CN105374210B - 基于浮动车数据的卡口检测率获取方法 - Google Patents
基于浮动车数据的卡口检测率获取方法 Download PDFInfo
- Publication number
- CN105374210B CN105374210B CN201510885791.5A CN201510885791A CN105374210B CN 105374210 B CN105374210 B CN 105374210B CN 201510885791 A CN201510885791 A CN 201510885791A CN 105374210 B CN105374210 B CN 105374210B
- Authority
- CN
- China
- Prior art keywords
- bayonet socket
- gps
- data
- car
- verification
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 22
- 238000012795 verification Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 9
- 230000002123 temporal effect Effects 0.000 claims abstract description 3
- 238000000205 computational method Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于浮动车数据的卡口检测率获取方法,包括获取同一卡口处的浮动车GPS过车数据和卡口过车数据;根据过车时间信息计算GPS和卡口的时间误差△t;利用时间误差计算修正GPS过车时间数据;匹配卡口过车数据和修正后的GPS过车数据;当同一个车牌号的车辆在某个时间段都有卡口信息和修正后的GPS信息,那么认为匹配成功,否则匹配失败;求匹配成功的车辆数与修正后的GPS车辆数的比例,从而获取卡口检测率。本发明具备以下两个特点:1.可以在不增加任何现有检测设备的条件下,充分利用卡口数据和浮动车GPS数据的优势,节约了技术成本;2.计算方法简单,具有较高的准确率和现实指导意义。
Description
技术领域
本发明涉及交通领域,更具体地,涉及一种基于浮动车数据的卡口检测率获取方法。
背景技术
随着计算机技术和电子技术的不断发展,城市交通治安卡口监控***成为我国城市交通管理***中重要的组成环节。道路卡口监控***通过分布在道路上架设的高清摄像机,采用先进的光电技术、图像处理技术和模式识别等技术对过往车辆进行全天候实时监控抓拍,并且对车辆的过车信息、流量分布等情况不间断自动记录,是公安机关交通管理、涉车犯罪打击工作的重要基础技术支撑***。通过计算不同时段、不同路段、不同行驶方向的卡口检测率,可以为交通管理者提供较为全面、可靠的交通信息,为交通状态判别、交通优化等提供有效的数据支撑。
目前还没有自动的、有效的卡口检测率的计算方法,都是人工进行卡口车辆数据信息统计从而得出卡口检测率。
发明内容
针对现有技术的不足,本发明提出了一种具有良好实施性的、高效率的、低成本的基于浮动车GPS数据的卡口检测率获取方法。
为解决上述技术问题,本发明采用的技术方案是:
一种基于浮动车数据的卡口检测率获取方法,包括以下步骤:
步骤1:获取同一卡口的浮动车GPS过车数据和卡口过车数据,包括时间、车牌号、路段编号、车速等信息;
步骤2:根据过车时间信息计算GPS和卡口的平均时间误差△t;
上式中tGPS是指车辆的GPS记录时间;tMS是指车辆的卡口记录时间;LPi(tGPS-tMS)是指同一辆车的GPS和卡口的时间差;△t指n辆车的平均时间误差;
步骤3:修正GPS过车时间数据;
tRGPS=tGPS-Δt (2)
上式中tRGPS为修正后的浮动车辆GPS时间数据;
步骤4:匹配卡口过车数据和修正后的GPS过车数据;如果同一个车牌号的车辆在某个时间段都有卡口信息和修正后的GPS信息,那么认为匹配成功,否则匹配失败;
步骤5:利用下式获取卡口检测率;
卡口检测率=匹配成功的车辆数/修正后的GPS车辆数 (3)。
可以利用上式得到某一时段,某一路口或者某一方向的卡口检测率,通过对不同卡口检测率的数据研究分析,可以为交通管理者提供较为全面、可靠的交通信息,能够较为客观的了解卡口***的工作能力,从而为交通状态判别、交通优化等提供有效的数据支撑。
与现有技术相比,本发明具备以下两个特点:1.可以在不增加任何现有检测设备的条件下,充分利用卡口数据和浮动车GPS数据的优势,节约了技术成本;2.计算方法简单,具有较高的准确率和现实指导意义。
附图说明
图1是本发明的卡口检测率获取方法流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。
首先获取广州市越秀区东风东路执信路口2015年7月8日(星期三)7:00-23:00的浮动车GPS过车数据和卡口过车数据,包括时间、车牌号、路段编号、车速等信息,其中道路网数据的数据结构如下:
其次,根据公式1计算GPS和卡口的时间误差△t,这里n取10。其中用于计算△t的数据列表如下:
序号 | 车牌号 | tGPS | tMS |
1 | 粤A5KP14 | 8:00 | 8:01 |
2 | 粤A041LQ | 8:01 | 8:02 |
3 | 粤A361GB | 8:03 | 8:04 |
4 | 粤A0433Q | 8:30 | 8:31 |
5 | 粤A201RP | 8:40 | 8:42 |
6 | 粤A0HD74 | 8:07 | 8:08 |
7 | 粤A0FP48 | 9:00 | 9:00 |
8 | 粤AG4M27 | 9:14 | 9:16 |
9 | 粤AM3Q64 | 9:17 | 9:19 |
10 | 粤A3DB61 | 9:55 | 9:57 |
根据公式(2)修正GPS过车时间数据,匹配GPS和卡口数据,匹配的部分结果如下,从表中可以看出共有10条GPS浮动车数据,其中匹配成功的有7条。
根据公式3计算卡口检测率,计算得到的结果如下所示:
由上表可以得知,卡口***的检测率最好的时候不到60%,车流量晚高峰时段的检测率约为45%,夜晚光照条件不好的情况下卡口检测率几乎为0。这是因为卡口***的工作能力取决于车牌识别的准确率和车辆捕获率,由于我国的车牌种类繁多、结构组成复杂,并且车牌识别的技术还不够成熟,导致车牌识别准确率较低,实际应用中约为70%左右,又由于车辆遮挡或者特殊天气等原因,进一步导致车牌识别和流量统计等信息识别准确率底下,所以,基于城市卡口***的车牌识别技术和车流量检测技术还存在很大的提升空间。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (1)
1.一种基于浮动车数据的卡口检测率获取方法,其特征在于,包括以下步骤:
步骤1:获取同一卡口处的浮动车GPS过车数据和卡口过车数据;
步骤2:根据过车时间信息计算GPS和卡口的平均时间误差△t;
上式中tGPS是指车辆的GPS记录时间;tMS是指车辆的卡口记录时间;LPi(tGPS-tMS)是指辆车i的GPS和卡口的时间差;△t指n辆车的平均时间误差;
步骤3:修正GPS过车时间数据;
tRGPS=tGPS-Δt (2)
上式中tRGPS为修正后的浮动车辆GPS时间数据;
步骤4:匹配卡口过车数据和修正后的GPS过车数据;当同一个车牌号的车辆在某个时间段都有卡口信息和修正后的GPS信息,那么认为匹配成功,否则匹配失败;
步骤5:采用下式获取卡口检测率;
卡口检测率=匹配成功的车辆数/修正后的GPS车辆数 (3)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510885791.5A CN105374210B (zh) | 2015-12-03 | 2015-12-03 | 基于浮动车数据的卡口检测率获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510885791.5A CN105374210B (zh) | 2015-12-03 | 2015-12-03 | 基于浮动车数据的卡口检测率获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105374210A CN105374210A (zh) | 2016-03-02 |
CN105374210B true CN105374210B (zh) | 2017-08-04 |
Family
ID=55376361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510885791.5A Active CN105374210B (zh) | 2015-12-03 | 2015-12-03 | 基于浮动车数据的卡口检测率获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105374210B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492566B (zh) * | 2018-04-23 | 2019-10-29 | 泰华智慧产业集团股份有限公司 | 高容错交通卡口过车数据实时抽取的方法及*** |
CN110958423B (zh) * | 2018-09-26 | 2021-08-31 | 浙江宇视科技有限公司 | 一种车辆检测率确定方法及装置 |
CN109544932B (zh) * | 2018-12-19 | 2021-03-19 | 东南大学 | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 |
CN109686090B (zh) * | 2019-01-17 | 2020-03-27 | 中南大学 | 一种基于多源数据融合的虚拟交通流量计算方法 |
CN111833591A (zh) * | 2019-04-17 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 交通卡口的信息校验方法、装置、电子设备与存储介质 |
CN113806465B (zh) * | 2021-09-22 | 2022-05-03 | 公安部交通管理科学研究所 | 基于新能源汽车轨迹数据的卡口位置经纬度纠偏方法 |
CN115828154B (zh) * | 2022-11-25 | 2023-10-03 | 中山大学 | 一种lpi雷达信号识别方法、***、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000259983A (ja) * | 1999-03-05 | 2000-09-22 | Toshiba Corp | 走行所要時間情報演算装置 |
JP2003173491A (ja) * | 2001-12-06 | 2003-06-20 | Matsushita Electric Ind Co Ltd | 車両検知装置および車両検知方法 |
CN101540105A (zh) * | 2009-04-15 | 2009-09-23 | 四川川大智胜软件股份有限公司 | 一种基于车辆牌照识别和网格化监控的***检测方法 |
CN102881162A (zh) * | 2012-09-29 | 2013-01-16 | 北京市交通信息中心 | 大规模交通信息的数据处理及融合方法 |
CN104050271A (zh) * | 2014-06-23 | 2014-09-17 | 桂林长海科技有限责任公司 | 一种基于HBase的卡口数据处理方法 |
-
2015
- 2015-12-03 CN CN201510885791.5A patent/CN105374210B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000259983A (ja) * | 1999-03-05 | 2000-09-22 | Toshiba Corp | 走行所要時間情報演算装置 |
JP2003173491A (ja) * | 2001-12-06 | 2003-06-20 | Matsushita Electric Ind Co Ltd | 車両検知装置および車両検知方法 |
CN101540105A (zh) * | 2009-04-15 | 2009-09-23 | 四川川大智胜软件股份有限公司 | 一种基于车辆牌照识别和网格化监控的***检测方法 |
CN102881162A (zh) * | 2012-09-29 | 2013-01-16 | 北京市交通信息中心 | 大规模交通信息的数据处理及融合方法 |
CN104050271A (zh) * | 2014-06-23 | 2014-09-17 | 桂林长海科技有限责任公司 | 一种基于HBase的卡口数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105374210A (zh) | 2016-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105374210B (zh) | 基于浮动车数据的卡口检测率获取方法 | |
CN106935035B (zh) | 基于ssd神经网络的违章停车车辆实时检测方法 | |
CN102881169B (zh) | ***的检测方法 | |
CN101916516B (zh) | 一种车道偏移识别方法 | |
CN109191830B (zh) | 一种基于视频图像处理的道路拥堵检测方法 | |
CN105488479B (zh) | 一种基于加权局部特征比对的车辆套牌识别方法及装置 | |
CN106846813A (zh) | 构建城市道路车辆图像数据库的方法 | |
CN103699677B (zh) | 一种基于人脸识别技术的罪犯行踪地图绘制***及其方法 | |
CN103280052B (zh) | 应用于长距离轨道线路智能视频监控的入侵检测方法 | |
CN106097744B (zh) | 一种基于gis***的高速公路团雾实时监测***及方法 | |
CN108012117A (zh) | 一种基于背景建模的城市摆摊设点检测方法 | |
CN110688922A (zh) | 基于深度学习的交通拥堵检测***及检测方法 | |
CN102682304A (zh) | 一种融合多特征的行人检测方法及装置 | |
CN106469507A (zh) | 基于实时交通流量数据的可自动调节动态绿波***及方法 | |
CN107180270A (zh) | 客流预测方法及*** | |
CN103839415A (zh) | 基于路面图像特征识别的交通流量和占有率信息获取方法 | |
CN105632170A (zh) | 一种基于Mean Shift跟踪算法的交通流检测方法 | |
CN106971544A (zh) | 一种直接利用静态图像来检测车辆拥堵的方法 | |
CN110490150A (zh) | 一种基于车辆检索的违章图片自动审核***及方法 | |
CN103000029A (zh) | 车辆视频识别方法及其应用 | |
CN204204198U (zh) | 基于多摄像头实时联动跟踪的交通事故检测*** | |
CN103903437A (zh) | 基于视频交通检测数据的机动车出行od矩阵获取方法 | |
CN107705577A (zh) | 一种基于车道线标定车辆违章变道的实时检测方法及*** | |
CN104318760B (zh) | 一种基于似物性模型的路口违章行为智能检测方法及*** | |
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 |
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 | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160302 Assignee: Jiadu Technology Group Co.,Ltd. Assignor: GUANGDONG FUNDWAY TECHNOLOGY Co.,Ltd. Contract record no.: X2023980047257 Denomination of invention: A Method for Obtaining Checkpoint Detection Rate Based on Floating Car Data Granted publication date: 20170804 License type: Common License Record date: 20231116 |