CN114360240A - 一种基于车联网轨迹特征的高精度定位方法 - Google Patents
一种基于车联网轨迹特征的高精度定位方法 Download PDFInfo
- Publication number
- CN114360240A CN114360240A CN202111478415.6A CN202111478415A CN114360240A CN 114360240 A CN114360240 A CN 114360240A CN 202111478415 A CN202111478415 A CN 202111478415A CN 114360240 A CN114360240 A CN 114360240A
- Authority
- CN
- China
- Prior art keywords
- track
- vehicle
- point
- speed
- points
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于车联网轨迹特征的高精度定位方法，涉及信息处理技术领域，解决了现有技术中轨迹数据的采集周期过长，且无法有效剔除轨迹数据中的异常点，导致拼接的行驶轨迹不够精准，无法对车辆的历史位置进行精准定位技术问题；本发明根据每条原始车辆轨迹确定不同的插值步长，通过插值步长对原始车辆轨迹进行插值，在对车辆轨迹进行噪声点、停留点等异常点剔除，重新拟合之后形成目标车辆轨迹；针对不同车辆轨迹确定不同的插值步长，能够获取更加精准的目标车辆轨迹，有助于对车辆的历史位置进行精准定位；本发明在数据点预处理之后还进行了拟合处理，同时在地图匹配时还完成了对重叠路径的筛选，进一步保证了目标车辆轨迹的合理准确。
Description
技术领域
本发明属于信息处理领域，涉及基于车联网轨迹特征的高精度定位技术，具体是一种基于车联网轨迹特征的高精度定位方法。
背景技术
当下车辆在行驶时，通过车辆自带的数据采集设备采集位置信息，上传至服务器，服务器对这些位置信息进行简单整理形成车辆的轨迹数据，车辆轨迹数据在改善交通运输网络过程、侦控侦察中起着非常重要的作用；因此，根据车辆轨迹数据进行车辆高精度定位是一个亟待解决的问题。
现有技术在海量数据中提取车辆轨迹数据，对轨迹数据进行拼接形成行驶轨迹，结合设定时间即可提取出车辆所处位置的经纬度；但是，现有技术中轨迹数据的采集周期固定，且在进行拼接之前对轨迹数据中异常点无法有效剔除，导致拼接的行驶轨迹不够精准，无法对车辆的历史位置进行精准定位；因此，亟需一种基于车联网轨迹特征的高精度定位方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于车联网轨迹特征的高精度定位方法，用于解决现有技术中轨迹数据的采集周期过长，且无法有效剔除轨迹数据中的异常点，导致拼接的行驶轨迹不够精准，无法对车辆的历史位置进行精准定位技术问题，本发明通通过对车辆轨迹数据进行插值、数据点预处理以及修正生成精确的目标车辆轨迹，再根据目标车辆轨迹达到对车辆高精度定位的目的解决了上述问题。
为实现上述目的，根据本发明的第一方面的实施例提出一种基于车联网轨迹特征的高精度定位方法，包括：
通过设定条件从车辆轨迹数据集中提取车辆轨迹数据，并标记为原始车辆轨迹；其中，车辆轨迹数据根据轨迹点的基本信息连接而成；
确定每条原始车辆轨迹的插值步长，通过插值步长对原始车辆轨迹进行插值，获取车辆轨迹一；
对车辆轨迹一进行数据点预处理，获取车辆轨迹二；通过路侧交互数据对车辆轨迹二进行修正，并进行地图匹配获取目标车辆轨迹；其中，数据点预处理包括剔除异常点，且异常点包括噪声点和停留点；
目标车辆轨迹结合筛选条件确定车辆位置。
优选的，通过插值步长对原始车辆轨迹进行插值获取车辆轨迹一，包括：
选取原始车辆轨迹长度和原始车辆轨迹时长中的一个作为插值属性数据；
以插值属性数据的基本单位作为插值步长，对原始车辆轨迹进行插值。
优选的，所述插值属性数据的选取包括：
获取原始车辆轨迹的长度，单位为米；获取通过原始车辆轨迹所用的时长，单位为秒；
根据长度和时长获取车辆通过原始车辆轨迹的平均速度一；
当平均速度一大于速度阈值一时，则选取原始车辆轨迹长度作为插值属性数据；当平均速度一小于等于速度阈值一时，则选取原始车辆轨迹时长作为插值属性数据；其中，速度阈值一为原始车辆轨迹对应车道上行驶车辆在单位时间内的平均速度。
优选的，对车辆轨迹一中噪声点进行剔除，包括：
按照生成时间依次选取车辆轨迹一中轨迹点作为目标轨迹点；
获取目标轨迹点与相邻轨迹点之间的平均速度二，当任意一个平均速度二大于速度校验值一时，则判定该目标轨迹点为噪声点；其中，速度校验值一包括车辆的极限速度；
将该噪声点剔除，同时对车辆轨迹一中剩余轨迹点做拟合处理。
优选的，对车辆轨迹一中停留点进行剔除，包括：
按照生成时间依次选取车辆轨迹一中轨迹点作为目标轨迹点；
获取目标轨迹点与相邻轨迹点之间的平均速度三，当至少一个平均速度三小于等于速度阈值二时，则判定该目标轨迹点为停留点；其中，速度阈值二的取值范围为(0,10]，单位为千米/小时；
将该停留点剔除，同时对车辆轨迹一中剩余轨迹点做拟合处理。
优选的，通过路侧交互数据对车辆轨迹二进行修正，包括：
提取车辆轨迹二中轨迹点路侧交互数据中的车辆位置；
当车辆位置与轨迹点之间的距离大于距离阈值时，则用车辆位置代替轨迹点坐标，并对车辆轨迹二重新拟合；其中，距离阈值为大于0小于1的实数，单位为米。
优选的，在通过所述地图匹配获取目标车辆轨迹时，需对重叠路径进行筛选，包括：
获取重叠路径，以及重叠路径上对应的轨迹点；
通过分析重叠路径中的路径限速与轨迹点对应速度之间的关系，从重叠路径选取目标路径，通过目标路径完成地图匹配。
优选的，每个轨迹点的基本信息均包括车辆ID、时间、经纬度、速度和路侧交互数据；其中，路侧交互数据包括路侧单元获取的车辆速度和车辆位置。
与现有技术相比，本发明的有益效果是：
1、本发明根据每条原始车辆轨迹确定不同的插值步长，通过插值步长对原始车辆轨迹进行插值，在对车辆轨迹进行噪声点、停留点等异常点剔除，重新拟合之后形成目标车辆轨迹；针对不同车辆轨迹确定不同的插值步长，能够获取更加精准的目标车辆轨迹，有助于对车辆的历史位置进行精准定位。
2、本发明在数据点预处理之后还进行了拟合处理，同时在地图匹配时还完成了对重叠路径的筛选，进一步保证了目标车辆轨迹的合理准确，为高精度定位奠定了数据基础。
附图说明
图1为本发明的方法步骤示意图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
本申请的目的是通过现有的车联网轨迹数据，结合筛选条件对车辆进行高精度定位；现有技术中轨迹数据的采集周期过长，且无法有效剔除轨迹数据中的异常点，导致拼接的行驶轨迹不够精准，无法对车辆的历史位置进行精准定位；本申请通过对车辆轨迹数据进行插值、数据点预处理以及修正生成精确的目标车辆轨迹，再根据目标车辆轨迹达到对车辆高精度定位的目的。
请参阅图1，本申请提供了一种基于车联网轨迹特征的高精度定位方法，包括：
通过设定条件从车辆轨迹数据集中提取车辆轨迹数据，并标记为原始车辆轨迹；筛选条件包括车辆ID或者时间范围；
确定每条原始车辆轨迹的插值步长，通过插值步长对原始车辆轨迹进行插值，获取车辆轨迹一；
对车辆轨迹一进行数据点预处理，获取车辆轨迹二；通过路侧交互数据对车辆轨迹二进行修正，并进行地图匹配获取目标车辆轨迹；
目标车辆轨迹结合筛选条件确定车辆位置；筛选条件包括具体时刻。
可以理解的是，每个轨迹点的基本信息均包括车辆ID、时间、经纬度、速度和路侧交互数据；其中，路侧交互数据包括路侧单元获取的车辆速度和车辆位置；车辆轨迹数据根据轨迹点的基本信息连接而成，如同一车辆ID的轨迹点按照时间先后顺序进行拼接形成一条轨迹数据；需要注意的是，拼接过程中在时间上或者空间上明显不符合常理的轨迹点，需要分开拼接，因此针对同一车辆ID理论上可以形成多条车辆轨迹数据。
本申请中的数据点预处理包括剔除异常点，且异常点包括噪声点和停留点，对车辆轨迹数据中的异常点进行处理非常重要的一个环节，能够保证最终形成的目标车辆轨迹的准确度。
在一个实施例中，通过插值步长对原始车辆轨迹进行插值获取车辆轨迹一，包括：
选取原始车辆轨迹长度和原始车辆轨迹时长中的一个作为插值属性数据；
以插值属性数据的基本单位作为插值步长，对原始车辆轨迹进行插值。
具体来说，以插值属性数据的基本单位作为插值步长实质就是原始车辆轨迹长度或者原始车辆轨迹时长的基本单位；长度的基本单位包括米、千米等，时长的基本单位包括秒、小时等；本实施例中，长度单位选择米，对应时长单位为秒；在另外一些优选的实施例中，当原始车辆轨迹特别长时，则长度单位选择千米，对应的时长单位选择小时；可以理解的是，长度或者时长的单位越小，获取的车辆轨迹越精准。
在一个具体的实施例中，插值属性数据的选取包括：
获取原始车辆轨迹的长度和通过原始车辆轨迹所用的时长；
根据长度和时长获取车辆通过原始车辆轨迹的平均速度一；
当平均速度一大于速度阈值一时，则选取原始车辆轨迹长度作为插值属性数据；当平均速度一小于等于速度阈值一时，则选取原始车辆轨迹时长作为插值属性数据；。
速度计算公式结合长度和时长即可获取车辆在该条原始车辆轨迹中行驶时的平均速度一。
值得注意的是，根据平均速度一和速度阈值一的比较结果作为选取插值属性数据的标准，实质是比较长度和时长的相对大小。
具体来说，当平均速度一大于速度阈值一时，可以理解为原始车辆轨迹长度相对较大，或者原始车辆轨迹时长相对较小；当平均速度一小于等于速度阈值一时，可以理解为原始车辆轨迹长度相对较小，或者原始车辆轨迹时长相对较大；选择相对较大的数据作为插值属性数据能够保证插值处理的可行性和准确性。
本实施例中的速度阈值一为原始车辆轨迹对应车道上行驶车辆在单位时间内的平均速度，即统计该车道上单位时间内所有车辆的速度，再取平均值作为速度阈值；这里的单位时间包括一分钟、一小时、一天、一个月，结合实际情况确定单位时间，如原始车辆轨迹的时间跨度为两小时，则可以将单位时间确定为一天。
在一个实施例中，对车辆轨迹一中噪声点进行剔除，包括：
按照生成时间依次选取车辆轨迹一中轨迹点作为目标轨迹点；
获取目标轨迹点与相邻轨迹点之间的平均速度二，当任意一个平均速度二大于速度校验值一时，则判定该目标轨迹点为噪声点；
将该噪声点剔除，同时对车辆轨迹一中剩余轨迹点做拟合处理。
在对噪声点进行剔除时，关键在于如何判定噪声点；本实施例通过速度来进行分析，具体来说就是获取目标轨迹点和相邻轨迹点之间的平均速度二，当平均速度二大于速度校验值一时，即可判定该目标轨迹点为噪声点。
可以理解的是，当目标轨迹点为初始点或者最终点时，则平均速度二只有一个，当目标轨迹点不是初始点或者最终点时，则平均速度二应该有两个，因此本申请限定的是任意一个平均速度二大于速度校验值一。
值得注意的是，本申请中的速度校验值一包括车辆的极限速度；车辆的极限速度可以理解为车辆在该车道路况下能够达到的速度最大值，当平均速度二大于速度校验值一时，可以判定对应目标轨迹点明显不合理。
在一个实施例中，对车辆轨迹一中停留点进行剔除，包括：
按照生成时间依次选取车辆轨迹一中轨迹点作为目标轨迹点；
获取目标轨迹点与相邻轨迹点之间的平均速度三，当至少一个平均速度三小于等于速度阈值二时，则判定该目标轨迹点为停留点；
将该停留点剔除，同时对车辆轨迹一中剩余轨迹点做拟合处理。
在对停留点进行剔除时，关键在于如何判定停留点；本实施例通过获取目标轨迹点与其相邻轨迹点之间的平均速度三，当至少一个平均速度三小于等于速度阈值二时，则判定该目标轨迹点为停留点；值得注意的是，本申请未将车辆轨迹一中的初始点和最终点作为停留点剔除，只考虑中间点，因此对于一个目标轨迹点应该有两个平均速度三，当一个平均速度三大于速度校验值一时，则平均速度三对应的两个目标轨迹点至少有一个为停留点，当同一目标轨迹点对应的两个平均速度三均大于速度校验值一时，则该目标轨迹点判定为停留点。
值得注意的是，当一个平均速度三大于速度校验值一时，则平均速度三对应的两个目标轨迹点至少有一个为停留点，如果这两个目标轨迹点包括初始点或者最终点，则排除初始点或者最终点，选定另外一个目标轨迹点作为停留点。
在剔除噪声点或者停留点时，均涉及到拟合处理，即可以在噪声点或者停留点剔除后进行拟合处理，又可以根据实际情况在噪声点和停留点均剔除完成时，统一做拟合处理。
在一个实施例中，通过路侧交互数据对车辆轨迹二进行修正，包括：
提取车辆轨迹二中轨迹点路侧交互数据中的车辆位置；
当车辆位置与轨迹点之间的距离大于距离阈值时，则用车辆位置代替轨迹点坐标，并对车辆轨迹二重新拟合。
本实施例中，车辆位置是通过路侧单元采集的车辆坐标，轨迹点对应的位置是通过GPS等车载设备获取的车辆坐标，对比二者之间的误差，当误差较大时，则以车辆位置为基准对轨迹点进行修正。
在一个实施中，在通过所述地图匹配获取目标车辆轨迹时，需对重叠路径进行筛选，包括：
获取重叠路径，以及重叠路径上对应的轨迹点；
通过分析重叠路径中的路径限速与轨迹点对应速度之间的关系，从重叠路径选取目标路径，通过目标路径完成地图匹配。
本实施例中的地图匹配是一个非常重要的环节，一方面可以修正轨迹数据的精度，另一方面能够从中提取重要特征；在进行地图匹配时，难免会碰到高架、立交之类的车道，导致上下两车道重叠，需要在重叠车道中筛选一个来完善车辆轨迹；本实施例通过不同车道的限速来筛选，还可以参考现有公开技术进行筛选。
本发明的工作原理：
通过设定条件从车辆轨迹数据集中提取车辆轨迹数据，并标记为原始车辆轨迹；确定每条原始车辆轨迹的插值步长，通过插值步长对原始车辆轨迹进行插值，获取车辆轨迹一。
对车辆轨迹一进行数据点预处理，获取车辆轨迹二；通过路侧交互数据对车辆轨迹二进行修正，并进行地图匹配和重叠路径筛选获取目标车辆轨迹；目标车辆轨迹结合筛选条件确定车辆位置。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种基于车联网轨迹特征的高精度定位方法，其特征在于，包括：
通过设定条件从车辆轨迹数据集中提取车辆轨迹数据，并标记为原始车辆轨迹；其中，车辆轨迹数据根据轨迹点的基本信息连接而成；
确定每条原始车辆轨迹的插值步长，通过插值步长对原始车辆轨迹进行插值，获取车辆轨迹一；
对车辆轨迹一进行数据点预处理，获取车辆轨迹二；通过路侧交互数据对车辆轨迹二进行修正，并进行地图匹配获取目标车辆轨迹；其中，数据点预处理包括剔除异常点，且异常点包括噪声点和停留点；
目标车辆轨迹结合筛选条件确定车辆位置。
2.根据权利要求1所述的一种基于车联网轨迹特征的高精度定位方法，其特征在于，通过插值步长对原始车辆轨迹进行插值获取车辆轨迹一，包括：
选取原始车辆轨迹长度和原始车辆轨迹时长中的一个作为插值属性数据；
以插值属性数据的基本单位作为插值步长，对原始车辆轨迹进行插值。
3.根据权利要求2所述的一种基于车联网轨迹特征的高精度定位方法，其特征在于，所述插值属性数据的选取包括：
获取原始车辆轨迹的长度，单位为米；获取通过原始车辆轨迹所用的时长，单位为秒；
根据长度和时长获取车辆通过原始车辆轨迹的平均速度一；
当平均速度一大于速度阈值一时，则选取原始车辆轨迹长度作为插值属性数据；当平均速度一小于等于速度阈值一时，则选取原始车辆轨迹时长作为插值属性数据；其中，速度阈值一为原始车辆轨迹对应车道上行驶车辆在单位时间内的平均速度。
4.根据权利要求1所述的一种基于车联网轨迹特征的高精度定位方法，其特征在于，对车辆轨迹一中噪声点进行剔除，包括：
按照生成时间依次选取车辆轨迹一中轨迹点作为目标轨迹点；
获取目标轨迹点与相邻轨迹点之间的平均速度二，当任意一个平均速度二大于速度校验值一时，则判定该目标轨迹点为噪声点；其中，速度校验值一包括车辆的极限速度；
将该噪声点剔除，同时对车辆轨迹一中剩余轨迹点做拟合处理。
5.根据权利要求1所述的一种基于车联网轨迹特征的高精度定位方法，其特征在于，对车辆轨迹一中停留点进行剔除，包括：
按照生成时间依次选取车辆轨迹一中轨迹点作为目标轨迹点；
获取目标轨迹点与相邻轨迹点之间的平均速度三，当至少一个平均速度三小于等于速度阈值二时，则判定该目标轨迹点为停留点；其中，速度阈值二的取值范围为(0,10]，单位为千米/小时；
将该停留点剔除，同时对车辆轨迹一中剩余轨迹点做拟合处理。
6.根据权利要求1所述的一种基于车联网轨迹特征的高精度定位方法，其特征在于，通过路侧交互数据对车辆轨迹二进行修正，包括：
提取车辆轨迹二中轨迹点路侧交互数据中的车辆位置；
当车辆位置与轨迹点之间的距离大于距离阈值时，则用车辆位置代替轨迹点坐标，并对车辆轨迹二重新拟合；其中，距离阈值为大于0小于1的实数，单位为米。
7.根据权利要求1所述的一种基于车联网轨迹特征的高精度定位方法，其特征在于，在通过所述地图匹配获取目标车辆轨迹时，对重叠路径进行筛选，包括：
获取重叠路径，以及重叠路径上对应的轨迹点；
通过分析重叠路径中的路径限速与轨迹点对应速度之间的关系，从重叠路径选取目标路径，通过目标路径完成地图匹配。
8.根据权利要求1所述的一种基于车联网轨迹特征的高精度定位方法，其特征在于，每个轨迹点的基本信息均包括车辆ID、时间、经纬度、速度和路侧交互数据；其中，路侧交互数据包括路侧单元获取的车辆速度和车辆位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111478415.6A CN114360240B (zh) | 2021-12-06 | 2021-12-06 | 一种基于车联网轨迹特征的高精度定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111478415.6A CN114360240B (zh) | 2021-12-06 | 2021-12-06 | 一种基于车联网轨迹特征的高精度定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114360240A true CN114360240A (zh) | 2022-04-15 |
| CN114360240B CN114360240B (zh) | 2023-09-19 |
Family
ID=81097431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111478415.6A Active CN114360240B (zh) | 2021-12-06 | 2021-12-06 | 一种基于车联网轨迹特征的高精度定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114360240B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116434529A (zh) * | 2022-12-12 | 2023-07-14 | 交通运输部规划研究院 | 城际公路货运特征分析方法、装置和电子设备 |
| CN117112867A (zh) * | 2023-10-24 | 2023-11-24 | 四川国蓝中天环境科技集团有限公司 | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111862659A (zh) * | 2020-06-30 | 2020-10-30 | 中冶智诚(武汉)工程技术有限公司 | 一种gps轨迹数据匹配和补全的方法 |
| CN112113580A (zh) * | 2019-06-21 | 2020-12-22 | 北汽福田汽车股份有限公司 | 车辆定位的方法、装置和汽车 |
| AU2020103488A4 (en) * | 2020-11-17 | 2021-01-28 | Chang'an University | Method and device for evaluating driving behaviour of truck based on gps trajectory data |
| CN113553390A (zh) * | 2021-07-12 | 2021-10-26 | 北京清环宜境技术有限公司 | 一种用于车载大气微站的运行gis轨迹纠偏方法 |
-
2021
- 2021-12-06 CN CN202111478415.6A patent/CN114360240B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112113580A (zh) * | 2019-06-21 | 2020-12-22 | 北汽福田汽车股份有限公司 | 车辆定位的方法、装置和汽车 |
| 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 |
| CN111862659A (zh) * | 2020-06-30 | 2020-10-30 | 中冶智诚(武汉)工程技术有限公司 | 一种gps轨迹数据匹配和补全的方法 |
| AU2020103488A4 (en) * | 2020-11-17 | 2021-01-28 | Chang'an University | Method and device for evaluating driving behaviour of truck based on gps trajectory data |
| CN113553390A (zh) * | 2021-07-12 | 2021-10-26 | 北京清环宜境技术有限公司 | 一种用于车载大气微站的运行gis轨迹纠偏方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116434529A (zh) * | 2022-12-12 | 2023-07-14 | 交通运输部规划研究院 | 城际公路货运特征分析方法、装置和电子设备 |
| CN116434529B (zh) * | 2022-12-12 | 2023-10-24 | 交通运输部规划研究院 | 城际公路货运特征分析方法、装置和电子设备 |
| CN117112867A (zh) * | 2023-10-24 | 2023-11-24 | 四川国蓝中天环境科技集团有限公司 | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 |
| CN117112867B (zh) * | 2023-10-24 | 2024-01-09 | 四川国蓝中天环境科技集团有限公司 | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114360240B (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109215347B (zh) | 一种基于众包轨迹数据的交通数据质量控制方法 | |
| CN107563566B (zh) | 一种基于支持向量机的公交站间运行时间区间预测方法 | |
| CN108171993B (zh) | 一种基于手机信令大数据的高速公路车辆速度计算方法 | |
| CN110008872B (zh) | 一种结合车辆轨迹和遥感图像的路网提取方法 | |
| CN114360240A (zh) | 一种基于车联网轨迹特征的高精度定位方法 | |
| CN113155139B (zh) | 车辆轨迹纠偏方法、装置及电子设备 | |
| CN105241465B (zh) | 一种道路更新的方法 | |
| CN102116639B (zh) | 一种对电子地图的交通限制信息自动校验的方法与装置 | |
| CN104318781B (zh) | 基于rfid技术的行程速度获取方法 | |
| CN106599561A (zh) | 一种轨迹数据清洗方法及装置 | |
| CN105101092A (zh) | 一种基于c4．5决策树的手机用户出行方式识别方法 | |
| CN105632222A (zh) | 预报到站时间的方法及其系统 | |
| CN112802215A (zh) | 高速公路通行费用的稽核方法、装置、设备及存储介质 | |
| CN111811828B (zh) | 一种无人车驾驶测试方法、装置、系统及存储介质 | |
| CN108171967A (zh) | 一种交通控制方法及装置 | |
| CN114664087A (zh) | 基于轨迹识别车辆上下高速的方法、装置、设备及介质 | |
| CN105096590A (zh) | 交通信息生成方法和交通信息生成设备 | |
| CN112579915B (zh) | 一种出行链的分析方法及装置 | |
| CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
| CN102436742A (zh) | 浮动车系统交通信息服务水平评价方法及装置 | |
| CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
| CN104504245A (zh) | 一种应用gps出行调查数据识别出行和活动的方法 | |
| CN108171992B (zh) | 一种基于手机信令大数据的平行公路车辆速度计算方法 | |
| CN108021924A (zh) | 一种废弃目标识别方法及装置 | |
| CN111649752B (zh) | 拥堵路段的地图数据处理方法、装置以及设备 |
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 |