CN113127466A - 一种车辆轨迹数据预处理方法及计算机存储介质 - Google Patents

一种车辆轨迹数据预处理方法及计算机存储介质 Download PDF

Info

Publication number
CN113127466A
CN113127466A CN202110422349.4A CN202110422349A CN113127466A CN 113127466 A CN113127466 A CN 113127466A CN 202110422349 A CN202110422349 A CN 202110422349A CN 113127466 A CN113127466 A CN 113127466A
Authority
CN
China
Prior art keywords
track
vehicle
data
abnormal
headway
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
CN202110422349.4A
Other languages
English (en)
Other versions
CN113127466B (zh
Inventor
暨育雄
雷财林
赵聪
杜豫川
沈煜
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202110422349.4A priority Critical patent/CN113127466B/zh
Publication of CN113127466A publication Critical patent/CN113127466A/zh
Application granted granted Critical
Publication of CN113127466B publication Critical patent/CN113127466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Remote Sensing (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种车辆轨迹数据预处理方法及计算机存储介质，所述车辆轨迹数据预处理方法包括以下步骤：将轨迹数据进行分段，并重新赋予编号，使每一编号的轨迹数据仅代表一辆车的轨迹数据；将同一编号检测的车型进行统一，使每一辆车的轨迹数据中，仅对应一种车型；从全部轨迹中选择纵向坐标差为负，但车辆速度为正的异常轨迹，并对每一异常轨迹进行修正；计算全部轨迹的长度，将长度小于设置阈值的轨迹进行删除；以及根据轨迹点的横向位置将全部轨迹数据进行车道位置划分，并对横向位置检测错误的轨迹进行修正。本发明通过对车辆轨迹数据的预处理，提高了数据精度，为更加准确的识别道路交通运行状态与安全状态提供数据支持。

Description

一种车辆轨迹数据预处理方法及计算机存储介质
技术领域
本发明涉及数据处理技术领域，具体地，涉及一种车辆轨迹数据预处理方法及计算机存储介质。
背景技术
道路交通信息采集在智能交通系统中，担负着提供准确可靠的信息源以使整个智能交通系统得以顺利准确运行的重任。毫米波雷达交通检测系统作为获取路面信息的一种方式，因其特有的优势具有广阔的应用前景，如毫米波散射特性对目标形状的细节敏感，可提高多目标分辨和对目标识别的能力。但是，在毫米波雷达实际应用路侧进行车辆检测过程中，由于设备检测本身误差、检测环境变化等干扰，使得毫米波雷达检测结果中存在有车辆编号重复使用、车型检测错误、车辆坐标位置检测错误、车辆增检等问题。
现有针对车载毫米波雷达数据的技术主要通过融合其它数据源进行数据结果的有效校正，难以直接应用于路侧毫米波雷达数据的处理。因此，基于路侧毫米波雷达轨迹数据，针对目标增检、漏检、车型检测错误等问题，需发明一种数据预处理方法，提高路侧毫米波雷达轨迹数据的检测精度。
发明内容
针对现有技术中的缺陷，本发明的目的在于提供一种提高原始轨迹数据质量的车辆轨迹数据预处理方法及计算机存储介质。
为解决上述问题，本发明的技术方案为：
一种车辆轨迹数据预处理方法，包括以下步骤：
将轨迹数据进行分段，并重新赋予编号，使每一编号的轨迹数据仅代表一辆车的轨迹数据；
将同一编号检测的车型进行统一，使每一辆车的轨迹数据中，仅对应一种车型；
从全部轨迹中选择纵向坐标差为负，但车辆速度为正的异常轨迹，并对每一异常轨迹进行修正；
计算全部轨迹的长度，将长度小于设置阈值的轨迹进行删除；以及
根据轨迹点的横向位置将全部轨迹数据进行车道位置划分，并对横向位置检测错误的轨迹进行修正。
可选地，所述将轨迹数据进行分段，并重新赋予编号，使每一编号的轨迹数据仅代表一辆车的轨迹数据步骤具体包括：选取任一编号的轨迹数据，按时间序列排序，计算相邻数据帧间回传的时间及空间间隔，将计算的时间间隔与空间间隔值与设置的阈值进行比较，当时间或空间间隔值大于所设阈值时，在间隔值大于阈值处将轨迹分段，将分段后的轨迹重新赋予编号，更新原始数据中的编号，直至遍历所有轨迹。
可选地，所述将同一编号检测的车型进行统一，使每一辆车的轨迹数据中，仅对应一种车型步骤具体包括：在重新赋予编号的数据中，选取任一编号数据，按时间序列排序，计算出该轨迹中检测的车型类别数；类别数大于1时，计算不同车型对应的轨迹长度，以长度较大轨迹对应的车型为基准，对该编号的车型进行统一。
可选地，所述从全部轨迹中选择纵向坐标差为负，但车辆速度为正的异常轨迹，并对每一异常轨迹进行修正步骤具体包括：针对任一编号轨迹数据，按时间序列排序，计算相邻数据帧纵向位置坐标差值，当差值小于0，但车辆速度大于0时，记录当前位置特征，特征包括：编号、时刻；在记录每一特征位置处，将轨迹分段，针对当前段轨迹选取纵向距离值小于下一段轨迹最小纵向距离值的数据，以此类推直至遍历该编号所包含的所有轨迹段；将选取后的轨迹段重新拼接，得到该编号的轨迹。
可选地，所述计算全部轨迹的长度，将长度小于设置阈值的轨迹进行删除步骤具体包括：在数据处理过程中，结合毫米波雷达检测范围的大小，删除轨迹长度小于设置阈值的轨迹数据。
可选地，所述根据轨迹点的横向位置将全部轨迹数据进行车道位置划分，并对横向位置检测错误的轨迹进行修正步骤具体包括：根据车辆的横向坐标值进行车辆轨迹的车道划分，选取车辆横向位置出现异常的轨迹，根据判断该轨迹上个车道及下个车道的车道位置是否异常对车辆横向坐标值进行修正。
可选地，所述根据判断该轨迹上个车道及下个车道的车道位置是否异常对车辆横向坐标值进行修正步骤具体包括：
若均无异常，则按照上个车道的所在位置进行修正；
若其中一个正常，则按照正常的修正；
若均异常，则按照之前时刻最近的正确车道位置进行修正，并将修正结果立刻更新，以便于该轨迹下一段车道位置修正。
可选地，所述方法还包括以下步骤：针对每一车道轨迹，计算相邻轨迹对车头时距，选取车头时距存在异常的轨迹对，判断车头时距异常是由毫米波雷达增检还是车辆本身车头时距较小导致，识别出毫米波雷达增检的轨迹。
可选地，所述针对每一车道轨迹，计算相邻轨迹对车头时距，选取车头时距存在异常的轨迹对，判断车头时距异常是由毫米波雷达增检还是车辆本身车头时距较小导致，识别出毫米波雷达增检的轨迹步骤具体包括：
选取车头时距计算断面；
针对每一断面及经过该断面的轨迹，通过识别距离该断面最近的轨迹点，根据距离该断面距离及此时轨迹速度计算出车辆位于该断面时的时刻；
针对每一断面，按时间排序经过了该断面的所有车辆轨迹数据，按经过该断面的时刻计算相邻轨迹对的车头时距；
针对任一轨迹对，提取出在不同断面位置计算的车头时距，并按断面位置从小到大排序，当轨迹对出现车头时距小于设定值时，标记为异常轨迹对；
针对每一异常轨迹对，计算异常车头时距持续时间；
当轨迹对间的异常车头时距持续时间大于所设阈值时，判断为毫米波雷达增检轨迹，否则，判断为车辆真实发生了车头时距较小的情况。
进一步地，本发明还提供一种计算机存储介质，当所述计算机存储介质中的指令由处理器执行时，执行上述的车辆轨迹数据预处理方法。
与现有技术相比，本发明的优点在于：本发明通过对车辆轨迹数据的预处理，将原始轨迹数据中存在的车辆编号重复使用、车型检测错误、车辆坐标位置检测错误、车辆增检问题进行修正，从而提高了数据精度，为更加准确的识别道路交通运行状态与安全状态提供数据支持，减少由于交通设备检测误差对城市道路交通状态误判的影响。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例提供的路侧毫米波雷达布设及坐标位置示意图；
图2为本发明实施例提供的车辆轨迹数据预处理方法的流程框图；
图3为本发明另一实施例提供的车辆轨迹数据预处理方法的流程框图；
图4为本发明实施例提供的增检轨迹识别的流程框图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
图1为本发明实施例提供的路侧毫米波雷达布设及坐标位置示意图，如图1所示，所有车辆的行车方向与纵向方向一致，横向方向垂直于行车方向，车型包括大型车和小型车，车头时距是指在同一车道上行驶的车辆队列中，两连续车辆车头端部通过某一断面的时间间隔。
在本实施例中，采用路侧毫米波雷达交通检测系统作为获取路面信息的一种方式，因为路侧毫米波雷达原始轨迹数据中存在车辆编号重复使用、车型检测错误、车辆坐标位置检测错误、车辆增检等问题，因此需要对路侧毫米波雷达的原始轨迹数据进行预处理，本实施例中提供了一种路侧毫米波雷达轨迹数据的预处理方法，但是现有的如通过高空视频提取的车辆轨迹数据中同样存在上述问题，本发明虽以路侧毫米波轨迹数据为实例展开技术说明，但是本发明的车辆轨迹数据预处理方法同样适用通过视频或其它设备采集的轨迹数据。
图2为本发明实施例提供的车辆轨迹数据预处理方法的流程框图，如图2所示，本发明车辆轨迹数据预处理方法包括以下步骤：
S1：将轨迹数据进行分段，并重新赋予编号，使每一编号的轨迹数据仅代表一辆车的轨迹数据；
具体地，选取任一编号的轨迹数据，按时间序列排序，计算相邻数据帧间回传的时间及空间间隔；将计算的时间间隔与空间间隔值与设置的阈值进行比较，例如时间间隔阈值设为5s，空间间隔阈值设为5m，当时间或空间间隔值大于所设阈值时，在间隔值大于阈值处将轨迹分段，将分段后的轨迹重新赋予编号，且该编号使用后，后续数据处理中不再重复使用，以防止不同车辆轨迹使用同一编号的问题发生，更新原始数据中的编号，直至遍历所有轨迹。
S2：将同一编号检测的车型进行统一，使每一辆车的轨迹数据中，仅对应一种车型；
具体地，在重新赋予编号的数据中，选取任一编号数据，按时间序列排序，计算出该轨迹中检测的车型类别数；类别数大于1时，计算不同车型对应的轨迹长度，以长度较大轨迹对应的车型为基准，对该编号的车型进行统一。
S3：从全部轨迹中选择纵向坐标差为负，但车辆速度为正的异常轨迹，并对每一异常轨迹进行修正；
具体地，针对任一编号轨迹数据，按时间序列排序，计算相邻数据帧纵向位置坐标差值，当差值小于0，但车辆速度大于0时，记录当前位置特征，特征包括：编号、时刻；在记录每一特征位置处，将轨迹分段，针对当前段轨迹，选取纵向距离值小于下一段轨迹最小纵向距离值的数据，以此类推，直至遍历该编号所包含的所有轨迹段；将选取后的轨迹段重新拼接，得到该编号的轨迹；重复上述操作直至遍历所有编号的轨迹数据。
S4：计算全部轨迹的长度，将长度小于所设置阈值的轨迹进行删除；
具体地，在数据处理过程中，结合毫米波雷达检测范围的大小，删除轨迹长度小于设置阈值的轨迹数据，例如毫米波雷达检测范围约为0～300m，轨迹长度阈值设置为20m。
S5：根据轨迹点的横向位置将全部轨迹数据进行车道位置划分，并对横向位置检测错误的轨迹进行修正。
具体地，根据毫米波雷达安装位置坐标及道路横断面布设情况，计算不同车道边界对应于轨迹数据横向坐标范围，将轨迹数据划分到不同车道，针对任一轨迹，根据车道是否发生变化对轨迹进行分段；计算车辆完成连续变道的纵向距离长度，当该长度小于设置阈值时，标记为轨迹横向位置存在误差；所述阈值包括：小型车为40m，大型车为60m。
针对横向位置存在误差的轨迹数据：首先，假设车辆进入检测范围所在的车道段及离开检测范围所在的车道段横向位置正确；其次，对于横向位置存在误差的轨迹段，根据该轨迹上、下段的车道位置是否异常进行修正，具体包括：(1)若均无异常，则按照上个车道的所在位置进行修正；(2)若其中一个正常，则按照正常的修正；(3)若均异常，则按照之前时刻最近的正确车道位置进行修正，并将修正结果立刻更新，以便于该轨迹下一段车道位置修正。
在一个可选的实施例中，如图3所示，本发明另一实施例提供的车辆轨迹数据预处理方法还包括以下步骤：
S6：针对每一车道轨迹，计算相邻轨迹对车头时距，选取车头时距存在异常的轨迹对，判断车头时距异常是由毫米波雷达增检还是车辆本身车头时距较小导致，识别出毫米波雷达增检的轨迹。
具体地，如图4所示，以任一车道为例，具体流程步骤如下：
S61：选取车头时距计算断面；
具体地，首先，以检测范围起终点位上下限，等距选取断面作为车头时距计算的位置，断面集合记为location_1，其次，选取该车道的所有轨迹起终位置，记为location_2。车头时距计算断面位置为location_1与location_2取并集。
S62：针对每一断面及经过该断面的轨迹，通过识别距离该断面最近的轨迹点，根据距离该断面距离及此时轨迹速度计算出车辆位于该断面时的时刻；
具体地，以断面位置纵向坐标为location_0为例，当车辆速度60km/h～80km/h时，毫米波雷达回传数据纵向间隔约为1.5～3m，因此，选取断面位置上下3m范围内存在数据的轨迹；将数据分为两类，刚好在断面位置处有存在数据的轨迹和不存在数据的轨迹；针对后者，以任一轨迹为例，选择距离断面location_0距离最近的轨迹数据，获取距离最近点的纵向坐标、速度、时刻，计算出距离断面最近点车辆行驶至断面位置所需时段；根据最近点时刻及行驶至断面时段相加(减)得到车辆位于断面location_0时的时刻。
S63：针对每一断面，按时间排序经过了该断面的所有车辆轨迹数据，按经过该断面的时刻计算相邻轨迹对的车头时距；
具体地，仍以location_0为例，将该断面范围内所有车辆轨迹按时间序列排列，相邻车辆轨迹，均以通过断面location_0的时刻相减，得到轨迹对间的车头时距。
S64：针对任一轨迹对，提取出在不同断面位置计算的车头时距，并按断面位置从小到大排序，当轨迹对出现车头时距小于设定值(例如1秒)时，标记为异常轨迹对；
S65：针对每一异常轨迹对，计算异常车头时距持续时间；
S66：当轨迹对间的异常车头时距持续时间大于所设阈值时，判断为毫米波雷达增检轨迹，否则，判断为车辆真实发生了车头时距较小的情况。
具体地，所述阈值为动态阈值，阈值计算时需考虑前后车的车型、交通状态、车辆所在位置。
另外，车辆编号重复使用、车型检测错误、车辆坐标位置检测错误、车辆增检等是轨迹数据中普遍存在的问题，如通过高空视频提取的车辆轨迹数据同样存在上述问题，本发明虽以路侧毫米波轨迹数据为实例展开技术说明，但本发明的车辆轨迹数据预处理方法同样适用视频或其它设备采集的轨迹数据。
与现有技术相比，本发明通过对车辆轨迹数据的预处理，将原始数据中存在的车辆编号重复使用、车型检测错误、车辆坐标位置检测错误、车辆增检问题进行修正，为更加准确的识别道路交通运行状态与安全状态提供数据支持，减少由于交通设备检测误差对城市道路交通状态误判的影响。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种车辆轨迹数据预处理方法，其特征在于，所述方法包括以下步骤：
将轨迹数据进行分段，并重新赋予编号，使每一编号的轨迹数据仅代表一辆车的轨迹数据；
将同一编号检测的车型进行统一，使每一辆车的轨迹数据中，仅对应一种车型；
从全部轨迹中选择纵向坐标差为负，但车辆速度为正的异常轨迹，并对每一异常轨迹进行修正；
计算全部轨迹的长度，将长度小于设置阈值的轨迹进行删除；以及
根据轨迹点的横向位置将全部轨迹数据进行车道位置划分，并对横向位置检测错误的轨迹进行修正。
2.根据权利要求1所述的车辆轨迹数据预处理方法，其特征在于，所述将轨迹数据进行分段，并重新赋予编号，使每一编号的轨迹数据仅代表一辆车的轨迹数据步骤具体包括：选取任一编号的轨迹数据，按时间序列排序，计算相邻数据帧间回传的时间及空间间隔，将计算的时间间隔与空间间隔值与设置的阈值进行比较，当时间或空间间隔值大于所设阈值时，在间隔值大于阈值处将轨迹分段，将分段后的轨迹重新赋予编号，更新原始数据中的编号，直至遍历所有轨迹。
3.根据权利要求1所述的车辆轨迹数据预处理方法，其特征在于，所述将同一编号检测的车型进行统一，使每一辆车的轨迹数据中，仅对应一种车型步骤具体包括：在重新赋予编号的数据中，选取任一编号数据，按时间序列排序，计算出该轨迹中检测的车型类别数；类别数大于1时，计算不同车型对应的轨迹长度，以长度较大轨迹对应的车型为基准，对该编号的车型进行统一。
4.根据权利要求1所述的车辆轨迹数据预处理方法，其特征在于，所述从全部轨迹中选择纵向坐标差为负，但车辆速度为正的异常轨迹，并对每一异常轨迹进行修正步骤具体包括：针对任一编号轨迹数据，按时间序列排序，计算相邻数据帧纵向位置坐标差值，当差值小于0，但车辆速度大于0时，记录当前位置特征，特征包括：编号、时刻；在记录每一特征位置处，将轨迹分段，针对当前段轨迹选取纵向距离值小于下一段轨迹最小纵向距离值的数据，以此类推直至遍历该编号所包含的所有轨迹段；将选取后的轨迹段重新拼接，得到该编号的轨迹。
5.根据权利要求1所述的车辆轨迹数据预处理方法，其特征在于，所述计算全部轨迹的长度，将长度小于设置阈值的轨迹进行删除步骤具体包括：在数据处理过程中，结合毫米波雷达检测范围的大小，删除轨迹长度小于设置阈值的轨迹数据。
6.根据权利要求1所述的车辆轨迹数据预处理方法，其特征在于，所述根据轨迹点的横向位置将全部轨迹数据进行车道位置划分，并对横向位置检测错误的轨迹进行修正步骤具体包括：根据车辆的横向坐标值进行车辆轨迹的车道划分，选取车辆横向位置出现异常的轨迹，根据判断该轨迹上个车道及下个车道的车道位置是否异常对车辆横向坐标值进行修正。
7.根据权利要求6所述的车辆轨迹数据预处理方法，其特征在于，所述根据判断该轨迹上个车道及下个车道的车道位置是否异常对车辆横向坐标值进行修正步骤具体包括：
若均无异常，则按照上个车道的所在位置进行修正；
若其中一个正常，则按照正常的修正；
若均异常，则按照之前时刻最近的正确车道位置进行修正，并将修正结果立刻更新，以便于该轨迹下一段车道位置修正。
8.根据权利要求1项所述的车辆轨迹数据预处理方法，其特征在于，所述方法还包括以下步骤：针对每一车道轨迹，计算相邻轨迹对车头时距，选取车头时距存在异常的轨迹对，判断车头时距异常是由毫米波雷达增检还是车辆本身车头时距较小导致，识别出毫米波雷达增检的轨迹。
9.根据权利要求8项所述的车辆轨迹数据预处理方法，其特征在于，所述针对每一车道轨迹，计算相邻轨迹对车头时距，选取车头时距存在异常的轨迹对，判断车头时距异常是由毫米波雷达增检还是车辆本身车头时距较小导致，识别出毫米波雷达增检的轨迹步骤具体包括：
选取车头时距计算断面；
针对每一断面及经过该断面的轨迹，通过识别距离该断面最近的轨迹点，根据距离该断面距离及此时轨迹速度计算出车辆位于该断面时的时刻；
针对每一断面，按时间排序经过了该断面的所有车辆轨迹数据，按经过该断面的时刻计算相邻轨迹对的车头时距；
针对任一轨迹对，提取出在不同断面位置计算的车头时距，并按断面位置从小到大排序，当轨迹对出现车头时距小于设定值时，标记为异常轨迹对；
针对每一异常轨迹对，计算异常车头时距持续时间；
当轨迹对间的异常车头时距持续时间大于所设阈值时，判断为毫米波雷达增检轨迹，否则，判断为车辆真实发生了车头时距较小的情况。
10.一种计算机存储介质，其特征在于，当所述计算机存储介质中的指令由处理器执行时，执行如权利要求1-9中任一项所述的车辆轨迹数据预处理方法。
CN202110422349.4A 2021-04-20 2021-04-20 一种车辆轨迹数据预处理方法及计算机存储介质 Active CN113127466B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110422349.4A CN113127466B (zh) 2021-04-20 2021-04-20 一种车辆轨迹数据预处理方法及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110422349.4A CN113127466B (zh) 2021-04-20 2021-04-20 一种车辆轨迹数据预处理方法及计算机存储介质

Publications (2)

Publication Number Publication Date
CN113127466A true CN113127466A (zh) 2021-07-16
CN113127466B CN113127466B (zh) 2023-04-11

Family

ID=76777729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110422349.4A Active CN113127466B (zh) 2021-04-20 2021-04-20 一种车辆轨迹数据预处理方法及计算机存储介质

Country Status (1)

Country Link
CN (1) CN113127466B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113936453A (zh) * 2021-09-09 2022-01-14 上海宝康电子控制工程有限公司 一种基于车头时距的信息识别方法及系统
CN114743406A (zh) * 2022-03-11 2022-07-12 中国电子科技集团公司第五十四研究所 一种船舶轨迹去纠缠方法
CN115236603A (zh) * 2022-07-26 2022-10-25 西安电子科技大学 隧道内基于时空关系的毫米波雷达量测异常轨迹处理方法
CN116168543A (zh) * 2023-04-21 2023-05-26 健鼎（无锡）电子有限公司 基于毫米波雷达的车辆轨迹修正方法、装置及存储介质
CN117775005A (zh) * 2023-11-23 2024-03-29 西部科学城智能网联汽车创新中心(重庆)有限公司 车辆轨迹的滤波平滑处理方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109712401A (zh) * 2019-01-25 2019-05-03 同济大学 一种基于浮动车轨迹数据的复合路网瓶颈点识别方法
CN109714709A (zh) * 2019-02-25 2019-05-03 北京化工大学 一种基于历史信息的失联车辆位置预测方法和系统
CN110379163A (zh) * 2019-07-26 2019-10-25 银江股份有限公司 一种基于轨迹数据的车辆异常减速区域检测方法及系统
CN111966729A (zh) * 2020-08-27 2020-11-20 平安国际智慧城市科技股份有限公司 一种车辆轨迹数据处理方法、装置、设备及存储介质
CN112433203A (zh) * 2020-10-29 2021-03-02 同济大学 一种基于毫米波雷达数据的车道线形检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109712401A (zh) * 2019-01-25 2019-05-03 同济大学 一种基于浮动车轨迹数据的复合路网瓶颈点识别方法
CN109714709A (zh) * 2019-02-25 2019-05-03 北京化工大学 一种基于历史信息的失联车辆位置预测方法和系统
CN110379163A (zh) * 2019-07-26 2019-10-25 银江股份有限公司 一种基于轨迹数据的车辆异常减速区域检测方法及系统
CN111966729A (zh) * 2020-08-27 2020-11-20 平安国际智慧城市科技股份有限公司 一种车辆轨迹数据处理方法、装置、设备及存储介质
CN112433203A (zh) * 2020-10-29 2021-03-02 同济大学 一种基于毫米波雷达数据的车道线形检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUXIONG JI: "An Integrated Approach for Tram Prioritization in Signalized Corridors", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
蔡晓禹，雷财林: "基于驾驶行为和信息熵的道路交通安全风险预估", 《中国公路学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113936453A (zh) * 2021-09-09 2022-01-14 上海宝康电子控制工程有限公司 一种基于车头时距的信息识别方法及系统
CN113936453B (zh) * 2021-09-09 2022-08-19 上海宝康电子控制工程有限公司 一种基于车头时距的信息识别方法及系统
CN114743406A (zh) * 2022-03-11 2022-07-12 中国电子科技集团公司第五十四研究所 一种船舶轨迹去纠缠方法
CN115236603A (zh) * 2022-07-26 2022-10-25 西安电子科技大学 隧道内基于时空关系的毫米波雷达量测异常轨迹处理方法
CN115236603B (zh) * 2022-07-26 2024-09-24 西安电子科技大学 隧道内基于时空关系的毫米波雷达量测异常轨迹处理方法
CN116168543A (zh) * 2023-04-21 2023-05-26 健鼎（无锡）电子有限公司 基于毫米波雷达的车辆轨迹修正方法、装置及存储介质
CN117775005A (zh) * 2023-11-23 2024-03-29 西部科学城智能网联汽车创新中心(重庆)有限公司 车辆轨迹的滤波平滑处理方法及装置

Also Published As

Publication number Publication date
CN113127466B (zh) 2023-04-11

Similar Documents

Publication Publication Date Title
CN113127466B (zh) 一种车辆轨迹数据预处理方法及计算机存储介质
CN110532916B (zh) 一种运动轨迹确定方法及装置
US10885358B2 (en) Method for detecting traffic signs
CN112382092B (zh) 交通毫米波雷达自动生成车道的方法、系统及介质
WO2021093335A1 (en) Method for automatically labeling lane changing intention based on high-noise trajectory data of vehicle
CN115856872A (zh) 一种车辆运动轨迹连续跟踪方法
CN111707476B (zh) 一种面向自动驾驶汽车的纵向驾驶能力检测方法
CN113963550A (zh) 一种多义路径识别方法、装置及电子设备
CN114495520B (zh) 一种车辆的计数方法、装置、终端和存储介质
CN114997777A (zh) 一种基于轨迹信息的车辆移动特征识别方法
CN116819483B (zh) 路口车辆排队长度检测方法、装置、存储介质及终端
CN115204755B (zh) 服务区入区率测算方法、装置、电子设备及可读存储介质
CN118250639A (zh) 车辆轨迹的生成方法、装置及终端设备
CN113720341B (zh) 车辆行驶路线生成方法、系统、计算机设备及存储介质
CN115561750A (zh) 毫米波雷达车型分类方法
CN113799715A (zh) 车辆异常原因的确定方法、装置、通信设备及存储介质
CN104670121A (zh) 利用道路信息的雷达控制装置及方法
CN114944083B (zh) 一种高速公路上行驶车辆与前车距离的判断方法
CN115588299B (zh) 一种无人驾驶车辆轨迹控制系统及方法
CN118644994B (zh) 一种隧道变道检测方法、装置、设备及介质
CN118522158B (zh) 一种隧道内实时交通态势监测方法、设备及介质
CN109726677B (zh) 轮轴识别方法、装置及可读存储介质
CN110930714B (zh) 位置匹配方法及装置
CN116930950A (zh) 一种交通雷达停车排队的识别检测方法
CN115662136A (zh) 一种检测交通流量异常的方法

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