CN108804562A - 一种保持速度特征的道路网约束轨迹线化简方法 - Google Patents
一种保持速度特征的道路网约束轨迹线化简方法 Download PDFInfo
- Publication number
- CN108804562A CN108804562A CN201810496040.8A CN201810496040A CN108804562A CN 108804562 A CN108804562 A CN 108804562A CN 201810496040 A CN201810496040 A CN 201810496040A CN 108804562 A CN108804562 A CN 108804562A
- Authority
- CN
- China
- Prior art keywords
- road
- abbreviation
- path
- line
- point
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种保持速度特征的道路网约束轨迹线化简方法。首先,将道路网按地理意义上完整的道路实体进行组织,并基于距离最近原则将轨迹点匹配移位至道路弧段。并设计了化简模型,分别是(1)几何化简算子,基于网络空间距离对道路网约束轨迹线实施几何形态化简,保证化简后轨迹点最大位置误差不超过设定阈值ε(ε≥0);(2)速度增强算子,对化简后的轨迹线进行局部速度信息增强,使得化简前后轨迹线隐含速度的最大误差不超过设定阈值μ(μ≥0)。本发明引入网络空间距离构建符合位置误差界线的道路约束轨迹线化简方法,通过附加数组形式对化简结果进行速度信息增强,从而使得约束轨迹线在实施几何形态化简的同时尽量保持原有的移动速度特征。
Description
技术领域
本发明属于地理信息技术领域,涉及一种时空轨迹数据的化简方法,尤其涉及一种保持速度特征的道路网约束轨迹线化简方法。
背景技术
通过对运动物体如车辆、动物、船舶、行人的跟踪,可以得到由带时间戳的位置点构成的时空轨迹线数据。随着移动定位技术的不断进步,对运动目标的轨迹跟踪更加精准,经济成本更低。在此背景下,记录各种运动物体的轨迹线正变得无处不在,并且迅速增长。这些轨迹数据为交通监测和可视化、动物行为分析、城市计算、以及旅行线路推荐等领域提供了丰富的信息。可是,轨迹线数据通常采集时间频率高(如每间隔1秒记录一个轨迹点)导致数据规模巨大,对存储,传输,计算处理、可视化等环节产生了挑战。另一方面,大多数应用领域对轨迹线数据的空间及时间分辨率要求并不高。因此,在一定时空精度范围内对轨迹线实施化简处理具有重要的实践意义。目前,针对轨迹线化简问题已经提出多种不同的方法。然而,应用到约束轨迹线(如道路网空间下的车辆轨迹线)化简时,存在如下不足:(1)现有化简方法主要采用欧式距离而非网络距离,导致对化简前后轨迹线位置误差评估不够准确;(2)现有方法主要关注化简前后轨迹线的几何精度保持,而对移动速度缺乏有效考虑,可能导致后期时空特征分析不准确。
发明内容
针对上述存在的应用问题,本发明设计了一种保持速度特征的道路网约束轨迹线化简方法。本发明提出的方法由两个部分构成,分别是:1)几何化简算子,基于网络空间距离对道路网约束轨迹线实施几何形态化简,保证化简后轨迹点最大位置误差不超过设定阈值ε;2)速度增强算子,对化简后的轨迹线进行局部速度信息增强,使得化简前后对应轨迹线段间隐含速度的最大误差不超过设定阈值μ。
本发明所采用的技术方案是:一种保持速度特征的道路网约束轨迹线化简方法,其特征在于,包括以下步骤:
一种保持速度特征的道路网约束轨迹线化简方法,其特征在于,包括以下步骤:
步骤1,对道路网进行结构化组织,构建基于路径的道路网模型。具体地,整个道路网定义为R={ri;i=1,...,m}(m≥1)。ri表示地理意义上一条完整的道路实体,ri=<id_road,{ej;i=1,...,n}>(n≥1),id_road表示道路编号,ej表示组成该道路实体的道路弧段并按连接关系依次排列。
步骤2,基于距离最近原则将每一个轨迹点匹配移位至道路弧段上,同时将轨迹线组织为T={ui;i=1,...,m}(m≥1)。其中,ui定义为连续处于同一条道路上轨迹点构成的轨迹片段,即ui=<id_road,{pj;j=1,...,n}>(n≥1),id_road表示道路编号,pj=(posj,tj),posj∈[0,1]表示从所在道路起始点出发至pj的相对距离,tj表示pj产生的时间信息。
步骤3:,对轨迹线T实施几何形态化简,化简结果T′与T间的最大几何位置误差不超过设定阈值ε(ε≥0)。
步骤4,对化简结果T′实施速度信息增强处理,使得增强后轨迹线段与原始对应轨迹线段间速度的最大误差不超过设定阈值μ(μ≥0)。
在上述的一种保持速度特征的道路网约束轨迹线化简方法,所述步骤3过程如下:
步骤3.1,依次遍历T包含的轨迹片段,对于每条轨迹片段ui(i=1,...,m),进行如下处理:
处理步骤一,取ui首尾两个轨迹点构建初始化简结果u′i。
处理步骤二,计算ui上每个轨迹点到u'i的时间同步距离,记录其中的最大值以及对应的轨迹点pmax,最大值记为其中,ui上轨迹点pj到u′i的时间同步距离定义为pj到p′j间的网络路径距离,p′j为pj在u′i上的时间同步点。设tp时刻的pp和ts时刻的ps分别是u′i中时间上最接近pj的前后轨迹点,则可按下式获得pp与p′j间的网络路径距离Len(pp,p′j),继而获得p′j的位置信息。
处理步骤三,如果将pmax加入到u′i中,重复步骤处理步骤二;否则,记录u′i作为ui的化简结果。
步骤3.2,将化简后的轨迹线组织为T'={u'i;i=1,...,m}。
在上述的一种保持速度特征的道路网约束轨迹线化简方法,所述步骤4中,依次遍历T'包含的每条轨迹片段,对每条轨迹片段u'i做如下处理:
步骤4.1,在u'i上任一对相邻轨迹点间创建速度增强数组,对于pk和pl(pk,pl∈ui;l>k+1)定义数组如下
A(pk,pl)={(Δti,λi);i=0,...,l-k-1}
其中Δti表示T中pk+i和pk+i+1之间的时间间隔,调整参数λi=Len(pk+i,pk+i+1)/Len(p'k+i,p'k+i+1),Len(pk+i,pk+i+1)表示pk+i和pk+i+1间的网络路径距离,Len(p′k+i,p′k+i+1)表示p′k+i和p′k+i+1间的网络路径距离,p′k+i和p′k+i+1分别是pk+i和pk+i+1在u′i上的时间同步点。定义移动目标在相邻轨迹点组成的轨迹线段上匀速。基于速度增强数组,化简后轨迹线段对应的原始移动速度可计算为
步骤4.2,对创建的速度增强数组实施线性压缩,使得原始轨迹片段与增强后的化简轨迹片段间最大速度误差小于等于μ。对于数组A(pk,pl),以包含的首条记录为锚点创建窗口β,进如下处理:
处理步骤一,将窗口外相邻的记录加入到β,对β内的记录将进行合并操作。假设β包含记录(Δta,λa),...,(Δtb,λb)(0≤a<b≤l-k-1),合并后的记录(Δtmerge,λmerge)计算如下:
处理步骤二,计算β内原始轨迹片段与增强后的化简轨迹片段间最大速度误差SEmax,
其中λmax和λmin是β内记录的调整参数的最大值和最小值, Len(pl,pk)表示轨迹点pl和pk间网络路径距离。
处理步骤三,如果SEmax>μ,则将前一次合并结果存储,并以最新加入记录为锚点重新开窗;否则,重复上述步骤直至遍历所有记录,并存储窗口合并结果。
本发明围绕道路网约束轨迹线的特点,引入网络空间距离构建符合位置误差界线的轨迹线化简方法。在此基础上,针对仅考虑几何位置特征实施化简可能导致局部移动速度损失过大的问题,通过附加数组形式对局部轨迹线进行速度信息增强,从而保证轨迹线隐含速度在化简前后的最大误差满足预设的速度误差界限。
附图说明
图1是本发明中基于路径的道路网组织模型示例。
图2是本发明中道路网约束轨迹数据组织模型示例。
图3a是本发明中约束轨迹线几何化简过程示例(原始轨迹片段u2)。
图3b是本发明中约束轨迹线几何化简过程示例(添加p4和p9到化简结果u′2)。
图3c是本发明中约束轨迹线几何化简过程示例(添加p7到化简结果u′2)。
图3d是本发明中约束轨迹线几何化简过程示例(添加p5到化简结果u′2)。
图4a是本发明中约束轨迹线速度增强数组示例(原始轨迹线段及化简后时间同步点构成轨迹线段的长度、速度信息)。
图4b是本发明中约束轨迹线速度增强数组示例(创建的增强数组)。
图5a是本发明中速度增强数组压缩过程示例(以首条记录(1,1/2)为锚点创建窗口β,将邻近记录(1,3/4)加入β,合并窗口内记录为(2,5/8),产生最大速度误差2.5m/s)。
图5b是本发明中速度增强数组压缩过程示例(将下一条记录(1,3/4)加入β,β内记录合并为(3,2/3),产生最大速度误差3.3m/s)。
图5c是本发明中速度增强数组压缩过程示例(将下一条记录(1,5/4)加入β,β内记录合并为(4,13/16),产生最大速度误差8.75m/s,超过阈值5m/s)。
图5d是本发明中速度增强数组压缩过程示例(存储前一次合并结果,并以最新加入记录(1,5/4)为锚点重新开窗,并重复上述操作)。
图5e是本发明中速度增强数组压缩过程示例(遍历所有记录后,输出最终压缩结果)。
图6是本发明的方法流程示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供的一种保持速度特征的道路网约束轨迹线化简方法,包括以下步骤:
步骤1:对道路网进行结构化组织,构建基于路径的道路网模型。具体地,整个道路网定义为R={ri;i=1,...,m}(m≥1)。ri表示地理意义上一条完整的道路实体,ri=<id_road,{ej;j=1,...,n}>(n≥1),id_road表示道路编号,ej表示组成该道路实体的道路弧段并按拓扑连接关系依次排列。
常规的道路网建模基于图论观点,将道路网看作由一系列弧段构成的图结构。本发明采用基于路径的道路组织模型,即将地理意义上完整道路实体对应的道路弧段组织到一起。如图1所示,基于延展性原则(即相邻道路弧段夹角接近180°),将示例道路网组织为R={ri;i=1,2,3,4}。进一步地,每条道路实体包含若干道路弧段,如r1={ej;j=1,3,5,7}。
步骤2:基于距离最近原则将每一个轨迹点匹配移位至道路弧段上,同时将轨迹线组织为T={ui;i=1,...,m}(m≥1)。其中,ui定义为连续处于同一条道路上轨迹点构成的轨迹片段,即ui=<id_road,{pj;j=1,...,n}>(n≥1),id_road表示道路编号,pj=(posj,tj),posj∈[0,1]表示从所在道路起始点出发至pj的相对距离,tj表示pj产生的时间信息。
图2所示轨迹线T共包含12个轨迹点。将轨迹点匹配移位至道路弧段后,可发现该轨迹线通过r3、r1、r4三条不同的道路,三条道路的起始节点分别是v3、v1、v7。按上述方法将图示轨迹线组织为:T={u1,u2,u3},其中u1=<id_road(r3),{(0.29,1),(0.60,2),(0.87,3)}>,u2=<id_road(r1),{(0.26,4),(0.36,5),(0.40,6),(0.46,7),(0.59,8),(0.74,9)}>,u3=<id_road(r4),{0.88,10),(0.59,11),(0.24,12)}>。
步骤3:对轨迹线T实施几何形态化简,化简结果T′与T间的最大几何位置误差不超过设定阈值ε(ε≥0)。
结合图3,实施例具体的实施过程说明如下:
步骤3.1:依次遍历T包含的轨迹片段,对于每条轨迹片段ui(i=1,...,m),
①首先,取ui首尾两个轨迹点作为初始化简结果u′i。如图3a所示,原始轨迹线片段u2由轨迹点p4、p5、p6、p7、p8、p9组成。首先,选取p4和p9构建化简结果u′2(图3b),即u′i={p4,p5}。
②计算ui上每个轨迹点到u′i的时间同步距离,记录其中的最大值(记为)以及对应的轨迹点pmax。其中,ui上轨迹点pj到u′i的时间同步距离定义为pj到p′j间的网络路径距离,p′j为pj在u′i上的时间同步点。设tp时刻的pp和ts时刻的ps分别是u′i中时间上最接近pj的前后轨迹点,则可按下式获得pp与p′j间的网络路径距离Len(pp,p′j),继而获得p′j的位置信息。
如图3b所示,分别计算u2包含的每个轨迹点到u′2的时间同步距离。其中,u2包含轨迹点p4、p5、p6、p7、p8、p9在u′2上的时间同步点分别是p′4(p′4=p4)、p′5、p′6、p′7、p′8、p′9(p′9=p9),对应的时间同步距离分别为Len(p4,p′4)、Len(p5,p′5)、Len(p6,p′6)、Len(p7,p′7)、Len(p8,p′8)、Len(p9,p′9),其中最大值
③如果将pmax加入到u′i中,重复步骤②;否则,记录u′i作为ui的化简结果。
如图3c所示,由于将p7加入u′2。重复执行上述步骤后,最终的化简结果u′2={p4、p5、p7、p9}(如图3d所示)。
步骤3.2:将化简后的轨迹线组织为T′={u′i;=1,...,m}。
步骤4:对化简结果T′实施速度信息增强处理,使得增强后轨迹线段与原始对应轨迹线段间速度的最大误差不超过设定阈值μ(μ≥0)。
结合图4,实施例具体的实施过程说明如下:
依次遍历T′包含的每条轨迹片段,对每条轨迹片段u′i做如下处理。
步骤4.1:在u′i上任一对相邻轨迹点间创建速度增强数组,如对于pk和pl(pk,pl∈ui;l>k+1)定义数组如下
A(pk,pl)={(Δti,λi);i=0,...,l-k-1}
其中Δti表示T中pk+i和pk+i+1之间的时间间隔,调整参数λi=Len(pk+i,pk+i+1)/Len(p′k+i,p′k+i+1),Len(pk+i,pk+i+1)表示pk+i和pk+i+1间的网络路径距离,Len(p′k+i,p′k+i+1)表示p′k+i和p′k+i+1间的网络路径距离,p′k+i和p′k+i+1分别是pk+i和pk+i+1在u′i上的时间同步点。本发明假设移动目标在相邻轨迹点组成的轨迹线段上匀速。基于上述增强数组信息,化简后轨迹线段对应的原始移动速度可计算为
图4示例中原始轨迹线段包含轨迹点p1、p2、p3、p4、p5、p6、p7、p8、p9,时间间隔为1s,化简后仅保留p1和p9。图4a描述了原始轨迹线段及化简后时间同步点构成轨迹线段的长度、速度信息。对化简后相邻轨迹点p1、p9,如图4b所示创建增强数组A(p1,p9)={(1,1/2),(1,3/4),(1,3/4),(1,5/4),(1,7/4),(1,5/4),(1,1),(1,3/4)}。基于创建的增强数组,在化简后的轨迹线上可精确计算原始轨迹线不同时刻(或不同轨迹线段)的速度信息。例如,图4b中tx时刻的轨迹点p′x速度信息可计算为其中以及λ5=7/4,得到p′x的速度值为35m/s,结合图4a可以发现与原始轨迹线上的px(p′x的时间同步点,处于轨迹直线段)速度相等。
步骤4.2:对创建的速度增强数组依次实施线性压缩,使得原始轨迹片段与增强后的化简轨迹片段间最大速度误差小于等于μ。结合图5,实施例具体的实施过程说明如下:
①对于数组A(pk,pl),以包含的首条记录为锚点创建窗口β,将窗口外相邻的记录加入到β,对β内的记录将进行合并操作。假设β包含记录(Δta,λa),...,(Δtb,λb)(0≤a<b≤l-k-1),合并后的记录(Δtmerge,λmerge)计算如下:
如图5a所示,对A(p1,p9)={(1,1/2),(1,3/4),(1,3/4),(1,5/4),(1,7/4),(1,5/4),(1,1),(1,3/4)}来说,首先以首条记录(1,1/2)为锚点创建窗口β,并将相邻记录(1,3/4)加入到β,对β内的记录将进行合并操作,合并后的记录(2,5/8)。
②计算β内原始轨迹片段与增强后的化简轨迹片段间最大速度误差SEmax,
其中λmax和λmin是β包含所有记录中调整参数的最大值和最小值,Len(pl,pk)表示轨迹点pl和pk间网络距离。
如图5a所示,窗口β中λmax为3/4,λmin为1/2,计算得到λmerge5/8,可算出最大速度误差SEmax为2.5m/s。
③如果SEmax>μ,则将前一次合并结果存储,并以最新加入记录为锚点重新开窗;否则,重复上述步骤直至遍历所有记录,并存储窗口合并结果。
图5a中,SEmax=2.5m/s,μ=5m/s,即SEmax<μ,因此将下一条记录(1,3/4)加入β中并重复上述工作。如图5c所示,直到加入记录(1,5/4),合并后SEmax>μ(SEmax=8.75m/s),此时将前一合并结果(即(3,2/3))存储记录。然后,以记录(1,5/4)为锚点重新创建窗口,重复上述步骤直至遍历所有记录。如图5e所示,压缩合并后A(p1,p9)={(3,2/3),(2,3/2),(3,1)},基于上述增强数组,化简后处于轨迹线段上的任一轨迹点与原始轨迹线上同步轨迹点间最大速度误差为5m/s。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (3)
1.一种保持速度特征的道路网约束轨迹线化简方法,其特征在于,包括以下步骤:
步骤1,对道路网进行结构化组织,构建基于路径的道路网模型,具体是整个道路网定义为R={ri;i=1,...,m}(m≥1);ri表示地理意义上一条完整的道路实体,ri=<id_road,{ej;j=1,...,n}>(n≥1),id_road表示道路编号,ej表示组成该道路实体的道路弧段并按连接关系依次排列;
步骤2,基于距离最近原则将每一个轨迹点匹配移位至道路弧段上,同时将轨迹线组织为T={ui;i=1,...,m}(m≥1);其中,ui定义为连续处于同一条道路上轨迹点构成的轨迹片段,即ui=<id_road,{pj;j=1,...,n}>(n≥1),id_road表示道路编号,pj=(posj,tj),posj∈[0,1]表示从所在道路起始点出发至pj的相对距离,tj表示pj产生的时间信息;
步骤3:,对轨迹线T实施几何形态化简,化简结果T′与T间的最大几何位置误差不超过设定阈值ε(ε≥0);
步骤4,对化简结果T′实施速度信息增强处理,使得增强后轨迹线段与原始对应轨迹线段间速度的最大误差不超过设定阈值μ(μ≥0)。
2.根据权利要求1所述的一种保持速度特征的道路网约束轨迹线化简方法,其特征在于,所述步骤3过程如下:
步骤3.1,依次遍历T包含的轨迹片段,对于每条轨迹片段ui(i=1,...,m),进行如下处理:
处理步骤一,取ui首尾两个轨迹点构建初始化简结果u′i;
处理步骤二,计算ui上每个轨迹点到u′i的时间同步距离,记录其中的最大值以及对应的轨迹点pmax,最大值记为其中,ui上轨迹点pj到u′i的时间同步距离定义为pj到p′j间的网络路径距离,p′j为pj在u′i上的时间同步点;设tp时刻的pp和ts时刻的ps分别是u′i中时间上最接近pj的前后轨迹点,则可按下式获得pp与p′j间的网络路径距离Len(pp,p′j),继而获得p′j的位置信息;
处理步骤三,如果将pmax加入到u′i中,重复步骤处理步骤二;否则,记录u′i作为ui的化简结果;
步骤3.2,将化简后的轨迹线组织为T′={u′i;i=1,...,m}。
3.根据权利要求1所述的一种保持速度特征的道路网约束轨迹线化简方法,其特征在于,所述步骤4中,依次遍历T′包含的每条轨迹片段,对每条轨迹片段u'i做如下处理:
步骤4.1,在u'i上任一对相邻轨迹点间创建速度增强数组,对于pk和p1(pk,p1∈ui;l>k+1)定义数组如下
A(pk,p1)={(Δti,λi);i=0,...,l-k-1}
其中Δti表示T中pk+i和pk+i+1之间的时间间隔,调整参数λi=Len(pk+i,pk+i+1)/Len(p′k+i,p′k+i+1),Len(pk+i,pk+i+1)表示pk+i和pk+i+1间的网络路径距离,Len(p′k+i,p′k+i+1)表示p′k+i和p′k+i+1间的网络路径距离,p′k+i和p′k+i+1分别是pk+i和pk+i+1在u'i上的时间同步点;定义移动目标在相邻轨迹点组成的轨迹线段上匀速;基于速度增强数组,化简后轨迹线段对应的原始移动速度可计算为
步骤4.2,对创建的速度增强数组实施线性压缩,使得原始轨迹片段与增强后的化简轨迹片段间最大速度误差小于等于μ;对于数组A(pk,p1),以包含的首条记录为锚点创建窗口β,进行如下处理:
处理步骤一,将窗口外相邻的记录加入到β,对β内的记录将进行合并操作;假设β包含记录(Δta,λa),...,(Δtb,λb)(0≤a<b≤l-k-1),合并后的记录(Δtmerge,λmerge)计算如下:
处理步骤二,计算β内原始轨迹片段与增强后的化简轨迹片段间最大速度误差SEmax,
其中λmax和λmin是β内记录的调整参数的最大值和最小值, Len(p1,pk)表示轨迹点p1和pk间网络路径距离;
处理步骤三,如果SEmax>μ,则将前一次合并结果存储,并以最新加入记录为锚点重新开窗;否则,重复上述步骤直至遍历所有记录,并存储窗口合并结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810496040.8A CN108804562B (zh) | 2018-05-22 | 2018-05-22 | 一种保持速度特征的道路网约束轨迹线化简方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810496040.8A CN108804562B (zh) | 2018-05-22 | 2018-05-22 | 一种保持速度特征的道路网约束轨迹线化简方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108804562A true CN108804562A (zh) | 2018-11-13 |
CN108804562B CN108804562B (zh) | 2022-04-29 |
Family
ID=64092808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810496040.8A Active CN108804562B (zh) | 2018-05-22 | 2018-05-22 | 一种保持速度特征的道路网约束轨迹线化简方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108804562B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109814496A (zh) * | 2019-01-31 | 2019-05-28 | 天津大学 | 一种s型加减速轨迹规划中多轴时间同步方法 |
CN115149961A (zh) * | 2022-06-30 | 2022-10-04 | 南京邮电大学 | 基于速度偏差和道路语义的在线路网轨迹数据压缩方法 |
CN115905445A (zh) * | 2022-12-16 | 2023-04-04 | 河南大学 | 一种基于Seq2Seq模型的道路要素化简方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136140A (zh) * | 2006-08-29 | 2008-03-05 | 亿阳信通股份有限公司 | 道路交通的通行速度计算和匹配的方法和系统 |
CN104769391A (zh) * | 2012-09-20 | 2015-07-08 | 通腾发展德国公司 | 用于确定一段道路的路线偏离的方法及系统 |
CN105138779A (zh) * | 2015-08-31 | 2015-12-09 | 武汉大学 | 车载gps时空轨迹大数据优选方法及系统 |
US20160069688A1 (en) * | 2014-09-04 | 2016-03-10 | Honeywell International Inc. | System and method for managing speed constraints during required time of arrival operations |
CN106023587A (zh) * | 2016-05-25 | 2016-10-12 | 电子科技大学 | 基于多信息融合的轨迹数据路网精确匹配方法 |
CN106899306A (zh) * | 2017-02-20 | 2017-06-27 | 武汉大学 | 一种保持移动特征的车辆轨迹线数据压缩方法 |
CN107957684A (zh) * | 2017-11-17 | 2018-04-24 | 华南理工大学 | 一种基于虚拟速度向量场的机器人三维无碰轨迹规划方法 |
-
2018
- 2018-05-22 CN CN201810496040.8A patent/CN108804562B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136140A (zh) * | 2006-08-29 | 2008-03-05 | 亿阳信通股份有限公司 | 道路交通的通行速度计算和匹配的方法和系统 |
CN104769391A (zh) * | 2012-09-20 | 2015-07-08 | 通腾发展德国公司 | 用于确定一段道路的路线偏离的方法及系统 |
US20160069688A1 (en) * | 2014-09-04 | 2016-03-10 | Honeywell International Inc. | System and method for managing speed constraints during required time of arrival operations |
CN105138779A (zh) * | 2015-08-31 | 2015-12-09 | 武汉大学 | 车载gps时空轨迹大数据优选方法及系统 |
CN106023587A (zh) * | 2016-05-25 | 2016-10-12 | 电子科技大学 | 基于多信息融合的轨迹数据路网精确匹配方法 |
CN106899306A (zh) * | 2017-02-20 | 2017-06-27 | 武汉大学 | 一种保持移动特征的车辆轨迹线数据压缩方法 |
CN107957684A (zh) * | 2017-11-17 | 2018-04-24 | 华南理工大学 | 一种基于虚拟速度向量场的机器人三维无碰轨迹规划方法 |
Non-Patent Citations (4)
Title |
---|
YUXIAO CHEN 等: ""Fast Trajectory Planning and Robust Trajectory Tracking for Pedestrian Avoidance"", 《HTTPS://IEEEXPLORE.IEEE.ORG/DOCUMENT/7937809》 * |
张甜 等: ""基于分段的移动对象轨迹简化算法"", 《计算机应用研究》 * |
杨敏等: "保持移动速度特征的轨迹线化简方法", 《测绘学报》 * |
赵秀江: ""基于视频图像处理技术的行车轨迹线采集及其分析研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109814496A (zh) * | 2019-01-31 | 2019-05-28 | 天津大学 | 一种s型加减速轨迹规划中多轴时间同步方法 |
CN109814496B (zh) * | 2019-01-31 | 2022-04-08 | 天津大学 | 一种s型加减速轨迹规划中多轴时间同步方法 |
CN115149961A (zh) * | 2022-06-30 | 2022-10-04 | 南京邮电大学 | 基于速度偏差和道路语义的在线路网轨迹数据压缩方法 |
CN115905445A (zh) * | 2022-12-16 | 2023-04-04 | 河南大学 | 一种基于Seq2Seq模型的道路要素化简方法 |
CN115905445B (zh) * | 2022-12-16 | 2023-08-25 | 河南大学 | 一种基于Seq2Seq模型的道路要素化简方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108804562B (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108804562A (zh) | 一种保持速度特征的道路网约束轨迹线化简方法 | |
CN107301254B (zh) | 一种路网热点区域挖掘方法 | |
CN106899306B (zh) | 一种保持移动特征的车辆轨迹线数据压缩方法 | |
CN104598621B (zh) | 一种基于滑动窗口的轨迹压缩方法 | |
CN103471589B (zh) | 一种室内行人行走模式识别和轨迹追踪的方法 | |
CN115311329B (zh) | 一种基于双环节约束的视频多目标跟踪方法 | |
CN108596202A (zh) | 基于移动终端gps定位数据计算个人通勤时间的方法 | |
CN108389430A (zh) | 一种基于视频检测的交叉口行人与机动车碰撞预测方法 | |
CN104900059A (zh) | 一种利用隐马尔可夫地图匹配算法增强手机基站定位精度的方法 | |
CN106023587A (zh) | 基于多信息融合的轨迹数据路网精确匹配方法 | |
CN103678949B (zh) | 基于密度分析和谱聚类的多扩展目标跟踪量测集划分方法 | |
CN107978147B (zh) | 一种基于knn算法的交通流异常数据双向检测修复方法 | |
CN106250515B (zh) | 基于历史数据的缺失路径恢复方法 | |
CN103759732A (zh) | 一种角度信息辅助的集中式多传感器多假设跟踪方法 | |
CN113344256B (zh) | 盾构姿态多自由度运动特性预测和控制性能评估系统及方法 | |
CN107186713A (zh) | 一种过路径点的机械臂多轴运动规划优化方法 | |
CN104915969A (zh) | 一种基于粒子群优化的模版匹配跟踪方法 | |
CN110488811A (zh) | 一种基于社交网络模型的机器人对行人轨迹预测的方法 | |
CN105006149B (zh) | 交通路况估计动态迭代方法 | |
CN109788429B (zh) | 提高蓝牙定位准确性的优化方法 | |
CN107633256A (zh) | 一种多源测距下联合目标定位与传感器配准方法 | |
CN106441316A (zh) | 一种基于历史数据的单点路网匹配方法 | |
CN107169260B (zh) | 基于时空轨迹异构多源数据共振系统及方法 | |
CN112560617B (zh) | 基于阵列相机的大场景行人轨迹跟踪方法 | |
CN105137412A (zh) | 一种2d激光雷达距离图像中线段特征精确拟合方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |