CN110866081A - 一种基于互联网地图的路况拥堵分析方法 - Google Patents

一种基于互联网地图的路况拥堵分析方法 Download PDF

Info

Publication number
CN110866081A
CN110866081A CN201911120207.1A CN201911120207A CN110866081A CN 110866081 A CN110866081 A CN 110866081A CN 201911120207 A CN201911120207 A CN 201911120207A CN 110866081 A CN110866081 A CN 110866081A
Authority
CN
China
Prior art keywords
congestion
map
analysis
road condition
internet
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
CN201911120207.1A
Other languages
English (en)
Other versions
CN110866081B (zh
Inventor
林华根
刘法
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.)
Hefei Anhui Software Co Ltd
Original Assignee
Hefei Anhui Software 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 Hefei Anhui Software Co Ltd filed Critical Hefei Anhui Software Co Ltd
Priority to CN201911120207.1A priority Critical patent/CN110866081B/zh
Publication of CN110866081A publication Critical patent/CN110866081A/zh
Application granted granted Critical
Publication of CN110866081B publication Critical patent/CN110866081B/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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Instructional Devices (AREA)

Abstract

本发明公开了一种基于互联网地图的路况拥堵分析方法，涉及电子地图处理技术领域。本发明包括如下步骤：S1、分析互联网地图，提取拥堵瓦片图，得到路况分布图；S2、对瓦片图进行分级，直至有足够的信息进行数据分析；S3、将坐标系转换为WGS84坐标系；S4、对拥堵瓦片图进行图像分析；S5、对分析出的拥堵图进行抽稀和骨干化处理；S6、对拥堵处进行反地理信息编码及拥堵方向的分析。本发明通过分析互联网地图提取拥堵瓦片图获取路况分布图，对瓦片图进行分级直至能够进行图像分析，并对拥堵图进行抽稀和骨干化处理，分析反地理信息编码及拥堵方向信息，方便用户获取更多有价值的交通路况信息，提高用户出行质量。

Description

一种基于互联网地图的路况拥堵分析方法
技术领域
本发明属于电子地图处理技术领域，特别是涉及一种基于互联网地图的路况拥堵分析方法。
背景技术
现在社会生活人们的日常出行都会关注交通拥堵问题，电子地图成为了人们生活中必不可少的辅助工具，在一些互联网的电子地图网站或者APP上能够清晰的看到地图上的拥堵路况信息。
但是这种展现形式表达出信息量很有限，无法获取到一些详细的拥堵明细的数据，例如拥堵距离，拥堵方向，拥堵所属行政区划，拥堵详细地址，拥堵道路信息，拥堵的geometry信息，拥堵持续时间，拥堵趋势等信息。有了这些数据，我们可以对某些拥堵地点进行分析统计得出一些有价值的信息，甚至当地的交通管理部门可根据分析出信息进行交通疏导和管理。
因此，为了解决上述问题，本发明提供了一种基于互联网地图的道路拥堵分析方法，方便用户获取更多有价值的交通路况信息，提高用户出行质量。
发明内容
本发明的目的在于提供一种基于互联网地图的路况拥堵分析方法，通过分析互联网地图提取拥堵瓦片图，对瓦片图进行分级，并对拥堵图进行抽稀和骨干化处理，分析反地理信息编码及拥堵方向信息，解决了现有的电子地图拥堵明细不够详细、提供有用信息不足的问题。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明为一种基于互联网地图的路况拥堵分析方法，包括如下步骤：
步骤S1：分析互联网地图，提取拥堵瓦片图，得到路况分布图；
步骤S2：对瓦片图进行分级，直至有足够的信息进行数据分析；
步骤S3：将坐标系转换为WGS84坐标系；
步骤S4：对拥堵瓦片图进行图像分析；
步骤S5：对分析出的拥堵图进行抽稀和骨干化处理；
步骤S6：对拥堵处进行反地理信息编码及拥堵方向的分析。
优选地，所述步骤S4中，对拥堵瓦片图进行图像分析处理的具体步骤为：
步骤S41：将原图为RGBA的拥堵瓦片图转化为BGR色彩模式；
步骤S42：将BGR色彩模式转化为HSV色彩模式；
步骤S43：将HSV色彩模式进行二值化处理；
步骤S44：再将图片进行腐蚀化处理，得到锐化后图像；
步骤S45：将每一处分析得到的拥堵块，使用矩形进行外包，切分处理；
步骤S46：将切分的拥堵块进行提取，暂存待使用；
步骤S47：将分析完成后得出的数据汇入原图片中显示，以验证分析的正确性。
优选地，所述步骤S42中，HSV色彩模式在二值化处理前，需要提取出红色和黄色的颜色范围，再进行阈值化处理。
优选地，所述步骤S5中，对大量的数据点进行稀释处理，针对拥堵瓦片图进行轮廓提取，将轮廓内部进行填充，得到整个拥堵部分，再进行骨架提取。
优选地，所述步骤S6中，反地理信息编码用以对分析出已知的经纬度进行地理位置的解析；拥堵方向分析依据计算拥堵路线相邻两点的夹角，求出斜率转化成角度，再推算出整体拥堵路线的方向；分析得出的数据发往中间件进行存储。
本发明具有以下有益效果：
本发明通过分析互联网地图提取拥堵瓦片图获取路况分布图，对瓦片图进行分级直至能够进行图像分析，并对拥堵图进行抽稀和骨干化处理，分析反地理信息编码及拥堵方向信息，方便用户获取更多有价值的交通路况信息，提高用户出行质量。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。
图1为本发明的一种基于互联网地图的路况拥堵分析方法步骤图；
图2为本发明对拥堵瓦片图进行图像分析处理的步骤图；
图3为合肥市的路况分布图；
图4为缩放等级设置为17级的拥堵瓦片图；
图5为实施例中城区附近的拥堵瓦片原图；
图6为实施例中将图5转化为BGR色彩模式后的图片；
图7为实施例中将图6转化为HSV色彩模式后的图片；
图8为实施例中提取出图7中红色和黄色的颜色范围后的图片；
图9为实施例中对图8进行二值化处理后的图片；
图10为实施例中对图9进行腐蚀化处理后的图片；
图11为实施例中对图10使用矩形进行外包矩形处理后的图片；
图12为实施例中对切分块进行提取处理后的图片；
图13为实施例中将分析得出数据重新汇入原图片进行验证的图片；
图14为图4左上角的局部放大图；
图15为图14中提取的拥堵轮廓图；
图16为对图15进行拥堵轮廓填充图；
图17为图15和图16进行叠加运算后的骨架图；
图18为图17的骨架放大图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种基于互联网地图的路况拥堵分析方法，包括如下步骤：
步骤S1：分析互联网地图，提取纯净的拥堵瓦片图，得到某一地级(如图3为合肥市的路况分布图)路况分布图；
步骤S2：对瓦片图进行分级(如图4为缩放等级设置成17级)，直至有足够的信息进行数据分析；
步骤S3：将坐标系转换为WGS84坐标系；
步骤S4：对拥堵瓦片图进行图像分析；
步骤S5：对分析出的拥堵图进行抽稀和骨干化处理；
步骤S6：对拥堵处进行反地理信息编码及拥堵方向的分析。
请参阅图2所示，步骤S4中，对拥堵瓦片图进行图像分析处理的具体步骤为：
步骤S41：将原图为RGBA的拥堵瓦片图转化为BGR色彩模式；
步骤S42：将BGR色彩模式转化为HSV色彩模式；
步骤S43：将HSV色彩模式进行二值化处理；
步骤S44：再将图片进行腐蚀化处理，得到锐化后图像；
步骤S45：将每一处分析得到的拥堵块，使用矩形进行外包，切分处理；
步骤S46：将切分的拥堵块进行提取，暂存待使用；
步骤S47：将分析完成后得出的数据汇入原图片中显示，以验证分析的正确性。
其中，步骤S42中，HSV色彩模式在二值化处理前，需要提取出红色和黄色的颜色范围，再进行阈值化处理。
其中，步骤S5中，对大量的数据点进行稀释处理，针对拥堵瓦片图进行轮廓提取，将轮廓内部进行填充，得到整个拥堵部分，再进行骨架提取。
其中，步骤S6中，反地理信息编码用以对分析出已知的经纬度进行地理位置的解析；拥堵方向分析依据计算拥堵路线相邻两点的夹角，求出斜率转化成角度，再推算出整体拥堵路线的方向；分析得出的数据发往中间件进行存储。
本实施例的一个具体应用为：
如图5所示，对城区附近的拥堵瓦片图为例进行图像分析，原图为RGBA 带透明属性的png图片；
如图6所示，将原图的RBGA模式转化成BGR色彩模式后的图片；
如图7所示，将BGR色彩模式转化为HSV色彩模式后的图片；
如图8所示，将HSV色彩模式的图片提取出红色和黄色的颜色范围；
如图9所示，将图8中HSV色彩模式进行二值化处理，即白色表示1，黑色表示0；
如图10所示，将二值化处理后的图片进行腐蚀化处理，锐化图像，减少干扰噪点；
如图11所示，将图10中每处分析得到的拥堵块，使用矩形外包处理，进行切分；
如图12所示，将图11中切分的拥堵块进行提取，暂存待使用。
如图13所示，将分析完毕得出的数据重新汇入原图片中显示，用以显示分析的正确性；
当分析完毕得出的数据重新汇入原图片中，拥堵块与地图上道路重合，则认为显示分析的正确，这时需要对道路拥堵进行抽稀化处理和骨干化处理，抽稀是对大量的数据进行处理，处理后得到的结果仍不影响原来的形状，如下图14所示，提取图4中左上角的拥堵部分来处理，将图14中的拥堵进行轮廓提取得到图15，对提取的拥堵轮廓进行填充得到图16，再将图15和图 16进行叠加运算，得到整个拥堵的部分，再进行骨架提取，提取的骨架如图 17所示，将图17的骨架进行放大得到最小的骨架图18，保证骨架基本上都是1像素值，因为骨架都是由每个像素点构成的，对拥堵处进行反地理信息编码，即对分析出已知的经纬度进行地理位置的解析；通过计算骨架上相邻两像素两点夹角，转化成角度，就能够推算出整体拥堵路线的方向，最后将分析得出的数据发往中间存储。
值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (5)

1.一种基于互联网地图的路况拥堵分析方法，其特征在于，包括如下步骤：
步骤S1：分析互联网地图，提取拥堵瓦片图，得到路况分布图；
步骤S2：对瓦片图进行分级，直至有足够的信息进行数据分析；
步骤S3：将坐标系转换为WGS84坐标系；
步骤S4：对拥堵瓦片图进行图像分析；
步骤S5：对分析出的拥堵图进行抽稀和骨干化处理；
步骤S6：对拥堵处进行反地理信息编码及拥堵方向的分析。
2.根据权利要求1所述的一种基于互联网地图的路况拥堵分析方法，其特征在于，所述步骤S4中，对拥堵瓦片图进行图像分析处理的具体步骤为：
步骤S41：将原图为RGBA的拥堵瓦片图转化为BGR色彩模式；
步骤S42：将BGR色彩模式转化为HSV色彩模式；
步骤S43：将HSV色彩模式进行二值化处理；
步骤S44：再将图片进行腐蚀化处理，得到锐化后图像；
步骤S45：将每一处分析得到的拥堵块，使用矩形进行外包，切分处理；
步骤S46：将切分的拥堵块进行提取，暂存待使用；
步骤S47：将分析完成后得出的数据汇入原图片中显示，以验证分析的正确性。
3.根据权利要求2所述的一种基于互联网地图的路况拥堵分析方法，其特征在于，所述步骤S42中，HSV色彩模式在二值化处理前，需要提取出红色和黄色的颜色范围，再进行阈值化处理。
4.根据权利要求1所述的一种基于互联网地图的路况拥堵分析方法，其特征在于，所述步骤S5中，对大量的数据点进行稀释处理，针对拥堵瓦片图进行轮廓提取，将轮廓内部进行填充，得到整个拥堵部分，再进行骨架提取。
5.根据权利要求1所述的一种基于互联网地图的路况拥堵分析方法，其特征在于，所述步骤S6中，反地理信息编码用以对分析出已知的经纬度进行地理位置的解析；拥堵方向分析依据计算拥堵路线相邻两点的夹角，求出斜率转化成角度，再推算出整体拥堵路线的方向；分析得出的数据发往中间件进行存储。
CN201911120207.1A 2019-11-15 2019-11-15 一种基于互联网地图的路况拥堵分析方法 Active CN110866081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911120207.1A CN110866081B (zh) 2019-11-15 2019-11-15 一种基于互联网地图的路况拥堵分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911120207.1A CN110866081B (zh) 2019-11-15 2019-11-15 一种基于互联网地图的路况拥堵分析方法

Publications (2)

Publication Number Publication Date
CN110866081A true CN110866081A (zh) 2020-03-06
CN110866081B CN110866081B (zh) 2023-03-28

Family

ID=69653648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911120207.1A Active CN110866081B (zh) 2019-11-15 2019-11-15 一种基于互联网地图的路况拥堵分析方法

Country Status (1)

Country Link
CN (1) CN110866081B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862248A (zh) * 2021-01-06 2021-05-28 山东旗帜信息有限公司 一种路段抽稀方法、设备及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09259386A (ja) * 1996-03-22 1997-10-03 Matsushita Electric Ind Co Ltd 渋滞情報表示装置
US20060156266A1 (en) * 2005-01-11 2006-07-13 Alpert Charles J Probabilistic congestion prediction with partial blockages
CN104318768A (zh) * 2014-10-27 2015-01-28 杭州智诚惠通科技有限公司 基于Hadoop的自适应交通信息瓦片地图生成系统及方法
CN106448167A (zh) * 2016-11-17 2017-02-22 天津市市政工程设计研究院 一种基于实时路况的拥堵点判别方法
CN107301369A (zh) * 2017-09-04 2017-10-27 南京航空航天大学 基于航拍图像的道路交通拥堵分析方法
JP2018136781A (ja) * 2017-02-22 2018-08-30 本田技研工業株式会社 渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラム
CN109461303A (zh) * 2018-10-30 2019-03-12 北京恒达时讯科技股份有限公司 一种交通拥堵状态获取方法和装置
CN109615864A (zh) * 2018-12-29 2019-04-12 深圳英飞拓科技股份有限公司 基于视频结构化的车辆拥堵分析方法、系统、终端及存储介质
KR20190076271A (ko) * 2017-12-22 2019-07-02 한동대학교 산학협력단 Cctv 영상을 이용한 도로 혼잡도 분석 방법 및 시스템

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09259386A (ja) * 1996-03-22 1997-10-03 Matsushita Electric Ind Co Ltd 渋滞情報表示装置
US20060156266A1 (en) * 2005-01-11 2006-07-13 Alpert Charles J Probabilistic congestion prediction with partial blockages
CN104318768A (zh) * 2014-10-27 2015-01-28 杭州智诚惠通科技有限公司 基于Hadoop的自适应交通信息瓦片地图生成系统及方法
CN106448167A (zh) * 2016-11-17 2017-02-22 天津市市政工程设计研究院 一种基于实时路况的拥堵点判别方法
JP2018136781A (ja) * 2017-02-22 2018-08-30 本田技研工業株式会社 渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラム
CN107301369A (zh) * 2017-09-04 2017-10-27 南京航空航天大学 基于航拍图像的道路交通拥堵分析方法
KR20190076271A (ko) * 2017-12-22 2019-07-02 한동대학교 산학협력단 Cctv 영상을 이용한 도로 혼잡도 분석 방법 및 시스템
CN109461303A (zh) * 2018-10-30 2019-03-12 北京恒达时讯科技股份有限公司 一种交通拥堵状态获取方法和装置
CN109615864A (zh) * 2018-12-29 2019-04-12 深圳英飞拓科技股份有限公司 基于视频结构化的车辆拥堵分析方法、系统、终端及存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
XIAO,ZHIBIN等: "A Hexagonal Shaped Processor and Interconnect Topology for Tightly-tiled Many-Core Architecture", 《2012 IEEE/IFIP 20TH INTERNATIONAL CONFERENCE ON VLSI AND SYSTEM-ON-CHIP (VLSI-SOC)》 *
YOUNSHIK CHUNG 等: "Spatiotemporal Analysis of Traffic Congestion Caused by Rubbernecking at Freeway Accidents" *
李蜜;王霞;李金良;: "交通拥堵下基于可靠度的出行路径模型及算例分析" *
牛灵芝;温惠英;: "城市道路拥堵与道路平均速度相关性分析" *
王颖: "北京市营运车辆GPS监管平台车辆监管设计与开发", 《中国优秀硕士学位论文全文数据库(电子期刊)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862248A (zh) * 2021-01-06 2021-05-28 山东旗帜信息有限公司 一种路段抽稀方法、设备及介质

Also Published As

Publication number Publication date
CN110866081B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN109977812B (zh) 一种基于深度学习的车载视频目标检测方法
Zhang et al. Parcel-based urban land use classification in megacity using airborne LiDAR, high resolution orthoimagery, and Google Street View
CN103034848B (zh) 一种表单类型的识别方法
CN109255350B (zh) 一种基于视频监控的新能源车牌检测方法
CN106203398A (zh) 一种检测车道边界的方法、装置和设备
CN112418278A (zh) 一种多类物体检测方法、终端设备及存储介质
US11164031B2 (en) System and method for analyzing an image of a vehicle
Han et al. Noncontact detection of earthquake-induced landslides by an enhanced image binarization method incorporating with Monte-Carlo simulation
US20230360407A1 (en) Method, apparatus, and computer program product for map data generation from probe data imagery
CN109657728B (zh) 样例生产方法及模型训练方法
CN110827286B (zh) 基于路网的地理区域分割方法、装置以及电子设备
CN114519819A (zh) 一种基于全局上下文感知的遥感图像目标检测方法
CN113409461A (zh) 构建地貌地图的方法、装置、电子设备和可读存储介质
CN110866081B (zh) 一种基于互联网地图的路况拥堵分析方法
CN106295627A (zh) 用于识别文字牛皮癣图片的方法及装置
CN112102250A (zh) 训练数据为缺失标注的病理图像检测模型建立、检测方法
JP7275555B2 (ja) 図面検査システム、図面検査装置、図面検査方法、およびプログラム
CN114332809A (zh) 一种图像识别方法、装置、电子设备和存储介质
CN117011413B (zh) 道路图像重建方法、装置、计算机设备和存储介质
CN111310607B (zh) 基于计算机视觉和人工智能的公路安全风险识别方法及系统
Ito et al. Translating street view imagery to correct perspectives to enhance bikeability and walkability studies
Yin et al. A context-enriched satellite imagery dataset and an approach for parking lot detection
CN114757195A (zh) 指路及旅游标志版面信息含义识别方法及装置
JP7365145B2 (ja) 情報提供装置、情報提供方法、およびプログラム
JP7180827B2 (ja) 一般物体認識システム

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