CN110471999A - 轨迹处理方法、装置、设备和介质 - Google Patents
轨迹处理方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN110471999A CN110471999A CN201910717026.0A CN201910717026A CN110471999A CN 110471999 A CN110471999 A CN 110471999A CN 201910717026 A CN201910717026 A CN 201910717026A CN 110471999 A CN110471999 A CN 110471999A
- Authority
- CN
- China
- Prior art keywords
- track
- target
- source
- road section
- target road
- 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)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开了一种轨迹处理方法、装置、设备和介质,涉及地图领域。该方法包括:将目标轨迹源的轨迹数据与路网进行匹配,确定匹配成功的目标路段;确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息;根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值。本发明实施例提供了一种轨迹处理方法、装置、设备和介质,实现了对轨迹源摘除损失值的确定,进而根据摘除损失值调整轨迹数据来源,以及研发力量的分配。
Description
技术领域
本发明实施例涉及地图领域,尤其涉及一种轨迹处理方法、装置、设备和介质。
背景技术
地图应用中需要大量的轨迹数据进行数据分析,例如地图拥堵检测应用以及地图导航应用等。
轨迹来源多样,包括用户上传的地图导航与底图轨迹,第三方平台调用地图SDK回传的轨迹,出资购买的其他来源的轨迹等等。
如何调整轨迹数据来源,以及研发力量的分配,成为了当前亟待解觉的问题。
发明内容
本发明实施例提供一种轨迹处理方法、装置、设备和介质,以实现对轨迹源摘除损失值的确定,进而根据摘除损失值调整轨迹数据来源,以及研发力量的分配。
第一方面,本发明实施例提供了一种轨迹处理方法,该方法包括:
将目标轨迹源的轨迹数据与路网进行匹配,确定匹配成功的目标路段;
确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息;
根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值。
第二方面,本发明实施例还提供了一种轨迹处理装置,该装置包括:
目标轨迹匹配模块,用于将目标轨迹源的轨迹数据与路网进行匹配,确定匹配成功的目标路段;
其他轨迹匹配模块,用于确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息;
摘除损失值确定模块,用于根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值。
第三方面,本发明实施例还提供了一种电子设备,所述设备包括:
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实施例中任一项所述的轨迹处理方法。
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实施例中任一项所述的轨迹处理方法。
本发明实施例通过根据目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值;其中目标路段是与目标轨迹源的轨迹数据匹配成功的路段。从而实现对目标轨迹源摘除损失值的确定,进而根据摘除损失值调整轨迹数据来源,以及研发力量的分配。
附图说明
图1为本发明实施例一提供的一种轨迹处理方法的流程图;
图2是本发明实施例二提供的一种轨迹处理方法的流程图;
图3是本发明实施例三提供的一种轨迹处理方法的流程图;
图4a是本发明实施例四提供的一种轨迹处理方法的流程示意图;
图4b是本发明实施例四提供的路段与轨迹来源的映射关系示意图;
图4c是本发明实施例四提供的轨迹来源排序示意图;
图4d是本发明实施例四提供的覆盖率和摘除损失的确定效果示意图;
图5是本发明实施例五提供的一种轨迹处理装置的结构示意图;
图6为本发明实施例六提供的一种设备的结构示意图。
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为本发明实施例一提供的一种轨迹处理方法的流程图。本实施例可适用于对轨迹来源进行评估,根据评估结果调整轨迹数据来源,以及研发力量分配的情况。该方法可以由一种轨迹处理装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本实施例提供的轨迹处理方法包括:
S110、将目标轨迹源的轨迹数据与路网进行匹配,确定匹配成功的目标路段。
其中,目标轨迹源是待处理的轨迹来源。
目标路段是路网中与目标轨迹源的轨迹数据匹配成功的路段。
S120、确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息。
其中,其他轨迹源是除目标轨迹源以外的轨迹来源。
具体地,确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,包括:
将所述目标路段与其他轨迹源的轨迹数据进行匹配;
根据匹配结果确定与其他轨迹源的轨迹数据匹配成功的目标路段。
S130、根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值。
其中,目标轨迹源的摘除损失值是指摘除目标轨迹源的损失值。
具体地,根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值,包括:
确定与所述目标路段匹配成功的轨迹数据所述轨迹源的数量,并根据该数量确定所述目标轨迹源的摘除损失值,其中该数量与所述摘除损失值负相关。
典型地,所述根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值,包括:
从所述目标路段中剔除与所述其他轨迹源的轨迹数据匹配成功的目标路段;
计算剩余目标路段的数量与所述路网中路段数量的比值;
根据计算的比值确定所述目标轨迹源的摘除损失值。
本发明实施例的技术方案,通过根据目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值;其中目标路段是与目标轨迹源的轨迹数据匹配成功的路段。从而实现对目标轨迹源摘除损失值的确定,进而根据摘除损失值调整轨迹数据来源,以及研发力量的分配。
实施例二
图2是本发明实施例二提供的一种轨迹处理方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2,本实施例提供的轨迹处理方法包括:
S210、将目标轨迹源的轨迹数据与路网进行匹配,确定匹配成功的目标路段。
S220、确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息。
S230、根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值。
S240、计算所述目标路段的数量与所述路网总路段数量的比值,并将该比值作为所述目标轨迹源的路段覆盖率。
S250、根据所述目标轨迹源的路段覆盖率和摘除损失值,确定所述目标轨迹源的重要度。
本实施例对上述步骤的执行顺序不做限定。可选地,S240可以先于S230执行。
本发明实施例的技术方案,通过计算目标轨迹源的路段覆盖率,并根据目标轨迹源的路段覆盖率和摘除损失值,确定所述目标轨迹源的重要度,从而实现对目标轨迹源重要度的评估。
实施例三
图3是本发明实施例三提供的一种轨迹处理方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3,本实施例提供的轨迹处理方法包括:
S310、将目标轨迹源的轨迹数据与路网进行匹配,确定匹配成功的目标路段。
S320、确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息。
S330、根据所述目标路段与所述其他轨迹源的轨迹数据之间的匹配信息,确定所述目标路段在所述其他轨迹源标识位上的标识符。
其中所述标识符为第一标识符或第二标识符。
典型地,第一标识符为1,第二标识符为0。
具体地,根据所述目标路段与所述其他轨迹源的轨迹数据之间的匹配信息,确定所述目标路段在所述其他轨迹源标识位上的标识符,包括:
若所述目标路段与所述其他轨迹源的轨迹数据匹配成功,则所述目标路段在所述其他轨迹源标识位上的标识符为第一标识符,否则为第二标识符。
S340、将第一标识符确定为所述目标路段在所述目标轨迹标识位上的标识符。
S350、组合所述其他轨迹源标识位上的标识符和所述目标轨迹标识位上的标识符,得到所述目标路段的编码。
具体地,按照各轨迹源标识位的排列顺序,组合所述其他轨迹源标识位上的标识符和所述目标轨迹标识位上的标识符,得到所述目标路段的编码。
其中,所述目标路段的编码反应有目标路段与各轨迹源的轨迹数据之间的匹配信息。
S360、根据所述目标路段的编码,确定所述目标轨迹源的摘除损失值。
具体地,根据所述目标路段的编码,确定所述目标轨迹源的摘除损失值,包括:
根据所述目标路段的编码,确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息;
根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值。
本发明实施例的技术方案,通过根据所述目标路段与各轨迹源的轨迹数据之间的匹配信息,对所述目标路段进行编码。根据目标路段的编码可以直接确定目标路段与各轨迹源的轨迹数据之间的匹配关系,从而节省了对匹配关系的查找过程。
实施例四
图4a是本发明实施例四提供的一种轨迹处理方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图4a,本实施例提供的轨迹处理方法包括:
数据预处理,具体为将数据筛选过滤,去除明显异常轨迹以及明显不属实的轨迹。
例如:1、滤除过短轨迹,当轨迹长度明显短得异常,不纳入计算(例如某条轨迹只有三个点,明显无法纳入计算);2、滤除明显的非驾车轨迹:例如有的用户在骑自行车和乘坐地铁的时候,仍然打开百度地图的驾车导航,这部分数据混入轨迹库,需要依照车行概率、置信度、与地铁路网相似度等进行过滤;3、过滤质量明显有问题的轨迹,例如在遮挡严重区域(隧道、高架下、山区峡谷等)GPS数据极不置信,为了保证统计结果的精确,这部分数据也不纳入计算。
轨迹来源与路网映射。
由于轨迹平台存储的数据包括用户经纬度、时间戳、速度、角度等多项数据,而本实施例统计只需要计算多来源轨迹对于路网的覆盖率。
因此将每条轨迹拆解为路段(link)与轨迹来源的映射关系,具体如图4b。这一步利用Map-Reduce进行大规模数据并行,生成匹配道路与轨迹来源的关系,并把这部分数据传递到下一步骤。其中道路A、道路B、道路C、道路D、道路E、道路F、道路G和道路H表示不同路段,来源1、来源2、来源3和来源4表示不同的轨迹来源。
根据路段与各轨迹来源的匹配关系,对各路段进行编码,以记录各路段存在哪几个来源的轨迹。
经过该步骤的处理,全国亿级别的轨迹就被切分成了百亿量级的“道路和轨迹来源的映射关系”,经过Map-Reduce的自动partition和shuffle功能,相同的道路会被放在一起,并且来源也会自动排序,结果如图4c所示。
根据上述的自动排序结果,把相邻行数相同的合并。例如很多个“匹配道路A_来源1”,因为他们具有相同含义,所以对这些数据进行统一的处理。假设共有4个不同的来源,那么就构建一个4位的编码。
如果某一个来源存在数据,那么就把该来源对应的编码位置置1。那么当对所有数据进行相同的处理后,就会得到如图4c所示的数据“A_1011”和“B_1101”。“A_1011”代表A路段存在来源1、来源2和来源4的轨迹。而“B_1101”代表B路段存在来源1、来源3和来源4的轨迹。
换而言之,来源1和来源4的轨迹同时覆盖路段A和路段B。而来源2的轨迹只覆盖路段A,来源3的轨迹只覆盖路段B。
此外,本步骤中会根据道路等级是高、中和低,对路段进行分类。根据分类结果,生成的路段编码包括道路等级、路段标识和匹配来源编码,以便于后续进行分类计数。例如,路段编码可以是“高_A_1011”、“低_B_1101”。
根据路段编码确定轨迹来源的覆盖率和摘除损失。
具体地,以图4d为例,假设在高等级道路,同时传入了8行数据。
首先可以计数获得总路段条数为8。接着,对各路段编码中来源1编码位置的编码值按位与,得出来源1覆盖路段的条数为7。逐次可以得出四个轨迹来源的路段覆盖率。
接着,直接将路段编码的二进制数据转化为十进制数据,那么数值等于2n的即为损失第n+1个轨迹来源会损失的比重。其中n是大于或等于0的整数。因为这种情况代表只有这个来源的数据支撑着这条道路的覆盖。
最终,再通过多位取并的方式,获取“同时损失指定多个来源可能丢失的覆盖”。
经过这样的方式就可以无需存储中间数据,高效、便捷地实现路段覆盖率的确定。
本发明实施例的技术方案,主要应用于地图轨迹覆盖统计,具有可自动执行、效率高等优点。
具体为:通过匹配经过过滤的目标来源轨迹与路网中的全量路段,从而实现仅需遍历一次,即可得到各轨迹来源的覆盖率和摘除损失值。
通过设置不同编码长度,可以实现对不同数量来源轨迹的统计。
计算得到的轨迹来源的覆盖率和摘除损失,有助于地图平衡和决策轨迹源的采购经费和计算资源的调配。
需要说明的是,经过本实施例的技术教导,本领域技术人员有动机将上述实施例中描述的任一种实施方式进行方案的组合,以实现对轨迹源摘除损失值的确定,进而根据摘除损失值调整轨迹数据来源,以及研发力量的分配。
实施例五
图5是本发明实施例五提供的一种轨迹处理装置的结构示意图。参见图5,本实施例的轨迹处理装置包括:目标轨迹匹配模块10、其他轨迹匹配模块20和摘除损失值确定模块30。
其中,目标轨迹匹配模块10,用于将目标轨迹源的轨迹数据与路网进行匹配,确定匹配成功的目标路段;
其他轨迹匹配模块20,用于确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息;
摘除损失值确定模块30,用于根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值。
本发明实施例通过根据目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值;其中目标路段是与目标轨迹源的轨迹数据匹配成功的路段。从而实现对目标轨迹源摘除损失值的确定,进而根据摘除损失值调整轨迹数据来源,以及研发力量的分配。
进一步地,所述摘除损失值确定模块,包括:路段剔除单元、比值计算单元和摘除损失值确定单元。
其中,路段剔除单元,用于从所述目标路段中剔除与所述其他轨迹源的轨迹数据匹配成功的目标路段;
比值计算单元,用于计算剩余目标路段的数量与所述路网中路段数量的比值;
摘除损失值确定单元,用于根据计算的比值确定所述目标轨迹源的摘除损失值。
进一步地,所述装置还包括:覆盖率确定模块和重要度确定模块。
其中,覆盖率确定模块,用于所述确定匹配成功的目标路段之后,计算所述目标路段的数量与所述路网总路段数量的比值,并将该比值作为所述目标轨迹源的路段覆盖率;
重要度确定模块,用于根据所述目标轨迹源的路段覆盖率和摘除损失值,确定所述目标轨迹源的重要度。
进一步地,所述摘除损失值确定模块,包括:其他标识符确定单元、目标标识符确定单元、组合编码单元和摘除损失值确定单元。
其中,其他标识符确定单元,用于根据所述目标路段与所述其他轨迹源的轨迹数据之间的匹配信息,确定所述目标路段在所述其他轨迹源标识位上的标识符;其中所述标识符为第一标识符或第二标识符;
目标标识符确定单元,用于将第一标识符确定为所述目标路段在所述目标轨迹标识位上的标识符;
组合编码单元,用于组合所述其他轨迹源标识位上的标识符和所述目标轨迹标识位上的标识符,得到所述目标路段的编码;
摘除损失值确定单元,用于根据所述目标路段的编码,确定所述目标轨迹源的摘除损失值。
本发明实施例所提供的轨迹处理装置可执行本发明任意实施例所提供的轨迹处理方法,具备执行方法相应的功能模块和有益效果。
实施例六
图6为本发明实施例六提供的一种设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性设备12的框图。图6显示的设备12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。
如图6所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,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(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12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设备12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。
系统存储器28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(RAM)30和/或高速缓存存储器32。设备12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34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CD-ROM,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18相连。存储器28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42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42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42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(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22进行。并且,设备12还可以通过网络适配器20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。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/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。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的轨迹处理方法。
实施例七
本发明实施例七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实施例中任一项所述的轨迹处理方法。
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服务器上执行。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 (10)
1.一种轨迹处理方法,其特征在于,包括:
将目标轨迹源的轨迹数据与路网进行匹配,确定匹配成功的目标路段;
确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息;
根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值,包括:
从所述目标路段中剔除与所述其他轨迹源的轨迹数据匹配成功的目标路段;
计算剩余目标路段的数量与所述路网中路段数量的比值;
根据计算的比值确定所述目标轨迹源的摘除损失值。
3.根据权利要求1所述的方法,其特征在于,所述确定匹配成功的目标路段之后,所述方法还包括:
计算所述目标路段的数量与所述路网总路段数量的比值,并将该比值作为所述目标轨迹源的路段覆盖率;
根据所述目标轨迹源的路段覆盖率和摘除损失值,确定所述目标轨迹源的重要度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值,包括:
根据所述目标路段与所述其他轨迹源的轨迹数据之间的匹配信息,确定所述目标路段在所述其他轨迹源标识位上的标识符;其中所述标识符为第一标识符或第二标识符;
将第一标识符确定为所述目标路段在所述目标轨迹标识位上的标识符;
组合所述其他轨迹源标识位上的标识符和所述目标轨迹标识位上的标识符,得到所述目标路段的编码;
根据所述目标路段的编码,确定所述目标轨迹源的摘除损失值。
5.一种轨迹处理装置,其特征在于,包括:
目标轨迹匹配模块,用于将目标轨迹源的轨迹数据与路网进行匹配,确定匹配成功的目标路段;
其他轨迹匹配模块,用于确定所述目标路段与其他轨迹源的轨迹数据之间的匹配信息;
摘除损失值确定模块,用于根据所述目标路段与其他轨迹源的轨迹数据之间的匹配信息,确定所述目标轨迹源的摘除损失值。
6.根据权利要求5所述的装置,其特征在于,所述摘除损失值确定模块,包括:
路段剔除单元,用于从所述目标路段中剔除与所述其他轨迹源的轨迹数据匹配成功的目标路段;
比值计算单元,用于计算剩余目标路段的数量与所述路网中路段数量的比值;
摘除损失值确定单元,用于根据计算的比值确定所述目标轨迹源的摘除损失值。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
覆盖率确定模块,用于所述确定匹配成功的目标路段之后,计算所述目标路段的数量与所述路网总路段数量的比值,并将该比值作为所述目标轨迹源的路段覆盖率;
重要度确定模块,用于根据所述目标轨迹源的路段覆盖率和摘除损失值,确定所述目标轨迹源的重要度。
8.根据权利要求5所述的装置,其特征在于,所述摘除损失值确定模块,包括:
其他标识符确定单元,用于根据所述目标路段与所述其他轨迹源的轨迹数据之间的匹配信息,确定所述目标路段在所述其他轨迹源标识位上的标识符;其中所述标识符为第一标识符或第二标识符;
目标标识符确定单元,用于将第一标识符确定为所述目标路段在所述目标轨迹标识位上的标识符;
组合编码单元,用于组合所述其他轨迹源标识位上的标识符和所述目标轨迹标识位上的标识符,得到所述目标路段的编码;
摘除损失值确定单元,用于根据所述目标路段的编码,确定所述目标轨迹源的摘除损失值。
9.一种电子设备,其特征在于,所述设备包括:
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权利要求1-4中任一项所述的轨迹处理方法。
10.一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1-4中任一项所述的轨迹处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910717026.0A CN110471999B (zh) | 2019-08-05 | 2019-08-05 | 轨迹处理方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910717026.0A CN110471999B (zh) | 2019-08-05 | 2019-08-05 | 轨迹处理方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110471999A true CN110471999A (zh) | 2019-11-19 |
CN110471999B CN110471999B (zh) | 2022-03-18 |
Family
ID=68509997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910717026.0A Active CN110471999B (zh) | 2019-08-05 | 2019-08-05 | 轨迹处理方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110471999B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581320A (zh) * | 2020-05-09 | 2020-08-25 | 海南中智信信息技术有限公司 | 一种基于行为轨迹的碰头地点及时长识别方法及系统 |
CN111858814A (zh) * | 2020-07-21 | 2020-10-30 | 北京卡路里信息技术有限公司 | 一种运动轨迹的修复方法、装置、设备及存储介质 |
CN114117261A (zh) * | 2022-01-29 | 2022-03-01 | 腾讯科技(深圳)有限公司 | 轨迹检测方法、装置、电子设备及存储介质 |
CN114463983A (zh) * | 2020-06-30 | 2022-05-10 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140343848A1 (en) * | 2013-05-15 | 2014-11-20 | Google Inc. | Computing systems, devices and methods for identifying important access roads to a geographic location |
CN104332064A (zh) * | 2014-10-27 | 2015-02-04 | 百度在线网络技术(北京)有限公司 | 基于用户轨迹更新道路信息的方法及装置 |
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 |
CN105528359A (zh) * | 2014-09-29 | 2016-04-27 | 国际商业机器公司 | 用于存储行进轨迹的方法和系统 |
CN108629978A (zh) * | 2018-06-07 | 2018-10-09 | 重庆邮电大学 | 一种基于高维路网和循环神经网络的交通轨迹预测方法 |
CN109758154A (zh) * | 2019-01-09 | 2019-05-17 | 北京卡路里信息技术有限公司 | 一种运动状态确定方法、装置、设备及存储介质 |
CN109974718A (zh) * | 2019-04-09 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 地图匹配方法、装置、设备和介质 |
CN110069585A (zh) * | 2017-12-05 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 轨迹点数据的处理方法和装置、存储介质及电子装置 |
-
2019
- 2019-08-05 CN CN201910717026.0A patent/CN110471999B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140343848A1 (en) * | 2013-05-15 | 2014-11-20 | Google Inc. | Computing systems, devices and methods for identifying important access roads to a geographic location |
CN105528359A (zh) * | 2014-09-29 | 2016-04-27 | 国际商业机器公司 | 用于存储行进轨迹的方法和系统 |
CN104332064A (zh) * | 2014-10-27 | 2015-02-04 | 百度在线网络技术(北京)有限公司 | 基于用户轨迹更新道路信息的方法及装置 |
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 |
CN110069585A (zh) * | 2017-12-05 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 轨迹点数据的处理方法和装置、存储介质及电子装置 |
CN108629978A (zh) * | 2018-06-07 | 2018-10-09 | 重庆邮电大学 | 一种基于高维路网和循环神经网络的交通轨迹预测方法 |
CN109758154A (zh) * | 2019-01-09 | 2019-05-17 | 北京卡路里信息技术有限公司 | 一种运动状态确定方法、装置、设备及存储介质 |
CN109974718A (zh) * | 2019-04-09 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 地图匹配方法、装置、设备和介质 |
Non-Patent Citations (1)
Title |
---|
刘张等: ""面向复杂城市道路网络的GPS轨迹匹配算法"", 《电子科技大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581320A (zh) * | 2020-05-09 | 2020-08-25 | 海南中智信信息技术有限公司 | 一种基于行为轨迹的碰头地点及时长识别方法及系统 |
CN111581320B (zh) * | 2020-05-09 | 2022-06-28 | 海南中智信信息技术有限公司 | 一种基于行为轨迹的碰头地点及时长识别方法及系统 |
CN114463983A (zh) * | 2020-06-30 | 2022-05-10 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN111858814A (zh) * | 2020-07-21 | 2020-10-30 | 北京卡路里信息技术有限公司 | 一种运动轨迹的修复方法、装置、设备及存储介质 |
CN114117261A (zh) * | 2022-01-29 | 2022-03-01 | 腾讯科技(深圳)有限公司 | 轨迹检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110471999B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471999A (zh) | 轨迹处理方法、装置、设备和介质 | |
US11235774B2 (en) | Road condition predicting method and apparatus, computer device and readable medium | |
CN110377682B (zh) | 轨迹类型确定方法、装置、计算设备和存储介质 | |
US10542441B1 (en) | Method, computer device and storage medium for matching mobile hotspot with mobile point of interest | |
CN110097121B (zh) | 一种行驶轨迹的分类方法、装置、电子设备及存储介质 | |
CN109035831A (zh) | 交通指示灯的识别方法、装置、设备、存储介质及车辆 | |
CN110095126A (zh) | 地图匹配方法、装置、设备和介质 | |
CN107194412A (zh) | 一种处理数据的方法、装置、设备和计算机存储介质 | |
CN109543680A (zh) | 兴趣点的位置确定方法、装置设备和介质 | |
CN107389085A (zh) | 一种道路通行属性的确定方法、装置、计算机及存储介质 | |
CN109710705A (zh) | 地图兴趣点处理方法和装置 | |
CN110555432B (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
CN110930176B (zh) | 预测方法、装置、电子设备及存储介质 | |
CN114005297B (zh) | 一种基于车联网的车队协调行驶方法 | |
CN107729944B (zh) | 一种低俗图片的识别方法、装置、服务器及存储介质 | |
CN112182132B (zh) | 一种地铁用户的识别方法、系统、设备和存储介质 | |
CN108920458A (zh) | 一种标签归一化方法、装置、服务器和存储介质 | |
CN110659280B (zh) | 道路阻断异常检测方法、装置、计算机设备及存储介质 | |
Berjisian et al. | Evaluation of map‐matching algorithms for smartphone‐based active travel data | |
CN111551190A (zh) | 用于确定定位能力的方法、装置、设备及可读存储介质 | |
CN104121917A (zh) | 一种自动发现新建桥梁的方法和装置 | |
CN115830381A (zh) | 基于改进YOLOv5的员工未佩戴口罩检测方法及相关组件 | |
CN108073721A (zh) | 一种道路要素的情报处理方法、装置、服务器及存储介质 | |
CN107270919B (zh) | 公交路线分级方法、装置以及公交路线导航方法、装置 | |
US11741722B2 (en) | Coarse-to-fine attention networks for light signal detection and recognition |
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 |