CN110276973B - 一种路口交通规则自动识别方法 - Google Patents
一种路口交通规则自动识别方法 Download PDFInfo
- Publication number
- CN110276973B CN110276973B CN201910659720.1A CN201910659720A CN110276973B CN 110276973 B CN110276973 B CN 110276973B CN 201910659720 A CN201910659720 A CN 201910659720A CN 110276973 B CN110276973 B CN 110276973B
- Authority
- CN
- China
- Prior art keywords
- intersection
- vehicle
- traffic
- trajectory data
- turning
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
一种路口交通规则自动识别方法，属于智能交通技术领域。方法包括步骤S01，根据每个车辆ID按时间排序的车辆轨迹数据点形成的行驶轨迹，确定车辆行驶方向改变的轨迹点；步骤S02，计算轨迹点与在行驶方向改变前的车辆轨迹数据点的差值，确定轨迹点为路口转弯的车辆轨迹数据点并将其保留；步骤S03，针对路口转弯的车辆轨迹数据点进行聚类，识别出交通路口以及路口类型；步骤S04，对每个交通路口统计左转、右转、掉头的车辆轨迹数据点的数量，并确定交通路口的交通规则是否为禁止左转、禁止右转、禁止掉头。本发明能自动识别出所有交通路口以及路口的控制信息，为自动无人驾驶提供实时准确安全导航的应用需求，避免交通拥堵，减少污染，保护环境。
Description
技术领域
本发明属于智能交通技术领域，特别是一种路口交通规则自动识别方法。
背景技术
自动驾驶技术的研究已经吸引了广泛的关注，成为相关专家学者的研究的热点。其中车辆行驶安全是自动驾驶中的管家问题之一，如果给自动驾驶汽车在路网环境中安全自动导航也是专家们研究的重点，因此实时路径规划是自动汽车的一个关键技术。自动导航系统能够引导车子选择最优的路径通过避免拥堵路段从而增加现有路网的通行能力。而在实时导航系统中，交通规则，尤其的路口在城市环境中交通控制系统中，交通规则扮演者重要的角色。然而，在城市路网中，不仅有单行道，双行道，立体交通等。随着车子数量的增加，拥堵不可避免。为了防止某个路段的过度拥堵，交通管理部门常常会设置一些交通控制措施来缓解某个路段的交通压力，比如禁止左转，禁止右转，禁止掉头。比如在某个路口设置：6:00 到18:00禁止左转。这种交通控制措施有可能是临时一段时间有效，或者突然某个路口添加这样的控制措施。地图的更新一般3-6个月更新一次，因此导航系统无法及时获取这些信息，从而在选择最优的路径时不会将这种信息考虑进去，有可能就包含这种禁止通行路径。如果是自动驾驶汽车会产生违规驾驶，而对于有人驾驶的汽车，也面临不得不临时改走其他道路，这样不但增加行驶时间，还可能造成拥堵，环境污染等问题。
发明专利申请CN201610458509.X 公开了一种针对出租车轨迹数据的K-means初始聚类中心选择方法，将车子匹配的路网上，然后根据是否有大量车辆轨迹没有匹配到地图的路网上，从而检测出新增加道路。这种方式仅用于更新地图关于新增道路的信息，无法获知交通路口的不同管控。
发明内容
本发明针对现有技术存在的问题，提出了一种路口交通规则自动识别方法，能自动识别出城市路网的所有交通路口以及路口的控制信息，从而为自动无人驾驶提供实时准确安全导航的应用需求，可以有效避免交通拥堵发生，并减少污染，保护环境。
本发明是通过以下技术方案得以实现的：
本发明提供一种路口交通规则自动识别方法，包括：
步骤S01，根据每个车辆ID按时间排序的车辆轨迹数据点形成的行驶轨迹，确定车辆行驶方向改变的轨迹点；
步骤S02，计算轨迹点与在行驶方向改变前的车辆轨迹数据点的差值，确定轨迹点为路口转弯的车辆轨迹数据点并将其保留；
步骤S03，针对路口转弯的车辆轨迹数据点进行聚类，识别出交通路口以及路口类型；
步骤S04，对每个交通路口统计左转、右转、掉头的车辆轨迹数据点的数量，并确定交通路口的交通规则是否为禁止左转、禁止右转、禁止掉头。
本发明利用车辆行驶过程收集大量GPS轨迹信息，从而给基于轨迹数据的应用提供了广泛的前景。该方法可以通过挖掘分析一天的车辆轨迹数据即可以自动识别出城市路网的所有交通路口以及路口的控制信息。
作为优选，本发明方法还包括步骤S05，所述交通规则和路口信息被发送给导航系统。
作为优选，所述步骤S01包括：
步骤S11,采集车辆轨迹数据点，根据每个车辆ID，按时间排序形成每个车辆的行驶轨迹；
步骤S12，查找每个车辆行驶轨迹中车辆行驶方向改变的车辆轨迹数据点，并将此确定为轨迹点。
作为优选，车辆轨迹数据点包括GPS坐标、行驶速度、行驶角度、时间。
作为优选，所述步骤S02包括：
步骤S21,计算轨迹点与在行驶方向改变前的车辆轨迹数据点的行驶距离差、行驶角度差、时间差；
步骤S22，当行驶距离差、行驶角度差、时间差均各自满足路口转弯条件时，则确认轨迹点为路口转弯的车辆轨迹数据点，否则不属于路口转弯的车辆轨迹数据点；
步骤S23，过滤不属于路口转弯的车辆轨迹数据点并保留路口转弯的车辆轨迹数据点。
作为优选，所述路口转弯条件为：行驶速度差为20-60秒；行驶角度差大于90度；行驶距离超过100米。
作为优选，所述步骤S03包括：
步骤S31，针对路口转弯的车辆轨迹数据点，基于密度的聚类算法进行聚类；
步骤S32，根据聚类算法自动识别出城市路口以及路口类型，路口类型包括十字路口、X形路口、Y形路口、环形路口、T形路口。
作为优选，所述步骤S04包括：
步骤S41，根据交通路口的不同方向，统计左转角度差为-90度、右转角度差为90度、掉头角度差为180度的车辆轨迹数据点的数量；
步骤S42，若左转角度差为-90度的车辆轨迹数据点的数量等于0时，则此处交通路口的交通规则为禁止左转；若右转角度差为90度的车辆轨迹数据点的数量等于0时，则此处交通路口的交通规则为禁止右转；若掉头角度差为180度的车辆轨迹数据点的数量等于0，则此处交通路口的交通规则为禁止掉头。
作为优选，所述车辆轨迹数据点是通过安装有GPS的车辆实时检测获得。
本发明具有以下有益效果：
本发明一种路口交通规则自动识别方法，
1、具有实时性，只需要根据一天的浮动车轨迹数据既可以检测出路口交通控制信息。从而为自动驾驶的导航提供准确的导航信息，避免违规。而传统的导航系统，必须依赖地图的更新才能更新导航信息。
2、可以自动发现城市道路的交通路口。通过基于密度的聚类算法实时检测城市交通路口，以及路口的类型。
3、不需要进行车路匹配计算，传统的方法需要首先对车子的轨迹点匹配到道路上，有两个缺点，一是计算成本高，而是精度低，车路匹配受城市峡谷或者GPS点精度制约，匹配正确率不高。
4、可以为无人驾驶自动导航提供实时的交通控制信息，从而避免交通违规，也可以为普通司机提供准确实时导航，从而避开禁止通行路段，减少交通拥堵，减少碳排放，节约能源。
附图说明
图1为本发明一种路口交通规则自动识别方法的总流程框图；
图2为路口转弯轨迹点的示意图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
如图1，本发明一种路口交通规则自动识别方法，包括：
步骤S01，根据每个车辆ID按时间排序的车辆轨迹数据点形成的行驶轨迹，确定车辆行驶方向改变的轨迹点；
步骤S02，计算轨迹点与在行驶方向改变前的车辆轨迹数据点的差值，确定轨迹点为路口转弯的车辆轨迹数据点并将其保留；
步骤S03，针对路口转弯的车辆轨迹数据点进行聚类，识别出交通路口以及路口类型；
步骤S04，对每个交通路口统计左转、右转、掉头的车辆轨迹数据点的数量，并确定交通路口的交通规则是否为禁止左转、禁止右转、禁止掉头。
该方法的车辆轨迹数据点是利用安装有GPS采集终端的车辆实时采集获得。车辆在行驶过程中收集大量GPS轨迹信息。
具体地，所述步骤S01包括：
步骤S11,采集车辆轨迹数据点，根据每个车辆ID，按时间排序形成每个车辆的行驶轨迹；
步骤S12，查找每个车辆行驶轨迹中车辆行驶方向改变的车辆轨迹数据点，并将此确定为轨迹点。
所述车辆轨迹数据点包括GPS坐标、行驶速度、行驶角度、时间。每个车辆都有对应的车辆ID，对应车辆ID下的车辆轨迹数据点都以车辆ID标引。为此，按照时间排序，可以看到对应车辆ID下的车辆轨迹数据点以时间顺序排列形成行驶轨迹。行驶轨迹由于道路限制，而存在非直线运动轨迹，如路口转弯，如变道导致的转弯偏移，如道路不顺直而导致的行驶转弯偏移，如行驶目的地的位置而导致的行驶转弯偏移等情况。在此情况下，对于相邻时间的车辆轨迹数据点发生车辆行驶方向变化的，则将发生行驶方向变化的车辆轨迹数据点确定为轨迹点。
由于存在上述各种情况的偏移，若仅检测行驶角度差来判断轨迹点是否为路口转弯的车辆轨迹数据点的话，可能会出现检测误差，如将正常行驶中变道的车辆轨迹数据点或进停车场的车辆轨迹数据点或进加油站的车辆轨迹数据点等其他不属于路口转弯的车辆轨迹数据点考虑在那，则会统计出错，无法有效进行后续的路口交通规则识别。为此，不仅要考虑行驶角度差，还要考虑其他因素。
具体地，所述步骤S02包括：
步骤S21,计算轨迹点与在行驶方向改变前的车辆轨迹数据点的行驶距离差、行驶角度差、时间差；
步骤S22，当行驶距离差、行驶角度差、时间差均各自满足路口转弯条件时，则确认轨迹点为路口转弯的车辆轨迹数据点，否则不属于路口转弯的车辆轨迹数据点；
步骤S23，过滤不属于路口转弯的车辆轨迹数据点并保留路口转弯的车辆轨迹数据点。
所述路口转弯条件为：行驶速度差为20-60秒；行驶角度差大于90度；行驶距离超过100米。只有在三者条件均满足的情况，才能排除上述特例，确保符合条件的轨迹点为路口转弯的车辆轨迹数据点。
所述行驶距离差可利用两个车辆轨迹数据点的GPS坐标，通过勾股定理计算获得，也可以利用行驶速度差和行驶时间差的乘积计算。
具体地，所述步骤S03包括：
步骤S31，针对路口转弯的车辆轨迹数据点，基于密度的聚类算法进行聚类；
步骤S32，根据聚类算法自动识别出城市路口以及路口类型，路口类型包括十字路口、X形路口、Y形路口、环形路口、T形路口。
基于密度的聚类算法可采用DBSCAN聚类算法。首先以每一个数据点为圆心，以eps 为半径画一个圆圈。这个圆圈被称为xi的eps邻域。其次，对这个圆圈内包含的点进行计数。如果一个圆圈里面的点的数目超过了密度阈值 MinPts，那么将该圆圈的圆心记为核心点，又称核心对象。如果某个点的eps 邻域内点的个数小于密度阈值但是落在核心点的邻域内，则称该点为边界点。既不是核心点也不是边界点的点，就是噪声点。第三，核心点xi 的 eps 邻域内的所有的点，都是 xi 的直接密度直达。最后，如果对于xk，使 xi 和 xj都可以由xk密度可达，那么，就称 xi和xj 密度相连。将密度相连的点连接在一起，就形成了我们的聚类簇。聚类后形成城市路网的所有交通路口，以及路口类型。交通路口、路口类型构成路口信息。
在一实施方式下，所述步骤S04包括：
步骤S41，根据交通路口的不同方向，统计左转角度差为-90度、右转角度差为90度、掉头角度差为180度的车辆轨迹数据点的数量；
步骤S42，若左转角度差为-90度的车辆轨迹数据点的数量等于0时，则此处交通路口的交通规则为禁止左转；若右转角度差为90度的车辆轨迹数据点的数量等于0时，则此处交通路口的交通规则为禁止右转；若掉头角度差为180度的车辆轨迹数据点的数量等于0，则此处交通路口的交通规则为禁止掉头。
当不存在车辆轨迹数据点有左转、右转、掉头的情况时，则认为此路口是禁止左转、右转、掉头。
然而此情况下，可能存在路口类型为T字路口，从一条路口出发只能右转或直行时，必然不存在左转的可能，则当左转角度差为-90度的车辆轨迹数据点的数量等于0时，则将此处佳通路口的交通规则判断为禁止左转，存在判断错误，即此处不存在禁止左转的交通规则。
为此，可在判断数量前，先判断路口类型和路口行驶方向。判断路口类型是否为T字路口，若是则判断车辆路口行驶方向，若行驶方向只有直行和左转，则不存在禁止右转，在进行后续右转角度差数量统计时自动减少此类情况的数量，或者行驶方向只有直行和右转，在进行后续左转角度差数量统计时自动减少此类情况的数量。对于其他路口类型，则按照上述步骤正常统计数量。
本发明方法还包括：步骤S05，所述交通规则和路口信息被发送给导航系统。存在交通规则的路口，更新后的信息，发送给导航系统，进而实时更新地图上关于所有交通路口的控制信息，以便于自动无人驾驶能准确安全导航。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
Claims (4)
1.一种路口交通规则自动识别方法，其特征在于，包括：
步骤S01，根据每个车辆ID按时间排序的车辆轨迹数据点形成的行驶轨迹，确定车辆行驶方向改变的车辆轨迹数据点；车辆轨迹数据点指GPS坐标、行驶速度、行驶角度和时间；
步骤S02，计算车辆行驶方向改变的车辆轨迹数据点与在行驶方向改变前的车辆轨迹数据点的差值，确定车辆行驶方向改变的车辆轨迹数据点为路口转弯的车辆轨迹数据点并将其保留；具体包括：
步骤S21,计算车辆行驶方向改变的车辆轨迹数据点与在行驶方向改变前的车辆轨迹数据点的行驶距离差、行驶角度差、时间差；
步骤S22，当行驶距离差、行驶角度差、时间差均各自满足路口转弯条件时，则确认车辆行驶方向改变的车辆轨迹数据点为路口转弯的车辆轨迹数据点，否则不属于路口转弯的车辆轨迹数据点；路口转弯条件为：行驶速度差为20-60米/秒；行驶角度差大于90度；行驶距离差超过100米；
步骤S23，过滤不属于路口转弯的车辆轨迹数据点并保留路口转弯的车辆轨迹数据点；
步骤S03，针对路口转弯的车辆轨迹数据点进行聚类，识别出交通路口以及路口类型；具体包括：
步骤S31，针对路口转弯的车辆轨迹数据点，基于DBSCAN密度的聚类算法进行聚类；
步骤S32，根据聚类算法自动识别出交通路口以及路口类型，路口类型指十字路口、X形路口、Y形路口、环形路口和T形路口；
步骤S04，对每个交通路口统计左转、右转、掉头的车辆轨迹数据点的数量，并确定交通路口的交通规则是否为禁止左转、禁止右转、禁止掉头；具体包括：
步骤S41，统计左转角度差为-90度、右转角度差为90度、掉头角度差为-180度的车辆轨迹数据点的数量；
步骤S42，若左转角度差为-90度的车辆轨迹数据点的数量等于0时，则此处交通路口的交通规则为禁止左转；若右转角度差为90度的车辆轨迹数据点的数量等于0时，则此处交通路口的交通规则为禁止右转；若掉头角度差为-180度的车辆轨迹数据点的数量等于0，则此处交通路口的交通规则为禁止掉头。
2.根据权利要求1所述的一种路口交通规则自动识别方法，其特征在于，还包括步骤S05，交通规则和路口信息被发送给导航系统。
3.根据权利要求1所述的一种路口交通规则自动识别方法，其特征在于，所述步骤S01包括：
步骤S11,采集车辆轨迹数据点，根据每个车辆ID，按时间排序形成每个车辆的行驶轨迹；
步骤S12，查找并确定每个车辆行驶轨迹中车辆行驶方向改变的车辆轨迹数据点。
4.根据权利要求1所述的一种路口交通规则自动识别方法，其特征在于，所述车辆轨迹数据点是通过安装有GPS的车辆实时检测获得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910659720.1A CN110276973B (zh) | 2019-07-22 | 2019-07-22 | 一种路口交通规则自动识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910659720.1A CN110276973B (zh) | 2019-07-22 | 2019-07-22 | 一种路口交通规则自动识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110276973A CN110276973A (zh) | 2019-09-24 |
| CN110276973B true CN110276973B (zh) | 2021-03-19 |
Family
ID=67964983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910659720.1A Active CN110276973B (zh) | 2019-07-22 | 2019-07-22 | 一种路口交通规则自动识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110276973B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4127605A1 (en) * | 2020-03-28 | 2023-02-08 | DEKA Products Limited Partnership | System and method for intersection management by an autonomous vehicle |
| SG10202010875VA (en) * | 2020-11-02 | 2021-07-29 | Grabtaxi Holdings Pte Ltd | Processing apparatus and method for traffic management of a network of roads |
| CN112562315B (zh) * | 2020-11-02 | 2022-04-01 | 鹏城实验室 | 一种获取车流信息的方法、终端及存储介质 |
| CN112489450B (zh) * | 2020-12-21 | 2022-07-08 | 阿波罗智联(北京)科技有限公司 | 交通路口处的车辆流量控制方法、路侧设备及云控平台 |
| CN112712696A (zh) * | 2020-12-30 | 2021-04-27 | 北京嘀嘀无限科技发展有限公司 | 确定发生违章停车的路段方法和装置 |
| CN113375685B (zh) * | 2021-03-31 | 2022-09-30 | 福建工程学院 | 基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 |
| CN113823082B (zh) * | 2021-06-07 | 2023-08-18 | 腾讯科技（深圳）有限公司 | 导航数据处理方法、装置、设备及存储介质 |
| CN113370997A (zh) * | 2021-08-11 | 2021-09-10 | 北京赛目科技有限公司 | 车辆自动驾驶的控制方法、装置、电子设备及存储介质 |
| CN116052453B (zh) * | 2022-12-30 | 2024-10-11 | 广州小鹏自动驾驶科技有限公司 | 道路路口确定方法、装置、电子设备以及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663890A (zh) * | 2012-06-01 | 2012-09-12 | 北京航空航天大学 | 利用浮动车数据确定禁左交限路口的方法 |
| CN103262137A (zh) * | 2011-01-19 | 2013-08-21 | 株式会社善邻 | 限制信息分析系统 |
| CN103413437A (zh) * | 2013-07-31 | 2013-11-27 | 福建工程学院 | 一种基于车辆数据采集的道路交叉口转向识别方法及系统 |
| CN105023431A (zh) * | 2014-04-29 | 2015-11-04 | 高德软件有限公司 | 一种确定交通限行信息的方法及装置 |
| CN105788273A (zh) * | 2016-05-18 | 2016-07-20 | 武汉大学 | 基于低精度时空轨迹数据的城市交叉口自动识别的方法 |
| CN106205120A (zh) * | 2015-05-08 | 2016-12-07 | 北京四维图新科技股份有限公司 | 一种提取道路路口交通限制的方法及装置 |
-
2019
- 2019-07-22 CN CN201910659720.1A patent/CN110276973B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103262137A (zh) * | 2011-01-19 | 2013-08-21 | 株式会社善邻 | 限制信息分析系统 |
| CN102663890A (zh) * | 2012-06-01 | 2012-09-12 | 北京航空航天大学 | 利用浮动车数据确定禁左交限路口的方法 |
| CN103413437A (zh) * | 2013-07-31 | 2013-11-27 | 福建工程学院 | 一种基于车辆数据采集的道路交叉口转向识别方法及系统 |
| CN105023431A (zh) * | 2014-04-29 | 2015-11-04 | 高德软件有限公司 | 一种确定交通限行信息的方法及装置 |
| CN106205120A (zh) * | 2015-05-08 | 2016-12-07 | 北京四维图新科技股份有限公司 | 一种提取道路路口交通限制的方法及装置 |
| CN105788273A (zh) * | 2016-05-18 | 2016-07-20 | 武汉大学 | 基于低精度时空轨迹数据的城市交叉口自动识别的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110276973A (zh) | 2019-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110276973B (zh) | 一种路口交通规则自动识别方法 | |
| CN104819724B (zh) | 一种基于gis的无人地面车辆自主行驶辅助系统 | |
| EP3822582A1 (en) | Driving environment information generation method, driving control method, driving environment information generation device | |
| US20200255027A1 (en) | Method for planning trajectory of vehicle | |
| CN112017447B (zh) | 一种基于gps位置信息判定车辆逆行违规的方法及系统 | |
| US10796574B2 (en) | Driving assistance method and device | |
| Yang et al. | Generating lane-based intersection maps from crowdsourcing big trace data | |
| CN110400461B (zh) | 一种路网变更检测方法 | |
| CN112242071B (zh) | 基于动态编组重构的道路自动驾驶车辆协同避障方法 | |
| CN113421432B (zh) | 交通限行信息检测方法、装置、电子设备和存储介质 | |
| US20190035278A1 (en) | Driving Assistance Method and Device | |
| CN107424410B (zh) | 一种基于路径旅行时间计算的交通异常检测方法 | |
| US11747166B2 (en) | Driving environment information generation method, driving control method, driving environment information generation device | |
| CN108871357B (zh) | 一种在电子地图上显示拥堵路段的事故车道的方法 | |
| WO2020042642A1 (zh) | 一种车辆定位方法、设备及自动驾驶车辆 | |
| CN102074110B (zh) | 基于浮动车数据的交通流路口转向延时获取系统和方法 | |
| Blazquez et al. | Simple map-matching algorithm applied to intelligent winter maintenance vehicle data | |
| CN109147323A (zh) | 一种用于公路客货运输指标统计的车辆gps数据处理方法 | |
| CN103177585A (zh) | 基于浮动车数据计算路段各转向平均行程车速方法 | |
| CN113375685A (zh) | 基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 | |
| CN106097718A (zh) | 基于gps数据的信号交叉口区域通行时间估计方法 | |
| CN113581181A (zh) | 智能车辆超车轨迹的规划方法 | |
| CN105575120B (zh) | 面向道路实时速度计算的浮动车数据停车行为模式清洗方法 | |
| CN108983782A (zh) | 一种无人车路径跟踪移动目标点的选取方法 | |
| Pu et al. | Road intersection detection based on direction ratio statistics analysis |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 350118 Xueyuan Road, new campus of Fuzhou University, Shangjie Town, Minhou County, Fuzhou City, Fujian Province Patentee after: Fujian University of Science and Technology Country or region after: China Address before: 350118 Xueyuan Road, new campus of Fuzhou University, Shangjie Town, Minhou County, Fuzhou City, Fujian Province Patentee before: FUJIAN University OF TECHNOLOGY Country or region before: China |