CN110542428B - 驾驶路线质量评估方法及装置 - Google Patents
驾驶路线质量评估方法及装置 Download PDFInfo
- Publication number
- CN110542428B CN110542428B CN201910795894.0A CN201910795894A CN110542428B CN 110542428 B CN110542428 B CN 110542428B CN 201910795894 A CN201910795894 A CN 201910795894A CN 110542428 B CN110542428 B CN 110542428B
- Authority
- CN
- China
- Prior art keywords
- road unit
- driving
- unit
- road
- end point
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
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
本申请的实施例揭示了一种驾驶路线质量评估方法及装置。该方法包括:根据输入的驾驶起点和驾驶终点,搜索连通所述驾驶起点和所述驾驶终点的驾驶路线,获取形成每条驾驶路线的道路单元集合;基于每条驾驶路线中各个道路单元与所述驾驶终点之间的位置关系,计算每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率;根据每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率,计算每条驾驶路线的质量得分。本申请实施例的技术方案在计算驾驶路线的质量得分时,考虑了驾驶终点的位置对于驾驶路线质量的影响,能够满足于不同终点的驾驶路线的情况,能够对驾驶路线的质量进行准确评估。
Description
技术领域
本申请涉及路线规划技术领域,具体而言,涉及一种驾驶路线质量评估方法、装置、设备以及计算机可读存储介质。
背景技术
目前,驾驶路线规划领域对于路线质量的评估一般是基于统计的方法得到的。具体来说,通过历史驾驶轨迹挖掘得到每个道路单元(link,描述道路的最小数据单元)的车流量大小,或者挖掘得到路口所对应道路单元的所有方向分流概率,进一步通过每个道路单元的车流量大小、分流概率统计值进行驾驶路线质量的量化评估。
但是,仅通过每个道路单元的车流量大小和分流概率很难对驾驶路线质量进行准确评估,例如对于终点在环路附近的情况,从匝道驶出环路的路线应当是质量更优的路线,而对于终点较远的情况,沿着环路驾驶的路线才是质量更优的路线,而采用上述统计方法并不能够满足于不同终点路线的情况,从而无法得到准确的驾驶路线质量评估结果。
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申请的背景的理解,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
为了满足于上述不同终点路线的情况,本申请的实施例提供了一种驾驶路线质量评估方法、装置、设备以及计算机可读存储介质,用以对驾驶路线的质量进行准确评估。
其中,本申请所采用的技术方案为:
一种驾驶路线质量评估方法,包括:根据输入的驾驶起点和驾驶终点,搜索连通所述驾驶起点和所述驾驶终点的驾驶路线,获取形成每条驾驶路线的道路单元集合;基于每条驾驶路线中各个道路单元与所述驾驶终点之间的位置关系,计算每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率;根据每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率,计算每条驾驶路线的质量得分。
一种驾驶路线质量评估装置,包括:驾驶路线搜索模块,用于根据输入的驾驶起点和驾驶终点,搜索连通所述驾驶起点和所述驾驶终点的驾驶路线,获取形成每条驾驶路线的道路单元集合;转移概率计算模块,用于根据每条驾驶路线中各个道路单元与所述驾驶终点之间的位置关系,计算每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率;质量得分计算模块,用于根据每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率,计算每条驾驶路线的质量得分。
一种驾驶路线质量评估设备,包括处理器及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如上所述的驾驶路线质量评估方法。
一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行如上所述的驾驶路线质量评估方法。
申请实施例提供的技术方案可以包括以下有益效果:
在上述技术方案中,根据输入的驾驶起点和驾驶终点搜索连通驾驶起点和驾驶终点的驾驶路线,获取形成每条驾驶路线的道路单元集合之后,基于每条驾驶路线中各个道路单元与驾驶终点之间的位置关系,计算每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率,由于驾驶路线中各个道路单元转移至下一个道路单元的转移概率是基于驾驶路线中各个道路单元与驾驶终点之间的位置关系计算得到的,在计算驾驶路线的质量得分时,考虑了驾驶终点的位置对于驾驶路线质量的影响,能够满足于不同终点的驾驶路线的情况,从而能够对驾驶路线的质量进行准确评估。
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,并不能限制本申请。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术者来讲,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。在附图中:
图1是本申请所涉及的实施环境的示意图;
图2是根据一示例性实施例示出的一种驾驶路线质量评估方法的流程图;
图3是图2所示实施例中步骤230在一个实施例的流程图;
图4是根据另一示例性实施例示出的一种驾驶路线质量评估方法的流程图;
图5是图4所示实施例中步骤330在一个实施例的流程图;
图6是根据一示例性实施例示出的一种极坐标系的示意图;
图7是图2所示实施例中步骤230在另一个实施例的流程图;
图8是根据一示例性实施例示出的一种应用场景的示意图;
图9是根据一示例性实施例示出的一种驾驶路线质量评估装置的框图;
图10是根据一示例性实施例示出的一种驾驶路线质量评估设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
请参阅图1,图1是本申请所涉及的一种实施环境的示意图,该实施环境为一驾驶路线搜索系统。如图1所示,该驾驶路线搜索系统包括终端100和服务器200。
其中,终端100与服务器200之间预先建立有线或者无线的通信连接,使得终端100与服务器200之间可以进行数据传输。
终端100提供有人机交互界面,用以接收用户输入的驾驶起点和驾驶终点,并将用户输入的驾驶起点和驾驶终点传输至服务器200。服务器200根据用户输入的驾驶起点和驾驶终点,搜索连通驾驶起点和驾驶终点的驾驶路线,并针对搜索的每条驾驶路线的质量进行评估,得到每条驾驶路线的质量得分,然后将搜索得到的全部驾驶路线和每条驾驶路线的质量得分返回至终端100。终端100则对服务器200返回的驾驶路线和驾驶路线质量得分进行相应显示,从而将搜索结果反馈给用户。
示例性的,终端100可以是智能手机、平板电脑、笔记本电脑、车载导航仪等设备,本处不进行限定。终端100所提供人机交互界面可以是终端100所运行电子地图应用程序的界面。
服务器200可以是一单独的服务器,也可以是由若干服务器构成的服务器集群,本处也不进行限定。
请参阅图2,图2是根据一示例性实施例示出的一种驾驶路线质量评估方法的流程图。该方法可以由图1所示实施环境中的服务器200具体执行,以实现对搜索到的每条驾驶路线的质量评估,并获得每条驾驶的质量得分,在进行驾驶路线选择时,所得质量得分将直接体现每条驾驶路线的用户体验好与坏。或者该方法也可以离线加载于其它电子设备中,由其它电子设备具体执行,本处不进行限定。
如图2所示,在一示例性实施例中,该驾驶路线质量评估方法可以包括以下步骤:
步骤210,根据输入的驾驶起点和驾驶终点,搜索连通驾驶起点和驾驶终点的驾驶路线,获取形成每条驾驶路线的道路单元集合。
如前所述的,道路单元也称为“link”,是描述道路的最小数据单元,也是构成驾驶路线的基本单位,其包含结构化的道路单元的长度、宽度、车流量、位置、道路等级等属性信息。
道路单元是指任意的一段道路,示例性的,道路单元可以是两个路口之间的道路,两个路口之间的道路也可以含有若干道路单元,道路单元可以是一段直线道路,也可以是一段弯曲道路,本实施例不对道路单元的具体形态进行限定。
驾驶路线即由若干拓扑连接的道路单元形成,驾驶路线的质量与驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的可能性大小有关,也即是说,驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率决定了驾驶路线的质量。
由此,本实施例在根据所输入的驾驶起点和驾驶终点搜索得到连通驾驶起点和驾驶终点的驾驶路线之后,还需获得形成每条驾驶路线的道路单元集合,以根据道路单元集合中每个道路单元所包含的属性信息,计算每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率,从而根据所得转移概率计算每条驾驶路线的质量得分。
步骤230,基于每条驾驶路线中各个道路单元与所述驾驶终点之间的位置关系,计算每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率。
如前所述的,现有实现通过对历史驾驶轨迹中每个道路单元的车流量大小和分流概率进行统计,从而根据统计的每个道路单元的车流量大小和分流概率对驾驶路线质量进行量化评估,但是并没有考虑到驾驶路线的终点位置对于驾驶路线质量的影响。
具体来说,在驾驶路线中,某个道路单元转移至拓扑相连的下一个道路单元的转移概率不仅与车流量大小和分流概率有关,还应当与驾驶路线的终点位置有关。例如,当驾驶终点在环路附近时,即使环路的车流量比匝道的车流量更大,或者匝道所在道路单元的分流概率小于环路所在的道路单元,从匝道驶出环路的驾驶路线的质量得分也应当更高。
由此,本实施例在对步骤210中搜索的每条驾驶路线进行质量评估中,将考虑到驾驶终点的位置对于驾驶路线质量的影响,基于每条驾驶路线中各个道路单元与驾驶终点之间的位置关系,来计算每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率,通过提升拓扑相连的两个道路单元之间的转移概率的准确性,进而提升驾驶路线质量评估的准确性。
每条驾驶路线中各个道路单元与驾驶终点之间的位置关系可以理解为是各个道路单元的位置与驾驶终点的位置之间的相对关系,示例性的,该位置关系可以是驾驶终点相对各个道路单元的角度和距离。
由此,本实施例基于每条驾驶路线中各个道路单元与驾驶终点之间的位置关系,计算每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率,其旨在以每条驾驶路线中各个道路单元与驾驶终点之间的位置关系作为终点约束条件,在此终点约束条件下,更加准确地获得每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率。
步骤250,根据每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率,计算每条驾驶路线的质量得分。
如前所述,每条驾驶路线都是由若干拓扑连接的道路单元所形成,在根据步骤230得到每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率之后,通过对所得转移概率的相关计算,即可得到每条驾驶路线的质量得分。
应当理解,如果某条驾驶路线中含有N个拓扑相连的道路单元,所得各个道路单元转移至下一个道路单元的转移概率的数量为N-1个。在一个实施例中,通过对这N-1个转移概率求累积后再开N-1次方,即可得到该条驾驶路线的质量得分。
在另外的实施例中,得到某条驾驶路线中各个道路单元转移至下一个道路单元的N-1个转移概率之后,通过对这N-1个转移概率求和后再计算平均概率,也可以得到该条驾驶路线的质量得分。
在另外的实施例中,在按照上述过程计算得到N-1个转移概率求累积后再开N-1次方的开方概率之后,或者得到N-1个转移概率的平均概率之后,还可以将得到的开方概率或者平均概率与这N-1个转移概率的标准差进行加权运算,例如计算开方概率或者平均概率与标准差之间的加权和,所得结果即为该条驾驶路线的质量得分。
需要说明的是,在根据每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率计算每条驾驶路线的质量得分的过程中,并不对具体的计算方式进行限定,但每条驾驶路线的质量得分的计算过程一定是对每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率进行融合的过程。
由此,在本实施例中,由于驾驶路线中各个道路单元转移至下一个道路单元的转移概率是基于驾驶路线中各个道路单元与驾驶终点之间的位置关系计算得到的,相比于现有技术仅根据各个道路单元的车流量大小和分流概率来对驾驶路线进行质量评估的技术手段,本实施例在计算驾驶路线的质量得分时考虑了驾驶终点的位置对于驾驶路线质量的影响,更加准确地得到每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率,从而能够对驾驶路线的质量进行准确评估,能够满足于不同终点的驾驶路线的情况。
图3是图2所示实施例中步骤230在一个实施例的流程图。如图3所示,在一示例性实施例中,步骤230可以包括以下步骤:
步骤231,根据每条驾驶路线中各个道路单元的位置和驾驶终点的位置,计算各个道路单元与驾驶终点之间的位置关系。
其中,驾驶路线的每个道路单元中均含有GPS(Global Positioning System,全球定位系统)坐标点串,即每个道路单元中含有若干个连续的GPS坐标点,以根据连续的GPS坐标点来准确地描述道路单元的真实道路形状。
驾驶路线中各个道路单元的位置将由各个道路单元所含有连续的GPS坐标点来确定,示例性的,道路单元的位置可以是道路单元中第一个GPS坐标点的坐标位置,还可以是道路单元所含有全部GPS坐标点的均值点坐标位置,本处不进行限定。
由于各个道路单元与驾驶终点之间的位置关系即为驾驶终点的位置与各个道路单元的位置之间的相对关系,因此在一个实施例中,可以以每个道路单元的位置为极点构建极坐标系,将驾驶终点分别在每个极坐标系中的位置描述作为各个道路单元与驾驶终点之间的位置关系。示例性的,驾驶终点分别在每个极坐标系中的位置描述可以包括驾驶终点相对每个极坐标系极点的角度和距离。
在另外的实施例中,驾驶终点分别在每个极坐标系中的位置描述还可以是驾驶终点相对各个极坐标系极点的角度和距离在对应极坐标系下的离散化表达,离散化表达的相应计算过程将在下述的实施例中进行详细描述,本处不进行赘述。
步骤233,根据各个道路单元与驾驶终点之间的位置关系,从存储的转移概率集合中查询每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率。
首先需要说明的是,所存储的转移概率集合是根据大量的历史驾驶轨迹挖掘得到的,并且每条历史驾驶轨迹也应当是由若干拓扑连接的道路单元所形成。
在历史驾驶轨迹的挖掘中,将以每条历史驾驶轨迹中最后一个道路单元的位置为终点,计算每条历史驾驶轨迹中各个道路单元与终点的位置关系,并挖掘全部历史驾驶轨迹中的道路单元的转移概率,由此获得转移概率集合,并将挖掘的转移概率集合相应存储。因此,转移概率集合中不仅含有各个道路单元转移至拓扑相连的下一个道路单元的转移概率,还包括有转移概率所对应道路单元与历史驾驶轨迹的终点之间的位置关系。
由此,针对连通所输入驾驶起点和驾驶终点的每条驾驶路线,可以根据各个道路单元与驾驶终点之间位置关系为查询条件,从挖掘的转移概率集合中查询每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率。
在一个实施例中,如果转移概率集合中无法查询到某个道路单元转移至下一个道路单元的转移概率,则表示在历史驾驶轨迹的挖掘中,并没有挖掘到在以该道路单元与历史驾驶轨迹的终点的位置关系为约束条件下,该道路单元转移至下一个道路单元的转移概率,例如,不存在终点位置与当前所输入驾驶终点的位置相对应的历史驾驶轨迹。
这时,则可以按照预设的规则直接确定该道路单元转移至下一个道路单元的转移概率为预设概率值,即使是在转移概率集合中的数据存在缺陷的情况下,仍可以保证根据每个道路单元与驾驶终点之间的位置关系,都能够获得相应的查询结果。
容易理解的,本实施例适用于实现驾驶路线质量评估的离线应用,可以将本实施例提供的方法离线加载于电子设备中,使得电子设备根据用户所输入的驾驶起点和驾驶终点离线搜索相应的驾驶路线,并根据搜索的每条驾驶路线中各个道路单元与驾驶路线之间的位置关系,从存储的转移概率集合中查询每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率,由此计算每条驾驶路线的质量得分。
并且由于转移概率集合是通过对历史驾驶轨迹挖掘得到的,本实施例对于驾驶路线中存在车辆难以通行的小路、偏僻的未铺设道路等情况能够进行很好的识别。
请参阅图4,图4是根据另一示例性实施例示出的一种驾驶路线质量评估方法的流程图。如图4所示,在一示例性实施例中,该驾驶路线质量评估方法还可以包括以下步骤:
步骤310,获取同一用车类型的历史驾驶轨迹。
其中,针对不同的用车类型,用户对于驾驶路线的选择也应当所有区别,例如对于货车来说,高速路线应当是更加容易被用户接受的方案,而对于私家车来说,距离近且ETA(Estimated Time of Arrival,预计到达时间)短的路线更容易被用户接受。
由于用户对于不同用车类型的驾驶路线的选择规则、偏好等信息均隐含在历史驾驶轨迹中,因此可以根据具体的用车类型,获取同一用车类型的历史驾驶轨迹,从而通过对所获取同一用车类型的历史驾驶轨迹进行转移概率的挖掘,灵活地控制驾驶路线质量评估的侧重点。
步骤330,以每条历史驾驶轨迹中最后一个道路单元的位置为终点,计算每条历史驾驶轨迹中各个道路单元与该终点之间的位置关系。
其中,每条历史驾驶轨迹中最后一个道路单元的位置可以是该道路单元的第一个GPS坐标点的坐标位置,或者是该道路单元所含有全部GPS坐标点的均值点坐标位置,本处也不进行限定。
与前述实施例中每条驾驶路线的各个道路单元与驾驶终点之间的位置关系相同,每条历史驾驶轨迹中的各个道路单元与历史驾驶轨迹的终点之间的位置关系是指历史驾驶轨迹的终点的位置与各个道路单元的位置之间的相对关系。
在一个示例性实施例中,如图5所示,计算每条历史驾驶轨迹中各个道路单元与每条历史驾驶轨迹的终点之间的位置关系可以包括以下步骤:
步骤331,针对每条历史驾驶轨迹中的各个道路单元,以各个道路单元的位置为极点构建极坐标系。
其中,极坐标系是指在平面内由极点、极轴和极径组成的坐标系。例如在图6所示的极坐标系中,在平面上取定点O为极点,从O点出发引一条射线OX为极轴,平面上另一定点P的位置则可以用线段OP的长度a和射线OX到线段OP的角度θ表示,即表示为有序数对Dest(a,θ),该有序数对即称为P点的极坐标,a称为P点的极径,θ称为P点的极角。
由此,针对每条历史驾驶轨迹中的各个道路单元,即可以根据各个道路单元的位置为极点构建极坐标系,在所构建坐标系中,将道路单元所对应历史驾驶轨迹的终点与极点之间的距离称为极径,将该终点和极点所构成线段与极轴之间的角度称为极角。
步骤333,将历史驾驶轨迹中最后一个道路单元的位置作为终点,根据该终点相对各个道路单元的角度和距离,计算该终点在各个道路单元所对应极坐标系下的离散化表达。
其中,历史驾驶轨迹的终点相对历史驾驶轨迹中各个道路单元的角度是指该终点在所构建极坐标系中的极角,历史驾驶轨迹的终点相对历史驾驶轨迹中各个道路单元的距离是指该终点在所构建极坐标系中的极径。
历史驾驶轨迹的终点在各个道路单元所对应极坐标系下的离散化表达则是指该终点分别在每个极坐标系中的位置描述,也即为各个道路单元与终点之间的位置关系。
在一个实施例中,历史驾驶轨迹的终点在各个道路单元所对应极坐标系下的离散化表达包括该终点分别在各个极坐标系下的方向信息离散化表达,步骤333计算历史驾驶轨迹的终点在各个极坐标系下的离散化表达的过程包括如下步骤:
获取道路单元所对应极坐标系对历史驾驶轨迹的终点方向所约束的角度区间,并将角度区间离散为若干份,获得单位角度;
计算终点相对道路单元的角度与单位角度的商,获取商的整数部分为终点在各个道路单元所对应极坐标系下的方向信息离散化表达。
其中,道路单元所对应极坐标系对历史驾驶轨迹的终点方向所约束的角度区间为预设值,可以理解是对终点相对于极点的方向增加一个限定条件,以使得道路单元与历史驾驶轨迹的终点之间的位置关系更加准确,进而有利于精确获得道路单元转移至拓扑相连的下一个道路单元的转移概率。
示例性的,如果极坐标系中所约束的角度区间为[0,2π],并将该角度区间离散为k份,则可得到每一份角度区间所在的角度为2π/k,该角度即为离散角度区间所得的单位角度。
如果将历史驾驶轨迹的终点的位置坐标表示为Dest(a,θ),该终点相对道路单元的角度与单位角度的商表示为a*k/2π,其中a表示该终点相对道路单元的角度。通过对a*k/2π取整,即可得到大小处于区间[0,k-1]内的整数θidx,并将θidx作为终点Dest(a,θ)在道路单元所对应极坐标系下的方向信息离散化表达。
在另一个实施例中,历史驾驶轨迹的终点在各个道路单元所对应极坐标系下的离散化表达包括该终点分别在各个极坐标系下的距离信息离散化表达,步骤333计算历史驾驶轨迹的终点在各个极坐标系下的离散化表达的过程包括如下步骤:
获取预设的距离单元,距离单元用于道路单元所对应极坐标系的极轴所在距离区间的离散化处理;
以距离单元为底数,并以终点相对道路单元的距离为真数进行对数运算;
通过将运算所得的对数值加一,获得终点在道路单元所对应极坐标系下的距离信息离散化表达。
其中,距离单元是通过对极坐标系的极轴所在距离区间[0,∞]进行离散化所得到的,举例来说,当距离单位为2时,将极轴所在距离区间[0,∞]离散后所得区间为[0,20,21,22,23,......2n]。应当说明的是,距离单位可以是任意的预设值,本处并不进行限定。
通过对极轴所在距离区间的离散化,使得当历史驾驶轨迹的终点相对于道路单元的距离较小时,能够有更加精细的距离区间,从而使得该终点在极坐标系下具有更加精确的距离信息离散化表达。
仍以距离单位为2进行示例性进行说明,历史驾驶轨迹的终点在极坐标系下的距离信息离散化表达的计算公式可以如下:
aidx=log2(a)+1
因此,历史驾驶轨迹的终点在对应极坐标系下的离散化表达具体表示为(θidx,aidx)。
步骤335,挖掘全部历史驾驶轨迹中的道路单元在不同的位置关系下转移至拓扑相连的下一个道路单元的转移概率,获得所述转移概率集合。
其中,本实施例对于转移概率的挖掘,实质是对全部历史驾驶轨迹中的道路单元在不同的位置关系下转移至拓扑相连的下一个道路单元的次数进行统计的过程。示例性的,在某个确定的位置关系下,如果从全部历史驾驶轨迹中统计得到道路单元A向拓扑相连的道路单元B转移了100次,并且道路单元A还向拓扑相连的道路单元C转移了900次,则在此位置关系下,道路单元A转移至道路单元B的转移概率为10%,道路单元A转移至道路单元C的转移概率为90%。
由此,通过挖掘全部历史驾驶轨迹中的道路单元在不同的位置关系下转移至拓扑相连的下一个道路单元的转移概率,即可获得转移概率集合,该转移概率集合中不仅含有各个道路单元转移至拓扑相连的下一个道路单元的转移概率,还包括有转移概率所对应道路单元与历史驾驶轨迹的终点之间的位置关系。
图7是图2所示实施例中步骤230在另一个实施例的流程图。如图7所示,在一示例性实施例中,步骤230可以包括以下步骤:
步骤232,针对每条驾驶路线中的道路单元对进行特征提取,所提取特征包括道路单元对中前一个道路单元与驾驶终点之间的位置关系。
其中,每条驾驶路线中的道路单元对由驾驶路线中拓扑相连的两个道路单元构成。也即是说,如果某条驾驶路线中含有N个拓扑相连的道路单元,该驾驶路线所含有道路单元对的数量即为N-1个。
在本实施例中,针对每条驾驶路线中的每一道路单元对都进行特征提取,所提取特征包括道路单元对中前一个道路单元与驾驶终点之间的位置关系。示例性的,所提取的特征包括前一个道路单元与驾驶终点之间的直线距离以及与驾驶终点之间的夹角。
而在另外的实施例中,针对每一道路单元所提取的特征还可以包括描述道路单元对自身物理属性的特征,例如道路单元对中每个道路单元的道路长度、道路宽度、道路等级、出/入度、红绿灯数量、前一个道路单元与后一个道路单元之间的夹角等。
所提取的特征还可以包括描述道路单元对所在的实时路况的特征,例如道路单元对中每个道路单元的路况状态、实时速度、当前车流量等。
所提取的特征也还可以包括与道路单元对的驾驶流量相关的特征,例如道路单元对中每个道路单元的自由流速度、HTS、历史车流量、在没有位置关系约束下由前一个道路单元转移至后一个道路单元的转移概率等。其中,自由流速度是指道路单元在畅通时车辆能够达到的最大速度。
步骤234,将所提取特征输入至预先训练的转移概率预测模型中,获得每一道路单元对中由前一个道路单元转移至下一个道路单元的转移概率。
其中,转移概率预测模型是以历史驾驶轨迹中的各个道路单元对为训练样本训练得到的,用以预测道路单元对中由前一个道路单元转移至下一个道路单元的转移概率。
由此,通过将步骤232中提取的特征输入至预先训练的转移概率预测模型中,即可获得每条驾驶路线的各个道路单元对中由前一个道路单元转移至下一个道路单元的转移概率。
需要说明的是,本实施例中的转移概率预测模型是通过对历史驾驶轨迹中的各个训练样本进行特征提取,然后将提取的特征输入至预先提供的转移概率预测模型中进行训练得到的。在训练的过程中,将以转移概率集合中对应存储的转移概率值作为训练样本的真实概率。
进行特征提取的历史驾驶轨迹可以是对应同一用车类型,由于用户对于不同用车类型的驾驶路线的选择规则、偏好等信息均隐含在历史驾驶轨迹中,因此通过对同一用车类型的历史驾驶轨迹进行特征提取,然后根据所提取的特征对转移概率预测模型进行训练,使得训练好的转移概率预测模型可以有针对性地进行转移概率预测,从而灵活地控制驾驶路线质量评估的侧重点。
对历史驾驶轨迹中的各个训练样本提取的特征包括描述训练样本自身物理属性的特征、描述训练样本所在实时路况的特征、描述训练样本与所述历史驾驶轨迹的终点的位置关系的特征、与训练样本的驾驶流量相关的特征中的至少一种。
其中,描述训练样本自身物理属性的特征可以包括训练样本中每个道路单元的道路长度、道路宽度、道路等级、出/入度、红绿灯数量、前一个道路单元与后一个道路单元之间的夹角等;描述训练样本所在实时路况的特征可以包括训练样本中每个道路单元的路况状态、实时速度、当前车流量等;描述训练样本与所述历史驾驶轨迹的终点的位置关系的特征可以包括训练样本中前一个道路单元与历史驾驶轨迹的终点之间的直线距离以及与该终点之间的夹角;与训练样本的驾驶流量相关的特征可以包括训练样本中每个道路单元的自由流速度、HTS、历史车流量、在没有位置关系约束下由前一个道路单元转移至后一个道路单元的转移概率等。
容易理解的,本实施例适用于实现驾驶路线质量评估的在线应用,在获取到用户所输入的驾驶起点和驾驶终点后,即可在线搜索相应的驾驶路线,并对搜索到的每条驾驶路线中的各个道路单元对进行特征提取,然后将提取的特征输入至在线加载的转移概率预测模型,由此即可得到每条驾驶路线的各个道路单元对中由前一个道路单元转移至下一个道路单元的转移概率,从而根据所得转移概率计算每条驾驶路线的质量得分,十分方便。
并且,由于每条驾驶路线的各个道路单元对中由前一个道路单元转移至下一个道路单元的转移概率是通过预先训练的概率预测模型所预测得到的,因此本实施例不存在无法得到某个道路单元对所对应转移概率的情况,相较于前述实施例中对于驾驶路线质量评估的离线应用,本实施例能够实现转移概率的准确获得,由此能够对每条驾驶路线进行更加准确的质量评估。
还需要说明的是,在概率预测模型的训练过程中考虑了各个训练样本与历史驾驶轨迹的终点的位置关系的特征,因此概率预测模型在对驾驶路线中的各个道路单元对进行转移概率预测时,也考虑了各个道路单元对于驾驶终点之间的位置关系,并以此位置关系为约束,预测驾驶路线中的各个道路单元对所对应转移概率,使得预测得到的转移概率更加准确,进而提升驾驶路线质量评估的准确性。
下面将以一个具体的应用场景来对本申请实施例提供的技术方案进行说明,该应用场景用于实现驾驶路线以及驾驶路线所对应质量得分的获取。
如图8所示,预先通过获取历史驾驶轨迹,并以历史驾驶轨迹的终点为约束条件挖掘link(即道路单元)转移概率,所获得的link转移概率集合一方面用于进行驾驶路线质量的离线评估,即针对搜索到的连通驾驶起点和驾驶终点的驾驶路线,从link转移概率集合中查询每条驾驶路线中各个link转移至拓扑相连的下一link的转移概率,从而根据查询到的link转移概率计算每条驾驶路线的质量得分。
另一方面,link转移概率集合作为训练样本的真实转移概率值用于训练转移概率预测模型,其中训练样本也是基于历史驾驶轨迹所获取的。训练好的转移概率预测模型即可用于进行驾驶路线质量的在线评估,并得到预测的每条驾驶路线中各个link对中由上一link转移至下一link的link转移概率,从而根据预测的link转移概率计算每条驾驶路线的质量得分。
由此可以得出,驾驶路线质量的评估方式包括在线评估以及离线评估,每种评估方式均依赖于以历史驾驶轨迹的终点为约束挖掘的link转移概率,由于在历史驾驶轨迹的终点为约束下得到的link转移概率更加准确,因此驾驶路线质量的在线评估以及离线评估所得到的驾驶路线的质量得分的准确度均较高。
图9是根据一示例性实施例示出的一种驾驶路线质量评估装置的框图,如图9所示,该驾驶路线质量评估装置包括驾驶路线搜索模块410、转移概率计算模块430和质量得分计算模块450。
驾驶路线搜索模块410用于根据输入的驾驶起点和驾驶终点,搜索连通所述驾驶起点和所述驾驶终点的驾驶路线,获取形成每条驾驶路线的道路单元集合。
转移概率计算模块430用于根据每条驾驶路线中各个道路单元与所述驾驶终点之间的位置关系,计算每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率。
质量得分计算模块450用于根据每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率,计算每条驾驶路线的质量得分。
在另一示例性实施例中,转移概率计算模块430包括位置关系计算单元和转移概率查询单元。
位置关系计算单元用于根据每条驾驶路线中各个道路单元的位置以及所述驾驶终点的位置,计算各个道路单元与所述驾驶终点之间的位置关系。
转移概率查询单元用于根据所述位置关系,从存储的转移概率集合中查询所述每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率。
在另一示例性实施例中,转移概率计算模块430还包括预设概率值获取单元,其用于在未从所述转移概率集合中查询到所述道路单元转移至下一个道路单元的转移概率的情况下,确定所述转移概率为预设概率值。
在另一示例性实施例中,驾驶路线质量评估装置还包括历史驾驶轨迹获取模块、历史位置关系获取模块和转移概率挖掘模块。
历史驾驶轨迹获取模块用于获取同一用车类型的历史驾驶轨迹。
历史位置关系获取模块用于以每条历史驾驶轨迹中最后一个道路单元的位置为终点,计算每条历史驾驶轨迹中各个道路单元与所述终点之间的位置关系。
转移概率挖掘模块用于挖掘全部历史驾驶轨迹中的道路单元在不同的所述位置关系下转移至拓扑相连的下一个道路单元的转移概率,获得所述转移概率集合。
在另一示例性实施例中,历史位置关系获取模块包括极坐标系构建单元和离散化表达获取单元。
极坐标系构建单元用于针对每条历史驾驶轨迹中的各个道路单元,以所述各个道路单元的位置为极点构建极坐标系。
离散化表达单元用于将所述历史驾驶轨迹中最后一个道路单元的位置作为终点,根据所述终点相对各个道路单元的角度和距离,计算所述终点在各个道路单元所对应极坐标系下的离散化表达,所述离散化表达为各个道路单元与所述终点之间的位置关系。
在另一示例性实施例中,所述离散化表达包括所述终点在所述道路单元所对应极坐标系下的方向信息离散化表达;所述离散化表达单元包括角度约束信息获取子单元和方向信息离散化表达子单元。
角度约束信息获取子单元用于获取所述道路单元所对应极坐标系对所述终点的方向所约束的角度区间,并将所述角度区间离散为若干份,得到单位角度。
方向信息离散化表达子单元用于计算所述终点相对所述道路单元的角度与所述单位角度的商,获取所述商的整数部分为所述终点在所述道路单元所对应极坐标系下的方向信息离散化表达。
在另一示例性实施例中,所述离散化表达还包括所述终点在所述道路单元所对应极坐标系下的距离信息离散化表达;所述离散化表达单元包括距离区间离散子单元和距离信息离散化表达子单元。
距离区间离散子单元用于获取预设的距离单元,所述距离单元用于所述道路单元所对应极坐标系的极轴所在距离区间的离散化处理。
距离信息离散化表达子单元用于以所述距离单元为底数,并以所述终点相对所述道路单元的距离为真数进行对数运算,将运算所得的对数值加一,获得所述终点在所述道路单元所对应极坐标系下的距离信息离散化表达。
在另一示例性实施例中,转移概率计算模块430包括特征提取单元和特征预测单元。
特征提取单元用于针对每条驾驶路线中的道路单元对进行特征提取,所述道路单元对由所述驾驶路线中拓扑相连的两个道路单元构成,所提取特征包括所述道路单元对中前一个道路单元与所述驾驶终点之间的位置关系。
特征预测单元用于将所提取特征输入至预先训练的转移概率预测模型中,获得每一道路单元对中由前一个道路单元转移至下一个道路单元的转移概率。
在另一示例性实施例中,驾驶路线质量评估装置还包括训练样本获取模块、训练样本特征提取模块和模型训练模块。
训练样本获取模块用于针对同一用车类型的历史驾驶轨迹,分别获取每条历史驾驶轨迹中的各个道路单元对为训练样本。
训练样本特征提取模块用于提取所述训练样本的特征,所述特征包括描述所述训练样本自身物理属性的特征、描述所述训练样本所在实时路况的特征、描述所述训练样本与所述历史驾驶轨迹的终点的位置关系的特征、与所述训练样本的驾驶流量相关的特征中的至少一种。
模型训练模块用于根据所提取特征对待训练的所述转移概率预测模型进行训练。
需要说明的是,上述实施例所提供的装置与上述实施例所提供的方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。
在另一示例性的实施例中,本申请还提供了一种驾驶路线质量评估设备,包括处理器和存储器,其中,存储器上存储有计算机可读指令,该计算机可读指令被处理器执行时实现如前所述的驾驶路线质量评估方法。
请参阅图10,图10是根据一示例性实施例示出的一种驾驶路线质量评估设备的硬件结构示意图。
需要说明的是,该设备只是一个适配于本申请的示例,不能认为是提供了对本申请的使用范围的任何限制。该设备也不能解释为需要依赖于或者必须具有图10中示出的示例性的驾驶路线质量评估设备中的一个或者多个组件。
该设备的硬件结构可因配置或者性能的不同而产生较大的差异,如图10所示,该设备包括:电源610、接口630、至少一存储器650、以及至少一中央处理器(CPU,CentralProcessing Units)670。
其中,电源610用于为该设备上的各硬件设备提供工作电压。
接口630包括至少一有线或无线网络接口631、至少一串并转换接口633、至少一输入输出接口635以及至少一USB接口637等,用于与外部设备通信。
存储器650作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作系统651、应用程序653或者数据655等,存储方式可以是短暂存储或者永久存储。其中,操作系统651用于管理与控制该设备上的各硬件设备以及应用程序653,以实现中央处理器670对海量数据655的计算与处理,其可以是WindowsServerTM、Mac OS XTM、UnixTM、LinuxTM等。应用程序653是基于操作系统651之上完成至少一项特定工作的计算机程序,其可以包括至少一模块,每个模块都可以分别包含有对该设备的一系列计算机可读指令。
中央处理器670可以包括一个或多个以上的处理器,并设置为通过总线与存储器650通信,用于运算与处理存储器650中的海量数据655。
如上面所详细描述的,适用本申请的驾驶路线质量评估设备将通过中央处理器670读取存储器650中存储的一系列计算机可读指令的形式来完成如前所述的驾驶路线质量评估方法。
此外,通过硬件电路或者硬件电路结合软件指令也能同样实现本申请,因此,实现本申请并不限于任何特定硬件电路、软件以及两者的组合。
在另一示例性的实施例中,本申请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,该计算机程序被处理器执行时实现如前所述的驾驶路线质量评估方法。该计算机可读存储介质可以是上述实施例中描述的驾驶路线质量评估设备中所包含的,也可以是单独存在,而未装配入该驾驶路线质量评估设备中。
上述内容,仅为本申请的较佳示例性实施例,并非用于限制本申请的实施方案,本领域普通技术人员根据本申请的主要构思和精神,可以十分方便地进行相应的变通或修改,故本申请的保护范围应以权利要求书所要求的保护范围为准。
Claims (10)
1.一种驾驶路线质量评估方法,其特征在于,包括:
根据输入的驾驶起点和驾驶终点,搜索连通所述驾驶起点和所述驾驶终点的驾驶路线,获取形成每条驾驶路线的道路单元集合;
根据每条驾驶路线中各个道路单元的位置以及所述驾驶终点的位置,计算各个道路单元与所述驾驶终点之间的位置关系;
根据所述位置关系,从存储的转移概率集合中查询所述每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率;
根据每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率,计算每条驾驶路线的质量得分;
其中,所述转移概率集合通过如下步骤获得:
获取同一用车类型的历史驾驶轨迹;
针对每条历史驾驶轨迹中的各个道路单元,以所述各个道路单元的位置为极点构建极坐标系;
将所述历史驾驶轨迹中最后一个道路单元的位置作为终点,根据所述终点相对各个道路单元的角度和距离,计算所述终点在各个道路单元所对应极坐标系下的离散化表达,所述离散化表达为各个道路单元与所述终点之间的位置关系;
挖掘全部历史驾驶轨迹中的道路单元在不同的所述位置关系下转移至拓扑相连的下一个道路单元的转移概率,获得所述转移概率集合;
其中,所述离散化表达包括所述终点在所述道路单元所对应极坐标系下的方向信息离散化表达,所述根据所述终点相对所述道路单元的角度,计算所述终点在所述道路单元所对应极坐标系下的离散化表达,包括:
获取所述道路单元所对应极坐标系对所述终点的方向所约束的角度区间,并将所述角度区间离散为若干份,得到单位角度;
计算所述终点相对所述道路单元的角度与所述单位角度的商,获取所述商的整数部分为所述终点在所述道路单元所对应极坐标系下的方向信息离散化表达。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
如果未从所述转移概率集合中查询到所述道路单元转移至下一个道路单元的转移概率,则确定所述转移概率为预设概率值。
3.根据权利要求1所述的方法,其特征在于,所述离散化表达还包括所述终点在所述道路单元所对应极坐标系下的距离信息离散化表达;所述根据所述终点相对所述道路单元的距离,计算所述终点在所述道路单元所对应极坐标系下的离散化表达,包括:
获取预设的距离单元,所述距离单元用于所述道路单元所对应极坐标系的极轴所在距离区间的离散化处理;
以所述距离单元为底数,并以所述终点相对所述道路单元的距离为真数进行对数运算,将运算所得的对数值加一,获得所述终点在所述道路单元所对应极坐标系下的距离信息离散化表达。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
针对每条驾驶路线中的道路单元对进行特征提取,所述道路单元对由所述驾驶路线中拓扑相连的两个道路单元构成,所提取特征包括所述道路单元对中前一个道路单元与所述驾驶终点之间的位置关系;
将所提取特征输入至预先训练的转移概率预测模型中,获得每一道路单元对中由前一个道路单元转移至下一个道路单元的转移概率;
根据每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率,计算每条驾驶路线的质量得分。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
针对同一用车类型的历史驾驶轨迹,分别获取每条历史驾驶轨迹中的各个道路单元对为训练样本;
提取所述训练样本的特征,所述特征包括描述所述训练样本自身物理属性的特征、描述所述训练样本所在实时路况的特征、描述所述训练样本与所述历史驾驶轨迹的终点的位置关系的特征、与所述训练样本的驾驶流量相关的特征中的至少一种;
根据所提取特征对待训练的所述转移概率预测模型进行训练。
6.一种驾驶路线评估装置,其特征在于,包括:
驾驶路线搜索模块,用于根据输入的驾驶起点和驾驶终点,搜索连通所述驾驶起点和所述驾驶终点的驾驶路线,获取形成每条驾驶路线的道路单元集合;
位置关系计算单元,用于根据每条驾驶路线中各个道路单元的位置以及所述驾驶终点的位置,计算各个道路单元与所述驾驶终点之间的位置关系;
转移概率查询单元,用于从存储的转移概率集合中查询所述每条驾驶路线中各个道路单元转移至拓扑相连的下一个道路单元的转移概率;
质量得分计算模块,用于根据每条驾驶路线中各个道路单元转移至下一个道路单元的转移概率,计算每条驾驶路线的质量得分;
其中,所述转移概率集合通过如下步骤获得:
获取同一用车类型的历史驾驶轨迹;
针对每条历史驾驶轨迹中的各个道路单元,以所述各个道路单元的位置为极点构建极坐标系;
将所述历史驾驶轨迹中最后一个道路单元的位置作为终点,根据所述终点相对各个道路单元的角度和距离,计算所述终点在各个道路单元所对应极坐标系下的离散化表达,所述离散化表达为各个道路单元与所述终点之间的位置关系;
挖掘全部历史驾驶轨迹中的道路单元在不同的所述位置关系下转移至拓扑相连的下一个道路单元的转移概率,获得所述转移概率集合;
其中,所述离散化表达包括所述终点在所述道路单元所对应极坐标系下的方向信息离散化表达,所述根据所述终点相对所述道路单元的角度,计算所述终点在所述道路单元所对应极坐标系下的离散化表达,包括:
获取所述道路单元所对应极坐标系对所述终点的方向所约束的角度区间,并将所述角度区间离散为若干份,得到单位角度;
计算所述终点相对所述道路单元的角度与所述单位角度的商,获取所述商的整数部分为所述终点在所述道路单元所对应极坐标系下的方向信息离散化表达。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
预设概率值获取单元,用于在未从所述转移概率集合中查询到所述道路单元转移至下一个道路单元的转移概率的情况下,确定所述转移概率为预设概率值。
8.根据权利要求6所述的装置,其特征在于,所述离散化表达还包括所述终点在所述道路单元所对应极坐标系下的距离信息离散化表达;所述根据所述终点相对所述道路单元的距离,计算所述终点在所述道路单元所对应极坐标系下的离散化表达,包括:
获取预设的距离单元,所述距离单元用于所述道路单元所对应极坐标系的极轴所在距离区间的离散化处理;
以所述距离单元为底数,并以所述终点相对所述道路单元的距离为真数进行对数运算,将运算所得的对数值加一,获得所述终点在所述道路单元所对应极坐标系下的距离信息离散化表达。
9.一种电子设备,其特征在于,包括:
存储器,存储有计算机可读指令;
处理器,读取存储器存储的计算机可读指令,以执行权利要求1-5中的任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行权利要求1-5中的任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910795894.0A CN110542428B (zh) | 2019-08-27 | 2019-08-27 | 驾驶路线质量评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910795894.0A CN110542428B (zh) | 2019-08-27 | 2019-08-27 | 驾驶路线质量评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110542428A CN110542428A (zh) | 2019-12-06 |
CN110542428B true CN110542428B (zh) | 2021-06-15 |
Family
ID=68710637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910795894.0A Active CN110542428B (zh) | 2019-08-27 | 2019-08-27 | 驾驶路线质量评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110542428B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010320A (zh) * | 2017-12-21 | 2018-05-08 | 北京工业大学 | 一种基于自适应时空约束低秩算法的路网交通数据的补全方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010048146A1 (en) * | 2008-10-20 | 2010-04-29 | Carnegie Mellon University | System, method and device for predicting navigational decision-making behavior |
CN102778229B (zh) * | 2012-05-31 | 2015-05-27 | 重庆邮电大学 | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 |
CN104408203A (zh) * | 2014-12-18 | 2015-03-11 | 西安电子科技大学宁波信息技术研究院 | 一种预测移动对象轨迹终点的方法 |
CN105354221A (zh) * | 2015-09-30 | 2016-02-24 | 百度在线网络技术(北京)有限公司 | 路径查询方法及装置 |
US10175059B2 (en) * | 2016-08-30 | 2019-01-08 | Here Global B.V. | Method, apparatus and computer program product for a navigation system user interface |
CN107643085B (zh) * | 2017-09-18 | 2021-02-12 | 苏州大学 | 一种路径推荐方法与装置 |
-
2019
- 2019-08-27 CN CN201910795894.0A patent/CN110542428B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010320A (zh) * | 2017-12-21 | 2018-05-08 | 北京工业大学 | 一种基于自适应时空约束低秩算法的路网交通数据的补全方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110542428A (zh) | 2019-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11305780B2 (en) | Road condition status prediction method, device, and server, and storage medium | |
Lou et al. | Map-matching for low-sampling-rate GPS trajectories | |
JP6639640B2 (ja) | ナビゲーション参照点特定及びナビゲーション方法、装置並びに記憶媒体 | |
CN111694973A (zh) | 自动驾驶场景的模型训练方法、装置、电子设备 | |
CN113758494B (zh) | 导航路径规划方法、装置、设备和存储介质 | |
US20230103040A1 (en) | Vehicle travel control method and apparatus | |
CN112129315B (zh) | 用于推荐停车场的方法、装置、电子设备和存储介质 | |
US10989549B2 (en) | Route recommendation in map service | |
CN111862590A (zh) | 路况预测方法、装置及存储介质 | |
Liu et al. | Popular route planning with travel cost estimation from trajectories | |
CN110598917A (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
CN114003613A (zh) | 高精地图车道线更新方法、装置、电子设备以及存储介质 | |
CN113899381B (zh) | 用于生成路线信息的方法、装置、设备、介质和产品 | |
Gupta et al. | Study of fuzzy logic and particle swarm methods in map matching algorithm | |
CN113139139A (zh) | 用于确定上车点的方法、装置、电子设备和介质 | |
Dai et al. | Context-based moving object trajectory uncertainty reduction and ranking in road network | |
CN113570096A (zh) | 一种基于大数据的智能出行的方法及装置 | |
CN110542428B (zh) | 驾驶路线质量评估方法及装置 | |
CN115206102B (zh) | 确定交通路径的方法、装置、电子设备和介质 | |
CN113706857A (zh) | 道路通行性的确定方法、装置、设备及存储介质 | |
CN113902427B (zh) | 一种预估到达时间的确定方法、装置、设备及存储介质 | |
US20220164723A1 (en) | Method for determining boarding information, electronic device, and storage medium | |
CN114756774A (zh) | 出行方案推荐、模型训练方法、装置、设备以及存储介质 | |
CN113175940A (zh) | 数据处理方法、装置、设备和存储介质 | |
León et al. | Improvements of a topological map-matching algorithm in post-processing mode |
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 |