CN112614345B - 车辆速度的计算方法、装置、设备及存储介质 - Google Patents
车辆速度的计算方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112614345B CN112614345B CN202011476058.5A CN202011476058A CN112614345B CN 112614345 B CN112614345 B CN 112614345B CN 202011476058 A CN202011476058 A CN 202011476058A CN 112614345 B CN112614345 B CN 112614345B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- position points
- track data
- speed data
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及大数据技术领域,应用于智慧交通领域中,公开了一种车辆速度的计算方法、装置、设备及存储介质,用于解决获取道路运行情况困难的问题以及提高监控道路运行情况的准确率。车辆速度的计算方法包括:获取多个车辆的车辆轨迹数据和车辆基本信息;根据多个车辆轨迹数据或者多个车辆基本信息对多个车辆进行分类,得到多个车辆类别;基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据;基于多个有效车辆轨迹数据和多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析,此外,本发明还涉及区块链技术,车辆类别速度数据可存储于区块链中。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种车辆速度的计算方法、装置、设备及存储介质。
背景技术
随着消费水平的提高,汽车也越来越普及,大量的汽车涌入市场伴随着城市道路规划和道路交通控制等问题。其中,道路运行情况作为交通基础的参数之一,既是道路交通控制和交通流诱导的基础,又是道路服务水平等级的划分和城市道路规划的重要依据。
目前获取道路运行情况通常是利用视频监控等硬件设备获得某条道路的某个区域的道路运行情况,但是这种方式采用的视频监控等硬件设备较大且部署这些硬件比较困难,根据特定区域的道路运行情况不能准确的呈现对应的整体道路运行情况。
发明内容
本发明提供了一种车辆速度的计算方法、装置、设备及存储介质,解决了获取道路运行情况困难的问题,提高了监控道路运行情况的准确率。
本发明第一方面提供了一种车辆速度的计算方法,包括:获取多个车辆的车辆轨迹数据和车辆基本信息,所述多个车辆轨迹数据为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据,一个车辆轨迹数据包括一组车辆位置点;根据所述多个车辆轨迹数据或者所述多个车辆基本信息对多个车辆进行分类,得到多个车辆类别;基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据;基于所述多个有效车辆轨迹数据和所述多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。
可选的,在本发明第一方面的第一种实现方式中,所述根据所述多个车辆轨迹数据或者所述多个车辆基本信息对多个车辆进行分类,得到多个车辆类别包括:当根据每个车辆轨迹数据对对应的车辆进行分类时,从目标车辆轨迹数据对应的车辆平台获取对应的车辆类别,得到多个车辆类别;当根据每个车辆基本信息对对应的车辆进行分类时,从目标车辆基本信息中提取得到目标车牌号码数据、目标车辆颜色数据以及目标车辆类型数据;基于所述目标车牌号码数据、所述目标车辆颜色数据以及所述目标车辆类型数据进行分类,生成对应的车辆类别,得到多个车辆类别。
可选的,在本发明第一方面的第二种实现方式中,所述基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据包括:从目标车辆轨迹数据中读取对应的多个车辆位置点,多个车辆位置点组成一组车辆位置点,每个车辆位置点对应一个时刻;基于所述多个车辆位置点与预置的道路数据确定多个第一待删除位置点,并删除所述第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点;基于所述多个纠偏后的车辆位置点确定多个第二待删除位置点,并删除所述多个第二待删除位置点,得到多个有效车辆轨迹数据。
可选的,在本发明第一方面的第三种实现方式中,所述基于所述多个车辆位置点与预置的道路数据确定多个第一待删除位置点,并删除所述第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点包括:计算每个车辆位置点与预置的道路数据间的垂直距离,得到对应的位置点距离,并判断每个位置点距离是否大于距离阈值;若目标位置点距离大于所述距离阈值,则确定目标位置点距离对应的车辆位置点为第一待删除位置点,得到多个第一删除位置点;删除所述多个第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点。
可选的,在本发明第一方面的第四种实现方式中,所述基于所述多个纠偏后的车辆位置点确定多个第二待删除位置点,并删除所述多个第二待删除位置点,得到多个有效车辆轨迹数据包括:基于每两个相邻纠偏后的车辆位置点计算对应的位移数据,得到多个位移数据;判断每个位移数据是否大于位移阈值;若目标位移数据大于所述位移阈值,则将目标两个相邻纠偏后的车辆位置点确定为第二待删除位置点,得到多个第二待删除位置点;删除所述多个第二待删除位置点,得到多个有效车辆轨迹数据。
可选的,在本发明第一方面的第五种实现方式中,所述基于所述多个有效车辆轨迹数据和所述多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析包括:基于每个有效车辆轨迹数据计算对应的车辆速度数据,得到多个车辆速度数据;基于所述多个车辆类别对所述多个车辆速度数据进行分类,得到多个分类后的车辆速度数据;对所述多个分类后的车辆速度数据进行异常数据剔除处理,得到多个异常处理后的车辆速度数据;基于每个异常处理后的车辆速度数据和对应的车辆速度数据数量计算对应的车辆类别速度数据,得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。
可选的,在本发明第一方面的第六种实现方式中,所述对所述多个分类后的车辆速度数据进行异常数据剔除处理,得到多个异常处理后的车辆速度数据包括:基于所述多个分类后的车辆速度数据构建正态分布图,得到速度正态分布图;基于所述速度正态分布图确定多个异常分类后的车辆速度数据,并剔除所述多个异常分类后的车辆速度数据,得到多个异常处理后的车辆速度数据,所述多个异常分类后的车辆速度数据为交通事故路况或者交通拥堵路况对应的多个分类后的车辆速度数据。
本发明第二方面提供了一种车辆速度的计算装置,包括:获取模块,用于获取多个车辆的车辆轨迹数据和车辆基本信息,所述多个车辆轨迹数据为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据,一个车辆轨迹数据包括一组车辆位置点;分类模块,用于根据所述多个车辆轨迹数据或者所述多个车辆基本信息对多个车辆进行分类,得到多个车辆类别;纠偏模块,用于基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据;计算模块,用于基于所述多个有效车辆轨迹数据和所述多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。
可选的,在本发明第二方面的第一种实现方式中,所述分类模块具体用于:当根据每个车辆轨迹数据对对应的车辆进行分类时,从目标车辆轨迹数据对应的车辆平台获取对应的车辆类别,得到多个车辆类别;当根据每个车辆基本信息对对应的车辆进行分类时,从目标车辆基本信息中提取得到目标车牌号码数据、目标车辆颜色数据以及目标车辆类型数据;基于所述目标车牌号码数据、所述目标车辆颜色数据以及所述目标车辆类型数据进行分类,生成对应的车辆类别,得到多个车辆类别。
可选的,在本发明第二方面的第二种实现方式中,所述纠偏模块包括:读取单元,用于从目标车辆轨迹数据中读取对应的多个车辆位置点,多个车辆位置点组成一组车辆位置点,每个车辆位置点对应一个时刻;初次纠偏单元,用于基于所述多个车辆位置点与预置的道路数据确定多个第一待删除位置点,并删除所述第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点;二次纠偏单元,用于基于所述多个纠偏后的车辆位置点确定多个第二待删除位置点,并删除所述多个第二待删除位置点,得到多个有效车辆轨迹数据。
可选的,在本发明第二方面的第三种实现方式中,初次纠偏单元具体用于:计算每个车辆位置点与预置的道路数据间的垂直距离,得到对应的位置点距离,并判断每个位置点距离是否大于距离阈值;若目标位置点距离大于所述距离阈值,则确定目标位置点距离对应的车辆位置点为第一待删除位置点,得到多个第一删除位置点;删除所述多个第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点。
可选的,在本发明第二方面的第四种实现方式中,二次纠偏单元具体用于:基于每两个相邻纠偏后的车辆位置点计算对应的位移数据,得到多个位移数据;判断每个位移数据是否大于位移阈值;若目标位移数据大于所述位移阈值,则将目标两个相邻纠偏后的车辆位置点确定为第二待删除位置点,得到多个第二待删除位置点;删除所述多个第二待删除位置点,得到多个有效车辆轨迹数据。
可选的,在本发明第二方面的第五种实现方式中,所述计算模块包括:第一计算单元,用于基于每个有效车辆轨迹数据计算对应的车辆速度数据,得到多个车辆速度数据;分类单元,用于基于所述多个车辆类别对所述多个车辆速度数据进行分类,得到多个分类后的车辆速度数据;剔除单元,对所述多个分类后的车辆速度数据进行异常数据剔除处理,得到多个异常处理后的车辆速度数据;计算单元,用于基于每个异常处理后的车辆速度数据和对应的车辆速度数据数量计算对应的车辆类别速度数据,得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。
可选的,在本发明第二方面的第六种实现方式中,所述剔除单元具体用于:基于所述多个分类后的车辆速度数据构建正态分布图,得到速度正态分布图;基于所述速度正态分布图确定多个异常分类后的车辆速度数据,并剔除所述多个异常分类后的车辆速度数据,得到多个异常处理后的车辆速度数据,所述多个异常分类后的车辆速度数据为交通事故路况或者交通拥堵路况对应的多个分类后的车辆速度数据。
本发明第三方面提供了一种车辆速度的计算设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述车辆速度的计算设备执行上述的车辆速度的计算方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的车辆速度的计算方法。
本发明提供的技术方案中,获取多个车辆的车辆轨迹数据和车辆基本信息,所述多个车辆轨迹数据为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据,一个车辆轨迹数据包括一组车辆位置点;根据所述多个车辆轨迹数据或者所述多个车辆基本信息对多个车辆进行分类,得到多个车辆类别;基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据;基于所述多个有效车辆轨迹数据和所述多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。本发明实施例中,根据车辆的轨迹数据对车辆进行分类,然后再对车辆的轨迹数据进行纠偏处理,根据纠偏后的车辆轨迹数据计算每个类别车辆的速度,即可得到道路的运行情况,解决了获取道路运行情况困难的问题,提高了监控道路运行情况的准确率。本发明可应用于智慧交通领域中,从而推动智慧城市的建设。
附图说明
图1为本发明实施例中车辆速度的计算方法的一个实施例示意图;
图2为本发明实施例中车辆速度的计算方法的另一个实施例示意图;
图3为本发明实施例中车辆速度的计算装置的一个实施例示意图;
图4为本发明实施例中车辆速度的计算装置的另一个实施例示意图;
图5为本发明实施例中车辆速度的计算设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种车辆速度的计算方法、装置、设备及存储介质,用于解决获取道路运行情况困难的问题,还用于提高监控道路运行情况的准确率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中车辆速度的计算方法的一个实施例包括:
101、获取多个车辆的车辆轨迹数据和车辆基本信息,多个车辆轨迹数据为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据,一个车辆轨迹数据包括一组车辆位置点;
服务器获取多个为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据的车辆轨迹数据,每个车辆轨迹数据至少包括一组车辆位置点,一组车辆位置点包括多个车辆位置点。
公交车辆轨迹数据为公交公司平台上报的轨迹数据,出租车辆轨迹数据为出租车公司以及网约车公司平台上报的轨迹数据,大型车辆轨迹数据为长途客运公司,危化品长途车辆公司以及危化品车辆公司平台上报的轨迹数据。当没有平台时,用户对接车载设备并将车载设备接入车联网国际标准协议,从而将车辆轨迹数据(互联网地图车辆轨迹数据)上报至服务器,或者通过移动终端的软件定时上报车辆轨迹数据(互联网地图车辆轨迹数据)。当任意一个平台或者任意终端上报车辆轨迹数据时,服务器接收这些数据。车辆基本信息为车辆的基本信息,例如车辆的车牌号码、车辆的颜色、或者车辆的类型。
需要说明的是,在本实施例中,每3秒钟获取一次车辆轨迹数据和车辆基本信息。
可以理解的是,本发明的执行主体可以为车辆速度的计算装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
102、根据多个车辆轨迹数据或者多个车辆基本信息对多个车辆进行分类,得到多个车辆类别;
服务器根据多个车辆轨迹数据对多个车辆进行分类,得到多个车辆类别。或者根据多个车辆基本信息对车辆进行分类,从而得到多个车辆类别。
由于相关的道路车速规定,不同车辆的车速限制是不同的,例如小汽车和大客车的车速限制是不同的,所以在计算车辆类别速度数据之前重要的一步就是将车辆进行分类,从而得到多个车辆类别。
例如,在一实施例中,假设车辆轨迹数据A1为公交车辆轨迹数据,服务器则确定该车辆的车辆类别为公交车辆;在另一实施例中,假设车辆基本信息A2的车辆类型为载人客车、车辆颜色为黄色以及车牌号码京A·C12345,服务器则确定该车辆的车辆类别为公交车辆。
103、基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据;
服务器对每个车辆轨迹数据进行纠偏处理,处理的依据为每个车辆轨迹数据对应的组车辆位置点,从而生成多个有效车辆轨迹数据,
每组车辆位置点中都可能包括部分异常位置点,异常位置点可以为不在预置的道路数据上的点,也可以为和实际不符的位置点,例如一组车辆位置点中的车辆位置点B1和车辆位置点B2之间的距离远大于距离阈值,此时这两个点中有一个点为异常位置点。服务器对多个车辆轨迹数据进行纠偏处理,即过滤掉异常位置点,从而得到多个有效车辆轨迹数据。
例如,车辆轨迹数据C1对应的C2组车辆位置点为10个,其中有车辆位置点C3和C4明显偏离道路数据,则删除这两个车辆位置点,车辆位置点C7和C8之间的距离远大于距离阈值,则删除这两个位置点,从而完成车辆轨迹数据C1的纠偏处理。
104、基于多个有效车辆轨迹数据和多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。
服务器基于多个有效车辆轨迹数据和多个车辆类别数据计算得到多个用于道路分析的车辆类别速度数据。
根据相关的道路车速规定,服务器需要分别对每个类别的车辆计算速度,从而得到用于道路分析的多个车辆类别速度数据,可以理解为服务器根据多个有效车辆轨迹数据和多个车辆类别分别计算公交车车辆类别的速度数据、出租车车辆的速度数据、长途车车辆的速度数据和/或互联网地图车辆的速度数据。
需要说明的是,在本实施例中车辆类别数据可以作为道路交通控制和交通流诱导的基础,也可以用于道路服务水平等级的划分和城市道路规划,以上均属于道路分析范畴。
具体的应用为:在目标时刻计算目标车辆类别速度数据与预置的车辆类别速度数据的类别速度差值;判断所述类别速度差值是否大于差值阈值;若大于,则说明对应的道路的运行情况出现了问题。
例如,假设差值预置为3km/h,下午4:00在道路A中,预置的公交车辆类别速度数据为40km/h。9月17日下午4:00,在道路A中,计算得到的公交车车辆类别速度数据为10km/h,计算二者之间的类别速度差值为30km/h,服务器判定类别速度差值大于差值阈值,则说明道路A的运行情况出现了运行问题,此时需要派工作人员去进行交通管制或者交通流诱导等。
在其他实施例中,也可以将多个车辆类别速度数据整合到一起,得到最终的车辆平均速度数据,最终的车辆平均速度数据用于道路运行情况的监控与分析。具体的应用为:将目标时刻最终的车辆平均速度数据与预置的车辆平均速度数据进行差值计算,得到平均速度差值;判断平均速度差值是否大于平均速度阈值,若大于,则说明对应的道路的运行情况出现了问题。
本发明实施例中,根据车辆的轨迹数据对车辆进行分类,然后再对车辆的轨迹数据进行纠偏处理,根据纠偏后的车辆轨迹数据计算每个类别车辆的速度,即可得到道路的运行情况,解决了获取道路运行情况困难的问题,提高了监控道路运行情况的准确率。本发明可应用于智慧交通领域中,从而推动智慧城市的建设。
请参阅图2,本发明实施例中车辆速度的计算方法的另一个实施例包括:
201、获取多个车辆的车辆轨迹数据和车辆基本信息,多个车辆轨迹数据为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据,一个车辆轨迹数据包括一组车辆位置点;
服务器获取多个为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据的车辆轨迹数据,每个车辆轨迹数据至少包括一组车辆位置点,一组车辆位置点至少包括多个车辆位置点。
公交车辆轨迹数据为公交公司平台上报的轨迹数据,出租车辆轨迹数据为出租车公司以及网约车公司平台上报的轨迹数据,大型车辆轨迹数据为长途客运公司,危化品长途车辆公司以及危化品车辆公司平台上报的轨迹数据。当没有平台时,用户对接车载设备并将车载设备接入车联网国际标准协议,从而将车辆轨迹数据(互联网地图车辆轨迹数据)上报至服务器,或者通过移动终端的软件定时上报车辆轨迹数据(互联网地图车辆轨迹数据)。当任意一个平台或者任意终端上报车辆轨迹数据时,服务器接收这些数据。车辆基本信息为车辆的基本信息,例如车辆的车牌号码、车辆的颜色、或者车辆的类型。
需要说明的是,在本实施例中,每3秒钟获取一次车辆轨迹数据和车辆基本信息。
202、根据多个车辆轨迹数据或者多个车辆基本信息对多个车辆进行分类,得到多个车辆类别;
服务器根据多个车辆轨迹数据对多个车辆进行分类,得到多个车辆类别。或者根据多个车辆基本信息对车辆进行分类,从而得到多个车辆类别。
由于相关的道路车速规定,不同车辆的车速限制是不同的,例如小汽车和大客车的车速限制是不同的,所以在计算车辆类别速度数据之前重要的一步就是将车辆进行分类,从而得到多个车辆类别。
例如,在一实施例中,假设车辆轨迹数据A1为公交车辆轨迹数据,服务器则确定该车辆的车辆类别为公交车辆;在另一实施例中,假设车辆基本信息A2的车辆类型为载人客车、车辆颜色为黄色以及车牌号码为京A·C12345,服务器则确定该车辆的车辆类别为公交车辆。
具体的,当根据每个车辆轨迹数据进行车辆分类时,服务器从目标车辆轨迹数据对应的车辆平台获取对应的车辆类别,得到多个车辆类别;当根据每个车辆基本信息进行车辆分类时,服务器从对应的目标车辆基本信息中提取得到目标车牌号码数据、目标车辆颜色数据以及目标车辆类型数据;然后基于目标车牌号码数据、目标车辆颜色数据以及目标车辆类型数据确定目标车辆的类别,从而得到多个车辆类别。
需要说明的是,车辆平台为将发布车辆轨迹数据的平台,例如公交公司平台、出租车辆平台、以及大型车辆平台,其中出租车辆平台包括网约车辆平台,大型车辆平台包括长途客运车辆平台和危化品车辆平台,服务器通过发布车辆轨迹数据的平台确定对应的车辆类别。
203、从目标车辆轨迹数据中读取对应的多个车辆位置点,多个车辆位置点组成一组车辆位置点,每个车辆位置点对应一个时刻;
服务器从目标车辆轨迹数据中读取组成一组车辆位置点的多个车辆位置点,其中每个车辆位置点对应一个时刻,例如在车辆轨迹数据D1中,7:11:15对应车辆位置点d1、7:11:17对应车辆位置点d2以及7:11:19对应车辆位置点d3,服务器得到车辆位置点d1、车辆位置点d2和车辆位置点d3。
204、基于多个车辆位置点与预置的道路数据确定多个第一待删除位置点,并删除第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点;
具体的,服务器计算每个车辆位置点与预置的道路数据间的垂直距离,得到对应的位置点距离,并判断每个位置点距离是否大于距离阈值;若目标位置点距离大于距离阈值,服务器则确定目标位置点距离对应的车辆位置点为第一待删除位置点,得到多个第一删除位置点;服务器删除多个第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点。
需要说明的是,在本实施例中可以将道路数据映射为一条直线,计算得到车辆位置点与预置的道路数据的垂直距离,并判断垂直距离是否大于距离阈值,如果垂直距离大于距离阈值,则将其判定为第一待删除位置点,得到第一待删除位置点,最后删除该车辆位置点,得到初次纠偏后的车辆轨迹数据。在其他实施例中,还可以计算任意两个车辆位置点与预置的道路数据构成的三角形面积,并判断该三角形面积是否大于面积阈值,如果大于,则将这两个车辆位置点确认为第一待删除位置点,并删除这两个车辆位置点,得到多个初始纠偏后的车辆轨迹数据。
205、基于多个纠偏后的车辆位置点确定多个第二待删除位置点,并删除多个第二待删除位置点,得到多个有效车辆轨迹数据;
具体的,服务器基于每两个相邻纠偏后的车辆位置点计算对应的位移数据,得到多个位移数据;服务器判断每个位移数据是否大于位移阈值;若目标位移数据大于位移阈值,服务器则将目标两个相邻纠偏后的车辆位置点确定为第二待删除位置点,得到多个第二待删除位置点;服务器删除多个第二待删除位置点,得到多个有效车辆轨迹数据。
在本实施例中,每三秒钟获取一次车辆轨迹数据和车辆基本信息,根据车辆最大的速度200km/h,确定位移阈值为167m,服务则根据该位移阈值确定第二待删除位置点。假设计算得到的位移数据为168m,则确定这两个相邻纠偏后的车辆位置点为第二待删除位置点,并删除这两个纠偏后的位置点,得到有效车辆轨迹数据。
206、基于多个有效车辆轨迹数据和多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。
服务器基于多个有效车辆轨迹数据和多个车辆类别数据计算得到多个用于道路分析的车辆类别速度数据。
根据相关的道路车速规定,服务器需要分别对每个类别的车辆计算速度,从而得到用于道路分析的多个车辆类别速度数据,可以理解为服务器根据多个有效车辆轨迹数据和多个车辆类别分别计算公交车车辆类别的速度数据、出租车车辆的速度数据、长途车车辆的速度数据和/或互联网地图车辆的速度数据。
需要说明的是,车辆类别数据可以作为道路交通控制和交通流诱导的基础,也可以用于道路服务水平等级的划分和城市道路规划,以上均属于道路分析范畴。
具体的,服务器基于每个有效车辆轨迹数据计算对应的车辆速度数据,得到多个车辆速度数据;服务器基于多个车辆类别对多个车辆速度数据进行分类,得到多个分类后的车辆速度数据;服务器对多个分类后的车辆速度数据进行异常数据剔除处理,得到多个异常处理后的车辆速度数据;服务器基于每个异常处理后的车辆速度数据和对应的车辆速度数据数量计算对应的车辆类别速度数据,得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。
服务器计算每个车辆的车辆速度数据,然后对这些速度数据按照车辆类别进行分类,得到公交车车辆速度数据、出租车车辆速度数据、长途车车辆速度数据、互联网地图车辆速度数据,每个速度数据中包括多个车辆速度数据;然后服务器基于每个类别车辆速度数据进行异常数据的剔除,得到多个异常处理后的车辆速度数据,最后多个基于异常处理后的车辆速度数据车辆类别速度数据,得到多个车辆类别速度数据,具体计算方式为:
服务器对多个分类后的车辆速度数据进行异常数据剔除处理,得到多个异常处理后的车辆速度数据的具体过程为:
服务器基于所述多个分类后的车辆速度数据构建正态分布图,得到速度正态分布图;服务器基于所述速度正态分布图确定多个异常分类后的车辆速度数据,并剔除所述多个异常分类后的车辆速度数据,得到多个异常处理后的车辆速度数据,所述多个异常分类后的车辆速度数据为交通事故路况或者交通拥堵路况对应的多个分类后的车辆速度数据。
需要说明的是,在速度正态分布图中,每个分类后的车辆速度数据以点的形式存在,其中异常的分类后的车辆速度数据对应的点明显偏离其他正常的分类后的车辆速度数据对应的点,因此剔除这些明显偏离其他正常的分类后的车辆速度数据的点,即可得到异常处理后的车辆速度数据。
本发明实施例中,根据车辆的轨迹数据对车辆进行分类,然后再对车辆的轨迹数据进行纠偏处理,根据纠偏后的车辆轨迹数据计算每个类别车辆的速度,即可得到道路的运行情况,解决了获取道路运行情况困难的问题,提高了监控道路运行情况的准确率。本发明可应用于智慧交通领域中,从而推动智慧城市的建设。
上面对本发明实施例中车辆速度的计算方法进行了描述,下面对本发明实施例中车辆速度的计算装置进行描述,请参阅图3,本发明实施例中车辆速度的计算装置一个实施例包括:
获取模块301,用于获取多个车辆的车辆轨迹数据和车辆基本信息,所述多个车辆轨迹数据为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据,一个车辆轨迹数据包括一组车辆位置点;
分类模块302,用于根据所述多个车辆轨迹数据或者所述多个车辆基本信息对多个车辆进行分类,得到多个车辆类别;
纠偏模块303,用于基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据;
计算模块304,用于基于所述多个有效车辆轨迹数据和所述多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。
本发明实施例中,根据车辆的轨迹数据对车辆进行分类,然后再对车辆的轨迹数据进行纠偏处理,根据纠偏后的车辆轨迹数据计算每个类别车辆的速度,即可得到道路的运行情况,解决了获取道路运行情况困难的问题,提高了监控道路运行情况的准确率。本发明可应用于智慧交通领域中,从而推动智慧城市的建设。
请参阅图4,本发明实施例中车辆速度的计算装置的另一个实施例包括:
获取模块301,用于获取多个车辆的车辆轨迹数据和车辆基本信息,所述多个车辆轨迹数据为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据,一个车辆轨迹数据包括一组车辆位置点;
分类模块302,用于根据所述多个车辆轨迹数据或者所述多个车辆基本信息对多个车辆进行分类,得到多个车辆类别;
纠偏模块303,用于基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据;
计算模块304,用于基于所述多个有效车辆轨迹数据和所述多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。
可选的,分类模块302还可以具体用于:
当根据每个车辆轨迹数据对对应的车辆进行分类时,从目标车辆轨迹数据对应的车辆平台获取对应的车辆类别,得到多个车辆类别;
当根据每个车辆基本信息对对应的车辆进行分类时,从目标车辆基本信息中提取得到目标车牌号码数据、目标车辆颜色数据以及目标车辆类型数据;
基于所述目标车牌号码数据、所述目标车辆颜色数据以及所述目标车辆类型数据进行分类,生成对应的车辆类别,得到多个车辆类别。
可选的,纠偏模块303包括:
读取单元3031,用于从目标车辆轨迹数据中读取对应的多个车辆位置点,多个车辆位置点组成一组车辆位置点,每个车辆位置点对应一个时刻;
初次纠偏单元3032,用于基于所述多个车辆位置点与预置的道路数据确定多个第一待删除位置点,并删除所述第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点;
二次纠偏单元3033,用于基于所述多个纠偏后的车辆位置点确定多个第二待删除位置点,并删除所述多个第二待删除位置点,得到多个有效车辆轨迹数据。
可选的,初次纠偏单元3032还可以具体用于:
计算每个车辆位置点与预置的道路数据间的垂直距离,得到对应的位置点距离,并判断每个位置点距离是否大于距离阈值;
若目标位置点距离大于所述距离阈值,则确定目标位置点距离对应的车辆位置点为第一待删除位置点,得到多个第一删除位置点;
删除所述多个第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点。
可选的,二次纠偏单元3033还可以具体用于:
基于每两个相邻纠偏后的车辆位置点计算对应的位移数据,得到多个位移数据;
判断每个位移数据是否大于位移阈值;
若目标位移数据大于所述位移阈值,则将目标两个相邻纠偏后的车辆位置点确定为第二待删除位置点,得到多个第二待删除位置点;
删除所述多个第二待删除位置点,得到多个有效车辆轨迹数据。
可选的,计算模块304包括:
第一计算单元3041,用于基于每个有效车辆轨迹数据计算对应的车辆速度数据,得到多个车辆速度数据;
分类单元3042,用于基于所述多个车辆类别对所述多个车辆速度数据进行分类,得到多个分类后的车辆速度数据;
剔除单元3043,用于对所述多个分类后的车辆速度数据进行异常数据剔除处理,得到多个异常处理后的车辆速度数据;
第二计算单元3044,用于基于每个异常处理后的车辆速度数据和对应的车辆速度数据数量计算对应的车辆类别速度数据,得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析。
可选的,剔除单元3043还可以具体用于:
基于所述多个分类后的车辆速度数据构建正态分布图,得到速度正态分布图;
基于所述速度正态分布图确定多个异常分类后的车辆速度数据,并剔除所述多个异常分类后的车辆速度数据,得到多个异常处理后的车辆速度数据,所述多个异常分类后的车辆速度数据为交通事故路况或者交通拥堵路况对应的多个分类后的车辆速度数据。
本发明实施例中,根据车辆的轨迹数据对车辆进行分类,然后再对车辆的轨迹数据进行纠偏处理,根据纠偏后的车辆轨迹数据计算每个类别车辆的速度,即可得到道路的运行情况,解决了获取道路运行情况困难的问题,提高了监控道路运行情况的准确率。本发明可应用于智慧交通领域中,从而推动智慧城市的建设。
上面图3和图4从模块化功能实体的角度对本发明实施例中的车辆速度的计算装置进行详细描述,下面从硬件处理的角度对本发明实施例中车辆速度的计算设备进行详细描述。
图5是本发明实施例提供的一种车辆速度的计算设备的结构示意图,该车辆速度的计算设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对车辆速度的计算设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在车辆速度的计算设备500上执行存储介质530中的一系列指令操作。
车辆速度的计算设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作***531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的车辆速度的计算设备结构并不构成对车辆速度的计算设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
进一步地,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述车辆速度的计算方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种车辆速度的计算方法,其特征在于,所述车辆速度的计算方法包括:
获取多个车辆的车辆轨迹数据和车辆基本信息,所述多个车辆轨迹数据为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据,一个车辆轨迹数据包括一组车辆位置点;
根据所述多个车辆轨迹数据或者所述多个车辆基本信息对多个车辆进行分类,得到多个车辆类别;
基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据;
基于所述多个有效车辆轨迹数据和所述多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析;
所述基于所述多个有效车辆轨迹数据和所述多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析包括:
基于每个有效车辆轨迹数据计算对应的车辆速度数据,得到多个车辆速度数据;
基于所述多个车辆类别对所述多个车辆速度数据进行分类,得到多个分类后的车辆速度数据;
对所述多个分类后的车辆速度数据进行异常数据剔除处理,得到多个异常处理后的车辆速度数据;
基于每个异常处理后的车辆速度数据和对应的车辆速度数据数量计算对应的车辆类别速度数据,得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析;
所述对所述多个分类后的车辆速度数据进行异常数据剔除处理,得到多个异常处理后的车辆速度数据包括:
基于所述多个分类后的车辆速度数据构建正态分布图,得到速度正态分布图;在速度正态分布图中,每个分类后的车辆速度数据以点的形式存在,其中异常的分类后的车辆速度数据对应的点明显偏离其他正常的分类后的车辆速度数据对应的点;
基于所述速度正态分布图确定多个异常分类后的车辆速度数据,并剔除所述多个异常分类后的车辆速度数据,得到多个异常处理后的车辆速度数据,所述多个异常分类后的车辆速度数据为交通事故路况或者交通拥堵路况对应的多个分类后的车辆速度数据。
2.根据权利要求1所述的车辆速度的计算方法,其特征在于,所述根据所述多个车辆轨迹数据或者所述多个车辆基本信息对多个车辆进行分类,得到多个车辆类别包括:
当根据每个车辆轨迹数据对对应的车辆进行分类时,从目标车辆轨迹数据对应的车辆平台获取对应的车辆类别,得到多个车辆类别;
当根据每个车辆基本信息对对应的车辆进行分类时,从目标车辆基本信息中提取得到目标车牌号码数据、目标车辆颜色数据以及目标车辆类型数据;
基于所述目标车牌号码数据、所述目标车辆颜色数据以及所述目标车辆类型数据进行分类,生成对应的车辆类别,得到多个车辆类别。
3.根据权利要求1所述的车辆速度的计算方法,其特征在于,所述基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据包括:
从目标车辆轨迹数据中读取对应的多个车辆位置点,多个车辆位置点组成一组车辆位置点,每个车辆位置点对应一个时刻;
基于所述多个车辆位置点与预置的道路数据确定多个第一待删除位置点,并删除所述第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点;
基于所述多个纠偏后的车辆位置点确定多个第二待删除位置点,并删除所述多个第二待删除位置点,得到多个有效车辆轨迹数据。
4.根据权利要求3所述的车辆速度的计算方法,其特征在于,所述基于所述多个车辆位置点与预置的道路数据确定多个第一待删除位置点,并删除所述第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点包括:
计算每个车辆位置点与预置的道路数据间的垂直距离,得到对应的位置点距离,并判断每个位置点距离是否大于距离阈值;
若目标位置点距离大于所述距离阈值,则确定目标位置点距离对应的车辆位置点为第一待删除位置点,得到多个第一删除位置点;
删除所述多个第一待删除位置点,得到多个初次纠偏后的车辆轨迹数据,每个初始纠偏后的车辆轨迹数据包括多个纠偏后的车辆位置点。
5.根据权利要求3所述的车辆速度的计算方法,其特征在于,所述基于所述多个纠偏后的车辆位置点确定多个第二待删除位置点,并删除所述多个第二待删除位置点,得到多个有效车辆轨迹数据包括:
基于每两个相邻纠偏后的车辆位置点计算对应的位移数据,得到多个位移数据;
判断每个位移数据是否大于位移阈值;
若目标位移数据大于所述位移阈值,则将目标两个相邻纠偏后的车辆位置点确定为第二待删除位置点,得到多个第二待删除位置点;
删除所述多个第二待删除位置点,得到多个有效车辆轨迹数据。
6.一种车辆速度的计算装置,其特征在于,所述车辆速度的计算装置包括:
获取模块,用于获取多个车辆的车辆轨迹数据和车辆基本信息,所述多个车辆轨迹数据为公交车辆轨迹数据、出租车辆轨迹数据、大型车辆轨迹数据和/或互联网地图车辆轨迹数据,一个车辆轨迹数据包括一组车辆位置点;
分类模块,用于根据所述多个车辆轨迹数据或者所述多个车辆基本信息对多个车辆进行分类,得到多个车辆类别;
纠偏模块,用于基于每组车辆位置点对对应的车辆轨迹数据进行纠偏处理,生成对应的有效车辆轨迹数据,得到多个有效车辆轨迹数据;
计算模块,用于基于所述多个有效车辆轨迹数据和所述多个车辆类别计算得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析;
计算模块,还用于基于每个有效车辆轨迹数据计算对应的车辆速度数据,得到多个车辆速度数据;基于所述多个车辆类别对所述多个车辆速度数据进行分类,得到多个分类后的车辆速度数据;对所述多个分类后的车辆速度数据进行异常数据剔除处理,得到多个异常处理后的车辆速度数据;基于每个异常处理后的车辆速度数据和对应的车辆速度数据数量计算对应的车辆类别速度数据,得到多个车辆类别速度数据,每个车辆类别速度数据用于道路运行情况的监控与分析;
计算模块,还用于基于所述多个分类后的车辆速度数据构建正态分布图,得到速度正态分布图;基于所述速度正态分布图确定多个异常分类后的车辆速度数据,并剔除所述多个异常分类后的车辆速度数据,得到多个异常处理后的车辆速度数据,所述多个异常分类后的车辆速度数据为交通事故路况或者交通拥堵路况对应的多个分类后的车辆速度数据。
7.一种车辆速度的计算设备,其特征在于,所述车辆速度的计算设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述车辆速度的计算设备执行如权利要求1-5中任意一项所述的车辆速度的计算方法。
8.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述车辆速度的计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011476058.5A CN112614345B (zh) | 2020-12-15 | 2020-12-15 | 车辆速度的计算方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011476058.5A CN112614345B (zh) | 2020-12-15 | 2020-12-15 | 车辆速度的计算方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112614345A CN112614345A (zh) | 2021-04-06 |
CN112614345B true CN112614345B (zh) | 2023-01-10 |
Family
ID=75234181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011476058.5A Active CN112614345B (zh) | 2020-12-15 | 2020-12-15 | 车辆速度的计算方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112614345B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114706109A (zh) * | 2022-06-06 | 2022-07-05 | 广州斯沃德科技有限公司 | 一种基于边缘计算的车辆轨迹校准***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732762A (zh) * | 2015-04-21 | 2015-06-24 | 银江股份有限公司 | 一种交通异常路段概率识别方法 |
CN106403979A (zh) * | 2016-10-11 | 2017-02-15 | 浙江大仓信息科技股份有限公司 | 一种车辆导航位置偏移判定方法 |
CN108120991A (zh) * | 2017-12-06 | 2018-06-05 | 上海评驾科技有限公司 | 一种行车轨迹优化方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6650948B1 (en) * | 2000-11-28 | 2003-11-18 | Applied Generics Limited | Traffic flow monitoring |
US20100332126A1 (en) * | 2009-06-30 | 2010-12-30 | O2Micro, Inc. | Inertial navigation system with error correction based on navigation map |
CN105844904B (zh) * | 2016-04-22 | 2019-09-27 | 北京航空航天大学 | 一种基于dsrc的异常车辆行为检测及追踪方法 |
CN106169243B (zh) * | 2016-08-25 | 2019-03-15 | 武汉理工大学 | 一种基于车联网的实时路况估计***及方法 |
FR3086445B1 (fr) * | 2018-09-25 | 2021-01-15 | Transdev Group | Systeme de generation automatique d'alertes destinees aux usagers d'une route |
CN110232816A (zh) * | 2018-11-26 | 2019-09-13 | 深圳市城市交通规划设计研究中心有限公司 | 交通排放的计算方法、计算装置及终端 |
CN109583508A (zh) * | 2018-12-10 | 2019-04-05 | 长安大学 | 一种基于深度学习的车辆异常加减速行为识别方法 |
CN111723835A (zh) * | 2019-03-21 | 2020-09-29 | 北京嘀嘀无限科技发展有限公司 | 车辆移动轨迹区分方法、装置和电子设备 |
CN111220169B (zh) * | 2019-12-24 | 2022-03-11 | 深圳猛犸电动科技有限公司 | 一种轨迹纠偏方法、装置、终端设备及存储介质 |
-
2020
- 2020-12-15 CN CN202011476058.5A patent/CN112614345B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732762A (zh) * | 2015-04-21 | 2015-06-24 | 银江股份有限公司 | 一种交通异常路段概率识别方法 |
CN106403979A (zh) * | 2016-10-11 | 2017-02-15 | 浙江大仓信息科技股份有限公司 | 一种车辆导航位置偏移判定方法 |
CN108120991A (zh) * | 2017-12-06 | 2018-06-05 | 上海评驾科技有限公司 | 一种行车轨迹优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112614345A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103593712B (zh) | 一种资源优化调度***及调度方法 | |
US20130132166A1 (en) | Smart toll network for improving performance of vehicle identification systems | |
CN113808401B (zh) | 交通拥堵预测方法、装置、设备及存储介质 | |
CN112508488A (zh) | 固废车辆运输监控方法、装置、设备及存储介质 | |
CN114076631A (zh) | 超载车辆识别方法、***及设备 | |
CN115375234A (zh) | 基于gnss的运输车辆运行轨迹规划方法 | |
CN112614345B (zh) | 车辆速度的计算方法、装置、设备及存储介质 | |
CN111613060A (zh) | 一种数据处理方法以及设备 | |
Safiullin et al. | The software adaptive system for managing the heavy cargo transportation process based on the automated vehicle weight and size control system | |
Nair et al. | Hybrid segmentation approach to identify crash susceptible locations in large road networks | |
Sobreira et al. | Disaggregated traffic conditions and road crashes in urban signalized intersections | |
CN102436742A (zh) | 浮动车***交通信息服务水平评价方法及装置 | |
Gordon et al. | Analysis of crash rates and surrogate events: unified approach | |
US20200256687A1 (en) | System For Determining A Risk Of An Accident On A Driving Route | |
CN110264725B (zh) | 路段流量的确定方法及装置 | |
KR102477885B1 (ko) | 자율주행 도로의 주행 안전도를 평가하는 안전도 분석 관리 서버 | |
CN114066288B (zh) | 一种基于智慧数据中心的营运道路应急检测方法及*** | |
CN112927497B (zh) | 一种浮动车识别方法、相关方法和装置 | |
Lee et al. | Two-level nested logit model to identify traffic flow parameters affecting crash occurrence on freeway ramps | |
CN115204755A (zh) | 服务区入区率测算方法、装置、电子设备及可读存储介质 | |
Han et al. | Map matching algorithm for real-time data processing of non-route GPS data in seoul | |
CN108062858A (zh) | 一种结合历史任务计算预计到达时间的算法 | |
CN114677231A (zh) | 货运险次单的反欺诈识别方法、装置、存储介质及终端 | |
Andrášik et al. | Identification of Curves and Straight Sections on Road Networks from Digital Vector Data | |
Kyriakou et al. | A pavement rating system based on machine learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |