CN110798805A - 基于gps轨迹的数据处理方法、装置及存储介质 - Google Patents

Abstract

本申请公开了基于GPS轨迹的数据处理方法、装置及存储介质，该方法包括：利用电子地图对浮动车轨迹数据进行道路匹配，得到与电子地图中道路匹配的轨迹数据和未匹配的轨迹数据；根据预设的去噪优化参数对所述匹配的轨迹数据和未匹配的轨迹数据进行去噪；根据所述去噪后匹配的轨迹数据确定道路上的限速信息，以及根据所述去噪后的未匹配的轨迹数据确定道路上的新路信息。本申请能够取得的有益效果在于，无需人工干预即可得到浮动车轨迹数据，解决了电子地图数据更新效率低的问题；根据预设的去噪优化参数对轨迹数据进行去噪提高挖掘的数据质量，解决了电子地图数据更新准确率低的问题。

Description

基于GPS轨迹的数据处理方法、装置及存储介质

技术领域

本申请涉及数据挖掘技术领域，尤其是涉及一种基于GPS轨迹的数据处理方法、装置及存储介质。

背景技术

在高速发展的中国，道路动态变化太快，而电子地图数据更新较慢。近几年，识别道路限速的方法主要有：外业采集人员发现限速标牌，通过车载采集平台采集限速数据，手动制作到电子地图数据中，这种方法效率非常低，也无法覆盖所有道路；通过图像识别技术，自动识别摄像头拍摄的带有限速标牌图像，需要配置质量较好的摄像头，提高了采集成本，并且遇到光照、天气恶劣等复杂环境，识别准确率较低。并且这两种方法人工干预较多。发现新增道路的方法主要有：外业采集人员发现新增的道路，通过采集设备采集数据，内业人员将采集的数据制作到电子地图数据中，这种方法需要四处寻找新增道路，耗时耗力；利用图像处理、深度学习技术从资三、Google卫星影像图中提取出新增道路，这种方法受制于影像图的效果和更新频率影响，而且还需要人工干预，因此效率和准确率也不高。目前，数据更新、新道路更新及有效采集更新交通路网中的道路限速数据已成为电子地图领域中的重要研究课题，也是研究的难点之一。现有技术存在电子地图数据更新效率和准确率低问题。

发明内容

本申请实施例提供一种基于GPS轨迹的数据处理方法、装置及存储介质。解决了电子地图数据更新效率和准确率低问题。

本申请提供了一种基于GPS轨迹的数据处理方法，该方法包括：

利用电子地图对浮动车轨迹数据进行道路匹配，得到与电子地图中道路匹配的轨迹数据和未匹配的轨迹数据；

根据预设的去噪优化参数对所述匹配的轨迹数据和未匹配的轨迹数据进行去噪；

根据所述去噪后匹配的轨迹数据确定道路上的限速信息，以及根据所述去噪后的未匹配的轨迹数据确定道路上的新路信息。

本申请还提供了一种基于GPS轨迹的数据处理装置，该装置包括：匹配模块、去噪模块和确定模块；

所述匹配模块，用于利用电子地图对浮动车轨迹数据进行道路匹配，得到与电子地图中道路匹配的轨迹数据和未匹配的轨迹数据；

所述去噪模块，用于根据预设的去噪优化参数对所述匹配的轨迹数据和未匹配的轨迹数据进行去噪；

所述确定模块，用于根据所述去噪后匹配的轨迹数据确定道路上的限速信息，以及根据所述去噪后的未匹配的轨迹数据确定道路上的新路信息。

本申请还提供了一种存储设备，其上存储有程序数据，所述程序数据用于被处理器执行时实现所述的基于GPS轨迹的数据处理方法。

与现有技术相比，本申请能够取得的有益效果在于，无需人工干预即可得到浮动车轨迹数据，解决了电子地图数据更新效率低的问题；根据预设的去噪优化参数对轨迹数据进行去噪提高挖掘的数据质量，解决了电子地图数据更新准确率低的问题；计算道路限速分类权重使得分类结果更准确，置信度计算满足用户对道路限速置信度的要求，进一步解决了电子地图数据更新准确率低的问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请提供的一种基于GPS轨迹的数据处理方法实施例的流程示意图；

图2为本申请提供的限速挖掘北京整体效果图；

图3为本申请提供的限速挖掘北京局部效果图；

图4为本申请提供的挖掘新增道路图；

图5a和图5b为本申请提供的挖掘新增道路前后对比图；

图6为本申请提供的整体流程示意图；

图7为本申请提供的挖掘道路上的限速信息流程示意图；

图8为本申请提供的挖掘道路上的新路信息流程示意图；

图9为本申请提供的一种基于GPS轨迹的数据处理装置实施例的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，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，都属于本申请保护的范围。

实施本发明之前，需要先训练KNN(k-NearestNeighbor)分类算法。提取去噪之后的匹配成功的轨迹数据特征，生成样本数据。利用自动提取训练样本工具从已有的母库道路限速数据中提取之前人工采集的标牌限速数据。将生成的样本数据和从母库中提取到的标牌限速数据作为训练增加了分类权重的KNN分类算法的训练数据，训练数据分为20类，如5m/s、10m/s、15m/s、20m/s、25m/s、30m/s、35m/s、40m/s、45m/s、50m/s、55m/s、60m/s、65m/s、70m/s、75m/s、80m/s、90m/s、100m/s、110m/s和120m/s，利用训练数据训练增加了分类权重的KNN分类算法。

图1为本申请提供的一种基于GPS轨迹的数据处理方法实施例的流程示意图，该流程示意图包括：

步骤105，利用电子地图对浮动车轨迹数据进行道路匹配，得到与电子地图中道路匹配的轨迹数据和未匹配的轨迹数据；

传统方式识别道路限速时，无法覆盖所有道路，对于没有限速标牌的道路，无法准确给出限速值，并且复杂环境下，识别率准确率低。传统方式识别新增道路时，无法覆盖所有道路，影像图质量不高时，影像图的识别率大打折扣。本实施例中大数据流式处理技术Storm从图6中的数据源605实时接收滴滴以及其他浮动车轨迹数据；图6中步骤610对接收的数据进行预处理；图6中的数据去噪单元615对预处理后的数据进行去噪；图6中步骤620将去噪后的数据缓存在本地，以文本格式存储在大数据挖掘平台；图6中步骤625和步骤630随时进行道路限速挖掘和新路挖掘；图6中步骤635提取道路限速挖掘和新路挖掘的成果；图6中步骤640对提取的成果进行差分；图6中步骤645，展示差分后的成果。这种基于GPS轨迹的数据处理方法无需人工干预，不受制于各种外业环境影响，克服了传统采集效率低，采集时无法覆盖所有道路的问题。这些数据基本可以覆盖中国大部分区域，覆盖度大大高于现有其他方法。接收到的浮动车轨迹数据是经过kafka平台处理后的浮动车轨迹数据，包括与电子地图中道路匹配的轨迹数据和未匹配的轨迹数据。可选地，上述匹配的轨迹数据包括匹配数据的轨迹点对应的速度，上述未匹配的轨迹数据包括未匹配数据的轨迹点对应的速度。

步骤110，根据预设的去噪优化参数对所述匹配的轨迹数据和未匹配的轨迹数据进行去噪；

可选地，在本实施例中，所述去噪优化参数包括：预设匹配速度阈值，预设未匹配速度阈值，预设精度阈值和非预设状态值；

可选地，通过滤除匹配数据的轨迹点对应的速度的频数-速度曲线中速度小于预设匹配速度阈值的匹配数据的轨迹点；或滤除未匹配数据的轨迹点对应的速度的频数-速度曲线中速度小于预设未匹配速度阈值的未匹配数据的轨迹点；或滤除水平精度因子大于预设精度阈值的匹配数据的轨迹点和/或未匹配数据的轨迹点；或滤除状态取值为非预设状态值的匹配数据的轨迹点和/或未匹配数据中轨迹点；或滤除经纬度重复的匹配数据的轨迹点和/或未匹配数据的轨迹点来达到去噪目的。去掉异常的轨迹数据，这样就得到了更高质量的轨迹数据，便于后期挖掘。去噪后匹配成功的轨迹数据用于道路限速挖掘。

步骤115，根据所述去噪后匹配的轨迹数据确定道路上的限速信息，以及根据所述去噪后的未匹配的轨迹数据确定道路上的新路信息；

可选地，提取去噪后的匹配的轨迹数据的道路限速特征，得到道路限速特征值；针对上述道路限速特征值，建立道路限速特征向量Λ＝(λ1λ2……λ12λ13λ14λ15)T，其中，λ1，λ2，……，λ8分别表示一天24小时中，一道路每个时间段的平均瞬时速度最大的前8个值，λ9、λ10分别表示一道路总体平均瞬时速度期望μ和标准差σ，λ11、λ12分别表示一道路频数-速度曲线上15％位置车速V1和85％位置车速V2，λ13表示一道路频数-速度曲线上95％位置车速，λ14＝V2–V1，λ15为频率最高的瞬时速度，其中，上述频数-速度曲线呈现高斯分布规律(X～N(μ，σ))，由道路限速特征向量得到道路限速特征向量集；将道路限速特征向量集作为测试样本集并利用训练好的增加了分类权重的KNN分类算法进行处理，如将该测试样本集输入到图7所示的分类模型740中，利用现有技术计算道路限速分类权重，和测试样本集中测试样本距离小的邻居权重最大；计算测试样本和训练数据中的每个训练样本的距离；将计算得到的距离分别乘以对应的道路限速分类权重，得到距离d；在距离d小于前k个最临近样本中的最大距离D的情况下，将该训练样本作为k-最近邻样本；统计k-最近邻样本中每个类标号出现的次数；选择出现频率最大的类标号作为测试样本的类标号；由类标号得到道路限速所属的道路限速类别；根据上述道路限速所属的道路限速类别，得到限速信息；进一步地，在本实施例中，KNN分类过程中，根据上述道路限速特征向量集以及计算出的道路限速分类权重，得到道路限速所属的道路限速类别后，根据道路限速类别包含近邻点的个数与测试样本近邻点的个数比值，得到道路限速所属的道路限速类别的置信度，置信度越高的挖掘成果越正确。再进一步地，挖掘出的置信度高的结果可以直接入到地图数据库中，将置信度大于对应的预设置信度阈值的道路限速所属的道路限速类别对应的道路限速存储到地图数据库，置信度低的下发给作业员验证通过后入到地图数据库中。如图2所示，为限速挖掘北京整体效果图，图上显示了北京所有道路限速情况。如图3所示，为限速挖掘北京局部效果图，图上显示了北京局部区域道路限速情况。

可选地，利用基于密度的聚类算法OPTICS(Ordering Point To Identify theClustering Structure)实现以下操作，1)创建有序队列和结果队列；其中，有序队列用来存储核心对象及其该核心对象的直接可达对象，并按可达距离升序排列；结果队列用来存储带输出次序的轨迹点；2)选择一个未处理(即不在结果队列中)且为核心对象的轨迹点，找到其所有直接密度可达轨迹点，如果该轨迹点不存在于结果队列中，则将其放入有序队列中，并按可达距离排序；3)如果有序队列为空，则跳至步骤2)，否则，从有序队列中选取第一个轨迹点(即可达距离最小的轨迹点)进行拓展，并将取出的轨迹点保存至结果队列中，c1)判断该拓展点是否是核心对象，如果不是，回到步骤3)，否则找到该拓展点所有的直接密度可达轨迹点；c2)判断该直接密度可达轨迹点是否已经存在结果队列，如果已经存在结果队列中，则不处理，否则下一步；c3)如果有序队列中已经存在该直接密度可达轨迹点，则插入该轨迹点，并对有序队列重新排序；算法结束，返回带输出次序的基于密度的核心点(结果队列中的有序轨迹点)；结果队列用来存储返回的带输出次序的基于密度的核心点；利用基于均值的聚类算法，随机选取k个基于密度的核心点作为k个初始质心；计算其他点到k个初始质心的距离；在某个点距离第n个质心的距离更近的情况下，则该点属于簇n，并对其打标签，标注point p.label＝n，其中，n<＝k；计算同一簇中具有相同标签的点向量的平均值，作为新的质心；迭代至所有的质心都不变化为止，返回每个类的中心点坐标；利用上述基于密度的聚类算法的操作步骤，对上述每个类的中心点进行聚类，返回带顺序的中心点坐标串；将所述带顺序的中心点坐标串按照顺序连接成折线段；在上述折线段的距离小于预设最大速度阈值与上述折线段上两点时间差的乘积情况下，相邻折线段之间的夹角范围为正负预设角度阈值，分割折线段，其中，上述折线段的距离D＝V*T，其中，V是上述折线段上两点平均瞬时速度，T是上述折线段上两点时间差；进一步地，在折线段的距离小于最大速阈值46.7m/s与折线段上两点时间差1s的乘积情况下，相邻折线段之间的夹角范围为正负预设角度阈值45度，分割折线段；将已有道路扩大一定的Buffer，计算分割后的折线段与已有道路Buffer的交集；去除上述交集，得到新路信息，如图4圆圈中所示，为挖掘的新增道路，如图5a圆圈中所示还未挖掘出新增道路，如图5b圆圈中所示为挖掘的新增道路。

与现有技术相比，本实施例能够取得的有益效果在于，无需人工干预即可得到浮动车轨迹数据，解决了电子地图数据更新效率低的问题；根据预设的去噪优化参数对轨迹数据进行去噪提高挖掘的数据质量，解决了电子地图数据更新准确率低的问题；计算道路限速分类权重使得分类结果更准确，置信度计算满足用户对道路限速置信度的要求，进一步解决了电子地图数据更新准确率低的问题。

以上为挖掘道路上的限速信息和道路上的新路信息的基于GPS轨迹的数据处理方法，下面分别说明挖掘道路上的限速信息流程和挖掘道路上的新路信息流程。

图7为本申请提供的挖掘道路上的限速信息流程示意图，该流程示意图包括：

步骤705，开始执行限速挖掘算法；

利用电子地图对浮动车轨迹数据进行道路匹配，得到图7中的匹配的轨迹数据710用于道路限速挖掘；匹配的轨迹数据格式710a包括类型、ID、经度、纬度、速度、方向、时间、图幅号(前6位)+LinkPID。

步骤715，数据去噪；

根据预设的去噪优化参数对上述匹配的轨迹数据进行去噪，包括如下至少一项：滤除匹配数据的轨迹点对应的速度的频数-速度曲线中速度小于预设匹配速度阈值的匹配数据的轨迹点；滤除水平精度因子大于预设精度阈值的匹配数据的轨迹点；滤除状态取值为非预设状态值的匹配数据的轨迹点；滤除经纬度重复的匹配数据的轨迹点。

步骤720，特征提取；

对去噪后的匹配的轨迹数据进行道路限速特征提取，得到道路限速特征值；根据所述道路限速特征值，建立道路限速特征向量，最后得到道路限速特征向量集。将道路限速特征向量集作为图7中的测试数据集725。图7中训练数据集735可以通过步骤720对去噪后的匹配的轨迹数据进行道路限速特征提取，得到道路限速特征值；根据所述道路限速特征值，建立道路限速特征向量，最后得到道路限速特征向量集和公司母库道路限速数据730联合得到。将测试数据集725和训练数据集735输入到图7中的分类模型740中。

步骤745，输出分类结果；

该分类结果为道路限速所属的道路限速类别。

步骤750，准确率验证(交叉验证)；

采用交叉验证的方式验证分类准确率。

步骤755，结束算法。

图8为本申请提供的挖掘道路上的新路信息流程示意图，该流程示意图包括：

步骤805，开始执行新路挖掘算法；

利用电子地图对浮动车轨迹数据进行道路匹配，得到图8中未匹配的轨迹数据810用于新路挖掘；未匹配的轨迹数据格式810a包括出租车ID+订单ID、经度、纬度、速度、时间、方向。

步骤815，数据去噪；

根据预设的去噪优化参数对上述未匹配的轨迹数据进行去噪包括如下至少一项：滤除未匹配数据的轨迹点对应的速度的频数-速度曲线中速度小于预设未匹配速度阈值的未匹配数据的轨迹点；滤除水平精度因子大于预设精度阈值的未匹配数据的轨迹点；滤除状态取值为非预设状态值的未匹配数据中轨迹点；滤除经纬度重复的未匹配数据的轨迹点。

步骤820，聚类；

利用聚类算法820a中的OPTICS和kmeans，对去噪后的未匹配轨迹数据进行聚类，返回带顺序的中心点坐标串。

步骤825，连接；

如步骤825a所示，将带顺序的中心点按照聚类输出顺序连接起来，成折线段。

步骤830，分割折线段；

如步骤830a所示，根据折线段的距离和相邻折线段之间的夹角确定分割点，分割折线段。

步骤835，结束算法。

图9为本申请提供的一种基于GPS轨迹的数据处理装置实施例的结构示意图，该结构示意图包括：匹配模块905、去噪模块910和确定模块915；

所述匹配模块905，用于利用电子地图对浮动车轨迹数据进行道路匹配，得到与电子地图中道路匹配的轨迹数据和未匹配的轨迹数据；

所述去噪模块910，用于根据预设的去噪优化参数对所述匹配的轨迹数据和未匹配的轨迹数据进行去噪；可选地，所述匹配的轨迹数据包括匹配数据的轨迹点对应的速度，所述未匹配的轨迹数据包括未匹配数据的轨迹点对应的速度；所述去噪优化参数包括：预设匹配速度阈值，预设未匹配速度阈值，预设精度阈值和非预设状态值；所述去噪模块910，还具体用于滤除匹配数据的轨迹点对应的速度的频数-速度曲线中速度小于预设匹配速度阈值的匹配数据的轨迹点；或滤除未匹配数据的轨迹点对应的速度的频数-速度曲线中速度小于预设未匹配速度阈值的未匹配数据的轨迹点；或滤除水平精度因子大于预设精度阈值的匹配数据的轨迹点和/或未匹配数据的轨迹点；或滤除状态取值为非预设状态值的匹配数据的轨迹点和/或未匹配数据中轨迹点；或滤除经纬度重复的匹配数据的轨迹点和/或未匹配数据的轨迹点。

所述确定模块915，用于根据所述去噪后匹配的轨迹数据确定道路上的限速信息，以及根据所述去噪后的未匹配的轨迹数据确定道路上的新路信息。还具体用于对去噪后的匹配的轨迹数据进行道路限速特征提取，得到道路限速特征值；根据所述道路限速特征值，建立道路限速特征向量；根据所述道路限速特征向量，得到道路限速特征向量集；针对所述道路限速特征向量集，计算道路限速分类权重；根据所述道路限速特征向量集以及计算出的道路限速分类权重，得到道路限速所属的道路限速类别；根据所述道路限速所属的道路限速类别，得到道路上的限速信息；和/或所述确定模块915还具体用于利用基于密度的聚类算法，对去噪后的未匹配轨迹数据进行聚类，返回基于密度的核心点；利用基于均值的聚类算法，对所述基于密度的核心点进行聚类，返回每个类的中心点坐标；利用基于密度的聚类算法，对所述每个类的中心点进行聚类，返回带顺序的中心点坐标串；将所述带顺序的中心点坐标串按照顺序连接成折线段；根据所述折线段的距离和相邻折线段之间的夹角，分割折线段；计算分割后的折线段与已有道路的交集；去除所述交集，得到新路信息；还具体用于根据所述道路限速特征向量集以及计算出的道路限速分类权重，得到道路限速所属的道路限速类别的置信度。

可选地，所述装置还包括存储模块，用于将置信度大于对应的预设置信度阈值的道路限速所属的道路限速类别对应的道路限速进行存储，该存储模块可位于地图数据库中。

与现有技术相比，本实施例能够取得的有益效果在于，无需人工干预即可得到浮动车轨迹数据，解决了电子地图数据更新效率低的问题；根据预设的去噪优化参数对轨迹数据进行去噪，解决了电子地图数据更新准确率低的问题；计算道路限速分类权重使得分类结果更准确，置信度计算满足用户对道路限速置信度的要求，进一步解决了电子地图数据更新准确率低的问题。

本申请还提供了一种存储介质，其上存储有程序数据，所述程序数据用于被处理器执行时实现利用电子地图对浮动车轨迹数据进行道路匹配，得到与电子地图中道路匹配的轨迹数据和未匹配的轨迹数据；根据预设的去噪优化参数对所述匹配的轨迹数据和未匹配的轨迹数据进行去噪；根据所述去噪后匹配的轨迹数据确定道路上的限速信息，以及根据所述去噪后的未匹配的轨迹数据确定道路上的新路信息。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (11)

1.一种基于GPS轨迹的数据处理方法，其特征在于，该方法包括：

利用电子地图对浮动车轨迹数据进行道路匹配，得到与电子地图中道路匹配的轨迹数据和未匹配的轨迹数据；

根据预设的去噪优化参数对所述匹配的轨迹数据和未匹配的轨迹数据进行去噪；

根据所述去噪后匹配的轨迹数据确定道路上的限速信息，以及根据所述去噪后的未匹配的轨迹数据确定道路上的新路信息。

2.根据权利要求1所述的基于GPS轨迹的数据处理方法，其特征在于，所述匹配的轨迹数据包括匹配数据的轨迹点对应的速度，所述未匹配的轨迹数据包括未匹配数据的轨迹点对应的速度；所述去噪优化参数包括：预设匹配速度阈值，预设未匹配速度阈值，预设精度阈值和非预设状态值；

所述根据预设的去噪优化参数对所述匹配的轨迹数据和未匹配的轨迹数据进行去噪包括如下至少一项：

滤除匹配数据的轨迹点对应的速度的频数-速度曲线中速度小于预设匹配速度阈值的匹配数据的轨迹点；

滤除未匹配数据的轨迹点对应的速度的频数-速度曲线中速度小于预设未匹配速度阈值的未匹配数据的轨迹点；

滤除水平精度因子大于预设精度阈值的匹配数据的轨迹点和/或未匹配数据的轨迹点；

滤除状态取值为非预设状态值的匹配数据的轨迹点和/或未匹配数据中轨迹点；

滤除经纬度重复的匹配数据的轨迹点和/或未匹配数据的轨迹点。

3.根据权利要求1或2所述的基于GPS轨迹的数据处理方法，其特征在于，所述根据所述去噪后匹配的轨迹数据确定道路上的限速信息包括：

对去噪后的匹配的轨迹数据进行道路限速特征提取，得到道路限速特征值；

根据所述道路限速特征值，建立道路限速特征向量；

根据所述道路限速特征向量，得到道路限速特征向量集；

针对所述道路限速特征向量集，计算道路限速分类权重；

根据所述道路限速特征向量集以及计算出的道路限速分类权重，得到道路限速所属的道路限速类别；

根据所述道路限速所属的道路限速类别，得到限速信息。

4.根据权利要求3所述的基于GPS轨迹的数据处理方法，其特征在于，所述根据所述去噪后匹配的轨迹数据确定道路上的限速信息还包括：根据所述道路限速特征向量集以及计算出的道路限速分类权重，得到道路限速所属的道路限速类别的置信度。

5.根据权利要求4所述的基于GPS轨迹的数据处理方法，其特征在于，所述方法还包括：将置信度大于对应的预设置信度阈值的道路限速所属的道路限速类别对应的道路限速存储到地图数据库。

6.根据权利要求1所述的基于GPS轨迹的数据处理方法，其特征在于，所述根据所述去噪后的未匹配的轨迹数据确定道路上的新路信息包括：

利用基于密度的聚类算法，对去噪后的未匹配轨迹数据进行聚类，返回基于密度的核心点；

利用基于均值的聚类算法，对所述基于密度的核心点进行聚类，返回每个类的中心点坐标；

利用基于密度的聚类算法，对所述每个类的中心点进行聚类，返回带顺序的中心点坐标串；

将所述带顺序的中心点坐标串按照顺序连接成折线段；

根据所述折线段的距离和相邻折线段之间的夹角，分割折线段；

计算分割后的折线段与已有道路的交集；

去除所述交集，得到新路信息。

7.一种基于GPS轨迹的数据处理装置，其特征在于，该装置包括：匹配模块、去噪模块和确定模块；

所述匹配模块，用于利用电子地图对浮动车轨迹数据进行道路匹配，得到与电子地图中道路匹配的轨迹数据和未匹配的轨迹数据；

所述去噪模块，用于根据预设的去噪优化参数对所述匹配的轨迹数据和未匹配的轨迹数据进行去噪；

所述确定模块，用于根据所述去噪后匹配的轨迹数据确定道路上的限速信息，以及根据所述去噪后的未匹配的轨迹数据确定道路上的新路信息。

8.根据权利要求6所述的基于GPS轨迹的数据处理装置，其特征在于，所述匹配的轨迹数据包括匹配数据的轨迹点对应的速度，所述未匹配的轨迹数据包括未匹配数据的轨迹点对应的速度；所述去噪优化参数包括：预设匹配速度阈值，预设未匹配速度阈值，预设精度阈值和非预设状态值；

所述去噪模块，具体用于滤除匹配数据的轨迹点对应的速度的频数-速度曲线中速度小于预设匹配速度阈值的匹配数据的轨迹点；或

滤除未匹配数据的轨迹点对应的速度的频数-速度曲线中速度小于预设未匹配速度阈值的未匹配数据的轨迹点；或

滤除水平精度因子大于预设精度阈值的匹配数据的轨迹点和/或未匹配数据的轨迹点；或

滤除状态取值为非预设状态值的匹配数据的轨迹点和/或未匹配数据中轨迹点；或

滤除经纬度重复的匹配数据的轨迹点和/或未匹配数据的轨迹点。

9.根据权利要求6或7所述的基于GPS轨迹的数据处理装置，其特征在于，

所述确定模块，具体用于对去噪后的匹配的轨迹数据进行道路限速特征提取，得到道路限速特征值；根据所述道路限速特征值，建立道路限速特征向量；根据所述道路限速特征向量，得到道路限速特征向量集；针对所述道路限速特征向量集，计算道路限速分类权重；根据所述道路限速特征向量集以及计算出的道路限速分类权重，得到道路限速所属的道路限速类别；根据所述道路限速所属的道路限速类别，得到道路上的限速信息；和/或，

所述确定模块还具体用于利用基于密度的聚类算法，对去噪后的未匹配轨迹数据进行聚类，返回基于密度的核心点；利用基于均值的聚类算法，对所述基于密度的核心点进行聚类，返回每个类的中心点坐标；利用基于密度的聚类算法，对所述每个类的中心点进行聚类，返回带顺序的中心点坐标串；将所述带顺序的中心点坐标串按照顺序连接成折线段；根据所述折线段的距离和相邻折线段之间的夹角，分割折线段；计算分割后的折线段与已有道路的交集；去除所述交集，得到新路信息。

10.根据权利要求9所述的基于GPS轨迹的数据处理装置，其特征在于，所述确定模块，还具体用于根据所述道路限速特征向量集以及计算出的道路限速分类权重，得到道路限速所属的道路限速类别的置信度。

11.一种存储介质，其上存储有程序数据，其特征在于，所述程序数据用于被处理器执行时实现权利要求1-6中任一项所述的基于GPS轨迹的数据处理方法。

Images