CN111121803B - 获取道路常用停靠点的方法及装置 - Google Patents

Abstract

本申请公开了一种获取道路常用停靠点的方法及装置，方法包括：获取GPS信息点；从所述GPS信息点中筛选出高速公路GPS信息点；判断所述高速公路GPS信息点的位置是否能够停靠，利用能够停靠的高速公路GPS信息点生成停靠点；根据所述停靠点的密度对所述停靠点进行分类，去掉不满足密度要求的所述停靠点，将满足密度要求的所述停靠点放到数据集中；对所述数据集进行聚类，得到聚类结果；计算所述聚类结果的轮廓系数，选择轮廓系数最大的所述聚类结果，得到常用停靠点。本申请提供的获取道路常用停靠点的方法，能够准确快速地找出常用停靠点，实时性好，数据延迟小，且能有效避开堵车路段，能够很好地满足实际应用的需要。

Description

获取道路常用停靠点的方法及装置

技术领域

本申请涉及交通技术领域，具体涉及一种获取道路常用停靠点的方法及装置。

背景技术

目前，在高速公路上寻找可停车位置的比较常用的方法，是从图商处购买高速上服务区、加油站、收费站等POI(Point of Interest，兴趣点)数据，以这些POI作为常见的高速公路的停靠点。由于图商数据存在一定的延迟，且不同图商采集的数据也会略有不同，所以图商数据会和实际情况有所偏差，导致不能准确找到可用停靠点，而且图商数据也不能对高速公路上经常堵车的区域进行标记，导致容易在寻找停靠点的过程中进入堵车路段。因此，现有技术的获取车辆停靠点的技术方案所达到的效果不佳，不能满足实际应用的需要。

发明内容

本申请的目的是提供一种获取道路常用停靠点的方法及装置。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本申请实施例的一个方面，提供一种获取道路停靠点的方法，包括：获取GPS信息点；

从所述GPS信息点中筛选出高速公路GPS信息点；

判断所述高速公路GPS信息点的位置是否能够停靠，利用能够停靠的高速公路GPS信息点生成停靠点；

根据所述停靠点的密度对所述停靠点进行分类，去掉不满足密度要求的所述停靠点，将满足密度要求的所述停靠点放到数据集中；

对所述数据集进行聚类，得到聚类结果；

计算所述聚类结果的轮廓系数，选择轮廓系数最大的所述聚类结果，得到常用停靠点。

进一步地，所述从所述GPS信息点中筛选出高速公路GPS信息点，包括：根据所述GPS信息点的路段标识号，对所有所述GPS信息点和高速公路路段数据进行内连接操作，输出从高速公路采集到的GPS信息点。

进一步地，所述根据所述停靠点的密度对所述停靠点进行分类，去掉不满足密度要求的所述停靠点，将满足密度要求的所述停靠点放到数据集中，包括：

设置一个密度上限和一个密度下限；

使用DBScan算法，以所述密度上限作为MinPts参数，对停靠点进行分类，去掉不能分类的停靠点，将能分类的停靠点放到第一数据集中；

使用DBScan算法，以密度下限作为MinPts参数，对所述第一数据集中的停靠点进行分类，去掉不能分类的停靠点，将能分类的停靠点放到第二数据集中，记录分类数量。

进一步地，所述对所述数据集进行聚类，得到聚类结果，包括：

使用KMeans算法处理所述第二数据集，将k值设为从1到M的M个值，依次对所述第二数据集中的数据进行聚类；所述M为所述分类数量。

进一步地，所述计算所述聚类结果的轮廓系数，选择轮廓系数最大的所述聚类结果，得到常用停靠点，包括：

若聚合出k个类时的轮廓系数最大，则计算出这k组停靠点中的每组停靠点的中心点，并以这k个所述中心点作为常见停靠点；k为正整数。

进一步地，所述GPS信息点的数据包括车辆标识号、经纬度、路段标识号、车辆速度和采集车辆行进信息数据的时间点。

根据本申请实施例的另一个方面，提供一种获取道路常用停靠点的装置，包括：

采集模块，用于获取GPS信息点；

筛选模块，用于从所述GPS信息点中筛选出高速公路GPS信息点；

生成模块，用于判断所述高速公路GPS信息点的位置是否能够停靠，利用能够停靠的高速公路GPS信息点生成停靠点；

分类模块，用于根据所述停靠点的密度对所述停靠点进行分类，去掉不满足密度要求的所述停靠点，将满足密度要求的所述停靠点放到数据集中；

聚类模块，用于对所述数据集进行聚类，得到聚类结果；

计算模块，用于计算所述聚类结果的轮廓系数，选择轮廓系数最大的所述聚类结果，得到常用停靠点。

进一步地，所述筛选模块具体用于根据所述GPS信息点的路段标识号，对所有所述GPS信息点和高速公路路段数据进行内连接操作，输出从高速公路采集到的GPS信息点。

进一步地，所述计算模块具体用于计算轮廓系数，若聚合出k个类时的轮廓系数最大，则计算出这k组停靠点中的每组停靠点的中心点，并以这k个所述中心点作为常见停靠点；k为正整数。

根据本申请实施例的另一个方面，提供一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以实现所述的获取道路常用停靠点的方法。

本申请实施例的其中一个方面提供的技术方案可以包括以下有益效果：

本申请实施例提供的获取道路常用停靠点的方法，能够准确快速地找出常用停靠点，实时性好，数据延迟小，且能有效避开堵车路段，能够很好地满足实际应用的需要。

本申请的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者，部分特征和优点可以从说明书中推知或毫无疑义地确定，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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申请中记载的一些实施例，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示出了本申请的一个实施例的获取道路常用停靠点的方法的流程图；

图2示出了本申请的一个实施例的获取道路常用停靠点的装置的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本申请做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。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。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

如图1所示，本申请的一个实施例提供了一种获取道路常用停靠点的方法01，包括：

S1、获取GPS信息点。

通过设置在车辆上的GPS终端设备周期性地采集车辆行进的信息数据，得到若干GPS信息点；每个GPS信息点的数据包括车辆ID(车辆标识号)、经纬度、路段ID(路段标识号)、车辆速度和采集车辆行进信息数据的时间点等数据。

在某些实施方式中，从路网匹配数据库中，调取所有高速公路的路段数据，存储到一个文件中，然后上传到大数据环境中。在路网匹配数据库中，存储有每个GPS信息点(GPS信息点的信息数据包含车辆ID、经纬度、路段ID、速度、时间等数据)所在路线的路段信息。

S2、从所述GPS信息点中筛选出高速公路GPS信息点；高速公路GPS信息点即从高速公路上获取的GPS信息点。

根据GPS信息点所包含的路段ID，判断该GPS信息点所对应的路段是否为高速公路上的路段，若是，则保留该GPS信息点，否则，不保留。

在某些实施方式中，根据路段ID，对所有GPS信息点和高速公路路段数据进行内连接(inner join)操作，输出从高速公路采集到的GPS信息点。

S3、判断高速公路GPS信息点的位置是否能够停靠，利用能够停靠的高速公路GPS信息点生成停靠点。

在某些实施方式中，根据从高速公路采集到的GPS信息点，对于每辆车，根据GPS点的时间顺序和位置、速度，判断是否能停靠，若能停靠，则根据该GPS点生成停靠点。例如，根据时间顺序判断两个GPS点是否相邻，根据位置和速度判断该两个GPS点是否为能停靠的点。

S4、根据停靠点的密度对停靠点进行分类，去掉不满足密度要求的停靠点，将满足密度要求的停靠点放到数据集中。经过该步骤能够去除堵车的区域，避免在前往停靠点时陷入堵车路段。

在某些实施方式中，S4具体包括：

a)设置一个密度上限、一个密度下限。密度上限与密度下限的值根据实际应用的需要进行设置。

b)使用DBScan算法，以密度上限作为MinPts参数，对停靠点进行分类，去掉不能分类的停靠点，将能分类的停靠点放到第一数据集中。步骤b)的主要目的是过滤掉噪音点。

c)使用DBScan算法，以密度下限作为MinPts参数，对上一步生成的第一数据集中的停靠点进行分类，去掉不能分类的停靠点，将能分类的停靠点放到第二数据集中，同时记录能分类的分类数量M。第二数据集中的停靠点即满足密度要求的停靠点。步骤c)的主要目的是为了确定下一步聚类操作的次数。例如此次DBScan输出的类别数是5，则下一步聚类操作就做5次，而如果此次DBScan输出的类别数是3，则下一步聚类操作就只用做3次。

S5、对数据集进行聚类，得到聚类结果。

在某些实施方式中，S5具体包括：

d)使用KMeans算法处理第二数据集，将k值设为从1到M的M个值，依次对所述第二数据集中的数据进行聚类。M为所述分类数量。

S6、计算聚类结果的轮廓系数，选择轮廓系数最大的聚类结果，得到常用停靠点。

在某些实施方式中，S6具体包括：

e)对于上一步生成的聚类结果，计算轮廓系数，选择轮廓系数最大的那组聚类结果，例如若聚合出k个类时的轮廓系数最大，则计算出这k组停靠点中的每组停靠点的中心点，并以这k个中心点作为此轮计算得到的高速常见停靠点。

如图2所示，本实施例还提供了一种获取道路常用停靠点的装置，包括：

采集模块100，用于获取GPS信息点；

筛选模块200，用于从所述GPS信息点中筛选出高速公路GPS信息点；

生成模块300，用于判断所述高速公路GPS信息点的位置是否能够停靠，利用能够停靠的高速公路GPS信息点生成停靠点；

分类模块400，用于根据所述停靠点的密度对所述停靠点进行分类，去掉不满足密度要求的所述停靠点，将满足密度要求的所述停靠点放到数据集中；

聚类模块500，用于对所述数据集进行聚类，得到聚类结果；

计算模块600，用于计算所述聚类结果的轮廓系数，选择轮廓系数最大的所述聚类结果，得到常用停靠点。

所述筛选模块200具体用于根据所述GPS信息点的路段标识号，对所有所述GPS信息点和高速公路路段数据进行内连接操作，输出从高速公路采集到的GPS信息点。

所述计算模块600具体用于计算轮廓系数，若聚合出k个类时的轮廓系数最大，则计算出这k组停靠点中的每组停靠点的中心点，并以这k个所述中心点作为常见停靠点；k为正整数。

本实施例还提供了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现上述的获取道路常用停靠点的方法。

本申请的另一个实施例提供了一种获取道路常用停靠点的方法02，包括：

S10、从路网匹配数据库中，调取所有高速公路的路段数据，存储到一个文件中，然后上传到大数据环境中。在路网匹配数据库中，存储有每个GPS点(GPS点的信息数据包含车辆ID、经纬度、路段ID，速度、时间等数据)所在路线的路段信息。

S20、对匹配的所有GPS数据和高速公路路段数据，根据路段ID进行内连接(innerjoin)操作，输出高速公路的GPS数据。

S30、根据S20输出的位于高速公路上的GPS数据，对于每辆车，根据GPS点的时间顺序和位置、速度，判断是否能停靠，若能停靠，则根据该GPS点生成停靠点。

S40、对于S30生成的停靠点，执行如下的操作：

a)设置一个密度上限，一个密度下限

b)使用DBScan算法，将参数设置为密度上限，对停靠点进行分类，把不能分类的停靠点去掉，将可分类的停靠点放到第一数据集中。步骤b)的主要目的是过滤掉噪音点。

c)使用DBScan算法，将参数设置为密度下限，对上一步生成的数据集中的停靠点进行分类，将不能分类的停靠点去掉，将可分类的停靠点放到第二数据集中，同时记录可分类的分类数量M。步骤c)的主要目的是为了确定下一步聚类操作的次数。例如此次DBScan输出的类别数是5，则下一步聚类操作就做5次，而如果此次DBScan输出的类别数是3，则下一步聚类操作就只用做3次。

d)对于第二数据集，使用KMeans算法，将k值设为从1到M的M个值，依次进行聚类，得到聚类结果。

e)对于上一步得到的聚类结果，计算轮廓系数，选择轮廓系数最大的那组聚类结果，例如若聚合出k个类时的轮廓系数最大，则计算出这k组停靠点的每组的中心点，并以这k个中心点作为此轮计算得到的高速常见停靠点。

本申请实施例提供的获取道路常用停靠点的方法，能够准确快速地找出常用停靠点，实时性好，数据延迟小，且能有效避开堵车路段，能够很好地满足实际应用的需要。

需要说明的是：

术语“模块”并非意图受限于特定物理形式。取决于具体应用，模块可以实现为硬件、固件、软件和/或其组合。此外，不同的模块可以共享公共组件或甚至由相同组件实现。不同模块之间可以存在或不存在清楚的界限。

在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述实施例仅表达了本申请的实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (9)

1.一种获取道路常用停靠点的方法，其特征在于，包括：

获取GPS信息点；

从所述GPS信息点中筛选出高速公路GPS信息点；

判断所述高速公路GPS信息点的位置是否能够停靠，利用能够停靠的高速公路GPS信息点生成停靠点；

根据所述停靠点的密度对所述停靠点进行分类，去掉不满足密度要求的所述停靠点，将满足密度要求的所述停靠点放到第二数据集中；

对所述第二数据集进行聚类，得到聚类结果；

计算所述聚类结果的轮廓系数，选择轮廓系数最大的所述聚类结果，得到常用停靠点；

所述根据所述停靠点的密度对所述停靠点进行分类，去掉不满足密度要求的所述停靠点，将满足密度要求的所述停靠点放到第二数据集中，包括：

设置一个密度上限和一个密度下限；

使用DBScan算法，以所述密度上限作为MinPts参数，对停靠点进行分类，去掉不能分类的停靠点，将能分类的停靠点放到第一数据集中；

使用DBScan算法，以密度下限作为MinPts参数，对所述第一数据集中的停靠点进行分类，去掉不能分类的停靠点，将能分类的停靠点放到第二数据集中，记录分类数量；所述分类数量用于作为对所述第二数据集进行聚类的次数。

2.根据权利要求1所述的方法，其特征在于，所述从所述GPS信息点中筛选出高速公路GPS信息点，包括：根据所述GPS信息点的路段标识号，对所有所述GPS信息点和高速公路路段数据进行内连接操作，输出从高速公路采集到的GPS信息点。

3.根据权利要求1所述的方法，其特征在于，所述对所述第二数据集进行聚类，得到聚类结果，包括：

使用KMeans算法处理所述第二数据集，将k值设为从1到M的M个值，依次对所述第二数据集中的数据进行聚类；所述M为所述分类数量。

4.根据权利要求3所述的方法，其特征在于，所述计算所述聚类结果的轮廓系数，选择轮廓系数最大的所述聚类结果，得到常用停靠点，包括：

计算轮廓系数，若聚合出k个类时的轮廓系数最大，则计算出这k组停靠点中的每组停靠点的中心点，并以这k个所述中心点作为常用停靠点；k为正整数。

5.根据权利要求1所述的方法，其特征在于，所述GPS信息点的数据包括车辆标识号、经纬度、路段标识号、车辆速度和采集车辆行进信息数据的时间点。

6.一种获取道路常用停靠点的装置，其特征在于，包括：

采集模块，用于获取GPS信息点；

筛选模块，用于从所述GPS信息点中筛选出高速公路GPS信息点；

生成模块，用于判断所述高速公路GPS信息点的位置是否能够停靠，利用能够停靠的高速公路GPS信息点生成停靠点；

分类模块，用于根据所述停靠点的密度对所述停靠点进行分类，去掉不满足密度要求的所述停靠点，将满足密度要求的所述停靠点放到第二数据集中；

聚类模块，用于对所述第二数据集进行聚类，得到聚类结果；

计算模块，用于计算所述聚类结果的轮廓系数，选择轮廓系数最大的所述聚类结果，得到常用停靠点；

所述根据所述停靠点的密度对所述停靠点进行分类，去掉不满足密度要求的所述停靠点，将满足密度要求的所述停靠点放到第二数据集中，包括：

设置一个密度上限和一个密度下限；

使用DBScan算法，以所述密度上限作为MinPts参数，对停靠点进行分类，去掉不能分类的停靠点，将能分类的停靠点放到第一数据集中；

使用DBScan算法，以密度下限作为MinPts参数，对所述第一数据集中的停靠点进行分类，去掉不能分类的停靠点，将能分类的停靠点放到第二数据集中，记录分类数量；所述分类数量用于作为对所述第二数据集进行聚类的次数。

7.根据权利要求6所述的装置，其特征在于，所述筛选模块具体用于根据所述GPS信息点的路段标识号，对所有所述GPS信息点和高速公路路段数据进行内连接操作，输出从高速公路采集到的GPS信息点。

8.根据权利要求6所述的装置，其特征在于，所述计算模块具体用于计算轮廓系数，若聚合出k个类时的轮廓系数最大，则计算出这k组停靠点中的每组停靠点的中心点，并以这k个所述中心点作为常用停靠点；k为正整数。

9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以实现如权利要求1-5中任一所述的获取道路常用停靠点的方法。

Images