CN108242145B - 异常轨迹点检测方法和装置 - Google Patents
异常轨迹点检测方法和装置 Download PDFInfo
- Publication number
- CN108242145B CN108242145B CN201611220999.6A CN201611220999A CN108242145B CN 108242145 B CN108242145 B CN 108242145B CN 201611220999 A CN201611220999 A CN 201611220999A CN 108242145 B CN108242145 B CN 108242145B
- Authority
- CN
- China
- Prior art keywords
- curvature
- sampling point
- point
- running
- sampling
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
Abstract
本申请提供了一种异常轨迹点检测方法和装置。该方法包括:获取车辆行驶轨迹,其中车辆行驶轨迹由车辆的行驶过程中各采样点的位置信息形成;根据车辆行驶轨迹匹配的道路信息,确定车辆行驶轨迹中各采样点对应的真实曲率;根据车辆行驶轨迹点中各采样点的位置信息,确定车辆行驶轨迹上各采样点的行驶曲率;获取各采样点的真实曲率与行驶曲率的差值;将所述差值与预设的曲率差值阈值进行比较,若满足预定异常识别条件,则将所述采样点标记为异常轨迹点。本申请能够检测车辆行驶轨迹中的异常轨迹点。
Description
技术领域
本申请涉及地理信息领域,更具体来说,涉及一种异常轨迹点检测方法和装置。
背景技术
本申请的发明人发现,通过对车辆行驶轨迹进行分析,发现车辆行驶过程中出现的异常轨迹点,对于地图数据的质量控制和道路异常情况发现具有重要意义。例如,可以通过识别出的异常轨迹点,检验高精度地图数据中的车道线数据制作的是否准确,提升高精度地图数据的精确度;或者,通过异常轨迹点的曲率可以发现道路上的突发事件,比如车道封闭、车道施工等。基于以上需求,目前,亟需提供一种检测车辆行驶轨迹中的异常轨迹点的技术方案。
发明内容
本申请的一个目的旨在对车辆行驶轨迹中的异常轨迹点进行检测。
根据本申请的一个实施例,提供了一种异常轨迹点检测方法,其特征在于,包括:
获取车辆行驶轨迹,其中车辆行驶轨迹由车辆的行驶过程中各采样点的位置信息形成;
根据车辆行驶轨迹匹配的道路信息,确定车辆行驶轨迹中各采样点对应的真实曲率;
根据车辆行驶轨迹点中各采样点的位置信息,确定车辆行驶轨迹上各采样点的行驶曲率;
获取各采样点的真实曲率与行驶曲率的差值;
将所述差值与预设的曲率差值阈值进行比较,若满足预定异常识别条件,则将所述采样点标记为异常轨迹点。
根据本申请的一个实施例,提供了一种异常轨迹点检测装置,其特征在于,包括:
车辆行驶轨迹获取单元,用于获取车辆行驶轨迹,其中车辆行驶轨迹由车辆的行驶过程中各采样点的位置信息形成;
真实曲率确定单元,根据车辆行驶轨迹匹配的道路信息,确定车辆行驶轨迹中各采样点对应的真实曲率;
行驶曲率确定单元,根据车辆行驶轨迹点中各采样点的位置信息,确定车辆行驶轨迹上各采样点的行驶曲率;
曲率差值获取单元,用于获取各采样点的真实曲率与行驶曲率的差值;
异常点标记单元,用于将所述差值与预设的曲率差值阈值进行比较,若满足预定异常识别条件,则将所述采样点标记为异常轨迹点。
在根据本申请的实施例中,获取行驶轨迹中各采样点的位置信息,确定道路上各采样点的真实曲率,并根据车辆行驶轨迹上各采样点的位置信息获得该行驶轨迹上各采样点的行驶曲率。如果车辆行驶过程中道路无突发事件产生,车辆通常会沿着一条车道持续行驶或者即便产生变道的行为也是相邻车道的之间进行切换,这时行驶曲率与道路的真实曲率基本是接近的,不应突变。如果行驶轨迹上采样点的行驶曲率与道路真实曲率的偏差突然变大或变小,很可能是道路上出现了突发事件,因此,需要将该采样点标记为异常点,通过标记为异常点的采样点,可以检验高精度地图数据中的车道线数据制作的是否准确,提升高精度地图数据的精确度;或者,可以发现道路上的突发事件,比如车道封闭、车道施工等,有效地提升了地图数据制作的效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。在附图中,
图1是根据本申请一个实施例的异常轨迹点检测方法的流程图;
图2示出了根据本申请一个实施例的由车辆的行驶过程中各采样点的位置信息形成的一个车辆行驶轨迹示意图;
图3示出了根据本申请一个实施例的计算各采样点的行程距离的示意图;
图4示出了根据本申请一个实施例的将各采样点映射到在曲率-行程距离坐标系上表示出的各采样点的例子;
图5示出了根据本申请一个实施例对图4的各采样点进行拟合的曲线,并示例性示出了采样点拟合后的曲率与拟合前的曲率的差值的一个例子;
图6是根据本申请一个实施例的异常轨迹点检测装置的框图。
本领域普通技术人员将了解,虽然下面的详细说明将参考图示实施例、附图进行,但本申请并不仅限于这些实施例。而是,本申请的范围是广泛的,且意在仅通过后附的权利要求书限定本申请的范围。
具体实施方式
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
上述处理可以由计算机设备执行。该计算机设备可以包括用户设备与网络设备。其中,所述用户设备包括但不限于电脑、智能手机、PDA等;所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中,所述计算机设备可单独运行来实现本申请,也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本申请。其中,所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
需要说明的是,所述用户设备、网络设备和网络等仅为举例,其他现有的或今后可能出现的计算机设备或网络如可适用于本申请,也应包含在本申请保护范围以内,并以引用方式包含于此。
后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时,用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
这里所公开的具体结构和功能细节仅仅是代表性的,并且是用于描述本申请的示例性实施例的目的。但是本申请可以通过许多替换形式来具体实现,并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
应当理解的是,当一个单元被称为“连接”或“耦合”到另一单元时,其可以直接连接或耦合到所述另一单元,或者可以存在中间单元。与此相对,当一个单元被称为“直接连接”或“直接耦合”到另一单元时,则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”,“与...邻近”相比于“与...直接邻近”等等)。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指,否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在,而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
还应当提到的是,在一些替换实现方式中,所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说,取决于所涉及的功能/动作,相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
下面结合附图对本申请的技术方案作进一步详细描述。
图1是根据本申请一个实施例的一种在异常轨迹点检测方法的流程图。异常轨迹点是指行驶轨迹中不符合正常驾驶行为的轨迹点,例如车辆本来在某条道路的1号车道行驶,但从某个位置开始驶入4号车道,1和4车道之间还有两条车道,这说明1号车道极有可能存在突发事件,车辆为了躲避该突发事件进行了非常规的变道。所述车辆可以是专用采集车辆,也可以是普通车辆。专用采集车辆是用于采集电子地图测绘需要的数据的车辆。在电子地图测绘中,由专用采集车辆沿事先规划好的行驶路线行驶,沿途在各采样点采集各采样点的位置信息,上报给服务器,由服务器按照各采样点上报的位置信息绘制成车辆行驶轨迹。一旦专用采集车辆未按照事先规划的路线行驶,会导致收集的采样点数据错误,影响电子地图的绘制精度。通过本申请的方案可以检测出异常轨迹点,提升高精度地图数据的精确度。对于普通车辆,有时也需要针对车辆的行驶路线进行监控,通过本申请的方法在车辆行驶轨迹中检测出异常轨迹点,及时发现道路上的突发事件,比如车道封闭、车道施工等,从而可以提前告知驾驶员采取适当措施,确保行车安全并提高行车效率。
如图1所示,该方法包括以下步骤:
步骤S110、获取车辆行驶轨迹,其中车辆行驶轨迹由车辆的行驶过程中各采样点的位置信息形成;
步骤S120、根据车辆行驶轨迹匹配的道路信息,确定车辆行驶轨迹中各采样点对应的真实曲率;
步骤S130、根据车辆行驶轨迹点中各采样点的位置信息,确定车辆行驶轨迹上各采样点的行驶曲率;
步骤S140、获取各采样点的真实曲率与行驶曲率的差值;
步骤S150、将所述差值与预设的曲率差值阈值进行比较,若满足预定异常识别条件,则将所述采样点标记为异常轨迹点。
下面对上面每个步骤进行详细描述。
步骤S110、获取车辆行驶轨迹,其中车辆行驶轨迹由车辆的行驶过程中各采样点的位置信息形成。
获取车辆行驶轨迹的一种方式是,由车辆沿事先人为规定的行驶路线行驶,沿途在各采样点采集各采样点的位置信息(如GPS位置信息),上报给服务器,由服务器按照各采样点上报的位置信息绘制成车辆行驶轨迹,此时则认为获取到了车辆行驶轨迹。
获取车辆行驶轨迹的另一种方式是从数据库或第三方平台直接获取车辆行驶轨迹。车辆行驶轨迹一般是按照上述在采样点收集位置信息、然后根据位置信息绘制的方式事先已绘制好,并存储在数据库或第三方平台上,可随需要直接调用。
采样点的选取可以按固定时间间隔的方式,即车辆沿事先人为规定的行驶路线行驶,每隔固定时间间隔采集一次位置信息,上报给服务器,在每个采集位置信息的时刻车辆所处的位置就是采样点。采样点的选取可以按固定距离的方式,即车辆沿事先人为规定的行驶路线行驶,每隔固定距离采集一次位置信息,上报给服务器,在每次采集位置信息时车辆所处的位置就是采样点。采样点也可以事先固定化。例如,事先人为规定行驶路线,并在行驶路线上规定若干采样点,车辆经过该采样点处必须上报位置信息。
车辆行驶轨迹就是车辆的行驶过程中各采样点上报的位置信息的集合。当离散的位置信息足够密时,车辆行驶轨迹看起来就是一条连续的迹线。如图2所示,点1-18是描绘出的离散的各采样点的位置,它们的集合就构成了车辆行驶轨迹。
步骤S120、根据车辆行驶轨迹匹配的道路信息,确定车辆行驶轨迹中各采样点对应的真实曲率。
曲率是表示轨迹上某个点处的弯曲程度的量。在电子地图测绘中,专用采集车辆沿事先人为规定的行驶路线行驶,沿途在各采样点采集各采样点的位置信息,同时亦可获得道路上各个采样点的实际曲率信息。这些道路上各采样点的实际曲率信息反映了道路实际弯曲情况,整条道路上各采样点的实际曲率信息的集合称为道路的真实曲率。
由于车辆行驶轨迹就是车辆的行驶过程中各采样点上报的位置信息的集合,因此根据所获得的车辆行驶轨迹中各个采样点的位置信息,与实际道路信息进行匹配,得到相应的真实道路上各个采样点的位置信息,从而得到真实道路上各采样点对应的真实曲率。
步骤S130、根据车辆行驶轨迹点中各采样点的位置信息,确定车辆行驶轨迹上各采样点的行驶曲率。
确定车辆行驶轨迹上各采样点的曲率可以采用三点求曲率法、贝塞尔曲线拟合法、圆拟合法。
在采用常规的三点法求曲率时,选取要确定曲率的采样点(下文称“目标采样点”)、在车辆行驶轨迹上该目标采样点两端离目标采样点最近的各一个采样点。利用这三个采样点的位置信息按照三点法求曲率。例如,假设图2中的点10是目标采样点,利用点9、10、11的经纬度坐标按照三点法求曲率。三点求曲率法是数学上常用的求曲率的方法。三点只要不共线就能确定唯一的一个圆。根据这个原理,先求出三点确定的三角形的三边长度,再用余弦定理求出三角形的任意一个角。设这个角是∠A,它的对边长度是a,那么三点所在的圆的曲率半径就是0.5a/cosA,曲率就是曲率半径的倒数。然后,使各采样点依次作为目标采样点,就得到了各采样点的曲率。
选取在车辆行驶轨迹上目标采样点两端离目标采样点最近的各一个采样点的方式虽然简单,但在电子地图测绘领域,由于电子地图测绘中,专用采集车辆上报位置信息时波动性较大,相邻采样点之间很容易出现波动。因此,作为一种改进的方式,可以采用如下的三点法确定车辆行驶轨迹上各采样点。
由于车辆行驶轨迹点中的各采样点是按照采样点的位置信息中的时间由小到大的顺序排序的,针对每一个采样点执行如下操作:从排序在当前操作采样点之前和之后的采样点中分别选取一个采样点作为辅助采样点,作为所述辅助采样点的采样点满足:由当前操作采样点、辅助采样点及其之间间隔的采样点连接成的路段的距离最接近预设的距离阈值;若当前操作采样点之前或之后无采样点,则将与当前操作采样点相邻的采样点的行驶曲率作为所述当前采样点的行驶曲率;根据两个辅助采样点和当前操作采样点的位置信息,确定由这三个点构成的圆弧的曲率,将该曲率确定为当前操作采样点的行驶曲率。其中,该距离阈值的数值取决于GPS设备的精度,由技术人员根据相应GPS设备的精确度进行实验设定。这种方式可以有效避免相邻采样点测量数据的波动对曲率确定结果的影响。
当采用贝塞尔曲线拟合法时,可以对目标采样点、以及目标采样点两端各若干个连续采样点进行贝塞尔曲线拟合,然后确定拟合后的曲线在所述目标采样点处的曲率,作为该目标采样点的曲率。例如,图2中点10是目标采样点,左右两端各取6个采样点,则对点4-16进行贝塞尔曲线拟合。曲线拟合是用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。贝塞尔曲线拟合是用贝塞尔函数曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。贝塞尔曲线拟合是已有技术,故不赘述。由于曲线拟合后是用一个函数关系式或多段函数关系式来近似地模拟各采样点在坐标系上的变化趋势形成的曲线,因此根据拟合后的曲线函数和目标采样点的坐标,可以求出目标采样点的曲率。
当采用圆拟合法时,可以对目标采样点、以及目标采样点两端各若干个连续采样点进行圆拟合,然后确定拟合后的曲线在所述目标采样点处的曲率,作为该目标采样点的曲率。例如,图2中点10是目标采样点,左右两端各取6个采样点,则对点4-16进行圆拟合。圆拟合是用圆近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。圆拟合是已有技术,故不赘述。由于圆拟合后是用一个函数关系式或多段函数关系式来近似地模拟各采样点在坐标系上的变化趋势形成的曲线,因此根据拟合后的曲线函数和目标采样点的坐标,可以求出目标采样点的曲率。
当让车辆行驶轨迹上的各采样点轮流作为目标采样点时,根据上述方法就可以得到车辆行驶轨迹上各采样点的行驶曲率。
步骤S140、确定各采样点真实曲率与行驶曲率的差值。
在一个实施方式中,确定根据上述步骤得到的道路上各个采样点的真实曲率与根据上述方法得到的行驶轨迹上各采样点的行驶曲率的差值。
在另一个实施方式中,也可以确定采样点的真实曲率与拟合后行驶曲率的差值,其中按照如下方式得到拟合后的行驶曲率。
首先,获取车辆行驶轨迹中各采样点的行程距离。行程距离是采样点到车辆行驶轨迹中的目标轨迹点的距离。目标轨迹点可以是整个车辆行驶轨迹中某一点(如车辆出发点)。另外,车辆行驶轨迹存储在服务器时往往是分段存储的,例如将用点A到B的车辆行驶轨迹分成三段存储,分别是点A到点C的一段、点C到点D的一段、点D到点B的一段,其中点C、D是点A到B的车辆行驶轨迹上的两点。在这种情况下,目标轨迹点可以是采样点所在的段上的某一点,如段的起点。例如,采样点H是点C到点D的段上的一点,将采样点所在的段的起点作为目标轨迹点,这时对于采样点H来说,行程距离就是车辆行驶轨迹中点C到H之间的距离。
以目标轨迹点是整个车辆行驶轨迹中的车辆出发点为例,图3示出了根据本申请的一个实施例确定从车辆出发点1行驶到各采样点经过的行程距离的一个例子。图3中,车辆出发点是点1,点1-18是车辆行驶轨迹。对于采样点18来说,采样点18在车辆行驶轨迹上离开出发点1的距离是点1-2间距离、点2-3间距离、……、点17-18间距离的总和。由于采样点之间的间隔足够短,可以认为两个相邻采样点之间的距离就是该两个相邻采样点之间的直线距离。由于点1-18的位置信息(如经纬度坐标)已知,就能够求出从出发点行驶到采样点18经过的距离,即采样点18的行程距离。
接下来,以各采样点的行程距离、各采样点的行驶曲率分别为横纵坐标,在曲率-行程距离坐标系上表示各采样点,将各采样点映射到以行驶曲率为纵轴、行程距离为横轴的坐标系中,如图4所示。按照各采样点映射到所述坐标系后形成的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率,如图5所示。
拟合是用直线或曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。对在曲率-行程距离坐标系上表示出的各采样点进行拟合可以采用线性拟合、n次多项式拟合(n≧2)、分段线性拟合等方法。这些拟合方法属于已有技术,故不赘述。对各采样点进行拟合后,会形成一条反映出各采样点的曲率随行程的变化趋势的直线或曲线(包括分段直线或分段曲线),其中大多数采样点可能会落在拟合后的直线或曲线上或与该直线或曲线极为贴近,只有少数采样点可能会与拟合后的直线或曲线有较大偏差。如图5所示,图5是对图4的采样点进行拟合后的结果,其中采样点A1(a,K1)拟合后变成A2(a,K2),偏差较大。其中a为行程距离,K1为行程距离a处的采样点的行驶曲率,K2为该采样点的拟合后的行驶曲率。
采样点拟合后的行驶曲率即从该采样点向表示行程距离的轴作垂线,该垂线与拟合后的拟合直线或曲线的相交点。如图5所示,从采样点A1(a,K1)向行程距离轴作垂线,该垂线与拟合曲线相交在A2(a,K2)。采样点A1的行驶曲率是K1,拟合后的行驶曲率变成K2。若在行程距离a处的采样点的真实曲率为K,则该采样点A1的真实曲率与行驶曲率的差值为K-K1。
在道路较为平直的情况下,分段直线拟合后的曲率为斜率很小的多段直线。在该段平直道路上,各个采样点的行驶曲率非常接近甚至完全相同。在该情况下,不必将真实曲率与每一个采样点的行驶曲率进行差值计算,而是可以确定真实曲率与其中一个采样点的行驶曲率之间的差值,从而可以快速将非异常点与异常点区分出来,从而提高异常点检测的效率。
步骤S150、将所述差值与预设的曲率差值阈值进行比较,若满足预定异常识别条件,则将所述采样点标记为异常点。
在一个实施例中,所述预定异常识别条件包括:所述差值大于预设的曲率差值阈值。预定曲率差值阈值根据经验事先设置。也就是说,只要有一个采样点的拟合后的曲率与拟合前的曲率的差值大于预定曲率差值阈值,就可以认定该采样点为异常点。
在另一个实施例中,所述预定异常识别条件包括:在车辆行驶轨迹上连续N个采样点的所述差值大于预设的曲率差值阈值,其中N为大于等于2的正整数。因为单个采样点的拟合后的曲率与拟合前的曲率的差值大于预设的曲率差值阈值有可能是个别采样点测量扰动误差引起的,但如果在车辆行驶轨迹上连续N个采样点的所述差值都大于预定曲率差值阈值,认定车辆行驶轨迹在这N个采样点处发生了异常是比较安全的。该实施例减小了测量受意外扰动的不稳定性造成的影响,提高了异常检测精度。
在步骤S150中只是识别出异常点,即有可能在该采样点车辆没有按照规定的行驶路线行驶。在步骤S150之后还可以人工对这些异常点进行复核,检查是否这些异常点处车辆真的偏离了预先规定的行驶路线。
另外,在本申请的一个实施例中,所述方法在步骤S150后还可包括:发出要求车辆重新按规定的行驶路线行驶的指示。可以通过例如语音播报、在屏幕上显示文字等方式发出该指示。这样,通过识别出异常点,让车辆对于异常点重新行驶并采集数据,使根据重新采集的数据绘制的车辆行驶轨迹变得平滑。
在本申请的另一个实施例中,所述方法在步骤S150后还可以包括:
将异常点的位置信息进行记录。
如果检测出同一异常点的次数超过预定异常点次数阈值,按照检测出异常点时的车辆行驶轨迹修改预先人为规定的车辆的行驶路线。
例如,专用采集车辆采集电子地图数据时,即使如上所述,检测到专用采集车辆的异常点,要求专用采集车辆重新按规定的行驶路线行驶,专用采集车辆在第二次、第三次采集时,仍然可能发生在该采样点处发生异常的情况,这是由于道路中有障碍物等原因,该车辆行驶到某些地点必须绕行。因此,在本实施例中,对异常点的位置信息进行记录。如果检测出同一异常点的次数超过预定异常点次数阈值(该阈值是根据经验事先设置的),则说明该处可能有障碍物或检修等,按照检测出异常点时的车辆行驶轨迹修改预先人为规定的车辆的行驶路线,使得下一次车辆经过该处时就按绕过障碍物后的行驶路线行驶。另外,如果检测出同一异常点的次数超过预定异常点次数阈值,也可以通知有关部门进行排查,例如对障碍物进行清除。该实施例的好处是在道路上发生例如事故、出现障碍物、修路等情况下,能够及时调整规定的行驶路线,电子地图数据采集效率。
根据本申请的一个实施例,还提供了一种异常轨迹点检测装置100,如图6所示,包括:
车辆行驶轨迹获取单元110,用于获取车辆行驶轨迹,其中车辆行驶轨迹由车辆的行驶过程中各采样点的位置信息形成;
获取车辆行驶轨迹的一种方式是,由车辆沿事先人为规定的行驶路线行驶,沿途在各采样点采集各采样点的位置信息(如GPS位置信息),上报给服务器,由服务器按照各采样点上报的位置信息绘制成车辆行驶轨迹,此时则认为获取到了车辆行驶轨迹。
获取车辆行驶轨迹的另一种方式是从数据库或第三方平台直接获取车辆行驶轨迹。车辆行驶轨迹一般是按照上述在采样点收集位置信息、然后根据位置信息绘制的方式事先已绘制好,并存储在数据库或第三方平台上,可随需要直接调用。
采样点的选取可以按固定时间间隔的方式,即车辆沿事先人为规定的行驶路线行驶,每隔固定时间间隔采集一次位置信息,上报给服务器,在每个采集位置信息的时刻车辆所处的位置就是采样点。采样点的选取可以按固定距离的方式,即车辆沿事先人为规定的行驶路线行驶,每隔固定距离采集一次位置信息,上报给服务器,在每次采集位置信息时车辆所处的位置就是采样点。采样点也可以事先固定化。例如,事先人为规定行驶路线,并在行驶路线上规定若干采样点,车辆经过该采样点处必须上报位置信息。
车辆行驶轨迹就是车辆的行驶过程中各采样点上报的位置信息的集合。当离散的位置信息足够密时,车辆行驶轨迹看起来就是一条连续的迹线。如图2所示,点1-18是描绘出的离散的各采样点的位置,它们的集合就构成了车辆行驶轨迹。
真实曲率确定单元120,根据车辆行驶轨迹匹配的道路信息,确定车辆行驶轨迹中各采样点对应的真实曲率;
曲率是表示轨迹上某个点处的弯曲程度的量。在电子地图测绘中,专用采集车辆沿事先人为规定的行驶路线行驶,沿途在各采样点采集各采样点的位置信息,同时亦可获得道路上各个采样点的实际曲率信息。这些道路上各采样点的实际曲率信息反映了道路实际弯曲情况,整条道路上各采样点的实际曲率信息的集合称为道路的真实曲率。
由于车辆行驶轨迹就是车辆的行驶过程中各采样点上报的位置信息的集合,因此根据所获得的车辆行驶轨迹中各个采样点的位置信息,与实际道路信息进行匹配,得到相应的真实道路上各个采样点的位置信息,从而得到真实道路上各采样点对应的真实曲率。
行驶曲率确定单元130,根据车辆行驶轨迹点中各采样点的位置信息,确定车辆行驶轨迹上各采样点的行驶曲率;
确定车辆行驶轨迹上各采样点的曲率可以采用三点求曲率法、贝塞尔曲线拟合法、圆拟合法。
在采用常规的三点法求曲率时,选取要确定曲率的采样点(下文称“目标采样点”)、在车辆行驶轨迹上该目标采样点两端离目标采样点最近的各一个采样点。利用这三个采样点的位置信息按照三点法求曲率。例如,假设图2中的点10是目标采样点,利用点9、10、11的经纬度坐标按照三点法求曲率。三点求曲率法是数学上常用的求曲率的方法。三点只要不共线就能确定唯一的一个圆。根据这个原理,先求出三点确定的三角形的三边长度,再用余弦定理求出三角形的任意一个角。设这个角是∠A,它的对边长度是a,那么三点所在的圆的曲率半径就是0.5a/cosA,曲率就是曲率半径的倒数。然后,使各采样点依次作为目标采样点,就得到了各采样点的曲率。
选取在车辆行驶轨迹上目标采样点两端离目标采样点最近的各一个采样点的方式虽然简单,但在电子地图测绘领域,由于电子地图测绘中,专用采集车辆上报位置信息时波动性较大,相邻采样点之间很容易出现波动。因此,作为一种改进的方式,可以采用如下的三点法确定车辆行驶轨迹上各采样点。
由于车辆行驶轨迹点中的各采样点是按照采样点的位置信息中的时间由小到大的顺序排序的,针对每一个采样点执行如下操作:从排序在当前操作采样点之前和之后的采样点中分别选取一个采样点作为辅助采样点,作为所述辅助采样点的采样点满足:由当前操作采样点、辅助采样点及其之间间隔的采样点连接成的路段的距离最接近预设的距离阈值;若当前操作采样点之前或之后无采样点,则将与当前操作采样点相邻的采样点的行驶曲率作为所述当前采样点的行驶曲率;根据两个辅助采样点和当前操作采样点的位置信息,确定由这三个点构成的圆弧的曲率,将该曲率确定为当前操作采样点的行驶曲率。其中,该距离阈值的数值取决于GPS设备的精度,由技术人员根据相应GPS设备的精确度进行实验设定。这种方式可以有效避免相邻采样点测量数据的波动对曲率确定结果的影响。
当采用贝塞尔曲线拟合法时,可以对目标采样点、以及目标采样点两端各若干个连续采样点进行贝塞尔曲线拟合,然后确定拟合后的曲线在所述目标采样点处的曲率,作为该目标采样点的曲率。例如,图2中点10是目标采样点,左右两端各取6个采样点,则对点4-16进行贝塞尔曲线拟合。曲线拟合是用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。贝塞尔曲线拟合是用贝塞尔函数曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。贝塞尔曲线拟合是已有技术,故不赘述。由于曲线拟合后是用一个函数关系式或多段函数关系式来近似地模拟各采样点在坐标系上的变化趋势形成的曲线,因此根据拟合后的曲线函数和目标采样点的坐标,可以求出目标采样点的曲率。
当采用圆拟合法时,可以对目标采样点、以及目标采样点两端各若干个连续采样点进行圆拟合,然后确定拟合后的曲线在所述目标采样点处的曲率,作为该目标采样点的曲率。例如,图2中点10是目标采样点,左右两端各取6个采样点,则对点4-16进行圆拟合。圆拟合是用圆近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。圆拟合是已有技术,故不赘述。由于圆拟合后是用一个函数关系式或多段函数关系式来近似地模拟各采样点在坐标系上的变化趋势形成的曲线,因此根据拟合后的曲线函数和目标采样点的坐标,可以求出目标采样点的曲率。
当让车辆行驶轨迹上的各采样点轮流作为目标采样点时,根据上述方法就可以得到车辆行驶轨迹上各采样点的行驶曲率。
曲率差值获取单元140,用于获取各采样点的真实曲率与行驶曲率的差值;
在一个实施方式中,确定根据上述步骤得到的道路上各个采样点的真实曲率与根据上述方法得到的行驶轨迹上各采样点的行驶曲率的差值。
在另一个实施方式中,也可以确定采样点的真实曲率与拟合后行驶曲率的差值,在所述异常轨迹点检测装置100中,还可以进一步包括:
行程距离确定单元(未示),用于获取所述车辆行驶轨迹上各采样点的行程距离,所述行程距离是采样点到所述车辆行驶轨迹中作为目标轨迹点的采样点的距离;
拟合曲率确定单元(未示),用于按照采样点的行程距离由小到大的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率;
所述拟合曲率确定单元具体包括:
映射子单元(未示),用于根据各采样点的行程距离和曲率,将所述各采样点映射到以行驶曲率为纵轴、行程距离为横轴的坐标系中;
拟合曲率确定子单元(未示),用于按照各采样点映射到所述坐标系后形成的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率。
并且,所述曲率差值获取单元140执行如下操作:
获取各采样点的真实曲率与所述拟合后的行驶曲率的差值。
其中拟合曲率确定单元按照如下方式得到拟合后的行驶曲率。
首先,获取车辆行驶轨迹中各采样点的行程距离。行程距离是采样点到车辆行驶轨迹中的目标轨迹点的距离。目标轨迹点可以是整个车辆行驶轨迹中某一点(如车辆出发点)。另外,车辆行驶轨迹存储在服务器时往往是分段存储的,例如将用点A到B的车辆行驶轨迹分成三段存储,分别是点A到点C的一段、点C到点D的一段、点D到点B的一段,其中点C、D是点A到B的车辆行驶轨迹上的两点。在这种情况下,目标轨迹点可以是采样点所在的段上的某一点,如段的起点。例如,采样点H是点C到点D的段上的一点,将采样点所在的段的起点作为目标轨迹点,这时对于采样点H来说,行程距离就是车辆行驶轨迹中点C到H之间的距离。
以目标轨迹点是整个车辆行驶轨迹中的车辆出发点为例,图3示出了根据本申请的一个实施例确定从车辆出发点1行驶到各采样点经过的行程距离的一个例子。图3中,车辆出发点是点1,点1-18是车辆行驶轨迹。对于采样点18来说,采样点18在车辆行驶轨迹上离开出发点1的距离是点1-2间距离、点2-3间距离、……、点17-18间距离的总和。由于采样点之间的间隔足够短,可以认为两个相邻采样点之间的距离就是该两个相邻采样点之间的直线距离。由于点1-18的位置信息(如经纬度坐标)已知,就能够求出从出发点行驶到采样点18经过的距离,即采样点18的行程距离。
接下来,以各采样点的行程距离、各采样点的行驶曲率分别为横纵坐标,在曲率-行程距离坐标系上表示各采样点,将各采样点映射到以行驶曲率为纵轴、行程距离为横轴的坐标系中,如图4所示。按照各采样点映射到所述坐标系后形成的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率,如图5所示。
拟合是用直线或曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。对在曲率-行程距离坐标系上表示出的各采样点进行拟合可以采用线性拟合、n次多项式拟合(n≧2)、分段线性拟合等方法。这些拟合方法属于已有技术,故不赘述。对各采样点进行拟合后,会形成一条反映出各采样点的曲率随行程的变化趋势的直线或曲线(包括分段直线或分段曲线),其中大多数采样点可能会落在拟合后的直线或曲线上或与该直线或曲线极为贴近,只有少数采样点可能会与拟合后的直线或曲线有较大偏差。如图5所示,图5是对图4的采样点进行拟合后的结果,其中采样点A1(a,K1)拟合后变成A2(a,K2),偏差较大。其中a为行程距离,K1为行程距离a处的采样点的行驶曲率,K2为该采样点的拟合后的行驶曲率。
采样点拟合后的行驶曲率即从该采样点向表示行程距离的轴作垂线,该垂线与拟合后的拟合直线或曲线的相交点。如图5所示,从采样点A1(a,K1)向行程距离轴作垂线,该垂线与拟合曲线相交在A2(a,K2)。采样点A1的行驶曲率是K1,拟合后的行驶曲率变成K2。若在行程距离a处的采样点的真实曲率为K,则该采样点A1的真实曲率与行驶曲率的差值为K-K1。
在道路较为平直的情况下,分段直线拟合后的曲率为斜率很小的多段直线。在该段平直道路上,各个采样点的行驶曲率非常接近甚至完全相同。在该情况下,不必将真实曲率与每一个采样点的行驶曲率进行差值计算,而是可以确定真实曲率与其中一个采样点的行驶曲率之间的差值,从而可以快速将非异常点与异常点区分出来,从而提高异常点检测的效率。
异常点标记单元150,用于将所述差值与预设的曲率差值阈值进行比较,若满足预定异常识别条件,则将所述采样点标记为异常轨迹点。
在一个实施例中,所述预定异常识别条件包括:所述差值大于预设的曲率差值阈值。预定曲率差值阈值根据经验事先设置。也就是说,只要有一个采样点的拟合后的曲率与拟合前的曲率的差值大于预定曲率差值阈值,就可以认定该采样点为异常点。
在另一个实施例中,所述预定异常识别条件包括:在车辆行驶轨迹上连续N个采样点的所述差值大于预设的曲率差值阈值,其中N为大于等于2的正整数。因为单个采样点的拟合后的曲率与拟合前的曲率的差值大于预设的曲率差值阈值有可能是个别采样点测量扰动误差引起的,但如果在车辆行驶轨迹上连续N个采样点的所述差值都大于预定曲率差值阈值,认定车辆行驶轨迹在这N个采样点处发生了异常是比较安全的。该实施例减小了测量受意外扰动的不稳定性造成的影响,提高了异常检测精度。
在150中只是识别出异常点,即有可能在该采样点车辆没有按照规定的行驶路线行驶。之后还可以人工对这些异常点进行复核,检查是否这些异常点处车辆真的偏离了预先规定的行驶路线。
另外,在本申请的一个实施例中,所述方法在步骤S150后还可包括:发出要求车辆重新按规定的行驶路线行驶的指示。可以通过例如语音播报、在屏幕上显示文字等方式发出该指示。这样,通过识别出异常点,让车辆对于异常点重新行驶并采集数据,使根据重新采集的数据绘制的车辆行驶轨迹变得平滑。
在本申请的另一个实施例中,所述装置还可以包括:
记录单元,用于将异常点的位置信息进行记录。
如果检测出同一异常点的次数超过预定异常点次数阈值,按照检测出异常点时的车辆行驶轨迹修改预先人为规定的车辆的行驶路线。
例如,专用采集车辆采集电子地图数据时,即使如上所述,检测到专用采集车辆的异常点,要求专用采集车辆重新按规定的行驶路线行驶,专用采集车辆在第二次、第三次采集时,仍然可能发生在该采样点处发生异常的情况,这是由于道路中有障碍物等原因,该车辆行驶到某些地点必须绕行。因此,在本实施例中,对异常点的位置信息进行记录。如果检测出同一异常点的次数超过预定异常点次数阈值(该阈值是根据经验事先设置的),则说明该处可能有障碍物或检修等,按照检测出异常点时的车辆行驶轨迹修改预先人为规定的车辆的行驶路线,使得下一次车辆经过该处时就按绕过障碍物后的行驶路线行驶。另外,如果检测出同一异常点的次数超过预定异常点次数阈值,也可以通知有关部门进行排查,例如对障碍物进行清除。该实施例的好处是在道路上发生例如事故、出现障碍物、修路等情况下,能够及时调整规定的行驶路线,电子地图数据采集效率。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (12)
1.一种异常轨迹点检测方法,其特征在于,包括:
获取车辆行驶轨迹,其中车辆行驶轨迹由车辆的行驶过程中各采样点的位置信息形成,所述各采样点的位置信息是车辆在各采样点采集的位置信息;
根据车辆行驶轨迹匹配的道路信息,确定车辆行驶轨迹中各采样点对应的真实曲率;
根据车辆行驶轨迹点中各采样点的位置信息,确定车辆行驶轨迹上各采样点的行驶曲率;
获取各采样点的真实曲率与行驶曲率的差值;
将所述差值与预设的曲率差值阈值进行比较,若满足预定异常识别条件,则将所述采样点标记为异常轨迹点。
2.根据权利要求1所述的检测方法,其特征在于,确定车辆行驶轨迹上各采样点的行驶曲率后,所述方法进一步包括:
获取所述车辆行驶轨迹中各采样点的行程距离,所述行程距离是采样点到所述车辆行驶轨迹中作为目标轨迹点的采样点的距离;
按照采样点的行程距离由小到大的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率;
所述获取各采样点的真实曲率与行驶曲率的差值具体包括:
获取各采样点的真实曲率与所述拟合后的行驶曲率的差值。
3.根据权利要求2所述的检测方法,其特征在于,按照采样点的行程距离由小到大的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率具体包括:
根据各采样点的行程距离和行驶曲率,将各采样点映射到以行驶曲率为纵轴、行程距离为横轴的坐标系中;
按照各采样点映射到所述坐标系后形成的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率。
4.根据权利要求1所述的检测方法,其特征在于在获取各采样点的真实曲率与行驶曲率的差值之前,所述方法进一步包括:
按照采样点的位置信息中的时间由小到大的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率;
所述获取各采样点的真实曲率与行驶曲率的差值具体包括:
获取各采样点的真实曲率与所述拟合后的行驶曲率的差值。
5.根据权利要求1-4中任一项权利要求所述的方法,其特征在于,将所述差值与预设的曲率差值阈值进行比较,若满足预定异常识别条件,则将所述采样点标记为异常点具体包括:
将所述差值与预设的曲率差值阈值进行比较,若所述差值大于预设的曲率差值阈值,则将所述采样点标记为异常点。
6.根据权利要求1-4中任一项权利要求所述的方法,其特征在于,根据车辆行驶轨迹点中各采样点的位置信息,确定车辆行驶轨迹上各采样点的行驶曲率具体包括:
车辆行驶轨迹点中的各采样点是按照采样点的位置信息中的时间由小到大的顺序排序的,遍历车辆行驶轨迹点中的各采样点,若当前遍历到的操作采样点之前和之后存在采样点,则从排序在所述操作采样点之前和之后的采样点中分别选取一个采样点作为辅助采样点,根据两个辅助采样点和操作采样点的位置信息,确定由这三个点构成的圆弧的曲率,将该曲率确定为操作采样点的行驶曲率,作为所述辅助采样点的采样点满足:由操作采样点、辅助采样点及其之间间隔的采样点连接成的路段的距离最接近预设的距离阈值;若当前操作采样点之前或之后无采样点,则将与当前操作采样点相邻的采样点的行驶曲率作为所述当前采样点的行驶曲率。
7.一种异常轨迹点检测装置,其特征在于,包括:
车辆行驶轨迹获取单元,用于获取车辆行驶轨迹,其中车辆行驶轨迹由车辆的行驶过程中各采样点的位置信息形成,所述各采样点的位置信息是车辆在各采样点采集的位置信息;
真实曲率确定单元,用于根据车辆行驶轨迹匹配的道路信息,确定车辆行驶轨迹中各采样点对应的真实曲率;
行驶曲率确定单元,用于根据车辆行驶轨迹点中各采样点的位置信息,确定车辆行驶轨迹上各采样点的行驶曲率;
曲率差值获取单元,用于获取各采样点的真实曲率与行驶曲率的差值;
异常点标记单元,用于将所述差值与预设的曲率差值阈值进行比较,若满足预定异常识别条件,则将所述采样点标记为异常轨迹点。
8.根据权利要求7的装置,其特征在于,进一步包括:
行程距离获取单元,用于获取所述车辆行驶轨迹上各采样点的行程距离,所述行程距离是采样点到所述车辆行驶轨迹中作为目标轨迹点的采样点的距离;
拟合曲率确定单元,用于按照采样点的行程距离由小到大的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率;
并且,所述曲率差值获取单元执行如下操作:
获取各采样点的真实曲率与所述拟合后的行驶曲率的差值。
9.根据权利要求8的装置,其特征在于,所述拟合曲率确定单元具体包括:
映射子单元,用于根据各采样点的行程距离和曲率,将所述各采样点映射到以行驶曲率为纵轴、行程距离为横轴的坐标系中;
拟合曲率确定子单元,用于按照各采样点映射到所述坐标系后形成的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率。
10.根据权利要求7所述的装置,其特征在于,进一步包括:
所述拟合曲率确定单元,用于按照采样点的位置信息中的时间由小到大的顺序,对各采样点的行驶曲率进行分段直线拟合,得到各采样点拟合后的行驶曲率;
并且,所述曲率差值确定单元执行如下操作:
获取各采样点的真实曲率与所述拟合后的行驶曲率的差值。
11.根据权利要求7-10中任意一项的装置,其特征在于,所述异常点标记单元具体执行如下操作:
将所述差值与预设的曲率差值阈值进行比较,若所述差值大于预设的曲率差值阈值,则将所述采样点标记为异常点。
12.根据权利要求7-10中任意一项的装置,其特征在于,车辆行驶轨迹点中的各采样点是按照采样点的位置信息中的时间由小到大的顺序排序的,所述行驶曲率确定单元具体用于:
遍历车辆行驶轨迹点中的各采样点,若当前遍历到的操作采样点之前和之后存在采样点,则从排序在所述操作采样点之前和之后的采样点中分别选取一个采样点作为辅助采样点,根据两个辅助采样点和操作采样点的位置信息,确定由这三个点构成的圆弧的曲率,将该曲率确定为操作采样点的行驶曲率;
作为所述辅助采样点的采样点满足:由操作采样点、辅助采样点及其之间间隔的采样点连接成的路段的距离最接近预设的距离阈值;若当前操作采样点之前或之后无采样点,则将与当前操作采样点相邻的采样点的行驶曲率作为所述当前采样点的行驶曲率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611220999.6A CN108242145B (zh) | 2016-12-26 | 2016-12-26 | 异常轨迹点检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611220999.6A CN108242145B (zh) | 2016-12-26 | 2016-12-26 | 异常轨迹点检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108242145A CN108242145A (zh) | 2018-07-03 |
CN108242145B true CN108242145B (zh) | 2020-10-16 |
Family
ID=62701441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611220999.6A Active CN108242145B (zh) | 2016-12-26 | 2016-12-26 | 异常轨迹点检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108242145B (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035768B (zh) * | 2018-07-25 | 2020-11-06 | 北京交通大学 | 一种出租车绕路行为的识别方法 |
CN110160541B (zh) * | 2018-08-06 | 2022-02-22 | 腾讯大地通途(北京)科技有限公司 | 运动轨迹的重构方法和装置、存储介质、电子装置 |
CN109344426B (zh) * | 2018-08-13 | 2022-05-06 | 腾讯大地通途(北京)科技有限公司 | 一种数据处理方法、装置及服务器 |
CN109657621A (zh) * | 2018-12-21 | 2019-04-19 | 杨文鑫 | 大数据轨迹分析平台 |
CN109737979B (zh) * | 2018-12-29 | 2021-09-03 | 同济大学 | 一种用于无人驾驶车航线的储存方法和系统 |
CN113838359B (zh) * | 2019-01-16 | 2023-06-13 | 北京百度网讯科技有限公司 | 地图数据的采集方法、装置、设备和存储介质 |
CN110276020B (zh) * | 2019-04-22 | 2023-08-08 | 创新先进技术有限公司 | 识别用户出行目的地的方法和装置 |
CN110186428B (zh) * | 2019-05-27 | 2022-03-18 | 北京泓达九通科技发展有限公司 | 一种基于大数据曲线拟合的道路坡度确定方法及系统 |
CN110299027B (zh) * | 2019-07-12 | 2021-12-14 | 山东交通学院 | 基于轨迹数据和地图数据的车辆变道监测与安全预警方法 |
CN112784633B (zh) * | 2019-11-07 | 2024-04-19 | 北京四维图新科技股份有限公司 | 一种车道边界的处理方法、装置、电子设备和存储介质 |
CN113048992A (zh) * | 2019-12-26 | 2021-06-29 | 阿里巴巴集团控股有限公司 | 一种评测方法、导航方法、装置及可读存储介质 |
CN113139410B (zh) * | 2020-01-19 | 2024-02-13 | 杭州海康威视系统技术有限公司 | 路面检测方法、装置、设备及存储介质 |
CN111539345B (zh) * | 2020-04-27 | 2023-09-26 | 阿波罗智能技术(北京)有限公司 | 用于确定变道动作的方法、装置、设备及可读存储介质 |
CN113742607B (zh) * | 2020-05-28 | 2023-12-08 | 浙江财经大学 | 一种基于当事人地理轨迹的停留位置推荐方法 |
CN111735461B (zh) * | 2020-06-10 | 2023-11-17 | 腾讯科技(深圳)有限公司 | 行驶轨迹的处理方法、装置及电子设备 |
CN112230663B (zh) * | 2020-10-28 | 2023-11-10 | 腾讯科技(深圳)有限公司 | 车辆定位数据的监测方法、装置 |
CN112527932B (zh) * | 2020-12-04 | 2023-09-26 | 北京百度网讯科技有限公司 | 道路数据处理的方法、装置、设备及存储介质 |
CN112528807B (zh) * | 2020-12-04 | 2023-12-19 | 深圳市优必选科技股份有限公司 | 行驶轨迹的预测方法、装置、电子设备及存储介质 |
CN112748451B (zh) * | 2021-01-26 | 2022-04-22 | 腾讯科技(深圳)有限公司 | 轨迹处理方法、装置、电子设备及介质 |
CN112991749B (zh) * | 2021-05-13 | 2021-07-20 | 腾讯科技(深圳)有限公司 | 车辆违章识别方法与装置、介质及电子设备 |
CN113465616B (zh) * | 2021-06-28 | 2023-06-16 | 湖北亿咖通科技有限公司 | 轨迹异常点检测方法和装置、电子设备及存储介质 |
CN113566837A (zh) * | 2021-06-29 | 2021-10-29 | 深圳一清创新科技有限公司 | 一种基于自主建图的路线修正方法、装置以及电子设备 |
CN113538674A (zh) * | 2021-06-29 | 2021-10-22 | 深圳一清创新科技有限公司 | 一种基于自主建图的路线检测方法、装置以及电子设备 |
CN113525365A (zh) * | 2021-07-21 | 2021-10-22 | 上汽通用五菱汽车股份有限公司 | 道路规划方法、装置及计算机可读存储介质 |
CN113701832A (zh) * | 2021-08-28 | 2021-11-26 | 上海光华仪表有限公司 | 高压由壬电磁流量计控制方法及其系统 |
CN113758501A (zh) * | 2021-09-08 | 2021-12-07 | 广州小鹏自动驾驶科技有限公司 | 检测地图中的异常车道线的方法和可读存储介质 |
CN113650618B (zh) * | 2021-09-23 | 2022-09-30 | 东软睿驰汽车技术(上海)有限公司 | 一种车辆轨迹确定方法和相关装置 |
CN114166241A (zh) * | 2021-10-27 | 2022-03-11 | 北京中交兴路车联网科技有限公司 | 一种货运车载终端异常检测方法、装置、存储介质及终端 |
CN114475593B (zh) * | 2022-01-18 | 2023-12-19 | 上汽通用五菱汽车股份有限公司 | 行驶轨迹预测方法、车辆及计算机可读存储介质 |
CN114117261B (zh) * | 2022-01-29 | 2022-04-22 | 腾讯科技(深圳)有限公司 | 轨迹检测方法、装置、电子设备及存储介质 |
CN114529871A (zh) * | 2022-02-21 | 2022-05-24 | 创新奇智(上海)科技有限公司 | 一种酒驾识别方法、装置,电子设备及存储介质 |
CN116394945A (zh) * | 2023-06-08 | 2023-07-07 | 北京集度科技有限公司 | 车辆行驶信息的检测方法、车辆、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102313556A (zh) * | 2010-07-01 | 2012-01-11 | 北京四维图新科技股份有限公司 | 环岛上的路径匹配的方法及装置 |
CN103092948A (zh) * | 2013-01-15 | 2013-05-08 | 武汉光庭信息技术有限公司 | 一种应用于浮动车轨迹融合的高速道路形状修复方法 |
CN103438897A (zh) * | 2013-09-04 | 2013-12-11 | 杭州东信捷峻科技有限公司 | 基于栅格地图的路径轨迹校正方法 |
CN103459227A (zh) * | 2011-04-08 | 2013-12-18 | 丰田自动车株式会社 | 道路形状推定系统 |
CN103500516A (zh) * | 2013-09-26 | 2014-01-08 | 深圳市宏电技术股份有限公司 | 基于电子地图高效率轨迹回放的方法及系统 |
CN103868523A (zh) * | 2012-12-07 | 2014-06-18 | 现代自动车株式会社 | 获取车辆的偏航率传感器的偏差的系统和方法 |
JP2015001574A (ja) * | 2013-06-14 | 2015-01-05 | 株式会社ジオ技術研究所 | 地図データ生成システム、地図出力システム |
CN104766058A (zh) * | 2015-03-31 | 2015-07-08 | 百度在线网络技术(北京)有限公司 | 一种获取车道线的方法和装置 |
CN105882661A (zh) * | 2016-04-08 | 2016-08-24 | 重庆大学 | 机动车弯道驾驶辅助系统及运行方式 |
CN106030685A (zh) * | 2014-02-21 | 2016-10-12 | 三菱电机株式会社 | 地图信息处理装置、地图信息处理方法及更新数据的调整方法 |
CN109084782A (zh) * | 2017-06-13 | 2018-12-25 | 蔚来汽车有限公司 | 基于摄像头传感器的车道线地图构建方法以及构建系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4240321B2 (ja) * | 2005-04-04 | 2009-03-18 | 住友電気工業株式会社 | 障害物検出センター装置及び障害物検出方法 |
SE1100537A1 (sv) * | 2011-07-15 | 2013-01-16 | Scania Cv Ab | Hantering av fel i kartdata |
JP5741954B2 (ja) * | 2012-02-17 | 2015-07-01 | アイシン・エィ・ダブリュ株式会社 | 交通情報配信システム、ナビゲーションシステム、交通情報配信プログラム、及び交通情報配信方法 |
CN103035123B (zh) * | 2012-12-25 | 2016-01-20 | 中国科学院深圳先进技术研究院 | 一种交通轨迹数据中异常数据获取方法及系统 |
CN103235933B (zh) * | 2013-04-15 | 2016-08-03 | 东南大学 | 一种基于隐马尔科夫模型的车辆异常行为检测方法 |
JP5929936B2 (ja) * | 2014-01-21 | 2016-06-08 | トヨタ自動車株式会社 | 特異走行箇所検出装置及び特異走行箇所検出方法 |
-
2016
- 2016-12-26 CN CN201611220999.6A patent/CN108242145B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102313556A (zh) * | 2010-07-01 | 2012-01-11 | 北京四维图新科技股份有限公司 | 环岛上的路径匹配的方法及装置 |
CN103459227A (zh) * | 2011-04-08 | 2013-12-18 | 丰田自动车株式会社 | 道路形状推定系统 |
CN103868523A (zh) * | 2012-12-07 | 2014-06-18 | 现代自动车株式会社 | 获取车辆的偏航率传感器的偏差的系统和方法 |
CN103092948A (zh) * | 2013-01-15 | 2013-05-08 | 武汉光庭信息技术有限公司 | 一种应用于浮动车轨迹融合的高速道路形状修复方法 |
JP2015001574A (ja) * | 2013-06-14 | 2015-01-05 | 株式会社ジオ技術研究所 | 地図データ生成システム、地図出力システム |
CN103438897A (zh) * | 2013-09-04 | 2013-12-11 | 杭州东信捷峻科技有限公司 | 基于栅格地图的路径轨迹校正方法 |
CN103500516A (zh) * | 2013-09-26 | 2014-01-08 | 深圳市宏电技术股份有限公司 | 基于电子地图高效率轨迹回放的方法及系统 |
CN106030685A (zh) * | 2014-02-21 | 2016-10-12 | 三菱电机株式会社 | 地图信息处理装置、地图信息处理方法及更新数据的调整方法 |
CN104766058A (zh) * | 2015-03-31 | 2015-07-08 | 百度在线网络技术(北京)有限公司 | 一种获取车道线的方法和装置 |
CN105882661A (zh) * | 2016-04-08 | 2016-08-24 | 重庆大学 | 机动车弯道驾驶辅助系统及运行方式 |
CN109084782A (zh) * | 2017-06-13 | 2018-12-25 | 蔚来汽车有限公司 | 基于摄像头传感器的车道线地图构建方法以及构建系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108242145A (zh) | 2018-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108242145B (zh) | 异常轨迹点检测方法和装置 | |
CN113538919B (zh) | 车道偏离识别方法、装置、设备和存储介质 | |
US10002537B2 (en) | Learning lanes from radar sensors | |
EP3358303B1 (en) | An apparatus and associated methods for use in updating map data | |
JP6658088B2 (ja) | 情報処理装置、プログラム、及び地図データ更新システム | |
US10262213B2 (en) | Learning lanes from vehicle probes | |
EP3789733A1 (en) | Turn lane configuration | |
US9978161B2 (en) | Supporting a creation of a representation of road geometry | |
US20130231873A1 (en) | Railway inspection system | |
US10989555B2 (en) | System and method for automated semantic map generation | |
US11002553B2 (en) | Method and device for executing at least one measure for increasing the safety of a vehicle | |
CN112101223B (zh) | 检测方法、装置、设备和计算机存储介质 | |
KR101456556B1 (ko) | 실측자료를 이용한 도로 자동 도면화 방법 | |
JP2017043348A (ja) | 鉄道網上の列車イベントの位置を特定する方法 | |
JP6160172B2 (ja) | 運転診断システム、運転診断プログラム、及び運転診断装置 | |
CN112406965B (zh) | 一种提高列车定位安全性的方法及系统 | |
JP2010267000A (ja) | 経路推定装置、経路推定方法、およびプログラム | |
CN110018503B (zh) | 车辆的定位方法及定位系统 | |
CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
CN111380536A (zh) | 车辆定位方法、装置、电子设备、计算机可读存储介质 | |
CN114360261A (zh) | 车辆逆行的识别方法、装置、大数据分析平台和介质 | |
CN108399179B (zh) | 确定道路曲率的方法和装置 | |
US20210383141A1 (en) | Sign position identification system and program | |
CN107092253B (zh) | 用于控制无人车的方法、装置及服务器 | |
CN109596135B (zh) | 汽车导航方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200506 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 102200, No. 18, No., Changsheng Road, Changping District science and Technology Park, Beijing, China. 1-5 Applicant before: AUTONAVI SOFTWARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |