CN110399365A - 地图缺失道路的确定方法、装置、存储介质及电子设备 - Google Patents
地图缺失道路的确定方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN110399365A CN110399365A CN201910689748.XA CN201910689748A CN110399365A CN 110399365 A CN110399365 A CN 110399365A CN 201910689748 A CN201910689748 A CN 201910689748A CN 110399365 A CN110399365 A CN 110399365A
- Authority
- CN
- China
- Prior art keywords
- road
- point
- motion profile
- map
- motion
- 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.)
- Pending
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Abstract
本公开涉及电子地图技术领域,具体涉及一种地图缺失道路的确定方法、地图缺失道路的确定装置、计算机可读存储介质及电子设备。在本公开的示例性实施方式中,地图缺失道路的确定方法包括:确定由多个运动轨迹点组成的对应于疑似缺失道路的轨迹点簇;获取所述轨迹点簇中的各个所述运动轨迹点的运动位置信息和运动方向信息;根据所述运动位置信息和所述运动方向信息确定所述疑似缺失道路为地图缺失道路的道路置信度。该方法不仅可以节约大量的人力成本,而且能够大幅提升地图缺失道路的确定效率和准确性,从而能够自动化地对电子地图进行高效且准确地路网补全。
Description
技术领域
本公开涉及电子地图技术领域,具体涉及一种地图缺失道路的确定方法、地图缺失道路的确定装置、计算机可读存储介质及电子设备。
背景技术
随着社会、经济的发展以及计算机技术、网络技术的进步,电子地图已经成为一种人们日常生活中必不可少的工具。不管是日常出行还是出差旅游,基于电子地图的导航和定位技术都能够为人们带来极大的便利性。
然而随着基础设施建设的不断加快,地域面貌也在日新月异的发生变化。这就导致了电子地图中的道路网络数据需要不断地进行更新,以便能够向用户提供真实有效的道路信息。尤其是对于新修道路以及重新开通的检修道路或者施工道路而言,如何能够及时高效地在电子地图中对缺失道路进行准确补全是目前亟待解决的问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种地图缺失道路的确定方法、地图缺失道路的确定装置、计算机可读存储介质及电子设备,进而至少在一定程度上克服相关技术中存在的缺失道路补全效率低、补全准确性差等技术问题。
根据本公开的一个方面,提供一种地图缺失道路的确定方法,所述方法包括:
确定由多个运动轨迹点组成的对应于疑似缺失道路的轨迹点簇;
获取所述轨迹点簇中的各个所述运动轨迹点的运动位置信息和运动方向信息;
根据所述运动位置信息和所述运动方向信息确定所述疑似缺失道路为地图缺失道路的道路置信度。
在本公开的一些示例性实施方式中,基于以上技术方案,根据所述运动位置信息和所述运动方向信息确定所述疑似缺失道路为地图缺失道路的道路置信度,包括:
根据所述运动位置信息确定用于表示各个所述运动轨迹点之间的位置分散程度的所述轨迹点簇的分散度;
根据所述运动方向信息确定用于表示各个所述运动轨迹点的方向无序程度的所述轨迹点簇的无序度;
根据所述分散度和所述无序度确定所述疑似缺失道路为地图缺失道路的道路置信度。
在本公开的一些示例性实施方式中,基于以上技术方案,根据所述运动位置信息确定用于表示各个所述运动轨迹点之间的位置分散程度的所述轨迹点簇的分散度,包括:
根据各个所述运动轨迹点的运动位置信息确定每个所述运动轨迹点分别与其他各个运动轨迹点之间的位置距离;
根据所述位置距离确定所述轨迹点簇中的每个所述运动轨迹点的轨迹点分散度;
根据所述运动轨迹点的轨迹点分散度确定用于表示各个所述运动轨迹点之间的位置分散程度的所述轨迹点簇的分散度。
在本公开的一些示例性实施方式中,基于以上技术方案,根据所述运动方向信息确定用于表示各个所述运动轨迹点的方向无序程度的所述轨迹点簇的无序度,包括:
确定对应于不同方向范围的多个方向区间;
根据所述运动方向信息将所述轨迹点簇中的各个所述运动轨迹点划分至所述方向区间中;
根据所述方向区间的划分结果确定每个所述方向区间中的运动轨迹点与所述轨迹点簇中的所有运动轨迹点之间的数量比例;
根据所述数量比例确定用于表示各个所述运动轨迹点的方向无序程度的所述轨迹点簇的无序度。
在本公开的一些示例性实施方式中,基于以上技术方案,确定对应于不同方向范围的多个方向区间,包括:
在地图平面上确定覆盖所有运动方向的方向范围;
将所述方向范围划分为具有相同范围大小的多个方向区间。
在本公开的一些示例性实施方式中,基于以上技术方案,根据所述分散度和所述无序度确定所述疑似缺失道路为地图缺失道路的道路置信度,包括:
分别对所述分散度和所述无序度做归一化处理后得到归一化分散度和归一化无序度;
根据所述归一化分散度和所述归一化无序度确定所述疑似缺失道路为地图缺失道路的道路置信度。
在本公开的一些示例性实施方式中,基于以上技术方案,确定由多个运动轨迹点组成的对应于疑似缺失道路的轨迹点簇,包括:
获取目标对象的运动轨迹信息,并根据所述运动轨迹信息确定所述目标对象在地图上的运动轨迹点;
根据所述运动轨迹点与所述地图上的已有道路的位置关系对所述运动轨迹点进行筛选以得到对应于疑似缺失道路的目标轨迹点;
根据所述目标轨迹点的分布密度确定各个所述目标轨迹点与相邻的目标轨迹点之间的可连接性;
将多个可连接的目标轨迹点连接组成对应于所述疑似缺失道路的轨迹点簇。
在本公开的一些示例性实施方式中,基于以上技术方案,获取目标对象的运动轨迹信息,包括:
获取目标对象在目标地图范围内以及目标时间范围内的运动轨迹信息。
在本公开的一些示例性实施方式中,基于以上技术方案,根据所述运动轨迹信息确定所述目标对象在地图上的运动轨迹点,包括:
根据所述运动轨迹信息确定所述目标对象在地图上的初始位置,并将所述初始位置作为所述目标对象的第一个运动位置节点;
由所述初始位置出发,沿所述目标对象的运动轨迹依次选取所述目标对象的多个运动位置节点,并将所述运动位置节点确定为所述目标对象在地图上的运动轨迹点。
在本公开的一些示例性实施方式中,基于以上技术方案,沿所述目标对象的运动轨迹依次选取所述目标对象的多个运动位置节点,包括:
沿所述目标对象的运动轨迹选取所述目标对象的一个临时位置节点;
获取所述临时位置节点与所述目标对象的上一个运动位置节点之间的运动距离和运动时间;
当所述运动距离大于目标距离间隔或者所述运动时间大于目标时间间隔时,将所述临时位置节点确定为所述目标对象的运动位置节点;
继续沿所述目标对象的运动轨迹选取所述目标对象的下一个临时位置节点以确定所述目标对象的下一个运动位置节点。
在本公开的一些示例性实施方式中,基于以上技术方案,根据所述轨迹点与所述地图上的已有道路的位置关系对所述运动轨迹点进行筛选以得到对应于疑似缺失道路的目标轨迹点,包括:
根据所述运动轨迹点与所述地图上的已有道路的位置关系确定与所述运动轨迹点距离最近的邻近道路;
当所述运动轨迹点与所述邻近道路之间的距离大于目标道路距离时,将所述运动轨迹点确定为对应于疑似缺失道路的目标轨迹点。
在本公开的一些示例性实施方式中,基于以上技术方案,在根据所述运动轨迹点与所述地图上的已有道路的位置关系对所述运动轨迹点进行筛选以得到对应于疑似缺失道路的目标轨迹点之前,所述方法还包括:
获取各个所述运动轨迹点的运动速度和定位误差;
将所述运动速度小于速度限值或者所述定位误差大于误差限值的运动轨迹点标记为噪声轨迹点;
清除所述运动轨迹点中的所述噪声轨迹点。
根据本公开的一个方面,提供一种地图缺失道路的确定装置,所述装置包括:
点簇确定模块,被配置为确定由多个运动轨迹点组成的对应于疑似缺失道路的轨迹点簇;
信息获取模块,被配置为获取所述轨迹点簇中的各个所述运动轨迹点的运动位置信息和运动方向信息;
置信度确定模块,被配置为根据所述运动位置信息和所述运动方向信息确定所述疑似缺失道路为地图缺失道路的道路置信度。
根据本公开的一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,其特殊之处在于,所述计算机程序被处理器执行时实现以上任一所述的地图缺失道路的确定方法。
根据本公开的一个方面,提供一种电子设备,其特殊之处在于,包括处理器和存储器;其中,存储器用于存储所述处理器的可执行指令,所述处理器被配置为经由执行所述可执行指令来执行以上任一所述的地图缺失道路的确定方法。
在本公开的示例性实施方式中,通过获取运动轨迹点的运动位置信息和运动方向信息对疑似缺失道路为真实的地图缺失道路的道路置信度进行计算,可以对地图缺失道路的真实可信度进行量化表征,在较高的置信度区间内可以不必依赖人工审核也能保证地图缺失道路的准确性。该方法不仅可以节约大量的人力成本,而且能够大幅提升地图缺失道路的确定效率和准确性,从而能够自动化地对电子地图进行高效且准确地路网补全。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了在本公开的一些示例性实施方式中地图缺失道路的确定方法的步骤流程图。
图2示出了在本公开的一些示例性实施方式中确定道路置信度的步骤流程图。
图3示出了在本公开的一些示例性实施方式中确定轨迹点簇的分散度的步骤流程图。
图4示出了在本公开的一些示例性实施方式中确定轨迹点簇的无序度的步骤流程图。
图5示出了在本公开的一些示例性实施方式中确定方向区间的步骤流程图。
图6示出了在本公开的一些示例性实施方式中根据分散度和无序度确定道路置信度的步骤流程图。
图7示出了在本公开的一些示例性实施方式中确定轨迹点簇的步骤流程图。
图8示出了在本公开的一些示例性实施方式中确定运动轨迹点的步骤流程图。
图9示出了在本公开的一些示例性实施方式中从目标对象的运动轨迹上选取运动位置节点的步骤流程图。
图10示出了在本公开的一些示例性实施方式中筛选目标轨迹点的步骤流程图。
图11示出了在本公开的一些示例性实施方式中清除噪声轨迹点的步骤流程图。
图12示出了本公开示例性实施方式中地图缺失道路的确定方法在一应用场景下的步骤流程图。
图13示出了通过DBSCAN聚类算法对样本点进行聚类的聚类效果示意图。
图14示出了轨迹点簇在电子地图上的分布状态示意图。
图15示出了对应于轨迹点簇的疑似缺失道路位置示意图。
图16示出本公开示例性实施方式中地图缺失道路的确定装置的组成框图。
图17示出本公开示例性实施方式中一种程序产品的示意图。
图18示出本公开示例性实施方式中一种电子设备的模块示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施例使得本公开将更加全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
根据本公开示例性实施方式的一个方面,首先提供一种地图缺失道路的确定方法,该方法用于确定电子地图中的缺失道路,并且对缺失道路的真实可信度做出评估,从而能够高效且准确地对电子地图中的缺失道路进行补全。
图1示出了在本公开的一些示例性实施方式中地图缺失道路的确定方法的步骤流程图。如图1所示,该方法主要可以包括以下步骤:
步骤S110.确定由多个运动轨迹点组成的对应于疑似缺失道路的轨迹点簇。
运动轨迹点主要是运动对象在运动过程中形成的分布于电子地图上的地图定位点,其中运动对象可以是安装有导航设备的机动车辆、运送途中的快递、外卖骑手等等,另外也可以是安装有电子地图或者其他具有获取用户位置权限的应用程序的终端设备。通过获取运动对象的地图定位信息可以在电子地图上形成沿运动轨迹分布的运动轨迹点,这些运动轨迹点中的绝大多数分布在电子地图已有的道路网路上。而对于出现在非已有道路网络上的运动轨迹点而言,其所在位置可能是电子地图上缺失的真实道路,但也可能是因为定位误差、数据错误或者运动对象随意穿行而产生的并非真实道路上的运动轨迹。因此,这部分出现在非已有道路网络上的运动轨迹点可以组成对应于疑似缺失道路的轨迹点簇。
步骤S120.获取轨迹点簇中的各个运动轨迹点的运动位置信息和运动方向信息。
在确定对应于疑似缺失道路的轨迹点簇后,本步骤将获取该轨迹点簇中的所有运动轨迹点的运动位置信息和运动方向信息。其中,运动位置信息可以是由地图定位数据中直接获取到的经度和纬度,也可以是在电子地图的自建坐标系下形成的位置坐标数据。运动方向信息可以是运动轨迹点的瞬时移动方向,也可以是在一定的运动时长内由多个运动轨迹点的位置关系而确定的平均移动方向。
步骤S130.根据运动位置信息和运动方向信息确定疑似缺失道路为地图缺失道路的道路置信度。
轨迹点簇中各个运动轨迹点的运动位置信息和运动方向信息可以在一定程度上反映轨迹点簇所在位置是真实道路的可信程度。本步骤通过对运动位置信息和运动方向信息进行分析处理可以得到对应于轨迹点簇的疑似缺失道路是真实的地图缺失道路的道路置信度,道路置信度越高,表示疑似缺失道路是实际缺失道路的可能性也越大。道路置信度的确定方式可以是建立与运动位置和运动方向两个参数相关的计算模型,然后利用该计算模型结合步骤S120获取到的运动位置信息和运动方向信息对道路置信度进行计算。另外,本示例性实施方式也可以预先训练用于计算道路置信度的机器学习模型,然后将步骤S120获取到的运动位置信息和运动方向信息输入至该机器学习模型,并由其输出疑似缺失道路为地图缺失道路的道路置信度。
在本示例性实施方式提供的地图缺失道路的确定方法中,通过获取运动轨迹点的运动位置信息和运动方向信息对疑似缺失道路为真实的地图缺失道路的道路置信度进行计算,可以对地图缺失道路的真实可信度进行量化表征,在较高的置信度区间内可以不必依赖人工审核也能保证地图缺失道路的准确性。该方法不仅可以节约大量的人力成本,而且能够大幅提升地图缺失道路的确定效率和准确性,从而能够自动化地对电子地图进行高效且准确地路网补全。
图2示出了在本公开的一些示例性实施方式中确定道路置信度的步骤流程图。
如图2所示,在以上示例性实施方式的基础上,步骤S130.根据运动位置信息和运动方向信息确定疑似缺失道路为地图缺失道路的道路置信度,可以包括以下步骤:
步骤S210.根据运动位置信息确定用于表示各个运动轨迹点之间的位置分散程度的轨迹点簇的分散度。
轨迹点簇的分散度用于表示轨迹点簇中各个运动轨迹点之间的位置分散程度。轨迹点簇的分散度越低,表明其内部的运动轨迹点的位置聚集程度越高。对于真实的地图缺失道路而言,一般会有相对较多的运动对象在其所在位置频繁出现,亦即会在其所在位置上形成运动轨迹点聚集程度较高的轨迹点簇。因此,轨迹点簇的分散度能够在一定程度上反映疑似缺失道路为地图缺失道路的真实可信度。
步骤S220.根据运动方向信息确定用于表示各个运动轨迹点的方向无序程度的轨迹点簇的无序度。
轨迹点簇的无序度用于表示轨迹点簇中各个运动轨迹点之间的方向无序程度。轨迹点簇的无序度越低,表明其内部的运动轨迹点的方向有序程度越高。对于真实的地图缺失道路而言,位于平直道路上的运动对象一般只会沿着道路的正、反两个方向运动,亦即会在其所在位置上形成运动轨迹点运动方向高度有序的轨迹点簇。因此,轨迹点簇的无序度也能够在一定程度上反映疑似缺失道路为地图缺失道路的真实可信度。
步骤S230.根据分散度和无序度确定疑似缺失道路为地图缺失道路的道路置信度。
根据步骤S210得到的轨迹点簇的分散度以及步骤S220得到的轨迹点簇的无序度,本步骤可以确定疑似缺失道路为地图缺失道路的道路置信度。一般而言,分散度和无序度越低时,疑似缺失道路为地图缺失道路的真实可信度越高,即道路置信度越高。
通过对轨迹点簇的分散度和无序度两项参数进行计算,可以从不同维度对疑似缺失道路为地图缺失道路的真实可信度进行评估,从而能够提高道路置信度的可靠性和鲁棒性。
下面分别对分散度和无序度两项参数的确定方法做出说明。
图3示出了在本公开的一些示例性实施方式中确定轨迹点簇的分散度的步骤流程图。
如图3所示,在以上示例性实施方式的基础上,步骤S210.根据运动位置信息确定用于表示各个运动轨迹点之间的位置分散程度的轨迹点簇的分散度,可以包括以下步骤:
步骤S310.根据各个运动轨迹点的运动位置信息确定每个运动轨迹点分别与其他各个运动轨迹点之间的位置距离。
轨迹点簇中的任意两个运动轨迹点之间均可以确定一个位置距离。可选地,本步骤可以按照两个运动轨迹点的经纬度数据计算实际的地球球面距离作为二者的位置距离,另外也可以按照两个运动轨迹点在地图自建坐标系内的位置坐标计算平面距离作为二者的位置距离。
步骤S320.根据位置距离确定轨迹点簇中的每个运动轨迹点的轨迹点分散度。
根据一个运动轨迹点与其他运动轨迹点之间的位置距离,可以确定出该运动轨迹点的轨迹点分散度,轨迹点分散度反映了轨迹点簇中的其他运动轨迹点相对于这一运动轨迹点的分散程度。针对轨迹点簇中的每一个运动轨迹点,均可以确定出与之对应的一个轨迹点分散度。
步骤S330.根据运动轨迹点的轨迹点分散度确定用于表示各个运动轨迹点之间的位置分散程度的轨迹点簇的分散度。
根据步骤S320确定得到轨迹点簇中各个运动轨迹点的轨迹点分散度,本步骤可以对其进行整合以得到轨迹点簇整体的分散度,该分散度反映了轨迹点簇内的各个运动轨迹点相互之间的位置分散程度。可选地,本步骤可以直接将各个运动轨迹点的轨迹点分散度取平均值后作为轨迹点簇整体的分散度。
图4示出了在本公开的一些示例性实施方式中确定轨迹点簇的无序度的步骤流程图。
如图4所示,在以上示例性实施方式的基础上,步骤S220.根据运动方向信息确定用于表示各个运动轨迹点的方向无序程度的轨迹点簇的无序度,可以包括以下步骤:
步骤S410.确定对应于不同方向范围的多个方向区间。
为了对各个运动轨迹点的运动方向做出有效地表征和区分,本步骤首先确定覆盖不同方向范围的多个方向区间。参考图5所示,本步骤中确定方向区间的方法具体可以包括以下步骤:
步骤S510.在地图平面上确定覆盖所有运动方向的方向范围。
举例而言,以正北方向作为0度方向,那么整个地图平面将覆盖0~360度的方向范围,每个方向与正北方向之间沿顺时针方向的旋转角度可以作为该方向的度量角度值,例如,正东方向对应90度方向,正南方向对应180度方向,而正西方向则对应270度方向。
步骤S520.将方向范围划分为具有相同范围大小的多个方向区间。
本步骤可以将整体的方向范围平均切分为n个方向区间,那么每个方向区间将覆盖角度值区间为360/n的方向范围。可选地,本步骤可以确定8个方向区间,那么每个方向区间将覆盖45度的方向范围。
步骤S420.根据运动方向信息将轨迹点簇中的各个运动轨迹点划分至方向区间中。
根据轨迹点簇中运动轨迹点的运动方向信息,可以对运动轨迹点进行方向区间的划分。举例而言,某一运动轨迹点的运动方向为北偏东30度,那么该运动轨迹点可以被划分至0~45度的方向区间中;另一运动轨迹点的运动方向为东偏南30度,那么该运动轨迹点可以被划分至90~135度的方向区间中。
步骤S430.根据方向区间的划分结果确定每个方向区间中的运动轨迹点与轨迹点簇中的所有运动轨迹点之间的数量比例。
由步骤S420完成对各个运动轨迹点的方向区间划分后,本步骤可以统计各个方向区间内落入的运动轨迹点的数量以及轨迹点簇中的运动轨迹点的总数量,二者之间的数量比例即为各个方向区间中的运动轨迹点的数量占比。
步骤S440.根据数量比例确定用于表示各个运动轨迹点的方向无序程度的轨迹点簇的无序度。
根据各个方向区间中运动轨迹点的数量比例可以确定得到轨迹点簇的无序度,该无序度用于表示各个运动轨迹点相互之间的方向无序程度。轨迹点簇的无序度类似于热力学中的熵,熵是用于表征体系混乱程度的物理参量。在分子热运动中,熵的数值大小可以描述分子运动方向的无序程度。本示例性实施方式中则可以借助熵的概念对运动轨迹点的方向无序程度进行表征。
对于真实的地图缺失道路而言,道路行驶方向对应的方向区间中应当会落入较多的运动轨迹点,而其他方向区间则没有或者仅有少量的运动轨迹点落入。由此可见,如果轨迹点簇的无序度越低,那么对应的疑似缺失道路为真实的地图缺失道路的可能性也将越高。
图6示出了在本公开的一些示例性实施方式中根据分散度和无序度确定道路置信度的步骤流程图。
如图6所示,在以上示例性实施方式的基础上,步骤S330.根据运动轨迹点的轨迹点分散度确定用于表示各个运动轨迹点之间的位置分散程度的轨迹点簇的分散度,可以包括以下步骤:
步骤S610.分别对分散度和无序度做归一化处理后得到归一化分散度和归一化无序度。
对于分别通过步骤S310和步骤S320确定得到的分散度和无序度而言,由于两项参数的确定是独立进行的,因此在参数取值的范围上也存在较大的差异性。为了对二者进行统一以便于确定道路置信度,本步骤可以先对分散度进行归一化处理以得到归一化分散度,同时对无序度做归一化处理以得到归一化无序度,从而可以得到取值范围一致的两项参数。
步骤S620.根据归一化分散度和归一化无序度确定疑似缺失道路为地图缺失道路的道路置信度。
相比于取值范围不确定的分散度和无序度而言,基于归一化分散度和归一化无序度对道路置信度进行计算,可以使两种不同维度的评估参数能够在道路置信度中占据相对均衡的影响程度,从而能够得到相对客观的计算结果。
图7示出了在本公开的一些示例性实施方式中确定轨迹点簇的步骤流程图。
如图7所示,步骤S110.确定由多个运动轨迹点组成的对应于疑似缺失道路的轨迹点簇,可以包括以下步骤:
步骤S710.获取目标对象的运动轨迹信息,并根据运动轨迹信息确定目标对象在地图上的运动轨迹点。
本步骤可以首先选取一种或者几种运动对象作为目标对象,例如可以将外卖骑手作为目标对象,通过采集外卖骑手的导航定位数据,获取其运动轨迹信息。根据获取到的目标对象的运动轨迹信息,可以确定目标对象在地图上的运动轨迹点。运动轨迹点是位于目标对象运动轨迹上的相互独立的节点,运动轨迹点的确定结果与导航定位数据的采集范围和采集频率等数据采集方式相关。
可选地,本步骤可以获取目标对象在目标地图范围内以及目标时间范围内的运动轨迹信息,作为确定运动轨迹点的基础。举例而言,本步骤可以获取北京市市区范围内在一周内的外卖骑手的运动轨迹信息,并根据这部分信息确定运动轨迹点。确定合适的目标地图范围,可以提高从电子地图上发现疑似缺失道路的可能性;而确定合适的目标时间范围,则可以提高判断疑似缺失道路是否为真实的地图缺失道路的准确性。
步骤S720.根据运动轨迹点与地图上的已有道路的位置关系对运动轨迹点进行筛选以得到对应于疑似缺失道路的目标轨迹点。
本步骤可以获取地图上的已有路网信息,基于已有路网信息确定运动轨迹点与已有道路的位置关系。根据该位置关系可以对运动轨迹点进行筛选,从中选取出对应于疑似缺失道路的目标轨迹点。举例而言,对于分布在已有道路上或者与已有道路位置相近的运动轨迹点,可以认为目标对象是在已有道路上运动,因此需要将其剔除。而对于与已有道路位置较远的运动轨迹点,则可以初步判断运动对象是在疑似缺失道路上运动,因此可以将其作为目标轨迹点。
步骤S730.根据目标轨迹点的分布密度确定各个目标轨迹点与相邻的目标轨迹点之间的可连接性。
根据一个目标轨迹点周围一定范围内的其他目标轨迹点的分布数量,可以确定该目标轨迹点的分布密度。然后根据分布密度的数值关系,可以确定各个目标轨迹点与邻近的其他目标轨迹点之间的可连接性。例如可以将分布密度大于某一数值的目标轨迹点确定为可连接,而将其他分布密度较小的目标轨迹点确定为不可连接。举例而言,某一目标轨迹点在其周围10米范围内分布有4个其他的目标轨迹点,那么可以将其分布密度记作4。对于其他四个邻近的目标轨迹点,可以用同样的方式确定其分布密度分别为2、1、5和3。那么可以将分布密度为5的目标轨迹点作为可连接的目标轨迹点,而分布密度小于4的另外三个目标轨迹点即作为不可连接的目标轨迹点。
步骤S740.将多个可连接的目标轨迹点连接组成对应于疑似缺失道路的轨迹点簇。
在得到每个目标轨迹点的分布密度,并且确定每个目标轨迹点与相邻的其他目标轨迹点的可连接性之后,本步骤将把可连接的目标轨迹点进行连接以组成对应于疑似缺失道路的轨迹点簇。其他一些距离较近的目标轨迹点同样可以落入轨迹点簇的范围,而距离较远的目标轨迹点则会被排除在轨迹点簇之外。
在本示例性实施方式中,通过确定分布密度对目标轨迹点的可连接性做出判断,能够将分布密度较高的区域纳入至轨迹点簇的范围中,可以形成任意形状的轨迹点簇,有利于发现形状多样化的地图缺失道路。
图8示出了在本公开的一些示例性实施方式中确定运动轨迹点的步骤流程图。
如图8所示,在以上示例性实施方式的基础上,步骤S710中的根据运动轨迹信息确定目标对象在地图上的运动轨迹点,可以包括以下步骤:
步骤S810.根据运动轨迹信息确定目标对象在地图上的初始位置,并将初始位置作为目标对象的第一个运动位置节点。
在确定目标对象后的运动轨迹信息之后,尤其是在确定目标地图范围和目标时间范围的情况下,本步骤可以确定目标对象在地图上的初始位置,该初始位置可以是目标对象在目标地图范围和目标时间范围内首次出现在地图上的位置,这一位置也作为目标对象的第一个运动位置节点。
步骤S820.由初始位置出发,沿目标对象的运动轨迹依次选取目标对象的多个运动位置节点,并将运动位置节点确定为目标对象在地图上的运动轨迹点。
随着目标对象的运动,在地图上将留下由初始位置作为起始点的运动轨迹。从目标对象的初始位置出发,沿着目标对象的运动轨迹可以依次选取多个运动位置节点。选取到的运动位置节点即被确定为目标对象在地图上的运动轨迹点。
图9示出了在本公开的一些示例性实施方式中从目标对象的运动轨迹上选取运动位置节点的步骤流程图。
如图9所示,步骤S820中的沿目标对象的运动轨迹依次选取目标对象的多个运动位置节点,可以包括以下步骤:
步骤S910.沿目标对象的运动轨迹选取目标对象的一个临时位置节点。
目标对象的运动轨迹由一连串位置节点组成,本步骤可以沿着目标对象的运动轨迹选取一个临时位置节点,例如可以在确定一个运动位置节点后,将该运动位置节点之后记录的第一个位置节点作为选取得到的临时位置节点。
步骤S920.获取临时位置节点与目标对象的上一个运动位置节点之间的运动距离和运动时间。
位于目标对象运动轨迹上的每一个运动位置节点以及临时位置节点均具有通过地图定位产生的位置信息和时间信息,在确定临时位置节点后,可以根据相应的定位数据获取到该临时位置节点与上一个运动位置节点之间的运动距离和运动时间。其中,运动距离可以是运动轨迹上的轨迹长度。
步骤S930.当运动距离大于目标距离间隔或者运动时间大于目标时间间隔时,将临时位置节点确定为目标对象的运动位置节点。
对步骤S920中获取到的运动距离和运动时间做出判断,如果一个临时位置节点与上一个运动位置节点之间的运动距离大于目标距离间隔或者该临时位置节点与上一个运动位置节点之间的运动时间大于目标时间间隔,那么可以将该临时位置节点确定为一个新的运动位置节点。换言之,运动距离和运动时间两个参数中的任意一个达到目标值,便可以选定一个运动位置节点。
步骤S940.继续沿目标对象的运动轨迹选取目标对象的下一个临时位置节点以确定目标对象的下一个运动位置节点。
在确定一个新的运动位置节点后,可以返回并继续执行步骤S910至步骤S930,亦即继续选取下一个临时位置节点进而确定下一个运动位置节点。通过重复执行运动位置节点的确定步骤可以沿目标对象的运动轨迹依次选取多个运动位置节点,直至到达目标对象在指定的时间和地域范围内的运动终点。
在本示例性实施方式中,以目标距离间隔和目标时间间隔作为运动位置节点的选取依据,可以获得相对均匀分布的运动位置节点。举例而言,如果目标对象的运动速度较快,会先满足目标距离间隔的条件;而如果目标对象的运动速度较慢,则会先满足目标时间间隔。因此,不管目标对象的运动速度如何变化,都能有效避免出现运动位置节点过于密集或者过于稀疏的情况,从而能够提高各个运动位置节点作为运动轨迹点的有效性和代表性。
图10示出了在本公开的一些示例性实施方式中筛选目标轨迹点的步骤流程图。
如图10所示,在以上示例性实施方式的基础上,步骤S720.根据运动轨迹点与地图上的已有道路的位置关系对运动轨迹点进行筛选以得到对应于疑似缺失道路的目标轨迹点,可以包括以下步骤:
步骤S1010.根据运动轨迹点与地图上的已有道路的位置关系确定与运动轨迹点距离最近的邻近道路。
对于分布在地图的已有道路上的运动轨迹点而言,其所在道路便是与之距离最近的邻近道路(即距离为零);而对于分布在已有道路之外的运动轨迹点而言,可以确定该运动轨迹点与分布在其周围的多条已有道路在地图平面内的垂直距离,并将距离最近的一条已有道路作为其邻近道路。
步骤S1020.当运动轨迹点与邻近道路之间的距离大于目标道路距离时,将运动轨迹点确定为对应于疑似缺失道路的目标轨迹点。
如果一个运动轨迹点与邻近道路之间的距离大于目标道路距离(例如大于30米),那么该运动轨迹点所在位置便可以视作疑似缺失道路的位置,该运动轨迹点也可以被确定为对应于疑似缺失道路的目标轨迹点。而如果一个运动轨迹点与邻近道路之间的距离很短,那么该运动轨迹点很可能是由于定位误差而产生的,而对应的目标对象也很可能是运动在邻近的已有道路上而非疑似缺失道路上。通过设置目标道路距离,便可以将这部分因定位不准确而产生的运动轨迹点排除在目标轨迹点之外。
因定位不准确或者其他原因而产生的无效的运动轨迹点可以看做是需要被清除的噪声轨迹点,图11示出了在本公开的一些示例性实施方式中清除噪声轨迹点的步骤流程图。
如图11所示,在以上示例性实施方式的基础上,在步骤S720.根据运动轨迹点与地图上的已有道路的位置关系对运动轨迹点进行筛选以得到对应于疑似缺失道路的目标轨迹点之前,还可以执行以下步骤:
步骤S1110.获取各个运动轨迹点的运动速度和定位误差。
通过采集地图定位数据可以获取各个运动轨迹点的运动速度和定位误差。其中,运动速度可以是目标对象在该运动轨迹点所在位置的瞬时速度,而定位误差可以是目标对象的定位位置与真实位置之间的距离误差。
步骤S1120.将运动速度小于速度限值或者定位误差大于误差限值的运动轨迹点标记为噪声轨迹点。
根据运动速度和定位误差的大小可以确定运动轨迹点中的噪声轨迹点。如果一个运动轨迹点的运动速度小于速度限制(如小于1米/秒),那么目标对象运动速度过慢,难以体现运动轨迹点在道路上正常运动的代表性。如果一个运动轨迹点的定位误差大于误差限制(如大于8米),那么该运动轨迹点的定位准确度较低,不能提供有效的定位数据。
步骤S1130.清除运动轨迹点中的噪声轨迹点。
通过步骤S1120可以标记出运动轨迹点中的噪声轨迹点,而本步骤将清除这部分噪声轨迹点,从而确保剩下的运动轨迹点能够提供具有一定代表性和有效性的定位数据,从而提高确定道路置信度的准确性。
下面参考图12,对本公开示例性实施方式提供的地图缺失道路的确定方法在一应用场景下的步骤流程做出说明。在该应用场景中,以负责外卖配送的外卖骑手作为目标对象,基于外卖骑手的GPS轨迹数据,通过数据挖掘算法挖掘到缺失的路线,并输出道路的置信度值,选取置信度较高的道路用于自动化路网补全。
如图12所示,该地图缺失道路的确定方法主要可以包括以下几个部分:
首先对外卖骑手的GPS轨迹数据做预处理:
步骤S1210.从数据仓库系统中导入数据。
使用X86构架Linux操作系统服务器集群,以Spark构建分布式科学计算系统,导入并存储数据仓库系统中以每个城市14个自然日为单位的骑手骑行轨迹数据,轨迹密度为每骑手100米或60秒一个轨迹点(两个条件以先到为准),其中每个轨迹点的数据包含:经度、纬度、运动速度、运动方向、定位误差。
步骤S1220.清洗高误差数据。
不符合要求的数据可以归纳为不完整、不一致和噪声数据几类。针对每种数据可以分别采用不同的处理。由于GPS数据本身即是一种噪音数据,所以需要删除掉高误差的轨迹点记录。例如,可以删除定位误差大于8米和运动速度小于1米/秒的轨迹点记录。
步骤S1230.筛选不在已有路网的轨迹记录。
筛选出距离已有路网垂直投影距离大于30米的轨迹点记录作为清洗后的有效数据。
在经过预处理得到有效数据后,可以通过密度聚类算法确定轨迹点簇。
步骤S1240.密度聚类。
聚类是将样本进行分组的一项任务,使相似的对象归为一类,不相似的对象归为不同类。密度聚类是从样本密度的角度进行考察样本之间的可连接性,并由可连接样本不断扩展直到获得最终的聚类结果。
图13示出了利用DBSCAN聚类算法对样本点进行聚类的聚类效果。在图13所示的样本点分布情况下,首先确定一个固定的圆周半径,然后将圆周范围内样本密度大于4的样本点作为可连接的样本点,依次对各个可连接的样本点进行连接即得到如图13所示的分别沿两条箭头连接线所在路径的两个样本点簇。
在本公开的应用场景中,可以使用Spark开发平台建立DBSCAN聚类算法模型,导入通过数据预处理生成的轨迹点记录数据,按照模型规则计算,最终生成对应于疑似缺失道路的轨迹点簇。
如图14所示,在电子地图上可以利用密度聚类算法确定一处轨迹点簇(图中未示出该轨迹点簇之外的其他轨迹点),而该轨迹点簇即对应于图15所示的一处疑似缺失道路(椭圆形状所在位置)。
在经过密度聚类处理后,已经生成疑似缺失道路的轨迹划分集合,接下来需要进一步计算疑似缺失道路为真实的地图缺失道路的置信度参数。
步骤S1250.分散度计算。
分散度可以理解为缺失道路轨迹点簇划分中,每个轨迹点簇的簇内不相似度。其计算方式如下:
设轨迹点簇i中所包含的轨迹点集合E=(X1,X2,...,Xj),点Xn的内聚度的计算方式为:
其中Distance()用于计算两个轨迹点之间的实际地球球面距离,可以采用与密度聚类部分相似的距离计算方式。
轨迹点簇i整体的内聚度为:
分别计算所有轨迹点簇的分散度,可以得到数据集C={C1,C2,...,Cm}。
步骤S1260.划分方向区间。
本公开基于热力学中用于表征物质状态的热熵的计算原理来量化轨迹点簇集合中各个轨迹点方向的无序程度。在此基础上,首先进行方向区间的划分。
轨迹点簇中各个轨迹点的方向数据是以正北方向为0度形成0~360度的范围区间,将方向值平均划分为n个区间,以360/n为区间长度。如n=8时,区间长度为360/8=45,由此计算出轨迹点簇集合中每个轨迹点方向的区间划分。
步骤S1270.划分方向区间。
设轨迹点簇i中所包含的轨迹点集合E=(X1,X2,...,Xj),n为划分的区间个数,pk为第k个划分区间中轨迹点占该轨迹点簇全部轨迹点的概率,则轨迹点簇i的无序度的计算方式为:
分别计算所有轨迹点簇的无序度,可以得到数据集En={En1,En2,...,Enm}。
步骤S1280.置信度计算。
轨迹点簇i整体的分散度经过归一化处理为:
轨迹点簇i整体的无序度经过归一化处理为:
轨迹点簇i的置信度为:
分别计算所有轨迹点簇的置信度,可以得到数据集Fn={Fn1,Fn2,...,Fnm},并存储至Hadoop分布式文件系统HDFS上,置信度的值越高,表明该轨迹点簇对应的疑似缺失道路为实际的地图缺失道路的可能性越大。在较高的置信度区间内可以不依赖人工审核而保证正确性,大幅度提升缺失道路挖掘的效率,从而可以用于解决自动化补全路网的问题。
需要说明的是,虽然以上示例性实施方式以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或者必须执行全部的步骤才能实现期望的结果。附加地或者备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
在本公开的示例性实施方式中,还提供一种地图缺失道路的确定装置,图16示出了该装置的组成结构。
如图16所示,地图缺失道路的确定装置1600主要可以包括:点簇确定模块1610、信息获取模块1620和置信度确定模块1630。
点簇确定模块1610被配置为确定由多个运动轨迹点组成的对应于疑似缺失道路的轨迹点簇;
信息获取模块1620被配置为获取所述轨迹点簇中的各个所述运动轨迹点的运动位置信息和运动方向信息;
置信度确定模块1630被配置为根据所述运动位置信息和所述运动方向信息确定所述疑似缺失道路为地图缺失道路的道路置信度。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,置信度确定模块1630可以进一步包括:
分散度确定单元,被配置为根据所述运动位置信息确定用于表示各个所述运动轨迹点之间的位置分散程度的所述轨迹点簇的分散度;
无序度确定单元,被配置为根据所述运动方向信息确定用于表示各个所述运动轨迹点的方向无序程度的所述轨迹点簇的无序度;
置信度确定单元,被配置为根据所述分散度和所述无序度确定所述疑似缺失道路为地图缺失道路的道路置信度。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,分散度确定单元可以进一步包括:
位置距离确定子单元,被配置为根据各个所述运动轨迹点的运动位置信息确定每个所述运动轨迹点分别与其他各个运动轨迹点之间的位置距离;
轨迹点分散度确定子单元,被配置为根据所述位置距离确定所述轨迹点簇中的每个所述运动轨迹点的轨迹点分散度;
分散度确定子单元,被配置为根据所述运动轨迹点的轨迹点分散度确定用于表示各个所述运动轨迹点之间的位置分散程度的所述轨迹点簇的分散度。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,无序度确定单元可以进一步包括:
方向区间确定子单元,被配置为确定对应于不同方向范围的多个方向区间;
反向区间划分子单元,被配置为根据所述运动方向信息将所述轨迹点簇中的各个所述运动轨迹点划分至所述方向区间中;
数量比例确定子单元,被配置为根据所述方向区间的划分结果确定每个所述方向区间中的运动轨迹点与所述轨迹点簇中的所有运动轨迹点之间的数量比例;
无序度确定子单元,被配置为根据所述数量比例确定用于表示各个所述运动轨迹点的方向无序程度的所述轨迹点簇的无序度。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,方向区间确定子单元可以进一步包括:
方向范围确定孙单元,被配置为在地图平面上确定覆盖所有运动方向的方向范围;
方向区间确定孙单元,被配置为将所述方向范围划分为具有相同范围大小的多个方向区间。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,置信度确定单元可以进一步包括:
归一化确定子单元,被配置为分别对所述分散度和所述无序度做归一化处理后得到归一化分散度和归一化无序度;
置信度确定子单元,被配置为根据所述归一化分散度和所述归一化无序度确定所述疑似缺失道路为地图缺失道路的道路置信度。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,点簇确定模块1610可以进一步包括:
运动轨迹点确定单元,被配置为获取目标对象的运动轨迹信息,并根据所述运动轨迹信息确定所述目标对象在地图上的运动轨迹点;
目标轨迹点确定单元,被配置为根据所述运动轨迹点与所述地图上的已有道路的位置关系对所述运动轨迹点进行筛选以得到对应于疑似缺失道路的目标轨迹点;
可连接性确定单元,被配置为根据所述目标轨迹点的分布密度确定各个所述目标轨迹点与相邻的目标轨迹点之间的可连接性;
轨迹点簇确定单元,被配置为将多个可连接的目标轨迹点连接组成对应于所述疑似缺失道路的轨迹点簇。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,运动轨迹点确定单元可以进一步包括:
运动轨迹信息获取子单元,被配置为获取目标对象在目标地图范围内以及目标时间范围内的运动轨迹信息。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,运动轨迹点确定单元还可以进一步包括:
初始位置确定子单元,被配置为根据所述运动轨迹信息确定所述目标对象在地图上的初始位置,并将所述初始位置作为所述目标对象的第一个运动位置节点;
运动轨迹点确定子单元,被配置为由所述初始位置出发,沿所述目标对象的运动轨迹依次选取所述目标对象的多个运动位置节点,并将所述运动位置节点确定为所述目标对象在地图上的运动轨迹点。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,运动轨迹点确定子单元可以进一步包括:
临时位置节点确定孙单元,被配置为沿所述目标对象的运动轨迹选取所述目标对象的一个临时位置节点;
距离及时间获取孙单元,被配置为获取所述临时位置节点与所述目标对象的上一个运动位置节点之间的运动距离和运动时间;
运动位置节点确定孙单元,被配置为当所述运动距离大于目标距离间隔或者所述运动时间大于目标时间间隔时,将所述临时位置节点确定为所述目标对象的运动位置节点;
运动位置节点继续确定孙单元,被配置为继续沿所述目标对象的运动轨迹选取所述目标对象的下一个临时位置节点以确定所述目标对象的下一个运动位置节点。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,目标轨迹点确定单元可以进一步包括:
邻近道路确定子单元,被配置为根据所述运动轨迹点与所述地图上的已有道路的位置关系确定与所述运动轨迹点距离最近的邻近道路;
目标轨迹点确定子单元,被配置为当所述运动轨迹点与所述邻近道路之间的距离大于目标道路距离时,将所述运动轨迹点确定为对应于疑似缺失道路的目标轨迹点。
在本公开的一些示例性实施方式中,基于以上示例性实施方式,点簇确定模块1610还可以进一步包括:
速度及误差获取单元,被配置为获取各个所述运动轨迹点的运动速度和定位误差;
噪声轨迹点标记单元,被配置为将所述运动速度小于速度限值或者所述定位误差大于误差限值的运动轨迹点标记为噪声轨迹点;
噪声轨迹点清除单元,被配置为清除所述运动轨迹点中的所述噪声轨迹点。
以上各示例性实施方式中的地图缺失道路的确定装置的具体细节已经在对应的地图缺失道路的确定方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施方式中,还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时可实现本公开的上述的地图缺失道路的确定方法。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码;该程序产品可以存储在一个非易失性存储介质(可以是CD-ROM、U盘或者移动硬盘等)中或网络上;当所述程序产品在一台计算设备(可以是个人计算机、服务器、终端装置或者网络设备等)上运行时,所述程序代码用于使所述计算设备执行本公开中上述各示例性实施例中的方法步骤。
参见图17所示,根据本公开的实施方式的用于实现上述方法的程序产品1700,其可以采用便携式紧凑磁盘只读存储器(CD-ROM)并包括程序代码,并可以在计算设备(例如个人计算机、服务器、终端装置或者网络设备等)上运行。然而,本公开的程序产品不限于此。在本示例性实施例中,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。
所述程序产品可以采用一个或者多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。
可读存储介质例如可以为但不限于电、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。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。
可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任意可读介质,该可读介质可以发送、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。
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、有线、光缆、RF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的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户计算设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络(包括局域网(LAN)或广域网(WAN)等)连接到用户计算设备;或者,可以连接到外部计算设备,例如利用因特网服务提供商来通过因特网连接。
在本公开的示例性实施方式中,还提供一种电子设备,所述电子设备包括至少一个处理器以及至少一个用于存储所述处理器的可执行指令的存储器;其中,所述处理器被配置为经由执行所述可执行指令来执行本公开中上述各示例性实施例中的方法步骤。
下面结合图18对本示例性实施方式中的电子设备1800进行描述。电子设备1800仅仅为一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
参见图18所示,电子设备1800以通用计算设备的形式表现。电子设备1800的组件可以包括但不限于:至少一个处理单元1810、至少一个存储单元1820、连接不同系统组件(包括处理单元1810和存储单元1820)的总线1830、显示单元1840。
其中,存储单元1820存储有程序代码,所述程序代码可以被处理单元1810执行,使得处理单元1810执行本公开中上述各示例性实施例中的方法步骤。
存储单元1820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元1821(RAM)和/或高速缓存存储单元1822,还可以进一步包括只读存储单元1823(ROM)。
存储单元1820还可以包括具有一组(至少一个)程序模块1825的程序/实用工具1824,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其他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。
总线1830可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用各种总线结构中的任意总线结构的局域总线。
电子设备1800也可以与一个或多个外部设备1900(例如键盘、指向设备、蓝牙设备等)通信,还可以与一个或者多个使得用户可以与该电子设备1800交互的设备通信,和/或与使得该电子设备1800能与一个或多个其他计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入/输出(I/O)接口1850进行。并且,电子设备1800还可以通过网络适配器1860与一个或者多个网络(例如局域网(LAN)、广域网(WAN)和/或公共网络,例如因特网)通信。如图18所示,网络适配器1860可以通过总线1830与电子设备1800的其他模块通信。应当明白,尽管图中未示出,可以结合电子设备1800使用其他硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
本领域技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
上述所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中,如有可能,各实施例中所讨论的特征是可互换的。在上面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组件、材料等。在其它情况下,不详细示出或描述公知结构、材料或者操作以避免模糊本公开的各方面。
Claims (15)
1.一种地图缺失道路的确定方法,其特征在于,所述方法包括:
确定由多个运动轨迹点组成的对应于疑似缺失道路的轨迹点簇;
获取所述轨迹点簇中的各个所述运动轨迹点的运动位置信息和运动方向信息;
根据所述运动位置信息和所述运动方向信息确定所述疑似缺失道路为地图缺失道路的道路置信度。
2.根据权利要求1所述的地图缺失道路的确定方法,其特征在于,根据所述运动位置信息和所述运动方向信息确定所述疑似缺失道路为地图缺失道路的道路置信度,包括:
根据所述运动位置信息确定用于表示各个所述运动轨迹点之间的位置分散程度的所述轨迹点簇的分散度;
根据所述运动方向信息确定用于表示各个所述运动轨迹点的方向无序程度的所述轨迹点簇的无序度;
根据所述分散度和所述无序度确定所述疑似缺失道路为地图缺失道路的道路置信度。
3.根据权利要求2所述的地图缺失道路的确定方法,其特征在于,根据所述运动位置信息确定用于表示各个所述运动轨迹点之间的位置分散程度的所述轨迹点簇的分散度,包括:
根据各个所述运动轨迹点的运动位置信息确定每个所述运动轨迹点分别与其他各个运动轨迹点之间的位置距离;
根据所述位置距离确定所述轨迹点簇中的每个所述运动轨迹点的轨迹点分散度;
根据所述运动轨迹点的轨迹点分散度确定用于表示各个所述运动轨迹点之间的位置分散程度的所述轨迹点簇的分散度。
4.根据权利要求2所述的地图缺失道路的确定方法,其特征在于,根据所述运动方向信息确定用于表示各个所述运动轨迹点的方向无序程度的所述轨迹点簇的无序度,包括:
确定对应于不同方向范围的多个方向区间;
根据所述运动方向信息将所述轨迹点簇中的各个所述运动轨迹点划分至所述方向区间中;
根据所述方向区间的划分结果确定每个所述方向区间中的运动轨迹点与所述轨迹点簇中的所有运动轨迹点之间的数量比例;
根据所述数量比例确定用于表示各个所述运动轨迹点的方向无序程度的所述轨迹点簇的无序度。
5.根据权利要求4所述的地图缺失道路的确定方法,其特征在于,确定对应于不同方向范围的多个方向区间,包括:
在地图平面上确定覆盖所有运动方向的方向范围;
将所述方向范围划分为具有相同范围大小的多个方向区间。
6.根据权利要求2所述的地图缺失道路的确定方法,其特征在于,根据所述分散度和所述无序度确定所述疑似缺失道路为地图缺失道路的道路置信度,包括:
分别对所述分散度和所述无序度做归一化处理后得到归一化分散度和归一化无序度;
根据所述归一化分散度和所述归一化无序度确定所述疑似缺失道路为地图缺失道路的道路置信度。
7.根据权利要求1-6中任意一项所述的地图缺失道路的确定方法,其特征在于,确定由多个运动轨迹点组成的对应于疑似缺失道路的轨迹点簇,包括:
获取目标对象的运动轨迹信息,并根据所述运动轨迹信息确定所述目标对象在地图上的运动轨迹点;
根据所述运动轨迹点与所述地图上的已有道路的位置关系对所述运动轨迹点进行筛选以得到对应于疑似缺失道路的目标轨迹点;
根据所述目标轨迹点的分布密度确定各个所述目标轨迹点与相邻的目标轨迹点之间的可连接性;
将多个可连接的目标轨迹点连接组成对应于所述疑似缺失道路的轨迹点簇。
8.根据权利要求7所述的地图缺失道路的确定方法,其特征在于,获取目标对象的运动轨迹信息,包括:
获取目标对象在目标地图范围内以及目标时间范围内的运动轨迹信息。
9.根据权利要求7所述的地图缺失道路的确定方法,其特征在于,根据所述运动轨迹信息确定所述目标对象在地图上的运动轨迹点,包括:
根据所述运动轨迹信息确定所述目标对象在地图上的初始位置,并将所述初始位置作为所述目标对象的第一个运动位置节点;
由所述初始位置出发,沿所述目标对象的运动轨迹依次选取所述目标对象的多个运动位置节点,并将所述运动位置节点确定为所述目标对象在地图上的运动轨迹点。
10.根据权利要求9所述的地图缺失道路的确定方法,其特征在于,沿所述目标对象的运动轨迹依次选取所述目标对象的多个运动位置节点,包括:
沿所述目标对象的运动轨迹选取所述目标对象的一个临时位置节点;
获取所述临时位置节点与所述目标对象的上一个运动位置节点之间的运动距离和运动时间;
当所述运动距离大于目标距离间隔或者所述运动时间大于目标时间间隔时,将所述临时位置节点确定为所述目标对象的运动位置节点;
继续沿所述目标对象的运动轨迹选取所述目标对象的下一个临时位置节点以确定所述目标对象的下一个运动位置节点。
11.根据权利要求7所述的地图缺失道路的确定方法,其特征在于,根据所述轨迹点与所述地图上的已有道路的位置关系对所述运动轨迹点进行筛选以得到对应于疑似缺失道路的目标轨迹点,包括:
根据所述运动轨迹点与所述地图上的已有道路的位置关系确定与所述运动轨迹点距离最近的邻近道路;
当所述运动轨迹点与所述邻近道路之间的距离大于目标道路距离时,将所述运动轨迹点确定为对应于疑似缺失道路的目标轨迹点。
12.根据权利要求7所述的地图缺失道路的确定方法,其特征在于,在根据所述运动轨迹点与所述地图上的已有道路的位置关系对所述运动轨迹点进行筛选以得到对应于疑似缺失道路的目标轨迹点之前,所述方法还包括:
获取各个所述运动轨迹点的运动速度和定位误差;
将所述运动速度小于速度限值或者所述定位误差大于误差限值的运动轨迹点标记为噪声轨迹点;
清除所述运动轨迹点中的所述噪声轨迹点。
13.一种地图缺失道路的确定装置,其特征在于,所述装置包括:
点簇确定模块,被配置为确定由多个运动轨迹点组成的对应于疑似缺失道路的轨迹点簇;
信息获取模块,被配置为获取所述轨迹点簇中的各个所述运动轨迹点的运动位置信息和运动方向信息;
置信度确定模块,被配置为根据所述运动位置信息和所述运动方向信息确定所述疑似缺失道路为地图缺失道路的道路置信度。
14.一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,所述计算机程序被处理器执行时实现权利要求1-12中任意一项所述的地图缺失道路的确定方法。
15.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器被配置为经由执行所述可执行指令来执行权利要求1-12中任意一项所述的地图缺失道路的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910689748.XA CN110399365A (zh) | 2019-07-29 | 2019-07-29 | 地图缺失道路的确定方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910689748.XA CN110399365A (zh) | 2019-07-29 | 2019-07-29 | 地图缺失道路的确定方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110399365A true CN110399365A (zh) | 2019-11-01 |
Family
ID=68326337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910689748.XA Pending CN110399365A (zh) | 2019-07-29 | 2019-07-29 | 地图缺失道路的确定方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110399365A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111750876A (zh) * | 2020-06-16 | 2020-10-09 | 北京百度网讯科技有限公司 | 路网修复方法、装置、设备以及存储介质 |
CN111898648A (zh) * | 2020-07-07 | 2020-11-06 | 北京三快在线科技有限公司 | 路网图生成方法、装置、电子设备和计算机可读存储介质 |
CN112258128A (zh) * | 2020-11-11 | 2021-01-22 | 拉扎斯网络科技(上海)有限公司 | 目标位置估计方法、装置、电子设备及计算机存储介质 |
CN112991722A (zh) * | 2021-02-03 | 2021-06-18 | 浙江浙大中控信息技术有限公司 | 高频gps点的公交车辆实时路口预测方法和系统 |
CN115984279A (zh) * | 2023-03-20 | 2023-04-18 | 银河航天(北京)网络技术有限公司 | 一种路径确定方法、系统、电子设备及存储介质 |
-
2019
- 2019-07-29 CN CN201910689748.XA patent/CN110399365A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111750876A (zh) * | 2020-06-16 | 2020-10-09 | 北京百度网讯科技有限公司 | 路网修复方法、装置、设备以及存储介质 |
CN111898648A (zh) * | 2020-07-07 | 2020-11-06 | 北京三快在线科技有限公司 | 路网图生成方法、装置、电子设备和计算机可读存储介质 |
CN112258128A (zh) * | 2020-11-11 | 2021-01-22 | 拉扎斯网络科技(上海)有限公司 | 目标位置估计方法、装置、电子设备及计算机存储介质 |
CN112258128B (zh) * | 2020-11-11 | 2021-10-26 | 拉扎斯网络科技(上海)有限公司 | 目标位置估计方法、装置、电子设备及计算机存储介质 |
CN112991722A (zh) * | 2021-02-03 | 2021-06-18 | 浙江浙大中控信息技术有限公司 | 高频gps点的公交车辆实时路口预测方法和系统 |
CN115984279A (zh) * | 2023-03-20 | 2023-04-18 | 银河航天(北京)网络技术有限公司 | 一种路径确定方法、系统、电子设备及存储介质 |
CN115984279B (zh) * | 2023-03-20 | 2023-11-17 | 银河航天(北京)网络技术有限公司 | 一种路径确定方法、系统、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399365A (zh) | 地图缺失道路的确定方法、装置、存储介质及电子设备 | |
Soh et al. | Adaptive deep learning-based air quality prediction model using the most relevant spatial-temporal relations | |
Zheng et al. | Detecting collective anomalies from multiple spatio-temporal datasets across different domains | |
Biagioni et al. | Easytracker: automatic transit tracking, mapping, and arrival time prediction using smartphones | |
KR20150124396A (ko) | 크라우드소싱을 이용한 위치 결정, 매핑 및 데이터 관리 시스템 및 방법 | |
CN105206057B (zh) | 基于浮动车居民出行热点区域的检测方法及系统 | |
CN110375753A (zh) | 地图匹配方法、装置、服务器及存储介质 | |
CN109697221A (zh) | 轨迹规律的挖掘方法、装置、存储介质及电子设备 | |
CN109377752A (zh) | 短时交通流变化预测方法、装置、计算机设备及存储介质 | |
CN111461410B (zh) | 一种基于迁移学习的空气质量的预测方法及装置 | |
WO2016108977A1 (en) | Analyzing semantic places and related data from a plurality of location data reports | |
BRPI0616736A2 (pt) | métodos para prediçao de destinos a partir de trajetórias parciais empregando métodos de modelagem de mundo aberto e de mundo fechado | |
Li et al. | Automatic generation and validation of road maps from GPS trajectory data sets | |
Schweizer et al. | Map‐matching algorithm applied to bicycle global positioning system traces in Bologna | |
CN110008801A (zh) | 基于移动遥测数据识别数字地图中的缺失要素 | |
CN106849353A (zh) | 输变电工程环保监测与敏感区域预测系统及方法 | |
EP3192061B1 (en) | Measuring and diagnosing noise in urban environment | |
Chen et al. | Enabling smart urban services with gps trajectory data | |
Wu et al. | GLUE: a parameter-tuning-free map updating system | |
Stenneth et al. | Monitoring and mining GPS traces in transit space | |
CN109974690A (zh) | 车辆定位方法、设备及系统 | |
CN109005501A (zh) | 车辆定位方法、装置、服务器及系统 | |
US11126928B2 (en) | Stationary classifier for geographic route trace data | |
CN111047107A (zh) | 公路通行时间预测方法、装置、电子设备和存储介质 | |
CN115577306A (zh) | 基于自适应密度聚类的共享单车出行潮汐区域探测方法 |
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 |