CN102779410A - 一种多源异类海量交通数据融合的并行实现方法 - Google Patents
一种多源异类海量交通数据融合的并行实现方法 Download PDFInfo
- Publication number
- CN102779410A CN102779410A CN2012102507350A CN201210250735A CN102779410A CN 102779410 A CN102779410 A CN 102779410A CN 2012102507350 A CN2012102507350 A CN 2012102507350A CN 201210250735 A CN201210250735 A CN 201210250735A CN 102779410 A CN102779410 A CN 102779410A
- Authority
- CN
- China
- Prior art keywords
- data
- traffic
- gps
- node
- subregion
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种多源异类海量交通数据融合的并行实现方法,基于D-S证据融合理论,对交通***中地感线圈(SCATS)和车载导航(GPS)采集到的交通数据进行并行融合,包括:(1)收集SCATS和GPS采集到的数据;(2)利用二维四叉树法将交通区域划分成子区域;(3)将SCATS数据利用算法级并行,粗糙转换成车辆平均速度;(4)将GPS数据利用数据级并行,转换成车辆平均速度;(5)把来源于SCATS和GPS的车辆平均速度进行证据并行融合,评估交通状态。本发明具有运行时间短、准确性高、覆盖区域大等优点,可以高效评估实时交通状态,为出行者和交通管理者提供更准确的交通信息。
Description
技术领域
本发明属于智能交通技术领域,尤其涉及一种多源异类海量交通数据融合的并行实现方法,具体涉及一种将地感线圈(SCATS)和车载导航(GPS)采集到的交通数据进行并行转化和融合的方法。
背景技术
交通***是国家和社会发展的必要基础。但是现有的交通基础设施不能满足日益增长的车辆数量,这会给国家经济、人民健康、社会治安带来严重隐患。人们迫切需要一种低能耗、占地少、成本低的交通拥堵解决方案。智能交通***(ITS)应运而生。智能交通***是指将信息通信技术运用于交通基础设施和交通工具,缓解交通拥堵,提高交通效率和安全性,减少能耗和废气排放,增加经济效益。先进的出行者信息***(ATIS)是智能交通***的重要组成部分,它收集加工处理交通信息,并将结果发送给出行者和交通管理者,帮助他们规划路径,做出更合理的管理决策。ATIS的首要目标是提供实时准确的大规模城区路段网络中的交通状况评估。城市路段网络中存在大量的传感器,如地感线圈(SCATS)、车载导航(GPS)、摄像机、手机等,可收集到海量交通数据。目前交通***中主要的两种传感器,SCATS和GPS,都存在一定的缺陷。SCATS数据转换成交通状态特征(车辆速度)的准确率低;GPS收集的数据没有统计学意义,并且由于坐标系的不同,与地图匹配的过程中经常出现错误。当各种交通传感器采集的数据量增加时,数据处理的实时性受到极大的影响。因此,如何快速融合由不同类型的传感器收集的海量交通数据,实现对交通状态的实时准确的评估,成为智能交通领域亟待解决的问题。
经文献检索发现,Cheu等人于2001年在智能交通***大会上发表论文《Anarterial speed estimation model fusing data from stationary and mobile sensors》(《一种融合固定式和移动式传感器数据的动态速度估计模型》),提出了一个基于神经网络的融合模型,并进行了仿真试验。但是神经网络需要大量的数据真值进行训练,在实际应用中难以实现。Choi等人于2002年在《Intelligent TransportationSystem》(《智能交通***》)上发表论文《A data fusion algorithm for estimating linktravel time》(《一种评估路段行程时间的融合算法》)采用模糊推理算法来融合路段行程时间数据,但是该算法具有很强的针对性,可移植性差。也有人提出了自动事件检测算法和先进的驾驶辅助***,但是这些技术都不能实时处理海量交通数据。
发明内容
本发明要克服现有技术中的不足,提供一种多源异类海量交通数据融合的并行实现方法,能高效处理地感线圈(SCATS)和车载导航(GPS)收集到的交通数据,得到实时准确的交通信息,为出行者和交通管理者提供便利。
为实现上述目的,本发明首先收集SCATS和GPS采集到的交通数据,并将交通区域划分成子区域,分别采用算法级并行和数据级并行将SCATS和GPS采集的数据转换为路段平均速度,最后通过数据级并行计算将两种平均速度进行证据融合,输出评估之后的交通状态。
本发明的方法通过以下具体步骤实现:
(1)收集SCATS和GPS采集到的数据:
SCATS采集到包含数据采集时间、周期、线圈编号、线圈饱和度、时间占用率的交通数据。GPS采集到包含采集时间、车辆编号、车辆速度、车辆位置坐标、车辆行驶方向的交通数据。
(2)区域划分:将交通区域划分成子区域,将GPS采集到的数据拟合到对应的子区域的路段上。具体步骤如下:
①设定一个阈值,阈值=GPS点的数量×路段数量÷集群中的从节点数;
②根据交通区域中的计算量(GPS点的数量×路段数量),利用二维四叉树法在平面地图上将交通区域划分成子区域,如果子区域中的计算量大于阈值,则继续划分,直到子区域计算量小于阈值;
③设定一个大于交通区域中95%的路段长度的临界值A;
④将子区域的长和宽分别扩展A形成扩展之后的区域;
⑤根据计算量最大-最小配对规则,将子区域进行搭配,为每个子区域分配一个对应的集群从节点,保证各个从节点的计算量均衡;
(3)SCATS数据并行粗糙转换:
基于消息传递接口(MPI)编码程序,并行计算各个属性重要度,然后根据粗糙集理论提取交通状态评估规则。具体步骤如下:
①初始化MPI环境;
②通过MPI将整个交通区域交通特征数据集发送给各个从节点;
③每个从节点判断对应子区域的数据集是否与整个交通区域的其他数据集冲突;
④将非冲突数据集归到从节点,计算非冲突记录的条数;
⑤各个从节点将非冲突记录的条数发送到主节点,形成变量在主节点上计算得出各属性重要度,并行逻辑;
⑥主节点利用粗糙集算法根据整个交通区域历史交通数据提取评估规则;
⑦将评估规则和整个交通区域的实时数据发送至各个从节点;
⑧集群中的各从节点根据⑥中的规则评估对应子区域的实时交通数据,得出路段平均速度;
(4)GPS数据并行转换:将GPS点拟合到路段上,根据GPS数据计算出各条路段的平均速度。具体步骤如下:
①将各个子区域的GPS数据发送到集群中对应的从节点;
②在从节点上将GPS点的坐标进行转换;
③将GPS点的坐标与地图中的路段进行匹配;
④各从节点采用最小距离法,将GPS点拟合到对应子区域扩展之后的区域内离该点距离最近的一条路段上;
⑤根据GPS数据分别计算各条路段的平均速度。
(5)证据并行融合:将各个子区域SCATS数据经过并行粗糙转换之后得到的路段平均速度和GPS数据经过并行转换后得到的路段平均速度进行并行融合,得出整个交通区域的路段平均速度。具体步骤如下:
①各个从节点同时将对应子区域来源于同一条路段上的由SCATS和GPS数据转换得到的车辆平均速度利用D-S证据理论进行融合;
②将融合的结果作为整个交通区域每条路上的车辆平均速度输出,同时将结果添加到整个交通区域的交通状态特征数据库中,更新里面的数据。基于更新之后的数据提取新的评估规则,循环评估子区域SCATS收集的实时数据。
本发明针对快速准确地融合由不同类型的传感器收集的海量交通数据的需要,利用并行计算技术,实时处理海量交通信息,具有处理简单、运行时间短、精确度高、适用性强等优点。特别是不需要对数据进行删减,完整地处理所有数据,克服了以往技术方法都难以克服的难点,也消除了实现真正工程应用的主要障碍。本发明基于D-S证据融合技术和并行计算方法,实现了多源异类海量交通数据快速准确地融合,最终为高效评估实时交通状态提供了一种新的方法。
本发明的优点是:可以快速准确地转换融合多源异类海量交通数据,不需要对数据进行删减,也不需要进行模拟试验,而且适用性强,可以应用于各种交通区域。由于克服了这些现有技术在实际工程应用方面难以解决的困难,因此真正实现了实时准确评估交通状态。
附图说明
图1本发明方法流程图。
图2算法级并行逻辑示意图。
具体实施方式
以下结合附图和实施例对本发明的技术方案作进一步详细说明。以下实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和过程,但本发明的保护范围不限于下述的实施例。
本实施例具体实施步骤如下:
(1)收集SCATS和GPS采集到的数据:
①以上海2077条路段作为数据采集区域,8:00-17:00作为数据采集时间段,SCATS和GPS每隔20秒采集到的数据作为源数据;
②SCATS采集到包含数据采集时间、周期、线圈编号、线圈饱和度、时间占用率的交通数据。GPS采集到包含采集时间、车辆编号、车辆速度、车辆位置坐标、车辆行驶方向的交通数据;
③每10min的数据作为一个处理批次。
(2)区域划分:将交通区域划分成子区域,将GPS采集到的数据拟合到对应的子区域的路段上。具体步骤如下:
①设定一个阈值,阈值=1613849×2077÷32。1613849是采样区域8:00-17:00这一时间段的历史GPS点数量。本实施例中采用曙光TC4000L,此集群中含有32个从节点。
②根据交通区域中的计算量(GPS点数量×路段数量),利用二维四叉树法在平面地图上将交通区域划分成64个子区域;
③设定一个大于交通区域中95%的路段长度的临界值A=104,104为GIS单位;
④将子区域的长和宽分别扩展A形成扩展之后的区域。
(3)SCATS数据并行粗糙转换:
基于消息传递接口(MPI)编码程序,并行计算各个属性重要度,然后根据粗糙集理论提取交通状态评估规则。具体步骤如下:
①初始化MPI环境;
②通过MPI将整个交通区域的历史交通特征数据集发送给各个从节点;
③每个从节点判断对应子区域的数据集是否与整个交通区域的其他数据集冲突;
④将非冲突数据集归到从节点,计算非冲突记录的条数;
⑤各个从节点将非冲突记录的条数发送到主节点,形成变量在主节点上计算得出各属性重要度,并行逻辑如图2所示;
⑥主节点根据交通波理论,计算整个交通区域的历史路段平均速度(算法如下),并利用粗糙集算法根据整个交通区域历史交通数据提取评估规则;
ti=(L-i·lv)/u1+(i·lv+lc)/u2+tr
ti代表第i辆车通过一条路段的时间,L代表路段长度,lv和lc分别代表车辆和线圈的平均长度,u1和u2分别代表车辆进入线圈阵列前和离开阵列的平均速度。tr代表等候红灯的时间。
代表路段平均速度,q代表流量。
⑦将评估规则和实时数据发送至各个从节点;
⑧集群中的各从节点根据⑥中的规则评估对应子区域的实时交通数据,得出车辆平均速度;
(4)GPS数据并行转换:将GPS点拟合到路段上,根据GPS数据计算出各条路段上车辆的平均速度。具体步骤如下:
①将各个子区域的GPS数据发送到集群中对应的从节点;
②在从节点上将GPS点的经纬度坐标转换成城建坐标;
③将GPS点的坐标与地图进行匹配;
④各从节点采用最小距离法,将GPS点拟合到对应子区域扩展区域离该点距离最近的一条路段上;
⑤根据GPS数据分别计算各路段的平均速度:
①从节点将来源于对应子区域同一条路段上的由GPS和SCATS数据转换得到的路段平均速度进行融合,算法如下:
m(Ct)代表t时刻***融合得到的结果,mi(Ai,t),i=1,2,...,X代表从t时刻第i个传感器收集数据中提取到的基本概率赋值(Basic Probability Assignment,BPA)。
②以最大可信度作为决策规则,将融合的结果作为整个交通区域每条路上的路段平均速度输出,同时将结果添加到整个交通区域的交通状态特征数据库中,更新里面的数据。基于更新之后的数据提取新的评估规则,循环评估子区域SCATS收集的实时数据。
与从人工拍摄的视频中提取的交通数据相比,根据以上方法融合得到的交通数据准确率达到95%以上,每批次整个过程运行的时间为289秒,而单个节点串行计算融合则需要5045秒。
Claims (1)
1.一种多源异类海量交通数据融合的并行实现方法,其特征在于包括以下步骤:
(1)收集SCATS和GPS采集到的数据:
SCATS采集到包含数据采集时间、周期、线圈编号、线圈饱和度、时间占用率的交通数据。GPS采集到包含采集时间、车辆编号、车辆速度、车辆位置坐标、车辆行驶方向的交通数据;
(2)区域划分:将交通区域划分成子区域,将GPS采集到的数据拟合到对应的子区域的路段上,具体步骤如下:
①设定一个阈值,阈值=GPS点的数量×路段数量÷集群中的从节点数;
②根据交通区域中的计算量(GPS点的数量×路段数量),利用二维四叉树法在平面地图上将交通区域划分成子区域,如果子区域中的计算量大于阈值,则继续划分,直到子区域计算量小于阈值;
③设定一个大于交通区域中95%的路段长度的临界值A;
④将子区域的长和宽分别扩展A形成扩展之后的区域;
⑤根据计算量最大-最小配对规则,将子区域进行搭配,为每个子区域分配一个对应的集群从节点,保证各个从节点的计算量均衡;
(3)SCATS数据并行粗糙转换:
基于消息传递接口(MPI)编码程序,并行计算各个属性重要度,然后根据粗糙集理论提取交通状态评估规则。具体步骤如下:
①初始化MPI环境;
②通过MPI将整个交通区域交通特征数据集发送给各个从节点;
③每个从节点判断对应子区域的数据集是否与整个交通区域的其他数据集冲突;
④将非冲突数据集归到从节点,计算非冲突记录的条数;
⑤各个从节点将非冲突记录的条数发送到主节点,形成变量在主节点上计算得出各属性重要度,并行逻辑;
⑥主节点利用粗糙集算法根据整个交通区域历史交通数据提取评估规则;
⑦将评估规则和整个交通区域的实时数据发送至各个从节点;
⑧集群中的各从节点根据⑥中的规则评估对应子区域的实时交通数据,得出路段平均速度;
(4)GPS数据并行转换:将GPS点拟合到路段上,根据GPS数据计算出各条路段的平均速度,具体步骤如下:
①将各个子区域的GPS数据发送到集群中对应的从节点;
②在从节点上将GPS点的坐标进行转换;
③将GPS点的坐标与地图中的路段进行匹配;
④各从节点采用最小距离法,将GPS点拟合到对应子区域扩展之后的区域内离该点距离最近的一条路段上;
⑤根据GPS数据分别计算各条路段的平均速度;
(5)证据并行融合:将各个子区域SCATS数据经过并行粗糙转换之后得到的路段平均速度和GPS数据经过并行转换后得到的路段平均速度进行并行融合,得出整个交通区域的路段平均速度,具体步骤如下:
①各个从节点同时将对应子区域来源于同一条路段上的由SCATS和GPS数据转换得到的车辆平均速度利用D-S证据理论进行融合;
②将融合的结果作为整个交通区域每条路上的车辆平均速度输出,同时将结果添加到整个交通区域的交通状态特征数据库中,更新里面的数据。基于更新之后的数据提取新的评估规则,循环评估子区域SCATS收集的实时数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210250735.0A CN102779410B (zh) | 2012-07-19 | 2012-07-19 | 一种多源异类海量交通数据融合的并行实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210250735.0A CN102779410B (zh) | 2012-07-19 | 2012-07-19 | 一种多源异类海量交通数据融合的并行实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102779410A true CN102779410A (zh) | 2012-11-14 |
CN102779410B CN102779410B (zh) | 2014-08-06 |
Family
ID=47124317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210250735.0A Expired - Fee Related CN102779410B (zh) | 2012-07-19 | 2012-07-19 | 一种多源异类海量交通数据融合的并行实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102779410B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104417565A (zh) * | 2013-08-26 | 2015-03-18 | 福特全球技术公司 | 传感器融合车速估算的***和方法 |
CN104680775A (zh) * | 2013-11-28 | 2015-06-03 | 中国科学院深圳先进技术研究院 | 基于海量交通数据的路网实时最优路径的并行提取方法 |
CN104881996A (zh) * | 2015-05-15 | 2015-09-02 | 上海交通大学 | 基于蓝牙技术的实时交通数据采集分析*** |
CN105788256A (zh) * | 2016-03-30 | 2016-07-20 | 北京交通大学 | 基于车联网的路况信息感知方法 |
CN108777064A (zh) * | 2018-05-24 | 2018-11-09 | 深圳市益鑫智能科技有限公司 | 一种基于信息融合的交通状态评估*** |
CN109035815A (zh) * | 2018-08-16 | 2018-12-18 | 公安部交通管理科学研究所 | 基于多源交通大数据的交通信号优化***及运行方法 |
CN110717574A (zh) * | 2018-07-11 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 一种神经网络运行方法、装置及异构智能芯片 |
CN111026987A (zh) * | 2018-10-10 | 2020-04-17 | 千寻位置网络有限公司 | 展示海量车辆位置分布信息的多层聚合方法及*** |
CN113160571A (zh) * | 2021-06-28 | 2021-07-23 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
CN113256984A (zh) * | 2021-06-25 | 2021-08-13 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
CN114267173A (zh) * | 2021-12-13 | 2022-04-01 | 河北雄安京德高速公路有限公司 | 高速公路时空特征的多源数据融合方法、装置及设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106940929B (zh) * | 2016-01-04 | 2019-12-20 | 杭州海康威视数字技术股份有限公司 | 交通数据预测方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060101105A (ko) * | 2005-03-19 | 2006-09-22 | 엘지전자 주식회사 | 교통정보의 수집을 이용한 네비게이션 방법 |
CN101216998A (zh) * | 2008-01-11 | 2008-07-09 | 浙江工业大学 | 基于模糊粗糙集的证据理论城市交通流信息融合方法 |
CN101256083A (zh) * | 2008-04-09 | 2008-09-03 | 山东大学 | 基于动态信息的城市交通网络路径选择方法 |
EP2278573A1 (en) * | 2006-03-03 | 2011-01-26 | Inrix, Inc. | Assessing road traffic conditions using data from multiple sources |
WO2011126215A2 (ko) * | 2010-04-09 | 2011-10-13 | 고려대학교 산학협력단 | 양방향 통신 기능을 결합한 차량용 네비게이터 기반 실시간 교통망 구조 제어와 연계한 교통 흐름 제어 및 동적 경로 제공 시스템 및 그 방법 |
CN102368355A (zh) * | 2011-10-19 | 2012-03-07 | 北京世纪高通科技有限公司 | 快速更新交通数据的方法和*** |
CN102542801A (zh) * | 2011-12-23 | 2012-07-04 | 北京易华录信息技术股份有限公司 | 一种融合多种交通数据的交通状况预测***及方法 |
-
2012
- 2012-07-19 CN CN201210250735.0A patent/CN102779410B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060101105A (ko) * | 2005-03-19 | 2006-09-22 | 엘지전자 주식회사 | 교통정보의 수집을 이용한 네비게이션 방법 |
EP2278573A1 (en) * | 2006-03-03 | 2011-01-26 | Inrix, Inc. | Assessing road traffic conditions using data from multiple sources |
CN101216998A (zh) * | 2008-01-11 | 2008-07-09 | 浙江工业大学 | 基于模糊粗糙集的证据理论城市交通流信息融合方法 |
CN101256083A (zh) * | 2008-04-09 | 2008-09-03 | 山东大学 | 基于动态信息的城市交通网络路径选择方法 |
WO2011126215A2 (ko) * | 2010-04-09 | 2011-10-13 | 고려대학교 산학협력단 | 양방향 통신 기능을 결합한 차량용 네비게이터 기반 실시간 교통망 구조 제어와 연계한 교통 흐름 제어 및 동적 경로 제공 시스템 및 그 방법 |
CN102368355A (zh) * | 2011-10-19 | 2012-03-07 | 北京世纪高通科技有限公司 | 快速更新交通数据的方法和*** |
CN102542801A (zh) * | 2011-12-23 | 2012-07-04 | 北京易华录信息技术股份有限公司 | 一种融合多种交通数据的交通状况预测***及方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104417565B (zh) * | 2013-08-26 | 2018-07-06 | 福特全球技术公司 | 传感器融合车速估算的***和方法 |
CN104417565A (zh) * | 2013-08-26 | 2015-03-18 | 福特全球技术公司 | 传感器融合车速估算的***和方法 |
CN104680775A (zh) * | 2013-11-28 | 2015-06-03 | 中国科学院深圳先进技术研究院 | 基于海量交通数据的路网实时最优路径的并行提取方法 |
CN104680775B (zh) * | 2013-11-28 | 2018-06-22 | 中国科学院深圳先进技术研究院 | 基于海量交通数据的路网实时最优路径的并行提取方法 |
CN104881996A (zh) * | 2015-05-15 | 2015-09-02 | 上海交通大学 | 基于蓝牙技术的实时交通数据采集分析*** |
CN105788256A (zh) * | 2016-03-30 | 2016-07-20 | 北京交通大学 | 基于车联网的路况信息感知方法 |
CN105788256B (zh) * | 2016-03-30 | 2018-07-24 | 北京交通大学 | 基于车联网的路况信息感知方法 |
CN108777064A (zh) * | 2018-05-24 | 2018-11-09 | 深圳市益鑫智能科技有限公司 | 一种基于信息融合的交通状态评估*** |
CN110717574A (zh) * | 2018-07-11 | 2020-01-21 | 杭州海康威视数字技术股份有限公司 | 一种神经网络运行方法、装置及异构智能芯片 |
CN109035815A (zh) * | 2018-08-16 | 2018-12-18 | 公安部交通管理科学研究所 | 基于多源交通大数据的交通信号优化***及运行方法 |
CN111026987A (zh) * | 2018-10-10 | 2020-04-17 | 千寻位置网络有限公司 | 展示海量车辆位置分布信息的多层聚合方法及*** |
CN113256984A (zh) * | 2021-06-25 | 2021-08-13 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
CN113256984B (zh) * | 2021-06-25 | 2021-11-05 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
CN113160571A (zh) * | 2021-06-28 | 2021-07-23 | 智道网联科技(北京)有限公司 | 基于车路协同的多数据源的数据融合处理方法和装置 |
CN114267173A (zh) * | 2021-12-13 | 2022-04-01 | 河北雄安京德高速公路有限公司 | 高速公路时空特征的多源数据融合方法、装置及设备 |
CN114267173B (zh) * | 2021-12-13 | 2023-08-18 | 河北雄安京德高速公路有限公司 | 高速公路时空特征的多源数据融合方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102779410B (zh) | 2014-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102779410B (zh) | 一种多源异类海量交通数据融合的并行实现方法 | |
US10573173B2 (en) | Vehicle type identification method and device based on mobile phone data | |
CN106205114B (zh) | 一种基于数据融合的高速公路路况信息实时获取方法 | |
CN102737510B (zh) | 一种基于移动智能终端的实时交通路况采集方法 | |
CN102941853B (zh) | 基于实时无线通讯网络的汽车智能辅助驾驶***及方法 | |
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*** | |
US20170091350A1 (en) | Near real-time modeling of pollution dispersion | |
Hussein et al. | Automated pedestrian safety analysis at a signalized intersection in New York City: Automated data extraction for safety diagnosis and behavioral study | |
CN104751631A (zh) | 基于gps定位和模糊理论判断出行链交通方式的方法 | |
CN104121918A (zh) | 一种实时路径规划的方法和*** | |
EP2590151A1 (en) | A framework for the systematic study of vehicular mobility and the analysis of city dynamics using public web cameras | |
CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
CN103337189A (zh) | 一种基于路段动态划分的车辆路径诱导方法 | |
CN107705551A (zh) | 交通路况的评估方法以及装置 | |
CN103177585B (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
CN104731963A (zh) | 一种基于车联网的网格化路径推荐方法及*** | |
CN109377757A (zh) | 基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法 | |
CN104881996A (zh) | 基于蓝牙技术的实时交通数据采集分析*** | |
CN108039046A (zh) | 一种基于c-v2x的城市交叉路口行人检测识别*** | |
CN111445369A (zh) | 基于lbs大数据的城市大型聚集活动情报预警方法和装置 | |
CN110021161B (zh) | 一种交通流向的预测方法及*** | |
CN103093625A (zh) | 一种基于可信度验证的城市道路交通状态实时估计方法 | |
CN104183135B (zh) | 车辆行进开销的估计方法及*** | |
Montero et al. | Case study on cooperative car data for estimating traffic states in an urban network | |
CN108053646A (zh) | 基于时间敏感特征的交通特征获取方法、预测方法及*** |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20171130 Address after: Hangzhou City, Zhejiang province Yuhang District 311121 West 1326 Street warehouse before 1 Building No. 7 room 701-1 Patentee after: Hangzhou Yuantiao Science and Technology Co.,Ltd. Address before: Hangzhou City, Zhejiang province 310036 Xiasha Higher Education Park forest Street No. 16 Patentee before: Hangzhou Normal University |
|
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: 20140806 |