CN102110364B - 基于路口和路段的交通信息处理方法和装置 - Google Patents

Abstract

本发明提出了一种道路网络表示方法及装置、和采用该表示方法的交通信息数据处理方法及系统。该交通信息数据处理方法包括：转化步骤，根据一种或多种道路地图的道路网络与由路口和路段表示的道路网络的对应关系，将交通信息数据分别转化为路口和路段交通信息数据，由路口和路段表示的道路网络是根据道路网络表示方法获得的；融合步骤，对转化的路口和路段交通信息数据进行融合，以获得统一的交通信息数据。本发明提出以路段、路口表示的道路网络作为中间模型，强调了路口作为道路网络枢纽节点的重要性，能兼容不同形式的地图表示，具备通用性，并且能够通过融合不同数据源的交通信息数据，获得更加准确、全面的交通信息，有利于交通信息预测等服务。

Description

基于路口和路段的交通信息处理方法和装置

技术领域

本发明涉及交通信息数据处理领域，具体涉及基于路口和路段的道路网络的表示、以及采用该表示对来自不同数据源的交通信息数据的处理。

背景技术

在现代社会，社会经济迅速发展，汽车日益普及，城市交通面临的压力越来越大，交通拥堵日益严重。减轻交通拥堵，有利于节省驾车人出行时间、减少燃油消耗、提高城市经济效率和促进环境保护。因此，交通信息服务系统，是城市智能交通系统的重要组件之一。

在交通信息采集方面，当前多媒体技术、移动通信技术的快速发展及GPS技术的广泛应用，为交通信息服务提供了发展的沃土。在交通信息数据采集方面，道路旁边的固定检测设备，如摄像头、线圈、雷达测速等，能够较准确地采集交通信息数据，但一般仅限于主干道路网络；以出租车为主体的浮动车技术，能够实时计算出城市道路网络的交通信息，但受浮动车数量等客观因素的限制；信息采集员，能够通过简易的移动通讯设备，将其看到的交通信息，以文字形式上载到数据中心，但信息数量有限，准确度较低；用户上传，驾车者通过移动信息服务商提供的通道，将自己所在区域的交通信息上载至数据中心，但覆盖范围有限。综上所述，交通信息数据采集手段已呈现出多样化，但各自的数据基础不同，表达方式也不同，在信息的完备性、准确性上各有不足。用一个通用的模型将交通数据模型化，兼容不同来源的交通信息数据，获取不同数据源的优势，融合多种数据源的交通信息，取长补短，是提高交通信息精度、扩大覆盖范围的有效手段。

综上，一个通用的交通数据模型化模型，应遵循生活中的交通信息的地理特征，确定关键的交通信息元素在不同参照系中的对应关系，如在普通城市地图中、在导航道路拓扑网络中、在交通信息报告中；只有这样，才能将不同来源的交通数据进行归一化处理，并进行后续的交通信息融合处理。

实际生活中，交通信息的数据源有固定监控设备，如测速雷达、线圈、摄像头等，移动探测设备，如浮动车网络、移动通信用户网络等，以及文本信息，如交通局的路况报告、人工采集员的信息报告、用户的即时上载等。这些数据源，可能基于简要的城市地图，也可能基于复杂的导航电子地图道路拓扑网络，也可能完全基于文字。如何将这些数据进行准确地融合，以获得更准确的、覆盖范围更大的交通信息，是一个解决亟待的问题。

在已有的专利和论文中，有一些涉及到了交通数据的模型化方法和模型。这些方法和模型，在准确的表示、融合不同来源交通数据的方面，还需要进一步改进。

专利文献1US20060111833(A1)“Method and System for modelingand processing vehicle traffic data and information and applying thereof”中提出了一种交通数据和信息的模型化和处理方法和系统。这个专利中提出了有向道路路段的概念，它充分考虑了道路分岔口的不同流向及之上的交通流特征，并希望用它来融合多种来源的交通信息数据。

专利文献2CN200610168271.3“一种交通信息融合方法和系统”提出了一种用于浮动车技术的交通信息融合方法，它处理的对象是基于导航地图拓扑网络的路链旅行时间，将道路分为不同的路段，寻找路段和路链之间的地理对应关系，以实现能用路链旅行时间计算道路路况的目标。

专利文献3CN200510125303.7“路况信息查询系统及路况信息查询方法”及非专利文献1“A Map Ontology Driven Approach to NaturalLanguage Traffic Information Processing and Services”(发表于2006年的1st Annual Asian Semantic Web Conference)提出了一种地图知识库的生成装置及生成方法，它提出了如何从语言层面上建立交通信息描述的知识对象和知识库，提出了道路和路况点的概念，用于支持交通信息自然语言处理。

在上面提到的相关解决方案中，专利文献1提出了用有向道路路段(Oriented Road Section)建立的道路网络，并以此融合不同数据来源的交通数据，有向道路路段是从某一个分流口驶出的不同方向路段，这个方法能较好地进行交通信息融合，但它忽略了交通信息中重要的路口概念。路口在这个融合模型中被完全忽略，路口在道路网络中的关键节点作用在此模型中无从获取和查询；并且，不同流向的有向道路路段有重合的部分，这将导致准确率降低的问题。专利文献2提出了一种主要用于导航道路拓扑网络路链旅行时间向道路交通信息生成的方法，这种方法将道路分成了若干路链及单元路段，建立路链和这些路链和单元路段的关系，以此获得道路的交通信息。这个方法，也没有考虑到路口在交通网络中的重要性，从这个方法中无法获得路口的交通信息。专利文献3提出了一种地图知识库的生成方法，它基于道路网络，抽取道路和交通点，并建立它们之间的从属关系，并将其用于自然语言处理。这个方法尽管试图用更符合人们日常行为的语言去描述交通信息，但是它基本上仅限于文本层面，无法将这个模型对应至不同的地理网络，无法进行多源数据融合。

综上，现有的交通信息模型化或表达方法仍然存在不足，未从通用、符合实际的角度建立用于交通信息模型化的模型。

因此，需要建立一个通用的、可伸缩的模型来模型化和处理交通信息，其基于道路网络地图在地理空间中的位置，能够将不同形式的数据基础，包括城市地图、导航地图、简要地图、文字地图等，统一起来。

发明内容

为解决上述问题，本发明提出了一种道路网络表示方法及装置、和采用该表示方法的交通信息数据处理方法及系统。该道路网络表示方法以路段和路口为核心元素，以地理空间为参照系，来表示道路网络，从而建立了能够反映不同详细程度的地图及道路描述信息的对应关系的模型。同时，采用由路口和路段表示的道路网络，能够将交通数据采集通常用到的普通城市地图、导航道路拓扑网络以及文本形式的交通信息数据转化为统一的路口和路段交通信息数据，以用于数据融合和后续使用。相比于现有技术的交通信息数据模型化方法，本发明方法根据日常生活对交通信息的理解和交流，强调了路口作为道路网络中独立节点在信息获取和呈现方面的作用。路口是一个地理空间，在道路网络中表现为节点，路口是网络的枢纽，各个方向交通流汇集于一地，极容易发生拥堵。因此，路口的路况在交通信息中是非常重要的。本发明方法将路口作为用于交通信息数据模型化的一个独立元素，将其不同转向关系提取出来，并分析其交通信息路况。同时，作为路口之间道路段落的路段不再细分为不同转向，而是为路口细分为不同转向关系。这样，整个道路拓扑网络从地理空间上讲，就是由路段和路口构成，交通信息体现在路段和路口上。

根据本发明一方面，提出了一种道路网络表示方法，包括：

路口提取步骤，从道路地图的道路网络中提取与地理空间中道路路口相对应的各个部分及其属性，以获得路口及路口属性；

路段提取步骤，从道路地图的道路网络中提取所获得的路口中相邻路口之间的各个部分及其属性，以获得路段及路段属性；以及

道路网络表示步骤，采用所获得的路口及路口属性和路段及路段属性，来表示道路地图的道路网络。

优选地，路口属性至少包括路口名称和转向关系，路口名称对应于地理空间中道路路口的位置和转向关系，转向关系是对路口的各个转向的描述，至少包括每一个转向的地理路径和方向描述。路段属性至少包括起始路口和终止路口之间的地理路径。

道路地图可以包括一种或多种形式的地图，包括导航电子地图和城市道路地图。

优选地，在路口提取步骤中，针对道路地图中的每个道路名称，找到该道路名称对应的道路在各个行驶方向上的途经路径序列，并找到每个途经路径序列与属于其他道路名称的道路的途经路径序列的相交位置，作为与地理空间中道路路口相对应的部分。

根据本发明另一方面，提出了一种交通信息数据处理方法，包括：

转化步骤，根据一种或多种道路地图的道路网络与由路口和路段表示的道路网络的对应关系，将基于所述一种或多种道路地图的交通信息数据分别转化为路口和路段交通信息数据，其中，所述由路口和路段表示的道路网络是根据上述道路网络表示方法而获得的；以及

融合步骤，对转化得到的路口和路段交通信息数据进行融合，以获得统一的交通信息数据。

优选地，在融合步骤中，按照路口的转向关系，融合路口交通信息数据。

优选地，在融合步骤中，对相同路口的交通信息数据和相同路段的交通信息数据进行合并。

优选地，在融合步骤中，对相互关联的路口和路段的数据进行分析和组合，以获得包括该路口和路段的范围内的交通信息数据。

交通信息数据可以包括行驶速度、行驶时间或拥堵程度，在融合步骤中，计算路口的各个转向上的行驶速度、行驶时间或拥堵程度，和/或计算路段的行驶速度、行驶时间或拥堵程度。

优选地，上述处理方法还包括：

历史模式生成步骤，分析融合后的路口和路段交通信息数据，找出路口和路段交通信息数据的模式，以生成交通信息数据历史模式；以及

预测步骤，根据当前时间的路口和路段交通信息数据、以及生成的交通信息数据历史模式，预测未来时间的交通信息。

本发明还提出了相应的道路网络表示装置和交通信息数据处理系统。

附图说明

通过下面结合附图说明本发明的优选实施例，将使本发明的上述及其它目的、特征和优点更加清楚，其中：

图1是根据本发明实施例的道路网络表示装置的示意框图；

图2是道路网络表示装置执行的方法的流程图；

图3是道路网络表示装置获得的一部分道路网络表示的示例；

图4是不同类型的路口的示意图；

图5是根据本发明实施例的交通信息数据处理系统的示意框图；

图6是根据本发明另一实施例的交通信息数据处理系统的示意框图；

图7示出了根据本发明另一实施例的交通信息数据处理方法的流程图。

具体实施方式

实际生活中，交通信息的数据源多种多样，如测速雷达、线圈、摄像头等固定监控设备，浮动车网络、移动通信用户网络等移动探测设备，以及交通局的路况报告、人工采集员的信息报告、用户的即时上载等文本信息。这些数据源提供的交通信息可能基于简要的城市地图，也可能基于复杂的导航电子地图道路拓扑网络，也可能完全基于文字。不同的道路地图中道路网络的复杂程度和构成元素可能不同，通常难以确定基于不同道路地图的交通信息之间的关联。同时，在文本描述的交通信息和基于道路拓扑网络的交通信息之间，更难以确定彼此的关联。

为导航和路况报道的需要，交通信息数据通常是基于地理空间的，可能是具体的带有经纬度的地理位置信息，也可能是近似的已具有名称、方向等明确特征的道路信息。此外，在现实生活中，人们描述交通信息，通常使用道路和路口，如“北四环路拥堵了”、“学院桥西向东行驶缓慢”。这些信息，可以看作是交通信息描述的原子模型，可从人们可接受、可理解的最小粒度去描述交通信息，而对这些原子模型可以进行进一步的整合，得到更大范围的交通信息概括，如“整个四环都堵了”、“学院桥各方向都堵”。如果可以确定来自不同数据源的交通信息之间的关联，对其进行融合，那么就能够更加快速、准确地得到更大范围上的交通信息，并且可以更加有效地进行路况预测。例如，来自固定监控设备的交通信息是“学院路，南向北，行驶速度10公里/小时”，同时位于学院桥的人工采集员报告了“学院桥，西向南，拥堵”，如果能够自动确定这两种信息之间的关联，就能够通过融合两种信息，得到学院路从南向北、从北向南两个方向都可能拥堵了。

因此，需要一个通用的模型来模型化和处理交通信息，其能够将分别基于城市地图、导航地图、简要地图、文字地图等多种道路地图的不同描述形式的交通信息统一起来。

本申请发明人发现，交通信息的描述虽然是多种多样，但为导航和路况报道的需要，基本上都基于一个不重复的点和线构成的地理空间，这个点就是路口，这个线就是相邻路口之间的道路段落，在本发明中称为路段。这样，一系列间隔的点和线，就构成了一条道路，可以通过路口和路段，从道路层面上描述交通信息。此外，虽然不同的道路地图中道路拓扑网络的构成元素彼此不同，例如导航电子地图的道路网络由具有经度纬度信息的路链和节点构成，普通城市地图由特定名称的路径和交叉点构成，文字地图由道路名称、方向等描述构成，但是这些构成元素通常具有与上述路口和路段构成的地理空间的对应关系，例如代表某条道路的一部分的路链或路径通常具有该道路的名称，节点和交叉点也具有地理空间中路口的名称。因此，可以考虑将路口和路段构成的地理空间作为用于融合不同来源的交通信息数据的中间模型，当接收到不同来源的交通信息数据时，通过各种道路地图中道路拓扑网络的构成元素与路口和路段的对应关系，将基于不同构成元素的交通信息数据首先转化成路口和路段的交通信息数据，然后对其进行融合，以提供更加全面、准确的交通信息，用于路况报道、路况预测等。

基于上述发明构思，本发明提出了一种道路网络表示方法及装置，其采用路口和路段来表示道路网络，以建立能够兼容多种道路地图的中间模型。以下参照图1，具体描述根据本发明实施例的道路网络表示过程。

图1示出了根据本发明实施例的道路网络表示装置1，其包括：路口提取单元10，从道路地图的道路网络中提取与地理空间中道路路口相对应的各个部分及其属性，以获得路口及路口属性；路段提取单元20，从道路地图的道路网络中提取所获得的路口中相邻路口之间的各个部分及其属性，以获得路段及路段属性；以及道路网络表示单元30，采用所获得的路口及路口属性和路段及路段属性，来表示道路地图的道路网络。

如上所述，不同的道路地图的构成元素彼此不同，导航电子地图道路拓扑网络由路链和节点构成，包含了道路的拓扑关系，部分路链含有道路名称信息。一般情况下，双向行驶的道路由两条路径线路表示。城市地图道路网络一般以简要的道路路径表示城市地图，道路一般以实际路径的中心线表示，并有道路名称和路口名称。文本形式的道理地图也具有道路、路口名称。要建立这些地图之间的对应关系，可以从道路名称出发，找到每个道路名称对应的地理空间。在本实施例中，路口提取单元10从道路地图中获取各个道路名称，并针对每个道路名称，找到该道路名称对应的道路在各个行驶方向上的途经路径序列。这里的路径是对各种道路地图中构成道路的单元的通称，例如，路径可以是导航电子地图中的路链，可以是城市地图中的道路分段。优选地，途经路径序列可以是完整的途经地理路径，在每个行驶方向的路径都是连续的，如图3的箭头所示。优选地，地理空间中双向行驶的道路可以表示为两条单向行驶的道路，这两条单向道路可以具有相同的名称，即，该双向行驶的道路的名称。然后，对于每条道路，路口提取单元10找到其途经路径序列与属于其他道路名称的道路的途经路径序列的相交位置，作为与地理空间中道路路口相对应的部分，该部分就是该道路与其他道路交叉的路口。可以根据地理空间中相交道路的路口的位置和转向关系对路口进行命名，例如“XX道路到XX道路的路口”。如果路口本身具有名称，也可以从道路地图中直接获得该路口的名称，或者手动地设定日常生活中使用的名称，这样能够兼容日常使用的文本描述的地图。由此，路口提取单元10能够通过针对每个道路名称执行上述操作，得到所有的路口及其名称。

路口是一个地理空间，各个方向交通流汇集于此，在本发明中，路口作为用于描述交通信息的一个独立元素，需要对其进行细分，即，将其不同方向上的转向关系提取出来，以用于分析交通情况。例如，概括性的描述，“XX路口堵塞/速度10公里/小时”，对于分析和预测交通情况是不够的。如果能够获得更加具体的信息，例如，“XX路口，东向南，速度10公里/小时”，“XX路口，西向北，速度40公里/小时”则能够清楚地获知该路口东向南转向上可能发生了拥堵，而西向北转向上是畅通的。因此，车辆可以判断在该路口可以行使的路线，而不是仅仅获知该路口堵塞了。因此，除了名称属性之外，路口的属性至少还包括转向关系，转向关系是对路口的各个转向的描述，至少包括每一个转向的途经地理路径和方向描述。一般而言，一个普通的十字交叉路口可以具有12个转向方向(在本实施例中，将路口的直行方向也归入转向关系中)，包括从北向南、从南向北、从东向西、从西向东、从北向东、从东向北、从北向西、从西向北、从南向东、从东向南、从南向西、从西向南。为了为清楚描述路口的转向关系，在本发明实施例中，可以利用途经地理路径(通常包括进入道路、驶出道路)和方向描述来描述路口的转向关系，例如，对于“北四环到学院路的路口”，其转向关系可以包括“途经地理路径：进入-北四环，驶出-学院路，转向：从东向北”、“进入-学院路，驶出-转向：从南向东”，等等。作为示例，路口的转向关系还可以包括转向角度等描述。

此外，本领域技术人员可以理解，除了名称和转向关系，路口属性还可以包括其他内容，例如路口类型等。路口可以包括多种类型，例如，十字交叉路口、丁字路口、环岛路口、干道出口、干道入口、道路终点等，图4示意性示出了不同类型的路口。对于不同类型的路口，可以采用其他任何适当方法来表示路口属性。例如，对于干道出口/入口，可以明确地注明干道路径及辅道路径。

备选地，道路网络表示装置1还可以包括路口存储单元(未示出)，用于在路口提取单元10提取了路口和路口属性后，存储获得的路口和路口属性。

在由路口提取单元10获得了各个道路上的路口之后，路段提取单元20在道路地图的道路网络中，沿各个道路行驶方向提取所获得的路口中相邻路口之间的各个部分，作为路段。同时，路段提取单元20获得各个路段的属性，路段属性可以至少包括起始路口与终止路口之间的地理路径。此外，本领域技术人员可以理解，路段属性还可以包括其他内容，例如路段的方向、路段所在的道路的名称等。

备选地，道路网络表示装置1还可以包括路段存储单元(未示出)，用于在路段提取单元20提取了路段和路段属性后，存储获得的路段和路段属性。

此后，道路网络表示单元30采用所获得的路口及路口属性和路段及路段属性，来表示道路地图的道路网络。参见图3，示出了道路网络表示装置1获得的一部分道路网络表示的示例。图3中左上部分表示原始的交通流向，左下部分大括号内容表示路段，右边的图是路口与路段关系。Section 16、Section 26、Section 36是路段，在路口之间；Intersection 1是路口；ITR1、ITR2、ITR3、ITR4、ITR5均为Intersection 1的转向关系。

备选地，道路网络表示装置1还可以包括路口路段表示存储单元(未示出)，用于在道路网络表示单元30获得道路地图的路口和路段表示之后，存储获得的道路地图的道路网络的路口和路段表示。

图2示出了道路网络表示装置执行的方法的流程图。在步骤200，路口提取单元10从道路地图的道路网络中提取路口及路口属性，包括路口名称和转向关系。在步骤202，路段提取单元20从道路地图的道路网络中提取所获得的路口中相邻路口之间的路段及路段属性。最后，在步骤204，道路网络表示单元30采用所获得的路口及路口属性和路段及路段属性，来表示道路地图的道路网络。

如上所述，交通信息的描述基本上都基于一个不重复的点和线构成的地理空间，这个点就是路口，这个线就是相邻路口之间的路段。这样，一系列间隔的路口和路段，就构成了一条道路，这样，可以通过路口和路段，从道路层面上描述交通信息。那么，由路口和路段表示的道路网络也就可以用作兼容各种道路地图的中间模型，用于转化和统一基于各种道路地图的交通信息。此外，在路口和路段的道路网络表示中，路口和路段的属性描述实质上已包括了文本描述的地图，所以对于文本描述的交通信息、用户上传、人工采集的交通信息而言，路口和路段的道路网络表示也是适用的。

下面参照附图5，具体描述据本发明实施例的交通信息数据处理系统2，该处理系统2采用由路口和路段表示的道路网络来对来自不同数据源和/或基于不同道路地图的各种形式的交通信息数据进行转化和融合。

交通信息数据处理系统2包括：转化装置22，根据一种或多种道路地图的道路网络与由路口和路段表示的道路网络的对应关系，将基于所述一种或多种道路地图的交通信息数据分别转化为路口和路段交通信息数据，其中，由路口和路段表示的道路网络可以是由上述道路网络表示装置1预先获得并存储在路口路段表示存储单元中的；以及融合装置24，对转化得到的路口和路段交通信息数据进行融合，以获得统一的交通信息数据。备选地，交通信息数据处理系统2也可以包括上述道路网络表示装置1。

参见图3，交通信息数据处理系统2的输入可以包括来自各种数据源的各种形式的交通信息数据，例如包括：基于导航电子地图的道路网络的交通信息数据，其来自固定的交通监视装置、浮动车等；基于城市普通地图的道路网络的交通信息数据；按照固定格式表示的格式化交通信息数据，例如来自交通管理部门的信息；用户上传文本，其按照日常语言形式表示，在交通信息服务交流平台中使用，一般是自然语言表达。

上述前三种交通信息数据均是基于特定形式的道路网络，一般都具有固定的格式，例如基于导航电子地图的交通信息数据通常包括基于路链的道路行驶时间、行驶速度等信息，格式化交通信息数据通常基于对道路-路口-路段的交通状况的描述。因此，这些信息数据可以直接输入交通信息数据处理系统2进行处理。用户上传文本由于是自然语言表达，在输入之前需要对其进行自然语言处理(NLP)分析，可以采用现有技术中已知的NLP方法，参照NLP知识库进行自然语言处理分析，提取出有关的路口、道路等的名称以及路口、道路的交通状况。可以采用现有技术中已知的方法和装置来进行分析，在本发明中不再对其进行详细描述。

转化装置22接收以上各种形式的交通信息数据输入，并参照由路口和路段表示的道路网络，对这些交通信息数据进行转化，例如可以按照交通信息中的道路名称、方向、途经路径等，将交通信息数据分别与相应地路口和路段关联，得到路口和路段交通信息数据。转化后的路口和路段交通信息数据可以存储在存储单元中，或者直接提供给融合装置24。

融合装置24对转化得到的路口和路段交通信息数据进行融合，以获得统一的交通信息数据。交通信息数据可以包括行驶速度、行驶时间或拥堵程度，由此，融合装置24可以计算路口的各个转向上的行驶速度、行驶时间或拥堵程度，和/或计算路段的行驶速度、行驶时间或拥堵程度。对于路口，融合装置24可以按照路口的转向关系，融合路口交通信息数据，从而对路口的交通信息数据进行了各个方向上的细分，相对于笼统的“XX路口拥堵”等形式的描述，可以更加具体、清楚地反映路口的交通状况。

此外，由于存在多种形式的交通信息数据，在上述转化后的路口和路段交通信息数据中，一个路口和/或一个路段可能具有多个关联的交通信息数据。融合装置24可以融合针对一个路口和/或一个路段的交通信息数据，从而获得更加准确、可靠地交通信息。例如，对于同一路段，可以对多个交通信息数据中分别提供的该路段上的行驶时间进行平均，将平均值作为该路段的交通信息数据。备选地，可以按照不同的交通信息数据源的可信度和实时性，对不同来源的交通信息数据进行加权操作，例如，人工采集的交通信息数据的可信度和实时性一般高于交通监视装置提供的交通信息数据，因此可以向人工采集的交通信息数据分配较大权重，而向交通监视装置提供的交通信息数据分配较小权重，来进行加权平均运算。本领域普通技术人员可以理解，还可以采用现有技术中公知的各种方法来对同一对象的信息数据进行融合。

此外，来自不同数据源的交通信息数据可能提供了不同路口和/或路段的交通信息数据，由此在上述转化后的路口和路段交通信息数据中，可能存在路口/路段的交通信息数据、以及与该路口/路段关联的其他路段/路口的交通信息数据。融合装置24可以融合路口/路段、以及该路口/路段的关联路段/路口的交通信息数据，从而获得更大范围、更加全面的交通信息。例如，来自固定监控设备的交通信息是“学院路，南向北，行驶速度10公里/小时”，同时位于学院桥(北四环与学院路相交的路口)的人工采集员报告了“学院桥，西向南，拥堵”，如果能够自动确定这两种信息之间的关联，就能够通过融合两种信息，得到学院路从南向北、从北向南两个方向都可能拥堵了。另外，融合装置24可以对同一道路的路口和路段的交通信息数据进行融合，可以获得整条道路的交通状况。

本领域技术人员可以理解，根据实际应用和需要，融合装置24还可以对路口和路段交通信息数据进行其他方式的融合。本发明不限于上述融合方式。

融合后的路口和路段交通信息数据可以存储在存储单元或数据库中，以用于交通信息分析、预测、路况查询等。图6示出了根据本发明另一实施例的交通信息数据处理系统3的示意框图，在该处理系统3中，利用融合后的路口和路段交通信息数据进行路况的历史模式分析和路况预测，以提供给交通信息服务平台。

与上述交通信息数据处理系统2相比，该处理系统3的转化装置32和融合装置34与上述转化装置22和融合装置24在功能上分别相同，在此不再对其进行具体描述。此外，处理系统3还包括：历史模式生成装置36，分析融合后的路口和路段交通信息数据，找出路口和路段交通信息数据的模式，以生成交通信息数据历史模式；以及预测装置38，根据来自融合装置34的当前时间的路口和路段交通信息数据、以及生成的交通信息数据历史模式，预测未来时间的交通信息。

将融合装置34融合后的路口和路段交通信息数据提供给历史模式生成装置36，后者进行交通信息蓄积，作为历史信息，然后可以根据这些历史信息，获得路段和路口各个转向上的交通信息数据模式，例如，各个时间段上的平均形式时间或速度的曲线，作为历史模式，为预测和默认情况使用。预测装置38根据来自融合装置34的当前时间的路口和路段交通信息数据、以及历史模式生成装置36生成的交通信息数据历史模式，预测未来时间的交通信息。历史模式生成装置36和预测装置38的操作可以采用已知的现有技术，例如专利文献1中记载的模式生成和预测技术，这里不再对其进行详细描述。

预测装置38获得的路口和路段预测交通信息可以存储在存储单元中，提供给例如交通信息服务引擎/平台50，以利用预测的交通信息进行相关服务，如预测路况提供服务、驾车导航服务等。

图7示出了根据本实施例的交通信息数据处理方法的流程图。在步骤700，转化装置32接收来自不同数据源的交通信息数据，参照由路口和路段表示的道路网络，将交通信息数据分别转化为路口和路段交通信息数据。在步骤702，融合装置34对转化得到的路口和路段交通信息数据进行融合，以获得统一的交通信息数据。在步骤704，历史模式生成装置36，分析融合后的路口和路段交通信息数据，找出路口和路段交通信息数据的模式，以生成交通信息数据历史模式。在步骤706，预测装置38根据来自融合装置34的当前时间的路口和路段交通信息数据、以及生成的交通信息数据历史模式，预测未来时间的交通信息。

以上描述了根据本发明具体实施例的交通信息数据处理方法和装置，其中，将路口和路段构成的地理空间作为用于融合不同来源的交通信息数据的中间模型，当接收到不同来源的交通信息数据时，通过各种道路地图中道路拓扑网络的构成元素与路口和路段的对应关系，将基于不同构成元素的交通信息数据首先转化成路口和路段的交通信息数据，然后对其进行融合，以提供更加全面、准确的交通信息，用于路况报道、路况预测等。

应当注意的是，在以上的描述中，仅以示例的方式，示出了本发明的技术方案，但并不意味着本发明局限于上述步骤和单元结构。在可能的情形下，可以根据需要对步骤和单元结构进行调整和取舍。因此，某些步骤和单元并非实施本发明的总体发明思想所必需的元素。因此，本发明所必需的技术特征仅受限于能够实现本发明的总体发明思想的最低要求，而不受以上具体实例的限制。

本发明具有如下优点：充分考虑了日常语言描述的交通信息特征，提出以路段、路口表示的道路网络作为中间模型，并建立不同层次地图与路段、路口的对应关系；强调了路口作为道路网络枢纽节点的重要性，将其不同转向路径进行了精细化抽取，能更准确的处理交通数据；充分考虑了交通流的特征，同一路段上的交通信息基本一致，而在路口转向处交通信息更有可能显现出不同，这样的考虑，是交通信息数据的处理更具有精确性；能兼容不同形式的地图表示，具备通用性。

至此已经结合优选实施例对本发明进行了描述。应该理解，本领域技术人员在不脱离本发明的精神和范围的情况下，可以进行各种其它的改变、替换和添加。因此，本发明的范围不局限于上述特定实施例，而应由所附权利要求所限定。

Claims (19)

1.一种道路网络表示方法，包括：

路口提取步骤，从道路地图的道路网络中提取与地理空间中道路路口相对应的各个部分及其属性，以获得路口及路口属性，路口属性至少包括转向关系，转向关系是对路口的各个转向的描述，至少包括每一个转向的地理路径和方向描述；

路段提取步骤，从道路地图的道路网络中提取所获得的路口中相邻路口之间的各个部分及其属性，以获得路段及路段属性；以及

道路网络表示步骤，采用所获得的路口及路口属性和路段及路段属性，来表示道路地图的道路网络。

2.根据权利要求1所述的方法，其中，路口属性还包括路口名称，路口名称对应于地理空间中道路路口的位置和转向关系。

3.根据权利要求1所述的方法，其中，路段属性至少包括起始路口和终止路口之间的地理路径。

4.根据权利要求1所述的方法，其中，道路地图包括一种或多种形式的地图，包括导航电子地图和城市道路地图。

5.根据权利要求1所述的方法，其中，在路口提取步骤中，针对道路地图中的每个道路名称，找到该道路名称对应的道路在各个行驶方向上的途经路径序列，并找到每个途经路径序列与属于其他道路名称的道路的途经路径序列的相交位置，作为与地理空间中道路路口相对应的部分。

6.一种交通信息数据处理方法，包括：

转化步骤，根据一种或多种道路地图的道路网络与由路口和路段表示的道路网络的对应关系，将基于所述一种或多种道路地图的交通信息数据分别转化为路口和路段交通信息数据，其中，所述由路口和路段表示的道路网络是根据权利要求1-5之一所述的道路网络表示方法而获得的；以及

融合步骤，对转化得到的路口和路段交通信息数据进行融合，以获得统一的交通信息数据。

7.根据权利要求6所述的方法，其中，在融合步骤中，按照路口的转向关系，融合路口交通信息数据。

8.根据权利要求6所述的方法，其中，在融合步骤中，对相同路口的交通信息数据和相同路段的交通信息数据进行合并。

9.根据权利要求6所述的方法，其中，在融合步骤中，对相互关联的路口和路段的数据进行分析和组合，以获得包括该路口和路段的范围内的交通信息数据。

10.根据权利要求6所述的方法，其中，交通信息数据包括行驶速度、行驶时间或拥堵程度，

在融合步骤中，计算路口的各个转向上的行驶速度、行驶时间或拥堵程度，和/或计算路段的行驶速度、行驶时间或拥堵程度。

11.根据权利要求6所述的方法，还包括：

历史模式生成步骤，分析融合后的路口和路段交通信息数据，找出路口和路段交通信息数据的模式，以生成交通信息数据历史模式；以及

预测步骤，根据当前时间的路口和路段交通信息数据、以及生成的交通信息数据历史模式，预测未来时间的交通信息。

12.一种道路网络表示装置，包括：

路口提取单元，从道路地图的道路网络中提取与地理空间中道路路口相对应的各个部分及其属性，以获得路口及路口属性，路口属性至少包括转向关系，转向关系是对路口的各个转向的描述，至少包括每一个转向的地理路径和方向描述；

路段提取单元，从道路地图的道路网络中提取所获得的路口中相邻路口之间的各个部分及其属性，以获得路段及路段属性；以及

道路网络表示单元，采用所获得的路口及路口属性和路段及路段属性，来表示道路地图的道路网络。

13.根据权利要求12所述的装置，其中，路口提取单元针对道路地图中的每个道路名称，找到该道路名称对应的道路在各个行驶方向上的途经路径序列，并找到每个途经路径序列与属于其他道路名称的道路的途经路径序列的相交位置，作为与地理空间中道路路口相对应的部分。

14.一种交通信息数据处理系统，包括：

转化装置，根据一种或多种道路地图的道路网络与由路口和路段表示的道路网络的对应关系，将基于所述一种或多种道路地图的交通信息数据分别转化为路口和路段交通信息数据，其中，所述由路口和路段表示的道路网络是由权利要求12或13之一所述的道路网络表示装置获得的；以及

融合装置，对转化得到的路口和路段交通信息数据进行融合，以获得统一的交通信息数据。

15.根据权利要求14所述的系统，其中，融合装置按照路口的转向关系，融合路口交通信息数据。

16.根据权利要求14所述的系统，其中，融合装置对相同路口的交通信息数据和相同路段的交通信息数据进行合并。

17.根据权利要求14所述的系统，其中，融合装置对相互关联的路口和路段的数据进行分析和组合，以获得包括该路口和路段的范围内的交通信息数据。

18.根据权利要求14所述的系统，其中，交通信息数据包括行驶速度、行驶时间或拥堵程度，

融合装置计算路口的各个转向上的行驶速度、行驶时间或拥堵程度，和/或计算路段的行驶速度、行驶时间或拥堵程度。

19.根据权利要求14所述的系统，还包括：

历史模式生成装置，分析融合后的路口和路段交通信息数据，找出路口和路段交通信息数据的模式，以生成交通信息数据历史模式；以及

预测装置，根据当前时间的路口和路段交通信息数据、以及生成的交通信息数据历史模式，预测未来时间的交通信息。

Images