CN101218486A - 用于对道路网图进行建模的方法、装置及系统 - Google Patents
用于对道路网图进行建模的方法、装置及系统 Download PDFInfo
- Publication number
- CN101218486A CN101218486A CNA2005800509928A CN200580050992A CN101218486A CN 101218486 A CN101218486 A CN 101218486A CN A2005800509928 A CNA2005800509928 A CN A2005800509928A CN 200580050992 A CN200580050992 A CN 200580050992A CN 101218486 A CN101218486 A CN 101218486A
- Authority
- CN
- China
- Prior art keywords
- aforementioned
- data
- road
- curve
- vehicle
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3819—Road shape data, e.g. outline of a route
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Instructional Devices (AREA)
- Road Signs Or Road Markings (AREA)
Abstract
提供了一种用于对道路网图进行建模的方法、装置、和系统,该方法包括以下步骤:接收来自多个车辆的信息数据,所述信息数据至少包括位置数据;以及根据所接收的数据对所述道路网图进行建模。
Description
技术领域
本发明涉及建立(或生成、或成形、或修改)示出公路、街道、及其他交通相关线路的单一地形结构(分别为形状、轮廓、或等高线)的道路网图的模型的领域。进一步地,提出了适于有效地执行所述图的建模的方法的服务器装置和系统。
背景技术
随着在过去的二十年中车辆数目基本稳步增长,现今尤其在诸如中国、俄罗斯、及巴西的发展中且快速成长的国家中,还存在向司机们提供准确的路线和交通导航以及向道路系统规划者提供帮助他们解决不断增长的交通量的数据的需求。
当今世界,存在一些适当设置的高级系统来解决这两个任务。在过去的几年中,发达国家已经制造出了其道路系统的数字化模型,从而使司机能够找到他们的路线。今天,该系统被称作车辆导航。有时通过提供实时交通数据的系统补充这些系统,该实时交通数据通常由道路系统操作者获取并利用广播或类似技术(RDS等)将其发送(dispatch)给配备有导航装置的车辆。
所有这些系统都需要利用大地测量方法(利用诸如GPS的先进技术)进行乏味的数据收集和验证。此外,获取关于交通情况的数据需要安装车辆分流(vehicle by-pass)识别装置(所谓的回路、微波帘(microwave curtain)、摄像机等),由司机自身报告异常事件,并由特殊车辆、飞机、或直升机来进行监控。尽管在涉及到实时数据时后面的措施几乎是不可避免的,但它向道路系统规划者提供了较少的有用数据。
发明内容
本发明的目的在于提供用于对道路网图进行建模的方法、装置、和系统,其克服了技术状态的不足。
通过在所附多个独立权利要求中限定的主题解决了本发明的多个目的。
根据本发明的第一方面,提出了一种用于对道路网图进行建模的方法,优选地在至少一个建模服务器上执行该方法。所述建模方法可以包括:计算所述图的方法、(优选地自动)绘制(profile)所述图的方法、(优选地自动)更新的方法、及验证所述图的方法。所述方法至少包括以下步骤:接收来自多个车辆的信息,所述信息数据包括位置数据、优选地包括所述多个车辆的地理位置(geopositional)数据;以及根据所接收的数据对所述道路网图进行建模。从而,以可靠且经济的方式实现了道路网图的有效更新。
此外,计算所述图的方法可以包括:自动计算道路网的几何结构(位置数据)、拓扑结构(线路数据)、及统计数据(交通量、平均速度等)。从而,可以获得用于导航系统和交通控制/规划设备的详细交通数据和统计数字。
此外,计算所述图的方法可以使用来自包括在系统中的车辆的测量值(所述信息)或者来自其它来源(政府部门、绘图或道路建造公司、航摄照片或其他影像的识别等)的图像网络信息。在这种情况下,它基本上是图的合并。从而,可以合并来自几个来源的信息。
此外,绘制的方法可以包括(优选地自动)根据所述信息抽象表示道路和交叉点并设置其参数的步骤。从而,可以完成该图并将该图转换为其他(更抽象)的图示。
此外,例如,还可以从第三方获得所述信息数据。这主要支持所述多种车辆(不包括验证车辆)未被装备以进行测量的那种信息,例如,街道名或限速。从而,获得了另一种来源。
用于更新所述图的方法基本上对应于用于绘制图的方法。一个基本的差别在于报告图中的重大改变和在新的小部分上计算图的步骤。
验证方法可以包括也由特殊装备的验证车辆执行的图的检查,该验证车辆检查路网并寻找与所述道路网图的不一致之处,以及提供关于它的其他信息。通过使用先前提供的所述道路网图,可以实现在用于验证的某一过程中的最优化步骤。所述最优化可以是对验证车辆路线的最优化。从而,提供了反复核对和验证道路网图的其他方法。
根据本发明的另一实施例,所述建模基于对所述数据执行的用于处理曲线、弧线、多项式等的数学方法。从而,可以通过利用所述数学方法在计算机系统内实现建模。即,例如,可以使用相同的方法处理不同的数据,从而获得例如可再生的结果。
根据本发明的另一实施例,所述建模基于对所述数据执行的贝赛尔(Bezier)曲线方法。优选地,由于通过使用贝赛尔曲线在实际实施例中实现了较好的近似,因此可以利用所述曲线。
根据本发明的另一实施例,所述信息数据可以由车辆类型、车辆速度、加速度等组成。有利地,所述数据可以包括使所述道路图改进的建模的其他信息(上面提到的)。例如,利用所述其他参数,易于研究特殊车辆的某种行为(驾驶)。
根据本发明的另一实施例,所接收的信息数据表示所述多个车辆之中的至少一个车辆的轨迹。优选地,通过贝赛尔曲线描述每条轨迹。所述贝赛尔曲线使得可以对应于特殊车辆的某一路线适当和精确地表示所述轨迹。根据有利的实施例,可以提供关于所述至少一个车辆的平均轨迹。由于进行平均,因此可以获得该轨迹的精确表示。基于多条轨迹来计算主要轨迹,从而得到改进模型。所述多条可以来源于一个特定车辆或者也可以来自几个不同车辆。
根据本发明的另一实施例,提供了以下步骤:基于所接收的信息数据计算所述道路网图的第一近似(approximation);在所述第一近似中绘制道路和交叉点,从而得到绘制的道路网图;以及执行所绘制的网的验证。上述步骤改进了所得到的所述道路网图的表示。所述第一近似被用作第一方法,并且可以对应于闭环重复执行以下步骤,即,所述环对应于根据本发明的有利实现。
根据本发明的另一实施例,所述计算基于贝赛尔曲线方法。优选地,所述计算可以基于提供精确和详细结果的贝赛尔曲线。
根据本发明的另一实施例,提供了以下步骤:基于所接收的信息数据检测现有道路网图的改变;存储所述改变;以及在所述现有道路网图中实现所述改变。从而,检测了现有道路网中的改变,并且根据本发明,该方法将基于例如已建模或计算出的图来实现这些改变。
根据本发明的另一实施例,所述实现基于统计信息。所述统计信息通常对应于交通信息,例如,根据(例如)一周的次数的行进车辆的平均速度、利用所述车辆或利用另一种车辆从位置A到B所需的时间等。其他交通条件可以被用作所述统计信息。可以预期,甚至将某种司机的行为用作统计信息数据。例如,职业司机(例如,出租车司机)在每天的行程中将具有与想从点A到点B的普通司机不同的另一种行为。
此外,可以预期,通过借助于测量车辆等进行的收集/搜集处理来提供所述统计信息。
根据本发明的另一实施例,提供了将关于所述网图的信息传送到所述多个车辆中的至少一个车辆的步骤。从而,可以提供车辆的远程导航。即,所述车辆的司机可以接收来自服务器的导航数据,从而可以远程控制旅程。有利地,例如,为了能够实现经济的驾驶行为而将关于所建模的道路网图的实际信息传送给司机。例如,由于自动和/或周期地修改道路网图,所以车辆的司机将经常接收到关于道路特征的实际信息。
根据本发明的另一实施例,所绘制的道路网图包括关于当占据道路时经过的时间的信息。有利地,例如,所述时间还可以被用于导航问题。同样,可以实现基于所述时间数据的道路规划。
根据本发明的另一实施例,可以利用用于处理曲线、弧线、多项式等的数学方法压缩来自所述多个车辆的所述信息。通过所述压缩方法,可以减少要存储和/或要处理的数据量。根据有利的实施例,可以通过贝赛尔曲线来描述轨迹。
根据本发明的另一实施例,提供了执行在所述建模实体和/或在所述多个车辆中选择性地压缩所述数据的步骤。从而,可以在车辆侧实现压缩,这意味着可以缓解服务器实体的压力,即,节约的计算能力可被用于其他问题。
根据本发明的另一实施例,提供了存储所述信息数据的步骤。从而,保证进一步利用所感兴趣的特定数据。
根据本发明的另一实施例,所述计算基于用于精确计算固定点值的数字计算方法。从而,可以向基于固定点架构的实体提供所述计算。
根据本发明的另一实施例,所述信息数据包括测量数据,并且进一步提供了根据预定阈值标准化所述测量数据的步骤。通过执行所述标准化步骤,将根据预定阈值表示数据,这改进了诸如处理和/或举例说明。其还可以应用于基于固定点架构的实体中,从而减少了计算错误。
根据本发明的另一实施例,在执行压缩算法、散列(hashing)算法、加密算法等之后,提供了所述存储。从而,实现了安全和压缩后的数据的存储。
因此,在车载(on-board)装置确定全部必要信息之后,发送每条日志。
根据本发明的另一实施例,提供了检测多路现象/效应的存在的步骤,在这种情况下,可以为在所述计算步骤期间所接收的信息分配较小的权重。从而,例如,保证了在计算步骤期间由于多径效应而伪造的数据会得到较小的权重。
根据本发明的另一实施例,提供了通过多个车辆内的位置信息提供实体来测量道路尺寸的步骤。从而,对应于轨迹形状,提供了道路轴的特性。此外,对应于街道(道路)等的宽度,提供了所述道路轴的详细尺寸标注。
根据本发明的另一实施例,所述实体是在所述车辆内的GPS收发机。然而,所述收发机被用于接收和/或发送适当装备车辆的位置数据。
根据本发明的另一实施例,提供了以自动方式计算道路网的几何结构、拓扑结构、及统计数据的步骤。例如,通过周期算法自动执行所述计算。
根据本发明的另一实施例,可以通过利用所述信息数据自动绘制道路网图。
根据本发明的另一实施例,还可以通过利用所述信息数据自动更新道路网图。
所述自动绘制和/或更新也可以基于(例如)以时间为基础进行重复的周期算法。
根据本发明的另一方面,提供了一种计算机程序产品,其包括存储在机器可读介质上的多个程序代码段,用于当在基于处理器的装置、计算机、终端、网络装置、移动终端、或移动通信使能终端上运行该计算机程序产品时,执行根据本发明的任一上述实施例的方法的操作。
根据本发明的另一方面,提供了一种计算机程序产品,其包括存储在机器可读介质上的多个程序代码段,用于当在基于处理器的装置、计算机、终端、网络装置、移动终端、或移动通信使能终端上运行该计算机程序产品时,执行根据本发明实施例的上述方法的操作。
根据本发明的另一方面,提供了一种软件工具。该软件工具包括多个程序部分,用于当在计算机程序中实现和/或执行该软件工具时执行上述方法的操作。
根据本发明的另一方面,提供了包含在载波中并表示指令的计算机数据信号,该计算机数据信号当通过处理器执行时使得根据本发明上述实施例的方法的操作被执行。
根据本发明的又一方面,提供了一种用于对道路网图进行建模的服务器装置。所述服务器装置包括:用于接收来自多个车辆的信息数据的至少一个组件,所述信息数据包括位置数据;以及用于根据所接收的数据对所述道路网图进行建模的组件。
根据本发明的又一实施例,所述服务器还包括:用于计算所述道路网图的第一近似的组件;用于在所述第一近似中绘制道路和交叉点而得到绘制的道路网图的组件;以及用于验证所绘制的网的组件。从而,基于来自于所述多个车辆的数据更新所绘制的网图之内的所有要素。这意味着,所有要素都将接收基于车辆数据的附加属性。还可以周期性地提供所述绘制操作,以保证所述网络要素的稳定更新。另外,可以从诸如政府数据库、道路建造公司等的其他现有数据库中收集可用于绘制操作的一些属性。可以人工和/或自动地插入对应于所述属性的数据,用于进一步在所述绘制(还有建模)步骤中使用。应该注意,可以存储以及还可以在任意时间利用所有收集到的信息。
根据本发明的又一实施例,所述服务器还包括:用于基于所接收的信息检测所述道路网图的改变的组件;用于估计所述改变的组件;以及用于将所述改变包括所述在道路网图中的组件。
根据本发明的又一实施例,所述服务器还包括:用于基于所接收的信息分析所述道路网图的组件;以及用于向第三方报告分析结果的组件。
根据本发明的又一实施例,所述服务器还包括:用于在所述建模实体内和/或在所述多个车辆内选择性地执行所述信息的压缩步骤的组件。
根据本发明的又一实施例,所述服务器还包括:用于存储所述信息的组件。
根据本发明的又一实施例,所述服务器还包括用于检测多径现象/效应的存在的组件;以及还包括用于将较小的权重分配给所接收的信息的组件。
根据本发明的又一实施例,所述服务器还包括:用于通过在多个车辆内的位置信息提供实体来测量道路尺寸的组件。
根据本发明的又一实施例,所接收的信息表示所述多个车辆之中的至少一个车辆的轨迹,其中,由诸如贝赛尔曲线来描述每条轨迹,以及所述服务器还包括用于对关于所述至少一个车辆的轨迹进行平均的组件。
根据本发明的又一方面,提供了一种用于对道路网图进行建模的系统,所述系统包括多个服务器装置和多个信息数据提供车辆。
此外,根据本发明的优选实施例,贝赛尔曲线可以被用于对所述道路网图1进行建模。
在通篇的详细描述和附图中,为了清晰的目的,由相同的参考标号代表相同或类似的组件、单元、或装置。
附图说明
所包括的附图提供了对本发明的进一步理解,并被结合以构成本说明书的一部分。附图示出了本发明的实施例,并与描述一起用于解释本发明的原理。在附图中:
图1示出了说明根据本发明的方法的原理的流程图;
图2A示出了根据本发明的操作顺序;
图2B是示出了根据本发明的检测改变的原理的流程图;
图2C示出了根据本发明的交通数据的实时分析和报告;
图3示出了根据本发明的系统的原理;
图4是根据本发明一个实施例的车载单元(on-board-unit)装置;
图5是根据本发明的另一实施例的日志记录(logging)自动装置的原理;以及
图6示出了对由贝赛尔曲线表示的几个轨迹进行平均的原理。
即使以上根据附图、参照实施例描述了本发明,也应当清楚,本发明并不限于此,而是可以在所附权利要求的范围之内以多种方式对其进行修改。
具体实施方式
以下描述引入了根据本发明的一种系统,该系统提供了道路网的数字(优选地,为向量化的(或用曲线描述的))模型的生成和验证、道路网的数字模型的有效更新、数字道路网的绘制(设置属性)。为了完成上述任务,该系统利用从装备有用于将其位置和其他数据传送给服务器的位置(GPS、GALILEO等)接收机的大量车辆接收到的所存储的路线数据。
这些接收机还优选地装备有无线数据发送机,其一定次数(或频繁或不频繁)地传送在行进路线上存储的数据,其中,根据另一选择将人工读取来自接收机的数据,随后将其传送给中央存储器。
精确描述路线的数据量是很庞大的。这是在将数据传送到中央位置(为了降低通信的成本)之前或者在存储数据之前需要特殊压缩的原因。将全部数据存储在远程服务器上,或者可以使用大量数据和特殊的软件工具,以组合对应于将分析的地理区域的期望数据组的全部可用数据。
图1基于数据流示图示意性地示出了本发明的原理。根据本发明的操作顺序可以以任一方式开始。可以通过用户输入等自动提供所述开始操作。可以预期,如果接收到或者确定了新的数据,则将分别触发或开始操作顺序。
在下一操作步骤100中,提供了数据的接收,其中,所述数据的接收可以是连续或周期地重复的处理。该操作对应于下文中描述的数据获取。在150处,在下一个操作步骤中,对所述道路网图进行建模。全部的建模计算和操作可以基于以下描述的贝赛尔曲线。在完成了全部的建模和计算步骤之后,该方法可以结束,并可以根据图1对应于新的操作重新开始。
也可以预期,建模步骤150可以从系统内的其他实体接收其他信息。这意味着,可以通过诸如外部处理或操作、或者甚至通过用户输入来控制新的迭代(iteration)等。在从所述多个车辆接收对应于信息的其他参数的同时,可以重新开始建模步骤150,直到得到期望的结果。
参照图2A~图2C,该系统可以如下这样工作。通常,存在三个基本处理。第一处理(图2A)是初始计算,其中,给出了道路网图的第一结果。
第二处理(图2B)可以周期性地(例如,一月一次)重复。这就向系统提供了道路网系统中的改变的规则更新。所述改变可以对应于道路网尺寸(几何结构和/或拓扑结构)的改变或者对应于其统计数据(属性)的改变。可以在本发明的范围内实现用于更新问题的其他变化。
第三处理(图2C)时常分析当前交通情况。如果检测到特殊情况(具有较高的统计概率),则该系统将其报告给适当的接收者(交通控制中心、警察等)。
参照图2A,描述了表示道路网图的初始计算的处理。在第一操作步骤中,提供了数据收集200。这意味着,多个适当装备的车辆将位置信息传送/发送到诸如中央服务器。可以预期,周期性地甚至是人工地提供所述发送。这意味着,必须以某种方式将当前位于所述车辆的存储器中的所获得的数据传送给诸如中央服务器或供应者。在下一操作步骤210中,可以提供所述道路网的第一近似的计算,其中,所述近似与初始道路网图相对应。根据第一组位置信息,可以执行该图的近似的第一计算。该第一近似将对应于道路网的临时表示,当然,必须对其进行修正和修订。接下来,提供了公路和/或交叉点的绘制213。在该步骤中,可以添加诸如道路方向和/或交叉点类型的一些参数,以及诸如平均速度、(分别行驶过某一线路或距离所需的)时间等的其他特征,可以根据步骤215对其进行验证。验证步骤215可以提供第一近似的第一验证,随后可以稳定地改进和/或扩展所述图。步骤215和225之间的主要差别是,优选地对整个图执行步骤215,而仅对某一检测到/确定的改变执行步骤225。
参照图2B,大体上描述了所述第一近似的更新和实现。数据收集步骤类似于根据图2A的上述步骤。适当装备的车辆稳定地传送其他数据位置信息中的一个。所述数据还可以包括关于车辆类型、司机等的信息。在下一步骤220中,可以提供包括在现有图中的现有数据和新接收到的数据之间的比较。因此,可以表明(signalize)改变的列表,甚至新道路,从而该方法能够实现所述第一近似。参照图2B中的操作步骤225描述所述实现步骤,并且所述改变可以包括图结构的改变,例如,忽略现有道路或者添加新的道路,甚至其属性(例如,速度、时间、交通规则等)。
应该注意,步骤220的输入(图2B)可以是根据图2A(或一些其他的图)的操作顺序的结果,或者是将来根据图2B和附加的图2C的顺序的输出。
图2C示出了根据本发明的操作顺序,其中,提供并进一步报告了交通情况的实时分析。如上所述,稳定地提供了数据收集200,以及根据本发明的系统能够分析现有的交通数据。该分析230可以基于概率理论,从而遇到随机和/或预设的交通监控操作。根据本发明,还可以将所述分析230的结果报告给第三方。所述第三方可以分别对应于中央交通监控协会,甚至对应于车辆或司机。在本发明的范围内,存在许多预期的配置。
接下来,将详细论述数据获取或收集的对象。位于所述多个车辆中的一个车辆内的装置(车载装置)可以每隔一秒钟利用诸如GPS信号(它也可以是任一其他类似系统,例如Galileo)并且可以利用一些航位推算(dead-reckoning)装置(例如,回转仪)提供其位置,这是因为一秒钟通常是GPS接收机能够处理的最小时间间隔。如果通过直线连接这些测量结果,则它们将很好地描述道路的形状。所解决的问题是这些数据的数量。这就是需要压缩的原因。如果减少数据量而实现了几个优点:减少了传送到中央服务器的数据、减小了数据库容量,则可以缩短(后期)处理时间。
还可以期望,非常精确地描述道路的形状,使得误差不超过道路的宽度或者道路大概的几何形状。因此,需要对形状进行适当且基本无损的压缩。
对于这个问题,可以使用三阶贝赛尔曲线来描述道路的形状。贝赛尔曲线非常灵活并且在几何上容易表示。这些曲线可以描述U形和S形、尖点和环形。也可以使用其他曲线,比如更高阶的贝赛尔曲线、弧线、多项式等。另一预期的特征是描述其他信息数据,而不仅仅描述轨迹的形状。同速度一起,可以描述引擎的旋转等,并使其可被利用。
通常地,术语轨迹涉及描述在某种环境下车辆的旅程/行程或行驶。这意味着,根据通常的描述,可以由线(曲线)表示某种车的行程,其中,所述线的每个点描述车辆的实际地理位置(也可以包括海拔)。还可以期望,轨迹上的每个点都将与车辆的实际速度、加速度等相关,这有利于进一步计算或建模问题。
在两个日志之间设置时间间隔
两个日志之间的时间间隔很大程度上取决于道路的形状。词语日志涉及存储来自多个车辆的某种信息。车载装置可以在将位置数据发送到服务器之前将这几个位置数据记入日志。所述位置数据对应于所述车辆的驾驶路线(轨迹)。可以自动地发送该数据而不进行存储,或者如上所述,可以累积(组件415的主要用途)并且还可以发送位置数据。
总体上,可以通过单条曲线很好地近似高速公路的较长部分;而另一方面,弯曲的山路仅具有可以由一条曲线描述的其较短部分。在主要道路上时间间隔通常长一些。目的是获得具有最少数量的要素和最小的误差的道路描述(车辆的路径或轨迹)。
因此,可以需要试探(heuristic)近似。车载装置具有缓冲器,其容纳一系列连续的测量结果。缓冲器的长度等于连续日志之间的最大时间间隔的长度(如果测量结果具有有效位置—如果车载装置不在隧道或没有回转仪的车库中)。有利地,可以设置允许的最小时间间隔。根据本发明,这种方式可以获得压缩质量的下限和上限。
此外,由于不是所有的测量数据都可用(所述缓冲器很小),所以可以采用试探法来确定某个车辆的轨迹的适当表示。
基本思想是以预定时间间隔(例如,每隔一秒)通过曲线(例如,贝赛尔曲线)近似缓冲器中的测量结果。如果已执行的近似足够好,则我们可以省略一些测量结果,以节约用于将来计算近似的资源。如果该近似超过了预定的误差阈值,则该处理必须停止并在其结尾处记录(存储)具有测量结果的现有曲线,并清空该缓冲器。这是我们怎样能够确保在道路描述中的较小(低于预定阈值)的误差(与GPS误差无关!)。还存在其他触发当前测量结果的记录的情况。
根据本发明,可以将那些具有较大(优选地,大于速度的参考二阶导数)的测量结果记入日志。在这些点处,加速度非常突然地变化。如果加速度是常数,则道路的形状逐步变化。较容易描述在速度的最大二阶导数的点之间的道路形状。
根据本发明,可以设置二阶导数的阈值。如果在某一测量结果处超过该阈值,则可以将对应于该测量结果的曲线(连同该测量结果一起)记入日志。因此,根据本发明获得了在此处的道路描述中的最少量元素。
如果遇到了诸如多径现象或丢信号(当进入隧道时)的GPS信号的异常行为,则将当前(或最终满意的)曲线和测量结果记入日志。以这种方式可以避免误差和错误的测量结果。多径现象或效应分别意味着来自卫星的GPS信号被反射或它们干扰其他信号,以致于数据或信号通信可能不正确。在这种情况下,接收机错误地确定当前位置。
上述基本思想可以应用于其他量(例如,速度),并不仅仅应用于道路的形状。每隔一秒对该量的测量结果进行一次近似,如果该近似不够好,则可以停止近似处理并且还可以登记最终满意的近似。如果观察标量(scalar quantity)(数量),则可以期望使用诸如多项式来代替曲线。
实验观测表示所述上述近似允许每30-40秒(平均)记录一次日志,同时精确描述具有达到几米的公差的道路形状。根据本发明,通过3阶贝赛尔曲线来近似所述观测。此外,可以基本上改变时间差。一般地,曲线的阶越高,日志之间的时间差(两个子连续位置日志之间的时间)就越长。
多径效应或现象
当尽量精确地描述道路形状时所遇到的多个最大问题之一是多径效应。如果它持续一段较短时间,则可以从以下同时发生的事件中检测到它:由GPS接收机报告的方向差;根据GPS坐标计算的方向;以及所增加的坐标的估计误差。
根据本发明,如果检测到这种现象,则当对所述测量结果进行近似时,为其所涉及的测量结果分配比其他测量结果更小的权重。因此,更精确的测量结果对曲线的形状具有更大的影响。
可以期望,在该现象发生之前记录或存储测量结果(和曲线)。这是因为在该现象之前测量结果(和曲线)没有被破坏。如果该现象没有超过最大时间间隔,则优选不记录任何日志,直到该现象结束。然而,正确的曲线或近似主要依赖于正确的测量结果。如果多径效应被确定,则可以期望,忽略在此期间(在多径效应期间)得到的测量结果。如果仅估计误差增大,则也应用同样的步骤。
卡尔曼(Kalman)滤波器在GPS装置中的应用
由于如果GPS接收机的速度较慢则如本领域已知的GPS接收机中的卡尔曼滤波器不会很好地工作,所以出现了另一个困难。因此,无论车辆何时停止,所报告的GPS位置均会偏移。这在具有很多交通阻塞的市区是个严重的问题。
解决这个问题的方案是:如果车辆的速度较低(例如,低于3km/h),则不记录任何日志。根据本发明,一旦检测到车辆已经停止或刚启动,则可以将测量结果(与曲线一起)记入日志。可以丢弃具有低速度的测量结果,并进一步禁止任何近似步骤,仅连接具有直的曲线(线)的连续日志(在车辆刚停止之前和在其刚启动之后)。
如果车载装置具有航位推算装置(回转仪),则解决了上述两个问题,但是这增加了车载装置的价格。
另一个问题是边界条件:处理操作的开始和结束、临时故障等。
根据本发明的可能实施例,可以实现以下实施。从而,每隔一秒观测以下的量一次:
-GPS坐标-位置(P(t)),
-由GPS接收机计算的水平误差(西格马,Sigma)的估计,
-由GPS接收机计算的速度向量(WGS84方位角,速度(节)),
-根据GPS坐标计算((P(t+1)-P(t-1)/2)的速度向量,
-加速度(来自GPS方向),
-加速度(来自GPS坐标),
-加速度的导数(来自GPS方向),
-加速度的导数(来自GPS坐标),
-关于数据有效性的信息(见接下来的列举):
●0无方向,无坐标,
●1无方向,坐标可用,
●2方向可用,无坐标,
●3方向可用,坐标可用。
上述编号仅以举例的方式给出,而本发明不限于此。
还需要知道是通过GPS接收机还是通过航位推算装置来计算位置。另外,在本发明的范围内,还可以观测其他量。
如果由GPS接收机计算的速度向量(Vs)与根据GPS坐标计算的速度向量(Vk)有很大不同,并且误差估计(西格马)增大,则很可能的原因可以是多径现象。
将一系列这些测量结果存储在缓冲器中。该缓冲器的长度(Max)是近似曲线的最大时间间隔。可以设置该曲线的最小时间间隔(min)。然而,所述间隔提供了压缩质量的下限,并不能将最后的测量结果记录到缓冲器中。另外,可以将在当前测量结果之前的不大于min秒收集到的测量结果记入日志。如果将在当前测量结果之前的r(<min)秒收集到的测量结果记入日志,则不彻底清空缓冲器—最后r个测量结果可以保留在缓冲器中。如果使用循环缓冲器,则无需将该r个测量结果移动到缓冲器的开始。从而,根据本发明一个实施例的实现可以将起始位置和当前位置存储到缓冲器中。
可以预期在当前测量结果之前有时记录一个测量结果。有时需要几个连续的测量结果以发现某种现象。例如,五个连续的测量结果可用于计算中间(第三个)测量结果的加速度的导数。在当前秒,计算两秒之前的导数。如果该导数足够大,则根据本发明可以将两秒之前的测量结果(与曲线一起)记入日志。然后清空缓冲器,只有最后3(=r)个测量结果保留在缓冲器中。在几秒内,该单元不必进行任何近似,直到缓冲器中存在min个测量结果。从那时起,继续进行普通的例行程序。使用对应关于5个连续的测量结果的正交多项式对导数函数进行平滑。
如果(例如)需要将几秒之前的曲线记入日志,则可以采用附加缓冲器,其存储最后min个近似曲线。
通常,存在一些边界条件。必须将第一个测量结果(与有效位置一起)记入日志。在关闭引擎之后,同样适于最后位置。必须将在隧道外的最后位置(与有效GPS位置一起)记入日志。还可以预期,将GPS位置无效以将其标记为隧道开始的连续秒数设置为阈值u。目的是丢弃非常短的隧道、或GPS接收机中的误差、噪音。在将测量结果作为隧道的开始记入日志之后,必须将作为隧道末端的具有有效GPS位置的第一个测量结果记入日志。如果车载装置没有航位推算装置,则通过直的曲线(线)连接这两个日志。只有在这种情况下,在两个日志之间的时间间隔可以大于Max。如果车载装置具有航位推算装置(回转仪),则隧道内的日志记录步骤与平常一样。
根据本发明的一个实施例,下一部分描述了选择日志记录步骤(日志)。例如,在给定时间t处观测以下三个量(值):A(t)=加速度的导数的大小(标量),V(t)=速度向量的差|Vs-Vk|(标量表示),S(t)=西格马,估计的误差(标量值)。
如果A(t)大于预定阈值,则该测量结果是日志记录的组成部分(对象)。如果V(t)和S(t)的加权和大于另一阈值(由于可能发生了多径效应),则:
●如果(t-1)>min,则应该将前一测量结果记入日志(以不破坏当前曲线的近似),否则
●如果t<Max,则不应将第t个测量结果记入日志(因为不久多径效应就会停止,从而可以得到正确的结尾测量结果和曲线近似)。
期望找到具有较大导数和较小多径及误差估计的测量结果并将该测量结果记入日志。可以存在两个边界值:新日志的最小时间(min),新日志的最大时间(Max)。
参照图5,提供了一种根据本发明的自动装置。例如:(L代表LOG(530),m是每秒的测量结果(510))。
这是一种具有临时状态的自动装置(根据图5):
Lmmmmmmmmmmmmmmmmmmm...=L+c*m
所述自动装置执行基本循环:
L+c*m
如果当前测量结果的数目c大于min且小于Max
则
如果在t处设置触发,t>min,t<Max,(c-t)<min,则将该序列中的测量结果t记入日志,并将该序列清空为L+(c-t)*m
否则
L+(c+1)*m
转到循环
触发(520)可以由几个部分组成:
A)如果速度的二阶导数大于规定阈值,则这意味着在t1:=c-2处的测量结果作为日志的候选;
B)如果在t2:=c-1处有可能发生多径现象(方向之间的差较大且估计误差增大),则
1.如果m(t2-1)没有多径且(t2-1)>min,则m(t2-1)
作为日志的候选;否则(不然)
2.如果t2<Max,则不应将m(t2)记入日志;
C)如果在c处所计算的曲线没有足够好地符合测量结果,而在t3:=c-1处该曲线符合测量结果,则m(t3)作为日志的候选;
D)如果观测其他的标量(例如,速度),而测量结果的近似不够好,则应该将m(t4)连同曲线和该量的近似函数一起记入日志,t4:=c-1。然后选择用于日志记录的候选(t1、t2、t3、t4)的最小值tm。新的日志是具有对应曲线和其他量的可能近似函数的m(tm)。
当试图使曲线符合位置的测量结果时,用权重对测量结果进行加权,权重随着多径概率的增大而减小。如果在固定点算法中完成了配合过程,则必须采用一些特殊的测量。
还存在一些其他的预期边界条件:将开始之后的第一个有效位置记入日志;将最后的有效位置(当车熄火时)记入日志;将在隧道之前(在GPS位置变为无效之前)的最后的测量结果记入日志;将在隧道之后的第一个测量结果记入日志。
贝赛尔曲线
以下是对3阶贝赛尔曲线的简短介绍,其中,提供了根据本发明的有利的修改。
通常由4个控制点P0至P3限定这些曲线。曲线位于控制点的凸包之内。曲线起始于第一个控制点,并结束于最后一个控制点。曲线的起始方向与前两个点之间的方向相同,而结束方向与最后两个点之间的方向相同。
数字上,在多个控制点Pk上用Bernstein多项式定义贝赛尔曲线。
可以通过De Casteljau算法(未示出)将所述多条曲线分开。
另一个问题是使该贝赛尔曲线符合所接收或所提供的测量结果。如果移动单元(或装置)具有定点数字信号处理单元,则仅可以使用定点算法,因此,必须最小化或避免由于定点计算所引起的计算误差。根据本发明的第一个改进是包括CORDIC(坐标数字计算,coordinate digital computing)算法以计算向量(或曲线)的模等。
根据本发明的第二个改进是选择测量结果的边界框(不严格),并根据边界框大小和数量范围将它们标准化(定点算法)。
现有技术的状态仅调整曲线(第一和第二对控制点之间)的切(控制)向量的长度,但是也需要修改方向。
以下示出了根据本发明如何获得灵活的符合曲线形状。
作出了下列定义:
其中,Vi是曲线的控制点,ti是曲线末端的控制(切)向量,tj p与tj正交。αj表示控制向量长度的修正值;而βj表示方向的修正值。对值βj的解法类似于对αj的解法,这在现有技术中有所描述。
可以在循环中重复符合过程,该循环可以包括两个步骤:首先调整控制向量的长度,然后调整控制向量的方向。
根据本发明,可以提供分别通过GPS信号或信息的距离测量。可以在GPS系统的帮助下测量路线的长度。如果每隔一秒所得到的测量结果(一些会丢失)可用,则可以预期,对在全部连续对之间的距离求和,并得到实际长度的非常精确的估计。如果速度较低(例如,3km/h以下),则根据本发明的一个实施例可以丢弃这些测量结果。
数据的存储
可以将本发明中所用并从多个车辆接收到的全部数据及信息存储在中央位置(服务器)处,并且稍后可以例如在两个阶段中对其进行分析以获得期望的结果。优选地,将这些数据项称为原始数据。原始数据可以包括以下中的至少一个:位置、速度、航向(方向)、数据获取的时间,但还可以包括:曲线(轨迹)的描述、其他量(速度等)的函数的描述、由位置接收机接收的位置的水平精度估计、具有较好信号的(GPS)卫星的数目、来自其他车辆传感器的数据(温度、重量)等。可以存储原始数据,从而将车辆的驾驶(行驶或轨迹)存储为一组单独的数据,但是,无论如何车辆的标识符会是加密(杂乱的)或者甚至不出现,以维护保密性。
车辆数据可以包括两个属性以进一步帮助识别路线数据:车辆的类型(客车、有篷货车、卡车、公共汽车、摩托车、施工车辆、拖拉机、...)、服务的类型(乘客、警察、建造、出租车、政府车(municipality bus)、军用、农场、...)。
上述这两个属性可以有助于区分公共道路网、特殊类型车辆(例如,拖拉机)所用的道路、和由具有扩大或限制权利的特定服务(警察、军用、出租车等)所用的道路。
道路网计算
首先,对原始数据进行分析以提供表示道路的向量(曲线),并将其组织为有向图(如数学中已知的图论)。该过程需要少量非常精确的测量结果(如大地测量学实践中的传统方法)或大量的不够精确的测量结果,这些不够精确的测量结果在被平均时会产生高精度。根据本发明,重点放在第二种情况。
图的边缘(edge)是街道,并且当几条道路连接时呈现图的顶点。几何上最接近的顶点代表交叉点。因此,从这里开始的全部操作均源自标准图论。所得到的图是基本的道路网图。简单设置,该分析将来自行驶了相同道路的许多车辆的原始数据转变为表示所行驶的道路的一个向量(曲线)。该处理非常重要。应注意,由于一些司机可能违反交通规则,所以数据可能没有真实地表示交通规则。
第一个目标是生成一幅2D图。如果测量结果足够精确,则还可以包括关于高于海平面的高度的信息。必须适当地计算道路网的两个属性:几何结构,表示道路轴线的精确位置;拓扑结构,表示道路之间的正确连接。
通过对在相同道路上的多条车辆轨迹进行平均来基本上计算几何结构。通过检查哪条轨迹连接哪条道路来基本上计算拓扑结构。存在几种用于路标计算的策略。描述了两种基本近似:局域方案和全球方案。在两种方案中,均可以限定道路采样点之间的距离。
局域方案更关注局部(关于距离)。其通过采样点之间的指定距离局部地进行。它关注所得到的图的密度。图的这种计算基于两个步骤:路段的计算和道路交叉点的计算。
基本操作是对应于测量结果的平均来计算两个采样点之间的单条曲线。根据实验测试,选择两个采样点之间的距离为100m。根据本发明,如果点之间的距离为大约20m,则优选地将两个采样点之间的路段描述为直线。从而,产生的误差不大,并且适当地表示了路段。
根据本发明,由于贝赛尔曲线的数值稳定性、以及几何灵活性、和清晰性,可以将贝赛尔曲线用于表示图中的车辆轨迹及其计算的平均。
贝赛尔曲线的平均
该过程是本发明的一部分,并且可用于计算道路的几何结构,但它也可以用于其他目的。根据该初始观测,提供了由多个测量车辆提供的多条轨迹。根据本发明,由连续的贝赛尔曲线描述每个车辆的每条轨迹。这些曲线通常具有不同的长度。根据本发明,为了分别获得道路轴线或道路子段的准确几何结构,可以提供所有这些轨迹的平均步骤。平均后的曲线必须短到足以足够精确地描述全部道路网细节。因此,采用长度小于100m的平均贝赛尔曲线。
根据本发明,接下来的部分将描述由贝赛尔曲线描述的一组轨迹的平均步骤。目的是对几条轨迹进行平均。首先,可以选择每次平均的起点和终点。根据本发明,也可以将起点和终点设置为垂直于轨迹的线,其中,从起点到终点平均轨迹。
根据本发明,假设通过贝赛尔曲线可以足够好地描述起点和终点(线)之间的平均轨迹。
在多个点处平均给定曲线之前,可以分出最接近于所选的起点和终点(或线)。从而,获得了对应于轨迹子段的结果,它们非常类似。
根据本发明,可以存在用于进行所述平均的几种方式:
1.如果通过单条曲线描述起点和终点之间的全部子段,则优选地简单平均子段的控制点。否则,可以选择另一种平均的方式,将在以下描述。
2.平均:
●这些子段中的起始坐标和结束坐标
●在这些起始坐标和结束坐标中的速度(控制向量的长度)
●子段的长度
●起始坐标和结束坐标之间每个子段的时间差。因此,提供了推测轨迹的足够数据(见下一部分)。
3.使新的贝赛尔曲线与该子段中的测量位置(坐标-原始曲线上的点)相符合(见关于数据压缩的部分)。如果没有足够的测量位置,则优选在曲线上任意添加点。应当提及,不使用可能具有较大误差的位置。利用每个子段上非常接近于起点和终点的位置可能是不利的,这是因为这些位置的误差对曲线的形状具有较大的影响—从而,有时会出现小的回路。
推测或确定轨迹
在没有用贝赛尔曲线描述轨迹,但是测量结果足够接近的情况下,可以如下通过推测贝赛尔曲线来推测和描述轨迹。
在没有进行压缩的情况下,来自车辆的数据由位置,方向(航向),和在这些位置、时间、和连续位置之间的距离中的速度组成。对于路标的计算,必须具有关于这些位置之间的轨迹的信息。如果所记录的距离与所述推测曲线的长度相匹配,则可以被认为是满意的。
根据以下的值:轨迹的起点和终点、开始和结束处的速度向量、距离、驶过这条路所需的时间,可以提供推测在所述点之间的轨迹的步骤。
根据本发明,可以通过3阶贝赛尔曲线来推测或计算轨迹。如在贝赛尔曲线方法中所知的,起点和终点是固定的,并且它们是第一个控制点和最后一个控制点。接下来,应确定两个控制点中间的位置。根据第一个控制点加上速度向量来获得第二个控制点,并根据最后一个控制点减去速度向量来获得第三个控制点。然后,为了这些点的第一近似,标准化的速度向量乘以适当的因子(例如,速度[m/s]*时间[s]/3)。然后,可以计算曲线的长度,如果有必要的话可以对其进行调整(见下一部分)。
调整贝赛尔曲线的长度
这在给出了具有正确方向的曲线的近似时是有用的。如果只有两个自由度,则长度是预期的附加因素—开始向量和结束向量的长度。由于速度通常不会非常突然地改变,所以这个过程均匀地改变两个向量。如果曲线比实际的数据短,则优选拉长速度(控制)向量;如果曲线较长,则优选缩短该向量,并重复此过程。当实际长度和所需长度足够接近时,则可以停止操作顺序。然而,以迭代的方式提供所述调整,从而在预订数量的操作之后可以获得期望的结果。
路段的计算
这是可以计算道路交叉点之间的路段的步骤。该步骤着重于道路网的几何结构。根据本发明,随机选择一个起点,操作顺序根据测量结果继续上述的基本操作,直到测量结果分开。这是交叉点的信号。还设想,使该段反向延伸,以获得交叉点之间的所有段。
道路交叉点的计算
因为道路网的几何结构和拓扑结构在交叉点处是最复杂的,因此道路交叉点的计算是一个独立步骤。在该步骤中的重点是在拓扑结构上。测量结果(曲线的日志或部分)归因于对应路段。收集从一个路段通向另一个路段的所有测量结果。它们像是从一个管道流向另一个管道。将已描述的基本操作应用于所收集的测量结果。优选地,只将两个现有的段与新计算的“流动”段连接在一起。对于所有的由测量结果连接的两个路段的结合完成同样的步骤。
可以在所得到的图上重复相同的步骤,或者在来自不同来源(政府机构、道路建造公司等)的几幅图上执行相同的步骤,而不是仅对来自我们系统的测量结果执行相同的步骤。
全球计算
全球方案更倾向于几何精确性。它需要测量结果中的较长路径(至少500m)。还允许部分地图的互补。
路段的计算
首先,选择路段的起点和终点。然后,采集从起点走到终点且具有近似相等长度的全部测量结果。将上述基本操作应用于所采集的数据。可以丢弃该段在终点处的一小部分(100-500m),以避免精度差的结果。
将路段附加到现有的图中
当已经计算出路段时,可以将其附加到现有的图中。可以只附加未包括在现有的图中的子段。
计算图
此外,需要重复最初的两个步骤,直到使用了所有的测量结果。首先,提供具有空图的开始,并且最终结果是用基本由测量结果覆盖的道路网的部分图。
实验结果
实验观测示出了根据本发明的方法的高精确性。当然,精确性依赖于所获得的测量结果的数目。
在所计算的图的拓扑结构中存在很小的误差百分比。如果存在平行的道路(相距不到GPS的误差(通常是30米)的两倍,并且在复杂的交叉点处),则误差经常出现。这是由于GPS系统的不精确和所记录的日志之间固定时间间隔过长引起的。希望当该方法使用压缩的测量结果(在具有适合曲线的日志之间的动态时间间隔)并在车载单元中包括回转仪时可以降低误差的百分比。另外,速度和等待时间相当精确。
绘制网
此外,根据本发明的主要操作步骤可以是交叉点的识别和绘制。可以将基本道路网图中的连接和接近的几个顶点合并到交叉点的更复杂结构中。将基本道路网图与原始数据一起用于分析交叉点,以限定交叉点的以下性质(还可能是其他的性质):交通规则(哪条道路进入交叉点,哪条道路离开交叉点、以及哪条道路被连接;是否存在交通信号灯;哪条道路具有优先级等)、交通图(在交叉点中哪条道路是主路、经过交叉点需要多少时间)、交叉点的类型(X形或星形、迂回路线、出口(例如从高速公路)等)、到达指定方向有多少条车道(lane)等。第二条线中的数据可以用于将支路与主路区分开,以使司机不会在具有很多支路的区域中驾驶时感到困扰。
再次将数据存储为具有其他辅助数据结构(矩阵等)的图。
该数据基本上足以为司机导航。
此外,还参见图2A至图2C,提供了道路的绘制。如果有许多车辆行驶于相同道路,则存在许多可用的统计数据(例如,平均速度、一天之内的平均速度等)。将这些数据用于绘制线路(道路),其将下列特征分配给每条线路:街道/道路的方向(单向、双向)、距离、驶过该线路的平均速度或平均时间(取决于一周的小时数等)、统计数据的有效性(以证实存在足够的有效数据来通知关于特定线路/道路上的交通的实质事情)、交通的平均量(相对的,关于其他道路)、道路类型(高速公路、街道、局域道路、车道的数目等)、它(最近一次)被使用的时间、以及一些其他可能的特征。
这利用道路网图和原始数据来完成。参照图2A至图2C以及在描述中更加详细地描述了上述过程。
预期的优点在于(由于曲线和适合的速度)可以提供在车辆轨迹(行程)上的每一点处的速度。因此,可以知道车辆在经过道路的交叉路段时的确切速度。根据本发明,可以使其他量(值)适于模拟关于速度的上述实例。
通常,可以在任何时候以及在任意图(人工生成或者甚至来自于其他来源)上,通过利用已存储的交通数据执行所述绘制操作。
如果在道路被使用时进行观测,则可以找到长期未被(装备的)车辆使用过的道路。很可能这些道路不再被使用,并且(通常在进行一些检查之后)可以从路标数据库中删除。这是检测(用于建造高速公路或在其他建造点处的)辅道或其他已停用的道路的非常有效的方式(见关于更新网的部分)。
得到了在几何学和拓扑学上正确的数据道路网系统。它包括由于编入该方案的全部车辆的过去经验而使非常精确的最快路径(fastest-path)导航能够进行的统计数据。但是,必须对该数据进行人工检查(利用特殊装备的验证车辆),以避免可能向司机提出禁止转弯的建议。
验证
应该由装备有特殊设备的验证车辆经过来自前一段的数字道路网系统,以验证数据库(道路图)对应于实际的道路系统。由于已经将该道路系统数字化,所以可以准确地建议司机走哪条路以实现最小的可能经过路程。利用已知的路程优化原理之一(例如,从图论中获知的中国邮差算法)可以完成优化。
当然,在特殊装备的车辆前往检查之前,可以人工地完成一些校正。这甚至可以进一步降低必要成本。如果仅将这些车辆送往那些根据过少或不够精确的数据计算出的道路和交叉点,则实现了另一种节约。这在检测道路网图的改变时尤其有用。
这相对于在验证之前没有道路系统(或至少没有以任何方式进行拓扑排序)的其他系统表现出了巨大的进步。无论何时在实际道路网系统和数字道路网系统之间存在不一致,司机都必须将那个数据输入到特殊设备,该设备然后会建议新的路线。这些变化可以是永久的或临时的(对数字道路网系统有较小的影响)。该过程使得验证更快且节约成本。
验证实际上添加或去掉一些街道(图中的边缘)以及改变线路、其拓扑结构。没有必要人工添加车辆可能从未驶过的道路。如果必要的话,由验证车辆经过该道路若干次,以将其放入该系统。
一个非常期望的方面是所述车辆必须检查隧道或其他障碍物的高度和宽度,这是因为以别的方式非常难以获得这种数据。得到了能够用于导航的数字道路网系统。
这些车辆可以装备有确定道路质量的振动传感器、或者其他能够直接链接到道路网且收集其他有用信息(例如,移动网络覆盖等)的传感器。
道路网图的更新
由于车载装置连续发送数据,所以对应于更新步骤,可以重复所描述的处理几次。目的是能够非常快速地检测道路网的新段或改变,并能够非常快速地通过所描述的处理对非常相似的段进行验证。由于新处理的原始数据最有可能产生相同的街道,并且由于验证处理已经证实它们中的一些是错误的,因此期望注意它们并相应地给它们加上标签,以有助于更新处理避免发送不必要的验证路签(staff)。
一般地,可以在任何时候以及任意图(人工生成的或者甚至来自其他来源)上通过利用所述交通数据执行所述更新操作。
为了几个目的,使用由车载装置发送的原始数据。利用曲线描述关于车辆轨迹的原始数据。对于轨迹的每个部分,在数据库中均找到了对应的路段和交叉点。如果在数据库中不能找到它们,则对轨迹的该部分作标记并将其保存起来用于道路网更新。
在上述步骤中,曲线的相似性是一个预期的问题。其被提供以找到曲线的相似子段,以便能够识别出某一车辆分别在某一道路上或者在道路的一部分上的时间。保存不在图中的部分,从而对其作标记。根据本发明,当更新计算开始时,可以根据所述部分完成几何结构、拓扑结构、及绘制。这是在没有任何其它处理步骤的情况下对仅检测变化的现有技术方法的状态的一种改进。
因此,用于曲线相似性的所述方法可用于其他目的,例如,电子收费系统(这是因为它能够确切确定车辆的确切位置)或大体上的形状识别。
主服务器将接收到的数据与所存储的关于路段的交通信息进行比较。如果那个信息区别非常大,则这是警报的理由。通常,这暗示交通拥堵。如果在特定路段上几个车辆都发送关于异常交通的类似信息,则也更加确信该警报。在几分钟之内执行该操作。该数据还用于后处理。第一个步骤是更新关于路段和交叉点的交通统计信息。在数据库中找到对应于新数据的路段,并更新其信息。
路段还具有关于经过次数的信息。定期检查(例如,每月一次)寻找不再使用的道路,并(在一些检查之后)将其从数据库中删掉。另一方面,将不具有数据库中的对应道路的轨迹的段用于新路段的计算,然后将其添加到数据库中。
贝赛尔曲线的相似性
例如,为了比较两条曲线,首先必须对它们进行调整。该调整可以包括平移、旋转、及缩放。根据本发明,从对应的几对控制点之间的距离(欧几里得或其他的)中计算出曲线之间的相似性。该计算可以是求和、平均、最小值、最大值等。它取决于问题的本质。
相似的控制点分量产生相似曲线是正确的。相反,不总是正确的—可以由完全不同的控制点分量构成相似曲线。问题在于参数化。这可以由直的曲线(线)的实例来示出。可以在线和曲线的任意位置上设置线的两个中间控制点,其中,线和曲线将具有同样的形状,只有参数化不同。
如果只预期曲线的形状而不预期参数化,则可以在计算相似性之前对曲线重新参数化。通过在曲线上采样点,然后使它们与另一条曲线相符合(见关于使贝赛尔曲线符合一组有序的点的部分),来完成重新参数化。该曲线应该具有与原始曲线基本相同的形状。
在一对曲线中找出相似的子段
预期该步骤用于路标计算和交通统计更新。一条长的曲线可以描述车辆的轨迹。道路也被描述为曲线。预期确定当车辆处于一条或另一条道路上时其轨迹的哪部分对应于哪条道路。
首先,需要定义曲线的相似性。为了对曲线进行比较,可以使用
●绝对标准。在这种情况下,应该设置曲线被比较的子段的最小长度。由于小段曲线的控制点靠近,所以小段曲线可以总是相似的。还可以设置一些关于曲线之间(例如,连接起点和终点的向量之间)的角度的标准。
●相对标准。
首先可以调整曲线。首先,选择第二曲线的子曲线(sub curve),该子曲线具有最接近于第一曲线的终点的终点。然后,根据本发明,递归式地重复以下步骤:
如果曲线是相似的,则将它们记录为相似部分。否则,将第一曲线拆开(在中间),并在最接近于第一曲线的拆分点处将第二曲线拆开。将两对子曲线进行比较。
最后,报告多对相似子曲线。
根据本发明实施例的所描述的系统是生成和绘制道路网的数字模型的非常有效的方式。在公共交通时代,这种数据是预期的。代替建造特殊的基础结构以应付交通分析,所提出的系统使用用于服务于其他有用目的(通常为导航、发送消息、车队控制)的车辆、公共无线数据网络(GSM/UMTS、CDMA)、及特殊计算机系统的相对便宜的设备来分析大量的数据。那种原理对于具有快速展开的道路系统和缺乏足够的组织能力来进行复杂操作以制作数字模型或其他道路网的发展中国家来说是最有用的。存在许多种还能够如何使用该系统的可能性。
如果车载装置具有用户界面(通常是键盘和屏幕),则其能够对司机进行导航。可以将导航的请求发送到也具有最新信息的服务器,服务器将结果送回到显示结果并引导司机的OBU。
最有价值的数据是与交通统计数据一起连续更新的数字道路网模型数据,该数据有助于导航公司更快速地更新它们的路线选择产品(routing product)。这对于具有已绘制的道路地图的国家(EU、US)以及尤其对于具有较差道路网数字模型的国家(俄罗斯、中国、印度)均是正确的。
所绘制的道路网模型帮助道路基础结构规划者提高生产能力,使其具有最好的效果。该模型包括不仅在通常的交通流数据,而且在一天中的特定时间、一周中的特定一天等的交通流数据。
一个常见的问题可能是:从点A到达点B需要多少时间?可以将每个旅程(轨迹)描述为一组有序的测量结果(曲线)。它们可以标记有轨迹标识符。然后,收集所有接近于点A的测量结果(曲线)和所有接近于点B的测量结果。如果第一组中的测量结果(曲线)与第二组中的测量结果(曲线)具有相同的轨迹标识符,则提取这两组测量结果(曲线)之间的轨迹。所有这种所提取的轨迹子段表示从点A到点B的交通流。可以进一步分析它们。
由于路线选择数据基于统计数据(以每天为基础进行更新),所以它是用于诸如以下的优化应用的完美平台:多负载(multi-load)、多传输优化、及时传输、到达改变的优化、公共运输网的优化。
在道路网图包括定义驶过该图的线路(路段)所需的时间的时间细节的情况下,预期以时间细节为基础来计算最快路线。所述时间细节可以根据诸如一周中的一天或通常是一天中的时间来特征化交通。例如,如果用户将输入开始时间,则根据本发明的方法将确定最快路线并向用户提供所得到的旅程时间等。还可预期,用户可以输入期望的到达时间,从而该算法将确定并提供开始时间等。这可以通过以下方式来实现:图的每个连接都应该具有关于根据时间细节的经过其需要多长时间的附加信息。当搜索最快路线时,被访问的要素也必须包括时间细节。
可以将这种系统轻易更改,以使其作为电子收费系统来工作。主要的优点在于利用所有知识,不需要道路网的完整地图。测量作为曲线的轨迹,并且利用曲线识别正确道路的概率远大于仅利用单独的GPS坐标测量结果的概率。
如果对曲线形状进行比较,则车辆实际位置的确定会更容易和更精确。
图3示出了根据本发明实施例的系统的原理。由装备有适当的车载装置的两辆车代表性地描述多个车辆。所述装置适用于接收诸如GPS信号,并分别确定每个车辆的地理信息。根据该实施例,但不局限于此,可以使用GPS卫星300。所述卫星300向所述测量车辆的每个车载装置提供位置信号。车载装置可以存储所有位置数据,或者其可选地可以周期性地将数据发送到在某个位置302处的中央服务器301。服务器301适当地装备有天线303,当然也装备有用于接收来自多个测量车辆的信号的装置。可以将所有的接收到的信息存储在服务器单元或诸如其他适当的存储装置上。可以在所述服务器301上运行根据本发明的方法,根据本实施例,该服务器也用作工作(计算)站。另外,还可以应用数据库服务器来支持用于存储大量接收到的位置数据的所述服务器301。
在这种情况下,将两个车辆的轨迹称作道路A和道路B,其中,所述道路示出了两个交叉点(交叉点A)。通过所述接收到的信息,服务器可以分别存储来自每个车辆的所有轨迹。此外,根据本发明,可以对来自驶过(行驶)同一条道路的一个或多个车辆的所有轨迹进行平均以获取精确的道路模型。
区域380以实例的方式示出了被赋值了一些尺寸(例如,长度L和宽度W)的一部分道路。根据本发明,可以道路网图的所有路段部分的特征由其参数表征,如:宽度、长度、方向、海拔等。另外,可以插入的其他参数,如:平均速度、道路种类等。可以根据诸如一天的某个小时或某一天来限定平均速度。另外,所述参数可以包括诸如交通统计数据的统计信息。所述统计数据可以由诸如第三方来提供,并且可以包括交通拥堵信息、或者甚至交通统计数据(例如,车的数辆或估计值等)。
图4示出了可以被安装到测量车辆中的车载装置的一个实施例。所述车载装置包括用于控制所述装置的所有操作的CPU 400。根据图4,CPU 400可以分别互连所述车载装置中的所有其他模块或组件。所述车载装置包括:可移动存储器425、位置信号接收机405、另外的航位推算模块410、通信接口420、和内部存储模块415。
所述通信模块420可以用于通过某个数据通道与中央服务器进行通信。可以预期,利用诸如GSM、CDMA、UMTS、TETRA、通用无线接口(general radio interface)等的不同技术。
图6示出了将由贝赛尔曲线表示的几条轨迹平均为平均曲线的原理。基于位置数据信息60,通过贝赛尔曲线方法来描述每条轨迹A、B、和C。
在根据图6的阐述中,仅描述了根据本发明的计算原理。实际上,每个车辆的轨迹与被观测的道路或街道的实际形状几乎一致,但是为了清晰,示出了轨迹之间的相当大的差别。
通常,可以由连续的贝赛尔曲线描述每个车辆的每条轨迹。这些曲线通常具有不同的长度。为了获得道路轴的几何形状,需要为对应于所述多个测量车辆的所述轨迹提供平均步骤。
这意味着,曲线的形状取决于从所述多个车辆接收到的位置数据。在该实施例中,仅描述了三条轨迹,但可以对多个车辆执行根据本发明的方法。
位置数据60可以包括所述测量车辆的地理位置数据(坐标),其中,所述坐标被用于描述贝赛尔曲线。以上在分部“贝赛尔曲线”中详细描述了所述贝赛尔曲线的数学计算。
在该实施例中,以时间为基础提供位置数据,这意味着从所述多个车辆以某种方式传送每个Δt的位置数据。根据本发明,时间可以改变且不固定。因此,可以预期,如果路线没有曲线,则选择较大的时间值,并且在道路具有许多曲线或交叉点的区域中,可以相应地修改时间。即,减小该值,从而得到轨迹形状的较好测量结果。
此后,可以将轨迹A、B、及C用于计算对应于现有的实体道路形状的平均曲线65。根据本发明,可以预期,要对大量的轨迹(贝赛尔曲线)进行平均,以得到期望的结果。根据本发明的算法允许贝赛尔曲线的有效平均,并且从计算能力的观点来看是有利的和节约的。
因此,本发明实现了道路网图的自动计算,其中,通常由来自许多车辆(包括在该系统中)的测量结果形成输入,但是也可以对一些其他测量结果或对道路网的现有图执行相同的方法。
此外,本发明实现了网的自动绘制,其中,输入是图和原始数据。根据上述说明书所述(如上所述的计算、从某人处买来等)而获得该图,以及原始数据通常是来自在本发明系统中的车辆的测量结果,但是它也可以来自其他地方(例如,道路名称、来自政府的速度限制等)。在另一方面,步骤基本上关于将原始数据(其参数中的一些)粘贴(和记录)到图上。曲线的形状是用于识别对应道路和轨迹段的预期方面。
此外,自动更新基本上对应于以上内容,其中,识别与任何路段都不对应的轨迹段(反之亦然一最近没有任何车辆经过的路段)是特别重要的。当收集到足够量的轨迹段时,可以计算道路网图的新部分。一个方面是可以在任意图上做那些,这意味着可以在现有的(例如,EU、USA、日本等的)道路图上进行更新(还有绘制)。
最后,提供了验证方法,其中,包括了数据的最后核准。优点是本发明具有近似(所计算的图)并可以优化验证车辆的路线,这意味着本质上的节约。
此外,提供了一种用于在道路网图寻找最快路线的方法。所述寻找基于作为所述道路网图的要素部分的时间细节。但是,适当装备的车辆的用户可以利用由根据本发明的网图提供的信息来确定(寻找)临时最快的路线。例如,如果用户想要在指定时间内到达某个地址,则根据本发明的方法将确定并计算最快的路线。所述确定基于包括在也通过利用时间细节绘制的所述道路网图内的信息。
此外,提供了一种用于检查由所述信息数据记录的交通流的方法,该方法可应用于诸如道路基础结构规划。即,不断修改的道路网图传递关于交通状况的信息,并可以用于确定拥挤的道路子段和/或交叉点等。
尽管以上根据附图、参照实施例描述了本发明,但是应该清楚,本发明并不限于此,而是在所附权利要求的范围内可以多种方式对本发明进行更改。
Claims (48)
1.一种用于对道路网图进行建模的方法,包括以下步骤:
接收来自多个车辆的信息数据,所述信息数据至少包括所述车辆的位置数据;以及
根据所接收的数据对所述道路网图进行建模。
2.根据权利要求1所述的方法,所述信息数据包括所述多个车辆的车辆类型、车辆速度、加速度等中的至少一个。
3.根据权利要求1所述的方法,进一步包括以下步骤:
以自动的方式计算道路网的几何结构、拓扑结构、及交通统计数据。
4.根据前述权利要求中任一项所述的方法,其中,包括(道路)网图的自动合并。
5.根据前述权利要求中任一项所述的方法,其中,通过利用所述信息数据来自动绘制道路网图。
6.根据前述权利要求中任一项所述的方法,其中,通过检查图,优选地通过在现场检查所述道路网图的车辆来进行验证。
7.根据前述权利要求中任一项所述的方法,其中,在验证所述道路网图期间,将所述道路网图用于最优化步骤。
8.根据前述权利要求中任一项所述的方法,其中,所述建模基于对所述数据执行的用于处理曲线、弧线、多项式等的数学方法。
9.根据前述权利要求中任一项所述的方法,其中,所述建模基于贝赛尔曲线方法。
10.根据前述权利要求中任一项所述的方法,其中,所述数学方法基于曲线的平均。
11.根据前述权利要求中任一项所述的方法,进一步包括:将曲线长度延伸到期望的预定长度。
12.根据前述权利要求中任一项所述的方法,进一步包括:使所述曲线符合一组有序的点,所述曲线对应于特定车辆的轨迹。
13.根据前述权利要求中任一项所述的方法,进一步包括:计算特定曲线对的相似性。
14.根据前述权利要求中任一项所述的方法,进一步包括:执行用于找出特定曲线对的相似子段的相似性检测步骤。
15.根据前述权利要求中任一项所述的方法,其中,提供了将涉及所述网图的信息传送到所述多个车辆中的至少一个车辆。
16.根据前述权利要求中任一项所述的方法,其中,执行关于所述多个车辆的所述信息数据的压缩。
17.根据权利要求12或16所述的方法,其中,所述压缩包括:贝赛尔曲线符合。
18.根据前述权利要求中任一项所述的方法,其中,所接收的信息数据表示来自所述多个车辆的至少一个车辆的轨迹,其中,可以由贝赛尔曲线描述每条轨迹,所述方法进一步包括:
对与所述至少一个车辆相关的多条轨迹进行平均。
19.根据前述权利要求中任一项所述的方法,进一步包括以下步骤:
基于所接收的信息数据计算所述道路网图的第一近似;
在所述第一近似中绘制道路和交叉点,从而得到绘制的道路网图;以及
执行所绘制的网的验证。
20.根据前述权利要求中任一项所述的方法,其中,所述计算基于对所述数据执行的用于处理曲线、弧线、多项式等的贝赛尔曲线方法和/或数学方法。
21.根据前述权利要求中任一项所述的方法,进一步包括以下步骤:
基于所接收的信息数据检测现有道路网图的改变;
存储所述变化;以及
在所述现有道路网图中实现所述改变。
22.根据权利要求21所述的方法,其中,所述实现基于统计信息。
23.根据前述权利要求中任一项所述的方法,进一步包括:将涉及所述网图的信息传送到所述多个车辆中的至少一个车辆。
24.根据前述权利要求中任一项所述的方法,进一步包括:
在所述建模实体内和/或在所述多个车辆内选择性地执行
所述信息数据的压缩步骤。
25.根据前述权利要求中任一项所述的方法,进一步包括以下步骤:
存储所述信息数据。
26.根据前述权利要求中任一项所述的方法,其中,所述计算基于用于计算定点值的数字计算方法。
27.根据前述权利要求中任一项所述的方法,所述信息数据包括测量数据,并且进一步包括根据预定阈值标准化所述测量数据。
28.根据前述权利要求中任一项所述的方法,其中,在执行压缩算法、散列算法、加密算法等之后提供所述存储。
29.根据前述权利要求中任一项所述的方法,进一步包括:检测多径现象/效应的存在,并且在这种情况下,将较小的权重分配给在所述计算步骤期间所接收的信息。
30.根据前述权利要求中任一项所述的方法,进一步包括:通过所述多个车辆中的位置信息实体提供来测量道路尺寸和/或比例。
31.根据权利要求30所述的方法,其中,所述实体是所述车辆内的GPS收发机。
32.根据权利要求31所述的方法,其中,所述GPS收发机与回转仪等连接。
33.根据前述权利要求中任一项所述的方法,其中,曲线相似性用于确定所述车辆在所述道路网图上的位置。
34.一种计算机程序产品,包括多个程序编码段,用于当在基于处理器的装置、终端装置、网络装置、便携终端、用户电子装置、或移动通信使能终端上运行所述程序时,执行前述权利要求中任一项所述的操作。
35.一种计算机程序产品,包括存储在机器可读介质上的多个程序编码段,用于当在基于处理器的装置、终端装置、网络装置、便携终端、用户电子装置、或移动通信使能终端上运行所述程序产品时,执行前述权利要求中任一项所述的操作。
36.一种软件工具,包括多个程序部分,用于当在用于在基于处理器的装置、终端装置、网络装置、便携终端、用户电子装置、或移动通信使能终端上执行的计算机程序中实现所述程序时,执行前述权利要求中任一项所述的操作。
37.一种包含在载波中并表示指令的计算机数据信号,所述计算机数据信号在通过处理器执行时,使得前述权利要求中任一项的操作被执行。
38.用于对道路网图进行建模的服务器装置,包括:
用于接收来自多个车辆的信息数据的组件,所述信息数据至少包括所述车辆的位置数据;以及
用于根据所接收的数据对所述道路网图进行建模的组件。
39.根据权利要求38所述的服务器,进一步包括:
用于计算所述道路网图的第一近似的组件;
用于在所述第一近似中绘制道路和交叉点而得到绘制的道路网图的组件;以及
用于执行所绘制的网的验证的组件。
40.根据权利要求38所述的服务器,进一步包括:
用于基于所接收的信息检测所述道路网图的改变的组件;
用于存储所述改变的组件;以及
用于将所述改变包括在所述道路网图中的组件。
41.根据权利要求38所述的服务器,进一步包括:
用于基于所接收的信息分析所述道路网图的组件;以及用于向第三方报告分析结果的组件。
42.根据权利要求38所述的服务器,进一步包括:
用于在所述建模实体内选择性地执行所述信息的压缩步骤的组件。
43.根据前述权利要求38至42中任一项所述的服务器,进一步包括:
用于至少存储从所述多个车辆接收到的所述信息的原始数据、与所述原始数据相关的属性、道路网图等的组件。
44.根据前述权利要求38至43中的任一项所述的服务器,进一步包括:
用于检测多径现象/效应的存在的组件;以及进一步地用于将较小的权重分配给所接收的信息的组件。
45.根据前述权利要求38至44中的任一项所述的服务器,进一步包括:用于通过在所述多个车辆内的位置信息提供实体来测量道路尺寸的组件。
46.根据前述权利要求38至45中任一项所述的服务器,其中,所接收的信息表示来自所述多个车辆的至少一个车辆的轨迹,其中,通过所述数学方法描述每条轨迹,所述服务器进一步包括:用于对与所述至少一个车辆相关的轨迹进行平均的组件。
47.根据权利要求46所述的服务器,其中,所述数学方法对应于贝赛尔曲线、弧线、多项式等中的至少一种。
48.一种用于对道路网图进行建模的系统,包括多个根据权利要求38所述的服务器装置以及多个信息数据提供车辆。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IB2005/002129 WO2007010317A1 (en) | 2005-07-22 | 2005-07-22 | Method, device and system for modeling a road network graph |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101218486A true CN101218486A (zh) | 2008-07-09 |
Family
ID=36035629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2005800509928A Pending CN101218486A (zh) | 2005-07-22 | 2005-07-22 | 用于对道路网图进行建模的方法、装置及系统 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20090138188A1 (zh) |
EP (1) | EP1907792A1 (zh) |
JP (1) | JP2009503638A (zh) |
CN (1) | CN101218486A (zh) |
AU (1) | AU2005334686A1 (zh) |
BR (1) | BRPI0520514A2 (zh) |
CA (1) | CA2615185A1 (zh) |
WO (1) | WO2007010317A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738495B (zh) * | 2009-12-18 | 2011-06-08 | 浙江大学 | 基于cordic算法的电容式微加速度计信号检测装置 |
CN102193000A (zh) * | 2010-02-05 | 2011-09-21 | 哈曼贝克自动系统股份有限公司 | 机动车的系统与确定加速度的方法 |
CN103295420A (zh) * | 2013-01-30 | 2013-09-11 | 吉林大学 | 一种车道线识别的方法 |
CN105205841A (zh) * | 2015-08-21 | 2015-12-30 | 通号通信信息集团有限公司 | 地理信息系统的地图生成方法和系统 |
CN105371857A (zh) * | 2015-10-14 | 2016-03-02 | 山东大学 | 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法 |
CN105975913A (zh) * | 2016-04-28 | 2016-09-28 | 武汉大学 | 一种基于自适应聚类学习的道路网提取的方法 |
CN106918341A (zh) * | 2015-12-16 | 2017-07-04 | 罗伯特·博世有限公司 | 用于构建地图的方法和设备 |
CN109813273A (zh) * | 2019-03-19 | 2019-05-28 | 中电科卫星导航运营服务有限公司 | 一种基于空间分析的农机重复作业面积判定方法 |
CN110068343A (zh) * | 2018-01-19 | 2019-07-30 | 哲纳提公司 | 构建和更新多层道路网络高清数字地图的行为层 |
CN111065893A (zh) * | 2017-06-01 | 2020-04-24 | 罗伯特·博世有限公司 | 用于创建精确到车道的道路地图的方法和设备 |
CN113393705A (zh) * | 2021-05-31 | 2021-09-14 | 云南思码蔻科技有限公司 | 基于隧道或道路内车辆留存数量的路况管理系统 |
TWI785269B (zh) * | 2019-07-19 | 2022-12-01 | 日商三菱電機股份有限公司 | 顯示處理裝置、顯示處理方法及記錄有程式的媒體 |
Families Citing this family (91)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008084534A1 (ja) * | 2007-01-10 | 2008-07-17 | Fujitsu Limited | 設計支援システム、方法、及びプログラム |
US20090171528A1 (en) * | 2007-12-27 | 2009-07-02 | Sandisk Il Ltd. | Apparatus and process for recording data associated with a vehicle |
US8117242B1 (en) | 2008-01-18 | 2012-02-14 | Boadin Technology, LLC | System, method, and computer program product for performing a search in conjunction with use of an online application |
US8117225B1 (en) | 2008-01-18 | 2012-02-14 | Boadin Technology, LLC | Drill-down system, method, and computer program product for focusing a search |
US8972177B2 (en) * | 2008-02-26 | 2015-03-03 | Microsoft Technology Licensing, Llc | System for logging life experiences using geographic cues |
US8015144B2 (en) | 2008-02-26 | 2011-09-06 | Microsoft Corporation | Learning transportation modes from raw GPS data |
US8966121B2 (en) | 2008-03-03 | 2015-02-24 | Microsoft Corporation | Client-side management of domain name information |
US8078397B1 (en) | 2008-08-22 | 2011-12-13 | Boadin Technology, LLC | System, method, and computer program product for social networking utilizing a vehicular assembly |
US8190692B1 (en) | 2008-08-22 | 2012-05-29 | Boadin Technology, LLC | Location-based messaging system, method, and computer program product |
US8265862B1 (en) | 2008-08-22 | 2012-09-11 | Boadin Technology, LLC | System, method, and computer program product for communicating location-related information |
US8131458B1 (en) | 2008-08-22 | 2012-03-06 | Boadin Technology, LLC | System, method, and computer program product for instant messaging utilizing a vehicular assembly |
US8073590B1 (en) | 2008-08-22 | 2011-12-06 | Boadin Technology, LLC | System, method, and computer program product for utilizing a communication channel of a mobile device by a vehicular assembly |
DE102008053150B4 (de) * | 2008-10-24 | 2022-06-09 | Rohde & Schwarz GmbH & Co. Kommanditgesellschaft | Verfahren zur Ermittlung von Information zu einer Wegkarte |
US9063226B2 (en) | 2009-01-14 | 2015-06-23 | Microsoft Technology Licensing, Llc | Detecting spatial outliers in a location entity dataset |
EP2389669A1 (en) | 2009-01-21 | 2011-11-30 | Universiteit Gent | Geodatabase information processing |
EP2462411B1 (en) | 2009-08-03 | 2015-07-29 | TomTom North America Inc. | Method of verifying attribute information of a digital transport network database using interpolation and probe traces |
TWI394470B (zh) * | 2009-09-15 | 2013-04-21 | Ind Tech Res Inst | 一種為降低封包傳遞之行動網路接取方法、行動裝置以及行動通訊系統 |
US8275649B2 (en) | 2009-09-18 | 2012-09-25 | Microsoft Corporation | Mining life pattern based on location history |
US9009177B2 (en) | 2009-09-25 | 2015-04-14 | Microsoft Corporation | Recommending points of interests in a region |
KR101526606B1 (ko) * | 2009-12-03 | 2015-06-10 | 현대자동차주식회사 | 자동주행경로 생성방법 |
US8612134B2 (en) * | 2010-02-23 | 2013-12-17 | Microsoft Corporation | Mining correlation between locations using location history |
US9261376B2 (en) * | 2010-02-24 | 2016-02-16 | Microsoft Technology Licensing, Llc | Route computation based on route-oriented vehicle trajectories |
US10288433B2 (en) * | 2010-02-25 | 2019-05-14 | Microsoft Technology Licensing, Llc | Map-matching for low-sampling-rate GPS trajectories |
JP5387456B2 (ja) * | 2010-03-09 | 2014-01-15 | 日本電気株式会社 | 携帯通信端末装置、携帯通信端末装置の盗用防止方法、及び携帯通信端末装置の盗用防止プログラム |
GB2479577B (en) * | 2010-04-15 | 2015-05-27 | Samsung Electronics Co Ltd | Improvements relating to wireless networks |
US8719198B2 (en) | 2010-05-04 | 2014-05-06 | Microsoft Corporation | Collaborative location and activity recommendations |
US9593957B2 (en) | 2010-06-04 | 2017-03-14 | Microsoft Technology Licensing, Llc | Searching similar trajectories by locations |
DE102010030309A1 (de) | 2010-06-21 | 2011-12-22 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zur Ermittlung einer energieverbrauchsoptimierten Route |
JP5195848B2 (ja) * | 2010-08-31 | 2013-05-15 | 株式会社デンソー | 交通状況予測装置 |
US20110225105A1 (en) * | 2010-10-21 | 2011-09-15 | Ford Global Technologies, Llc | Method and system for monitoring an energy storage system for a vehicle for trip planning |
US8849499B2 (en) * | 2011-01-06 | 2014-09-30 | Ford Global Technologies, Llc | Methods and systems for monitoring a vehicle's energy source |
US20110224852A1 (en) * | 2011-01-06 | 2011-09-15 | Ford Global Technologies, Llc | Methods and system for selectively charging a vehicle |
US9569965B1 (en) * | 2011-04-11 | 2017-02-14 | Fleetmatics Development Limited | System and method for providing vehicle and fleet profiles |
US20130041552A1 (en) | 2011-08-11 | 2013-02-14 | Ford Global Technologies, Llc | Methods and Apparatus for Estimating Power Usage |
US8907776B2 (en) | 2011-10-05 | 2014-12-09 | Ford Global Technologies, Llc | Method and apparatus for do not disturb message delivery |
US9754226B2 (en) | 2011-12-13 | 2017-09-05 | Microsoft Technology Licensing, Llc | Urban computing of route-oriented vehicles |
US20130166188A1 (en) | 2011-12-21 | 2013-06-27 | Microsoft Corporation | Determine Spatiotemporal Causal Interactions In Data |
US9098941B2 (en) * | 2012-01-23 | 2015-08-04 | Ayasdi, Inc. | Systems and methods for graphical layout |
US8830254B2 (en) | 2012-01-24 | 2014-09-09 | Ayasdi, Inc. | Systems and methods for graph rendering |
US8849742B2 (en) | 2012-01-24 | 2014-09-30 | Ford Global Technologies, Llc | Method and apparatus for providing charging state alerts |
US8862346B2 (en) * | 2012-03-20 | 2014-10-14 | Eaton Corporation | System and method for simulating the performance of a virtual vehicle |
EP2842108B1 (en) | 2012-04-27 | 2022-07-06 | Verizon Connect Ireland Limited | System and method for tracking driver hours and timekeeping |
US9462545B2 (en) | 2013-03-14 | 2016-10-04 | Ford Global Technologies, Llc | Method and apparatus for a battery saver utilizing a sleep and vacation strategy |
US9066298B2 (en) | 2013-03-15 | 2015-06-23 | Ford Global Technologies, Llc | Method and apparatus for an alert strategy between modules |
DE102013207658A1 (de) * | 2013-04-26 | 2014-10-30 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Bestimmen eines Fahrspurverlaufes einer Fahrspur |
US9313616B2 (en) | 2013-09-16 | 2016-04-12 | Fleetmatics Development Limited | System and method for automated identification of location types for geofences |
US9881272B2 (en) | 2013-09-16 | 2018-01-30 | Fleetmatics Ireland Limited | Vehicle independent employee/driver tracking and reporting |
US10267643B2 (en) | 2013-09-16 | 2019-04-23 | Verizon Connect Ireland Limited | System and method for automated correction of geofences |
US9754428B2 (en) | 2013-09-16 | 2017-09-05 | Fleetmatics Ireland Limited | Interactive timeline interface and data visualization |
US9109913B2 (en) * | 2013-09-30 | 2015-08-18 | Ford Global Technologies, Llc | Roadway-induced ride quality reconnaissance and route planning |
US20150300828A1 (en) * | 2014-04-17 | 2015-10-22 | Ford Global Technologies, Llc | Cooperative learning method for road infrastructure detection and characterization |
CN105225510B (zh) * | 2014-06-27 | 2018-04-17 | 国际商业机器公司 | 用于验证地图的路网的方法和系统 |
CN105205196B (zh) | 2014-06-27 | 2018-08-03 | 国际商业机器公司 | 用于生成路网的方法和系统 |
US9470536B2 (en) | 2014-08-08 | 2016-10-18 | Here Global B.V. | Apparatus and associated methods for navigation of road intersections |
CN105528955B (zh) | 2014-09-30 | 2018-02-06 | 国际商业机器公司 | 生成道路网络的方法及其装置 |
CN104899357B (zh) * | 2015-05-12 | 2018-02-13 | 中山大学 | 一种基于AutoCAD平面交叉口工程图的拓扑数据提取方法 |
US9551583B1 (en) | 2015-07-06 | 2017-01-24 | International Business Machines Corporation | Hybrid road network and grid based spatial-temporal indexing under missing road links |
US9778061B2 (en) | 2015-11-24 | 2017-10-03 | Here Global B.V. | Road density calculation |
US9978161B2 (en) | 2016-04-11 | 2018-05-22 | Here Global B.V. | Supporting a creation of a representation of road geometry |
US10247559B2 (en) | 2016-05-02 | 2019-04-02 | Here Global B.V. | Method and apparatus for disambiguating probe points within an ambiguous probe region |
CN105913671B (zh) * | 2016-05-19 | 2018-02-06 | 福州大学 | 单向双车道上坡路段分道可变限速方法 |
CN106023590B (zh) * | 2016-06-20 | 2018-05-29 | 北方工业大学 | 一种城市道路交叉口内部区域拥堵快速检测方法及系统 |
DE102016214156A1 (de) | 2016-08-01 | 2018-02-01 | Continental Teves Ag & Co. Ohg | Verfahren zum Senden von Daten von einem Fahrzeug an einen Server und Verfahren zum Aktualisieren einer Karte |
FR3057951B1 (fr) * | 2016-10-25 | 2020-07-17 | IFP Energies Nouvelles | Procede de determination d'un itineraire minimisant la depense energetique d'un vehicule au moyen d'un graphe adjoint |
US10168172B2 (en) * | 2016-10-26 | 2019-01-01 | International Business Machines Corporation | Network map reconstruction from message data |
US11423782B2 (en) | 2016-11-30 | 2022-08-23 | Nec Corporation | Traffic status estimation device, traffic status estimation method, and program recording medium |
CN108287354B (zh) * | 2017-01-09 | 2020-09-08 | 北京四维图新科技股份有限公司 | 一种数据自动纠错方法和装置及导航设备 |
US20180195864A1 (en) * | 2017-01-12 | 2018-07-12 | Conduent Business Services, LLC. | Use of gps signals from multiple vehicles for robust vehicle tracking |
EP3348964A1 (de) * | 2017-01-13 | 2018-07-18 | Carrosserie Hess AG | Verfahren zur vorhersage zukünftiger fahrbedingungen für ein fahrzeug |
JP6749263B2 (ja) * | 2017-02-09 | 2020-09-02 | 三菱電機株式会社 | 計測装置及び位置計算装置 |
FR3062834B1 (fr) * | 2017-02-16 | 2019-04-12 | IFP Energies Nouvelles | Procede de determination d'une zone atteignable par un vehicule au moyen d'un modele dynamique et d'un graphe adjoint |
US10373002B2 (en) * | 2017-03-31 | 2019-08-06 | Here Global B.V. | Method, apparatus, and system for a parametric representation of lane lines |
US10942525B2 (en) | 2017-05-09 | 2021-03-09 | Uatc, Llc | Navigational constraints for autonomous vehicles |
US20180328745A1 (en) * | 2017-05-09 | 2018-11-15 | Uber Technologies, Inc. | Coverage plan generation and implementation |
US10827386B2 (en) * | 2017-12-28 | 2020-11-03 | Dish Network L.L.C. | Device and method for integrating satellite data with terrestrial networks in a vehicle system |
US11287816B2 (en) | 2018-06-11 | 2022-03-29 | Uatc, Llc | Navigational constraints for autonomous vehicles |
US10242571B1 (en) * | 2018-08-02 | 2019-03-26 | Mapanything, Inc. | Utilizing determined optimized time windows for precomputing optimal path matrices to reduce computer resource usage |
US11293770B2 (en) | 2018-08-02 | 2022-04-05 | salesforces.com, Inc. | Geographic routing engine |
CN110160541B (zh) * | 2018-08-06 | 2022-02-22 | 腾讯大地通途(北京)科技有限公司 | 运动轨迹的重构方法和装置、存储介质、电子装置 |
DE102018008731A1 (de) * | 2018-11-07 | 2020-05-07 | Audi Ag | Verfahren und Vorrichtung zum Erheben von fahrzeugbasierten Datensätzen für vorgegebene Streckenabschnitte |
WO2020194539A1 (ja) * | 2019-03-26 | 2020-10-01 | 日本電気株式会社 | 構造物の変位計測装置 |
US11072338B2 (en) * | 2019-06-24 | 2021-07-27 | Here Global B.V. | Method, apparatus, and system for providing road curvature data |
CN110322070A (zh) * | 2019-07-05 | 2019-10-11 | 葛志凯 | 道路规划方法和系统 |
CN111489064B (zh) * | 2020-03-27 | 2023-05-12 | 湖南大学 | 一种面向Df-PBS系统的公共自行车站点动态规划方法和系统 |
CN116416706A (zh) * | 2020-12-18 | 2023-07-11 | 北京百度网讯科技有限公司 | 数据采集的方法及装置 |
EP4172563A4 (en) * | 2021-09-17 | 2023-09-06 | Morai Inc. | METHOD FOR GENERATING ROAD TOPOLOGY INFORMATION AND SYSTEM THEREOF |
KR102394682B1 (ko) * | 2021-09-24 | 2022-05-06 | 주식회사 스프링클라우드 | 자율주행 위치 데이터의 축약화를 기반한 시각화 장치 및 방법 |
CN113870559B (zh) * | 2021-09-27 | 2022-08-16 | 北京理工新源信息科技有限公司 | 一种基于大数据车联网的交通流量计算方法 |
CN114184204B (zh) * | 2021-11-24 | 2024-06-04 | 深圳一清创新科技有限公司 | 高精度地图中路口区域的估计方法、装置及智能车辆 |
CN115115789B (zh) * | 2022-06-01 | 2024-06-28 | 合众新能源汽车股份有限公司 | 一种道路生成方法、装置、电子设备及存储介质 |
CN117608499B (zh) * | 2024-01-23 | 2024-04-05 | 山东华夏高科信息股份有限公司 | 一种基于物联网的智慧交通数据优化存储方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19525291C1 (de) * | 1995-07-03 | 1996-12-19 | Mannesmann Ag | Verfahren und Vorrichtung zur Aktualisierung von digitalen Straßenkarten |
US6029173A (en) * | 1997-11-26 | 2000-02-22 | Navigation Technologies Corporation | Method and system for representation and use of shape information in geographic databases |
DE19920709A1 (de) * | 1999-05-05 | 2000-11-16 | Siemens Ag | Verfahren zum Gewinnen einer dreidimensionalen Kartendarstellung und Navigationssystem |
US6385539B1 (en) * | 1999-08-13 | 2002-05-07 | Daimlerchrysler Ag | Method and system for autonomously developing or augmenting geographical databases by mining uncoordinated probe data |
US6615130B2 (en) * | 2000-03-17 | 2003-09-02 | Makor Issues And Rights Ltd. | Real time vehicle guidance and traffic forecasting system |
US6381537B1 (en) * | 2000-06-02 | 2002-04-30 | Navigation Technologies Corp. | Method and system for obtaining geographic data using navigation systems |
US20020010569A1 (en) * | 2000-07-19 | 2002-01-24 | Tadashi Yamamoto | System and method for designing roads |
-
2005
- 2005-07-22 AU AU2005334686A patent/AU2005334686A1/en not_active Abandoned
- 2005-07-22 US US11/996,462 patent/US20090138188A1/en not_active Abandoned
- 2005-07-22 CA CA002615185A patent/CA2615185A1/en not_active Abandoned
- 2005-07-22 BR BRPI0520514-0A patent/BRPI0520514A2/pt not_active IP Right Cessation
- 2005-07-22 WO PCT/IB2005/002129 patent/WO2007010317A1/en active Application Filing
- 2005-07-22 EP EP05767530A patent/EP1907792A1/en not_active Withdrawn
- 2005-07-22 CN CNA2005800509928A patent/CN101218486A/zh active Pending
- 2005-07-22 JP JP2008522073A patent/JP2009503638A/ja active Pending
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738495B (zh) * | 2009-12-18 | 2011-06-08 | 浙江大学 | 基于cordic算法的电容式微加速度计信号检测装置 |
CN102193000A (zh) * | 2010-02-05 | 2011-09-21 | 哈曼贝克自动系统股份有限公司 | 机动车的系统与确定加速度的方法 |
CN103295420A (zh) * | 2013-01-30 | 2013-09-11 | 吉林大学 | 一种车道线识别的方法 |
CN103295420B (zh) * | 2013-01-30 | 2015-12-02 | 吉林大学 | 一种车道线识别的方法 |
CN105205841A (zh) * | 2015-08-21 | 2015-12-30 | 通号通信信息集团有限公司 | 地理信息系统的地图生成方法和系统 |
CN105205841B (zh) * | 2015-08-21 | 2018-05-25 | 通号通信信息集团有限公司 | 地理信息系统的地图生成方法和系统 |
CN105371857B (zh) * | 2015-10-14 | 2018-05-22 | 山东大学 | 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法 |
CN105371857A (zh) * | 2015-10-14 | 2016-03-02 | 山东大学 | 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法 |
CN106918341A (zh) * | 2015-12-16 | 2017-07-04 | 罗伯特·博世有限公司 | 用于构建地图的方法和设备 |
CN106918341B (zh) * | 2015-12-16 | 2022-08-16 | 罗伯特·博世有限公司 | 用于构建地图的方法和设备 |
CN105975913A (zh) * | 2016-04-28 | 2016-09-28 | 武汉大学 | 一种基于自适应聚类学习的道路网提取的方法 |
CN111065893A (zh) * | 2017-06-01 | 2020-04-24 | 罗伯特·博世有限公司 | 用于创建精确到车道的道路地图的方法和设备 |
CN110068343A (zh) * | 2018-01-19 | 2019-07-30 | 哲纳提公司 | 构建和更新多层道路网络高清数字地图的行为层 |
CN109813273A (zh) * | 2019-03-19 | 2019-05-28 | 中电科卫星导航运营服务有限公司 | 一种基于空间分析的农机重复作业面积判定方法 |
TWI785269B (zh) * | 2019-07-19 | 2022-12-01 | 日商三菱電機股份有限公司 | 顯示處理裝置、顯示處理方法及記錄有程式的媒體 |
CN113393705A (zh) * | 2021-05-31 | 2021-09-14 | 云南思码蔻科技有限公司 | 基于隧道或道路内车辆留存数量的路况管理系统 |
CN113393705B (zh) * | 2021-05-31 | 2022-07-15 | 云南思码蔻科技有限公司 | 基于隧道或道路内车辆留存数量的路况管理系统 |
Also Published As
Publication number | Publication date |
---|---|
EP1907792A1 (en) | 2008-04-09 |
CA2615185A1 (en) | 2007-01-25 |
BRPI0520514A2 (pt) | 2009-05-12 |
US20090138188A1 (en) | 2009-05-28 |
JP2009503638A (ja) | 2009-01-29 |
WO2007010317A1 (en) | 2007-01-25 |
AU2005334686A1 (en) | 2007-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101218486A (zh) | 用于对道路网图进行建模的方法、装置及系统 | |
CN102102992B (zh) | 基于多级网络划分的匹配道路初筛方法及地图匹配系统 | |
US8359156B2 (en) | Map generation system and map generation method by using GPS tracks | |
US10408636B2 (en) | Apparatus and method for vehicle economy improvement | |
JP5291935B2 (ja) | オブジェクトの将来の動きを予測するための装置および方法 | |
CN101676689B (zh) | 驾驶评价系统以及驾驶评价方法 | |
US7516041B2 (en) | System and method for identifying road features | |
CN106323301B (zh) | 一种道路情报的获取方法及装置 | |
CN100555355C (zh) | 道路交通的通行速度计算和匹配的方法和系统 | |
US11450202B2 (en) | Method and system for determining a geographical area occupied by an intersection | |
US20130166188A1 (en) | Determine Spatiotemporal Causal Interactions In Data | |
CN112344947B (zh) | 地图匹配方法、装置、电子设备和计算机可读存储介质 | |
CN111125293B (zh) | 公交网络模型自动生成方法、装置及电子设备 | |
EP2659228B1 (en) | Generation of a seamless network of road or line segments in a digital map | |
CN102272552A (zh) | 用于处理与地理区域相关的信息的系统及方法 | |
CN103403496A (zh) | 利用探测数据确定及验证导航优先权设置的方法 | |
CN108090722A (zh) | 一种基于gps的物流网络站点识别设备与识别方法 | |
CN109859505B (zh) | 高速站点的预警处理方法、装置、服务器和介质 | |
CN104677367A (zh) | 基于路径预测的兴趣点搜索方法 | |
CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
US11238291B2 (en) | Method, apparatus, and computer program product for determining if probe data points have been map-matched | |
US20230137263A1 (en) | Method and apparatus for generating structured trajectories from geospatial observations | |
CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
EP4093063B1 (en) | Method, apparatus, and computer program product for quantifying the privacy risk of trajectory data | |
CN113865591A (zh) | 结合厂区自有路线数据导航的方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1118332 Country of ref document: HK |
|
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20080709 |