CN113132907B - 行人流量分流识别方法、装置、计算设备及存储设备 - Google Patents
行人流量分流识别方法、装置、计算设备及存储设备 Download PDFInfo
- Publication number
- CN113132907B CN113132907B CN201911379051.9A CN201911379051A CN113132907B CN 113132907 B CN113132907 B CN 113132907B CN 201911379051 A CN201911379051 A CN 201911379051A CN 113132907 B CN113132907 B CN 113132907B
- Authority
- CN
- China
- Prior art keywords
- road
- track
- user
- measurement report
- screening
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012216 screening Methods 0.000 claims abstract description 81
- 238000005259 measurement Methods 0.000 claims abstract description 69
- 238000004891 communication Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 9
- 238000005070 sampling Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000011064 split stream procedure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- 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
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及即时通信技术领域，公开了一种行人流量分流识别方法、装置、计算设备及存储设备，该方法包括：根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；从所述道路轨迹中筛选出步行用户；按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别。通过上述方式，本发明实施例能够精准地识别道路行人流量及分流流向情况，识别精度高，成本低，可推广性强。
Description
技术领域
本发明实施例涉及即时通信技术领域，具体涉及一种行人流量分流识别方法、装置、计算设备及存储设备。
背景技术
如今商业网点和娱乐场所的规模越来越大。生活便利的同时，综合性商业区使得人群逗留时间长，活动类型增多。在人群密集的地方很容易诱发事故，特别是节假日、季节性促销等导致的人群短时高密度聚集。人群流量预测对地区交通管理和公共安全有着非常重要的作用。
现有行人流量识别方法主要有：通过在人流检测点铺设压力阵列传感器提取脚印序列；在指定区域部署摄像设备、红外感应设备、激光感应设备等图像采集设施，采集行人视频、图像；通过WIFI探针检测收集连接到WIFI网络中的客流信息；通过基站定位信息获取目标区域的手机用户数量；直接根据测量报告(Measurement Report，MR)定位数据将道路用户识别为速度较快的用户、等红绿灯的用户、以及道路上相似轨迹的用户。
而部署压力阵列传感器、摄像设备、红外感应设备、激光感应设备等成本高，推广难度大；基站定位数据精度很大程度上依赖于基站的密度，有时误差超过一公里，只能识别区域人流量，无法识别人流分流方向，不能满足业务需求；应用MR定位数据识别无法克服信令/MR定位数据采样率低，导致识别结果中用户覆盖率低，识别精度不高。
发明内容
鉴于上述问题，本发明实施例提供了一种行人流量分流识别方法、装置、计算设备及存储设备，克服了上述问题或者至少部分地解决了上述问题。
根据本发明实施例的一个方面，提供了一种行人流量分流识别方法，所述方法包括：根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；从所述道路轨迹中筛选出步行用户；按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别。
在一种可选的方式中，所述根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系，包括：对所述路网数据进行解析，将所有道路按交叉口进行分段；根据道路与点的对应关系，为表示所述测量报告数据中的第一栅格的点构建道路的空间格子，一个所述空间格子对应表示一个所述第一栅格，形成道路与所述第一栅格的所述对应关系。
在一种可选的方式中，所述根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围，包括：根据所述对应关系以位于路口的点为出发点，根据路网关系进行道路扩展，得到所述测量报告数据中的用户的第一轨迹的筛选范围。
在一种可选的方式中，所述根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹，包括：基于角度滤波的方式对所述第一轨迹进行修正；根据所述对应关系将所述筛选范围内的修正后的所述第一轨迹转换为初始道路轨迹；根据所述道路的连通关系，判断所述初始道路轨迹在空间上的连续性，得到第一连续道路轨迹和稀疏轨迹；对所述稀疏轨迹采用条件概率的方式进行插值修正，得到第二连续道路轨迹；合并所述第一连续道路轨迹和所述第二连续道路轨迹，构成所述道路轨迹。
在一种可选的方式中，所述对所述稀疏轨迹采用条件概率的方式进行插值修正，得到第二连续道路轨迹，包括：获取与所述稀疏轨迹重合的至少一条历史连续轨迹作为所述第二连续道路轨迹；获取当前用户的历史连续轨迹中的所述第二连续道路轨迹的第一出现人次；获取其他用户的历史连续轨迹中的所述第二连续道路轨迹的第二出现人次；根据所述第一出现人次以及所述第二出现人次计算所述第二连续道路轨迹的出现人次。
在一种可选的方式中，所述从所述道路轨迹中筛选出步行用户，包括：根据所述道路轨迹计算用户的平均速度；根据所述平均速度与预设速度进行比较，筛选出所述步行用户。
在一种可选的方式中，所述按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别，包括：按照所述路网数据中的道路次序规则对所述道路轨迹进行分流识别，获取所述步行用户的各个道路分流方向的人数和比例。
根据本发明实施例的另一个方面，提供了一种行人流量分流识别装置，所述装置包括：关系获取单元，用于根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；范围筛选单元，用于根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；轨迹转换单元，用于根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；用户筛选单元，用于从所述道路轨迹中筛选出步行用户；分流识别单元，用于按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别。
根据本发明实施例的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述行人流量分流识别方法的步骤。
根据本发明实施例的又一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使所述处理器执行上述行人流量分流识别方法的步骤。
本发明实施例通过根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；从所述道路轨迹中筛选出步行用户；按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别，能够精准地识别道路行人流量及分流流向情况，识别精度高，成本低，可推广性强。
上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的行人流量分流识别方法的流程示意图；
图2示出了本发明实施例提供的行人流量分流识别方法的道路与第一栅格的对应关系示意图；
图3示出了本发明实施例提供的行人流量分流识别方法的道路扩展示意图；
图4示出了本发明实施例提供的行人流量分流识别方法的轨迹转换的流程示意图；
图5示出了本发明实施例提供的行人流量分流识别方法的第一轨迹的角度滤波示意图；
图6示出了本发明实施例提供的行人流量分流识别方法的初始道路轨迹的连续性示意图；
图7示出了本发明实施例提供的行人流量分流识别方法的初始道路轨迹的连续性判断示意图；
图8示出了本发明实施例提供的行人流量分流识别方法的稀疏轨迹的插值修正示意图；
图9示出了本发明实施例提供的行人流量分流识别装置的结构示意图；
图10示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的行人流量分流识别方法的流程示意图。如图1所示，该行人流量分流识别方法包括：
步骤S11：根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系。
在本发明实施例中，获取公开地图(open street map，OSM)路网数据，对所述路网数据进行解析，将所有道路按交叉口进行分段，确保所有路口的轨迹方向可以用不同的道路组合进行表示。然后根据道路与点的对应关系，为表示所述测量报告(MR)数据中的第一栅格的点构建道路的空间格子，一个所述空间格子对应表示一个所述第一栅格，形成道路与所述第一栅格的所述对应关系。第一栅格为MR数据中的MR栅格。具体地，根据道路(way)与点(node)的对应关系，通过对各个node点构建道路的空间格子，并将包含在其中的50*50mMR栅格标记出来。参见图2，虚线表示道路B的空间栅格，而内部的小矩形表示判断为归属该道路栅格的MR栅格。
本发明实施例基于MR数据进行行人流量分流识别。MR是一种基于维护、维修、运行(MaintenanceRepairOperation，MRO)和OTT(Over The Top)数据的定位指纹库训练及应用系统，利用科学的数据预处理方法以及完备的参数统计方法和抽样分布理论，构建完善、有效的移动终端用户定位指纹库，并通过将指纹库训练流程以及输入变量的采集、传输和处理流程部署在特定装置上，保证了用户实时和非实时位置的获取。其中，OTT是指互联网公司越过运营商，发展基于开放互联网的各种视频及数据服务业务。MR数据包括基于运营商手机用户数据，覆盖超过80％的城市及乡镇居民，无需额外部署安装摄像头、红外感应等装置即可对城市道路进行人流量识别，成本低、便于推广、人群覆盖及道路覆盖均较全面，同时利用手机用户MR实时定位数据，实现道路行人流量统计之外，更可识别其分流流向情况，且定位精度远远高于传统的基站定位数据，识别精度高且时延低。
步骤S12：根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围。
在判断路口流量的场景下，根据所述对应关系以位于路口的点为出发点，根据路网关系进行多轮道路扩展，得到所述测量报告数据中的用户的第一轨迹的筛选范围。筛选范围为矩形范围，并满足所有目标道路覆盖的条件。道路扩展是指以位于路口的点为出发点，在后续路口根据路网关系进行扩展，连续在k个路口进行扩展，则表示进行了k轮道路扩展。在本发明实施例中，一般进行2或3轮道路扩展。例如参见图3，在位于图中央路口的黑点为出发点，根据图中实线网格表示的路网关系进行2轮道路扩展，得到图中虚线矩形框表示的筛选范围。
步骤S13：根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹。
在本发明实施例中，具体地，如图4所示，包括：
步骤S131：基于角度滤波的方式对所述第一轨迹进行修正。
首先结合MR数据特征对已筛选的用户的第一轨迹进行预处理，以减少MR数据所具有的信号漂移、异常记录等数据质量问题。
修正时，对每个用户的第一轨迹按照进入时间进行排序，依次提取连续的三个轨迹点，并计算该三个轨迹点在空间上构成的夹角θ，如果θ小于阈值(通常取30°)，则删除中间的轨迹点；否则不进行处理，直至轨迹中所有夹角均完成判断。如图5所示，依次提取连续的三个轨迹点D1，D2，D3，计算其在空间上构成的夹角θ，如果θ小于阈值，则删除轨迹点D2，该部分的第一轨迹直接变成D1、D3。
步骤S132：根据所述对应关系将所述筛选范围内的修正后的所述第一轨迹转换为初始道路轨迹。
结合道路与第一栅格的对应关系，将用户在筛选范围内的第一轨迹转换为初始道路轨迹。其中，部分第一栅格可能对应多条道路，将这些第一栅格标记为M，并记录其对应的多条初始道路轨迹。
步骤S133：根据所述道路的连通关系，判断所述初始道路轨迹在空间上的连续性，得到第一连续道路轨迹和稀疏轨迹。
具体地，对于道路轨迹数据，结合OSM道路的连通关系，判断其在空间上的连续性。连续道路轨迹要求用户相邻的道路轨迹点必须前后相连，参见图6，轨迹1是连续道路轨迹(E→A→D→F→G)，而轨迹2则不是连续道路轨迹。连续道路轨迹认为是密集轨迹，不连续道路轨迹是稀疏轨迹。
在路口流量分流识别的场景下，用户道路轨迹满足在途经该路口时连续，即可认为该用户轨迹为连续轨迹，否则为不连续轨迹，以图7为例，从各条路出发途经路口的人流共有12种方向，例如A道路出发包括：A→B、A→C、A→D。而在道路中段流量分流识别的场景下，只有正反两个方向，具体方法与路口识别一致，这里不再叙述。
步骤S134：对所述稀疏轨迹采用条件概率的方式进行插值修正，得到第二连续道路轨迹。
由于MR数据的采样率无法保证，因此经常会出现不连续、稀疏的道路轨迹情况，所以需要对稀疏轨迹进行插值处理，以确保数据的可用性和覆盖率。
在步骤S134中，获取与所述稀疏轨迹重合的至少一条历史连续轨迹作为所述第二连续道路轨迹；获取当前用户的历史连续轨迹中的所述第二连续道路轨迹的第一出现人次；获取其他用户的历史连续轨迹中的所述第二连续道路轨迹的第二出现人次；根据所述第一出现人次以及所述第二出现人次计算所述第二连续道路轨迹的出现人次。
具体地，本发明实施例对于所有筛选得到且不满足连续性条件的稀疏轨迹采用条件概率的方式进行插值修正。如图8所示，用户的稀疏轨迹为X→Y，道路X和道路Y之间无法直接相邻，即无法判断用户采用哪种路径实现从X抵达Y。此时，可以基于该用户历史的连续行动轨迹和其他用户的连续行动轨迹作为该用户X→Y轨迹插值的依据。
在以上两种连续行动轨迹的范围中，定义事件B为用户轨迹从道路X抵达道路Y，事件Ai为用户通过路径Si，那么P(B)表示出现从道路X抵达道路Y的概率，P(Ai|B)表示在从道路X抵达道路Y的轨迹中途经路径Si的概率，其中，不同路径Si对应的分母P(B)是一致的，而P(AiB)表示用户选择路径Si从道路X抵达道路Y的概率，正比于对应的出现人次。其中，出现人次包括同一个用户的历史出行选择S1和其他用户的出行选择S2，以系数k为调节参数，通常k>0.7，如此可以体现出对于个人出行选择的客观判断，体现以人为本的核心理念。最终从X→Y的缺失轨迹可以基于个体权重调整的连续轨迹选择概率来进行插值，计算出所有从X→Y的路径选择人次。
cnt(Si)＝kcnt(S1i)+(1-k)cnt(S2i)。
本发明实施例经过个体权重修正的条件概率的方法来对非连续轨迹进行插值，能够充分利用挖掘数据信息，提高道路轨迹分流识别的用户覆盖率。
步骤S135：合并所述第一连续道路轨迹和所述第二连续道路轨迹，构成所述道路轨迹。
将原始的第一连续道路轨迹和根据稀疏轨迹插值后得到的第二连续道路轨迹合并，后续根据合并后的道路轨迹进行行人流量分流识别，充分利用挖掘数据信息，克服了传统信令/MR定位中采样率低的缺点，使用修正后的MR数据精准地识别道路行人流量及分流流向情况，成本低、可推广性强、识别精度高、时延低、具备全时段全道路覆盖。
步骤S14：从所述道路轨迹中筛选出步行用户。
基于修正后用户道路轨迹进行步行用户筛选，由于用户已经从第一轨迹拟合至道路轨迹，可以直接采用速度方法来筛选步行用户。
在步骤S14中，根据所述道路轨迹计算用户的平均速度；根据所述平均速度与预设速度进行比较，筛选出所述步行用户。具体地，平均速度
等于连续道路轨迹总的道路距离除以总时间：
当平均速度
小于预设速度时，认为该用户的行动轨迹为步行，对应地，用户为步行用户。其中，预设速度为预设的速度阈值V，具体数值可以根据需要设置，优选为5km/h。
步骤S15：按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别。
具体地，在所有经过路口的用户连续轨迹中，按照所述路网数据中的道路次序规则对所述道路轨迹进行分流识别，获取所述步行用户的各个道路分流方向的人数和比例。例如，根据某一路口的四个道路：道路A、道路B、道路C、道路D，应用本发明实施例的行人流量分流识别方法获得的各个道路分流方向的比例如表1所示。
表1某一路口的各个道路分流方向的比例
| 道路 | A | B | C | D |
| A | 0 | r<sub>AB</sub> | r<sub>AC</sub> | r<sub>AD</sub> |
| B | r<sub>BA</sub> | 0 | r<sub>BC</sub> | r<sub>BD</sub> |
| C | r<sub>CA</sub> | r<sub>CB</sub> | 0 | r<sub>CD</sub> |
| D | r<sub>DA</sub> | r<sub>DB</sub> | r<sub>DC</sub> | 0 |
其中，rAB表示从道路A分流至道路B的行人比例。rBA表示从道路B分流至道路A的行人比例。
本发明实施例通过根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；从所述道路轨迹中筛选出步行用户；按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别，能够精准地识别道路行人流量及分流流向情况，识别精度高，成本低，可推广性强。
图9示出了本发明实施例的行人流量分流识别装置的结构示意图。如图9所示，该行人流量分流识别装置包括：关系获取单元901、范围筛选单元902、轨迹转换单元903、用户筛选单元904以及分流识别单元905。其中：
关系获取单元901用于根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；范围筛选单元902用于根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；轨迹转换单元903用于根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；用户筛选单元904用于从所述道路轨迹中筛选出步行用户；分流识别单元905用于按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别。
在一种可选的方式中，关系获取单元901用于：对所述路网数据进行解析，将所有道路按交叉口进行分段；根据道路与点的对应关系，为表示所述测量报告数据中的第一栅格的点构建道路的空间格子，一个所述空间格子对应表示一个所述第一栅格，形成道路与所述第一栅格的所述对应关系。
在一种可选的方式中，范围筛选单元902用于：根据所述对应关系以位于路口的点为出发点，根据路网关系进行道路扩展，得到所述测量报告数据中的用户的第一轨迹的筛选范围。
在一种可选的方式中，轨迹转换单元903用于：基于角度滤波的方式对所述第一轨迹进行修正；根据所述对应关系将所述筛选范围内的修正后的所述第一轨迹转换为初始道路轨迹；根据所述道路的连通关系，判断所述初始道路轨迹在空间上的连续性，得到第一连续道路轨迹和稀疏轨迹；对所述稀疏轨迹采用条件概率的方式进行插值修正，得到第二连续道路轨迹；合并所述第一连续道路轨迹和所述第二连续道路轨迹，构成所述道路轨迹。
在一种可选的方式中，轨迹转换单元903用于：获取与所述稀疏轨迹重合的至少一条历史连续轨迹作为所述第二连续道路轨迹；获取当前用户的历史连续轨迹中的所述第二连续道路轨迹的第一出现人次；获取其他用户的历史连续轨迹中的所述第二连续道路轨迹的第二出现人次；根据所述第一出现人次以及所述第二出现人次计算所述第二连续道路轨迹的出现人次。
在一种可选的方式中，用户筛选单元904用于：根据所述道路轨迹计算用户的平均速度；根据所述平均速度与预设速度进行比较，筛选出所述步行用户。
在一种可选的方式中，分流识别单元905用于：按照所述路网数据中的道路次序规则对所述道路轨迹进行分流识别，获取所述步行用户的各个道路分流方向的人数和比例。
本发明实施例通过根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；从所述道路轨迹中筛选出步行用户；按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别，能够精准地识别道路行人流量及分流流向情况，识别精度高，成本低，可推广性强。
本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的行人流量分流识别方法。
可执行指令具体可以用于使得处理器执行以下操作：
根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；
根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；
根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；
从所述道路轨迹中筛选出步行用户；
按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
对所述路网数据进行解析，将所有道路按交叉口进行分段；
根据道路与点的对应关系，为表示所述测量报告数据中的第一栅格的点构建道路的空间格子，一个所述空间格子对应表示一个所述第一栅格，形成道路与所述第一栅格的所述对应关系。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
根据所述对应关系以位于路口的点为出发点，根据路网关系进行道路扩展，得到所述测量报告数据中的用户的第一轨迹的筛选范围。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
基于角度滤波的方式对所述第一轨迹进行修正；
根据所述对应关系将所述筛选范围内的修正后的所述第一轨迹转换为初始道路轨迹；
根据所述道路的连通关系，判断所述初始道路轨迹在空间上的连续性，得到第一连续道路轨迹和稀疏轨迹；
对所述稀疏轨迹采用条件概率的方式进行插值修正，得到第二连续道路轨迹；
合并所述第一连续道路轨迹和所述第二连续道路轨迹，构成所述道路轨迹。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
获取与所述稀疏轨迹重合的至少一条历史连续轨迹作为所述第二连续道路轨迹；
获取当前用户的历史连续轨迹中的所述第二连续道路轨迹的第一出现人次；
获取其他用户的历史连续轨迹中的所述第二连续道路轨迹的第二出现人次；
根据所述第一出现人次以及所述第二出现人次计算所述第二连续道路轨迹的出现人次。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
根据所述道路轨迹计算用户的平均速度；
根据所述平均速度与预设速度进行比较，筛选出所述步行用户。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
按照所述路网数据中的道路次序规则对所述道路轨迹进行分流识别，获取所述步行用户的各个道路分流方向的人数和比例。
本发明实施例通过根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；从所述道路轨迹中筛选出步行用户；按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别，能够精准地识别道路行人流量及分流流向情况，识别精度高，成本低，可推广性强。
本发明实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任意方法实施例中的行人流量分流识别方法。
可执行指令具体可以用于使得处理器执行以下操作：
根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；
根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；
根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；
从所述道路轨迹中筛选出步行用户；
按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
对所述路网数据进行解析，将所有道路按交叉口进行分段；
根据道路与点的对应关系，为表示所述测量报告数据中的第一栅格的点构建道路的空间格子，一个所述空间格子对应表示一个所述第一栅格，形成道路与所述第一栅格的所述对应关系。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
根据所述对应关系以位于路口的点为出发点，根据路网关系进行道路扩展，得到所述测量报告数据中的用户的第一轨迹的筛选范围。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
基于角度滤波的方式对所述第一轨迹进行修正；
根据所述对应关系将所述筛选范围内的修正后的所述第一轨迹转换为初始道路轨迹；
根据所述道路的连通关系，判断所述初始道路轨迹在空间上的连续性，得到第一连续道路轨迹和稀疏轨迹；
对所述稀疏轨迹采用条件概率的方式进行插值修正，得到第二连续道路轨迹；
合并所述第一连续道路轨迹和所述第二连续道路轨迹，构成所述道路轨迹。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
获取与所述稀疏轨迹重合的至少一条历史连续轨迹作为所述第二连续道路轨迹；
获取当前用户的历史连续轨迹中的所述第二连续道路轨迹的第一出现人次；
获取其他用户的历史连续轨迹中的所述第二连续道路轨迹的第二出现人次；
根据所述第一出现人次以及所述第二出现人次计算所述第二连续道路轨迹的出现人次。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
根据所述道路轨迹计算用户的平均速度；
根据所述平均速度与预设速度进行比较，筛选出所述步行用户。
在一种可选的方式中，所述可执行指令使所述处理器执行以下操作：
按照所述路网数据中的道路次序规则对所述道路轨迹进行分流识别，获取所述步行用户的各个道路分流方向的人数和比例。
本发明实施例通过根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；从所述道路轨迹中筛选出步行用户；按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别，能够精准地识别道路行人流量及分流流向情况，识别精度高，成本低，可推广性强。
图10示出了本发明实施例提供的计算设备的结构示意图，本发明具体实施例并不对设备的具体实现做限定。
如图10所示，该计算设备可以包括：处理器(processor)1002、通信接口(Communications Interface)1004、存储器(memory)1006、以及通信总线1008。
其中：处理器1002、通信接口1004、以及存储器1006通过通信总线1008完成相互间的通信。通信接口1004，用于与其它设备比如客户端或其它服务器等的网元通信。处理器1002，用于执行程序1010，具体可以执行上述行人流量分流识别方法实施例中的相关步骤。
具体地，程序1010可以包括程序代码，该程序代码包括计算机操作指令。
处理器1002可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或各个集成电路。设备包括的一个或各个处理器，可以是同一类型的处理器，如一个或各个CPU；也可以是不同类型的处理器，如一个或各个CPU以及一个或各个ASIC。
存储器1006，用于存放程序1010。存储器1006可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序1010具体可以用于使得处理器1002执行以下操作：
根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；
根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；
根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；
从所述道路轨迹中筛选出步行用户；
按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别。
在一种可选的方式中，所述程序1010使所述处理器执行以下操作：
对所述路网数据进行解析，将所有道路按交叉口进行分段；
根据道路与点的对应关系，为表示所述测量报告数据中的第一栅格的点构建道路的空间格子，一个所述空间格子对应表示一个所述第一栅格，形成道路与所述第一栅格的所述对应关系。
在一种可选的方式中，所述程序1010使所述处理器执行以下操作：
根据所述对应关系以位于路口的点为出发点，根据路网关系进行道路扩展，得到所述测量报告数据中的用户的第一轨迹的筛选范围。
在一种可选的方式中，所述程序1010使所述处理器执行以下操作：
基于角度滤波的方式对所述第一轨迹进行修正；
根据所述对应关系将所述筛选范围内的修正后的所述第一轨迹转换为初始道路轨迹；
根据所述道路的连通关系，判断所述初始道路轨迹在空间上的连续性，得到第一连续道路轨迹和稀疏轨迹；
对所述稀疏轨迹采用条件概率的方式进行插值修正，得到第二连续道路轨迹；
合并所述第一连续道路轨迹和所述第二连续道路轨迹，构成所述道路轨迹。
在一种可选的方式中，所述程序1010使所述处理器执行以下操作：
获取与所述稀疏轨迹重合的至少一条历史连续轨迹作为所述第二连续道路轨迹；
获取当前用户的历史连续轨迹中的所述第二连续道路轨迹的第一出现人次；
获取其他用户的历史连续轨迹中的所述第二连续道路轨迹的第二出现人次；
根据所述第一出现人次以及所述第二出现人次计算所述第二连续道路轨迹的出现人次。
在一种可选的方式中，所述程序1010使所述处理器执行以下操作：
根据所述道路轨迹计算用户的平均速度；
根据所述平均速度与预设速度进行比较，筛选出所述步行用户。
在一种可选的方式中，所述程序1010使所述处理器执行以下操作：
按照所述路网数据中的道路次序规则对所述道路轨迹进行分流识别，获取所述步行用户的各个道路分流方向的人数和比例。
本发明实施例通过根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围；根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；从所述道路轨迹中筛选出步行用户；按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别，能够精准地识别道路行人流量及分流流向情况，识别精度高，成本低，可推广性强。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。
Claims (8)
1.一种行人流量分流识别方法，其特征在于，所述方法包括：
根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；
根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围，包括：基于角度滤波的方式对所述第一轨迹进行修正；根据所述对应关系将所述筛选范围内的修正后的所述第一轨迹转换为初始道路轨迹；根据所述道路的连通关系，判断所述初始道路轨迹在空间上的连续性，得到第一连续道路轨迹和稀疏轨迹；对所述稀疏轨迹采用经过个体权重修正的条件概率的方法来对非连续轨迹进行插值修正，得到第二连续道路轨迹；合并所述第一连续道路轨迹和所述第二连续道路轨迹，构成所述道路轨迹；
其中，从X→Y的稀疏轨迹基于个体权重调整的经过个体权重修正的条件概率的方法进行插值，得到第二连续道路轨迹，包括：
cnt(Si)＝kcnt(S1i)+(1-k)cnt(S2i)；
其中，定义事件B为用户轨迹从道路X抵达道路Y，事件Ai为用户通过路径Si，P(B)表示出现从道路X抵达道路Y的概率，P(Ai|B)表示在从道路X抵达道路Y的轨迹中途经路径Si的概率，不同路径Si对应的分母P(B)是一致的，P(AiB)表示用户选择路径Si从道路X抵达道路Y的概率，正比于对应的出现人次；其中，出现人次包括同一个用户的历史出行选择S1和其他用户的出行选择S2，系数k为调节参数；
根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；
从所述道路轨迹中筛选出步行用户；
按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别。
2.根据权利要求1所述的方法，其特征在于，所述根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系，包括：
对所述路网数据进行解析，将所有道路按交叉口进行分段；
根据道路与点的对应关系，为表示所述测量报告数据中的第一栅格的点构建道路的空间格子，一个所述空间格子对应表示一个所述第一栅格，形成道路与所述第一栅格的所述对应关系。
3.根据权利要求2所述的方法，其特征在于，所述根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围，包括：
根据所述对应关系以位于路口的点为出发点，根据路网关系进行道路扩展，得到所述测量报告数据中的用户的第一轨迹的筛选范围。
4.根据权利要求1所述的方法，其特征在于，所述从所述道路轨迹中筛选出步行用户，包括：
根据所述道路轨迹计算用户的平均速度；
根据所述平均速度与预设速度进行比较，筛选出所述步行用户。
5.根据权利要求1所述的方法，其特征在于，所述按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别，包括：
按照所述路网数据中的道路次序规则对所述道路轨迹进行分流识别，获取所述步行用户的各个道路分流方向的人数和比例。
6.一种行人流量分流识别装置，其特征在于，所述装置包括：
关系获取单元，用于根据路网数据以及测量报告数据获取道路与所述测量报告数据中的第一栅格的对应关系；
范围筛选单元，用于根据所述对应关系确定所述测量报告数据中的用户的第一轨迹的筛选范围，包括：基于角度滤波的方式对所述第一轨迹进行修正；根据所述对应关系将所述筛选范围内的修正后的所述第一轨迹转换为初始道路轨迹；根据所述道路的连通关系，判断所述初始道路轨迹在空间上的连续性，得到第一连续道路轨迹和稀疏轨迹；对所述稀疏轨迹采用经过个体权重修正的条件概率的方法来对非连续轨迹进行插值修正，得到第二连续道路轨迹；合并所述第一连续道路轨迹和所述第二连续道路轨迹，构成所述道路轨迹；
其中，从X→Y的稀疏轨迹基于个体权重调整的经过个体权重修正的条件概率的方法进行插值，得到第二连续道路轨迹，包括：
cnt(Si)＝kcnt(S1i)+(1-k)cnt(S2i)；
其中，定义事件B为用户轨迹从道路X抵达道路Y，事件Ai为用户通过路径Si，P(B)表示出现从道路X抵达道路Y的概率，P(Ai|B)表示在从道路X抵达道路Y的轨迹中途经路径Si的概率，不同路径Si对应的分母P(B)是一致的，P(AiB)表示用户选择路径Si从道路X抵达道路Y的概率，正比于对应的出现人次；其中，出现人次包括同一个用户的历史出行选择S1和其他用户的出行选择S2，系数k为调节参数；
轨迹转换单元，用于根据所述对应关系将所述筛选范围内的用户的所述第一轨迹转换为道路轨迹；
用户筛选单元，用于从所述道路轨迹中筛选出步行用户；
分流识别单元，用于按照所述路网数据中的道路次序规则和所述道路轨迹对所述步行用户的各个道路分流方向进行分流识别。
7.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行根据权利要求1-5任一项所述行人流量分流识别方法的步骤。
8.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行根据权利要求1-5任一项所述行人流量分流识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911379051.9A CN113132907B (zh) | 2019-12-27 | 2019-12-27 | 行人流量分流识别方法、装置、计算设备及存储设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911379051.9A CN113132907B (zh) | 2019-12-27 | 2019-12-27 | 行人流量分流识别方法、装置、计算设备及存储设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113132907A CN113132907A (zh) | 2021-07-16 |
| CN113132907B true CN113132907B (zh) | 2022-11-08 |
Family
ID=76767266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911379051.9A Active CN113132907B (zh) | 2019-12-27 | 2019-12-27 | 行人流量分流识别方法、装置、计算设备及存储设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113132907B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009140180A1 (en) * | 2008-05-14 | 2009-11-19 | Telcordia Technologies, Inc. | Methods for efficient organization of vehicle peer groups and efficient v2r communications |
| CN105491522A (zh) * | 2015-12-02 | 2016-04-13 | 北京泰合佳通信息技术有限公司 | 一种基于移动管道数据的用户移动轨迹定位方法 |
| CN105628033A (zh) * | 2016-02-26 | 2016-06-01 | 广西鑫朗通信技术有限公司 | 一种基于道路连通关系的地图匹配方法 |
| CN106157624A (zh) * | 2016-08-04 | 2016-11-23 | 浙江工业大学 | 基于交通定位数据的多粒度道路分流可视分析方法 |
| CN106530688A (zh) * | 2016-10-14 | 2017-03-22 | 浙江工业大学 | 基于Hadoop的海量交通数据处理方法 |
| CN108280993A (zh) * | 2017-12-12 | 2018-07-13 | 福建工程学院 | 一种道路交通流类型分布识别方法及终端 |
| CN109493606A (zh) * | 2017-09-11 | 2019-03-19 | 中国移动通信集团浙江有限公司 | 一种高速公路上违停车辆的识别方法及系统 |
| CN109842853A (zh) * | 2017-11-29 | 2019-06-04 | 中国移动通信集团北京有限公司 | 一种位置确定方法及设备 |
-
2019
- 2019-12-27 CN CN201911379051.9A patent/CN113132907B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009140180A1 (en) * | 2008-05-14 | 2009-11-19 | Telcordia Technologies, Inc. | Methods for efficient organization of vehicle peer groups and efficient v2r communications |
| CN105491522A (zh) * | 2015-12-02 | 2016-04-13 | 北京泰合佳通信息技术有限公司 | 一种基于移动管道数据的用户移动轨迹定位方法 |
| CN105628033A (zh) * | 2016-02-26 | 2016-06-01 | 广西鑫朗通信技术有限公司 | 一种基于道路连通关系的地图匹配方法 |
| CN106157624A (zh) * | 2016-08-04 | 2016-11-23 | 浙江工业大学 | 基于交通定位数据的多粒度道路分流可视分析方法 |
| CN106530688A (zh) * | 2016-10-14 | 2017-03-22 | 浙江工业大学 | 基于Hadoop的海量交通数据处理方法 |
| CN109493606A (zh) * | 2017-09-11 | 2019-03-19 | 中国移动通信集团浙江有限公司 | 一种高速公路上违停车辆的识别方法及系统 |
| CN109842853A (zh) * | 2017-11-29 | 2019-06-04 | 中国移动通信集团北京有限公司 | 一种位置确定方法及设备 |
| CN108280993A (zh) * | 2017-12-12 | 2018-07-13 | 福建工程学院 | 一种道路交通流类型分布识别方法及终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113132907A (zh) | 2021-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11455805B2 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
| US10037607B2 (en) | Topology determination for non-overlapping camera network | |
| US20100305851A1 (en) | Device and method for updating cartographic data | |
| KR20180046798A (ko) | 실시간 교통 정보 제공 방법 및 장치 | |
| CN110472599B (zh) | 对象数量确定方法、装置、存储介质与电子设备 | |
| KR101678004B1 (ko) | 노드-링크 기반 카메라 네트워크 통합 감시 시스템 및 감시 방법 | |
| WO2021036243A1 (zh) | 识别车道的方法、装置及计算设备 | |
| CN110852258A (zh) | 物体检测方法、装置、设备及存储介质 | |
| CN105185121A (zh) | 一种虚拟卡口并行识别车牌的方法 | |
| CN114708426A (zh) | 目标检测方法、模型训练方法、装置、设备及存储介质 | |
| CN111507278A (zh) | 一种检测路障的方法、装置及计算机设备 | |
| CN110645999A (zh) | 导航方法、装置、服务器、终端及存储介质 | |
| CN114926791A (zh) | 一种路口车辆异常变道检测方法、装置、存储介质及电子设备 | |
| CN114332702A (zh) | 目标区域的检测方法和装置、存储介质及电子设备 | |
| CN114078319A (zh) | 一种检测交通事故隐患地点的方法及装置 | |
| CN111380530A (zh) | 导航方法及相关产品 | |
| CN111695627A (zh) | 路况检测方法、装置、电子设备及可读存储介质 | |
| Zhang et al. | Image-based approach for parking-spot detection with occlusion handling | |
| CN112447060A (zh) | 识别车道的方法、装置及计算设备 | |
| CN113132907B (zh) | 行人流量分流识别方法、装置、计算设备及存储设备 | |
| CN113409194A (zh) | 泊车信息获取方法及装置、泊车方法及装置 | |
| CN113033715A (zh) | 目标检测模型训练方法和目标车辆检测信息生成方法 | |
| Dinh et al. | Development of a tracking-based system for automated traffic data collection for roundabouts | |
| CN112149698A (zh) | 一种困难样本数据的筛选方法及装置 | |
| CN114820690A (zh) | 轨迹还原方法、装置和电子设备 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231211 Address after: No.19, Jiefang East Road, Hangzhou, Zhejiang Province, 310000 Patentee after: CHINA MOBILE GROUP ZHEJIANG Co.,Ltd. Patentee after: China Mobile (Zhejiang) Innovation Research Institute Co.,Ltd. Patentee after: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. Address before: No. 19, Jiefang East Road, Hangzhou, Zhejiang Province, 310016 Patentee before: CHINA MOBILE GROUP ZHEJIANG Co.,Ltd. Patentee before: CHINA MOBILE COMMUNICATIONS GROUP Co.,Ltd. |
|
| TR01 | Transfer of patent right |