ES2710672T3 - Sistema y método para medir el flujo del tráfico de un área - Google Patents
Sistema y método para medir el flujo del tráfico de un área Download PDFInfo
- Publication number
- ES2710672T3 ES2710672T3 ES15726956T ES15726956T ES2710672T3 ES 2710672 T3 ES2710672 T3 ES 2710672T3 ES 15726956 T ES15726956 T ES 15726956T ES 15726956 T ES15726956 T ES 15726956T ES 2710672 T3 ES2710672 T3 ES 2710672T3
- Authority
- ES
- Spain
- Prior art keywords
- images
- time
- latitude
- tracking data
- continuous tracking
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
Un sistema para estimar el flujo del tráfico real de un área, comprendiendo el sistema (1): - imágenes (4) aéreas de un área tomadas a intervalos de tiempo; - datos (5) de rastreo continuo de una sonda que recaban y proporcionan fabricantes de navegadores, proveedores de mapas, aplicaciones de establecimiento de rutas o portadores de teléfonos que registran las torres de telefonía, recuentos de tráfico, conexiones de rúter, dispositivos de comunicación de campo cercano y balizas que son capaces de geolocalizar la sonda; dichos datos de rastreo continuo comprenden al menos la longitud y latitud por cada unidad de tiempo para la que dicha sonda se ha rastreado; - una base de datos de un universo (2) que comprende dichas imágenes (4); - una base de datos continua (3) que comprende dichos datos (5) de rastreo continuos; - un procesador informático (6) configurado para: o aplicar un programa informático (7) de reconocimiento de patrones de imágenes a las imágenes aéreas de modo que cada elemento comprendido en las imágenes aéreas sea reconocido y etiquetado, y se calcule al menos la latitud, la longitud, el tiempo, la velocidad y el tipo de vehículo o número de peatones; o asignar a cada una de dichas sondas los datos de rastreo continuo para los que la longitud, la latitud y el tiempo coinciden; o calcular una relación entre el número de elementos reconocidos en las imágenes aéreas y el número de sondas para las que la longitud, la latitud y el tiempo coinciden; o estimar el flujo y el número total de elementos dentro de un área aplicando la relación calculada a los datos de rastreo continuo para un tiempo particular para el que una imagen aérea no está disponible.
Description
DESCRIPCION
Sistema y metodo para medir el flujo del trafico real de un area
Campo de la invencion
El campo de la invencion esta relacionado con la informacion relativa al flujo, volumen, prevision del trafico y pautas de poblacion de un area. El area puede ser una ciudad, un pueblo, un pafs o un continente.
La informacion sobre el flujo del trafico es un factor clave para la construccion de carreteras, la planificacion de ciudades, el desarrollo de infraestructuras, las situaciones de emergencia, el desarrollo del comercio, el control de atascos de trafico, la publicidad, las propiedades inmobiliarias y, naturalmente, para programar desplazamientos y planificar recorridos. La informacion si esta disponible la usa el gobierno, las empresas y la poblacion.
Antecedentes
En la actualidad, los sistemas y metodos para medir el volumen del trafico y el flujo en ciudades son caros y no son homogeneos. En consecuencia, los sistemas y metodos del estado de la tecnica carecen de detalles y extension. Los sistemas y metodos conocidos van desde bandas para contabilizar el trafico hasta camaras, desde entrevistar personas hasta el uso de la polida para hacer una estimacion. La mayona de los sistemas y metodos conocidos sirven para su proposito, pero les siguen faltando muchas caractensticas, tal como un proceso de actualizacion, patrones de trafico, elaboracion de perfiles particulares, alguna informacion detallada para todas las calles (no solo donde hay una "banda de contabilizacion" o "camara de trafico"). Otro planteamiento consiste en usar datos GPS de los proveedores de Navegadores de Coches o de portadores de Telefonos Moviles, pero carecen de datos demograficos debido a cuestiones legales de confidencialidad y estan muy sesgados ya que dependen de la penetracion en el mercado.
El documento US 2011/0134240 A1 divulga un sistema que permite una vigilancia continuada fuera o entre las areas de cobertura de las redes de videovigilancia combinando sistemas de generacion de imagenes con una funcion de localizacion inalambrica donde la firma videometrica de un sujeto puede vincularse con una identidad publica.
Sumario
La presente invencion proporciona un sistema y un metodo para estimar el flujo real de un area de acuerdo con las reivindicaciones adjuntas.
La presente divulgacion esta dirigida a un sistema y a un metodo para medir el flujo del trafico real de un area, de conformidad con las realizaciones de la presente divulgacion. En una realizacion, el sistema y el metodo de la presente divulgacion utilizan una combinacion de fuentes, pero principalmente dos, una consiste en las imagenes de alta definicion de un area (ciudad, pueblo, pafs o continente) desde el cielo, que normalmente se obtienen con imagenes de satelites y la otra consiste en datos recabados por dispositivos que son rastreados, tal como telefonos moviles, telefonos inteligentes, navegadores de coches y balizas entre otros. En el contexto de la presente divulgacion, aquellos veldculos y/o peatones que llevan un dispositivo de rastreo se denominan "sondas" y a aquellos veldculos y/o peatones que llevan un dispositivo de rastreo mas aquellos vedculos y/o peatones que no llevan un dispositivo de rastreo se denominan "elementos". Por lo tanto, los "elementos" comprenden todas las "sondas" mas el resto de vedculos y personas del area. El metodo recaba datos de los satelites (imagenes aereas) y de los dispositivos de rastreo (datos de rastreo) y crea una estimacion real y precisa del flujo del trafico, la cantidad total de trafico en cualquier momento dado. El sistema y el metodo de la presente divulgacion tambien proporcionan las pautas y comportamientos de la poblacion de la ciudad. El sistema y el metodo de la presente divulgacion proporcionan informacion detallada sobre cada una de las calles de cualquier area (ciudad, pueblo, pafs o continente), segundo a segundo, agregada, historica, pronosticos, distribuida por perfil, tipo de vedculo, origendestino e incluso con una estimacion de la finalidad de los desplazamientos. Todo esto, de manera pasiva, sin la colaboracion de los individuos ni haciendo encuestas. Esto se efectua a traves de mediciones y analisis indirectos. Aprovechandose de la tecnologfa y de la infraestructura ya desplegada para otros fines, de modo que los costes son mucho mas bajos que los de un sistema espedfico para este objetivo y mucho mas precisos, detallados y aplicables a nivel mundial. El sistema es pasivo y no invasivo y no requiere la colaboracion de los ciudadanos. El sistema tambien puede potenciarse con otras fuentes auxiliares como contabilizacion del trafico (de vedculos y peatones), camaras en las calles, encuestas, cuestionarios, datos de geomarketing, censos, datos de los portadores de las operadoras de moviles, balizas y/o NFC (por sus siglas en ingles de "Near Filed Communications", Comunicaciones de Campo Cercano).
Un primer aspecto de la invencion consiste en proporcionar un sistema para estimar el flujo del trafico real de un area. El sistema para estimar el flujo del trafico real de un area comprende: i) imagenes tomadas desde el cielo (desde satelites, aviones, drones o cualquier tecnologfa que permita una vista de un area ((casi vertical) de las calles del area) a intervalos de tiempo; ii) datos de rastreo continuo de una sonda (vedculo rastreado, peaton rastreado) que recaban y proporcionan los fabricantes de navegadores, los proveedores de mapas, las aplicaciones de
establecimiento de rutas o los portadores de telefonos que registran las torres de telefoma, los recuentos de trafico (de vetuculos y peatones), las conexiones de ruter y balizas que son capaces de geolocalizar la sonda. Los datos de rastreo continuo comprenden al menos la longitud y la latitud por cada unidad de tiempo para la que la sonda se ha rastreado; iii) una base de datos de un universo de elementos que comprende las imagenes; iv) una base de datos continua que comprende los datos de rastreo continuo; y, v) un procesador informatico.
En una realizacion, el procesador informatico esta configurado para: i) aplicar un programa informatico de reconocimiento de patrones de imagenes a las imagenes tomadas desde el cielo de modo que se reconozca y etiquete cada elemento comprendido en las imagenes y se calcule al menos su longitud, latitud, tiempo, velocidad y tipo de vetuculo o el numero de peatones; ii) asignar a cada sonda los datos de rastreo continuo para los que la longitud, la latitud y el tiempo coinciden; iii) calcular una relacion entre el numero de elementos reconocidos en las imagenes y el numero de sondas para las que la longitud, la latitud y el tiempo coinciden; y, iv) estimar el flujo y el numero total de elementos dentro de un area aplicando la relacion calculada a los datos de rastreo continuo para un tiempo particular para el que no hay disponible una imagen desde el cielo.
En una realizacion, el procesador informatico ademas esta configurado para: calcular un patron para cada sonda basandose en los datos de rastreo continuo; y, calcular un perfil analizando las combinaciones de los patrones calculados.
Otra realizacion del sistema comprende que las imagenes esten suministradas por dispositivos aereos. Espedficamente, los dispositivos aereos se pueden seleccionar de entre: un satelite, un avion, una aeronave, un dron y cualquier combinacion de los mismos.
Otra realizacion de la divulgacion consiste en proporcionar un sistema en el que la sonda se selecciona entre un vetuculo rastreado y un peaton rastreado o un grupo de peatones rastreados.
Otra realizacion de la divulgacion consiste en proporcionar un sistema en el que el area se selecciona de entre: una calle, un suburbio, una ciudad, un pueblo, un pafs y un continente.
Otra realizacion de la divulgacion consiste en proporcionar un sistema en el que las imagenes se seleccionan entre fotos y fotogramas moviles.
Un segundo aspecto de la invencion consiste en proporcionar un metodo para estimar el flujo del trafico real de un area. El metodo comprende: i) generar una base de datos de universos (UDB) que almacena imagenes de un area tomadas desde el cielo a intervalos de tiempo; ii) reconocer, por medio de un procesador, cada elemento individual comprendido en cada imagen almacenada y calcular al menos los siguientes datos de cada elemento individual: latitud, longitud, tiempo, velocidad y tipo de vetuculo o numero de peatones; iii) generar una base de datos continua (CDB) que almacene datos de rastreo continuo de cada sonda individual, los datos de rastreo continuo comprenden al menos la posicion estimada por longitud y latitud, celda del mapa y posicion vectorial, por cada unidad de tiempo; los datos de rastreo continuo se obtienen a partir de cada dispositivo de rastreo que lleva cada sonda individual; iv) asignar a cada elemento individual reconocido en la etapa ii) los datos de rastreo continuo de la etapa iii) para la que la longitud, la latitud y el tiempo coinciden; v) calcular una relacion entre el numero de elementos reconocidos en las imagenes y el numero de sondas para las que la longitud, la latitud y el tiempo coinciden; y, vi) estimar el flujo y el numero total de elementos dentro de un area aplicando la relacion calculada a los datos de rastreo continuo para un tiempo particular para el que no hay disponible una imagen desde el cielo.
En una realizacion, el metodo para medir el flujo del trafico real de un area ademas comprende: calcular un patron para cada sonda basandose en los datos de rastreo continuo; y, calcular un perfil analizando las combinaciones de los patrones calculados.
En una realizacion, la etapa de "generar una base de datos de universos (UDB)" ((etapa i) mencionada anteriormente) ademas comprende las siguientes subetapas: i) definir una region de un universo que es la composicion de varias imagenes; (normalmente se trata de un area metropolitana de toda la ciudad, incluyendo areas suburbanas, carreteras de circunvalacion, etc.; cualquier zona que este bajo la influencia de la ciudad y que se quiera analizar); ii) seleccion de diferentes fuentes de datos de imagenes aereas de la ciudad como un satelite, aeroplanos, drones, con latitud y longitud y marca de tiempo sincronizadas (las fotos y pelfculas se pueden tomar durante diferentes periodos de tiempo y dfas); iii) normalizar la imagen de entrada (contraste de color, ortofotograffa, edicion, eliminacion de nubes, etc. - las imagenes pueden tener areas superpuestas que se fusionaran y mezclaran para corregir y representar la realidad de dos momentos diferentes); iv) generar un cronograma de las diferentes imagenes y regiones para sincronizar mas tarde con la instantanea de la base de datos continua (CDB); v) analisis del recuento de vetuculos y peatones (sonda individual). Opcionalmente, se ha previsto una subetapa adicional: vi) correccion y mejora de los datos, lo que comprende: a) correlacion con un mapa de navegacion vectorial; b) correccion del efecto de los semaforos y atascos de trafico como posibles falsos positivos de coches aparcados; c) deduccion del movimiento de la trayectoria para cada uno de los elementos antes de la instantanea y despues de la instantanea (proyeccion del pasado y del futuro basandose en la posicion actual); d) prediccion del movimiento de cada uno de los elementos basandose en el tipo de via y el tipo de elemento. Por ejemplo, si un coche se encuentra
en una autovfa, estara en ella todo el tiempo al menos hasta que encuentre una salida; e) identificar regiones y ubicaciones que se excluiran o requeriran un analisis diferente. Por ejemplo, aeropuertos, coches en areas restringidas, militares, etc. Por ultimo, la etapa de "generar una base de datos de universos (UDB)" comprende la subetapa vii) de contar elementos, que consiste en: a) recuento por segmentos de la calle, del numero de vehuculos, de coches, autobuses y motos, tanto en movimiento como aparcados, y de las personas y sondas estaticas: por cada foto; y/o por el total de fotos en un periodo de tiempo; b) recuento total de la ciudad, por cada foto; y/o por el total de fotos en un periodo de tiempo;
En una realizacion, el Analisis de Vehfculos comprende: a) correlacion de la cartograffa de las carreteras (para simplificar y agilizar el analisis de las calles, carreteras y aparcamientos de coches estos pueden colocarse como vectores en las imagenes para destacar donde es posible encontrar elementos, esto estrechara las areas de busqueda y optimizara el proceso); b) calibracion del proceso: definiendo los objetos para el reconocimiento de imagenes, tal como coche, tipo, modelo, autobus, camion, moto, bicicleta, marquesina, valla publicitaria, quiosco, mobiliario urbano, peaton, etc.; c) procesamiento de las imagenes con el programa informatico de reconocimiento de patrones de imagenes. Este proceso no solo toma en consideracion el rango visible, sino que si hay otra longitud de onda del espectro disponible como el infrarrojo o el ultravioleta, el tipo de analisis proporciona mas informacion tal como si el coche (objeto o sonda individual) se esta moviendo o esta aparcado, el sentido del movimiento, la velocidad, etc. El proceso introduce una entrada por cada elemento que se encuentra en la imagen, los campos son entre otros: tiempo, referencia de imagen, posicion (es decir, latitud/longitud), tipo de flujo del elemento (estatico, en movimiento), clase de elemento (coche, autobus, quiosco, peaton, etc.), forma, modelo/color/caractensticas, aparcado (si es aplicable), velocidad, vector de orientacion, trayectoria (si es aplicable) y dimensiones del vehfculo.
En una realizacion, la etapa de "generar una base de datos continua (CDB)" ((etapa iii) mencionada anteriormente) ademas comprende las siguientes etapas: a) proceso de entrada de archivos de datos de la fuente. Dependiendo del proveedor de la fuente de datos, el formato de los archivos y de la entrada pueden variar, de archivos de texto, xml, a archivos db, etc. Cada proveedor de datos tiene un tipo espedfico de datos y esto define la estructura de la base de datos. En algunos casos el acceso a los datos esta en modo RAW (en bruto), esto significa lecturas directas de las sondas, en otros casos, los datos tienen se han sometido a algo de limpieza, lavado, filtrado y agregacion. Los principales archivos de importacion son: datos en bruto; datos estadfsticos de modelos (agregacion de datos brutos) si estan disponibles; estadfsticas y datos para la validacion de modelos; b) volver anonimos los datos individuales si fuera necesario; c) limpieza, validacion y analisis de consistencia; d) filtrado de sondas para satisfacer los criterios del universo; e) geoposicion de la sonda para correlacionar las coordenadas del mapa; f) calculo del trayecto. Una vez que se ha identificado cada sonda: se tiene que crear una secuencia de la posicion punto a punto (lat/long) para definir un "trayecto". Tambien tiempo de espera, pausas, velocidad, origen, destino, motivo, tipo de transporte, duracion, etc; g) reconocimiento de patrones de sondas. Comprobacion de la consistencia de los trayectos por sonda y por dfa, semana y mes. Continuidad a lo largo del tiempo, sitios y ubicaciones repetidos, tal como el hogar, el trabajo, la gasolinera, las areas de ocio, los centros comerciales, las tiendas, los colegios, etc.; h) perfilado. Cada sonda, basandose en su patron tendra una afinidad con diferentes perfiles y datos demograficos de modo que un enfoque probabilistic coincidira con un "perfil", no solo del patron del trayecto sino tambien con otras fuertes tal como la informacion del censo, de encuestas, cuestionarios, datos de geomarketing, proximidad a puntos de interes, densidad de poblacion, municipio, tipo de distrito, etc.
En un tercer ejemplo que no entra dentro del alcance de las reivindicaciones, se proporciona un metodo para calcular la regeneracion del trafico. El metodo para calcular una regeneracion de trafico, aplicando el sistema y el metodo de la presente invencion a las bases de datos CDB y UDB, comprende las siguientes etapas: i) por imagen, identificar los elementos de la CDB en la UDB, en cada segmento de la calle en el momento en el que se tomo la foto (instantanea). Todas las sondas estaran localizadas y se correlacionaran con un elemento de la UDB porque la UDB es una instantanea (o pelfcula) del mismo momento. Estas sondas son los vehfculos semilla, se convierten en la muestra; ii) analizar la relacion y ponderacion entre los elementos semilla (sondas procedentes de la CDB) y el total de elementos en cada segmento de la calle precisamente en el mismo momento. Este proceso se repetira para cada imagen de la UDB. Cuantas mas imagenes o pelfculas haya, mejor y mas preciso sera el peso y la ponderacion de los elementos; iii) una salida es para ajustar y ponderar las sondas. Dependiendo del analisis, esto puede hacerse por marco de tiempo, dfa, dfa laborable/fin de semana, por region o por tipo de elemento (por ejemplo, solo motos); iv) otra salida es para la generacion del trafico de la ciudad, usando cada uno de los elementos de la UDB movido por el criterio del patron obtenido a partir de la CDB.
En un cuarto ejemplo que no entra dentro del alcance de las reivindicaciones, se proporciona un metodo para estimar el flujo del trafico real de un area para el que no se puede identificar un elemento individual. El metodo combina las dos bases de datos (Base de datos de universos "UDB" y Base de datos continua "CDB") cuando cada elemento individual no puede ser identificado en la imagen almacenada procedente de la UDB aplicando las siguientes etapas:
• buscar los elementos de la CDB que estaban activos en el momento de la imagen de la UDB (activo = aquellos que estaban en movimiento; esto se puede saber cuando se toma una secuencia de imagenes);
• asignar una ponderacion a cada sonda de la CDB en terminos de elementos (UDB) con coincidencia. Un simple calculo de la relacion podna ser, por ejemplo, en la misma ruta (calle) 53 vehfculos (UDB) para 7 CDB. Esto
significa que, para ese momento, cada sonda de CDB representa 7,57 vehnculos (es decir, una relacion de 53/7);
• se repite este proceso para cada foto y se combinan las ponderaciones obtenidas. Si las sondas CDB tienen mas de una ponderacion asignada, las ponderaciones tendran que combinarse. Una opcion sena multiplicar directamente, pero algo mas avanzado sena variar la ponderacion con el tiempo (para que la ponderacion pase gradualmente de una a otras ponderaciones);
• la combinacion anterior de ponderaciones puede tener en consideracion si es fin de semana o un dfa laborable, verano o invierno;
• estas ponderaciones podnan distribuirse entre aquellas sondas CDB que nunca coinciden con los elementos UDB haciendolas coincidir con otras sondas CDB ya ponderadas.
En un quinto ejemplo que no entra dentro del alcance de la invencion, se proporciona un metodo para estimar el flujo del trafico real de un area para el que no se puede identificar un elemento individual. El metodo puede combinar las dos bases de datos (Base de datos de universos "UDB" y Base de datos continua "CDB") cuando cada elemento individual no puede ser identificado en la imagen almacenada procedente de la UDB aplicando las siguientes etapas: i) hacer que los elementos UDB se muevan de acuerdo con los patrones de movimiento mas usados por los movimientos CDB y asignandoles probabilidades de "busqueda"; ii) generar patrones de movimiento con la informacion recabada de la CDB en el periodo seleccionado (dfas, semanas, meses); iii) para cada imagen de la UDB: a) buscar las sondas de la CDB que estaban "activas" en la hora en la que se hizo la foto; y, b) mover virtualmente cada elemento de la imagen (UDB) en funcion de los patrones de movimiento de la CDB.
En un sexto ejemplo que no entra dentro del alcance de la invencion, un metodo para medir la audiencia de un artfculo publicitario que comprende la etapa de aplicar el metodo y/o el sistema para medir el flujo real del trafico de un area de la presente invencion. El metodo para medir la audiencia de un artfculo publicitario del que se conocen la longitud y la latitud comprende una combinacion de todo o parte de los siguientes dispositivos: i) base de datos continua (CDB): a) navegadores GPS integrados; b) navegadores GPS externos; c) dispositivos GPS: instalados en telefonos moviles; estudios de movilidad espedficos; etc. d) bandas de trafico para medir el trafico; e) camaras instaladas para supervisar el trafico; f) balizas; g) datos de telefoma movil; ii) imagenes aereas (Generacion de Base de datos de universos - UDB): a) satelites; b) aeronaves; c) drones; d) etc.; iii) encuestas demograficas, que permiten conocer caractensticas de los individuos, tales como: sexo; edad, labor, clase social, consumo medio; iv) puntos de interes (POI) que: permiten conocer los individuos de la CDB que han pasado por los POI o muy cerca de los POI o incluso no muy lejos de los POI; y, permite conocer los elemento para los que se desea calcular una medicion de audiencia basandose en criterios de cercama/distancia/visibilidad de los POI.
Breve descripcion de las figuras
la FIG. 1 es un diagrama de flujo de una realizacion del sistema de acuerdo con la presente invencion.
la FIG. 2 ilustra datos provistos por un fabricante de GPS.
la FIG. 3 ilustra datos provistos por un fabricante de GPS y datos relacionados con perfiles de individuos.
la FIG. 4 ilustra un ejemplo de analisis de la densidad del trafico en una seccion de una ciudad.
Descripcion detallada de los ejemplos de realizacion
De acuerdo con las FIGS 1 a 3, hay varias fuentes de datos para la creacion del sistema 1, pero la principal, la base de datos de universos 2, la que se usa como base para el analisis es la imagen 4 del area (ciudad, pueblo, pafs o continente) desde el cielo. Estas fotos pueden tomarse desde satelites 20, aviones, drones o mediante cualquier tecnologfa que permita una vista (casi vertical) de las calles de la ciudad. De conformidad con la realizacion preferente, se usan imagenes 4 por satelite, aunque tambien se pueden usar otras fuentes. El requisito es la alta calidad de esas imagenes, que debena permitir la aplicacion del programa informatico 7 de reconocimiento de patrones de imagenes. Pueden seguir siendo fotograffas o fotogramas en movimiento, pero la calidad es esencial. Normalmente, este tipo de informacion es puntual, en un momento dado y no es continua a lo largo del tiempo debido a la dificultad y al coste de mantener una camara en el cielo en la misma posicion durante un largo periodo de tiempo, esto solo ocurre si se usan satelites geoestaticos. El sistema y el metodo de la presente invencion toma en consideracion esta limitacion estandar, pero, por supuesto, puede implementar un rastreo continuo de imagenes por satelite. El estado actual de la tecnica proporciona imagenes de alta definicion de cualquier zona del planeta en menos de 3 horas. Otra forma de tomar imagenes aereas es por aire con un avion/dron sobrevolando por encima del area (ciudad, pueblo, pafs o continente), esto normalmente tiene como resultado un procedimiento mas caro, un proceso administrativo, una licencia y no puede prepararse tan rapidamente como para tener cientos de ciudades a la vez, como cuando se usa una imagen por satelite. pero, por supuesto, si los datos/imagenes estan disponibles, se pueden usar en el sistema de manera similar a las imagenes por satelite. De nuevo, el factor principal es la calidad. La composicion de imagenes aereas proporciona la region del universo (Base de datos de universos 2). Una imagen aerea proporciona la situacion real de un area durante un tiempo particular. Sin embargo, la imagen aerea (fotograffa instantanea) no proporciona informacion sobre el elemento (vehfculo, peaton) comprendido en la misma, pero al menos los datos relativos a la latitud 15, la longitud 14, el tiempo (datos de geolocalizacion) 17, la velocidad 16, el tipo de vehnculo 13 y el numero de peatones se pueden calcular a partir de las imagenes aereas.
Otras fuentes de datos del sistema son los datos 5 de rastreo continuo para cada sonda (vetnculo rastreado, peaton rastreado). Esta informacion es recabada por los fabricantes de los navegadores, como TomTom®, los proveedores de mapas, como Google®, las aplicaciones de establecimiento de rutas, como Waze® o por portadores de telefonos que registran las torres de telefoma, conexiones de ruter, geocercas y balizas para geolocalizar sus clientes de manera regular. Es importante resaltar que la informacion provista por estas bases de datos no son solo el volumen o recuentos por calle, sino la informacion por cada trayecto y ubicacion, esto es la secuencia de segmentos de calle, el orden y tiempo que la sonda se esta moviendo desde el origen 18 hasta el destino 19 o que esta situada en un area. Asimismo, estos patrones de viaje pueden obtenerse mediante cuestionarios, rastreos y encuestas.
Una vez recabada la informacion, es decir, las imagenes 4 se recogen en la base de datos de universos 2 y los datos 5 de rastreo continuo se recogen en la base de datos continua 3, el procesador informatico 6 aplica el programa informatico 7 de reconocimiento de patrones de imagenes a las imagenes 4 para calcular la latitud, la longitud, el tiempo, la velocidad y el tipo de vetnculo o el numero de peatones. Para hacerlo, el procesador informatico 6 combina 8 los datos contenidos en ambas bases de datos. El vetnculo o el peaton esta identificado cuando su longitud, latitud y tiempo (o marca de tiempo) son los mismos para los datos contenidos en ambas bases de datos. El patron es una accion repetitiva del movimiento de un vetnculo o un peaton desde el origen hasta el destino. Por ejemplo, el mismo trayecto a la misma hora, todos los dfas laborables. De este modo, el procesador informatico 6 puede calcular el patron 9 basandose en acciones de movimientos repetitivos (traslados, recorridos) de las sondas. Cuando varias sondas (vetnculos, individuos) repiten (mas o menos) el mismo trayecto, resulta en un patron. De este modo, el procesador informatico 6 puede calcular el perfil de cada sonda 10 basandose en combinaciones de patrones.
El perfil de sondas individuales es util para generar el trafico 11 de una ciudad y/o para medir la audiencia de un artfculo publicitario 12.
Otras fuentes de datos potencian los datos y enriquecen el analisis, por ejemplo, los puntos de interes de la ciudad, por ejemplo, restaurantes de comida rapida, cines, centros comerciales, gasolineras, zonas de ocio, gimnasios, restaurantes, zonas de negocios, aparcamientos, aeropuertos, hospitales, etc, estas capas de datos permiten entender los patrones y los motivos de los movimientos. Otras fuentes son los recuentos del transito dentro de los centros comerciales (pasos). Otras fuentes de datos se obtienen de la tecnologfa de "balizas" que cuenta e identifica los dispositivos de telefonos inteligentes que estan dentro de su area de cobertura. Otra informacion como los recuentos de trafico y peatones, datos del censo, permiten calibrar y ajustar la informacion.
A partir de la base de datos continua "CDB", la informacion recabada es, para cada sonda, su posicion (es decir, longitud y latitud), tiempo y velocidad. Esto es debido a que cada sonda individual (vetnculo rastreado o peaton rastreado) lleva su telefono movil o navegador del coche. Estos dispositivos normalmente envfan la informacion al fabricante, por razones tecnicas tal como la optimizacion de la torre de la antena, el cuadriculado de celdas, etc., de modo que tambien pueden enviar de vuelta actualizaciones del trafico que tienen delante, actualizar mapas y proporcionar retroalimentacion. Pero el resultado es que el fabricante o proveedor del servicio recoge millones de trayectos individuales, naturalmente, de forma anonima debido a las leyes sobre confidencialidad que se aplican en cada pafs. Pero esa informacion recabada esta desviada y muy sesgada como para representar a toda la poblacion debido a la especificidad del proveedor, como, por ejemplo, los portadores de telefonos no tienen todos una penetracion similar entre todos los segmentos de la poblacion, lo mismo ocurre con los fabricantes de coches, los proveedores de software, etc. Todas estas fuentes estan detalladas en la informacion que recaban de cada dispositivo, pero carecen de la representatividad de todo el universo/poblacion y carecen de informacion sobre perfilado demografico, tal como la edad, el genero, etc. En algunos casos, los datos estan en un formato agregado (normalmente debido a cuestiones de confidencialidad o facilidad del proceso).
Por otro lado, con imagenes aereas de una ciudad (pueblo, pafs, continente o cualquier otro tipo de area), se obtiene una foto completa de la ciudad en una sola instantanea. Ademas, se obtiene una vista en alta definicion de todas las calles de la ciudad en un momento dado. De hecho, el estado de la tecnica en esta area permite, no solo obtener una imagen del espectro "visible", sino obtener tambien informacion ultravioleta, infrarrojo/termica y otros rangos del espectro de luz que permiten un analisis en profundidad. En el sistema y el metodo de la presente invencion se trabaja al menos con la (foto) visible de la ciudad, pero el sistema y el metodo de la presente invencion mejoran la precision y el detalle usando otras camaras con diferentes longitudes de onda (infrarrojos, etc). En la actualidad, una imagen "legal" por satelite puede tener una resolucion de 30 centimetros por pixel, esto le permite al sistema de la presente invencion (por medio de un procesador informatico) usar un programa informatico avanzado de analisis de imagenes (tambien conocido como programa informatico de reconocimiento de patrones de imagenes) para el reconocimiento de objetos, para identificar cada vetnculo, tipo, orientacion y velocidad, asf como si se esta moviendo o esta aparcado. usando tecnicas mas complejas que implican el uso de otros rangos del espectro de onda, la informacion puede ser mas detallada y precisa incluso tanto como para identificar a personas caminando. Con este analisis, el metodo y el sistema de la presente invencion pueden hacer un escrutinio de la ciudad completa, contar todos los coches, tipos y modelos, camiones, motos, incluso personas caminando que esten en cualquier momento dado en el area de la ciudad y en cada segmento de la calle. Esta informacion nunca habfa estado disponible antes, solo se obtema mediante estimaciones y proyecciones para tener una idea aproximada. Pero ahora, con estas imagenes y una enorme potencia de calculo, el sistema y el metodo pueden contar el universo completo de
vefuculos cualquier dfa, en cualquier momento de una calle, una ciudad, de un pâ s o incluso de un continente.
El sistema y el metodo de la presente invencion tienen como entradas dos fuentes principales, una proporciona el universo real de vefuculos y peatones, calle a calle, segmento a segmento, del conjunto global del area de la ciudad, pero procede de una instantanea o abarca un breve periodo de tiempo (mientras el satelite esta encima de la ciudad). La otra fuente, proporciona informacion completa y detallada de varios miles de trayectos de individuos, segundo a segundo, su posicion y velocidad durante largos periodos de tiempo, semanas, meses, incluso anos. Proporciona una dimension "longitudinal" de los datos. Esta dimension "longitudinal" de los datos se guarda en la base de datos continua "CDB".
Con la base de datos continua "CDB", el sistema y el metodo de la presente invencion pueden rastrear cada sonda individual a lo largo del tiempo. Esto proporciona una informacion muy rica sobre los patrones de la sonda individual. En el caso de los datos agregados, estos tambien se pueden gestionar de diversas formas, generando sondas virtuales en una dimension mas baja de la agregacion o usando la informacion a ese nivel para alimentar el modelo. Cuando los datos de rastreo continuo se proporcionan como datos agregados, la sonda no es un unico vehfculo rastreado o un peaton rastreado, sino un grupo de vefuculos rastreados o peatones rastreados que no pueden identificarse individualmente. Dado que el grupo de sondas no se puede identificar individualmente, se considera que todos los vefuculos rastreados o peatones rastreados dentro del grupo comparten la misma longitud y latitud durante un tiempo particular. Los datos agregados son especialmente utiles cuando se proporcionan imagenes de baja resolucion y/o una ley particular de confidencialidad no permite proporcionar parametros de manera individual. El sistema y el metodo de la presente invencion pueden combinar la informacion enriquecida con unos puntos de interes, lugares que una sonda individual visite con frecuencia, produciendo un perfil basado en probabilidades. Asf pues, por ejemplo, por la frecuencia con la que la sonda se queda por las noches en un sitio se podna identificar como hogar, adonde se dirige durante los dfas de la semana en horas laborables se puede identificar como ubicacion de su comercio/trabajo, si el area es una universidad/colegio podna identificarse como "Alta probabilidad de que sea un estudiante". Otros sitios como los centros comerciales, gimnasios, cines, tiendas, etc., anadiran mas y mas nivel de detalle al perfil. Un analisis mas profundo usara la combinacion de estas sondas incluyendo el patron, por ejemplo, un perfil de personas que han ido al McDonalds, pero no han ido al Burger King incluso si esta en un area proxima a su hogar/trabajo en el ultimo ano durante los fines de semana. O de personas que conducen mas de 30 minutos para ir al trabajo, aunque dispongan de un transporte publico con la misma ruta. La combinacion de estas sondas proporciona un numero infinito de posibilidades y analisis.
La combinacion de las dos fuentes principales se calcula gracias a la precision de ambas fuentes. En un momento dado, por ejemplo, el lunes, 1 de mayo de 2014 a las 11:35:23 a.m. el sistema y el metodo de la presente invencion pueden tener una imagen de alta definicion de la ciudad de Madrid desde el satelite (o una pelfcula) y, al mismo tiempo, desde la base de datos continua "CDB" el sistema y el metodo de la presente invencion obtienen la informacion de todas las sondas (vefuculo individual o peaton con un dispositivo de rastreo: tal como un GPS, un telefono movil, camaras en las calles, etc.) exactamente a la misma hora (FIG. 4, coches con dispositivos de navegacion etiquetados con drculos y coches identificados por satelite etiquetados con cuadrados). Cada elemento puede identificarse entonces en la imagen aerea, uno a uno, en cada segmento de calle en la hora de la instantanea este sera detectado, asf como el numero de otros vefuculos que estan en el mismo segmento de la calle, de modo que una relacion sesgada por segmento, zona y dfa se calcula basandose en las sondas de ese segmento y en el numero real de elementos en esa misma calle. Este proceso se repite muchas veces a lo largo de diferentes marcos temporales, dfas, fines de semana, etc. De modo que se obtiene un factor de ponderacion para cada sonda que representa la proyeccion del universo total de los elementos en la ciudad. A medida que se identifican sondas a lo largo del tiempo, una medicion mas meticulosa es posible, haciendo de la relacion de ponderacion una combinacion de varios analisis de la sonda en diferentes marcos temporales, areas y dfas.
El sistema puede mejorarse proyectando los patrones y flujos sobre los datos del censo para tener una representacion completa y ponderada de la ciudad
El resultado de correlacionar estas dos fuentes (instantanea de la realidad con una enorme muestra longitudinal de elementos) a lo largo del tiempo es un modelo que representa el flujo de trafico para cada uno de los elementos de la ciudad. El modelo puede consultarse conforme a cualquier dimension, tal como tiempo, origen, destino, duracion, perfil. Puede contestar preguntas tales como: "iEn cuantos minutos ha aumentado la duracion del trayecto al trabajo de las personas que va del Codigo Postal A al Codigo Postal B desde que se han cortado algunas carreteras en este ultimo mes?; "iCual es el perfil y el origen de las personas que padecen el atasco de trafico en la carretera de circunvalacion de la ciudad los lunes por la manana?"; iCual es el area de influencia del centro comercial durante los fines de semana normales en comparacion con las vacaciones?; Prevision de las personas del municipio del sur que se moveran durante la temporada de verano fuera de la ciudad basandose en los ultimos 3 anos.
Analogfa con el sistema es la Oficina del Censo de los EE. UU. Llevan a cabo la encuesta del CENSO una vez cada varios anos para tener el universo total de la poblacion, pero la actualizan con una encuesta anual basada en una muestra mas pequena. En este sistema, el recuento de vefuculos de la imagen por satelite es el universo y las otras fuentes auxiliares, como los navegadores de los coches o balizas ayudan a actualizar la informacion y los patrones.
El concepto del sistema coincide con la idea de una medicion global real y completa con la imagen por satelite, que se hace en un tiempo periodico (es decir: cada semana) y las fuentes secundarias que no estan completas y pueden estar sesgadas, pero ayudan a actualizar la informacion. La combinacion de ambas fuentes proporciona una estimacion sin precedentes, de lo mas precisa, sobre la realidad de los recorridos por la ciudad o la region.
Con el sistema y metodo de la presente invencion, es posible una representacion de todos los trayectos, recorridos y desplazamientos de todas las personas de la ciudad, un atlas sobre los recorridos de la ciudad. El sistema y el metodo de la presente invencion suponen una estimacion completa de una sola calle hasta de toda la ciudad. La presente invencion solo podna ser superada si todas las personas llevaran un GPS todo el tiempo y que esa informacion se centralizara y recogiera en un solo sitio. Por supuesto, eso sena muy caro.
La presente invencion puede aplicarse en combinacion con la patente de los EE. UU. 8.537.145 de CUENDE INFO-METRICS, que calcula la zona de visibilidad para cada valla publicitaria o panel publicitario de la calle. Con ambas invenciones, se pueden obtener metricas de audiencia para aquellos elementos publicitarios (basicamente, cuanta gente tiene la oportunidad de ver la valla publicitaria).
El sistema y metodo de la presente invencion puede enriquecerse anadiendo otras capas, por ejemplo, informacion del censo, condiciones meteorologicas por zona, franjas de luz diaria por region o datos de una encuesta espedfica tal como consumo por medio y marca, informacion polftica y medioambiental, estatus social, todas las nuevas variables proporcionaran una mejor comprension del comportamiento y de los patrones de la poblacion.
El sistema y el metodo de la presente invencion pueden funcionar "en lmea" en tiempo real y con datos historicos. La presente invencion resuelve la cuestion de la "duplicacion" de los recuentos de trafico en la calle. Actualmente es diffcil saber si tres coches diferentes han pasado por un punto "B" (segmento de la calle) o si el mismo coche ha pasado tres veces. Y lo que es aun mas importante, con el sistema y el metodo de la presente invencion, se puede saber cuantos coches han pasado por el punto "B" y luego han ido a "C o a "D". Con el sistema y el metodo de la presente invencion, se puede calcular un analisis de origen a destino usando puntos intermedios: "^Cuantas personas van del punto "A" al "C" pasando por "B" (autopista de peaje) y cuantas van de A a C pero evitando "B"? Este es, de hecho, un ejemplo muy interesante de analisis ya que la "autopista de peaje" puede tener un recuento preciso de las personas que cruzan la barrera, pero no tener ni idea de cuantas no lo hacen porque estan fuera de su vista. Asimismo, a no ser que hagan un reconocimiento de matnculas y lo procesen, tampoco sabran el tipo de duplicacion que se esta produciendo en el peaje. Esta es una clara ventaja de la presente invencion para el diseno y planificacion de calles y carreteras.
Este tipo de analisis podna realizarse tambien a lo largo del tiempo. El sistema y metodo de la presente invencion proporcionan respuestas a preguntas como, "^Cuantas personas van de A a C pasando por B?" o "^Con que frecuencia la gente repite B?"
Ademas tiene un enfoque muy util sin precedentes para la tarificacion del aparcamiento basado en el uso en la calle, dado que puede medir la densidad del aparcamiento en la calle en cualquier momento dado.
Los satelites podnan posicionarse ad-hoc para tomar fotos en un momento determinado en un sitio concreto. Significa que el impacto de las huelgas, manifestaciones, acontecimientos deportivos, etc., senan mensurables, no solo contando las personas que hay, sino tambien detectando como afecta al trafico de toda la ciudad.
Las fotos nocturnas permitiran el analisis de la iluminacion con respecto al trafico, la visibilidad de un objeto, la optimizacion del consumo de energfa, etc.
Tambien sena posible mejorar la eficiencia del transporte publico usando los recorridos de las personas como criterio de optimizacion.
Claims (13)
1. Un sistema para estimar el flujo del trafico real de un area, comprendiendo el sistema (1):
• imagenes (4) aereas de un area tomadas a intervalos de tiempo;
• datos (5) de rastreo continuo de una sonda que recaban y proporcionan fabricantes de navegadores, proveedores de mapas, aplicaciones de establecimiento de rutas o portadores de telefonos que registran las torres de telefoma, recuentos de trafico, conexiones de ruter, dispositivos de comunicacion de campo cercano y balizas que son capaces de geolocalizar la sonda; dichos datos de rastreo continuo comprenden al menos la longitud y latitud por cada unidad de tiempo para la que dicha sonda se ha rastreado;
• una base de datos de un universo (2) que comprende dichas imagenes (4);
• una base de datos continua (3) que comprende dichos datos (5) de rastreo continuos;
• un procesador informatico (6) configurado para:
o aplicar un programa informatico (7) de reconocimiento de patrones de imagenes a las imagenes aereas de modo que cada elemento comprendido en las imagenes aereas sea reconocido y etiquetado, y se calcule al menos la latitud, la longitud, el tiempo, la velocidad y el tipo de vetuculo o numero de peatones;
o asignar a cada una de dichas sondas los datos de rastreo continuo para los que la longitud, la latitud y el tiempo coinciden;
o calcular una relacion entre el numero de elementos reconocidos en las imagenes aereas y el numero de sondas para las que la longitud, la latitud y el tiempo coinciden;
o estimar el flujo y el numero total de elementos dentro de un area aplicando la relacion calculada a los datos de rastreo continuo para un tiempo particular para el que una imagen aerea no esta disponible.
2. El sistema segun la reivindicacion 1, donde el procesador informatico (6) ademas esta configurado para:
o calcular un patron (9) para cada sonda basandose en los datos de rastreo continuo;
o calcular un perfil (10) analizando las combinaciones de los patrones (9) calculados.
3. El sistema segun la reivindicacion 1, donde las imagenes (4) aereas estan provistas por dispositivos aereos (20).
4. El sistema segun la reivindicacion 3, donde los dispositivos aereos se seleccionan de entre: un satelite (20), un avion, una aeronave, un dron y cualquier combinacion de los mismos.
5. El sistema segun la reivindicacion 1, donde la sonda se selecciona entre un vetuculo (13) rastreado y un peaton rastreado.
6. El sistema segun la reivindicacion 1, donde el area se selecciona de entre: una calle, un suburbio, una ciudad, un pueblo, un pafs y un continente.
7. El sistema segun la reivindicacion 1, donde las imagenes se seleccionan entre fotos y fotogramas en movimiento.
8. Un metodo para estimar el flujo del trafico real de un area, comprendiendo el metodo:
i) generar una base de datos de universos (2) que almacena imagenes (4) aereas de un area a intervalos de tiempo;
ii) reconocer, por medio de un procesador (6), cada elemento individual comprendido en cada imagen aerea almacenada y calcular al menos los siguientes datos de cada elemento individual: latitud (15), longitud (14), tiempo (17), velocidad (16) y tipo de vetuculo (13) o numero de peatones;
iii) generar una base de datos continua que almacene datos de rastreo continuo de cada sonda (10) individual, los datos (5) de rastreo continuo comprenden al menos la posicion estimada por longitud y latitud, celda del mapa y posicion vectorial, por cada unidad de tiempo; los datos de rastreo continuo se obtienen a partir de cada dispositivo de rastreo que lleva cada sonda individual;
iv) asignar a cada elemento individual reconocido en la etapa ii) los datos de rastreo continuo de la etapa iii) para la que la longitud, la latitud y el tiempo coinciden;
v) calcular una relacion entre el numero de elementos reconocidos en las imagenes y el numero de sondas para las que la longitud, la latitud y el tiempo coinciden;
vi) estimar el flujo y el numero total de elementos dentro de un area aplicando la relacion calculada a los datos de rastreo continuo para un tiempo particular para el que una imagen aerea no esta disponible.
9. El metodo segun la reivindicacion 1, donde el metodo ademas comprende:
vii) calcular un patron para cada sonda basandose en los datos de rastreo continuo; y,
viii) calcular un perfil analizando las combinaciones de los patrones calculados.
10. El metodo segun la reivindicacion 8, donde la generacion de un base de datos de universos ademas comprende las siguientes etapas:
a) definir una region de un universo que es la composicion de varias imagenes
b) seleccionar diferentes fuentes de datos de imagenes aereas seleccionadas de: satelite, aeroplanos, drones, con latitud y longitud y marca de tiempo sincronizadas;
c) normalizar la imagen de entrada
d) generar un cronograma de las diferentes imagenes y regiones para sincronizarlas mas tarde con la instantanea de la base de datos continua;
e) analizar los recuentos de vehuculos y peatones;
f) correccion y mejoramiento de los datos: y,
g) recuento de elementos.
11. El metodo segun la reivindicacion 8, donde la etapa del analisis del recuento de vehuculos y peatones ademas comprende: a) correlacion de la cartograffa de carreteras: colocandose las carreteras y los aparcamientos de coches como vectores en las imagenes para destacar donde es posible encontrar vehuculos; b) calibracion del proceso: definiendo los objetos para el reconocimiento de imagenes, siendo los objetos al menos: coche, tipo, modelo, autobus, camion, moto, bicicleta, marquesina, valla publicitaria, quiosco, mobiliario urbano y peaton; c) procesar las imagenes con el programa informatico de reconocimiento de patrones de imagenes basandose en el rango visible, en infrarrojos y ultravioletas.
12. El metodo segun la reivindicacion 8, donde la etapa de correccion y mejora de los datos ademas comprende: a) correlacion con un mapa de navegacion vectorial; b) correccion del efecto de los semaforos y atascos de trafico como posibles falsos positivos de coches aparcados; c) deduccion del movimiento y trayectoria para cada uno de los elementos antes de la instantanea y despues de la instantanea; d) predecir el movimiento de cada uno de los elementos basandose en el tipo de via, tipo de elemento y velocidad; e) identificar regiones y ubicaciones que se excluiran o requeriran un analisis diferente.
13. El metodo segun la reivindicacion 8, donde la etapa de contar elementos ademas comprende: i) contar por segmentos de la calle, el numero de vehfculos, coches, autobuses, motos, en movimiento y aparcados, las personas y las sondas estaticas: por cada foto y por el total de fotos en un periodo de tiempo; ii) contar el total para la ciudad: por cada foto y por el total de fotos en un periodo de tiempo.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201462007558P | 2014-06-04 | 2014-06-04 | |
| PCT/EP2015/062330 WO2015185594A1 (en) | 2014-06-04 | 2015-06-03 | System and method for measuring the real traffic flow of an area |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2710672T3 true ES2710672T3 (es) | 2019-04-26 |
Family
ID=53284259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES15726956T Active ES2710672T3 (es) | 2014-06-04 | 2015-06-03 | Sistema y método para medir el flujo del tráfico de un área |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9390621B2 (es) |
| EP (1) | EP3078014B1 (es) |
| ES (1) | ES2710672T3 (es) |
| TW (1) | TW201602974A (es) |
| WO (1) | WO2015185594A1 (es) |
Families Citing this family (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104025166B (zh) * | 2011-12-28 | 2016-10-12 | 三菱电机株式会社 | 中心侧系统及车辆侧系统 |
| WO2015134311A1 (en) | 2014-03-03 | 2015-09-11 | Inrix Inc | Traffic obstruction detection |
| US9959289B2 (en) * | 2014-08-29 | 2018-05-01 | Telenav, Inc. | Navigation system with content delivery mechanism and method of operation thereof |
| US20170017846A1 (en) * | 2015-07-15 | 2017-01-19 | Umm Al-Qura University | Crowd and traffic monitoring apparatus and method |
| US10074272B2 (en) * | 2015-12-28 | 2018-09-11 | Here Global B.V. | Method, apparatus and computer program product for traffic lane and signal control identification and traffic flow management |
| EP3440428B1 (en) | 2016-04-08 | 2022-06-01 | Orbital Insight, Inc. | Remote determination of quantity stored in containers in geographical region |
| US10217236B2 (en) | 2016-04-08 | 2019-02-26 | Orbital Insight, Inc. | Remote determination of containers in geographical region |
| CN113955108B (zh) * | 2016-08-26 | 2025-04-15 | 索尼公司 | 信息处理装置、其控制方法、移动单元及记录介质 |
| US11386068B2 (en) * | 2016-10-27 | 2022-07-12 | Here Global B.V. | Method, apparatus, and computer program product for verifying and/or updating road map geometry based on received probe data |
| US9805595B1 (en) * | 2016-10-27 | 2017-10-31 | International Business Machines Corporation | Vehicle and non-vehicle traffic flow control |
| CN106448168B (zh) * | 2016-11-24 | 2019-02-19 | 中山大学 | 基于趋势性指标及波动性指标的交通事件自动检测方法 |
| CN106781490A (zh) * | 2016-12-29 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 城市道路交通运行分析评价系统 |
| CN108337644B (zh) * | 2017-01-18 | 2020-11-27 | 腾讯科技（深圳）有限公司 | 一种数据处理方法及装置 |
| CN108460863A (zh) * | 2017-02-21 | 2018-08-28 | 公安部道路交通安全研究中心 | 一种隧道中人员和车辆的监控方法、装置和系统 |
| CN106998451A (zh) * | 2017-04-21 | 2017-08-01 | 湖北天专科技有限公司 | 基于无人飞行器监测的区域状况全景导览系统及其方法 |
| RU2677164C2 (ru) * | 2017-06-02 | 2019-01-15 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер создания прогнозов трафика |
| JP6837921B2 (ja) | 2017-06-02 | 2021-03-03 | 任天堂株式会社 | ゲームプログラム、情報処理装置、情報処理システム、および、情報処理方法 |
| JP6613267B2 (ja) * | 2017-06-02 | 2019-11-27 | 任天堂株式会社 | 情報処理システム、情報処理プログラム、情報処理装置、および、情報処理方法 |
| JP6653293B2 (ja) | 2017-06-05 | 2020-02-26 | 任天堂株式会社 | 情報処理システム、情報処理プログラム、情報処理装置、および、情報処理方法 |
| CN107219157A (zh) * | 2017-07-29 | 2017-09-29 | 山东诺方电子科技有限公司 | 一种利用社会车辆进行大气颗粒物监测系统 |
| EP3506153A1 (en) * | 2017-12-28 | 2019-07-03 | Canon Kabushiki Kaisha | Information processing apparatus, system, method, and non-transitory computer-readable storage medium |
| CN108346287B (zh) * | 2018-01-30 | 2020-08-04 | 浙江大学 | 基于影响因素分析的交通流量序列模式匹配方法 |
| CN110378502A (zh) * | 2018-09-13 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 辅助无人车确定路径的方法和装置 |
| WO2020142393A1 (en) * | 2018-12-31 | 2020-07-09 | FLIR Belgium BVBA | Image sensor mapping for traffic control systems and methods |
| US11790773B2 (en) | 2019-02-25 | 2023-10-17 | Quantifly Llc | Vehicle parking data collection system and method |
| CN109934127B (zh) * | 2019-02-27 | 2020-12-15 | 电子科技大学 | 基于视频图像与无线信号的行人识别与跟踪方法 |
| US10791417B1 (en) * | 2019-03-28 | 2020-09-29 | Lenovo (Singapore) Pte. Ltd. | Low-fuel indicator enablement based on fuel station locations |
| CN110572810B (zh) * | 2019-10-16 | 2021-11-05 | 福州物联网开放实验室有限公司 | 一种适用于救援的定位卫星快速路由方法 |
| CN111369200B (zh) * | 2020-04-01 | 2023-05-05 | 北京理工新源信息科技有限公司 | 一种基于车辆lbs数据的城市物流通道识别方法及系统 |
| US20220138260A1 (en) * | 2020-10-30 | 2022-05-05 | Here Global B.V. | Method, apparatus, and system for estimating continuous population density change in urban areas |
| US20220207992A1 (en) * | 2020-12-30 | 2022-06-30 | Here Global B.V. | Surprise pedestrian density and flow |
| CN112784901B (zh) * | 2021-01-22 | 2023-04-07 | 北京航空航天大学 | 一种基于位置数据的行人出行分类检测方法和系统 |
| US20220237640A1 (en) * | 2021-01-26 | 2022-07-28 | Arrivalist Co. | System and Method for Using Observational Datasets to Improve Hotel Revenue Estimates and Associated Economic Impact in Real-Time |
| US20220391806A1 (en) * | 2021-06-08 | 2022-12-08 | Here Global B.V. | Method to compute a visibility index for shared vehicles |
| US20240361123A1 (en) * | 2021-08-16 | 2024-10-31 | Trans-Plan Transportation Inc. | Process and system for tracking ground movement |
| CN114299727B (zh) * | 2021-12-28 | 2022-12-09 | 杭州滨电信息技术有限公司 | 一种基于物联网和边缘计算的交通流预测系统及云平台 |
| CN114297532B (zh) * | 2021-12-31 | 2023-04-07 | 哈尔滨工业大学 | 一种基于人群移动轨迹的高清城市功能区识别方法及系统 |
| CN115690630A (zh) * | 2022-11-08 | 2023-02-03 | 山东农业工程学院 | 一种用于路面车辆识别的交通遥感图像处理方法 |
| JP2025008968A (ja) * | 2023-07-06 | 2025-01-20 | トヨタ自動車株式会社 | 情報処理方法 |
| CN116897670B (zh) * | 2023-09-14 | 2024-01-23 | 中化现代农业有限公司 | 作物施肥方法、装置、电子设备和存储介质 |
| WO2025067681A1 (en) * | 2023-09-28 | 2025-04-03 | Mobile4.Pro Społka Z Ograniczona Odpowiedzialnoscia | A method of measuring of a people flow along a city street and a device therefor |
| US20260038364A1 (en) * | 2024-07-31 | 2026-02-05 | Fujitsu Limited | Traffic simulator adjustment |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5862244A (en) * | 1995-07-13 | 1999-01-19 | Motorola, Inc. | Satellite traffic reporting system and methods |
| JP3435623B2 (ja) * | 1996-05-15 | 2003-08-11 | 株式会社日立製作所 | 交通流監視装置 |
| US8576069B2 (en) * | 2009-10-22 | 2013-11-05 | Siemens Corporation | Mobile sensing for road safety, traffic management, and road maintenance |
| EP2499625A4 (en) * | 2009-11-10 | 2016-05-11 | Bae Systems Australia Ltd | METHOD AND SYSTEM FOR SUPPORTING THE PRECEDENCE OF A VEHICLE MOVEMENT |
| US8531523B2 (en) * | 2009-12-08 | 2013-09-10 | Trueposition, Inc. | Multi-sensor location and identification |
| JP5057183B2 (ja) * | 2010-03-31 | 2012-10-24 | アイシン・エィ・ダブリュ株式会社 | 風景マッチング用参照データ生成システム及び位置測位システム |
| TWI438728B (zh) * | 2012-04-25 | 2014-05-21 | 鴻海精密工業股份有限公司 | 交通流量管控系統及方法 |
| US20130342700A1 (en) * | 2012-06-26 | 2013-12-26 | Aharon Kass | System and method for using pattern matching to determine the presence of designated objects in digital images |
-
2015
- 2015-06-03 ES ES15726956T patent/ES2710672T3/es active Active
- 2015-06-03 EP EP15726956.4A patent/EP3078014B1/en active Active
- 2015-06-03 WO PCT/EP2015/062330 patent/WO2015185594A1/en not_active Ceased
- 2015-06-03 US US14/729,092 patent/US9390621B2/en active Active
- 2015-06-04 TW TW104118173A patent/TW201602974A/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| TW201602974A (zh) | 2016-01-16 |
| US9390621B2 (en) | 2016-07-12 |
| US20150356868A1 (en) | 2015-12-10 |
| EP3078014B1 (en) | 2018-12-12 |
| EP3078014A1 (en) | 2016-10-12 |
| WO2015185594A1 (en) | 2015-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2710672T3 (es) | Sistema y método para medir el flujo del tráfico de un área | |
| EP2966590B1 (en) | Lane level traffic | |
| Sutheerakul et al. | Application of unmanned aerial vehicles to pedestrian traffic monitoring and management for shopping streets | |
| US9857192B2 (en) | Predictive natural guidance | |
| Jimoh et al. | A vehicle tracking system using greedy forwarding algorithms for public transportation in urban arterial | |
| Work et al. | Impacts of the mobile internet on transportation cyberphysical systems: traffic monitoring using smartphones | |
| US10446022B2 (en) | Reversible lane active direction detection based on GNSS probe data | |
| US10755558B2 (en) | Method, apparatus, and system for detecting venue trips and related road traffic | |
| US9518837B2 (en) | Monitoring and visualizing traffic surprises | |
| US20170309171A1 (en) | Traffic Volume Estimation | |
| US11170138B2 (en) | Geographic position calculation for sign placement based on destination profiling of probe data | |
| US11549816B2 (en) | Systems and methods for controlling mapping information inaccuracies | |
| US9874450B2 (en) | Referencing closed area geometry | |
| US9939514B2 (en) | Determination of a statistical attribute of a set of measurement errors | |
| Janowski et al. | Mobile indicators in GIS and GPS positioning accuracy in cities | |
| US10904853B2 (en) | Estimation of mobile device count | |
| Barker et al. | Investigating the use of machine learning for smart parking applications | |
| Cui et al. | Establishing multisource data-integration framework for transportation data analytics | |
| EP3748298B1 (en) | Method, apparatus, and computer program product for identifying building accessors | |
| Monica et al. | Bus Tracking System using GPS on Smartphones | |
| Gudishala et al. | Travel time estimation using Bluetooth | |
| Savchuk et al. | Modern tendention in the use of gps technology in tourism industry | |
| Sturari et al. | An integrated mobility system using real-time data for traffic simulation | |
| Ling et al. | A preliminary study: Mobile application for shuttle bus service | |
| Koyama | Activity Plan of Dynamic Map Study for SIP-adus |