CN115641721A - 多来源交通流指标融合及基于融合指标的路况计算方法 - Google Patents
多来源交通流指标融合及基于融合指标的路况计算方法 Download PDFInfo
- Publication number
- CN115641721A CN115641721A CN202211554669.6A CN202211554669A CN115641721A CN 115641721 A CN115641721 A CN 115641721A CN 202211554669 A CN202211554669 A CN 202211554669A CN 115641721 A CN115641721 A CN 115641721A
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- mileage
- interval
- road condition
- speed
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及多来源交通流指标融合及基于融合指标的路况计算方法,基于里程桩建立离散化路网;获取浮动车交通流指标及路网封闭区间的断面检测交通流指标,所述封闭区间以里程桩为入口或出口;所述交通流指标包括交通流速度;以里程桩区间为单位,将不同来源的空间连续交通流指标离散化;将每个里程桩区间的不同来源交通流指标融合。在融合不同来源交通流指标后,将融合后的交通流速度转换为里程桩区间路况,合并离散路网获取空间连续的高速路况。本发明的方法充分利用多来源路况数据,基于设计的融合算法实现任意时间切片上全路网路况数据融合,从而输出更精准、覆盖更全面的路况数据。
Description
技术领域
本发明属于智慧交通信息化领域,涉及多来源交通流指标融合及基于融合指标的路况计算方法。
背景技术
随着我国机动车保有量的不断提高,公路交通拥堵状况愈加严重,路况数据已成为道路管理方及广大交通参与者共同关心的话题。路况数据分为定量和定性两种,前者指具体的交通运行状况指标(下称“交通流指标”),如交通量、车速等,后者指交通运行情况描述,如缓行、拥堵、严重拥堵,后者一般由前者转化而来,且更易于理解,因此,下文中路况均指定性路况。
当前计算路况主要依赖浮动车及断面检测两大类数据,前者通过采集手机、车载设备等GPS数据,从而实现车速计算,进一步转化为浮动车处的路况,后者通过视屏检测、图像识别、雷达感应、地磁感应等方式,获取断面处的交通流指标,如车速、交通量等,进一步的经过转换获取断面处的路况。然而,当前路况计算及有效应用存在若干问题与难点:
(1)浮动车路况基于小样本,不足以代表完整路况
当前浮动车数据主要有:1)地图服务商(图商)采集的用户手机GPS数据,2)两客一危车辆GPS数据,3)特种车辆GPS数据等。当前图商采集的手机GPS数据为主。然而,各图商只能采集到各自用户的GPS数据用于计算路况,从而无法对完整路网运行状况进行描述,两客一危车辆、特种车辆等亦存在无法表述完整路况的问题。
(2)断面检测点的空间分布较稀疏,无法描述完整的路况
断面检测需依赖特定设施,如摄像机、雷达、地磁线圈等,因其设施昂贵,维护成本高,当前只会布置于路网关键点位或路段,其检测数据空间范围覆盖不足,无法描述完整的路况。
(3)各来源路况描述不一致
路况描述不一致的原因有两点:1)各来源计算得到的交通流指标不一致,原因为依赖的数据及计算原理均有差异;2)将交通流指标转化为路况的方式不一致。路况描述不一致的问题使得道路管理方及广大交通参与者无法准确获取道路运行状况。
对于以上问题,在以往的业务应用中通常会选取单一的路况数据。如在交通调查业务中,其会选取断面检测数据,从而获取道路关键点或关键路段的运行状况;又如在道路运行主动管控业务中,其会选取单一来源的浮动车路况,从而获取粒度较细的路况数据用于精准管控。但是,采用单一来源路况数据会带来空间覆盖率及准确率不足的问题,进而对上层业务的精准性及服务质量造成影响。
发明内容
本发明的第一目的在于,针对多来源、不完备的多来源路况数据,提供一种多来源交通流指标融合方法。
为实现本发明的上述目的,本发明采用如下方案:
一种多来源交通流指标融合方法,包括:
获取浮动车交通流指标及路网封闭区间的断面检测交通流指标,所述封闭区间以里程桩为入口或出口;所述交通流指标包括交通流速度;
以里程桩区间为单位,将不同来源的空间连续交通流指标离散化;
将每个里程桩区间的不同来源交通流指标融合,包括:
如果里程桩区间包含于封闭区间,同时包含于浮动车路线或与其相交,则对浮动车进行权重分配,以浮动车交通流速度的加权值作为里程桩区间的交通流速度;
如果里程桩区间仅包含于浮动车路线或与其相交,则以浮动车交通流速度均值作为里程桩区间的交通流速度;
如果里程桩区间仅包含于封闭区间,则以封闭区间的交通流速度作为里程桩区间的交通流速度;
如果不属于上述情况,则里程桩区间的交通流速度判定为无限大。
作为一种优选的实施方式,所述方法还包括,补充虚拟里程桩对里程桩加密。在路况业务中,拥堵起点或终点不一定在里程桩附近,如拥堵起点为G2503 第100.75公里处,使用最近里程桩G2503 K100+700或G2503 K100+800进行代替则会产生50米误差。因此,为得到精度更高的路况,本发明在当前固有里程桩的基础上,补充虚拟里程桩,对里程桩进行加密,得到更高精度的离散化路网。
作为一种优选的实施方式,采用空间线性插值方法补充虚拟里程桩,对里程桩进行加密。
作为一种优选的实施方式,将不同来源的空间连续交通流指标离散化的方式为:
对于浮动车数据源,将浮动车路线转换为与里程桩桩号一致的坐标系,对于与浮动车路线相交或被包含的里程桩区间,其对应的交通流指标为关联的浮动车的交通流指标;
对于封闭区间数据源,里程桩区间对应的交通流指标关联为包含该里程桩区间的封闭区间的交通流指标。
作为一种优选的实施方式,所述交通流指标还包括交通流密度,利用封闭区间的交通流密度和浮动车的交通流速度对浮动车进行权重分配。
作为一种优选的实施方式,所述权重分配的原则为:
断面交通流速度大于等于浮动车速度均值的情况下,权重为浮动车速度的单调递增函数;
断面交通流速度小于浮动车速度均值的情况下,权重为浮动车速度的单调递减函数;
当交通流指标包括交通流密度时,结合交通流密度约束权重,设置最大权重与最小权重的差值为交通流密度的单调递减函数。
本发明的多来源交通流指标融合方法充分利用高速公路交通空间特性,基于里程桩建立离散化路网,充分利用多个来源的交通流指标数据,通过可变加权平均进行融合得到统一且准确度更高的交通流指标,并利用断面检测交通流数据与浮动车数据进行互补,衡量全路网空间运行状况。
本发明的第二目的在于提供一种基于融合指标的高速路况计算方法,包括:利用上述方法融合不同来源交通流指标后,将融合后的交通流速度转换为里程桩区间路况,合并离散路网获取空间连续的高速路况。
作为一种优选的实施方式,所述合并离散路网包括:以封闭区间为上限,对空间连续且路况相同的里程桩区间进行合并。
作为一种优选的实施方式,所述方法还包括,在合并离散路网后进行空间平滑修正。
作为一种优选的实施方式,所述空间平滑修正包括:
对于两个空间连续的里程桩合并区间,如果两个里程桩合并区间空间连续,且两个里程桩合并区间的长度比符合预设阈值,则将两个里程桩合并区间合并;
所述里程桩合并区间指合并后的里程桩区间。
本发明的高速路况计算方法,充分利用多来源路况数据,基于设计的融合算法实现任意时间切片上全路网路况数据融合,从而输出更精准、覆盖更全面的路况数据。
本发明具有如下有益效果:
1)在交通管控领域,本发明所生成的融合路况数据,可提供管理者提供更精准覆盖面更广的路网运行状况,帮助其提升交通运行主动管控、历史路况研判、人员及管制设施配置等业务的水平;
2)在出行服务领域,更精准全面的融合路况数据可帮助交通参与者更合理的制定出行计划、切换形式路线、避免拥堵及交通事故等;
3)在数据治理领域,本发明将多个来源的数据进行***性的整合与优化,从而在数据管理、数据发布与存储、数据生命周期管理、数据质量管控等方面提高数据治理水平。
附图说明
图1是基于多来源交通流指标融合的高速路况计算IDEF图。
具体实施方式
实施例1
本实施例具体说明基于多来源交通流指标融合方法。
本案采用批式处理,每次计算接收某一时间切片上的多来源全路网运行状况指标数据,输出为融合后的路况数据。
如图1所示,多来源交通流指标融合的技术方案包括如下步骤:
A1. 离散路网准备
本步骤的目标为:1)对里程桩进行加密,利用加密后的里程桩将路线进行切割,得到离散化路网,便于后续将各来源交通流指标数据进行空间对齐与融合。2)获得加密后里程桩间的拓扑结构,便于后续离散路网合并及空间连续性修正。
里程桩是垂直***路侧的长条状物体,其具有编号--里程桩号,用于标识路线上的空间位置,如G2503 K100+700,指G2503路线,距离起点第100.7公里处。高速公路里程桩的特点为,间隔为100米,其密度较高,且布于路的两侧,同一位置处路两侧的里程桩号一致。
本发明中会使用到里程桩间拓扑结构,其要求拓扑节点编号唯一,因此此处将同一位置的上下行里程桩分别定义为1方向和0方向以示区分,如G2503 K100+700处,上行方向里程桩号为 G2503 K100+700|1,下行为G2503 K100+700|0。
本步骤的前置条件为加密前的里程桩区间。在高速公路场景中,里程桩区间指两个相邻里程桩之间的路线,为LineString,里程桩区间具体定义如下:
基于以上定义,下面对里程桩进行空间线性加密,并生成加密后的里程桩区间,具体过程如下。
其中步骤S1取LineString等分点及S4将LineString打断有通用方法,此处不做介绍。遍历所有里程桩区间,执行上述步骤A1 S1~S4,则所得到的则为加密后的里程桩集合,为加密后的里程桩区间,里程桩间隔为米。
A2. 断面交通流指标区间化
断面检测类的交通流指标,仅表征断面附近的交通状况。然而在高速交通实务中,路网分布广泛,而断面检测造价较高,因此对一个封闭区间(指起点及终点为收费站或枢纽,中间无其他出口的区间)一般仅布设一个断面检测点。
考虑到封闭区间内,车辆出入口唯一,对于稳定流,即无排队现象,进入封闭区间的车流量等于离开的车流量,该断面检测到的交通量可以代表区间内任意一点的交通量,对于非稳定流,即有排队现象,断面检测点的交通量为区间内交通量的均值,因此本发明采用断面检测交通流指标近似代替该封闭区间交通流指标。该方法空间粒度较为粗糙,对拥堵路况感知不够灵敏,因此需在步骤A4、A5中与浮动车数据进行融合。
本步骤的前置条件为封闭区间,及断面检测点与封闭区间关系,且封闭区间的坐标系与里程桩区间一致,为方便后续处理,此外要求封闭区间的起点或终点为里程桩。需注意的是,一个断面检测点只属于一个封闭区间,一个封闭区间包含一个或多个检测点,具体定义如下:
其中,
其中,
其中,
A3. 空间连续交通流指标离散化
本步骤将空间连续的交通流指标离散化,包括基于浮动车的空间连续交通流指标及A2中获得的封闭区间交通流指标。因A2中获得区间交通流指标为估计值(采用断面交通流指标推算得来),其作用与基于浮动车直接获得的数据有所差异,具体见A4,因此本步骤将其进行区分处理。
A3.1 基于浮动车的空间连续交通流指标离散化
A3.2 对A2封闭区间交通流指标离散化
A4. 离散路网交通流指标融合
基于步骤A3,本步骤的目标为,将每个里程桩区间的多个来源的交通流指标进行融合,具体过程如下。
其中:
在获取交通流密度指标的情况下,补充下式进行权重分配:
其中:
实施例2
本实施例具体说明基于实施例1获取的融合指标计算高速路况的方法。
A5. 离散路网路况计算
A6. 离散路网合并及空间平滑修正
截至步骤A5,已完成每个里程桩区间的路况计算,然而当前的空间粒度较细,且区间长度为米(见步骤A1),路网较为破碎,不便于后续分析及展示。因此本步骤的目标为,对空间连续且路况相同的里程桩区间进行合并,同时进行空间平滑修正,如某条道路上第至个里程桩区间路况为Ⅰ(严重拥堵),第 个里程桩区间路况为Ⅳ(畅通),第至为里程桩区间路况为Ⅰ(严重拥堵),且在当前路程桩区间粒度下,每个区间长度较短,因此将区间进行平滑修正为路况Ⅰ,即将区间至合并为路况为Ⅰ的严重拥堵路线较为合理。
此外,本步骤对离散路网合并的上限为封闭区间(见步骤A2),即不同封闭区间的里程桩区间,即使路况一致且空间连续,也不会进行合并。其原因有以下三点:1)高速公路场景下,封闭区间较长,以此为上限已能够避免路网过于破碎的问题;2)在高速公路管理侧,收费站和枢纽是路网内重要节点,无论是收费业务、交通管控业务,还是交通大数据分析等,都以收费站和枢纽对路网进行分割;3)在公众出行领域,往往在收费站及枢纽处才能进行道路转换,因此以封闭区间为上限的路况数据能够满足公众对路况判断的需求。
本步骤具体过程如下:
S9:若不存在,说明与空间连续且路况相同的里程桩区间已全部添加至有序元组中。按顺序提取中全部里程桩区间,合并为路线,取中第一个元素中里程桩区间的起点,记为,取最后一个元素中里程桩区间的终点,记为,计算的元素个数,记其路况为,添加有序五元组至集合;
对所有封闭区间,执行上述S1~S11,则可得到每个封闭区间所对应的路况信息,其中保存该封闭区间内每个相同路况且空间连续区间的路线,所覆盖里程桩区间个数,起点,终点,路况。将所有封闭区间路况信息合并,即可得全高速范围内的空间连续且路况相同的路况信息,记为集合,其中表示第个封闭区间对应的路况信息。
接下来进一步对合并后的路况数据做空间平滑修正,需注意的是,此处仍以封闭区间为上限。
Claims (10)
1.一种多来源交通流指标融合方法,其特征在于,包括:
基于里程桩建立离散化路网;
获取浮动车交通流指标及路网封闭区间的断面检测交通流指标,所述封闭区间以里程桩为入口或出口;所述交通流指标包括交通流速度;
以里程桩区间为单位,将不同来源的空间连续交通流指标离散化;
将每个里程桩区间的不同来源交通流指标融合,包括:
如果里程桩区间包含于封闭区间,同时包含于浮动车路线或与其相交,则对浮动车进行权重分配,以浮动车交通流速度的加权值作为里程桩区间的交通流速度;
如果里程桩区间仅包含于浮动车路线或与其相交,则以浮动车交通流速度均值作为里程桩区间的交通流速度;
如果里程桩区间仅包含于封闭区间,则以封闭区间的交通流速度作为里程桩区间的交通流速度;
如果不属于上述情况,则里程桩区间的交通流速度判定为无限大。
2.根据权利要求1所述的方法,其特征在于,还包括,补充虚拟里程桩对里程桩加密。
3.根据权利要求2所述的方法,其特征在于,采用空间线性插值方法补充虚拟里程桩,对里程桩进行加密。
4.根据权利要求1所述的方法,其特征在于,将不同来源的空间连续交通流指标离散化的方式为:
对于浮动车数据源,将浮动车路线转换为与里程桩桩号一致的坐标系,对于与浮动车路线相交或被包含的里程桩区间,其对应的交通流指标为关联的浮动车的交通流指标;
对于封闭区间数据源,里程桩区间对应的交通流指标关联为包含该里程桩区间的封闭区间的交通流指标。
5.根据权利要求1所述的方法,其特征在于,所述交通流指标还包括交通流密度,利用封闭区间的交通流密度和浮动车的交通流速度对浮动车进行权重分配。
6.根据权利要求1或5所述的方法,其特征在于,所述权重分配的原则为:
断面交通流速度大于等于浮动车速度均值的情况下,权重为浮动车速度的单调递增函数;
断面交通流速度小于浮动车速度均值的情况下,权重为浮动车速度的单调递减函数;
当交通流指标包括交通流密度时,结合交通流密度约束权重,设置最大权重与最小权重的差值为交通流密度的单调递减函数。
7.一种基于融合指标的高速路况计算方法,其特征在于,包括:利用权利要求1~6任一项所述方法融合不同来源交通流指标后,将融合后的交通流速度转换为里程桩区间路况,合并离散路网获取空间连续的高速路况。
8.根据权利要求7所述的方法,其特征在于,所述合并离散路网包括:以封闭区间为上限,对空间连续且路况相同的里程桩区间进行合并。
9.根据权利要求7或8所述的方法,其特征在于,还包括,在合并离散路网后进行空间平滑修正。
10.根据权利要求9所述的方法,其特征在于,所述空间平滑修正包括:
对于两个空间连续的里程桩合并区间,如果两个里程桩合并区间空间连续,且两个里程桩合并区间的长度比符合预设阈值,则将两个里程桩合并区间合并;
所述里程桩合并区间指合并后的里程桩区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211554669.6A CN115641721B (zh) | 2022-12-06 | 2022-12-06 | 多来源交通流指标融合及基于融合指标的路况计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211554669.6A CN115641721B (zh) | 2022-12-06 | 2022-12-06 | 多来源交通流指标融合及基于融合指标的路况计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115641721A true CN115641721A (zh) | 2023-01-24 |
CN115641721B CN115641721B (zh) | 2023-04-07 |
Family
ID=84948415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211554669.6A Active CN115641721B (zh) | 2022-12-06 | 2022-12-06 | 多来源交通流指标融合及基于融合指标的路况计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115641721B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117253364A (zh) * | 2023-11-15 | 2023-12-19 | 南京感动科技有限公司 | 交通拥堵事件提取与态势融合方法与*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104658252A (zh) * | 2015-02-10 | 2015-05-27 | 交通运输部科学研究院 | 基于多源数据融合的高速公路交通运行状态的评估方法 |
CN105489004A (zh) * | 2015-11-25 | 2016-04-13 | 杭州电子科技大学 | 面向道路实时速度计算的卡口与浮动车数据融合方法 |
CN109308805A (zh) * | 2018-08-20 | 2019-02-05 | 广东交通职业技术学院 | 一种基于自适应加权平均数据融合的路网mfd估测方法 |
CN109686090A (zh) * | 2019-01-17 | 2019-04-26 | 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 |
CN111724589A (zh) * | 2020-06-03 | 2020-09-29 | 重庆大学 | 一种基于多源数据的高速公路断面流量估计方法 |
CN112419712A (zh) * | 2020-11-04 | 2021-02-26 | 同盾控股有限公司 | 道路断面车速检测方法及*** |
US20220222556A1 (en) * | 2020-04-30 | 2022-07-14 | Shandong Jiaotong University | Road traffic jam early warning method and system |
CN114999162A (zh) * | 2022-08-02 | 2022-09-02 | 北京交研智慧科技有限公司 | 一种道路交通流量获取方法和装置 |
-
2022
- 2022-12-06 CN CN202211554669.6A patent/CN115641721B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104658252A (zh) * | 2015-02-10 | 2015-05-27 | 交通运输部科学研究院 | 基于多源数据融合的高速公路交通运行状态的评估方法 |
CN105489004A (zh) * | 2015-11-25 | 2016-04-13 | 杭州电子科技大学 | 面向道路实时速度计算的卡口与浮动车数据融合方法 |
CN109308805A (zh) * | 2018-08-20 | 2019-02-05 | 广东交通职业技术学院 | 一种基于自适应加权平均数据融合的路网mfd估测方法 |
CN109686090A (zh) * | 2019-01-17 | 2019-04-26 | 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 |
US20220222556A1 (en) * | 2020-04-30 | 2022-07-14 | Shandong Jiaotong University | Road traffic jam early warning method and system |
CN111724589A (zh) * | 2020-06-03 | 2020-09-29 | 重庆大学 | 一种基于多源数据的高速公路断面流量估计方法 |
CN112419712A (zh) * | 2020-11-04 | 2021-02-26 | 同盾控股有限公司 | 道路断面车速检测方法及*** |
CN114999162A (zh) * | 2022-08-02 | 2022-09-02 | 北京交研智慧科技有限公司 | 一种道路交通流量获取方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117253364A (zh) * | 2023-11-15 | 2023-12-19 | 南京感动科技有限公司 | 交通拥堵事件提取与态势融合方法与*** |
CN117253364B (zh) * | 2023-11-15 | 2024-01-26 | 南京感动科技有限公司 | 交通拥堵事件提取与态势融合方法与*** |
Also Published As
Publication number | Publication date |
---|---|
CN115641721B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9564048B2 (en) | Origin destination estimation based on vehicle trajectory data | |
US8392109B2 (en) | Methodology and system for routing optimization in GPS-based Navigation, combining dynamic traffic data | |
CN109544932A (zh) | 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 | |
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 | |
US8260532B2 (en) | Traffic probe in-vehicle map-based process to reduce data communications and improve accuracy | |
CN102622880A (zh) | 一种交通信息数据修复方法及装置 | |
Kianfar et al. | Placement of roadside equipment in connected vehicle environment for travel time estimation | |
EP3671689A1 (en) | Method and apparatus for dynamic speed aggregation of probe data for high-occupancy vehicle lanes | |
Wang et al. | Exploring operating speeds on urban arterials using floating car data: Case study in Shanghai | |
KR101913134B1 (ko) | 지능형 교통정보 시스템의 차선별 교통 속도 정보 생성 장치 | |
CN109377758B (zh) | 一种行驶时间预估方法及*** | |
EP3671126A1 (en) | Method, apparatus, and system for providing road closure graph inconsistency resolution | |
CN115641721B (zh) | 多来源交通流指标融合及基于融合指标的路况计算方法 | |
Oskarbski et al. | Estimating the average speed of public transport vehicles based on traffic control system data | |
CN106469503B (zh) | 一种预测交通事件影响范围的方法和装置 | |
Bogenberger et al. | Quality management methods for real-time traffic information | |
CN116933958B (zh) | 一种基于刷卡数据的地铁换乘站换乘客流估计方法 | |
CN110211380B (zh) | 一种多源交通数据融合的高速公路拥堵区间探测方法 | |
CN106651061A (zh) | 一种基于dsrc数据与点检测器数据的实时融合方法 | |
CN110175218A (zh) | 生成导航播报内容的方法、装置、设备和计算机存储介质 | |
Gong et al. | Estimating link travel time with sparse GPS data on highway corridors | |
JP6214827B1 (ja) | 燃費推定システム、燃費推定方法および燃費推定プログラム | |
Han et al. | Spatiotemporal congestion recognition index to evaluate performance under oversaturated conditions | |
CN111640303A (zh) | 城市通勤路径识别方法及设备 | |
Xu et al. | Identifying and Tracking Network-Wide Traffic Congestion Based on Mapping-to-Cells Vehicle Trajectory Data |
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 |