CN110648529A - 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质 - Google Patents

一种车辆行驶轨迹的渲染方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110648529A
CN110648529A CN201910871919.0A CN201910871919A CN110648529A CN 110648529 A CN110648529 A CN 110648529A CN 201910871919 A CN201910871919 A CN 201910871919A CN 110648529 A CN110648529 A CN 110648529A
Authority
CN
China
Prior art keywords
road
complexity
target
road network
determining
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
CN201910871919.0A
Other languages
English (en)
Other versions
CN110648529B (zh
Inventor
廖鸿森
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.)
Tencent Technology Shenzhen Co Ltd
Tencent Dadi Tongtu Beijing Technology Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Tencent Dadi Tongtu Beijing Technology Co Ltd
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 Tencent Technology Shenzhen Co Ltd, Tencent Dadi Tongtu Beijing Technology Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201910871919.0A priority Critical patent/CN110648529B/zh
Publication of CN110648529A publication Critical patent/CN110648529A/zh
Application granted granted Critical
Publication of CN110648529B publication Critical patent/CN110648529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Analytical Chemistry (AREA)
  • Development Economics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本申请提供一种车辆行驶轨迹的渲染方法、装置、设备及存储介质，该方法包括：根据路网中每条道路之间的距离，确定每条道路的空间复杂度；根据每条道路的空间复杂度，确定至少一个目标区域；根据每个目标区域内各条道路的空间复杂度，确定该目标区域的路网复杂度；匹配目标轨迹点与道路，得到任意两个相邻目标轨迹点之间的目标匹配道路；根据目标匹配道路，确定任意两个相邻目标轨迹点的匹配复杂度；根据任意两个相邻轨迹点或目标匹配道路所在的目标区域的路网复杂度，确定任意两个相邻目标轨迹点的连通路网复杂度；根据匹配复杂度和连通路网复杂度渲染目标车辆行驶轨迹。本申请实现在减少渲染杂乱程度的前提下真实渲染大规模车辆行驶轨迹。

Description

一种车辆行驶轨迹的渲染方法、装置、设备及存储介质
技术领域
本申请属于互联网技术领域，具体涉及一种车辆行驶轨迹的渲染方法、装置、设备及存储介质。
背景技术
车辆行驶轨迹是目前地图类数据分析、生产中最重要的数据输入之一。比如基于实时车辆行驶轨迹的实时路况分析、道路开通封闭发现以及基于车辆行驶轨迹的新路发现等。渲染的车辆行驶轨迹可以直观地展示道路上真实的车行路径，而通过在渲染过程中对轨迹进行不同的颜色映射等，也可以直观地展示轨迹的速度、精度等不同属性。
现有的车辆行驶轨迹渲染方法一般包括直接渲染和抽象渲染。直接渲染是指直接利用轨迹的连续轨迹点进行连线渲染。抽象渲染方法是指对于大规模轨迹进行抽象化处理后再进行展示，比如聚类、密度估计、采样等抽象化处理。然而，直接渲染方法在轨迹数据规模较大，且轨迹质量差异较大的情况下，其结果经常会出现展示杂乱，用户体验差的情况。同时在路网较为复杂的背景下，直接渲染出来的轨迹往往不能真实反映车辆行驶的真实情况，也无法用于反映道路的真实通行情况。抽象化的渲染方法由于其结果只展示了大规模轨迹的统计结果，缺失了轨迹的原始细节信息，不利于基于原始车辆行驶轨迹进行直观的道路通行状态分析。
发明内容
为了确定优化的轨迹点连线方式，实现在减少渲染杂乱程度的前提下真实渲染大规模车辆行驶轨迹，本申请提出一种车辆行驶轨迹的渲染方法、装置、设备及存储介质。
一方面，本申请提出了一种车辆行驶轨迹的渲染方法，所述方法包括：
确定路网中每条道路之间的距离；
根据所述路网中每条道路之间的距离，确定所述路网中每条道路的空间复杂度；
根据所述路网中每条道路的空间复杂度，确定与所述路网对应的多个目标区域；其中，所述目标区域内包括至少一条道路；
根据每个目标区域内的各条道路的空间复杂度，确定每个目标区域的路网复杂度；
获取目标车辆行驶轨迹，所述目标车辆行驶轨迹包括至少一个目标轨迹点；
将每个目标轨迹点与每个目标区域内的各条道路进行匹配，得到位于任意两个相邻目标轨迹点之间的目标匹配道路；
获取所述目标匹配道路的属性信息，根据所述属性信息，确定所述任意两个相邻目标轨迹点的匹配复杂度；
确定所述任意两个相邻目标轨迹点所在的目标区域或所述目标匹配道路所在的目标区域；
根据所述任意两个相邻目标轨迹点所在的目标区域的路网复杂度或所述目标匹配道路所在的目标区域的路网复杂度，确定所述任意两个相邻目标轨迹点的连通路网复杂度；
根据所述任意两个相邻目标轨迹点的匹配复杂度和所述任意两个相邻目标轨迹点的连通路网复杂度，确定所述任意两个相邻目标轨迹点的渲染复杂度；
根据所述任意两个相邻目标轨迹点的渲染复杂度，对所述目标车辆行驶轨迹进行渲染。
另一方面，本申请提出了一种车辆行驶轨迹的渲染装置，所述装置包括：
距离确定模块，用于确定路网中每条道路之间的距离；
空间复杂度确定模块，用于根据所述路网中每条道路之间的距离，确定所述路网中每条道路的空间复杂度；
第一目标区域确定模块，用于根据所述路网中每条道路的空间复杂度，确定与所述路网对应的多个目标区域；其中，所述目标区域内包括至少一条道路；
路网复杂度确定模块，用于根据每个目标区域内的各条道路的空间复杂度，确定每个目标区域的路网复杂度；
目标轨迹点获取模块，用于获取目标车辆行驶轨迹，所述目标车辆行驶轨迹包括至少一个目标轨迹点；
目标匹配道路获取模块，用于将每个目标轨迹点与每个目标区域内的各条道路进行匹配，得到位于任意两个相邻目标轨迹点之间的目标匹配道路；
匹配复杂度确定模块，用于获取所述目标匹配道路的属性信息，根据所述属性信息，确定所述任意两个相邻目标轨迹点的匹配复杂度；
第二目标区域确定模块，用于确定所述任意两个相邻目标轨迹点所在的目标区域或所述目标匹配道路所在的目标区域；
连通路网复杂度确定模块，用于根据所述任意两个相邻目标轨迹点所在的目标区域的路网复杂度或所述目标匹配道路所在的目标区域的路网复杂度，确定所述任意两个相邻目标轨迹点的连通路网复杂度；
渲染复杂度确定模块，用于根据所述任意两个相邻目标轨迹点的匹配复杂度和所述任意两个相邻目标轨迹点的连通路网复杂度，确定所述任意两个相邻目标轨迹点的渲染复杂度；
渲染模块，用于根据所述任意两个相邻目标轨迹点的渲染复杂度，对所述目标车辆行驶轨迹进行渲染。
另一方面，本申请提出了一种设备，所述设备包括：处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述所述的车辆行驶轨迹的渲染方法。
另一方面，本申请提出了一种确定机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述所述的车辆行驶轨迹的渲染方法。
本申请提出的一种车辆行驶轨迹的渲染方法、装置、设备及存储介质，首先将路网划分为多个目标区域，根据目标区域包括的道路的空间复杂度，确定目标区域的路网复杂度，接着将目标车辆行驶轨迹中的目标轨迹点与目标区域内的道路进行匹配，得到位于任意两个相邻目标轨迹点之间的目标匹配道路，并根据目标匹配道路的属性信息，确定任意两个相邻目标轨迹点的匹配复杂度，然后根据目标轨迹点或目标匹配道路所在的目标区域的路网复杂度，确定任意两个相邻目标轨迹点的连通路网复杂度，最后根据匹配复杂度和所述连通路网复杂度，确定任意两个相邻目标轨迹点的渲染复杂度，并根据渲染复杂度，对目标车辆行驶轨迹进行渲染。由于本申请在轨迹渲染连线中加入道路匹配复杂度和路网复杂度的影响因素，对轨迹连线对于渲染结果杂乱程度以及真实道路状态表达能力的影响进行评估，确定优化的轨迹点连线方式，达到在减少渲染杂乱程度的前提下真实渲染大规模车辆行驶轨迹的效果，辅助用户更好地观察车辆的行驶状态以及分析路网的通行状况。此外，由于本申请将路网划分为多个目标区域，以区域为单位进行道路匹配以及路网复杂度的计算，不同路网复杂度的区域采用不同的渲染策略，实现对于大规模车型轨迹的高效渲染，避免针对每条轨迹、每个轨迹线段单独分析周边路网复杂度，造成的计算量大且无法进行有效的工程实现的缺陷。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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人员来讲，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它附图。
图1是本申请实施例提供的一种车辆行驶轨迹的渲染方法的实施环境示意图。
图2是本申请实施例提供的一种车辆行驶轨迹的渲染方法的流程示意图。
图3是本申请实施例提供的另一种车辆行驶轨迹的渲染方法的流程示意图。
图4是本申请实施例提供的对路网进行空间层次划分的一种结构示意图。
图5是本申请实施例提供的另一种车辆行驶轨迹的渲染方法的流程示意图。
图6是本申请实施例提供的确定任意两个相邻目标轨迹点的匹配复杂度的一种示意图。
图7是本申请实施例提供的车辆行驶轨迹的渲染方法在一种场景中的逻辑框图。
图8是未使用本申请实施例提供的车辆行驶轨迹的渲染方法对目标车辆行驶轨迹进行渲染的渲染结果。
图9是使用本申请实施例提供的车辆行驶轨迹的渲染方法对目标车辆行驶轨迹进行渲染的渲染结果。
图10是本申请实施例提供的一种车辆行驶轨迹的渲染装置的结构示意图。
图11是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
随着人工智能(Artificial Intelligence,AI)的研究和进步，AI在多个领域展开研究和应用。AI是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。
具体地，本申请实施例提供的方案涉及人工智能的自动驾驶技术。自动驾驶技术包括环境感知、环境认知、行为决策和运动控制等。其中，环境感知通过感知传感器(比如，视觉传感器、雷达传感器、通信传感器、定位传感器、姿态传感器等)采集数据，并对采集到的数据进行融合处理，环境认知用对场景进行理解、识别及处理，比如，识别出道路、标识或行人等，行为决策用于根据环境认知的处理结果制定行为决策，并根据行为决策进行全局路径规划或局部路径规划，运动控制用于控制车辆执行加速、减速、转向、制动等操作。
具体地，本申请实施例提供的方案涉及自动驾驶中的环境感知和行为决策技术。比如，获取目标车辆行驶轨迹，涉及自动驾驶中的环境感知技术，将轨迹点与路网中的道路进行匹配、对目标车辆行驶轨迹进行渲染等，涉及自动驾驶中的行为决策技术。
具体地，本申请实施例提供的技术方案具体通过如下实施例进行说明。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1，图1是本申请实施例提供的一种车辆行驶轨迹的渲染方法的实施环境示意图，如图1所示，该实施环境可以至少包括服务器101和客户端102，所述服务器101与所述客户端102通过有线或无线建立连接，以通过此网络实现服务器101和客户端102之间的数据传输。例如，所传输的数据包括车辆行驶轨迹。
本说明书实施例中，所述服务器101可以包括一个独立运行的服务器，或者分布式服务器，或者由多个服务器组成的服务器集群。服务器101可以包括网络通信单元、处理器和存储器等等。具体的，所述服务器101可以为上述客户端102提供后台服务，例如对客户端102上传的轨迹点进行道路匹配处理、确定相邻轨迹点的渲染复杂度、控制客户端102展示渲染后内的车辆行驶轨迹等。
本说明书实施例中，客户端102可以包括智能手机、台式电脑、平板电脑、笔记本电脑、数字助理、智能可穿戴设备、车载等。
需要说明的是，图1仅仅是一种示例。
图2是本申请实施例提供的一种车辆行驶轨迹的渲染方法的流程示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或服务器产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示，所述方法可以包括：
S200.确定路网中每条道路之间的距离。
本说明书实施例中，如图3所示，在对路网进行空间层次划分之前，首先需要获取路网数据，该路网数据中包括多条道路信息，并计算每条道路与其他道路之间的距离。
S201.根据所述路网中每条道路之间的距离，确定所述路网中每条道路的空间复杂度。
本申请实施例中，如图3所示，所述根据路网中每条道路之间的距离，确定每条道路的空间复杂度，可以包括：
S20101.根据每条道路与其他道路之间的距离，获取与每条道路的距离小于第一阈值的至少一条其他道路。
S20103.将所述至少一条其他道路作为每条道路对应的相邻道路。
S20105.确定每条道路与所述道路对应的各条相邻道路之间的距离的平均值，得到所述路网中每条道路的空间复杂度。
本说明书实施例中，在得到路网中每条道路之间的距离之后，可以根据每条道路之间的距离计算路网中每条道路在空间上的复杂度，即空间复杂度。该空间复杂度可以采用道路与其周边道路的平均距离来度量，具体可以按照S20101-S20105中的方法确定每条道路距离最近的N条相邻道路，计算该道路与每条相邻道路的距离，取N条道路的平均距离作为复杂度度量。平均距离越小，道路的空间复杂度越高。其中，该道路与相邻道路之间的距离包括但不限于豪斯多夫空间距离、校正距离、欧式距离等。
S203.根据所述路网中每条道路的空间复杂度，确定与所述路网对应的多个目标区域；其中，所述目标区域内包括至少一条道路。
本申请实施例中，如图3所示，所述根据所述路网中每条道路的空间复杂度，确定与所述路网对应的多个目标区域；其中，所述目标区域内包括至少一条道路，可以包括：
S20301.按照预设区域大小对所述路网进行划分，得到多个路网区域；其中，所述路网区域内包括至少一条道路。
S20303.确定每个路网区域内的各条道路的空间复杂度的方差，得到每个路网区域的复杂度方差。
S20305.若每个路网区域的复杂度方差均小于或等于第二阈值，则将每个路网区域确定为所述目标区域。
S20307.若存在复杂度方差大于所述第二阈值的路网区域，则继续对所述复杂度大于所述第二阈值的路网区域进行划分，直至划分得到的每个路网区域的复杂度方差均小于或等于第二阈值，并将划分得到的每个路网区域确定为所述目标区域。
本申请实施例中，在得到路网中每条道路的空间复杂度之后，可以按照S20301-S20307中的方法对路网进行自顶向下的四叉树划分。四叉树划分可以为将该路网按照“田字形”平均划分为四份，从而得到如图4中的A所示的四个路网区域，每个路网区域中均落入至少一条道路。接着计算每个路网区域落入的各条道路的空间复杂度的均值及方差，得到每个目标路网的复杂度方差。如果这四个路网区域的复杂度方差均小于或等于第二阈值，则直接将第一次四叉树划分得到的四个路网区域确定为目标区域，不再进行继续划分。如图4中的B所示，如果这四个路网区域中，存在复杂度方差大于所述第二阈值的路网区域，则继续对该复杂度方差大于所述第二阈值的路网区域进行四叉树划分，直至所有的划分得到的路网区域的复杂度方均小于或等于第二阈值，并将最终划分得到的每个路网区域确定为所述目标区域。
需要说明的是，图4仅仅是一种示例。
在实际应用中，第二阈值可以根据不同的应用需求进行设定，第二阈值的越低，空间层次划分越精细，最终渲染结果也越精细，同时为了避免空间划分过于细碎，影响最终的渲染效率，可以对空间划分进行最小限制，比如300×300米大小以后的路网区域不再细分。
本申请实施例中，将路网划分为多个目标区域，以区域为单位进行后续道路匹配以及路网复杂度的计算，实现不同路网复杂度的区域采用不同的渲染策略，可以对大规模车型轨迹进行高效渲染，避免出现针对每条轨迹、每个轨迹线段单独分析周边路网复杂度，造成的计算量大且无法进行有效的工程实现的缺陷。
S205.根据每个目标区域内的各条道路的空间复杂度，确定每个目标区域的路网复杂度。
本申请实施例中，在将路网划分为多个目标区域之后，可计算落入每个目标区域内的各条道路的空间复杂度的平均值，得到每个目标区域的路网复杂度。
在一个可行的实施例中，为了避免最终计算得到的路网复杂度在空间上产生跳跃，造成最终的轨迹渲染结果出现区域上的跳跃不连续情况，可以在得到多个目标区域后，根据目标区域的连通性构建连通图，利用每个目标区域的1阶或者2阶连通区域的复杂度进行复杂度平滑，得到每个目标区域最终的路网复杂度。其中，1阶连通区域是指与该目标区域直接相邻的其他目标区域，2阶连通区域是指与该目标区域直接相邻的其他目标区域的相邻区域。具体地，所述根据每个目标区域内各条道路的空间复杂度，确定每个目标区域的路网复杂度，可以包括：
将相邻的预设数量个所述目标区域进行合并，得到至少一个合并后的目标区域，确定每个合并后的目标区域内的各条道路的平均值，得到每个合并后的目标区域的路网复杂度。
在一个可行的实施例中，目标区域的路网复杂度还可以为该区域内包括的所有道路的密度。
S207.获取目标车辆行驶轨迹，所述目标车辆行驶轨迹包括至少一个目标轨迹点。
S209.将每个目标轨迹点与每个目标区域内的各条道路进行匹配，得到位于任意两个相邻目标轨迹点之间的目标匹配道路。
本申请实施例中，在将路网划分为多个目标区域之后，可以将目标车辆行驶轨迹与目标区域内的道路进行匹配，具体地，如图5所示，所述将每个目标轨迹点与每个目标区域内的各条道路进行匹配，得到位于任意两个相邻目标轨迹点之间的目标匹配道路，可以包括：
S20901.将每个目标轨迹点按照预设地图匹配算法与每个目标区域内的各条道路进行匹配，得到每个目标轨迹点对应的道路匹配信息。
S20903.根据每个目标轨迹点对应的道路匹配信息，确定位于任意两个相邻目标轨迹点之间的至少一条目标匹配道路。
本申请实施例中，S20901-S20903的主要目的在于确定车辆行驶轨迹经过了哪些道路，是否跨域非常复杂的连续道路。轨迹、道路的匹配过程可以采用预设地图匹配算法，通过预设地图匹配算法确定每个目标轨迹点对应的道路匹配信息，该道路匹配信息包括每个轨迹点与目标区域内道路的匹配关系以及轨迹点之间可能经过的道路等。根据每个轨迹点对应的匹配道路以及轨迹点之间可能经过的道路，就可以确定出位于任意两个相邻目标轨迹点之间的至少一条目标匹配道路。
具体地，所述预设地图匹配算法包括但不限于几何匹配算法、拓扑匹配算法、概率匹配算法和高级匹配算法等。其中，几何匹配算法的考虑轨迹点与道路的几何信息，如距离、角度等；拓扑匹配算法使用道路拓扑信息来控制；概率匹配算法通过考虑轨迹点的概率；高级匹配算法往往综合考虑使用全面信息，有卡尔曼滤波、模糊逻辑模型、隐马尔可夫模型等等。
具体地，隐马尔可夫模型(Hidden Markov Model，HMM)，是马尔可夫链的一种，它的状态不能直接观察到，但能通过观测向量序列观察到，每个观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量是由一个具有相应概率密度分布的状态序列产生。因此，HMM是一个双重随机过程，其具有一定状态数的隐马尔可夫链和显示随机函数集。
下面，以HMM为例详细介绍S209：
(1)对收集到的目标车辆的轨迹数据进行预处理，比如剔除速度与位置位置异常的轨迹点等；
(2)选取每个观测点一定距离内的道路作为候选道路；具体可以包括：对于每个观测点，以该点为圆心在半径r范围内所有路段作为候选路段，每个观测点到候选路段的垂直投影点作为候选点，以观测点做候选路段的垂线，垂足即为投影点，若无投影点，则以该候选路段离观测点最近的节点作为候选点。
(3)根据HMM，分别计算每个观测点的观测概率以及相邻候选道路间的转移概率；具体为：对于观测概率，分别用观测点与候选路段的偏移程度以及该点速度和路段两者方向的相似度来计算；对于转移概率，分别用相邻观测点间的欧氏距离与相邻候选点间的最短路径距离相似程度以及相邻观测点到候选路段的距离的相似程度来计算。
(4)利用维特比算法，计算出概率最大的隐藏状态序列，即最优的匹配路段序列。
(5)根据最优的匹配路段序列确定出位于任意两个相邻目标轨迹点之间的至少一条目标匹配道路。
S2011.获取所述目标匹配道路的属性信息，根据所述属性信息，确定所述任意两个相邻目标轨迹点的匹配复杂度。
本申请实施例中，在得到位于任意两个相邻目标轨迹点之间的目标匹配道路之后，可以进行道路匹配复杂度的评估，即计算任意两个相邻目标轨迹点之间的匹配复杂度，配复杂度可以定义为两点之间通路的累积方向变化。在路网数据表达中，每条道路都是由多个空间上的点来连续表示的，累积方向变化也就可以定义为连续点组成的角度变化和。因此，可以按照以下评估方式对任意两个相邻目标轨迹点之间的匹配复杂度进行评估：判断所述至少一条目标匹配道路的数量，若所述至少一条目标匹配道路的数量大于第三阈值(比如，第三阈值可以为1)，则获取任意两个相邻目标匹配道路的位置信息；根据所述任意两个相邻目标匹配道路的位置信息，确定所述任意两个相邻目标匹配道路之间的夹角的和；将所述任意两个相邻目标匹配道路之间的夹角的和确定为所述任意两个相邻目标轨迹点的匹配复杂度。
如图6所示为确定任意两个相邻目标轨迹点的匹配复杂度的一种示意图。在该示意图中，“任意两个相邻目标匹配道路之间的夹角”可以为：前一条目标匹配道路的延长线与后一条相邻目标匹配道路之间的夹角。比如，A、B为两个相邻的目标轨迹点，道路1、道路2和道路3为对应经过的三条目标配道路，道路1的延长线与道路2之间的夹角为45°，道路2的延长线和道路3之间的夹角为90°，在A到B经过的角度变化分别为45°和90°，因此累积方向变化为135°，该累计方向变化即为A和B的匹配复杂度。若A、B之间经过的目标匹配道路仅为一条(即小于或等于第三阈值)，则A到B经过的角度变化分别为0，则A和B的匹配复杂度为0。
需要说明的是，图6仅仅是一种示例，在其他应用场景中，“任意两个相邻目标匹配道路之间的夹角”还可以通过其他方式确定。
S2013.确定所述任意两个相邻目标轨迹点所在的目标区域或所述目标匹配道路所在的目标区域。
S2015.根据所述任意两个相邻目标轨迹点所在的目标区域的路网复杂度或所述目标匹配道路所在的目标区域的路网复杂度，确定所述任意两个相邻目标轨迹点的连通路网复杂度。
在对性能要求不太高的应用场景中，在确定位于任意两个相邻目标轨迹点之间的至少一条目标匹配道路后可以根据至少一条目标匹配道路确定所述任意两个相邻目标轨迹点的连通路网复杂度，具体可以为：将所述至少一条目标匹配道路所在的目标区域作为候选目标区域；确定每个候选目标区域的路网复杂度的平均值，得到所述任意两个相邻目标轨迹点的连通路网复杂度。
在对性能要求比较高的应用场景中，还可以根据路网的空间层次划分结果，确定任意两个相邻目标轨迹点的连通路网复杂度，具体可以为：
将所述任意两个相邻目标轨迹点所在的目标区域的路网复杂度作为所述任意两个相邻目标轨迹点对应的路网复杂度。
确定所述任意两个相邻目标轨迹点对应的路网复杂度的平均值，得到所述任意两个相邻目标轨迹点的连通路网复杂度。
比如，两个相邻目标轨迹点为Pi和Pi+1，Pi所在的目标区域的路网复杂度为RCi，则Pi的路网复杂度为RCi，Pi+1所在的目标区域的路网复杂度为RCi+1，则Pi+1的路网复杂度为RCi+1，对于PiPi+1，其连通区域的连通路网复杂度可以为：(RCi+RCi+1)/2。
S2017.根据所述任意两个相邻目标轨迹点的匹配复杂度和所述任意两个相邻目标轨迹点的连通路网复杂度，确定所述任意两个相邻目标轨迹点的渲染复杂度。
本申请实施例中，在得到任意两个相邻目标轨迹点的匹配复杂度和所述连通路网复杂度之后，可以根据匹配复杂度与所述连通路网复杂度的商，得到所述任意两个相邻目标轨迹点的渲染复杂度。
S2019.根据所述任意两个相邻目标轨迹点的渲染复杂度，对所述目标车辆行驶轨迹进行渲染。
本申请实施例中，在得到任意两个相邻目标轨迹点的渲染复杂度之后，可以比较渲染复杂度与第四阈值的大小，并根据比较结果对目标车辆行驶轨迹进行渲染，具体渲染方式可以为：
S201901.若所述任意两个相邻目标轨迹点的渲染复杂度小于第四阈值，则将所述任意两个相邻目标轨迹点相连。
S201903.若所述任意两个相邻目标轨迹点的渲染复杂度大于或等于所述第四阈值，则不将所述任意两个相邻目标轨迹点相连。
在实际应用中，第四阈值可以根据不同的应用需求进行设定。第四阈值越高，最后得到的渲染杂乱程度越高，渲染轨迹越接近原始轨迹直接渲染结果，第四阈值越低，则最后得到的渲染杂乱程度越低，轨迹渲染结果越贴近真实路网，更容易反应真实道路的通行情况。
需要说明的是，在实际应用中，可以按照S200-S2019中的方法将匹配复杂度和路网复杂度相结合对车辆行驶轨迹进行渲染，也可以仅根据匹配复杂度或路网复杂度对车辆行驶轨迹进行渲染。
图7所示为本申请实施例提供的车辆行驶轨迹的渲染方法在一种场景中的逻辑框图。在该场景中，首先将路网进行空间层次划分，得到多个目标区域，并将目标车辆行驶轨迹按照HMM与目标区域中的道路进行匹配，得到目标轨迹点与道路的匹配关系以及轨迹点之间可能通过的目标匹配道路，接着将目标轨迹点与行驶轨迹映射到相应的目标区域中，确定目标轨迹点所在的目标区域或目标匹配道路所在的目标区域，然后根据位于任意两个相邻目标轨迹点之间的目标匹配道路的角度、距离、数量等信息确定任意两个相邻目标轨迹点的匹配复杂度，并根据每个目标轨迹点所在的目标区域的路网复杂度或目标匹配道路所在的目标区域的路网复杂度，确定任意两个相邻目标轨迹点的连通路网复杂度，最后根据匹配复杂度和所述连通路网复杂度确定渲染复杂度，并通过渲染复杂度对目标车辆行驶轨迹进行渲染。
采用本申请实施例中的车辆行驶轨迹的渲染方法，能够有效地降低大轨迹车辆行驶轨迹渲染的杂乱程度、辅助用户分析道路上的车辆通行情况。同时以区域为单位进行道路匹配以及路网复杂度的计算，不同路网复杂度的区域采用不同的渲染策略，实现对于大规模车型轨迹的高效渲染，避免针对每条轨迹、每个轨迹线段单独分析周边路网复杂度，造成的计算量大且无法进行有效的工程实现的缺陷。从而为道路数据生成、道路数据分析提供直观、可靠的参考。
图8所示为未使用本申请实施例提供的车辆行驶轨迹的渲染方法对目标车辆行驶轨迹进行渲染的渲染结果，图9所示为使用本申请实施例提供的车辆行驶轨迹的渲染方法对目标车辆行驶轨迹进行渲染的渲染结果，从中可以看出，本申请中通过控制复杂度阈值，可以将目标车辆行驶轨迹渲染成如图9中箭头处的类似效果，有效减少贯穿非道路区域的连线，使得渲染得到的结果更加贴合真实道路，能够更加真实地反映轨迹在道路上的通行情况。
如图10所示，本申请实施例提供了一种车辆行驶轨迹的渲染装置，所述装置可以包括：
距离确定模块300，用于确定路网中每条道路之间的距离。
本申请实施例中，所述距离确定模块300进一步用于确定所述路网中每条道路与其他道路之间的距离。
空间复杂度确定模块301，可以根据所述路网中每条道路之间的距离，确定所述路网中每条道路的空间复杂度。
本申请实施例中，所述空间复杂度确定模块301可以进一步包括：
其他道路确定单元，可以用于根据每条道路与其他道路之间的距离，获取与每条道路的距离小于第一阈值的至少一条其他道路。
相邻道路确定单元，可以用于将所述至少一条其他道路作为每条道路对应的相邻道路。
相邻道路平均值确定单元，可以用于确定每条道路与所述道路对应的各条相邻道路之间的距离的平均值，得到所述路网中每条道路的空间复杂度。
第一目标区域确定模块303，可以用于根据所述路网中每条道路的空间复杂度，确定与所述路网对应的多个目标区域；其中，所述目标区域内包括至少一条道路。
本申请实施例中，所述第一目标区域确定模块303可以进一步包括：
路网区域确定单元，可以用于按照预设区域大小对所述路网进行划分，得到多个路网区域；其中，所述路网区域内包括至少一条道路。
复杂度方差确定单元，可以用于确定每个路网区域内的各条道路的空间复杂度的方差，得到每个路网区域的复杂度方差。
目标区域确定单元，可以用于若每个路网区域的复杂度方差均小于或等于第二阈值，则将每个路网区域确定为所述目标区域；若存在复杂度方差大于所述第二阈值的路网区域，则继续对所述复杂度大于所述第二阈值的路网区域进行划分，直至划分得到的每个路网区域的复杂度方差均小于或等于第二阈值，并将划分得到的每个路网区域确定为所述目标区域。
路网复杂度确定模块305，可以用于根据每个目标区域内的各条道路的空间复杂度，确定每个目标区域的路网复杂度。
本申请实施例中，所述路网复杂度确定模块305可以进一步用于确定每个目标区域内的各条道路的空间复杂度的平均值，得到每个目标区域的路网复杂度。或，可以进一步包括：
合并单元，可以用于将相邻的预设数量个所述目标区域进行合并，得到至少一个合并后的目标区域。
合并区域平均值确定单元，可以用于确定每个合并后的目标区域内的各条道路的平均值，得到每个合并后的目标区域的路网复杂度。
目标轨迹点获取模块307，可以用于获取目标车辆行驶轨迹，所述目标车辆行驶轨迹包括至少一个目标轨迹点。
目标匹配道路获取模块309，可以用于将每个目标轨迹点与每个目标区域内的各条道路进行匹配，得到位于任意两个相邻目标轨迹点之间的目标匹配道路。
本申请实施例中，所述目标匹配道路获取模块309可以进一步包括：
道路匹配信息确定单元，可以用于将每个目标轨迹点按照预设地图匹配算法与每个目标区域内的各条道路进行匹配，得到每个目标轨迹点对应的道路匹配信息。
目标匹配道路确定单元，可以用于根据每个目标轨迹点对应的道路匹配信息，确定位于任意两个相邻目标轨迹点之间的至少一条目标匹配道路。
匹配复杂度确定模块3011，可以用于获取所述目标匹配道路的属性信息，根据所述属性信息，确定所述任意两个相邻目标轨迹点的匹配复杂度。
本申请实施例中，所述匹配复杂度确定模块3011可以进一步用于若所述至少一条目标匹配道路的数量大于第三阈值，则获取任意两个相邻目标匹配道路的位置信息；根据所述任意两个相邻目标匹配道路的位置信息，确定所述任意两个相邻目标匹配道路之间的夹角的和；将所述任意两个相邻目标匹配道路之间的夹角的和确定为所述任意两个相邻目标轨迹点的匹配复杂度。
第二目标区域确定模块3013，可以用于确定所述任意两个相邻目标轨迹点所在的目标区域或所述目标匹配道路所在的目标区域。
连通路网复杂度确定模块3015，可以用于根据所述任意两个相邻目标轨迹点所在的目标区域的路网复杂度或所述目标匹配道路所在的目标区域的路网复杂度，确定所述任意两个相邻目标轨迹点的连通路网复杂度。
在一个可行的实施例中，所述连通路网复杂度确定模块3015可以进一步包括：
候选目标区域确定单元，可以用于将所述至少一条目标匹配道路所在的目标区域作为候选目标区域。
第一路网复杂度平均值确定单元，可以用于确定每个候选目标区域的路网复杂度的平均值，得到所述连通路网复杂度。
在一个可行的实施例中，所述连通路网复杂度确定模块3015可以进一步包括：
目标轨迹点对应的路网复杂度确定单元，可以用于将所述任意两个相邻目标轨迹点所在的目标区域的路网复杂度作为所述任意两个相邻目标轨迹点对应的路网复杂度。
第二路网复杂度平均值确定单元，可以用于确定所述任意两个相邻目标轨迹点对应的路网复杂度的平均值，得到所述任意两个相邻目标轨迹点的连通路网复杂度。
渲染复杂度确定模块3017，可以用于根据所述任意两个相邻目标轨迹点的匹配复杂度和所述任意两个相邻目标轨迹点的连通路网复杂度，确定所述任意两个相邻目标轨迹点的渲染复杂度。
本申请实施例中，所述渲染复杂度确定模块3017可以进一步用于确定所述匹配复杂度与所述连通路网复杂度的商，得到所述任意两个相邻目标轨迹点的渲染复杂度。
渲染模块3019，可以用于根据所述任意两个相邻目标轨迹点的渲染复杂度，对所述目标车辆行驶轨迹进行渲染。
本申请实施例中，渲染模块3019可以进一步包括：
连线单元，可以用于若所述任意两个相邻目标轨迹点的渲染复杂度小于第四阈值，则将所述任意两个相邻目标轨迹点相连；若所述任意两个相邻目标轨迹点的渲染复杂度大于或等于所述第四阈值，则不将所述任意两个相邻目标轨迹点相连。
需要说明的是，本申请实施例中的车辆行驶轨迹的渲染装置与车辆行驶轨迹的渲染方法基于相同的发明构思。
本申请实施例还提供了一种车辆行驶轨迹的渲染的设备，该设备包括处理器和存储器，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的车辆行驶轨迹的渲染方法。
本申请的实施例还提供了一种存储介质，所述存储介质可设置于终端之中以保存用于实现方法实施例中一种车辆行驶轨迹的渲染方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的车辆行驶轨迹的渲染方法。
可选地，在本说明书实施例中，存储介质可以位于确定机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书实施例所述存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用程序以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
本申请实施例所提供的车辆行驶轨迹的渲染方法实施例可以在移动终端、确定机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例，图11是本申请实施例提供的一种车辆行驶轨迹的渲染方法的服务器的硬件结构框图。如图11所示，该服务器400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(CentralProcessing Units，CPU)410(处理器410可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器430，一个或一个以上存储应用程序423或数据422的存储介质420(例如一个或一个以上海量存储设备)。其中，存储器430和存储介质420可以是短暂存储或持久存储。存储在存储介质420的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器410可以设置为与存储介质420通信，在服务器1100上执行存储介质420中的一系列指令操作。服务器400还可以包括一个或一个以上电源460，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口440，和/或，一个或一个以上操作系统421，例如Windows ServerTM，Mac OSXTM，UnixTM，LinuxTM，FreeBSDTM等等。
输入输出接口440可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器400的通信供应商提供的无线网络。在一个实例中，输入输出接口440包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口440可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解，图11所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，服务器400还可包括比图11中所示更多或者更少的组件，或者具有与图11所示不同的配置。
需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种确定机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种车辆行驶轨迹的渲染方法，其特征在于，所述方法包括：
确定路网中每条道路之间的距离；
根据所述路网中每条道路之间的距离，确定所述路网中每条道路的空间复杂度；
根据所述路网中每条道路的空间复杂度，确定与所述路网对应的多个目标区域；其中，所述目标区域内包括至少一条道路；
根据每个目标区域内的各条道路的空间复杂度，确定每个目标区域的路网复杂度；
获取目标车辆行驶轨迹，所述目标车辆行驶轨迹包括至少一个目标轨迹点；
将每个目标轨迹点与每个目标区域内的各条道路进行匹配，得到位于任意两个相邻目标轨迹点之间的目标匹配道路；
获取所述目标匹配道路的属性信息，根据所述属性信息，确定所述任意两个相邻目标轨迹点的匹配复杂度；
确定所述任意两个相邻目标轨迹点所在的目标区域或所述目标匹配道路所在的目标区域；
根据所述任意两个相邻目标轨迹点所在的目标区域的路网复杂度或所述目标匹配道路所在的目标区域的路网复杂度，确定所述任意两个相邻目标轨迹点的连通路网复杂度；
根据所述任意两个相邻目标轨迹点的匹配复杂度和所述任意两个相邻目标轨迹点的连通路网复杂度，确定所述任意两个相邻目标轨迹点的渲染复杂度；
根据所述任意两个相邻目标轨迹点的渲染复杂度，对所述目标车辆行驶轨迹进行渲染。
2.根据权利要求1所述的方法，其特征在于，
所述确定路网中每条道路之间的距离，包括：
确定所述路网中每条道路与其他道路之间的距离；
所述根据所述路网中每条道路之间的距离，确定所述路网中每条道路的空间复杂度，包括：
根据每条道路与其他道路之间的距离，获取与每条道路的距离小于第一阈值的至少一条其他道路；
将所述至少一条其他道路作为每条道路对应的相邻道路；
确定每条道路与所述道路对应的各条相邻道路之间的距离的平均值，得到所述路网中每条道路的空间复杂度。
3.根据权利要求1所述的方法，其特征在于，所述根据所述路网中每条道路的空间复杂度，确定与所述路网对应的多个目标区域，包括：
按照预设区域大小对所述路网进行划分，得到多个路网区域；其中，所述路网区域内包括至少一条道路；
确定每个路网区域内的各条道路的空间复杂度的方差，得到每个路网区域的复杂度方差；
若每个路网区域的复杂度方差均小于或等于第二阈值，则将每个路网区域确定为所述目标区域；
若存在复杂度方差大于所述第二阈值的路网区域，则继续对所述复杂度大于所述第二阈值的路网区域进行划分，直至划分得到的每个路网区域的复杂度方差均小于或等于第二阈值，并将划分得到的每个路网区域确定为所述目标区域。
4.根据权利要求1或3所述的方法，其特征在于，所述根据每个目标区域内的各条道路的空间复杂度，确定每个目标区域的路网复杂度，包括：
确定每个目标区域内的各条道路的空间复杂度的平均值，得到每个目标区域的路网复杂度；或，
将相邻的预设数量个所述目标区域进行合并，得到至少一个合并后的目标区域；
确定每个合并后的目标区域内的各条道路的平均值，得到每个合并后的目标区域的路网复杂度。
5.根据权利要求1所述的方法，其特征在于，所述将每个目标轨迹点与每个目标区域内的各条道路进行匹配，得到位于任意两个相邻目标轨迹点之间的目标匹配道路，包括：
将每个目标轨迹点按照预设地图匹配算法与每个目标区域内的各条道路进行匹配，得到每个目标轨迹点对应的道路匹配信息；
根据每个目标轨迹点对应的道路匹配信息，确定位于任意两个相邻目标轨迹点之间的至少一条目标匹配道路；
相应地，所述获取所述目标匹配道路的属性信息，根据所述属性信息，确定所述任意两个相邻目标轨迹点的匹配复杂度，包括：
若所述至少一条目标匹配道路的数量大于第三阈值，则获取任意两个相邻目标匹配道路的位置信息；
根据所述任意两个相邻目标匹配道路的位置信息，确定所述任意两个相邻目标匹配道路之间的夹角的和；
将所述任意两个相邻目标匹配道路之间的夹角的和确定为所述任意两个相邻目标轨迹点的匹配复杂度。
6.根据权利要求5所述的方法，其特征在于，所述根据所述任意两个相邻目标轨迹点所在的目标区域的路网复杂度或所述目标匹配道路所在的目标区域的路网复杂度，确定所述任意两个相邻目标轨迹点的连通路网复杂度，包括：
将所述任意两个相邻目标轨迹点所在的目标区域的路网复杂度作为所述任意两个相邻目标轨迹点对应的路网复杂度；
确定所述任意两个相邻目标轨迹点对应的路网复杂度的平均值，得到所述任意两个相邻目标轨迹点的连通路网复杂度；或，
将所述至少一条目标匹配道路所在的目标区域作为候选目标区域；
确定每个候选目标区域的路网复杂度的平均值，得到所述任意两个相邻目标轨迹点的连通路网复杂度。
7.根据权利要求1或6所述的方法，其特征在于，所述根据所述任意两个相邻目标轨迹点的匹配复杂度和所述任意两个相邻目标轨迹点的连通路网复杂度，确定所述任意两个相邻目标轨迹点的渲染复杂度，包括：
确定所述任意两个相邻目标轨迹点的匹配复杂度与所述任意两个相邻目标轨迹点的连通路网复杂度的商，得到所述任意两个相邻目标轨迹点的渲染复杂度；
所述根据所述任意两个相邻目标轨迹点的渲染复杂度，对所述目标车辆行驶轨迹进行渲染，包括：
若所述任意两个相邻目标轨迹点的渲染复杂度小于第四阈值，则将所述任意两个相邻目标轨迹点相连；
若所述任意两个相邻目标轨迹点的渲染复杂度大于或等于所述第四阈值，则不将所述任意两个相邻目标轨迹点相连。
8.一种车辆行驶轨迹的渲染装置，其特征在于，所述装置包括：。
距离确定模块，用于确定路网中每条道路之间的距离；
空间复杂度确定模块，用于根据所述路网中每条道路之间的距离，确定所述路网中每条道路的空间复杂度；
第一目标区域确定模块，用于根据所述路网中每条道路的空间复杂度，确定与所述路网对应的多个目标区域；其中，所述目标区域内包括至少一条道路；
路网复杂度确定模块，用于根据每个目标区域内的各条道路的空间复杂度，确定每个目标区域的路网复杂度；
目标轨迹点获取模块，用于获取目标车辆行驶轨迹，所述目标车辆行驶轨迹包括至少一个目标轨迹点；
目标匹配道路获取模块，用于将每个目标轨迹点与每个目标区域内的各条道路进行匹配，得到位于任意两个相邻目标轨迹点之间的目标匹配道路；
匹配复杂度确定模块，用于获取所述目标匹配道路的属性信息，根据所述属性信息，确定所述任意两个相邻目标轨迹点的匹配复杂度；
第二目标区域确定模块，用于确定所述任意两个相邻目标轨迹点所在的目标区域或所述目标匹配道路所在的目标区域；
连通路网复杂度确定模块，用于根据所述任意两个相邻目标轨迹点所在的目标区域的路网复杂度或所述目标匹配道路所在的目标区域的路网复杂度，确定所述任意两个相邻目标轨迹点的连通路网复杂度；
渲染复杂度确定模块，用于根据所述任意两个相邻目标轨迹点的匹配复杂度和所述任意两个相邻目标轨迹点的连通路网复杂度，确定所述任意两个相邻目标轨迹点的渲染复杂度；
渲染模块，用于根据所述任意两个相邻目标轨迹点的渲染复杂度，对所述目标车辆行驶轨迹进行渲染。
9.一种设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-7任一所述的车辆行驶轨迹的渲染方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-7任一所述的车辆行驶轨迹的渲染方法。
CN201910871919.0A 2019-09-16 2019-09-16 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质 Active CN110648529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910871919.0A CN110648529B (zh) 2019-09-16 2019-09-16 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910871919.0A CN110648529B (zh) 2019-09-16 2019-09-16 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110648529A true CN110648529A (zh) 2020-01-03
CN110648529B CN110648529B (zh) 2021-12-14

Family

ID=68991848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910871919.0A Active CN110648529B (zh) 2019-09-16 2019-09-16 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110648529B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582019A (zh) * 2020-03-24 2020-08-25 北京掌行通信息技术有限公司 无人车车道级场景的判定方法、系统、终端及存储介质
CN111651265A (zh) * 2020-04-26 2020-09-11 完美世界(北京)软件科技发展有限公司 地图渲染方法、装置、设备和存储介质
CN111780774A (zh) * 2020-06-09 2020-10-16 当家移动绿色互联网技术集团有限公司 运动轨迹的生成方法、装置、存储介质和电子设备
CN111830979A (zh) * 2020-07-13 2020-10-27 广州小鹏车联网科技有限公司 一种轨迹优化方法和装置
CN111988746A (zh) * 2020-09-11 2020-11-24 腾讯科技（深圳）有限公司 用于车辆实时移动轨迹展示的方法、系统及存储介质
CN112013853A (zh) * 2020-08-20 2020-12-01 北京三快在线科技有限公司 一种对无人驾驶设备的轨迹点验证的方法及装置
CN112035591A (zh) * 2020-09-07 2020-12-04 腾讯科技（深圳）有限公司 一种路网匹配方法、装置、设备和存储介质
CN112131327A (zh) * 2020-08-12 2020-12-25 当家移动绿色互联网技术集团有限公司 一种运动轨迹的生成方法及装置
CN112527943A (zh) * 2020-12-25 2021-03-19 北京百度网讯科技有限公司 地图渲染方法、装置、设备和存储介质
CN113221602A (zh) * 2020-01-21 2021-08-06 百度在线网络技术（北京）有限公司 道路路面状况确定方法、装置、设备和介质
CN113834496A (zh) * 2021-08-25 2021-12-24 深圳市跨越新科技有限公司 道路数据缺失轨迹匹配方法、系统、终端设备及存储介质
CN114490900A (zh) * 2021-12-28 2022-05-13 广州小鹏自动驾驶科技有限公司 一种多车次轨迹数据融合方法、装置、设备及存储介质
CN114610731A (zh) * 2022-03-04 2022-06-10 腾讯科技（深圳）有限公司 道路通行属性的更新方法、装置、设备及存储介质
CN115166790A (zh) * 2022-05-23 2022-10-11 集度科技有限公司 道路数据的处理方法、装置、设备和存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2000777A2 (en) * 2007-05-30 2008-12-10 Honeywell International Inc. Vehicle trajectory visualization system
CN102102992A (zh) * 2009-12-22 2011-06-22 山东省计算中心 基于多级网络划分的匹配道路初筛方法及地图匹配系统
CN104215256A (zh) * 2013-06-05 2014-12-17 深圳市赛格导航科技股份有限公司 在地图上显示车辆行驶路线的方法
CN104677363A (zh) * 2013-12-03 2015-06-03 北京图盟科技有限公司 一种道路生成方法和装置
US20160019795A1 (en) * 2014-07-18 2016-01-21 Quaero Ltd. Flight trajectory optimisation and visualisation tool
CN105679018A (zh) * 2016-01-28 2016-06-15 福建航天星联信息科技有限公司 一种基于车辆行驶轨迹对车辆进行跟踪的系统
CN106840175A (zh) * 2016-12-06 2017-06-13 北京中交兴路信息科技有限公司 一种车辆行驶轨迹匹配路网的方法及装置
CN107749163A (zh) * 2017-11-03 2018-03-02 北京世纪高通科技有限公司 一种车辆行驶轨迹的展示方法及装置
CN108805315A (zh) * 2017-04-27 2018-11-13 上海博泰悦臻网络技术服务有限公司 根据轨迹点绘制出行轨迹的方法及系统、车载终端及车辆
CN109558470A (zh) * 2017-09-27 2019-04-02 方正国际软件(北京)有限公司 一种轨迹数据可视化方法及装置
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

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2000777A2 (en) * 2007-05-30 2008-12-10 Honeywell International Inc. Vehicle trajectory visualization system
CN102102992A (zh) * 2009-12-22 2011-06-22 山东省计算中心 基于多级网络划分的匹配道路初筛方法及地图匹配系统
CN104215256A (zh) * 2013-06-05 2014-12-17 深圳市赛格导航科技股份有限公司 在地图上显示车辆行驶路线的方法
CN104677363A (zh) * 2013-12-03 2015-06-03 北京图盟科技有限公司 一种道路生成方法和装置
US20160019795A1 (en) * 2014-07-18 2016-01-21 Quaero Ltd. Flight trajectory optimisation and visualisation tool
CN105679018A (zh) * 2016-01-28 2016-06-15 福建航天星联信息科技有限公司 一种基于车辆行驶轨迹对车辆进行跟踪的系统
CN106840175A (zh) * 2016-12-06 2017-06-13 北京中交兴路信息科技有限公司 一种车辆行驶轨迹匹配路网的方法及装置
CN108805315A (zh) * 2017-04-27 2018-11-13 上海博泰悦臻网络技术服务有限公司 根据轨迹点绘制出行轨迹的方法及系统、车载终端及车辆
CN109558470A (zh) * 2017-09-27 2019-04-02 方正国际软件(北京)有限公司 一种轨迹数据可视化方法及装置
CN107749163A (zh) * 2017-11-03 2018-03-02 北京世纪高通科技有限公司 一种车辆行驶轨迹的展示方法及装置
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

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
张健钦 等: "一种城市公交线网分布的可视化分析方法", 《测绘通报》 *
王祖超 等: "轨迹数据可视分析研究", 《计算机辅助设计与图形学学报》 *
申兆慕 等: "基于公交路网数据的动态路况信息生成方法", 《城市勘测》 *
蒋佳维 等: "车辆定位数据实时匹配地图解决方案", 《电子设计工程》 *
高强 等: "轨迹大数据_数据处理关键技术研究综述", 《软件学报》 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221602A (zh) * 2020-01-21 2021-08-06 百度在线网络技术（北京）有限公司 道路路面状况确定方法、装置、设备和介质
CN113221602B (zh) * 2020-01-21 2023-09-29 百度在线网络技术（北京）有限公司 道路路面状况确定方法、装置、设备和介质
CN111582019A (zh) * 2020-03-24 2020-08-25 北京掌行通信息技术有限公司 无人车车道级场景的判定方法、系统、终端及存储介质
CN111582019B (zh) * 2020-03-24 2023-10-03 北京掌行通信息技术有限公司 无人车车道级场景的判定方法、系统、终端及存储介质
CN111651265B (zh) * 2020-04-26 2023-10-24 完美世界(北京)软件科技发展有限公司 地图渲染方法、装置、设备和存储介质
CN111651265A (zh) * 2020-04-26 2020-09-11 完美世界(北京)软件科技发展有限公司 地图渲染方法、装置、设备和存储介质
CN111780774A (zh) * 2020-06-09 2020-10-16 当家移动绿色互联网技术集团有限公司 运动轨迹的生成方法、装置、存储介质和电子设备
CN111780774B (zh) * 2020-06-09 2022-05-03 北京五一视界数字孪生科技股份有限公司 运动轨迹的生成方法、装置、存储介质和电子设备
CN111830979A (zh) * 2020-07-13 2020-10-27 广州小鹏车联网科技有限公司 一种轨迹优化方法和装置
CN111830979B (zh) * 2020-07-13 2024-06-07 广州小鹏自动驾驶科技有限公司 一种轨迹优化方法和装置
CN112131327A (zh) * 2020-08-12 2020-12-25 当家移动绿色互联网技术集团有限公司 一种运动轨迹的生成方法及装置
CN112013853A (zh) * 2020-08-20 2020-12-01 北京三快在线科技有限公司 一种对无人驾驶设备的轨迹点验证的方法及装置
CN112013853B (zh) * 2020-08-20 2022-07-15 北京三快在线科技有限公司 一种对无人驾驶设备的轨迹点验证的方法及装置
CN112035591A (zh) * 2020-09-07 2020-12-04 腾讯科技（深圳）有限公司 一种路网匹配方法、装置、设备和存储介质
CN111988746B (zh) * 2020-09-11 2022-08-02 腾讯科技（深圳）有限公司 用于车辆实时移动轨迹展示的方法、系统及存储介质
CN111988746A (zh) * 2020-09-11 2020-11-24 腾讯科技（深圳）有限公司 用于车辆实时移动轨迹展示的方法、系统及存储介质
CN112527943A (zh) * 2020-12-25 2021-03-19 北京百度网讯科技有限公司 地图渲染方法、装置、设备和存储介质
CN112527943B (zh) * 2020-12-25 2023-12-01 北京百度网讯科技有限公司 地图渲染方法、装置、设备和存储介质
CN113834496A (zh) * 2021-08-25 2021-12-24 深圳市跨越新科技有限公司 道路数据缺失轨迹匹配方法、系统、终端设备及存储介质
CN113834496B (zh) * 2021-08-25 2024-05-14 深圳市跨越新科技有限公司 道路数据缺失轨迹匹配方法、系统、终端设备及存储介质
CN114490900B (zh) * 2021-12-28 2022-10-14 广州小鹏自动驾驶科技有限公司 一种多车次轨迹数据融合方法、装置、设备及存储介质
CN114490900A (zh) * 2021-12-28 2022-05-13 广州小鹏自动驾驶科技有限公司 一种多车次轨迹数据融合方法、装置、设备及存储介质
CN114610731A (zh) * 2022-03-04 2022-06-10 腾讯科技（深圳）有限公司 道路通行属性的更新方法、装置、设备及存储介质
CN115166790A (zh) * 2022-05-23 2022-10-11 集度科技有限公司 道路数据的处理方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN110648529B (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
CN110648529B (zh) 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质
Chao et al. A survey on map-matching algorithms
KR102378859B1 (ko) 맵 궤적 매칭 데이터의 품질을 결정하는 방법, 장치, 서버 및 매체
KR102282367B1 (ko) 크라우드소싱을 이용한 위치 결정, 매핑 및 데이터 관리 시스템 및 방법
CN104462190B (zh) 一种基于海量空间轨迹挖掘的在线的位置预测方法
Cui et al. 3D semantic map construction using improved ORB-SLAM2 for mobile robot in edge computing environment
CN112035591B (zh) 一种路网匹配方法、装置、设备和存储介质
CN111291811B (zh) 区域划分和分类方法、装置和计算机可读存储介质
CN115265555B (zh) 基于隐马尔科夫的多噪声感知的地图匹配校正方法及系统
Luo et al. Incremental route inference from low-sampling GPS data: An opportunistic approach to online map matching
CN110598917B (zh) 一种基于路径轨迹的目的地预测方法、系统及存储介质
CN112101527B (zh) 识别车道变化的方法和装置、电子设备和存储介质
CN116036604B (zh) 数据处理方法、装置、计算机及可读存储介质
CN111738319B (zh) 一种基于大规模样本的聚类结果评价方法及装置
CN113709006B (zh) 一种流量确定方法、装置、存储介质及电子装置
Fu et al. Density adaptive approach for generating road network from GPS trajectories
Jiang et al. From driving trajectories to driving paths: a survey on map-matching algorithms
KR101896405B1 (ko) 사용자 동선 분석을 위한 poi 매핑 방법 및 시스템
CN115691140B (zh) 一种汽车充电需求时空分布的分析与预测方法
CN116989801A (zh) 一种面向复杂路网低频长轨迹的地图匹配方法及装置
Chandio et al. Towards adaptable and tunable cloud-based map-matching strategy for GPS trajectories
CN115773744A (zh) 模型训练和路网处理方法、装置、设备、介质和产品
CN114910081B (zh) 车辆定位方法、装置及电子设备
CN116718181B (zh) 地图生成方法、装置、电子设备及存储介质
CN118733695A (zh) 车道边界线的生成方法和装置、存储介质及电子设备

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