CN105225494B - 基于电子警察数据的车辆轨迹跟踪方法与装置 - Google Patents
基于电子警察数据的车辆轨迹跟踪方法与装置 Download PDFInfo
- Publication number
- CN105225494B CN105225494B CN201510736241.7A CN201510736241A CN105225494B CN 105225494 B CN105225494 B CN 105225494B CN 201510736241 A CN201510736241 A CN 201510736241A CN 105225494 B CN105225494 B CN 105225494B
- Authority
- CN
- China
- Prior art keywords
- data
- time
- vehicle
- crossing
- detection time
- 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.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于电子警察数据的车辆轨迹跟踪方法,包括:获取某一天的所有电子警察过车数据,并将所有的数据按车牌号分类,剔除车牌号=‘‑‑’的这一类的所有数据;对剔除后的其余类数据,每一类数据按前述检测时间由小到大排序;对某一类排序后的数据进行处理,假设共有条数据,则求出相邻两个检测时间和的差;找到大于设定的时间阈值的所有,并且找到所有对应的第k条数据和第k+1条数据进行分组;对所有分组数据进行处理;对经剔除数据后的所有类的数据,按前述方式处理,最后得到并输出每个车辆的大概轨迹数据。利用本发明可在只知道电子警察数据时得到车辆的行驶轨迹,对车辆进行实时轨迹跟踪。
Description
技术领域
本发明涉及车辆导航技术领域,具体而言涉及一种基于电子警察数据的车辆轨迹跟踪方法与装置。
背景技术
现有大部分车辆的轨迹跟踪是基于GPS定位数据,进行的经纬度跟踪。但基于GPS的跟踪要求被跟踪车辆必须拥有GPS定位装置,并不断上传GPS数据,并被获取到,方能够对其进行实时的轨迹跟踪。此外,由于GPS数据本身都会存在一定误差,在进行路径匹配时需要尽量消除这种不可避免的误差,这对于导航来说是不利的。因此,在拥有GPS或者没有设置GPS定位装置的车辆中,单独依靠GPS定位数据来获取车辆的轨迹是不足的,还希望通过另外的方式来获取车辆轨迹。
发明内容
本发明目的在于提供一种基于电子警察数据的车辆轨迹跟踪方法与装置,利于电子警察数据来实现对车辆行驶轨迹的实时跟踪与获取。
本发明的上述目的通过独立权利要求的技术特征实现,从属权利要求以另选或有利的方式发展独立权利要求的技术特征。
为达成上述目的,本发明提出一种基于电子警察数据的车辆轨迹跟踪方法,包括以下步骤:
步骤1、获取某一天的所有电子警察过车数据,并将所有的数据按车牌号分类,剔除车牌号=‘--’的这一类的所有数据,其中,这些电子警察过车数据包括:路段编号、检测时间、车牌号、车辆类型、车牌颜色、车速以及检测设备ID;
步骤2、对剔除后的其余类数据,每一类数据按前述检测时间(TIMESTAMP)由小到大排序;
步骤3、对某一类排序后的数据进行处理,假设共有n条数据,则求出相邻两个检测时间ti和ti+1的差Δti=ti+1-ti,i=1,2,…,n-1;
步骤4、找到大于设定的时间阈值Tpre的所有tk+1,并且找到所有对应的第k条数据和第k+1条数据;假设一共有m条数据,m≥0,将该类的第一条数据和最后一条数据加入,并去除重复数据后,对余下数据按前述检测时间排序后,将第一条和第二条数据作为一组,第三条和第四条数据作为一组,依次两两一组,若最后多余一条数据,则删除该条数据;
步骤5、对步骤4中两两一组的数据中的某一组数据,将车牌号存在中间数据的车牌中,将检测时间早的数据的检测时间保存在中间数据的起点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的起点交叉口;将检测时间晚的数据的检测时间保存在中间数据的终点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的终点交叉口;找到该类中检测时间属于起点时间到终点时间的所有数据,由每条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,将这些下游路口ID和起点路口,终点路口按每条数据的检测时间先后,作为一个数组存在途经路口字段;其中,前述的MD_SEGMENT表为数字路网信息存储表,该表中记录了路段ID以及对应的道路上游路口与下游路口信息;
步骤6、将步骤4得到的每一组分组数据都按照步骤5处理,所有组数据处理完毕;
步骤7、对经步骤2剔除数据后的所有类的数据,按步骤3-步骤6处理,最后得到并输出每个车辆的大概轨迹数据。
进一步的实施例中,前述步骤7输出的每个车辆的大概轨迹数据包括:车牌号、起点交叉口以及起点时间、终点交叉口以及终点时间、所有途经路口以及途经路口时间(与路口一一对应)。
根据本发明的改进,还提出一种基于电子警察数据的车辆轨迹跟踪装置,包括:
用于获取某一天的所有电子警察过车数据,并将所有的数据按车牌号分类,剔除车牌号=‘--’的这一类的所有数据的模块,其中,这些电子警察过车数据包括:路段编号、检测时间、车牌号、车辆类型、车牌颜色、车速以及检测设备ID;
用于对剔除后的其余类数据,按前述检测时间(TIMESTAMP)由小到大排序的模块;
用于对某一类排序后的数据进行处理的模块,该模块被设置成按照下述方式进行处理:假设共有n条数据,则求出相邻两个检测时间ti和ti+1的差Δti=ti+1-ti,i=1,2,…,n-1;
用于找到大于设定的时间阈值Tpre的所有tk+1,并且找到所有对应的第k条数据和第k+1条数据以进行处理的模块,该模块被设置成按照下述方式进行处理:假设一共有m条数据,m≥0,将该类的第一条数据和最后一条数据加入,并去除重复数据后,对余下数据按前述检测时间排序后,将第一条和第二条数据作为一组,第三条和第四条数据作为一组,依次两两一组,若最后多余一条数据,则删除该条数据;
用于对前述分组数据进行处理的模块,该模块被设置成按照下述方式进行处理:将前述两两一组的数据中的某一组数据,将车牌号存在中间数据的车牌中,将检测时间早的数据的检测时间保存在中间数据的起点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的起点交叉口;将检测时间晚的数据的检测时间保存在中间数据的终点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的终点交叉口;找到该类中检测时间属于起点时间到终点时间的所有数据,由每条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,将这些下游路口ID和起点路口,终点路口按每条数据的检测时间先后,作为一个数组存在途经路口字段;其中,前述的MD_SEGMENT表为数字路网信息存储表,该表中记录了路段ID以及对应的道路上游路口与下游路口信息;
用于将前述得到的每一组分组数据都按照前述方式进行处理直到所有组数据处理完毕的模块;
用于对前述经剔除数据后的所有类的数据,按前述分组数据处理方式进行处理,最后输出每个车辆的大概轨迹数据的模块。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是根据本发明某些实施例的基于电子警察数据的车辆轨迹跟踪方法的流程图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
总体来说,本发明提出的基于电子警察数据的车辆轨迹跟踪方法,是基于道路上电子警察设备所采集的电子警察过车数据,通过一定的数据聚类和处理,直接得到车辆的行驶轨迹,还可以实时地对车辆实时轨迹跟踪。
结合图1所示,根据本发明的实施例,车辆轨迹跟踪方法包括以下步骤:
步骤1、获取某一天的所有电子警察过车数据,并将所有的数据按车牌号分类,剔除车牌号=‘--’的这一类的所有数据,其中,这些电子警察过车数据包括:路段编号、检测时间、车牌号、车辆类型、车牌颜色、车速以及检测设备ID;
步骤2、对剔除后的其余类数据,每一类数据按前述检测时间(TIMESTAMP)由小到大排序;
步骤3、对某一类排序后的数据进行处理,假设共有n条数据,则求出相邻两个检测时间ti和ti+1的差Δti=ti+1-ti,i=1,2,…,n-1;
步骤4、找到大于设定的时间阈值Tpre的所有tk+1,并且找到所有对应的第k条数据和第k+1条数据;假设一共有m条数据,m≥0,将该类的第一条数据和最后一条数据加入,并去除重复数据后,对余下数据按前述检测时间排序后,将第一条和第二条数据作为一组,第三条和第四条数据作为一组,依次两两一组,若最后多余一条数据,则删除该条数据;
步骤5、对步骤4中两两一组的数据中的某一组数据,将车牌号存在中间数据的车牌中,将检测时间早的数据的检测时间保存在中间数据的起点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的起点交叉口;将检测时间晚的数据的检测时间保存在中间数据的终点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的终点交叉口;找到该类中检测时间属于起点时间到终点时间的所有数据,由每条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,将这些下游路口ID和起点路口,终点路口按每条数据的检测时间先后,作为一个数组存在途经路口字段;其中,前述的MD_SEGMENT表为数字路网信息存储表,该表中记录了路段ID以及对应的道路上游路口与下游路口信息;
步骤6、将步骤4得到的每一组分组数据都按照步骤5处理,所有组数据处理完毕;
步骤7、对经步骤2剔除数据后的所有类的数据,按步骤3-步骤6处理,最后得到并输出每个车辆的大概轨迹数据。
在一些例子中,前述步骤1中的电子警察过车数据,每秒钟都有更新数据,这些数据来源于部署在道路的各个路段的电子警察设备,例如高清摄像头、测速设备等。在一些可选的例子中,这些过车数据包括下表的内容(含存储格式)。
结合前述步骤的处理,步骤7输出的每个车辆的大概轨迹数据包括:车牌号、起点交叉口以及起点时间、终点交叉口以及终点时间、所有途经路口以及途经路口时间(与途径的路口一一对应)。
在一些例子中,这些输出的大概轨迹数据包括下表的内容(含存储格式)。
可见,在只有电子警察数据而没有GPS数据的情况下,利用前述实施例的算法可以直接跟踪车辆的行驶轨迹,实现精确的对每个车辆进行轨迹跟踪。
在一些可选的例子中,前述步骤4更加包括以下步骤:
预先设定前述的时间阈值Tpre。
优选地,前述步骤4中的时间阈值Tpre设定为3600s。
根据本公开,还涉及一种基于电子警察数据的车辆轨迹跟踪装置,包括:
用于获取某一天的所有电子警察过车数据,并将所有的数据按车牌号分类,剔除车牌号=‘--’的这一类的所有数据的模块,其中,这些电子警察过车数据包括:路段编号、检测时间、车牌号、车辆类型、车牌颜色、车速以及检测设备ID;
用于对剔除后的其余类数据,按前述检测时间(TIMESTAMP)由小到大排序的模块;
用于对某一类排序后的数据进行处理的模块,该模块被设置成按照下述方式进行处理:假设共有n条数据,则求出相邻两个检测时间ti和ti+1的差Δti=ti+1-ti,i=1,2,…,n-1;
用于找到大于设定的时间阈值Tpre的所有tk+1,并且找到所有对应的第k条数据和第k+1条数据以进行处理的模块,该模块被设置成按照下述方式进行处理:假设一共有m条数据,m≥0,将该类的第一条
数据和最后一条数据加入,并去除重复数据后,对余下数据按前述检测时间排序后,将第一条和第二条数据作为一组,第三条和第四条数据作为一组,依次两两一组,若最后多余一条数据,则删除该条数据;
用于对前述分组数据进行处理的模块,该模块被设置成按照下述方式进行处理:将前述两两一组的数据中的某一组数据,将车牌号存在中间数据的车牌中,将检测时间早的数据的检测时间保存在中间数据的起点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的起点交叉口;将检测时间晚的数据的检测时间保存在中间数据的终点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的终点交叉口;找到该类中检测时间属于起点时间到终点时间的所有数据,由每条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,将这些下游路口ID和起点路口,终点路口按每条数据的检测时间先后,作为一个数组存在途经路口字段;其中,前述的MD_SEGMENT表为数字路网信息存储表,该表中记录了路段ID以及对应的道路上游路口与下游路口信息;
用于将前述得到的每一组分组数据都按照前述方式进行处理直到所有组数据处理完毕的模块;
用于对前述经剔除数据后的所有类的数据,按前述分组数据处理方式进行处理,最后输出每个车辆的大概轨迹数据的模块。
应当理解,本实施例所提出的车辆轨迹跟踪装置中的各个模块,其功能、作用以及效果已经在以上基于电子警察数据的车辆轨迹跟踪方法的描述中进行了说明,其实现方式并且在前述关于车辆轨迹跟踪方法的实施例中做了示例性说明,在此不再赘述。
进一步的实施例中,前述的时间阈值Tpre设定为3600s。
进一步的实施例中,前述用于对前述经剔除数据后的所有类的数据,按前述分组数据处理方式进行处理,最后输出每个车辆的大概轨迹数据的模块,其最后输出的数据中包括:每个车辆的车牌号、起点交叉口以及起点时间、终点交叉口以及终点时间、所有途经路口以及途经路口时间(与路口一一对应)。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (7)
1.一种基于电子警察数据的车辆轨迹跟踪方法,其特征在于,包括以下步骤:
步骤1、获取某一天的所有电子警察过车数据,并将所有的数据按车牌号分类,剔除车牌号=‘--’的这一类的所有数据,其中,这些电子警察过车数据包括:路段编号、检测时间、车牌号、车辆类型、车牌颜色、车速以及检测设备ID;
步骤2、对剔除后的其余类数据,每一类数据按前述检测时间由小到大排序;
步骤3、对某一类排序后的数据进行处理,假设共有n条数据,则求出相邻两个检测时间ti和ti+1的差△ti=ti+1-ti,i=1,2,…,n-1;
步骤4、找到大于设定的时间阈值Tpre的所有tk+1,k≥0,并且找到所有对应的第k条数据和第k+1条数据;假设一共有m条数据,m≥0,将该类的第一条数据和最后一条数据加入,并去除重复数据后,对余下数据按前述检测时间排序后,将第一条和第二条数据作为一组,第三条和第四条数据作为一组,依次两两一组,若最后多余一条数据,则删除该条数据;
步骤5、对步骤4中两两一组的数据中的某一组数据,将车牌号存在中间数据的车牌中,将检测时间早的数据的检测时间保存在中间数据的起点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的起点交叉口;将检测时间晚的数据的检测时间保存在中间数据的终点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的终点交叉口;找到该类中检测时间属于起点时间到终点时间的所有数据,由每条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,将这些下游路口ID和起点路口,终点路口按每条数据的检测时间先后,作为一个数组存在途经路口字段;其中,前述的MD_SEGMENT表为数字路网信息存储表,该表中记录了路段ID以及对应的道路上游路口与下游路口信息;
步骤6、将步骤4得到的每一组分组数据都按照步骤5处理,所有组数据处理完毕;
步骤7、对经步骤2剔除数据后的所有类的数据,按步骤3-步骤6处理,最后得到并输出每个车辆的轨迹数据。
2.根据权利要求1所述的基于电子警察数据的车辆轨迹跟踪方法,其特征在于,前述步骤7输出的每个车辆的轨迹数据包括:车牌号、起点交叉口以及起点时间、终点交叉口以及终点时间、所有途经路口以及途经路口时间,其中所述的途径路口时间与路口一一对应。
3.据权利要求1所述的基于电子警察数据的车辆轨迹跟踪方法,其特征在于,前述步骤4更加包括以下步骤:
预先设定前述的时间阈值Tpre。
4.据权利要求1所述的基于电子警察数据的车辆轨迹跟踪方法,其特征在于,前述步骤4中的时间阈值Tpre设定为3600s。
5.一种基于电子警察数据的车辆轨迹跟踪装置,其特征在于,包括:
用于获取某一天的所有电子警察过车数据,并将所有的数据按车牌号分类,剔除车牌号=‘--’的这一类的所有数据的模块,其中,这些电子警察过车数据包括:路段编号、检测时间、车牌号、车辆类型、车牌颜色、车速以及检测设备ID;
用于对剔除后的其余类数据,按前述检测时间由小到大排序的模块;
用于对某一类排序后的数据进行处理的模块,该模块被设置成按照下述方式进行处理:假设共有n条数据,则求出相邻两个检测时间ti和ti+1的差△ti=ti+1-ti,i=1,2,…,n-1;
用于找到大于设定的时间阈值Tpre的所有tk+1,k≥0,并且找到所有对应的第k条数据和第k+1条数据以进行处理的模块,该模块被设置成按照下述方式进行处理:假设一共有m条数据,m≥0,将该类的第一条数据和最后一条数据加入,并去除重复数据后,对余下数据按前述检测时间排序后,将第一条和第二条数据作为一组,第三条和第四条数据作为一组,依次两两一组,若最后多余一条数据,则删除该条数据;
用于对前述分组数据进行处理的模块,该模块被设置成按照下述方式进行处理:将前述两两一组的数据中的某一组数据,将车牌号存在中间数据的车牌中,将检测时间早的数据的检测时间保存在中间数据的起点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的起点交叉口;将检测时间晚的数据的检测时间保存在中间数据的终点时间中,并由该条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,保存在中间数据的终点交叉口;找到该类中检测时间属于起点时间到终点时间的所有数据,由每条数据的路段ID,从MD_SEGMENT表中查到该路段ID的下游路口ID,将这些下游路口ID和起点路口,终点路口按每条数据的检测时间先后,作为一个数组存在途经路口字段;其中,前述的MD_SEGMENT表为数字路网信息存储表,该表中记录了路段ID以及对应的道路上游路口与下游路口信息;
用于将前述得到的每一组分组数据都按照前述方式进行处理直到所有组数据处理完毕的模块;
用于对前述经剔除数据后的所有类的数据,按前述分组数据处理方式进行处理,最后输出每个车辆的轨迹数据的模块。
6.据权利要求5所述的基于电子警察数据的车辆轨迹跟踪装置,其特征在于,前述的时间阈值Tpre设定为3600s。
7.据权利要求5所述的基于电子警察数据的车辆轨迹跟踪装置,其特征在于,前述用于对前述经剔除数据后的所有类的数据,按前述分组数据处理方式进行处理,最后输出每个车辆的轨迹数据的模块,其最后输出的数据中包括:每个车辆的车牌号、起点交叉口以及起点时间、终点交叉口以及终点时间、所有途经路口以及途经路口时间,其中所述途经路口时间与路口一一对应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510736241.7A CN105225494B (zh) | 2015-11-03 | 2015-11-03 | 基于电子警察数据的车辆轨迹跟踪方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510736241.7A CN105225494B (zh) | 2015-11-03 | 2015-11-03 | 基于电子警察数据的车辆轨迹跟踪方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105225494A CN105225494A (zh) | 2016-01-06 |
CN105225494B true CN105225494B (zh) | 2017-07-21 |
Family
ID=54994425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510736241.7A Active CN105225494B (zh) | 2015-11-03 | 2015-11-03 | 基于电子警察数据的车辆轨迹跟踪方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105225494B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548300A (zh) * | 2016-11-28 | 2017-03-29 | 中兴软创科技股份有限公司 | 出租车供需分析方法与*** |
CN107195180B (zh) * | 2017-06-08 | 2020-05-05 | 青岛海信网络科技股份有限公司 | 一种基于电警数据的交通出行轨迹提取方法和装置 |
CN108389397A (zh) * | 2018-02-28 | 2018-08-10 | 夏莹杰 | 一种基于卡口数据辨别非法营运车辆的方法 |
CN108765978A (zh) * | 2018-04-27 | 2018-11-06 | 榛硕(武汉)智能科技有限公司 | 一种新型车速预警*** |
CN111314857B (zh) * | 2020-02-13 | 2022-02-08 | 青岛海信网络科技股份有限公司 | 一种基于过车视频数据的车辆实时出行轨迹获取方法 |
CN111651437B (zh) * | 2020-04-17 | 2021-05-11 | 北京嘀嘀无限科技发展有限公司 | 一种数据清洗方法、装置、电子设备及存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009530669A (ja) * | 2006-03-16 | 2009-08-27 | ブルベーカー,カーチス,エム. | 移動物体上に非常に関連性の高い広告を表示することによって収入を得るためのシステム及び方法 |
CN101206644B (zh) * | 2006-12-18 | 2010-05-12 | 厦门雅迅网络股份有限公司 | 车辆行驶轨迹数据处理方法 |
JP5128339B2 (ja) * | 2007-09-11 | 2013-01-23 | 株式会社日立製作所 | 交通流計測システム |
CN201689549U (zh) * | 2010-06-11 | 2010-12-29 | 曹全 | 高清动态轨迹跟踪电子警察*** |
CN101958046B (zh) * | 2010-09-26 | 2015-04-15 | 隋亚刚 | 一种车辆轨迹识别***及车辆轨迹识别的方法 |
CN202306254U (zh) * | 2011-02-21 | 2012-07-04 | 广东丽普盾高新科技有限公司 | 物流实时监控*** |
CN102867416B (zh) * | 2012-09-13 | 2014-08-06 | 中国科学院自动化研究所 | 一种基于车辆部位特征的车辆检测与跟踪方法 |
CN103325245B (zh) * | 2013-06-25 | 2015-01-07 | 中国科学院信息工程研究所 | 一种黑名单车辆的时空行驶轨迹预测方法 |
CN103366573A (zh) * | 2013-07-10 | 2013-10-23 | 中兴智能交通(无锡)有限公司 | 一种基于云计算的车辆行驶信息追踪方法及*** |
CN104200669B (zh) * | 2014-08-18 | 2017-02-22 | 华南理工大学 | 一种基于Hadoop的***识别方法及*** |
CN104778245B (zh) * | 2015-04-09 | 2018-11-27 | 北方工业大学 | 基于海量车牌识别数据的相似轨迹挖掘方法及装置 |
CN104778842A (zh) * | 2015-04-29 | 2015-07-15 | 深圳市保千里电子有限公司 | 一种基于车牌识别的云端车辆行驶轨迹跟踪的方法及*** |
-
2015
- 2015-11-03 CN CN201510736241.7A patent/CN105225494B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105225494A (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105225494B (zh) | 基于电子警察数据的车辆轨迹跟踪方法与装置 | |
CN105606110B (zh) | 基于深度优先遍历的可达路径的查找方法与装置 | |
CN107025642B (zh) | 基于点云数据的车辆轮廓检测方法和装置 | |
CN111062991B (zh) | 一种光伏场景的巡检目标定位方法、设备及可读存储介质 | |
CN105590102A (zh) | 一种基于深度学习的前车车脸识别方法 | |
CN106897681A (zh) | 一种遥感图像对比分析方法及*** | |
CN112364721A (zh) | 一种道面异物检测方法 | |
CN107274679A (zh) | 车辆识别方法、装置、设备及计算机可读存储介质 | |
CN113239764B (zh) | 输电线路无人机巡检图像预处理方法 | |
CN111860219B (zh) | 一种高速占道判断方法、装置及电子设备 | |
CN107657006B (zh) | 基于时空特性的公共自行车ic卡与地铁ic卡匹配方法 | |
CN112966549A (zh) | 一种自然保护区功能分区红线快速划定方法 | |
CN107133574B (zh) | 一种车辆特征识别方法及装置 | |
CN110728269A (zh) | 一种高铁接触网支柱杆号牌识别方法 | |
CN114511788A (zh) | 一种坡体裂缝识别方法、***、设备以及存储介质 | |
CN113298042A (zh) | 遥感影像数据的处理方法及装置、存储介质、计算机设备 | |
CN112686125A (zh) | 车辆类型的确定方法及装置、存储介质、电子装置 | |
CN107525525A (zh) | 一种新能源汽车的路径校准***及方法 | |
CN111860149A (zh) | 越冬油菜和小麦遥感识别方法与装置 | |
CN116824457A (zh) | 基于全景视频中移动目标自动挂牌方法及相关装置 | |
CN116895036A (zh) | 一种基于深度学习的耕地保护预警方法及装置 | |
CN106295711A (zh) | 一种时间序列分类方法及*** | |
CN111160374A (zh) | 一种基于机器学习的颜色识别方法及***、装置 | |
CN110956174A (zh) | 一种器件编号的识别方法 | |
CN116071721A (zh) | 一种基于Transformer的高精地图实时预测方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 210012 room 627, Ning Shuang Road, Yuhuatai District, Nanjing, Jiangsu, 627 Patentee after: Ho whale cloud computing Polytron Technologies Inc Address before: 210012 No. 68 Bauhinia Road, Yuhuatai District, Jiangsu, Nanjing Patentee before: ZTEsoft Technology Co., Ltd. |
|
CP03 | Change of name, title or address |