CN110542426B - 小路识别方法、设备及可读介质 - Google Patents
小路识别方法、设备及可读介质 Download PDFInfo
- Publication number
- CN110542426B CN110542426B CN201810524404.9A CN201810524404A CN110542426B CN 110542426 B CN110542426 B CN 110542426B CN 201810524404 A CN201810524404 A CN 201810524404A CN 110542426 B CN110542426 B CN 110542426B
- Authority
- CN
- China
- Prior art keywords
- route
- intersections
- shortest route
- path
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明提供一种小路识别方法、设备及可读介质。其方法包括:获取车辆的规划路径中的两个路口间的最短路线;根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证两个路口间的最短路线是否为小路;若是,在车辆的路径规划中规避两个路口间的最短路线。本发明的技术方案,可以弥补现有技术的不足,提供一种对条件非常恶劣的小路进行有效地识别,进而可以在对用户的车辆规划路径时有效地避免路径中出现小路,从而可以有效地提高路径规划效率;而且能够有效地提高用户的使用体验度。
Description
【技术领域】
本发明涉及计算机应用技术领域,尤其涉及一种小路识别处理方法、设备及可读介质。
【背景技术】
导航应用的出现,大大地方便了用户的出行,不仅可以为用户提供步行导航,同时还可以为自驾车的用户提供车辆出行导航,使用非常方便。
目前的车辆的导航路径规划中,路况非常不好、对用户的车辆有一定损害的小路对于驾车用户来说是非常恶劣的。但是受限于数据采集制作标准的不完善以及不同人采集人员判断标准的不完全一样,会导致现实世界中很多类似的小路未被正确标识,导致小路在车辆的导航路径规划中推荐给用户,对用户的车辆造成一定的损坏。因此,现有技术中亟需提供一种小路识别方案。
【发明内容】
本发明提供了一种小路识别方法、设备及可读介质,用于提供一种小路识别方案。
本发明提供一种小路识别方法,所述方法包括:
获取车辆的规划路径中的两个路口间的最短路线;
根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证所述两个路口间的最短路线是否为小路。
进一步可选地,如上所述的方法中,根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证所述两个路口间的最短路线是否为小路,具体包括:
根据预先采集的历史车辆轨迹集合,验证所述两个路口间的最短路线是否为疑似小路;所述历史车辆轨迹集合中包括历史时间周期内、途径所述两个路口的车辆的所有路线的轨迹,各所述路线的轨迹频次以及各所述路线的特征信息;
若所述两个路口间的最短路线为所述疑似小路时,获取所述两个路口间的最短路线的特征信息;
根据所述两个路口间的最短路线的特征信息和预先训练的小路识别模型,识别所述两个路口间的最短路线是否为小路。
进一步可选地,如上所述的方法中,根据预先采集的历史车辆轨迹集合,验证所述两个路口间的最短路线是否为疑似小路,具体包括:
根据所述历史车辆轨迹集合,判断所述两个路口间是否存在至少一条距离大于所述最短路线、但轨迹频次大于所述最短路线的轨迹频次的路线;
若存在,确定所述两个路口间的最短路线为疑似小路。
进一步可选地,如上所述的方法中,根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证所述两个路口间的最短路线是否为小路之前,所述方法还包括:
采集已标识为小路的数条路线的特征信息;
根据所述数条路线的特征信息训练所述小路识别模型。
进一步可选地,如上所述的方法中,所述路线的特征信息包括所述路线中的道路是否仅包括一条车道、所述道路是否铺设、所述道路的平均车速、所述道路的最大坡度的角度是否大于预设坡角以及所述道路上角度超过预设坡角的坡度的数量中的至少一个。
本发明提供一种导航服务器,所述服务器包括:
获取模块,用于获取车辆的规划路径中的两个路口间的最短路线;
验证模块,用于根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证所述两个路口间的最短路线是否为小路。
进一步可选地,如上所述的服务器中,所述验证模块,具体用于:
根据预先采集的历史车辆轨迹集合,验证所述两个路口间的最短路线是否为疑似小路;所述历史车辆轨迹集合中包括历史时间周期内、途径所述两个路口的车辆的所有路线的轨迹,各所述路线的轨迹频次以及各所述路线的特征信息;
若所述两个路口间的最短路线为所述疑似小路时,获取所述两个路口间的最短路线的特征信息;
根据所述两个路口间的最短路线的特征信息和预先训练的小路识别模型,识别所述两个路口间的最短路线是否为小路。
进一步可选地,如上所述的服务器中,所述验证模块,具体用于:
根据所述历史车辆轨迹集合,判断所述两个路口间是否存在至少一条距离大于所述最短路线、但轨迹频次大于所述最短路线的轨迹频次的路线;
若存在,确定所述两个路口间的最短路线为疑似小路。
进一步可选地,如上所述的服务器中,所述服务器还包括:
采集模块,用于采集已标识为小路的数条路线的特征信息;
训练模块,用于根据所述数条路线的特征信息训练所述小路识别模型。
进一步可选地,如上所述的服务器中,所述路线的特征信息包括所述路线中的道路是否仅包括一条车道、所述道路是否铺设、所述道路的平均车速、所述道路的最大坡度的角度是否大于预设坡角以及所述道路上角度超过预设坡角的坡度的数量中的至少一个。
本发明还提供一种计算机设备,所述设备包括:
一个或多个处理器;
存储器,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上所述的小路识别方法。
本发明还提供一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的小路识别方法。
本发明的小路识别方法、设备及可读介质,通过获取车辆的规划路径中的两个路口间的最短路线;根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证两个路口间的最短路线是否为小路。本发明的技术方案,可以弥补现有技术的不足,提供一种对条件非常恶劣的小路进行有效地识别,进而可以在对用户的车辆规划路径时有效地避免路径中出现小路,从而可以有效地提高路径规划效率;而且能够有效地提高用户的使用体验度。
【附图说明】
图1为本发明的小路识别方法实施例一的流程图。
图2为本发明的小路识别方法实施例二的流程图。
图3为本发明的导航服务器实施例一的结构图。
图4为本发明的导航服务器实施例二的结构图。
图5为本发明的计算机设备实施例的结构图。
图6为本发明提供的一种计算机设备的示例图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
图1为本发明的小路识别方法实施例一的流程图。如图1所示,本实施例的小路识别方法,具体可以包括如下步骤:
100、获取车辆的规划路径中的两个路口间的最短路线;
101、根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证两个路口间的最短路线是否为小路;若是,执行步骤102;否则,按照现有的方式对车辆进行路径规划。
102、进行小路相关方案的推荐。
例如,可以在确定两个路口间的最短路线为小路时,在车辆的路径规划中规避两个路口间的最短路线。或者,还可以向政府部门的应用推送待维护的小路的标识,以供政府部门对该小路进行维护等等。
本实施例的小路识别方法的执行主体可以为导航服务器中,用于在对车辆请求导航时,对车辆的路径进行规划处理。
使用时,可以由车辆的用户通过使用的客户端向导航服务器发送携带导航起点和导航终点的导航请求,导航服务器可以根据该导航起点和导航终点按照现有的导航路径规划方式可以为该车辆规划多条路径。对于车辆的每一条规划路径中,可以包括多个路口。对于任意两个路口,实际应用中,可能会存在多种不同的路线从一个路口达到另一个路口。其中多种不同的路线的距离也不相同,例如有的路线比较绕,距离较长,而有的路线为两个路口间的直线连接,距离最短。此时可以从两个路口间的所有路线中,获取两个路口间的最短路线。
按照通常的思路,用户在两个路口间有最短路线的近路可选择的时候,通常不会花费时间和油耗,去绕距离更远的路线,除非这个最短路线的近路为一条条件非常恶劣、路况特别不好、会对用户的车辆会造成一定损害的小路,用户才会选择路线更长的远路。本实施例中,可以根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证两个路口间的最短路线是否为小路。例如,可以结合历史车辆轨迹集合中的车辆经过这两个路口的历史轨迹、以及历史车辆轨迹集合中的两个路口的最短路线的特征信息以及预先训练的小路识别模型,可以识别这两个路口间的最短路线是否为小路。进一步地,若两个路口间的最短路线为小路,本实施例中可以在车辆的路径规划中规避两个路口间的最短路线,从而防止用户根据规划的路径行驶这条小路,对用户的车辆造成一定的损害,而且还极大地影响用户使用导航的体验度。
本实施例的小路识别方法,通过获取车辆的规划路径中的两个路口间的最短路线;根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证两个路口间的最短路线是否为小路。本实施例的技术方案,可以弥补现有技术的不足,提供一种对条件非常恶劣的小路进行有效地识别,进而可以在对用户的车辆规划路径时有效地避免路径中出现小路,从而可以有效地提高路径规划效率;而且能够有效地提高用户的使用体验度。
图2为本发明的小路识别方法实施例二的流程图。如图2所示,本实施例的小路识别方法,在上述图1所示实施例的技术方案的基础上,进一步更加详细地介绍本发明的技术方案。如图2所示,本实施例的小路识别方法,具体可以包括如下步骤:
200、采集已标识为小路的数条路线的特征信息;
201、根据数条路线的特征信息训练小路识别模型;
例如,本实施例的路线的特征信息可以包括路线中的道路中是否仅包括一条车道、道路是否铺设、道路的平均车速、道路的最大坡度的角度是否大于预设坡角以及道路上角度超过预设坡角的坡度的数量中的至少一个。这些路线的特征信息可以由采集人员人工采集,或者还可以由通过该小路的车辆实时上报。实际应用中,若路线中的道路中仅包括一条车道,则该路线容易堵塞、可行性较差,该路线为小路的概率较高。若路线中的道路未铺设、沙尘飞舞、地面凹凸不平,对车辆的轮胎会造成一定的损害,此时该路线一定为小路,在路径规划时,应该避免为用户规划包含如此小路的路径。如果路线中的道路上的平均车速比较低,低于一定的速度阈值如30km/h或者其他速度数值,此时也可以认为该路线的路况较差,该路线为小路的概率也较高。路线中的道路的最大坡度的角度越大,表示路线中的道路的平整度越差,此时也可以认为该路线为小路的概率也越高。再者,路线中的道路上角度超过预设坡角的坡度的数量越多,表示路线中的道路越倾向于坑坑洼洼,此时也可以认为该路线为小路的概率也越高。实际应用中,对于用户已经标识为小路的数条路线,可以采集每条路线的特征信息,具体的路线的特征信息的数量可以包括上述特征参数中的至少一个,实际应用中,特征参数的数量越多,训练的小路识别模型越准确。在实际训练中,为了便于标识各参数,是否仅包括一条车道可以采用数字0和1来表示,如1标识仅包括一条车道,0标识包括两条以上车道。采用数字1标识道路铺设了,数字0标识道路未铺设。其中的预设坡角可以通过对实际已经铺设的平缓道路中的最大坡角进行采集得到,若道路中的坡度的角度大于该预设坡角,该特征参数可以标识为1,否则标识为0。道路上角度超过预设坡角的坡度的数量采用实际的数字来表示。实际应用中,在根据这些特征参数训练小路识别模型时,道路的平均车速和道路上角度超过预设坡角的坡度的数量可以进行参数归一化处理,详细参考现有的归一化处理方式,在此不再赘述。
具体训练时,可以将每一条标识为小路的路线的特征信息输入至小路识别模型中,该小路识别模型根据输入的特征信息,预测该道路是否为小路,若预测该道路不是小路,则调整该小路识别模型的参数,使得该小路识别模型预测的结果与该道路的实际的结果一致。通过采用采集的多条已经标识为小路的路线的特征信息对该小路识别模型进行训练,可以确定该小路识别模型的参数,从而确定该小路识别模型。
上述步骤200和201可以为离线操作,事先通过训练得到小路识别模型。后续步骤可以理解为在线进行路径规划的处理。
202、接收用户的车辆导航请求后,根据用户的导航请求,为用户的车辆规划导航路径;
详细可以参考相关现有技术,在此不再赘述。
203、获取车辆的规划路径中的两个路口间的最短路线;
详细可以参考上述图1所示实施例的相关记载,在此不再赘述。
204、根据预先采集的历史车辆轨迹集合,验证两个路口间的最短路线是否为疑似小路;若两个路口间的最短路线为疑似小路时,执行步骤205;否则,按照现有的方式对车辆进行路径规划,结束;
例如,本实施例的预先采集的历史车辆轨迹集合中,可以包括一段历史时间时期内、途径两个路口的车辆的所有路线的轨迹、各路线的轨迹频次以及各路线的特征信息。其中有的车辆轨迹可能是通过两个路口间的最短路线经过该两个路口,而有的车辆的轨迹则是通过其他更远路线经过该两个路口。
具体地,可以根据历史车辆轨迹集合,判断两个路口间是否存在至少一条距离大于最短路线、但轨迹频次大于最短路线的轨迹频次的路线。也就是说,若根据历史车辆轨迹集合,发现有部分车辆在实际行驶时,并不是偏向走两个路口之间的最短路线,则这两个路口间的最短路线便疑似为小路。具体地,可以根据历史车辆轨迹集合,统计经过这两个路口间的所有路线的轨迹频次,判断经过最短路线的轨迹频次是不是小于其他较长路线的轨迹频次,若是,则确定这两个路口间存在至少一条距离大于最短路线、但轨迹频次大于最短路线的轨迹频次的路线,则该两个路口间的最短路线疑似为小路。
205、获取两个路口间的最短路线的特征信息;执行步骤206;
具体地,可以从历史车辆轨迹集合中获取该两个路口间的最短路线的特征信息,例如可以包括该最短路线中的道路中是否仅包括一条车道、道路是否铺设、道路的平均车速、道路的最大坡度的角度是否大于预设坡角以及道路上角度超过预设坡角的坡度的数量中的至少一个。其中道路的平均车速,可以根据所有经过该最短路线的车辆的车速来计算。这些特征信息可以基于采集历史车辆轨迹时人工采集的数据和/或通过最短路线的车辆上报的数据获取得到。
206、根据两个路口间的最短路线的特征信息和预先训练的小路识别模型,识别两个路口间的最短路线是否为小路;若是,执行步骤207;否则,按照现有的方式对车辆进行路径规划,结束;
具体地,将两个路口间的最短路线的特征信息输入至预先训练的小路识别模型,该小路识别模型可以预测该最短路线为小路的概率,实际应用中,还可以设置有一个预设概率阈值。该预设概率阈值可以根据实际经验来设定,例如可以为0.8、0.9或者其他0.5-1之前的其他数值。然后判断预测的该最短路线为小路的概率是否大于该概率阈值,若是,则确定该最短路线为小路,否则该最短路线不是小路。
上述步骤204-206为上述图1所示实施例的步骤101的一种具体实现方式。
207、在车辆的路径规划中规避两个路口间的最短路线。
按照本实施例的上述技术方案,可以对规划路径中的任意两个路口间的最短路线进行验证,防止最终为用户推荐的规划路径中出现小路,从而提高路径的规划效率,同时增强用户的使用体验。
本实施例的小路识别方法,通过采用上述技术方案,可以弥补现有技术的不足,提供一种对条件非常恶劣的小路进行有效地识别,进而可以在对用户的车辆规划路径时有效地避免路径中出现小路,从而可以有效地提高路径规划效率;而且能够有效地提高用户的使用体验度。
图3为本发明的导航服务器实施例一的结构图。如图3所示,本实施例的导航服务器,具体可以包括:
获取模块10用于获取车辆的规划路径中的两个路口间的最短路线;
验证模块11用于根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证获取模块10获取的两个路口间的最短路线是否为小路。
本实施例的导航服务器,通过采用上述模块实现小路识别的实现原理以及技术效果与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
图4为本发明的导航服务器实施例二的结构图。如图4所示,本实施例的导航服务器,在上述图3所示实施例的技术方案的基础上,进一步更加详细地介绍本发明的技术方案。
本实施例的导航服务器中,验证模块11具体用于:
根据预先采集的历史车辆轨迹集合,验证获取模块10获取的两个路口间的最短路线是否为疑似小路;历史车辆轨迹集合中包括历史时间周期内、途径两个路口的车辆的所有路线的轨迹,各路线的轨迹频次以及各路线的特征信息;
若两个路口间的最短路线为疑似小路时,获取两个路口间的最短路线的特征信息;
根据两个路口间的最短路线的特征信息和预先训练的小路识别模型,识别两个路口间的最短路线是否为小路。
进一步可选地,本实施例的导航服务器中,验证模块11具体用于:
根据历史车辆轨迹集合,判断两个路口间是否存在至少一条距离大于最短路线、但轨迹频次大于最短路线的轨迹频次的路线;
若存在,确定两个路口间的最短路线为疑似小路。
进一步可选地,如图4所示,本实施例的导航服务器中还包括:
采集模块13用于采集已标识为小路的数条路线的特征信息;
训练模块14用于根据采集模块13采集的数条路线的特征信息训练小路识别模型。
对应地,验证模块11具体用于根据预先采集的历史车辆轨迹集合和训练模块14预先训练的小路识别模型,验证获取模块10获取的两个路口间的最短路线是否为小路。
进一步可选地,本实施例的导航服务器中路线的特征信息包括路线中的道路是否仅包括一条车道、道路是否铺设、道路的平均车速、道路的最大坡度的角度是否大于预设坡角以及道路上角度超过预设坡角的坡度的数量中的至少一个。
本实施例的导航服务器,通过采用上述模块实现小路识别的实现原理以及技术效果与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
图5为本发明的计算机设备实施例的结构图。如图5所示,本实施例的计算机设备,包括:一个或多个处理器30,以及存储器40,存储器40用于存储一个或多个程序,当存储器40中存储的一个或多个程序被一个或多个处理器30执行,使得一个或多个处理器30实现如上图1-图2所示实施例的小路识别方法。图5所示实施例中以包括多个处理器30为例。本实施例的计算机设备可以作为一个导航服务器来实现上述实施例的功能。
例如,图6为本发明提供的一种计算机设备的示例图。图6示出了适于用来实现本发明实施方式的示例性计算机设备12a的框图。图6显示的计算机设备12a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,计算机设备12a以通用计算设备的形式表现。计算机设备12a的组件可以包括但不限于:一个或者多个处理器16a,系统存储器28a,连接不同系统组件(包括系统存储器28a和处理器16a)的总线18a。
总线18a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。
计算机设备12a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机设备12a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28a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)30a和/或高速缓存存储器32a。计算机设备12a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34a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18a相连。系统存储器28a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上述图1-图4各实施例的功能。
具有一组(至少一个)程序模块42a的程序/实用工具40a,可以存储在例如系统存储器28a中,这样的程序模块42a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42a通常执行本发明所描述的上述图1-图4各实施例中的功能和/或方法。
计算机设备12a也可以与一个或多个外部设备14a(例如键盘、指向设备、显示器24a等)通信,还可与一个或者多个使得用户能与该计算机设备12a交互的设备通信,和/或与使得该计算机设备12a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22a进行。并且,计算机设备12a还可以通过网络适配器20a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20a通过总线18a与计算机设备12a的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12a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、冗余处理器、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。
处理器16a通过运行存储在系统存储器28a中的程序,从而执行各种功能应用以及数据处理,例如实现上述实施例所示的小路识别方法。
本发明还提供一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例所示的小路识别方法。
本实施例的计算机可读介质可以包括上述图6所示实施例中的系统存储器28a中的RAM30a、和/或高速缓存存储器32a、和/或存储系统34a。
随着科技的发展,计算机程序的传播途径不再受限于有形介质,还可以直接从网络下载,或者采用其他方式获取。因此,本实施例中的计算机可读介质不仅可以包括有形的介质,还可以包括无形的介质。
本实施例的计算机可读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)。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,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。
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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种小路识别方法,其特征在于,所述方法包括:
获取车辆的规划路径中的两个路口间的最短路线;
根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证所述两个路口间的最短路线是否为小路;
根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证所述两个路口间的最短路线是否为小路,具体包括:
根据预先采集的历史车辆轨迹集合,验证所述两个路口间的最短路线是否为疑似小路;所述历史车辆轨迹集合中包括历史时间周期内、途径所述两个路口的车辆的所有路线的轨迹,各所述路线的轨迹频次以及各所述路线的特征信息;
若所述两个路口间的最短路线为所述疑似小路时,获取所述两个路口间的最短路线的特征信息;
根据所述两个路口间的最短路线的特征信息和预先训练的小路识别模型,识别所述两个路口间的最短路线是否为小路。
2.根据权利要求1所述的方法,其特征在于,根据预先采集的历史车辆轨迹集合,验证所述两个路口间的最短路线是否为疑似小路,具体包括:
根据所述历史车辆轨迹集合,判断所述两个路口间是否存在至少一条距离大于所述最短路线、但轨迹频次大于所述最短路线的轨迹频次的路线;
若存在,确定所述两个路口间的最短路线为疑似小路。
3.根据权利要求1所述的方法,其特征在于,根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证所述两个路口间的最短路线是否为小路之前,所述方法还包括:
采集已标识为小路的数条路线的特征信息;
根据所述数条路线的特征信息训练所述小路识别模型。
4.根据权利要求3所述的方法,其特征在于,所述路线的特征信息包括所述路线中的道路是否仅包括一条车道、所述道路是否铺设、所述道路的平均车速、所述道路的最大坡度的角度是否大于预设坡角以及所述道路上角度超过预设坡角的坡度的数量中的至少一个。
5.一种导航服务器,其特征在于,所述服务器包括:
获取模块,用于获取车辆的规划路径中的两个路口间的最短路线;
验证模块,用于根据预先采集的历史车辆轨迹集合和预先训练的小路识别模型,验证所述两个路口间的最短路线是否为小路;
所述验证模块,具体用于:
根据预先采集的历史车辆轨迹集合,验证所述两个路口间的最短路线是否为疑似小路;所述历史车辆轨迹集合中包括历史时间周期内、途径所述两个路口的车辆的所有路线的轨迹,各所述路线的轨迹频次以及各所述路线的特征信息;
若所述两个路口间的最短路线为所述疑似小路时,获取所述两个路口间的最短路线的特征信息;
根据所述两个路口间的最短路线的特征信息和预先训练的小路识别模型,识别所述两个路口间的最短路线是否为小路。
6.根据权利要求5所述的服务器,其特征在于,所述验证模块,具体用于:
根据所述历史车辆轨迹集合,判断所述两个路口间是否存在至少一条距离大于所述最短路线、但轨迹频次大于所述最短路线的轨迹频次的路线;
若存在,确定所述两个路口间的最短路线为疑似小路。
7.根据权利要求5所述的服务器,其特征在于,所述服务器还包括:
采集模块,用于采集已标识为小路的数条路线的特征信息;
训练模块,用于根据所述数条路线的特征信息训练所述小路识别模型。
8.根据权利要求7所述的服务器,其特征在于,所述路线的特征信息包括所述路线中的道路是否仅包括一条车道、所述道路是否铺设、所述道路的平均车速、所述道路的最大坡度的角度是否大于预设坡角以及所述道路上角度超过预设坡角的坡度的数量中的至少一个。
9.一种计算机设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,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中任一所述的方法。
10.一种计算机可读介质,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中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810524404.9A CN110542426B (zh) | 2018-05-28 | 2018-05-28 | 小路识别方法、设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810524404.9A CN110542426B (zh) | 2018-05-28 | 2018-05-28 | 小路识别方法、设备及可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110542426A CN110542426A (zh) | 2019-12-06 |
CN110542426B true CN110542426B (zh) | 2022-03-25 |
Family
ID=68700735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810524404.9A Active CN110542426B (zh) | 2018-05-28 | 2018-05-28 | 小路识别方法、设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110542426B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111881373A (zh) * | 2020-06-19 | 2020-11-03 | 北京嘀嘀无限科技发展有限公司 | 一种上车点易达性确定方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012042339A (ja) * | 2010-08-19 | 2012-03-01 | Zenrin Datacom Co Ltd | 経路案内装置、経路案内システム、及びプログラム |
CN102346041B (zh) * | 2011-03-31 | 2013-06-26 | 北京腾瑞万里信息技术有限公司 | 基于实时路况的路线规划方法及其服务设备 |
CN102840867B (zh) * | 2011-06-21 | 2015-06-17 | 歌乐株式会社 | 基于常用路线的路线搜索系统及方法 |
JP6413441B2 (ja) * | 2014-07-31 | 2018-10-31 | アイシン・エィ・ダブリュ株式会社 | 悪路判定システム、方法およびプログラム |
CN105427606B (zh) * | 2015-12-24 | 2017-12-05 | 招商局重庆交通科研设计院有限公司 | 路面状况信息采集及发布方法 |
CN106052704A (zh) * | 2016-05-26 | 2016-10-26 | 北京小米移动软件有限公司 | 路线推荐方法及装置 |
CN106643760A (zh) * | 2016-09-30 | 2017-05-10 | 王荣昌 | 车辆导航系统及方法 |
CN106767867B (zh) * | 2016-12-08 | 2020-10-30 | 湖南索菱汽车电子科技有限公司 | 车辆导航装置和方法 |
CN107643085B (zh) * | 2017-09-18 | 2021-02-12 | 苏州大学 | 一种路径推荐方法与装置 |
CN107908643A (zh) * | 2017-09-30 | 2018-04-13 | 百度在线网络技术(北京)有限公司 | 导航路径的推荐方法、服务器设备与计算机可读介质 |
-
2018
- 2018-05-28 CN CN201810524404.9A patent/CN110542426B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110542426A (zh) | 2019-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109215372B (zh) | 路网信息更新方法、装置及设备 | |
US10642268B2 (en) | Method and apparatus for generating automatic driving strategy | |
CN109032103B (zh) | 无人驾驶车辆的测试方法、装置、设备及存储介质 | |
CN109974718B (zh) | 地图匹配方法、装置、设备和介质 | |
CN109606384B (zh) | 车辆控制方法、装置、设备和存储介质 | |
CN113753077A (zh) | 预测障碍物的运动轨迹的方法、装置及自动驾驶车辆 | |
JP2023055697A (ja) | 自動運転テスト方法、装置、電子機器及び記憶媒体 | |
CN111680362A (zh) | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 | |
CN110095126A (zh) | 地图匹配方法、装置、设备和介质 | |
CN110377682B (zh) | 轨迹类型确定方法、装置、计算设备和存储介质 | |
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 | |
CN110542425B (zh) | 导航路径选择方法、导航装置、计算机设备及可读介质 | |
CN110647675B (zh) | 停留点识别及预测模型训练方法、装置及存储介质 | |
WO2022143146A1 (zh) | 用于优化用户的行程的方法、装置、电子设备、存储介质和计算机程序产品 | |
CN112069279A (zh) | 地图数据更新方法、装置、设备及可读存储介质 | |
CN113392793A (zh) | 用于识别车道线的方法、装置、设备、存储介质以及无人车 | |
CN113804204A (zh) | 应用于车辆中的驾驶方法、装置、电子设备和存储介质 | |
CN112883236A (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
CN114413920A (zh) | 车道数据处理方法、导航方法及装置 | |
CN105387844B (zh) | 路面状况测定系统以及路面状况测定方法 | |
CN108286973B (zh) | 一种行驶数据校验方法及装置、及混合导航系统 | |
CN110542426B (zh) | 小路识别方法、设备及可读介质 | |
CN106338292A (zh) | 步行路径的处理方法及装置 | |
CN111583645B (zh) | 车辆协同行驶的质量评估方法、装置、服务器及介质 | |
CN110440788B (zh) | 跨越单线道路的导航提示方法、服务器及计算机可读介质 |
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 |