CN110796191B - 轨迹分类方法及装置 - Google Patents

轨迹分类方法及装置 Download PDF

Info

Publication number
CN110796191B
CN110796191B CN201911036300.4A CN201911036300A CN110796191B CN 110796191 B CN110796191 B CN 110796191B CN 201911036300 A CN201911036300 A CN 201911036300A CN 110796191 B CN110796191 B CN 110796191B
Authority
CN
China
Prior art keywords
track
processed
score value
determining
vehicle
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
Application number
CN201911036300.4A
Other languages
English (en)
Other versions
CN110796191A (zh
Inventor
慎东辉
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.)
Apollo Zhilian Beijing Technology Co Ltd
Original Assignee
Apollo Zhilian 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 Apollo Zhilian Beijing Technology Co Ltd filed Critical Apollo Zhilian Beijing Technology Co Ltd
Priority to CN201911036300.4A priority Critical patent/CN110796191B/zh
Publication of CN110796191A publication Critical patent/CN110796191A/zh
Application granted granted Critical
Publication of CN110796191B publication Critical patent/CN110796191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了轨迹分类方法及装置,涉及地图导航技术领域。具体实现方案为:获取路网中待处理轨迹的轨迹信息;根据轨迹信息,确定待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;根据待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定待处理轨迹的置信度;根据待处理轨迹的置信度,确定待处理轨迹的类型,从而后续只根据车辆轨迹来进行拥堵判断,提高了轨迹的准确度,能够提高拥堵判断的准确度。

Description

轨迹分类方法及装置
技术领域
本申请涉及数据处理技术领域,具体涉及地图导航技术领域,尤其涉及轨迹分类方法及装置。
背景技术
目前,在智能交通领域中,需要实时确定路网中是否存在拥堵,以及拥堵位置等。目前,拥堵判断方法是,获取各个用户上报的轨迹信息,根据轨迹信息中的速度等信息,确定路网中是否存在拥堵,以及拥堵位置等。
上述方案中,用户上报的轨迹信息有以下几种:车辆轨迹信息,人行走轨迹信息,以及其他轨迹信息。人行走轨迹信息中,人的行走速度很慢,容易将人行走轨迹对应的位置确定为拥堵,或者作为拥堵判断参考依据,导致拥堵的判断准确度低。
发明内容
本申请提出一种轨迹分类方法及装置,通过对路网中用户上报的轨迹进行分类,确定轨迹为车辆轨迹还是非车辆轨迹,从而方便后续只根据车辆轨迹来进行拥堵判断,提高了轨迹的准确度,能够提高拥堵判断的准确度。
本申请一方面实施例提出了一种轨迹分类方法,包括:获取路网中待处理轨迹的轨迹信息;根据所述轨迹信息,确定所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;根据所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定所述待处理轨迹的置信度;根据所述待处理轨迹的置信度,确定所述待处理轨迹的类型。
在本申请一个实施例中,所述轨迹信息包括:用户标识,以及待处理轨迹上各个点的位置信息、速度信息和时间信息;
所述根据所述轨迹信息,确定所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,包括:
根据所述待处理轨迹上各个点的位置信息,判断所述待处理轨迹是否位于机动车道上,根据判断结果确定所述待处理轨迹的车道分数值;
根据所述用户标识,判断用户是否有车,根据判断结果确定所述待处理轨迹的车辆分数值;
根据所述待处理轨迹上各个点的时间信息以及速度信息,判断所述待处理轨迹是否为预设时间段内的轨迹,以及所述待处理轨迹的速度信息是否小于预设速度阈值,根据判断结果确定所述待处理轨迹的预设时间段速度分数值。
在本申请一个实施例中,所述根据所述待处理轨迹上各个点的位置信息,判断所述待处理轨迹是否位于机动车道上,根据判断结果确定所述待处理轨迹的车道分数值,包括:
针对所述待处理轨迹上的每个点,获取路网中与所述点的距离小于预设距离阈值的至少一个有向线段;
获取所述点与所述至少一个有向线段中每个有向线段的比值,所述比值为所述点至有向线段的投影距离与有向线段长度的比值;
根据各个比值,确定与所述点绑定的有向线段;
根据与所述待处理轨迹上各个点绑定的有向线段,判断所述待处理轨迹是否位于机动车道上;
根据判断结果确定所述待处理轨迹的车道分数值。
在本申请一个实施例中,所述根据所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定所述待处理轨迹的置信度,包括:
获取车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重;
根据车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重,对所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值进行加权计算,得到所述待处理轨迹的置信度。
在本申请一个实施例中,所述类型包括:车辆轨迹和非车辆轨迹;
所述根据所述待处理轨迹的置信度,确定所述待处理轨迹的类型之后,还包括:
获取对应的类型为车辆轨迹的各个第一轨迹;根据所述各个第一轨迹,确定路网中是否存在拥堵。
本申请实施例的轨迹分类方法,通过获取路网中待处理轨迹的轨迹信息;根据轨迹信息,确定待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;根据待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定待处理轨迹的置信度;根据待处理轨迹的置信度,确定待处理轨迹的类型,从而后续只根据车辆轨迹来进行拥堵判断,提高了轨迹的准确度,能够提高拥堵判断的准确度。
本申请另一方面实施例提出了一种轨迹分类装置,包括:获取模块,用于获取路网中待处理轨迹的轨迹信息;
第一确定模块,用于根据所述轨迹信息,确定所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;
第二确定模块,用于根据所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定所述待处理轨迹的置信度;
第三确定模块,用于根据所述待处理轨迹的置信度,确定所述待处理轨迹的类型。
在本申请一个实施例中,所述轨迹信息包括:用户标识,以及待处理轨迹上各个点的位置信息、速度信息和时间信息;
所述第一确定模块具体用于,
根据所述待处理轨迹上各个点的位置信息,判断所述待处理轨迹是否位于机动车道上,根据判断结果确定所述待处理轨迹的车道分数值;
根据所述用户标识,判断用户是否有车,根据判断结果确定所述待处理轨迹的车辆分数值;
根据所述待处理轨迹上各个点的时间信息以及速度信息,判断所述待处理轨迹是否为预设时间段内的轨迹,以及所述待处理轨迹的速度信息是否小于预设速度阈值,根据判断结果确定所述待处理轨迹的预设时间段速度分数值。
在本申请一个实施例中,所述第一确定模块具体用于,
针对所述待处理轨迹上的每个点,获取路网中与所述点的距离小于预设距离阈值的至少一个有向线段;
获取所述点与所述至少一个有向线段中每个有向线段的比值,所述比值为所述点至有向线段的投影距离与有向线段长度的比值;
根据各个比值,确定与所述点绑定的有向线段;
根据与所述待处理轨迹上各个点绑定的有向线段,判断所述待处理轨迹是否位于机动车道上;
根据判断结果确定所述待处理轨迹的车道分数值。
在本申请一个实施例中,所述第二确定模块具体用于,
获取车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重;
根据车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重,对所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值进行加权计算,得到所述待处理轨迹的置信度。
在本申请一个实施例中,所述类型包括:车辆轨迹和非车辆轨迹;
所述的装置还包括:第四确定模块;
所述获取模块,还用于获取对应的类型为车辆轨迹的各个第一轨迹;
所述第四确定模块,用于根据所述各个第一轨迹,确定路网中是否存在拥堵。
本申请实施例的轨迹分类装置,通过获取路网中待处理轨迹的轨迹信息;根据轨迹信息,确定待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;根据待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定待处理轨迹的置信度;根据待处理轨迹的置信度,确定待处理轨迹的类型,从而后续只根据车辆轨迹来进行拥堵判断,提高了轨迹的准确度,能够提高拥堵判断的准确度。
本申请另一方面实施例提出了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请实施例的轨迹分类方法。
本申请另一方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请实施例的轨迹分类方法。
本申请另一方面实施例提出了一种轨迹分类方法,包括:
获取路网中待处理轨迹的轨迹信息;
根据所述轨迹信息,确定所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;
根据所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定所述待处理轨迹的类型。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是根据本申请第二实施例的示意图;
图3是根据本申请第三实施例的示意图;
图4是用来实现本申请实施例的轨迹分类方法的电子设备的框图;
图5是根据本申请第四实施例的示意图;
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的轨迹分类方法及装置。
图1是根据本申请第一实施例的示意图。其中,需要说明的是,本实施例提供的轨迹分类方法的执行主体为轨迹分类装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在终端设备或者服务器中,该实施例对此不作具体限定。
如图1所示,该轨迹分类方法可以包括:
步骤101,获取路网中待处理轨迹的轨迹信息。
本申请中,待处理轨迹可以为用户通过终端设备中的地图软件等上报到后台服务器的轨迹。本申请中,当用户处于导航或移动状态时,地图软件可以采集用户的轨迹信息并进行上报。其中,轨迹信息可以包括:用户标识,以及待处理轨迹上各个点的位置信息、速度信息和时间信息等。用户标识为处于导航或移动状态的用户的标识,例如用户的名称、手机号等。
步骤102,根据轨迹信息,确定待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值。
本申请中,轨迹信息可以包括:用户标识,以及待处理轨迹上各个点的位置信息、速度信息和时间信息。对应的,轨迹分类装置执行步骤102的过程具体可以为,根据待处理轨迹上各个点的位置信息,判断待处理轨迹是否位于机动车道上,根据判断结果确定待处理轨迹的车道分数值;根据用户标识,判断用户是否有车,根据判断结果确定待处理轨迹的车辆分数值;根据待处理轨迹上各个点的时间信息以及速度信息,判断待处理轨迹是否为预设时间段内的轨迹,以及轨迹的速度信息是否小于预设速度阈值,根据判断结果确定待处理轨迹的预设时间段速度分数值。
具体地,若待处理轨迹位于机动车道上,则待处理轨迹的车道分数值为A;若待处理轨迹不位于机动车道上,则待处理轨迹的车道分数值为B。若用户有车,则车辆分数值为C;若用户无车,则车辆分数值为D。若待处理轨迹为预设时间段内的轨迹且速度信息小于预设速度阈值,则预设时间段速度分数值为E,若待处理轨迹不为预设时间段内的轨迹或者速度信息不小于预设速度阈值,则预设时间段速度分数值为F。其中,预设时间段例如可以为晚上11:00至12:00、凌晨2:00至4:00等,可以根据实际需要进行设置。预设速度阈值例如可以为10m/s等。
具体地,判断待处理轨迹是否位于机动车道上的过程具体可以为,针对待处理轨迹上的每个点,获取路网中与点的距离小于预设距离阈值的至少一个有向线段;获取点与至少一个有向线段中每个有向线段的比值,比值为点至有向线段的投影距离与有向线段长度的比值;根据各个比值,确定与点绑定的有向线段;根据与待处理轨迹上各个点绑定的有向线段,判断待处理轨迹是否位于机动车道上;根据判断结果确定待处理轨迹的车道分数值。
其中,获取点与至少一个有向线段中每个有向线段的比值后,可以确定最小比值,将点与最小比值的有向线段(link)进行绑定。获取到待处理轨迹上各个点绑定的有向线段后,可以结合各个有向线段所属的位置的标识,来确定待处理轨迹是否位于机动车道上。当各个有向线段所属的位置的标识为机动车道时,确定待处理轨迹位于机动车道上;当所有或者大部分有向线段所属的位置的标识为非机动车道时,确定待处理轨迹位于非机动车道上。
步骤103,根据待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定待处理轨迹的置信度。
具体地,轨迹分类装置执行步骤103的过程具体可以为,获取车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重;根据车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重,对待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值进行加权计算,得到待处理轨迹的置信度。
其中,车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重,可以根据各个分数值的重要性预先设置。另外,加权计算可以为加权求和计算,或者加权求平均计算等。
步骤104,根据待处理轨迹的置信度,确定待处理轨迹的类型。
本申请中,确定待处理轨迹的置信度之后,可以将待处理轨迹的置信度与预设的置信度阈值进行比较,若待处理轨迹的置信度大于等于预设的置信度阈值时,将待处理轨迹的类型确定为车辆轨迹;若待处理轨迹的置信度小于预设的置信度阈值时,将待处理轨迹的类型确定为非车辆轨迹。
另外,在上述实施例的基础上,所述类型可以包括:车辆轨迹和非车辆轨迹。对应的,步骤104之后,所述的方法还可以包括:获取对应的类型为车辆轨迹的各个第一轨迹;根据各个第一轨迹,确定路网中是否存在拥堵。
本申请实施例的轨迹分类方法,通过获取路网中待处理轨迹的轨迹信息;根据轨迹信息,确定待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;根据待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定待处理轨迹的置信度;根据待处理轨迹的置信度,确定待处理轨迹的类型,从而后续只根据车辆轨迹来进行拥堵判断,提高了轨迹的准确度,能够提高拥堵判断的准确度。
为了实现上述实施例,本申请实施例还提供一种轨迹分类装置。
图2是根据本申请第二实施例的示意图。如图2所示,该轨迹分类装置100包括:
获取模块110,用于获取路网中待处理轨迹的轨迹信息;
第一确定模块120,用于根据所述轨迹信息,确定所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;
第二确定模块130,用于根据所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定所述待处理轨迹的置信度;
第三确定模块140,用于根据所述待处理轨迹的置信度,确定所述待处理轨迹的类型。
在本申请一个实施例中,所述轨迹信息包括:用户标识,以及待处理轨迹上各个点的位置信息、速度信息和时间信息;
所述第一确定模块120具体用于,
根据所述待处理轨迹上各个点的位置信息,判断所述待处理轨迹是否位于机动车道上,根据判断结果确定所述待处理轨迹的车道分数值;
根据所述用户标识,判断用户是否有车,根据判断结果确定所述待处理轨迹的车辆分数值;
根据所述待处理轨迹上各个点的时间信息以及速度信息,判断所述待处理轨迹是否为预设时间段内的轨迹,以及所述待处理轨迹的速度信息是否小于预设速度阈值,根据判断结果确定所述待处理轨迹的预设时间段速度分数值。
在本申请一个实施例中,所述第一确定模块120具体用于,
针对所述待处理轨迹上的每个点,获取路网中与所述点的距离小于预设距离阈值的至少一个有向线段;
获取所述点与所述至少一个有向线段中每个有向线段的比值,所述比值为所述点至有向线段的投影距离与有向线段长度的比值;
根据各个比值,确定与所述点绑定的有向线段;
根据与所述待处理轨迹上各个点绑定的有向线段,判断所述待处理轨迹是否位于机动车道上;
根据判断结果确定所述待处理轨迹的车道分数值。
在本申请一个实施例中,所述第二确定模块130具体用于,
获取车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重;
根据车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重,对所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值进行加权计算,得到所述待处理轨迹的置信度。
在本申请一个实施例中,结合参考图3,所述类型包括:车辆轨迹和非车辆轨迹;对应的,所述的装置还包括:第四确定模块150;
所述获取模块110,还用于获取对应的类型为车辆轨迹的各个第一轨迹;
所述第四确定模块150,用于根据所述各个第一轨迹,确定路网中是否存在拥堵。
其中,需要说明的是,前述对轨迹分类方法的解释说明也适用于本实施例的轨迹分类装置,此处不再赘述。
本申请实施例的轨迹分类装置,通过获取路网中待处理轨迹的轨迹信息;根据轨迹信息,确定待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;根据待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定待处理轨迹的置信度;根据待处理轨迹的置信度,确定待处理轨迹的类型,从而后续只根据车辆轨迹来进行拥堵判断,提高了轨迹的准确度,能够提高拥堵判断的准确度。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图4所示,是根据本申请实施例的轨迹分类方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器301、存储器302,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器301为例。
存储器302即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的轨迹分类方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的轨迹分类方法。
存储器302作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的轨迹分类方法对应的程序指令/模块(例如,附图2所示的获取模块110、第一确定模块120、第二确定模块130、第三确定模块140,附图3所示的第四确定模块150)。处理器301通过运行存储在存储器302中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的轨迹分类方法。
存储器302可以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、至少一个功能所需要的应用程序;存储数据区可存储根据轨迹分类的电子设备的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器302可选包括相对于处理器301远程设置的存储器,这些远程存储器可以通过网络连接至轨迹分类的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
轨迹分类的方法的电子设备还可以包括:输入装置303和输出装置304。处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置303可接收输入的数字或字符信息,以及产生与轨迹分类的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置304可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
图5是根据本申请第四实施例的示意图。其中,需要说明的是,本实施例提供的轨迹分类方法的执行主体为轨迹分类装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在终端设备或者服务器中,该实施例对此不作具体限定。
如图5所示,该轨迹分类方法可以包括:
步骤501,获取路网中待处理轨迹的轨迹信息。
本申请中,待处理轨迹可以为用户通过终端设备中的地图软件等上报到后台服务器的轨迹。本申请中,当用户处于导航或移动状态时,地图软件可以采集用户的轨迹信息并进行上报。其中,轨迹信息可以包括:用户标识,以及待处理轨迹上各个点的位置信息、速度信息和时间信息等。用户标识为处于导航或移动状态的用户的标识,例如用户的名称、手机号等。
步骤502,根据轨迹信息,确定待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值。
本申请中,轨迹信息可以包括:用户标识,以及待处理轨迹上各个点的位置信息、速度信息和时间信息。对应的,轨迹分类装置执行步骤502的过程具体可以为,根据待处理轨迹上各个点的位置信息,判断待处理轨迹是否位于机动车道上,根据判断结果确定待处理轨迹的车道分数值;根据用户标识,判断用户是否有车,根据判断结果确定待处理轨迹的车辆分数值;根据待处理轨迹上各个点的时间信息以及速度信息,判断待处理轨迹是否为预设时间段内的轨迹,以及轨迹的速度信息是否小于预设速度阈值,根据判断结果确定待处理轨迹的预设时间段速度分数值。
步骤503,根据待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定待处理轨迹的类型。
本申请中,轨迹分类装置执行步骤503的过程具体可以为,根据待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定待处理轨迹的置信度;根据待处理轨迹的置信度,确定待处理轨迹的类型。
本申请实施例的轨迹分类方法,通过获取路网中待处理轨迹的轨迹信息;根据轨迹信息,确定待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;根据待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定待处理轨迹的类型,从而后续只根据车辆轨迹来进行拥堵判断,提高了轨迹的准确度,能够提高拥堵判断的准确度。
其中,需要说明的是,前述对上述轨迹分类方法的解释说明也适用于本实施例的轨迹分类方法,相关描述可参见相关部分,此处步骤赘述。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。

Claims (11)

1.一种轨迹分类方法,其特征在于,包括:
获取路网中待处理轨迹的轨迹信息;
根据所述轨迹信息,确定所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;
根据所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定所述待处理轨迹的置信度;
根据所述待处理轨迹的置信度,确定所述待处理轨迹的类型;
其中,所述轨迹信息包括:用户标识,以及待处理轨迹上各个点的位置信息、速度信息和时间信息;
所述根据所述轨迹信息,确定所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,包括:
根据所述待处理轨迹上各个点的位置信息,判断所述待处理轨迹是否位于机动车道上,根据判断结果确定所述待处理轨迹的车道分数值;
根据所述用户标识,判断用户是否有车,根据判断结果确定所述待处理轨迹的车辆分数值;
根据所述待处理轨迹上各个点的时间信息以及速度信息,判断所述待处理轨迹是否为预设时间段内的轨迹,以及所述待处理轨迹的速度信息是否小于预设速度阈值,根据判断结果确定所述待处理轨迹的预设时间段速度分数值;
所述类型包括:车辆轨迹和非车辆轨迹。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待处理轨迹上各个点的位置信息,判断所述待处理轨迹是否位于机动车道上,根据判断结果确定所述待处理轨迹的车道分数值,包括:
针对所述待处理轨迹上的每个点,获取路网中与所述点的距离小于预设距离阈值的至少一个有向线段;
获取所述点与所述至少一个有向线段中每个有向线段的比值,所述比值为所述点至有向线段的投影距离与有向线段长度的比值;
根据各个比值,确定与所述点绑定的有向线段;
根据与所述待处理轨迹上各个点绑定的有向线段,判断所述待处理轨迹是否位于机动车道上;
根据判断结果确定所述待处理轨迹的车道分数值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定所述待处理轨迹的置信度,包括:
获取车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重;
根据车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重,对所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值进行加权计算,得到所述待处理轨迹的置信度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述待处理轨迹的置信度,确定所述待处理轨迹的类型之后,还包括:
获取对应的类型为车辆轨迹的各个第一轨迹;
根据所述各个第一轨迹,确定路网中是否存在拥堵。
5.一种轨迹分类装置,其特征在于,包括:
获取模块,用于获取路网中待处理轨迹的轨迹信息;
第一确定模块,用于根据所述轨迹信息,确定所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;
第二确定模块,用于根据所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定所述待处理轨迹的置信度;
第三确定模块,用于根据所述待处理轨迹的置信度,确定所述待处理轨迹的类型;
其中,所述轨迹信息包括:用户标识,以及待处理轨迹上各个点的位置信息、速度信息和时间信息;
所述第一确定模块具体用于,
根据所述待处理轨迹上各个点的位置信息,判断所述待处理轨迹是否位于机动车道上,根据判断结果确定所述待处理轨迹的车道分数值;
根据所述用户标识,判断用户是否有车,根据判断结果确定所述待处理轨迹的车辆分数值;
根据所述待处理轨迹上各个点的时间信息以及速度信息,判断所述待处理轨迹是否为预设时间段内的轨迹,以及所述待处理轨迹的速度信息是否小于预设速度阈值,根据判断结果确定所述待处理轨迹的预设时间段速度分数值;
所述类型包括:车辆轨迹和非车辆轨迹。
6.根据权利要求5所述的装置,其特征在于,所述第一确定模块具体用于,
针对所述待处理轨迹上的每个点,获取路网中与所述点的距离小于预设距离阈值的至少一个有向线段;
获取所述点与所述至少一个有向线段中每个有向线段的比值,所述比值为所述点至有向线段的投影距离与有向线段长度的比值;
根据各个比值,确定与所述点绑定的有向线段;
根据与所述待处理轨迹上各个点绑定的有向线段,判断所述待处理轨迹是否位于机动车道上;
根据判断结果确定所述待处理轨迹的车道分数值。
7.根据权利要求5所述的装置,其特征在于,所述第二确定模块具体用于,
获取车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重;
根据车道分数值对应的权重、车辆分数值对应的权重以及预设时间段速度分数值对应的权重,对所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值进行加权计算,得到所述待处理轨迹的置信度。
8.根据权利要求5所述的装置,其特征在于,所述的装置,还包括:第四确定模块;
所述获取模块,还用于获取对应的类型为车辆轨迹的各个第一轨迹;
所述第四确定模块,用于根据所述各个第一轨迹,确定路网中是否存在拥堵。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
11.一种轨迹分类方法,其特征在于,包括:
获取路网中待处理轨迹的轨迹信息;
根据所述轨迹信息,确定所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值;
根据所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,确定所述待处理轨迹的类型;
其中,所述轨迹信息包括:用户标识,以及待处理轨迹上各个点的位置信息、速度信息和时间信息;
所述根据所述轨迹信息,确定所述待处理轨迹的车道分数值、车辆分数值以及预设时间段速度分数值,包括:
根据所述待处理轨迹上各个点的位置信息,判断所述待处理轨迹是否位于机动车道上,根据判断结果确定所述待处理轨迹的车道分数值;
根据所述用户标识,判断用户是否有车,根据判断结果确定所述待处理轨迹的车辆分数值;
根据所述待处理轨迹上各个点的时间信息以及速度信息,判断所述待处理轨迹是否为预设时间段内的轨迹,以及所述待处理轨迹的速度信息是否小于预设速度阈值,根据判断结果确定所述待处理轨迹的预设时间段速度分数值;
所述类型包括:车辆轨迹和非车辆轨迹。
CN201911036300.4A 2019-10-29 2019-10-29 轨迹分类方法及装置 Active CN110796191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911036300.4A CN110796191B (zh) 2019-10-29 2019-10-29 轨迹分类方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911036300.4A CN110796191B (zh) 2019-10-29 2019-10-29 轨迹分类方法及装置

Publications (2)

Publication Number Publication Date
CN110796191A CN110796191A (zh) 2020-02-14
CN110796191B true CN110796191B (zh) 2022-09-23

Family

ID=69441742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911036300.4A Active CN110796191B (zh) 2019-10-29 2019-10-29 轨迹分类方法及装置

Country Status (1)

Country Link
CN (1) CN110796191B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554044B (zh) * 2020-04-23 2023-08-08 百度在线网络技术(北京)有限公司 步行道路宽度的获取方法、装置、设备以及存储介质
CN111735461B (zh) * 2020-06-10 2023-11-17 腾讯科技(深圳)有限公司 行驶轨迹的处理方法、装置及电子设备
CN112527932B (zh) * 2020-12-04 2023-09-26 北京百度网讯科技有限公司 道路数据处理的方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108974008A (zh) * 2018-08-06 2018-12-11 北京车和家信息技术有限公司 路线确定方法、系统、车载空调的控制方法及车辆
CN109726248A (zh) * 2019-01-07 2019-05-07 深圳英飞拓科技股份有限公司 车辆行车轨迹显示方法、装置、系统和计算机设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108898099A (zh) * 2018-06-28 2018-11-27 北京三快在线科技有限公司 数据处理方法及装置、计算机可读存储介质、电子设备
CN110047276B (zh) * 2019-03-11 2020-11-27 广州文远知行科技有限公司 障碍物车辆的拥堵状态确定方法、装置和相关产品
CN110377682B (zh) * 2019-07-18 2022-02-25 北京百度网讯科技有限公司 轨迹类型确定方法、装置、计算设备和存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108974008A (zh) * 2018-08-06 2018-12-11 北京车和家信息技术有限公司 路线确定方法、系统、车载空调的控制方法及车辆
CN109726248A (zh) * 2019-01-07 2019-05-07 深圳英飞拓科技股份有限公司 车辆行车轨迹显示方法、装置、系统和计算机设备

Also Published As

Publication number Publication date
CN110796191A (zh) 2020-02-14

Similar Documents

Publication Publication Date Title
CN110796191B (zh) 轨迹分类方法及装置
CN110705800B (zh) 混合出行路线确定方法、装置、设备及存储介质
CN111835856B (zh) 文件下载的方法、装置、设备以及存储介质
CN112802325B (zh) 车辆排队长度检测方法及装置
CN110675635B (zh) 相机外参的获取方法、装置、电子设备及存储介质
CN111539347B (zh) 用于检测目标的方法和装置
CN111681417B (zh) 交通路口渠化调整方法和装置
CN111652112A (zh) 一种车道流向的识别方法、装置、电子设备及存储介质
CN110852780A (zh) 数据分析方法、装置、设备和计算机存储介质
CN111666495A (zh) 案件推荐方法、装置、设备以及存储介质
CN113672688A (zh) 路网数据更新方法、装置和电子设备
CN111637899A (zh) 导航方法、装置、电子设备以及存储介质
CN111191619A (zh) 车道线虚线段的检测方法、装置、设备和可读存储介质
CN110781657A (zh) 导航播报的管理方法、装置及设备
CN111462072B (zh) 点云图质量检测方法、装置以及电子设备
CN110995687B (zh) 一种猫池设备识别方法、装置、设备及存储介质
CN110751853B (zh) 停车位数据的有效性识别方法和装置
CN111814651A (zh) 车道线的生成方法、装置和设备
CN111625612A (zh) 高精地图的纠偏方法和装置、电子设备和存储介质
CN111966767A (zh) 轨迹热力图生成方法、装置、电子设备和存储介质
CN111260656A (zh) 分析导航轨迹的方法以及装置
CN111488972A (zh) 数据迁移方法、装置、电子设备和存储介质
CN111177479A (zh) 获取关系网络图中节点的特征向量的方法以及装置
CN111649753B (zh) 路网数据处理方法、装置、电子设备及计算机存储介质
CN111553283B (zh) 用于生成模型的方法及装置

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
TA01 Transfer of patent application right

Effective date of registration: 20211013

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant