安徽师范大学 Geohash压缩的地图匹配方法

Patent Citations (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05297798A (ja) * 1992-03-06 1993-11-12 Nissan Motor Co Ltd 車両用ナビゲーション装置
JPH09184732A (ja) * 1995-12-28 1997-07-15 Maspro Denkoh Corp 車両用道路地図表示装置
CN102622902A (zh) * 2011-01-30 2012-08-01 李志恒 公交信号优先控制系统及方法
CN102521963A (zh) * 2011-10-12 2012-06-27 北京世纪高通科技有限公司 公交线路数据更新方法和装置
CN103198151A (zh) * 2013-04-24 2013-07-10 北京航空航天大学 区域性城市公交车辆运行信息的索引查询系统及方法
CN103310651A (zh) * 2013-05-24 2013-09-18 北京市交通信息中心 一种基于实时路况信息的公交到站预测方法
CN103500500A (zh) * 2013-10-08 2014-01-08 同济大学 基于交通小区的出租车空车率信息处理方法
CN103839437A (zh) * 2014-03-05 2014-06-04 湖南师范大学 一种公交全自动报站方法
CN104318767A (zh) * 2014-10-22 2015-01-28 北京建筑大学 一种基于公交gps轨迹数据的路况信息生成方法
CN104966405A (zh) * 2015-04-06 2015-10-07 公安部交通管理科学研究所 一种基于实时信息交互的公交信号优先控制系统及方法
CN105590452A (zh) * 2015-06-09 2016-05-18 上海博协软件有限公司 自动生成电子路单的方法及其装置
CN105632222A (zh) * 2015-10-14 2016-06-01 上海博协软件有限公司 预报到站时间的方法及其系统
CN105976604A (zh) * 2016-06-21 2016-09-28 东南大学 一种基于gis和公交gps数据的公交线路匹配方法
WO2018001122A1 (zh) * 2016-06-28 2018-01-04 高德软件有限公司 一种公交车行驶速度确定方法及装置
US20180215349A1 (en) * 2017-02-02 2018-08-02 Valeo Systèmes d'Essuyage Method for monitoring the use of a wiper system of a motor vehicle
CN106710218A (zh) * 2017-03-09 2017-05-24 北京公共交通控股（集团）有限公司 一种公交车到站时间预测方法
CN108242174A (zh) * 2018-03-15 2018-07-03 广州通达汽车电气股份有限公司 一种公交自动报站方法及系统
WO2019180517A1 (en) * 2018-03-21 2019-09-26 Sigmoid Labs Private Limited Offline method to determine location of a vehicle using mobile phones
CN108802776A (zh) * 2018-07-02 2018-11-13 武汉蓝泰源信息技术有限公司 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法
CN109035770A (zh) * 2018-07-31 2018-12-18 上海世脉信息科技有限公司 一种大数据环境下公交载客量实时分析预测方法
CN109166337A (zh) * 2018-09-04 2019-01-08 深圳市东部公共交通有限公司 公交到站时间生成方法、装置及公交乘客出行od获取方法
CN109523781A (zh) * 2018-10-10 2019-03-26 中国电子科技集团公司第二十八研究所 一种基于卫星定位的路口预测方法
CN111435570A (zh) * 2019-01-11 2020-07-21 阿里巴巴集团控股有限公司 一种公交线路匹配方法及装置
CN110136442A (zh) * 2019-05-20 2019-08-16 东南大学 基于共享单车gps轨迹数据的行人侵占道路行为识别方法
CN110375753A (zh) * 2019-07-04 2019-10-25 丰图科技(深圳)有限公司 地图匹配方法、装置、服务器及存储介质
CN110399365A (zh) * 2019-07-29 2019-11-01 北京三快在线科技有限公司 地图缺失道路的确定方法、装置、存储介质及电子设备
CN110706477A (zh) * 2019-10-12 2020-01-17 杭州律橙电子科技有限公司 一种公交站点匹配方法
CN110992726A (zh) * 2019-10-28 2020-04-10 上海城市交通设计院有限公司 一种公交车辆到站识别以及车辆上下行班次划分的方法
CN111210612A (zh) * 2019-10-29 2020-05-29 浙江浙大中控信息技术有限公司 基于公交gps数据与站点信息提取公交线路轨迹的方法
CN110867090A (zh) * 2019-10-31 2020-03-06 江苏大学 一种基于公交车载gps数据的相邻公交物理站点间平均行程时间计算方法及系统
CN112015835A (zh) * 2020-08-13 2020-12-01 安徽师范大学 Geohash压缩的地图匹配方法
CN111932926A (zh) * 2020-09-22 2020-11-13 深圳市都市交通规划设计研究院有限公司 一种站点停靠时间计算方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114297189A (zh) * 2022-01-10 2022-04-08 成都国铁电气设备有限公司 一种基于Flink流处理的地铁轨道几何检测数据清洗方法
CN114297189B (zh) * 2022-01-10 2024-05-10 成都国铁电气设备有限公司 一种基于Flink流处理的地铁轨道几何检测数据清洗方法
CN114627645A (zh) * 2022-03-04 2022-06-14 北京百度网讯科技有限公司 车辆实时运行线路的确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112991722B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
CN111210612B (zh) 基于公交gps数据与站点信息提取公交线路轨迹的方法
CN110909788B (zh) 一种基于统计聚类的轨迹数据中道路交叉口位置识别方法
US7516041B2 (en) System and method for identifying road features
US6931319B2 (en) Method for transmitting information on position on digital map and device used for the same
CN102183256B (zh) 行进车队的地图匹配方法
CN105608505A (zh) 一种基于手机信令数据的居民轨道交通出行方式识别方法
CN106530716A (zh) 基于手机信令数据计算高速公路路段平均速度的方法
CN104197945A (zh) 一种基于低采样率浮动车数据的全局投票地图匹配方法
EP2906999A1 (en) System and method in connection with occurrence of platoons
CN111694032A (zh) 一种基于聚类的大规模轨迹数据的快速地图匹配方法
CN110427993B (zh) 基于气象参数的高速列车导航盲区定位方法
CN110413855B (zh) 一种基于出租车下客点的区域出入口动态提取方法
CN113177042B (zh) 一种地图轨迹线路处理方法及装置
CN112036757A (zh) 基于手机信令和浮动车数据的停车换乘停车场的选址方法
CN112991722B (zh) 高频gps点的公交车辆实时路口预测方法和系统
CN110274582B (zh) 一种道路曲线识别方法
CN110675631A (zh) 一种交通流溯源分析方法及系统
CN114245329B (zh) 通行方式识别方法、装置、设备及存储介质
CN113077648A (zh) 公交车辆实时站点预测方法和系统
CN106202577A (zh) 一种基于mda的多维数据抽取方法
CN113326958A (zh) 拥挤度确定和推送方法、路线规划方法及相关装置和系统
CN113485997B (zh) 基于概率分布偏差估计的轨迹数据纠偏方法
CN114485681B (zh) 一种利用dr轨迹评价中精度地图数据一致率的方法
CN113920352A (zh) 基于手机定位数据的出行方式识别方法及系统
Yang Automated construction of road networks from GPS tracks

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
CB02 Change of applicant information

Address after: 310053 23-25, 2 building, 352 BINKANG Road, Binjiang District, Hangzhou, Zhejiang.

Applicant after: Zhejiang zhongkong Information Industry Co.,Ltd.

Address before: 310053 23-25, 2 building, 352 BINKANG Road, Binjiang District, Hangzhou, Zhejiang.

Applicant before: ZHEJIANG SUPCON INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant