-
公开(公告)号:CN109375168B
公开(公告)日:2023-06-16
申请号:CN201811368103.8
申请日:2018-11-16
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于RSSI的低速移动车辆定位方法,包括取每组4个AP节点围成区域作为定位子网格,记录各AP节点的ID、坐标位置、计算实际距离;对信号衰减模型中的参数进行实时修正,得到修正后的RSSI测距模型;接收AP回传的信息,根据ID判断数据集中AP节点的数量和坐标位置,利用测距模型计算出移动车辆与AP节点的距离;利用AP节点与移动车辆的距离合理设计加权因子,建立融合定位算法;依据接收到AP节点的数量,选择相应的加权无线定位方法,得出移动车辆的定位坐标;本发明方法具有较强的鲁棒性,有效克服回传RSSI值不稳定的问题,能适应复杂道路环境的变化,相较于传统三点加权质心定位有更高的定位精度。
-
公开(公告)号:CN111126878B
公开(公告)日:2023-08-22
申请号:CN201911419439.7
申请日:2019-12-31
Applicant: 华南理工大学
IPC: G06Q10/0637 , G06Q50/26
Abstract: 本发明公开了一种基于生态指数的城市交通运行评价方法。所述方法包括如下步骤:利用浮动车车辆轨迹数据获取样本车辆行驶参数;对浮动车车辆轨迹数据进行预处理;定义路网中最小有向路段及生态成本;计算路网中最小有向路段的生态指数;计算路网中有向路径的生态指数;计算路网中有向路径集的生态指数;根据计算出的路网中最小有向路段、有向路径、有向路径集的生态指数,对城市交通运行方案进行优化调整,改善城市交通。本发明有利于为城市管理部门、城市交通规划与设施建设提供技术参考依据,为大众提供准确且全面的交通出行成本,进而促进城市居民出行生态化和城市交通系统的可持续发展。
-
公开(公告)号:CN109840555A
公开(公告)日:2019-06-04
申请号:CN201910051785.8
申请日:2019-01-21
Applicant: 华南理工大学
Abstract: 本发明公开了一种地铁乘客下车时间识别方法、系统、计算机设备及存储介质,所述方法包括:获取数据源,包括地铁到站时刻表和地铁乘客出站IC卡数据表;对地铁乘客出站IC卡数据表进行预处理;根据地铁到站时刻表,分析在研究时段内到达地铁站点的地铁班次数量;利用K-means算法对预处理后的地铁乘客出站IC卡数据表进行聚类,将其聚类成与地铁班次数量一致的簇;根据预设时间阈值,对聚类后的识别结果进行修正,得到每位地铁乘客的乘坐地铁班次,并结合地铁到站时刻表得到每位地铁乘客的下车时间。本发明通过对地铁到站时刻表和地铁乘客出站IC卡数据表进行数据挖掘,运用修正后的K-means聚类方法进行地铁乘客下车时间识别,识别精确度较高。
-
公开(公告)号:CN109462820A
公开(公告)日:2019-03-12
申请号:CN201811368105.7
申请日:2018-11-16
Applicant: 华南理工大学
Abstract: 本发明公开一种用于跟踪低速移动车辆的RSSI拟合方法,包括:在同一平面的道路两侧布置WIFI嗅探设备,建立跟踪定位系统的相对坐标系;对WIFI嗅探设备接收到的RSSI信号进行Gaussian滤波处理,确定衰减模型中信号衰减指数λ值,获得符合实际道路环境的信号衰减模型;对RSSI值进行判断筛选,将判断筛选后的数据,进行Kalman滤波处理,获得有效RSSI信号。本发明运用Gaussian滤波获得符合实际道路环境的无线信号衰减模型,并考虑低速移动车辆场景下RSSI值的变化规律,引入最大误差距离准则进行筛选,最后进行Kalman滤波处理。本发明能有效地降低RSSI信号波动,输出平滑的信号波形。
-
公开(公告)号:CN109375168A
公开(公告)日:2019-02-22
申请号:CN201811368103.8
申请日:2018-11-16
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于RSSI的低速移动车辆定位方法,包括取每组4个AP节点围成区域作为定位子网格,记录各AP节点的ID、坐标位置、计算实际距离;对信号衰减模型中的参数进行实时修正,得到修正后的RSSI测距模型;接收AP回传的信息,根据ID判断数据集中AP节点的数量和坐标位置,利用测距模型计算出移动车辆与AP节点的距离;利用AP节点与移动车辆的距离合理设计加权因子,建立融合定位算法;依据接收到AP节点的数量,选择相应的加权无线定位方法,得出移动车辆的定位坐标;本发明方法具有较强的鲁棒性,有效克服回传RSSI值不稳定的问题,能适应复杂道路环境的变化,相较于传统三点加权质心定位有更高的定位精度。
-
公开(公告)号:CN109462820B
公开(公告)日:2021-02-19
申请号:CN201811368105.7
申请日:2018-11-16
Applicant: 华南理工大学
Abstract: 本发明公开一种用于跟踪低速移动车辆的RSSI拟合方法,包括:在同一平面的道路两侧布置WIFI嗅探设备,建立跟踪定位系统的相对坐标系;对WIFI嗅探设备接收到的RSSI信号进行Gaussian滤波处理,确定衰减模型中信号衰减指数λ值,获得符合实际道路环境的信号衰减模型;对RSSI值进行判断筛选,将判断筛选后的数据,进行Kalman滤波处理,获得有效RSSI信号。本发明运用Gaussian滤波获得符合实际道路环境的无线信号衰减模型,并考虑低速移动车辆场景下RSSI值的变化规律,引入最大误差距离准则进行筛选,最后进行Kalman滤波处理。本发明能有效地降低RSSI信号波动,输出平滑的信号波形。
-
公开(公告)号:CN111126878A
公开(公告)日:2020-05-08
申请号:CN201911419439.7
申请日:2019-12-31
Applicant: 华南理工大学
IPC: G06Q10/06
Abstract: 本发明公开了一种基于生态指数的城市交通运行评价方法。所述方法包括如下步骤:利用浮动车车辆轨迹数据获取样本车辆行驶参数;对浮动车车辆轨迹数据进行预处理;定义路网中最小有向路段及生态成本;计算路网中最小有向路段的生态指数;计算路网中有向路径的生态指数;计算路网中有向路径集的生态指数;根据计算出的路网中最小有向路段、有向路径、有向路径集的生态指数,对城市交通运行方案进行优化调整,改善城市交通。本发明有利于为城市管理部门、城市交通规划与设施建设提供技术参考依据,为大众提供准确且全面的交通出行成本,进而促进城市居民出行生态化和城市交通系统的可持续发展。
-
公开(公告)号:CN110351653A
公开(公告)日:2019-10-18
申请号:CN201910581470.4
申请日:2019-06-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于无线信号的交通出行模式识别方法,包括以下几个步骤:步骤S1、采集RSSI数据,定位移动目标定位;步骤2、利用Kalman滤波对出行轨迹进行平滑处理;步骤3、确定单一用户出行形成的出行轨迹,提取出行轨迹中关于平均速度和出行距离的特征向量,得到出行者的出行特征;步骤S4、基于特征向量的对粗识别出行模式进行识别,所述粗识别出行模式包括步行模式、自行车模式以及机动车模式;步骤S5、基于停驻点的对细识别出行模式进行识别,所述细识别出行模式包括公交模式以及小汽车模式。本发明实时动态性强、识别类型广和精度高的优势,可为城市交通规划、设计、控制、管理与监控等提供准确的基础数据支撑。
-
公开(公告)号:CN110113775A
公开(公告)日:2019-08-09
申请号:CN201910338991.7
申请日:2019-04-25
Applicant: 华南理工大学
IPC: H04W24/08 , G06F16/28 , G06F16/26 , G06F16/2458
Abstract: 本发明公开了一种地铁车站客流监测方法及系统,所述系统包括WIFI嗅探设备和后台服务器,所述WIFI嗅探设备包括:嗅探抓包模块、数据传送模块、微处理器、WIFI嗅探设备进程管理模块;所述后台服务器包括数据接收模块、数据处理模块、前端显示模块、服务器进程管理模块。所述方法通过WIFI嗅探设备,采集地铁车站内乘客移动终端发出的MAC地址、RSSI信号值和TIME时间戳等参数,再将采集到的数据以一定形式重新打包传送到后台服务器进行数据分析与挖掘,最后通过Web页面方式生成地铁车站的客流特征指标。本发明精确度高、实时性强,可为地铁车站的客流管理提供科学的数据支撑。
-
公开(公告)号:CN110111140A
公开(公告)日:2019-08-09
申请号:CN201910339482.6
申请日:2019-04-25
Applicant: 华南理工大学
IPC: G06Q30/02 , G06Q50/26 , G06F16/215 , G06F16/2455 , G06F16/2458
Abstract: 本发明公开了一种基于IC卡数据的热点换乘枢纽识别方法,包括:步骤S1:获取数据源,包括地铁IC卡数据和公交IC卡数据;步骤S2:对原始数据进行清洗,异常数据删除、重复数据的清除、数据格式的标准化;步骤S3:通过“卡号”对地铁IC卡数据与公交IC卡数据进行关联匹配;步骤S4:比较连续两次刷卡的时间差与预设换乘时间阀值,剔除不是换乘的刷卡记录;步骤S5:基于不同换乘站点的换乘量以及累积换乘时间分布特征,统计乘客换乘行为的空间分布特性来识别热点换乘枢纽。本发明基于不同换乘站点的换乘量以及累积换乘时间分布特征,统计乘客换乘行为的空间分布特性以识别热点换乘枢纽,充分体现出不同换乘枢纽之间的换乘能力差异。
-
-
-
-
-
-
-
-
-