基于车牌识别数据的稀疏车辆出行轨迹还原研究

李萌; 王伊丽; 戴建光

您当前的位置：

首页 >

文章列表页 >

基于车牌识别数据的稀疏车辆出行轨迹还原研究

空间分析与规划 | 更新时间：2026-08-16

- 基于车牌识别数据的稀疏车辆出行轨迹还原研究
- 基于车牌识别数据的稀疏车辆出行轨迹还原研究
- 地理空间信息 2026年24卷第7期页码：33-37
- 作者机构：
  
  1. 常州市武进规划勘测设计院
  2. 常州市武进规划管理服务中心
- 作者简介：
- 基金信息：
  
  深圳市科技重大专项资助项目（KJZD20230923115223047）
- DOI：
  中图分类号： U495
- 纸质出版：2026
- 稿件说明：
移动端阅览
李萌, 王伊丽, 戴建光. 基于车牌识别数据的稀疏车辆出行轨迹还原研究[J]. 地理空间信息, 2026,24(7):33-37.

李萌, 王伊丽, 戴建光. 基于车牌识别数据的稀疏车辆出行轨迹还原研究[J]. 2026, 24(7): 33-37.
李萌, 王伊丽, 戴建光. 基于车牌识别数据的稀疏车辆出行轨迹还原研究[J]. 地理空间信息, 2026,24(7):33-37. DOI：

李萌, 王伊丽, 戴建光. 基于车牌识别数据的稀疏车辆出行轨迹还原研究[J]. 2026, 24(7): 33-37. DOI：

摘要

针对部分区域电警卡口设备分布稀疏、还原车辆出行轨迹难度大的问题，研究了一种基于车牌识别数据的稀疏车辆出行轨迹还原算法。首先对车牌识别数据进行清洗，并基于车牌号、检测时间排序的车牌识别数据提取车辆出行链；再通过出租车GPS数据标定分时段道路运行速度，根据道路运行速度上下限、出行最小停留时间阈值，将车辆出行链分成一个或多个OD；然后以时间最小化为目标，运用K短路算法生成车辆候选出行轨迹集合，并基于Max-Min法对指标进行归一化；最后以候选出行轨迹指标组成的多维向量为输入，驾驶员选择的路径为输出，构建基于全连接神经网络的车辆出行轨迹决策模型，还原缺失轨迹。利用武进区某区域实际车牌识别数据对模型进行训练和测试，结果表明该算法的稀疏车辆出行轨迹还原综合准确率为75.0%，比最短路径法、自编码器模型高32.9个百分点和37.0个百分点，验证了其准确性和良好的泛化能力。

Abstract

关键词

Keywords

references

王龙飞.基于车牌照的车辆出行轨迹分析方法与实践研究[D].长安大学,2011(05).

Wenhao Li ,Chengkun Liu ,Tao Wang ,Yanjie Ji.An innovative supervised learning structure for trajectory reconstruction of sparse LPR data[J].Transportation,2024.

Qi Xinyi,Ji Yanjie,Li Wenhao,Zhang Shuichao.Vehicle Trajectory Reconstruction on Urban Traffic Network Using Automatic License Plate Recognition Data[J].IEEE ACCESS,2021.

Zheng Zhang,Haiqing Liu,Laxmisha Rai,Siyi Zhang.Vehicle Trajectory Prediction Method Based on License Plate Information Obtained from Video-Imaging Detectors in Urban Road Environment[J].Sensors,2020.

Wenming Rao,Yao-Jan Wu,Jingxin Xia,Jishun Ou,Robert Kluger.Origin-destination pattern estimation based on trajectory reconstruction using automatic license plate recognition data[J].Transportation Research Part C,2018.

Haiyang Yu,Shuai Yang,Zhihai Wu,Xiaolei Ma.Vehicle trajectory reconstruction from automatic license plate reader data[J].International Journal of Distributed Sensor Networks,2018.

Jinjin Tang,Ying Song,Harvey J. Miller,Xuesong Zhou.Estimating the most likely space–time paths, dwell times and path uncertainties from vehicle trajectory data: A time geographic method[J].Transportation Research Part C,2016.

Mohammed Quddus,Simon Washington.Shortest path and vehicle trajectory aided map-matching for low frequency GPS data[J].Transportation Research Part C,2015.

Yu Feng,Jian Sun,Peng Chen.Vehicle trajectory reconstruction using automatic vehicle identification and traffic count data[J].Journal of Advanced Transportation,2015.

Zhanbo Sun,Xuegang (Jeff) Ban.Vehicle trajectory reconstruction for signalized intersections using mobile traffic sensors[J].Transportation Research Part C,2013.

E. Hadjiconstantinou,N. Christofides.An efficient implementation of an algorithm for finding K shortest simple paths[J].Networks,1999.

应申,曾卓源,张纪元.面向数据脱敏的交通场景车牌检测方法[J].交通信息与安全,2024(06).

普运伟,姜萤,田春瑾,余永鹏.基于全连接神经网络的在线学习行为分类判别[J].现代电子技术,2023(17).

周琪姗,杨璨,李健,颜凯.基于轨迹方向特征的道路交叉口提取算法[J].地理空间信息,2023(07).

李璇,吴雷,姜梦,潘晓.基于轨迹大数据的司机出行知识图谱构建与实现[J].地理空间信息,2023(01).

王冠,肖昶,代琦.基于时空数据的武汉市绿色交通出行模型研究[J].地理空间信息,2023(01).

杨寒雨,赵晓永,王磊.数据归一化方法综述[J].计算机工程与应用,2023(03).

王杰,范晓武,何逸昕,陶峰.基于车牌自动识别数据的车辆OD轨迹还原[J].计算机系统应用,2022(07).

徐海文,史家财,汪腾.基于深度全连接神经网络的离港航班延误预测模型[J].计算机应用,2022(10).

徐鹏,程钢,黎旻懿.Dijkstra算法在GIS中的优化与应用[J].北京测绘,2021(06).

李广耀,黄正锋,楼乐依.基于贝叶斯网络的稀疏出租车GPS轨迹路径还原方法[J].宁波大学学报(理工版),2021(02).

袁非牛,章琳,史劲亭,夏雪,李钢.自编码神经网络理论及应用综述[J].计算机学报,2019(01).

阮树斌,王福建,马东方,金盛,王殿海.基于车牌识别数据的机动车出行轨迹提取算法[J].浙江大学学报(工学版),2018(05).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于全连接神经网络的多源土地利用数据融合方法研究

江淮分水岭县域旅游资源价值与空间分布——以广水市为例

改进麻雀搜索算法优化最小二乘支持向量机的高程拟合

基于GQA-AssemFormer的遥感影像道路提取方法

利用Prophet-PSO-LSTM模型预测地表沉降