CN111351499A - 路径识别方法、装置、计算机设备和计算机可读存储介质 - Google Patents
路径识别方法、装置、计算机设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111351499A CN111351499A CN201811582429.0A CN201811582429A CN111351499A CN 111351499 A CN111351499 A CN 111351499A CN 201811582429 A CN201811582429 A CN 201811582429A CN 111351499 A CN111351499 A CN 111351499A
- Authority
- CN
- China
- Prior art keywords
- driving
- road section
- path
- track
- designated area
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种路径识别方法、装置、计算机设备和计算机可读存储介质,其中,路径识别方法包括:收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合;确定位置集合中每一组行驶起终点之间的至少一条行驶路径;将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径。根据本发明的技术方案,一方面,由于点与轨迹之间的对应关系是基于经纬度信息形成的,因此具有较高的扩展性,另一方面,能够在保证空间与时间连续性的同时实现目标路径的识别,并方便相关人员根据识别到的目标路径采取相关措施,以优化指定区域的交通出行。
Description
技术领域
本发明涉及智能交通领域,具体而言,涉及一种路径识别方法、一种路径识别装置、一种计算机设备和一种计算机可读存储介质。
背景技术
在城市交通管控方面,为了从整体上提高交通运行效率,需要对整个区域的关键交通路径进行分析,然后综合采用单行道放行、禁止左转等方式来更好的组织交通流,进一步地,在面对大城市核心区域的严重拥堵时,则需要采用上游截流的方法让车辆更均匀的分布在路网上,但是在做这些工作的之前,需要知悉指定区域内的关键交通路径有哪些、有什么样的特点、适不适合截流或引导到其他路径,相关技术中,可以依靠交警的现场经验进行引导,然而这种经验具有不可扩展性,另外也基于检测器采集到的数据进行分析,以确定需要疏导的路径,然而检测器数据大多为断面数据,不具有空间的连续性,也无法用于路径识别。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明的一个目的在于提供一种路径识别方法。
本发明的另一个目的在于提供一种路径识别装置。
本发明的又一个目的在于提供一种计算机设备。
本发明的又一个目的在于提供一种计算机可读存储介质。
为了实现上述目的,本发明第一方面的技术方案提供了一种路径识别方法,包括:收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合;确定位置集合中每一组行驶起终点之间的至少一条行驶路径;将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,其中,行驶路径中包括至少一条路段。
在上述技术方案中,优选地,收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合位置集合,具体包括:确定与指定区域具有交点的路段,以作为边界路段;识别边界路段的端点,以确定为指定区域的外部行驶起终点。
在上述任一技术方案中,优选地,收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合位置集合,具体还包括:获取指定区域内的历史网约车订单;提取历史网约车订单中的起点位置与终点位置,以将起点位置与终点位置确定为内部行驶起终点;根据外部行驶起终点与内部行驶起终点生成位置集合。
在上述任一技术方案中,优选地,提取历史网约车订单中的起点位置与终点位置,以将起点位置与终点位置确定为内部行驶起终点,还包括:对多个起点位置执行聚类操作以生成聚类起点,以及对多个终点位置执行聚类操作以生成聚类终点;将聚类起点与聚类终点确定为内部行驶起终点。
在上述任一技术方案中,优选地,确定位置集合中每一组行驶起终点之间的至少一条行驶路径,具体包括:对于位置集合内的每一组行驶起终点,采用深度优先遍历算法确定每一组行驶起终点之间的至少一条行驶路径。
在上述任一技术方案中,优选地,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,具体包括:根据车辆行驶轨迹与指定区域的关系,将车辆行驶轨迹划分为入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹;将入境轨迹、出境轨迹、与过境轨迹分别映射在位置集合中的行驶路径上,以得到待识别边界路段;将入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹分别映射在位置集合中的行驶路径上,以得到待识别内部路段。
在上述任一技术方案中,优选地,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,具体还包括:根据指定时间段内指定区域中的车辆行驶轨迹确定指定区域内的行驶速度真值;在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段时,将行驶速度真值输入预设的回归模型,以采用回归模型对指定时间段内的路口连接路段进行平均速度拟合,以得到路口连接路段中每个路段的权重系数;在检测到路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标行驶路段。
在上述任一技术方案中,优选地,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,具体还包括:根据指定时间段内指定区域中的车辆行驶轨迹确定指定区域内的路段延误真值;在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段时,将路段延误真值输入预设的回归模型,以采用回归模型对指定时间段内的路口连接路段进行平均延误时长拟合,以得到路口连接路段中每个路段的权重系数;在检测到路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标避让路段。
本发明第二方面的技术方案提供了一种路径识别装置,包括:收集单元,用于收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合;确定单元,用于确定位置集合中每一组行驶起终点之间的至少一条行驶路径;映射单元,用于将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,其中,行驶路径中包括至少一条路段。
在上述技术方案中,优选地,确定单元还用于:确定与指定区域具有交点的路段,以作为边界路段;路径识别装置还包括:识别单元,用于识别边界路段的端点,以确定为指定区域的外部行驶起终点。
在上述任一技术方案中,优选地,还包括:获取单元,用于获取指定区域内的历史网约车订单;提取单元,用于提取历史网约车订单中的起点位置与终点位置,以将起点位置与终点位置确定为内部行驶起终点;生成单元,用于根据外部行驶起终点与内部行驶起终点生成位置集合。
在上述任一技术方案中,优选地,还包括:聚类单元,用于对多个起点位置执行聚类操作以生成聚类起点,以及对多个终点位置执行聚类操作以生成聚类终点;确定单元还用于:将聚类起点与聚类终点确定为内部行驶起终点。
在上述任一技术方案中,优选地,还包括:遍历单元,用于对于位置集合内的每一组行驶起终点,采用深度优先遍历算法确定每一组行驶起终点之间的至少一条行驶路径。
在上述任一技术方案中,优选地,还包括:划分单元,用于根据车辆行驶轨迹与指定区域的关系,将车辆行驶轨迹划分为入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹;映射单元还用于:将入境轨迹、出境轨迹、与过境轨迹分别映射在位置集合中的行驶路径上,以得到待识别边界路段;映射单元还用于:将入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹分别映射在位置集合中的行驶路径上,以得到待识别内部路段。
在上述任一技术方案中,优选地,确定单元还用于:根据指定时间段内指定区域中的车辆行驶轨迹确定指定区域内的行驶速度真值;路径识别装置还包括:回归单元,用于在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段时,将行驶速度真值输入预设的回归模型,以采用回归模型对指定时间段内的路口连接路段进行平均速度拟合,以得到路口连接路段中每个路段的权重系数;确定单元还用于:在检测到路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标行驶路段。
在上述任一技术方案中,优选地,确定单元还用于:根据指定时间段内指定区域中的车辆行驶轨迹确定指定区域内的路段延误真值;回归单元还用于:在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段时,将路段延误真值输入预设的回归模型,以采用回归模型对指定时间段内的路口连接路段进行平均延误时长拟合,以得到路口连接路段中每个路段的权重系数;确定单元还用于:在检测到路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标避让路段。
本发明的第三方面的技术方案,提供了一种计算机设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一项路径识别方法限定的步骤,和/或包括上述任一项的路径识别装置。
本发明的第四方面的技术方案提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一项路径识别方法限定的步骤。
本发明的优点将在下面的描述部分中给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1示出了根据本发明的一个实施例的路径识别方法的示意流程图;
图2示出了根据本发明的另一个实施例的路径识别方法的示意流程图;
图3示出了根据本发明的再一个实施例的路径识别方法的示意流程图;
图4示出了根据本发明的实施例的路径识别装置的示意框图;
图5示出了根据本发明的实施例的计算机设备的示意框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的路径识别方法的示意流程图。
如图1所示,根据本发明的一个实施例的路径识别方法,包括:步骤S102,包括:收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合;步骤104,确定位置集合中每一组行驶起终点之间的至少一条行驶路径;步骤106,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径。
在该实施例中,通过收集行驶起点与行驶终点的经纬度信息,以得到指定区域内的位置集合,在位置集合中,具有多组存在对应关系的行驶起点与行驶终点,对应关系指能够从一个行驶起点行驶至对应的行驶终点,即每一组行驶起终点之间均有至少一条行驶路径,通过确定每一组起终点之间的至少一条行驶路径,并结合该区域内的车辆行驶轨迹,能够获得任一条行驶路径上的行驶信息,从而能够根据行驶信息与预设识别条件得到目标特征路径,一方面,由于点与轨迹之间的对应关系是基于经纬度信息形成的,因此具有较高的扩展性,另一方面,能够在保证空间与时间连续性的同时实现目标路径的识别,并方便相关人员根据识别到的目标路径采取相关措施,以优化指定区域的交通出行。
其中,指定区域具有行驶关系的行驶起点与行驶终点,可以为能够穿过指定区域的路径的起终点,即两个点均在指定区域外的点,也可以为进入指定区域的路径的起终点,即行驶终点在指定区域内,还可以为驶出指定区域的路径的起终点,即行驶起点在指定区域内。
另外,预设识别条件可以为识别较为全面反应区域特征的路段,其中区域特征可以是区域平均速度、区域平均延误、区域平均流量等。如图2所示,根据本发明的另一个实施例的路径识别方法,包括:步骤202,确定与指定区域具有交点的路段,以作为边界路段;步骤204,识别边界路段的端点,以确定为指定区域的外部行驶起终点;步骤206,获取指定区域内的历史网约车订单;步骤208,提取历史网约车订单中的起点位置与终点位置,步骤210,对多个起点位置执行聚类操作以生成聚类起点,以及对多个终点位置执行聚类操作以生成聚类终点;步骤212,将聚类起点与聚类终点确定为内部行驶起终点;步骤214,对于位置集合内的每一组行驶起终点,采用深度优先遍历算法确定每一组行驶起终点之间的至少一条行驶路径;步骤216,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,其中,行驶路径中包括至少一条路段。
在该实施例中,将与指定区域的边界具有交点的路段确定为边界路段,通过采集自定义区域的边界空间内的边界路段信息,以获取边界路段的两个端点,结合边界路段的行驶方向得到指定区域的外部OD(Origin and Destination,行驶起终点)集合,以为识别指定区域的边界路段中是否具有目标特征路径建立识别前提。
在该实施例中,在指定区域内,可以通过收集指定区域以及指定时间内的历史网约车订单的起终点信息,并根据网约车订单生成指定区域的内部OD集合,进一步,根据外部OD集合与内部OD集合生成位置集合,通过收集指定区域内的历史网约车订单的起终点信息,可以快速确定车辆行驶路线,减少对数据量的处理,提高了数据处理速度,从而实现了对指定区域内的行驶路线进行汇总。
在该实施例中,通过分别对收集来的网约订单中的起终点信息进行聚类操作,再根据生成的聚类起终点生成内部起终点位置集合,从而根据区域内历史订单数据中的车辆出发和到达情况,采用聚类的方法生成只有订单状态的区域内部OD集合,通过对指定区域内的车辆经纬度信息相近的行驶路径汇集在一定区域内,减少了车辆行驶路径的数据量,从而提高识别关键路径的效率。
在该实施例中,通过采用深度遍历算法,确定任意一组起终点之间的至少一条行驶路径,以能够结合车辆行驶轨迹识别满足预设识别条件的目标路径。
具体地,深度优先遍历指从某个行驶起点出发,首先访问该行驶起点,然后依次从它的各个未被访问的邻接点出发深度搜索遍历图,直至位置集合中所有和该行驶起点有路径相通的顶点都被访问到,若此时尚有其它行驶起点未被访问到,则另选一个未被访问的行驶起始点,重复上述过程,指示所有位置点都被访问到,以得到每组OD之间的所有行驶路径。
在上述任一实施例中,优选地,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,具体包括:根据车辆行驶轨迹与指定区域的关系,将车辆行驶轨迹划分为入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹;将入境轨迹、出境轨迹、与过境轨迹分别映射在位置集合中的行驶路径上,以得到待识别边界路段;将入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹分别映射在位置集合中的行驶路径上,以得到待识别内部路段。
在该实施例中,通过将车辆行驶轨迹分别划分为入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹,一方面,能够结合入境轨迹、出境轨迹、过境轨迹与行驶路径之间的映射关系,得到多条待识别边界路径,另一方面,也能够结合入境轨迹、出境轨迹、内部行驶轨迹、过境轨迹与行驶路径之间的映射关系,得到多条待识别内部路径,从而能够结合预设识别条件,在多条待识别边界路径与多条待识别内部路径中识别出目标路径,在能够保证了行驶路段空间的连续性的同时,识别出需要识别的目标路径。
具体地,入境轨迹可以是从外部进入区域后停在区域内部的车辆行驶轨迹,出境轨迹可以是从内部出发后离开区域驶向外部的车辆行驶轨迹,内部行驶轨迹可以是从内部出发后停在区域内部的车辆行驶轨迹,过境轨迹可以是从外部进入区域后离开区域驶向外部的车辆行驶轨迹。
在上述任一实施例中,优选地,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,具体还包括:根据指定时间段内指定区域中的车辆行驶轨迹确定指定区域内的行驶速度真值;在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段时,将行驶速度真值输入预设的回归模型,以采用回归模型对指定时间段内的路口连接路段进行平均速度拟合,以得到路口连接路段中每个路段的权重系数;在检测到路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标行驶路段。
在上述任一实施例中,优选地,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,具体还包括:根据指定时间段内指定区域中的车辆行驶轨迹确定指定区域内的路段延误真值;在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段时,将路段延误真值输入预设的回归模型,以采用回归模型对指定时间段内的路口连接路段进行平均延误时长拟合,以得到路口连接路段中每个路段的权重系数;在检测到路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标避让路段。
具体地,在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段,在检测到所述识别边界路段和/或所述待识别内部路段中具有路口连接路段后,通过使用线性回归方法对历史时段内上述连接路段进行区域平均速度拟合,其中拟合使用的区域速度真值使用同一历史时段内区域所有路段计算,拟合后得到每一连接路段的权重系数,其中在路口连接路段中的流量大于一定的预设流量阈值的条件下,选择权重系数大的路口连接路段作为所述目标特征路径;或使用区域平均延误进行拟合,其中拟合使用的区域平均延误使用同一历史时段内区域路段延误真值计算,拟合后得到每一连接路段的权重系数,选择权重系数大的路口连接路段作为所述目标特征路径,其中路口连接路段中的流量需要大于一定的预设流量阈值。
在该实施例中,作为预设识别条件的一种设置方式,由于交通拥堵通发生在路口处,所以首先可以根据连接的路形筛选出路段连接路段,目标特征路径在检测到所述识别边界路段和/或所述待识别内部路段中具有路口连接路段后,通过使用线性回归方法对历史时段内上述连接路段进行区域平均速度拟合,其中拟合使用的区域速度真值使用同一历史时段内区域所有路段计算,拟合后得到每一连接路段的权重系数,其中在路口连接路段中的流量大于一定的预设流量阈值的条件下,选择权重系数大的路口连接路段作为所述目标特征路径;或使用区域平均延误进行拟合,其中拟合使用的区域平均延误使用同一历史时段内区域路段延误真值计算,拟合后得到每一连接路段的权重系数,选择权重系数大的路口连接路段作为所述目标特征路径,其中路口连接路段中的流量需要大于一定的预设流量阈值。这些车流路径实现了对于区域内特征路径的筛选,从而可以有的放矢的进行进一步的区域交通优化。
如图3所示,根据本发明的再一个实施例的路径识别方法,包括:步骤302,提取选定的时间范围和空间范围内的车辆轨迹数据;步骤304,识别外部OD,同时采用聚类算法生成内部OD;步骤306,按照不同OD对车辆轨迹分类,并采用深度优先遍历的方法识别OD之间的所有路径;步骤308,基于车流量、车流平均速度、车流平均延误、路径连接关系等特征识别关键交通路径。
具体地,首先根据所选定的时间范围和空间范围,提取区域内车辆行驶轨迹,以及提取区域的空间边界所包含的道路(linkid),并作为区域外部OD集合,同时根据区域内历史订单数据中的车辆出发和到达情况,采用聚类的方法识别区域内部OD集合,在得到OD集合后,在指定区域的指定时间段内的车辆轨迹中只选取订单状态车辆轨迹,将每个轨迹分成如下四类中的一类:过境轨迹(从外部进入区域后离开区域驶向外部)、入境轨迹(从外部进入区域后停在区域内部)、出境轨迹(从内部出发后离开区域驶向外部)和内部行驶轨迹(从内部出发后停在区域内部),按每组OD,对车辆轨迹进行筛选;对于同一组OD,采用深度优先的方法发现连接该OD的所有路径,并按每个路径对车辆轨迹进行筛选,进一步地,对于每个路径,从车流量、车流平均速度、车流平均延误、路径连接关系等方面识别关键交通路段。
如图4所示,根据本发明的实施例的路径识别装置400,包括:收集单元402,用于收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合;确定单元404,用于确定位置集合中每一组行驶起终点之间的至少一条行驶路径;映射单元406,用于将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,其中,行驶路径中包括至少一条路段。
在该实施例中,通过收集行驶起点与行驶终点的经纬度信息,以得到指定区域内的位置集合,在位置集合中,具有多组存在对应关系的行驶起点与行驶终点,对应关系指能够从一个行驶起点行驶至对应的行驶终点,即每一组行驶起终点之间均有至少一条行驶路径,通过确定每一组起终点之间的至少一条行驶路径,并结合该区域内的车辆行驶轨迹,能够获得任一条行驶路径上的行驶信息,从而能够根据行驶信息与预设识别条件得到目标特征路径,一方面,由于点与轨迹之间的对应关系是基于经纬度信息形成的,因此具有较高的扩展性,另一方面,能够在保证空间与时间连续性的同时实现目标路径的识别,并方便相关人员根据识别到的目标路径采取相关措施,以优化指定区域的交通出行。
其中,指定区域具有行驶关系的行驶起点与行驶终点,可以为能够穿过指定区域的路径的起终点,即两个点均在指定区域外的点,也可以为进入指定区域的路径的起终点,即行驶终点在指定区域内,还可以为驶出指定区域的路径的起终点,即行驶起点在指定区域内。
另外,预设识别条件可以为识别较为全面反应区域特征的路段,其中区域特征可以是区域平均速度、区域平均延误、区域平均流量等。在上述实施例中,优选地,确定单元404还用于:确定与指定区域具有交点的路段,以作为边界路段;路径识别装置400还包括:识别单元408,用于识别边界路段的端点,以确定为指定区域的外部行驶起终点。
在该实施例中,将与指定区域的边界具有交点的路段确定为边界路段,通过采集自定义区域的边界空间内的边界路段信息,以获取边界路段的两个端点,结合边界路段的行驶方向得到指定区域的外部OD(Origin and Destination,行驶起终点)集合,以为识别指定区域的边界路段中是否具有目标特征路径建立识别前提。
在上述任一实施例中,优选地,还包括:获取单元410,用于获取指定区域内的历史网约车订单;提取单元412,用于提取历史网约车订单中的起点位置与终点位置,以将起点位置与终点位置确定为内部行驶起终点;生成单元414,用于根据外部行驶起终点与内部行驶起终点生成位置集合。
在该实施例中,在指定区域内,可以通过收集指定区域以及指定时间内的历史网约车订单的起终点信息,并根据网约车订单生成指定区域的内部OD集合,进一步,根据外部OD集合与内部OD集合生成位置集合,通过收集指定区域内的历史网约车订单的起终点信息,可以快速确定车辆行驶路线,减少对数据量的处理,提高了数据处理速度,从而实现了对指定区域内的行驶路线进行汇总。
在上述任一实施例中,优选地,还包括:聚类单元416,用于对多个起点位置执行聚类操作以生成聚类起点,以及对多个终点位置执行聚类操作以生成聚类终点;确定单元404还用于:将聚类起点与聚类终点确定为内部行驶起终点。
在该实施例中,通过分别对收集来的网约订单中的起终点信息进行聚类操作,再根据生成的聚类起终点生成内部起终点位置集合,从而根据区域内历史订单数据中的车辆出发和到达情况,采用聚类的方法生成只有订单状态的区域内部OD集合,通过对指定区域内的车辆经纬度信息相近的行驶路径汇集在一定区域内,减少了车辆行驶路径的数据量,从而提高识别关键路径的效率。
在上述任一实施例中,优选地,还包括:遍历单元418,用于对于位置集合内的每一组行驶起终点,采用深度优先遍历算法确定每一组行驶起终点之间的至少一条行驶路径。
在该实施例中,通过采用深度遍历算法,确定任意一组起终点之间的至少一条行驶路径,以能够结合车辆行驶轨迹识别满足预设识别条件的目标路径。
具体地,深度优先遍历指从某个行驶起点出发,首先访问该行驶起点,然后依次从它的各个未被访问的邻接点出发深度搜索遍历图,直至位置集合中所有和该行驶起点有路径相通的顶点都被访问到,若此时尚有其它行驶起点未被访问到,则另选一个未被访问的行驶起始点,重复上述过程,指示所有位置点都被访问到,以得到每组OD之间的所有行驶路径。
在上述任一实施例中,优选地,还包括:划分单元420,用于根据车辆行驶轨迹与指定区域的关系,将车辆行驶轨迹划分为入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹;映射单元406还用于:将入境轨迹、出境轨迹、与过境轨迹分别映射在位置集合中的行驶路径上,以得到待识别边界路段;映射单元406还用于:将入境轨迹、出境轨迹与过境轨迹分别映射在位置集合中的行驶路径上,以得到待识别内部路段。
在该实施例中,通过将车辆行驶轨迹分别划分为入境轨迹、出境轨迹、与过境轨迹,一方面,能够结合入境轨迹、出境轨迹、过境轨迹与行驶路径之间的映射关系,得到多条待识别边界路径,另一方面,也能够结合入境轨迹、出境轨迹、过境轨迹与行驶路径之间的映射关系,得到多条待识别内部路径,从而能够结合预设识别条件,在多条待识别边界路径与多条待识别内部路径中识别出目标路径,在能够保证了行驶路段空间的连续性的同时,识别出需要识别的目标路径。
具体地,入境轨迹可以是从外部进入区域后停在区域内部的车辆行驶轨迹,出境轨迹可以是从内部出发后离开区域驶向外部的车辆行驶轨迹,,过境轨迹可以是从外部进入区域后离开区域驶向外部的车辆行驶轨迹。
在上述任一技术方案中,优选地,确定单元404还用于:根据指定时间段内指定区域中的车辆行驶轨迹确定指定区域内的行驶速度真值;路径识别装置400还包括:回归单元422,用于在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段时,将行驶速度真值输入预设的回归模型,以采用回归模型对指定时间段内的路口连接路段进行平均速度拟合,以得到路口连接路段中每个路段的权重系数;确定单元404还用于:在检测到路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标行驶路段。
在上述任一技术方案中,优选地,确定单元404还用于:根据指定时间段内指定区域中的车辆行驶轨迹确定指定区域内的路段延误真值;回归单元422还用于:在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段时,将路段延误真值输入预设的回归模型,以采用回归模型对指定时间段内的路口连接路段进行平均延误时长拟合,以得到路口连接路段中每个路段的权重系数;确定单元404还用于:在检测到路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标避让路段。
在该实施例中,作为预设识别条件的一种设置方式,由于交通拥堵通发生在路口处,所以首先可以根据连接的路形筛选出路段连接路段,目标特征路径在检测到所述识别边界路段和/或所述待识别内部路段中具有路口连接路段后,通过使用线性回归方法对历史时段内上述连接路段进行区域平均速度拟合,其中拟合使用的区域速度真值使用同一历史时段内区域所有路段计算,拟合后得到每一连接路段的权重系数,其中在路口连接路段中的流量大于一定的预设流量阈值的条件下,选择权重系数大的路口连接路段作为所述目标特征路径;或使用区域平均延误进行拟合,其中拟合使用的区域平均延误使用同一历史时段内区域路段延误真值计算,拟合后得到每一连接路段的权重系数,选择权重系数大的路口连接路段作为所述目标特征路径,其中路口连接路段中的流量需要大于一定的预设流量阈值。这些车流路径实现了对于区域内特征路径的筛选,从而可以有的放矢的进行进一步的区域交通优化。如图5所示,根据本发明的一个实施例的计算机设备500,包括:存储器502、处理器504及存储在存储器502上并可在处理器504上运行的计算机程序,处理器504执行计算机程序时实现上述任一项路径识别方法限定的步骤,和/或包括上述任一项的路径识别装置。
本发明实施例的路径识别装置中的单元模块可以根据实际需要进行合并、划分和删减。
根据本发明的实施例,提出了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现:
收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合;确定位置集合中每一组行驶起终点之间的至少一条行驶路径;将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,其中,行驶路径中包括至少一条路段。
在该实施例中,通过收集行驶起点与行驶终点的经纬度信息,以得到指定区域内的位置集合,在位置集合中,具有多组存在对应关系的行驶起点与行驶终点,对应关系指能够从一个行驶起点行驶至对应的行驶终点,即每一组行驶起终点之间均有至少一条行驶路径,通过确定每一组起终点之间的至少一条行驶路径,并结合该区域内的车辆行驶轨迹,能够获得任一条行驶路径上的行驶信息,从而能够根据行驶信息与预设识别条件得到目标特征路径,一方面,由于点与轨迹之间的对应关系是基于经纬度信息形成的,因此具有较高的扩展性,另一方面,能够在保证空间与时间连续性的同时实现目标路径的识别,并方便相关人员根据识别到的目标路径采取相关措施,以优化指定区域的交通出行。
其中,指定区域具有行驶关系的行驶起点与行驶终点,可以为能够穿过指定区域的路径的起终点,即两个点均在指定区域外的点,也可以为进入指定区域的路径的起终点,即行驶终点在指定区域内,还可以为驶出指定区域的路径的起终点,即行驶起点在指定区域内,还可以为在指定区域内的路径的起终点,即行驶起点与行驶终点均在指定区域内。
另外,预设识别条件可以为识别较为全面反应区域特征的路段,其中区域特征可以是区域平均速度、区域平均延误、区域平均流量等。在上述实施例中,优选地,收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合位置集合,具体包括:确定与指定区域具有交点的路段,以作为边界路段;识别边界路段的端点,以确定为指定区域的外部行驶起终点。
在该实施例中,将与指定区域的边界具有交点的路段确定为边界路段,通过采集自定义区域的边界空间内的边界路段信息,以获取边界路段的两个端点,结合边界路段的行驶方向得到指定区域的外部OD(Origin and Destination,行驶起终点)集合,以为识别指定区域的边界路段中是否具有目标特征路径建立识别前提。
在上述任一实施例中,优选地,收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合位置集合,具体还包括:获取指定区域内的历史网约车订单;提取历史网约车订单中的起点位置与终点位置,以将起点位置与终点位置确定为内部行驶起终点;根据外部行驶起终点与内部行驶起终点生成位置集合。
在该实施例中,在指定区域内,可以通过收集指定区域以及指定时间内的历史网约车订单的起终点信息,并根据网约车订单生成指定区域的内部OD集合,进一步,根据外部OD集合与内部OD集合生成位置集合,通过收集指定区域内的历史网约车订单的起终点信息,可以快速确定车辆行驶路线,减少对数据量的处理,提高了数据处理速度,从而实现了对指定区域内的行驶路线进行汇总。
在上述任一实施例中,优选地,提取历史网约车订单中的起点位置与终点位置,以将起点位置与终点位置确定为内部行驶起终点,还包括:对多个起点位置执行聚类操作以生成聚类起点,以及对多个终点位置执行聚类操作以生成聚类终点;将聚类起点与聚类终点确定为内部行驶起终点。
在该实施例中,通过分别对收集来的网约订单中的起终点信息进行聚类操作,再根据生成的聚类起终点生成内部起终点位置集合,从而根据区域内历史订单数据中的车辆出发和到达情况,采用聚类的方法生成只有订单状态的区域内部OD集合,通过对指定区域内的车辆经纬度信息相近的行驶路径汇集在一定区域内,减少了车辆行驶路径的数据量,从而提高识别关键路径的效率。
在上述任一实施例中,优选地,确定位置集合中每一组行驶起终点之间的至少一条行驶路径,具体包括:对于位置集合内的每一组行驶起终点,采用深度优先遍历算法确定每一组行驶起终点之间的至少一条行驶路径。
在该实施例中,通过采用深度遍历算法,确定任意一组起终点之间的至少一条行驶路径,以能够结合车辆行驶轨迹识别满足预设识别条件的目标路径。
具体地,深度优先遍历指从某个行驶起点出发,首先访问该行驶起点,然后依次从它的各个未被访问的邻接点出发深度搜索遍历图,直至位置集合中所有和该行驶起点有路径相通的顶点都被访问到,若此时尚有其它行驶起点未被访问到,则另选一个未被访问的行驶起始点,重复上述过程,指示所有位置点都被访问到,以得到每组OD之间的所有行驶路径。
在上述任一实施例中,优选地,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,具体包括:根据车辆行驶轨迹与指定区域的关系,将车辆行驶轨迹划分为入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹;将入境轨迹、出境轨迹、与过境轨迹分别映射在位置集合中的行驶路径上,以得到待识别边界路段;将入境轨迹、出境轨迹与过境轨迹分别映射在位置集合中的行驶路径上,以得到待识别内部路段。
在该实施例中,通过将车辆行驶轨迹分别划分为入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹,一方面,能够结合入境轨迹、出境轨迹、过境轨迹与行驶路径之间的映射关系,得到多条待识别边界路径,另一方面,也能够结合入境轨迹、出境轨迹、内部行驶轨迹、过境轨迹与行驶路径之间的映射关系,得到多条待识别内部路径,从而能够结合预设识别条件,在多条待识别边界路径与多条待识别内部路径中识别出目标路径,在能够保证了行驶路段空间的连续性的同时,识别出需要识别的目标路径。
具体地,入境轨迹可以是从外部进入区域后停在区域内部的车辆行驶轨迹,出境轨迹可以是从内部出发后离开区域驶向外部的车辆行驶轨迹,内部行驶轨迹可以是从内部出发后停在区域内部的车辆行驶轨迹,过境轨迹可以是从外部进入区域后离开区域驶向外部的车辆行驶轨迹。
在上述任一实施例中,优选地,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,具体还包括:根据指定时间段内指定区域中的车辆行驶轨迹确定指定区域内的行驶速度真值;在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段时,将行驶速度真值输入预设的回归模型,以采用回归模型对指定时间段内的路口连接路段进行平均速度拟合,以得到路口连接路段中每个路段的权重系数;在检测到路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标行驶路段。
在上述任一实施例中,优选地,将指定时间段内经过指定区域的车辆行驶轨迹映射至行驶路径上,以根据预设识别条件识别行驶路径中的目标特征路径,具体还包括:根据指定时间段内指定区域中的车辆行驶轨迹确定指定区域内的路段延误真值;在检测到待识别边界路段和/或待识别内部路段中具有路口连接路段时,将路段延误真值输入预设的回归模型,以采用回归模型对指定时间段内的路口连接路段进行平均延误时长拟合,以得到路口连接路段中每个路段的权重系数;在检测到路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标避让路段。在该实施例中,作为预设识别条件的一种设置方式,由于交通拥堵通发生在路口处,所以首先可以根据连接的路形筛选出路段连接路段,在检测到所述识别边界路段和/或所述待识别内部路段中具有路口连接路段后,通过使用线性回归方法对历史时段内上述连接路段进行区域平均速度拟合,其中拟合使用的区域速度真值使用同一历史时段内区域所有路段计算,拟合后得到每一连接路段的权重系数,其中在路口连接路段中的流量大于一定的预设流量阈值的条件下,选择权重系数大的路口连接路段作为所述目标特征路径;或使用区域平均延误进行拟合,其中拟合使用的区域平均延误使用同一历史时段内区域路段延误真值计算,拟合后得到每一连接路段的权重系数,选择权重系数大的路口连接路段作为所述目标特征路径,其中路口连接路段中的流量需要大于一定的预设流量阈值。这些车流路径实现了对于区域内特征路径的筛选,从而可以有的放矢的进行进一步的区域交通优化。目标特征路径进一步地,可以理解的是,流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (18)
1.一种路径识别方法,其特征在于,包括:
收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合;
确定所述位置集合中每一组行驶起终点之间的至少一条行驶路径;
将指定时间段内经过所述指定区域的车辆行驶轨迹映射至所述行驶路径上,以根据预设识别条件识别所述行驶路径中的目标特征路径。
2.根据权利要求1所述的路径识别方法,其特征在于,所述收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合位置集合,具体包括:
确定与所述指定区域具有交点的路段,以作为边界路段;
识别所述边界路段的端点,以确定为所述指定区域的外部行驶起终点。
3.根据权利要求2所述的路径识别方法,其特征在于,所述收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合位置集合,具体还包括:
获取所述指定区域内的历史网约车订单;
提取所述历史网约车订单中的起点位置与终点位置,以将所述起点位置与终点位置确定为内部行驶起终点;
根据所述外部行驶起终点与所述内部行驶起终点生成所述位置集合。
4.根据权利要求3所述的路径识别方法,其特征在于,所述提取所述历史网约车订单中的起点位置与终点位置,以将所述起点位置与终点位置确定为内部行驶起终点,还包括:
对多个所述起点位置执行聚类操作以生成聚类起点,以及对多个所述终点位置执行聚类操作以生成聚类终点;
将所述聚类起点与所述聚类终点确定为所述内部行驶起终点。
5.根据权利要求4所述的路径识别方法,其特征在于,所述确定所述位置集合中每一组行驶起终点之间的至少一条行驶路径,具体包括:
对于所述位置集合内的每一组行驶起终点,采用深度优先遍历算法确定每一组所述行驶起终点之间的至少一条行驶路径。
6.根据权利要求1至5中任一项所述的路径识别方法,其特征在于,所述将指定时间段内经过所述指定区域的车辆行驶轨迹映射至所述行驶路径上,以根据预设识别条件识别所述行驶路径中的目标特征路径,具体包括:
根据所述车辆行驶轨迹与所述指定区域的关系,将所述车辆行驶轨迹划分为入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹;
将所述入境轨迹、所述出境轨迹、与所述过境轨迹分别映射在所述位置集合中的所述行驶路径上,以得到待识别边界路段;
将所述入境轨迹、所述出境轨迹、所述内部行驶轨迹与所述过境轨迹分别映射在所述位置集合中的所述行驶路径上,以得到待识别内部路段。
7.根据权利要求6所述的路径识别方法,其特征在于,所述将指定时间段内经过所述指定区域的车辆行驶轨迹映射至所述行驶路径上,以根据预设识别条件识别所述行驶路径中的目标特征路径,具体还包括:
根据所述指定时间段内所述指定区域中的所述车辆行驶轨迹确定所述指定区域内的行驶速度真值;
在检测到所述待识别边界路段和/或所述待识别内部路段中具有路口连接路段时,将所述行驶速度真值输入预设的回归模型,以采用所述回归模型对所述指定时间段内的所述路口连接路段进行平均速度拟合,以得到所述路口连接路段中每个路段的权重系数;
在检测到所述路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标行驶路段。
8.根据权利要求6所述的路径识别方法,其特征在于,所述将指定时间段内经过所述指定区域的车辆行驶轨迹映射至所述行驶路径上,以根据预设识别条件识别所述行驶路径中的目标特征路径,具体还包括:
根据所述指定时间段内所述指定区域中的所述车辆行驶轨迹确定所述指定区域内的路段延误真值;
在检测到所述待识别边界路段和/或所述待识别内部路段中具有路口连接路段时,将所述路段延误真值输入预设的回归模型,以采用所述回归模型对所述指定时间段内的所述路口连接路段进行平均延误时长拟合,以得到所述路口连接路段中每个路段的权重系数;
在检测到所述路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标避让路段。
9.一种路径识别装置,其特征在于,包括:
收集单元,用于收集与指定区域具有行驶关系的行驶起点与行驶终点,并生成位置集合;
确定单元,用于确定所述位置集合中每一组行驶起终点之间的至少一条行驶路径;
映射单元,用于将指定时间段内经过所述指定区域的车辆行驶轨迹映射至所述行驶路径上,以根据预设识别条件识别所述行驶路径中的目标特征路径,
其中,所述行驶路径中包括至少一条路段。
10.根据权利要求9所述的路径识别装置,其特征在于,
所述确定单元还用于:确定与所述指定区域具有交点的路段,以作为边界路段;
所述路径识别装置还包括:
识别单元,用于识别所述边界路段的端点,以确定为所述指定区域的外部行驶起终点。
11.根据权利要求10所述的路径识别装置,其特征在于,还包括:
获取单元,用于获取所述指定区域内的历史网约车订单;
提取单元,用于提取所述历史网约车订单中的起点位置与终点位置,以将所述起点位置与终点位置确定为内部行驶起终点;
生成单元,用于根据所述外部行驶起终点与所述内部行驶起终点生成所述位置集合。
12.根据权利要求11所述的路径识别装置,其特征在于,还包括:
聚类单元,用于对多个所述起点位置执行聚类操作以生成聚类起点,以及对多个所述终点位置执行聚类操作以生成聚类终点;
所述确定单元还用于:将所述聚类起点与所述聚类终点确定为所述内部行驶起终点。
13.根据权利要求12所述的路径识别装置,其特征在于,还包括:
遍历单元,用于对于所述位置集合内的每一组行驶起终点,采用深度优先遍历算法确定每一组所述行驶起终点之间的至少一条行驶路径。
14.根据权利要求9至13中任一项所述的路径识别装置,其特征在于,还包括:
划分单元,用于根据所述车辆行驶轨迹与所述指定区域的关系,将所述车辆行驶轨迹划分为入境轨迹、出境轨迹、内部行驶轨迹与过境轨迹;
所述映射单元还用于:将所述入境轨迹、所述出境轨迹、与所述过境轨迹分别映射在所述位置集合中的所述行驶路径上,以得到待识别边界路段;
所述映射单元还用于:将所述入境轨迹、所述出境轨迹、所述内部行驶轨迹与所述过境轨迹分别映射在所述位置集合中的所述行驶路径上,以得到待识别内部路段。
15.根据权利要求14所述的路径识别装置,其特征在于,
所述确定单元还用于:根据所述指定时间段内所述指定区域中的所述车辆行驶轨迹确定所述指定区域内的行驶速度真值;
所述路径识别装置还包括:
回归单元,用于在检测到所述待识别边界路段和/或所述待识别内部路段中具有路口连接路段时,将所述行驶速度真值输入预设的回归模型,以采用所述回归模型对所述指定时间段内的所述路口连接路段进行平均速度拟合,以得到所述路口连接路段中每个路段的权重系数;
所述确定单元还用于:在检测到所述路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标行驶路段。
16.根据权利要求15所述的路径识别装置,其特征在于,
所述确定单元还用于:根据所述指定时间段内所述指定区域中的所述车辆行驶轨迹确定所述指定区域内的路段延误真值;
所述回归单元还用于:在检测到所述待识别边界路段和/或所述待识别内部路段中具有路口连接路段时,将所述路段延误真值输入预设的回归模型,以采用所述回归模型对所述指定时间段内的所述路口连接路段进行平均延误时长拟合,以得到所述路口连接路段中每个路段的权重系数;
所述确定单元还用于:在检测到所述路口连接路段的流量大于预设流量阈值时,将大权重路段确定为目标避让路段。
17.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的路径识别方法限定的步骤,和/或包括如权利要求9至16中任一项所述的路径识别装置。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的路径识别方法限定的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582429.0A CN111351499B (zh) | 2018-12-24 | 2018-12-24 | 路径识别方法、装置、计算机设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582429.0A CN111351499B (zh) | 2018-12-24 | 2018-12-24 | 路径识别方法、装置、计算机设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111351499A true CN111351499A (zh) | 2020-06-30 |
CN111351499B CN111351499B (zh) | 2022-04-12 |
Family
ID=71195559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811582429.0A Active CN111351499B (zh) | 2018-12-24 | 2018-12-24 | 路径识别方法、装置、计算机设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111351499B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365109A (zh) * | 2021-01-14 | 2021-02-12 | 北京每日优鲜电子商务有限公司 | 配送路径信息生成方法、装置、电子设备和可读介质 |
CN112414410A (zh) * | 2020-11-19 | 2021-02-26 | 广州极飞科技有限公司 | 路径生成方法、设备作业方法和设备控制系统 |
CN112712701A (zh) * | 2021-01-06 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 基于识别装置的路线确定方法、装置、设备及存储介质 |
CN112801399A (zh) * | 2021-02-08 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 一种路径生成方法、装置、终端设备及存储介质 |
CN112923942A (zh) * | 2021-01-22 | 2021-06-08 | 北京中交兴路信息科技有限公司 | 起点和终点之间车辆参考行驶路线的方法、装置、计算机设备和存储介质 |
CN114419747A (zh) * | 2021-12-27 | 2022-04-29 | 北京万集科技股份有限公司 | 电子交易方法、电子交易装置、电子设备及介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101373559A (zh) * | 2007-08-24 | 2009-02-25 | 同济大学 | 基于浮动车数据评估城市路网交通状态的方法 |
CN101388144A (zh) * | 2007-09-11 | 2009-03-18 | 株式会社日立制作所 | 交通状况预测装置、交通状况预测方法 |
CN102509170A (zh) * | 2011-10-10 | 2012-06-20 | 浙江鸿程计算机系统有限公司 | 一种基于历史轨迹数据挖掘的位置预测系统及方法 |
CN102622879A (zh) * | 2011-01-26 | 2012-08-01 | 株式会社日立制作所 | 交通信息提供装置 |
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 |
CN104121917A (zh) * | 2013-04-28 | 2014-10-29 | 百度在线网络技术(北京)有限公司 | 一种自动发现新建桥梁的方法和装置 |
CN104318767A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种基于公交gps轨迹数据的路况信息生成方法 |
CN104504065A (zh) * | 2014-12-19 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 导航路线生成方法和装置 |
CN105091889A (zh) * | 2014-04-23 | 2015-11-25 | 华为技术有限公司 | 一种热点路径的确定方法及设备 |
US20160153787A1 (en) * | 2014-11-28 | 2016-06-02 | International Business Machines Corporation | Method and system for division of road network |
CN105825672A (zh) * | 2016-04-11 | 2016-08-03 | 中山大学 | 一种基于浮动车数据的城市指引区域提取方法 |
CN107240264A (zh) * | 2017-06-26 | 2017-10-10 | 安徽四创电子股份有限公司 | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 |
CN108332764A (zh) * | 2018-01-16 | 2018-07-27 | 维沃移动通信有限公司 | 一种路线推荐方法及移动终端 |
WO2018151669A1 (en) * | 2017-02-17 | 2018-08-23 | Dataspark Pte. Ltd. | Map matching and trajectory analysis |
CN108804507A (zh) * | 2018-04-16 | 2018-11-13 | 北京嘀嘀无限科技发展有限公司 | 用户的住址位置确定方法及系统 |
-
2018
- 2018-12-24 CN CN201811582429.0A patent/CN111351499B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101373559A (zh) * | 2007-08-24 | 2009-02-25 | 同济大学 | 基于浮动车数据评估城市路网交通状态的方法 |
CN101388144A (zh) * | 2007-09-11 | 2009-03-18 | 株式会社日立制作所 | 交通状况预测装置、交通状况预测方法 |
CN102622879A (zh) * | 2011-01-26 | 2012-08-01 | 株式会社日立制作所 | 交通信息提供装置 |
CN102509170A (zh) * | 2011-10-10 | 2012-06-20 | 浙江鸿程计算机系统有限公司 | 一种基于历史轨迹数据挖掘的位置预测系统及方法 |
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 |
CN104121917A (zh) * | 2013-04-28 | 2014-10-29 | 百度在线网络技术(北京)有限公司 | 一种自动发现新建桥梁的方法和装置 |
CN105091889A (zh) * | 2014-04-23 | 2015-11-25 | 华为技术有限公司 | 一种热点路径的确定方法及设备 |
CN104318767A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种基于公交gps轨迹数据的路况信息生成方法 |
US20160153787A1 (en) * | 2014-11-28 | 2016-06-02 | International Business Machines Corporation | Method and system for division of road network |
CN104504065A (zh) * | 2014-12-19 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 导航路线生成方法和装置 |
CN105825672A (zh) * | 2016-04-11 | 2016-08-03 | 中山大学 | 一种基于浮动车数据的城市指引区域提取方法 |
WO2018151669A1 (en) * | 2017-02-17 | 2018-08-23 | Dataspark Pte. Ltd. | Map matching and trajectory analysis |
CN107240264A (zh) * | 2017-06-26 | 2017-10-10 | 安徽四创电子股份有限公司 | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 |
CN108332764A (zh) * | 2018-01-16 | 2018-07-27 | 维沃移动通信有限公司 | 一种路线推荐方法及移动终端 |
CN108804507A (zh) * | 2018-04-16 | 2018-11-13 | 北京嘀嘀无限科技发展有限公司 | 用户的住址位置确定方法及系统 |
Non-Patent Citations (3)
Title |
---|
DHEERAJ KUMAR 等: "Fast and Scalable Big Data Trajectory Clustering for Understanding Urban Mobility", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
林兴志: "交通物流GIS路网可视化管理研究", 《大众科技》 * |
王有成: "路网中交通异常检测技术研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112414410A (zh) * | 2020-11-19 | 2021-02-26 | 广州极飞科技有限公司 | 路径生成方法、设备作业方法和设备控制系统 |
CN112414410B (zh) * | 2020-11-19 | 2023-09-01 | 广州极飞科技股份有限公司 | 路径生成方法、设备作业方法和设备控制系统 |
CN112712701A (zh) * | 2021-01-06 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 基于识别装置的路线确定方法、装置、设备及存储介质 |
CN112365109A (zh) * | 2021-01-14 | 2021-02-12 | 北京每日优鲜电子商务有限公司 | 配送路径信息生成方法、装置、电子设备和可读介质 |
CN112923942A (zh) * | 2021-01-22 | 2021-06-08 | 北京中交兴路信息科技有限公司 | 起点和终点之间车辆参考行驶路线的方法、装置、计算机设备和存储介质 |
CN112923942B (zh) * | 2021-01-22 | 2022-11-25 | 北京中交兴路信息科技有限公司 | 起点和终点之间车辆参考行驶路线的方法和装置 |
CN112801399A (zh) * | 2021-02-08 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 一种路径生成方法、装置、终端设备及存储介质 |
CN112801399B (zh) * | 2021-02-08 | 2022-08-12 | 腾讯科技(深圳)有限公司 | 一种路径生成方法、装置、终端设备及存储介质 |
CN114419747A (zh) * | 2021-12-27 | 2022-04-29 | 北京万集科技股份有限公司 | 电子交易方法、电子交易装置、电子设备及介质 |
CN114419747B (zh) * | 2021-12-27 | 2024-04-19 | 北京万集科技股份有限公司 | 电子交易方法、电子交易装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111351499B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111351499B (zh) | 路径识别方法、装置、计算机设备和计算机可读存储介质 | |
US10642268B2 (en) | Method and apparatus for generating automatic driving strategy | |
CN109902899B (zh) | 信息生成方法和装置 | |
JP6401140B2 (ja) | 交差点の構造の接合確率モデリング及び推定 | |
CN103562978B (zh) | 车辆数据分析方法和车辆数据分析系统 | |
US9068848B2 (en) | Providing cost information associated with intersections | |
CN110562258A (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
JP2007041294A (ja) | 道路地図データ更新システム及び道路検出システム | |
CN113570864B (zh) | 一种电动自行车行驶路径匹配方法、设备及存储介质 | |
CN107085944A (zh) | 一种交通数据处理系统及方法 | |
CN107389085A (zh) | 一种道路通行属性的确定方法、装置、计算机及存储介质 | |
CN110415517B (zh) | 一种基于车辆行驶轨迹的道路拥堵精准预警系统及方法 | |
CN105336166A (zh) | 基于车载蓝牙的交通特征参数提取方法 | |
CN104875740B (zh) | 用于管理跟随空间的方法、主车辆以及跟随空间管理单元 | |
CN106463050A (zh) | 用于处理车辆的测量数据以用于确定开始寻找停车位的方法和计算机程序产品 | |
CN109493606A (zh) | 一种高速公路上违停车辆的识别方法及系统 | |
CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
CN110696828B (zh) | 前向目标选择方法、装置及车载设备 | |
JP4572944B2 (ja) | 運転支援装置、運転支援方法および運転支援プログラム | |
JP2013156803A (ja) | 運転評価装置、運転評価方法、運転評価プログラム、及び記録媒体 | |
CN110264725B (zh) | 路段流量的确定方法及装置 | |
US11816989B2 (en) | Identification of connection patterns on the basis of trajectory data | |
CN107622660A (zh) | 一种道路限行时间确定方法及装置 | |
JP4957612B2 (ja) | 走行パターン情報取得装置、走行パターン情報取得方法および走行パターン情報取得プログラム | |
CN112927497B (zh) | 一种浮动车识别方法、相关方法和装置 |
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 |