CN115410367A - 一种基于车牌识别数据的机动车轨迹可视化方法 - Google Patents
一种基于车牌识别数据的机动车轨迹可视化方法 Download PDFInfo
- Publication number
- CN115410367A CN115410367A CN202211021382.7A CN202211021382A CN115410367A CN 115410367 A CN115410367 A CN 115410367A CN 202211021382 A CN202211021382 A CN 202211021382A CN 115410367 A CN115410367 A CN 115410367A
- Authority
- CN
- China
- Prior art keywords
- track
- license plate
- data
- motor vehicle
- intersection
- 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
- 238000007794 visualization technique Methods 0.000 title claims abstract description 18
- 238000012800 visualization Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 11
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- 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
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于车牌识别数据的机动车轨迹可视化方法，本发明涉及基于车牌识别数据的机动车轨迹可视化方法。本发明的目的是为了解决传统交通调查手段无法准确地了解每一辆车的实际行驶轨迹和获得完整出行期望线的问题。过程为：一、对车牌识别数据进行预处理；二、对车牌识别数据中的交叉口进行编号，并对时间格式进行转换；三、构建车辆轨迹数据库；四、确定每个交叉口的经纬度坐标，将交叉口轨迹点坐标数据导入软件中，实现轨迹点的可视化；五、建立轨迹坐标数据表，将得到的轨迹坐标数据导入软件中，实现机动车辆的轨迹可视化，并形成机动车出行期望线图。本发明属于智能交通中的轨迹可视化领域。
Description
技术领域
本发明涉及基于车牌识别数据的机动车轨迹可视化方法，属于智能交通中的轨迹可视化领域。
背景技术
随着智能交通系统的快速发展，交通监控系统也愈发成熟，道路和交叉口随处可见的交通监控摄像头，利用视频检测技术和车牌识别技术能够采集到道路上通过车辆的牌照数据，这些数据中隐含着许多交通信息，但是却难以通过这些数据直观地观察车辆的行驶轨迹，因此如何通过车牌识别数据构建车辆轨迹数据以及轨迹可视化处理成为了一个很重要的问题。
目前对于车辆轨迹线路的获取一般采用车辆上安装的GPS设备，车辆上的GPS数据包含车辆的实时定位信息，即车辆的时空信息，能够得到每辆车的轨迹路线。但是由于普通车辆上的GPS数据难以获得，每辆车的GPS数据上传端口不统一，数据格式也不尽相同，使得通过GPS数据来获得车辆轨迹数据十分困难。如今部分城市的交通监控系统已经十分完善，在大部分主要路口都安装了视频监控设备，不仅能够实现交通违法抓拍，也能实现交通实时监控，实时了解交通拥堵状况以及时做出疏导。利用目前的城市交通监控系统的识别功能，能够对车辆的牌照信息进行抓拍并识别。但是无法准确地了解每一辆车的实际行驶轨迹和获得完整出行期望线。
发明内容
本发明的目的是为了解决传统交通调查手段无法准确地了解每一辆车的实际行驶轨迹和获得完整出行期望线的问题，而提出一种基于车牌识别数据的机动车轨迹可视化方法。
一种基于车牌识别数据的机动车轨迹可视化方法具体过程为：
步骤一、通过数据库获取车牌识别数据，对车牌识别数据进行预处理；
步骤二、对车牌识别数据中的交叉口进行编号，并对时间格式进行转换；
步骤三、构建车辆轨迹数据库；
步骤四、确定每个交叉口的经纬度坐标，将交叉口轨迹点坐标数据导入软件中，实现轨迹点的可视化；
步骤五、建立轨迹坐标数据表，将得到的轨迹坐标数据导入软件中，实现机动车辆的轨迹可视化，并形成机动车出行期望线图。
本发明有益效果：
本发明的目的在于提供一种基于车牌识别数据的机动车轨迹可视化方法，可以高效地将城市内每一辆车的行驶轨迹提取出来，并在GIS系统中实现其可视化，在实际的交通场景中能够快速高效地实现机动车轨迹可视化。
在当前智能交通和大数据快速发展的阶段，通过对车牌识别数据的获取、处理和分析等过程，构建车辆的轨迹数据库并实现机动车轨迹可视化，对城市机动车的出行特征及分布等方面的研究，提高通行效率和城市交通管理和交通设施建设具有重要意义。
1、本发明采用识别率和准确率较高的车牌识别系统识别的车辆牌照数据，能够得到较为完整的城市车辆行驶轨迹。
2、本发明根据原始车辆牌照数据采用分组字符拼接的方法简便高效地提取出了车辆行驶轨迹，构建了车辆轨迹数据库，便于查看任一辆车的行驶轨迹。
3、本发明的车辆轨迹可视化方法能够快速高效地实现机动车的轨迹可视化，并展示出城市机动车出行期望线图。
附图说明
图1是本发明基于车牌识别数据的机动车轨迹可视化方法的流程图；
图2是本发明实施例中构建的轨迹数据库；
图3是本发明实施例中的轨迹点分布图；
图4是本发明实施例中一辆机动车的完整出行轨迹；
图5是本发明实施例中所有车辆轨迹构成的机动车期望线图。
具体实施方式
具体实施方式一：本实施方式一种基于车牌识别数据的机动车轨迹可视化方法具体过程为：
步骤一、通过数据库获取车牌识别数据，对车牌识别数据进行预处理；
原始车牌识别数据中存在大量数据噪声，包括数据缺失和数据冗余两种噪声，数据缺失表现为车牌号码为“无牌车”，数据冗余指同一辆车在一个交叉口位置出现连续数据，即监控视频在同一位置同时重复识别到一辆车，通过数据库去除数据噪声。
步骤二、对车牌识别数据中的交叉口进行编号，并对时间格式进行转换；
步骤三、构建车辆轨迹数据库；
步骤四、确定每个交叉口的经纬度坐标，将交叉口轨迹点坐标数据导入软件中，实现轨迹点的可视化；
步骤五、建立轨迹坐标数据表，将得到的轨迹坐标数据导入软件中，实现机动车辆的轨迹可视化，并形成机动车出行期望线图。
具体实施方式二：本实施方式与具体实施方式一不同的是，所述步骤一中车牌识别数据包括：车牌号码、车辆类型、检测时间、检测设备所处交叉口位置。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是，所述步骤一中通过数据库获取车牌识别数据，对车牌识别数据进行预处理；具体过程为：
步骤一一、通过数据库筛选出车牌号码字段为“无牌车”的数据，直接删除；
步骤一二、通过数据库筛选出车牌号码、检测时间、检测设备所处交叉口位置三个字段值相同的数据，视为重复数据，删除重复数据，只保留一条有效数据(指一辆车在一个时间一个地方被连续抓拍到，产生了多条一样的数据，这些数据就是重复数据，只保留一条)。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是，所述步骤二中对车牌识别数据中的交叉口进行编号，并对时间格式进行转换；具体过程如下：
步骤二一、统计出车牌识别数据中的所有交叉口位置，并对交叉口位置进行唯一编号，形成新的地点属性字段；
步骤二二、将时间转换为以秒为单位的格式，以当天凌晨0:00:00点为起始时间，形成新的时间属性字段，时间转换公式为：
T＝a×3600+b×60+c
式中：T为转换后的时间；a为原始时间中的小时位；b为分钟位；c为秒位。
表1处理后的车牌识别数据示例
| 车牌号码 | 地点 | 时间 |
| 008802 | 30 | 0 |
| 013273 | 13 | 1 |
| 069285 | 29 | 8538 |
| 032832 | 3 | 86399 |
| …… | …… | …… |
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是，所述步骤三中构建车辆轨迹数据库；具体过程为：
以每个交叉口作为出行轨迹点，首先对车牌号码字段进行分组，筛选出所有车辆，然后对筛选出的所有车辆的“地点”和“时间”字段按照时间升序排列分别进行拼接，建立车辆轨迹数据表，从而构建车辆轨迹数据库；具体过程为：
步骤三一、对车牌识别数据按照车牌号码字段进行分组；
步骤三二、将分组后的每组车牌号码按照时间升序排列；
步骤三三、将按照时间升序排列后的每组车牌号码的地点和时间属性字段分别进行拼接，以“，”分隔；
步骤三四、将步骤三三得到结果另存为新的车辆轨迹数据表，从而构建车辆轨迹数据库，如图2所示。
表2车辆轨迹数据表示例
| 车牌号码 | 地点轨迹 | 时间轨迹 |
| 090226 | 15,34,10,10,5,2,20,33 | 26859,26926,27357,27754,27907,27951,27988,28106 |
| 057352 | 29,14,10,10,14,3 | 78051,78106,78349,78386,78669,78777 |
| 069285 | 17,18,27,18 | 32576,32580,36186,36201 |
| 032832 | 32,27,17,18 | 50575,50916,51036,51049 |
| …… | …… | …… |
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是，所述步骤四中确定每个交叉口的经纬度坐标，将交叉口轨迹点坐标数据导入软件中，实现轨迹点的可视化；具体过程如下：
步骤四一、确定每个交叉口的经纬度坐标，构建交叉口轨迹点坐标表；
交叉口轨迹点经纬度坐标设置为“POINT(经纬度坐标)”的形式；
步骤四二、将交叉口经纬度坐标数据导入QGIS软件中，统一坐标系为WGS坐标系，在QGIS中将交叉口轨迹点与地图进行匹配，实现轨迹点的可视化，如图3所示。
其它步骤及参数与具体实施方式一至五之一相同。
具体实施方式七：本实施方式与具体实施方式一至六之一不同的是，所述步骤五中建立轨迹坐标数据表，将得到的轨迹坐标数据导入软件中，实现机动车辆的轨迹可视化，并形成机动车出行期望线图；具体过程如下：
步骤五一、将步骤四实现的轨迹点的可视化与步骤三构建的车辆轨迹数据库相结合，建立轨迹坐标数据表；
步骤五二、将轨迹坐标数据从SQL数据库导入QGIS软件中，检测形状设置为线形，统一坐标系为WGS坐标系，实现机动车辆的轨迹可视化，如图4所示，并形成机动车出行期望线图，如图5所示。
其它步骤及参数与具体实施方式一至六之一相同。
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (7)
1.一种基于车牌识别数据的机动车轨迹可视化方法，其特征在于：所述方法具体过程为：
步骤一、通过数据库获取车牌识别数据，对车牌识别数据进行预处理；
步骤二、对车牌识别数据中的交叉口进行编号，并对时间格式进行转换；
步骤三、构建车辆轨迹数据库；
步骤四、确定每个交叉口的经纬度坐标，将交叉口轨迹点坐标数据导入软件中，实现轨迹点的可视化；
步骤五、建立轨迹坐标数据表，将得到的轨迹坐标数据导入软件中，实现机动车辆的轨迹可视化，并形成机动车出行期望线图。
2.根据权利要求1所述的一种基于车牌识别数据的机动车轨迹可视化方法，其特征在于：所述步骤一中车牌识别数据包括：车牌号码、车辆类型、检测时间、检测设备所处交叉口位置。
3.根据权利要求2所述的一种基于车牌识别数据的机动车轨迹可视化方法，其特征在于：所述步骤一中通过数据库获取车牌识别数据，对车牌识别数据进行预处理；具体过程为：
步骤一一、通过数据库筛选出车牌号码字段为“无牌车”的数据，直接删除；
步骤一二、通过数据库筛选出车牌号码、检测时间、检测设备所处交叉口位置三个字段值相同的数据，视为重复数据，删除重复数据，只保留一条有效数据。
4.根据权利要求3所述的一种基于车牌识别数据的机动车轨迹可视化方法，其特征在于：所述步骤二中对车牌识别数据中的交叉口进行编号，并对时间格式进行转换；具体过程如下：
步骤二一、统计出车牌识别数据中的所有交叉口位置，并对交叉口位置进行唯一编号，形成新的地点属性字段；
步骤二二、将时间转换为以秒为单位的格式，以当天凌晨0:00:00点为起始时间，形成新的时间属性字段，时间转换公式为：
T＝a×3600+b×60+c
式中：T为转换后的时间；a为原始时间中的小时位；b为分钟位；c为秒位。
5.根据权利要求4所述的一种基于车牌识别数据的机动车轨迹可视化方法，其特征在于：所述步骤三中构建车辆轨迹数据库；具体过程为：
以每个交叉口作为出行轨迹点，首先对车牌号码字段进行分组，筛选出所有车辆，然后对筛选出的所有车辆的“地点”和“时间”字段按照时间升序排列分别进行拼接，建立车辆轨迹数据表，从而构建车辆轨迹数据库；具体过程为：
步骤三一、对车牌识别数据按照车牌号码字段进行分组；
步骤三二、将分组后的每组车牌号码按照时间升序排列；
步骤三三、将按照时间升序排列后的每组车牌号码的地点和时间属性字段分别进行拼接，以“，”分隔；
步骤三四、将步骤三三得到结果另存为新的车辆轨迹数据表，从而构建车辆轨迹数据库。
6.根据权利要求5所述的一种基于车牌识别数据的机动车轨迹可视化方法，其特征在于：所述步骤四中确定每个交叉口的经纬度坐标，将交叉口轨迹点坐标数据导入软件中，实现轨迹点的可视化；具体过程如下：
步骤四一、确定每个交叉口的经纬度坐标，构建交叉口轨迹点坐标表；
交叉口轨迹点经纬度坐标设置为“POINT”的形式；
步骤四二、将交叉口经纬度坐标数据导入QGIS软件中，统一坐标系为WGS坐标系，在QGIS中将交叉口轨迹点与地图进行匹配，实现轨迹点的可视化。
7.根据权利要求6所述的一种基于车牌识别数据的机动车轨迹可视化方法，其特征在于：所述步骤五中建立轨迹坐标数据表，将得到的轨迹坐标数据导入软件中，实现机动车辆的轨迹可视化，并形成机动车出行期望线图；具体过程如下：
步骤五一、将步骤四实现的轨迹点的可视化与步骤三构建的车辆轨迹数据库相结合，建立轨迹坐标数据表；
步骤五二、将轨迹坐标数据从SQL数据库导入QGIS软件中，检测形状设置为线形，统一坐标系为WGS坐标系，实现机动车辆的轨迹可视化，并形成机动车出行期望线图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211021382.7A CN115410367B (zh) | 2022-08-24 | 2022-08-24 | 一种基于车牌识别数据的机动车轨迹可视化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211021382.7A CN115410367B (zh) | 2022-08-24 | 2022-08-24 | 一种基于车牌识别数据的机动车轨迹可视化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115410367A true CN115410367A (zh) | 2022-11-29 |
| CN115410367B CN115410367B (zh) | 2024-04-12 |
Family
ID=84162672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211021382.7A Active CN115410367B (zh) | 2022-08-24 | 2022-08-24 | 一种基于车牌识别数据的机动车轨迹可视化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115410367B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111222375A (zh) * | 2018-11-26 | 2020-06-02 | 上海博泰悦臻电子设备制造有限公司 | 车辆行驶轨迹生成方法、系统及服务器 |
| CN111243277A (zh) * | 2020-03-09 | 2020-06-05 | 山东大学 | 基于车牌识别数据的通勤车辆时空轨迹重构方法及系统 |
| CN114416710A (zh) * | 2021-12-29 | 2022-04-29 | 苏州大学 | 一种快速路车辆od位置提取方法及系统 |
-
2022
- 2022-08-24 CN CN202211021382.7A patent/CN115410367B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111222375A (zh) * | 2018-11-26 | 2020-06-02 | 上海博泰悦臻电子设备制造有限公司 | 车辆行驶轨迹生成方法、系统及服务器 |
| CN111243277A (zh) * | 2020-03-09 | 2020-06-05 | 山东大学 | 基于车牌识别数据的通勤车辆时空轨迹重构方法及系统 |
| CN114416710A (zh) * | 2021-12-29 | 2022-04-29 | 苏州大学 | 一种快速路车辆od位置提取方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115410367B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10573173B2 (en) | Vehicle type identification method and device based on mobile phone data | |
| CN103413437B (zh) | 一种基于车辆数据采集的道路交叉口转向识别方法及系统 | |
| CN101930668B (zh) | 车牌识别的道路交通od信息采集系统的处理方法 | |
| CN104778274B (zh) | 基于稀疏出租车gps数据的大范围城市路网旅行时间估计方法 | |
| CN106856049B (zh) | 基于卡口号牌识别数据的关键交叉口需求集聚分析方法 | |
| CN104200659B (zh) | 一种重点车辆是否按规定线路行驶的判定方法 | |
| CN106197458A (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
| US20110276592A1 (en) | Geodatabase information processing | |
| CN104318781B (zh) | 基于rfid技术的行程速度获取方法 | |
| CN104732765B (zh) | 基于卡口数据的城市道路饱和度实时监测方法 | |
| CN111210612A (zh) | 基于公交gps数据与站点信息提取公交线路轨迹的方法 | |
| CN111710166A (zh) | 一种基于etc门架的路径拟合方法 | |
| CN111586586B (zh) | 一种追踪方法和系统 | |
| CN105046959B (zh) | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 | |
| CN105336164A (zh) | 基于大数据分析的错误卡口位置信息自动识别方法 | |
| CN107229682A (zh) | 一种基于大型数据库的出租车位置数据处理方法 | |
| CN111178577A (zh) | 一种基于geohash算法的服务站选址方法 | |
| CN107564291A (zh) | 一种基于rfid的交通量溯源分析方法及系统 | |
| CN104298832A (zh) | 一种基于rfid技术的路网交通流分析方法 | |
| Wemegah et al. | Big data challenges in transportation: A case study of traffic volume count from massive Radio Frequency Identification (RFID) data | |
| CN111047860A (zh) | 一种车辆运行轨迹提取方法 | |
| CN115410367B (zh) | 一种基于车牌识别数据的机动车轨迹可视化方法 | |
| Wang et al. | Verification and Analysis of Traffic Evaluation Indicators in Urban Transportation System Planning Based on Multi-Source Data–A Case Study of Qingdao City, China | |
| CN102609997A (zh) | 基于动态时程匹配的高速公路多义性路径自动识别方法 | |
| Pincay et al. | Partitioning space to identify en-route movement patterns |
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 |