CN111047862A - 一种获取道路属性的方法 - Google Patents

一种获取道路属性的方法 Download PDF

Info

Publication number
CN111047862A
CN111047862A CN201911252655.7A CN201911252655A CN111047862A CN 111047862 A CN111047862 A CN 111047862A CN 201911252655 A CN201911252655 A CN 201911252655A CN 111047862 A CN111047862 A CN 111047862A
Authority
CN
China
Prior art keywords
road
vehicle
attribute
sequence
points
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
CN201911252655.7A
Other languages
English (en)
Other versions
CN111047862B (zh
Inventor
徐小康
邓伟
张志平
胡道生
夏曙东
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.)
Beijing Transwiseway Information Technology Co Ltd
Original Assignee
Beijing Transwiseway Information 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 Beijing Transwiseway Information Technology Co Ltd filed Critical Beijing Transwiseway Information Technology Co Ltd
Priority to CN201911252655.7A priority Critical patent/CN111047862B/zh
Publication of CN111047862A publication Critical patent/CN111047862A/zh
Application granted granted Critical
Publication of CN111047862B publication Critical patent/CN111047862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08G1/0125—Traffic data processing
    • 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
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种获取道路属性的方法，包括如下步骤：S1、采集车辆属性数据，按照所述车辆属性对车辆进行分类；S2、分类车辆轨迹点收集，将选择分类车辆获取的Gps轨迹点按照时间顺序排列，得到轨迹点序列；S3、轨迹点道路匹配，获取经过道路序列；S4、对所述道路序列进行道路统计，得到车辆经过的路段集合；S5、将车辆静态属性赋予所述路段集合内的道路，计算得到道路属性。本发明一方面可以利用平台车辆信息、轨迹数据计算通用的道路属性，以及可以通过车辆载入模拟特殊设备进行尝试，然后通过计算得出所走道路是否可行，并将道路属性进行标记，后续规划行驶路线可以重复利用。

Description

一种获取道路属性的方法
技术领域
本发明属于智慧交通、物流技术领域，具体涉及一种补充道路限高限重属性的方法。
背景技术
现有场景存在运输特殊大型设备，不能完全依赖导航系统的道路的限高、限重，以及宽度，需要车辆多次实地考察进行关键路段的限高、限重、宽度等属性标注，这种方式造成每次运输成本较高，而且数据重复利用率低。
发明内容
本发明的目的是通过以下技术方案实现的。
本发明利用大数据技术，基于隐马尔可夫模型的道路匹配技术，补充道路实际属性，可以应用于特殊大型设备运输线路数据的积累。
根据本发明的发明目的，提供了一种获取道路属性的方法，包括如下步骤：
S1、采集车辆属性数据，按照所述车辆属性对车辆进行分类；
S2、分类车辆轨迹点收集，将选择分类车辆获取的Gps轨迹点按照时间顺序排列，得到轨迹点序列；
S3、轨迹点道路匹配，获取经过道路序列；
S4、对所述道路序列进行道路统计，得到车辆经过的路段集合；
S5、将车辆静态属性赋予所述路段集合内的道路，计算得到道路属性。
进一步地，所述车辆属性数据包括高度、重量、宽度。
进一步地，所述采集车辆属性数据的方式包括以下三种：自有车辆、运力系统、根据VIN码获取车辆固有信息。
进一步地，所述步骤S3包括：对步骤S2得到的轨迹点序列，基于隐马尔可夫模型，采用Viterbi算法进行道路匹配，得到所述轨迹点序列对应的道路序列。
进一步地，所述Viterbi算法的具体计算过程包括：
(S31)计算轨迹点的观察概率：采用高斯分布：
Figure BDA0002309460810000021
Figure BDA0002309460810000022
为随机变量定义函数参数，为点到候选道路之间的欧式距离，当μ＝0,σ＝1时，为标准正态分布；其中
Figure BDA0002309460810000023
表示第i个点的第j个候选道路；
(S32)计算相邻轨迹点的路径转移概率：
Figure BDA0002309460810000024
其中
Figure BDA0002309460810000025
定义为点i-1的第t个候选道路，
Figure BDA0002309460810000026
定义为点i的第s个候选道路，di-1→i为相邻两点点i-1和点i之间的欧式距离，w(i-1，t)→(i，s)为相邻两点点i-1的候选道路t到点i的候选道路s的最短路径。
进一步地，所述对道路序列进行道路统计，得到车辆经过的路段集合，包括：
将一段时间内的车辆经过的道路序列进行汇总统计，得出相应车辆经过的路段集合，按照分组统计。
进一步地，所述道路属性包括：道路限高、道路限重、道路限宽。
进一步地，对于所述道路限高，经过路段认证或者自有调研车辆最高的高度值，其他未认证的以车辆出厂额定高度为准。
进一步地，对于所述道路限重，经过路段认证或者自有调研最重车辆的重量值,其他未认证的以车辆出厂额定载重为准。
进一步地，对于所述道路限宽，经过路段认证或者自有调研最宽车辆的宽度值，限宽为特殊设备需要。
本发明的优点在于：本发明一方面可以利用平台车辆信息、轨迹数据计算通用的道路属性，以及可以通过车辆载入模拟特殊设备进行尝试，然后通过计算得出所走道路是否可行，并将道路属性进行标记，后续规划行驶路线可以重复利用。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
附图1示出了根据本发明实施方式的一种获取道路属性的方法流程图；
附图2示出了根据本发明实施方式的道路匹配计算过程示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明提供了一种获取道路属性的方法，包括如下步骤：
S1、采集车辆属性数据，按照所述车辆属性对车辆进行分类；
车辆属性数据主要包括高度，重量，宽度。本发明中，采集车辆属性数据的方式包括以下三种：
a)自有车辆：采集认证后车辆属性高度，重量，宽度，以及对应车机终端信息。本发明所指的车辆，是指安装了定位系统以及和服务器通讯的车机终端的车辆。
b)运力系统：该系统中会认证记录货车出行时的静态数据，以及货物重量，货物高度，以及运输特殊设备的宽度。
c)根据VIN码获取车辆固有信息，核定载重量，高度，宽度等信息，数据源以发改委官方标准。车辆识别号码(Vehicle Identification Number,或车架号码)，简称VIN，是一组由十七个英数组成，用于汽车上的一组独一无二的号码，可以识别汽车的生产商、引擎、底盘序号及其他性能等资料。为避免与数字的1,0,9混淆，英文字母“I”、“O”、“Q”不使用，第10位生产型年不使用“I”、“O”、“Q”、"Z"、"U"、“0”均不会被使用。机动车VIN码是由17位英文数字组合而成，是一组国际通用的号码。Vin码识别技术是通过移动前端处理来获取汽车Vin码，从而进行解析获得车辆信息，Vin码识别技术可以通过简单的图片信息、视频流信息抓取Vin码，做出Vin码识别解析，让录入工作更简洁，节省人力与时间。也可以通过集成资料库直接进行解析。
车辆属性数据采集完成后，按照车辆属性标注，将车辆进行分类，可以定义为C＝(p1,p2,p3,p4…)。
S2、分类车辆轨迹点收集，将选择分类车辆获取的Gps轨迹点按照时间顺序排列，得到轨迹点序列(P1,P2,P3,P4)。
S3、轨迹点道路匹配，获取经过道路序列。
在步骤S3中，对步骤S2处理的轨迹点序列(P1,P2,P3,P4)，基于隐马尔可夫模型，采用Viterbi算法进行道路匹配，得到轨迹点对应的道路序列(L1,L2,L3,L4,L5)。
Viterbi算法其实就是多步骤每步多选择模型的最优选择问题，其在每一步的所有选择都保存了前续所有步骤到当前步骤当前选择的最小总代价(或者最大价值)以及当前代价的情况下前继步骤的选择。依次计算完所有步骤后，通过回溯的方法找到最优选择路径。符合这个模型的都可以用Viterbi算法解决。
具体计算过程如图2所示，包括：
(S31)计算轨迹点(point)的观察概率：可以定义为某个函数，具体实现算法为高斯分布：
Figure BDA0002309460810000041
Figure BDA0002309460810000042
为随机变量定义函数参数，为点到候选道路之间的欧式距离，当μ＝0,σ＝1时，为标准正态分布。其中
Figure BDA0002309460810000043
表示第i个点的第j个候选道路。
(S32)计算相邻轨迹点的路径转移概率：
Figure BDA0002309460810000044
其中
Figure BDA0002309460810000045
定义为点i-1的第t个候选道路，
Figure BDA0002309460810000046
定义为点i的第s个候选道路，di-1→i为相邻两点点i-1和点i之间的欧式距离，w(i-1，t)→(i，s)为相邻两点点i-1的候选道路t到点i的候选道路s的最短路径。
本发明中，计算过程中存在道路匹配中断的场景：中断点A和中断点B的道路连通性，A到B点通过路径规划系统可以获取多条路径到达，选择合适路径为推测轨迹，标记为推测轨迹，在路径导航系统中将规划路径中包含推测路段的可以标明供参考，推测轨迹也可以通过实地考察进行验证，验证后可以通过系统将道路属性进行录入。
本发明中，选择合适路径的规则为：
1、A到B在根据s＝vt,计算出A到达B的时间在合理范围内。
2、A到B的道路级别属性优先选择级别较高的道路(比如高速路优先级大于乡镇村道)，具体优先级如下：(道路等级：高速路0；都市高速路1；国道2；省道3；县道4；乡镇村道6；其它道路8；九级路9；轮渡a；行人道路b)。
S4、对所述道路序列进行道路统计，得到车辆经过的路段集合。
将一段时间内的车辆经过的道路序列进行汇总统计，可以得出相应车辆经过的路段集合，按照分组统计。
S5、将车辆静态属性赋予所述link集合内的道路，计算得到道路属性如下：
1、道路限高：经过link认证或者自有调研车辆最高的高度值，其他未认证的以车辆出厂额定高度为准。
2、道路限重：经过link认证或者自有调研最重车辆的重量值,其他未认证的以车辆出厂额定载重为准。
3、道路限宽：经过link认证或者自有调研最宽车辆的宽度值，限宽为特殊设备需要。
本发明的方法可以用于数据应用，例如在路径规划中，在寻路过程中将车辆属性，以及道路进行匹配，为车辆选择合适的路径。
本发明一方面可以利用平台车辆信息、轨迹数据计算通用的道路属性，以及可以通过车辆载入模拟特殊设备进行尝试，然后通过计算得出所走道路是否可行，并将道路属性进行标记，后续规划行驶路线可以重复利用。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种获取道路属性的方法，其特征在于，包括如下步骤：
S1、采集车辆属性数据，按照所述车辆属性对车辆进行分类；
S2、分类车辆轨迹点收集，将选择分类车辆获取的Gps轨迹点按照时间顺序排列，得到轨迹点序列；
S3、轨迹点道路匹配，获取经过道路序列；
S4、对所述道路序列进行道路统计，得到车辆经过的路段集合；
S5、将车辆静态属性赋予所述路段集合内的道路，计算得到道路属性。
2.根据权利要求1所述的一种获取道路属性的方法，其特征在于，
所述车辆属性数据包括高度、重量、宽度。
3.根据权利要求1所述的一种获取道路属性的方法，其特征在于，
所述采集车辆属性数据的方式包括以下三种：自有车辆、运力系统、根据VIN码获取车辆固有信息。
4.根据权利要求1所述的一种获取道路属性的方法，其特征在于，
所述步骤S3包括：对步骤S2得到的轨迹点序列，基于隐马尔可夫模型，采用Viterbi算法进行道路匹配，得到所述轨迹点序列对应的道路序列。
5.根据权利要求4所述的一种获取道路属性的方法，其特征在于，
所述Viterbi算法的具体计算过程包括：
(S31)计算轨迹点的观察概率：采用高斯分布：
Figure FDA0002309460800000011
Figure FDA0002309460800000013
为随机变量定义函数参数，为点到候选道路之间的欧式距离，当μ＝0,σ＝1时，为标准正态分布；其中
Figure FDA0002309460800000014
表示第i个点的第j个候选道路；
(S32)计算相邻轨迹点的路径转移概率：
Figure FDA0002309460800000012
其中
Figure FDA0002309460800000015
定义为点i-1的第t个候选道路，
Figure FDA0002309460800000016
定义为点i的第s个候选道路，di-1→i为相邻两点点i-1和点i之间的欧式距离，w(i-1，t)→(i，s)为相邻两点点i-1的候选道路t到点i的候选道路s的最短路径。
6.根据权利要求1所述的一种获取道路属性的方法，其特征在于，
所述对道路序列进行道路统计，得到车辆经过的路段集合，包括：
将一段时间内的车辆经过的道路序列进行汇总统计，得出相应车辆经过的路段集合，按照分组统计。
7.根据权利要求1所述的一种获取道路属性的方法，其特征在于，
所述道路属性包括：道路限高、道路限重、道路限宽。
8.根据权利要求7所述的一种获取道路属性的方法，其特征在于，
对于所述道路限高，经过路段认证或者自有调研车辆最高的高度值，其他未认证的以车辆出厂额定高度为准。
9.根据权利要求7所述的一种获取道路属性的方法，其特征在于，
对于所述道路限重，经过路段认证或者自有调研最重车辆的重量值,其他未认证的以车辆出厂额定载重为准。
10.根据权利要求7所述的一种获取道路属性的方法，其特征在于，
对于所述道路限宽，经过路段认证或者自有调研最宽车辆的宽度值，限宽为特殊设备需要。
CN201911252655.7A 2019-12-09 2019-12-09 一种获取道路属性的方法 Active CN111047862B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911252655.7A CN111047862B (zh) 2019-12-09 2019-12-09 一种获取道路属性的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911252655.7A CN111047862B (zh) 2019-12-09 2019-12-09 一种获取道路属性的方法

Publications (2)

Publication Number Publication Date
CN111047862A true CN111047862A (zh) 2020-04-21
CN111047862B CN111047862B (zh) 2021-06-29

Family

ID=70235260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911252655.7A Active CN111047862B (zh) 2019-12-09 2019-12-09 一种获取道路属性的方法

Country Status (1)

Country Link
CN (1) CN111047862B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3838336A1 (de) * 1988-11-11 1990-05-17 Sedelmayer Franz X Jun Ladevorrichtung fuer ein fahrzeug zum transportieren schwerer lasten, insbesondere von kraftfahrzeugen
CN101290725A (zh) * 2007-04-17 2008-10-22 株式会社日立制作所 数字道路地图的生成方法和地图生成系统
JP4502335B2 (ja) * 2007-03-30 2010-07-14 株式会社ナビタイムジャパン 地図表示システム、端末装置、地図表示サーバ及び地図表示方法
JP4725509B2 (ja) * 2006-12-27 2011-07-13 アイシン・エィ・ダブリュ株式会社 新規道路幅算出システム
CN103413437A (zh) * 2013-07-31 2013-11-27 福建工程学院 一种基于车辆数据采集的道路交叉口转向识别方法及系统
CN104111073A (zh) * 2013-04-17 2014-10-22 百度在线网络技术（北京）有限公司 一种识别地图数据中不准确路段的方法和装置
CN105389639A (zh) * 2015-12-15 2016-03-09 上海汽车集团股份有限公司 基于机器学习的物流运输路径规划方法、装置及系统
CN106846869A (zh) * 2017-02-21 2017-06-13 驼队重卡（北京）物流信息技术有限责任公司 一种货车导航道路辅助信息的更新方法
CN108108448A (zh) * 2017-12-27 2018-06-01 北京中交兴路车联网科技有限公司 一种生成全国道路画像的方法及系统
CN108492564A (zh) * 2018-04-18 2018-09-04 山东省交通规划设计院 基于路网匹配测量高速公路车辆行驶速度的方法及系统
CN110019574A (zh) * 2017-07-30 2019-07-16 周明儒 一种用超大规模gps数据生产全国道路数字图像的方法
CN110377682A (zh) * 2019-07-18 2019-10-25 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
CN110648008A (zh) * 2018-12-29 2020-01-03 北京奇虎科技有限公司 路况预测方法和装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3838336A1 (de) * 1988-11-11 1990-05-17 Sedelmayer Franz X Jun Ladevorrichtung fuer ein fahrzeug zum transportieren schwerer lasten, insbesondere von kraftfahrzeugen
JP4725509B2 (ja) * 2006-12-27 2011-07-13 アイシン・エィ・ダブリュ株式会社 新規道路幅算出システム
JP4502335B2 (ja) * 2007-03-30 2010-07-14 株式会社ナビタイムジャパン 地図表示システム、端末装置、地図表示サーバ及び地図表示方法
CN101290725A (zh) * 2007-04-17 2008-10-22 株式会社日立制作所 数字道路地图的生成方法和地图生成系统
CN104111073A (zh) * 2013-04-17 2014-10-22 百度在线网络技术（北京）有限公司 一种识别地图数据中不准确路段的方法和装置
CN103413437A (zh) * 2013-07-31 2013-11-27 福建工程学院 一种基于车辆数据采集的道路交叉口转向识别方法及系统
CN105389639A (zh) * 2015-12-15 2016-03-09 上海汽车集团股份有限公司 基于机器学习的物流运输路径规划方法、装置及系统
CN106846869A (zh) * 2017-02-21 2017-06-13 驼队重卡（北京）物流信息技术有限责任公司 一种货车导航道路辅助信息的更新方法
CN110019574A (zh) * 2017-07-30 2019-07-16 周明儒 一种用超大规模gps数据生产全国道路数字图像的方法
CN108108448A (zh) * 2017-12-27 2018-06-01 北京中交兴路车联网科技有限公司 一种生成全国道路画像的方法及系统
CN108492564A (zh) * 2018-04-18 2018-09-04 山东省交通规划设计院 基于路网匹配测量高速公路车辆行驶速度的方法及系统
CN110648008A (zh) * 2018-12-29 2020-01-03 北京奇虎科技有限公司 路况预测方法和装置
CN110377682A (zh) * 2019-07-18 2019-10-25 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高文超 等: "路网匹配算法综述", 《软件学报》 *

Also Published As

Publication number Publication date
CN111047862B (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
Xia et al. Test scenario design for intelligent driving system ensuring coverage and effectiveness
CN106205120B (zh) 一种提取道路路口交通限制的方法及装置
CN112700201B (zh) 货源推荐方法、电子设备和存储介质
CN110570655B (zh) 基于层次聚类和决策树的车辆特征评估方法
CN110779539B (zh) 行车路径修正方法、装置、设备和存储介质
CN110986938A (zh) 颠簸道路识别方法、装置、及电子设备
CN112598192B (zh) 一种车辆进入物流园区的预测方法、装置、存储介质及终端
CN114462553A (zh) 一种面向车险反欺诈的图像标注及要素抽取方法与系统
CN112785841B (zh) 判断货车行驶路线拥堵状态的方法及装置
CN114664087B (zh) 基于轨迹识别车辆上下高速的方法、装置、设备及介质
CN113902210A (zh) 一种网约车偏航检测方法、装置、电子设备及存储介质
CN111047862B (zh) 一种获取道路属性的方法
CN111127035B (zh) 一种基于轨迹数据的置信度检测方法和系统
CN113743815A (zh) 运营车辆的风险监控方法、装置、存储介质及计算机设备
CN110796060A (zh) 高速行车路线确定方法、装置、设备和存储介质
CN107622667B (zh) 一种变造车牌号码检测方法及系统
CN116168541A (zh) 一种获取道路通行状态的数据处理系统
CN113900861A (zh) 传感器数据的修复方法、装置、设备及存储介质
CN102903235B (zh) 一种对实时路况进行质量评价的方法及装置
CN112884220A (zh) 基于关联规则的碰撞预测方法、装置、设备及存储介质
Ngo et al. CANClassify: Automated Decoding and Labeling of CAN Bus Signals
CN112686125A (zh) 车辆类型的确定方法及装置、存储介质、电子装置
CN114493188B (zh) 一种货运接单推荐方法、装置、电子设备和存储介质
KR101698266B1 (ko) 지능형 고속 다중 객체 인식 장치 및 방법
CN111582962B (zh) 一种服务状态识别方法及装置

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
GR01 Patent grant
GR01 Patent grant