CN110579219A - 轨迹数据处理方法、装置、存储介质和计算机设备 - Google Patents
轨迹数据处理方法、装置、存储介质和计算机设备 Download PDFInfo
- Publication number
- CN110579219A CN110579219A CN201910848765.3A CN201910848765A CN110579219A CN 110579219 A CN110579219 A CN 110579219A CN 201910848765 A CN201910848765 A CN 201910848765A CN 110579219 A CN110579219 A CN 110579219A
- Authority
- CN
- China
- Prior art keywords
- behavior
- target
- point
- track
- road section
- 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
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请涉及一种轨迹数据处理方法、装置、计算机可读存储介质和计算机设备,所述方法包括:获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹;根据所述历史运动轨迹对应的运动信息,确定所述目标路段中与不同用户行为分别对应的行为特征区域;从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点;基于各所述行为特征区域中的行为特征点,确定在所述目标路段中发生行为变化的参考位置。本申请提供的方案可以提高路口前导航播报时的参考位置的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种轨迹数据处理方法、装置、存储介质和计算机设备。
背景技术
随着计算机技术的发展,出现了与定位及导航等相关的智能交通技术,使得人们在出行时可方便的通过设备进行地理位置的定位和导航。对于驾车行驶至某路口的用户而言,常常会根据导航选择执行直行、左转、右转或掉头等行为。因而,在恰当的位置进行导航播报则显得尤为重要。
在传统的当行播报方式中,并没有一个固定的播报时机参考点。通常是以两个矢量化道路的交点即路口中心点作为唯一的时机参考点,并将这个参考点当作路口前所有类型的导航播报时机参考点。比如,设定一个到路口中心点的距离区间,当车辆驶入这个距离区间时,就触发播报。虽然这些距离区间的设定可根据道路等级不同而不同,但这个规则的覆盖量依然很大,无论如何调整,总会存在某些路口进行导航播报时的参考位置不准确的问题。
发明内容
基于此,有必要针对导航播报时参考位置不准确的技术问题,提供一种轨迹数据处理方法、装置、计算机可读存储介质和计算机设备。
一种轨迹数据处理方法,包括:
获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹;
根据所述历史运动轨迹对应的运动信息,确定所述目标路段中与不同用户行为分别对应的行为特征区域;
从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点;
基于各所述行为特征区域中的行为特征点,确定在所述目标路段中发生行为变化的参考位置。
一种轨迹数据处理装置,其特征在于,所述装置包括:
获取模块,用于获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹;
确定模块,用于根据所述历史运动轨迹对应的运动信息,确定所述目标路段中与不同用户行为分别对应的行为特征区域;
提取模块,用于从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点;
所述确定模块还用于基于各所述行为特征区域中的行为特征点,确定在所述目标路段中发生行为变化的参考位置。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹;
根据所述历史运动轨迹对应的运动信息,确定所述目标路段中与不同用户行为分别对应的行为特征区域;
从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点;
基于各所述行为特征区域中的行为特征点,确定在所述目标路段中发生行为变化的参考位置。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹;
根据所述历史运动轨迹对应的运动信息,确定所述目标路段中与不同用户行为分别对应的行为特征区域;
从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点;
基于各所述行为特征区域中的行为特征点,确定在所述目标路段中发生行为变化的参考位置。
上述轨迹数据处理方法、装置、计算机可读存储介质和计算机设备,通过分析不同用户沿目标路段运动、且经过目标路口的历史运动轨迹,并根据历史运动轨迹对应的运动信息来确定与不同用户行为分别对应的行为特征区域。从而可从行为特征区域中找出不同用户在目标路口前的行为特征点,基于行为特征点就可快速准确地确定在该目标路段中发生行为变化的参考位置,确定的参考位置可用于提醒用户在此处可以发生相应的行为变化。这样,依据相应的历史运动轨迹来确定目标路口中发生行为变化的参考位置,赋予了目标路口相应的特征,让目标路口具有自身的特性且区别于其他路口,使得在进入目标路口前发生行为变化的参考位置更加准确,从而提高了路口前导航播报的准确性,降低了偏航率。
附图说明
图1为一个实施例中轨迹数据处理方法的应用环境图;
图2为一个实施例中轨迹数据处理方法的流程示意图;
图3为一个实施例中提取目标路口的历史运动轨迹的原理示意图;
图4为一个实施例中获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹的步骤的流程示意图;
图5为一个实施例中对历史运动轨迹进行匹配的原理示意图;
图6为一个实施例中确定停车特征区域的原理示意图;
图7为一个实施例中轨迹数据处理方法的流程示意图;
图8为一个实施例中轨迹数据处理装置的结构框图;
图9为另一个实施例中轨迹数据处理装置的结构框图;
图10为一个实施例中计算机设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
图1为一个实施例中轨迹数据处理方法的应用环境图。参照图1,该轨迹数据处理方法应用于轨迹数据处理系统。该轨迹数据处理系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端110和服务器120均可单独用于执行本申请实施例中提供的轨迹数据处理方法。终端110和服务器120也可协同用于执行本申请实施例中提供的轨迹数据处理方法。
如图2所示,在一个实施例中,提供了一种轨迹数据处理方法。本实施例主要以该方法应用计算机设备来举例说明,该计算机设备具体可以是上图中的终端110或者服务器120。参照图2,该轨迹数据处理方法具体包括如下步骤:
S202,获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹。
其中,历史运动轨迹是移动终端在用户运动过程中记录的、一段历史时间内连续的轨迹点的定位数据,每个轨迹点的定位数据具体可包括该轨迹点对应的时间、位置、运动信息和相应的精度等信息。其中,运动信息包括运动速度和运动方向等信息。多个轨迹点的点定位数据组成该历史运动轨迹的轨迹数据。
具体的,计算机设备可获取运行有应用程序的用户终端或车载终端所采集的、用户在运动过程中的历史运动轨迹,并从中提取出在预设历史时间段内,不同用户沿目标路段运动、且经过目标路口的历史运动轨迹。
在一个实施例中,用户可通过移动终端(比如用户终端或车载终端)上的应用程序触发定位动作,移动终端通过内置的GPS(Global Positioning System,全球定位系统)芯片或基于移动运营网的基站进行定位,从而获取各轨迹点的定位数据。在一个实施例中,可将定位sdk(Software Development Kit,软件开发工具包)嵌入到应用程序中,通过用户主动触发的方式获取移动终端采集的历史运动轨迹的轨迹数据。
在一个实施例中,终端可采集历史运动轨迹的轨迹数据,并将轨迹数据发送至服务器,在服务器端执行轨迹数据处理的方法。或者,终端在采集轨迹数据后,直接在终端本地执行轨迹数据处理的方法。
在一个实施例中,计算机设备获取的不同用户沿目标路段运动、且经过目标路口的历史运动轨迹,具体可以是多个用户沿目标路段运动至目标路口,在目标路口前的运动轨迹;或者是多个用户沿目标路段运动经过目标路口且驶出目标路口的运动轨迹。其中,本申请实施例所提及的“多个”指“多于一个”。
在一个实施例中,参考图3,计算机设备可将不同用户沿目标路段运动、且经过目标路口的轨迹中预设长度的轨迹作为历史运动轨迹。图3示出了一个实施例中提取目标路口的历史运动轨迹的原理示意图。参考图3,计算机设备可目标路口的中心点(地理坐标)为圆心,100米为半径,划定一个圆形的虚拟范围。并提取一周的时间(168小时)内所有经过这个虚拟范围的轨迹数据,标识为轨迹集合G。如图3所示,当目标路段为十字路口左侧的道路时,计算机设备可将从十字路口左侧的道路驶入目标路口的轨迹作为历史运动轨迹,一旦进入了半径为100米的路口范围内,就可作为历史运动轨迹。
在一个实施例中,步骤S202,也就是获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹的步骤具体包括:
S402,采集预设时间段内,不同用户沿不同路段运动、且经过目标路口的历史候选轨迹。
具体地,终端可通过导航应用程序采集不同用户的运动轨迹,并将相应的轨迹数据上传至相应的服务器。计算机设备可从采集的轨迹数据中筛选出预设时间段内,不同用户沿不同路段运动、且经过目标路口的历史候选轨迹。可以理解,经过目标路口的路段有多个,比如对于十字路口,经过该十字路口的路段包括4个方向的4个路段。
S404,获取与目标路口对应的路网数据。
其中,路网数据是道路网络的地理数据,道路网络是指在一定区域内,由各种道路组成的相互联络、且交织成网状分布的道路系统。路网数据包括不同道路的具体位置以及道路间的出入边关系。其中,出入边关系是相交的不同道路间的出边和入边的关系,入边是指从某条道路进入交叉路口,进入另一条道路;出边则是指从某条道路驶离该交叉路口。具体地,计算机设备可通过网络连接,从其他计算机设备或道路系统处获取与该目标路口对应的路网数据。
S406,根据路网数据中不同路段的位置和出入边关系,从历史候选轨迹中筛选出沿目标路段运动、且经过目标路口的历史运动轨迹。
具体地,计算机设备可结合路网数据中不同路段的位置和出入边关系,通过投影匹配的方式,将各条历史候选轨迹分别匹配到路网中对应的路段。从而可从历史候选轨迹中筛选出沿目标路段运动、且经过目标路口的历史运动轨迹。
在一个实施例中,步骤S306具体包括:将历史候选轨迹投影匹配至路网数据中相应的路段,并依据不同路段的出入边关系,从历史候选轨迹中筛选出沿目标路段运动至目标路口、并驶离目标路口的历史运动轨迹。
具体地,计算机设备可采用投影匹配的方式,将各历史候选轨迹分别投影匹配至路网数据中相应的路段。并根据各路段的出入边关系,从历史候选轨迹中筛选出沿目标路段运动至目标路口、并驶离目标路口的历史运动轨迹。
在一个实施例中,筛选出的历史运动轨迹可以是包括沿目标路段开始运动驶向目标路口,并到达目标路口的这段距离内的运动轨迹,也就是说包括了入边的运动轨迹。筛选出的历史运动轨迹还可以是包括沿目标路段开始运动驶向目标路口,并驶离目标路口后沿其他的路段继续运动的轨迹,也就是包括了入边和出边的历史运动轨迹。
参考图5,图5为一个实施例中对历史运动轨迹进行匹配的原理示意图。计算机设备可通过投影匹配的方式,将运动轨迹G1匹配到路段1(Link1)和路段4(Link4)上,从Link1到Link4是左转模型,因此得知G1对应的用户的运动轨迹在当前路口的行为是左转。
在一个实施例中,计算机设备得到各历史候选轨迹与路段的映射关系后,可将由历史候选轨迹组成的集合G分组,从同一个入边进入路口的为一组,每组内到达目标路口的中心点之前的历史候选轨迹作为本申请实施例所提及的历史运动轨迹。
上述实施例中,获取预设时间段内,不同用户沿不同路段运动、且经过目标路口的历史候选轨迹,并根据路网数据中不同路段的位置和出入边关系,可准确地从大量的历史候选轨迹中,筛选出不同用户沿目标路段运动、且经过目标路口的历史运动轨迹。
S204,根据历史运动轨迹对应的运动信息,确定目标路段中与不同用户行为分别对应的行为特征区域。
其中,运动信息是关于运动状态的信息,历史运动轨迹对应的运动信息具体可以是历史运动轨迹中各轨迹点对应的运动信息,包括各轨迹点对应的运动速度、运动加速度、或运动方向等信息。
用户行为是用户的运动行为,比如用户驾驶车辆行驶到某路口前,都会伴随着一些驾驶行为,如减速、转向、加速或者停车等驾驶行为。行为特征区域是发生对应用户行为的区域,很显然,用户行为的完成需要一定的距离,这段距离就可以理解为行为特征区域。比如,当用户在目标路段中发生加速行为时,发生加速行为对应的路段可认为是加速特征区域。可以理解,用户行为可以是一种也可以是多种,那么相应地,与用户行为对应的行为特征区域也可以是一种或多种,本申请实施例在此不做限定。
具体地,计算机设备可分析历史运动轨迹中各轨迹点对应的运动信息,从目标路段中筛选出运动信息符合相应用户行为条件的行为轨迹点,根据筛选的行为轨迹点组成对应的行为特征区域。其中,运动信息符合相应用户行为条件的行为轨迹点,比如,对于加速行为,计算机设备可确定加速度大于零的轨迹点,为符合加速行为条件的行为轨迹点;对于减速行为,计算机设备可确定加速度小于零的轨迹点,为符合减速行为条件的行为轨迹点;对于转向行为,计算机设备可确定运动方向发生变化的轨迹点,为符合转向行为条件的行为轨迹点等。
在一个实施例中,计算机设备可根据历史运动轨迹中各轨迹点对应的运动信息,确定与不同用户行为分别对应的行为轨迹点。对于不同的用户行为,计算机设备可分别根据相应行为轨迹点确定对应的轨迹投影集合。对于每种用户行为,均可根据相应的轨迹投影集合中各行为轨迹点的分布疏密程度,过滤掉噪音点,确定覆盖区域。从而,计算机设备可根据覆盖区域的边界范围,确定相应用户行为对应的行为特征区域。
在一个实施例中,计算机设备可直接将覆盖区域的边界,作为相应用户行为对应的行为特征区域。在另一个实施例中,计算机设备可取预设值,比如0.8作为下降阈值,去掉覆盖区域两端低频的噪声点,将中间行为特征点较为集中的区域作为相应用户行为对应的行为特征区域。其中,将预设值作为下降阈值,是只截取覆盖区域的中间部分由预设值所确定的范围。
在一个实施例中,步骤S204,具体包括:根据历史运动轨迹中各轨迹点对应的运动信息,确定与不同用户行为分别对应的行为轨迹点;对于不同的用户行为,分别根据相应行为轨迹点确定对应的轨迹投影集合;根据轨迹投影集合生成不同用户行为各自对应的行为热力图;基于各行为热力图的边界范围,在目标路段中确定不同用户行为分别对应的行为特征区域。
具体地,计算机设备可根据历史运动轨迹中各轨迹点对应的运动信息,确定与不同用户行为分别对应的行为轨迹点。对于不同的用户行为,计算机设备分别将相应的行为轨迹点投影叠加至相应的路段上,从而得到对应的轨迹投影集合。对于每种用户行为,计算机设备均可根据相应的轨迹投影集合生成对应的行为热力图。该行为热力图反映了行为轨迹点分布的疏密程度。从而,计算机设备可根据行为热力图的边界范围,确定相应用户行为对应的行为特征区域。
在一个实施例中,计算机设备可直接将行为热力图的边界,作为相应用户行为对应的行为特征区域。在另一个实施例中,每一种行为特征区域的行为热力都是正态分布的,从区域中心点向外逐渐变弱,直到离开区域。计算机设备可取预设值,比如0.8作为下降阈值,去掉行为热力图两端低频的噪声点,将中间行为轨迹点较为集中的区域作为相应用户行为对应的行为特征区域。
举例说明,参考图6,图6为一个实施例中确定停车特征区域的原理示意图。计算机设备取0.8作为下降阈值,过滤掉停车热力图的停车热力范围两端的低频的噪声点,比如过滤掉两端各10%范围内的行为轨迹点,将停车热力图中间80%点区域作为停车特征区域。根据实际数据可知,在很大情况下,停车区域的一条边界线为目标路口前的路口停止线。可以理解,根据交通规则,用户驾驶车辆当需要停车时,通常会在路口停止线之前停车。
上述实施例中,根据历史运动轨迹中各轨迹点对应的运动信息,确定与不同用户行为分别对应的行为轨迹点,从而根据行为轨迹点生成不同用户行为各自对应的行为热力图。通过该行为热力图可准确地反映出在目标路段中,发生相应用户行为的区域集中在哪个部分,进而可基于各行为热力图的边界范围,在目标路段中准确地确定不同用户行为分别对应的行为特征区域。
S206,从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点。
其中,行为特征点是行为特征区域中具有代表性的行为轨迹点,比如行为特征区域的起始点、终止点、速度最大的轨迹点、加速度最大的轨迹点、角加速度最大的轨迹点等。具体地,对于每种用户行为,计算机设备可从相对应的行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点。可以理解,计算机设备从行为特征区域提取出的行为特征点的数量可以是一个也可以是多个,本申请实施例在此不做限定。
S208,基于各行为特征区域中的行为特征点,确定在目标路段中发生行为变化的参考位置。
其中,参考位置是目标路口前的一个位置点或位置线,该位置用于提醒用户发生相应的行为变化。参考位置具体可包括减速参考位置、并线参考位置和转向参考位置中的至少一种。比如,在减速参考位置,导航应用程序可触发减速导航语音播报,以提醒用户在驾驶过程中此处应该进行减速。
比如,当用户进入目标路口前,基于行驶路径和交通规则的约束,可能会发生驾驶行为变化,如由原来的行驶状态变为减速行驶状态、由原来的行驶状态变为并线行驶状态、或由原来的行驶状态变为转向行驶状态等,此时,就需要在相应的参考位置触发语音导航播报,以提醒用户发生相应的行为变化。
具体地,计算机设备可基于各行为特征区域中的行为特征点,拟合在目标路段中发生行为变化的参考位置。计算机设备根据行为特征点拟合在目标路段中发生行为变化的参考位置点方式有多种,比如通过线性回归算法进行拟合等,本申请实施例在此不做限定。
在一个实施例中,步骤S208,也就是基于各行为特征区域中的行为特征点,确定在目标路段中发生行为变化的参考位置的步骤包括:根据行为特征区域中与不同的行为变化相关的行为特征点,拟合在目标路段中发生不同行为变化各自对应的参考点;根据在目标路段中发生不同行为变化各自的参考点,确定在目标路段中发生不同行为变化各自对应的参考线。
具体地,计算机设备可根据行为特征区域中与不同的行为变化相关的行为特征点,拟合在目标路段中发生不同行为变化各自对应的参考点。再结合目标路段的道路信息,将经过参考点且与目标路段垂直的线段作为相应的参考线。可以理解,在实际情况下,目标路段具体可以包括单个通行道也可以包括多个通行道。在任一条通行道上,该参考线均可用于提醒用户发生相应的行为变化。
上述实施例中,根据行为特征区域中与不同的行为变化相关的行为特征点,拟合在目标路段中发生不同行为变化各自对应的参考点,再基于参考点可准确的确定在目标路段中发生不同行为变化各自对应的参考线。
在一个实施例中,该轨迹数据处理方法还包括导航语音播报等步骤,该步骤具体包括:当用户运动至目标路段中的参考位置时,播报与参考位置所属行为类型对应的导航语音;导航语音用于提示用户发生与行为类型对应的行为变化。
在具体应用场景中,当用户驾驶车辆进入目标路口时,当计算机设备检测到用户到达参考位置时,可确定该参考位置所对应的行为类型。其中,与参考位置对应的行为类型比如减速行为、转向行为、或并线行为等。进而,计算机设备可在该参考位置处,播报与相应行为类型对应的导航语音,该导航语音用于提醒用户在此处可发生与该行为类型对应的行为变化,以减小偏航率。比如,当用户进入目标路口前,计算机设备会在与减速行为类型对应的参考位置处,播报与减速行为类型对应的导航语音,用户听到后可进行减速行驶。当用户进入目标路口前,计算机设备会在与并线行为类型对应的参考位置处,播报与并线行为类型对应的导航语音,用户听到后可进行并线行驶。当用户进入目标路口前,计算机设备会在与转向行为类型对应的参考位置处,播报与转向行为类型对应的导航语音,用户听到后可进行相应的转向行驶。
上述轨迹数据处理方法,通过分析不同用户沿目标路段运动、且经过目标路口的历史运动轨迹,并根据历史运动轨迹对应的运动信息来确定与不同用户行为分别对应的行为特征区域。从而可从行为特征区域中找出不同用户在目标路口前的行为特征点,基于行为特征点就可快速准确地确定在该目标路段中发生行为变化的参考位置,确定的参考位置可用于提醒用户在此处可以发生相应的行为变化。这样,依据相应的历史运动轨迹来确定目标路口中发生行为变化的参考位置,赋予了目标路口相应的特征,让目标路口具有自身的特性且区别于其他路口,使得在进入目标路口前发生行为变化的参考位置更加准确,从而提高了路口前导航播报的准确性,降低了偏航率。
在一个实施例中,行为特征区域包括加速特征区域、减速特征区域、停车特征区域和转向特征区域;根据历史运动轨迹对应的运动信息,确定目标路段中与不同用户行为分别对应的行为特征区域,包括:根据历史轨迹中在时间上连续、且加速度均大于零的轨迹点,确定目标路段中的加速特征区域;根据历史轨迹中在时间上连续、且加速度均小于零的轨迹点,确定目标路段中的减速特征区域;根据历史轨迹中速度符合停车速度条件的轨迹点,确定目标路段中的停车特征区域;根据历史轨迹中运动方向发生变化的轨迹点,确定目标路段中的转向特征区域。
具体地,计算机设备可确定历史运动轨迹中各轨迹点对应的时间,根据在时间上连续、且加速度均大于零的行为轨迹点,确定目标路段中的加速特征区域。在一个实施例中,计算机设备可叠加在时间上连续、且加速度均大于零的行为轨迹点,并根据叠加的行为轨迹点的地理位置的投影集合确定相应的加速热力图。计算机设备可取预设值,比如0.8作为下降阈值,去掉加速热力图两端低频的噪声点,将中间的行为轨迹点较为集中的区域作为加速特征区域。
相应地,计算机设备可确定历史轨迹中各轨迹点对应的时间,根据在时间上连续、且加速度均小于零的行为轨迹点,确定目标路段中的减速特征区域。在一个实施例中,计算机设备可叠加在时间上连续、且加速度均小于零的行为轨迹点,并根据叠加的行为轨迹点的地理位置的投影集合确定相应的减速热力图。计算机设备可取预设值,比如0.8作为下降阈值,去掉减速热力图两端低频的噪声点,将中间的行为轨迹点较为集中的区域作为减速特征区域。
其中,符合停车速度条件的速度,具体可以是速度小于阈值并随着时间的推移越来越趋近于零的速度。计算机设备可根据历史轨迹中各轨迹点对应的时间顺序,筛选出速度小于阈值并随着时间的推移越来越趋近于零的行为轨迹点,根据筛选出的行为轨迹点确定目标路段中的停车特征区域。在一个实施例中,计算机设备可叠加在时间上连续、且速度趋近于零的行为轨迹点,并根据叠加的行为轨迹点的地理位置的投影集合确定相应的停车热力图。计算机设备可取预设值,比如0.8作为下降阈值,去掉停车热力图两端低频的噪声点,将中间的行为轨迹点较为集中的区域作为停车特征区域。
计算机设备可根据历史轨迹中各轨迹点对应的时间顺序,筛选出运动方向发生变化的行为轨迹点,根据筛选出的行为轨迹点确定目标路段中的转向特征区域。在一个实施例中,计算机设备根据包括有入边和出边信息的历史运动轨迹数据,确定发生转向行为所对应的运动轨迹。从而再从发生转向行为的运动轨迹中,筛选出运动方向发生变化的行为轨迹点,并叠加筛选出的行为轨迹点,根据叠加的行为轨迹点的地理位置的投影集合确定相应的转向热力图。计算机设备可取预设值,比如0.8作为下降阈值,去掉转向热力图两端低频的噪声点,将中间的行为轨迹点较为集中的区域作为转向特征区域。
上述实施例中,计算机设备可通过历史轨迹中各轨迹点对应的加速度、速度及运动方向,可准确快速地确定与加速行为对应的加速特征区域、与减速行为对应的减速特征区域、与停车行为对应的停车特征区域、及与转向行为对应的转向特征区域。
在一个实施例中,行为特征点包括启动点、减速起点、减速终点、停车起点、停车终点和转向点。步骤S206,也就是从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点,包括:确定加速特征区域中加速度最大的位置点,并将加速度最大的位置点作为加速行为的启动点;将减速特征区域的起始点作为减速行为的减速起点;将减速特征区域的终止点作为减速行为的减速终点;将停车特征区域的起始点作为停车行为的停车起点;将减速特征区域的终止点作为停车行为的停车终点;将转向特征区域的起始点作为转向行为的转向起点;确定转向特征区域中角加速度最大的位置点,并将角加速度最大的位置点作为转向行为的转向点。
具体地,当计算机设备确定出加速特征区域后,考虑到加速特征区域中的各位置点可能包括有多个行为轨迹点,因而,对于每个位置点,计算机设备可根据将该位置点所对应的多个行为轨迹点的加速度,计算该位置点处的平均加速度,将该平均加速度作为该位置点的加速度。进而,计算机设备可选择加速度最大点位置点,作为加速行为的启动点。
计算机设备可将减速特征区域的起始点作为减速行为的减速起点。计算机设备将减速特征区域的终止点作为减速行为的减速终点。计算机设备将停车特征区域的起始点作为停车行为的停车起点。计算机设备将减速特征区域的终止点作为停车行为的停车终点。计算机设备将转向特征区域的起始点作为转向行为的转向起点。
当计算机设备确定出转向特征区域后,考虑到转向特征区域中的各位置点可能包括有多个行为轨迹点,因而,对于每个位置点,计算机设备可根据将该位置点所对应的多个行为轨迹点的角加速度,计算该位置点处的平均角加速度,将该平均角加速度作为该位置点的角加速度。进而,计算机设备可选择角加速度最大点位置点,作为转向行为的转向点。
上述实施例中,可通过不同行为特征区域各自的行为特点、以及行为特征区域的边界点,准确快速地从行为特征区域中确定与相应用户行为匹配的至少一个行为特征点,从而提升在后续步骤中确定发生行为变化的参考点的准确性。
在一个实施例中,步骤S204,也就是基于各行为特征区域中的行为特征点,确定在目标路段中发生行为变化的参考位置的步骤具体包括:对减速起点对应的坐标、及停车起点对应的坐标进行加权求和处理,以确定在目标路段中发生减速行为的参考位置;对转向起点对应的坐标、及减速起点对应的坐标进行加权求和处理,以确定在目标路段中发生并线行为的参考位置;对启动点对应的坐标、减速终点对应的坐标、停车终点对应的坐标、及转向点对应的坐标进行加权求和处理,以确定在目标路段中发生转向行为的参考位置。
具体地,参考位置包括参考点。计算机设备可对不同的行为特征点进行加权求和,以确定不同的参考位置。比如,参考表1,计算机设备可根据行为特征区域中的行为特征点和发生行为变化的参考点之间的关系,拟合出相应参考点的位置信息。
表1行为特征区域、行为特征点、及参考点之间的关系
计算机设备可运用线性回归算法分别拟合出三种行为变化的参考点,数学建模公式如下:
发生减速行为变化的减速时机参考点:Y1=W1*减速起点+W2*停车起点;其中,W1+W2=2。可以理解,W1和W2的具体值可依据经验或实验数据而确定,比如W1可以是1.5,W2可以是0.5等,本申请实施例在此不做限定。
发生并线行为变化的并线时机参考点:Y2=V1*转向起点+V2*减速起点;其中,V1+V2=2。可以理解,V1和V2的具体值可依据经验或实验数据而确定,比如V1可以是1,V2可以是1等,本申请实施例在此不做限定。
发生转向行为变化的转向时机参考点:Y3=T1*启动点+T2*减速终点+T3*停车终点+T4*转向点;其中,T1+T2+T3+T4=4。可以理解T1、T2、T3和T4的具体值可依据经验或实验数据而确定,比如T1可以是0.5,T2可以是1,T3可以是1,T4可以是1.5等,本申请实施例在此不做限定。
其中,上述各数学建模公式中涉及到各行为特征点点计算,可具体采用各个行为特征点到目标路口的中心点的距离,从而计算出的各个参考点的位置信息也就是各参考点到目标路口的中心点的距离。
上述实施例中,综合考虑不同行为特征区域中的行为特征点,可方便快捷且准确地确定发生行为变化的参考位置,大大提高了参考位置确定的准确性和效率。
在一个实施例中,该轨迹数据处理方法还包括路口放大图的生成步骤,该步骤具体包括:分别确定与目标路口相关的各个路段中发生行为变化的参考位置;基于各个路段中发生行为变化的参考位置,分别与目标路口的中心点之间的距离,计算目标路口的路口面积;依据路口面积,生成目标路口的路口放大图像。
具体地,对于与目标路口相关的各个路段,计算机设备均可通过执行前述实施例所提及的轨迹数据处理方法,确定每个路段中发生行为变化的参考位置。进而根据每个路段中发生行为变化的参考位置分别与目标路口的中心点之间的距离,以及现有的路网数据,估算目标路口的路口面积。从而依据路口面积,辅助生成目标路口的路口放大图像。该路口放大图像可在用户导航过程中供用户查看。
在一个实施例中,计算机设备可根据经验,确定发生减速行为变化的减速参考位置与目标路口的路口停止线之间的距离。再根据减速参考位置与目标路口的中心点之间的距离,确定目标路口的路口停止线与中心点之间的距离。从而根据目标路口的路口停止线到中心点的距离计算目标路口的路口面积。比如,当目标路口的路口停止线与中心点之间的距离为a米时,可通过以下公式计算目标路口的路口面积:S=(2a)2平方米。
上述实施例中,可快速、低成本的确定目标路口对应的发生行为变化的参考点位置,从而可将参考位置作为道路数据的补充,辅助生成准确的路口放大图像。
在一个具体的实施例中,该轨迹数据处理方法包括以下步骤:
S702,采集预设时间段内,不同用户沿不同路段运动、且经过目标路口的历史候选轨迹。
S704,获取与目标路口对应的路网数据。
S706,将历史候选轨迹投影匹配至路网数据中相应的路段,并依据不同路段的出入边关系,从历史候选轨迹中筛选出沿目标路段运动至目标路口、并驶离目标路口的历史运动轨迹。
S708,根据历史运动轨迹中各轨迹点对应的运动信息,确定与不同用户行为分别对应的行为轨迹点。
S710,对于不同的用户行为,分别根据相应行为轨迹点确定对应的轨迹投影集合。
S712,根据轨迹投影集合生成不同用户行为各自对应的行为热力图。
S714,基于各行为热力图的边界范围,在目标路段中确定不同用户行为分别对应的行为特征区域。
S716,从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点。
S718,根据行为特征区域中与不同的行为变化相关的行为特征点,拟合在目标路段中发生不同行为变化各自对应的参考点。
S720,根据在目标路段中发生不同行为变化各自的参考点,确定在目标路段中发生不同行为变化各自对应的参考线。
S722,当用户运动至目标路段中的参考位置时,播报与参考位置对应的用于提示用户发生行为变化的导航语音。
S724,分别确定与目标路口相关的各个路段中发生行为变化的参考位置。
S726,基于各个路段中发生行为变化的参考位置,分别与目标路口的中心点之间的距离,计算目标路口的路口面积。
S728,依据路口面积,生成目标路口的路口放大图像。
上述轨迹数据处理方法,通过分析不同用户沿目标路段运动、且经过目标路口的历史运动轨迹,并根据历史运动轨迹对应的运动信息来确定与不同用户行为分别对应的行为特征区域。从而可从行为特征区域中找出不同用户在目标路口前的行为特征点,基于行为特征点就可快速准确地确定在该目标路段中发生行为变化的参考位置,确定的参考位置可用于提醒用户在此处可以发生相应的行为变化。这样,依据相应的历史运动轨迹来确定目标路口中发生行为变化的参考位置,赋予了目标路口相应的特征,让目标路口具有自身的特性且区别于其他路口,使得在进入目标路口前发生行为变化的参考位置更加准确,从而提高了路口前导航播报的准确性,降低了偏航率。
图7为一个实施例中轨迹数据处理方法的流程示意图。应该理解的是,虽然图7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图8所示,在一个实施例中,提供了轨迹数据处理装置800,包括获取模块801、确定模块802和提取模块803。
获取模块801,用于获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹。
确定模块802,用于根据历史运动轨迹对应的运动信息,确定目标路段中与不同用户行为分别对应的行为特征区域。
提取模块803,用于从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点。
确定模块802还用于基于各行为特征区域中的行为特征点,确定在目标路段中发生行为变化的参考位置。
在一个实施例中,获取模块801包括:
采集模块,用于采集预设时间段内,不同用户沿不同路段运动、且经过目标路口的历史候选轨迹。
获取模块801还用于获取与目标路口对应的路网数据。
筛选模块,用于根据路网数据中不同路段的位置和出入边关系,从历史候选轨迹中筛选出沿目标路段运动、且经过目标路口的历史运动轨迹。
在一个实施例中,筛选模块还用于将历史候选轨迹投影匹配至路网数据中相应的路段,并依据不同路段的出入边关系,从历史候选轨迹中筛选出沿目标路段运动至目标路口、并驶离目标路口的历史运动轨迹。
在一个实施例中,确定模块802还用于根据历史运动轨迹中各轨迹点对应的运动信息,确定与不同用户行为分别对应的行为轨迹点;对于不同的用户行为,分别根据相应行为轨迹点确定对应的轨迹投影集合;根据轨迹投影集合生成不同用户行为各自对应的行为热力图;基于各行为热力图的边界范围,在目标路段中确定不同用户行为分别对应的行为特征区域。
在一个实施例中,确定模块802还用于根据行为特征区域中与不同的行为变化相关的行为特征点,拟合在目标路段中发生不同行为变化各自对应的参考点;根据在目标路段中发生不同行为变化各自的参考点,确定在目标路段中发生不同行为变化各自对应的参考线。
在一个实施例中,行为特征区域包括加速特征区域、减速特征区域、停车特征区域和转向特征区域;确定模块802还用于根据历史轨迹中加速度连续大于零的轨迹点,确定目标路段中的加速特征区域;根据历史轨迹中加速度连续小于零的轨迹点,确定目标路段中的减速特征区域;根据历史轨迹中速度趋近于零的轨迹点,确定目标路段中的停车特征区域;根据历史轨迹中运动方向发生变化的轨迹点,确定目标路段中的转向特征区域。
在一个实施例中,行为特征点包括启动点、减速起点、减速终点、停车起点、停车终点和转向点;提取模块803还用于确定加速特征区域中加速度最大的位置点,并将加速度最大的位置点作为加速行为的启动点;将减速特征区域的起始点作为减速行为的减速起点;将减速特征区域的终止点作为减速行为的减速终点;将停车特征区域的起始点作为停车行为的停车起点;将减速特征区域的终止点作为停车行为的停车终点;将转向特征区域的起始点作为转向行为的转向起点;确定转向特征区域中角加速度最大的位置点,并将角加速度最大的位置点作为转向行为的转向点。
在一个实施例中,确定模块802还用于对减速起点对应的坐标、及停车起点对应的坐标进行加权求和处理,以确定在目标路段中发生减速行为的参考位置;对转向起点对应的坐标、及减速起点对应的坐标进行加权求和处理,以确定在目标路段中发生并线行为的参考位置;对启动点对应的坐标、减速终点对应的坐标、停车终点对应的坐标、及转向点对应的坐标进行加权求和处理,以确定在目标路段中发生转向行为的参考位置。
在一个实施例中,该轨迹数据处理装置800还包括播报模块804,用于用户运动至目标路段中的参考位置时,播报与参考位置对应的用于提示用户发生行为变化的导航语音。
参考图9,在一个实施例中,该轨迹数据处理装置800还包括计算模块805和生成模块806,其中:
确定模块802还用于分别确定与目标路口相关的各个路段中发生行为变化的参考位置。
计算模块805,用于基于各个路段中发生行为变化的参考位置,分别与目标路口的中心点之间的距离,计算目标路口的路口面积。
生成模块806,用于依据路口面积,生成目标路口的路口放大图像。
上述轨迹数据处理装置,通过分析不同用户沿目标路段运动、且经过目标路口的历史运动轨迹,并根据历史运动轨迹对应的运动信息来确定与不同用户行为分别对应的行为特征区域。从而可从行为特征区域中找出不同用户在目标路口前的行为特征点,基于行为特征点就可快速准确地确定在该目标路段中发生行为变化的参考位置,确定的参考位置可用于提醒用户在此处可以发生相应的行为变化。这样,依据相应的历史运动轨迹来确定目标路口中发生行为变化的参考位置,赋予了目标路口相应的特征,让目标路口具有自身的特性且区别于其他路口,使得在进入目标路口前发生行为变化的参考位置更加准确,从而提高了路口前导航播报的准确性,降低了偏航率。
图10示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110或服务器120。如图10所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现轨迹数据处理方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行轨迹数据处理方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的轨迹数据处理装置可以实现为一种计算机程序的形式,计算机程序可在如图10所示的计算机设备上运行。计算机设备的存储器中可存储组成该轨迹数据处理装置的各个程序模块,比如,图8所示的获取模块、确定模块和提取模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的轨迹数据处理方法中的步骤。
例如,图10所示的计算机设备可以通过如图8所示的轨迹数据处理装置中的获取模块执行步骤S202。计算机设备可通过确定模块执行步骤S204和S208。计算机设备可通过提取模块执行步骤S206。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述轨迹数据处理方法的步骤。此处轨迹数据处理方法的步骤可以是上述各个实施例的轨迹数据处理方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述轨迹数据处理方法的步骤。此处轨迹数据处理方法的步骤可以是上述各个实施例的轨迹数据处理方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种轨迹数据处理方法,包括:
获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹;
根据所述历史运动轨迹对应的运动信息,确定所述目标路段中与不同用户行为分别对应的行为特征区域;
从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点;
基于各所述行为特征区域中的行为特征点,确定在所述目标路段中发生行为变化的参考位置。
2.根据权利要求1所述的方法,其特征在于,所述获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹,包括:
采集预设时间段内,不同用户沿不同路段运动、且经过目标路口的历史候选轨迹;
获取与所述目标路口对应的路网数据;
根据所述路网数据中不同路段的位置和出入边关系,从所述历史候选轨迹中筛选出沿目标路段运动、且经过目标路口的历史运动轨迹。
3.根据权利要求2所述的方法,其特征在于,所述根据所述路网数据中不同路段的位置和出入边关系,从所述历史候选轨迹中筛选出沿目标路段运动、且经过目标路口的历史运动轨迹,包括:
将所述历史候选轨迹投影匹配至所述路网数据中相应的路段,并依据不同路段的出入边关系,从所述历史候选轨迹中筛选出沿目标路段运动至目标路口、并驶离所述目标路口的历史运动轨迹。
4.根据权利要求1所述的方法,其特征在于,所述根据所述历史运动轨迹对应的运动信息,确定所述目标路段中与不同用户行为分别对应的行为特征区域,包括:
根据所述历史运动轨迹中各轨迹点对应的运动信息,确定与不同用户行为分别对应的行为轨迹点;
对于不同的用户行为,分别根据相应行为轨迹点确定对应的轨迹投影集合;
根据所述轨迹投影集合生成不同用户行为各自对应的行为热力图;
基于各所述行为热力图的边界范围,在所述目标路段中确定不同用户行为分别对应的行为特征区域。
5.根据权利要求1所述的方法,其特征在于,所述基于各所述行为特征区域中的行为特征点,确定在所述目标路段中发生行为变化的参考位置,包括:
根据行为特征区域中与不同的行为变化相关的行为特征点,拟合在所述目标路段中发生不同行为变化各自对应的参考点;
根据在所述目标路段中发生不同行为变化各自的参考点,确定在所述目标路段中发生不同行为变化各自对应的参考线。
6.根据权利要求1所述的方法,其特征在于,所述行为特征区域包括加速特征区域、减速特征区域、停车特征区域和转向特征区域;所述根据所述历史运动轨迹对应的运动信息,确定所述目标路段中与不同用户行为分别对应的行为特征区域,包括:
根据所述历史轨迹中在时间上连续、且加速度均大于零的轨迹点,确定所述目标路段中的加速特征区域;
根据所述历史轨迹中在时间上连续、且加速度均小于零的轨迹点,确定所述目标路段中的减速特征区域;
根据所述历史轨迹中速度符合停车速度条件的轨迹点,确定所述目标路段中的停车特征区域;
根据所述历史轨迹中运动方向发生变化的轨迹点,确定所述目标路段中的转向特征区域。
7.根据权利6所述的方法,其特征在于,所述行为特征点包括启动点、减速起点、减速终点、停车起点、停车终点和转向点;所述从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点,包括:
确定所述加速特征区域中加速度最大的位置点,并将加速度最大的位置点作为加速行为的启动点;
将所述减速特征区域的起始点作为减速行为的减速起点;
将所述减速特征区域的终止点作为减速行为的减速终点;
将所述停车特征区域的起始点作为停车行为的停车起点;
将所述减速特征区域的终止点作为停车行为的停车终点;
将所述转向特征区域的起始点作为转向行为的转向起点;
确定所述转向特征区域中角加速度最大的位置点,并将角加速度最大的位置点作为转向行为的转向点。
8.根据权利要求7所述的方法,其特征在于,所述基于各所述行为特征区域中的行为特征点,确定在所述目标路段中发生行为变化的参考位置,包括:
对所述减速起点对应的坐标、及所述停车起点对应的坐标进行加权求和处理,以确定在所述目标路段中发生减速行为的参考位置;
对所述转向起点对应的坐标、及所述减速起点对应的坐标进行加权求和处理,以确定在所述目标路段中发生并线行为的参考位置;
对所述启动点对应的坐标、所述减速终点对应的坐标、所述停车终点对应的坐标、及所述转向点对应的坐标进行加权求和处理,以确定在所述目标路段中发生转向行为的参考位置。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述方法还包括:
当用户运动至所述目标路段中的参考位置时,播报与所述参考位置所属行为类型对应的导航语音;所述导航语音用于提示用户发生与所述行为类型对应的行为变化。
10.根据权利要求1至8中任一项所述的方法,其特征在于,所述方法还包括:
分别确定与所述目标路口相关的各个路段中发生行为变化的参考位置;
基于各个路段中发生行为变化的参考位置,分别与所述目标路口的中心点之间的距离,计算所述目标路口的路口面积;
依据所述路口面积,生成所述目标路口的路口放大图像。
11.一种轨迹数据处理装置,其特征在于,所述装置包括:
获取模块,用于获取不同用户沿目标路段运动、且经过目标路口的历史运动轨迹;
确定模块,用于根据所述历史运动轨迹对应的运动信息,确定所述目标路段中与不同用户行为分别对应的行为特征区域;
提取模块,用于从各行为特征区域中,提取与相应用户行为匹配的至少一个行为特征点;
所述确定模块还用于基于各所述行为特征区域中的行为特征点,确定在所述目标路段中发生行为变化的参考位置。
12.根据权利要求11所述的装置,其特征在于,所述获取模块包括:
采集模块,用于采集预设时间段内,不同用户沿不同路段运动、且经过目标路口的历史候选轨迹;
所述获取模块用于获取与所述目标路口对应的路网数据;
筛选模块,用于根据所述路网数据中不同路段的位置和出入边关系,从所述历史候选轨迹中筛选出沿目标路段运动、且经过目标路口的历史运动轨迹。
13.根据权利要求11所述的装置,其特征在于,所述确定模块还用于根据所述历史运动轨迹中各轨迹点对应的运动信息,确定与不同用户行为分别对应的行为轨迹点;对于不同的用户行为,分别根据相应行为轨迹点确定对应的轨迹投影集合;根据所述轨迹投影集合生成不同用户行为各自对应的行为热力图;基于各所述行为热力图的边界范围,在所述目标路段中确定不同用户行为分别对应的行为特征区域。
14.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至10中任一项所述方法的步骤。
15.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至10中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910848765.3A CN110579219B (zh) | 2019-09-09 | 2019-09-09 | 轨迹数据处理方法、装置、存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910848765.3A CN110579219B (zh) | 2019-09-09 | 2019-09-09 | 轨迹数据处理方法、装置、存储介质和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110579219A true CN110579219A (zh) | 2019-12-17 |
CN110579219B CN110579219B (zh) | 2023-03-24 |
Family
ID=68812863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910848765.3A Active CN110579219B (zh) | 2019-09-09 | 2019-09-09 | 轨迹数据处理方法、装置、存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110579219B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311906A (zh) * | 2020-02-11 | 2020-06-19 | 北京百度网讯科技有限公司 | 路口距离的检测方法、装置、电子设备和存储介质 |
CN111540026A (zh) * | 2020-03-24 | 2020-08-14 | 北京三快在线科技有限公司 | 动线图的绘制方法、装置、电子设备及存储介质 |
CN111982144A (zh) * | 2020-08-20 | 2020-11-24 | 北京百度网讯科技有限公司 | 导航方法、装置、电子设备及计算机可读介质 |
CN112100303A (zh) * | 2020-09-14 | 2020-12-18 | 拉扎斯网络科技(上海)有限公司 | 建筑实体位置确定方法、装置、计算机设备及可读存储介质 |
CN112198964A (zh) * | 2020-11-03 | 2021-01-08 | 北京歌尔泰克科技有限公司 | 一种可穿戴设备上的功能实现方法和装置 |
CN112330056A (zh) * | 2020-11-23 | 2021-02-05 | 北京嘀嘀无限科技发展有限公司 | 路线确定方法、装置、电子设备和计算机可读存储介质 |
CN113393011A (zh) * | 2020-03-13 | 2021-09-14 | 百度在线网络技术(北京)有限公司 | 预测限速信息的方法、装置、计算机设备和介质 |
CN113506065A (zh) * | 2021-07-23 | 2021-10-15 | 拉扎斯网络科技(上海)有限公司 | 配送轨迹修正方法及装置 |
CN114355839A (zh) * | 2022-03-18 | 2022-04-15 | 浙江西图盟数字科技有限公司 | 一种运动轨迹处理方法、装置、设备及存储介质 |
CN114528365A (zh) * | 2022-02-21 | 2022-05-24 | 北京百度网讯科技有限公司 | 高速公路停车区域的识别方法及装置、电子设备和介质 |
CN115046564A (zh) * | 2022-06-02 | 2022-09-13 | 北京百度网讯科技有限公司 | 导航处理方法、装置、设备及存储介质 |
CN113393011B (zh) * | 2020-03-13 | 2024-05-10 | 百度在线网络技术(北京)有限公司 | 预测限速信息的方法、装置、计算机设备和介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003287425A (ja) * | 2002-03-28 | 2003-10-10 | Alpine Electronics Inc | ナビゲーション装置 |
CN101216322A (zh) * | 2007-12-28 | 2008-07-09 | 凯立德欣技术(深圳)有限公司 | 一种交叉路口的导航画面的显示方法、装置及gps导航设备 |
CN102110363A (zh) * | 2011-03-30 | 2011-06-29 | 北京世纪高通科技有限公司 | 一种浮动车数据处理的方法及装置 |
CN105180947A (zh) * | 2014-06-17 | 2015-12-23 | 昆达电脑科技(昆山)有限公司 | 具提示信息的轨迹档的产生方法及导航方法 |
US20170016737A1 (en) * | 2014-03-31 | 2017-01-19 | Aisin Aw Co., Ltd. | Driving assistance system, method, and program for a vehicle |
CN106989755A (zh) * | 2017-05-10 | 2017-07-28 | 北京小米移动软件有限公司 | 导航方法、装置及计算机可读存储介质 |
CN107990905A (zh) * | 2016-10-27 | 2018-05-04 | 高德软件有限公司 | 一种掉头路口的确定方法及装置 |
CN108240813A (zh) * | 2016-12-23 | 2018-07-03 | 北京四维图新科技股份有限公司 | 获取车辆实际行车轨迹的方法和装置、行车历史的存储方法及导航方法 |
CN109145065A (zh) * | 2017-06-19 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 车辆行驶轨迹的展示方法及装置、计算机可读存储介质 |
CN110175218A (zh) * | 2019-04-15 | 2019-08-27 | 北京百度网讯科技有限公司 | 生成导航播报内容的方法、装置、设备和计算机存储介质 |
CN110174116A (zh) * | 2019-04-15 | 2019-08-27 | 北京百度网讯科技有限公司 | 生成导航播报内容的方法、装置、设备和计算机存储介质 |
-
2019
- 2019-09-09 CN CN201910848765.3A patent/CN110579219B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003287425A (ja) * | 2002-03-28 | 2003-10-10 | Alpine Electronics Inc | ナビゲーション装置 |
CN101216322A (zh) * | 2007-12-28 | 2008-07-09 | 凯立德欣技术(深圳)有限公司 | 一种交叉路口的导航画面的显示方法、装置及gps导航设备 |
CN102110363A (zh) * | 2011-03-30 | 2011-06-29 | 北京世纪高通科技有限公司 | 一种浮动车数据处理的方法及装置 |
US20170016737A1 (en) * | 2014-03-31 | 2017-01-19 | Aisin Aw Co., Ltd. | Driving assistance system, method, and program for a vehicle |
CN105180947A (zh) * | 2014-06-17 | 2015-12-23 | 昆达电脑科技(昆山)有限公司 | 具提示信息的轨迹档的产生方法及导航方法 |
CN107990905A (zh) * | 2016-10-27 | 2018-05-04 | 高德软件有限公司 | 一种掉头路口的确定方法及装置 |
CN108240813A (zh) * | 2016-12-23 | 2018-07-03 | 北京四维图新科技股份有限公司 | 获取车辆实际行车轨迹的方法和装置、行车历史的存储方法及导航方法 |
CN106989755A (zh) * | 2017-05-10 | 2017-07-28 | 北京小米移动软件有限公司 | 导航方法、装置及计算机可读存储介质 |
CN109145065A (zh) * | 2017-06-19 | 2019-01-04 | 北京嘀嘀无限科技发展有限公司 | 车辆行驶轨迹的展示方法及装置、计算机可读存储介质 |
CN110175218A (zh) * | 2019-04-15 | 2019-08-27 | 北京百度网讯科技有限公司 | 生成导航播报内容的方法、装置、设备和计算机存储介质 |
CN110174116A (zh) * | 2019-04-15 | 2019-08-27 | 北京百度网讯科技有限公司 | 生成导航播报内容的方法、装置、设备和计算机存储介质 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311906A (zh) * | 2020-02-11 | 2020-06-19 | 北京百度网讯科技有限公司 | 路口距离的检测方法、装置、电子设备和存储介质 |
CN113393011A (zh) * | 2020-03-13 | 2021-09-14 | 百度在线网络技术(北京)有限公司 | 预测限速信息的方法、装置、计算机设备和介质 |
CN113393011B (zh) * | 2020-03-13 | 2024-05-10 | 百度在线网络技术(北京)有限公司 | 预测限速信息的方法、装置、计算机设备和介质 |
CN111540026A (zh) * | 2020-03-24 | 2020-08-14 | 北京三快在线科技有限公司 | 动线图的绘制方法、装置、电子设备及存储介质 |
CN111982144A (zh) * | 2020-08-20 | 2020-11-24 | 北京百度网讯科技有限公司 | 导航方法、装置、电子设备及计算机可读介质 |
CN112100303A (zh) * | 2020-09-14 | 2020-12-18 | 拉扎斯网络科技(上海)有限公司 | 建筑实体位置确定方法、装置、计算机设备及可读存储介质 |
CN112198964A (zh) * | 2020-11-03 | 2021-01-08 | 北京歌尔泰克科技有限公司 | 一种可穿戴设备上的功能实现方法和装置 |
CN112330056A (zh) * | 2020-11-23 | 2021-02-05 | 北京嘀嘀无限科技发展有限公司 | 路线确定方法、装置、电子设备和计算机可读存储介质 |
CN113506065A (zh) * | 2021-07-23 | 2021-10-15 | 拉扎斯网络科技(上海)有限公司 | 配送轨迹修正方法及装置 |
CN114528365A (zh) * | 2022-02-21 | 2022-05-24 | 北京百度网讯科技有限公司 | 高速公路停车区域的识别方法及装置、电子设备和介质 |
CN114355839A (zh) * | 2022-03-18 | 2022-04-15 | 浙江西图盟数字科技有限公司 | 一种运动轨迹处理方法、装置、设备及存储介质 |
CN115046564A (zh) * | 2022-06-02 | 2022-09-13 | 北京百度网讯科技有限公司 | 导航处理方法、装置、设备及存储介质 |
CN115046564B (zh) * | 2022-06-02 | 2023-05-05 | 北京百度网讯科技有限公司 | 导航处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110579219B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110579219B (zh) | 轨迹数据处理方法、装置、存储介质和计算机设备 | |
CN108871368A (zh) | 一种高精度地图车道横向拓扑关系的构建方法、系统及存储器 | |
Zhu et al. | Trajectory segmentation map-matching approach for large-scale, high-resolution GPS data | |
CN102147260B (zh) | 电子地图匹配方法和装置 | |
Yang et al. | Generating lane-based intersection maps from crowdsourcing big trace data | |
JP2019512668A (ja) | ルート逸脱認識方法、端末、および記憶媒体 | |
CN103035123B (zh) | 一种交通轨迹数据中异常数据获取方法及系统 | |
WO2023274229A1 (zh) | 车辆轨迹纠偏方法、装置及电子设备 | |
CN110609824B (zh) | 城市路网环境下基于动态空间网络模型的热点区域检测方法 | |
JP5415205B2 (ja) | 走行リンク確定装置及びリンク旅行時間算出装置 | |
CN111275975B (zh) | 一种交叉口转向流量数据的获取方法、装置和存储介质 | |
CN111256687A (zh) | 地图数据的处理方法、装置、采集设备和存储介质 | |
CN113587944B (zh) | 准实时的车辆行驶路线生成方法、系统及设备 | |
CN107403550B (zh) | 公交路网数据采集方法、装置和终端设备 | |
CN107917716B (zh) | 固定线路导航方法、装置、终端及计算机可读存储介质 | |
CN109377757A (zh) | 基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法 | |
JP2017003728A (ja) | 地図生成システム、方法、及びプログラム | |
CN111380544A (zh) | 车道线的地图数据生成方法及装置 | |
CN105608919B (zh) | 车站位置的确定方法及装置 | |
Zhu et al. | A driving cycle detection approach using map service API | |
CN111380530A (zh) | 导航方法及相关产品 | |
CN116734828A (zh) | 道路拓扑信息的确定、电子地图数据处理方法、电子设备 | |
CN109215348B (zh) | 一种把交通事故准确定位到相关路段的方法 | |
CN114511938A (zh) | 一种智慧停车管理方法和平台 | |
CN112732860A (zh) | 道路提取方法、装置、可读存储介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40019424 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |