CN102956105B - 一种浮动车样本点数据插值的方法 - Google Patents
一种浮动车样本点数据插值的方法 Download PDFInfo
- Publication number
- CN102956105B CN102956105B CN201210436017.2A CN201210436017A CN102956105B CN 102956105 B CN102956105 B CN 102956105B CN 201210436017 A CN201210436017 A CN 201210436017A CN 102956105 B CN102956105 B CN 102956105B
- Authority
- CN
- China
- Prior art keywords
- section
- path
- data
- floating car
- road section
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种浮动车样本点数据插值方法,利用浮动车在行驶过程中定期采集车辆编号、速度、位置和时间信息,通过移动蜂窝通信技术传送到数据中心,并存储在道路行车数据库中;对行驶道路分段得到路段集,并通过提取浮动车历史数据,分时间段统计各路段的历史平均速度信息,以作为对应路段属性信息存储及定期更新维护;提取同一浮动车最近两次数据点,以两点线段为直径圈定圆域作为候选路段覆盖区域,以筛选出候选路段集;根据候选路段集,组合可能行车路径,并结合浮动车数据点时间差计算得到各路径的平均速度信息,进而选择与路径历史平均速度最匹配的路径,最后对该路径所有路段进行样本插值,插值数据存储在浮动车插值数据库中。
Description
【技术领域】
本发明属于信息技术应用领域,具体是涉及一种浮动车样本点数据插值的方法。
【背景技术】
浮动车(Floating Car Data)技术,也被称作“探测车(Probe car)”,是近年来国际智能交通***(ITS)中所采用的获取道路交通信息的先进技术手段之一。其基本原理是:根据装备车载全球定位***的浮动车在其行驶过程中定期记录的车辆位置,方向和速度信息,应用地图匹配、路径推测等相关的计算模型和算法进行处理,使浮动车位置数据和城市道路在时间和空间上关联起来,最终得到浮动车所经过道路的车辆行驶速度以及道路的行车旅行时间等交通拥堵信息。如果在城市中部署足够数量的浮动车,并将这些浮动车的位置数据通过无线通讯***定期、实时地传输到一个信息处理中心,由信息中心综合处理,就可以获得整个城市动态、实时的交通拥堵信息。
由于浮动车数据采样周期较长,同时由于天气、障碍物、GPS信号较弱等随机因素,GPS采集的浮动车数据难免出错或丢失,导致道路浮动车样本数据覆盖率及覆盖强度不足,使得进行实时道路路况计算的准确率不高,不能很好的描述浮动车行驶状况的实时度和准确度。
有鉴于此,本发明人针对现有技术的缺陷深入研究,并有本案产生。
【发明内容】
本发明所要解决的技术问题在于提供一种浮动车样本点数据插值的方法,从而提高浮动车样本点数据准确度提供主动提醒服务。
本发明采用以下技术方案解决上述技术问题:
一种浮动车样本点数据插值的方法,该方法包括如下步骤:
步骤10:数据采集:
利用浮动车在行驶过程中定期采集车辆编号、速度、位置和时间信息,通过移动蜂窝通信技术传送到数据中心,并存储在道路行车数据库中;
步骤20:定期分段统计各路段集浮动车的平均速度:
对行驶道路分段得到路段集,并通过提取浮动车历史数据,分时间段统计各路段的历史平均速度信息,以作为对应路段属性信息存储及定期更新维护;
步骤30:筛选候选路段集:
提取同一浮动车最近两次数据点,以两点线段为直径圈定圆域作为候选路段覆盖区域,以筛选出候选路段集;
步骤40:汇总最匹配路径样本点数据:
根据候选路段集,组合可能行车路径,并结合浮动车数据点时间差计算得到各路径的平均速度信息,进而选择与路径历史平均速度最匹配的路径,最后对该路径所有路段进行样本插值,插值数据存储在浮动车插值数据库中。
所述步骤10具体包括:
利用车载信息终端以周期τ定期采集车辆编号ui,位置li,时间ti,速度vi,路程di,得到行车数据序列Ci=<ui,li,ti,vi,di>,将采集到的数据通过移动蜂窝通信技术传送到数据中心,并存储到道路行车数据库中,其中i为行车数据序列Ci的编号。
所述步骤20具体包括:
步骤21:数据中心对行驶道路进行分段,得到路段集M,路段集M表示为 为***根据每100米划分一个路段得到的常量,所述路段mp可表示为mp=<p,rp,areap,sp,ep>
其中,p为路段编号,rp为路段长度,areap为路段覆盖区域范围,sp为路段起始位置,ep为路段结束位置;
步骤22:在给定的滑动统计时间窗T内,首先定期根据当前时间t,从行车数据序列Ci中提取位置信息li,判断位置信息li所属的路段,即当li∈areap时,得到行车数据序列Ci所属的路段,将行车数据序列Ci存储到路段数据库路段mp对应的位置,重复上述步骤依次提取行车数据序列直至处于时间段[t-T,t]的行车数据序列Ci提取结束;
步骤23:从路段数据库路段mp对应的位置中依次提取处于[t-T,t]时间段行车数据序列Ci中的速度vi并求得路段mp的历史平均速度,将路段历史平均速度存储到路段数据库相应的位置并以滑动时间窗口T定期更新维护。
所述步骤30具体包括:
步骤31:数据中心根据车辆编号uj从路段数据库检索最近两次行车数据序列Cj与Cj-1,通过地理信息***获取行车数据序列Cj与Cj-1分别对应两点位置lj和位置lj-1之间的线段长L,以两点线段为直径,以线段L中点为圆心圈定圆域并作为候选路段覆盖区域;
步骤32:数据中心通过地理信息***检索圆域内包含的路段,选取可连通位置lj和位置lj-1路径所包含的路段构成候选路段集Q,所述的候选路段集Q表示为其中q1,q2,q3,...,为圆域内包含的所有候选路段,n1记录候选路段的数量。
所述步骤40具体包括:
步骤41:根据候选路段集组合可能的行车路径,不同行车路径由行车路径集合W定义,集合W可表示为其中,n2用于记录行车路径的数量,W1,W2,...,Wj,...,一般按行车路径长度自短到长排列,Wj为行车路径,Wj可表示为其中Aj表示行车路径Wj所包含的候选路段集,Aj可表示为其中a1,a2,a3,...,为组成行车路径Wj的候选路段,sj表示组成该行车路径所有候选路段长度之和,为行车路径平均速度,可表示为其中τ为行车数据序列Cj与其上一次数据Cj-1的时间差,也为浮动车时间周期,即τ=tj-tj-1,为路径的历史平均速度,不同行车路径下的行车路径平均速度与路径的历史平均速度的差值由集合ΔV定义,ΔV可表示为 其中Δv1,Δv2,...,Δvj,...为不同行车路径下的行车路径平均速度与路径历史平均速度的绝对差值,从ΔV中选取最小值(即min(Δv1,Δv2,...,Δvj,...))对应的行车路径为最佳匹配行车路径;
步骤42:数据中心根据集合ΔV中Δv1,Δv2,...,Δvj,...的大小查询匹配路径表H得到每条行车路径匹配置信度,所述的匹配路径表H可表示为H={δj,βj},其中δj为路径Wj的行车路径平均速度与路径历史平均速度的差值,βj为路径Wj的匹配置信度(以时速每相差5公里为一个匹配档次可计算如下)。
步骤43:由上述得到的浮动车的编号uj、插值数据时间值(tj+tj-1)/2、最佳匹配路径的行车路径平均速度以及最佳匹配路径中的路段ajj汇总成浮动车插值行车数据序列C′jj,C′jj表示为并作为样本点数据存储在浮动车插值数据库中,以提高浮动车数据的样本覆盖率。
本发明的优点在于:本发明利用浮动车在行驶过程中定期采集车辆编号、速度、位置和时间信息,通过移动蜂窝通信技术传送到数据中心,并存储在道路行车数据库中;对行驶道路分段得到路段集,并通过提取浮动车历史数据,分时间段统计各路段的历史平均速度信息,以作为对应路段属性信息存储及定期更新维护;提取同一浮动车最近两次数据点,以两点线段为直径圈定圆域作为候选路段覆盖区域,以筛选出候选路段集;根据候选路段集,组合可能行车路径,并结合浮动车数据点时间差计算得到各路径的平均速度信息,进而选择与路径历史平均速度最匹配的路径,最后对该路径所有路段进行样本插值,插值数据存储在浮动车插值数据库中。从而提高浮动车样本点数据准确度提供主动提醒服务。
【附图说明】
下面参照附图结合实施例对本发明作进一步的描述。
图1是本发明的方法流程示意图。
图2是本发明中的筛选候选路段集的步骤流程图。
图3是本发明中的汇总最匹配路径样本点数据的步骤流程图。
【具体实施方式】
如图1所示,展示了一种浮动车样本点数据插值的方法所包括的四个步骤,其中每个步骤产生的结果作为下一个步骤数据处理的对象。
第一个步骤进行的是利用浮动车在行驶过程中定期采集车辆编号、速度、位置和时间信息,通过移动蜂窝通信技术传送到数据中心,并存储在道路行车数据库中;第二个步骤进行的是对行驶道路分段得到路段集,并通过提取浮动车历史数据,分时间段统计各路段的历史平均速度信息,以作为对应路段属性信息存储及定期更新维护;第三个步骤进行的是提取同一浮动车最近两次数据点,以两点线段为直径圈定圆域作为候选路段覆盖区域,以筛选出候选路段集;第四步骤进行的是根据候选路段集,组合可能行车路径,并结合浮动车数据点时间差计算得到各路径的平均速度信息,进而选择与路径历史平均速度最匹配的路径,最后对该路径所有路段进行样本插值,插值数据存储在浮动车插值数据库中。
下面详细描述上述各步骤:
步骤10:数据采集:
利用浮动车在行驶过程中定期采集车辆编号、速度、位置和时间信息,通过移动蜂窝通信技术传送到数据中心,并存储在道路行车数据库中。
具体包括:
利用车载信息终端以周期τ定期采集车辆编号u,位置l,时间t,速度v,路程d,得到行车数据序列C=<u,l,t,v,d>,将采集到的数据通过移动蜂窝通信技术传送到数据中心,并存储到道路行车数据库中
步骤20:定期分段统计各路段集浮动车的平均速度:
对行驶道路分段得到路段集,并通过提取浮动车历史数据,分时间段统计各路段的历史平均速度信息,以作为对应路段属性信息存储及定期更新维护。
具体包括:
步骤21:数据中心对行驶道路进行分段,得到路段集M,路段集M表示为 为***根据每100米划分一个路段得到的常量,所述路段mp可表示为mp=<p,rp,areap,sp,ep>
其中,p为路段编号,rp为路段长度,areap为路段覆盖区域范围,sp为路段起始位置,ep为路段结束位置;
步骤22:在给定的滑动统计时间窗T内,首先定期根据当前时间t,从行车数据序列Ci中提取位置信息li,判断位置信息li所属的路段,即当li∈areap时,得到行车数据序列Ci所属的路段,将行车数据序列Ci存储到路段数据库路段mp对应的位置,重复上述步骤依次提取行车数据序列直至处于时间段[t-T,t]的行车数据序列Ci提取结束;
步骤23:从路段数据库路段mp对应的位置中依次提取处于[t-T,t]时间段行车数据序列Ci中的速度vi并求得路段mp的历史平均速度,将路段历史平均速度存储到路段数据库相应的位置并以滑动时间窗口T定期更新维护。
步骤30:筛选候选路段集:
提取同一浮动车最近两次数据点,以两点线段为直径圈定圆域作为候选路段覆盖区域,以筛选出候选路段集。
如图2所示,具体包括:
步骤31:数据中心根据车辆编号uj从路段数据库检索最近两次行车数据序列Cj与Cj-1,通过地理信息***获取行车数据序列Cj与Cj-1分别对应两点位置lj和位置lj-1之间的线段长L,以两点线段为直径,以线段L中点为圆心圈定圆域并作为候选路段覆盖区域;
步骤32:数据中心通过地理信息***检索圆域内包含的路段,选取可连通位置lj和位置lj-1路径所包含的路段构成候选路段集Q,所述的候选路段集Q表示为其中q1,q2,q3,...,为圆域内包含的所有候选路段,n1记录候选路段的数量。
步骤40:汇总最匹配路径样本点数据:
根据候选路段集,组合可能行车路径,并结合浮动车数据点时间差计算得到算各路径的平均速度信息,进而选择与路径历史平均速度最匹配的路径,最后对该路径所有路段进行样本插值,插值数据存储在浮动车插值数据库中。
如图3所示,具体包括:
步骤41:根据候选路段集组合可能的行车路径,不同行车路径由行车路径集合W定义,集合W可表示为其中,n2用于记录行车路径的数量,W1,W2,...,Wj,...,一般按行车路径长度自短到长排列,Wj为行车路径,Wj可表示为其中Aj表示行车路径Wj所包含的候选路段集,Aj可表示为其中a1,a2,a3,...,为组成行车路径Wj的候选路段,sj表示组成该行车路径所有候选路段长度之和,为行车路径平均速度,可表示为其中τ为行车数据序列Cj与其上一次数据Cj-1的时间差,也为浮动车时间周期,即τ=tj-tj-1,为路径的历史平均速度,不同行车路径下的行车路径平均速度与路径的历史平均速度的差值由集合ΔV定义,ΔV可表示为 其中Δv1,Δv2,...,Δvj,...为不同行车路径下的行车路径平均速度与路径历史平均速度的绝对差值,从ΔV中选取最小值(即min(Δv1,Δv2,...,Δvj,...))对应的行车路径为最佳匹配行车路径;
步骤42:数据中心根据集合ΔV中Δv1,Δv2,...,Δvj,...的大小查询匹配路径表H得到每条行车路径匹配置信度,所述的匹配路径表H可表示为H={δj,βj},其中δj为路径Wj的行车路径平均速度与路径历史平均速度的差值,βj为路径Wj的匹配置信度;
以时速每相差5公里为一个匹配档次可计算如下:
步骤43:由上述得到的浮动车的编号uj、插值数据时间值(tj+tj-1)/2、最佳匹配路径的行车路径平均速度以及最佳匹配路径中的路段ajj汇总成浮动车插值行车数据序列C′jj,C′jj表示为并作为样本点数据存储在浮动车插值数据库中,以提高浮动车数据的样本覆盖率。
以上所述仅为本发明的较佳实施用例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种浮动车样本点数据插值的方法,其特征在于:该方法包括如下步骤:
步骤10:数据采集:
利用浮动车在行驶过程中定期采集车辆编号、速度、位置和时间信息,通过移动蜂窝通信技术传送到数据中心,并存储在道路行车数据库中;
步骤20:定期分段统计各路段集浮动车的平均速度:
对行驶道路分段得到路段集,并通过提取浮动车历史数据,分时间段统计各路段的历史平均速度信息,以作为对应路段属性信息存储及定期更新维护;
步骤30:筛选候选路段集:
提取同一浮动车最近两次数据点,以两点线段为直径圈定圆域作为候选路段覆盖区域,以筛选出候选路段集;
步骤40:汇总最匹配路径样本点数据:
根据候选路段集,组合可能行车路径,并结合浮动车数据点时间差计算得到各路径的平均速度信息,进而选择与路径历史平均速度最匹配的路径,最后对该路径所有路段进行样本插值,插值数据存储在浮动车插值数据库中;
所述步骤10具体包括:
利用车载信息终端以周期τ定期采集车辆编号ui,位置li,时间ti,速度vi,路程di,得到行车数据序列Ci=<ui,li,ti,vi,di>,将采集到的数据通过移动蜂窝通信技术传送到数据中心,并存储到道路行车数据库中,其中i为行车数据序列Ci的编号;
所述步骤20具体包括:
步骤21:数据中心对行驶道路进行分段,得到路段集M,路段集M表示为 为***根据每100米划分一个路段得到的常量,所述路段mp可表示为mp=<p,rp,areap,sp,ep>,
其中,p为路段编号,rp为路段长度,areap为路段覆盖区域范围,sp为路段起始位置,ep为路段结束位置;
步骤22:在给定的滑动统计时间窗T内,首先定期根据当前时间t,从行车数据序列Ci中提取位置信息li,判断位置信息li所属的路段,即当li∈areap时,得到行车数据序列Ci所属的路段,将行车数据序列Ci存储到路段数据库路段mp对应的位置,重复上述步骤依次提取行车数据序列直至处于时间段[t-T,t]的行车数据序列Ci提取结束;
步骤23:从路段数据库路段mp对应的位置中依次提取处于[t-T,t]时间段行车数据序列Ci中的速度vi并求得路段mp的历史平均速度将路段历史平均速度存储到路段数据库相应的位置并以滑动时间窗口T定期更新维护;
所述步骤30具体包括:
步骤31:数据中心根据车辆编号uj从路段数据库检索最近两次行车数据序列Cj与Cj-1,通过地理信息***获取行车数据序列Cj与Cj-1分别对应两点位置lj和位置lj-1之间的线段长L,以两点线段为直径,以线段L中点为圆心圈定圆域并作为候选路段覆盖区域;
步骤32:数据中心通过地理信息***检索圆域内包含的路段,选取可连通位置lj和位置lj-1路径所包含的路段构成候选路段集Q,所述的候选路段集Q表示为其中q1,q2,q3,...,为圆域内包含的所有候选路段,n1记录候选路段的数量;
所述步骤40具体包括:
步骤41:根据候选路段集组合可能的行车路径,不同行车路径由行车路径集合W定义,集合W可表示为其中,n2用于记录行车路径的数量,W1,W2,...,Wj,...,一般按行车路径长度自短到长排列,Wj为行车路径,Wj可表示为其中Aj表示行车路径Wj所包含的候选路段集,Aj可表示为 其中aj1,aj2,...,ajj,...,为组成行车路径Wj的候选路段,sj表示组成该行车路径所有候选路段长度之和,为行车路径平均速度,可表示为其中τ为行车数据序列Cj与其上一次数据Cj-1的时间差,也为浮动车时间周期,即τ=tj-tj-1,为路径的历史平均速度,不同行车路径下的行车路径平均速度与路径的历史平均速度的差值由集合ΔV定义,ΔV可表示为 其中Δv1,Δv2,...,Δvj,...为不同行车路径下的行车路径平均速度与路径历史平均速度的绝对差值,从ΔV中选取最小值(即min(Δv1,Δv2,...,Δvj,...))对应的行车路径为最佳匹配行车路径;
步骤42:数据中心根据集合ΔV中Δv1,Δv2,...,Δvj,...的大小查询匹配路径表H得到每条行车路径匹配置信度,所述的匹配路径表H可表示为H={δj,βj},其中δj为路径Wj的行车路径平均速度与路径历史平均速度的差值,βj为路径Wj的匹配置信度;
步骤43:由上述得到的浮动车的编号uj、插值数据时间值(tj+tj-1)/2、最佳匹配路径的行车路径平均速度以及最佳匹配路径中的路段ajj汇总成浮动车插值行车数据序列C′jj,C′jj表示为并作为样本点数据存储在浮动车插值数据库中,以提高浮动车数据的样本覆盖率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210436017.2A CN102956105B (zh) | 2012-11-01 | 2012-11-01 | 一种浮动车样本点数据插值的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210436017.2A CN102956105B (zh) | 2012-11-01 | 2012-11-01 | 一种浮动车样本点数据插值的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102956105A CN102956105A (zh) | 2013-03-06 |
CN102956105B true CN102956105B (zh) | 2014-12-10 |
Family
ID=47764869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210436017.2A Expired - Fee Related CN102956105B (zh) | 2012-11-01 | 2012-11-01 | 一种浮动车样本点数据插值的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102956105B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646560B (zh) * | 2013-11-27 | 2015-12-02 | 福建工程学院 | 出租车行车轨迹经验知识路径的提取方法 |
CN105160991B (zh) * | 2015-07-27 | 2017-11-24 | 福建工程学院 | 一种新增建筑物的识别方法及*** |
US9824580B2 (en) * | 2015-12-17 | 2017-11-21 | International Business Machines Corporation | Method, computer readable storage medium and system for producing an uncertainty-based traffic congestion index |
CN106548444B (zh) * | 2016-11-03 | 2020-08-25 | 杭州电子科技大学 | 面向道路实时速度估算的浮动车载客行为模式清洗方法 |
CN108076430B (zh) * | 2017-12-27 | 2020-12-29 | 西南交通大学 | 一种WiFi探针采集数据自动插值处理方法 |
CN109947755B (zh) * | 2019-03-05 | 2023-04-14 | 南京道润交通科技有限公司 | 路面使用性能检测数据质量控制方法、存储介质、电子设备 |
CN111858786B (zh) | 2019-06-06 | 2023-12-22 | 北京嘀嘀无限科技发展有限公司 | 用于在路径规划中提供通行时间置信度的***和方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19643454C2 (de) * | 1996-10-10 | 2003-08-21 | Mannesmann Ag | Verfahren und Vorrichtung zur Übermittlung von Daten zur Verkehrslagebeurteilung |
JP2006059058A (ja) * | 2004-08-19 | 2006-03-02 | Matsushita Electric Ind Co Ltd | 走行データ判定装置 |
CN102013167B (zh) * | 2010-12-08 | 2013-04-10 | 北京世纪高通科技有限公司 | 浮动车数据处理方法及装置 |
CN102184636B (zh) * | 2011-04-22 | 2013-09-18 | 福建工程学院 | 基于浮动车技术的道路拓宽识别方法 |
CN102254432B (zh) * | 2011-06-17 | 2013-07-03 | 福建工程学院 | 一种提供主动的实时路况信息服务的方法 |
CN102411677A (zh) * | 2011-11-29 | 2012-04-11 | 福建工程学院 | 一种基于浮动车数据采集的预处理方法 |
CN102568208B (zh) * | 2012-02-07 | 2014-01-01 | 福建工程学院 | 基于浮动车技术的路段限速信息识别方法 |
-
2012
- 2012-11-01 CN CN201210436017.2A patent/CN102956105B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102956105A (zh) | 2013-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102956105B (zh) | 一种浮动车样本点数据插值的方法 | |
CN102737510B (zh) | 一种基于移动智能终端的实时交通路况采集方法 | |
Davies et al. | Scalable, distributed, real-time map generation | |
CN103646560B (zh) | 出租车行车轨迹经验知识路径的提取方法 | |
CN102298851B (zh) | 车辆用导航***和导航服务方法 | |
CN103038605B (zh) | 数字地图中的用于障碍物穿越的位置检测、时间表及行进时间估计 | |
CN101866545B (zh) | 移动对象路网匹配轨迹的采集方法 | |
CN105261212B (zh) | 一种基于出租车gps数据地图匹配的出行时空分析方法 | |
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 | |
CN103226892B (zh) | 一种优化型的道路拥塞状态发现方法 | |
CN101364345A (zh) | 基于探测车技术的实时动态交通信息处理方法 | |
CN102663887A (zh) | 基于物联网技术的道路交通信息云计算和云服务实现***及方法 | |
CN100589143C (zh) | 判断浮动车行驶状态的方法及装置 | |
US8260532B2 (en) | Traffic probe in-vehicle map-based process to reduce data communications and improve accuracy | |
CN104299442A (zh) | 一种基于模式匹配的城市路径行程时间预测方法 | |
CN104269059B (zh) | 一种基于多源数据融合的城市路径行程时间预测方法 | |
CN103177585B (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
CN101989381A (zh) | 基于浮动车技术的道路单向限行与通行状态识别方法 | |
CN104731963A (zh) | 一种基于车联网的网格化路径推荐方法及*** | |
CN104157142A (zh) | 一种基于浮动车数据的城市路径行程时间预测方法 | |
CN109520499B (zh) | 基于车辆gps轨迹数据实现区域实时等时线的方法 | |
CN101957208A (zh) | 一种基于浮动车技术的新增道路发现方法 | |
CN103680130A (zh) | 一种基于浮动车技术获得区域带路专家的方法 | |
CN105096590A (zh) | 交通信息生成方法和交通信息生成设备 | |
CN103778784A (zh) | 基于手机数据实时获取高速公路路段交通状态信息的方法 |
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 |
Granted publication date: 20141210 Termination date: 20181101 |
|
CF01 | Termination of patent right due to non-payment of annual fee |