CN104050237A - 一种道路测绘方法和系统 - Google Patents
一种道路测绘方法和系统 Download PDFInfo
- Publication number
- CN104050237A CN104050237A CN201410223104.9A CN201410223104A CN104050237A CN 104050237 A CN104050237 A CN 104050237A CN 201410223104 A CN201410223104 A CN 201410223104A CN 104050237 A CN104050237 A CN 104050237A
- Authority
- CN
- China
- Prior art keywords
- bicycle track
- road
- roads
- track
- category
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种道路测绘方法和系统。所述的方法包括:将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合;采用所述单车轨迹集合与依据基础路网的路段数据构建的空间索引进行道路匹配;依据区域对未匹配成功的单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级;采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。可以依据车辆实际行驶的单车轨迹与现有的基础路网进行匹配,通过海量的单车轨迹的相关性分析出可能缺失的道路,对基础路网的路段数据进行补充,测绘周期较短且测绘的更新周期可控,测绘结果准确度高,数据更新及时。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种道路测绘方法和系统。
背景技术
基础路网数据的测绘主要是由政府、经政府授权的商业测绘公司和军队进行测绘的。其中,军队的测绘成果最详细,但其专供军队使用,并无商业化推广;而政府测绘一部分提供给国土、地质调查、地籍等政府主管业务,另一部分才会有偿对外开发;另外,经政府授权的商业测绘公司通常是完全服务于市场的。而上述的测绘通常分为外业和内业两道工序,外业是测绘人员借助测绘设备对实地进行测量获取原始数据的过程,内业是将外业采集的原始数据经过汇总筛查、矢量化制图、融合等一系列处理的过程。
通常市场化运作的商业测绘公司更新道路频率是4次/1年,但是,实际上我国道路建设速度往往要快于测绘速度,所以针对交通运输行业来说,路网的问题特别突出。因此,传统测绘总体存在以下缺陷:1)大量人物力投入;2)生产周期长;3)人工占比大;4)更新周期缩短有难度。
发明内容
本发明提供了一种道路测绘方法和系统,以解决上述传统测绘中的至少一种缺陷。
为了解决上述问题,本发明公开了一种道路测绘方法,包括:将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合;采用所述单车轨迹集合与依据基础路网的路段数据构建的空间索引进行道路匹配;依据区域对未匹配成功的单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级;采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。
本发明一个可选实施例中,所述采用所述单车轨迹集合中与依据基础路网的路段数据构建的空间索引进行道路匹配,包括:采用所述单车轨迹集合中相邻两点连线依次构建匹配缓冲区;采用所述各匹配缓冲区依次与依据基础路网的路段数据构建的空间索引进行道路匹配;若匹配成功,则将匹配到的路段等级记录为所述缓冲区对应单车轨迹的道路等级;若匹配失败,则将前一段匹配成功的路段等级记录为所述缓冲区对应单车轨迹的道路等级。
本发明一个可选实施例中,还包括:确定所述单车轨迹所属的至少一个预置区域,将匹配失败的缓冲区对应单车轨迹的轨迹信息分别存储于每个预置区域内,其中,所述轨迹信息包括:经纬度集合、轨迹长度、轨迹最小外包矩形、道路等级、状态信息。
本发明一个可选实施例中,所述依据区域对未匹配成功的单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级,包括:按照预置区域对匹配失败的缓冲区对应单车轨迹进行相关性分析,确定具有相关性的各单车轨迹构成相关组合,并建立相关组合索引库;从所述相关组合索引库中依次获取相关组合,确定所述相关组合的拟合曲线,以及所述相关组合的道路等级。
本发明一个可选实施例中,所述按照预置区域对匹配失败的缓冲区对应单车轨迹进行相关性分析,确定具有相关性的各单车轨迹构成相关组合,并建立相关组合索引库,包括:步骤A,在所述每个预置区域内,分别搜索状态信息为第一状态的轨迹长度最长的匹配失败的缓冲区对应单车轨迹作为训练对象;步骤B,根据所述训练对象的轨迹线和缓冲阀值构建训练缓冲区;步骤C,筛选轨迹最小外包矩形与所述训练缓冲区具有包含关系的单车轨迹,采用所述具有包含关系的单车轨迹和所述训练对象构成相关组合,并将所述相关组合的状态信息更新均为第二状态;重复执行所述步骤A到步骤C,直到每个预置区域内的单车轨迹均完成相关性分析;采用各相关组合建立相关组合索引库。
本发明一个可选实施例中,所述从所述相关组合索引库中依次获取相关组合,确定所述相关组合的拟合曲线,以及所述相关组合的道路等级,包括:从所述相关组合索引库中依次获取相关组合;采用最小二乘法对属于所述相关组合的单车轨迹进行曲线拟合,确定所述相关组合的拟合曲线;搜索所述相关组合中各单车轨迹的道路等级,采用重复数量最多的道路等级,或重复数量相同情况下等级最高的道路等级作为所述相关组合的道路等级。
本发明一个可选实施例中,所述将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合之后,还包括:对所述单车轨迹集合进行预处理,剔除所述单车轨迹集合中的特殊点,其中所述特殊点包括以下至少一项:重复点、漂移点和非法点。
本发明实施例还公开了一种道路测绘系统,包括:轨迹集合获取模块,用于将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合;匹配模块,用于采用所述单车轨迹集合与依据基础路网的路段数据构建的空间索引进行道路匹配;相关分析模块,用于依据区域对所述单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级;补充测绘模块,用于采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。
本发明一个可选实施例中,所述匹配并存储模块,包括:构建子模块,用于采用所述单车轨迹集合中相邻两点连线依次构建匹配缓冲区;匹配子模块,用于采用所述各匹配缓冲区依次与依据基础路网的路段数据构建的空间索引进行道路匹配;若匹配成功,则将匹配到的路段等级记录为所述缓冲区对应单车轨迹的道路等级;若匹配失败,则将前一段匹配成功的路段等级记录为所述缓冲区对应单车轨迹的道路等级。
本发明一个可选实施例中,所述的系统还包括:存储模块,用于确定所述单车轨迹所属的至少一个预置区域,将匹配失败的缓冲区对应单车轨迹的轨迹信息分别存储于每个预置区域内,其中,所述轨迹信息包括:经纬度集合、轨迹长度、轨迹最小外包矩形、道路等级、状态信息。
与现有技术相比,本发明包括以下优点:
将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合,然后采用所述单车轨迹集合与依据基础路网的路段数据进行匹配,从而确定车辆实际行驶的单车轨迹与基础路网的路段数据异同之处。再依据区域对未匹配成功的单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级,采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。可以依据车辆实际行驶的单车轨迹与现有的基础路网进行匹配,从而通过海量的单车轨迹的相关性分析出可能缺失的道路,对基础路网的路段数据进行补充,从而不需要人工参与,测绘周期较短,且测绘的更新周期可自由控制,测绘结果准确度高,数据更新及时。
附图说明
图1是本发明实施例一提供的道路测绘方法流程图;
图2是本发明实施例二提供的道路测绘方法流程图;
图3是本发明实施例中基础路网的示意图;
图4是本发明实施例二提供的道路测绘方法中相关性分析流程图;
图5是本发明实施例三提供的道路测绘系统结构图;
图6是本发明实施例三提供的道路测绘系统可选结构图。
具体实施方式
为使本发明的上述目的、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发明作进一步详细的说明。
本发明实施例提供一种道路测绘方法,能够将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合,然后采用所述单车轨迹集合与依据基础路网的路段数据进行匹配,从而确定车辆实际行驶的单车轨迹与基础路网的路段数据异同之处。再依据区域对未匹配成功的单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级,采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。可以依据车辆实际行驶的单车轨迹与现有的基础路网进行匹配,从而通过海量的单车轨迹的相关性分析出可能缺失的道路,对基础路网的路段数据进行补充,从而不需要人工参与,测绘周期较短,且测绘的更新周期可自由控制,测绘结果准确度高,数据更新及时。
实施例一
参照图1,给出了本发明实施例一提供的道路测绘方法流程图。
步骤101,将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合。
目前许多车辆中安装有导航等具有定位功能装置,通过该装置可以获取车辆各时间内的定位信息,如交通运输部门建有车辆监管/监控等业务系统,该系统可以实时接收的车辆定位信息,通过长期积累形成了具有车辆历史行驶轨迹的海量数据,这些海量数据可以通过一定的方式借助云计算等技术来挖掘有价值的信息。
本发明实施例即可以基于海量的车辆定位信息进行路网的测绘。采用车辆定位的定位信息生成原始数据。该原始数据包括:车辆唯一标识、时刻、经度、纬度、方向和车速等信息。其中,时刻可以精确到秒,且时刻与经度、纬度、方向和车速是对应的。
本发明实施例中,可以采用分布式计算及存储平台hadoop+hbase对原始数据进行存储及处理。对数据进行存储时,存储结构可以遵循hbase{key,value}规则,其中,key为由车辆唯一标识和时刻所组合成的byte数组;value为由经度、纬度、方向、车速等信息组合而成的byte数组。
然后构建单车轨迹集合,可以预先设定一时间段,如以天为单位,则采用原始数据构建在该预设时间段内的单车轨迹集合,即获取预设时间段内的原始数据,按照时刻顺序SCAN HBase单辆车轨迹组成由时刻,经度,纬度构成的单车轨迹集合,即{时刻,经度,纬度}的集合。
步骤102,采用所述单车轨迹集合与依据基础路网的路段数据构建的空间索引进行道路匹配。
可以预先采用基础路网的路段数据构建的空间索引,其中基础路网指的是一定区域内的道路网络,如中国范围内的高速公路网、国道主干线网、省干线网称、乡公路、农村公路等路网,基础路网的路段数据包括公路的名称,长度,途径的经纬度信息等。可以依据该路段数据建立空间索引,如构建四叉树,其中四叉树(quad-tree)是一种数据结构,其每个节点最多有四个子节点。从而采用单车轨迹集合与空间索引进行道路匹配,如采用单车轨迹集合中的两两轨迹点的连线查找该四叉树,从而确定是否具有匹配的节点,从依据匹配结果确定各单车轨迹的道路等级,如一级、二级,又如高速、国道等,即道路等级可以依据实际需求设定。
步骤103,依据区域对未匹配成功的单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级。
其中,未匹配成功的单车轨迹指的是在上述进行匹配的步骤中,某一单车轨迹集合中可能存在部分路段匹配到了基础路网的路段数据,而有一部分可能还未匹配到路段数据,则单车轨迹集合中未匹配到路段数据的这部分就称为未匹配成功的单车轨迹。
然后按照存储的区域,对各区域内未匹配成功的单车轨迹进行相关性分析,即获取其中一条轨迹作为训练对象,然后筛选与该训练对象具有相关性的其他单车轨迹,从而获取由训练对象和其他单车轨迹的等多条单车轨迹构成的相关组合,并计算相关组合的拟合曲线,以及确定相关组合的道路等级。
步骤104,采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。
采用依据所述拟合曲线和道路等级可以得到所述基础路网中可能缺失的道路,然后采用该可能缺失道路对基础路网的路段数据进行补充,在已有的基础路网上增添通过车辆实际行驶定位得到的补充路段数据,从而对已有的基础路网进行完善,完成对道路的测绘。
综上所述,将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合,然后采用所述单车轨迹集合与依据基础路网的路段数据进行匹配,从而确定车辆实际行驶的单车轨迹与基础路网的路段数据异同之处。再依据区域对未匹配成功单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级,采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。可以依据车辆实际行驶的单车轨迹与现有的基础路网进行匹配,从而通过海量的单车轨迹的相关性分析出可能缺失的道路,对基础路网的路段数据进行补充,从而不需要人工参与,测绘周期较短,且测绘的更新周期可自由控制,测绘结果准确度高,数据更新及时。
实施例二
在上述实施例的基础上,本实施例进一步论述了道路测绘方法。
参照图2,示出了根据本发明实施例二提供的道路测绘方法流程图。
步骤201,将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合。
步骤202,对所述单车轨迹集合进行预处理,剔除所述单车轨迹集合中的特殊点。
其中,特殊点包括:以下至少一项:重复点、漂移点和非法点。特殊点指的是单车轨迹中存在数据不准确等问题的点,采用该点进行处理会导致结果出现偏差,因此可以通过预处理剔除单车轨迹集合中的特殊点。具体如下:
(1)重复点的判断
从单车轨迹中依次获取相邻两点,然后依据这两点的经、纬度计算两点之间的距离,检测距离是否小于重复距离阈值,若距离小于重复距离阈值则两个点为重复点,可以删除前后中的任意一个点;否则不是重复点。
(2)漂移点的判断
从单车轨迹中依次获取相邻的三点,比较相邻三点间两两车速是否大于速度阈值,如200公里/小时,若相邻三点间两两车速大于速度阈值,则中间点为漂移点;否则不是漂移点。
(3)非法点的判断
可以预置合法范围,如中国区域内,则检测单车轨迹每个点的坐标是否在合法范围内,若某一点不在合法范围内,则该点为非法点,否则该点为合法点。
从而通过上述判断可以剔除特殊点。
步骤203,采用所述单车轨迹集合中相邻两点连线依次构建匹配缓冲区。
可以对预处理后的单车轨迹集合进行道路匹配,即从预处理后的单车轨迹集合中依次获取相邻两点,然后对相邻两点进行连线,对相邻两点连线周围构建矩形区域作为匹配缓冲区,如对相邻两点连线的周围按照距离阈值进行扩充,即对相邻两点连线上下分别建立距离阈值的平行线,并对左右进行扩充从而形成一个矩形范围的匹配缓冲区。
步骤204,采用所述各匹配缓冲区依次与依据基础路网的路段数据构建的空间索引进行道路匹配。
然后采用匹配缓冲区依次与基础路网的路段数据构建的空间索引进行道路匹配,即从空间索引中检索匹配缓冲区内所包含的基础路网的所有路段数据。
由于一个匹配缓冲区内可能检索出多个路段数据,因此要从过个路段数据中匹配出一个最佳路段,则可以对各路段数据进行进一步筛选,如依据路段数据中的路段与相邻两点连线的夹角以及垂距等,则若夹角小于夹角阈值,如15度,然后在相邻两点连线末端点有垂点且垂距最短的路段可以确定为最佳匹配路段。
步骤205,是否匹配成功。
若是,即匹配成功,则执行步骤206;若否,即匹配不成功,则执行步骤207。
步骤206,将匹配到的路段等级记录为所述缓冲区对应单车轨迹的道路等级。
经过数据预处理的单车轨迹集合中两两相邻点连线进行道路匹配,如果匹配成功记录为最新的路段道路等级,即将匹配到的路段等级记录为所述单车轨迹的道路等级,如一级、二级,又如高速、国道等。
步骤207,将前一段匹配成功的路段等级记录为所述缓冲区对应单车轨迹的道路等级。
经过数据预处理的单车轨迹集合中两两相邻点连线进行道路匹配,如果连续匹配不成功且记录的轨迹点距离大于匹配阀值,如100米,直到出现匹配成功或当前集合匹配结束为止,则认为记录的单车轨迹集合为可能的原始路网缺失道路,即基础路网数据中没有记录的路段数据,则记录该单车轨迹的道路等级为可能缺失道路等级。
在进行道路匹配时,采用基础路网的路段数据与实际行驶的单车轨迹进行匹配,从而确定是否有现有的基础路网中未记录的路段数据,即要找出未匹配的单车轨迹。
如图3所示,其中实线表示基础路网的路段数据,点表示单车轨迹集合中的一段单车轨迹,各点之间采用分隔线进行分割,从而区分出匹配的路段,其中两两点之间构建匹配缓冲区。
依据图3可知,1、2、4和5表示单车轨迹集合中正确匹配的分段轨迹,3和6表示单车轨迹集合中未匹配成功的轨迹。则将前一段匹配成功的路段等级记录为所述缓冲区对应单车轨迹的道路等级,即将2匹配得到的路段等级记录为3的道路路段等级,将5匹配得到的路段等级记录为6的道路等级。后续对未匹配成功的单车轨迹进行存储,即对3和6这段的单车轨迹进行存储。
步骤208,确定匹配失败的缓冲区对应单车轨迹所属的至少一个预置区域,将匹配失败的缓冲区对应单车轨迹的轨迹信息分别存储于每个预置区域内。
预先配置单车轨迹所述的区域,如在中国境内按照行政区划分,该行政区可以分为省级、市级、区县级等,则由于一个单车轨迹可能属于多个预置区域,如一条道路穿越了多个省级行政区,则可以确定出匹配失败的缓冲区对应单车轨迹所属的一个或多个预置区域,然后在每个预置区域都对应存储该单车轨迹的轨迹信息。其中轨迹信息包括:经纬度集合、轨迹长度、轨迹最小外包矩形、道路等级、状态信息。
则在系统中存储时,可以存储于hbase中,key为行政区划编码与序列数字(由0开始)组合成的byte数组;value为由经纬度集合、轨迹长度、轨迹最小外包矩形(Minimum Bounding Rectangle,MBR)、道路等级、状态信息组合而成的byte数组。
其中,状态信息的预设值为第一状态,如0;MBR就是包围图元,且平行于,轴的最小外接矩形。
步骤209,按照预置区域对所述匹配失败的缓冲区对应单车轨迹进行相关性分析,确定具有相关性的各单车轨迹构成相关组合,并建立相关组合索引库。
然后分别对每个预置区域内存储的匹配失败的缓冲区对应单车轨迹进行相关性分析,确定各预置区域内单程轨迹的相关性,将具有相关性的各单程轨迹构成相关组合,然后建立相关组合索引库。
本发明一个可选实施例中,如图4所示上述步骤209包括子步骤401~405,具体如下:
子步骤401,在所述每个预置区域内,分别搜索状态信息为第一状态的轨迹长度最长的匹配失败的缓冲区对应单车轨迹作为训练对象。
子步骤402,根据所述训练对象的轨迹线和缓冲阀值构建训练缓冲区。
子步骤403,筛选轨迹最小外包矩形与所述训练缓冲区具有包含关系的单车轨迹,采用所述具有包含关系的单车轨迹和所述训练对象构成相关组合,并将所述相关组合的状态信息更新均为第二状态。
子步骤404,检测各预置区域内的单车轨迹是否均完成相关性分析。
若否,则返回子步骤401,重复执行所述子步骤401到子步骤403,直到每个预置区域内的单车轨迹均完成状态信息的更新。
若是,即各预置区域内的单车轨迹均完成了相关性分析,则执行子步骤405。
子步骤405,采用各相关组合建立相关组合索引库。
本实施例中,从存储系统搜索状态信息为第一状态的轨迹长度最长的单车轨迹作为训练对象,如从hbase种搜索状态信息为0的区域轨迹长度最长的单车轨迹作为训练对象,然后根据训练对象轨迹线和缓冲阀值,如50米构建缓冲区。
然后根据缓冲区的矩形范围,搜索MBR与该缓冲具有相交或包含关系的单车轨迹集合,进一步筛选出MBR与缓冲区具有包含关系的单车轨迹集合,然后将训练对象和筛选出的具有包含关系的所有单车轨迹集合的状态信息更新为第二状态,如更新为1。采用所述具有包含关系的单车轨迹和所述训练对象构成相关组合,如采用hbase记录该相关组合,其中,key为自定义规则值,value为训练对象和筛选的所有对象的key值数组。
从而通过上述操作完成了一次相关性分析,具有相关性的相关组合内的单车轨迹的状态信息都已由初始的第一状态更新为第二状态,此后可继续执行上述相关性分析,即重复执行上述步骤401~403,从而获取先一个相关组合,直到完成各预置区域内的单车轨迹是否均完成相关性分析,即各单车轨迹的状态信息都已更新为第二状态。
然后采用分析得到的各相关组合建立相关组合索引库。
步骤210,从所述相关组合索引库中依次获取相关组合,确定所述相关组合的拟合曲线,以及所述相关组合的道路等级。
采用相关组合中各单车轨迹进行曲线拟合计算确定拟合曲线。其中,曲线拟合(curve fitting)是指选择适当的曲线类型来拟合观测数据,并用拟合的曲线方程分析两变量间的关系。如采用最小二乘法计算拟合曲线。并且依据各单车轨迹的道路等级确定该相关组合的道路等级。
本发明一个可选实施例中,从所述相关组合索引库中依次获取相关组合;采用最小二乘法对属于所述相关组合的单车轨迹进行曲线拟合,确定所述相关组合的拟合曲线;搜索所述相关组合中各单车轨迹的道路等级,采用重复数量最多的道路等级,或重复数量相同情况下等级最高的道路等级作为所述相关组合的道路等级。
对于任意相关组合,可以采用最小二乘法对该相关组合的单车轨迹进行曲线拟合,确定所述相关组合的拟合曲线。然后搜索所述相关组合中各单车轨迹的道路等级,以确定该相关组合的道路等级。可以采用等级的重复数量最多的道路等级作为该相关组合的道路等级,而在重复数量相同的情况下,可以采用等级最高的道路等级作为所述相关组合的道路等级。
步骤211,采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。
采用依据所述拟合曲线和道路等级可以得到所述基础路网中可能缺失的道路,然后采用该可能缺失道路对基础路网的路段数据进行补充,在已有的基础路网上增添通过车辆实际行驶定位得到的补充路段数据,从而对已有的基础路网进行完善,完成对道路的测绘。
综上,本实施例基于实时接收的车辆定位数据的长期积累,形成了历史轨迹的海量的原始数据,这些海量的原始数据可以通过一定的方式方法借助云计算等技术来挖掘有价值的信息,如对基础路网中缺失等级道路信息的补充,从而该方法是知识密集型工序流,可以采用云计算的方法,提高数据的处理效率和精度,并且道路测绘时间可控。
实施例三
在上述实施例的基础上,本实施例还提供了一种道路测绘系统。
参照图5,给出了本发明实施例三提供的道路测绘系统结构图。
该道路测绘系统包括:轨迹集合获取模块501、匹配模块502、相关分析模块503和补充测绘模块504。
其中,轨迹集合获取模块501,用于将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合;匹配并存储模块502,用于采用所述单车轨迹集合与依据基础路网的路段数据构建的空间索引进行道路匹配;相关分析模块503,用于依据区域对未匹配成功的单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级;补充测绘模块504,用于采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。
综上所述,将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合,然后采用所述单车轨迹集合与依据基础路网的路段数据进行匹配,从而确定车辆实际行驶的单车轨迹与基础路网的路段数据异同之处。再依据区域对未匹配成功的单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级,采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。可以依据车辆实际行驶的单车轨迹与现有的基础路网进行匹配,从而通过海量的单车轨迹的相关性分析出可能缺失的道路,对基础路网的路段数据进行补充,从而不需要人工参与,测绘周期较短,且测绘的更新周期可自由控制,测绘结果准确度高,数据更新及时。
参照图6,给出了本发明实施例三提供的道路测绘系统可选结构图。
本发明一个可选实施例中,所述匹配模块502,包括:构建子模块5021和匹配子模块5022。
其中,构建子模块5021,用于采用所述单车轨迹集合中相邻两点连线依次构建匹配缓冲区;匹配子模块5022,用于采用所述各匹配缓冲区依次与依据基础路网的路段数据构建的空间索引进行道路匹配;若匹配成功,则将匹配到的路段等级记录为所述缓冲区对应单车轨迹的道路等级;若匹配失败,则将前一段匹配成功的路段等级记录为所述缓冲区对应单车轨迹的道路等级。
本发明一个可选实施例中,该道路测绘系统还包括:存储模块505;存储模块505用于确定所述单车轨迹所属的至少一个预置区域,将匹配失败的缓冲区对应单车轨迹的轨迹信息分别存储于每个预置区域内,其中,所述轨迹信息包括:经纬度集合、轨迹长度、轨迹最小外包矩形、道路等级、状态信息。
本发明一个可选实施例中,所述相关分析模块503,包括:相关组合确定子模块5031和拟合和等级确定子模块5032。
其中,相关组合确定子模块5031,用于按照预置区域对匹配失败的缓冲区对应单车轨迹进行相关性分析,确定具有相关性的各单车轨迹构成相关组合,并建立相关组合索引库;拟合和等级确定子模块5032,用于从所述相关组合索引库中依次获取相关组合,确定所述相关组合的拟合曲线,以及所述相关组合的道路等级。
本发明一个可选实施例中,相关组合确定子模块5031,用于执行步骤A,在所述每个预置区域内,分别搜索状态信息为第一状态的轨迹长度最长的匹配失败的缓冲区对应单车轨迹作为训练对象;步骤B,根据所述训练对象的轨迹线和缓冲阀值构建训练缓冲区;步骤C,筛选轨迹最小外包矩形与所述训练缓冲区具有包含关系的单车轨迹,采用所述具有包含关系的单车轨迹和所述训练对象构成相关组合,并将所述相关组合的状态信息更新均为第二状态;重复执行所述步骤A到步骤C,直到每个预置区域内的单车轨迹均完成相关性分析;采用各相关组合建立相关组合索引库。
本发明一个可选实施例中,拟合和等级确定子模块5032,用于从所述相关组合索引库中依次获取相关组合;采用最小二乘法对属于所述相关组合的单车轨迹进行曲线拟合,确定所述相关组合的拟合曲线;搜索所述相关组合中各单车轨迹的道路等级,采用重复数量最多的道路等级,或重复数量相同情况下等级最高的道路等级作为所述相关组合的道路等级。
本发明一个可选实施例中,该系统还包括:预处理模块506。
预处理模块506,用于对所述单车轨迹集合进行预处理,剔除所述单车轨迹集合中的特殊点,其中所述特殊点包括以下至少一项:重复点、漂移点和非法点。
综上所述,本实施例基于实时接收的车辆定位数据的长期积累,形成了历史轨迹的海量的原始数据,这些海量的原始数据可以通过一定的方式方法借助云计算等技术来挖掘有价值的信息,如对基础路网中缺失等级道路信息的补充,从而该方法是知识密集型工序流,可以采用云计算的方法,提高数据的处理效率和精度,并且道路测绘时间可控。
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。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种道路测绘方法和系统,进行了详细介绍,本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。
Claims (10)
1.一种道路测绘方法,其特征在于,包括:
将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合;
采用所述单车轨迹集合与依据基础路网的路段数据构建的空间索引进行道路匹配;
依据区域对未匹配成功的单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级;
采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。
2.根据权利要求1所述的方法,其特征在于,所述采用所述单车轨迹集合中与依据基础路网的路段数据构建的空间索引进行道路匹配,包括:
采用所述单车轨迹集合中相邻两点连线依次构建匹配缓冲区;
采用所述各匹配缓冲区依次与依据基础路网的路段数据构建的空间索引进行道路匹配;
若匹配成功,则将匹配到的路段等级记录为所述缓冲区对应单车轨迹的道路等级;
若匹配失败,则将前一段匹配成功的路段等级记录为所述缓冲区对应单车轨迹的道路等级。
3.根据权利要求2所述的方法,其特征在于,还包括:
确定所述单车轨迹所属的至少一个预置区域,将匹配失败的缓冲区对应单车轨迹的轨迹信息分别存储于每个预置区域内,其中,所述轨迹信息包括:经纬度集合、轨迹长度、轨迹最小外包矩形、道路等级、状态信息。
4.根据权利要求3所述的方法,其特征在于,所述依据区域对未匹配成功的单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级,包括:
按照预置区域对匹配失败的缓冲区对应单车轨迹进行相关性分析,确定具有相关性的各单车轨迹构成相关组合,并建立相关组合索引库;
从所述相关组合索引库中依次获取相关组合,确定所述相关组合的拟合曲线,以及所述相关组合的道路等级。
5.根据权利要求4所述的方法,其特征在于,所述按照预置区域对匹配失败的缓冲区对应单车轨迹进行相关性分析,确定具有相关性的各单车轨迹构成相关组合,并建立相关组合索引库,包括:
步骤A,在所述每个预置区域内,分别搜索状态信息为第一状态的轨迹长度最长的匹配失败的缓冲区对应单车轨迹作为训练对象;
步骤B,根据所述训练对象的轨迹线和缓冲阀值构建训练缓冲区;
步骤C,筛选轨迹最小外包矩形与所述训练缓冲区具有包含关系的单车轨迹,采用所述具有包含关系的单车轨迹和所述训练对象构成相关组合,并将所述相关组合的状态信息更新均为第二状态;
重复执行所述步骤A到步骤C,直到每个预置区域内的单车轨迹均完成相关性分析;
采用各相关组合建立相关组合索引库。
6.根据权利要求4所述的方法,其特征在于,所述从所述相关组合索引库中依次获取相关组合,确定所述相关组合的拟合曲线,以及所述相关组合的道路等级,包括:
从所述相关组合索引库中依次获取相关组合;
采用最小二乘法对属于所述相关组合的单车轨迹进行曲线拟合,确定所述相关组合的拟合曲线;
搜索所述相关组合中各单车轨迹的道路等级,采用重复数量最多的道路等级,或重复数量相同情况下等级最高的道路等级作为所述相关组合的道路等级。
7.根据权利要求1或2所述的方法,其特征在于,所述将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合之后,还包括:
对所述单车轨迹集合进行预处理,剔除所述单车轨迹集合中的特殊点,其中所述特殊点包括以下至少一项:重复点、漂移点和非法点。
8.一种道路测绘系统,其特征在于,包括:
轨迹集合获取模块,用于将各车辆通过定位获取的原始数据构成预设时间段内的单车轨迹集合;
匹配模块,用于采用所述单车轨迹集合与依据基础路网的路段数据构建的空间索引进行道路匹配;
相关分析模块,用于依据区域对所述单车轨迹进行相关性分析确定相关组合,并确定相关组合的拟合曲线和道路等级;
补充测绘模块,用于采用依据所述拟合曲线和道路等级确定的可能缺失道路对所述基础路网的路段数据进行补充,构成道路测绘结果。
9.根据权利要求8所述的系统,其特征在于,所述匹配模块,包括:
构建子模块,用于采用所述单车轨迹集合中相邻两点连线依次构建匹配缓冲区;
匹配子模块,用于采用所述各匹配缓冲区依次与依据基础路网的路段数据构建的空间索引进行道路匹配;若匹配成功,则将匹配到的路段等级记录为所述缓冲区对应单车轨迹的道路等级;若匹配失败,则将前一段匹配成功的路段等级记录为所述缓冲区对应单车轨迹的道路等级。
10.根据权利要求9所述的系统,其特征在于,还包括:
存储模块,用于确定所述单车轨迹所属的至少一个预置区域,将匹配失败的缓冲区对应单车轨迹的轨迹信息分别存储于每个预置区域内,其中,所述轨迹信息包括:经纬度集合、轨迹长度、轨迹最小外包矩形、道路等级、状态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410223104.9A CN104050237B (zh) | 2014-05-23 | 2014-05-23 | 一种道路测绘方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410223104.9A CN104050237B (zh) | 2014-05-23 | 2014-05-23 | 一种道路测绘方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104050237A true CN104050237A (zh) | 2014-09-17 |
CN104050237B CN104050237B (zh) | 2017-08-25 |
Family
ID=51503070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410223104.9A Active CN104050237B (zh) | 2014-05-23 | 2014-05-23 | 一种道路测绘方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104050237B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574313A (zh) * | 2014-10-13 | 2016-05-11 | 高德软件有限公司 | 一种道路等级的确定方法和装置 |
CN106652557A (zh) * | 2015-10-28 | 2017-05-10 | 现代自动车株式会社 | 用于预测邻近车辆的驾驶路径的方法和系统 |
CN107544983A (zh) * | 2016-06-24 | 2018-01-05 | 高德信息技术有限公司 | 一种道路绘制方法、装置及系统 |
CN107578133A (zh) * | 2017-09-12 | 2018-01-12 | 武汉锐思图科技有限公司 | 一种电力线路巡检轨迹优化方法和系统 |
CN107645701A (zh) * | 2017-09-12 | 2018-01-30 | 咪咕互动娱乐有限公司 | 一种生成运动轨迹的方法及装置 |
CN107705545A (zh) * | 2017-09-14 | 2018-02-16 | 王淑芳 | 一种重点营运车辆轨迹点补充方法和系统 |
CN108073721A (zh) * | 2017-12-29 | 2018-05-25 | 百度在线网络技术(北京)有限公司 | 一种道路要素的情报处理方法、装置、服务器及存储介质 |
CN108170790A (zh) * | 2017-12-27 | 2018-06-15 | 北京中交兴路车联网科技有限公司 | 一种基于海量轨迹数据检索经验路线的方法及系统 |
CN108345665A (zh) * | 2018-02-06 | 2018-07-31 | 新诺北斗航科信息技术(厦门)股份有限公司 | 基于空间索引金字塔分级分段的航迹存储和显示优化方法 |
CN108801238A (zh) * | 2017-04-27 | 2018-11-13 | 电子科技大学中山学院 | 一种基于gpx的路径优化方法 |
CN109035783A (zh) * | 2018-09-17 | 2018-12-18 | 东南大学 | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 |
CN109215372A (zh) * | 2018-10-15 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 路网信息更新方法、装置及设备 |
CN109282825A (zh) * | 2017-07-21 | 2019-01-29 | 北京嘀嘀无限科技发展有限公司 | 道路标记方法及装置 |
WO2019079934A1 (zh) * | 2017-10-23 | 2019-05-02 | 深圳配天智能技术研究院有限公司 | 一种交通数据的处理方法及服务器 |
CN110570691A (zh) * | 2018-06-06 | 2019-12-13 | 杭州海康机器人技术有限公司 | 一种无人机航线确定方法及装置 |
CN112116628A (zh) * | 2020-09-18 | 2020-12-22 | 中电科西北集团有限公司 | 一种海上船舶轨迹曲线动态拟合方法、装置及存储介质 |
CN112148811A (zh) * | 2019-06-26 | 2020-12-29 | 陕西汽车集团有限责任公司 | 一种车载gps轨迹路径压缩方法 |
CN112818075A (zh) * | 2021-01-06 | 2021-05-18 | 南京市城市与交通规划设计研究院股份有限公司 | 道路网络补全方法、装置、电子设备及可读存储介质 |
CN113672688A (zh) * | 2020-05-14 | 2021-11-19 | 阿波罗智联(北京)科技有限公司 | 路网数据更新方法、装置和电子设备 |
CN114383600A (zh) * | 2022-03-23 | 2022-04-22 | 北京百度网讯科技有限公司 | 用于地图的处理方法、装置、电子设备和存储介质 |
CN116385592A (zh) * | 2023-06-07 | 2023-07-04 | 山东省国土测绘院 | 一种基于遥感解译的基础测绘道路数据生成方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111459953B (zh) * | 2020-03-03 | 2021-04-23 | 成都大成均图科技有限公司 | 多源数据融合的地图匹配更新方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101210825A (zh) * | 2006-12-27 | 2008-07-02 | 爱信艾达株式会社 | 地图信息生成系统 |
CN101957208A (zh) * | 2010-09-09 | 2011-01-26 | 福建工程学院 | 一种基于浮动车技术的新增道路发现方法 |
WO2012072094A1 (en) * | 2010-12-01 | 2012-06-07 | Volvo Lastvagnar Ab | Method of enrichment of road information data |
-
2014
- 2014-05-23 CN CN201410223104.9A patent/CN104050237B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101210825A (zh) * | 2006-12-27 | 2008-07-02 | 爱信艾达株式会社 | 地图信息生成系统 |
CN101957208A (zh) * | 2010-09-09 | 2011-01-26 | 福建工程学院 | 一种基于浮动车技术的新增道路发现方法 |
WO2012072094A1 (en) * | 2010-12-01 | 2012-06-07 | Volvo Lastvagnar Ab | Method of enrichment of road information data |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574313A (zh) * | 2014-10-13 | 2016-05-11 | 高德软件有限公司 | 一种道路等级的确定方法和装置 |
CN106652557A (zh) * | 2015-10-28 | 2017-05-10 | 现代自动车株式会社 | 用于预测邻近车辆的驾驶路径的方法和系统 |
US10793162B2 (en) | 2015-10-28 | 2020-10-06 | Hyundai Motor Company | Method and system for predicting driving path of neighboring vehicle |
CN106652557B (zh) * | 2015-10-28 | 2021-03-26 | 现代自动车株式会社 | 用于预测邻近车辆的驾驶路径的方法和系统 |
CN107544983A (zh) * | 2016-06-24 | 2018-01-05 | 高德信息技术有限公司 | 一种道路绘制方法、装置及系统 |
CN108801238A (zh) * | 2017-04-27 | 2018-11-13 | 电子科技大学中山学院 | 一种基于gpx的路径优化方法 |
CN108801238B (zh) * | 2017-04-27 | 2021-08-13 | 电子科技大学中山学院 | 一种基于gpx的路径优化方法 |
CN110998239A (zh) * | 2017-07-21 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 用于确定地图中的新路径的系统和方法 |
CN109282825A (zh) * | 2017-07-21 | 2019-01-29 | 北京嘀嘀无限科技发展有限公司 | 道路标记方法及装置 |
CN107645701A (zh) * | 2017-09-12 | 2018-01-30 | 咪咕互动娱乐有限公司 | 一种生成运动轨迹的方法及装置 |
CN107645701B (zh) * | 2017-09-12 | 2021-04-20 | 咪咕互动娱乐有限公司 | 一种生成运动轨迹的方法及装置 |
CN107578133B (zh) * | 2017-09-12 | 2021-07-13 | 武汉锐思图科技有限公司 | 一种电力线路巡检轨迹优化方法和系统 |
CN107578133A (zh) * | 2017-09-12 | 2018-01-12 | 武汉锐思图科技有限公司 | 一种电力线路巡检轨迹优化方法和系统 |
CN107705545B (zh) * | 2017-09-14 | 2021-10-01 | 王淑芳 | 一种重点营运车辆轨迹点补充方法和系统 |
CN107705545A (zh) * | 2017-09-14 | 2018-02-16 | 王淑芳 | 一种重点营运车辆轨迹点补充方法和系统 |
WO2019079934A1 (zh) * | 2017-10-23 | 2019-05-02 | 深圳配天智能技术研究院有限公司 | 一种交通数据的处理方法及服务器 |
CN108170790B (zh) * | 2017-12-27 | 2020-05-26 | 北京中交兴路车联网科技有限公司 | 一种基于海量轨迹数据检索经验路线的方法及系统 |
CN108170790A (zh) * | 2017-12-27 | 2018-06-15 | 北京中交兴路车联网科技有限公司 | 一种基于海量轨迹数据检索经验路线的方法及系统 |
CN108073721A (zh) * | 2017-12-29 | 2018-05-25 | 百度在线网络技术(北京)有限公司 | 一种道路要素的情报处理方法、装置、服务器及存储介质 |
CN108345665A (zh) * | 2018-02-06 | 2018-07-31 | 新诺北斗航科信息技术(厦门)股份有限公司 | 基于空间索引金字塔分级分段的航迹存储和显示优化方法 |
CN110570691B (zh) * | 2018-06-06 | 2021-12-17 | 杭州海康机器人技术有限公司 | 一种无人机航线确定方法及装置 |
CN110570691A (zh) * | 2018-06-06 | 2019-12-13 | 杭州海康机器人技术有限公司 | 一种无人机航线确定方法及装置 |
CN109035783A (zh) * | 2018-09-17 | 2018-12-18 | 东南大学 | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 |
CN109215372A (zh) * | 2018-10-15 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 路网信息更新方法、装置及设备 |
CN112148811A (zh) * | 2019-06-26 | 2020-12-29 | 陕西汽车集团有限责任公司 | 一种车载gps轨迹路径压缩方法 |
CN112148811B (zh) * | 2019-06-26 | 2023-01-10 | 陕西汽车集团股份有限公司 | 一种车载gps轨迹路径压缩方法 |
CN113672688A (zh) * | 2020-05-14 | 2021-11-19 | 阿波罗智联(北京)科技有限公司 | 路网数据更新方法、装置和电子设备 |
US11609096B2 (en) | 2020-05-14 | 2023-03-21 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method and apparatus for updating road network data |
CN112116628A (zh) * | 2020-09-18 | 2020-12-22 | 中电科西北集团有限公司 | 一种海上船舶轨迹曲线动态拟合方法、装置及存储介质 |
CN112818075A (zh) * | 2021-01-06 | 2021-05-18 | 南京市城市与交通规划设计研究院股份有限公司 | 道路网络补全方法、装置、电子设备及可读存储介质 |
CN112818075B (zh) * | 2021-01-06 | 2021-11-09 | 南京市城市与交通规划设计研究院股份有限公司 | 道路网络补全方法、装置、电子设备及可读存储介质 |
CN114383600A (zh) * | 2022-03-23 | 2022-04-22 | 北京百度网讯科技有限公司 | 用于地图的处理方法、装置、电子设备和存储介质 |
CN116385592A (zh) * | 2023-06-07 | 2023-07-04 | 山东省国土测绘院 | 一种基于遥感解译的基础测绘道路数据生成方法及系统 |
CN116385592B (zh) * | 2023-06-07 | 2023-08-15 | 山东省国土测绘院 | 一种基于遥感解译的基础测绘道路数据生成方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104050237B (zh) | 2017-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104050237A (zh) | 一种道路测绘方法和系统 | |
CN106323301B (zh) | 一种道路情报的获取方法及装置 | |
CN104050817B (zh) | 限速信息库生成、限速信息检测的方法和系统 | |
CN106969764B (zh) | 一种道路匹配方法、装置及车载地图采集系统 | |
US8306777B2 (en) | System and method for identifying road features | |
Li et al. | Integrated use of spatial and semantic relationships for extracting road networks from floating car data | |
CN101290725B (zh) | 数字道路地图的生成方法和地图生成系统 | |
CN110008872B (zh) | 一种结合车辆轨迹和遥感图像的路网提取方法 | |
CN102147260B (zh) | 电子地图匹配方法和装置 | |
Massow et al. | Deriving HD maps for highly automated driving from vehicular probe data | |
US20130166188A1 (en) | Determine Spatiotemporal Causal Interactions In Data | |
CN104215254B (zh) | 路径导航的方法和装置 | |
CN106227726B (zh) | 一种基于车辆轨迹数据的路径提取方法 | |
CN108204819B (zh) | 一种地图数据自动检测方法和装置、及混合导航系统 | |
US20120277993A1 (en) | Incremental map generation, refinement and extension with gps traces | |
CN101218486A (zh) | 用于对道路网图进行建模的方法、装置及系统 | |
CN106023589A (zh) | 一种基于卡口数据的车辆轨迹重构方法 | |
CN111062958B (zh) | 一种城市道路要素提取方法 | |
CN104422451A (zh) | 一种道路识别方法及装置 | |
CN103403496A (zh) | 利用探测数据确定及验证导航优先权设置的方法 | |
CN110162582A (zh) | 复杂地形下高速公路气象观测站智能选址系统及应用方法 | |
CN103149577A (zh) | “北斗”导航、gps导航和历史数据融合的组合导航方法 | |
CN101957208A (zh) | 一种基于浮动车技术的新增道路发现方法 | |
CN105096590A (zh) | 交通信息生成方法和交通信息生成设备 | |
CN113779430A (zh) | 路网数据生成方法、装置、计算设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |