CN110928975A - 用于确定公交站点之间的距离的方法和装置 - Google Patents
用于确定公交站点之间的距离的方法和装置 Download PDFInfo
- Publication number
- CN110928975A CN110928975A CN201911218821.1A CN201911218821A CN110928975A CN 110928975 A CN110928975 A CN 110928975A CN 201911218821 A CN201911218821 A CN 201911218821A CN 110928975 A CN110928975 A CN 110928975A
- Authority
- CN
- China
- Prior art keywords
- target
- track
- distance
- track points
- 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
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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本说明书的实施例提供了用于确定公交站点之间的距离的方法、装置、计算设备和机器可读存储介质。该方法包括:在M个轨迹点中,确定公交线路的N个站点分别对应的N个目标轨迹点,N为大于1的正整数,M为大于或等于N的正整数,其中:M个轨迹点的连线用于表示在公交线路上的公交运行轨迹,N个目标轨迹点在公交运行轨迹上遵循与N个站点对应的先后顺序;在N个站点各自与M个轨迹点中任意的N个轨迹点的距离的总和当中,N个站点与对应的目标轨迹点的距离的总和是最小的;基于N个目标轨迹点,确定N个站点中的各站点之间的距离。
Description
技术领域
本说明书的实施例涉及信息技术领域,并且更具体地,涉及用于确定公交站点之间的距离的方法、装置、计算设备和机器可读存储介质。
背景技术
公共交通是城市综合交通系统中的重要组成部分。随着社会经济的发展和公共交通的不断完善,乘坐公共交通工具出行已经成为居民的主要出行方式之一,因此合理地评价和规划公交线网显得尤为重要。
在评价和规划公交线网时,通常需要获取关于公交线路、站点等相关信息,那么如何得到相应的信息成为需要解决的问题之一。
发明内容
鉴于此,本说明书的实施例提供了用于确定公交站点之间的距离的方法、装置、计算设备和机器可读存储介质。
一方面,本说明书的实施例提供了一种用于确定公交站点之间的距离的方法,包括:在M个轨迹点中,确定公交线路的N个站点分别对应的N个目标轨迹点,N为大于1的正整数,M为大于或等于N的正整数,其中:所述M个轨迹点的连线用于表示在所述公交线路上的公交运行轨迹,所述N个目标轨迹点在所述公交运行轨迹上遵循与所述N个站点对应的先后顺序;在所述N个站点各自与所述M个轨迹点中任意的N个轨迹点的距离的总和当中,所述N个站点与对应的目标轨迹点的距离的总和是最小的;基于所述N个目标轨迹点,确定所述N个站点中的各站点之间的距离。
另一方面,本说明书的实施例提供了一种用于确定公交站点之间的距离的装置,包括:第一确定单元,其在M个轨迹点中,确定公交线路的N个站点分别对应的N个目标轨迹点,N为大于1的正整数,M为大于或等于N的正整数,其中:所述M个轨迹点的连线用于表示在所述公交线路上的公交运行轨迹,所述N个目标轨迹点在所述公交运行轨迹上遵循与所述N个站点对应的先后顺序;在所述N个站点各自与所述M个轨迹点中任意的N个轨迹点的距离的总和当中,所述N个站点与对应的目标轨迹点的距离的总和是最小的;第二确定单元,其基于所述N个目标轨迹点,确定所述N个站点中的各站点之间的距离。
另一方面,本说明书的实施例提供了一种计算设备,包括:至少一个处理器;与所述至少一个处理器进行通信的存储器,其上存储有可执行代码,所述可执行代码在被所述至少一个处理器执行时使得所述至少一个处理器实现上述方法。
另一方面,本说明书的实施例提供了一种机器可读存储介质,其存储有可执行代码,所述可执行代码在被执行时使得机器执行上述方法。
附图说明
通过结合附图对本说明书的实施例的更详细的描述,本说明书的实施例的上述以及其它目的、特征和优势将变得更加明显,其中,在本说明书的实施例中,相同的附图标记通常代表相同的元素。
图1是根据一个实施例的用于确定公交站点之间的距离的方法的示意性流程图。
图2示出了根据一个实施例的应用场景的例子。
图3是根据一个实施例的用于确定目标轨迹点的例子的示意性流程图。
图4是根据一个实施例的用于确定公交站点之间的距离的装置的示意性框图。
图5是根据一个实施例的用于确定公交站点之间的距离的计算设备的硬件结构图。
具体实施方式
现在将参考各实施例讨论本文描述的主题。应当理解的是,讨论这些实施例仅是为了使得本领域技术人员能够更好地理解并且实现本文描述的主题,并非是对权利要求书中所阐述的保护范围、适用性或者例子的限制。可以在不脱离权利要求书的保护范围的情况下,对所讨论的元素的功能和排列进行改变。各个实施例可以根据需要,省略、替换或者添加各种过程或组件。
如本文中使用的,术语“包括”及其变型表示开放的术语,含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其它实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其它的定义,无论是明确的还是隐含的,除非上下文中明确地指明,否则一个术语的定义在整个说明书中是一致的。
通常,现有的电子地图可以提供公交线路的某些数据,例如,公交线路的站点的位置信息、公交运行轨迹点的信息等。在进行公交线网评价和规划时,往往还希望知道公交站点之间的距离信息。在这种情况下,可能需要基于电子地图所提供的公交线路数据,来确定公交站点之间的距离。
鉴于此,本说明书的实施例提供了一种用于确定公交站点之间的距离的技术方案,以便为后续应用提供准确可靠的数据。例如,在一些情况下,基于公交站点之间的距离,可以估算公交运行时间。在知道用户上车点和下车点的情况下,可以确定用户乘车时间,从而为公交线网评价和规划提供依据。再例如,在一些情况下,基于公交站点之间的距离,可以构建公交线网图,比如站点可以作为节点,站点之间的连线可以作为边,站点之间的距离可以作为边的权重,从而构建公交线网图,由此可以用于公交乘车导航等等。
下面将结合具体例子来描述该技术方案。
图1是根据一个实施例的用于确定公交站点之间的距离的方法的示意性流程图。
如图1所示,在步骤102中,可以在M个轨迹点中,确定公交线路的N个站点分别对应的N个目标轨迹点。
M个轨迹点的连线可以用于表示在公交线路上的公交运行轨迹。N个目标轨迹点在公交运行轨迹上可以遵循与N个站点对应的先后顺序。例如,在公交运行轨迹上,第(i+1)站点对应的目标轨迹点应当位于第i站点对应的目标轨迹点之后。
此外,在N个站点各自与M个轨迹点中任意的N个轨迹点的距离的总和当中,N个站点与对应的目标轨迹点的距离的总和可以是最小的。
此处,N可以为大于1的正整数,M可以为大于或等于N的正整数。也就是说,公交线路可以具有至少两个站点,而轨迹点可以至少为两个或更多个。
在步骤104中,可以基于N个目标轨迹点,来确定N个站点中的各站点之间的距离。
在该实施例中,通过按照各个站点的先后顺序以及使得各个站点与对应的目标轨迹点的距离的总和达到最小的方式,能够从全局角度合理地确定每个站点所对应的目标轨迹点。然后基于与各个站点对应的目标轨迹点,能够准确地确定各个站点之间的距离,从而为后续应用提供准确的数据。
在本文中,轨迹点可以是在公交运行过程中采集的离散点。每个轨迹点可以使用经纬度坐标来表示。通常,轨迹点之间相距较近,因此相邻的两个轨迹点之间的距离可以认为是这两个轨迹点之间的直线距离,也可以理解为公交在这两个轨迹点之间是按照直线行进的。
因此,在步骤104中,假设要确定N个站点中的第一站点与第二站点之间的距离,并且假设第一站点对应于第一目标轨迹点,第二站点对应于第二目标轨迹点。那么,可以计算从第一目标轨迹点到第二目标轨迹点的轨迹上的各个轨迹点两两之间的直线距离的总和,作为第一站点与第二站点之间的距离。
例如,假设第一站点对应于第4轨迹点,第二站点对应于第9轨迹点,则从第一站点到第二站点的公交运行轨迹可以通过第4、5、6、7、8、9轨迹点来表示。这样,可以计算这6个轨迹点两两之间的直线距离的总和,作为第一站点与第二站点之间的距离。
为了帮助本领域技术人员更加容易理解本文的技术方案,图2示出了根据一个实施例的应用场景的例子。在图2的例子中,圆圈可以表示公交线路的各个站点,黑色圆点可以表示轨迹点。如图2所示,连接黑色圆点所得到的连线可以表示公交运行轨迹。为了便于说明,位于圆圈内的黑色圆点可以表示与该圆圈表示的站点相对应的目标轨迹点。可见,两个站点之间的距离可以通过将其之间的各个轨迹点两两之间的直线距离相加来得到。
从上述可以看出,为站点找到合理的轨迹点对于准确地确定公交站点之间的距离而言是非常重要的。下面将详细描述如何确定站点所对应的目标轨迹点。
在一个实施例中,为了便于说明,N个站点可以使用S=[s1,s2,s3…sN]来表示,其中si=[xi,yi]可以表示第i站点,[xi,yi]可以表示该站点的经纬度坐标。i可以是小于或等于N的正整数。
M个轨迹点可以使用P=[p1,p2,p3…pM]来表示,其中,pj=[uj,vj]可以表示第j轨迹点,[uj,vj]可以表示该轨迹点的经纬度坐标。j可以是小于或等于M的正整数。
为了确定N个站点对应的目标轨迹点,可以设置两个矩阵,即距离矩阵LN×M和匹配矩阵CM×M。
距离矩阵LM×M的元素可以表示各站点与各轨迹点之间的直线距离。例如,可以计算任意的第i站点(即站点si)与任意的第j轨迹点(即轨迹点pj)之间的直线距离Lij,所有这些距离可以构成N*M的距离矩阵LN×M。
此外,可以使用N*M的匹配矩阵CN×M来表示站点与轨迹点之间的对应性。例如,可以假设Cij=0表示第i站点与第j轨迹点是不对应的,元素Cij=1表示第i站点与第j轨迹点是对应的。
由此,各站点与轨迹点之间的距离的总和可以表示为:
可以理解的是,对于一条指定的公交线路,距离矩阵LN×M可以是固定的,而匹配矩阵CN×M是可变的。那么,可以确定使得f(LN×M)达到最小的目标匹配矩阵,从而得到N个站点分别对应的N个目标轨迹点。
在这种情况下,确定N个目标轨迹点的过程可以表示为如下的最优化问题:
可见,通过这种方式,能够以简单高效的方式来确定站点所对应的目标轨迹点。
在一个实施例中,为了更加合理地确定站点所对应的目标轨迹点,可以使得匹配矩阵CN×M满足如下的约束条件。
(1)匹配矩阵CN×M的每行元素的总和必须为1,这表示一个站点必须与一个轨迹点相对应。该约束条件可以表示为:
(2)匹配矩阵CN×M的每列元素的总和小于或等于1,这表示一个轨迹点最多与一个站点相对应。该约束条件可以表示为:
(3)在匹配矩阵CN×M中,如果元素Cij=1并且元素C(i+1)k=1,则k为大于j的正整数。这表示目标轨迹点需要遵循顺序性。例如,如果第i站点对应于第j轨迹点,那么要求第(i+1)站点对应于第j轨迹点之后的轨迹点。
该约束条件可以表示为:
通过在这些约束条件下对前述优化问题进行求解,能够有效地确保将站点匹配到合理的轨迹点。
例如,在一种方式中,可以针对每个站点,遍历所有轨迹点,将与该站点的直线距离最短的轨迹点作为其对应的目标轨迹点。这种方式可以适用于大部分简单的线路,而对于复杂的环路线路时,可能会出现错误。比如,在针对环路线路的公交运行轨迹上具有50个轨迹点,其中,第1个轨迹点和第50个轨迹点均位于始发站点(由于是环路线路,所以始发站点同时也是终点站点)附近,而第50个轨迹点距离始发站点更近,那么这种方式可能会将第50个轨迹点与始发站点匹配,从而造成错误匹配,由此导致站点距离的计算出错。
而在本文的实施例中,通过在以上约束条件下,使得各个站点与对应的目标轨迹点的距离之和达到最小,能够从全局角度为各个站点确定更加合理的轨迹点。因此,本文的实施例能够适用于任意形态的复杂公交线路。
在一个实施例中,可以采用动态规划(Dynamic Programming)算法,来确定目标匹配矩阵。也就是说,可以采用动态规划算法来对上述最优化问题求解,使得在实现上简单高效。动态规划算法属于运筹学的一个分支,是求解决策过程(Decision Process)最优化的数学方法。动态规划算法通常将多阶段过程转化为一系列单阶段问题,利用各阶段之间的关系,逐个求解。
例如,上述最优化问题可以表示为如下等式,即原最优化问题被拆解为以下子问题:
f(LN×M)=min{L1j+f(L(N-1)×(M-J))}。
具体地,假设在第一轮匹配时,第1站点的目标轨迹点为第j轨迹点,其之间的距离可以表示为L1j。那么,在进行下一轮匹配时,基于上述约束条件,可以去除距离矩阵LN×M的第1行和第1~j列,形成新的距离矩阵L(N-1)×(M-j),由此成为一个新的子问题。在该子问题中,最小距离总和可以表示为f(L(N-1)×(M-j))。这样,通过将原最优化问题依次拆解为各个子问题,从而得到最终的目标匹配矩阵。在一种实现方式中,可以通过递归函数来求解全局最小距离总和。
可见,通过这种方式,能够简单高效地实现对目标轨迹点的确定。
图3是根据一个实施例的用于确定目标轨迹点的例子的示意性流程图。在图3的例子中,为了便于说明,可以假设N为3,即公交线路具有3个站点。为了确定这3个站点所对应的目标轨迹点,可以构建距离矩阵LN×M和匹配矩阵CN×M。
然后,可以通过递归求解子问题,从而确定各个站点所对应的目标轨迹点。
可见,在该实施例中,通过动态规划算法,基于对匹配矩阵的各个约束条件来对站点和轨迹点进行全局匹配,能够从全局角度为每个站点确定更加合理的轨迹点。这种方式能够适用于任意形态的复杂公交线路的场景。
可以理解的是,动态规划算法仅是一种示例,本文还可以采用其它适用的算法来求解上述最优化问题。
图4是根据一个实施例的用于确定公交站点之间的距离的装置的示意性框图。
如图4所示,装置400可以包括第一确定单元402和第二确定单元404。
第一确定单元402可以在M个轨迹点中,确定公交线路的N个站点分别对应的N个目标轨迹点。M个轨迹点的连线可以用于表示在该公交线路上的公交运行轨迹,N个目标轨迹点在公交运行轨迹上可以遵循与N个站点对应的先后顺序。此外,在N个站点各自与M个轨迹点中任意的N个轨迹点的距离的总和当中,N个站点与对应的目标轨迹点的距离的总和可以是最小的。此处,N可以为大于1的正整数,M可以为大于或等于N的正整数。
第二确定单元404可以基于N个目标轨迹点,确定N个站点中的各站点之间的距离。
在该实施例中,通过按照各个站点的先后顺序以及使得各个站点与对应的目标轨迹点之间的距离的总和达到最小的方式,能够从全局角度合理地确定每个站点所对应的目标轨迹点。然后基于与各个站点相对应的目标轨迹点,能够准确地确定各个站点之间的距离,从而为后续应用提供准确的数据。
在一个实施例中,在M个轨迹点中,相邻的两个轨迹点之间的距离可以为这两个轨迹点之间的直线距离。
针对N个站点中的第一站点和第二站点,假设第一站点对应于第一目标轨迹点,第二站点对应于第二目标轨迹点,则第二确定404可以计算从第一目标轨迹点到第二目标轨迹点的轨迹上的各个轨迹点两两之间的直线距离的总和,作为第一站点与第二站点之间的距离。
在一个实施例中,针对距离矩阵LN×M和匹配矩阵CN×M,其中,在距离矩阵LN×M中,元素Lij表示第i站点与第j轨迹点之间的距离;在匹配矩阵CN×M中,假设元素Cij=0表示第i站点与第j轨迹点是不对应的,以及元素Cij=1表示第i站点与第j轨迹点是对应的,i为小于或等于N的正整数,j为小于或等于M的正整数:
然后,第一确定单元402可以基于目标匹配矩阵,确定N个目标轨迹点。
在一个实施例中,匹配矩阵CN×M可以满足如下的约束条件:
匹配矩阵CN×M的每行元素的总和为1;
匹配矩阵CN×M的每列元素的总和小于或等于1;
在匹配矩阵CN×M中,如果元素Cij=1并且元素C(i+1)k=1,则k为大于j的正整数。
在一个实施例中,第一确定单元402可以使用动态规划算法,确定目标匹配矩阵。
在一个实施例中,假设第1站点的目标轨迹点为第j轨迹点,则第一确定单元402可以通过以下等式来确定目标匹配矩阵:
f(LN×M)=min{L1j+f(L(N-1)×(M-J))}。
装置400的各个单元可以执行图1至3的实施例中的相应过程,因此,为了描述的简洁,装置400的各个单元的具体操作和功能此处不再赘述。
上述装置400可以采用硬件实现,也可以采用软件实现,或者可以通过软硬件的组合来实现。例如,装置400在采用软件实现时,其可以通过其所在设备的处理器将存储器(比如非易失性存储器)中对应的可执行代码读取到内存中运行来形成。
图5是根据一个实施例的用于确定公交站点之间的距离的计算设备的硬件结构图。如图5所示,计算设备500可以包括至少一个处理器502、存储器504、内存506和通信接口508,并且至少一个处理器502、存储器504、内存506和通信接口508经由总线510连接在一起。至少一个处理器502可以执行在存储器504中存储或编码的至少一个可执行代码(即,上述以软件形式实现的元素)。
在一个实施例中,在存储器504中存储的可执行代码在被至少一个处理器502执行时,使得计算设备实现以上结合图1-3描述的各种过程。
计算设备500可以采用本领域任何适用的形式来实现,例如,其包括但不限于台式计算机、膝上型计算机、智能电话、平板计算机、消费电子设备、可穿戴智能设备等等。
本说明书的实施例还提供了一种机器可读存储介质。该机器可读存储介质可以存储有可执行代码,可执行代码在被机器执行时使得机器实现上面参照图1-3描述的实施例的具体过程。
例如,机器可读存储介质可以包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、静态随机存取存储器(Static Random Access Memory,SRAM)、硬盘、闪存等等。
应当理解的是,本说明书中的各个实施例均采用递进的方式来描述,各个实施例之间相同或相似的部分相互参见即可,每个实施例重点说明的都是与其它实施例的不同之处。例如,对于上述关于装置的实施例、关于计算设备的实施例以及关于机器可读存储介质的实施例而言,由于它们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。
上文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。
上述各流程和各系统结构图中不是所有的步骤和单元都是必须的,可以根据实际的需要忽略某些步骤或单元。上述各实施例中描述的装置结构可以是物理结构,也可以是逻辑结构,即,有些单元可能由同一物理实体实现,或者,有些单元可能分别由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
在整个本说明书中使用的术语“示例性”意味着“用作例子、实例或例示”,并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的,具体实施方式包括具体细节。然而,可以在没有这些具体细节的情况下实施这些技术。在一些实例中,为了避免对所描述的实施例的概念造成难以理解,公知的结构和装置以框图形式示出。
以上结合附图详细描述了本公开内容的实施例的可选实施方式,但是,本公开内容的实施例并不限于上述实施方式中的具体细节,在本公开内容的实施例的技术构思范围内,可以对本公开内容的实施例的技术方案进行多种变型,这些变型均属于本公开内容的实施例的保护范围。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说,对本公开内容进行的各种修改是显而易见的,并且,也可以在不脱离本公开内容的保护范围的情况下,将本文所定义的一般性原理应用于其它变型。因此,本公开内容并不限于本文所描述的例子和设计,而是与符合本文公开的原理和新颖性特征的最广范围相一致。
Claims (14)
1.一种用于确定公交站点之间的距离的方法,包括:
在M个轨迹点中,确定公交线路的N个站点分别对应的N个目标轨迹点,N为大于1的正整数,M为大于或等于N的正整数,其中:
所述M个轨迹点的连线用于表示在所述公交线路上的公交运行轨迹,所述N个目标轨迹点在所述公交运行轨迹上遵循与所述N个站点对应的先后顺序;
在所述N个站点各自与所述M个轨迹点中任意的N个轨迹点的距离的总和当中,所述N个站点与对应的目标轨迹点的距离的总和是最小的;
基于所述N个目标轨迹点,确定所述N个站点中的各站点之间的距离。
2.根据权利要求1所述的方法,其中,在所述M个轨迹点中,相邻的两个轨迹点之间的距离为所述两个轨迹点之间的直线距离;
确定所述N个站点中的各站点之间的距离,包括:
针对所述N个站点中的第一站点和第二站点,所述第一站点对应于第一目标轨迹点,所述第二站点对应于第二目标轨迹点:
计算从所述第一目标轨迹点到所述第二目标轨迹点的轨迹上的各个轨迹点两两之间的直线距离的总和,作为所述第一站点与所述第二站点之间的距离。
4.根据权利要求3所述的方法,其中,所述匹配矩阵CN×M满足如下的约束条件:
所述匹配矩阵CN×M的每行元素的总和为1;
所述匹配矩阵CN×M的每列元素的总和小于或等于1;
在所述匹配矩阵CN×M中,如果元素Cij=1并且元素C(i+1)k=1,则k为大于j的正整数。
5.根据权利要求4所述的方法,其中,确定所述目标匹配矩阵,包括:
使用动态规划算法,确定所述目标匹配矩阵。
6.根据权利要求5所述的方法,其中,使用动态规划算法,确定所述目标匹配矩阵,包括:
假设第1站点的目标轨迹点为第j轨迹点,则通过以下等式来确定所述目标匹配矩阵:f(LN×M)=min{L1j+f(L(N-1)×(M-j))}。
7.一种用于确定公交站点之间的距离的装置,包括:
第一确定单元,其在M个轨迹点中,确定公交线路的N个站点分别对应的N个目标轨迹点,N为大于1的正整数,M为大于或等于N的正整数,其中:
所述M个轨迹点的连线用于表示在所述公交线路上的公交运行轨迹,所述N个目标轨迹点在所述公交运行轨迹上遵循与所述N个站点对应的先后顺序;
在所述N个站点各自与所述M个轨迹点中任意的N个轨迹点的距离的总和当中,所述N个站点与对应的目标轨迹点的距离的总和是最小的;
第二确定单元,其基于所述N个目标轨迹点,确定所述N个站点中的各站点之间的距离。
8.根据权利要求7所述的装置,其中,在所述M个轨迹点中,相邻的两个轨迹点之间的距离为所述两个轨迹点之间的直线距离;
所述第二确定单元执行以下操作:
针对所述N个站点中的第一站点和第二站点,所述第一站点对应于第一目标轨迹点,所述第二站点对应于第二目标轨迹点:
计算从所述第一目标轨迹点到所述第二目标轨迹点的轨迹上的各个轨迹点两两之间的直线距离的总和,作为所述第一站点与所述第二站点之间的距离。
10.根据权利要求9所述的装置,其中,所述匹配矩阵CN×M满足如下的约束条件:
所述匹配矩阵CN×M的每行元素的总和为1;
所述匹配矩阵CN×M的每列元素的总和小于或等于1;
在所述匹配矩阵CN×M中,如果元素Cij=1并且元素C(i+1)k=1,则k为大于j的正整数。
11.根据权利要求10所述的装置,其中,所述第一确定单元使用动态规划算法,确定所述目标匹配矩阵。
12.根据权利要求11所述的装置,其中,所述第一确定单元执行以下操作:
假设第1站点的目标轨迹点为第j轨迹点,则通过以下等式来确定所述目标匹配矩阵:f(LN×M)=min{L1j+f(L(N-1)×(M-j))}。
13.一种计算设备,包括:
至少一个处理器;
与所述至少一个处理器进行通信的存储器,其上存储有可执行代码,所述可执行代码在被所述至少一个处理器执行时使得所述至少一个处理器实现根据权利要求1至6中任一项所述的方法。
14.一种机器可读存储介质,其存储有可执行代码,所述可执行代码在被执行时使得机器执行根据权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911218821.1A CN110928975B (zh) | 2019-12-03 | 2019-12-03 | 用于确定公交站点之间的距离的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911218821.1A CN110928975B (zh) | 2019-12-03 | 2019-12-03 | 用于确定公交站点之间的距离的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110928975A true CN110928975A (zh) | 2020-03-27 |
CN110928975B CN110928975B (zh) | 2022-11-08 |
Family
ID=69848468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911218821.1A Active CN110928975B (zh) | 2019-12-03 | 2019-12-03 | 用于确定公交站点之间的距离的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110928975B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436466A (zh) * | 2011-09-09 | 2012-05-02 | 中国航天科工集团第三研究院第八三五八研究所 | 基于gis分类的公交换乘查询方法 |
CN102903260A (zh) * | 2012-10-17 | 2013-01-30 | 大连智达科技有限公司 | 一种应用轨迹点绘制车辆在直线模拟图上显示的方法 |
CN103970323A (zh) * | 2013-01-30 | 2014-08-06 | 北京汇冠新技术股份有限公司 | 一种触摸屏轨迹跟踪方法和系统 |
US20150219745A1 (en) * | 2014-01-31 | 2015-08-06 | Denso Corporation | Wireless positioning apparatus |
CN105444769A (zh) * | 2015-11-26 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
CN105632222A (zh) * | 2015-10-14 | 2016-06-01 | 上海博协软件有限公司 | 预报到站时间的方法及其系统 |
CN110175691A (zh) * | 2019-04-09 | 2019-08-27 | 阿里巴巴集团控股有限公司 | 规划区域交通运营线路的方法、装置和电子设备 |
-
2019
- 2019-12-03 CN CN201911218821.1A patent/CN110928975B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436466A (zh) * | 2011-09-09 | 2012-05-02 | 中国航天科工集团第三研究院第八三五八研究所 | 基于gis分类的公交换乘查询方法 |
CN102903260A (zh) * | 2012-10-17 | 2013-01-30 | 大连智达科技有限公司 | 一种应用轨迹点绘制车辆在直线模拟图上显示的方法 |
CN103970323A (zh) * | 2013-01-30 | 2014-08-06 | 北京汇冠新技术股份有限公司 | 一种触摸屏轨迹跟踪方法和系统 |
US20150219745A1 (en) * | 2014-01-31 | 2015-08-06 | Denso Corporation | Wireless positioning apparatus |
CN105632222A (zh) * | 2015-10-14 | 2016-06-01 | 上海博协软件有限公司 | 预报到站时间的方法及其系统 |
CN105444769A (zh) * | 2015-11-26 | 2016-03-30 | 北京百度网讯科技有限公司 | 地图匹配方法及装置 |
CN110175691A (zh) * | 2019-04-09 | 2019-08-27 | 阿里巴巴集团控股有限公司 | 规划区域交通运营线路的方法、装置和电子设备 |
Non-Patent Citations (2)
Title |
---|
LUOBEI KUANG: "A dynamic association control mechanism for bus networks", 《2011 11TH INTERNATIONAL SYMPOSIUM ON COMMUNICATIONS AND INFORMATION TECHNOLOGIES(ISCIT)》 * |
柳祖鹏等: "基于时间距离轨迹的公交站点布设优化", 《公路交通科技》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110928975B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI746814B (zh) | 電腦可讀介質、車險風險預測裝置及伺服器 | |
CN104683405B (zh) | 在车联网中集群服务器分发地图匹配任务的方法和装置 | |
Huh et al. | Detecting conjugate-point pairs for map alignment between two polygon datasets | |
CN110006439B (zh) | 地图轨迹数据的匹配方法、装置、服务器及存储介质 | |
US10395520B2 (en) | Method and apparatus for constructing a traffic model | |
Jiang et al. | Identifying K Primary Corridors from urban bicycle GPS trajectories on a road network | |
US20220412742A1 (en) | Coordinate determination method and apparatus, computer device and storage medium | |
CN111737377B (zh) | 一种漂移轨迹的识别方法、装置及计算设备、存储介质 | |
Cho et al. | A basis of spatial big data analysis with map-matching system | |
Lei | Geospatial data conflation: A formal approach based on optimization and relational databases | |
CN110928975B (zh) | 用于确定公交站点之间的距离的方法和装置 | |
Jo et al. | Construction process of a three-dimensional roadway geometry map for autonomous driving | |
CN111475736A (zh) | 社区挖掘的方法、装置和服务器 | |
CN116415747A (zh) | 拼车路线确定方法、装置和电子设备 | |
CN110598989A (zh) | 一种货源质量评估方法、装置、设备和存储介质 | |
CN112885105B (zh) | 基于高清卡口数据的通勤车辆识别方法、装置和存储介质 | |
CN115388878A (zh) | 一种地图构建方法、装置及终端设备 | |
CN113807555B (zh) | 分拨中心的选址方法、装置、电子设备及存储介质 | |
Shigezumi et al. | A fast algorithm for matching planar maps with minimum Fréchet distances | |
Wu et al. | A Vehicle Map-matching Algorithm based on Measure Fuzzy Sorting. | |
CN115727861A (zh) | 车辆路径规划方法、装置、计算机设备和存储介质 | |
CN113761169A (zh) | 一种价格识别方法和装置 | |
US8819065B2 (en) | Mining generalized spatial association rule | |
Curtis et al. | Gradient sampling methods with inexact subproblem solutions and gradient aggregation | |
CN114417845B (zh) | 一种基于知识图谱的相同实体识别方法和系统 |
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 |