CN111190977A - 一种城市路网拓扑关键节点的发现方法和发现系统 - Google Patents
一种城市路网拓扑关键节点的发现方法和发现系统 Download PDFInfo
- Publication number
- CN111190977A CN111190977A CN201911307313.0A CN201911307313A CN111190977A CN 111190977 A CN111190977 A CN 111190977A CN 201911307313 A CN201911307313 A CN 201911307313A CN 111190977 A CN111190977 A CN 111190977A
- Authority
- CN
- China
- Prior art keywords
- grids
- correlation value
- grid
- track data
- correlation
- 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.)
- Pending
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
Abstract
本申请提供了一种城市路网拓扑关键节点的发现方法和发现系统,涉及数据处理领域。该发现方法包括:将待发现区域划分为多个形状和大小相同的网格;从所述网格中获取轨迹数据网格;分别获取所述每个轨迹数据网格与其他轨迹数据网格的关联值,并计算每个轨迹数据网格所述关联值的总和,所述关联值越大轨迹数据网格的相关程度越高,所述关联值由轨迹数据网格之间间隔的网格数决定,间隔的网格数越多,关联值越小;将所述总和与预设的关联值阈值进行比较,将所述总和大于所述关联值阈值的轨迹数据网格设置为关键节点。本申请可以方便快捷的获取城市轨迹数据的关键节点,进而快速绘制城市轨迹数据的拓扑图。
Description
技术领域
本申请属于数据处理领域,尤其涉及一种城市路网拓扑关键节点的发现方法和发现系统。
背景技术
目前,随着城市的发展,人口、机动车辆的数量也急速增加,而增加的人口和车辆对交通出行提高了压力,现有技术还没有有效解决交通出行压力的技术方案。大数据分析是现在新崛起的研究方向,通过大数据分析可以了解人们的出行习惯,每条街道的人流量。但大数据分析还没有有效应用到交通出行的问题解决中。
发明内容
本发明实施例的主要目的在于提供一种城市路网拓扑关键节点的发现方法和发现系统,通过本发明实施例的方案,可以方便快捷的获取城市轨迹数据的关键节点,进而快速绘制城市轨迹数据的拓扑图。
第一方面,提供了一种城市路网拓扑关键节点的发现方法,包括:
将待发现区域划分为多个形状和大小相同的网格;
从所述网格中获取轨迹数据网格;
分别获取所述每个轨迹数据网格与其他轨迹数据网格的关联值,并计算每个轨迹数据网格所述关联值的总和,所述关联值越大轨迹数据网格的相关程度越高,所述关联值由轨迹数据网格之间间隔的网格数决定,间隔的网格数越多,关联值越小;
将所述总和与预设的关联值阈值进行比较,将所述总和大于所述关联值阈值的轨迹数据网格设置为关键节点。
在一个可能的实现方式中,所述网格的形状为正方形。
在另一个可能的实现方式中,所述轨迹数据包括:采样点位置、采样时间、采样速度。
在又一个可能的实现方式中,所述轨迹数据网格的对象包括:人、机动车辆、非机动车辆。
第二方面,提供了一种城市路网拓扑关键节点的发现系统,包括:
网格划分模块,用于将待发现区域划分为多个形状和大小相同的网格;
轨迹数据网格获取模块,用于从所述网格中获取轨迹数据网格;
关联值获取模块,用于分别获取所述每个轨迹数据网格与其他轨迹数据网格的关联值,并计算每个轨迹数据网格所述关联值的总和,所述关联值越大轨迹数据网格的相关程度越高,所述关联值由轨迹数据网格之间间隔的网格数决定,间隔的网格数越多,关联值越小;
关键节点设置模块,用于将所述总和与预设的关联值阈值进行比较,将所述总和大于所述关联值阈值的轨迹数据网格设置为关键节点。
在一个可能的实现方式中,所述网格的形状为正方形。
在又一个可能的实现方式中,所述轨迹数据包括:采样点位置、采样时间、采样速度。
在又一个可能的实现方式中,所述轨迹数据网格的对象包括:人、机动车辆、非机动车辆。
本申请提供的技术方案带来的有益效果是:可以方便快捷的获取城市轨迹数据的关键节点,进而快速绘制城市轨迹数据的拓扑图。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本发明一个实施例提供的一种城市路网拓扑关键节点的发现方法的流程图;
图2为本发明一个实施例提供的一种城市路网拓扑关键节点的发现系统的结构图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、模块和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、模块、组件和/或它们的组。应该理解,当我们称模块被“连接”或“耦接”到另一模块时,它可以直接连接或耦接到其他模块,或者也可以存在中间模块。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如和解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
实施例一
如图1所示为本发明一个实施例提供的一种城市路网拓扑关键节点的发现方法的流程图,包括:
步骤S101,将待发现区域划分为多个形状和大小相同的网格。
在本发明实施例中,对于以城市为范围的区域,可以通过多种方法来确定待发现区域的范围,优选的,通过经纬度信息确定待发现区域的范围。在确定了待发现区域之后,对该待发现区域进行划分,划分为多个形状和大小相同的网格,网格的形状可以根据实际使用的需要进行设定,优选的,网格的形状为正方形。
步骤S102,从所述网格中获取轨迹数据网格。
在本发明实施例中,轨迹数据是移动对象在移动过程中采样所获得的数据信息,轨迹数据包括:采样点位置、采样时间、采样速度,对于移动对象可以是人、机动车辆、非机动车辆等。
步骤S103,分别获取所述每个轨迹数据网格与其他轨迹数据网格的关联值,并计算每个轨迹数据网格所述关联值的总和,所述关联值越大轨迹数据网格的相关程度越高,所述关联值由轨迹数据网格之间间隔的网格数决定,间隔的网格数越多,关联值越小。
在本发明实施例中,轨迹数据网格之间的间隔关系决定了轨迹数据网格之间的关联值,间隔越少关联值越高,直接相邻的两个轨迹数据网格,即无间隔的两个轨迹数据网格之间的关联值最高,即关联值越大轨迹数据网格的相关程度越高,所述关联值由轨迹数据网格之间间隔的网格数决定,间隔的网格数越多,关联值越小。
步骤S104,将所述总和与预设的关联值阈值进行比较,将所述总和大于所述关联值阈值的轨迹数据网格设置为关键节点。
在本发明实施例中,根据上述公式的计算,关联值总和越高,表示该轨迹数据网格与其他轨迹数据网格的关联性越高,越高的关联性则说明了该网格越关键,因此本申请设置一关联值阈值,关联值总和大于关联值阈值的则被确定为关键节点。需要指出的是,关联值阈值可根据实际使用的需要进行设置,本申请对关联值阈值的取值不做限定。
本发明实施例,将待发现区域划分为多个相同的网格,从网格中获取包含数据的网格,获取每个数据网格与其他数据网格的关联值的总和,将总和与预设的关联值阈值进行比较,将总和大于关联值阈值的网格确定为关键节点。使得系统可以方便快捷的获取城市轨迹数据的关键节点,进而快速绘制城市轨迹数据的拓扑图。
实施例二
如图2所示为本发明一个实施例提供的一种城市路网拓扑关键节点的发现系统的结构图,所述发现系统包括:
网格划分模块201,用于将待发现区域划分为多个形状和大小相同的网格。
在本发明实施例中,对于以城市为范围的区域,可以通过多种方法来确定待发现区域的范围,优选的,通过经纬度信息确定待发现区域的范围。在确定了待发现区域之后,对该待发现区域进行划分,划分为多个形状和大小相同的网格,网格的形状可以根据实际使用的需要进行设定,优选的,网格的形状为正方形。
轨迹数据网格获取模块202,用于从所述网格中获取轨迹数据网格。
在本发明实施例中,轨迹数据是移动对象在移动过程中采样所获得的数据信息,轨迹数据包括:采样点位置、采样时间、采样速度,对于移动对象可以是人、机动车辆、非机动车辆等。
关联值获取模块203,用于分别获取所述每个轨迹数据网格与其他轨迹数据网格的关联值,并计算每个轨迹数据网格所述关联值的总和,所述关联值越大轨迹数据网格的相关程度越高,所述关联值由轨迹数据网格之间间隔的网格数决定,间隔的网格数越多,关联值越小。
在本发明实施例中,轨迹数据网格之间的间隔关系决定了轨迹数据网格之间的关联值,间隔越少关联值越高,直接相邻的两个轨迹数据网格,即无间隔的两个轨迹数据网格之间的关联值最高,即关联值越大轨迹数据网格的相关程度越高,所述关联值由轨迹数据网格之间间隔的网格数决定,间隔的网格数越多,关联值越小。
关键节点设置模块204,用于将所述总和与预设的关联值阈值进行比较,将所述总和大于所述关联值阈值的轨迹数据网格设置为关键节点。
在本发明实施例中,根据上述公式的计算,关联值总和越高,表示该轨迹数据网格与其他轨迹数据网格的关联性越高,越高的关联性则说明了该网格越关键,因此本申请设置一关联值阈值,关联值总和大于关联值阈值的则被确定为关键节点。需要指出的是,关联值阈值可根据实际使用的需要进行设置,本申请对关联值阈值的取值不做限定。
本发明实施例,将待发现区域划分为多个相同的网格,从网格中获取包含数据的网格,获取每个数据网格与其他数据网格的关联值的总和,将总和与预设的关联值阈值进行比较,将总和大于关联值阈值的网格确定为关键节点。使得系统可以方便快捷的获取城市轨迹数据的关键节点,进而快速绘制城市轨迹数据的拓扑图。
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。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种城市路网拓扑关键节点的发现方法,其特征在于,包括:
将待发现区域划分为多个形状和大小相同的网格;
从所述网格中获取轨迹数据网格;
分别获取所述每个轨迹数据网格与其他轨迹数据网格的关联值,并计算每个轨迹数据网格所述关联值的总和,所述关联值越大轨迹数据网格的相关程度越高,所述关联值由轨迹数据网格之间间隔的网格数决定,间隔的网格数越多,关联值越小;
将所述总和与预设的关联值阈值进行比较,将所述总和大于所述关联值阈值的轨迹数据网格设置为关键节点。
2.如权利要求1所述的发现方法,其特征在于,所述网格的形状为正方形。
3.如权利要求1所述的发现方法,其特征在于,所述轨迹数据包括:采样点位置、采样时间、采样速度。
4.如权利要求1所述的发现方法,其特征在于,所述轨迹数据网格的对象包括:人、机动车辆、非机动车辆。
5.一种城市路网拓扑关键节点的发现系统,其特征在于,所述发现系统包括:
网格划分模块,用于将待发现区域划分为多个形状和大小相同的网格;
轨迹数据网格获取模块,用于从所述网格中获取轨迹数据网格;
关联值获取模块,用于分别获取所述每个轨迹数据网格与其他轨迹数据网格的关联值,并计算每个轨迹数据网格所述关联值的总和,所述关联值越大轨迹数据网格的相关程度越高,所述关联值由轨迹数据网格之间间隔的网格数决定,间隔的网格数越多,关联值越小;
关键节点设置模块,用于将所述总和与预设的关联值阈值进行比较,将所述总和大于所述关联值阈值的轨迹数据网格设置为关键节点。
6.如权利要求5所述的发现系统,其特征在于,所述网格的形状为正方形。
7.如权利要求5所述的发现系统,其特征在于,所述轨迹数据包括:采样点位置、采样时间、采样速度。
8.如权利要求5所述的发现系统,其特征在于,所述轨迹数据网格的对象包括:人、机动车辆、非机动车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911307313.0A CN111190977A (zh) | 2019-12-18 | 2019-12-18 | 一种城市路网拓扑关键节点的发现方法和发现系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911307313.0A CN111190977A (zh) | 2019-12-18 | 2019-12-18 | 一种城市路网拓扑关键节点的发现方法和发现系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111190977A true CN111190977A (zh) | 2020-05-22 |
Family
ID=70709599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911307313.0A Pending CN111190977A (zh) | 2019-12-18 | 2019-12-18 | 一种城市路网拓扑关键节点的发现方法和发现系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111190977A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108417023A (zh) * | 2018-05-02 | 2018-08-17 | 长安大学 | 基于出租车上下客点空间聚类的交通小区中心点选取方法 |
CN109739585A (zh) * | 2018-12-29 | 2019-05-10 | 广西交通科学研究院有限公司 | 基于spark集群并行化计算的交通拥堵点发现方法 |
US20190189001A1 (en) * | 2017-12-14 | 2019-06-20 | Here Global B.V. | Method and apparatus for providing a localized link-centric metric for directional traffic propagation |
CN110033048A (zh) * | 2019-04-18 | 2019-07-19 | 西南交通大学 | 一种轨道交通关键节点及关键路段识别方法 |
CN110111574A (zh) * | 2019-05-16 | 2019-08-09 | 北京航空航天大学 | 一种基于流量树分析的城市交通不平衡评价方法 |
CN110543728A (zh) * | 2019-09-05 | 2019-12-06 | 大连理工大学 | 一种城市交通路网关键路口发现方法 |
-
2019
- 2019-12-18 CN CN201911307313.0A patent/CN111190977A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190189001A1 (en) * | 2017-12-14 | 2019-06-20 | Here Global B.V. | Method and apparatus for providing a localized link-centric metric for directional traffic propagation |
CN108417023A (zh) * | 2018-05-02 | 2018-08-17 | 长安大学 | 基于出租车上下客点空间聚类的交通小区中心点选取方法 |
CN109739585A (zh) * | 2018-12-29 | 2019-05-10 | 广西交通科学研究院有限公司 | 基于spark集群并行化计算的交通拥堵点发现方法 |
CN110033048A (zh) * | 2019-04-18 | 2019-07-19 | 西南交通大学 | 一种轨道交通关键节点及关键路段识别方法 |
CN110111574A (zh) * | 2019-05-16 | 2019-08-09 | 北京航空航天大学 | 一种基于流量树分析的城市交通不平衡评价方法 |
CN110543728A (zh) * | 2019-09-05 | 2019-12-06 | 大连理工大学 | 一种城市交通路网关键路口发现方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108955693B (zh) | 一种路网匹配的方法及系统 | |
CN108198425A (zh) | 一种电动汽车行驶工况的构建方法 | |
CN104952248B (zh) | 一种基于欧氏空间的车辆汇聚预测方法 | |
CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
CN103337189A (zh) | 一种基于路段动态划分的车辆路径诱导方法 | |
CN105489004B (zh) | 面向道路实时速度计算的卡口与浮动车数据融合方法 | |
CN103226892B (zh) | 一种优化型的道路拥塞状态发现方法 | |
CN104156524A (zh) | 交通数据流的聚集查询方法及系统 | |
CN112288131B (zh) | 公交站点优化方法、电子设备及计算机可读存储介质 | |
CN103593430A (zh) | 一种基于移动对象时空信息轨迹分段聚类的方法 | |
CN105551082A (zh) | 一种基于激光点云的路面识别方法及装置 | |
CN106971546B (zh) | 基于公交车gps数据的路段公交车渗透率估计方法 | |
CN111680377A (zh) | 一种交通态势仿真方法、系统和电子设备 | |
CN110334861A (zh) | 一种基于轨迹数据的城市区域划分方法 | |
CN107886718B (zh) | 一种路况分析方法、装置及网络系统 | |
WO2018001122A1 (zh) | 一种公交车行驶速度确定方法及装置 | |
CN109520499B (zh) | 基于车辆gps轨迹数据实现区域实时等时线的方法 | |
CN105608895A (zh) | 一种基于局部异常因子的城市交通拥堵路段检测方法 | |
CN114495492A (zh) | 一种基于图神经网络的交通流预测方法 | |
CN111145540B (zh) | 一种城市路网拓扑连接边的发现方法和发现系统 | |
CN111191817B (zh) | 一种基于换乘客流量的公交线网拓扑划分方法 | |
CN109064750B (zh) | 城市路网交通估计方法及系统 | |
CN112950926A (zh) | 一种基于大数据和深度学习的城市主干道路速度预测方法 | |
CN105260551B (zh) | 车联网中节点分布特性分析方法 | |
CN111190977A (zh) | 一种城市路网拓扑关键节点的发现方法和发现系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200522 |