CN110377682A - 轨迹类型确定方法、装置、计算设备和存储介质 - Google Patents
轨迹类型确定方法、装置、计算设备和存储介质 Download PDFInfo
- Publication number
- CN110377682A CN110377682A CN201910650787.9A CN201910650787A CN110377682A CN 110377682 A CN110377682 A CN 110377682A CN 201910650787 A CN201910650787 A CN 201910650787A CN 110377682 A CN110377682 A CN 110377682A
- Authority
- CN
- China
- Prior art keywords
- matching
- track
- network data
- path
- processed
- 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
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明实施例公开了一种轨迹类型确定方法、装置、计算设备和存储介质,其中,该方法包括:获取公路路网数据与铁路路网数据;将待处理轨迹分别在公路路网数据与铁路路网数据中进行轨迹匹配;如果待处理轨迹在公路路网数据与铁路路网数据中均存在匹配路径,则确定各匹配路径在对应路网数据中的至少一种匹配特征,其中,匹配特征用于验证匹配路径的合理性;根据各匹配特征与对应预设要求的关系,确定待处理轨迹的轨迹类型。本发明实施例可以实现准确区分铁路轨迹和机动车轨迹的效果,保证公路通行信息挖掘的准确性。
Description
技术领域
本发明实施例涉及地图数据处理技术领域,尤其涉及一种轨迹类型确定方法、装置、计算设备和存储介质。
背景技术
对于地图产品,及时有效地获取真实世界道路变化的信息,是保证数据准确与用户满意度的最重要因素。通过对采集的用户轨迹的类型进行判断,例如确定用户轨迹是属于步行轨迹、地铁运行轨迹或者普通机动车行驶轨迹,是道路信息挖掘过程中重要的一环。
目前,普遍利用类别确定的轨迹,如滴滴车轨迹、外卖电动车轨迹和行人轨迹等,作为训练样本,通过提取各样本轨迹本身的特征,包括轨迹的点速度和轨迹长度等特征,训练出一个二分类的机器学习模型,用于区分机动车轨迹和非机动车轨迹。
现有轨迹分类方法,可以较好地解决非机动车轨迹和普通机动车轨迹的分类问题。但是,铁路/地铁轨迹和普通机动车轨迹涉及的运动特征(例如速度和长度等)非常相似,无法利用现有的模型训练方法进行区分。
发明内容
本发明实施例提供一种轨迹类型确定方法、装置、计算设备和存储介质,以实现准确区分铁路轨迹和机动车轨迹的效果,保证公路通行信息挖掘的准确性。
第一方面,本发明实施例提供了一种轨迹类型确定方法,该方法包括:
获取公路路网数据与铁路路网数据;
将待处理轨迹分别在所述公路路网数据与铁路路网数据中进行轨迹匹配;
如果所述待处理轨迹在所述公路路网数据与铁路路网数据中均存在匹配路径,则确定各匹配路径在对应路网数据中的至少一种匹配特征,其中,所述匹配特征用于验证所述匹配路径的合理性;
根据各匹配特征与对应预设要求的关系,确定所述待处理轨迹的轨迹类型。
第二方面,本发明实施例还提供了一种轨迹类型确定装置,该装置包括:
路网数据获取模块,用于获取公路路网数据与铁路路网数据;
轨迹匹配模块,用于将待处理轨迹分别在所述公路路网数据与铁路路网数据中进行轨迹匹配;
匹配特征确定模块,用于如果所述待处理轨迹在所述公路路网数据与铁路路网数据中均存在匹配路径,则确定各匹配路径在对应路网数据中的至少一种匹配特征,其中,所述匹配特征用于验证所述匹配路径的合理性;
轨迹类型确定模块,用于根据各匹配特征与对应预设要求的关系,确定所述待处理轨迹的轨迹类型。
第三方面,本发明实施例还提供了一种计算设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的轨迹类型确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的轨迹类型确定方法。
本发明实施例通过将待处理轨迹分别在公路路网数据和铁路路网数据中进行轨迹匹配,确定出待处理轨迹在两类路网数据中的匹配路径,然后根据两类路网数据中匹配路径的匹配特征,对匹配路径进行合理性验证,从而区分待处理轨迹所涉及的轨迹类型,实现了准确区分铁路轨迹和机动车轨迹的效果,并且基于属于机动车轨迹类型的用户轨迹可以确定匹配公路属于可通行道路,因而保证了公路通行信息挖掘的准确性。
附图说明
图1是本发明实施例一提供的轨迹类型确定方法的流程图;
图2是本发明实施例二提供的轨迹类型确定方法的流程图;
图3a是本发明实施例二提供的基于决策树模型确定目标轨迹片段是否为铁路轨迹的一种示意图;
图3b是本发明实施例二提供的将在铁路路网数据中的匹配路径作为目标匹配路径时轨迹类型确定方法的一种流程图;
图4是本发明实施例三提供的轨迹类型确定方法的流程图;
图5是本发明实施例四提供的轨迹类型确定装置的结构示意图;
图6是本发明实施例五提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的轨迹类型确定方法的流程图,本实施例可适用于在地图数据挖掘过程中,区分待处理轨迹所涉及的轨迹类型,例如是铁路轨迹还是机动车轨迹的情况,该方法可以由轨迹类型确定装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成在任意的计算设备上,例如计算终端或者服务器。
如图1所示,本实施例提供的轨迹类型确定方法可以包括:
S110、获取公路路网数据与铁路路网数据。
本实施例中,根据轨迹区域的处理需求,公路路网数据与铁路路网数据可以是特定区域内的路网数据,例如某行政区域内的路网数据,也可以是全国性的路网数据。其中,铁路路网数据包括地铁路网数据和火车路网数据。
S120、将待处理轨迹分别在公路路网数据与铁路路网数据中进行轨迹匹配。
轨迹匹配的目的即在于确定待处理轨迹可能是属于某条公路上的行驶轨迹和/或某条铁路上的行驶轨迹。待处理轨迹由一系列的坐标点(例如经纬度坐标)组成,坐标点可以通过定位得到。例如,对于用户而言,其出行轨迹可以通过获取其随身携带的定位装置的定位数据而得到,定位数据包括GPS定位数据、基于基站的定位数据和依据WIFI信息的定位数据等。
可选的,将待处理轨迹分别在公路路网数据与铁路路网数据中进行轨迹匹配包括:利用预设匹配算法,基于待处理轨迹上的各个坐标点,分别在公路路网数据与铁路路网数据中进行轨迹匹配。预设匹配算法可以包括增量式最大概率方法、全局最大概率方法以及全局几何方法三大类中任意可用的匹配算法,其中,基于隐马尔可夫模型(HMM)的全局最大概率方法(或称为HMM轨迹匹配算法)可以作为一种优选匹配算法,其是目前使用最为广泛的地图匹配算法。
以利用基于隐马尔可夫模型的全局最大概率方法分别在公路路网数据与铁路路网数据中进行轨迹匹配为例,待处理轨迹中的坐标点(即轨迹定位信息)对应为HMM模型中的观察变量,待处理轨迹真实的所在位置对应为HMM模型中的隐状态变量,放射概率对应为观测轨迹坐标点和每类路网数据中相匹配的道路(link)之间的距离,转移概率为在每类路网数据中匹配出的道路之间的路由距离(即两条匹配路径之间的路面距离);利用维特比(Viterbi)算法,求解出轨迹绑路的全局最优解,即得到待处理轨迹在公路路网数据中的匹配路径,以及待处理轨迹在铁路路网数据中的匹配路径。匹配路径是对待处理轨迹在公路路网数据或者铁路路网数据中匹配结果的统称,可以包括连通或者非连通的一条或多条路径。
S130、如果待处理轨迹在公路路网数据与铁路路网数据中均存在匹配路径,则确定各匹配路径在对应路网数据中的至少一种匹配特征,其中,匹配特征用于验证匹配路径的合理性。
本实施例的目的在于区分待处理轨迹的类型是属于机动车轨迹还是铁路轨迹,当待处理轨迹在两类路网数据中均存在匹配路径时,可能存在三种情况:一种情况是待处理轨迹属于组合轨迹,即同时涉及机动车轨迹类型和铁路轨迹类型;另一种情况是待处理轨迹不属于组合轨迹,在某路网数据中的匹配路径属于匹配错误的结果;第三种情况是待处理轨迹属于组合轨迹,在两类路网数据中的匹配路径也存在匹配错误的可能。因此,为了确保轨迹类型区分的准确性,进一步计算在公路路网数据中匹配出的匹配路径在公路路网数据中的匹配特征,以及在铁路路网数据中匹配出的匹配路径在铁路路网数据中的匹配特征,以对每条匹配路径的合理性进行验证。
其中,匹配特征包括匹配比例、匹配路径连通信息、匹配距离均值和速度变化信息中的至少一项。具体的,在公路路网数据中,匹配路径的匹配比例可以是指待处理轨迹中能够匹配到公路上的坐标点数量在待处理轨迹中的占比;匹配路径的连通信息是指当前匹配路径是否属于连通路径,以及该匹配路径对应的待处理轨迹片段(可以是指待处理轨迹本身或者待处理轨迹上的一部分连续坐标点)在铁路路网数据中的匹配路径是否属于连通路径;匹配路径的匹配距离均值是指待处理轨迹上的各坐标点与相应的匹配路径之间的距离平均值(在HMM轨迹匹配算法中即指平均放射概率值);匹配路径的速度变化信息是指匹配路径上路口节点处的轨迹速度变化情况。同理,在铁路路网数据中,匹配路径的匹配比例可以是指待处理轨迹中能够匹配到铁路(包括火车轨道和地铁轨道)上的坐标点数量在待处理轨迹中的占比;匹配路径的连通信息是指当前匹配路径是否属于连通路径,以及该匹配路径对应的待处理轨迹片段(可以是指待处理轨迹本身或者待处理轨迹上的一部分连续坐标点)在公路路网数据中的匹配路径是否属于连通路径;匹配路径的匹配距离均值是指待处理轨迹上的各坐标点与相应的匹配路径之间的距离平均值(在HMM轨迹匹配算法中即指平均放射概率值);匹配路径的速度变化信息是指匹配路径上铁路站点处的轨迹速度变化情况。
S140、根据各匹配特征与对应预设要求的关系,确定待处理轨迹的轨迹类型。
在公路路网数据或者铁路路网数据中,每种匹配特征均具有对应的预设要求,并且,同一类型的匹配特征在公路路网数据或者铁路路网数据中的预设要求可以相同也可以不同。例如,在公路路网数据或者铁路路网数据中,匹配路径的匹配比例与对应预设要求的关系即为匹配比例与预设比例阈值的数值比较关系,该比例阈值在公路路网数据或者铁路路网数据中可以设置为不同也可以设置为相同。同理,在公路路网数据或者铁路路网数据中,匹配路径的匹配距离均值与对应预设要求的关系即为匹配距离均值与预设距离阈值的数值比较关系,该距离阈值在公路路网数据或者铁路路网数据中可以设置为不同也可以设置为相同。匹配路径连通信息与对应预设要求的关系即为匹配路径在公路路网数据和铁路路网数据中是否连通;匹配路径的速度变化信息与对应预设要求的关系即为匹配路径上公路路口或者铁路站点处的轨迹速度变化是否满足预设的速度变化要求。
具体的,在公路路网数据或者铁路路网数据中,可以利用一种匹配特征或者至少两种匹配特征之间的组合,验证匹配路径在对应路网数据中的合理性(即验证待处理轨迹类型是否真正属于对应路网数据的类型)。示例性的,如果匹配比例大于或者等于预设比例阈值,则可以确定匹配路径合理,或者需要再结合其他匹配特征与对应预设要求的关系,以进一步确定匹配路径的合理性;如果匹配比例小于预设比例阈值,则可以确定匹配路径不合理;最后综合公路路网数据和铁路路网数据中各匹配路径的合理性验证结果,确定待处理轨迹涉及的轨迹类型,对其中的机动车轨迹和铁路轨迹进行区分。进而,在公路道路的通行性挖掘中,可以去除公路附近的地铁和火车轨迹噪声的干扰,提高公路通行变化监控的准确率。
可选的,该方法还包括:如果待处理轨迹只在公路路网数据或者铁路路网数据中存在匹配路径,则待处理轨迹的轨迹类型为机动车轨迹或者铁路轨迹。即当待处理轨迹只在一类路网数据中可以匹配到道路上时,路网数据的类型即待处理轨迹的轨迹类型。
本实施例的技术方案通过将待处理轨迹分别在公路路网数据和铁路路网数据中进行轨迹匹配,确定出待处理轨迹在两类路网数据中的匹配路径,然后根据两类路网数据中匹配路径的匹配特征,对匹配路径进行合理性验证,从而区分待处理轨迹所涉及的轨迹类型,实现了准确区分铁路轨迹和机动车轨迹的效果,并且基于属于机动车轨迹类型的用户轨迹可以确定匹配公路属于可通行道路,因而保证了公路通行信息挖掘的准确性。
实施例二
图2是本发明实施例二提供的轨迹类型确定方法的流程图,本实施例是在上述实施例的基础上进一步进行优化与扩展。如图2所示,该方法可以包括:
S210、获取公路路网数据与铁路路网数据。
S220、将待处理轨迹分别在公路路网数据与铁路路网数据中进行轨迹匹配。
可选的,在将待处理轨迹分别在公路路网数据与铁路路网数据中进行轨迹匹配之前,该方法还包括:获取轨迹日志,并将轨迹日志中对应相同用户标识的轨迹点,按照时间戳进行拼接,得到针对每个用户的待处理轨迹,一条待处理轨迹即指一个用户在一定时间内的出行轨迹。
S230、将待处理轨迹在公路路网数据与铁路路网数据中任一路网数据中的匹配路径作为目标匹配路径,如果目标匹配路径中包括至少两条非连通的子路径,则基于目标匹配路径中各条非连通的子路径的起点和终点,对待处理轨迹进行拆分,得到多个目标轨迹片段。
如果目标匹配路径是一条连通路径,则无需进行拆分,可以直接在对应的路网数据中计算匹配特征。其中,关于具体是将待处理轨迹在公路路网数据中的匹配路径作为目标匹配路径,还是将待处理轨迹在铁路路网数据中的匹配路径作为目标匹配路径,本实施例不作具体限定,本领域技术人员可以根据轨迹处理需求进行设置。当目标匹配路径确定之后,根据目标匹配路径的连通性,对待处理轨迹进行拆分,然后确定拆分得到的每个目标轨迹片段的轨迹类型,即确定待处理轨迹的轨迹类型。
S240、确定各个目标轨迹片段在目标匹配路径中的匹配子路径,并确定匹配子路径在对应路网数据中的至少一种匹配特征。
如果将待处理轨迹在公路路网数据中的匹配路径作为目标匹配路径,则根据待处理轨迹在公路路网中匹配路径的连通性对待处理轨迹进行拆分,此时,匹配子路径在公路路网数据中至少一种匹配特征的具体定义如下:匹配比例(length_ratio)是指每个目标轨迹片段中能够匹配到公路上的坐标点数量在该目标轨迹片段的总坐标点数中的占比;匹配子路径的连通信息(connect_flag)是指每个匹配子路径对应的目标轨迹片段在铁路路网数据中的匹配子路径是否属于连通路径;匹配子路径的匹配距离均值(pre_score)是指每个目标轨迹片段上各坐标点与相应的匹配子路径之间的距离平均值(在HMM轨迹匹配算法中即指平均放射概率值);匹配子路径的速度变化信息(speed_flag)是指每个匹配子路径上路口节点处的轨迹速度变化情况。
如果将待处理轨迹在铁路路网数据中的匹配路径作为目标匹配路径,则根据待处理轨迹在铁路路网中匹配路径的连通性对待处理轨迹进行拆分,此时,匹配子路径在铁路路网数据中至少一种匹配特征的具体定义如下:匹配比例(length_ratio)是指每个目标轨迹片段中能够匹配到铁路(包括火车轨道和地铁轨道)上的坐标点数量在该目标轨迹片段的总坐标点数中的占比;匹配子路径的连通信息(connect_flag)是指每个匹配子路径对应的目标轨迹片段在公路路网数据中的匹配子路径是否属于连通路径;匹配子路径的匹配距离均值(cur_score)是指每个目标轨迹片段上各坐标点与相应的匹配子路径之间的距离平均值(在HMM轨迹匹配算法中即指平均放射概率值);匹配子路径的速度变化信息(speed_flag)是指每个匹配子路径上铁路站点处的轨迹速度变化情况。
S250、基于决策树模型,依次将每种匹配特征作为决策树的节点,根据各节点处的匹配特征与对应预设要求的关系,确定在目标匹配路径中存在匹配子路径的每个目标轨迹片段的轨迹类型。
根据各匹配特征与对应预设要求的关系,确定在目标匹配路径中存在匹配子路径的每个目标轨迹片段(即在铁路路网数据中存在匹配子路径的目标轨迹片段)的轨迹类型。在目标匹配路径中不存在匹配子路径的目标轨迹片段的轨迹类型自动归类为另一路网数据的类型,例如,将待处理轨迹在铁路路网数据中的匹配路径作为目标匹配路径,对待处理轨迹进行拆分得到多个目标轨迹片段,在铁路路网数据中不存在匹配子路径的目标轨迹片段的轨迹类型即为机动车轨迹,而在铁路路网数据中存在匹配子路径的目标轨迹片段的轨迹类型,需要依据匹配子路径的匹配特征进一步确认该目标轨迹片段的轨迹类型是否真正为铁路轨迹,从而保证各个目标轨迹片段的轨迹类型确定的准确性。
决策树的节点数量与匹配特征的数量有关。图3a作为示例,示出了本实施例提供的基于决策树模型确定目标轨迹片段是否为铁路轨迹的一种示意图。如图3a所示,具体的,将待处理轨迹在铁路路网数据中的匹配路径作为目标匹配路径,目标轨迹片段在目标匹配路径中的匹配子路径的匹配特征包括匹配比例、匹配子路径连通信息、匹配距离均值和匹配子路径速度变化信息,依次作为决策树的节点。具体解释说明如下:
1)如果目标轨迹片段在目标匹配路径中的匹配子路径的匹配比例小于比例阈值(例如设置为0.6),则可以确定目标轨迹片段的轨迹类型不是铁路轨迹,而应是机动车轨迹;
2)如果目标轨迹片段在目标匹配路径中的匹配子路径的匹配比例大于或等于比例阈值(例如设置为0.6),则进一步依据目标轨迹片段在公路路网数据中的匹配路径是否连通,确定目标轨迹片段的轨迹类型;具体的,如果目标轨迹片段在公路路网数据中的匹配路径不连通,则可以确定目标轨迹片段的轨迹类型是铁路轨迹,此处的考虑场景是路面公路若不连通,通行地铁的概率较大;
3)接续上述操作2),如果目标轨迹片段在公路路网数据中的匹配路径连通,则进一步依据目标轨迹片段的匹配子路径的匹配距离均值与距离阈值(例如设置为1.2)的关系,确定目标轨迹片段的轨迹类型,如果匹配距离均值小于距离阈值,则确定目标轨迹片段的轨迹类型不是铁路轨迹,而是机动车轨迹;
4)接续上述操作3),如果匹配距离均值大于或等于距离阈值,则进一步依据目标轨迹片段的匹配子路径上铁路站点处的轨迹速度变化信息是否满足预设要求,确定目标轨迹片段的轨迹类型;具体的,如果匹配子路径上铁路站点处的轨迹速度变化信息满足预设要求,则可以确定目标轨迹片段的轨迹类型为铁路轨迹,如果匹配子路径上铁路站点处的轨迹速度变化信息不满足预设要求,则可以确定目标轨迹片段的轨迹类型不是铁路轨迹,而是机动车轨迹。其中,在铁路站点处轨迹速度变化趋势是:首先明显减速,静止一定时间后,再明显加速;而对于公路路口处,轨迹速度变化也具有先减速再加速的变化趋势,但是与铁路站点处的轨迹速度变化是存在明显差异的。
需要说明的是,关于比例阈值和距离阈值的具体取值,均可以灵活设置,本实施例不作具体限定,而且,关于轨迹速度变化信息的预设要求的具体内容也可根据具体情况进行设置。本实施例中,如果将待处理轨迹在公路路网数据中的匹配路径作为目标匹配路径,对待处理轨迹进行区分后,也可以按照上述决策树的相似判断过程,确定在公路路网数据中存在匹配子路径的目标轨迹片段的轨迹类型是否真正为机动车轨迹。并且,当待处理轨迹分别在两类路网数据中匹配出匹配路径后,可以将一种路网数据中的匹配路径作为目标匹配路径,对待处理轨迹进行一次拆分,进而依据匹配子路径的匹配特征判断每个目标轨迹片段的轨迹类型,即实现对待处理轨迹的轨迹类型区分;也可以将两类路网数据中的匹配路径分别作为目标匹配路径,对待处理轨迹进行两次轨迹拆分,依据每类路网数据中匹配子路径的匹配特征对目标轨迹片段的轨迹类型进行判断,最终将各个目标轨迹片段的判断结果进行综合,实现对待处理轨迹的轨迹类型区分。
图3b作为示例,示出了将待处理轨迹在铁路路网数据中的匹配路径作为目标匹配路径时,待处理轨迹类型确定方法的一种流程图。如图3b所示,首先对获取的轨迹日志进行处理,得到待处理轨迹;然后使用公路路网数据和铁路路网数据,分别进行轨迹匹配;按照待处理轨迹在铁路路网数据中匹配路径的连通性,对待处理轨迹进行拆分,得到多个目标轨迹片段,其次依次利用在铁路路网中匹配子路径的各种匹配特征,确认匹配子路径对应的目标轨迹片段的轨迹类型是否为铁路轨迹,其中,在目标匹配路径中不存在匹配子路径的目标轨迹片段的轨迹类型自动归类为机动车轨迹。
本实施例的技术方案通过将待处理轨迹分别在公路路网数据和铁路路网数据中进行轨迹匹配,确定出待处理轨迹在两类路网数据中的匹配路径,并将任意路网数据中的匹配路径作为对待处理轨迹进行拆分的依据,根据拆分得到的每个目标轨迹片段在对应路网数据中匹配子路径的匹配特征,确认每个目标轨迹片段的轨迹类型,从而实现对待处理轨迹所涉及的铁路轨迹类型和机动车轨迹类型的准确区分,尤其是对于用户出行轨迹属于组合类型时(例如乘车与地铁混搭出行),可以准确确定每一段用户轨迹的类型;同时,保证了公路通行信息挖掘的准确性。
实施例三
图4是本发明实施例三提供的轨迹类型确定方法的流程图,本实施例是在上述实施例的基础上进一步进行优化与扩展。如图4所示,该方法可以包括:
S310、基于公路的基础元素,通过数据索引方式创建公路结构数据,将该公路结构数据作为公路路网数据。
其中,公路的基础元素包括公路路段(link)、路口节点(node)以及不同路段之间的连接关系(即路段通信关系)。数据索引方式可以是地图数据处理领域任意可用的空间索引方式,包括但不限于R树索引。以R树索引为例,在构建的R树时,每个叶子节点是link的外接矩形,记录矩形的方法可以是记录该矩形左上角和右下角的两个点坐标。非叶子节点的定点,记录的可以是其所有子节点的最小矩形;从而在轨迹匹配的时候,对于待处理轨迹上的任意一个轨迹点,确定轨迹点的检索半径(该值可适应性设置),通过R树的空间索引,便可以检索到该轨迹点附近的link。
S320、基于铁路的基础元素,通过数据索引方式创建铁路结构数据,将该铁路结构数据作为铁路路网数据。
其中,铁路的基础元素包括铁路路段、起始站点、经停站点、各站点相关的换乘路线以及不同路段之间的连接关系(即路段通信关系)。本实施例中,铁路路网数据的创建过程与公路路网数据的创建过程类似,采用相同的数据索引方式。
S330、获取公路路网数据与铁路路网数据。例如,将通过数据索引方式创建的两类路网数据分别加载至计算设备的内存中。
S340、将待处理轨迹分别在公路路网数据与铁路路网数据中进行轨迹匹配。
进一步的,在将待处理轨迹分别在公路路网数据与铁路路网数据中进行轨迹匹配之前,该方法还包括:对待处理轨迹进行预处理,其中,预处理包括轨迹平滑与去噪处理。考虑定位精度的影响,通过轨迹日志分析得到的待处理轨迹会存在一定的误差,例如轨迹出现漂移现象等,为了保证轨迹匹配的可靠性与准确性,预先对待处理轨迹进行平滑与去噪处理。
S350、如果待处理轨迹在公路路网数据与铁路路网数据中均存在匹配路径,则确定各匹配路径在对应路网数据中的至少一种匹配特征,其中,匹配特征用于验证匹配路径的合理性。
S360、根据各匹配特征与对应预设要求的关系,确定待处理轨迹的轨迹类型。
本实施例技术方案通过利用空间数据索引方式构建公路路网数据和铁路路网数据,有助于提高待处理轨迹分别在公路路网数据和铁路路网数据中进行轨迹匹配的效果,然后根据在两类路网数据中匹配路径的匹配特征,对匹配路径进行合理性验证,从而区分待处理轨迹所涉及的轨迹类型,实现了准确区分铁路轨迹和机动车轨迹的效果,基于属于机动车轨迹类型的用户轨迹可以确定匹配公路可通行,因而保证了公路通行信息挖掘的准确性。
实施例四
图5是本发明实施例四提供的轨迹类型确定装置的结构示意图,本实施例可适用于在地图数据挖掘过程中,区分待处理轨迹所涉及的轨迹类型,例如是铁路轨迹还是机动车轨迹的情况。该装置可以采用软件和/或硬件的方式实现,并可集成在任意的计算设备上,例如计算终端或者服务器。
如图5所示,本实施例提供的轨迹类型确定装置可以包括路网数据获取模块410、轨迹匹配模块420、匹配特征确定模块430和轨迹类型确定模块440,其中:
路网数据获取模块410,用于获取公路路网数据与铁路路网数据;
轨迹匹配模块420,用于将待处理轨迹分别在公路路网数据与铁路路网数据中进行轨迹匹配;
匹配特征确定模块430,用于如果待处理轨迹在公路路网数据与铁路路网数据中均存在匹配路径,则确定各匹配路径在对应路网数据中的至少一种匹配特征,其中,匹配特征用于验证匹配路径的合理性;
轨迹类型确定模块440,用于根据各匹配特征与对应预设要求的关系,确定待处理轨迹的轨迹类型。
可选的,匹配特征确定模块430包括:
目标匹配路径确定单元,用于将待处理轨迹在公路路网数据与铁路路网数据中任一路网数据中的匹配路径作为目标匹配路径;
轨迹拆分单元,用于如果目标匹配路径中包括至少两条非连通的子路径,则基于目标匹配路径中各条非连通的子路径的起点和终点,对待处理轨迹进行拆分,得到多个目标轨迹片段;
匹配特征确定单元,用于确定各个目标轨迹片段在目标匹配路径中的匹配子路径,并确定匹配子路径在对应路网数据中的至少一种匹配特征;
相应的,轨迹类型确定模块440包括:
目标轨迹片段类型确定单元,用于根据各匹配特征与对应预设要求的关系,确定在目标匹配路径中存在匹配子路径的每个目标轨迹片段的轨迹类型。
可选的,目标轨迹片段类型确定单元具体用于:
基于决策树模型,依次将每种匹配特征作为决策树的节点,根据各节点处的匹配特征与对应预设要求的关系,确定在目标匹配路径中存在匹配子路径的每个目标轨迹片段的轨迹类型。
可选的,匹配特征包括匹配比例、匹配路径连通信息、匹配距离均值和速度变化信息中的至少一项。
可选的,轨迹匹配模块420具体用于:利用预设匹配算法,基于待处理轨迹上的各个坐标点,分别在公路路网数据与铁路路网数据中进行轨迹匹配。
可选的,该装置还包括:
公路路网数据构建模块,用于基于公路的基础元素,通过数据索引方式创建公路结构数据,将公路结构数据作为公路路网数据,其中,公路的基础元素包括公路路段、路口节点以及不同路段之间的连接关系;
铁路路网数据构建模块,用于基于铁路的基础元素,通过数据索引方式创建铁路结构数据,将铁路结构数据作为铁路路网数据,其中,铁路的基础元素包括铁路路段、起始站点、经停站点、各站点相关的换乘路线以及不同路段之间的连接关系。
可选的,该装置还包括:待处理轨迹确定模块,用于获取轨迹日志,并将轨迹日志中对应相同用户标识的轨迹点,按照时间戳进行拼接,得到针对每个用户的待处理轨迹。
可选的,该装置还包括:预处理模块,用于在轨迹匹配模块420执行将待处理轨迹分别在公路路网数据与铁路路网数据中进行轨迹匹配的操作之前,对待处理轨迹进行预处理,其中,预处理包括轨迹平滑与去噪处理。
可选的,铁路路网数据包括地铁路网数据和火车路网数据。
可选的,轨迹类型确定模块440还用于:如果待处理轨迹只在公路路网数据或者铁路路网数据中存在匹配路径,则待处理轨迹的轨迹类型为机动车轨迹或者铁路轨迹。
本发明实施例所提供的轨迹类型确定装置可执行本发明任意实施例所提供的轨迹类型确定方法,具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本发明任意方法实施例中的描述。
实施例五
图6是本发明实施例五提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性计算设备512的框图。图6显示的计算设备512仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。计算设备512可以是任意的具有计算能力的设备,例如计算终端或者服务器。
如图6所示,计算设备512以通用计算设备的形式表现。计算设备512的组件可以包括但不限于:一个或者多个处理器516,存储装置528,连接不同系统组件(包括存储装置528和处理器516)的总线518。
总线518表示几类总线结构中的一种或多种,包括存储装置总线或者存储装置控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance,ISA)总线,微通道体系结构(Micro Channel Architecture,MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
计算设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算设备512访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置528可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)530和/或高速缓存存储器532。计算设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统534可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘,例如只读光盘(Compact Disc Read-Only Memory,CD-ROM),数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储装置528可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540,可以存储在例如存储装置528中,这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。
计算设备512也可以与一个或多个外部设备514(例如键盘、指向终端、显示器524等)通信,还可与一个或者多个使得用户能与该计算设备512交互的终端通信,和/或与使得该计算设备512能与一个或多个其它计算终端进行通信的任何终端(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且,计算设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网(Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器520通过总线518与计算设备512的其它模块通信。应当明白,尽管图中未示出,可以结合计算设备512使用其它硬件和/或软件模块,包括但不限于:微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器516通过运行存储在存储装置528中的程序,从而执行各种功能应用以及数据处理,例如实现本发明任意实施例所提供的轨迹类型确定方法,该方法可以包括:
获取公路路网数据与铁路路网数据;
将待处理轨迹分别在所述公路路网数据与铁路路网数据中进行轨迹匹配;
如果所述待处理轨迹在所述公路路网数据与铁路路网数据中均存在匹配路径,则确定各匹配路径在对应路网数据中的至少一种匹配特征,其中,所述匹配特征用于验证所述匹配路径的合理性;
根据各匹配特征与对应预设要求的关系,确定所述待处理轨迹的轨迹类型。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的轨迹类型确定方法,该方法可以包括:
获取公路路网数据与铁路路网数据;
将待处理轨迹分别在所述公路路网数据与铁路路网数据中进行轨迹匹配;
如果所述待处理轨迹在所述公路路网数据与铁路路网数据中均存在匹配路径,则确定各匹配路径在对应路网数据中的至少一种匹配特征,其中,所述匹配特征用于验证所述匹配路径的合理性;
根据各匹配特征与对应预设要求的关系,确定所述待处理轨迹的轨迹类型。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (13)
1.一种轨迹类型确定方法,其特征在于,包括:
获取公路路网数据与铁路路网数据;
将待处理轨迹分别在所述公路路网数据与铁路路网数据中进行轨迹匹配;
如果所述待处理轨迹在所述公路路网数据与铁路路网数据中均存在匹配路径,则确定各匹配路径在对应路网数据中的至少一种匹配特征,其中,所述匹配特征用于验证所述匹配路径的合理性;
根据各匹配特征与对应预设要求的关系,确定所述待处理轨迹的轨迹类型。
2.根据权利要求1所述的方法,其特征在于,将所述待处理轨迹在所述公路路网数据与铁路路网数据中任一路网数据中的匹配路径作为目标匹配路径,如果所述目标匹配路径中包括至少两条非连通的子路径,则所述确定各匹配路径在对应路网数据中的至少一种匹配特征,包括:
基于所述目标匹配路径中各条非连通的子路径的起点和终点,对所述待处理轨迹进行拆分,得到多个目标轨迹片段;
确定各个目标轨迹片段在所述目标匹配路径中的匹配子路径,并确定所述匹配子路径在对应路网数据中的至少一种匹配特征;
相应的,所述根据各匹配特征与对应预设要求的关系,确定所述待处理轨迹的轨迹类型,包括:
根据各匹配特征与对应预设要求的关系,确定在所述目标匹配路径中存在匹配子路径的每个目标轨迹片段的轨迹类型。
3.根据权利要求2所述的方法,其特征在于,所述根据各匹配特征与对应预设要求的关系,确定在所述目标匹配路径中存在匹配子路径的每个目标轨迹片段的轨迹类型,包括:
基于决策树模型,依次将每种匹配特征作为所述决策树的节点,根据各节点处的匹配特征与对应预设要求的关系,确定在所述目标匹配路径中存在匹配子路径的每个目标轨迹片段的轨迹类型。
4.根据权利要求1-3中任一所述的方法,其特征在于,所述匹配特征包括匹配比例、匹配路径连通信息、匹配距离均值和速度变化信息中的至少一项。
5.根据权利要求1所述的方法,其特征在于,所述将待处理轨迹分别在所述公路路网数据与铁路路网数据中进行轨迹匹配,包括:
利用预设匹配算法,基于所述待处理轨迹上的各个坐标点,分别在所述公路路网数据与铁路路网数据中进行轨迹匹配。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于公路的基础元素,通过数据索引方式创建公路结构数据,将所述公路结构数据作为所述公路路网数据,其中,所述公路的基础元素包括公路路段、路口节点以及不同路段之间的连接关系;
基于铁路的基础元素,通过所述数据索引方式创建铁路结构数据,将所述铁路结构数据作为所述铁路路网数据,其中,所述铁路的基础元素包括铁路路段、起始站点、经停站点、各站点相关的换乘路线以及不同路段之间的连接关系。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取轨迹日志,并将所述轨迹日志中对应相同用户标识的轨迹点,按照时间戳进行拼接,得到针对每个用户的待处理轨迹。
8.根据权利要求1所述的方法,其特征在于,在所述将待处理轨迹分别在所述公路路网数据与铁路路网数据中进行轨迹匹配之前,所述方法还包括:
对所述待处理轨迹进行预处理,其中,所述预处理包括轨迹平滑与去噪处理。
9.根据权利要求1所述的方法,其特征在于,所述铁路路网数据包括地铁路网数据和火车路网数据。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
如果所述待处理轨迹只在所述公路路网数据或者所述铁路路网数据中存在匹配路径,则所述待处理轨迹的轨迹类型为机动车轨迹或者铁路轨迹。
11.一种轨迹类型确定装置,其特征在于,包括:
路网数据获取模块,用于获取公路路网数据与铁路路网数据;
轨迹匹配模块,用于将待处理轨迹分别在所述公路路网数据与铁路路网数据中进行轨迹匹配;
匹配特征确定模块,用于如果所述待处理轨迹在所述公路路网数据与铁路路网数据中均存在匹配路径,则确定各匹配路径在对应路网数据中的至少一种匹配特征,其中,所述匹配特征用于验证所述匹配路径的合理性;
轨迹类型确定模块,用于根据各匹配特征与对应预设要求的关系,确定所述待处理轨迹的轨迹类型。
12.一种计算设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的轨迹类型确定方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-10中任一所述的轨迹类型确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910650787.9A CN110377682B (zh) | 2019-07-18 | 2019-07-18 | 轨迹类型确定方法、装置、计算设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910650787.9A CN110377682B (zh) | 2019-07-18 | 2019-07-18 | 轨迹类型确定方法、装置、计算设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110377682A true CN110377682A (zh) | 2019-10-25 |
CN110377682B CN110377682B (zh) | 2022-02-25 |
Family
ID=68253932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910650787.9A Active CN110377682B (zh) | 2019-07-18 | 2019-07-18 | 轨迹类型确定方法、装置、计算设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377682B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796191A (zh) * | 2019-10-29 | 2020-02-14 | 北京百度网讯科技有限公司 | 轨迹分类方法及装置 |
CN111047862A (zh) * | 2019-12-09 | 2020-04-21 | 北京中交兴路信息科技有限公司 | 一种获取道路属性的方法 |
CN111597285A (zh) * | 2020-05-13 | 2020-08-28 | 汉海信息技术(上海)有限公司 | 路网拼接方法、装置、电子设备及存储介质 |
CN112268562A (zh) * | 2020-10-23 | 2021-01-26 | 重庆越致科技有限公司 | 一种基于行人自动轨迹导航的融合数据处理系统 |
CN112667671A (zh) * | 2021-01-05 | 2021-04-16 | 腾讯科技(深圳)有限公司 | 一种路网数据处理方法、装置、计算机设备和存储介质 |
CN114245329A (zh) * | 2021-12-21 | 2022-03-25 | 北京红山信息科技研究院有限公司 | 通行方式识别方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120063109A (ko) * | 2010-12-07 | 2012-06-15 | 한국철도기술연구원 | 신뢰도 경로의 고장열거를 이용한 철도차량 신뢰도 계산방법 |
CN104331422A (zh) * | 2014-10-14 | 2015-02-04 | 广州市香港科大霍英东研究院 | 一种路段类型推测方法 |
CN106528589A (zh) * | 2016-09-14 | 2017-03-22 | 北京航空航天大学 | 数据管理方法及装置 |
CN108763558A (zh) * | 2018-05-25 | 2018-11-06 | 武汉大学 | 一种基于地图匹配的众包地图道路质量改进方法 |
-
2019
- 2019-07-18 CN CN201910650787.9A patent/CN110377682B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120063109A (ko) * | 2010-12-07 | 2012-06-15 | 한국철도기술연구원 | 신뢰도 경로의 고장열거를 이용한 철도차량 신뢰도 계산방법 |
CN104331422A (zh) * | 2014-10-14 | 2015-02-04 | 广州市香港科大霍英东研究院 | 一种路段类型推测方法 |
CN106528589A (zh) * | 2016-09-14 | 2017-03-22 | 北京航空航天大学 | 数据管理方法及装置 |
CN108763558A (zh) * | 2018-05-25 | 2018-11-06 | 武汉大学 | 一种基于地图匹配的众包地图道路质量改进方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796191A (zh) * | 2019-10-29 | 2020-02-14 | 北京百度网讯科技有限公司 | 轨迹分类方法及装置 |
CN111047862A (zh) * | 2019-12-09 | 2020-04-21 | 北京中交兴路信息科技有限公司 | 一种获取道路属性的方法 |
CN111597285A (zh) * | 2020-05-13 | 2020-08-28 | 汉海信息技术(上海)有限公司 | 路网拼接方法、装置、电子设备及存储介质 |
CN111597285B (zh) * | 2020-05-13 | 2023-09-15 | 汉海信息技术(上海)有限公司 | 路网拼接方法、装置、电子设备及存储介质 |
CN112268562A (zh) * | 2020-10-23 | 2021-01-26 | 重庆越致科技有限公司 | 一种基于行人自动轨迹导航的融合数据处理系统 |
CN112667671A (zh) * | 2021-01-05 | 2021-04-16 | 腾讯科技(深圳)有限公司 | 一种路网数据处理方法、装置、计算机设备和存储介质 |
CN112667671B (zh) * | 2021-01-05 | 2022-04-22 | 腾讯科技(深圳)有限公司 | 一种路网数据处理方法、装置、计算机设备和存储介质 |
CN114245329A (zh) * | 2021-12-21 | 2022-03-25 | 北京红山信息科技研究院有限公司 | 通行方式识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110377682B (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377682A (zh) | 轨迹类型确定方法、装置、计算设备和存储介质 | |
CN110260870B (zh) | 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质 | |
CN109974718B (zh) | 地图匹配方法、装置、设备和介质 | |
JP6756079B2 (ja) | 人工知能に基づく三元組チェック方法、装置及びコンピュータプログラム | |
CN107656913A (zh) | 地图兴趣点地址提取方法、装置、服务器和存储介质 | |
CN110097121B (zh) | 一种行驶轨迹的分类方法、装置、电子设备及存储介质 | |
CN109032103A (zh) | 无人驾驶车辆的测试方法、装置、设备及存储介质 | |
CN110677815A (zh) | 停留点识别方法、装置、计算机设备及存储介质 | |
CN109683907A (zh) | 代码补全方法、装置、设备及存储介质 | |
CN109931945A (zh) | Ar导航方法、装置、设备和存储介质 | |
CN109993064B (zh) | 一种提取图片中道路网络节点间的连接路径的方法 | |
CN110389995B (zh) | 车道信息检测方法、装置、设备和介质 | |
CN109710709A (zh) | 兴趣点数据处理方法、装置、电子设备及存储介质 | |
CN109635861B (zh) | 一种数据融合方法、装置、电子设备及存储介质 | |
CN107883974B (zh) | 导航路径的规划方法、导航服务器及计算机可读介质 | |
CN110553658B (zh) | 导航路径推荐方法、导航服务器、计算机设备及可读介质 | |
CN110427444A (zh) | 导航引导点挖掘方法、装置、设备和存储介质 | |
JP5275349B2 (ja) | 情報処理装置、情報作成装置、情報処理方法、情報作成方法、情報処理プログラム、情報作成プログラム、および記録媒体 | |
CN109815481B (zh) | 对文本进行事件抽取的方法、装置、设备和计算机存储介质 | |
CN109916414A (zh) | 地图匹配方法、装置、设备和介质 | |
CN109492066A (zh) | 一种兴趣点分支名称的确定方法、装置、设备及存储介质 | |
CN109297725A (zh) | 车辆边界能力的测试方法、装置、设备、介质和车辆 | |
CN108286973B (zh) | 一种行驶数据校验方法及装置、及混合导航系统 | |
CN106294294B (zh) | 轨道交通信号系统统一格式数据文件的一致性校验方法 | |
CN110363193A (zh) | 车辆重识别方法、装置、设备和计算机存储介质 |
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 |