CN105183769A - 基于流数据立方体的轨迹数据原位可视化方法 - Google Patents

基于流数据立方体的轨迹数据原位可视化方法 Download PDF

Info

Publication number
CN105183769A
CN105183769A CN201510466758.9A CN201510466758A CN105183769A CN 105183769 A CN105183769 A CN 105183769A CN 201510466758 A CN201510466758 A CN 201510466758A CN 105183769 A CN105183769 A CN 105183769A
Authority
CN
China
Prior art keywords
cell
shape
segment
data
administrative
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
Application number
CN201510466758.9A
Other languages
English (en)
Other versions
CN105183769B (zh
Inventor
孔丁科
沈逸文
费家祺
何璐琳
陈婉莹
王勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Gongshang University
Original Assignee
Zhejiang Gongshang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Gongshang University filed Critical Zhejiang Gongshang University
Priority to CN201510466758.9A priority Critical patent/CN105183769B/zh
Publication of CN105183769A publication Critical patent/CN105183769A/zh
Application granted granted Critical
Publication of CN105183769B publication Critical patent/CN105183769B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • 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
    • G06F16/2246—Trees, e.g. B+trees

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于流数据立方体的轨迹数据原位可视化方法，定义了一种适用于流数据的数据结构，对于到来的一定数量的轨迹数据流可以在极短时间内完成数据的处理更新，实现数据的实时处理；在使用传统网格分割之余引入了更具有现实意义的行政区域分割方法，行政区域分割方法使本发明提供的可视化方法产生的查询处理结果更具有实际价值。本发明具有数据处理时间短、更新快的特点。

Description

基于流数据立方体的轨迹数据原位可视化方法
技术领域
本发明涉及数据可视化技术领域，尤其是涉及一种能够对不断生成的轨迹数据进行快速处理，并利用数据立方体实时产生用于数据可视化展示的数据聚合结构的基于流数据立方体的轨迹数据原位可视化方法。
背景技术
轨迹数据指的是在时空环境下对一个或多个移动对象运动属性信息进行采样获得的数据信息，包括对象位置、采样时间、运动速度等，这些信息根据采样的先后顺序构成了轨迹数据序列。
随着卫星、无线网络，以及定位设备的发展，可以被获取的轨迹数据的数量呈急速增长的趋势，如交通轨迹数据、动物迁徙数据、气候气流数据、人员移动数据等。通过对轨迹数据的研究，可以获取对象有关物体的未知知识。对于规模庞大的轨迹数据集，使用可视化方法可以有效地帮助研究人员理解数据。
目前很多可视化方法都将轨迹数据抽象为地理轨迹来进行运动模式分析。在处理大型轨迹数据集合采用的抽象技术包括空间聚合、分类归并以及拓扑表示。为了更好的对轨迹数据进行展示，在地图映射之前通常需要对轨迹数据进行预处理。然而对于实时采样的流数据，需要对新获取的数据及时处理，将其整合入已经生成的数据结构，如果数据集较为庞大，通常会带来一个较大的额外开销。
为了提高数据处理的性能，目前有很多支持高效时空数据查询的数据索引结构用于组织运动物体数据。例如，网格空间索引(quadtree四叉树)支持高效的数据获取。但是不适用于对非网格的地理元素建立索引。
数据立方体是一种广泛使用的数据结构，用于表示在数据库中每一个可能的维度数据的聚合结果。目前数据立方体已经可以支持快速数据检索和可视化。近年来研究人员在建立适用于时空可视化的数据立方体结构方面付出了很多努力。Nanocubes(2013InfoVis会议发表的论文NanocubesforReal-TimeExplorationofSpatiotemporalDatasets提出的大数据可视化工具)能够支持大量时空数据的检索。在不同的空间区域中它同时支持个体随时间变化的快速查询和聚合查询。然而，在Nanocubes中还存在两个局限。首先，由于计算复杂度的原因数据立方体不支持不规则空间查询。第二，当数据立方体建立后数据结构不能改变。
中国专利授权公开号：CN103853901A，授权公开日2014年6月11日，公开了一种交通轨迹数据预处理方法，所述方法包括：获取任意起点和终点之间的待处理的交通轨迹数据，其中，所述交通轨迹数据位于第一坐标系中，所述第一坐标系为二维坐标系；按照预设角度，旋转所述第一坐标系形成第二坐标系，并将所述第一坐标系中所述交通轨迹数据投影至所述第二坐标系；在所述第二坐标系中，将所述每一交通轨迹数据的GPS坐标点的集合转换为有序的线段集合；在所述起点和终点在第二坐标系的不同坐标轴的投影范围内，分别进行采样，生成不同坐标轴对应的样本点集合；通过所述有序的线段集合，计算每一坐标轴对应的样本点集合在另一坐标轴对应的映射样本点集合；根据不同坐标轴对应的映射样本点集合，生成交通轨迹数据的向量表示。该发明的不足之处是，数据结构无法改变。
发明内容
本发明的发明目的是为了克服现有技术中的轨迹数据处理方法不支持不规则空间查询、数据结构不能改变的不足，提供了一种能够对不断生成的轨迹数据进行快速处理，并利用数据立方体实时产生用于数据可视化展示的数据聚合结构的基于流数据立方体的轨迹数据原位可视化方法。
为了实现上述目的，本发明采用以下技术方案：
一种基于流数据立方体的轨迹数据原位可视化方法，包括如下步骤：
(1-1)计算机获得用于建立空间索引(Shape-Segment-Cell)的混合地图结构
(1-1-1)计算机利用四叉树在地图上建立多个粒度的空间树(quadtree)，quadtree呈均匀划分的网格状，设定quadtree的最小粒度网格为cell；
(1-1-2)在地图上建立分类树(shapetree)：
计算机根据行政区界级别从高到低的顺序对地图进行逐层细分，建立包含若干层行政区界的shapetree，设定shapetree的最小粒度节点为shape；利用quadtree的最小粒度网格将每个行政区界分割为若干条行政区界段segment；
(1-1-3)将quadtree的cell、shapetree的shape和每个行政区界段segment分别存储在MySQL数据库中，得到Cell表、Shape表和Segment表；
所述Cell表中存储有quadtree的cell信息、cell所属的shapeID和cell包含的segmentID；
Shape表存储有shapetree的shape信息、包含的cellID和segmentID；
Segment表存储有segment信息、segment关联的shapeID和segment所属的cellID；
(1-2)得到每个行政区域t0时刻的所有出租车轨迹数据，对所有出租车轨迹数据进行处理，得到t0时刻车辆对应的cell和shape，利用cellID和shapeID将所述出租车轨迹数据插入quadtree和shapetree中；
(1-3)计算并得到t1时刻车辆对应的cell，根据cell得到t1时刻车辆所对应的shape，对出租车轨迹数据实时更新；
(1-4)依据可视检索和离线可视分析的需要，计算机将quadtree和shapetree中的若干层轨迹数据集合导出，返回步骤(1-3)。
相对于其他轨迹数据的可视化方法，本发明提供的可视化方法可以对轨迹数据流进行实时处理，数据处理后得到聚合结果也可以很好地适用于各类可视化展示形式。本发明定义了一种适用于流数据的数据结构，对于到来的一定数量的轨迹数据流可以在极短时间内完成数据的处理更新，实现数据的实时处理；本发明在使用传统网格分割之余引入了更具有现实意义的行政区域分割方法，行政区域分割方法使本发明提供的可视化方法产生的查询处理结果更具有实际价值；本发明可以依据可视检索和离线可视分析的实际需要，导出相应的数据聚合结果适用于多种可视化展示方法。
作为优选，步骤(1-2)还包括如下步骤：
(2-1)设于每个出租车上的GPS设备采集出租车轨迹数据，出租车轨迹数据包括车辆ID、经纬度地址、速度、方向、载客和时间；
计算机利用出租车轨迹数据中的经纬度地址，计算并得到t0时刻所述车辆对应cell的cellID，检索Cell表获得与cell所对应的shapeID；
(2-2)计算机利用cellID和shapeID将所述出租车轨迹数据插入quadtree和shapetree中。
作为优选，步骤(1-3)包括如下步骤：
(3-1)对于t1时刻的出租车轨迹数据，计算机利用出租车轨迹数据中的经纬度地址计算并得到t1时刻车辆对应cell的cellID，检索Cell表获得cell信息中的CellType；其中，cell信息包括网格类型(CellType)；
当CellType为0时，计算机做出cell处于shape内部的判断，计算机读取Cell表中与cell所对应的shapeID；
当CellType为1，计算机做出cell处于多个shape交界处的判断，计算机读取Cell表中与cell所对应的shapeID；
做t0和t1时刻的出租车轨迹数据的经纬度地址的连线，检索Cell表得到所述cell中包含的segmentID，检索Segment表获取segment的位置信息，计算连线与行政区界段segment的交点个数；
若没有交点，则t1时刻的shape与t0时刻相同；
若交点为一个，则在Segment表中查找相交segment所对应的shapeID，将t1时刻的shape与t0时刻的shape对比，与t0时刻不同的shape即为t1时刻出租车对应的shape；
若交点数n大于1，则将其分解为n个交点数为1的相交，根据相交的次序依次做n次交点数为1情况下的shape判断，将前一次shape判断得到的t1时刻数据点对应的shape作为当前shape判断中t0时刻数据点对应的shape，最终得到t1时刻数据点实际对应的shape；
(3-2)对quadtree自底向上逐层更新所属cell变化的对象信息；
(3-3)对shapetree自顶向下逐层更新所属shape变化的对象信息。
作为优选，所述cell信息还包括cell标识符(CellID)、位置信息(CellPoints)，cell所属的行政区块shape标识符(ShapeID)以及包含的行政区界段segment标识符(SegmentID)。
作为优选，所述Shape信息包括shape标识符(ShapeID)、位置信息(ShpPoints)以及与其相关联的行政区界段segment标识符(SegmentID)和网格cell标识符(CellID)。
作为优选，所述segment信息包括segment标识符(SegmentID)、位置信息(SegPoints)、segment方向(Direction)，segment所属网格cell标识符(CellID)以及行政区块shape标识符(ShapeID)。
作为优选，行政区界为3层，分别为行政市、行政区和行政街道，shape为行政街道。
因此，本发明具有如下有益效果：定义了一种适用于流数据的数据索引结构Shape-Segment-Cell，当数据到来时可以通过其位置属性快速索引到其在数据结构中的对应位置，而且这种数据的处理是批量进行的，完成某一时刻所有数据的处理只需极少的时间；引入了相对于传统均匀网格划分方法更具有现实意义的行政区域分割方法，本发明提供的可视化方法产生的查询处理结果更具有实际价值；可以依据可视检索和离线可视分析的实际需要，导出相应的数据聚合结果适用于多种可视化展示方法。
附图说明
图1是本发明StreamingCubes的划分方法示意图；
图2是本发明StreamingCubes的数据结构示意图；
图3是Shape-Segment-Cell结构示意图；
图4是Shape-Segment-Cell结构细节展示图；
图5是Shape-Segment-Cell结构类图；
图6是本发明的Point-In-Shape事件示意图(不存在交点)；
图7是本发明的Point-In-Shape事件示意图(交点数为1)；
图8是本发明的Point-In-Shape事件示意图(交点数为2)；
图9是本发明的一种可视化展示散点图；
图10是本发明的一种可视化展示热力图；
图11是本发明的一种流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图11所示的实施例是一种基于流数据立方体的轨迹数据原位可视化方法，本实施例涉及的地图范围为东经120.4387-东经120.8953，北纬27.8676-北纬28.131。
步骤100，获得混合地图结构
步骤110，计算机利用四叉树在地图上建立如图2所示的深度为10的空间树(quadtree)，在第10层共得到816*450＝367200个节点，对于最小粒度网格(cell)计算可得每个cell的经度间隔lon＝(120.8953-120.4387)/816，纬度间隔lat＝(28.131-27.8676)/450，为每一个cell赋予唯一的编号作为cell标识符cellID，用cell的左上角坐标作为cell的位置信息；
步骤120，计算机利用行政区界作为划分依据在地图上建立深度为3的分类树(shapetree)，其在空间维度上分为三种不同的粒度：行政市，行政区和行政街道，其中行政街道级别的划分单元即为本实施例的shape，为每一个shape赋予唯一的编号作为ShapeID，用构成shape的行政区界折点坐标作为shape的位置信息，图1展示了cell与shape的相对关系；
步骤130，计算机利用quadtree的最小粒度网格将行政区界分割为行政区界段segment，为每一个segment赋予唯一的编号作为SegmentID，用segment端点坐标作为segment的位置信息；
步骤140，将quadtree和shapetree的最小粒度节点以及行政区界段segment分别存储在MySQL数据库中，得到Cell表、Shape表和Segment表，quadtree、shapetree、segment的图形示意图如图3、图4所示，图5给出了Shape-Segment-Cell结构的类图；
表1Cell表
表2Shape表
表3Segment表
步骤200，初始化StreamingCubes数据结构
步骤210，得到t0为2014/3/110：00：24时每个行政区域的所有出租车轨迹数据，如下表所示：
表4出租车轨迹数据表
计算出租车轨迹数据对应cell的CellID，车辆A在t0时刻的所处位置P1为：东经120.57012、北纬27.96017，计算得到车辆A对应的检索Cell表获得与cell所对应的ShapeID＝5；
车辆B在t0时刻的所处位置P1为：东经120.66735、北纬28.0029，计算得到车辆A对应的 检索Cell表获得与cell所对应的ShapeID＝32；
步骤220，计算机利用CellID和ShapeID将所述出租车轨迹数据插入quadtree和shapetree中；
步骤300，更新StreamingCubes数据结构
步骤310，得到t1为2014/3/110：00：54时每个行政区域的所有出租车轨迹数据，计算机利用出租车轨迹数据中的经纬度地址计算并得到t1时刻车辆对应cell的CellID，车辆A在t1时刻的所处位置P2为：东经120.57117、北纬27.95912，计算得到车辆A对应的检索Cell表获得与cell所对应的CellType＝1，计算机做出cell处于多个shape交界处的判断，计算机读取Cell表中与cell所对应的ShapeID＝[6，5]，所述cell中包含的segment的标识符segmentID＝[2074]，检索Segment表获取segment的位置信息SegPoints＝[[120.57106198862351，27.958911999999998]，[120.57075588235294，27.95904381974087]]，计算t0和t1时刻的车辆A轨迹数据的经纬度地址的连线与行政区界段segment相交情况，可能的相交情况如图6、图7、图8所示，经过计算t1时刻的交点数量为1，在Segment表中查找相交segment所对应的ShapeID＝[6，5]，具体相交情况可以参考图7展示的情况；步骤210中得到t0时刻的车辆A对应的shape为5，因此在t1时刻车辆A对应的shape为6；
车辆B在t1时刻的所处位置P2为：东经120.66477、北纬27.00268，计算得到车辆B对应的检索Cell表获得与cell所对应的CellType＝1，计算机做出cell处于多个shape交界处的判断，计算机读取Cell表中与cell所对应的ShapeID＝[32，31，33]，所述cell中包含的segment的标识符segmentID＝[8667，8380]；
检索Segment表获取segment的位置信息：当SegmentID＝8667时，SegPoints＝[120.664819，28.002739200000008]，[120.66532132352941，28.00271514001176]，当segmentID＝8380时，SegPoints＝[120.66476176470589，28.002571287029866]，[120.664819，28.002739200000008]；
计算t0和t1时刻的车辆B轨迹数据的经纬度地址的连线与行政区界段segment有2个交点，即连线先后与编号8380和8667的segment有交点，具体相交情况可以参考图8展示的情况；根据相交的先后次序依次进行shape判断；
t0时刻车辆B对应的shape为32，判断在与segment8667相交后对应的shape：在Segment表中查找相交segment所对应的ShapeID＝[32，31]，因此在此次相交后车辆B对应的shape为31；判断在与segment8380相交后对应的shape：在Segment表中查找相交segment所对应的ShapeID＝[31，33]，上一次相交后车辆B对应shape为31，因此在此次相交后车辆B对应的shape为33；综上可得，在t1时刻车辆B对应的shape为33；
步骤320，对quadtree自底向上逐层更新所属cell变化的对象信息；
步骤330，对shapetree自顶向下逐层更新所属shape变化的对象信息；
步骤400，依据可视检索和离线可视分析的需要，计算机将quadtree和shapetree中的若干层轨迹数据集合导出，返回步骤300，图9、图10分别展示了本发明两种不同的可视化展示实例。
应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (7)

1.一种基于流数据立方体的轨迹数据原位可视化方法，其特征是，包括如下步骤：
(1-1)计算机获得用于建立空间索引(Shape-Segment-Cell)的混合地图结构
(1-1-1)计算机利用四叉树在地图上建立多个粒度的空间树(quadtree)，quadtree呈均匀划分的网格状，设定quadtree的最小粒度网格为cell；
(1-1-2)在地图上建立分类树(shapetree)：
计算机根据行政区界级别从高到低的顺序对地图进行逐层细分，建立包含若干层行政区界的shapetree，设定shapetree的最小粒度节点为shape；利用quadtree的最小粒度网格将每个行政区界分割为若干条行政区界段segment；
(1-1-3)将quadtree的cell、shapetree的shape和每个行政区界段segment分别存储在MySQL数据库中，得到Cell表、Shape表和Segment表；
所述Cell表中存储有quadtree的cell信息、cell所属的shapeID和cell包含的segmentID；
Shape表存储有shapetree的shape信息、包含的cellID和segmentID；
Segment表存储有segment信息、segment关联的shapeID和segment所属的cellID；
(1-2)得到每个行政区域t0时刻的所有出租车轨迹数据，对所有出租车轨迹数据进行处理，得到t0时刻车辆对应的cell和与cell所对应的shape，利用cellID和shapeID将所述出租车轨迹数据插入quadtree和shapetree中；
(1-3)计算并得到t1时刻车辆对应的cell，根据cell得到t1时刻车辆所对应的shape，对出租车轨迹数据实时更新；
(1-4)依据可视检索和离线可视分析的需要，计算机将quadtree和shapetree中的若干层轨迹数据集合导出，返回步骤(1-3)。
2.根据权利要求1所述的基于流数据立方体的轨迹数据原位可视化方法，其特征是，步骤(1-2)还包括如下步骤：
(2-1)设于每个出租车上的GPS设备采集出租车轨迹数据，出租车轨迹数据包括车辆ID、经纬度地址、速度、方向、载客和时间；
计算机利用出租车轨迹数据中的经纬度地址，计算并得到t0时刻所述车辆对应cell的cellID，检索Cell表获得与cell所对应的shapeID；
(2-2)计算机利用cellID和shapeID将所述出租车轨迹数据插入quadtree和shapetree中。
3.根据权利要求1所述的基于流数据立方体的轨迹数据原位可视化方法，其特征是，步骤(1-3)包括如下步骤：
(3-1)对于t1时刻的出租车轨迹数据，计算机利用出租车轨迹数据中的经纬度地址计算并得到t1时刻车辆对应cell的cellID，检索Cell表获得cell信息中的CellType；其中，cell信息包括网格类型(Celltype)；
当CellType为0时，计算机做出cell处于shape内部的判断，计算机读取Cell表中与cell所对应的shapeID；
当CellType为1，计算机做出cell处于多个shape交界处的判断，计算机读取Cell表中与cell所对应的shapeID；
做t0和t1时刻的出租车轨迹数据的经纬度地址的连线，检索Cell表得到所述cell中包含的segmentID，检索Segment表获取segment的位置信息，计算连线与行政区界段segment的交点个数；
若没有交点，则t1时刻的shape与t0时刻相同；
若交点为一个，则在Segment表中查找相交segment所对应的shapeID，将t1时刻的shape与t0时刻的shape对比，与t0时刻不同的shape即为t1时刻出租车对应的shape；
若交点数n大于1，则将其分解为n个交点数为1的相交，根据相交的次序依次做n次交点数为1情况下的shape判断，将前一次shape判断得到的t1时刻数据点对应的shape作为当前shape判断中t0时刻数据点对应的shape，最终得到t1时刻数据点实际对应的shape；
(3-2)对quadtree自底向上逐层更新所属cell变化的对象信息；
(3-3)对shapetree自顶向下逐层更新所属shape变化的对象信息。
4.根据权利要求1所述的基于流数据立方体的轨迹数据原位可视化方法，其特征是，所述cell信息还包括cell标识符(CellID)、位置信息(CellPoints)，cell所属的行政区块shape标识符(ShapeID)以及包含的行政区界段segment标识符(SegmentID)。
5.根据权利要求1所述的基于流数据立方体的轨迹数据原位可视化方法，其特征是，所述Shape信息包括shape标识符(ShapeID)、位置信息(ShpPoints)以及与其相关联的行政区界段segment标识符(SegmentID)和网格cell标识符(CellID)。
6.根据权利要求1所述的基于流数据立方体的轨迹数据原位可视化方法，其特征是，所述segment信息包括segment标识符(SegmentID)、位置信息(SegPoints)、segment方向(Direction)，segment所属网格cell标识符(CellID)以及行政区块shape标识符(ShapeID)。
7.根据权利要求1或2或3或4或5或6所述的基于流数据立方体的轨迹数据原位可视化方法，其特征是，行政区界为3层，分别为行政市、行政区和行政街道，shape为行政街道。
CN201510466758.9A 2015-07-31 2015-07-31 基于流数据立方体的轨迹数据原位可视化方法 Expired - Fee Related CN105183769B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510466758.9A CN105183769B (zh) 2015-07-31 2015-07-31 基于流数据立方体的轨迹数据原位可视化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510466758.9A CN105183769B (zh) 2015-07-31 2015-07-31 基于流数据立方体的轨迹数据原位可视化方法

Publications (2)

Publication Number Publication Date
CN105183769A true CN105183769A (zh) 2015-12-23
CN105183769B CN105183769B (zh) 2018-08-24

Family

ID=54905853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510466758.9A Expired - Fee Related CN105183769B (zh) 2015-07-31 2015-07-31 基于流数据立方体的轨迹数据原位可视化方法

Country Status (1)

Country Link
CN (1) CN105183769B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108268523A (zh) * 2016-12-30 2018-07-10 北京国双科技有限公司 数据库聚合处理方法及装置
CN108446364A (zh) * 2018-03-14 2018-08-24 湖南商学院 一种面向校园大数据的可视化分析方法
CN110119482A (zh) * 2019-05-13 2019-08-13 杭州电子科技大学 基于poi和多源移动数据集的人群出行模式可视分析方法
CN110148298A (zh) * 2019-06-24 2019-08-20 重庆大学 基于机动车电子标识数据的私家车规律出行行为发现方法
CN110390012A (zh) * 2018-04-13 2019-10-29 北京京东尚科信息技术有限公司 轨迹聚合方法、装置、存储介质及电子设备
US11105644B2 (en) 2019-05-31 2021-08-31 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for identifying closed road section

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0838663B1 (en) * 1996-10-25 2003-10-22 Navigation Technologies Corporation System and method for storing geographic data on a physical storage medium
CN102646070A (zh) * 2012-02-29 2012-08-22 武汉大学 一种基于区域的时空轨迹数据存储方法
US20130117322A1 (en) * 2011-11-07 2013-05-09 Elektrobit Automotive Gmbh Technique for structuring navigation data
CN103294790A (zh) * 2013-05-22 2013-09-11 西北工业大学 一种面向gps轨迹数据的时空语义索引与检索方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0838663B1 (en) * 1996-10-25 2003-10-22 Navigation Technologies Corporation System and method for storing geographic data on a physical storage medium
US20130117322A1 (en) * 2011-11-07 2013-05-09 Elektrobit Automotive Gmbh Technique for structuring navigation data
CN102646070A (zh) * 2012-02-29 2012-08-22 武汉大学 一种基于区域的时空轨迹数据存储方法
CN103294790A (zh) * 2013-05-22 2013-09-11 西北工业大学 一种面向gps轨迹数据的时空语义索引与检索方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108268523A (zh) * 2016-12-30 2018-07-10 北京国双科技有限公司 数据库聚合处理方法及装置
CN108446364A (zh) * 2018-03-14 2018-08-24 湖南商学院 一种面向校园大数据的可视化分析方法
CN110390012A (zh) * 2018-04-13 2019-10-29 北京京东尚科信息技术有限公司 轨迹聚合方法、装置、存储介质及电子设备
CN110390012B (zh) * 2018-04-13 2023-12-05 北京京东尚科信息技术有限公司 轨迹聚合方法、装置、存储介质及电子设备
CN110119482A (zh) * 2019-05-13 2019-08-13 杭州电子科技大学 基于poi和多源移动数据集的人群出行模式可视分析方法
CN110119482B (zh) * 2019-05-13 2021-04-06 杭州电子科技大学 基于poi和多源移动数据集的人群出行模式可视分析方法
US11105644B2 (en) 2019-05-31 2021-08-31 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for identifying closed road section
CN110148298A (zh) * 2019-06-24 2019-08-20 重庆大学 基于机动车电子标识数据的私家车规律出行行为发现方法
CN110148298B (zh) * 2019-06-24 2022-03-18 重庆大学 基于机动车电子标识数据的私家车规律出行行为发现方法

Also Published As

Publication number Publication date
CN105183769B (zh) 2018-08-24

Similar Documents

Publication Publication Date Title
CN105183769A (zh) 基于流数据立方体的轨迹数据原位可视化方法
CN108763287B (zh) 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法
CN108986207B (zh) 一种基于真实路面数据的道路及沿线建筑仿真建模方法
CN105448184B (zh) 地图道路的绘制方法及装置
CN102867057B (zh) 一种基于视觉定位的虚拟向导构建方法
CN113009506B (zh) 一种虚实结合的实时激光雷达数据生成方法、系统及设备
CN104657968B (zh) 车载三维激光点云立面分类及轮廓线提取自动化方法
CN106920278B (zh) 一种基于Reeb图的立交桥三维建模方法
CN105701798A (zh) 柱状物体的点云提取方法及装置
CN105844224A (zh) 一种车载LiDAR 道路点云快速有序化方法
TWI512679B (zh) 為群眾模擬環境中之行為者計算無碰撞速度之方法
CN107036609A (zh) 基于bim的虚拟现实导航方法、服务器、终端及系统
WO2019019653A1 (zh) 对地形边界进行提取的设备和方法
Zhao et al. Autonomous driving simulation for unmanned vehicles
CN111982133B (zh) 基于高精地图对车辆进行定位的方法、装置及电子设备
CN110095108B (zh) 一种基于bim无人机测绘装置及测绘方法
CN105426387A (zh) 一种基于K-means算法的地图聚合方法
CN108090965A (zh) 支持海量空间数据的3d漫游碰撞检测方法
Komadina et al. Automated 3D urban landscapes visualization using open data sources on the example of the city of Zagreb
CN114119892A (zh) 一种基于bim和gis技术的三维数字路网建设方法
Abdullah et al. Drone 3D mapping in identifying Malay urban form: case study of Kota Bharu
CN111898648A (zh) 路网图生成方法、装置、电子设备和计算机可读存储介质
CN112669461A (zh) 机场净空安全检测方法、装置、电子设备及存储介质
KR102635566B1 (ko) 내비게이션 시스템용 지도 생성 장치 및 방법
CN114842148B (zh) 根据建筑立面特性的无人机倾斜摄影模型建筑单体化分割方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180824

Termination date: 20190731

CF01 Termination of patent right due to non-payment of annual fee