CN110555174A - 一种基于r树的轨迹路径推荐方法 - Google Patents

一种基于r树的轨迹路径推荐方法 Download PDF

Info

Publication number
CN110555174A
CN110555174A CN201910869778.9A CN201910869778A CN110555174A CN 110555174 A CN110555174 A CN 110555174A CN 201910869778 A CN201910869778 A CN 201910869778A CN 110555174 A CN110555174 A CN 110555174A
Authority
CN
China
Prior art keywords
tree
track
rectangle
score
position 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.)
Granted
Application number
CN201910869778.9A
Other languages
English (en)
Other versions
CN110555174B (zh
Inventor
莫尚丰
徐敏敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University of Science and Technology
Original Assignee
Hunan University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan University of Science and Technology filed Critical Hunan University of Science and Technology
Priority to CN201910869778.9A priority Critical patent/CN110555174B/zh
Publication of CN110555174A publication Critical patent/CN110555174A/zh
Application granted granted Critical
Publication of CN110555174B publication Critical patent/CN110555174B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2246—Trees, e.g. B+trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种基于R树的轨迹路径推荐方法，包括以下步骤：采用现有R树索引方法对轨迹数据构建树状索引结构，借助R树的层次结构自动创建层次模型；根据用户输入的起始位置和结束位置确定拟推荐轨迹集合res；遍历R树，根据轨迹平均得分从拟推荐轨迹集合res中推荐最优轨迹。本发明利用R树的索引结构存储多条离散的轨迹数据，并根据用户输入的起始位置和结束位置推荐最优的轨迹，具有可靠性高、准确性强等优点。

Description

一种基于R树的轨迹路径推荐方法
技术领域
本发明涉及计算机软件和地理信息系统(GIS)应用领域，更加具体的，涉及一种基于R树的轨迹路径推荐方法。
背景技术
随着技术进步、市场不断成熟，具有地理定位功能的智能设备越来越多，这些智能设备可以是GPS(全球定位系统) 轨迹记录设备，或者北斗导航设备。地理位置轨迹数据通常是利用具有地理定位功能的智能设备采集一系列户外活动的位置点，每个位置点包括时间、经度、纬度、海拔等信息。用户可以采用智能设备记录他们的户外运动轨迹，实现旅游经验分享，生活记录和体育运动记录分析等。
与此同时，互联网上出现了一些网站，论坛或旅行APP，方便用户建立一些与地理位置相关的网络社区。用户将他们记录的户外运动轨迹上传到这些网站，论坛或旅行APP的服务器，在Web地图上管理他们的旅行体验并在彼此之间共享旅游知识。例如，一个人能够从其他人的旅行路线中找到一些有吸引力的地方，并根据多个用户的旅行轨迹规划出一个有趣的且有效的旅程。
这样，网站，论坛或旅行APP的服务器积累了大量的GPS轨迹，但大多数GPS轨迹都是原始的GPS数据。面对如此庞大的数据集，普通用户不可能逐个浏览GPS轨迹并自行识别有趣的且有用的GPS轨迹。普通用户希望系统能推荐一条或多条有趣的且有效的路径，使个人可以在很短的时间内了解一个不熟悉的景区或城市，并以最小的努力计划他们的旅程。
R树是一种平衡的树状层次结构，所有叶节点具有相同的深度，叶节点直接包含目标，其父节点包含数个叶节点，依次向上逐级嵌套，处于最上层的根节点间接包含全部目标，根节点范围是包含所有目标的最小包围盒，全树仅有一个根节点，通常是各种操作的入口，如空间查询和更新操作等。在现实生活中，R树可以用来存储地图上的空间信息，例如餐馆地址，或者地图上用来构造街道，建筑，湖泊边缘和海岸线的多边形，也可以利用R树实现轨迹路径推荐。
目前已出现的基于大量已保存的轨迹推荐最优路径的方法，通常首先从每条轨迹中检测停留点，然后将来自不同轨迹的停留点聚类到位置区域，然后计算每个位置区域的得分。得分的计算考虑从位置区域移出的概率、位置区域移入的概率和经过该位置区域的用户数。最后依据位置区域的得分推荐最优路径。然而，现实生活中，人们旅游时，往往是走走看看停停，很难保证大量用户在同一个位置区域长久停留。并且记录轨迹的智能设备也是隔一段时间记录一个GPS位置点，所获得的轨迹位置点是离散的。往往在整个旅游景区都是大量的GPS位置点，很难明确区分出有很多位置点的位置区域。
发明内容
本发明为了解决上述技术问题，提出一种基于R树的轨迹路径推荐方法。
本发明的技术方案为：包括以下步骤，
步骤1，采用现有R树索引方法对轨迹数据构建树状索引结构，借助R树的层次结构自动创建层次模型；
步骤2，根据用户输入的起始位置和结束位置确定拟推荐轨迹集合res；
步骤3，遍历R树，根据轨迹平均得分从拟推荐轨迹集合res中推荐最优轨迹。
本发明上述步骤1的具体方式包括如下步骤，
步骤1.1，系统匿名收集用户在活动区域的运动轨迹，日积月累，系统保存有n个离散的轨迹数据序列，编号为：1，2，3，…，k，k+1，…，n；
步骤1.2，第k个轨迹数据序列的第i个位置点pki的经度值和纬度值构成坐标点坐标(xki,yki)。其中，xki代表第k个轨迹数据序列第i个位置点的经度值，yki代表第k个轨迹数据序列第i个位置点的纬度值。第k个轨迹数据序列的第i个位置点坐标(xki,yki)和相邻的第i+1个位置点坐标(xk(i+1),yk(i+1))构成矩形Rh(h=1，2，3，…，)，需要保存的第i个和第i+1个坐标点数据以矩形Rh的形式保存在R树的叶子节点中，矩形Rh指向的轨迹数据序列(List)RhL增加k，RhL=RhL+{k}，初始值RhL=NULL；同时Rh的得分(score) Rhs加1，即Rhs=Rhs+1，初始值Rhs=0；
步骤1.3，针对第k(k=1，2，3，…，n)个轨迹数据序列，从第i(i=1，2，3，…)个位置点pki开始，查找R树，判断第i个位置点的坐标(xki,yki)是否包含在R树的叶子节点的矩形Rh中，如果包含，则RhL=RhL+{k}，Rhs=Rhs+1；判断第i+1个位置点的坐标(xk(i+1),yk(i+1))是否包含在R树的叶子节点的矩形R(h+q)中，如果包含，则R(h+q)L=R(h+q)L+{k}，R(h+q)s=R(h+q)s+1。如果(xki,yki)和(xk(i+1),yk(i+1))都包含在R树的叶子节点的矩形中，进入步骤1.4；如果(xki,yki)或(xk(i+1),yk(i+1))不包含在R树的叶子节点的矩形中，进入步骤1.5；
步骤1.4，这两个位置点数据无需保存，即第i个位置点pki的经纬度坐标和第i+1个位置点pk(i+1)的经纬度坐标不需要保存在R树中；
步骤1.5，这两个位置点数据需要保存，即第i个位置点pki的经纬度坐标和第i+1个位置点pk(i+1)的经纬度坐标以矩形的形式保存在R树中；
步骤1.6，依次处理第i+1，i+2个成对的位置点数据，…；
步骤1.7，依次处理第k+1，…，n个轨迹数据序列。
新用户到达某旅游景点时，输入起始位置和结束位置，起始位置可以是当前位置，但是必须在景区范围内或者周边，结束位置可以是返回位置，也必须在景区范围内。如果起始位置或结束位置不在旅游景区范围内，即不在R树的所有叶子节点构成的矩形内，则采用现有的成熟的导航软件(例如：高德地图，百度地图等)导航到最近的旅游景区位置点。
本发明上述步骤2的具体方式包括如下步骤，
步骤2.1，系统首先查找R树的叶子节点中哪些矩形包含起始位置和结束位置，假设矩形Rh包含起始位置，矩形R(h+q)包含结束位置。然后求矩形Rh指向的轨迹数据序列RhL和矩形R(h+q)指向的轨迹数据序列R(h+q)L的交集res，该交集res就是拟推荐轨迹集合。设res=RhL∩R(h+q)L={1，2，3，…，m}。例如：RhL ={1，2，3，4}，R(h+q)L ={2，3，4，5}，则res=RhL∩R(h+q)L={2，3，4}。可能有多个矩形Rh包含起始位置或结束位置，则计算多个矩形轨迹数据序列的并集，例如：RhL 和R(h+1)L都包含起始位置，RhL ={1，2，3，4}，R(h+1)L ={2，3，4，5}则起始位置的轨迹数据序列为RhL ∪R(h+1)L ={1，2，3，4，5}。
本发明上述步骤3的具体方式包括如下步骤，
步骤3.1，遍历R树，累加计算拟推荐轨迹集合res中每个轨迹序列从起始位置至结束位置经历的每个位置点(xki,yki)的得分。如果某个位置点(xki,yki)还没有得分，则遍历R树，若R树中某个叶子节点指向的矩形Rh包含(xki,yki)，则矩形Rh的得分Rhs，就是该位置点(xki,yki)的得分。可能有多个矩形包含(xki,yki)，例如Rh，R(h+u)，R(h+v)包含(xki,yki)，则位置点(xki,yki)的得分取最高的一个分值，即pki.score=max(Rhs, R(h+u)s, R(h+v)s)。拟推荐轨迹集合res中每个轨迹序列从起始位置至结束位置经历的每个位置点的平均得分最高的轨迹即为推荐最优轨迹。
与现有技术相比，本发明的有益效果是：
本发明利用R树的索引结构存储多条离散的轨迹数据，并根据用户输入的起始位置和结束位置推荐最优的轨迹，具有可靠性高、准确性强等优点。同时在数据库、数据分析、数据挖掘、轨迹数据查询与分析、轨迹数据挖掘的应用及普及上有着广泛的市场前景。
附图说明
图1为本发明的2个轨迹数据序列示意图。
图2为本发明的第1个轨迹数据序列构成矩形示意图。
图3为本发明的2个轨迹数据序列构成R树示意图。
图4为本发明的根据用户输入的起始位置和结束位置推荐最优轨迹示意图。
具体实施方式
现结合附图说明与实施例对本发明进一步说明。
参考图1，本发明的2个轨迹数据序列示意图，第1个轨迹数据序列包括{p11，p12，p13，p14，p15}位置点序列，第2个轨迹数据序列包括{p21，p22，p23，p24，p25，p26}位置点序列。第k个轨迹数据序列第i个位置点的经度值和纬度值构成坐标点坐标(xki,yki)。其中，xki代表位置点pki的经度值，yki代表位置点pki的纬度值。例如：p11位置点的经度值和纬度值构成坐标点坐标(x11,y11)。
参考图2，本发明的第1个轨迹数据序列构成矩形示意图。成对位置点pki和pk(i+1)的坐标(xki,yki)及(xk(i+1),yk(i+1))构成矩形Rh，需要保存的位置点pki和pk(i+1)的坐标点数据以矩形Rh的形式保存在R树的叶子节点中。矩形Rh指向的轨迹数据序列(List)RhL增加k，RhL=RhL+{k}，初始值RhL=NULL；同时Rh的得分(score) Rhs加1，即Rhs=Rhs+1，初始值Rhs=0。例如：成对位置点p11和p12的坐标(x11,y11)及(x12,y12)构成矩形R1，矩形R1指向的轨迹数据序列(List)R1L增加1，R1L=R1L+{1}，因为初始值R1L=NULL，所以R1L= {1}；同时R1的得分(score) R1s加1，即R1s=R1s+1，因为初始值R1s =0，所以R1s= 1。
参考图3，本发明的2个轨迹数据序列构成R树示意图。R树处理第2个轨迹数据序列时，p21包含在已有矩形R1中，R1L=R1L+{2}={1,2}，R1s=R1s+1=2，p22包含在已有矩形R2中，R2L=R2L+{2}={1,2}，R2s=R2s+1=2。p23包含在已有矩形R3中，R3L=R3L+{2}={1,2}，R3s=R3s+1=2，但p24没有包含在已有的矩形中，所以，在R树中插入p23和p24构成的矩形R5，R5L=R5L+{2}={2}，R5s=R5s+1=1。p25和p26两个位置点都没有包含在已有的矩形中，所以，在R树中插入p25和p26构成的矩形R7，R7L=R7L+{2}={2}，R7s=R7s+1=1。
从图3可以看出，p21和p22构成的直线轨迹并没有全部被矩形R1和R2包裹，因为p21和p22只是采集的用户位置点，至于用户从p21到p22之间是走直线还是走曲线我们无法预知，因此无需在R树中增加新的矩形。
新用户到达某旅游景点时，输入起始位置和结束位置，起始位置可以是当前位置，但是必须在景区范围内或者周边，结束位置可以是返回位置，也必须在景区范围内。如果起始位置或结束位置不在旅游景区范围内，即不在R树的所有叶子节点构成的矩形内，则采用现有的成熟的导航软件(例如：高德地图，百度地图等)导航到最近的旅游景区位置点。
参考图4，本发明的根据用户输入的起始位置和结束位置推荐最优轨迹示意图。系统首先查找R树中叶子节点哪些矩形包含起始位置或结束位置，结果是矩形R1包含起始位置，矩形R7包含结束位置。矩形R1指向的轨迹数据序列R1L={1，2}，矩形R7指向的轨迹数据序列R7L={2}，拟推荐轨迹集合res= R1L∩R7L={2}。接下来累加计算res集合每个轨迹序列中从起始位置至结束位置遍历的每个位置点(xki,yki)的得分。p21.score=R1s=2，p22.score=R2s=2，p23.score=R3s=2，p24.score=R5s=1，p25.score=R6s=1，p26.score=R7s=1。
第2个轨迹序列的得分为：
Traj2.score= (p21.score+p22.score+p23.score+p24.score+p25.score+p26.score)/6=1.5。
因为拟推荐轨迹集合res中只有一条轨迹，所以第2个轨迹序列即为推荐的最优轨迹。
综上所述，本领域的普通技术人员阅读本发明文件后，根据本发明的技术方案和技术构思无需创造性脑力劳动而作出其他各种相应的变换方案，均属于本发明所保护的范围。

Claims (5)

1.一种基于R树的轨迹路径推荐方法，其特征在于：包括以下步骤，
步骤1，采用现有R树索引方法对轨迹数据构建树状索引结构，借助R树的层次结构自动创建层次模型；
步骤2，根据用户输入的起始位置和结束位置确定拟推荐轨迹集合res；
步骤3，遍历R树，根据轨迹平均得分从拟推荐轨迹集合res中推荐最优轨迹。
2.根据权利要求1所述的一种基于R树的轨迹路径推荐方法，其特征是：所述步骤1的具体方式包括如下步骤，
步骤1.1，系统匿名收集用户在活动区域的运动轨迹，日积月累，系统保存有n个离散的轨迹数据序列，编号为：1，2，3，…，k，k+1，…，n；
步骤1.2，第k个轨迹数据序列的第i个位置点pki的经度值和纬度值构成坐标点坐标(xki,yki)，其中，xki代表第k个轨迹数据序列第i个位置点的经度值，yki代表第k个轨迹数据序列第i个位置点的纬度值；第k个轨迹数据序列的第i个位置点坐标(xki,yki)和相邻的第i+1个位置点坐标(xk(i+1),yk(i+1))构成矩形Rh(h=1，2，3，…，)，需要保存的第i个和第i+1个坐标点数据以矩形Rh的形式保存在R树的叶子节点中，矩形Rh指向的轨迹数据序列(List)RhL增加k，RhL=RhL+{k}，初始值RhL=NULL；同时Rh的得分(score) Rhs加1，即Rhs=Rhs+1，初始值Rhs=0；
步骤1.3，针对第k(k=1，2，3，…，n)个轨迹数据序列，从第i(i=1，2，3，…)个位置点pki开始，查找R树，判断第i个位置点的坐标(xki,yki)是否包含在R树的叶子节点的矩形Rh中，如果包含，则RhL=RhL+{k}，Rhs=Rhs+1；判断第i+1个位置点的坐标(xk(i+1),yk(i+1))是否包含在R树的叶子节点的矩形R(h+q)中，如果包含，则R(h+q)L=R(h+q)L+{k}，R(h+q)s=R(h+q)s+1；如果(xki,yki)和(xk(i+1),yk(i+1))都包含在R树的叶子节点的矩形中，进入步骤1.4；如果(xki,yki)或(xk(i+1),yk(i+1))不包含在R树的叶子节点的矩形中，进入步骤1.5；
步骤1.4，这两个位置点数据无需保存，即第i个位置点pki的经纬度坐标和第i+1个位置点pk(i+1)的经纬度坐标不需要保存在R树中；
步骤1.5，这两个位置点数据需要保存，即第i个位置点pki的经纬度坐标和第i+1个位置点pk(i+1)的经纬度坐标以矩形的形式保存在R树中；
步骤1.6，依次处理第i+1，i+2个成对的位置点数据，…；
步骤1.7，依次处理第k+1，…，n个轨迹数据序列。
3.根据权利要求1所述的一种基于R树的轨迹路径推荐方法，其特征是：新用户到达某旅游景点时，输入起始位置和结束位置，起始位置可以是当前位置，但是必须在景区范围内或者周边，结束位置可以是返回位置，也必须在景区范围内；如果起始位置或结束位置不在旅游景区范围内，即不在R树的所有叶子节点构成的矩形内，则采用现有的成熟的导航软件(例如：高德地图，百度地图等)导航到最近的旅游景区位置点。
4.根据权利要求1所述的一种基于R树的轨迹路径推荐方法，其特征是：所述步骤2的具体方式包括如下步骤，
步骤2.1，系统首先查找R树的叶子节点中哪些矩形包含起始位置和结束位置，假设矩形Rh包含起始位置，矩形R(h+q)包含结束位置；然后求矩形Rh指向的轨迹数据序列RhL和矩形R(h+q)指向的轨迹数据序列R(h+q)L的交集res，该交集res就是拟推荐轨迹集合；设res=RhL∩R(h+q)L={1，2，3，…，m}，例如：RhL ={1，2，3，4}，R(h+q)L ={2，3，4，5}，则res=RhL∩R(h+q)L={2，3，4}；可能有多个矩形Rh包含起始位置或结束位置，则计算多个矩形轨迹数据序列的并集，例如：RhL 和R(h+1)L都包含起始位置，RhL ={1，2，3，4}，R(h+1)L ={2，3，4，5}则起始位置的轨迹数据序列为RhL ∪R(h+1)L ={1，2，3，4，5}。
5.根据权利要求1所述的一种基于R树的轨迹路径推荐方法，其特征是：所述步骤3的具体方式包括如下步骤，
步骤3.1，遍历R树，累加计算拟推荐轨迹集合res中每个轨迹序列从起始位置至结束位置经历的每个位置点(xki,yki)的得分；如果某个位置点(xki,yki)还没有得分，则遍历R树，若R树中某个叶子节点指向的矩形Rh包含(xki,yki)，则矩形Rh的得分Rhs，就是该位置点(xki,yki)的得分；可能有多个矩形包含(xki,yki)，例如Rh，R(h+u)，R(h+v)包含(xki,yki)，则位置点(xki,yki)的得分取最高的一个分值，即pki.score=max(Rhs, R(h+u)s, R(h+v)s)；拟推荐轨迹集合res中每个轨迹序列从起始位置至结束位置经历的每个位置点的平均得分最高的轨迹即为推荐最优轨迹。
CN201910869778.9A 2019-09-16 2019-09-16 一种基于r树的轨迹路径推荐方法 Active CN110555174B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910869778.9A CN110555174B (zh) 2019-09-16 2019-09-16 一种基于r树的轨迹路径推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910869778.9A CN110555174B (zh) 2019-09-16 2019-09-16 一种基于r树的轨迹路径推荐方法

Publications (2)

Publication Number Publication Date
CN110555174A true CN110555174A (zh) 2019-12-10
CN110555174B CN110555174B (zh) 2022-04-05

Family

ID=68740211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910869778.9A Active CN110555174B (zh) 2019-09-16 2019-09-16 一种基于r树的轨迹路径推荐方法

Country Status (1)

Country Link
CN (1) CN110555174B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733040A (zh) * 2021-01-27 2021-04-30 中国科学院地理科学与资源研究所 一种旅游行程推荐方法
CN112815954A (zh) * 2021-01-19 2021-05-18 北京中交兴路信息科技有限公司 确定车辆导航路线的方法、装置、电子设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110179370A1 (en) * 2008-06-20 2011-07-21 Business Intelligence Solutions Safe B.V. Method of graphically representing a tree structure
US20110301832A1 (en) * 2010-06-04 2011-12-08 Microsoft Corporation Searching Similar Trajectories by Locations
US20120173500A1 (en) * 2010-12-29 2012-07-05 Microsoft Corporation Progressive spatial searching using augmented structures
CN103235848A (zh) * 2013-04-15 2013-08-07 中国科学院软件研究所 一种基于简化路网模型的轻量级路网匹配方法
CN106897374A (zh) * 2017-01-19 2017-06-27 浙江大学 一种基于轨迹大数据最近邻查询的个性化推荐方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110179370A1 (en) * 2008-06-20 2011-07-21 Business Intelligence Solutions Safe B.V. Method of graphically representing a tree structure
US20110301832A1 (en) * 2010-06-04 2011-12-08 Microsoft Corporation Searching Similar Trajectories by Locations
US20120173500A1 (en) * 2010-12-29 2012-07-05 Microsoft Corporation Progressive spatial searching using augmented structures
CN103235848A (zh) * 2013-04-15 2013-08-07 中国科学院软件研究所 一种基于简化路网模型的轻量级路网匹配方法
CN106897374A (zh) * 2017-01-19 2017-06-27 浙江大学 一种基于轨迹大数据最近邻查询的个性化推荐方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
龚俊等: ""一种集成 Ｒ树、哈希表和Ｂ＊树的高效轨迹数据索引方法"", 《测绘学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112815954A (zh) * 2021-01-19 2021-05-18 北京中交兴路信息科技有限公司 确定车辆导航路线的方法、装置、电子设备及介质
CN112815954B (zh) * 2021-01-19 2022-11-18 北京中交兴路信息科技有限公司 确定车辆导航路线的方法、装置、电子设备及介质
CN112733040A (zh) * 2021-01-27 2021-04-30 中国科学院地理科学与资源研究所 一种旅游行程推荐方法
CN112733040B (zh) * 2021-01-27 2021-07-30 中国科学院地理科学与资源研究所 一种旅游行程推荐方法

Also Published As

Publication number Publication date
CN110555174B (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
Zheng et al. Mining interesting locations and travel sequences from GPS trajectories
Yan et al. SeMiTri: a framework for semantic annotation of heterogeneous trajectories
CN111143680B (zh) 路线的推荐方法、系统、电子设备及计算机存储介质
US20100211308A1 (en) Identifying interesting locations
CN105095242B (zh) 一种标记地理区域的方法和装置
CN111177572B (zh) 一种基于用户动态兴趣的个性化旅游路线推荐方法
Xu et al. Development and application of an enhanced Kalman filter and global positioning system error-correction approach for improved map-matching
US9250075B2 (en) Generating travel time data
Li et al. Robust inferences of travel paths from GPS trajectories
Carisi et al. Enhancing in vehicle digital maps via GPS crowdsourcing
CN105164496B (zh) 地图数据存储装置、地图数据更新方法及计算机可读存储介质
KR101801335B1 (ko) 기상 및 기후 요소를 고려한 관광매력도 제공 장치 및 제공 방법
EP3144703B1 (en) Generating trail network maps
CN104408043A (zh) 一种信息处理方法及服务器
CN110555174B (zh) 一种基于r树的轨迹路径推荐方法
CN112632379A (zh) 路线推荐方法、装置、电子设备和存储介质
KR20160020914A (ko) 기상 및 기후 요소를 고려한 관광매력도 제공 장치 및 제공 방법
CN114265833A (zh) 车辆轨迹引导地理时空特征可视化分析平台
Li et al. TrafficPulse: A mobile GISystem for transportation
CN108022006A (zh) 一种数据驱动的可达性概率和区域生成方法
Dai et al. Context-based moving object trajectory uncertainty reduction and ranking in road network
Mor et al. Computing touristic walking routes using geotagged photographs from Flickr
Zhou et al. Identifying trip ends from raw GPS data with a hybrid spatio-temporal clustering algorithm and random forest model: a case study in Shanghai
Chaudhuri et al. Application of web-based Geographical Information System (GIS) in tourism development
Zhang et al. Enrichment of topographic road database for the purpose of routing and navigation

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