CN103512581B - 一种路径规划方法和装置 - Google Patents
一种路径规划方法和装置 Download PDFInfo
- Publication number
- CN103512581B CN103512581B CN201210224019.5A CN201210224019A CN103512581B CN 103512581 B CN103512581 B CN 103512581B CN 201210224019 A CN201210224019 A CN 201210224019A CN 103512581 B CN103512581 B CN 103512581B
- Authority
- CN
- China
- Prior art keywords
- section
- road
- intention type
- weight
- book
- 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
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本申请提供了一种路径规划方法和装置,涉及地图导航领域。本申请的方法包括:提取用户输入的起终点和意图类型;根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布;所述意图类型的权重通过对与所述路网数据相匹配的路书进行分析获得;根据起终点之间的各路段对应的所述意图类型的权重分布在路网数据中进行匹配搜索,选取所述意图类型的权值最优的各路段进行关联组合,得到所述意图类型对应的个性化路径。本申请通过路书获取与传统基本属性维度不同的各特征属性维度,可更准确有效的进行导航规划,可以根据用户的个性化需求搜索相应的最优路径。
Description
技术领域
本申请涉及地图导航领域,特别是涉及一种路径规划方法和装置。
背景技术
道路的路径导航是GPS技术领域中的一种典型应用,目前已经开始被广泛应用。在现有技术中,路径规划是基于路网拓扑关系,考虑路网数据中的相关道路基本属性,比如道路的等级、车道数、十字路口数量、红绿灯的数量等基本属性,利用拓扑算法给出起点和终点之间的总距离最短或总耗时最短等路径方案。
但现有技术中,主要是参考道路本身的基本属性进行拓扑计算,得到的只是简单的路程最短或者时间最短等基本情况的路线,而对于复杂情况的路线则无法进行规划,比如该路径的路况是否有修路、集市等意外情况,路径是否容易被驾驶者识别,是否适合初学者驾驶等情况,现有技术均无法进行准确有效的导航规划,进而无法适应用户的各种个性化需求。
发明内容
本申请所要解决的技术问题是提供一种路径规划方法和装置,解决现有技术中无法分析复杂路线的最优路径的情况,能根据用户路书提供的信息,对于用户的个性化路线规划请求,进行准确有效的导航规划。
为了解决上述问题,本申请公开了一种路径规划方法,包括:
提取用户输入的起终点和意图类型;
根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布;所述意图类型的权重通过对与所述路网数据相匹配的路书进行分析获得;
根据起终点之间的各路段对应的所述意图类型的权重分布在路网数据中进行匹配搜索,选取所述意图类型的权值最优的各路段进行关联组合,得到所述意图类型对应的个性化路径。
优选的,根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布时:
根据所述意图类型读取相应路段对应的权重因子表;所述权重因子表中包括了每条路段对应的各特征属性维度的权重信息;
利用各路段对应的各特征属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重;所述特征属性维度的属性值通过在路网数据中匹配分析全网用户提交的路书获得。
优选的,所述特征属性维度的属性值通过在路网数据中匹配分析全网用户提交的路书获得包括:
提取全网用户提交的各路书;
筛选出路网数据中与所述路书中每一路段相匹配的目标路段,并将所述路书相应路段的各特征属性维度与所述目标路段关联。
优选的,所述筛选出路网数据中与所述路书中每一路段相匹配的目标路段,并将所述路书相应路段的各特征属性维度与所述目标路段关联,包括:
将所述路书中的每一路段引入所述路网数据中作为原始路段;
通过路网数据的空间索引,使用所述原始路段的最小外接矩形查找在所述原始路段指定范围内的各目标路段;
计算各目标路段到所述原始路段的距离,并保留距离小于容差的目标路段;
逐条计算原始路段中的每一个线内点与各距离小于容差的目标路段的距离,记录各距离最短时对应的各目标路段作为备选路段集合;所述线内点为组成各原始路段的坐标点;
取各原始路段对应的所述备选路段集合的交集作为路网数据中与所述路书中每一路段空间位置、形状和走向相匹配的目标路段,并将路书数据中原始路段对应的各特征属性维度与所述目标路段关联。
优选的,还包括:当所述路书由用户根据GPS轨迹路线进行制作时,
对于所述路书中的任一路段,当在路网中不存在与所述路段匹配的目标路段时,将所述路段更新至路网数据中。
优选的,还包括:
分析各路书的点评记录以评价所述路书的置信度;所述路书的点评记录包括用户评分、用户浏览量、用户点评量和发送次数;
当所述置信度大于置信阈值时,则在路网数据中匹配分析所述路书,获得路书中每条路段对应的各特征属性维度的属性值。
优选的,所述权重因子获得步骤包括:
针对每一意图类型选取各特征属性维度的权重因子的初始值;
选取所述意图类型的路书,并提取所述路书记录的基准路径;
提取所述基准路径的起点和终点,及相应的意图类型生成路径规划请求,并将基准路径中各路段的权重因子的初始值带入所述权重因子表,在路网中搜索最优路径;
将所述最优路径与所述基准路径进行比较,当匹配度小于阈值时,则调整所述权重因子的初始值,继续在路网中搜索最优路径,直至最优路径与所述基准路径的匹配度大于或等于阈值,则将相应调整后的所述权重因子的初始值作为所述路段上各意图类型对应的特征属性维度的权重因子。
优选的,所述权重因子获得步骤包括:
提取路书数据中各路段对应的行车信息和/或用户文本;
分析行车信息和/或用户文本中对应所述路段的各特征属性维度的评价值;
针对每一意图类型,将所述意图类型对应的各特征属性维度的评价值进行归一化,得到所述路段上各意图类型对应的特征属性维度的权重因子。
优选的,所述分析用户文本中对应所述路段的各特征属性维度的评价值时,
提取所述用户文本中的关键字,将所述关键字在特征模型中进行匹配,从而得到所述路段的各特征属性维度的评价值;
所述特征模型记录了各关键词与各特征属性维度的关联程度,用于判定关键字对应的特征属性维度的权重因子。
优选的,所述权重因子表还包括各路段对应的基本属性维度的权重信息。
优选的,获取路网数据中各路段对应的所述意图类型的权重分布包括:
综合各路段对应的各特征属性维度和各基本属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重。
相应的本申请还公开了一种路径规划装置,包括:
请求解析模块,用于提取用户输入的起终点和意图类型;
路段权重获取模块,用于根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布;所述意图类型的权重通过对与所述路网数据相匹配的路书进行分析获得;
搜索计算模块,用于根据起终点之间的各路段对应的所述意图类型的权重分布在路网数据中进行匹配搜索,选取所述意图类型的权值最优的各路段进行关联组合,得到所述意图类型对应的个性化路径。
优选的,所述路段权重获取模块包括:
权重因子表读取模块,用于根据所述意图类型读取相应路段对应的权重因子表;所述权重因子表中包括了每条路段对应的各特征属性维度的权重信息;
权重计算模块,用于利用各路段对应的各特征属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重;所述特征属性维度的属性值通过在路网数据中匹配分析全网用户提交的路书获得。
优选的,还包括:
路书提取模块,用于提取全网用户提交的各路书;
路书匹配模块,用于筛选出路网数据中与所述路书中每一路段相匹配的目标路段,并将所述路书相应路段的各特征属性维度与所述目标路段关联。
优选的,所述路书匹配模块包括:
空间索引建立模块,用于为路网建立空间索引;所述路网与所述路书使用的路网同源;
原始路段引入模块,用于将所述路书中的每一路段引入所述路网数据中作为原始路段;
空间匹配模块,用于通过路网数据的空间索引,使用所述原始路段的最小外接矩形查找在所述原始路段指定范围内的各目标路段;
粗筛模块,用于计算各目标路段到所述原始路段的距离,并保留距离小于容差的目标路段;
细筛模块,用于逐条计算原始路段中的每一个线内点与各距离小于容差的目标路段的距离,记录各距离最短时对应的各目标路段作为备选路段集合;所述线内点为组成各原始路段的坐标点;
匹配模块,用于取各原始路段对应的所述备选路段集合的交集作为路网数据中与所述路书中每一路段空间位置、形状和走向相匹配的目标路段。
优选的,还包括:
路网数据更新模块,用于当所述路书由用户根据GPS轨迹路线进行制作时,对于所述路书中的任一路段,当在路网中不存在与所述路段匹配的目标路段时,将所述路段更新至路网数据中。
与现有技术相比,本申请包括以下优点:
本申请通过对用户提交的大量路书进行分析,获取路书中对应各路段的各特征属性维度的权重,并对路网数据原有的基本属性维度和各特征属性维度设置各种对应的权重因子列表,重新规划路网拓扑结构中每条路段对应的意图权重;然后对于用户端的个性化的路径规划请求的意图类型,获取各路段相应意图类型的意图权重,在路网中搜索用户端请求的起点至终点的最优路径。在本申请中,可以采集用户提交的路书中的大量数据,获取与传统基本属性维度不同的各特征属性维度,比如道路的路况是否简单,道路是否容易识别,道路周围环境是否优美,道路周围饮食是否方便等特征属性维度,可更准确有效的进行导航规划,更进一步的说,针对用户的不同的个性化需求,本申请可以根据用户的个性化需求搜索相应的个性化路径。
附图说明
图1是本申请一种路径规划方法的流程图;
图2是本申请一种路径规划方法中路书分析处理流程图;
图3是本申请一种路径规划方法中路书数据与路网数据匹配的流程图;
图4是本申请一种路径规划方法进行路网匹配的示例图;
图5是本申请一种路径规划装置的结构示意图;
图6是本申请一种路书分析模块结构示意图;
图7是本申请一种路书匹配模块结构示意图;
图8是本申请优选的一种路径规划系统的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
路书,就是详细的自驾出行备忘录,可以是为出行做的线路详细准备,也可以是回程后的出行总结。好的路书,会包括每天详细行程安排,行车路线(包括途经的地点、里程、道路特点等),还有途经的景点风光简介、食宿安排、天气状况等。
路书的制作,是由用户使用路书编辑工具,对行车路线进行规划,依据编辑工具背后的各种路网信息,通过基于几何逻辑的数学算法,给出两点之间的联通路径,同时在路径上补充沿途的各个关键点的信息;同时也支持用户将GPS设备记录的轨迹路线,在旅途结束之后按路段输入自己的见闻和趣事,直接生成路书。
在本申请中,所述的路书各特征属性维度以结构化数据形式呈现和生成。即本申请中会对路书制作进行结构化设置,设置各种特征维度并接受用户对各特征属性维度的评价值,比如安全系数:0~100分或者高、中、低级等形式的评价值,以便用户制作路书根据其实际情况进行评价。大量的用户制作出大量的路书,而这些路书是用户真实出行回来后制作的,为真实的用户数据;路书里面会有用户记录下来的加油、吃饭、住宿、沿途风景、照片、路面实际质量、实际拥堵状况、路桥费用、沿途服务区、大车货车多不多等实际情况。而本系统根据对用户的外出行为分析,得出一些关键的属性字段。例如安全系数、拥堵系数、风景优美系数等,多种分类的属性字段构成了路书的特色信息,即本申请会将各种特征属性维度进行结构化设置,方便用户进行制作和评价。用户在制作路书时,本申请会在前端引导用户在路网上填写相应的特色信息指数,比如本申请可将各分类的各特征属性维度在路书制作平台进行结构化呈现,使用户可以将其记录的各种信息结构化,并提交到系统后台。
本申请的核心思想之一在于,利用网络中大量用户在与路网同源的路网数据中制作的结构化的路书,从中提取现有技术中地图数据提供商无法提供的各特征属性维度的属性值。现有技术中从背后的数据要素说,目前参与路径规划的计算参数,比如道路等级、车道数量、速度值等都是相对静态的、局限的,反映的都是对于拓扑算法计算出的方案是否可行/对错等中性意义上的情况,而实际中,道路实际行走情况及道路周边的环境等情况则无法进行反映,而通过大量实际行驶过的用户制作的路书,可大大增加计算参数的范围,可针对不同的应用环境规划相应的路径,比如路径是否适合初学者驾驶,路径是否适合越野探险等情况。即本申请在在规划线路时,用以往积累的大量用户制作的路书辅以参考,得出一条满足当前用户的个性化出行意图,准确度、时效性很高的路线。
参照图1,示出了本申请一种路径规划方法的流程示意图,具体可以包括:
步骤110,提取用户输入的起终点和意图类型。
即解析用户端发送的路径规划请求,获得包括路径起点、终点和意图类型的数据。
在本申请中,用户端可以在PC端发起路径规划请求,也可以在其他移动终端中发起路径规划请求,所述请求中包括路径起点、终点和意图类型;其中所述意图类型可以包括一个意图类型,也可以包括多个意图类型。
本申请则解析用户端发送的路径规划请求,获取获得包括路径起点、终点和意图类型的数据。其中,当包括多个意图类型时,本申请则解析多个意图类型,并通过后续步骤针对每个意图类型搜索对应的最优路径。
步骤120,根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布;所述意图类型的权重通过对与所述路网数据相匹配的路书进行分析获得;
在解析到用户请求中的意图类型后,根据所述意图类型获取相应类型的各路段的权重。
其中,根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布时,包括:
步骤S121,根据所述意图类型读取相应路段对应的权重因子表;所述权重因子表中包括了每条路段对应的各特征属性维度的权重信息;
步骤S122,利用各路段对应的各特征属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重;所述特征属性维度的属性值通过在路网数据中匹配分析全网用户提交的路书获得。
优选的,所述权重因子表还包括各路段对应的基本属性维度的权重信息。获取路网数据中各路段对应的所述意图类型的权重分布包括:
综合各路段对应的各特征属性维度和各基本属性维度的属性值,与相应的权重因子进行计算,从而获得各路段对应的意图类型的权重。
在本申请中,所述权重可通过利用每条路段的各基本属性维度和各特征属性维度的属性值,与相应的权重因子计算获得。所述每条路段各特征属性维度的属性值通过前述步骤在路网中分析用户提交的路书获得。其中,基本属性维度为现有技术中路网数据的参数,比如路长、道路等级、十字路口数量等。特征属性维度为本申请通过路书分析获得的参数、比如安全系数、风景优美系数,拥堵系数、常走大车系数等。
得到所述权重因子表后,结合权重公式利用每条路段的各基本属性维度和各特征属性维度的权重信息,与所述权重因子表中相应的权重因子计算获得各路段对应意图类型的权重。
本路段对应意图类型的权重公式可为:Wn=A*a%+B*b%+C*c%...
其中,Wn表示意图类型的权重,大写字母A、B......是相应基本属性维度或特征属性维度的属性值,a%、b%......是该基本属性维度或特征属性维度的权重因子,即属性贡献比例。特色信息:车辆少、路况好、饭菜好吃、风景优美等为特征属性维度。
各特征属性维度的权重因子按意图类型进行配置,一种意图类型对应一组特征属性维度的权重因子。例如,用户需要意图类型为适合新手司机的自驾方案,则路况好、大车少的这类特征属性维度就会有较高的权重因子。同样用户需要意图类型为旅行游玩的方案时,则风景好、有饭店、有住宿的这类特征属性维度就会给到较高的权重因子。比如:
适合新手司机=大车少*30%+道路等级*35%+拥堵系数*30%+....
旅行游玩=风景好*40%+有住宿*20%+有饭店*30%+...
步骤S121和S122,可以在路径规划引擎收到用户端的路径规划请求后执行,也可在其之前执行,具体情况本申请不对其加以限制。
其中,某路段某一意图类型的特征属性维度和基本属性维度的权重信息下表:
其中,道路等级和道路长度是基本属性维度,为现有技术中存在的数据。拥堵系数、风景系数、安全系数、车辆数量系数等为特征属性维度,为本申请通过对路书的分析得到。
在其他实施例中,仅由各路段对应的各特征属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重。
优选的,所述每条路段的各特征属性维度的权重因子获得步骤包括:
步骤P11,针对每一意图类型的权重因子,选取各权重因子的初始值;
对于每一意图类型,相对其各特征属性维度的各权重因子,可预先通过人工分析给出初始值。
步骤P12,选取所述意图类型路书,并提取所述路书的基准路径;
然后可选取所述意图类型的一份路书,选取时可选择置信度高的路书,然后冲其中提取基准路径,即路书中涉及到的各条路段组成的路径,并进行记录。
步骤P13,提取所述基准路径的起点和终点,及相应的意图类型生成路径规划请求,并将基准路径中各路段的权重因子的初始值带入所述权重因子表,在路网中搜索最优路径;
基于所述提取所述基准路径的起点和终点,及相应的意图类型生成路径规划请求,并将所述将基准路径中各路段的权重因子的初始值带入所述权重因子表。将所述路径规划请求输入地图系统的路径规划引擎,由路径规划引擎通过步骤120至130,将所述权重因子带入所述权重因子表,在路网数据中搜索,得到最优路径。
步骤P14,将所述最优路径与所述基准路径进行比较,当匹配度小于阈值时,则调整所述初始值,继续在路网中搜索最优路径,直至最优路径与所述基准路径的匹配度大于或等于阈值,则将相应的修改后的初始值作为所述意图类型最终的权重因子。
将步骤P13得到最优路径的各路段与所述基准路径的各路段进行匹配比较,获得最优路径和基准路径的匹配度。匹配时可将步骤P13得到最优路径从起点开始的路段逐条与基准路径从起点开始的路段进行坐标距离计算匹配,获得匹配度。当匹配度小于阈值时,则调整所述各特征属性维度的权重因子的初始值,继续在路网中搜索最优路径,直至最优路径与所述基准路径的匹配度大于或等于阈值,则将相应的修改后的各特征属性维度的权重因子的初始值作为所述意图类型最终的权重因子。
步骤P11至步骤P14可针对已知意图类型的路书进行分析,用户在行驶完毕后上传路书时往往先行指定该路书对应的意图类型,根据该意图类型从而确定对应路段中各特征属性维度的权重因子。
在其他实施例中,所述权重因子表中可只包括每条路段对应的各特征属性维度的权重因子,利用各路段对应的各特征属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重。
优选的,所述路网数据中各路段对应的特征属性维度的权重因子获得步骤包括:
步骤P21,提取路书数据中各路段对应的行车信息和/或用户文本;
用户在行驶完毕后上传路书时,需通过车载GPS设备上传行驶路线,并根据行驶路线填写对应的信息,从而形成路书数据。
本实施例中,从车载GPS设备中提取用户的行车信息,所述行车信息包括记录该路书数据的对应车辆的车速、在对应路段的停留时间等。将各路段对应的行车信息,和/或用户文本进行提取,从而进一步对路段的各特征属性维度进行分析。在本申请中,用户文本包括用户的感言,游记、点评之类主动上传的文字,体现对应路段的情况:比如某个路段有定期集市、某个路段风景非常好、某些路段的路段标志易识别适合新手等,文字信息。
步骤P22,分析行车信息和/或用户文本中对应所述路段的各特征属性维度的评价值;
分析行车信息中对应所述路段的各特征属性维度的评价值时,由于行车信息可以直观地反映出行车的状态,也就反映了所在路段特征属性维度的情况:如某路段的行车信息中车速慢,或车速正常、但停留频繁等,将行车信息存储为结构化数据后直接换算为对应的评价值,从而作为判断意图类型的参考。
分析用户文本中对应所述路段的各特征属性维度的评价值时,将提取的用户文本进行文本切分,滤除诸如“的”、“了”等的无意义的词,并对文本信息进行分析,比如首先对文本信息进行词性标注,然后通过词表判断名词或名词性语素的词义,然后根据名词后的形容词或者形容词性语素判断所述名词的感情色彩倾向,所述感情色彩倾向比如:非常好10分、好8分、较好6分、一般4分,较差0分,差-2分,非常差-4分等。根据用户文本对应的关键字,将所述关键字在特征模型中进行匹配,从而得到各特征属性维度的评价值,使用户文本通过特征模型以结构化信息的形式作为判断意图类型的参考。
所述特征模型相当于分类器,记录了用户文本中的各关键词与各特征属性维度的关联程度,用于判定关键字对应的特征属性维度的权重因子,进而判定路书中的各关键字对应的意图类型分布。
如用户文本对应的关键词中有大量景点的名称,且有“美”、“好”等感情色彩明显的关键词,在特征模型中进行匹配时,各关键词对应“景色好”特征属性维度的评价值会较大,则表示该用户文本在“旅行游玩”意图类型中分布较多。
步骤P23,针对每一意图类型,将对应的各特征属性维度的评价值进行归一化,得到所述路段上各意图类型对应的特征属性维度的权重因子。
当得到各用户在一个路段中的各特征属性维度的评价值后,即可对评价值按意图类型的分布进行归一化,得到的值即可作为所述路段的各意图类型对应的特征属性维度的权重因子。
步骤P21至P23可针对未知意图类型的路书进行分析,用户在行驶完毕后上传路书时有时不指定该路书对应的意图类型,另外对于服务器中已上传的没有指定意图类型的路书数据,可采取步骤P21至P23的方式确定对应路段中各特征属性维度的各权重因子。
在本申请中,在本申请的路径规划引擎对路径规划请求进行处理之前,还包括:
通过在路网中匹配分析用户提交的路书获得每条路段各特征属性维度的属性值。
优选的,参照图2,获得每条路段各特征属性维度的属性值包括:
路书提取步骤S101:提取全网用户提交的各路书数据。
路书匹配步骤S102:针对每一路书中的每一路段,筛选出路网中与所述路书中每一路段空间位置、形状和走向相匹配的目标路段,并将所述路书相应路段的各属性维度及其特征值与所述目标路段关联。
得到每条路段各特征属性维度的属性值后,综合基本属性维度的特征值、基本属性维度和特征属性维度的权重因子一起计算,得到对应路段的意图类型的权重。
而本申请的步骤S101,则从后台提取各用户提交的各路书数据,然后转入步骤S102进行矢量数据空间匹配算法分析。
在其他实施例中,得到每条路段各特征属性维度的属性值后,仅与特征属性维度的权重因子一起计算,得到对应路段的意图类型的权重。
优选的,参照图3,步骤S102,针对每一路书中的每一路段,筛选出路网数据中与所述路书数据中每一路段空间位置、形状和走向相匹配的目标路段,并将所述路书相应路段的各属性维度及其特征值与所述目标路段关联包括:
步骤A1,将所述路书中的每一路段引入所述路网数据中作为原始路段;
本实施例中,路径规划引擎使用的路网数据与用户制作的路书使用的路网数据格式相同。因此可为路径规划引擎使用的路网建立一个空间索引。空间索引可使用四叉树建立,也可用其他方式建立,本申请不对其加以限制。在地图领域中,空间索引是栅格形式,当使用四叉树建立空间索引时,从大至小以栅格的形式关联,四叉树索引就是递归地对地理空间进行四分,直到达到终止条件为止(比如每个四叉树的节点关联图元的个数不超过3个,超过3个,就再四分),最终形成一颗有层次的四叉树。
步骤A2,通过路网数据的空间索引,使用所述原始路段的最小外接矩形查找在所述原始路段指定范围内的各目标路段;
本步骤包括:步骤A21,对于路书中的每一条路段,将所述路段引入所述路网中作为原始路段,并选定所述原始路段的最小外接矩形。
因为路书与路径规划引擎使用的是同一套空间坐标系,那么路书中的路段相应也可在所述路网中找到对应的原始路段,那么即可针对路书中的每一条路段,将所述路段引入所述路网中作为原始路段,并选定所述原始路段的最小外接矩形。
比如赤道为x轴,从西向东为正方向,以本初子午线为y轴,从南至北为正方向。那么如果路书中对应的起点为(30.0000,40.0000),终点为(31.0000,39.0000),起始点和终点之间按顺序包括多个线内点(由各点采用连线连接组成路段,那么这些组成路段的点即为线内点。)O1,O2,......On,每个线内点的坐标也均知道,那么即可将该路书中的路段引入路径规划引擎的路网中,基于前述各线内点的坐标在路网中将路段描绘出来,获得路网中的原始路段,然后也可基于各点的坐标画出最小外接矩形。
步骤A22,使用所述最小外接矩形,通过路网的空间索引,查找距离所述原始路段指定范围内的各目标路段。
在路网中所述的最小外接矩形肯定会与四叉树索引中的某些栅格相交,通过相交的栅格从低级至高级逐级查找判断所述最小外接矩形在空间索引中关联的某一层级的栅格,然后在该栅格内查找距离所述原始路段指定范围内的各目标路段。其中,目标路段和原始路段之间的距离可用两条路段上线内点的最小距离表示,所述指定范围可根据实际情况设定为10公里,也可设置其他的距离范围。
如前所述空间索引一般采用四叉树进行构建,那么整张路网数据则划分为从最高层到最底层,每层的栅格层层关联。比如路网索引建立了3层,第一层将地图分平均为1、2、3、4块栅格,那么第二层中,将1分平均为11、12、13、14块栅格,将2分平均为21、22、23、24块栅格,将3分平均为31、32、33、34块栅格,将4分平均为41、42、43、44块栅格;第三层中,将11平均分为111、112、113、114块栅格,将12平均分为121、122、123、124块栅格,将13平均分为131、132、133、134块栅格,其他依次类推。那么一条路段的最小外接矩形必与第三层的部分栅格相交或者重叠,那么可根据低层与高层的对应关系,找到包括所述最小外接矩形的一块栅格,其中,在查找栅格时递归查找,一般找到第一个包括所述最小矩形的栅格为止,在该栅格内继续查找距离所述原始路段指定范围内的各目标路段。
本步骤即寻找与所述原始路段所在空间位置相近的路段。
步骤A3,计算每一条目标路段的起点和终点到所述原始路段起点和终点的距离,并保留距离小于容差的目标路段;
其中容差表示允许的误差范围,比如:对于标准距离为10,容差为5,那么在10±5范围内均符合要求。
参照图4,其示出了本申请路网匹配过程中的一种示例,图中黑色虚线为由路书引入的原始路段,黑色实线为路网数据中的目标路段。
在选择得到空间位置相近的路段后,本步骤对其进行粗筛。
对于每一条目标路段,均存在其起点和终点,那么可计算起点到原始路段的第一距离,和终点到原始路段的第二距离,当第一距离和/或第二距离小于容差时,保留相应的目标路段。其中所述容差可根据实际精度需求情况设置,比如小于5公里等。
比如图4中,目标路段M1与原始路段距离大于容差,所以筛除,剩余的目标路段包括:A1、B1、C1、D1、A2、E1、......An、Dn。
步骤A4,逐条计算原始路段中的每一个线内点与各距离小于容差的目标路段的距离,记录各距离最短时对应的各目标路段作为备选路段集合;
对于保留的各目标路段,逐个计算原始路段中的每一个线内点与各目标路段的距离,记录距离最短的目标路段作为所述线内点的路段集合;
本步骤是对步骤A3进行初筛保留的目标路段进行细筛。
在路网构建时中,每一条路段均是通过打点然后连接得到的,即每一条路段均存在线内点,当然线内点也包括起点、终点,和与其他路段相交的交点。
本步骤可从路段一端的线内点开始,比如从起点到终点的所有线内点为(起点,O1,O2......On,终点),那么从起点开始,逐个计算保留的各目标路段与各线内点的距离,并对应每个线内点保留其距离最近的目标路段作为该线内点对应的路段集合。
比如图4中,比如与起点距离最近的路段集合为{A1、B1、C1},与O1点最近的路段集合为{C1、D1、E1},与O2点最近的路段集合为{A2、C1、E1},......与终点最近的路段集合为{C1,An,Dn}。
步骤A5,取各原始路段对应的所述备选路段集合的交集作为路网数据中与所述路书中每一路段空间位置、形状和走向相匹配阈值的目标路段,并将路书数据中对应原始路段的各属性维度与目标路段关联。
对于前述得到的从头至尾的各点对应的路段集合,取各集合的交集,最终得到的目标路段即为与原始路段匹配的目标路段,那么将路书中对应原始路段的各基本属性维度、特征属性维度及其特征值与目标路段关联。
比如图4中,各点的路段集合的交集为{C1},即前述各集合中均存在目标路段C1,那么目标路段C1即为与原始路段匹配的路段,那么将路书中对应原始路段的各基本属性维度、特征属性维度及其特征值与目标路段C1关联。
上述匹配分析步骤是为了将实时的路书中各路段的数据同步更新至路径规划引擎使用的路网数据相应的路段中。
其中,优选的,还包括:当所述路书由用户根据GPS轨迹路线进行制作时,对于所述路书中的任一路段,当在路网中不存在与所述路段匹配的目标路段时,将所述路段更新至路网数据中。
当步骤A5中不存在目标路段时,即表示路网数据中不存在与所述路书中某一路段相匹配的路段,说明路书数据中出现了新的路段,那么即可将所述路段更新至路网数据中,进而再进行步骤A1的操作。
现有技术中,开展地图服务的一个最大难题就是数据的更新,基础数据的更新包括行政区划、道路桥梁、地点信息等。基础技术的更新一般由数据供应商进行采集、生产、审批后,定期提供给地图服务商进行更新,由于涉及环节较多,一般是3-6个月进行一次更新,所以服务器中储的信息与真实的路网信息往往不能实时同步,从而导致算出来的路线方案实际不是最优方案甚至根本不可用,存在较大误差。
而本步骤可根据用户的GPS记录的轨迹路线,实时更新路网中滞后的路网数据,降低路线方案的误差。
另外,获得路书中每条路段对应的各特征属性维度的属性值时,还包括:
步骤m1,针对每一路书,分析所述路书的使用记录评价所述路书的置信度;所述路书的使用记录包括用户评分、用户浏览量、用户点评量和发送次数;
本申请会根据网络中对路书本身的评分、浏览量、点评量和发送次数等评价体系,来证明此路书中的评价系数的质量好坏,确认路书的置信度。
比如用户评分为80,用户浏览量为100,用户点评量为80,发送给移动终端的次数为200,然后基于每个点评记录对应类型的权重,计算该路书的置信度。其中点评记录对应类型的权重可根据经验或实际条目的数量设定,比如用户评分的权重可设置为0.8,浏览量的权重可设置为0.1,点评量的权重可设置为0.3,发送给移动终端的次数的权重可设置为0.5,上述用于计算置信度的维度的权重可根据经验值设置。那么对于上述例子中,路书对应的置信度为:80*0.8+100*0.1+80*0.3+200*0.5=198。另外计算路书的置信度还可采用加权平均计算等方式,本申请不对其加以限制。
在实际中,某个用户制作路书上传到网络平台后,可提供给其他用户进行浏览参考等处理,那么其他用户则可对该用户上传的路书进行评价,那么该路书即可得到各用户的用户评分,从而还可得到用户浏览量和用户点评量,当用户需要使用该路书时,还可将该路书发送至其移动终端,那么可得到发送次数等。
当然,本申请还可加入其他类型的点评记录计算置信度,本申请不对其加以限制。
具体权重设置可根据实际情况设置,本申请不对其加以限制。
步骤m2,当所述置信度大于置信阈值时,则提取所述路书,并在路网中匹配分析所述路书获得每条路段各特征属性维度的属性值。
当置信度大于阈值时,说明路书的路线及信息是可信的,则可采用。阈值可根据实际情况进行设置,具体本申请不对其加以限制。
综上,步骤120通过对路书的分析,可得到各路段对应的所述意图类型的权重分布。
步骤130,根据起终点之间的各路段对应的所述意图类型的权重分布在路网数据中进行匹配搜索,选取所述意图类型的权值最优的各路段进行关联组合,得到所述意图类型对应的个性化路径;
在本申请中对于各路段的权重,权重越高则说明越应该选择该路段。而本步骤可以采用Dijkstra(迪杰斯特拉)算法、A*(A-Star)算法、等算法计算最优路径。而上述算法均是取路径对应弧值的最小值为计算参数。那么本申请对于路段对应的所述意图类型的权值,可将取所述权值的倒数作为路段的弧值,再利用上述算法进行计算,从而在路网数据中得到所述意图类型的权值最优的各路段的组合。
比如对于Dijkstra(迪杰斯特拉)算法,其过程一般可如下:
创建两个表,OPEN,CLOSE。OPEN表保存所有已生成而未考察的节点,CLOSE表中记录已访问过的节点。
1.访问路网中距离起始点最近且没有被检查过的节点,把这个点放入OPEN组中等待检查。其中所述节点为路段与路段相连接的点。
2.从OPEN表中找出距起始点最近的节点,(本申请中,找出距起始点的所述意图类型的权值倒数最小的节点);然后找出这个节点的所有子节点,并把这个节点放到CLOSE表中。
3.遍历考察这个点的子节点。求出上述子节点距起始点的距离值(即求出这些子节点对应意图类型的权值倒数),并将所述子节点放到OPEN表中。
4.重复第2和第3步,直到OPEN表为空,或找到目标点,将CLOSE中保存的节点对应的路段进行组合,得到所述意图类型对应的个性化路径。
其中每个路段的距离值为所述意图类型的权重的倒数值。
对于得到的所述意图类型的最优路径,可将意图类型的最优路径返回至用户端,从而满足用户的个性化需求。
参照图5,其示出了本申请一种路径规划装置的结构示意图,包括:
请求解析模块310,用于提取用户输入的起终点和意图类型;
路段权重获取模块320,用于根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布;所述意图类型的权重通过对与所述路网数据相匹配的路书进行分析获得;
搜索计算模块330,用于利用从起点到终点的各线节点之间的路段的权重,在路网中搜索相应意图类型的从起点到终点之间最优路径。
所述路段权重获取模块包括:
权重因子表读取模块,用于根据所述意图类型读取相应路段对应的权重因子表;所述权重因子表中包括了每条路段对应的各特征属性维度的权重信息;
权重计算模块,用于利用各路段对应的各特征属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重;所述特征属性维度的属性值通过在路网数据中匹配分析全网用户提交的路书获得。
其中,所述权重因子表还包括各路段对应的基本属性维度的权重信息。
进一步的,获取路网数据中各路段对应的所述意图类型的权重分布包括:
综合各路段对应的各特征属性维度和各基本属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重。
还包括权重因子获取模块,所述权重因子获取模块包括:
初始值设置模块,用于针对每一意图类型的权重因子,选取各权重因子的初始值;
路书选取模块,用于选取所述意图类型路书,并提取所述路书的基准路径;
最优路径获取模块,提取所述基准路径的起点和终点,及相应的意图类型生成路径规划请求,并将各权重因子的初始值带入所述权重因子表,在路网中搜索最优路径;
判断模块,用于将所述最优路径与所述基准路径进行比较,当匹配度小于阈值时,则调整所述初始值,继续在路网中搜索最优路径,直至最优路径与所述基准路径的匹配度大于或等于阈值,则将相应的修改后的初始值作为所述意图类型最终的权重因子。
优选的,权重因子获取模块包括:
文本提取模块,用于提取路书数据中每条路段对应的行车信息和/或用户文本;
文本分析模块,用于分析行车信息和/或用户文本中对应所述路段的各特征属性维度的评价值;
计算子模块,针对每一意图类型,将所述意图类型对应的各特征属性维度的评价值进行归一化,得到所述路段上各意图类型对应的特征属性维度的权重因子。
另外,还包括路书分析模块:用于通过在路网中匹配分析用户提交的路书获得每条路段各特征属性维度的属性值。参照图6,所述路书分析模块包括:
路书提取模块S301,用于提取全网用户提交的各路书;
路书匹配模块S302,用于筛选出路网数据中与所述路书中每一路段空间位置、形状和走向相匹配的目标路段,并将所述路书相应路段的各特征属性维度与所述目标路段关联。
参照图7,所述路书匹配模块S302包括:
原始路段引入模块S11,用于将所述路书中的每一路段引入所述路网数据中作为原始路段;
空间匹配模块S12,用于通过路网数据的空间索引,使用所述原始路段的最小外接矩形查找在所述原始路段指定范围内的各目标路段;
粗筛模块S13,用于计算各目标路段的起点和终点到所述原始路段起点和终点的距离,并保留距离小于容差的目标路段;
细筛模块S14,用于逐条计算原始路段中的每一个线内点与各距离小于容差的目标路段的距离,记录各距离最短时对应的各目标路段作为备选路段集合;所述线内点为组成各原始路段的坐标点;
匹配模块S15,用于取各原始路段对应的所述备选路段集合的交集作为路网数据中与所述路书中每一路段空间位置、形状和走向相匹配的目标路段。
还包括:路网数据更新模块,用于当所述路书由用户根据GPS轨迹路线进行制作时,对于所述路书中的任一路段,当在路网中不存在与所述路段匹配的目标路段时,将所述路段更新至路网数据中。
优选的,还包括路书确认模块,用于针对每一路书,分析所述路书的使用记录评价所述路书的置信度;所述路书的使用记录包括用户评分、用户浏览量、用户点评量和发送次数;
当所述置信度大于阈值时,则提取所述路书,并在路网中匹配分析所述路书获得每条路段各特征属性维度的属性值。
参照图8,其示出了本申请一种路径规划系统的结构示意图,包括:
路书分析引擎510和路径规划引擎520:
所述路书分析引擎510包括:
路书提取模块511,用于提取全网用户提交的各路书;
路书匹配模块512,用于筛选出路网数据中与所述路书中每一路段空间位置、形状和走向相匹配的目标路段,并将所述路书相应路段的各特征属性维度与所述目标路段关联。
所述路径规划引擎520包括:
请求解析模块521,用于提取用户输入的起终点和意图类型;
路段权重获取模块522,用于根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布;所述意图类型的权重通过对与所述路网数据相匹配的路书进行分析获得;
搜索计算模块523,用于根据起终点之间的各路段对应的所述意图类型的权重分布在路网数据中进行匹配搜索,选取所述意图类型的权值最优的各路段进行关联组合,得到所述意图类型对应的个性化路径。
其中,还包括权重计算模块,用于通过利用每条路段的各基本属性维度和各特征属性维度的属性值,与所述的权重因子计算获得权重。所述权重值计算模块可在路书分析引擎中,也可在路径规划引擎中。
所述路段权重获取模块包括:
权重因子表获取模块,用于根据所述意图类型读取相应路段对应的权重因子表;所述权重因子表中包括了每条路段对应的各特征属性维度的权重信息;
权重值计算模块,用于利用各路段对应的各特征属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重;所述特征属性维度的属性值通过在路网数据中匹配分析全网用户提交的路书获得。
对于系统实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
以上对本申请所提供的一种路径规划方法和装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (16)
1.一种路径规划方法,其特征在于,包括:
提取用户输入的起终点和意图类型;
根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布;所述意图类型的权重通过对与所述路网数据相匹配的路书进行分析获得,所述路书包括不同于基本属性维度的各种特征属性维度,所述各种特征属性维度的评价值根据用户评价获得;所述特征属性维度反映实际行走情况及道路周边的环境;所述各种特征属性维度的评价值通过分析用户文本获得;
根据起终点之间的各路段对应的所述意图类型的权重分布在路网数据中进行匹配搜索,选取所述意图类型的权值最优的各路段进行关联组合,得到所述意图类型对应的个性化路径。
2.根据权利要求1所述的方法,其特征在于,根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布时:
根据所述意图类型读取相应路段对应的权重因子表;所述权重因子表中包括了每条路段对应的各特征属性维度的权重信息;
利用各路段对应的各特征属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重;所述特征属性维度的属性值通过在路网数据中匹配分析全网用户提交的路书获得。
3.根据权利要求2所述的方法,其特征在于,所述特征属性维度的属性值通过在路网数据中匹配分析全网用户提交的路书获得包括:
提取全网用户提交的各路书;
筛选出路网数据中与所述路书中每一路段相匹配的目标路段,并将所述路书相应路段的各特征属性维度与所述目标路段关联。
4.根据权利要求3所述的方法,其特征在于,所述筛选出路网数据中与所述路书中每一路段相匹配的目标路段,包括:
将所述路书中的每一路段引入所述路网数据中作为原始路段;
通过路网数据的空间索引,使用所述原始路段的最小外接矩形查找在所述原始路段指定范围内的各目标路段;
计算各目标路段到所述原始路段的距离,并保留距离小于容差的目标路段;
逐条计算原始路段中的每一个线内点与各距离小于容差的目标路段的距离,记录各距离最短时对应的各目标路段作为备选路段集合;所述线内点为组成各原始路段的坐标点;
取各原始路段对应的所述备选路段集合的交集作为路网数据中与所述路书中每一路段空间位置、形状和走向相匹配的目标路段。
5.根据权利要求3或4所述的方法,其特征在于,还包括:当所述路书由用户根据GPS轨迹路线进行制作时,
对于所述路书中的任一路段,当在路网中不存在与所述路段匹配的目标路段时,将所述路段更新至路网数据中。
6.根据权利要求2或3所述的方法,其特征在于,还包括:
分析各路书的点评记录以评价所述路书的置信度;所述路书的点评记录包括用户评分、用户浏览量、用户点评量和发送次数;
当所述置信度大于置信阈值时,则在路网数据中匹配分析所述路书,获得路书中每条路段对应的各特征属性维度的属性值。
7.根据权利要求2所述的方法,其特征在于,所述权重因子获得步骤包括:
针对每一意图类型选取各特征属性维度的权重因子的初始值;
选取所述意图类型的路书,并提取所述路书记录的基准路径;
提取所述基准路径的起点和终点,及相应的意图类型生成路径规划请求,并将基准路径中各路段的权重因子的初始值带入所述权重因子表,在路网中搜索最优路径;
将所述最优路径与所述基准路径进行比较,当匹配度小于阈值时,则调整所述权重因子的初始值,继续在路网中搜索最优路径,直至最优路径与所述基准路径的匹配度大于或等于阈值,则将相应调整后的所述权重因子的初始值作为所述路段上各意图类型对应的特征属性维度的权重因子。
8.根据权利要求2所述的方法,其特征在于,所述权重因子获得步骤包括:
提取路书数据中每条路段对应的行车信息和/或用户文本;
分析行车信息和/或用户文本中对应所述路段的各特征属性维度的评价值;
针对每一意图类型,将所述意图类型对应的各特征属性维度的评价值进行归一化,得到所述路段上各意图类型对应的特征属性维度的权重因子。
9.根据权利要求8所述的方法,其特征在于,所述分析用户文本中对应所述路段的各特征属性维度的评价值时,
提取所述用户文本中的关键字,将所述关键字在特征模型中进行匹配,从而得到所述路段的各特征属性维度的评价值;
所述特征模型记录了各关键词与各特征属性维度的关联程度,用于判定关键字对应的特征属性维度的权重因子。
10.根据权利要求2所述的方法,其特征在于,
所述权重因子表还包括各路段对应的基本属性维度的权重信息。
11.根据权利要求10所述的方法,其特征在于,获取路网数据中各路段对应的所述意图类型的权重分布包括:
综合各路段对应的各特征属性维度和各基本属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重。
12.一种路径规划装置,其特征在于,包括:
请求解析模块,用于提取用户输入的起终点和意图类型;
路段权重获取模块,用于根据所述意图类型获取路网数据中各路段对应的所述意图类型的权重分布;所述意图类型的权重通过对与所述路网数据相匹配的路书进行分析获得,所述路书包括不同于基本属性维度的各种特征属性维度,所述各种特征属性维度的评价值根据用户评价获得;所述特征属性维度反映实际行走情况及道路周边的环境;所述各种特征属性维度的评价值通过分析用户文本获得;
搜索计算模块,用于根据起终点之间的各路段对应的所述意图类型的权重分布在路网数据中进行匹配搜索,选取所述意图类型的权值最优的各路段进行关联组合,得到所述意图类型对应的个性化路径。
13.根据权利要求12所述的装置,其特征在于,所述路段权重获取模块包括:
权重因子表读取模块,用于根据所述意图类型读取相应路段对应的权重因子表;所述权重因子表中包括了每条路段对应的各特征属性维度的权重信息;
权重计算模块,用于利用各路段对应的各特征属性维度的属性值,与所述权重因子表中相应的权重因子进行计算,从而获得各路段对应的意图类型的权重;所述特征属性维度的属性值通过在路网数据中匹配分析全网用户提交的路书获得。
14.根据权利要求13所述的装置,其特征在于,还包括:
路书提取模块,用于提取全网用户提交的各路书;
路书匹配模块,用于筛选出路网数据中与所述路书中每一路段相匹配的目标路段,并将所述路书相应路段的各特征属性维度与所述目标路段关联。
15.根据权利要求14所述的装置,其特征在于,所述路书匹配模块包括:
原始路段引入模块,用于将所述路书中的每一路段引入所述路网数据中作为原始路段;
空间匹配模块,用于通过路网数据的空间索引,使用所述原始路段的最小外接矩形查找在所述原始路段指定范围内的各目标路段;
粗筛模块,用于计算各目标路段到所述原始路段的距离,并保留距离小于容差的目标路段;
细筛模块,用于逐条计算原始路段中的每一个线内点与各距离小于容差的目标路段的距离,记录各距离最短时对应的各目标路段作为备选路段集合;所述线内点为组成各原始路段的坐标点;
匹配模块,用于取各原始路段对应的所述备选路段集合的交集作为路网数据中与所述路书中每一路段空间位置、形状和走向相匹配的目标路段。
16.根据权利要求14或15所述的装置,其特征在于,还包括:
路网数据更新模块,用于当所述路书由用户根据GPS轨迹路线进行制作时,对于所述路书中的任一路段,当在路网中不存在与所述路段匹配的目标路段时,将所述路段更新至路网数据中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210224019.5A CN103512581B (zh) | 2012-06-28 | 2012-06-28 | 一种路径规划方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210224019.5A CN103512581B (zh) | 2012-06-28 | 2012-06-28 | 一种路径规划方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103512581A CN103512581A (zh) | 2014-01-15 |
CN103512581B true CN103512581B (zh) | 2016-12-21 |
Family
ID=49895684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210224019.5A Active CN103512581B (zh) | 2012-06-28 | 2012-06-28 | 一种路径规划方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103512581B (zh) |
Families Citing this family (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793497B (zh) * | 2014-01-22 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 路径搜索方法及装置 |
CN104535069B (zh) * | 2015-01-12 | 2017-08-25 | 重庆嗨驾科技有限公司 | 车载路书游记系统 |
CN104580468B (zh) * | 2015-01-12 | 2019-02-26 | 重庆嗨驾科技有限公司 | 带智能管理系统的车辆 |
CN105987702B (zh) * | 2015-01-29 | 2018-11-13 | 高德信息技术有限公司 | 一种导航路线的路段扩张方法及其装置 |
CN104658297B (zh) * | 2015-02-04 | 2017-12-22 | 沈阳理工大学 | 一种基于Sarsa学习的中心式动态路径诱导方法 |
CN105354221A (zh) * | 2015-09-30 | 2016-02-24 | 百度在线网络技术(北京)有限公司 | 路径查询方法及装置 |
CN105606111A (zh) * | 2015-12-23 | 2016-05-25 | 云南大学 | 一种基于通信资源分布的导航系统 |
CN105526943B (zh) * | 2016-02-19 | 2018-12-21 | 苏州大学 | 一种基于路径轨迹规划的趣味出行指引方法及系统 |
CN105894121B (zh) * | 2016-04-18 | 2019-06-18 | 腾讯科技(深圳)有限公司 | 一种线路规划方法及系统 |
CN105911988A (zh) * | 2016-04-26 | 2016-08-31 | 湖南拓视觉信息技术有限公司 | 一种自动制图装置及方法 |
CN107367742B (zh) * | 2016-05-12 | 2021-08-17 | 北京搜狗科技发展有限公司 | 一种基于导航的省电方法、装置及电子设备 |
CN107545316A (zh) * | 2016-06-27 | 2018-01-05 | 高德信息技术有限公司 | 一种路线查询方法及装置 |
CN107543557A (zh) * | 2016-06-29 | 2018-01-05 | 百度在线网络技术(北京)有限公司 | 一种用于进行个性化导航的方法和装置 |
CN107978219B (zh) * | 2016-10-25 | 2020-05-01 | 武汉四维图新科技有限公司 | 一种构建数字地图的道路网的方法及装置 |
CN108074009B (zh) * | 2016-11-11 | 2022-03-22 | 菜鸟智能物流控股有限公司 | 一种运动路线的生成方法、装置、移动终端和服务器 |
CN106682084B (zh) * | 2016-11-25 | 2019-10-11 | 北京掌行通信息技术有限公司 | 对电子地图路段进行定向拓宽的方法及装置 |
CN108133611A (zh) * | 2016-12-01 | 2018-06-08 | 中兴通讯股份有限公司 | 车辆行驶轨迹监测方法及系统 |
CN108255802B (zh) * | 2016-12-29 | 2021-08-24 | 北京国双科技有限公司 | 通用文本解析架构及基于所述架构解析文本的方法和装置 |
CN106991837A (zh) * | 2017-05-28 | 2017-07-28 | 佛山市神风航空科技有限公司 | 一种智能地图服务 |
CN107389085B (zh) * | 2017-06-29 | 2020-03-17 | 百度在线网络技术(北京)有限公司 | 一种道路通行属性的确定方法、装置、计算机及存储介质 |
CN107677269B (zh) * | 2017-08-28 | 2018-08-14 | 广东工业大学 | 一种基于拓扑地图的弱信号区域智能导航方法 |
CN107766881B (zh) * | 2017-09-30 | 2020-06-26 | 中国地质大学(武汉) | 一种基于基础分类器的寻路方法、设备及存储设备 |
CN108536140B (zh) * | 2018-02-26 | 2022-03-25 | 臻迪科技股份有限公司 | 一种无人船自主导航系统及方法 |
CN108711355B (zh) * | 2018-03-30 | 2022-07-01 | 广州亿航智能技术有限公司 | 一种轨迹地图攻略制作与使用方法、装置及可读存储介质 |
CN109099903B (zh) * | 2018-07-09 | 2019-10-18 | 百度在线网络技术(北京)有限公司 | 用于生成导航路线的方法和装置 |
CN109190056B (zh) * | 2018-08-22 | 2020-07-24 | 深圳先进技术研究院 | 一种车辆轨迹重建方法、系统及电子设备 |
JP7071533B2 (ja) * | 2018-09-22 | 2022-05-19 | グーグル エルエルシー | 交通状況の視覚化を改善するためのシステムおよび方法 |
CN111024101A (zh) * | 2018-10-10 | 2020-04-17 | 上海擎感智能科技有限公司 | 一种导航路径风景评价方法及系统、存储介质及车载终端 |
CN109977322B (zh) * | 2019-03-05 | 2021-03-23 | 百度在线网络技术(北京)有限公司 | 出行方式推荐方法、装置、计算机设备和可读存储介质 |
CN111811523B (zh) * | 2019-04-12 | 2024-04-05 | 北京四维图新科技股份有限公司 | 路网匹配纠错方法、装置及系统 |
CN112013860A (zh) * | 2019-05-29 | 2020-12-01 | 北京四维图新科技股份有限公司 | 一种安全出行路线规划、管理方法及装置 |
CN111121785B (zh) * | 2019-12-27 | 2023-08-08 | 北方信息控制研究院集团有限公司 | 一种基于图搜索的无道路路径规划方法 |
CN113218406B (zh) * | 2020-01-21 | 2022-11-25 | 百度在线网络技术(北京)有限公司 | 电子地图的导航方法、装置、设备和介质 |
CN112333101B (zh) * | 2020-10-16 | 2022-08-12 | 烽火通信科技股份有限公司 | 网络拓扑寻路方法、装置、设备及存储介质 |
CN112529246A (zh) * | 2020-10-30 | 2021-03-19 | 贵州省质安交通工程监控检测中心有限责任公司 | 一种运输路径规划方法 |
CN112396228A (zh) * | 2020-11-16 | 2021-02-23 | 西安宇视信息科技有限公司 | 目标路径确定方法、装置、电子设备及介质 |
CN112434122A (zh) * | 2020-11-24 | 2021-03-02 | 天津市市政工程设计研究院 | 一种识别道路货运集散区的实现方法 |
CN112798005B (zh) * | 2021-01-06 | 2022-06-10 | 腾讯科技(深圳)有限公司 | 一种道路数据的处理方法以及相关装置 |
CN112579797B (zh) * | 2021-02-20 | 2021-05-18 | 支付宝(杭州)信息技术有限公司 | 针对知识图谱的业务处理方法及装置 |
CN115112136A (zh) * | 2021-03-23 | 2022-09-27 | 腾讯科技(深圳)有限公司 | 出行路径规划方法和出行路径推荐方法 |
CN113085895B (zh) * | 2021-04-19 | 2022-07-22 | 陕西理工大学 | 车辆换道轨迹规划方法、装置、设备、存储介质及车辆 |
CN113295166B (zh) * | 2021-05-12 | 2024-02-13 | 广州达泊智能科技有限公司 | Agv路径规划方法、电子装置和计算机可读存储介质 |
CN113032444A (zh) * | 2021-05-24 | 2021-06-25 | 车巴达(苏州)网络科技有限公司 | 一种出行规划方法、装置、电子设备及介质 |
CN113715020B (zh) * | 2021-08-31 | 2023-03-21 | 上海擎朗智能科技有限公司 | 一种机器人的出行方法、装置、设备及存储介质 |
CN114754783A (zh) * | 2021-11-10 | 2022-07-15 | 广州汽车集团股份有限公司 | 一种用户出行信息的推荐方法、系统及汽车 |
CN116137609B (zh) * | 2023-02-27 | 2024-04-16 | 西安电子科技大学 | 意图驱动的跨域数据链网络分级路由方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1734238A (zh) * | 2005-09-15 | 2006-02-15 | 北京工业大学 | 中心控制式车载导航系统两阶段多路径优化方法 |
CN101275836A (zh) * | 2007-03-27 | 2008-10-01 | 株式会社日立制作所 | 交通信息系统 |
CN101349566A (zh) * | 2007-07-19 | 2009-01-21 | 康佳集团股份有限公司 | 一种车辆实时导航方法及系统 |
CN101382432A (zh) * | 2007-09-03 | 2009-03-11 | 学校法人东京电机大学 | 舒适步行路径搜索服务器以及程序 |
CN101762282A (zh) * | 2010-02-02 | 2010-06-30 | 中华电信股份有限公司 | 电子地图路径规划方法 |
CN102346042A (zh) * | 2011-03-31 | 2012-02-08 | 北京腾瑞万里信息技术有限公司 | 基于实时路况的路线规划方法及其服务设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090005974A1 (en) * | 2007-06-29 | 2009-01-01 | Gm Global Technology Operations, Inc. | Fuel cost predictor system |
-
2012
- 2012-06-28 CN CN201210224019.5A patent/CN103512581B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1734238A (zh) * | 2005-09-15 | 2006-02-15 | 北京工业大学 | 中心控制式车载导航系统两阶段多路径优化方法 |
CN101275836A (zh) * | 2007-03-27 | 2008-10-01 | 株式会社日立制作所 | 交通信息系统 |
CN101349566A (zh) * | 2007-07-19 | 2009-01-21 | 康佳集团股份有限公司 | 一种车辆实时导航方法及系统 |
CN101382432A (zh) * | 2007-09-03 | 2009-03-11 | 学校法人东京电机大学 | 舒适步行路径搜索服务器以及程序 |
CN101762282A (zh) * | 2010-02-02 | 2010-06-30 | 中华电信股份有限公司 | 电子地图路径规划方法 |
CN102346042A (zh) * | 2011-03-31 | 2012-02-08 | 北京腾瑞万里信息技术有限公司 | 基于实时路况的路线规划方法及其服务设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103512581A (zh) | 2014-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103512581B (zh) | 一种路径规划方法和装置 | |
Galin et al. | Authoring hierarchical road networks | |
CN106203491B (zh) | 一种公路矢量数据的融合更新方法 | |
Richter et al. | Towards an integrated urban development considering novel intelligent transportation systems: Urban Development Considering Novel Transport | |
US9430858B1 (en) | Dynamic cartography mapping system | |
CN108759840A (zh) | 一种室内外一体化三维导航路径规划方法 | |
JP4917764B2 (ja) | 地図情報作成装置、地図情報作成方法及びプログラム | |
US9677904B2 (en) | Generating travel time data | |
CN106933789A (zh) | 旅游攻略生成方法和生成系统 | |
CN110413886A (zh) | 一种兴趣点展示方法及装置 | |
CN108681586A (zh) | 基于群智感知的旅游路线个性化推荐方法 | |
Gonzalez-Urango et al. | Planning for pedestrians with a participatory multicriteria approach | |
CN106296488A (zh) | 一种基于众包模式的智慧旅游系统及方法 | |
CN113779430B (zh) | 路网数据生成方法、装置、计算设备和存储介质 | |
CN108020238A (zh) | 一种获取途经点的方法、装置及导航设备 | |
CN107949770A (zh) | 路径搜索装置、路径搜索方法及程序 | |
CN114238542A (zh) | 多源交通gis路网多层级实时融合更新方法 | |
CN110532464B (zh) | 一种基于多旅游上下文建模的旅游推荐方法 | |
CN112836119A (zh) | 一种基于加权异构信息网络的景点推荐方法 | |
US20090222198A1 (en) | Method of determining a route as a function of the sinuosity index | |
CN116518960A (zh) | 路网更新方法、装置、电子设备和存储介质 | |
AlHalawani et al. | What makes London work like London? | |
CN114580796B (zh) | 一种旅游属性路径规划方法及系统 | |
CN109459051A (zh) | 基于路线规划的语音伴随导游方法及设备 | |
JP6141173B2 (ja) | 地図情報および地図情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |