CN104919280A - 转弯限制推断 - Google Patents
转弯限制推断 Download PDFInfo
- Publication number
- CN104919280A CN104919280A CN201380060964.9A CN201380060964A CN104919280A CN 104919280 A CN104919280 A CN 104919280A CN 201380060964 A CN201380060964 A CN 201380060964A CN 104919280 A CN104919280 A CN 104919280A
- Authority
- CN
- China
- Prior art keywords
- turning
- restriction
- path
- route
- infer
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/10—Map spot or coordinate position indicators; Map reading aids
- G09B29/106—Map spot or coordinate position indicators; Map reading aids using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Navigation (AREA)
Abstract
(实时)以离线和在线二者方式从地理踪迹提取转弯限制的体系结构。通过从位置踪迹识别驾驶员采取哪些具体的转弯以及在哪些时间点采取,可以采集(推断)转弯限制以及相关的时间依赖性。可以基于倾向于采取最短路线的驾驶员的本性而推断转弯限制。体系结构可以通过采集用户位置踪迹来推断允许的转弯和转弯限制,通过将用户所遵循的路线与当应用已知转弯限制的集合时最短路线作比较而推断转弯限制和相关联的置信得分,以及基于可达到性准则(诸如每个道路分段(两个相邻交叉口之间)以至少一种方式是可到达的)而推断转弯限制。提供了一种记分方法,用于通过融合以上所描述的得分与统计信息而计算存在转弯限制的可能性。
Description
背景技术
现有地图包含大量错误以及过时的关于哪些转弯是允许的和哪些转弯是不允许的转弯限制信息(称作转弯限制)。例如,一些转弯根本不被允许,而其他转弯仅对于具体类型的车辆是允许的。不正确的转弯限制信息可能导致计算不正确的路线,并且因此导致不良的用户体验(例如驾驶员挫败感、事故等等)。当做出决定以改变道路网络的结构、诸如从双向道路转为单向道路或者因为道路作业而临时封闭道路时,转弯限制也可能随时间改变。因此,维持最新的转弯限制信息是挑战。
发明内容
以下呈现了简化的发明内容以便于提供对在此所描述的一些新颖实施例的基本理解。该发明内容并非是广泛的概述,并且其并非意在识别关键/要害元件或者描绘其范围。其仅有的目的在于以简化的形式呈现一些概念作为稍后呈现的更详细的描述的前奏。
所公开的体系结构以离线和在线(实时)二者方式从位置踪迹(例如全球定位系统(GPS))提取转弯限制(共同地作为允许的转弯以及不允许的转弯)。通过从位置踪迹识别驾驶员采取哪些具体的转弯以及在哪些时间点转弯,可以采集(推断)转弯限制以及相关的时间依赖性。
转弯限制可以基于倾向于采取最短路线的驾驶员的本性而推断。当从点A前往点B时,如果驾驶员并未采取看起来是最短的“允许的”的路线R1、而是采取了更长的路线R2,则可以推断的是,由于体系结构未察觉的转弯限制而不允许当前所允许的路线R1。随后,可以推断的是,沿着路线R1的转弯中的一个不被允许,并且然后将置信得分与该转弯限制相关联。
体系结构可以通过采集用户位置踪迹而推断允许的转弯和不允许的转弯,通过将用户所遵循的路线与当应用已知的转弯限制的集合时最短的路线作比较而推断转弯限制和相关的置信得分,以及基于可到达性准则(诸如每个道路区段(两个相邻的交叉口之间)以至少一种方式是可达到的)而推断转弯限制。
提供了一种记分方法,用于通过将以上描述的得分与统计信息(例如,平均而言,一定比例的(例如60%)交叉口允许左转弯,当与邻近的平行的单向街道比较时,单向街道常常具有相反方向,较小的街道或者断路常常较少被使用,等)组合而计算针对存在转弯限制的可能性。此外,可以应用集成了以上所描述的任何方法和规则的优化方法以达到可行的转弯限制的最可能的集合。为了对转弯限制进行分类的目的(例如,将转弯分类为允许的或禁止的),以上中的任何的作为特征的使用都可以被用来训练机器学习算法。
为了完成前述和相关的目标,在此连同以下描述和附图来描述某些例证性的方面。这些方面指示在此公开的原理可以被实践的各种方式,并且所有的方面及其等价方式意在落入请求保护的主题的范围内。当结合附图考虑时,依据以下的详细描述,其它的优点和新颖的特征将变得明显。
附图说明
图1图示根据所公开的体系结构的系统。
图2图示与所公开的体系结构相关联的转弯限制计算的示例性图。
图3图示可以由推断部件采用以计算转弯限制的可能的特征的特征集合。
图4图示根据所公开的体系结构的方法。
图5图示根据所公开的体系结构的替代性方法。
图6图示根据所公开的体系结构的执行转弯限制推断计算的计算系统的框图。
具体实施方式
所公开的体系结构从离线和在线(实时)二者的地理位置信息(例如全球定位系统(GPS))踪迹(一个或多个地理坐标)提取转弯限制(允许的转弯和不允许的转弯)。通过从位置踪迹识别驾驶员采取和不采取哪些具体的转弯,并且可选地识别在哪些时间点(时间依赖性数据)转弯,可以推断转弯限制。此外,可以基于驾驶员倾向采取至目的地的最短路线(路径或路线)的假设而推断转弯限制。当从点A驶向点B时,如果驾驶员并未采取看起来是最短的“允许的”路线R1、而是更长的路线R2,则可以推断的是最可能是因为一些未知的限制(例如道路建设、天气条件、事故等)而不允许路线R1。随后,可以做出推断,沿着路线R1的转弯中的一个不被允许并且置信得分(confidence score)可以与该转弯限制相关联。
现在参照绘图,其中相同附图标记被用于指示全部附图中相同元素。在以下的描述中,为了解释说明的目的,阐述了众多具体细节以便于提供对其彻底的理解。然而,可以明显的是,可以在没有这些具体细节的情况下实践这些新颖的实施例。在其他情形下,以框图的形式示出了广泛已知的结构和装置以便于促进其描述。意图是覆盖落入请求保护的主题的精神和范围内的所有修改例、等价方式和替代。
图1图示根据所公开的体系结构的系统100。系统100可以包括提供用户行进在地理端点(端点t1和端点 t2)之间的地理路径106上的踪迹信息104的追踪部件102。推断部件108基于踪迹信息104而推断沿着地理路径106的转弯限制110(允许的和不允许的转弯)。
推断部件108基于转弯限制110中的一个或多个转弯限制的时间依赖性而推断转弯限制110。推断部件108将置信得分与针对不被允许的转弯的转弯限制相关联。推断部件108基于行进者所遵循的路径与当应用与路径106相关联的已知转弯限制的集合时最短路径的比较而推断转弯限制110。推断部件108基于与道路(或路径)区段有关的可到达性准则而推断转弯限制110。例如,可以由街区对路径进行分段,以使得可以基于逐个街区而允许和/或不允许转弯。在更细化的实施方式中,路径分段也可以包括巷道、车道、进口坡道、出口坡道等等。
推断部件108基于可能性得分和统计信息而计算转弯限制的可能性。推断部件108基于用于训练机器学习算法的特征而做出推断。特征包括但不限于在此所述的参数,诸如时间依赖性、地理位置(例如,居民区、邻近区域、工业区、市区、市郊、主高速公路或街道、医院附近、消防站、警察局等)、转弯的类型(例如左转、右转、并道等)、街道的类型(单向、双向等)、天气条件、正在驾驶的人的用户身份(以及因此,在该路径上用户停止和转弯偏好)、道路条件(例如建设、管制的交通流量――桥梁之上单个通道,等)等等。
推断元件108基于沿着包括地理端点之一或两者的(第一)路径的(一个或多个用户中的)其他用户行进的统计的聚集而做出关于转弯限制的推断。换言之,可以有能够在端点之间被采取的第二路径,以使得可以基于在并行的或第二路径、或第三路径等上的一个或多个转弯限制而计算在第一路径上的转弯限制。
图2图示与所公开的体系结构相关联的转弯限制计算的示例性图200。经由通常已知的技术(诸如GPS、三角测量等)的用户位置踪迹可以被用于提取转弯限制。基于在区域202中不存在关于转弯限制的先验信息、以及所有的转弯是被允许的初始假设,考虑以下情形。从接收到的用户位置踪迹,从点A向点C行进的用户采取路线204(也称作路径,并且由虚-点线图案标注),而从点B向点C行进的用户采取路线206(也称作路径,纯粹地由虚线标注)。
从用户位置踪迹,采用具体的置信/得分(取决于采取该具体路线的用户的统计)可以推断某些转弯是被允许的。(注意的是,如在此定义的“转弯”不仅包括如通常所理解的诸如左转或右转的改变方向,而且也包括直行,如在通过交叉口时。因此,T1也称作转弯。)例如,从用户遵循的路线204,可以推断转弯T1、转弯T2、转弯T3和转弯T4是允许的转弯。基于路线206,可以类似地推断转弯T5、T6、和T4也是至点C的被允许采取的转弯。因为转弯T4出现在两个路线(204和206)中,所以可以以更高的置信度(更高的统计)推断转弯T4是允许的转弯。
附加地,指示路线208和210未被任何用户使用或者未被使用但是由非常少数的用户使用的踪迹信息(例如,关于转弯T9)创建转弯T9可能是不被允许的转弯的一些置信度。置信得分可以取决于穿过交叉口并且采取或不采取转弯T9的用户的比例和/或绝对数目,以及转弯T9最终导向的街道分段。例如,如果转弯T9导向小的断路巷道,则可以预期的是,尽管其是允许的转弯,但是仅有极小比例的用户(如果有任何用户的话)将采取转弯T9。
也可以使用更多的特征。例如,如果具体的道路分段(例如,作为交叉口的近似中心的分段点SP1和SP2所定义的分段SP1-SP2)的道路条件非常差(例如地穴、道路作业等),则可以预期的是,用户一般将尝试避开该道路分段和导向其的转弯(转弯T7和转弯T8)。
可以基于用户倾向于采取至目的地最短路线的见解而推断转弯限制。每当用户不采取看起来是最短的路线(路径)时,这最可能是因为体系结构未察觉其中的一个或多个转弯限制。例如,考虑用户采取从点A至点C的路线204。然而,如果所有的转弯被允许(假设关于不允许的转弯的零先验知识),则从点A至路线210的虚线(由转弯T7、T8和T9定义)将是至点C的最短路线。
因为路线204背离路线210(路线并未重合),这给出了沿着路线210存在一些转弯限制的暗示。背离路线204、并且作为比路线204(由转弯T1、T2、T3和T4定义)更短的路线的路线210的情况(由转弯T7、T8和T9定义)指示了转弯T7、转弯T8或转弯T9或其任意组合是不被允许的一些置信度。
类似地,路线206(由转弯T5、T6和T4定义)创建转弯T8或T9是潜在地不被允许的一些置信度,因为路线206背离更短的路线210。路线204(并且不是路线210)和路线206(并且不是208)两者的存在暗示了转弯T8或(和)转弯T9(或两者)是不被允许的,并且进一步增大了转弯T8和转弯T9是不允许的置信。
也可以利用统计聚集。例如,通常允许(并且极少不允许)行进到交叉口(例如SP2)中。经常允许(并且极少不允许)右转(例如转弯T7),而左转不及右转更频繁地被允许。
所有以上技术可以被用于构建关于是否允许或不允许具体的转弯的置信得分。在该简单的情境中,例如,转弯T9具有不被允许的最高置信(得分),因为转弯T9出现在路线204/210和路线206/208二者中,但是转弯T9并未由用户采取,并且转弯T9是左转。
所有以上规则可以与搜索空间探测和/或优化算法(例如通过将允许的转弯变为不允许的转弯以及将不允许的转弯变为允许的转弯而插入并评估具体的转弯限制的集合的似真性的遗传搜索)组合以取得最佳地证实观测到的用户位置踪迹和/或聚集的统计的转弯限制的最可能的集合。
图3图示可以由推断部件108利用以计算转弯限制的可能特征的特征集合300。集合300可以包括但不限于,位置踪迹、天气、建设、其他驾驶员踪迹、最短路线决策、时间依赖性、用户偏好/属性、运输模式、可到达性准则、路线改变、历史数据、多方向踪迹信息、路线组成、路线环境、路线条件等等。
之前已经描述了位置踪迹作为诸如与沿着路线(路径)行进相关的坐标的地理信息。踪迹信息可以从诸如蜂窝电话、平板电脑的移动装置和其他合适的装置获得。位置踪迹可以包括在至少两个端点之间行进的总路线的多个分段的单个分段。分段可以例如根据诸如建筑物和街道的结构而物理地被定义。通常特征化的分段可以是城市街区,其包括主要街道和大街以使得所行进的路线的分段在两个连续街道或两个连续大街之间延伸。可以例如根据诸如每秒的合适的时间频率而获得踪迹。
天气可以被用作特征。例如,可以从提供用于所行进的路线和端点的天气数据的天气网站获得天气信息。天气状态可以影响踪迹是否将包括与更主要的(或铺设的)道路相对的泥土道路。如果天气是下雨,则更可能的是大多数用户将避开泥土道路。然而,大多数用户避开泥土道路的事实并未意味着存在实际的转弯限制。换言之,即便非常少的用户转至泥土道路上,体系结构仍然将能够成功地将其分类为允许的转弯,因为预期的是,在这样的天气条件下非常少的用户将使用该道路。
至于其他的驾驶员(行进者)踪迹,该数据可以被用来建立针对给定时间段的转弯限制。例如,如果其他的行进者踪迹指示在具体的接合点处不存在转弯,则可以推断的是,接合点在该时刻是不被允许的转弯。可以追踪该信息的时限以随着时间(诸如每两周)使得该信息淘汰(age out),因为可以确定的是,平均而言街道建设通常可能不持续更长,以及因此这样的踪迹数据在街道准备好通行之后将是不重要的。
由其他人响应于不允许的转弯而建立的路线也可以有助于预见针对区域中的或者该分段的该不允许的转弯或者另一受限制的转弯的路线应当存在类似的条件。
之前简要地描述了最短(较短)的路线决策。该特征可以基于行进者的知识、张贴在路线上的指令(例如绕道)、以及获悉的信息。可以基于任意数目的因素而知晓或获悉最短路线。因此,产生的转弯限制可以是相对于已知和/或获悉的最短的(较短)路线。
时间依赖性特征促进了基于行进可以被提升或者不被提升的时间(诸如高峰期(对于城区和主要道,行进被提升)、节假日(除非安排了事件,在城区行进不被提升)、周末(对于城区,行进不被提升)等)而推断转弯限制。
用户偏好和用户特性也可以被利用作为影响转弯限制为允许的或不允许的识别的特征。例如,如果已知给定用户喜欢行进在端点之间的某一路线(如由重复的位置踪迹所定义),则该信息可以被用来推断或至少提供如果用户从优选路径改变则转弯限制是不允许的一些权重。如果用户特性指示用户驾驶昂贵的汽车,则这可以是可能指示用户将采取主要良好地行进的路线而不是不太安全的较短路线通过的一些信息片段。如果用户特性指示用户经常采取公共运输,则该信息可以指示不允许的转弯的验证。
运输模式(或行进模式)特征可以指示给定的用户如何行进,步行、公共运输、合伙使用汽车、个人车辆、双轮车辆等等。这可以被包括为具有位置踪迹的元数据。如果用户步行行进,则该数据可能不太有用,因为不太可能的是,任何的转弯限制对于例如正在驾驶的其他人员将是有用的。行进模式对于使用相同的行进类型的另一用户变得更有用。
可到达性准则紧密地跟随其他特征中的一些,诸如建设、天气等等。
由于任何数目的原因,主要是由于建设和相关的绕道、以及天气的缘故,路线改变可能频繁地发生。通过例行地仅在高峰期期间将5车道高速公路改变为2车道高速公路以改进出城的交通流量,高峰期可能影响路线改变。基于时间,路线将在高峰期结束之后改变回来。因此,可以基于路线改变而推断转弯限制。如果也基于时间依赖性,则可以利用更频繁的踪迹更新来监控限制。
可以在任何时间段和路线之上采集历史数据以对所公开的特征中的任何一个或多个做出推断的转弯限制。
多方向踪迹信息可以被处理为不仅考虑从点A至点B的踪迹数据,而且也考虑从点B至点A。可能的是相同的转弯限制将是生效的,而不论沿着相同路线的方向如何。
路线组成特征包括所有的街道、大街、泥土道路、高速公路等等,其可以是给定的端点之间的路线的一部分。这些部分中的每一个或组合可以用于推断在沿着路线任何点处是否发生转弯限制。路线环境特征描述路线或其分段是否穿过居民区、工业区、学校区域、主高速公路、乡村等等。路线条件特征指示在沿着路线的任何给定点或分段处路线的条件,诸如桥梁缺失、道路建设、洪水等等。这也可以与可到达性特征重叠或者紧密地相关。其它的特征可以被定义并且如期望地被利用来改进对路线(路径)的(多个)转弯限制的推断。此外,可能性得分可以被计算并且针对根据在此所描述的特征中的一个或多个确定的每个转弯限制而应用。
在此所包括的是表示用于执行所公开的体系结构的新颖的方面的示例性方法论的流程图的集合。尽管为了解释说明的简单性的目的,在此所示的一个或多个方法论(例如,流程图或者流程图表的形式)被示出和描述为一系列的动作,但是将理解并领会的是,方法论不限于动作的顺序,因为一些动作可以据此以不同顺序和/或与在此所示和所描述的其他动作并行地发生。例如,本领域技术人员将理解并领会,方法论可以替代性地被呈现为一系列相关状态或事件(诸如在状态图中)。此外,对于新颖的实施方式,不是在方法论中被图示的所有动作都可以被要求。
图4图示根据所公开的体系结构的方法。在400处,接收与沿着地理端点之间的路径的行进相关联的踪迹信息。在402处,基于行进针对转弯信息分析踪迹信息。在404处,基于转弯信息推断沿着地理端点之间路径的转弯限制。
方法可以进一步包括推断沿着路径的转弯限制的时间依赖性,以及基于驾驶员倾向推断转弯限制。方法可以进一步包括向沿着路径的转弯限制分配置信得分。方法可以进一步包括基于至路径的可到达性准则而推断转弯限制,以及基于转弯得分的可能性计算和已知的路径转弯的统计信息而推断转弯限制。方法可以进一步包括训练机器学习算法以自动地将转弯分类为允许的或不允许的。
图5图示根据所公开的体系结构的替代性方法。在500处,接收与沿着地理端点之间的路径的用户行进相关联的踪迹信息。在502处,基于用户行进针对转弯信息分析踪迹信息。在504处,基于转弯信息推断沿着地理端点之间路径的转弯限制,该转弯信息包括驾驶员倾向以及至路径的可到达性准则。
方法可以进一步包括向沿着路径的转弯限制分配置信得分。方法可以进一步包括基于转弯得分的可能性计算和已知的路径转弯的统计信息而推断转弯限制。方法可以进一步包括训练机器学习算法以自动地将转弯分类为允许的或不允许的。方法可以进一步包括实时地在线和离线提取转弯限制。
如本申请中所使用的,术语“部件”和“系统”意在指的是计算机相关实体,或者硬件、软件与有形硬件的组合、软件、或执行中的软件。例如,部件可以是但不限于诸如处理器、芯片存储器、大容量存储装置(例如光学驱动、固态驱动、和/或磁存储介质驱动)和计算机的有形部件,以及诸如运行在处理器上的过程、对象、可执行数据结构(存储在易失性或非易失性存储介质中)、模块、执行的线程、和/或程序的软件部件。
借由图示的方式,运行在服务器上的应用和服务器可以是部件。一个或多个部件可以驻留在过程和/或执行的线程内,并且部件可以被局部化在一个计算机上和/或分布在两个或多个计算机之间。词语“示例性”可以在此被用于意味着充当示例、实例、或图示。在此被描述为“示例性”的任何方面或设计不一定被构造为相比于其他的特征或设计是的优选或有利的。
现在参照图6,图示了执行根据所公开体系结构的转弯限制推断计算的计算系统600的框图。然而,应该领会的是,所公开的方法和/或系统的一些或所有的方面可以被实施为芯片上系统,其中模拟、数字、混合信号以及其他功能被制作在单个的芯片衬底上。
为了针对其各个方面提供附加的上下文,图6和以下描述意在提供对其中可以实施各种方面的合适的计算系统600的简要、一般性描述。尽管以上描述是可以运行在一个或多个计算机上的计算机可执行指令的一般性上下文,但是本领域技术人员将认识到,新颖的实施例也可以与其他程序模块组合实施和/或作为硬件与软件的组合而实施。
用于实施各个方面的计算系统600包括计算机602,其具有(多个)处理单元604(也称作(多个)微处理器和(多个)处理器),诸如系统存储器606的计算机可读存储,以及系统总线608。(多个)处理单元604可以是各种商业上可得到的处理器中的任何处理器,诸如单处理器、多处理器、单核单元和多核单元。此外,本领域技术人员将领会的是,新颖的方法可以采用其他的计算机系统配置来实践,包括小型计算机、大型计算机、以及个人计算机(例如台式机、笔记本电脑、平板PC等)、手持计算装置、基于微处理器的或可编程消费电子设备等等,其中的每一个可以操作地耦合至一个或多个相关联的装置。
计算机602可以是在数据中心和/或计算资源(硬件和/或软件)中利用的若干个计算机中的一个,其针对便携式和/或移动计算系统(诸如蜂窝电话和其他能够移动的装置)支持云计算服务。云计算服务例如包括但不限于,作为服务的基础结构、作为服务的平台、作为服务的软件、作为服务的存储、作为服务的台式机、作为服务的数据、作为服务的安全、以及作为服务的API(应用程序接口)。
系统存储器606可以包括计算机可读存储(物理存储介质),诸如易失性(VOL)存储器610(例如随机访问存储器(RAM))和非易失性存储器(NON-VOL)612(例如ROM、EPROM、EEPROM等)。基本输入/输出系统(BIOS)可以存储在非易失性存储器612中,并且包括诸如在开机期间促进计算机602内的部件之间数据和信号的通信的基本例程。易失性存储器610也可以包括诸如用于缓存数据的静态RAM的高速RAM。
系统总线608提供了用于系统部件的接口,包括但不限于系统存储器606至(多个)处理单元604。系统总线608可以是使用各种商业上可得到的总线体系结构中的任何总线体系结构而可以进一步互连至存储器总线(具有或不具有存储器控制器)和外围总线(例如PCI、PCIe、AGP、LPC等)的若干个类型的总线结构中的任何总线结构。
计算机602进一步包括(多个)机器可读存储子系统614和用于将(多个)存储子系统614对接至系统总线608和其他期望的计算机部件的(多个)存储接口616。(多个)存储子系统614(物理存储介质)可以例如包括硬盘驱动(HDD)、磁性软盘驱动(FDD)、固态驱动(SSD)和/或光盘存储驱动(例如CD-ROM驱动、DVD驱动)中的一个或多个。(多个)存储接口616可以例如包括诸如EIDE、ATA、SATA和IEEE1394的接口技术。
一个或多个程序和数据可以存储在存储器子系统606、机器可读和可移除存储器子系统618(例如,闪存驱动波形因数技术)和/或(多个)存储子系统614(例如光学、磁性、固态)中,包括操作系统620、一个或多个应用程序622、其他程序模块624、以及程序数据626。
操作系统620、一个或多个应用程序622、其他程序模块624和/或程序数据626可以例如包括图1的系统100的实体和部件、如图2的图200中所示的转弯限制分析和计算、图3的特征的集合300、以及由图4和图5的流程图所表示的方法。
一般地,程序包括执行特定的任务或实施特定的抽象数据类型的例程、方法、数据结构、其他软件部件等。操作系统620、应用622、模块624和/或数据626的全部或一部分也可以被缓存在诸如例如易失性存储器610的存储器中。将领会到的是,所公开的体系结构可以采用各种商业上可得到的操作系统或者操作系统的组合(例如作为虚拟机)而实施。
(多个)存储子系统614和存储器子系统(606和618)用作针对数据、数据结构、计算机可执行指令等的易失性和非易失性存储的计算机可读介质。当由计算机或其他机器执行时,这样的指令可以使得计算机或其他机器执行方法中的一个或多个动作。执行动作的指令可以存储在一种介质中,或者可以跨多种介质而存储,以使得指令共同地出现在一种或多种计算机可读存储介质上,而不论是否所有的指令都在同一介质上。
计算机可读介质可以是并未利用传播信号、可以由计算机602访问的任何可用介质,并且包括可移除或不可移除的易失性和非易失性内部和/或外部介质。对于计算机602,介质以任何合适的数字格式容纳数据的存储。本领域技术人员应该领会的是,可以利用用于存储用于执行所公开的体系结构的新颖的方法的计算机可执行指令的其他类型的计算机可读介质,诸如压缩驱动、磁带、闪存卡、闪存驱动、卡盒等等。
用户可以使用外部用户输入装置628(诸如键盘和鼠标)以及通过由语音辨识所促进的声音命令与计算机602、程序和数据交互。其他的外部用户输入装置628可以包括话筒、IR(红外)远程控制、操纵杆、游戏垫、相机辨识系统、手写笔、触摸屏、姿势系统(例如眼球移动、头部移动等)等等。用户可以使用车载用户输入装置630(诸如触摸垫、话筒、键盘等)与计算机602、程序和数据交互,其中计算机602例如是便携式计算机。
这些和其他输入装置通过(多个)输入/输出(I/O)装置接口632经由系统总线608连接至(多个)处理单元604,但是可以由其他的接口连接,诸如并口、IEEE 1394串口、游戏口、USB口、IR接口、短程无线(例如蓝牙)和其他个人区域网(PAN)技术等。(多个)I/O装置接口632也促进了输出外围设备634(诸如打印机、音频装置、相机装置等等,诸如声卡和/或车载音频处理能力)的使用。
一个或多个图形接口636(通常也称作图形处理单元(GPU))在计算机602与(多个)外部显示器638(例如LCD,等离子)和/或车载显示器640(例如,用于便携式计算机)之间提供图形和视频信号。(多个)图形接口636也可以制造作为计算机系统板的一部分。
使用经由有线/无线通信子系统642至一个或多个网络和/或其他计算机的逻辑连接,计算机602可以操作在联网环境(例如基于IP)中。其他计算机可以包括工作站、服务器、路由器、个人计算机、基于微处理器的娱乐设备、同位体装置或其他共同网络节点,并且通常包括相对于计算机602所描述的许多或全部元件。逻辑连接可以包括至局域网(LAN)、广域网(WAN)、热点等的有线/无线连接。LAN和WAN联网环境在办公室和公司中是普通的,并且促进了企业范围的计算机网络,诸如内联网,其全部可以连接至诸如互联网的全球通信网络。
当用于联网环境中时,计算机602经由有线/无线通信子系统642(例如网络接口适配器,车载收发器子系统等)连接至网络以与有线/无线网络、有线/无线打印机、有线/无线输入装置644等通信。计算机602可以包括调制解调器或用于在网络之上建立通信的其他构件。在联网环境中,关于计算机602的程序和数据可以存储在如与分布式系统相关联的远程存储器/存储装置中。将领会的是,所示网络连接是示例性的,并且可以使用在计算机之间建立通信链接的其他构件。
使用诸如IEEE 802.xx标准族的无线电技术,计算机602可操作成与有线/无线装置或实体通信,诸如操作地被设置为与例如打印机、扫描仪、台式机和/或便携式计算机、个人数字助理(PDA)、通信卫星、与无线可检测到的标签(例如信息亭、报摊、休息室)相关联的设备或位置的任何片段、以及电话进行无线通信(例如IEEE 802.11空中调制解调技术)的无线装置。这至少包括用于热点的Wi-FiTM(用于保证无线计算机联网装置的互操作性)、WiMax和蓝牙TM无线技术。因此,通信可以是被预定义为具有常规的网络的结构或者简单地为至少两个装置之间的自组织通信。Wi-Fi网络使用所谓的IEEE 802.11x(a、b、g等)的无线电技术以提供安全、可靠、快速的无线连接。Wi-Fi网络可以被用于将计算机相互连接、连接至互联网、以及连接至有线网络(其使用IEEE 802.3相关的介质和功能)。
以上所描述的包括所公开的体系结构的示例。当然,不可能描述部件和/或方法论的每种可想到的组合,但是本领域技术人员可以认识的是,许多进一步的组合和排列是可能的。相应地,新颖的体系结构意在包围落入所附权利要求的精神和范围内的所有这样的变更、修改和变型。此外,术语“包括”在详细的描述或者权利要求中以这样的程度被使用,这样的术语意在以类似于术语“包含”的方式是包括性的,当其在权利要求中被利用时,该“包含”被解释为过渡性词语。
Claims (10)
1.一种系统,包括:
提供在地理端点之间的地理路径上的用户行进的踪迹信息的追踪部件;
基于所述踪迹信息而推断沿着所述地理路径的转弯限制的推断部件;以及
执行与所述追踪部件或推断部件的至少一个相关联的计算机可执行指令的微处理器。
2.根据权利要求1所述的系统,其中,所述推断部件基于所述转弯限制中的一个或多个转弯限制的时间依赖性而推断所述转弯限制,并且针对不被允许的转弯将置信得分与转弯限制相关联。
3.根据权利要求1所述的系统,其中,所述推断部件基于行进者所遵循的路径与当应用与所述路径相关联的已知转弯限制的集合时最短路径的比较而推断所述转弯限制,并且基于与道路区段有关的可到达性准则推断所述转弯限制。
4.根据权利要求1所述的系统,其中,所述推断部件基于可能性得分和统计信息而计算转弯限制的可能性。
5.根据权利要求1所述的系统,其中,所述推断部件基于被用于训练机器学习算法的特征而做出推断,并且基于沿着包括所述地理端点中的一个或两个的路径的其他用户行进的统计的聚集而做出关于转弯限制的推断。
6.一种由运行机器可读指令的计算机所执行的方法,所述方法包括以下动作:
接收与沿着在地理端点之间的路径的用户行进相关联的踪迹信息;
基于所述用户行进针对转弯信息分析所述踪迹信息;
基于所述转弯信息推断沿着所述地理端点之间的路径的转弯限制,该转弯信息包括驾驶员倾向以及至所述路径的可到达性准则;以及
配置处理器以执行所述接收、分析或推断的动作中的至少一个。
7.根据权利要求6所述的方法,进一步包括向沿着所述路径的转弯限制分配置信得分。
8.根据权利要求6所述的方法,进一步包括基于转弯得分的可能性计算和已知的路径转弯的统计信息而推断所述转弯限制。
9.根据权利要求6所述的方法,进一步包括训练机器学习算法以自动地将转弯分类为允许的或不允许的。
10.根据权利要求6所述的方法,进一步包括实时地在线和离线提取所述转弯限制。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/683857 | 2012-11-21 | ||
US13/683,857 US20140143184A1 (en) | 2012-11-21 | 2012-11-21 | Turn restriction inferencing |
PCT/US2013/070860 WO2014081743A1 (en) | 2012-11-21 | 2013-11-19 | Turn restriction inferencing |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104919280A true CN104919280A (zh) | 2015-09-16 |
Family
ID=49681231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380060964.9A Pending CN104919280A (zh) | 2012-11-21 | 2013-11-19 | 转弯限制推断 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20140143184A1 (zh) |
EP (1) | EP2923176A1 (zh) |
CN (1) | CN104919280A (zh) |
WO (1) | WO2014081743A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9612128B2 (en) | 2015-04-29 | 2017-04-04 | Microsoft Technology Licensing, Llc | Controlling travel route planning module based upon user travel preference |
US9558660B1 (en) * | 2015-07-31 | 2017-01-31 | Here Global B.V. | Method and apparatus for providing state classification for a travel segment with multi-modal speed profiles |
US9721472B2 (en) * | 2015-09-22 | 2017-08-01 | Ford Global Technologies, Llc | Formulating lane level routing plans |
US10546490B2 (en) * | 2017-09-29 | 2020-01-28 | Here Global B.V. | Method and apparatus for identifying a transport mode of probe data |
US11719554B2 (en) * | 2019-01-25 | 2023-08-08 | Uber Technologies, Inc. | Determining dissimilarities between digital maps and a road network using predicted route data and real trace data |
US20220253913A1 (en) * | 2021-02-09 | 2022-08-11 | Ford Global Technologies, Llc | Systems and methods for re-simulating vehicle usages |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101295437A (zh) * | 2007-04-25 | 2008-10-29 | 爱信艾达株式会社 | 道路信息生成装置、方法及程序 |
US20090070031A1 (en) * | 2007-09-07 | 2009-03-12 | On Time Systems Inc. | System and method for automated updating of map information |
CN101438335A (zh) * | 2006-03-03 | 2009-05-20 | 因瑞克斯有限公司 | 使用来自移动数据源的数据估算道路交通状况 |
US20090138497A1 (en) * | 2007-11-06 | 2009-05-28 | Walter Bruno Zavoli | Method and system for the use of probe data from multiple vehicles to detect real world changes for use in updating a map |
CN102261919A (zh) * | 2010-05-26 | 2011-11-30 | 阿尔派株式会社 | 车载用导航装置以及路径引导方法 |
EP2413301A1 (en) * | 2009-03-26 | 2012-02-01 | Toyota Mapmaster Incorporated | Device and method for generating route restriction information of intersection, computer program for generating route restriction information of intersection, and recording medium for recording computer program |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7124199B2 (en) * | 2001-12-28 | 2006-10-17 | Autodesk, Inc. | Turn restriction handling enhancement |
US20060178820A1 (en) * | 2005-02-04 | 2006-08-10 | Novariant, Inc. | System and method for guiding an agricultural vehicle through a recorded template of guide paths |
US8284995B2 (en) * | 2008-07-16 | 2012-10-09 | Volkswagen Of America, Inc. | Method for updating a geographic database for an in-vehicle navigation system |
EP2443418B1 (en) * | 2009-06-16 | 2018-12-05 | TomTom North America Inc. | Methods and systems for creating digital street network database |
CN101673544B (zh) * | 2009-10-10 | 2012-07-04 | 上海电虹软件有限公司 | 一种基于声纹识别和定位跟踪的交叉监控方法和系统 |
US8954374B2 (en) * | 2010-02-23 | 2015-02-10 | International Business Machines Corporation | Community-driven map creation and access |
WO2012089277A1 (en) * | 2010-12-31 | 2012-07-05 | Tomtom Germany Gmbh & Co. Kg | Manuevre analysis, direction of traffic flow and detection of grade separated crossings for network generation in a digital map |
US20120239584A1 (en) * | 2011-03-20 | 2012-09-20 | Microsoft Corporation | Navigation to dynamic endpoint |
US8550909B2 (en) * | 2011-06-10 | 2013-10-08 | Microsoft Corporation | Geographic data acquisition by user motivation |
US8954266B2 (en) * | 2011-06-28 | 2015-02-10 | Microsoft Technology Licensing, Llc | Providing routes through information collection and retrieval |
US20130052614A1 (en) * | 2011-08-31 | 2013-02-28 | Pulsar Informatics, Inc. | Driver Performance Metric |
US8788193B2 (en) * | 2011-10-17 | 2014-07-22 | Gen-9, Inc. | Tracking activity, velocity, and heading using sensors in mobile devices or other systems |
CN103063222B (zh) * | 2011-10-24 | 2017-08-04 | 泰为信息科技公司 | 具有转向限制机制的导航系统及其操作方法 |
US20130173653A1 (en) * | 2011-12-30 | 2013-07-04 | Microsoft Corporation | Path composition for planning |
US8949334B2 (en) * | 2012-07-26 | 2015-02-03 | Microsoft Corporation | Push-based recommendations |
US8963740B2 (en) * | 2013-03-14 | 2015-02-24 | Microsoft Corporation | Crowd-sourced parking advisory |
-
2012
- 2012-11-21 US US13/683,857 patent/US20140143184A1/en not_active Abandoned
-
2013
- 2013-11-19 WO PCT/US2013/070860 patent/WO2014081743A1/en active Application Filing
- 2013-11-19 CN CN201380060964.9A patent/CN104919280A/zh active Pending
- 2013-11-19 EP EP13798891.1A patent/EP2923176A1/en not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101438335A (zh) * | 2006-03-03 | 2009-05-20 | 因瑞克斯有限公司 | 使用来自移动数据源的数据估算道路交通状况 |
CN101295437A (zh) * | 2007-04-25 | 2008-10-29 | 爱信艾达株式会社 | 道路信息生成装置、方法及程序 |
US20090070031A1 (en) * | 2007-09-07 | 2009-03-12 | On Time Systems Inc. | System and method for automated updating of map information |
US20090138497A1 (en) * | 2007-11-06 | 2009-05-28 | Walter Bruno Zavoli | Method and system for the use of probe data from multiple vehicles to detect real world changes for use in updating a map |
EP2413301A1 (en) * | 2009-03-26 | 2012-02-01 | Toyota Mapmaster Incorporated | Device and method for generating route restriction information of intersection, computer program for generating route restriction information of intersection, and recording medium for recording computer program |
CN102261919A (zh) * | 2010-05-26 | 2011-11-30 | 阿尔派株式会社 | 车载用导航装置以及路径引导方法 |
Also Published As
Publication number | Publication date |
---|---|
US20140143184A1 (en) | 2014-05-22 |
WO2014081743A1 (en) | 2014-05-30 |
EP2923176A1 (en) | 2015-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110361024B (zh) | 用于利用车辆组标识的动态车道级车辆导航的方法和系统 | |
US20200408555A1 (en) | Electronic map display method and apparatus | |
US11080534B2 (en) | Identifying objects for display in a situational-awareness view of an autonomous-vehicle environment | |
CN108253975B (zh) | 一种建立地图信息及车辆定位的方法与设备 | |
CN104919280A (zh) | 转弯限制推断 | |
US10627248B2 (en) | Cognitive load routing metric for vehicle guidance | |
US10453337B2 (en) | Method and apparatus for providing safety levels estimate for a travel link based on signage information | |
US11731652B2 (en) | Systems and methods for reactive agent simulation | |
US11162806B2 (en) | Learning and predictive navigation system | |
JP7023299B2 (ja) | モバイル・オブジェクトの管理方法、システム、コンピュータ・プログラム、およびその記録媒体 | |
CN109937343A (zh) | 用于自动驾驶车辆交通预测中的预测轨迹的评估框架 | |
US20200400458A1 (en) | Real-Time Mapping Using Geohashing | |
CN109429518A (zh) | 基于地图图像的自动驾驶交通预测 | |
US20140266800A1 (en) | Crowd-sourced parking advisory | |
CN109697875A (zh) | 规划行驶轨迹的方法及装置 | |
CN104331422A (zh) | 一种路段类型推测方法 | |
Ye et al. | A method for driving route predictions based on hidden Markov model | |
CN109587621B (zh) | 预测性地提供援助信息的方法和计算设备 | |
JP6799611B2 (ja) | 地図に基づくナビゲーション方法、装置、記憶媒体及び機器 | |
US9635115B2 (en) | Unused location discriminator | |
US20190286922A1 (en) | Road Determination | |
US20180216948A1 (en) | Route recommendation in map service | |
CN104236577A (zh) | 一种信息处理方法及电子设备 | |
US10801844B2 (en) | Remediating dissimilarities between digital maps and ground truth data via dissimilarity threshold tuning | |
JP2022517454A (ja) | ナビゲーション中に難しい操縦についての追加の命令を提供すること |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150916 |