[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111143440B - 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质 - Google Patents

基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质 Download PDF

Info

Publication number
CN111143440B
CN111143440B CN201911402646.1A CN201911402646A CN111143440B CN 111143440 B CN111143440 B CN 111143440B CN 201911402646 A CN201911402646 A CN 201911402646A CN 111143440 B CN111143440 B CN 111143440B
Authority
CN
China
Prior art keywords
point
stop
vehicle
track
parking
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
Application number
CN201911402646.1A
Other languages
English (en)
Other versions
CN111143440A (zh
Inventor
陈卓
邓伟
张志平
胡道生
夏曙东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Transwiseway Information Technology Co Ltd
Original Assignee
Beijing Transwiseway Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Transwiseway Information Technology Co Ltd filed Critical Beijing Transwiseway Information Technology Co Ltd
Priority to CN201911402646.1A priority Critical patent/CN111143440B/zh
Publication of CN111143440A publication Critical patent/CN111143440A/zh
Application granted granted Critical
Publication of CN111143440B publication Critical patent/CN111143440B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Navigation (AREA)

Abstract

本申请实施例中提供了一种基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质。采用本申请实施例中的基于车辆轨迹的车辆停靠行为确定方法，通过获取目标车辆停靠点，按时间轴顺序根据停靠点绘制停靠轨迹，然后计算停靠点的中心点以及停靠最大半径，其次根据停靠轨迹匹配相应道路以及道路上的服务点集群；最后计算服务点集群中各服务点与所述停靠点的中心点的距离，其中距离不大于停靠最大半径的服务点为基础停靠服务点。实现了根据GPS获取的车辆轨迹计算分析车辆停靠行为，解决了现有技术难以根据GPS的车辆轨迹数据准确探测车辆轨迹中的加油等停靠行为的问题。

Description

基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储 介质
技术领域
本申请属于车辆信息技术领域，具体地，涉及一种基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质。
背景技术
在车联网技术中，信息点(POI)分析可以精确地分析出车辆停靠点信息有助于了解车辆的驾驶行为习惯。车辆经常停靠在物流园、加油站以及服务区等服务点，可以根据对信息点的分析得出车辆运输的货物类型、车辆常用加油站等信息。因此，通过获取货车的停靠点的信息对获取物流信息以及货车供应链有重要意义。车辆在停靠时，全球定位系统GPS(Global Positioning System)会在间隔一定的时间后向服务器上传车辆位置信息以及信息点，车辆的定位信息可以分析出车辆的运行和停靠，因此可根据GPS获取的车辆轨迹分析车辆停靠行为，输出结果车辆停靠数据可用于车辆用户行为分析。
而现有技术中利用数据挖掘的思想根据车辆轨迹分析车辆停靠行为时，大多采用DB-Scan或K-mean等聚类算法从车辆行驶轨迹中挖掘出加油站、物流园数据，但是目前的聚类算法大多适用处理上传间隔密集的轨迹点数据以及高精度的轨迹点数据，而GPS上传的车辆轨迹数据在车辆加油停靠等过程中只产生上传了少量轨迹点，且GPS存在轨迹点丢失和漂移的情况，因此现有技术难以根据GPS的车辆轨迹数据准确探测车辆轨迹中的加油等停靠行为的问题。
发明内容
本发明提出了一种基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质，旨在解决现有技术难以根据GPS的车辆轨迹数据准确探测车辆轨迹中的加油等停靠行为的问题。
根据本申请实施例的第一个方面，提供了一种基于车辆轨迹的车辆停靠行为确定方法，包括以下步骤：
获取目标车辆停靠点；
按时间轴顺序根据所述停靠点绘制停靠轨迹；
计算停靠点的中心点以及停靠最大半径；
根据停靠轨迹匹配相应道路以及道路上的服务点集群；
计算服务点集群中各服务点与所述停靠点的中心点的距离，各距离不大于所述停靠最大半径的服务点为基础停靠服务点。
根据本申请实施例的第二个方面，提供了一种基于车辆轨迹的车辆停靠行为确定系统，具体包括：
停靠轨迹模块，用于按时间轴顺序根据所述停靠点绘制停靠轨迹；
停靠中心点及停靠最大半径模块，用于计算所述停靠点的中心点以及停靠最大半径；
服务点集群模块，用于根据所述停靠轨迹匹配相应道路以及道路上的服务点集群；
停靠服务点模块，用于计算服务点集群中各服务点与所述停靠点的中心点的距离，所述各距离不大于所述停靠最大半径的服务点为基础停靠服务点。
根据本申请实施例的第三个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；计算机程序被处理器执行以实现基于车辆轨迹的车辆停靠行为确定方法。
采用本申请实施例中的基于车辆轨迹的车辆停靠行为确定方法，通过获取目标车辆停靠点，按时间轴顺序根据停靠点绘制停靠轨迹，然后计算停靠点的中心点以及停靠最大半径，其次根据停靠轨迹匹配相应道路以及道路上的服务点集群；最后计算服务点集群中各服务点与所述停靠点的中心点的距离，其中距离不大于停靠最大半径的服务点为基础停靠服务点。实现了根据GPS获取的车辆轨迹计算分析车辆停靠行为，解决了现有技术难以根据GPS的车辆轨迹数据准确探测车辆轨迹中的加油等停靠行为的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1中示出了根据本申请实施例的一种基于车辆轨迹的车辆停靠行为确定方法的步骤流程图；
图2中示出了根据本申请另一实施例的一种基于车辆轨迹的车辆加油站停靠行为确定方法的流程图；
图3中示出了根据本申请实施例中车辆GPS轨迹线GPS速度随时间的变化情况图；
图4中示出了根据本申请实施例中停靠点的中心点以及停靠最大半径的描述图；
图5中示出了根据本申请实施例中通过地理坐标网格化匹配油站的示意图；
图6中示出了未使用地理坐标网格化匹配油站的示意图；
图7中示出了根据本申请实施例的一种基于车辆轨迹的车辆停靠行为确定系统的结构示意图。
具体实施方式
在实现本申请的过程中，发明人发现现有技术中根据车辆轨迹分析车辆停靠行为时，大多采用聚类算法从车辆行驶轨迹中挖掘出加油站、物流园数据，但是目前的聚类算法大多适用处理上传间隔密集的轨迹点数据以及高精度的轨迹点数据，而GPS上传的车辆轨迹数据在车辆加油停靠等过程中上传了相对少量轨迹点，且GPS存在轨迹点丢失和漂移的情况，因此现有技术难以根据GPS的车辆轨迹数据准确探测车辆轨迹中的加油等停靠行为的问题。因此，需要一种适用GPS上传车辆数据并根据GPS的车辆轨迹数据准确探测车辆轨迹中的加油等停靠行为的技术。
针对上述问题，本申请实施例中提供了一种基于车辆轨迹的车辆停靠行为确定方法、确定系统可以适用GPS上传的车辆轨迹数据，解决了GPS车辆轨迹中稀疏采样、GPS噪音及丢失等问题，通过对货运车辆的车机上传轨迹点的GPS速度进行处理，得出车辆加油停靠情况。还结合地理空间信息进行数据挖掘，可直接从轨迹数据中挖掘加油站信息。
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1
图1中示出了根据本申请实施例的一种基于车辆轨迹的车辆停靠行为确定方法的步骤流程图。
如图1所示，本实施例的基于车辆轨迹的车辆停靠行为确定方法，具体包括以下步骤：
S101：获取目标车辆停靠点；
S102：按时间轴顺序根据所述停靠点绘制停靠轨迹；
S103：计算所述停靠点的中心点以及停靠最大半径；
S104：根据所述停靠轨迹匹配相应道路以及道路上的服务点集群；
S105：计算服务点集群中各服务点与所述停靠点的中心点的距离，所述距离不大于所述停靠最大半径的服务点为基础停靠服务点。
具体的，S101中，获取目标车辆停靠点具体为获取目标车辆GPS速度为零的轨迹点为停靠点。
S102中，按时间轴顺序根据停靠点绘制停靠轨迹具体绘制过程包括：
按照时间轴首个停靠点位置坐标作为停靠轨迹起点坐标；
所述停靠点序列为停靠轨迹；
首个出现GPS速度大于零的轨迹点为停靠轨迹结束点，或首个出现与下一个停靠点之间距离大于阈值的停靠点为停靠轨迹结束点。
具体的，S103中，计算所述停靠点的中心点以及停靠最大半径具体包括：
计算覆盖所有停靠点的圆形区域；
计算所述圆形区域圆心点作为停靠点的中心点；
计算所述圆形区域半径作为停靠最大半径。
S104中，服务点集群包括加油站、物流园以及服务区。
具体的，根据停靠轨迹匹配相应道路具体包括，根据车辆ID和停靠轨迹的停靠时间匹配目标车辆在所述停靠时间内所在道路的ID。
具体的，S105中的计算服务点集群中各服务点与所述停靠点的中心点的距离具体包括：
根据所述停靠点的中心点的地理坐标得到所述中心点对应的多个网格位置；
计算处于所述多个网格位置内的所有服务点与所述中心点之间的距离，所述距离最小的服务点作为停靠服务点。
优选地，所述多个网格包括所述中心点所在的网格以及相邻的八个网格。
实施例2
图2中示出了根据本申请另一实施例的一种基于车辆轨迹的车辆加油站停靠行为确定方法的流程图。
如图2所示，当服务点为加油站时，基于车辆轨迹的车辆加油站停靠行为确定方法的流程包括：
提取货车的GPS轨迹点数据；
符合条件的车辆停靠轨迹数据，即GPS速度为零的轨迹点以及由轨迹点组成的停靠轨迹；
匹配油站，根据停靠轨迹匹配停靠轨迹附近的油站；
筛选最终结果，计算距离最近的油站作为停靠加油站。
加油站停靠确认方法的核心步骤为：车辆GPS轨迹线、停靠轨迹段、基础停靠以及停靠加油站
图3中示出了根据本申请实施例中车辆GPS轨迹线GPS速度随时间的变化情况图。
如图3所示，根据GPS系统上报数据的GPS速度、时间以及坐标等形成的轨迹线，判断出属于停靠的轨迹段。
首先，图中GPS速度为0的轨迹点为停靠点。
其次，停靠点的序列为停靠轨迹段。具体，根据轨迹点数据判断停靠点P1(X1,Y1)、P2(X2,Y2)、…Pn(Xn,Yn)，并确定停靠起始时间sTime。
停靠轨迹段绘制规则具体为，按时间轴顺序，开始点取首个GPS速度为0的停靠点，若下一个停靠点速度仍然等于0并且与上一点距离不大于阈值d则加入停靠点序列，直到遇到GPS速度大于零的停靠点作为轨迹结束点；或者当前停靠点与下一个GPS速度为零的停靠点距离大于阈值d时，当前停靠点作为停靠轨迹结束点。
图4中示出了根据本申请实施例中停靠点的中心点以及停靠最大半径的描述图。
如图4所示，为停靠点序列中所有坐标点的中心点C(X,Y)的经纬度坐标，停靠最大半径r为中心点与所有停靠点P1、P2以及P3的最大距离，即Max(distance(C,Pn))。
计算停靠点的中心点和停靠最大半径时，过滤掉最大半径大于数值r0的情况，输出最大半径小于r0米的停靠点，然后进入下一次停靠的判断。
具体的，还包括跨日停靠确定：每日标记出当日未完成的停靠，当日最后一段轨迹点GPS速度都为0时即为跨日停靠轨迹。
其次，根据轨迹段匹配道路，最后匹配油站。
匹配道路ID(Identity document，身份标识)的规则为，根据车辆ID以及停靠起始GPS时间精确匹配该车辆该时间点所在道路的ID。
匹配油站规则为，若匹配的道路为道路L，计算该道路L上所有的油站与中心点C距离，距离数值小于阈值r的油站点为基础停靠油站点。
其中，距离最近的确定为最优的停靠加油站。
本实施例中采用地理坐标网格化的方法确定距离最近的停靠加油站。
地理坐标网格化中，例如输入加油站P(X,Y)坐标后，可以输出该加油站P对应的网格ID。
图5中示出了根据本申请实施例中通过地理坐标网格化匹配油站示意图。
如图5所示，确定距离最近的停靠加油站过程包括：
首先，根据停靠点的中心点C坐标确定其对应的9个地理网格数据；
具体的，用中心点C坐标计算其对应网格ID，得到中心点C所在网格，添加与中心点C所在网格相邻的另外8个网格组成图中的9个网格。
其次，本实施例中道路L上的油站包括G1、G2、G3以及G4，确定处于所述9个网格内且在道路L上的油站为G2和G3，分别计算油站G2和G3与中心点C的距离，最后确定距离中心点C最近的油站G2为停靠油站。
本实施例相比未使用网格化，计算过程更快捷，结果更准确。
图6中示出了未使用地理坐标网格化匹配油站的示意图。
如图6所示，未使用网格化匹配油站时，需要全部遍历油站G1、G2、G3以及G4，计算各油站至中心点C的距离，然后选择距离最近的油站；
经过网格化匹配油站时，最后只需要遍历的油站只剩下G2和G3。
本实施例考虑到最小距离的油站可能会跨网格的情况，因此选取相邻8个网格而不仅仅考虑中心点C所在网格。如图5所示，若仅考虑中心点C所在网格不考虑相邻8个网格时，则只匹配到油站G3，而错过距离最小的油站G2。
因此，本实施例中选取相邻8个网格的而不仅仅使用中心点C所处的网格，扩大了匹配范围，提高了匹配精度。
优选地，从基础停靠油站中筛选最优的停靠油站时需要观察匹配全量数据分布情况。
例如，加油过程的车辆行为特征：行驶、停车、熄火、启动以及行驶中车辆的行为特征。其中熄火停车时间应在一定的范围内，根据停靠时长进行过滤，轨迹点显示车辆熄火后开始计算，最后只保留除了最短时间以及最长时间以外的数据，即只保留ΔtMin至ΔtMax的数据。
根据停靠点的中心点与加油站地理位置的距离过滤，最后保留距离小于数值d的。
对同一车辆，保留上次加油停靠与本次时间间隔大于Δt并且当前里程与上次停靠里程差大于Δs的。
本申请实施例的基于车辆轨迹的车辆加油站停靠行为确定方法可以推算车辆加油停靠行为，挖掘货运车辆的加油习惯，对全国货运车辆进行用户行为分析。可以帮助运营计划推进以及加油站网点选址规划建议。
例如，以货运平台用户为中心的全方位数据分析中，还可以挖掘具体一个高速路段上的热点加油站，提取加油/未加油的车辆用户特征属性。
实施例3
图7示出了根据本申请实施例的一种基于车辆轨迹的车辆停靠行为确定系统。
如图7所示，本实施例提供的一种基于车辆轨迹的车辆停靠行为确定系统，具体包括：
车辆停靠点模块10：用于获取目标车辆停靠点；
停靠轨迹模块20，用于按时间轴顺序根据所述停靠点绘制停靠轨迹；
停靠中心点及停靠最大半径模块30，用于计算所述停靠点的中心点以及停靠最大半径；
服务点集群模块40，用于根据所述停靠轨迹匹配相应道路以及道路上的服务点集群；
停靠服务点模块50，用于计算服务点集群中各服务点与所述停靠点的中心点的距离，所述各距离不大于所述停靠最大半径的服务点为基础停靠服务点。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行以实现如上任一内容所提供的基于车辆轨迹的车辆停靠行为确定方法。
本申请实施例中的基于车辆轨迹的车辆停靠行为确定方法，通过获取目标车辆停靠点，按时间轴顺序根据停靠点绘制停靠轨迹，然后计算停靠点的中心点以及停靠最大半径，其次根据停靠轨迹匹配相应道路以及道路上的服务点集群；最后计算服务点集群中各服务点与所述停靠点的中心点的距离，其中距离不大于停靠最大半径的服务点为基础停靠服务点。实现了根据GPS获取的车辆轨迹计算分析车辆停靠行为，解决了现有技术难以根据GPS的车辆轨迹数据准确探测车辆轨迹中的加油等停靠行为的问题。
本申请实施例的基于车辆轨迹的车辆停靠行为确定方法、确定系统可以适用GPS上传的车辆轨迹数据，解决了GPS车辆轨迹中稀疏采样、GPS噪音及丢失等问题，通过对货运车辆的车机上传轨迹点的GPS速度进行处理，得出车辆加油停靠情况。还结合地理空间信息进行数据挖掘，可直接从轨迹数据中挖掘加油站信息。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (5)

1.一种基于车辆轨迹的车辆停靠行为确定方法，其特征在于，包括以下步骤：
对货运车辆的车机上传轨迹点的GPS速度进行处理；
获取目标车辆停靠点，包括：获取目标车辆GPS速度为零的轨迹点为停靠点；
按时间轴顺序根据所述停靠点绘制停靠轨迹，包括：按照时间轴首个停靠点位置坐标作为停靠轨迹起点坐标；首个出现GPS速度大于零的轨迹点为停靠轨迹结束点，或首个出现与下一个停靠点之间距离大于阈值的停靠点为停靠轨迹结束点；
计算所述停靠点的中心点以及停靠最大半径，包括：计算覆盖所有停靠点的圆形区域；计算所述圆形区域圆心点作为停靠点的中心点；计算所述圆形区域半径作为停靠最大半径，其中，停靠最大半径为中心点与所有停靠点的最大距离；
根据所述停靠轨迹匹配相应道路以及道路上的服务点集群，包括：
根据车辆ID和停靠轨迹的停靠时间匹配目标车辆在停靠时间内所在道路的ID，
其中，所述服务点集群包括加油站；
计算服务点集群中各服务点与所述停靠点的中心点的距离，包括：根据所述停靠点的中心点的地理坐标得到所述中心点对应的多个网格位置；计算处于所述多个网格位置内的所有服务点与所述中心点之间的距离，其中，
距离最近的服务点确定为最优的停靠加油站，所述距离不大于所述停靠最大半径的服务点为基础停靠服务点。
2.根据权利要求1所述的基于车辆轨迹的车辆停靠行为确定方法，其特征在于，所述服务点集群包括物流园以及服务区。
3.根据权利要求1所述的基于车辆轨迹的车辆停靠行为确定方法，其特征在于，所述多个网格包括所述中心点所在的网格以及相邻的八个网格。
4.一种基于车辆轨迹的车辆停靠行为确定系统，其特征在于，包括：
车辆停靠点模块，用于对货运车辆的车机上传轨迹点的GPS速度进行处理，获取目标车辆GPS速度为零的轨迹点为停靠点；
停靠轨迹模块，用于按照时间轴首个停靠点位置坐标作为停靠轨迹起点坐标；首个出现GPS速度大于零的轨迹点为停靠轨迹结束点，或首个出现与下一个停靠点之间距离大于阈值的停靠点为停靠轨迹结束点；
停靠中心点及停靠最大半径模块，用于计算覆盖所有停靠点的圆形区域；计算所述圆形区域圆心点作为停靠点的中心点；计算所述圆形区域半径作为停靠最大半径，其中，停靠最大半径为中心点与所有停靠点的最大距离；
服务点集群模块，用于根据车辆ID和停靠轨迹的停靠时间匹配目标车辆在停靠时间内所在道路的ID，其中，所述服务点集群包括加油站；
停靠服务点模块，用于根据所述停靠点的中心点的地理坐标得到所述中心点对应的多个网格位置；计算处于所述多个网格位置内的所有服务点与所述中心点之间的距离，其中，距离最近的服务点确定为最优的停靠加油站，所述各距离不大于所述停靠最大半径的服务点为基础停靠服务点。
5.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；所述计算机程序被处理器执行以实现如权利要求1-3任一项所述的基于车辆轨迹的车辆停靠行为确定方法。
CN201911402646.1A 2019-12-30 2019-12-30 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质 Active CN111143440B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911402646.1A CN111143440B (zh) 2019-12-30 2019-12-30 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911402646.1A CN111143440B (zh) 2019-12-30 2019-12-30 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质

Publications (2)

Publication Number Publication Date
CN111143440A CN111143440A (zh) 2020-05-12
CN111143440B true CN111143440B (zh) 2023-07-25

Family

ID=70522234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911402646.1A Active CN111143440B (zh) 2019-12-30 2019-12-30 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质

Country Status (1)

Country Link
CN (1) CN111143440B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113742634A (zh) * 2020-05-27 2021-12-03 华为技术有限公司 轨迹点滤选方法及装置、存储介质
CN112633812B (zh) * 2020-12-30 2023-04-07 北京优挂信息科技有限公司 货运车辆的轨迹分段方法、装置、设备及存储介质
CN112837197A (zh) * 2021-01-28 2021-05-25 南斗六星系统集成有限公司 一种基于局部覆盖盲区的专用车服务站选址方法
CN113222492B (zh) * 2021-03-29 2024-05-03 北京中交兴路信息科技有限公司 一种车辆行驶线路类型的判别方法、装置、存储介质及终端
CN114463970B (zh) * 2022-01-11 2023-03-31 北京中交兴路信息科技有限公司 自动检测卡口封闭的方法、装置、设备及存储介质
CN114863715A (zh) * 2022-05-05 2022-08-05 一汽解放汽车有限公司 停车数据确定方法、装置、电子设备及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196408A (zh) * 2006-12-08 2008-06-11 高德软件有限公司 服务区/停车区导航装置
JP2011232169A (ja) * 2010-04-27 2011-11-17 Clarion Co Ltd ナビゲーション装置、走行軌跡記録方法
CN103426211A (zh) * 2012-05-24 2013-12-04 株式会社堀场制作所 车辆行驶状况分析系统、分析装置和分析方法
CN104408914A (zh) * 2014-10-31 2015-03-11 重庆大学 基于gps数据的信号交叉口单车停车延误时间估计方法及系统
CN104697536A (zh) * 2015-02-12 2015-06-10 奇瑞汽车股份有限公司 一种车辆定位的方法和装置
KR101549144B1 (ko) * 2014-11-28 2015-09-02 에이투엠 주식회사 위치기록장치
CN105761541A (zh) * 2016-03-17 2016-07-13 北京中岩大地科技股份有限公司 一种自动化停车场预约取车系统与方法
CN106370190A (zh) * 2015-07-20 2017-02-01 腾讯科技（深圳）有限公司 车辆导航、位置标记方法、装置及系统
CN108090722A (zh) * 2017-12-14 2018-05-29 吉旗（成都）科技有限公司 一种基于gps的物流网络站点识别设备与识别方法
CN108961811A (zh) * 2017-05-25 2018-12-07 纵目科技（上海）股份有限公司 停车场车辆定位方法、系统、移动终端及存储介质
CN109541654A (zh) * 2018-11-19 2019-03-29 北京金州世纪信息技术有限公司 一种车辆停靠点的计算方法及装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10949864B2 (en) * 2010-01-08 2021-03-16 Orlando McMaster Smart vehicle navigation and tracking system
US20110208646A1 (en) * 2010-01-08 2011-08-25 Mcmaster Orlando Smart vehicle navigation and tracking system
CN102506887B (zh) * 2011-11-10 2017-06-23 厦门雅迅网络股份有限公司 一种地理导航方法
CN104898139A (zh) * 2014-03-07 2015-09-09 中兴通讯股份有限公司 一种车辆定位纠偏方法及装置
CN106569245B (zh) * 2015-10-10 2021-01-05 腾讯科技（深圳）有限公司 一种车辆定位方法及装置
CN105654417A (zh) * 2016-01-13 2016-06-08 北京中交兴路信息科技有限公司 一种货车停靠点信息的获取方法及系统
CN105718939A (zh) * 2016-01-13 2016-06-29 北京中交兴路信息科技有限公司 基于增量聚类的车辆停靠轨迹漂移去除方法及装置
CN105761490B (zh) * 2016-04-22 2018-05-04 北京国交信通科技发展有限公司 对危化品运输车辆在服务区停靠的预警方法
CN106781466B (zh) * 2016-12-06 2019-10-22 北京中交兴路信息科技有限公司 一种车辆停靠点信息的确定方法及装置
CN106776988B (zh) * 2016-12-06 2020-12-04 北京中交兴路信息科技有限公司 一种基于时间聚合的停靠点确定方法及装置
CN107622655A (zh) * 2017-09-14 2018-01-23 王淑芳 一种重点营运车辆疲劳驾驶监控方法和系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196408A (zh) * 2006-12-08 2008-06-11 高德软件有限公司 服务区/停车区导航装置
JP2011232169A (ja) * 2010-04-27 2011-11-17 Clarion Co Ltd ナビゲーション装置、走行軌跡記録方法
CN103426211A (zh) * 2012-05-24 2013-12-04 株式会社堀场制作所 车辆行驶状况分析系统、分析装置和分析方法
CN104408914A (zh) * 2014-10-31 2015-03-11 重庆大学 基于gps数据的信号交叉口单车停车延误时间估计方法及系统
KR101549144B1 (ko) * 2014-11-28 2015-09-02 에이투엠 주식회사 위치기록장치
CN104697536A (zh) * 2015-02-12 2015-06-10 奇瑞汽车股份有限公司 一种车辆定位的方法和装置
CN106370190A (zh) * 2015-07-20 2017-02-01 腾讯科技（深圳）有限公司 车辆导航、位置标记方法、装置及系统
CN105761541A (zh) * 2016-03-17 2016-07-13 北京中岩大地科技股份有限公司 一种自动化停车场预约取车系统与方法
CN108961811A (zh) * 2017-05-25 2018-12-07 纵目科技（上海）股份有限公司 停车场车辆定位方法、系统、移动终端及存储介质
CN108090722A (zh) * 2017-12-14 2018-05-29 吉旗（成都）科技有限公司 一种基于gps的物流网络站点识别设备与识别方法
CN109541654A (zh) * 2018-11-19 2019-03-29 北京金州世纪信息技术有限公司 一种车辆停靠点的计算方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《Analyzing Location Accuracy of Unmanned Vehicle According to RTCM Message Frequency or RTK-GPS》;Inseop Um;《2019 25th Asia-Pacific Conference on Communications》;全文 *
《基于北斗卫星导航的城市停车优化系统设计研究》;徐岸;《赤峰学院学报》;全文 *
《站点处非机动车对公交车辆停靠过程影响分析》;韩志玲;《北京工业大学学报》;第42卷(第7期);全文 *

Also Published As

Publication number Publication date
CN111143440A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
CN111143440B (zh) 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质
CN104700617B (zh) 基于低精度gps轨迹数据的高精度车道信息提取方法
CN101210825B (zh) 地图信息生成系统
CN106323301B (zh) 一种道路情报的获取方法及装置
CN104900059B (zh) 一种增强手机基站定位精度的方法
CN102183256B (zh) 行进车队的地图匹配方法
CN106227726B (zh) 一种基于车辆轨迹数据的路径提取方法
CN108286979B (zh) 一种获取高精度导航路径数据的方法和装置以及导航系统、驾驶系统
CN101986102B (zh) 一种城市地理信息系统中电子地图匹配方法
CN109166317B (zh) 基于状态特征的城市交通路径通过时间确定方法
WO2014062118A1 (en) System and method in connection with occurrence of platoons
CN104197945A (zh) 一种基于低采样率浮动车数据的全局投票地图匹配方法
CN104422451A (zh) 一种道路识别方法及装置
CN108204819B (zh) 一种地图数据自动检测方法和装置、及混合导航系统
CN110555992A (zh) 一种基于gps轨迹数据的出租车行驶路径信息提取方法
CN112633812B (zh) 货运车辆的轨迹分段方法、装置、设备及存储介质
CN114298642A (zh) 从轨迹数据中提取城市内货车出行od的方法
EP4012342B1 (en) Data processing method and device
CN103680185B (zh) 一种车辆行驶道路等级精确划分方法
CN111982135B (zh) 一种基于不同协议的地图格式之间的转换方法
CN114186619A (zh) 车辆停靠点聚类的方法、装置、设备及存储介质
CN102945261A (zh) 智能车载信息服务终端一键式目标搜索优化方法
CN110969900B (zh) 一种基于航线管理的全航线水平偏置计算方法
CN109754630B (zh) 确定车辆运营线路的方法和装置
CN109727332B (zh) 一种计算环卫车辆环卫作业次数的方法及系统

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