CN101325004B - 一种实时交通信息的数据补偿方法 - Google Patents
一种实时交通信息的数据补偿方法 Download PDFInfo
- Publication number
- CN101325004B CN101325004B CN200810117560XA CN200810117560A CN101325004B CN 101325004 B CN101325004 B CN 101325004B CN 200810117560X A CN200810117560X A CN 200810117560XA CN 200810117560 A CN200810117560 A CN 200810117560A CN 101325004 B CN101325004 B CN 101325004B
- Authority
- CN
- China
- Prior art keywords
- road
- chain
- data
- road chain
- information
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000001447 compensatory effect Effects 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000007667 floating Methods 0.000 claims description 16
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种实时交通信息的数据补偿方法:根据实时处理生成的交通信息,对路网进行优化;对实时处理生成的交通信息进行异常数据剔除,得到符合当前交通趋势的数据;根据得到的实时交通趋势数据从历史数据库中选取符合该交通趋势变化的历史数据,作为空缺信息补偿的辅助信息源;根据辅助信息源及经过优化过的路网,以一条空缺路链道路为中心构建补偿区域,以区域为单位对路网中没有行驶轨迹信息覆盖到的路链进行补偿计算,根据空缺路链的路链角色和补偿区域内空缺路链数量确定填补模式,从而完成补偿。本发明充分利用了交通流趋势变化的特点,从历史数据中去挖掘信息,实现了实时计算大规模数据,具有计算效率高,不受地区限制的通用性特点。
Description
技术领域
本发明属于智能交通***领域交通信息实时处理范畴,涉及到基于历史数据的一种实时交通信息的数据补偿方法。
背景技术
造成交通拥堵的原因或是超过了拥堵道路的承受能力或是由于特殊事件的发生(如交通事故或交通管制)。交通拥堵给公众出行带来最大的问题是旅行时间不确定性而导致无法补偿从出发地到目的地(OD距离)所需要时间。动态路径规划就是根据实时交通信息,按照某一性能指标(如距离、时间、能量等)搜索一条从起始状态到目标状态的最优或次优路径,帮助用户尽可能避让拥堵路段并计算出行驶过程所需的旅行时间。但其实现的基础需要高覆盖率的交通信息做支持,同时处理过程要保证准确和高效。
由于传统的固定型检测器测量范围有限,通常只包含快速路和主要干道上的交通信息,而在路径规划的目标中,非快速路的交通状态也是其中重要的内容之一。
用浮动车的行驶轨迹信息来生成实时路况是国际智能交通***(ITS)中获取道路交通信息的最新技术手段之一。所谓浮动车的行驶轨迹,是指装备全球卫星定位***(GPS)的车辆周期性(接收周期)的将定位点传送到数据中心,车辆在两个定位点间的行驶路线即为轨迹信息,如图4所示。其中b1,b2,….表示一条行驶轨迹的起点;e1,e2,….表示一条行驶轨迹的终点;有方向的曲线标明一辆车生成的带有行驶方向的行驶轨迹信息。粗线表示被行车轨迹覆盖到的有数据道路,否则为空缺信息道路。
城市电子地图是以路链为原子单位构成的,各条路链具有固定的长度、行驶方向等信息。一条道路由一条或多条路链构成。通过固定的时间间隔(处理周期)将获取到的浮动车轨迹信息对应到城市电子地图中,其所覆盖到的路链可获得含有行驶速度的权值信息。但受到浮动车数量、驾驶员驾驶习惯以及***处理周期的限制;对于某些道路来讲,受到地域会造成一定时间内某些路链没有被实时的行驶轨迹信息覆盖。路径规划过程中由于所规划路线中可能包含空缺数据路链,使得***计算出的OD旅行时间与实际所需的时间相比误差较大甚至发生错误。因此需要一种能够实时补全路网路况的方法,本发明就是根据空缺道路相邻路链信息以及历史数据信息,在保证正确率的基础上一种提高覆盖率的交通信息的方法。
现有的传统方法主要包括历史趋势法,ARIMA模型,神经网络模型等。历史趋势法无法对影响行程时间的外界因素和不正常因素做出反应,无法克服交通流过程的不确定性与非线性特性,尤其无法克服随机干扰因素的影响;ARIMA模型只适用于交通条件稳定的情况;神经网络模型可以准确模拟复杂的交通条件,但其参数训练非常复杂,计算时间也太长,不适合在线应用。另外,在一个处理周期内获取的浮动车数据,对于某些道路来讲可能只有少数浮动车甚至没有浮动车经过,属于小样本数据,受到驾驶员行为、车辆状况、环境等因素影响,无法反映出真实的交通路况信息,是一种极不稳定的数据源,上述方法如用于处理实时数据均无法克服。因此需要一种能够在保证实时处理交通信息效率的基础上的一种缺失数据的补偿方法。
发明内容
本发明的目的:克服现有技术的不足,提供一种实时交通信息的数据补偿方法,该方法充分利用了交通流趋势变化的特点,保持交通参量变化的随机特性,从历史数据中去挖掘信息,实现了实时计算大规模数据,具有处理效率高,不受地区限制的通用性特点。
本发明的实现方法如下:一种实时交通信息的数据补偿方法,其特征在于步骤如下:一种实时交通信息的数据补偿方法,其特征在于步骤如下:
步骤101:根据实时处理生成的交通信息,对路网进行优化;
步骤102:对实时处理生成的交通信息进行异常数据剔除,得到符合当前交通趋势的数据;
步骤103:根据步骤102得到的实时交通趋势数据从历史数据库中选取符合该交通趋势变化的历史数据,作为空缺信息补偿的辅助信息源;
步骤104:根据步骤103的辅助信息源及经过步骤101优化过的路网,以一条空缺路链道路为中心构建补偿区域对路网中没有行驶轨迹信息覆盖到的路链进行补偿计算,根据空缺路链的路链角色和补偿区域内空缺路链数量确定填补模式,从而完成补偿。
本发明与现有技术相比的具有以下:
(1)在动态的优化路网结构基础上对实时数据中空缺信息部分进行补偿,根据实时数据的日期以及交通流量趋势变化从历史数据文件中选取数据用于实时交通信息补偿,利用了交通流趋势变化的特点,保持了交通参量变化的随机特性,从历史数据中去挖掘信息,因此具有处理效率高的特点;由于辅助信息源的生成利用了同源历史数据,因此扩大了样本数量,提升了处理结果的准确率。现有技术也利用了历史数据,但本发明的显著特点是,辅助信息源的计算为独立于实时程序的计算,它从历史数据中根据实时的交通流趋势变化选取合适的历史数据,因此不仅极大的减小了实时处理时的计算量,可以实时计算大规模数据。同时,本发明由于和电子地图数据有关,因此还具有不受地区限制通用性的特点。
(2)此外,现有技术只是强调要填补的空缺路链等级,而不考虑空缺周围环境的影响,在本发明中不仅综合考虑路链在路网中的路链角色(等级、使用率)不同,同时还考虑了空缺信息路段周边环境的影响,对区域匹配的方法对空缺信息路链用不同的匹配模式进行补偿,进一步提高了提高补偿准确性以及处理性能。
附图说明
图1为本发明实现的流程图;
图2为本发明的为确定补偿区域的k级搜索示意图;
图3为本发明的空缺信息补偿流程图;
图4为行驶轨迹示意图;
图5为交通趋势曲线图;
图6为本发明的填补区域示意图。
具体实施方式
如图1所示,本发明包括路网优化部分、辅助信息源部分与实时数据补偿部分,具体步骤如下:
1.实时数据读取,根据实时处理生成的交通信息,获得路网优化信息
本发明中的路网优化是剔除不具备车辆通行能力的道路,同时对不同等级,不同功能的道路(如高速路,胡同巷路)按道路角色进行分类。
路网优化将路网中所有的道路划到三个集合中:不可达路链集合、主要路链集合和辅助路链集合;所述的不可达路链集合是指在近期一定时间段内不具备车辆通行能力的路链的集合,即在近期一定的时间段内没有被车辆行驶轨迹所覆盖过的路链的集合;所述主要路链集合和辅助路链集合是将各路链按路链角色,即由路链等级和使用率决定进行分类,其过程为:
(1)根据历史数据,将与实时数据间隔x天内的数据进行统计分析,如果一条道路在x天内均没有浮动车的行车轨迹所覆盖,则将该条道路作为异常道路信息放入到不可达路链集合中;
(2)根据历史数据,确定各等级路链的路链角色,即路链等级和使用率,将路链等级和使用率相对较高的道路划分为主要路链集合,将路链等级和使用率相对较低的道路划分为辅助路链集合;所述的路链等级的相对高低是指由路链通行能力对不同性质的路链进行的划分,由地图提供者提供为已知数据。使用率是指对某一等级道路来讲,被行驶轨迹覆盖到的道路长度与道路总长度之比。
使用率由公式1所定义。
其中k表示道路等级,n表示k等级路链中的所包含的路链条数,j表示每一条路链的唯一编号,i表示处理周期序号,m表示一条中的处理周期数;
某等级路链使用率在设定阈值之上的为主要路链,否则为辅助路链。
2、异常数据剔除:对实时处理生成的交通信息进行异常数据剔除,得到符合当前交通趋势的数据
异常数据剔除方法为:计算对应时刻对应分类的历史数据序列X,计算数学期望E(X);计算当前时刻交通信息与历史信息的标准差D(X),计算当前时刻交通信息与上一时刻交通信息X′的标准差D(X′),如果:
(1)时刻t生成的实时交通信息数据与数据期望E(X)在设定阀值th范围内,且D(X)与D(X′)差值同样在设定阀值th′内,则认为该时刻数据没有发生异常;
(2)时刻t生成的实时交通信息数据与数据期望E(X)超出设定阀值th,但D(X)与D(X′)差值同样在设定阀值th′内,则等待下一时刻的交通信息数据X″生成,如果下一时刻的交通信息数据D(X)与D(X″)有较大差异,超出设定阀值th′,则认为时刻t的交通信息发生异常,并将异常数据剔除掉。
3.历史数据选取:根据步骤102得到的实时交通趋势数据从历史数据库中选取符合该交通趋势变化的历史数据,作为补偿空缺信息的辅助信息源
选取辅助信息源的方法为:
(1)根据初始化时的历史数据,计算相同天内各交通信息文件的路网平均速度,生成交通趋势曲线,如图5所示,并对具有相似交通信息曲线的交通数据分类存储;
(2)实时处理过程中,计算相邻K时间段内的包含的M个交通数据文件的路网平均速度,生成交通信息曲线片段,并将该曲线片段与相同时间段内的历史数据进行匹配,找出最为相似的N条曲线作为辅助信息源。
4.空缺信息补偿:
空缺信息补偿是指根据实时的路况信息以及经过优化过的路网,对其中没有行驶轨迹信息覆盖到的道路进行区域补偿。所述区域补偿是指以一条空缺信息道路为中心构建补偿区域。即以该道路为中心,搜索k米范围内与之相连的同数据类型道路,如图2所示。以补偿区域为单位对该区域中空缺信息道路统一补偿,如图6所示。
补偿的方法如图3所示,具体为:
步骤301:在读入最近一个时间窗内由浮动车行驶轨迹所生成的反应实时路链路况数据后,从路网中根据已有的浮动车行驶轨迹信息情况提取出没有被浮动车行驶轨迹所覆盖的空缺信息路链,建立空缺路链集合,剔除空缺路链集合中不可达路链;
步骤302:判断该空缺路链集合是否为空集,如果是,执行步骤309,否则,执行步骤303;
步骤303:获取该空缺路链的拓扑结构,并以该空缺路链为中心划定区域范围,该区域即为匹配区域,执行步骤304;
步骤304:判断该区域内空缺路链数量,如果该区域内只有一条空缺路链,执行步骤305,否则执行步骤306;
步骤305:对该条空缺路链利用道路拓扑结构,用相邻路链路况信息用模式1进行填补,完成后执行步骤310;
步骤306:确定该区域内空缺信息路链,同时确定路链角色,如果路链为主要道路角色执行步骤307,否则执行步骤308
步骤307:将该区域内有数据的路链与辅助数据源内对应路链信息作数据相似性对比,选取相似度最高的一组辅助信息源内的行驶轨迹信息,用模式2进行填补,完成后执行步骤310;
步骤308:该区域内的路链为辅助路链角色,直接用对应时间的辅助数据源信息用模式3进行填补,完成后执行步骤310;
步骤309:整理全路网实时交通信息并输出。
步骤310:将填补后的空缺路链从空缺路链集合中剔除,完成后返回步骤302。
上述模式1的差值填补的方法如下:
所确定的补偿区域中只有一条空缺路链,在这种情况下,该路链通过周边道路的交通信息可以反映出该条空缺信息的路况,因此通过空间差值填补的方法进行填补。计算方法为空缺信息路链的路况不仅受到相连路链角色的影响,同时还与路链之间的如角度等空间关系有关,根据相连的路链角色以及相互的角度关系赋予不同权重,在实时数据中,用与空缺路链同一补偿区域中相连的路链信息进行填补。
模式2的区域匹配填补的方法如下:
所确定的区域中的道路属于主要路链角色,且有超过一条道路没有被行驶轨迹覆盖到,在这种情况下通过空缺道路周边路况已经很难反映出该条道路的交通实时信息,因此,需要用具有相似交通流趋势的历史数据对空缺信息进行细粒度补偿。计算方法为在确定补偿区内的路链后(包含有数据路链和空缺数据路链),将区域中有数据路链与辅助数据源中的数据做交通趋势匹配,寻找该区域内与实时数据最为相似的一组历史数据,对区域中所有空缺路链进行填充。该方法是一种细粒度、精确的填补方法。
模式3的填充填补的方法如下:
辅助道路数据类型空缺信息道路匹配模式,所确定的区域中的道路属于辅助路链角色,且有超过一条道路没有被行驶轨迹覆盖到,在这种情况下通过空缺道路周边路况已经很难反映出该条道路的交通实时信息,因此,需要用具有相似交通流趋势的历史数据对空缺信息进行粗粒度补偿。计算方法为所确定补偿区内的路链均属于辅助路链角色,该类路链在一定时间、一定区域范围内很少甚至没有浮动车经过。从辅助信息源中根据生成实时数据的时间属性(星期周期,时间点)选取对应时间点的数据,对区域内空缺信息路链进行补偿。该方法是一种粗粒度的填补方法。
Claims (6)
1.一种实时交通信息的数据补偿方法,其特征在于步骤如下:
步骤101:根据实时处理生成的交通信息,对路网进行优化;
步骤102:对实时处理生成的交通信息进行异常数据剔除,得到能够正确反映当前交通趋势的数据;
步骤103:根据步骤102得到的实时交通趋势数据从历史数据库中选取符合该交通趋势变化的历史数据,作为空缺信息补偿的辅助信息源;
步骤104:根据步骤103的辅助信息源及经过步骤101优化过的路网,以一条空缺路链道路为中心构建补偿区域对路网中没有行驶轨迹信息覆盖到的路链进行补偿计算,根据空缺路链的路链角色和补偿区域内空缺路链数量确定填补模式,从而完成补偿。
2.根据权利要求1所述的实时交通信息的数据补偿方法,其特征在于:所述步骤101中的路网优化是将路网中所有的道路划到三个集合中:不可达路链集合、主要路链集合和辅助路链集合;所述的不可达路链集合是指在近期一定时间段内不具备车辆通行能力的路链的集合,即在近期一定的时间段内没有被车辆行驶轨迹所覆盖过的路链的集合;所述主要路链集合和辅助路链集合是将各路链按路链角色,即由路链等级和使用率决定进行分类,其过程为:
(1)根据历史数据,将与实时数据间隔x天内的数据进行统计分析,如果一条道路在x天内均没有浮动车的行车轨迹所覆盖,则将该条道路作为异常道路信息放入到不可达路链集合中;
(2)根据历史数据,确定各等级路链的路链角色,即路链等级和使用率,将路链等级和使用率相对较高的道路划分为主要路链集合,将路链等级和使用率相对较低的道路划分为辅助路链集合;所述的路链等级的相对高低是指由路链通行能力对不同性质的路链进行的划分,由地图提供者提供为已知数据;所述使用率由公式1所定义;
其中k表示道路等级,n表示k等级路链中的所包含的路链条数,j表示每一条路链的唯一编号,i表示处理周期序号,m表示一条中的处理周期数;
某等级路链使用率在设定阀值之上的为主要路链,否则为辅助路链。
3.根据权利要求1所述的实时交通信息的数据补偿方法,其特征在于:所述步骤102的异常数据剔除方法为:计算对应时刻对应分类的历史数据序列X,计算数学期望E(X);计算当前时刻交通信息与历史信息的标准差D(X),计算当前时刻交通信息与上一时刻交通信息X′的标准差D(X′),如果:
(1)时刻t生成的实时交通信息数据与数据期望E(X)在设定阀值th范围内,且D(X)与D(X′)差值同样在设定阀值th′内,则认为该时刻数据没有发生异常;
(2)时刻t生成的实时交通信息数据与数据期望E(X)超出设定阀值th,但D(X)与D(X′)差值同样在设定阀值th′内,则等待下一时刻的交通信息数据X″生成,如果下一时刻的交通信息数据D(X)与D(X″)有较大差异,超出设定阀值th′,则认为时刻t的交通信息发生异常,并将异常数据剔除掉。
4.根据权利要求1所述的实时交通信息的数据补偿方法,其特征在于:所述步骤104中的补偿过程如下:
步骤301:在读入最近一个时间窗内由浮动车行驶轨迹所生成的反应实时路链路况数据后,从路网中根据已有的浮动车行驶轨迹信息情况提取出没有被浮动车行驶轨迹所覆盖的空缺信息路链,建立空缺路链集合,剔除空缺路链集合中不可达路链;
步骤302:判断该空缺路链集合是否为空集,如果是,执行步骤309,否则,执行步骤303;
步骤303:获取该空缺路链的拓扑结构,并以该空缺路链为中心划定区域范围,该区域即为匹配区域,执行步骤304;
步骤304:判断该区域内空缺路链数量,如果该区域内只有一条空缺路链,执行305,否则执行步骤306;
步骤305:对该条空缺路链利用道路拓扑结构,用相邻路链路况信息用模式1,即空间差值填补方法进行填补,完成后执行步骤310;
步骤306:确定该区域内空缺信息路链,同时确定路链角色,如果路链为主要道路角色执行步骤307,否则执行步骤308;
步骤307:将该区域内有数据的路链与辅助数据源内对应路链信息作数据相似性对比,选取相似度最高的一组辅助信息源内的行驶轨迹信息,用模式2,即区域匹配填补进行填补,完成后执行步骤310;
步骤308:该区域内的路链为辅助路链角色,直接用对应时间的辅助数据源信息用模式3,即填充填补法进行填补,完成后执行步骤310;
步骤309:整理全路网实时交通信息并输出;
步骤310:将填补后的空缺路链从空缺路链集合中剔除,完成后的返回步骤302。
5.根据权利要求5所述的实时交通信息的数据补偿方法,其特征在于:所述模式1的空间差值填补法是所确定的补偿区域中只有一条空缺路链,利用实时数据中,与空缺信息路链相连的、具有相同路链角色的周边路链信息对空缺路链进行补偿的方法。
6.根据权利要求5所述的实时交通信息的数据补偿方法,其特征在于:所述模式2的区域匹配补偿法是对于确定的填补区域,利用实时数据,将区域中有数据路链与辅助数据源中的数据做交通趋势匹配,寻找该区域内与实时数据最为相似的一组历史数据,对空缺路链信息进行填补的方法,适用于所确定的补偿区域有多条空缺路链,且待填补的路链为主要路链角色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810117560XA CN101325004B (zh) | 2008-08-01 | 2008-08-01 | 一种实时交通信息的数据补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810117560XA CN101325004B (zh) | 2008-08-01 | 2008-08-01 | 一种实时交通信息的数据补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101325004A CN101325004A (zh) | 2008-12-17 |
CN101325004B true CN101325004B (zh) | 2011-10-05 |
Family
ID=40188526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810117560XA Expired - Fee Related CN101325004B (zh) | 2008-08-01 | 2008-08-01 | 一种实时交通信息的数据补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101325004B (zh) |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763730B (zh) * | 2009-12-30 | 2012-09-26 | 北京世纪高通科技有限公司 | 交通路况信息填补方法和*** |
CN101794508B (zh) * | 2009-12-30 | 2012-09-05 | 北京世纪高通科技有限公司 | 交通信息填补方法、装置及*** |
CN101794345B (zh) * | 2009-12-30 | 2013-05-15 | 北京世纪高通科技有限公司 | 一种数据处理方法及装置 |
JP6118246B2 (ja) | 2010-04-21 | 2017-04-19 | トムトム インターナショナル ベスローテン フエンノートシャップ | 電子地図にわたり経路を生成するシステム及び方法 |
CN101894469B (zh) * | 2010-07-21 | 2012-05-23 | 北京世纪高通科技有限公司 | 历史交通信息中事件处理方法及装置 |
CN101950477B (zh) * | 2010-08-23 | 2012-05-23 | 北京世纪高通科技有限公司 | 一种交通信息处理方法及装置 |
CN102855752A (zh) * | 2011-06-30 | 2013-01-02 | 北京畅联万方科技有限公司 | 一种实时交通路况增量发布的方法和装置 |
CN102280029A (zh) * | 2011-07-20 | 2011-12-14 | 北京世纪高通科技有限公司 | 交通信息质量监测方法及装置 |
CN102364546B (zh) * | 2011-10-19 | 2014-02-26 | 北京世纪高通科技有限公司 | 交通信息数据故障处理的方法及装置 |
TW201327458A (zh) * | 2011-12-29 | 2013-07-01 | Chunghwa Telecom Co Ltd | 一種應用車輛探測資料之交通路網生成方法 |
CN102622880A (zh) * | 2012-01-09 | 2012-08-01 | 北京捷易联科技有限公司 | 一种交通信息数据修复方法及装置 |
CN103632541B (zh) * | 2012-08-22 | 2016-06-01 | 北京掌行通信息技术有限公司 | 交通事件路链检测与数据填补方法 |
CN102819953B (zh) * | 2012-08-23 | 2014-07-02 | 北京世纪高通科技有限公司 | 一种疑似新增道路的发现方法和装置 |
CN102982678B (zh) * | 2012-11-28 | 2015-04-01 | 青岛海信网络科技股份有限公司 | 交通数据信息服务***及实现交通数据信息服务的方法 |
CN103903422A (zh) * | 2012-12-24 | 2014-07-02 | 北京掌城科技有限公司 | 一种多源交通信息的融合方法 |
CN104050512A (zh) * | 2013-03-15 | 2014-09-17 | Sap股份公司 | 基于多粒度地图的运输时间估计 |
CN104063830B (zh) * | 2013-03-22 | 2017-06-13 | 北京掌城科技有限公司 | 一种交通信息的交换方法 |
CN104376712B (zh) * | 2013-08-16 | 2017-10-13 | 株式会社日立制作所 | 缺失交通信息补全装置及其方法 |
DE102013014872A1 (de) | 2013-09-06 | 2015-03-12 | Audi Ag | Verfahren, Auswertesystem und kooperatives Fahrzeug zum Prognostizieren von mindestens einem Stauparameter |
US9727630B2 (en) * | 2014-02-18 | 2017-08-08 | Microsoft Technology Licensing, Llc | Dynamic content delivery for real-time trends |
JP5910655B2 (ja) * | 2014-03-25 | 2016-04-27 | トヨタ自動車株式会社 | 移動速度予測装置及び移動速度予測方法 |
CN104966408B (zh) * | 2014-07-22 | 2017-03-15 | 银江股份有限公司 | 一种gps定位数据补偿方法 |
CN105307112B (zh) * | 2014-08-01 | 2019-03-26 | 中国电信股份有限公司 | 分析获取用户移动轨迹的方法和*** |
CN104217002B (zh) * | 2014-09-14 | 2017-08-25 | 北京航空航天大学 | 一种基于高质量数据获取的路况信息填补方法 |
CN107430813B (zh) * | 2015-03-27 | 2020-05-12 | 三菱电机株式会社 | 驾驶辅助信息生成装置、驾驶辅助信息生成方法、驾驶辅助装置、及驾驶辅助方法 |
CN104809871B (zh) * | 2015-04-10 | 2017-05-03 | 安徽四创电子股份有限公司 | 一种基于gps的不同种类联网车辆数据补偿方法 |
CN105225486A (zh) * | 2015-10-09 | 2016-01-06 | 哈尔滨工业大学深圳研究生院 | 填补缺失浮动车数据的方法及*** |
CN105489014B (zh) * | 2016-01-13 | 2017-09-15 | 北京理工大学 | 一种基于主成分分析交通信息的补偿方法 |
US10054454B2 (en) * | 2016-05-06 | 2018-08-21 | Ford Global Technologies, Llc | Network based storage of vehicle and infrastructure data for optimizing vehicle routing |
CN107705545B (zh) * | 2017-09-14 | 2021-10-01 | 王淑芳 | 一种重点营运车辆轨迹点补充方法和*** |
CN107633692A (zh) * | 2017-09-29 | 2018-01-26 | 河南理工大学 | 一种城市快速路入口匝道无模型自适应控制方法 |
CN107945509A (zh) * | 2017-11-14 | 2018-04-20 | 武汉大学 | 一种道路路况图像导航方法及*** |
TWI661328B (zh) * | 2018-03-28 | 2019-06-01 | 中華電信股份有限公司 | 資料分析伺服器設備及其最佳組合分析方法 |
CN109615851B (zh) * | 2018-07-30 | 2021-01-29 | 北京航空航天大学 | 一种在群智感知***中基于关键路段的感知节点选取方法 |
CN109087508B (zh) * | 2018-08-30 | 2021-09-21 | 广州市市政工程设计研究总院有限公司 | 基于高清卡口数据的毗邻区域交通量分析方法及*** |
CN109272059B (zh) * | 2018-12-04 | 2021-05-04 | 合肥泰禾光电科技股份有限公司 | 一种动态数据分类方法及装置 |
CN111524350B (zh) * | 2020-04-16 | 2021-06-22 | 廊坊师范学院 | 车路协同异常行驶状况检测方法、***、终端设备及介质 |
CN113393663A (zh) * | 2020-10-22 | 2021-09-14 | 浙江交通职业技术学院 | 一种道路路径行程时间的滚动预测方法 |
CN112489418B (zh) * | 2020-10-22 | 2022-10-14 | 浙江交通职业技术学院 | 一种基于道路路段行程时间预测模型的路段行程时间动态误差修正方法 |
CN114664090B (zh) * | 2022-04-14 | 2023-07-04 | 山东大学 | 基于循环神经网络的交通数据填补方法及*** |
-
2008
- 2008-08-01 CN CN200810117560XA patent/CN101325004B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101325004A (zh) | 2008-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101325004B (zh) | 一种实时交通信息的数据补偿方法 | |
Zhao et al. | Truck traffic speed prediction under non-recurrent congestion: Based on optimized deep learning algorithms and GPS data | |
CN104134349A (zh) | 一种基于交通多源数据融合的公交路况处理***及方法 | |
US20040088392A1 (en) | Population mobility generator and simulator | |
CN110288212A (zh) | 基于改进的mopso的电动出租车新建充电站选址方法 | |
CN109544929A (zh) | 一种基于大数据的车辆低碳控制与诱导方法、***、设备和存储介质 | |
CN104318766A (zh) | 一种公交gps轨迹数据的路网匹配方法 | |
CN109559512A (zh) | 一种区域交通流量预测方法及装置 | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划***及方法 | |
Li et al. | Deep learning based parking prediction on cloud platform | |
CN104731963A (zh) | 一种基于车联网的网格化路径推荐方法及*** | |
CN104464344A (zh) | 一种车辆行驶路径预测方法及*** | |
Kimpton et al. | Contemporary parking policy, practice, and outcomes in three large Australian cities | |
Wei et al. | A Two‐Layer Network Dynamic Congestion Pricing Based on Macroscopic Fundamental Diagram | |
Junyou et al. | Application of support vector machine in bus travel time prediction | |
Saha et al. | Network model for rural roadway tolling with pavement deterioration and repair | |
CN104331746B (zh) | 一种分离式的动态路径优化***及其方法 | |
Hao et al. | Planning of Truck Platooning for Road-Network Capacitated Vehicle Routing Problem | |
Li et al. | Route restoration method for sparse taxi GPS trajectory based on Bayesian network | |
Wang et al. | Logistical inventory approach in forecasting and relocating share-use vehicles | |
Hwang et al. | Travel time prediction by weighted fusion of probing vehicles and vehicle detectors data sources | |
Li et al. | Variable speed limit strategies based on the macro hierarchical control traffic flow model | |
Liu | Bi-level optimization algorithm for dynamic reversible lane control based on short-term traffic flow prediction | |
Lai et al. | Modeling arterial signal coordination for bus priority using mobile phone GPS data | |
Rousseau et al. | SMART Mobility. Modeling Workflow Development, Implementation, and Results Capstone Report |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111005 |