CN110069585A - 轨迹点数据的处理方法和装置、存储介质及电子装置 - Google Patents
轨迹点数据的处理方法和装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN110069585A CN110069585A CN201711269852.0A CN201711269852A CN110069585A CN 110069585 A CN110069585 A CN 110069585A CN 201711269852 A CN201711269852 A CN 201711269852A CN 110069585 A CN110069585 A CN 110069585A
- Authority
- CN
- China
- Prior art keywords
- point
- tracing point
- track
- tracing
- ratio
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种轨迹点数据的处理方法和装置、存储介质及电子装置。其中,该方法包括:将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;对轨迹点序列进行道路匹配,得到轨迹点对应的位置的序列;根据轨迹点对应的位置的序列得到线段集合,其中,线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;根据线段集合组成的轨迹线的特征确定轨迹点数据是否异常,其中,轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内。本发明解决了相关技术中对GPS数据质量评估方法不合理造成的评估结果不准确的技术问题。
Description
技术领域
本发明涉及GPS定位领域,具体而言,涉及一种轨迹点数据的处理方法和装置、存储介质及电子装置。
背景技术
轨迹数据可以用于路况计算或者其他基于轨迹信息的数据挖掘中。现实中由于GPS设备异常或定位精度问题,会出现GPS点位置漂移、来回跳变、点间隔距离过大等异常问题,如图1所示,GPS轨迹中与道路匹配的部分属于正常轨迹,而一些与道路不匹配、数据漂移严重的属于异常数据,这些异常数据影响相关计算的准确性。在应用一份新的轨迹数据集前,例如,一批新的GPS定位装置,在使用之前需要对其数据质量进行合理的评估,判断GPS定位装置所采集的轨迹数据是否非常重要的。
相关技术中对于GPS轨迹数据集质量的评估技术比较少,主要是一些整体维度上的统计,比如GPS点数量、轨迹覆盖里程等,缺少针对数据集中异常情况的评估。相关技术的某一评估方案大致为,将轨迹数据投影到事先划分好的地图网格中,然后计算所有网格的平均熵,利用熵对轨迹数据质量进行可利用价值的评估。这种方案的缺陷就在于,它只是计算了轨迹数据的信息量,并没有去评估数据中的异常。
现有的针对GPS轨迹数据集质量的评估技术缺少对数据中异常情况的评估分析,而在现实应用当中,一份存在异常较多的数据集对于相关计算结果的准确性影响是非常大的。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种轨迹点数据的处理方法和装置、存储介质及电子装置,以至少解决相关技术中对GPS数据质量评估方法不合理造成的评估结果不准确的技术问题。
根据本发明实施例的一个方面,提供了一种轨迹点数据的处理方法,包括:将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;对所述轨迹点序列进行道路匹配,得到所述轨迹点对应的位置的序列;根据所述轨迹点对应的位置的序列得到线段集合,其中,所述线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;根据所述线段集合组成的轨迹线的特征确定所述轨迹点数据是否异常,其中,所述轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内。
根据本发明实施例的另一方面,还提供了一种轨迹点数据的处理装置,包括:排列单元,用于将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;匹配单元,用于对所述轨迹点序列进行道路匹配,得到所述轨迹点对应的位置的序列;连接单元,用于根据所述轨迹点对应的位置的序列得到线段集合,其中,所述线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;第一确定单元,用于根据所述线段集合组成的轨迹线的特征确定所述轨迹点数据是否异常,其中,所述轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内。
在本发明实施例中,通过将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;对轨迹点序列进行道路匹配,得到轨迹点对应的位置的序列;根据轨迹点对应的位置的序列得到线段集合,其中,线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;根据线段集合组成的轨迹线的特征确定轨迹点数据是否异常,其中,轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内,达到了对GPS轨迹点数据的异常评估更准确的目的,从而实现了通过更完善的评估方法对GPS轨迹数据质量进行评估准确确定异常数据的技术效果,进而解决了相关技术中对GPS数据质量评估方法不合理造成的评估结果不准确的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据现有技术的异常和正常的轨迹数据的示意图;
图2是根据本发明实施例的轨迹点数据的处理方法的硬件环境的示意图;
图3是根据本发明实施例的一种可选的轨迹点数据的处理方法的流程图;
图4是根据本发明实施例的一种轨迹点数据的处理方法的流程图;
图5是根据本发明实施例的一种混乱度计算的示意图;
图6是根据本发明实施例的一种可选的轨迹点数据的处理装置的示意图;以及
图7是根据本发明实施例的一种终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先,在对本发明实施例进行描述的过程中出现的部分名词或者术语适用于如下解释:
GPS轨迹:通过手机或其他GPS设备采集的一系列车辆行驶的位置点,每个点至少包括时间戳、经度、纬度、海拔、速度、方向角等信息。
轨迹点序列:GPS轨迹中的位置点序列。
轨迹数据集:包含多条GPS轨迹的数据集合。
道路匹配:指将轨迹点序列与数字地图路网匹配的过程,该过程将轨迹的位置点映射到行车实际所在的路网路段上,最终会得到轨迹经过的所有路段集合。
方位角:又称地平经度(Azimuth),是在平面上量度物体之间的角度差的方法之一。是从某点的正北方向线起,依顺时针方向到目标方向线之间的水平夹角。
混乱度:指GPS轨迹中的位置点漂移、跳变程度。轨迹点越有序,混乱度越低。
稀疏度:指GPS轨迹中的位置点沿行驶道路的分布的稀疏程度。轨迹点越密集,稀疏度越低。
根据本发明的一实施例,提供了一种轨迹点数据的处理的方法实施例。
可选地,在本实施例中,上述轨迹点数据的处理方法可以应用于如图2所示的由服务器102和终端104所构成的硬件环境中,其中,硬件环境包括网络环境。如图2所示,服务器102通过网络与终端104进行连接,上述网络包括但不限于:广域网、城域网或局域网,终端104并不限定于PC、手机、平板电脑等。本发明实施例的轨迹点数据的处理方法可以由服务器102来执行,也可以由终端104来执行,还可以是由服务器102和终端104共同执行。其中,终端104执行本发明实施例的轨迹点数据的处理方法也可以是由安装在其上的客户端来执行。
在本发明实施例的一个应用场景中,轨迹点数据可以来自待测试功能稳定性的GPS设备,待测的多个GPS设备可以分别设置在城市出租车或者公交车上,随着汽车沿着道路运行,GPS设备能够收集到多个轨迹点数据,每个几秒钟将轨迹点数据上传至服务器中,一天下来,服务器能够接收到大量的轨迹点数据,将来自一个GPS设备的轨迹点的数据按照时间顺序排列后进行道路匹配,通过轨迹点的数据特征和道路本身的属性特征的比对,能够得到轨迹点数据的混乱度和稀疏度,根据混乱度和稀疏度计算轨迹点的异常情况,在判断出轨迹点异常的情况下,可以判断GPS设备是否运行正常,如果轨迹点数据异常的比例超过预设的阈值,则可以判断GPS数据的来源不可信,此种情况下可以发出提示,以提示该GPS设备需要重新检修等。
图3是根据本发明实施例的一种可选的轨迹点数据的处理方法的流程图,如图3所示,该方法可以包括以下步骤:
步骤S202,将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;
步骤S204,对轨迹点序列进行道路匹配,得到轨迹点对应的位置的序列;
步骤S206,根据轨迹点对应的位置的序列得到线段集合,其中,线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;
步骤S208,根据线段集合组成的轨迹线的特征确定轨迹点数据是否异常,其中,轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内。
通过上述步骤S202至步骤S208,通过将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;对轨迹点序列进行道路匹配,得到轨迹点对应的位置的序列;根据轨迹点对应的位置的序列得到线段集合,其中,线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;根据线段集合组成的轨迹线的特征确定轨迹点数据是否异常,其中,轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内,可以解决相关技术中对GPS数据质量评估方法不合理造成的评估结果不准确的技术问题,进而达到通过更完善的评估方法对GPS轨迹数据质量进行评估准确确定异常数据的技术效果。
在步骤S202提供的技术方案中,轨迹点数据是来自GPS设备的数据,GPS设备在定位过程中,每隔一定的时间向服务器发送位置数据,其中位置数据可以包括经纬度、时间戳、海拔、速度、方向角等,获取到的轨迹点数据是一个一个的位置数据,可能是按照一定顺序排列的,也可能是杂乱的,在获取到轨迹点数据之后,可以将轨迹点数据按照时间戳所指示的时间顺序排列,得到轨迹点序列。
在步骤S204提供的技术方案中,得到轨迹点数据之后,对轨迹点序列进行道路匹配,可以是根据轨迹点所在的位置对轨迹点序列进行道路匹配,例如,如果某一段轨迹的位置与某一条路的位置重合,则可以将这段轨迹与这条路匹配成功,在道路匹配成功之后,轨迹点转换为轨迹点对应位置的序列。
在步骤S206提供的技术方案中,将轨迹点对应的位置序列连接,可以得到线段集合,每个线段的起止点为时间相邻的两个轨迹点,连接后的轨迹点序列即为GPS设备所探测到的位置,对这些位置进行数据评估可以得到GPS设备的定位是否存在异常。
在步骤S208提供的技术方案中,在得到线段集合之后可以根据线段集合组成的轨迹线的特征来确定轨迹点数据的异常情况,轨迹线的特征可以包含多种类别的特征指标,例如,轨迹线的疏密程度、轨迹线的数量、轨迹线的混乱程度等。
对轨迹线进行异常判断时可以以单条轨迹线为单位进行判断,单条轨迹线的相邻轨迹点之间的时间差在预设时间范围内,一般情况下,GPS设备每几秒钟采集一个数据,因而相邻的两个估计点数据的时间差在预设时间范围内,如果相邻两个轨迹点之间的时间差超过预设的时间范围,则这两个轨迹点不属于同一条轨迹线,而是两条轨迹线,或者,两个轨迹点之间的距离超过了预设的距离,也说明两个轨迹点不属于同一条轨迹线,而是两条轨迹线。
作为一种可选的实施例,根据线段集合中每两条相接线段之间的方位角差值和/或轨迹点的稀疏度确定轨迹点数据是否异常,其中,方位角差值为两条相接线段之间的夹角的补角,轨迹点的稀疏度为轨迹点序列中轨迹点的密度与轨迹点对应位置的密度基准值的比值。
得到线段集合之后可以通过两个指标来对轨迹点数据是否异常进行评估,一个指标是方位角差值,每两条线段之间的方位角差值可以是两条线段之间的夹角的补角,等于从第一线段方向往第二线段方向所需要转动的角度,另一个指标是轨迹点的稀疏度,轨迹点越稀疏则数据点出现异常的可能性越大,轨迹点的稀疏度的计算方法可以是通过轨迹点序列中轨迹点的密度与轨迹点所在位置的密度基准值的比值,对每个位置的道路来说,可能道路的等级不同,不同道路上限速也不同,假设GPS设备每隔2s上传一次位置信息,在不同道路上的轨迹点密度本身就不同,因此,通过引入道路本身的限速可以使轨迹点稀疏度的计算结果更加统一,减少道路本身的影响,轨迹点对应位置的密度基准值根据具体道路限速的不同而不同。本申请实施例中的两个指标中的任何一个异常可以认为该GPS设备所上报的轨迹点数据异常。
在判断轨迹点数据异常时可以是以轨迹点为单位来判断的,也可以是以单条轨迹线为单位判断,然后判断出轨迹线异常的数量占所有采样轨迹线的数量的比例,在比例超过一定值的情况下可以确定整个轨迹线数据集中有较多异常数据,这种情况下可能产生该轨迹点数据的GPS设备定位不合格。
在得到轨迹点数据异常的情况下,可以对轨迹点数据进行处理,对轨迹点数据进行的处理可以是将异常的轨迹点数据删除,也可以是将来自某一个GPS设备的异常的轨迹点数据删除,也可以是将该GPS设备的所有轨迹点删除,还可以是确定该轨迹点数据的来源为异常数据源,表示某一GPS设备定位不准确。对轨迹点数据进行的处理还可以是其他的处理方法。
作为一种可选的实施例,根据轨迹点的稀疏度确定轨迹点数据是否异常包括:计算轨迹点对应的位置的道路路段集合的总长度;将轨迹点序列中速度为零的轨迹点删除,得到去重轨迹点;计算去重轨迹点的数量与去重轨迹点对应的道路路段集合的总长度的比值,得到轨迹点的密度;计算轨迹点的密度与轨迹点对应位置的密度基准值的比例,并在比例小于预设密度比值的情况下,确定轨迹点数据异常。
通过轨迹点的稀疏度计算轨迹点数据是否异常可以通过以下计算步骤:计算轨迹点对应的位置的道路路段集合的总长度,例如,轨迹点显示从A路向东运动后向南拐入B路,此时,从A路的活动位置开始累加到B路的停止位置的道路路段集合的长度为总长度,如果在由A路拐入B路的路口处等红灯时位置不变,则这段轨迹点序列中速度为零,将速度为零的轨迹点删除后得到去重轨迹点,然后计算去重轨迹点的数量与这些轨迹点对应的道路路段集合的总长度的比值,得到轨迹点密度,计算轨迹点密度与本身该道路的密度基准值的比例,如果比值大于等于预设的密度基准值,则说明轨迹点密度是合理的,如果比值小于预设的密度基准值,说明轨迹点数据偏少,可能出现定位不准确的问题,确定轨迹点数异常。
作为一种可选的实施例,在计算轨迹点的密度与轨迹点对应位置的密度基准值的比例之前,确定轨迹点对应的道路的等级;计算道路的等级的道路限速和GPS采样时间间隔的乘积的倒数,得到密度基准值。
由于不同道路的等级不同,限速不同,先获取轨迹点对应的道路的等级可以确定道路等级对应的限速,将道路限速与GPS设备采样时间间隔相乘取倒数可以得到对应道路的密度基准值。
作为一种可选的实施例,根据线段集合中每两条相接线段之间的方位角差值确定轨迹点数据是否异常包括:依次计算每两条相接线段之间的方位角差值;计算所有方位角差值的方差,得到线段方位角差值方差;计算轨迹点序列匹配的道路路段中各个相接路段的方位角差值的方差,得到道路方位角差值方差;计算线段方位角差值方差与道路方位角差值方差的比值,得到方差比值;在方差比值大于预设方差比值的情况下,确定轨迹点数据异常。
通过线段集合中的每两条相接线段之间的方位角差值可以确定轨迹点数据是否异常,由于相接线段都是按照时间顺序形成的,因此可以计算每两条相接线段之间的方位角差值来判断轨迹是否存在较多的漂移不定,得到所有方位角差值之后,计算得到这些轨迹线段的方位角差值的方差,除了轨迹点的方差之外,还要得到道路本身的方位角差值的方差,然后将轨迹方位角差值的方差与道路方位角差值的方差进行比较,如果得到的比值大于预设的方差比值,则说明GPS轨迹点数据中存在很多的异常变化,因此,可以确定轨迹点数据异常,如果方差比值小于等于预设的方差比值,则说明轨迹点数据正常。
作为一种可选的实施例,在依次计算每两条相接线段之间的方位角差值之后,在两条相接线段之间的方位角差值小于预设角度时,确定两条相接线段之间的方位角差值为0,在计算轨迹点序列匹配的道路路段中各个相接路段的方位角差值的方差,得到道路方位角差值方差之后,在道路方位角差值方差小于等于1时,确定方位角差值方差为1。
在计算得到每两条相接线段之间的方位角差值之后,如果两条相接线段之间的方位角差值小于预设角度(例如5°),则可能是正常范围内的差值,确定两条相接线段之间的方位角差值为0。通过近似可以减少计算偏差,另外,如果道路方位角差值方差之后,在道路方位角差值方差小于等于1时,将方位角差值方差设置为1,可以减少数据量计算,也可以提高计算结果的准确度。
本发明还提供了一种具体实施例,下面结合该具体实施例对本发明实施例的技术方案进行说明。
本发明实施例的技术方案可以作为一种评估GPS轨迹数据集质量的方案,可以对数据中存在异常的轨迹进行有效的判别,进而根据异常占比情况对整体数据质量进行评估。本发明实施例的主要改进有三点,一是基于GPS点间的方位角变化幅度来计算轨迹点序列的混乱度,二是基于GPS点的分布密度来计算轨迹点序列的稀疏度,三是轨迹数据集质量评估的整体方案设计。
具体地,本发明实施例的技术方案的处理分为两个部分,一是单条GPS轨迹的异常判别,二是轨迹数据集质量的整体评估。单条GPS轨迹的异常判别方法和流程设计是本发明的关键技术。GPS轨迹是否存在异常情况,主要通过混乱度和稀疏度两个维度进行判断,
图4是根据本发明实施例的一种轨迹点数据的处理方法的流程图,如图4所示,该整体流程主要有5个步骤:
S1,将输入的轨迹点序列按其时间戳大小进行排序。
S2,对排序好的轨迹点序列进行道路匹配,得到该轨迹实际经过的有序路段集合。同时计算出匹配得到的有序路段的总长度。
S3,混乱度计算:
1)图5是根据本发明实施例的一种混乱度计算的示意图,如图5所示,将轨迹点序列转换成前后相邻点相连的线段集合,点P1,P2,P3,P4组成的线段集合为L1,L2,L3。
然后,依次计算相接线段的方位角差值,如L1,L2的方位角差值为θ1。如果方位角差值小于5°,则将其设置为0,以排除正常方位角变化的轨迹点的影响。
最后,计算各方位角差值的方差Dtraj。
2)同样,在匹配得到的有序路段集合中,依次计算各相接路段的方向角差值,并计算各方向角差值的方差Dline。
3)计算GPS轨迹的混乱度。混乱度为轨迹点序列角度变化的方差和匹配路段角度变化的方差的比值,其计算公式为Kchaos=Dtraj/Dline。
其中,当Dline的值小于等于1时,Dline=1。
S4,稀疏度计算:
1)计算轨迹点序列中速度不等于0的点数N,也就是所有移动的点的数量。用该点数N除以匹配路段总长度,得到轨迹点密度ρ。
2)设定密度基准值Ρ,可以根据道路等级的不同而设置不同的值。计算公式为:
其中,Tgap为基本GPS点的时间间隔,Smax为道路限速,在不同道路等级上取值不一样。
例如,针对高速路、城市快速路,可以按照Smax=120km/h和Tgap=30s为基准,设置密度基准值为0.001个/m;针对其他等级道路,可以按照Smax=80km/h和Tgap=1s为基准,设置密度基准值为0.045个/m。
3)计算GPS轨迹的稀疏度。稀疏度为轨迹点密度和密度基准值的比值,其计算公式为Ksparsity=ρ/P。
S5,判断轨迹是否异常。判断计算得出的混乱度和稀疏度是否满足异常的阈值条件,若满足则判定为轨迹异常。混乱度的阈值和稀疏度的阈值可以根据实际应用中,对于异常问题的容忍程度,进行相应的设定和调整。
依次对数据集中的所有轨迹进行异常判别后,统计数据集中异常轨迹的总长度与所有轨迹的总长度的比值,使用该占比值作为数据集质量的衡量值。
本发明实施例从异常情况评估分析的角度,提出了一种轨迹数据集质量评估的方案,提出并设计了混乱度和稀疏度两个维度的计算方法,能够很好地刻画数据集的质量情况,方便对一份新的数据集进行应用上的可行性分析,可以用来刻画单条GPS轨迹的异常情况,也可以有效的对比多份数据集质量的差异情况,应用在轨迹数据质量评估中非常的简单有效。
本发明实施例中的混乱度阈值和稀疏度阈值均是可以调整的,单条轨迹的异常判定方法和计算流程,也可以用于异常轨迹检测、异常轨迹剔除等方面。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
根据本发明的其他一实施例,还提供了一种用于实施上述轨迹点数据的处理方法的轨迹点数据的处理装置。图6是根据本发明实施例的一种可选的轨迹点数据的处理装置的示意图,如图6所示,该装置可以包括:
排列单元10,用于将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;
匹配单元20,用于对轨迹点序列进行道路匹配,得到轨迹点对应的位置的序列;
连接单元30,用于根据轨迹点对应的位置的序列得到线段集合,其中,线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;
第一确定单元40,用于根据线段集合组成的轨迹线的特征确定轨迹点数据是否异常,其中,轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内。
需要说明的是,该实施例中的排列单元10可以用于执行本申请实施例中的步骤S202,该实施例中的匹配单元20可以用于执行本申请实施例中的步骤S204,该实施例中的连接单元30可以用于执行本申请实施例中的步骤S206,该实施例中的第一确定单元40可以用于执行本申请实施例中的步骤S208。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图2所示的硬件环境中,可以通过软件实现,也可以通过硬件实现。
通过上述模块,可以解决了相关技术中对GPS数据质量评估方法不合理造成的评估结果不准确的技术问题,进而达到对GPS轨迹点数据的异常评估更准确的技术效果。
作为一种可选的实施例,第一确定单元40包括:确定模块,用于根据线段集合中每两条相接线段之间的方位角差值和/或轨迹点的稀疏度确定轨迹点数据是否异常,其中,方位角差值为两条相接线段之间的夹角的补角,轨迹点的稀疏度为轨迹点序列中轨迹点的密度与轨迹点对应位置的密度基准值的比值。
作为一种可选的实施例,确定模块包括:第一计算子模块,用于计算轨迹点对应的位置的道路路段集合的总长度;删除子模块,用于将轨迹点序列中速度为零的轨迹点删除,得到去重轨迹点;第二计算子模块,用于计算去重轨迹点的数量与去重轨迹点对应的道路路段集合的总长度的比值,得到轨迹点的密度;第三计算子模块,用于计算轨迹点的密度与轨迹点对应位置的密度基准值的比例,并在比例小于预设密度比值的情况下,确定轨迹点数据异常。
作为一种可选的实施例,该装置还包括:第二确定单元,用于在计算轨迹点的密度与轨迹点对应位置的密度基准值的比例之前,确定轨迹点对应的道路的等级;计算单元,用于计算道路的等级的道路限速和GPS采样时间间隔的乘积的倒数,得到密度基准值。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图2所示的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本发明的其他一实施例,还提供了一种用于实施上述轨迹点数据的处理方法的电子装置。如图7所示,该电子装置包括:
1)处理器
2)存储器
图7是根据本发明实施例的一种电子装置的结构框图,如图7所示,该电子装置可以包括:一个或多个(图中仅示出一个)处理器201、存储器203、以及传输装置205(如上述实施例中的发送装置),如图7所示,该电子装置还可以包括输入输出设备207。
其中,存储器203可用于存储软件程序以及模块,如本发明实施例中的轨迹点数据的处理方法和装置对应的程序指令/模块,处理器201通过运行存储在存储器203内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的轨迹点数据的处理方法。存储器203可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器203可进一步包括相对于处理器201远程设置的存储器,这些远程存储器可以通过网络连接至电子装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的传输装置205用于经由一个网络接收或者发送数据,还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置205包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置205为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
其中,具体地,存储器203用于存储应用程序。
处理器201可以通过传输装置205调用存储器203存储的应用程序,以执行下述步骤:将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;对轨迹点序列进行道路匹配,得到轨迹点对应的位置的序列;根据轨迹点对应的位置的序列得到线段集合,其中,线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;根据线段集合组成的轨迹线的特征确定轨迹点数据是否异常,其中,轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内。
处理器201可以通过传输装置205调用存储器203存储的应用程序,以执行下述步骤:根据线段集合中每两条相接线段之间的方位角差值和/或轨迹点的稀疏度确定轨迹点数据是否异常,其中,方位角差值为两条相接线段之间的夹角的补角,轨迹点的稀疏度为轨迹点序列中轨迹点的密度与轨迹点对应位置的密度基准值的比值。
处理器201还用于执行下述步骤:计算轨迹点对应的位置的道路路段集合的总长度;将轨迹点序列中速度为零的轨迹点删除,得到去重轨迹点;计算去重轨迹点的数量与去重轨迹点对应的道路路段集合的总长度的比值,得到轨迹点的密度;计算轨迹点的密度与轨迹点对应位置的密度基准值的比例,并在比例小于预设密度比值的情况下,确定轨迹点数据异常。
处理器201还用于执行下述步骤:确定轨迹点对应的道路的等级;计算道路的等级的道路限速和GPS采样时间间隔的乘积的倒数,得到密度基准值。
处理器201还用于执行下述步骤:依次计算每两条相接线段之间的方位角差值;计算所有方位角差值的方差,得到线段方位角差值方差;计算轨迹点序列匹配的道路路段中各个相接路段的方位角差值的方差,得到道路方位角差值方差;计算线段方位角差值方差与道路方位角差值方差的比值,得到方差比值;在方差比值大于预设方差比值的情况下,确定轨迹点数据异常。
处理器201还用于执行下述步骤:获取每个轨迹点数据中携带的时间戳;根据时间戳所指示的时间的先后对轨迹点进行排序,得到轨迹点序列。
处理器201还用于执行下述步骤:将异常的轨迹点数据删除;或计算异常的轨迹点数量与采样得到的所有轨迹点数量的比值,在比值超过预设比值的情况下,确定轨迹点数据的来源为异常数据源。
采用本发明实施例,达到了对GPS轨迹点数据的异常评估更准确的目的,从而实现了通过更完善的评估方法对GPS轨迹数据质量进行评估准确确定异常数据的技术效果,进而解决了相关技术中对GPS数据质量评估方法不合理造成的评估结果不准确的技术问题。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本领域普通技术人员可以理解,图7所示的结构仅为示意,电子装置可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(MobileInternet Devices,MID)、PAD等电子装置设备。图7其并不对上述电子装置的结构造成限定。例如,电子装置还可包括比图7中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图7所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令电子装置设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
本发明的其他一实施例还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于执行轨迹点数据的处理方法的程序代码。
可选地,在本实施例中,上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
S1,将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;
S2,对轨迹点序列进行道路匹配,得到轨迹点对应的位置的序列;
S3,根据轨迹点对应的位置的序列得到线段集合,其中,线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;
S4,根据线段集合组成的轨迹线的特征确定轨迹点数据是否异常,其中,轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:根据线段集合中每两条相接线段之间的方位角差值和/或轨迹点的稀疏度确定轨迹点数据是否异常,其中,方位角差值为两条相接线段之间的夹角的补角,轨迹点的稀疏度为轨迹点序列中轨迹点的密度与轨迹点对应位置的密度基准值的比值。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:计算轨迹点对应的位置的道路路段集合的总长度;将轨迹点序列中速度为零的轨迹点删除,得到去重轨迹点;计算去重轨迹点的数量与去重轨迹点对应的道路路段集合的总长度的比值,得到轨迹点的密度;计算轨迹点的密度与轨迹点对应位置的密度基准值的比例,并在比例小于预设密度比值的情况下,确定轨迹点数据异常。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:确定轨迹点对应的道路的等级;计算道路的等级的道路限速和GPS采样时间间隔的乘积的倒数,得到密度基准值。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:依次计算每两条相接线段之间的方位角差值;计算所有方位角差值的方差,得到线段方位角差值方差;计算轨迹点序列匹配的道路路段中各个相接路段的方位角差值的方差,得到道路方位角差值方差;计算线段方位角差值方差与道路方位角差值方差的比值,得到方差比值;在方差比值大于预设方差比值的情况下,确定轨迹点数据异常。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:获取每个轨迹点数据中携带的时间戳;根据时间戳所指示的时间的先后对轨迹点进行排序,得到轨迹点序列。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:将异常的轨迹点数据删除;或计算异常的轨迹点数量与采样得到的所有轨迹点数量的比值,在比值超过预设比值的情况下,确定轨迹点数据的来源为异常数据源。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (14)
1.一种轨迹点数据的处理方法,其特征在于,包括:
将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;
对所述轨迹点序列进行道路匹配,得到所述轨迹点对应的位置的序列;
根据所述轨迹点对应的位置的序列得到线段集合,其中,所述线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;
根据所述线段集合组成的轨迹线的特征确定所述轨迹点数据是否异常,其中,所述轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内。
2.根据权利要求1所述的方法,其特征在于,根据所述线段集合组成的轨迹线的特征确定所述轨迹点数据是否异常包括:
根据所述线段集合中每两条相接线段之间的方位角差值和/或所述轨迹点的稀疏度确定所述轨迹点数据是否异常,其中,所述方位角差值为两条相接线段之间的夹角的补角,所述轨迹点的稀疏度为所述轨迹点序列中轨迹点的密度与所述轨迹点对应位置的密度基准值的比值。
3.根据权利要求2所述的方法,其特征在于,根据所述轨迹点的稀疏度确定所述轨迹点数据是否异常包括:
计算所述轨迹点对应的位置的道路路段集合的总长度;
将所述轨迹点序列中速度为零的轨迹点删除,得到去重轨迹点;
计算所述去重轨迹点的数量与所述去重轨迹点对应的道路路段集合的总长度的比值,得到所述轨迹点的密度;
计算所述轨迹点的密度与所述轨迹点对应位置的密度基准值的比例,并在所述比例小于预设密度比值的情况下,确定所述轨迹点数据异常。
4.根据权利要求3所述的方法,其特征在于,在计算所述轨迹点的密度与所述轨迹点对应位置的密度基准值的比例之前,所述方法还包括:
确定所述轨迹点对应的道路的等级;
计算所述道路的等级的道路限速和GPS采样时间间隔的乘积的倒数,得到所述密度基准值。
5.根据权利要求2所述的方法,其特征在于,根据所述线段集合中每两条相接线段之间的方位角差值确定所述轨迹点数据是否异常包括:
依次计算每两条相接线段之间的方位角差值;
计算所有所述方位角差值的方差,得到线段方位角差值方差;
计算所述轨迹点序列匹配的道路路段中各个相接路段的方位角差值的方差,得到道路方位角差值方差;
计算所述线段方位角差值方差与所述道路方位角差值方差的比值,得到方差比值;
在所述方差比值大于预设方差比值的情况下,确定所述轨迹点数据异常。
6.根据权利要求5所述的方法,其特征在于,
在依次计算每两条相接线段之间的方位角差值之后,所述方法还包括:在两条相接线段之间的方位角差值小于预设角度时,确定所述两条相接线段之间的方位角差值为0,
在计算所述轨迹点序列匹配的道路路段中各个相接路段的方位角差值的方差,得到道路方位角差值方差之后,所述方法还包括:在所述道路方位角差值方差小于等于1时,确定所述方位角差值方差为1。
7.根据权利要求1所述的方法,其特征在于,将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列包括:
获取每个所述轨迹点数据中携带的时间戳;
根据所述时间戳所指示的时间的先后对所述轨迹点进行排序,得到所述轨迹点序列。
8.根据权利要求1-7中任一项所述的方法,其特征在于,在确定所述轨迹点数据异常的情况下,
将异常的轨迹点数据删除;或
计算所述异常的轨迹点数量与采样得到的所有轨迹点数量的比值,在所述比值超过预设比值的情况下,确定所述轨迹点数据的来源为异常数据源。
9.一种轨迹点数据的处理装置,其特征在于,包括:
排列单元,用于将获取到的轨迹点数据按照时间顺序排列,得到轨迹点序列;
匹配单元,用于对所述轨迹点序列进行道路匹配,得到所述轨迹点对应的位置的序列;
连接单元,用于根据所述轨迹点对应的位置的序列得到线段集合,其中,所述线段集合中的每条线段的起止点为时间前后相邻的两个轨迹点;
第一确定单元,用于根据所述线段集合组成的轨迹线的特征确定所述轨迹点数据是否异常,其中,所述轨迹线的两个相邻轨迹点之间的时间差在预设时间范围内。
10.根据权利要求9所述的装置,其特征在于,所述第一确定单元包括:
确定模块,用于根据所述线段集合中每两条相接线段之间的方位角差值和/或所述轨迹点的稀疏度确定所述轨迹点数据是否异常,其中,所述方位角差值为两条相接线段之间的夹角的补角,所述轨迹点的稀疏度为所述轨迹点序列中轨迹点的密度与所述轨迹点对应位置的密度基准值的比值。
11.根据权利要求10所述的装置,其特征在于,所述确定模块包括:
第一计算子模块,用于计算所述轨迹点对应的位置的道路路段集合的总长度;
删除子模块,用于将所述轨迹点序列中速度为零的轨迹点删除,得到去重轨迹点;
第二计算子模块,用于计算所述去重轨迹点的数量与所述去重轨迹点对应的道路路段集合的总长度的比值,得到所述轨迹点的密度;
第三计算子模块,用于计算所述轨迹点的密度与所述轨迹点对应位置的密度基准值的比例,并在所述比例小于预设密度比值的情况下,确定所述轨迹点数据异常。
12.根据权利要求11所述的装置,其特征在于,所述装置还包括:
第二确定单元,用于在计算所述轨迹点的密度与所述轨迹点对应位置的密度基准值的比例之前,确定所述轨迹点对应的道路的等级;
计算单元,用于计算所述道路的等级的道路限速和GPS采样时间间隔的乘积的倒数,得到所述密度基准值。
13.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序运行时执行所述权利要求1至9任一项中所述的方法。
14.一种电子装置,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器通过所述计算机程序执行所述权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711269852.0A CN110069585B (zh) | 2017-12-05 | 2017-12-05 | 轨迹点数据的处理方法和装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711269852.0A CN110069585B (zh) | 2017-12-05 | 2017-12-05 | 轨迹点数据的处理方法和装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110069585A true CN110069585A (zh) | 2019-07-30 |
CN110069585B CN110069585B (zh) | 2022-04-26 |
Family
ID=67364595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711269852.0A Active CN110069585B (zh) | 2017-12-05 | 2017-12-05 | 轨迹点数据的处理方法和装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110069585B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110471999A (zh) * | 2019-08-05 | 2019-11-19 | 北京百度网讯科技有限公司 | 轨迹处理方法、装置、设备和介质 |
CN110473405A (zh) * | 2019-09-25 | 2019-11-19 | 拉扎斯网络科技(上海)有限公司 | 行驶状态检测方法、装置、可读存储介质和电子设备 |
CN110543457A (zh) * | 2019-09-11 | 2019-12-06 | 北京明略软件系统有限公司 | 轨迹类文档处理方法和装置、存储介质及电子装置 |
CN110648529A (zh) * | 2019-09-16 | 2020-01-03 | 腾讯大地通途(北京)科技有限公司 | 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质 |
CN111399000A (zh) * | 2020-04-08 | 2020-07-10 | 广州通达汽车电气股份有限公司 | Gps漂移过滤方法、gps终端的状态切换方法及切换设备 |
CN111553291A (zh) * | 2020-04-30 | 2020-08-18 | 北京爱笔科技有限公司 | 行人轨迹的生成方法、装置、设备及计算机存储介质 |
CN111723304A (zh) * | 2020-01-03 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 一种轨迹点识别方法和相关装置 |
CN111739283A (zh) * | 2019-10-30 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种基于聚类的路况计算方法、装置、设备及介质 |
CN111766617A (zh) * | 2020-09-03 | 2020-10-13 | 成都同飞科技有限责任公司 | 一种基于移动平台运动轨迹重建的方法及系统 |
CN111784728A (zh) * | 2020-06-29 | 2020-10-16 | 杭州海康威视数字技术股份有限公司 | 轨迹处理方法、装置、设备及存储介质 |
CN111949750A (zh) * | 2020-07-30 | 2020-11-17 | 智慧航海(青岛)科技有限公司 | 一种船舶轨迹模型建立及异常轨迹检测方法 |
CN112013853A (zh) * | 2020-08-20 | 2020-12-01 | 北京三快在线科技有限公司 | 一种对无人驾驶设备的轨迹点验证的方法及装置 |
CN112230253A (zh) * | 2020-10-13 | 2021-01-15 | 电子科技大学 | 基于公共切片子序列的轨迹特征异常检测方法 |
CN112652410A (zh) * | 2020-12-30 | 2021-04-13 | 深圳市华拓智能时尚科技有限公司 | 运动数据回放方法、装置、设备和计算机可读存储介质 |
CN112732682A (zh) * | 2019-10-29 | 2021-04-30 | 杭州海康威视数字技术股份有限公司 | 时空轨迹数据的处理方法、装置及计算机存储介质 |
CN112837369A (zh) * | 2021-02-09 | 2021-05-25 | 北京市商汤科技开发有限公司 | 数据处理方法及装置、电子设备及计算机可读存储介质 |
CN112948361A (zh) * | 2021-02-02 | 2021-06-11 | 北京三快在线科技有限公司 | 一种数据修复的方法及装置 |
CN113076386A (zh) * | 2021-03-31 | 2021-07-06 | 商汤集团有限公司 | 一种道路数据处理的方法、装置、电子设备及存储介质 |
CN113177042A (zh) * | 2021-05-12 | 2021-07-27 | 中移智行网络科技有限公司 | 一种地图轨迹线路处理方法及装置 |
CN113436248A (zh) * | 2021-06-18 | 2021-09-24 | 黑龙江惠达科技发展有限公司 | 计算农机作业面积的方法和装置 |
CN113781603A (zh) * | 2021-09-15 | 2021-12-10 | 北京有竹居网络技术有限公司 | 轨迹点生成方法、装置、计算机设备以及计算机存储介质 |
CN113806426A (zh) * | 2021-11-16 | 2021-12-17 | 亿海蓝(北京)数据技术股份公司 | 轨迹数据的处理方法、装置、可读存储介质和电子设备 |
CN116400639A (zh) * | 2023-06-08 | 2023-07-07 | 佛山市星际云数字科技有限公司 | 一种plc采集数据智能清洗方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104596507A (zh) * | 2015-02-09 | 2015-05-06 | 成都小步创想畅联科技有限公司 | 一种移动终端出行轨迹的确定方法 |
CN106297280A (zh) * | 2015-05-22 | 2017-01-04 | 高德软件有限公司 | 一种信息处理方法和装置 |
CN106650771A (zh) * | 2016-09-29 | 2017-05-10 | 百度在线网络技术(北京)有限公司 | 基于聚类分析的轨迹去噪方法以及装置 |
CN106878951A (zh) * | 2017-02-28 | 2017-06-20 | 上海讯飞瑞元信息技术有限公司 | 用户轨迹分析方法及系统 |
-
2017
- 2017-12-05 CN CN201711269852.0A patent/CN110069585B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104596507A (zh) * | 2015-02-09 | 2015-05-06 | 成都小步创想畅联科技有限公司 | 一种移动终端出行轨迹的确定方法 |
CN106297280A (zh) * | 2015-05-22 | 2017-01-04 | 高德软件有限公司 | 一种信息处理方法和装置 |
CN106650771A (zh) * | 2016-09-29 | 2017-05-10 | 百度在线网络技术(北京)有限公司 | 基于聚类分析的轨迹去噪方法以及装置 |
CN106878951A (zh) * | 2017-02-28 | 2017-06-20 | 上海讯飞瑞元信息技术有限公司 | 用户轨迹分析方法及系统 |
Non-Patent Citations (1)
Title |
---|
柳林 等: "《实景三维位置服务的理论与技术》", 30 November 2012 * |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110471999A (zh) * | 2019-08-05 | 2019-11-19 | 北京百度网讯科技有限公司 | 轨迹处理方法、装置、设备和介质 |
CN110543457A (zh) * | 2019-09-11 | 2019-12-06 | 北京明略软件系统有限公司 | 轨迹类文档处理方法和装置、存储介质及电子装置 |
CN110648529A (zh) * | 2019-09-16 | 2020-01-03 | 腾讯大地通途(北京)科技有限公司 | 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质 |
CN110648529B (zh) * | 2019-09-16 | 2021-12-14 | 腾讯大地通途(北京)科技有限公司 | 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质 |
CN110473405A (zh) * | 2019-09-25 | 2019-11-19 | 拉扎斯网络科技(上海)有限公司 | 行驶状态检测方法、装置、可读存储介质和电子设备 |
CN112732682B (zh) * | 2019-10-29 | 2022-05-31 | 杭州海康威视数字技术股份有限公司 | 时空轨迹数据的处理方法、装置及计算机存储介质 |
CN112732682A (zh) * | 2019-10-29 | 2021-04-30 | 杭州海康威视数字技术股份有限公司 | 时空轨迹数据的处理方法、装置及计算机存储介质 |
CN111739283B (zh) * | 2019-10-30 | 2022-05-20 | 腾讯科技(深圳)有限公司 | 一种基于聚类的路况计算方法、装置、设备及介质 |
CN111739283A (zh) * | 2019-10-30 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种基于聚类的路况计算方法、装置、设备及介质 |
CN111723304A (zh) * | 2020-01-03 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 一种轨迹点识别方法和相关装置 |
CN111723304B (zh) * | 2020-01-03 | 2023-07-14 | 腾讯科技(深圳)有限公司 | 一种轨迹点识别方法和相关装置 |
CN111399000A (zh) * | 2020-04-08 | 2020-07-10 | 广州通达汽车电气股份有限公司 | Gps漂移过滤方法、gps终端的状态切换方法及切换设备 |
CN111553291A (zh) * | 2020-04-30 | 2020-08-18 | 北京爱笔科技有限公司 | 行人轨迹的生成方法、装置、设备及计算机存储介质 |
CN111553291B (zh) * | 2020-04-30 | 2023-10-17 | 北京爱笔科技有限公司 | 行人轨迹的生成方法、装置、设备及计算机存储介质 |
CN111784728B (zh) * | 2020-06-29 | 2023-08-22 | 杭州海康威视数字技术股份有限公司 | 轨迹处理方法、装置、设备及存储介质 |
CN111784728A (zh) * | 2020-06-29 | 2020-10-16 | 杭州海康威视数字技术股份有限公司 | 轨迹处理方法、装置、设备及存储介质 |
CN111949750B (zh) * | 2020-07-30 | 2024-06-11 | 智慧航海(青岛)科技有限公司 | 一种船舶轨迹模型建立及异常轨迹检测方法 |
CN111949750A (zh) * | 2020-07-30 | 2020-11-17 | 智慧航海(青岛)科技有限公司 | 一种船舶轨迹模型建立及异常轨迹检测方法 |
CN112013853A (zh) * | 2020-08-20 | 2020-12-01 | 北京三快在线科技有限公司 | 一种对无人驾驶设备的轨迹点验证的方法及装置 |
CN112013853B (zh) * | 2020-08-20 | 2022-07-15 | 北京三快在线科技有限公司 | 一种对无人驾驶设备的轨迹点验证的方法及装置 |
CN111766617A (zh) * | 2020-09-03 | 2020-10-13 | 成都同飞科技有限责任公司 | 一种基于移动平台运动轨迹重建的方法及系统 |
CN112230253A (zh) * | 2020-10-13 | 2021-01-15 | 电子科技大学 | 基于公共切片子序列的轨迹特征异常检测方法 |
CN112652410A (zh) * | 2020-12-30 | 2021-04-13 | 深圳市华拓智能时尚科技有限公司 | 运动数据回放方法、装置、设备和计算机可读存储介质 |
CN112948361A (zh) * | 2021-02-02 | 2021-06-11 | 北京三快在线科技有限公司 | 一种数据修复的方法及装置 |
CN112948361B (zh) * | 2021-02-02 | 2022-04-01 | 北京三快在线科技有限公司 | 一种数据修复的方法及装置 |
CN112837369A (zh) * | 2021-02-09 | 2021-05-25 | 北京市商汤科技开发有限公司 | 数据处理方法及装置、电子设备及计算机可读存储介质 |
CN113076386A (zh) * | 2021-03-31 | 2021-07-06 | 商汤集团有限公司 | 一种道路数据处理的方法、装置、电子设备及存储介质 |
CN113177042A (zh) * | 2021-05-12 | 2021-07-27 | 中移智行网络科技有限公司 | 一种地图轨迹线路处理方法及装置 |
CN113177042B (zh) * | 2021-05-12 | 2023-03-31 | 中移智行网络科技有限公司 | 一种地图轨迹线路处理方法及装置 |
CN113436248A (zh) * | 2021-06-18 | 2021-09-24 | 黑龙江惠达科技发展有限公司 | 计算农机作业面积的方法和装置 |
CN113781603B (zh) * | 2021-09-15 | 2023-08-22 | 北京有竹居网络技术有限公司 | 轨迹点生成方法、装置、计算机设备以及计算机存储介质 |
CN113781603A (zh) * | 2021-09-15 | 2021-12-10 | 北京有竹居网络技术有限公司 | 轨迹点生成方法、装置、计算机设备以及计算机存储介质 |
CN113806426A (zh) * | 2021-11-16 | 2021-12-17 | 亿海蓝(北京)数据技术股份公司 | 轨迹数据的处理方法、装置、可读存储介质和电子设备 |
CN116400639B (zh) * | 2023-06-08 | 2023-08-11 | 佛山市星际云数字科技有限公司 | 一种plc采集数据智能清洗方法及系统 |
CN116400639A (zh) * | 2023-06-08 | 2023-07-07 | 佛山市星际云数字科技有限公司 | 一种plc采集数据智能清洗方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110069585B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110069585A (zh) | 轨迹点数据的处理方法和装置、存储介质及电子装置 | |
CN105241465B (zh) | 一种道路更新的方法 | |
CN109033011B (zh) | 计算轨迹频繁度的方法、装置、存储介质及电子设备 | |
Wang et al. | A novel approach for generating routable road maps from vehicle GPS traces | |
CN106878951B (zh) | 用户轨迹分析方法及系统 | |
CN109544932A (zh) | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 | |
CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及系统 | |
CN110222131A (zh) | 起讫信息提取方法及装置 | |
CN102920459B (zh) | 一种基于三维点云的人体围度参数测量方法 | |
CN106898142B (zh) | 一种考虑路段相关性的路径行程时间可靠度计算方法 | |
CN105101092A (zh) | 一种基于c4.5决策树的手机用户出行方式识别方法 | |
CN109688532A (zh) | 一种划分城市功能区域的方法及装置 | |
CN110288032A (zh) | 一种车辆行驶轨迹类型检测方法及装置 | |
CN104700630A (zh) | 一种高速公路车流量的监测方法及系统 | |
CN106547265A (zh) | 一种轨道交通电子控制装置的现场可靠性评估方法及系统 | |
CN108764375A (zh) | 高速公路货运车辆跨省匹配方法及装置 | |
CN102155948A (zh) | 导航电子地图质量的随机检测评估方法及装置 | |
CN104765808A (zh) | 一种群体轨迹的挖掘方法及系统 | |
CN104392069B (zh) | 一种广域测量系统时延特性建模方法 | |
CN108830933A (zh) | 一种电力杆塔塔身重建方法、系统、介质及设备 | |
EP3109592B1 (en) | Method and apparatus for determining road stacking based upon error statistics | |
CN104039008B (zh) | 一种混合定位方法 | |
CN106203667A (zh) | 一种公交到站信息预测方法和装置 | |
CN111477028A (zh) | 用于生成信息的方法和装置 | |
CN113850237B (zh) | 基于视频和轨迹数据的网联车目标检测评价方法及系统 |
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 |