CN113128606B - 基于大数据体系的北斗交通运输数据融合*** - Google Patents
基于大数据体系的北斗交通运输数据融合*** Download PDFInfo
- Publication number
- CN113128606B CN113128606B CN202110446432.5A CN202110446432A CN113128606B CN 113128606 B CN113128606 B CN 113128606B CN 202110446432 A CN202110446432 A CN 202110446432A CN 113128606 B CN113128606 B CN 113128606B
- Authority
- CN
- China
- Prior art keywords
- data
- traffic
- module
- transportation
- fusion
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 238000010586 diagram Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000007418 data mining Methods 0.000 claims description 4
- 238000013079 data visualisation Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 235000001275 Bouea macrophylla Nutrition 0.000 description 1
- 240000001160 Bouea macrophylla Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000009411 base construction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Instructional Devices (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种基于大数据体系的北斗交通运输数据融合***,包括:交通基础地理信息框架数据模块用于获取基础地理信息数据并进行初步数据融合;交通运输网络数据模块用于初步融合数据为基准,结合交通转运枢纽点节点信息,将交通运输网络信息与初步融合数据进行匹配融合;交通实时大数据模块用于从各类交通运输实时数据中抽取实时大数据;数据融合模块用于通过北斗交通地理信息数据处理平台,将交通实时大数据、交通运输网络数据与交通基础地理信息框架数据进行位置匹配和数据关联,实现交通立体一张图数据融合。本发明提出静态数据和实时动态数据融合的理念,解决了一张图的实效性问题,提高一张图数据在交通综合运输网络分析方面的效能。
Description
技术领域
本发明涉及数据融合技术领域,尤其涉及一种基于大数据体系的北斗交通运输数据融合***。
背景技术
由于地理实体的不确定性、人类认识表达能力的局限性、测量误差、数字化采集误差及地理空间数据在计算机中表达的局限性等多种因素的影响,对于交通运输领域的空间信息数据,会因为获取手段不同(如GPS、遥感、全野外等)、业务领域数据(如江图、海图、公路图、铁路图等)不同、比例尺不同、获取时间以及使用软件***不同等原因,造成同一区域的地理空间数据存在着差异。
现阶段,由于地理信息行业发展、国家对各类基础地理信息要素的管理、地理信息数据的获取和成图技术等多方面限制,导致我国现阶段基础地理信息数据、江图数据、海图数据、航空运输、轨道交通、铁路运输等各类基础地理信息数据各自自成体系,遵循不同的技术指标和采集标准,这种情况使得地理信息***和地理信息数据对综合联运、大件运输、多式联运等应用的支撑,受到很大的限制。为了解决这一问题,需要对多源数据进行融合。
目前行业对交通运输空间信息数据融合基本上全部是地理空间矢量数据的浅层融合,以目前海陆数据融合为例,在数据归一阶段,只进行了坐标***与投影归一,将所有的数据空间位置上进行了匹配,在此基础上对重叠区域进行了简单的同名要素融合和数据处理。
这种融合的优点是成本较低,调用灵活,缺点也非常明显,它并非真正意义上的数据融合,首先,它仅仅是对静态矢量数据进行了数据集成和简单位置匹配和重叠区域的数据筛选处理,并未对这些数据进行数据模型、数据分类和编码等进行深度融合处理,对于同名地物实体要素,并未进行深度匹配和属性融合处理;再者,它也并未对与之相关的交通实时动态数据进行相关融合处理;因此,对于最终数据成果,很难体现目前交通运输行业丰富的各类移动终端实时动态数据的增值应用,自然即无法体现时间轴的数据演化,也无法体现空间体系上的多源一统,更无法支持多源数据综合分析。
为此,本领域迫切需要研发出一种定位服务***能够克服现有技术存在的上述技术问题。
发明内容
本发明之目的是提供一种基于大数据体系的北斗交通运输数据融合***,能够解决现有数据融合结果无法体现时间轴的数据演化,也无法体现空间体系上的多源一统,更无法支持多源数据综合分析的技术问题。
本发明提供一种基于大数据体系的北斗交通运输数据融合***,包括交通基础地理信息框架数据模块、交通运输网络数据模块、交通实时大数据模块与数据融合模块,其中,
所述交通基础地理信息框架数据模块用于获取基础地理信息数据并进行初步数据融合;
所述交通运输网络数据模块用于以所述交通基础地理信息框架数据为基准,结合交通转运枢纽点节点信息,将交通运输网络信息与所述交通基础地理信息框架数据匹配融合,形成具备空间位置信息的数据;
所述交通实时大数据模块用于通过大数据处理技术从各类交通运输实时数据中抽取实时大数据;
所述数据融合模块用于通过北斗交通地理信息数据处理平台,将交通实时大数据、交通运输网络数据与交通基础地理信息框架数据进行位置匹配和数据关联,实现交通立体一张图数据融合。
优选地,所述所述交通基础地理信息框架数据模块包括:
地理信息模块,用于获取基础地理信息数据;
格式转换模块,用于通过所述北斗交通地理信息数据处理平台进行数据格式转换;
坐标转换模块,用于以北斗高精度控制网为空间数据基础,通过所述北斗交通地理信息数据处理平台进行坐标转换;
融合接边处理模块,用于将矢量数据进行数据融合接边处理;
第一数据融合模块,用于抽取不同来源数据中交通运输节点数据,并对抽取结果进行融合处理,形成所述交通基础地理信息框架数据。
优选地,所述基础地理信息数据包括全要素地形图、江图、海图、地名地址数据、高分辨率卫星影像、数字高程模型数据、高精度地图、BIM数据以及道路专题信息数据,所述道路专题信息数据包括路宽、路高、载重信息。
优选地,矢量数据转换为*.shp数据,影像数据转换为*.img格式。
优选地,所述坐标转换模块采用七参数法,将进行数据格式转换后的数据统一归算到CGCS2000大地坐标系中,实现所有数据的空间基准统一。
优选地,所述交通运输节点数据包括火车站点、汽车站点、公共交通站点、码头、渡口、机场与物流网点节点数据。
优选地,所述交通运输网络数据模块包括:
交通运输网络信息模块,用于获取并整理交通运输网络数据信息;
位置坐标配赋模块,用于以交通基础地理信息框架数据为基础,给所述交通运输网络数据中所有点位信息采用属性匹配方式自动化配赋空间位置坐标;
路线拟合模块,用于使用路网匹配算法进行路线拟合,将所述交通运输网络数据拟合生成交通运输网络线路图;
第一位置匹配模块,用于通过所述北斗交通地理信息数据处理平台使用几何校正工具将交通运输网络线路图与交通基础地理信息框架数据进行位置匹配;
第二数据融合模块,用于对经过所述第一位置匹配模块处理之后数据进行几何校正和数据优化,再通过数据匹配融合形成具备空间位置信息的交通运输网络数据。
优选地,所述交通运输网络数据信息包括公路导航路网数据、汽车运输时刻表数据、铁路运输时刻表数据、公共交通网络数据与航道图,所述公共交通网络数据包括公交线路图与地铁线路图。
优选地,所述交通实时大数据模块包括:
交通运输实时数据模块,用于采集各类交通运输实时数据;
数据预处理模块,用于对所述各类交通运输实时数据进行数据预处理;
数据聚类融合模块,用于使用融合模型对数据进行聚类与融合处理;
数据关联模块,用于使用频繁关联模型对数据进行数据挖掘与关联验证,获取交通实时路况数据;
气象数据模块,用于接入气象数据以补充天气要素信息;
数据展示模块,用于通过交通专题地理信息服务平台的数据可视化平台展示交通实时大数据。
优选地,所述数据融合模块包括:
第二位置匹配模块,用于将所述交通实时大数据、交通运输网络数据与交通基础地理信息框架数据实时数据进行位置匹配;
数据属性关联模块,用于在数据位置匹配之后进行实时数据属性关联;
数据配置模块,用于对数据统一可视化配置;
数据切片部署模块,用于对数据进行切片与部署处理;
服务发布模块,用于通过交通专题地理信息服务平台进行统一服务发布。
本发明的基于大数据体系的北斗交通运输数据融合***相比现有技术具有如下有益效果:
1、本发明结合国家对数据基准的相关规定,明确了交通运输立体空间一张图要以北斗导航定位***空间基准为数据空间基准,确保了静态数据与实时动态数据的数据基准一致性。
2、本发明针对交通运输空间数据融合方法,提出静态数据与动态数据统一融合到一张图上的思路,提高了“一张图”数据的时间效率和决策支持能力。
3、本发明提出静态数据和实时动态数据融合的理念,解决了一张图的实效性问题,提高一张图数据在交通综合运输网络分析方面的效能,提高了数据价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的基于大数据体系的北斗交通运输数据融合***的框架结构示意图;
图2为本发明的交通基础地理信息框架数据模块的框架结构示意图;
图3为交通基础地理信息框架数据融合示意图;
图4为本发明的交通运输网络数据模块的框架结构示意图;
图5为本发明的交通实时大数据模块的框架结构示意图;
图6为本发明的数据融合模块的框架结构示意图。
附图标记汇总:
1、交通基础地理信息框架数据模块 11、地理信息模块
12、格式转换模块 13、坐标转换模块
14、融合接边处理模块 15、第一数据融合模块
2、交通运输网络数据模块 21、交通运输网络信息模块
22、位置坐标配赋模块 23、路线拟合模块
24、第一位置匹配模块 25、第二数据融合模块
3、交通实时大数据模块 31、交通运输实时数据模块
32、数据预处理模块 33、数据聚类融合模块
34、数据关联模块 35、气象数据模块
36、数据展示模块 4、数据融合模块
41、第二位置匹配模块 42、数据属性关联模块
43、数据配置模块 44、数据切片部署模块
45、服务发布模块
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
如图1所示,本发明提供一种基于大数据体系的北斗交通运输数据融合***,包括交通基础地理信息框架数据模块1、交通运输网络数据模块2、交通实时大数据模块3与数据融合模块4,其中,
所述交通基础地理信息框架数据模块1用于获取基础地理信息数据并进行初步数据融合;
所述交通运输网络数据模块2用于以所述交通基础地理信息框架数据为基准,结合交通转运枢纽点节点信息,将交通运输网络信息与所述交通基础地理信息框架数据匹配融合,形成具备空间位置信息的数据;
所述交通实时大数据模块3用于通过大数据处理技术从各类交通运输实时数据中抽取实时大数据;
所述数据融合模块4用于通过北斗交通地理信息数据处理平台,将交通实时大数据、交通运输网络数据与交通基础地理信息框架数据进行位置匹配和数据关联,实现交通立体一张图数据融合。
其中,交通基础地理信息框架数据模块1主要内容是交通基础设施及周边设施的地理位置、基本属性信息,表达的是地理层面的信息内容,是立体一张图的骨骼部分;交通运输网络数据模块2主要内容是公路网、铁路网、水运线路、物流网络等交通专题信息数据,表达的是交通运输逻辑层面的信息;而交通实时大数据模块3中主要包括交通路况、气象、交通事件等与交通运输密切相关的实时信息数据,是交通网络数据的有效补充。通过数据融合模块4处理,将上述三类数据有效融合,形成空间一致、逻辑一致、时间一致的真正意义上的交通立体一张图数据。
本发明将北斗高精度定位技术与交通运输基础设施数字化和运输管理信息化建设很好结合起来,为智慧交通数据底座建设提供一种新的构思。
在本发明的进一步实施例中,如图2所示,交通基础地理信息框架数据模块1包括:
地理信息模块11,用于获取基础地理信息数据;
格式转换模块12,用于通过所述北斗交通地理信息数据处理平台进行数据格式转换;
坐标转换模块13,用于以北斗高精度控制网为空间数据基础,通过所述北斗交通地理信息数据处理平台进行坐标转换;
融合接边处理模块14,用于将矢量数据进行数据融合接边处理;
第一数据融合模块15,用于抽取不同来源数据中交通运输节点数据,并对抽取结果进行融合处理,形成交通基础地理信息框架数据。
优选地,基础地理信息数据包括全要素地形图、江图、海图、地名地址数据、高分辨率卫星影像、数字高程模型数据、高精度地图、BIM数据以及道路专题信息数据,所述道路专题信息数据包括路宽、路高、载重信息。
优选地,坐标转换模块13采用七参数法,将进行数据格式转换后的数据统一归算到CGCS2000大地坐标系中,实现所有数据的空间基准统一。
优选地,交通运输节点数据包括火车站点、汽车站点、公共交通站点、码头、渡口、机场与物流网点节点数据。
交通基础地理信息框架数据模块1获取交通基础地理信息框架数据流程如下:首先将不同来源的全要素地形图数据、内河航道图、海图、高分辨率卫星影像、数字高程模型数据等基础地理信息数据,通过北斗交通地理信息数据处理平台进行数据格式变换,将所有数据格式进行统一,矢量数据统一转换为*.shp数据,影像数据统一转换为*.img格式;然后,以北斗高精度控制网为空间数据基础,通过北斗交通地理信息数据处理平台进行坐标转换,使用七参数法,将上述数据统一归算到CGCS2000大地坐标系中,实现所有数据的空间基准统一;接下来,通过北斗交通地理信息数据处理平台进行数据融合接边处理,先将各类数据叠加,对于重叠区域参考高分辨率卫星影像数据和数字高程模型数据进行地物几何要素和属性信息一致化处理,处理过程中需明确精度优先和属性优先的原则,并明确各类数据的接边线,在各类地图范围重叠的区域内,确保各类地物要素的几何信息表达一致并唯一,在几何信息接边的位置,属性信息无差异,最终达到所有地物要素的空间几何位置无缝衔接,衔接位置的属性信息一致的目标。最后,通过北斗交通地理信息数据处理平台,将不同来源的数据中的交通运输节点数据分别抽取,包括火车站点、汽车站点、公共交通站点、码头、渡口、机场、物流网点等,并对抽取结果进行融合处理,消除冗余节点和伪数据,统合形成交通基础地理信息框架数据,如图3所示。
在本发明的进一步实施例中,如图4所示,交通运输网络数据模块2包括:
交通运输网络信息模块21,用于获取并整理交通运输网络数据信息;
位置坐标配赋模块22,用于以交通基础地理信息框架数据为基础,给所述交通运输网络数据中所有点位信息采用属性匹配方式自动化配赋空间位置坐标;
路线拟合模块23,用于使用路网匹配算法进行路线拟合,将所述交通运输网络数据拟合生成交通运输网络线路图;
第一位置匹配模块24,用于通过所述北斗交通地理信息数据处理平台使用几何校正工具将交通运输网络线路图与交通基础地理信息框架数据进行位置匹配;
第二数据融合模块25,用于对经过所述第一位置匹配模块处理之后数据进行几何校正和数据优化,再通过数据匹配融合形成具备空间位置信息的交通运输网络数据。
优选地,交通运输网络数据信息包括公路导航路网数据、汽车运输时刻表数据、铁路运输时刻表数据、公共交通网络数据与航道图,公共交通网络数据包括公交线路图与地铁线路图。
交通运输网络数据模块生成交通运输网络数据流程如下:以交通基础地理信息框架数据模块1中生成的交通基础地理信息框架数据为基础,通过北斗交通地理信息数据处理平台,对于公路导航路网、汽车运输时刻表数据、铁路运输时刻表数据、公共交通网络数据(包括公交线路图、地铁线路图)、航道图等各类交通运输网络数据,给所有点位信息用属性匹配的方式自动化配赋空间位置坐标;然后使用路网匹配算法进行路线拟合,基于交通基础地理信息框架数据模块1中的公路网络拓扑数据,将交通运输网络数据拟合生成交通运输网络线路图;通过北斗交通地理信息数据处理平台,使用几何校正工具,将上一环节生成的交通运输网络线路图,与交通运输基础空间地理信息框架数据进行位置匹配,在此基础上进行数据的校准和优化,最终整合形成具备空间位置信息的交通运输网络数据。
交通运输网络数据基于交通运输基础地理信息数据框架数据,以汽车站、火车站、港口、码头、机场、邮政网点等各类交通转运枢纽节点的地理位置为节点,将公路网数据、铁路网数据、水运航线网数据、公共交通网数据、邮政物流网数据等各类交通运输网络数据,与节点数据进行属性关联,然后再进行图形化转化,并与基础地理信息数据进行匹配套合,形成具有地理空间位置属性的交通运输网络数据,实现交通运输网络数据的统一数字化表达。
在本发明的进一步实施例中,如图5所示,交通实时大数据模块3包括:
交通运输实时数据模块31,用于采集各类交通运输实时数据;
数据预处理模块32,用于对所述各类交通运输实时数据进行数据预处理;
数据聚类融合模块33,用于使用融合模型对数据进行聚类与融合处理;
数据关联模块34,用于使用频繁关联模型对数据进行数据挖掘与关联验证,获取交通实时路况数据;
气象数据模块35,用于接入气象数据以补充天气要素信息;
数据展示模块36,用于通过交通专题地理信息服务平台的数据可视化平台展示交通实时大数据。
交通实时大数据模块获取交通实时大数据流程如下:通过采集不同来源的卡口数据、视频监控数据、地感线圈、浮动车量数据、车载移动终端信息、交通事故信息等各类交通实时数据,先进行数据预处理,剔除质量较差的伪数据,确保数据的有效,具体通过非线性滤波进行数据去噪声处理;然后使用融合模型对数据进行聚类和融合处理,接下来明确关联规则,使用频繁关联模型,对数据进行数据挖掘和关联验证,这两个过程是反复循环迭代的,这样才能持续提高数据挖掘的质量和有效性,最终获得交通实时路况数据;气象观测数据的独特性决定它一般是通过外部接入的形式获取,并作为实时数据的一部分,来提高对交通运输规划、管理等行为的决策支撑。上述数据统一经过数据可视化展示平台,展示为交通实时大数据。
上述交通实时大数据模块3使用人工/AI大数据处理后台,从各类交通运输实时数据中,抽取包括时政、应急、灾害、气象等各类实时信息,与静态数据融合,实现真正意义交通运输立体空间一张图数据。
在本发明的进一步实施例中,如图6所示,数据融合模块4包括:
第二位置匹配模块41,用于将所述交通实时大数据、交通运输网络数据与交通基础地理信息框架数据实时数据进行位置匹配;
数据属性关联模块42,用于在数据位置匹配之后进行实时数据属性关联;
数据配置模块43,用于对数据统一可视化配置;
数据切片部署模块44,用于对数据进行切片与部署处理;
服务发布模块45,用于通过交通专题地理信息服务平台进行统一服务发布。
数据融合模块4获取交通立体一张图融合数据流程如下:通过北斗交通地理信息数据处理平台,将交通实时数据与交通运输网络数据与交通基础地理空间框架数据进行实时数据位置匹配和实时数据数据属性关联,实现交通立体“一张图”数据融合。然后通过北斗交通地理信息数据处理平台,对最终成果实施数据统一可视化配置、数据切片、数据部署、服务发布等处理,实现数据的可视化展示和服务部署;最终通过交通专题地理信息服务平台进行统一服务发布,实现数据融合成果的统一共享,为各业务***应用,提供“一张图”形式的地图数据和相关服务。此外,还可以根据需求将交通立体“一张图”通过交通专题地理信息服务平台的数据可视化平台统一展示。
本发明提出静态数据和实时动态数据融合的理念,解决了一张图的实效性问题,提高一张图数据在交通综合运输网络分析方面的效能,提高了数据应用价值。
应当理解的是,本发明的上述具体实施方式仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种基于大数据体系的北斗交通运输数据融合***,其特征在于,包括交通基础地理信息框架数据模块、交通运输网络数据模块、交通实时大数据模块与数据融合模块,其中,
所述交通基础地理信息框架数据模块用于获取基础地理信息数据并进行初步数据融合;
所述交通运输网络数据模块用于以所述交通基础地理信息框架数据为基准,结合交通转运枢纽点节点信息,将交通运输网络信息与所述交通基础地理信息框架数据匹配融合,形成具备空间位置信息的数据;
所述交通实时大数据模块用于通过大数据处理技术从各类交通运输实时数据中抽取实时大数据;
所述数据融合模块用于通过北斗交通地理信息数据处理平台,将交通实时大数据、交通运输网络数据与交通基础地理信息框架数据进行位置匹配和数据关联,实现交通立体一张图数据融合。
2.根据权利要求1所述的基于大数据体系的北斗交通运输数据融合***,其特征在于,所述交通基础地理信息框架数据模块包括:
地理信息模块,用于获取基础地理信息数据;
格式转换模块,用于通过所述北斗交通地理信息数据处理平台进行数据格式转换;
坐标转换模块,用于以北斗高精度控制网为空间数据基础,通过所述北斗交通地理信息数据处理平台进行坐标转换;
融合接边处理模块,用于将矢量数据进行数据融合接边处理;
第一数据融合模块,用于抽取不同来源数据中交通运输节点数据,并对抽取结果进行融合处理,形成所述交通基础地理信息框架数据。
3.根据权利要求2所述的基于大数据体系的北斗交通运输数据融合***,其特征在于,所述基础地理信息数据包括全要素地形图、江图、海图、地名地址数据、高分辨率卫星影像、数字高程模型数据、高精度地图、BIM数据以及道路专题信息数据,所述道路专题信息数据包括路宽、路高、载重信息。
4.根据权利要求2所述的基于大数据体系的北斗交通运输数据融合***,其特征在于,矢量数据转换为*.shp数据,影像数据转换为*.img格式。
5.根据权利要求2所述的基于大数据体系的北斗交通运输数据融合***,其特征在于,所述坐标转换模块采用七参数法,将进行数据格式转换后的数据统一归算到CGCS2000大地坐标系中,实现所有数据的空间基准统一。
6.根据权利要求2所述的基于大数据体系的北斗交通运输数据融合***,其特征在于,所述交通运输节点数据包括火车站点、汽车站点、公共交通站点、码头、渡口、机场与物流网点节点数据。
7.根据权利要求1所述的基于大数据体系的北斗交通运输数据融合***,其特征在于,所述交通运输网络数据模块包括:
交通运输网络信息模块,用于获取并整理交通运输网络数据信息;
位置坐标配赋模块,用于以交通基础地理信息框架数据为基础,给所述交通运输网络数据中所有点位信息采用属性匹配方式自动化配赋空间位置坐标;
路线拟合模块,用于使用路网匹配算法进行路线拟合,将所述交通运输网络数据拟合生成交通运输网络线路图;
第一位置匹配模块,用于通过所述北斗交通地理信息数据处理平台使用几何校正工具将交通运输网络线路图与交通基础地理信息框架数据进行位置匹配;
第二数据融合模块,用于对经过所述第一位置匹配模块处理之后数据进行几何校正和数据优化,再通过数据匹配融合形成具备空间位置信息的交通运输网络数据。
8.根据权利要求7所述的基于大数据体系的北斗交通运输数据融合***,其特征在于,所述交通运输网络数据信息包括公路导航路网数据、汽车运输时刻表数据、铁路运输时刻表数据、公共交通网络数据与航道图,所述公共交通网络数据包括公交线路图与地铁线路图。
9.根据权利要求1所述的基于大数据体系的北斗交通运输数据融合***,其特征在于,所述交通实时大数据模块包括:
交通运输实时数据模块,用于采集各类交通运输实时数据;
数据预处理模块,用于对所述各类交通运输实时数据进行数据预处理;
数据聚类融合模块,用于使用融合模型对数据进行聚类与融合处理;
数据关联模块,用于使用频繁关联模型对数据进行数据挖掘与关联验证,获取交通实时路况数据;
气象数据模块,用于接入气象数据以补充天气要素信息;
数据展示模块,用于通过交通专题地理信息服务平台的数据可视化平台展示交通实时大数据。
10.根据权利要求1所述的基于大数据体系的北斗交通运输数据融合***,其特征在于,所述数据融合模块包括:
第二位置匹配模块,用于将所述交通实时大数据、交通运输网络数据与交通基础地理信息框架数据实时数据进行位置匹配;
数据属性关联模块,用于在数据位置匹配之后进行实时数据属性关联;
数据配置模块,用于对数据统一可视化配置;
数据切片部署模块,用于对数据进行切片与部署处理;
服务发布模块,用于通过交通专题地理信息服务平台进行统一服务发布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110446432.5A CN113128606B (zh) | 2021-04-25 | 2021-04-25 | 基于大数据体系的北斗交通运输数据融合*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110446432.5A CN113128606B (zh) | 2021-04-25 | 2021-04-25 | 基于大数据体系的北斗交通运输数据融合*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113128606A CN113128606A (zh) | 2021-07-16 |
CN113128606B true CN113128606B (zh) | 2024-02-20 |
Family
ID=76779702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110446432.5A Active CN113128606B (zh) | 2021-04-25 | 2021-04-25 | 基于大数据体系的北斗交通运输数据融合*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128606B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568234A (zh) * | 2010-12-10 | 2012-07-11 | 西安中科麦特电子技术设备有限公司 | 基于车载gps的交通指挥控制*** |
CN110136219A (zh) * | 2019-04-17 | 2019-08-16 | 太原理工大学 | 一种基于多源数据融合的二三维地图展示方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7454442B2 (en) * | 2005-04-25 | 2008-11-18 | The Boeing Company | Data fusion for advanced ground transportation system |
US20140222321A1 (en) * | 2013-02-06 | 2014-08-07 | Iteris, Inc. | Traffic state estimation with integration of traffic, weather, incident, pavement condition, and roadway operations data |
-
2021
- 2021-04-25 CN CN202110446432.5A patent/CN113128606B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568234A (zh) * | 2010-12-10 | 2012-07-11 | 西安中科麦特电子技术设备有限公司 | 基于车载gps的交通指挥控制*** |
CN110136219A (zh) * | 2019-04-17 | 2019-08-16 | 太原理工大学 | 一种基于多源数据融合的二三维地图展示方法 |
Non-Patent Citations (1)
Title |
---|
城市路网信息融合的关键技术;陈传彬;陆锋;励惠国;***;;地球信息科学学报(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113128606A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103743383B (zh) | 一种基于点云的道路信息自动提取方法 | |
CN203786891U (zh) | 基于gis的移动监测融合平台 | |
CN103745018B (zh) | 一种多平台点云数据融合方法 | |
EP3333824A1 (en) | Automatic detection of lane closures using probe data | |
CN103942941A (zh) | 基于gis的移动监测融合平台 | |
CN108195382B (zh) | 一种高精度导航图精度配准方法及装置 | |
Pan et al. | Exploring spatial variation of the bus stop influence zone with multi-source data: A case study in Zhenjiang, China | |
CN110490975B (zh) | 一种基于正射影像数据的施工总平面图制作方法 | |
CN109375290B (zh) | 一种基于机器学习的跨海大桥雾监测***及其应用方法 | |
CN103700063B (zh) | 基于高清卫星影像的地形图一体化快速成图方法 | |
CN108562297B (zh) | 一种高精度导航图生成方法及装置 | |
CN116386311A (zh) | 一种考虑极端天气条件的交通可达性评估方法 | |
CN105844031A (zh) | 一种基于手机定位数据的城市交通廊道识别方法 | |
CN113128606B (zh) | 基于大数据体系的北斗交通运输数据融合*** | |
Kharel et al. | Use of transportation network analysis for bus stop relocation, depiction of service area and bus route details | |
CN117253341A (zh) | 基于北斗与高分遥感技术的路域灾害监测预警方法与*** | |
CN115221220B (zh) | 基于空间组织特征的多机场体系识别方法 | |
CN113157989A (zh) | 基于大数据体系的北斗交通运输数据融合方法 | |
Matsuhita et al. | A proposal and performance evaluation of utilization methods for tourism of a demand-responsive transport system at a rural town | |
Leksono et al. | Acceleration of land certification with unmanned aerial vehicle in Cisumdawu toll road construction area | |
Beani et al. | The 3D metric survey for the digital cartographic production to support the knowledge of the new municipality of Mappano | |
Shibata et al. | Current status and future plans for digital map databases in Japan | |
Kumar et al. | GIS based advanced traveler information system for Hyderabad city | |
Akpomrere et al. | Bus rapid transit (BRT) and railway transport system in Lagos: geographic information system approach | |
US20230194650A1 (en) | Positioning using locally unique neighbor cell identifiers |
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 | ||
CB02 | Change of applicant information |
Address after: 101318 room 1115, 6 Anfu street, Houshayu Town, Shunyi District, Beijing Applicant after: Jiaoxin Beidou Technology Co.,Ltd. Applicant after: CHINA TRANSPORT TELECOMMUNICATIONS AND INFORMATION CENTER Address before: 101318 room 1115, 6 Anfu street, Houshayu Town, Shunyi District, Beijing Applicant before: BEIJING CCCC INVESTMENT INNOVATION INVESTMENT DEVELOPMENT CO.,LTD. Applicant before: CHINA TRANSPORT TELECOMMUNICATIONS AND INFORMATION CENTER |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |